北部湾南流江流域土地覆盖及生物多样性模拟
田义超1,2,3,黄远林1*,张 强1,陶 进1,张亚丽1,周国清4,韩 鑫1,杨永伟1,林俊良1 (1.北部湾大学资源与环境学
院,广西 钦州 535011；2.北部湾海洋地理信息资源开发利用重点实验室,广西 钦州 535011；3.北部湾大学广西北部湾海洋生物多样性养护重点实验室,广西 钦州 535000；4.桂林理工大学广西空间信息与测绘重点实验室,广西 桂林 541004)
摘要：以北部湾独流入海河流南流江流域为研究对象,基于研究区2000年和2015年遥感数据解译的土地利用数据以及社会经济等数据,采用CLUE-S模型对未来2030年生态保护情景、自然增长情景以及粮食安全情景的土地利用格局进行了模拟预测,在此基础上采用InVEST模型对流域过去和未来不同情景的生物多样性进行了评估,探讨了流域生物多样性的生境质量和生境退化程度.结果表明:2000~2015年南流江流域建设用地、园地、水域和未利用地呈现出增加趋势,其中建设用地的增幅最大,而耕地和林地减幅最大.流域土地系统中共存在着34种土地网络转移流关系,上游存在24种,中游20种,下游28种,耕地与建设用地、耕地与林地以及林地与园地之间的转换占到流域总土地利用变化的70.74%.CLUE-S模型模拟未来土地利用的Kappa 系数达到 0.86,表明模型模拟未来情景的土地利用精度满足要求.2000年、2015年、2030年生态保护情景、2030 年自然增长情景以及2030年粮食安全情景流域生境质量总得分和平均得分分别为866630, 900357, 921055, 876231, 865370和 0.7457, 0.7747, 0.7925, 0.7539, 0.7466.2030年3种情景的中上游和下游地区生物多样性都呈现出不同程度的改善趋势,而中游地区则表现出退化趋势. 关键词：生物多样性；土地利用；CLUE-S模型；InVEST模型；情景模拟；南流江流域 中图分类号：X321 文献标识码：A 文章编号：1000-6923(2020)03-1320-15
Simulation of land cover and biodiversity in Nanliu river basin in Beibu Gulf. TIAN Yi-chao1,2,3, HUANG Yuan-lin1*, ZHANG Qiang1, TAO Jin1, ZHANG Ya-li1, ZHOU Guo-qing1, HAN Xin1, YANG Yong-wei1, LIN Jun-liang1 (1.College of Resources and Environment, Beibu Gulf University, Qinzhou 535011, China；2.Key Laboratory of Marine Geographic Information Resources Development and Utilization in the Beibu Gulf, Qinzhou 535011, China；3.Guangxi Key Laboratory of Beibu Gulf Marine Biodiversity Conservation, Beibu Gulf University, Qinzhou 535000, China；4.Guangxi Key Laboratory for Geospatial Informatics and Geomatics Engineering, Guilin University of Technology, Guilin 541004, China). China Environmental Science, 2020,40(3)：1320~1334
Abstract：In this paper, the Nanliuj river basin of Beibu Gulf, which flows into the Haihe River alone, was taken as the research object. Based on the land use data interpreted by remote sensing data in 2000 and 2015, and social and economic data, the CLUE-S model was applied to the ecological protection scenario in 2030. The land use patterns of natural growth scenarios and food security scenarios were simulated and predicted. On this basis, the InVEST model was used to evaluate the biodiversity of different scenarios in the past and future, and the habitat quality and degradation degree of biodiversity in the watershed were discussed. The results indicated: (1) From 2000 to 2015, the construction land, garden land, water area and unused land in Nanliu river basin showed an increasing trend, in which the construction land increased the most, while the cultivated land and woodland decreased the most. (2) There were 34 kinds of land network transfer flow relationships in the basin land system, including 24 in the upstream, 20 in the middle and 28 in the downstream. The conversion between cultivated land and construction land, cultivated land and forest land and between forest land and garden land accounted for 70.74% of the total land use change in the river basin. (3) When CLUE-S model was used to simulate future land use, Kappa coefficient reached 0.86, indicating that the land use accuracy of the model to simulate future scenarios met the requirements. (4) The total and average scores of habitat quality in the watershed of the 2000, 2015 and 2030 ecological protection scenarios, 2030 natural growth scenarios and 2030 food security scenarios were respectively 866630, 900357, 921055, 876231, 865370 and 0.7457, 0.7747, 0.7925, 0.7539 and 0.7466. (5) In the future 2030, the biodiversity of the three scenarios in the middle and upper reaches of the region and the lower reaches of the region showed different degrees of improvement, while the middle reaches showed degradation.
Key words：biodiversity；land use；CLUE-S model；InVEST model；scenario simulation；Nanliu river basin
收稿日期：2019-08-05
基金项目：国家国家重点研发计划(2016YFC0502300);广西自然科学基金联合资助培育项目(2018JJA150135);广西教育厅基金资助项目(ZD2014138);广西创新驱动发展专项(AA18118038) * 责任作者, 副教授, huangyuanlin@yeah.net
3期 田义超等：北部湾南流江流域土地覆盖及生物多样性模拟 1321
目前全球正面临着生物多样性丧失,生态系统服务下降和贫困的恶性循环[1],生物多样性在维持生态系统服务功能,延续人类福祉方面发挥着巨大的作用[2-
3].传统生物多样性的评估工作主要是基于
样方或者样地调查,执行效率低下,且关注的重点主要集中在种群和群落水平的生物多样性,在大中尺度上开展生物多样性的时空尺度研究较少[4].然而大尺度上的生物多样性评估往往是区域生态安全、生态补偿以及生态红线划定的依据,因此使用模型准确评估大尺度上的生物多样性及其空间分布就显得格外重要.如徐佩等[5]以汶川地震灾区为研究区,采用InVEST生物多样性模型计算,探测出灾区生物多样性的热点区,并在此基础上与现有保护区分布、物种生境分布以及Marxan模型计算出的优先区进行对比验证.谢余初等[6]以甘肃白龙江流域为例,采用InVEST模型和CASA模型对2000年、2002年和2010年景观尺度上生物多样性的时空变化特征进行了定量化评估.白健等[7]基于InVEST模型的Biodiversity模块,测定了闽江流域的生物多样性生态服务功能,运用模型结果中的生境质量指数和生境稀缺度指数评估了闽江流域2000年、2005年和2010年的生态环境质量,对区域生态环境的保护起到了一定的参考依据.
