耕地保護對生態系統水源涵養功能的影響
——以武漢市為例

柯新利, 普鹍鵬, 楊柏寒, 鄭偉偉

(華中農業大學 公共管理學院, 武漢 430070)

近50年來，人類活動對生態系統的影響比歷史上任何一個時期更廣泛，全球性和區域性的生態危機日益嚴峻，生態系統的服務功能衰退劇烈，直接威脅著人類社會的可持續發展[1]。尤其是快速城市化擴張對生態系統服務功能造成了極大的影響，如耕地、草地、水域等生態用地被建設用地大量侵占，城市生態系統服務功能急劇下降[2]。然而，我國人口基數大，耕地資源少是長期不變的基本國情。在城市化進程中，滿足耕地數量需求，提高耕地質量，穩定糧食產量，從而保障國家糧食安全一直是眾多學者以及國家政策關注的問題[3-5]。為此，改革開放以來，我國制定了一系列嚴格的耕地保護政策，比如耕地占補平衡政策，劃定十八億畝耕地保護“紅線”等。但現有情況下，為保持耕地總量不變，城市周邊的優質耕地資源被不斷占用，補充質量較低的邊際土地[6]，城市湖泊、綠草地等城市生態用地逐漸萎縮[7]。在耕地保護與快速城市化耦合作用下，生態問題頻現[8-10]。

生態系統水源涵養功能是生態系統內多個水文過程及其水文效應的綜合表現，也常被認為是攔蓄降水或調節河川徑流量的重要功能[11]。已有眾多研究表現土地利用變化對生態系統水源涵養功能具有重要的影響[12-14]。而我國是處于快速城鎮化階段的人口大國，在城鎮化和耕地保護的雙重壓力下，土地利用變化對水源涵養功能的影響十分劇烈。因此，迫切需要厘清快速城鎮化階段，耕地保護政策對生態系統水源涵養功能的影響，為土地資源的合理保護和利用提供支撐。

目前生態系統服務功能的評估可分為價值量和物質量評估兩類[15-16]。由于大多數生態系統服務具有非競爭性和非排他性，各服務功能之間相互交織，因此很難對其單獨量化[17-18]。目前存在許多關于評估生態系統服務的方法與模型，謝高地等[19]基于Costanza等[20]提出的生態系統服務功能價值評估體系的基礎上，提出新的生態系統服務功能評估單價體系。美國科羅拉多州立大學與美國地質勘探局合作開發SoⅣES(Social Values for Ecosystem Services)模型用于評估生態系統服務功能社會價值[21]，該模型可用于量化和評估生物多樣性、休閑和美學等生態系統服務功能的社會價值。然而，這些評估體系以及方法均偏重于生態系統服務功能價值測算，存在空間表達能力較弱等局限性[22]。InVEST模型(The Integrate Valuation of Ecosystem Services and Tradeoffs tool)由斯坦福大學、世界自然基金會、大自然保護協會等相關機構聯合開發生態系統與服務權衡模型，該模型具有適宜不同區域尺度，較好融合生態過程以及空間化顯示效果好等特點,模型能夠基于不同土地利用情景下對生態系統價值及服務進行很好地評估和分析[23]。

武漢市為典型城鎮化城市，2015年城鎮化率達到79.3%[24]。耕地保護和快速城鎮化耦合作用對武漢市生態系統服務功能產生了巨大的壓力，水土流失、洪澇等生態災害頻發[25]。本文以武漢市為案例區，采用基于CA的土地利用變化模型——LANDSCAPE模型，開展武漢市土地利用變化情景模擬，利用InVEST模型水源涵養模塊測算嚴格、適度耕地保護情景下武漢市2020年的水源涵養功能，定量分析嚴格、適度耕地保護政策對生態系統水源涵養功能的影響。

