王佳楠，張 志

(1.青海省青藏高原北部地質過程與礦產(chǎn)資源重點實驗室，青海 西寧 810000；2.中國地質大學(武漢) 地球物理與空間信息學院，湖北 武漢 430074)

土地利用/土地覆蓋變化與地區(qū)生態(tài)環(huán)境變化密切相關[1-3]，反映著人類與環(huán)境的相互作用關系。改革開放以來，中國工業(yè)化和城鎮(zhèn)化取得了舉世矚目的成就，但也帶來了一系列的問題，這些問題推動了土地利用規(guī)劃、土地利用評價等相關研究[4-6]。因此，分析區(qū)域土地利用的變化模式及其原因，對于區(qū)域經(jīng)濟與生態(tài)環(huán)境可持續(xù)發(fā)展意義重大。

我國在土地利用變化方面的研究多集中在驅動機制、生態(tài)環(huán)境效應和模型等方面[7-10]，主要服務于社會與經(jīng)濟建設。近年來，越來越多的研究表明：使用土地利用預測模型對區(qū)域未來時空格局發(fā)展與演進進行模擬分析，是探究土地利用變化驅動因素的重要方法，也被認為是全球環(huán)境變化研究的熱點[11-12]。目前國內外主流的土地利用變化模型包括CA-Markov模型、Logistic回歸模型、CLUE-S模型、FLUS模型、系統(tǒng)動力學模型[13-17]等。PLUS(patch-generating land use simulation)模型是一種新興的土地利用預測模型[18]，可以較精確地模擬不同年份、不同環(huán)境下的土地利用斑塊級的變化，并挖掘其驅動因素。但該模型需要土地利用需求以運行模擬，土地利用需求主要由數(shù)值模型進行模擬，其中Markov模型應用最為廣泛。由于Markov模型在數(shù)量預測方面精度較高[19]，將PLUS模型與Markov模型集成，可以很好地實現(xiàn)對區(qū)域土地利用時空變化的模擬。

在干旱區(qū)土地利用研究這一熱點，不同學者從生境質量評估、土地覆被變化等切入點研究取得了大量成果[20-21]。但是針對土地利用模擬及其變化的驅動因素研究還略顯不足，主要由于模型的限制，以往的土地利用模擬研究多集中在農(nóng)業(yè)區(qū)、城市群、小流域等高地表覆蓋區(qū)域[22-24]，對于低植被覆蓋干旱區(qū)土地利用變化模擬及其驅動機制的分析研究較為薄弱。Markov-PLUS模型與近年來常用的FLUS模型、CA-Markov模型相比，在保留了FLUS模型自適應慣性機制和輪盤競爭機制的基礎上進一步改進，采用隨機森林算法獲取各地類的發(fā)展概率，同時彌補了CA-Markov模型在探索土地利用轉化規(guī)則挖掘的不足，以及難以時空動態(tài)地模擬林地、草地等自然用地類型斑塊級變化的缺點。研究區(qū)域的地理位置具有代表性，區(qū)內巴音河流域是整個柴達木盆地最為重要的生態(tài)農(nóng)業(yè)牧業(yè)區(qū)，同時德令哈市作為整個海西州的首府，是區(qū)域人口與經(jīng)濟中心。近年來區(qū)域經(jīng)濟快速發(fā)展，第二產(chǎn)業(yè)漲勢迅猛，工業(yè)和農(nóng)業(yè)用水不斷擠占生態(tài)需水，人地矛盾突出，勢必會對生態(tài)環(huán)境造成一定的影響。為揭示區(qū)域土地利用演化規(guī)律，探明區(qū)域土地利用演化的驅動機制，本研究在分析柴達木盆地北緣近30 a土地利用變化規(guī)律的基礎上采用Markov-PLUS模型，在驗證模型精度的同時模擬區(qū)域2040年土地利用格局，以期實現(xiàn)區(qū)域可持續(xù)發(fā)展科學布局，為區(qū)域的生態(tài)環(huán)境保護、資源有效利用和國土空間規(guī)劃編制提供理論參考。

