怒江州土地利用模拟及生态系统服务价值评估*——基于PLUS模型的多情景分析

李安林，周 艳，唐丽毅，牛乐德※，潘 媚

（1.云南师范大学地理学部，昆明 650500；2.云南同元空间规划设计有限责任公司，昆明 650041；3.昆明文理学院外国语学院，云南昆明 650221）

0 引言

当前，我国社会经济快速发展的同时，生态环境受到不同程度的破坏并面临严峻的生态安全问题[1]。因此，如何协调好社会经济发展与生态环境保护间的关系，成为当前亟需探讨的问题。2018年习总书记提到“绿水青山和金山银山”理念，阐述经济发展和生态环境保护之间的关系，揭示了保护生态环境就是保护生产力，改善生态环境就是发展生产力，指明了经济发展和生态保护共同发展的路径[2]。同时，国家“十四五”规划中提出经济发展既要取得新成效，又要做到生态文明建设取得新进步。怒江州作为我国西南地区的生态屏障，具有得天独厚的生态资源且生态价值突出。近年来，怒江州经济社会持续加速发展、城镇化水平不断提高及人口持续增加催生大多区域为满足日益增长的需求而加速经济发展，对生态环境造成一定的破坏，严重威胁区域生态安全，经济发展和生态保护之间的矛盾越发凸显。在此背景下，以生态资源丰富和生态价格显著的怒江州为例，基于多情景模拟怒江州未来土地利用变化情况，探索不同情景下土地利用变化及其ESV，对推动社会经济可持续发展和维护区域生态安全具有重要的意义。

目前，关于土地利用模拟和ESV的研究成果相对颇丰。其中，土地利用变化模拟作为当前学术界研究的热点之一，学者们利用CLUE-S模型[3-5]、SLEUTH模型[6]、SD模型[7,8]、FLUS模型[9,10]、神经网络模型[11]、CA-Markov模型[12,13]以及PLUS模型[14]等开展大量研究。而PLUS作为新型土地利用模拟模型，相较于以往常用的CLUE-S、SLEUTH、SD及FLUS模型模拟精度更为准确，其结果可以更好地支持规划政策以实现可持续发展。ESV评估作为反映区域生态发展态势及生态价值的重要指标，早在20世纪90年代，国内外学者就对其展开大量的研究。其评估方法主要涉及单位面积价值当量因子法[14-18]（价值当量因子法）和单位服务功能价格法[19,20]（功能价格法）两种。其中，价值当量因子法基于不同生态系统功能的基础上，通过每一类生态服务功能的标准量化，从而构建不同类型的服务功能价值当量系数，并对区域生态系统分布进行评价的一种方法，通常用于较大区域尺度的生态系统评价[21,22]，而功能价格法则常见于小尺度区域的ESV评估[23,24]。从研究成果中发现，大多数学者基于一般情景对ESV进行评估，对生态保护及耕地保护情景评估及多种情景ESV的比较相对薄弱，如汤普森以美国马萨诸塞州为例探测一般情景下土地利用对生态系统服务价值的影响[25]；王波评估了1980—2018年银川市生态系统服务价值，并进行驱动机制分析[26]。然而，单一情景下的ESV无法揭示自然发展与政策约束下ESV的差别，并且对政府优化土地利用结构和衡量经济社会发展与生态保护间的权衡产生一定的阻碍作用。因此，文章以优化土地利用结构和协调经济社会发展与生态保护为目标，采用通过遥感影像解译出2013年和2019年怒江州土地利用数据，借助PLUS模型模拟2025年自然发展、生态保护及耕地保护多情景下怒江州土地利用变化情况，通过价值当量因子法评估3种情景下怒江州的ESV并进行对比分析，以期为怒江州优化土地利用结构以及生态环境保护提供参考和依据。

1 研究区域与数据来源

1.1 研究区的概况

怒江州地处98°39'E～99°39'E、25°33'N～28°33'N，位于云南省西北部地区，总面积为1.45万km2（图1）。怒江州处于中国西南边境，国境线总长449.47 km，占中缅边境线的20%，境内林地范围广泛，有“中国西南生态屏障”之称。其地势复杂多样，大部分地区主要是高山陡坡，少量为相对平坦的山间槽地和江河冲积滩地，可用耕地面积少。区域内水土流失严重，且生态环境极度脆弱，该区域在云南省生态空间布局中属于青藏高原南缘滇西北高山峡谷生态屏障以及怒江生物多样性保护廊道。怒江州下辖1市3县，2019年末人口约为56.11万，国内生产总值192.51亿元，区域经济增长速度位居全省前列，但总体情况为总量小、增速快。

