李梓涵 于慧 鞏飛 王天柱 李鵬山 潘一茜 劉斯媛

李梓涵，于 慧，鞏 飛，等. 基于PLUS-InVEST模型的生態(tài)脆弱區(qū)生境質(zhì)量時(shí)空演變分析［J］. 湖北農(nóng)業(yè)科學(xué)，2024，63（2）：254-260．

摘要：基于PLUS模型預(yù)測(cè)阿壩州生態(tài)脆弱區(qū)2030年土地利用情況，并利用InVEST模型計(jì)算2000年、2010年、2020年及2030年生境質(zhì)量，對(duì)其時(shí)空演變進(jìn)行分析。結(jié)果表明，研究區(qū)草地、濕地退化情況顯著且裸地持續(xù)增加，預(yù)計(jì)2030年裸地面積將達(dá)334.38 km²；與2000年相比將會(huì)有204.55 km²濕地退化。驅(qū)動(dòng)因子中，降雨是限制林地、濕地?cái)U(kuò)張的主要因素，側(cè)面反映水源涵養(yǎng)功能的重要性；草地受各項(xiàng)因子的影響程度相差不大，一般生長(zhǎng)在遠(yuǎn)離政府的地方，且其面積擴(kuò)張受DEM限制；氣溫是導(dǎo)致裸地增加的主要因素。生境質(zhì)量總體較高但空間分布差異較大，且有緩慢變差的趨勢(shì)，預(yù)計(jì)2030年生境質(zhì)量低的區(qū)域面積將比2000年增加670.28 km²，主要由擴(kuò)張的耕地、建設(shè)用地造成。未來生境質(zhì)量降低的速率將有所減緩，但仍需加強(qiáng)人工措施來阻止降低。

關(guān)鍵詞：PLUS模型；土地利用預(yù)測(cè)；InVEST模型；生境質(zhì)量；阿壩州

中圖分類號(hào)：X171.1? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：0439-8114（2024）02-0254-07

DOI：10.14088/j.cnki.issn0439-8114.2024.02.038 開放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：

Temporal and spatial evolution analysis of habitat quality in ecologically vulnerable areas based on PLUS-InVEST model

LI Zi-han 1， YU Hui 2， GONG Fei3， WANG Tian-zhu4， LI Peng-shan5， PAN Yi-xi3， LIU Si-yuan1

（1. School of Earth Science， Chengdu University of Technology， Chengdu? 610051， China； 2. Chengdu Institute of Mountain Hazards and Environment， Chinese Academy of Sciences and Ministry of Water Resources， Chengdu? 610041， China； 3. Sichuan National Spatial Ecological Restoration and Geological Disaster Prevention Research Institute， Chengdu? 610081， China； 4. Agriculture and Rural Affairs Bureau of Cuona City， Shannan? 856700， Xizang，China； 5. Chengdu Center for Land Improvement and Ecological Restoration， Chengdu? 610072， China）

Abstract： Based on the PLUS model， the land use situation in ecologically vulnerable areas of Aba Prefecture in 2030 was predicted， and the InVEST model was used to calculate the habitat quality in 2000， 2010， 2020 and 2030， and analyze its temporal and spatial evolution. The results showed that the degradation of grassland and wetland in the study area was significant and the bare land continued to increase. It was estimated that the area of bare land would reach 334.38 km²in 2030； compared with 2000， there would be 204.55 km²of wetland degradation. Among the driving factors， rainfall was the main factor limiting the expansion of forest land and wetlands， which reflected the importance of water conservation function； there was little difference in the degree of grasslands affected by various factors， the grass land generally grew in places far from the government， and the area expansion was limited by DEM； air temperature was the main factor leading to the increase of bare land. The habitat quality was generally high， but the spatial distribution varied greatly， and there was a slow deterioration trend. It was expected that the area with low habitat quality would increase by 670.28 km²in 2030 compared with 2000， mainly caused by the expansion of cultivated land and construction land. The rate of habitat quality degradation would slow down in the future， but artificial measures were still needed to prevent the decline.

