基于CLUE-S和InVEST模型的苏州市生境质量评估及预测

唐娇娇，余成，张委伟，陈德超,*

1.苏州科技大学环境科学与工程学院

2.苏州科技大学地理科学与测绘工程学院

近年来，中国城镇化进程不断加快，2020年中国城镇化率提升至63.89%，预计2030年将达70%[1]。城市的快速扩张和土地利用的变化将大量耕地、水域等生态用地转变为建设用地，破坏了生态系统结构，影响区域的生境质量。因此，基于城市化进程中土地利用变化的生境质量演变评估和预测，对于建立综合生态规划体系、应对全球可持续发展的巨大挑战具有现实意义。

生境质量是指自然环境提供适合个体和种群持续存在条件的能力，可指示生态环境好坏，是人类与自然、其他种群的和谐、可持续发展的重要决定条件[2-3]。而土地利用变化会影响生境质量，因此对生境质量的现状及演变趋势进行评估是近年的热点研究[4]。常玉旸等[5]基于网络分析法和空间自相关理论，评估了2000——2018年京津冀地区生境质量与景观格局演变及关联性。石小伟等[6]以天津市武清区为研究对象，分析1980——2018年的土地利用数据，利用InVEST模型进行生境质量模块水平数值测度，探究京津都市圈发展对大都市郊区土地利用变化与生境质量的影响。彭建等[7]采用生态系统服务价值评价模型、InVEST模型和空间分析模型等评估安徽省黄山市1987——2017年生境质量。周婷等[8]综合运用双变量空间自相关和地理加权回归，对1995——2015年神农架林区人类活动与生境质量的空间关系进行研究。陈雅倩等[9]采用InVEST模型分析了河北省唐县2000年、2007年和2016年未利用土地开发前后的生境质量演变情况。Yang[10]以湖北省太行山区为例，研究山地生境质量演变及其与土地利用变化的关联。现有研究大多分析过去和现在的生境质量变化，但预测评估未来土地利用变化下的生境质量研究较少，而评估未来的生境质量对区域发展有借鉴意义。

苏州市作为长三角城市圈重要的经济增长极，在生态文明建设方面一直备受关注。近年来苏州市经济发展迅速，城市快速扩张导致生态环境受到一定程度的影响，因此从土地利用演变的角度评估苏州市生境演变特征并进一步完善区域土地资源的开发利用及优化配置，对于维持生态平衡，实现苏州市可持续发展目标具有重要意义。笔者在参考相关资料并对苏州市进行充分调研的基础上，基于CLUE-S模型模拟检验苏州市2018年的土地利用覆被拟合度，运用InVEST模型的生境质量模块对2010年、2018年、2030年自然情景和生态保护情景下生境质量进行评估，分析2010——2030年生境质量的时空演变，以期为土地利用的开发和生态环境的保护提供科学依据。

1 数据与方法

1.1 研究区概况

苏州市（119°55′E～121°20′E，30°47′N～32°02′N）位于江苏省东南部，地形以平原为主，约占全市总面积的55%，境内河流众多，水域占全市面积的36.6%（图1）。苏州市属亚热带季风海洋性气候，四季分明，气候温和，自然条件优越，2020年平均气温为17.3 ℃，年降水量为 1 196.5 mm。截至2020年11月，苏州市常住人口为1 274.82万人[11]。

图1 研究区域行政区划Fig.1 Administrative division of the study area

1.2 数据来源

本研究采用的土地利用覆被数据来源于中国科学院资源环境科学数据中心（http://www.resdc.cn）。数字高程模型（DEM数据）来源于地理空间数据云（http://www.gscloud.cn/），通过 ArcGIS 软件提取坡度、坡向信息。社会经济数据来源于苏州市统计局(http://tjj.suzhou.gov.cn)。距离因子数据来源于国家地理信息资源目录服务系统1∶100万全国基础地理数据库（http://www.webmap.cn）。以上所有数据均在同一坐标系WGS_1984_UTM_Zone_50N下利用ArcGIS 10.6软件转换而成。

