摘要：氣候變化威脅全球糧食安全并造成土地退化和荒漠化，反之土地系統(tǒng)問(wèn)題又成為氣候變化的驅(qū)動(dòng)因素。為探討在氣候變化背景下如何合理配置土地資源，本研究基于2020年IPCC（政府間氣候變化專門委員會(huì)）發(fā)布的共享經(jīng)濟(jì)路徑（SSPs）與典型濃度路徑（RCPs）耦合的SSP1-2.6、SSP2-4.5和SSP5-8.5氣候情景，構(gòu)建并驗(yàn)證了綜合考慮社會(huì)經(jīng)濟(jì)因素及氣候變化因素的SDPLUS耦合模型，以2000—2020年為歷史數(shù)據(jù)，模擬了2030年杭州市三種氣候情景下的土地利用變化。結(jié)果表明：SD模型預(yù)測(cè)誤差在5%以內(nèi)，PLUS模型模擬結(jié)果Kappa 系數(shù)為0.84，總體精度為0.93，SD-PLUS耦合模型能夠較為精確地反映土地利用變化情況。三種情景下土地利用變化整體上呈現(xiàn)生態(tài)用地向耕地和建設(shè)用地轉(zhuǎn)移，但仍存在差異性：SSP2-4.5和SSP5-8.5情景生態(tài)用地在臨安區(qū)、富陽(yáng)等中心城區(qū)周邊地區(qū)轉(zhuǎn)移為建設(shè)用地，SSP5-8.5 情景變化最為激烈，建設(shè)用地大幅擴(kuò)張了608.94 km2；只有SSP1-2.6情景下建設(shè)用地在各市區(qū)中心周邊有序擴(kuò)張，生態(tài)用地減少得到控制。SSP1-2.6情景下，保護(hù)生態(tài)用地能夠有效避免建設(shè)用地?zé)o序擴(kuò)張，提升土地利用效率，實(shí)現(xiàn)區(qū)域均衡發(fā)展。研究表明，基于氣候變化背景的SD-PLUS耦合模型能夠有效模擬不同氣候情景下杭州市土地利用空間格局的變化趨勢(shì)，研究結(jié)果可為杭州市未來(lái)經(jīng)濟(jì)發(fā)展與生態(tài)保護(hù)區(qū)域協(xié)同提供科學(xué)支撐。

關(guān)鍵詞：氣候變化；SD-PLUS耦合模型；土地利用；SSP-RCP情景；多情景模擬；杭州市

中圖分類號(hào)：X321；F301.24；F224 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：2095-6819（2025）01-0044-13 doi： 10.13254/j.jare.2023.0818

21世紀(jì)以來(lái)，氣候變化已成為人類面臨的最嚴(yán)峻的環(huán)境問(wèn)題之一，全球氣候變化和極端天氣/氣候事件已經(jīng)對(duì)人類經(jīng)濟(jì)社會(huì)有序發(fā)展產(chǎn)生了嚴(yán)重威脅[1-2]。土地是承載水、能源、糧食等資源的重要基礎(chǔ)[3]，絕大部分社會(huì)經(jīng)濟(jì)活動(dòng)都要依托土地這一載體[4]。自IPCC（政府間氣候變化專門委員會(huì)）于1990年開(kāi)展氣候變化研究開(kāi)始，已有諸多研究[5-7]表明氣候變化會(huì)加重各類土地間的競(jìng)爭(zhēng)，造成土地退化和荒漠化等問(wèn)題，對(duì)全球糧食安全產(chǎn)生嚴(yán)重威脅。同時(shí)，以人為主導(dǎo)的土地開(kāi)發(fā)行為所導(dǎo)致的地表特征轉(zhuǎn)變會(huì)影響陸地與大氣間的水熱循環(huán)，土地退化和荒漠化使得耕作開(kāi)發(fā)加劇，土地系統(tǒng)變動(dòng)所造成的生物多樣性下降和溫室氣體額外排放又成為加劇氣候變化的驅(qū)動(dòng)力[8-9]。20世紀(jì)80年代以來(lái)，世界氣候研究計(jì)劃（WCRP）、國(guó)際全球環(huán)境變化人文因素計(jì)劃（IHDP）的實(shí)施使得對(duì)土地利用/覆被變化（Land Use/CoverChange，LUCC）的研究逐漸成為全球變化研究的核心之一[10]。隨著氣候變化問(wèn)題和人類經(jīng)濟(jì)社會(huì)發(fā)展之間的沖突愈演愈烈，探究如何在氣候變化背景下對(duì)土地資源進(jìn)行合理規(guī)劃和可持續(xù)管控，對(duì)于促進(jìn)土地資源可持續(xù)利用、應(yīng)對(duì)并緩解氣候變化問(wèn)題具有重要現(xiàn)實(shí)意義。

土地資源配置是基于時(shí)空雙尺度的研究，建立模型是研究LUCC 的一種量化手段[11]。自20世紀(jì)以來(lái)，國(guó)內(nèi)外學(xué)者構(gòu)建了諸多研究模型，主要包括土地?cái)?shù)量預(yù)測(cè)模型和土地空間模擬模型。前者側(cè)重于自上而下從時(shí)間尺度研究土地?cái)?shù)量結(jié)構(gòu)變化，包括馬爾科夫（Markov）模型[12]、線性規(guī)劃模型[13]、系統(tǒng)動(dòng)力學(xué)（System Dynamics，SD）模型[14]等。Markov 模型和線性規(guī)劃模型作為靜態(tài)模型，難以反映LUCC 各影響因子間的作用關(guān)系[15]，而SD模型利用計(jì)算機(jī)仿真技術(shù)能夠有效模擬LUCC 與驅(qū)動(dòng)因子間的動(dòng)態(tài)因果關(guān)系[16]，被廣泛應(yīng)用于不同尺度的LUCC 研究中[17]。如顧茉莉等[18]利用SD 模型預(yù)測(cè)江西省不同社會(huì)經(jīng)濟(jì)發(fā)展情景下的土地需求，為江西省國(guó)土空間規(guī)劃多方案模擬提供科學(xué)支撐。Hosseinzadeh 等[19]利用SD模型構(gòu)建了伊朗農(nóng)業(yè)生態(tài)系統(tǒng)模擬模型，探究其在不同政策下的變化并選出最優(yōu)發(fā)展方案。土地利用空間模擬模型側(cè)重于自下而上從空間尺度對(duì)土地利用分布格局特征進(jìn)行研究，包括元胞自動(dòng)機(jī)（Cellular Automata，CA）模型[20]、CLUE-S（Conversionof Land Use and Its Effects at Small Regional Extent）模型[21]、FLUS（Future Land Use Simulation Model）模型[22]、PLUS（Patch - Generating Land Use SimulationModel）模型[23]等。PLUS 模型能夠動(dòng)態(tài)模擬多種土地利用類型斑塊級(jí)別的演變[24]，有效解決社會(huì)經(jīng)濟(jì)與自然環(huán)境共同作用下LUCC 發(fā)展具有不確定性的問(wèn)題[25]。蔣小芳等[26]對(duì)比了PLUS、FLUS 和CLUE-S模型在黑河流域中游甘臨高地區(qū)土地模擬精度，發(fā)現(xiàn)PLUS 模型的擬合效果最優(yōu)。Nie 等[27]建立ESPMS-PLUS 耦合模型研究生態(tài)安全約束下安吉縣土地利用變化，為生態(tài)保護(hù)導(dǎo)向的土地利用優(yōu)化提供了新的技術(shù)方法。

