基于InVEST与FLUS模型的准格尔旗水源涵养功能分析

刘 涛,张雪梅,林长存

(北京林业大学草业与草原学院,北京林业大学中国草原研究中心,北京林业大学草地资源与生态研究中心,北京 100083)

水资源是人类赖以生存的重要资源,其来源是大气降水、地表水和地下土壤水。在我国,由于地形改变、土壤结构破坏及植被破坏等多种原因,大量的水不能进入生物地球化学循环,而是形成地表径流裹挟大量泥沙流入河道,造成洪水、泥石流等自然灾害[1]。水源涵养功能是指通过林冠层、枯落物层、土壤层阻挡蓄积雨水,达到涵养水土[2]、调节河流水量的目的[3]。同时,水作为自然界最主要的物质载体,对生态系统的其他功能,如生产力,营养元素循环等,都有很大的影响。近年来,在全球变暖背景下,世界水循环速度加快,区域水资源涵养能力下降,对区域可持续发展产生了较大影响,已成为众多国家高度重视的问题[4]。2020年2月,国家基于黄河流域生态保护和高质量发展的目标下达了内蒙古黄河生态保护的要求,准格尔旗地区为此大力推动生态环境的治理,修复了大面积的废弃矿山与土地,为准格尔旗进一步的生态修复和治理奠定了基础。已有研究探讨了准格尔旗的生态发展情景[5-6],但是对准格尔旗的水源涵养及功能提升的研究还有待进一步的探索。

目前,人们利用多种模型对区域生态系统的水源涵养功能进行定量、可视化、精细化的研究和评价,如MIKE SHE模型、TOPMODEL模型、SWAT模型、InVEST模型等[7]。InVEST模型具有参数调整灵活、评估结果具有较好的空间表达能力,并可实现时空间与多目标的折衷[8]。该模型是斯坦福大学、自然保育学会、WWF等国际知名科研单位联合开发的,其目的在于平衡开发与保护的关系,并将其应用于对多个生态系统服务的定量评价[9]。InVEST模型的水源涵养模块是根据水资源均衡的原则,充分考虑了不同土地利用方式下的渗透率和地形、地表粗糙程度等因素的影响,通过网格作为单位,对不同地形类型的水源供应进行了量化。该模型以地理信息系统为基础,通过图形化的方式,实现了对生态系统的定量化,避免了繁琐的计算公式和冗长的文字描述,并对许多复杂问题进行了优化[10],现已在北京山区[11]、黄土高原[12]、三江源[13]以及白龙江[7]等地的生态环境评价和研究中得到了广泛的应用。InVEST模型的水源涵养模块中土地利用变化是其中一个非常重要的制约因素,针对土地利用变化的评估也是近些年研究的热点,德国在19世纪初期就开始了以城市规划和可持续发展为目标的土地利用研究[14]。土地是生态系统服务基础,土地利用类型、方式影响着区域生态环境的变化、生态系统的稳定[15]。对于大范围土地利用变化的仿真,目前采用的方法主要是粗分辨产物[16]。例如,IMAGE模型[17]、LUSs模型[18]、CLUMondo模型[19]、FLUS模型等。其中IMAGE模型、LUSs模型、CLUMondo模型还没有完全投入使用,有的甚至是不完整的,因而不能很好的评价土地利用的变化和对生态的影响。而FLUS模式则是将人与自然因素结合起来,可以将“自上而下”的系统动态与“自下而上”元胞自动机有机地结合起来,实现了未来大规模土地使用变化的精细模拟[20]。刘晓娟等[21]以FLUS-InVEST模式为基础,对中国2100年来的土地使用状况进行了数值模拟,研究了陆上生态系统的碳储量及其空间分异。朱志强等[22]利用FLUS-InVEST耦合模型对广州市1990-2018年度的土地、碳储量的空间和空间变化进行了研究,并对其发展趋势进行了预测。

本研究利用FLUS模型对准格尔旗2000-2020年土地利用变化的历史和现状进行研究,进而对2040年自然发展、城市发展与生态保护三种情景下的土地利用状况的空间格局进行模拟,在此基础上运用InVEST模型预测2040年三种情景下准格尔旗的水源涵养能力的时空动态变化,通过对准格尔旗水源涵养功能的空间分布特征及影响因素的研究,分析研究区水源涵养功能对不同发展模式的响应规律,结果能够为准格尔旗的生态修复和环境治理提供相关依据。