图1 研究区位置

1.2 数据来源

该文所采用的2013年和2019年怒江州两期遥感影像及DEM数据均来自于地理空间数据云。其中两期遥感数据通过ENVI处理及目视解译，随机抽样检查精度为96%以上，根据国家土地利用划分标准，将怒江州土地利用类型划分为耕地、园地、林地、草地、水体、建设用地及其他土地七大类，并且对DEM数据进行转换坐标以及重采样等处理；生态红线根据云南省发布的生态红线数据进行矢量化提取，永久基本农田数据来自自然资源管理部门，将矢量数据转为精度30 m×30 m栅格数据，并借助空间分析中的欧氏距离计算不同地类到河流、省道、县道、普通道路、乡村以及乡镇距离；植被净初级生产力指数（Net Primary Production，NPP）采用 MODIS 传感器MOD173AH获取，NPP数据通过ArcGIS10.3裁剪、提取以及分析计算出全国2013—2019年怒江州的平均值；粮食产量、播种面积以及粮食价格主要来源于《云南省统计年鉴》《中国农产品价格调查年鉴》。

2 研究方法

2.1 PLUS模型

（1）模型简介：PLUS模型是由一种新的斑块生成的土地利用模型。该模型能挖掘土地利用变化诱因并准确模拟土地利用变化，利于优化土地利用结构。

（2）驱动因子选取：根据研究区的实际情况、数据可获取性及借鉴相关研究成果，最终选取坡度、坡向、高程、河流距离、省道距离、县道距离、普通道路距离、乡村距离、乡镇距离等9个影响因子。

（3）限制性区域设置：怒江州生态红线和永久基本农田保护区范围如图2所示。其中，生态红线保护区面积占区域61.81%，主要分布在贡山县以及怒江两岸地区，永久基本农田主要分布在兰坪县以及怒江河谷地区。该文通过ArcGIS10.3将生态红线和永久基本农田设置作为限制性区域，0表示限制性区域，1表示可转换区域。

图2 怒江州限制性保护区

（4）模拟过程：首先，选取2013年和2019年两期土地利用数据进行格式转换，并且提取土地利用变化扩张部分；其次，挖掘土地利用变化的诱因；再者，基于多类随机斑块种子的CA模型模拟出2019年土地利用图；最后，通过Validation模块进行精度验证。

（5）邻域权重参数设定：邻域权重的取值范围为0～1，其值越大，代表该地类扩张能力越强。该文通过2013年和2019年两期怒江州的土地利用为基础，计算其扩张强度。

利用式（1）进行标准化处理，使其符合PLUS模型对于邻域权重参数的要求（表1）。

表1 邻域权重参数

（6）精度验证：通过2019年模拟图与2019年真实图进行精度验证得到其总体精度为82.3%，FOM值为0.26，说明其模拟的精度较高，可用于2025年土地利用模拟。

2.2 生态系统服务价值计算方法

该文参考谢高地的价值当量法对怒江州ESV进行估算，计算式为：

式（2）中，ESV表示生态系统服务价值总量；h为生态系统的类型，Ah为第h类生态系统的面积（hm2）；E为单位面积粮食产量的经济价值（元/hm2）；Ehj为第h种生态系统类型的第j类ESV的系数。

该文以地区粮食产量以及播种面积矫正地区单位面积ESV及通过NPP代替生物量对生态系统服务系数进行修正[27]。其中，耕地对应农田，园地取森林和草地的平均值，林地对应森林，草地水体地类不变，其他用地对应荒漠，由于建设用地的ESV指标为0，该文暂且不讨论建设用地的ESV[28]。该研究首先采用1 hm2的粮食的平均值来算一个标准当量的价值，公式为：

