土地覆被(土地覆盖)是地球陆地表层的物质组成,包括耕地、林地、草地、建筑用地等,它是在自然因素和人类活动的共同影响下而形成的^{[ 1, 2]}。人类土地利用往往是土地覆被变化最重要的影响因素。土地覆被的变化不论是对全球性还是区域性的环境变化都会产生影响,包括对气候波动、碳、氮和水循环、大气质量、土地生产力、生物多样性和水质等的影响^{[ 3~ 5]}。土地覆被变化影响的生物地球物理机制是其通过改变地表反照率、粗糙度、蒸散发、辐射强迫以及能量在感热和潜热间的分配而影响气候,模拟研究表明,森林砍伐导致地表反照率增加使得中高纬度地区温度降低。土地覆被变化最重要的生物地球化学机制也许是其通过影响碳循环以及大气中CO₂的浓度而改变全球气候。土地覆被变化的生物地球物理机制多在区域尺度产生影响,而生物地球化学机制多在全球造成影响^{[ 6~ 9]}。土地覆被变化不仅本身是全球变化的一个内容,而且在全球环境变化中起到了关键性的作用^{[ 1, 10, 11]}。在过去300年中,有一半以上的陆地表面被土地利用所改变,且地表被30%以上的农业用地所占据^{[ 4, 12]}。在LUCC(Land-Use and Land-Cover Change)、BIOME300(此为全称)、iLEAPS(Integrated Land Ecosystem-Atmosphere Processes Study)、GLP(Global Land Project)等研究计划^{[ 1, 2]}的推动下,历史土地覆被变化在土地开发研究的基础上^{[ 11, 13~ 18]},在定量重建方面有了很大的突破,尤其是一些数据集的建立^{[ 19~ 23]}。这些数据集是定量研究土地覆被变化对气候和对碳、水等物质循环影响的基础,支持了许多模型模拟研究^{[ 24~ 29]}。所以,历史土地覆被重建研究是全球变化研究的重要途径,有着重要的科学意义。

在全球变化研究背景下,为满足气候和生态系统模型应用的要求,需要高空间分辨率的网格化历史土地覆被数据的支持^{[ 30]},在此基础上,数据还要达到一定的精度。但是,SAGE数据集明确声明其数据只适用于全球尺度的估计,HYDE数据集也有一定的局限性^{[ 30]},所以全球数据集应用在一些区域研究中,得到的结果往往与区域变化的事实有偏离。如尹永飞等^{[ 31]}在利用HYDE数据集中的数据研究中国过去300年土地利用变化的气候效应时,认为HYDE version 2.0数据库对于中国的植被覆被变化描述存在偏差。李蓓蓓^{[ 32]}以叶瑜等^{[ 33]}建立的东北土地覆被数据(CNEC数据)为基础,分别从整个东北区域、分省以及网格3个尺度评估了SAGE和HYDE两个全球数据集中东北地区的耕地数据精度,认为2个数据集不论是在该区域耕地的总量还是空间分布都存在显著误差。何凡能^{[ 34]}对SAGE和HYDE两个全球数据集中有关中国传统农区过去300年耕地数据进行空间多尺度对比分析后,得出2个数据集对该区域的描述都有不同程度的不确定性的结论。仅针对中国研究得到的数据应用到模拟研究中也存在一定的差异,如,李蓓蓓^{[ 35]}利用CNEC数据对东三省过去300年土地利用变化引起的碳收支进行估算,其结果与葛全胜等^{[ 36]}的研究结果相比也有一定的差异,原因之一也许是二者使用了不同精度的历史土地覆被数据。

目前中国历史土地覆被重建研究多是针对清代以来的时段进行的。国际上对中国历史土地覆被重建研究主要在于建立的几个全球数据集中包含中国的部分,而更多的研究则是国内学者针对中国内某些区域使用不同的方法得到的众多数据集。这些数据集不论是从数据源的使用还是到重建的土地覆被的时空分辨率都有各自的特点,所以需要从不同方面对已有数据集进行评述。现已有部分历史土地利用重建的集成和方法综述研究^{[ 37~ 40]},本文侧重分析已有重建结果的特点,对全球变化研究背景下空间表达清晰的中国历史土地覆被重建研究中到2014年7月为止发表的的30篇重要文献^{[ 19~ 23, 33, 41, 44~ 66]}进行了总结,分别从数据源选取与数字提取和订正处理、时间尺度与覆盖时段、空间范围与空间分辨率、重建的主要土地覆被类型几个方面进行评述,目的是对中国已有历史土地覆被数据集有一个综合全面的认识,为今后的研究方向提供参考。

