楊 伶,王金龍*,周文強(qiáng)

基于多情景模擬的洞庭湖流域LUCC與生境質(zhì)量耦合演變分析

楊 伶1,王金龍1*,周文強(qiáng)2

(1.中南林業(yè)科技大學(xué)商學(xué)院,湖南 長(zhǎng)沙 410004；2.中南林業(yè)科技大學(xué)林學(xué)院,湖南 長(zhǎng)沙 410004)

以洞庭湖流域?yàn)檠芯繀^(qū)域,本文設(shè)定自然發(fā)展(情景1)、快速發(fā)展(情景2)、耕地保護(hù)(情景3)、生態(tài)保護(hù)(情景4)和可持續(xù)發(fā)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(zhì)量格局,并采用耦合協(xié)調(diào)度模型探究不同情景下LUCC與生境質(zhì)量耦合協(xié)調(diào)特征.研究結(jié)果表明:1)土地利用變化模擬結(jié)果基本符合情景設(shè)置的要求,能較好地反映洞庭湖流域土地利用的演變規(guī)律和規(guī)劃方向.2)2030年洞庭湖流域生境質(zhì)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(xié)調(diào)發(fā)展水平呈下降趨勢(shì),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(shì),且情景4上升程度略高于情景5.4)結(jié)合情景設(shè)置原則,可以發(fā)現(xiàn)情景5為洞庭湖流域LUCC與生境質(zhì)量耦合協(xié)調(diào)發(fā)展空間格局優(yōu)化提供了規(guī)劃發(fā)展可行性.

土地利用變化；生境質(zhì)量；耦合演變；多情景模擬；洞庭湖流域

耦合最初是一個(gè)物理學(xué)概念,指兩個(gè)或兩個(gè)以上的體系或兩種運(yùn)動(dòng)形式之間通過(guò)各種相互作用而彼此影響以至聯(lián)合起來(lái)的現(xiàn)象[1].自從這一概念產(chǎn)生以來(lái),耦合被廣泛運(yùn)用于地理學(xué)研究領(lǐng)域,用來(lái)闡釋人類(lèi)與自然之間、不同自然系統(tǒng)或社會(huì)系統(tǒng)之間復(fù)雜的相互關(guān)系并趨于協(xié)調(diào)統(tǒng)一的現(xiàn)象或過(guò)程[2-3].參照劉海猛等[4]學(xué)者有關(guān)城鎮(zhèn)化與生態(tài)環(huán)境耦合內(nèi)涵的表述,LUCC與生境質(zhì)量耦合的內(nèi)涵也包含兩方面:LUCC通過(guò)人口增長(zhǎng)、經(jīng)濟(jì)增長(zhǎng)、建設(shè)用地?cái)U(kuò)張、圍湖造田、毀林開(kāi)荒、退田還湖和退耕還林等對(duì)生境質(zhì)量產(chǎn)生脅迫或促進(jìn)效應(yīng),生境質(zhì)量又通過(guò)資源承載、環(huán)境容量和政策干預(yù)等對(duì)土地利用規(guī)劃產(chǎn)生約束或承載效應(yīng),兩者是相互包含、對(duì)立統(tǒng)一的競(jìng)合關(guān)系.

近年來(lái),許多學(xué)者對(duì)LUCC與生境質(zhì)量情景模擬進(jìn)行了大量的研究探討,主要集中在土地利用時(shí)空演變和預(yù)測(cè)模擬研究等方面,其模擬預(yù)測(cè)主要有數(shù)量預(yù)測(cè)模型、空間模擬模型和耦合模型[5].其中,LUCC數(shù)量預(yù)測(cè)模型主要有基于固定數(shù)學(xué)公式的Logistic回歸模型[6]、灰色預(yù)測(cè)模型[7]、馬爾科夫模型[8]等,還有運(yùn)用較廣的系統(tǒng)動(dòng)力學(xué)模型[9]和神經(jīng)網(wǎng)絡(luò)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(chǔ).CA模型根據(jù)轉(zhuǎn)化規(guī)則挖掘策略可以分為兩類(lèi):一類(lèi)是基于轉(zhuǎn)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(lèi)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(zhuǎn)化規(guī)則挖掘策略和景觀動(dòng)態(tài)變化模擬策略等方面存在一定局限性[17],并在精細(xì)尺度下模擬多種自然土地利用類(lèi)型的斑塊生長(zhǎng)存在一定困難[18-19],這也導(dǎo)致CA模型在實(shí)際規(guī)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(qū)動(dòng)作用和模擬多種土地覆被類(lèi)型的斑塊級(jí)變化,Liang等[20]學(xué)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(qū)動(dòng)機(jī)理和模擬多種土地利用類(lèi)型的斑塊演化[21].

洞庭湖流域地處我國(guó)長(zhǎng)江中游以南,南嶺山脈以北,是我國(guó)重要的農(nóng)產(chǎn)品生產(chǎn)基地,分布著洞庭湖區(qū)、南嶺區(qū)、武陵山區(qū)和桂西黔南石灰?guī)r區(qū)等多個(gè)生物多樣性保護(hù)優(yōu)先區(qū)[22].但是,長(zhǎng)期的生態(tài)系統(tǒng)開(kāi)發(fā)利用和巨大的人口壓力,使洞庭湖流域土地利用格局呈現(xiàn)建設(shè)用地不斷擴(kuò)張和耕地持續(xù)萎縮等顯著特征[23],也出現(xiàn)了水土流失、濕地退化和湖泊萎縮等一系列生態(tài)環(huán)境問(wèn)題[24].因此,通過(guò)運(yùn)用抽象與現(xiàn)實(shí)的模型來(lái)模擬土地利用變化和生境質(zhì)量演變過(guò)程,從而預(yù)測(cè)LUCC與生境質(zhì)量耦合協(xié)調(diào)關(guān)系,對(duì)研究區(qū)土地利用合理配置、生態(tài)環(huán)境保護(hù)及可持續(xù)發(fā)展均具有重要意義.基于此,本文設(shè)置5種情景模式,利用PLUS模型和InVEST模型對(duì)2030年洞庭湖流域土地利用和生境質(zhì)量進(jìn)行模擬,并采用耦合協(xié)調(diào)度模型揭示不同情景下LUCC與生境質(zhì)量耦合協(xié)調(diào)特征,以期為國(guó)土空間規(guī)劃和生態(tài)環(huán)境保護(hù)提供參考依據(jù).