1 材料与方法

1.1 数据来源

1.1.1准格尔旗范围 依据相关文献,主要使用DEM数据(空间分辨率为30 m)提取准格尔旗区域的范围。DEM数据和下述相关遥感影像数据均来源于地理空间数据云。本文用到的准格尔旗地图数据从自然资源部标准地图服务网站(http://bzdt.ch.mnr.gov.cn)下载的审图号为蒙S(2017)029号的标准地图作为分析底图。

1.1.2土地利用类型的分类与检验 使用2000年和 2020年的ASTER GDEM遥感影像为主要数据源在Arcgis软件中,对影像进行几何校正、影像融合和影像裁剪等预处理,采用目视解译法与监督分类法相结合的方法提取土地利用类型。数据来源于地理空间数据云。

1.1.3降水量数据 利用国家青藏高原科学数据中心收集周边气象站 1990-2020年的降水量数据。用Arcgis得到降水量的空间栅格数据。

1.1.4年潜在蒸散量 基于气象数据的潜在蒸、散发量采用哈格里夫斯修正方程计算,所需数据来源于国家青藏高原科学数据中心(http://data. tpdc. ac. cn)。

1.1.5根系深度数据 使用2000年和2020年根系深度数据,根系深度数据根据中国科学院内蒙古草原生态系统定位研究站测定的准格尔旗土壤剖面数据获得的。

1.1.6植被可利用水分 使用2000年与2000年植被可利用水分,数据来源于世界土壤数据库。

1.1.7流速系数 流速系数根据各期土地利用/覆被情况结合模型参数表获取。

1.2 研究区概况

准格尔旗地处山西,陕西,内蒙古三省区交界之地,位于鄂尔多斯高原的最东端,国土面积7 692 km2,该地区的地貌类型主要为黄河冲积平原、沙漠、丘陵沟壑、黄土丘陵等,该地区远离海洋,大陆性气候突出,属于典型的半干旱地区,年平均气温为6.2℃～8.7℃,降水少而集中,年降水量300 mm左右,多集中在7-9月。在中温带大陆性气候的作用下,冬季漫长而寒冷,春季气温起伏变化较大,多风少雨,夏季炎热短暂、雨水集中,易发生局地性短时强降水、冰雹、大风等强对流天气,并诱发洪涝灾害。这里的植被以沙生植被和退化的草地为主。

图1 准格尔旗位置图Fig.1 Location map of Junggar Banner

1.3 研究方法

1.3.1FLUS模型 FLUS模型是用于模拟人类活动与自然影响下的土地利用变化以及未来土地利用情景的模型。本实验采用随机采样策略提取2000年数据的10%作为训练样本,设置训练隐藏层数为10,通过归一化驱动因子,利用神经网络算法计算得出2020年准格尔旗土地利用类型适宜性概率图层。同时,设定模型的邻域影响因子和转换成本,邻域影响因子用以反映不同用地类型之间以及邻域范围内不同用地单元间的相互作用,转换成本表示当前用地类型转换为需求类型的困难度。邻域影响因子的计算需要设定邻域因子参数,其范围为0～1,数值越大表示该用地类型的扩张能力越强。借鉴已有邻域权重参数成果,结合准格尔旗土地利用现状,设置邻域因子参数(表1),生成2020年准格尔旗土地利用模拟结果,并使用“Precision Validition”模块对土地利用模拟结果进行精度检验．同理,生成2040年土地利用模拟结果。

表1 领域因子参数Table 1 Neighborhood factor parameters

1.3.2多情景设定 影响城市发展和用地变化的因素很多,在对土地利用变化进行模拟时,必须综合考虑各种环境因素。依据准格尔旗历史年份土地利用变化特征及其未来区域空间发展规划,本文分别设置自然发展情景、城市发展情景、生态保护情景三种情景模式对准格尔旗2040年土地利用变化情况进行预测(表2)。

表2 未来土地利用变化情景模式及原则Table 2 Future land use change scenarios,patterns and principles

