湯 佳， 胡希軍， 韋寶婧， 羅紫薇， 趙思文， 王燁梓

(1.中南林業(yè)科技大學(xué) 風(fēng)景園林學(xué)院，長沙 410004； 2.中南林業(yè)科技大學(xué) 湖南省自然保護(hù)地風(fēng)景資源大數(shù)據(jù)工程技術(shù)研究中心， 長沙 410004； 3.中南林業(yè)科技大學(xué) 城鄉(xiāng)景觀生態(tài)研究所，長沙 410004)

1 研究背景

土地利用變化是人類活動作用于生態(tài)環(huán)境的一種復(fù)雜響應(yīng)， 一直以來都是多學(xué)科關(guān)注的研究熱點， 許多學(xué)者從不同尺度上進(jìn)行了探討。 當(dāng)前在流域尺度的研究方面， 一些學(xué)者從流域的土地利用變化特征[1]、 驅(qū)動因子[2]、 水文過程變化[3]、 水安全格局[4]、 景觀格局演變[5]等方面提出了探討和建議。 在流域土地利用變化預(yù)測和響應(yīng)研究上， 一些學(xué)者從流域土地利用的多情景模擬角度出發(fā)， 預(yù)測未來土地利用情景[6-7]； 部分學(xué)者預(yù)測流域未來土地利用情景并探討其變化對生態(tài)系統(tǒng)服務(wù)、 生態(tài)承載力、 水文響應(yīng)、 景觀格局等方面的影響[8-13]。 流域尺度的土地利用變化預(yù)測影響因子復(fù)雜， 綜合相關(guān)研究發(fā)現(xiàn)， 在影響流域尺度土地利用變化驅(qū)動因子的選擇和相關(guān)參數(shù)設(shè)定上尚未形成統(tǒng)一標(biāo)準(zhǔn)。

2019年自然資源部啟動了規(guī)劃期至2035年的各級國土空間規(guī)劃，要求實現(xiàn)“多規(guī)合一”，對土地利用空間保護(hù)和規(guī)劃提出了明確要求。流域作為完整的水文響應(yīng)單元，是重要的水安全管理和規(guī)劃的研究對象。在國土空間規(guī)劃的背景下，對生態(tài)用地、基本農(nóng)田的約束和保護(hù)都將對未來流域的水文響應(yīng)產(chǎn)生重要影響。因此，模擬2035年不同土地利用發(fā)展情景，對比流域水文響應(yīng)變化，對流域土地利用管理規(guī)劃和優(yōu)化有重要意義。

在土地利用預(yù)測方法上，常用的模型有元胞自動機(jī)模型(CA)、土地變化模型(LCM)及FLUS模型等[14]。FLUS模型是Li等[15]提出的地理模擬與空間優(yōu)化系統(tǒng)(Geographical Simulation and Optimization System，Geo SOS)，是基于CA的改進(jìn)，能有效解決傳統(tǒng)元胞自動機(jī)中各土地利用類型轉(zhuǎn)換規(guī)則及參數(shù)確定復(fù)雜等問題。當(dāng)前，F(xiàn)LUS模型主要應(yīng)用于城市、縣域等以行政邊界劃分區(qū)域的土地利用變化和預(yù)測模擬[16-21]，被認(rèn)為有較好的模擬精度，但是在流域尺度的應(yīng)用方面較少。因此，本研究基于FLUS模型進(jìn)行流域土地利用預(yù)測，對流域土地利用研究有現(xiàn)實意義。

2 研究區(qū)及數(shù)據(jù)來源

2.1 研究區(qū)概況

汨羅江屬于洞庭湖水系支流，發(fā)源于湖南省平江縣、湖北省通城縣、江西省修水縣3個縣交界處的黃龍山梨樹堝(修水縣境)。流域范圍涉及岳陽縣、長沙縣、汨羅市、平江縣和修水縣5個行政縣市(圖1)，地跨湖南和江西兩省。汨羅江干流全長253.6 km，流域總面積5 555.86 km2。流域內(nèi)地形東、南、北高，西面低，由東到西呈現(xiàn)由山地→丘陵→洞庭湖平原的變化。流域內(nèi)為亞熱帶濕潤性氣候，四季分明，降水集中在4—7月份。流域內(nèi)主要涉及5個縣市行政區(qū)，以汨羅市和平江縣行政區(qū)為主。

