陳竹安 劉子強(qiáng) 張立亭 危小建 洪志強(qiáng)

(1.東華理工大學(xué)測繪工程學(xué)院, 南昌 330013; 2.自然資源部環(huán)鄱陽湖區(qū)域礦山環(huán)境監(jiān)測與治理重點(diǎn)實(shí)驗(yàn)室, 南昌 330013;3.南昌工學(xué)院人居環(huán)境學(xué)院, 南昌 330108)

0 引言

生境質(zhì)量是指在一定區(qū)域范圍內(nèi)自然環(huán)境可持續(xù)為個體或種群提供生存發(fā)展必要適宜條件的能力,是維護(hù)自然生態(tài)系統(tǒng)生物多樣性穩(wěn)定以及人類福祉的重要一環(huán)[1-2]。近年來,隨著城鎮(zhèn)化進(jìn)程推進(jìn),人口激增和建設(shè)用地不斷擴(kuò)張,加劇了人與自然環(huán)境的矛盾,以及在全球氣候變化下極端天氣頻繁出現(xiàn),引起生境退化、水土流失等一系列生態(tài)問題[3-4]。人類活動和氣候變化影響土地利用變化,而影響生境質(zhì)量的最基本因素之一是土地利用變化[5-7]。城市的不斷擴(kuò)張改變了土地利用布局,進(jìn)而改變棲息地的生境分布格局,使得生境斑塊景觀連通性日益降低和愈發(fā)破碎化,改變了生境的組成和結(jié)構(gòu),最終影響到不同生境斑塊間的能量流動以及物質(zhì)循環(huán)[8-9]。因此,研究土地利用變化對生境的影響,對于制定相關(guān)政策保護(hù)生物多樣性以及解決人類與生態(tài)協(xié)調(diào)發(fā)展具有重要意義。

近年來,隨著3S技術(shù)的不斷成熟,形成了眾多的生態(tài)系統(tǒng)評估模型,如Maxent模型[10]、ARIES (Artificial intelligence for ecosystem services) 模型[11]、SoLVES (Social values for ecosystem services) 模型[12]、HSI (Habitat suitability index)模型[13]以及InVEST模型等,其中InVEST模型具有操作簡單、數(shù)據(jù)需求小、空間表達(dá)能力強(qiáng)等特點(diǎn)而廣泛應(yīng)用于生境質(zhì)量評估[14],已成功應(yīng)用于國[15]、省[16]、市[17]、縣[18]級等不同尺度的生境質(zhì)量研究。

氣候變化和土地利用變化是引起生境質(zhì)量變化的主要驅(qū)動因素,然而土地利用受氣候變化和社會經(jīng)濟(jì)發(fā)展的影響[19]。第六個耦合模型相互比較項(xiàng)目(Commentary on the Coupled Model Intercomparison Project Phase 6, CMIP6)是基于新一代氣候模型的預(yù)期未來氣候變化的最新更新[20],該模型結(jié)合了共享社會經(jīng)濟(jì)路徑和代表性濃度途徑[21],為研究者提供未來全球氣候變化背景下社會的不同發(fā)展情景。SSP-RCP情景也逐漸被學(xué)者應(yīng)用于探索全球氣候背景下未來土地利用變化。如TIAN等[22]模擬預(yù)測SSP-RCP情景下2030—2060年廣東省土地利用并對碳儲量進(jìn)行評估預(yù)測;范澤孟[23]基于SSP-RCP情景對京津冀土地利用進(jìn)行模擬;李福香等[24]首次將共享經(jīng)濟(jì)路徑運(yùn)用在縣域尺度。

