基于生态系统服务价值和生态安全格局的土地利用格局模拟

何　玲，贾启建，李　超，张　利，许　皞※

（1.河北农业大学国土资源学院，保定 071000；　2.国土资源部环渤海土地利用——河北沧州野外基地，沧州 061000；3.河北农业大学农村发展学院，保定 071000；　4.中国农业大学资源与环境学院，北京 100193）



基于生态系统服务价值和生态安全格局的土地利用格局模拟

何玲1,2，贾启建3，李超4，张利1,2，许皞1,2※

（1.河北农业大学国土资源学院，保定 071000；2.国土资源部环渤海土地利用——河北沧州野外基地，沧州 061000；3.河北农业大学农村发展学院，保定 071000；4.中国农业大学资源与环境学院，北京 100193）

摘要：河北省沿海经济的快速发展导致滨海土地利用格局快速转变，威胁土地生态安全。针对性核算区域生态系统服务价值，探寻生态安全格局进而优化土地利用格局可为土地利用规划与整治提供决策支持，是保障区域生态安全的必然选择。该文以河北省黄骅市为研究区，利用遥感、气象数据和外业调查数据，采用植被净第一生产力核算生态系统服务价值，借助该价值构建生态安全格局，以生态安全格局为影响因素利用元胞自动机和马尔科夫模型进行不同情境土地利用格局模拟。结果表明：2011年单位面积生态系统服务价值湿地最大，为14.95元/(m2·a)，建设用地最小，为2.44元/(m2·a)；养分循环功能贡献率最大，为26.89%，净化环境功能贡献率最小，为0.22%；研究区分为生态核心保护区、生态缓冲区、生态恢复区和人类活动核心区，生态核心保护区面积最小，为168.58 km2，生态缓冲区面积最大，为1 400.33 km2；无生态保护情景与生态安全格局保护情景相比较，生态系统服务价值由94.11亿元上升到95.70亿元，生态核心保护区在生态安全格局保护情景下得到完全保护，新增建设用地为0。该研究方法和结果可为区域土地利用总体规划、城市规划和生态环境保护提供技术支撑和决策参考。

关键词：土地利用；生态；优化；生态安全格局；生态系统服务价值；植被净第一生产力；黄骅市

何玲，贾启建，李超，张利，许皞. 基于生态系统服务价值和生态安全格局的土地利用格局模拟[J]. 农业工程学报，2016，32（3）：275－284.doi：10.11975/j.issn.1002-6819.2016.03.040http://www.tcsae.org

He Ling, Jia Qijian, Li Chao, Zhang Li, Xu Hao. Land use pattern simulation based on ecosystem service value and ecological security pattern[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(3): 275－284. (in Chinese with English abstract)doi：10.11975/j.issn.1002-6819.2016.03.040http://www.tcsae.org

0　引　言

随着中国城镇化进程的加快，人地矛盾日益突出，土地资源的生态安全受到威胁。缓解土地资源供求矛盾，扭转生态环境质量下降趋势，是实现土地资源可持续发展的必经之路。在此背景下，优化土地利用格局、保障区域生态安全和提升生态系统服务价值成为了土地利用领域的研究热点[1-2]。

土地利用格局是自然环境和人类社会相互作用的界面，其变化是各地类之间相互竞争的结果，具有复杂的过程和机理。深入探究地类间的竞争过程和演化机理，利用合适的模型模拟这一变化过程，进而预测未来土地利用格局有助于优化土地利用格局，提高区域生态环境质量。近年来，国内外众多学者对土地利用模拟进行了深入探索，取得了卓有成效的研究成果[3-7]，很多复杂的土地利用模型模拟了不同情境下土地利用变化，如元胞自动机模型（cellular automaton，CA）和马尔科夫（Markov）模型的结合，即CA-Markov模型，有效发挥了CA模型强大的空间运算能力和Markov模型高精度预测的优势。Al-Ahmadi等[8]基于CA模型提出了模糊元胞自动机方法用于模拟城市的空间扩展；Sivanandam[9]等通过遗传智能CA模型将CA模拟结果与分类结果的差值作为目标函数，提高了CA模型模拟的精度；Morita等[10]构建了可逆CA模型，并研究了相关特性；Alonso-Sanz 等[11]提出了具有记忆功能的CA模型；Liu Xiaohang和Andersson[12]运用CA-Markov模型模拟了不同城市的扩张过程；杨青生等[13]采用SVM-CA（support vector machine cellular automaton）模型模拟了深圳市发展变化过程；张利等[14]运用CA-Markov模型对曹妃甸土地利用变化进行了动态模拟；王丽萍等[15]将灰色模型与CA模型结合模拟了佛山市土地利用格局变化。

生态安全指人类生活、生产的基本保障和来源以及适应环境变化的能力等不受威胁的状态[16]。生态安全关系到人类的生存与发展，土地利用中的生态安全问题日渐凸显，且受到国内外众多学者的广泛关注，其研究在地学、生态学、资源科学等领域迅速发展。当前的生态安全研究多集中于生态安全格局（ecological security pattern，ESP）构建[17-20]和生态系统服务价值（ecosystem services value，ESV）核算[21-23]。前者主要围绕ESP划分方法进行研究，Robert[24]和俞孔坚等[25]做出了突出贡献；后者主要围绕不同尺度[26-28]和不同生态系统[29-31]的ESV估算，估算方法以Costanza[32]、欧阳志云[23,27,29-30]和谢高地等[33]为代表。

