汾河源頭區(qū)域土地利用及生境質(zhì)量時(shí)空演變的多情景模擬

和 娟,師學(xué)義,付揚(yáng)軍,張 燕

(中國(guó)地質(zhì)大學(xué)(北京)土地科學(xué)技術(shù)學(xué)院,北京 100083)

生境質(zhì)量指生態(tài)環(huán)境能夠?yàn)閭€(gè)體、種群或群落的持續(xù)生存與發(fā)展提供適宜條件的能力[1]，在一定程度上反映區(qū)域內(nèi)生物多樣性的豐富程度[2]，關(guān)乎人類福祉。生物多樣性是重要的戰(zhàn)略資源，也是實(shí)現(xiàn)綠水青山的重要前提。生境質(zhì)量的優(yōu)劣決定了生態(tài)系統(tǒng)的平衡性與社會(huì)—經(jīng)濟(jì)—自然復(fù)合系統(tǒng)的可持續(xù)發(fā)展[3]。但是精確定量評(píng)估生境質(zhì)量仍存在諸多難題，國(guó)內(nèi)外學(xué)者大多借助多源數(shù)據(jù)來(lái)構(gòu)建綜合模型評(píng)價(jià)區(qū)域生境質(zhì)量的優(yōu)劣程度[4-6]。相關(guān)研究表明，隨著生態(tài)用地向非生態(tài)用地的轉(zhuǎn)變，適合生物生存和繁衍的生境不斷減少，造成生境趨于破碎化、生境功能退化甚至喪失[7-8]，在一定程度干擾了生境斑塊間的物質(zhì)流及能量流循環(huán)過(guò)程[9]，進(jìn)而影響生境分布格局和功能[10]。生境面積的破碎化、生境質(zhì)量的降低以及人類活動(dòng)的加劇，使生物多樣性保護(hù)工作面臨極大的挑戰(zhàn)[11]。因此，為了深化對(duì)生物多樣性保護(hù)的重要性認(rèn)識(shí)，有必要定量評(píng)估多年來(lái)區(qū)域生境質(zhì)量的變化，以及在未來(lái)的發(fā)展中如何平衡生態(tài)保護(hù)與社會(huì)經(jīng)濟(jì)發(fā)展中資源匱乏的矛盾，對(duì)保護(hù)生態(tài)環(huán)境及合理利用自然資源具有重要的意義。

目前關(guān)于生境質(zhì)量與土地利用的研究，大多是通過(guò)構(gòu)建影響生境評(píng)價(jià)的相關(guān)指標(biāo)來(lái)評(píng)估生境質(zhì)量[12-13]，指標(biāo)包括生物物種豐富程度、植被類型、地形指標(biāo)、水質(zhì)以及反映人類活動(dòng)密集的社會(huì)經(jīng)濟(jì)指標(biāo)等[14-16]。該方法的優(yōu)點(diǎn)在于較全面地覆蓋了評(píng)價(jià)目標(biāo)及研究問(wèn)題的各個(gè)方面，單個(gè)指標(biāo)對(duì)綜合評(píng)價(jià)的反映較靈敏以及部分指標(biāo)之間具有可比性等，但是缺點(diǎn)就在于對(duì)指標(biāo)的數(shù)量要求較多，數(shù)據(jù)獲取難度較大以及指標(biāo)冗余對(duì)評(píng)價(jià)結(jié)果造成的不利影響。而InVEST模型中的Habitat Quality模塊對(duì)數(shù)據(jù)的要求相對(duì)較少，評(píng)價(jià)結(jié)果也支持空間可視化表示[17]，可反映區(qū)域生境分布以及生境退化的狀況[18]，因此得到了許多國(guó)內(nèi)外學(xué)者的關(guān)注與青睞。近些年來(lái)國(guó)內(nèi)外學(xué)者在不同區(qū)域、多個(gè)尺度、不同地貌類型均進(jìn)行了深入研究[19-21]，為評(píng)價(jià)區(qū)域生物多樣性和生態(tài)保護(hù)規(guī)劃提供了重要的科學(xué)依據(jù)。目前許多學(xué)者已經(jīng)開(kāi)展了許多土地利用情景模型和相關(guān)模擬的研究，但是生境質(zhì)量服務(wù)對(duì)多情景模擬下的土地利用變化的響應(yīng)還比較少，因此在分析當(dāng)前生態(tài)安全狀況的同時(shí)，有必要對(duì)生境質(zhì)量進(jìn)行情景模擬和預(yù)測(cè)。

