基于CLUE-S和InVEST模型的蘇州市生境質(zhì)量評估及預(yù)測

唐嬌嬌，余成，張委偉，陳德超,*

1.蘇州科技大學(xué)環(huán)境科學(xué)與工程學(xué)院

2.蘇州科技大學(xué)地理科學(xué)與測繪工程學(xué)院

近年來，中國城鎮(zhèn)化進(jìn)程不斷加快，2020年中國城鎮(zhèn)化率提升至63.89%，預(yù)計2030年將達(dá)70%[1]。城市的快速擴張和土地利用的變化將大量耕地、水域等生態(tài)用地轉(zhuǎn)變?yōu)榻ㄔO(shè)用地，破壞了生態(tài)系統(tǒng)結(jié)構(gòu)，影響區(qū)域的生境質(zhì)量。因此，基于城市化進(jìn)程中土地利用變化的生境質(zhì)量演變評估和預(yù)測，對于建立綜合生態(tài)規(guī)劃體系、應(yīng)對全球可持續(xù)發(fā)展的巨大挑戰(zhàn)具有現(xiàn)實意義。

生境質(zhì)量是指自然環(huán)境提供適合個體和種群持續(xù)存在條件的能力，可指示生態(tài)環(huán)境好壞，是人類與自然、其他種群的和諧、可持續(xù)發(fā)展的重要決定條件[2-3]。而土地利用變化會影響生境質(zhì)量，因此對生境質(zhì)量的現(xiàn)狀及演變趨勢進(jìn)行評估是近年的熱點研究[4]。常玉旸等[5]基于網(wǎng)絡(luò)分析法和空間自相關(guān)理論，評估了2000——2018年京津冀地區(qū)生境質(zhì)量與景觀格局演變及關(guān)聯(lián)性。石小偉等[6]以天津市武清區(qū)為研究對象，分析1980——2018年的土地利用數(shù)據(jù)，利用InVEST模型進(jìn)行生境質(zhì)量模塊水平數(shù)值測度，探究京津都市圈發(fā)展對大都市郊區(qū)土地利用變化與生境質(zhì)量的影響。彭建等[7]采用生態(tài)系統(tǒng)服務(wù)價值評價模型、InVEST模型和空間分析模型等評估安徽省黃山市1987——2017年生境質(zhì)量。周婷等[8]綜合運用雙變量空間自相關(guān)和地理加權(quán)回歸，對1995——2015年神農(nóng)架林區(qū)人類活動與生境質(zhì)量的空間關(guān)系進(jìn)行研究。陳雅倩等[9]采用InVEST模型分析了河北省唐縣2000年、2007年和2016年未利用土地開發(fā)前后的生境質(zhì)量演變情況。Yang[10]以湖北省太行山區(qū)為例，研究山地生境質(zhì)量演變及其與土地利用變化的關(guān)聯(lián)?，F(xiàn)有研究大多分析過去和現(xiàn)在的生境質(zhì)量變化，但預(yù)測評估未來土地利用變化下的生境質(zhì)量研究較少，而評估未來的生境質(zhì)量對區(qū)域發(fā)展有借鑒意義。

蘇州市作為長三角城市圈重要的經(jīng)濟(jì)增長極，在生態(tài)文明建設(shè)方面一直備受關(guān)注。近年來蘇州市經(jīng)濟(jì)發(fā)展迅速，城市快速擴張導(dǎo)致生態(tài)環(huán)境受到一定程度的影響，因此從土地利用演變的角度評估蘇州市生境演變特征并進(jìn)一步完善區(qū)域土地資源的開發(fā)利用及優(yōu)化配置，對于維持生態(tài)平衡，實現(xiàn)蘇州市可持續(xù)發(fā)展目標(biāo)具有重要意義。筆者在參考相關(guān)資料并對蘇州市進(jìn)行充分調(diào)研的基礎(chǔ)上，基于CLUE-S模型模擬檢驗蘇州市2018年的土地利用覆被擬合度，運用InVEST模型的生境質(zhì)量模塊對2010年、2018年、2030年自然情景和生態(tài)保護(hù)情景下生境質(zhì)量進(jìn)行評估，分析2010——2030年生境質(zhì)量的時空演變，以期為土地利用的開發(fā)和生態(tài)環(huán)境的保護(hù)提供科學(xué)依據(jù)。

