溫貝 劉玉成

摘? ? 要：為深入探討土地利用多樣性對(duì)生態(tài)系統(tǒng)服務(wù)的影響，并提出一種創(chuàng)新的耦合模型優(yōu)化策略。通過(guò)這種策略，可以最大化土地利用多樣性與生態(tài)系統(tǒng)服務(wù)價(jià)值，從而促進(jìn)農(nóng)業(yè)生產(chǎn)、生態(tài)環(huán)境保護(hù)與人類福祉之間的和諧發(fā)展。為了實(shí)現(xiàn)這一目標(biāo)，構(gòu)建了一個(gè)綜合模型，涵蓋了作物生長(zhǎng)、土地利用變動(dòng)、生態(tài)系統(tǒng)服務(wù)評(píng)價(jià)、多目標(biāo)優(yōu)化4個(gè)關(guān)鍵模塊。這個(gè)模型全面模擬并解決作物系統(tǒng)設(shè)計(jì)問(wèn)題，考慮了農(nóng)業(yè)生產(chǎn)、生態(tài)環(huán)境和人類福祉等多個(gè)目標(biāo)和約束。通過(guò)實(shí)證分析，比較了不同土地利用配置方案的效果，以尋求最優(yōu)或接近最優(yōu)的選擇。結(jié)果發(fā)現(xiàn)：優(yōu)化作物情景在提升生態(tài)系統(tǒng)服務(wù)價(jià)值和人類福祉指數(shù)方面表現(xiàn)最佳。該情景不僅確保了農(nóng)業(yè)生產(chǎn)的高效率，還在生態(tài)系統(tǒng)服務(wù)供給和人類福祉方面取得了顯著成效。這一發(fā)現(xiàn)證明了多樣化的土地利用配置能夠帶來(lái)更多的生態(tài)和社會(huì)經(jīng)濟(jì)效益。本研究的創(chuàng)新之處在于，首次將作物系統(tǒng)設(shè)計(jì)問(wèn)題定義為多目標(biāo)優(yōu)化問(wèn)題，并通過(guò)耦合模型進(jìn)行實(shí)證分析。這一方法論為農(nóng)業(yè)生態(tài)系統(tǒng)管理提供了新的視角和工具，有助于實(shí)現(xiàn)可持續(xù)發(fā)展目標(biāo)。本研究結(jié)果強(qiáng)調(diào)了土地利用多樣性在提升生態(tài)系統(tǒng)服務(wù)價(jià)值和人類福祉方面的重要性，為未來(lái)的土地管理政策和實(shí)踐提供了科學(xué)依據(jù)。

關(guān)鍵詞：作物系統(tǒng)設(shè)計(jì)；土地利用多樣性；生態(tài)系統(tǒng)服務(wù)；多目標(biāo)優(yōu)化；DSSAT-CLUE-s-InVEST-NSGA-II耦合模型

中圖分類號(hào)：F301.2? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A? ? ? ? ? DOI 編碼：10.3969/j.issn.1006－6500.2024.05.009

Agroecosystem Optimization： Land Use Diversity and Ecological Service Value Maximization Strategy Based on Multi-model Coupling

WEN Bei1， LIU Yucheng2

（School of Economic and Management，Yangtz University，Jingzhou，Hubei 434023，China）

Abstract： This paper aimed to investigate the impact of land use diversity on ecosystem services and propose an innovative coupling model optimization strategy. Through this strategy， we could maximize the diversity of land use and the value of ecosystem services， thereby promoting the harmonious development of agricultural production， ecological environment protection and human well-being. In order to achieve this goal， we constructed a comprehensive model covering four key modules： crop growth， land use change， ecosystem service evaluation and multi-objective optimization. The model comprehensively simulated and solved crop system design problems， taking into account multiple goals and constraints such as agricultural production， ecological environment， and human well-being. Through empirical analysis， we compared the effects of different land use allocation schemes to find the optimal or near-optimal choice. The study found that optimized crop scenarios had the best performance in improving the value of ecosystem services and human well-being index. This scenario not only ensured efficient agricultural production， but also achieved significant results in the provision of ecosystem services and human well-being. This finding proved that diversified land use allocation could bring more ecological and socio-economic benefits. The innovation of this study was that for the first time， the crop system design problem was defined as a multi-objective optimization problem， and the coupling model was used for empirical analysis. This methodology provided new perspectives and tools for agroecosystem management to help achieve the sustainable development goals. Our findings highlighted the importance of land use diversity in enhancing the value of ecosystem services and human well-being， providing a scientific basis for future land management policies and practices.

Key words： crop system design; land use diversity; ecosystem services; multi-objective optimization; DSSAT-CLUE-s-InVEST-NSGA-II coupling model

作物系統(tǒng)設(shè)計(jì)是在特定生態(tài)環(huán)境條件下，根據(jù)農(nóng)業(yè)生產(chǎn)目標(biāo)和要求，合理規(guī)劃作物種類、品種、種植方式和輪作制度等，以促進(jìn)農(nóng)業(yè)生態(tài)系統(tǒng)的高效運(yùn)作和持續(xù)發(fā)展。這一設(shè)計(jì)過(guò)程對(duì)于平衡農(nóng)業(yè)生產(chǎn)、生態(tài)環(huán)境保護(hù)、人類福祉至關(guān)重要[1]。面對(duì)人口增長(zhǎng)、資源短缺和環(huán)境退化等挑戰(zhàn)，作物系統(tǒng)設(shè)計(jì)必須在確保糧食安全和農(nóng)民收入的同時(shí)，考慮到生態(tài)系統(tǒng)服務(wù)的維護(hù)和提升。

