王 森,彭 立,*

1 四川師范大學地理與資源科學學院,成都 610066

2 四川師范大學西南土地評價與資源監(jiān)測教育部重點實驗室,成都 610066

隨著城鎮(zhèn)化進程的推進,我國土地利用結構發(fā)生了極大變化,許多自然土地,尤其是林地和草地被進一步開墾成耕地、建設用地。隨著研究領域不斷發(fā)展成熟,出現(xiàn)了針對海岸帶[1]、河流流域[2]、喀斯特地區(qū)[3]等極具地方特色的特殊地域、特殊對象的土地利用模擬研究,但較為缺乏針對不同分區(qū)之間的過渡地區(qū)的土地利用模擬研究?，F(xiàn)階段,隨著國土空間規(guī)劃與主體功能區(qū)規(guī)劃的制定與實施,各大分區(qū)之間定位合理、分工明確,但對于地處不同功能分區(qū)之間的過渡與交匯區(qū)域而言,各類用地空間之間的權衡與競爭關系得以加強,如何合理配置區(qū)域土地資源、兼顧“三生”空間需求已成為亟待解決的問題,因此本文著眼于地處由生態(tài)示范區(qū)向經濟發(fā)展區(qū)過渡、高原特色牧業(yè)區(qū)與糧油主產區(qū)交匯的龍門山過渡帶區(qū)域,以期合理配置土地資源、提出更好協(xié)調農業(yè)生產、城鎮(zhèn)化發(fā)展與生態(tài)保護之間的關系的土地利用方案,為類似的山地-平原過渡區(qū)域、山周盆地地區(qū)社會經濟發(fā)展與生態(tài)環(huán)境保護協(xié)調發(fā)展、生態(tài)保護與經濟發(fā)展雙線并行提供思路與參考。

土地利用模擬當今國內外學術界對于土地利用變化預測模擬的相關研究領域發(fā)展得相當成熟,方法理論上有系統(tǒng)動力學、多元統(tǒng)計學、指數(shù)分析法、地理加權回歸、遺傳算法、蟻群算法等[4—6];模型工具上有元胞自動機模型(CA)、Markov模型、地理模擬優(yōu)化系統(tǒng)(GeoSOS)、小尺度土地利用變化及其空間效應模型(CLUE-S)、FLUS模型等[7—9];已取得的重大成果上有黎夏團隊的高精度全球未來100年模擬產品、宮鵬團隊的全球未來土地利用預測數(shù)據集、George C. Hurtt團隊的Land Use Harmonization數(shù)據集等[10];土地利用模擬與研究區(qū)實際情況的適配程度不斷提高,模擬對象不再局限于城市、大城市群或平原地區(qū),研究視角不再局限于單純的用地模擬,土地利用模擬與國土空間、生態(tài)安全、“三生”空間等進行交匯[11],形成多角度、多層次、多維度的土地利用模擬研究,近年來隨著研究的深入,針對不同情景、不同用途、不同研究對象的多模型耦合的土地利用模擬模型得以研發(fā)并應用[12],進一步提高了模擬精度。

“過渡帶”這一概念被廣泛應用于地質學、生物學、氣象學等許多方面的研究中[13],如生態(tài)過渡帶、降水量過渡帶、農業(yè)牧業(yè)過渡帶等,主要表現(xiàn)為多種因素在一定區(qū)域內具有一定空間規(guī)律的交錯分布。龍門山地處四川盆地與青藏高原東緣交界處,跨越了我國第一、第二級階梯[14],無論是地形地勢、氣候條件還是社會經濟條件都十分特殊且非常具有代表性,龍門山及其周圍地區(qū)呈現(xiàn)出典型的山地-平原過渡、都市-鄉(xiāng)村過渡、人口密集區(qū)-人口稀疏區(qū)過渡的情形,因此,本研究致力于研究龍門山過渡帶的土地利用變化規(guī)律、預測土地利用演變趨勢,不僅有利于合理開發(fā)利用土地資源,促進土地資源可持續(xù)發(fā)展,也能為情況類似的山地-平原過渡區(qū)、都市-鄉(xiāng)村過渡區(qū)的土地利用發(fā)展與規(guī)劃提供參考與思路。

