夏 敏，張子紅，趙炳梓，文 博，劉敬杰

?

快速城鎮(zhèn)化地區(qū)鎮(zhèn)域生態(tài)用地變化模擬及其生態(tài)系統(tǒng)服務(wù)價(jià)值響應(yīng)①

夏 敏1，張子紅1，趙炳梓2，文 博1，劉敬杰1

(1南京農(nóng)業(yè)大學(xué)公共管理學(xué)院，南京 210095；2封丘農(nóng)業(yè)生態(tài)國家實(shí)驗(yàn)站，土壤與農(nóng)業(yè)可持續(xù)發(fā)展國家重點(diǎn)實(shí)驗(yàn)室(中國科學(xué)院南京土壤研究所)，南京 210008)

工業(yè)化和城鎮(zhèn)化快速發(fā)展區(qū)域生態(tài)用地變化劇烈，研究小尺度區(qū)域生態(tài)用地及生態(tài)系統(tǒng)服務(wù)價(jià)值變化并預(yù)測其未來發(fā)展趨勢，可以為其生態(tài)用地保護(hù)及土地利用規(guī)劃提供參考。以宜興市官林鎮(zhèn)為研究區(qū)，基于高分辨率遙感影像研究其2009—2015年生態(tài)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(qū)2021年和2024年生態(tài)用地變化，在此基礎(chǔ)上測算其生態(tài)系統(tǒng)服務(wù)價(jià)值響應(yīng)。結(jié)果表明：2009—2015年，官林鎮(zhèn)生態(tài)用地面積呈持續(xù)減少趨勢。生態(tài)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(shí)間的推移，自然因素對生態(tài)用地空間分布的影響逐漸減弱，社會(huì)經(jīng)濟(jì)因素和區(qū)位因素成為最主要的影響因素。2015—2024年生態(tài)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(yǎng)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(tài)用地主要轉(zhuǎn)移去向?yàn)轲B(yǎng)殖水面、旱地、工業(yè)用地和交通用地。2009—2024年生態(tài)系統(tǒng)服務(wù)價(jià)值持續(xù)減少，與水體和耕地變化密切相關(guān)。研究結(jié)果可為官林鎮(zhèn)土地利用規(guī)劃決策提供依據(jù)，同時(shí)對保護(hù)鎮(zhèn)域生態(tài)用地和強(qiáng)化生態(tài)系統(tǒng)服務(wù)具有現(xiàn)實(shí)的指導(dǎo)意義。

鎮(zhèn)域；生態(tài)用地；變化模擬；生態(tài)系統(tǒng)服務(wù)價(jià)值

生態(tài)用地是城鎮(zhèn)生態(tài)系統(tǒng)的重要組成部分，具有十分重要的生態(tài)服務(wù)功能[1]。隨著城鎮(zhèn)化進(jìn)程的快速發(fā)展，城鎮(zhèn)建設(shè)用地快速擴(kuò)張，大量的生態(tài)用地受到侵占，造成了資源短缺、環(huán)境污染、生態(tài)惡化等諸多問題[2]。同時(shí)，生態(tài)用地的變化改變了生態(tài)系統(tǒng)的結(jié)構(gòu)，進(jìn)而影響其生態(tài)系統(tǒng)服務(wù)功能[3]。2017年中央一號(hào)文件提出促進(jìn)城鄉(xiāng)發(fā)展由過度依賴資源消耗，向追求綠色生態(tài)可持續(xù)的發(fā)展方向轉(zhuǎn)變，針對生態(tài)用地演變的科學(xué)定量分析及其與生態(tài)系統(tǒng)服務(wù)價(jià)值之間響應(yīng)關(guān)系的研究，不僅能夠豐富城鎮(zhèn)生態(tài)安全空間策略的研究，促進(jìn)城鎮(zhèn)生態(tài)安全格局的形成[4]，也有利于其向綠色生態(tài)可持續(xù)的方向發(fā)展。

近年來，眾多學(xué)者對生態(tài)用地時(shí)空變化及其驅(qū)動(dòng)機(jī)制等方面進(jìn)行了定性或定量的研究[5-6]，對生態(tài)系統(tǒng)服務(wù)價(jià)值的研究則主要涉及內(nèi)涵、功能、評估方法等方面[7-8]，進(jìn)行生態(tài)用地時(shí)空變化模擬及其生態(tài)服務(wù)價(jià)值響應(yīng)的研究尚不多見。且相關(guān)研究主要集中在區(qū)域或城市尺度[5, 9-11]，鄉(xiāng)鎮(zhèn)尺度的研究較少，作為城市與農(nóng)村的重要節(jié)點(diǎn)，鄉(xiāng)鎮(zhèn)是農(nóng)村城鎮(zhèn)化的載體，對區(qū)域經(jīng)濟(jì)社會(huì)發(fā)展具有重要作用，因此，有必要深入分析鄉(xiāng)鎮(zhèn)尺度典型區(qū)域生態(tài)用地變化及其與生態(tài)系統(tǒng)服務(wù)價(jià)值之間的關(guān)系。

