幸瑞燊,周啟剛,4①

(1.生態(tài)環(huán)境空間信息數(shù)據(jù)挖掘與大數(shù)據(jù)集成重慶市重點(diǎn)實(shí)驗(yàn)室，重慶 401320；2.重慶財(cái)經(jīng)學(xué)院訊飛人工智能學(xué)院，重慶 401320；3.重慶工商大學(xué)環(huán)境與資源學(xué)院，重慶 400067；4.重慶工商大學(xué)公共管理學(xué)院，重慶 400067)

生態(tài)空間指能夠提供重要生態(tài)服務(wù)功能、生態(tài)產(chǎn)品并保證國(guó)家及區(qū)域生態(tài)安全的空間[1]，其不僅是國(guó)土空間重要的一部分，而且是生態(tài)系統(tǒng)的核心載體[2]。隨著城市化進(jìn)程的快速發(fā)展，“三生”空間之間的利用矛盾日益突出，我國(guó)對(duì)生態(tài)系統(tǒng)服務(wù)功能保護(hù)、恢復(fù)以及生態(tài)空間的可持續(xù)發(fā)展與保護(hù)進(jìn)入關(guān)鍵時(shí)期，生態(tài)空間成為熱點(diǎn)問(wèn)題。目前國(guó)內(nèi)外學(xué)者對(duì)于生態(tài)空間的研究主要集中于生態(tài)空間的演化特征及其梯度效應(yīng)[3-4]、生態(tài)空間的識(shí)別[5]、生態(tài)空間的重構(gòu)優(yōu)化[6]以及生態(tài)空間的保護(hù)和利用[7]，但是鮮有對(duì)生態(tài)空間模擬預(yù)測(cè)的研究。未來(lái)的生態(tài)空間規(guī)模和格局直接影響著國(guó)土空間的生態(tài)安全，故構(gòu)建一個(gè)科學(xué)、合理的模型對(duì)生態(tài)空間進(jìn)行模擬預(yù)測(cè)，對(duì)生態(tài)環(huán)境的保護(hù)以及國(guó)土空間的優(yōu)化管控具有重要的理論和現(xiàn)實(shí)意義。

在對(duì)于空間規(guī)模和格局的模擬預(yù)測(cè)研究中，國(guó)內(nèi)外學(xué)者主要使用各種模型對(duì)土地利用格局進(jìn)行模擬預(yù)測(cè)，使用最為廣泛的模型包括元胞自動(dòng)機(jī)(CA)[8-9]、人工神經(jīng)網(wǎng)絡(luò)(Ann)[10]、土地利用變化及效應(yīng)(CLUE-S)[11-12]等模型，許多學(xué)者還構(gòu)建復(fù)合模型進(jìn)行模擬預(yù)測(cè)[13-15]。這些模型在模擬預(yù)測(cè)過(guò)程中都有著各自的優(yōu)勢(shì)，但是同樣存在著不足之處：CA模型在模擬過(guò)程中對(duì)各種宏觀因素的考慮明顯不足；Ann模型對(duì)網(wǎng)絡(luò)結(jié)構(gòu)選擇不一，且存在局部極小化等問(wèn)題；CLUE-S 模型對(duì)于自然和政策等要素的影響考慮不足，過(guò)多強(qiáng)調(diào)經(jīng)濟(jì)效益的影響。因此，尋找一種能夠快速、科學(xué)、合理的模型對(duì)生態(tài)空間進(jìn)行模擬預(yù)測(cè)成為亟待解決的問(wèn)題。CA-Markov模型是國(guó)內(nèi)外學(xué)者構(gòu)建最多的模擬預(yù)測(cè)模型，其不僅能夠?qū)Ω鞣N生態(tài)空間類型的轉(zhuǎn)移總量以及轉(zhuǎn)移概率矩陣進(jìn)行預(yù)測(cè)，而且能夠通過(guò)鄰域之間的分析對(duì)生態(tài)空間類型的空間分布情況進(jìn)行模擬預(yù)測(cè)[16]，但是生態(tài)空間與其影響因子之間是非常復(fù)雜的非線性關(guān)系，CA-Markov模型很難確定它們之間的關(guān)系確定轉(zhuǎn)換規(guī)則，Ann模型則極為擅長(zhǎng)通過(guò)學(xué)習(xí)的方式處理復(fù)雜的非線性關(guān)系，因此，將Ann與CA-Markov模型結(jié)合，彌補(bǔ)了各個(gè)模型之間的缺點(diǎn)，對(duì)于生態(tài)空間的模擬預(yù)測(cè)具有較大的研究?jī)r(jià)值。