1 材料與方法

1.1 研究區(qū)概況

柴達木盆地北緣位于青海省中北部，青藏高原北部邊緣(36°36′-37°27′N，96°38′-99°24′E)，總面積1萬km2，海拔2 700～4 600 m，行政區(qū)劃包括德令哈市、烏蘭縣、柯魯柯鎮(zhèn)、尕海鎮(zhèn)等7鎮(zhèn)1鄉(xiāng)(圖1)。區(qū)內有巴音河流域從祁連山南坡穿過宗務隆山，先后經(jīng)過蓄集鄉(xiāng)、德令哈市、尕海鎮(zhèn)，最后流向柯魯柯湖。柴北緣年平均降水量177 mm，6-9月降雨較多，平均降水量超過108 mm。全年蒸發(fā)量達2 439.4 mm，為降水量的16.4倍。年平均氣溫3.6 ℃。年日照時間在3 000 h以上。隨著人口的增加，工業(yè)化和城鎮(zhèn)化的加快，區(qū)域生態(tài)環(huán)境安全面臨極大的挑戰(zhàn)。

1.2 數(shù)據(jù)

數(shù)據(jù)主要包括行政區(qū)劃、遙感影像等基礎數(shù)據(jù)及驅動因子數(shù)據(jù)。本研究遙感數(shù)據(jù)為1990、2000、2010年及2020年4期Landsat影像。在ENVI 5.5中對原始影像進行輻射定標、大氣校正、鑲嵌、裁剪等預處理工作。4期影像色調均勻、云覆蓋低于5%。根據(jù)第3次全國土地調查的分類體系結合實地調查，將土地利用類型分為耕地、林地、草地、水域、建設用地和未利用地6類。利用隨機森林算法進行監(jiān)督分類得到4期土地利用結果，進一步結合野外考察及高分辨率影像對結果進行修正，用總體精度和Kappa系數(shù)對處理結果進行驗證，分類精度均在95%以上(表1)。構建預測模型時綜合考慮柴北緣社會經(jīng)濟、交通區(qū)位、地形地貌和氣候要素，共選取11 項作為驅動因子及保護區(qū)數(shù)據(jù)作為限制因子，在Arcgis中將其柵格化后統(tǒng)一重采樣至30 m分辨率。相關數(shù)據(jù)具體情況見表2。

表1 土地利用分類精度

1.3 研究方法

1.3.1 土地利用重心遷移模型 土地利用重心遷移模型[25]可以揭示土地類型時空變化過程，直觀地反映地類變化的方向，其表達式為

(1)

式中：Xt、Yt表示t年某地類重心的橫縱坐標；Ati表示第t年第i個圖斑的面積。

1.3.2 轉移矩陣及動態(tài)度 土地利用轉移矩陣用來直觀地表示各種土地類型的轉移方向[26]，從而更好地理解各地類的時空變化過程。其表達式為

(2)

式中：Sij是研究期內i土地類型轉化成j類土地類型的面積，n為土地利用的總數(shù)。

土地利用動態(tài)度[27]是計算某種地類單位時間內變化幅度的指標，可以表示土地利用變化速率。其表達式為

(3)

式中：K為土地利用動態(tài)度；T為研究時段長；U1、U2分別為某土地類型變化前與變化后的面積。

表2 數(shù)據(jù)類型及來源

1.3.3 用地需求規(guī)模預測 采用Markov模型對研究區(qū)未來各用地類型的需求規(guī)模進行預測[28]。Markov模型在土地利用變化研究中假設第t+1時相土地利用格局只受t時相的影響，從而進行模擬預測。具體過程如下表示：

St+1=Pij×St

(4)

式中：St和St+1分別表示t時相和t+1時相土地的狀態(tài)，t為年；Pij是狀態(tài)轉移概率矩陣，表示i用地類型轉移為j用地類型的概率。

1.3.4 土地利用格局預測 PLUS模型是基于土地擴展分析策略(LEAS)的規(guī)則挖掘框架和多類型隨機斑塊種子(CARS)的CA模型所構建的[29]，與其他模型相比，LEAS簡化了土地利用變化的分析，同時保持了支持多種類型、復雜土地利用變化的能力，可以更好地模擬林草等自然用地斑塊級的變化，準確度更高。

1)基于土地擴展分析策略的規(guī)則挖掘框架

LEAS將2個時期的土地利用數(shù)據(jù)進行疊加，從土地利用數(shù)據(jù)的后期數(shù)據(jù)中提取具有變化狀態(tài)的單元格，代表每個土地利用類型的變化區(qū)域。采用雙決策隨機森林分類算法將各土地利用類型轉換規(guī)則的挖掘轉化為1個二元分類問題(獲得各土地利用類型的變化概率和慣性概率) ，以此挖掘其變化與多種驅動因素之間的關系。表達式為：