1 研究方法

1.1 總體研究方案

本文基于LANDSCAPE模型設定土地利用變化模擬情景，以快速城鎮化地區武漢市為案例區，設定嚴格耕地保護情景與適度耕地保護情景，進而采用InVEST水源涵養模型分別測算兩種情景下武漢市2020年的水源涵養功能，從而分析嚴格、適度耕地保護政策對生態系統水源涵養功能的影響。總體有兩個步驟：土地利用變化情景模擬和生態系統水源涵養功能評估。首先，以武漢市2005年土地利用圖為基礎，用LANDSCAPE模型模擬武漢市2013年土地利用空間布局，與2013年現狀圖對比，進行模型校準，用校準后的模型分別模擬武漢市2020年嚴格耕地保護與適度耕地保護的土地利用情景。其次，采用InVEST水源涵養模型測算兩種情景下2020年武漢市的水源涵養功能，并分析耕地保護政策對武漢市水源涵養功能的影響，為科學認識耕地保護政策的實施對生態系統服務功能的影響提供新視角。

1.2 LANDSCAPE模型

元胞自動機(Celluar Automata，CA)具有強大的空間建模能力與運算能力，可以模擬復雜的地理時空變化[26-29]。LANDSCAPE模型是基于CA的土地系統模擬與優化模型，能夠解釋和模擬交互級聯過程和土地利用變化之間競爭[30]。LANDSCAPE模型主要通過分層分配策略和分類轉換概率實現多種土地利用變化的模擬。

(1) 分層分配策略。根據影響土地利用變化的主要驅動力，在模型中將土地利用類型劃分成主動地類與被動地類。主動型地類是指其變化直接受人類活動驅動的地類，如城市建設用地、耕地等；被動型地類的變化并不直接受人類活動驅動，而是由主動型地類的變化驅動，如濕地、草地等。LANDSCAPE模型根據主動型地類的活躍程度逐地類落實其空間位置。

如一般而言，在快速城市化地區，城鎮建設用地具有最強的競爭能力，其次是農村建設用地和耕地。因而在LANDSCAPE模型中首先根據城鎮建設用地的轉換概率進行城鎮建設用地的空間布局，接著進行農村建設用地的和耕地的空間布局。而諸如濕地、草地、林地的被動型地類則在主動型地類空間布局的過程中被動完成布局。

(2) 轉換概率。LANDSCAPE模型在每一地類空間布局的基本依據是該地類的轉換概率。該模型的轉換概率由土地利用適應性和阻抗兩個因素決定。

TTPlu=Plu-Ru

(1)

式中：TTPlu為位置l轉換成土地利用類型u的總潛力；Plu為位置l轉變為土地利用類型u的適應性，其取決于該位置的社會經濟特征和生物物理特性以及約束條件和鄰域效應；Ru為當前的土地利用類型u轉換成其他地類的阻抗。其中Plu的計算公式為;

(2)

式中：γ為(0,1)范圍內的隨機數；α為控制隨機數影響大小的參數，其取值范圍是1～10之間的整數；Pgu表示該位置的社會經濟特征和生物物理特性(如坡度、海拔及與道路之間的距離)，可以通過專家知識、統計分析及計量經濟分析等方法確定適應性與交通區位、地形特征等驅動力之間的關系，本文采用支持向量機(SVM)方法計算Pgu；Con(Clu)為每個元胞單元的約束值，其中0表示該元胞不可發生轉化，1表示該元胞可以發生轉化；Ωlu為鄰域轉化概率[31]。

1.3 InVEST模型

InVEST(The Integrate Valuation of Ecosystem Services and Tradeoffs tool)模型為生態系統服務功能權衡得失評估和綜合估價模型，其最大的優點是能夠基于GIS平臺將量化的生態系統服務功能以地圖的形式表現出來[32-33]。InVEST產水量模塊是評估水源涵養量的基礎模塊，主要依據水循環原理，綜合考慮植物蒸騰、地表蒸發、降水、土層深度和根系深度等參數計算得出每一個柵格上的產水量，并在此基礎上對產水量進行修正從而得出每一個柵格單元的水源涵養量。該模型已廣泛應用于美國的加利福尼亞州、明尼蘇達州、內華達山脈、夏威夷群島、坦桑尼亞弧形山脈區以及印度尼西亞[34]。具體計算公式為[35]：

(3)

式中：WaterRetention為每一個柵格單元的年水源涵養量；Velocity為流速系數[36]；Kast為土壤飽和導水率(cm/d)，利用NeuroTheta軟件計算所得；TI為地形指數，由DEM計算所得，無量綱。其中TI的計算公式為：

(4)