Key words： PLUS model； land use prediction； InVEST model； habitat quality； Aba Prefecture

阿壩州若爾蓋縣、阿壩縣、紅原縣、松潘縣4縣生態(tài)系統(tǒng)脆弱，生態(tài)恢復(fù)力一般，位于《全國(guó)重要生態(tài)系統(tǒng)保護(hù)和修復(fù)重大工程總體規(guī)劃（2021-2035年）》中“三區(qū)四帶”的青藏高原生態(tài)屏障區(qū)。氣候變化、畜牧超載等造成該區(qū)域濕地萎縮、草地退化，進(jìn)而造成生境質(zhì)量不斷降低。因此分析其土地利用與生境質(zhì)量的預(yù)測(cè)及演變對(duì)保護(hù)若爾蓋草原濕地、提高區(qū)域生態(tài)系統(tǒng)服務(wù)功能有重要意義。

目前土地利用預(yù)測(cè)最常使用的模型為Markov-FLUS和CA-Markov等耦合模型，如李亞楠等^［1］運(yùn)用CA-Markov模型對(duì)南昌市2025年土地利用格局進(jìn)行預(yù)測(cè)；陳理庭等^［2］、謝凌凌等^［3］利用Markov-FLUS模型分別預(yù)測(cè)了2035年饒河流域土地利用和廣西土地利用變化。這類模型非常適用于多類土地利用模擬，具有數(shù)量預(yù)測(cè)優(yōu)勢(shì)^［2］，但缺乏對(duì)土地利用變化驅(qū)動(dòng)機(jī)理的挖掘能力和時(shí)段概念。而PLUS模型，即斑塊生成土地利用變化模擬模型（Patch-generating land use simulation model，PLUS）保留了模型在一定時(shí)間段內(nèi)分析土地利用變化機(jī)理的能力，具有更好的解釋性^［4，5］。生境質(zhì)量能從整體上反映地區(qū)生態(tài)、生產(chǎn)、生活“三生空間”適宜程度，是生態(tài)系統(tǒng)服務(wù)的前提條件，是優(yōu)化生態(tài)安全格局和提升人類福祉的重要保障^［6］?，F(xiàn)階段的生境質(zhì)量研究更趨向于利用模型^［7］，如Maxent模型、ARIES模型、SoLVES模型以及 InVEST模型等^［8］。其中InVEST模型具有數(shù)據(jù)需求量少且易獲得的優(yōu)點(diǎn)，近年來在評(píng)估生境質(zhì)量方面被廣泛運(yùn)用^［9-11］。

因此，本研究采用PLUS模型對(duì)阿壩州若爾蓋縣、阿壩縣、紅原縣、松潘縣4縣土地利用做出預(yù)測(cè)，再利用InVEST模型評(píng)估其生境質(zhì)量演變情況，進(jìn)一步探討土地利用變化對(duì)其生境質(zhì)量的影響，為維護(hù)區(qū)域生態(tài)功能、山水林田湖草沙一體化保護(hù)修復(fù)工程提供參考。

1 研究區(qū)概況

研究區(qū)為四川省阿壩州若爾蓋縣、阿壩縣、紅原縣、松潘縣4縣所轄行政區(qū)域，位于101°06′—104°15′E，31°51′—34°18′N，屬于川西北山地向高原過渡地帶，地勢(shì)由松潘縣至紅原縣南側(cè)分水嶺向北逐漸降低，東西邊緣高、中部低。研究區(qū)屬高原寒溫帶半濕潤(rùn)季風(fēng)氣候，長(zhǎng)冬無夏，晝夜溫差大，空氣寒冷干燥；無絕對(duì)無霜期，春秋相連，干雨季分明。濕地、草地資源豐富，濕地屬于青藏高原高寒濕地，是中國(guó)最大的高寒沼澤濕地；草原屬青藏草原區(qū)，在若爾蓋縣、阿壩縣、紅原縣均廣泛分布。研究區(qū)是黃河干流重要水源補(bǔ)給地，地跨羌塘-三江源生物多樣性保護(hù)優(yōu)先區(qū)和岷山-橫斷山北段生物多樣性保護(hù)優(yōu)先區(qū)，植被類型多樣，垂直地帶性分布變化特征明顯，生物多樣性富集、獨(dú)特，有“川西北高原生物基因庫(kù)”之稱，但同時(shí)面臨著生態(tài)系統(tǒng)較脆弱，系統(tǒng)抗干擾能力弱，對(duì)全球氣候變化敏感的問題。