目前中国历史土地覆被重建研究中主要用到的数据源为历史文献、统计数据、遥感数据以及已有研究成果,即已有研究者使用历史文献、统计数据等初步得到的部分历史土地覆被数据。其中,30篇文献中有19篇文献中的数据是从历史文献提取的,有13篇用到了统计数据,13篇所使用的是前人重建的结果,5篇用到了遥感数据。如图1所示,绝大多数文献选用的数据源为历史文献,其次是历史文献结合统计数据,可见,目前历史文献仍是重建历史土地覆被的主要数据源。少量文献用到了遥感数据,遥感数据和前人研究结果的使用可以为已有历史数据的空间网格化分配提供参考^{[ 23, 60, 61]}。

图1

Fig.1

	Figure Option ViewDownloadNew Window
	图1 不同数据源的文献数量分布Fig.1 Distribution of literature quantity using different data sources

历史文献和统计数据的使用多涉及到对土地数字的提取和订正问题。历史文献中土地数字的订正主要有3种做法,第一种是趋势替代法,如葛全胜等人认为册载数据基本能够反映耕地面积的总体变化趋势和区域差别,并计算耕地面积指数,选择1952年的耕地面积替换1887年的耕地面积,从而得到清代的耕地面积^{[ 21]};第二种是根据历史文献所记载的税收单位,在对引起各行政单元上税收单位与耕地面积不符的折亩、隐匿、免科、亩制等原因进行分析的基础上,直接将原始纳税单位恢复为耕地面积数据,如傅辉、赵赟分别利用此方法将河南和苏皖地区明清地方志记载的赋税数据反演为土地数据,使之可以与现代统计数据相衔接^{[ 59, 60]};第三种也是对纳税单位的修订,但是通过不同学者数据研究成果之间关系而进行校正同化处理的简介修订,如叶瑜等^{[ 33]}主要利用省志并根据一些学者对历史土地数字的全面评价,将纳税单位校正同化为相当于现代调查水平的耕地数据。此外,还有利用人口或地名来推算耕地面积的方法^{[ 30, 56]}。对于统计数据而言,多为直接利用,但不同来源的统计数据需要进行多源耕地数据同化处理^{[ 33]}。

表1列出了30篇文献的研究时段与时间分辨率,从表1中可以看到:

国外学者的研究时段最先为过去300年,最大时间分辨率可达到1~50年^{[ 19]},之后有学者将研究时段延长到过去12 000年,时间分辨率为10~100年^{[ 20]}。

表1

Table1

表1(Table1)

表1 各研究所取时段与时间分辨率 Table1 Time period and resolution in 30 papers 作者 研究时段 时间分辨率/年 作者 研究时段 时间分辨率/年 Ramankutty, Foley(1999)[ 19] 1700—1992年 1~50 何凡能等(2003)[ 58] 1734年 Goldewijk, et al.(2001/2011)[ 20, 30] 10000BC -2000 AD 10~100 何凡能等(2014)[ 62] 1724-1911年 36~60 Pongratz, et al.(2008)[ 41] 800—1992年 300 傅辉(2008)[ 59] 1583—1946年 11~160 Kaplan, et al.(2011)[ 44] 6050BC—1850AD 50~5000 赵赟(2005)[ 60] 1582—1953年 21~197 Karl E Ryavec(2001)[ 66] 1830—1990年 160 李柯等(2011)[ 63] 1671—1827年 156 Liu, Tian(2010)[ 23] 1700—1949年 300 李士成等(2012)[ 61] 1661—1911年 36~63 何凡能等(2007)[ 45] 1700—2005年 50 李士成(2014)[ 52] 1780—1940年 160 葛全胜等(2004)[ 21] 1661—1933年 6~60 张丽娟(2014)[ 53] 19世纪末 林珊珊(2007)[ 46] 1661—1999年 6~60 颉耀文(2013)[ 65] 2—1290年 138~613 张洁等(2007)[ 22] 1724—1995年 6~60 罗静(2014)[ 64] 1726年 何凡能等(2002)[ 47] 1820—1999年 180 方修琦等(2005)[ 50] 1700—1911年 5~100 何凡能等(2012)[ 48] 北宋中期 罗玉洪(2012)[ 56] 1735—1984年 36~139 李为等(2005)[ 49] 1908年 叶瑜等(2009)[ 51] 1700年至21世纪初 6~128 田砚宇(2009)[ 54] 1724—1996年 19~86 Ye等(2009)[ 33] 1683—2002年 10~100 田义超等(2012)[57] 1700—2000年 50 Ye等(2012)[ 55] 1916—2000年 20~40