單一模型進(jìn)行土地利用模擬具有局限性，耦合模型則可以結(jié)合時(shí)空模型的優(yōu)勢(shì)。利用SD-PLUS耦合模型能夠同時(shí)對(duì)LUCC 在數(shù)量結(jié)構(gòu)和空間配置上進(jìn)行研究，彌補(bǔ)了傳統(tǒng)模型的缺陷。在模擬時(shí)能夠綜合考慮人類社會(huì)經(jīng)濟(jì)活動(dòng)和自然環(huán)境變化對(duì)LUCC 的驅(qū)動(dòng)力，提高模擬預(yù)測(cè)精度，為研究提供更為全面科學(xué)的保障[28-29]。此外，全球氣候變化背景下，除了人類活動(dòng)的影響，氣候變化對(duì)LUCC的影響也需受到重視[30-31]。目前的研究多使用社會(huì)經(jīng)濟(jì)因素作為土地變化的驅(qū)動(dòng)因素[11，18]，忽略了氣候變化對(duì)土地格局的影響。因此，有必要構(gòu)建耦合模型在氣候變化背景下進(jìn)行土地利用模擬研究，定量模擬不同氣候情景下土地資源變化狀況，實(shí)現(xiàn)區(qū)域經(jīng)濟(jì)發(fā)展與生態(tài)環(huán)境保護(hù)的均衡優(yōu)化。

鑒于此，本研究以杭州市為研究區(qū)域，基于2020年IPCC發(fā)布的共享經(jīng)濟(jì)路徑（SSPs）與典型濃度路徑（RCPs）耦合的SSP1-2.6、SSP2-4.5 和SSP5-8.5 三類氣候情景數(shù)據(jù)，構(gòu)建并驗(yàn)證了綜合考慮各類社會(huì)經(jīng)濟(jì)因素及氣候變化因素的SD-PLUS耦合預(yù)測(cè)模型，以2000—2020年為歷史期，模擬預(yù)測(cè)了2030年杭州市各情景下的土地利用時(shí)空變化趨勢(shì)，分析不同氣候變化情景下土地利用空間格局變化，以期為研究區(qū)實(shí)現(xiàn)土地資源和生態(tài)環(huán)境優(yōu)化配置、經(jīng)濟(jì)生態(tài)均衡發(fā)展提供科學(xué)支撐。

1 研究方法與數(shù)據(jù)來(lái)源

1.1 研究區(qū)概況

杭州市地處我國(guó)華東地區(qū)，浙江省北部，位于東經(jīng)118°21′～120°30′、北緯29°11′～30°33′之間，市域總面積16 850 km2，西部為浙西丘陵區(qū)，東部為浙北平原，屬亞熱帶季風(fēng)氣候，四季分明，雨量充沛，水網(wǎng)密布，物產(chǎn)豐富（圖1）。

杭州市作為長(zhǎng)江三角洲的重要中心城市，人口、經(jīng)濟(jì)及產(chǎn)業(yè)資源高度聚集。伴隨著高速城鎮(zhèn)化發(fā)展進(jìn)程，區(qū)域內(nèi)資源環(huán)境約束越發(fā)緊張、人地關(guān)系沖突越發(fā)顯著，氣候變化和人類活動(dòng)對(duì)土地資源配置產(chǎn)生了深刻影響。土地功能退化、土地?zé)o法實(shí)現(xiàn)集約化發(fā)展等問(wèn)題亟待解決。因此，需對(duì)土地資源配置進(jìn)行動(dòng)態(tài)化調(diào)控，在確保耕地供給和生態(tài)環(huán)境可持續(xù)的同時(shí)實(shí)現(xiàn)區(qū)域均衡發(fā)展。

1.2 數(shù)據(jù)來(lái)源與處理

本研究所需數(shù)據(jù)包括用于構(gòu)建SD 模型的非空間數(shù)據(jù)和用于構(gòu)建PLUS 模型的空間數(shù)據(jù)。前者包括歷年社會(huì)經(jīng)濟(jì)數(shù)據(jù)，后者包括土地利用數(shù)據(jù)、自然環(huán)境數(shù)據(jù)、基礎(chǔ)地理信息數(shù)據(jù)等。數(shù)據(jù)來(lái)源及屬性如表1所示。

根據(jù)需要將土地利用類型重分類為耕地、林地、草地、水域、建設(shè)用地及未利用地6種類型，所有空間數(shù)據(jù)都在ArcGIS 中轉(zhuǎn)換為WGS-1984-UTM-Zone-50N投影坐標(biāo)系，分辨率經(jīng)重采樣后為30 m。對(duì)數(shù)據(jù)進(jìn)行統(tǒng)一處理，像元與驅(qū)動(dòng)因子的距離由歐氏距離計(jì)算得到。

1.3 研究方法

SD模型能預(yù)測(cè)土地利用需求，PLUS模型可以在空間尺度上模擬土地利用格局。因此本研究采用SD-PLUS 耦合模型對(duì)杭州市不同氣候變化情景下LUCC進(jìn)行模擬與分析。首先根據(jù)IPCC發(fā)布的氣候變化路徑設(shè)置未來(lái)不同氣候情景，利用SD模型預(yù)測(cè)土地利用需求，再利用PLUS模型構(gòu)建土地利用模擬模型，通過(guò)迭代運(yùn)算獲取最合理的土地利用空間分布。具體流程如圖2所示。

1.3.1 多情景設(shè)置

本研究所設(shè)置的氣候變化情景采用IPCC發(fā)布的情景模式，該模式由不同共享社會(huì)經(jīng)濟(jì)路徑（SharedSocioeconomic Pathways，SSPs）和代表濃度路徑（Rep?resentative Concentration Pathways，RCPs）耦合構(gòu)成[32]。其中SSPs 定量描述了不同情景下社會(huì)經(jīng)濟(jì)發(fā)展路徑；RCPs描述了未來(lái)人口、經(jīng)濟(jì)、土地利用發(fā)生變化時(shí)，空氣污染物濃度和溫室氣體排放的不同路徑[33]。根據(jù)研究區(qū)實(shí)際情況采取SSP2-4.5、SSP5-8.5 及SSP1-2.6組合作為研究場(chǎng)景。

