基于GeoSOS-FLUS的涪江流域生態系統服務價值評估及多情景模擬

楊偉青, 張會蘭

(北京林業大學 水土保持學院 重慶縉云山三峽庫區森林生態系統國家定位觀測研究站, 北京 100083)

生態系統服務價值(Ecosystem services value, ESV)用以鑒別、量化和貨幣化生態系統服務[1-2]，是制定區域生態環境管理和生態補償政策的主要依據[3-4]。自1997年Costanza[2]首先將生態系統服務分類并貨幣化經濟價值以來，ESV評估成為研究熱點。國內學者謝高地等[5-6]隨后對Costanza的研究成果進行修正，構建了適宜我國不同區域和不同生態系統的中國生態系統服務當量因子表，得到了廣泛應用[7-8]。目前，ESV及其評價方法[9]研究在單一生態系統[10]、區域[11-12]生態價值評估以及驅動力研究方面取得豐富進展。ESV的未來評估對生態脆弱區域的系統規劃與管理具有重要意義，然而，對ESV的動態變化特征以及未來演變趨勢的研究仍十分匱乏。土地利用是自然環境與人類活動之間作用最明顯的表現形式[13]，土地利用類型直接影響區域生態系統服務能力[14]，反過來生態系統服務的退化也會影響土地利用結構變化[15]，兩者相互影響、相互制約。因而，基于情景假設的土地利用結構預測，可為ESV預測提供一種潛在的有效途徑。

涪江流域是長江上游水土流失較為嚴重的地區之一，是典型的生態敏感脆弱區。在退耕還林和城鎮化快速發展背景下，該區域土地利用結構已發生明顯變化，但土地利用結構和生態服務價值的歷史動態變化以及未來發展趨勢尚不清晰。本文以涪江流域為研究區，基于1980—2018年的五期土地利用數據，評估其在歷史時期的生態系統服務價值時空變化特征，其中基于網格和縣域角度生態價值分布和占比進行研究；其次，基于研究流域未來的可能發展方向，采用GeoSOS-FLUS[16]設置自然發展情景、耕地安全情景、生態保護情景和快速發展4種情景，模擬2030年土地利用變化結構，預測多種情景發展模式下的ESV未來趨勢。研究結果可為流域生態保護與經濟開發建設的協同發展提供參考，對長江經濟帶建設生態健康發展亦具有指導意義。

1 研究區概述

涪江，發源于四川省松潘縣與平武縣之間的岷山主峰雪寶頂，干流全程697 km，是長江支流嘉陵江的右岸最大的一級支流。涪江從西北向西南由高山區進入盆地丘陵區，流經川、渝兩省市32個縣區，在重慶市合川區匯入嘉陵江。流域位于東經103°42′50″—106°16′25″、北緯29°17′31″—33°02′42″，總面積35 842 km2，屬亞熱帶濕潤性氣候區，多年平均氣溫在14.7～18.2℃，降水量在800～1 000 mm。涪江流域是長江上游主要農業產區和重點產沙區，流域內以旱地(37.73%)、水田(19.73 %)、有林地(12.35 %)和草地(11.86 %)為主，其中耕地面積(旱地、水田)占流域總面積的57.46%。自1999年實施退耕還林政策以來，耕地面積發生明顯變化；同時，流域內經濟發展態勢良好，城鎮面積增加明顯。

2 研究方法

2.1 數據來源

基礎數據包括土地利用、FLUS模型驅動因子和生態系統服務價值當量修正3類(表1)。其中，土地利用數據由Landsat遙感影像解譯獲得，柵格精度30 m，通過外業調查和隨機抽取動態圖斑重復判讀分析相結合的方法進行檢驗，耕地分類精度為85%，其他土地利用類型的分類精度均達75%以上，根據Kappa系數檢驗標準，解譯結果通過驗證[17]。模型驅動因子數據中，選用地形和可達性因素8個因子。當量修正數據類別中基于謝高地等[4]的研究，將主要糧食產量經濟價值作為修正依據，由于涪江流域80%以上面積位于四川省，故選取四川省主要作物統計數據。

2.2 技術路線

本文基于2.1所示數據，采用社會經濟因子調整系數修正傳統生態系統服務價值評估模型，構建符合流域的生態系統服務價值評估模型，運用ArcGIS 10.2多個處理模塊探究土地利用及生態系統服務價值時空格局變化，在此基礎上，運用GeoSOS-FLUS軟件構建4種情景下2030年土地結構變化，模擬土地利用結構和生態系統服務價值的未來演變，具體如圖1所示。

