周子康，劉殿鋒

基于多元國(guó)土空間整治情景模擬的生態(tài)系統(tǒng)服務(wù)功能分區(qū)

周子康，劉殿鋒※

（武漢大學(xué)資源與環(huán)境科學(xué)學(xué)院，武漢 430079）

生態(tài)系統(tǒng)服務(wù)功能分區(qū)是科學(xué)管理生態(tài)系統(tǒng)的重要手段。國(guó)土空間整治能夠通過(guò)綜合治理閑置、低效和生態(tài)退化國(guó)土資源，改變國(guó)土空間結(jié)構(gòu)與布局，從而對(duì)生態(tài)系統(tǒng)功能產(chǎn)生影響。現(xiàn)有研究較少關(guān)注土地整治措施對(duì)未來(lái)生態(tài)系統(tǒng)服務(wù)空間集聚模式的潛在影響作用，整治措施的生態(tài)導(dǎo)向性有待提升。因此，該研究以山東招遠(yuǎn)市為例，設(shè)計(jì)了基準(zhǔn)情景、廢棄礦區(qū)修復(fù)情景以及城鄉(xiāng)建設(shè)用地整治情景，定量化預(yù)測(cè)生態(tài)系統(tǒng)服務(wù)變化特征，并運(yùn)用模糊C均值聚類算法開(kāi)展生態(tài)系統(tǒng)功能區(qū)劃定。結(jié)果表明，整治情景下土地利用數(shù)量結(jié)構(gòu)變化顯著，各生態(tài)系統(tǒng)服務(wù)能力均有所提升。全域可以劃分為生態(tài)綜合區(qū)、生境保育區(qū)、固碳釋氧區(qū)、固碳產(chǎn)糧區(qū)、生態(tài)維護(hù)區(qū)5個(gè)生態(tài)功能區(qū)。與基準(zhǔn)情景相比，廢棄礦區(qū)修復(fù)情景下各生態(tài)功能區(qū)60%生態(tài)系統(tǒng)服務(wù)水平持平，28%處于劣勢(shì)，僅12%顯著提升。城鄉(xiāng)建設(shè)用地整治則能夠顯著提升全域自然娛樂(lè)能力，總體增長(zhǎng)了1.89%。生境保育區(qū)的自然娛樂(lè)和糧食生產(chǎn)能力平均值分別增加了0.01和0.10，固碳釋氧區(qū)的生境質(zhì)量、水源涵養(yǎng)能力分別增長(zhǎng)了20.69%和100%。研究表明全面提升生態(tài)系統(tǒng)多功能性需要綜合開(kāi)展多元的國(guó)土空間整治措施。

土地利用；整治；生態(tài)系統(tǒng)服務(wù)；生態(tài)功能分區(qū)；FCM聚類

0 引 言

快速工業(yè)化、城鎮(zhèn)化進(jìn)程顯著提升了中國(guó)社會(huì)經(jīng)濟(jì)發(fā)展水平，同時(shí)也產(chǎn)生了建設(shè)用地布局無(wú)序化、土地利用低效化和生態(tài)系統(tǒng)退化等諸多負(fù)面問(wèn)題[1-3]。在此背景下，國(guó)土空間整治作為一項(xiàng)區(qū)域性、綜合型的自然資源治理工程得到廣泛實(shí)施。農(nóng)用地、城鄉(xiāng)建設(shè)用地、工礦用地等多地類整治作為關(guān)鍵整治模式[4]，能夠有效保障耕地?cái)?shù)量與質(zhì)量，優(yōu)化建設(shè)用地空間格局，保障城市建設(shè)用地有序發(fā)展和提升生態(tài)系統(tǒng)健康水平[5]。

國(guó)土空間整治措施將顯著改變土地利用結(jié)構(gòu)和空間布局，進(jìn)而影響生態(tài)系統(tǒng)服務(wù)結(jié)構(gòu)與功能[6-7]。例如，農(nóng)用地整治能夠提升部分地區(qū)耕地供給能力，也可能造成耕地生態(tài)效益受損和生態(tài)系統(tǒng)服務(wù)價(jià)值下降[8-9]。當(dāng)前大量學(xué)者基于土地整治實(shí)例，探討了生態(tài)系統(tǒng)服務(wù)對(duì)于土地整治策略的響應(yīng)機(jī)制，評(píng)估了已實(shí)施土地整治工程或策略的生態(tài)效應(yīng)[10-13]，為提升國(guó)土空間整治措施的有效性提供了科學(xué)依據(jù)。但是，隨著國(guó)土空間整治內(nèi)涵與相應(yīng)措施的不斷發(fā)展，如何有效降低國(guó)土空間整治工程對(duì)未來(lái)生態(tài)系統(tǒng)及其功能的潛在負(fù)面影響，以期提升國(guó)土空間整治方案的生態(tài)適應(yīng)性與前瞻性仍然是學(xué)者們面臨的重要挑戰(zhàn)之一。該挑戰(zhàn)具體表現(xiàn)為兩個(gè)方面：一方面在于如何面向未來(lái)國(guó)土空間演化態(tài)勢(shì)，從模擬視角出發(fā)預(yù)測(cè)不同國(guó)土空間整治情景對(duì)生態(tài)系統(tǒng)的影響作用；另一方面則在于如何針對(duì)不同生態(tài)系統(tǒng)服務(wù)存在多種組合模式（生態(tài)服務(wù)簇）[14]，科學(xué)劃定生態(tài)功能區(qū)進(jìn)而分析國(guó)土空間整治措施的潛在生態(tài)效應(yīng)，同時(shí)為不同生態(tài)功能區(qū)提出差異化的生態(tài)管理措施。

