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

蔣小芳， 段翰晨， 廖 杰， 宋 翔， 薛 嫻

（1.中國科學(xué)院西北生態(tài)環(huán)境資源研究院沙漠與沙漠化重點(diǎn)實(shí)驗(yàn)室，甘肅 蘭州 730000；2.中國科學(xué)院大學(xué)，北京 100049；3.中國科學(xué)院西北生態(tài)環(huán)境資源研究院干旱區(qū)鹽漬化研究站，甘肅 蘭州 730000）

20 世紀(jì)90 年代土地利用結(jié)構(gòu)變化問題開始受到關(guān)注［1］，現(xiàn)已成為LUCC 研究的熱點(diǎn)。LUCC 模型是研究土地利用動態(tài)變化的重要手段，根據(jù)各種模型的優(yōu)勢可以分為數(shù)量模擬模型、空間模擬模型及耦合模型［2-5］。數(shù)量模擬模型主要包括SD（System Dynamics）、GF（Gray Forecast）和MC（Markov Chain）等模型，這類模型能有效地模擬和預(yù)測土地利用類型的數(shù)量結(jié)構(gòu)，但難以實(shí)現(xiàn)空間結(jié)構(gòu)模擬［6-8］。空間模擬模型有CA（Cellular Automaton）、CLUE-S（Conversion of Land Use and Its Effects at Small Regional Extent）、FLUS（Future Land Use Simulation Model）、ABM（Agent-Based Model）和PLUS（Patch-Generating Land Use Simulation Model）等模型，它們均可用于模擬地類的空間布局，但在數(shù)量模擬方面存在不足［9-11］。耦合模型旨在集合多個模型的優(yōu)勢，提高了單一模型的模擬精度，為土地利用研究提供有力保障［12-14］。

目前，用于土地利用/土地覆蓋變化模擬的幾種耦合模型主要是通過數(shù)量模型得到各地類的數(shù)量結(jié)構(gòu)，然后用空間模型得到未來不同情景下的空間布局。He 等［15］以成都市為研究區(qū)，運(yùn)用SD 模型在宏觀層面上對各地類進(jìn)行了數(shù)值上的模擬，采用CLUE-S 模型在微觀層面上對該數(shù)值進(jìn)行了空間上的分配，成功地探索了不同情景下的未來城市增長模式。Liang 等［16］基于SD-CLUE-S 和InVEST（Intergrated Valuation of Environmental Services and Tradeoffs）模型模擬和預(yù)測了2000—2018年張掖綠洲土地利用變化對像元尺度和區(qū)域尺度碳儲量的影響。Ding 等［17］建立了一個基于FLUS 與InVEST 模型的耦合模型，有效地模擬了東營市2030年不同情景的人居環(huán)境質(zhì)量變化。

研究表明，在耦合模型中，空間模擬模型的性能尤為重要，而不同模型的適用區(qū)域存在差異。PLUS模型通過隨機(jī)森林算法挖掘地類轉(zhuǎn)化概率，善于處理高維數(shù)據(jù)［18］。CLUE-S 模型來源于CLUE 模型，解決了CLUE 模型不適用于小區(qū)域模擬的局限性［4,19］。FLUS模型采用神經(jīng)網(wǎng)絡(luò)算法獲得適宜性概率，有利于保證模擬精度的提升［20］。Peng等［21-22，4］將隨機(jī)森林算法與CLUE-S 模型結(jié)合，充分利用隨機(jī)森林算法在處理高維共線性問題方面的優(yōu)勢。林麗等［23］選擇LCM（Land Change Modeler）、FLUS、CAMarkov和CLUE-S模型對地形復(fù)雜的云南山區(qū)進(jìn)行研究，最終發(fā)現(xiàn)不同土地利用類型的適用模型存在差異，F(xiàn)LUS模型更適于模擬建設(shè)用地，CLUE-S模型在園地存在過擬合現(xiàn)象。Liang 等［18］對武漢市進(jìn)行研究，發(fā)現(xiàn)PLUS 模型在該區(qū)域的模擬性能優(yōu)于FLUS模型。由此可見，不同空間模擬模型在不同區(qū)域表現(xiàn)出不同的模擬結(jié)果。

