基于Logistic-CA-Markov與InVEST模型對南京市土地利用與生物多樣性功能模擬評價

榮月靜, 張 慧，2, 王巖松

(1.環(huán)境保護部 南京環(huán)境科學研究所, 南京 210042; 2.南京信息工程大學大氣環(huán)境與裝備技術(shù)協(xié)同創(chuàng)新中心，南京 210044； 3.遼寧省環(huán)境科學研究院, 沈陽 110015)

?

基于Logistic-CA-Markov與InVEST模型對南京市土地利用與生物多樣性功能模擬評價

榮月靜1, 張 慧1，2, 王巖松3

(1.環(huán)境保護部 南京環(huán)境科學研究所, 南京 210042; 2.南京信息工程大學大氣環(huán)境與裝備技術(shù)協(xié)同創(chuàng)新中心，南京 210044； 3.遼寧省環(huán)境科學研究院, 沈陽 110015)

針對目前國際上應用比較廣泛的Logistic模型，在此基礎上加入空間自相關(guān)變量，應用1985年、1995年、2005年、2015年4期土地利用數(shù)據(jù)，再結(jié)合CA-Markov模型模擬預測了南京市2025年3種不同情景(自然增長情景、生態(tài)保護情景和土地優(yōu)化情景)下的土地利用發(fā)展方向；進一步結(jié)合InVEST模型，研究以上4年土地利用變化下的生物多樣性服務功能分布和變化，以及2025年不同模擬情景下的生物多樣性服務功能分布情況。結(jié)果表明：Logistic-CA-Markov模型精度Kappa值均在0.80以上，預測效果較好。在不同的情景設置下，土地利用存在明顯的空間差異：自然增長情景按原有速率變化，則建設用地快速發(fā)展并占用大量耕地，生物多樣性受到嚴重威脅，生態(tài)保護情景和土地優(yōu)化情景對未來土地調(diào)控效果較好，生物多樣性功能得到很好改善，可以為當?shù)赝恋乩每傮w規(guī)劃提供科學決策參考。

Logistic-CA-Markov模型; InVEST模型; 生物多樣性

土地利用的變化時刻改變著區(qū)域乃至全球生態(tài)環(huán)境的變化，土地利用結(jié)構(gòu)的變化對區(qū)域景觀格局有重要的影響，并直接影響區(qū)域土地利用系統(tǒng)與生態(tài)系統(tǒng)之間的關(guān)系。當前，土地利用變化可以通過多種模型模擬，其中地理學具有代表性的就是以元胞自動機預測土地利用變化的模型。在國外元胞自動機模型從20世紀90年代廣泛應用于景觀生態(tài)學中[1-3]，GIS技術(shù)不斷推動元胞自動機模型在城市模擬中的應用[4-6]。在國內(nèi)孫賢斌等[7]采用CA-Markov模型方法，研究撓力河流域不同時段土地利用對濕地干擾的程度，得到由于土地大規(guī)模開發(fā)，景觀格局發(fā)生巨大變化，致使?jié)竦鼐坝^大量喪失；黎夏等[8]首次將CA模型與邏輯回歸、主成分分析與神經(jīng)網(wǎng)絡等結(jié)合進行城市擴張模擬，模擬結(jié)果良好，對城市規(guī)劃提供科學的決策參考；何春陽等[9]基于CA和經(jīng)濟學Tietnebegr模型構(gòu)建了一個模擬和預測大都市區(qū)城市發(fā)展演變過程的城市擴展模型。趙建軍等[10]采用CA-Markov模型，運用1988年、1996年、2003年3期土地利用數(shù)據(jù)，結(jié)合海拔、交通、氣候等驅(qū)動因子，預測向海保護區(qū)2010年、2018年的土地覆被類型，得到保護區(qū)濕地面積在大量減少，森林和草地呈減少趨勢，耕地、居民地、未利用地呈增加趨勢，其中未利用地面積增加最多。