近年来,随着3S技术、生态过程模拟模型以及对地观测系统等高新技术的快速发展,定量化、可视化以及快速精准地评估大尺度上生物多样性的时空尺度变化已经成为可能.国内外研究学者采用相关生态模型对不同区域或者流域生态系统的生物多样性进行了评估,并取得了一系列成果[8-
9],评价模
型多选择生态系统服务功能综合估价和权衡得失InVEST模型[10-
12].总体上来看,目前生物多样性评
估多涉及历史时期生境质量和退化程度的评估,但是对于未来年份生境质量的变化及其退化程度的研究则较少,更缺乏未来土地利用格局及其政策变动对生物多样性所产生的影响[13],而未来不同土地利用格局及其政策的变动对于区域社会经济的可持续发展及其生物多样性空间分布格局有着至关重要的作用.
南流江流域位于广西壮族自治区东南部,是广西独流入海第一大河,该区域是广西北部湾地区重要的生物多样性保护地区,同时也是下游合浦县重
要的水源涵养地区.但是近年来由于上游地区生态环境破坏,工业园区建设、城市化进程的加快,人口密度增大,导致该地区土地利用开发强度大,水土流失严重,生物多样性受到严重的威胁.针对北部湾南流江独流入海河流生物多样性研究匮乏问题,很少有学者通过定量化手段识别该流域的生物多样性在历史时期以及未来不同政策变动情景下的生境演变趋势及其退化趋势.本研究首先采用CLUE-S模型对未来2030年不同情景的土地利用格局进行了模拟,随后在InVEST的支持下定量评估了该流域生物多样性的生境退化格局及其退化趋势,该项研究为典型流域生物多样性未来情景模拟提供了一套技术流程.本文研究成果可为生物多样性的定量化研究提供方法学上的经验,同时对于促进流域生态保护和生态规划提供依据. 1 数据与方法 1.1 研究区概况
图1 北部湾南流江流域地理位置
Fig.1 Location of Nanliu river basin in Beibu Gulf
北部湾南流江流域坐落在广西壮族自治区东南沿海地区,地处北纬21°21′~23°04′,东经105°47′~ 107°41′之间,东西长约139.22km,南北长约155.06.28km,流域总面积9337.26km2(图1).发源于北流市与玉林市交界的大容山主峰莲花顶南麓,向西南流经北流市、玉林玉州区和福绵区、博白县、合浦县等[12].南流江流域地质地貌复杂,地形自东北
1322 中 国 环 境 科 学 40卷
向西南倾斜,侧由六万大山、云开大山及砂页岩丘陵组成,流域上游玉林属桂东南丘陵台地,地势由西北向东南降低的趋势.流域气候属于东南沿海亚热带季风气候,流域多年平均气温在21.5~22.4℃,多年平均降水量为1400~1760mm,受海洋气候影响,高温多雨,是广西的暴雨中心区之一.流域土壤层深厚而且肥力良好,适合种植水稻、大豆、甘蔗、香蕉、蔬菜等多种亚热带作物.但由于南流江流域属于降水量丰富地区,洪涝灾害易发、加上生产发展水平低下,农用地利用效益就会相对较低.随着南流江流域人口和社会经济的逐渐增长,建设用地总体在增多,土地利用状况发生很大的变化,人均土地占有量减少,人地矛盾突出. 1.2 数据来源
本研究所使用的数据包括:(1)南流江流域遥感数据.来源于中国地理空间数据云平台(http: //strm.csi.cgiar.org)网站,其中2000年的遥感数据来源于Landsat TM传感器数据,而2015年的遥感数据则来源于最新的Landsat8OLI传感器数据,下
载数据时每景数据的云量都小于10%.根据研究区景观格局情况本文将流域土地利用分为8类,分别为耕地、园地、林地、草地、湿地、水体、建设用地和未利用地,解译结果经过实地勘探后进行修正和补充,最终土地利用解译精度为82.58%,流域2000年和2015年的土地利用空间格局及其分布见图2.(2)数字高程模型DEM数据来源于寒区旱区科学数据中心(http://westdc.westgis.ac.cn)网站. (3)南流江流域矢量边界的确定是通过ArcGIS10.2中的Hydrology模块进行流域边界自动提取.(4)流域行政区划、道路、铁路、河流、居民点以及水库等矢量数据来源于国家测绘出版社的1:25万矢量地图,该类数据可为土地利用情景模拟提供驱动力因子.(5)流域不同地区的降水、气温等气象数据来源于中国气象共享网(http://data.cma.cn),主要用于土地利用变化模拟中驱动力因子的生成.(6)流域社会经济数据来源于中国科学院资源环境科学数据中心(http://www.resdc.cn),空间分辨率为1km×1km[13].
图2 南流江流域2000年和2015年土地利用空间分布
Fig.2 Spatial distribution of land use in Nanliu river basin in 2000 and 2015
1.3 研究方法
1.3.1 土地转移流 国内外学者在对土地利用变化与动态分析时常用的方法是土地利用动态度,该方法虽然能表征土地利用在不同阶段的数量变化,但是该模型在对土地利用流转的方面考虑不足[14].为此本文引入物质变化中的“流”的理念来研究土地利用流转方向[15],其计算公式如下:
Lf=Lout+Lin (1)
Lnf=Lin−Lout (2)
式中:Lf表示土地转移流;Lout表示土地转出流;Lin表示土地转入流;Lnf表示土地转移流净值.
1.3.2 CLUE-S土地利用模拟模型 CLUE-S模型是荷兰瓦赫宁根大学P.H.Verburg土地利用与变化研究团队[1617]基于CLUE模型开发出的一套模拟未
-
3期 田义超等：北部湾南流江流域土地覆盖及生物多样性模拟 1323
来不同情境的土地利用变化模型.该模型主要包括空间模块和非空间模块,其中空间模块基于栅格像元数据将需求文件转换为土地利用变化分配到不同的空间位置上,而非空间模块主要是计算不同时期的土地利用数量变化文件,该文件为空间模块提供基础数据[18].