1 數(shù)據(jù)與方法

1.1 研究區(qū)概況

蘇州市（119°55′E～121°20′E，30°47′N～32°02′N）位于江蘇省東南部，地形以平原為主，約占全市總面積的55%，境內(nèi)河流眾多，水域占全市面積的36.6%（圖1）。蘇州市屬亞熱帶季風(fēng)海洋性氣候，四季分明，氣候溫和，自然條件優(yōu)越，2020年平均氣溫為17.3 ℃，年降水量為 1 196.5 mm。截至2020年11月，蘇州市常住人口為1 274.82萬人[11]。

圖1 研究區(qū)域行政區(qū)劃Fig.1 Administrative division of the study area

1.2 數(shù)據(jù)來源

本研究采用的土地利用覆被數(shù)據(jù)來源于中國科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心（http://www.resdc.cn）。數(shù)字高程模型（DEM數(shù)據(jù)）來源于地理空間數(shù)據(jù)云（http://www.gscloud.cn/），通過 ArcGIS 軟件提取坡度、坡向信息。社會經(jīng)濟(jì)數(shù)據(jù)來源于蘇州市統(tǒng)計局(http://tjj.suzhou.gov.cn)。距離因子數(shù)據(jù)來源于國家地理信息資源目錄服務(wù)系統(tǒng)1∶100萬全國基礎(chǔ)地理數(shù)據(jù)庫（http://www.webmap.cn）。以上所有數(shù)據(jù)均在同一坐標(biāo)系WGS_1984_UTM_Zone_50N下利用ArcGIS 10.6軟件轉(zhuǎn)換而成。

1.3 研究方法

1.3.1 CLUE-S模型

CLUE-S是荷蘭瓦赫根寧大學(xué)Verburg等[12-13]在CLUE模型的基礎(chǔ)上，開發(fā)的用于模擬未來土地利用變化的模型[14]。此模型可以展現(xiàn)不同情景不同時空尺度下的土地利用變化情況[15]，適用于解決小尺度范圍的土地利用變化模擬[16]。CLUE-S模型是在現(xiàn)有的土地利用變化基礎(chǔ)上，從自然、社會等方面選擇對研究區(qū)有驅(qū)動性的因子，模擬未來的土地利用變化格局。CLUE-S模型由非空間土地利用需求和空間分配模塊2部分組成[17]，非空間土地利用需求模塊根據(jù)研究區(qū)現(xiàn)狀、特點以及發(fā)展規(guī)律，計算土地利用需求[18]?？臻g分配模塊設(shè)置土地利用需求量為參數(shù)，結(jié)合驅(qū)動因子的空間分布特征，對柵格形式的土地利用類型歸屬進(jìn)行分配迭代，從而模擬各年份土地利用類型的時空變化[19]?？臻g模擬相關(guān)參數(shù)設(shè)置如下。

（1）驅(qū)動因子的選擇。根據(jù)數(shù)據(jù)資料的可獲得性、驅(qū)動因子的綜合性和因子與土地利用變化的相關(guān)性，從自然環(huán)境方面選取高程、坡度、坡向作為驅(qū)動因子，社會經(jīng)濟(jì)方面選取人口密度、GDP以及到公路、河流、鐵路、基礎(chǔ)設(shè)施、居民地的距離作為驅(qū)動因子，參考相關(guān)研究[20]，構(gòu)建Logistic二元回歸模型進(jìn)行分析，比較接受者操作特性（ROC）曲線選取最優(yōu)尺度。