2.3 方法模型

2.3.1 生態系統服務價值評估 根據表2四川省主要農作物播種面積、單產及價格信息，通過式(1)計算得到單位面積農田每年自然糧食產量的經濟價值為1 901.33元/hm2。

(1)

式中:E為1個標準當量因子的生態系統服務價值量;1/7指沒有人力投入下自然生態系統提供的經濟價值占現有單位面積耕地提供的食物生產服務經濟價值的1/7;n為糧食種類;mi為第i中糧食作物的播種面積(hm2);qi為第i種糧食作物的單產(t/hm2);pi為第i種糧食作物2018年的全國平均價格(元/t);M為糧食作物播種的總面積(hm2)。

表1 研究數據列表

圖1 技術路線

表2 四川省主要糧食作物播種面積、糧食單產和全國平均單價

耕地價值系數由旱地、水田比例系數修正，林地、草地、水域、未利用土地分別對應二級分類中的闊葉、草甸、水系和裸地，建設用地的價值系數設定為0，ESV計算公式為如(2—3) 所示，得到涪江流域單位面積生態系統服務價值表(表3)，基于ArcGIS 10. 2研究采用5 km×5 km的單元網格對流域進行重采樣，得到1 600個評價單元，基于網格計算了研究區1980—2018年ESV值以分析其空間分布特征。

(2)

(3)

式中:ESV為研究區生態系統服務總價值;n為土地類型數量;VCk為單位面積上土地類型k的生態系統服務價值;Ak為研究區土地類型k的面積;ESVf為生態系統第f項服務功能價值;VCfk為研究區土地類型k的第f項服務功能價值系數。

2.3.2 FLUS模型 FLUS模型是劉小平等基于前人研究開發的土地預測模型，該模型基于元胞自動機(CA)模型，引入自適應慣性和競爭機制處理不同土地利用類型之間的復雜競爭，能有效處理自然和人為因素共同作用下土地轉化概率問題，其模擬的2010—2050年中國不同情景模擬下的土地利用變化結果，被證明精度更適用于模擬預測[16，18]，目前主要應用于土地利用模擬[19]、城市擴張模擬[20]和城市增長邊界的劃定[21]等方面。

表3 單位面積生態系統服務價值 元/hm2

該模型包括基于神經網絡的出現概率計算模塊以及基于自適應慣性模型的元胞自動機模塊，前者對驅動因子的空間分布進行樣本采樣和神經網絡訓練，得到不同地類的柵格適宜性概率，后一模塊基于概率計算模塊結果得到各柵格在規定時間內轉化的總概率，同時通過預期土地需求自適應調整、鄰域因子調試、模型檢驗和設置轉換成本完成迭代模擬參數設置，在達到迭代時間或未來數量目標時停止迭代，得到各地類空間分布情況，實現土地利用分布模擬，相關參數和具體設置情況如下：

(1) 適宜性概率計算：采用ArcGIS處理源數據，包括定義坐標系、重采樣以及生成距離分析圖，基于GeoSOS-FLUS軟件人工神經網絡模型算法(ANN)對基期土地利用數據和各驅動因子數據進行運算獲得適宜性概率(圖2)：

(4)

式中: sp(p,k,t)為時間t、柵格p下k土地類型的適宜性概率;wj,k是輸出層與隱藏層之間的權重;sigmoid()是隱藏層到輸出層的激勵函數;netj(p,t)是第j個隱藏層柵格p在時間t上所接到的信號。

圖2 各土地利用類型適宜性概率

(2) 自適應慣性系數：即當前土地數量與土地需求的差值會在迭代過程中進行自適應調整，在模擬過程中逐漸向目標數量接近的慣性系數，公式如式(5)所示：

(5)

(3) 鄰域因子設定與模型檢驗：模擬精度采用kappa系數評價，越接近1表示一致性越高，當kappa系數大于0.75，認為預測結果可信。鄰域因子參數范圍為0～1，越接近1代表該土地類型擴張能力越強，通過已有研究成果、各土地類型擴張能力特征以及不斷調試，設定模型鄰域因子(表4)，該鄰域因子模擬下2015年土地利用模擬結果的Kappa系數為85.19%。

