基于MCCA的多情景土地利用演变及其ESV变化研究

李楚瑜 徐伟铭 王开家 杨慧 邵尔辉

摘 要：为了探究多情景下土地利用演变与生态系统服务价值（ecosystem service value，ESV）的特征及两者间的差异性，以龙岩市为例，基于2005、2010、2015和2020年的4期土地利用数据，运用混合元胞自动机（mixed-cell cellular automata，MCCA）模型模拟2035年龙岩市土地利用格局，并采用当量因子法计算分析了历年以来和未来情景下ESV。结果显示：2005—2020年龙岩市林地和耕地面积总体上呈下降趋势，分别减少了10 590.33 hm2、4 183.63 hm2，水域面积小幅度上升，建设用地面积增长迅速；龙岩市ESV在2005—2020年整体上呈现出下降态势，累计减少4.15亿元；在城市发展和耕地保护情景下，2035年龙岩市ESV较2020年分别损失了6.52亿元和4.30亿元；而生态保护情景下，ESV预测为927.43亿元，较2020年上升了0.67亿元，这是由于水域面积的增加使ESV得到了有效提高。因此，生态保护情景是符合未来发展趋势的理想土地利用空间格局。

关键词：土地利用演变；MCCA模型；ESV；龙岩市

中图分类号：F301.24

文献标志码：A

土地利用变化是全球环境和可持续发展的研究重点^［1］。近年来，随着我国城市化与工业化进程加快，各类城市活动对土地的需求也越来越大^［2］，导致土地利用发生了剧烈变化，形成了资源掠夺和生态环境破坏的粗放式土地利用模式，国土空间格局受到严重影响^［3-4］。由于土地利用的矛盾日益加剧，对水循环、土壤更新等生态过程^［5-6］产生了一定影响，其通过生态系统服务价值（ecosystem service value，ESV）来体现和表征^［7-8］。因此，在当前城市化的过程中，研究土地利用演变及其生态系统服务价值的变化特征，对于优化国土空间格局，促进地区可持续发展具有重要意义^［9-10］。

ESV最早由 COSTANZA等^［11］提出，谢高地等^［12］在此基础上进一步提出了适合中国ESV的计算方法。此后，我国学者开展了系统性研究工作。戴文远等^［13］基于“三生空間”对福州新区土地利用功能转型及生态服务价值进行研究，彭文甫等^［14］基于1996—2016年的土地利用数据探究了对生态价值服务的影响，王航等^［15］开展土地利用及景观演化与ESV的相关性研究。总体来看，以上的研究从历史阶段的土地利用演化和ESV的变化特点出发，但ESV的测算是动态的，对不同历史阶段生态系统服务价值的时空演化特征进行分析，存在着一定的滞后^［16］，很难对未来的城市生态系统服务状况做出精确的分析。虽然已有部分研究模拟分析了未来土地利用格局^［17］及ESV动态特征^［18-19］，但在未来不同情景下，针对政策驱动等方面引发的ESV空间差异性的研究仍然较少，当前国家致力于推进美丽中国生态文明建设，提出了一系列生态保护政策，在目前的政策导向下，未来不同发展情景下的ESV的演变特点迫切需要进行更深入的研究。此外，目前预测未来土地利用变化模型中，TOBLER^［20］最早将元胞自动机（cellular automata，CA）模型应用于地理建模之中，在此之后出现了CA-Markov^［21］、CLUE-S^［22］、 FLUS^［23］和PLUS^［24］等模型。以上模型属于传统的CA模型^［25］，均获得了预期的模拟结果，但也存在以下局限性：元胞内用地类型不一定具有单一性，传统CA模拟时的元胞为纯元胞，即每个元胞内只考虑了一种土地利用类型，忽略了实际元胞内多种土地利用类型混合出现的现象^［26］；其次，大多数模型采用定性的转换规则开展研究区的模拟工作，不适用于混合元胞的转换规则，忽略了亚元胞尺度上的定量转换规则。而LIANG等^［27］提出的混合元胞自动机（mixed-cell cellular automata，MCCA）模型考虑了土地利用模式的复杂性，设计了一种与传统CA模型在元胞、元胞空间、元胞状态和转换规则的元胞邻域方面有较大改进的模型，该模型弥补了其他模型元胞内单一土地结构的缺陷，实现了在亚元胞尺度上由定性模拟到定量模拟的跨越。因此，MCCA模型能更精细地模拟未来情景下土地利用演变趋势。综上，探究未来不同情景土地利用与ESV演变趋势，为区域生态环境保护与资源优化管理提供科学理论基础，对完善生态环境服务的理论体系具有重要的现实指导作用。