筆者以萬(wàn)州區(qū)作為研究區(qū)，對(duì)萬(wàn)州區(qū)生態(tài)空間的變化特征進(jìn)行分析，并通過(guò)構(gòu)建Ann-CA-Markov耦合模型對(duì)萬(wàn)州區(qū)未來(lái)生態(tài)空間的規(guī)模及格局進(jìn)行模擬預(yù)測(cè)，同時(shí)對(duì)萬(wàn)州區(qū)生態(tài)空間的生境質(zhì)量進(jìn)行評(píng)估，以期為相關(guān)的研究提供方法參考，同時(shí)也為生態(tài)環(huán)境保護(hù)政策制定以及國(guó)土空間的優(yōu)化管控提供參考依據(jù)。

1 研究區(qū)概況

萬(wàn)州區(qū)屬重慶市轄區(qū)，位于長(zhǎng)江上游地區(qū)、重慶東北部，處三峽庫(kù)區(qū)腹心，幅員面積3 457 km2，城區(qū)面積100 km2，城區(qū)人口102萬(wàn)人，戶籍總?cè)丝?73.56萬(wàn)人，常住人口為165.01萬(wàn)人。其境內(nèi)山丘起伏，少平壩和臺(tái)地，經(jīng)濟(jì)發(fā)展十分迅速，其地區(qū)生產(chǎn)總值在2019年達(dá)920.91億元，不僅是成渝城市群沿江城市帶區(qū)域中心城市、成渝經(jīng)濟(jì)區(qū)的東向開(kāi)放門戶，還是“一帶一路”和長(zhǎng)江經(jīng)濟(jì)帶重要節(jié)點(diǎn)城市。

2 數(shù)據(jù)來(lái)源與研究方法

2.1 數(shù)據(jù)來(lái)源

采用的主要數(shù)據(jù)是自三峽工程修建蓄水以來(lái)萬(wàn)州區(qū)2000、2006、2012、2018年4期Landsat TM/ETM遙感影像、DEM影像、交通道路、河流、行政中心、生態(tài)保護(hù)紅線和土地利用數(shù)據(jù)，以GB/T 21010—2007《土地利用現(xiàn)狀分類》為標(biāo)準(zhǔn)解譯，通過(guò)外業(yè)調(diào)查的方式保證解譯的準(zhǔn)確性，如表1所示。

2.2 生態(tài)空間界定

綜合國(guó)內(nèi)外對(duì)于生態(tài)空間概念的研究發(fā)現(xiàn)，國(guó)內(nèi)外學(xué)者對(duì)于生態(tài)空間的概念界定的最大爭(zhēng)議在于是否將農(nóng)用地納入生態(tài)空間，部分學(xué)者認(rèn)為農(nóng)用地以經(jīng)濟(jì)產(chǎn)出為主，不應(yīng)該納入生態(tài)空間之內(nèi)，而另外一部分學(xué)者則認(rèn)為農(nóng)用地雖然以經(jīng)濟(jì)產(chǎn)出為主，但是其同樣具有生態(tài)服務(wù)功能，應(yīng)該納入生態(tài)空間之內(nèi)[7]。2017年中共中央辦公廳、國(guó)務(wù)院辦公廳印發(fā)了《關(guān)于劃定并嚴(yán)守生態(tài)保護(hù)紅線的若干意見(jiàn)》，指出生態(tài)空間是具有自然屬性、以提供生態(tài)服務(wù)或生態(tài)產(chǎn)品為主體功能的國(guó)土空間，包括森林、草原、濕地、河流、湖泊、灘涂、岸線、海洋、荒地、荒漠、戈壁、冰川、高山凍原、無(wú)居民海島等。筆者以《關(guān)于劃定并嚴(yán)守生態(tài)保護(hù)紅線的若干意見(jiàn)》為依據(jù)，界定該研究的生態(tài)空間包括林地、草地、水域和未利用地。

表1 數(shù)據(jù)來(lái)源

2.3 研究方法

2.3.1景觀格局指數(shù)

