基于FLUS模型的流域土地利用變化預(yù)測(cè)及水文響應(yīng)評(píng)估

湯 佳， 胡希軍， 韋寶婧， 羅紫薇， 趙思文， 王燁梓

(1.中南林業(yè)科技大學(xué) 風(fēng)景園林學(xué)院，長(zhǎng)沙 410004； 2.中南林業(yè)科技大學(xué) 湖南省自然保護(hù)地風(fēng)景資源大數(shù)據(jù)工程技術(shù)研究中心， 長(zhǎng)沙 410004； 3.中南林業(yè)科技大學(xué) 城鄉(xiāng)景觀生態(tài)研究所，長(zhǎng)沙 410004)

1 研究背景

土地利用變化是人類活動(dòng)作用于生態(tài)環(huán)境的一種復(fù)雜響應(yīng)， 一直以來都是多學(xué)科關(guān)注的研究熱點(diǎn)， 許多學(xué)者從不同尺度上進(jìn)行了探討。 當(dāng)前在流域尺度的研究方面， 一些學(xué)者從流域的土地利用變化特征[1]、 驅(qū)動(dòng)因子[2]、 水文過程變化[3]、 水安全格局[4]、 景觀格局演變[5]等方面提出了探討和建議。 在流域土地利用變化預(yù)測(cè)和響應(yīng)研究上， 一些學(xué)者從流域土地利用的多情景模擬角度出發(fā)， 預(yù)測(cè)未來土地利用情景[6-7]； 部分學(xué)者預(yù)測(cè)流域未來土地利用情景并探討其變化對(duì)生態(tài)系統(tǒng)服務(wù)、 生態(tài)承載力、 水文響應(yīng)、 景觀格局等方面的影響[8-13]。 流域尺度的土地利用變化預(yù)測(cè)影響因子復(fù)雜， 綜合相關(guān)研究發(fā)現(xiàn)， 在影響流域尺度土地利用變化驅(qū)動(dòng)因子的選擇和相關(guān)參數(shù)設(shè)定上尚未形成統(tǒng)一標(biāo)準(zhǔn)。

2019年自然資源部啟動(dòng)了規(guī)劃期至2035年的各級(jí)國(guó)土空間規(guī)劃，要求實(shí)現(xiàn)“多規(guī)合一”，對(duì)土地利用空間保護(hù)和規(guī)劃提出了明確要求。流域作為完整的水文響應(yīng)單元，是重要的水安全管理和規(guī)劃的研究對(duì)象。在國(guó)土空間規(guī)劃的背景下，對(duì)生態(tài)用地、基本農(nóng)田的約束和保護(hù)都將對(duì)未來流域的水文響應(yīng)產(chǎn)生重要影響。因此，模擬2035年不同土地利用發(fā)展情景，對(duì)比流域水文響應(yīng)變化，對(duì)流域土地利用管理規(guī)劃和優(yōu)化有重要意義。

在土地利用預(yù)測(cè)方法上，常用的模型有元胞自動(dòng)機(jī)模型(CA)、土地變化模型(LCM)及FLUS模型等[14]。FLUS模型是Li等[15]提出的地理模擬與空間優(yōu)化系統(tǒng)(Geographical Simulation and Optimization System，Geo SOS)，是基于CA的改進(jìn)，能有效解決傳統(tǒng)元胞自動(dòng)機(jī)中各土地利用類型轉(zhuǎn)換規(guī)則及參數(shù)確定復(fù)雜等問題。當(dāng)前，F(xiàn)LUS模型主要應(yīng)用于城市、縣域等以行政邊界劃分區(qū)域的土地利用變化和預(yù)測(cè)模擬[16-21]，被認(rèn)為有較好的模擬精度，但是在流域尺度的應(yīng)用方面較少。因此，本研究基于FLUS模型進(jìn)行流域土地利用預(yù)測(cè)，對(duì)流域土地利用研究有現(xiàn)實(shí)意義。