隨著城鎮(zhèn)化與工業(yè)化進程的發(fā)展,粗放式的土地利用方式導致的生態(tài)環(huán)境惡化、土地利用矛盾加劇,如何統(tǒng)籌“三生”空間,如何優(yōu)化國土空間結構已成為需要回答的重大問題,未來土地利用的權衡與配置優(yōu)化研究已成為研究熱點。從土地利用優(yōu)化研究方法上看,現(xiàn)有優(yōu)化方法主要分為數(shù)量結構優(yōu)化與空間結構優(yōu)化,數(shù)量結構優(yōu)化研究主要方法主要有線性規(guī)劃、多目標規(guī)劃、系統(tǒng)動力學模型等,空間結構優(yōu)化主要通過CLUE模型、CA模型、多智能體系統(tǒng)(MAS)、仿生智能算法(如遺傳算法、蟻群算法等)實現(xiàn)[11],總體看來目前的土地利用權衡優(yōu)化研究計算量較大,計算耗時較長且權衡判定的自動化程度較低。本研究根據研究區(qū)實際情況與數(shù)據,通過設定多重判定條件,對待權衡斑塊進行多層次邏輯判定,提出了權衡優(yōu)化的程序化邏輯。

1 研究區(qū)概況及研究方法

1.1 研究區(qū)的界定與概況

研究區(qū)地處102°—107°E,30°—34°N的四川省北部偏東地區(qū)(圖1),共約九萬平方千米。地形單元由西至東大致為川西高原山地區(qū)-成都平原區(qū)-川東北低山丘陵區(qū),從主體功能上看,研究區(qū)自西向東呈現(xiàn)明顯的生態(tài)保護區(qū)-經濟發(fā)展區(qū)的過渡趨勢;在氣候條件方面,龍門山以東地區(qū)受季風影響強烈,降水集中在夏季,年降水量在800—1200mm之間,年平均氣溫約15—18℃,晝夜溫差相對較小,而研究區(qū)西部氣候呈現(xiàn)較明顯的垂直地帶性,汶川、平武等縣區(qū)海拔相對較低,年均溫約為10—15℃,而地處更西部的松潘、小金、黑水等海拔高的區(qū)縣年均溫僅為5—10℃,同時降水受地形影響較大,研究區(qū)西部汶川、平武以西區(qū)縣年平均降水量不足800mm,日間太陽輻射強度大,晝夜溫差大?？傮w看來,研究區(qū)氣候條件自西向東呈現(xiàn)明顯的高原高山氣候-亞熱帶季風氣候的過渡趨勢。

研究區(qū)土地利用地區(qū)發(fā)展較不均衡,如西部耕地資源在數(shù)量上與質量上均顯不足,農業(yè)生產空間受到制約,東部地區(qū)城鎮(zhèn)空間與建設用地擴展迅速,擠壓其他用地空間等。除此之外,研究區(qū)內還存在數(shù)量眾多、占地面積廣闊的自然保護區(qū)、森林公園、生態(tài)優(yōu)先保護區(qū)等各級生態(tài)保護地[15—16],隨著研究區(qū)內各類用地的發(fā)展與競爭,研究區(qū)生態(tài)壓力增大,如何較好地協(xié)調經濟發(fā)展與生態(tài)保護之間的矛盾,權衡農業(yè)生產空間、城鎮(zhèn)化發(fā)展空間與生態(tài)保護空間三者之間的關系已成為研究區(qū)未來國土空間規(guī)劃面臨的重要問題。