考慮到黃土丘陵溝壑區(qū)是退耕還林工程的重要實(shí)施區(qū)域，土地利用變化促進(jìn)了產(chǎn)業(yè)結(jié)構(gòu)調(diào)整，對(duì)改善區(qū)域生態(tài)環(huán)境以及提高生物多樣性具有至關(guān)重要的作用。此外，根據(jù)《山西省生態(tài)功能區(qū)劃》，汾河源頭區(qū)域被定位為水源涵養(yǎng)與生物多樣性保護(hù)生態(tài)功能區(qū)。鑒于此，本文選擇寧武縣和靜樂(lè)縣作為研究區(qū)域，基于2000—2017年的土地利用數(shù)據(jù)，借助Logistic-CA-Markov模型，設(shè)置自然發(fā)展、生態(tài)保護(hù)、耕地保護(hù)3種不同的情景，對(duì)未來(lái)土地利用進(jìn)行模擬預(yù)測(cè)，并分析不同情景下生境質(zhì)量的變化情況。

1 研究區(qū)概況

研究區(qū)為汾河源頭區(qū)域，包括寧武縣和靜樂(lè)縣兩個(gè)縣，地處黃土高原東部、山西省北部、忻州市中部，是山西省“母親河”汾河的發(fā)源地，地理坐標(biāo)位于111°42′43″—112°36′55″E，38°7′57″—39°8′41″N，國(guó)土總面積近4 000 km2；區(qū)域地形復(fù)雜，海拔高度差異很大。該區(qū)域是山西省生物多樣性的重點(diǎn)保護(hù)區(qū)，生物資源種類繁多，南北差異較大，以針葉林及中生的落葉灌叢為主，是森林分布面積較大的地區(qū)。區(qū)域內(nèi)野生動(dòng)物大多為陸棲類動(dòng)物，其中國(guó)家一級(jí)保護(hù)動(dòng)物有褐馬雞、黑鸛、白鸛、金錢(qián)豹等，國(guó)家二級(jí)保護(hù)野生動(dòng)物兔猻、馬鹿、天鵝等。同時(shí)也是中國(guó)華北平原的重要生態(tài)屏障，對(duì)調(diào)節(jié)區(qū)域氣候、改善空氣質(zhì)量及提升生態(tài)環(huán)境功能具有不可替代的作用。但是另一方面，研究區(qū)為典型的黃土丘陵溝壑區(qū)，黃土質(zhì)地疏松，加之雨季多集中在7—8月份，在強(qiáng)降雨對(duì)地表的嚴(yán)重沖刷下，導(dǎo)致地表破碎，溝壑縱橫，生態(tài)環(huán)境十分脆弱。

2 數(shù)據(jù)來(lái)源與研究方法

2.1 數(shù)據(jù)來(lái)源

本研究使用的主要數(shù)據(jù)包括遙感影像數(shù)據(jù)、DEM數(shù)據(jù)、氣象站點(diǎn)數(shù)據(jù)、土壤數(shù)據(jù)、社會(huì)經(jīng)濟(jì)統(tǒng)計(jì)數(shù)據(jù)等。選取2000年、2010年、2017年3個(gè)時(shí)段的Landsat TM/ETM遙感影像(像元大小30 m×30 m，軌道號(hào)為12 633)，來(lái)源于地理空間數(shù)據(jù)云(http:∥www.gscloud.cn/)，時(shí)相為5—9月，在ENVI，ArcGIS等軟件的支持下，結(jié)合研究區(qū)土地利用類型特征，采用人機(jī)交互解譯的方法獲取研究區(qū)土地利用數(shù)據(jù)。結(jié)合研究區(qū)第二次土地調(diào)查數(shù)據(jù)和年度變更調(diào)查數(shù)據(jù)驗(yàn)證解譯精度，三期遙感影像解譯精度均達(dá)到80%以上，可以滿足本次研究的需要。土地利用類型分為耕地、林地、草地、建設(shè)用地、水域、未利用地。

DEM數(shù)據(jù)(像元大小30 m×30 m)，來(lái)源于地理空間數(shù)據(jù)云(http:∥www.gscloud.cn/)，用來(lái)提取海拔、坡度和坡向等地形因子。氣象數(shù)據(jù)來(lái)源于中國(guó)氣象數(shù)據(jù)網(wǎng)(https:∥data.cma.cn/)，從研究區(qū)周圍多個(gè)氣象站點(diǎn)的月均數(shù)據(jù)庫(kù)中提取降水量(像元大小1 000×1 000)。土壤數(shù)據(jù)來(lái)源于中國(guó)土壤數(shù)據(jù)集(http:∥www.iiasa.ac.at/Research/LUC/External-World-soil-database/HTML/)，提取土壤質(zhì)地?cái)?shù)據(jù)(像元大小1 000×1 000)。社會(huì)經(jīng)濟(jì)數(shù)據(jù)通過(guò)查詢寧武縣和靜樂(lè)縣統(tǒng)計(jì)年鑒獲得人口密度和人均GDP數(shù)據(jù)，利用ArcGIS軟件進(jìn)行空間可視化表示。為便于空間數(shù)據(jù)的處理與分析，本研究所有數(shù)據(jù)均轉(zhuǎn)換為統(tǒng)一的坐標(biāo)及投影系統(tǒng)，即CGCS2 000國(guó)家大地坐標(biāo)系。

