快速城鎮化地區鎮域生態用地變化模擬及其生態系統服務價值響應①

夏 敏，張子紅，趙炳梓，文 博，劉敬杰

?

快速城鎮化地區鎮域生態用地變化模擬及其生態系統服務價值響應①

夏 敏1，張子紅1，趙炳梓2，文 博1，劉敬杰1

(1南京農業大學公共管理學院，南京 210095；2封丘農業生態國家實驗站，土壤與農業可持續發展國家重點實驗室(中國科學院南京土壤研究所)，南京 210008)

工業化和城鎮化快速發展區域生態用地變化劇烈，研究小尺度區域生態用地及生態系統服務價值變化并預測其未來發展趨勢，可以為其生態用地保護及土地利用規劃提供參考。以宜興市官林鎮為研究區，基于高分辨率遙感影像研究其2009—2015年生態用地變化，采用Logistic回歸模型分析變化的影響因素，利用CA-Markov模型模擬研究區2021年和2024年生態用地變化，在此基礎上測算其生態系統服務價值響應。結果表明：2009—2015年，官林鎮生態用地面積呈持續減少趨勢。生態用地變化的主要影響因素包括高程、GDP、人口密度和到河流的距離，隨著時間的推移，自然因素對生態用地空間分布的影響逐漸減弱，社會經濟因素和區位因素成為最主要的影響因素。2015—2024年生態用地呈迅速減少趨勢，其中水田的面積減少最多，9年間凈減少358.25 hm2；而養殖水面呈高速增加趨勢，年均增長24.23 hm2，總體增加了16.97%；生態用地主要轉移去向為養殖水面、旱地、工業用地和交通用地。2009—2024年生態系統服務價值持續減少，與水體和耕地變化密切相關。研究結果可為官林鎮土地利用規劃決策提供依據，同時對保護鎮域生態用地和強化生態系統服務具有現實的指導意義。

鎮域；生態用地；變化模擬；生態系統服務價值

生態用地是城鎮生態系統的重要組成部分，具有十分重要的生態服務功能[1]。隨著城鎮化進程的快速發展，城鎮建設用地快速擴張，大量的生態用地受到侵占，造成了資源短缺、環境污染、生態惡化等諸多問題[2]。同時，生態用地的變化改變了生態系統的結構，進而影響其生態系統服務功能[3]。2017年中央一號文件提出促進城鄉發展由過度依賴資源消耗，向追求綠色生態可持續的發展方向轉變，針對生態用地演變的科學定量分析及其與生態系統服務價值之間響應關系的研究，不僅能夠豐富城鎮生態安全空間策略的研究，促進城鎮生態安全格局的形成[4]，也有利于其向綠色生態可持續的方向發展。

近年來，眾多學者對生態用地時空變化及其驅動機制等方面進行了定性或定量的研究[5-6]，對生態系統服務價值的研究則主要涉及內涵、功能、評估方法等方面[7-8]，進行生態用地時空變化模擬及其生態服務價值響應的研究尚不多見。且相關研究主要集中在區域或城市尺度[5, 9-11]，鄉鎮尺度的研究較少，作為城市與農村的重要節點，鄉鎮是農村城鎮化的載體，對區域經濟社會發展具有重要作用，因此，有必要深入分析鄉鎮尺度典型區域生態用地變化及其與生態系統服務價值之間的關系。

蘇南地區是快速城鎮化的典型地區，隨著城鎮化的不斷提速，生態用地受到破壞，生態服務質量開始下降。本文以快速城鎮化地區的宜興市官林鎮為例，采用高分辨率的快鳥衛星遙感影像數據，基于面向對象的解譯方法獲得土地利用數據，應用Logistic回歸模型分析生態用地變化的影響因素，獲取CA的轉換規則，運用CA-Markov耦合模型模擬鎮域生態用地未來變化，進而測算生態用地變化引起的生態系統服務價值響應，分析兩者之間的關系，以期為研究區生態用地保護、生態系統服務強化以及生態優先的村鎮土地利用規劃編制提供決策支持。

