基于多情景模擬的洞庭湖流域LUCC與生境質量耦合演變分析

楊 伶,王金龍*,周文強

基于多情景模擬的洞庭湖流域LUCC與生境質量耦合演變分析

楊 伶1,王金龍1*,周文強2

(1.中南林業科技大學商學院,湖南 長沙 410004；2.中南林業科技大學林學院,湖南 長沙 410004)

以洞庭湖流域為研究區域,本文設定自然發展(情景1)、快速發展(情景2)、耕地保護(情景3)、生態保護(情景4)和可持續發展(情景5)5種情景模式,利用PLUS模型和InVEST模型模擬2030年5種不同情景下的土地利用和生境質量格局,并采用耦合協調度模型探究不同情景下LUCC與生境質量耦合協調特征.研究結果表明:1)土地利用變化模擬結果基本符合情景設置的要求,能較好地反映洞庭湖流域土地利用的演變規律和規劃方向.2)2030年洞庭湖流域生境質量水平為:情景4>情景5>情景3>情景1>情景2.3)2030年情景1、情景2和情景3耦合協調發展水平呈下降趨勢,且情景3下降程度略高于情景1和情景2;而情景4和情景5呈上升趨勢,且情景4上升程度略高于情景5.4)結合情景設置原則,可以發現情景5為洞庭湖流域LUCC與生境質量耦合協調發展空間格局優化提供了規劃發展可行性.

土地利用變化；生境質量；耦合演變；多情景模擬；洞庭湖流域

耦合最初是一個物理學概念,指兩個或兩個以上的體系或兩種運動形式之間通過各種相互作用而彼此影響以至聯合起來的現象[1].自從這一概念產生以來,耦合被廣泛運用于地理學研究領域,用來闡釋人類與自然之間、不同自然系統或社會系統之間復雜的相互關系并趨于協調統一的現象或過程[2-3].參照劉海猛等[4]學者有關城鎮化與生態環境耦合內涵的表述,LUCC與生境質量耦合的內涵也包含兩方面:LUCC通過人口增長、經濟增長、建設用地擴張、圍湖造田、毀林開荒、退田還湖和退耕還林等對生境質量產生脅迫或促進效應,生境質量又通過資源承載、環境容量和政策干預等對土地利用規劃產生約束或承載效應,兩者是相互包含、對立統一的競合關系.

近年來,許多學者對LUCC與生境質量情景模擬進行了大量的研究探討,主要集中在土地利用時空演變和預測模擬研究等方面,其模擬預測主要有數量預測模型、空間模擬模型和耦合模型[5].其中,LUCC數量預測模型主要有基于固定數學公式的Logistic回歸模型[6]、灰色預測模型[7]、馬爾科夫模型[8]等,還有運用較廣的系統動力學模型[9]和神經網絡模型[10]等,而空間模擬模型和耦合模型主要以CA模型為基礎.CA模型根據轉化規則挖掘策略可以分為兩類:一類是基于轉化分析策略(TAS)的CA模型,主要包括logistic-CA[11]和ANN-CA[12]等;另一類是基于格局分析策略(PAS)的CA模型,主要包括CA-Markov模型[13]、CLUE-S模型[14]、Fore-SCE模型[15]和FLUS模型[16]等.由于已有CA模型在轉化規則挖掘策略和景觀動態變化模擬策略等方面存在一定局限性[17],并在精細尺度下模擬多種自然土地利用類型的斑塊生長存在一定困難[18-19],這也導致CA模型在實際規劃、決策或政策制定中受到較大的限制[20].為了有效探索土地利用變化的驅動作用和模擬多種土地覆被類型的斑塊級變化,Liang等[20]學者提出一種基于柵格的斑塊生成土地利用模擬(PLUS)模型,可以更好地挖掘土地利用變化的驅動機理和模擬多種土地利用類型的斑塊演化[21].

洞庭湖流域地處我國長江中游以南,南嶺山脈以北,是我國重要的農產品生產基地,分布著洞庭湖區、南嶺區、武陵山區和桂西黔南石灰巖區等多個生物多樣性保護優先區[22].但是,長期的生態系統開發利用和巨大的人口壓力,使洞庭湖流域土地利用格局呈現建設用地不斷擴張和耕地持續萎縮等顯著特征[23],也出現了水土流失、濕地退化和湖泊萎縮等一系列生態環境問題[24].因此,通過運用抽象與現實的模型來模擬土地利用變化和生境質量演變過程,從而預測LUCC與生境質量耦合協調關系,對研究區土地利用合理配置、生態環境保護及可持續發展均具有重要意義.基于此,本文設置5種情景模式,利用PLUS模型和InVEST模型對2030年洞庭湖流域土地利用和生境質量進行模擬,并采用耦合協調度模型揭示不同情景下LUCC與生境質量耦合協調特征,以期為國土空間規劃和生態環境保護提供參考依據.

1 研究區概況與數據來源

1.1 研究區概況

洞庭湖流域(107°16′Ｅ-114°15′E, 24°38′N- 30°24′N),由洞庭湖區、湘江流域、資水流域、沅水流域和澧水流域組成,總面積達26.3×104km2(圖1).該流域東南西三面環山,東為幕阜-羅霄山脈,南為南嶺山脈,西為武陵-雪峰山脈,中部為丘陵型盆地,北部為洞庭湖平原,地勢由南逐漸向中部及東北部傾斜,呈向北敞口的馬蹄形[25].流域處于典型的大陸亞熱帶季風濕潤氣候,雨熱同季且充沛,自然植被以常綠闊葉林為主,森林資源較為豐富.境內水系發達,河網密布,形成以洞庭湖為積水區的輻射狀水系.洞庭湖是我國第二大淡水湖,其承納湘、資、沅、澧“四水”而吞吐長江[26],是保障長江中下游水生態安全不可缺少的屏障[27].

