EN中文

地理科学 >

2024 , Vol. 44 >Issue 10: 1826 - 1836

DOI: https://doi.org/10.13249/j.cnki.sgs.20230581

基于PLUS模拟未来土地利用变化的可持续发展评估——以江西省为例

  • 杨子韬 , 1 ,
  • 田莉 , 2, *
展开
  • 1.中国科学院大学，北京 100049
  • 2.中国科学院地理科学与资源研究所，北京 100101
田莉。E-mail:

杨子韬（2000—），男，湖南岳阳人，硕士研究生，主要从事景观生态与土地利用评估研究。E-mail:

收稿日期: 2023-06-17

  修回日期: 2023-09-22

  网络出版日期: 2024-11-01

基金资助

中国科学院基础前沿科学研究计划从0到1原始创新项目(ZDBS-LY-DQC023)

版权

版权所有，未经授权，不得转载、摘编本刊文章，不得使用本刊的版式设计。
收起

Sustainability assessment based on PLUS simulation of future land use change: A case study of Jiangxi Province

  • Yang Zitao , 1 ,
  • Tian Li , 2, *
Expand
  • 1. University of Chinese Academy of Sciences, Beijing 100049, China
  • 2. Institute of Geographic Sciences and Natural Resources Research, Chinese Academy of Sciences, Beijing 100101, China

Received date: 2023-06-17

  Revised date: 2023-09-22

  Online published: 2024-11-01

Supported by

The Chinese Academy of Sciences’ Basic Frontier Scientific Research Program Goes from 0 to 1 Original Innovation Project(ZDBS-LY-DQC023)

Copyright

Copyright reserved © 2024.
Fold

摘要

以江西省2010年和2020年土地利用现状为基期数据，并结合江西省自然资源特点与土地利用政策，利用PLUS模型对该省2030年土地利用进行3种未来情景模拟（正常发展情景、生态保护情景和耕地保护情景）；通过模拟分析发掘其内涵生长规律和土地转变机制；并基于可持续发展理念对未来的3种发展情景结果进行评估，结果表明：① 2010—2020年江西省土地利用主要表现为耕地、林地面积的持续减少，灌木和建设用地面积的稳定上升；土地转型过程中耕、林、灌木地转变突出，耕地和林地是建设用地的扩张之源，林地与耕地之间存在置换；② 在未来（2030年）3种情景的模拟适宜性评估中，正常发展情景的面积变化较2010—2020年基本一致，其社会效益和经济效益最高，情景模拟适宜性指数（SSI）值最大，可持续发展潜力最好；生态保护情景下灌木地、水域、湿地面积略有增加，耕地锐减，对比其他两种情景，其生态效益最好，情景适宜性良好；耕地保护情景下的耕地资源回补，林地面积大幅减少，建设用地和灌木面积增加，其经济效益最低，情景适宜性一般。多情景模拟反映了江西省不同侧重点的发展需求，为管理者在未来国土空间规划和开发上提供参考依据。

关键词： 土地利用; PLUS模型; 情景模拟; 江西省; 可持续发展

本文引用格式

杨子韬 , 田莉 . 基于PLUS模拟未来土地利用变化的可持续发展评估——以江西省为例[J]. 地理科学, 2024 , 44(10) : 1826 -1836 . DOI: 10.13249/j.cnki.sgs.20230581

Abstract

This paper takes the current land use situation in Jiangxi Province in 2010 and 2020 as the base period data, and combines the characteristics of natural resources and land use policies in Jiangxi Province, then it uses the PLUS model to simulate three future scenarios of land use in the province in 2030 (the normal development scenario, the ecological protection scenario, and the arable land protection scenario), discovering the connotation of the growth law and the mechanism of land transformation through the simulation analysis and evaluating the results of the three future development scenarios based on the concept of sustainable development. The results of the three future development scenarios were evaluated based on the concept of sustainable development. The results show that: 1) From 2010 to 2020, the main trends in land use in Jiangxi Province are a continuous decrease in farmland and forest area, and a stable increase in shrub and construction land area. During the land transformation process, the conversion between farmland, forest, and shrub land is prominent, with farmland and forest serving as the main sources of construction land expansion, and there is a substitution relationship between forest and farmland. 2) In the suitability assessment of the three future scenarios (2030), the normal development scenario shows consistent changes in area compared to the 2010—2020 period. It has the highest social and economic benefits, the largest suitability simulation index (SSI), and the best potential for sustainable development. Under the ecological protection scenario, the areas of shrub land, water bodies, and wetlands slightly increase, while farmland decreases significantly. Compared to the other two scenarios, it has the best ecological benefits and good suitability. Under the farmland protection scenario, farmland resources are replenished, forest area decreases sharply, and the areas of construction land and shrub land increase. It has the lowest economic benefits and moderate suitability. The multi-scenario simulations reflect the different development needs of Jiangxi Province, providing reference for managers in future land spatial planning and development.