国内外学者分别对土地利用格局模拟、ESP构建和ESV核算进行了大量研究，但将三者相结合的研究鲜有报道，亟需进行深入探索。河北省黄骅市濒临渤海，发展港口经济的定位使得该市十几年来经济发展迅速，土地利用结构发生复杂变化，对区域生态安全构成了严峻威胁。利用ESV构建ESP，并通过ESP优化土地利用格局，进而提升区域ESV，对保护与提升该区生态安全意义重大。本文基于植被净第一生产力（net primary productivity，NPP）中CASA（carnegie-ames-stanford approach）模型估算ESV，以ESV为阻力建立ESP，以ESP和中高等基本农田为影响因素进行不同情境土地利用格局模拟，最后用ESV对不同情境土地利用格局的生态影响进行检验，得出最佳土地利用格局，以期对黄骅市土地利用总体规划和生态保护提供参考。

1　研究区概况

黄骅市位于河北省东南部，海河平原黑龙港流域最东端，介于38°09′～38°39′N，117°05′～117°49′E之间，总面积2 177.83 km2，海岸线65.8 km。黄骅市地貌类型为退海淤积和冲积平原，地势低洼平坦，从西南向东北缓缓倾斜，海拔高程在1～7 m之间。气候属暖温带半湿润季风气候，因濒临渤海湾略具海洋性气候特征，有“气候温和、光照充足、降雨集中、四季分明”的特点，年平均气温13℃左右，年蒸发量1 500～2 000 mm，降水量500～600 mm。黄骅市土类分为潮土、盐土和沼泽土3个土类。因受地形、冲积母质和土体构型影响较大的缘故，全市土壤瘠薄，盐碱化程度严重，pH值在7.5～8.5之间；土壤含盐量在0.3%以上，最高达3.29%；土壤有机质含量较低，平均为9.5 g/kg，肥力偏低。植物种类较少，大部分为草本和灌木植物，乔木较少。

2　数据来源及研究方法

2.1数据来源及处理

2.1.1土地利用类型数据的来源与处理

为保证数据的一致性，用于模拟的2期土地利用类型数据均采用遥感影像解译数据。数据来自地理空间数据云，空间分辨率均为30 m，轨道号122/33，Landsat7 ETM+影像，成像时间2000年6月10日，云量为0，2011年6月25日，平均云量为1.5。2011年6月25日影像图云层明显位于图幅中上部，黄骅市位于该图的左下部，左下角云量为0.78，基本未被云层遮盖。为准确获取数据，在ENVI4.7软件支持下，对该图幅进行去云处理。将2000年和2011年影像依据黄骅市国土资源局提供的1:50万2011年土地利用现状图进行几何校正，按照黄骅市行政界线进行图像裁剪，进行几何精校正，最后对图像进行增强处理。

2011年土地利用现状图为黄骅市2011年土地调查更新数据成果，用于对遥感影像图进行几何校正及模拟过程中各种距离图件的提取与制作。

2.1.2归一化植被指数（NDVI）的来源与处理

NDVI数据来自地理空间数据云，为MOD13Q1的MODIS数据产品，时间跨度为2011年1～12月，需对原始数据进行裁剪、大气校正，辐射校正，几何校正。MODIS数据产品为16 d合成的250 m空间分辨率的植被指数。基于蒙继华等创立的时空适应性反射率融合模型中尺度转换算法[34]，将MODIS数据与Landsat TM数据进行融合，模拟获得空间分辨率30 m的逐月时间序列NDVI数据，融合影像计算的NDVI与真实中空间分辨率影像计算的NDVI间相关性达到了0.938，满足了NPP估算中空间分辨率的统一。同时为保证与气象数据的时间分辨率保持一致，采用最大值合成法将数据进行合成，使数据受云的影响最低，生成研究区逐月NDVI数据，用于NPP核算。

2.1.3气象数据的来源与处理

由中国气象数据资源共享服务网获得黄骅、泊头、沧州市3个站点的气象数据，并从黄骅市周边20个县气象局收集获取各县2011年全年的日气象数据。通过数据汇总计算，获得黄骅市及周边各县各月的平均降水量、蒸发量、平均温度、风速、太阳辐射量、日照时数、湿度、水汽压、大气压及极端最高、最低气温等气象数据。通过ARCGIS10.0软件的空间插值功能，对各月各气象数据分别进行反距离加权空间插值[35]，分别获得分辨率为30 m×30 m的2011年黄骅市1～12月平均降水量、蒸发量、平均温度、风速、太阳辐射量、日照时数、湿度、水汽压、大气压及极端最高、最低气温分布数据。

2.1.4外业调研数据的来源与处理

1）土壤数据来源与处理

在行政区划图、土地利用现状图和土壤类型分布图的综合基础上，按照各乡镇面积，平均布设样点，在地形复杂、利用方式复杂的区域适当多布点，布设303个样点（图1）。2014年7月采集样点0～20 cm土样。全部土样用土壤农化常规方法测定土壤全氮、全磷、全钾及容重。其中，土壤全氮采用半微量开氏法测定，土壤全磷采用高氯酸—硫酸酸溶法测定，土壤全钾采用氢氧化钠熔融—火焰光度法测定，土壤容重采用环刀法测定。

图1　研究区调查样点分布图Fig.1　Distribution of survey sample in study area

2）物种数目数据来源与处理

结合土壤数据调查样点，在研究区内布设样点303个，每个样点为1 m×1 m研究小区。考虑到气温、降水对地表植被的影响，选择反映地表植被信息较多的7月份进行样地调查，对每个研究区进行详细的物种辨别、分类及取样。由于受动物活动场所及时间的限制，仅以植物为代表进行研究。

