基于多元国土空间整治情景模拟的生态系统服务功能分区

周子康，刘殿锋

基于多元国土空间整治情景模拟的生态系统服务功能分区

周子康，刘殿锋※

（武汉大学资源与环境科学学院，武汉 430079）

生态系统服务功能分区是科学管理生态系统的重要手段。国土空间整治能够通过综合治理闲置、低效和生态退化国土资源，改变国土空间结构与布局，从而对生态系统功能产生影响。现有研究较少关注土地整治措施对未来生态系统服务空间集聚模式的潜在影响作用，整治措施的生态导向性有待提升。因此，该研究以山东招远市为例，设计了基准情景、废弃矿区修复情景以及城乡建设用地整治情景，定量化预测生态系统服务变化特征，并运用模糊C均值聚类算法开展生态系统功能区划定。结果表明，整治情景下土地利用数量结构变化显著，各生态系统服务能力均有所提升。全域可以划分为生态综合区、生境保育区、固碳释氧区、固碳产粮区、生态维护区5个生态功能区。与基准情景相比，废弃矿区修复情景下各生态功能区60%生态系统服务水平持平，28%处于劣势，仅12%显著提升。城乡建设用地整治则能够显著提升全域自然娱乐能力，总体增长了1.89%。生境保育区的自然娱乐和粮食生产能力平均值分别增加了0.01和0.10，固碳释氧区的生境质量、水源涵养能力分别增长了20.69%和100%。研究表明全面提升生态系统多功能性需要综合开展多元的国土空间整治措施。

土地利用；整治；生态系统服务；生态功能分区；FCM聚类

0 引 言

快速工业化、城镇化进程显著提升了中国社会经济发展水平，同时也产生了建设用地布局无序化、土地利用低效化和生态系统退化等诸多负面问题[1-3]。在此背景下，国土空间整治作为一项区域性、综合型的自然资源治理工程得到广泛实施。农用地、城乡建设用地、工矿用地等多地类整治作为关键整治模式[4]，能够有效保障耕地数量与质量，优化建设用地空间格局，保障城市建设用地有序发展和提升生态系统健康水平[5]。

国土空间整治措施将显著改变土地利用结构和空间布局，进而影响生态系统服务结构与功能[6-7]。例如，农用地整治能够提升部分地区耕地供给能力，也可能造成耕地生态效益受损和生态系统服务价值下降[8-9]。当前大量学者基于土地整治实例，探讨了生态系统服务对于土地整治策略的响应机制，评估了已实施土地整治工程或策略的生态效应[10-13]，为提升国土空间整治措施的有效性提供了科学依据。但是，随着国土空间整治内涵与相应措施的不断发展，如何有效降低国土空间整治工程对未来生态系统及其功能的潜在负面影响，以期提升国土空间整治方案的生态适应性与前瞻性仍然是学者们面临的重要挑战之一。该挑战具体表现为两个方面：一方面在于如何面向未来国土空间演化态势，从模拟视角出发预测不同国土空间整治情景对生态系统的影响作用；另一方面则在于如何针对不同生态系统服务存在多种组合模式（生态服务簇）[14]，科学划定生态功能区进而分析国土空间整治措施的潜在生态效应，同时为不同生态功能区提出差异化的生态管理措施。

现有土地利用模拟模型和生态功能分区模型能够为解决上述问题提供可靠支持。现阶段土地利用情景模拟主要以元胞自动机模型为主，采用Markov分析、灰色系统、回归分析、线性规划、系统动力学等空间隐式模型预测土地利用规模，采用元胞自动机模型或者其与多准则分析、机器学习、智能仿生及多智能体系统的混合模型进行土地利用空间格局预测[15-19]。其中，FLUS（Future Land Use Simulation Model）模型通过整合人工神经网络算法（Artificial Neural Network，ANN）和轮盘赌机制可用于人类活动与自然环境影响下未来土地利用情景模拟，得到广泛应用[20]。Markov模型基于随机过程理论构建，因其操作便捷性与高效性，广泛应用于土地利用需求预测[21-22]。Markov模型与FLUS模型的结合将为国土空间整治情景模拟提供可行的方法框架。同时，生态功能区的划定方法主要包括K均值、空间叠加法、分层聚类等聚类算法[23-25]，但是普遍存在初始值敏感性、经验参数设定和分类非此即彼等不足。模糊C均值聚类（Fuzzy C-means，FCM）属于无监督分类算法，其以隶属度来确定样本类别，克服了传统非此即彼聚类方法缺点以及主观因素的影响。该算法聚类效果可靠性高，已广泛应用于国土空间分区[26]、流域水文区划[27]、水质分析[28]、遥感地物要素分类[29]等多个领域。因此，利用FCM聚类算法有望准确识别生态系统服务簇，从而科学划定生态功能区，提出针对多种生态系统服务的有效的政策建议，为国土空间整治措施优化提供决策依据。