1 研究區(qū)概況與數(shù)據(jù)來(lái)源

1.1 研究區(qū)概況

洞庭湖流域(107°16′Ｅ-114°15′E, 24°38′N(xiāo)- 30°24′N(xiāo)),由洞庭湖區(qū)、湘江流域、資水流域、沅水流域和澧水流域組成,總面積達(dá)26.3×104km2(圖1).該流域東南西三面環(huán)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(shì)由南逐漸向中部及東北部?jī)A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(fēng)濕潤(rùn)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(nèi)水系發(fā)達(dá),河網(wǎng)密布,形成以洞庭湖為積水區(qū)的輻射狀水系.洞庭湖是我國(guó)第二大淡水湖,其承納湘、資、沅、澧“四水”而吞吐長(zhǎng)江[26],是保障長(zhǎng)江中下游水生態(tài)安全不可缺少的屏障[27].

圖1 研究區(qū)概況

該圖基于國(guó)家測(cè)繪地理信息局標(biāo)準(zhǔn)地圖服務(wù)網(wǎng)站下載的審圖號(hào)為GS(2020)4632的標(biāo)準(zhǔn)地圖制作,底圖無(wú)修改

1.2 數(shù)據(jù)來(lái)源與處理

土地利用數(shù)據(jù)來(lái)源于中國(guó)科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心(http://www.resdc.cn),該數(shù)據(jù)一級(jí)類(lèi)型綜合精度達(dá)到94.3%,二級(jí)類(lèi)型分類(lèi)綜合精度達(dá)91.2%以上[28],空間分辨率為30m.DEM數(shù)據(jù)來(lái)源于GEE平臺(tái)NASA DEM 30m數(shù)據(jù)集(NASA/ NASADEM_HGT/001),該數(shù)據(jù)集通過(guò)誤差校對(duì)等技術(shù)實(shí)現(xiàn)了STRM數(shù)據(jù)質(zhì)量的提升.年均氣溫和年均降水量等氣象數(shù)據(jù)來(lái)源于國(guó)家氣象科學(xué)數(shù)據(jù)中心(http://data.cma.cn/wa)實(shí)測(cè)站點(diǎn)數(shù)據(jù),并通過(guò)反距離權(quán)重插值得到,空間分辨率為30m.人口密度和人均GDP等統(tǒng)計(jì)數(shù)據(jù)來(lái)源于資源環(huán)境科學(xué)數(shù)據(jù)注冊(cè)與出版系統(tǒng)(http://www.resdc.cn/DOI)的中國(guó)人口和GDP空間分布公里網(wǎng)格數(shù)據(jù)集[29],該數(shù)據(jù)以縣域的人口和GDP統(tǒng)計(jì)數(shù)據(jù)為基礎(chǔ),空間分辨率為1km.各級(jí)路網(wǎng)數(shù)據(jù)來(lái)源于全國(guó)地理信息資源目錄服務(wù)系統(tǒng)(https://www.webmap.cn/).

2 研究方法

2.1 情景模擬

2.1.1 情景設(shè)置 為了更好地推進(jìn)洞庭湖流域城鎮(zhèn)化發(fā)展、耕地保護(hù)和生態(tài)保護(hù)之間的協(xié)調(diào)發(fā)展,本文設(shè)置5種土地利用變化模擬的情景.

(1)自然發(fā)展情景.該情景模式基于土地利用歷史變化規(guī)律,按照研究區(qū)現(xiàn)行國(guó)土空間規(guī)劃,不設(shè)定各地類(lèi)之間相互轉(zhuǎn)移的限制條件,也未涉及政府耕地保護(hù)和生態(tài)保護(hù)相關(guān)政策的影響.

(2)快速發(fā)展情景.在快速發(fā)展目標(biāo)下,城鎮(zhèn)化會(huì)侵占農(nóng)業(yè)用地、林草用地和水源地,且建設(shè)用地因具有短期內(nèi)不可逆轉(zhuǎn)的特性不允許轉(zhuǎn)變?yōu)槠渌仡?lèi).

(3)耕地保護(hù)情景.耕地保護(hù)情景對(duì)洞庭湖流域耕地進(jìn)行有效保護(hù),嚴(yán)格控制基本農(nóng)田轉(zhuǎn)為其他地類(lèi),優(yōu)先保護(hù)優(yōu)質(zhì)連片耕地,切實(shí)落實(shí)耕地占補(bǔ)平衡,嚴(yán)守耕地保護(hù)紅線,從而控制基本農(nóng)田的總量.

(4)生態(tài)保護(hù)情景.該情景模式在自然發(fā)展情景中加入生態(tài)保護(hù)理念,嚴(yán)格控制林業(yè)用地和水源地轉(zhuǎn)為其他地類(lèi),限制城鎮(zhèn)擴(kuò)張,模擬植被封禁和恢復(fù)、退耕還林和退田還湖等生態(tài)政策實(shí)施效果.