土地利用變化后，將使生態(tài)系統(tǒng)組成發(fā)生改變，從而使生態(tài)系統(tǒng)多樣性發(fā)生變化。國外Forster等[11]從短期(5～10 a)和長期(10 a以上)尺度上分別研究英國加勒比海洋和沿海地區(qū)由于海鷗或海龜引起的生境損失、物種侵襲、資源的不可持續(xù)利用和珊瑚礁的破壞等生態(tài)環(huán)境問題。Rojas等[12]通過分析拉丁美洲2000—2010年影響土地利用的地理要素，來分析城市化影響土地利用變化，人造林、森林采伐、農(nóng)業(yè)廢棄對生物多樣性造成壓力，結(jié)果對拉丁美洲戰(zhàn)略環(huán)評和可持續(xù)管理提供參考。Billionnet[13]運用數(shù)學優(yōu)化方法研究針對景觀破碎化、森林開發(fā)、入侵物種控制以及遺傳多樣性的維護等生物多樣性方面的保護。Corona等[14]基于森林資源數(shù)據(jù)，來研究植物物種豐富度、樹種類等，進而通過森林資源潛力來評估景觀多樣性指標。Barbati等[15]通過對歐洲森林監(jiān)測，得到2000—2010年歐洲森林面積顯著增加，但是森林生境和森林類型損失嚴重，從而研究森林可持續(xù)管理。楊德偉等[16]2006年基于景觀生態(tài)學的理論對生物多樣性進行研究，指出要深入分析生物多樣性，就得研究所依存的區(qū)域生態(tài)系統(tǒng)的結(jié)構(gòu)和功能，尤其是它的富集區(qū)(如濕地、沼澤地等)，這樣才能達到其有效保護和景觀的優(yōu)化利用。劉振生等[17]2013年運用MAXENT模型對賀蘭山巖羊生境適宜性進行研究，得出巖羊偏愛于山勢陡峭地帶，并建議減少礦區(qū)和道路等人為干擾因素，以此來提高巖羊的生境質(zhì)量。

南京市位于長江下游中部富庶地區(qū)，江蘇省西南部。南京地處長江下游的寧鎮(zhèn)丘陵山區(qū)，位于北緯31°14′—32°37′，東經(jīng)118°22′—119°14′，總面積6 579 km2。屬亞熱帶季風氣候，四季分明，地形復雜，近30年土地利用類型發(fā)生了很大的變化，因此本文將南京市作為研究區(qū)域，運用前人的經(jīng)驗，并加以創(chuàng)新，將Logistic-CA-Markov土地利用預測模型與生態(tài)服務功能軟件InVEST模型中的生物多樣性模型結(jié)合，深入探討土地利用變化對生物多樣性影響的原因，提出土地優(yōu)化的方案。

1　數(shù)據(jù)處理與研究方法

1.1數(shù)據(jù)來源與處理

本文主要數(shù)據(jù)源，分別來源于1985年、1995年、2005年和2015年4個時期的Landsat TM/ETM和MODIS數(shù)據(jù)影像，分辨率為30 m，遙感數(shù)據(jù)整體質(zhì)量較好，沒有大范圍云系覆蓋，地物信息豐富，為區(qū)域的景觀格局研究提供了充足的信息來源。數(shù)據(jù)處理平臺包括ENVI 5.0，ArcGIS 10.0，IDRISI軟件。通過進行人機交互解譯的方法，對不同土地類型進行監(jiān)督分類，得到南京市土地利用圖。以《土地利用現(xiàn)狀分類》標準為基礎，將南京市土地利用類型分為6大類，即森林、草地、濕地、耕地、建設用地和未利用地。由于元胞的大小會直接影響模型模擬的精度以及模型的運算時間，并且研究區(qū)范圍較大，因此將元胞的大小確定為100 m×100 m。

1.2研究模型與研究方法

1.2.1Logistic回歸模型Logistic回歸模型[19]主要進行二分類或多分類因子變量分析，目前被廣泛應用于土地利用變化驅(qū)動力的研究中。Logistic回歸模型的方程為：

(1)

式中：Pi——每個柵格可能出現(xiàn)某一土地利用類型i的概率；Xn——各影響因子；β0——常數(shù)項；βi——Logistic回歸的偏回歸系數(shù)。Logistic回歸模型可以對每一個柵格出現(xiàn)某一地類的概率進行診斷，篩選出對土地利用類型格局影響較為顯著的因素，并確定它們間的定量關(guān)系和作用大小，通?？捎肦OC方法進行檢驗。

1.2.2CA模型與Markov過程的耦合Markov與CA均為時間離散、狀態(tài)離散的動力學模型。用Markov模型對土地利用變化進行預測，由于沒有考慮各種土地利用類型的空間分布，所以得到的預測變化也只是在數(shù)量上的反映，無法反映在空間上的分布變化情況。而CA模型具有空間概念，狀態(tài)變量與空間位置緊密相連，能夠模擬空間系統(tǒng)的復雜變化。在Markov模型分析的基礎之上，加入具有空間模擬能力的CA模型，能夠綜合考慮各種因素的影響，同時考慮土地利用的歷史變化趨勢，對土地利用的變化進行動態(tài)模擬，以獲取未來土地利用的狀況。Markov模型計算原理：

St+1=PijSt

(2)

式中：St，St+1——t，t+1時刻土地利用系統(tǒng)的狀態(tài)；Pij——狀態(tài)轉(zhuǎn)移矩陣。

CA模型只是一種建?？蚣?，而不是具體的模擬模型，它由離散的元胞、元胞空間、有限的狀態(tài)、領域和規(guī)則5部分構(gòu)成?？擅枋鋈缦?