1.3.3转换成本矩阵 转换成本矩阵表征由当前地类转换为需求地类的难度。转换成本矩阵中只存在两个值0和1,本文需对应不同情景设定3个转换成本矩阵(表3)。

表3 研究区土地利用转移成本矩阵Table 3 Land use transfer cost matrix in the study area

1.3.4InVEST模型 InVEST模型主要包含陆地生态系统服务评估、海洋系统和淡水系统三大模块,本文主要应用其中的陆地系统相关模块,利用其中的水源涵养模块对准格尔旗的生态系统进行定量评估,可视化显示结果。

(1)产水量

InVEST模型产水模块基于水量平衡原理,通过各栅格单元的降水量、蒸发量、土壤深度、土壤质地和植被根系深度等参数估算产水量。具体公式为:

式中:Y(x)为栅格单元x上土地利用类型的年产水深度(mm);AET(x)为栅格单元x上土地利用类型的单位面积年实际蒸发量(mm);P(x)为栅格单元x上土地利用类型的单位面积年降水量(mm),ω为气候土壤非物理参数。

(2)水源涵养计算

基于InVEST模型产水模块计算结果,综合考虑不同土地利用/覆被类型的土壤渗透性、地形差异等对地表径流的影响,利用地形指数、土壤基础数据计算得到各单元水源涵养量及深度,能够较好地表达流域水源涵养量的空间分布状况及影响水源涵养量的主要因素。

式中:WC为水源涵养深度,mm;V为流速系数,无量纲;D为地形指数,无量纲;K为土壤饱和导水率,cm·d-1; DA为流域汇水量,mm;SD为土层厚度,mm; PS为百分比坡度,无量纲。

2 结果与分析

2.1 土地利用模拟预测

利用2000年和2020年两期土地利用数据,模拟2040年土地利用分布格局,选取了高程、坡度、坡向、降水、到城镇中心的距离、到铁路的距离等6个因素。三种情景下所得出模拟数据与真实2020年数据在10%随机采样模式中,计算出Kappa系数分别为0.87,0.88和0.83,均大于 0.80,说明FLUS模式能够很好地模拟研究区的土地演替过程,其所设定的参数与研究区的土地利用状况相一致,可以很好地预测2040年的土地利用变化(图2、图3)。

图2 2000年和2020年土地利用现状图Fig.2 Land use status map in 2000 and 2020注:a为2020年,b为2020年Note:a was landuse in 2020,b was landuse in 2020

图3 三种情景模拟下2040年准格尔旗土地利用预测图Fig.3 The land use prediction map of Junggar Banner in 2040 under three scenarios simulation注:a为自然发展情景;b为城市发展情景;c为生态保护情景Note:a was the ordinary development scenario,b the urban development scenario,c the ecological protection scenario

图4 2000年和2020年准格尔旗水源涵养量空间分布Fig.4 Spatial distribution of water source conservation in Zhungeer Banner in 2000 and 2020

图5 2040年三种情景下准格尔旗水源涵养量空间分布Fig.5 Spatial distribution of water source conservation in Junggar Banner under three scenarios in 2040注:a为自然发展情景;b为城市发展情景;c为生态保护情景Note:a was the ordinary development scenario,b the urban development scenario,c the ecological protection scenario

2.2 土地利用类型时空演变

根据上述得出的2040年准格尔旗土地利用结果,对准格尔旗2000-2040年的土地利用面积进行统计,可得出自然发展、城市发展与生态保护三种情景下耕地、林地、草地、水域、建筑用地以及未利用地的面积变化(表4)。自然发展情景的结果表明,准格尔旗的建筑用地逐年上升,其用地面积占比由1.7%快速增长至7.4%,耕地面积小幅度增加,林地、水域的面积相对保持稳定,草地、未利用土地的面积都在不同程度上减少。在2000-2020 年期间,城乡、工矿、居民用地面积有较明显增加且分布在北部地区。

表4 三种情景下准格尔旗土地利用类型面积变化Table 4 Changes of area of each land use types in Junggar Banner under three scenarios

城市发展情景下,整体趋势与自然增长态势类似,城乡、工矿、居民用地有了大幅度提升,由最开始的1.7%增长到9.2%,中心城区较为明显,此处的城乡、工矿、居民用地扩张与人口扩散趋势保持一致,而草地、林地、耕地面积都相对有所减少。