2.2 研究方法

2.2.1 土地利用情景的設(shè)置 根據(jù)研究區(qū)土地利用特點(diǎn)及用地需求，結(jié)合《寧武縣土地利用總體規(guī)劃》、《靜樂(lè)縣土地利用總體規(guī)劃》，通過(guò)不斷的調(diào)試Markov模型的轉(zhuǎn)移概率以及轉(zhuǎn)變適宜性圖集，預(yù)測(cè)不同情景下2030年研究區(qū)的土地利用類型的數(shù)量及空間分布變化。

情景1：自然發(fā)展情景。根據(jù)2010—2017年土地利用轉(zhuǎn)移概率矩陣以及適宜分布概率，以2017年土地利用現(xiàn)狀數(shù)據(jù)為底圖，基于CA-Markov模型預(yù)測(cè)2030年在自然發(fā)展情景下各土地利用類型的面積及空間分布。

情景2：生態(tài)保護(hù)情景。研究區(qū)為黃土丘陵區(qū)重要的退耕還林區(qū)域，也是華北平原生態(tài)屏障的核心區(qū)。為了進(jìn)一步鞏固退耕還林的成果，未來(lái)的土地利用要進(jìn)一步加強(qiáng)對(duì)生態(tài)用地的保護(hù)。在該情景的設(shè)置中，林地、草地、水域向建設(shè)用地和未利用地的轉(zhuǎn)移概率降低100%，耕地向林地的轉(zhuǎn)換概率增加30%；此外要嚴(yán)禁生境退化，將區(qū)域自然保護(hù)區(qū)、國(guó)家森林公園、高山湖泊群、地質(zhì)公園等作為約束條件，限制生態(tài)用地的任意轉(zhuǎn)換。

情景3：耕地保護(hù)情景。耕地是糧食安全的載體，該區(qū)域?yàn)橹匾霓r(nóng)業(yè)開(kāi)發(fā)縣，該情景是為保護(hù)耕地設(shè)置。一方面，基本農(nóng)田區(qū)范圍內(nèi)的耕地嚴(yán)禁轉(zhuǎn)出，將其作為約束條件；另一方面，修正轉(zhuǎn)移概率，將耕地向建設(shè)用地和未利用地的轉(zhuǎn)移概率分別降低90%和100%，向林地、草地、水域的轉(zhuǎn)移概率降低30%。

2.2.2 Logistic-CA-Markov模型及參數(shù)設(shè)置 Logistic回歸模型是解釋自變量和因變量的關(guān)系和強(qiáng)度的空間模型，目前已被廣泛地應(yīng)用在土地利用變化的研究中。本文選擇ROC曲線法檢驗(yàn)空間Logistic模型的預(yù)測(cè)結(jié)果，ROC曲線下面積介于0.5～1.0，表明模型的可信度較高。其基本擬合方程[22]為：

(1)

式中：Pi為每一個(gè)柵格可能出現(xiàn)某種地類i的概率;X為備選驅(qū)動(dòng)因子。

CA-Markov模型的結(jié)合能夠全面考慮自然和人文因素的影響，實(shí)現(xiàn)土地利用變化的動(dòng)態(tài)模擬，使之既能模擬復(fù)雜系統(tǒng)空間變化的能力，也能發(fā)揮土地利用需求長(zhǎng)期預(yù)測(cè)的優(yōu)勢(shì)。本文的元胞空間為汾河源頭區(qū)域，元胞的狀態(tài)為6種地類。借助Logistic回歸診斷每一個(gè)柵格單元可能出現(xiàn)某種地類的概率，從而選擇對(duì)土地利用變化影響較大的因子以及它們之間的定量關(guān)系與相互作用關(guān)系。

模型需要輸入相關(guān)參數(shù)，數(shù)據(jù)處理如下：(1) 運(yùn)用Markov模型分析6種土地利用類型轉(zhuǎn)換矩陣和轉(zhuǎn)移狀態(tài)概率。(2) 驅(qū)動(dòng)因子選取?？紤]到指標(biāo)的空間均衡性以及數(shù)據(jù)的可獲取性，在提出相關(guān)性顯著指標(biāo)的基礎(chǔ)上，本文選取海拔、坡度、坡向、土壤類型、距城鎮(zhèn)的距離、距農(nóng)村居民點(diǎn)的距離、距河流水系的距離、距道路的距離、年降水量、人口密度和人均GDP因子。(3) 分布概率適宜圖：以6種土地利用變化數(shù)據(jù)為自變量，11個(gè)空間化的驅(qū)動(dòng)因子為因變量，運(yùn)用IDRISI 17.0軟件制作6種土地利用類型的適宜分布概率。(4) 地類轉(zhuǎn)換規(guī)則設(shè)置。其中，自然發(fā)展情景不設(shè)置轉(zhuǎn)化規(guī)則，按照默認(rèn)5×5鄰域轉(zhuǎn)化；生態(tài)保護(hù)情景僅允許生境正向演替；耕地保護(hù)情景禁止耕地的轉(zhuǎn)出，但是允許生境的逆向演替。