作为闽西部快速城镇化区域，龙岩市用地结构变化迅速，同时随着革命老区现代化发展的推进，导致用地结构失衡和功能紊乱，使得人地之间的矛盾愈发突出。本文基于生态型现代化幸福龙岩的愿景和新时代支持革命老区发展的目标，结合考虑混合元胞特点的MCCA模型，通过对龙岩市多情景下土地利用与ESV的动态变化特点进行探讨，旨在为龙岩市城镇用地布局科学化、城镇可持续发展提供参考。

1 研究区概况及数据来源

1.1 研究区概况

龙岩市位于福建省西部，地处闽粤赣三省交界，跨新罗区、永定区、长汀县、上杭县、连城县、武平县、漳平市四县两区一市，界于115°51′E ～117°45′E， 24°23′N～26°02′N 之间，主要为亚热带季风气候，历年平均降水量为1 442.1 mm，拥有2个国家级自然保护区，3个国家森林公园，生物资源丰富，为典型的山地城市。龙岩市是先进制造业基地和全国重要的红色城市，生态文明建设基础较好，有着“三山为屏、四水串城”的总体格局，作为福建省打造21世纪海上丝绸之路核心区的内陆枢纽之一，可为福建省自贸区扩区提供支撑，未来发展情景广阔。研究区位置示意图如图1所示。

1.2 数据来源

本文所采用的各期土地利用数据（2005年、2010年、2015年和2020年）来源于中科院资源环境科学与数据中心，并按照中国土地利用/覆盖数据的三级分类系统将土地利用类型重分类为耕地、草地、林地、水域、建设用地和未利用地六大类，空间分辨率为30 m。DEM数据、基础地理数据分别来源于地理空间数据云和OSM开放数据平台。生态保护红线数据与永久基本农田数据来源于龙岩市自然资源局。由于各类数据来源不一，将坐标系统一为WGS_1984_UTM_Zone_50N。各生态系统单位面积服务价值所用的粮食产量、播种面积和价格数据来源于《龙岩市统计年鉴》和《中国农村统计年鉴》。

2 研究方法

2.1 MCCA模型

本文采用MCCA模型模拟未来土地利用空间分布。其模型结构主要包括2个部分，土地利用成分发展潜力计算和亚元胞尺度下土地利用变化模拟的CA 模型^［28］。技术路线如图2所示。

2.1.1 模型介绍

1）土地利用成分发展潜力

首先，基于起始年份和目标年份，通过随机森林回归（random forest regression，RFR）算法训练出元胞内各土地利用成分面积占比的变化量与驱动因素之间的关系；其次，根据训练关系预测得到各土地利用类型的开发潜力。其中，RFR有效克服了多重空间变量之间共线性的相关问题。此外，混合元胞内土地利用成分的面积占比可能增加或减少。由于混合元胞的土地利用成分是相互约束的，一个成分的增加意味着其他成分的减少，因此我们只需要关注土地利用成分增加的部分，避免重复计算。其表达式为：

R_k=RFR_train （Ys_i，k，Fs_i）（1）

P_i，k=RFR_predict（R_k，F_i）（2）

式中：i为混合元胞；k为土地利用类型；s为样本阈值；R_k为驱动因子与混合元胞内地类覆盖比例变化的关系；RFR_train（）为RFR的训练过程；Ys_i，k为混合元胞的样本数据集；Fs_i为各驱动因素的样本数据集；P_i，k为各土地利用成分的开发潜力；RFR_predict（）为RFR预测过程；F_i为驱动因素数据集。

