基于CLUE-S和InVEST模型的蘇州市生境質量評估及預測

唐嬌嬌，余成，張委偉，陳德超,*

1.蘇州科技大學環境科學與工程學院

2.蘇州科技大學地理科學與測繪工程學院

近年來，中國城鎮化進程不斷加快，2020年中國城鎮化率提升至63.89%，預計2030年將達70%[1]。城市的快速擴張和土地利用的變化將大量耕地、水域等生態用地轉變為建設用地，破壞了生態系統結構，影響區域的生境質量。因此，基于城市化進程中土地利用變化的生境質量演變評估和預測，對于建立綜合生態規劃體系、應對全球可持續發展的巨大挑戰具有現實意義。

生境質量是指自然環境提供適合個體和種群持續存在條件的能力，可指示生態環境好壞，是人類與自然、其他種群的和諧、可持續發展的重要決定條件[2-3]。而土地利用變化會影響生境質量，因此對生境質量的現狀及演變趨勢進行評估是近年的熱點研究[4]。常玉旸等[5]基于網絡分析法和空間自相關理論，評估了2000——2018年京津冀地區生境質量與景觀格局演變及關聯性。石小偉等[6]以天津市武清區為研究對象，分析1980——2018年的土地利用數據，利用InVEST模型進行生境質量模塊水平數值測度，探究京津都市圈發展對大都市郊區土地利用變化與生境質量的影響。彭建等[7]采用生態系統服務價值評價模型、InVEST模型和空間分析模型等評估安徽省黃山市1987——2017年生境質量。周婷等[8]綜合運用雙變量空間自相關和地理加權回歸，對1995——2015年神農架林區人類活動與生境質量的空間關系進行研究。陳雅倩等[9]采用InVEST模型分析了河北省唐縣2000年、2007年和2016年未利用土地開發前后的生境質量演變情況。Yang[10]以湖北省太行山區為例，研究山地生境質量演變及其與土地利用變化的關聯。現有研究大多分析過去和現在的生境質量變化，但預測評估未來土地利用變化下的生境質量研究較少，而評估未來的生境質量對區域發展有借鑒意義。

蘇州市作為長三角城市圈重要的經濟增長極，在生態文明建設方面一直備受關注。近年來蘇州市經濟發展迅速，城市快速擴張導致生態環境受到一定程度的影響，因此從土地利用演變的角度評估蘇州市生境演變特征并進一步完善區域土地資源的開發利用及優化配置，對于維持生態平衡，實現蘇州市可持續發展目標具有重要意義。筆者在參考相關資料并對蘇州市進行充分調研的基礎上，基于CLUE-S模型模擬檢驗蘇州市2018年的土地利用覆被擬合度，運用InVEST模型的生境質量模塊對2010年、2018年、2030年自然情景和生態保護情景下生境質量進行評估，分析2010——2030年生境質量的時空演變，以期為土地利用的開發和生態環境的保護提供科學依據。

1 數據與方法

1.1 研究區概況

蘇州市（119°55′E～121°20′E，30°47′N～32°02′N）位于江蘇省東南部，地形以平原為主，約占全市總面積的55%，境內河流眾多，水域占全市面積的36.6%（圖1）。蘇州市屬亞熱帶季風海洋性氣候，四季分明，氣候溫和，自然條件優越，2020年平均氣溫為17.3 ℃，年降水量為 1 196.5 mm。截至2020年11月，蘇州市常住人口為1 274.82萬人[11]。

圖1 研究區域行政區劃Fig.1 Administrative division of the study area

1.2 數據來源

本研究采用的土地利用覆被數據來源于中國科學院資源環境科學數據中心（http://www.resdc.cn）。數字高程模型（DEM數據）來源于地理空間數據云（http://www.gscloud.cn/），通過 ArcGIS 軟件提取坡度、坡向信息。社會經濟數據來源于蘇州市統計局(http://tjj.suzhou.gov.cn)。距離因子數據來源于國家地理信息資源目錄服務系統1∶100萬全國基礎地理數據庫（http://www.webmap.cn）。以上所有數據均在同一坐標系WGS_1984_UTM_Zone_50N下利用ArcGIS 10.6軟件轉換而成。