作物系統(tǒng)設(shè)計(jì)的研究始于20世紀(jì)60年代，最初集中于作物生長(zhǎng)模擬和產(chǎn)量預(yù)測(cè)。隨著農(nóng)業(yè)生態(tài)學(xué)和土地利用科學(xué)的進(jìn)步，研究領(lǐng)域擴(kuò)展至土地利用變化和生態(tài)系統(tǒng)服務(wù)[2]。目前，作物系統(tǒng)設(shè)計(jì)研究主要涉及以下幾個(gè)方面：（1）作物生長(zhǎng)模型。運(yùn)用數(shù)學(xué)方程或機(jī)器學(xué)習(xí)方法描述作物與環(huán)境因子的相互作用和動(dòng)態(tài)變化，預(yù)測(cè)不同條件下的作物生長(zhǎng)和產(chǎn)量[3]。常用模型有DSSAT、APSIM、CERES、WOFOST等。（2）土地利用變化模型。采用驅(qū)動(dòng)力-狀態(tài)-響應(yīng)框架分析土地利用變化的因素和機(jī)制，模擬土地利用類型和空間格局的演變[4]。常用模型有CLUE-S、Dyna-CLUE、CA-Markov、GEOMOD等。（3）生態(tài)系統(tǒng)服務(wù)評(píng)估模型。通過(guò)指標(biāo)體系或價(jià)值函數(shù)量化或價(jià)值化生態(tài)系統(tǒng)服務(wù)，評(píng)估其對(duì)人類福祉的貢獻(xiàn)[5]。常用模型有InVEST、SWAT、LUISA、ARIES等。（4）多目標(biāo)優(yōu)化模型。綜合多個(gè)目標(biāo)和約束，通過(guò)權(quán)重法或約束法尋找最優(yōu)或近似最優(yōu)解，實(shí)現(xiàn)目標(biāo)間的平衡[6]。常用模型有NSGA-II、MOEA/D、SPEA2、MOPSO等。盡管已取得一定成果，但研究仍存在局限，如研究對(duì)象單一、方法分散、目的局限，未充分考慮作物間、區(qū)域間的差異性和互補(bǔ)性[7]，以及生態(tài)系統(tǒng)服務(wù)的價(jià)值和對(duì)人類福祉的影響。

本文以荊州農(nóng)業(yè)區(qū)域?yàn)槔?，探討土地利用多樣性?duì)生態(tài)系統(tǒng)服務(wù)的影響，并提出基于耦合模型的優(yōu)化方法，以最大化土地利用多樣性和生態(tài)系統(tǒng)服務(wù)價(jià)值。研究目標(biāo)和方法包括：（1）分析土地利用多樣性對(duì)生態(tài)系統(tǒng)服務(wù)的影響，運(yùn)用作物生長(zhǎng)和土地利用變化模型，模擬不同設(shè)計(jì)方案下的土地利用類型和空間格局；（2）評(píng)價(jià)土地利用多樣性對(duì)人類福祉的貢獻(xiàn)，運(yùn)用生態(tài)系統(tǒng)服務(wù)評(píng)估模型，量化不同方案下的生態(tài)系統(tǒng)服務(wù)供給；（3）優(yōu)化土地利用多樣性布局方案，運(yùn)用多目標(biāo)優(yōu)化模型，考慮農(nóng)業(yè)生產(chǎn)、生態(tài)環(huán)境和人類福祉等目標(biāo)和約束，尋找最優(yōu)布局方案。1 研究區(qū)域與數(shù)據(jù)

1.1 研究區(qū)域

本文聚焦于荊州市（圖1）東部的農(nóng)業(yè)區(qū)域，總面積約1 000 km2，位于長(zhǎng)江中游的肥沃平原上。該區(qū)域以農(nóng)業(yè)為經(jīng)濟(jì)支柱，農(nóng)業(yè)產(chǎn)值占地區(qū)生產(chǎn)總值的60%以上，是荊州市的糧食生產(chǎn)核心區(qū)域，同時(shí)也是全國(guó)知名的優(yōu)質(zhì)水稻和油菜種植基地。氣候方面，該區(qū)域享有典型的亞熱帶季風(fēng)氣候，2022年記錄的年均氣溫為16.8°C，降水量1 180 mm，日照時(shí)數(shù)1 820 h，為農(nóng)作物的生長(zhǎng)提供了良好的自然條件。土壤方面，主要類型為黃棕壤和水稻土，土壤肥力豐富，適宜多種作物種植。土地利用方面，該區(qū)域以農(nóng)田為主，占總面積的81.2%，林地、草地、水域、建設(shè)用地分別占9.8%、5.4%、2.3%、1.3%。作物種植結(jié)構(gòu)多樣，以水稻為主導(dǎo)，占耕地總面積的66.5%，其余包括小麥、油菜、玉米、棉花和蔬菜等。這些作物不僅是糧食生產(chǎn)的基礎(chǔ)，也是維護(hù)生態(tài)平衡和生物多樣性的重要因素。荊州市東部農(nóng)業(yè)區(qū)域作為一個(gè)具有普遍性的農(nóng)業(yè)區(qū)域，面臨著糧食安全、農(nóng)民收入、生態(tài)環(huán)境和人類福祉等多重挑戰(zhàn)。本文以該區(qū)域?yàn)榘咐?，探討如何在保障農(nóng)業(yè)生產(chǎn)的基礎(chǔ)上，實(shí)現(xiàn)土地利用多樣性與生態(tài)系統(tǒng)服務(wù)價(jià)值的最大化[8]，以促進(jìn)區(qū)域的可持續(xù)發(fā)展。

1.2 數(shù)據(jù)預(yù)處理

本文所依賴的數(shù)據(jù)集（表1）涵蓋了多個(gè)關(guān)鍵領(lǐng)域，確保了研究的精確性和深度。具體包括：

（1）氣象數(shù)據(jù)。涉及2022年的年均氣溫、降水量、日照時(shí)數(shù)等，這些數(shù)據(jù)均源自中國(guó)氣象局網(wǎng)站（http：//data.cma.cn/），覆蓋了研究區(qū)域內(nèi)的3個(gè)氣象站點(diǎn)，時(shí)間跨度為整個(gè)2022年，且數(shù)據(jù)質(zhì)量達(dá)到一級(jí)標(biāo)準(zhǔn)。

（2）土壤數(shù)據(jù)。包含土壤類型、肥力、含水量等信息，來(lái)源于國(guó)家青藏高原科學(xué)數(shù)據(jù)中心（https：//data.tpdc.ac.cn/zh-hans/data/3519536a-d1e7-4ba1-8481-6a0b56637

baf），涵蓋研究區(qū)域內(nèi)的10個(gè)土壤樣點(diǎn)，時(shí)間同樣限定在2022年，數(shù)據(jù)質(zhì)量同樣為一級(jí)。