生态保护情景是未来土地利用变化的理想情景,该情景假设准格尔旗已步入中高速、高质量的发展时期,城镇扩展速率减缓导致土地使用效率的提升。《准格尔旗国土空间总体规划(2020-2035年)》提出,要严格执行耕地与永久基本农田的保护,并将耕地面积反馈调整机制纳入协调发展情景,以保持研究区的耕地面积高于基准水平,而从预测结果中可以看出林地、耕地、草地面积减少态势得到有效遏制,很好的实现了上述目标。

从2000年到2020年以及三种情景模拟下的土地利用变化中可以看出,在过去的20多年以及未来发展的过程中,准格尔经济开发区土地变化十分显著,由2000年的未利用土地占据大多数演变为2020年的耕地,城市、居民用地居多,到2040年在城市发展以及自然发展情景下城市、居民、工矿用地已经基本占据该开发区全部的用地面积。在准格尔经济开发区,有很多以产业发展带动城市建设,以城市建设支撑产业发展的企业。该预测结果更好的说明了经济发展对于土地利用变化的影响也为今后准格尔旗建设新的经济开发区提供一个很好的理论支撑。

2.3 准格尔旗水源涵养模拟

考虑到数据可获取性,本研究以2000年为代表,选取准格尔旗的年径流量,来调试和验证模型,准格尔旗年径流量为2.04×108m3,通过模型反复模拟计算水源涵养量,得出Z系数为15时,准格尔旗2000年水源涵养量为1.90×108m3,相比误差为6.86%,可见模型模拟结果具有良好的健壮性。

就InVEST水源涵养量模型模拟的2000年和2020年准格尔旗水源涵养量空间分布来看,准格尔旗在全局范围内的水源涵养量表现为“东高西低”“北高南低”的基本分布模式,结合区域地形地貌特征来看,高水源涵养量区域主要分布在海拔相对较低的区域,而地势较为平缓的区域水源涵养量相对较高(图3)。结合研究区各用地类型空间分布来看,耕地、林地、草地用地类型具有相对较高的水源涵养量,而水域、建设用地分布区域水源涵养量总体较少(图2)。在数量变化方面,准格尔旗2000年的水源涵养量为1.90×108m3,2020年的水源涵养量为3.16×108m3,相比2000年增加了1.26×108m3。根据各用地类型的水源涵养量及其变化的比较,草地具有最大的水源涵养总量,并且草地水源涵养量变化显著,水源涵养量增加了0.70×108m3(表5)。

表5 2000,2020和2040年不同土地利用类型水源涵养量Table 5 Water conservation capacity of different land use types in 2000,2020 and 2040

2.4 水源涵养对不同土地利用情景的响应

根据2020和2040年准格尔旗土地利用与水源涵养的变化情况看出,自然发展情景下,水源涵养量较2020年增加了0.05×108m3,耕地、林地、居民用地的水源涵养量均有一定程度的增加,草地、未利用地的水源涵养量下降了(表4,表5)。20年间面积增加幅度最大的城乡、居民用地类型水源涵养量对应增加了0.06×108m3,面积下降幅度最大的草地用地类型水源涵养量减少0.05×108m3。

城市发展情景下,水源涵养量较2020年减少了0.18×108m3,城乡、居民用地水源涵养量有了一定程度的增加,耕地、林地、草地的水源涵养量均下降了。水源涵养量增加最多的是城乡用地,增加了0.08×108m3,增加幅度是36%,水源涵养量减少最多是草地,减少量为0.39×108m3,减少幅度为22%。

生态保护情景下,水源涵养量较2020年增加了0.21×108m3,耕地、林地、草地的水源涵养量均有一定程度的增加,城乡、居民用地的水源涵养量下降了。水源涵养量增加最多的是耕地,增加了0.06×108m3,增加幅度是11%,水源涵养量减少最多是城乡、居民用地,减少量为0.04×108m3,减少幅度为25%。

综上,自然发展与生态保护情景下水源涵养量较2020年均增加了,城市发展情景下水源涵养量降低了,根据各土地利用类型单位面积水源涵养能力的差异,其强度按照以下顺序排列:草地>林地>耕地>水域>建设用地>未利用土地。对水源涵养影响强度最大的草地用地类型面积增加1 km2,水源涵养量增加0.7×104m3,对水源涵养影响强度最小的建设用地类型面积增加1 km2,水源涵养量相应只增加0.04×104m3。

