Spatio-temporal Evolution of Habitat Quality in the Xin’ an River Basin and Multi-scenario Prediction
-
摘要: 基于新安江流域2000、2010、2018年土地利用/覆被数据，运用InVEST模型和CA-Markov模型，分析流域内2000—2018年生境质量时空演变特征，并对2030年新安江流域土地空间格局和生境质量进行多情景预测。结果表明：（1）2000—2018年间，新安江流域的优势地类为林地和耕地；随着城镇化进程的快速推进，城市边界不断外延，建设用地增幅高达192.66%，主要由林地和耕地流入；（2）2000—2018年间，新安江流域生境质量高值区集中于中部林地，低值区集中于市县城市区域，生境质量等级以优等级为主；整体生境质量呈退化趋势，生境质量等级发生转移的区域面积为436.44 km2，等级降低的面积为324.85 km2，等级转好的区域面积为111.59 km2；（3）2018—2030年间，新安江流域内土地利用类型及生境质量的时空演变与2000—2018年的演变趋势基本一致。三种情景下，生境质量平均指数的高低序列为：生态优先情景>自然增长情景>经济发展情景。控制区域建设用地规模，对于维护生态系统稳定性至关重要。
-
关键词:
- 生境质量 /
- CA-Markov模型 /
- InVEST模型 /
- 多情景预测
Abstract: Based on the land use/cover data of the Xin’ an River Basin in 2000, 2010 and 2018, the InVEST model and the CA-Markov model were used to analyze the spatio-temporal evolution characteristics of habitat mass in the basin from 2000 to 2018, and to predict the spatial pattern and habitat quality of the land in the Xin’ an River Basin in 2030. The results show that: （1） From 2000 to 2018, the dominant land types in the Xin’ an River Basin were forest land and cultivated land; with the rapid advancement of the urbanization process, the urban boundary was continuously extended, and the increase in construction land was as high as 192.66%, mainly by the inflow of forest land and cultivated land. （2） From 2000 to 2018, the high-value area of habitat quality in the Xin’ an River Basin was concentrated in the central woodland, the low-value area was concentrated in the urban area of cities and counties, and the quality level of habitat was mainly excellent; the overall quality of habitat was degraded, and the area of habitat quality grade transfer was 436.44 km2, the area of reduced grade was 324.85 km2, and the area of area with improved grade was 111.59 km2. （3） Between 2018 and 2030, the temporal and spatial evolution of land use types and habitat quality in the Xin’ an River Basin was basically consistent with the evolution trend of 2000—2018. Under the three scenarios, the sequence of the average habitat quality index is: the ecological priority scenario, the natural growth scenario, the economic development scenario. Controlling the scale of land for construction in the area is crucial to maintaining the stability of the ecosystem.-
Key words:
- habitat quality /
- CA-Markov model /
- InVEST model /
- multi-scenario prediction
-
表 1 威胁因子属性
威胁因子 最大影响距离/km 权重 空间衰退类型 耕地 5 0.6 线性衰退 城镇用地 12 1 指数衰退 农村居民点 5 0.5 指数衰退 其他建设用地 8 0.7 线性衰退 未利用地 4 0.3 指数衰退 高速公路 6 0.6 线性衰退 国道 10 0.4 线性衰退 铁路 5 0.3 线性衰退 
下载: 导出CSV
表 2 土地利用类型的生境适宜性及对各威胁因子的相对敏感性
土地利用类型 生境适宜度 威胁因子 耕地 城镇用地 农村居民点 其他建设用地 未利用地 高速公路 国道 铁路 耕地 0.6 0.6 0.5 0.4 0.2 0.3 0.1 0.1 0.1 林地 0.8 0.5 1 0.85 0.6 0.2 0.6 0.5 0.6 草地 0.55 0.6 0.8 0.6 0.3 0.5 0.4 0.3 0.4 水域 0.5 0.5 0.75 0.5 0.6 0.4 0.5 0.4 0.5 建设用地 0 0 0 0 0 0 0 0 0 未利用地 0.5 0.5 0.5 0.5 0.5 0 0.2 0.2 0
下载: 导出CSV
表 3 2000—2018年新安江流域土地利用类型变化情况
单位：km2，% 土地利