圖1 研究區概況

該圖基于國家測繪地理信息局標準地圖服務網站下載的審圖號為GS(2020)4632的標準地圖制作,底圖無修改

1.2 數據來源與處理

土地利用數據來源于中國科學院資源環境科學數據中心(http://www.resdc.cn),該數據一級類型綜合精度達到94.3%,二級類型分類綜合精度達91.2%以上[28],空間分辨率為30m.DEM數據來源于GEE平臺NASA DEM 30m數據集(NASA/ NASADEM_HGT/001),該數據集通過誤差校對等技術實現了STRM數據質量的提升.年均氣溫和年均降水量等氣象數據來源于國家氣象科學數據中心(http://data.cma.cn/wa)實測站點數據,并通過反距離權重插值得到,空間分辨率為30m.人口密度和人均GDP等統計數據來源于資源環境科學數據注冊與出版系統(http://www.resdc.cn/DOI)的中國人口和GDP空間分布公里網格數據集[29],該數據以縣域的人口和GDP統計數據為基礎,空間分辨率為1km.各級路網數據來源于全國地理信息資源目錄服務系統(https://www.webmap.cn/).

2 研究方法

2.1 情景模擬

2.1.1 情景設置 為了更好地推進洞庭湖流域城鎮化發展、耕地保護和生態保護之間的協調發展,本文設置5種土地利用變化模擬的情景.

(1)自然發展情景.該情景模式基于土地利用歷史變化規律,按照研究區現行國土空間規劃,不設定各地類之間相互轉移的限制條件,也未涉及政府耕地保護和生態保護相關政策的影響.

(2)快速發展情景.在快速發展目標下,城鎮化會侵占農業用地、林草用地和水源地,且建設用地因具有短期內不可逆轉的特性不允許轉變為其他地類.

(3)耕地保護情景.耕地保護情景對洞庭湖流域耕地進行有效保護,嚴格控制基本農田轉為其他地類,優先保護優質連片耕地,切實落實耕地占補平衡,嚴守耕地保護紅線,從而控制基本農田的總量.

(4)生態保護情景.該情景模式在自然發展情景中加入生態保護理念,嚴格控制林業用地和水源地轉為其他地類,限制城鎮擴張,模擬植被封禁和恢復、退耕還林和退田還湖等生態政策實施效果.

(5)可持續發展情景.可持續發展情景綜合考慮城鎮化發展、耕地保護和生態保護,在限制進行大規模高強度開發的農業區域和生態區域城鎮化擴張不直接侵占農業用地、林業用地和水源地,嚴守生態保護紅線、永久基本農田和城鎮開發邊界等空間管控邊界.

參照伍丹等[21]學者的研究,不同情景下土地利用需求設定為:自然發展情景未來各地類面積以模型預測結果為準;快速發展情景建設用地面積增幅提高20%進行測算;耕地保護情景耕地面積減幅降低 20%進行測算;依據《全國國土規劃綱要(2016～2030年)》和《湖南省“十四五”新型城鎮化規劃》,生態保護情景林地和水域面積下限控制為2018年的實際面積,林地增幅按預期指標的保有增量366.3km2/a計算,水域增幅則提高20%,建設用地5年新增面積控制在753.49km2以內;根據《全國國土規劃綱要(2016～2030年)》和流域所涉及七省份的《國土規劃綱要》,可持續發展情景耕地、林地和水域面積增幅或減幅降低 15%進行測算,新增建設用地面積控制在458.97～905.69km2以內.

2.1.2 PLUS模型 PLUS模型主要包含基于土地擴張分析策略的轉化規則挖掘框架(LEAS)和基于多類型隨機斑塊種子機制的CA模型(CARS)兩個模塊,模擬結果精度較高[20].其模擬過程主要包括:首先,根據洞庭湖流域的實際情況,從自然環境和經濟社會等方面選取了高程、坡度、年均氣溫、年降水量、人均GDP、人口密度、到各級道路的距離、到鐵路的距離、到水域的距離等驅動因素,并確保柵格化后數據與基期土地利用數據在投影坐標系和空間分辨率等方面保持一致性.其次,挖掘各地類擴張與驅動因素之間的關系,使用隨機森林算法,獲得不同土地利用類型擴張規律的轉化規則,并利用土地擴張分析策略(LEAS)模塊運算得到洞庭湖流域各地類的發展概率.最后,結合不同情景下未來各地類的需求狀況、轉移矩陣及鄰域權重等相關參數,采用多類型隨機斑塊種子和閾值遞減規則的CA模型對洞庭湖流域土地利用變化進行模擬.

在考慮流域土地利用變化規律的基礎上,本文采用PLUS模型集成的Markov Chain模塊進行土地利用需求量的預測,并結合土地利用類型轉移情況和情景設置條件,反復調試各參數,確定地類模擬轉移矩陣.為真實反映不同發展情景下土地利用變化模擬,并將相關政策融入模擬過程,自然發展情景轉換規則的約束條件主要結合土地利用變化規律來設定;快速發展情景建設用地不向其他地類轉移;耕地保護情景將基本農田設置為限制轉移區域;生態保護情景將林地、及水庫和河流等水源地設置為限制轉換區域;可持續發展情景將農產品主產區的農業用地,及重點生態功能區的林業用地和水源地設置為限制轉移區域.借鑒王保盛等[30]和歐陽曉等[31]學者的相關研究,本文采用各地類歷史變化規律來反映其擴張強度,將耕地、林地、草地、水域、建設用地和未利用地鄰域權重設定為0、0.3394、0.3347、0.4491、1和0.3880.為驗證模型的可靠性和穩定性,本文利用Kappa系數對模擬結果進行精度分析,其取值在0～1之間,該系數大于0.7表明模擬結果精度較高[32].