景觀格局指數(shù)主要是對(duì)景觀自身的結(jié)構(gòu)和分布特征進(jìn)行定量的描述，通過(guò)計(jì)算景觀格局指數(shù)對(duì)生態(tài)空間的空間變化特征進(jìn)行研究[17-18]，主要選取斑塊數(shù)量(對(duì)生態(tài)空間格局進(jìn)行描述)、斑塊密度(描述某一生態(tài)空間類型的單位面積上的斑塊個(gè)數(shù))、最大斑塊指數(shù)(描述各個(gè)生態(tài)空間類型斑塊間的連通度)、分離度指數(shù)(描述某一生態(tài)空間類型的分化程度)、香農(nóng)多樣性指數(shù)(描述各個(gè)生態(tài)空間類型的均衡化程度)對(duì)生態(tài)空間格局的空間變化特征進(jìn)行描述。

2.3.2InVEST模型

InVEST模型指生態(tài)系統(tǒng)服務(wù)評(píng)估與權(quán)衡模型，主要應(yīng)用于陸地、淡水和海洋3類生態(tài)系統(tǒng)服務(wù)評(píng)估，從而支持生態(tài)系統(tǒng)管理和決策的一套模型系統(tǒng)[19]。InVEST生境質(zhì)量模型主要是通過(guò)計(jì)算生境退化程度進(jìn)而計(jì)算生境質(zhì)量指數(shù)對(duì)生境質(zhì)量進(jìn)行評(píng)估。

生境質(zhì)量指數(shù)指生境為某一個(gè)體或物種提供生存條件的潛力指數(shù)，通過(guò)各個(gè)生境的敏感性和威脅因素對(duì)生境的威脅強(qiáng)度進(jìn)行計(jì)算[20]，計(jì)算公式為

(1)

式(1)中，Qxj為j類型生境柵格x的生境質(zhì)量；Hj為j類型的生境適宜程度；Dxj為j類型生境的柵格x的總威脅水平指數(shù)；z和k為比例因子。

2.3.3Cramer′s V指數(shù)值

在進(jìn)行生態(tài)空間模擬預(yù)測(cè)的過(guò)程中需要使用影響因子，故通過(guò)計(jì)算各個(gè)影響因子與生態(tài)空間之間的Cramer′s V指數(shù)值(Cv)來(lái)測(cè)定各個(gè)影響因子對(duì)生態(tài)空間的影響力，以為生態(tài)空間的模擬預(yù)測(cè)提供依據(jù)，計(jì)算公式為

(2)

式(2)中，X2為卡方檢驗(yàn)數(shù)值；r為行數(shù)；s為列數(shù)；n為樣本數(shù)。

2.3.4Ann-CA-Markov耦合模型

Ann模型是一種通過(guò)大量簡(jiǎn)單的神經(jīng)元相互連接來(lái)模擬人腦功能的基本特征所形成的一個(gè)復(fù)雜的非線性動(dòng)力學(xué)習(xí)網(wǎng)絡(luò)系統(tǒng)，擁有較強(qiáng)的并行、分布式存儲(chǔ)、處理、自組織、自適應(yīng)和自學(xué)能力[21]。BP人工神經(jīng)網(wǎng)絡(luò)主要包括輸入層、隱藏層以及輸出層在內(nèi)的3層結(jié)構(gòu)，其本質(zhì)就是通過(guò)對(duì)訓(xùn)練樣本的不斷訓(xùn)練從而獲取最小誤差的網(wǎng)絡(luò)參數(shù)值，而后通過(guò)輸入與訓(xùn)練樣本相似的數(shù)據(jù)輸出結(jié)果誤差最小的數(shù)據(jù)[22]。CA模型是一種基于元胞空間以及某種特定的規(guī)則在空間和時(shí)間上進(jìn)行演化模擬的動(dòng)力學(xué)系統(tǒng)[23]。CA模型主要由6部分組成，包括元胞、元胞空間、鄰域和規(guī)則4大最基礎(chǔ)的部分以及狀態(tài)和離散時(shí)間2個(gè)部分。Markov模型以一類隨機(jī)過(guò)程為基礎(chǔ)的一種用來(lái)預(yù)測(cè)事件的先驗(yàn)概率和條件概率的數(shù)學(xué)方法[24]。Markov模型由4個(gè)部分所組成，分別為狀態(tài)、狀態(tài)轉(zhuǎn)移過(guò)程、狀態(tài)轉(zhuǎn)移概率和狀態(tài)轉(zhuǎn)移矩陣。