2 研究區(qū)及數(shù)據(jù)來源

2.1 研究區(qū)概況

汨羅江屬于洞庭湖水系支流，發(fā)源于湖南省平江縣、湖北省通城縣、江西省修水縣3個(gè)縣交界處的黃龍山梨樹堝(修水縣境)。流域范圍涉及岳陽(yáng)縣、長(zhǎng)沙縣、汨羅市、平江縣和修水縣5個(gè)行政縣市(圖1)，地跨湖南和江西兩省。汨羅江干流全長(zhǎng)253.6 km，流域總面積5 555.86 km2。流域內(nèi)地形東、南、北高，西面低，由東到西呈現(xiàn)由山地→丘陵→洞庭湖平原的變化。流域內(nèi)為亞熱帶濕潤(rùn)性氣候，四季分明，降水集中在4—7月份。流域內(nèi)主要涉及5個(gè)縣市行政區(qū)，以汨羅市和平江縣行政區(qū)為主。

圖1 汨羅江流域研究范圍Fig.1 Map of Miluo River Basin

2.2 數(shù)據(jù)來源與處理

本研究基于2000年、2010年、2018年三期土地利用數(shù)據(jù)預(yù)測(cè)2035年的土地利用情況。所用土地利用數(shù)據(jù)來源于中國(guó)科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心[22]，空間分辨率為30 m，對(duì)數(shù)據(jù)進(jìn)行了Kappa精度驗(yàn)證，2000年土地利用數(shù)據(jù)總體精度為90.29%，Kappa系數(shù)為0.895 1；2010年土地利用數(shù)據(jù)總體精度為95.74%，Kappa系數(shù)為0.894；2018年土地利用數(shù)據(jù)總體精度為86.00%，Kappa系數(shù)為0.848 8，數(shù)據(jù)達(dá)到分類精度要求。

本研究所用數(shù)字高程模型(Digital Elevation Model，DEM)數(shù)據(jù)來源于ALOS DEM數(shù)據(jù)集，空間分辨率為12.5 m，將數(shù)據(jù)重采樣為30 m精度。流域研究范圍來源于對(duì)DEM數(shù)據(jù)的水文分析和流域范圍提取。人口分布和國(guó)內(nèi)生產(chǎn)總值(Gross Domestic Product，GDP)數(shù)據(jù)來源于中國(guó)人口空間分布公里網(wǎng)格數(shù)據(jù)集[23]和中國(guó)GDP空間分布公里網(wǎng)格數(shù)據(jù)集[24]，通過數(shù)據(jù)重采樣，獲取30 m精度數(shù)據(jù)?；巨r(nóng)田數(shù)據(jù)來自汨羅市規(guī)劃局。實(shí)測(cè)水文數(shù)據(jù)采用流域內(nèi)的伍市水文站2015—2018年逐月流量數(shù)據(jù)，數(shù)據(jù)來源于湖南省水文水資源勘測(cè)局。土壤數(shù)據(jù)來源于1∶100萬(wàn)世界土壤數(shù)據(jù)集(HWSD)[25]。氣象數(shù)據(jù)采用2008—2018年的 CMADS V1.1數(shù)據(jù)集[26]。

3 研究方法

3.1 土地利用轉(zhuǎn)移矩陣分析

利用地理信息系統(tǒng)(GIS)中的tabulate area方法進(jìn)行不同土地類型的轉(zhuǎn)移方向和轉(zhuǎn)移數(shù)量的分析，土地利用轉(zhuǎn)移通用公式為[27]

(1)

式中：S代表面積；n代表土地利用類型數(shù)；i、j(i，j=1，2，…，n)分別代表轉(zhuǎn)移前與轉(zhuǎn)移后的土地利用類型；Sij表示轉(zhuǎn)移前的i類土地利用轉(zhuǎn)移成j類土地利用的面積。