1 材料與方法

1.1 研究區概況

官林鎮是宜興市西北部的區域性中心，地處中國經濟發展最具活力的長三角中心地帶，全鎮總面積124 km2，2015年完成GDP 206.10億元，主要經濟指標連續十幾年名列宜興市第一。全鎮常住人口8.96萬人，轄18個行政村和2個社區居委。鎮域內水資源豐富，且瀕臨滆湖，水產養殖是其一大特色。近十年來，官林鎮城市化率從36.5% 提高到41%，城市化進程不斷加速。作為全國重點鎮、無錫市規劃衛星小城市和宜興市新興生態型工貿重鎮，維持良好的生態環境、保護生態用地成為官林鎮城鎮建設的重要命題。

1.2 生態用地概念界定

目前為止，學術界并沒有提出嚴格意義上統一、標準的生態用地概念[12]。本文參照龍花樓等[12]、Chen等[13]、陳爽等[11]學者對生態用地概念的界定，從廣義性和生態效益的角度考慮，將生態用地定義為：除建設性用地以外，能夠發揮環境調節和生物保育等生態服務功能，且具有一定的自我調節、修復、維持和發展能力，對保護和穩定區域生態系統具有重要作用的土地。因此將旱地、水田、園地、林地、草地、養殖水面、水域(包括河流水面、坑塘水面、湖泊水面和內陸灘涂)和未利用地等8種類型劃分為生態用地。

1.3 數據來源與處理

本文選用官林鎮2009年9月4日、2012年10月19日和2015年9月9日3期快鳥衛星遙感影像，空間分辨率為2.44 m。采用二次多項式法進行幾何精校正，實現3個圖像數據間的配準，糾正誤差控制在0.5個像元，基于面向對象的解譯方法劃分土地利用類型；從土地利用類型圖中提取農村居民點、交通用地(包括公路用地和農村道路)、河流、建制鎮和工業用地并單獨成層，利用ArcGIS的Euclidean Distance工具計算到農村居民點、道路、河流、村鎮中心和工業用地距離等區位因子；高程、坡度數據通過數字高程DEM提取；研究區人口和GDP數據來源于官林鎮統計年鑒。最后將所有數據柵格化，并按照統一的研究區范圍、坐標系統和柵格分辨率進行處理。為消除各數據間的量綱影響，采用極差標準化公式進行歸一化處理，將其轉換為[0, 1]之間的數據。

1.4 研究方法

1.4.1 生態用地變化影響因素分析 Logistic回歸模型主要進行因變量為二值分類變量(0或1)或多值分類變量的回歸分析，是在一個因變量和多個自變量之間形成多元回歸關系，從而預測某一事件的發生概率[14]。本文綜合考慮自然、社會經濟和區位等影響因素，運用Logistic回歸模型對每一個柵格出現某一地類的概率進行診斷，篩選出對土地利用變化影響較為顯著的因素及其定量關系[15]，據此獲取CA的轉換規則。其公式為

式中：P是每個柵格可能出現某一土地利用類型的概率；是各影響因素；0是常數項；是Logistic回歸的回歸系數，用于確定各影響因素之間定量關系和作用的大小，通常用發生比率(odds ratio，OR)來解釋，回歸系數>0表示在其他變量保持不變的條件下，發生比率隨對應自變量的增加而增加，相反，當回歸系數<0時，說明發生比率隨對應自變量的增加而減少[16]。發生比率用回歸系數的以e為底的自然冪指數exp() 來表示，是衡量解釋變量對因變量影響程度的重要指標。

回歸結果通常可采用ROC(relative operating characteristic，相對工作特征)曲線進行驗證，當ROC值大于0.7時，自變量對因變量具有較好的解釋能力，模擬結果可以采用，反之則模擬效果不好[17]。本文利用IDRISI軟件中的Logistic模塊計算回歸系數、發生比率OR和ROC值。

參考已有研究，本文選取了自然、社會經濟和區位3個方面9個影響因素(表1)，考慮到官林鎮是工業大鎮，增加了到工業用地距離這一因素；到道路距離在已有研究中通常指到公路距離，本文針對研究區為鎮域的特點，增加了到農村道路距離。將這些影響因素的柵格化圖層導入到IDRISI軟件中，利用Logistic模塊對官林鎮2009—2012年和2012—2015年生態用地變化的影響因素進行回歸分析，篩選出影響顯著的因子，為元胞自動機提供轉換規則。

