基于生境质量变化的吉林省西部盐碱区生态系统修复分区

摘要：为推进盐碱区粮食安全与生态环境协同发展，本研究以吉林省西部典型盐碱区为例，基于2000、2010、2020年3期土地利用数据，运用土地利用转移矩阵和InVEST模型，分析研究区土地利用的生境质量时空动态演变特征，划分生态修复功能区。结果表明：2000—2020年研究区土地利用类型以耕地为主，占比超过60%，耕地和裸地呈扩张趋势，草地面积逐渐缩减；20年间生境质量等级为优的面积增加361.74 km2，生境质量等级为差的面积增加1 080.54 km2，研究区整体生境质量差异增大。基于生境质量和陆地生态系统服务价值等级划分重点修复区、适度修复区、自然修复区和适度开发区，针对性地提出修复策略。研究表明，土地利用类型转化导致研究区总体生境质量两极分化差异显著，未来在提升盐碱化地区粮食产能的同时，还要兼顾生境质量，注重协调粮食生产和生态保护两者之间的关系。

关键词：土地利用；生境质量；InVEST模型；生态修复分区；盐碱区

中图分类号：X171.4 文献标志码：A 文章编号：2095-6819（2025）01-0033-11 doi： 10.13254/j.jare.2023.0658

生境质量指生态系统为生物提供良好的生存环境以及保持可持续发展的能力，对区域内生物多样性起到表征作用，反映人类生存环境的优劣程度，是展现自然生态系统中生物多样性及人类可持续发展的重要指标[1]。土地利用变化是引起生境质量变化的主要原因之一[2]，土地利用程度与生境质量呈显著负相关，影响范围分布于全域，土地利用类型的变化会直接影响生态系统服务功能，导致生态系统退化[3]。土壤盐碱化是土地退化领域重点关注的全球性问题之一，不仅会造成土壤资源的破坏，还会降低区域的生境质量[4]。吉林省西部土壤盐碱化程度高，生态环境面临巨大挑战，盐碱化问题严重限制了农业发展、破坏了生态平衡[5]，导致生境质量严重退化，对当地经济发展造成巨大影响[6]。2023年4月17日，吉林省启动了“千亿斤粮食”产能建设工程，吉林省西部盐碱区是粮食产能提升的重点区域。精准解析该区域土地利用变化对生境质量的影响，对改善生态环境问题和促进地区可持续发展具有重要意义。

已有研究形成多种生态系统评估模型，如HSI（Habitat Suitability Index）模型[7]、Maxent 模型[8] 及InVEST 模型等，其中InVEST 模型优势最为显著，具有信息需求量相对较小、数据可视化等优势[9]，被广泛使用。近年来，国内外学者运用InVEST模型分析土地利用对生态系统服务的影响[10]，评估不同年份土地利用变化状况及生境质量的响应趋势[11]，研究区域内的固碳量变化[12]，分析区域内植物多样性的变化[13]。总体来看，InVEST 模型可根据土地利用类型的时空变化反映生境质量、生境质量退化、碳储量变化以及生物多样性保护等生态系统服务功能的动态变化[14]，为本研究对生态系统的分析评价提供依据。

本研究从吉林省西部盐碱区本身存在的生态脆弱性与吉林省向盐碱区“要粮”这两者之间的矛盾展开，以吉林省西部典型盐碱区白城市为例，分析生境质量时空变化，探究生态保护与修复策略，对研究区的土地利用可持续化发展和盐碱区的保护与修复提出了科学建议，为吉林省稳步推进生态保护和粮食增产提供参考。

1 材料与方法

1.1 研究区概况

研究区位于吉林省西部，属于世界三大苏打盐碱区之一，也是吉林省内生态最脆弱的地域之一。白城市地处121°38′～124°22′E，44°13′～46°18′N之间，辖洮北区、洮南市、大安市、镇赉县、通榆县，总面积约为26 000 km2（图1），其盐碱区特征显著，近年来呈扩张趋势，导致粮食产能的进一步减少，受风沙、干旱等生态灾害影响大，生境质量较差。