1.2 主要數(shù)據來源及預處理

土地利用變化是在不同時空范圍內自然條件和人類活動相互作用產生的結果[17],參照FLUS模型模擬土地利用變化的相關研究[18—20],選取自然因子、社會經濟因子、可達性因子一共9個因子。土地利用數(shù)據來自中科院資源環(huán)境與數(shù)據中心(www.resdc.cn),包括2010年、2015年與2020年三期四川省土地利用柵格數(shù)據,初始分辨率為30m×30m(其他主要數(shù)據及其來源詳見表1)?？紤]到研究區(qū)實際尺度同時為方便FLUS模型計算及模擬,將各類數(shù)據分辨率統(tǒng)一為100m×100m,行列數(shù)統(tǒng)一為4853×4218。

表1 主要數(shù)據及其來源

1.3 研究方法

1.3.1SRP模型

生態(tài)敏感性-壓力度-恢復力模型(SRP)主要分為敏感性、壓力度、恢復力三個部分,本次生態(tài)敏感性計算指標選取高程、地形起伏度、坡度、坡向、氣溫、干旱度、降水、土壤侵蝕度,生態(tài)恢復力選取植被覆蓋度與植被凈初級生產力(NPP)兩個指標,生態(tài)壓力度選取國內生產總值(GDP)、耕地面積、人口密度三個指標進行評價[21]。根據各個指標的具體性質對各個指標分別進行標準化處理,并進行主成份分析,依據主成分分析結果,生態(tài)脆弱性指數(shù)計算公式如下:

(1)

式中,E表示生態(tài)脆弱性指數(shù);mi是第i個主成分所對應的貢獻率;Pi為第i個主成分;n是累計貢獻率為85%以上的前n個主成分。

1.3.2Markov模型

采用馬爾可夫鏈來預測未來像元總量參數(shù),即未來的各土地利用類型所占像元的總量。馬爾科夫鏈可以通過兩期土地利用數(shù)據生成土地利用轉移矩陣,計算出研究區(qū)域內土地利用變化轉移概率矩陣,在此基礎上,預測出研究區(qū)未來各土地利用類型的數(shù)量。其公式如下[22]:

St+1+Pab=S

(2)

式中,S表示t時刻的土地利用狀態(tài),St+1表示t+1時刻的土地利用狀態(tài),Pab表示土地利用類型a轉變?yōu)橥恋乩妙愋蚥的概率。

1.3.3FLUS模型

FLUS模型以歷史土地利用變化數(shù)據為基礎,基于神經網絡元胞自動機模型(ANN-CA)提取土地利用變化規(guī)律,結合土地利用變化驅動因子數(shù)據模擬未來各類用地的數(shù)量與空間分布[23]。通過神經網絡訓練可以產生較高概率的分布適宜性,建立各種土地類型的發(fā)生概率與驅動因素之間的關系,神經網絡的模擬過程是建立起初始土地利用類型與各個驅動因子在空間上相互作用的關系[24],公式如下:

(3)

式中,α(m,a,t)表示土地利用類型a于時間t出現(xiàn)在柵格m上的概率,wj,k與sigm(neti(m,t))分別表示隱藏層與輸出層間的權重系數(shù)與關聯(lián)函數(shù),neti(p,t)是在i隱藏層像神經元i在柵格m的t時間發(fā)送的信號,wi,j表示輸入層與隱藏層之間的信號。

2 基于生態(tài)綜合評價的限制轉換區(qū)劃定

本研究在進行生態(tài)服務功能重要性評價的同時結合了生態(tài)脆弱性的評價,利用生態(tài)綜合評價分級的方法,將研究區(qū)劃分為不同的生態(tài)保護需求度等級,并以其等級為根據對不同模擬情景設置不同的限制轉換區(qū)。