（1）SSP2-4.5情景

SSP2-4.5情景為慣性發(fā)展情景，基于歷年社會(huì)經(jīng)濟(jì)數(shù)據(jù)發(fā)展趨勢(shì)設(shè)置。該情景下社會(huì)經(jīng)濟(jì)發(fā)展和溫室氣體排放處于中間水平，設(shè)定沒(méi)有出臺(tái)新的經(jīng)濟(jì)發(fā)展或環(huán)境保護(hù)政策，研究區(qū)社會(huì)經(jīng)濟(jì)及氣候變化保持歷年發(fā)展趨勢(shì)。此情景設(shè)置較慢的人口和GDP增長(zhǎng)率，氣候變化保持現(xiàn)狀且選擇技術(shù)進(jìn)步緩慢的參數(shù)。

（2）SSP5-8.5情景

SSP5-8.5情景為高速發(fā)展情景，以高經(jīng)濟(jì)增長(zhǎng)和高排放為主要特征。該情景下人口及經(jīng)濟(jì)高速發(fā)展導(dǎo)致資源消耗水平提升，同時(shí)農(nóng)業(yè)的投資提升也會(huì)提高生產(chǎn)力。該情景設(shè)置較高的人口和GDP增長(zhǎng)率，氣候變化采用高排放情景且選擇技術(shù)進(jìn)步較快的參數(shù)。

（3）SSP1-2.6情景

SSP1-2.6情景為均衡發(fā)展情景，以可持續(xù)發(fā)展和低排放為主要特征。該情景權(quán)衡了社會(huì)經(jīng)濟(jì)發(fā)展速率、生態(tài)環(huán)境質(zhì)量等因素，同時(shí)也考慮到環(huán)境保護(hù)相關(guān)政策對(duì)氣候變化產(chǎn)生的積極影響。此情景設(shè)置中等的人口和GDP 增長(zhǎng)率，氣候變化采取中等排放情景且選擇技術(shù)水平穩(wěn)定增長(zhǎng)的參數(shù)。

分析研究區(qū)歷年社會(huì)經(jīng)濟(jì)數(shù)據(jù)，參考前人研究[17，22]并分析LUCC關(guān)鍵驅(qū)動(dòng)因素，本研究選取人口增長(zhǎng)率、GDP增長(zhǎng)率、年均氣溫變化、年均降水變化和技術(shù)進(jìn)步水平作為情景設(shè)定的關(guān)鍵參數(shù)，設(shè)定3種情景下未來(lái)可能的發(fā)展?fàn)顩r。其中GDP和人口增長(zhǎng)率參考《杭州市“十四五”規(guī)劃》發(fā)展目標(biāo)設(shè)定，年均氣溫、年均降水等參數(shù)參考前人研究[34-35]設(shè)定（表2）。

1.3.2 基于SD模型的土地利用需求預(yù)測(cè)與驗(yàn)證

系統(tǒng)動(dòng)力學(xué)認(rèn)為復(fù)雜系統(tǒng)是由各子系統(tǒng)間進(jìn)行多重信息反饋機(jī)制構(gòu)成，通過(guò)計(jì)算機(jī)可以進(jìn)行仿真模擬[37]。構(gòu)建土地利用模擬系統(tǒng)需要綜合考慮LUCC驅(qū)動(dòng)因素，參考前人研究[38]，本研究將杭州市土地利用需求系統(tǒng)劃分為人口、經(jīng)濟(jì)、生產(chǎn)力、氣候、土地利用5個(gè)子系統(tǒng)。

本研究的空間邊界為杭州市行政邊界；時(shí)間邊界為2000—2030年（歷史數(shù)據(jù)為2000—2020年，模擬預(yù)測(cè)為2021—2030 年），時(shí)間步長(zhǎng)為1 a。利用Vensim軟件反復(fù)調(diào)試，明確各變量相互作用關(guān)系，最終得到杭州市土地利用變化SD 模型（圖3），不同變量間的數(shù)量關(guān)系通過(guò)SPSS 26軟件獲取。

SD模型檢驗(yàn)包括歷史誤差檢驗(yàn)及靈敏度檢驗(yàn)。前者通過(guò)對(duì)比模擬結(jié)果與真實(shí)數(shù)據(jù)，觀察擬合度，判斷模型可靠性。歷史誤差檢驗(yàn)公式見(jiàn)公式（1）：

靈敏度檢驗(yàn)是將關(guān)鍵參數(shù)進(jìn)行調(diào)整，通過(guò)比對(duì)模擬結(jié)果觀察參數(shù)變化是否會(huì)對(duì)最終預(yù)測(cè)結(jié)果產(chǎn)生較大影響[39]。靈敏度計(jì)算公式見(jiàn)公式（2）：

1.3.3 基于PLUS模型的土地利用模擬與驗(yàn)證

PLUS模型是基于CA提出的斑塊生成土地利用模擬模型，由用地?cái)U(kuò)張策略分析（LEAS）和基于多類隨機(jī)斑塊種子的CA 模型（CARS）兩大模塊組成[24]。LEAS是提取兩個(gè)時(shí)間節(jié)點(diǎn)間各類用地?cái)U(kuò)張的部分，采用隨機(jī)森林算法挖掘各類用地變化的驅(qū)動(dòng)因素，從而獲取其發(fā)展概率。參考前人研究[40-41]并綜合考慮《杭州市國(guó)土空間總體規(guī)劃（2021—2035年）》等相關(guān)規(guī)劃，本研究選取了三大類共15種LUCC驅(qū)動(dòng)因子（圖4）。

CARS 是基于各類用地發(fā)展概率，輸入限制因子，結(jié)合土地?cái)?shù)量預(yù)測(cè)結(jié)果、各類用地鄰域權(quán)重以及土地利用成本轉(zhuǎn)移矩陣等參數(shù)，模擬未來(lái)土地利用空間分布狀態(tài)。本研究選取生態(tài)保護(hù)范圍、水域與永久基本農(nóng)田作為限制因子（圖5）。

對(duì)于PLUS模型模擬結(jié)果采用Kappa 系數(shù)和FoM值進(jìn)行檢驗(yàn)。Kappa 系數(shù)可以用來(lái)描述預(yù)測(cè)結(jié)果的準(zhǔn)確度，通常認(rèn)為Kappa 系數(shù)大于0.75，即可證明模型具有較高的模擬精度[11]。FoM 值是由Pontius等[42]提出的模擬精度評(píng)價(jià)方法，通常認(rèn)為FoM 值大于0.21時(shí)模型模擬精度較高[43]。FoM 值計(jì)算公式見(jiàn)公式（3）：

2 結(jié)果與分析

2.1 模型精度檢驗(yàn)

2.1.1 SD模型精度檢驗(yàn)

（1）歷史誤差檢驗(yàn)