(1)驱动力因子选择:根据数据及其资料的可获得性、因子之间的空间异质性、驱动力因子之间的可量化性,同时考虑南流江流域有部分区域是大型的水库,因此将水库库区也纳入到影响土地利用变化的驱动力因子当中.本研究选择的具体驱动力因素为:地形因子(高程DEM和坡度);气象因子(年均降水和年均气温);距离因子(到主要河流、主要道路、农村居民点以及水库库区的距离),其中主要道路为铁路、公路以及一般县级道路,不同驱动力因子之间的距离使用ArcGIS10.2软件工具箱中的欧式距离进行插值求得;社会经济数据本研究选择了GDP数据,该数据是在全国分县GDP统计数据的基础上,采用模型进行建模得到[13].
(2)模型模拟情景设置:本研究选用数据的起始年份为2000年,数据的结束年份为2015年,因此根据研究区域的实际情况以及对历史数据的分析,本研究选择的预测开始年份为2015年,预测终止年份为2030年,同时设置了2030年生态保护情景、自然增长情景以及保障粮食安全3种不同的情景对南流江流域不同情景的生物多样性进行模拟,具体不同情景的预案设置如下:
①生态保护情景:在历史土地利用趋势预测的基础上优先考虑南流江流域的生态区划以及生态红线,以流域生态环境保护为基本的原则,根据自治区《2018年南流江流域水环境综合治理攻坚方案》[21],《关于推进生态立市的行动方案》[22]、《水
环境治理攻坚战行动方案》[23]
,有效推进流域生态林
结构调整,保护水土生态环境,设置该情景的目的主要是严格保护林草地、湿地以及水域等地类.
②自然增长情景:该情景土地利用需求的设置是基于历史时期2000~2015年土地利用变化率为未来土地利用变化速率,应用该时间序列方法对未来2030年的土地利用/覆被变化趋势进行模拟和预测.
③粮食安全情景:该情景中由于受到人类活动的影响,陡坡耕地大量转换为草地和灌木林地,因此
会导致由于粮食生产的耕地大量减少,为了有效保护耕地,该情景的耕地面积将会由林地和草地转换而来,但是在该情景下,根据南流江流域的生态规划,水库库区的林地将仍然保持不变,大部分的水库周边的林地都属于限制开发区,因此库区周边的林地几乎保持不变.
(3)模型模拟时空分辨率的设定:根据熵理论,同样区域的高分辨率数据必然比低分辨率数据含有更多的信息熵,更能体现更多的细节信息,但是更多的信息熵会导致模型模拟不确定性增加,因此会使模型的模拟结果精度降低[19].本研究以30m空间分辨率为步长对流域的土地利用变化进行模拟,但是在模型模拟时发现流域太大,30m尺度在模拟时由于栅格像元太多,模型无法执行,为此本研究设置了60,90,120m分别对模型进行了模拟,通过模拟发现90m的尺度在模型模拟时不同地类的ROC(接受者操作特性)曲线[20]模拟效果较好,因此本研究选择了90m×90m为CLUE-S模型模拟时的空间分辨率.时间尺度的确定则采用Kappa指数[21]进行验证,一般该指数大于0.75时具有较好的一致性理论[22].基于CLUE-S模型,应用设定的模型参数,从2000年开始模拟到2015年,时间尺度为15a,比较模拟出的2015年的土地利用数据与2015年原始的土地利用数据做Kappa指数计算,其值为0.78,表明在15a的时间尺度上对南流江流域的模型模拟具有较高的精度,估本研究的模拟时间尺度选择15a,未来土地利用模拟的年份设置为2030年.
1.3.3 InVEST生物多样性评价模型 InVEST生态系统服务权衡模型InVEST是由斯坦福大学、大自然保护协会以及世界自然基金会共同研发[23-
24].
InVEST模型中的生物多样性模块[25]使用栖息地的质量好坏代表生物多样性的持久性、弹性以及恢复性,模型通过参数运算得到生态系统的生境质量变化,模型认为生境质量高的区域将会更好的支持各种等级的生物多样性[26],该模型主要包括生境退化指数和质量指数[27].
生境退化指数的具体计算公式如下: Y
DRr
⎛
xj=∑∑r=1y=1⎜⎝
Wr
∑R
W⎞=1
r⎟⎠
ryirxyβxSjr (3)
r式中:Dsj表示生境退化指数;R为威胁因子个数;Yr表示威胁因子层r在土地利用类型图中的栅格个
1324 中 国 环 境 科 学 40卷
数;Wr表示威胁因子r的权重,取值0~1;ry表示土地利用类型中每个栅格上威胁因子的个数;irxy表示栅格y中的威胁因子r对生境栅格x的胁迫水平;ßx表示法律保护程度,取值为0~1,其值越低保护程度越高,本研究中考虑到生态红线中的禁止开发区分别在自然保护区、湿地公园、森林公园和风景名胜区中分别赋值为0.1、0.2、0.3和0.4;Sjr为生境类型j对威胁因子r的敏感程度,其值为0~1.
地为主,面积分别达到601247.61,248892.75hm2,分别占63.96%和26.48%;其次为建设用地,为32882.76hm2,占3.50 %;第三为水体和草地,二者面积相当,分别占2.17%和2.00%;而园地和湿地所占面积比较小,二者总和不超过流域总面积的2.00%,流域的未利用地面积所占比重最小,其值仅为0.01%.从2015年不同地类的变化特征可知,建设用地、园地、水域和未利用地这4个地类呈现出增加
生境质量指数的计算公式为: 趋势,其中建设用地的增幅最快,其值高达
⎛⎛Dxjz⎞⎞7891.02hm2,这与近年来南流江流域城市化及经济 (4) ⎟⎟Qxj=Hj⎜1−⎜
⎜⎜Dxjz+Ez⎟⎟的快速发展有着直接的关系.在面积减少的地类中,⎠⎠⎝⎝
式中:Qxj表示土地覆盖j中栅格x的生境质量指数,耕地和林地减少的幅度最大,其次为湿地,耕地和林其值在0~1之间,每0.2为一个级别,分为差、较差、一般、较好和优5个等级;Hj为土地覆盖j的生境属性;E表示半饱和常数,E值一般设置为生境退化程度最大值的1/2;z值是归一化常量,为模型默认参数,通常设置为2.5[28]. 2 结果与讨论 2.1 土地覆被变化特征
2.1.1 土地覆盖结构变化特征 由表1可知,2000年,北部湾南流江流域的土地利用类型以林地和耕
地减少的量大部分转换为建设用地,此外有一部分转换为园地.由单一土地利用动态度可知,流域不同类型土地利用类型的动态度存在着显著的差异,其中在动态度增加的地类中建设用地的单一土地利用动态度最大,其值高达526.07,园地和水域次之,其值为83.75和28.57,而未利用地土地利用动态度增幅最小.而在面积减少的地类中,林地和耕地的土地利用动态度减幅较高,分别减少了319.90和300.02;湿地次之,减少了16.36,草地的单一土地利用动态度的减幅最小,其值仅为4.70.