式（3）中，E为单位面积粮食产量的经济价值，元/hm2；C为研究区粮食总产量；F为研究区粮食播种面积（hm2）。

式（4）（5）中，ρ为生态系统服务当量的区域修正系数；D为怒江州的NPP平均值；Do为全国的NPP平均值。式（5）中，Ei为第i类生态系统经过修正后的ESV当量；Eoi为地2007年谢高地计算的全国ESV当量平均值。根据2013—2019年怒江州粮食总产量平均为8 709万 kg，播种面积为34 599.20 hm2。因此，可计算得怒江州粮食多年平均产量为2 517.11 kg/hm2，依据怒江州粮食价格，根据式（3）求出单位当量因子的价值为1 039.48（元/hm2）。通过ArcGIS10.3计算2013—2019年全国NPP的平均值为4 589.96 kg/m2，怒江州同时段的NPP平均值为8 892.55 kg/m2，因此根据式（4）求得修正系数为1.94。综上，得出怒江州ESV系数（表2）。

表2 怒江州单位面积生态服务价值系数元/（hm2·年）

2.3 生态价值敏感度

生态价值敏感度是衡量ESV对价值系数依赖程度的重要指标[29]。该值CS＞1，那么ESV富有弹性，CS＜1，那么ESV缺乏弹性。其公式为：

式（6）中，CS为生态价值敏感度；V表示生态系统服务价值总量；Cv为生态服务价值系数；f和g分别代表价值系数调整情况前后的ESV情况。

2.4 生态价值变化度

生态价值变化度反映某一类土地利用类型对ESV的影响程度[30]。当Rc＞1，表明该地类土地利用面积对ESV的影响明显，反之当Rc＜1，表明该类土地利用面积对ESV的影响不明显。

式（7）中，Rc表示为生态价值变化度；V同上，表示ESV总量；M为某类土地利用面积。

3 结果与分析

3.1 土地利用结构变化分析

基于ArcGIS10.3分析怒江州2013年和2019年两期土地利用数据，得到各类土地利用情况（表3）。

从表3中可以得知，怒江州主要的土地利用类型为林地，2013年和2019年两期土地利用现状面积为1 084 717.35hm2和1 149 610.50hm2，分别占74.7%、79.1%，由于怒江州作为我国西南地区重要的生态屏障，政府注重发展经济的同时重视生态的建设，积极实施封山育林政策，故林地面积呈现出持续增长的态势；在此期间，耕地面积减少21 133.98 hm2，园地增加7 795.35 hm2，草地减少27 805.68 hm2，建设用地增加8 387.37 hm2，水体面积减少35 351.55 hm2，其他用地面积增加3 215.34 hm2，其中耕地、草地、水体地类处于减少的趋势，而园地、建设用地及其他用地呈现上升发展状态；耕地面积的减少且建设用地面积增加表明怒江州社会经济不断发展、人口不断增加及城镇化水平不断提高，特别是怒江州作为贫困地区，“十三五”期间国家提出脱贫攻坚规划，为实现脱贫任务，政府发挥主导作用，根据实际情况合理利用耕地加速发展社会现代化。园地面积的增加说明目前园林经济同样作为怒江州经济发展的重要一部分，而水体和草地面积减少表明社会经济的发展占用了一定生态用地，使其生态环境处于退化状态。为此，如何衡量与协调社会经济发展与生态保护之间的关系成为怒江州未来发展的重要关注点。

表3 2013年和2019年怒江州土地利用 hm2，%

3.2 PLUS模型的情景模拟分析

通过土地利用数据检验，总体精度达到82.3%，FOM值达0.26，结果达到模拟要求。根据怒江州土地利用发展情况，以2019年土地利用数据作为基期模拟怒江州2025年3种情景下的土地利用情况，其结果如表4所示。

