基于PLSR-FLUS-MarKov模型的生態(tài)系統(tǒng)服務(wù)價值多情景預(yù)測

摘要：以漓江流域為研究單元，運用修正后的PLSR-FLUS-MarKov模型和當(dāng)量因子法，對流域自然發(fā)展、生態(tài)優(yōu)先、旅游優(yōu)先情景下2030年生態(tài)系統(tǒng)服務(wù)價值做出預(yù)測，探究多情景土地利用變化對生態(tài)系統(tǒng)服務(wù)價值的影響。結(jié)果表明，PLSR-FLUS-MarKov模型能更準確刻畫流域土地利用動態(tài)變化，模擬精度高達83.57%。流域土地利用變化集中區(qū)位于桂林市轄區(qū)、興安縣和陽朔縣，多表現(xiàn)為耕地、林地向建設(shè)用地的轉(zhuǎn)入以及耕地和林地間的相互轉(zhuǎn)化。2030年，漓江流域生態(tài)系統(tǒng)服務(wù)價值均呈現(xiàn)下降趨勢，自然發(fā)展情景、生態(tài)優(yōu)先情景、旅游優(yōu)先情景分別為218.07億、225.61億、222.91億元，較2020年下降了9.02億、1.48億和4.18億元，并呈現(xiàn)“東北高，西南低”的格局特征，實施生態(tài)優(yōu)先策略后其下降速度放緩。林地是漓江流域生態(tài)系統(tǒng)服務(wù)價值的關(guān)鍵來源，占比超過80%，耕地和水域也貢獻了一定比例的服務(wù)價值。生態(tài)優(yōu)先情景下的生態(tài)系統(tǒng)服務(wù)價值最高，旅游優(yōu)先情景次之，自然發(fā)展情景最低。研究結(jié)果可為桂林世界級旅游城市建設(shè)及區(qū)域生態(tài)系統(tǒng)健康管理提供科學(xué)指導(dǎo)。

關(guān)鍵詞：土地利用變化；生態(tài)系統(tǒng)服務(wù)價值；PLSR-FLUS-MarKov模型；多情景模擬；漓江流域

中圖分類號：X171.1" " " " 文獻標志碼：Anbsp; " " " 文章編號：1674-3075（2025）01-0203-10

生態(tài)系統(tǒng)服務(wù)功能退化是世界性環(huán)境危機之一（李海東和高吉喜，2020），人類的過量負向回饋會使生態(tài)系統(tǒng)失衡。通過生態(tài)系統(tǒng)服務(wù)價值評估可有效識別區(qū)域生境質(zhì)量，優(yōu)化生物多樣性保護，核算生態(tài)補償數(shù)額，一定程度上培養(yǎng)人類“自然資源有價”的意識，推動區(qū)域生態(tài)文明建設(shè)（路昌等，2020；張學(xué)斌等，2020）。土地利用作為人類與自然生態(tài)接觸最緊密、表現(xiàn)最直接、影響最深遠的活動形式（卓靜等，2022），決定著生態(tài)系統(tǒng)服務(wù)價值總量的增減。為探究土地利用結(jié)構(gòu)發(fā)生改變的原因，更多專家學(xué)者運用GEE云平臺及地理探測器等新技術(shù)開展土地利用時空演變及驅(qū)動因子分析，除了常見的人口規(guī)模、產(chǎn)業(yè)結(jié)構(gòu)驅(qū)動因子之外，政策紅利、居民意愿等因子也具有深遠影響（楊麗萍等，2022；Liu et al，2022；厲靜文等，2021；Erokhin et al，2020）。

旅游作為人們滿足精神需求的活動，對土地空間載體有著獨特作用。為在全局視角上把握未來土地利用結(jié)構(gòu)，多情景模擬協(xié)同生態(tài)系統(tǒng)服務(wù)價值成為土地利用領(lǐng)域的新興方向（Shi et al，2020；Zhou et al，2021）。生態(tài)系統(tǒng)服務(wù)價值預(yù)測始于21世紀初，近幾年的研究逐步趨于多元化，從傳統(tǒng)的土地利用結(jié)構(gòu)和空間布局兩維研究，向人類活動和環(huán)境效應(yīng)相結(jié)合的多情景模擬方向轉(zhuǎn)變。生態(tài)系統(tǒng)服務(wù)價值模擬預(yù)測模型亦層出不窮，廣泛應(yīng)用的包括CA模型、MarKov模型等。當(dāng)前復(fù)合模型預(yù)測、多情景分類已經(jīng)成為土地利用領(lǐng)域新的預(yù)測趨勢。李斌等（2017）和Guan等（2019）分別以CLUE-S、MarKov、Tietenberg模型與Logistic-CA-MarKov、WLC-CA-MarKov模型預(yù)測了武漢市蔡甸區(qū)及三峽庫區(qū)的土地利用結(jié)構(gòu)。楊朔等（2022）基于FLUS模型并劃分自然發(fā)展、生態(tài)保護和經(jīng)濟發(fā)展情景預(yù)測了漢中市的生態(tài)系統(tǒng)服務(wù)價值，王穗子等（2022）通過劃分當(dāng)前居民收入水平、小康收入水平、富裕收入水平預(yù)測了三江源地區(qū)的環(huán)境承載力。

