摘要：分析并預(yù)測生態(tài)系統(tǒng)服務(wù)不但有助于了解區(qū)域生態(tài)系統(tǒng)的運行狀況，而且對制定有效的生態(tài)保護和恢復(fù)策略有重要意義。本文以佛山市為研究區(qū)，基于CA-Markov-PLUS 模型預(yù)測分析了2010—2030 年土地利用和4 種生態(tài)系統(tǒng)服務(wù)空間布局變化，探討了2010—2030 年生態(tài)系統(tǒng)服務(wù)時空變化規(guī)律。結(jié)果表明：（1）在2010—2020 年間，佛山市耕地、林地面積大量減少，向建設(shè)用地轉(zhuǎn)換，在2020—2030 年間，耕地和水域面積增加，林地面積減少，建設(shè)用地擴張速度下降。（2）對比佛山市2010 年與2020 年的生態(tài)系統(tǒng)服務(wù)指數(shù)，發(fā)現(xiàn)生境質(zhì)量、碳儲存量、土壤保持以及產(chǎn)水服務(wù)均有不同程度的下降，以土壤保持量下降程度最為嚴重；相較于2020 年，2030 年佛山市生境質(zhì)量、碳儲存的下降速度減小，土壤保持基本不變，產(chǎn)水量均值略有上升。（3）2010—2030 年佛山市的綜合生態(tài)系統(tǒng)服務(wù)水平先降低后升高，說明人為正向干擾有利于提高佛山市生態(tài)系統(tǒng)服務(wù)水平。實驗結(jié)果將為佛山市生態(tài)保護進而實現(xiàn)高質(zhì)量發(fā)展提供合理建議。

關(guān)鍵詞：土地利用變化；綜合生態(tài)系統(tǒng)服務(wù)；CA-Markov-PLUS 模型

中圖分類號：F301.24 文獻標志碼：A 文章編號：2095-1329（2024）03-0130-07

生態(tài)系統(tǒng)服務(wù)是直接或間接地影響人類可持續(xù)福祉的一個或多個生態(tài)特征、生態(tài)功能或生態(tài)過程[1]。然而佛山市的快速城市化給環(huán)境帶來了巨大的壓力，在改變了局部的土地類型的同時，也擾動了生態(tài)系統(tǒng)服務(wù)的運行過程。因此，土地作為影響生態(tài)系統(tǒng)的驅(qū)動因子之一，通過分析不同時期的土地利用變化來研究生態(tài)系統(tǒng)空間布局，對建立可持續(xù)的綠色發(fā)展模式以及制定更有針對性的環(huán)境保護政策具有重要意義。近些年來，國內(nèi)外對生態(tài)系統(tǒng)服務(wù)之間的相互影響關(guān)系及其運行規(guī)律進行了大量的研究，主要圍繞著碳儲量[2]、生境質(zhì)量[3]、土壤保持[4]、水源涵養(yǎng)[5]等對單一生態(tài)系統(tǒng)服務(wù)的研究，或?qū)⑸鷳B(tài)系統(tǒng)服務(wù)供需關(guān)系[6] 進行分析，或?qū)Χ喾N生態(tài)系統(tǒng)服務(wù)的綜合評價。目前運用較多的研究方法是統(tǒng)計學(xué)方法[7]、空間分析方法[8]、情景模擬[9] 以及服務(wù)流動性分析方法[10] 等，這些研究不但加強了人類對生態(tài)系統(tǒng)服務(wù)運行規(guī)律的認識，同時模擬未來生態(tài)系統(tǒng)服務(wù)空間布局的方法也應(yīng)運而生，其中SD-PLUS 模型[11]、PLUS-InVEST 模型、Markov-FLUS 模型、Markov-PLUS 模型得到廣泛應(yīng)用。本文利用CA-Markov-PLUS 模型對佛山市2030 年土地利用狀態(tài)進行預(yù)測，其中CA-Markov 模型是基于CA 模型自有的離散特征得到不同時間尺度的土地利用類型轉(zhuǎn)換矩陣，預(yù)測出未來某一時間的土地利用類型[8]，PLUS 模型具有較高的模擬精度，可以獲取與現(xiàn)實生態(tài)景觀類型分布較相近的結(jié)果[12]， CA-Markov-PLUS 模型綜合CA-Markov 模型在時間尺度分析的優(yōu)勢和PLUS 模型在空間尺度分析的優(yōu)勢，能降低研究中制定轉(zhuǎn)換規(guī)則的困難程度，同時也能減少人為因素的過多干擾，從而對生態(tài)系統(tǒng)服務(wù)的階段性變化進行細致研究。