2）亚元胞尺度下的土地利用变化模拟的CA模型

亞元胞，指基于混合元胞内的土地利用类型占比进行模拟，即每个元胞可能存在多种地类。MCCA模型的土地利用变化模拟中，各混合元胞中土地利用成分的面积比例是否增加，以及增加的量，在获得土地利用成分发展潜力、用地需求以及自适应惯性系数后，由一组数量转换规则估算转为增加的土地利用成分和其他用地成分改变的数量，其竞争机理与FLUS模型类似。该轮盘竞争机制中，每个扇区代表一种地类，各种地类通过轮盘与其他地类竞争，每个元胞内土地利用类型的个数为竞争的轮数，每一轮与一个地类竞争，若土地利用类型k获胜，则该地类数量会增加，其他地类相应减少。土地利用类型k的总变化概率可以表示为

Ot_i，k=P_i，k×Ωt_i，k×Dt_k（3）

式中：t为迭代次数；Ot_i，k为土地利用成分的总变化概率；Ωt_i，k为混合元胞的邻域效应；Dt_k为对土地利用类型k的未来需求的反馈，是自适应惯性系数。当模拟的土地利用成分数值等于目标数值时，MCCA将输出k层模拟结果，每层为一个地类的空间分布。

经多次实验，MCCA模型的回归树数目设为100，采样率设为5%，邻域为3，步长为1。

2.1.2 情景设定

围绕“建设闽西南生态型现代化城市，打造有温度的幸福龙岩”的建设愿景，以龙岩市2005—2020 年土地利用变化特征及地区未来发展规划为依据，根据城市的实际情况，设置城市发展、耕地保护、生态保护3个情景，模拟未来土地利用需求，如表1所示。

2.1.3 转换成本矩阵

在模拟未来多情景下的土地利用需求时，根据设计的情景，设置不同地类转换为其他地类的难度，见表2。其中：a为耕地；b为林地；c为草地；d为水域；e为建设用地；f为未利用地；1表示地类之间可以转换，0表示地类之间禁止转换。

2.2 ESV评估

1）基于粮食价格的修正

据文献［29］的研究结果可知，1个当量因子的价值为全国平均粮食单产市场价格的1/7。考虑到粮食价格的波动性，参照2020年全国主要粮食平均价格和2005—2020年龙岩市平均粮食产量，修正方法^［30］如下：

式中：V为龙岩市单位面积农田粮食作物的市场价值，元/hm2；P为全国主要粮食作物平均单价，元/kg；Q为研究区粮食作物单位面积产量，kg/hm2。

2）ESV系数的修正

采用2015年修正的符合中国等发展中国家实际的ESV当量因子表^［12］，并依据龙岩市的生态系统服务类型，制定了单位面积ESV当量，建设用地设为0。单位面积ESV系数为

V_i=C_iV i=1，2，…，n（5）

式中：V_i为第i类土地的ESV系数，元/hm2；C_i为第i类土地单位面积生态系统价值当量。

对单位面积ESV系数进行修正，结果如表3所示。

3）ESV计算

利用ESV分析模型计算龙岩市各时期的ESV（V_ES），计算公式^［31］为

V_ES=∑A_iV_i（6）

式中，A_i为第i类土地的面积，hm2。

3 结果与分析

3.1 龙岩市土地利用及其ESV变化

3.1.1 土地利用演变分析

通过4期土地利用数据，分析研究区2005—2020年间土地利用变化数据，如表4和图3所示。龙岩市以林地为主，水域主要位于其西南方向，耕地围绕建设用地分布。从表4和图3可以看出：龙岩市的林地占据约73%的土地面积，从2005年的73.62%至2020年的73.06%，林地总体上呈下降趋势，共减少了10 590.33 hm2；耕地面积明显减少，2005—2015年间面积占比呈现下降趋势，到2020年耕地比例有所缓和并开始上升，面积累计减少了4 183.63 hm2；水域在这15年间增长较缓，面积增加了310.45 hm2，其比例在2010年上升后，直到2020年无明显变化，这也证明了龙岩市一直致力于保护好四大流域的重大举措取得了成效；建设用地2005—2020年的面积持续增长，共计增加了 12 080.34 hm2，其中2005—2010年间增长面积最大，表明龙岩市的建设用地在这一时期的扩张速度是最快的；草地总体呈增长趋势，2005—2010年间增长面积相对较多，仅次于建设用地。未利用地占比小，总体上面积变化不明显，减少约1.83%。综上，林地与耕地面积的下降主要是源于建设用地的挤压和侵占。