2.1 生態(tài)服務功能重要性評價

生態(tài)服務功能重要性評價的方法與指標參考了《生態(tài)保護紅線劃定技術指南》(環(huán)辦生態(tài)〔2017〕48號)文件,基于2020年現(xiàn)狀數(shù)據進行計算,考慮到研究區(qū)實際并不存在荒漠化、石漠化問題,故從水源涵養(yǎng)、水土保持、生物多樣性保護三個方面來進行評價,限于篇幅,具體計算方法見蔡德峰[25]與李月臣[26]等的研究,將計算值以分位數(shù)斷點法進行分級,結果如圖2所示。

圖2 生態(tài)服務功能重要性評價

2.2 生態(tài)脆弱性評價

生態(tài)脆弱性評價采用敏感性-壓力度-恢復力模型(SRP模型)進行計算,限于篇幅,具體計算方法見賈晶晶[27]的研究,將計算結果按照分位數(shù)斷點法進行分級,從低到高分為一般脆弱、比較脆弱、中等脆弱、脆弱、極度脆弱五個等級,計算結果如圖3。

圖3 生態(tài)脆弱性評價結果

2.3 限制轉換區(qū)的提取與處理

將生態(tài)系統(tǒng)服務功能重要性與生態(tài)系統(tǒng)脆弱性計算結果進行空間疊加(一般脆弱/重要賦值為1,比較脆弱/重要賦值為2,以此類推),計算并提取每個像元的最大值(值為1的像元對應Ⅰ級,值為2的像元對應為Ⅱ級,以此類推),并在此基礎上疊加研究區(qū)現(xiàn)階段已劃定的生態(tài)保護區(qū)數(shù)據(現(xiàn)階段已劃定保護區(qū)直接賦值為Ⅴ級),得出生態(tài)綜合評價結果(如圖4所示),即等級越高的區(qū)域生態(tài)保護需求度越高。

圖4 生態(tài)綜合評價分級與生態(tài)綜合評價分級占比

最終計算結果顯示,研究區(qū)總體生態(tài)保護需求度較高,其中處于Ⅲ級以上的區(qū)域約占研究區(qū)總面積的79.5%,其中等級為Ⅴ級的區(qū)域占比為42.61%,主要分布于西部高原高山區(qū);等級為Ⅰ級與Ⅱ級區(qū)域共占比為20.5%,主要分布在東部平原地區(qū)。

根據計算結果,將研究區(qū)生態(tài)綜合評價等級為Ⅴ級的區(qū)域提取,作為后文規(guī)劃情景下的土地利用轉移限制區(qū);將研究區(qū)生態(tài)綜合評價等級為Ⅳ級與Ⅴ級的區(qū)域進行提取作為后文生態(tài)保護情景下的土地利用轉移限制區(qū)(圖5)。

圖5 不同情景下土地利用限制轉換區(qū)

3 多情景土地利用模擬

3.1 土地利用模擬參數(shù)設置

本研究以2020年為現(xiàn)狀基期年份對未來年份進行模擬,在模擬訓練時分別以2010年、2015年為基期,5年為跨度對2015年與2020年土地利用情況進行模擬并以對應年份實際土地利用數(shù)據驗證,2010—2015年模擬結果Kappa系數(shù)為0.8891,2015—2020年模擬結果Kappa系數(shù)為0.8359,故本次模擬選擇2010—2015年土地利用變化規(guī)律進行后續(xù)模擬。

3.1.1轉移概率矩陣與需求預測

根據2010—2015年土地利用轉移矩陣,計算研究區(qū)2010年至2015年土地利用轉移概率矩陣,再利用馬爾科夫鏈以2015年為基期,計算出2020年研究區(qū)各類土地利用需求數(shù)量(表2)。

表2 研究區(qū)2015—2020土地利用需求量預測結果/個

3.1.2基于神經網絡的適宜性概率計算

選取研究區(qū)2015年土地利用數(shù)據作為基期數(shù)據,將歸一化處理后的相匹配年份的9個土地利用驅動因子柵格數(shù)據導入模型,設置神經網絡訓練采樣方法為隨機采樣,采樣參數(shù)設置為20,隱藏層數(shù)量設置為13,計算得到土地利用適宜性概率圖集,其均方根誤差值(RMSE)為0.29163,表示訓練結果可信。