山东省招远市是全国综合实力百强县市，矿产资源丰富，黄金资源储量多、分布广、开采历史悠久，被誉为“中国金都”。城市化发展以及采矿活动频繁导致该地区农村人口锐减，废弃矿区闲置，土地资源浪费严重。因此，招远市亟需开展国土空间整治工程，推动土地资源合理高效利用。本研究选择山东省招远市为研究区，通过模拟研究区未来土地整治情景，探讨不同整治情景下生态系统服务演化趋势，分析不同情景下各功能区主导生态系统服务类型的变化特征，提出生态系统服务综合提升的管理措施，综合提升区域多种生态系统服务能力，以期有效支撑未来国土空间整治规划方案优化，推动招远市国土资源高质量开发利用和保护。

1 研究区与数据来源

1.1 研究区概况

招远市隶属于山东省烟台市，位于山东半岛西北部（37°05′～37°33′N，120°08′～120°38′E），全市面积为1 433.18 km2。全市地势东北部、中部和西部高，地貌类型以山地、丘陵为主，如图1所示。近年来，不合理的矿产资源开发以及无序的建设用地扩张，导致招远市生态环境遭到严重破坏、土地资源集约利用程度低下，生态系统服务功能下降。

1.2 数据获取与处理

本文使用的数据包括土地利用数据、数字高程模型、道路矢量数据、年均降水量数据、年均潜在蒸散量数据、土壤数据、人口、GDP、食物生产等社会经济数据和实地调研数据。其中招远市2009年、2018年土地利用数据以及数字高程模型（DEM）来自资源环境科学与数据中心（http://www.resdc.cn），分辨率为30 m；铁路、省道、国道、高速公路等道路矢量数据来自Open Street Map网站（http://openstreetmap.org）；年均降水量数据主要根据中国气象科学数据共享服务网（http://www.data.cma.cn）的月值数据并利用Anusplin软件进行空间插值得到，分辨率为30 m；年均潜在蒸散量来自CGIAR-CSI网站（https://cgiarcsi.community）；土壤数据来自世界土壤数据库（HWSD）的中国土壤数据集，分辨率为1 km；社会经济数据均来自招远市统计年鉴。废弃工矿整治潜力数据则来自实地调研，通过开展座谈、问卷图件调查等方式得到全市废弃工矿整治潜力区。招远市废弃工矿主要分布在10个街道（乡镇）的43个乡村，总面积达到297.81 hm2。本研究所有的空间数据统一采用CGCS2000地理坐标，空间分辨率大小为30 m×30 m。

2 研究方法

2.1 研究框架

本文构建了多元国土空间整治情景下生态系统服务功能分区的研究框架（图2），主要包括多情景土地利用模拟，生态系统服务评估以及生态功能区划。基于招远市未来发展目标，本文确定3种土地整治情景，即基准情景、废弃矿区修复情景及城乡建设用地整治情景，采用Markov模型和FLUS模型预测不同情景下土地利用结构和空间布局。在此基础上，从生态系统服务类型入手，选择5种生态系统服务指标，利用InVEST等模型评估各情景下生态系统服务水平。最后，采用FCM聚类算法进行生态系统服务聚类分析，划分生态系统服务功能区，探讨每种功能区的生态系统服务供给特点以及不同情景下各生态功能区生态系统服务能力的差异性。

2.2 生态系统服务评估

本文选择调节功能中的碳固存和水源涵养、支持服务中的生境质量、供给服务中的食物供给以及文化服务中的自然娱乐功能，利用InVEST模型、自然娱乐评价模型对各类生态系统服务定量化评估，分析生态系统服务功能的空间分布特征。各生态系统服务的评价方式及公式见表1。

2.3 多情景土地利用模拟

本文结合Markov-FLUS模型模拟多种土地整治模式下招远市2035年土地利用变化情况。Markov模型用于计算土地利用数量结构，FLUS模型用于预测土地利用格局。FLUS模型中，Markov模型预测的土地利用需求作为土地利用数量约束条件，土地利用变化驱动因子、邻域权重以及土地利用转移成本矩阵参考已有文献和研究区现状进行设置[36]。本文选择的驱动因子包括高程，坡度，到城市中心、到铁路、省道、国道、高速公路的距离，人口密度，人均GDP 9项驱动因子。

表1 生态系统服务计算方式

土地整治作为招远市国土空间规划的核心内容，将致力于加强农村建设用地土地整治，开展废弃矿区整治工程，建设紧凑型城市，更好地解决土地资源空间利用低效等发展问题。因此面向招远市未来土地整治规划战略，情景设置重点考虑将废弃矿区再开发为耕地和林地，加强农村空闲建设用地整理，限制城市建设用地无序扩张。具体情景参数描述如下：

1）基准情景：基准情景主要作为对比分析依据。该情景下各类型土地利用需求数量利用Markov模型进行预测；FLUS模型中将延续历史土地利用转换趋势，不增加任何政策干预。

2）废弃矿区修复情景：招远市采矿业发展迅猛，通过实地调研，预计2035年招远市废弃矿区再开发潜力可达297.81 hm2。针对废弃矿区实施修复工程，可有效补充耕地与林地数量。该情景充分考虑废弃矿区的复垦与复绿潜力，将2035年耕地、林地最大潜在面积设置为基期数量与废弃矿区可复垦、复绿面积之和，其他地类预期面积与基准情景保持一致。此外，将基本农田、河流水库、沿海滩涂、生态红线保护区作为土地利用转换限制条件。