蘇南地區(qū)是快速城鎮(zhèn)化的典型地區(qū)，隨著城鎮(zhèn)化的不斷提速，生態(tài)用地受到破壞，生態(tài)服務(wù)質(zhì)量開始下降。本文以快速城鎮(zhèn)化地區(qū)的宜興市官林鎮(zhèn)為例，采用高分辨率的快鳥衛(wèi)星遙感影像數(shù)據(jù)，基于面向?qū)ο蟮慕庾g方法獲得土地利用數(shù)據(jù)，應(yīng)用Logistic回歸模型分析生態(tài)用地變化的影響因素，獲取CA的轉(zhuǎn)換規(guī)則，運(yùn)用CA-Markov耦合模型模擬鎮(zhèn)域生態(tài)用地未來變化，進(jìn)而測算生態(tài)用地變化引起的生態(tài)系統(tǒng)服務(wù)價(jià)值響應(yīng)，分析兩者之間的關(guān)系，以期為研究區(qū)生態(tài)用地保護(hù)、生態(tài)系統(tǒng)服務(wù)強(qiáng)化以及生態(tài)優(yōu)先的村鎮(zhèn)土地利用規(guī)劃編制提供決策支持。

1 材料與方法

1.1 研究區(qū)概況

官林鎮(zhèn)是宜興市西北部的區(qū)域性中心，地處中國經(jīng)濟(jì)發(fā)展最具活力的長三角中心地帶，全鎮(zhèn)總面積124 km2，2015年完成GDP 206.10億元，主要經(jīng)濟(jì)指標(biāo)連續(xù)十幾年名列宜興市第一。全鎮(zhèn)常住人口8.96萬人，轄18個(gè)行政村和2個(gè)社區(qū)居委。鎮(zhèn)域內(nèi)水資源豐富，且瀕臨滆湖，水產(chǎn)養(yǎng)殖是其一大特色。近十年來，官林鎮(zhèn)城市化率從36.5% 提高到41%，城市化進(jìn)程不斷加速。作為全國重點(diǎn)鎮(zhèn)、無錫市規(guī)劃衛(wèi)星小城市和宜興市新興生態(tài)型工貿(mào)重鎮(zhèn)，維持良好的生態(tài)環(huán)境、保護(hù)生態(tài)用地成為官林鎮(zhèn)城鎮(zhèn)建設(shè)的重要命題。

1.2 生態(tài)用地概念界定

目前為止，學(xué)術(shù)界并沒有提出嚴(yán)格意義上統(tǒng)一、標(biāo)準(zhǔn)的生態(tài)用地概念[12]。本文參照龍花樓等[12]、Chen等[13]、陳爽等[11]學(xué)者對生態(tài)用地概念的界定，從廣義性和生態(tài)效益的角度考慮，將生態(tài)用地定義為：除建設(shè)性用地以外，能夠發(fā)揮環(huán)境調(diào)節(jié)和生物保育等生態(tài)服務(wù)功能，且具有一定的自我調(diào)節(jié)、修復(fù)、維持和發(fā)展能力，對保護(hù)和穩(wěn)定區(qū)域生態(tài)系統(tǒng)具有重要作用的土地。因此將旱地、水田、園地、林地、草地、養(yǎng)殖水面、水域(包括河流水面、坑塘水面、湖泊水面和內(nèi)陸灘涂)和未利用地等8種類型劃分為生態(tài)用地。