3 讨论

3.1 土地利用变化对水源涵养影响效应

土地利用变化主要是通过改变下垫面的类型和结构,对水源涵养过程产生直接或间接的影响[23]。它的作用方式主要体现在:改变土壤的质地和结构,通过对土壤孔隙度的影响,从而对水源涵养量产生影响[24]。其次,下垫面的类型和性质会对水源涵养过程产生影响,比如,下垫面的变化,会引起下垫面的变化,从而对下垫面的水分来源产生影响。再次土地利用变化还会对其它因素产生影响,进而对生态系统的水源涵养服务产生影响,比如说土地开发利用造成的生态系统退化[25]。根据土地利用变化对水源涵养的作用方式,可以看出,它是一个多途径复合的过程。因此,生态系统水源涵养变化呈现出其多元复合性,它是包括土地利用变化在内的多种影响因子共同作用的结果[12]。不同类型的土地利用对水量有不同的影响。土地利用的变化首先会改变土壤条件、土壤侵蚀和生物多样性,然后会改变下层地表,影响地表径流。林地的产水量较低,因为森林植被较深的根系可以有效拦截降水,同时树木具有很强的蒸腾作用。林地还可以通过林冠拦截降水,在枯落物层吸收降水,在土壤层渗透降水,从而减少地表径流。因此,森林面积的增加会减少该地区的产水量。耕地和草地对降水的调节作用与森林相似。不过,由于植物密度和根深不同,耕地的调节作用要小于草地和森林。草地也能在一定程度上截留部分降水,但这种作用比耕地弱。因此,草地的产水能力大于耕地。建筑用地通常覆盖混凝土、沥青和水泥,形成不透水层[26]。

本研究依据InVEST模型计算的准格尔旗2000年的水源涵养量为1.90×108m3,2020年的水源涵养量为3.16×108m3,增长幅度为66%,预测的三种发展模式下2040年水源涵养量与2020年相比,自然发展与生态保护发展情景下,水源涵养量分别增加了0.05×108m3和0.21×108m3,增加幅度分别为2%,7%,城市发展情景下,水源涵养量减少了0.18×108m3,减小幅度为6%,这主要与土地类型的转变密切相关,对水源涵养影响强度最大的草地、林地、耕地所占比例呈增加趋势因此水源涵养量也逐渐增加。潘韬等[8]在三江源流域开展的生态系统服务产水研究中发现,土地利用改变将引起地面反照率、局地水汽循环和地面径流量的改变,并通过改变区域气候,进而影响流域水源涵养。张福平等[4]在黑河流域上游的水源涵养研究中,发现地表覆盖、土壤物理性质等会随水热条件的转变而产生相应的变化,从而导致地表粗糙度、地表土壤环境的改变,从而对地区的实际蒸散和水源涵养量产生影响。准格尔旗的耕地面积由2000年的1 379 km2缩减到2000年的1 337 km2,2040年的1 331 km2,呈现出缩减的趋势,耕地的产水量却相应减加,表明耕地的缩减导致了耕地的产水层增加。森林面积由485 km2增至499 km2,森林的平均产水量增加,同理本研究结果表明,准格尔旗水源涵养量的变化与林地、草地、建设用地面积变化呈现出正比例关系,而与耕地、水域面积变化呈现出反比例关系,由此可以看出,水源涵养的变化随着土地利用类型的变化而发生变化,这与赵亚茹等[27]的研究结论一致。本研究结果显示,准格尔旗草地的水源涵养量比林地和耕地高,这是由于草原是准格尔旗土地利用的主体,2020年,草原面积占到了全域总面积的57.1%,分布在全旗的各个地区,尽管草原可以利用表层截留和枯落物层的吸收来对降水进行再分配,但是因为草原的广泛分布,而且都集中在了降水量高值区,所以整个流域草原的平均产水深度很大,它在整个流域的产水总量中所起的作用也很大。