(5)可持續(xù)發(fā)展情景.可持續(xù)發(fā)展情景綜合考慮城鎮(zhèn)化發(fā)展、耕地保護(hù)和生態(tài)保護(hù),在限制進(jìn)行大規(guī)模高強(qiáng)度開(kāi)發(fā)的農(nóng)業(yè)區(qū)域和生態(tài)區(qū)域城鎮(zhèn)化擴(kuò)張不直接侵占農(nóng)業(yè)用地、林業(yè)用地和水源地,嚴(yán)守生態(tài)保護(hù)紅線、永久基本農(nóng)田和城鎮(zhèn)開(kāi)發(fā)邊界等空間管控邊界.

參照伍丹等[21]學(xué)者的研究,不同情景下土地利用需求設(shè)定為:自然發(fā)展情景未來(lái)各地類(lèi)面積以模型預(yù)測(cè)結(jié)果為準(zhǔn);快速發(fā)展情景建設(shè)用地面積增幅提高20%進(jìn)行測(cè)算;耕地保護(hù)情景耕地面積減幅降低 20%進(jìn)行測(cè)算;依據(jù)《全國(guó)國(guó)土規(guī)劃綱要(2016～2030年)》和《湖南省“十四五”新型城鎮(zhèn)化規(guī)劃》,生態(tài)保護(hù)情景林地和水域面積下限控制為2018年的實(shí)際面積,林地增幅按預(yù)期指標(biāo)的保有增量366.3km2/a計(jì)算,水域增幅則提高20%,建設(shè)用地5年新增面積控制在753.49km2以?xún)?nèi);根據(jù)《全國(guó)國(guó)土規(guī)劃綱要(2016～2030年)》和流域所涉及七省份的《國(guó)土規(guī)劃綱要》,可持續(xù)發(fā)展情景耕地、林地和水域面積增幅或減幅降低 15%進(jìn)行測(cè)算,新增建設(shè)用地面積控制在458.97～905.69km2以?xún)?nèi).

2.1.2 PLUS模型 PLUS模型主要包含基于土地?cái)U(kuò)張分析策略的轉(zhuǎn)化規(guī)則挖掘框架(LEAS)和基于多類(lèi)型隨機(jī)斑塊種子機(jī)制的CA模型(CARS)兩個(gè)模塊,模擬結(jié)果精度較高[20].其模擬過(guò)程主要包括:首先,根據(jù)洞庭湖流域的實(shí)際情況,從自然環(huán)境和經(jīng)濟(jì)社會(huì)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(jí)道路的距離、到鐵路的距離、到水域的距離等驅(qū)動(dòng)因素,并確保柵格化后數(shù)據(jù)與基期土地利用數(shù)據(jù)在投影坐標(biāo)系和空間分辨率等方面保持一致性.其次,挖掘各地類(lèi)擴(kuò)張與驅(qū)動(dòng)因素之間的關(guān)系,使用隨機(jī)森林算法,獲得不同土地利用類(lèi)型擴(kuò)張規(guī)律的轉(zhuǎn)化規(guī)則,并利用土地?cái)U(kuò)張分析策略(LEAS)模塊運(yùn)算得到洞庭湖流域各地類(lèi)的發(fā)展概率.最后,結(jié)合不同情景下未來(lái)各地類(lèi)的需求狀況、轉(zhuǎn)移矩陣及鄰域權(quán)重等相關(guān)參數(shù),采用多類(lèi)型隨機(jī)斑塊種子和閾值遞減規(guī)則的CA模型對(duì)洞庭湖流域土地利用變化進(jìn)行模擬.

在考慮流域土地利用變化規(guī)律的基礎(chǔ)上,本文采用PLUS模型集成的Markov Chain模塊進(jìn)行土地利用需求量的預(yù)測(cè),并結(jié)合土地利用類(lèi)型轉(zhuǎn)移情況和情景設(shè)置條件,反復(fù)調(diào)試各參數(shù),確定地類(lèi)模擬轉(zhuǎn)移矩陣.為真實(shí)反映不同發(fā)展情景下土地利用變化模擬,并將相關(guān)政策融入模擬過(guò)程,自然發(fā)展情景轉(zhuǎn)換規(guī)則的約束條件主要結(jié)合土地利用變化規(guī)律來(lái)設(shè)定;快速發(fā)展情景建設(shè)用地不向其他地類(lèi)轉(zhuǎn)移;耕地保護(hù)情景將基本農(nóng)田設(shè)置為限制轉(zhuǎn)移區(qū)域;生態(tài)保護(hù)情景將林地、及水庫(kù)和河流等水源地設(shè)置為限制轉(zhuǎn)換區(qū)域;可持續(xù)發(fā)展情景將農(nóng)產(chǎn)品主產(chǎn)區(qū)的農(nóng)業(yè)用地,及重點(diǎn)生態(tài)功能區(qū)的林業(yè)用地和水源地設(shè)置為限制轉(zhuǎn)移區(qū)域.借鑒王保盛等[30]和歐陽(yáng)曉等[31]學(xué)者的相關(guān)研究,本文采用各地類(lèi)歷史變化規(guī)律來(lái)反映其擴(kuò)張強(qiáng)度,將耕地、林地、草地、水域、建設(shè)用地和未利用地鄰域權(quán)重設(shè)定為0、0.3394、0.3347、0.4491、1和0.3880.為驗(yàn)證模型的可靠性和穩(wěn)定性,本文利用Kappa系數(shù)對(duì)模擬結(jié)果進(jìn)行精度分析,其取值在0～1之間,該系數(shù)大于0.7表明模擬結(jié)果精度較高[32].

