基于PLSR-FLUS-MarKov模型的生态系统服务价值多情景预测

摘要：以漓江流域为研究单元，运用修正后的PLSR-FLUS-MarKov模型和当量因子法，对流域自然发展、生态优先、旅游优先情景下2030年生态系统服务价值做出预测，探究多情景土地利用变化对生态系统服务价值的影响。结果表明，PLSR-FLUS-MarKov模型能更准确刻画流域土地利用动态变化，模拟精度高达83.57%。流域土地利用变化集中区位于桂林市辖区、兴安县和阳朔县，多表现为耕地、林地向建设用地的转入以及耕地和林地间的相互转化。2030年，漓江流域生态系统服务价值均呈现下降趋势，自然发展情景、生态优先情景、旅游优先情景分别为218.07亿、225.61亿、222.91亿元，较2020年下降了9.02亿、1.48亿和4.18亿元，并呈现“东北高，西南低”的格局特征，实施生态优先策略后其下降速度放缓。林地是漓江流域生态系统服务价值的关键来源，占比超过80%，耕地和水域也贡献了一定比例的服务价值。生态优先情景下的生态系统服务价值最高，旅游优先情景次之，自然发展情景最低。研究结果可为桂林世界级旅游城市建设及区域生态系统健康管理提供科学指导。

关键词：土地利用变化；生态系统服务价值；PLSR-FLUS-MarKov模型；多情景模拟；漓江流域

中图分类号：X171.1" " " " 文献标志码：Anbsp; " " " 文章编号：1674-3075（2025）01-0203-10

生态系统服务功能退化是世界性环境危机之一（李海东和高吉喜，2020），人类的过量负向回馈会使生态系统失衡。通过生态系统服务价值评估可有效识别区域生境质量，优化生物多样性保护，核算生态补偿数额，一定程度上培养人类“自然资源有价”的意识，推动区域生态文明建设（路昌等，2020；张学斌等，2020）。土地利用作为人类与自然生态接触最紧密、表现最直接、影响最深远的活动形式（卓静等，2022），决定着生态系统服务价值总量的增减。为探究土地利用结构发生改变的原因，更多专家学者运用GEE云平台及地理探测器等新技术开展土地利用时空演变及驱动因子分析，除了常见的人口规模、产业结构驱动因子之外，政策红利、居民意愿等因子也具有深远影响（杨丽萍等，2022；Liu et al，2022；厉静文等，2021；Erokhin et al，2020）。

旅游作为人们满足精神需求的活动，对土地空间载体有着独特作用。为在全局视角上把握未来土地利用结构，多情景模拟协同生态系统服务价值成为土地利用领域的新兴方向（Shi et al，2020；Zhou et al，2021）。生态系统服务价值预测始于21世纪初，近几年的研究逐步趋于多元化，从传统的土地利用结构和空间布局两维研究，向人类活动和环境效应相结合的多情景模拟方向转变。生态系统服务价值模拟预测模型亦层出不穷，广泛应用的包括CA模型、MarKov模型等。当前复合模型预测、多情景分类已经成为土地利用领域新的预测趋势。李斌等（2017）和Guan等（2019）分别以CLUE-S、MarKov、Tietenberg模型与Logistic-CA-MarKov、WLC-CA-MarKov模型预测了武汉市蔡甸区及三峡库区的土地利用结构。杨朔等（2022）基于FLUS模型并划分自然发展、生态保护和经济发展情景预测了汉中市的生态系统服务价值，王穗子等（2022）通过划分当前居民收入水平、小康收入水平、富裕收入水平预测了三江源地区的环境承载力。

漓江流域位于首个国家旅游综合改革试验区内，将在旅游高质量背景下持续发展。因此研究旅游发展情景与地域实际的匹配情况，探讨旅游发展对区域土地利用及生态系统服务价值的影响是揭示旅游发达地区生态系统稳定程度和实现区域可持续发展的关键因素。漓江流域还有南岭生物多样性保护重地等生态地位，对其进行土地利用模拟及生态服务价值预测有着重要现实意义。研究模拟多情景下流域土地利用结构及生态系统服务价值，验证不同发展模式下生态及社会经济发展态势，为漓江流域规划及桂林世界级旅游城市建设提供理论指导。