圖1 汨羅江流域研究范圍Fig.1 Map of Miluo River Basin

2.2 數(shù)據(jù)來源與處理

本研究基于2000年、2010年、2018年三期土地利用數(shù)據(jù)預(yù)測2035年的土地利用情況。所用土地利用數(shù)據(jù)來源于中國科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心[22]，空間分辨率為30 m，對數(shù)據(jù)進(jìn)行了Kappa精度驗證，2000年土地利用數(shù)據(jù)總體精度為90.29%，Kappa系數(shù)為0.895 1；2010年土地利用數(shù)據(jù)總體精度為95.74%，Kappa系數(shù)為0.894；2018年土地利用數(shù)據(jù)總體精度為86.00%，Kappa系數(shù)為0.848 8，數(shù)據(jù)達(dá)到分類精度要求。

本研究所用數(shù)字高程模型(Digital Elevation Model，DEM)數(shù)據(jù)來源于ALOS DEM數(shù)據(jù)集，空間分辨率為12.5 m，將數(shù)據(jù)重采樣為30 m精度。流域研究范圍來源于對DEM數(shù)據(jù)的水文分析和流域范圍提取。人口分布和國內(nèi)生產(chǎn)總值(Gross Domestic Product，GDP)數(shù)據(jù)來源于中國人口空間分布公里網(wǎng)格數(shù)據(jù)集[23]和中國GDP空間分布公里網(wǎng)格數(shù)據(jù)集[24]，通過數(shù)據(jù)重采樣，獲取30 m精度數(shù)據(jù)?；巨r(nóng)田數(shù)據(jù)來自汨羅市規(guī)劃局。實測水文數(shù)據(jù)采用流域內(nèi)的伍市水文站2015—2018年逐月流量數(shù)據(jù)，數(shù)據(jù)來源于湖南省水文水資源勘測局。土壤數(shù)據(jù)來源于1∶100萬世界土壤數(shù)據(jù)集(HWSD)[25]。氣象數(shù)據(jù)采用2008—2018年的 CMADS V1.1數(shù)據(jù)集[26]。

3 研究方法

3.1 土地利用轉(zhuǎn)移矩陣分析

利用地理信息系統(tǒng)(GIS)中的tabulate area方法進(jìn)行不同土地類型的轉(zhuǎn)移方向和轉(zhuǎn)移數(shù)量的分析，土地利用轉(zhuǎn)移通用公式為[27]

(1)

式中：S代表面積；n代表土地利用類型數(shù)；i、j(i，j=1，2，…，n)分別代表轉(zhuǎn)移前與轉(zhuǎn)移后的土地利用類型；Sij表示轉(zhuǎn)移前的i類土地利用轉(zhuǎn)移成j類土地利用的面積。

3.2 FLUS模型

FLUS模型主要包括人工神經(jīng)網(wǎng)絡(luò)模型算法模塊(ANN-based Probability-of-occurrence Estimation)、基于自適應(yīng)慣性機(jī)制的元胞自動機(jī)模塊(Self-Adaptive Inertia and Competition Mechanism CA)和馬爾科夫鏈(Markov Chain)計算模塊三大內(nèi)容，是基于浮現(xiàn)概率和土地競爭機(jī)制進(jìn)行的土地利用模擬預(yù)測模型。首先利用土地利用數(shù)據(jù)及相關(guān)驅(qū)動因素，通過設(shè)置2%神經(jīng)網(wǎng)絡(luò)訓(xùn)練采樣比例，選擇隨機(jī)采樣模式在ANN模塊中對樣本進(jìn)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練，得到各土地利用類型在各像元上的適宜性概率分布。在CA模塊中輸入土地利用數(shù)據(jù)、適宜性概率分布數(shù)據(jù)，通過設(shè)定各類土地利用類型預(yù)測像元數(shù)、鄰域權(quán)重、轉(zhuǎn)化成本、迭代次數(shù)(500次)，從而進(jìn)行土地利用情景預(yù)測。

3.2.1 土地利用變化影響因子

土地利用變化受自然、社會、經(jīng)濟(jì)等方面綜合影響，本研究結(jié)合流域水安全規(guī)劃的要求，考慮數(shù)據(jù)可獲得因素，最終確定了12項驅(qū)動因子和2項限制因子。