1.3 數(shù)據(jù)來源與處理

本文選用官林鎮(zhèn)2009年9月4日、2012年10月19日和2015年9月9日3期快鳥衛(wèi)星遙感影像，空間分辨率為2.44 m。采用二次多項(xiàng)式法進(jìn)行幾何精校正，實(shí)現(xiàn)3個(gè)圖像數(shù)據(jù)間的配準(zhǔn)，糾正誤差控制在0.5個(gè)像元，基于面向?qū)ο蟮慕庾g方法劃分土地利用類型；從土地利用類型圖中提取農(nóng)村居民點(diǎn)、交通用地(包括公路用地和農(nóng)村道路)、河流、建制鎮(zhèn)和工業(yè)用地并單獨(dú)成層，利用ArcGIS的Euclidean Distance工具計(jì)算到農(nóng)村居民點(diǎn)、道路、河流、村鎮(zhèn)中心和工業(yè)用地距離等區(qū)位因子；高程、坡度數(shù)據(jù)通過數(shù)字高程DEM提??；研究區(qū)人口和GDP數(shù)據(jù)來源于官林鎮(zhèn)統(tǒng)計(jì)年鑒。最后將所有數(shù)據(jù)柵格化，并按照統(tǒng)一的研究區(qū)范圍、坐標(biāo)系統(tǒng)和柵格分辨率進(jìn)行處理。為消除各數(shù)據(jù)間的量綱影響，采用極差標(biāo)準(zhǔn)化公式進(jìn)行歸一化處理，將其轉(zhuǎn)換為[0, 1]之間的數(shù)據(jù)。

1.4 研究方法

1.4.1 生態(tài)用地變化影響因素分析 Logistic回歸模型主要進(jìn)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(gè)因變量和多個(gè)自變量之間形成多元回歸關(guān)系，從而預(yù)測某一事件的發(fā)生概率[14]。本文綜合考慮自然、社會(huì)經(jīng)濟(jì)和區(qū)位等影響因素，運(yùn)用Logistic回歸模型對每一個(gè)柵格出現(xiàn)某一地類的概率進(jìn)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(guān)系[15]，據(jù)此獲取CA的轉(zhuǎn)換規(guī)則。其公式為

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

回歸結(jié)果通?？刹捎肦OC(relative operating characteristic，相對工作特征)曲線進(jìn)行驗(yàn)證，當(dāng)ROC值大于0.7時(shí)，自變量對因變量具有較好的解釋能力，模擬結(jié)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(jì)算回歸系數(shù)、發(fā)生比率OR和ROC值。

參考已有研究，本文選取了自然、社會(huì)經(jīng)濟(jì)和區(qū)位3個(gè)方面9個(gè)影響因素(表1)，考慮到官林鎮(zhèn)是工業(yè)大鎮(zhèn)，增加了到工業(yè)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(qū)為鎮(zhèn)域的特點(diǎn)，增加了到農(nóng)村道路距離。將這些影響因素的柵格化圖層導(dǎo)入到IDRISI軟件中，利用Logistic模塊對官林鎮(zhèn)2009—2012年和2012—2015年生態(tài)用地變化的影響因素進(jìn)行回歸分析，篩選出影響顯著的因子，為元胞自動(dòng)機(jī)提供轉(zhuǎn)換規(guī)則。

表1 生態(tài)用地變化影響因素

1.4.2 生態(tài)用地變化模擬 Markov模型是基于馬爾可夫鏈，根據(jù)事件目前的狀況預(yù)測其將來某一時(shí)刻變動(dòng)狀況的預(yù)測方法[18]。但Markov模型難以預(yù)測空間格局的變化，而CA模型是時(shí)間、空間、狀態(tài)都離散的動(dòng)力學(xué)模型，具有模擬復(fù)雜系統(tǒng)時(shí)空演變的能力[19]。所以將二者有機(jī)結(jié)合，既提高了生態(tài)用地類型轉(zhuǎn)化的預(yù)測精度，又可以有效模擬生態(tài)用地空間格局的變化[14, 20]。本文在IDRISI中利用CA-Markov模型進(jìn)行生態(tài)用地變化模擬的具體步驟如下：

1) 數(shù)據(jù)轉(zhuǎn)換。以2009、2012和2015年3期數(shù)據(jù)為基礎(chǔ)，在ArcGIS中進(jìn)行柵格化處理后轉(zhuǎn)換成ASCII格式，然后導(dǎo)入到IDRISI中轉(zhuǎn)換成RST格式文件。為了保證模擬的準(zhǔn)確性，所有數(shù)據(jù)均設(shè)置為3 m × 3 m的柵格。

2) Markov預(yù)測。利用Markov模塊將土地利用類型圖疊加，比例誤差設(shè)置為0.15，得到2009—2012年和2012—2015年的土地利用轉(zhuǎn)移概率矩陣和轉(zhuǎn)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(tài)用地作為因變量，對其影響較大的因素作為自變量，進(jìn)行回歸分析，得到2012年各類生態(tài)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(shí)間內(nèi)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(qū)位因子變化較大，需要根據(jù)2015年的數(shù)據(jù)進(jìn)行更新，生成新的生態(tài)用地適宜性圖集。