現(xiàn)有土地利用模擬模型和生態(tài)功能分區(qū)模型能夠?yàn)榻鉀Q上述問(wèn)題提供可靠支持。現(xiàn)階段土地利用情景模擬主要以元胞自動(dòng)機(jī)模型為主，采用Markov分析、灰色系統(tǒng)、回歸分析、線性規(guī)劃、系統(tǒng)動(dòng)力學(xué)等空間隱式模型預(yù)測(cè)土地利用規(guī)模，采用元胞自動(dòng)機(jī)模型或者其與多準(zhǔn)則分析、機(jī)器學(xué)習(xí)、智能仿生及多智能體系統(tǒng)的混合模型進(jìn)行土地利用空間格局預(yù)測(cè)[15-19]。其中，F(xiàn)LUS（Future Land Use Simulation Model）模型通過(guò)整合人工神經(jīng)網(wǎng)絡(luò)算法（Artificial Neural Network，ANN）和輪盤(pán)賭機(jī)制可用于人類活動(dòng)與自然環(huán)境影響下未來(lái)土地利用情景模擬，得到廣泛應(yīng)用[20]。Markov模型基于隨機(jī)過(guò)程理論構(gòu)建，因其操作便捷性與高效性，廣泛應(yīng)用于土地利用需求預(yù)測(cè)[21-22]。Markov模型與FLUS模型的結(jié)合將為國(guó)土空間整治情景模擬提供可行的方法框架。同時(shí)，生態(tài)功能區(qū)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(jīng)驗(yàn)參數(shù)設(shè)定和分類非此即彼等不足。模糊C均值聚類（Fuzzy C-means，F(xiàn)CM）屬于無(wú)監(jiān)督分類算法，其以隸屬度來(lái)確定樣本類別，克服了傳統(tǒng)非此即彼聚類方法缺點(diǎn)以及主觀因素的影響。該算法聚類效果可靠性高，已廣泛應(yīng)用于國(guó)土空間分區(qū)[26]、流域水文區(qū)劃[27]、水質(zhì)分析[28]、遙感地物要素分類[29]等多個(gè)領(lǐng)域。因此，利用FCM聚類算法有望準(zhǔn)確識(shí)別生態(tài)系統(tǒng)服務(wù)簇，從而科學(xué)劃定生態(tài)功能區(qū)，提出針對(duì)多種生態(tài)系統(tǒng)服務(wù)的有效的政策建議，為國(guó)土空間整治措施優(yōu)化提供決策依據(jù)。

山東省招遠(yuǎn)市是全國(guó)綜合實(shí)力百?gòu)?qiáng)縣市，礦產(chǎn)資源豐富，黃金資源儲(chǔ)量多、分布廣、開(kāi)采歷史悠久，被譽(yù)為“中國(guó)金都”。城市化發(fā)展以及采礦活動(dòng)頻繁導(dǎo)致該地區(qū)農(nóng)村人口銳減，廢棄礦區(qū)閑置，土地資源浪費(fèi)嚴(yán)重。因此，招遠(yuǎn)市亟需開(kāi)展國(guó)土空間整治工程，推動(dòng)土地資源合理高效利用。本研究選擇山東省招遠(yuǎn)市為研究區(qū)，通過(guò)模擬研究區(qū)未來(lái)土地整治情景，探討不同整治情景下生態(tài)系統(tǒng)服務(wù)演化趨勢(shì)，分析不同情景下各功能區(qū)主導(dǎo)生態(tài)系統(tǒng)服務(wù)類型的變化特征，提出生態(tài)系統(tǒng)服務(wù)綜合提升的管理措施，綜合提升區(qū)域多種生態(tài)系統(tǒng)服務(wù)能力，以期有效支撐未來(lái)國(guó)土空間整治規(guī)劃方案優(yōu)化，推動(dòng)招遠(yuǎn)市國(guó)土資源高質(zhì)量開(kāi)發(fā)利用和保護(hù)。

1 研究區(qū)與數(shù)據(jù)來(lái)源

1.1 研究區(qū)概況

招遠(yuǎn)市隸屬于山東省煙臺(tái)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(shì)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(lái)，不合理的礦產(chǎn)資源開(kāi)發(fā)以及無(wú)序的建設(shè)用地?cái)U(kuò)張，導(dǎo)致招遠(yuǎn)市生態(tài)環(huán)境遭到嚴(yán)重破壞、土地資源集約利用程度低下，生態(tài)系統(tǒng)服務(wù)功能下降。