在驅(qū)動因子方面，選取地形、坡度、坡向、交通、與政府距離、人口、GDP等 12項數(shù)據(jù)作為土地利用變化的驅(qū)動因子。其中，在交通因子方面，考慮不同的道路類型、等級和密度對土地利用類型變化的影響，劃分為與城鎮(zhèn)道路的距離、與國道省道的距離、與鄉(xiāng)道的距離、與高速出入口的距離、與鐵路站點的距離，以凸顯發(fā)展建設(shè)在交通因素影響下的特點。

在限制因子方面，從水資源保護(hù)的角度出發(fā)，依據(jù)水源涵養(yǎng)功能重要性，結(jié)合《湖南省主要水系地表水環(huán)境功能區(qū)劃脈絡(luò)表(河流)》中的相關(guān)規(guī)定，通過判別重要水源涵養(yǎng)保護(hù)區(qū)設(shè)置土地利用限制轉(zhuǎn)化因子。重要水源涵養(yǎng)區(qū)識別主要包括河流緩沖區(qū)、水源地、水源涵養(yǎng)林3個方面。河流保護(hù)緩沖區(qū)采用一級支流兩側(cè)1 000 m范圍內(nèi)；二級支流兩側(cè)200 m范圍內(nèi)進(jìn)行保護(hù)區(qū)劃定。水源地包括河渠、湖泊、水庫坑塘、灘地4類，對面積>1 km2的湖泊水庫進(jìn)行200 m保護(hù)范圍的劃定，對于其他水體采用現(xiàn)狀保護(hù)。對水源涵養(yǎng)林地的保護(hù)區(qū)劃定主要依據(jù)土地利用分類二級分類中的有林地的分布進(jìn)行判別，有林地是指喬木郁閉度>0.3的天然林和人工林地，包括用材林、經(jīng)濟(jì)林、防護(hù)林等成片林地，在涵養(yǎng)水源方面起到重要作用，因此，也作為限制因子限制土地的開發(fā)和轉(zhuǎn)換。同時，結(jié)合國家對于基本農(nóng)田的保護(hù)政策，限制因子包括基本農(nóng)田范圍。具體數(shù)據(jù)來源詳見表1。

表1 土地利用變化影響因子信息Table 1 Impact factors of land use change

3.2.2 未來土地利用像元設(shè)定

利用FLUS模型中馬爾科夫鏈(Markov Chain)模塊進(jìn)行未來土地利用像元預(yù)測，在2000年、2010年、2018年三期土地利用數(shù)據(jù)的基礎(chǔ)上，預(yù)測了2035年土地利用數(shù)據(jù)(表2),其公式為[28]

表2 2000—2035年多期土地利用類型像元總數(shù)Table 2 Total number of pixels of multi-phase landuse types from 2000 to 2035

St+1=PijSt。

(2)

式中：St、St+1分別表示t時刻和t+1時刻土地的狀態(tài)；Pij表示在t時刻用地類型發(fā)生轉(zhuǎn)變的概率。

3.2.3 鄰域權(quán)重參數(shù)設(shè)定

鄰域權(quán)重參數(shù)是用來設(shè)定不同用地類型的擴(kuò)張能力，參數(shù)范圍為0～1，數(shù)值越接近1表示該用地類型的擴(kuò)張能力越強(qiáng)，當(dāng)前確定參數(shù)的方法主要有經(jīng)驗法、無量綱量處理法和Moore鄰域模型法[18]。在參數(shù)設(shè)定上，歷史面積變化趨勢作為擴(kuò)張能力大小的客觀依據(jù)進(jìn)行賦值運算，本研究將汨羅江流域2000—2018年各類土地利用的歷史總面積變化量進(jìn)行無量綱量處理，進(jìn)而對鄰域權(quán)重參數(shù)進(jìn)行賦值(表3、表4)。無量綱量公式為

表3 2000—2018年的各類土地利用類型總面積變化Table 3 Changes in total area of land use types from2000 to 2018 km2

表4 鄰域因子權(quán)重Table 4 Weight of neighborhood factor

(3)