（2）限制區(qū)域。區(qū)域約束性文件為蘇州市域范圍，設(shè)置的土地利用類型間均可發(fā)生轉(zhuǎn)換（表1）。

表1 各土地利用類型轉(zhuǎn)換矩陣Table 1 Transformation matrix of each land use type

（3）土地需求計算。基礎(chǔ)數(shù)據(jù)為2010年和2018年的土地利用現(xiàn)狀數(shù)據(jù)，2011——2017年各年份的土地利用數(shù)據(jù)由線性內(nèi)插法和GM（1，1）灰色模型獲取。

（4）土地利用類型轉(zhuǎn)換規(guī)則。對耕地、水域、建設(shè)用地、其他用地的轉(zhuǎn)換彈性系數(shù)多次調(diào)試，最終依次確定為0.6、0.8、0.7和0.7。

模型檢驗主要分為2個部分：1）采用ROC曲線檢驗Logistic二元回歸模型，設(shè)定ROC為0.5～1.0，當(dāng)ROC大于0.7時，所選驅(qū)動因子對各土地利用類型具有較好的解釋能力。2）借助Kappa系數(shù)來檢驗CLUE-S模擬效果，利用ArcGIS 10.6軟件空間疊加比較土地利用模擬圖與現(xiàn)狀圖，普遍認(rèn)為Kappa系數(shù)不小于0.75時，具有較理想的模擬效果[21]。

1.3.2 InVEST模型

InVEST模型主要應(yīng)用于陸地、淡水和海洋3類生態(tài)系統(tǒng)服務(wù)評估，旨在支持生態(tài)系統(tǒng)管理和決策[22-23]。通過InVEST模型生境質(zhì)量模塊計算蘇州市2010年、2018年和2030年2種情景下的生境質(zhì)量指數(shù)、生境退化程度，進(jìn)而分析研究區(qū)生境質(zhì)量的時空演變特征以及土地利用覆被變化對生境質(zhì)量的影響[24]。相應(yīng)柵格內(nèi)的生境質(zhì)量由生境質(zhì)量模塊根據(jù)土地利用數(shù)據(jù)和威脅因素測算[25-29]。

生境退化指數(shù) (Dxj)計算公式[30]如下：

式中：Dxj為土地利用類型j中柵格x的生境退化指數(shù)；wr為各脅迫因子權(quán)重；ry為脅迫因子強度； βx為生境抗干擾水平；Sjr為不同生境對不同脅迫因子的相對敏感程度；irxy為柵格y中脅迫因子r對柵格x的影響；dxy為柵格x與柵格y之間距離；drmax為脅迫因子r影響范圍。

生境質(zhì)量指數(shù)計算公式如下[25,31]式中：Qxj為土地利用類型j中柵格x的生境質(zhì)量指數(shù)；Hxj為土地利用類型j中柵格x的生境適宜度；k為半飽和常數(shù)。

根據(jù)蘇州市實際情況，選擇耕地、建設(shè)用地作為脅迫因子，參考InVEST模型手冊及相關(guān)研究[32]對脅迫因子的權(quán)重、脅迫因子的最大影響距離、各土地利用類型的生境適宜度（表2）及各土地利用類型對脅迫因子敏感度等參數(shù)進(jìn)行設(shè)置（表3）。

表2 脅迫因子的最大影響距離及其權(quán)重Table 2 Maximum influence distance and weight of stress factors

表3 生境適宜度及其對不同脅迫因子的敏感度Table 3 Habitat suitability and its sensitivity to different stress factors

2 結(jié)果與分析

2.1 精度檢驗與情景模擬預(yù)測

2.1.1 模擬精度檢驗

模擬結(jié)果的精確度受不同尺度的驅(qū)動因子影響，選擇 50 m×50 m、200 m×200 m、300 m×300 m、400 m×400 m和500 m×500 m尺度分別進(jìn)行模擬，結(jié)果見圖2。從圖2可以看出，400 m×400 m時為最優(yōu)擬合尺度，基于此尺度進(jìn)行試驗。

圖2 不同模擬尺度下各地類ROC變化Fig.2 Changes in ROC of each land use type under different simulation scales

采用 Kappa系數(shù)〔式（5）〕[33-35]對 2018 年實際土地利用圖和模擬土地利用圖（圖3）進(jìn)行定量檢驗，以反映CLUE-S模型的模擬效果，得到的具體數(shù)據(jù)見表4。