2.2.3 生境質(zhì)量模型 生境質(zhì)量指在生態(tài)系統(tǒng)為個(gè)體、種群、群落等提供生存繁衍所需條件的潛力。生境質(zhì)量?jī)?yōu)劣與生物多樣性的豐富程度呈正相關(guān)。InVEST模型假定生境質(zhì)量是連續(xù)的，且在一定程度上生境質(zhì)量的空間分布與生物多樣性的空間分布基本具有一致性。因此本文運(yùn)用InVEST模型中的生境質(zhì)量模塊評(píng)估，從外界威脅因子(表1)和生境敏感性來(lái)評(píng)價(jià)生境質(zhì)量的優(yōu)劣[23]。

表1 威脅因子屬性

(2)

式中：Dxj為土地覆被類型j柵格x的生境退化度；R為威脅因子數(shù)量；yr為r威脅柵格圖上的一組柵格；Wr為威脅因子權(quán)重；ry為柵格y的威脅因子值；βx為威脅因子可達(dá)性；Sjr為生境類型j對(duì)威脅因子r的敏感性。irxy為生境類型柵格x與y的距離函數(shù)(包括指數(shù)衰減函數(shù)和線性衰減函數(shù))，計(jì)算公式為：

(3)

(4)

式中：dxy為柵格像元x與y間的距離；dr max為威脅r的最大威脅距離。

在InVEST模型中用Qxj表示生境質(zhì)量指數(shù)：

(5)

式中：Hj為土地覆被類型j的生境適宜性；k和z為比例因子，其中k為半飽和常數(shù)，z為歸一化常量。

2.2.4 土地利用變化類型的生境貢獻(xiàn)率 土地利用變化類型對(duì)生境貢獻(xiàn)率指某類土地利用發(fā)生變化使生境質(zhì)量發(fā)生改變的比率。以2017年的生境質(zhì)量指數(shù)為基期年，分析不同情景下生境質(zhì)量指數(shù)的變化和土地利用變化對(duì)生態(tài)質(zhì)量服務(wù)的貢獻(xiàn)率，其表達(dá)式[24]為

QLH=(QH,t+1-QH,t)×L/S

(6)

式中：QLH為土地利用變化的生境貢獻(xiàn)率；QH,t+1，QH,t分別為某種土地利用類型在變化初期和末期土地利用類型的生境質(zhì)量指數(shù)；L為該變化類型的面積(km2)；S為土地利用總面積(km2)。

3 結(jié)果與分析

3.1 Logistic-CA-Markov模型的精度驗(yàn)證

3.1.1 土地利用驅(qū)動(dòng)因子分析 在剔除相關(guān)性指標(biāo)和以及考慮到指標(biāo)的可獲取性的基礎(chǔ)上，本文從自然條件和社會(huì)經(jīng)濟(jì)等角度選取11個(gè)驅(qū)動(dòng)因子，分別為海拔、坡度、坡向、土壤類型、距城鎮(zhèn)的距離、距農(nóng)村居民點(diǎn)的距離、距河流水系的距離、距道路的距離、年降水量、人口密度和人均GDP因子。利用Logistic模型，分別計(jì)算了影響6種土地利用類型空間分布的11個(gè)驅(qū)動(dòng)因子的回歸系數(shù)。然后選擇ROC曲線法檢驗(yàn)Logistic模型的精度。ROC值介于0～1.0，若ROC值在0.5～1，則說(shuō)明模型具有很好的預(yù)測(cè)能力；相反如果ROC<0.5，說(shuō)明構(gòu)建的Logistic模型不具有預(yù)測(cè)功能。從表2中可以看出，6種土地利用類型的回歸中的ROC值都在0.85以上，表明本文所構(gòu)建的回歸模型具有可信性，11個(gè)驅(qū)動(dòng)因子具有很好的解釋能力。耕地的分布概率與海拔、坡度、人口密度呈較強(qiáng)的負(fù)相關(guān)關(guān)系；隨著坡度和海拔的增加，林地的分布面積也增大；坡度與草地的分布概率呈較強(qiáng)的正相關(guān)關(guān)系，與水域和建設(shè)用地呈較強(qiáng)的負(fù)相關(guān)關(guān)系，皆與實(shí)際情況相符，表明模型可信度較高。

