基于多元國土空間整治情景模擬的生態系統服務功能分區

周子康，劉殿鋒

基于多元國土空間整治情景模擬的生態系統服務功能分區

周子康，劉殿鋒※

（武漢大學資源與環境科學學院，武漢 430079）

生態系統服務功能分區是科學管理生態系統的重要手段。國土空間整治能夠通過綜合治理閑置、低效和生態退化國土資源，改變國土空間結構與布局，從而對生態系統功能產生影響。現有研究較少關注土地整治措施對未來生態系統服務空間集聚模式的潛在影響作用，整治措施的生態導向性有待提升。因此，該研究以山東招遠市為例，設計了基準情景、廢棄礦區修復情景以及城鄉建設用地整治情景，定量化預測生態系統服務變化特征，并運用模糊C均值聚類算法開展生態系統功能區劃定。結果表明，整治情景下土地利用數量結構變化顯著，各生態系統服務能力均有所提升。全域可以劃分為生態綜合區、生境保育區、固碳釋氧區、固碳產糧區、生態維護區5個生態功能區。與基準情景相比，廢棄礦區修復情景下各生態功能區60%生態系統服務水平持平，28%處于劣勢，僅12%顯著提升。城鄉建設用地整治則能夠顯著提升全域自然娛樂能力，總體增長了1.89%。生境保育區的自然娛樂和糧食生產能力平均值分別增加了0.01和0.10，固碳釋氧區的生境質量、水源涵養能力分別增長了20.69%和100%。研究表明全面提升生態系統多功能性需要綜合開展多元的國土空間整治措施。

土地利用；整治；生態系統服務；生態功能分區；FCM聚類

0 引 言

快速工業化、城鎮化進程顯著提升了中國社會經濟發展水平，同時也產生了建設用地布局無序化、土地利用低效化和生態系統退化等諸多負面問題[1-3]。在此背景下，國土空間整治作為一項區域性、綜合型的自然資源治理工程得到廣泛實施。農用地、城鄉建設用地、工礦用地等多地類整治作為關鍵整治模式[4]，能夠有效保障耕地數量與質量，優化建設用地空間格局，保障城市建設用地有序發展和提升生態系統健康水平[5]。

國土空間整治措施將顯著改變土地利用結構和空間布局，進而影響生態系統服務結構與功能[6-7]。例如，農用地整治能夠提升部分地區耕地供給能力，也可能造成耕地生態效益受損和生態系統服務價值下降[8-9]。當前大量學者基于土地整治實例，探討了生態系統服務對于土地整治策略的響應機制，評估了已實施土地整治工程或策略的生態效應[10-13]，為提升國土空間整治措施的有效性提供了科學依據。但是，隨著國土空間整治內涵與相應措施的不斷發展，如何有效降低國土空間整治工程對未來生態系統及其功能的潛在負面影響，以期提升國土空間整治方案的生態適應性與前瞻性仍然是學者們面臨的重要挑戰之一。該挑戰具體表現為兩個方面：一方面在于如何面向未來國土空間演化態勢，從模擬視角出發預測不同國土空間整治情景對生態系統的影響作用；另一方面則在于如何針對不同生態系統服務存在多種組合模式（生態服務簇）[14]，科學劃定生態功能區進而分析國土空間整治措施的潛在生態效應，同時為不同生態功能區提出差異化的生態管理措施。

現有土地利用模擬模型和生態功能分區模型能夠為解決上述問題提供可靠支持。現階段土地利用情景模擬主要以元胞自動機模型為主，采用Markov分析、灰色系統、回歸分析、線性規劃、系統動力學等空間隱式模型預測土地利用規模，采用元胞自動機模型或者其與多準則分析、機器學習、智能仿生及多智能體系統的混合模型進行土地利用空間格局預測[15-19]。其中，FLUS（Future Land Use Simulation Model）模型通過整合人工神經網絡算法（Artificial Neural Network，ANN）和輪盤賭機制可用于人類活動與自然環境影響下未來土地利用情景模擬，得到廣泛應用[20]。Markov模型基于隨機過程理論構建，因其操作便捷性與高效性，廣泛應用于土地利用需求預測[21-22]。Markov模型與FLUS模型的結合將為國土空間整治情景模擬提供可行的方法框架。同時，生態功能區的劃定方法主要包括K均值、空間疊加法、分層聚類等聚類算法[23-25]，但是普遍存在初始值敏感性、經驗參數設定和分類非此即彼等不足。模糊C均值聚類（Fuzzy C-means，FCM）屬于無監督分類算法，其以隸屬度來確定樣本類別，克服了傳統非此即彼聚類方法缺點以及主觀因素的影響。該算法聚類效果可靠性高，已廣泛應用于國土空間分區[26]、流域水文區劃[27]、水質分析[28]、遙感地物要素分類[29]等多個領域。因此，利用FCM聚類算法有望準確識別生態系統服務簇，從而科學劃定生態功能區，提出針對多種生態系統服務的有效的政策建議，為國土空間整治措施優化提供決策依據。

