多情景模拟下县域生境质量时空演变预测

摘要：【目的】探究不同发展情景下的县域生境质量分布格局，为区域生态保护和社会经济可持续发展提供保障。【方法】以湖南省常德市桃源县为例，结合GeoSOS-FLUS模型与InVEST模型预测耕地保护情景（CPS）、生态保护情景（EPS）和经济建设情景（ECS）下的土地利用和生境质量时空演变格局，并借助地理探测器探测生境质量空间差异的影响因素。【结果】①2000—2020年，桃源县土地利用变化总体表现为草地、耕地、林地规模逐渐减少，建设用地持续扩张；生境质量呈下降趋势，低生境质量面积占比逐年升高。②2035年桃源县在3种情景下的生境质量均值从大到小为EPS（0.818 7）gt;CPS（0.817 9）gt;ECS（0.817 3）；在ECS下，林地面积实现正增长，高生境质量区域减少幅度放缓，建设用地扩张对生态的破坏得到最大程度遏制；在CPS下，较低生境质量面积占比达到28.07%；在ECS下，低生境质量区域面积占比2.07%，呈持续增长趋势。③地形因子是影响桃源县生境质量空间分布的主要因素，其次为GDP与人口密度。【结论】在县域未来发展中，可考虑优化生态用地空间布局，鼓励发展生态农业，合理控制建设用地增量，提高生态稳定性，促进国土空间高质量发展。

关键词：多情景模拟；生境质量；碳储量；土地利用；GeoSOS-FLUS模型；InVEST模型；湖南桃源县

中图分类号：F301.2；X826"""" 文献标志码：A开放科学（资源服务）标识码（OSID）：

文章编号：1000-2006（2024）06-0201-09

Prediction of the spatiotemporal evolution of county habitat quality under multi-scenario simulation： a case of Taoyuan County

YANG Yuping1， CHEN Caihong1*， SHE Jiyun1， LIN Chuxuan2， XIAO Fen1， CHEN Chulin3

（1. School of Forestry， Central South University of Forestry and Technology， Changsha 410004， China; 2. College of Public Administration， Huazhong Agricultural University， Wuhan" 430070， China; 3. School of Landscape Architecture， Central South University of Forestry and Technology， Changsha 410004， China）

Abstract： 【Objective】This study aims to" explore the distribution patterns of habitat quality in county-level areas under different development scenarios to support regional ecological protection and socio-economic sustainable development. 【Method】 Using Taoyuan County as a case study， we applied the GeoSOS-FLUS model and the InVEST model to simulate the spatial-temporal evolution of land use and habitat quality under three scenarios： cultivated land protection scenario （CPS）， ecological protection scenario （EPS）， and economic construction scenario （ECS）. We also analyzed the factors influencing spatial variations in habitat quality using Geographic Detectors. 【Result】 From 2000 to 2020， land use changes in Taoyuan County included a gradual decrease in grassland， cultivated land， and woodland， while construction land expanded continuously. Habitat quality declined， with a yearly increase in the proportion of low habitat quality areas. By 2035， the average habitat quality values under the three scenarios were ranked as follows： EPS （0.818 7）gt;CPS （0.817 9）gt;ECS （0.817 3）. Under EPS， woodland area increased positively， the reduction in high habitat quality areas slowed， and ecological damage from construction land expansion was minimized. Under CPS， 28.07% of the area had low habitat quality. Under ECS， 2.07% of the area had low habitat quality， which showed a continuous increase. Topographic factors were the primary determinants of habitat quality distribution in Taoyuan County， followed by GDP and population density. 【Conclusion】 Future county development should consider optimizing the spatial layout of ecological land， promoting ecological agriculture， controlling construction land expansion， improving ecological stability， and advancing high-quality land space development.

Keywords：multi-scenario simulation; habitat quality; carbon storage; land use; GeoSOS-FLUS model; InVEST model; Taoyuan County of Hunan Province

随着经济社会发展迅速[1]，大规模人类活动引起的土地利用方式与强度剧烈变化，改变了生态系统结构与过程，严重影响着生境质量稳定性与可持续发展[2]。县城是城镇化建设的重要载体，县域生态环境治理是实现高质量发展的必由之路，而生境质量作为衡量区域生态环境为生物生存提供适宜条件能力的重要指标[3]，是判定区域生态环境优劣的重要标准[4]，其稳定性是维持生态生物多样性的基础[5]，对生境质量开展模拟与评估分析，对协调土地资源可持续利用与生态环境保护具有重要意义。