漓江流域位于首個國家旅游綜合改革試驗區(qū)內(nèi)，將在旅游高質(zhì)量背景下持續(xù)發(fā)展。因此研究旅游發(fā)展情景與地域?qū)嶋H的匹配情況，探討旅游發(fā)展對區(qū)域土地利用及生態(tài)系統(tǒng)服務(wù)價值的影響是揭示旅游發(fā)達地區(qū)生態(tài)系統(tǒng)穩(wěn)定程度和實現(xiàn)區(qū)域可持續(xù)發(fā)展的關(guān)鍵因素。漓江流域還有南嶺生物多樣性保護重地等生態(tài)地位，對其進行土地利用模擬及生態(tài)服務(wù)價值預(yù)測有著重要現(xiàn)實意義。研究模擬多情景下流域土地利用結(jié)構(gòu)及生態(tài)系統(tǒng)服務(wù)價值，驗證不同發(fā)展模式下生態(tài)及社會經(jīng)濟發(fā)展態(tài)勢，為漓江流域規(guī)劃及桂林世界級旅游城市建設(shè)提供理論指導(dǎo)。

1" "區(qū)域概況及數(shù)據(jù)來源

1.1" "研究區(qū)概況

漓江流域位于桂林市域（圖1），典型的喀斯特地貌。流域?qū)賮啛釒Ъ撅L(fēng)氣候，雨熱同期。上游興安縣及靈川縣分布有多個自然保護區(qū)，生物多樣性豐富；中游（包括桂林市區(qū)）和下游（包括陽朔縣）是喀斯特地貌集中分布地帶，有3A級及以上景區(qū)20余個，其中18個位于中下游地帶。區(qū)域經(jīng)濟發(fā)展對旅游產(chǎn)業(yè)依賴性強，以旅游為代表的第三產(chǎn)業(yè)是漓江流域的主要收入來源，2020年桂林市旅游產(chǎn)值占全市總產(chǎn)值的60%以上。

1.2" "數(shù)據(jù)來源及處理

研究基于GEE（google earth engine）平臺，選用2010年和2020年Landsat 5 TM以及Landsat 8 OLI/TIRS漓江流域遙感影像數(shù)據(jù)，解譯其土地利用類型；研究中所涉及的數(shù)字高程選用SRTM（the shuttle radar topography mission）數(shù)據(jù)，空間分辨率為30 m。參照王祺等（2014）關(guān)于土地利用格局差異的研究，結(jié)合漓江流域?qū)嶋H情況，選取地形地貌、氣候、旅游以及相關(guān)社會經(jīng)濟要素等作為驅(qū)動土地利用變化的因子對流域土地利用變化進行模擬，具體指標體系如表1。

2" "研究方法

2.1" "PLSR-PLUS模型

Liu等（2017）基于地理模擬與優(yōu)化系統(tǒng)（GeoSOS）（黎夏等，2009）提出了模擬土地利用變化的FLUS模型。FLUS模型在充分發(fā)揮元胞自動機（CA）優(yōu)勢的同時，融入了人工神經(jīng)網(wǎng)絡(luò)算法（artificial neural network，ANN）（王保盛等，2019）。ANN模型在因子輸入較多時易產(chǎn)生過擬合現(xiàn)象（He et al，2021）使模擬精度降低。此外ANN模型無法對因子進行科學(xué)篩選。為避免過擬合現(xiàn)象，研究在驅(qū)動因子輸入ANN模型之前，先用偏最小二乘法（PLSR）對驅(qū)動因子和景觀類型進行擬合，將擬合過程中產(chǎn)生的主成分（提取累計貢獻率gt;95 %）作為ANN模型的因變量，建立PLSR-FLUS模型提高模型的穩(wěn)定性和模擬精度，從而實現(xiàn)對FLUS模型的修正。模型的基本運行框架如圖2。

ANN預(yù)測模塊采用多層前饋神經(jīng)網(wǎng)絡(luò)算法（back propagation artificial neural network，BP-ANN），為FLUS模型最重要的環(huán)節(jié)。將人工神經(jīng)網(wǎng)絡(luò)輸入層與驅(qū)動因子空間數(shù)據(jù)對應(yīng)，輸出層與土地利用類型對應(yīng)，估計不同土地利用類型的適宜性概率。該模型被廣泛應(yīng)用于非線性擬合問題，其表達式為：

式中：A為輸入層驅(qū)動因子，an為第n個驅(qū)動因子；S（）為隱含層至輸出層的激勵函數(shù)；Nt（x，y）為第t個隱含層因子在坐標（x，y）上所接收到的信息；[Wit]為輸入層到隱含層的權(quán)重；[ai（x，y）]為第i個輸入層驅(qū)動因子在像元x和時間y上所接收到的信號；[ap（x，k，y）]為第k種土地利用類型在像元x和時間y上的適宜性概率，總概率值為1。

此外，F(xiàn)LUS模型還受到鄰域因子、慣性系數(shù)、競爭機制等因素的影響（Liu et al，2017）。自適應(yīng)慣性系數(shù)是CA模型的核心，通過多次迭代可使現(xiàn)有土地利用類型像元數(shù)量不斷向目標接近。以自適應(yīng)慣性競爭機制為基礎(chǔ)的元胞自動機空間計算模擬公式如下，式⑥表示鄰域因子（研究設(shè)置為3×3），式⑦表示自適應(yīng)慣性系數(shù)，式⑧表示土地利用類型總轉(zhuǎn)移概率。