3.1.2 ESV变化分析

根据式（6）可得到龙岩市2005—2020年ESV的变化，如表5所示。从表5可知：龙岩市2005、2010、2015、2020年ESV分别为930.91、927.77、927.95、926.76亿元，15年间ESV共计减少了4.15亿元，总体呈下降趋势；在ESV总量中，林地对其贡献最大，约占价值总量的83%，这与龙岩市高森林覆盖率有关；15年间林地的ESV明显降低，共计减少了5.84亿元，而草地ESV的增加量最大，共计增加了1.15亿元。总体来看，2005—2010年龙岩市的ESV下降较快，2010—2015年小幅度上升，但2015—2020年又呈下降趋势。

3.2 未来不同情景下土地利用及其ESV变化

3.2.1 不同情景下土地利用格局变化

1）精度检验

LIANG等^［27］和蔣小芳等^［28］分别采用空间分辨率在250～1 250 m和250～500 m的混合像元验证MCCA模型的模拟精度，证明当空间分辨率为250 m时，土地利用模拟精度最高。本文以龙岩市为研究区，较上述研究范围更大，鉴于此，采用250 m的空间分辨率模拟未来结果图。本文基于2005年土地利用栅格图模拟2020年的土地利用图，采用OA、Kappa系数和mcFoM评估MCCA模型的预测精度，其中mcFoM与FoM类似，模拟结果愈接近1愈准确^［32］。采用2020年各地类的实际结果和MCCA模型计算的模拟结果，分别与2005年土地利用数据进行对比，得到15年间土地利用成分变化情况，变化程度为-1～1，如图4所示。变化程度值为正表示地类的面积在扩张，为负表示减少，为0则表示地类没有变化。由图4可以发现，各地类的变化区域基本吻合，模拟效果较好。OA、Kappa系数和mcFoM的计算结果分别为0.95、0.89和0.222，说明模拟结果可靠。

2）2035年不同情景预测结果

MCCA模型对2035年地类结构进行空间可视化，土地利用类型的覆盖比例为0～1，结果如图5所示。在城市发展情景下，相较于2020年，建设用地扩张十分明显，例如上杭县古田镇，在原有基础上继续扩张，成团发展，表明在不受各项保护政策的影响下，城镇化发展迅速。具体来讲，建设用地的面积增加了9 189.17 hm2，林地和草地分别减少了5 108.67 hm2和2 109.22 hm2，说明林地与草地受到建设用地的侵占较为突出。

耕地保护情景下，耕地较2020年增加了331.15 hm2，建设用地的面积增加了6 868.23 hm2。耕地在基本农田保护红线的政策下保障了粮食安全，得到了有效的利用和保护，在长汀北部、连城北部和上杭南部分布相对集中。随着区域经济的不断发展，城市建设用地持续扩张，城镇化进程必然会导致其他地类的萎缩，仅有耕地得到了有效的控制。

生态保护情景下，除了草地和未利用地，其他用地面积都有所增长，是符合未来发展趋势的理想土地利用空间格局。在此情景下，建设用地、林地、水域、耕地面积分别增长了1 456.49、602.47、360.14、131.66 hm2，而草地和未利用地分别下降了1 587.65 hm2、963.11 hm2，说明草地和未利用地逐渐转化为建设用地、林地、水域以及耕地。另外，林地和耕地被建设用地侵占的程度也有所降低，在一定程度上，有利于维护地区的生态安全，有利于地区的可持续发展。