1" "区域概况及数据来源

1.1" "研究区概况

漓江流域位于桂林市域（图1），典型的喀斯特地貌。流域属亚热带季风气候，雨热同期。上游兴安县及灵川县分布有多个自然保护区，生物多样性丰富；中游（包括桂林市区）和下游（包括阳朔县）是喀斯特地貌集中分布地带，有3A级及以上景区20余个，其中18个位于中下游地带。区域经济发展对旅游产业依赖性强，以旅游为代表的第三产业是漓江流域的主要收入来源，2020年桂林市旅游产值占全市总产值的60%以上。

1.2" "数据来源及处理

研究基于GEE（google earth engine）平台，选用2010年和2020年Landsat 5 TM以及Landsat 8 OLI/TIRS漓江流域遥感影像数据，解译其土地利用类型；研究中所涉及的数字高程选用SRTM（the shuttle radar topography mission）数据，空间分辨率为30 m。参照王祺等（2014）关于土地利用格局差异的研究，结合漓江流域实际情况，选取地形地貌、气候、旅游以及相关社会经济要素等作为驱动土地利用变化的因子对流域土地利用变化进行模拟，具体指标体系如表1。

2" "研究方法

2.1" "PLSR-PLUS模型

Liu等（2017）基于地理模拟与优化系统（GeoSOS）（黎夏等，2009）提出了模拟土地利用变化的FLUS模型。FLUS模型在充分发挥元胞自动机（CA）优势的同时，融入了人工神经网络算法（artificial neural network，ANN）（王保盛等，2019）。ANN模型在因子输入较多时易产生过拟合现象（He et al，2021）使模拟精度降低。此外ANN模型无法对因子进行科学筛选。为避免过拟合现象，研究在驱动因子输入ANN模型之前，先用偏最小二乘法（PLSR）对驱动因子和景观类型进行拟合，将拟合过程中产生的主成分（提取累计贡献率gt;95 %）作为ANN模型的因变量，建立PLSR-FLUS模型提高模型的稳定性和模拟精度，从而实现对FLUS模型的修正。模型的基本运行框架如图2。

ANN预测模块采用多层前馈神经网络算法（back propagation artificial neural network，BP-ANN），为FLUS模型最重要的环节。将人工神经网络输入层与驱动因子空间数据对应，输出层与土地利用类型对应，估计不同土地利用类型的适宜性概率。该模型被广泛应用于非线性拟合问题，其表达式为：

式中：A为输入层驱动因子，an为第n个驱动因子；S（）为隐含层至输出层的激励函数；Nt（x，y）为第t个隐含层因子在坐标（x，y）上所接收到的信息；[Wit]为输入层到隐含层的权重；[ai（x，y）]为第i个输入层驱动因子在像元x和时间y上所接收到的信号；[ap（x，k，y）]为第k种土地利用类型在像元x和时间y上的适宜性概率，总概率值为1。

此外，FLUS模型还受到邻域因子、惯性系数、竞争机制等因素的影响（Liu et al，2017）。自适应惯性系数是CA模型的核心，通过多次迭代可使现有土地利用类型像元数量不断向目标接近。以自适应惯性竞争机制为基础的元胞自动机空间计算模拟公式如下，式⑥表示邻域因子（研究设置为3×3），式⑦表示自适应惯性系数，式⑧表示土地利用类型总转移概率。

2.2" "MarKov模型

为防止某土地利用类型无限向其他类型转变，引入马尔可夫（MarKov）模型限制FLUS模型预测的需求总量，提前设定土地利用类型在2030年的需求总量。其数学表达式为：

[Xt=X（t-1）Pij]" " " " " " " " " " " " " " " " "⑨

式中：X（t-1）和X（t）的含义分别为在时间t-1和t时用地类型的情况，Pij为土地利用类型发生转换的几率，即土地利用类型从时间t-1到时间t时向另一用地类型转换的概率。Pij的值为0～1，总和为1。