山東省招遠市是全國綜合實力百強縣市，礦產資源豐富，黃金資源儲量多、分布廣、開采歷史悠久，被譽為“中國金都”。城市化發展以及采礦活動頻繁導致該地區農村人口銳減，廢棄礦區閑置，土地資源浪費嚴重。因此，招遠市亟需開展國土空間整治工程，推動土地資源合理高效利用。本研究選擇山東省招遠市為研究區，通過模擬研究區未來土地整治情景，探討不同整治情景下生態系統服務演化趨勢，分析不同情景下各功能區主導生態系統服務類型的變化特征，提出生態系統服務綜合提升的管理措施，綜合提升區域多種生態系統服務能力，以期有效支撐未來國土空間整治規劃方案優化，推動招遠市國土資源高質量開發利用和保護。

1 研究區與數據來源

1.1 研究區概況

招遠市隸屬于山東省煙臺市，位于山東半島西北部（37°05′～37°33′N，120°08′～120°38′E），全市面積為1 433.18 km2。全市地勢東北部、中部和西部高，地貌類型以山地、丘陵為主，如圖1所示。近年來，不合理的礦產資源開發以及無序的建設用地擴張，導致招遠市生態環境遭到嚴重破壞、土地資源集約利用程度低下，生態系統服務功能下降。

1.2 數據獲取與處理

本文使用的數據包括土地利用數據、數字高程模型、道路矢量數據、年均降水量數據、年均潛在蒸散量數據、土壤數據、人口、GDP、食物生產等社會經濟數據和實地調研數據。其中招遠市2009年、2018年土地利用數據以及數字高程模型（DEM）來自資源環境科學與數據中心（http://www.resdc.cn），分辨率為30 m；鐵路、省道、國道、高速公路等道路矢量數據來自Open Street Map網站（http://openstreetmap.org）；年均降水量數據主要根據中國氣象科學數據共享服務網（http://www.data.cma.cn）的月值數據并利用Anusplin軟件進行空間插值得到，分辨率為30 m；年均潛在蒸散量來自CGIAR-CSI網站（https://cgiarcsi.community）；土壤數據來自世界土壤數據庫（HWSD）的中國土壤數據集，分辨率為1 km；社會經濟數據均來自招遠市統計年鑒。廢棄工礦整治潛力數據則來自實地調研，通過開展座談、問卷圖件調查等方式得到全市廢棄工礦整治潛力區。招遠市廢棄工礦主要分布在10個街道（鄉鎮）的43個鄉村，總面積達到297.81 hm2。本研究所有的空間數據統一采用CGCS2000地理坐標，空間分辨率大小為30 m×30 m。

2 研究方法

2.1 研究框架

本文構建了多元國土空間整治情景下生態系統服務功能分區的研究框架（圖2），主要包括多情景土地利用模擬，生態系統服務評估以及生態功能區劃。基于招遠市未來發展目標，本文確定3種土地整治情景，即基準情景、廢棄礦區修復情景及城鄉建設用地整治情景，采用Markov模型和FLUS模型預測不同情景下土地利用結構和空間布局。在此基礎上，從生態系統服務類型入手，選擇5種生態系統服務指標，利用InVEST等模型評估各情景下生態系統服務水平。最后，采用FCM聚類算法進行生態系統服務聚類分析，劃分生態系統服務功能區，探討每種功能區的生態系統服務供給特點以及不同情景下各生態功能區生態系統服務能力的差異性。

2.2 生態系統服務評估

本文選擇調節功能中的碳固存和水源涵養、支持服務中的生境質量、供給服務中的食物供給以及文化服務中的自然娛樂功能，利用InVEST模型、自然娛樂評價模型對各類生態系統服務定量化評估，分析生態系統服務功能的空間分布特征。各生態系統服務的評價方式及公式見表1。

2.3 多情景土地利用模擬

本文結合Markov-FLUS模型模擬多種土地整治模式下招遠市2035年土地利用變化情況。Markov模型用于計算土地利用數量結構，FLUS模型用于預測土地利用格局。FLUS模型中，Markov模型預測的土地利用需求作為土地利用數量約束條件，土地利用變化驅動因子、鄰域權重以及土地利用轉移成本矩陣參考已有文獻和研究區現狀進行設置[36]。本文選擇的驅動因子包括高程，坡度，到城市中心、到鐵路、省道、國道、高速公路的距離，人口密度，人均GDP 9項驅動因子。

表1 生態系統服務計算方式

土地整治作為招遠市國土空間規劃的核心內容，將致力于加強農村建設用地土地整治，開展廢棄礦區整治工程，建設緊湊型城市，更好地解決土地資源空間利用低效等發展問題。因此面向招遠市未來土地整治規劃戰略，情景設置重點考慮將廢棄礦區再開發為耕地和林地，加強農村空閑建設用地整理，限制城市建設用地無序擴張。具體情景參數描述如下：

1）基準情景：基準情景主要作為對比分析依據。該情景下各類型土地利用需求數量利用Markov模型進行預測；FLUS模型中將延續歷史土地利用轉換趨勢，不增加任何政策干預。