表2 汾河源頭區(qū)域邏輯回歸結(jié)果及ROC檢驗(yàn)值

3.1.2 土地利用模擬結(jié)果驗(yàn)證 為了驗(yàn)證模型的模擬結(jié)果，基于IDRISI軟件中的CA-Markov模塊，以2010年為基期年，利用2000—2010年的土地利用轉(zhuǎn)移面積和概率矩陣，通過(guò)Logistic回歸模型獲得2000—2010年土地利用變化的轉(zhuǎn)移適宜性圖集，從而模擬2017年的土地利用的空間分布情況，并將其與2017年真實(shí)的土地利用分布數(shù)據(jù)相比較，以驗(yàn)證CA-Markov模型模擬的可靠性。經(jīng)檢驗(yàn)，Kappa系數(shù)為0.835，精度較高，說(shuō)明CA-Markov模型參數(shù)設(shè)置較合理，可用來(lái)模型未來(lái)的土地利用空間分布情況(圖1)。

圖1 汾河源頭區(qū)域2017年土地利用現(xiàn)狀圖和模擬圖

3.2 土地利用變化分析

3.2.1 2000—2017年土地利用變化 2000—2010年和2010—2017年的土地利用轉(zhuǎn)移矩陣見(jiàn)表3和表4。汾河源頭區(qū)域土地利用類型多以耕地、林地、草地為主。2000年、2010年、2017年3種土地利用類型分別占總面積的96.01%，95.53，94.99%，在《山西省生態(tài)功能區(qū)劃》中該區(qū)域被定位為管涔山汾河源頭水源涵養(yǎng)與生物多樣性保護(hù)生態(tài)功能區(qū)和汾河上游水庫(kù)調(diào)蓄與生物多樣性保護(hù)生態(tài)功能區(qū)，另一方面也可以看出該區(qū)域近20 a來(lái)建設(shè)用地?cái)U(kuò)張十分緩慢，間接反映出了該區(qū)域貧困程度之深。隨著退耕還林工程的實(shí)施，2個(gè)時(shí)期耕地均呈減少趨勢(shì)，在退耕還林的第一個(gè)階段(2000—2010年)，耕地面積減少了10.91%，草地減少了9.39%，林地增加了41.84%。林地的轉(zhuǎn)入面積(302.84 km2)主要來(lái)自于耕地(8.67 km2)和草地(293.73 km2)。耕地的轉(zhuǎn)出面積(385.23 km2)多于轉(zhuǎn)入面積(266.03 km2)，主要流向草地(364.10 km2)、林地(8.67 km2)以及建設(shè)用地(12.30 km2)。草地的轉(zhuǎn)出面積(563.98 km2)是轉(zhuǎn)入面積(373.05 km2)的1.5倍，且有97.60%流向耕地。

表3 2000-2010年土地利用轉(zhuǎn)移矩陣 km2

表4 2010-2017年土地利用轉(zhuǎn)移矩陣 km2

隨著退耕還林工程第2個(gè)階段(2010—2017年)的實(shí)施，耕地面積繼續(xù)減少，林地面積不斷得到補(bǔ)充。耕地轉(zhuǎn)出面積(382.08 km2)主要流向了林地(24.39 km2)、草地(321.11 km2)和建設(shè)用地(35.94 km2)，大于轉(zhuǎn)入面積(361.56 km2)。林地的轉(zhuǎn)入面積(270.25 km2)是轉(zhuǎn)出面積(140.1 km2)的1.93倍，轉(zhuǎn)入面積主要來(lái)源于耕地(24.39 km2)、草地(245.29 km2)，轉(zhuǎn)出面積主要流向耕地(39.90 km2)、草地(94.46 km2)。建設(shè)用地在這一時(shí)期為大幅擴(kuò)張趨勢(shì)，增長(zhǎng)了73.30%，轉(zhuǎn)入面積為63.09 km2，主要是耕地(35.94 km2)和草地(20.40 km2)的轉(zhuǎn)入貢獻(xiàn)。未利用地轉(zhuǎn)出面積(5.05 km2)，向耕地(1.63 km2)、林地(0.22 km2)、草地(2.74 km2)、建設(shè)用地(45.32 km2)流向。