3.2 水源涵养对三种情景下土地类型变化分析

在自然发展情景模拟下,为了解决因人口增长而带来的食物需求问题耕地面积有所扩大,在高速发展的同时,没有注意到对水域的保护,造成了水域面积的减少。这与史名杰等[28]研究结果相似。在城市发展情景模拟中,城乡和居民用地规模扩大显著,这与准格尔旗城市建设策略和地区经济发展紧密联系在一起,与许小亮等[29]扬州市研究区的研究结果略有不同,因为他们选择的研究区和本研究研究区的地理特征和地区经济地位存在较大差异,但是模型研究方法相似,可以作为互相验证的基础。生态保护情景模拟下,由于准格尔旗各级自然保护区、林草等自然资源管理部门、城市绿化部门等进行了长期的科学规划,并在此基础上提出了相应的保护措施,使自然保护地的生态效果逐步显现,实现了草地面积退化减缓,林地、水域土地类型的稳定。在这种情况下,受限制的保护地主要倾向于林地和草地,这与张丽芳等[30]对天山北坡景观格局模拟的研究结果相一致。

本研究通过三种土地利用模拟情景预测得到的水源涵养量,自然发展与生态保护发展情景下水源涵养量增加了,城市发展情景下水源涵养量减少了。这一结果与王保盛等[31]的研究结果相似。他们所研究的闽三角城市群的水源涵养量结果表明闽三角城市群的耕地、林地、草地和其他用地类型的面积减小的同时水源涵养也在减小,建设用地、水域和滩涂类型的面积增大,水源涵养也在随之增大。而郭洪伟等[32]的研究显示,南四湖流域2000年后,流域内的城市化进程加速,城镇建设用地明显增多,从而引起了流域内的水源涵养量增加。而开展环湖生态保护,在湖区周边建设 300 m林地缓冲区却引起了流域水源涵养量的下降,这主要是因为,构建生态防护林,不仅能够有效减少地表径流,还能发挥出减少土壤侵蚀、拦截入湖泥沙的效果。

3.3 降水量及土地变化对水源涵养的影响变化分析

研究区降水量由东向西迅速递减,并且平均产水深度相差巨大,这是由于研究区东部受中温带大陆性气候影响,该区域降水量十分丰富,但气流在自东向西途中受到高海拔山脉阻挡,研究区整个西部降水量很低,从而使得研究区降水量东部与西部形成鲜明对比;经验证,蒸散发的年际变化很小,而 2000-2020 年研究区降水量呈整体上升趋势,这与水源涵养量的整体趋势相同,说明降水量是水源涵养量年际变化的影响因素。除降雨量外,土地利用类型的草地、林地对产水的作用较大,这也反映了虽然草地与林地与总体水的响应上中并不明显,但由于子流域之间的相互作用起到了总体平衡的作用,总体上间接抵消了类型变化对产水变化的效应,这一结果与王保盛等[31]对闽三角产水量模拟研究结果相似。童瑞等[33]研究得出,黄河流域56.5%的区域蒸散发量呈减小趋势,在降水显著增加而实际蒸散发减少的情形下,水源涵养量必然呈增加趋势。

4 结论

三种情景下FLUS模型的Kappa系数分别为0.87,0.88和0.83,均大于 0.80,说明FLUS模式能够很好地模拟研究区的土地演替过程。InVEST水源涵养量模型模拟的2000年和2020年准格尔旗水源涵养量分别为1.90×108m3,3.16×108m3,而基于FLUS模型预测的三种情景下2040年准格尔旗土地利用变化再利用InVEST模型得出的水源涵养量,城市发展情景下水源涵养量最低为2.98×108m3,与2020年相比下降了5%,生态保护情景下水源涵养量最多为3.37×108m3,与2020年相比增加了7%。全局范围内的水源涵养量总体表现为“东高西低”“北高南低”的基本分布模式。各土地利用类型单位面积水源涵养能力的强度为草地>林地>耕地>水域>建设用地>未利用土地,草地面积占全域总面积的一半以上,且集中在了降水量高值区,整个流域草原的水源涵养大,因此,草地的水源涵养量高于林地和耕地。对于未来的土地利用规划和相关的土地利用和生态保护政策,InVEST模型与FLUS模型相结合,可以更好地实现流域生态系统的最优管理,其结果可为区域生态恢复、城市发展及生产实践提供很好的理论与现实支撑。