文章信息
- 周俊鑫, 蔡梅芳, 黄志强, 郭福生, 翟健程
- ZHOU Junxin, CAI Meifang, HUANG Zhiqiang, GUO Fusheng, ZHAI Jiancheng
- 江西省生境质量时空演化特征及预测
- Spatio-temporal evolution characteristics and prediction of habitat quality in Jiangxi Province
- 生态学报. 2023, 43(18): 7623-7636
- Acta Ecologica Sinica. 2023, 43(18): 7623-7636
- http://dx.doi.org/10.20103/j.stxb.202206171728
-
文章历史
- 收稿日期: 2022-06-17
- 网络出版日期: 2023-05-08
2. 东华理工大学, 自然保护地规划研究院, 南昌 330013
2. Planning and Research Institute of Nature Reserves, East China University of Technology, Nanchang 330013, China
土地是人类社会和各类生态系统运转最基本的载体[1], 近年来人类活动的剧烈扰动深刻改变着土地利用的格局[2], 也引起了区域生态系统服务和生境质量的退化[3]。生境质量指生态环境为生物生存提供适宜条件的能力, 是关乎区域可持续发展和人类福祉的重要指标[4—5], 在新时代推动区域高质量发展和生态文明建设背景下成为当下研究热门[6], 评估区域生境质量既往、现状和预测未来变化趋势, 对政府制定生态环境保护政策和学者研究构建生态安全格局等具有重要意义[7—9]。
国内外学者主要从生态学视角和地理学视角进行生境质量评估研究[10], 通过遥感和GIS等技术手段、基于土地利用/覆被变化的评估模型被广泛应用[11], 其中InVEST模型的Habitat Quality模块因能在评价生境适宜性时考虑威胁源及敏感性而备受青睐[12—13]。为研究和预测生境质量的变化趋势, 有部分学者耦合生境质量评估模型和基于元胞自动机(Cellular, CA)的CA-Markov、CLUE-S、FLUS等土地利用模拟预测模型[14—16], 相较于以上模型, 由关庆峰团队开发的斑块生成土地利用变化模拟模型(Patch-generating Land Use Simulation Model, PLUS)在大尺度和多地类综合模拟等方面更具优势[17—18]。王军等人预测了闽江流域2020—2040年的生境质量时空特征, 对上中下游各县域生境质量变化进行分析[19]。夏盈等人基于3 km幅度预测并对比了自然变化情景和生态保护情景下2030年汉江平原四湖流域的生境质量[20]。武丹等人以宁夏中部干旱区为例, 研究和预测未来10年干旱半干旱区的土地利用动态结构和生境质量变化[21]。高周冰等人模拟预测了生态优先、协调发展、自然增长、经济发展4种情景下的2025年和2035年南京市生境质量[22]。现有生境质量预测研究多集中在流域和城市尺度, 缺乏省域层面全局性的和长江中下游流域、鄱阳湖流域的预测研究, 未能满足新时代全域空间治理的新需求[10]。
江西省作为首批3个国家生态文明试验区之一, 全省约94%的面积为鄱阳湖流域, 是我国南方地区重要的生态安全屏障, 面临发展经济和保护环境的双重压力, 研究和预测其生境质量时空演变特征, 有利于探索中部地区绿色崛起和高质量发展, 有利于保护鄱阳湖流域作为独立自然生态系统的完整性, 对建立山水林田湖草系统治理制度和完善国土空间开发保护制度具有现实意义[23—24]。基于此, 本研究基于2000—2020年5期土地利用等数据, 利用InVEST模型和热点分析方法对生态保护情景下江西省生境质量时空演变特征进行定量评估, 结合PLUS模型模拟预测2020—2050年土地利用和生境质量时空变化趋势, 以期为制定生态环境政策提供科学依据和丰富生境质量评估预测理论研究。
1 研究区概况与研究方法 1.1 研究区概况江西省(图 1)位于我国东南部、长江中下游交接处南岸, 地处北纬24°29′14″—30°04′41″, 东经113°34′36″— 118°28′58″之间, 总面积16.69万km2, 辖11个设区市, 总人口4518.86万。地势总体由边界向中、北部逐渐降低, 平均海拔217.7 m, 地貌以丘陵和山地为主, 省境东、南、西三面环山, 北面环湖, 形成独特的半封闭式地理结构, 使得其行政边界在历史上较为稳定, 全省约94%的面积为鄱阳湖流域, 森林覆盖率63.1%, 居全国第二。江西属亚热带湿润季风气候, 四季分明且天气复杂多变, 年均气温18 ℃, 年均降水量1675 mm, 年均无霜期272 d。
![]() |
图 1 研究区概况 Fig. 1 Location of study area |
研究数据包括InVEST模型中Habitat Quality模块和PLUS模型所需数据。2000、2005、2010、2015、2020年5期二级类土地利用30 m栅格数据、水系、路网、各级行政边界矢量数据来源于中国科学院资源环境科学数据中心(https://www.resdc.cn)。数字高程模型数据(DEM)来源于地理空间数据云(http://www.gscloud.cn), 坡度数据基于此通过Slope模块提取。土壤类型1 km栅格数据来源于世界土壤数据库(HWSD)。年平均降水量、气温数据来源于国家气象科学数据中心(http://data.cma.cn), 通过克里金插值得到栅格数据。自然保护地边界矢量数据来源于江西省林业局。高速收费站、火车站、市中心、县中心坐标基于百度地图和高德地图通过Python爬取, 距火车站、收费站距离等基于爬取的坐标通过欧式距离分析提取。各县国内生产总值数据来源于《江西省统计年鉴》(2021), 人口统计数据来源于江西第七次人口普查。通过Arcgis10.6软件对所有空间数据进行预处理, 统一所有空间数据行列号, 分辨率为30 m×30 m, 投影坐标系为WGS_1984_UTM_Zone_50N。
1.3 研究方法 1.3.1 基于InVEST模型的生境质量评估本文利用InVEST 3.10.2模型中Habit Quality模块对江西省生境质量进行评估, 能够反映江西省各时期生境退化度、生境质量时空格局, 生境退化度计算公式如下[25]:
![]() |
(1) |