(4) 轉換成本確定：即某類土地類型轉換為其他類型的難易程度，成本矩陣表示不同土地利用類型間的轉換規則，0表示不能轉換，1表示可以轉換。本文基于4種發展情景設計4種不同轉換成本矩陣(表5)。自然發展情景下，假定未來土地變化率與2000—2015年的變化量一致，研究區自然條件和經濟發展條件都不變的基礎上實現，利用馬爾可夫模型模擬土地需求量，設置所有土地類型均可互相轉換；耕地安全情景下，以保護基本農田為要點，耕地嚴禁轉出，除建設用地外均可轉為耕地；生態保護情景下，按各類土地生態效益進行排序：林地、水域、草地、耕地、建設用地、未利用土地，轉換原則為不允許排序高向排序低的土地類型轉變；快速發展情景下，按發展需求進行排序：建設用地、耕地、林地、水域、草地、未利用土地，轉換原則同生態保護情景一致。

表4 鄰域因子參數

表5 轉換成本矩陣

3 結果與分析

3.1 涪江流域1980-2018年土地利用結構動態變化

基于1980—2018年涪江流域土地利用類型圖(圖3)和流域不同土地利用類型面積和動態度(表6)發現，研究區以耕地和林地為主，2018年占比分別為57.46%和27.21%。土地結構變化集中在耕地的持續減少和建設用地的持續擴張，1980—2018年，耕地面積減少542.25 km2，減幅-2.57%。建設用地面積持續增加，1980—2018年，建設用地面積增加525.66 km2，增幅255.50%。林地面積先減少后增加，1980—2000年面積減少132.01 km2，2000—2018年面積增加50.05 km2，我國1999年開始實施的退耕還林政策，研究區2000年后耕地的減少與林地的增加印證了該政策實施的效果。草地面積先增加后減少，總面積變化小，共減少10.55 km2。水域和未利用土地面積在研究期內持續增加，分別增加63.52 km2，44.54 km2。根據土地利用動態度顯示，城鎮用地和未利用土地面積增速最快，分別為6.72%和5.92%，此外耕地、林地與草地有所減少，耕地的減速最快，為-0.07%，林地和草地相對穩定。

3.2 涪江流域1980-2018年ESV時間變化分析

1980—2018年ESV變化情況見表7，研究期間流域ESV總體呈上升趨勢，1980—2018年增長了7.19億元，從ESV結構功能來看，單項服務對ESV的貢獻順序是：水文調節>氣候調節>土壤保持>氣體調節>生物多樣性>凈化環境>食物生產>美學景觀>原料生產>維持養分循環>水資源供給，表明流域生態系統在調節服務和支持服務中發揮著重要作用。其中，調節服務價值增加了8.30億元，貢獻率115.44%，表明調節服務在流域生態系統中的主體功能仍在增強。此外，支持服務價值持續減少，減少了1.45億元，供給服務增加0.37億元，文化服務減少0.02億元。

圖3 1980-2018年涪江流域土地利用類型

表6 1980-2018年涪江流域土地利用面積 km2

表7 1980-2018年涪江流域生態系統服務價值結構變化 億元

圖4可以反映土地利用及其提供的ESV占比情況，從研究區土地利用結構來看，不同土地利用類型對ESV的貢獻順序為：林地>耕地>水域>草地>未利用土地，林地是流域ESV最主要的組成部分，占流域總價值的54%～55%，另外水域也以1%～2%的面積占比提供了11%～13%的ESV，在研究期間水域的ESV持續增加，增加了15.17億元，貢獻率210.99%，對流域ESV增長的貢獻率最大，表明流域ESV的增加，與水源涵養和林業工程等生態建設項目的實施密切相關。耕地提供的服務價值持續減少，林地和草地也呈現總體減少態勢，耕地、林地和草地分別減少了4.19億元、3.58億元和0.23億元。

圖4 1980-2018年涪江流域土地利用類型面積結構(A)以及生態系統服務價值結構(B)

3.3 涪江流域1980-2018年ESV空間變化分析

3.3.1 網格視角下ESV空間分析 研究分別基于5個時期1 600個評價單元格計算單位面積ESV，在ArcGIS 10.2軟件中利用克里格插值法(Ordinary Kriging)進行空間插值，根據單位網格ESV狀況，將研究區各評價單元劃分為5個等級：低(≤0.2)、較低(0.2，0.4]、中(0.4，0.6]、較高(0.6，0.8]、高(>0.8)(單位，億元)，得到1980—2018年流域ESV空間格局分布圖(圖5)，發現1980—2018年涪江流域ESV空間分布差異明顯。總體表現為上游高中下游低，同時下游地區大致呈現出ESV由中部向東西兩側遞減趨勢。流域北部上游高ESV地區以高價值和較高價值為主，主要得益于區域地勢較高，人類活動較少，林地分布廣，生態保育較好。中下游中部以中價值為主，其中在綿陽、梓潼和三臺縣附近出現較低價值區，蓬溪、遂寧和射洪縣出現較高價值區，并且在研究期間，較低價值區面積減少，1990年以后較高價值區中部出現高價值區，表明中下游沿河區域生態向好發展。流域中下游西南部主要以較低價值和低價值分布為主，在流域未來開發中需加強生態建設。