3）城乡建设用地整治情景：招远市农村人口减少但建设用地持续增加，城市建设用地紧张，土地利用效率低下。该情景充分挖掘闲置农村建设用地的整治潜力，建立农村建设用地挖潜与城市建设用地增加的挂钩机制，从而实现城乡建设用地总量平衡。基于综合预测法预测2035年招远市农村人口，参考山东省农村人均建设用地规模控制指标，确定农村建设用地整治潜力，将拆旧面积作为城市新增建设用地指标，整治中复垦与复绿比例按照2009—2018年相应土地利用转移概率确定。其他用地类型数量需求与基准情景保持一致。土地利用转换条件与废弃矿区修复情景保持一致。

2.4 生态系统服务功能分区

利用FCM聚类算法，以5项生态系统服务价值作为分类样本集。根据生态系统服务之间的相似性对分区单元进行空间聚类，形成生态服务功能区。FCM聚类算法将样本集按照一定的准则划分为个模糊集，通过不断优化目标函数确定最佳的中心聚类矩阵，最终实现目标函数最小化[37-38]。其目标函数为：

式中为样本集的个数，是聚类数，u为数据点x相对于分类的隶属度，c为类的中心，是模糊加权指数，取值为2。

最优分类数量是影响聚类效果的重要因素。本文采用Bezdek划分系数评价分类效果，它主要目的是计算每个元素属于各个分类的隶属度。具体计算公式如下：

式中v为所有元素的平均隶属度，值越大，说明聚类效果越好。

3 结果与分析

3.1 多情景土地利用变化

本文利用2009年与2018年土地利用数据验证模型精度，得到Kappa系数为0.924，FoM系数是0.021，表明模型精度良好，可用于未来土地利用模拟。招远市2035年各情景下土地利用空间格局如图3所示，各情景不同地类面积如表2所示。总体上看，各情景地类空间分布格局基本相似。林地主要分布在招远市的西部、中部以及西南部高海拔地区。建设用地集中分布在中部街道以及北部乡镇地区。全域耕地分布较广，呈块状分布，而草地则夹杂分布在林地与耕地之间。

表2 2035年各情景下招远市土地利用类型面积

基准情景下，招远市土地利用数量结构变化显著。与 2018年相比，建设用地面积将增加4 392.27 hm2，增幅达到23.56%。其中，农村建设用地与城市建设用地分别增加了2 627.64 hm2、1 764.63 hm2。其他地类面积均有所减少，草地面积下降幅度最大，达到12.06%，而林地、耕地、水域和未利用地面积分别减少了4.30%、2.47%、1.15%和4.11%。废弃矿区修复情景中，耕地、林地面积分别达到了59 930.73 hm2、48 004.74 hm2，其中废弃矿区复垦与复绿面积分别为76.32 hm2和221.49 hm2。农村与城市建设用地面积分别为14 599.71 hm2与8 136.45 hm2。在城乡建设用地整治情景中，由于招远市农村人口逐年下降，到2035年农村建设用地节约潜力可达5 347.89 hm2，占农村建设用地总量的44.67%。该情景中，农村建设用地面积为9 036.81 hm2，城市建设用地面积为9 604.89 hm2。与基准情景相比，耕地与林地的面积分别增加了1 516.86 hm2和2 280.60 hm2，农村建设用地面积减少了38.10%，城市建设用地面积增加了13.88%。城乡建设用地总体规模与2018年保持一致。

可见，建设用地在基准情景中持续扩张趋势显著，且农村建设用地扩张面积远大于城市建设用地，建设用地扩张将显著侵占生态用地和农业用地。通过废弃矿区修复，林地与耕地资源得到有效补充，一定程度能够缓解建设用地扩张造成的负面影响。通过实施建设用地整治工程，农村建设用地将更加集约，城市扩张速度将显著减缓，从而有助于国土空间格局的优化利用。

3.2 多情景下生态系统服务

不同情景下各街道（乡镇）碳固存、水源涵养量、生境质量、食物生产与自然娱乐能力如图4所示。从空间分布上看，生态系统服务能力与土地利用类型密切相关。其中，植被覆盖率高的东部和南部乡镇生态系统服务能力较高，例如阜山镇、夏甸镇。中部街道例如泉山街道与温泉街道，土地利用类型以建设用地为主，生态效益并不突出，出现生态系统服务能力的低值区。

从总量上看，基准情景下碳固存总量达到1.542×107t，废弃矿区修复情景、城乡建设用地整治情景下则分别达到1.543×107t、1.545×107t。基准情景下水源涵养总量为8.783×107m3，废弃矿区修复情景、城乡建设用地整治情景下水源涵养总量分别增加0.51%、4.26%。基准情景下生境质量平均值为0.516，废弃矿区修复情景和城乡建设用地整治情景下生境质量均值分别增加0.39%、4.26%。基准情景下自然娱乐平均值为1.601，而废弃矿区修复情景、城乡建设用地整治情景下则分别提升0.44%、2.12%。基准情景下理论食物生产总量达到1.073×109kg。由于土地整治措施中保障了耕地、林地与草地的面积，因此废弃矿区修复情景、城乡建设用地整治情景下食物产量分别提升0.37%、4.47%。