2.1.5中高等地基本农田分布数据的来源与处理

根据2009年国土资源部发布的《中国耕地质量等级调查与评定》中的划分方法，将质量等别为5～8等和9～12等的耕地分别划分为高等地、中等地，运用ARCGIS软件，从《黄骅市2011年耕地质量补充完善成果》中提取等别为5～12等的耕地图斑，再与2011年黄骅市基本农田图叠加，生成黄骅市中高等地基本农田图。

2.2研究方法

2.2.1NPP估算方法——CASA 模型

NPP是单位时间单位面积内植被所积累的有机物质总量，是光合作用产生的有机物质和自养呼吸所消耗有机物质的差值[36]。其公式为

式中NPP为植被净第一生产力，g/(m2·a)（以C计）；GPP为总第一生产力，g/(m2·a)（以C计）；R为呼吸消耗量，g/(m2·a)（以C计）。

式中FPAR是植被吸收的入射光合有效辐射比例，%；PAR是太阳入射光合有效辐射，MJ/(m2·a)；f(T)代表温度胁迫系数；T为温度，℃；f(β)代表水分胁迫系数；β为蒸发比；εmax代表最大光能利用率，%。

根据CASA模型，运用ARCGIS软件栅格计算器，对2011年黄骅市NPP进行估算，获得NPP空间分布情况。

2.2.2ESV估算方法

1）物质生产功能。绿色植被通过光合作用将CO2和H2O转化为有机质的过程，该功能为人类及其他生物提供最基础的能量。

式中Vom为物质生产价值，元/(m2·a)；NPP(x)为x像元处每年生产的有机物质量，g/(m2·a)（以C计）；Pom是有机物质价格，元/g（以C计）；n为像元数。

2）养分循环功能。绿色植被通过光合作用，将氮（N）、磷（P）、钾（K）和无机环境中其他营养元素转化为有机质，为其生命提供所需营养物质的过程。

式中Vc为养分循环价值，元/(m2·a)；Vci（ x）为x像元处单位面积上积累的第i种营养元素价值，元/(m2·a)；i代表N、P、K 3种元素；Ri1为i元素在不同生态系统生产的有机质中的分配率，%；Ri2为i元素折算成化肥的比例，%；Pi为i肥的价格，元/t。

3）气体调节功能。主要指光合作用下植物释放O2，调节空气质量功能。

式中Vsfo为气体调节价值，元/(m2·a)；O2V为工业制氧单位价格，元/g（以C计）。

4）气候调节功能。主要指植物通过光合作用与呼吸作用固定的CO2对气候进行调节。

式中VxSC为气候调节价值，元/(m2·a)；CO2V依据瑞典碳税率换算的CO2单位质量价格，元/g（以C计）。

5）水源涵养功能。主要指水源对水分的调节与供应。水分调节指下垫面为水域时，生态系统对水域调节；水分供应指下垫面为土壤时，生态系统为区域内各类生物提供水分。本文采用替代工程法计算生态系统水源涵养价值。

式中VWC为水源涵养价值，元/(m2·a)；V(x)为x像元处每年单位面积涵养水量，m3/m2；PW为修建水库单位库容平均成本，元/m3。

当下垫面是土地时，水源涵养公式如下

式中VS(x)是下垫面为土地时x像元处每年单位面积涵养水源量，m3/m2；Pmean(x)为x像元处逐月降水量，mm/m2；KW为产流降雨量占总降雨量的比例；RW为地表植被减少径流系数。

当下垫面是水域时，水源涵养公式如下

式中VWC(x)是下垫面为水域时x像元处每年单位面积涵养水源量，m3/m2；ETa(x)为x像元处逐月实际蒸散量，mm/m2。

6）净化环境功能。主要表现吸收分解有毒物质、吸附尘埃和杀灭细菌等多种功能。本文仅对各土地利用类型吸收分解SO2、HF、NOx和吸附尘埃的作用进行价值计算。

式中Vce为净化环境价值，元/(m2·a)；Qab为a土地利用类型对b有害物质吸收的量，g/(m2·a)；Cab为a土地利用类型b有害物质单位治理成本，元/g；Sa为土地利用类型面积，m2；a为不同土地利用类型，取值为1～9；b为不同有害物质，取值为1～4。

7）生物多样性维持功能。选用α多样性指数计算功能价值。α多样性指数用于研究区域均匀生境下的物种数目，也称为生境内多样性。式中H为α多样性指数；Pt为属于种t的个体在全部个体中的比例；m为物种数目。

根据野外调查数据，将计算出的生物多样性指数进行空间插值，得出黄骅市生物多样性指数空间分布数据。参照国家林业评估标准《森林生态系统服务功能评估规范》中的物种保育指数分级价值结果（表1），将生物多样性指数转化为货币价值，进而得出生物多样性价值。

8）娱乐文化功能。该功能价值通过研究区旅游收入来体现。黄骅市2011年文化旅游总收入8.69亿，主要旅游景点有南大港湿地自然保护区、古贝壳堤自然保护区、古贡冬枣园、岐口炮台遗址、世博园游乐园等。各生态类型娱乐文化价值比值为：草地：园地：水域：湿地=1:19:115:727.5；耕地、盐碱地、盐田、建设用地的娱乐文化价值不计入本研究。

ESV中还包括土壤侵蚀价值，研究区濒临渤海，海拔高程在1～7 m之间，且属于构造下沉地区。因此，本研究暂不考虑减少废弃土地价值、减少土壤养肥流失价值、减少淤泥淤积价值。