土地利用模擬中主要分為數(shù)量結(jié)構(gòu)和空間分布格局模擬兩部分,在土地利用數(shù)量需求預(yù)測方面,由于土地的利用變化主要與社會經(jīng)濟(jì)有關(guān),基于轉(zhuǎn)移概率模擬土地利用的馬爾科夫(Markov)模型缺乏人類活動與土地系統(tǒng)之間耦合關(guān)系的探討[25-26],然而,系統(tǒng)動力學(xué)模型是自上而下的改進(jìn)模型,可以充分考慮到社會因素和自然因素共同對土地利用變化的影響[27]。對于土地利用空間分布模擬,基于柵格斑塊生成的土地利用模擬PLUS模型[28],在空間分布模擬方面精度均優(yōu)于CLUE-S (Conversion of land use and its effects at small regional extent) 和FLUS(Future land-use simulation)模型[29-30]。土地利用的復(fù)雜程度難以用單一模型來預(yù)估,因此耦合SD模型和PLUS模型可以充分模擬出自然和社會因素作用下未來不同發(fā)展情景下土地利用情況[31]。

南昌市是長江中下游和鄱陽湖生態(tài)經(jīng)濟(jì)區(qū)中心城市,目前南昌市經(jīng)濟(jì)高速發(fā)展、城市化建設(shè)快速推進(jìn),生態(tài)環(huán)境受到巨大挑戰(zhàn)。因此,本文以南昌市2000—2020年土地利用數(shù)據(jù)為基礎(chǔ),通過耦合SD-PLUS模型模擬2035年SSP119、SSP245、SSP585情景下土地利用,并結(jié)合InVEST模型對其歷史階段和未來不同情景下生境質(zhì)量時空演變進(jìn)行分析,為城市生態(tài)系統(tǒng)服務(wù),并為南昌市經(jīng)濟(jì)發(fā)展和城市發(fā)展中土地資源分配與生態(tài)環(huán)境保護(hù)提供參考依據(jù)。

1 研究區(qū)域與數(shù)據(jù)

1.1 研究區(qū)域

南昌市(28°10′～29°11′N,115°27′～116°35′E)位于江西省中部偏北,鄱陽湖西南岸(圖1),全市下轄6區(qū)3縣,總面積為7 386.32 km2,海拔-8～827 m之間,地貌以丘陵和平原為主,地處亞熱帶季風(fēng)氣候區(qū),夏季高溫多雨,冬季溫和濕潤,多年平均氣溫18.8℃,1月平均氣溫6.4℃,7月平均氣溫29.3℃,全年無霜期約300 d,全年日照時長為1 700～1 900 h,年均降雨量為1 800 mm左右,降水時空分布不均,呈東高西低態(tài)勢,且降水多集中于夏季。2021年末常住人口643.75萬人,其中城鎮(zhèn)人口506.23萬人,全市常住人口城鎮(zhèn)化率達(dá)78.64%,正處于快速城鎮(zhèn)化進(jìn)程。

圖1 研究區(qū)位圖

1.2 研究數(shù)據(jù)

SD模型所需的經(jīng)濟(jì)、人口等社會數(shù)據(jù)以及2010—2020年年均降水量和溫度數(shù)據(jù)來自《江西統(tǒng)計(jì)年鑒》和《南昌統(tǒng)計(jì)年鑒》;2000—2020年土地利用數(shù)據(jù)來自中國科學(xué)院資源與環(huán)境科學(xué)數(shù)據(jù)中心,基于2010、2015、2020年3期土地利用數(shù)據(jù),通過線性插值獲取2010—2020年其他年份數(shù)據(jù);CMIP6氣候數(shù)據(jù)來源于國家地球系統(tǒng)科學(xué)數(shù)據(jù)中心 (http:∥loess.geodata.cn)。PLUS模型所需數(shù)據(jù)包括土地利用數(shù)據(jù)和驅(qū)動因子數(shù)據(jù),其中土地利用數(shù)據(jù)與SD模型相同,驅(qū)動因子數(shù)據(jù)見表1。所有數(shù)據(jù)通過GIS克里金插值、裁剪、重采樣等操作統(tǒng)一投影坐標(biāo)和空間分辨率(30 m)。