2.3" "多情景设置

以漓江流域不同发展目标为基础，设定3种模拟情景预测2030年土地利用变化。

（1）自然发展情景。此情景下漓江流域未来的发展不受任何条件限制，依据土地利用历史变化特征，顺其自然发展。（2）生态优先情景。依据《桂林市人口发展规划（2020—2030年）》，在考虑居民对未来建设用地需求的基础上，考虑漓江流域生态环境保护问题，严格控制公园绿地、生态保护区向其他用地类型转化及建设用地无序扩张，减缓林地和耕地下降速度。生态优先情景要求林地、草地向建设用地的转化率减少约40%，耕地向建设用地的转化率减少约30%。（3）旅游优先情景。根据《桂林漓江风景名胜区总体规划》对未来各土地类型的数量需求，2030年建设用地占8.4%，林地、耕地、草地兼顾，水域发展速度保持不变。

2.4" "生态系统服务价值

当量因子法具有计算简洁、数据需求量小等优点，适用于大尺度区域研究。以谢高地等（2015）的单位价值当量因子表为基础，根据漓江流域实际情况进行修正，修正系数取广西均值0.98（谢高地等，2005）。在土地利用类型对照层面，将其与最接近的生态系统类型相对应，其中耕地与农田对应，取值参考旱地与水田比例；林地与森林对应，取阔叶林的值；水域与水系对应，取水系的值；草地保持不变，取灌木丛的值。建设用地的生态系统服务价值取0（谢高地等，2003）。综合当量因子表与基准单价（C=23.3万元/km2）得到生态系统服务价值表（表2）。基准单价计算公式如下：

式中：Pa为单位农田的经济产值（万元／km2）；i为作物种类；mi为第i种粮食的面积（km2）；pi为第i种粮食的平均价格（元／kg）；qi为第i种粮食单产（kg）；M为粮食总面积；n为粮食种类。

漓江流域生态系统服务价值计算公式如下：

式中：V表示生态系统服务总值；Sj为第j类景观的面积；Cj为第j类景观单位面积生态系统服务价值。

3" "结果与分析

3.1" "土地利用动态模拟精度验证

研究基于2010年土地覆被数据，引入土地利用驱动因子，通过PLSR对景观格局及其驱动因子进行预拟合，将拟合过程中产生的主成分作为FLUS模型中ANN模块的输入变量，有效去除了驱动因子间的多重共线性，降低ANN模型的结构复杂度，提高模型的稳定性和预测精度。采用FLUS-MarKov和PLSR-FLUS-MarKov模型进行对照实验，模拟研究区2020年土地利用格局（图3）。将多情景模拟结果与基准年结果对比，验证PLSR-FLUS-MarKov模型的精度及其空间分布的稳定性。结果表明，FLUS-MarKov模型精度为81.26%，Kappa系数为0.75，PLSR-FLUS-MarKov模型精度为83.57%，Kappa系数为0.78。PLSR-FLUS-MarKov模型精度比FIUS-MarKov模型提高了2.3%，优于FLUS-MarKov模型。

由图3可知，整体上模拟结果与2020年现状分布保持较高的一致性，但部分区域存在一定误差，FLUS-MarKov模型修正前，其误差更大。如漓江流域西南部的临桂区，该区域原有水域面积较大，水域周围建设用地少，修正后的PLSR-FLUS-MarKov模型模拟结果与现状基本相符，而FLUS-MarKov模型模拟结果与现状不符，水域面积大范围的被耕地、林地和建设用地所覆盖，水域分布范围存在极大差异，建设用地明显增加。因此，PLSR-FLUS-MarKov模型能够在空间上有效优化PLUS-MarKov模型模拟结果，使模拟结果与真实情况更为接近。综合总体精度、Kappa系数以及具体分布细节的比较，研究提出的PLSR-FLUS-MarKov模型在漓江流域的模拟效果更优，模拟精度更高，有望在其他流域实现更精准的预测。

3.2" "多情景土地利用结构预测

运用PLSR-FLUS-MarKov模型模拟自然发展、生态优先及旅游优先情景下的2030年研究区土地利用结构，具体结果见图4和表3。多情景下流域土地利用集中变化区为桂林市辖区、兴安县和阳朔县，且呈现出耕地、林地向建设用地转化的现象，桂林市区建设用地沿临桂方向扩展，流域北部（兴安县附近）建设用地向西扩展，流域南部（阳朔县附近）建设用地向东、西两个方向扩展。