表1 研究区2000和2015年土地利用变化
Table 1 Land use changes in the study area in 2000 and 2015
土地利用类型
2000年 2015年
面积(hm)
2
2
比例(%) 面积(hm) 比例(%)
面积变化(hm2)
单一土地利用动态度
-300.02 -319.90 -4.70 -16.36
耕地 248892.75 26.48 244392.39 26.00 -4500.36 林地 601247.61 63.96 596449.17 63.45 -4798.44 草地 18825.21 2.00 18754.74 2.00 -70.47 湿地 3963.33 0.42 3717.90 0.40 -245.43
园地 13753.80 1.46 15010.11 1.60 1256.31 83.75
水域 20356.92 2.17 20785.41 2.21 428.49 28.57 建设用地 32882.76 3.50 40773.78 4.34 7891.02 526.07 未利用地 117.45 0.01 156.33 0.02 38.88 2.59
不同流域分区土地利用变化的幅度和面积大小程度不一(图3).其中,流域上游建设用地的面积增加最多,为4846.23hm2,下游建设用地增加次之,增加了1618.38hm2,而流域的中游地区建设用地增加的面积最少.流域上游建设用地增加的主要原因与近年来上游地区玉林市竹筒房、砖瓦房大量扩张,私人住宅和别墅用地肆意侵占耕地的现象时有发生,此外流域上游地区的玉林市是北部湾地区的重要生猪养殖基地,
随着人口的大幅度增加,生猪养殖导致基础设施侵占周边耕地和林场的现象越来越严重.流域下游地区的水域面积增加最大,其值增加了6664.68hm2,该区域增加的水域面积一方面与下游地区的水库水面扩容有关,另外一方面下游地区许多农户进行水产养殖,将原有的耕地转变为虾塘和鱼塘,因此导致水域面积大幅度增加.在面积减少的地类中,流域不同分区中以耕地和林地减少的面积和数量较大,其中流域上游和中游
3期 田义超等：北部湾南流江流域土地覆盖及生物多样性模拟 1325
地区耕地减少的速度大于林地,而流域下游地区林地
100008000600040002000
0-2000-4000-6000
减少的速度则小于耕地.
600050004000300020001000
0-1000-2000-3000-4000
变化面积(hm)2
耕地园地林地草地湿地水域变化面积(hm)(a)总体2
(b)上游耕地园地林地草地湿地建设用地未利用地水域
2
建设用地未利用地
2000变化面积(hm)2
变化面积(hm)(c)中游150010005000-500
耕地-1000
园地林地草地湿地水域耕地园地林地草地湿地建设用地未利用地水域
建设用地80007000600050004000300020001000
0-1000-2000
(d)下游
图3 南流江流域土地利用数量变化
Fig.3 Land use quantity change in Nanliu river basin
图4 南流江流域土地利用网络结构
Fig.4 Land use network structure of Nanliu river basin
1326 中 国 环 境 科 学 40卷
2.1.2 土地系统转移网络分析 由图4(a)可知, 2000~2015年北部湾南流江流域土地利用相互转换关系中共存在着34种土地网络流关系,流域不同区域土地利用转换关系及其转移数量存在着显著的差异,其中流域的上游存在着24种转移网络,中游地区存在着20种关系,而下游地区则存在着28种关系.近16a以来,耕地与建设用地、耕地与林地以及林地与园地之间的转换占到流域总土地利用变化的70.74%,而流域中以耕地转换为建设用地的面积最大,其值高达6998827.68hm2.从各个分区土地转移方向可知,南流江流域上游耕地转建设用地的面积最大,其次为林地转换为建设用地、第三为林地转耕地以及林地转园地;流域中游以耕地转建设用地流最大,其次为林地转建设用地;而流域下游除了耕地转建设用地、林地转建设用地以外,另外一个显著的转移流关系是耕地转换为湿地,这主要与下游的养殖鱼虾有关.
2.2 土地覆被变化精度检验及情景模拟预测 2.2.1 土地覆盖模拟精度检验 为了验证模型模拟的精度,本研究采用Kappa系数对2015年的土地利用模拟图(图5)和2015年的现状土地利用图进行精度验证,通过计算可知Kappa系数为0.86,说明模型模拟的精度较高,借助ArcGIS10.2软件对各种土
地利用类型的空间一致性进行了检验(表2),通过检验可知除未利用地的模拟精度为82.90%以外,其余地类的模拟精度都达到了90%以上,其中以建设用地地类的模拟精度最高,其值高达99.35%.此外由图5可知,2015年的土地利用现状图与模拟图中的地类图斑整体上分布比较一致,未发生较大的空间位移和偏差,其变化主要集中在流域的内部局部地区,其中以下游地区的水域以及湿地地类空间变化比较明显,其他地类变化较小.综上,本研究选用CLUE-S模型对研究区未来2030年的土地利用进行模拟具有可行性和可信性.
表2 土地覆盖模拟结果与现状数据对比
Table 2 Land cover simulation results are compared with
current data
土地利用类型
2015年现状数据与模拟数据一致的栅格数
总栅格数据
空间一致性对比
(%)
耕地 290126 301719 96.16 园地 17179 18531 92.70 林地 728212 736357 98.89 草地 22571 23154 97.48 湿地 4472 4590 97.43 水域 24125 25661 94.01 建设用地 50013 50338 99.35 未利用地 160
193 82.90
总体 1136858 1160543 97.96
图5 南流江流域2015年实际土地利用与模拟土地利用对比
Fig.5 Comparison of actual land use and simulated land use in Nanliu river basin in 2015
2.2.2 土地利用未来情景模拟 根据CLUE-S模型模拟结果统计出2015~2030年在生态保护、自然
增长以及粮食生产情景各种土地利用数量及空间变化过程,见图6.