式中:Dxj为第j种生境类型的第x栅格的生境退化度;r为威胁源个数;y为威胁源为r的栅格;w为不同威胁源的权重;ry为栅格y的胁迫值;βx为生境抗干扰水平;Sjr为不同生境对不同威胁因子的敏感性;irxy为威胁源为r的栅格y对栅格x的影响;dxy为栅格x与栅格y之间的距离;drmax为威胁因子r的最大影响距离。
生境质量计算公式如下:
![]() |
(2) |
式中:Qxj为第j种生境类型中的栅格x的生境质量;Hj为第j种生境类型的生境适宜度;z为归一化常量, 取默认值2.5;k为半包和常数, 一般为最大生境退化度的一半, 取默认值0.5。
本研究参考InVEST模型手册和相关研究[26—29], 结合江西省实际情况, 将水田、旱地、城镇、农村居民点、其他建设用地、主要道路作为威胁因子, 各威胁因子最大影响距离及权重、各土地利用类型对威胁源的敏感度参数等数据见表 1和表 2。
威胁因子Threats | 最大影响距离/km Max distance of influence | 权重Weight | 衰退类型Decay type |
水田Paddy field | 1 | 0.6 | 线性衰退 |
旱地dry land | 1 | 0.6 | 线性衰退 |
城镇用地Urban land | 8 | 1 | 指数衰退 |
农村居民点Rural settlements | 6 | 0.8 | 指数衰退 |
其他建设用地Other construction land | 5 | 0.6 | 指数衰退 |
未利用地Unused land | 3 | 0.5 | 线性衰退 |
土地利用类型Land use types | 生境适宜性Habitat | 水田Paddy field | 旱地Dry land | 城镇用地Urban land | 农村居民点Rural settlements | 其他建设用地Other construction land | 未利用地Unused land |
水田Paddy field | 0.5 | 0 | 0 | 0.8 | 0.7 | 0.6 | 0.4 |
旱地Dry land | 0.3 | 0 | 0 | 0.8 | 0.7 | 0.6 | 0.4 |
有林地Forest | 1 | 0.6 | 0.7 | 0.9 | 0.8 | 0.8 | 0.5 |
灌木林地Shrub | 0.8 | 0.6 | 0.7 | 0.8 | 0.6 | 0.7 | 0.5 |
疏林地Sparse woodland | 0.7 | 0.5 | 0.6 | 0.7 | 0.7 | 0.8 | 0.4 |
其他林地Other woodland | 0.6 | 0.5 | 0.6 | 0.7 | 0.7 | 0.8 | 0.4 |
高覆盖度草地High covered grassland | 0.7 | 0.6 | 0.7 | 0.9 | 0.8 | 0.7 | 0.6 |
中覆盖度草地Medium covered grassland | 0.6 | 0.5 | 0.6 | 0.9 | 0.8 | 0.7 | 0.6 |
低覆盖度草地Low covered grassland | 0.5 | 0.5 | 0.6 | 0.9 | 0.8 | 0.7 | 0.6 |
河渠River | 0.9 | 0.4 | 0.5 | 0.9 | 0.8 | 0.7 | 0.3 |
湖泊Lake | 1 | 0.4 | 0.5 | 0.9 | 0.8 | 0.6 | 0.3 |
水库、坑塘Reservoir | 0.6 | 0.4 | 0.5 | 0.9 | 0.8 | 0.6 | 0.3 |
滩地Beach land | 0.7 | 0.55 | 0.6 | 0.7 | 0.6 | 0.7 | 0.3 |
城镇用地Urban land | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
农村居民点Rural settlements | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
其他建设用地Other construction land | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
未利用地Unused land | 0.3 | 0.3 | 0.4 | 0.5 | 0.4 | 0.5 | 0 |
斑块生成土地利用模拟模型(PLUS)提出了一个基于土地扩张分析策略的规则挖掘框架和基于多类型随机种子的CA模型, 该模型可以挖掘土地扩张和景观变化的驱动因素。与其他模型相比, PLUS模型可以获得更高的仿真精度和更相似的景观[30]。
(1) 各土地利用类型发展概率
本文使用用地扩张分析策略模块, 提取研究区2010、2020年各类土地利用变化部分, 选取高程、坡度、气温、降水量、距水系的距离、土壤类型6个自然驱动因子和国内生产总值、人口数量、距铁路的距离、距火车站的距离、距高速的距离、距高速出入口的距离、距主要道路的距离、距市中心的距离、距县中心的距离9个社会驱动因子, 采用随机森林算法对各类土地利用变化部分进行采样计算, 获取各驱动因子对各土地利用类型变化的影响权重和各土地利用类型的发展概率, 采样方式、采样率、决策树数目参数设为默认, 计算公式如下[31]:
![]() |
(3) |
式中:d为各土地利用类型间的转移条件, 取值0或1, 当取1时表示某一土地利用类型允许转化为另一类, 取0时则表示不允许;x为由驱动因子组成的向量;hnx为决策树为n时的运算结果;Yn为决策树为n时的分类结果;I[hn(x)=yn]为分类结果指示函数;M为决策树的数量, Pixd为在d条件下栅格x的第i类土地利用类型的发展概率。
(2) Markov模型
本文基于研究区往期土地利用数据, 运用Markov模型进行土地利用预测[19], 计算公式如下:
![]() |
(4) |
式中:S(t+1)为所预测地类在t+1时的类型;S(0)为所预测地类的初始类型;S(t)为所预测地类在t时的类型;Pij为土地利用类型i转换为类型j的概率。
(3) 基于多类随机斑块种子的CA模型
根据Markov模型预测和LEAS策略分析的各土地利用类型面积和发展概率, 基于地理元胞自动机模型, 结合自适应惯性、随机种子生成、阈值递减、邻域权重表、转移矩阵等机制, 能够实现土地利用动态变化自动模拟。邻域范围、递减阈值、扩散系数等模型参数设为默认, 转移矩阵根据研究区往期变化经验和现实情况设定。
![]() |
(5) |
邻域权重表示各土地利用类型发生转换的难易程度, 此处根据往期各土地利用类型变化面积的占比计算, 计算公式如下:
![]() |
(6) |