(5)

(6)

表3 鄰域因子參數(shù)

采用基于閾值下降的類型隨機斑塊播種機制，通過總體概率的計算過程實現(xiàn)。這種機制通過統(tǒng)計模擬算法在依據(jù)土地鄰域效應，在每種地類的生長概率曲面上產(chǎn)生變化的“種子”，種子可能產(chǎn)生一個新的土地利用類型，并生長成新的斑塊，這些斑塊由一組具有相同土地利用類型的細胞組成。并用競爭過程的閾值遞減規(guī)則控制多個土地利用斑塊的產(chǎn)生。

1.3.5 土地利用模擬多情景設置 總結相關政策、規(guī)劃文本統(tǒng)籌的土地利用管理導向，并結合前人成果，本研究設置了4種不同土地利用變化情景用于預測模擬。趨勢發(fā)展情景:根據(jù)現(xiàn)有發(fā)展趨勢外推，參數(shù)不作調整；城鎮(zhèn)發(fā)展情景:耕地、林地、草地轉為建設用地的面積增加，建設用地轉為其余地類的面積減少，模擬結果建設用地的預測量增多；耕地保護情景:林地、草地、未利用地轉為耕地的面積增加，耕地轉為這些用地類型的面積減少，模擬結果耕地的預測量增多；生態(tài)保護情景:適當增加未利用地、耕地向林地、草地、水域的轉移，減少林地、草地、水域向其他地類的轉移，提高模擬年份林地、草地、水域的預測量。4種情景的轉換成本矩陣見表4，其中a～f依次表示6種土地利用類型；0表示不能轉化；1表示允許轉化。

表4 轉移成本矩陣

1.3.6 模擬精度驗證 將2010年的土地利用結果輸入Markov-PLUS模型運行得到2020年土地利用情形，采用FOM值對模擬結果進行驗證，并與FLUS模型(基于人工神經(jīng)網(wǎng)絡的CA模型)進行比較。FLUS模型已被廣泛用于不同尺度(區(qū)域、大陸和全球)的不同地區(qū)的模擬，并能獲得比其他傳統(tǒng)模型如CLUE-S、ANN-CA和Logistic-CA更高的模擬精度。將目視解譯實際土地利用數(shù)據(jù)(2020)與隨機森林(RF)分類結果以及2個模型的模擬結果進行了比較。圖2中的a、b、c、d分別代表以上4種情況?？擅黠@觀察到Markov-PLUS的運行結果與目視解譯土地利用結果相似度較高，模擬效果較好(FOM=0.236 6)。因b(2)、c(2)、d(2)顯示隨機森林分類結果和2個模型模擬結果的局部放大圖。結果表明，Markov-PLUS的模擬結果得到的錯誤斑塊較小且均勻地散布在整個研究區(qū)域，F(xiàn)LUS則有許多明顯和較大的錯誤斑塊，此光伏發(fā)電設施均沒有得到準確預測。Markov-PLUS模型與FLUS模型的FOM值進行了比較(0.236 6 vs 0.167 4)，說明Markov-PLUS模型在土地利用預測方面優(yōu)于傳統(tǒng)模型。得到的Kappa系數(shù)為0.861，總體精度為0.855，由此可知Markov-PLUS模型模擬精度較高，在本研究區(qū)適用性較好。

2 結果與分析

2.1 柴達木盆地北緣土地利用數(shù)量變化分析

根據(jù)1990、2000、2010、2020年4期土地利用數(shù)據(jù)，得到土地利用面積及動態(tài)度變化情況。由圖3、圖4知，面積由大到小為未利用地>林地>水域>草地>耕地>建設用地，變化面積為未利用地>林地>建設用地>草地>耕地>水域。其中草地和水域面積先減少后增加，且增速逐漸加快；林地面積總體上波動增加，各項環(huán)境保護措施及政策在研究區(qū)全面開展，初見成效；耕地面積先增加后減少，建設用地變化速度最快，保持較為快速的增長；未利用土地主要為沙地及鹽堿地，其面積在不斷減少?？傮w來說，在城鎮(zhèn)化水平不斷提高，人口數(shù)量不斷增加，經(jīng)濟不斷發(fā)展的背景下，柴北緣也在積極響應生態(tài)文明建設，林草水面積總體呈增加趨勢，耕地面積近十年來呈下降趨勢，未利用地的開發(fā)更合理更高效。

