基于SD模型的江西省土地利用变化情景模拟

顾 茉 莉,叶 长 盛,李 鑫,胡 梦 姗

(东华理工大学地球科学学院，江西 南昌 330013)

0 引言

土地利用变化是全球环境变化和可持续发展的重要研究话题[1]，在自然与人文因素的综合作用下，土地利用变化过程的驱动和约束机制具有复杂性特征[2，3]。研究土地系统内部的运作过程、反馈作用及发展趋势，有助于了解区域经济发展和生态安全对土地的需求，保证经济发展、粮食安全和环境保护的良性循环[4]，对于推动国土空间规划政策体系科学制定、促进土地资源可持续利用、实现区域高质量发展和高品质生活[5]具有重要的理论和实践意义。

土地利用模型是研究土地利用变化规律、理解系统驱动机制、支持土地利用规划和政策制定以及有效评估土地利用对自然与社会经济发展影响的有力工具[6，7]，目前，基于土地利用模型构建驱动因素结构框架预测未来土地利用发展情景与需求已成为研究热点[8-10]。系统动力学(System Dynamics，SD)模型可有效反映土地利用变化与多种驱动力之间复杂的相互影响关系及因果循环反馈机制，适用于建立大规模、多变量、非线性的各类复杂系统[11，12]，在土地利用模拟方面具有良好的适用性。例如：秦钟等[13]利用不同土地类型间的相互转化构成系统内部的反馈关系，建立SD模型，模拟结果能有效预测广州市土地利用变化格局；李志等[14]运用SD模型对南京市江宁区土地利用变化进行模拟，为揭示城市边缘区土地利用变化特征及预防土地利用问题提供了参考；田贺等[15]构建土地利用变化SD模型预测中国生态区未来不同情景下的土地利用需求，一定程度上反映了气候变化对各类用地的影响及各类用地间的相互作用；还有学者将SD模型与元胞自动机模型[16-18]、CLUE-S模型[19，20]等结合模拟未来区域土地利用变化。

综上可知，前人研究通常将自然环境和社会经济等因素作为驱动因素，通过多个因子间的交互作用模拟土地利用系统内部的运作机制，而目前部分模型内容与情景设定中，未全面考虑各种影响要素间的具体联系和未来情景中的关键变量设定。如在构建特定类型建设用地需求时，模型中多关注居住用地与工业用地[21]，弱化了第三产业用地与经济发展的联系；在考虑经济与非农用地关系时，由非农产值转化为固定资产投资，随之带来城镇工矿用地扩张[22]，未全面考虑产值增长与人口以及经济与土地之间的关系；在设定情景模拟参数时，多关注人口、经济、农业进步层面[23，24]，而未考虑环境、资源、政策等方面的变化。因此，本文充分考虑多种因素之间的复杂交互效应，构建SD模型，在模型中整合土地利用与农产品需求、产业增长、固定资产投资、地均产值、能源消耗等变量的关系[25-28]，模拟江西省未来不同情景下土地利用变化趋势和规模，以期为江西省国土空间开发、保护及建设提供参考。

1 研究区概况与数据来源

江西省地处我国东南部(24°29′～30°04′N、113°34′～118°28′E)，属亚热带温暖湿润季风气候。2017年江西省总人口为4 462.06万人，城镇化率达54.6%，地区生产总值为20 006.31亿元，土地总面积为16.69万km2，其中农用地为16.07万km2(包括耕地、林地、草地和水域)，面积占比96.29%，建设用地为0.57万km2，面积占比3.41%，未利用地为0.05万km2，面积占比0.30%。近年来，江西省保持着10%左右的经济增长率，城镇化率稳步提高，“二胎”“三胎”政策相继开放，未来人口增长和社会经济变化会对土地利用结构产生深刻影响。土地资源既要支撑城镇化、工业化建设，也要保障耕地的供给，同时还要注重生态环境保护，因此，有必要对土地利用变化进行调控，平衡各类用地需求，以促进社会经济及土地资源可持续发展目标实现。

