喀斯特山區(qū)都市土地利用變化與ESV關(guān)系研究

余曉芳++安裕倫++安寧++姜海峰

摘要：為合理利用喀斯特山區(qū)的土地，選取貴州省貴陽(yáng)市作為研究區(qū)域，基于Logistic-CA-Markov模型預(yù)測(cè)不同情境下2020年貴陽(yáng)市土地利用情況并對(duì)土地利用變化驅(qū)動(dòng)下的生態(tài)系統(tǒng)服務(wù)價(jià)值（ESV）進(jìn)行評(píng)估。結(jié)果表明，貴陽(yáng)市在2000—2010年年間，草地、耕地、林地均有向居民工礦用地轉(zhuǎn)移的趨勢(shì)，居民工礦用地面積增加202.53 km2，耕地面積減少了452.90 km2，ESV呈上升趨勢(shì)，林地生態(tài)系統(tǒng)服務(wù)價(jià)值貢獻(xiàn)最大；借助Logistic-CA-Markov模型模擬出貴陽(yáng)市2010年土地利用格局，得到其Kappa系數(shù)約為0.78，說明模擬的效果較好，經(jīng)濟(jì)快速發(fā)展情境下的貴陽(yáng)市2020年居民工礦用地較自然情境下的面積增加更多，林地、草地、耕地均有所減少，在空間上主要以城區(qū)為中心擴(kuò)展；基于預(yù)測(cè)結(jié)果評(píng)估土地利用變化驅(qū)動(dòng)下的ESV，2010—2020年年間各土地利用類型服務(wù)價(jià)值均有所下降，情境Ⅱ中ESV下降了87.93千萬(wàn)元，經(jīng)濟(jì)建設(shè)對(duì)生態(tài)環(huán)境已經(jīng)產(chǎn)生了負(fù)面影響，喀斯特山區(qū)都市的生態(tài)環(huán)境形勢(shì)仍然嚴(yán)峻。

關(guān)鍵詞：土地利用變化預(yù)測(cè)；Logistic-CA-Markov模型；生態(tài)系統(tǒng)服務(wù)價(jià)值（ESV）；喀斯特山區(qū)