3.2 FLUS模型

FLUS模型主要包括人工神經(jīng)網(wǎng)絡(luò)模型算法模塊(ANN-based Probability-of-occurrence Estimation)、基于自適應(yīng)慣性機(jī)制的元胞自動(dòng)機(jī)模塊(Self-Adaptive Inertia and Competition Mechanism CA)和馬爾科夫鏈(Markov Chain)計(jì)算模塊三大內(nèi)容，是基于浮現(xiàn)概率和土地競(jìng)爭(zhēng)機(jī)制進(jìn)行的土地利用模擬預(yù)測(cè)模型。首先利用土地利用數(shù)據(jù)及相關(guān)驅(qū)動(dòng)因素，通過設(shè)置2%神經(jīng)網(wǎng)絡(luò)訓(xùn)練采樣比例，選擇隨機(jī)采樣模式在ANN模塊中對(duì)樣本進(jìn)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練，得到各土地利用類型在各像元上的適宜性概率分布。在CA模塊中輸入土地利用數(shù)據(jù)、適宜性概率分布數(shù)據(jù)，通過設(shè)定各類土地利用類型預(yù)測(cè)像元數(shù)、鄰域權(quán)重、轉(zhuǎn)化成本、迭代次數(shù)(500次)，從而進(jìn)行土地利用情景預(yù)測(cè)。

3.2.1 土地利用變化影響因子

土地利用變化受自然、社會(huì)、經(jīng)濟(jì)等方面綜合影響，本研究結(jié)合流域水安全規(guī)劃的要求，考慮數(shù)據(jù)可獲得因素，最終確定了12項(xiàng)驅(qū)動(dòng)因子和2項(xiàng)限制因子。

在驅(qū)動(dòng)因子方面，選取地形、坡度、坡向、交通、與政府距離、人口、GDP等 12項(xiàng)數(shù)據(jù)作為土地利用變化的驅(qū)動(dòng)因子。其中，在交通因子方面，考慮不同的道路類型、等級(jí)和密度對(duì)土地利用類型變化的影響，劃分為與城鎮(zhèn)道路的距離、與國(guó)道省道的距離、與鄉(xiāng)道的距離、與高速出入口的距離、與鐵路站點(diǎn)的距離，以凸顯發(fā)展建設(shè)在交通因素影響下的特點(diǎn)。

在限制因子方面，從水資源保護(hù)的角度出發(fā)，依據(jù)水源涵養(yǎng)功能重要性，結(jié)合《湖南省主要水系地表水環(huán)境功能區(qū)劃脈絡(luò)表(河流)》中的相關(guān)規(guī)定，通過判別重要水源涵養(yǎng)保護(hù)區(qū)設(shè)置土地利用限制轉(zhuǎn)化因子。重要水源涵養(yǎng)區(qū)識(shí)別主要包括河流緩沖區(qū)、水源地、水源涵養(yǎng)林3個(gè)方面。河流保護(hù)緩沖區(qū)采用一級(jí)支流兩側(cè)1 000 m范圍內(nèi)；二級(jí)支流兩側(cè)200 m范圍內(nèi)進(jìn)行保護(hù)區(qū)劃定。水源地包括河渠、湖泊、水庫(kù)坑塘、灘地4類，對(duì)面積>1 km2的湖泊水庫(kù)進(jìn)行200 m保護(hù)范圍的劃定，對(duì)于其他水體采用現(xiàn)狀保護(hù)。對(duì)水源涵養(yǎng)林地的保護(hù)區(qū)劃定主要依據(jù)土地利用分類二級(jí)分類中的有林地的分布進(jìn)行判別，有林地是指喬木郁閉度>0.3的天然林和人工林地，包括用材林、經(jīng)濟(jì)林、防護(hù)林等成片林地，在涵養(yǎng)水源方面起到重要作用，因此，也作為限制因子限制土地的開發(fā)和轉(zhuǎn)換。同時(shí)，結(jié)合國(guó)家對(duì)于基本農(nóng)田的保護(hù)政策，限制因子包括基本農(nóng)田范圍。具體數(shù)據(jù)來源詳見表1。

表1 土地利用變化影響因子信息Table 1 Impact factors of land use change

3.2.2 未來土地利用像元設(shè)定

利用FLUS模型中馬爾科夫鏈(Markov Chain)模塊進(jìn)行未來土地利用像元預(yù)測(cè)，在2000年、2010年、2018年三期土地利用數(shù)據(jù)的基礎(chǔ)上，預(yù)測(cè)了2035年土地利用數(shù)據(jù)(表2),其公式為[28]