表1 PLUS模型驅(qū)動因子

2 研究方法

首先構(gòu)建 SD模型,采用共享社會經(jīng)濟(jì)發(fā)展路徑(SSPs)與典型濃度路徑(RCPs)組合情景,從多種情景組合中選用 SSP119、SSP245、SSP585共3種情景。根據(jù)不同情景下社會經(jīng)濟(jì)和氣候變化預(yù)測數(shù)據(jù),設(shè)置情景模擬參數(shù),在SD模型預(yù)測未來土地利用需求;通過 PLUS 模型模擬出2035年南昌市不同情景下土地空間格局分布;其次利用InVEST模型對南昌市2000—2020年生境質(zhì)量進(jìn)行時空演變分析,并評估不同發(fā)展情景條件下2035年南昌市生境質(zhì)量(圖2)。

圖2 研究框架

2.1 SSP-RCP情景

CMIP6中的情景是不同的共享社會經(jīng)濟(jì)路徑與典型濃度路徑組合情景,強(qiáng)調(diào)了不同社會經(jīng)濟(jì)發(fā)展模式對氣候變化的驅(qū)動作用,包含未來社會經(jīng)濟(jì)發(fā)展含義。SSPs 和RCPs情景框架已經(jīng)廣泛使用,本文選取其中可能性較大的SSP119(可持續(xù)性發(fā)展道路)、SSP245(延續(xù)當(dāng)前發(fā)展道路)、SSP585(經(jīng)濟(jì)高速發(fā)展道路)3種情景進(jìn)行研究。SSP119情景是SSP1和RCP1.9的組合,以低水平的溫室氣體排放呈現(xiàn)社會經(jīng)濟(jì)可持續(xù)發(fā)展,該情景下土地受到嚴(yán)格監(jiān)管,草地和林地保存完好,是目前最低輻射排放可持續(xù)發(fā)展情景;SSP245情景是SSP2和RCP4.5的結(jié)合,為中等輻射強(qiáng)迫情景,土地受到較為嚴(yán)格監(jiān)管,社會經(jīng)濟(jì)延續(xù)當(dāng)前發(fā)展;SSP585為SSP5和RCP8.5的組合,為高等輻射強(qiáng)迫情景,土地受到中等水平監(jiān)管,大量使用化石能源,高水平的溫室氣體排放推動社會經(jīng)濟(jì)高速發(fā)展。

2.2 系統(tǒng)動力學(xué)

2.2.1SD模型構(gòu)建

構(gòu)建南昌市土地利用SD模型,以社會經(jīng)濟(jì)和人口以及CMIP6氣候數(shù)據(jù)為驅(qū)動因素分析未來南昌市土地需求變化,因此可將模型分為4部分,分別為經(jīng)濟(jì)子系統(tǒng)、人口子系統(tǒng)、土地子系統(tǒng)和氣候子系統(tǒng),其中,經(jīng)濟(jì)發(fā)展會加大固定資產(chǎn)的投入,促進(jìn)農(nóng)林漁牧以及建筑行業(yè)的發(fā)展,使得建設(shè)用地和農(nóng)業(yè)用地面積增加;人口子系統(tǒng)反映農(nóng)村人口和城鎮(zhèn)人口變化,人口的增長加大農(nóng)產(chǎn)品需求,進(jìn)而影響到地類變化;氣候子系統(tǒng)則反映溫度、降水對耕地、林地、草地、水域的影響;土地子系統(tǒng)考慮各地類變化,使用表函數(shù)和回歸函數(shù)確定經(jīng)濟(jì)、人口和氣候因素與土地之間的定量關(guān)系。模型模擬時間界限為2010—2035年,步長為1年,其中2010—2020年為模型檢驗(yàn)和歷史仿真階段,2021—2035年為預(yù)測階段。經(jīng)過反復(fù)調(diào)試和不斷優(yōu)化,確定不同變量之間關(guān)系,使用Vensim軟件構(gòu)建南昌市土地利用SD模型(圖3)。