表1 生態用地變化影響因素

1.4.2 生態用地變化模擬 Markov模型是基于馬爾可夫鏈，根據事件目前的狀況預測其將來某一時刻變動狀況的預測方法[18]。但Markov模型難以預測空間格局的變化，而CA模型是時間、空間、狀態都離散的動力學模型，具有模擬復雜系統時空演變的能力[19]。所以將二者有機結合，既提高了生態用地類型轉化的預測精度，又可以有效模擬生態用地空間格局的變化[14, 20]。本文在IDRISI中利用CA-Markov模型進行生態用地變化模擬的具體步驟如下：

1) 數據轉換。以2009、2012和2015年3期數據為基礎，在ArcGIS中進行柵格化處理后轉換成ASCII格式，然后導入到IDRISI中轉換成RST格式文件。為了保證模擬的準確性，所有數據均設置為3 m × 3 m的柵格。

2) Markov預測。利用Markov模塊將土地利用類型圖疊加，比例誤差設置為0.15，得到2009—2012年和2012—2015年的土地利用轉移概率矩陣和轉移面積矩陣。

3) 空間分布概率適宜性圖集。利用Logistic模塊，以各類生態用地作為因變量，對其影響較大的因素作為自變量，進行回歸分析，得到2012年各類生態用地的適宜性圖。然后用collection editor工具將各適宜性圖組合成空間分布概率適宜性圖集。由于短時間內高程和坡度因子變化很小，因此因子圖層可以沿用，而GDP、人口及區位因子變化較大，需要根據2015年的數據進行更新，生成新的生態用地適宜性圖集。

4) 確定循環次數并進行模擬。1個元胞周圍5×5個元胞組成的空間對該元胞狀態的改變影響最為顯著，因此本文用5×5濾波器來定義鄰居。首先，以2012年為基期年，代入2009—2012年的土地利用轉移矩陣和2012年土地利用適宜性圖集，循環次數設為3，預測2015年的生態用地空間分布圖。然后，以2015年數據為基礎，代入2012—2015年的土地利用轉移矩陣和2015年土地利用適宜性圖集，考慮到CA-Markov模型的特點和為土地利用規劃提供參考的需要，將循環次數分別設置為6和9，預測官林鎮2021年和2024年生態用地變化情況。

1.4.3 生態用地系統服務價值評估 自1997年Daily[21]及Costanza等[22]對全球生態系統服務功能進行評估以來，生態系統服務價值評估成為國內外學者研究的熱點。謝高地等[23-24]、歐陽志云等[8]結合中國實際情況，在Costanza等提出的評價模型基礎上進行修正，得到了中國陸地生態系統服務價值系數，此后眾多學者[10, 25-27]對流域、城市、濕地、土壤等不同生態系統服務價值進行了評估。本文參考Costanza等[22]和謝高地等[23]的研究成果，結合官林鎮的實際情況，采取謝高地等人2007年修訂的中國陸地生態系統生態服務價值當量因子表[24]，計算出研究區生態服務價值系數(表2)。生態服務價值系數=生態系統服務價值當量×全國平均糧食單產市場價值/7。

生態系統服務價值的計算公式為

式中：ESV為研究區生態系統總服務價值(元)，A為研究區第種土地利用類型面積(hm2)，VC為研究區第種土地利用類型的生態服務價值系數(元/hm2)。在計算過程中，耕地(水田、旱地)、林地、草地、水體(水域和養殖水面)和未利用地分別對應農田、森林、草地、湖泊和荒漠生態服務價值系數，園地取農田和森林生態系統服務價值的平均，而非生態用地不計算其生態系統服務價值。

表2 各生態用地類型生態服務價值系數

2 結果與分析

2.1 生態用地變化分析

基于面向對象的解譯方法劃分了建制鎮、農村居民點、工業用地、林地、草地、園地、水田、旱地、養殖水面、河流水面、坑塘水面、湖泊水面、內陸灘涂、公路用地、農村道路和未利用地等16種土地利用類型，采用同期土地利用現狀調查資料和典型區域野外抽樣調查的方法，對解譯的3期影像數據進行精度檢驗，分類結果精度均在90% 以上，符合研究精度要求。據此分析研究區生態用地數量和結構變化情況(圖1)。