式中:Wi为第i类土地利用类型的邻域权重, 取值0-1, 值越大表示越容易发生转换;Si为第i类土地利用类型的变化面积;Smax为各土地利用类型变化面积中的最大值, Smin各土地利用类型变化面积中的最小值。计算结果见表 3。
土地利类型Land use types | 邻域权重Realm weight | 土地利类型Land-use types | 邻域权重Realm weight | 土地利类型Land-use types | 邻域权重Realm weight | ||
水田Paddy field | 1 | 旱地Dry land | 0.4478 | 有林地Forest | 0.8773 | ||
灌木林地Shrub | 0.3381 | 疏林地Sparse woodland | 0.4346 | 其他林地Otherwood land | 0.0348 | ||
高覆盖度草地High covered grassland | 0.1646 | 中覆盖度草地Medium covered grassland | 0.0572 | 低覆盖度草地Low coveredgrassland | 0 | ||
河渠River | 0.0682 | 湖泊Lake | 0.2177 | 水库坑塘Reservoir | 0.1774 | ||
滩地Beach land | 0.1701 | 其他建设用地Other construction land | 0.1145 | 农村居民点Rural settlements | 0.1757 | ||
城镇用地Urban land | 0.7889 | 未利用地Unused land | 0.0203 |
(4) 模拟精度检验
本文使用Kappa系数进行模拟精度检验, 计算公式如下:
![]() |
(7) |
式中:P0为模拟正确的比例;Pc为随机状态下预测正确比例;Pp为理想状态下模拟正确的比例;当Kappa值大于0.8时, 表明模拟精度好。
1.3.3 热点分析Getis-Ord Gi*可以用来分析研究区生境质量和生境退化度的的空间集聚特征, 能够清晰地可视化生境质量、生境退化度高值和低值的时空格局。计算公式如下:
![]() |
(8) |
式中:d为距离, Wij(d)为以距离规则定义的空间权重;Xi和Xj分别是i和j区域的观测值;当Gi*为正时, 表明高值空间集聚(热点区), 当Gi*为负, 表明低值空间集聚(冷点区)。
2 结果与分析 2.1 土地利用时空动态分析由表 4和图 2可知, 2000—2020年总体上, 江西省土地利用面积林地>耕地>草地>水域>建设用地>未利用地。其中, 林地以有林地为主, 主要集中分布在江西省四至边界的怀玉山脉、九连山脉、幕阜山脉、罗霄山脉、九岭山脉、武夷山脉等山脉和中部丘陵地区。有林地仅在2010—2015年间增加, 其余时间持续减少;灌木林地和疏林地整体呈减少趋势;其他林地则在前10年快速增加和减少后保持稳定。总体上看, 20年间林地呈减少趋势, 主要转为城市用地和其他建设用地。耕地中水田旱地比保持在约7.2 ∶ 2.8, 主要集中分布在鄱阳湖平原、吉泰平原和赣江、信江等河流的冲积平原, 20年间水田持续减少778.28 km2, 旱地持续减少322.88 km2, 主要转为城市用地等建设用地。草地以高覆盖度草地和中覆盖度草地为主, 多零散分布在林地边缘, 20年间变化幅度较小。水域总体上集中分布在赣北的鄱阳湖区域, 20年间呈缓慢增加趋势, 各类面积的大幅变化主要是由于季节时相变化引起的地表覆被相互转化。
土地利用类型Land use types | 2000年 | 2005年 | 2010年 | 2015年 | 2020年 | |||||||||
面积/km2 Area | 占比/% Proportion | 面积/km2 Area | 占比/% Proportion | 面积/km2 Area | 占比/% Proportion | 面积/km2 Area | 占比/% Proportion | 面积/km2 Area | 占比/% Proportion | |||||
水田Paddy field | 32926.45 | 19.73 | 32742.59 | 19.62 | 32679.56 | 19.58 | 32402.71 | 19.41 | 32148.16 | 19.26 | ||||
旱地Dry land | 12371.70 | 7.41 | 12383.89 | 7.42 | 12312.57 | 7.38 | 12172.00 | 7.29 | 12048.82 | 7.22 | ||||
有林地Forest | 71691.36 | 42.95 | 71272.27 | 42.70 | 73018.87 | 43.75 | 72449.40 | 43.40 | 72354.14 | 43.35 | ||||
灌木林地Shrub | 9983.63 | 5.98 | 9909.52 | 5.94 | 9261.99 | 5.55 | 9221.67 | 5.52 | 9206.50 | 5.52 | ||||
疏林地Sparse woodland | 21299.49 | 12.76 | 21238.15 | 12.72 | 20197.04 | 12.10 | 20010.95 | 11.99 | 19896.28 | 11.92 | ||||
其他林地Other woodland | 800.85 | 0.48 | 1270.39 | 0.76 | 1014.26 | 0.61 | 1031.86 | 0.62 | 1024.08 | 0.61 | ||||
高覆盖度草地High covered grassland | 4883.78 | 2.93 | 4753.17 | 2.85 | 4566.29 | 2.74 | 4941.66 | 2.96 | 4923.19 | 2.95 | ||||
中覆盖度草地Medium covered grassland | 2293.47 | 1.37 | 2258.49 | 1.35 | 2130.21 | 1.28 | 2111.61 | 1.27 | 2098.50 | 1.26 | ||||
低覆盖度草地Low covered grassland | 105.04 | 0.06 | 104.76 | 0.06 | 104.13 | 0.06 | 104.38 | 0.06 | 104.16 | 0.06 | ||||
河渠River | 1437.85 | 0.86 | 1355.70 | 0.81 | 1627.53 | 0.98 | 1632.72 | 0.98 | 1640.47 | 0.98 | ||||