2）廢棄礦區修復情景：招遠市采礦業發展迅猛，通過實地調研，預計2035年招遠市廢棄礦區再開發潛力可達297.81 hm2。針對廢棄礦區實施修復工程，可有效補充耕地與林地數量。該情景充分考慮廢棄礦區的復墾與復綠潛力，將2035年耕地、林地最大潛在面積設置為基期數量與廢棄礦區可復墾、復綠面積之和，其他地類預期面積與基準情景保持一致。此外，將基本農田、河流水庫、沿海灘涂、生態紅線保護區作為土地利用轉換限制條件。

3）城鄉建設用地整治情景：招遠市農村人口減少但建設用地持續增加，城市建設用地緊張，土地利用效率低下。該情景充分挖掘閑置農村建設用地的整治潛力，建立農村建設用地挖潛與城市建設用地增加的掛鉤機制，從而實現城鄉建設用地總量平衡。基于綜合預測法預測2035年招遠市農村人口，參考山東省農村人均建設用地規模控制指標，確定農村建設用地整治潛力，將拆舊面積作為城市新增建設用地指標，整治中復墾與復綠比例按照2009—2018年相應土地利用轉移概率確定。其他用地類型數量需求與基準情景保持一致。土地利用轉換條件與廢棄礦區修復情景保持一致。

2.4 生態系統服務功能分區

利用FCM聚類算法，以5項生態系統服務價值作為分類樣本集。根據生態系統服務之間的相似性對分區單元進行空間聚類，形成生態服務功能區。FCM聚類算法將樣本集按照一定的準則劃分為個模糊集，通過不斷優化目標函數確定最佳的中心聚類矩陣，最終實現目標函數最小化[37-38]。其目標函數為：

式中為樣本集的個數，是聚類數，u為數據點x相對于分類的隸屬度，c為類的中心，是模糊加權指數，取值為2。

最優分類數量是影響聚類效果的重要因素。本文采用Bezdek劃分系數評價分類效果，它主要目的是計算每個元素屬于各個分類的隸屬度。具體計算公式如下：

式中v為所有元素的平均隸屬度，值越大，說明聚類效果越好。

3 結果與分析

3.1 多情景土地利用變化

本文利用2009年與2018年土地利用數據驗證模型精度，得到Kappa系數為0.924，FoM系數是0.021，表明模型精度良好，可用于未來土地利用模擬。招遠市2035年各情景下土地利用空間格局如圖3所示，各情景不同地類面積如表2所示。總體上看，各情景地類空間分布格局基本相似。林地主要分布在招遠市的西部、中部以及西南部高海拔地區。建設用地集中分布在中部街道以及北部鄉鎮地區。全域耕地分布較廣，呈塊狀分布，而草地則夾雜分布在林地與耕地之間。

表2 2035年各情景下招遠市土地利用類型面積

基準情景下，招遠市土地利用數量結構變化顯著。與 2018年相比，建設用地面積將增加4 392.27 hm2，增幅達到23.56%。其中，農村建設用地與城市建設用地分別增加了2 627.64 hm2、1 764.63 hm2。其他地類面積均有所減少，草地面積下降幅度最大，達到12.06%，而林地、耕地、水域和未利用地面積分別減少了4.30%、2.47%、1.15%和4.11%。廢棄礦區修復情景中，耕地、林地面積分別達到了59 930.73 hm2、48 004.74 hm2，其中廢棄礦區復墾與復綠面積分別為76.32 hm2和221.49 hm2。農村與城市建設用地面積分別為14 599.71 hm2與8 136.45 hm2。在城鄉建設用地整治情景中，由于招遠市農村人口逐年下降，到2035年農村建設用地節約潛力可達5 347.89 hm2，占農村建設用地總量的44.67%。該情景中，農村建設用地面積為9 036.81 hm2，城市建設用地面積為9 604.89 hm2。與基準情景相比，耕地與林地的面積分別增加了1 516.86 hm2和2 280.60 hm2，農村建設用地面積減少了38.10%，城市建設用地面積增加了13.88%。城鄉建設用地總體規模與2018年保持一致。

可見，建設用地在基準情景中持續擴張趨勢顯著，且農村建設用地擴張面積遠大于城市建設用地，建設用地擴張將顯著侵占生態用地和農業用地。通過廢棄礦區修復，林地與耕地資源得到有效補充，一定程度能夠緩解建設用地擴張造成的負面影響。通過實施建設用地整治工程，農村建設用地將更加集約，城市擴張速度將顯著減緩，從而有助于國土空間格局的優化利用。

3.2 多情景下生態系統服務

不同情景下各街道（鄉鎮）碳固存、水源涵養量、生境質量、食物生產與自然娛樂能力如圖4所示。從空間分布上看，生態系統服務能力與土地利用類型密切相關。其中，植被覆蓋率高的東部和南部鄉鎮生態系統服務能力較高，例如阜山鎮、夏甸鎮。中部街道例如泉山街道與溫泉街道，土地利用類型以建設用地為主，生態效益并不突出，出現生態系統服務能力的低值區。