2.2" "MarKov模型

為防止某土地利用類型無限向其他類型轉(zhuǎn)變，引入馬爾可夫（MarKov）模型限制FLUS模型預(yù)測的需求總量，提前設(shè)定土地利用類型在2030年的需求總量。其數(shù)學(xué)表達式為：

[Xt=X（t-1）Pij]" " " " " " " " " " " " " " " " "⑨

式中：X（t-1）和X（t）的含義分別為在時間t-1和t時用地類型的情況，Pij為土地利用類型發(fā)生轉(zhuǎn)換的幾率，即土地利用類型從時間t-1到時間t時向另一用地類型轉(zhuǎn)換的概率。Pij的值為0～1，總和為1。

2.3" "多情景設(shè)置

以漓江流域不同發(fā)展目標為基礎(chǔ)，設(shè)定3種模擬情景預(yù)測2030年土地利用變化。

（1）自然發(fā)展情景。此情景下漓江流域未來的發(fā)展不受任何條件限制，依據(jù)土地利用歷史變化特征，順其自然發(fā)展。（2）生態(tài)優(yōu)先情景。依據(jù)《桂林市人口發(fā)展規(guī)劃（2020—2030年）》，在考慮居民對未來建設(shè)用地需求的基礎(chǔ)上，考慮漓江流域生態(tài)環(huán)境保護問題，嚴格控制公園綠地、生態(tài)保護區(qū)向其他用地類型轉(zhuǎn)化及建設(shè)用地?zé)o序擴張，減緩林地和耕地下降速度。生態(tài)優(yōu)先情景要求林地、草地向建設(shè)用地的轉(zhuǎn)化率減少約40%，耕地向建設(shè)用地的轉(zhuǎn)化率減少約30%。（3）旅游優(yōu)先情景。根據(jù)《桂林漓江風(fēng)景名勝區(qū)總體規(guī)劃》對未來各土地類型的數(shù)量需求，2030年建設(shè)用地占8.4%，林地、耕地、草地兼顧，水域發(fā)展速度保持不變。

2.4" "生態(tài)系統(tǒng)服務(wù)價值

當(dāng)量因子法具有計算簡潔、數(shù)據(jù)需求量小等優(yōu)點，適用于大尺度區(qū)域研究。以謝高地等（2015）的單位價值當(dāng)量因子表為基礎(chǔ)，根據(jù)漓江流域?qū)嶋H情況進行修正，修正系數(shù)取廣西均值0.98（謝高地等，2005）。在土地利用類型對照層面，將其與最接近的生態(tài)系統(tǒng)類型相對應(yīng)，其中耕地與農(nóng)田對應(yīng)，取值參考旱地與水田比例；林地與森林對應(yīng)，取闊葉林的值；水域與水系對應(yīng)，取水系的值；草地保持不變，取灌木叢的值。建設(shè)用地的生態(tài)系統(tǒng)服務(wù)價值取0（謝高地等，2003）。綜合當(dāng)量因子表與基準單價（C=23.3萬元/km2）得到生態(tài)系統(tǒng)服務(wù)價值表（表2）?；鶞蕟蝺r計算公式如下：

式中：Pa為單位農(nóng)田的經(jīng)濟產(chǎn)值（萬元／km2）；i為作物種類；mi為第i種糧食的面積（km2）；pi為第i種糧食的平均價格（元／kg）；qi為第i種糧食單產(chǎn)（kg）；M為糧食總面積；n為糧食種類。

漓江流域生態(tài)系統(tǒng)服務(wù)價值計算公式如下：

式中：V表示生態(tài)系統(tǒng)服務(wù)總值；Sj為第j類景觀的面積；Cj為第j類景觀單位面積生態(tài)系統(tǒng)服務(wù)價值。

3" "結(jié)果與分析

3.1" "土地利用動態(tài)模擬精度驗證

研究基于2010年土地覆被數(shù)據(jù)，引入土地利用驅(qū)動因子，通過PLSR對景觀格局及其驅(qū)動因子進行預(yù)擬合，將擬合過程中產(chǎn)生的主成分作為FLUS模型中ANN模塊的輸入變量，有效去除了驅(qū)動因子間的多重共線性，降低ANN模型的結(jié)構(gòu)復(fù)雜度，提高模型的穩(wěn)定性和預(yù)測精度。采用FLUS-MarKov和PLSR-FLUS-MarKov模型進行對照實驗，模擬研究區(qū)2020年土地利用格局（圖3）。將多情景模擬結(jié)果與基準年結(jié)果對比，驗證PLSR-FLUS-MarKov模型的精度及其空間分布的穩(wěn)定性。結(jié)果表明，F(xiàn)LUS-MarKov模型精度為81.26%，Kappa系數(shù)為0.75，PLSR-FLUS-MarKov模型精度為83.57%，Kappa系數(shù)為0.78。PLSR-FLUS-MarKov模型精度比FIUS-MarKov模型提高了2.3%，優(yōu)于FLUS-MarKov模型。