官林鎮生態用地數量變化情況見圖1。總體上來看，2009—2015年，官林鎮生態用地面積呈持續減少趨勢，2009—2012年生態用地面積從91.93 km2減少到89.93 km2，共減少2.00 km2；2012—2015年生態用地面積從89.93 km2減少到89.71 km2，共減少0.22 km2。從各生態用地類型來看，水域和未利用地持續減少，后3年變化率均小于前3年變化率，減少趨緩；園地和草地面積先減少后增加，總體呈減少趨勢；水田面積先減少后增加，但增加面積小于減少的面積；2009—2015年，水域在各類生態用地中面積減少最多，共減少了4.33 km2；旱地和養殖水面則持續增加，但后3年變化率皆低于前3年變化率，增加趨勢有所減緩，養殖水面在各類生態用地中面積增加最多，共增加了36.43%；林地面積也呈逐年增加趨勢，增長較緩。

圖1 2009—2015年官林鎮各類生態用地面積變化

利用IDRISI的Markov模塊，得到官林鎮2009—2012年和2012—2015年的生態用地轉移面積矩陣(表3)，并對生態用地變化的方向進行定量分析。2009—2012年，面積轉出最多的是水域，凈轉出578.44 hm2，主要轉移去向是養殖水面；其次是水田，主要轉出為工業用地和旱地；此外，園地、草地和未利用地的面積均有減少，主要轉變為工業用地、水田和居住用地；面積轉入最多的是水田，共轉入439.47 hm2，主要來源于水域；林地的面積變化較少。2012—2015年，面積轉出最多的是水田，共轉出1 270.04 hm2，主要轉移去向是水域和旱地；其次是水域，主要轉出為水田和養殖水面；面積轉入最多的也是水田，主要由水域轉入；園地、林地和草地的面積稍有增加，而未利用地進一步減少。前后兩個時段面積增加最多的生態用地類型均為養殖水面和旱地主要來源于水田和水域。

表3 2009—2012年和2012—2015年官林鎮生態用地轉移面積矩陣(hm2)

2.2 變化影響因素分析

Logistic回歸分析結果見表4，ROC值均在0.80以上，表明分析結果良好，所選影響因素能較為準確地解釋各類生態用地的空間分布。

表4 2009—2012年和2012—2015年生態用地空間變化的Logistic回歸結果

注：A：DEM；B：坡度；C：人均GDP；D：人口密度；E：到農村居民點的距離；F：到工業用地的距離；G：到河流的距離；H：到村鎮中心的距離；I：到道路的距離。

前后兩個時段水田和旱地的變化主要受高程、GDP、到農村居民點和到河流距離的影響，由發生比率可知，到河流距離的影響最大。水田和旱地多分布在海拔較低，GDP較低，距河流較遠和距農村居民點較近的區域。其中海拔較低的地區有利于耕作，而GDP較高的地區，建設用地的需求大，占用水田和旱地的情況嚴重。此外，農民一般選擇距離居住地較近的地方進行耕作，而距河流較近的水田多轉變為魚塘。

前3年水域的變化主要受GDP、高程和人口密度的影響，后3年主要受GDP、到河流和到村鎮中心的距離影響，由發生比率可知，兩個時段到河流距離對水域的分布影響最大。隨著經濟的發展，人口增多，城鎮面積不斷擴大，工業生產、居民生活以及公路、引水渠和發電站等基礎設施的擴建使水資源利用規?；?，不僅耗水量加大，還大量擠占了河流、坑塘等水域用地。因此，水域多分布在GDP較低、人口密度較小、距河流較近和村鎮中心較遠的地方。

前3年林地變化主要的影響因素為GDP、人口密度和高程，后3年為高程、到農村居民點和到河流的距離，根據發生比率可知，兩個時段對林地分布影響最大的因素分別為高程和到河流的距離。GDP和人口密度的回歸系數為負值，說明林地多分布在GDP較低、人口較少的區域，而高程、到農村居民點和到河流距離對林地的分布有著積極的作用。海拔越低，林地的砍伐成本越小，越易被破壞。GDP較低、距離農村居民點較遠的地方，人口較少，林地受保護的力度小，更易被建設用地侵占。