位于中國西北干旱區(qū)的張掖市甘州區(qū)、臨澤縣和高臺縣（本文簡稱甘臨高），處于河西走廊中部的黑河流域中游、青藏高原和蒙古高原的連接處，具有典型的區(qū)域代表性，加之該區(qū)生態(tài)環(huán)境和社會經(jīng)濟(jì)發(fā)展對土地利用變化較為敏感。因此，研究該區(qū)的土地利用變化具有重要意義。為深入探究PLUS、CLUE-S 和FLUS 空間模擬模型在該區(qū)的適用性，更好地預(yù)測土地利用變化，筆者選取甘臨高地區(qū)為研究區(qū)，通過對比PLUS、FLUS 和CLUE-S 模型模擬結(jié)果，篩選最適于該區(qū)的空間模擬模型；然后將其與SD 數(shù)量模擬模型耦合，預(yù)測2030 年不同情景下研究區(qū)的土地利用格局，為區(qū)域社會經(jīng)濟(jì)可持續(xù)發(fā)展提供參考。

1 研究區(qū)概況與方法

1.1 研究區(qū)概況

黑河是中國第二大內(nèi)陸河，黑河流域中游的張掖市甘州區(qū)、臨澤縣和高臺縣的是本文的研究區(qū)。該區(qū)地理位置為98°57′～100°52′E、38°39′～39°59′N（圖1）。研究區(qū)的氣候類型為溫帶大陸性氣候，年均降水量約為100～150 mm，年均蒸發(fā)量高達(dá)2047.9 mm，年均氣溫在8～9 ℃區(qū)間波動。研究區(qū)地勢南北高、中間低，主要的地表覆蓋類型為耕地、草地、荒漠等［24］。該區(qū)位于干旱區(qū)，生態(tài)環(huán)境脆弱，草地的萎縮和耕地的不合理擴(kuò)張加劇了荒漠化。

圖1 研究區(qū)在甘肅省的地理位置（a）、高程（b）、地貌類型（c）和2015年土地利用空間分布（d）Fig.1 Geographical location of the study area in Gansu Province(a),elevation(b),landform type(c)and the spatial distribution map of land use in 2015(d)

1.2 數(shù)據(jù)來源及處理

土地利用數(shù)據(jù)、自然環(huán)境數(shù)據(jù)和社會經(jīng)濟(jì)數(shù)據(jù)均來源于中國科學(xué)院資源環(huán)境數(shù)據(jù)共享中心（http://www.resdc.cn）。除氣溫、降水、人口和GDP 數(shù)據(jù)的空間分辨率為1 km，其余數(shù)據(jù)的空間分辨率為30 m（表1）。本研究將所有數(shù)據(jù)的空間分辨率重采樣為30 m。不同像元與道路、河流、居民點(diǎn)的距離數(shù)據(jù)均是ArcGIS 10.2 軟件中基于相應(yīng)矢量數(shù)據(jù)計(jì)算歐氏距離的結(jié)果。

表1 研究數(shù)據(jù)源信息Tab.1 Data source information of the research

1.3 模型與方法

1.3.1 土地利用空間格局模擬及驗(yàn)證

（1）3種空間模型介紹

PLUS 模型包括基于土地?cái)U(kuò)張分析策略的轉(zhuǎn)化規(guī)則挖掘框架和基于多類型隨機(jī)斑塊種子機(jī)制的CA 模型兩大模塊［18］（圖2）。CLUE-S 模型包括非空間土地需求模塊和空間分配模塊兩大部分［4,19］。本研究采用線性插值法計(jì)算2000—2015 年間不同地類的需求面積，不同地類與驅(qū)動因素之間的關(guān)系數(shù)據(jù)來源于Logistics 回歸方程。研究采用ROC（Relative Operating Characteristics）方法檢驗(yàn)Logistics 回歸的結(jié)果，當(dāng)ROC＞0.7，說明回歸方程能夠較好地解釋地類結(jié)構(gòu)［25］，然后采用空間分配模塊進(jìn)行空間結(jié)構(gòu)模擬。FLUS模型由2個模塊構(gòu)成［20］，第一個模塊采用神經(jīng)網(wǎng)絡(luò)算法基于初始年份的土地利用數(shù)據(jù)與驅(qū)動因素柵格數(shù)據(jù)獲得適宜性概率，第二個模塊基于輪盤賭法則的自適應(yīng)慣性競爭機(jī)制研究不同驅(qū)動因素影響下各地類的轉(zhuǎn)化。

圖2 本研究流程Fig.2 Flow chart of this study

（2）模型精度驗(yàn)證指標(biāo)