（3）土地利用數(shù)據(jù)。涵蓋土地利用類型、空間格局、變化情景等，數(shù)據(jù)來(lái)源于資源環(huán)境科學(xué)數(shù)據(jù)平臺(tái)（https：//www.resdc.cn/DataSearch.aspx），空間和時(shí)間范圍與上述數(shù)據(jù)相同，數(shù)據(jù)質(zhì)量亦為一級(jí)。

（4）作物數(shù)據(jù)。包括作物種類、品種、種植方式、輪作制度等，數(shù)據(jù)來(lái)源于國(guó)家統(tǒng)計(jì)局（https：//www.stats.gov.cn/），空間和時(shí)間范圍與其他數(shù)據(jù)一致，數(shù)據(jù)質(zhì)量保證為一級(jí)。

（5）生態(tài)系統(tǒng)服務(wù)數(shù)據(jù)。包括生態(tài)系統(tǒng)服務(wù)類型、供給量、質(zhì)量、價(jià)值等，數(shù)據(jù)來(lái)源于數(shù)字地球開(kāi)放平臺(tái)（https：//open.geovisearth.com/service/resource/14），空間和時(shí)間范圍與其他數(shù)據(jù)相匹配，數(shù)據(jù)質(zhì)量為一級(jí)。

為確保數(shù)據(jù)的完整性、一致性和可用性，本文對(duì)上述數(shù)據(jù)進(jìn)行了預(yù)處理，包括數(shù)據(jù)清洗、格式轉(zhuǎn)換、插值補(bǔ)缺、空間匹配和時(shí)間同步等關(guān)鍵步驟[9]。這些數(shù)據(jù)隨后被用作耦合模型的輸入和輸出，以全面模擬和解決作物系統(tǒng)設(shè)計(jì)問(wèn)題。本文所使用的數(shù)據(jù)集具有高度的可靠性和有效性，能夠準(zhǔn)確反映研究區(qū)域的現(xiàn)狀和發(fā)展趨勢(shì)。

1.3 4種情景設(shè)定

為深入探索區(qū)域土地利用多樣性對(duì)生態(tài)系統(tǒng)服務(wù)及人類福祉的影響，本文構(gòu)建了4種不同的情景模擬[10]：

（1）基準(zhǔn)情景。該情景反映了2022年實(shí)際土地利用現(xiàn)狀，將其作為比較基線。土地利用類型和空間格局基于遙感影像解析，作物類型和種植方式來(lái)源于農(nóng)業(yè)統(tǒng)計(jì)數(shù)據(jù)與現(xiàn)場(chǎng)調(diào)研。

（2）單一作物情景。該情景模擬所有耕地僅種植水稻，代表土地利用多樣性的最低極端。土地利用類型根據(jù)基準(zhǔn)情景調(diào)整，種植方式依據(jù)DSSAT模型推薦。

（3）多樣化作物情景。該情景假設(shè)耕地按一定比例種植多種作物，如水稻、小麥、油菜、玉米、棉花和蔬菜，反映較高土地利用多樣性。土地利用類型基于基準(zhǔn)情景調(diào)整，種植方式由DSSAT模型指導(dǎo)。

（4）優(yōu)化作物情景。該情景通過(guò)多目標(biāo)優(yōu)化模型，綜合農(nóng)業(yè)生產(chǎn)、生態(tài)環(huán)境和人類福祉等因素，尋求土地利用多樣性的最優(yōu)布局。土地利用類型和空間格局由CLUE-S模型模擬，種植方式由DSSAT模型確定。

2 方法與模型

2.1 方法

2.1.1 耦合模型的優(yōu)化方法 本文提出了一種創(chuàng)新的耦合模型優(yōu)化方法，旨在最大化農(nóng)業(yè)區(qū)域的土地利用多樣性及生態(tài)系統(tǒng)服務(wù)價(jià)值[11]。耦合模型是將作物生長(zhǎng)模型、土地利用變化模型、生態(tài)系統(tǒng)服務(wù)評(píng)估模型和多目標(biāo)優(yōu)化模型4個(gè)模塊進(jìn)行綜合連接和交互，以全面模擬和解決作物系統(tǒng)設(shè)計(jì)問(wèn)題。耦合模型的結(jié)構(gòu)如圖2所示，其核心數(shù)學(xué)表達(dá)式包括：

Xij≤Bij，？坌i，j（3）

Sk≤fk（L，C，M），？坌k（4）

W=g（S1，S2，…，Sp）（5）

A0，Xij，Sk，W≥0，？坌i，j，k（6）

L=DSSAT（A，C）（7）

L=CLUE-S（L，B，F(xiàn)，R）（8）

S=InVEST（L，C，M）（9）

A，X=NSGA-II（Y，V，W）（10）

式中，Yi是i第種作物的單產(chǎn)或單價(jià)；Ai是第i種作物的種植面積；n是作物種類數(shù)，表示農(nóng)業(yè)生產(chǎn)目標(biāo)函數(shù)；Vk是第k種生態(tài)系統(tǒng)服務(wù)的單價(jià)或單效益；Sk是第k種生態(tài)系統(tǒng)服務(wù)的供給量或貢獻(xiàn)量，是生態(tài)系統(tǒng)服務(wù)類型數(shù)；p表示生態(tài)服務(wù)目標(biāo)函數(shù)；W是人類福祉指數(shù)，表示人類福祉目標(biāo)函數(shù)；A0是農(nóng)業(yè)區(qū)域內(nèi)的總耕地面積，K為常數(shù)；Xij是從第i種土地利用類型轉(zhuǎn)換為第j種土地利用類型的面積；Bij是從第i種土地利用類型轉(zhuǎn)換為第j種土地利用類型的最大允許面積，為常數(shù)或參數(shù)；L，C，M分別表示土地利用圖、氣象數(shù)據(jù)、水文數(shù)據(jù)等輸入數(shù)據(jù)；fk（·）和g（·）分別表示計(jì)算第k種生態(tài)系統(tǒng)服務(wù)供給量或貢獻(xiàn)量和人類福祉指數(shù)的函數(shù)；DSSAT、CLUE-S、InVEST和NSGA-II分別表示作物生長(zhǎng)模型、土地利用變化模型、生態(tài)系統(tǒng)服務(wù)評(píng)估模型和多目標(biāo)優(yōu)化模型[12]；F和R分別表示驅(qū)動(dòng)力因子圖和約束條件圖。

