刘春艳,朱康文,刘吉平
三峡库区重庆段土地覆盖和生物多样性功能演化及预测
刘春艳1,朱康文2,刘吉平1
(1. 吉林师范大学旅游与地理科学学院,四平 136000;2. 重庆市环境科学研究院,重庆 401147)
为研究三峡库区(重庆段)2005—2020年土地覆盖和生物多样性功能演化情况,对景观格局进行动态分析,该文结合重庆市生态保护红线划定成果,综合运用CA-Markov模型和InVEST模型对区域2005-2020年的土地覆盖和生物多样性功能的演化及趋势进行研究,在运用CA-Markov模型对2020年土地覆盖进行模拟预测的基础上,运用InVEST模型进行生物多样性功能的定量计算。结果表明:1)2005—2010年和2010—2015年,各类土地覆盖面积和土地覆盖动态度分别呈现“四增二减”和“三增三减”的状态;2)CA-Markov模型模拟预测时Kappa系数达到0.92,表明模型的普适性较好;3)4期生境退化指数最高值变化为:0.168 1→0.207 1→0.190 9→0.181 2,城区周边和长江、嘉陵江、乌江沿岸区域的生境退化指数高,东北部大巴山区域的生境退化指数较低;4)大巴山、武陵山、四面山等区域的生境质量较好,长江、嘉陵江沿岸生物多样性功能较差,4期生境质量总得分和平均得分分别为34 337 710、36 829 020、36 345 590、35 530 500和0.513 9、0.551 2、0.543 9、0.531 7;5)15年间生物多样性功能出现不断上升的趋势,由大范围的波动转为小区域变化,整个区域的生物多样性功能逐渐趋于稳定。
土地利用;土地整治;生物多样性;三峡库区重庆段;CA-Markov模型;InVEST模型
土地覆盖变化是全球变化最主观的感知,作为全球变化的重要组成部分和主要原因之一[1-2],土壤性质[3-4]、地表侵蚀[5-6]等自然现象和生态过程的变化都由其引起,对区域景观格局有非常重要的影响,影响土地覆盖与生态系统之间的关系,土地覆盖类型由林地变为建设用地的变化对于区域生物多样性的影响极大,包括空间连通性的切断等。因此在重建和分析过去土地覆盖变化情况的基础上,对未来土地覆盖情况进行预测,加入生态保护红线这一限制开发的要素,有利于科学有效地制定土地利用管理策略,指导区域社会经济的可持续发展,维护区域生物多样性功能,保障区域的生态安全[7-8]。
目前分析和模拟土地覆盖变化的模型较多,如最优化模型[9-10]、随机模型[11]、经验模型[12]、元胞自动机[13-14]等,其中CA-Markov模型既有Markov长期预测的优势又有元胞自动机(Cellular Automaton)模拟复杂系统空间变化的能力,基于Markov模型的土地覆盖变化预测,使用CA模型对预测结果进行空间配置,可以很好地从时间和空间上模拟土地覆盖的变化情况,提高土地覆盖类型转化的预测精度,又可以有效地模拟景观格局的空间变化。CA-Markov模型目前被广泛探讨和应用,Balzter[15]、Liu等[16]将其应用于植被动态变化模拟、城市聚落变化等方面。侯西勇等[17]和熊利亚等[18]在河西走廊、杨国清等[19]在广州、Ye和Bai[20]在嫩江县也对CA-Markov模型进行了应用,李志等[21]和刘淑燕等[22]分别模拟了黄土区不同流域土地覆盖的时空变化,并取得了良好的效果,都表明模型具有很好的普适性。
土地覆盖的变化将导致生态系统的组成发生一系列变化,生物多样性因此也产生变化,生物多样性变化的研究将直观地展示区域在研究期间的生境损失、景观破碎度等的变化,对于森林可持续管理、生态系统功能维护、土地利用优化等具有重要意义。目前对于生物多样性变化研究使用较多的是InVEST模型的Habitat Quality模块[23-24],美国斯坦福大学TNC、世界自然基金会和大自然保护协会于2007年联合开发出InVEST模型,是一种可以量化如生物多样性、土壤保持、碳储量等多种生态系统服务功能的评估模型,具有输入数据量少、输出数据量大、可以得到直观可视化的空间成果等优势[25-26]。InVEST模型已成功地被应用于美国夏威夷州和加利福尼亚州、非洲的坦桑尼亚及亚洲的印度尼西亚等多个区域的生态系统评估中[27-29]。国内也有不少地区采用InVEST模型进行研究,如韩晋榕[30]、贾芳芳[31]、余新晓等[32]、王敏等[33]从碳储量、生态系统服务功能、水源涵养功能、土壤保持功能等多方面进行了研究,并取得了较好的效果,对于模型的科学性都做了较好的验证。