表1 各研究所取时段与时间分辨率 Table1 Time period and resolution in 30 papers

国内研究也多是针对过去300年的研究,但不同研究的时段长短不一,最长时段可达1289年^{[ 65]},也有仅针对某一年的研究,如李为和何凡能分别对1908年和1734年及北宋中期的土地覆被进行了重建^{[ 47, 48]},罗静等重建了1726年青藏高原东北部河湟谷地耕地格局^{[ 64]}。国内研究的时间分辨率主要为几十年到百年,由于不同研究区的数据源、土地开发历史以及研究方法不同,重建结果的时间分辨率也各有不同,但其共同特点是距今较远时段的分辨率较小,多为百年;距今较近时段的分辨率较大,为几十年甚至几年。如叶瑜重建的过去300年东北地区耕地覆盖,清代的最大时间分辨率为45年,清代之后最大时间分辨率可达到6年^{[ 33]};傅辉研究得到明代以来河南耕地数据,1935年以前最大时间分辨率为50年,之后分辨率为11年^{[ 59]}。

受数据源的限制,在前人研究成果基础上对数据进行处理的研究也并没有改变原数据的时间分辨率。如林珊珊^{[ 46]}和张洁^{[ 22]}分别在葛全胜^{[ 21]}所重建的时间分辨率为6~60年的过去300年东部地区耕地覆盖的基础上,对数据进行网格化处理,其研究结果的时间分辨率仍为6~60年。

针对中国历史土地覆被重建研究的空间尺度可分为3个系列:一是研究结果覆盖了整个中国区域;二是以中国东部地区为研究范围;三是空间范围为某几个或一个省、某省内的一个区域或是一个地理形态上比较完整或典型的区域。

国外学者针对整个中国区域的研究包括SAGE和HYDE数据集以及在这两个数据集的基础上所建立的PJ和KK10数据集中的中国部分^{[ 19, 30, 41, 44]}。SAGE数据集的基本假设为每个行政单元内1992年的耕地覆盖模式代表了历史耕地空间模式,利用1992年的遥感土地覆被分类数据集以及耕地调查数据,得到空间分辨率为0.5°×0.5°经纬网的耕地覆被分布图,搜集国家和市级行政单元的历史耕地调查数据,根据1992年和历史耕地数据计算每个行政单元的历史耕地覆被比,将现代耕地覆被图按历史耕地覆被比重建历史耕地覆被,得到1700—1992年的耕地覆盖变化图^{[ 19]}。HYDE数据集是在现代土地利用图的基础上,根据历史人口密度对各个行政单元的耕地进行分配,耕地先分配到人口密度最大的网格单元,再分配次一级密度的单元,直到耕地全部分配完毕。耕地的分配限制在现代耕地的范围内,现代耕地范围外不分配耕地。在耕地范围外的网格单元内分配牧场地,直到牧场地全部分配完毕。其空间分辨率也为0.5°×0.5°经纬^{[ 30]}。之后HYDE3.1将空间分辨率提高到5′×5′经纬网,更新了现代耕地和人口数据,并考虑了地形和土地适宜性^{[ 20]}。PJ数据集以SAGE和HYDE数据集为基础,主要利用SAGE数据集1700—1992年的耕地和草地数据,对其进行了调整和补充,假设1700年以前的各国人均耕地不变且耕地和牧草地空间分布不变,利用历史人口数据重建了800—1700年的耕地和林地变化,并通过叠加Ramankutty等^{[ 41]}的植被分类图建立了空间分辨率为0.5°×0.5°经纬网的土地覆被数据。KK10数据集在空间上,假设人口数量增加时高质量的土地首先被开垦,边缘地带土地随后被开垦,采用考虑了气候和土壤因素的耕地和牧草地适宜性模型得到耕地和牧草地适宜性数据集,在时间上,假设公元前1000年到公元1850年间林地面积变化的主要驱动因素是人口数量的改变,计算每个区域耕地中的历史人口密度并带入人口密度与林地开垦之间的反曲线关系^{[ 42]}中,将耕地限制在现代适宜开垦和放牧的区域内,得到1000BC—1850AD的全球土地覆被数据^{[ 43, 44]}。国内主要有2个全国尺度的研究,何凡能^{[ 45]}以清代史料、民国和现代统计资料以及前人研究成果为数据源,对1700—1949年林地面积数据进行订正,利用断面定量比较和插补法,重建了中国各省林地覆盖变化;刘明亮等^{[ 23]}在现代遥感数据、统计数据和前人研究成果的基础上,采用校准模型对数据进行校正并用与Ramankutty等^{[ 19]}类似的方法对数据进行空间分配,分析了1700—2005年间中国耕地、林地和城镇用地的变化情况。