表4 模拟2025年怒江州3种情景土地利用面积 hm2

自然发展情景是基于2013—2019年怒江州土地利用变化基础上，按照目前怒江州土地发展规律，不设定转换限制条件干扰未来土地发展。结果显示，在该情景下，林地和建设用地以及其他土地面积为增加状态，而耕地、园地、草地及水体面积为减少状态。其中，林地的增加面积最大，为25 976.04 hm2，增加2.3%；建设用地面积增加5 029.04 hm2，增加率为31.29%；其他土地面积增加396.54 hm2，增加率为1.6%；水体减少的幅度最大，减少17 716.77 hm2，减少率为22.4%；草地减少8 645.32 hm2，减少率为9.8%；耕地面积减少为4 065.12 hm2，减少率为4.7%；另外，2013—2019年园地面积大幅度上升之后，2025年其面积稍有下降，减少面积为974.61 hm2，减少率为10.2%。该发展情况是基于在自然发展情景下怒江州社会经济的发展，其社会现代化的发展要求加大建设用地的扩张势必会占用部分耕地、园地、林地、草地及水体等地类，扩张区域主要呈现在坝区、河谷及流域地势低平区域扩展，虽其面积增加总量较小扩张范围小，但扩张率较大。而林地面积持续增加是由于怒江州地形主要为高原山地，林地作为其主要土地利用类型，政府落实封山育林政策，其分布范围广且扩张能力强，故扩张面积最大。生态保护情景是基于在自然发展基础上限制生态红线保护区生态功能为主的地类转换为其他土地利用类型。在生态保护情景下，以生产功能为主的耕地和园地面积均处于减少的状态。其中，耕地面积从2019年85 725.27 hm2减少至81 660.15 hm2，减少率为4.7%；园地面积2025年为8 145.27 hm2，较2019年减少率为14.9%。林地、草地以及水域作为生态功能为主的地类，其林地面积较2019年增加28 971.68hm2，增加率为2.5%；草地面积2025年模拟结果为83 233.40hm2，减少率为5.7%；水域地类2025年面积为64 097.31hm2。在生态保护的前提下，草地和水域面积相比于自然发展情景处于增加状态。这说明以生态功能为主的地类得到相对较好的保护，符合以生态保护为前提的发展模式。以生活功能为主的建设用地面积相较于自然发展情景，受限于生态红线的约束，限制其生态保护用地转换为其他用地，加之怒江州位于云贵高原地区西北侧，其高山多平地少，导致建设用地增长较小，面积增长率为12.7%，故其建设用地面积相对较少。耕地保护情况是在自然发展情景下设置永久基本农田作为限制性转换因子。根据模拟结果可以得知2025年耕地、园地、林地、草地、建设用地、水体以及其他用地分别为86 008.68、8 041.77、1 178 360.01、78 982.12、18 132.14、63 380.54和20 200.27 hm2。其中，耕地面积从2013—2019年减少21 133.98 hm2，减少率为19.78%。而2025年耕地保护情景得益于永久基本农田的保护，2025年土地利用面积基于2019年基础上增加283.41hm2，表明耕地地类基于耕地保护情景下能有效保护其面积、提高耕地质量并且保障粮食安全；其次根据怒江州实际情况得知，建设用地主要位于河谷以及坝区，并且怒江州建设用地面积的扩展基于对耕地的侵占。因此，在基于耕地保护情景下，限制耕地转换为建设用地，其面积增长率相较于自然发展情景有所减少，增长率只有12.8%；林地作为怒江州占地面积最大的地类，其扩张能力相对较强，这与怒江州作为国家西南地区重要的生态屏障以及地理环境相对应，符合实际情况，模拟出2025年面积为1 178 360.01 hm2，面积增加率为2.50% ；此外，园地和草地减少率分别为16.0%和11.6%，这两种地类处于没有保护状态，其面积处于减少状态；再者，由于耕地主要位于河谷以及坝区，并且其耕地保护情景下，使水体地类部分面积转换为耕地以及林地。因此，水体地类面积较2019年减少率为19.9%。总体上讲，3种情景下未来土地利用发展符合研究区发展趋势，有利于怒江州优化土地利用发展现状及国土空间开发。