上述研究在各自领域均产生较好的研究效果,但少有将土地覆盖变化和生物多样性功能变化相结合进行研究,本研究以三峡库区(重庆段)为研究区域,具体分析其土地覆盖变化及生物多样性功能的演化情况。三峡库区作为特殊的生态功能区,其生态安全关乎到整个长江流域。而重庆市域内的三峡库区面积占总面积比例达到80%,因此,对三峡库区(重庆段)的土地覆盖变化、生态系统和生物多样性功能的演化等方面的研究有利于区域内的生态环境保护、修复治理与改善等[34]。不少学者对三峡库区(重庆段)的生态环境和生态系统健康状况进行了研究,如刘春霞等[34]、李建国等[35]、李月臣等[36]分别对对三峡库区(重庆段) 的生态环境敏感性、生态系统健康状况、土壤侵蚀敏感性进行了综合研究。本研究将刚刚划定的重庆市生态保护红线作为土地覆盖模拟的限制因子,综合运用CA-Markov和InVEST模型,利用CA-Markov模型进行2020年三峡库区(重庆段)土地覆盖模拟,采用InVEST模型的Habitat Quality模块对2005、2010、2015、2020年的生物多样性功能进行量化分析,揭示土地覆盖动态变化对生物多样性功能的影响,表明生态保护红线划定对于保障区域生态安全的具有重要作用,为优化区域生态环境提供科学依据,为区域经济可持续发展提供科学支撑。
三峡库区(重庆段)包括重庆市主城7区和国务院批准的《三峡库区经济社会发展规划》中的巫山、巫溪、奉节、云阳、开州、万州、忠县、石柱、丰都、涪陵、武隆、长寿、渝北、巴南、江津等15个区县(图1)。属亚热带季风性湿润气候,常绿阔叶林为地带性植被,地跨川东平行岭谷区、大巴山区和大娄山、巫山山区,山地、丘陵、河谷平坝分别占74%、21%、5%。作为中国乃至世界最为特殊的生态功能区,中国西南部重要的生态屏障和生态走廊[35],其生态安全状况关系到整个长江流域的生态安全与区域社会经济的可持续发展。作为典型的生态脆弱区,极其破碎的地形地貌、广泛发育的碳酸盐质岩层、高强度的水土流失等一些生态环境问题都时刻考验着水库的持续稳定运行,而重庆市域内三峡库区面积约占整个三峡库区面积的80%,覆盖了大部分三峡库区范围,由此则凸现出其重要的生态地理位置[36]。
本研究采用的土地利用数据是国家环保部下发的生态十年遥感监测数据(2005、2010年)和通过Landsat TM/ETM、MODIS数据及Google Map高分影像处理得到的数据(2015年)(综合分辨率25 m),数据处理主要利用ENVI5.0、Arcgis10.1、IDRISI等软件,经过对影像的几何校正、辐射校正、影像增强等预处理,通过监督分类、人机交互解译的方法,结合野外现场核查结果,将用地类型分为耕地、林地、草地、水域、建设用地、未利用土地6大类。
图1 三峡库区重庆段区位图
土地覆盖动态度表示土地覆盖类型的稳定情况,是反映区域土地覆盖变化剧烈程度的重要指标[37],土地覆盖动态度模型公式如下
CA和Markov都是状态离散和时间离散的动力学模型,Markov模型主要针对数量上的预测,CA模型能够模拟空间系统的复杂变化,二者结合可以考虑土地覆盖的历史变化趋势,对土地覆盖的未来变化进行动态模拟。
CA模型由离散的元胞、元胞空间、有限的状态、领域和规则5部分构成,如下描述
Markov模型计算原理如下
CA-Markov模型在GIS、IDRISI软件的支持下,结合面积转移矩阵、条件概率图像等进行运算,确定元胞状态的转移,以此模拟土地覆盖的变化[38]。本研究具体模拟步骤为:1)通过2005和2010年土地覆盖数据,确定转移面积矩阵、转移概率矩阵、转移适宜性图像等;2)以2010年为基础年模拟2015年的土地覆盖情况;3)对比2015年模拟数据与2015年现状数据,确定模拟的精度;4)以2015年为基础年模拟2020年土地覆盖情况。
InVEST-Habitat quality模型是结合各土地覆盖类型的威胁因子敏感度和外界威胁强度得到生境质量的分布,根据生境质量的好坏来评价生物多样性,包括生境退化指数和生境质量指数[39-41]。
生境退化指数计算公式如下
生境质量指数的计算是基于生态退化指数,生境质量指数的得分反映区域生境斑块破碎化程度的高低,可以表示各斑块对人类活动干扰产生的生境退化的抵抗能力的大小,揭示三峡库区(重庆段)的生境受威胁因子的影响程度,展现三峡库区(重庆段)生境质量的整体情况。生境质量指数的值在0~1之间,每0.2位一个级别,分为差、较差、一般、较好、优5个等级。生境质量指数的计算公式如下:
本研究威胁因子综合考虑模型的使用说明、相关研究、专家意见及三峡库区(重庆段)的实际情况,选取耕地、农村建设用地、城区建设用地、工矿及交通用地作为威胁因子。生境类型对外界威胁的敏感度是基于景观生态学生物多样性保护的一般原则而定的,威胁因子敏感度的取值区间为0~1。在阅读模型使用说明及附带案例的基础上[42],根据肖明[43]、朱敏[44]的研究,结合本研究区实际情况及专家建议对威胁因子和威胁因子敏感度赋值,如下表1和表2。
表1 威胁因子及其胁迫强度
表2 生境类型对威胁因子的敏感度