式（1）～（7）价值均通过ARCGIS软件栅格计算器，根据各价值评估模型，得出各栅格价值，经加总平均得出各功能价值。

2.2.3ESP构建方法

生态安全格局（ecological security pattern，ESP）指维护土地生态安全和健康的空间格局，是社会获得持续的生态系统服务的基本保障[25]。构建ESP基本步骤如下：1）确定源。源具有促进生态过程、维持生态系统稳定性的作用。为了生态保护的有效性，综合考虑生态源地的结构、数量及空间地形分布，选取了研究区内核心斑块面积大于5 hm2的湿地、水库和主要河流为生态源地。2）判别空间阻力关系。阻力值的确定是关键，本研究以ESV为基础，利用单位面积的ESV确定生态源地的阻力面。其中ESV越高，阻力值越小，反之越大。3）划分不同安全级别区。依据土地利用现状图、生态源地图、累积阻力值图和ESV空间分布图，确定研究区ESP。

2.2.4土地利用格局模拟方法

CA模型由单元、状态、领域及转换四部分组成，元胞空间是所有土地类型的集合，每个元胞在下一时刻的状态由该元胞当前状态、邻域元胞状态和转换规则确定[37]。Markov模型基于马尔科夫链，通过对事件某一时刻不同状态的初始概率及状态之间的转移关系来研究该时刻状态的变化趋势。通过IDRISI软件中的Markov模块和CA-Markov模块对土地利用类型的数量及空间变化进行预测，基本步骤如下：

1）创建Markov转移概率矩阵。将2000年和2011年土地利用类型图叠加，利用Markov模型得到一种土地利用类型的元胞转移到其他土地利用类型的概率。

2）创建适宜性图集。利用多标准评价（multi-criteria evaluation，MCE）方法中的模糊隶属度函数确定适宜性图集。适宜性图集是指由某种土地利用类型的若干适宜性图像所组成的图像集，包含限制因素图集和影响因素图集。本文限制因素图集为生态源地图和中高等地基本农田分布图，研究期间任何地类不得扩展占用；影响因素图集包括到交通干线的距离、到城市中心的距离、到农村居民点距离及生态安全格局图（安全级别最低区），各距离图从2011年土地利用现状图中依地类图斑属性提取，在ARCGIS中利用Eucdistance工具生成，各属性分别制作成图，随着距离的增加，扩展适宜性降低。影响因素在模拟时需标准化到0～255（0代表不适宜，255代表最适宜），采用IDRISI软件中S型单调增函数或减函数及J型单调增函数或减函数进行标准化[38]。各地类分别建立适宜性图集，最后利用IDRISI软件中的collection editor功能合并生成黄骅市土地利用类型转换适宜性图集。

3）确定迭代次数。CA-Markov模型模拟的时间跨度相等，模拟时以2011年土地利用格局为起始时刻，预测2022年土地利用格局，模型中的迭代次数设置为11。

4）构造CA滤波器。CA模型采用滤波器定义元胞空间，CA滤波器产生具有重要空间意义的权重因子，一般采用扩展的摩尔型邻域空间。本研究采用IDRISI中标准5×5滤波器作为元胞状态的邻域，即每个中心元胞周围5×5元胞组成的矩阵空间对该元胞状态的改变有显著影响。

5）情景模拟。本研究设置了2个情景：ESP保护情景和无生态保护情景。无生态保护情景在建设用地扩展模拟时只考虑了距交通干线距离、距城市中心距离等少数几个影响因素，没有考虑ESP保护；ESP保护情景加入了对生态源地的保护，将生态源地和中高等基本农田设为限制因素，将2个限制因子标准化为布尔图像，生态源地和中高等基本农田设为0，其他设为1；影响因素标准化后确定权重（特尔斐法）如建设用地到交通干线、城市中心、农村居民点和生态安全格局（安全级别最低区）的距离按0.25、0.3、0.2和0.25的权重构建适宜性图集用于ESP保护情景模拟。

6）模拟精度验证。以2000年数据为基础，模拟2011年土地利用类型图，利用IDRISI软件中VALIDATE模块对2011年现状图和模拟图进行空间相关统计分析，逐像元对比，当Kappa系数超过0.75时，模拟符合研究要求。

3　结果与分析

3.1NPP估算结果

经计算，黄骅市2011年全年NPP总量达15.9478万亿g（以C计），单位面积平均NPP量约为727.5365 g/m2（以C计），2011年全年NPP变化范围为0～1 008 g/m2（以C计）。NPP低值区明显集中在沿海，主要地类为盐田和港口等建设用地，高值区除沿海外，在全区较均匀分布（图2a）。

3.2生态系统服务价值估算结果

2011年，黄骅市单位面积ESV构成中，湿地贡献率最大，达30.57%，其娱乐文化功能、水源涵养功能和养分循环功能突出；其次是水域，贡献率为14.95%，其水源涵养功能和养分循环功能较强；建设用地单位面积ESV最低，为2.44元/(m2·a)，贡献率仅有4.97%；园地、耕地、草地、其他土地、盐田和盐碱地单位价值依次降低（表2，图2b）。

图2　2011年黄骅市NPP与ESV空间分布图Fig.2　Spatial distribution of NPP and ESV in Huanghua city in 2011

表2　2011年滨海生态系统各土地利用类型单位面积生态系统服务价值Table 2　Ecosystem services value of each land use type in per unit area on coastal land in 2011　　　　　　　元·m-2·a-1

3.3生态安全格局设计结果与分析

3.3.1生态源地的提取及耗费距离表面的构建

生态源地是城镇扩张的生态底线，对维持区域生态系统稳定性具有重要意义，将其纳入核心保护区范围内。生态源地图（图3a）和ESV空间分布图（图2b）叠加，共同反映源地扩散的阻力大小，ESV越高，生态流运行的阻力就越小，其阻力值越低（图3b）。