本研究以2010年和2020年作為樣本年進(jìn)行歷史誤差檢驗(yàn)，結(jié)果如表3所示。從表3可以得出，多數(shù)變量歷史誤差都在±5% 以內(nèi)，一般認(rèn)為誤差在±10%以內(nèi)即可證明模型擬合度較好，因此可以認(rèn)為本研究的SD模型具有較好的準(zhǔn)確性。

（2）參數(shù)靈敏度檢驗(yàn)

為檢驗(yàn)SD模型能否穩(wěn)定運(yùn)行，本研究選取10個(gè)關(guān)鍵參數(shù)進(jìn)行靈敏度分析，將各參數(shù)分別逐年進(jìn)行±10%的調(diào)整，觀察數(shù)據(jù)變化對(duì)預(yù)測(cè)結(jié)果的影響[44]，結(jié)果如表4所示。選取的10個(gè)參數(shù)靈敏度均小于1，證明本研究構(gòu)建的SD模型較為穩(wěn)定。

通過(guò)上述檢驗(yàn)可以認(rèn)為本研究構(gòu)建的SD模型具有較好的穩(wěn)定性與可靠性，可以用來(lái)預(yù)測(cè)研究區(qū)未來(lái)土地利用數(shù)量需求。

2.1.2 PLUS模型精度檢驗(yàn)

為評(píng)價(jià)PLUS模型模擬精度，基于2000年和2010年的土地利用數(shù)據(jù)進(jìn)行用地?cái)U(kuò)張策略分析，再結(jié)合選定的驅(qū)動(dòng)因子和限制因子數(shù)據(jù)集，模擬2020年土地利用空間格局，將得到模擬圖與實(shí)際圖進(jìn)行對(duì)比（圖6），預(yù)測(cè)精度結(jié)果如表5所示。結(jié)果表明，模擬結(jié)果與現(xiàn)狀總體結(jié)構(gòu)較為吻合，模擬數(shù)據(jù)的Kappa 系數(shù)為0.84，F(xiàn)oM 值為0.35，總體精度為0.93。證明本研究構(gòu)建的PLUS模型能夠較為精確地反映用地變化趨勢(shì)，適用于未來(lái)LUCC模擬。

考慮到土地利用變化是長(zhǎng)時(shí)間周期的動(dòng)態(tài)變化，為探究不同時(shí)間步長(zhǎng)對(duì)模擬精度的影響，本研究以2005—2010、2000—2010年兩個(gè)時(shí)間周期為基準(zhǔn)，提取各周期內(nèi)土地?cái)U(kuò)展趨勢(shì)與發(fā)展?jié)摿?，分別模擬2020年土地利用，探究5年、10年時(shí)間步長(zhǎng)的模擬精度差異，模擬對(duì)比結(jié)果如圖7、表6所示。

對(duì)比發(fā)現(xiàn)10年時(shí)間步長(zhǎng)模擬結(jié)果Kappa 系數(shù)為0.84，F(xiàn)oM 值為0.35；5年時(shí)間步長(zhǎng)模擬結(jié)果Kappa 系數(shù)為0.86，F(xiàn)oM 值為0.39。模擬差異主要體現(xiàn)在耕地、建設(shè)用地和林地的交界地帶。

2.2 多情景預(yù)測(cè)結(jié)果

2.2.1 多情景土地利用需求預(yù)測(cè)

根據(jù)三種情景的相關(guān)設(shè)定，運(yùn)用SD模型計(jì)算得到2030年研究區(qū)各類土地利用需求預(yù)測(cè)結(jié)果（表7）。對(duì)比2020年土地利用現(xiàn)狀數(shù)據(jù)（表3），2030年三種情景下耕地及建設(shè)用地均增加，SSP2-4.5情景耕地增加了6.35%，SSP5-8.5情景增加了15.81%，而SSP1-2.6情景下耕地發(fā)展相對(duì)穩(wěn)定，僅增加了3.86%；三種情景下建設(shè)用地分別增加了17.40%、40.66% 和12.36%。而林地、草地以及水域面積則減少，其中林地相比2020 年分別減少了3.12%、7.08% 和2.16%，只有SSP1-2.6情景下生態(tài)用地得到合理保護(hù)。

2.2.2 多情景土地利用空間格局模擬

將研究區(qū)2020年土地利用數(shù)據(jù)作為初始值，設(shè)定符合各情景發(fā)展特征的土地轉(zhuǎn)換成本矩陣（表8）以及限制發(fā)展區(qū)域。利用PLUS模型進(jìn)行2030年多情景土地利用空間格局模擬（圖8）。

2030年不同氣候情景下土地利用空間格局變動(dòng)呈現(xiàn)差異性特征：SSP2-4.5情景土地利用變化較為平穩(wěn)，順延歷史趨勢(shì)自然發(fā)展，但生態(tài)用地逐步被侵占；SSP5-8.5情景下土地利用變化最為激烈，經(jīng)濟(jì)的快速發(fā)展以生態(tài)環(huán)境遭受破壞為代價(jià)，建設(shè)用地?zé)o序擴(kuò)張，侵占大量生態(tài)和生產(chǎn)用地；SSP1-2.6情景變化最為穩(wěn)定可持續(xù)，林地和草地等生態(tài)用地得到合理保護(hù)，生產(chǎn)用地也穩(wěn)步增長(zhǎng)，一定程度抑制了建設(shè)用地的野蠻擴(kuò)張。

在SSP2-4.5 情景下，研究區(qū)各類用地的變化延續(xù)歷年發(fā)展趨勢(shì)。人口和經(jīng)濟(jì)的增長(zhǎng)使得建設(shè)用地增加了260.65 km2。由于主城區(qū)用地較飽和，建設(shè)用地主要在主城區(qū)周邊向西南方向蔓延，集中在臨安區(qū)東部、富陽(yáng)區(qū)西北部以及蕭山區(qū)南部。這些區(qū)域經(jīng)濟(jì)發(fā)展?fàn)顩r較好，基礎(chǔ)設(shè)施完善，能夠吸引人口和資源聚集。此外，人口數(shù)量增長(zhǎng)使得糧食需求量遞增，耕地增長(zhǎng)了169.77 km2，主要增長(zhǎng)在西南部地勢(shì)平坦地區(qū)。增長(zhǎng)的耕地多由龍門山和千里崗山脈的生態(tài)用地轉(zhuǎn)換，導(dǎo)致林地、草地等用地減少至11 526.93 km2，水域減少至689.95 km2。此情景下建設(shè)用地和耕地平穩(wěn)增加，逐漸侵占生態(tài)用地，不利于環(huán)境保護(hù)。