3.2.2 不同情景下土地利用變化 2030年未來(lái)3種情景的土地利用類型空間分布如圖2所示。研究區(qū)地勢(shì)為周邊群山向汾河川溝谷傾斜的中間地帶，丘陵起伏、溝壑縱橫，總體呈現(xiàn)“兩山夾一川”大格局，以蘆芽山、云中山為兩翼，以汾河川為中心從南到北貫穿整個(gè)區(qū)域。林地多集中連片分布在地勢(shì)較高，人跡罕至的區(qū)域，耕地和草地分布范圍較廣，多分布在河川谷地。建設(shè)用地分布不均，多沿樹(shù)枝狀水系分布，在地勢(shì)較低、平地較多，靠近的河流的地方，居住人口較多，建設(shè)用地密度較大。從2030年未來(lái)3種情景的發(fā)展趨勢(shì)和空間分布來(lái)看，情景1中在無(wú)約束和人為干預(yù)條件下，從2017—2030年，建設(shè)用地?cái)U(kuò)張較為明顯，到2030年建設(shè)用地面積達(dá)到145.161 km2，耕地、草地和未利用地都有不同程度的減少，表明經(jīng)濟(jì)的增長(zhǎng)在一定程度上限制了其他土地利用類型的增長(zhǎng)。林地雖然保持增長(zhǎng)趨勢(shì)，但是增長(zhǎng)率較小，僅增加了9.56%。按生態(tài)保護(hù)型的情景2發(fā)展趨勢(shì)來(lái)看，到2030年林地的空間分布會(huì)在原有的分布上以管涔山、云中山為主向外延伸，此時(shí)林地面積達(dá)到最大，為1 262.434 km2，若未來(lái)繼續(xù)實(shí)施退耕還林及生態(tài)保護(hù)工程，限制建設(shè)用地的盲目擴(kuò)張，不得通過(guò)轉(zhuǎn)變生態(tài)用地的用途來(lái)增加建設(shè)用地的面積，林地的實(shí)際面積可能會(huì)更大。耕地得到大幅度地減少，尤其是溝谷和汾河川周邊的耕地。生態(tài)保護(hù)政策對(duì)改善生態(tài)環(huán)境和維護(hù)生態(tài)平衡起著重要的保護(hù)作用。在耕地保護(hù)型情景3中，嚴(yán)禁對(duì)基本農(nóng)田的占用，盡最大可能限制現(xiàn)有耕地的轉(zhuǎn)出和保護(hù)農(nóng)用地，耕地較為細(xì)碎，多分布在汾河川兩岸、河谷區(qū)以及地勢(shì)較平坦的地區(qū)等，到2030年耕地面積達(dá)到了1 268.51 km2，比2017年增加了29.14%。耕地的增加以林地、草地以及水域等減少為代價(jià)。

圖2 2030年汾河源頭區(qū)域3種情景下土地利用模擬結(jié)果

根據(jù)2017—2030年的土地利用變化數(shù)據(jù)以及生境貢獻(xiàn)率的公式，得到土地利用變化對(duì)生境質(zhì)量影響的貢獻(xiàn)率(表5)。提高汾河源頭區(qū)域生境質(zhì)量的土地利用轉(zhuǎn)移主要發(fā)生在耕地轉(zhuǎn)草地，3種情景的貢獻(xiàn)率分別達(dá)到1.609，1.168，0.958，其他用地轉(zhuǎn)林草地也對(duì)生境質(zhì)量的提高具有積極的意義。在情景1和情景3中，草地轉(zhuǎn)耕地很大程度上降低了生境質(zhì)量，情景3更為顯著。2017—2030年土地利用轉(zhuǎn)移運(yùn)用?；鶊D來(lái)表示，自然發(fā)展型情景1，主要表現(xiàn)為草地轉(zhuǎn)耕地、耕地轉(zhuǎn)草地、林地轉(zhuǎn)草地、草地轉(zhuǎn)林地，分別轉(zhuǎn)移了159.91 km2，137.33 km2，108.19 km2，94.52 km2。生態(tài)保護(hù)型情景2，主要為耕地向林草地的轉(zhuǎn)移和草地向林地的轉(zhuǎn)移，耕地轉(zhuǎn)給草地100.12 km2，轉(zhuǎn)林地57.39 km2，另外，草地轉(zhuǎn)林地88.06 km2。耕地保護(hù)型情3主要表現(xiàn)為，351.41 km2的草地轉(zhuǎn)給耕地，90.39 km2的林地轉(zhuǎn)為草地，18.98 km2的林地轉(zhuǎn)給耕地?？傮w來(lái)看，由于水域、建設(shè)用地以及未利用地的分布面積較小，土地利用之間的轉(zhuǎn)移主要發(fā)生在林地、草地和耕地。

表5 2030年3種情景土地利用轉(zhuǎn)移類型及生境貢獻(xiàn)率

3.3 生境質(zhì)量變化分析

3.3.1 生境演變特征分析 生態(tài)系統(tǒng)存在普遍的空間異質(zhì)性，不同土地利用類型的生態(tài)效益具有顯著差異。生境是區(qū)域地形地貌、氣候、水文、土壤和植被的綜合體，生態(tài)環(huán)境和土地利用類型的變化會(huì)使生境發(fā)生演替，因此生態(tài)系統(tǒng)的變化以及演替方向在一定程度上可以運(yùn)用土地利用變化來(lái)表示。研究區(qū)主要的土地利用類型以耕地、林地和草地為主，人為干擾程度較小。土地利用類型的生態(tài)效益從大到小依次為林地、草地、耕地、水域、未利用地、建設(shè)用地。本文將林地向草地、耕地的轉(zhuǎn)變定義為植被的逆向演替，反之為植被的正向演替。其他用地向建設(shè)用地的轉(zhuǎn)變定義為向人工地表逆向演替，建設(shè)用地向其他用地的轉(zhuǎn)變?yōu)槿斯さ乇碚蜓萏?。分別將2030年3種情景的土地利用類型空間分布與2017年作比較，得到2017—2030年的3種生境演替模式。從圖3可知，按自然發(fā)展型的情景模式發(fā)展，土地利用類型之間的轉(zhuǎn)換較為頻繁，4種生境演替模式均存在，植被正向演替占全域總面積的6.17%，植被逆向演替占6.94%，人工地表正向及逆向演替分別占0.01%，1.13%。對(duì)于生態(tài)保護(hù)情景，耕地、草地向林地轉(zhuǎn)化，退耕還林還草效果較顯著，研究區(qū)均為植被正向演替，占總面積的6.19%。按耕地保護(hù)情景發(fā)展，則大多區(qū)域會(huì)發(fā)生植被逆向演替，占總面積的11.59%，植被正向演替占2.36%，向人工地表逆向演替也會(huì)發(fā)生，僅占0.35%。從空間分布來(lái)看，正向演替大都分布在高山陡坡區(qū)域，逆向演替發(fā)生在河谷兩岸以及人口較密集的區(qū)域。人類的活動(dòng)會(huì)在很大程度上干擾生境的變化。