式中：Drainage_Area為集水區單元數量；Soil_Depth為土層深度(mm)；Percent_Slope為百分比坡度。

(5)

式中：Yjx為第j種土地利用類型柵格x的年產水量；AETxj為第j種土地利用類型柵格單元x的年均蒸散發量(mm)；Px為柵格單元x的年均降雨量。本文中，j=1為耕地，j=2為林地，j=3為草地，j=4為河流，j=5為水體，j=6為城市建設用地，j=7為農村居民點。

(6)

式中：Rxj為第j種土地利用類型柵格單元x的Budyko干燥指數，無量綱；ωx為修正植被年可利用水量與降雨量的比值，無量綱。

(7)

式中：k為蒸散系數，由植被葉面積指數LAI計算獲得；ET0為潛在蒸散量，是指在一定氣象條件下水分供應不受限制時，大片均勻的自然表面通過蒸騰和蒸發作用所散失的水分，計算方式為基于修正的Hargreaves公式：

ET0=0.0013×0.408×RA×(Tavg+17)×

(8)

式中：RA為太陽大氣頂層輻射[MJ/(m2·d)]；TD為日最高均值和日最低溫均值的差值(℃)；Tavg為日最低溫均值與日最高溫均值的平均值(℃)。

(9)

式中：Z為zhang系數，是捕獲局部降水模式和水文地質特征的典型的經驗常數，其值在1～10之間，降水主要集中于夏季或分布較均勻的時間時，其值接近于1，降水主要集中于冬季時，其值接近于10，本研究據模型測試經驗選取默認值；AWCx為單元x的植被有效含水量，可由公式(10)獲取。

AWCx=min(Rest.Layer.Depth,Root.Depth)·PWACx

(10)

式中：Rest.Layer.Depth為植被生根深度；Root.Depth為根限制層深度；PWACx為植物可利用水量，可利用土壤質地計算，公式如下：

(11)

式中：sand為土壤砂粒含量(%)；silt為土壤粉粒含量(%)；clay為土壤黏粒含量(%)；OM為土壤有機質含量(%)。

1.4 情景設定

本文的主要目的是對比嚴格、適度耕地保護政策對生態系統水源涵養功能的影響。因此，本文設定了兩種土地利用情景：嚴格耕地保護情景與適度耕地保護情景(表1)。

(1) 嚴格耕地保護情景：在滿足武漢市城市建設用地需求的前提下，2020年耕地面積嚴格執行耕地占補平衡政策，與2013年耕地面積保持一致，為470，616 hm2。

(2) 適度耕地保護情景：在城市擴張的過程中保證武漢市2020年耕地保有量不低于一定的水平。

表1 土地利用情景的參數設定

2 研究區域與數據來源

2.1 研究區域

武漢地處江漢平原東部、長江中游，中部六省唯一的副省級城市，也是國家中心城市。下轄13個行政區，其中七個主城區及六個遠城區，另外設有三個國家級開發區，分別為武漢經濟技術開發區、東湖新技術開發區和武漢臨空港經濟技術開發區。全市總面積8 494.41 km2，2015年常住人口1 060.77萬，城鎮化率79.3%[37]。全市地形以平原為主，兼有少量崗地與低山丘陵，耕地資源豐富，耕地利用方式多樣。武漢市作為典型城鎮化城市，在快速城鎮化和耕地保護的雙重壓力下，土地利用變化劇烈，生態系統服務功能受到較大的影響。

2.2 數據來源

(1) 地形數據。主要包括DEM和坡度，數據分辨率為90 m×90 m，采用ArcGIS 10.2空間分析工具slope生成坡度數據集，并將其重采樣到100 m分辨率；

(2) 武漢市交通數據集。包括武漢市各類交通用地數據，采用ArcGIS中“Euclidean Distance”工具對原始交通數據進行柵格運算，分別得到距國道、省道、鐵路、高速公路、主干道和次干道的柵格距離，用以計算位置可達性。

(3) 土地利用數據集。包括武漢市2005年和2013年的土地利用數據，2005年土地利用數據來源于中國科學院資源環境中心，2013年土地利用數據采用Landsat OLI遙感影像數據解譯，兩期數據均分為耕地、林地、草地、城市建設用地、農村居民點、河流和水體七大類，并重采樣至100 m空間分辨率。