2 數(shù)據(jù)來源與研究方法

2.1 數(shù)據(jù)來源及處理

土地利用數(shù)據(jù)來源于自然資源部（http：//www.globallandcover.com/home.html？type=data）發(fā)布的2000年、2010年、2020年3期30 m柵格數(shù)據(jù)，用于預(yù)測(cè)2030年土地利用及生境質(zhì)量計(jì)算；DEM數(shù)據(jù)來源于地理空間數(shù)據(jù)云（http：//www.gscloud.cn/）提供的30 m分辨率數(shù)據(jù)高程產(chǎn)品；年均降水量、年均氣溫來源于中國(guó)科學(xué)院資源環(huán)境科學(xué)與數(shù)據(jù)中心（https：//www.resdc.cn/）；土壤類型數(shù)據(jù)來源于第三次全國(guó)國(guó)土調(diào)查數(shù)據(jù)成果；人口、GDP數(shù)據(jù)來源于中國(guó)科學(xué)院資源環(huán)境科學(xué)與數(shù)據(jù)中心 （https：//www.resdc.cn/）提供的1 km柵格數(shù)據(jù)；距離因子來源于地理信息專業(yè)知識(shí)服務(wù)系統(tǒng)（http：//kmap.ckcest.cn/），包括道路數(shù)據(jù)和區(qū)縣行政駐地?cái)?shù)據(jù)，經(jīng)歐氏距離處理得到。所有數(shù)據(jù)采用WGS-84坐標(biāo)系，柵格大小采樣到30 m×30 m。各數(shù)據(jù)類型及用途如表1所示。

2.2 研究方法

本研究基于PLUS模型，利用研究區(qū)2000年、2010年、2020年3期土地利用數(shù)據(jù)預(yù)測(cè)2030年土地利用情況；在此基礎(chǔ)上參考文獻(xiàn)確定危險(xiǎn)因子和各地類對(duì)危險(xiǎn)因子的敏感性，利用InVEST模型計(jì)算2000年、2010年、2020年和2030年4期生境質(zhì)量并探究研究區(qū)30年間土地利用、生境質(zhì)量演變規(guī)律及其影響因素。

2.2.1 PLUS模型 PLUS模型是Liang等^［5］提出的基于柵格數(shù)據(jù)的可用于斑塊尺度土地利用（LULC）變化預(yù)測(cè)的元胞自動(dòng)機(jī)（CA）模型，主要包括用地?cái)U(kuò)張分析策略（LEAS）和基于多類隨機(jī)斑塊種子的CA模型（CARS）兩部分。與以往的各類CA模型相比，具有可以更好地挖掘各類土地利用變化的誘因、預(yù)測(cè)多類土地利用斑塊級(jí)的變化等優(yōu)點(diǎn)。

1）土地利用預(yù)測(cè)。PLUS模型通過用地?cái)U(kuò)張分析策略（LEAS）提取兩期土地利用變化間各類用地?cái)U(kuò)張的部分，并采用隨機(jī)森林算法獲取各類用地的發(fā)展概率及驅(qū)動(dòng)因子的貢獻(xiàn)程度。土地利用類型總體概率計(jì)算的基本公式可以表示為：

在總概率的約束下，通過隨機(jī)種子生成和閾值遞減機(jī)制生成土地利用斑塊，并使用輪盤賭機(jī)制來確定占據(jù)柵格單元的地類。當(dāng)單個(gè)土地利用類型的領(lǐng)域效應(yīng)等于0時(shí)，閾值遞減機(jī)制產(chǎn)生“種子”到每種地類的發(fā)展概率上。公式如下：

式中，Step為PLUS模型估算土地利用需求時(shí)的步長(zhǎng)；δ為降低閾值τ的衰減因子，取值范圍為［0，1］；r為均值為1的正態(tài)分布隨機(jī)值，范圍為［0，2］；l為衰減步數(shù)；TM_k，c為定義是否允許土地利用類型k轉(zhuǎn)換為類型c的轉(zhuǎn)換矩陣。