1.3 研究方法

1.3.1 CLUE-S模型

CLUE-S是荷兰瓦赫根宁大学Verburg等[12-13]在CLUE模型的基础上，开发的用于模拟未来土地利用变化的模型[14]。此模型可以展现不同情景不同时空尺度下的土地利用变化情况[15]，适用于解决小尺度范围的土地利用变化模拟[16]。CLUE-S模型是在现有的土地利用变化基础上，从自然、社会等方面选择对研究区有驱动性的因子，模拟未来的土地利用变化格局。CLUE-S模型由非空间土地利用需求和空间分配模块2部分组成[17]，非空间土地利用需求模块根据研究区现状、特点以及发展规律，计算土地利用需求[18]。空间分配模块设置土地利用需求量为参数，结合驱动因子的空间分布特征，对栅格形式的土地利用类型归属进行分配迭代，从而模拟各年份土地利用类型的时空变化[19]。空间模拟相关参数设置如下。

（1）驱动因子的选择。根据数据资料的可获得性、驱动因子的综合性和因子与土地利用变化的相关性，从自然环境方面选取高程、坡度、坡向作为驱动因子，社会经济方面选取人口密度、GDP以及到公路、河流、铁路、基础设施、居民地的距离作为驱动因子，参考相关研究[20]，构建Logistic二元回归模型进行分析，比较接受者操作特性（ROC）曲线选取最优尺度。

（2）限制区域。区域约束性文件为苏州市域范围，设置的土地利用类型间均可发生转换（表1）。

表1 各土地利用类型转换矩阵Table 1 Transformation matrix of each land use type

（3）土地需求计算。基础数据为2010年和2018年的土地利用现状数据，2011——2017年各年份的土地利用数据由线性内插法和GM（1，1）灰色模型获取。

（4）土地利用类型转换规则。对耕地、水域、建设用地、其他用地的转换弹性系数多次调试，最终依次确定为0.6、0.8、0.7和0.7。

模型检验主要分为2个部分：1）采用ROC曲线检验Logistic二元回归模型，设定ROC为0.5～1.0，当ROC大于0.7时，所选驱动因子对各土地利用类型具有较好的解释能力。2）借助Kappa系数来检验CLUE-S模拟效果，利用ArcGIS 10.6软件空间叠加比较土地利用模拟图与现状图，普遍认为Kappa系数不小于0.75时，具有较理想的模拟效果[21]。

1.3.2 InVEST模型

InVEST模型主要应用于陆地、淡水和海洋3类生态系统服务评估，旨在支持生态系统管理和决策[22-23]。通过InVEST模型生境质量模块计算苏州市2010年、2018年和2030年2种情景下的生境质量指数、生境退化程度，进而分析研究区生境质量的时空演变特征以及土地利用覆被变化对生境质量的影响[24]。相应栅格内的生境质量由生境质量模块根据土地利用数据和威胁因素测算[25-29]。

生境退化指数 (Dxj)计算公式[30]如下：

式中：Dxj为土地利用类型j中栅格x的生境退化指数；wr为各胁迫因子权重；ry为胁迫因子强度； βx为生境抗干扰水平；Sjr为不同生境对不同胁迫因子的相对敏感程度；irxy为栅格y中胁迫因子r对栅格x的影响；dxy为栅格x与栅格y之间距离；drmax为胁迫因子r影响范围。

生境质量指数计算公式如下[25,31]式中：Qxj为土地利用类型j中栅格x的生境质量指数；Hxj为土地利用类型j中栅格x的生境适宜度；k为半饱和常数。

根据苏州市实际情况，选择耕地、建设用地作为胁迫因子，参考InVEST模型手册及相关研究[32]对胁迫因子的权重、胁迫因子的最大影响距离、各土地利用类型的生境适宜度（表2）及各土地利用类型对胁迫因子敏感度等参数进行设置（表3）。

表2 胁迫因子的最大影响距离及其权重Table 2 Maximum influence distance and weight of stress factors

表3 生境适宜度及其对不同胁迫因子的敏感度Table 3 Habitat suitability and its sensitivity to different stress factors

2 结果与分析

2.1 精度检验与情景模拟预测

2.1.1 模拟精度检验

模拟结果的精确度受不同尺度的驱动因子影响，选择 50 m×50 m、200 m×200 m、300 m×300 m、400 m×400 m和500 m×500 m尺度分别进行模拟，结果见图2。从图2可以看出，400 m×400 m时为最优拟合尺度，基于此尺度进行试验。

图2 不同模拟尺度下各地类ROC变化Fig.2 Changes in ROC of each land use type under different simulation scales