图2为三峡库区(重庆段)3期土地覆盖类型图,可以看出三峡库区(重庆段)的建设用地主要分布在主城区及长江沿岸,且3期中建设用地的扩张非常明显,说明地处长江经济带的重庆市经济发展迅速,城市空间扩张明显。从表3可知2005—2010年和2010—2015年,各类土地覆盖面积和土地覆盖动态度分别呈现“四增二减”和“三增三减”的状态。较为明显的特点有:1)所有类型的面积和动态度的变化幅度在2010—2015年都出现变小的趋势,其中林地在2010—2015年动态度基本趋近于0;2)2005—2010年各土地覆盖类型的面积和动态度变化均较大,未利用土地的动态度高达69.23%,其次为建设用地、草地;3)2010—2015年耕地、林地、草地、水域变化基本稳定,建设用地、未利用土地变化较大,但是相对于2005—2010年还是出现了较为明显的降幅。总体来看,反映出2005—2010年城市扩张较快,对于耕地等占用较多,变化波动大,2010—2015年城市扩张速度放缓,同时生态环境保护的要求不断提升,对于城市内部的优化布局逐渐变多。
图2 不同年份土地覆盖类型图
表3 各类土地覆盖动态度变化
由图2、表4、表5可知,2005—2010年,耕地、草地大量转为林地,分别高达6 907.60和2 649.23 km²,尤其是武隆南部大量耕地转为林地,万州、云阳、奉节等区县大量草地转为林地,与“退耕还林”政策的实施有很大的关系。同一时期,耕地转为建设用地的面积也较大,面积达到522.51 km²,表明城市发展也处于快速扩张的状态;2010—2015年,耕地、草地转为林地的量明显低于2005—2010年,分别降为1197.89和379.74 km²,但耕地、林地转为建设用地的量有所增加,分别为619.83和302.17 km²,结合土地覆盖动态度的结果,说明虽然建设用地的动态度在2010—2015年降低了,但是城市扩张的面积还是在快速增加。
表4 土地覆盖转移面积矩阵
从表5可以更直观的分析出各土地覆盖类型之间的转出转入概率,2005—2010年,耕地→耕地和耕地→林地的概率基本接近,同时林地→耕地的概率也较高;草 地→耕地、草地→林地的概率高达0.35 34、0.554 1,而草地→草地仅为0.071 9;2010—2015年,耕地→耕地、林地→林地的概率明显高于2005—2010年,表明耕地、林地内部的保有量在上升,说明2010—2015年对于耕地、林地的保护力度增加。同一区域的土地覆盖转移概率在不同时期不一样,符合当前的城市发展规律,因此不同时期的土地覆盖模拟采用不同的土地覆盖转移概率文件更符合区域发展实际。
表5 土地覆盖转移概率矩阵
3.2.1 土地覆盖预测精度分析
研究以2010年作为模拟的基础年份,以2005—2010年之间的转移面积矩阵、转移概率矩阵、转换适宜性图集等作为输入要素,模拟2015年土地覆盖数据。采用IDRISI软件中的GIS Analysis→DatabaseQuery→ CROSSTAB模块,得到2015年的土地覆盖数据,与2015年现状土地覆盖数据进行精度验证,Kappa系数为0.92,说明模型模拟的精度较高。在ArcGIS软件中对各类型土地覆盖的空间一致性进行分析,结果见表6,反映出在三峡库区(重庆段)采用CA-Markov模型模拟未来土地覆盖情况的结果很好,说明此模型模拟研究区土地覆盖具有很好的适用度和可信度。
3.2.2 土地覆盖模拟结果
2020年土地覆盖模拟结果如表7和图3所示,耕地、林地、草地、水域、建设用地、未利用土地的面积分别为16 991.43、21 502.83、1 165.68、1 313.36、3 114.90、16.66 km²,面积占比分别为38.53%、48.75%、2.64%、2.98%、7.06%、0.04%。根据2015-2020年的各土地覆盖类型的面积变化,结合土地覆盖转移概率矩阵,分析得出未来建设用地将持续增加,耕地、林地、草地持续减少。
3.3.1 生境退化指数分析
2005、2010、2015、2020年三峡库区(重庆段)的生境退化指数分布如图4所示,15a间生境退化指数呈现出“先增后降(最高值变化为:0.168 1→0.207 1→ 0.190 9→ 0.181 2)”的趋势,其中2010年退化最为严重。空间分布上,生境退化指数高的区域基本分布在城区周边和长江、嘉陵江、乌江沿岸区域,总体上靠近重庆主城区(渝北区、江北区、沙坪坝区、南岸区、九龙坡区、巴南区、大渡口区、北碚区、长寿区、江津区)的生境退化指数较高,东北部大巴山区域(巫溪县、巫山县)的区域生境退化指数较低且基本没有退化。表明三峡库区(重庆段)在2005—2010年期间发展迅速,对区域的生境破坏较为严重,2010—2015年期间有明显的减缓,与不同时期的发展战略、发展思路有很大的关联,2005—2010年是中国经济发展迅速、城市化进程加快的阶段,不可避免产生对生境破坏的行为,2010—2015年中国开始转变发展思路,强调生态文明,提出“面上保护、点上开发”等发展方式,有效的遏制了生境退化的趋势。
表6 土地覆盖模拟结果与现状数据对比
表7 2015年和2020年土地覆盖面积变化
图3 2020年土地覆盖模拟结果
图4 生境退化指数分布图
3.3.2 生境质量变化分析