式中：X*表示離差標(biāo)準(zhǔn)化值；Xmax為數(shù)據(jù)最大值；Xmin為數(shù)據(jù)最小值。

3.2.4 轉(zhuǎn)換成本矩陣設(shè)定

成本矩陣是指各土地利用類型之間的變化規(guī)則，0表示不能轉(zhuǎn)化，1表示允許轉(zhuǎn)化。當(dāng)前主要有依據(jù)經(jīng)驗、歷史變化分析、專家咨詢和情景設(shè)置的方式進(jìn)行參數(shù)設(shè)定。其中，結(jié)合土地利用變化現(xiàn)實情況和國家政策導(dǎo)向，綜合考慮歷史變化和未來發(fā)展趨勢，更能保障模擬過程反映真實情景[16，21]。依據(jù)2000—2018年間汨羅江流域各土地利用類型的轉(zhuǎn)換情況可知，各類型用地之間基本都存在轉(zhuǎn)入與轉(zhuǎn)出的情況。本研究綜合考慮國家退耕還湖、退耕還林、退耕還草、土地復(fù)墾、基本農(nóng)田保護(hù)、一般農(nóng)田控制性轉(zhuǎn)建設(shè)用地、荒地開墾等影響土地利用變化的相關(guān)政策，對轉(zhuǎn)換成本的設(shè)定如表5所示。

表5 轉(zhuǎn)換成本矩陣Table 5 Transformation cost matrix

3.3 SWAT模型

3.3.1 SWAT模型建立

SWAT模型是美國農(nóng)業(yè)部農(nóng)業(yè)研究中心開發(fā)的分布式流域水文模型，在流域尺度上有較好的準(zhǔn)確性和應(yīng)用廣泛性。首先利用DEM數(shù)據(jù)和現(xiàn)有水文分布數(shù)據(jù)，將汨羅江流域劃分為69個子流域，然后對SWAT模型的土地利用、土壤、坡度數(shù)據(jù)進(jìn)行設(shè)定。為了強(qiáng)化模型產(chǎn)流量對土地利用變化的敏感性，在水文響應(yīng)研究的閾值劃定時，將土地利用最小閾值設(shè)為0，土壤類型和坡度閾值設(shè)為10%。在氣候數(shù)據(jù)建立上，利用在流域尺度有較好精度的CMADS V1.1數(shù)據(jù)集[29]獲取了35個CMADS氣象站點，構(gòu)建氣候數(shù)據(jù)庫，包括降雨、溫度、相對濕度、太陽輻射、風(fēng)速數(shù)據(jù)信息，進(jìn)行流域逐月徑流模擬。

3.3.2 SWAT模型率定及驗證

采用SWAT-CUP的SUFI-2算法進(jìn)行率定，基于伍市水文站逐月平均徑流量觀測數(shù)據(jù)，設(shè)2015—2016年為率定期，2017—2018年為驗證期，對水文模型進(jìn)行率定和驗證。選取決定系數(shù)R2與納什效率系數(shù)NS作為評價指標(biāo)。其中，R2和NS結(jié)果越趨近1，表明模型結(jié)果越準(zhǔn)確，而R2和NS結(jié)果<0.5，表明模型結(jié)果不合格。結(jié)果顯示率定期R2=0.97、NS=0.97，驗證期R2=0.91、NS=0.9，表明水文模型結(jié)果符合要求。

本研究以探討不同模擬情景下的未來土地利用變化產(chǎn)生的徑流差異為目的，為了降低不同時期降雨帶來的徑流量影響，將降雨模擬時間固定為2018年，進(jìn)行2035年不同情景土地利用下流域徑流量對比。

4 結(jié)果與分析

4.1 汨羅江流域土地利用變化

根據(jù)2000—2018年汨羅江流域土地利用轉(zhuǎn)移矩陣(表6)可知，在2000—2018年間，汨羅江流域中面積增加量從大到小依次為建設(shè)用地、草地、水域、未利用地。其中建設(shè)用地面積占比從0.87%增加到1.76%。面積來源從高到低依次為耕地、林地、草地、水域。草地和水域面積稍有增加。林地、耕地的面積有所減少。其中，林地面積減少最多，面積占比從70.12%下降到69.47%，主要轉(zhuǎn)出為耕地、建設(shè)用地和草地，體現(xiàn)了流域范圍內(nèi)的城市化過程對林地的侵占砍伐。從土地利用類型的分布變化來看，汨羅市建設(shè)用地呈現(xiàn)沿著汨羅江和南部林地、耕地擴(kuò)張的趨勢，平江縣建設(shè)用地呈現(xiàn)向南部林地、耕地擴(kuò)張的趨勢，見圖2(a)— 圖2(c)。符合城市在發(fā)展中沿著江河水系和向四周農(nóng)田林地擴(kuò)張的規(guī)律。

表6 汨羅江流域2000—2018年土地利用轉(zhuǎn)移矩陣Table 6 Land use transfer matrix of Miluo River Basin from 2000 to 2018 km2