1.3 研究方法

1.3.1 CLUE-S模型

CLUE-S是荷蘭瓦赫根寧大學Verburg等[12-13]在CLUE模型的基礎上，開發的用于模擬未來土地利用變化的模型[14]。此模型可以展現不同情景不同時空尺度下的土地利用變化情況[15]，適用于解決小尺度范圍的土地利用變化模擬[16]。CLUE-S模型是在現有的土地利用變化基礎上，從自然、社會等方面選擇對研究區有驅動性的因子，模擬未來的土地利用變化格局。CLUE-S模型由非空間土地利用需求和空間分配模塊2部分組成[17]，非空間土地利用需求模塊根據研究區現狀、特點以及發展規律，計算土地利用需求[18]。空間分配模塊設置土地利用需求量為參數，結合驅動因子的空間分布特征，對柵格形式的土地利用類型歸屬進行分配迭代，從而模擬各年份土地利用類型的時空變化[19]。空間模擬相關參數設置如下。

（1）驅動因子的選擇。根據數據資料的可獲得性、驅動因子的綜合性和因子與土地利用變化的相關性，從自然環境方面選取高程、坡度、坡向作為驅動因子，社會經濟方面選取人口密度、GDP以及到公路、河流、鐵路、基礎設施、居民地的距離作為驅動因子，參考相關研究[20]，構建Logistic二元回歸模型進行分析，比較接受者操作特性（ROC）曲線選取最優尺度。

（2）限制區域。區域約束性文件為蘇州市域范圍，設置的土地利用類型間均可發生轉換（表1）。

表1 各土地利用類型轉換矩陣Table 1 Transformation matrix of each land use type

（3）土地需求計算。基礎數據為2010年和2018年的土地利用現狀數據，2011——2017年各年份的土地利用數據由線性內插法和GM（1，1）灰色模型獲取。

（4）土地利用類型轉換規則。對耕地、水域、建設用地、其他用地的轉換彈性系數多次調試，最終依次確定為0.6、0.8、0.7和0.7。

模型檢驗主要分為2個部分：1）采用ROC曲線檢驗Logistic二元回歸模型，設定ROC為0.5～1.0，當ROC大于0.7時，所選驅動因子對各土地利用類型具有較好的解釋能力。2）借助Kappa系數來檢驗CLUE-S模擬效果，利用ArcGIS 10.6軟件空間疊加比較土地利用模擬圖與現狀圖，普遍認為Kappa系數不小于0.75時，具有較理想的模擬效果[21]。

1.3.2 InVEST模型

InVEST模型主要應用于陸地、淡水和海洋3類生態系統服務評估，旨在支持生態系統管理和決策[22-23]。通過InVEST模型生境質量模塊計算蘇州市2010年、2018年和2030年2種情景下的生境質量指數、生境退化程度，進而分析研究區生境質量的時空演變特征以及土地利用覆被變化對生境質量的影響[24]。相應柵格內的生境質量由生境質量模塊根據土地利用數據和威脅因素測算[25-29]。

生境退化指數 (Dxj)計算公式[30]如下：

式中：Dxj為土地利用類型j中柵格x的生境退化指數；wr為各脅迫因子權重；ry為脅迫因子強度； βx為生境抗干擾水平；Sjr為不同生境對不同脅迫因子的相對敏感程度；irxy為柵格y中脅迫因子r對柵格x的影響；dxy為柵格x與柵格y之間距離；drmax為脅迫因子r影響范圍。

生境質量指數計算公式如下[25,31]式中：Qxj為土地利用類型j中柵格x的生境質量指數；Hxj為土地利用類型j中柵格x的生境適宜度；k為半飽和常數。

根據蘇州市實際情況，選擇耕地、建設用地作為脅迫因子，參考InVEST模型手冊及相關研究[32]對脅迫因子的權重、脅迫因子的最大影響距離、各土地利用類型的生境適宜度（表2）及各土地利用類型對脅迫因子敏感度等參數進行設置（表3）。

表2 脅迫因子的最大影響距離及其權重Table 2 Maximum influence distance and weight of stress factors

表3 生境適宜度及其對不同脅迫因子的敏感度Table 3 Habitat suitability and its sensitivity to different stress factors

2 結果與分析

2.1 精度檢驗與情景模擬預測

2.1.1 模擬精度檢驗

模擬結果的精確度受不同尺度的驅動因子影響，選擇 50 m×50 m、200 m×200 m、300 m×300 m、400 m×400 m和500 m×500 m尺度分別進行模擬，結果見圖2。從圖2可以看出，400 m×400 m時為最優擬合尺度，基于此尺度進行試驗。

圖2 不同模擬尺度下各地類ROC變化Fig.2 Changes in ROC of each land use type under different simulation scales