主要采用3種模型精度驗(yàn)證方法。第一種方法是逐像元精度評價方法，評價指標(biāo)為FoM［26-27］。第二種方法是空間格局比較法，評價指標(biāo)為景觀格局相似度，本研究采用Fragstats 4.2.1軟件計(jì)算模擬與實(shí)際的土地利用結(jié)構(gòu)圖的景觀指數(shù)，進(jìn)而獲得景觀格局相似度Sim［28］，公式如下：

式中：n表示指標(biāo)總數(shù)；li,s表示模擬土地利用結(jié)構(gòu)圖的景觀指數(shù)；li,o表示實(shí)際土地利用結(jié)構(gòu)圖的景觀指數(shù)。第三種方法是Kappa 系數(shù)，該系數(shù)主要被用于驗(yàn)證空間模擬精度。本文使用PONTIUS 發(fā)展的Kappa系數(shù)量化位置錯誤和數(shù)量錯誤［29］，采用IDRISI 17.0 軟件計(jì)算數(shù)量Kappa 系數(shù)（Kno）、位置Kappa系數(shù)（Klocation）和標(biāo)準(zhǔn)Kappa系數(shù)（Kstandard）。

1.3.2 基于SD模型的未來情景預(yù)測

（1）SD模型介紹

SD 模型于1956 年建立，該模型是生態(tài)環(huán)境和經(jīng)濟(jì)發(fā)展復(fù)合系統(tǒng)的仿真模擬實(shí)驗(yàn)室，在數(shù)據(jù)模擬方面功能強(qiáng)大［10,30］。本研究使用的SD 模型包括人口、經(jīng)濟(jì)、生產(chǎn)力和氣候4 個子系統(tǒng)（圖3）。甘臨高地區(qū)的各變量數(shù)據(jù)參考張掖地區(qū)，各系統(tǒng)變量的數(shù)值來源于《甘肅發(fā)展年鑒》《張掖統(tǒng)計(jì)年鑒》和《中國城市統(tǒng)計(jì)年鑒》等文獻(xiàn)［31-34］。使用SPSS 23軟件進(jìn)行統(tǒng)計(jì)分析，獲得不同變量間的數(shù)量關(guān)系，SD 模型模擬的時間范圍為2000—2030年，時間步長為1 a。

圖3 SD模型結(jié)構(gòu)框架Fig.3 Flow chart of SD model

（2）SD模型檢驗(yàn)

SD模型歷史仿真檢驗(yàn)的相對誤差計(jì)算公式為：

為驗(yàn)證模型仿真效果，本文確定歷史檢驗(yàn)時間為2015年，歷史檢驗(yàn)的相對誤差均低于5%，這說明模型的模擬精度較高，能夠正確預(yù)測土地系統(tǒng)結(jié)構(gòu)（表2）。

表2 SD模型模擬結(jié)果的歷史性檢驗(yàn)Tab.2 Historical test of SD model’s simulation results /hm2

（3）情景選擇

“十二五”規(guī)劃期間張掖市GDP 年均增速為10.5%，人口年均增長率為5.2‰，“十三五”規(guī)劃期間GDP 年均增長率為8.5%，綜合考慮將HD、ED 和EP 情景下的GDP 增長率分別設(shè)置為12%、14%和9%（表3）；由于二孩政策的實(shí)施，本研究將HD、ED和EP情景下的人口增長率分別設(shè)置為6‰、10‰和4‰。甘肅省城鎮(zhèn)體系規(guī)劃（2013—2030年）中要求規(guī)劃期末張掖綠洲生態(tài)城鄉(xiāng)統(tǒng)籌發(fā)展區(qū)城鎮(zhèn)化率應(yīng)達(dá)到61.8%，據(jù)此本研究將HD、ED 和EP 情景下的城鎮(zhèn)化率分別設(shè)置為61.8%、65%和60%。IPCC報(bào)告指出2016—2035 年全球氣溫和降水會逐年增加［35］。參考前人的研究［36］，HD、ED 和EP 情景下的年均氣溫與降水變化量都設(shè)置為正值。根據(jù)統(tǒng)計(jì)年鑒中的技術(shù)研發(fā)投入數(shù)據(jù)確定技術(shù)參數(shù)。