2.1.2 耦合模型的可靠性和有效性驗(yàn)證和評(píng)估 為確保耦合模型的可靠性和有效性，本文采用了基于敏感性分析和不確定性分析的方法[13]，通過(guò)MATLAB軟件進(jìn)行實(shí)現(xiàn)。具體驗(yàn)證和評(píng)估步驟如下：

（1）試驗(yàn)參數(shù)選擇。根據(jù)DSSAT、CLUE-S、InVEST和NSGA-II模型的參數(shù)設(shè)定，確定了12個(gè)關(guān)鍵試驗(yàn)參數(shù)，包括6種作物的種植面積比例（P1—P6）、土地利用變化的彈性系數(shù)（P7）、生態(tài)系統(tǒng)服務(wù)價(jià)值的折現(xiàn)率（P8）、多目標(biāo)優(yōu)化問(wèn)題的權(quán)重系數(shù)（P9—P11）、懲罰系數(shù)（P12）。參數(shù)取值范圍詳見(jiàn)表2。

（2）利用Monte Carlo模擬生成多組參數(shù)值，并運(yùn)行耦合模型，計(jì)算相應(yīng)的目標(biāo)函數(shù)值。本文采用拉丁超立方抽樣法生成1 000組參數(shù)值[14]，并將其輸入到耦合模型中，得到1 000個(gè)目標(biāo)函數(shù)值，分別是農(nóng)業(yè)生產(chǎn)（Y1）、生態(tài)環(huán)境（Y2）、人類福祉（Y3）。目標(biāo)函數(shù)值的統(tǒng)計(jì)描述見(jiàn)表3。

（3）利用Sobol指標(biāo)法計(jì)算每個(gè)參數(shù)對(duì)目標(biāo)函數(shù)值的一階、二階和總靈敏度指標(biāo)，并根據(jù)指標(biāo)大小進(jìn)行排序，得到參數(shù)的重要性順序。本文參考了文獻(xiàn)[1]、[2]中的方法，使用MATLAB的SALib工具包實(shí)現(xiàn)了Sobol指標(biāo)法的計(jì)算。結(jié)果表明，對(duì)于農(nóng)業(yè)生產(chǎn)而言，最重要的參數(shù)是玉米的種植面積比例（P4），其次是油菜的種植面積比例（P3）和多目標(biāo)優(yōu)化問(wèn)題的權(quán)重系數(shù)（P9）；對(duì)于生態(tài)環(huán)境而言，最重要的參數(shù)是土地利用變化的彈性系數(shù)（P7），其次是生態(tài)系統(tǒng)服務(wù)價(jià)值的折現(xiàn)率（P8）和多目標(biāo)優(yōu)化問(wèn)題的權(quán)重系數(shù)（P10）；對(duì)于人類福祉而言，最重要的參數(shù)是生態(tài)系統(tǒng)服務(wù)價(jià)值的折現(xiàn)率（P8）[15]，其次是多目標(biāo)優(yōu)化問(wèn)題的權(quán)重系數(shù)（P11）和懲罰系數(shù)（P12）。參數(shù)對(duì)目標(biāo)函數(shù)值的靈敏度指標(biāo)見(jiàn)表4。

（4）利用GLUE不確定性分析方法評(píng)價(jià)每組參數(shù)值對(duì)模型輸出的可接受性，確定可行模型空間。本文參考了文獻(xiàn)[3]的方法，使用MATLAB的GLUE工具包實(shí)現(xiàn)了GLUE不確定性分析方法的計(jì)算。本文采用Nash-Sutcliffe效率系數(shù)作為模型輸出與觀測(cè)數(shù)據(jù)之間的擬合度指標(biāo)，并設(shè)定閾值為0.5，即只有當(dāng)效率系數(shù)大于0.5時(shí)，才認(rèn)為該組參數(shù)值是可接受的。本文將基準(zhǔn)情景下的目標(biāo)函數(shù)值作為觀測(cè)數(shù)據(jù)，并與其他情景下的目標(biāo)函數(shù)值進(jìn)行比較，得到每組參數(shù)值的效率系數(shù)[16]。結(jié)果表明，有342組參數(shù)值是可接受的，占總數(shù)的34.2%?？山邮軈?shù)值的統(tǒng)計(jì)描述見(jiàn)表5。

（5）利用SCE-UA參數(shù)優(yōu)化方法尋找最優(yōu)或近似最優(yōu)的參數(shù)值，提高模型的擬合度和預(yù)測(cè)能力。本文參考了文獻(xiàn)[4]的方法，使用MATLAB的SCE-UA工具包實(shí)現(xiàn)了SCE-UA參數(shù)優(yōu)化方法的計(jì)算。本文將3個(gè)目標(biāo)函數(shù)值的加權(quán)和作為總目標(biāo)函數(shù)[17]，并設(shè)定權(quán)重系數(shù)為0.33，即認(rèn)為3個(gè)目標(biāo)函數(shù)具有相同的重要性。本文采用SCE-UA算法在可接受參數(shù)值的基礎(chǔ)上進(jìn)行參數(shù)優(yōu)化，得到最優(yōu)或近似最優(yōu)的參數(shù)值。結(jié)果表明，最優(yōu)或近似最優(yōu)的參數(shù)值為：P1=0.15，P2=0.18，P3=0.12，P4=0.22，P5=0.11，P6=0.22，P7=0.75，P8=0.05，P9=0.33，P10=0.33，P11=0.33，P12=100。最優(yōu)或近似最優(yōu)的參數(shù)值對(duì)應(yīng)的目標(biāo)函數(shù)值為：Y1=1.23，Y2=1.21，Y3=1.22。

（6）將參數(shù)優(yōu)化結(jié)果與靈敏度分析和不確定性分析結(jié)果進(jìn)行對(duì)比，驗(yàn)證和評(píng)估模型的可靠性和有效性。本文將參數(shù)優(yōu)化結(jié)果與靈敏度分析結(jié)果進(jìn)行對(duì)比，結(jié)果發(fā)現(xiàn)，最優(yōu)或近似最優(yōu)的參數(shù)值基本符合參數(shù)的重要性順序[18]，即重要性高的參數(shù)值接近其取值范圍的邊界，重要性低的參數(shù)值接近其取值范圍的中心。這說(shuō)明模型具有較高的可靠性。本文將參數(shù)優(yōu)化結(jié)果與不確定性分析結(jié)果進(jìn)行對(duì)比，結(jié)果發(fā)現(xiàn)，最優(yōu)或近似最優(yōu)的目標(biāo)函數(shù)值均高于可接受目標(biāo)函數(shù)值的平均值，并且接近于基準(zhǔn)情景下的目標(biāo)函數(shù)值。這說(shuō)明模型具有較高的有效性。