湖泊Lake | 1949.97 | 1.17 | 2826.71 | 1.69 | 1083.24 | 0.65 | 1774.84 | 1.06 | 1190.46 | 0.71 | ||||
水库、坑塘Reservoir | 1719.95 | 1.03 | 1621.78 | 0.97 | 1635.58 | 0.98 | 1717.38 | 1.03 | 1742.41 | 1.04 | ||||
滩地Beach land | 1704.49 | 1.02 | 1214.17 | 0.73 | 2771.60 | 1.66 | 2024.78 | 1.21 | 2591.83 | 1.55 | ||||
城镇用地Urban land | 584.81 | 0.35 | 849.61 | 0.51 | 1129.20 | 0.68 | 1223.13 | 0.73 | 1264.56 | 0.76 | ||||
农村居民点Rural settlements | 2077.59 | 1.24 | 2227.41 | 1.33 | 2291.45 | 1.37 | 2291.07 | 1.37 | 2318.63 | 1.39 | ||||
其他建设用地Other construction land | 158.98 | 0.10 | 258.44 | 0.15 | 540.48 | 0.32 | 1268.42 | 0.76 | 1826.49 | 1.09 | ||||
未利用地Unused land | 929.90 | 0.56 | 632.25 | 0.38 | 555.29 | 0.33 | 540.72 | 0.32 | 540.63 | 0.32 |
![]() |
图 2 2000—2020年研究区土地利用类型分布 Fig. 2 Distribution of land use types in sutdy area from 2000 to 2020 |
未利用地主要集中分布在鄱阳湖西南沿岸的沙地, 这部分20年间变化较小, 而零散各处的未利用地大部分转为建设用地。建设用地总体呈显著增加趋势, 在2010—2015年增长最快, 增加部分多由位于城区边缘和城市连通线上的林地和耕地转入。20年间, 城镇用地、农村居民用地、其他建设用地分别增加679.75 km2、241.04 km2、1667.51 km2, 同比增长116.24%、11.60%、1048.89%。
2.2 生境质量时空动态分析结果表明, 在时间上, 2000、2005、2010、2015、2020年江西省生境质量得分均值分别为0.7516、0.7509、0.7489、0.7462、0.7430, 总体生境质量良好, 20年间每5年变化率分别为-0.09%、-0.27%、-0.35%、-0.44%, 总变化率-1.14%, 整体呈现微幅下降且加速的趋势。为进一步对比江西省生境质量的时间动态, 参考已有研究[10], 将生境质量得分以0.2为区间划分为低、较低、中等、较高、高五个等级。根据表 5可知, 2000—2020年江西省低、较低、中等、较高、高生境质量区域面积占比均值分别为2.43%、7.73%、22.05%、21.65、46.14%。其中, 高生境质量区域面积先由2000年76830.86 km2持续增加至2010年的77273.74 km2, 后又持续减少至2020年的76568.05 km2, 呈倒V字形。低生境质量区域面积20年间持续增加2588.10 km2, 同比增长91.78%, 呈显著增加趋势。
生境质量等级Habitat quality levels | 2000年 | 2005年 | 2010年 | 2015年 | 2020年 | |||||||||
面积/km2 Area | 占比/% Proportion | 面积/km2 Area | 占比/% Proportion | 面积/km2 Area | 占比/% Proportion | 面积/km2 Area | 占比/% Proportion | 面积/km2 Area | 占比/% Proportion | |||||
低Low | 2819.98 | 1.69 | 3333.48 | 2.00 | 3959.30 | 2.37 | 4780.38 | 2.86 | 5408.08 | 3.24 | ||||
较低Poor | 13300.25 | 7.97 | 13014.07 | 7.80 | 12866.18 | 7.71 | 12711.37 | 7.62 | 12586.99 | 7.54 | ||||
中Medium | 37054.85 | 22.20 | 37205.68 | 22.29 | 36819.40 | 22.06 | 36599.13 | 21.93 | 36333.75 | 21.77 | ||||
较高Good | 36913.36 | 22.11 | 36194.18 | 21.68 | 36000.69 | 21.57 | 35560.96 | 21.30 | 36022.44 | 21.58 | ||||
高High | 76830.86 | 46.03 | 77171.89 | 46.23 | 77273.74 | 46.29 | 77267.47 | 46.29 | 76568.05 | 45.87 |
对比2000—2020年江西省生境质量(图 3), 同时以2020年为例, 对江西省生境质量、生境退化度和生境稀缺度进行冷热点分析(图 5)。结果表明, 在空间上, 江西省生境质量区域差异显著。赣东北、赣西北、赣东、赣南等区域生境质量总体较好, 这些区域山脉纵横, 植被覆盖度高, 交通不便, 受人类活动影响较弱, 且已建立大量自然保护地;环鄱阳湖平原、吉泰平原, 尤其是南昌、九江等城市城区生境质量总体较差, 这些区域地势平坦开阔, 城市化程度较高, 经济较为发达, 农田也多集中于此。整体来看, 生境质量的空间格局具有以南昌等城市和鄱阳湖为中心向外辐射提高和中部低、四周高、北部低、南部高的特点。
![]() |
图 3 2000—2020年研究区生境质量分布 Fig. 3 Distribution of the habitat quality in study area from 2000 to 2020 |
![]() |
图 5 研究区生境质量、生境退化度、生境稀缺性热点分析 Fig. 5 Habitat quality、habitat degradation degree、habitat scarcity in study area |