在SSP5-8.5 情景下，經(jīng)濟(jì)和人口的高速發(fā)展導(dǎo)致建設(shè)用地大幅增加至2 106.64 km2，相較于2020年增加了40.66%。除中心城區(qū)和臨安區(qū)、蕭山區(qū)等中心城區(qū)周邊地區(qū)建設(shè)用地顯著增加外，淳安縣、桐廬市和建德市的建設(shè)用地也顯著增加，這樣的發(fā)展趨勢(shì)符合《杭州市國(guó)土空間總體規(guī)劃（2021—2035年）》提出的“一核九星”組團(tuán)式空間格局。但建設(shè)用地未加限制的無(wú)序蔓延，大量侵占昱嶺山脈、龍門山山脈及天目山山脈周邊的生態(tài)用地，導(dǎo)致林地減少至11 054.51km2，草地更是完全消失。耕地雖然在增長(zhǎng)，但空間分布破碎化顯著。此情景下不加限制的高速發(fā)展導(dǎo)致建設(shè)用地大幅增加，嚴(yán)重威脅耕地保護(hù)及生態(tài)建設(shè)。

在SSP1-2.6 情景下，注重經(jīng)濟(jì)發(fā)展的同時(shí)也考慮到生態(tài)保護(hù)。研究區(qū)2030 年生態(tài)用地面積為11 640.60 km2，雖然與2020 年相比仍減少了2.16%，但相較于其他情景生態(tài)用地大幅減少的趨勢(shì)得到有效控制。同時(shí)在該情景下部分草地轉(zhuǎn)化為林地，林地恢復(fù)現(xiàn)象較為明顯。建設(shè)用地并未無(wú)序增長(zhǎng)，相比2020 年僅增長(zhǎng)12.36%，且呈現(xiàn)緊湊、組團(tuán)的增長(zhǎng)趨勢(shì)。此外，耕地和水域也得到了合理的保護(hù)，到2030年耕地增長(zhǎng)至2 777.57 km2，水域面積為726.81 km2，這也與《杭州市綠地系統(tǒng)規(guī)劃（2021—2035）》等相關(guān)規(guī)劃中生態(tài)保護(hù)和綠色發(fā)展的目標(biāo)較為契合。該情景下既避免了生態(tài)用地大面積流失，也保障了耕地保有量，實(shí)現(xiàn)了均衡發(fā)展的良好格局。

2.2.3 多情景土地利用轉(zhuǎn)移特征

為明確2030年多情景下各類用地的轉(zhuǎn)移特征，對(duì)比2020、2030年土地利用數(shù)據(jù)，得到各地類轉(zhuǎn)移情況（圖9）。土地利用主要轉(zhuǎn)移趨勢(shì)為林地、草地等生態(tài)用地向耕地和建設(shè)用地轉(zhuǎn)移，在SSP2-4.5、SSP5-8.5情景下，林地和草地在臨安區(qū)、富陽(yáng)區(qū)等中心城區(qū)周邊地區(qū)轉(zhuǎn)移為建設(shè)用地。特別是在SSP5-8.5情景下，原有林地還在淳安縣和建德市接壤地區(qū)轉(zhuǎn)移，但較為破碎，未能實(shí)現(xiàn)緊湊發(fā)展。在SSP1-2.6情景下，建設(shè)用地?cái)U(kuò)張區(qū)域主要集中在現(xiàn)有各市區(qū)中心周邊，促進(jìn)城市用地緊湊發(fā)展。三種情景下耕地主要在西南地區(qū)地勢(shì)平坦、水網(wǎng)豐富的原耕地周邊集中轉(zhuǎn)入，保障了糧食安全。

3 討論

本研究在氣候變化背景下，構(gòu)建并驗(yàn)證了綜合考慮各類社會(huì)經(jīng)濟(jì)因素及氣候變化因素的SD-PLUS耦合模型，預(yù)測(cè)了研究區(qū)2030年各氣候變化情景下的土地利用時(shí)空變化結(jié)果。模擬結(jié)果證明，土地變化與氣候變化息息相關(guān)，不同氣候情景下土地格局變動(dòng)呈現(xiàn)差異性。SSP2-4.5情景氣候變化較為溫和，土地利用變化較為平穩(wěn)；SSP5-8.5情景下高排放的發(fā)展方式導(dǎo)致氣候變化激烈，土地利用變化也最為激烈，建設(shè)用地?zé)o序擴(kuò)張侵占大量生態(tài)生產(chǎn)用地；SSP1-2.6情景下可持續(xù)的氣候變化使得LUCC最為穩(wěn)定，生態(tài)生產(chǎn)用地得到合理保護(hù)。此外，氣候變化與土地退化也有密切關(guān)系，在SSP2-4.5和SSP5-8.5情景中，生態(tài)用地面積分別減少了3.12%和7.08%。氣溫變化帶來(lái)的高溫和極端天氣事件導(dǎo)致土地退化、生態(tài)系統(tǒng)服務(wù)功能下降，而土地退化又會(huì)增加溫室氣體排放、降低土壤固碳能力，進(jìn)一步驅(qū)動(dòng)氣候變化。只有在SSP1-2.6情景下，生態(tài)用地得到了可持續(xù)的管理與保護(hù)，減緩了氣候變化程度。

同時(shí)，氣候變化帶來(lái)的糧食安全問(wèn)題也不容忽視。三種情景耕地都呈增長(zhǎng)趨勢(shì)，氣候變化減少了糧食的適宜種植區(qū)域，氣候變暖和降雨模式的改變導(dǎo)致農(nóng)作物減產(chǎn)、牲畜死亡率上升等問(wèn)題[9]。這些糧食安全問(wèn)題導(dǎo)致未來(lái)對(duì)于生產(chǎn)空間的需求增加，然而LUCC 會(huì)受到經(jīng)濟(jì)發(fā)展水平和人類活動(dòng)的影響，未來(lái)GDP、人口總量、城鎮(zhèn)化水平的高速提升導(dǎo)致在缺乏宏觀調(diào)控的情況下建設(shè)用地?cái)U(kuò)張顯著，進(jìn)而使城區(qū)周邊耕地破碎化，阻礙其他地類轉(zhuǎn)變?yōu)楦亍?/p>

隨著杭州都市圈的持續(xù)發(fā)展，杭州市進(jìn)入高速城鎮(zhèn)化發(fā)展進(jìn)程。為實(shí)現(xiàn)杭州市社會(huì)經(jīng)濟(jì)高速發(fā)展與生態(tài)環(huán)境協(xié)同保護(hù)，未來(lái)土地資源開(kāi)發(fā)首先應(yīng)做到堅(jiān)持綠色發(fā)展理念，建立有序管理，扭轉(zhuǎn)和減緩生態(tài)用地退化，保護(hù)自然資源可持續(xù)發(fā)展，減緩氣候變化帶來(lái)的土地壓力。其次應(yīng)通過(guò)提升技術(shù)創(chuàng)新能力，因地制宜發(fā)展現(xiàn)代化農(nóng)業(yè)，提升耕地利用效率，嚴(yán)格管控建設(shè)用地對(duì)生產(chǎn)用地的侵占。最后應(yīng)建立多部門協(xié)同機(jī)制，加強(qiáng)基于土地資源利用減緩氣候變化相關(guān)政策的研究，通過(guò)協(xié)同合作提升土地利用效率，降低土地壓力造成的生態(tài)環(huán)境問(wèn)題，積極應(yīng)對(duì)氣候變化風(fēng)險(xiǎn)，保障糧食安全。