表3 不同情景的參數(shù)設(shè)定Tab.3 Parameter setting of different scenarios

2 結(jié)果與分析

2.1 PLUS模型與其他模型的模擬結(jié)果

為對比分析CLUE-S、PLUS和FLUS模型的模擬效果，通過重采樣將研究像元尺度統(tǒng)一為50 m。當(dāng)模擬尺度為50 m時，耕地、林地、農(nóng)村建設(shè)用地和未利用地的ROC最高（表4）。由此可知，CLUE-S模型在本研究區(qū)的最佳研究尺度為50 m。PLUS 模型在30 m、50 m、100 m 和200 m 柵格尺度下的FoM 分別為0.234、0.184、0.145 和0.152，相同像元尺度下FLUS 模型的模擬精度分別為0.147、0.133、0.128 和0.117。據(jù)此可得，PLUS和FLUS模型的最佳擬合尺度均為30 m。

表4 CLUE-S模型的ROC指數(shù)Tab.4 ROC index of CLUE-S model

在50 m 研究尺度下PLUS、FLUS 和CLUE-S 模型的FoM 值分別為0.184、0.133 和0.133，PLUS 模型在模擬精度上優(yōu)于FLUS 和CLUE-S 模型。PLUS、CLUE-S 和FLUS 模型的Kno分別為0.9625、0.9444 和0.9188，Klocation分別為0.9456、0.9193 和0.8818，Kstandard分別為0.9455、0.9191 和0.8818。3 個模型的Kappa系數(shù)值均大于0.8，且Kno高于Klocation，說明3個模型的數(shù)量預(yù)測能力均優(yōu)于位置預(yù)測能力。PLUS 模型的3 種Kappa 系數(shù)最高，且均大于0.95，說明模型模擬結(jié)果與實(shí)際情況基本一致。

本文采用15 個景觀指數(shù)比較3 個模型在挖掘景觀變化方面的能力。Fragstats 4.2.1軟件計(jì)算的結(jié)果表明（表5），PLUS 模型有9 個景觀指數(shù)更貼近實(shí)際的景觀指數(shù)：NP、PARA_MN、PARA_MD、PARA_RA、PARA_CV、ENN_MN、ENN_RA、ENN_MD和ENN_SD；CLUE-S 模型有4個景觀指數(shù)與實(shí)際的景觀指數(shù)相符：PARA_AM、PLADJ、ENN_MD 和ENN_CV；FLUS模型的LPI、PARA_SD和ENN_AM 3個景觀指數(shù)值與實(shí)際的景觀指數(shù)相近。PLUS、FLUS 和CLUE-S 模型的景觀相似度Sim分別為0.64、0.21 和0.46，這說明PLUS 模型在景觀格局模擬方面優(yōu)勢明顯。

表5 不同模型2015年模擬結(jié)果的景觀指數(shù)Tab.5 Landscape data of simulation results of different models in 2015

總體上，PLUS 模型的整體模擬效果明顯優(yōu)于CLUE-S和FLUS模型，CLUE-S模型在地勢平坦地區(qū)模擬準(zhǔn)確度高于FLUS模型，而FLUS模型在地勢起伏較大地區(qū)的模擬效果優(yōu)于CLUE-S 模型（圖4）。（1）在臨澤縣、高臺縣和甘州區(qū)，CLUE-S 模型模擬的地形平坦處的耕地范圍略大于實(shí)際范圍，但是準(zhǔn)確度較高。在高臺縣南部海拔高處，CLUE-S模型模擬的草地范圍大于實(shí)際范圍；在臨澤縣和甘州區(qū)的北部海拔高處，CLUE-S模型模擬的草地范圍小于實(shí)際范圍；在地形平坦的中部地區(qū)，CLUE-S 模型模擬的建設(shè)用地范圍略小于實(shí)際范圍，在海拔高處，該模型模擬的林地和建設(shè)用地范圍大于實(shí)際范圍。（2）在臨澤縣和甘州區(qū)，F(xiàn)LUS模型模擬的耕地范圍顯著大于實(shí)際范圍，在高臺縣FLUS 模型模擬的耕地范圍小于實(shí)際范圍；FLUS模型模擬的海拔高處的草地范圍與實(shí)際情況較為接近，模擬精度較CLUE-S模型高，但略低于PLUS模型；FLUS模型模擬的林地和建設(shè)用地范圍較實(shí)際范圍略大。（3）PLUS模型的模擬準(zhǔn)確度顯著高于CLUE-S和FLUS模型，其模擬結(jié)果基本與實(shí)際范圍相符。與FLUS 模型相比，CLUE-S和PLUS模型模擬的農(nóng)村建設(shè)用地范圍與實(shí)際更相符。甘州區(qū)、臨澤縣和高臺縣的城市建設(shè)用地發(fā)展過程中均出現(xiàn)了“飛地式”擴(kuò)張現(xiàn)象，3 個模型在模擬這類建設(shè)用地時均失效，這或許是驅(qū)動因素與地類變化之間時間滯后的結(jié)果。