另一系列的研究范围主要集中在中国东部地区,如葛全胜^{[ 21]}所建立的过去300年中国内地18省区耕地数据,空间分辨率为省;林珊珊^{[ 46]}最先将此数据进行网格化处理,以地形和人口作为耕地分布的主要影响因子,将影响因子量化并建立耕地分配模型,建立了清代6个时间断面的空间分辨率为60 km×60 km的耕地网格化数据;张洁等^{[ 22]}参考梁方仲所统计的1820年各府州厅的户口田地数据和清代各朝直省田地数据,假设各个省内的府、州间耕地面积以大致相同的比率变化,推算出过去300年中国东部部分省区各府、州的耕地数据,结合中国自然资源数据库和历史文献中关于植被的记录,选择网格内占主导位置的土地覆被类型作为该网格的土地覆被类型,对近300年土地覆被进行了处理,得到1724年以来0.5°×0.5°的耕地和林地网格化数据。何凡能根据清代文献中所记载的有关政区设置的内容,对估算清代城镇用地面积的方法进行了探索,得到嘉庆年间中国东部各省城镇用地面积估算数据^{[ 47]},之后依据历史文献中有关“田亩”与“户额”的记载资料,以地面坡度、海拔高程和人口密度作为影响土地宜垦程度的主导因子,对历史城镇用地面积进行网格化处理,得到北宋中期其境内60 km×60 km的耕地数据^{[ 48]}。

第三个系列的空间范围包括东北三省^{[ 33, 49~ 53]}、热察绥地区^{[ 54]}、中国北方农牧交错带东段^{[ 55]}、赤峰和通辽^{[ 56]}、黄土高原^{[ 57]}、关中地区^{[ 58]}、河南省^{[ 59]}、安徽和江苏省^{[ 60]}、西南地区^{[ 61, 62]}、云南省^{[ 63]} 、河湟谷地^{[ 64]} 、黑河流域中游^{[ 65]}以及青藏高原中部^{[ 66]}的定量研究(图2)。其中东三省、云南省和西南地区的数据已经进行了网格化处理,东三省的最大空间分辨率达到1°×1°,云南省和西南地区的空间分辨率分别达到90 m×90 m和10 km×10 km^{[ 61~ 63]}。黑龙江省^{[ 53]}以及赤峰和通辽地区^{[ 56]}已得到1 km×1 km的耕地数据,其他各研究区所得数据的空间分辨率都为省。从图2可以看到,中国的京津冀地区和山东省、东南部和西北的大部分省区仍缺少可为模型模拟研究提供支撑的历史土地覆被数据,已有以省为空间分辨率的数据还需要探寻一定的方法进行网格化处理。

重建的主要土地覆被类型的多少主要由数据源的可获得性和重建过程的复杂性影响而决定。从数据源的可获得性来看,历史耕地数据与其他土地覆被类型数据相比较易获得,且历史人口和人均耕地数据这2种重建历史耕地的重要代用指标也较丰富^{[ 68]},使得历史耕地重建结果明显多于其他土地覆被类型;从重建过程的复杂性来看,历史耕地数据大多可直接通过分析和处理数据源而获得,但林地和牧草地的重建需要在已获得的历史耕地数据基础上,经过与耕地空间分布的相互关系和变化过程而分析得到^{[ 30]}。