本研究通過(guò)構(gòu)建SD-PLUS 耦合模型對(duì)土地利用進(jìn)行模擬，取得了較為理想的結(jié)果，但仍存在不足之處：雖在構(gòu)建模型時(shí)已考慮到經(jīng)濟(jì)、社會(huì)、自然等15 個(gè)驅(qū)動(dòng)因子，但囿于LUCC 的復(fù)雜性和數(shù)據(jù)的可獲取性，未將氣候?yàn)?zāi)害等影響因素考慮在內(nèi)；并且SD-PLUS 耦合模型構(gòu)建時(shí)涉及大量參數(shù)設(shè)定，具有一定主觀性，未來(lái)還需探討更為科學(xué)客觀的參數(shù)設(shè)定方式。

4 結(jié)論

（1）SD-PLUS 耦合模型能夠較好地進(jìn)行土地利用變化模擬，利用SD 模型預(yù)測(cè)土地利用數(shù)量需求誤差lt;5%，利用PLUS 模型進(jìn)行土地利用空間模擬，Kappa 系數(shù)為0.84，總體精度為0.93，說(shuō)明模型能夠較為真實(shí)地反映土地利用變化情況。

（2）SSP2-4.5、SSP5-8.5 和SSP1-2.6 三種情景下杭州市土地利用均呈現(xiàn)耕地和建設(shè)用地增加、林地減少的發(fā)展趨勢(shì)，但仍存在差異性。三種情景建設(shè)用地?cái)U(kuò)張強(qiáng)度不同，SSP2-4.5 情景下增加了260.05 km2，SSP1-2.6情景下增加了185.17 km2，而SSP5-8.5情景下擴(kuò)張了608.94 km2，擴(kuò)張速度遠(yuǎn)高于其他情景。同時(shí)三種情景下生態(tài)用地均減少，只有SSP1-2.6 情景減少得到控制，能夠?qū)崿F(xiàn)綠色發(fā)展。

（3）空間變化方面，杭州市土地轉(zhuǎn)移趨勢(shì)為林地、草地等生態(tài)用地向耕地和建設(shè)用地轉(zhuǎn)移，SSP2-4.5、SSP5-8.5情景生態(tài)用地在臨安區(qū)、富陽(yáng)區(qū)等中心城區(qū)周邊地區(qū)轉(zhuǎn)移為建設(shè)用地，SSP1-2.6情景建設(shè)用地主要在現(xiàn)有各市區(qū)中心周邊有序擴(kuò)張，避免耕地破碎化的同時(shí)保護(hù)了生態(tài)用地。

（4）杭州市未來(lái)仍處于城鎮(zhèn)化推進(jìn)階段，建設(shè)用地通過(guò)侵占耕地和林地進(jìn)行擴(kuò)張。而SSP1-2.6情景對(duì)于生態(tài)用地的保護(hù)能夠有效減緩建設(shè)用地?zé)o序擴(kuò)張速度，可見(jiàn)對(duì)于生態(tài)和氣候環(huán)境的保護(hù)能夠促進(jìn)城市呈現(xiàn)有序、緊湊的發(fā)展趨勢(shì)。

參考文獻(xiàn)：

[1] TURNER B L I， SKOLE D L， SANDERSON S， et al. Land-use and

land-cover change：science / research plan[J]. Global Change Report，

1995， 43：669-679.

[2] 葛全勝， 鄭景云， 郝志新， 等. 過(guò)去2000年中國(guó)氣候變化研究的新

進(jìn)展[J]. 地理學(xué)報(bào)， 2014， 69（9）：1248-1258. GE Q S， ZHENG J Y，

HAO Z X， et al. State-of-the-arts in the study of climate changes over

China for the past 2000 years[J]. Acta Geographica Sinica， 2014， 69

（9）：1248-1258.

[3] 王勇， 孫瑞欣. 土地利用變化對(duì)區(qū)域水-能源-糧食系統(tǒng)耦合協(xié)調(diào)度

的影響：以京津冀城市群為研究對(duì)象[J]. 自然資源學(xué)報(bào)， 2022， 37

（3）：582-599. WANG Y， SUN R X. Impact of land use change on

coupling coordination degree of regional water-energy-food system：A

case study of Beijing-Tianjin-Hebei urban agglomeration[J]. Journal

of Natural Resources， 2022， 37（3）：582-599.

[4] 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.

CHEN L T， CAI H S， ZHANG T， et al. Land use multi - scenario

simulation analysis of Rao River Basin based on Markov-FLUS model

[J]. Acta Ecologica Sinica， 2022， 42（10）：947-3958.

[5] SPINONI J， VOGT J， NAUMANN G， et al. Towards identifying areas at

climatological risk of desertification using the K?ppen-Geiger

classification and FAO aridity index[J]. International Journal of

Climatology， 2015， 35（9）：2210-2222.

[6] 蘇芳， 劉鈺， 汪三貴， 等. 氣候變化對(duì)中國(guó)不同糧食產(chǎn)區(qū)糧食安全的

影響[J]. 中國(guó)人口·資源與環(huán)境， 2022， 32（8）：140-152. SU F， LIU

Y， WANG S G， et al. Impact of climate change on food security in

different grain producing areas in China[J]. China Population，

Resources and Environment， 2022， 32（8）：140-152.

[7] 陳睿山， 郭曉娜， 熊波， 等. 氣候變化、土地退化和糧食安全問(wèn)題：關(guān)

聯(lián)機(jī)制與解決途徑[J]. 生態(tài)學(xué)報(bào)， 2021， 41（7）：2918-2929. CHEN

R S， GUO X N， XIONG B， et al. Climate change， land degradation and

food insecurity：linkages and potential solutions[J]. Acta Ecologica

Sinica， 2021， 41（7）：2918-2929.

[8] 武利陽(yáng)， 左洪超， 馮錦明， 等. 中國(guó)土地利用和植被覆蓋度變化對(duì)區(qū)

域氣候影響的數(shù)值模擬[J]. 蘭州大學(xué)學(xué)報(bào)：自然科學(xué)版， 2018， 54

（3）：334-344. WU L Y， ZUO H C， FENG J M， et al. Numerical

simulation of the impact of land use and green vegetation fraction

changes on regional climate in China[J]. Journal of Lanzhou University：

Natural Sciences， 2018， 54（3）：334-344.

[9] 賈根鎖. IPCC《氣候變化與土地特別報(bào)告》對(duì)陸氣相互作用的新認(rèn)

知[J]. 氣候變化研究進(jìn)展， 2020， 16（1）：9-16. JIA G S. New

understanding of land-climate interactions from IPCC special report on

climate change and land[J]. Climate Change Research， 2020， 16（1）：9-

16.