相较于基准情景，废弃矿区修复情景有效增加了各项生态系统服务的总量，但提升效果具有空间异质性。碳固存总量增加的地区主要分布在南部的乡镇，例如齐山镇、毕郭镇和夏甸镇，而碳固存总量减少的地区主要分布在城区以及北部的乡镇，例如泉山街道、温泉街道、辛庄镇等。其次，废弃矿区修复情景将减少部分中心街道以及南部乡镇的水源涵养总量，例如泉山街道、大秦家街道、齐山镇和毕郭镇，而其他街道（乡镇）水源涵养总量都得到提升。废弃矿区修复情景下南部乡镇，例如齐山镇、毕郭镇、夏甸镇，生境质量的平均值减少，而东部的玲珑镇、西部的蚕庄镇生境质量的平均值均有显著提升。废弃矿区修复情景下中心城区泉山街道以及城郊的毕郭镇自然娱乐的平均值均有所下降，中心城区以及南部部分乡镇的粮食生产总量减少，而北部乡镇粮食生产总量增加，例如张星镇。城乡建设用地整治情景将显著提升各街道（乡镇）生境质量、自然娱乐以及食物生产的能力，而降低梦芝街道、温泉街道碳固存能力，两者分别减少了0.02%、0.32%。同样地，玲珑镇碳固存与水源涵养总量分别下降了0.11%和0.22%。

3.3 生态系统服务聚类格局

以2018年5种生态系统服务值作为训练样本指标，根据指标特征相似性对全域单元进行生态功能聚类分区，通过Bezdek划分系数的取值来确定最合理的聚类数量。考虑到区域空间的差异性，初始聚类数目由4类逐渐增加到10类，得到不同聚类数量下Bezdek划分系数值，如图5所示。当聚类数量=5时，Bezdek划分系数为最大值，聚类效果达到最优。

根据每一种分区聚类所呈现的生态系统服务功能结构特征，采用生态功能特点的方式命名分区名称，以反映不同功能区的生态功能特点，因此全域将被划分为生态综合区、生境保育区、固碳释氧区、固碳产粮区、生态维护区，如图6所示。各个分区特征如下：

生态综合区拥有全域高水平的生态系统服务能力，其生境质量、自然娱乐、碳固存的能力均高于其他功能区。该功能区主要集中分布于招远市的西北部、中部及南部海拔较高的地区，土地利用类型以林地为主，呈团块状分布。生境保育区其生境质量处于突出地位，而其他生态系统服务功能并不凸显，该功能区主要以水域为主。固碳释氧区分布最为广泛，碳固存能力处于较高水平，而其他生态系统服务功能并不突出。该生态功能区主要分布在耕地。固碳产粮区以草地为主。该功能区食物供给与碳固存能力突出，而其他生态系统服务能力总体上也保持较高水平。生态维护区主要分布在城乡建设用地，该功能区碳固存与自然娱乐能力较为突出，而其他生态系统服务能力欠缺，生态系统服务之间存在权衡的关系。

不同情景下各生态功能区服务能力如表3所示。与基准情景相比，废弃矿区修复情景下各生态功能区60%生态系统服务水平持平，28%处于劣势，仅12%显著提升。其中，生态综合区中所有的生态系统服务能力与基准情景保持一致。固碳产粮区中只有粮食生产能力高于基准情景，平均值增加1.15%，而其他生态系统服务能力与基准情景保持一致；固碳释氧区中生境质量与碳固存平均值比基准情景均增加0.01，增长幅度并不显著，而其他生态系统服务能力却与基准情景保持一致或略有下降。生境保育区与生态维护区中各生态系统服务能力低于或与基准情景持平，其中生境保育区中碳固存平均值比基准情景低25%，这表明废弃矿区整治措施对该功能区的生态环境提升并不显著。

表3 不同情景下各生态功能区生态系统服务平均值

与基准情景相比，城乡建设用地整治则能够显著提升全域自然娱乐能力，总体增长了1.89%。固碳产粮区与生态综合区生态系统服务能力中只有自然娱乐平均值高于或与基准情景保持一致，而其他生态系统服务功能却并不存在优势。生境保育区中自然娱乐与粮食生产能力高于基准情景，分别增加了0.01和0.10，而水源涵养、生境质量与碳固存能力略低于基准情景，分别减少了0.01、0.07和0.01。固碳释氧区中碳固存与粮食生产能力与基准情景保持一致，其他生态服务能力均高于基准情景，其中生境质量平均值增长了20.69%，水源涵养平均值增长了100%。另外，生态维护区中各生态系统服务能力均高于基准情景，说明增减挂钩政策有助于全面提升该功能区的生态系统服务能力。