Key words： land use; PLUS model; scenario simulation; Jiangxi Province; sustainable development

随着社会经济的快速发展，人口−资源−环境的问题日益突出，人们对全球变化的研究成为本世纪最活跃的研究领域[1]，其中，土地利用/覆被（The Land-Use and Land-Cover, LULC）变化是表征人类活动对地球表层系统影响最直接的表现形式，在全球环境变化过程中扮演着非常重要的角色[2-4]。LULC变化是一种极为复杂的过程和现象[5]，它改变了系统内景观的结构配置，使得景观内的物质流、能量流和信息流发生改变，从而影响着景观的功能和服务，改变着地理系统的稳定性[6]。因此，LULC变化的研究尤为关键[7-8]，其变化机制也是该领域研究的焦点[9]。
在一定系统内合理配置土地资源，能高效发挥土地的供给、调节功能，为人类提供更优质的服务和产品[10]，实现一个系统内的可持续平衡发展。土地利用变化会因区域而异，不同区域由于自然条件、地理区位、经济实力不同，在土地利用的规划和开发方向会有所侧重[11]。为此，如何科学地进行土地资源配置，协调生态环境保护与社会发展之间的矛盾，构建平衡关系已经成为当前国土空间规划和土地利用中亟需解决的问题[12]。
对区域未来土地利用变化情景模拟预测将为当地管理者和决策者在土地规划方面提供参考[13]。目前针对土地利用变化的研究建立一些更先进的模型逐步替代了一些传统模型[14–16]。如Verburg团队基于CLUE-S模型将欧洲人口、经济、政策方面的变化通过情景模拟转变为欧洲土地利用模式的变化，确定了欧洲土地利用变化的主要轨迹为农业废弃、农业扩张和城市化[17]；Ayşe Çağlıyan和Dündar Dağlı利用FLUS模型模拟土耳其迪亚巴克尔未来LULC变化并进行城市化的建模与监测，预测未来城市化发展模式与方向[18]。PLUS（Patch-generating Land Use Simulation）模型包含一种新型的多类随机斑块种子机制，能更好的模拟多类土地斑块级变化，更适用于中尺度土地利用变化的过程研究[19]。
江西省地理条件优越，但在高强度的人类活动影响下，耕地资源锐减、生态环境退化、城乡建设与生态保护矛盾突出等问题显著。在2022年，国家推行“三区三线”国土保护政策，要求各地保障永久基本农田控制线和生态保护红线不容侵犯，以实现区域社会发展−粮食安全−生态保护3方面的可持续发展。为此，江西省既要坚决扛牢粮食安全政治责任，又要保障森林的碳汇增量，同时也要满足城市扩张的土地利用要求。本研究尝试结合当地生态保护政策和国土空间规划要求，在最大化满足可持续发展的前提下为江西省国土空间规划和生态安全保障提供决策参考。

1 研究区域、数据来源与研究方法

1.1 研究区概况

江西省位于中国东南部（24°29′14″N~30°04′43″N、113°34′18″E~118°28′56″E）①，总面积16.73万km2。地形以丘陵山地为主，整体地势南高北低，省内东、西、南三面环山，中部丘陵与河谷平原交相分布。耕地、城镇工矿用地主要分布在河谷平原及周边岗地与丘陵地区，林地主要分布在山地丘陵区域。气候为亚热带季风气候，雨热同期，农作物以一年三熟为主，是中国主要的农业大省之一。同时森林资源丰富，森林覆盖率为63.1%，位居全国第二，是中国主要的森林碳存储所在地②。水资源丰富，河网密布，境内有中国第一大淡水湖——鄱阳湖，是长江中游最大的湖泊，境内赣江从南至北汇入鄱阳湖，是江西省第一大河流，和抚河、信江、饶河、修河构成江西省5大河系（图1）。江西经济发展区位优越、交通便利，南接中国珠三角经济圈、北邻长三角经济带、同时江西省南部隶属于台湾海峡西岸经济区，区位发展潜力大。截至2020年江西省人口有4519多万人，人均GDP为56853.29元，在国家排名为第17位③。
图1 研究区位置与高程

Fig. 1 Location and topographic map of the study area

1.2 数据来源

土地利用数据采用中国科学院空天院利用Landsat Thematic Mapper （TM） （2010）/Landsat 8 Operational Land Imager data （OLI）（2020）卫星影像解译的两期土地利用数据（表1），用混淆矩阵进行精度评价达到90%满足本研究数据需求[20-21]。在这里研究区土地利用类型共分为8类：耕地、林地、草地、灌木地、湿地、水域、建设用地、裸地。
表1 驱动因素数据来源信息

Table 1 Driver data source information

序号 驱动因素 年份（分辨率） 代号 数据来源
1 年均温 2020（1 km） GST 中国科学院资源环境数据中心①
2 年降水 2020（1 km） PRE 中国科学院资源环境数据中心
3 高程数据 2009（30 m） DEM 地理空间数据云②
4 坡度 2009（30 m） Slope ArcGIS 坡度分析
5 地区生产总值 2019（1 km） GDP 中国科学院资源环境数据中心
6 人口密度 2019（1 km） POP 中科院资源环境数据中心
7 距道路距离 2017（30 m） Road 路网数据来源于全国地理信息资源目录服务系统③，
距离栅格数据经ArcGIS欧氏距离分析得到
8 距铁路距离 2017（30 m） Rail 路网数据来源于全国地理信息资源目录服务系统，
距离栅格数据经ArcGIS欧氏距离分析得到
使用PLUS模型进行模拟时，针对人文因素与自然因素共同影响下的土地利用变化规则采用CA邻域因子转换进行分析，选取的人文因素包括地区生产总值（GDP）、人口密度、距道路距离和距铁路距离，自然因素包括气候、降水、高程、坡度共8个基础驱动因素（表1），根据模型需要，各个驱动因素都采用栅格数据。
情景模拟适宜性评价指标体系所需统计数据来源如下：所需人口数量（2005—2020年）、GDP（2005—2020年）城镇化率（2005—2020年）、农作物播种面积数据（2010年、2020年）来源于《江西统计年鉴》[22]，所需农产品单位面积平均利润数据（2010年、2020年）来源于《全国农产品成本收益资料汇编》[23]。

1.3 研究方法

1.3.1 年变化率和动态度

为更好地揭示江西省土地利用的变化特征，本文拟用净变化面积、面积变化幅度、年均变化率[24]和动态度[25]4个指标度量土地利用变化的速度和强度，净变化面积即为两期地类面积之差，面积变化幅度即为两期某地类面积占总面积比值之差。④⑤⑥