中圖分類號(hào)： F301.24文獻(xiàn)標(biāo)志碼： A

文章編號(hào)：1002-1302（2017）09-0217-06

20世紀(jì)以來，人類可利用的土地資源隨著人口的加劇而變得越來越少，尤其是人地矛盾日益深化，土地利用的合理性與否逐漸引起世界關(guān)注。土地利用/土地覆被變化在全球環(huán)境變化和可持續(xù)發(fā)展中占有重要的地位[1]。土地利用的變化時(shí)刻改變著區(qū)域乃至全球生態(tài)環(huán)境的變化[2]，研究土地利用變化對(duì)生態(tài)系統(tǒng)服務(wù)價(jià)值的影響及相互作用關(guān)系具有重要意義[3]。國(guó)外學(xué)者Kumar等結(jié)合Markov模型和遙感技術(shù)預(yù)測(cè)Tamil Nadu的土地利用結(jié)構(gòu)[4]；Xia等基于元胞自動(dòng)機(jī)（cellular automate，CA）和神經(jīng)網(wǎng)絡(luò)（neural-network，NN）模型預(yù)測(cè)土地利用動(dòng)態(tài)變化[5]；Yang等將人工神經(jīng)網(wǎng)絡(luò)—元胞自動(dòng)機(jī)（artificial neural network—cellular automata，ANN-CA模型）和景觀格局指數(shù)（landscape pattern indice，LPI）結(jié)合來預(yù)測(cè)未來土地利用情況[6]。國(guó)內(nèi)學(xué)者對(duì)于喀斯特山區(qū)土地利用變化的研究主要有王磊等采用人工神經(jīng)網(wǎng)絡(luò)與元胞自動(dòng)機(jī)[CM（25]的耦合模型對(duì)喀斯特地區(qū)的土地利用格局變化進(jìn)行模[CM）][LM]擬[7]；周傳艷等通過對(duì)貴州省生態(tài)系統(tǒng)服務(wù)價(jià)值進(jìn)行評(píng)估探討喀斯特地區(qū)生態(tài)系統(tǒng)服務(wù)功能特征[8]；羅俊等以土地利用和生態(tài)服務(wù)功能變化為基礎(chǔ)揭露喀斯特地區(qū)土地利用變化下的生態(tài)系統(tǒng)服務(wù)價(jià)值變化特征[9]；熊鷹等參照中國(guó)陸地生態(tài)系統(tǒng)單位服務(wù)價(jià)值系數(shù)根據(jù)土地利用變化對(duì)喀斯特區(qū)生態(tài)系統(tǒng)服務(wù)價(jià)值進(jìn)行估算[10]；李正等采用灰色模型對(duì)區(qū)域土地利用構(gòu)成和生態(tài)系統(tǒng)服務(wù)價(jià)值進(jìn)行預(yù)測(cè)[3]；趙國(guó)粱等基于 CILE-S模型揭示廣西喀斯特山區(qū)生態(tài)系統(tǒng)服務(wù)價(jià)值的時(shí)空變化規(guī)律[11]。但是很少有學(xué)者基于Logistic-CA-Markov模型對(duì)喀斯特山區(qū)土地利用格局的模擬結(jié)果來預(yù)測(cè)分析其驅(qū)動(dòng)下的生態(tài)系統(tǒng)服務(wù)價(jià)值，喀斯特山區(qū)生態(tài)環(huán)境脆弱，結(jié)構(gòu)復(fù)雜，人地矛盾尤為突出，人均耕地少，經(jīng)濟(jì)條件落后，評(píng)估及模擬該區(qū)域生態(tài)系統(tǒng)的服務(wù)價(jià)值可以了解各生態(tài)系統(tǒng)的重要性及其未來發(fā)展動(dòng)向，可為喀斯特地區(qū)生態(tài)環(huán)境建設(shè)和土地利用結(jié)構(gòu)的優(yōu)化調(diào)整提供決策參考，貴陽(yáng)市作為典型喀斯特區(qū)域之一，研究其土地利用演變規(guī)律有利于了解喀斯特山區(qū)土地的演變趨勢(shì)。以貴州省貴陽(yáng)市為研究區(qū)域，基于CA-Markov模型引入Logistic修正CA的轉(zhuǎn)換規(guī)則，建立 Logistic-CA-Markov模型，從空間和數(shù)量上預(yù)測(cè)未來貴陽(yáng)市土地利用結(jié)構(gòu)，并在此基礎(chǔ)上研究土地利用變化驅(qū)動(dòng)下的生態(tài)系統(tǒng)服務(wù)價(jià)值（ESV）的變化規(guī)律。

1研究區(qū)概況與數(shù)據(jù)處理

1.1研究區(qū)概況

貴陽(yáng)市是貴州省的省會(huì)城市，位于中部偏北地區(qū)，包括6區(qū)（白云區(qū)、烏當(dāng)區(qū)、觀山湖區(qū)、云巖區(qū)、南明區(qū)和花溪區(qū)）3縣（息烽縣、開陽(yáng)縣和修文縣）1市（清鎮(zhèn)市）（圖1），位于 106°27′～107°03′E、26°11′～26°55′N之間，東與甕安縣、龍里縣、福泉縣接壤，南接惠水縣，西靠織金縣、平壩縣，北鄰金沙縣、遵義縣，總面積約為8 043.14 km2。海拔最高為1 738 m，最低為508 m，主要發(fā)育深中丘、淺中丘，深切割中山和中切割低中山地貌，土壤主要以硅鋁質(zhì)中層黃壤和中層黃色石灰土為主。研究區(qū)屬于亞熱帶濕潤(rùn)溫和型氣候，年均溫為 153 ℃，冬無嚴(yán)寒，夏無酷暑，自然資源豐富。