(3)

1.2.3InVEST模型—Biological模塊生物多樣性與生態(tài)服務功能直接相關(guān)，生物多樣性的空間分布格局與土地利用及其威脅有很深的聯(lián)系，InVEST模型的生物多樣性模型用棲息地的質(zhì)量好壞代表生物多樣性的持續(xù)性、恢復能力、廣度和深度的變化，得到生境質(zhì)量指數(shù)和退化指數(shù)，以達到平衡生物多樣性和經(jīng)濟發(fā)展的需求。

Biodiversity模型運行過程在ArcGIS中運行InVEST模型，按照模型自帶參數(shù)設置情況在InVEST Toolbox下的Biodiversity模塊中設置相應的數(shù)據(jù)。模型輸出生境質(zhì)量指數(shù)和生境退化度圖層。

Habitatindex為生境質(zhì)量指數(shù)，采用生境質(zhì)量指數(shù)評價：

(4)

Dxj為土地利用與土地覆蓋或生境類型j柵格x的生境脅迫水平，其計算公式如下：

(5)

柵格y中脅迫因子r對柵格x中生境的脅迫作用為irxy：

(6)

式中：dxy——柵格x與柵格y之間的直線距離；drmax——脅迫因子r的最大影響距離；Wr——脅迫因子的權(quán)重，表明某一脅迫因子對所有生境的相對破壞力；βx——柵格x的可達性水平，1表示極容易達到；Sjr——土地利用與土地覆蓋(或生境類型)j對脅迫因子r的敏感性，該值越接近1表示越敏感；

生境退化指數(shù)與生境中各地類距離生態(tài)威脅因子的遠近空間位置關(guān)系、地類對于威脅因子的敏感程度以及威脅因子的數(shù)量等因素緊密相關(guān)。這主要是基于InVEST模型中這樣的假設，即認為在一個生態(tài)系統(tǒng)中地類對于威脅因子的敏感性程度越高，則該威脅因子對地類退化程度的影響也就越大。生境退化程度的計算公式如下：

生境退化指數(shù)=敏感性分布圖層×威脅強度分布圖層×權(quán)重值

(7)

2　結(jié)果與分析

2.1土地利用變化現(xiàn)狀

2.1.1土地利用結(jié)構(gòu)分析1985—2015年各土地利用類型均發(fā)生著變化，主要表現(xiàn)為濕地、建設用地的增加，森林、草地和耕地的減少。建設用地增加幅度較大，從1985年的9.68%增加到2015年的25.09%，濕地從8.19%增加到14.80%；耕地降低幅度較大，耕地從1985年的71.06%減少到2015年的51.48%，森林從10.11%減少到8.54%，草地從0.91%減少到0.10%(表1)。

表1　1985-2015年南京市土地利用類型面積及比例

2.1.2土地利用轉(zhuǎn)移分析從表2可以得出，南京市1985—2015年耕地轉(zhuǎn)化為建設用地的面積最大，為1 150.47 km2，這表明南京市近30 a城市化進程飛速增長，其次是耕地轉(zhuǎn)化為濕地427.78 km2，建設用地轉(zhuǎn)化為耕地210.22 km2，森林轉(zhuǎn)化為耕地187.59 km2，耕地轉(zhuǎn)化為森林164.55 km2，森林轉(zhuǎn)化為建設用地89.69 km2，這其中森林和耕地、森林和建設用地、耕地和建設用地相互轉(zhuǎn)化，是由于1985—2015年前期南京市經(jīng)濟快速增長，土地需求量增多，大量森林和耕地被建設用地占用，后期南京市在發(fā)展經(jīng)濟的同時注重生態(tài)環(huán)境保護和恢復，進行大規(guī)模的植樹造林所致。