采用 Kappa系数〔式（5）〕[33-35]对 2018 年实际土地利用图和模拟土地利用图（图3）进行定量检验，以反映CLUE-S模型的模拟效果，得到的具体数据见表4。

表4 土地覆被模拟结果与现状数据对比Table 4 Comparison of land cover simulation results and current data

图3 苏州市2018年实际土地利用与模拟土地利用对比Fig.3 Comparison of actual land use and simulated land use in Suzhou City in 2018

式中：Po为正确模拟比例；Pc为随机状况下的期望正确模拟比例；Pp为理想模拟比例。

从表4可以看出，模拟正确的栅格数为48 205个，占栅格总数的89.09%，即Po=0.890 9；将苏州市土地利用类型分为四大类，即Pc的 取值为1/4；Pp取1。据此计算出Kappa系数为0.854 5，大于0.75，说明CLUE-S模型模拟苏州市土地利用空间格局变化是可行的，而且模拟精度较高。

2.1.2 2030 年情景模拟

以2018年相关数据为起始数据，预测2030年土地利用变化格局，设置2030年自然增长情景和生态保护情景2种不同的情景，对苏州市生境质量进行模拟（图4），并将2018年实际土地利用数据与2030年不同情景下模拟的土地利用数据进行对比（表5）。

图4 苏州市2030年不同情景下土地利用模拟结果Fig.4 Land use simulation results of different scenarios in Suzhou City in 2030

表5 2030年不同情景模拟下土地利用面积及占比Table 5 Land use area and proportion under different scenarios in 2030

2.1.2.1 自然增长情景

设定自然增长情景下苏州市的土地利用变化幅度和规律与2010——2018年变化速率一致，不考虑政策的影响，模拟苏州市2030年自然增长情景下的生境质量。该情景下，研究区的耕地面积减少，耕地面积占比减少了4.00个百分点，耕地部分转变为建设用地；建设用地面积增加了4.25个百分点，水域面积变化不大，减少了0.34个百分点；其他用地面积略有增加，增加了0.09个百分点。在空间上，建设用地的增加主要分布于昆山市。综上，自然增长情景下耕地和建设用地面积变化明显，耕地大面积转化成建设用地，耕地和水域面积减少。

2.1.2.2 生态保护情景

该情景以生态环境的保护为目标，依据《江苏省生态空间管控区域规划》严格限制耕地和水域的转变。相比自然增长情景，该情景下耕地和水域面积变化较小。与2018年现状对比，该情景下，耕地面积减少了2.14个百分点；水域和其他用地变化较小，水域减少了0.02个百分点，其他用地增加了0.07个百分点；建设用地面积略有增加，增加了2.09个百分点。空间上，建设用地的增加主要分布在昆山市。该情景通过弹性系数限制耕地、水域转变，区域内的建设用地面积增加缓慢，生态系统功能得到修复，水域面积基本维持原有状态。

2.2 生境质量评估

基于过去（2010年）、现状（2018年）和未来（2030年）的土地利用数据，利用InVEST模型对自然增长和生态保护情景下的生境质量进行评估，在ArcGIS 10.6软件中使用自然断点法将其分类成5个等级，统计3个时期各等级的栅格面积及占比（表6），对不同时期的生境质量进行分析。

表6 各等级生境质量面积与占比Table 6 Area and proportion of each grade of habitat quality

从图5可以看出，2种情景生境质量好的区域主要集中在太湖流域和长江沿岸，该区域水系发达，河网密布，保证了水源涵养性和生物多样性，生境退化程度最低。而生境质量差的区域主要集中在姑苏区、虎丘区、相城区、昆山市等人类活动强度大、工业发达的地区，该地区生境斑块破碎度与生态脆弱性较高，受人类活动影响较为敏感，生境退化程度最高。

图5 苏州市过去、现状和未来不同情景下生境质量空间分布Fig.5 Spatial distribution of past, present and future habitat quality in Suzhou under different scenarios

2010——2018年生境质量为差的区域占比上升，增加了17.36%。从土地利用变化角度来看，近20年耕地面积减少了361.86 km²，而建设用地面积增加了367.89 km²，建设用地增加来源主要是耕地，建设用地占用耕地会对周围生境产生威胁。总的来说，苏州市2010——2018年城市发展迅速，生境退化程度增加。