表2 2000—2035年多期土地利用類型像元總數(shù)Table 2 Total number of pixels of multi-phase landuse types from 2000 to 2035

St+1=PijSt。

(2)

式中：St、St+1分別表示t時(shí)刻和t+1時(shí)刻土地的狀態(tài)；Pij表示在t時(shí)刻用地類型發(fā)生轉(zhuǎn)變的概率。

3.2.3 鄰域權(quán)重參數(shù)設(shè)定

鄰域權(quán)重參數(shù)是用來設(shè)定不同用地類型的擴(kuò)張能力，參數(shù)范圍為0～1，數(shù)值越接近1表示該用地類型的擴(kuò)張能力越強(qiáng)，當(dāng)前確定參數(shù)的方法主要有經(jīng)驗(yàn)法、無量綱量處理法和Moore鄰域模型法[18]。在參數(shù)設(shè)定上，歷史面積變化趨勢(shì)作為擴(kuò)張能力大小的客觀依據(jù)進(jìn)行賦值運(yùn)算，本研究將汨羅江流域2000—2018年各類土地利用的歷史總面積變化量進(jìn)行無量綱量處理，進(jìn)而對(duì)鄰域權(quán)重參數(shù)進(jìn)行賦值(表3、表4)。無量綱量公式為

表3 2000—2018年的各類土地利用類型總面積變化Table 3 Changes in total area of land use types from2000 to 2018 km2

表4 鄰域因子權(quán)重Table 4 Weight of neighborhood factor

(3)

式中：X*表示離差標(biāo)準(zhǔn)化值；Xmax為數(shù)據(jù)最大值；Xmin為數(shù)據(jù)最小值。

3.2.4 轉(zhuǎn)換成本矩陣設(shè)定

成本矩陣是指各土地利用類型之間的變化規(guī)則，0表示不能轉(zhuǎn)化，1表示允許轉(zhuǎn)化。當(dāng)前主要有依據(jù)經(jīng)驗(yàn)、歷史變化分析、專家咨詢和情景設(shè)置的方式進(jìn)行參數(shù)設(shè)定。其中，結(jié)合土地利用變化現(xiàn)實(shí)情況和國(guó)家政策導(dǎo)向，綜合考慮歷史變化和未來發(fā)展趨勢(shì)，更能保障模擬過程反映真實(shí)情景[16，21]。依據(jù)2000—2018年間汨羅江流域各土地利用類型的轉(zhuǎn)換情況可知，各類型用地之間基本都存在轉(zhuǎn)入與轉(zhuǎn)出的情況。本研究綜合考慮國(guó)家退耕還湖、退耕還林、退耕還草、土地復(fù)墾、基本農(nóng)田保護(hù)、一般農(nóng)田控制性轉(zhuǎn)建設(shè)用地、荒地開墾等影響土地利用變化的相關(guān)政策，對(duì)轉(zhuǎn)換成本的設(shè)定如表5所示。

表5 轉(zhuǎn)換成本矩陣Table 5 Transformation cost matrix

3.3 SWAT模型

3.3.1 SWAT模型建立

SWAT模型是美國(guó)農(nóng)業(yè)部農(nóng)業(yè)研究中心開發(fā)的分布式流域水文模型，在流域尺度上有較好的準(zhǔn)確性和應(yīng)用廣泛性。首先利用DEM數(shù)據(jù)和現(xiàn)有水文分布數(shù)據(jù)，將汨羅江流域劃分為69個(gè)子流域，然后對(duì)SWAT模型的土地利用、土壤、坡度數(shù)據(jù)進(jìn)行設(shè)定。為了強(qiáng)化模型產(chǎn)流量對(duì)土地利用變化的敏感性，在水文響應(yīng)研究的閾值劃定時(shí)，將土地利用最小閾值設(shè)為0，土壤類型和坡度閾值設(shè)為10%。在氣候數(shù)據(jù)建立上，利用在流域尺度有較好精度的CMADS V1.1數(shù)據(jù)集[29]獲取了35個(gè)CMADS氣象站點(diǎn)，構(gòu)建氣候數(shù)據(jù)庫(kù)，包括降雨、溫度、相對(duì)濕度、太陽(yáng)輻射、風(fēng)速數(shù)據(jù)信息，進(jìn)行流域逐月徑流模擬。