Ann-CA-Markov耦合模型是以CA作為基礎(chǔ)模型并結(jié)合Markov和Ann模型進(jìn)行構(gòu)建的，模型的整體結(jié)構(gòu)為CA模型，總共包括元胞、元胞空間、狀態(tài)、鄰域、規(guī)則和循環(huán)次數(shù)6個(gè)部分，其中最重要的規(guī)則部分通過(guò)Markov和Ann模型計(jì)算得到，具體構(gòu)建情況如下。

(1)元胞的定義：生態(tài)空間結(jié)構(gòu)類型圖的大小為30 m×30 m的柵格。

(2)元胞空間的定義：生態(tài)空間結(jié)構(gòu)類型圖的所有柵格。

(3)狀態(tài)的定義：元胞的狀態(tài)就是柵格的屬性，劃分為耕地、林地、草地、水域、未利用地和建設(shè)用地。

(4)鄰域的定義：定義5×5的擴(kuò)展性摩爾鄰域進(jìn)行研究，即周邊有24個(gè)元胞對(duì)元胞的屬性產(chǎn)生影響。

(5)規(guī)則的定義：元胞的轉(zhuǎn)換規(guī)則主要包括空間和數(shù)量上的轉(zhuǎn)換規(guī)則，數(shù)量上的轉(zhuǎn)換規(guī)則主要是通過(guò)Markov模型進(jìn)行計(jì)算(具體詳見(jiàn)3.2.1節(jié))，空間上的轉(zhuǎn)換規(guī)則通過(guò)Ann模型進(jìn)行計(jì)算(具體詳見(jiàn)3.2.2和3.2.3節(jié))。

(6)確定循環(huán)次數(shù)：因使用的每期基礎(chǔ)數(shù)據(jù)之間的間隔均為6 a，故設(shè)置確定循環(huán)次數(shù)的年限間隔為6 a。

3 結(jié)果與討論

3.1 研究區(qū)生態(tài)空間變化特征

3.1.1研究區(qū)生態(tài)空間數(shù)量變化特征

根據(jù)表2和圖1可知，萬(wàn)州區(qū)的生態(tài)空間的面積超過(guò)了萬(wàn)州區(qū)總面積的53%，萬(wàn)州區(qū)的生態(tài)空間以林地為主，其所占面積超過(guò)了萬(wàn)州區(qū)總面積的49%，其次依次為水域、草地和未利用地。

表2 2000—2018年萬(wàn)州區(qū)生態(tài)空間結(jié)構(gòu)類型面積統(tǒng)計(jì)表

2000—2018年間，萬(wàn)州區(qū)的生態(tài)空間面積持續(xù)增加，非生態(tài)空間用地中的耕地面積持續(xù)減少、建設(shè)用地面積持續(xù)增加。生態(tài)空間面積增加了846 45 hm2，增加幅度占萬(wàn)州區(qū)總面積的0.24%，其中2006—2012年生態(tài)空間面積增加幅度最為明顯，增加幅度占萬(wàn)州區(qū)總面積的0.22%。從生態(tài)空間的各個(gè)用地類型來(lái)看，2000—2018年間林地、草地和未利用地面積持續(xù)減少，其減少幅度分別占萬(wàn)州區(qū)的總面積的0.36%、0.02%和0.01%；水域面積持續(xù)增加，增加面積2 157.0 5 hm2，增加幅度占萬(wàn)州區(qū)總面積的0.63%。究其原因在于城鎮(zhèn)以及經(jīng)濟(jì)化發(fā)展對(duì)林地、草地和未利用地的占用以及三峽庫(kù)區(qū)蓄水增加了三峽庫(kù)區(qū)的水域面積。