研究所需人口、社会、经济、环境等数据主要来源于《中国统计年鉴》《中国环境统计年鉴》。土地利用数据主要来源于《中国城乡建设统计年鉴》《中国国土资源统计年鉴》等，其中，城市第三产业用地包括商业服务业设施用地和物流仓储用地，而2000-2011年的商业服务业设施用地和公共管理与公共服务用地归并为公共设施用地，因此，2000-2011年商业服务业设施用地面积根据2012-2017年数据通过线性趋势估算；其他城市用地为城市建设用地中除居住、工业、第三产业、道路交通设施用地之外的建设用地[29]。对于《中国国土资源统计年鉴》与《中国环境统计年鉴》中部分年份缺失数据，利用SPSS软件中“替换缺失值”功能进行补充[30]。

2 模型构建

模型构建时将模拟区域作为一个相对独立的系统，将模型分为人口、经济、社会、资源、环境及政策六大子系统，以各子系统中的人口增长、社会经济发展、能源消耗、环境保护、政策调节等因素为影响力，从而驱动土地利用变化，保证整个系统的供需平衡(图1)，其中土地利用类型分为耕地、林地、草地、水域、建设用地及未利用地六大类。根据各类驱动因素分析各子系统和各变量间的相互作用关系，通过多次模拟试验，确定变量间的变化情况和方程关系(表1)，利用Vensim软件建立SD模型(图2)。本研究模拟时间范围为2000-2030年，时间步长为1年：2000-2017年为模拟阶段，通过历史数据对模型进行参数设定、评估及检验；2018-2030年为预测阶段，通过观察历史数据并分析发展趋势，对关键参数进行设定、组合，拟定不同模拟情景方案，预测未来土地资源需求。

图1 系统动力学模型结构Fig.1 Structure of system dynamics model

表1 主要方程Table 1 Main equations

图2 江西省土地需求SD模型Fig.2 SD model of land demand in Jiangxi Province

2.1 人口子系统

本文选择阻滞人口增长模型[31](Logistic模型)预测极限规则下的未来人口增长。该模型主要考虑到自然资源、环境条件等因素对人口增长的阻滞作用，由指数增长模型的基本假设进行修改后得到，人口增长率r随着人口数量的增加而下降，体现其阻滞作用。计算公式为：

(1)

式中：X(t)为t时刻人口数量；Xm为自然资源和环境条件所能容纳的最大人口承载力；X0为预测初期人口数。

以2000-2017年的历史统计人口为依据，通过MATLAB软件分别计算出Xm与r值，再带入式(1)中即可得到特定情景下的人口数量。

2.2 经济子系统

经济子系统中GDP增长率为最终消费拉动百分比、资产形成总额拉动百分比及货物和服务净出口拉动百分比之和。由生产函数确定三大产业增长值，同时加入土地要素投入量，其中农用地(包括耕地、草地、林地和水域)纳入第一产业生产函数，工业用地和第三产业用地分别纳入第二、三产业生产函数[29，30]，计算公式见式(2)，为便于计算，对等式两边取对数可得式(3)。

Q=AKαLβSγ

(2)

lnQ=lnA+αlnK+βlnL+γlnS

(3)

式中：Q为产业增长值；A为综合技术水平;K为固定资产投资；L为劳动力投入量；S为土地要素投入量；α、β、γ分别为固定资产、劳动力和土地要素的产出弹性系数。

2.3 社会子系统

社会子系统中居民人均消费支出、城市人均居住用地和农村人均建设用地指标在一定程度上代表着人民生活条件的改善程度和社会治理、保障的进步程度[32]。居民人均消费支出是社会消费需求的重要主体，是拉动GDP增长的直接因素；随着城镇化率逐年提高，农村人口向城市流动，城市住房需求不断增加，加上未来家庭规模小型化和住房条件改善等因素影响，城市人均居住用地将会继续增加[33]；农村人均建设用地与村镇建设用地相关联，城镇化发展过程中，农村人口减少可能会导致村镇建设用地呈下降趋势。