2005、2010、2015、2020年三峡库区(重庆段)的生境质量按照2.3的分级标准进行分级(见图5),生境质量较好的区域主要分布在大巴山(巫山县、巫溪县、奉节县南部)、武陵山(石柱县、武隆区)、四面山(江津区南部)等区域,长江、嘉陵江沿岸生物多样性功能较差,主要是由于山地城市在河流两侧的地势相对较平坦,且水源较近比较适合城市发展,因此对于这一区域的生态破坏较为严重。根据图5的数据计算可知,2005、2010、2015、2020年三峡库区(重庆段)的生境质量总得分和平均得分分别为3 4337 710、36 829 020、36 345 590、35 530 500和0.513 9、0.551 2、0.543 9、0.531 7,结合生境退化指数分析,虽然2010年生境质量退化较严重,但生境质量却是最高的时期,与同一时期的植树造林联系紧密,同时也反映出生态保护与城市发展之间存在的问题,城市扩张占用大量生态用地,因此也应进行一些缓解的措施,整体上三峡库区(重庆段)生境质量不论是总得分还是平均得分均不断降低,生物多样性功能持续降低,这是城市发展的必然趋势,目前主要是通过划定生态保护红线、加大生态修复力度等手段减弱这个趋势。
图5 生境质量分布图
图6是2005—2010年、2010—2015年、2015—2020年生境质量变化图。可以看出,2005—2010年期间波动较大,呈现“降低为主、不变为辅、部分区域上升”的特点;2010—2015年期间变化主要集中在主城区及“万开云(万州区、开州区、云阳县)”附近区域,大部分区域比较稳定;2015—2020年期间主要是主城区有部分降低,其它区域基本维持不变。整体表明15 a间三峡库区(重庆段)生境质量出现不断变好的趋势,由大范围的波动转为小区域变化,整个区域的生物多样性功能逐渐趋于稳定。
图6 生境质量变化图
采用CA-Markov模型和InVEST-Habitat Quality模型分析区域过去、现状及未来土地覆盖及生物多样性功能变化效果较好,研究发现三峡库区(重庆段)土地覆盖变化较大,城市扩张速度快,生境质量退化趋势明显,生物多样性功能不断降低。从全国角度来看,三峡库区(重庆段)是非常关键的区域,其生态安全问题一直备受关注,对于如何遏制生态环境的退化学者们提出很多政策和措施,比如生态保护红线的划定[45]、生态功能区划的制定[46]、河段长制管理[47]、饮用水水源地的规范化建设[48]、生态文明建设[49]等,取得了较好的效果,提高了违法成本,有效地控制了高污染企业的布局,从根源上控制生态破坏行为的发生。随着经济不断发展,应提高城市内部的布局优化,避免盲目的城市扩张现象,不断加大生态修复的力度,遏制生物多样性功能不断降低的趋势,争取早日实现生物多样性功能由降低变为上升。目前在此领域采用此思路的研究较少,有利于开拓两个模型的应用范围,为相关研究提供新思路。研究清晰的分析了2010—2020年间的土地覆盖变化情况及趋势,有利于规划部门在城市布局时进行参考,生物多样性功能演变及趋势分析挖掘出了生态退化的具体区域,在城市扩张及生态修复过程中应予以重点关注,为政府决策提供了科学依据和数据支撑。
1)2005—2010年和2010—2015年2个时期,各类土地覆盖面积和土地覆盖动态度分别呈现“四增二减”和“三增三减”的状态,2005—2010年城市扩张较快,变化波动大,2010—2015年城市扩张速度放缓;
2)CA-Markov模型的模拟结果精度达到0.92,表明模型普适性较好;
3)15 a间生境退化指数呈现出“先增后降”的趋势,重庆主城区、长江、嘉陵江、乌江沿岸区域的生境退化指数较高,东北部大巴山区域的生境退化指数较低且基本没有退化;
4)生境质量较好的区域主要分布在大巴山、武陵山、四面山等区域,长江、嘉陵江沿岸生物多样性功能较差;
5)15 a间研究区生物多样性功能出现不断上升的趋势,由大范围的波动转为小区域变化,整个区域的生物多样性功能逐渐趋于稳定。
[1] 李秀彬. 全球环境变化研究的核心领域——土地利用/土地覆被变化的国际研究动向[J]. 地理学报,1996,51(3):553-558. Li Xiubin. A review of the international researches on land use/land cover change[J]. Acta Geographica Sinica, 1996, 51(3): 553-558. (in Chinese with English abstract)
[2] Ii B L T, Skole D L, Sanderson S, et al. Land-use and land-cover change, science/ research plan[C]// EGS - AGU - EUG Joint Assembly. EGS - AGU - EUG Joint Assembly, 1995: 669-679.