3.2.1" "自然发展情景" "自然发展情景下，2030年漓江流域耕地和林地面积分别为1 843.23和3 265.55 km2，2020—2030年，负向变动97.90和167.28 km2；草地面积为22.67 km2，面积呈下降趋势；水域和建设用地面积增加至87.67和606.99 km2。自然发展情景下土地类型转变主体为耕地、林地和建设用地。由于该情景不受其他政策因素限制，其转化率与2010—2020年保持一致，耕地与林地下降速率分别为5.03%和4.87%，建设用地年增长率为6.07%，其耕地与林地大幅下降，建设用地急速扩张。

3.2.2" "生态优先情景" "较2020年，2030年生态优先情景下漓江流域耕地和林地面积下降至1 914.61 km2和3 396.04 km2，下降趋势大幅减少；草地面积（23.35 km2）略有下降；水域和建设用地面积增长至87.25和404.87 km2，呈小幅增长趋势。生态优先情景下地类转化波动幅度较小。耕地与林地下降率分别为1.37%和1.07%，与2010—2020年相比，其下降趋势亦得到有效控制。同时建设用地仅增加68.10 km2，年增长率约1.86%，建设用地扩张速率得到较好控制，在以生态保护为前提的发展情景下，耕地和林地等得到较为全面的保护，符合可持续发展的理念。

3.2.3" "旅游优先情景" "特设置旅游优先情景兼顾生态环境与经济发展。该情景下，2030年漓江流域耕地和林地面积将分别为1 874.53和3 361.70 km2，2020—2030年，二者面积均有不同幅度下降；草地面积小幅下降至27.89 km2；水域和建设用地面积增加至85.19和476.89 km2。与自然发展情景类似，旅游优先情景主要表现为耕地、林地向建设用地转化，草地和水域面积基本保持稳定，耕地与林地下降率分别为3.43%、2.07%，建设用地年增长率为3.43%，该情景下土地利用变化介于自然发展情景与生态优先情景之间，符合“既要绿水青山又要金山银山”的发展理念，使生态保护与经济发展并驾齐驱。

3.3" "多情景生态服务系统价值预测

3.3.1" "时间特征分析" "依据2030年多情景土地利用模拟结果，对漓江流域各地类的生态系统服务价值进行统计（表4）。由于城市中心区不断外延，建设用地不断扩张，多情景预测下流域的生态服务价值均呈下降趋势。较基准年生态系统服务价值（227.09亿元）而言，自然发展、生态优先以及旅游优先情景的生态服务价值分别为218.07、225.61、222.91亿元，下降了9.02、1.48、4.18亿元。从各地类结构看，林地的生态系统服务价值在各情景中占比均超过80%，为漓江流域生态系统服务价值关键来源。耕地为漓江流域第二大地类，然而其生态系统服务价值占比较低，其贡献度落后于林地和水域，占比7%左右。漓江流域水域面积仅占总面积的1.44%，其贡献度达到10%以上。3种模拟情景下，生态优先情景的生态系统服务价值最高，旅游优先情景次之，自然发展情景最低，不同情景下人类活动对土地利用结构影响差异较大，未来漓江流域在发展过程中需将生态保护考虑在内，扼制建设用地的无序扩张。

3.3.2" "空间特征分析" "根据景观生态学领域相关学者（苏海民和何爱霞，2010；吕乐婷等，2018）的观点，土地利用样本的面积为斑块平均面积的2～5倍时，能较好反映采样区生态系统服务的空间特征。本文根据研究区实际情况，在保证每个尺度内信息完整性及定量评价准确性的基础上，应用ArcGIS 10.2平台将研究区创建为1 604个2 km×2 km网格单元，利用分区统计工具汇总基准年和预期年多情景生态系统服务价值（图5），应用自然间断法划分1～5等级，1级最低，5级最高。漓江流域生态系统服务价值总体呈现出“东北高，西南低”的空间特征。生态系统服务价值较高区域主要分布在流域北部和流域中东部海拔较高区域，如兴安、资源、灵川和阳朔县，以林地斑块为主；低值区域分布在流域西南部，海拔较低，以耕地、建设用地斑块为主，表明生态系统服务价值与海拔、地形因子有着较高空间契合度。与基准年相比，自然发展情景下的服务价值变化最为显著，尤其在桂林市区和阳朔县等区域，生态系统服务价值等级由二级转变为一级。对比3种情景下生态系统服务价值的空间分布发现，生态优先情景和旅游优先情景的生态系统服务价值空间特征类似，且明显优于自然发展情景，与2020年真实结果更为接近。