2.2 柴達木盆地北緣土地利用結構變化分析

由表5可知，1990-2000年，草地和林地向未利用地轉化較多，分別轉化了40.36、200.95 km2,在此期間，草地退化較為嚴重，主要原因是氣候變暖及農(nóng)牧業(yè)技術的驅動導致的開墾；2000-2010年，未利用地向林地轉化較多，天然林保護工程和防沙治沙政策的落實是其主要原因，其次是建設用地由未利用地轉化25.58 km2，轉化比例時期面積的74.9%；2010-2020年，建設用地持續(xù)增加，其主要來源是未利用地和耕地，主要是由于研究區(qū)人口的不斷增加，社會經(jīng)濟高速發(fā)展和快速城鎮(zhèn)化導致建設用地的壓力不斷增大，尤其是在近10 a中建設大量光伏發(fā)電設施。耕地向林地轉化面積增加，原因是在該時段研究區(qū)實施了退耕還林政策，收效顯著。在3個時段內，草地與林地與未利用地之間互有轉化，除1990-2000年期間有部分草地退化外，未利用地轉化為草地和林地的方向更為突出。水域的增加面積主要由未利用地和草地轉化而來。建設用地轉化特征最為明顯，整個研究時間段內主要由未利用地和耕地轉化而來?？傮w來說，1990-2000年研究區(qū)草地面積出現(xiàn)下降，生態(tài)環(huán)境質量倒退；2000-2010年實施防沙治沙工程收到了一定成效；2010-2020年林地草地水域面積不斷增加，同時建設用地的快速擴張，反映了生態(tài)環(huán)境保護措施初見成效，生態(tài)環(huán)境得到治理。

表5 土地利用面積轉移矩陣

2.3 柴達木盆地北緣土地利用空間轉移分析

由圖5可知，1990-2020年，耕地重心向東南方向偏移，從耕地面積變化的數(shù)據(jù)來看，耕地面積呈現(xiàn)“先增后減再增”的發(fā)展規(guī)律，研究區(qū)內耕地增加，大部分來自西部未利用地的開墾；后來耕地面積的減少可歸因于流域上游實行退耕還林還草，部分耕地改林還草，于是耕地的中心向西南方向轉移。此后，由于實行耕地保護政策，耕地面積實現(xiàn)正增長，且重心向相反方向移動。林地與草地重心總體向西南的方向偏移，遷移距離分別為2.06和2.37 km，整體遷移方向與耕地相近，更偏向于南部，這與巴音河流域的徑流量有較大的關系，研究區(qū)氣候變暖變濕，上游耕地減少，需水量降低，使草地重心整體向南移動。水域重心向北偏東方向偏移，遷移距離5.43 km。水域的面積經(jīng)歷了先減少后增加的過程，21世紀以來，生態(tài)環(huán)境問題受到了廣泛的關注，有關各部門出臺了一系列政策來治理流域西部，柯魯柯湖-托素湖為國家級自然保護區(qū)，尕海也已被建設成國家濕地公園，流域水域的面積發(fā)生了較大幅度的變化導致其重心向西轉移。建設用地重心先向東南方，后向西北方偏移。隨著社會經(jīng)濟的發(fā)展，海拔較低、地形平緩的德令哈市區(qū)城鎮(zhèn)化進程迅速，使建設用地整體向西南移動，且幅度較大。2010年后，區(qū)域大力發(fā)展光伏發(fā)電，已在西北哈爾科山上建立大量設施，所以2010年后建設用地重心向西北方向移動。