在生境质量热点分析中也发现相似的分布特征, 其热点区域涉及538个乡镇, 约占全省总面积的39.56%, 冷点区域, 涉及731个乡镇, 约占全省总面积的24.32%。在生境退化度热点分析中, 发现其空间分布整体上与生境质量存在相似的集聚特征, 但高低值相反, 热点区域主要分布在赣北环鄱阳湖平原, 涉及588个乡镇, 约占全省总面积的23.59%;冷点区域主要分布在赣南、赣西北等山脉和中部丘陵地区, 涉及616个乡镇, 约占全省总面积的44.24%。
生境稀缺性表明某一景观类型的相对生境稀缺程度, 其热点区域也主要分布在中部丘陵、赣南九岭山脉和赣西北怀玉山脉等区域, 范围较小, 涉及297个乡镇, 约占全省总面积的19.68%;冷点区域主要分布在南昌、赣州、九江、上饶等城区, 涉及429个乡镇, 约占全省总面积的11.65%。
为进一步研究江西省各区域生境质量的时空动态, 计算各像元的生境质量变化, 参考已有研究[32], 将其划为强烈退化(-1—-0.5)、明显退化(-0.5—-0.2)、轻微退化(-0.2—0)、保持稳定(0)、轻微改善(0—0.2)、明显改善(0.2—0.5)、强烈改善(0.5—1.0)七个等级。由图 4和表 6可知, 20年间, 生境质量退化、保持稳定、改善区域的面积存在一定程度的波动, 但生境质量退化区域面积始终远大于改善区域, 在2010—2015年相差最大, 退化区域占比高达29.71%, 改善区域仅1.11%;保持稳定的区域面积则呈减少趋势, 由2000—2005年的71.46%减少至2015—2020年的61.77%。总的来看, 2000—2020年, 46.63%的区域生境质量保持稳定, 多分布在各大山脉;44.85%的区域生境质量发生退化, 其中多为轻微退化, 在南昌、上饶等城市边缘和连通线上最为显著, 并有北部多, 南部少, 中部多, 四周少的区域分异特点, 与生境质量低值区域的空间格局存在共性, 表明生境质量低值区域正在扩散;仅有8.52%的区域生境质量得到改善, 其中5.50%为轻微改善, 零散分布在全省各处, 但以赣南、赣东、赣西北为主。
![]() |
图 4 2000—2020年研究区生境质量时空变化 Fig. 4 Spatiotemporal pattern of the habitat quality in study area from 2000 to 2020 |
生境质量变化Habitat quality change | 2000—2005年 | 2005—2010年 | 2010—2015年 | 2015—2020年 | 2000—2020年 | |||||||||
面积/km2 Area | 占比/% Proportion | 面积/km2 Area | 占比/% Proportion | 面积/km2 Area | 占比/% Proportion | 面积/km2 Area | 占比/% Proportion | 面积/km2 Area | 占比/% Proportion | |||||
强烈退化Strong degradation | 280.41 | 0.17 | 526.83 | 0.32 | 443.30 | 0.27 | 742.62 | 0.44 | 1732.72 | 1.04 | ||||
明显退化Obvious degradation | 1480.35 | 0.89 | 3093.03 | 1.85 | 907.21 | 0.54 | 3094.99 | 1.85 | 6152.01 | 3.68 | ||||
轻微退化Slight degradation | 34527.65 | 20.69 | 43447.17 | 26.03 | 48234.61 | 28.90 | 42003.53 | 25.16 | 66986.75 | 40.13 | ||||
保持稳定Keep stable | 119273.12 | 71.46 | 109113.01 | 65.37 | 115474.95 | 69.18 | 103101.91 | 61.77 | 77827.99 | 46.63 | ||||
轻微改善Slight improvement | 9801.02 | 5.87 | 7936.71 | 4.75 | 1042.17 | 0.62 | 15378.17 | 9.21 | 9179.68 | 5.50 | ||||
明显改善Obvious improvement | 1153.54 | 0.69 | 2648.19 | 1.59 | 800.91 | 0.48 | 2178.75 | 1.31 | 4522.99 | 2.71 | ||||
强烈改善Strong improvement | 403.22 | 0.24 | 154.36 | 0.09 | 16.16 | 0.01 | 419.34 | 0.25 | 517.17 | 0.31 |
基于往期数据模拟2020江西省年土地利用情况, 将模拟结果与2020年实际土地利用对比检验, 计算得Kappa系数为0.827, 表明PLUS模型预测结果可靠。
根据往期土地利用数据模拟预测2030、2040、2050年江西省土地利用情况(表 7、图 6)。结果表明, 江西省城镇用地、其他建设用地等进一步快速扩张, 扩张部分主要分布在南昌市等城市边缘, 并且呈现出明显的环鄱阳湖城市扩张圈和萍乡市—宜春市—新余市—南昌市—抚州市—鹰潭市—上饶市东西向城市扩张带。水田、旱地、有林地面积保持显著减少趋势, 减少部分空间分布与建设用地扩张部分相对应。草地面积总体变化较小。未利用地由于多分布在鄱阳湖沙地而基本未发生改变。水域中湖泊面积呈增加趋势, 部分原因可能是由于解译数据和土地变化模拟误差将其他类型水域转入, 滩地面积保持减小趋势。
土地利用类型Land use types | 2030年 | 2040年 | 2050年 | |||||
面积/km2 Area | 占比/% Proportion | 面积/km2 Area | 占比/% Proportion | 面积/km2 Area | 占比/% Proportion | |||
水田Paddy field | 31836.50 | 19.07 | 31529.97 | 18.89 | 31222.07 | 18.70 | ||
旱地Dry land | 11809.42 | 7.07 | 11598.53 | 6.95 | 11409.14 | 6.84 | ||
有林地Forest | 71742.99 | 42.98 | 71126.58 | 42.61 | 70517.42 | 42.25 | ||
灌木林地Shrub | 9149.77 | 5.48 | 9097.77 | 5.45 | 9045.41 | 5.42 | ||