1.3.2 基于斑块生成的土地利用模拟模型（PLUS）

PLUS模型分为两大模块——用地扩张策略分析（LEAS）和基于多类随机斑块种子的CA模型（CARS）。LEAS模块运行参数设置为：采样方式为随机采样，设置决策树的数量为50，采样率为0.01，训练RF的特征个数为8个。CARS模块以2010年和2020年江西省土地利用数据和各地类扩张发生概率为基础，邻域范围默认值为3，经过多次测试，设置递减阈值的衰减系数、扩散系数和随机种子的最大比例为0.8、0.2和0.0001。为了验证模型结果的可靠性，我们首先利用设定的PLUS模型对2020年进行模拟，采用Kappa[26-27]系数和FoM（Figure of Merit）[28]系数与2020年实际情况进行验证，验证通过再进行2030年情景模拟。
3种模拟情景设定：自然发展情景、生态保护情景、耕地保护情景。结合江西省当前发展现状，依据江西省土地管理办法⑦，对3大情景各地类进行被转移概率的参数设置，在这里地类被转移概率指该类土地转化为其他地类事件的可能性，概率越高，转化优先级越高，该参数只反映某地类转化的优先程度，并不代表真实的转化值（表2）。
表2 3种模拟发展情景

Table 2 Three simulated development scenarios

模拟发展情景 基本要求
正常发展情景 假设未来土地利用政策不变，土地利用变化情况与2010—2020年变化情况保持一致，各地类被转移概率不作调整
生态保护情景 在江西省“十四五”生态环境保护规划中表示，要坚决划定和严守生态保护红线，保障生态安全和国土安全。为实现生态保护的目的，设定减少林地、草地、灌木地、湿地和水域的被转移发生概率（林地和湿地减少30%，草地、灌木地和水域减少20%），其他地类概率不做变化
耕地保护情景 据江西省人民政府发布的《关于加强耕地保护的意见》，文件提出要坚守（26 697.27 km2）耕地保护红线。因此本文在该情景下，通过减少耕地被转移发生概率（40%），禁止耕地转变为建设用地、裸地和草地，其他地类的概率不作变化，来控制耕地转变为其他地类，以实现耕地资源的补充

1.3.3 情景模拟适宜性指数

为评估不同模拟情景的未来适宜性和可持续性，本文基于可持续发展理念从社会、经济、生态3个层次构建区域模拟情景评价指标体系（表3）。
表3 区域模拟情景适宜性评价指标体系

Table 3 Sustainable development indicator system based on scenario simulation

系统 子系统 指标 解释 属性 权重/%
情景模拟适宜
性指数（SSI）		 社会效益（Sl） 人均耕地面积（Pc） 当期耕地面积/当期人口数量 正 0.2143
城市化效率（Ue） 当期建设用地面积/当期城镇化率 正 0.2143
经济效益（Ey） 建设经济效率（Ce） 研究期新增建设用地面积/研究期新增GDP 正 0.1071
生态经济效率（Ee） 当期生态系统服务价值/当期地区生产总值 正 0.0357
生态效益（Eg） 生态系统服务价值（ESV） 基于陆地生态系统价值当量表计算 正 0.1273
生态承载力（ECC） 基于均衡因子和产量因子计算 正 0.2313
生态安全指数（ESI） 基于景观干扰指数和景观脆弱指数计算 正 0.0700
情景模拟适宜性指数（SSI）的设计基于可持续发展理念，应用于不同土地模拟发展情景适宜性评价，以表征不同情景下的未来适宜性和可持续性，计算公式如下：
$ SSI = Sl + Ey + Eg $
式中，SSI为情景模拟适宜性指数，Sl为社会效益，Ey为经济效益，Eg为生态效益。根据“十四五”时期江西省提出的经济社会发展具体目标⑧以及专家意见设置各级指标的优先权重，通过层次分析法（AHP）[29]得到最终计算所需的权重（表3）。
1） 社会效益（Sl）。社会效益反映满足人类社会发展、提供社会服务的可持续效益。本文以人均耕地面积表征粮食压力，以城市化效率表征建设压力，从基本问题上体现情景的社会发展适宜性。
$ Sl=0.2143\times Pc+0.2143\times Ue $
式中，Sl为社会效益，Pc为人均耕地面积，Ue为城市化效率。
2） 经济效益（Ey）。经济效益反映地区经济建设发展产生的可持续效益，本文从社会建设和生态价值角度进行阐释。借用“效率=产出/投入”概念，以研究期新增GDP为投入，研究期新增建设用地面积为产出获得建设经济效率。通过当期生态系统服务价值（Ecosystem service value, ESV）占当期GDP比重反映生态经济效率，ESV为生态系统服务价值（根据谢高地团队提出的“生态系统服务价值等价因子表”和改进的计算方法[27-31]进行计算）。
$ Ce = \dfrac{{GD{P_{t2}} - GD{P_{t1}}}}{{S{b_{t2}} - S{b_{t1}}}} $
$ Ee = \dfrac{{ESV}}{{GDP}} $
$ Ey=0.1071\times Ce+0.0357\times Ee $
式中，Ey为区域经济效益，Ce为建设经济效率，Ee为生态经济效率，GDPt1、GDPt2为两期地区生产总值，Sbt1、Sbt2为两期建设用地面积。
3） 生态效益（Eg）。生态效益反映区域生态环境质量产生的可持续效益。本文选择生态系统服务价值、生态承载力和生态安全指数为指标进行评价。计算公式如下：
$ Eg=0.1273\times ESV+0.2313\times ECC+0.07\times ESI $
式中，Eg为生态效益，ESV为生态系统服务价值，ECC为生态承载力，ESI为生态安全指数。
生态承载力（Ecological Carrying Capacity, ECC）是指自然环境在一定时间范围内能够支持和维持特定生态系统或人类活动的能力，被用来描述生态系统的稳定性和可持续性[32]。根据郭慧等提出的基于生态系统服务价值的生态承载力计算方法，由均衡因子和产量因子可以计算出江西省各情景下的生态承载力值[33-34]。
生态安全指数（Ecological security index,ESI）反应地区的生态安全情况。根据陈鹏等[35]以及谢花林[36]提出的景观生态风险指数计算方法，通过FragStats v4.2计算景观破碎度、分离度、优势度、干扰度、脆弱度等指标获得区域的生态风险指数，进行换算后可得到生态安全指数。计算公式如下：
$ ESI = 1 - ERI $
式中，ESI为生态安全指数，ERI为生态风险指数。
情景模拟适宜性指数的创建目的是应用于土地利用模拟情景的发展效果评估，所有数据仅作横向对比分析，均进行归一化处理（3大效益归一化时以2020年结果为基准），另2030年江西省人口数量和GDP预测数据通过2000—2020年逐年数据采用最小二乘法线性回归预测模型（OLS）[37]模拟获得，经验证人口和GDP年均增长率符合江西省“十四五”规划中实现经济年增长7%、人口年负增小于0.01%的目标，预测数据可应用于本研究。