1.2數(shù)據(jù)來源與處理

社會(huì)經(jīng)濟(jì)數(shù)據(jù)來源于貴州省2010年人口統(tǒng)計(jì)和GDP數(shù)據(jù)，基礎(chǔ)地理空間數(shù)據(jù)主要來源于貴州省2010年交通、水系數(shù)據(jù)和分辨率為30 m的DEM數(shù)據(jù)。土地利用數(shù)據(jù)來源于貴州省生態(tài)環(huán)境10年（2000—2010年）變化遙感調(diào)查與評(píng)估項(xiàng)目，具體做法是以1 ∶5萬(wàn)地形圖為基礎(chǔ)，對(duì)3期遙感影像數(shù)據(jù)采用監(jiān)督分類和目視解譯相結(jié)合的方法進(jìn)行土地利用的遙感解譯，并進(jìn)行野外數(shù)據(jù)核查。參考地形圖上的土地利用分類，按照《土地利用現(xiàn)狀調(diào)查技術(shù)規(guī)程》中使用的土地利用現(xiàn)狀體系，根據(jù)土地的用途、利用方式、覆蓋特征等因素，我國(guó)土地可以被分為8大類、46小類，8大類土地分別是耕地、園地、林地、牧草地、居民點(diǎn)及工礦用地、交通用地、水域和未利用地。根據(jù)研究需要和研究區(qū)實(shí)際情況，共劃分出6種土地利用類型，分別是草地、耕地、林地（林地和園地）、未利用地、居民工礦用地（居民點(diǎn)及工礦用地和交通用地）和水域，得到2000年、2005年、2010年貴陽(yáng)市土地利用數(shù)據(jù)（圖2）。

所選用的矢量和柵格數(shù)據(jù)統(tǒng)一投影坐標(biāo)系，每個(gè)柵格大小統(tǒng)一重采樣為30 m×30 m。制作各地類適宜性圖集，須分別從2005年、2010年中提取各地類數(shù)據(jù)，該地類土地利用屬性賦值為1，其他地類賦值為0。主要選取的土地利用變化影響因子為自然因子（dem、slope）、社會(huì)經(jīng)濟(jì)因子（人口、GDP）、可達(dá)性因子（交通、水系），將人口和GDP通過處理得到貴陽(yáng)市人口密度和人均GDP柵格數(shù)據(jù)，交通和水系在Arcgis中通過[CM（25]計(jì)算歐氏距離（即指計(jì)算每個(gè)柵格中心到交通和水系的距離遠(yuǎn)近）得到距交通距離和距水系距離的柵格數(shù)據(jù)，最后將土地利用變化影響因子和土地利用數(shù)據(jù)均轉(zhuǎn)化為IDRISI軟件所識(shí)別的rst格式，制作適宜性圖集。

2研究方法

2.1Logistic回歸分析模型

Logistic回歸模型主要是指在1個(gè)變量和多個(gè)自變量之間形成多元回歸關(guān)系，用來預(yù)測(cè)某一區(qū)域中某一事件概率發(fā)生的大小，主要是指建立各土地利用與影響因子之間的回歸關(guān)系來預(yù)測(cè)某一區(qū)域中演變?yōu)槟骋煌恋乩玫母怕蚀笮?。某柵格出現(xiàn)某一種土地利用i的概率為pi，回歸方程為

式中：β0為常量；β1，β2，…，βn是回歸系數(shù)；X1，X2，…，Xn為影響因子。

2.2CA-Markov模型

CA于20世紀(jì)40年代末由Neumann等提出，就像許多的相同圖靈機(jī)放置在格網(wǎng)之中并彼此連接在一起[12]，對(duì)于具有時(shí)空演化特征的地理復(fù)雜系統(tǒng)更具有優(yōu)勢(shì)。CA主要由元胞、元胞空間、元胞鄰居、時(shí)間和轉(zhuǎn)換規(guī)則組成，其中以轉(zhuǎn)換規(guī)則為核心。

馬爾可夫（Markov）過程是一種具有“無后效性”的特殊隨機(jī)過程[13]?！盁o后效性”指某個(gè)隨機(jī)過程在第（t+1）步時(shí)刻的狀態(tài)S（t+1）與第t步以前的狀態(tài)無關(guān)，僅與t時(shí)刻的狀態(tài)S（t）有關(guān)，此時(shí)隨機(jī)過程S（t）為一個(gè)馬爾可夫鏈。土地利用概率轉(zhuǎn)移矩陣能定量地說明土地利用之間的相互轉(zhuǎn)移情況，表示事件從初始時(shí)刻的某一狀態(tài)轉(zhuǎn)移到下一時(shí)刻其他狀態(tài)的可能性，狀態(tài)是指土地利用，用Pij表示土地利用i轉(zhuǎn)化為土地利用j的轉(zhuǎn)移概率，n指土地利用，轉(zhuǎn)移概率矩陣可表示如下：

式中，須滿足以下2個(gè)條件：①Pij∈[0，1]；②[FK（W+9mm。2*2]∑[DD（]nj=1[DD）]Pij[FK）]=1（i、j=1，2，3，…，n）。