用类型2000 2010 2018 2000—2010 2010—2018 2000—2018 面积 变化面积 变化幅度 变化面积 变化幅度 变化面积 变化幅度 耕地 1142.33 1087.01 1056.84 −55.32 −4.84 −30.17 −2.78 −85.49 −7.48 林地 6621.65 6593.19 6570.12 −28.46 −0.43 −23.07 −0.35 −51.53 −0.78 草地 372.77 372.61 372.09 −0.16 −0.04 −0.52 −0.14 −0.68 −0.18 水域 545.33 546.63 547.18 1.30 0.24 0.55 0.10 1.85 0.34 建设用地 70.59 153.28 206.59 82.69 117.14 53.31 34.78 136.00 192.66 未利用地 1.18 1.13 1.03 −0.05 −4.24 −0.1 −9.09 −0.15 −12.68
下载: 导出CSV
表 4 2000—2018年新安江流域土地利用转移矩阵
单位：km2 土地利用类型 2018年 总计 草地 耕地 建设用地 林地 水域 未利用地 2000年 草地 349.44 2.37 2.86 17.50 0.60 0.00 372.77 耕地 2.76 993.22 91.51 48.97 5.86 0.00 1142.33 建设用地 0.09 3.06 65.74 1.35 0.36 0.00 70.60 林地 19.03 55.84 46.23 6486.77 13.71 0.07 6621.65 水域 0.37 2.02 4.08 12.23 526.61 0.00 545.32 未利用地 0.00 0.00 0.10 0.12 0.00 0.95 1.18 总计 371.69 1056.52 205.84 6566.94 547.13 1.03 8753.85
下载: 导出CSV
表 5 新安江流域各等级生境质量的面积统计
单位：km2 生境质
量等级取值范围 面积 2000 2010 2018 差 0～0.19 79.97 201.25 215.97 较差 0.20～0.54 1687.29 1602.44 1605.38 一般 0.55～0.78 510.84 507.29 537.66 良好 0.79～0.93 568.35 573.35 573.39 优 0.94～1 5907.40 5869.52 5821.45
下载: 导出CSV
表 6 2000—2030年新安江流域土地利用类型变化特征
单位：km2，% 土地利用
类型2030年 2018—2030年 自然增长 经济增长 生态优先 自然增长 经济增长 生态优先 预测面积 变化面积 变化率 变化面积 变化率 变化面积 变化率 耕地 1089.21 1086.96 946.08 32.37 3.06 30.12 2.85 −110.76 −10.48 林地 6180.24 6178.54 6564.8 −389.88 −5.93 −391.58 −5.96 −5.32 −0.08 草地 417.9 417.88 363.12 45.81 12.31 45.79 12.31 −8.97 −2.41 水域 558.33 558.8 561 11.15 2.04 11.62 2.12 13.82 2.53 建设用地 507.2 510.7 317.87 300.61 145.51 304.11 147.20 111.28 53.87 未利用地 0.97 0.97 0.98 −0.06 −5.83 −0.06 −5.83 −0.05 −4.85
下载: 导出CSV
表 7 2018—2030年不同等级生境质量面积及占比
单位：km2，% 生境质量等级 2018年 2030年 自然增长 经济增长 生态优先 面积 比率 面积 比率 面积 比率 面积 比率 差 215.97 2.46 542.62 6.20 543.95 6.21 329.95 3.77 较差 1605.38 18.42 1838.94 21.01 1839.03 21.01 1588.79 18.15 一般 537.66 6.14 799.88 9.14 800.34 9.14 711.7 8.13 良好 573.39 6.54 1076.41 12.30 1079.87 12.34 950.43 10.86 优 5821.45 66.44 4496.00 51.36 4490.66 51.30 5172.98 59.09
下载: 导出CSV
-
[1] 李胜鹏, 柳建玲, 林津, 等. 基于1980—2018年土地利用变化的福建省生境质量时空演变[J]. 应用生态学报, 2020, 31(12): 4080. DOI: 10.13287/j.1001-9332.202012019. [2] MOONEY HAROLD A, DURAIAPPAH ANANTHA, LARIGAUDERIE ANNE. Evolution of natural and social science interactions in global change research programs[J]. Proceedings of the National Academy of Sciences of the United States of America, 2013, 110(1): 3665. DOI: 10.1073/pnas.1107484110. [3] 尚俊, 蔡海生, 龙月, 等. 基于InVEST模型的鄱阳湖区生境质量时空演化及其变迁特征分析[J]. 长江流域资源与环境, 2021, 30(8): 1901. DOI: 10.11870/cjlyzyyhj202108012. [4] 金贵, 邓祥征, 赵晓东, 等. 2005—2014年长江经济带城市土地利用效率时空格局特征[J]. 地理学报, 2018, 73(7): 1242. DOI: 10.11821/dlxb201807005. [5] 周婷, 陈万旭, 李江风, 等. 神农架林区人类活动与生境质量的空间关系[J]. 生态学报, 2021, 41(15): 6134. DOI: 10.5846/stxb202006131538. [6] 石小伟, 冯广京, 苏培添, 等. 大都市郊区土地利用时空演变特征与生境质量评价[J]. 农业工程学报, 2021, 37(4): 275. DOI: 10.11975/j.issn.1002-6819.2021.04.033. [7] HUALIN XIE, YANWEI ZHANG, KAIFENG DUAN. Evolutionary overview of urban expansion based on bibliometric analysis in Web of Science from 1990 to 2019[J]. Habitat International, 2020, 95(C): 102100. DOI: 10.1016/j.habitatint.2019.102100. [8] 刘春芳, 王川. 