全 文 ：书基于马尔柯夫模型的草原退化动态时空特征研究
刘爱军１，２，３，王保林２，３，陈喜梅３，杨胜利３，郑淑华３
（１．北京林业大学，北京１００７１４；２．内蒙古民族大学，内蒙古 通辽０２８０４３；３．内蒙古草原勘察规划院，内蒙古 呼和浩特０１００５１）
摘要：草原植被覆盖动态时空特征是理解人类活动和自然因素影响下草原退化的关键。本研究利用２０００和２０１０
年ＴＭ影像，利用监督分类方法，对内蒙古草原退化、沙化和盐渍化时空分布特征探测和制图，同时对分类结果进
行验证。检验结果表明，采用监督分类结合地面训练样本进行草原退化动态特征检测能提高分类精度，草原沙化
和盐渍化分类精度分别都达到９０％以上，退化草原分类精度为７５％。在草原退化程度分类检测基础上，计算２０００
－２０１０年草原退化、沙化、盐渍化面积概率转移矩阵，并基于马尔柯夫模型，对未来２０年间草原动态特征进行预
测。研究结果表明，十年间，内蒙古草原的退化、沙化程度均呈减弱趋势。预测结果显示，在草原与生态保护建设
工程持续稳定有效建设前提下，内蒙古草原呈现良性发展趋势，退化及沙化状况将持续得到改善。研究也指出，基
于遥感技术与马尔柯夫模型有机结合分析草原退化动态特征是一种快速有效的途径。
关键词：马尔柯夫模型；草原退化；动态；时空特征
中图分类号：Ｓ８１２ 文献标识码：Ａ 文章编号：１００４５７５９（２０１２）０５０２２９０８
草原地球表层系统中最突出的景观标志，草原退化是人类活动和自然要素共同作用的结果，因此是研究自然
与人文过程的理想切入点，成为全球变化研究的热点领域［１４］。
内蒙古草原退化是目前该区域所面临的重大生态环境问题。本研究中所指草原退化是一个广义的概念，包
括草原退化、草原沙化和草原盐渍化。随着草原退化问题的日益严重和对其的广泛关注，世界各国都在这方面进
行努力，并根据各自对草原退化概念的理解，从不同的角度和深度提出了各种各样的监测及评价标准。卫星遥感
技术及地理信息系统技术被认为是进行草原退化监测评价方面强有力的工具［５８］。卫星遥感技术提供了多时相
的数据集，并且能够容易转化为有用的信息，用来监测和解释土地变化和发展模式及过程。地理信息系统技术提
供了灵活的分析环境，并能够展示分析结果。因此，卫星遥感和地理信息系统技术被广泛应用于检测土地使用的
时空动态模式及变化趋势，特别是在城镇和土地利用变化［９１３］等方面，马尔柯夫（Ｍａｒｋｏｖ）模型在变化检测中发
挥了重要作用，在假设现有影响因子不变的情况下，为预测土地类型在未来时间里的动态变化提供了很好的研究
方法，其中为植被景观动态演变过程研究，分析了当前景观动态变化趋势及预测了未来数年的变化趋势［１４１６］；不
少学者在土地、植被动态变化方面做了大量研究工作，分析了当前土地利用格局及植被退化趋势［１７２０］。在陆地植
被类型分析中，特别是天然草原，应用马尔柯夫模型能够解决更大尺度的问题，在这方面，Ｂｅｌ 等［２１，２２］已经做了
一些探索。纵观前人研究结果，利用随机模型估测土地利用及覆盖变化的动态过程十分有效。因此通过集成一
个集遥感、地理信息系统和马尔柯夫模型的方法，能够精确、快速、动态地监测、评价和预测草原利用和植被覆盖
变化情况，对于指导生产、保护生态环境以及为政府提供技术支撑等方面将起到不可替代的作用。
１ 材料与方法
１．１ 研究区概况
内蒙古自治区位于中国北部边疆，西北紧邻蒙古和俄罗斯。全区面积１１８万ｋｍ２，全境以高原为主，多数地
区在海拔１０００ｍ以上，东起东经１２６°２９′，西至东经９７°１０′，是我国跨经度最大的省级行政区。该地区为典型的
中温带季风气候，具有降水量少而不匀、寒暑变化剧烈的显著特点。内蒙古天然草原辽阔而宽广，总面积位居全
第２１卷 第５期
Ｖｏｌ．２１，Ｎｏ．５
草 业 学 报
ＡＣＴＡＰＲＡＴＡＣＵＬＴＵＲＡＥＳＩＮＩＣＡ
２２９－２３６
２０１２年１０月
收稿日期：２０１１０９１６；改回日期：２０１１１２１２
基金项目：农业行业科研专项（２００９０３０６０），自治区自然科学基金（２１３０１０６）和林业行业科研专项（２０１２０４２０２）资助。
作者简介：刘爱军（１９６４），女，内蒙古呼和浩特人，研究员，博士。Ｅｍａｉｌ：ｌｉｕａｊ＿８１＠１６３．ｃｏｍ
通讯作者。Ｅｍａｉｌ：ｌｉｕａｊ＿８１＠１６３．ｃｏｍ
国五大草原之首，是我国北方重要的生态屏障和重要的畜牧业生产基地。长期以来，由于气候干旱及对草原的过
度利用，使大面积的草原荒漠化进而导致环境恶化，是该地区目前所面临的重大生态问题。近十几年来，随着对