根據表4中的回歸系數和發生比率可知，前3年養殖水面變化主要與GDP、高程和人口密度有關，后3年主要和人口密度、高程、到河流和農村居民點距離有關，其中GDP和人口密度的影響最大。養殖水面受到GDP、人口密度、到河流和農村居民點的距離的正影響，而高程與其分布呈負相關。海拔較低、距河流較近的水域易發展為養殖水面。此外，由于養殖業需要大量的勞動力，一般距農村居民點較近。

前后兩個階段影響園地、草地和未利用地變化的主要影響因素為高程、坡度、到工業用地和到道路的距離，其中對園地影響最大的因素是高程和到河流的距離，對草地和未利用地影響最大的是高程和坡度。高程、坡度的回歸系數為正，說明這3種地類多分布在海拔較高、坡度較陡的區域。到工業用地和道路距離的回歸系數為負值，說明距離道路和工業用地較近的地方，3種地類分布較少。距道路越近，越容易到達，被破壞的可能性越大；距工業用地越近，越易被占用。

總體上看，2009—2012年和2012—2015年生態用地變化的主要影響因素為：高程、GDP、人口密度和到河流的距離。比較表4中兩個時段各影響因素回歸系數和發生比率的大小，可以直觀地看出，隨著時間的推移，自然因素對生態用地空間變化的影響逐漸減弱，社會經濟因素和區位因素成為最主要的影響因素。

2.3 生態用地變化預測

采用CA-Markov模型首先模擬2015年生態用地變化，由于官林鎮的面積不大，故采用全數檢驗法對模擬結果進行精度驗證。將2015年生態用地模擬結果與2015年生態用地的實際解譯結果進行求差柵格運算，前后一致的區域求差后地類編碼屬性值為0，將值為0的柵格數除以研究區柵格總數，得到模擬精度為90.25%，表明該結果可信度較高，可用于生態用地變化的模擬研究。據此，考慮到為官林鎮未來土地利用規劃和生態用地保護的需要，對其2021年和2024年各類生態用地變化進行模擬，結果見表5和圖2。

表5 基于CA-Markov預測的官林鎮各類生態用地面積及比重表

圖2 官林鎮2015、2021和2024年生態用地預測圖

由預測結果可知，官林鎮生態用地仍呈迅速減少趨勢。2015年、2021年和2024年生態用地總面積分別為89.70、88.22和86.65 km2，9年間共減少305.00 hm2。各生態用地類型中，水田占整個區域的比例最大，面積減少最多，且呈持續減少趨勢，2015—2021年和2021—2024年凈減少面積分別為213.18 hm2和145.07 hm2，減少去向主要是旱地和工業用地，可見今后耕地保護任務依然艱巨。面積減少其次的是水域，主要轉變為養殖水面，2015—2024年共減少305.21 hm2，且減少趨勢增強。園地和未利用地均持續減少，9年間凈減少面積分別為39.32 hm2和3.93 hm2，未利用地主要轉變為工業用地，全鎮基本再無大面積的地塊可供開發利用；園地的減少主要是由于周邊交通用地及其他建設用地的占用。草地和林地的面積先增后減，總體呈增加趨勢，分別增加了2.43 hm2和1.10 hm2。旱地和養殖水面面積則不斷增加，其中養殖水面的增長幅度最大，從2015年到2024年增加了218.05 hm2，年均增長24.23 hm2，增長幅度為16.97%，主要由河流水系兩側并緊鄰原有養殖水面的水域或水田轉化而來；其次，由于官林鎮東部瀕臨滆湖的水域優勢條件，該區內大量坑塘轉變為養殖水面。2015—2021年和2021—2024年，旱地分別增加了14.89% 和18.56%，主要來源于水田。

總體上看，鎮中心周圍及主要河流、道路兩側的生態用地極易被侵占，該區域內被占用的生態用地主要有水田、水域、園地和未利用地等，這是由于社會經濟發展和城鎮化的不斷加速，推動了住宅、工業商服與交通運輸等產業的建設，從而加快了建設用地擴長所致。繼續保持此趨勢，官林鎮生態環境與經濟發展的矛盾將更加突出。因此，應合理協調建設用地擴長和生態用地保護之間的關系。