圖3 南昌市土地利用SD存量流量圖

2.2.2情景參數(shù)設(shè)置

結(jié)合南昌市土地利用SD模型,影響南昌市未來土地利用結(jié)構(gòu)變化的主要驅(qū)動因素有人口、GDP、溫度、降水量、城鎮(zhèn)化率、固定資產(chǎn)投資比例以及各產(chǎn)業(yè)投資比例等變量,本文選取GDP增長率、人口增長率、溫度、降水量、城鎮(zhèn)化率作為情景參數(shù)進(jìn)行調(diào)節(jié)。人口數(shù)據(jù)采用2010—2100年社會共享經(jīng)濟(jì)路徑下中國人口公里尺度柵格數(shù)據(jù)[32];GDP數(shù)據(jù)是基于MURAKAMI等[33]發(fā)布的SSP1-5全球1/12°網(wǎng)格化GDP預(yù)測數(shù)據(jù),并結(jié)合南昌市“十四五”發(fā)展規(guī)劃進(jìn)行設(shè)置;未來降水量和溫度數(shù)據(jù)基于CMIP6氣候數(shù)據(jù)集,通過Delta空間降尺度生成中國分辨率1 km網(wǎng)格數(shù)據(jù),裁剪計(jì)算出南昌市2021—2035年年平均溫度和降水量變化量;城鎮(zhèn)化率則根據(jù)2010—2100中國省級城鎮(zhèn)化率預(yù)測數(shù)據(jù)[34],計(jì)算出不同情景城鎮(zhèn)化率增長率,以此為參考并結(jié)合南昌市實(shí)際城鎮(zhèn)化率變化情形進(jìn)行設(shè)置(表2)。

表2 情景參數(shù)設(shè)置

2.3 PLUS模型

PLUS是一種基于柵格數(shù)據(jù)生成土地利用變化模擬模型,該模型由土地?cái)U(kuò)張分析策略(Land expansion analysis strategy, LEAS)和基于多類型隨機(jī)種子的元胞自動機(jī)模型(CA mode based on multiple random seeds, CARS)組成。LEAS結(jié)合了過渡分析策略(Transition analysis strategy, TAS)和模式分析策略(Pattern analysis strategy, PAS)的優(yōu)點(diǎn),模塊需要疊加兩期土地利用數(shù)據(jù),提取出發(fā)生變化的土地單元格,采用隨機(jī)森林算法逐一對各種土地利用類型擴(kuò)張和驅(qū)動力的因素進(jìn)行挖掘,從而得到各個地類的發(fā)展概率及各驅(qū)動因素對該時期內(nèi)各地類擴(kuò)張的貢獻(xiàn)[28,35]。本文以2005年和2020年土地利用數(shù)據(jù)為基礎(chǔ),對2005—2020年土地利用進(jìn)行土地?cái)U(kuò)張?zhí)崛?其次通過LEAS模塊對選取的16個驅(qū)動因子(自然因素:DEM、坡度、溫度、降水量、土壤類型、與水域距離;社會因素:GDP、人口數(shù)、與城鎮(zhèn)距離、與工礦距離、與居民點(diǎn)距離、與鐵路距離、與高速公路距離、與一級道路距離、與二級道路距離、與三級道路距離)進(jìn)行土地利用擴(kuò)張分析,獲得各地類發(fā)展概率。

CARS模塊是一個CA (Cellular automata)模型,包括基于土地利用的多類型隨機(jī)種子的補(bǔ)丁生成機(jī)制。CA模型是一種情景驅(qū)動的土地利用模擬模型。在模擬過程中,使土地利用總量根據(jù)適應(yīng)系數(shù)、鄰域效應(yīng)和發(fā)展概率,在宏觀尺度上滿足未來需求。鄰域權(quán)重為土地利用模擬中的重要指標(biāo),取值范圍為0～1,值越大表明該地類擴(kuò)張能力越強(qiáng),可根據(jù)各用地類型擴(kuò)張面積的占比來計(jì)算。土地利用轉(zhuǎn)移矩陣表示不同地類相互間是否可以發(fā)生轉(zhuǎn)換,0表示不可以向其他地類轉(zhuǎn)換,1 則表示可以向其他地類轉(zhuǎn)換,根據(jù)研究區(qū)情況,土地轉(zhuǎn)移矩陣見表3。模型也可根據(jù)土地政策和限制設(shè)置禁止開發(fā)區(qū),例如生態(tài)紅線、永久基本農(nóng)田紅線以及城鎮(zhèn)開發(fā)邊界等“三區(qū)三線”階段性成果,考慮到數(shù)據(jù)獲取情況,本文選取了國家森林公園和國家自然保護(hù)區(qū)為限制開發(fā)區(qū)。利用CARS模塊模擬得到2020年土地利用數(shù)據(jù)并進(jìn)行精度檢驗(yàn),在精度符合要求下將SD模型得到的2035年不同情景土地需求輸入PLUS模型,模擬得到南昌市未來土地利用數(shù)據(jù)。