4) 確定循環(huán)次數(shù)并進(jìn)行模擬。1個(gè)元胞周圍5×5個(gè)元胞組成的空間對該元胞狀態(tài)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(zhuǎn)移矩陣和2012年土地利用適宜性圖集，循環(huán)次數(shù)設(shè)為3，預(yù)測2015年的生態(tài)用地空間分布圖。然后，以2015年數(shù)據(jù)為基礎(chǔ)，代入2012—2015年的土地利用轉(zhuǎn)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(diǎn)和為土地利用規(guī)劃提供參考的需要，將循環(huán)次數(shù)分別設(shè)置為6和9，預(yù)測官林鎮(zhèn)2021年和2024年生態(tài)用地變化情況。

1.4.3 生態(tài)用地系統(tǒng)服務(wù)價(jià)值評估 自1997年Daily[21]及Costanza等[22]對全球生態(tài)系統(tǒng)服務(wù)功能進(jìn)行評估以來，生態(tài)系統(tǒng)服務(wù)價(jià)值評估成為國內(nèi)外學(xué)者研究的熱點(diǎn)。謝高地等[23-24]、歐陽志云等[8]結(jié)合中國實(shí)際情況，在Costanza等提出的評價(jià)模型基礎(chǔ)上進(jìn)行修正，得到了中國陸地生態(tài)系統(tǒng)服務(wù)價(jià)值系數(shù)，此后眾多學(xué)者[10, 25-27]對流域、城市、濕地、土壤等不同生態(tài)系統(tǒng)服務(wù)價(jià)值進(jìn)行了評估。本文參考Costanza等[22]和謝高地等[23]的研究成果，結(jié)合官林鎮(zhèn)的實(shí)際情況，采取謝高地等人2007年修訂的中國陸地生態(tài)系統(tǒng)生態(tài)服務(wù)價(jià)值當(dāng)量因子表[24]，計(jì)算出研究區(qū)生態(tài)服務(wù)價(jià)值系數(shù)(表2)。生態(tài)服務(wù)價(jià)值系數(shù)=生態(tài)系統(tǒng)服務(wù)價(jià)值當(dāng)量×全國平均糧食單產(chǎn)市場價(jià)值/7。

生態(tài)系統(tǒng)服務(wù)價(jià)值的計(jì)算公式為

式中：ESV為研究區(qū)生態(tài)系統(tǒng)總服務(wù)價(jià)值(元)，A為研究區(qū)第種土地利用類型面積(hm2)，VC為研究區(qū)第種土地利用類型的生態(tài)服務(wù)價(jià)值系數(shù)(元/hm2)。在計(jì)算過程中，耕地(水田、旱地)、林地、草地、水體(水域和養(yǎng)殖水面)和未利用地分別對應(yīng)農(nóng)田、森林、草地、湖泊和荒漠生態(tài)服務(wù)價(jià)值系數(shù)，園地取農(nóng)田和森林生態(tài)系統(tǒng)服務(wù)價(jià)值的平均，而非生態(tài)用地不計(jì)算其生態(tài)系統(tǒng)服務(wù)價(jià)值。

表2 各生態(tài)用地類型生態(tài)服務(wù)價(jià)值系數(shù)

2 結(jié)果與分析

2.1 生態(tài)用地變化分析

基于面向?qū)ο蟮慕庾g方法劃分了建制鎮(zhèn)、農(nóng)村居民點(diǎn)、工業(yè)用地、林地、草地、園地、水田、旱地、養(yǎng)殖水面、河流水面、坑塘水面、湖泊水面、內(nèi)陸灘涂、公路用地、農(nóng)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(xiàn)狀調(diào)查資料和典型區(qū)域野外抽樣調(diào)查的方法，對解譯的3期影像數(shù)據(jù)進(jìn)行精度檢驗(yàn)，分類結(jié)果精度均在90% 以上，符合研究精度要求。據(jù)此分析研究區(qū)生態(tài)用地?cái)?shù)量和結(jié)構(gòu)變化情況(圖1)。

官林鎮(zhèn)生態(tài)用地?cái)?shù)量變化情況見圖1。總體上來看，2009—2015年，官林鎮(zhèn)生態(tài)用地面積呈持續(xù)減少趨勢，2009—2012年生態(tài)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(tài)用地面積從89.93 km2減少到89.71 km2，共減少0.22 km2。從各生態(tài)用地類型來看，水域和未利用地持續(xù)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(tài)用地中面積減少最多，共減少了4.33 km2；旱地和養(yǎng)殖水面則持續(xù)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(yǎng)殖水面在各類生態(tài)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(zhèn)各類生態(tài)用地面積變化