3期 田义超等：北部湾南流江流域土地覆盖及生物多样性模拟 1327
(1)生态保护情景:该情景主要以流域生态环境保护为主要目标,主要保护生态价值较高的林地、草地以及湿地,这3个地类在空间上获得了一定程度的扩张,林地、草地和湿地在2015年现状土地利用图的基础上不断向周边的耕地地类蔓延.因此在该情景下流域的土地利用格局在空间上的关系主要表现为生态用地不断挤兑粮食用地,粮食用地中
的耕地则出现大幅度的减少趋势.其中草地增加最多的区域集中在流域上游的六万大山地区,相对于2015年,草地面积增加了3.03%;林地面积增加了7.58%,增加的区域主要集中在大容山的北麓地区以及勾漏山的南部;湿地地类在该情景下增加了5.62%,显著增加的区域主要集中在流域下游地区的星岛湖附近以及流域入海口的河口三角洲地带.
图6 南流江流域2030年不同情景土地利用模拟结果
Fig.6 Land use simulation results of different scenarios in Nanliu river basin in 2030
(2)自然增长情景:该情景南流江流域土地利用方式均以林地、草地、耕地、建设用地和园地为主,且2030年土地利用方式与2015年土地利用格局在空间上具有很大的一致性和趋同性.林地和草地的大量转出是自然情景下15a期间土地利用转换的主要方式,转出的很大一部分林地和草地转换为园地,其次少部分转换为建设用地,在空间上主要分布于流域的上游
地区,其次为耕地转换为建设用地.近15a以来流域耕地面积净减少了1.68%,主要分布在流域上游地区的玉林市周边以及流域下游的合浦县城.在该情景下另外一个显著的特征是园地面积显著增加,增加了3.13%,这类园地主要由上游地区的草地转换而来.
(3)粮食安全情景:粮食安全情景下2030年的土地利用模拟主要关注流域中耕地的空间分布特征,
1328 中 国 环 境 科 学 40卷
在目前流域现有耕地面积的前提下,为了满足上游玉林市以及下游地区合浦县的社会经济发展,该区域的粮食产量有所提高,集中连片的耕地面积也得到了一定程度的增长,在空间上主要分布于流域中游地区的盆地地区.相对于自然增长情景,该情景中
建设用地增加的趋势不是很显著,扩张的主要来源为该地区的耕地地类以及草地地类,这也是该情景中草地地类呈现出大量减少趋势的主要原因,该时期内草地面积相对于2015年减少了近10%左右. 2.3 生物多样性功能演变及趋势分析
图7 南流江流域历史和未来不同情景生境质量空间分布
Fig.7 Spatial distribution of habitat quality in different scenarios in history and future of Nanliu river basin
3期 田义超等：北部湾南流江流域土地覆盖及生物多样性模拟 1329
图8 南流江流域历史和未来不同情景生境退化空间分布
Fig.8 Spatial distribution of habitat degradation under different historical and future scenarios in Nanliujiang river basin
2.3.1 生境质量变化分析 基于现状2000年、2015年土地利用图以及未来2030年3种情景土地利用空间模拟结果图,采用InVEST模型对历史和未来不同情景的生境质量进行模拟,可以得到不同时期生境质量空间分布图7.生境质量较高的区域主要集中在流域内大容山的南部、云开大山、六万大山
以及五皇山地带,该区域由于较高的森林植被覆盖率,对流域或者区域的生态安全起着重要的保障作用,该区域中众多的流域支流水系也发源于这几座大山之中,保证了该流域中生态系统重要的生物多样性以及水源涵养功能;生境质量较低的区域主要集中在上游地区六万大山东南部、玉林盆地、中游
1330 中 国 环 境 科 学 40卷
地区的博白盆地以及下游的南流江流域河口三角洲,其中上游地区的六万大山和玉林盆地的过渡地区则主要是受到地形和人类活动的影响,该区域处于山地和平原的过渡地带,区域人类活动强度大导致水土流失严重,因此生境质量较低.中游地区的博白盆地是广西主要的粮食产地,也是玉林市和博白县重要的产量基地,大部分的景观格局类型为耕地地类,因此生境质量较低,而下游地区的河口三角洲大部分地区是平原地区,加之该地区铁山港港口发展造成生境质量破坏.根据图7生境质量的统计数据可知,2000、2015、2030年生态保护情景、2030 年自然增长情景以及2030年粮食安全情景南流江流
域的生境质量总得分和平均得分分别为866630、900357、921055、876231、865370和 0.7457、0.7747、0.7925、0.7539、0.7466,由上述统计结果可知,2030年生态保护情景下的生境质量最好,而2030年粮食生产情景和自然增长情景下的生境质量低于2015年,但是高于2000年.从不同时期生境质量的空间变化可知2000年生境质量中的一级区域(黄色)和二级区域(绿色)所占面积最大,到2015年时黄色区域和绿色区域呈现出缩小趋势,而生态保护情景和自然增长情景的区域则小于2015年,而粮食增长的区域面积则大于2015年.
图9 南流江流域生物多样性生境退化变化过程
Fig.9 Biodiversity habitat degradation and change in Nanliu river basin
2.3.2 生境退化空间变化分析 根据图8生境退化程度的统计数据可知,2000、2015、2030年生态
保护情景、2030年自然增长情景以及2030年粮食安全情景南流江流域的生境质量总得分和平均得
3期 田义超等：北部湾南流江流域土地覆盖及生物多样性模拟 1331
分分别为21401.60, 18714.00, 16568.2, 22205.30, 21101.70和0.0184, 0.0161, 0.0143, 0.0191, 0.0182,由上述统计结果可知,2030年生态保护情景下的生境退化指数最小,而2030年粮食生产情景的生境退化程度高于2015年但是低于2000年,自然增长情景下的生境退化程度最高,结合自然增长情景下生境质量的分析结果可知,如果未来使用该情景则流域中的生物多样性则会最差.从不同时期生境退化的空间分布可以看出,不同年份生境退化最高的区域都位于城镇的中心地区及其过渡地带,此外位于流域下游的河口三角洲其生境退化也比较严重,而生境退化较小的区域则位于六万大山、五皇山以及流域的水库湿地周边.