從總量上看，基準情景下碳固存總量達到1.542×107t，廢棄礦區修復情景、城鄉建設用地整治情景下則分別達到1.543×107t、1.545×107t。基準情景下水源涵養總量為8.783×107m3，廢棄礦區修復情景、城鄉建設用地整治情景下水源涵養總量分別增加0.51%、4.26%。基準情景下生境質量平均值為0.516，廢棄礦區修復情景和城鄉建設用地整治情景下生境質量均值分別增加0.39%、4.26%。基準情景下自然娛樂平均值為1.601，而廢棄礦區修復情景、城鄉建設用地整治情景下則分別提升0.44%、2.12%。基準情景下理論食物生產總量達到1.073×109kg。由于土地整治措施中保障了耕地、林地與草地的面積，因此廢棄礦區修復情景、城鄉建設用地整治情景下食物產量分別提升0.37%、4.47%。

相較于基準情景，廢棄礦區修復情景有效增加了各項生態系統服務的總量，但提升效果具有空間異質性。碳固存總量增加的地區主要分布在南部的鄉鎮，例如齊山鎮、畢郭鎮和夏甸鎮，而碳固存總量減少的地區主要分布在城區以及北部的鄉鎮，例如泉山街道、溫泉街道、辛莊鎮等。其次，廢棄礦區修復情景將減少部分中心街道以及南部鄉鎮的水源涵養總量，例如泉山街道、大秦家街道、齊山鎮和畢郭鎮，而其他街道（鄉鎮）水源涵養總量都得到提升。廢棄礦區修復情景下南部鄉鎮，例如齊山鎮、畢郭鎮、夏甸鎮，生境質量的平均值減少，而東部的玲瓏鎮、西部的蠶莊鎮生境質量的平均值均有顯著提升。廢棄礦區修復情景下中心城區泉山街道以及城郊的畢郭鎮自然娛樂的平均值均有所下降，中心城區以及南部部分鄉鎮的糧食生產總量減少，而北部鄉鎮糧食生產總量增加，例如張星鎮。城鄉建設用地整治情景將顯著提升各街道（鄉鎮）生境質量、自然娛樂以及食物生產的能力，而降低夢芝街道、溫泉街道碳固存能力，兩者分別減少了0.02%、0.32%。同樣地，玲瓏鎮碳固存與水源涵養總量分別下降了0.11%和0.22%。

3.3 生態系統服務聚類格局

以2018年5種生態系統服務值作為訓練樣本指標，根據指標特征相似性對全域單元進行生態功能聚類分區，通過Bezdek劃分系數的取值來確定最合理的聚類數量。考慮到區域空間的差異性，初始聚類數目由4類逐漸增加到10類，得到不同聚類數量下Bezdek劃分系數值，如圖5所示。當聚類數量=5時，Bezdek劃分系數為最大值，聚類效果達到最優。

根據每一種分區聚類所呈現的生態系統服務功能結構特征，采用生態功能特點的方式命名分區名稱，以反映不同功能區的生態功能特點，因此全域將被劃分為生態綜合區、生境保育區、固碳釋氧區、固碳產糧區、生態維護區，如圖6所示。各個分區特征如下：

生態綜合區擁有全域高水平的生態系統服務能力，其生境質量、自然娛樂、碳固存的能力均高于其他功能區。該功能區主要集中分布于招遠市的西北部、中部及南部海拔較高的地區，土地利用類型以林地為主，呈團塊狀分布。生境保育區其生境質量處于突出地位，而其他生態系統服務功能并不凸顯，該功能區主要以水域為主。固碳釋氧區分布最為廣泛，碳固存能力處于較高水平，而其他生態系統服務功能并不突出。該生態功能區主要分布在耕地。固碳產糧區以草地為主。該功能區食物供給與碳固存能力突出，而其他生態系統服務能力總體上也保持較高水平。生態維護區主要分布在城鄉建設用地，該功能區碳固存與自然娛樂能力較為突出，而其他生態系統服務能力欠缺，生態系統服務之間存在權衡的關系。

不同情景下各生態功能區服務能力如表3所示。與基準情景相比，廢棄礦區修復情景下各生態功能區60%生態系統服務水平持平，28%處于劣勢，僅12%顯著提升。其中，生態綜合區中所有的生態系統服務能力與基準情景保持一致。固碳產糧區中只有糧食生產能力高于基準情景，平均值增加1.15%，而其他生態系統服務能力與基準情景保持一致；固碳釋氧區中生境質量與碳固存平均值比基準情景均增加0.01，增長幅度并不顯著，而其他生態系統服務能力卻與基準情景保持一致或略有下降。生境保育區與生態維護區中各生態系統服務能力低于或與基準情景持平，其中生境保育區中碳固存平均值比基準情景低25%，這表明廢棄礦區整治措施對該功能區的生態環境提升并不顯著。

表3 不同情景下各生態功能區生態系統服務平均值

與基準情景相比，城鄉建設用地整治則能夠顯著提升全域自然娛樂能力，總體增長了1.89%。固碳產糧區與生態綜合區生態系統服務能力中只有自然娛樂平均值高于或與基準情景保持一致，而其他生態系統服務功能卻并不存在優勢。生境保育區中自然娛樂與糧食生產能力高于基準情景，分別增加了0.01和0.10，而水源涵養、生境質量與碳固存能力略低于基準情景，分別減少了0.01、0.07和0.01。固碳釋氧區中碳固存與糧食生產能力與基準情景保持一致，其他生態服務能力均高于基準情景，其中生境質量平均值增長了20.69%，水源涵養平均值增長了100%。另外，生態維護區中各生態系統服務能力均高于基準情景，說明增減掛鉤政策有助于全面提升該功能區的生態系統服務能力。