利用2010年、2020年土地利用數(shù)據(jù)提取用地?cái)U(kuò)張，并參考羅芳等^［12］、李琛等^［13］的研究，選取年均降水量、年均氣溫、土壤類型、DEM、人口、GDP以及到區(qū)縣政府、鐵路、國(guó)道、省道、縣道的距離作為用地?cái)U(kuò)張分析策略中的驅(qū)動(dòng)因子。

2）精度驗(yàn)證。利用2000年、2010年土地利用數(shù)據(jù)預(yù)測(cè)2020年土地利用，再根據(jù) PLUS模型中的Validation模塊，將預(yù)測(cè)的2020年土地利用數(shù)據(jù)與實(shí)際2020年土地利用數(shù)據(jù)對(duì)比進(jìn)行驗(yàn)證?；煜仃囈姳?，計(jì)算出OA精度為0.955 6，Kappa系數(shù)為0.922 8，表明預(yù)測(cè)的2030年土地利用結(jié)果可信。

2.2.2 InVEST模型 InVEST模型（Integrated valuation of ecosystem services and tradeoffs）是美國(guó)自然資本項(xiàng)目組開發(fā)的、可評(píng)估生態(tài)系統(tǒng)服務(wù)功能的模型系統(tǒng)，利用其中的Habitat Quality模塊計(jì)算2000年、2010年、2020年、2030年4期生境質(zhì)量。生境質(zhì)量計(jì)算公式為：

式中，Q_xj表示生境質(zhì)量；D_xj表示生境退化度；H_j表示生境適宜性指標(biāo)；k為半飽和常數(shù)，通常取最大生境退化度數(shù)值的1/2；z為常量；x表示某柵格；j表示某土地利用類型。參考文獻(xiàn)^［14］并結(jié)合研究區(qū)土地利用數(shù)據(jù)的分類情況設(shè)置研究區(qū)威脅因子及其權(quán)重、最大威脅距離、空間衰退類型（表3）。參考InVEST模型手冊(cè)及文獻(xiàn)^{［15，16］}，設(shè)置各地類對(duì)威脅因子的敏感度（表4）。由于研究區(qū)總體生境質(zhì)量較高，生境質(zhì)量低的區(qū)域面積小且集中，將生境質(zhì)量指數(shù)分為低［0～0.3）、較低［0.3～0.6）、較高［0.6～0.9）、高［0.9～0.1］4級(jí)。

3 結(jié)果與分析

3.1 土地利用時(shí)空變化

由表5可知，2000—2020年，研究區(qū)草地少量減少；濕地、水體和林地先減少再少量增加；耕地在2000—2010年大量增加，而后少量減少。根據(jù)PLUS模型預(yù)測(cè)的2030年土地利用，人造地表、裸地在2000—2030年3個(gè)區(qū)間內(nèi)均增加，其中人造地表由2000年的0.11%增加到2030年的0.32%，裸地從2000年的0.00%增加到2030的0.92%，分別達(dá)117.55 km²和334.38 km²；草地和濕地分別減少1.95和0.44個(gè)百分點(diǎn)，即687.75 km²和204.55 km²。

利用2000年及預(yù)測(cè)的2030年土地利用數(shù)據(jù)制作土地利用轉(zhuǎn)移矩陣見表6。由表6可見，增加的絕大部分裸地由草地轉(zhuǎn)出，少量由林地轉(zhuǎn)出；增加的絕大部分耕地也由草地轉(zhuǎn)入；增加的大部分人造地表同樣由草地轉(zhuǎn)出，其次為耕地、林地和濕地。同時(shí)，減少的濕地和林地絕大部分轉(zhuǎn)變?yōu)椴莸?；減少的草地主要轉(zhuǎn)變?yōu)榱值亍⒏?、人造地表和濕地。即林地、草地、濕地相互轉(zhuǎn)化，但由于大量草地轉(zhuǎn)化為裸地和耕地，總體上草地面積大量減少。各年份土地利用類型見圖1。