2.4 生態系統服務價值對生態用地變化的響應

依據官林鎮3期土地利用數據及預測數據，結合不同地類的生態服務價值系數(表2)，對官林鎮生態用地變化引起的生態系統服務價值變化進行測算(表6)。結果表明：2009—2015年，官林鎮生態系統服務總價值呈逐年減少趨勢，共減少906.74萬元，主要由水體面積的減少所致。2015—2024年，官林鎮生態服務總價值呈逐年減少趨勢，共減少566.73萬元。其中，耕地總面積減少了178.00 hm2，生態服務價值減少了131.23萬元；水體總面積減少了87.16 hm2，生態服務價值損失了368.90萬元，雖然水體減少的面積比耕地少，但由于其單位生態服務價值較大，故而引起的生態服務價值損失較大；園地和未利用地總面積分別減少了39.32 hm2和3.93 hm2，生態服務價值減少了66.09萬元和0.51萬元；林地、草地總面積分別增加了1.10 hm2和2.43 hm2，生態服務價值增加了2.88萬元和2.65萬元。

表6 官林鎮2009—2024年生態系統服務價值變化

2015—2024年，官林鎮生態系統服務主要由水體和耕地兩種地類提供，其中水體對生態系統服務價值的貢獻率最大，占總生態服務價值的84% 以上，耕地占13% 以上。9年間，水體和耕地服務價值減少量分別占總服務價值減少量的65.09% 和23.16%，說明水體和耕地對研究區總服務價值變化的影響最大。園地和未利用地服務價值減少量分別占總量的11.66% 和0.09%。而林地和草地由于面積的增加，服務價值總體上也呈增加趨勢，雖然林地、草地的單位面積生態服務價值較高，但其占官林鎮總面積的比重很小，故對總生態服務價值的影響不大。總之，隨著城鎮化進程的不斷加快，非生態用地擴張迅速，導致了生態服務價值的減少，為此適時控制非生態用地發展，加強對水體和耕地的保護，應該成為官林鎮生態優先的土地利用規劃的重點。

3 結論

生態用地變化模擬研究以保護人類賴以生存的生態空間為核心目的，保證生態用地結構功能的連續型與完整性為目的[28-29]。在此基礎上開展鄉鎮尺度的生態用地規劃管理研究不僅能夠有效引導最為基礎的村鎮土地利用規劃的編制與實施，直接為土地管理部門提供生態用地規劃管理依據，而且通過強化鄉鎮尺度生態用地保護，以點帶面地實現區域社會、經濟與生態可持續發展。為此，本文以快速城鎮化的宜興市官林鎮為例，采用高精度遙感影像解譯數據分析了研究區2009—2015年生態用地的變化特征與趨勢，通過Logistic回歸分析其影響因素，利用CA-Markov模型模擬2021年和2024年生態用地的變化，進而探討研究區生態用地變化和生態系統服務價值的響應，結果表明：

1) 2009—2015年，官林鎮生態用地面積呈持續減少趨勢，其中，水田面積先增加后減少，水域和未利用地面積逐年減少，園地和草地面積先減少后增加，總體呈減少趨勢，旱地、養殖水面和林地面積則持續增加。生態用地變化的影響因素主要為高程、GDP、人口密度和到河流的距離，且隨著時間的推移，自然因素對生態用地變化的影響逐漸減弱，社會經濟因素和區位因素成為最主要的影響因素。

2) 生態用地變化模擬結果顯示，2015—2024年，官林鎮生態用地變化劇烈，呈迅速縮減趨勢。從2015年到2024年生態用地總面積共減少305.00 hm2，占官林鎮總面積的2.46%。其中，水田的面積減少最多，主要轉移去向為旱地和工業用地；水域、園地和未利用地面積持續減少；草地和林地面積先增后減，總體呈增加趨勢；而養殖水面和旱地保持高速增加趨勢，其中增長幅度最大的是養殖水面。生態用地主要轉移去向為養殖水面、旱地、工業用地和交通用地。

3) 對生態系統服務價值變化的研究表明，2009—2024年，官林鎮生態系統服務價值呈逐年減少趨勢。2009—2015年和2015—2024年總服務價值分別減少了906.74萬元和566.73萬元，減少趨緩。水體和耕地對研究區總體服務價值變化的影響最大，其次是園地和未利用地；林地和草地服務價值總體呈增加趨勢。