图2

Fig.2

	Figure Option ViewDownloadNew Window
	图2 中国已有面向全球变化土地覆被重建研究的区域Fig.2 Regions of historical land cover reconstructionserving global change research in China

图3是重建的主要土地覆被类型在30篇文献中的分布,可以看到,有24篇文献对历史耕地覆盖进行了重建,而林地、牧草地和城镇用地分别仅有7,3和4篇。其中国外5篇文章中有2篇仅对耕地进行研究,其他3篇分别对耕地、牧草地和城镇用地,耕地和林地以及耕地和牧草地进行了研究。国内的25篇文章中,有17篇文章对历史耕地进行了重建,有2篇专门对城镇用地进行了研究,其余的6篇分别对历史林地,耕地、林地和城镇用地,耕地和林地以及林地和草地进行了重建。由此可见,国内历史林地、牧草地和城镇用地,尤其是牧草地的重建研究还较缺乏。

图3

Fig.3

	Figure Option ViewDownloadNew Window
	图3 土地覆被重建类型的文献分布Fig.3 Distribution of literature quantity on reconstructed land cover types

在全球变化研究背景下,对空间表达清晰的中国历史土地覆被重建研究中25篇重要文献进行总结,得到如下主要结论:

(1)历史文献是重建历史土地覆被的主要数据源,部分研究用到了遥感数据,且遥感数据和前人研究结果能为历史土地覆被重建结果的网格化处理提供数据支撑与借鉴。对于历史文献中土地数字的订正主要有趋势替代法、直接分析税收单位与耕地面积不符的原因并将税收单位恢复为耕地数据、参考其他学者研究结果对原始土地数据进行同化处理或订正3种做法。

(2)国外土地覆被重建研究的最长时段为过去12 000年^{[ 20]},最大时间分辨率可达到1~50年^{[ 19]};国内研究时段主要为过去300年,时间分辨率主要为几十年到百年。多数研究中距今较远时段的分辨率较小,多为百年,距今较近时段的分辨率较大,为几十年甚至年。对已有数据的处理研究并没有改变原数据的时间分辨率。

(3)土地覆被重建研究的空间范围可分为3个尺度系列:一是研究结果覆盖整个中国范围;二是以中国东部地区为研究范围;三是空间范围为某几个或某一个省、某省内的一个区域或是一个地理形态上比较完整或典型的区域。国外对整个中国范围的研究中最大空间分辨率达5′×5′经纬网^{[ 20]},国内对中国东部地区研究的最大空间分辨率达0.5°×0.5°^{[ 22]}。在省级区域研究中,最大分辨率为云南省的90 m×90 m^{[ 57]},多数研究区中数据的空间分辨率为县^{[ 54, 55, 57~ 60, 66]}。

(4)重建的土地覆被类型包括耕地、林地、牧草地和城镇用地,且主要集中在耕地重建,林地、牧草地和城镇用地,尤其是牧草地的重建研究还较缺乏。

从现有中国历史土地覆被重建研究来看:一是多种数据源相结合的研究还较缺乏;二是区域重建结果仅覆盖了部分省区,且大部分研究仅重建了耕地;三是数据空间分辨率和时间断面不统一,基本单元以行政单位或网格单元不一。因此,充分利用已有可作为土地覆被重建数据源的资源,加强研究空白区内历史土地覆被数据重建、网格化处理方法的改进以及已有数据的整合尤为必要。

根据已有数据的特点,对今后的工作有以下建议:①分析各区域数据源的特点,必要时尝试多种数据源的相互补充、比较与验证,以提高数据的精度;②由于全国尺度研究的空间分辨率多为省,且时间断面较区域研究多,在对区域历史土地覆被进行重建时,全国研究成果可为其提供土地覆被变化趋势参考;③对于区域研究空白区,东部和中部具有较丰富的历史文献,如地方志等,可将其作为主要数据源并参照现有研究方法,对历史耕地覆被进行重建,西部地区历史文献较少,可以使用人口推算和模型模拟的方法;④在分析各区域特点的基础上,寻求适宜的限制因子和网格化模型对已有县级分辨率数据进行网格化处理,便于气候和模型模拟研究的使用;⑤现有除耕地之外土地覆被类型的数据源还较缺乏,需要采用推算和反演方法,但原始潜在植被和历史耕地数据是其重建的重要依据。