圖2 2000—2035年多期汨羅江流域土地利用變化情況Fig.2 Multi-phase land use change of Miluo RiverBasin from 2000 to 2035

4.2 多情境模擬下的土地利用預(yù)測

4.2.1 模型精度驗證

將2018年預(yù)測土地利用數(shù)據(jù)與2018年的實際值進(jìn)行比較，計算總體精度和Kappa系數(shù)。當(dāng)總體精度和Kappa系數(shù)的值越接近1表明模擬精度越好；當(dāng)Kappa系數(shù)>0.8時表明模型的模擬精度在統(tǒng)計學(xué)上達(dá)到較滿意的狀態(tài)。通過精度驗證可知，總體精度為0.951，Kappa系數(shù)為0.893，達(dá)到較高的模擬精度，表明FLUS模型在本研究有較好的適用性。

4.2.2 基準(zhǔn)情景土地利用變化預(yù)測

在基準(zhǔn)情景下，CA模擬過程中不設(shè)置限制因子，所有地類依照轉(zhuǎn)換成本矩陣規(guī)則進(jìn)行相互轉(zhuǎn)換。從模擬結(jié)果來看(表7)，在2035年基準(zhǔn)情景模擬下，汨羅江流域建設(shè)用地面積增加最多，由97.63 km2增加到124.05 km2，面積占比從2018年的1.76%上升到2.23%；其次為水域，面積呈現(xiàn)小幅度增加。林地、耕地、草地、未利用地面積減少，其中林地減少的最多，面積占比從2018年的69.47%下降到69.17%?？傮w呈現(xiàn)林地、耕地、草地、未利用地轉(zhuǎn)化為建設(shè)用地和水域的趨勢。

表7 汨羅江流域2018年與2035年模擬情景的土地利用結(jié)構(gòu)Table 7 Land use structure of Miluo River Basin in 2018 and simulation scenario in 2035 km2

基準(zhǔn)情景下汨羅江流域2035年土地利用預(yù)測結(jié)果顯示，建設(shè)用地主要圍繞汨羅市和平江縣現(xiàn)有建設(shè)用地斑塊向周邊的林地、耕地擴(kuò)張。其中汨羅市建設(shè)用地斑塊擴(kuò)張區(qū)域與政府和2處鐵路站點位置相關(guān)性明顯，并有沿著水系向南面發(fā)展的趨勢，形成連續(xù)大面積建設(shè)用地斑塊。平江縣建設(shè)用地主要圍繞政府向水系南北兩岸的林地、耕地呈輻射狀擴(kuò)張。在平江縣北部的鐵路與水系交匯處，建設(shè)用地呈現(xiàn)輕微分散型擴(kuò)張趨勢，見圖2(d)。

4.2.3 基于限制情景的土地利用變化預(yù)測

在限制情景下，CA模擬過程中設(shè)置限制因子，限制重要水源涵養(yǎng)區(qū)和基本農(nóng)田區(qū)的土地利用類型進(jìn)行轉(zhuǎn)變。從模擬結(jié)果來看(表7)，相較基準(zhǔn)情景的土地利用變化情況，限制情景的林地、未利用地比基準(zhǔn)情景分別增加了0.14 km2和0.04 km2，耕地和草地面積分別減少了0.13 km2和0.06 km2，水域和建設(shè)用地面積未發(fā)生變化。各土地利用類型總體面積比例較基準(zhǔn)情景無變化。

限制情景下汨羅江流域2035年土地利用預(yù)測結(jié)果顯示，汨羅市和平江縣建設(shè)用地斑塊擴(kuò)張的趨勢較基準(zhǔn)情景明顯減緩。汨羅市建設(shè)用地斑塊向周邊一般農(nóng)田小幅度擴(kuò)張，斑塊連續(xù)性和面積增幅降低，周邊鄉(xiāng)村居民點建設(shè)用地呈現(xiàn)小幅增加的趨勢。平江縣建設(shè)用地斑塊呈現(xiàn)分散型擴(kuò)張趨勢，形成多個不連續(xù)斑塊。見圖2(e)。

4.3 多情景下汨羅江流域徑流量變化

通過SWAT模擬結(jié)果可知，限制情景下的流域累積年徑流量較基準(zhǔn)情景下減少38.35萬m3。從各個子流域的年徑流量差值(圖3)來看，37個子流域限制情景產(chǎn)生的徑流量少于或等于基準(zhǔn)情景，其中26號子流域的徑流減少量最明顯；26個子流域限制情景產(chǎn)生的徑流量大于限制情景，其中7號子流域徑流量增加最多。