表2　南京市1985-2015年土地利用轉(zhuǎn)移矩陣　km2

2.2土地利用變化預測

2.2.1土地利用變化驅(qū)動因子分析總結(jié)已有的相關(guān)研究，根據(jù)研究區(qū)現(xiàn)狀，選取人文、自然和可達性3個方面16個驅(qū)動因子(表3)，并且加入空間自相關(guān)因子，提取其柵格屬性信息并導入到IDRISI軟件的Logistic逐步回歸模塊，對南京市土地利用變化的相關(guān)驅(qū)動因子進行分析。并對所得結(jié)果進行ROC檢驗，篩選出對土地利用變化有顯著影響的因子，進而分析其驅(qū)動機制，為元胞自動機提供轉(zhuǎn)換規(guī)則。同時將耕地、森林、草地、水域、建設用地、未利用地與各驅(qū)動因子單獨成層，制成具有相同投影信息、相同分辨率、相同大小的柵格影像，并導出形成ASCⅡ文件，輸入IDRISI模型中editor-collector模塊，在IDRISI的Logistic模塊中，需要對所有的驅(qū)動因子和土地利用類型進行二值化處理。本研究結(jié)合以往學者研究，結(jié)合南京市實際情景，依據(jù)17個人文、自然、可達性驅(qū)動因子和自相關(guān)因子圖，創(chuàng)建這些驅(qū)動因子的二值化圖，即重分類為0，1值。最后計算得各地類ROC檢驗值均達到了0.80左右，表明Logistic回歸模型對南京市土地利用類型的驅(qū)動因子的分析較為準確可信。

表3　邏輯回歸分析結(jié)果

2.2.2Kappa系數(shù)精度檢驗模型模擬土地利用空間變化的精度進行檢驗通常采用Kappa指數(shù)方法：

(8)

式中：P0——模擬正確的比例；Pc——模型隨機情況下模擬正確的比例；Pp——理想分類情況下正確模擬的比例。

運用IDRISI軟件中GIS Analysis→Database Query→CROSSTAB，1表示第一幅影像數(shù)據(jù)，這里的2000年為模擬產(chǎn)生的數(shù)據(jù)；2表示第二幅影像數(shù)據(jù)，這里的2000年為實際數(shù)據(jù)。其實，上述二者的順序是可以調(diào)換的。如附圖11所示，模型運行后得出2005年和2015年的kappa系數(shù)結(jié)果為0.82，0.85，模擬效果較好。

2.2.3土地利用結(jié)構(gòu)情景模擬分析將通過精度驗證的CA-Markov模型對南京市2025年的土地覆被類型進行模擬預測，通過改變模型中轉(zhuǎn)移矩陣的參數(shù)，得到南京市2025年自然增長、生態(tài)保護和土地優(yōu)化3種不同情景下的土地利用規(guī)劃(表4)。

在自然發(fā)展情景條件下，南京市土地利用需求不會受到較大規(guī)模的政策調(diào)整的影響，土地需求依然按照各地類2005—2015年的轉(zhuǎn)移概率矩陣變化，計算得到嘉興市2025年的各地類的面積，得到2025年耕地比2015年減少了261.10 km2，耕地面積僅占南京市土地面積的47.50%，建設用地增加了498.89 km2，建設用地將占南京市土地面積的32.65%左右。因此，如果按照此模式發(fā)展，建設面積將持續(xù)快速增長，危及糧食安全，是不可持續(xù)的。

在生態(tài)保護情景條件下，要求在嚴格保護森林和水域兩種生態(tài)用地面積的同時，加強耕地和建設用地向這兩種地類的轉(zhuǎn)變。設置如下：耕地到建設用地的轉(zhuǎn)化概率由原來的17.81%下降到12.81%，轉(zhuǎn)化率降低5%；建設用地到耕地的轉(zhuǎn)化概率由原來的10.42%上升為13.42%，轉(zhuǎn)化率上升3%。此外，耕地到森林的轉(zhuǎn)化概率由原來的0.41%上升到0.91%，提高0.5%，建設用地到森林的轉(zhuǎn)化概率提高1%，森林到建設用地的轉(zhuǎn)化概率降低2%，水域到耕地轉(zhuǎn)化概率降低5%，由10.56%降到5.56%；水域到建設用地的轉(zhuǎn)化概率減少2%；得到2025年建設用地增加量顯著減少，耕地轉(zhuǎn)化為建設用地比在自然增長情景下少增加262.33 km2；森林、濕地和耕地在2015年的基礎上，分別少減少了45.15，84.30，132.85 km2,且水域面積也有一定增長，因此，如果按照此模式發(fā)展，將增加生物多樣性，改善生態(tài)環(huán)境，人與自然和諧發(fā)展。