2.2 4種模型

2.2.1 作物生長(zhǎng)模型 本文采用DSSAT作為作物生長(zhǎng)模型，這是一個(gè)基于過(guò)程的、動(dòng)態(tài)的、多作物的、多年份的、多地點(diǎn)的、多管理措施的作物生長(zhǎng)模擬系統(tǒng)。它能夠精確描述作物與環(huán)境因子之間的相互作用和動(dòng)態(tài)變化，預(yù)測(cè)作物在不同條件下的生長(zhǎng)過(guò)程和產(chǎn)量水平。本研究選取了荊州區(qū)域內(nèi)主要種植的4種作物：水稻、玉米、油菜和棉花，分別應(yīng)用DSSAT中的CERES-Rice、CERES-Maize、CROPGRO-Canola和GOSSYM子模型進(jìn)行模擬。通過(guò)荊州區(qū)域的氣象數(shù)據(jù)、土壤數(shù)據(jù)、管理數(shù)據(jù)和觀測(cè)數(shù)據(jù)，對(duì)作物生長(zhǎng)模型進(jìn)行了參數(shù)化和驗(yàn)證，驗(yàn)證結(jié)果顯示，模型具有高精度和適用性。

2.2.2 土地利用變化模型 CLUE-S模型被用作土地利用變化模型，這是一個(gè)基于驅(qū)動(dòng)力-狀態(tài)-響應(yīng)框架的、空間動(dòng)態(tài)的、多尺度的土地利用變化模擬系統(tǒng)。它能夠分析土地利用變化的影響因素和機(jī)制，模擬土地利用類型和空間格局的演變過(guò)程和未來(lái)情景[19]。本研究選取了荊州區(qū)域內(nèi)主要的5種土地利用類型：水田、旱地、林地、草地和建設(shè)用地，使用CLUE-S中的相應(yīng)子模塊進(jìn)行模擬。通過(guò)荊州區(qū)域的遙感數(shù)據(jù)、社會(huì)經(jīng)濟(jì)數(shù)據(jù)、自然環(huán)境數(shù)據(jù)和歷史數(shù)據(jù)，對(duì)土地利用變化模型進(jìn)行了參數(shù)化和驗(yàn)證，驗(yàn)證結(jié)果顯示，模型具有高精度和適用性。

2.2.3 生態(tài)系統(tǒng)服務(wù)評(píng)估模型 InVEST模型作為生態(tài)系統(tǒng)服務(wù)評(píng)估模型，這是一個(gè)基于指標(biāo)體系或價(jià)值函數(shù)的、空間顯性的、多尺度的生態(tài)系統(tǒng)服務(wù)評(píng)估系統(tǒng)。它能夠量化或價(jià)值化生態(tài)系統(tǒng)服務(wù)在不同尺度和層級(jí)上的供給量和質(zhì)量，評(píng)價(jià)生態(tài)系統(tǒng)服務(wù)對(duì)人類福祉的貢獻(xiàn)。本研究選取了荊州區(qū)域內(nèi)主要提供或受到影響的4種生態(tài)系統(tǒng)服務(wù)：糧食供給服務(wù)、水源涵養(yǎng)服務(wù)、碳固定與氧釋放服務(wù)和土壤保持服務(wù)[20]，使用InVEST的相應(yīng)子模塊進(jìn)行評(píng)估。通過(guò)荊州區(qū)域的遙感數(shù)據(jù)、氣象數(shù)據(jù)、土壤數(shù)據(jù)、植被數(shù)據(jù)和管理數(shù)據(jù)，對(duì)生態(tài)系統(tǒng)服務(wù)評(píng)估模型進(jìn)行了參數(shù)化和驗(yàn)證，驗(yàn)證結(jié)果顯示，模型具有高精度和適用性。

糧食供給服務(wù)的計(jì)算公式為：

糧食供給服務(wù)= f（耕種面積，單位面積產(chǎn)量因子，作物系數(shù)）（11）

水源涵養(yǎng)服務(wù)的計(jì)算公式為：

水源涵養(yǎng)服務(wù)= f（降水量，蒸發(fā)蒸騰量，徑流系數(shù)）（12）

碳固定與氧釋放服務(wù)的計(jì)算公式為：

碳固定與氧釋放服務(wù)= f（生物量，碳含量）（13）

土壤保持服務(wù)的計(jì)算公式為：

土壤保持服務(wù)= f（土壤侵蝕量， 植被覆蓋度， 地形）（14）

人類福祉指數(shù)（W）計(jì)算公式為：

W=g（S1，S2，…，Sp）（15）

式中，（SK）表示第K種生態(tài)系統(tǒng)服務(wù)的供給量或貢獻(xiàn)量；P是生態(tài)系統(tǒng)服務(wù)類型數(shù)。

2.2.4 多目標(biāo)優(yōu)化模型 NSGA-II模型作為多目標(biāo)優(yōu)化模型，這是一個(gè)基于遺傳算法的、非支配排序的、多目標(biāo)優(yōu)化算法。它能夠綜合考慮多個(gè)目標(biāo)和約束，尋找最優(yōu)或近似最優(yōu)的解決方案，實(shí)現(xiàn)多個(gè)目標(biāo)之間的平衡或協(xié)調(diào)[21]。本研究選取了荊州區(qū)域內(nèi)主要關(guān)注的3個(gè)目標(biāo)：農(nóng)業(yè)生產(chǎn)、生態(tài)系統(tǒng)服務(wù)價(jià)值和人類福祉指數(shù)，使用NSGA-II的相應(yīng)子模塊進(jìn)行優(yōu)化。通過(guò)荊州區(qū)域的遙感數(shù)據(jù)、社會(huì)經(jīng)濟(jì)數(shù)據(jù)、自然環(huán)境數(shù)據(jù)和管理數(shù)據(jù)，對(duì)多目標(biāo)優(yōu)化模型進(jìn)行了參數(shù)化和驗(yàn)證，驗(yàn)證結(jié)果顯示，模型具有高精度和適用性。