由图9可以看出,2000~2015年生境退化的区域主要集中在下游地区,其中下游灵山县东部的罗阳山与六万大山的交错地区退化的区域最为明显,占到区域
总面积的31.25%,其次为上游地区的大容山北麓地区,而中游地区的博白县及其博白平原则处于生境改善的区域.从2030年不同情景的生境退化程度图中可知,随着时间的推移生境质量在空间上发生着显著的转移过程,其中3个情景中上游和下游地区都呈现出不同程度的改善趋势,而中游地区则表现出退化趋势,具体来说2015~2030年自然增长情景下流域中游地区的生境退化最为严重,其次为粮食生产情景的中游地区,而生态保护情景中游地区退化相对较小.因此国家或者自治区未来在南流江流域中游地区实施一系列生态工程时要特别注重对中游地区生态环境的保护,以防止生态环境出现不可修复的趋势. 3 讨论
3.1 基于情景模拟的生物多样性评估方法与国内同类研究比较
表3 生物多样性评估传统方法与本文方法的对比
Table 3 Comparisons between the traditional and the present methods for biodiversity assessment
对比
方法
InVEST和Marxan模型 InVEST和CASA模型
传统 方法
InVEST模型 InVEST模型
CA-Markov和InVEST模型 CA-Markov和InVEST模型
本文 CLUE-S和InVEST模型
研究区
时间尺度
参考文献
汶川地震灾区 2008 [5]
甘肃白龙江流域 2000、2002和2010年 [6]
闽江流域 2000、2005和2010年 [7] 三峡库区重庆段 2005、2010、2015和2020年 [29]
武汉市 南流江流域
2005、2010、2015和
2020年
2000、2015、2030生态保护情景、自然增长情景和粮食安
全情景
[30] 本文
山西省 2000和2010年 [11]
表3中,杜世勋等[11]以山西省整个省域为研究对象,运用InVEST模型,结合土地利用类型、土地利用受到的威胁源、土地利用类型对威胁的敏感度等因素,利用山西省历史时期2000年和2010年的土地利用数据,建立生物多样性评价模型,对山西省10a来的生境质量指数和生境退化指数的空间分布格局进行了分析.上述研究在对区域或者流域生态系统生物多样性进行评估时多以历史时期的土地利用或者景观格局数据为基础,通过选取影响生境质量或者生境退化的指标构建生物多样性评价模型,并且采用InVEST模型对历史不同时期的生物多样性进行了定量化评估,为当地政府生物多样性的保护提供了一定的决策,但是应该注意到历史时期的生物多样性评估结果很难服务未来政府决策,因此
迫切需要建立未来时期流域或者区域的生物多样性评估结果.为此,刘春艳等[29]以三峡库区重庆段为研究区,采用CA-Markov模型和InVEST模型对研究区2005~2015年历史时期以及未来年份2020年的土地覆盖和生物多样性的时空动态演变进行了研究,得出整个库区的生物多样性功能逐渐趋于稳定的结论.另外,褚琳等[30]基于武汉市2005、2010 和2015历史时期的景观类型数据,采用CA-Markov模型模拟预测武汉市2020年自然增长情景下景观格局的发展方向和未来变化趋势,最后使用InVEST模型评价了历史和未来2020年研究区的生境质量分布和空间变化,探究景观格局变化与人类活动之间的关系.但是该类研究只是借助于CA-Markov模型对未来年份的土地利用进行了模拟和预测,该类模
1332 中 国 环 境 科 学 40卷
型在对未来年份土地利用进行模拟时是基于历史时期土地利用的变化比率进行模拟,因此采用该模型模拟的未来土地利用图作为生物多样性评估的结果只能反映未来年份自然增长情况下生物多样性的变化趋势,无法体现生物多样性在不同情景的模拟与变化趋势,致使研究成果在实际操作中容易出现误导.本文采用CLUE-S模型,通过设置2030年生态保护情景、自然增长情景和粮食安全情景3种情景对未来年份的土地利用变化进行模拟,规避了单一采用自然增长情景进行未来生物多样性评价结果的不确定性,因此可以为当地政府进行生物多样性保护提供决策和依据. 3.2 评估模型的不确定性
本研究在对南流江流域生物多样性进行评估时通过设置了3种不同情景的土地利用变化对未来年份的生物多样性进行了评估,但是研究中还存在着一些局限性.具体如下:
(1)未来不同情景土地利用变化模拟存在一定的不确定性.本文在对未来土地利用变化进行模拟预测时,采用CLUE-S模型设置不同的情景分析是以一定的假设条件为前提的,因此预测结果存在着诸多的不确定性,不可能完全接近于2030年的实际情况[31].由于土地利用变化的驱动力因素与土地利用之间的关系存在着时空动态性,因此虽然不可能完全准确的模拟未来土地利用的变化特征和变化趋势,但是仍然可以揭示土地利用变化的部分特征和变化机制,为政府的决策提供一定的参考依据[32-33].
(2)假设InVEST模型的生物多样性功能与南流江流域的植物多样性保持一致.该模型中的生境质量是生物多样性的代理,模型认为生境质量越好其生物多样性也高,假如生境遭受到破坏,其生物多样性也将会受到损失,然而在实际的工作当中生境质量较好的地方其生物多性却不一定较高,该模型的原理更多的是认为植物多样性较高的地区其生境越高[34].本研究所选择的南流江流域中的大地理单元大容山、云开大山及六万大山均属于生物多样性较高的区域,使用该模型完全可以满足要求,但是位于上游的玉林市以及下游的合浦县则是城市或者县域中心,在该区域在进行模型模拟时可能会存在着一定的局限性.
(3)InVEST模型中威胁因子的威胁水平的定量化表达存在着一定的不确定性.该模型中的所有的威胁因子是附加的,多种因子之间的集体影响有可能远远大于局部个体因子之后的威胁水平,这方面的因素该模型中尚未进行讨论. 3.3 未来研究方向
在以后其他类似流域的研究工作中可以将不同威胁因子之间的相互耦合关系考虑到模型的模拟中,也可以针对不同的情景模拟结果,采用相关的生态安全或者生态风险计量模型对其他类似流域未来不同情景的生态健康状况进行分区,这可为生态环境保护及其社会经济发展提供科学依据. 4 结论
4.1 2000~2015年北部湾南流江流域建设用地、园地、水域和未利用地呈现增加趋势,其中建设用地的增幅最大,而耕地和林地减幅最大.