研究区属于温带半湿润和半干旱的大陆性季风气候，年平均气温为4～6 ℃，降雨主要集中在7—8月。该地区光照充足，降水量变异大，旱多涝少，给当地农业发展带来了极大的不便。研究区年均蒸发量在1 500～1 900 mm之间，旱涝、大风、霜冻和冰雹灾害频发，导致严重的耕地土壤盐碱化，整体生境质量恶化。

1.2 数据来源

研究数据主要包括研究区3期（2000、2010、2020年）土地利用数据、高程、行政区划、各土地利用类型的生境适宜度及对生境胁迫因子的敏感度数据、各胁迫因子的最大胁迫距离、权重和空间衰退类型数据以及全国陆地生态系统服务价值数据。2000—2020年土地利用数据来源于GlobeLand 30（http：//www.glob⁃allandcover.com/）的全球地表覆盖数据；高程数据来源于地理空间数据云（https：//www.gscloud.cn）；吉林省行政边界数据和全国陆地生态系统服务价值数据来源于中国科学院资源科学数据中心（https：//www.resdc.cn）。为保证所有数据空间精度一致性，利用ArcGIS 10.8 对研究数据进行处理，统一投影坐标和空间分辨率（30 m）。

1.3 研究方法

1.3.1 土地利用类型变化分析

为更好了解2000—2020年研究区各土地利用类型之间的变化规律，通过ArcGIS 10.8 对2000—2020年研究区土地利用类型图进行融合、相交，计算面积后导出属性表，提取转移矩阵的数据，输出土地利用转移矩阵表，将表格数值导入Origin 2022进行土地利用面积转移弦图的绘制。

土地利用转移矩阵是针对不同时期地类变化的定量描述，计算并分析研究区不同时期各个地类的面积数据，得出各个地类初期转出面积以及末期转入面积[15]和土地面积变化率。

1.3.2 InVEST模型生境质量评估

本研究选择InVEST 模型中的生境质量（HabitatQuality）模块，评估吉林省西部盐碱区2000—2020年不同土地利用类型及土地利用类型变化对生境质量的影响。设置相关参数如土地利用类型、生境适宜度、不同土地利用类型的胁迫因子、生态系统对胁迫因子的影响距离、胁迫因子间相互影响的程度、胁迫因子的敏感性以及空间衰退类型等，通过关联生态系统的胁迫因子与土地利用类型，计算生态系统的生境退化度数值（取值范围0～1），具体计算过程如下[16]：

在生境退化度计算的基础上，计算生境质量，其公式如下：

针对研究区土壤盐碱化的情况，本研究通过ArcGIS 10.8 分别提取人类干预程度较大的耕地、人造地表以及裸地土地利用数据作为InVEST 模型生境质量模块中影响生境质量的胁迫因子（图2）。参考已经过研究验证的条件相近地区的研究成果[19-22]以及《InVEST模型用户指导手册》，设定各胁迫因子的生境适宜度、对生境胁迫因子的敏感度数据、最大胁迫距离、权重以及空间衰退类型数据，根据研究区实际情况优化数值，确定耕地、人造地表和裸地的最大胁迫距离分别为1.5、6.0 km和1.0 km，并进一步量化胁迫因子的权重与空间衰减方式（表1）。生境适宜度与生境质量的高低紧密相关，生境适宜度表示该土地利用类型在特定研究区作为栖息地的适合性，其中0表示不适合，1表示完全适合。本研究设定各土地利用类型的生境适宜度：耕地为0.4，林地为1.0，草地为0.6，水体为1.0，人造地表为0，裸地为0.1，依据模型运行要求设定不同胁迫因子的敏感度（表2）。使用重分类模块，划分生境质量等级，将生境质量分为五个等级：优（0.8，1.0]、良（0.6，0.8]、中等（0.4，0.6]、较差（0.2，0.4]、差[0，0.2]。

1.3.3 生态修复区划分

将研究区行政区划数据与2020年中国陆地生态系统服务价值空间分布数据进行叠加，得到吉林省西部典型盐碱区陆地生态系统服务价值空间分布数据，通过ArcGIS 10.8中的自然断点法对上述数据进行分类，赋值1～4，数字越大代表陆地生态系统服务价值越高[23]。