3.1.3轉移成本矩陣及鄰域權重參數(shù)設置

轉移成本矩陣設置參考王芳莉的研究[28]與2015—2020年實際土地利用轉移量進行設置,同時將建設用地與水域間設置為相互不可轉換,轉移成本矩陣在此不作贅述。

土地利用鄰域權重參數(shù)范圍為0—1之間,領域權重參數(shù)值越接近0,表示該類用地越容易轉化為其他地類[29],本次研究鄰域參數(shù)采用3×3的鄰域窗口并參照研究區(qū)2015—2020年實際土地利用轉移量進行計算與設置(表3)。

表3 鄰域權重參數(shù)

3.2 土地利用訓練模擬結果及驗證

3.2.1ROC曲線驗證

由受試者特征曲線(ROC曲線)驗證結果(圖6)可知,耕地、林地、草地、水域、建設用地、未利用地模擬曲線下方面積(AUC值)分別為0.873、0.725、0.790、0.790、0.906、0.881,各類用地AUC值高于0.7,說明此次模擬精度較高。

圖6 各類用地模擬ROC曲線

3.2.2空間精度驗證

計算得到Kappa系數(shù)值為0.8282,此外,計算出2020年研究區(qū)土地利用模擬結果整體精度為0.8834,表示2020年土地利用模擬結果與2020年研究區(qū)實際土地利用數(shù)據一致性較高(圖7),模擬結果可信。

圖7 2020年研究區(qū)模擬土地利用狀況與2020年實際土地利用狀況

3.3 土地利用多情景模擬

自然發(fā)展情景 是指在2020—2030年研究區(qū)各類土地利用變化不受政策等影響,主要受自然地理條件以及社會經濟因素影響,其變化發(fā)展保持2010—2015年的發(fā)展變化規(guī)律不變;

規(guī)劃約束情景 結合研究區(qū)實際,參考研究區(qū)所屬地的規(guī)劃規(guī)程等相關政策文件,根據相關指標嚴格控制耕地、林地、建設用地數(shù)量,在自然發(fā)展情景的基礎之上,增設前文計算出的生態(tài)綜合評價等級為Ⅴ級的區(qū)域作為限制轉換區(qū),將耕地向建設用地轉出概率降低30%,減少轉化的這部分耕地保持原地類不變,林地、水域向建設用地轉化概率分別降低20%,減少轉化的部分保持原地類不變,草地向建設用地轉化的概率降低10%,其中減少轉化的部分保持原用地類型不變;

生態(tài)保護情景 以生態(tài)保護優(yōu)先,嚴格限制具有生態(tài)功能的林草地向其他用地類型轉出的情景,其限制轉換區(qū)在規(guī)劃約束發(fā)展情景基礎上進一步擴大,將生態(tài)綜合評價等級為Ⅳ級的區(qū)域也納入限制轉換區(qū),同時參考相關研究[30—31],在自然發(fā)展情景基礎之上,將耕地向建設用地轉移概率降低30%,并將此部分增加到耕地向林地的轉出之上,草地、林地向建設用地轉變概率分別降低50%,另50%保持原地類不變。

根據Markov鏈,計算不同情景下各用地類型需求如表4所示。

表4 2030年研究區(qū)各情景各類土地利用需求柵格數(shù)量/個

3.4 多情景模擬結果

根據以上參數(shù)設置,分別計算模擬出在自然發(fā)展情景、規(guī)劃約束情景、生態(tài)保護情景三種情景之下2030年研究區(qū)土地利用狀況(表5)與空間分布情況(圖8)。