(4) 多年降雨量數據。來自中國氣象科學數據共享服務網，此數據為文本類型，由湖北省及其周邊省市39個氣象站點年降水數據經過計算后，采用Kriging插值法并結合ArcGIS 10.2空間分析工具得出武漢市年均降雨量。

(6) 潛在蒸散量。根據日最高溫、日最低溫以及太陽大氣頂層輻射，采用修正的Hargreaves公式求取[38]。

(7) 植物可利用水含量。采用周文佐測算植物可利用水含量的公式，以武漢市土壤質地數據(來源于全國第二次土壤普查)為基礎數據，計算所得[39]。

(8) 土層深度。此數據為柵格類型，來源于國際土壤參考資料和信息中心，基于ArcGIS 10.2空間分析平臺，將其重采樣到100 m分辨率。

3 結果與分析

3.1 耕地保護對武漢市土地利用變化影響的情景模擬

以武漢市2013年土地利用數據為基點，采用LANDSCAPE模型設定土地利用模擬情景，得到2020年嚴格、適度耕地保護情景土地利用空間格局。嚴格耕地保護情景下，武漢市城市擴張嚴格執行耕地總量動態不變，與2013年耕地面積保持一致，為470,616 hm2。適度耕地保護情景下，城市擴張適度控制耕地保有量，即保證2020年武漢市耕地面積不低于一定的數量。通過對比兩種情景下的土地利用空間格局發現(附圖12)：適度耕地保護情景下武漢市西北地區大部分以及西南地區的零星林地多于嚴格耕地保護情景，尤其是位于西北部的林區，這主要是由于武漢市嚴格落實耕地保護政策，保證耕地總量不變占用生態用地造成的。此外，在草地方面，適度耕地保護情景下，位于武漢市東北地區零星多于嚴格耕地保護情景下。另一方面，嚴格、適度耕地耕地保護兩種情景下，生態用地的數量分別為244，676 hm2和268，808 hm2，兩者之間相差9.9%(表2)。

表2 嚴格、適度耕地保護情景各土地利用類型數量對比

3.2 耕地保護對武漢市生態系統水源涵養功能的影響評估

根據InVEST模型的運行原理，結合前人的研究[40]對原始數據進行空間化處理，制備模型所需參數變量：以ArGIS 10.2為空間處理平臺，本文采用Kriging插值法得到武漢市多年平均降雨量(Px)；依據土壤質地數據并結合相關參考文獻獲取植物可利用水量(PWACx)[39]；潛在蒸散發量是由修正的Hargreaves公式計算獲得[38]；土層深度數據來自于國際土壤參考資料和信息中心，此數據為柵格類型；zhang系數是表征降水特征的常數，適用于降水次數多且具有明顯季節變化的區域，對于總量相等的區域，降水次數越多，zhang系數值越大，本文采用默認值5，測算得到不同情景下武漢市生態系統水源涵養功能的空間分布見附圖13。對比兩種情景下水源涵養量的空間布局發現，水源涵養量高值區主要集中在武漢市西北部的國有林區，但在適度耕地保護情景下，該區域的水源涵養量分布零星多于嚴格耕地保護情景。

在水源涵養總量方面，適度耕地保護情景下的水源涵養總量為4.58×108m3，嚴格耕地保護情景下水源涵養總量為4.33×108m3，兩者之間的差異為5.5%，差異性顯著。其中，嚴格耕地保護情景下，林地、草地、水體、河流等生態用地的水源涵養量為1.06×108m3，而適度耕地擴情景下，生態用地的水源涵養量為1.27×108m3。兩種情景下，林地的水源涵養量最多，水體、草地次之(表3)。

表3 嚴格、適度耕地保護情景各地類水源涵養量對比

為了更加直觀地分析嚴格、適度耕地保護情景下武漢市2020年的水源涵養情況，運用ArGIS 10.2平臺空間分析工具中自然斷點法對兩種情景下水源涵養功能進行重分類，結果見附圖14。可見，在兩種不同情景下水源涵養量主要集中于中等水源涵養區；在高水源涵養區方面，嚴格、適度耕地保護情景所占面積分別為9.5×104hm2，1.05×105hm2(表4)，適度耕地保護情景多于嚴格耕地保護情景。