疏林地Sparse woodland | 19606.52 | 11.75 | 19343.82 | 11.59 | 19096.53 | 11.44 | ||
其他林地Other woodland | 959.59 | 0.57 | 916.63 | 0.55 | 909.93 | 0.55 | ||
高覆盖度草地High covered grassland | 5248.58 | 3.14 | 5552.89 | 3.33 | 5832.01 | 3.49 | ||
中覆盖度草地Medium covered grassland | 2066.03 | 1.24 | 2037.48 | 1.22 | 2010.41 | 1.20 | ||
低覆盖度草地Low covered grassland | 103.24 | 0.06 | 103.06 | 0.06 | 102.83 | 0.06 | ||
河渠River | 1654.46 | 0.99 | 1667.90 | 1.00 | 1681.27 | 1.01 | ||
湖泊Lake | 1267.82 | 0.76 | 1323.87 | 0.79 | 1363.42 | 0.82 | ||
水库、坑塘Reservoir | 1761.92 | 1.06 | 1775.41 | 1.06 | 1781.75 | 1.07 | ||
滩地Beach land | 2488.42 | 1.49 | 2409.19 | 1.44 | 2356.45 | 1.41 | ||
城镇用地Urban land | 1330.48 | 0.80 | 1450.12 | 0.87 | 1520.39 | 0.91 | ||
农村居民点Rural settlements | 2340.12 | 1.40 | 2323.29 | 1.39 | 2371.10 | 1.42 | ||
其他建设用地Other construction land | 3026.08 | 1.81 | 4146.43 | 2.48 | 5192.54 | 3.11 | ||
未利用地Unused land | 527.37 | 0.32 | 516.36 | 0.31 | 506.64 | 0.30 |
![]() |
图 6 2020—2050年研究区土地利用类型分布模拟预测 Fig. 6 Simulation prediction of distribution of land use types in sutdy area from 2020 to 2050 |
以模拟预测的2030、2040、2050年江西省土地利用数据为基础, 基于InVEST模型模拟未来研究区生境质量(图 7), 估算各等级生级质量面积及占比变化(表 8)。结果表明, 从时间上看, 2030、2040、2050年江西省生境质量平均值为0.7376、0.7314、0.7262, 生境质量总体较好, 每10年分别降低0.0054、0.0062、0.0052, 保持略微降低趋势, 但降低速度先加快后减缓。低生境质量区域面积持续增长, 由2020年5408.08 km2的扩大到2050年的9084.02 km2, 30年间同比增长67.97%, 高生境质量区域面积持续减少, 由2020年的76568.05 km2减少至2050年的74810.92 km2, 30年间同比减少2.30%。
![]() |
图 7 2020—2050年研究区生境质量分布 Fig. 7 Prediction of distribution of the habitat quality in study area from 2020 to 2050 |
生境质量等级Habitat quality levels | 2030年 | 2040年 | 2050年 | |||||
面积/km2 Area | 占比/% Proportion | 面积/km2 Area | 占比/% Proportion | 面积/km2 Area | 占比/% Proportion | |||
低Low | 6696.68 | 4.01 | 7919.84 | 4.75 | 9084.02 | 5.44 | ||
较低Poor | 12336.79 | 7.39 | 12114.89 | 7.26 | 11915.78 | 7.14 | ||
中Medium | 35956.83 | 21.54 | 35595.09 | 21.33 | 35261.10 | 21.13 | ||
较高Good | 35955.48 | 21.54 | 35892.00 | 21.50 | 35847.49 | 21.48 | ||
高High | 75973.53 | 45.52 | 75397.49 | 45.16 | 74810.92 | 44.81 |
从空间上来看, 在保持原有江西省生境质量时空格局的基础上, 模拟结果进一步凸显其变化特征, 南昌城区周边生境质量退化最为显著, 赣州、九江、上饶等城区周边次之, 生境质量退化与土地利用变化模拟中建设用地扩张具有相似特征, 即环鄱阳湖生境退化圈和萍乡市-宜春市-南昌市-抚州市-鹰潭市-上饶市东西向生境退化带。
3 讨论与结论 3.1 讨论(1) 根据时空变化特征研究结果, 江西省土地利用变化最主要的原因是社会经济的快速发展。城市的急剧扩张威胁了生态系统的稳定, 林地、草地等生境适宜度较高的地类转为建设用地等生境适宜度较低的地类, 造成了区域生境质量退化。通过评估既往、现状和预测未来变化趋势, 发现以南昌市为首的环鄱阳湖经济圈和萍乡市-宜春市-新余市-南昌市-抚州市-鹰潭市-上饶市东西向城市带是江西省生境质量最差和退化最为严重的区域。一方面由于这两区域地势平坦, 区位优越, 经济发展程度相较于全省其他地区较高, 土地利用情况也多为耕地和建设用地, 人为扰动剧烈。另一方面由于社会经济和城市发展需求, 驱动土地利用类型急剧转为建设用地, 在转换过程中忽视或未能处理好与生态环境之间的平衡关系, 加剧生境质量退化。江西作为生态文明试验区, 担有探究环境保护与经济发展之间协调关系的责任, 因此对这两大区域的协调尤为重要。
对于研究和预测结果中环鄱阳湖经济圈和萍乡市-宜春市-新余市-南昌市-抚州市-鹰潭市-上饶市东西向城市扩张带, 应严格控制城市无序扩张, 完善三区三线的划定, 可以编制整体区域专项的国土空间总体规划;加强土地集约化利用, 改善空间和产业结构, 出台区域专项土地节约集约利用土地政策;大力开展生态环境治理和生态修复工作, 编制区域生态环境治理和生态修复总体规划, 积极引入社会资本参与;可以参考城市中生境较好的区域, 构建城市生态系统生态安全格局, 也可在省域市域层面进行或完善生态功能区划分。