3.1.2研究區(qū)生態(tài)空間在空間上的變化特征分析

為了對(duì)生態(tài)空間在空間上的變化特征進(jìn)行研究，計(jì)算萬(wàn)州區(qū)的斑塊數(shù)量(NP)、斑塊密度(PD)、最大斑塊指數(shù)(LPI)、分離度指數(shù)(SPLIT)和香農(nóng)多樣性指數(shù)(SHDI)(圖2)，在2000—2018年間萬(wàn)州區(qū)的NP和PD整體上呈增加趨勢(shì)，生態(tài)空間的破碎化程度越來(lái)越大；LPI持續(xù)減少且幅度較大，最大生態(tài)空間斑塊不斷被侵蝕、破壞；SPLIT持續(xù)增加，各個(gè)生態(tài)空間斑塊之間的分化程度越來(lái)越大；SHDI持續(xù)增加，各個(gè)生態(tài)空間斑塊之間的面積趨于均勻化。由此可見(jiàn)，萬(wàn)州區(qū)的生態(tài)空間的不穩(wěn)定性正在逐步擴(kuò)大。

3.2 Ann-CA-Markov耦合模型轉(zhuǎn)換規(guī)則

3.2.1生態(tài)空間類型轉(zhuǎn)移概率矩陣

生態(tài)空間類型的轉(zhuǎn)移概率矩陣是Ann-CA-Markov耦合模型的重要轉(zhuǎn)換規(guī)則之一，為2個(gè)不同時(shí)期生態(tài)空間類型流轉(zhuǎn)變化的轉(zhuǎn)移概率矩陣。使用萬(wàn)州區(qū)2000、2006、2012、2018年4期土地利用現(xiàn)狀數(shù)據(jù)，通過(guò)馬爾科夫模型分別計(jì)算萬(wàn)州區(qū)在2000—2006、2006—2012和2012—2018年3個(gè)時(shí)間段內(nèi)的生態(tài)空間類型的轉(zhuǎn)移概率矩陣，如表3～5所示。

表3 2000—2006年萬(wàn)州區(qū)生態(tài)空間類型轉(zhuǎn)移概率矩陣

3.2.2影響因子的影響力分析

在制作適宜性圖集之前需要對(duì)生態(tài)空間變化影響因子的影響力進(jìn)行分析。通過(guò)國(guó)內(nèi)外相關(guān)研究結(jié)合萬(wàn)州區(qū)的實(shí)際情況，選取高程、道路交通、行政中心、河流、生態(tài)紅線5個(gè)影響因子作為Ann-CA-Markov耦合模型的主要影響因子(圖3)，其中高程、道路交通、行政中心、河流為條件因子，生態(tài)紅線為限制因子。

就限制因子而言，生態(tài)紅線是生態(tài)空間內(nèi)具有特殊重要生態(tài)功能、必須強(qiáng)制性嚴(yán)格保護(hù)的區(qū)域，是保障和維護(hù)國(guó)家生態(tài)安全的底線和生命線，原則上按照禁止開(kāi)發(fā)區(qū)域的要求進(jìn)行管理，嚴(yán)禁不符合主體功能定位的各類開(kāi)發(fā)活動(dòng)，嚴(yán)禁任意改變用途。故在該研究中生態(tài)紅線是生態(tài)空間的關(guān)鍵區(qū)域。

就條件因子而言，通過(guò)計(jì)算Cramer′s V指數(shù)值對(duì)各個(gè)影響因子的影響力進(jìn)行解釋，計(jì)算結(jié)果如表6所示。根據(jù)表6可知，2000—2018年間道路交通因子和河流因子對(duì)萬(wàn)州區(qū)生態(tài)空間變化的影響力持續(xù)增加，高程因子和其影響力先減小后增加，究其原因在于近年來(lái)大量農(nóng)村人口涌入城市，致使城鎮(zhèn)化發(fā)展進(jìn)程加快且出現(xiàn)大量農(nóng)村山區(qū)地帶耕地撂荒等問(wèn)題，從而使大量生態(tài)空間被侵占。與此同時(shí)，土地復(fù)墾、土地整治、退耕還林、退耕還草以及各類扶貧政策、生態(tài)環(huán)境保護(hù)政策的實(shí)施致使道路交通建設(shè)加快、生態(tài)空間內(nèi)的各種自然資源被開(kāi)發(fā)利用，進(jìn)而使高程、道路交通、行政中心、河流等條件因子對(duì)生態(tài)空間變化的影響力持續(xù)受影響。