4.2 流域共存在34种土地网络流关系,其中上游存在24种,中游存在20种,下游存在28种关系.近16a以来,耕地与建设用地、耕地与林地以及林地与园地之间的转换占到流域总土地利用变化的70.74%,而流域中以耕地转换为建设用地的面积最大,其值高达6998827.68hm2.
4.3 采用Kappa系数对2015年的土地利用模拟图和2015年的现状土地利用图进行精度验证,Kappa系数为0.86,模型模拟的精度较高,表明CLUE-S模型对研究区未来2030年的土地利用进行模拟具有可行性和可信性.
4.4 2030年生态保护情景下的生境质量最好,而2030年粮食生产情景和自然增长情景下的生境质量低于2015年,但是高于2000年.
4.5 2030年生态保护情景下的生境退化指数最小,而2030年粮食生产情景的生境退化程度高于2015年但是低于2000年,自然增长情景下的生境退化程度最高.3个情景中上游和下游地区的生物多样性都呈现出不同程度的改善趋势,而中游地区则表现出退化趋势.
参考文献：
[1] 潘玉雪,田 瑜,徐 靖,等.IPBES框架下生物多样性和生态系统服
务情景和模型方法评估及对我国的影响 [J]. 生物多样性, 2018,
3期
田义超等：北部湾南流江流域土地覆盖及生物多样性模拟 1333
26(1):89-95.
Pan Y X, Tian Y, Xu J, et al. Methodological assessment on scenarios and models of biodiversity and ecosystem services and impacts on China within the IPBES framework [J]. Biodiversity Science, 2018, 26(1):89-95.
[2] Isbell F, Reich P B, Tilman D et al. Nutrient enrichment, biodiversity
loss, and consequent declines in ecosystem productivity [J]. Proceedings of the National Academy of Sciences of the United States of America, 2013,110(29):11911-11916.
[3] Harper J L, Hawksworth D L. Biodiversity: measurement and
estimation. [J]. Philosophical Transactions of the Royal Society of London, 1994,345(1311):5-12.
[4] 彭 羽,卿凤婷,米 凯,等.生物多样性不同层次尺度效应及其耦合
关系研究进展 [J]. 生态学报, 2015,35(2):577-583.
Peng Y, Qing F T, Mi K, et al. Study progress on spatial scale effects and coupling relationships of different levels in biodiversity [J]. Acta Ecologica Sinica, 2015,35(2):577-583.
[5] 徐 佩,王玉宽,杨金凤,等.汶川地震灾区生物多样性热点地区分析
[J]. 生态学报, 2013,33(3):718-725.
Xu P, Wang Y K, Yang J F, et al. Identification of hotspots for biodiversity conservation in the Wenchuan earthquake-hit area [J]. Acta Ecologica Sinica, 2013,33(3):718-725.
[6] 谢余初,巩 杰,张素欣,等.基于遥感和InVEST模型的白龙江流域
景观生物多样性时空格局研究 [J]. 地理科学, 2018,38(6):979-986. Xie Y C, Gong J, Zhang S X, et al. Spatiotemporal change of landscape biodiversity based on InVEST model and remote sensing technology in the Bailong river watershed [J]. Scientia Geographica Sinica, 2018,38(6):979-986.
[7] 白 健,刘 健,余坤勇,等.基于InVEST-Biodiversity模型的闽江流
域生境质量变化评价 [J]. 中国科技论文, 2015,10(15):1782-1788. Bai J, Liu J, Yu K Y, et al. Evaluation of change in the ecological quality for Minjiang river basin based on the InVEST-biodiversity model [J]. China Sciencepaper, 2015,10(15):1782-1788.
[8] Vihervaara P, Mononen L, Auvinen A P et al. How to integrate
remotely sensed data and biodiversity for ecosystem assessments at landscape scale [J]. Landscape Ecology, 2015,30(3):501-516. [9] Polasky S, Nelson E, Pennington D et al. The impact of land-use
change on ecosystem services, biodiversity and returns to landowners: A case study in the state of Minnesota [J]. Environmental and Resource Economics, 2011,48(2):219-242.
[10] 杜世勋,荣月静.基于InVEST模型山西省土地利用变化的生物多样
性功能研究 [J]. 环境与可持续发展, 2015,40(6):65-70.
Du S X, Rong Y J. The biodiversity assessment of land use in ShanXi province based on InVEST model [J]. Environment and Sustainable Development, 2015,40(6):65-70.
[11] 郑 宇,张蓬涛,汤 峰,等.基于InVEST模型的昌黎县土地利用变
化 对生境质量的影响研究 [J]. 中国农业资源与区划, 2018(7): 121-128.
Zheng Y, Zhang F T, Yang F, et al. The effects of land use change on habitat quality in Changli County based on InVest model [J]. Chinese Journal of Agricultural Resources and Regional Planning, 2018,(7): 121-128.
[12] 阚兴龙,周永章.北部湾南流江流域生态功能区划 [J]. 热带地理,
2013,33(5):588-595.
Kan X L, Zhou Y Z. Ecological function regionalization of the Nanliu river basin of Beibu gulf [J]. Tropical Geography, 2013,33(5):588- 595.
[13] 徐新良.中国GDP空间分布公里网格数据集.中国科学院资源环境
科学数据中心数据注册与出版系统(http://www.resdc.cn/DOI), 2017. DOI:10.12078/2017121102.
Xu X L. Spatial distribution kilometer grid data set of GDP in China.data registration and publishing system of resource and environment science data center of Chinese Academy of Sciences (http://www.resdc.cn/DOI), 2017.DOI:10.12078/2017121102. [14] 田义超,梁铭忠.黄土台塬区土地利用/覆被变化定量研究——以陕
西省咸阳台塬区为例 [J]. 干旱区研究, 2013,30(3):563-569. Tian Y C, Liang M Z. Land use/cover change in Loess Tableland areas——a case study in the Loess Tableland areas in Xianyang, Shaanxi province [J]. Arid Zone Research, 2013,30(3):563-569. [15] 马彩虹,任志远,李小燕.黄土台塬区土地利用转移流及空间集聚特
征分析 [J]. 地理学报, 2013,68(2):257-267.
Ma C H, Ren Z Y, Li X Y. Land use change flow and its spatial agglomeration in the loess platform region [J]. Acta Geographica Sinica, 2013,68(2):257-267.