表4 土地覆被模擬結(jié)果與現(xiàn)狀數(shù)據(jù)對比Table 4 Comparison of land cover simulation results and current data

圖3 蘇州市2018年實際土地利用與模擬土地利用對比Fig.3 Comparison of actual land use and simulated land use in Suzhou City in 2018

式中：Po為正確模擬比例；Pc為隨機狀況下的期望正確模擬比例；Pp為理想模擬比例。

從表4可以看出，模擬正確的柵格數(shù)為48 205個，占柵格總數(shù)的89.09%，即Po=0.890 9；將蘇州市土地利用類型分為四大類，即Pc的 取值為1/4；Pp取1。據(jù)此計算出Kappa系數(shù)為0.854 5，大于0.75，說明CLUE-S模型模擬蘇州市土地利用空間格局變化是可行的，而且模擬精度較高。

2.1.2 2030 年情景模擬

以2018年相關(guān)數(shù)據(jù)為起始數(shù)據(jù)，預(yù)測2030年土地利用變化格局，設(shè)置2030年自然增長情景和生態(tài)保護(hù)情景2種不同的情景，對蘇州市生境質(zhì)量進(jìn)行模擬（圖4），并將2018年實際土地利用數(shù)據(jù)與2030年不同情景下模擬的土地利用數(shù)據(jù)進(jìn)行對比（表5）。

圖4 蘇州市2030年不同情景下土地利用模擬結(jié)果Fig.4 Land use simulation results of different scenarios in Suzhou City in 2030

表5 2030年不同情景模擬下土地利用面積及占比Table 5 Land use area and proportion under different scenarios in 2030

2.1.2.1 自然增長情景

設(shè)定自然增長情景下蘇州市的土地利用變化幅度和規(guī)律與2010——2018年變化速率一致，不考慮政策的影響，模擬蘇州市2030年自然增長情景下的生境質(zhì)量。該情景下，研究區(qū)的耕地面積減少，耕地面積占比減少了4.00個百分點，耕地部分轉(zhuǎn)變?yōu)榻ㄔO(shè)用地；建設(shè)用地面積增加了4.25個百分點，水域面積變化不大，減少了0.34個百分點；其他用地面積略有增加，增加了0.09個百分點。在空間上，建設(shè)用地的增加主要分布于昆山市。綜上，自然增長情景下耕地和建設(shè)用地面積變化明顯，耕地大面積轉(zhuǎn)化成建設(shè)用地，耕地和水域面積減少。

2.1.2.2 生態(tài)保護(hù)情景

該情景以生態(tài)環(huán)境的保護(hù)為目標(biāo)，依據(jù)《江蘇省生態(tài)空間管控區(qū)域規(guī)劃》嚴(yán)格限制耕地和水域的轉(zhuǎn)變。相比自然增長情景，該情景下耕地和水域面積變化較小。與2018年現(xiàn)狀對比，該情景下，耕地面積減少了2.14個百分點；水域和其他用地變化較小，水域減少了0.02個百分點，其他用地增加了0.07個百分點；建設(shè)用地面積略有增加，增加了2.09個百分點?？臻g上，建設(shè)用地的增加主要分布在昆山市。該情景通過彈性系數(shù)限制耕地、水域轉(zhuǎn)變，區(qū)域內(nèi)的建設(shè)用地面積增加緩慢，生態(tài)系統(tǒng)功能得到修復(fù)，水域面積基本維持原有狀態(tài)。

2.2 生境質(zhì)量評估

基于過去（2010年）、現(xiàn)狀（2018年）和未來（2030年）的土地利用數(shù)據(jù)，利用InVEST模型對自然增長和生態(tài)保護(hù)情景下的生境質(zhì)量進(jìn)行評估，在ArcGIS 10.6軟件中使用自然斷點法將其分類成5個等級，統(tǒng)計3個時期各等級的柵格面積及占比（表6），對不同時期的生境質(zhì)量進(jìn)行分析。