3.2 土地?cái)U(kuò)張因子貢獻(xiàn)分析

通過用地?cái)U(kuò)張分析策略（LEAS）得到的各類用地的驅(qū)動(dòng)因子貢獻(xiàn)程度見表7。對(duì)研究區(qū)耕地、水體、冰川和永久積雪貢獻(xiàn)程度最高的擴(kuò)張因子均為DEM，分別為0.32、0.26和0.54，表明DEM對(duì)耕地、水體擴(kuò)張限制最大，對(duì)冰川和永久積雪更是決定性的因素；對(duì)人造地表貢獻(xiàn)程度最高的因子是人口，表明人口密度與人造地表關(guān)聯(lián)程度最高，即人口密度越大的地方人造地表越可能擴(kuò)張；對(duì)裸地貢獻(xiàn)程度最高的因子為氣溫，反映出氣候變化造成植被退化，進(jìn)而導(dǎo)致裸地面積增加。生境適宜度高的地類中，林地、草地、濕地的貢獻(xiàn)程度最高的擴(kuò)張因子分別為降雨、DEM和到政府距離、降雨，表明雨量充沛、水源涵養(yǎng)情況較好的區(qū)域里林地、濕地更易擴(kuò)張；而草地受各項(xiàng)因子的影響程度相差不大，一般生長(zhǎng)在遠(yuǎn)離政府的地方，且其面積擴(kuò)張受DEM限制。

3.3 生境質(zhì)量時(shí)空變化

研究區(qū)總體生境質(zhì)量較高，各時(shí)段生境質(zhì)量高和較高的區(qū)域面積占比之和均在95%以上，生境質(zhì)量高的區(qū)域主要為東部林地；較高的區(qū)域?yàn)橹形鞑看竺娣e的草地。生境質(zhì)量較低的區(qū)域主要分布在紅原縣中北部、松潘縣中部；生境質(zhì)量低的區(qū)域集中在若爾蓋縣西部及阿壩縣西部，各時(shí)段生境質(zhì)量等級(jí)分布見圖2，面積占比見表8。4期生境質(zhì)量結(jié)果對(duì)比顯示，研究區(qū)生境質(zhì)量總體保持較高水平，但有逐步降低的趨勢(shì)。生境質(zhì)量低的區(qū)域面積占比由2000年的0.50%逐漸增加到2030年的2.35%，增加的主要區(qū)域?yàn)榘慰h西部的裸地和各縣的建設(shè)用地及耕地；生境質(zhì)量較低的區(qū)域面積占比變化較平穩(wěn)，在2000—2010年有所增加，但在2010—2020年少量下降；生境質(zhì)量較高的區(qū)域面積占比在2000—2010年降低了0.52個(gè)百分點(diǎn)；在2010—2020年降低了0.99個(gè)百分點(diǎn)，預(yù)測(cè)2020—2030年將會(huì)降低0.87個(gè)百分點(diǎn)，降低速率先增加再有所減緩；生境質(zhì)量高的區(qū)域面積變化也較平穩(wěn)，面積占比在3個(gè)時(shí)間區(qū)間內(nèi)變化均不超過1個(gè)百分點(diǎn)。表明近年來在“綠水青山就是金山銀山”和“山水林田湖草是一個(gè)生命共同體”的發(fā)展理念下，生態(tài)環(huán)境保護(hù)和生態(tài)系統(tǒng)可持續(xù)管理有一定效果，但亟需加強(qiáng)。

4 小結(jié)與討論

4.1 小結(jié)

本研究利用3期土地利用數(shù)據(jù)，結(jié)合氣候、環(huán)境、距離等驅(qū)動(dòng)因子預(yù)測(cè)研究區(qū)未來土地利用情況，探究各類驅(qū)動(dòng)因子對(duì)不同地類變化的影響程度并評(píng)價(jià)研究區(qū)2000—2030年生境質(zhì)量變化，主要結(jié)論如下。

1）2000—2020年，由于周邊草地退化，研究區(qū)西部裸地大面積增長(zhǎng)，且根據(jù)預(yù)測(cè)的2030年土地利用數(shù)據(jù)，如若不加強(qiáng)人工干預(yù)，到2030年裸地面積將大面積增加，達(dá)到334.38 km²。將預(yù)測(cè)的土地利用數(shù)據(jù)與2000年對(duì)比，到2030年將會(huì)有204.55 km²濕地退化，由沼澤濕地向草甸演替。