草原生态保护的重视，国家开始投入巨资进行草原保护和建设，从而使荒漠化发展趋势有所缓解。据最新调查和
统计数据显示，截止２０１０年，内蒙古草原总面积比２０００年增加了８６．７万ｈｍ２，３０％以上的退化草地得到不同程
度的恢复，改变了２０世纪５０年代至２１世纪初草原面积持续减少的局面，这与生态保护建设力度不断加大息息
相关。
１．２ 数据源
１．２．１ 数据与方法 为了满足模型对分类图的需求，利用２０００年６－８月、２０１０年６－８月的ＴＭ 影像，结合地
形图、地面观测数据、照片等各种相关资料，进行了内蒙古区域的草原退化、沙化、盐渍化等分类研究。
１．２．２ 数据处理 对ＴＭ影像进行大气校正、以内蒙古自治区１∶１０万地形图为基准，进行影像的几何精纠
正，然后进行双标准纬线等面积圆锥投影变换、影像拼接、并裁剪出研究区。
１．３分级标准的确定
１．３．１ 分级指标的划定 ＦＡＯ／ｕＮＥＰ（１９８４）制定了《荒漠化评价和制图的暂行方法》，其中将荒漠化的类型划
分为７种，即，植被覆盖的退化、沙化、水蚀、风蚀、盐渍化、土壤板结、土壤有机质降低和土壤中有毒物质的过量积
累等，并从现状、速度和危险性３个方面对每一种类型制定了评价指标。本研究参考《荒漠化评价和制图的暂行
方法》，并制定了草原退化、草原沙化、草原盐渍化分级标准［２３］，如表１～３所示。
表１ 草原退化程度分级指标
犜犪犫犾犲１ 犇犲犵狉犪犱犪狋犻狅狀犵狉犪犱犻狀犵狅犳犵狉犪狊狊犾犪狀犱
程度Ｄｅｇｒｅｅ 地面特征 Ｇｒｏｕｎｄｆｅａｔｕｒｅｓ 遥感特征 Ｒｅｍｏｔｅｓｅｎｓｉｎｇｆｅａｔｕｒｅ
未退化 Ｗｉｔｈｏｕｔ 群落种类组成没有发生变化，生物量没有下降。Ｔｈｅｒｅｗａｓｎｏａｎｙｃｈａｎｇｅｆｏｒｓｐｅｃｉｅｓｃｏｍ
ｐｏｓｉｔｉｏｎｏｆｐｌａｎｔｃｏｍｍｕｎｉｔｙ，Ｔｈｅｒｅｗａｓｎｏｄｅｃｒｅａｓｅｏｆｂｉｏｍａｓｓ．
＞８０％
轻度退化Ｓｌｉｇｈｔ
ｄｅｇｒａｄｅｄ
群落组成未发生重大变化，但优势种个体数量降低，产量下降１０％以内。Ｔｈｅｒｅｗａｓｌｉｔｔｌｅ
ｃｈａｎｇｅｆｏｒｓｐｅｃｉｅｓｃｏｍｐｏｓｉｔｉｏｎｏｆｐｌａｎｔｃｏｍｍｕｎｉｔｙ，ｂｕｔｔｏｔａｌｉｎｄｉｖｉｄｕａｌｎｕｍｂｅｒｓｆｏｒｔｈｅ
ｄｏｍｉｎａｎｔｓｐｅｃｉｅｓｄｅｃｒｅａｓｅｄ，ａｎｄｂｉｏｍａｓｓｄｅｃｒｅａｓｅｄｌｅｓｓｔｈａｎ１０％．
５０％～８０％
中度退化 Ｍｏｄ
ｅｒａｔｅｄｅｇｒａｄｅｄ
建群种和优势种发生明显改变，草群变稀疏、低矮，生物量下降１０％～３０％。Ｔｈｅｒｅｗａｓｏｂ
ｖｉｏｕｓｃｈａｎｇｅｓｉｎｔｈｅｃｏｎｓｔｒｕｃｔｉｖｅａｎｄｄｏｍｉｎａｎｔｓｐｅｃｉｅｓ，ａｎｄｐｌａｎｔｃｏｍｍｕｎｉｔｙｉｎｇｒａｓｓｌａｎｄ
ｂｅｃａｍｅｓｐａｒｓｅａｎｄｌｏｗ，ｂｉｏｍａｓｓｄｅｃｒｅａｓｅｄ１０％－３０％．
２０％～５０％
重度退化Ｓｅｖｅｒｅ
ｄｅｇｒａｄｅｄ
原生植物基本消失，草群更为低矮稀疏，表土裸露，生物量下降３０％以上。Ｔｈｅｈｏｍｅ
ｇｒｏｗｎｓｐｅｃｉｅｓｂａｓｉｃａｌｙｄｉｅｄｏｕｔ，ｐｌａｎｔｃｏｍｍｕｎｉｔｙｉｎｇｒａｓｓｌａｎｄｂｅｃａｍｅｓｐａｒｓｅｒ，ｓｕｒｆａｃｅｓｏｉｌ
ｗａｓｕｎｃｏｖｅｒｅｄｂｙｖｅｇｅｔａｔｉｏｎ，ｂｉｏｍａｓｓｄｅｃｒｅａｓｅｄｍｏｒｅｔｈａｎ３０％．
＜２０％
注：以多年生植被的覆盖度来表示。
Ｎｏｔｅ：Ｃｏｖｅｒａｇｅｏｆｔｈｅｐｅｒｅｎｎｉａｌｖｅｇｅｔａｔｉｏｎ（％）．
１．３．２ 退化草原的遥感分类 利用遥感数据能够进行大范围植被监测和植被覆盖分类［２４，２５］研究中图像分类算
法采用传统的最大似然法，通过选取分类训练样本进行监督分类。结合人机交互判读进行监督训练区的样本选
取。参与计算的训练样本共７２１３个，分布状况如图１所示。
随后，利用未参与分类的另外１０００个样本，对分类结果进行精度验证。验证结果表明，分类的精度分别为：
退化程度分类达７５．２３％，沙化程度分类达９４．８％，盐渍化程度分类达９２．８％。这样的精度水平，可以满足区域
尺度研究的需要。
１．３．３ 马尔柯夫模型 马尔柯夫链事实上是一种随机模型，数学表达式为犘犻犼，表示系统由狋状态的犻经过一步
转移到达时刻狋狀＋１状态犼的条件概率，犘犻犼称为一步转移概率，如果犘犻犼与系统所处时刻无关，这种过程则称为齐次
马尔柯夫链。系统中狀种类型一步转移概率共同组成一个转移概率矩阵。由于一定时期内不同草原退化程度之