由圖3可知，整體上模擬結(jié)果與2020年現(xiàn)狀分布保持較高的一致性，但部分區(qū)域存在一定誤差，F(xiàn)LUS-MarKov模型修正前，其誤差更大。如漓江流域西南部的臨桂區(qū)，該區(qū)域原有水域面積較大，水域周圍建設(shè)用地少，修正后的PLSR-FLUS-MarKov模型模擬結(jié)果與現(xiàn)狀基本相符，而FLUS-MarKov模型模擬結(jié)果與現(xiàn)狀不符，水域面積大范圍的被耕地、林地和建設(shè)用地所覆蓋，水域分布范圍存在極大差異，建設(shè)用地明顯增加。因此，PLSR-FLUS-MarKov模型能夠在空間上有效優(yōu)化PLUS-MarKov模型模擬結(jié)果，使模擬結(jié)果與真實情況更為接近。綜合總體精度、Kappa系數(shù)以及具體分布細節(jié)的比較，研究提出的PLSR-FLUS-MarKov模型在漓江流域的模擬效果更優(yōu)，模擬精度更高，有望在其他流域?qū)崿F(xiàn)更精準的預(yù)測。

3.2" "多情景土地利用結(jié)構(gòu)預(yù)測

運用PLSR-FLUS-MarKov模型模擬自然發(fā)展、生態(tài)優(yōu)先及旅游優(yōu)先情景下的2030年研究區(qū)土地利用結(jié)構(gòu)，具體結(jié)果見圖4和表3。多情景下流域土地利用集中變化區(qū)為桂林市轄區(qū)、興安縣和陽朔縣，且呈現(xiàn)出耕地、林地向建設(shè)用地轉(zhuǎn)化的現(xiàn)象，桂林市區(qū)建設(shè)用地沿臨桂方向擴展，流域北部（興安縣附近）建設(shè)用地向西擴展，流域南部（陽朔縣附近）建設(shè)用地向東、西兩個方向擴展。

3.2.1" "自然發(fā)展情景" "自然發(fā)展情景下，2030年漓江流域耕地和林地面積分別為1 843.23和3 265.55 km2，2020—2030年，負向變動97.90和167.28 km2；草地面積為22.67 km2，面積呈下降趨勢；水域和建設(shè)用地面積增加至87.67和606.99 km2。自然發(fā)展情景下土地類型轉(zhuǎn)變主體為耕地、林地和建設(shè)用地。由于該情景不受其他政策因素限制，其轉(zhuǎn)化率與2010—2020年保持一致，耕地與林地下降速率分別為5.03%和4.87%，建設(shè)用地年增長率為6.07%，其耕地與林地大幅下降，建設(shè)用地急速擴張。

3.2.2" "生態(tài)優(yōu)先情景" "較2020年，2030年生態(tài)優(yōu)先情景下漓江流域耕地和林地面積下降至1 914.61 km2和3 396.04 km2，下降趨勢大幅減少；草地面積（23.35 km2）略有下降；水域和建設(shè)用地面積增長至87.25和404.87 km2，呈小幅增長趨勢。生態(tài)優(yōu)先情景下地類轉(zhuǎn)化波動幅度較小。耕地與林地下降率分別為1.37%和1.07%，與2010—2020年相比，其下降趨勢亦得到有效控制。同時建設(shè)用地僅增加68.10 km2，年增長率約1.86%，建設(shè)用地擴張速率得到較好控制，在以生態(tài)保護為前提的發(fā)展情景下，耕地和林地等得到較為全面的保護，符合可持續(xù)發(fā)展的理念。

3.2.3" "旅游優(yōu)先情景" "特設(shè)置旅游優(yōu)先情景兼顧生態(tài)環(huán)境與經(jīng)濟發(fā)展。該情景下，2030年漓江流域耕地和林地面積將分別為1 874.53和3 361.70 km2，2020—2030年，二者面積均有不同幅度下降；草地面積小幅下降至27.89 km2；水域和建設(shè)用地面積增加至85.19和476.89 km2。與自然發(fā)展情景類似，旅游優(yōu)先情景主要表現(xiàn)為耕地、林地向建設(shè)用地轉(zhuǎn)化，草地和水域面積基本保持穩(wěn)定，耕地與林地下降率分別為3.43%、2.07%，建設(shè)用地年增長率為3.43%，該情景下土地利用變化介于自然發(fā)展情景與生態(tài)優(yōu)先情景之間，符合“既要綠水青山又要金山銀山”的發(fā)展理念，使生態(tài)保護與經(jīng)濟發(fā)展并駕齊驅(qū)。

3.3" "多情景生態(tài)服務(wù)系統(tǒng)價值預(yù)測

3.3.1" "時間特征分析" "依據(jù)2030年多情景土地利用模擬結(jié)果，對漓江流域各地類的生態(tài)系統(tǒng)服務(wù)價值進行統(tǒng)計（表4）。由于城市中心區(qū)不斷外延，建設(shè)用地不斷擴張，多情景預(yù)測下流域的生態(tài)服務(wù)價值均呈下降趨勢。較基準年生態(tài)系統(tǒng)服務(wù)價值（227.09億元）而言，自然發(fā)展、生態(tài)優(yōu)先以及旅游優(yōu)先情景的生態(tài)服務(wù)價值分別為218.07、225.61、222.91億元，下降了9.02、1.48、4.18億元。從各地類結(jié)構(gòu)看，林地的生態(tài)系統(tǒng)服務(wù)價值在各情景中占比均超過80%，為漓江流域生態(tài)系統(tǒng)服務(wù)價值關(guān)鍵來源。耕地為漓江流域第二大地類，然而其生態(tài)系統(tǒng)服務(wù)價值占比較低，其貢獻度落后于林地和水域，占比7%左右。漓江流域水域面積僅占總面積的1.44%，其貢獻度達到10%以上。3種模擬情景下，生態(tài)優(yōu)先情景的生態(tài)系統(tǒng)服務(wù)價值最高，旅游優(yōu)先情景次之，自然發(fā)展情景最低，不同情景下人類活動對土地利用結(jié)構(gòu)影響差異較大，未來漓江流域在發(fā)展過程中需將生態(tài)保護考慮在內(nèi)，扼制建設(shè)用地的無序擴張。