3.3 不同情景生态系统服务价值评估

根据表5可以得知，2019年怒江州ESV为764.18亿元。而2025年设定的3种情景ESV均有所减少，其主要是由于经济社会发展、城镇化水平的提高需要开发耕地及生态类用地来增加建设用地面积，建设用地扩张会对ESV起到缩减的作用，故其值分别为759.42亿元、764.16亿元和72.80亿元。相比于2019年，2025年自然发展情景ESV减少4.76亿元，生态保护情景ESV减少0.02亿元，耕地保护情景下的ESV减少1.38亿元。从各地类的ESV来看，耕地在耕地保护情景中的ESV最高，为13.70亿元，比2019年自然发展情景高0.06亿元，而2025年自然发展和生态保护情景耕地ESV为13.01亿元，说明永久基本农田的划定能够有效限制区域建设开发滥占用耕地。林地地类的ESV较2019年自然发展情景的ESV有所增加，在生态保护情景下林地ESV总价值比自然发展情景和耕地保护情景分别多1.70亿元、0.12亿元，说明林地在作为怒江州面积最大的用地类型，对生态保护发展中起着更重要的作用；由于经济社会的发展，区域被进一步的开发，草地和水体作为生态类用地较容易受到侵占，故其ESV较2019年处于减少状态，说明社会的发展会对ESV起到抑制的作用，但草地与水体对于生态保护系统中也有重要的生态价值；园地和其他用地作为生产类用地，在2025年3种情景中其自然情景ESV最高，生态保护和耕地保护情景相对较小，这是由于自然发展情景不设定生态保护红线及永久基本农田的转换，导致其自然发展情景ESV比生态保护和耕地保护情景ESV高，说明不划定限制性区域对于生产类用地ESV的发展起到促进作用。

表5 怒江州生态系统服务价值 亿元

总体上，2025年3种情景的比较中发现，生态保护情景比自然发展情景及耕地保护情景的ESV分别多4.732亿元和1.352亿元。说明不同发展情景对于区域ESV产生重要影响，生态保护情景比自然发展情景及耕地保护情景对区域生态保护及区域发展可持续性经济具有更重要的作用。目前我国社会经济持续加速发展、城镇化水平不断提高及人口持续增加催生大多区域为满足日益增长的需求而加速经济发展，对生态环境造成一定的破坏，导致地区生态环境逐渐恶化，经济发展和生态保护之间的博弈与权衡成为当前社会关注的重点。而从3种情景中所评估的ESV结果来看，生态保护和耕地保护情景相对于自然发展情景能更有效解决区域发展所带来的环境破坏问题。为此，运用生态红线和永久基本农田到土地利用规划中以限制建设用地在该保护区的无序扩张成为维持生态环境的重要保障。与此同时，基于生态红线和永久基本农田设定的生态保护和耕地保护情景能产生较大的生态系统服务价值，对于区域生态保护及可持续发展具有重要的作用。这不仅与习总书记所提到的“绿水青山金山银山”和“国家粮食安全”相对应，且符合经济发展、耕地保护、生态保障共同发展的要求。

3.4 生态价值敏感度分析

通过50%变化度调整生态价值服务系数为基础，分析其生态价值敏感度。

从表6可知，所有生态价值敏感度均小于1。其中，林地作为怒江州主要的用地类型，其敏感度最高，2019年实际情景、2025年自然发展情景、2025年生态保护情景及2025年耕地保护情景分别为0.853 1、0.877 8、0.874 6和0.876 0。说明林地的价值系数每增加1%，对应的ESV系数就增加85.31%、87.78%、87.46%和87.60%。耕地、园地、草地、水体以及其他地类的生态服务价值敏感度均小于0.1，表明这5种地类的生态价值系数对于生态系统服务价值影响较小。根据相关研究可得知[31,32]，大部分研究区域的ESV对生态价值系数的变化缺乏弹性，即系数对ESV的影响较小。因此，怒江州地区的ESV缺乏弹性，结果可信。

表6 怒江州生态价值敏感度

3.5 生态价值变化度分析

同理，通过50%的变化幅度调整各土地利用类型的面积分析ESV对土地利用类型面积的敏感性（表7）。

表7 怒江州生态价值变化度

计算结果显示，自然发展情景、生态保护情景以及耕地保护情景的林地和水域的变化度均大于1，林地分别为1.085 0、1.078 3和1.080 2。水域变化度分别为1.773 6、1.762 6和1.765 8。说明水域及林地的面积变化对ESV产生显著的影响，其中林地对怒江州ESV最为显著。其次，园地生态价值变化度大于0.5，这表明园地面积的变化对ESV具有一定的影响。最后，耕地、草地以及其他用地的生态价值变化度均低于0.5，说明其面积的变化对ESV的影响力较小。因此，政府部门制定相关政策时，可以考虑通过提高或者保护林地及水体这两种地类来提高怒江州区域生态环境质量，以维持该地区生态状况。怒江州作为我国西南地区的重要生态屏障且该地区也是生态环境脆弱地区，林地面积占比大，生态保护红线的划定相较于自然发展情景及耕地保护情景来说，更能够保护生态脆弱区域及维持生态功能。