1.2 數(shù)據(jù)獲取與處理

本文使用的數(shù)據(jù)包括土地利用數(shù)據(jù)、數(shù)字高程模型、道路矢量數(shù)據(jù)、年均降水量數(shù)據(jù)、年均潛在蒸散量數(shù)據(jù)、土壤數(shù)據(jù)、人口、GDP、食物生產(chǎn)等社會(huì)經(jīng)濟(jì)數(shù)據(jù)和實(shí)地調(diào)研數(shù)據(jù)。其中招遠(yuǎn)市2009年、2018年土地利用數(shù)據(jù)以及數(shù)字高程模型（DEM）來(lái)自資源環(huán)境科學(xué)與數(shù)據(jù)中心（http://www.resdc.cn），分辨率為30 m；鐵路、省道、國(guó)道、高速公路等道路矢量數(shù)據(jù)來(lái)自O(shè)pen Street Map網(wǎng)站（http://openstreetmap.org）；年均降水量數(shù)據(jù)主要根據(jù)中國(guó)氣象科學(xué)數(shù)據(jù)共享服務(wù)網(wǎng)（http://www.data.cma.cn）的月值數(shù)據(jù)并利用Anusplin軟件進(jìn)行空間插值得到，分辨率為30 m；年均潛在蒸散量來(lái)自CGIAR-CSI網(wǎng)站（https://cgiarcsi.community）；土壤數(shù)據(jù)來(lái)自世界土壤數(shù)據(jù)庫(kù)（HWSD）的中國(guó)土壤數(shù)據(jù)集，分辨率為1 km；社會(huì)經(jīng)濟(jì)數(shù)據(jù)均來(lái)自招遠(yuǎn)市統(tǒng)計(jì)年鑒。廢棄工礦整治潛力數(shù)據(jù)則來(lái)自實(shí)地調(diào)研，通過(guò)開(kāi)展座談、問(wèn)卷圖件調(diào)查等方式得到全市廢棄工礦整治潛力區(qū)。招遠(yuǎn)市廢棄工礦主要分布在10個(gè)街道（鄉(xiāng)鎮(zhèn)）的43個(gè)鄉(xiāng)村，總面積達(dá)到297.81 hm2。本研究所有的空間數(shù)據(jù)統(tǒng)一采用CGCS2000地理坐標(biāo)，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(gòu)建了多元國(guó)土空間整治情景下生態(tài)系統(tǒng)服務(wù)功能分區(qū)的研究框架（圖2），主要包括多情景土地利用模擬，生態(tài)系統(tǒng)服務(wù)評(píng)估以及生態(tài)功能區(qū)劃?；谡羞h(yuǎn)市未來(lái)發(fā)展目標(biāo)，本文確定3種土地整治情景，即基準(zhǔn)情景、廢棄礦區(qū)修復(fù)情景及城鄉(xiāng)建設(shè)用地整治情景，采用Markov模型和FLUS模型預(yù)測(cè)不同情景下土地利用結(jié)構(gòu)和空間布局。在此基礎(chǔ)上，從生態(tài)系統(tǒng)服務(wù)類型入手，選擇5種生態(tài)系統(tǒng)服務(wù)指標(biāo)，利用InVEST等模型評(píng)估各情景下生態(tài)系統(tǒng)服務(wù)水平。最后，采用FCM聚類算法進(jìn)行生態(tài)系統(tǒng)服務(wù)聚類分析，劃分生態(tài)系統(tǒng)服務(wù)功能區(qū)，探討每種功能區(qū)的生態(tài)系統(tǒng)服務(wù)供給特點(diǎn)以及不同情景下各生態(tài)功能區(qū)生態(tài)系統(tǒng)服務(wù)能力的差異性。

2.2 生態(tài)系統(tǒng)服務(wù)評(píng)估

本文選擇調(diào)節(jié)功能中的碳固存和水源涵養(yǎng)、支持服務(wù)中的生境質(zhì)量、供給服務(wù)中的食物供給以及文化服務(wù)中的自然娛樂(lè)功能，利用InVEST模型、自然娛樂(lè)評(píng)價(jià)模型對(duì)各類生態(tài)系統(tǒng)服務(wù)定量化評(píng)估，分析生態(tài)系統(tǒng)服務(wù)功能的空間分布特征。各生態(tài)系統(tǒng)服務(wù)的評(píng)價(jià)方式及公式見(jiàn)表1。

2.3 多情景土地利用模擬

本文結(jié)合Markov-FLUS模型模擬多種土地整治模式下招遠(yuǎn)市2035年土地利用變化情況。Markov模型用于計(jì)算土地利用數(shù)量結(jié)構(gòu)，F(xiàn)LUS模型用于預(yù)測(cè)土地利用格局。FLUS模型中，Markov模型預(yù)測(cè)的土地利用需求作為土地利用數(shù)量約束條件，土地利用變化驅(qū)動(dòng)因子、鄰域權(quán)重以及土地利用轉(zhuǎn)移成本矩陣參考已有文獻(xiàn)和研究區(qū)現(xiàn)狀進(jìn)行設(shè)置[36]。本文選擇的驅(qū)動(dòng)因子包括高程，坡度，到城市中心、到鐵路、省道、國(guó)道、高速公路的距離，人口密度，人均GDP 9項(xiàng)驅(qū)動(dòng)因子。

表1 生態(tài)系統(tǒng)服務(wù)計(jì)算方式

土地整治作為招遠(yuǎn)市國(guó)土空間規(guī)劃的核心內(nèi)容，將致力于加強(qiáng)農(nóng)村建設(shè)用地土地整治，開(kāi)展廢棄礦區(qū)整治工程，建設(shè)緊湊型城市，更好地解決土地資源空間利用低效等發(fā)展問(wèn)題。因此面向招遠(yuǎn)市未來(lái)土地整治規(guī)劃戰(zhàn)略，情景設(shè)置重點(diǎn)考慮將廢棄礦區(qū)再開(kāi)發(fā)為耕地和林地，加強(qiáng)農(nóng)村空閑建設(shè)用地整理，限制城市建設(shè)用地?zé)o序擴(kuò)張。具體情景參數(shù)描述如下：

1）基準(zhǔn)情景：基準(zhǔn)情景主要作為對(duì)比分析依據(jù)。該情景下各類型土地利用需求數(shù)量利用Markov模型進(jìn)行預(yù)測(cè)；FLUS模型中將延續(xù)歷史土地利用轉(zhuǎn)換趨勢(shì)，不增加任何政策干預(yù)。