2 结果

2.1 2010—2020年江西省土地利用变化

基于2010年和2020年江西省土地利用数据，可计算得到2010—2020年土地利用的面积变化、面积变化幅度、年均变化率和动态度4个指标（表4）。2010年—2020年，林地面积占研究区总面积比分别是70.951%（2010年）和69.733%（2020年），仅下降了0.225%；其次是耕地，2010年占总面积21.949%（41406.740 km2）减少到2020年的21.724%（40982.630 km2）；草和裸地总体占比较少，2020年占比均不足0.02%，它们总减少量仅仅为68.472 km2。面积增加的是灌木地、水域和建设用地，它们的增幅分别为0.301%、0.126%和0.979%；而湿地面积也有较小的增幅（0.033%）。对于年均变化率结果显示：裸地的变化速率最大，年均增加5.102%；其次为灌木地和建设用地，年均变化率分别为3.859%和3.314%；接着是湿地（2.913%）和草地（2.608%）；同时耕地和林地的变化率也为负值，但都未超过0.2%。对于各类土地利用类型的动态度分析结果显示：变化最剧烈的为耕地（2.093‰），其次是林地（2.062‰）、建设用地（0.979‰）、水域（0.277‰）和灌木地（0.351‰）。
表4 2010—2020年江西省土地利用变化数量指标

Table 4 Quantity index of land use change in Jiangxi Province from 2010 to 2020

土地利用类型 面积变化/km2 面积变化幅度/% 年均变化率/% 动态度/‰
耕地 −424.110 −0.225 −0.102 2.093
林地 −2297.609 −1.218 −0.172 2.062
草地 7.028 0.004 2.608 0.004
灌木地 568.694 0.301 3.859 0.351
湿地 61.451 0.033 2.913 0.033
水域 238.029 0.126 0.390 0.277
建设用地 1846.223 0.979 3.314 0.979
裸地 0.293 0.000 5.102 0.000
在空间上（图2），2010年江西省耕地主要分布在中北部，包括南昌市、九江市东北部、宜春市西南部、鹰潭市中西部、上饶市西部等地区，约占农田总面积的80%。林地主要分布在江西省南部山区和丘陵地带，如赣州市和吉安市内林地面积约占林地总面积的40%。水体和湿地主要集中在南昌市北部、上饶市西部和九江市南部（鄱阳湖流域）；建设用地按市区分区域多点聚集，主要集中在南昌市中部；裸地、草地和灌木地分布特征不明显。相对于2010年，2020年耕地主要分布区由鄱阳湖区域向外围方向缩减，建设用地在各个市区周边都有所扩张，占用了较为平坦的周边土地利用类型，主要为耕地和林地。
图2 2010年（a）和2020年（b）江西省土地利用及用地面积占比

Fig. 2 Land use and land area ratio of Jiangxi Province in 2010 （a） and 2020 （b）

2.2 斑块生成的土地利用变化模拟（PLUS）

2.2.1 土地利用类型扩张策略分析（LEAS）

基于2010年和2020年土地利用类型的变化和驱动因素进行土地扩张策略分析。8个驱动因素（表1）对8类用地的贡献率有很大差异（图3），其中耕地和林地受8种驱动因素的贡献相对均衡，贡献率都超过了0.1；而GDP对草地的影响较大；高程（DEM）对灌木地、湿地和水域影响较大；建设用地则与人口密度（POP）、距公路距离（Road）和距铁路距离（Rail）关系较大，但是8个驱动因素的贡献率都超过了0.1；对裸地贡献较大的是人口密度（POP）。
图3 各土地利用类型的驱动因素贡献度

DEM为高程；POP为人口密度；Road为距公路距离；Rail为距铁路距离；GDP为地区生产总值；Slope为坡度；GST为年均温；PRE为年降水

Fig. 3 Driver contribution degree of each land use type

2.2.2 CARS精度评价及模拟运行

我们基于2010年数据对2020年的土地利用进行模拟，并验证模型的精度。结果显示：Kappa系数为0.927，总体精度为0.966，在评价指标中表现为最佳（0.8~1.0为最佳水平），各土地利用类型的使用者精度（User’s Accuracy）分别为：耕地=0.950、林地=0.979、草地=0.909、灌木地=0.731、湿地=0.826、水域=0.968、建设用地=0.896、裸地=1.000；FoM=0.055。总体而言，PLUS模型对2010—2020年江西省土地利用的模拟情况和实际结果接近，各类用地的生长概率表现为显著，表明用PLUS模型进行土地利用模拟能得到较为理想的结果，可通过该模型进行2030年江西省土地利用情景模拟。