2.2 InVEST模型生境質量模塊

本文采用InVEST模型的生境質量模塊對生境質量進行評估,其核心思想是通過計算脅迫因子對生境產生的負面影響來度量生境的退化程度,并結合生境的適宜情況來計算生境質量.柵格單元處的土地覆被或生境類型的生境質量(Q)為:

(2)

式中:H、D、和分別為地類的生境適宜度、地類中柵格單元的生境退化度、半飽和常數(通常取D最大值的1/2)及模型默認參數(一般為2.5);、、Y和W分別為脅迫因子總數、威脅因子柵格圖層中的柵格單元、威脅因子所占柵格單元數量和脅迫因子的權重;r、i、β和S分別為地類柵格單元中的脅迫因子、柵格單元中的脅迫因子對生境柵格單元的影響程度、威脅源到柵格的可達性和地類對脅迫因子的相對敏感程度;d和dmax分別為柵格單元(生境)和柵格單元(脅迫因子)之間的直線距離,及脅迫因子的最大影響范圍.

根據洞庭湖流域土地利用的實際情況,本文將農村居民點、城鎮用地、廠礦用地、主要公路、主要鐵路、水田、旱地、裸土地和裸巖石質地設定為脅迫因子.參考相關文獻[33-35]和InVEST模型使用手冊對脅迫因子參數和生境敏感性參數信息進行設定.

2.3 耦合協調度模型

參照孫斌等[36]學者的相關研究,本文引入耦合協調度模型來反映洞庭湖流域LUCC與生境質量的耦合協調關系.D為第個樣本點的耦合協調度,其表達式[36-37]為:

(5)

(6)

式中:C和H分別為第個樣本點LUCC與生境質量的耦合度和協調發展指數;HQ和LCI分別為第個樣本點的生境質量指數和土地利用狀況指數;1和2為待定系數,一般取1=2=0.5.參照邵全琴等[38]學者的研究,本文將土地利用狀況指數(LCI)定義為研究區林地、草地、水域與未利用地(主要為沼澤地)四種具有較好生態服務的土地利用類型面積之和的百分比,主要用來衡量和反映研究區土地利用狀況和生態系統綜合功能,其具體公式為:

式中:Area為樣本點第類土地覆被類型的面積,=1,…,4分別代表林地、草地、水域與未利用地4種土地覆被類型;AREA為樣本點的總面積.

根據馮雨雪等[39]和楊亮潔等[37]學者有關城鎮化與生態環境耦合協調度的研究,本文將洞庭湖流域LUCC與生境質量的耦合協調度劃分為5個等級,如表1所示.

表1 LUCC與生境質量耦合協調度的類型

3 結果與分析

3.1 土地利用情景模擬

本文利用歷史土地利用數據模擬2018年洞庭湖流域土地利用空間格局,相較于2018年實際土地利用數據,平均預測精度為99.32%,Kappa系數為0.9074,表明PLUS模型在所選驅動因素下對洞庭湖流域土地利用變化模擬效果較好,且模擬精度能達到預測要求.

2018年洞庭湖流域土地利用類型以林地和耕地為主,占流域總面積的88%以上,其中林地占比在60%以上(表2).從洞庭湖流域土地覆被空間分布來看,林草用地主要分布在東南西三面環山的山地地帶,平原區林地分布較少;耕地主要分布在環洞庭湖平原、湘中南丘陵地區、及流域西部山地農業帶,并隨著高程增加呈逐漸減少趨勢;水域和未利用地主要分布在流域各大河流集中分布的區域,以河網密集的洞庭湖區分布最廣;建設用地主要分布在平原區和丘陵地區,以環長株潭城市群為核心(圖2a).

表2 不同情景下洞庭湖流域土地覆被類型面積及比率

圖2 不同情景下2030年洞庭湖流域土地利用格局模擬結果

在自然發展情景下,耕地萎縮、林草用地略有下降、水源地呈擴張趨勢、建設用地擴張迅速和未利用地略有增加(圖2b和表2).在近40年洞庭湖流域土地利用變化規律的主導下,耕地和林地分別減少0.1104×104km2和0.0009×104km2,建設用地增加0.1087×104km2,與2010-2018年相比,農林用地收縮幅度基本持平,而城鎮擴張幅度略有增加.

在快速發展情景下,土地利用格局演變趨勢與自然發展情景基本一致,且林地收縮幅度和建設用地擴張幅度在自然發展情景的基礎上進一步擴大(圖2c和表2).其中,林地減少0.0018×104km2,建設用地增加0.1097×104km2,林地收縮和建設用地擴張面積均比自然發展情景增加0.001×104km2左右.

在耕地保護情景下,耕地穩定不變、林草用地下降明顯、水源地略有上升和建設用地擴張明顯(圖2d和表2).與自然發展情景和快速發展情景相比,耕地保護情景林地收縮幅度上升明顯,水域和建設用地擴張幅度明顯下降.

在生態保護情景下,土地利用格局呈現耕地收縮、林地增長、水域略有上升、建設用地擴張、草地和未利用地分別略有下降的演變趨勢(圖2e和表2).耕地收縮幅度與自然發展情景和快速發展情景基本一致,林業用地和水源地均呈增長趨勢,其中林地增長較為明顯,建設用地擴張幅度依次小于快速發展情景、自然發展情景和耕地保護情景.

在可持續發展情景下,2030年洞庭湖流域土地利用格局呈現以下特征:一是耕地面積低于耕地保護情景,但其收縮幅度明顯小于其他情景;二是林地和水域面積略低于生態保護情景,但均高于其他發展情景;三是建設用地面積高于生態保護情景,但均低于其他發展情景(圖2f和表2).