为建立生态修复区，通过ArcGIS 10.8 叠加研究区生境质量、生境退化度与研究区的陆地生态系统服务价值的空间分布图，结合以往研究[24]的分区方式，划分出四类生态修复区域：重点修复区、适度修复区、自然修复区以及适度开发区。重点修复区分布的区域生境质量水平低、生境退化度高，陆地生态系统服务价值较高；适度修复区生境质量较低，生境退化度较高且陆地生态系统服务价值较低；自然修复区生境质量与生态服务系统价值较高，生境退化度较低；适度开发区为生境质量高、生境退化度低及陆地生态系统服务价值高的区域。

2 结果与分析

2.1 土地利用变化

研究区主要的土地利用类型为耕地，耕地面积占总面积的60%以上（图3）。2000—2020年耕地和裸地均呈现逐步扩张的趋势，耕地面积增长最多，从15 160.56 km2 增加至16 282.74 km2，增加了1 122.18km2，草地面积大幅减小，面积从7 264.73 km2缩减至5 425.28 km2，减少了1 839.45 km2（表3）。

基于研究区2000、2010、2020年三期的土地利用类型数据，构建土地利用转移矩阵（表3），绘制研究区各土地利用类型面积转移弦图（图4）。2000—2020年，研究区转出最多的土地类型是草地，转出面积为3 494.47 km2，主要转为耕地和裸地，转出面积分别为1 913.72 km2 和1 105.00 km2；其次为耕地和裸地，分别转出1 362.60 km2 和1 045.89 km2，主要转为草地。同时，2000—2020 年，耕地转入面积最大，总面积为2 484.78 km2。其次是草地和裸地，转入面积分别达到了1 655.02 km2 和1 353.83 km2。草地转出面积大于转入面积，草地面积大幅减少。裸地向耕地转入了283.63 km2，成为研究区耕地增加的第二大来源。随着粮食需求量不断增加，研究区对耕地的需求也不断增加，大量的草地和裸地被开垦成耕地，伴随着土壤盐碱化的发生，结合图5可知这一过程导致了该地区生境质量的下降。

2.2 生境质量时空变化

将生境质量指数划分为五个等级，2000—2020年研究区生境质量等级以差和较差等级为主（表4），面积分别为11 119.23 km2和11 223.98 km2，分别占研究区总面积的41.64% 和42.03%；中等等级面积为3 509.73 km2，占比13.14%；等级为良和优的面积占比最少，分别占比0.17%和3.02%。从生境质量等级对应的面积变化来看，2000—2020 年生境质量等级为差的区域面积增幅最大，增加了1 080.54 km2，占比上升4.02个百分点；其次是生境质量等级为中等和优的面积，分别增加了927.97 km2和361.74 km2，占比分别上升3.46个百分点和1.36个百分点；生境质量等级为较差的面积减少最多，减少了2 304.26 km2，占比下降8.67个百分点；生境质量等级为良的面积变化最小，仅减少46.04 km2，占比下降0.17 个百分点。吉林省西部典型盐碱区生境质量总体表现为较低水平且有一定程度的下降，这与20年间研究区土壤盐碱化加剧及城市发展密切相关。

空间分布上，研究区大部分地区生境质量较差，生境质量等级为差的区域主要位于研究区中部及北部地区，中部和北部地区盐碱地和裸地广泛存在（图5），生态环境较不稳定且易遭受破坏，植被覆盖率低，生态环境较为恶劣。少部分地区的生境质量较好，但分布较为分散，主要位于湿地和水域附近，受人类活动的干扰较少，生态环境稳定，生境质量等级为优。总体而言，研究区的生境质量水平整体较差、部分较好，生境质量两极分化现象明显，高生境质量和低生境质量区域面积均有所增加，整体生境质量水平下降。