在土地優(yōu)化情景條件下，綜合考慮社會、經(jīng)濟和環(huán)境保護之間的相互利益，引入生態(tài)系統(tǒng)的整體服務意識，既不過分強調(diào)經(jīng)濟發(fā)展，也不因為保護生態(tài)環(huán)境而止步不前，要在實現(xiàn)GDP穩(wěn)步增長的同時保住青山綠水。設置如下：耕地到建設用地轉(zhuǎn)化概率由原來的17.81%下降到14.81%，轉(zhuǎn)化率降低3%；建設用地到耕地的轉(zhuǎn)化概率由原來的10.42%上升為12.42%，轉(zhuǎn)化率上升2%。此外，耕地到森林轉(zhuǎn)化概率提高0.1%，建設用地到森林轉(zhuǎn)化概率提高2%。森林到建設用地的轉(zhuǎn)化概率降低1%，水域到耕地轉(zhuǎn)化概率降低4%，由10.56%降到6.56%，水域到建設用地的轉(zhuǎn)化概率減少1%；得到2025年建設用地合理增加，增加量為319.33 km2，為自然增長量的64.00%，保證了工業(yè)生產(chǎn)的同時也為生態(tài)保護留下了足夠空間。森林面積減少量為67.64 km2，為自然減少量的61.29%，雖然小于生態(tài)保護情景，但是對當?shù)匚锓N的保護和生存有巨大的促進作用。

其次，學校應制定一套完整的、與教師職業(yè)道德規(guī)范相配套的、可行性較強的師德考核制度，并將其作為評優(yōu)評先、職稱晉升的重要依據(jù)。將模范教師樹立為榜樣，大力宣傳其優(yōu)秀事跡，進行正面引導；嚴肅處理違反職業(yè)道德規(guī)范而又屢教不改的教師，防微杜漸，力求在榜樣的引領、制度的約束及輿論的壓力之下，使其受到深刻教育。

2.3生物多樣性功能評價

2.3.1威脅因子敏感度生態(tài)系統(tǒng)中每一個土地利用類型受威脅的敏感度不同，敏感度的大小主要是依據(jù)生態(tài)學和景觀生態(tài)學的基本理論及保護生物多樣性的基本原則來確定的。本文查閱相關(guān)文獻，依據(jù)InVEST 2.6.5 Beta User′s Guide中生態(tài)威脅因子劃分標準，結(jié)合南京市的生態(tài)環(huán)境實際情況，在生物多樣性模型中將各土地利用類型劃分森林、草地、濕地、耕地、建設用地和未利用地，同時威脅因子敏感度的取值范圍取0～1，并且依照生態(tài)學和景觀生態(tài)學中生物多樣性保護的一般性要求，認為森林、草地和濕地等天然地類敏感度較高，耕地、建設用地等人工地類敏感度較低，未利用地敏感度最低。對于各土地利用類型自然屬性(Habitat)一列的賦值是依據(jù)森林、草地和濕地均為生境地類，耕地、建設用地和未利用地為非生境地類而確定的,故將天然地類和人工地類分別賦值為1，0，具體如表5所示。

表4　南京市2025年不同情景土地利用變化 　 km2

表5　生境類型對生態(tài)威脅因子敏感度

注：Habitat：自然屬性；L_crp：耕地；L_nr：國道；L_pr：省道；L_railway：鐵路；L_urban：城鎮(zhèn)；L_highway：高速公路；L_industry：工業(yè)用地。

2.3.2威脅因子圖層對生物多樣性造成威脅的圖層包括耕地、城鎮(zhèn)、工業(yè)用地、鐵路、高速公路、國道和省道等因子，查閱相關(guān)文獻的研究分析，考慮研究區(qū)內(nèi)城鎮(zhèn)交通工具限制和經(jīng)濟發(fā)展水平，并參照InVEST 2.6.5 Beta User′s Guide中研究成果，定義威脅因子的最大影響距離、權(quán)重及衰退線性相關(guān)性指數(shù)，具體如表6所示。

表6　生態(tài)威脅因子屬性

2.3.3保護程度圖層國家級自然保護區(qū)、森林公園、濕地公園等受到法律保護，地類的轉(zhuǎn)化和保護與否不以個人的意志為轉(zhuǎn)移，模型將其賦值為1。在本文中所提的法律保護程度表示的是在當前的各項政策、法律、法規(guī)、條例及其實施辦法下，對于該地類的生態(tài)環(huán)境保護程度。