表5 研究區(qū)2030年三種情景土地利用模擬結果/個

圖8 2030年研究區(qū)土地利用多情景模擬結果

在自然發(fā)展情景下,無其他政策等因素干擾,研究區(qū)2020—2030年各類用地變化趨勢與2010—2015年保持一致,經過單位換算,得出自然發(fā)展情景下,2020—2030年間,研究區(qū)耕地共減少381.04km2,林地共減少197.54km2,草地共增加168.7km2,水域共減少33.33km2,建設用地共增加449.66km2,未利用地減少4.29km2。

規(guī)劃約束情景下,耕地、林地得到一定程度保護,建設用地總規(guī)模得到限制,在該情景下,2030年模擬結果耕地減少了320.93km2,相對自然發(fā)展情景耕地減少的情況得以好轉;該情景下林地較2020年減少了194.72km2,與自然發(fā)展情景相比,林地縮減數(shù)量更少;規(guī)劃約束情景下草地增加169.13km2,水域減少33.06km2,建設用地增加386.58km2,未利用地減少4.84km2。

在生態(tài)保護情景下,林地、草地等具有生態(tài)價值的用地類型得到相應保護,在此情景下,耕地、林地、未利用地與2020年實際土地利用數(shù)據相比,分別減少了381.04km2、190.48km2、5.46m2,其中林地柵格數(shù)量雖處于減少趨勢,但與自然發(fā)展情景及規(guī)劃約束情景相比,生態(tài)保護情景下的林地縮減量得到了控制;生態(tài)保護情景下,2030年研究區(qū)草地、建設用地均呈增加趨勢,分別增加的面積為231.02km2、381.43km2,其中草地增加柵格數(shù)明顯大于其他兩種情景,建設用地擴張程度明顯小于自然發(fā)展情景且小于規(guī)劃約束情景。

由于研究區(qū)在地理位置以及社會經濟結構上的特殊性,在三種情景下,草地面積均被壓縮;在規(guī)劃約束情景下耕地減少得到較為明顯的改善,但由于西部耕地資源短缺,人地矛盾加劇,耕地保護力度還需加大;在自然發(fā)展情景下,建設用地增長未被管控,建設用地擴張大大壓縮了其他地類空間,而在規(guī)劃約束情景特別是生態(tài)保護情景下研究區(qū)建設用地增漲幅度較小,較難滿足研究區(qū)經濟發(fā)展的需要。因此需要提出一種綜合集成各種情景優(yōu)點,既能更好地保護耕地與具有生態(tài)功能的林草地,又能更好地滿足研究區(qū)經濟發(fā)展需求的土地利用方案。

4 斑塊權衡與多情景綜合集成

4.1 待權衡斑塊的定義與提取

在未來國土空間開發(fā)與土地利用規(guī)劃過程中,一定存在重點關注區(qū)域與可優(yōu)化空間。將三種情景模擬結果進行疊加分析,將某像元的用地類型設置為A,其中自然情景下該像元用地類型為A1,規(guī)劃約束情景下該像元用地類型為A2,生態(tài)保護情景下該像元用地類型為A3,若自然情景下該像元用地類型與規(guī)劃約束情景下用地類型相同,則有A1=A2,若自然情景下該像元用地類型與規(guī)劃約束情景不同,則有A1≠A2,在此基礎上將三種情景不同結果進行排列組合,共五種可能情況(圖9),根據不同的情況提取斑塊,其中A1=A2=A3時,該斑塊三種情景下用地類型相同,不存在用地類型沖突,將此類對象進行提取,當A1、A2、A3中有任意二者不等時,表示該斑塊不同情景間用地類型存在沖突,故判定其為待權衡斑塊,將此類斑塊進行提取。在未來的國土空間規(guī)劃與開發(fā)中,應重點關注與慎重考慮這些存在差異的區(qū)域。