進入21 世紀以來，佛山市作為國家東部戰(zhàn)略重要區(qū)域，全市生產(chǎn)總值逐年上升，其快速城市化使得土地利用強度也隨之活躍，與經(jīng)濟駛?cè)肟燔嚨啦煌?，當?shù)厣鷳B(tài)退化嚴重。為了能更好地貫徹習(xí)近平總書記綠色發(fā)展理念，本文通過分析2010 年、2020 年及預(yù)測2030 年土地利用變化，進而測算2010—2030 年各項生態(tài)系統(tǒng)服務(wù)指數(shù)，了解其時空分布差異并綜合分析整體特征，為佛山市提出更合理的土地利用規(guī)劃，提高生態(tài)系統(tǒng)服務(wù)的貢獻度具有重要研究意義。

1 研究區(qū)概況

佛山市位于廣州省中部，總面積3797.72 km2。境內(nèi)河網(wǎng)密布，屬亞熱帶季風(fēng)氣候，年平均氣溫23.2℃，全境地勢平緩，西部丘陵地區(qū)地勢較高，東部平原地勢較低，主要以丘陵和沖積平原為主，其中沖積平原占70.9%（圖1）。植被類型較為單一，生態(tài)環(huán)境基礎(chǔ)較為簡單。佛山市常住人口961.54 萬人，GDP 達13276.14 億元[13]，是中國不可缺少的制造業(yè)基地，社會經(jīng)濟的飛速發(fā)展不可避免地擠占了其他植被類型的面積，生態(tài)環(huán)境面臨的壓力逐漸增大。因此，提高土地利用率并進一步研究其空間分布特征和變化趨勢從而提高生態(tài)系統(tǒng)服務(wù)貢獻度，成為了制定有效的生態(tài)保護和恢復(fù)策略的重要依據(jù)。

2 數(shù)據(jù)來源及研究方法

2.1 數(shù)據(jù)來源

本文基于空間分辨率為30 m 的2010 年和2020 年土地利用數(shù)據(jù)進行生態(tài)系統(tǒng)服務(wù)研究， 利用ArcGIS 軟件對佛山市進行掩膜提取、重分類。為了預(yù)測2030 年土地利用和生態(tài)系統(tǒng)服務(wù)空間布局，選擇了社會經(jīng)濟數(shù)據(jù)、氣候和環(huán)境數(shù)據(jù)作為驅(qū)動因子，數(shù)據(jù)來源如表1 所示。

2.2 研究方法

2.2.1 單項生態(tài)系統(tǒng)服務(wù)評估

（1）生境質(zhì)量

生境質(zhì)量反映了生態(tài)系統(tǒng)的健康狀態(tài)和穩(wěn)定 性[14]，一般用生境質(zhì)量指數(shù)來表示。生境質(zhì)量指數(shù)通過對研究區(qū)土地利用類型的生境適宜性和生境退化程度狀況進行評價， 受威脅因子、棲息地類型對威脅因子的相對敏感性、棲息地與威脅源之間的距離以及土地受法律保護程度等影響。本研究選擇InVEST 模型中的生境質(zhì)量模塊結(jié)合外界環(huán)境影響（表2）和景觀敏感性（表3）來計算佛山市2010 年和2020 年的生境質(zhì)量指數(shù)，并對研究期內(nèi)生境質(zhì)量的空間特征進行分析。計算公式如下[15]：

（2）碳儲量

碳儲量是指生態(tài)系統(tǒng)對生態(tài)環(huán)境中二氧化碳等氣體的存留量。InVEST 模型的碳儲量模塊將碳儲量劃分為地上碳庫、地下碳庫、土壤碳庫、死亡有機質(zhì)碳庫，該模型基于每個時期的土地利用數(shù)據(jù)和相應(yīng)的碳密度（表4主要依賴現(xiàn)有文獻中的測量數(shù)據(jù)[16]），模擬碳儲量總碳庫，計算公式[17] 為：