4 讨 论

面向高质量发展目标，对农用地和城乡建设用地进行科学整治，可以有效增加耕地面积，提高土地利用的集约程度[39]。但实施相关的整治措施能否促进生态系统服务的系统性提升，仍有待进一步探索。因此，本文基于招远市发展诉求，设计了多种土地整治情景，探讨不同情景下生态系统服务的变化及其空间集聚模式，从空间上反映出生态系统服务的差异性，因地制宜提出整治措施，以期为未来土地整治规划提供决策支持。

相较于基准情景，废弃矿区修复以及城乡建设用地整治策略对土地利用结构产生了显著影响，有效地保证了耕地、林地、草地的数量，控制了建设用地规模，优化了全域国土空间格局和生态系统服务能力。未来招远市土地整治过程中，当地政府应该充分挖掘农村建设用地整治潜力，控制城市扩张速率，适当通过腾退农村建设用地增加生态源地面积。从废弃矿区修复情景可见，泉山街道、毕郭镇等街道（乡镇）部分生态系统服务能力出现下降，因此政府需要充分考虑各街道（乡镇）的产业状况，提出差异化的国土空间整治策略[40]，既要满足未来产业发展需求，也要充分保护生态环境，以期均衡增强招远市各街道（乡镇）生态系统服务能力。

由于各地类生态系统服务能力存在较大差异，生态系统服务在空间上呈现出多种聚类模式。生态综合区内各生态系统服务能力均衡发展，生态系统稳定性较高。生态维护区集中分布在城市建成区，除碳固存和自然娱乐能力突出之外，其他生态系统服务能力处于最低水平。其他生态功能区则通常存在一种或少数几种起主导作用的生态服务功能，生态系统服务之间存在明显的权衡关系。从不同整治情景上看，废弃矿区修复情景下各生态功能区生态系统服务能力大多与基准情景保持一致，少量有显著增强。城乡建设用地整治措施总体上增强了各生态功能区的自然娱乐能力，但却降低了生态综合区、生境保育区、固碳产粮区的部分生态系统服务能力。结果表明单一的国土空间整治措施并不能全面优化各功能区的生态系统服务能力。未来国土空间整治仍然需要考虑城乡建设用地增减挂钩措施对于区域生态系统服务的动态影响，重点提升各生态功能区中碳固存能力，改善固碳产粮区、生境保育区和生态综合区的生境质量，推动各生态功能区生态系统服务能力协同高效提升。

5 结 论

本研究利用土地利用情景模拟技术，预测了2035年多种国土空间整治情景下生态系统服务水平演化趋势，并利用FCM聚类算法进行生态系统服务的聚类分析，划定生态功能区。本研究主要从模拟视角探索多情景国土空间整治措施的生态效应，通过分析整治措施对不同生态功能区主导生态服务类型的影响，为优化国土空间整治措施提供决策依据。研究结论如下：

1）废弃矿区修复情景能够有效增加耕地、林地面积，控制城市建设用地规模，而城乡建设用地整治情景则能够确保城乡建设用地总体规模保持不变。

2）与基准情景相比，两种整治情景可以显著提升各生态系统服务总量，但该提升效果具有空间异质性，例如废弃矿区修复情景下泉山街道、毕郭镇部分生态系统服务能力将下降，城乡建设用地整治情景下梦芝街道、温泉街道的碳固存总量分别下降了0.02%、0.32%，玲珑镇的碳固存与水源涵养服务呈现下降趋势，两者分别减少了0.11%和0.22%。

3）根据生态系统服务簇所呈现的生态功能结构特征，全域将被划分为生态综合区、生境保育区、固碳释氧区、固碳产粮区、生态维护区。与基准情景相比，废弃矿区修复情景中各功能区生态系统服务能力少量有明显提升。城乡建设用地整治措施则有效地提升了各功能区的自然娱乐能力，增强了生态维护区的所有生态系统服务能力以及生境保育区粮食生产能力，其平均值增加了0.10。同时固碳释氧区的生境质量、水源涵养能力也得到提升，两者的平均值分别提升了20.69%和100%。总体来看，未来国土空间整治需要综合多种措施，系统性提升生态服务水平。

[1] 刘彦随，刘玉，翟荣新. 中国农村空心化的地理学研究与整治实践[J]. 地理学报，2009，64(10)：1193-1202.

Liu Yansui, Liu Yu, Zhai Rongxin. Geographical research and optimizing practice of rural hollowing in China[J]. Acta Geographica Sinica, 2009, 64(10): 1193-1202. (in Chinese with English abstract)

[2] 冯应斌，杨庆媛. 转型期中国农村土地综合整治重点领域与基本方向[J]. 农业工程学报，2014，30(1)：175-182.

Feng Yingbin, Yang Qingyuan. Key research fields and basic directions of Chinese rural-land comprehensive consolidation in transitional period[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2014, 30(1): 175-182. (in Chinese with English abstract)

[3] Luo W B, Timothy D J. An assessment of farmers' satisfaction with land consolidation performance in China[J]. Land Use Policy, 2017, 61: 501-510.