而耕地保护情景ESV虽较生态保护情景低，但比自然发展情景下ESV要高，其价值意义在于既能够保障国家粮食安全，又能一定程度维持生态系统。因此划定生态红线以及永久基本农田对保护区域生态以及生态敏感区具有重要的意义，政府在决策时应该权衡生态保护与经济发展之间的权重，既能不破坏生态系统的同时，合理发展经济，构建协调与均衡的生态环境，促进社会经济发展。

4 结论与讨论

4.1 结论

该文基于2013年和2019年怒江州两期土地利用数据，利用PLUS模型模拟2025年怒江州不同情景下土地利用变化情况，采用单位面积当量法计算不同情景下怒江州的ESV，并通过生态敏感性以及变化度验证其准确性，定量分析3种情景下土地利用变化对ESV的影响，主要结论如下。

（1）利用PLUS模型验证2019年土地利用情况，并对2025年用地类型进行模拟。其总体精度为82.3%，FOM值为0.26，模拟精度较高。表明PLUS模型能够有效模拟土地利用变化，对于未来国土空间规划和开发具有重要的参考价值。

（2）通过对未来3种土地利用情景模拟，结果表明，生态保护、耕地保护情景在生态红线和永久基本农田的限制下，一定程度上约束区域建设用地的无序扩张，同时也限制了建设用地在生态红线和永久基本农田内发展，对于维护区域生态功能和粮食安全起到了重要的作用。

（3）采用价值当量因子法评估怒江州2019年自然发展、2025年自然发展、2025年生态保护及2025年耕地保护情景的ESV，其值分别为764.18亿元、759.42亿元、764.16亿元和762.80亿元。

对比2019年和2025年3种情景发现，2025年3种情景的ESV均小于2019年的ESV，但在2025年3种情景中，生态保护情景ESV高于耕地保护情景和自然发展情景。说明社会经济的快速发展及城市不断扩张导致城市对于林地、草地及水域等生态用地进行大量侵占，人与自然环境之间的平衡遭到破坏，生态系统服务价值不断下降。然而，得益于生态红线和永久基本永田的保护，一定程度上维护了区域生态安全稳定和区域可持续发展，对保障怒江州可持续发展做出显著贡献。

（4）借助生态价值敏感度和变化度检验不同土地的价值系数和面积变化程度，发现其检测效果较好。其中，生态价值敏感度指数最强烈的地类为林地，生态价值变化度最显著的地类为水体和林地。表明林地和水体作为影响怒江州生态系统价值的主要地类，在合理发展社会经济的同时，严格控制林地和水体地类的开发与侵占成为保护生态系统的最有效手段。

4.2 讨论

该文将生态保护红线和永久基本农田应用于土地利用模拟和生态系统服务价值评估中，通过设立自然发展、生态保护以及耕地保护3种情景，利用PLUS模型模拟2025年怒江州土地利用变化，并采用价值当量法对2025年怒江州ESV进行评估。研究结果可为怒江州政府协调国土空间开发和生态环境保护间的关系提供一定参考，对怒江州未来区域经济发展、耕地保护、生态保障协调发展提供借鉴。但研究仍存在以下不足：在怒江州土地利用模拟中尚未将经济社会方面的影响因素纳入模型，对于怒江州未来土地模拟精度产生一定的影响；虽然怒江州建设用地面积相对较小，但由于建设用地的ESV系数难以确定，故ESV评估中并没有涉及对建设用地的评估；该文对2025年土地利用变化进行模拟，时间与2019年间隔相对较短，且怒江州大部分地区为生态保护和永久基本农田保护区，其他土地斑块变化相对较小，故模拟的部分土地利用地类变化相对不显著。为此，未来可不断提升土地利用变化模拟精度，从长时段、全面准确评估区域ESV，为区域协调发展提供参考。