图3　黄骅市生态源地和累积阻力值图Fig.3　Ecological source land and accumulative resistance data of Huanghua city

3.3.2ESP构建

根据耗费距离值的突变情况，利用ARCGIS中自然断点功能，将研究区分为生态核心保护区（耗费距离值0～269.70）、生态缓冲区（耗费距离值＞269.70～704.20）、生态恢复区（耗费距离值＞704.20～1708.05）和人类活动核心区（耗费距离值＞1708.05～3820.64）（图4）。其中生态核心保护区面积最小，为168.58 km2，占总面积的7.74%，生态核心保护区生态功能最强，是促进生态环境健康发展的核心区域；生态缓冲区面积最大，为1 400.33 km2，占总面积的64.30%，该区域生态结构稳定，对区域生态环境不会产生重大影响；生态恢复区面积为436.58 km2，占总面积的20.05%，该区域ESV较低；人类活动核心区主要分布在城镇中心及沿海的港口码头，面积为172.34 km2，占总面积的7.91%，该区人类活动非常集中，ESV很低。

图4　黄骅市生态安全格局图Fig.4　Ecological security pattern of Huanghua city

3.4土地利用模拟验证

将2000年土地利用类型图作为模拟起始状态，运用CA-Markov模型和上述转移概率矩阵对2011年土地利用状况进行模拟，将模拟结果与2011年土地利用类型图对比验证（表3）。结果表明，预测的9种地类总Kappa系数为0.81，总精度为86.20%，各地类系统精度和用户精度均超过75%，其中，水域、湿地和盐田模拟精度超过90%，精度符合要求。

表3　2011年黄骅市土地利用类型模拟结果精度评价Table 3　Accuracy assessment on simulative land use types in Huanghua city in 2011

3.5两种情景下土地利用模拟结果

以2011年土地利用类型图为初始状态，分别对无生态保护情景和生态保护保护情景下黄骅市2022年土地利用格局进行模拟（图5）。

图5　2022年不同情景下黄骅市土地利用模拟结果Fig.5　Land use simulation results of Huanghua city in 2022 under different scenarios

由表4得出，ESP保护情景与无生态保护情景相比较，湿地、水域和耕地得到保护，面积分别相差10.94、2.17和19.57 km2，其他地类在ESP保护情景下面积均低于无生态保护情景，其原因为ESP保护情景限制了建设用地等地类的扩张，尤其是限制了对湿地、水域和耕地的占用。湿地、水域和耕地ESP保护情景下的ESV有不同程度上升，分别增加了1.63、0.16 和0.88亿元，其余6种地类的ESV均略有降低，总ESV由94.11亿元上升到95.70亿元，区域生态系统服务价值得到提高。

无生态保护情景与ESP保护情景下新增建设用地情况如表5所示，新增建设用地由19.06减少到8.90 km2，少增加10.16 km2；无生态保护情景下，11.20%的新增建设用地分布在生态核心保护区内，ESP保护情景下新增建设用地全部分布在生态核心保护区之外，生态缓冲区、生态恢复区和人类活动核心区内新增建设用地面积较无生态保护情景均有所降低，分别降低1.66、1.74、4.63 km2，但占总新增建设用地比例分别增加2.08、2.75和6.37个百分点，其原因为ESP保护情景下总新增建设用地减少，部分原来在生态核心保护区内的新增建设用地向其他区域转移的结果。ESP保护情境对保护区域生态环境有较好作用，基于ESP保护模拟的土地利用格局较无生态保护情境下自然发展形成的土地利用格局更利于区域生态安全发展。

表4　2022年滨海生态系统服务价值Table 4　Ecosystem services value on coastal land in 2022

表5　2022年黄骅市各生态安全格局范围内的新增建设用地面积Table 5　Proportion of new-increasing construction land within different ecological security pattern of Huanghua city in 2022

4　结论与讨论

本文针对性核算了研究区ESV，将ESV用于构建ESP，利用CA-Markov模型以ESP为影响因素进行了2种情景土地利用格局模拟，并再次利用ESV对2种土地利用格局的生态环境质量进行检验，结果表明：

1）2011年，单位面积ESV大小依次为：湿地＞水域＞园地＞耕地＞草地＞其他土地＞盐田＞盐碱地＞建设用地；各单项ESV贡献率从大到小依次为：养分循环＞水源涵养＞娱乐文化＞物质生产＞生物多样性＞气体调节＞气候调节＞净化环境。

2）研究区可分为生态核心保护区、生态缓冲区、生态恢复区和人类活动核心区。其中生态核心保护区面积最小，为168.58 km2，占总面积的7.74%；生态缓冲区面积最大，为1 400.33 km2，占总面积的64.30%；生态恢复区面积为436.58 km2，占总面积的20.05%；人类活动核心区面积为172.34 km2，占总面积的7.91%。

3）无生态保护情景与ESP保护情景相比较，湿地、水域和耕地得到保护，区域ESV由94.11亿元上升到95.70亿元，区域生态环境得到了有效保护，尤其是生态核心保护区在ESP保护情景下得到了完全保护，区域内新增建设用地为0。

本研究可为黄骅市土地利用总体规划、城市规划和环境规划提供有力的决策依据。由于资料获取的限制，在进行土地利用格局模拟时对政策和人类活动因素分析较少；同时直接选用了CA-Markov模型，不同模型间的模拟精度没有进行比较。因此，下一步应加强土地利用格局演变驱动因素研究和不同模型模拟精度的对比，以提高研究结果的科学性。

[参考文献]

[1] Terry L Sohl, Peter R Claggett. Clarity versus complexity: Land-use modeling as a practical tool for decision makers[J]. Journal of Environmental Management, 2013, 41(16): 235－243.