[3] Bormann H, Breuer L, Gräff T, et al. Analysing the effects of soil properties changes associated with land use changes on the simulated water balance: A comparison of three hydrological catchment models for scenario analysis[J]. Ecological Modeling, 2007, 209(1): 29-40.
[4] 傅伯杰,马克明. 黄土丘陵区土地利用结构对土壤养分分布的影响[J]. 科学通报,1998,43(22):2444—2448.
[5] 李志,刘文兆,王秋贤. 黄土塬区不同地形部位和土地利用方式对土壤物理性质的影响[J]. 应用生态学报,2008,19(6):1303—1308. Li Zhi, Liu Wenzhao, Wang Qiuxian. Effects of land use type and slope position on soil physical properties in loess table land area[J]. Chinese Journal of Applied Ecology, 2008, 19(6): 1303-1308. (in Chinese with English abstract)
[6] Brath A, Montanari A, Moretti G. Assessing the effect on flood frequency of land use change via hydrological simulation (with uncertainty)[J]. Journal of Hydrology, 2006, 324(1/2/3/4): 141-153.
[7] Zhi L, Liu W Z, Zhang X C, et al. Impacts of land use change and climate variability on hydrology in an agricultural catchment on the Loess Plateau of China[J]. Journal of Hydrology, 2009, 377(1/2): 35-42.
[8] 李志,刘文兆,张勋昌,等. 未来气候变化对黄土高原黑河流域水资源的影响[J]. 生态学报,2009,29(7):3456—3464. Li Zhi, Liu Wenzhao, Zhang Xunchang, et al. The impacts of future climate change on water resources in the Heihe Watershed on the Loess Plateau[J]. Acta Ecologica Sinica, 2009, 29(7): 3456-3464. (in Chinese with English abstract)
[9] Wang X, Yu S, Huang G H. Land allocation based on integrated GIS-optimization modeling at a watershed level[J]. Landscape & Urban Planning, 2004, 66(2): 61-74.
[10] Manson S M. Agent-based modeling and genetic programming for modeling land change in the Southern Yucatan Peninsular Region of Mexico. [J]. Agriculture Ecosystems & Environment, 2005, 111(1): 47-62.
[11] Weaver K, Perera A H. Modelling land cover transitions: A solution to the problem of spatial dependence in data[J]. Landscape Ecology, 2004, 19(3): 273-289.
[12] Agarwal D K, Jr J A S, Gelfand A E, et al. Tropical deforestation in Madagascar: Analysis using hierarchical, spatially explicit, Bayesian regression models[J]. Ecological Modelling, 2005, 185(1): 105-131.
[13] Syphard A D, Clarke K C, Franklin J. Using a cellular automaton model to forecast the effects of urban growth on habitat pattern in southern California[J]. Ecological Complexity, 2005, 2(2): 185-203.
[14] Bolliger J. Simulating complex landscapes with a generic model: Sensitivity to qualitative and quantitative classifications[J]. Ecological Complexity, 2005, 2(2): 131-149.
[15] Balzter H, Braun P W, Köhler W. Cellular automata models for vegetation dynamics[J]. Ecological Modelling, 1998, 107(2/3): 113-125.
[16] Liu X H, Andersson C. Assessing the impact of temporal dynamics on land-use change modeling[J]. Computers Environment & Urban Systems, 2004, 28(1): 107-124.