本文參照InVEST模型的設置辦法來設置保護程度等級分值，研究區(qū)域內(nèi)的自然保護區(qū)、自然與人文風景名勝區(qū)域、地質(zhì)公園等保護程度要高，如止馬嶺保護區(qū)、石臼湖(溧水區(qū))風景名勝區(qū)、湯山國家地質(zhì)公園設為1；水源水質(zhì)保護區(qū)域、濕地保護區(qū)域設為0.8，如三岔水庫飲用水水源保護區(qū)、中山水庫—方便水庫飲用水源保護區(qū)、南京固城湖省級濕地公園等；剩余的小片森林和草叢的地類，屬于既無人保護也無人管理的地類，設為0.2。本文以1985年土地利用類型矢量為基準，在其屬性表對應地類中設置保護性程度等級分值，再導出矢量層，得到保護程度因子層。

2.3.4生物多樣性時空分布

(1) 生境質(zhì)量指數(shù)。如表7所示，將生境質(zhì)量指數(shù)分為0，0～0.5，0.5～0.7，0.7～0.9，0.9～1共5個等級。其中生境質(zhì)量指數(shù)為0的比例最大，為75%以上，其次是0.9～1的，比例占18%以上，其他比例較??；南京市生境質(zhì)量指數(shù)為0的比例降低，從1985年的80.68%降到2015年的76.31%，生境質(zhì)量指數(shù)為0.9～1的比例升高，從1985年的18.93%上升到2015年的23.14%，說明1985—2015年南京市的生境質(zhì)量普遍在提高，處于高水平的生境質(zhì)量逐年提高，生境質(zhì)量為0的面積在逐年減少。

如表8、附圖12所示，南京市1985—2015年生境質(zhì)量指數(shù)普遍在提高，處于高水平的生境質(zhì)量逐年提高，生境質(zhì)量為0的面積在逐年減少。其中生境質(zhì)量指數(shù)為0的比例最大，約為75%以上，其次是0.9～1的比例約占18%以上，其他比例較?。荒暇┦猩迟|(zhì)量指數(shù)為0的比例降低，從1985年的80.68%降到2015年的76.31%，生境質(zhì)量指數(shù)為0.9～1的比例升高，從1985年的18.93%降到2015年的23.14%；基于預測的2025年3種不同情景的土地利用數(shù)據(jù)，通過InVEST模型得到：在自然情景下的生境質(zhì)量降低較明顯，高水平的生境質(zhì)量指數(shù)(值為0.9～1)相比2015年比例升高3.56%，低水平的生境質(zhì)量指數(shù)(值為0)比例降低3.85%，在生態(tài)保護情景下，高水平的生境質(zhì)量指數(shù)(值為0.9～1)相比2015年比例升高1.73%，低水平的生境質(zhì)量指數(shù)(值為0)比例降低1.89%，在土地優(yōu)化情景下，高水平的生境質(zhì)量指數(shù)(值為0.9～1)相比2015年比例升高1.96%，低水平的生境質(zhì)量指數(shù)(值為0)比例降低2.20%。

表7　1985-2025年南京市生境質(zhì)量指數(shù)分級面積與比例

(2) 生境退化指數(shù)。如表9所示，將生境退化指數(shù)分為0～2.5，2.5～5，5～10，10～20，>20共5個等級。其中生境退化指數(shù)為0～2.5的比例最大，為90%以上，其他比例較小。南京市生境退化指數(shù)為0～2.5的比例升高，從1985年的90.70%升到2015年的94.69%，生境退化指數(shù)為2.5～5的比例降低，從1985年的4.67%降到2015年的2.87%，生境退化指數(shù)為5～10的比例降低，從1985年的3.48%降到2015年的1.59%，說明1985—2015年南京市的生境退化度普遍在減少，處于高水平的生境退化逐年減少，低水平的生境退化逐年增多，說明近年來對生態(tài)植被的保護收到了成效。

表8　2015-2025年南京市生境質(zhì)量指數(shù)分級面積與比例

表9　1985-2025年南京市生境退化度分級面積與比例

如表10、附圖13所示，近30年南京市的生境退化度普遍在減少，處于高水平的生境退化逐年減少，低水平的生境退化逐年增多，說明近年來對生態(tài)植被的保護收到了成效。其中生境退化指數(shù)為0～2.5的比例最大，約為90%以上，其他比例較小。南京市生境退化指數(shù)為0～2.5的比例升高，從1985年的90.70%升到2015年的94.69%，生境退化指數(shù)為2.5～5的比例降低，從1985年的4.67%降到2015年的2.87%，生境退化指數(shù)為5～10的比例降低，從1985年的3.48%降到2015年的1.59%。