3.3.2" "空間特征分析" "根據(jù)景觀生態(tài)學(xué)領(lǐng)域相關(guān)學(xué)者（蘇海民和何愛霞，2010；呂樂婷等，2018）的觀點，土地利用樣本的面積為斑塊平均面積的2～5倍時，能較好反映采樣區(qū)生態(tài)系統(tǒng)服務(wù)的空間特征。本文根據(jù)研究區(qū)實際情況，在保證每個尺度內(nèi)信息完整性及定量評價準確性的基礎(chǔ)上，應(yīng)用ArcGIS 10.2平臺將研究區(qū)創(chuàng)建為1 604個2 km×2 km網(wǎng)格單元，利用分區(qū)統(tǒng)計工具匯總基準年和預(yù)期年多情景生態(tài)系統(tǒng)服務(wù)價值（圖5），應(yīng)用自然間斷法劃分1～5等級，1級最低，5級最高。漓江流域生態(tài)系統(tǒng)服務(wù)價值總體呈現(xiàn)出“東北高，西南低”的空間特征。生態(tài)系統(tǒng)服務(wù)價值較高區(qū)域主要分布在流域北部和流域中東部海拔較高區(qū)域，如興安、資源、靈川和陽朔縣，以林地斑塊為主；低值區(qū)域分布在流域西南部，海拔較低，以耕地、建設(shè)用地斑塊為主，表明生態(tài)系統(tǒng)服務(wù)價值與海拔、地形因子有著較高空間契合度。與基準年相比，自然發(fā)展情景下的服務(wù)價值變化最為顯著，尤其在桂林市區(qū)和陽朔縣等區(qū)域，生態(tài)系統(tǒng)服務(wù)價值等級由二級轉(zhuǎn)變?yōu)橐患?。對?種情景下生態(tài)系統(tǒng)服務(wù)價值的空間分布發(fā)現(xiàn)，生態(tài)優(yōu)先情景和旅游優(yōu)先情景的生態(tài)系統(tǒng)服務(wù)價值空間特征類似，且明顯優(yōu)于自然發(fā)展情景，與2020年真實結(jié)果更為接近。

4" "討論

4.1" "土地利用變化模擬預(yù)測

PLSR模型的引入有效防止了ANN容易出現(xiàn)的過擬合現(xiàn)象（Gong et al，2009），優(yōu)化了FLUS-MarKov模型對預(yù)測結(jié)果空間分布的影響，總體上PLSR-FLUS-MarKov模型的精度提高了2.3%，與基準年情景保持高度一致，且較為穩(wěn)定。在3種情景模擬下，研究區(qū)的耕地和林地呈現(xiàn)出減少趨勢，建設(shè)用地以消耗耕地和林地為代價呈現(xiàn)出增加趨勢，最為明顯的是臨桂區(qū)建設(shè)致使桂林市區(qū)建設(shè)用地向西擴張，這與謝凌凌等（2022）的研究結(jié)果相似。研究區(qū)的土地利用模擬結(jié)果與國內(nèi)其他地區(qū)存在共性，如浦江流域的建設(shè)用地也呈下降趨勢，其轉(zhuǎn)換來源于耕地、濕地和林地（聞國靜等，2017），預(yù)測結(jié)果與本文相似。

4.2" "生態(tài)系統(tǒng)服務(wù)價值預(yù)測

在旅游優(yōu)先情景下，經(jīng)濟增長和生態(tài)環(huán)境保護都呈現(xiàn)向好趨勢，漓江流域經(jīng)濟壓力外移的同時，生態(tài)環(huán)境質(zhì)量也得到相應(yīng)改善，游客承載力得到加強，促進了旅游高質(zhì)量發(fā)展，而高質(zhì)量旅游開發(fā)又反作用于生態(tài)和環(huán)境保護（趙書虹等，2021）。2030年多情景下漓江流域的生態(tài)系統(tǒng)服務(wù)價值呈下降趨勢，其低值主要體現(xiàn)在桂林市區(qū)、陽朔縣和興安縣。一是受地勢平坦、海拔低等自然因素影響，二是受社會經(jīng)濟因素影響，城市住房、交通網(wǎng)絡(luò)和基礎(chǔ)設(shè)施對建設(shè)用地的需求增加，導(dǎo)致大量耕地和林地轉(zhuǎn)化為建設(shè)用地，生態(tài)系統(tǒng)服務(wù)價值隨之下降。向悟生等（2009）和Li等（2021）計算了漓江流域1991—2006年和1995—2015年的生態(tài)服務(wù)價值，結(jié)果亦呈下降趨勢，尤其是桂林和陽朔區(qū)域。此外，Lu等（2022）對黃河流域的生態(tài)系統(tǒng)服務(wù)價值進行了預(yù)測，結(jié)果顯示生態(tài)空間優(yōu)先情景下基本穩(wěn)定，而其他模擬情景下呈現(xiàn)下降趨勢，與本研究結(jié)果相似。