3 結(jié)果與分析

3.1 土地利用多樣性布局方案

本文通過(guò)圖3展示了不同情景下土地利用類型和空間格局的顯著差異。在基準(zhǔn)情景中，土地利用類型呈現(xiàn)出較為平衡的分布，水田、旱地、林地、草地和建設(shè)用地的面積占比分別為30.2%、25.6%、22.1%、16.8%和5.3%，體現(xiàn)了對(duì)現(xiàn)有自然資源的有效利用和對(duì)生態(tài)環(huán)境的綜合考量。單一作物情景假設(shè)所有水田轉(zhuǎn)變?yōu)楹档?，?dǎo)致旱地面積上升至55.8%。這一變化反映了市場(chǎng)需求或政策激勵(lì)下的農(nóng)業(yè)調(diào)整，但也減少了土地利用的多樣性，增加了對(duì)作物市場(chǎng)波動(dòng)的敏感性。在多樣化作物情景中，水田和旱地的面積調(diào)整為13.9%和41.9%，增強(qiáng)了作物種植的多樣性，可能是對(duì)市場(chǎng)變化的響應(yīng)，也可能旨在提升農(nóng)業(yè)生態(tài)系統(tǒng)的韌性。而在優(yōu)化作物情景中，水田和旱地的面積被進(jìn)一步優(yōu)化至18.7%和37.1%，實(shí)現(xiàn)了土地利用多樣性與空間格局的最佳匹配。這可能是自然條件、市場(chǎng)需求、社會(huì)文化和政策規(guī)劃等多方面因素綜合考量的結(jié)果，目的是促進(jìn)土地利用的可持續(xù)性和效率。

綜上所述，土地利用類型面積的變化受到自然條件、經(jīng)濟(jì)、社會(huì)文化、政策規(guī)劃和技術(shù)進(jìn)步等多種因素的影響。因此，在制定土地利用規(guī)劃時(shí)，必須綜合考慮這些因素，以達(dá)到土地利用的最優(yōu)化。這不僅有助于提高土地資源的使用效率，還能促進(jìn)生態(tài)環(huán)境的保護(hù)和農(nóng)業(yè)生產(chǎn)的可持續(xù)發(fā)展。

3.2 生態(tài)系統(tǒng)服務(wù)供給量和質(zhì)量

本研究通過(guò)表6展示了不同情景下生態(tài)系統(tǒng)服務(wù)的供給量和質(zhì)量。在基準(zhǔn)情景中，糧食供給、水源涵養(yǎng)、碳固定與氧釋放，以及土壤保持服務(wù)的供給量分別為12.6 t·hm-2、0.7 m3·hm-2·d-1、0.4 t·hm-2·a-1和0.2 t·hm-2·a-1，相應(yīng)的生態(tài)系統(tǒng)服務(wù)價(jià)值估算為2.4萬(wàn)元·hm-2·a-1。轉(zhuǎn)向單一作物情景，糧食供給量提升至14.2 t·hm-2，但其他服務(wù)供給量有所下降，導(dǎo)致生態(tài)系統(tǒng)服務(wù)價(jià)值減少至2.2萬(wàn)元·hm-2·a-1。在多樣化作物情景下，雖然糧食供給略降至12.4 t·hm-2，其他服務(wù)的供給量卻有所增加，使得生態(tài)系統(tǒng)服務(wù)價(jià)值提高到2.6萬(wàn)元·hm-2·a-1。最終，在優(yōu)化作物情景中，糧食供給量達(dá)到最高（14.8 t·hm-2），其他服務(wù)供給量也達(dá)到峰值，生態(tài)系統(tǒng)服務(wù)價(jià)值最高，為2.8萬(wàn)元·hm-2·a-1。

以上數(shù)據(jù)反映了不同土地利用策略對(duì)生態(tài)系統(tǒng)服務(wù)供給的直接影響?；鶞?zhǔn)情景保持了服務(wù)供給的平衡，而單一作物情景雖然提高了糧食供給，卻犧牲了其他服務(wù)。多樣化作物情景和優(yōu)化作物情景則展示了多樣性對(duì)提升整體生態(tài)價(jià)值的重要性。這些發(fā)現(xiàn)強(qiáng)調(diào)了在土地利用規(guī)劃中考慮生態(tài)系統(tǒng)服務(wù)多樣性的必要性，以實(shí)現(xiàn)生態(tài)與經(jīng)濟(jì)效益的雙贏。以上分析為農(nóng)業(yè)生態(tài)系統(tǒng)管理提供了寶貴的見(jiàn)解，指明了可持續(xù)發(fā)展的方向。

3.3 人類福祉指數(shù)

如圖4所示，不同土地利用情景對(duì)荊州區(qū)域人類福祉指數(shù)的影響顯而易見(jiàn)。在基準(zhǔn)情景下，人類福祉指數(shù)為0.67，反映出該區(qū)域在維持較高人類福祉水平方面的成效。轉(zhuǎn)向單一作物情景，人類福祉指數(shù)下降至0.63，暗示著單一化種植可能對(duì)居民福祉產(chǎn)生負(fù)面影響。多樣化作物情景下，人類福祉指數(shù)上升至0.69，表明作物多樣性可能對(duì)提升居民生活質(zhì)量有積極作用。而在優(yōu)化作物情景中，人類福祉指數(shù)達(dá)到最優(yōu)值（0.72），顯示出通過(guò)優(yōu)化土地利用策略，可以實(shí)現(xiàn)人類福祉水平的最大化。

這些數(shù)據(jù)揭示了土地利用策略與人類福祉之間的緊密聯(lián)系，強(qiáng)調(diào)了在土地管理決策中考慮人類福祉的重要性。優(yōu)化作物情景的結(jié)果特別突出，它不僅提供了一種實(shí)現(xiàn)區(qū)域福祉最大化的途徑，也為其他地區(qū)提供了可借鑒的模式。