表3 土地利用轉(zhuǎn)移矩陣

2.4 InVEST模型

基于InVEST模型中生境質(zhì)量子模塊(Habitat quality)計(jì)算研究區(qū)生境質(zhì)量,生境質(zhì)量指數(shù)取值范圍0～1,值越大,表明生境質(zhì)量越好,計(jì)算公式為

式中Qxj——土地利用類型j中柵格x的生境質(zhì)量指數(shù)

Hxj——土地利用類型j中柵格x的生境適宜度

Dxj——土地利用類型j中柵格x的生境退化度

k——半飽和參數(shù)

z——模型默認(rèn)常數(shù)

參考文獻(xiàn)[36-37],在其他學(xué)者研究基礎(chǔ)上并結(jié)合南昌市實(shí)際情況,選擇建設(shè)用地、耕地、未利用地、鐵路和高速公路作為脅迫因子,脅迫因子權(quán)重、最大影響距離以及各地類生境適宜度和對脅迫因子的敏感程度等參數(shù)設(shè)置見表4、5。

表4 威脅因子影響距離及權(quán)重

表5 各地類生境適宜度及對不同威脅因子敏感度

3 結(jié)果與分析

3.1 SD模型土地需求預(yù)測

以2010年為起始預(yù)測年份,利用SD模型預(yù)測2010—2020年各地類需求面積。將2020年進(jìn)行獨(dú)立檢驗(yàn),通過圖4可看出2020年模擬面積與實(shí)際面積差異較小。由于未利用地作為控制土地總面積不變的調(diào)節(jié)器,誤差略高于其他地類,其中未利用地相對誤差最大,為-0.83%,但六大地類相對誤差均小于1%,說明模型模擬精度符合研究需求。

圖4 2020年實(shí)際面積與模擬面積對比及誤差

將設(shè)置好的3種氣候情景參數(shù)分別輸入SD模型進(jìn)行預(yù)測,得到2020—2035年南昌市各地類用地需求面積(圖5)。3種不同氣候情景下,2035年耕地、林地和草地需求面積都呈下降趨勢,其中SSP585情景面積減少最多,SSP119情景下面積減少最少。引起耕地、林地和草地面積減少的原因是3種情景下南昌市GDP和人口不斷增加,城市化進(jìn)程加快推進(jìn),城鎮(zhèn)擴(kuò)張侵占周邊地類。3種情景下建設(shè)用地需求面積呈增加趨勢,建設(shè)用地面積在SSP585情景下面積增量最多,相比于2020年,建設(shè)用地增幅達(dá)38.4%,其次是SSP245和SSP119情景。相同情景下,水域面積變化和未利用地面積變化相反,其中SSP119和SSP585情景下水域面積減少,變化幅度較小,SSP245情景下水域面積增加,同情景下水域面積變化量與未利用地面積變化量幾乎一致,研究區(qū)未利用地大部分分布于北部鄱陽湖以及河流之中,因此未利用地主要向水域進(jìn)行轉(zhuǎn)換。