表4 嚴格、適度耕地保護情景水源涵養量分級面積對比

4 結論與討論

本文綜合采用LANDSCAPE模型和InVEST模型對武漢市2020年嚴格、適度耕地保護情景對生態系統水源涵養功能的影響進行了定量評估，分析兩種情景下水源涵養功能的差異。結果表明：相較于適度耕地保護情景，在嚴格耕地保護情景下，林地、草地、水體等生態用地面積被侵占較多，水源涵養總量、生態用地水源涵養量相對下降。具體而言：

(1) 兩種情景下的武漢市水源涵養功能無論是在空間還是在數量方面都有顯著的差異。在空間方面，嚴格耕地保護情景下，位于武漢市東北地區的低水源涵養區分布范圍明顯多于適度耕地保護情景；在數量方面，武漢市2020年適度耕地保護情景下水源涵養總量為4.58×108m3，嚴格耕地保護情景下的水源涵養總量為4.33×108m3，兩者之間差異為5.5%，差異性顯著。(2) 嚴格、適度耕地耕地保護情景下，生態用地的數量分別為244，676和268，808 hm2，兩者相差9.9%，生態用地水源涵養量分別為1.06×108m3，1.27×108m3。

然而，由于耕地保護政策涉及社會、經濟、人為決策以及政策落實等諸多因素，本文從保護耕地總量不變的視角，分析嚴格、適度耕地保護政策情景下對生態系統水源涵養功能的影響，難免會有一定的局限性。在進一步的研究中，需要結合社會經濟發展需求和耕地保護的實際開展耕地保護政策評估，以期獲得更為客觀、現實的認識。

參考文獻：

[1] 戴曉蘇. IPCC第二工作組第四次評估報告的基本結論[J].氣象軟科學,2008(1):155-163.

[2] Kreuter U P, Harris H G, Matlock M D, et al. Change in ecosystem service values in the San Antonio area, Texas[J]. Ecological economics, 2001,39(3):333-346.

[3] Chen J. Rapid urbanization in China:a real challenge to soil protection and food security[J]. Catena, 2007,69(1):1-15.

[4] Xu Z, Xu J, Deng X, et al. Grain for green versus grain:conflict between food security and conservation set-aside in China[J]. World Development, 2006,34(1):130-148.

[5] 柯新利,鄧祥征,劉成武.基于分區異步元胞自動機模型的耕地利用布局優化:以武漢城市圈為例[J].地理科學進展,2011,29(11):1442-1450.

[6] 李秀彬.中國近20年來耕地面積的變化及其政策啟示[J].自然資源學報,1999,14(4):329-333.

[7] Yang B, Ke X. Analysis on urban lake change during rapid urbanization using a synergistic approach: A case study of Wuhan, China[J]. Physics and Chemistry of the Earth, Parts A/B/C,2015,89:127-135.

[8] 彭少麟,周凱,葉有華,等.城市熱島效應研究進展[J].生態環境學報,2005,14(4):574-579.

[9] 湯江龍,劉友兆,李娟.城市化進程中城鄉結合部土地利用規劃問題的探討[J].東華理工大學學報：社會科學版,2004,23(4):25-29.

[10] 葉斌,盛代林,門小瑜.城市內澇的成因及其對策[J].水利經濟,2010,28(4):62-65.

[11] 白楊,初東,田良,等.武漢城市圈的水源涵養功能重要性評價研究[J].地球信息科學學報,2014,16(2):233-241.

[12] Tianhong L, Wenkai L, Zhenghan Q. Variations in ecosystem service value in response to land use changes in Shenzhen[J]. Ecological economics, 2010,69(7):1427-1435.

[13] Kosmas C, Gerontidis S, Marathianou M. The effect of land use change on soils and vegetation over various lithological formations on Lesvos(Greece)[J]. Catena, 2000,40(1):51-68.

[14] 潘竟虎.近15年來長江源區土地利用變化及其生態環境效應[J].長江流域資源與環境,2005,14(3):310-315.

[15] 歐陽志云,王如松,趙景柱,等.生態系統服務功能及其生態經濟價值評價[J].應用生態學報,1999,10(5):635-640.