4 討論與結(jié)論

4.1 討論

4.1.1 土地利用多樣性布局方案的比較和評(píng)價(jià) 本研究揭示了不同情景下土地利用多樣性布局方案在農(nóng)業(yè)生產(chǎn)、生態(tài)系統(tǒng)服務(wù)價(jià)值和人類福祉指數(shù)等多個(gè)維度上的顯著差異?；鶞?zhǔn)情景展現(xiàn)了一種平衡的土地利用布局，盡管未能最大化土地資源潛力，但是各項(xiàng)指標(biāo)表現(xiàn)中等。單一作物情景的布局失去了多樣性，農(nóng)業(yè)生產(chǎn)雖有所提升，但以犧牲生態(tài)系統(tǒng)服務(wù)價(jià)值和人類福祉為代價(jià)，導(dǎo)致整體指標(biāo)偏低。多樣化作物情景增強(qiáng)了土地利用的多樣性，雖然農(nóng)業(yè)生產(chǎn)略有下降，但生態(tài)系統(tǒng)服務(wù)價(jià)值和人類福祉指數(shù)均有所提升，整體指標(biāo)較高。而優(yōu)化作物情景實(shí)現(xiàn)了土地利用多樣性的最大化，不僅提高了農(nóng)業(yè)生產(chǎn)，同時(shí)也最大化了生態(tài)系統(tǒng)服務(wù)價(jià)值和人類福祉指數(shù)，各項(xiàng)指標(biāo)均達(dá)到最優(yōu)水平。綜合比較，優(yōu)化作物情景在綜合效益和可持續(xù)性方面表現(xiàn)最佳，可視為最優(yōu)或接近最優(yōu)的土地利用多樣性布局方案。這一發(fā)現(xiàn)強(qiáng)調(diào)了在土地利用規(guī)劃中追求多樣性的重要性，以及其對(duì)農(nóng)業(yè)生產(chǎn)、生態(tài)服務(wù)和社會(huì)福祉的綜合促進(jìn)作用。

4.1.2 生態(tài)系統(tǒng)服務(wù)之間的協(xié)同與權(quán)衡關(guān)系的分析研究結(jié)果表明，不同土地利用多樣性布局方案顯著影響生態(tài)系統(tǒng)服務(wù)之間的協(xié)同與權(quán)衡關(guān)系。在基準(zhǔn)情景中，生態(tài)系統(tǒng)服務(wù)展現(xiàn)出一定的協(xié)同效應(yīng)，但也存在著一些權(quán)衡。單一作物情景中，生態(tài)系統(tǒng)服務(wù)間的權(quán)衡更為明顯，糧食供給服務(wù)與其他服務(wù)呈現(xiàn)負(fù)相關(guān)性。相比之下，多樣化作物情景中服務(wù)間的協(xié)同作用較強(qiáng)，各項(xiàng)服務(wù)呈現(xiàn)正相關(guān)。而在優(yōu)化作物情景中，服務(wù)間的協(xié)同達(dá)到最高，所有服務(wù)高度正相關(guān)。綜合來(lái)看，優(yōu)化作物情景在實(shí)現(xiàn)服務(wù)間最大協(xié)同和最小權(quán)衡方面表現(xiàn)最佳，顯著提升了生態(tài)系統(tǒng)服務(wù)的整體效能和穩(wěn)定性。

4.1.3 生態(tài)系統(tǒng)服務(wù)之間的協(xié)同與權(quán)衡關(guān)系的影響因素和機(jī)制 本文采用的耦合模型為作物系統(tǒng)設(shè)計(jì)問(wèn)題提供了一種全面的解決框架，通過(guò)將作物生長(zhǎng)、土地利用變化、生態(tài)系統(tǒng)服務(wù)評(píng)估、多目標(biāo)優(yōu)化4個(gè)模塊相互整合，實(shí)現(xiàn)了對(duì)農(nóng)業(yè)生態(tài)系統(tǒng)復(fù)雜交互的深入分析。這些模塊分別捕捉了作物與環(huán)境因子的相互作用、土地利用的動(dòng)態(tài)變化、生態(tài)系統(tǒng)服務(wù)的供給狀況，以及農(nóng)業(yè)生產(chǎn)與人類福祉的綜合評(píng)價(jià)，共同塑造了生態(tài)系統(tǒng)服務(wù)之間的協(xié)同與權(quán)衡關(guān)系。具體而言，作物生長(zhǎng)模型揭示了不同作物對(duì)環(huán)境資源，如水分、養(yǎng)分、溫度和光照的需求，進(jìn)而影響了水源涵養(yǎng)、碳固定與氧釋放、土壤保持等服務(wù)的供給。土地利用變化模型則展現(xiàn)了不同土地利用類型和空間格局對(duì)土地利用多樣性指數(shù)和生態(tài)系統(tǒng)服務(wù)價(jià)值的影響。生態(tài)系統(tǒng)服務(wù)評(píng)估模型量化了各項(xiàng)服務(wù)對(duì)人類福祉的貢獻(xiàn)，而多目標(biāo)優(yōu)化模型則在多種目標(biāo)和約束中尋求最優(yōu)土地利用布局方案。綜上所述，耦合模型不僅模擬了作物系統(tǒng)設(shè)計(jì)的全過(guò)程，而且揭示了生態(tài)系統(tǒng)服務(wù)之間協(xié)同與權(quán)衡的內(nèi)在機(jī)制，為實(shí)現(xiàn)生態(tài)系統(tǒng)服務(wù)的最大化和土地利用的優(yōu)化提供了科學(xué)依據(jù)。

4.2 結(jié)論

本文以荊州市為案例，深入探討了區(qū)域土地利用多樣性對(duì)生態(tài)系統(tǒng)服務(wù)的影響，并提出了一種創(chuàng)新的基于耦合模型的優(yōu)化方法，旨在最大化農(nóng)業(yè)區(qū)域的土地利用多樣性及生態(tài)系統(tǒng)服務(wù)價(jià)值。主要發(fā)現(xiàn)和結(jié)論如下：

（1）耦合模型構(gòu)建。本文成功構(gòu)建了一個(gè)綜合作物生長(zhǎng)、土地利用變化、生態(tài)系統(tǒng)服務(wù)評(píng)估和多目標(biāo)優(yōu)化的耦合模型，全面模擬和解決了作物系統(tǒng)設(shè)計(jì)問(wèn)題。該模型綜合反映了作物與環(huán)境因子的相互作用、土地利用的動(dòng)態(tài)變化、生態(tài)系統(tǒng)服務(wù)的供給狀態(tài)、農(nóng)業(yè)生產(chǎn)能力、生態(tài)系統(tǒng)服務(wù)價(jià)值，以及人類福祉指數(shù)，揭示了生態(tài)系統(tǒng)服務(wù)之間的協(xié)同與權(quán)衡關(guān)系。