表6 各個(gè)影響因子影響下的Cramer′s V指數(shù)值

3.2.3生態(tài)空間類型適宜性圖集

生態(tài)空間類型的適宜性圖集是Ann-CA-Markov耦合模型的另外一個(gè)重要的轉(zhuǎn)換規(guī)則，主要通過(guò)MLP_ANN模型計(jì)算生成。選取高程、距道路交通的距離、距行政中心的距離、距河流的距離、現(xiàn)有土地利用類型、鄰近各個(gè)土地利用類型的柵格數(shù)量、生態(tài)保護(hù)紅線圖等共17個(gè)影響因子作為MLP_ANN模型中的輸入層的17個(gè)神經(jīng)元，并設(shè)置隱藏層的神經(jīng)元為12個(gè)，因未利用地本身基數(shù)太小，故設(shè)置輸出層的神經(jīng)元一共有5個(gè)，分別對(duì)應(yīng)耕地、林地、草地、水域、建設(shè)用地的轉(zhuǎn)換概率。通過(guò)MLP_ANN模型的學(xué)習(xí)計(jì)算精確度達(dá)到了96.44%，故生成的適宜性圖集完全可以用于預(yù)測(cè)模擬。由于Ann-CA-Markov模型是基于CA模型進(jìn)行構(gòu)建，最后將修正過(guò)后的適宜性圖集進(jìn)行拉伸，拉伸值為0～255，拉伸后生成的適宜性圖集如圖4所示。

3.3 研究區(qū)生態(tài)空間模擬預(yù)測(cè)

3.3.1Ann-CA-Markov耦合模型模擬精度檢驗(yàn)

在完成Ann-CA-Markov耦合模型的構(gòu)建后，對(duì)萬(wàn)州區(qū)2012和2018年的生態(tài)空間進(jìn)行模擬預(yù)測(cè)以檢驗(yàn)Ann-CA-Markov耦合模型的模擬精度，模擬結(jié)果如圖5所示。

主要通過(guò)Kappa系數(shù)對(duì)Ann-CA-Markov耦合模型的模擬精度進(jìn)行檢驗(yàn)，Kappa系數(shù)主要進(jìn)行圖件之間的一致性驗(yàn)證，如果計(jì)算的Kappa系數(shù)值≥0.75，則認(rèn)為模擬精度高；如果Kappa系數(shù)值<0.75且≥0.4，則認(rèn)為模擬精度一般；如果Kappa系數(shù)值<0.4，則認(rèn)為模擬精度低。

分別計(jì)算了萬(wàn)州區(qū)2012和2018年的標(biāo)準(zhǔn)、數(shù)量、位置和隨機(jī)Kappa系數(shù)值，2012年分別為0.983 6、0.987 6、0.992 7、0.992 7，2018年分別為0.985 0、0.988 7、0.996 3、0.996 3，由此可見(jiàn)，筆者所構(gòu)建的Ann-CA-Markov耦合模型具有較高的模擬精度，可以用于萬(wàn)州區(qū)2024年生態(tài)空間的模擬預(yù)測(cè)。

3.3.2研究區(qū)2024年生態(tài)空間模擬預(yù)測(cè)

通過(guò)構(gòu)建的Ann-CA-Markov耦合模型(選取的主要影響因子包括高程、道路交通、河流、行政中心以及生態(tài)紅線因子，詳見(jiàn)3.2.2和3.2.3節(jié))對(duì)萬(wàn)州區(qū)2024年的生態(tài)空間格局進(jìn)行模擬預(yù)測(cè)，其模擬結(jié)果如圖5和表7所示。

表7 2024年萬(wàn)州區(qū)生態(tài)空間模擬結(jié)果統(tǒng)計(jì)表

根據(jù)圖5和表7的萬(wàn)州區(qū)2024年生態(tài)空間模擬結(jié)果來(lái)看，到2024年萬(wàn)州區(qū)生態(tài)空間的面加增加，增加幅度占整個(gè)萬(wàn)州區(qū)總面積的0.15%，其中林地、水域和未利用地面積增加，林地和水域面積增加幅度分別占萬(wàn)州區(qū)總面積的0.18%和0.01%，未利用地增加面積可以忽略不計(jì)；草地面積減少，減少幅度占萬(wàn)州區(qū)總面積的0.04%。