2010年、2018年、2030年自然增长情景和2030年生态保护情景下研究区的平均生境质量指数分别为 0.476 2、0.474 8、0.473 4和 0.481 9。2030年生态保护情景下的生境质量最优，而2030年自然增长情景的生境质量低于2018年和2010年。

3 讨论

3.1 CLUE-S 和InVEST模型的集成建模

CLUE-S模型的优点在于综合考虑了自然因素(如高程、坡度、坡向等)和社会经济因素(如GDP、人口密度等)，并清楚地说明了土地利用变化的层次结构、位置之间的空间连通性和稳定性。它已经被广泛应用于模拟土地利用的时空变化，具有在不同生态系统和空间尺度下模拟土地利用变化和进行情景分析的优势。将CLUE-S模型和InVEST模型结合模拟未来生境质量，在一定程度上丰富了生境质量模拟的研究，为苏州市未来生态保护、城市土地利用规划提供重要理论指导和技术依据。

3.2 生境质量变化分析

运用CLUE-S模型和InVEST模型对苏州市过去、现状和未来的生境质量进行评估，发现2010——2018年苏州市生境质量指数逐渐变小，生境质量较差的区域主要集中在姑苏区、虎丘区、相城区、昆山市等人类活动强度大、工业发达的地区。主要原因是苏州市在2010——2018年经济发展迅速，人口增加，工业化和城镇化规模扩大，土地利用方式发生改变，城市建设用地增多，进而影响了其生境质量。对2030年自然增长情景和生态保护情景下的土地利用变化和生境质量模拟预测，发现自然增长情景和生态保护情景下的土地利用变化都主要集中在昆山市，主要表现为建设用地面积的增加，差异在于2种情景下的土地利用变化不同。这是因为近年来昆山市是中国大陆经济实力较强的县级市之一，连续多年被评为全国百强县之首，其在城市建设、工业发展方面稳步前进。2030年自然增长情景下的平均生境质量指数低于2018年和2010年，生境质量呈变差趋势。而2030年生态保护情景下的生境质量优于2018年，表明在生态保护的加持下，生境质量不断得到优化。

生境质量较好的区域主要分布在太湖流域、长江沿岸。国家及地方高度重视太湖流域、长江沿岸的生态环境治理，其作为生态保护的重点监管区域，所以生境质量较高。苏州市全面整治当前存在的水环境问题，科学系统推进水污染治理、水生态修复等工作，预计2030年太湖流域和长江沿岸的生境质量还会得到优化。

3.3 不确定性分析

土地利用系统受自然、社会、经济、人文等众多因素的影响，笔者从自然环境和社会经济2个方面选择了10个驱动因子定量模拟苏州市的土地利用变化，在实际发展过程中，影响土地利用变化的因子还有很多，却难以量化表示，目前阶段无法将其考虑进模型中，因此可能不能精准地预测苏州市未来的土地利用变化。另一方面，对未来情景模拟预测时，社会经济因素（如公/铁路规划、基础设施等）的未来发展趋势难以精准把握，预测结果存在一定的不确定性，与2030年的实际发展有一定的误差。

4 结论与展望

4.1 结论

（1）通过Kappa系数 (0.854 5) 检验，苏州市2018年土地利用现状和土地利用模拟结果吻合度较高，说明该模型可以对苏州市未来的土地利用格局进行模拟。

（2）对2030年不同情景的预测表明，生态保护情景下，生境质量明显优于自然增长情景，耕地得到有效保护，建设用地有序增长，整体更加注重发展质量。

（3）苏州市中心城区、工业较集中和人口活动强度大的地区的生境质量差，太湖周边等水系发达地区生境质量较好。未来研究区在发展经济的同时，也要注意生态保护，实现高质量发展。

4.2 展望

目前，大多数研究利用InVEST模型对生境质量进行评估时只考虑了研究区内部胁迫因子对生境的影响，未考虑研究区域内不同胁迫因子之间的耦合关系以及研究区边界以外的胁迫因子对边沿地带生境的影响，所以未来还需要将研究区域内不同胁迫因子之间的耦合关系纳入模型之中，考虑融合研究区以外地带的胁迫因子数据，更好地为研究区生态环境保护及可持续发展提供参考依据。同时，还需结合相应的规划政策，进一步改进模型参数的设置，提高模拟的准确性，从而更好地为未来的发展规划提供参考。