4" "讨论

4.1" "土地利用变化模拟预测

PLSR模型的引入有效防止了ANN容易出现的过拟合现象（Gong et al，2009），优化了FLUS-MarKov模型对预测结果空间分布的影响，总体上PLSR-FLUS-MarKov模型的精度提高了2.3%，与基准年情景保持高度一致，且较为稳定。在3种情景模拟下，研究区的耕地和林地呈现出减少趋势，建设用地以消耗耕地和林地为代价呈现出增加趋势，最为明显的是临桂区建设致使桂林市区建设用地向西扩张，这与谢凌凌等（2022）的研究结果相似。研究区的土地利用模拟结果与国内其他地区存在共性，如浦江流域的建设用地也呈下降趋势，其转换来源于耕地、湿地和林地（闻国静等，2017），预测结果与本文相似。

4.2" "生态系统服务价值预测

在旅游优先情景下，经济增长和生态环境保护都呈现向好趋势，漓江流域经济压力外移的同时，生态环境质量也得到相应改善，游客承载力得到加强，促进了旅游高质量发展，而高质量旅游开发又反作用于生态和环境保护（赵书虹等，2021）。2030年多情景下漓江流域的生态系统服务价值呈下降趋势，其低值主要体现在桂林市区、阳朔县和兴安县。一是受地势平坦、海拔低等自然因素影响，二是受社会经济因素影响，城市住房、交通网络和基础设施对建设用地的需求增加，导致大量耕地和林地转化为建设用地，生态系统服务价值随之下降。向悟生等（2009）和Li等（2021）计算了漓江流域1991—2006年和1995—2015年的生态服务价值，结果亦呈下降趋势，尤其是桂林和阳朔区域。此外，Lu等（2022）对黄河流域的生态系统服务价值进行了预测，结果显示生态空间优先情景下基本稳定，而其他模拟情景下呈现下降趋势，与本研究结果相似。

4.3" "多情景下未来发展启示

自然发展情景的土地利用模拟显示，若不限制研究区土地利用，到2030年建设用地需求将成倍增加，虽然基础设施建设趋于完善，但耕地和林地面积将大幅减少，生态环境和耕地保护形势将变得严峻。生态优先情景下，2030年建设用地增幅下降明显，耕地和林地面积略有减少，生态系统服务价值稍有下降，与2020年基本持平，符合资源环境保护和生态文明建设的发展思路，但并不能保证经济高质量发展。旅游优先情景下，2030年建设用地增加量迅速减少，耕地和林地面积小幅下降，生态系统服务价值仅小幅下降，符合相关政策思路。旅游业发展需要综合考虑自然资源和设施建设、生态环境和经济发展，避免因人类活动造成建设用地无序蔓延扩张和生态环境恶化，或是过度注重生态环境保护而制约社会经济发展。

本研究虽较好地模拟了漓江流域的土地利用结构并计算了生态系统服务价值，但仍存在诸多不足。在构建土地利用变化驱动因素指标体系时，偏重自然地理环境因素，对社会经济因素考虑不全面，特别是对旅游因素缺乏深入挖掘，在旅游发达地区做相关研究时应予以重视；在设置模拟情景时，只设置了自然发展情景、生态优先情景和旅游优先情景，未来还可设置基本农田优先等相应场景。

参考文献

李斌， 刘越岩， 张斌， 等， 2017. 基于Tietenberg模型的土地利用变化多情景模拟预测： 以武汉市蔡甸区为例[J].资源科学， 39（9）： 1739-1752.

LI B， LIU Y Y， ZHANG B， et al， 2017. Multi-scenario land use change simulation in Caidian using CLUE-S based on Tietenberg Modeling[J].Resources Science， 39（9）： 1739-1752.