[4] 龙花楼. 论土地整治与乡村空间重构[J]. 地理学报，2013，68(8)：1019-1028.

Long Hualou. Land consolidation and rural spatial restructuring[J]. Acta Geographica Sinica, 2013, 68(8): 1019-1028. (in Chinese with English abstract)

[5] 郧宛琪，朱道林，汤怀志. 中国土地整治战略重塑与创新[J]. 农业工程学报，2016，32(4)：1-8.

Yun Wanqi, Zhu Daolin, Tang Huaizhi. Reshaping and innovation of China land consolidation strategy[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(4): 1-8. (in Chinese with English abstract)

[6] Zhang Z F, Zhao W, Gu X K. Changes resulting from a land consolidation project (LCP) and its resource-environment effects: A case study in Tianmen City of Hubei Province, China[J]. Land Use Policy, 2014, 40: 74-82.

[7] 罗明，张惠远. 土地整理及其生态环境影响综述[J]. 资源科学，2002(2)：60-63.

Luo Ming, Zhang Huiyuan. Land consolidation and its ecological and environmental impacts[J]. Resources Science, 2002(2): 60-63. (in Chinese with English abstract)

[8] Guo B B, Jin X B, Yang X H, et al. Determining the effects of land consolidation on the multifunctionlity of the cropland production system in China using a SPA-fuzzy assessment model[J]. European Journal of Agronomy, 2015, 63: 12-26.

[9] 樊闽. 中国土地整理事业发展的回顾与展望[J]. 农业工程学报，2006, 22(10)：246-251.

Fan Min. Review and prospect of land consolidation in China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2006, 22(10): 246-251. (in Chinese with English abstract)

[10] Zhong L N, Wang J, Zhang X, et al. Effects of agricultural land consolidation on soil conservation service in the Hilly Region of Southeast China-Implications for land management[J]. Land Use Policy, 2020, 95: 104637.

[11] 谷晓坤. 湖北省不同类型土地整治生态效应评价[J]. 应用生态学报，2012，23(8)：2263-2269.

Gu Xiaokun. Ecological effect of different types land consolidation in Hubei Province of China[J]. Chinese Journal of Applied Ecology, 2012, 23(8): 2263-2269. (in Chinese with English abstract)

[12] 单薇，金晓斌，孟宪素，等. 基于多源遥感数据的土地整治生态环境质量动态监测[J]. 农业工程学报，2019，35(1)：234-242.

Shan Wei, Jin Xiaobin, Meng Xiansu, et al. Dynamical monitoring of ecological environment quality of land consolidation based on multi-source remote sensing data[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(1): 234-242. (in Chinese with English abstract)

[13] 郭贝贝，金晓斌，林忆南，等. 基于生态流方法的土地整治项目对农田生态系统的影响研究[J]. 生态学报，2015，35(23)：7669-7681.

Guo Beibei, Jin Xiaobin, Lin Yinan, et al. Determining the effect of the land consolidation project on the cropland ecosystem based on the ecological flow method[J]. Acta Ecologica Sinica, 2015, 35(23): 7669-7681. (in Chinese with English abstract)

[14] Kareiva P, Watts S, McDonald R, et al. Domesticated nature: shaping landscapes and ecosystems for human welfare[J]. Science, 2007, 316(5833):1866-1869.

[15] Zhao X, Ma X Y, Tang W W, et al. An adaptive agent-based optimization model for spatial planning: A case study of Anyue County, China[J]. Sustainable Cities and Society, 2019, 51: 101733.

[16] Zhang Y, Liu Y F, Wang Y H, et al. Urban expansion simulation towards low-carbon development: A case study of Wuhan, China[J]. Sustainable Cities and Society, 2020, 63: 102455.

[17] 陈逸敏，黎夏. 机器学习在城市空间演化模拟中的应用与新趋势[J]. 武汉大学学报(信息科学版)，2020，45(12)：1884-1889.

Chen Yimin, Li Xia. Applications and new trends of machine learning in urban simulation research[J]. Geomatics and Information Science of Wuhan University, 2020, 45(12): 1884-1889. (in Chinese with English abstract)

[18] 李沁，沈明，高永年，等. 基于改进粒子群算法和元胞自动机的城市扩张模拟：以南京为例[J]. 长江流域资源与环境，2017，26(2)：190-197.

Li Qin, Shen Ming, Gao Yongnian, et al. Urban expansion simulation using modified particle swarm optimization algorithm and cellular automata: A case study of Nanjing city[J]. Resources and Environment in the Yangtze Basin, 2017, 26(2): 190-197. (in Chinese with English abstract)

[19] 王烁棋，赵亮. 山城眺望空间OSCA模型构建及应用[J]. 地球信息科学学报，2021，23(9)：1559-1574.

Wang Shuoqi, Zhao Liang. Establishment and application of mountain city OSCA model[J]. Journal of Geo-information Science, 2021, 23(9): 1559-1574. (in Chinese with English abstract)

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

[21] 张世伟，魏璐瑶，金星星，等. 基于FLUS-UGB的县域土地利用模拟及城镇开发边界划定研究[J]. 地球信息科学学报，2020，22(9)：1848-1859.