2.4 资源子系统

资源子系统包括能源和土地资源。能源消耗总量由GDP和单位GDP能耗控制，能源消耗伴随着“三废”排放，造成环境污染强度增加[34]。土地资源中，人均林地积蓄量决定林地需求，未利用地开发速率决定未利用地变化。由2000-2017年江西省土地利用数据计算结果可知，2000-2017年未利用地开发速率无明显规律，平均开发速率为0.3%，其中，2000-2010年平均开发速率为0.5%，2010-2017年开发速率几乎为零，所以在模拟阶段用表函数表示，预测阶段设置0、0.3%、0.5% 3个数值。

2.5 环境子系统

环境子系统主要考虑污染排放和污染强度。能源消耗增加的过程中，污染排放也随之增加，导致排放强度提高，最终影响人口死亡率和总人口变化。采用熵值法对“三废”排放量统一量纲并分配权重，得到最终排放强度[27]。计算公式为：

(4)

(5)

式中：aij为第i个方案第j(j=1,2,…,m)个指标的数值；m为评价指标数量；n为评价方案数量。

(6)

(7)

(8)

2.6 政策子系统

国家政策和地方政策对社会经济发展具有宏观调控作用，中国经济由高速增长阶段转向高质量发展阶段，未来产业结构不断优化[35]，市场调节和技术进步影响农产品需求与土地利用变化；随着生态文明建设持续推进[36]，污染治理投资比例不断增加，污染治理水平将会持续提升，其计算方式与污染排放强度相同；随着能源趋向清洁、低碳发展[37]，为应对全球气候变化和推动能源变革，单位GDP能耗会逐步下降[38]。

3 模型验证

3.1 历史数据模拟误差检验

将SD模型的模拟结果与真实数据进行对比，检验其拟合程度，判断模型的可靠性。选取总人口、国内生产总值、耕地、林地、草地等8个主要变量作为历史检验依据，计算2010年与2017年模拟值与实际值之间的相对误差(表2)。计算公式为：

相对误差=(模拟值-历史值)/历史值×100%

(9)

由表2验证结果可知，模拟值与历史值拟合程度总体良好，能正确反映真实系统的结构与作用机制。大部分变量的相对误差在±1%以内(通常认为模拟精度在±5%以内即能满足精度要求)。其中，2010年耕地、林地、水域、建设用地模拟值与实际值误差为负，说明建设用地供给较充分，耕地、林地和水域保护良好， 2017年耕地、林地、草地、水域及建设用地模拟值大于实际值，说明各类用地供应不足或需求有所下降；总人口模拟值与实际值误差率由负转正，说明实际人口增长速度由快逐渐放慢；GDP模拟值总体略高于实际值，说明经济发展相对平稳。

表2 2010年与2017年SD模型模拟结果验证Table 2 Validation of SD model simulation results in 2010 and 2017

3.2 参数灵敏度检验

通过调整模型关键参数值，检验模型输出对该参数正负变化的灵敏度[39]。计算公式为：

(10)

式中：S为输出变量Y对变化参数X的灵敏度；ΔY和ΔX为t时间内Y和X因参数调整而产生的变化值。当S(t)<1时，表明该参数为非敏感性因子；当S(t)>1时，表明该参数为敏感性因子。

本文从模型中选取16个关键参数进行灵敏度分析，将每个参数逐年增加或减少10%，考察参数变化对主要变量的影响[40，41]。通过计算得到2000-2017年各参数的灵敏度值，再求其平均值，得到16个主要变量对特定参数的平均灵敏度(表3)。其中，人口增长率、GDP增长率、居民人均消费支出、粮食/畜肉/水产品单产增长率、工业产值比例等变量均小于0.1，说明这些参数的变化对于系统的影响非常小，并且16个参数灵敏度均小于1，说明本文SD模型系统对大多数参数的变化均不敏感，证明土地需求系统动力学模型模拟效果良好，具有可靠性和稳定性，可用于模拟未来不同情景下的江西省土地需求。