2）廢棄礦區(qū)修復(fù)情景：招遠(yuǎn)市采礦業(yè)發(fā)展迅猛，通過(guò)實(shí)地調(diào)研，預(yù)計(jì)2035年招遠(yuǎn)市廢棄礦區(qū)再開(kāi)發(fā)潛力可達(dá)297.81 hm2。針對(duì)廢棄礦區(qū)實(shí)施修復(fù)工程，可有效補(bǔ)充耕地與林地?cái)?shù)量。該情景充分考慮廢棄礦區(qū)的復(fù)墾與復(fù)綠潛力，將2035年耕地、林地最大潛在面積設(shè)置為基期數(shù)量與廢棄礦區(qū)可復(fù)墾、復(fù)綠面積之和，其他地類預(yù)期面積與基準(zhǔn)情景保持一致。此外，將基本農(nóng)田、河流水庫(kù)、沿海灘涂、生態(tài)紅線保護(hù)區(qū)作為土地利用轉(zhuǎn)換限制條件。

3）城鄉(xiāng)建設(shè)用地整治情景：招遠(yuǎn)市農(nóng)村人口減少但建設(shè)用地持續(xù)增加，城市建設(shè)用地緊張，土地利用效率低下。該情景充分挖掘閑置農(nóng)村建設(shè)用地的整治潛力，建立農(nóng)村建設(shè)用地挖潛與城市建設(shè)用地增加的掛鉤機(jī)制，從而實(shí)現(xiàn)城鄉(xiāng)建設(shè)用地總量平衡?；诰C合預(yù)測(cè)法預(yù)測(cè)2035年招遠(yuǎn)市農(nóng)村人口，參考山東省農(nóng)村人均建設(shè)用地規(guī)?？刂浦笜?biāo)，確定農(nóng)村建設(shè)用地整治潛力，將拆舊面積作為城市新增建設(shè)用地指標(biāo)，整治中復(fù)墾與復(fù)綠比例按照2009—2018年相應(yīng)土地利用轉(zhuǎn)移概率確定。其他用地類型數(shù)量需求與基準(zhǔn)情景保持一致。土地利用轉(zhuǎn)換條件與廢棄礦區(qū)修復(fù)情景保持一致。

2.4 生態(tài)系統(tǒng)服務(wù)功能分區(qū)

利用FCM聚類算法，以5項(xiàng)生態(tài)系統(tǒng)服務(wù)價(jià)值作為分類樣本集。根據(jù)生態(tài)系統(tǒng)服務(wù)之間的相似性對(duì)分區(qū)單元進(jìn)行空間聚類，形成生態(tài)服務(wù)功能區(qū)。FCM聚類算法將樣本集按照一定的準(zhǔn)則劃分為個(gè)模糊集，通過(guò)不斷優(yōu)化目標(biāo)函數(shù)確定最佳的中心聚類矩陣，最終實(shí)現(xiàn)目標(biāo)函數(shù)最小化[37-38]。其目標(biāo)函數(shù)為：

式中為樣本集的個(gè)數(shù)，是聚類數(shù)，u為數(shù)據(jù)點(diǎn)x相對(duì)于分類的隸屬度，c為類的中心，是模糊加權(quán)指數(shù)，取值為2。

最優(yōu)分類數(shù)量是影響聚類效果的重要因素。本文采用Bezdek劃分系數(shù)評(píng)價(jià)分類效果，它主要目的是計(jì)算每個(gè)元素屬于各個(gè)分類的隸屬度。具體計(jì)算公式如下：

式中v為所有元素的平均隸屬度，值越大，說(shuō)明聚類效果越好。

3 結(jié)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(shù)據(jù)驗(yàn)證模型精度，得到Kappa系數(shù)為0.924，F(xiàn)oM系數(shù)是0.021，表明模型精度良好，可用于未來(lái)土地利用模擬。招遠(yuǎn)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(yuǎn)市的西部、中部以及西南部高海拔地區(qū)。建設(shè)用地集中分布在中部街道以及北部鄉(xiāng)鎮(zhèn)地區(qū)。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(yuǎn)市土地利用類型面積

基準(zhǔn)情景下，招遠(yuǎn)市土地利用數(shù)量結(jié)構(gòu)變化顯著。與 2018年相比，建設(shè)用地面積將增加4 392.27 hm2，增幅達(dá)到23.56%。其中，農(nóng)村建設(shè)用地與城市建設(shè)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(dá)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(qū)修復(fù)情景中，耕地、林地面積分別達(dá)到了59 930.73 hm2、48 004.74 hm2，其中廢棄礦區(qū)復(fù)墾與復(fù)綠面積分別為76.32 hm2和221.49 hm2。農(nóng)村與城市建設(shè)用地面積分別為14 599.71 hm2與8 136.45 hm2。在城鄉(xiāng)建設(shè)用地整治情景中，由于招遠(yuǎn)市農(nóng)村人口逐年下降，到2035年農(nóng)村建設(shè)用地節(jié)約潛力可達(dá)5 347.89 hm2，占農(nóng)村建設(shè)用地總量的44.67%。該情景中，農(nóng)村建設(shè)用地面積為9 036.81 hm2，城市建設(shè)用地面積為9 604.89 hm2。與基準(zhǔn)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(nóng)村建設(shè)用地面積減少了38.10%，城市建設(shè)用地面積增加了13.88%。城鄉(xiāng)建設(shè)用地總體規(guī)模與2018年保持一致。