Zhang Shiwei, Wei Luyao, Jin Xingxing, et al. The land use simulation and delimitation of urban development boundary in county area based on FLUS-UGB[J]. Journal of Geo-information Science, 2020, 22(9): 1848-1859. (in Chinese with English abstract)

[22] 林伊琳，赵俊三，陈国平，等. 基于MCR-FLUS-Markov模型的区域国土空间格局优化[J]. 农业机械学报，2021，52(4)：159-170，207.

Lin Yilin, Zhao Junsan, Chen Guoping, et al. Optimization of regional territory space pattern based on MCR-FLUS-Markov model[J]. Transactions of the Chinese Society for Agricultural Machinery, 2021, 52(4): 159-170, 207. (in Chinese with English abstract)

[23] Turner K G, Odgaard M V, Bøcher P K, et al. Bundling ecosystem services in Denmark: Trade-offs and synergies in a cultural landscape[J]. Landscape and Urban Planning, 2014, 125: 89-104.

[24] Hamann M, Biggs R, Reyers B. Mapping social-ecological systems: Identifying ‘green-loop’ and ‘red-loop’ dynamics based on characteristic bundles of ecosystem service use[J]. Global Environmental Change, 2015, 34: 218-226.

[25] Gao J, Yu Z W, Wang L C, et al. Suitability of regional development based on ecosystem service benefits and losses: A case study of the Yangtze River Delta urban agglomeration, China[J]. Ecological Indicators, 2019, 107: 105579.

[26] 郭艳，张成才，康鸳鸯. 河南省经济发展的国土空间评价分区研究[J]. 地理研究，2015，34(12)：2320-2328.

Guo Yan, Zhang Chengcai, Kang Yuanyang. Land assessment division research on economic development in Henan province[J]. Geographical Research, 2015, 34(12): 2320-2328. (in Chinese with English abstract)

[27] 李佳佳，贺新光，胡思. 长江流域月降水的多尺度随机特征及其分区[J]. 长江流域资源与环境，2021，30(1)：111-121.

Li Jiajia, He Xinguang, Hu Si. Multi-time scale stochastic characteristics and regionalization of monthly precipitation in the Yangtze River Basin[J]. Resources and Environment in the Yangtze Basin, 2021, 30(1): 111-121. (in Chinese with English abstract)

[28] Lee K J, Yun S T, Yu S Y, et al. The combined use of self-organizing map technique and fuzzy c-means clustering to evaluate urban groundwater quality in Seoul metropolitan city, South Korea[J]. Journal of Hydrology, 2019, 569: 685-697.

[29] Yang X H, Xie Z, Ling F, et al. Spatio-temporal super-resolution land cover mapping based on fuzzy c-means clustering[J]. Remote Sensing, 2018, 10(8): 1212.

[30] 钱彩云，巩杰，张金茜，等. 甘肃白龙江流域生态系统服务变化及权衡与协同关系[J]. 地理学报，2018，73(5)：868-879.

Qian Caiyun, Gong Jie, Zhang Jinqian, et al. Change and tradeoffs-synergies analysis on watershed ecosystem services: A case study of Bailongjiang Watershed, Gansu[J]. Acta Geographica Sinica, 2018, 73(5): 868-879. (in Chinese with English abstract)

[31] Xiao Y, Ouyang Z Y. Spatial-temporal patterns and driving forces of water retention service in China[J]. Chinese Geographical Science, 2019, 29(1): 100-111.

[32] 冯舒，孙然好，陈利顶. 基于土地利用格局变化的北京市生境质量时空演变研究[J]. 生态学报，2018，38(12)：4167-4179.

Feng Shu, Sun Ranhao, Chen Liding. Spatio-temporal variability of habitat quality based on land use pattern change in Beijing[J]. Acta Ecologica Sinica, 2018, 38(12): 4167-4179. (in Chinese with English abstract)

[33] 孙艺杰，任志远，郝梦雅，等. 黄土高原生态系统服务权衡与协同时空变化及影响因素：以延安市为例[J]. 生态学报，2019，39(10)：3443-3454.

Sun Yijie, Ren Zhiyuan, Hao Mengya, et al. Spatial and temporal changes in the synergy and trade: off between ecosystem servicesmand its influencing factors in Yanan, Loess Plateau[J]. Acta Ecologica Sinica, 2019, 39(10): 3443-3454. (in Chinese with English abstract)

[34] Spanò M, Leronni V, Lafortezza R, et al. Are ecosystem service hotspots located in protected areas? Results from a study in Southern Italy[J]. Environmental Science & Policy, 2017, 73: 52-60.

[35] Qiu J, Turner M G. Spatial interactions among ecosystem services in an urbanizing agricultural watershed[J]. Proceedings of the National Academy of Sciences, 2013, 110(29): 12149-12154.

[36] Wang Y C, Shen J K, Yan W T, et al. Backcasting approach with multi-scenario simulation for assessing effects of land use policy using GeoSOS-FLUS software[J]. MethodsX, 2019, 6: 1384-1397.