（3）土壤保持服務(wù)

土壤保持量是指生態(tài)系統(tǒng)在極度退化狀況下土壤侵蝕量與現(xiàn)實狀況下土壤侵蝕量的差值。本文利用InVEST模型中的土壤保持模塊來衡量區(qū)域生態(tài)系統(tǒng)保育土壤的能力， 采用修正通用水土流失方程估算土壤侵蝕量[18]，因此表示為：

（4）產(chǎn)水量

InVEST 模型中的產(chǎn)水模塊是基于水量平衡原理，結(jié)合土壤根系深度和植物可利用水量等數(shù)據(jù)，計算柵格內(nèi)實際降水量和蒸散發(fā)量之間的差值得到產(chǎn)水量[19]，公式表示為：

2.2.2 CA-Markov-PLUS 耦合預(yù)測模型

本文基于CA-Markov-PLUS 模型對2030 年各土地利用進行預(yù)測，CA 模型能夠在空間、時間及狀態(tài)上都具有離散的特征[19]。Markov 模型是馬爾可夫建立的一種離散概率模型，可用于計算土地利用類型轉(zhuǎn)換概率。PLUS 模型可用于斑塊尺度的土地利用變化模擬，在土地利用數(shù)量的約束下模擬土地利用空間格局。將三者進行耦合，使其不僅具有空間分布模擬功能，又有較強的數(shù)據(jù)預(yù)測能力，能反映地類間相互轉(zhuǎn)化的動態(tài)過程。其方程式為：

2.2.3 精度驗證

為驗證預(yù)測模型精度，本文以佛山市2010 年土地利用數(shù)據(jù)為基礎(chǔ)，結(jié)合佛山市的實際情況和數(shù)據(jù)的可獲取性，參考已有文獻[20]，選取了降雨、氣溫、坡度、人口規(guī)模、GDP 等11 項驅(qū)動因子，通過CA-Markov-PLUS 模型模擬2030 年土地利用空間布局，并與真實土地利用情況進行對比。結(jié)果顯示Kappa 值為0.87，整體模擬精度為0.917，模擬精度較高。為了使預(yù)測結(jié)果更貼合實際情況，本文將佛山市國家“耕地紅線”政策和綠色發(fā)展等政策作為約束條件，模擬預(yù)測2030 年土地利用和生態(tài)系統(tǒng)服務(wù)時空變化。

3 結(jié)果與分析

3.1 土地利用變化分析

本文通過土地轉(zhuǎn)移矩陣分析2010—2030 年土地面積流轉(zhuǎn)變化情況。由表5 可知，2010—2020 年間，佛山市流出面積最多的為耕地，共19126.53 hm2，主要轉(zhuǎn)化為建設(shè)用地、水域以及林地；其次為林地、水域和建設(shè)用地，轉(zhuǎn)化面積分別為9151.38 hm2、8117.46 hm2、9197.84hm2。林地主要轉(zhuǎn)化為建設(shè)用地、耕地和水域，水域主要轉(zhuǎn)化為建設(shè)用地和耕地，建設(shè)用地主要轉(zhuǎn)化為耕地和水域；流出面積較少的為草地與未利用地，草地主要轉(zhuǎn)化為耕地和林地，共流出142.02 hm2；未利用地主要轉(zhuǎn)化為耕地，共流出16.47 hm2。

結(jié)合佛山市的實際情況，本研究以堅持“耕地紅線”，綠色發(fā)展為目標，選取了人口、GDP、降雨、溫度、坡度坡長、高程、土壤類型、到一、二、三級道路距離、到河流距離共計11 個驅(qū)動因子，對2030 年土地利用和生態(tài)系統(tǒng)服務(wù)進行預(yù)測，得到表6。在2020—2030 年間，林地流出面積最多，為2263.59 hm2，其中66.58% 轉(zhuǎn)化為建設(shè)用地，25.2% 轉(zhuǎn)化為耕地；其次為草地，流出面積為427.86 hm2，其中61.34% 轉(zhuǎn)化為建設(shè)用地，24.57% 轉(zhuǎn)化為耕地；水域流出面積為96.57 hm2，流入面積為169.48hm2，總體上水域面積增多。