表6 各等級生境質(zhì)量面積與占比Table 6 Area and proportion of each grade of habitat quality

從圖5可以看出，2種情景生境質(zhì)量好的區(qū)域主要集中在太湖流域和長江沿岸，該區(qū)域水系發(fā)達(dá)，河網(wǎng)密布，保證了水源涵養(yǎng)性和生物多樣性，生境退化程度最低。而生境質(zhì)量差的區(qū)域主要集中在姑蘇區(qū)、虎丘區(qū)、相城區(qū)、昆山市等人類活動強度大、工業(yè)發(fā)達(dá)的地區(qū)，該地區(qū)生境斑塊破碎度與生態(tài)脆弱性較高，受人類活動影響較為敏感，生境退化程度最高。

圖5 蘇州市過去、現(xiàn)狀和未來不同情景下生境質(zhì)量空間分布Fig.5 Spatial distribution of past, present and future habitat quality in Suzhou under different scenarios

2010——2018年生境質(zhì)量為差的區(qū)域占比上升，增加了17.36%。從土地利用變化角度來看，近20年耕地面積減少了361.86 km2，而建設(shè)用地面積增加了367.89 km2，建設(shè)用地增加來源主要是耕地，建設(shè)用地占用耕地會對周圍生境產(chǎn)生威脅。總的來說，蘇州市2010——2018年城市發(fā)展迅速，生境退化程度增加。

2010年、2018年、2030年自然增長情景和2030年生態(tài)保護(hù)情景下研究區(qū)的平均生境質(zhì)量指數(shù)分別為 0.476 2、0.474 8、0.473 4和 0.481 9。2030年生態(tài)保護(hù)情景下的生境質(zhì)量最優(yōu)，而2030年自然增長情景的生境質(zhì)量低于2018年和2010年。

3 討論

3.1 CLUE-S 和InVEST模型的集成建模

CLUE-S模型的優(yōu)點在于綜合考慮了自然因素(如高程、坡度、坡向等)和社會經(jīng)濟(jì)因素(如GDP、人口密度等)，并清楚地說明了土地利用變化的層次結(jié)構(gòu)、位置之間的空間連通性和穩(wěn)定性。它已經(jīng)被廣泛應(yīng)用于模擬土地利用的時空變化，具有在不同生態(tài)系統(tǒng)和空間尺度下模擬土地利用變化和進(jìn)行情景分析的優(yōu)勢。將CLUE-S模型和InVEST模型結(jié)合模擬未來生境質(zhì)量，在一定程度上豐富了生境質(zhì)量模擬的研究，為蘇州市未來生態(tài)保護(hù)、城市土地利用規(guī)劃提供重要理論指導(dǎo)和技術(shù)依據(jù)。

3.2 生境質(zhì)量變化分析

運用CLUE-S模型和InVEST模型對蘇州市過去、現(xiàn)狀和未來的生境質(zhì)量進(jìn)行評估，發(fā)現(xiàn)2010——2018年蘇州市生境質(zhì)量指數(shù)逐漸變小，生境質(zhì)量較差的區(qū)域主要集中在姑蘇區(qū)、虎丘區(qū)、相城區(qū)、昆山市等人類活動強度大、工業(yè)發(fā)達(dá)的地區(qū)。主要原因是蘇州市在2010——2018年經(jīng)濟(jì)發(fā)展迅速，人口增加，工業(yè)化和城鎮(zhèn)化規(guī)模擴大，土地利用方式發(fā)生改變，城市建設(shè)用地增多，進(jìn)而影響了其生境質(zhì)量。對2030年自然增長情景和生態(tài)保護(hù)情景下的土地利用變化和生境質(zhì)量模擬預(yù)測，發(fā)現(xiàn)自然增長情景和生態(tài)保護(hù)情景下的土地利用變化都主要集中在昆山市，主要表現(xiàn)為建設(shè)用地面積的增加，差異在于2種情景下的土地利用變化不同。這是因為近年來昆山市是中國大陸經(jīng)濟(jì)實力較強的縣級市之一，連續(xù)多年被評為全國百強縣之首，其在城市建設(shè)、工業(yè)發(fā)展方面穩(wěn)步前進(jìn)。2030年自然增長情景下的平均生境質(zhì)量指數(shù)低于2018年和2010年，生境質(zhì)量呈變差趨勢。而2030年生態(tài)保護(hù)情景下的生境質(zhì)量優(yōu)于2018年，表明在生態(tài)保護(hù)的加持下，生境質(zhì)量不斷得到優(yōu)化。