圖3 汾河源頭區(qū)域3種情景下生境演替空間分布

3.3.2 生境質(zhì)量對(duì)土地利用變化的響應(yīng) 運(yùn)用InVEST模型的生境質(zhì)量模塊，得到2017—2030年的生境質(zhì)量的空間分布。2017年的生境質(zhì)量指數(shù)為0.78，到2030年自然發(fā)展情景、生態(tài)保護(hù)情景、耕地保護(hù)情景生境質(zhì)量分別為0.76，0.81，0.72。很明顯，研究區(qū)總體上生境質(zhì)量較高，均能達(dá)到70%以上，2030年生態(tài)保護(hù)情景的發(fā)展生境質(zhì)量最高，耕地保護(hù)情景發(fā)展質(zhì)量較低。若不加以正確引導(dǎo)和改變土地利用方式，研究區(qū)生境質(zhì)量會(huì)在一定程度上降低。此外，盲目開(kāi)墾荒地或毀林開(kāi)荒等，不僅破壞了退耕還林近20 a取得的顯著成果，對(duì)生境的破壞也是不可想象的。本文將生境質(zhì)量指數(shù)劃分為0～0.3，0.3～0.6，0.6～0.9，0.9～1.0，分別表示生境質(zhì)量低、較低、較高和高4個(gè)等級(jí)，統(tǒng)計(jì)了各個(gè)等級(jí)土地利用面積的百分比(表6)?？傮w上汾河源頭區(qū)域生境質(zhì)量處于較高水平。相比2017年，情景2中生境質(zhì)量較高等級(jí)和高等級(jí)的面積有一定程度的增加，說(shuō)明生態(tài)保護(hù)對(duì)于生境質(zhì)量的提升具有重要的意義。

表6 不同生境質(zhì)量分級(jí)的土地利用面積占比 %

不同土地利用類型能夠提供的生境質(zhì)量服務(wù)具有差異。為了探討土地利用類型對(duì)生境質(zhì)量的貢獻(xiàn)，本文利用ArcGIS軟件中分區(qū)統(tǒng)計(jì)工具測(cè)算了每種土地利用類型的生境質(zhì)量指數(shù)。6種土地利用類型對(duì)生境質(zhì)量的貢獻(xiàn)由高到低依次為林地、水域、草地、耕地、未利用地、建設(shè)用地。以2017年為基礎(chǔ)對(duì)比2030年的3種發(fā)展情景，在情1中，林地、草地、水域的生境質(zhì)量分別增加了0.007，0.016，0.112，耕地、建設(shè)用地、未利用地分別減少了0.034，0.087，0.087。情景2中，林地、草地、水域分別增加了0.004，0.014，0.026，耕地、建設(shè)用地、未利用地分別減少了0.020，0.083，0.034。情景3中，林地、草地、水域的生境質(zhì)量分別增加了0.005，0.011，0.073，耕地、建設(shè)用地、未利用地的生境質(zhì)量分別減少了0.027，0.079，0.045。這是由于退耕還林的持續(xù)實(shí)施帶來(lái)的巨大生態(tài)效益，生境質(zhì)量水平在一定程度上得以提高，林地、草地及水域?qū)ι迟|(zhì)量的影響力較大。另外，在經(jīng)濟(jì)快速發(fā)展和人口的壓力下，建設(shè)用地的持續(xù)增加以及對(duì)耕地造成的不利影響，給生境質(zhì)量帶來(lái)了較大的負(fù)面作用。