圖2 為佛山市2010 年、2020 及2030 年土地利用空間格局，在2010—2020 年間，三水區(qū)北部、東部的耕地面積以及中部水域面積減少，并逐漸向建設(shè)用地轉(zhuǎn)變并聚集成落。禪城區(qū)建設(shè)用地擴張，主城區(qū)面積進一步增大；南海區(qū)北部的耕地以及林地逐漸減少、西北部水域面積明顯減少，向建設(shè)用地轉(zhuǎn)化；順德區(qū)南部的水域及耕地轉(zhuǎn)化為建設(shè)用地，主要是順德區(qū)地勢平緩，適宜轉(zhuǎn)換成建設(shè)用地；高明區(qū)的綠色覆蓋面積為佛山市第一，東部建設(shè)用地面積顯著增大，主要由耕地和林地共同轉(zhuǎn)化。在2020—2030 年間，耕地面積增多了716.58 hm2，建設(shè)用地在原有的基礎(chǔ)上增加了1786.41 hm2，主要增加區(qū)域為南海區(qū)以及禪城區(qū)。

3.2 各項生態(tài)系統(tǒng)服務(wù)時空分布格局

本文基于CA-Markov-PLUS 模型測算佛山市各項生態(tài)系統(tǒng)服務(wù)，其空間格局如圖3。2010 年，生境質(zhì)量指數(shù)平均值為0.287，最大值為0.748，佛山市不同區(qū)域的生境質(zhì)量差距較大，低值區(qū)主要分布在南海區(qū)、禪城區(qū)、順德區(qū)東北部以及南部，與建設(shè)用地所在范圍高度重合。高明區(qū)多為林地和耕地，生境質(zhì)量高低值差距較小。碳儲存平均值為5.601 mt/p，以禪城區(qū)和南海區(qū)的建設(shè)用地和水域所在區(qū)域的碳儲存量最少，碳儲存值高值區(qū)主要集中在三水區(qū)、高明區(qū)以及順德區(qū)部分區(qū)域，主要植被類型為林地、草地及耕地。土壤保持平均值為25.3598 t/（km2·a），最高值達到878.086 t/（km2·a），其中高值主要分布在高明區(qū)西部、三水區(qū)北部以及南海區(qū)西南部，主要植被類型為林地和草地。單位面積平均產(chǎn)水量為7.573 m3/（hm2·a），高值區(qū)分布在高明區(qū)南部、東部和南海區(qū)西部，較高值分布在三水區(qū)南部、南海區(qū)北部以及順德區(qū)中部，低值區(qū)分布禪城區(qū)，具有鮮明的空間分布特點，其主要原因可能是在支流豐富，年降雨量較多，植被豐富區(qū)域，產(chǎn)水量隨之增多；反之，在人口聚集地和建設(shè)用地占地面積多的區(qū)域，降雨量較少，蒸散發(fā)較高，產(chǎn)水量也隨之減少。

圖4 為2020 年生態(tài)系統(tǒng)服務(wù)分布圖。2020 年生境質(zhì)量指數(shù)最大值為0.7477，平均值為0.271，相較2010 年下降了5.6%，高明區(qū)東部、禪城區(qū)及順德區(qū)碳生境質(zhì)量指數(shù)降低，低值范圍增大，與建設(shè)用地擴張方向一致。碳儲存平均值5.35 mt/p，禪城區(qū)由高值區(qū)向低值區(qū)轉(zhuǎn)換，碳儲存量下降程度最大；三水區(qū)南部、南海區(qū)北部及西部、高明區(qū)東部以及順德區(qū)中部由高值向中值轉(zhuǎn)換，下降程度較大，該范圍的植被類型以耕地為主。2020 年土壤保持平均值為22.798 t/（km2·a），相較于2010 年，下降了10.1%，高值主要分布在高明區(qū)西部、三水區(qū)北部以及南海區(qū)西南部，主要植被類型為林地和草地。2020 年佛山市單位面積平均產(chǎn)水量為4.269 m3/（hm2·a），相比2010 年降低了43.6%，南海區(qū)西部、高明區(qū)南部以及三水區(qū)南部下降程度明顯，禪城區(qū)北部的產(chǎn)水量由中值向低值區(qū)轉(zhuǎn)變。