李海东， 高吉喜， 2020. 生物多样性保护适应气候变化的管理策略[J].生态学报， 40（11）： 3844-3850.

LI H D， GAO J X， 2020. Management strategy for biodiversity conservation to adapt to climate change in China[J]. Acta Ecologica Sinica， 40（11）： 3844-3850.

厉静文， 董锁成， 李宇， 等， 2021. 中蒙俄经济走廊土地利用变化格局及其驱动因素研究[J].地理研究， 40（11）： 3073-3091.

LI J W， DONG S C， LI Y， et al， 2021.The pattern and driving factors of land use change in the China-Mongolia-Russia Economic Corridor[J]. Geographical Research， 40（11）： 3073-3091.

黎夏， 李丹， 刘小平， 等， 2009. 地理模拟优化系统GeoSOS及前沿研究[J].地球科学进展， 24（8）： 899-907.

LI X， LI D， LIU X P， et al， 2009. Geographical simulation and optimization system （GeoSOS） and its cutting-edge researches[J]. Advances in Earth Science， 24（8）： 899-907.

路昌， 韩笑， 韩会芹， 2020. 山东省土地利用转型与生态服务功能交叉敏感性研究[J].农业机械学报， 51（10）： 223-231.

LU C， HAN X， HAN H Q， 2020. Cross-sensitivity of Land Use Transformation and Ecological Service Function in Shandong Province[J].Transactions of the Chinese Society for Agricultural Machinery， 51（10）： 223-231.

吕乐婷， 张杰， 孙才志， 等， 2018. 基于土地利用变化的细河流域景观生态风险评估[J].生态学报， 38（16）： 5952-5960.

LYU L T， ZHANG J， SUN C Z， et al， 2018. Landscape ecological risk assessment of Xi River basin based on land-use change[J]. Acta Ecologica Sinica， 38（16）： 5952-5960.

苏海民， 何爱霞， 2010. 基于RS和地统计学的福州市土地利用分析[J].自然资源学报， 25（1）： 91-99.

SU H M， HE A X， 2010. Analysis of land use based on RS and geostatistics in Fuzhou City[J]. Journal of Natural Resources， 25（1）： 91-99.

王祺， 蒙吉军， 毛熙彦， 2014. 基于邻域相关的漓江流域土地利用多情景模拟与景观格局变化[J].地理研究， 33（6）： 1073-1084.

WANG Q， MENG J J， MAO X Y， 2014. Scenario simulation and landscape pattern assessment of land use changebased on neighborhood analysis and auto-logistic model： a case study of Lijiang River basin[J]. Geographical Research， 33（6）： 1073-1084.

王保盛， 廖江福， 祝薇， 等， 2019.基于历史情景的FLUS模型邻域权重设置： 三角城市群2030年土地利用模拟为例[J].生态学报 ， 39 （12）：4284-4298.

WANG B S， LIAO J F， ZHU W， et al， 2019.The weight of neighborhood setting of the FLUS model based on ahistorical scenario： a case study of land use simulation of urbanagglomeration of the Golden Triangle of Southern Fujian in 2030[J].Acta Ecologica Sinica， 39 （12）：4284-4298.

王穗子， 樊江文， 张雅娴， 等， 2022. 基于草地畜牧业生产的三江源地区承载力多情景模拟分析[J].自然资源学报， 37（7）： 1893-1902.

WANG S Z， FAN J W， ZHANG Y X， et al， 2022. Multi-scenario simulations of carrying capacity of the Three River Headwaters Region based on animal husbandry production[J]. Journal of Natural Resources， 37（7）： 1893-1902.

闻国静， 王妍， 刘云根， 等， 2017. 典型岩溶湖泊湿地流域土地利用动态及模拟预测[J].福建农林大学学报（自然科学版）， 46（2）： 220-227.

WEN G J， WANG Y， LIU Y G， et al， 2017. Dynamics and simulation predictions of land-use in the typical catchment of Karst lake wetland[J]. Journal of Fujian Agriculture and Forestry University（Natural Science Edition）， 46（2）： 220-227.

向悟生， 李先琨， 丁涛， 等， 2009. 土地利用变化对漓江流域生态服务价值影响[J].水土保持研究， 16（6）： 46-50， 55.