对于赣东北、赣西北、赣东、赣南等生境质量总体较好的区域, 在保持现有生态环境保护政策和实施力度的基础上, 可以建立生态环境保护奖惩机制, 或由省市层面统一组织设立地区“生态环境保护转移支付”专项基金, 实现地区经济发展和生态保护的平衡;可以合理利用生态资源探索“绿水青山就是金山银山”的实现路径, 促进生态价值转化, 将生态优势转化为经济和发展优势;可以对照现有的保护体系, 标识可能潜在的优先保护区, 健全自然保护地等保护网络体系。
同时, 政府在制定其他区域开发战略、生态环境保护和生态风险防范政策时也需重点关注以上两区域, 以便统筹推进区域社会经济和生态环境高质量发展, 建议政府关注和学者研究如何制定科学有序的国土空间规划方案管控建设用地规模, 健全自然保护地网络体系和构建生态安全格局[32—33], 完善生态功能区划、加强生境较好区域的生态保护工作, 落实生境较差及退化区域的生态修复工作, 探索生境质量优化和生态价值转化新方式。
(2) 在遥感解译、生境评估、模拟预测等处理过程中均存在一定误差, 不同研究区也存在一定特殊性、各地类生境现实情况也颇为复杂, 后续优化可以尝试通过建立长时序监测样点、本地化相关指标参数等方法提升与现实情况的结合度。PLUS模型中土地扩张分析策略模块采用随机森林算法, 与地理探测器分析机制不同[34], 可以不考虑各驱动因素的自相关性, 计算得各驱动因素对各土地利用类型变化的影响权重, 对探究土地利用变化的原因机制具有一定参考。
3.2 结论本研究运用PLUS模型模拟预测2030、2040、2050年江西省土地利用变化情况, 运用InVEST模型评估和预测2000—2050年江西省生境质量时空格局, 结论如下:
(1) 2000—2020年江西省有林地、灌木林地、疏林地地面积持续减少, 主要转为城镇用地和其他建设用地。水田、旱地主要集中分布在鄱阳湖平原和吉泰平原, 流失严重, 流失部分主要位于南昌等城市边缘。城镇用地、其他建设用地呈迅速扩张趋势, 扩张部分与林地、耕地流失部分对应明显。
(2) PLUS模型预测结果表明2020—2050年江西省有林地、灌木林地、水田、旱地等面积保持减少趋势。城镇用地、其他建设用地进一步快速扩张, 时空特征表现为环鄱阳湖扩张圈和萍乡市-宜春市-新余市-南昌市-抚州市-鹰潭市-上饶市东西向城市扩张带。
(3) 2000—2020年江西省生境质量总体较好, 呈微幅下降且加速下降的趋势。区域差异显著, 高生境质量区域多分布在赣东北、赣西北、赣东、赣南等处的山脉和中部丘陵地区, 低生境质量区域分布在南昌等城区和环鄱阳湖平原、吉泰平原, 具有以南昌等城市为中心向外辐射提高和中部低、四周高、北部低、南部高的特点。退化区域与生境质量低值区域的空间格局存在共性, 表明生境质量低值区域正在扩散。
(4) 2030—2050年江西省生境质量保持下降趋势, 下降速度先增后缓, 退化区域以南昌等城区周边最为显著, 并与土地利用变化模拟中建设用地扩张具有相似的一环一带空间分布特征。
[1] |
Fleskens L, Duarte F, Eicher I. A conceptual framework for the assessment of multiple functions of agro-ecosystems: a case study of Trás-os-Montes olive groves. Journal of Rural Studies, 2009, 25(1): 141-155. DOI:10.1016/j.jrurstud.2008.08.003 |
[2] |
欧阳志云, 郑华. 生态系统服务的生态学机制研究进展. 生态学报, 2009, 29(11): 6183-6188. DOI:10.3321/j.issn:1000-0933.2009.11.053 |
[3] |
刘纪远, 匡文慧, 张增祥, 徐新良, 秦元伟, 宁佳, 周万村, 张树文, 李仁东, 颜长珍, 吴世新, 史学正, 江南, 于东升, 潘贤章, 迟文峰. 20世纪80年代末以来中国土地利用变化的基本特征与空间格局. 地理学报, 2014, 69(1): 3-14. |
[4] |
黄木易, 岳文泽, 冯少茹, 张嘉晖. 基于InVEST模型的皖西大别山区生境质量时空演化及景观格局分析. 生态学报, 2020, 40(9): 2895-2906. |
[5] |
刘春芳, 王川. 基于土地利用变化的黄土丘陵区生境质量时空演变特征——以榆中县为例. 生态学报, 2018, 38(20): 7300-7311. |
[6] |
方创琳. 中国新型城镇化高质量发展的规律性与重点方向. 地理研究, 2019, 38(1): 13-22. |
[7] |
于丹丹, 吕楠, 傅伯杰. 生物多样性与生态系统服务评估指标与方法. 生态学报, 2017, 37(2): 349-357. |
[8] |
张学儒, 周杰, 李梦梅. 基于土地利用格局重建的区域生境质量时空变化分析. 地理学报, 2020, 75(1): 160-178. |
[9] |
郑群明, 申明智, 钟林生. 普达措国家公园生态安全格局构建. 生态学报, 2021, 41(3): 874-885. |
[10] |
岳文泽, 夏皓轩, 吴桐, 熊锦惠, 钟鹏宇, 陈阳. 浙江省生境质量时空演变与生态红线评估. 生态学报, 2022, 42(15): 6406-6417. |
[11] |
谢余初, 巩杰, 张素欣, 马学成, 胡宝清. 基于遥感和InVEST模型的白龙江流域景观生物多样性时空格局研究. 地理科学, 2018, 38(6): 979-986. |
[12] |
冯舒, 孙然好, 陈利顶. 基于土地利用格局变化的北京市生境质量时空演变研究. 生态学报, 2018, 38(12): 4167-4179. |
[13] |
邓越, 蒋卫国, 王文杰, 吕金霞, 陈坤. 城市扩张导致京津冀区域生境质量下降. 生态学报, 2018, 38(12): 4516-4525. |
[14] |
Li Z T, Li M, Xia B C. Spatio-temporal dynamics of ecological security pattern of the Pearl River Delta urban agglomeration based on LUCC simulation. Ecological Indicators, 2020, 114: 106319. |
[15] |