圖4 不同模型2015年的模擬結(jié)果對比Fig.4 Comparison of simulation results of different models in 2015

2.2 PLUS-SD耦合模型的不同情景預(yù)測結(jié)果

甘州區(qū)、臨澤縣和高臺縣各地類變化的區(qū)域多位于地類邊緣，以邊緣式擴(kuò)張為主（圖5，表6～表7）。（1）基于30 m分辨率土地利用數(shù)據(jù)模擬的結(jié)果表明，EP和HD情景中2015—2030年期間耕地面積增加，其來源均有草地。EP 情景下耕地面積減少，主要轉(zhuǎn)化為林地和草地，說明政府采取退耕還林還草措施保護(hù)生態(tài)環(huán)境。（2）ED情景中城市化水平顯著提高，技術(shù)發(fā)展迅速，2030年林地面積逐漸減少，主要轉(zhuǎn)化為耕地。EP和HD情景林地面積增加，HD情景中部分未利用地轉(zhuǎn)化為林地，EP情景增加的林地主要來自耕地。（3）2030年ED和HD情景的草地面積低于2015 年，EP 情景則相反。（4）城市發(fā)展導(dǎo)致熱島效應(yīng)和雨島效應(yīng)，全球變暖促使降水增加，模擬結(jié)果顯示3 種情景的水域面積均增加。（5）2030 年3 種情景的城市建設(shè)用地面積均增加，主要來自于未利用地。ED、EP和HD情景的農(nóng)村建設(shè)用地均呈不同程度下降，可能是大量農(nóng)村人口向城市人口轉(zhuǎn)變。（6）3種情景的未利用地主要向耕地和城市建設(shè)用地轉(zhuǎn)化，ED情景轉(zhuǎn)化面積最大，HD情景次之，EP情景轉(zhuǎn)化面積最小。

圖5 不同情景中的2030年土地利用結(jié)構(gòu)Fig.5 Land use structure in different scenarios in 2030

表6 不同情景的未來各土地利用類型面積預(yù)測結(jié)果Tab.6 Future prediction results of land use types under different scenarios /hm2

表7 不同情景的未來各土地利用轉(zhuǎn)移矩陣Tab.7 Future land use transition matrix under different scenarios /hm2

3 討論

3.1 PLUS-SD模型在甘臨高地區(qū)的適用性分析

（1）通過PLUS、FLUS 和CLUE-S 模型在甘臨高地區(qū)的模擬結(jié)果，可以發(fā)現(xiàn)PLUS模型在位置預(yù)測、數(shù)量預(yù)測和景觀格局相似度方面均優(yōu)于FLUS 和CLUE-S 模型，CLUE-S 模型在地形較為平坦地區(qū)模擬精度較高，而FLUS 模型在海拔高處模擬效果略優(yōu)于CLUE-S 模型。前人的研究得出了類似結(jié)論，Liang 等［18］的研究表明，PLUS 模型在模擬歷史土地利用變化過程方面優(yōu)于FLUS 模型；濟(jì)南市區(qū)土地利用變化模擬結(jié)果顯示FLUS模型模擬結(jié)果的Kappa 系數(shù)略低于CLUE-S 模型［37］。（2）本研究表明，F(xiàn)LUS 與PLUS 模型的研究格網(wǎng)愈密集，模擬結(jié)果愈優(yōu)，而CLUE-S 模型并未隨著格網(wǎng)密度增加而得到更優(yōu)的模擬結(jié)果。張永民等［38］基于Logistic 回歸模型采用100 m、250 m、500 m、750 m和1000 m這5種柵格尺度研究土地利用與不同影響因子的關(guān)系，結(jié)果顯示500 m 尺度下二者的相關(guān)性最高。CLUE-S模型基于傳統(tǒng)的二值邏輯斯蒂回歸確定地類空間結(jié)構(gòu)與影響因素之間的相關(guān)關(guān)系，其研究尺度不宜過度密集；而PLUS 模型在模擬細(xì)尺度元胞變化方面能力較強(qiáng)；FLUS模型通過增強(qiáng)空間分配和需求模擬之間的相互映射以達(dá)到“緊耦合的目標(biāo)”。（3）SD模型適用于模擬土地結(jié)構(gòu)中不同影響因素之間的數(shù)量關(guān)系，通過情景分析模擬政策變化的效果［39］。本研究將SD 與PLUS 模型耦合，獲得了不同情景下的土地利用結(jié)構(gòu)，有利于生態(tài)和經(jīng)濟(jì)的可持續(xù)發(fā)展。不少研究對未來不同情景下的土地利用格局進(jìn)行預(yù)測［40-41］。Lu等［42］將SD和CCDM（Coupling Coordination Degree Model）結(jié)合，對武漢市經(jīng)濟(jì)-資源-環(huán)境系統(tǒng)的模擬結(jié)果進(jìn)行了分析和評價，清晰地揭示了經(jīng)濟(jì)-資源-環(huán)境系統(tǒng)中各因素的耦合關(guān)系。Wu 等［43］建立SD-CLUE-S 耦合模型，發(fā)現(xiàn)綜合性模型能夠更好地模擬上海寶山地區(qū)景觀生態(tài)系統(tǒng)價值的動態(tài)變化。