随着土地利用格局演变导致生态环境破坏日益严重，土地利用变化模拟模型也逐渐增多，基于多模型整合对生态功能进行研究预测逐渐成为研究趋势。土地利用变化模拟模型主要包括元胞自动机模型（CA）[6]、马尔科夫模型（Markov）[7]、FLUS模型[8]和GeoSOS模型[9]等。其中GeoSOS-FLUS模型既拥有GeoSOS模型在非线性系统中模拟复杂系统时空演变过程的能力，又有FLUS模型在模拟土地利用分布时与现实结果相似的优点，能有效处理自然与人为因素共同作用下的地类转换概率问题，被广泛应用于区域尺度的土地利用变化[10]，且相较于其他模型，GeoSOS-FLUS模型在模拟未来多种土地利用类型的空间分布结果更为准确合理[11-12]。因此，本研究采用GeoSOS-FLUS模型对研究区的土地利用变化进行预测，为深层次探究其生境质量时空格局演变奠定基础。

由土地利用变化带来的区域生态系统退化，生境质量降低甚至丧失仍在持续发生，耦合土地利用变化和生境质量演变趋势逐渐成为学者们关注的重点[13-15]，目前国内外关于生境质量评估的模型主要有InVEST模型[16]、ARIES模型[17]、SolVES模型[18]等。与其他模型相比，InVEST模型因具有空间可视化强、评估精度高等优点而被广泛应用[19-20]。现有研究多利用该模型评估量化区域或流域尺度的生态服务功能，Sun等[21]基于InVEST模型监测了南四湖流域1980—2015年的生境质量时空动态变化；尚俊等[22]利用InVEST模型对鄱阳湖区的生境质量做了时空演变及其变迁特征分析。总体而言，现有相关研究的尺度较大，且对生境质量时空演变的考虑主要基于现状变化，对县域尺度未来多情景下生境质量预测的考量仍有待进一步加强。根据国家“十四五”规划，县域是生态环境治理的重点，县域城镇化是未来优化城镇化空间格局的重要突破口。因此，本研究基于县域研究尺度，以湖南省桃源县为研究区，以2000—2020年每10 a为一个节点，基于耕地保护情景、生态保护情景和经济建设情景，利用GeoSOS-FLUS V2.4与InVEST 3.8.0模型，分析研究区生境质量演变特征，模拟并探讨2035年生境质量时空变化趋势。结合相关生态服务政策，对多情景视角下的生境质量进行预测获得可视化结果，以期为改善区域生态系统服务提供科学依据。为研究区生态环境保护与社会经济协同发展提供参考。

1 材料与方法

1.1 研究区概况及数据来源

桃源县（110°51′47″～111°36′41″E，28°24′24″～29°24′00″N）位于湖南省常德市，县域面积444 233.97 hm2，森林覆盖率达65.5%。然而随着城镇化进程加快，其经济快速发展对生态环境造成一定压力，生态稳定性亟须稳步提升。

本研究采用的2000、2010、2020年桃源县土地利用数据来源于中国科学院资源环境科学数据中心（http：//www.resdc.cn/）。本研究将地形因子[包括高程（m）、坡度（°）和坡向]、气候因子[包括年均降水量（mm）和年均气温（℃）]、社会经济因子[包括GDP（万元/km2）、夜间灯光数据、人口密度（人/km2）]，以及交通区位因子[包括到公路距离（m）、到居民点距离（m）]作为模拟变化的主要驱动因素。其中，高程、年均降水量、年均气温、GDP、人口密度均获取自中国科学院资源环境科学数据中心，夜间灯光数据获取自Harvard Dataverse，到公路距离和到居民点距离获取自全国地理信息资源目录服务系统（https：//www.webmap.cn/），坡度和坡向则由高程提取得到。另外，限制转换因子，即桃源县自然保护地，由县林业局提供并经栅格处理与插值获取。通过重采样，统一各数据像元大小为30 m×30 m，投影坐标为Krasovsky_1940_Albers。

1.2 GeoSOS-FLUS模型构建

1.2.1 情景设定

系统分析《常德市国民经济和社会发展第十四个五年规划和二NFCA1三五年远景目标纲要》（https：//sfj.changde.gov.cn），并基于县域实际经济发展情况、生态环境质量及粮食生产能力基础，以2035年为目标年，设定3种情景。