利用IDRISI的Markov模塊，得到官林鎮(zhèn)2009—2012年和2012—2015年的生態(tài)用地轉(zhuǎn)移面積矩陣(表3)，并對生態(tài)用地變化的方向進(jìn)行定量分析。2009—2012年，面積轉(zhuǎn)出最多的是水域，凈轉(zhuǎn)出578.44 hm2，主要轉(zhuǎn)移去向是養(yǎng)殖水面；其次是水田，主要轉(zhuǎn)出為工業(yè)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(zhuǎn)變?yōu)楣I(yè)用地、水田和居住用地；面積轉(zhuǎn)入最多的是水田，共轉(zhuǎn)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(zhuǎn)出最多的是水田，共轉(zhuǎn)出1 270.04 hm2，主要轉(zhuǎn)移去向是水域和旱地；其次是水域，主要轉(zhuǎn)出為水田和養(yǎng)殖水面；面積轉(zhuǎn)入最多的也是水田，主要由水域轉(zhuǎn)入；園地、林地和草地的面積稍有增加，而未利用地進(jìn)一步減少。前后兩個(gè)時(shí)段面積增加最多的生態(tài)用地類型均為養(yǎng)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(zhèn)生態(tài)用地轉(zhuǎn)移面積矩陣(hm2)

2.2 變化影響因素分析

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

表4 2009—2012年和2012—2015年生態(tài)用地空間變化的Logistic回歸結(jié)果

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

前后兩個(gè)時(shí)段水田和旱地的變化主要受高程、GDP、到農(nóng)村居民點(diǎn)和到河流距離的影響，由發(fā)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(yuǎn)和距農(nóng)村居民點(diǎn)較近的區(qū)域。其中海拔較低的地區(qū)有利于耕作，而GDP較高的地區(qū)，建設(shè)用地的需求大，占用水田和旱地的情況嚴(yán)重。此外，農(nóng)民一般選擇距離居住地較近的地方進(jìn)行耕作，而距河流較近的水田多轉(zhuǎn)變?yōu)轸~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(zhèn)中心的距離影響，由發(fā)生比率可知，兩個(gè)時(shí)段到河流距離對水域的分布影響最大。隨著經(jīng)濟(jì)的發(fā)展，人口增多，城鎮(zhèn)面積不斷擴(kuò)大，工業(yè)生產(chǎn)、居民生活以及公路、引水渠和發(fā)電站等基礎(chǔ)設(shè)施的擴(kuò)建使水資源利用規(guī)?；?，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(zhèn)中心較遠(yuǎn)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(nóng)村居民點(diǎn)和到河流的距離，根據(jù)發(fā)生比率可知，兩個(gè)時(shí)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(shù)為負(fù)值，說明林地多分布在GDP較低、人口較少的區(qū)域，而高程、到農(nóng)村居民點(diǎn)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(nóng)村居民點(diǎn)較遠(yuǎn)的地方，人口較少，林地受保護(hù)的力度小，更易被建設(shè)用地侵占。

根據(jù)表4中的回歸系數(shù)和發(fā)生比率可知，前3年養(yǎng)殖水面變化主要與GDP、高程和人口密度有關(guān)，后3年主要和人口密度、高程、到河流和農(nóng)村居民點(diǎn)距離有關(guān)，其中GDP和人口密度的影響最大。養(yǎng)殖水面受到GDP、人口密度、到河流和農(nóng)村居民點(diǎn)的距離的正影響，而高程與其分布呈負(fù)相關(guān)。海拔較低、距河流較近的水域易發(fā)展為養(yǎng)殖水面。此外，由于養(yǎng)殖業(yè)需要大量的勞動(dòng)力，一般距農(nóng)村居民點(diǎn)較近。

前后兩個(gè)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(yè)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(shù)為正，說明這3種地類多分布在海拔較高、坡度較陡的區(qū)域。到工業(yè)用地和道路距離的回歸系數(shù)為負(fù)值，說明距離道路和工業(yè)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(dá)，被破壞的可能性越大；距工業(yè)用地越近，越易被占用。

總體上看，2009—2012年和2012—2015年生態(tài)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(gè)時(shí)段各影響因素回歸系數(shù)和發(fā)生比率的大小，可以直觀地看出，隨著時(shí)間的推移，自然因素對生態(tài)用地空間變化的影響逐漸減弱，社會(huì)經(jīng)濟(jì)因素和區(qū)位因素成為最主要的影響因素。