4 討 論

面向高質量發展目標，對農用地和城鄉建設用地進行科學整治，可以有效增加耕地面積，提高土地利用的集約程度[39]。但實施相關的整治措施能否促進生態系統服務的系統性提升，仍有待進一步探索。因此，本文基于招遠市發展訴求，設計了多種土地整治情景，探討不同情景下生態系統服務的變化及其空間集聚模式，從空間上反映出生態系統服務的差異性，因地制宜提出整治措施，以期為未來土地整治規劃提供決策支持。

相較于基準情景，廢棄礦區修復以及城鄉建設用地整治策略對土地利用結構產生了顯著影響，有效地保證了耕地、林地、草地的數量，控制了建設用地規模，優化了全域國土空間格局和生態系統服務能力。未來招遠市土地整治過程中，當地政府應該充分挖掘農村建設用地整治潛力，控制城市擴張速率，適當通過騰退農村建設用地增加生態源地面積。從廢棄礦區修復情景可見，泉山街道、畢郭鎮等街道（鄉鎮）部分生態系統服務能力出現下降，因此政府需要充分考慮各街道（鄉鎮）的產業狀況，提出差異化的國土空間整治策略[40]，既要滿足未來產業發展需求，也要充分保護生態環境，以期均衡增強招遠市各街道（鄉鎮）生態系統服務能力。

由于各地類生態系統服務能力存在較大差異，生態系統服務在空間上呈現出多種聚類模式。生態綜合區內各生態系統服務能力均衡發展，生態系統穩定性較高。生態維護區集中分布在城市建成區，除碳固存和自然娛樂能力突出之外，其他生態系統服務能力處于最低水平。其他生態功能區則通常存在一種或少數幾種起主導作用的生態服務功能，生態系統服務之間存在明顯的權衡關系。從不同整治情景上看，廢棄礦區修復情景下各生態功能區生態系統服務能力大多與基準情景保持一致，少量有顯著增強。城鄉建設用地整治措施總體上增強了各生態功能區的自然娛樂能力，但卻降低了生態綜合區、生境保育區、固碳產糧區的部分生態系統服務能力。結果表明單一的國土空間整治措施并不能全面優化各功能區的生態系統服務能力。未來國土空間整治仍然需要考慮城鄉建設用地增減掛鉤措施對于區域生態系統服務的動態影響，重點提升各生態功能區中碳固存能力，改善固碳產糧區、生境保育區和生態綜合區的生境質量，推動各生態功能區生態系統服務能力協同高效提升。

5 結 論

本研究利用土地利用情景模擬技術，預測了2035年多種國土空間整治情景下生態系統服務水平演化趨勢，并利用FCM聚類算法進行生態系統服務的聚類分析，劃定生態功能區。本研究主要從模擬視角探索多情景國土空間整治措施的生態效應，通過分析整治措施對不同生態功能區主導生態服務類型的影響，為優化國土空間整治措施提供決策依據。研究結論如下：

1）廢棄礦區修復情景能夠有效增加耕地、林地面積，控制城市建設用地規模，而城鄉建設用地整治情景則能夠確保城鄉建設用地總體規模保持不變。

2）與基準情景相比，兩種整治情景可以顯著提升各生態系統服務總量，但該提升效果具有空間異質性，例如廢棄礦區修復情景下泉山街道、畢郭鎮部分生態系統服務能力將下降，城鄉建設用地整治情景下夢芝街道、溫泉街道的碳固存總量分別下降了0.02%、0.32%，玲瓏鎮的碳固存與水源涵養服務呈現下降趨勢，兩者分別減少了0.11%和0.22%。

3）根據生態系統服務簇所呈現的生態功能結構特征，全域將被劃分為生態綜合區、生境保育區、固碳釋氧區、固碳產糧區、生態維護區。與基準情景相比，廢棄礦區修復情景中各功能區生態系統服務能力少量有明顯提升。城鄉建設用地整治措施則有效地提升了各功能區的自然娛樂能力，增強了生態維護區的所有生態系統服務能力以及生境保育區糧食生產能力，其平均值增加了0.10。同時固碳釋氧區的生境質量、水源涵養能力也得到提升，兩者的平均值分別提升了20.69%和100%。總體來看，未來國土空間整治需要綜合多種措施，系統性提升生態服務水平。

[1] 劉彥隨，劉玉，翟榮新. 中國農村空心化的地理學研究與整治實踐[J]. 地理學報，2009，64(10)：1193-1202.

Liu Yansui, Liu Yu, Zhai Rongxin. Geographical research and optimizing practice of rural hollowing in China[J]. Acta Geographica Sinica, 2009, 64(10): 1193-1202. (in Chinese with English abstract)

[2] 馮應斌，楊慶媛. 轉型期中國農村土地綜合整治重點領域與基本方向[J]. 農業工程學報，2014，30(1)：175-182.