间相互转化而且它们之间的转化过程比较适宜于用初始转移概率矩阵犘来表达。其数学表达式为：
０３２ ＡＣＴＡＰＲＡＴＡＣＵＬＴＵＲＡＥＳＩＮＩＣＡ（２０１２） Ｖｏｌ．２１，Ｎｏ．５
表２ 草原沙化程度分级指标
犜犪犫犾犲２ 犇犲狊犲狉狋犻犳犻犮犪狋犻狅狀犵狉犪犱犻狀犵狅犳犵狉犪狊狊犾犪狀犱
程度Ｄｅｇｒｅｅ 地面特征 Ｇｒｏｕｎｄｆｅａｔｕｒｅｓ 遥感特征 Ｒｅｍｏｔｅｓｅｎｓｉｎｇｆｅａｔｕｒｅ
未沙化ｗｉｔｈｏｕｔ 大部分土地尚未出现沙化，仅有斑点状流沙。Ｔｈｅｌａｎｄｄｅｓｅｒｔｉｆｉｃａｔｉｏｎｄｉｄｎｏｔｃｏｍｅｆｏｒｔｈ，
ｔｈｅｒｅｗａｓｐａｔｃｈｓｈｉｆｔｓａｎｄ．
＜１０％
轻度沙化Ｓｌｉｇｈｔ
ｄｅｓｅｒｔｅｄ
地表局部受风蚀破坏，出现风蚀坑和吹扬，灌丛沙丘及小片流沙。Ａｌｏｃａｌｓｕｒｆａｃｅｗａｓｄｅ
ｓｔｒｏｙｅｄｂｙｗｉｎｄｅｒｏｓｉｏｎ，ｗｈｅｒｅａｅｏｌｉａｎｐｉｔｓ，ｓｈｒｕｂｓａｎｄｄｕｎｅａｎｄａｓｍａｌａｒｅａｏｆｓｈｉｆｔｓａｎｄ
ｔｏｏｋｐｌａｃｅ．
１０％～３０％
中度沙化 Ｍｏｄ
ｅｒａｔｅｄｅｓｅｒｔｅｄ
地表风蚀破坏比较严重，出现较大风蚀坑，吹扬灌丛沙堆密集，流沙大片分布。Ａｌｏｃａｌｓｕｒ
ｆａｃｅｗａｓｓｅｒｉｏｕｓｌｙｄｅｓｔｒｏｙｅｄｂｙｗｉｎｄｅｒｏｓｉｏｎ，ｗｈｅｒｅｂｉｇｇｅｒａｅｏｌｉａｎｐｉｔｓａｎｄａｖａｓｔａｒｅａｏｆ
ｓｈｉｆｔｓａｎｄｔｏｏｋｐｌａｃｅ，ｓｈｒｕｂｓａｎｄｄｕｎｅｄｅｎｓｅｌｙｄｉｓｔｒｉｂｕｔｅｄ．
３０％～５０％
重度沙化Ｓｅｖｅｒｅ
ｄｅｓｅｒｔｅｄ
密集的流动沙丘大面积分布。Ｔｈｅｌａｒｇｅａｒｅａｏｆｄｅｎｓｅｓｈｉｆｔｓａｎｄｄｕｎｅｄｉｓｔｒｉｂｕｔｅｄ． ＞５０％
注：以流沙所占植被面积来表示。
Ｎｏｔｅ：Ｃｏｖｅｒａｇｅｏｆｔｈｅｓａｎｄｄｕｎｅ（％）．
表３ 草原盐渍化分级指标
犜犪犫犾犲３ 犛犪犾犻狀犻狕犪狋犻狅狀犵狉犪犱犻狀犵狅犳犵狉犪狊狊犾犪狀犱
程度
Ｄｅｇｒｅｅ
地面特征
Ｇｒｏｕｎｄｆｅａｔｕｒｅｓ
遥感特征
Ｒｅｍｏｔｅｓｅｎｓｉｎｇｆｅａｔｕｒｅ
轻度盐渍化Ｓｌｉｇｈｔｓａｌｉｎｉｚｅｄ 排水状况好，无盐斑。Ｄｒａｉｎａｇｅｗａｓｉｎｐｅｒｆｅｃｔｃｏｎｄｉｔｉｏｎ，ｔｈｅｒｅｉｓｎｏｓａｌｔｓｐｏｔｓ． １０％～１５％
中度盐渍化 Ｍｏｄｅｒａｔｅｓａｌｉｎｉｚｅｄ 排水状况一般，出现盐斑。Ｄｒａｉｎａｇｅｗａｓｉｎｇｏｏｄｃｏｎｄｉｔｉｏｎ，ａｎｄｓａｌｔｓｐｏｔｓｃａｍｅｏｕｔ． １５％～４０％
重度盐渍化Ｓｅｖｅｒｅｓａｌｉｎｉｚｅｄ 排水状况缓慢，出现大量盐斑。Ｄｒａｉｎａｇｅｗａｓｓｌｏｗ，ａｎｄａｌａｒｇｅｑｕａｎｔｉｔｉｅｓｏｆｓａｌｔｓｐｏｔｓｃａｍｅｏｕｔ． ＞４０％
注：以盐斑所占植被面积的百分率来表示。
Ｎｏｔｅ：Ｓａｌｔｓｐｏｔａｒｅａｏｆｔｈｅｓｕｒｆａｃｅａｒｅａｏｆｇｒａｓｓｌａｎｄ（％）．
图１ 样点分布图
犉犻犵．１ 犇犻狊狋狉犻犫狌狋犻狅狀犿犪狆狅犳狊犪犿狆犾犲狊
１３２第２１卷第５期 草业学报２０１２年
图２ ２０００年内蒙古草原退化、沙化、盐渍化分布图
犉犻犵．２ 犇犻狊狋狉犻犫狌狋犻狅狀犿犪狆狅犳犵狉犪狊狊犾犪狀犱犱犲犵狉犪犱犪狋犻狅狀，犱犲狊犲狉狋犻犳犻犮犪狋犻狅狀犪狀犱狊犪犾犻狀犻狕犪狋犻狅狀狅犳２０００犻狀犐狀狀犲狉犕狅狀犵狅犾犻犪
图３ ２０１０年内蒙古草原退化、沙化、盐渍化分布图
犉犻犵．３ 犇犻狊狋狉犻犫狌狋犻狅狀犿犪狆狅犳犵狉犪狊狊犾犪狀犱犱犲犵狉犪犱犪狋犻狅狀，犱犲狊犲狉狋犻犳犻犮犪狋犻狅狀犪狀犱狊犪犾犻狀犻狕犪狋犻狅狀狅犳２０１０犻狀犐狀狀犲狉犕狅狀犵狅犾犻犪
犘＝犘犻犼＝｜犘２１犘２２…犘２狀｜
式中，狀为草原退化类型数目，犘犻犼为犻类草原退化类型转化为犼类利用类型的概率，犘犻犼满足２个条件：１）０≤犘犻犼
≤１；２）∑犻犼犘犻犼＝１（犻，犼＝１，２，３，…，狀）。
根据马尔柯夫模型和条件概率可以得出，系统在犜＋１时刻的状态向量犘（犜＋１）可以由其在时刻犜的状态
向量犘（犜）和转移概率犘犻犼来确定：
犘（犜＋１）＝犘（犜）×犘犻犼 （１）
２３２ ＡＣＴＡＰＲＡＴＡＣＵＬＴＵＲＡＥＳＩＮＩＣＡ（２０１２） Ｖｏｌ．２１，Ｎｏ．５
２ 结果与分析
２．１ 内蒙古草原退化、沙化现状及动态特征
基于遥感影像监督分类结果，得到内蒙古草原退化现状图（图２，３）。清楚显示出２０００－２０１０年间，内蒙古
东部和西部草原退化、沙化、盐渍化面积有很明显变化，未退化草原面积明显增加，沙化草原面积明显减少，中部