圖5 涪江流域1980-2018年生態系統服務價值空間分布

3.3.2 縣域視角下ESV空間分析 網格尺度ESV分布可以反映整個流域ESV空間分布和變化狀況，但縣市級ESV等級面積及其占比無法明晰，為進一步探究流域ESV的空間分布格局，運用ArcGIS疊加處理以及數據分析模塊，得到研究區各主要縣市級行政區各等級面積占比見圖6，流域各縣主要以較低價值分布為主，雖然流域整體ESV處于增加態勢，但各縣市ESV變化趨勢不同，這是價值增減在一定程度上相互抵消的結果。從各縣市等級占比情況看，北川縣、平武縣、松潘縣和安縣整體以較高和高價值占比為主，以上四縣均位于流域上游，是林地和草地的主要所在地，高森林覆蓋率、優良的生態環境使得該縣市高價值區占比高，生態效益好。安岳縣、合川市、大足縣、潼南縣、銅梁縣、中江縣和遂寧縣低價值分布占比高，鹽亭縣和梓潼縣區域內以較低價值為主，沒有較高價值區域，以上縣市均位于流域中下游，地勢較為平坦，是主要的人類活動區、耕作區，耕地面積占比大，從而降低了這些縣市的ESV，這也反映出流域中下游縣市境內可提供的生態價值低，生態空間相對較少，下一步應合理配置土地資源，以維持區域生態安全。

3.4 涪江流域生態系統服務價值模擬預測

3.4.1 2030年多情景土地利用結構模擬分析 基于4種發展情景的設定，模擬2030年土地利用分布，通過ArcGIS空間模塊得到4種情景模擬下2030年土地結構(表8)。自然發展情景下，2030年的模擬耕地和草地面積相較于2015年減少了297.65 km2，98.93 km2；建設用地面積擴張迅速，增加了330.09 km2，增幅47.91%。林地、水域與未利用土地分別增加了13.71 km2，22.10 km2，38.50 km2，面積變化較小。耕地安全情景下，耕地面積大幅擴張，增加了1 312.77 km2，面積占比增幅6.37%。此外除建設用地面積略有增加，增加了33.58 km2，林地、草地、水域和未利用土地分別減少了660.58 km2，609.66 km2，46.49 km2，21.79 km2。生態保護情景下，保護生態用地(即林地、水域和草地)是最主要的目標，因而2030年的模擬林地面積增加了570.27 km2，草地和水域分別增加了87.67 km2，27.50 km2，建設用地面積亦增加了78.17 km2。在此階段，生態用地的增加主要來自與耕地和未利用土地的轉入，分別減少了726.12 km2，29.66 km2。快速發展情景下，建設用地的擴張是經濟快速發展的基本標志，建設用地面積增加了94.20 km2，同時，耕地面積增加了1 230.07 km2，增加主要來自于草地的轉出，草地減少了1 218.96 km2。

圖6 1980-2018年涪江流域縣域視角各等級ESV面積占比

3.4.2 2030年多情景ESV模擬分析 從流域整體生態系統服務價值(表9)發現，4種發展情景提供的ESV變化不同，與2015年ESV相比，自然發展情景的ESV為784.80億元，增加了1.44億元；耕地安全情景下ESV為740.31億元，減少了43.05億元；生態保護情景的ESV最高，服務價值811.09億元，增加了27.74億元；快速發展情景下ESV為751.40億元，減少了31.96億元。自然發展情景下，調節功能將繼續發揮優勢，增加了2.27億元，各地類的ESV占比變化(圖7)顯示，水域提供的ESV增加了5.28億元，耕地和草地減少了4.45億元，這一階段水域成為維持流域生態服務供給的主要土地類型。耕地安全情景下，研究區土地生態系統提供各種服務的能力大幅降低，供給服務、調節服務、支持服務和文化服務分別減少了1.98億元、31.4億元、7.68億元和1.98億元。生態保護情景下，服務價值變化表現出與耕地安全情景下相反的趨勢，供給服務、調節服務、支持服務和文化服務分別增加了1.29億元、20.21億元、4.99億元和1.24億元。