3.3.3 不同海拔和坡度的生境質(zhì)量分析 為了探討地形對(duì)生境質(zhì)量的影響，采取等間距法將海拔分為1 000～1 400 m，1 400～1 800 m，1 800～2 200 m、>2 200 m，將坡度分為0°～6°，6°～15°，15°～25°、>25°，分別統(tǒng)計(jì)了不同時(shí)期生境質(zhì)量隨海拔、坡度的變化。結(jié)果均表明隨著海拔和坡度的升高，汾河源頭區(qū)域的生境質(zhì)量也不斷得到提高。因此測(cè)算了生境質(zhì)量在不同海拔和坡度的變化量，見(jiàn)圖4。從同一時(shí)期不同海拔的生境質(zhì)量分析，在2000—2017年表現(xiàn)為1 000～1 800 m為增加趨勢(shì)，>1 800 m生境質(zhì)量減少。2017-自然發(fā)展情景中，除1 400～1 800 m生境質(zhì)量減少量較多外，其他無(wú)顯著變化。2017-生態(tài)保護(hù)情景中，在海拔各個(gè)分級(jí)中都明顯的增加，相反在2017-耕地保護(hù)情景中，均有不同程度的降低。同一海拔下不同情景生境質(zhì)量的變化具有差異，可以看出海拔較低的區(qū)域生境質(zhì)量變化較明顯。從不同坡度等級(jí)來(lái)分析不同情景下的生境質(zhì)量的變化，0°～6°生境質(zhì)量都表現(xiàn)為降低，表明容易受人為干擾的區(qū)域，生境質(zhì)量最可能有下降趨勢(shì)。6°～15°和15°～25°兩個(gè)坡度分級(jí)中，生境質(zhì)量變化方向具有一致性，2000—2017年和2017-生態(tài)保護(hù)情景均表現(xiàn)為增加，其他均為降低態(tài)勢(shì)。>25°中未來(lái)2030年3種情景生境質(zhì)量均為增加態(tài)勢(shì)。

圖4 不同情景下生境質(zhì)量隨海拔和坡度的變化

4 結(jié)論與討論

(1) 汾河源頭區(qū)域主要土地利用類型為耕地、林地和草地，占總面積的90%以上。2000—2010年為該區(qū)域退耕還林的第一個(gè)階段，耕地面積減少了10.91%，草地減少了9.39%，林地增加了41.84%。2010—2017年，隨著退耕還林工程第2個(gè)階段的實(shí)施，耕地面積繼續(xù)減少，林地面積不斷得到補(bǔ)充。2017—2030年自然發(fā)展情景下建設(shè)用地?cái)U(kuò)張較為明顯，林地僅增加了9.56%，耕地、草地和未利用地都有不同程度的減少；生態(tài)保護(hù)情景下，林地面積增加了12.98%，耕地得到大幅度地減少；耕地保護(hù)型情景下，耕地面積增加了29.14%，林地、草地以及水域等呈減少趨勢(shì)。

(2) 2017—2030年自然發(fā)展情景，植被正向演替占總面積的6.17%，植被逆向演替占6.94%，人工地表正向及逆向演替分別占0.01%，1.13%；對(duì)于生態(tài)保護(hù)情景，研究區(qū)均為植被正向演替，占總面積的6.19%；耕地保護(hù)情景下，則大多區(qū)域會(huì)發(fā)生植被逆向演替，占總面積的11.59%，植被正向演替占2.36%，向人工地表逆向演替占0.35%。

(3) 2017年的生境質(zhì)量指數(shù)為0.78，2030年自然發(fā)展情景、生態(tài)保護(hù)情景、耕地保護(hù)情景生境質(zhì)量分別為0.76，0.81，0.72。6種土地利用類型對(duì)生境質(zhì)量的貢獻(xiàn)由高到低依次為林地、水域、草地、耕地、未利用地、建設(shè)用地。不同情景下的生境質(zhì)量結(jié)果均表明隨著海拔和坡度的升高，汾河源頭區(qū)域的生境質(zhì)量也不斷得到提高，但是同一海拔和坡度下不同情景生境質(zhì)量的變化具有差異。

本文運(yùn)用Logistic-CA-Markov模型實(shí)現(xiàn)了土地利用變化模擬在數(shù)量和空間上的優(yōu)勢(shì)，并對(duì)驅(qū)動(dòng)因子和土地利用模擬結(jié)果進(jìn)行了精度驗(yàn)證，但是仍然不足之處，在模擬2 030土地利用情景中僅僅調(diào)試Markov模型的轉(zhuǎn)移概率以及轉(zhuǎn)變適宜性圖集來(lái)估算3種土地利用面積及空間分布，雖然考慮了地方規(guī)劃的需求，但仍然與區(qū)域政策結(jié)合的不夠深入。此外，驅(qū)動(dòng)因子的選取也對(duì)模型的精度具有重要的影響，本文雖然考慮到指標(biāo)的空間均衡性以及數(shù)據(jù)的可獲取性，從自然條件和社會(huì)經(jīng)濟(jì)等角度選取了驅(qū)動(dòng)因子，但是仍然不夠全面。在未來(lái)的研究中，應(yīng)該著重考慮當(dāng)?shù)卣咧贫ǜ鼮楹侠淼耐恋乩眯枨螅岣吣Ｐ湍M預(yù)測(cè)的精度。