草原退化程度减缓，轻度退化面积明显增加。
２．２ 草原退化、沙化、盐渍化间转移变化分析
通过遥感和ＧＩＳ进一步分析内蒙古草原退化、沙化、盐渍化的转移趋向和数量，并利用２０００－２０１０年草原
退化、沙化、盐渍化分布图计算出原始转移矩阵（表４）。然后根据原始转移矩阵求出相互转移率，最终得到概率
转移矩阵（表５）。
表４ ２０００－２０１０年内蒙古草原退化、沙化、盐渍化面积转移矩阵
犜犪犫犾犲４ 犜狉犪狀狊犳犲狉犿犪狋狉犻狓狅犳犵狉犪狊狊犾犪狀犱狅犳犱犲犵狉犪犱犪狋犻狅狀，犱犲狊犲狉狋犻犳犻犮犪狋犻狅狀犪狀犱狊犪犾犻狀犻狕犪狋犻狅狀
犳狉狅犿２０００狋狅２０１０犻狀犐狀狀犲狉犕狅狀犵狅犾犻犪 ×１０４ｈｍ２
２０００年
２０００ｙｅａｒ
２０１０年２０１０ｙｅａｒ
退化Ｄｅｇｒａｄａｔｉｏｎ
未退化
Ｗｉｔｈｏｕｔ
轻度
Ｓｌｉｇｈｔ
中度
Ｍｏｄｅｒａｔｅ
重度
Ｓｅｖｅｒｅ
沙化Ｄｅｓｅｒｔｉｆｉｃａｔｉｏｎ
未沙化
Ｗｉｔｈｏｕｔ
轻度
Ｓｌｉｇｈｔ
中度
Ｍｏｄｅｒａｔｅ
重度
Ｓｅｖｅｒｅ
盐渍化Ｓａｌｉｎｉｚａｔｉｏｎ
轻度
Ｓｌｉｇｈｔ
中度
Ｍｏｄｅｒａｔｅ
重度
Ｓｅｖｅｒｅ
退化Ｄｅｇｒａｄａｔｉｏｎ 未退化 Ｗｉｔｈｏｕｔ ９１６．１１ ４１６．５７ １５５．２５ １６．６０ １３０．０１ ５４．８０ ５２．８５ ２０．９８ １６．９９ １３．４０ ６．４３
轻度Ｓｌｉｇｈｔ ３３９．０９ ６６３．７９ ３４４．０６ ３８．８１ ４０．２９ ５３．８１ ６２．２０ １８．９１ １６．９３ １８．６４ ５．５２
中度 Ｍｏｄｅｒａｔｅ １７７．２４ ４２３．５１ ３９７．１４ ４９．５１ ２０．２０ ４４．７０ ５６．９７ ２２．３１ １８．７３ １８．６２ ５．０４
重度Ｓｅｖｅｒｅ ４５．２９ ９０．００ ８２．４６ ２２．５７ ４．１４ １７．２９ １６．９１ ７．７６ １１．３９ ６．３０ ２．４９
沙化Ｄｅｓｅｒｔｉｆｉｃａｔｉｏｎ 未沙化 Ｗｉｔｈｏｕｔ ６３．１９ １７．４６ ８．７７ ０．５３ ３５．３２ ２０．３１ １３．２４ ９．４９ ２．３６ １．６９ ０．８９
轻度Ｓｌｉｇｈｔ ２８．１８ ７７．１７ ４６．９９ ６．５７ ２１．３０ １１３．９８ ８７．２９ ３２．９６ ４．２５ ３．２７ １．５０
中度 Ｍｏｄｅｒａｔｅ ２２．１８ ４１．０３ ３１．６４ ５．６６ ２６．０９ ７４．８６ ８１．２５ ３５．９５ ２．７６ ３．０３ １．７８
重度Ｓｅｖｅｒｅ ５．２７ ７．３７ ８．３２ １．２９ ３．１９ ２１．３５ ２５．７４ ３２．３１ ２．５１ １．７６ １．８５
盐渍化Ｓａｌｉｎｉｚａｔｉｏｎ 轻度Ｓｌｉｇｈｔ １７．６９ ２３．４０ １６．７０ ４．０２ ６．０１ １０．７９ １０．８８ ６．４５ １３．９１ １８．２６ ７．０７
中度 Ｍｏｄｅｒａｔｅ １３．７０ １４．６４ １２．７１ ４．４８ ２．４０ ５．６０ ８．１１ ４．６３ ９．３２ １６．５０ ９．３３
重度Ｓｅｖｅｒｅ ６．２０ ６．１８ ５．７６ ２．５１ ０．８０ １．５６ ４．１０ ２．５１ ４．４５ １１．００ １６．７９
２０００－２０１０年间，未退化及轻度退化草原转向中度退化、重度退化的草原面积共为５５４．７万ｈｍ２，而由中度
退化和重度退化转向未退化、轻度退化的面积共为７３６万ｈｍ２，且有９１６．１１万ｈｍ２ 未退化草原和６６３．８万ｈｍ２
轻度退化草原维持现状，没有发生转移（表４）。
数据显示有１４．７７％重度退化草原转向未退化草原，２９．３６％转向轻度退化，２６．８９％转向中度退化；未退化
草原中有２３．１４％转向轻度退化，８．６３％转为中度退化，０．９２％转为重度退化（表５）。从沙化情况看，未沙化转到
中度沙化、重度沙化的面积共为２２．７３万ｈｍ２，中度沙化、重度沙化草原转向未沙化为２９．２８万ｈｍ２。其中，
２．８８％重度沙化草原转向未沙化，１９．２４％转为轻度沙化，２３．２０％变为中度沙化；１１．７２％未沙化草原转向轻度沙
化，７．６４％和５．４８％分别转为中度及重度沙化。未退化和未沙化转出大于转入，说明退化、沙化趋势得到一定程
度的控制和改善（图４，５）。
２．３ 马尔柯夫模型预测分析
该模型是基于 Ｍａｒｋｏｖ过程理论而形成的预测事件发生概率的一种方法［１８］，常用于具有无后效性特征地理
事件的预测，是预测土地利用数量变化较好的方法［１９］。土地利用类型之间相互转化的面积数量或比例即为状态