3.3.2 SWAT模型率定及驗(yàn)證

采用SWAT-CUP的SUFI-2算法進(jìn)行率定，基于伍市水文站逐月平均徑流量觀測(cè)數(shù)據(jù)，設(shè)2015—2016年為率定期，2017—2018年為驗(yàn)證期，對(duì)水文模型進(jìn)行率定和驗(yàn)證。選取決定系數(shù)R2與納什效率系數(shù)NS作為評(píng)價(jià)指標(biāo)。其中，R2和NS結(jié)果越趨近1，表明模型結(jié)果越準(zhǔn)確，而R2和NS結(jié)果<0.5，表明模型結(jié)果不合格。結(jié)果顯示率定期R2=0.97、NS=0.97，驗(yàn)證期R2=0.91、NS=0.9，表明水文模型結(jié)果符合要求。

本研究以探討不同模擬情景下的未來土地利用變化產(chǎn)生的徑流差異為目的，為了降低不同時(shí)期降雨帶來的徑流量影響，將降雨模擬時(shí)間固定為2018年，進(jìn)行2035年不同情景土地利用下流域徑流量對(duì)比。

4 結(jié)果與分析

4.1 汨羅江流域土地利用變化

根據(jù)2000—2018年汨羅江流域土地利用轉(zhuǎn)移矩陣(表6)可知，在2000—2018年間，汨羅江流域中面積增加量從大到小依次為建設(shè)用地、草地、水域、未利用地。其中建設(shè)用地面積占比從0.87%增加到1.76%。面積來源從高到低依次為耕地、林地、草地、水域。草地和水域面積稍有增加。林地、耕地的面積有所減少。其中，林地面積減少最多，面積占比從70.12%下降到69.47%，主要轉(zhuǎn)出為耕地、建設(shè)用地和草地，體現(xiàn)了流域范圍內(nèi)的城市化過程對(duì)林地的侵占砍伐。從土地利用類型的分布變化來看，汨羅市建設(shè)用地呈現(xiàn)沿著汨羅江和南部林地、耕地?cái)U(kuò)張的趨勢(shì)，平江縣建設(shè)用地呈現(xiàn)向南部林地、耕地?cái)U(kuò)張的趨勢(shì)，見圖2(a)— 圖2(c)。符合城市在發(fā)展中沿著江河水系和向四周農(nóng)田林地?cái)U(kuò)張的規(guī)律。

表6 汨羅江流域2000—2018年土地利用轉(zhuǎn)移矩陣Table 6 Land use transfer matrix of Miluo River Basin from 2000 to 2018 km2

圖2 2000—2035年多期汨羅江流域土地利用變化情況Fig.2 Multi-phase land use change of Miluo RiverBasin from 2000 to 2035

4.2 多情境模擬下的土地利用預(yù)測(cè)

4.2.1 模型精度驗(yàn)證

將2018年預(yù)測(cè)土地利用數(shù)據(jù)與2018年的實(shí)際值進(jìn)行比較，計(jì)算總體精度和Kappa系數(shù)。當(dāng)總體精度和Kappa系數(shù)的值越接近1表明模擬精度越好；當(dāng)Kappa系數(shù)>0.8時(shí)表明模型的模擬精度在統(tǒng)計(jì)學(xué)上達(dá)到較滿意的狀態(tài)。通過精度驗(yàn)證可知，總體精度為0.951，Kappa系數(shù)為0.893，達(dá)到較高的模擬精度，表明FLUS模型在本研究有較好的適用性。

4.2.2 基準(zhǔn)情景土地利用變化預(yù)測(cè)

在基準(zhǔn)情景下，CA模擬過程中不設(shè)置限制因子，所有地類依照轉(zhuǎn)換成本矩陣規(guī)則進(jìn)行相互轉(zhuǎn)換。從模擬結(jié)果來看(表7)，在2035年基準(zhǔn)情景模擬下，汨羅江流域建設(shè)用地面積增加最多，由97.63 km2增加到124.05 km2，面積占比從2018年的1.76%上升到2.23%；其次為水域，面積呈現(xiàn)小幅度增加。林地、耕地、草地、未利用地面積減少，其中林地減少的最多，面積占比從2018年的69.47%下降到69.17%?？傮w呈現(xiàn)林地、耕地、草地、未利用地轉(zhuǎn)化為建設(shè)用地和水域的趨勢(shì)。