2.3 生境退化度

生境退化度反映了土地利用类型所受到的胁迫因子胁迫的程度。生境退化度分值越高，土地利用类型面临的威胁越大，更易出现生境退化的现象，相反，生境退化度分值越低，该土地利用类型所受到的胁迫程度较小，较难出现生境退化的现象[25]。通过InVEST模型生境质量模块计算得出吉林省西部典型盐碱区2000—2020年的生境退化度时空变化（图6）。运用自然间断点法将2000—2020年的生境退化度数值分为以下六种类型：基本无退化（0～0.100）、微度退化（0.101～0.185）、轻度退化（0.186～0.252）、中度退化（0.253～0.318）、高度退化（0.319～0.399）和严重退化（0.400～0.669）。

研究区生境退化度较高，整体生境退化度水平在20 年间逐步恶化，研究区多为盐碱地，生态环境恶劣，大部分地区的生境退化度等级位于中等甚至偏高，即研究区大部分地区易发生生境退化的现象。生境退化度高的区域主要集中在镇赉县以及洮南市北部地区，生境退化度高的区域与退化度低的的区域交错。通榆县裸地转化为耕地和草地的面积大，裸地转化为生境退化度低的耕地和草地，通榆县的生境退化度为基本无退化的区域占了大部分。大安市城市化进程的加快和土壤盐碱化的加重，影响了生境的敏感性，导致生境退化度下降。镇赉县北部生境退化度高，源于该区域建设用地多。

2.4 生态修复分区

将研究区的生境质量空间分布、生境退化度与陆地生态系统服务价值数据（图7a）与根据生境适宜度比例加权后土地利用类型数据叠加，划分四类生态修复区，分别为重点修复区、适度修复区、自然修复区以及适度开发区（图7b）。

2.4.1 重点修复区

重点修复区主要分布于镇赉县西北部和大安市东南部，面积约为1 651 km2，此区域生境质量水平低、生境退化度高，陆地生态系统服务价值较高，受盐碱化的影响程度大。修复该区域有利于减弱短板效应，具有较强的修复价值。为提高生境质量，在消除胁迫因素的基础上，实施人工种植、酸碱平衡等手段分别对作物和土地进行重点修复。针对重点修复区盐碱地扩张、林地侵占、草地退化等现象，加强对违法开垦林草地的管控，强化林草地生态建设与修复，保障林草地面积不减少、功能不降低。利用区域内裸地，种植耐碱作物，化学、生物酸碱平衡等修复方式，改良土壤盐碱化情况，逐步恢复土地原有性状及土壤质地，有利于提高重点修复区的生境质量和改善局部生态系统。通过盐碱地保护、可持续的农业实践以及合理的土地规划和管理，由政府、农民、环保组织和科研机构共同努力来减轻土地退化和土壤盐碱化的影响并提高土地的可持续发展能力。对于受到水和风影响引起的土壤侵蚀的区域，如镇赉县北部及通榆县西部等地，应加强植被恢复和保护、土壤覆盖和保护，以稳定土壤并减少水和风的侵蚀。

2.4.2 适度修复区

适度修复区在各个市县均有较大范围分布，面积约为16 366 km2。该区域覆盖面积广，地区总体生境质量较低，陆地生态系统服务价值偏低，土地利用类型单一，大部分地区生境退化度等级为中度退化。区域内耕地分布广泛，农民耕作产生的农药化肥残留导致土壤退化以及部分不合理耕作产生的土壤盐碱化，导致土壤质量下降，区域生境质量整体下降。为防止其继续恶化，可适当开展修复工作，减少对农药和化肥的依赖，使用天然肥料，减少对环境的污染；鼓励使用生物防治方法，如引入天敌生态系统，维护生态平衡，以控制害虫和病害。建设以土地覆被变化监测体系为基础的生境质量数字管理平台，通过运用现代化新型信息技术，将卫星影像资料、航空影像和定期实地考察的胁迫因子数据接入InVEST模型生境质量模块自动计算生境质量水平，绘制出地区生境质量的变化情况，实现自动实时的生境质量现状及修复进程监测，及时掌握区域生态状况，跟进修复进度。