2.3 2030年土地利用变化多情景模拟

如表5所示，对比3种情景，耕地面积在耕地保护情景中最大（41421.47 km2），林地和湿地面积在生态保护情景中最大，分别为131008.32 km2和334.50 km2，草地、灌木地、水域和建设用地正常发展情景最大，面积分别为40.97 、2582.42、6509.70、8517.59 km2，裸地在正常发展情景和耕地保护情景下面积持平（0.76 km2）。
表5 2020—2030年江西省土地利用面积及面积变化

Table 5 Three situations of land use area and area changes in Jiangxi Province from 2020 to 2030

土地利
用类型		2020年实际土地
利用面积/km2		2030年情景模拟土地利用面积/km22020—2030年土地面积变化/km2
正常发展情景生态保护情景耕地保护情景正常发展情景生态保护情景耕地保护情景
耕地40982.6340556.0339906.1941421.47−426.60−1076.44438.84
林地131553.95129320.01131008.32130028.86−2233.94−545.63−1525.09
草地33.9840.9732.7340.077.00−1.256.09
灌木地2042.192582.422343.262579.52540.23301.07537.33
湿地272.40334.42334.50291.6762.0362.1019.28
水域6348.616576.766509.706245.78228.15161.09−102.83
建设用地7417.969241.208517.598044.451823.241099.63626.49
裸地0.870.760.290.76−0.11−0.58−0.11
相比于2020年，2030年在3种情景下土地利用类型的面积都有较大变化（表5），正常发展情景下：主要增加的地类为建设用地和灌木地，分别增加了1823.24 km2和540.23 km2；主要减少的地类是耕地和林地，分别减少了426.60 km2和2233.94km2；其他地类基本与2020—2030年江西省土地利用变化保持一致。生态保护情景下，耕地和林地面积表现为减少（1076.44 km2，545.63 km2），灌木地和建设用地面积表现为增加（301.07 km2，1099.63km2），其他地类面积变化基本和正常发展情景的变化趋势一致。而耕地保护情景下，相比于2020年，耕地面积有所增加（438.84 km2），林地面积大幅减少（1525.09 km2）；草地、灌木地、湿地和建设用地面积分别增加6.09、537.33、19.28和626.49 km2。
3种情景土地利用的空间分布变化不大。在正常发展情景下（图4），耕地主要分布在鄱阳湖附近的平原地区，分布较为集中；林地主要分布于江西省的南部东部和西部，分布范围广阔；灌木地主要分布于赣州市的中部和东部、吉安市中部和西部以及九江市西南部，分布较分散；水域和湿地主要在鄱阳湖水域以及赣江、抚河流域；草地和裸地面积很小，无明显空间分布特征；建设用地主要分布在各市区的平原盆地地带，如南昌市中部、上饶市中部、景德镇中部等，在空间上呈现斑块式集聚分布。生态保护情景（图4）与正常发展情景相比比较相似，最为明显的差异在上饶市中北部的建设用地分布。耕地保护情景（图4）与正常发展情景相比，差异主要表现在耕地和林地，如抚州市东部、赣州市北部、吉安市东部、宜春市北部等。其他土地利用类型的分布和生态保护情景的分布基本保持一致。
图4 2020年土地利用现状、2030年正常发展情景、2030年生态保护情景和2030年耕地保护情景下土地利用

Fig. 4 Land use status in 2020 , normal development scenario in 2030, ecological protection scenario in 2030 and farmland protection scenario in 2030

2.4 情景模拟适宜性指数评价分析

对比分析江西省2020年发展现状和2030年3种情景下的土地利用情景模拟适宜性指数（表6），2020—2030年，人均耕地面积在耕地保护情景下增加，在正常发展情景和生态保护情景下减少，生态承载力在生态保护情景下提高，在正常发展情景和耕地保护情景下减少，生态安全指数在正常发展情景和生态保护情景下增加，在耕地保护情景下减少；与2020年相比，3种情景下的建设经济效率、生态经济效率显著降低，而城市化效率和生态系统服务价值在3种情景下都有提高。
表6 江西2020年现状及2030年3种模拟情景的指标计算结果

Table 6 Current situation of Jiangxi in 2020 and index calculation results of three simulation scenarios in 2030

指标 2020年现状 2030年模拟
正常发展情景 生态保护情景 耕地保护情景
　　注：数据经过归一化处理。
人均耕地面积（Pc） 1.0000 0.9940 0.9781 1.0152
城市化效率（Ue） 1.0000 1.2458 1.1482 1.0845
建设经济效率（Ce） 1.0000 0.9876 0.5956 0.3393
生态经济效率（Ee） 1.0000 0.5699 0.5720 0.5648
生态系统服务价值（ESV） 1.0000 1.0017 1.0053 0.9926
生态承载力（ECC） 1.0000 0.9975 1.0032 0.9914
生态安全指数（ESI） 1.0000 1.0012 1.0024 0.9988
社会效益（Sl） 0.4286 0.4800 0.4557 0.4500
经济效益（Ey） 0.1428 0.1261 0.0842 0.0565
生态效益（Eg） 0.4286 0.4283 0.4302 0.4256
情景模拟适宜性指数（SSI） 1.0000 1.0344 0.9701 0.9321
综合看，社会效益表现为：2030年正常发展情景>2030年生态保护情景>2030年耕地保护情景>2020年发展现状；经济效益表现为：2020年发展现状>2030年正常发展情景>2030年生态保护情景>2030年耕地保护情景；生态效益表现为：2030年生态保护情景>2020年发展现状>2030年正常发展情景>2030年生态保护情景；情景模拟适宜性指数表现为：2030年正常发展情景>2020年发展现状>2030年生态保护情景>2030年耕地保护情景。综合各情景的适宜性指数来看，正常发展情景的情景模拟适宜性指数值最高，表明正常发展情景是这3种情景中更适宜江西省走可持续发展道路的选择。