3.2 生境質量情景模擬

基于不同情景下的土地利用空間格局,根據InVEST模型生境質量模塊得到不同情景下各像元(空間分辨率為30m)的生境質量指數.張丹紅等[40]學者對不同分級方法的分級質量進行對比,發現自然斷點法具有較高的分級精度,也能兼顧各級服務強度極差的均衡性,綜合制圖效果較好.在考慮分級質量和可比性的基礎上,本文利用自然斷點法將研究區的生境質量劃分為低等級(Q<0.047)、較低等級(0.047￡Q<0.4)、中等級(0.4￡Q<0.6)、較高等級(0.6￡Q<0.7)和高等級(0.7￡Q<1)生境質量區.

2018年生境質量總體良好,呈現高、中和較低等級并存格局,以高等級生境質量區為主,占流域總面積的50%左右(表3).從生境質量空間格局來看, 2018年洞庭湖流域生境質量整體上呈現由西部地區向東部和北部地區遞減的趨勢.具體來看,以各大中城市和小城鎮的建成區為低生境質量區,依次向“環洞庭湖平原和湘中南丘陵地區”,“武陵-雪峰山脈山地生態農業帶和桂黔滇喀斯特石漠化防治生態功能區”,“武陵-雪峰山脈、南嶺山脈和羅霄-幕阜山脈”逐漸提升的空間分布特征(圖3a).

在自然發展情景下,2030年洞庭湖流域低和較低等級生境質量區逐步擴張,分別增加0.1083× 104km2和0.0237×104km2;而中、較高和高等級生境質量區逐步收縮,分別減少0.0968×104km2、0.0058× 104km2和0.0294×104km2(圖3b和表3).由此來看,自然發展情景下2018～2030年洞庭湖流域生境質量呈變差趨勢,生態環境問題較為嚴重.

在快速發展情景下,生境質量空間格局演變規律與自然發展情景基本一致,且低等級生境質量區擴張幅度和較高等級生境質量區收縮幅度在自然發展情景的基礎上進一步呈擴大趨勢(圖3c和表3).其中,低和較低等級生境質量區分別增加0.1093× 104km2和0.0156×104km2,中、較高和高等級生境質量區分別減少0.0940×104km2、0.0059×104km2和0.0251×104km2.由此來看,快速發展情景下2018～ 2030年洞庭湖流域生境質量在自然發展情景變差趨勢的基礎上進一步惡化.

表3 不同情景下洞庭湖流域生境質量的面積及占比

在耕地保護情景下,生境質量格局呈現出與自然發展情景和快速發展情景相似的演變趨勢(圖3d和表3).其中,低和較低等級生境質量區分別增加0.0547×104km2和0.0987×104km2,中、較高和高等級生境質量區分別減少0.1152×104km2、0.0055× 104km2和0.0326×104km2.與自然發展情景和快速發展情景相比,耕地保護情景較低等級生境質量區擴張幅度,及中等級和高等級生境質量區收縮幅度呈擴大趨勢,而低等級生境質量區擴張幅度和較高等級生境質量區收縮幅度呈減少趨勢.由此來看,耕地保護情景下2018-2030年洞庭湖流域生境質量呈變差趨勢,但相較于自然發展情景和快速發展情景有所緩和.

圖3 不同情景下2030年洞庭湖流域生境質量模擬結果

在生態保護情景下,低和高等級生境質量區呈擴張趨勢(以高等級生境質量區為主),分別增加0.0031×104km2和0.0879×104km2;而較低、中和較高等級生境質量區呈收縮趨勢(以較低和中等級生境質量區為主),分別減少0.0756×104km2、0.0105× 104km2和0.0048×104km2(圖3e和表3).相較于自然發展情景、快速發展情景和耕地保護情景,生態保護情景較低等級生境質量區明顯收縮、高等級生境質量區明顯擴張和低等級生境質量區擴張趨勢明顯放緩.由此來看,生態保護情景下2018～2030年洞庭湖流域生態環境問題得到遏制,生境質量呈明顯改善趨勢.

在可持續發展情景下,生境質量演變規律與生態保護情景基本一致.其中,低和高等級生境質量區分別增加0.0256×104km2和0.0698×104km2,較低、中和較高等級生境質量區分別減少0.0705×104km2、0.0202×104km2和0.0046×104km2(圖3f和表3).相較于生態保護情景,可持續發展情景低等級生境質量區擴張幅度和中等級生境質量區收縮幅度呈增加趨勢,高等級生境質量區擴張趨勢則有所放緩.由此可見,可持續發展情景下2018～2030年洞庭湖流域生境質量呈改善趨勢,但相較于生態保護情景改善幅度略有放緩.

3.3 LUCC與生境質量耦合演變情景模擬

本文采用等間距采樣法將研究區劃分為1800m×1800m的網格單元,共計82475個樣本點.根據耦合協調度模型,得出各網格單元的LUCC與生境質量耦合協調度,參照耦合協調度的分類標準(表1)對研究區的LUCC與生境質量耦合協調類型進行劃分.

中度協調發展和高度協調發展是2018年研究區LUCC與生境質量耦合協調發展的主要類型(兩者占比達75%),其中,高度協調發展區占比在46%以上(表4).2018年洞庭湖流域LUCC與生境質量耦合協調空間異質性明顯,總體呈現東高西低的空間格局(圖4a).其中,失調衰退區、瀕臨失調衰退區和勉強協調發展區分布相對集中,由洞庭湖區和湘江流域逐漸向西部地區擴散;中度協調發展區主要分布在失調衰退區、瀕臨失調衰退區和勉強協調發展區的外圍區域,并成片分布在沅水流域的西部地區;高度協調發展區主要分布在流域三面環山地帶.

表4 不同情景下洞庭湖流域LUCC與生境質量耦合協調類型的面積

注:計量單位為104km2.