4.3" "多情景下未來發(fā)展啟示

自然發(fā)展情景的土地利用模擬顯示，若不限制研究區(qū)土地利用，到2030年建設(shè)用地需求將成倍增加，雖然基礎(chǔ)設(shè)施建設(shè)趨于完善，但耕地和林地面積將大幅減少，生態(tài)環(huán)境和耕地保護形勢將變得嚴峻。生態(tài)優(yōu)先情景下，2030年建設(shè)用地增幅下降明顯，耕地和林地面積略有減少，生態(tài)系統(tǒng)服務(wù)價值稍有下降，與2020年基本持平，符合資源環(huán)境保護和生態(tài)文明建設(shè)的發(fā)展思路，但并不能保證經(jīng)濟高質(zhì)量發(fā)展。旅游優(yōu)先情景下，2030年建設(shè)用地增加量迅速減少，耕地和林地面積小幅下降，生態(tài)系統(tǒng)服務(wù)價值僅小幅下降，符合相關(guān)政策思路。旅游業(yè)發(fā)展需要綜合考慮自然資源和設(shè)施建設(shè)、生態(tài)環(huán)境和經(jīng)濟發(fā)展，避免因人類活動造成建設(shè)用地?zé)o序蔓延擴張和生態(tài)環(huán)境惡化，或是過度注重生態(tài)環(huán)境保護而制約社會經(jīng)濟發(fā)展。

本研究雖較好地模擬了漓江流域的土地利用結(jié)構(gòu)并計算了生態(tài)系統(tǒng)服務(wù)價值，但仍存在諸多不足。在構(gòu)建土地利用變化驅(qū)動因素指標體系時，偏重自然地理環(huán)境因素，對社會經(jīng)濟因素考慮不全面，特別是對旅游因素缺乏深入挖掘，在旅游發(fā)達地區(qū)做相關(guān)研究時應(yīng)予以重視；在設(shè)置模擬情景時，只設(shè)置了自然發(fā)展情景、生態(tài)優(yōu)先情景和旅游優(yōu)先情景，未來還可設(shè)置基本農(nóng)田優(yōu)先等相應(yīng)場景。

參考文獻

李斌， 劉越巖， 張斌， 等， 2017. 基于Tietenberg模型的土地利用變化多情景模擬預(yù)測： 以武漢市蔡甸區(qū)為例[J].資源科學(xué)， 39（9）： 1739-1752.

LI B， LIU Y Y， ZHANG B， et al， 2017. Multi-scenario land use change simulation in Caidian using CLUE-S based on Tietenberg Modeling[J].Resources Science， 39（9）： 1739-1752.

李海東， 高吉喜， 2020. 生物多樣性保護適應(yīng)氣候變化的管理策略[J].生態(tài)學(xué)報， 40（11）： 3844-3850.

LI H D， GAO J X， 2020. Management strategy for biodiversity conservation to adapt to climate change in China[J]. Acta Ecologica Sinica， 40（11）： 3844-3850.

厲靜文， 董鎖成， 李宇， 等， 2021. 中蒙俄經(jīng)濟走廊土地利用變化格局及其驅(qū)動因素研究[J].地理研究， 40（11）： 3073-3091.

LI J W， DONG S C， LI Y， et al， 2021.The pattern and driving factors of land use change in the China-Mongolia-Russia Economic Corridor[J]. Geographical Research， 40（11）： 3073-3091.

黎夏， 李丹， 劉小平， 等， 2009. 地理模擬優(yōu)化系統(tǒng)GeoSOS及前沿研究[J].地球科學(xué)進展， 24（8）： 899-907.

LI X， LI D， LIU X P， et al， 2009. Geographical simulation and optimization system （GeoSOS） and its cutting-edge researches[J]. Advances in Earth Science， 24（8）： 899-907.

路昌， 韓笑， 韓會芹， 2020. 山東省土地利用轉(zhuǎn)型與生態(tài)服務(wù)功能交叉敏感性研究[J].農(nóng)業(yè)機械學(xué)報， 51（10）： 223-231.

LU C， HAN X， HAN H Q， 2020. Cross-sensitivity of Land Use Transformation and Ecological Service Function in Shandong Province[J].Transactions of the Chinese Society for Agricultural Machinery， 51（10）： 223-231.

呂樂婷， 張杰， 孫才志， 等， 2018. 基于土地利用變化的細河流域景觀生態(tài)風(fēng)險評估[J].生態(tài)學(xué)報， 38（16）： 5952-5960.

LYU L T， ZHANG J， SUN C Z， et al， 2018. Landscape ecological risk assessment of Xi River basin based on land-use change[J]. Acta Ecologica Sinica， 38（16）： 5952-5960.

蘇海民， 何愛霞， 2010. 基于RS和地統(tǒng)計學(xué)的福州市土地利用分析[J].自然資源學(xué)報， 25（1）： 91-99.

SU H M， HE A X， 2010. Analysis of land use based on RS and geostatistics in Fuzhou City[J]. Journal of Natural Resources， 25（1）： 91-99.

王祺， 蒙吉軍， 毛熙彥， 2014. 基于鄰域相關(guān)的漓江流域土地利用多情景模擬與景觀格局變化[J].地理研究， 33（6）： 1073-1084.

WANG Q， MENG J J， MAO X Y， 2014. Scenario simulation and landscape pattern assessment of land use changebased on neighborhood analysis and auto-logistic model： a case study of Lijiang River basin[J]. Geographical Research， 33（6）： 1073-1084.