2.2 InVEST模型生境質(zhì)量模塊

本文采用InVEST模型的生境質(zhì)量模塊對(duì)生境質(zhì)量進(jìn)行評(píng)估,其核心思想是通過(guò)計(jì)算脅迫因子對(duì)生境產(chǎn)生的負(fù)面影響來(lái)度量生境的退化程度,并結(jié)合生境的適宜情況來(lái)計(jì)算生境質(zhì)量.柵格單元處的土地覆被或生境類(lèi)型的生境質(zhì)量(Q)為:

(2)

式中:H、D、和分別為地類(lèi)的生境適宜度、地類(lèi)中柵格單元的生境退化度、半飽和常數(shù)(通常取D最大值的1/2)及模型默認(rèn)參數(shù)(一般為2.5);、、Y和W分別為脅迫因子總數(shù)、威脅因子?xùn)鸥駡D層中的柵格單元、威脅因子所占柵格單元數(shù)量和脅迫因子的權(quán)重;r、i、β和S分別為地類(lèi)柵格單元中的脅迫因子、柵格單元中的脅迫因子對(duì)生境柵格單元的影響程度、威脅源到柵格的可達(dá)性和地類(lèi)對(duì)脅迫因子的相對(duì)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(jù)洞庭湖流域土地利用的實(shí)際情況,本文將農(nóng)村居民點(diǎn)、城鎮(zhèn)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(zhì)地設(shè)定為脅迫因子.參考相關(guān)文獻(xiàn)[33-35]和InVEST模型使用手冊(cè)對(duì)脅迫因子參數(shù)和生境敏感性參數(shù)信息進(jìn)行設(shè)定.

2.3 耦合協(xié)調(diào)度模型

參照孫斌等[36]學(xué)者的相關(guān)研究,本文引入耦合協(xié)調(diào)度模型來(lái)反映洞庭湖流域LUCC與生境質(zhì)量的耦合協(xié)調(diào)關(guān)系.D為第個(gè)樣本點(diǎn)的耦合協(xié)調(diào)度,其表達(dá)式[36-37]為:

(5)

(6)

式中:C和H分別為第個(gè)樣本點(diǎn)LUCC與生境質(zhì)量的耦合度和協(xié)調(diào)發(fā)展指數(shù);HQ和LCI分別為第個(gè)樣本點(diǎn)的生境質(zhì)量指數(shù)和土地利用狀況指數(shù);1和2為待定系數(shù),一般取1=2=0.5.參照邵全琴等[38]學(xué)者的研究,本文將土地利用狀況指數(shù)(LCI)定義為研究區(qū)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(tài)服務(wù)的土地利用類(lèi)型面積之和的百分比,主要用來(lái)衡量和反映研究區(qū)土地利用狀況和生態(tài)系統(tǒng)綜合功能,其具體公式為:

式中:Area為樣本點(diǎn)第類(lèi)土地覆被類(lèi)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(lèi)型;AREA為樣本點(diǎn)的總面積.

根據(jù)馮雨雪等[39]和楊亮潔等[37]學(xué)者有關(guān)城鎮(zhèn)化與生態(tài)環(huán)境耦合協(xié)調(diào)度的研究,本文將洞庭湖流域LUCC與生境質(zhì)量的耦合協(xié)調(diào)度劃分為5個(gè)等級(jí),如表1所示.

表1 LUCC與生境質(zhì)量耦合協(xié)調(diào)度的類(lèi)型

3 結(jié)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(shù)據(jù)模擬2018年洞庭湖流域土地利用空間格局,相較于2018年實(shí)際土地利用數(shù)據(jù),平均預(yù)測(cè)精度為99.32%,Kappa系數(shù)為0.9074,表明PLUS模型在所選驅(qū)動(dòng)因素下對(duì)洞庭湖流域土地利用變化模擬效果較好,且模擬精度能達(dá)到預(yù)測(cè)要求.

2018年洞庭湖流域土地利用類(lèi)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(lái)看,林草用地主要分布在東南西三面環(huán)山的山地地帶,平原區(qū)林地分布較少;耕地主要分布在環(huán)洞庭湖平原、湘中南丘陵地區(qū)、及流域西部山地農(nóng)業(yè)帶,并隨著高程增加呈逐漸減少趨勢(shì);水域和未利用地主要分布在流域各大河流集中分布的區(qū)域,以河網(wǎng)密集的洞庭湖區(qū)分布最廣;建設(shè)用地主要分布在平原區(qū)和丘陵地區(qū),以環(huán)長(zhǎng)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(lèi)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(jié)果

在自然發(fā)展情景下,耕地萎縮、林草用地略有下降、水源地呈擴(kuò)張趨勢(shì)、建設(shè)用地?cái)U(kuò)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(guī)律的主導(dǎo)下,耕地和林地分別減少0.1104×104km2和0.0009×104km2,建設(shè)用地增加0.1087×104km2,與2010-2018年相比,農(nóng)林用地收縮幅度基本持平,而城鎮(zhèn)擴(kuò)張幅度略有增加.

在快速發(fā)展情景下,土地利用格局演變趨勢(shì)與自然發(fā)展情景基本一致,且林地收縮幅度和建設(shè)用地?cái)U(kuò)張幅度在自然發(fā)展情景的基礎(chǔ)上進(jìn)一步擴(kuò)大(圖2c和表2).其中,林地減少0.0018×104km2,建設(shè)用地增加0.1097×104km2,林地收縮和建設(shè)用地?cái)U(kuò)張面積均比自然發(fā)展情景增加0.001×104km2左右.

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

在生態(tài)保護(hù)情景下,土地利用格局呈現(xiàn)耕地收縮、林地增長(zhǎng)、水域略有上升、建設(shè)用地?cái)U(kuò)張、草地和未利用地分別略有下降的演變趨勢(shì)(圖2e和表2).耕地收縮幅度與自然發(fā)展情景和快速發(fā)展情景基本一致,林業(yè)用地和水源地均呈增長(zhǎng)趨勢(shì),其中林地增長(zhǎng)較為明顯,建設(shè)用地?cái)U(kuò)張幅度依次小于快速發(fā)展情景、自然發(fā)展情景和耕地保護(hù)情景.

