基于InVEST模型的万年县生境质量时空演变与景观格局分析

吕大伟，蔡海生*，张学玲，罗海玲，曾 珩，张 婷

（1.江西农业大学 江西省鄱阳湖流域农业资源与生态重点实验室，江西 南昌 330045；2.江西农业大学 富硒农业产业发展研究中心，江西 南昌 330045；3.江西省土地开发整理中心，江西 南昌 330002）

【研究意义】生境质量评价是当前生态学领域研究的热点问题，对于区域生态系统管控以及区域协调可持续发展具有重要意义[1]。近些年，随着生态环境问题受到越来越多人的关注，保护生态环境成为生态文明建设的重要内容；而区域生境质量的高低，是判定区域生态环境优劣的重要标准[2]。生境质量是指一定范围内的生态系统能够提供个体或种群持续发展和生存条件的能力，在某种意义上可以反映出该区域内的生物多样性，景观格局的变化与其有着紧密相关性。提高生境质量被看作是维护区域生态安全和人类幸福感的关键环节，因此分析区域生境质量的时空动态变化具有非常重要的实用性价值[3-4]。【前人研究进展】国内外学者针对城市群、流域、海岸线和丘陵地区等作为研究对象，以其土地利用变化对生境质量影响作出分析、运用InVEST 模型计算区域生境质量变化与景观格局相关性分析等研究方面取得了丰硕的成果[5-7]。如：刘春芳等[8]基于土地利用变化对黄土丘陵地区的生境质量时空演变特征进行研究；刘智方等[9]基于土地利用变化对福建省生境质量时空变化进行研究；李骞国等[10]基于生境质量对绿洲城镇空间扩展进行模拟研究；朱燕等[11]基于InVEST 模型对昌黎黄金海岸国家级自然保护区进行生境质量评价。【本研究切入点】本文运用InVEST 模型计算出研究区生境质量并呈现其时空演变特征，通过运用GeoDa 软件表现研究区生境质量的空间集聚特征并运用Fragstats 软件和SPSS 平台将生境质量与景观格局指数进行相关性分析[12-14]。【拟解决的关键问题】通过上述软件与模型方法的计算，对研究区生境质量时空演变规律及其与景观格局指数的相关性进行深入分析，以期为研究区生态环境保护及其治理提供合理有效的数据支撑和思路方法。

1 数据来源与研究方法

1.1 研究区概况

万年县位于江西省上饶市，地处江西省东北部地区，县域土地面积1 140.76 km²；地理坐标为28°30′15″～28°54′5″N，116°46′48′～117°15′10″E。该县地貌类型主要以丘陵、岗地为主，平原地区为辅；地势东南高西北低，中部地区为丘陵地区，夹杂小面积平原，呈现出阶梯形状，东南部地区群山起伏，最高峰海拔685 m，西北部地区与鄱阳相邻水系众多，地势较低，最低海拔11.5 m。万年县属于亚热带季风气候，年均气温约为17.5 ℃，年降水量1 908 mm，年日照1 739.2 h，无霜期295 d。万年县土壤类型包括水稻土、石灰土、红壤土、红色石灰土、紫色土、潮土，类型丰富多样。本文以万年县作为研究区（图1）探究生境质量时空演变与景观格局分析。

图1 研究区位置示意图Fig.1 Sketch map of the location of the study area

1.2 数据来源

本文所用数据包括DEM 高程数据（30 m 分辨率）、遥感影像数据（30 m 分辨率），数据均源于地理空间数据云平台（http：//www.gscloud.cn/）。文中2000、2010 和2020 年土地利用数据均是基于遥感影像，利用ENVI5.3 软件，通过辐射定标、大气校正等相应步骤，最后经过目视解译以及精度校正所获得；采用LUCC 分类体系对3 期土地利用数据进行分类，分别为11-水田、12-旱地、21-有林地、22-灌木林、24-其他林地、31-草地、41-河渠、43-水库坑塘、46-滩地、51-城镇用地、52-农村居民点、53-其他建设用地。

1.3 研究方法

1.3.1 基于InVEST 模型计算生境质量 近些年，国外涌现出各种有关生态评估的模型方法，其中不乏较为实用性的模型，包括ARIES、MIMES和SoLVES等。众多模型中，以InVEST 模型最为成熟，该模型所涵盖的众多模块都较为实用，相较于其他生态评价模型，该模型在空间分析及精度方面具有较为显著的优势[15]。InVEST模型的原理是通过区域景观类型敏感性和外部胁迫度相结合计算生境质量，再根据生境质量的优劣性进一步评估区域生物多样性的服务功能。基于InVEST模型对土地利用变化与区域生境质量评价的研究，在生态学领域已出现大量的研究成果[16]。本文利用InVEST3.7.0软件中的Habitat Quality 模块计算研究区2000、2010和2020年的生境质量指数，分析其时空演变规律。具体计算公式[17]如下：