3 结论与讨论

3.1 结论

本文首先分析了江西省2010—2020年的土地利用变化，再基于PLUS模型，模拟了江西省2020—2030年3种土地利用情景的变化，并作出情景模拟适宜性评估，结果如下：
1） 2010—2020年，江西省土地利用发生了明显变化。到2020年，江西省第一大景观仍是林地，其次为耕地，耕地和林地有大量面积互相转换，湿地、水域、草地和裸地面积都有不同程度增加。
2） 2020—2030年的土地利用变化情况看，3种模拟情景的土地利用都发生显著变化。2030年正常发展情景下，仍以建设用地和灌木地面积增加为主。在生态保护情景中，林、湿、灌木地、水域的面积得到扩张，建设用地面积增幅较正常发展情景有所降低，耕地资源被大量消耗转化。耕地保护情景中，耕地面积较2020年有所提升，湿地和建设用地面积增加幅度有所下降，林地减少的幅度上升。
3） 2030年3种发展情景结果对比显示，正常发展情景相对生态保护情景和耕地保护情景土地配置更均衡。结合可持续发展理论对3种情景进行适宜性评估，2030年正常发展情景的社会效益和经济效益最高，生态保护情景的生态效益最高，综合来看，正常发展情景的适宜性指数最大，更适合江西省未来的土地发展模式。
总而言之，江西省未来会以耕地、林地、灌木地为主要土地转型目标进行土地资源的配置，快速城市化带来的城市扩张必然会引起其他地类的收缩转型，正常发展情景下土地利用的适宜性最高，可持续发展潜力最好，是江西省未来土地利用规划的调整方向。

3.2 讨论

本文基于PLUS模型通过历史验证和机器深度学习进行土地利用变化模拟，虽能得到模拟结果，但受限于情景设置的主观性，导致模拟结果与Markov-chain计算得到的预期结果有一定偏差。其次，情景模拟适宜性指数是基于可持续发展理念，应用于土地利用模拟情景的可持续发展潜力评价指数，给未来情景的比较和选择提供参考思路和方法。但是基于未来视角对模拟情景的评估缺乏现实社会数据的支持，过多预测数据难具说服力，因此如何选取和计算评估指标是一大难点，另外，该体系仅适用于模拟情景结果的横向对比评估。
与土地利用模拟研究的另一大热点方向——未来土地的空间优化[38-39]相比，本文旨在探索未来土地配置与空间规划的适应性和可持续性。目前许多土地利用情景模拟的文章中仅做出模拟结果的说明和展示[40-41]，少有对于模拟结果的评估与评价[42]，部分评价结果也没有详细具体的体系或方法[43]，对此，针对未来模拟结果的对比与评估进行指标量化能更直观全面地为地方的土地政策出谋划策。本文以可持续发展为出发点，从社会效益、经济效益、生态效益3个维度展开评估，综合分析比较各模拟情景的适宜性和可持续性，评估思路明确，计算方法简便，有一定科学价值。土地利用模拟结果评估体系构建是简化土地模拟结果的一大捷径，根据不同需求构建不同指标体系不失为未来土地情景规划的一大方向，如何艳虎等[44]基于需求模拟未来人口的空间分布；或耦合SDG与SLU模型综合展开土地利用变化情景模拟的评估[45]。如何完善土地模拟的评估体系并研究设计多目标、多方位、多功能的专业性指标体系，是未来科研前进方向。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Jonathan A Foley, Ruth Defries, Gregory P Asner, Carol. Global consequences of land use[J]. Science, 2005, 309(5734): 570-574.

DOI

[2]
Lawler J J, Lewis D J, Nelson E et al. Projected land-use change impacts on ecosystem services in the United States[J]. Proceedings of the National Academy of Sciences, 2014, 111(20): 7492-7497.

DOI

[3]
Wulder M A, White J C, Goward S N et al. Landsat continuity: Issues and opportunities for land cover monitoring[J]. Remote Sensing of Environment, 2008, 112(3): 955-969.

DOI

[4]
Mooney H A, Duraiappah A, Larigauderie A. Evolution of natural and social science interactions in global change research programs[J]. Proceedings of the National Academy of Sciences, 2013, 110(supplement_1): 3665-3672.

DOI

[5]
Chang X, Zhang F, Cong K et al. Scenario simulation of land use and land cover change in mining area[J]. Scientific Reports, 2021, 11(1): 1-12.

DOI

[6]
Higueras A M.Teoría y método de la Geografía [M]//Aragon Region, Spain: Zaragoza University 621 Press, 2003.

[7]
Lambin E F, Turner B L, Geist H J et al. The causes of landuse and land-cover change: Moving beyond the myths[J]. Global Environmental Change, 2001, 11(4): 261-269.

DOI

[8]
Long H, Zhang Y, Ma L et al. Land use transitions: Progress, challenges and prospects[J]. Land, 2021, 10(9): 903.

DOI

[9]
李秀彬. 全球环境变化研究的核心领域──土地利用/土地覆被变化的国际研究动向[J]. 地理学报, 1996 6 553-558.

Li Xiubin. A review of the International research on land use / land cover change. Acta Geographic Sinica, 1996 6 553-558.

[10]
苏迎庆, 刘庚, 赵景波, 等. 基于 FLUS 模型的汾河流域生态空间多情景模拟预测[J]. 干旱区研究, 2021, 38(4): 1152-1161.