CA模型的空間概念比較強(qiáng)，能夠很好地模擬復(fù)雜空間的變化程度，Markov模型的空間參數(shù)比較弱，而在數(shù)量變化上的預(yù)測(cè)較強(qiáng)[14]。CA-Markov模型將上述2種模型優(yōu)點(diǎn)相結(jié)合，既從數(shù)量上模擬未來土地利用的情況，也從空間上模擬未來土地利用的分布情況。以CA模型中的轉(zhuǎn)換規(guī)則為核心，引入Markov模型中產(chǎn)生的土地利用轉(zhuǎn)移矩陣進(jìn)行修正，最后將Logistic回歸模型引入了自然、社會(huì)和可達(dá)性等影響因子，再次修正CA模型進(jìn)而提高CA-Markov模型模擬的精度，最終形成Logistic-CA-Markov模型。

2.3生態(tài)系統(tǒng)服務(wù)價(jià)值計(jì)算模型

ESV是指生態(tài)系統(tǒng)服務(wù)價(jià)值（元）；Ak是研究區(qū)第k種土地利用類型分布面積（hm2）；VCk為生態(tài)價(jià)值系數(shù)[元/（年·hm2）]，即單位面積生態(tài)系統(tǒng)服務(wù)的價(jià)值。ESV作為生態(tài)環(huán)境效應(yīng)的量化指標(biāo)，能夠根據(jù)ESV的評(píng)估結(jié)果來揭示生態(tài)環(huán)境效應(yīng)。

3結(jié)果與分析

3.1土地利用類型變化

從表1中可以看出，貴陽(yáng)市2000年主要是以耕地、林地為主，所占比例分別是41.46%、40.83%，即主要以農(nóng)林地為主，且處于絕對(duì)優(yōu)勢(shì)。2010年草地、未利用地、水域無明顯變化，耕地面積比例減少5.63百分點(diǎn)，林地、居民工礦用地的面積比例分別增加2.65、2.52百分點(diǎn)，這是一種城市化進(jìn)程加速發(fā)展的表現(xiàn)，居民工礦用地的增加不僅體現(xiàn)在貴陽(yáng)市，在全國(guó)范圍內(nèi)這種趨勢(shì)也較明顯，這種趨勢(shì)在大力尋求經(jīng)濟(jì)發(fā)展的城市將繼續(xù)保持，耕地的減少主要是因?yàn)椴扇×送烁€林政策及人類活動(dòng)的影響。從土地利用類型變化轉(zhuǎn)移矩陣可知，耕地、林地、草地會(huì)向居民工礦用地發(fā)展，其中耕地面積轉(zhuǎn)移最大為180.26 km2，居民工礦用地面積從192.47 km2增加到 395.00 km2，從側(cè)面反映了貴陽(yáng)市的經(jīng)濟(jì)在不斷地加速發(fā)展，與之相關(guān)的經(jīng)濟(jì)建設(shè)如火如荼地開展著。由表2可知，耕地除了轉(zhuǎn)化為居民工礦用地，向林地轉(zhuǎn)移的面積達(dá)到 231.84 km2，這與貴陽(yáng)市注重生態(tài)保護(hù)，采取退耕還林政策息息相關(guān)，與國(guó)家要求發(fā)展生態(tài)文明建設(shè)也高度吻合。

3.2土地利用預(yù)測(cè)與檢驗(yàn)

對(duì)各土地利用建立相應(yīng)的適宜性圖，組成適宜性圖集，在IDRISI軟件的支持下，利用Logistic-CA-Markov模型，得到預(yù)測(cè)的貴陽(yáng)市2010年土地利用數(shù)據(jù)，與現(xiàn)有的土地利用數(shù)據(jù)進(jìn)行對(duì)比分析（圖3）。引用Kappa系數(shù)來對(duì)預(yù)測(cè)數(shù)據(jù)的精度進(jìn)行檢驗(yàn)，Kappa系數(shù)一般用來評(píng)價(jià)遙感數(shù)據(jù)的分類精度，分析2個(gè)圖件的相似性[15]。計(jì)算公式如下：

式中，Po為柵格模擬一致的比例，Pc為隨機(jī)情況下柵格模擬一致的比例，Pp為理想情況下的柵格模擬一致比例。其中Kappa系數(shù)范圍為0～0.40，表明模擬性較差，模擬效果不佳；Kappa系數(shù)范圍為0.41～0.75，表明模擬性一般，模擬效果一般；Kappa系數(shù)范圍為0.76～1.00，表明模擬性較高，模擬效果較好。