在可持續(xù)發(fā)展情景下,2030年洞庭湖流域土地利用格局呈現(xiàn)以下特征:一是耕地面積低于耕地保護(hù)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(tài)保護(hù)情景,但均高于其他發(fā)展情景;三是建設(shè)用地面積高于生態(tài)保護(hù)情景,但均低于其他發(fā)展情景(圖2f和表2).

3.2 生境質(zhì)量情景模擬

基于不同情景下的土地利用空間格局,根據(jù)InVEST模型生境質(zhì)量模塊得到不同情景下各像元(空間分辨率為30m)的生境質(zhì)量指數(shù).張丹紅等[40]學(xué)者對(duì)不同分級(jí)方法的分級(jí)質(zhì)量進(jìn)行對(duì)比,發(fā)現(xiàn)自然斷點(diǎn)法具有較高的分級(jí)精度,也能兼顧各級(jí)服務(wù)強(qiáng)度極差的均衡性,綜合制圖效果較好.在考慮分級(jí)質(zhì)量和可比性的基礎(chǔ)上,本文利用自然斷點(diǎn)法將研究區(qū)的生境質(zhì)量劃分為低等級(jí)(Q<0.047)、較低等級(jí)(0.047￡Q<0.4)、中等級(jí)(0.4￡Q<0.6)、較高等級(jí)(0.6￡Q<0.7)和高等級(jí)(0.7￡Q<1)生境質(zhì)量區(qū).

2018年生境質(zhì)量總體良好,呈現(xiàn)高、中和較低等級(jí)并存格局,以高等級(jí)生境質(zhì)量區(qū)為主,占流域總面積的50%左右(表3).從生境質(zhì)量空間格局來(lái)看, 2018年洞庭湖流域生境質(zhì)量整體上呈現(xiàn)由西部地區(qū)向東部和北部地區(qū)遞減的趨勢(shì).具體來(lái)看,以各大中城市和小城鎮(zhèn)的建成區(qū)為低生境質(zhì)量區(qū),依次向“環(huán)洞庭湖平原和湘中南丘陵地區(qū)”,“武陵-雪峰山脈山地生態(tài)農(nóng)業(yè)帶和桂黔滇喀斯特石漠化防治生態(tài)功能區(qū)”,“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(fā)展情景下,2030年洞庭湖流域低和較低等級(jí)生境質(zhì)量區(qū)逐步擴(kuò)張,分別增加0.1083× 104km2和0.0237×104km2;而中、較高和高等級(jí)生境質(zhì)量區(qū)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(lái)看,自然發(fā)展情景下2018～2030年洞庭湖流域生境質(zhì)量呈變差趨勢(shì),生態(tài)環(huán)境問(wèn)題較為嚴(yán)重.

在快速發(fā)展情景下,生境質(zhì)量空間格局演變規(guī)律與自然發(fā)展情景基本一致,且低等級(jí)生境質(zhì)量區(qū)擴(kuò)張幅度和較高等級(jí)生境質(zhì)量區(qū)收縮幅度在自然發(fā)展情景的基礎(chǔ)上進(jìn)一步呈擴(kuò)大趨勢(shì)(圖3c和表3).其中,低和較低等級(jí)生境質(zhì)量區(qū)分別增加0.1093× 104km2和0.0156×104km2,中、較高和高等級(jí)生境質(zhì)量區(qū)分別減少0.0940×104km2、0.0059×104km2和0.0251×104km2.由此來(lái)看,快速發(fā)展情景下2018～ 2030年洞庭湖流域生境質(zhì)量在自然發(fā)展情景變差趨勢(shì)的基礎(chǔ)上進(jìn)一步惡化.

表3 不同情景下洞庭湖流域生境質(zhì)量的面積及占比

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

圖3 不同情景下2030年洞庭湖流域生境質(zhì)量模擬結(jié)果

在生態(tài)保護(hù)情景下,低和高等級(jí)生境質(zhì)量區(qū)呈擴(kuò)張趨勢(shì)(以高等級(jí)生境質(zhì)量區(qū)為主),分別增加0.0031×104km2和0.0879×104km2;而較低、中和較高等級(jí)生境質(zhì)量區(qū)呈收縮趨勢(shì)(以較低和中等級(jí)生境質(zhì)量區(qū)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(fā)展情景、快速發(fā)展情景和耕地保護(hù)情景,生態(tài)保護(hù)情景較低等級(jí)生境質(zhì)量區(qū)明顯收縮、高等級(jí)生境質(zhì)量區(qū)明顯擴(kuò)張和低等級(jí)生境質(zhì)量區(qū)擴(kuò)張趨勢(shì)明顯放緩.由此來(lái)看,生態(tài)保護(hù)情景下2018～2030年洞庭湖流域生態(tài)環(huán)境問(wèn)題得到遏制,生境質(zhì)量呈明顯改善趨勢(shì).

在可持續(xù)發(fā)展情景下,生境質(zhì)量演變規(guī)律與生態(tài)保護(hù)情景基本一致.其中,低和高等級(jí)生境質(zhì)量區(qū)分別增加0.0256×104km2和0.0698×104km2,較低、中和較高等級(jí)生境質(zhì)量區(qū)分別減少0.0705×104km2、0.0202×104km2和0.0046×104km2(圖3f和表3).相較于生態(tài)保護(hù)情景,可持續(xù)發(fā)展情景低等級(jí)生境質(zhì)量區(qū)擴(kuò)張幅度和中等級(jí)生境質(zhì)量區(qū)收縮幅度呈增加趨勢(shì),高等級(jí)生境質(zhì)量區(qū)擴(kuò)張趨勢(shì)則有所放緩.由此可見(jiàn),可持續(xù)發(fā)展情景下2018～2030年洞庭湖流域生境質(zhì)量呈改善趨勢(shì),但相較于生態(tài)保護(hù)情景改善幅度略有放緩.