3.2.2 不同情景下生态服务价值变化

2035年，在城市发展、耕地保护和生态保护情景下，ESV分别为920.24亿元、922.46亿元和927.43亿元，如图6所示。相比于2020年，龙岩市ESV只有在生态保护情景下提高了0.67亿元，在城市发展情景和耕地保护情景下均呈现减少趋势，分别损失了6.52亿元和4.30亿元。在城市发展情景下，生态系统的服务价值损失最大。由于经济的快速发展和城镇化的逐步推进，需要占用耕地和林地来扩大建设用地的面积，而建设用地的增多导致生态系统的服务价值降低，这对龙岩市今后的发展具有重要的参考价值，必须适时调整发展战略，优化国土空间布局。在耕地保护情景下，ESV比城市发展情景多2.22亿元，说明永久基本农田的划定有效地控制了耕地的数量，一定程度上遏制了建设用地侵占耕地。在生态保护情景下，与城市发展和耕地保护情景相比，ESV分别增加7.19亿元和4.97亿元，说明林地作为龙岩市最大的用地类型，对生态保护起着非常重要的作用，一定程度上也延缓了建设用地的扩张。在政策的干预下，生态保护红线对生态的发展和构建幸福龙岩有至关重要的作用。

3.2.3 不同情景下土地利用變化对生态服务价值影响差异

图7是2020—2035年龙岩市各土地利用类型ESV变化。从图7可以看出：引起3种情景内ESV变化的主要因素是水域面积的变化。其中，在城市发展情景下，水域的ESV减少了8.5%，变动幅度较大，且耕地保护情景下ESV的损失次之，减少4.5%。林地和草地面积的减少成为城市发展和耕地保护情景中ESV降低的重要因素。而在生态保护情景下，水域面积的增加使得ESV得到了有效提升，提高了1.08亿元，一定程度上削弱了草地ESV降低的趋势。此外，由于林地、耕地和水域转换为建设用地的概率降低和生态保护红线的限制，使得林地、耕地面积增加带来的价值增长与草地价值减少表现出互补趋势。相较于其他2种情景，草地在生态保护情景下ESV的减少量最小，且林地和耕地ESV呈正向增长（由于林地和耕地的基数较大，ESV上升幅度不明显），表明在此情景下，生态环境得到改善，生态结构日趋合理化且生态系统合理化水平更高。

4 结论与讨论

本文基于2005—2020年龙岩市土地利用与ESV时空演变特征，利用MCCA模型模拟了不同情景下2035年土地利用格局及其ESV变化差异。主要结论如下：

1）随着城镇化的高速发展，2005—2020年龙岩市林地和耕地面积总体上呈下降趋势，分别减少了10 590.33 hm2和4 183.63 hm2，水域面积小幅度上升，建设用地面积则增长迅速，这是由于建设用地的无序扩张，对林地与耕地造成了侵占和挤压。

2）龙岩市的生态服务价值在2005—2020年整体上呈现出下降的态势，累计减少4.15亿元。林地的ESV减少量最大，减少了5.84亿元，而草地和水域的ESV则一直处于上升趋势，分别增加了1.15亿元、0.93亿元。由此可知：城镇化的迅速发展引起的土地利用改变是影响龙岩市ESV变化的重要因素；建设用地的迅速扩张，会使林地和耕地的生态结构发生变化，从而削弱了ESV。

3）在城市发展情景和耕地保护情景下，龙岩市2035年的ESV较2020年分别损失了6.52亿元和4.30亿元，林地和草地面积的减少成为城市发展和耕地保护情景中ESV降低的重要因素。而生态保护情景下，ESV预测为927.43亿元，较2020年上升了0.67亿元，这是由于水域面积的增加使得ESV得到了有效提高。

本文在分析龙岩市历史土地利用变化规律基础上，借助MCCA模型模拟城市发展、耕地保护与生态发展3种情景下龙岩市土地利用演变情况，进而利用当量因子法对3种情景下用地结构的生态系统服务能力进行价值化表达。对龙岩市而言，坚持发展生态保护理念是提高ESV的正确方向，该情景不仅推进了土地利用的协同布局，也对实现区域的持续健康发展起着一定作用。从研究方法上看，基于2020年的粮食价格与生物量进行估算，客观上可能存在对未来ESV的高估或低估，未来可以尝试采用更加精确的ESV评估方法。此外，本文仅采用250 m混合像元空间分辨率的数据进行模拟，研究尺度较单一，没有考虑更高或更低的分辨率数据进行对比实验，未来可进一步探究多尺度视角下土地利用演变对ESV时空演变的影响。

参考文献：

[1]刘纪远， 张增祥， 徐新良， 等. 21世纪初中国土地利用变化的空间格局与驱动力分析［J］. 地理学报， 2009， 64（12）： 1411-1420.