綜上所述，從全域角度對比佛山市2010 年與2020 年的生態(tài)系統(tǒng)服務(wù)空間布局，發(fā)現(xiàn)生境質(zhì)量、碳儲存量、土壤保持以及產(chǎn)水服務(wù)均有不同程度的下降，以土壤保持量下降程度最為嚴重；從局部角度看，以禪城區(qū)和南海區(qū)下降程度最大，三水區(qū)北部和順德區(qū)次之。

佛山市2030 年生態(tài)系統(tǒng)服務(wù)如圖5 所示，生境質(zhì)量平均值為0.2687，相較于2020 年的0.2707，下降了0.2%，下降速度放緩，以三水區(qū)北部和高明區(qū)東部為主的低值范圍增大；碳儲存平均值為5.29 mt/p，高明區(qū)低值范圍增大，低值所在地為禪城區(qū)，碳儲存能力持續(xù)減弱，可能因為禪城區(qū)是主城區(qū)，建設(shè)用地持續(xù)擴張所導(dǎo)致。土壤保持的最高值保持不變，為789.964 t/（km2·a），平均值從22.7978 t/（km2·a） 下降到22.7936 t/（km2·a），變化幅度較小，其高值范圍主要集中在三水區(qū)北部和高明區(qū)西部，以林地、草地為主要植被類型；2030 年佛山市單位面積平均產(chǎn)水量為4.2964 m3/（hm2·a），較2020 年略有提升。綜上，在堅持“耕地紅線”和綠色發(fā)展政策的情況下，佛山市生境質(zhì)量、碳儲存、土壤保持的平均值下降速度減小，產(chǎn)水量均值略有上升。

3.3 綜合生態(tài)系統(tǒng)服務(wù)時空分布特征

本文將2010—2030 年佛山市各項生態(tài)系統(tǒng)服務(wù)進行疊加得到綜合生態(tài)系統(tǒng)服務(wù)，時空分布特征如圖6 所示。在2010—2020 年，綜合生態(tài)系統(tǒng)服務(wù)整體呈下降趨勢，其中禪城區(qū)和南海區(qū)南部的低值區(qū)面積明顯增大，高明區(qū)的綜合生態(tài)系統(tǒng)服務(wù)由中值區(qū)向低值區(qū)轉(zhuǎn)換；在2020—2030 年，佛山市綜合生態(tài)系統(tǒng)服務(wù)整體呈上升趨勢，尤其是低值區(qū)面積顯著減少，三水區(qū)北部和高明區(qū)西部的綜合生態(tài)系統(tǒng)服務(wù)由較高值區(qū)向高值區(qū)轉(zhuǎn)換，高明區(qū)東部由低值區(qū)向低值區(qū)轉(zhuǎn)換，而順德區(qū)西南部則由低值區(qū)向較低值區(qū)轉(zhuǎn)換。在2010—2030 年間，綜合生態(tài)系統(tǒng)服務(wù)經(jīng)歷了先降低后升高的過程，主要是因為在2010—2020 年間，佛山市在快速經(jīng)濟發(fā)展階段，人類活動面積增大，對生態(tài)環(huán)境造成了一定的壓力，而在2020—2030年間，根據(jù)佛山市碧道建設(shè)總體規(guī)劃的“三環(huán)六帶”以及“耕地紅線”等政策，扭轉(zhuǎn)了生態(tài)環(huán)境繼續(xù)惡化的進程，從而使得綜合生態(tài)系統(tǒng)服務(wù)有了整體上的提升。