3.3 LUCC與生境質(zhì)量耦合演變情景模擬

本文采用等間距采樣法將研究區(qū)劃分為1800m×1800m的網(wǎng)格單元,共計(jì)82475個(gè)樣本點(diǎn).根據(jù)耦合協(xié)調(diào)度模型,得出各網(wǎng)格單元的LUCC與生境質(zhì)量耦合協(xié)調(diào)度,參照耦合協(xié)調(diào)度的分類(lèi)標(biāo)準(zhǔn)(表1)對(duì)研究區(qū)的LUCC與生境質(zhì)量耦合協(xié)調(diào)類(lèi)型進(jìn)行劃分.

中度協(xié)調(diào)發(fā)展和高度協(xié)調(diào)發(fā)展是2018年研究區(qū)LUCC與生境質(zhì)量耦合協(xié)調(diào)發(fā)展的主要類(lèi)型(兩者占比達(dá)75%),其中,高度協(xié)調(diào)發(fā)展區(qū)占比在46%以上(表4).2018年洞庭湖流域LUCC與生境質(zhì)量耦合協(xié)調(diào)空間異質(zhì)性明顯,總體呈現(xiàn)東高西低的空間格局(圖4a).其中,失調(diào)衰退區(qū)、瀕臨失調(diào)衰退區(qū)和勉強(qiáng)協(xié)調(diào)發(fā)展區(qū)分布相對(duì)集中,由洞庭湖區(qū)和湘江流域逐漸向西部地區(qū)擴(kuò)散;中度協(xié)調(diào)發(fā)展區(qū)主要分布在失調(diào)衰退區(qū)、瀕臨失調(diào)衰退區(qū)和勉強(qiáng)協(xié)調(diào)發(fā)展區(qū)的外圍區(qū)域,并成片分布在沅水流域的西部地區(qū);高度協(xié)調(diào)發(fā)展區(qū)主要分布在流域三面環(huán)山地帶.

表4 不同情景下洞庭湖流域LUCC與生境質(zhì)量耦合協(xié)調(diào)類(lèi)型的面積

注:計(jì)量單位為104km2.

在自然發(fā)展情景下,研究區(qū)耦合協(xié)調(diào)水平由2018年的0.7365下降至2030年的0.7353.其中,失調(diào)衰退區(qū)呈擴(kuò)張趨勢(shì),高度協(xié)調(diào)發(fā)展區(qū)略有上升,兩者分別增加0.0697×104km2和0.0075×104km2;而瀕臨失調(diào)衰退區(qū)、勉強(qiáng)協(xié)調(diào)發(fā)展區(qū)和中度協(xié)調(diào)發(fā)展區(qū)呈收縮趨勢(shì),分別減少0.0149×104km2、0.0110× 104km2和0.0512×104km2(圖4b和表4).由此來(lái)看,自然發(fā)展情景下2018～2030年洞庭湖流域LUCC與生境質(zhì)量耦合協(xié)調(diào)發(fā)展水平呈小幅下降態(tài)勢(shì).

在快速發(fā)展情景下,耦合協(xié)調(diào)演變趨勢(shì)與自然發(fā)展情景基本一致,失調(diào)衰退區(qū)和高度協(xié)調(diào)發(fā)展區(qū)分別增加0.0658×104km2和0.0130×104km2,瀕臨失調(diào)衰退區(qū)、勉強(qiáng)協(xié)調(diào)發(fā)展區(qū)和中度協(xié)調(diào)發(fā)展區(qū)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(fā)展情景,快速發(fā)展情景失調(diào)衰退區(qū)的擴(kuò)張幅度和勉強(qiáng)協(xié)調(diào)發(fā)展區(qū)的收縮幅度均呈現(xiàn)明顯的縮小趨勢(shì).由此可見(jiàn),快速發(fā)展情景下2018～2030年洞庭湖流域LUCC與生境質(zhì)量耦合協(xié)調(diào)水平呈小幅下降態(tài)勢(shì),但相較于自然發(fā)展情景下降態(tài)勢(shì)有所緩和.

圖4 不同情景下洞庭湖流域LUCC與生境質(zhì)量耦合類(lèi)型空間分布

在耕地保護(hù)情景下,研究區(qū)耦合協(xié)調(diào)水平由2018年的0.7365下降至2030年的0.7346.其中,失調(diào)衰退區(qū)和勉強(qiáng)協(xié)調(diào)發(fā)展區(qū)逐漸擴(kuò)張,分別增加0.0768×104km2和0.0133×104km2;而中度和高度協(xié)調(diào)發(fā)展區(qū)逐漸收縮,分別減少0.0356×104km2和0.0541×104km2(圖4d和表4).與自然發(fā)展情景和快速發(fā)展情景相比,耕地保護(hù)情景失調(diào)衰退區(qū)和勉強(qiáng)協(xié)調(diào)發(fā)展區(qū)的擴(kuò)張幅度,及高度協(xié)調(diào)發(fā)展區(qū)的收縮幅度呈擴(kuò)大趨勢(shì).由此可見(jiàn),耕地保護(hù)情景下2018～ 2030年洞庭湖流域LUCC與生境質(zhì)量耦合協(xié)調(diào)發(fā)展水平呈下降趨勢(shì),這一趨勢(shì)在自然保護(hù)情景和快速發(fā)展情景的基礎(chǔ)上進(jìn)一步呈加劇態(tài)勢(shì).