［2］ 樊杰. 主体功能区战略与优化国土空间开发格局［J］. 中国科学院院刊， 2013， 28（2）： 193-206.

［3］ 白中科， 周伟， 王金满， 等. 试论国土空间整体保护、系统修复与综合治理［J］. 中国土地科学， 2019， 33（2）： 1-11.

［4］ 黄金川， 林浩曦， 漆潇潇. 面向国土空间优化的三生空间研究进展［J］. 地理科学进展， 2017， 36（3）： 378-391.

［5］ 王永琪， 马姜明. 基于县域尺度珠江—西江经济带广西段土地利用变化对生态系统服务价值的影响研究［J］. 生态学报， 2020， 40（21）： 7826-7839.

［6］ 雷璇， 杨波， 蒋卫国， 等. 东洞庭湿地植被格局变化及其影响因素［J］. 地理研究， 2012， 31（3）： 461-470.

［7］ 刘莹， 耿文亮， 邵静文， 等. “三生空间”视角下土地利用变化与生态系统服务价值响应： 以黄河下游地区为例［J］. 地域研究与开发， 2021， 40（4）： 129-135.

［8］ 杨清可， 段学军， 王磊， 等. 基于“三生空间”的土地利用转型与生态环境效应： 以长江三角洲核心区为例［J］. 地理科学， 2018， 38（1）： 97-106.

［9］ 龙花楼. 论土地利用转型与土地资源管理［J］. 地理研究， 2015， 34（9）： 1607-1618.

［10］刘永强， 廖柳文， 龙花楼， 等. 土地利用转型的生态系统服务价值效应分析： 以湖南省为例［J］. 地理研究， 2015， 34（4）： 691-700.

［11］COSTANZA R， D′ARGE R， DE GROOT R， et al. The value of the worlds ecosystem services and natural capital［J］. World Environment， 1997， 387： 253-260．

［12］谢高地， 张彩霞， 张昌顺， 等. 中国生态系统服务的价值［J］. 资源科学， 2015， 37（9）： 1740-1746.

［13］戴文远， 江方奇， 黄万里， 等. 基于“三生空间”的土地利用功能转型及生态服务价值研究： 以福州新区为例［J］. 自然资源学报， 2018， 33（12）： 2098-2109.

［14］彭文甫， 周介铭， 杨存建， 等. 基于土地利用变化的四川省生态系统服务价值研究［J］. 长江流域资源与环境， 2014， 23（7）： 1053-1062.

［15］王航， 秦奋， 朱筠， 等. 土地利用及景观格局演变对生态系统服务价值的影响［J］. 生态学报， 2017， 37（4）： 1286-1296.

［16］李龙， 吴大放， 王芳， 等. 中国快速城市化区域生态系统服务价值预测及权衡研究： 以佛山市为例［J］. 生态学报， 2020， 40（24）： 9023-9036.

［17］孙玮健， 张荣群， 艾东， 等. 基于元胞自动机模型的土地利用情景模拟与驱动力分析［J］. 农业机械学报， 2017， 48（增刊1）： 254-261.

［18］何玲， 贾启建， 李超， 等. 基于生态系统服务价值和生态安全格局的土地利用格局模拟［J］. 农业工程学报， 2016， 32（3）： 275-284.

［19］欧阳晓， 贺清云， 朱翔. 多情景下模拟城市群土地利用变化对生态系统服务价值的影响： 以长株潭城市群为例［J］. 经济地理， 2020， 40（1）： 93-102.

［20］TOBLER W R. Cellular Geography［M］. Netherlands： Springer， 1979： 379-386.

［21］崔旺来， 蔡莉， 奚恒辉， 等. 基于土地利用/覆盖变化的浙江大湾区生态安全评价及多情景模拟分析［J］. 生态学报， 2022， 42（6）： 2136-2148.