在自然發展情景下,研究區耦合協調水平由2018年的0.7365下降至2030年的0.7353.其中,失調衰退區呈擴張趨勢,高度協調發展區略有上升,兩者分別增加0.0697×104km2和0.0075×104km2;而瀕臨失調衰退區、勉強協調發展區和中度協調發展區呈收縮趨勢,分別減少0.0149×104km2、0.0110× 104km2和0.0512×104km2(圖4b和表4).由此來看,自然發展情景下2018～2030年洞庭湖流域LUCC與生境質量耦合協調發展水平呈小幅下降態勢.

在快速發展情景下,耦合協調演變趨勢與自然發展情景基本一致,失調衰退區和高度協調發展區分別增加0.0658×104km2和0.0130×104km2,瀕臨失調衰退區、勉強協調發展區和中度協調發展區分別減少0.0071×104km2、0.0496×104km2和0.0512× 104km2(圖4c和表4).相較于自然發展情景,快速發展情景失調衰退區的擴張幅度和勉強協調發展區的收縮幅度均呈現明顯的縮小趨勢.由此可見,快速發展情景下2018～2030年洞庭湖流域LUCC與生境質量耦合協調水平呈小幅下降態勢,但相較于自然發展情景下降態勢有所緩和.

圖4 不同情景下洞庭湖流域LUCC與生境質量耦合類型空間分布

在耕地保護情景下,研究區耦合協調水平由2018年的0.7365下降至2030年的0.7346.其中,失調衰退區和勉強協調發展區逐漸擴張,分別增加0.0768×104km2和0.0133×104km2;而中度和高度協調發展區逐漸收縮,分別減少0.0356×104km2和0.0541×104km2(圖4d和表4).與自然發展情景和快速發展情景相比,耕地保護情景失調衰退區和勉強協調發展區的擴張幅度,及高度協調發展區的收縮幅度呈擴大趨勢.由此可見,耕地保護情景下2018～ 2030年洞庭湖流域LUCC與生境質量耦合協調發展水平呈下降趨勢,這一趨勢在自然保護情景和快速發展情景的基礎上進一步呈加劇態勢.

在生態保護情景下,流域耦合協調水平由2018年的0.7365上升至2030年的0.7390.其中,高度協調發展區逐漸擴張,增加0.2070×104km2;失調衰退區、瀕臨失調衰退區、勉強協調發展區和中度協調發展區逐漸收縮,分別減少0.0065×104km2、0.0269× 104km2、0.0311×104km2和0.1426×104km2(圖4e和表4).相較于自然保護情景、快速發展情景和耕地保護情景,生態保護情景瀕臨失調衰退區和勉強協調發展區明顯收縮,高度協調發展區明顯擴張.由此可見,生態保護情景下2018～2030年洞庭湖流域LUCC與生境質量耦合協調發展呈上升態勢.

在可持續發展情景下,研究區耦合協調水平由2018年的0.7365上升至2030年的0.7381,除失調衰退區略有增加外,其演變趨勢與生態保護情景基本一致(圖4f和表4).其中,失調衰退區和高度協調發展區分別增加0.0081×104km2和0.2070×104km2,瀕臨失調衰退區、勉強協調發展區和中度協調發展區分別減少0.0246×104km2、0.0272×104km2和0.0771× 104km2.相較于生態保護情景,可持續發展情景高度協調發展區的擴張幅度和中度協調發展區的收縮幅度呈減少趨勢,失調衰退區由收縮趨勢轉為擴張趨勢.由此可見,可持續發展情景下2018～2030年洞庭湖流域LUCC與生境質量耦合協調發展水平呈上升態勢,但相較于生態保護情景上升態勢略有放緩.

4 討論

從情景模擬結果來看,生態保護情景具有最好的生境質量改善效果和LUCC與生境質量耦合協調提升效果,這與其他學者在長江上游[41]、漢江上游[42]和汾河源頭[43]等區域的研究結論基本一致.為進一步促進LUCC與生境質量耦合發展,在遵循經濟社會發展規律和自然規律的基礎上,洞庭湖流域必須確立生態保護理念,并將其納入土地利用空間規劃中.進一步對比分析情景設置原則和模擬結果,可以發現可持續發展情景兼顧經濟發展、耕地保護和生態保護,更具現實可行性,且可持續發展情景也具有良好的生境質量改善效果和耦合協調提升效果,這與李云[42]學者的研究結果基本一致.由此可見,可持續發展情景可為洞庭湖流域LUCC與生境質量耦合協調發展空間格局優化提供了規劃發展可行性.

人地系統是一個開放系統,LUCC與生境質量的耦合不僅要充分考慮系統內近程要素的深刻影響,還要關注系統外遠程要素帶來的影響[44].本文以近程耦合理念為指導,采用耦合協調度模型來度量LUCC與生境質量協調發展水平,尚未考慮LUCC與生境質量遠程和近遠程耦合關系.同時,本文雖以權衡經濟發展、糧食安全和生態安全的關系為擬解決的關鍵問題來設置情景,但未明確識別三者權衡的驅動因素.后續應將驅動力與生境質量聯系起來并形成機制,明確驅動因素對洞庭湖流域經濟發展、糧食安全與生態安全權衡關系的作用機制.

5 結論

5.1 土地利用變化模擬效果較好,平均預測精度為99.32%,Kappa系數為0.9074,基本符合情景設置的要求.

5.2 2030年自然發展情景、快速發展情景和耕地保護情景生境質量整體呈變差趨勢,而生態保護情景和可持續發展情景通過實施生態退耕政策和嚴守空間管控邊界使生境質量整體呈改善趨勢.

5.3 2030年自然發展情景、快速發展情景和耕地保護情景LUCC與生境質量耦合協調發展整體呈下降趨勢(以耕地保護情景最為明顯),而生態保護情景和可持續發展情景耦合協調發展整體呈上升趨勢(以生態保護情景最為突出).

[1] 周 宏.現代漢語辭海[M]. 北京:光明日報出版社, 2003.

Zhou H. The modern Chinese dictionary [M]. Beijing: Guangming Daily Publishing House, 2003.