4.2 待權衡斑塊的多層級權衡判定

參考耕地質量等別、城建用地標準等相關政策與規(guī)程文件,結合研究區(qū)實際情況,設置生態(tài)綜合評價等級是否為Ⅴ級為第一級判定依據,坡度是否大于25°為第二級判定依據,研究區(qū)2020年土地利用現(xiàn)狀作為第三級判定依據,林線分布海拔[32—33]作為第四級判定依據,主體功能區(qū)劃分作為第五級判定依據,整理出待權衡斑塊多層級權衡判定的基本邏輯如下:

生態(tài)綜合評價為Ⅴ級的區(qū)域應以生態(tài)效益優(yōu)先,保護林草地,限制林草地轉出;坡度>25°的區(qū)域更低于建設用地適宜性過低,應考慮還林還草;當待權衡圖斑的生態(tài)保護需求度、坡度等條件較為相似時,通過現(xiàn)狀用地類型、林線分布、主體功能區(qū)劃分進行判定;判定應綜合考慮經濟效益與生態(tài)效益,其中生態(tài)效益以林草地優(yōu)先,經濟效益以建設用地優(yōu)先;根據研究區(qū)實際情況,研究區(qū)絕大部分水域坡度不超過25°。

根據以上判定邏輯,將待權衡斑塊轉為矢量數(shù)據并新建生態(tài)保護需求度是否為V級(1是,0否)、坡度是否大于25°(1是,0否)、2020年土地利用類型(1耕地,2林地,3草地,4水域,5建設用地,6未利用地)、海拔是否大于3500m(1是,0否)、主體功能區(qū)劃分(1農產品主產區(qū),2重點開發(fā)區(qū))等多個字段,通過Python等編程手段實現(xiàn)自動權衡判定。

4.3 基于權衡判定的綜合集成結果

通過權衡判定將待權衡斑塊賦予相對應的土地利用類型后轉為100m×100m的柵格,與三種情景下均為耕地、林草地、水域及其他用地、建設用地的圖層進行合并集成,得到基于權衡判定結果的土地利用方案(圖10)。

圖10 多情景土地利用權衡集成示意圖

為方便計算統(tǒng)計,也為了更直觀地對比三種情景與權衡判定集成方案的差異,將單位換算為平方千米進行比較,計算結果如表6所示。

表6 集成結果與三種情景的比較/km2

由上表可知權衡集成方案中,耕地面積較自然發(fā)展情景模擬結果增加了133.16km2,較規(guī)劃約束情景模擬結果增加了73.05km2,較生態(tài)保護情景模擬結果增加了133.16km2,由此可見在權衡集成土地利用方案之下,研究區(qū)耕地得到了更好的保護;林地較自然發(fā)展情景模擬結果增加了209.48km2,較規(guī)劃約束情景增加了206.66km2,較生態(tài)保護情景增加了202.42km2,從林地面積上看,權衡集成的土地利用方案林地面積明顯大于其他三種情景,林地得到了較好的保護;權衡集成方案中建設用地面積為1944.83km2,較自然發(fā)展情景減少了46.99km2,較規(guī)劃約束情景增加了16.09km2,較生態(tài)保護情景增加了21.24km2,從建設用地數(shù)量上看,權衡判定方案的建設用地面積僅次于自然發(fā)展情景,高于規(guī)劃約束情景與生態(tài)保護情景。權衡集成土地利用方案下,耕地、林地都得到了更好的保護,同時建設用地也能較好的發(fā)展,因此,合理的權衡判定對未來土地利用模擬研究區(qū)起到了優(yōu)化的作用,能在未來的土地利用規(guī)劃中更好地兼顧生態(tài)保護與經濟發(fā)展的需要。