式 （1）中：Qxj指土地利用类型j中栅格单元x的生境质量指数；Hj指土地利用类型j的生境适宜程度，取值范围在0～1；z指尺度常数；k指半饱和参数，一般设为0.5，具体要根据数据进行自定义；Dxj指土地利用类型j中栅格单元x的生境退化度指数，具体计算公式[17]如下：

式（2）中：r指胁迫因子；R指胁迫因子数目；Yr指胁迫因子的栅格数目；Wr指胁迫因子权重；ry指单个栅格单元上对应的胁迫因子数目；βx指栅格单元x的可达性水平，取值范围在0～1；Sjr指土地利用类型j对应的胁迫因子r的敏感性程度，取值范围在0～1；irxy指栅格单元y的胁迫因子值ry对栅格单元x的影响距离，具体可分为线性衰退和指数衰退计算，具体计算公式[17]如下：

式（3）、（4）中：dxy指栅格单元x和栅格单元y之间的直线距离；drmax指胁迫因子r的最大影响距离。

需要在Habitat Quality 模块中输入的数据主要包括研究区土地利用类型数据、研究区生境胁迫源数据（各土地利用类型的胁迫因子权重以及土地利用类型对胁迫因子敏感性）等；本文在参考大量相关文献[18]和InVEST模型用户手册的基础上，经过实地调研观察并收集相关数据，结合万年县不同土地利用类型的实际变化情况制定了相关参数（表1、2）。

表1 研究区胁迫因子权重Tab.1 Stress factor weight table in the study area

表2 研究区各土地利用类型对胁迫因子敏感性Tab.2 Sensitivity of each land use type to stress factors in the study area

1.3.2 GeoDa空间自相关分析 为探究研究区生境质量指数在空间上的分布情况，本文利用GeoDa软件中的空间分析功能对生境质量指数进行全局自相关和局部自相关分析[19]，Moran’s I 指数是最为重要和基础的计算方法。具体的计算公式[20]如下：

全局Moran’s I指数计算公式：

局部Moran’s I指数计算公式：

式（5）、（6）中：n指检测值数目；xi、xj指检测值i和检测值j的空间位置；Wij指i和j的空间位置关系，当二者相邻时，Wij=1，当二者不相邻时，Wij=0。

1.3.3 景观格局指数计算 在景观生态学研究领域中，景观格局指数被各位专家学者广泛应用，考虑到本文的研究目的和意义、研究区景观格局分布特征，最终选取10 个生态学意义较大的景观格局指数[21-22]，分别为：最大斑块指数（LPI）、边缘密度（ED）、平均斑块面积（AREA-AM）、面积加权平均斑块分维数（AWMPFD）蔓延度指数（CONTAG）、散布与并列指标（IJI）、景观导度指数（COHESION）、景观分割度指数（DIVISION）、香农多样性指数（SHDI）和香农均匀度指数（SHEI）。通过Fragstats 软件中的Patch Analysis模块对数据进行计算，并运用SPSS平台计算生境质量与景观格局指数的相关性。

2 结果与分析

2.1 土地利用类型空间分布变化

遥感影像经过解译后，将研究区土地利用类型分为六类，分别为耕地、林地、草地、水域、建设用地以及未利用地。2000—2020 年研究区各土地利用类型空间分布变化如图2 所示，其中以林地和耕地为主要分布类型，二者共占研究区总面积的83.14%以上。近年来，在城市扩张的影响下，研究区建设用地的空间分布变化最为显著，2000、2010 和2020 年建设用地面积分别为18.92，114.61，95.73 km²；其中2000—2010 年期间的土地开发利用强度最大，因此建设用地增幅最大，各地类斑块破碎程度较大；而2010—2020 年在土地开发利用的同时对之前不合理的土地利用进行规范化整治，使建设用地集中连片，破碎化程度也随之减弱。研究区林地覆盖率较高，生境质量基础较好，如何在城市化进程带来影响的同时保持原有良好的生态环境质量，对研究区生态文明建设以及贯彻“绿水青山就是金山银山”理念具有重要现实意义。

图2 研究区土地利用类型空间分布（2000—2020年）Fig.2 Spatial distribution map of land use types in the study area（2000—2020）

2.2 研究区生境质量时空演变分析

本文基于InVEST模型中Habitat Quality模块计算得到2000、2010和2020年万年县生境质量指数，再通过ArcGis 软件中Reclassify 功能将0～1范围的生境质量指数利用自然断点法划分成5个等级：低级、较低级、中级、较高级和高级，最终形成万年县生境质量时空分布（图3）。

图3 研究区生境质量指数时空分布（2000—2020年）Fig.3 Temporal and spatial distribution of habitat quality index in the study area（2000—2020）