可見(jiàn)，建設(shè)用地在基準(zhǔn)情景中持續(xù)擴(kuò)張趨勢(shì)顯著，且農(nóng)村建設(shè)用地?cái)U(kuò)張面積遠(yuǎn)大于城市建設(shè)用地，建設(shè)用地?cái)U(kuò)張將顯著侵占生態(tài)用地和農(nóng)業(yè)用地。通過(guò)廢棄礦區(qū)修復(fù)，林地與耕地資源得到有效補(bǔ)充，一定程度能夠緩解建設(shè)用地?cái)U(kuò)張?jiān)斐傻呢?fù)面影響。通過(guò)實(shí)施建設(shè)用地整治工程，農(nóng)村建設(shè)用地將更加集約，城市擴(kuò)張速度將顯著減緩，從而有助于國(guó)土空間格局的優(yōu)化利用。

3.2 多情景下生態(tài)系統(tǒng)服務(wù)

不同情景下各街道（鄉(xiāng)鎮(zhèn)）碳固存、水源涵養(yǎng)量、生境質(zhì)量、食物生產(chǎn)與自然娛樂(lè)能力如圖4所示。從空間分布上看，生態(tài)系統(tǒng)服務(wù)能力與土地利用類型密切相關(guān)。其中，植被覆蓋率高的東部和南部鄉(xiāng)鎮(zhèn)生態(tài)系統(tǒng)服務(wù)能力較高，例如阜山鎮(zhèn)、夏甸鎮(zhèn)。中部街道例如泉山街道與溫泉街道，土地利用類型以建設(shè)用地為主，生態(tài)效益并不突出，出現(xiàn)生態(tài)系統(tǒng)服務(wù)能力的低值區(qū)。

從總量上看，基準(zhǔn)情景下碳固存總量達(dá)到1.542×107t，廢棄礦區(qū)修復(fù)情景、城鄉(xiāng)建設(shè)用地整治情景下則分別達(dá)到1.543×107t、1.545×107t?；鶞?zhǔn)情景下水源涵養(yǎng)總量為8.783×107m3，廢棄礦區(qū)修復(fù)情景、城鄉(xiāng)建設(shè)用地整治情景下水源涵養(yǎng)總量分別增加0.51%、4.26%?；鶞?zhǔn)情景下生境質(zhì)量平均值為0.516，廢棄礦區(qū)修復(fù)情景和城鄉(xiāng)建設(shè)用地整治情景下生境質(zhì)量均值分別增加0.39%、4.26%?；鶞?zhǔn)情景下自然娛樂(lè)平均值為1.601，而廢棄礦區(qū)修復(fù)情景、城鄉(xiāng)建設(shè)用地整治情景下則分別提升0.44%、2.12%。基準(zhǔn)情景下理論食物生產(chǎn)總量達(dá)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(qū)修復(fù)情景、城鄉(xiāng)建設(shè)用地整治情景下食物產(chǎn)量分別提升0.37%、4.47%。

相較于基準(zhǔn)情景，廢棄礦區(qū)修復(fù)情景有效增加了各項(xiàng)生態(tài)系統(tǒng)服務(wù)的總量，但提升效果具有空間異質(zhì)性。碳固存總量增加的地區(qū)主要分布在南部的鄉(xiāng)鎮(zhèn)，例如齊山鎮(zhèn)、畢郭鎮(zhèn)和夏甸鎮(zhèn)，而碳固存總量減少的地區(qū)主要分布在城區(qū)以及北部的鄉(xiāng)鎮(zhèn)，例如泉山街道、溫泉街道、辛莊鎮(zhèn)等。其次，廢棄礦區(qū)修復(fù)情景將減少部分中心街道以及南部鄉(xiāng)鎮(zhèn)的水源涵養(yǎng)總量，例如泉山街道、大秦家街道、齊山鎮(zhèn)和畢郭鎮(zhèn)，而其他街道（鄉(xiāng)鎮(zhèn)）水源涵養(yǎng)總量都得到提升。廢棄礦區(qū)修復(fù)情景下南部鄉(xiāng)鎮(zhèn)，例如齊山鎮(zhèn)、畢郭鎮(zhèn)、夏甸鎮(zhèn)，生境質(zhì)量的平均值減少，而東部的玲瓏鎮(zhèn)、西部的蠶莊鎮(zhèn)生境質(zhì)量的平均值均有顯著提升。廢棄礦區(qū)修復(fù)情景下中心城區(qū)泉山街道以及城郊的畢郭鎮(zhèn)自然娛樂(lè)的平均值均有所下降，中心城區(qū)以及南部部分鄉(xiāng)鎮(zhèn)的糧食生產(chǎn)總量減少，而北部鄉(xiāng)鎮(zhèn)糧食生產(chǎn)總量增加，例如張星鎮(zhèn)。城鄉(xiāng)建設(shè)用地整治情景將顯著提升各街道（鄉(xiāng)鎮(zhèn)）生境質(zhì)量、自然娛樂(lè)以及食物生產(chǎn)的能力，而降低夢(mèng)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(zhèn)碳固存與水源涵養(yǎng)總量分別下降了0.11%和0.22%。

3.3 生態(tài)系統(tǒng)服務(wù)聚類格局

以2018年5種生態(tài)系統(tǒng)服務(wù)值作為訓(xùn)練樣本指標(biāo)，根據(jù)指標(biāo)特征相似性對(duì)全域單元進(jìn)行生態(tài)功能聚類分區(qū)，通過(guò)Bezdek劃分系數(shù)的取值來(lái)確定最合理的聚類數(shù)量?？紤]到區(qū)域空間的差異性，初始聚類數(shù)目由4類逐漸增加到10類，得到不同聚類數(shù)量下Bezdek劃分系數(shù)值，如圖5所示。當(dāng)聚類數(shù)量=5時(shí)，Bezdek劃分系數(shù)為最大值，聚類效果達(dá)到最優(yōu)。