[2] 陈佑启，杨鹏. 国际上土地利用/土地覆盖变化研究的新进展[J]. 经济地理，2001，21(1)：95－100. Chen Youqi, Yang Peng. Recent progresses of international study on land use and land cover change(LUCC)[J]. Economic Geography, 2001, 21(1): 95－100. (in Chinese with English abstract)

[3] Te Brommelstroet M T. Equip the warrior instead of manning the equipment[J]. Journal of Transport and Land Use, 2010, 3(1): 25－41.

[4] Sterling S M, Ducharne A, Polcher J. The impact of global land-cover change on the terrestrial water cycle[J]. Nature Climate Change, 2012, 3(4): 385－390.

[5] 陈百明，张凤荣. 我国土地利用研究的发展态势与重点领域[J]. 地理研究，2011，30(1)：1－9. Chen Baiming, Zhang Fengrong. Trend and priority areas in land use research of China[J]. Geographical Research, 2011, 30(1): 1－9. (in Chinese with English abstract)

[6] 曹银贵，张笑然，白中科，等. 黄土区矿－农－城复合区土地利用时空转换特征[J]. 农业工程学报，2015，31(7)：238－246. Cao Yingui, Zhang Xiaoran, Bai Zhongke, et al. Temporal-spatial transformation characteristics of land use types in composite area of ore-agriculture-urban in Loess Area[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(7): 238－246. (in Chinese with English abstract)

[7] Jokar A J, Helbich M, Kainz W, et al. Integration of logistic regression and markov chain models to simulate urban expansion[J]. International Journal of Applied Earth Observation and Geoinformation, 2013, 21: 265－275.

[8] Al-Ahmadi K, See L, Heppenstall A, et al. Calibration of a fuzzy cellular automata model of urban dynamics in Saudi Arabia[J]. Ecological Complexity, 2009, 6(2): 80－101.

[9] Sivanandam S N, Deepa S N. Introduction to Genetic Algorithms[M]. Berlin: Springer, 2009.

[10] Morita K. Computation in reversible cellular automata[J]. International Journal of General Systems, 2012, 41(6): 569－581.

[11] Alonso-Sanz R, Bull L. One-dimensional coupled cellular automata with memory: Initial investigations[J]. Journal of Cellular Automata, 2010, 5(1/2): 29－49.

[12] Liu Xiaohang, Andersson C. Assessing the impact of temporal dynamics on land use change modeling[J]. Computers, Environment and Urban Systems, 2004, 28(1/2): 107－124.

[13] 杨青生，黎夏. 基于支持向量机的元胞自动机及土地利用变化模拟[J]. 遥感学报，2006，10(6)：836－846. Yang Qingsheng, Li Xia. Cellular automata for simulating land use changes based on support vector machine[J]. Journal of Remote Sensing, 2006, 10(6): 836－846. (in Chinese with English abstract)

[14] 张利，周亚鹏，门明新，等. 基于不同种类生态安全的土地利用情景模拟[J]. 农业工程学报，2015，31(5)：308－316. Zhang Li, Zhou Yapeng, Men Mingxin, et al. Land use scenario simulation with different types of ecological security[J]. Transactions of the Chinese Society of Agricultural Engineering Transactions of the CSAE), 2015, 31(5): 308－316. (in Chinese with English abstract)

[15] 王丽萍，金晓斌，杜心栋，等. 基于灰色模型_元胞自动机模型的佛山市土地利用情景模拟分析[J]. 农业工程学报，2012，28(3)：237－242. Wang Liping, Jin Xiaobin, Du Xiaodong, et al. Land use scenarios simulation of Foshan city based on gray model and cellular automata model[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2012, 28(3): 237－242.(in Chinese with English abstract)

[16] 肖笃宁，陈文波，郭福良. 论生态安全的基本概念与研究方法[J]. 应用生态学报，2002，13(3)：354－358. Xiao Duning, Chen Wenbo, Guo Fuliang. On the basic concepts and contents of ecological security[J]. Chinese Journal of Applied Ecology, 2002, 13(3): 354－358. (in Chinese with English abstract)

[17] 裴欢，魏勇，王晓妍，等. 耕地景观生态安全评价方法及其应用[J]. 农业工程学报，2014，30(9)：212－219. Pei Huan, Wei Yong, Wang Xiaoyan, et al. Method of cultivated land landscape ecological security valuation and its application[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2014, 30(9): 212－219. (in Chinese with English abstract)

[18] 张杨，严金明，江平，等. 基于正态云模型的湖北省土地资源生态安全评价[J]. 农业工程学报，2013，29(22)：252－258. Zhang Yang, Yan Jinming, Jiang Ping, et al. Normal cloud model based evaluation of land resources ecological security in Hubei province[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2013, 29(22): 252－258. (in Chinese with English abstract)

[19] 李明月，赖笑娟. 基于BP神经网络方法的城市土地生态安全评价：以广州市为例[J]. 经济地理，2011，31(2)：289－293. Li Mingyue, Lai Xiaojuan. Evaluation on ecological security of urban land base on BP neural network: A case study of Guangzhou[J]. Economic Geography, 2011, 31(2): 289－293. (in Chinese with English abstract)

[20] 苏泳娴，张虹鸥，陈修治，等. 佛山市高明区生态安全格局和建设用地扩展预案[J]. 生态学报，2013，33(5)：1524－1534. Su Yongxian, Zhang Hong´ou, Chen Xiuzhi, et al. The ecological security pattems and construction land expansion simulation in Gaoming[J]. Acta Ecologica Sinica, 2013, 33(5): 1524－1534. (in Chinese with English abstract)