2.4 驅動因子貢獻度分析

土地利用變化是自然、地理區(qū)位和社會經(jīng)濟因子復雜耦合作用過程在空間上的表現(xiàn)。將1990-2020年各地類面積變化作為因變量，從自然氣候、交通區(qū)位和社會經(jīng)濟3個方面選取11個自變量(表2)其中：自然氣候要素相對穩(wěn)定，DEM和坡度控制著高原地區(qū)植被與作物的生長，年均氣溫與降水對西北干旱區(qū)土地利用影響較大；通過人均GDP與人口數(shù)量的變化來衡量區(qū)域的宏觀發(fā)展狀況；公路、鐵路、車站、政府駐地等交通運輸與公共服務的數(shù)量與距離將極大影響區(qū)域土地利用的變化方向及速率，最終選取以上因子來為區(qū)域土地利用變化原因作出部分解釋。運用Markov-PLUS模型的LEAS模塊對各類用地的發(fā)展概率進行計算，用α值來描述驅動因子貢獻度的可靠性，最終求得各因子對用地擴張的貢獻度(α=0.743,RMSE=0.084)見圖6，其值越大表明該因子對該地類變化的影響越大。

2.4.1 耕地 從圖6可知，對耕地變化影響最大的是溫度，近幾年來研究區(qū)溫度波動上升，氣溫上升導致大氣對水分的需求增加，蒸騰作用增強，進而影響降水量對植被生長狀況起到控制作用。與市縣政府的距離也極大地影響耕地的分布，政府周圍的地區(qū)通常是人類最活躍的地區(qū)，耕地面積的變化最可能再出現(xiàn)在受人類活動影響較大的地區(qū)。

2.4.2 林地 影響林地面積的主要驅動因子是溫度，其次是到公路、水域的距離和DEM。區(qū)域林地增加的區(qū)域主要集中在海拔較高、靠近水域的地區(qū)。溫度對林地生長的影響體現(xiàn)在提高植被光合作用，促進有機質分解提高土壤養(yǎng)分的促進作用，也體現(xiàn)在加快蒸散，減少土壤水分的抑制作用。

2.4.3 草地 DEM對草地增長的影響較大，北部地區(qū)海拔在3 000 m以上,為高寒草原覆蓋最低的地區(qū),西南部地區(qū)為草地、林地和耕地過渡區(qū),地勢較為平坦,海拔在2 700 m左右,草地分布較廣。

2.4.4 水域 水域面積受人口因素的影響最大，無論是經(jīng)濟的快速發(fā)展、人口數(shù)量的改變，都對水域面積的增大起了一定的推動作用，與研究區(qū)實際情況相符。

2.4.5 建設用地 影響建設用地增長的主要是人口及其與公路的距離，這說明人口增長是建設用地面積不斷擴張最根本驅動因素，城鎮(zhèn)化進程不斷推進，最終促使居住用地面積不斷擴張，且新增建設用地更有可能分布在交通方便的區(qū)域。

2.4.6 未利用地 多種驅動因子均對未利用地的變化產(chǎn)生較大影響。未利用地面積下降，這與柴北緣經(jīng)濟的快速發(fā)展有較大的關系，同時還與國家推行的造林植草政策息息相關，未利用地向建設用地及草地轉化102 km2。此外，人口數(shù)量與結構的變化也促進了未利用地的開拓，越來越多的建設用地拔地而起，人類對土地的開發(fā)利用程度明顯提高。

2.5 柴達木盆地北緣土地利用多情景模擬

根據(jù)表6、圖7多情景土地利用模擬結果，柴北緣土地利用整體格局一致性較高，但局部變化明顯。在自然環(huán)境因素不發(fā)生突變，社會發(fā)展保持現(xiàn)有速度的條件下,通過與之前幾個時期的各類用地的變化趨勢對比發(fā)現(xiàn)，綜合土地利用動態(tài)度由前一時期的1.52%下降為0.14%，說明這個時期柴北緣發(fā)展處于穩(wěn)定時期，各地類波動較小。2020-2040年耕地面積緩慢增加，土地利用動態(tài)度由-0.1%升高為0.1%。林地較快增加，其增加面積由未利用地轉化較多。水域面積增加22.34 km2,空間分布于西南部托素湖附近；建設用地面積穩(wěn)定增加，大多集中在德令哈北部哈爾科山，預計會有更多的發(fā)電設施在此建成。城鎮(zhèn)發(fā)展情景下，建設用地面積增加84.58 km2，增幅超過80%，而城市與工礦用地的發(fā)展導致林地與草地減少56.25 km2，林、草的退化問題將威脅區(qū)域可持續(xù)發(fā)展；耕地保護情景下，耕地面積增加37.48 km2，林地與草地面積減少17.28 km2。該情景下耕地較少轉為其他用地，區(qū)域建設用地的發(fā)展便用了部分林地與草地，這些轉化主要發(fā)生在中部尕海鎮(zhèn)附近；生態(tài)保護情景下，林地、草地、水域面積共增加116.4 km2，林地與草地僅在此情景下正向增長，而耕地出現(xiàn)負增長現(xiàn)象，空間分布于烏蘭縣周邊。