转移概率。马尔柯夫模型有几个基本假设，假设之一是认为土地利用和土地覆盖变化是一个随机过程，并且不同
类型是 Ｍａｒｋｏｖ链的不同状态，马尔柯夫过程是一种特殊的随机运动过程。如果随机过程犡（狀）在时刻（狋＋１）状
态的概率分布只与时刻狋的状态有关，而与狋以前的状态无关，则称随机过程犡（狀）为一个马尔柯夫链。在狋时
３３２第２１卷第５期 草业学报２０１２年
刻它处于状态犡犻，在狋＋１时刻，它将以概率犘犻犼处于状态犡犼，而转移概率犘犻犼则反映了各种随机因素的影响。由
式１，犘（２０００）作为预测未来１０年变化的初始向量，犘犻犼为２０００－２０１０年草原退化、沙化、盐渍化概率转移矩阵
（表５），作为初始概率转移矩阵，以１０年为步长，预测出２０２０年和２０３０年草原退化、沙化、盐渍化的面积比例
（表６）。
表５ ２０００－２０１０年内蒙古草原退化、沙化、盐渍化转移率
犜犪犫犾犲５ 犜狉犪狀狊犻狋犻狅狀狉犪狋犲狅犳犱犲犵狉犪犱犪狋犻狅狀，犱犲狊犲狉狋犻犳犻犮犪狋犻狅狀犪狀犱狊犪犾犻狀犻狕犪狋犻狅狀犳狉狅犿２０００狋狅２０１０犻狀犐狀狀犲狉犕狅狀犵狅犾犻犪 ％
２０００年
２０００ｙｅａｒ
２０１０年２０１０ｙｅａｒ
退化Ｄｅｇｒａｄａｔｉｏｎ
未退化
Ｗｉｔｈｏｕｔ
轻度
Ｓｌｉｇｈｔ
中度
Ｍｏｄｅｒａｔｅ
重度
Ｓｅｖｅｒｅ
沙化Ｄｅｓｅｒｔｉｆｉｃａｔｉｏｎ
未沙化
Ｗｉｔｈｏｕｔ
轻度
Ｓｌｉｇｈｔ
中度
Ｍｏｄｅｒａｔｅ
重度
Ｓｅｖｅｒｅ
盐渍化Ｓａｌｉｎｉｚａｔｉｏｎ
轻度
Ｓｌｉｇｈｔ
中度
Ｍｏｄｅｒａｔｅ
重度
Ｓｅｖｅｒｅ
退化Ｄｅｇｒａｄａｔｉｏｎ 未退化 Ｗｉｔｈｏｕｔ ５０．９０ ２３．１４ ８．６３ ０．９２ ７．２２ ３．０４ ２．９４ １．１７ ０．９４ ０．７４ ０．３６
轻度Ｓｌｉｇｈｔ ２１．１７ ４１．４３ ２１．４８ ２．４２ ２．５２ ３．３６ ３．８８ １．１８ １．０６ １．１６ ０．３４
中度 Ｍｏｄｅｒａｔｅ １４．３６ ３４．３２ ３２．１８ ４．０１ １．６４ ３．６２ ４．６２ １．８１ １．５２ １．５１ ０．４１
重度Ｓｅｖｅｒｅ １４．７７ ２９．３６ ２６．８９ ７．３６ １．３５ ５．６４ ５．５２ ２．５３ ３．７１ ２．０６ ０．８１
沙化Ｄｅｓｅｒｔｉｆｉｃａｔｉｏｎ 未沙化 Ｗｉｔｈｏｕｔ ３６．４７ １０．０８ ５．０６ ０．３１ ２０．３８ １１．７２ ７．６４ ５．４８ １．３６ ０．９８ ０．５２
轻度Ｓｌｉｇｈｔ ６．６６ １８．２２ １１．１１ １．５５ ５．０３ ２６．９２ ２０．６１ ７．７８ １．００ ０．７７ ０．３５
中度 Ｍｏｄｅｒａｔｅ ６．８０ １２．５８ ９．７０ １．７１ ８．００ ２２．９５ ２４．９１ １１．０２ ０．８５ ０．９３ ０．５５
重度Ｓｅｖｅｒｅ ４．７５ ６．６５ ７．５０ １．１６ ２．８８ １９．２４ ２３．２０ ２９．１２ ２．２５ １．５８ １．６７
盐渍化Ｓａｌｉｎｉｚａｔｉｏｎ 轻度Ｓｌｉｇｈｔ １３．０８ １７．３１ １２．３６ ２．９７ ４．４４ ７．９８ ８．０６ ４．７７ １０．２９ １３．５１ ５．２３
中度 Ｍｏｄｅｒａｔｅ １３．５１ １４．４３ １２．５４ ４．４１ ２．３６ ５．５３ ８．００ ４．５６ ９．１９ １６．２７ ９．２０
重度Ｓｅｖｅｒｅ １０．０３ ９．９８ ９．３２ ４．０５ １．３０ ２．５３ ６．６２ ４．０５ ７．１９ １７．７９ ２７．１４
图４ ２０００－２０１０年内蒙古草原退化转出率、转入率分析
犉犻犵．４ 犜犺犲犮犺犪狀犵犲狊狅犳犵狉犪狊狊犾犪狀犱狅犳犱犲犵狉犪犱犪狋犻狅狀
犳狉狅犿２０００狋狅２０１０犻狀犐狀狀犲狉犕狅狀犵狅犾犻犪
图５ ２０００－２０１０年内蒙古草原沙化转出率、转入率分析
犉犻犵．５ 犜犺犲犮犺犪狀犵犲狊狅犳犵狉犪狊狊犾犪狀犱狅犳犱犲狊犲狉狋犻犳犻犮犪狋犻狅狀
犳狉狅犿２０００狋狅２０１０犻狀犐狀狀犲狉犕狅狀犵狅犾犻犪
表６ ２０１０－２０３０退化、沙化、盐渍化占总面积比例
犜犪犫犾犲６ 犜犺犲狆狉狅狆狅狉狋犻狅狀狅犳犱犲犵狉犪犱犪狋犻狅狀，犱犲狊犲狉狋犲犱犪狀犱狊犪犾犻狀犻狕犲犵狉犪狊狊犾犪狀犱犳狉狅犿２０１０－２０３０ ％
年份Ｙｅａｒ
退化Ｄｅｇｒａｄａｔｉｏｎ
未退化
Ｗｉｔｈｏｕｔ
轻度
Ｓｌｉｇｈｔ
中度
Ｍｏｄｅｒａｔｅ
重度
Ｓｅｖｅｒｅ
沙化Ｄｅｓｅｒｔｉｆｉｃａｔｉｏｎ
未沙化
Ｗｉｔｈｏｕｔ
轻度
Ｓｌｉｇｈｔ
中度
Ｍｏｄｅｒａｔｅ
重度