2.3 生態(tài)用地變化預(yù)測

采用CA-Markov模型首先模擬2015年生態(tài)用地變化，由于官林鎮(zhèn)的面積不大，故采用全數(shù)檢驗(yàn)法對模擬結(jié)果進(jìn)行精度驗(yàn)證。將2015年生態(tài)用地模擬結(jié)果與2015年生態(tài)用地的實(shí)際解譯結(jié)果進(jìn)行求差柵格運(yùn)算，前后一致的區(qū)域求差后地類編碼屬性值為0，將值為0的柵格數(shù)除以研究區(qū)柵格總數(shù)，得到模擬精度為90.25%，表明該結(jié)果可信度較高，可用于生態(tài)用地變化的模擬研究。據(jù)此，考慮到為官林鎮(zhèn)未來土地利用規(guī)劃和生態(tài)用地保護(hù)的需要，對其2021年和2024年各類生態(tài)用地變化進(jìn)行模擬，結(jié)果見表5和圖2。

表5 基于CA-Markov預(yù)測的官林鎮(zhèn)各類生態(tài)用地面積及比重表

圖2 官林鎮(zhèn)2015、2021和2024年生態(tài)用地預(yù)測圖

由預(yù)測結(jié)果可知，官林鎮(zhèn)生態(tài)用地仍呈迅速減少趨勢。2015年、2021年和2024年生態(tài)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(tài)用地類型中，水田占整個(gè)區(qū)域的比例最大，面積減少最多，且呈持續(xù)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(yè)用地，可見今后耕地保護(hù)任務(wù)依然艱巨。面積減少其次的是水域，主要轉(zhuǎn)變?yōu)轲B(yǎng)殖水面，2015—2024年共減少305.21 hm2，且減少趨勢增強(qiáng)。園地和未利用地均持續(xù)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(zhuǎn)變?yōu)楣I(yè)用地，全鎮(zhèn)基本再無大面積的地塊可供開發(fā)利用；園地的減少主要是由于周邊交通用地及其他建設(shè)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(yǎng)殖水面面積則不斷增加，其中養(yǎng)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(cè)并緊鄰原有養(yǎng)殖水面的水域或水田轉(zhuǎn)化而來；其次，由于官林鎮(zhèn)東部瀕臨滆湖的水域優(yōu)勢條件，該區(qū)內(nèi)大量坑塘轉(zhuǎn)變?yōu)轲B(yǎng)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(zhèn)中心周圍及主要河流、道路兩側(cè)的生態(tài)用地極易被侵占，該區(qū)域內(nèi)被占用的生態(tài)用地主要有水田、水域、園地和未利用地等，這是由于社會(huì)經(jīng)濟(jì)發(fā)展和城鎮(zhèn)化的不斷加速，推動(dòng)了住宅、工業(yè)商服與交通運(yùn)輸?shù)犬a(chǎn)業(yè)的建設(shè)，從而加快了建設(shè)用地?cái)U(kuò)長所致。繼續(xù)保持此趨勢，官林鎮(zhèn)生態(tài)環(huán)境與經(jīng)濟(jì)發(fā)展的矛盾將更加突出。因此，應(yīng)合理協(xié)調(diào)建設(shè)用地?cái)U(kuò)長和生態(tài)用地保護(hù)之間的關(guān)系。

2.4 生態(tài)系統(tǒng)服務(wù)價(jià)值對生態(tài)用地變化的響應(yīng)

依據(jù)官林鎮(zhèn)3期土地利用數(shù)據(jù)及預(yù)測數(shù)據(jù)，結(jié)合不同地類的生態(tài)服務(wù)價(jià)值系數(shù)(表2)，對官林鎮(zhèn)生態(tài)用地變化引起的生態(tài)系統(tǒng)服務(wù)價(jià)值變化進(jìn)行測算(表6)。結(jié)果表明：2009—2015年，官林鎮(zhèn)生態(tài)系統(tǒng)服務(wù)總價(jià)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(zhèn)生態(tài)服務(wù)總價(jià)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(tài)服務(wù)價(jià)值減少了131.23萬元；水體總面積減少了87.16 hm2，生態(tài)服務(wù)價(jià)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(tài)服務(wù)價(jià)值較大，故而引起的生態(tài)服務(wù)價(jià)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(tài)服務(wù)價(jià)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(tài)服務(wù)價(jià)值增加了2.88萬元和2.65萬元。