［22］赵旭， 汤峰， 张蓬涛， 等. 基于CLUE-S模型的县域生产-生活-生态空间冲突动态模拟及特征分析［J］. 生态学报， 2019， 39（16）： 5897-5908.

［23］杨浩， 卢新海. 基于“三生空间”演化模拟的村庄类型识别研究： 以湖南省常宁市为例［J］. 中国土地科学， 2020， 34（6）： 18-27.

［24］李安林， 周艳， 唐丽毅， 等. 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［J/OL］. 中国农业资源与区划， 2022： 1-12. （2022-04-17）［2022-09-03］. http：//kns.cnki.net/kcms/detail/11.3513.S.20220415.1200.006.html.

［25］戴尔阜， 马良. 土地变化模型方法综述［J］. 地理科学进展， 2018， 7（1）： 152-162.

［26］SHI B X， YANG J Y. Scale， distribution， and pattern of mixed land use in central districts： a case study of Nanjing， China［J］. Habitat International， 2015， 46： 166-177.

［27］LIANG X， GUAN Q F， CLARKE K C， et al. Mixed-cell cellular automata： a new approach for simulating the spatio-temporal dynamics of mixed land use structures［J］. Landscape Urban Plan， 2021， 205： 103960.1-103960.17.

［28］蔣小芳， 段翰晨， 廖杰， 等. 基于多模型的黑河中游甘临高地区土地利用情景模拟［J］. 农业机械学报， 2022， 53（9）： 178-188.

［29］谢高地， 鲁春霞， 冷允法， 等. 青藏高原生态资产的价值评估［J］. 自然资源学报， 2003， 18（2）： 189-196.

［30］白羽萍， 王佳斌， 劉恋， 等. 黑河流域生态系统服务价值预测及权衡分析： 以张掖市为例［J］. 生态学报， 2022， 42（13）： 5187-5199.

［31］王兆峰， 许静. 土地利用演变对国家公园生态系统服务价值的影响： 以三江源国家公园为例［J］. 生态学报， 2022， 42（17）： 1-11.

［32］张晓瑶， 张潇， 李冬花， 等. 城市土地利用变化对生态系统服务价值影响的多情景模拟： 以深圳市为例［J］. 生态学报， 2022， 42（6）： 2086-2097.

（责任编辑：周晓南）

Multi-Scenario Land Use Eevolution and ESV Change Based on MCCA： A Case Study of Longyan City

LI Chuyu^1，2，3， XU Weiming^*1，2，3， WANG Kaijia^1，2，3， YANG Hui^1，2，3， SHAO Erhui^1，2，3

（1.Institute of Digital China， Fuzhou University （Fujian）， Fujian 350108， China; 2.Key Laboratory of Spatial Data Mining and Information Sharing， Ministry of Education， Fuzhou University， Fujian 350002， China; 3.National and Local Joint Engineering Research Center of Geospatial Information Technology， Fuzhou University， Fujian 350002， China）

Abstract： In order to explore the characteristics of land use evolution and ecosystem service value （ESV） under multiple scenarios and the differences between the two， this paper takes Longyan City as an example and is based on the four phases of land use data in 2005， 2010， 2015 and 2020. The mixed-cell cellular automata （MCCA） model was used to simulate the land use pattern of Longyan in 2035， and the ESV was calculated and analyzed by using the equivalent factor method. The results showed that the area of forest land and cultivated land in Longyan City decreased by 10 590.33 hm2 and 4 183.63 hm2 respectively from 2005 to 2020， the water area increased slightly， and the area of construction land increased rapidly. The ESV of Longyan City showed a downward trend from 2005 to 2020， with a total decrease of 415 million yuan; under the scenario of urban development and cultivated land protection， the ESV of Longyan City in 2035 will lose 652 million yuan and 430 million yuan respectively compared with 2020. Under the ecological protection scenario， the ESV is predicted to be 92.743 billion yuan， an increase of 67 million yuan compared with 2020， which is a result of the increase in water area. Therefore， the ecological protection scenario is an ideal spatial pattern of land use in line with the future development trend.

Key words： land use evolution; MCCA model; ESV（ecosystem service value）; Longyan City