[10] 劉紀(jì)遠(yuǎn)， 鄧祥征. LUCC 時(shí)空過(guò)程研究的方法進(jìn)展[J]. 科學(xué)通報(bào)，

2009， 54（21）：3251-3258. LIU J Y， DENG X Z. Progress of the

research methodologies on the temporal and spatial process of LUCC

[J]. Chinese Science Bulletin， 2009， 54（21）：3251-3258.

[11] 胡燁婷， 李天宏. 基于SD-CA模型的快速城市化地區(qū)土地利用空

間格局變化預(yù)測(cè)[J]. 北京大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2022， 58（2）：

372-382. HU Y T， LI T H. Forecasting spatial pattern of land use

change in rapidly urbanized regions based on SD-CA model[J]. Acta

Scientiarum Naturalium Universitatis Pekinensis， 2022， 58（2）：372-

382.

[12] 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(shí)空演變及預(yù)測(cè)[J]. 應(yīng)用生態(tài)學(xué)報(bào)， 2018， 29

（12）：4106 - 4118. CHU L， ZHANG X R， WANG T W， et al.

Spatial-temporal evolution and prediction of urban landscape pattern

and habitat quality based on CA-Markov and InVEST model[J].

Chinese Journal of Applied Ecology， 2018， 29（12）：4106－4118.

[13] 韓帥， 甄江紅. 基于灰色多目標(biāo)線性規(guī)劃的土地利用結(jié)構(gòu)優(yōu)化研

究：以呼和浩特市區(qū)為例[J]. 湖南工業(yè)職業(yè)技術(shù)學(xué)院學(xué)報(bào)， 2019，

19（5）：33-37. HAN S， ZHEN J H. Research on optimization of

land use structure based on grey multiple goals linear programming

[J]. Journal of Hunan Industry Polytechnic， 2019， 19（5）：33-37.

[14] 耿思筱， 楊志， 黨小虎， 等. 基于SD-FLUS模型的寧夏土地利用多

情景模擬[J]. 地球科學(xué)與環(huán)境學(xué)報(bào). 2023， 45（4）：806-818.

GENG S X， YANG Z， DANG X H， et al. Multi-scenarios simulation

of Ningxia land use in China based on SD-FLUS model[J]. Journal of

Earth Sciences and Environment， 2023， 45（4）：806-818.

[15] 王新軍， 顏安， 曹月娥. 系統(tǒng)動(dòng)力學(xué)和灰色多目標(biāo)動(dòng)態(tài)模型相結(jié)合

在博樂(lè)市土地利用總體規(guī)劃中的應(yīng)用[J]. 新疆農(nóng)業(yè)大學(xué)學(xué)報(bào)，

2011， 34（1）：87-92. WANG X J， YAN A， CAO Y E. Application of

combining systematic dynamics with grey multi target dynamic model

in overall planning of land use in Bole City in Xinjiang[J]. Journal of

Xinjiang Agricultural University， 2011， 34（1）：87-92.

[16] IANDOLO F， BARILE S， ARMENIA S， et al. A system dynamics

perspective on a viable systems approach definition for sustainable

value[J]. Sustainability Science， 2018， 13（5）：1245-1263.

[17] 李福香， 劉殿鋒， 孔雪松， 等. 基于動(dòng)態(tài)模擬視角與共享社會(huì)經(jīng)濟(jì)

路徑的多情景縣域可持續(xù)發(fā)展?jié)摿υu(píng)價(jià)[J]. 地球信息科學(xué)學(xué)報(bào)，

2022， 24（4）：684-697. LI F X， LIU D F， KONG X S， et al. Multiscenario

evaluation of county-scale development potential based on

shared socioeconomic pathways and dynamic simulation approach[J].

Journal of Geo-information Science， 2022， 24（4）：684-697.

[18] 顧茉莉， 葉長(zhǎng)盛， 李鑫， 等. 基于SD模型的江西省土地利用變化情

景模擬[J]. 地理與地理信息科學(xué)， 2022， 38（4）：95-103. GU M L，

YE C S， LI X， et al. Scenario simulation of land use change in Jiangxi

Province based on SD model[J]. Geography and Geo - Information

Science， 2022， 38（4）：95-103.

[19] HOSSEINZADEH M， SAMAOI FOROUSHANI M， SADRAEI R.

Dynamic performance development of entrepreneurial ecosystem in

the agricultural sector[J]. British Food Journal， 2022， 124（7）：2361-

2395.

[20] 史名杰， 武紅旗， 賈宏濤， 等. 基于MCE-CA-Markov和InVEST模

型的伊犁谷地碳儲(chǔ)量時(shí)空演變及預(yù)測(cè)[J]. 農(nóng)業(yè)資源與環(huán)境學(xué)報(bào)，

2021， 38（6）：1010 - 1019. SHI M J， WU H Q， JIA H T， et al.

Temporal and spatial evolution and prediction of carbon stocks in Yili

Valley based on MCE-CA-Markov and InVEST models[J]. Journal of

Agricultural Resources and Environment， 2021， 38（6）：1010-1019.

[21] 顧漢龍， 馬天駿， 錢鳳魁， 等. 基于CLUE-S模型縣域土地利用情

景模擬與碳排放效應(yīng)分析[J]. 農(nóng)業(yè)工程學(xué)報(bào)， 2022， 38（9）：288-

296. GU H L， MA T J， QIAN F K， et al. County land use scenario

simulation and carbon emission effect analysis using CLUE-S model

[J]. Transactions of the Chinese Society of Agricultural Engineering，

2022， 38（9）：288-296.

[22] 俞欽平， 吳振華， 王亞蓓. 一種耦合進(jìn)化算法與FLUS模型的土地

利用變化模擬模型[J]. 地球信息科學(xué)學(xué)報(bào)， 2023， 25（3）：510-528.

YU Q P， WU Z H， WANG Y B. A land use change simulation model：

coupling of evolutionary algorithm and FLUS model[J]. Journal of

Geo-Information Science， 2023， 25（3）：510-528.

[23] 林素麗， 王楓. 基于PLUS模型并顧及交通規(guī)劃的廣州市土地利用

情景模擬與分析[J]. 農(nóng)業(yè)資源與環(huán)境學(xué)報(bào)， 2023， 40（3）：557-569.

LIN S L， WANG F. Simulation and analysis of land use scenarios in

Guangzhou based on the PLUS model and traffic planning scenario[J].

Journal of Agricultural Resources and Environment， 2023， 40（3）：

557-569.

[24] 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.

[25] 林彤， 楊木壯， 吳大放， 等. 基于InVEST-PLUS 模型的碳儲(chǔ)量空間

關(guān)聯(lián)性及預(yù)測(cè)：以廣東省為例[J]. 中國(guó)環(huán)境科學(xué)， 2022， 42（10）：

4827-4839. LIN T， YANG M Z， WU D F， et al. Spatial correlation

and prediction of land use carbon storage based on the InVESTPLUS

model：a case study in Guangdong Province[J]. China

Environmental Science， 2022， 42（10）：4827-4839.