[2] Qi J G, Chen J Q, Wan S Q, et al. Understanding the coupled natural and human systems in Dryland East Asia [J]. Environmental Research Letters, 2012,7(1):15202-15207.

[3] Morzillo A T, de Beurs K M, Martin-Mikle C J. A conceptual framework to evaluate human-wildlife interactions within coupled human and natural systems [J]. Ecology and Society, 2014,19(3):44.

[4] 劉海猛,方創琳,李詠紅.城鎮化與生態環境“耦合魔方”的基本概念及框架[J]. 地理學報, 2019,74(8):1489-1507.

Liu H M, Fang C L, Li Y H. The coupled human and natural cube: A conceptual framework for analyzing urbanization and eco- environment interactions [J]. Acta Geographica Sinica, 2019,74(8): 1489-1507.

[5] 劉甲紅,徐露潔,潘驍駿,等.土地利用/土地覆蓋變化情景模擬研究進展[J]. 杭州師范大學學報(自然科學版), 2017,16(5):551-560.

Liu J H, Xu L J, Pan X J, et al. Research progress on land-use and land-cover change scenario simulation. [J]. Journal of Hangzhou Normal University(Natural Science Edition), 2017,16(5):551-560.

[6] 李曉蕾,魏建新,徐麗萍,等.基于CLUE-S模型的博斯騰湖流域土地利用變化情景模擬[J]. 石河子大學學報(自然科學版), 2019,37(3): 345-352.

Li X L, Wei J X, Xu L P, et al. Scenario simulation of land use change in Boston Lake Basin based on CLUE-S model [J]. Journal of Shihezi University (Natural Science), 2019,37(3):345-352.

[7] 王 甜,閆金鳳,喬海燕.馬來西亞吉隆坡市土地利用變化特征分析與預測[J]. 水土保持通報, 2020,40(5):268-275,341.

Wang T, Yan J F, Qiao H Y. Analysis and prediction of land-use change characteristics in Kuala Lumpur, Malaysia [J]. Bulletin of Soil and Water Conservation, 2020,40(5):268-275,341.

[8] 單淥銥,王海軍,張 彬,等.顧及土地生態安全的環鄱陽湖城市群土地利用情景模擬[J]. 地球信息科學學報, 2020,22(3):543-556.

Shan L Y, Wang H J, Zhang B, et al. Land use simulation of the city clusters around Poyang Lake based on land ecological security assessment [J]. Journal of Geo-information Science, 2020,22(3):543-556.

[9] 田 賀,梁 迅,黎 夏,等.基于SD模型的中國2010～2050年土地利用變化情景模擬[J]. 熱帶地理, 2017,37(4):547-561.

Tian H, Liang X, Li X, et al. Simulating multiple land use scenarios in China during 2010～2050 based on system dynamic model [J]. Tropical Geography, 2017,37(4):547-561.

[10] 王崇倡,張 暢.基于遺傳BP神經網絡模型的土地利用變化預測模型研究[J]. 測繪與空間地理信息, 2017,40(2):52-55.

Wang C C, Zhang C. Prediction model of land use change based on genetic BP neural network model [J]. Geomatics & Spatial Information Technology, 2017,40(2):52-55.

[11] Wu F, Webster C J. Simulation of land development through the Integration of cellular automata and multicriteria evaluation [J]. Environment and Planning B: Planning and Design, 1998,25(1): 103-126.

[12] Omrani H, Parmentier B, Helbich M, et al. The land transformation model-cluster framework: applying k-means and the spark computing environment for large scale land change analytics [J]. Environmental Modelling & Software, 2019,111:182-191.

[13] 孫定釗,梁友嘉.基于改進Markov-CA模型的黃土高原土地利用多情景模擬[J]. 地球信息科學學報, 2021,23(5):825-836.

Sun D Z, Liang Y J. Multi-scenario simulation of land use dynamic in the Loess Plateau using an improved Markov-CA model [J]. Journal of Geo-information Science, 2021,23(5):825-836.

[14] 田義超,黃遠林,張 強,等.北部灣南流江流域土地覆蓋及生物多樣性模擬[J]. 中國環境科學, 2020,40(3):1320-1334.

Tian Y C, Huang Y L, Zhang Q, et al. Simulation of land cover and biodiversity in Nanliu river basin in Beibu Gulf [J]. China Environmental Science, 2020,40(3):1320-1334.

[15] Sohl T, Sayler K. Using the FORE-SCE model to project land-cover change in the southeastern United States [J]. Ecological Modelling, 2008,219(s1-2):49-65.

[16] 張凱琪,陳建軍,侯建坤,等.耦合InVEST與GeoSOS-FLUS模型的桂林市碳儲量可持續發展研究[J]. 中國環境科學, 2022,42(6):2799- 2809.

Zhang K Q, Chen J J, Hou J K, et al. Study on sustainable development of carbon storage in Guilin coupled with InVEST and GeoSOS-FLUS model [J]. China Environmental Science, 2022,42(6): 2799-2809.

[17] Sohl T L, Claggett P R. Clarity versus complexity: Land-use modeling as a practical tool for decision-makers [J]. Journal of Environmental Management, 2013,129:235-243.

[18] Meentemeyer R K, Tang W, Dorning M A, et al. Futures: Multilevel simulations of emerging urban rural landscape structure using a stochastic patch-growing algorithm [J]. Annals of the Association of American Geographers, 2013,103(4):785-807.

[19] Yang J, Gong J, Tang W, et al. Patch-based cellular automata model of urban growth simulation: Integrating feedback between quantitative composition and spatial configuration [J]. Computers, Environment and Urban Systems, 2020,79:101402.

[20] Liang X, Guan Q F, Clarke K C, et al. Understanding the drivers of sustainable land expansion using a patch-generating land use simulation (PLUS) model: A case study in Wuhan, China [J]. Computers, Environment and Urban Systems, 2021,85:101569.