圖3 汨羅江子流域多情景年徑流量差值Fig.3 Annual runoff difference in multiple simulationscenarios of Miluo River sub-basins

對比2個情景下子流域各類型土地利用變化可知。 流域內(nèi)河流沿線的子流域總體呈現(xiàn)徑流量減少趨勢， 其中， 6、 7、 17、 31、 63號子流域徑流量增加， 主要與限制情景下村莊居民點建設(shè)用地擴(kuò)張有關(guān)； 24、 26號子流域徑流量減少歸因于汨羅市建設(shè)用地斑塊擴(kuò)張趨勢下降， 以及耕地、 水域保護(hù)； 45、 55號子流域流量減少和37號子流域流量增加主要因為平江縣建設(shè)用地面積的減少和分散式布局， 以及林地、 耕地、 水域得到不同程度的保護(hù)有關(guān)。 因此， 限制情景下對水源涵養(yǎng)區(qū)和基本農(nóng)田進(jìn)行保護(hù)和限制轉(zhuǎn)化， 對于流域的徑流量減少起到重要作用。

5 結(jié)論與討論

5.1 結(jié) 論

本研究對汨羅江流域2000—2018年間的土地利用變化進(jìn)行了解讀，依據(jù)流域土地利用變化規(guī)律，利用FLUS模型進(jìn)行基準(zhǔn)情景和限制情景的2035年流域土地利用預(yù)測，通過SWAT模擬評估不同土地利用模擬情景下流域徑流量變化情況。結(jié)論如下：

(1)汨羅江流域在2000—2018年間，6種土地利用類型都發(fā)生了變化，面積增加量從大到小依次為建設(shè)用地、草地、水域、未利用地，林地、耕地的面積有所減少。土地利用變化主要與城市化過程對林地、耕地的侵占以及流域內(nèi)建設(shè)用地沿水系發(fā)展擴(kuò)張有關(guān)。

(2)對2035年土地利用預(yù)測結(jié)果顯示，2種情景的土地利用類型面積變化差異微小，限制情景的林地、未利用地比基準(zhǔn)情景分別增加了0.14、0.04 km2，耕地和草地面積分別減少了0.13、0.06 km2，土地利用類型在總體面積比例上無變化。但是土地利用類型空間分布差異明顯。限制情景下，流域范圍內(nèi)的汨羅市和平江縣建設(shè)用地斑塊擴(kuò)張的趨勢較基準(zhǔn)情景明顯減緩，建設(shè)用地呈分散型擴(kuò)張趨勢。

(3)對2種土地利用情景進(jìn)行SWAT模擬可知，限制情景下的流域累積年徑流量較基準(zhǔn)情景下減少38.35萬m3。在土地利用類型面積變化量微小的情況下，通過對重要水源涵養(yǎng)區(qū)、基本農(nóng)田區(qū)進(jìn)行土地利用轉(zhuǎn)換限制，調(diào)整土地利用變化空間格局對流域徑流量減少有積極影響。

5.2 討 論

本研究從流域出發(fā)，基于流域2000—2018年的土地利用變化趨勢，結(jié)合當(dāng)下國家政策趨勢，預(yù)測2035年的土地利用基準(zhǔn)情景和限制情景。通過SWAT模擬評估了2種情景對流域徑流量的影響，為流域尺度的土地利用變化預(yù)測和管理優(yōu)化提供參考。在驅(qū)動因子選擇上雖然考慮了社會、經(jīng)濟(jì)和自然3個方面的因素，但是受限于流域范圍和行政界限上的差異，部分影響土地利用變化的社會經(jīng)濟(jì)因素沒有考慮，希望能在今后的研究中進(jìn)一步完善和探討。

流域的管理和土地利用優(yōu)化問題復(fù)雜，本研究基于固定降雨年評估了土地利用變化帶來的流域徑流量的影響。然而，隨著全球氣候變遷，未來氣候變化是影響流域水安全的重要因素。因此在今后的研究中，希望能進(jìn)一步從氣候變化預(yù)測、土地利用優(yōu)化等角度出發(fā)，設(shè)置多種發(fā)展情景，以提出基于水安全的流域土地利用優(yōu)化策略，推動流域尺度的可持續(xù)發(fā)展研究。

致謝：感謝湖南省水文水資源勘測局對本論文中水文站數(shù)據(jù)的支持和貢獻(xiàn)。