本文基于面向對象的解譯方法獲得土地利用數據，在分析生態用地變化影響因素的基礎上對鎮域生態用地未來變化進行模擬，并分析了其生態服務價值響應，解譯和模擬精度均超過90%，研究成果可信度較高，對指導鄉鎮尺度土地利用、促進生態環境可持續發展具有重要參考意義。但仍然存在不足之處：首先，由于政策因素難以量化，本文進行生態用地影響因素分析時，僅從鎮域尺度考慮選取了相關的自然、社會經濟和區位因素，后續研究中應積極探索能夠綜合考慮政策因素的分析模型；其次，由于可獲取的高精度影像時段較短，在開展生態用地變化分析時可能未充分把握生態用地變化的特征和規律，未來將對該區域開展持續性的研究，以更為準確地剖析該地區生態用地變化趨勢。

[1] 李鋒, 葉亞平, 宋博文, 等. 城市生態用地的空間結構及其生態系統服務動態演變——以常州市為例[J]. 生態學報, 2011, 31(19): 5623–5631

[2] 陳利頂, 孫然好, 劉海蓮. 城市景觀格局演變的生態環境效應研究進展[J]. 生態學報, 2013, 33(4): 1042–1050

[3] 常上, 李珊珊, 宋豫秦. 張家口市生態服務價值對土地利用變化的響應[J]. 北京大學學報(自然科學版), 2015, 51(6): 1149–1156

[4] 周銳, 胡遠滿, 王新軍, 等. 快速城鎮化地區生態用地演變及驅動力分析[J]. 長江流域資源與環境, 2015, 24(6): 1012–1020

[5] 謝花林. 基于logistic回歸模型的區域生態用地演變影響因素分析——以京津冀地區為例[J]. 資源科學, 2011, 31(11): 2063–2070

[6] 劉芳, 張紅旗. 塔里木盆地生態用地分類及其時空變化研究[J]. 資源科學, 2016, 38(5): 825–836

[7] 謝高地, 魯春霞, 成升魁. 全球生態系統服務價值評估研究進展[J]. 資源科學, 2001, 23(6): 5–9

[8] 歐陽志云, 王效科, 苗鴻. 中國陸地生態系統服務功能及其生態經濟價值的初步研究[J]. 生態學報, 1999, 19(5): 19–25

[9] 周飛, 陳士銀, 鐘來元, 等. 區域土地利用與生態系統服務價值變化研究—— 以廣東省湛江市為例[J]. 土壤, 2008, 40(5): 847–851

[10] Rall E L, Haase D. Creative intervention in a dynamic city: A sustainability assessment of an interim use strategy for brownfields in Leipzig, Germany[J]. Landscape & Urban Planning, 2011, 100(3): 189–201

[11] 陳爽, 劉云霞, 彭立華. 城市生態空間演變規律及調控機制——以南京市為例[J]. 生態學報, 2008, 28(5): 2270– 2278

[12] 龍花樓, 劉永強, 李婷婷, 等. 生態用地分類初步研究[J].生態環境學報, 2015, 24(1): 1–7

[13] Chen L, Tang L, Ren Y, et al. Ecological land classification: A quantitative classification and ordination of forest communities adjacent to a rapidly expanding urban area in southeast coastal China[J]. Acta Ecologica Sinica, 2015, 35(2): 46–51

[14] 崔敬濤. 基于Logistic-CA-Markov模型的臨沂市土地利用變化模擬預測研究[D]. 南京: 南京大學, 2014

[15] 吳莉, 侯西勇, 徐新良, 等. 山東沿海地區土地利用和景觀格局變化[J]. 農業工程學報, 2013, 29(5): 207–216

[16] Al-Sharif A A A, Pradhan B. Monitoring and predicting land use change in Tripoli Metropolitan City using an integrated Markov chain and cellular automata models in GIS[J]. Arabian Journal of Geosciences, 2013, 7(10): 4291–4301

[17] 鄧歐, 李亦秋, 馮仲科, 等. 基于空間Logistic的模型與火險區劃林火風險[J]. 農業工程學報, 2012, 28(8): 200– 205

[18] Guan D J, Gao W J, Watari K, et al. Land use change of Kitakyushu based on landscape ecology and Markov model[J]. Journal of Geographical Sciences, 2008, 18(4): 455–468