在對(duì)2024年萬(wàn)州區(qū)生態(tài)空間的數(shù)量變化特征進(jìn)行分析后，進(jìn)一步對(duì)萬(wàn)州區(qū)2024年生態(tài)空間的空間變化特征進(jìn)行分析。根據(jù)2024年的生態(tài)空間模擬結(jié)果計(jì)算的景觀格局指數(shù)(表8)可知，萬(wàn)州區(qū)生態(tài)空間的斑塊數(shù)量、斑塊密度、最大斑塊指數(shù)、分離度指數(shù)和香農(nóng)多樣性指數(shù)到2024年都進(jìn)一步增加，說(shuō)明萬(wàn)州區(qū)生態(tài)空間的破碎化程度以及各個(gè)生態(tài)空間斑塊之間的分化程度和面積均勻化程度越來(lái)越大，萬(wàn)州區(qū)生態(tài)空間的穩(wěn)定性進(jìn)一步下降。

表8 2018—2024年萬(wàn)州區(qū)生態(tài)空間景觀格局指數(shù)表

3.4 研究區(qū)生態(tài)空間生境質(zhì)量評(píng)估

為了進(jìn)一步對(duì)萬(wàn)州區(qū)的生態(tài)空間進(jìn)行研究，通過(guò)InVEST模型對(duì)萬(wàn)州區(qū)2000—2018年以及2024年模擬的生態(tài)空間的生境質(zhì)量進(jìn)行計(jì)算。根據(jù)圖6可知，在整個(gè)萬(wàn)州區(qū)范圍內(nèi)，高生境質(zhì)量區(qū)域(敏感區(qū)域)分布較廣，在萬(wàn)州區(qū)的各個(gè)地方均有分布，集中分布于長(zhǎng)江流域以及萬(wàn)州區(qū)的東南部區(qū)域；而萬(wàn)州區(qū)的低生境質(zhì)量主要集中分布于萬(wàn)州區(qū)城區(qū)。

通過(guò)ArcGIS 10.1軟件平臺(tái)分別計(jì)算萬(wàn)州區(qū)2000、2006、2012、2018和2024年模擬的生態(tài)空間的平均生境質(zhì)量(圖7)。

根據(jù)圖7可知，無(wú)論是2000—2018年還是通過(guò)模擬的2024年，萬(wàn)州區(qū)生態(tài)空間的生境質(zhì)量呈現(xiàn)持續(xù)下降的趨勢(shì)，其中2000—2006年萬(wàn)州區(qū)生態(tài)空間的生境質(zhì)量下降最為顯著，2018—2024年下降幅度較小。綜上所述，萬(wàn)州區(qū)對(duì)于生態(tài)空間以及生態(tài)環(huán)境的保護(hù)并未使萬(wàn)州區(qū)的生態(tài)環(huán)境得到較大程度的改善，故需要進(jìn)一步加強(qiáng)對(duì)萬(wàn)州區(qū)生態(tài)空間的優(yōu)化管控及生態(tài)環(huán)境的保護(hù)。

3.5 研究區(qū)生態(tài)空間重構(gòu)策略

通過(guò)對(duì)萬(wàn)州區(qū)的生態(tài)空間格局以及生境質(zhì)量的模擬結(jié)果可知，萬(wàn)州區(qū)的生態(tài)空間減少最主要的原因是城鎮(zhèn)化以及工業(yè)化進(jìn)程的快速發(fā)展，因此對(duì)于控制人口密度以及合理規(guī)劃城市和工業(yè)的發(fā)展是對(duì)生態(tài)空間進(jìn)行合理重構(gòu)的重要策略之一。萬(wàn)州區(qū)的生境質(zhì)量呈現(xiàn)持續(xù)下降的趨勢(shì)，最主要的原因在于高生境質(zhì)量的生態(tài)空間類型向低生境質(zhì)量的生態(tài)空間類型轉(zhuǎn)換，而對(duì)于整個(gè)萬(wàn)州區(qū)而言，高生境質(zhì)量生態(tài)空間主要包括生態(tài)紅線以及自然保護(hù)區(qū)，低生境質(zhì)量主要包括耕地和未利用地，故對(duì)生態(tài)空間進(jìn)行合理重構(gòu)的另一重要策略是加強(qiáng)高生境質(zhì)量生態(tài)空間的保護(hù)(生態(tài)紅線、自然保護(hù)區(qū)、林地、水域等)，并在保證區(qū)域糧食安全的情況下將低生境質(zhì)量生態(tài)空間類型向高生境質(zhì)量生態(tài)空間類型轉(zhuǎn)換。因此，生態(tài)空間的管控及優(yōu)化最主要在于對(duì)生態(tài)空間總量進(jìn)行控制、對(duì)生態(tài)空間進(jìn)行分類管制、對(duì)生態(tài)空間進(jìn)行合理布局以及對(duì)生態(tài)空間保護(hù)實(shí)施保障機(jī)制。