Ｓｅｖｅｒｅ
盐渍化Ｓａｌｉｎｉｚａｔｉｏｎ
轻度
Ｓｌｉｇｈｔ
中度
Ｍｏｄｅｒａｔｅ
重度
Ｓｅｖｅｒｅ
２０１０ ２６．０４ ２８．３８ １７．６９ ２．４３ ４．６１ ６．６８ ６．６９ ３．１０ １．６５ １．７９ ０．９４
２０２０ ２６．４６ ２８．９０ １７．０８ ２．２６ ４．９４ ７．２２ ６．２４ ２．６６ １．５８ １．７４ ０．９２
２０３０ ２６．５４ ２９．４９ １６．７８ ２．２０ ５．１２ ７．３２ ６．１１ ２．２７ １．５６ １．７０ ０．９１
４３２ ＡＣＴＡＰＲＡＴＡＣＵＬＴＵＲＡＥＳＩＮＩＣＡ（２０１２） Ｖｏｌ．２１，Ｎｏ．５
２０２０和２０３０年退化程度较２０１０年进一步好转（表６），未退化和轻度退化面积所占比例均有所上升，而中度
退化和重度退化面积所占比例有所下降，沙化草原中未沙化和轻度沙化所占比例有小幅度提高，盐渍化中轻度、
中度、重度所占比例都有下降趋势。由此说明在现有条件下，２０２０和２０３０年草原植被状况恢复良好。
３ 讨论与结论
本研究主要采用遥感与ＧＩＳ技术、以ＴＭ遥感影像为基本数据源、在对影像准确分类的基础上，结合多种技
术和方法，详细分析了内蒙古草原植被覆盖变化的时空过程特征，讨论了草原退化、沙化和盐渍化过程固有的本
质规律，并对未来趋势做了数量和空间的综合模拟。首先以草原退化、草原沙化和草原盐渍化为分类系统，对研
究区历年的草原退化程度进行详细特征分析。该区域草原退化整体变化不大，但局部变化剧烈的特点。通过草
原覆盖动态变化检测，建立了多个时间间隔的 Ｍａｒｋｏｖ链模型，并对未来进行了预测。通过详细分析，最终得出
以下结论：内蒙古草原退化、沙化转化过程是符合马尔柯夫性的，并具有一定遍历性；同时还发现马氏在揭示草原
植被动态过程本质规律中具有分析简单、反映规律明显的特点，且对当地可持续发展决策具有一定指导作用。
Ｍａｒｋｏｖ过程可有效预测当前土地利用变化趋势下未来土地的利用结构［２０］。从系统理论角度出发，可将内
蒙古草原看作一个系统。该系统在不同时间（年份）可看作处于一种状态，显然，该系统所处状态（退化、沙化、盐
渍化特征）随时间和空间不同而发生变化。假设草原退化在一定时间段内的转移遵从一定规律（转移概率），那么
在其他外界因素不确定条件下，如政策、市场变化等因素无法或难以确定，对该系统的分析只能依赖于现有数据。
此时，该系统满足马尔柯夫链（Ｍａｒｋｏｖ）基本条件，可以利用马尔柯夫过程进行动态变化趋势分析。但草原利用
受到国家政策、人类活动、自然灾害、气候变化等多重影响，复杂性和难预测性较明显，因而该方法在草原植被变
化检测定量描述方面仍然有一些缺陷，比如，内外因变化因子不能包含于模型中，限制了更好地理解土地利用和
覆盖变化的过程。但是这种限制可以通过以下方法加以克服：１）将转移概率矩阵视为时间和空间的函数。２）是
在不同期间的转移矩阵之间做一些规定，这就需要今后深入探讨并逐步完善分析过程。
监测和实验是获取数据的重要方法，而本研究中监测点数十分有限，缺乏长时段的连续数据，为此，需要加强
长期的野外定点监测，为模拟、预测及机制和过程研究提供可靠的数据支撑。草原退化问题越来越受到政府和社
会的重视，草原资源保护、生态环境建设和灾害防治等问题成为本学科应用研究的热点。草原退化、沙化的研究
成果已为相关部门进行规划和采取措施十分重要的参考。
参考文献：
［１］ ＴｕｒｎｅｒＩＩＢＬ．Ｔｈｏｕｇｈｔｓｏｎｌｉｎｋｉｎｇｔｈｅｐｈｙｓｉｃａｌａｎｄｈｕｍａｎｓｃｉｅｎｃｅｓｉｎｔｈｅｓｔｕｄｙｏｆｇｌｏｂａｌｅｎｖｉｒｏｎｍｅｎｔａｌｃｈａｎｇｅ［Ｊ］．Ｒｅｓｅａｒｃｈ
ａｎｄＥｘｐｌｏｒａｔｉｏｎ，１９９１，７（２）：１３３１３５．
［２］ ＴｕｒｎｅｒＩＩＢＬ．Ｌｏｃａｌｆａｃｅｓ，ｇｌｏｂａｌｆｌｏｗｓ：Ｔｈｅｒｏｌｅｏｆｌａｎｄｕｓｅａｎｄｌａｎｄｃｏｖｅｒｉｎｇｌｏｂａｌｅｎｖｉｒｏｎｍｅｎｔａｌｃｈａｎｇｅ［Ｊ］．ＬａｎｄＤｅｇｒａ
ｄａｔｉｏｎａｎｄＤｅｖｅｌｏｐｍｅｎｔ，１９９４，５（２）：７１７８．
［３］ 高渐飞，苏孝良，熊康宁，等．贵州岩溶地区的草地生态环境与草地畜牧业发展［Ｊ］．草业学报，２０１１，２０（４）：２７９２８６．
［４］ 李飞，赵军，赵传，等．中国西北干旱区潜在植被模拟与动态变化分析［Ｊ］．草业学报，２０１１，２０（４）：４２５０．
［５］ ＣｉｈｌａｒＪ．Ｌａｎｄｃｏｖｅｒｍａｐｐｉｎｇｏｆｌａｒｇｅａｒｅａｓｆｒｏｍｓａｔｅｌｉｔｅｓ：ｓｔａｔｕｓａｎｄｒｅｓｅａｒｃｈｐｒｉｏｒｉｔｉｅｓ［Ｊ］．ＲｅｍｏｔｅＳｅｎｓｉｎｇ，２０００，