1）耕地保护情景（CPS）。该情景以耕地数量不减少，农业生产效益与生态效益协同发展为目标。基于宏观政策调控，强调严格落实耕地保护制度，保障粮食安全和重要农产品生产。因此在参数设置中，限制耕地向其他地类转移，适当降低建设用地扩张速度，其扩张能力应大于生态保护情景，小于经济建设情景。

2）生态保护情景（EPS）。该情景以强化生态系统保护，实现生态效益最大化为目标。统筹山水林田湖草系统保护修复，推进节能减排，提升自然资源节约集约水平。因此在参数设置中，严格限制林地、草地、水域等生态用地向其他地类转出，严格控 制建设用地扩张速度。

3）经济建设情景（ECS）。该情景以促进城乡融合发展，实现县域经济高质量发展为目标。强调加强县城城镇化建设，增加基础设施用地建设面积。桃源县是粮食产量大县，耕地是其重要经济地类，因此在参数设置中，耕地邻域权重应大于生态保护情景，小于耕地保护情景。

1.2.2 参数设置

采用GeoSOS-FLUS模型得到2035年多情景视角下的土地利用覆被，其主要计算模块如下：

1）基于神经网络的出现概率计算模块。该部分采用神经网络算法（artificial neural network，ANN）计算研究区域内每种地类在每个像元上的出现概率，即土地利用适宜性概率。本研究设置2010年与2020年土地利用数据作为初始数据，添加地形因子、气候因子、交通区位因子和社会经济因子作为驱动力数据，基于ANN获取2010与2020年土地利用适宜性概率文件，采用均方根误差（RMSE）衡量训练精度，RMSE越小，说明预测模型精度越高，其RMSE分别为0.239 3、0.230 5，满足训练精度要求。

2）基于自适应惯性机制的元胞自动机。该部分依据适宜性概率，基于成本矩阵和邻域影响等参数计算各地类的总体转换概率。本研究设置2020年土地利用数据为初始数据，添加土地利用适宜性概率以及限制转化因子作为基础，并结合不同情景下各地类的扩展趋势对参数进行最终确定（表1、表2），邻域因子参数范围为0～1，越接近1代表该土地利用类型的扩张能力越强。在成本矩阵中0表示不允许转化，1表示允许转化。

3）精度验证。本研究采用Kappa系数验证模型模拟精度，Kappa系数在0.81～1.00之间表示几乎完全一致[23]。将2020年预测结果与实际土地利用数据进行验证，得到Kappa系数为0.930 7，表明该模型模拟结果与实际情况几乎完全一致，适用于本次研究对象。

1.3 InVEST模型生境质量评估

研究采用InVEST 3.8.0模型中的Habitat Quality模块来计算研究区的生境质量，该模型针对生境质量的评估首先是基于生境退化度，其计算公式如下：

Dxj=∑Rr=1∑Yry=1Wr∑Rr=1wrryirxyβxSjr;（1）

线性衰退时，为irxy=1-dxydr，max;（2）

指数衰退时，为irxy=exp-2.99dr，maxdxy。（3）

式中：Dxj为土地利用类型j中栅格x的生境退化程度；R为威胁因子的数量；r为生境的威胁因子；Yr为威胁因子r图层上的栅格数；Wr为威胁因子的权重；ry为威胁因子对生境y的影响程度，取值在0～1；irxy为威胁因子r在栅格x的生境对栅格y的影响；βx为栅格x可达性水平；Sjr为土地利用类型j对威胁因子r的敏感程度；dxy为栅格x与y之间的线性距离；dr，max为威胁因子r的最大影响距离。

生境质量指数反映威胁因子影响下生境质量的优劣，取值范围为0～1，较高数值表示较好的生境质量，非生境的景观区域生境得分值为0。其计算公式如下：

Qxj=Hj1-DzxjDzxj+kz。（4）

式中：Qxj为土地利用类型j中栅格x的生境质量；Hj为土地利用类型j的生境适宜度；z为归一化常量，取值2.5；k为半饱和常数，取最大退化度值的一半。

通过对研究区实地调研，参考文献[24-25]，将人类活动密集的耕地、道路和城镇用地作为威胁因子并赋值（表3）。依据各地类的生态重要程度，将各地类归为3种类型：天然地类、半人工地类和人工地类，其生境适宜程度为0～1。每种生境类型对威胁因子的相对敏感性大小根据景观生态学生物多样性保护原则而确定[26]，其敏感程度从高到低依次为天然地类（林地、水域等）、半人工地类（耕地、未利用地等）和人工地类（建设用地），结合文献[27-29]，对威胁源的敏感性进行赋值（表4），范围在0～1之间。