基于預測的2025年3種不同情景的土地利用數(shù)據(jù)，通過InVEST模型，得到高水平的生境退化指數(shù)(值為2.5～5)比例降低0.32%，低水平的生境退化指數(shù)(值為0～2.5)比例升高0.99%；在生態(tài)保護情景下，高水平的生境退化指數(shù)(值為2.5～5)比例降低0.07%，低水平的生境退化指數(shù)(值為0～2.5)比例升高0.40%；在土地優(yōu)化情景下，高水平的生境退化指數(shù)(值為2.5～5)比例降低0.16%，低水平的生境退化指數(shù)(值為0～2.5)比例升高0.57%。

表10　2015-2025年南京市生境退化指數(shù)分級面積與比例

3　結(jié) 論

(1) 南京市1985—2015年近30年土地利用變化主要表現(xiàn)為濕地、建設用地的增加，森林、草地和耕地的減少。2025年整體生境質(zhì)量較2015年降低較多，生境退化明顯；生態(tài)保護情景下耕地轉(zhuǎn)換為建設用地的速率減緩了5%，對南京市的生態(tài)狀況轉(zhuǎn)變有極大好處，整體生境質(zhì)量較自然發(fā)展情景有所提高，生境退化較自然發(fā)展情景緩解較多；土地優(yōu)化情景兼顧發(fā)展對土地的需求，同時也注重保護生態(tài)環(huán)境，建設用地增加量為自然增長量的64%，整體生境質(zhì)量較自然發(fā)展情景有所提高，生境退化較自然發(fā)展情景緩解較多，但均低于生態(tài)保護情景，保證了經(jīng)濟發(fā)展和生態(tài)保護的平衡。生態(tài)保護情景和土地優(yōu)化情景對生態(tài)用地的保護作用非常明顯，在一定程度上優(yōu)化了城市土地利用，改善了生活環(huán)境，對推進城鎮(zhèn)用地有序擴張，確保城鄉(xiāng)社會經(jīng)濟的協(xié)調(diào)、持續(xù)發(fā)展具有積極作用。

(2) 本研究在以往學者土地利用預測基礎上，添加人文空間因子，較好地反映了人文因素對土地利用的影響，是模型研究的創(chuàng)新點。同時引入空間自相關(guān)因子，擬合優(yōu)度高于傳統(tǒng)模型，使得耕地、水域、建設用地的擬合優(yōu)度有了較大的提升。將土地利用變化預警模型與生態(tài)服務功能模型結(jié)合起來，在研究思路上，將景觀變化和生態(tài)保護相結(jié)合，思路上有所創(chuàng)新，使得城市土地利用規(guī)劃加入生態(tài)服務功能評價，可實現(xiàn)土地利用開發(fā)與環(huán)境保護協(xié)調(diào)發(fā)展、人與自然的和諧統(tǒng)一，同時模型相關(guān)參數(shù)的設定隨著地形、降雨和不同地區(qū)經(jīng)濟發(fā)展和政策干預不同而不同，對于各個參數(shù)的設定，需要今后進一步的改進和深化。

[1]Deadman P, Brown R D, Gimblett H R. Modelling rural residential settlement patterns with cellular automata[J]. Journal of Environmental Management,1993,37(2):147-160.

[2]Batty M, Xie Y. From cells to cities[J]. Environment and Planning B: Planning and Design,1994,21(7):S31-S48.

[3]White R, Engelen G. Cellular automata as the basis of integrated dynamic regional modelling[J]. Environment & Planning B: Planning & Design,1997,24(2):235-246.

[4]Couclelis H. From cellular automata to urban models: new principles for model development and implementation[J]. Environment and Planning B: Planning and Design,1997,24(2):165-174.

[5]Wu F, Webster C J. Simulation of land development through the integration of cellular automata and multicriteria evaluation[J]. Environment and Planning B: Planning and Design,1998,25(1):103-126.

[6]Lett C, Silber C, Dube P, et al. Forest dynamics: A spatial gap model simulated on a cellular automata network[J]. Canadian Journal of Remote Sensing,1999,25(4):403-411.

[7]孫賢斌,劉紅玉,李玉鳳,等.基于CA-Markov模型土地利用對景觀格局影響辨識[J].生態(tài)與農(nóng)村環(huán)境學報,2009,25(1):1-7.