在生態(tài)保護(hù)情景下,流域耦合協(xié)調(diào)水平由2018年的0.7365上升至2030年的0.7390.其中,高度協(xié)調(diào)發(fā)展區(qū)逐漸擴(kuò)張,增加0.2070×104km2;失調(diào)衰退區(qū)、瀕臨失調(diào)衰退區(qū)、勉強(qiáng)協(xié)調(diào)發(fā)展區(qū)和中度協(xié)調(diào)發(fā)展區(qū)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(hù)情景、快速發(fā)展情景和耕地保護(hù)情景,生態(tài)保護(hù)情景瀕臨失調(diào)衰退區(qū)和勉強(qiáng)協(xié)調(diào)發(fā)展區(qū)明顯收縮,高度協(xié)調(diào)發(fā)展區(qū)明顯擴(kuò)張.由此可見(jiàn),生態(tài)保護(hù)情景下2018～2030年洞庭湖流域LUCC與生境質(zhì)量耦合協(xié)調(diào)發(fā)展呈上升態(tài)勢(shì).

在可持續(xù)發(fā)展情景下,研究區(qū)耦合協(xié)調(diào)水平由2018年的0.7365上升至2030年的0.7381,除失調(diào)衰退區(qū)略有增加外,其演變趨勢(shì)與生態(tài)保護(hù)情景基本一致(圖4f和表4).其中,失調(diào)衰退區(qū)和高度協(xié)調(diào)發(fā)展區(qū)分別增加0.0081×104km2和0.2070×104km2,瀕臨失調(diào)衰退區(qū)、勉強(qiáng)協(xié)調(diào)發(fā)展區(qū)和中度協(xié)調(diào)發(fā)展區(qū)分別減少0.0246×104km2、0.0272×104km2和0.0771× 104km2.相較于生態(tài)保護(hù)情景,可持續(xù)發(fā)展情景高度協(xié)調(diào)發(fā)展區(qū)的擴(kuò)張幅度和中度協(xié)調(diào)發(fā)展區(qū)的收縮幅度呈減少趨勢(shì),失調(diào)衰退區(qū)由收縮趨勢(shì)轉(zhuǎn)為擴(kuò)張趨勢(shì).由此可見(jiàn),可持續(xù)發(fā)展情景下2018～2030年洞庭湖流域LUCC與生境質(zhì)量耦合協(xié)調(diào)發(fā)展水平呈上升態(tài)勢(shì),但相較于生態(tài)保護(hù)情景上升態(tài)勢(shì)略有放緩.

4 討論

從情景模擬結(jié)果來(lái)看,生態(tài)保護(hù)情景具有最好的生境質(zhì)量改善效果和LUCC與生境質(zhì)量耦合協(xié)調(diào)提升效果,這與其他學(xué)者在長(zhǎng)江上游[41]、漢江上游[42]和汾河源頭[43]等區(qū)域的研究結(jié)論基本一致.為進(jìn)一步促進(jìn)LUCC與生境質(zhì)量耦合發(fā)展,在遵循經(jīng)濟(jì)社會(huì)發(fā)展規(guī)律和自然規(guī)律的基礎(chǔ)上,洞庭湖流域必須確立生態(tài)保護(hù)理念,并將其納入土地利用空間規(guī)劃中.進(jìn)一步對(duì)比分析情景設(shè)置原則和模擬結(jié)果,可以發(fā)現(xiàn)可持續(xù)發(fā)展情景兼顧經(jīng)濟(jì)發(fā)展、耕地保護(hù)和生態(tài)保護(hù),更具現(xiàn)實(shí)可行性,且可持續(xù)發(fā)展情景也具有良好的生境質(zhì)量改善效果和耦合協(xié)調(diào)提升效果,這與李云[42]學(xué)者的研究結(jié)果基本一致.由此可見(jiàn),可持續(xù)發(fā)展情景可為洞庭湖流域LUCC與生境質(zhì)量耦合協(xié)調(diào)發(fā)展空間格局優(yōu)化提供了規(guī)劃發(fā)展可行性.

人地系統(tǒng)是一個(gè)開(kāi)放系統(tǒng),LUCC與生境質(zhì)量的耦合不僅要充分考慮系統(tǒng)內(nèi)近程要素的深刻影響,還要關(guān)注系統(tǒng)外遠(yuǎn)程要素帶來(lái)的影響[44].本文以近程耦合理念為指導(dǎo),采用耦合協(xié)調(diào)度模型來(lái)度量LUCC與生境質(zhì)量協(xié)調(diào)發(fā)展水平,尚未考慮LUCC與生境質(zhì)量遠(yuǎn)程和近遠(yuǎn)程耦合關(guān)系.同時(shí),本文雖以權(quán)衡經(jīng)濟(jì)發(fā)展、糧食安全和生態(tài)安全的關(guān)系為擬解決的關(guān)鍵問(wèn)題來(lái)設(shè)置情景,但未明確識(shí)別三者權(quán)衡的驅(qū)動(dòng)因素.后續(xù)應(yīng)將驅(qū)動(dòng)力與生境質(zhì)量聯(lián)系起來(lái)并形成機(jī)制,明確驅(qū)動(dòng)因素對(duì)洞庭湖流域經(jīng)濟(jì)發(fā)展、糧食安全與生態(tài)安全權(quán)衡關(guān)系的作用機(jī)制.

5 結(jié)論

5.1 土地利用變化模擬效果較好,平均預(yù)測(cè)精度為99.32%,Kappa系數(shù)為0.9074,基本符合情景設(shè)置的要求.

5.2 2030年自然發(fā)展情景、快速發(fā)展情景和耕地保護(hù)情景生境質(zhì)量整體呈變差趨勢(shì),而生態(tài)保護(hù)情景和可持續(xù)發(fā)展情景通過(guò)實(shí)施生態(tài)退耕政策和嚴(yán)守空間管控邊界使生境質(zhì)量整體呈改善趨勢(shì).