2.4.3 自然修复区

自然修复区较为分散，主要分布在大安市中部、通榆县东部和镇赉县中部和东部，面积约为5 424km2。该区域生境质量较高、陆地生态系统服务价值也相对较高，区域内生态系统表现出轻微破坏，多为生境质量等级较高的土地利用类型，具有较强的自我修复能力。针对该修复区内的自然林草地、水体与湿地，如研究区内大安市中东部、通榆县西部等地区，应加强高生境质量土地利用类型的保护，严格管控耕地的开发利用，统筹治理维护，促进区域内生境质量自然修复。保护原有林草地，采用可持续的森林管理措施，确保伐木活动不会导致森林资源的过度开发。定期更新和监测森林，以维持森林健康。进行植树造林，恢复受损的林地和草地，限制开发和破坏活动，以保护当地的生态系统，增加植被覆盖，提高生态系统的稳定性。

2.4.4 适度开发区

适度开发区主要分布于镇赉县、通榆县北部以及大安市中南部，面积约为4 556 km2。该区域与生境质量水平较高的土地利用类型如水体、湿地与草地分布地区较为一致，为陆地生态系统服务价值高且生境质量较高的区域，区域内生态系统基本没有受到破坏，生境质量水平高于研究区的平均生境质量水平，具有一定的开发潜力和价值。针对该区域内的林草地，如大安市东部、通榆县中部等地区，可以适当发展生态农业。

3 讨论

区域生境质量的维护和提升对于保障人们生计与增进人类福祉具有重要意义，成为生态文明建设的关键议题。吉林省西部盐碱区不仅是生态保护的关键地区，同时也是粮食产能提升的重要区域。生境质量作为生物多样性的支持条件，构建了区域生态安全的基础。以土地利用转移矩阵和InVEST模型开展的区域生境质量研究，已经得到学者的广泛验证[26-29]。本研究结合土地利用转移矩阵和InVEST模型建立吉林省西部典型盐碱区土地利用类型和生境质量的关系研究，揭示研究区2000—2020年总体生境质量不断下降和区域生境质量两极分化明显的规律。通过分析生境质量空间分布的变化，得出生境质量变化与区域发展密不可分。在分析生境质量时空分异的基础上，划分生态修复区，不仅为生态修复工程提供重要参考，也可为农业开发提供重要指导，有助于协调生态环境的保护和经济的发展。吉林省西部盐碱区在今后的土地开发与利用过程中，应增加草地、林地、水体等生境质量等级为优的土地利用类型面积，针对吉林省西部典型盐碱区生境质量退化的现状，对耕地扩张要实行合理规划，对耕地利用技术进行改良[30]，在不增加耕地面积的情况下提升粮食产量，可以有效缓解研究区本身存在的生态脆弱性和向盐碱区“要粮”之间的矛盾，对改善区域生态环境问题和促进可持续发展具有重要意义。但本研究仍存在一些不足，InVEST模型的参数设置主要结合以往学者研究成果和模型手册综合考虑得出，胁迫因子及其敏感度的设定存在一定的主观性，在今后的研究中可以针对模型参数设置的优化进行深入研究。

4 结论

本研究深度分析研究区土地利用变化、生境质量与生境退化度的时空特征及变化，得出以下结论：

（1）吉林省西部典型盐碱区土地利用类型以耕地为主。2000—2020年，20年间研究区转入面积最大的土地利用类型是耕地，且面积呈增长趋势，耕地和草地之间的转入和转出最为频繁；转出面积最大的土地利用类型是草地，草地转出面积大于转入面积，草地总体面积呈缩减趋势。

（2）2000—2020 年研究区生境质量指数均呈现较低水平，土地利用类型与生境质量存在着极高的关联度，耕地对应的生境质量等级为较差，盐碱地和裸地对应的生境质量等级为差。生境质量等级为差和优的的面积均大幅增加，总体的生境质量两极分化差异显著，表现为生境质量的整体下降。

（3）研究区总体生境退化度较高且呈逐步恶化趋势，生态修复至关重要，结合陆地生态系统服务价值、生境质量和生境退化度划分重点修复区、适度修复区、自然修复区和适度开发区四类生态修复分区，为区域生境质量提升和农业可持续发展提供支撑。

参考文献：

[1] 吴林霖， 王思远， 杨瑞霞， 等. 斯里兰卡亚洲象栖息地生境质量时空

变化及分异特征[J]. 遥感学报， 2021， 25（12）：2472-2487. WU L

L， WANG S Y， YANG R X， et al. Spatio - temporal patterns and

differentiations of habitat quality for asian elephant（Elephas maximus）

habitat of Sri Lanka[J]. National Remote Sensing Bulletin， 2021， 25

（12）：2472-2487.