采用 Kappa系數〔式（5）〕[33-35]對 2018 年實際土地利用圖和模擬土地利用圖（圖3）進行定量檢驗，以反映CLUE-S模型的模擬效果，得到的具體數據見表4。

表4 土地覆被模擬結果與現狀數據對比Table 4 Comparison of land cover simulation results and current data

圖3 蘇州市2018年實際土地利用與模擬土地利用對比Fig.3 Comparison of actual land use and simulated land use in Suzhou City in 2018

式中：Po為正確模擬比例；Pc為隨機狀況下的期望正確模擬比例；Pp為理想模擬比例。

從表4可以看出，模擬正確的柵格數為48 205個，占柵格總數的89.09%，即Po=0.890 9；將蘇州市土地利用類型分為四大類，即Pc的 取值為1/4；Pp取1。據此計算出Kappa系數為0.854 5，大于0.75，說明CLUE-S模型模擬蘇州市土地利用空間格局變化是可行的，而且模擬精度較高。

2.1.2 2030 年情景模擬

以2018年相關數據為起始數據，預測2030年土地利用變化格局，設置2030年自然增長情景和生態保護情景2種不同的情景，對蘇州市生境質量進行模擬（圖4），并將2018年實際土地利用數據與2030年不同情景下模擬的土地利用數據進行對比（表5）。

圖4 蘇州市2030年不同情景下土地利用模擬結果Fig.4 Land use simulation results of different scenarios in Suzhou City in 2030

表5 2030年不同情景模擬下土地利用面積及占比Table 5 Land use area and proportion under different scenarios in 2030

2.1.2.1 自然增長情景

設定自然增長情景下蘇州市的土地利用變化幅度和規律與2010——2018年變化速率一致，不考慮政策的影響，模擬蘇州市2030年自然增長情景下的生境質量。該情景下，研究區的耕地面積減少，耕地面積占比減少了4.00個百分點，耕地部分轉變為建設用地；建設用地面積增加了4.25個百分點，水域面積變化不大，減少了0.34個百分點；其他用地面積略有增加，增加了0.09個百分點。在空間上，建設用地的增加主要分布于昆山市。綜上，自然增長情景下耕地和建設用地面積變化明顯，耕地大面積轉化成建設用地，耕地和水域面積減少。

2.1.2.2 生態保護情景

該情景以生態環境的保護為目標，依據《江蘇省生態空間管控區域規劃》嚴格限制耕地和水域的轉變。相比自然增長情景，該情景下耕地和水域面積變化較小。與2018年現狀對比，該情景下，耕地面積減少了2.14個百分點；水域和其他用地變化較小，水域減少了0.02個百分點，其他用地增加了0.07個百分點；建設用地面積略有增加，增加了2.09個百分點。空間上，建設用地的增加主要分布在昆山市。該情景通過彈性系數限制耕地、水域轉變，區域內的建設用地面積增加緩慢，生態系統功能得到修復，水域面積基本維持原有狀態。

2.2 生境質量評估

基于過去（2010年）、現狀（2018年）和未來（2030年）的土地利用數據，利用InVEST模型對自然增長和生態保護情景下的生境質量進行評估，在ArcGIS 10.6軟件中使用自然斷點法將其分類成5個等級，統計3個時期各等級的柵格面積及占比（表6），對不同時期的生境質量進行分析。

表6 各等級生境質量面積與占比Table 6 Area and proportion of each grade of habitat quality

從圖5可以看出，2種情景生境質量好的區域主要集中在太湖流域和長江沿岸，該區域水系發達，河網密布，保證了水源涵養性和生物多樣性，生境退化程度最低。而生境質量差的區域主要集中在姑蘇區、虎丘區、相城區、昆山市等人類活動強度大、工業發達的地區，該地區生境斑塊破碎度與生態脆弱性較高，受人類活動影響較為敏感，生境退化程度最高。

圖5 蘇州市過去、現狀和未來不同情景下生境質量空間分布Fig.5 Spatial distribution of past, present and future habitat quality in Suzhou under different scenarios

2010——2018年生境質量為差的區域占比上升，增加了17.36%。從土地利用變化角度來看，近20年耕地面積減少了361.86 km2，而建設用地面積增加了367.89 km2，建設用地增加來源主要是耕地，建設用地占用耕地會對周圍生境產生威脅。總的來說，蘇州市2010——2018年城市發展迅速，生境退化程度增加。