根據(jù)每一種分區(qū)聚類所呈現(xiàn)的生態(tài)系統(tǒng)服務(wù)功能結(jié)構(gòu)特征，采用生態(tài)功能特點(diǎn)的方式命名分區(qū)名稱，以反映不同功能區(qū)的生態(tài)功能特點(diǎn)，因此全域?qū)⒈粍澐譃樯鷳B(tài)綜合區(qū)、生境保育區(qū)、固碳釋氧區(qū)、固碳產(chǎn)糧區(qū)、生態(tài)維護(hù)區(qū)，如圖6所示。各個(gè)分區(qū)特征如下：

生態(tài)綜合區(qū)擁有全域高水平的生態(tài)系統(tǒng)服務(wù)能力，其生境質(zhì)量、自然娛樂(lè)、碳固存的能力均高于其他功能區(qū)。該功能區(qū)主要集中分布于招遠(yuǎn)市的西北部、中部及南部海拔較高的地區(qū)，土地利用類型以林地為主，呈團(tuán)塊狀分布。生境保育區(qū)其生境質(zhì)量處于突出地位，而其他生態(tài)系統(tǒng)服務(wù)功能并不凸顯，該功能區(qū)主要以水域?yàn)橹鳌９烫坚屟鯀^(qū)分布最為廣泛，碳固存能力處于較高水平，而其他生態(tài)系統(tǒng)服務(wù)功能并不突出。該生態(tài)功能區(qū)主要分布在耕地。固碳產(chǎn)糧區(qū)以草地為主。該功能區(qū)食物供給與碳固存能力突出，而其他生態(tài)系統(tǒng)服務(wù)能力總體上也保持較高水平。生態(tài)維護(hù)區(qū)主要分布在城鄉(xiāng)建設(shè)用地，該功能區(qū)碳固存與自然娛樂(lè)能力較為突出，而其他生態(tài)系統(tǒng)服務(wù)能力欠缺，生態(tài)系統(tǒng)服務(wù)之間存在權(quán)衡的關(guān)系。

不同情景下各生態(tài)功能區(qū)服務(wù)能力如表3所示。與基準(zhǔn)情景相比，廢棄礦區(qū)修復(fù)情景下各生態(tài)功能區(qū)60%生態(tài)系統(tǒng)服務(wù)水平持平，28%處于劣勢(shì)，僅12%顯著提升。其中，生態(tài)綜合區(qū)中所有的生態(tài)系統(tǒng)服務(wù)能力與基準(zhǔn)情景保持一致。固碳產(chǎn)糧區(qū)中只有糧食生產(chǎn)能力高于基準(zhǔn)情景，平均值增加1.15%，而其他生態(tài)系統(tǒng)服務(wù)能力與基準(zhǔn)情景保持一致；固碳釋氧區(qū)中生境質(zhì)量與碳固存平均值比基準(zhǔn)情景均增加0.01，增長(zhǎng)幅度并不顯著，而其他生態(tài)系統(tǒng)服務(wù)能力卻與基準(zhǔn)情景保持一致或略有下降。生境保育區(qū)與生態(tài)維護(hù)區(qū)中各生態(tài)系統(tǒng)服務(wù)能力低于或與基準(zhǔn)情景持平，其中生境保育區(qū)中碳固存平均值比基準(zhǔn)情景低25%，這表明廢棄礦區(qū)整治措施對(duì)該功能區(qū)的生態(tài)環(huán)境提升并不顯著。

表3 不同情景下各生態(tài)功能區(qū)生態(tài)系統(tǒng)服務(wù)平均值

與基準(zhǔn)情景相比，城鄉(xiāng)建設(shè)用地整治則能夠顯著提升全域自然娛樂(lè)能力，總體增長(zhǎng)了1.89%。固碳產(chǎn)糧區(qū)與生態(tài)綜合區(qū)生態(tài)系統(tǒng)服務(wù)能力中只有自然娛樂(lè)平均值高于或與基準(zhǔn)情景保持一致，而其他生態(tài)系統(tǒng)服務(wù)功能卻并不存在優(yōu)勢(shì)。生境保育區(qū)中自然娛樂(lè)與糧食生產(chǎn)能力高于基準(zhǔn)情景，分別增加了0.01和0.10，而水源涵養(yǎng)、生境質(zhì)量與碳固存能力略低于基準(zhǔn)情景，分別減少了0.01、0.07和0.01。固碳釋氧區(qū)中碳固存與糧食生產(chǎn)能力與基準(zhǔn)情景保持一致，其他生態(tài)服務(wù)能力均高于基準(zhǔn)情景，其中生境質(zhì)量平均值增長(zhǎng)了20.69%，水源涵養(yǎng)平均值增長(zhǎng)了100%。另外，生態(tài)維護(hù)區(qū)中各生態(tài)系統(tǒng)服務(wù)能力均高于基準(zhǔn)情景，說(shuō)明增減掛鉤政策有助于全面提升該功能區(qū)的生態(tài)系統(tǒng)服務(wù)能力。