表3 模型对参数变化的灵敏度分析Table 3 Sensitivity analysis of the model to parameter variation

4 土地需求情景模拟

4.1 情景设定

通过分析对比2000-2017年江西省的社会经济数据，基于区域实际情况，从人口、经济、社会、资源、环境及政策等层面选取城镇化率、人口增长率、GDP增长率、固定资产投资系数等15个指标作为调控变量进行组合设定。按照关键指标的不同组合，提出5种仿真情景模式：现状延续型、经济优先型、资源集约型、环境保护型和协调发展型(表4)，以此预测江西省未来的土地需求状况。

表4 江西省社会经济发展情景指标组合与方案设定Table 4 Scenario index combination and scheme setting of social and economic development in Jiangxi Province

现状延续型是基于历史数据(如经济、人口、城镇化率增长的趋势)设置的参考情景，该情景假设在没有新的经济或环境政策变动的情况下，社会经济发展保持当前态势，区域未来土地利用需求将延续过去的趋势；经济优先型以高经济增长、高资源消耗及低效能环境保护投入为主要特征，该情景下城市人口、经济迅速增长引起消费水平提升、住房需求增加以及对生活、自然环境的恶劣影响，导致土地利用发生极大转型；资源集约型注重资源保护，该情景下社会经济发展平稳、土地集约利用、能源消耗适中；环境保护型与经济优先型相反，即以低经济增长、低资源消耗以及高效能环境保护投入为主要特征；协调发展型综合权衡社会经济发展和生态环境保护等方面，参数主要按照历史数据取近几年均值或现状值，使各类用地协调发展。5种仿真情景模式下指标取值见表5。

表5 土地需求情景模式指标取值Table 5 Calculation methods of index values for land demand scenario model

4.2 情景模拟

根据预测结果(表6)，在5种社会经济发展情景下，环境治理水平、资源消耗及土地利用结构等差异明显。1)现状延续模式下，至2030年，人口增长至5 129.42万人，GDP达55 915.50亿元，能源消耗总量和污染强度介于5种模式之间，但污染治理水平最低，因此有必要对污染排放和环境保护措施做进一步调整。耕地、林地、草地、水域、建设用地及未利用地面积分别为496.45万hm2、1 023.71万hm2、57.19万hm2、59.88万hm2、76.91万hm2、3.73万hm2，与其他4种模式相比，草地面积保留最多，其他用地发展平衡，但总用地需求超出现状土地资源。2)经济优先模式下，快速城镇化的推进以及人口、经济的增长使得城市发展加快，忽视了生态环境保护，至2030年，人口增长至5 256.66万人，GDP为143 105.00亿元，经济的快速增长导致能源消耗过高，生态环境污染强度增加，应及时采取能源节约利用措施。各类用地分别为377.94万hm2、1 035.44万hm2、29.24万hm2、42.71万hm2、74.68万hm2、2.84万hm2，其中，草地、水域、建设用地在5种情景中减少最快，生态用地有一定下降，城镇化迅速发展使农村人口不断向城市转移，村镇建设面积减少，城市居住用地需求紧张，生活质量下降。3)资源集约型模式下，更侧重土地资源发展平衡，其人口和GDP增速相对稳定，至2030年，分别为5 125.90万人、56 490.50亿元，能源消耗总量和污染强度适中，各类用地发展较协调，分别为453.59万hm2、1 036.49万hm2、37.07万hm2、58.05万hm2、81.62万hm2、5.54万hm2，其中，林地、建设用地在5种模式中增长最多，生态、生活空间比例较合理，但以该模式作为未来情景模式，总用地需求会超出现状土地资源。4)环境保护模式下，更侧重社会经济平稳发展、生态环境治理。至2030年，人口、经济增长量均是5种模式中最低的，分别为4 896.10万人、53 330.00亿元，同时能源消耗最低，污染排放强度下降，污染治理水平提升，环境质量得到改善。各类用地发展较平衡，分别为480.64万hm2、1 003.05万hm2、55.29万hm2、61.68万hm2、77.73万hm2、5.54万hm2，耕地、草地及水域增幅最大，生态环境得到保护和发展，但社会经济发展停滞，总用地需求超出现状土地资源，需进一步提高土地利用集约度。5)协调发展模式与资源集约模式中的社会经济、土地等发展趋势相近。至2030年，人口为5 125.90万人，GDP为57 503.80亿元，能源消耗总量为15 386.80万t，各类用地分别为453.59万hm2、1 023.00万hm2、37.07万hm2、58.05万hm2、76.85万hm2、3.73万hm2。兼顾社会经济和土地资源的平衡发展，整体发展较合理，并且现状土地资源利用状况完全满足协调发展模式对土地资源的需求。