[21] 伍 丹,朱康文,張 晟,等.基于PLUS模型和InVEST模型的成渝經濟區碳儲量演化分析[J]. 三峽生態環境監測, 2022,7(2):85-96.

Wu D, Zhu K W, Zhang S, et al. Evolution analysis of carbon stock in Chengdu-Chongqing economic zone based on PLUS model and InVEST model [J]. Ecology and Environmental Monitoring of Three Gorges, 2022,7(2):85-96.

[22] 萬華偉,王永財,侯 鵬,等.2001～2016年中國生物多樣性保護優先區域植被和水域動態監測與分析[J]. 生態與農村環境學報, 2019, 35(3):273-282.

Wan H W, Wang Y C, Hou P, et al. Monitoring and analysis on vegetation and waters dynamics in Chinese priority areas for biodiversity conservation during 2001～2016 [J]. Journal of Ecology and Rural Environment, 2019,35(3):273-282.

[23] 楊 伶,鄧 敏,王金龍,等.近40年來洞庭湖流域土地利用及生態風險時空演變分析 [J]. 生態學報, 2021,41(10):3929-3939.

Yang L, Deng M, Wang J L, et al. Spatial-temporal evolution of land use and ecological risk in Dongting Lake Basin during 1980～2018 [J]. Acta Ecologica Sinica, 2021,41(10):3929-3939.

[24] 鄧正苗,謝永宏,陳心勝,等.洞庭湖流域濕地生態修復技術與模式[J]. 農業現代化研究, 2018,39(6):994-1008.

Deng Z M, Xie Y H, Chen X S, et al. Wetland ecological restoration techniques and models in Dongting Lake basin [J]. Research of Agricultural Modernization, 2018,39(6):994-1008.

[25] 劉博學.湖南土壤的地理分布規律[J]. 湖南師范大學自然科學學報, 1986,(3):101-109.

Liu B X. Geographic distribution of soils in Hunan Province [J]. Journal of Natural Science of Hunan Normal University, 1986,(3): 101-109.

[26] Tian Z B, Zheng B H, Wang L J, et al. Effects of river-lake interactions in water and sediment on phosphorus in Dongting Lake, China [J]. Environmental Science & Pollution Research International, 2017,24(7):1-11.

[27] 張光貴,王丑明,田 琪.三峽工程運行前后洞庭湖水質變化分析 [J]. 湖泊科學, 2016,28(4):734-742.

Zhang G G, Wang C M, Tian Q. Changes of water quality in Lake Dongting before and after Three Gorges Project operation [J]. Journal of Lake Sciences, 2016,28(4):734-742.

[28] 徐新良,劉紀遠,張增祥,等.中國5年間隔陸地生態系統空間分布數據集(1990～2010)內容與研發[J]. 全球變化數據學報(中英文), 2017,1(1):52-59,175-182.

Xu X L, Liu J Y, Zhang Z X, et al. A time series land ecosystem classification dataset of China in five-year increments (1990～2010) [J]. Journal of Global Change Data & Discovery, 2017,1(1):52-59,175-182.

[29] 徐新良.中國人口空間分布公里網格數據集[DB/OL]. 資源環境科學數據注冊與出版系統(http://www.resdc.cn/DOI), 2017.

Xu X L. China population spatial distribution kilometer grid dataset [DB/OL]. Resource and Environmental Science Data Registration and Publishing System, (http://www.resdc.cn/DOI), 2017.

[30] 王保盛,廖江福,祝 薇,等.基于歷史情景的FLUS模型鄰域權重設置——以閩三角城市群2030年土地利用模擬為例[J]. 生態學報, 2019,39(12):4284-4298.

Wang B S, Liao J F, Zhu W, et al. The weight of neighborhood setting of the FLUS model based on a historical scenario: A case study of land use simulation of urban agglomeration of the Golden Triangle of Southern Fujian in 2030 [J]. Acta Ecologica Sinica, 2019,39(12): 4284-4298.

[31] 歐陽曉,賀清云,朱 翔.多情景下模擬城市群土地利用變化對生態系統服務價值的影響——以長株潭城市群為例[J]. 經濟地理, 2020,40(1):93-102.

OUYang X, He Q Y, Zhu X. Simulation of impacts of urban agglomeration land use change on ecosystem services value under multi-scenarios: case study in Changsha-Zhuzhou-Xiangtan urban agglomeration [J]. Economic Geography, 2020,40(1):93-102.

[32] Wu C Y, Chen B W, Huang X J, et al. Effect of land-use change and optimization on the Ecosystem service values of Jiangsu province, China [J]. Ecological Indicators, 2020,117(15):106507.

[33] 劉 園,周 勇,杜越天.基于InVEST模型的長江中游經濟帶生境質量的時空分異特征及其地形梯度效應[J]. 長江流域資源與環境, 2019,28(10):2429-2440.

Liu Y, Zhou Y, Du Y T. Study on the spatio-temporal patterns of habitat quality and its terrain gradient effects of the middle of the Yangtze River economic belt based on InVEST model [J]. Resources and Environment in the Yangtze Basin, 2019,28(10):2429-2440.

[34] Xu L T, Chen S S, Xu Y, et al. Impacts of land-use change on habitat quality during 1985～2015 in the Taihu Lake Basin [J]. Sustainability, 2019,11(13):1-21.

[35] Li Q, Zhou Y, Mary Ann C, et al. Spatio-temporal changes in wildlife habitat quality in the middle and lower reaches of the Yangtze River from 1980 to 2100 based on the InVEST model [J]. Journal of Resources and Ecology, 2021,12(1):43-55.

[36] 孫 斌,徐 渭,薛建春,等.黃河流域城市群城鎮化與生態環境耦合協調預測[J]. 地球科學與環境學報, 2021,43(5):887-896.