5 討論

多情景土地利用模擬的意義在于研究不同情景不同導向下的土地利用結構發(fā)展趨勢,為未來的國土空間規(guī)劃布局提供建議與參考。從空間分布上看,多情景土地利用模擬結果基本符合新一輪國土空間規(guī)劃布局:未來耕地主要集中分布于研究區(qū)東南部地勢平坦的“糧油主產區(qū)”,如中江縣、三臺縣、鹽亭縣、梓潼縣等區(qū)縣;未來建設用地及其增長主要集中分布于“成都平原經濟區(qū)”及其周邊地區(qū),如大邑縣、什邡市、廣漢市等區(qū)縣;林草地主要分布于西部高原山地廣布的“川西北生態(tài)示范區(qū)”,該地區(qū)作為高生態(tài)組分與落后發(fā)展交織區(qū)域,在發(fā)展高原特色牧業(yè)的同時也要注重對林草地的保護。

龍門山過渡帶作為多種地形單元、多類國土空間交界處,各類用地空間需求存在多樣性與更強的競爭性,傳統(tǒng)的自然發(fā)展情景、規(guī)劃約束情景以及生態(tài)保護情景三種情景的用地情況對比之下各有優(yōu)劣,均較難滿足龍門山過渡帶的實際土地利用需求,如何權衡生態(tài)環(huán)境保護、社會經濟發(fā)展與糧食生產安全之間的關系顯得尤為重要。故本文在多情景模擬基礎上綜合考慮了三種不同情景的優(yōu)點,并通過斑塊權衡與集成的方式提出新的土地利用集成方案,在此方案之下(表6),建設用地擴張規(guī)模既能保證經濟發(fā)展需求,又能得到合理控制,耕地、林地、草地面積均大于傳統(tǒng)多情景土地利用模擬結果,表明在該方案下,龍門山過渡帶的耕地、林地、草地均能得到較好的保護。因此,基于多情景土地利用結果提出的權衡集成方案可以更好地協(xié)調生態(tài)保護、農業(yè)生產、經濟發(fā)展之間的關系,更能適應未來土地利用的多方面多層次的需求。

從基于神經網絡CA與Markov鏈的FLUS模型雖然能很好地對未來土地利用情況進行模擬,但在FLUS模型模擬未來土地利用過程中,各土地利用類型需求量是以轉移概率或歷史數(shù)據為基礎來進行預測;在對驅動因子的選取方面,由于FLUS模型自身要求必須使用可量化可柵格化的因子,限制了因子的選取。二者均可能會在一定程度上影響模擬精度。

6 結論

本研究選取龍門山過渡帶這一典型山地-平原過渡區(qū),在生態(tài)服務功能重要性與生態(tài)脆弱性綜合評價基礎上劃定了不同情景的限制轉換區(qū),對2030年該區(qū)域土地利用情況進行了多情景模擬,在此基礎上進行了用地斑塊權衡,提出了基于多情景模擬結果的權衡集成土地利用方案,主要結論如下:

FLUS模型在山地-平原過渡區(qū)域仍具有較強的適用性,模擬結果Kappa系數(shù)為0.8282,整體精度為0.8834,可以較好地模擬該區(qū)域未來土地利用變化進行模擬,未來該區(qū)域國土空間規(guī)劃可以參考此模型模擬結果。

在三種不同情景下,研究區(qū)耕地、林地、水域、未利用地總體處于縮減狀態(tài),其中耕地減少尤為明顯,減少面積均在300km2以上,耕地僅在規(guī)劃約束情景下縮減較少,得到了相對較好的保護;草地、建設用地總體處于擴張狀態(tài),在自然發(fā)展情景下建設用地增長程度較高,在規(guī)劃發(fā)展情景與生態(tài)保護情景增量分別為386.58km2與381.43km2。

在基于用地斑塊權衡提出的多情景權衡集成土地利用方案下,耕地、林地都得到了更好的保護,同時建設用地也能較好的發(fā)展,綜合考慮并了耕地保護、生態(tài)保護、經濟發(fā)展等多種需求。通過生態(tài)綜合評價等級、坡度、海拔、主體功能區(qū)等多條件多層次的邏輯判定方式,可以實現(xiàn)較好地兼顧耕地保護、生態(tài)保護、經濟發(fā)展多種需求的用地斑塊自動化權衡與判定。