2）各類影響地類變化的驅(qū)動(dòng)因子中，降雨是限制林地、濕地?cái)U(kuò)張的首要因素，側(cè)面反映水源涵養(yǎng)功能對(duì)維護(hù)生境適宜度高的地類有較大作用。而DEM為限制草地的首要因素，反映礦山開發(fā)等破壞景觀、形成高陡邊坡的人類活動(dòng)對(duì)草地會(huì)造成顯著影響。裸地的增加與氣溫密切相關(guān)，表明氣候變化對(duì)植被、土地利用變化有巨大影響。由于青藏高原不斷隆起抬升，西南季風(fēng)受限不能深入，若爾蓋高原濕地氣候條件有變干變冷的趨勢(shì)，這是導(dǎo)致區(qū)域濕地生態(tài)系統(tǒng)脆弱的重要原因。

3）研究區(qū)整體生境質(zhì)量較高，且空間差異較大。生境質(zhì)量低的區(qū)域集中在若爾蓋縣西部及阿壩縣西部。由于草地、濕地的退化，生境質(zhì)量較低的區(qū)域有逐步擴(kuò)大的趨勢(shì)，主要由西部新增裸地和各區(qū)縣擴(kuò)張的建設(shè)用地、耕地造成。未來生境質(zhì)量降低的速率將有所減緩，但仍需加強(qiáng)人工措施來阻止降低。

4.2 討論

1）為了保證多期土地利用數(shù)據(jù)的地類分類標(biāo)準(zhǔn)相同，本研究采用的土地利用數(shù)據(jù)僅分為了9個(gè)一級(jí)類型，沒有二級(jí)類型，如若利用多期同源的具有二級(jí)地類分類的土地利用數(shù)據(jù)，對(duì)土地利用預(yù)測(cè)及生境質(zhì)量的計(jì)算會(huì)更加精確。此外，PLUS模型中選取的驅(qū)動(dòng)因子是否為最佳組合還有待探究。

2）根據(jù)研究區(qū)土地利用及生境質(zhì)量演變情況，研究區(qū)面臨的最大的生態(tài)問題是草地退化、裸地面積大量增加，因此提出以下建議：一是加強(qiáng)草原綜合治理，控制草場(chǎng)載畜量，全面推行草畜平衡、草原禁牧休牧輪牧。二是加強(qiáng)礦山生態(tài)修復(fù)和人工草場(chǎng)建設(shè)；推動(dòng)重點(diǎn)區(qū)域荒漠化、沙化土地和黑土灘型等退化草原治理，遏制草原沙化趨勢(shì)，提升草原生態(tài)功能；抑制牧區(qū)草地鼠害，恢復(fù)草原生態(tài)，促進(jìn)草原生物多樣性保護(hù)。三是針對(duì)研究區(qū)內(nèi)若爾蓋濕地自然保護(hù)區(qū)，應(yīng)開展重點(diǎn)水源涵養(yǎng)區(qū)封育保護(hù)，加強(qiáng)高原濕地保護(hù)與修復(fù)，恢復(fù)退化濕地生態(tài)功能和周邊植被，增強(qiáng)水源涵養(yǎng)功能，嚴(yán)禁沼澤濕地疏干改造、侵占濕地開發(fā)草場(chǎng)和發(fā)展破壞沼澤濕地及其水源涵養(yǎng)功能的產(chǎn)業(yè)。

參考文獻(xiàn)：

［1］ 李亞楠， 多玲花， 張 明. 基于CA-Markov和InVEST模型的土地利用格局與生境質(zhì)量時(shí)空演變及預(yù)測(cè)——以江西省南昌市為例［J］. 水土保持研究， 2022，29（2）：345-354.

［2］ 陳理庭， 蔡海生， 張 婷， 等. 基于Markov-FLUS模型的饒河流域土地利用多情景模擬分析［J］. 生態(tài)學(xué)報(bào)， 2022，42（10）：3947-3958.