２１（６，７）：１０９３１１１４．
［６］ 刘爱军，韩建国．利用遥感技术监测锡林郭勒天然草原利用强度方法初探［Ｊ］．中国草地学报，２００７，２９（２）：２０１２０６．
［７］ 刘晓东，刘荣堂，刘爱军，等．三江源区草地覆盖遥感信息提取方法及动态研究［Ｊ］．草地学报，２０１０，１８（２）：１５４１５９．
［８］ 刘睿，孙九林，张金区，等．中国北方草地覆被的 ＨＪ星ＮＤＶＩ校正研究［Ｊ］．草业学报，２０１１，２０（１）：１８９１９８．
［９］ ＷｅｎｇＱＨ．ＬａｎｄｕｓｅｃｈａｎｇｅａｎａｌｙｓｉｓｉｎｔｈｅＺｈｕｊｉａｎｇＤｅｌｔａｏｆＣｈｉｎａｕｓｉｎｇｓａｔｅｌｉｔｅｒｅｍｏｔｅｓｅｎｓｉｎｇ，ＧＩＳａｎｄｓｔｏｃｈａｓｔｉｃｍｏｄｅｌ
ｌｉｎｇ［Ｊ］．ＪｏｕｒｎａｌｏｆＥｎｖｉｒｏｎｍｅｎｔａｌＭａｎａｇｅｍｅｎｔ，２００２，６４（３）：２７３２８４．
［１０］ 郑江坤，余新晓，贾国栋，等．密云水库集水区基于ＬＵＣＣ的生态服务价值动态演变［Ｊ］．农业工程学报，２０１０，２６（９）：
３１５３２０．
［１１］ ＴｕｒｎｅｒＭＧ，ＷｅａｒＤＮ，ＦｌａｍｍＲＯ．ＬａｎｄｏｗｎｅｒｓｈｉｐａｎｄｌａｎｄｃｏｖｅｒｃｈａｎｇｅｉｎｔｈｅｓｏｕｔｈｅｒｎＡｐｐａｌａｃｈｉａｎｈｉｇｈｌａｎｄｓａｎｄｔｈｅ
Ｏｌｙｍｐｉｃｐｅｎｉｎｓｕｌａ［Ｊ］．ＥｃｏｌｏｇｉｃａｌＡｐｐｌｉｃａｔｉｏｎｓ，１９９６，６（４）：１１５０１１７２．
５３２第２１卷第５期 草业学报２０１２年
［１２］ ＶｅｒｂｕｒｇＰＨ，Ｃｈｅｎ，Ｙ．ＭｕｌｔｉｓｃａｌｅｃｈａｒａｃｔｅｒｉｚａｔｉｏｎｏｆｌａｎｄｕｓｅｐａｔｔｅｒｎｓｉｎＣｈｉｎａ［Ｊ］．Ｅｃｏｓｙｓｔｅｍｓ，２０００，（３）：３６９３８５．
［１３］ 乌日汗，温小荣，赵海霞，等．基于ＲＳ和ＧＩＳ的深圳特区绿地景观动态分析及预测［Ｊ］．北京林业大学学报，２０１０，（６）：
４２４７．
［１４］ 彭月，魏虹，朱韦．基于马尔科夫模型的土地景观动态模拟预测研究———以重庆永川市为例［Ｊ］．安徽农业科学，２００６，
３４（２３）：６１７２６１７３．
［１５］ 边延辉，张光辉，包洪福，等．马尔柯夫模型在洪河湿地景观变化研究中的应用［Ｊ］．东北农业大学学报，２００８，３９（３）：５３
５７．
［１６］ 陈贵廷，吕世海，吴新宏．呼伦贝尔森林草原区水土流失动态变化［Ｊ］．草地学报，２００９，１７（５）：６０８６１３．
［１７］ 韩宇平，阮本清，周杰．马尔柯夫链模型在区域干旱风险研究中的应用［Ｊ］．内蒙古师范大学学报，２００３，３２（１）：６５７０．
［１８］ 闫金凤，陈曦，方晖．三工河流域土地转移空间分析［Ｊ］．干旱区资源与环境，２００３，１７（５）：９８１０１．
［１９］ 李素英，李晓兵，王丹丹．基于马尔柯夫模型的内蒙古锡林浩特典型草原退化格局预测［Ｊ］．生态学杂志，２００７，２６（１）：７８
８２．
［２０］ 徐岚，赵羿．利用马尔柯夫过程预测东陵区土地利用格局的变化［Ｊ］．应用生态学报，１９９３，４（３）：２７２２７７．
［２１］ ＢｅｌＥＪ．Ｍａｒｋｏｖａｎａｌｙｓｉｓｏｆｌａｎｄｕｓｅｃｈａｎｇｅ：ａｎａｐｐｌｉｃａｔｉｏｎｏｆｓｔｏｃｈａｓｔｉｃｐｒｏｃｅｓｓｅｓｔｏｒｅｍｏｔｅｌｙｓｅｎｓｅｄｄａｔａ［Ｊ］．ＳｏｃｉｏＥｃｏｎ
ＰｌａｎｎｉｎｇＳｃｉｅｎｃｅ，１９７４，（８）：３１１３１６．
［２２］ ＢｅｌＥＪ，ＨｉｎｏｊｏｓａＲＣ．Ｍａｒｋｏｖａｎａｌｙｓｉｓｏｆｌａｎｄｕｓｅｃｈａｎｇｅ：ｃｏｎｔｉｎｕｏｕｓｔｉｍｅａｎｄｓｔａｔｉｏｎａｒｙｐｒｏｃｅｓｓｅｓ［Ｊ］．ＳｏｃｉｏＥｃｏｎＰｌａｎ
ｎｉｎｇＳｃｉｅｎｃｅ，１９７７，（１１）：１３１７．
［２３］ 吴波，苏志珠，杨晓晖，等．荒漠化监测与评价指标体系框架［Ｊ］．林业科学研究，２００５，１８（４）：４９０４９６．
［２４］ ＴｏｗｎｓｈｅｎｄＪＲＧ．Ｇｌｏｂａｌｌａｎｄｃｏｖｅｒｃｌａｓｓｉｆｉｃａｔｉｏｎｂｙｒｅｍｏｔｅｓｅｎｓｉｎｇ：ｐｒｅｓｅｎｔｃａｐａｂｉｌｉｔｉｅｓａｎｄｆｕｔｕｒｅｐｏｓｓｉｂｉｌｉｔｉｅｓ［Ｊ］．Ｒｅｍｏｔｅ
ＳｅｎｓｉｎｇｏｆＥｎｖｉｒｏｎｍｅｎｔ，１９９１，（３５）：２４３２５５．
［２５］ ＬｌｏｙｄＤ．Ａｐｈｅｎｏｌｏｇｉｃａｌｃｌａｓｓｉｆｉｃａｔｉｏｎｏｆｔｅｒｒｅｓｔｒｉａｌｖｅｇｅｔａｔｉｏｎｃｏｖｅｒｕｓｉｎｇｓｈｏｒｔｗａｖｅｖｅｇｅｔａｔｉｏｎｉｎｄｅｘｉｍａｇｅｒｙ［Ｊ］．Ｒｅｍｏｔｅ