表6 官林鎮(zhèn)2009—2024年生態(tài)系統(tǒng)服務(wù)價(jià)值變化

2015—2024年，官林鎮(zhèn)生態(tài)系統(tǒng)服務(wù)主要由水體和耕地兩種地類提供，其中水體對生態(tài)系統(tǒng)服務(wù)價(jià)值的貢獻(xiàn)率最大，占總生態(tài)服務(wù)價(jià)值的84% 以上，耕地占13% 以上。9年間，水體和耕地服務(wù)價(jià)值減少量分別占總服務(wù)價(jià)值減少量的65.09% 和23.16%，說明水體和耕地對研究區(qū)總服務(wù)價(jià)值變化的影響最大。園地和未利用地服務(wù)價(jià)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(wù)價(jià)值總體上也呈增加趨勢，雖然林地、草地的單位面積生態(tài)服務(wù)價(jià)值較高，但其占官林鎮(zhèn)總面積的比重很小，故對總生態(tài)服務(wù)價(jià)值的影響不大?？傊?，隨著城鎮(zhèn)化進(jìn)程的不斷加快，非生態(tài)用地?cái)U(kuò)張迅速，導(dǎo)致了生態(tài)服務(wù)價(jià)值的減少，為此適時(shí)控制非生態(tài)用地發(fā)展，加強(qiáng)對水體和耕地的保護(hù)，應(yīng)該成為官林鎮(zhèn)生態(tài)優(yōu)先的土地利用規(guī)劃的重點(diǎn)。

3 結(jié)論

生態(tài)用地變化模擬研究以保護(hù)人類賴以生存的生態(tài)空間為核心目的，保證生態(tài)用地結(jié)構(gòu)功能的連續(xù)型與完整性為目的[28-29]。在此基礎(chǔ)上開展鄉(xiāng)鎮(zhèn)尺度的生態(tài)用地規(guī)劃管理研究不僅能夠有效引導(dǎo)最為基礎(chǔ)的村鎮(zhèn)土地利用規(guī)劃的編制與實(shí)施，直接為土地管理部門提供生態(tài)用地規(guī)劃管理依據(jù)，而且通過強(qiáng)化鄉(xiāng)鎮(zhèn)尺度生態(tài)用地保護(hù)，以點(diǎn)帶面地實(shí)現(xiàn)區(qū)域社會(huì)、經(jīng)濟(jì)與生態(tài)可持續(xù)發(fā)展。為此，本文以快速城鎮(zhèn)化的宜興市官林鎮(zhèn)為例，采用高精度遙感影像解譯數(shù)據(jù)分析了研究區(qū)2009—2015年生態(tài)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(tài)用地的變化，進(jìn)而探討研究區(qū)生態(tài)用地變化和生態(tài)系統(tǒng)服務(wù)價(jià)值的響應(yīng)，結(jié)果表明：

1) 2009—2015年，官林鎮(zhèn)生態(tài)用地面積呈持續(xù)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(yǎng)殖水面和林地面積則持續(xù)增加。生態(tài)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(shí)間的推移，自然因素對生態(tài)用地變化的影響逐漸減弱，社會(huì)經(jīng)濟(jì)因素和區(qū)位因素成為最主要的影響因素。

2) 生態(tài)用地變化模擬結(jié)果顯示，2015—2024年，官林鎮(zhèn)生態(tài)用地變化劇烈，呈迅速縮減趨勢。從2015年到2024年生態(tài)用地總面積共減少305.00 hm2，占官林鎮(zhèn)總面積的2.46%。其中，水田的面積減少最多，主要轉(zhuǎn)移去向?yàn)楹档睾凸I(yè)用地；水域、園地和未利用地面積持續(xù)減少；草地和林地面積先增后減，總體呈增加趨勢；而養(yǎng)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(yǎng)殖水面。生態(tài)用地主要轉(zhuǎn)移去向?yàn)轲B(yǎng)殖水面、旱地、工業(yè)用地和交通用地。

3) 對生態(tài)系統(tǒng)服務(wù)價(jià)值變化的研究表明，2009—2024年，官林鎮(zhèn)生態(tài)系統(tǒng)服務(wù)價(jià)值呈逐年減少趨勢。2009—2015年和2015—2024年總服務(wù)價(jià)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(qū)總體服務(wù)價(jià)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(wù)價(jià)值總體呈增加趨勢。

本文基于面向?qū)ο蟮慕庾g方法獲得土地利用數(shù)據(jù)，在分析生態(tài)用地變化影響因素的基礎(chǔ)上對鎮(zhèn)域生態(tài)用地未來變化進(jìn)行模擬，并分析了其生態(tài)服務(wù)價(jià)值響應(yīng)，解譯和模擬精度均超過90%，研究成果可信度較高，對指導(dǎo)鄉(xiāng)鎮(zhèn)尺度土地利用、促進(jìn)生態(tài)環(huán)境可持續(xù)發(fā)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(jìn)行生態(tài)用地影響因素分析時(shí)，僅從鎮(zhèn)域尺度考慮選取了相關(guān)的自然、社會(huì)經(jīng)濟(jì)和區(qū)位因素，后續(xù)研究中應(yīng)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(shí)段較短，在開展生態(tài)用地變化分析時(shí)可能未充分把握生態(tài)用地變化的特征和規(guī)律，未來將對該區(qū)域開展持續(xù)性的研究，以更為準(zhǔn)確地剖析該地區(qū)生態(tài)用地變化趨勢。