3.2 不同情景模擬結(jié)果的對比分析

甘臨高地區(qū)的地表環(huán)境較惡劣，沙漠和戈壁面積較大。本研究的ED情景和EP情景偏重于經(jīng)濟(jì)發(fā)展或環(huán)境保護(hù)，不利于生態(tài)和經(jīng)濟(jì)協(xié)調(diào)發(fā)展;HD 情景兼具生態(tài)友好和經(jīng)濟(jì)建設(shè)的優(yōu)點(diǎn)。前人研究表明，甘臨高地區(qū)存在草地荒漠化現(xiàn)象，草地生態(tài)環(huán)境脆弱，耕地對水分和養(yǎng)分的需求量大，不合理地開墾耕地將加劇土地荒漠化進(jìn)程［44］。2030年的HD情景中有少量草地和農(nóng)村建設(shè)用地轉(zhuǎn)化為耕地，耕地主要來自于未利用地；退耕還林的加大，對未利用地的開發(fā)力度促使林地面積增加，有利于發(fā)揮國土空間的生態(tài)功能。HD情景中城市擴(kuò)張的主要方向也是未利用地，隨著技術(shù)的發(fā)展，未利用地的利用率和轉(zhuǎn)化率顯著提升。近年來高臺等地的綠洲擴(kuò)張明顯，且綠洲波動帶多位于綠洲和荒漠交界處［45］。隨著城鎮(zhèn)化進(jìn)程的加快會導(dǎo)致建設(shè)用地?cái)U(kuò)展，2033年建設(shè)用地面積將高達(dá)4948.90×104hm2［46］。在HD情景中，政府需嚴(yán)格管控建設(shè)用地，防止建設(shè)用地過度占用耕地，保護(hù)永久性基本農(nóng)田，要集約且合理地安排建設(shè)用地，形成科學(xué)有序的國土空間開發(fā)格局［47］。

4 結(jié)論

本研究發(fā)現(xiàn)PLUS 模型在景觀格局、位置和數(shù)量模擬方面的精度均優(yōu)于CLUE-S 和FLUS 模型，CLUE-S模型在研究區(qū)地勢低平地區(qū)模擬精度較高，而FLUS模型在海拔高處模擬效果較CLUE-S優(yōu)；對比分析PLUS-SD 耦合模型模擬的甘臨高地區(qū)2030年ED、EP 和HD 情景下的土地利用情況，發(fā)現(xiàn)3 種情景在土地利用類型變化速率方面存在差異；ED情景中土地利用類型變化速率最快，經(jīng)濟(jì)迅猛發(fā)展，但是環(huán)境破壞嚴(yán)重，林地大面積減少，EP 情景中土地利用類型變化速率偏慢，存在明顯的退耕還林還草現(xiàn)象，但經(jīng)濟(jì)發(fā)展滯緩，HD情景中建設(shè)用地占用耕地的現(xiàn)象較少，經(jīng)濟(jì)平穩(wěn)運(yùn)行，有利于社會可持續(xù)發(fā)展。