Feng Yingbin, Yang Qingyuan. Key research fields and basic directions of Chinese rural-land comprehensive consolidation in transitional period[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2014, 30(1): 175-182. (in Chinese with English abstract)

[3] Luo W B, Timothy D J. An assessment of farmers' satisfaction with land consolidation performance in China[J]. Land Use Policy, 2017, 61: 501-510.

[4] 龍花樓. 論土地整治與鄉村空間重構[J]. 地理學報，2013，68(8)：1019-1028.

Long Hualou. Land consolidation and rural spatial restructuring[J]. Acta Geographica Sinica, 2013, 68(8): 1019-1028. (in Chinese with English abstract)

[5] 鄖宛琪，朱道林，湯懷志. 中國土地整治戰略重塑與創新[J]. 農業工程學報，2016，32(4)：1-8.

Yun Wanqi, Zhu Daolin, Tang Huaizhi. Reshaping and innovation of China land consolidation strategy[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(4): 1-8. (in Chinese with English abstract)

[6] Zhang Z F, Zhao W, Gu X K. Changes resulting from a land consolidation project (LCP) and its resource-environment effects: A case study in Tianmen City of Hubei Province, China[J]. Land Use Policy, 2014, 40: 74-82.

[7] 羅明，張惠遠. 土地整理及其生態環境影響綜述[J]. 資源科學，2002(2)：60-63.

Luo Ming, Zhang Huiyuan. Land consolidation and its ecological and environmental impacts[J]. Resources Science, 2002(2): 60-63. (in Chinese with English abstract)

[8] Guo B B, Jin X B, Yang X H, et al. Determining the effects of land consolidation on the multifunctionlity of the cropland production system in China using a SPA-fuzzy assessment model[J]. European Journal of Agronomy, 2015, 63: 12-26.

[9] 樊閩. 中國土地整理事業發展的回顧與展望[J]. 農業工程學報，2006, 22(10)：246-251.

Fan Min. Review and prospect of land consolidation in China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2006, 22(10): 246-251. (in Chinese with English abstract)

[10] Zhong L N, Wang J, Zhang X, et al. Effects of agricultural land consolidation on soil conservation service in the Hilly Region of Southeast China-Implications for land management[J]. Land Use Policy, 2020, 95: 104637.

[11] 谷曉坤. 湖北省不同類型土地整治生態效應評價[J]. 應用生態學報，2012，23(8)：2263-2269.

Gu Xiaokun. Ecological effect of different types land consolidation in Hubei Province of China[J]. Chinese Journal of Applied Ecology, 2012, 23(8): 2263-2269. (in Chinese with English abstract)

[12] 單薇，金曉斌，孟憲素，等. 基于多源遙感數據的土地整治生態環境質量動態監測[J]. 農業工程學報，2019，35(1)：234-242.

Shan Wei, Jin Xiaobin, Meng Xiansu, et al. Dynamical monitoring of ecological environment quality of land consolidation based on multi-source remote sensing data[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(1): 234-242. (in Chinese with English abstract)

[13] 郭貝貝，金曉斌，林憶南，等. 基于生態流方法的土地整治項目對農田生態系統的影響研究[J]. 生態學報，2015，35(23)：7669-7681.

Guo Beibei, Jin Xiaobin, Lin Yinan, et al. Determining the effect of the land consolidation project on the cropland ecosystem based on the ecological flow method[J]. Acta Ecologica Sinica, 2015, 35(23): 7669-7681. (in Chinese with English abstract)

[14] Kareiva P, Watts S, McDonald R, et al. Domesticated nature: shaping landscapes and ecosystems for human welfare[J]. Science, 2007, 316(5833):1866-1869.

[15] Zhao X, Ma X Y, Tang W W, et al. An adaptive agent-based optimization model for spatial planning: A case study of Anyue County, China[J]. Sustainable Cities and Society, 2019, 51: 101733.

[16] Zhang Y, Liu Y F, Wang Y H, et al. Urban expansion simulation towards low-carbon development: A case study of Wuhan, China[J]. Sustainable Cities and Society, 2020, 63: 102455.

[17] 陳逸敏，黎夏. 機器學習在城市空間演化模擬中的應用與新趨勢[J]. 武漢大學學報(信息科學版)，2020，45(12)：1884-1889.

Chen Yimin, Li Xia. Applications and new trends of machine learning in urban simulation research[J]. Geomatics and Information Science of Wuhan University, 2020, 45(12): 1884-1889. (in Chinese with English abstract)

[18] 李沁，沈明，高永年，等. 基于改進粒子群算法和元胞自動機的城市擴張模擬：以南京為例[J]. 長江流域資源與環境，2017，26(2)：190-197.

Li Qin, Shen Ming, Gao Yongnian, et al. Urban expansion simulation using modified particle swarm optimization algorithm and cellular automata: A case study of Nanjing city[J]. Resources and Environment in the Yangtze Basin, 2017, 26(2): 190-197. (in Chinese with English abstract)

[19] 王爍棋，趙亮. 山城眺望空間OSCA模型構建及應用[J]. 地球信息科學學報，2021，23(9)：1559-1574.

Wang Shuoqi, Zhao Liang. Establishment and application of mountain city OSCA model[J]. Journal of Geo-information Science, 2021, 23(9): 1559-1574. (in Chinese with English abstract)

[20] Liu X P, Liang X, Li X, et al. A future land use simulation model (FLUS) for simulating multiple land use scenarios by coupling human and natural effects[J]. Landscape and Urban Planning, 2017, 168: 94-116.