[37] Dunn J C. A fuzzy relative of the ISODATA process and its use in detecting compact well-separated clusters[J]. Journal of Cybernetics, 1973, 3(3): 32-57.

[38] Dunn J C. Well-separated clusters and optimal fuzzy partitions[J]. Journal of Cybernetics, 1974, 4(1): 95-104.

[39] Lisec A, Primozic T, Ferlan M, et al. Land owners' perception of land consolidation and their satisfaction with the results-Slovenian experiences[J]. Land Use Policy, 2014, 38: 550-563.

[40] 刘殿锋，王莹莹，孔雪松，等. 多维产业引导的鄂西生态圈农村居民点整理模式及分区[J]. 农业工程学报，2019，35(22)：27-37.

Liu Dianfeng, Wang Yingying, Kong Xuesong, et al. Zoning of rural residential consolidation in western Hubei eco-zone under guidance of multi-dimensional industry[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(22): 27-37. (in Chinese with English abstract)

Zoning of the ecosystem service functions under multiple land consolidation scenarios

Zhou Zikang, Liu Dianfeng※

(,,430079,)

Ecosystem services can greatly contribute to human health and well-being. It is critical to delineate the ecosystem services into the function zones for the decision-making space management in sustainable development. Different management measures can also be implemented to improve the ability of ecosystem services, according to the type of ecological function zones. A land consolidation has posed diverse influences on the ecosystem in recent years, particularly on the idle, inefficient use and ecological degradation of land resources. However, only a few studies have focused on the impacts of land consolidation on the spatial agglomeration of ecosystem services. It is still lacking in the perceptiveness of consolidation policies.Taking the Zhaoyuan City, Shandong Province of China as an example, three scenarios of land consolidation were designed to realize the functional zoning of ecosystem services, according to territorial spatial planning. The specific three scenarios included the Business-as-Usual scenario (BAU), reclamation of abandoned mining areas scenario (RAM), as well as the scenarios of an increasing-decreasing balance of urban and rural construction land (BCL). A Markov-FLUS model was utilized to project the future demands of land use and spatial distribution under the three scenarios. A scenario simulation was also carried out to calculate the multiple ecosystem services. Furthermore, a fuzzy C-means clustering was selected to identify the ecological function zones, thereby exploring the ecosystem service capacity of function zones. The results showed there were significant changes in the land use structure and the improvement of ecosystem services under all scenarios of land consolidation.The cultivated land increased 76.32 hm2and 1 516.86 hm2in the RAM and BCL. The forestland also experienced a significant increase of 221.49 hm2and 2 280.60 hm2in the RAM and BCL, compared with BAU. The scale of construction land was effectively managed to improve the total amount of ecosystem in the RAM and BCL. There was a spatial heterogeneity of the RAM and BCL improvement. Not all the sub-districts (towns) improved ecosystem services. For example, most ecosystem services in the Quanshan sub-district and Biguo town decreased in the RAM, while the total carbon storage in the Mengzhi and Wenquan sub-districts decreased by 0.02% and 0.32% in the BCL, respectively. According to the function structure of ecosystem services, five ecological functional zones were divided, i.e., habitat conservation, carbon storage, carbon storage-food production, ecological maintenance, and comprehensive ecological zone. Compared with the BAU, the RAM was partially improved ecosystem services of functional zones. 60% of ecosystem services in the five ecological functional zones under the RAM were on the average level, similar to those in the BAU, and 28% of those were inferior, while only 12% of those were superior. The BCL significantly promoted the natural recreation service of all ecological functional zones, with an overall increase of 1.89%. The average value of natural recreation and food production increased by 0.25 and 0.10, respectively, in the habitat conservation zones. The average value of habitat quality and water conservation increased by 20.69% and 100%, respectively, in the carbon storage zones. A comprehensive consolidation potential can be taken in the different sub-districts (towns) to enhance the multiple services capacity of ecosystems, thereby delving into the potential of the key sources of rural land for a lower expansion rate of urban construction land.

land use; consolidation; ecosystem service; ecological functional zones; FCM clustering

周子康，刘殿锋. 基于多元国土空间整治情景模拟的生态系统服务功能分区[J]. 农业工程学报，2021，37(22)：262-270.doi：10.11975/j.issn.1002-6819.2021.22.030 http://www.tcsae.org

Zhou Zikang, Liu Dianfeng. Zoning of the ecosystem service functions under multiple land consolidation scenarios[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(22): 262-270. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2021.22.030 http://www.tcsae.org

2021-08-09

2021-10-11

国家自然科学基金面上项目（41771429）

周子康，研究方向为土地利用变化模拟。Email：zhouzikang@whu.edu.cn

刘殿锋，博士，副教授，博士生导师，研究方向为土地资源可持续利用、土地利用生态效应与优化决策。Email：liudianfeng@whu.edu.cn

10.11975/j.issn.1002-6819.2021.22.030

X171.1

A

1002-6819(2021)-22-0262-09