[21] 曹智，闵庆文，刘某承，等. 基于生态系统服务的生态承载力：概念、内涵与评估模型及应用[J]. 自然资源学报，2015，30(1)：1－11. Cao Zhi, Min Qingwen, Liu Moucheng, et al. Ecosystem-service-based ecological carrying capacity: Concept, content, assessment model and application[J]. Journal of Natural Resources, 2015, 30(1): 1－11. (in Chinese with English abstract)

[22] 胡喜生，洪伟，吴承祯. 土地生态系统服务功能价值动态估算模型的改进与应用：以福州市为例[J]. 资源科学，2013，35(1)：30－41. Hu Xisheng, Hong Wei, Wu Chengzhen. An improved dynamic evaluation model and land ecosystem service values for Fuzhou city[J]. Resources Science, 2013, 35(1): 30－41. (in Chinese with English abstract)

[23] 欧阳志云，朱春全，杨广斌，等. 生态系统生产总值核算：概念•核算方法与案例研究[J]. 生态学报，2013，33(21)：6747－6761. Ouyang Zhiyun, Zhu Chunquan, Yang Guangbin, et al. Gross ecosystem product: Concept framework and case study[J]. Acta Ecologica Sinica, 2013, 33(21): 6747－6761. (in Chinese with English abstract)

[24] Robert B, Gerard W. Smart growth principles and the management of urban sprawl[J]. Community Evelopment, 2011, 42(4): 494－510.

[25] 俞孔坚，王思思，李迪华. 区域生态安全格局：北京案例[M].北京：中国建筑工业出版社，2011.

[26] 赵景柱，徐亚骏，肖寒，等. 基于可持续发展综合国力的生态服务评价研究：13个国家生态系统服务价值的测算[J]. 系统工程理论与实践，2003(1)：121－126. Zhao Jinzhu, Xu Yanjun, Xiao Hong, et al. Ecosystem services evaluation based on comprehensive national power for sustainable development[J]. System Engine Theory Practice, 2003(1): 121－126. (in Chinese with English abstract)

[27] 欧阳志云，王效科，苗鸿. 中国陆地生态系统服务功能及其生态经济价值的初步研究[J]. 生态学报，1999，19(5)：607－613. Ouyang Zhiyun, Wang Xiaoke, Miao Hong. A primary study on Chinese terrestrial ecosystem service[J]. Acta Ecologica Sinica, 1999, 19(5): 607－613. (in Chinese with English abstract)

[28] 郭荣中，杨敏华. 长株潭地区生态系统服务价值分析及趋势预测[J]. 农业工程学报，2014，30(5)：238－246. Guo Rongzhong, Yang Minhua. Ecosystem service value analysis and trend prediction in Chang-Zhu-Tan region[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2014, 30(5): 238－246. (in Chinese with English abstract)

[29] 方瑜，欧阳志云，肖燚，等. 海河流域草地生态系统服务功能及其价值评估[J]. 自然资源学报，2011，26(10)：1694－1706. Fang Yu, Ouyang Zhiyun, Xiao Yan, et al. Evaluation of the grassland ecosystem services of the Haihe river basin[J]. Journal of Nature Science, 2011, 26(10): 1694－1706. (in Chinese with English abstract)

[30] 江波，欧阳志云，苗鸿，等. 海河流域湿地生态系统服务功能价值评价[J]. 生态学报，2011，31(8)：2236－2244. Jiang Bo, Ouyang Zhiyun, Miao Hong, et al. Ecosystem services valuation of the Haihe river basin wetlands[J]. Acta Ecologica Sinica, 2011, 31(8): 2236－2244. (in Chinese with English abstract)

[31] 田耀武，肖文发，黄志霖. 基于AnnAGNPS模型的三峡库区黑沟小流域退耕还林生态系统服务价值[J]. 生态学杂志，2011，30(4)：670－676. Tian Yaowu, Xiao wenfa, Huang Zhilin. Ecosystem services value of converting crop land to forestland in Heigou watersh ed in Three Gorges Reservoir area based on AnnAGNPS model[J]. Chinese Journal of Ecology 2011, 30(4): 670－676. (in Chinese with English abstract)

[32] Costanza R, Arge R, Groot R, et al. The value of the world ecosystem services and natural capital[J]. Nature, 1997, 387: 253－260.

[33] 谢高地，甄霖，鲁春霞，等. 一个基于专家知识的生态系统服务价值化方法[J]. 自然资源学报，2008，23(5)：911－919. Xie Gaodi, Zhen Lin, Lu Chunxia, et al. Expert knowledge, based on valuation method of ecosystem services in China[J]. Journal of Natural Resources, 2008, 23(5): 911－919. (in Chinese with English abstract)

[34] 蒙继华，吴炳方，杜鑫，等. 高时空分辨率NDVI数据集构建方法[J]. 遥感学报，2011，15(1)：44－59. Meng Jihua, Wu Bingfang, Du Xin, et al. Method to construct high spatial and temporal resolution NDVI DataSet-STAVFM[J]. Journal of Remote Sensing, 2011, 15(1): 44－59. (in Chinese and English)

[35] 蔡福，于贵瑞，祝青林，等. 气象要素空间化方法精度的比较研究：以平均气温为例[J]. 资源科学，2005，27(5)：173－179. Cai Fu, Yu Guirui, Zhu Qinglin, et al. Comparison of precisions between spatial methods of climatic factors: A case study on mean air temperature[J]. Resources Science, 2005, 27(5): 173－179. (in Chinese with English abstract)