表6 不同发展情景下指标值与土地需求模拟结果Table 6 Simulation results of index values and land demand under different development scenarios

5 结论与讨论

本文通过整合土地利用与人口、经济、资源、环境等因素的关系，分析各种变量之间的因果反馈关联，构建土地需求SD模型，以2000-2017年为土地需求模拟阶段，2018-2030年为预测阶段，得出以下结论：1)历史数据模拟误差检验效果良好，主要变量误差均在±5%以内，且灵敏度分析结果较好，基本控制在±0.1以内，土地需求SD模型具备有效性、稳定性，能用于江西省未来土地利用情景模拟。2)2018-2030年江西省经济增长速度平缓提高，城镇化水平继续提升，总人口增长速度放缓，逐渐向高质量发展转型。未来需对粮食生产、畜牧业、水产品发展做进一步调整，提高单产增长率，避免生态用地缩减，建设用地应更注重生产、生活空间的合理配置。3)未来发展若以现状延续模式为主，至2030年，草地面积保留最多，其他用地发展较平衡，但总用地需求超出现状土地资源，需进一步提高土地集约度；若以经济优先模式发展，人口、经济增长最多，耕地、草地、水域、建设用地减少最快，同时伴随能源消耗总量和污染强度大幅增加，造成建设用地需求紧张、生态用地侵占较多，使生态、生活质量迅速下降；若以环境保护模式发展，社会经济发展相对平缓，各用地发展较平衡，且能源消耗最少，污染强度最低，污染治理水平最高，生态质量提升，人民生活得到改善；资源集约模式与协调发展模式中，人口、经济、资源、环境、土地等发展协调，并且现状土地资源利用状况完全满足协调发展模式对土地资源的需求。

根据江西省未来社会经济与土地需求发展趋势提出以下建议：第一，保证社会经济稳定发展。在城镇化和老龄化并行推进的背景下，应维持适度生育水平，保证人口年龄结构稳定，提升人力资本，进而提高劳动生产率，促进产业结构优化、社会经济增长。第二，注重生态环境保护。面向高质量发展阶段，需加强科技进步，加大环保资金投入，提升能源利用效率，降低能源消耗增幅，减少环境污染，提高居民生活品质。第三，促进土地资源合理利用。未来要确保耕地数量不减、质量提升，加强对林地、草地及水域等生态空间的严格保护和系统修复，防止建设用地扩张侵蚀生态用地。另外，随着农村人口向城市转移，城市用地需求增加，村镇建设用地进入减量化阶段，需要加强国土综合整治，高效开发闲置土地，盘活农村建设用地存量资源，为城市用地扩张提供土地资源。

由于未来发展面临众多不确定性，不同的发展趋势均会造成土地利用结构改变。但需明确的是，未来土地利用应同时满足生产、生活及生态空间需求，坚守耕地保护的底线思维，积极开展生态空间保护和修复，集约节约用地，提高土地利用效率(益)。本模型是在特定的情景下模拟预测未来江西省土地需求发展趋势，并非精准的变化结果，但能在一定程度上反映社会经济变化对各类用地的影响，体现不同政策导向下土地利用变化趋势和规模，可为土地利用系统调控和政策制定提供依据。