4 討論

本研究以廣東省佛山市為研究對象，分析了佛山市在歷史和未來的土地利用變化狀況，并評估了其生態(tài)系統(tǒng)服務(wù)變化特征。研究結(jié)果表明2010—2030 年佛山市綜合生態(tài)系統(tǒng)服務(wù)呈現(xiàn)先下降后上升的趨勢[19]，主要是因為在2010—2020 年間，佛山市的快速城市化進程加快，人類活動和社會發(fā)展給研究區(qū)生態(tài)系統(tǒng)造成了一定的負面影響，隨著社會經(jīng)濟的進一步發(fā)展，建設(shè)用地不斷侵占林地、草地、耕地等生態(tài)用地，給當?shù)厣鷳B(tài)系統(tǒng)造成了負面影響。2020—2030 年的綜合生態(tài)系統(tǒng)服務(wù)整體呈上升趨勢，這與佛山市碧道建設(shè)總體規(guī)劃的“三環(huán)六帶”和“耕地紅線”等政策 相契合。因此，未來應(yīng)增強對耕地、林地、草地等生態(tài)系統(tǒng)服務(wù)貢獻較高的生態(tài)用地保護，提高土地利用度，降低建設(shè)用地擴張速度，同時也應(yīng)該提高區(qū)域內(nèi)土地集約利用水平和生態(tài)保護工作。

本研究利用CA-Markov-PLUS 模型預(yù)測2030 年土地利用情況時，考慮到相關(guān)政策可能會對模擬結(jié)果會造成一定影響，為了提高結(jié)果精確性，特增加了耕地保護這一約束條件。根據(jù)預(yù)測得到的2030 年土地利用變化情況進而對2030 年生態(tài)系統(tǒng)服務(wù)進行預(yù)測，卻忽略了降雨、溫度等自然因素對生態(tài)系統(tǒng)服務(wù)的影響，在預(yù)測未來生態(tài)系統(tǒng)服務(wù)時可能會存在一定的差異，但估算結(jié)果仍能反映出生態(tài)系統(tǒng)服務(wù)的大體趨墊，對研究區(qū)未來國十空間規(guī)劃以及生態(tài)保護具有一定的參考價值。

5 結(jié)論

本文通過耦合InVEST 模型及CA-Markov-PLUS 模型預(yù)測并探討了佛山市現(xiàn)在和未來土地利用和生態(tài)系統(tǒng)服務(wù)的時空演變特征，主要結(jié)論如下：

（1）在2010—2020 年間，佛山市耕地、林地面積減少，向建設(shè)用地轉(zhuǎn)換以禪城區(qū)以及南海區(qū)為主要增長區(qū)。在2020—2030 年間，耕地、水域等生態(tài)用地面積增加，建設(shè)用地擴張速度降低，林地面積繼續(xù)減少，多轉(zhuǎn)化為耕地和水域。

（2）對比佛山市2010 年與2020 年的生態(tài)系統(tǒng)服務(wù)指數(shù)，生境質(zhì)量、碳儲存量、土壤保持以及產(chǎn)水服務(wù)均有不同程度的下降，以土壤保持量下降程度最為嚴重；從空間上，以禪城區(qū)和南海區(qū)下降程度最大，三水區(qū)北部和順德區(qū)次之。相較于2020 年，2030 年的生境質(zhì)量指數(shù)值降低速度放緩，三水區(qū)北部和高明區(qū)東部低值區(qū)面積增加；碳儲存能力減弱，可能是建設(shè)用地增加，碳排放量增加所致；土壤保持值基本不變；佛山市單位平均產(chǎn)水量平均值上升了0.00273 m3/（hm2·a）， 可能是2030 年佛山市徑流面積增加。

（3）2010—2030 年佛山市的綜合生態(tài)系統(tǒng)服務(wù)經(jīng)歷了先降低后升高 的過程，主要是因為在2010—2020 年間，佛山市在經(jīng)濟快速發(fā)展階段，土地利用強度較為活躍，使得佛山市生態(tài)系統(tǒng)服務(wù)降低，而在2020—2030 年間，根據(jù)佛山市碧道建設(shè)總體規(guī)劃的“三環(huán)六帶”以及“耕地紅線”等政策，扭轉(zhuǎn)了生態(tài)環(huán)境繼續(xù)惡化的進程，從而使得綜合生態(tài)系統(tǒng)服務(wù)有了整體 上的提升。

參考文獻（References）

[1] PENG J， TIAN L， ZHANG Z M， et al. Distinguishing the impacts of land use and climate change on ecosystem services in a karst landsape in China[J]. Ecosystem Services， 2020， 46： 101199.

[2] 王冶， 楊越， 李薇， 等. 基于PLUS-InVEST 模型的武烈河流域碳儲量的動態(tài)變化及預(yù)測[J]. 環(huán)境生態(tài)學(xué)，2024，6（4）：10-18.