表7 汨羅江流域2018年與2035年模擬情景的土地利用結(jié)構(gòu)Table 7 Land use structure of Miluo River Basin in 2018 and simulation scenario in 2035 km2

基準(zhǔn)情景下汨羅江流域2035年土地利用預(yù)測(cè)結(jié)果顯示，建設(shè)用地主要圍繞汨羅市和平江縣現(xiàn)有建設(shè)用地斑塊向周邊的林地、耕地?cái)U(kuò)張。其中汨羅市建設(shè)用地斑塊擴(kuò)張區(qū)域與政府和2處鐵路站點(diǎn)位置相關(guān)性明顯，并有沿著水系向南面發(fā)展的趨勢(shì)，形成連續(xù)大面積建設(shè)用地斑塊。平江縣建設(shè)用地主要圍繞政府向水系南北兩岸的林地、耕地呈輻射狀擴(kuò)張。在平江縣北部的鐵路與水系交匯處，建設(shè)用地呈現(xiàn)輕微分散型擴(kuò)張趨勢(shì)，見圖2(d)。

4.2.3 基于限制情景的土地利用變化預(yù)測(cè)

在限制情景下，CA模擬過程中設(shè)置限制因子，限制重要水源涵養(yǎng)區(qū)和基本農(nóng)田區(qū)的土地利用類型進(jìn)行轉(zhuǎn)變。從模擬結(jié)果來看(表7)，相較基準(zhǔn)情景的土地利用變化情況，限制情景的林地、未利用地比基準(zhǔn)情景分別增加了0.14 km2和0.04 km2，耕地和草地面積分別減少了0.13 km2和0.06 km2，水域和建設(shè)用地面積未發(fā)生變化。各土地利用類型總體面積比例較基準(zhǔn)情景無變化。

限制情景下汨羅江流域2035年土地利用預(yù)測(cè)結(jié)果顯示，汨羅市和平江縣建設(shè)用地斑塊擴(kuò)張的趨勢(shì)較基準(zhǔn)情景明顯減緩。汨羅市建設(shè)用地斑塊向周邊一般農(nóng)田小幅度擴(kuò)張，斑塊連續(xù)性和面積增幅降低，周邊鄉(xiāng)村居民點(diǎn)建設(shè)用地呈現(xiàn)小幅增加的趨勢(shì)。平江縣建設(shè)用地斑塊呈現(xiàn)分散型擴(kuò)張趨勢(shì)，形成多個(gè)不連續(xù)斑塊。見圖2(e)。

4.3 多情景下汨羅江流域徑流量變化

通過SWAT模擬結(jié)果可知，限制情景下的流域累積年徑流量較基準(zhǔn)情景下減少38.35萬(wàn)m3。從各個(gè)子流域的年徑流量差值(圖3)來看，37個(gè)子流域限制情景產(chǎn)生的徑流量少于或等于基準(zhǔn)情景，其中26號(hào)子流域的徑流減少量最明顯；26個(gè)子流域限制情景產(chǎn)生的徑流量大于限制情景，其中7號(hào)子流域徑流量增加最多。

圖3 汨羅江子流域多情景年徑流量差值Fig.3 Annual runoff difference in multiple simulationscenarios of Miluo River sub-basins