[1] 李鋒, 葉亞平, 宋博文, 等. 城市生態(tài)用地的空間結(jié)構(gòu)及其生態(tài)系統(tǒng)服務(wù)動(dòng)態(tài)演變——以常州市為例[J]. 生態(tài)學(xué)報(bào), 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(tài)環(huán)境效應(yīng)研究進(jìn)展[J]. 生態(tài)學(xué)報(bào), 2013, 33(4): 1042–1050

[3] 常上, 李珊珊, 宋豫秦. 張家口市生態(tài)服務(wù)價(jià)值對土地利用變化的響應(yīng)[J]. 北京大學(xué)學(xué)報(bào)(自然科學(xué)版), 2015, 51(6): 1149–1156

[4] 周銳, 胡遠(yuǎn)滿, 王新軍, 等. 快速城鎮(zhèn)化地區(qū)生態(tài)用地演變及驅(qū)動(dòng)力分析[J]. 長江流域資源與環(huán)境, 2015, 24(6): 1012–1020

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

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

[7] 謝高地, 魯春霞, 成升魁. 全球生態(tài)系統(tǒng)服務(wù)價(jià)值評估研究進(jìn)展[J]. 資源科學(xué), 2001, 23(6): 5–9

[8] 歐陽志云, 王效科, 苗鴻. 中國陸地生態(tài)系統(tǒng)服務(wù)功能及其生態(tài)經(jīng)濟(jì)價(jià)值的初步研究[J]. 生態(tài)學(xué)報(bào), 1999, 19(5): 19–25

[9] 周飛, 陳士銀, 鐘來元, 等. 區(qū)域土地利用與生態(tài)系統(tǒng)服務(wù)價(jià)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(tài)空間演變規(guī)律及調(diào)控機(jī)制——以南京市為例[J]. 生態(tài)學(xué)報(bào), 2008, 28(5): 2270– 2278

[12] 龍花樓, 劉永強(qiáng), 李婷婷, 等. 生態(tài)用地分類初步研究[J].生態(tài)環(huán)境學(xué)報(bào), 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(yù)測研究[D]. 南京: 南京大學(xué), 2014

[15] 吳莉, 侯西勇, 徐新良, 等. 山東沿海地區(qū)土地利用和景觀格局變化[J]. 農(nóng)業(yè)工程學(xué)報(bào), 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(xiǎn)區(qū)劃林火風(fēng)險(xiǎn)[J]. 農(nóng)業(yè)工程學(xué)報(bào), 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(dòng)機(jī)模型與LUCC時(shí)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(dòng)機(jī)的土地利用空間規(guī)劃輔助研究——以眉山市東坡區(qū)為例[J]. 土壤學(xué)報(bào), 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(tài)資產(chǎn)的價(jià)值評估[J]. 自然資源學(xué)報(bào), 2003, 18(2): 189–196

[24] 謝高地, 甄霖, 魯春霞, 等. 一個(gè)基于專家知識(shí)的生態(tài)系統(tǒng)服務(wù)價(jià)值化方法[J]. 自然資源學(xué)報(bào), 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(tài)服務(wù)功能價(jià)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(tài)系統(tǒng)服務(wù)的概念、量化及其對城市化的響應(yīng)[J]. 土壤學(xué)報(bào), 2015, 52(5): 970–978

[28] 劉洋, 蒙吉軍, 朱利凱. 區(qū)域生態(tài)安全格局研究進(jìn)展[J]. 生態(tài)學(xué)報(bào), 2010, 30(24): 6980–6989

[29] 馬克明, 傅伯杰, 黎曉亞, 等. 區(qū)域生態(tài)安全格局:概念與理論基礎(chǔ)[J]. 生態(tài)學(xué)報(bào), 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(xué)基金項(xiàng)目(41271311)，2016教育部人文社會(huì)科學(xué)研究一般項(xiàng)目(16YJAZH064)，中國科學(xué)院流域地理學(xué)重點(diǎn)實(shí)驗(yàn)室開放基金項(xiàng)目(WSGS2015008)和中央高?；究蒲袠I(yè)務(wù)費(fèi)人文社科基金項(xiàng)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(guī)劃、土地信息技術(shù)等研究。E-mail: xm@njau.edu.cn

10.13758/j.cnki.tr.2018.05.023

F301.24

A