圖5 2021—2035年地類需求情景模擬結(jié)果

3.2 PLUS模型未來土地利用模擬

基于2005年土地利用數(shù)據(jù)和16個驅(qū)動因子以及SD模型仿真得到的地類需求面積,輸入PLUS模型模擬研究區(qū)2020年土地利用空間分布圖,并與2020年實(shí)際土地利用圖進(jìn)行檢驗(yàn),Kappa系數(shù)為0.88,整體精度為92%,FOM(Figure of merit)指數(shù)為0.27,其中耕地、林地和水域精度較高,分別為95%、94%、90%,建設(shè)用地精度為85%,而模擬精度相對較低的地類為草地和未利用地,分別為79%和76%,所有地類Kappa系數(shù)均大于0.75,說明模擬精度較高,能夠滿足研究需要。

以2020年土地利用數(shù)據(jù)為仿真起始年份,將3種不同氣候情景下2035年用地需求按要求輸入PLUS模型,模擬得到2035年南昌市SSP119、SSP245、SSP585情景下的土地利用空間分布(圖6)。選取4個區(qū)域放大進(jìn)行地類變換分析,區(qū)域A為安義縣,通過與2020年對比,可以明顯看出3種情景下市區(qū)建設(shè)用地不同程度擴(kuò)張,大量侵占周邊耕地,SSP585情景擴(kuò)張更為明顯;區(qū)域B為梅嶺地區(qū),林地占用草地而引起草地面積減少,3種不同情景下,草地面積都呈減少趨勢,但之間差異不大;區(qū)域C為南昌市北部鄱陽湖,用于展示水域和未利用地間的變換,SSP119情景與SSP585情景相似,未利用地侵占水域,水域面積減少,SSP245情景則相反,水域面積增加,3種情景下水域面積變化幅度較小;區(qū)域D為東南部丘陵地帶,3種情景下林地面積均受到不同程度的耕地侵占,林地面積減少程度由大到小依次為SSP119、SSP245、SSP585。

圖6 2020年土地利用分布和2035年不同情景下土地利用分布

3.3 南昌市生境質(zhì)量演變及預(yù)測

結(jié)合南昌市生境質(zhì)量整體情況,利用自然斷點(diǎn)法,將南昌市生境質(zhì)量指數(shù)分成4個區(qū)間:0～0.3、0.3～0.5、0.5～0.8和0.8～1.0,分別對應(yīng)差、中、良和優(yōu)4個等級(圖7、表6)。從時間尺度上看,南昌市2000、2010、2020年生境質(zhì)量指數(shù)均值分別為0.578 1、0.555 0、0.543 9,呈持續(xù)下降態(tài)勢,2000—2010年下降0.023 1,2010—2020年下降0.011 1,表明其下降態(tài)勢有所減緩。從空間格局來看,優(yōu)等生境質(zhì)量區(qū)域大約占南昌市總面積的1/3,大致分布在西部梅嶺國家森林公園、東北部鄱陽湖和東南部軍山湖等水域,其主要原因是這些區(qū)域?yàn)樯降厍鹆甑貐^(qū),人口稀少,植被覆蓋率高,以及“十四五”劃定的生態(tài)紅線等各項(xiàng)生態(tài)政策實(shí)施,使得該區(qū)域生境質(zhì)量高,鄱陽湖等水域生物多樣性高,同樣生境質(zhì)量也處于較高水平。良等生境質(zhì)量占比最小,不足總面積的2%,零散分布于梅嶺國家森林公園和東南部山地丘陵區(qū)。中等生境質(zhì)量面積占比最大,大約占總面積1/2,主要分布于鄱陽湖平原農(nóng)業(yè)耕作區(qū),地類以耕地為主,植被單一,生態(tài)脆弱。差等生境集中分布在人口密集的城鎮(zhèn)地區(qū)和東北部未利用地區(qū)域,地類以建設(shè)用地和灘涂為主,不宜植被生長,生物多樣性低。由以上分析可知,生境質(zhì)量空間分布具有一定的規(guī)律,與地類分布具有較高的一致性。