WANG Y， YANG Y， LI W， et al. Dynamic change and prediction of carbon storage in Wulie River Basin based on PLUS-InVEST model[J].Environmental Ecology， 2024，6（4）：10-18.

[3] 孫智杰， 羅莉威， 江越瀟， 等. 基于InVEST 模型的通城縣生境質(zhì)量及其影響因素評估[J]. 農(nóng)業(yè)與技術(shù)，2024，44（9）：107-111.

SUN Z J， LUO L W， JIANG Y X， et al. Assessment of habitat quality and infl uencing factors in Tongcheng County based on InVEST model[J].Agriculture and Technology， 2024，44（9）：107-111.

[4] 鮑章軒， 韋仕川. ?？谑小叭臻g”的土地利用轉(zhuǎn)型及生態(tài)服務(wù)功能演 變[J]. 上海國土資源，2022，43（4）：98-104.

BAO Z X， WEI S C. Land use transformation and ecological service function evolution of production-living-ecological space in Haikou City[J].Shanghai Land & Resources， 2022，43（4）：98-104.

[5] 吳靖瑤， 李晨曦. 基于生態(tài)系統(tǒng)服務(wù)的生態(tài)保護修復(fù)研究——以秦巴生物多樣性生態(tài)功能區(qū)為例[J]. 上海國土資源，2023，44（4）：161-167.

WU J Y， LI C X. Research on ecological protection and restoration based on ecosystem services： taking the Qinba Biodiversity Ecological Functional Zone as an example[J]. Shanghai Land & Resources， 2023，44（4）：161-167.

[6] 郭婷婷， 丁洪偉， 張浩， 等. 中國西南喀斯特地區(qū)生態(tài)系統(tǒng)服務(wù)權(quán)衡/ 協(xié)同研究及展望[J]. 自然資源學(xué)報，2024，39（6）：1384-1398.

GUO T T， DING H W， ZHANG H， et al. Research and prospects on ecosystem services and trade-offs/syner-gies relationships in the karst regions of southwestern China[J]. Journal of Natural Res ources， 2024，39（6）：1384-1398.

[7] 王丹妮. 上海市土地利用變化對生態(tài)系統(tǒng)服務(wù)價值的影響研究[J]. 上海國土資源，2023，44（3）：79-84，111.

WANG D N. Impacts of land-use change on ecosystem service value in Shanghai[J]. Shanghai Land & Resources， 2023，44（3）：79-84，111.

[8] 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)量時空演變及預(yù)測——以江西省南昌市為例[J]. 水土保持研究，20 22，29（2）：345-354.

LI Y N， DUO L H， ZHANG M. Spatiotemporal evolution and prediction of land use pattern and habitat quality based on CA-Markov and InVEST models： a case study of Nanchang City， Jiangxi Province[J]. Research on Soil and Water Conservation， 2022，29（2）：345-354.

[9] 黃孟冬， 肖玉， 徐潔， 等. 生態(tài)系統(tǒng)服務(wù)供需關(guān)系及空間流動研究進展[J]. 資源與生態(tài)學(xué)報，2022，13（5） ：925-935.

HUANG M D， XIAO Y， XU J， et al. Research progress on the relationship between supply and demand of ecosystem services and spatial fl ow[ J].Journal of Resources and Ecology，2022，13（05）：925-935.

[10] 李雅， 劉玉卿. 灘涂濕地生態(tài)系統(tǒng)服務(wù)價值評估研究綜述[J]. 上海國土資源，2017，38（4）：86-92.

LI Y， LIU Y Q. Review of ecosystem service evaluation of a tidal fl at wetland[J]. Shanghai Land & Resources， 2017，38（4）：80-92.

[11] 楊智勇， 牛健植， 樊登星， 等. 基于SWAT 和PLUS 模型的窟野河流域徑流對土地利用變化的響應(yīng)及預(yù)測[J]. 水土保持學(xué)報，2024，38（1）：289-299.

YANG Z Y， NIU J Z， FAN D X， et al. Response and prediction of runoff to land use change in Kuye River Basin based on SWAT and PLUS models[J]. Journal of Soil and Water Conservation， 2024，38（1）：289-299.