王保盛， 廖江福， 祝薇， 等， 2019.基于歷史情景的FLUS模型鄰域權(quán)重設(shè)置： 三角城市群2030年土地利用模擬為例[J].生態(tài)學(xué)報 ， 39 （12）：4284-4298.

WANG B S， LIAO J F， ZHU W， et al， 2019.The weight of neighborhood setting of the FLUS model based on ahistorical scenario： a case study of land use simulation of urbanagglomeration of the Golden Triangle of Southern Fujian in 2030[J].Acta Ecologica Sinica， 39 （12）：4284-4298.

王穗子， 樊江文， 張雅嫻， 等， 2022. 基于草地畜牧業(yè)生產(chǎn)的三江源地區(qū)承載力多情景模擬分析[J].自然資源學(xué)報， 37（7）： 1893-1902.

WANG S Z， FAN J W， ZHANG Y X， et al， 2022. Multi-scenario simulations of carrying capacity of the Three River Headwaters Region based on animal husbandry production[J]. Journal of Natural Resources， 37（7）： 1893-1902.

聞國靜， 王妍， 劉云根， 等， 2017. 典型巖溶湖泊濕地流域土地利用動態(tài)及模擬預(yù)測[J].福建農(nóng)林大學(xué)學(xué)報（自然科學(xué)版）， 46（2）： 220-227.

WEN G J， WANG Y， LIU Y G， et al， 2017. Dynamics and simulation predictions of land-use in the typical catchment of Karst lake wetland[J]. Journal of Fujian Agriculture and Forestry University（Natural Science Edition）， 46（2）： 220-227.

向悟生， 李先琨， 丁濤， 等， 2009. 土地利用變化對漓江流域生態(tài)服務(wù)價值影響[J].水土保持研究， 16（6）： 46-50， 55.

XIANG W S， LI X K， DING T， et al， 2009. Effects of land use changes on eco-service value in Lijiang River basin[J]. Research of Soil and Water Conservation， 16（6）： 46-50， 55.

謝高地， 魯春霞， 冷允法， 等， 2003. 青藏高原生態(tài)資產(chǎn)的價值評估[J].自然資源學(xué)報， 18（2）： 189-196.

XIE G D， LU C X， LENG Y F， et al， 2003. Ecological assets valuation of the Tibetan Plateau[J]. Journal of Natural Resources， 18（2）： 189-196.

謝高地， 肖玉， 甄霖， 等， 2005. 我國糧食生產(chǎn)的生態(tài)服務(wù)價值研究[J].中國生態(tài)農(nóng)業(yè)學(xué)報（中英文）， 13（3）： 10-13.

XIE G D， XIAO Y， ZHEN L， et al， 2005. Study on ecosystem services value of food production in China[J]. Chinese Journal of Eco-Agriculture， 13（3）： 10-13.

謝高地， 張彩霞， 張雷明， 等， 2015.基于單位面積價值當(dāng)量因子的生態(tài)系統(tǒng)服務(wù)價值化方法改進[J].自然資源學(xué)報， 30（8）： 1243-1254.

XIE G D， ZHANG C X， ZHANG L M， et al， 2015. Improvement of the Evaluation Method for Ecosystem Service Value Based on Per Unit Area[J]. Journal of Natural Resources， 30（8）： 1243-1254.

謝凌凌， 許進龍， 臧俊梅， 等， 2022. 基于MarKov-FLUS模型的廣西土地利用變化模擬預(yù)測[J].水土保持研究， 29（2）： 249-254， 264.

XIE L L， XU J L， ZANG J M， et al， 2022. Simulation and prediction of land use change in Guangxi based on Markov-FLUS model[J]. Research of Soil and Water Conservation， 29（2）： 249-254， 264.

楊朔， 蘇昊， 趙國平， 2022. 基于PLUS模型的城市生態(tài)系統(tǒng)服務(wù)價值多情景模擬： 以漢中市為例[J].干旱區(qū)資源與環(huán)境， 36（10）： 86-95.

YANG S， SU H， ZHAO G P， 2022. Multi-scenario simulation of urban ecosystem service value based on PLUS model： a case study of Hanzhong City[J]. Journal of Arid Land Resources and Environment， 36（10）： 86-95.

楊麗萍， 張靜， 貢恩軍， 等， 2022. GEE聯(lián)合多源數(shù)據(jù)的西安市土地利用時空格局及驅(qū)動力分析[J].農(nóng)業(yè)工程學(xué)報， 38（2）： 279-288.

YANG L P， ZHANG J， GONG E J， et al， 2022. Analysis of spatio-temporal land-use patterns and the driving forces in Xi'an City using GEE and multi-source data[J]. Transactions of the Chinese Society of Agricultural Engineering， 38（2）： 279-288.

張學(xué)斌， 羅君， 石培基， 等， 2020. 格網(wǎng)尺度下張掖生態(tài)系統(tǒng)服務(wù)價值時空演變及地形梯度分異特征[J].應(yīng)用生態(tài)學(xué)報， 31（2）： 543-553.

ZHANG X B， LUO J， SHI P J， et al， 2020. Spatial-temporal evolution pattern and terrain gradient differentiation of ecosystem service value in Zhangye， Northwest China at the grid scale[J]. Chinese Journal of Applied Ecology， 31（2）： 543-553.