[19] 湯君友, 楊桂山. 試論元胞自動機模型與LUCC時空模擬[J]. 土壤, 2003, 35(6): 456-460, 480

[20] 楊娟, 王昌全, 夏建國, 等. 基于元胞自動機的土地利用空間規劃輔助研究——以眉山市東坡區為例[J]. 土壤學報, 2010, 47(5): 847–856

[21] Daily G C. Nature's service: Societal dependence on natural ecosystems[M]. Washington: Island Press, 1997

[22] Costanza R, D’Arge R, Groot R, et al. The value of the world’s ecosystem services and natural capital[J]. Nature, 1997, 387: 253–260

[23] 謝高地, 魯春霞, 冷允法, 等. 青藏高原生態資產的價值評估[J]. 自然資源學報, 2003, 18(2): 189–196

[24] 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

[25] Yang W, Chang J, Xu B, et al. Ecosystem service value assessment for constructed wetlands: A case study in Hangzhou, China[J]. Ecological Economics, 2013, 68(1): 116–125

[26] 吳連喜. 20年巢湖流域土地利用變化及生態服務功能價值分析[J]. 土壤, 2009, 41(6): 986–991

[27] 吳紹華, 虞燕娜, 朱江, 等. 土壤生態系統服務的概念、量化及其對城市化的響應[J]. 土壤學報, 2015, 52(5): 970–978

[28] 劉洋, 蒙吉軍, 朱利凱. 區域生態安全格局研究進展[J]. 生態學報, 2010, 30(24): 6980–6989

[29] 馬克明, 傅伯杰, 黎曉亞, 等. 區域生態安全格局:概念與理論基礎[J]. 生態學報, 2004, 24(4): 761–768

Simulation of Ecological Land Changes and Corresponding Ecosystem Service Values in Rapid Urbanization Area

XIA Min1, ZHANG Zihong1, ZHAO Bingzi2, WEN Bo1, LIU Jingjie1

(1 College of Public Administration, Nanjing Agricultural University, Nanjing 210095, China; 2 State Experimental Station of Agro-Ecosystem in Fengqiu & State Key Laboratory of Soil and Sustainable Agriculture, Institute of Soil Science, Chinese Academy of Sciences, Nanjing 210008, China)

Regional ecological land has changed dramatically with the rapid development of industrialization and urbanization. It is essential to study and predict the changes of ecological land and the corresponding ecosystem service value on a small scale in order to provide reference for ecological land protection and land use planning. Taking Guanlin Town in Yixing City as the study area, the ecological land changes from 2009 to 2015 were studied based on high resolution remote sensing image, the influential factors were analyzed by Logistic Regression model, the changes of ecological land in 2021 and 2024 were simulated using CA-Markov model, then the corresponding ecosystem service values were calculated. The results were as follow: 1) Ecological land in Guanlin town decreased from 2009 to 2015, and the main influential factors were elevation, GDP, population density and the distance to river. The influences of natural factors on the changes of ecological land type were gradually weakened with time, while the roles of socio-economic and location factors were gradually intensified. 2) Ecological lands would decrease rapidly from 2015 to 2024, in which paddy field decreased mostly, decreased by 358.25 hm2, while aquaculture water increased rapidly, with an annual increase of 24.23 hm2, totally increased by 16.97%. Ecological lands mainly were transferred to aquaculture water, dryland, industrial land and traffic land. 3) The corresponding ecosystem service values decreased continuously from 2009 to 2024, significantly correlated with the changes of farmland and water body. The above results can provide reference for land use planning in Guanlin Town and has practical significance in protecting ecological land and in strengthening the ecosystem service as well.

Town scale; Ecological land; Change simulation; Ecosystem service value

國家自然科學基金項目(41271311)，2016教育部人文社會科學研究一般項目(16YJAZH064)，中國科學院流域地理學重點實驗室開放基金項目(WSGS2015008)和中央高?；究蒲袠I務費人文社科基金項目(SK2016024)資助。

夏敏(1971—)，女，南京人，博士，副教授，主要從事土地利用與規劃、土地信息技術等研究。E-mail: xm@njau.edu.cn

10.13758/j.cnki.tr.2018.05.023

F301.24

A