生境質(zhì)量較好的區(qū)域主要分布在太湖流域、長江沿岸。國家及地方高度重視太湖流域、長江沿岸的生態(tài)環(huán)境治理，其作為生態(tài)保護(hù)的重點監(jiān)管區(qū)域，所以生境質(zhì)量較高。蘇州市全面整治當(dāng)前存在的水環(huán)境問題，科學(xué)系統(tǒng)推進(jìn)水污染治理、水生態(tài)修復(fù)等工作，預(yù)計2030年太湖流域和長江沿岸的生境質(zhì)量還會得到優(yōu)化。

3.3 不確定性分析

土地利用系統(tǒng)受自然、社會、經(jīng)濟(jì)、人文等眾多因素的影響，筆者從自然環(huán)境和社會經(jīng)濟(jì)2個方面選擇了10個驅(qū)動因子定量模擬蘇州市的土地利用變化，在實際發(fā)展過程中，影響土地利用變化的因子還有很多，卻難以量化表示，目前階段無法將其考慮進(jìn)模型中，因此可能不能精準(zhǔn)地預(yù)測蘇州市未來的土地利用變化。另一方面，對未來情景模擬預(yù)測時，社會經(jīng)濟(jì)因素（如公/鐵路規(guī)劃、基礎(chǔ)設(shè)施等）的未來發(fā)展趨勢難以精準(zhǔn)把握，預(yù)測結(jié)果存在一定的不確定性，與2030年的實際發(fā)展有一定的誤差。

4 結(jié)論與展望

4.1 結(jié)論

（1）通過Kappa系數(shù) (0.854 5) 檢驗，蘇州市2018年土地利用現(xiàn)狀和土地利用模擬結(jié)果吻合度較高，說明該模型可以對蘇州市未來的土地利用格局進(jìn)行模擬。

（2）對2030年不同情景的預(yù)測表明，生態(tài)保護(hù)情景下，生境質(zhì)量明顯優(yōu)于自然增長情景，耕地得到有效保護(hù)，建設(shè)用地有序增長，整體更加注重發(fā)展質(zhì)量。

（3）蘇州市中心城區(qū)、工業(yè)較集中和人口活動強度大的地區(qū)的生境質(zhì)量差，太湖周邊等水系發(fā)達(dá)地區(qū)生境質(zhì)量較好。未來研究區(qū)在發(fā)展經(jīng)濟(jì)的同時，也要注意生態(tài)保護(hù)，實現(xiàn)高質(zhì)量發(fā)展。

4.2 展望

目前，大多數(shù)研究利用InVEST模型對生境質(zhì)量進(jìn)行評估時只考慮了研究區(qū)內(nèi)部脅迫因子對生境的影響，未考慮研究區(qū)域內(nèi)不同脅迫因子之間的耦合關(guān)系以及研究區(qū)邊界以外的脅迫因子對邊沿地帶生境的影響，所以未來還需要將研究區(qū)域內(nèi)不同脅迫因子之間的耦合關(guān)系納入模型之中，考慮融合研究區(qū)以外地帶的脅迫因子數(shù)據(jù)，更好地為研究區(qū)生態(tài)環(huán)境保護(hù)及可持續(xù)發(fā)展提供參考依據(jù)。同時，還需結(jié)合相應(yīng)的規(guī)劃政策，進(jìn)一步改進(jìn)模型參數(shù)的設(shè)置，提高模擬的準(zhǔn)確性，從而更好地為未來的發(fā)展規(guī)劃提供參考。