XIANG W S， LI X K， DING T， et al， 2009. Effects of land use changes on eco-service value in Lijiang River basin[J]. Research of Soil and Water Conservation， 16（6）： 46-50， 55.

谢高地， 鲁春霞， 冷允法， 等， 2003. 青藏高原生态资产的价值评估[J].自然资源学报， 18（2）： 189-196.

XIE G D， LU C X， LENG Y F， et al， 2003. Ecological assets valuation of the Tibetan Plateau[J]. Journal of Natural Resources， 18（2）： 189-196.

谢高地， 肖玉， 甄霖， 等， 2005. 我国粮食生产的生态服务价值研究[J].中国生态农业学报（中英文）， 13（3）： 10-13.

XIE G D， XIAO Y， ZHEN L， et al， 2005. Study on ecosystem services value of food production in China[J]. Chinese Journal of Eco-Agriculture， 13（3）： 10-13.

谢高地， 张彩霞， 张雷明， 等， 2015.基于单位面积价值当量因子的生态系统服务价值化方法改进[J].自然资源学报， 30（8）： 1243-1254.

XIE G D， ZHANG C X， ZHANG L M， et al， 2015. Improvement of the Evaluation Method for Ecosystem Service Value Based on Per Unit Area[J]. Journal of Natural Resources， 30（8）： 1243-1254.

谢凌凌， 许进龙， 臧俊梅， 等， 2022. 基于MarKov-FLUS模型的广西土地利用变化模拟预测[J].水土保持研究， 29（2）： 249-254， 264.

XIE L L， XU J L， ZANG J M， et al， 2022. Simulation and prediction of land use change in Guangxi based on Markov-FLUS model[J]. Research of Soil and Water Conservation， 29（2）： 249-254， 264.

杨朔， 苏昊， 赵国平， 2022. 基于PLUS模型的城市生态系统服务价值多情景模拟： 以汉中市为例[J].干旱区资源与环境， 36（10）： 86-95.

YANG S， SU H， ZHAO G P， 2022. Multi-scenario simulation of urban ecosystem service value based on PLUS model： a case study of Hanzhong City[J]. Journal of Arid Land Resources and Environment， 36（10）： 86-95.

杨丽萍， 张静， 贡恩军， 等， 2022. GEE联合多源数据的西安市土地利用时空格局及驱动力分析[J].农业工程学报， 38（2）： 279-288.

YANG L P， ZHANG J， GONG E J， et al， 2022. Analysis of spatio-temporal land-use patterns and the driving forces in Xi'an City using GEE and multi-source data[J]. Transactions of the Chinese Society of Agricultural Engineering， 38（2）： 279-288.

张学斌， 罗君， 石培基， 等， 2020. 格网尺度下张掖生态系统服务价值时空演变及地形梯度分异特征[J].应用生态学报， 31（2）： 543-553.

ZHANG X B， LUO J， SHI P J， et al， 2020. Spatial-temporal evolution pattern and terrain gradient differentiation of ecosystem service value in Zhangye， Northwest China at the grid scale[J]. Chinese Journal of Applied Ecology， 31（2）： 543-553.

赵书虹， 白梦， 阮梦枝， 等， 2021. 云南省旅游资源与生态安全协调发展的时空演化特征及障碍因子分析[J].地理科学， 41（3）： 493-503.

ZHAO S H， BAI M， RUAN M Z， et al， 2021. Spatio-temporal evolution characteristics and obstacle factors of coordinated development of tourism resources and ecological security in Yunnan Province[J].Scientia Geographica Sinica， 41 （3）： 493 -503 .

卓静， 朱延年， 李韬， 等， 2022. 陕北黄土高原区生态服务价值对土地利用变化的响应[J].水土保持研究， 29（5）： 336-342.

ZHUO J， ZHU Y N， LI T， et al， 2022. Response of ecological service value and quality to land use change in China's Loess Plateau[J]. Research of Soil and Water Conservation， 29（5）： 336-342.

EROKHIN V， GAO T， IVOLGA A， 2020. Structural variations in the composition of land funds at regional scales across Russia[J].Land， 9（6）： 201.