除耕地服務價值減少外，林地、草地和水域分別增加了24.88億元、1.91億元和6.57億元，這表明以發展耕地侵占生態用地的模式會損害生態服務能力，撫育和發展生態用地對流域生態安全具有重大意義。快速發展情景下，食物生產服務和維持養分循環服務價值分別增加了1.80億元和0.08億元，供給服務、調節服務、支持服務和文化服務總體呈減少趨勢，分別減少了億元1.59，24.68億元、4.35億元和1.33億元。各地類的服務價值占比變化中，耕地和林地的ESV分別增加了9.50億元和0.98億元，而草地和水域服務價值分別減少了26.49億元和15.92億元，建設用地的快速擴張侵占生態用地，導致流域提供各項生態服務功能的能力降低。

4 討 論

涪江流域是長江上游水土流失較為嚴重的地區之一，是典型的生態敏感脆弱區，目前缺少對于涪江流域土地結構和ESV變化研究以及多情景模擬下演變趨勢的探究，因而研究對與涪江流域和長江上游生態屏障建設具有重要意義。本研究結果發現，各土地利用類型的貢獻順序為：林地>耕地>水域>草地>未利用土地，其中，流域林地提供的生態系統價值最高，占到流域總生態服務價值的54%～55%。熊鷹[22]在四川省開展的農業生態系統服務價值研究表明，林地在四川省農業生態系統服務價值中所占比重最大，這與本文研究結果一致。本文通過對1980—2018年土地利用類型面積結構變化和生態系統服務價值變化類比發現，變化呈正比關系，左玲麗等[23]在對岷江流域開展的ESV研究結果顯示，土地利用的變化會導致ESV的協同變化，與本文研究結果亦具有一致性。同時，在未來模擬情景中，耕地安全情景和快速發展情景提供的生態系統服務價值較2015年分別減少了43.05億元和31.96億元。左玲麗等[23]研究顯示以耕作和城市化等人類活動為主導的土地利用方式導致區域生態服務價值變化呈現減少趨勢，亦印證了本研究結論。因此，建議通過制定流域空間規劃，加強生態用地的保護與撫育，將生態空間修復與生態格局規劃納入流域未來開發建設過程，根據2016年國務院批準發布的《關于擴大新一輪退耕還林還草規模的通知》，繼續落實在耕地保有量基礎上為新一輪退耕還林創造條件。

本文基于GeoSOS-FLUS對涪江流域未來土地利用狀況進行多情景預測，在模型模擬過程中，選取8個驅動因素，同時基于2015年模擬結果經過多次測試鄰域因子獲取較為準確的模擬參數，以提高模型的準確性。但由于實際中土地利用變化的復雜性，仍有部分要素(如氣候和水文因素)未考慮，在今后將進一步研究。

表8 2030年多情景模擬下涪江流域各土地利用類型面積

表9 2030年多情景模擬下涪江流域生態系統服務價值 億元

圖7 2030年多情景模擬下涪江流域生態系統服務價值結構

5 結 論

研究區土地利用以耕地和林地為主。1980—2018年耕地面積持續減少，林地波動中減少，建設用地、水域和未利用土地面積在研究期內持續增加，其中建設用地擴張迅速，動態度6.72%。

涪江流域生態系統服務價值在研究期內總體呈上升趨勢，各土地利用類型的貢獻順序為：林地>耕地>水域>草地>未利用土地，其中林地和水域提供的生態系統服務價值貢獻率極高。水文調節、氣候調節、土壤保持和氣體調節服務在流域生態系統中發揮主要作用，調節服務在是流域生態系統中的主體功能，同時在研究期間增加了8.30億元，貢獻率115.44%。

從整體空間分布來看，38 a來流域生態系統服務價值總體上游高中下游低，同時下游地區大致呈現出ESV由中部向東西兩側遞減趨勢，流域西南部是流域的低生態價值區，需要在流域開發過程中重點關注。從縣域視角出發，北川縣、平武縣、松潘縣和安縣高價值占比高，縣域內生態格局安全。安岳縣、合川市、大足縣等縣市內低價值和較低價值占比高，可提供的生態價值低，生態安全有待提高。

生態保護情景下ESV增加了27.74億元，各項服務呈現向好趨勢，而在耕地安全情景和快速發展情景下，流域內各項生態服務功能不能維持目前提供生態服務的水平，除食物生產以及維持養分循環外，提供生態服務的能力均呈現減少趨勢，這表明在未來開發建設的過程中，要注重保護和開發生態用地，才能維持流域提供生態價值的能力。