[26] 蔣小芳， 段翰晨， 廖杰， 等. 基于PLUS-SD耦合模型的黑河流域中

游甘臨高地區(qū)土地利用研究[J]. 干旱區(qū)研究， 2022， 39（4）：1246-

1258. JIANG X F， DUAN H C， LIAO J， et al. Land use in the Gan-

Lin-Gao region of middle reaches of Heihe River Basin based on a

PLUS - SD coupling model[J]. Arid Zone Research， 2022， 39（4）：

1246-1258.

[27] NIE W B， XU B， YANG F， et al. Simulating future land use by

coupling ecological security patterns and multiple scenarios[J].

Science of the Total Environment， 2023， 859（P1）：160262.

[28] CAMACHO OLMEDO M T， PONTIUS R G， PAEGELOW M， et al.

Comparison of simulation models in terms of quantity and allocation

of land change[J]. Environmental Modelling amp; Software， 2015， 69：

214-221.

[29] 劉耀林， 仝照民， 劉歲， 等. 土地利用優(yōu)化配置建模研究進(jìn)展與展

望[J]. 武漢大學(xué)學(xué)報(bào)（信息科學(xué)版）， 2022， 47（10）：1598-1614.

LIU Y L， TONG Z M， LIU S， et al. Progress and prospects of research

on optimal land - use allocation modeling[J]. Geomatics and

Information Science of Wuhan University， 2022， 47（10）：1598-1614.

[30] HUANG Q X， HE C Y， LIU Z F， et al. Modeling the impacts of drying

trend scenarios on land systems in northern China using an integrated

SD and CA model[J]. Science China Earth Sciences， 2014， 57（4）：

839-854．

[31] DALE V H. The relationship between land-use change and climate

change[J]. Inferential Studies of Climate Change， 1997， 7（3）：753-

769．

[32] MOSS R H， EDMONDS J A， HIBBARD K A， et al. The next

generation of scenarios for climate change research and assessment[J].

Nature， 2010， 463（7282）：747-756.

[33] LI J Y， CHEN X， KURBAN A， et al. Coupled SSPs-RCPs scenarios

to project the future dynamic variations of water-soil-carbon

biodiversity services in Central Asia[J]. Ecological Indicators， 2021，

129：107936.

[34] GUO H， HE S F， LI M， et al. Future changes of drought

characteristics in Coupled Model Intercomparison Project phase 6

Shared Socioeconomic Pathway scenarios over Central Asia[J].

International Journal of Climatology， 2022， 42（7）：3888-3908.

[35] YOU Q L， CAI Z Y， WU F Y， et al. Temperature dataset of CMIP6

models over China：evaluation， trend and uncertainty[J]. Climate

Dynamics， 2021， 57（1/2）：17-35.

[36] 李世鋒， 洪增林， 薛旭平， 等. 基于Logistic-CA-Markov 耦合模型

的彬州市LUCC多情景模擬[J]. 水土保持研究， 2022， 29（4）：292-

299. LI S F， HONG Z L， XUE X P， et al. Multi-scenario simulation

of LUCC in Binzhou City based on Logistic-CA - Markov coupling

model[J]. Research of Soil and Water Conservation， 2022， 29（4）：292-

299.

[37] 曹祺文， 顧朝林， 管衛(wèi)華. 基于土地利用的中國(guó)城鎮(zhèn)化SD模型與

模擬[J]. 自然資源學(xué)報(bào)， 2021， 36（4）：1062–1084. CAO Q W， GU

C L， GUAN W H， et al. China′ s urbanization SD modelling and

simulation based on land use[J]. Journal of Natural Resources， 2021，

36（4）：1062–1084.

[38] 李丹， 周嘉， 戰(zhàn)大慶. 黑龍江省耕地時(shí)空變化及驅(qū)動(dòng)因素分析[J].

地理科學(xué)， 2021， 41（7）：1266-1275. LI D， ZHOU J， ZHAN D Q.

Spatial and temporal changes and driving factors of cultivated land in

Heilongjiang Province[J]. Scientia Geographica Sinica， 2021， 41（7）：

1266-1275.

[39] 齊露鷺， 李秀霞， 李輝. 基于約束性SD模型的城市建設(shè)用地規(guī)模

預(yù)測(cè)研究：以吉林省四平市為例[J]. 中國(guó)農(nóng)業(yè)資源與區(qū)劃， 2020，

41（1）：234-241. QI L L. LI X X， LI H. Research on the scale

prediction of urban constraction land based on constrained SD model：

taking Siping City， Jilin as an example[J]. Chinese Journal of

Agricultural Resources and Regional Planning， 2020， 41（1）：234-

241.

[40] 張波， 潘佩佩， 王新云， 等. 基于GMOP-PLUS耦合模型的京津冀

土地利用變化多情景模擬及功能關(guān)系分析[J]. 地理與地理信息科

學(xué)， 2023， 39（5）：8-16. ZHANG B， PAN P P， WANG X Y， et al.

Multi-scenario simulation and functional relationship analysis of land

use change in the Beijing-Tianjin-Hebei region based on GMOPPLUS

coupling model[J]. Geography and Geo - Information Science，

2023， 39（5）：8-16.

[41] 謝向東， 林孝松， 王瑩， 等. 基于PLUS模型的重慶市南川區(qū)土地利

用多情景模擬[J]. 長(zhǎng)江科學(xué)院院報(bào)， 2023， 40（6）：86-92. XIE X

D， LIN X S， WANG Y， et al. Multi-scenario simulation of land use in

Nanchuan District of Chongqing based on PLUS model[J]. Journal of

Changjiang River Scientific Research Institute， 2023， 40（6）：86-92.

[42] PONTIUS R G， Jr MILLONES M. Death to Kappa：Birth of quantity

disagreement and allocation disagreement for accuracy assessment[J].

International Journal of Remote Sensing， 2011， 32（15）：4407-4429.

[43] 孫毅中， 楊靜， 宋書(shū)穎， 等. 多層次矢量元胞自動(dòng)機(jī)建模及土地利

用變化模擬[J]. 地理學(xué)報(bào)， 2020， 75（10）：2164-2179. SUN Y Z，

YANG J， SONG S Y， et al. Modeling of multilevel vector cellular

automata and its simulation of land use change[J]. Acta Geographica

Sinica， 2020， 75（10）：2164-2179.

[44] 顧朝林， 管衛(wèi)華， 劉合林. 中國(guó)城鎮(zhèn)化2050：SD 模型與過(guò)程模擬

[J]. 中國(guó)科學(xué)：地球科學(xué)， 2017， 47（7）：818-832. GU C L， GUAN

W H， LIU H L. Chinese urbanization 2050：SD modeling and process

simulation[J]. Scientia Sinica（Terrae）， 2017， 47（7）：818-832.