表6 2040年不同情景土地利用情況

3 結論與討論

3.1 結論

研究區(qū)未利用地面積逐年減少，由于城鎮(zhèn)化的推進建設用地呈增加趨勢，耕地與草地的變化趨勢相反，退耕還林還草生態(tài)工程成效顯著。林、草地之間轉換頻繁，由于區(qū)域生態(tài)環(huán)境脆弱，政府加強對林地的保護，防治林地退化，并積極建設濕地公園與自然保護區(qū)。水域與林地面積持續(xù)增加。

研究區(qū)土地綜合動態(tài)度逐年上升，各類型土地變化速率差異較大，其中建設用地>草地>耕地>林地>水域>未利用地，建設用地變化速率最大，耕地土地利用動態(tài)度出現(xiàn)負數(shù)，說明耕地面積減少的速度在增加，在退耕還林還草的同時，也應順應當?shù)匕l(fā)展，保護耕地。同時，對未利用地的開發(fā)應秉持合理的原則。

將Markov模型與PLUS模型耦合，構建了一個可用于模擬土地利用斑塊級變化并分析土地利用動態(tài)潛在驅動因子的斑塊生成土地利用模擬(Markov-PLUS)模型。分別使用FLUS模型與Markov-PLUS模型模擬柴北緣2020年土地利用格局，并與2020年實際結果進行比較，證實了Markov-PLUS模型比FLUS模型模擬效果更好，準確性更高。

2040年的土地利用多情景模擬結果顯示，城鎮(zhèn)發(fā)展情景下，建設用地大幅增加，但會擠占大量林、草地；草地面積基本保持穩(wěn)定；耕地保護情景下，耕地從減少變?yōu)樵黾于厔?，而建設用地的擴張依然會使林、草地減少；林地與草地僅在生態(tài)保護情景下正向增長。趨勢發(fā)展情景下建設用地保持增加的趨勢，但建設用地增加速率降低，林地與水域顯著增加，反映了未來流域及湖泊濕地系統(tǒng)的保護成效。

3.2 討論

將Markov鏈、CA模型與基于土地擴張分析策略的規(guī)則挖掘框架緊密聯(lián)系在一起，共同構成Markov-PLUS模型，模型的訓練過程可以直接提供驅動力的定量信息。利用Markov-PLUS模型模擬了柴北緣的土地利用變化狀況，考慮到土地利用變化的驅動因素可能隨著時間而變化，從PLUS模型中獲得的變化規(guī)則比以往研究中發(fā)現(xiàn)的分布規(guī)則更有價值和靈活性，因為本研究中的變化規(guī)則具有時間性，這使得變化規(guī)則能夠描述一定時間內土地利用變化的性質。這一優(yōu)勢可以幫助決策者理解驅動因素(例如鐵路、公路的修建)如何影響短期土地利用變化。此外，與FLUS模型對比，模擬結果獲得了更高的精度。因此可以認為Markov-PLUS模型在土地利用預測模擬中可獲得更可靠的模擬結果。與其他模型相比雖然在模擬精度與驅動因素挖掘方面優(yōu)勢明顯，但試驗仍存在缺點。因為部分數(shù)據(jù)難以獲得導致影響因子未能考慮得面面俱到，只涉及了自然、經(jīng)濟、交通區(qū)位等因子，對當?shù)匚磥硪?guī)劃的考慮較為欠缺。后續(xù)應收集區(qū)域規(guī)劃政策定量表達后放入驅動因素挖掘框架，使模擬結果更具科學性。利用土地利用重心遷移模型對各地類重心的變化分析表明，人類對區(qū)域土地不利影響日益增加，建議相關部門對林地退化區(qū)進行深入研究，優(yōu)選適生植被保護區(qū)域水土資源，應加大對廢棄工礦用地以及實施搬遷后廢棄的村莊整理復墾的力度，保護基本農(nóng)田，積極建設自然保護區(qū)、濕地公園，統(tǒng)籌推進區(qū)域山水田林湖草沙的綜合治理。