[16] Verburg P H, Soepboer W, Veldkamp A. Modeling the Spatial
Dynamics of Regional Land Use: The CLUE-S Model [J]. Environmental Management, 2002,30(3):391-405.
[17] Verburg P H, Veldkamp A, Koning G H J. A spatial explicit allocation
procedure for modelling the pattern of land use change based upon actual land use [J]. Ecological Modelling, 1999,116(1):45-61. [18] 田义超,任志远.基于CLUE-S模型的黄土台塬区土地利用变化模拟
——以陕西省咸阳台塬区为例 [J]. 地理科学进展, 2012,31(9): 1224-1234.
Tian Y C, Ren Z Y. Land use change simulations in Loess Hilly areas based on CLUE-S model: a case study in Xianyang Loess Tableland areas of Shaanxi province [J]. Progress in Geography, 2012,31(9): 1224-1234.
[19] 刘 淼,胡远满,孙凤云,等.土地利用模型CLUE-S在辽宁省中部城
市群规划中的应用 [J]. 生态学杂志, 2012,31(2):413-420.
Liu M, Hu Y M, Sun F Y, et al. Application of land use model CLUE-S in the planning of central Liaoning urban agglomerations [J]. Chinese Journal of Ecology, 2012,31(2):413-420.
[20] 摆万奇,张永民,阎建忠,等.大渡河上游地区土地利用动态模拟分析
[J]. 地理研究, 2005,24(2):206-213.
Bai W Q, Zhang Y M, Yan J Z, et al. Simulation of land use dynamics in the upper reaches of the Dadu river [J]. Geographical Research, 2005,24(2):206-213.
[21] 刘 欣,赵艳霞,冯晓淼,等.基于CLUE-S模型的多目标土地利用格
局模拟与优化——以河北省廊坊市北三县为例 [J]. 地理与地理信息科学, 2018,34(5):98-104.
Liu X, Zhao Y X, Feng X M, et al. Simulation and optimization of multi-objective land use pattern based on the CLUE-S model:a Case study of the Three Northern counties of Langfang in Hebei province [J]. Geography and Geo-Information Science, 2018,34(5):98-104. [22] Pontius R G, Schneider L C. Land-cover change model validation by
an ROC method for the Ipswich watershed, Massachusetts, USA [J].
1334 中 国 环 境 科 学 40卷
Agriculture Ecosystems and Environment, 2001,85(1-3):239-248. [23] Tallis H T, Ricketts T, Nelson E, et al. InVEST 1. 004Beta User's
Guide. The Nature Capital Project University, Stanford, 2010:21-39. [24] Nelson E, Mendoza G, Regetz J, et al. Modeling multiple ecosystem
services, biodiversity conservation, commodity production, and tradeoffs at landscape scales [J]. Frontiers in Ecology and the Environment, 2009,7(1):4-11.
[25] Hartoyo A P P, Siregar I Z, Supriyanto, et al. Biodiversity, Carbon
Stocks and Community Monitoring in Traditional Agroforestry Practices: Preliminary Results from Two Investigated Villages in Berau, East Kalimantan [J]. Procedia Environmental Sciences, 2016, 33:376-385.
[26] Polasky S, Nelson E, Pennington D, et al. The impact of land-Use
change on ecosystem services, biodiversity and returns to landowners: A case study in the state of Minnesota [J]. Environmental and Resource Economics, 2011,48(2):219-242.
[27] Richard Sharp, Rebecca Chaplin Kramer, Spencer Wood, et al.
InVEST 3.3.0User's Guide [M/OL]. 2015. http://data.naturalcapitalproject. org/nightly-build/invest-users-guide/html.
[28] Miller C. Handbook of Biodiversity Methods. Survey, Evaluation and
Monitoring [J]. Austral Ecology, 2010,32(8):956-956.
[29] 刘春艳,朱康文,刘吉平.三峡库区重庆段土地覆盖和生物多样性功
能演化及预测 [J]. 农业工程学报, 2017,33(19):258-267.
Liu C Y, Zhu K W, Liu J P. Evolution and prediction of land cover and biodiversity function in Chongqing section of Three Gorges Reservoir Area [J]. Transactions of the Chinese Society of Agricultural Engineering, 2017,33(19):258-267.
[30] 褚 琳,张欣然,王天巍,等.基于CA-Markov和InVEST模型的城市
景观格局与生境质量时空演变及预测 [J]. 应用生态学报, 2018,
29(12):4106-4118.
Chu L, Zhang X R, Wang T W, et al. Spatial-temporal evolution and prediction of urban landscape pattern and habitat quality based on CA-Markov and InVEST model [J]. Chinese Journal of Applied Ecology, 2018,29(12):4106-4118.
[31] 吴文斌,杨 鹏,谈国新,等.基于Logit模型的世界主要作物播种面积
变化模拟 [J]. 地理学报, 2007,62(6):589-598.
Wu W B, Yang P, Tan G X, et al.Global-scale modeling of future changes in sown areas for major crops based on a Logit model [J]. Acta Geographica Sinica, 2007,62(6):589-598.
[32] 唐华俊,吴文斌,杨 鹏,等.土地利用/土地覆被变化(LUCC)模型研
究进展 [J]. 地理学报, 2009,64(4):456-468.
Tang H J, Wu W B, Yang P, et al. Recent progresses of land use and land cover change (LUCC) models [J]. Acta Geographica Sinica, 2009,64(4):456-468.
[33] 田义超,梁铭忠,任志远.城乡过渡区土地利用变化模拟与生态风险
时空异质性特征 [J]. 环境科学研究, 2013,26(5):540-548.
Tian Y C, Liang M Z, Ren Z Y, et al. Simulation of land use change and temporal-spatial heterogeneity of eco-risk in urban fringe [J]. Research of Environmental Sciences, 2013,26(5):540-548.
[34] 吴健生,张理卿,彭 建,等.深圳市景观生态安全格局源地综合识别
[J]. 生态学报, 2013,33(13):4125-4133.
Wu J S, Zhang L Q, Peng J, et al. The integrated recognition of the source area of the urban ecological security pattern in Shenzhen [J]. Acta Ecologica Sinica, 2013,33(13):4125-4133.
作者简介：田义超(1986-),男,陕西西安人,工程师,博士,主要从事资源
环境遥感与GIS及海岸带生态环境监测的相关研究.发表论文26篇.
因篇幅问题不能全部显示，请点此查看更多更全内容