《Frontiers in Ecology and Evolution》:Spatiotemporal heterogeneity of ecosystem service value and multi-scenario simulation in the mountainous region of Western Henan Province based on LUCC
编辑推荐:
生态系统服务价值(Ecosystem Service Value,ESV)是评估区域可持续发展的关键量化指标。豫西山区(Mountainous Region of Western Henan Province)是河南省生态最脆弱的区域之一,是土地利用与生态系统
生态系统服务价值(Ecosystem Service Value,ESV)是评估区域可持续发展的关键量化指标。豫西山区(Mountainous Region of Western Henan Province)是河南省生态最脆弱的区域之一,是土地利用与生态系统综合管理的重点区域。本研究采用动态度分析、土地利用转移矩阵及当量因子法,系统考察2003—2023年土地利用/覆被变化(Land Use/Cover Change,LUCC)及其对ESV影响的时空动态,并利用高精度intPLUS模型模拟2033年三种情景——自然发展(Natural Development,ND)、经济发展(Economic Development,ED)和生态保护(Ecological Protection,EP)——下的土地利用格局,分析相应ESV演化趋势及冷热点空间分布。主要结果如下:(1)2003—2023年,耕地(Cropland)、草地(Grassland)和未利用地(Unused land)显著缩减,林地(Forest)、水体(Water bodies)和建设用地(Construction land)持续扩张;耕地和林地占区域总面积85%以上。(2)ESV由820.56亿元增至861.51亿元,主要由林地和水体贡献;空间呈"西高东低"梯度,高值簇集中于三门峡、洛阳和南阳森林区,低值簇位于郑州城区、洛阳北部及平顶山中部建设用地密集区;ESV等级转换以相邻等级为主,净增益大于损失。(3)预计2033年三情景下ESV均上升,EP情景ESV最高(875.76亿元),低值带扩张最小且高值带最广;ED情景ESV增量最小(872.89亿元),建设用地扩张最大。(4)intPLUS模型模拟精度优越(Kappa=0.8250,FOM较基准提高22.9%),适用于捕捉山区用地竞争。上述结果阐明LUCC与ESV动态的因果关联,为土地利用优化、生态政策制定及区域可持续发展规划提供实证依据。
论文解读:豫西山区基于LUCC的生态系统服务价值时空异质性与多情景模拟
本研究发表于《Frontiers in Ecology and Evolution》。土地利用/覆被变化(Land Use/Cover Change,LUCC)是全球环境变化的主要人为驱动因素,通过改变景观格局影响生态系统结构完整性及功能稳定性,进而调制生态系统服务价值(Ecosystem Service Value,ESV)的时空分布。豫西山区地处秦岭—黄淮平原生态过渡带,是河南省关键生态屏障与伏牛山生态修复核心区,人地矛盾突出且生态约束严格,但既往缺乏对该区域2003—2023年长时序LUCC与ESV时空特征、用地转换导致的ESV盈亏归因及高精度多情景模拟的系统研究。为此,研究人员以豫西山区(含洛阳、平顶山、三门峡、南阳、郑州五市,面积67400 km2)为研究区,融合连续土地覆被数据集(Continuous Land Cover Dataset,CLCD,30 m)、多源驱动因子及统计年鉴数据,重建2003—2023年LUCC过程,采用谢高地对当量因子法的豫西山区校正系数计算ESV,进行敏感性分析与ESV盈亏核算,并应用引入用地间抑制交互作用的intPLUS模型模拟2033年ND、ED、EP三种情景下土地利用格局与ESV演化,辅以Getis?Ord Gi*热点分析,揭示LUCC?ESV耦合机制及政策含义。
主要关键技术方法:
研究人员获取2003—2023年CLCD 30 m土地覆被数据并重分类为耕地、林地、草地、水体、建设用地、未利用地六类;收集气候、社会经济、地形及基础设施共12项驱动因子并统一重采样至30 m;基于研究区2003—2023年粮食产量、播种面积及价格计算单位当量因子价值(1302.89 CNY/hm2),建立豫西山区修正ESV系数矩阵(耕地5146.40、林地24203.29、草地15717.16、水体116706.08、未利用地846.88 CNY/hm2,建设用地为0);计算单一土地利用动态度与转移矩阵;通过±20%系数扰动进行敏感性分析(CS<1为稳健);依转移矩阵核算各地类转换引起的ESV盈亏;采用intPLUS模型以2013—2023年两期用地图及随机森林估算的开发概率与驱动贡献率进行校准与验证(Kappa、FOM),设定ND(历史趋势外推)、ED(耕地/林地/草地→建设用地转移概率+20%)、EP(生态用地→建设用地转移概率?40%,陡坡耕地退耕还林)三情景邻域权重与转换矩阵约束,预测2033年用地格局并计算ESV;以4 km×4 km格网进行球状克里金插值划分ESV五级并做Getis?Ord Gi*热点分析。