由此分析可知：万年县2000、2010 和2020 年生境质量指数均值分别为0.700 7、0.637 1 和0.698 2，标准差分别为0.323 7、0.370 1 和0.336 9；各年生境质量指数低级区域面积分别占全域的4.81%、14.22%和8.40%；各年生境质量指数高级区域面积分别占全域的52.65%、46.50%和49.74%。这表明，近年来万年县生境质量呈现出先变差后变好的大致趋势。总体上讲，研究区西北部地区和中部地区多为平原地区及人类活动密集地带，生境质量相对较差；而东南部地区多为林地且地势较高，受人类活动影响较小，生境质量相对较好。由于受到城镇化及人类活动等影响，2000—2010 年生境质量明显下降，生境质量低级区面积十年间增加9.41%，而高级区面积减少6.15%；随着生态文明建设的开展以及地方政府的大力协助，2010—2020 年生境质量低级区面积减少5.82%，高级区面积增加3.24%。通过上述分析进一步明确了研究区生境质量时空演变的具体情况，为研究区生态环境保护提供了一定的思路与数据支撑。

表3 研究区生境质量空间统计Tab.3 Spatial statistics of habitat quality in the study area

2.3 空间自相关分析

2.3.1 全局空间自相关分析 为进一步探究研究区生境质量在空间分布上的规律性，本文利用GeoDa空间分析软件对研究区2000、2010和2020年的生境质量进行全局、局部空间自相关分析。散点图（图4）结果显示：研究区2000、2010 和2020 年全局Moran’s I 指数分别为0.571、0.608 和0.656，指数均为正值，各个点主要分布在第一、三象限，这表示研究区3个时期的生境质量在空间分布上均呈正相关，生境质量指数值的集聚现象比较明显且集聚性越来越强；这也符合研究区实际情况，随着城镇化的扩张和人类活动的增强，生境质量的连通性和扩散化程度也随之增强，致使研究区生境质量指数的集聚性增强。分析研究区生境质量全局空间自相关性能够有效了解该地区生境质量的空间分布状况以及聚集程度，为研究区生态环境保护和国土空间规划提供一定的参考价值。

图4 研究区生境质量Moran’s I散点图（2000—2020年）Fig.4 Moran’s I scatter plot of habitat quality in the study area（2000—2020）

2.3.2 局部空间自相关分析 在分析研究区生境质量的空间分布规律后，本文又运用LISA 聚类图和显著性图进行局部空间自相关分析，如图5、图6、图7，在LISA 聚类图中，红色区域表示自身和周围地区的生境质量值都高（高-高）；深蓝色区域表示自身生境质量值高而周围地区低（高-低）；蓝色区域表示自身和周围地区的生境质量值都低（低-低）；深红色区域表示自身生境质量值低而周围地区高（低-高）。结果显示：研究区2000、2010 和2020 年生境质量空间集聚性规律较为明显，高-高区域主要分布在东南部地区和中南部地区，该地区多为有林地且地势较高，生境质量较好；低-低区域主要分布在西北部和城镇中部地区，多为耕地及人类活动密集地区，生境质量较差；其中，高-低和低-高区域仅在2000 年有零星分布，说明该地区2000 年之后生境质量出现向两个极端靠拢的趋势，即生境质量的低值区和高值区增加。在自然因素和人为因素的共同作用下，研究区生境质量呈现出当前的空间分布格局，以自然条件为基础开展社会活动是人类遵循的自然规律，相较于东南部地区，西北部和中部城区的自然条件较好，更适宜人类活动，因此受人类干预的程度也较大，生境质量也会较低，因此出现集聚性空间分布格局。

图5 研究区生境质量聚类分析和显著性分析（2000年）Fig.5 The cluster map and significance map of habitat quality in the study area（2000）

图6 研究区生境质量聚类分析和显著性分析（2010年）Fig.6 The cluster map and significance map of habitat quality in the study area（2010）

图7 研究区生境质量聚类分析和显著性分析（2020年）Fig.7 The cluster map and significance map of habitat quality in the study area（2020）

通过分析研究区生境质量局部空间自相关性，可以较好地突显出该地区生境质量在空间分布上的高值区和低值区，为加强研究区生态保护提供具体实施方向。

2.4 生境质量与景观格局指数相关性分析

加强区域生境质量与景观格局变化的相关性分析，对探究区域生态系统服务价值功能变化具有重要的实践意义。通过对研究区的生境质量进行空间自相关分析，发现该地区生境质量空间分布呈现明显集聚特征，针对此现象，本文将研究区划分为138 个区域（乡、村）作为评价单元，基于Fragstats 软件和SPSS 平台对研究区2000、2010 和2020 年3 期的生境质量进行景观格局指数计算，并进一步探究二者之间的相关性。