趙書虹， 白夢， 阮夢枝， 等， 2021. 云南省旅游資源與生態(tài)安全協(xié)調(diào)發(fā)展的時空演化特征及障礙因子分析[J].地理科學(xué)， 41（3）： 493-503.

ZHAO S H， BAI M， RUAN M Z， et al， 2021. Spatio-temporal evolution characteristics and obstacle factors of coordinated development of tourism resources and ecological security in Yunnan Province[J].Scientia Geographica Sinica， 41 （3）： 493 -503 .

卓靜， 朱延年， 李韜， 等， 2022. 陜北黃土高原區(qū)生態(tài)服務(wù)價值對土地利用變化的響應(yīng)[J].水土保持研究， 29（5）： 336-342.

ZHUO J， ZHU Y N， LI T， et al， 2022. Response of ecological service value and quality to land use change in China's Loess Plateau[J]. Research of Soil and Water Conservation， 29（5）： 336-342.

EROKHIN V， GAO T， IVOLGA A， 2020. Structural variations in the composition of land funds at regional scales across Russia[J].Land， 9（6）： 201.

GONG J Z， LIU Y S， XIA B C， et al， 2009. Urban ecological security assessment and forecasting， based on a cellular automata model： a case study of Guangzhou， China[J].Ecological Modelling， 220（24） ： 3612-3620.

GUAN D J， ZHAO Z L， TAN J， 2019. Dynamic simulation of land use change based on logistic-CA-Markov and WLC-CA-Markov models： a case study in three gorges reservoir area of Chongqing， China[J].Environmental Science and Pollution Research， 26（20）： 20669-20688.

HE W， LI Y Q， WANG J Y， et al， 2021. Using field spectroradiometer to estimate the leaf N/P ratio of mixed forest in a Karst area of Southern China： a combined model to overcome overfitting[J].Remote Sensing， 13（17） ： 3368.

LI N， WANG J Y， WANG H， et al， 2021. Impacts of land use change on ecosystem service value in Lijiang River Basin， China[J].Environmental Science and Pollution Research， 28（34）： 46100-46115.

LIU C L， LI W L， ZHU G F， et al， 2022. Land use/land cover changes and their driving factors in the Northeastern Tibetan Plateau based on geographical detectors and google earth engine： a case study in Gannan Prefecture[J].Remote Sensing， 12（19）： 3139.

LIU X P， LIANG X， LI X， et al， 2017. A future land use simulation model （FLUS） for simulating multiple land use scenarios by coupling human and natural effects[J].Landscape and Urban Planning， 168： 94-116.

LU C， QI X， ZHENG Z S， et al， 2022. PLUS-model based multi-scenario land space simulation of the lower Yellow River Region and its ecological effects[J].Sustainability， 14（11）： 6942.

SHI H， LI X， YANG Z， et al， 2020.Tourism land use simulation for regional tourism planning using POIs and cellular automata[J].Transactions in GIS， 24（4）： 1119-1138.

ZHOU Y， ZHANG X， YU H， et al， 2021. Land use-driven changes in ecosystem service values and simulation of future scenarios： a case study of the Qinghai-Tibet Plateau[J].Sustainability， 13（7）： 4079.

Multi-scenario Prediction of Ecosystem Service Values Based

on the PLSR-FLUS-MarKov Model： A Case Study of Lijiang River Basin

Abstract：Ecosystem service value assessment can effectively identify regional habitat quality， optimize biodiversity conservation areas， calculate ecological compensation amounts and， to some extent， cultivate human awareness of the \"value of natural resources\"， thereby promoting the construction of a regional ecological civilization. In this study， Lijiang River was selected as a case study， and we simulated the land use pattern and predicted the ecosystem service values of the Lijiang River basin in 2030 under three development scenarios that assumed differing priorities for ecological preservation and tourism. We also analyzed the impact of land use change on ecosystem service value. The study was based on the data from remote sensing images for the Lijiang River basin in 2010 and 2020. Topographic and geomorphic features， climate， tourism， and related socio-economic factors were selected as drivers of land use change for model fitting， revision and validation. The revised PLSR-FLUS-MarKov model， and the equivalent factor method were then used to simulate land use changes and predict ecosystem service value in 2030 under three scenarios： natural development， ecological priority， tourism priority. Results show that： （1） The PLSR-FLUS-MarKov model accurately portrayed the dynamic changes of land use in the watershed， with a simulation accuracy of 83.57%. （2） Land-use change areas in the watershed was concentrated in the Guilin City district， Xing'an County and Yangshuo County， with arable and forest lands converted to construction land and interconversion between arable land and forest land. （3） The ecosystem service values in the watershed in 2030 trended downward. The ecosystem service value was the highest under the scenario of ecological priority， followed by tourism priority and natural development， with respective values of 22.561， 22.291 and 21.807 billion yuan， decreases of 148， 418 and 902 million yuan compared to 2020. The ecosystem service values were higher in the northeast and lower in the southwest， and the rate of decline decreased after implementing the ecological priority strategy. Forest land contributed most to the ecosystem service value in Lijiang River basin， accounting for more than 80% of the total value， followed by arable land and surface water. Our study provides scientific guidance for the construction of a world-class tourism city， Guilin City， and managing regional ecosystem health.

Key words：land use change; ecosystem service value; PLSR-FLUS-MarKov model; multi-scenario simulation; Lijiang River basin