[2] HUANG E H， CHEN Y X， FANG M， et al. Environmental drivers of

plant distributions at global and regional scales[J]. Global Ecology and

Biogeography， 2021， 30（3）：697-709.

[3] FALCUCCI A， MAIORANO L， BOITANI L. Changes in land-use/

land-cover patterns in Italy and their implications for biodiversity

conservation[J]. Landscape Ecology， 2007， 22（4）：617-631.

[4] 刘卓， 任伟， 李海燕， 等. 吉林省西部地区碱茅改良盐碱地技术[J].

东北农业科学， 2018， 43（3）：20-22. LIU Z， REN W， LI H Y， et al.

Improvement techniques of saline alkaline soil by Puccinellia sp. in the

western region of Jilin Province[J]. Journal of Northeast Agricultural

Sciences， 2018， 43（3）：20-22.

[5] 王露露， 王天亮， 高斌， 等. 松嫩平原土地盐碱化时空动态变化及影

响因素分析[J]. 灌溉排水学报， 2023， 42（4）：108-115. WANG L L，

WANG T L， GAO B， et al. Spatiotemporal dynamics of soil salinity and

its determinants in Songnen Plain[J]. Journal of Irrigation and

Drainage， 2023， 42（4）：108-115.

[6] WANG Y G， LI Y， XIAO D N. Catchment scale spatial variability of

soil salt content in agricultural oasis， northwest China[J].

Environmental Geology， 2008， 56（2）：439-446.

[7] 孟庆林， 李明玉， 任春颖， 等. 基于HSI模型的吉林省东部地区生境

质量动态评价[J]. 国土资源遥感， 2019， 31（3）：140-147. MENG Q

L， LI M Y， REN C Y， et al. Dynamic assessment of habitat quality in

eastern Jilin Province based on HSI model[J]. Remote Sensing for

Natural Resources， 2019， 31（3）：140-147.

[8] 齐增湘， 徐卫华， 熊兴耀， 等. 基于MAXENT模型的秦岭山系黑熊

潜在生境评价[J]. 生物多样性， 2011， 19（3）：343-352. QI Z X， XU

W H， XIONG X Y， et al. Assessment of potential habitat for Ursus

thibetanus in the Qinling Mountains[J]. Biodiversity Science， 2011， 19

（3）：343-352.

[9] 黄康， 戴文远， 黄万里， 等. 基于CA-Markov和InVEST模型的土地

利用变化对生境影响评价：以福建省福州新区为例[J]. 水土保持通

报， 2019， 39（6）：155-162. HUANG K， DAI W Y， HUANG W L， et al.

Impacts of land use change evaluation on habitat quality based on CAMarkov

and InVEST models：taking Fuzhou new district of Fujian

Province as an example[J]. Bulletin of Soil and Water Conservation，

2019， 39（6）：155-162.

[10] 任胤铭， 刘小平， 许晓聪， 等. 基于FLUS-InVEST模型的京津冀多

情景土地利用变化模拟及其对生态系统服务功能的影响[J]. 生态

学报， 2023， 43（11）：4473-4487. REN Y M， LIU X P， XU X C， et al.

Multi - scenario simulation of land use change and its impact on

ecosystem services in Beijing-Tianjin - Hebei region based on the

FLUS-InVEST model[J]. Acta Ecologica Sinica， 2023， 43（11）：4473-

4487.