[21] 張世偉，魏璐瑤，金星星，等. 基于FLUS-UGB的縣域土地利用模擬及城鎮開發邊界劃定研究[J]. 地球信息科學學報，2020，22(9)：1848-1859.

Zhang Shiwei, Wei Luyao, Jin Xingxing, et al. The land use simulation and delimitation of urban development boundary in county area based on FLUS-UGB[J]. Journal of Geo-information Science, 2020, 22(9): 1848-1859. (in Chinese with English abstract)

[22] 林伊琳，趙俊三，陳國平，等. 基于MCR-FLUS-Markov模型的區域國土空間格局優化[J]. 農業機械學報，2021，52(4)：159-170，207.

Lin Yilin, Zhao Junsan, Chen Guoping, et al. Optimization of regional territory space pattern based on MCR-FLUS-Markov model[J]. Transactions of the Chinese Society for Agricultural Machinery, 2021, 52(4): 159-170, 207. (in Chinese with English abstract)

[23] Turner K G, Odgaard M V, B?cher P K, et al. Bundling ecosystem services in Denmark: Trade-offs and synergies in a cultural landscape[J]. Landscape and Urban Planning, 2014, 125: 89-104.

[24] Hamann M, Biggs R, Reyers B. Mapping social-ecological systems: Identifying ‘green-loop’ and ‘red-loop’ dynamics based on characteristic bundles of ecosystem service use[J]. Global Environmental Change, 2015, 34: 218-226.

[25] Gao J, Yu Z W, Wang L C, et al. Suitability of regional development based on ecosystem service benefits and losses: A case study of the Yangtze River Delta urban agglomeration, China[J]. Ecological Indicators, 2019, 107: 105579.

[26] 郭艷，張成才，康鴛鴦. 河南省經濟發展的國土空間評價分區研究[J]. 地理研究，2015，34(12)：2320-2328.

Guo Yan, Zhang Chengcai, Kang Yuanyang. Land assessment division research on economic development in Henan province[J]. Geographical Research, 2015, 34(12): 2320-2328. (in Chinese with English abstract)

[27] 李佳佳，賀新光，胡思. 長江流域月降水的多尺度隨機特征及其分區[J]. 長江流域資源與環境，2021，30(1)：111-121.

Li Jiajia, He Xinguang, Hu Si. Multi-time scale stochastic characteristics and regionalization of monthly precipitation in the Yangtze River Basin[J]. Resources and Environment in the Yangtze Basin, 2021, 30(1): 111-121. (in Chinese with English abstract)

[28] Lee K J, Yun S T, Yu S Y, et al. The combined use of self-organizing map technique and fuzzy c-means clustering to evaluate urban groundwater quality in Seoul metropolitan city, South Korea[J]. Journal of Hydrology, 2019, 569: 685-697.

[29] Yang X H, Xie Z, Ling F, et al. Spatio-temporal super-resolution land cover mapping based on fuzzy c-means clustering[J]. Remote Sensing, 2018, 10(8): 1212.

[30] 錢彩云，鞏杰，張金茜，等. 甘肅白龍江流域生態系統服務變化及權衡與協同關系[J]. 地理學報，2018，73(5)：868-879.

Qian Caiyun, Gong Jie, Zhang Jinqian, et al. Change and tradeoffs-synergies analysis on watershed ecosystem services: A case study of Bailongjiang Watershed, Gansu[J]. Acta Geographica Sinica, 2018, 73(5): 868-879. (in Chinese with English abstract)

[31] Xiao Y, Ouyang Z Y. Spatial-temporal patterns and driving forces of water retention service in China[J]. Chinese Geographical Science, 2019, 29(1): 100-111.

[32] 馮舒，孫然好，陳利頂. 基于土地利用格局變化的北京市生境質量時空演變研究[J]. 生態學報，2018，38(12)：4167-4179.

Feng Shu, Sun Ranhao, Chen Liding. Spatio-temporal variability of habitat quality based on land use pattern change in Beijing[J]. Acta Ecologica Sinica, 2018, 38(12): 4167-4179. (in Chinese with English abstract)

[33] 孫藝杰，任志遠，郝夢雅，等. 黃土高原生態系統服務權衡與協同時空變化及影響因素：以延安市為例[J]. 生態學報，2019，39(10)：3443-3454.

Sun Yijie, Ren Zhiyuan, Hao Mengya, et al. Spatial and temporal changes in the synergy and trade: off between ecosystem servicesmand its influencing factors in Yanan, Loess Plateau[J]. Acta Ecologica Sinica, 2019, 39(10): 3443-3454. (in Chinese with English abstract)

[34] Spanò M, Leronni V, Lafortezza R, et al. Are ecosystem service hotspots located in protected areas? Results from a study in Southern Italy[J]. Environmental Science & Policy, 2017, 73: 52-60.

[35] Qiu J, Turner M G. Spatial interactions among ecosystem services in an urbanizing agricultural watershed[J]. Proceedings of the National Academy of Sciences, 2013, 110(29): 12149-12154.