5.3 2030年自然發(fā)展情景、快速發(fā)展情景和耕地保護(hù)情景LUCC與生境質(zhì)量耦合協(xié)調(diào)發(fā)展整體呈下降趨勢(shì)(以耕地保護(hù)情景最為明顯),而生態(tài)保護(hù)情景和可持續(xù)發(fā)展情景耦合協(xié)調(diào)發(fā)展整體呈上升趨勢(shì)(以生態(tài)保護(hù)情景最為突出).

[1] 周 宏.現(xiàn)代漢語(yǔ)辭海[M]. 北京:光明日?qǐng)?bào)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(chuàng)琳,李詠紅.城鎮(zhèn)化與生態(tài)環(huán)境“耦合魔方”的基本概念及框架[J]. 地理學(xué)報(bào), 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(jìn)展[J]. 杭州師范大學(xué)學(xué)報(bào)(自然科學(xué)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(xué)學(xué)報(bào)(自然科學(xué)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(lái)西亞吉隆坡市土地利用變化特征分析與預(yù)測(cè)[J]. 水土保持通報(bào), 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(tài)安全的環(huán)鄱陽(yáng)湖城市群土地利用情景模擬[J]. 地球信息科學(xué)學(xué)報(bào), 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(guó)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(jīng)網(wǎng)絡(luò)模型的土地利用變化預(yù)測(cè)模型研究[J]. 測(cè)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(jìn)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(xué)學(xué)報(bào), 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(yuǎn)林,張 強(qiáng),等.北部灣南流江流域土地覆蓋及生物多樣性模擬[J]. 中國(guó)環(huán)境科學(xué), 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(chǔ)量可持續(xù)發(fā)展研究[J]. 中國(guó)環(huán)境科學(xué), 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(jīng)濟(jì)區(qū)碳儲(chǔ)量演化分析[J]. 三峽生態(tài)環(huán)境監(jiān)測(cè), 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(wàn)華偉,王永財(cái),侯 鵬,等.2001～2016年中國(guó)生物多樣性保護(hù)優(yōu)先區(qū)域植被和水域動(dòng)態(tài)監(jiān)測(cè)與分析[J]. 生態(tài)與農(nóng)村環(huán)境學(xué)報(bào), 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(lái)洞庭湖流域土地利用及生態(tài)風(fēng)險(xiǎn)時(shí)空演變分析 [J]. 生態(tài)學(xué)報(bào), 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(tài)修復(fù)技術(shù)與模式[J]. 農(nóng)業(yè)現(xiàn)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(xué).湖南土壤的地理分布規(guī)律[J]. 湖南師范大學(xué)自然科學(xué)學(xué)報(bào), 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(yùn)行前后洞庭湖水質(zhì)變化分析 [J]. 湖泊科學(xué), 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(jì)遠(yuǎn),張?jiān)鱿?等.中國(guó)5年間隔陸地生態(tài)系統(tǒng)空間分布數(shù)據(jù)集(1990～2010)內(nèi)容與研發(fā)[J]. 全球變化數(shù)據(jù)學(xué)報(bào)(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(guó)人口空間分布公里網(wǎng)格數(shù)據(jù)集[DB/OL]. 資源環(huán)境科學(xué)數(shù)據(jù)注冊(cè)與出版系統(tǒng)(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(quán)重設(shè)置——以閩三角城市群2030年土地利用模擬為例[J]. 生態(tài)學(xué)報(bào), 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(yáng)曉,賀清云,朱 翔.多情景下模擬城市群土地利用變化對(duì)生態(tài)系統(tǒng)服務(wù)價(jià)值的影響——以長(zhǎng)株潭城市群為例[J]. 經(jīng)濟(jì)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(zhǎng)江中游經(jīng)濟(jì)帶生境質(zhì)量的時(shí)空分異特征及其地形梯度效應(yīng)[J]. 長(zhǎng)江流域資源與環(huán)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(zhèn)化與生態(tài)環(huán)境耦合協(xié)調(diào)預(yù)測(cè)[J]. 地球科學(xué)與環(huán)境學(xué)報(bào), 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(zhèn)化與生態(tài)環(huán)境耦合協(xié)調(diào)及交互影響[J]. 應(yīng)用生態(tài)學(xué)報(bào), 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(jì)遠(yuǎn),等.近30年來(lái)三江源地區(qū)土地覆被與宏觀生態(tài)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(zhèn)化與生態(tài)環(huán)境交互影響關(guān)系分析[J]. 地理學(xué)報(bào), 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(wù)制圖分級(jí)方法研究 [J]. 生態(tài)學(xué)報(bào), 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(zhǎng)江上游濕地生態(tài)系統(tǒng)服務(wù)評(píng)估及多情景模擬[D]. 重慶:重慶大學(xué), 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(tài)系統(tǒng)服務(wù)權(quán)衡協(xié)同關(guān)系研究[D]. 陜西:陜西師范大學(xué), 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(xué)義,付揚(yáng)軍,等.汾河源頭區(qū)域土地利用及生境質(zhì)量時(shí)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(chuàng)琳,江 東.美麗中國(guó)建設(shè)的地理學(xué)使命與人地系統(tǒng)耦合路徑[J]. 地理學(xué)報(bào), 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(tài)系統(tǒng)服務(wù)地理學(xué)研究.發(fā)表論文近30篇.

2022-07-15

國(guó)家社科基金一般項(xiàng)目(22BJY094,22BGL169);教育部人文社會(huì)科學(xué)研究一般項(xiàng)目(19YJC630166);湖南省自然科學(xué)基金面上項(xiàng)目(2022JJ30080);湖南省社會(huì)科學(xué)基金項(xiàng)目(18YBA462);中國(guó)博士后科學(xué)基金(2021M693573);湖南省社會(huì)科學(xué)成果評(píng)審委員會(huì)課題(XSP22YBC221);湖南省教育廳科學(xué)研究重點(diǎn)項(xiàng)目(22A0174)

* 責(zé)任作者, 副教授, wjl-123@126.com