4 討 論

面向高質(zhì)量發(fā)展目標(biāo)，對(duì)農(nóng)用地和城鄉(xiāng)建設(shè)用地進(jìn)行科學(xué)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(shí)施相關(guān)的整治措施能否促進(jìn)生態(tài)系統(tǒng)服務(wù)的系統(tǒng)性提升，仍有待進(jìn)一步探索。因此，本文基于招遠(yuǎn)市發(fā)展訴求，設(shè)計(jì)了多種土地整治情景，探討不同情景下生態(tài)系統(tǒng)服務(wù)的變化及其空間集聚模式，從空間上反映出生態(tài)系統(tǒng)服務(wù)的差異性，因地制宜提出整治措施，以期為未來(lái)土地整治規(guī)劃提供決策支持。

相較于基準(zhǔn)情景，廢棄礦區(qū)修復(fù)以及城鄉(xiāng)建設(shè)用地整治策略對(duì)土地利用結(jié)構(gòu)產(chǎn)生了顯著影響，有效地保證了耕地、林地、草地的數(shù)量，控制了建設(shè)用地規(guī)模，優(yōu)化了全域國(guó)土空間格局和生態(tài)系統(tǒng)服務(wù)能力。未來(lái)招遠(yuǎn)市土地整治過(guò)程中，當(dāng)?shù)卣畱?yīng)該充分挖掘農(nóng)村建設(shè)用地整治潛力，控制城市擴(kuò)張速率，適當(dāng)通過(guò)騰退農(nóng)村建設(shè)用地增加生態(tài)源地面積。從廢棄礦區(qū)修復(fù)情景可見(jiàn)，泉山街道、畢郭鎮(zhèn)等街道（鄉(xiāng)鎮(zhèn)）部分生態(tài)系統(tǒng)服務(wù)能力出現(xiàn)下降，因此政府需要充分考慮各街道（鄉(xiāng)鎮(zhèn)）的產(chǎn)業(yè)狀況，提出差異化的國(guó)土空間整治策略[40]，既要滿足未來(lái)產(chǎn)業(yè)發(fā)展需求，也要充分保護(hù)生態(tài)環(huán)境，以期均衡增強(qiáng)招遠(yuǎn)市各街道（鄉(xiāng)鎮(zhèn)）生態(tài)系統(tǒng)服務(wù)能力。

由于各地類生態(tài)系統(tǒng)服務(wù)能力存在較大差異，生態(tài)系統(tǒng)服務(wù)在空間上呈現(xiàn)出多種聚類模式。生態(tài)綜合區(qū)內(nèi)各生態(tài)系統(tǒng)服務(wù)能力均衡發(fā)展，生態(tài)系統(tǒng)穩(wěn)定性較高。生態(tài)維護(hù)區(qū)集中分布在城市建成區(qū)，除碳固存和自然娛樂(lè)能力突出之外，其他生態(tài)系統(tǒng)服務(wù)能力處于最低水平。其他生態(tài)功能區(qū)則通常存在一種或少數(shù)幾種起主導(dǎo)作用的生態(tài)服務(wù)功能，生態(tài)系統(tǒng)服務(wù)之間存在明顯的權(quán)衡關(guān)系。從不同整治情景上看，廢棄礦區(qū)修復(fù)情景下各生態(tài)功能區(qū)生態(tài)系統(tǒng)服務(wù)能力大多與基準(zhǔn)情景保持一致，少量有顯著增強(qiáng)。城鄉(xiāng)建設(shè)用地整治措施總體上增強(qiáng)了各生態(tài)功能區(qū)的自然娛樂(lè)能力，但卻降低了生態(tài)綜合區(qū)、生境保育區(qū)、固碳產(chǎn)糧區(qū)的部分生態(tài)系統(tǒng)服務(wù)能力。結(jié)果表明單一的國(guó)土空間整治措施并不能全面優(yōu)化各功能區(qū)的生態(tài)系統(tǒng)服務(wù)能力。未來(lái)國(guó)土空間整治仍然需要考慮城鄉(xiāng)建設(shè)用地增減掛鉤措施對(duì)于區(qū)域生態(tài)系統(tǒng)服務(wù)的動(dòng)態(tài)影響，重點(diǎn)提升各生態(tài)功能區(qū)中碳固存能力，改善固碳產(chǎn)糧區(qū)、生境保育區(qū)和生態(tài)綜合區(qū)的生境質(zhì)量，推動(dòng)各生態(tài)功能區(qū)生態(tài)系統(tǒng)服務(wù)能力協(xié)同高效提升。

5 結(jié) 論

本研究利用土地利用情景模擬技術(shù)，預(yù)測(cè)了2035年多種國(guó)土空間整治情景下生態(tài)系統(tǒng)服務(wù)水平演化趨勢(shì)，并利用FCM聚類算法進(jìn)行生態(tài)系統(tǒng)服務(wù)的聚類分析，劃定生態(tài)功能區(qū)。本研究主要從模擬視角探索多情景國(guó)土空間整治措施的生態(tài)效應(yīng)，通過(guò)分析整治措施對(duì)不同生態(tài)功能區(qū)主導(dǎo)生態(tài)服務(wù)類型的影響，為優(yōu)化國(guó)土空間整治措施提供決策依據(jù)。研究結(jié)論如下：

1）廢棄礦區(qū)修復(fù)情景能夠有效增加耕地、林地面積，控制城市建設(shè)用地規(guī)模，而城鄉(xiāng)建設(shè)用地整治情景則能夠確保城鄉(xiāng)建設(shè)用地總體規(guī)模保持不變。