[12] 金一諾， 黃銀洲， 尤鳳， 等. 基于Markov-PLUS 模型的石羊河流域土地利用及生態(tài)系統(tǒng)服務(wù)價值模擬[J]. 干旱區(qū)資源與環(huán)境，2024，38（5）：130-139.

JIN Y N， HUANG Y Z， YOU F， et al. Simulation of land use and ecosystem service value in Shiyang River Basin based on Markov-PLUS model[J].Arid Land Resources and Environment， 2024，38（5）：130-139.

[13] 佛山市統(tǒng)計局， 國家統(tǒng)計局佛山調(diào)查隊.2023 年佛山市國民經(jīng)濟和社會發(fā)展統(tǒng)計公報[R]. 2024.

Foshan Municipal Bureau of Statistics， National Bureau of Statistics Foshan Survey. 2023 Foshan national economic and social development statistical bulletin[M]. 2024.

[14] 黃木易， 岳文澤， 馮少茹， 等. 基于InVEST 模型的皖西大別山區(qū)生境質(zhì)量時空演化及景觀格局分析[J]. 生態(tài)學(xué)報，2020，40（9）：2895-2906.

HUANG M Y， YUE W Z， FENG S R， et al. Spatiotemporal evolution of habitat quality and landscape pattern analysis in Dabie Mountain area of western Anhui Province based on InVEST model[J]. Acta Ecologica Sinica， 2020，40（9）：2895-2906.

[15] 褚琳， 張欣然， 王天巍， 等. 基于CA-Markov 和InVEST 模型的城市景觀格局與生境質(zhì)量時空演變及預(yù)測[J]. 應(yīng)用生態(tài)學(xué)報，2018，29（12）：4106-4118.

CHU L， ZHANG X R， WANG T W， et al. Spatiotemporal evolution and prediction of urban landscape pattern and habitat quality based on CAMarkov and InVEST models[J]. Chinese Journal of Applied Ecology， 2018，29（12）：4106-4118.

[16] 鄭慧玲， 鄭輝峰. 基于土地利用/ 覆被動態(tài)變化的粵港澳大灣區(qū)碳儲量評價與預(yù)測[J]. 環(huán)境科學(xué)，2024，45（4）：2321-2331.

ZHENG H L， ZHENG H F. Assessment and prediction of carbon storage based on land use/land cover dynamics in the Guangdong-Hong Kong-Macao greater bay area[J]. Environmental Science， 2024，45（4）：2321-2331.

[17] 劉翰芳， 劉牧. 基于InVEST 和PLUS 模型的江西省土地利用碳儲量時空變化與預(yù)測[J]. 上海國土資源，2024，45（1）：86-92.

LIU H F， LIU M. Spatial-temporal variation and prediction of land use carbon storage in Jiangxi Province based on InVEST and PLUS models[J].Shanghai Land & Resources， 2024，45（1）：86-92.

[18] 張馳， 馮秀麗. 基于RUSLE 模型的浙江省土壤侵蝕風(fēng)險時空演變與驅(qū)動力分析[J]. 上海國土資源，2023，44（2）：46-52.

ZHANG C， FENG X L. Spatiotemporal evolution and driving force analysis of soil erosion risk in Zhejiang Province based on RUSLE model[J].Shanghai Land & Resources， 2023，44（2）：46-52.

[19] 王東東， 賈仰文， 牛存穩(wěn)， 等. 基于分布式水文模型的水源涵養(yǎng)不同功能評估方法——以渭河涵養(yǎng)區(qū)為例[J]. 生態(tài)學(xué)報，2024，44（10）：4342-4352.

WANG D D， JIA Y W， Niu C w， et al. Evaluation method of different functions of water conservation based on distributed hydrological model： a case study of Weihe River conservation area[J]. Acta Ecologica Sinica， 2024，44（10）：4342-4352.

[20] 鐘亮， 林媚珍， 周汝波. 基于InVEST 模型的佛山市生態(tài)系統(tǒng)服務(wù)空間格局分析[J]. 生態(tài)科學(xué)，2020，39（5）：16-25.

ZHONG L， LIN M Z， ZHOU R B. Spatial pattern analysis of ecosystem services in Foshan City based on InVEST model[J]. Ecological Science，2020，39（5）：16-25.