基于土地利用变化的黄土丘陵区生境质量时空演变特征: 以榆中县为例[J]. 生态学报, 2018, 38(20): 7300. DOI: 10.5846/stxb201710101800. [9] 刘智方, 唐立娜, 邱全毅, 等. 基于土地利用变化的福建省生境质量时空变化研究[J]. 生态学报, 2017, 37(13): 4538. DOI: 10.5846/stxb201602050263. [10] 邓越, 蒋卫国, 王文杰, 等. 城市扩张导致京津冀区域生境质量下降[J]. 生态学报, 2018, 38(12): 4516. DOI: 10.5846/stxb201712062200. [11] WONG CHRISTINA P, JIANG BO, KINZIG ANN P, et, al. Linking ecosystem characteristics to final ecosystem services for public policy[J]. Ecology letters, 2015, 18(1): 108. DOI: 10.1111/ele.12389. [12] 傅春, 王乐志, 邓俊鹏, 等. 不同影响因素对鄱阳湖流域生境质量变化特征分析[J]. 中国农村水利水电, 2021(11): 1. DOI: 10.3969/j.issn.1007-2284.2021.11.001. [13] 王军, 严有龙, 王金满, 等. 闽江流域生境质量时空演变特征与预测研究[J]. 生态学报, 2021, 41(14): 5837. DOI: 10.5846/stxb202010142618. [14] 常玉旸, 高阳, 谢臻, 等. 京津冀地区生境质量与景观格局演变及关联性[J]. 中国环境科学, 2021, 41(2): 848. DOI: 10.19674/j.cnki.issn1000-6923.2021.0096. [15] 何莎莎, 朱文博, 崔耀平, 等. 基于InVEST模型的太行山淇河流域土壤侵蚀特征研究[J]. 长江流域资源与环境, 2019, 28(2): 426. DOI: 10.11870/cjlyzyyhj201902019. [16] 李瑾璞, 夏少霞, 于秀波, 等. 基于InVEST模型的河北省陆地生态系统碳储量研究[J]. 生态与农村环境学报, 2020, 36(7): 854. DOI: 10.19741/j.issn.1673-4831.2019.0918. [17] 潘韬, 吴绍洪, 戴尔阜, 等. 基于InVEST模型的三江源区生态系统水源供给服务时空变化[J]. 应用生态学报, 2013, 24(1): 183. DOI: 10.13287/j.1001-9332.2013.0140. [18] 巩杰, 马学成, 张玲玲, 等. 基于InVEST模型的甘肃白龙江流域生境质量时空分异[J]. 水土保持研究, 2018, 25(3): 191. DOI: 10.13869/j.cnki.rswc.2018.03.027. [19] 高周冰, 王晓瑞, 隋雪艳, 等. 基于FLUS和InVEST模型的南京市生境质量多情景预测[J/OL].农业资源与环境学报:1−17.[2022−02−07].DOI: 10.13254/j.jare.2021.0411. [20] 杨国婷, 张红, 李静, 等. 基于RFFLUS-InVEST-Geodetector耦合模型的平朔矿区生境质量时空演变及其影响因素[J]. 陕西师范大学学报(自然科学版), 2021, 49(6): 106. DOI: 10.15983/j.cnki.jsnu.2021.04.023. [21] 朱杰, 龚健, 李靖业. 青藏高原东部生态敏感区生境质量时空演变特征: 以青海省河湟谷地为例[J]. 资源科学, 2020, 42(5): 991. DOI: 10.18402/resci.2020.05.16. [22] 李亚楠, 多玲花, 张明. 基于CA-Markov和InVEST模型的土地利用格局与生境质量时空演变及预测: 以江西省南昌市为例[J]. 水土保持研究, 2022, 29(2): 345. DOI: 10.13869/j.cnki.rswc.20210930.001. [23] 岳东霞, 杨超, 江宝骅, 等. 基于CA-Markov模型的石羊河流域生态承载力时空格局预测[J]. 生态学报, 2019, 39(6): 1993. DOI: 10.5846/stxb201711302153. [24] DONGJIE GUAN, HAIFENG LI, TAKURO INOHAE, et, al. Modeling urban land use change by the integration of cellular automaton and Markov model[J]. Ecological Modelling, 2011, 222(20): 3761. DOI: 10.1016/j.ecolmodel.2011.09.009. [25] 胡碧松, 张涵玥. 基于CA-Markov模型的鄱阳湖区土地利用变化模拟研究[J]. 长江流域资源与环境, 2018, 27(6): 1207. DOI: 10.11870/cjlyzyyhj201806004. [26] AGUEJDAD RAHIM. The Influence of the Calibration Interval on Simulating Non-Stationary Urban Growth Dynamic Using CA-Markov Model[J]. Remote Sensing, 2021, 13(3): 468. DOI: 10.3390/RS13030468. [27] 张学儒, 周杰, 李梦梅. 基于土地利用格局重建的区域生境质量时空变化分析[J]. 地理学报, 2020, 75(1): 160. DOI: 10.11821/dlxb202001012. [28] 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, 39(7): 121. DOI: 10.7621/cjarrp.1005-9121.20180718. -
点击查看大图
图(3) / 表(7)
计量
- 文章访问数: 1718
- HTML全文浏览量: 634
- PDF下载量: 5
- 被引次数: 0