表6 各等級生境質(zhì)量面積占比

圖7 2000—2020年南昌市生境質(zhì)量空間分布

利用SD-PLUS模型預(yù)測2035年3種不同氣候情景土地利用圖,并使用InVEST模型評估SSP119、SSP245、SSP585情景下的生境質(zhì)量(圖8),生境質(zhì)量指數(shù)分別為0.528 6、0.528 4、0.524 3,不同SSP情景下,各等級生境質(zhì)量在空間分布一致。由于城鎮(zhèn)擴(kuò)張,生境質(zhì)量退化區(qū)域分布在城鎮(zhèn)邊緣,其中SSP585建設(shè)用地?cái)U(kuò)張程度高于SSP245和SSP119,生境退化相比其他兩種情景更為明顯,生境質(zhì)量改良區(qū)域分布在東北部鄱陽湖區(qū)域,原因是耕地和未利用地轉(zhuǎn)換成水域。未來3種情景下南昌市生境質(zhì)量指數(shù)持續(xù)下降,SSP585情景下生境質(zhì)量下降最快,相比SSP585情景,SP119與SSP245情景下生境質(zhì)量下降則較為緩慢,差異不明顯(圖9a)。2035年3種情景下各等級生境質(zhì)量面積占比與2020年相比(圖9b),優(yōu)和良等生境質(zhì)量面積占比略微下降,變化不大,優(yōu)等分別下降0.59、0.50、0.75個百分點(diǎn),SSP245下降最少,原因是該情景下水域面積增多,而水域?qū)ι秤兄^高的貢獻(xiàn)度。中等和差等生境質(zhì)量面積占比變化幅度較大,其中在SSP585情景下中等和差等面積占比變化最大,分別從2020年的 51.34%和14.66%變化為2035年的48.45%、18.34%,3種氣候情景下2035年南昌市城市擴(kuò)張不斷侵占周圍耕地,不同級別生境質(zhì)量間變換以中等向差等轉(zhuǎn)換為主(圖10)。

圖8 2035年南昌市不同情景生境質(zhì)量空間分布

圖9 生境質(zhì)量指數(shù)均值和不同等級生境質(zhì)量面積占比

圖10 2020—2035年南昌市不同氣候情景下生境質(zhì)量等級轉(zhuǎn)移格局

4 討論

4.1 模型分析

本研究將自上而下的SD模型與自下而上的PLUS模型結(jié)合,不僅可以更好地反映土地利用變化過程的非線性、動態(tài)和系統(tǒng)特征,并在模型中引入了SSP-RCP情景,還可以更準(zhǔn)確地模擬未來不同氣候變化情景下土地利用空間分布。從社會和自然氣候兩個角度考慮,以SSP-RCP情景下社會經(jīng)濟(jì)、人口、城鎮(zhèn)率以及溫度和降水氣候數(shù)據(jù)作為SD模型參數(shù),SD模型自上而下預(yù)測土地需求,而PLUS模型自下而上模擬土地空間分布,兩者結(jié)合可以更好地預(yù)測模擬在社會和自然影響下未來土地變化趨勢,其次是運(yùn)用InVEST模型評估2000—2020年以及3種不同情景下生境質(zhì)量。對于不同情景下未來不同土地類型面積需求以及不同土地利用的反饋關(guān)系不夠明確情況,可通過系統(tǒng)內(nèi)校正好的反饋機(jī)制去耦合不同發(fā)展情景,SD模型考慮到社會、經(jīng)濟(jì)、氣候環(huán)境變化以及政策因素等復(fù)雜因素,可以降低土地利用預(yù)測面積的不確定性,從而可以更加科學(xué)地預(yù)測未來發(fā)展模式下土地需求。模型也存在局限,一方面SD模型參數(shù)是基于CMIP6提供的各種SSP-RCP情景參數(shù),該數(shù)據(jù)多為全球和國家尺度,并無市縣級尺度數(shù)據(jù),因此SSP-RCP情景下土地變化研究多為大尺度,對于市級尺度研究較少,本文依據(jù)SSP-RCP情景參數(shù)并結(jié)合當(dāng)?shù)厣鐣l(fā)展需要進(jìn)行設(shè)置;另一方面InVEST 模型評估生境質(zhì)量時,參數(shù)設(shè)置一般是在前人研究基礎(chǔ)上進(jìn)行修改設(shè)置,沒有形成統(tǒng)一的參數(shù)設(shè)置體系,存在主觀性,在今后的研究中需要對模型參數(shù)的設(shè)置進(jìn)一步改進(jìn)。