Van Dessel W, Van Rompaey A, Szilassi P. Sensitivity analysis of logistic regression parameterization for land use and land cover probability estimation. International Journal of Geographical Information Science, 2011, 25(3): 489-508. |
[16] |
Liu X P, Liang X, Li X, Xu X C, Ou J P, Chen Y M, Li S Y, Wang S J, Pei F S. A future land use simulation model (FLUS) for simulating multiple land use scenarios by coupling human and natural effects. Landscape and Urban Planning, 2017, 168: 94-116. |
[17] |
Liang X, Liu X P, Li D, Zhao H, Chen G Z. Urban growth simulation by incorporating planning policies into a CA-based future land-use simulation model. International Journal of Geographical Information Science, 2018, 32(11): 2294-2316. |
[18] |
Li C, Wu Y M, Gao B P, Zheng K J, Wu Y, Li C. Multi-scenario simulation of ecosystem service value for optimization of land use in the Sichuan-Yunnan ecological barrier, China. Ecological Indicators, 2021, 132: 108328. |
[19] |
王军, 严有龙, 王金满, 应凌霄, 唐倩. 闽江流域生境质量时空演变特征与预测研究. 生态学报, 2021, 41(14): 5837-5848. |
[20] |
夏盈, 张莹莹, 厉恩华, 蔡晓斌, 杨超, 杨娇. 江汉平原四湖流域生境质量时空演化及预测. 长江流域资源与环境, 2022, 31(7): 1616-1626. |
[21] |
武丹, 李欢, 艾宁, 黄涛, 顾继升. 基于CA-Markov的土地利用时空变化与生境质量预测——以宁夏中部干旱区为例. 中国生态农业学报(中英文), 2020, 28(12): 1969-1978. |
[22] |
高周冰, 王晓瑞, 隋雪艳, 汪翔, 范业婷, 朱青, 吕立刚. 基于FLUS和InVEST模型的南京市生境质量多情景预测. 农业资源与环境学报, 2022, 39(5): 1001-1013. |
[23] |
王军, 应凌霄, 钟莉娜. 新时代国土整治与生态修复转型思考. 自然资源学报, 2020, 35(1): 26-36. |
[24] |
王军, 钟莉娜. 生态系统服务理论与山水林田湖草生态保护修复的应用. 生态学报, 2019, 39(23): 8702-8708. |
[25] |
Peng J, Pan Y J, Liu Y X, Zhao H J, Wang Y L. Linking ecological degradation risk to identify ecological security patterns in a rapidly urbanizing landscape. Habitat International, 2018, 71: 110-124. |
[26] |
Aneseyee A B, Noszczyk T, Soromessa T, Elias E. The InVEST habitat quality model associated with land use/cover changes: a qualitative case study of the Winike Watershed in the Omo-Gibe Basin, Southwest Ethiopia. Remote Sensing, 2020, 12(7): 1103. |
[27] |
李亚楠, 多玲花, 张明. 基于CA-Markov和InVEST模型的土地利用格局与生境质量时空演变及预测——以江西省南昌市为例. 水土保持研究, 2022, 29(2): 345-354. |
[28] |
陈淼, 苏晓磊, 黄慧敏, 高婷, 党成强, 董蓉, 曾波, 陶建平. 三峡库区河流生境质量评价. 生态学报, 2019, 39(1): 192-201. |
[29] |
褚琳, 张欣然, 王天巍, 李朝霞, 蔡崇法. 基于CA-Markov和InVEST模型的城市景观格局与生境质量时空演变及预测. 应用生态学报, 2018, 29(12): 4106-4118. |
[30] |
Liang X, Guan Q F, Clarke K C, Liu S S, Wang B Y, Yao Y. Understanding the drivers of sustainable land expansion using a patch-generating land use simulation (PLUS) model: A case study in Wuhan, China. Computers, Environment and Urban Systems, 2021, 85: 101569. |
[31] |
胡丰, 张艳, 郭宇, 张盼盼, 吕帅, 张长春. 基于PLUS和InVEST模型的渭河流域土地利用与生境质量时空变化及预测. 干旱区地理, 2022, 45(4): 1125-1136. |
[32] |
王超, 常勇, 侯西勇, 刘玉斌. 基于土地利用格局变化的胶东半岛生境质量时空演变特征研究. 地球信息科学学报, 2021, 23(10): 1809-1822. |
[33] |
陈子琦, 董凯凯, 张艳红, 侯光雷, 刘兆礼. 全国重要生态功能区生物多样性保护成效区域对比评估. 生态学报, 2022, 42(13): 5264-5274. |
[34] |
王劲峰, 徐成东. 地理探测器: 原理与展望. 地理学报, 2017, 72(1): 116-134. |