1.4 地理探测器生境质量影响因子分析

地理探测器[geographical detector，GeoDetector_2015_Example（Disease Dataset）]是探测空间分异性并揭示其背后驱动因子的一组统计学方法[30]。本研究主要借助地理探测器的分异及因子探测和交互作用，参考文献[30-31]选取因变量为Y（生境质量），自变量为X1（DEM）、X2（坡度）、X3（年均降水量）、X4（年均气温）、X5（到公路距离）、X6（到居民点距离）、X7（GDP）、X8（人口密度），应用q统计量定量分析各因子对于生境质量的影响机制［30］。

2 结果与分析

2.1 桃源县土地利用变化及预测

2.1.1 2000—2020年桃源县土地利用变化特征

基于2000—2020年桃源县土地利用转移矩阵（表5），可得桃源县土地类型面积占比排序从大到小为林地gt;耕地gt;草地gt;水域gt;建设用地gt;未利用地。其中，草地、耕地、林地面积逐年下降，受退耕还林政策影响，耕地大部分转化为林地，其面积在20年间共减少3 113.01 hm2，是降幅最大的土地类型，耕地保护形势严峻。建设用地、水域及未利用地规模逐年增大，建设用地在20年间增长3 469.59 hm2，是涨幅最高的土地类型，其中新增建设用地主要来源于耕地和林地。

总体来看，研究区林草地覆盖度较高，生境质量基础好，但存在建设用地快速扩张导致林草地等生态用地及耕地流失的现象。

2.1.2 多情景下桃源县2035年土地利用预测

2035年桃源县不同情景下的土地利用面积变化模型结果见图1。由图1可知，在耕地保护情景下，土地利用呈“一增多减”的变化趋势，除建设用地外，其他用地面积呈不同程度减少，其中建设用地相比2020年增长1 384.59 hm2，城镇化促使人口快速增长，耕地数量保护与质量提升成为县域城镇发展统筹的关键之一，该情景下耕地面积仅减少875.42 hm2。在生态保护情景下，仅林地与建设用地呈增长趋势，其中林地规模增长237.64 hm2，是唯一正增长的情景，建设用地扩张速率显著下降，城镇化建设对整体生态来说影响较小，耕地面积显著下降，减少量为1 388.58 hm2，出现退耕还林还草现象。在经济建设情景下，土地利用变化主要表现为建设用地扩张速度大幅增加，相比2020年增长1 766.79 hm2，受此影响，耕地、林地和草地面积流失较为显著。在3种情景下，水域及未利用地面积变化均较为稳定，其中水域在生态保护情景下略有增长，在耕地保护情景与经济建设情景略有减少；未利用地则均呈递减态势。

2.2 桃源县生境质量变化及预测

2.2.1 2000—2020年桃源县生境质量时空演变

本研究依据自然间断点分级法（Jenks）[32]将生境质量划分为5个等级：低[0，0.39]、较低（0.39，0.59]、中等（0.59，0.79]、较高（0.79，0.99]、高（0.99，1.00]。根据分类统计得到2000年、2010年和2020年的平均生境质量分别为0.823 9、0.821 7和0.820 0。

从空间分布来看，桃源县生境质量空间分布特征显著。低生境质量区域集中分布在桃源县东北区域，地类以建设用地为主，受人类活动干扰大；较低生境质量区域分布以耕地为主，其破碎化程度较高；一般生境质量区域分布以水域和草地为主，零星分布于桃源县内；较高生境质量区域分布于东部丘陵地区；高生境质量区域主要集中于乌云界、胡家岭和牯牛山等山区，林地分布集中，生态环境较好。

从时间尺度来看（表6），较低生境质量和中等生境质量面积占比持续下降；而较高生境质量面积略有增长，但并不显著；低生境质量面积与高生境质量面积占比逐年升高，其中，低生境质量面积变化程度显著，共增长3 475.05 hm2，与同时期建设用地面积增长情况相符。总体来看，2000—2020年桃源县生境质量水平较高，但呈持续衰减趋势，有潜在的生境退化风险，在城镇化发展过程中须引起重视。

2.2.2 多情景下桃源县2035年生境质量模拟

基于GeoSOS-FLUS与InVEST模型可得不同情景下的生境质量均值排序从大到小为生态保护情景（0.818 7）gt;耕地保护情景（0.817 9）gt;经济建设情景（0.817 3）。