［3］ 謝凌凌， 許進(jìn)龍， 臧俊梅， 等. 基于Markov-FLUS模型的廣西土地利用變化模擬預(yù)測(cè)［J］. 水土保持研究， 2022，29（2）：249-254，264.

［4］ 王子堯， 黃楚梨， 李 倞， 等. 耦合InVEST-HFI-PLUS模型的生態(tài)分區(qū)規(guī)劃與動(dòng)態(tài)評(píng)估——以博爾塔拉蒙古自治州為例［J］. 生態(tài)學(xué)報(bào)， 2022，42（14）：5789-5798.

［5］ 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.

［6］ 高慶彥， 潘玉君， 劉 化. 基于InVEST模型的大理州生境質(zhì)量時(shí)空演化研究［J］. 生態(tài)與農(nóng)村環(huán)境學(xué)報(bào)， 2021，37（3）：402-408.

［7］ 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.

［8］ 高周冰， 王曉瑞， 隋雪艷， 等. 基于FLUS和InVEST模型的南京市生境質(zhì)量多情景預(yù)測(cè)［J］. 農(nóng)業(yè)資源與環(huán)境學(xué)報(bào)，2022，39（5）：1001-1013.

［9］ 張 華， 韓武宏， 宋金岳， 等. 祁連山國(guó)家公園生境質(zhì)量時(shí)空演變［J］. 生態(tài)學(xué)雜志， 2021，40（5）：1419-1430.

［10］ 周 婷， 陳萬旭， 李江風(fēng)， 等. 神農(nóng)架林區(qū)人類活動(dòng)與生境質(zhì)量的空間關(guān)系［J］. 生態(tài)學(xué)報(bào)， 2021，41（15）：6134-6145.

［11］ 趙曉冏，王 建，蘇軍德，等. 基于InVEST模型和莫蘭指數(shù)的甘肅省生境質(zhì)量與退化度評(píng)估［J］. 農(nóng)業(yè)工程學(xué)報(bào)，2020，36（18）：301-308.

［12］ 羅 芳，潘 安， 陳忠升， 等. 四川省宜賓市1980-2018年耕地時(shí)空格局變化及其驅(qū)動(dòng)因素［J］. 水土保持通報(bào)，2021，41（6）：336-344.

［13］ 李 琛，高彬嬪，吳映梅，等. 基于PLUS模型的山區(qū)城鎮(zhèn)景觀生態(tài)風(fēng)險(xiǎn)動(dòng)態(tài)模擬［J］. 浙江農(nóng)林大學(xué)學(xué)報(bào)，2022，39（1）：84-94.

［14］ 朱 燕， 李怡然， 李雪梅. 基于InVEST模型的昌黎黃金海岸國(guó)家級(jí)自然保護(hù)區(qū)生境質(zhì)量評(píng)價(jià)［J］. 環(huán)境與可持續(xù)發(fā)展， 2019，44（6）：156-160.

［15］ 何池全， 趙魁義. 若爾蓋高原濕地生物多樣性保護(hù)及其可持續(xù)利用［J］. 自然資源學(xué)報(bào)， 1999，14（3）：47-53.

［16］ GONG J， XIE Y C， CAO E J， et al. Integration of InVEST-habitat quality model with landscape pattern indexes to assess mountain plant biodiversity change： A case study of Bailongjiang watershed in Gansu Province［J］. Journal of geographical sciences， 2019，29（7）：1193-1210.

收稿日期：2023-02-06

基金項(xiàng)目：四川省科技計(jì)劃重點(diǎn)研發(fā)項(xiàng)目（2022YFS0494）；四川省地質(zhì)調(diào)查研究院項(xiàng)目（51000024Y000010978072）；四川省自然資源廳科研項(xiàng)目（Kj-2021-12）

作者簡(jiǎn)介：李梓涵（1998-），女，四川綿陽(yáng)人，在讀碩士研究生，研究方向?yàn)樯鷳B(tài)修復(fù)與景觀格局，（電話）18281606607（電子信箱）cdut_zihanli@163.com；通信作者，鞏 飛（1995-），男，四川綿陽(yáng)人，工程師，碩士，主要從事國(guó)土整治與生態(tài)修復(fù)研究，（電話）18582883627（電子信箱）842256774@qq.com。