由表3可以得出，研究區(qū)中柵格總數(shù)為8 936 874個(gè)，其中空間模擬一致的柵格數(shù)為7 361 221個(gè)，Po=0.82，隨機(jī)情況下Pc=1/6，理想情況下Pp=1，根據(jù)上面公式可知，Kappa系數(shù)約為0.78。由Kappa系數(shù)與模型模擬效果關(guān)系可知，利用Logistic-CA-Markov模型模擬一致性較高，模擬效果較好，說明利用此模型用來模擬喀斯特山區(qū)的土地利用是比較有效和可信的。

3.3不同情境下的未來土地利用預(yù)測(cè)

利用2000、2010年土地利用數(shù)據(jù)建立土地利用概率轉(zhuǎn)移矩陣預(yù)測(cè)2020年貴陽(yáng)市土地利用情況。2012年國(guó)發(fā)2號(hào)文件是首個(gè)從國(guó)家層面系統(tǒng)支持貴州發(fā)展的綜合性政策文件，貴陽(yáng)處在黔中經(jīng)濟(jì)區(qū)的核心地位，經(jīng)濟(jì)發(fā)展更加飛速，居民工礦用地的擴(kuò)張比較迅速，將這種發(fā)展模式稱為經(jīng)濟(jì)快速發(fā)展模式。通過參考和分析現(xiàn)有的資料，可以發(fā)現(xiàn)居民工礦用地大都來自林地、耕地、草地的轉(zhuǎn)化，可以擬定將林地、耕地、草地轉(zhuǎn)化為居民工礦用地的概率分別提高30%、20%、10%，得到經(jīng)濟(jì)快速發(fā)展模式的概率轉(zhuǎn)移矩陣，分別模擬自然增長(zhǎng)情境下和經(jīng)濟(jì)快速發(fā)展情境下的貴陽(yáng)市2020年土地利用情況（圖4）。

根據(jù)貴陽(yáng)市2020年模擬結(jié)果（表4）可知，草地、耕地、林地、未利用地、水域的面積均有不同程度的減少，居民工礦用地的面積大幅度增加。在自然發(fā)展情境（情境Ⅰ）下，耕地減少的面積最大，減少了755.66 km2，居民工礦用地增加的面積最大，增加了945.92 km2，其中耕地大部分轉(zhuǎn)化為居民工礦用地。在經(jīng)濟(jì)快速發(fā)展情境（情境Ⅱ）下，居民工礦用地的增加速度明顯加快，與情境Ⅰ相比，草地、耕地、林地的面積減少幅度加大，林地面積減少229.88 km2，耕地減少的面積最大為885.08 km2，草地減少了96.77 km2，居民工礦用地增加了1 243.31 km2，約是2010年居民工礦用地面積的3倍。從空間上看，情境Ⅰ下林地和草地的分布比較均勻，居民工礦用地的擴(kuò)展主要在主城區(qū)，尤其是云巖區(qū)、觀山湖區(qū)、南明區(qū)和花溪區(qū)。林地和耕地主要分布在3縣1市和花溪區(qū)的南部區(qū)域。情境Ⅱ下的居民工礦用地的擴(kuò)展主要是在云巖區(qū)、南明區(qū)的北部以及修文縣、開陽(yáng)縣部分地區(qū)，主要原因?yàn)檫@些區(qū)域的林地和耕地轉(zhuǎn)化為居民工礦用地的概率大，故在情境Ⅱ下轉(zhuǎn)化為居民工礦用地的可能性較大。

3.4土地利用變化驅(qū)動(dòng)下的ESV評(píng)估

基于前人的研究成果和貴州實(shí)際情況，得出貴州省與土地利用類型相對(duì)應(yīng)的生態(tài)系統(tǒng)類型及其生態(tài)價(jià)值系數(shù)（表5）[16]。