[11] 高周冰， 王晓瑞， 隋雪艳， 等. 基于FLUS和InVEST模型的南京市

生境质量多情景预测[J]. 农业资源与环境学报， 2022， 39（5）：

1001-1013. GAO Z B， WANG X R， SUI X Y， et al. Multi-scenario

prediction of habitat quality in Nanjing based on FLUS and InVEST

models[J]. Journal of Agricultural Resources and Environment， 2022，

39（5）：1001-1013.

[12] BABBAR D， AREENDRAN G， SAHANA M， et al. Assessment and

prediction of carbon sequestration using Markov chain and InVEST

model in Sariska Tiger Reserve， India[J]. Journal of Cleaner

Production， 2021， 27（8）：123333.

[13] GONG J， XIE Y C， CAO E J， et al. Research on the change of

mountain plant diversity based on the InVEST habitat quality model

and landscape pattern index：taking the Bailong River basin in Gansu

as an example[J]. Journal of Geographical Sciences， 2019， 29（7）：

1193-1210.

[14] 黄从红， 杨军， 张文娟. 生态系统服务功能评估模型研究进展[J].

生态学杂志， 2013， 32（12）：3360-3367. HUANG C H， YANG J，

ZHANG W J. Development of ecosystem services evaluation models：

research progress[J]. Chinese Journal of Ecology， 2013， 32（12）：

3360-3367.

[15] 赵庆建， 吴晓珍. 基于InVEST模型的岷江流域土地利用变化对生

境质量的影响研究[J]. 生态科学， 2022， 41（6）：1-10. ZHAO Q J，

WU X Z. Research on the impact of land use change on habitat

quality in Minjiang River basin based on InVEST model[J].

Ecological Science， 2022， 41（6）：1-10.

[16] 钟莉娜， 王军. 基于InVEST模型评估土地整治对生境质量的影响

[J]. 农业工程学报， 2017， 33（1）：250-255. ZHONG L N， WANG J.

Evaluation on effect of land consolidation on habitat quality based on

InVEST model[J]. Transactions of the Chinese Society of Agricultural

Engineering， 2017， 33（1）：250-255.

[17] MOREIRA M， FONSECA C， VERGÍLIO M， et al. Spatial assessment

of habitat conservation status in a Macaronesian Island based on the

InVEST model：a case study of Pico Island（Azores， Portugal）[J].

Land Use Policy， 2018， 78：637-649.

[18] 冯琳， 雷国平. 东北地区生态系统服务及权衡/协同关系时空演变

特征与功能分区研究[J]. 中国土地科学， 2023， 37（7）：100-113.

FENG L， LEI G P. Study on spatial - temporal evolution

characteristics and functional zoning of ecosystem services and tradeoffs

/ synergies relationships in northeastern China[J]. China Land

Science， 2023， 37（7）：100-113.

[19] 刘长雨， 杨洁， 谢保鹏， 等. 黄河流域甘青段生境质量时空特征及

其地形梯度效应[J]. 农业资源与环境学报， 2023， 40（2）：372-383.

LIU C Y， YANG J， XIE B P， et al. Temporal and spatial

characteristics of habitat quality and its topographic gradient effect in

the Gansu-Qinghai section of the Yellow River basin[J]. Journal of

Agricultural Resources and Environment， 2023， 40（2）：372-383.

[20] 杨志鹏， 许嘉巍， 冯兴华， 等. 基于InVEST模型的东北地区土地利

用变化对生境的影响研究[J]. 生态科学， 2018， 37（6）：139-147.

YANG Z P， XU J W， FENG X H， et al. Effects of land use change on

habitat based on InVEST model in northeast China[J]. Ecological

Science， 2018， 37（6）：139-147.

[21] 张学儒， 周杰， 李梦梅. 基于土地利用格局重建的区域生境质量时

空变化分析[J]. 地理学报， 2020， 75（1）：160-178. ZHANG X R，

ZHOU J， LI M M. Analysis on spatial and temporal changes of

regional habitat quality based on the spatial pattern reconstruction of

land use[J]. Acta Geographica Sinica， 2020， 75（1）：160-178.