结果（图8）表明：研究区生境质量与选取的景观格局指数始终保持中度或低度的相关性，其中，2000 年达到极显著水平的景观格局指数仅有LPI、ED、AREA-AM、AWMPFD、IJI、DIVISION；而2010 和2020年的各项景观格局指数均达到极显著水平，由此分析可知，研究区整体的生境质量与景观格局指数的相关性逐步增强。2000—2020年正处于经济开发建设的快速发展阶段，大量土地被开发利用，景观形状趋于复杂，斑块破碎程度加深；其中，LPI、ED、IJI、DIVISION、SHDI、SHEI 指数在不同年份呈现出负相关性，这主要是由于研究区耕地和林地面积广阔，斑块面积大，整体性良好，其最大斑块越大，受到胁迫的生境质量也会越差，比如：研究区耕地景观斑块一定程度的破碎化，会干扰生态景观连通性以及植被净初级生产力水平，从而进一步影响生态系统的自我调节能力；而在以林地为主的研究区东南部地区，林地的斑块面积越大，其生态服务价值越高，林地斑块面积的减小或形状的变异，会导致生态系统功能的下降，从而进一步影响区域生境质量变化。随着城市化进程和人类活动的影响，各个地类斑块形状会发生不规则变化，研究区生境质量与景观格局指数的相关性也会进一步加强。

图8 研究区生境质量与景观格局指数相关性（2000—2020年）Fig.8 Correlation diagram of habitat quality and landscape pattern index in the study area（2000—2020）

3 结论与讨论

3.1 结论

本文基于InVEST模型、GeoDa以及Fragstats等专业软件，分析2000—2020年研究区生境质量时空演变规律以及景观格局变化，得到的结论与前人的研究成果相一致，具有合理的科学依据：

（1）从时间跨度上，20年来，研究区整体的生境质量水平呈先降低后升高的趋势，但总体变化幅度不大，同时景观格局破碎化程度逐步加深，这与此时期高强度的人类活动和土地开发利用有着密切联系。（2）从空间格局上，研究区生境质量具有较高的空间聚集性，其中以西北部、中部城区以及东南部地区最为显著，这与该地区的自然和人为因素有着很大关联，地形地貌等自然因素决定了生境质量的基底，土地利用等人为因素改变了生境质量的趋势。（3）整体来讲，研究区生境质量较好，但较之前有所下滑，本文通过一系列技术方法，分析阐述研究区20年间生境质量的时空演变，以期为万年县和其他地区在生态环境保护及治理等方面提供一定的实践思路，为生态文明建设贡献力量。

3.2 讨论

作为江西省级园林城和中国绿色名县，近年来，万年县正经历城镇化建设快速发展阶段以及经济水平迅猛增长时期，在这一时期，由于出现大量不科学的资源利用方式以及过度开发行为，导致水土流失等生态问题日益严重。国土空间规划是综合考虑人口、经济、土地利用、生态保护等因素所制定的可持续发展的空间蓝图，是开展各项人类活动的基础，其中生态因素是国土空间规划需要考虑的重点内容；本文通过一系列分析，摸清了研究区整体生态环境的基本情况，明确指出需要保护的生态优良区和需要治理的生态脆弱区，为万年县生态保护和国土空间规划提供了合理科学的数据支撑。研究显示，2000—2020年，万年县生境质量随城市扩张呈下降趋势并且集聚性显著，该地区应在做好生态保护与生态风险管控的基础上，进一步加强生境质量低且退化严重地区的生态优化工作，以及生境质量高且轻度退化地区的生态保育工作，并结合当地的土地承载力与适宜性拟出一条具有万年县特色的土地利用发展道路。尤其在生境质量低且退化严重的区域，切勿以“摊大饼”的形式开发土地资源，应该有针对性地强化土地资源节约集约利用，进一步提高该区域土地产出效率；与此同时，要以新型城镇化建设为主导方向，在保护现有生态环境的基础上，进一步强化城镇资源的优化配置以提高城镇土地资源的生态系统服务价值功能，提升在城镇化发展过程中的生境质量水平。

本文基于InVEST 模型的评估结果，较好地揭示了近年来研究区生境质量时空演变规律，并进一步分析生境质量和景观格局的相关性。本研究仍存在一些有待加强的地方（:1）近些年，InVEST 模型的发展已经较为成熟和完善，在精度以及空间动态分析等方面相较于传统生态评估方法更加准确，但在计算过程中模型参数的设置存在一定程度的主观性，其合理性需要进一步探讨（;2）文中仅在时间维度上对生境质量和景观格局的相关性进行探讨，今后的研究需要增加空间尺度的分析，使二者的相关性更加立体。

致谢：江西省高校人文社科重点研究基地项目（2018-32）和江西省土地开发整理中心项目（9131207547）同时对本研究给予了资助，谨致谢意！