3 Results and analysis
3.1 Land use change characteristics: 2003—2023年耕地净减3493.99 km2(动态度?0.45%)、林地净增1933.21 km2(+0.47%)、草地净减1313.14 km2(?3.10%)、水体净增280.83 km2(+1.77%)、建设用地净增2594.36 km2(+2.62%)、未利用地微减;耕地与林地始终占总面积85%以上,建设用地沿城市核心与交通廊道集聚,草地相对变化率最高。
3.2 Driving factors of land use expansion: 随机森林贡献度显示,林地与草地扩张受海拔(DEM)(分别0.162、0.132)主导;建设用地受海拔(0.134)与人口密度(0.119)共同驱动;水体受GDP(0.191)与海拔(0.175)主导,印证情景参数设置的合理性。
3.3 The spatiotemporal differentiation characteristics of ESV: 总ESV由2003年820.56×108CNY增至2023年861.51×108CNY,林地贡献62.82%、耕地21.13%;空间呈"西高东低",高值区集中于三门峡、洛阳、南阳森林山地,低值冷点区为郑州、平顶山城区及洛阳北部;2003—2023年最低值区(ESV≤560.45×104CNY)由949.18 km2扩至2554.35 km2,最高值区基本稳定;ESV等级转换以相邻等级为主,最高值区略有扩大。
3.4 Sensitivity analysis of ESV coefficients: 各用地类型CS均<1(水体最高0.146,耕地0.109,林地0.107,草地0.015,未利用地0.000),ESV估计无弹性,结果稳健。
3.5 ESV gain and loss analysis: 2003—2023年ESV总增益76.49×108CNY、总损失?51.67×108CNY,净增40.94×108CNY;主要增益来自耕地→林地(30.52×108CNY)与耕地→水体(24.52×108CNY)转换,主要损失来自耕地→建设用地(?8.29×108CNY)及林地/水体→耕地逆向转换;退耕还林还草与生态修复抵消了部分城镇化导致的ESV损失。
3.6 Multi?scenario land use simulation using the intPLUS model
3.6.1 Accuracy assessment: intPLUS二次校准模拟2023年用地Kappa=0.8250、总体精度89.44%、FOM=0.0913,较初次模拟FOM提升22.9%,证明引入用地间抑制交互作用可更好捕捉山区土地变化。
3.6.2 Spatial distribution and hotspot analysis of land use types and ESV under multi?scenario projections: 2033年ND、ED、EP情景下ESV分别为873.72×108CNY、872.89×108CNY、875.76×108CNY;EP情景林地增639.01 km2、耕地减幅最小(?1143.29 km2)、建设用地最少(8042.97 km2),最高值区最广(27423.79 km2);ED情景建设用地最多(8750.71 km2)、耕地减幅最大(?1784.43 km2)、最低值区扩张最强;热点分析显示EP情景强化生态高值区与城镇低值冷点空间极化,ED情景因建设用地碎片化削弱冷热 spot聚集。
讨论与结论(Conclusions部分翻译归纳):
2003—2023年豫西山区耕地、草地和未利用地持续减少,林地、水体和建设用地扩张,耕地与林地合计占比超85%;区域总ESV由820.56亿元稳步升至861.51亿元,林地为ESV首要贡献者,空间呈西高东低格局,高值簇位于三门峡、洛阳、南阳山区,低值冷点位于郑州、平顶山建成区,ESV净增益大于损失表明生态修复政策驱动生态系统服务供给能力提升。耕地转林地和水体是ESV增长主因,建设用地占用生态及耕地为ESV损失主因,退耕还林还草与自然林保护有效抵消城镇化负面效应。intPLUS模型在山区用地模拟中表现优异(Kappa=0.8250,FOM较传统模型提高22.9%),能较好刻画生态脆弱山区用地竞争机制。2033年三情景ESV均上升,EP情景ESV最高且高值生态带最广、低值带扩张最小,ED情景ESV增量最低且建设用地扩张最大伴明显生态权衡,ND情景居中。研究表明将生态保育目标纳入区域发展规划可持续提升豫西山区ESV供给能力,并为国土空间优化与差异化的山区生态治理提供空间显式决策支持。