[22] 杜雨阳， 王征强， 于庆和， 等. 基于生境质量模型和电路理论的区

域生态安全格局构建：以秦岭（陕西段）为例[J]. 农业资源与环境

学报， 2022， 39（5）：1069-1078. DU Y Y， WANG Z Q， YU Q H， et al.

Construction of a regional ecological security pattern based on a

habitat quality model and circuit theory：a case study of the Qinling

Mountains（Shaanxi section）[J]. Journal of Agricultural Resources and

Environment， 2022， 39（5）：1069-1078.

[23] 孙天成， 马梓程， 黄赞慧， 等. 基于碳储存变化的海岸带生态系统

修复策略：以海南岛东南海岸带为例[J]. 热带地理， 2023， 43（3）：

443-458. SUN T C， MA Z C， HUANG Z H， et al. Coastal ecosystem

restoration strategy based on carbon storage change：a case study of

the southeast coastal zone of Hainan Island[J]. Tropical Geography，

2023， 43（3）：443-458.

[24] 李杨帆， 向枝远， 杨奕， 等. 基于韧性理念的海岸带生态修复规划

方法及应用[J]. 自然资源学报， 2020， 35（1）：130-140. LI Y F，

XIANG Z Y， YANG Y， et al. Application of ecological restoration and

planning based on resilience thinking in coastal areas[J]. Journal of

Natural Resources， 2020， 35（1）：130-140.

[25] 路亚方， 李红波. 2000—2020年基于土地利用变化的生境质量时

空动态演变：以武汉城市圈为例[J]. 水土保持研究， 2022， 29（6）：

391-398. LU Y F， LI H B. Temporal and spatial dynamic evolution

of habitat quality based on land use change from 2000 to 2020：taking

Wuhan metropolitan region as an example[J]. Research of Soil and

Water Conservation， 2022， 29（6）：391-398.

[26] 杜峯屹， 陈松林， 蒲佳豪. 2000—2020年闽东南地区土地利用变化

及生境质量时空演变[J]. 水土保持研究， 2023， 30（6）：345-356.

DU F Y， CHEN S L， PU J H. Land use change and spatiotemporal

evolution of habitat quality in southeastern Fujian from 2000 to 2020

[J]. Research of Soil and Water Conservation， 2023， 30（6）：345-356.

[27] 胡丰， 张艳， 郭宇， 等. 基于PLUS和InVEST模型的渭河流域土地

利用与生境质量时空变化及预测[J]. 干旱区地理， 2022， 45（4）：

1125-1136. HU F， ZHANG Y， GUO Y， et al. Spatial and temporal

changes in land use and habitat quality in the Weihe River basin

based on the PLUS and InVEST models and predictions[J]. Arid Land

Geography， 2022， 45（4）：1125-1136.

[28] 梁甜， 黄茜， 杨霏， 等. 基于InVEST-PLUS模型的三峡库区（重庆

段）生境质量演变及预测[J]. 长江流域资源与环境， 2023， 32（10）：

2184-2195. LIANG T， HUANG X， YANG F， et al. Evolution and

prediction of habitat quality in the Three Gorges Reservoir

（Chongqing section）based on the InVEST-PLUS model[J]. Resources

and Environment in the Yangtze Basin， 2023， 32（10）：2184-2195.

[29] 李宸宇， 朱建华， 郭学媛， 等. 长江经济带林业生态工程区生境质

量时空变化[J]. 生态学杂志， 2021， 40（12）：3788-3799. LI C Y，

ZHU J H， GUO X Y， et al. Spatiotemporal variations of habitat quality

in forestry ecological project region of the Yangtze River economic

belt[J]. Chinese Journal of Ecology， 2021， 40（12）：3788-3799.

[30] 刘蒙罢， 张安录， 文高辉. 长江中下游粮食主产区耕地利用生态效

率区域差异与空间收敛[J]. 自然资源学报， 2022， 37（2）：477-493.

LIU M B， ZHANG A L， WEN G H. Regional differences and spatial

convergence in the ecological efficiency of cultivated land use in the

main grain producing areas in the Yangtze region[J]. Journal of

Natural Resources， 2022， 37（2）：477-493.