[36] Wang Y C, Shen J K, Yan W T, et al. Backcasting approach with multi-scenario simulation for assessing effects of land use policy using GeoSOS-FLUS software[J]. MethodsX, 2019, 6: 1384-1397.

[37] Dunn J C. A fuzzy relative of the ISODATA process and its use in detecting compact well-separated clusters[J]. Journal of Cybernetics, 1973, 3(3): 32-57.

[38] Dunn J C. Well-separated clusters and optimal fuzzy partitions[J]. Journal of Cybernetics, 1974, 4(1): 95-104.

[39] Lisec A, Primozic T, Ferlan M, et al. Land owners' perception of land consolidation and their satisfaction with the results-Slovenian experiences[J]. Land Use Policy, 2014, 38: 550-563.

[40] 劉殿鋒，王瑩瑩，孔雪松，等. 多維產業引導的鄂西生態圈農村居民點整理模式及分區[J]. 農業工程學報，2019，35(22)：27-37.

Liu Dianfeng, Wang Yingying, Kong Xuesong, et al. Zoning of rural residential consolidation in western Hubei eco-zone under guidance of multi-dimensional industry[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(22): 27-37. (in Chinese with English abstract)

Zoning of the ecosystem service functions under multiple land consolidation scenarios

Zhou Zikang, Liu Dianfeng※

(,,430079,)

Ecosystem services can greatly contribute to human health and well-being. It is critical to delineate the ecosystem services into the function zones for the decision-making space management in sustainable development. Different management measures can also be implemented to improve the ability of ecosystem services, according to the type of ecological function zones. A land consolidation has posed diverse influences on the ecosystem in recent years, particularly on the idle, inefficient use and ecological degradation of land resources. However, only a few studies have focused on the impacts of land consolidation on the spatial agglomeration of ecosystem services. It is still lacking in the perceptiveness of consolidation policies.Taking the Zhaoyuan City, Shandong Province of China as an example, three scenarios of land consolidation were designed to realize the functional zoning of ecosystem services, according to territorial spatial planning. The specific three scenarios included the Business-as-Usual scenario (BAU), reclamation of abandoned mining areas scenario (RAM), as well as the scenarios of an increasing-decreasing balance of urban and rural construction land (BCL). A Markov-FLUS model was utilized to project the future demands of land use and spatial distribution under the three scenarios. A scenario simulation was also carried out to calculate the multiple ecosystem services. Furthermore, a fuzzy C-means clustering was selected to identify the ecological function zones, thereby exploring the ecosystem service capacity of function zones. The results showed there were significant changes in the land use structure and the improvement of ecosystem services under all scenarios of land consolidation.The cultivated land increased 76.32 hm2and 1 516.86 hm2in the RAM and BCL. The forestland also experienced a significant increase of 221.49 hm2and 2 280.60 hm2in the RAM and BCL, compared with BAU. The scale of construction land was effectively managed to improve the total amount of ecosystem in the RAM and BCL. There was a spatial heterogeneity of the RAM and BCL improvement. Not all the sub-districts (towns) improved ecosystem services. For example, most ecosystem services in the Quanshan sub-district and Biguo town decreased in the RAM, while the total carbon storage in the Mengzhi and Wenquan sub-districts decreased by 0.02% and 0.32% in the BCL, respectively. According to the function structure of ecosystem services, five ecological functional zones were divided, i.e., habitat conservation, carbon storage, carbon storage-food production, ecological maintenance, and comprehensive ecological zone. Compared with the BAU, the RAM was partially improved ecosystem services of functional zones. 60% of ecosystem services in the five ecological functional zones under the RAM were on the average level, similar to those in the BAU, and 28% of those were inferior, while only 12% of those were superior. The BCL significantly promoted the natural recreation service of all ecological functional zones, with an overall increase of 1.89%. The average value of natural recreation and food production increased by 0.25 and 0.10, respectively, in the habitat conservation zones. The average value of habitat quality and water conservation increased by 20.69% and 100%, respectively, in the carbon storage zones. A comprehensive consolidation potential can be taken in the different sub-districts (towns) to enhance the multiple services capacity of ecosystems, thereby delving into the potential of the key sources of rural land for a lower expansion rate of urban construction land.

land use; consolidation; ecosystem service; ecological functional zones; FCM clustering

周子康，劉殿鋒. 基于多元國土空間整治情景模擬的生態系統服務功能分區[J]. 農業工程學報，2021，37(22)：262-270.doi：10.11975/j.issn.1002-6819.2021.22.030 http://www.tcsae.org

Zhou Zikang, Liu Dianfeng. Zoning of the ecosystem service functions under multiple land consolidation scenarios[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(22): 262-270. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2021.22.030 http://www.tcsae.org

2021-08-09

2021-10-11

國家自然科學基金面上項目（41771429）

周子康，研究方向為土地利用變化模擬。Email：zhouzikang@whu.edu.cn

劉殿鋒，博士，副教授，博士生導師，研究方向為土地資源可持續利用、土地利用生態效應與優化決策。Email：liudianfeng@whu.edu.cn

10.11975/j.issn.1002-6819.2021.22.030

X171.1

A

1002-6819(2021)-22-0262-09