Sun B, Xu W, Xue J C, et al. Prediction of coupling and coordination between urbanization and eco-environment of urban agglomerations in Yellow River Basin, China [J]. Journal of Earth Sciences and Environment, 2021,43(5):887-896.

[37] 楊亮潔,張小鴻,潘竟虎,等.成渝城市群城鎮化與生態環境耦合協調及交互影響[J]. 應用生態學報, 2021,32(3):993-1004.

Yang L J, Zhang X H, Pan J H, et al. Coupling coordination and interaction between urbanization and eco-environment in Cheng-Yu urban agglomeration, China [J]. Chinese Journal of Applied Ecology, 2021,32(3):993-1004.

[38] 邵全琴,趙志平,劉紀遠,等.近30年來三江源地區土地覆被與宏觀生態變化特征[J]. 地理研究, 2010,29(8):1439-1451.

Shao Q Q, Zhao Z P, Liu J Y, et al. The characteristics of land cover and macroscopical ecology changes in the source region of three rivers on Qinghai Tibet Plateau during last 30years [J]. Geographical Research, 2010,29(8):1439-1451.

[39] 馮雨雪,李廣東.青藏高原城鎮化與生態環境交互影響關系分析[J]. 地理學報, 2020,75(7):1386-1405.

Feng R X, Li G D. Interaction between urbanization and eco- environment in Tibetan Plateau [J]. Acta Geographica Sinica, 2020, 75(7):1386-1405.

[40] 張丹紅,王效科,張 路,等.大比例尺土壤保持服務制圖分級方法研究 [J]. 生態學報, 2021,(4):1-11.

Zhang D H, Wang X K, Zhang L, et al. Research on the classification methods of ecosystem service of soil retention for large-scale choropleth mapping [J]. Acta Ecologica Sinica, 2021,(4):1-11.

[41] 周李磊.長江上游濕地生態系統服務評估及多情景模擬[D]. 重慶:重慶大學, 2020.

Zhou L L. Evaluation and multi-scenario simulation of wetland ecosystem services in the upper Yangtze River [D]. Chongqing: Chongqing University, 2020.

[42] 李 云.基于多情景模擬的漢江上游流域生態系統服務權衡協同關系研究[D]. 陜西:陜西師范大學, 2020.

Li Y. Study on the trade-off and synergy relationship of ecosystem services in the upper reaches of Hanjiang River Basin based on multi-scenario simulation [D]. Shanxi: Shaanxi Normal University, 2020.

[43] 和 娟,師學義,付揚軍,等.汾河源頭區域土地利用及生境質量時空演變的多情景模擬[J]. 水土保持研究, 2020,27(5):250-258.

He J, Shi X Y, Fu Y J, et al. Multi-scenario simulation of spatiotemporal evolution of land use and habitat quality in the source area of Fenhe River Basin [J]. Research of Soil and Water Conservation, 2020,27(5):250-258.

[44] 葛全勝,方創琳,江 東.美麗中國建設的地理學使命與人地系統耦合路徑[J]. 地理學報, 2020,75(6):1109-1119.

Ge Q S, Fang C L, Jiang D. Geographical missions and coupling ways between human and nature for the Beautiful China Initiative [J]. Acta Geographica Sinica, 2020,75(6):1109-1119.

Coupling evolution analysis of LUCC and habitat quality in Dongting Lake Basin Based on multi-scenario simulation.

YANG Ling1, WANG Jin-long1*, ZHOU Wen-qiang2

(1.College of Business, Central South University of Forestry and Technology, Changsha 410004, China；2.College of Forestry, Central South University of Forestry and Technology, Changsha 410004, China)., 2023,43(2)：863～873

The Dongting Lake Basin is located in the south of the middle reaches of the Yangtze River and the north of Nanling Mountains, China. It is an important agricultural production base in China, with many priority areas for biodiversity conservation. The prime idea of multi-scenario simulation is to explore the characteristics of the coupling coordination between land use and land cover change (LUCC) and habitat quality under different scenarios. Five scenarios were proposed, which are natural development (Scenario 1), rapid development (Scenario 2), cultivated land protection (Scenario 3), ecological protection (Scenario 4) and sustainable development (Scenario 5). The PLUS model and InVEST model are used to respectively simulate the land use change and habitat quality under five different scenarios in 2030. The results show that: 1) Simulation results of land use change basically meet the requirements of scenario setting, which can better reflect the evolution rule and land-use planning goals; 2) The habitat quality in 2030 varies in the following order: Scenario 4 > Scenario 5 > Scenario 3 > Scenario 1 > Scenario 2; 3) The coupling coordination in Scenario 1, Scenario 2 and Scenario 3shows a downward trend, among which, the decline of Scenario 3is the highest; while that of Scenario 4 and Scenario 5 demonstrates an upward trend, among which, the increase of Scenario 4is higher than that of Scenario 5). 4) Combined with the principle of scenario setting, Scenario 5 provides an insight to the feasibility of planning and development for the optimization of spatial patterns of coupling coordinated development of LUCC and habitat quality in the Dongting Lake Basin.

land use change；habitat quality；coupling evolution；multi-scenario simulation；the Dongting Lake Basin

X171.1

A

1000-6923(2023)02-0863-11

楊 伶(1983-),女,湖南株洲人,副教授,博士,主要從事生態系統服務地理學研究.發表論文近30篇.

2022-07-15

國家社科基金一般項目(22BJY094,22BGL169);教育部人文社會科學研究一般項目(19YJC630166);湖南省自然科學基金面上項目(2022JJ30080);湖南省社會科學基金項目(18YBA462);中國博士后科學基金(2021M693573);湖南省社會科學成果評審委員會課題(XSP22YBC221);湖南省教育廳科學研究重點項目(22A0174)

* 責任作者, 副教授, wjl-123@126.com