4.2 土地利用變化對生境質(zhì)量的影響

生境質(zhì)量指數(shù)空間分布與土地利用類型的空間分布高度一致,未來南昌市3種不同氣候情景下生境質(zhì)量發(fā)生較大變化,其與土地利用變化高度相似,因此未來生境質(zhì)量評估的準(zhǔn)確度與土地利用模擬精度密切相關(guān)。生境質(zhì)量退化的區(qū)域有所增加,其增加區(qū)域與城市建設(shè)用地?cái)U(kuò)張區(qū)域相吻合,分布在城市周圍,建設(shè)用地蠶食耕地是生境質(zhì)量下降的主要原因。SSP119情景較為可取,其保持較高經(jīng)濟(jì)、高城鎮(zhèn)化和低人口發(fā)展水平下,生境質(zhì)量退化得到有效緩解;SSP245視為延續(xù)當(dāng)前發(fā)展?fàn)顩r,經(jīng)濟(jì)放緩增長,人口和城鎮(zhèn)化率處于中等水平,建設(shè)用地?cái)U(kuò)張,生境質(zhì)量持續(xù)降低;SSP585情景下經(jīng)濟(jì)高速發(fā)展,加快城市擴(kuò)張速度,生態(tài)用地急劇減少,忽視生態(tài)可持續(xù)性,造成生境嚴(yán)重退化。因此,在今后發(fā)展中,在保障經(jīng)濟(jì)高質(zhì)量發(fā)展的同時也要重視生態(tài)發(fā)展的可持續(xù)性。

5 結(jié)論

(1)2035年南昌市耕地、林地、草地在3種情景下其面積均有所下降,下降趨勢由大到小依次為SSP585、SSP245、SSP119;SSP245情景下水域面積略有增加,在其他兩種情景下略有減少,水域面積整體變化幅度不大;未利用地變化則和水域相反;建設(shè)用地均得到大幅度增加,相比于2020年,SSP585情景下建設(shè)用地面積增幅達(dá)到38.4%,表明城鎮(zhèn)化進(jìn)程快速推進(jìn),建設(shè)用地大肆擴(kuò)張,不斷吞并四周地類,使得生態(tài)環(huán)境受到嚴(yán)重威脅。

(2)2000—2020年南昌市生境質(zhì)量持續(xù)下降,形成中部和東北部地區(qū)中低等生境質(zhì)量空間分異特征,生境質(zhì)量與地類分布密切相關(guān),優(yōu)、良等生境質(zhì)量主要分布在梅嶺國家森林公園等森林覆蓋的山地丘陵地區(qū)以及鄱陽湖等眾多湖泊水域地區(qū),中、差等生境質(zhì)量則分布在鄱陽湖平原農(nóng)業(yè)耕作區(qū)和人口聚集的城鎮(zhèn)地區(qū)。

(3)3種氣候情景下,2035年南昌市生境質(zhì)量指數(shù)分別為0.528 6(SSP119)、0.528 4(SSP245)、0.524 3(SSP585), 相比于2000—2020年生境質(zhì)量變化,未來15年生境質(zhì)量指數(shù)均值均呈減速下降趨勢。優(yōu)、良等生境質(zhì)量面積占比略微下降,變化幅度不大;中等和差等生境質(zhì)量面積占比變化較大,主要表現(xiàn)出中等向差等轉(zhuǎn)換,城鎮(zhèn)擴(kuò)張建設(shè)用地侵占周圍地類是造成這一現(xiàn)象主要原因,因此生境質(zhì)量退化區(qū)域也主要圍繞在城市四周。