[8]黎夏,楊青生,劉小平.基于CA的城市演變的知識挖掘及規(guī)劃情景模擬[J].中國科學:D輯 地球科學,2007,37(9):1242-1251.

[9]何春陽,陳晉,史培軍,等.基于CA的城市空間動態(tài)模型研究[J].地球科學進展,2002,17(2):188-195,303.

[10]趙建軍,張洪巖,喬志和,等.基于CA-Markov模型的向海濕地土地覆被變化動態(tài)模擬研究[J].自然資源學報,2009,24(12):2178-2186.

[11]Forster J, Lake I R, Watkinson A R, et al. Marine biodiversity in the Caribbean UK overseas territories: Perceived threats and constraints to environmental management[J]. Marine Policy,2011,35(5):647-657.

[12]Rojas C, Pino J, Basnou C, et al. Assessing land-use and-cover changes in relation to geographic factors and urban planning in the metropolitan area of Concepción (Chile)： Implications for biodiversity conservation[J]. Applied Geography,2013,39:93-103.

[13]Billionnet A. Mathematical optimization ideas for biodiversity conservation[J]. European Journal of Operational Research,2013,231(3):514-534.

[14]Corona P, Chirici G, McRoberts R E, et al. Contribution of large-scale forest inventories to biodiversity assessment and monitoring[J]. Forest Ecology and Management,2011,262(11):2061-2069.

[15]Barbati A, Marchetti M, Chirici G, et al. European forest types and forest Europe SFM indicators: Tools for monitoring progress on forest biodiversity conservation[J]. Forest Ecology & Management,2014,321(321):145-157.

[16]楊德偉,陳治諫,陳友軍,等.基于景觀生態(tài)學基本理論的生物多樣性研究[J].地域研究與開發(fā),2006,25(1):111-115,124.

[17]劉振生,高惠,滕麗微,等.基于MAXENT模型的賀蘭山巖羊生境適宜性評價[J].生態(tài)學報,2013,33(22):7243-7249.

[18]何丹,金鳳君,周璟.基于Logistic-CA-Markov的土地利用景觀格局變化:以京津冀都市圈為例[J].地理科學,2011,31(8):903-910.

[19]Pontius R G. Quantification error versus location error in comparison of categorical maps[J]. Photogrammetric Engineering and Remote Sensing,2000,66(8):1011-1016.

Assessment on Land Use and Biodiversity in Nanjing City Based on Logistic-CA-Markov and InVEST Model

RONG Yuejing1, ZHANG Hui1，2, WANG Yansong3

(1.NanjingInstituteofEnvironmentalScience,MEP,Nanjing210042,China; 2.CollaborativeInnovationCenterofAtmosphericEnvironmentandEquipmentTechnology(CICAEET),NanjingUniversityofInformationScience&Technology,Nanjing210044,China; 3.LiaoningAcademyofEnvironmentalResearch,Shenyang110015,China)

Adopting the international widely used model: logistic model jointing the autocorrelation on the basis of traditional Logistic binary regression, and combining the CA-Markov model based on land use data of 1985, 1995, 2005 and 2015, the land use changes of three different scenarios (natural growth situation, ecological protection and land optimization scenario) of Nanjing City in 2025 were predicted, we further used InVEST model to examine the distribution of biodiversity service function and change under the land use changes in 1985, 1995, 2005, 2015, and the distribution of biodiversity service function of year 2025. The results showed that Logistic-CA-Markov regression model Kappa value was greater than 0.80, it was a good prediction effect. There was the obvious spatial difference of land use in the different scenarios, in natural growth situation, the construction land increased rapidly according to the original rate, farm land took up seriously, the overall environment quality reduced seriously, habitat degradation was obvious. Ecological protection and land optimization scenarios for the future land control effect are good, the biodiversity service function is improved, it can provide scientific decision-making reference for the local land use planning.

Logistic-CA-Markov model; InVEST model; biodiversity

2015-04-19

2015-06-14

國家環(huán)保公益性行業(yè)科研專項“道路建設工程生態(tài)環(huán)境影響定量評價技術(shù)和方法”(201209029-1)

榮月靜(1989—),女,山西陽泉人,碩士,研究方向為區(qū)域生態(tài)恢復與資源可持續(xù)利用。E-mail:rongyuejing@126.com

張慧(1968—),女,江蘇南京人,研究員,主要從事區(qū)域生態(tài)環(huán)境質(zhì)量、生態(tài)承載力和生態(tài)安全評價研究。E-mail:zhnies@126.com

F301.24

A

1005-3409(2016)03-0082-08