[17] 侯西勇,常斌,于信芳. 基于CA-Markov的河西走廊土地利用变化研究[J]. 农业工程学报,2004,20(5):286—291. Hou Xiyong, Chang Bin, Yu Xinfang. Land use change in Hexi corridor based on CA-Markov methods[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2004, 20(5): 286-291. (in Chinese with English abstract)
[18] 熊利亚,常斌,周相广. 基于地理元胞自动机的土地利用变化研究[J]. 资源科学,2005,27(4):38—43. Xiong Liya, Chang Bin, Zhou Xiangguang, A geoCA-based study on land use change[J]. Resources science, 2005, 27(4): 38-43. (in Chinese with English abstract)
[19] 杨国清,吴志峰,祝国瑞. 广州地区土地利用景观格局变化研究[J]. 农业工程学报,2006,22(5):218—221. Yang Guoqing, Wu Zhifeng, Zhu Guorui. Analyzing and modeling land use pattern changes in rapid urbanization of area: a case study of Guangzhou City, China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2006, 22(5): 218-221. (in Chinese with English abstract)
[20] Ye B, Bai Z. Simulating Land Use/Cover Changes of Nenjiang County Based on CA-Markov Model[M]// Computer And Computing Technologies In Agriculture, Volume I. Springer US, 2007: 321-329.
[21] 李志,刘文兆,郑粉莉. 基于CA-Markov模型的黄土塬区黑河流域土地利用变化[J].农业工程学报,2010,26(1):346—351. Li Zhi, Liu Wenzhao, Zheng Fenli, Land use change in Heihe catchment on loess tableland based on CA-Markov model[J] Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2006, 22(5): 218-221. (in Chinese with English abstract)
[22] 刘淑燕,余新晓,李庆云,等. 基于CA-Markov模型的黄土丘陵区土地利用变化[J]. 农业工程学报,2010,26(11):297—301. Liu Shuyan, Yu Xinxiao, Li Qingyun, et al. Land use change in loess hilly region based on CA-Markov model[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2010, 26(11): 297-301. (in Chinese with English abstract)
[23] Kim Y, Kim N, Jeong S R. Stock-index invest model using news big data opinion mining[J]. Journal of Intelligence and Information Systems 2012, 18(2): 143-156.
[24] Wang Y J, Gao J L, Zhao D X. Application of InVEST model in the pollination of crop pollination[J]. Apiculture of China, 2014, 65(Z3):18-19.
[25] Wu Zhe, Chen Yun, Liu Beibei, et al. Research progress and application of InVEST model[J]. Chinese Journal of Tropical Agriculture, 2013, 33(4): 58-62.
[26] Wang Y, Meng J J, Qi Y, et al. Review of ecosystem management based on the InVEST model[J]. Ama Arch Derm, 2015, 79(3): 325-327.
[27] Yu X. Evaluation of water conservation function in mountain forest areas of Beijing based on InVEST model[J]. Scientia Silvae Sinicae, 2012, 48(10): 1-5.
[28] Keeler B, Dalzell B J, Pennington D, et al. Comparing SWAT and InVEST models for water yield and nutrient export: When is a simple model good enough for decision support?[C]// AGU Fall Meeting. AGU Fall Meeting Abstracts, 2013.
[29] Rusbult C E, Martz J M, Agnew C R. The investment model scale: Measuring commitment level, satisfaction level, quality of alternatives, and investment size[J]. Personal Relationships, 1998, 5(4): 357-387.
[30] 韩晋榕. 基于InVEST模型的城市扩张对碳储量的影响分析[D]. 长春:东北师范大学,2013. Han Jinrong. The Impact of Urban Sprawl on Carbon Stocks Based on the InWEST Model[D]. Changchun: Northeast Normal University, 2013. (in Chinese with English abstract)
[31] 贾芳芳. 基于InVEST模型的赣江流域生态系统服务功能评估[D]. 北京:中国地质大学, 2014. Jia Fangfang, InVEST Model Based Ecosystem Services Evaluation with Case Study on Ganjiang River Basin[D]. Beijing: China University of Geosciences, 2014. (in Chinese with English abstract)
[32] 余新晓,周彬,吕锡芝,等. 基于InVEST模型的北京山区森林水源涵养功能评估[J]. 林业科学,2012,48(10): 1—5. Yu Xinxiao, Zhou Bin, Lǚ Xizhi, et al. Evaluation of water conservation function in mountain forest areas of Beijing based on InVEST model[J]. Scientia Silvae Sinicae, 2012, 48(10): 1-5. (in Chinese with English abstract)