（2）情景比較。通過(guò)對(duì)基準(zhǔn)情景、單一作物情景、多樣化作物情景和優(yōu)化作物情景的比較，結(jié)果發(fā)現(xiàn)，優(yōu)化作物情景在生態(tài)系統(tǒng)服務(wù)價(jià)值和人類福祉指數(shù)方面表現(xiàn)最佳，同時(shí)保持了高水平的農(nóng)業(yè)生產(chǎn)。這一情景展現(xiàn)了最優(yōu)的土地利用多樣性布局，具有最高的綜合效益和可持續(xù)性，實(shí)現(xiàn)了生態(tài)系統(tǒng)服務(wù)之間的最大協(xié)同和最小權(quán)衡。

（3）創(chuàng)新和貢獻(xiàn)。本文的創(chuàng)新之處在于首次將作物系統(tǒng)設(shè)計(jì)問(wèn)題轉(zhuǎn)化為多目標(biāo)優(yōu)化問(wèn)題，并通過(guò)耦合模型進(jìn)行實(shí)證研究。這一方法論為農(nóng)業(yè)生態(tài)系統(tǒng)管理提供了新的視角和工具。本文的貢獻(xiàn)在于為區(qū)域土地利用多樣性布局方案的制定和評(píng)價(jià)提供了科學(xué)依據(jù)，為農(nóng)業(yè)生產(chǎn)、生態(tài)環(huán)境保護(hù)和人類福祉的協(xié)調(diào)發(fā)展提供了有效途徑和保障。

參考文獻(xiàn)：

[1] RENARD D， TILMAN D. National food production stabilized by crop diversity[J]. Nature， 2019， 571（7764）： 257-260.

[2] VON GREBMER K， BERNSTEIN J， NABARRO D， et al. 2016 Global hunger index： Getting to zero hunger[M]. Bonn： Welthungerhilfe， 2016.

[3] BEILLOUIN D， BEN-ARI T， MAKOWSKI D. Evidence map of crop diversification strategies at the global scale[J]. Environmental Research Letters， 2019， 14（12）： 123001.

[4] YING H， XUE Y F， YAN K， et al. Safeguarding food supply and groundwater safety for maize production in China[J]. Environmental Science & Technology， 2020， 54（16）： 9939-9948.

[5] MARTIN-GUAY M O， PAQUETTE A， DUPRAS J， et al. The new Green Revolution： sustainable intensification of agriculture by intercropping[J]. Science of the Total Environment， 2018， 615： 767-772.

[6] LI C J， HOFFLAND E， KUYPER T W， et al. Syndromes of production in intercropping impact yield gains[J]. Nature Plants， 2020， 6（6）： 653-660.

[7] CONG W F， ZHANG C C， LI C J， et al. Designing diversified cropping systems in China： theory， approaches and implementation[J]. Frontiers of Agricultural Science and Engineering， 2021， 8（3）： 362-372.

[8] 王秀娟， 康孟珍， 華凈， 等. 從群體到個(gè)體尺度——基于數(shù)據(jù)的DSSAT和GreenLab作物模型連接探索[J]. 智慧農(nóng)業(yè)（中英文）， 2021， 3（2）： 77-87.

[9] 張若楠. 高陵區(qū)國(guó)土空間利用質(zhì)量評(píng)價(jià)及耦合協(xié)調(diào)研究[D]. 西安： 長(zhǎng)安大學(xué)， 2021.

[10] 王雪然， 萬(wàn)榮榮， 潘佩佩. 太湖流域生態(tài)安全格局構(gòu)建與調(diào)控——基于空間形態(tài)學(xué)-最小累積阻力模型[J]. 生態(tài)學(xué)報(bào)， 2022， 42（5）： 1968-1980.

[11] 薛強(qiáng)， 路路， 牛韌， 等. 基于地質(zhì)災(zāi)害敏感性的生態(tài)安全格局關(guān)鍵區(qū)識(shí)別與修復(fù)——以濟(jì)南市為例[J]. 生態(tài)學(xué)報(bào)， 2021， 41（22）： 9050-9063.

[12] 魏家星， 張昱鎮(zhèn)， 連紫璇， 等. 基于生態(tài)供需空間的區(qū)域生態(tài)安全格局構(gòu)建研究——以蘇南城市群為例[J]. 長(zhǎng)江流域資源與環(huán)境， 2022， 31（2）： 387-397.

[13] 曹陽(yáng)楊. 作物種植密度優(yōu)化系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 哈爾濱： 東北農(nóng)業(yè)大學(xué)， 2021.

[14] XU Z， LI C J， ZHANG C C， et al. Intercropping maize and soybean increases efficiency of land and fertilizer nitrogen use; a meta-analysis[J]. Field Crops Research， 2020， 246： 107661.

[15] TANG X Y， ZHANG C C， YU Y， et al. Intercropping legumes and cereals increases phosphorus use efficiency; a meta-analysis[J]. Plant and soil， 2021， 460（1）： 89-104.

[16] YANG L， XU L， LIU B， et al. Non-crop habitats promote the abundance of predatory ladybeetles in maize fields in the agricultural landscape of northern China[J]. Agriculture， Ecosystems & Environment， 2019， 277： 44-52.

[17] LEE M B， GOODALE E. Crop heterogeneity and non-crop vegetation can enhance avian diversity in a tropical agricultural landscape in southern China[J]. Agriculture， Ecosystems & Environment， 2018， 265： 254-263.

[18] ZHAO J， YANG Y D， ZHANG K， et al. Does crop rotation yield more in China？ A meta-analysis[J]. Field Crops Research， 2020， 245： 107659.

[19] BELLON M R， KOTU B H， AZZARRI C， et al. To diversify or not to diversify， that is the question. Pursuing agricultural development for smallholder farmers in marginal areas of Ghana[J]. World Development， 2020， 125： 104682.

[20] WANG G Z， BEI S K， LI J P， et al. Soil microbial legacy drives crop diversity advantage： Linking ecological plant-soil feedback with agricultural intercropping[J]. Journal of Applied Ecology， 2021， 58（3）： 496-506.

[21] YU Q G， HU X， MA J W， et al. Effects of long-term organic material applications on soil carbon and nitrogen fractions in paddy fields[J]. Soil and Tillage Research， 2020， 196： 104483.