GONG J Z， LIU Y S， XIA B C， et al， 2009. Urban ecological security assessment and forecasting， based on a cellular automata model： a case study of Guangzhou， China[J].Ecological Modelling， 220（24） ： 3612-3620.

GUAN D J， ZHAO Z L， TAN J， 2019. Dynamic simulation of land use change based on logistic-CA-Markov and WLC-CA-Markov models： a case study in three gorges reservoir area of Chongqing， China[J].Environmental Science and Pollution Research， 26（20）： 20669-20688.

HE W， LI Y Q， WANG J Y， et al， 2021. Using field spectroradiometer to estimate the leaf N/P ratio of mixed forest in a Karst area of Southern China： a combined model to overcome overfitting[J].Remote Sensing， 13（17） ： 3368.

LI N， WANG J Y， WANG H， et al， 2021. Impacts of land use change on ecosystem service value in Lijiang River Basin， China[J].Environmental Science and Pollution Research， 28（34）： 46100-46115.

LIU C L， LI W L， ZHU G F， et al， 2022. Land use/land cover changes and their driving factors in the Northeastern Tibetan Plateau based on geographical detectors and google earth engine： a case study in Gannan Prefecture[J].Remote Sensing， 12（19）： 3139.

LIU X P， LIANG X， LI X， et al， 2017. A future land use simulation model （FLUS） for simulating multiple land use scenarios by coupling human and natural effects[J].Landscape and Urban Planning， 168： 94-116.

LU C， QI X， ZHENG Z S， et al， 2022. PLUS-model based multi-scenario land space simulation of the lower Yellow River Region and its ecological effects[J].Sustainability， 14（11）： 6942.

SHI H， LI X， YANG Z， et al， 2020.Tourism land use simulation for regional tourism planning using POIs and cellular automata[J].Transactions in GIS， 24（4）： 1119-1138.

ZHOU Y， ZHANG X， YU H， et al， 2021. Land use-driven changes in ecosystem service values and simulation of future scenarios： a case study of the Qinghai-Tibet Plateau[J].Sustainability， 13（7）： 4079.

Multi-scenario Prediction of Ecosystem Service Values Based

on the PLSR-FLUS-MarKov Model： A Case Study of Lijiang River Basin

Abstract：Ecosystem service value assessment can effectively identify regional habitat quality， optimize biodiversity conservation areas， calculate ecological compensation amounts and， to some extent， cultivate human awareness of the \"value of natural resources\"， thereby promoting the construction of a regional ecological civilization. In this study， Lijiang River was selected as a case study， and we simulated the land use pattern and predicted the ecosystem service values of the Lijiang River basin in 2030 under three development scenarios that assumed differing priorities for ecological preservation and tourism. We also analyzed the impact of land use change on ecosystem service value. The study was based on the data from remote sensing images for the Lijiang River basin in 2010 and 2020. Topographic and geomorphic features， climate， tourism， and related socio-economic factors were selected as drivers of land use change for model fitting， revision and validation. The revised PLSR-FLUS-MarKov model， and the equivalent factor method were then used to simulate land use changes and predict ecosystem service value in 2030 under three scenarios： natural development， ecological priority， tourism priority. Results show that： （1） The PLSR-FLUS-MarKov model accurately portrayed the dynamic changes of land use in the watershed， with a simulation accuracy of 83.57%. （2） Land-use change areas in the watershed was concentrated in the Guilin City district， Xing'an County and Yangshuo County， with arable and forest lands converted to construction land and interconversion between arable land and forest land. （3） The ecosystem service values in the watershed in 2030 trended downward. The ecosystem service value was the highest under the scenario of ecological priority， followed by tourism priority and natural development， with respective values of 22.561， 22.291 and 21.807 billion yuan， decreases of 148， 418 and 902 million yuan compared to 2020. The ecosystem service values were higher in the northeast and lower in the southwest， and the rate of decline decreased after implementing the ecological priority strategy. Forest land contributed most to the ecosystem service value in Lijiang River basin， accounting for more than 80% of the total value， followed by arable land and surface water. Our study provides scientific guidance for the construction of a world-class tourism city， Guilin City， and managing regional ecosystem health.

Key words：land use change; ecosystem service value; PLSR-FLUS-MarKov model; multi-scenario simulation; Lijiang River basin