2010年、2018年、2030年自然增長情景和2030年生態保護情景下研究區的平均生境質量指數分別為 0.476 2、0.474 8、0.473 4和 0.481 9。2030年生態保護情景下的生境質量最優，而2030年自然增長情景的生境質量低于2018年和2010年。

3 討論

3.1 CLUE-S 和InVEST模型的集成建模

CLUE-S模型的優點在于綜合考慮了自然因素(如高程、坡度、坡向等)和社會經濟因素(如GDP、人口密度等)，并清楚地說明了土地利用變化的層次結構、位置之間的空間連通性和穩定性。它已經被廣泛應用于模擬土地利用的時空變化，具有在不同生態系統和空間尺度下模擬土地利用變化和進行情景分析的優勢。將CLUE-S模型和InVEST模型結合模擬未來生境質量，在一定程度上豐富了生境質量模擬的研究，為蘇州市未來生態保護、城市土地利用規劃提供重要理論指導和技術依據。

3.2 生境質量變化分析

運用CLUE-S模型和InVEST模型對蘇州市過去、現狀和未來的生境質量進行評估，發現2010——2018年蘇州市生境質量指數逐漸變小，生境質量較差的區域主要集中在姑蘇區、虎丘區、相城區、昆山市等人類活動強度大、工業發達的地區。主要原因是蘇州市在2010——2018年經濟發展迅速，人口增加，工業化和城鎮化規模擴大，土地利用方式發生改變，城市建設用地增多，進而影響了其生境質量。對2030年自然增長情景和生態保護情景下的土地利用變化和生境質量模擬預測，發現自然增長情景和生態保護情景下的土地利用變化都主要集中在昆山市，主要表現為建設用地面積的增加，差異在于2種情景下的土地利用變化不同。這是因為近年來昆山市是中國大陸經濟實力較強的縣級市之一，連續多年被評為全國百強縣之首，其在城市建設、工業發展方面穩步前進。2030年自然增長情景下的平均生境質量指數低于2018年和2010年，生境質量呈變差趨勢。而2030年生態保護情景下的生境質量優于2018年，表明在生態保護的加持下，生境質量不斷得到優化。

生境質量較好的區域主要分布在太湖流域、長江沿岸。國家及地方高度重視太湖流域、長江沿岸的生態環境治理，其作為生態保護的重點監管區域，所以生境質量較高。蘇州市全面整治當前存在的水環境問題，科學系統推進水污染治理、水生態修復等工作，預計2030年太湖流域和長江沿岸的生境質量還會得到優化。

3.3 不確定性分析

土地利用系統受自然、社會、經濟、人文等眾多因素的影響，筆者從自然環境和社會經濟2個方面選擇了10個驅動因子定量模擬蘇州市的土地利用變化，在實際發展過程中，影響土地利用變化的因子還有很多，卻難以量化表示，目前階段無法將其考慮進模型中，因此可能不能精準地預測蘇州市未來的土地利用變化。另一方面，對未來情景模擬預測時，社會經濟因素（如公/鐵路規劃、基礎設施等）的未來發展趨勢難以精準把握，預測結果存在一定的不確定性，與2030年的實際發展有一定的誤差。

4 結論與展望

4.1 結論

（1）通過Kappa系數 (0.854 5) 檢驗，蘇州市2018年土地利用現狀和土地利用模擬結果吻合度較高，說明該模型可以對蘇州市未來的土地利用格局進行模擬。

（2）對2030年不同情景的預測表明，生態保護情景下，生境質量明顯優于自然增長情景，耕地得到有效保護，建設用地有序增長，整體更加注重發展質量。

（3）蘇州市中心城區、工業較集中和人口活動強度大的地區的生境質量差，太湖周邊等水系發達地區生境質量較好。未來研究區在發展經濟的同時，也要注意生態保護，實現高質量發展。

4.2 展望

目前，大多數研究利用InVEST模型對生境質量進行評估時只考慮了研究區內部脅迫因子對生境的影響，未考慮研究區域內不同脅迫因子之間的耦合關系以及研究區邊界以外的脅迫因子對邊沿地帶生境的影響，所以未來還需要將研究區域內不同脅迫因子之間的耦合關系納入模型之中，考慮融合研究區以外地帶的脅迫因子數據，更好地為研究區生態環境保護及可持續發展提供參考依據。同時，還需結合相應的規劃政策，進一步改進模型參數的設置，提高模擬的準確性，從而更好地為未來的發展規劃提供參考。