Su Yingqing, Liu Geng, Zhao Jingbo et al. Multi-scenario simulation prediction of ecological space in the Fenhe River Basin using the FLUS model. Arid Zone Reaserch, 2021, 38(4): 1152-1161.

[11]
龙花楼, 戈大专, 王介勇. 土地利用转型与乡村转型发展耦合研究进展及展望[J]. 地理学报, 2019, 74(12): 2547-2559.

Long Hualou, Ge Dazhuan, Wang Jieyong. Progress and prospects of the coupling research on land use transitions and rural transformation development. Acta Geographic Sinica, 2019,74 (12): 2547-2559.

[12]
吴欣昕, 刘小平, 梁迅, 等. FLUS-UGB 多情景模拟的珠江三角洲城市增长边界划定[J]. 地球信息科学学报, 2018, 20(4): 532-542.

Wu Xinxin, Liu Xiaoping, Liang Xun et al. Multi-scenarios simulation of urban srowth boundaries in Pearl River Delta Based on FLUS-UGB. Journal of the Geo-information Science, 2018, 20(4): 532-542.

[13]
邓华, 邵景安, 王金亮, 等. 多因素耦合下三峡库区土地利用未来情景模拟[J]. 地理学报, 2016, 71(11): 1979-1997.

Deng Hua, Shao Jingbo, Wang Jinliang et al. Land use driving forces and its future scenario simulation in the Three Gorges Reservoir Area using CLUE-S model. Acta Geographic Sinica, 2016, 71(11): 1979-1997.

[14]
Virtriana R, Sumarto I, Deliar A et al. Model of land cover change prediction in West Java using cellular automata-Markov chain (CA-MC) [C]//Kuala Lumpur, Malaysia : National Physics Conference 2014 (Perfik 2014), 2015: 060008.

[15]
Talukdar S, Singha P, Mahato S et al. Land-use land-cover classification by machine learning classifiers for satellite observations—A review[J]. Remote Sensing, 2020, 12(7): 1135.

DOI

[16]
王秀兰, 包玉海. 土地利用动态变化研究方法探讨[J]. 地理科学进展, 1999 1 83-89.

Wang Xiulan, Bao Yuhai. Research methods on the dynamic change of land use. Progress in Geographical Science, 1999 1 83-89.

[17]
Verburg P H, Van Berkel D B, Van Doorn A M et al. Trajectories of land use change in Europe: A model-based exploration of rural futures[J]. Landscape Ecology, 2010, 25(2): 217-232.

DOI

[18]
Çağlıyan A, Dağlı D. Monitoring land use land cover changes and modelling of urban growth using a future land use simulation model (FLUS) in Diyarbakir, Turkey[J]. Sustainability, 2022, 14(15): 9180.

DOI

[19]
Liang X, Guan Q, Clarke K C et al. Understanding the drivers of sustainable land expansion using a patch-generating land use simulation (PLUS) model: A case study in Wuhan, China[J]. Computers, Environment and Urban Systems, 2021, 85: 101569.

DOI

[20]
Liu L Y, Zhang X, Chen X D et al. GLC_FCS30-2010: Global land cover with fine classification system at 30 m in 2010[DS/OL].https://data.casearth.cn/dataset/6123651428a58f70c2a51e47.

[21]
Liu L Y, Zhang X, Chen X D et al. GLC_FCS30-2020: Global land cover with fine classification system at 30 m in 2020[DS/OL].https://data.casearth.cn/dataset/6123651428a58f70c2a51e49.

[22]
江西省统计局, 国家统计局江西调查总队.江西统计年鉴[M]. 北京: 中国统计出版社, 2023.

Jiangxi Provincial Bureau of Statistics, Surver Office of the National Bureau of Statistice in Jiangxi. Jiangxi statistical yearbook. Beijign: China Statistics Press, 2023.

[23]
国家发展和改革委员会价格司. 全国农产品成本收益资料汇编[M]. 北京:中国统计出版社, 2022.

Price Department of National Development and Reform Commission. Compilation of national agricultural product cost and benefit information. Beijing: China Statistics Press, 2022.

[24]
朱会义, 李秀彬, 何书金, 等. 环渤海地区土地利用的时空变化分析[J]. 地理学报, 2001 3 253-260.

Zhu Huiyi, Li Xiubin, He Shujin et al. Spatio-temporal change of land use in Bohai Rim. Journal of Geography Science, 2001 3 253-260.

[25]
刘纪远, 宁佳, 匡文慧, 等. 2010—2015年中国土地利用变化的时空格局与新特征[J]. 地理学报, 2018, 73(5): 789-802.

Liu Jiyuan, Ning Jia, Kuang Wenhui et al. Spatio-temporal patterns and characteristics of land-use change in China during 2010—2015. Acta Geographic Sinica, 2018, 73(5): 789-802.

[26]
Alvan R. Feinstein , Domenic V Cicchetti. High agreement but low Kappa: I. The problems of two paradoxes[J]. Journal of Clinical Epidemiology, 1990, 43(6): 543-549.

[27]
High agreement but low kappa: II. Resolving the paradoxes[J]. Journal of Clinical Epidemiology, 1990, 43(6): 551-558.

[28]
Pontius R G, Boersma W, Castella J C et al. Comparing the input, output and validation maps for several models of land change[J]. The Annals of Regional Science, 2008, 42(1): 11-37.

DOI

[29]
Podvezko V. Application of AHP Ttechnique[J]. Journal of Business Economics and Management, 2009, 10(2): 181-189.

DOI

[30]
谢高地, 张彩霞, 张雷明, 等. 基于单位面积价值当量因子的生态系统服务价值化方法改进[J]. 自然资源学报, 2015, 30(8): 1243-1254.

Xie Gaodi, Zhang Caixie, Zhang Leiming et al. Improvement of the evaluation method for ecosystem service value based on per unit area. Journal of Natural Resources, 2015, 30(8): 1243-1254.