2）與基準(zhǔn)情景相比，兩種整治情景可以顯著提升各生態(tài)系統(tǒng)服務(wù)總量，但該提升效果具有空間異質(zhì)性，例如廢棄礦區(qū)修復(fù)情景下泉山街道、畢郭鎮(zhèn)部分生態(tài)系統(tǒng)服務(wù)能力將下降，城鄉(xiāng)建設(shè)用地整治情景下夢(mèng)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(zhèn)的碳固存與水源涵養(yǎng)服務(wù)呈現(xiàn)下降趨勢(shì)，兩者分別減少了0.11%和0.22%。

3）根據(jù)生態(tài)系統(tǒng)服務(wù)簇所呈現(xiàn)的生態(tài)功能結(jié)構(gòu)特征，全域?qū)⒈粍澐譃樯鷳B(tài)綜合區(qū)、生境保育區(qū)、固碳釋氧區(qū)、固碳產(chǎn)糧區(qū)、生態(tài)維護(hù)區(qū)。與基準(zhǔn)情景相比，廢棄礦區(qū)修復(fù)情景中各功能區(qū)生態(tài)系統(tǒng)服務(wù)能力少量有明顯提升。城鄉(xiāng)建設(shè)用地整治措施則有效地提升了各功能區(qū)的自然娛樂(lè)能力，增強(qiáng)了生態(tài)維護(hù)區(qū)的所有生態(tài)系統(tǒng)服務(wù)能力以及生境保育區(qū)糧食生產(chǎn)能力，其平均值增加了0.10。同時(shí)固碳釋氧區(qū)的生境質(zhì)量、水源涵養(yǎng)能力也得到提升，兩者的平均值分別提升了20.69%和100%?？傮w來(lái)看，未來(lái)國(guó)土空間整治需要綜合多種措施，系統(tǒng)性提升生態(tài)服務(wù)水平。

[1] 劉彥隨，劉玉，翟榮新. 中國(guó)農(nóng)村空心化的地理學(xué)研究與整治實(shí)踐[J]. 地理學(xué)報(bào)，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(yīng)斌，楊慶媛. 轉(zhuǎn)型期中國(guó)農(nóng)村土地綜合整治重點(diǎn)領(lǐng)域與基本方向[J]. 農(nóng)業(yè)工程學(xué)報(bào)，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(xiāng)村空間重構(gòu)[J]. 地理學(xué)報(bào)，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(guó)土地整治戰(zhàn)略重塑與創(chuàng)新[J]. 農(nóng)業(yè)工程學(xué)報(bào)，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(yuǎn). 土地整理及其生態(tài)環(huán)境影響綜述[J]. 資源科學(xué)，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(guó)土地整理事業(yè)發(fā)展的回顧與展望[J]. 農(nóng)業(yè)工程學(xué)報(bào)，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(tài)效應(yīng)評(píng)價(jià)[J]. 應(yīng)用生態(tài)學(xué)報(bào)，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(shù)據(jù)的土地整治生態(tài)環(huán)境質(zhì)量動(dòng)態(tài)監(jiān)測(cè)[J]. 農(nóng)業(yè)工程學(xué)報(bào)，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(tài)流方法的土地整治項(xiàng)目對(duì)農(nóng)田生態(tài)系統(tǒng)的影響研究[J]. 生態(tài)學(xué)報(bào)，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(jī)器學(xué)習(xí)在城市空間演化模擬中的應(yīng)用與新趨勢(shì)[J]. 武漢大學(xué)學(xué)報(bào)(信息科學(xué)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(jìn)粒子群算法和元胞自動(dòng)機(jī)的城市擴(kuò)張模擬：以南京為例[J]. 長(zhǎng)江流域資源與環(huán)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(gòu)建及應(yīng)用[J]. 地球信息科學(xué)學(xué)報(bào)，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(zhèn)開(kāi)發(fā)邊界劃定研究[J]. 地球信息科學(xué)學(xué)報(bào)，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(guó)平，等. 基于MCR-FLUS-Markov模型的區(qū)域國(guó)土空間格局優(yōu)化[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，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(jīng)濟(jì)發(fā)展的國(guó)土空間評(píng)價(jià)分區(qū)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(zhǎng)江流域月降水的多尺度隨機(jī)特征及其分區(qū)[J]. 長(zhǎng)江流域資源與環(huán)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(qián)彩云，鞏杰，張金茜，等. 甘肅白龍江流域生態(tài)系統(tǒng)服務(wù)變化及權(quán)衡與協(xié)同關(guān)系[J]. 地理學(xué)報(bào)，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(zhì)量時(shí)空演變研究[J]. 生態(tài)學(xué)報(bào)，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(yuǎn)，郝夢(mèng)雅，等. 黃土高原生態(tài)系統(tǒng)服務(wù)權(quán)衡與協(xié)同時(shí)空變化及影響因素：以延安市為例[J]. 生態(tài)學(xué)報(bào)，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(chǎn)業(yè)引導(dǎo)的鄂西生態(tài)圈農(nóng)村居民點(diǎn)整理模式及分區(qū)[J]. 農(nóng)業(yè)工程學(xué)報(bào)，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(guó)土空間整治情景模擬的生態(tài)系統(tǒng)服務(wù)功能分區(qū)[J]. 農(nóng)業(yè)工程學(xué)報(bào)，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(guó)家自然科學(xué)基金面上項(xiàng)目（41771429）

周子康，研究方向?yàn)橥恋乩米兓M。Email：zhouzikang@whu.edu.cn

劉殿鋒，博士，副教授，博士生導(dǎo)師，研究方向?yàn)橥恋刭Y源可持續(xù)利用、土地利用生態(tài)效應(yīng)與優(yōu)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