3.6 討論

筆者所構(gòu)建Ann-CA-Markov耦合模型(Kappa系數(shù)0.983 6)比其他相關(guān)研究所使用模型的模擬精度(表9)更高，模擬預(yù)測(cè)結(jié)果的可信度更高，研究結(jié)果有利于掌握未來(lái)生態(tài)空間的變化趨勢(shì)，并為相關(guān)研究提供方法參考，同時(shí)為生態(tài)環(huán)境保護(hù)政策的制定以及國(guó)土空間的優(yōu)化管控提供參考依據(jù)。但是研究仍然存在著以下2個(gè)方面的問(wèn)題，需要進(jìn)一步改進(jìn)。

表9 相關(guān)模擬預(yù)測(cè)研究模型精度

第一方面，該研究使用的TM影像精度較低，且解譯只到一級(jí)地類，未精確到二級(jí)地類。故在未來(lái)的研究中，將盡可能使用高分辨率的遙感影像，獲取更加精細(xì)化的生態(tài)空間類型，加強(qiáng)對(duì)生態(tài)空間變化特征的研究。

第二方面，Ann-CA-Markov耦合模型創(chuàng)建轉(zhuǎn)換規(guī)則時(shí)未設(shè)置動(dòng)態(tài)轉(zhuǎn)換參數(shù)，通過(guò)人工神經(jīng)網(wǎng)絡(luò)模型創(chuàng)建適宜性圖集時(shí)僅設(shè)置了靜態(tài)參數(shù)，而未設(shè)置動(dòng)態(tài)參數(shù)，在生態(tài)空間發(fā)生變化的過(guò)程中各個(gè)影響因子也是發(fā)生變化的。在未來(lái)的研究中盡可能地獲取動(dòng)態(tài)轉(zhuǎn)換的參數(shù)需進(jìn)一步優(yōu)化Ann-CA-Markov耦合模型，提高模擬預(yù)測(cè)結(jié)果的可信度。

4 結(jié)論

通過(guò)對(duì)2000—2018年萬(wàn)州區(qū)的生態(tài)空間演變特征進(jìn)行分析，并構(gòu)建Ann-CA-Markov耦合模型對(duì)萬(wàn)州區(qū)2024年的生態(tài)空間進(jìn)行預(yù)測(cè)模擬，對(duì)萬(wàn)州區(qū)生態(tài)空間的生境質(zhì)量進(jìn)行評(píng)估，得出以下結(jié)論：

(1)構(gòu)建的Ann-CA-Markov耦合模型具有較高的模擬精度，通過(guò)Markov模型和Ann模型對(duì)CA模型的主要規(guī)則進(jìn)行構(gòu)建，解決了CA模型在模擬過(guò)程中對(duì)各種宏觀因素的考慮不足的問(wèn)題，使模擬的結(jié)果更加科學(xué)、合理、可信。

(2)根據(jù)預(yù)測(cè)模擬結(jié)果，2000—2024年萬(wàn)州區(qū)生態(tài)空間面積持續(xù)增加，但是生態(tài)空間的破碎化程度和穩(wěn)定性持續(xù)下降，且生態(tài)空間各個(gè)斑塊的分化程度持續(xù)增大，需要從區(qū)域整體上對(duì)生態(tài)空間進(jìn)行優(yōu)化管控。

(3)2000—2024年萬(wàn)州區(qū)生態(tài)空間的生境質(zhì)量持續(xù)下降，雖然萬(wàn)州區(qū)生態(tài)空間的數(shù)量不斷增加，但是其生境質(zhì)量仍然持續(xù)下降，生態(tài)空間的優(yōu)化管控不僅需要體現(xiàn)在生態(tài)空間的數(shù)量以及穩(wěn)定性上，更應(yīng)該關(guān)注生態(tài)空間的生境質(zhì)量。