將每種土地利用類型與最接近的生態(tài)系統(tǒng)類型結(jié)合起來，利用2000、2010年和Logistic-CA-Markov模型預(yù)測(cè)的土地利用類型數(shù)據(jù)計(jì)算2000—2020年貴陽(yáng)市各生態(tài)系統(tǒng)服務(wù)價(jià)值（表6）?？傮w上看，2000—2010年，貴陽(yáng)市ESV呈增長(zhǎng)趨勢(shì)，從80.093億元上升到82.576億元，增加 2.483 億元。其中耕地、居民工礦用地的生態(tài)系統(tǒng)服務(wù)價(jià)值下降，分別下降1.412、0.132億元；林地、草地、水域的生態(tài)系統(tǒng)服務(wù)價(jià)值上升，分別增加3.690、0.335、0.002億元。從各土地利用類型生態(tài)系統(tǒng)服務(wù)總價(jià)值的比例來看，林地生態(tài)系統(tǒng)服務(wù)價(jià)值占據(jù)絕對(duì)優(yōu)勢(shì)，比例為71.11%、73.44%；居民工礦用地服務(wù)系統(tǒng)生態(tài)價(jià)值系數(shù)為負(fù)值，且近10年來其他地類均有不同程度的往居民工礦用地轉(zhuǎn)移的趨勢(shì)，居民工礦用地的面積有所增加，但是由于林地生態(tài)系統(tǒng)面積也在增加且其生態(tài)價(jià)值系數(shù)較大，故能彌補(bǔ)居民工礦用地生態(tài)服務(wù)價(jià)值的負(fù)面影響。對(duì)貴陽(yáng)市2種情境下的ESV進(jìn)行預(yù)測(cè)，2010—2020年貴陽(yáng)市ESV呈下降趨勢(shì)，情境Ⅰ和情境Ⅱ中ESV為77.251、73.783億元，分別下降5.325、8.793億元。各土地利用類型的ESV均呈現(xiàn)下降趨勢(shì)，居民工礦用地的面積大幅度增加對(duì)ESV的負(fù)面影響更大。林地、草地和耕地生態(tài)系統(tǒng)仍然是生態(tài)系統(tǒng)服務(wù)價(jià)值貢獻(xiàn)最大的土地利用類型，占據(jù)了90%以上的生態(tài)服務(wù)價(jià)值。2種情境下的貴陽(yáng)市ESV呈下降趨勢(shì)表明貴陽(yáng)市經(jīng)濟(jì)的發(fā)展對(duì)生態(tài)環(huán)境已經(jīng)產(chǎn)生了負(fù)面的影響，必須加強(qiáng)退耕還林還草，在大力發(fā)展經(jīng)濟(jì)建設(shè)的同時(shí)注重生態(tài)環(huán)境的保護(hù)，盡量引導(dǎo)土地利用類型往生態(tài)系統(tǒng)服務(wù)價(jià)值高的方面轉(zhuǎn)變。

4結(jié)論

通過對(duì)貴陽(yáng)市2000—2010年近10年的土地利用分析，可知耕地的面積減少5.63百分點(diǎn)，其他地類面積均有不同程度的增加，其中居民工礦用地增加面積幅度較大，從 192.47 km2 增加到395.00 km2，草地、耕地、林地均有向居民工礦用地轉(zhuǎn)移的趨勢(shì)。ESV呈上升趨勢(shì)，林地生態(tài)系統(tǒng)服務(wù)價(jià)值貢獻(xiàn)最大，林地、草地生態(tài)服務(wù)價(jià)值有所增加，耕地和居民工礦用地生態(tài)服務(wù)價(jià)值繼續(xù)下降，未利用地保持穩(wěn)定。

借助Logistic-CA-Markov模型模擬出貴陽(yáng)市2010年土地利用格局，得到其Kappa系數(shù)約為0.78，表明此模型結(jié)果具有較高的可信度。模擬貴陽(yáng)市2020年不同情境下土地利用情況可知：自然情境下，耕地面積減少了755.66 km2，草地和林地均有不同程度減少；經(jīng)濟(jì)發(fā)展情境下，林地和耕地面積減少的幅度加大，居民工礦用地面積增加迅速。從空間上可發(fā)現(xiàn)居民工礦用地主要以主城區(qū)為中心擴(kuò)展，林地和耕地主要分布在鄉(xiāng)鎮(zhèn)上。

結(jié)合預(yù)測(cè)的結(jié)果評(píng)估土地利用變化驅(qū)動(dòng)下的ESV，可知在2010—2020年，各土地利用類型的ESV均呈現(xiàn)下降趨勢(shì)，情境Ⅱ的經(jīng)濟(jì)建設(shè)更加明顯，居民工礦用地生態(tài)服務(wù)系統(tǒng)對(duì)ESV的負(fù)影響更大，ESV下降了8.793億元。ESV能夠揭示生態(tài)環(huán)境效應(yīng)，ESV下降表明經(jīng)濟(jì)建設(shè)對(duì)生態(tài)環(huán)境產(chǎn)生了阻礙作用，喀斯特山區(qū)生態(tài)環(huán)境形勢(shì)仍然嚴(yán)峻。

參考文獻(xiàn)：

[1]李秀彬. 全球環(huán)境變化研究的核心領(lǐng)域——土地利用/土地覆被變化的國(guó)際研究動(dòng)向[J]. 地理學(xué)報(bào)，1996，51（6）：553-558.