[36] 刘春雨，董晓峰，刘英英. 不同尺度视角下大敦煌NPP分布格局研究[J]. 资源科学，2014，36(2)：406－412. Liu Chunyu, Dong Xiaofeng, Liu Yingying. Distribution pattern of NPP based on the transformation of different scales in Great Dun Huang[J]. Resources Science, 2014, 36(2): 406－412. (in Chinese with English abstract)

[37] 王建英，李江风，张丽琴，等. 基于生物多样性保护的土地利用结构预测[J]. 农业工程学报，2012，28(4)：221－226. Wang Jianying, Li Jiangfeng, Zhang Liqin, et al. Prediction of land use structure based on biodiversity conservation[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2012, 28(4): 221－226. (in Chinese with English abstract)

[38] Mitsova D, Shuster W, Wang X H. A cellular automata model of land cover change to integrate urban growth with open space conservation[J]. Landscape and Urban Planning, 2011, 99(2): 141－153.

Land use pattern simulation based on ecosystem service value and ecological security pattern

He Ling1,2, Jia Qijian3, Li Chao4, Zhang Li1,2, Xu Hao1,2※
(1. College of Land and Resources, Agricultural University of Hebei, Baoding 071000, China; 2. Cangzhou Field Research Station, Hebei-land Use of Circum Bohai Sea for the Ministry of Land and Resources, Cangzhou 061000, China; 3. College of Rural Development, Agricultural University of Hebei, Baoding 071000, China; 4.College of Resources and Environmental Sciences, China Agricultural University, Beijing 100193, China)

Abstract:The rapid development of coastal economy in Hebei Province has caused rapid transition of coastal land use pattern, which has threatened land ecological safety. Specifically calculating ecosystem services value (ESV) and constructing ecological security pattern (ESP) and optimizing land use pattern have become an inevitable choice for providing decision support for land use planning and control as well as regional ecological security. Using RS (remote sensing), meteorological and field investigation data, the article chooses the following functions including material production, nutrient cycling, gas regulation, climate regulation, water conservation, environment purification, biodiversity maintenance, and entertainment and culture function, uses CASA (carnegie-ames-stanford approach) model to calculate EV, and then the article takes accumulative resistance model to determine ecological corridors and ecological node in Huanghua City. ESP is constructed, which takes ecosystem services value(ESV) as resistance. At last, taking ESP as one of influencing factors, a study on land use scenario simulation with different constraints has been carried out by the CA (cellular automaton) -Markov model. Two scenarios are no ecological conservation scenario and ESP conservation scenario. The results show that ESV per unit area for wetland is the largest, which is 14.95 Yuan/(m2·a), and that for construction land is the smallest, only 2.44 Yuan/(m2·a). ESV per unit area in different land use types is listed from high to low as follows: wetland, water, garden, cultivated land, grass, other land, saltern, saline land, and construction land. The contribution of nutrient cycling function is the largest, and environment purification function is the smallest. The largest percentage is 26.89%, and the smallest is 0.22%. The order of ESV for different functions from high to low is: nutrient cycling, water conservation, entertainment and culture, material production, biodiversity maintenance, gas regulation, climate regulation, and environment purification function. The ecological corridors and ecological node in Huanghua City are mainly distributed in the river in western areas, and the eastern coastal wetland. The study area can be divided into ecological core protection zone, ecological buffer zone, ecological restoration zone and human activity core zone. The proportion of ecological core zone is the smallest, which is only 168.58 km2, while the proportion of ecological buffer zone is the largest, which is 1 400.33 km2. Ecological restoration zone is 436.58 km2and human activity core zone is 172.34 km2. Simulation under 2 scenarios is carried out to compare the impact of different land use patterns. No ecological conservation scenario is a continuation of the current trends and involves only limited constraints. The ESP conservation scenario simulation incorporates ESP and basic cultivated land conservation constraints, i.e. the ecological source land and basic cultivated land cannot be changed into construction land. The results indicate that under ESP conservation scenario, the newly increasing construction land declines to 8.90 km2, which is 19.06 km2under no ecological conservation scenario. In the scenario simulation with ESP conservation, the areas of wetland, water and cultivated land are larger than that under no ecological conservation scenario. ESV rises to 9.57 billion Yuan in the scenario simulation with ESP conservation, and without ecological conservation it is 9.41 billion Yuan. An increase of 0.16 billion Yuan indicates that ESP conservation scenario is more effective to environment protection. Especially within the range of ecological core protection zone, the quantity of newly increasing construction land is zero under ESP conservation scenario, while it is 11.20% without ecological conservation. This method and the results can provide guidances and references not only for general land use planning and city planning, but also for ecological conservation in Huanghua City and other cities.

Keywords:land use; ecology; optimization; ecological security pattern(ESP); ecosystem service value(ESV); net primary productivity(NPP); Huanghua city

通信作者：※许皞，男，河北定兴人，教授，博士，博士生导师，研究方向：土壤与土地资源持续利用。保定河北农业大学国土资源学院，071000，Email：xuhao22003@126.com

作者简介：何玲，女，河北保定人，副教授，博士生，研究方向：土地生态、土地持续利用与土地整治。保定河北农业大学国土资源学院，071000，Email：helingsss@163.com

基金项目：国土资源部公益性行业科研专项经费项目（201311060）；河北省科技支撑计划项目（132276329）

收稿日期：2015-07-09

修订日期：2015-12-27

中图分类号：F301.2

文献标志码：A

文章编号：1002-6819(2016)-03-0275-10

doi：10.11975/j.issn.1002-6819.2016.03.040