[33] 王敏,阮俊杰,姚佳,等. 基于InVEST模型的生态系统土壤保持功能研究:以福建宁德为例[J]. 水土保持研究,2014,21(4):184—189. Wang Min, Ruan Junjie, Yao Jia, et al. Study on soil conservation service of ecosystem based on InVEST model: A case study of Ningde city, Fujian Province[J]. Research of Soil and Water Conservation, 2014, 21(4): 184-189. (in Chinese with English abstract)
[34] 刘春霞,李月臣,杨华,等. 三峡库区重庆段生态与环境敏感性综合评价[J]. 地理学报,2011,66(5):631—642. Liu Chunxia, Li Yuechen, Yang Hua, et al. RS and GIS- based assessment for eco-environmental sensitivity of the Three Gorges Reservoir area of Chongqing[J]. Acta Geographica Sinica, 2011, 66(5): 631-642. (in Chinese with English abstract)
[35] 李建国,刘金萍,刘丽丽,等. 基于灰色极大熵原理的三峡库区(重庆段)生态系统健康评价[J]. 环境科学学报,2010,30(11):2344—2352. Li Jianguo, Liu Jinping, Liu Lili, et al. 2010. Ecosystem health evaluation of Three Gorges reservoir area (Chongqing) based on the theory of maximum entropy and grey system[J]. Acta Scientiae Circumstantiae, 2010, 30(11): 2344-2352. (in Chinese with English abstract)
[36] 李月臣,刘春霞,赵纯勇,等. 三峡库区(重庆段)土壤侵蚀敏感性评价及其空间分异特征[J]. 生态学报,2009,29(2):788-796. Li Yuechen, Liu Chunxia, Zhao Chunyong, et al. Assessment and spatial differentiation of sensitivity of soil erosion in Three Gorges Reservoir area of Chongqing[J]. Ecta Ecologica Sinica, 2009, 29(2): 788-796. (in Chinese with English abstract)
[37] 段增强,张凤荣,孔祥斌. 土地利用变化信息挖掘方法及其应用[J]. 农业工程学报,2005,21(12):60—66. Duan Zengqiang, Zhang Fengrong, Kong Xiangbin. Method for information mining of land-use change and its application [J].Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2005, 21(12): 60-66. (in Chinese with English abstract)
[38] 杨国清,刘耀林,吴志峰. 基于CA-Markov模型的土地利用格局变化研究[J]. 武汉大学学报:信息科学版,2007,32(5):414—418. Yang Guoqing, Liu Yaolin, Wu Zhifeng. Analysis and simulation of land-use temporal and spatial pattern based on CA-Markov model[J]. Geomatics and Information Science of Wuhan University, 2007, 32(5): 414-418. (in Chinese with English abstract)
[39] Nelson E, Mendoza G, Regetz J, et al. Modeling multiple ecosystem services, biodiversity conservation, commodity production, and tradeoffs at landscape scales[J]. Frontiers in Ecology & the Environment, 2009, 7(1): 4-11.
[40] Polasky S, Nelson E, Pennington D, et al. The impact of land-Use change on ecosystem services, biodiversity and returns to landowners: A case study in the state of Minnesota [J]. Environmental and Resource Economics, 2011, 48(2): 219-242.
[41] 白健,刘健,余坤勇,等. 基于InVEST-Biodiversity模型的闽江流域生境质量变化评价[J]. 中国科技论文,2015(15):1782—1788. Bai Jian, Liu Jian, Yu Kunyong, et al. Evaluation of change in the ecological quality for Minjiang River basin based on the InVEST-Biodiversity model[J]. China Science Paper, 2015(15): 1782-1788. (in Chinese with English abstract)
[42] Richard Sharp, Rebecca Chaplin Kramer, Spencer Wood, et al. InVEST 3.3.0 User's Guide [M/OL]. 2015. http: //data. naturalcapitalproject.org/nightly-build/invest-users-guide/html/
[43] 肖明. GIS在流域生态环境质量评价中的应用[D]. 海口:海南大学,2011. Xiao Ming. The Application of GIS in Watershed Ecological Quality Evaluation [D]. Haikou: Hainan University, 2011. (in Chinese with English abstract)
[44] 朱敏. 气候变化背景下白马雪山生境质量评估研究[D]. 昆明:昆明理工大学,2012. Zhu Min. Study on the Assessment of Habitat Quality in Baima Snow Mountain[D]. Kunming: Kunming University of Science and Technology, 2012. (in Chinese with English abstract)
[45] 杨邦杰,高吉喜,邹长新. 划定生态保护红线的战略意义[J]. 中国发展,2014,14(1):1—4. Yang Bangjie, Gao Jixi, Zou Changxin. The strategic significance of drawing the ecological protection red line[J] China Development, 2014, 14(1):1-4. (in Chinese with English abstract)
[46] 蔡佳亮,殷贺,黄艺. 生态功能区划理论研究进展[J]. 生态学报,2010,30(11):3018—3027. Cai Jialiang, Yin He, Huang Yi. Ecological function regionalization: A review [J]. Acta Ecological Sinica, 2010, 30(11): 3018-3027. (in Chinese with English abstract)
[47] 李恒堂,修艳玲. 淄博市河道“河段长制”管理模式的探索[J]. 山东水利,2016(1):36—37.