Ｓｅｎｓｉｎｇ，１９９０，１１（１２）：２２６９２２７９．
犃狊狋狌犱狔狅狀狊狆犪狋犻犪犾狋犲犿狆狅狉犪犾犮犺犪狉犪犮狋犲狉犻狊狋犻犮狊狅犳犵狉犪狊狊犾犪狀犱犱犲犵狉犪犱犪狋犻狅狀狌狊犻狀犵狋犺犲犕犪狉犽狅狏犿狅犱犲犾
ＬＩＵＡｉｊｕｎ１，２，３，ＷＡＮＧＢａｏｌｉｎ２，３，ＣＨＥＮＸｉｍｅｉ３，ＹＡＮＧＳｈｅｎｇｌｉ３，ＺＨＥＮＧＳｈｕｈｕａ３
（１．ＢｅｉｊｉｎｇＦｏｒｅｓｔｒｙＵｎｉｖｅｒｓｉｔｙ，Ｂｅｉｊｉｎｇ１００７１４，Ｃｈｉｎａ；２．ＩｎｎｅｒＭｏｎｇｏｌｉａＮａｔｉｏｎａｌｉｔｉｅｓＵｎｉｖｅｒｓｉｔｙ，
Ｔｏｎｇｌｉａｏ０２８０４３，Ｃｈｉｎａ；３．ＩｎｎｅｒＭｏｎｇｏｌｉａＩｎｓｔｉｔｕｔｅｏｆＧｒａｓｓｌａｎｄＳｕｒｖｅｙａｎｄ
Ｐｌａｎｎｉｎｇ，Ｈｏｈｈｏｔ０１００５１，Ｃｈｉｎａ）
犃犫狊狋狉犪犮狋：Ｔｈｅｓｐａｔｉａｌａｎｄｔｅｍｐｏｒａｌｆｅａｔｕｒｅｓｏｆｇｒａｓｓｌａｎｄｃｏｖｅｒｃｏｎｖｅｒｓｉｏｎ（ＧＣＣ）ｓｅｒｖｅａｓａｕｓｅｆｕｌｉｎｐｕｔｆｏｒｕｎ
ｄｅｒｓｔａｎｄｉｎｇｔｈｅｄｅｓｅｒｔｉｆｉｃａｔｉｏｎｐｒｏｃｅｓｓａｎｄｄｅｇｒａｄａｔｉｏｎｏｆｇｒａｓｓｌａｎｄｃａｕｓｅｄｂｙａｎｔｈｒｏｐｏｇｅｎｉｃａｃｔｉｖｉｔｉｅｓａｎｄｅｘ
ｔｒｅｍｅｎａｔｕｒａｌｅｖｅｎｔｓｉｎｇｅｎｅｒａｌ．ＴｈｅｍａｔｉｃＭａｐｐｅｒｄａｔａ（ＴＭ３０ｍ）ｗｅｒｅｕｓｅｄｔｏｄｅｔｅｃｔａｎｄｍａｐｄｅｇｒａｄｅｄ
ｇｒａｓｓｌａｎｄｆｅａｔｕｒｅｓｂｏｔｈｓｐａｔｉａｌｙａｎｄｔｅｍｐｏｒａｌｙ．ＴｗｏｄａｔａｓｅｔｓｏｆＴＭ３０ｍｄａｔａｗｅｒｅｃｏｌｅｃｔｅｄｆｒｏｍｔｈｅｙｅａｒｓ
２０００ｔｏ２０１０．ＳｕｐｅｒｖｉｓｅｄｃｌａｓｓｉｆｉｃａｔｉｏｎｓｗｅｒｅｄｅｖｅｌｏｐｅｄｆｏｒｅａｃｈｏｆｔｈｅＧＣＣｃｈａｎｇｅｄｅｔｅｃｔｉｏｎｏｆｔｈｅｔｈｒｅｅｃａｓｅｓ
（ｄｅｇｒａｄａｔｉｏｎ，ｄｅｓｅｒｔｉｆｉｃａｔｉｏｎ，ａｎｄｓａｌｉｎｉｚａｔｉｏｎ）．Ｔｏａｄｄｒｅｓｓｔｈｉｓｓｉｔｕａｔｉｏｎ，ｔｈｅｆｉｅｌｄｄａｔａｗｅｒｅｕｓｅｄｔｏｔｅｓｔｔｈｅ
ＧＣＣｄｅｔｅｃｔｉｏｎｏｆｃｈａｎｇｅｒｅｓｕｌｔｓｐｒｅｓｅｎｔｅｄｉｎｔｈｉｓｐａｐｅｒ．ＴｈｅＧＣＣｃｈａｎｇｅｄｅｔｅｃｔｉｏｎｍｅｔｈｏｄｓｗｏｒｋｅｄｒｅａｓｏｎａｂｌｙ
ｗｅｌａｎｄｄｅｔｅｃｔｉｏｎａｃｃｕｒａｃｙｏｆｄｅｓｅｒｔｅｄａｎｄｓａｌｉｎｉｚｅｄｏｕｔｐｕｔｗａｓ＞９０％ａｌｔｈｏｕｇｈｄｅｇｒａｄｅｄｏｕｔｐｕｔｉｄｅｎｔｉｆｉｅｄｏｎ
ｌｙ７５％ｏｆｔｈｅｃｏｖｅｒｅｄｐｉｘｅｌｓｗｉｔｈｉｎｔｈｅｇｒｏｕｎｄｏｂｓｅｒｖｅｄｐｅｒｉｍｅｔｅｒｐｏｌｙｇｏｎｓ．Ｔｈｅａｐｐｌｉｃａｔｉｏｎｓｐｒｅｓｅｎｔｅｄｉｎｔｈｉｓ
ｐａｐｅｒａｌｓｏｅｖａｌｕａｔｅｄｔｈｅｔｒａｎｓｉｔｉｏｎｍａｔｒｉｘｂｅｔｗｅｅｎ２０００ａｎｄ２０１０ｏｆｅａｃｈｏｆｔｈｅｔｈｒｅｅｃｈａｎｇｅｄｅｔｅｃｔｉｏｎｓ，ａｎｄ
ｐｒｅｄｉｃｔｅｄｄｙｎａｍｉｃｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｇｒａｓｓｌａｎｄｕｓｉｎｇｔｈｅＭａｒｋｏｖｍｏｄｅｌ．Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｅｄｔｈａｔｆｏｒｔｈｅｎｅｘｔ
ｄｅｃａｄｅ，ａｎｄｅｖｅｎｆｏｒａｆｕｒｔｈｅｒｔｅｎｙｅａｒｓ，ｔｈｅｇｒａｓｓｌａｎｄｗｉｌｄｅｖｅｌｏｐｐｏｓｉｔｉｖｅｌｙｗｉｔｈａｒｅｄｕｃｅｄｔｒｅｎｄｏｆｄｅｇｒａｄａ
ｔｉｏｎａｎｄｄｅｓｅｒｔｉｆｉｃａｔｉｏｎ．Ｔｈｅｒｅｓｅａｒｃｈａｌｓｏｉｎｄｉｃａｔｅｄ，ｉｔｉｓｃｒｅｄｉｂｌｅｔｏｕｓｅｒｅｍｏｔｅｓｅｎｓｉｎｇｔｅｃｈｎｏｌｏｇｙｃｏｍｂｉｎｅｄ
ｗｉｔｈｔｈｅＭａｒｋｏｖｍｏｄｅｌｉｎａｎａｌｙｚｉｎｇｔｈｅｄｙｎａｍｉｃｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｇｒａｓｓｌａｎｄｃｏｖｅｒｃｈａｎｇｅｓ．
犓犲狔狑狅狉犱狊：Ｍａｒｋｏｖｍｏｄｅｌ；ｄｅｇｒａｄａｔｉｏｎ；ｄｙｎａｍｉｃ；ｔｅｍｐｏｒａｌｓｐａｔｉａｌｃｈａｒａｃｔｅｒｉｓｔｉｃ
６３２ ＡＣＴＡＰＲＡＴＡＣＵＬＴＵＲＡＥＳＩＮＩＣＡ（２０１２） Ｖｏｌ．２１，Ｎｏ．５