對(duì)比2個(gè)情景下子流域各類型土地利用變化可知。 流域內(nèi)河流沿線的子流域總體呈現(xiàn)徑流量減少趨勢(shì)， 其中， 6、 7、 17、 31、 63號(hào)子流域徑流量增加， 主要與限制情景下村莊居民點(diǎn)建設(shè)用地?cái)U(kuò)張有關(guān)； 24、 26號(hào)子流域徑流量減少歸因于汨羅市建設(shè)用地斑塊擴(kuò)張趨勢(shì)下降， 以及耕地、 水域保護(hù)； 45、 55號(hào)子流域流量減少和37號(hào)子流域流量增加主要因?yàn)槠浇h建設(shè)用地面積的減少和分散式布局， 以及林地、 耕地、 水域得到不同程度的保護(hù)有關(guān)。 因此， 限制情景下對(duì)水源涵養(yǎng)區(qū)和基本農(nóng)田進(jìn)行保護(hù)和限制轉(zhuǎn)化， 對(duì)于流域的徑流量減少起到重要作用。

5 結(jié)論與討論

5.1 結(jié) 論

本研究對(duì)汨羅江流域2000—2018年間的土地利用變化進(jìn)行了解讀，依據(jù)流域土地利用變化規(guī)律，利用FLUS模型進(jìn)行基準(zhǔn)情景和限制情景的2035年流域土地利用預(yù)測(cè)，通過SWAT模擬評(píng)估不同土地利用模擬情景下流域徑流量變化情況。結(jié)論如下：

(1)汨羅江流域在2000—2018年間，6種土地利用類型都發(fā)生了變化，面積增加量從大到小依次為建設(shè)用地、草地、水域、未利用地，林地、耕地的面積有所減少。土地利用變化主要與城市化過程對(duì)林地、耕地的侵占以及流域內(nèi)建設(shè)用地沿水系發(fā)展擴(kuò)張有關(guān)。

(2)對(duì)2035年土地利用預(yù)測(cè)結(jié)果顯示，2種情景的土地利用類型面積變化差異微小，限制情景的林地、未利用地比基準(zhǔn)情景分別增加了0.14、0.04 km2，耕地和草地面積分別減少了0.13、0.06 km2，土地利用類型在總體面積比例上無變化。但是土地利用類型空間分布差異明顯。限制情景下，流域范圍內(nèi)的汨羅市和平江縣建設(shè)用地斑塊擴(kuò)張的趨勢(shì)較基準(zhǔn)情景明顯減緩，建設(shè)用地呈分散型擴(kuò)張趨勢(shì)。

(3)對(duì)2種土地利用情景進(jìn)行SWAT模擬可知，限制情景下的流域累積年徑流量較基準(zhǔn)情景下減少38.35萬(wàn)m3。在土地利用類型面積變化量微小的情況下，通過對(duì)重要水源涵養(yǎng)區(qū)、基本農(nóng)田區(qū)進(jìn)行土地利用轉(zhuǎn)換限制，調(diào)整土地利用變化空間格局對(duì)流域徑流量減少有積極影響。

5.2 討 論

本研究從流域出發(fā)，基于流域2000—2018年的土地利用變化趨勢(shì)，結(jié)合當(dāng)下國(guó)家政策趨勢(shì)，預(yù)測(cè)2035年的土地利用基準(zhǔn)情景和限制情景。通過SWAT模擬評(píng)估了2種情景對(duì)流域徑流量的影響，為流域尺度的土地利用變化預(yù)測(cè)和管理優(yōu)化提供參考。在驅(qū)動(dòng)因子選擇上雖然考慮了社會(huì)、經(jīng)濟(jì)和自然3個(gè)方面的因素，但是受限于流域范圍和行政界限上的差異，部分影響土地利用變化的社會(huì)經(jīng)濟(jì)因素沒有考慮，希望能在今后的研究中進(jìn)一步完善和探討。

流域的管理和土地利用優(yōu)化問題復(fù)雜，本研究基于固定降雨年評(píng)估了土地利用變化帶來的流域徑流量的影響。然而，隨著全球氣候變遷，未來氣候變化是影響流域水安全的重要因素。因此在今后的研究中，希望能進(jìn)一步從氣候變化預(yù)測(cè)、土地利用優(yōu)化等角度出發(fā)，設(shè)置多種發(fā)展情景，以提出基于水安全的流域土地利用優(yōu)化策略，推動(dòng)流域尺度的可持續(xù)發(fā)展研究。

致謝：感謝湖南省水文水資源勘測(cè)局對(duì)本論文中水文站數(shù)據(jù)的支持和貢獻(xiàn)。