[48] 付青,郑丙辉. 关于饮用水水源地规范化建设的思考[J].环境保护,2015,43(14):51—54. Fu Qing, Zheng Binghui. Thoughts on the standardization construction of drinking water sources[J]. Environmental protection, 2015, 43(14): 51-54. (in Chinese with English abstract)
[49] 谷树忠,胡咏君,周洪. 生态文明建设的科学内涵与基本路径[J]. 资源科学,2013,35(1):2—13. Gu Shuzhong, Hu Yongjun, Zhou Hong. Ecological civilization construction: scientific cononotation and basic paths [J]. Resources Science, 2013, 35(1): 2-13. (in Chinese with English abstract)
刘春艳,朱康文,刘吉平. 三峡库区重庆段土地覆盖和生物多样性功能演化及预测[J]. 农业工程学报,2017,33(19):258-267. doi:10.11975/j.issn.1002-6819.2017.19.034 http://www.tcsae.org
Liu Chunyan, Zhu Kangwen, Liu Jiping. Evolution and prediction of land cover and biodiversity function in Chongqing section of Three Gorges Reservoir Area[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(19): 258-267. (in Chinese with English abstract) doi:10.11975/j.issn.1002-6819.2017.19.034 http://www.tcsae.org
Evolution and prediction of land cover and biodiversity function in Chongqing section of Three Gorges Reservoir Area
Liu Chunyan1, Zhu Kangwen2, Liu Jiping1
(1.136000,;2.401147,)
The change of land cover has a profound influence on the quality and distribution pattern of the regional habitat, thus changing the function and evolution of biodiversity. As a special ecology function zone, the ecological security of Three Gorges Reservoir Area affects the whole Yangtze River valley. The proportion of the total area of Three Gorges Reservoir Area in Chongqing City reaches 80%, and thus the study on land cover change and ecosystem and biodiversity function evolution is beneficial to the regional ecological environment protection, remediation and improvement. Taking Three Gorges Reservoir Area (Chongqing section) as an example, this paper analyzed the evolution and trend of regional land cover and biodiversity function from the year of 2005 to 2020 through the comprehensive use of the CA-Markov (cellular automaton and Markov) model and InVEST (integrated valuation of ecosystem services and tradeoffs) model. For the data used in this paper, one part was from the remote sensing monitoring data in, which was issued by the Ministry of National Environmental Protection, and the other part was from the land use map in 2015. Based on the software of ArcGIS 10.1, ENVI 5.0 and IDRISI, the land use type was classified into 6 kinds in the evolution and trend of land cover and biodiversity function of the study area. On the basis of the simulation of land cover in 2020 by using CA-Markov model, the InVEST model was used to quantitatively calculate the biodiversity function in 2005, 2010, 2015 and 2020. The results showed that: 1) In the 2 periods of 2005-2010 and 2010-2015, various types of land cover areas and land cover dynamic degrees showed the state of "four increase and two decrease" and "three increase and three decrease". 2) The Kappa coefficient reached 0.92 when the CA-Markov model was used in simulation, which showed that the model could be well applied to the simulation of land cover in Three Gorges Reservoir Area (Chongqing section). 3) The highest values of habitat degradation index in the 4 yeaswere 0.1681, 0.2071, 0.1909, and 0.1812, respectively, and the higher habitat degradation index was located in the city’s surrounding areas as well as the banks of the Yangtze River, Jialing River and Wujiang River, and Daba Mountain’s habitat degradation index was lower. 4) The good regional habitat quality was mainly distributed in the areas including Daba Mountain, Wuling Mountain and Simian Mountain, while the poor biodiversity function appeared alongside the Yangtze River and Jialing River. The total score and the average score of the 4 years were 34 337 710, 36 829 020, 36 345 590, 35 530 500 and 0.513 9, 0.551 2, 0.543 9, 0.531 7, respectively. 5) The analysis of habitat quality showed that the function of biodiversity was increasing in the past 15 years, which changed from the large scale fluctuation into small area change, and the biodiversity function of the whole region tended to be stable. The research may reveal the influence of dynamic land cover change on biodiversity function, show the important role of the delineation of red line ofecological protection to regional ecological security, and provide scientific basis for optimizing the regional ecological environment, as well as scientific support for the sustainable development of regional economy.
land use; land consolidation; biodiversity; Three Gorges Reservoir Area (Chongqing section); CA-Markov model; InVEST model
10.11975/j.issn.1002-6819.2017.19.034
X826
A
1002-6819(2017)-19-0258-10
2017-06-26
2017-09-11
吉林省科技发展计划项目(20150204047SF)
刘春艳,女,吉林松原人,副教授,博士,主要从事土地利用、资源环境与可持续发展方面研究。Email:jlsplcy@163.com