[16] Boumans R, Costanza R, Farley J, et al. Modeling the dynamics of the integrated earth system and the value of global ecosystem services using the GUMBO model[J]. Ecological Economics, 2002,41(3):529-560.

[17] Nelson E, Mendoza G, Regetz J, et al. Modeling multiple ecosystem services, biodiversity conservation, commodity production, and tradeoffs at landscape scales[J]. Frontiers in Ecology & the Environment, 2009,7(1):4-11.

[18] 白楊,鄭華,莊長偉,等.白洋淀流域生態系統服務評估及其調控[J].生態學報,2013,3(3):711-717.

[19] 謝高地,甄霖,魯春霞,等.一個基于專家知識的生態系統服務價值化方法[J].自然資源學報,2008,23(5):911-919.

[20] Costanza R. D′′Arge R, de Groot R, et al The value of the woxld′s ecosystem services and natural capital[J]. Notore,1997,387(6630):253-260.

[21] 黃從紅,楊軍,張文娟.生態系統服務功能評估模型研究進展[J].生態學雜志,2013,32(12):3360-3367.

[22] Brown G, Brabyn L. The extrapolation of social landscape values to a national level in New Zealand using landscape character classification[J]. Applied Geography, 2012,35(1/2):84-94.

[23] 孫傳淳，甄霖，王超，等.基于InVEST模型的鄱陽湖濕地生物多樣性情景分析[J].長江流域資源與環境,2015,24(7):1119-1125.

[24] 趙渺希,李欣建,王慧芹.中國城鎮化進程與建設用地消耗的趨勢初探[J].中國人口·資源與環境,2016(S1):405-409.

[25] 馬才學,孟芬,趙利利.1990—2005年武漢市土地利用時空變化及其政策驅動因素分析[J].水土保持研究,2015，22(2):117-122.

[26] 周成虎.地理元胞自動機研究[M].北京：科學出版社,1999.

[27] 黎夏,葉嘉安.知識發現及地理元胞自動機[J].中國科學:地球科學,2004,34(9):865-872.

[28] 柯新利,鄧祥征,何書金.地理元胞自動機模型的尺度敏感性及原因[J].地理研究,2010,29(5):863-872.

[29] 柯新利,邊馥苓.基于C5.0決策樹算法的元胞自動機土地利用變化模擬模型[J].長江流域資源與環境,2010,19(4):403-409.

[30] 柯新利,鄭偉偉,楊柏寒.權衡城市擴張、耕地保護與生態保育的土地利用布局優化:以武漢市為例[J].地理與地理信息科學,2016,32(5):9-13.

[31] Ke X, Qi L, Zeng C. A partitioned and asynchronous cellular automata model for urban growth simulation[J]. International Journal of Geographical Information Science, 2016,30(4):1-23.

[32] 楊園園,戴爾阜,付華.基于InVEST模型的生態系統服務功能價值評估研究框架[J].首都師范大學學報：自然科學版,2012,33(3):41-47.

[33] 周彬,余新曉,陳麗華,等.基于InVEST模型的北京山區土壤侵蝕模擬[J].水土保持研究,2010,17(6):9-13.

[34] 唐堯,祝煒平,張慧,等. InVEST模型原理及其應用研究進展[J].生態科學,2015,34(3):204-208.

[35] 包玉斌,李婷,柳輝,等.基于InVEST模型的陜北黃土高原水源涵養功能時空變化[J].地理研究,2016,35(4):664-676.

[36] 傅斌,徐佩,王玉寬,等.都江堰市水源涵養功能空間格局[J].生態學報,2013,33(3):789-797.

[37] 戴德藝,饒映雪,劉殿鋒,等.1989—2015年武漢市城市格局時空演變分析[J].長江流域資源與環境,2016,25(10):1545-1554.

[38] Droogers P, Allen R G. Estimating reference evapotranspiration under inaccurate data conditions[J]. Irrigation and Drainage Systems, 2002,16(1):33-45.

[39] 周文佐.基于GIS的我國主要土壤類型土壤有效含水量研究[D].南京：南京農業大學,2003.

[40] 張微微,李晶.關中—天水經濟區農田生態系統涵養水源價值量時空變化[C]∥全國地理學研究生學術年會.2012:52-57.