[2]榮月靜，張慧，王巖松. 基于Logistic-CA-Markov與InVEST模型對(duì)南京市土地利用與生物多樣性功能模擬評(píng)價(jià)[J]. 水土保持研究，2016，23（3）：82-89.

[3]李正，王軍，白中科，等. 貴州省土地利用及其生態(tài)系統(tǒng)服務(wù)價(jià)值與灰色預(yù)測(cè)[J]. 地理科學(xué)進(jìn)展，2012，31（5）：577-583.

[4]Kumar S， Radhakrishnan N， Mathew S. Land use change modeling using a markov model and remote sensing[J]. Geomatics，Natural Hazards and Risk，2014，5（2）：145-156.

[5]Xia L， Yeh A G. Neural-network-based cellular automate for simulating multiple land use change using GIS[J]. Internation Journal of Geographical Information Science，2002，16（4）：323-343.

[6]Yang X，Chen R， Zheng X Q. Simulating land use change by intergrating ANN-CA model and landscape pattern indices[J]. Geomatics，Natural Hazards and Risk，2016，7（3）：918-932.

[7]王磊，王羊，蔡運(yùn)龍. 土地利用變化的ANN-CA模擬研究——以西南喀斯特地區(qū)貓?zhí)恿饔驗(yàn)槔齕J]. 北京大學(xué)學(xué)報(bào)（自然科學(xué)版），2012，48（1）：116-122.

[8]周傳艷，陳訓(xùn)，劉曉玲，等. 基于土地利用的喀斯特地區(qū)生態(tài)系統(tǒng)服務(wù)功能價(jià)值評(píng)估——以貴州省為例[J]. 應(yīng)用與環(huán)境生物學(xué)報(bào)，2011，17（2）：174-179.

[9]羅俊，王克林，陳洪松. 喀斯特地區(qū)土地利用變化的生態(tài)服務(wù)功能價(jià)值響應(yīng)[J]. 水土保持通報(bào)，2008，28（1）：19-24.[HJ1.6mm]

[10]熊鷹，謝更新，曾光明，等. 喀斯特區(qū)土地利用變化對(duì)生態(tài)系統(tǒng)服務(wù)價(jià)值的影響——以廣西環(huán)江縣為例[J]. 中國(guó)環(huán)境科學(xué)，2008，28（3）：210-214.

[11]趙國(guó)粱，胡業(yè)翠. 基于CLUE-S模型的廣西喀斯特山區(qū)生態(tài)系統(tǒng)服務(wù)價(jià)值變化研究[J]. 水土保持研究，2014，21（6）：198-203.

[12]楊俊，解鵬，席建超，等. 基于元胞自動(dòng)機(jī)模型的土地利用變化模擬——以大連經(jīng)濟(jì)技術(shù)開發(fā)區(qū)為例[J]. 地理學(xué)報(bào)，2015，70（3）：461-475.

[13]除多，張鐿鋰，鄭度. 拉薩地區(qū)土地利用變化情景分析[J]. 地理研究，2005，24（6）：869-877.

[14]黃曉磊，劉東云，馮仲科，等. 基于CA-Markov模型的天津市土地利用預(yù)測(cè)研究[J]. 中國(guó)農(nóng)業(yè)科技導(dǎo)報(bào)，2012，14（5）：84-89.

[15]布仁倉(cāng)，常禹，胡遠(yuǎn)滿，等. 基于Kappa系數(shù)的景觀變化測(cè)度——以遼寧省中部城市群為例[J]. 生態(tài)學(xué)報(bào)，2005，25（4）：778-784.

[16]劉宇，陳學(xué)華，羅勇. 土地利用變化對(duì)生態(tài)系統(tǒng)服務(wù)價(jià)值的影響——以貴州省為例[J]. 西北林學(xué)院學(xué)報(bào)，2008，23（1）：219-223.