[31]
肖玉, 谢高地, 安凯, 等. 基于功能性状的生态系统服务研究框架[J]. 植物生态学报, 2012, 36(4): 353-362.

Xiao Yu, Xie Gaodi, An Kai et al. A research framework of ecosystem services based on functional traits. Chinese Journal of Plant Ecology, 2012, 36(4): 353-362.

[32]
封志明, 杨艳昭, 闫慧敏, 等. 百年来的资源环境承载力研究: 从理论到实践[J]. 资源科学, 2017, 39(3): 379-395.

Feng Zhiming, Yang Yznzhao, Yan Huimin et al. A review of resources and environment carrying capacity research since the 20th Century: From theory to practice. Resources Science, 2017, 39(3): 379-395.

[33]
郭慧, 董士伟, 吴迪, 等. 基于生态系统服务价值的生态足迹模型均衡因子及产量因子测算[J]. 生态学报, 2020, 40(4): 1405-1412.

Guo Hui, Dong Shiwei, Wu Di et al. Calculation and analysis of equivalence factor and yield factor of ecological footprint based on ecosystem services value. Acta Ecologica Sinica, 2020, 40(4): 1405-1412.

[34]
童亿勤. 基于本地生态足迹模型的浙江省可持续发展评价[J]. 长江流域资源与环境, 2009, 18(10): 896-902.

Tong Yiqin. Evaluation of sustainable development in Zhejiang Province based on local ecological footprint modeling. Resources and Environment in the Yangtze Basin, 2009, 18(10): 896-902.

[35]
陈鹏, 潘晓玲. 干旱区内陆流域区域景观生态风险分析——以阜康三工河流域为例[J]. 生态学杂志, 2003 4 116-120.

Chen Peng, Pan Xiaoling. Ecological risk analysis of regional land scape in inland river watershed of arid area—A case study of Sangong River Basin in Fukang. Chinese Journal of Ecology, 2003 4 116-120.

[36]
谢花林. 基于景观结构和空间统计学的区域生态风险分析[J]. 生态学报, 2008 10 5020-5026.

Xie Hualin. Regional eco-risk analysis of based on landscape structure and spatial statistics. Acta Ecologica Sinica, 2008 10 5020-5026.

[37]
Genugten B B V D. The asymptotic behaviour of the estimated generalized least squares method in the linear regression model[J]. Statistica Neerlandica, 1983, 37(3): 127-141.

DOI

[38]
胡西武, 廉恩慧, 才仁卓玛. 三江源国家公园土地利用结构与空间布局优化研究[J]. 青海民族研究, 2022, 33(2): 190-199.

Hu Xiwu, Lian Enhui, Cairenzhuoma. Optimization of land use structure and spatial layout of Sanjiangyuan National Park. Qinghai Journal of Ethnology, 2022, 33(2): 190-199.

[39]
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): 160-178.

Zhang Xueru, Zhou Jie, Li Mengmei. Analysis on spatial and temporal changes of regional habitat quality based on the spatial pattern reconstruction of land use. Acta Geogrophica Sinica, 2020, 75(1): 160-178.

[40]
袁雪松, 周俊, 胡蓓蓓, 等. 基于 FLUS 模型粤港澳大湾区“三生空间”多情景模拟预测[J]. 地理科学, 2023, 43(3): 564-574.

Yuan Xuesong, Zhou Jun, Hu Beibei et al. Multi-scenario simulation and prediction of ecological-productive-living spaces in Guangdong-Hong Kong-Macao Greater Bay Area based on FLUS model. Scientia Geographica Sinica, 2023, 43(3): 564-574.

[41]
邓辉, 何政伟, 陈晔, 等. 四川盆地大都市边缘区土地利用时空格局模拟——以资阳市雁江区为例[J]. 地理科学, 2013, 33(12): 1524-1530.

Deng Hui, He Zhengwei, Chen Ye et al. The land use spatio-temporal pattern simulation in metropolitan fringe of the Sichuan Basin: A case study in Yanjian District, Ziyang City, Sichuan. Scientia Geographica Sinica, 2013, 33(12): 1524-1530.

[42]
朱文博, 张静静, 崔耀平, 等. 基于土地利用变化情景的生态系统碳储量评估——以太行山淇河流域为例[J]. 地理学报, 2019, 74(3): 446-459.

Zhu Wenbo, Zhang Jingjing, Cui Yaoping et al. Assessment of territorial ecosystem carbon storage based on land use change scenario: A case study in Qihe River Basin. Acta Geogrophica Sinica, 2019, 74(3): 446-459.

[43]
何春阳, 史培军, 李景刚, 等. 中国北方未来土地利用变化情景模拟[J]. 地理学报, 2004, 59(4): 599-607.

He Chunyang, Shi Peijun, Li Jinggang et al. Scenarios simulation and use change in the northern China by system dynamic model. Acta Geogrophica Sinica, 2004, 59(4): 599-607.

[44]
何艳虎, 龚镇杰, 林凯荣. 基于地理大数据和多源信息融合的区域未来人口精细化空间分布模拟研究——以珠江三角洲为例[J]. 地理科学, 2022, 42(3): 426-435.

He Yanhu, Gong Zhenjie, Lin Kairong. Simulation of fine spatial distribution of regional future population based on geographical big data and multisource fused method: A case of the Pearl River Delta. Scientia Geographica Sinica, 2022, 42(3): 426-435.

[45]
Zhou M, Ma Y, Tu J et al. SDG-oriented multi-scenario sustainable land-use simulation under the background of urban expansion[J]. Environmental Science and Pollution Research, 2022, 29(48): 72797-72818.

DOI

Options
文章导航

/

〈 〉