从空间分布来看，不同情景下的生境质量等级分布差异主要体现在桃源县西部、南部和东北部中心城区。低生境质量区域分布与建设用地分布在空间上具有高度一致性，进一步表明建设用地扩张会影响生境质量区域的空间分布。此外，在不同情景下，耕地作为威胁因子大部分处于低与较低生境质量区域，水域和草地大部分均处于一般生境质量区域，而集中连片的林地则处于高生境质量区域。

从等级分布来看（表7），在生态保护情景下，较低生境质量面积持续减少，占比降至27.95%，高生境质量面积占比为54.94%，相较于其他情景，其减少幅度缓慢。这主要是由于建设用地扩张速度放缓，林地和水域面积增长，草地流失速度减缓，且林地和草地具有高生态适宜性[33]，该情景下建设用地开发对生态环境的破坏得到抑制。在耕地保护情景下，较低生境质量面积占比为28.07%，较其他情景高。主要是由于为保障粮食安全，该情景下的耕地受到一定程度保护导致其面积较高，而耕地作为威胁源则会对生境质量造成压力。在经济建设情景下，桃源县需要大量建设用地以进一步推动城镇化和经济发展，因而其他土地类型面积大幅下降，导致该情景下低生境质量面积占比为2.07%，呈持续增长趋势。

2.3 桃源县生境质量空间差异影响因素分析

2.3.1 分异及因子探测

除到公路距离与生境质量显著相关外（Plt;0.05），其余因子均呈极显著相关（Plt;0.01），按影响程度排序从高到低依次为高程（33.26%）gt;人口密度（29.48%）gt;GDP（28.06%）gt;坡度（27.49%）gt;年均气温（23.28%）gt;年均降水量（8.76%）gt;到居民点距离（7.22%）gt;到公路距离（1.66%）。由排序可知，高程是影响生境质量的第一主导因素，表明自然环境因子相比其他因子对生境质量的影响更显著；第二、三主导因素分别为人口密度和GDP，表明社会经济因子在一定程度上影响生境质量，未来发展在城市化背景下需控制城市扩张速度，加大生态环境保护和管控力度。

2.3.2 交互作用探测

从探测结果来看（表8），高程∩到居民点距离、坡度∩降水和到公路距离∩其他要素因子存在非线性增强的交互作用，其他则表现出双因子增强的特征，说明各因子之间存在协同增强关系。其中，高程与人口密度的交互作用最大，q值为0.430 6，坡度与其他因子交互的解释程度也较高，可见对生境质量影响起主导作用的交互因子均为地形单因子与其他因子的组合，表明不同地形在一定程度上决定生境质量的空间分布格局；GDP和人口密度单因子与其他因子交互对生境质量的影响程度远远高于独立作用时的影响程度，且其影响程度均在0.3以上，可见经济社会因子对于生境质量的影响不可忽视，城镇化以及人口增长均会对生态环境带来压力[34]。

3 结 论

在土地利用变化方面，桃源县土地类型面积占比排序如下：林地gt;耕地gt;草地gt;水域gt;建设用地gt;未利用地。2000—2020年，桃源县草地、耕地、林地面积逐年下降，耕地流失严重，受退耕还林政策影响，耕地大部分转化为林地，建设用地面积大幅上涨，增加部分主要来源于耕地和林地。至2035年，生态保护情景下的林地面积实现正增长；耕地保护情景下，耕地流失速度减缓；经济建设情景下，建设用地快速增长，生态用地流失严重。

在生境质量变化方面，桃源县生境质量存在显著的空间分布特征，低生境质量区域集中分布于桃源县东北部，与建设用地分布在空间上具有高度一致性。2000—2020年，桃源县生境质量总体呈下降趋势，低生境质量面积占比逐年升高。至2035年，生态保护情景、耕地保护情景、经济建设情景的生境质量总体呈下降趋势；生态保护情景的平均生境质量最高，为0.818 7，建设用地扩张对生态的破坏得到最大程度遏制；耕地保护情景下，桃源县生境质量略有下降，耕地资源作为威胁源使得较低生境质量面积占比达到28.07%，较其他情景高；经济建设情景下，生境质量进一步下降，低生境质量区域面积占比2.07%，呈持续增长趋势。

从空间差异影响因素来看，桃源县生境质量变化是自然环境因子与社会经济因子协同作用的结果。其中，地形因子是影响生境质量空间分布的主要因素，这与朱增云等[30]的研究一致；其次为社会经济因子中的GDP与人口密度因子，其影响程度均在0.3以上。

综上，为降低未来桃源县生境质量退化风险，本研究提出如下建议：①进一步加强县域生态环境治理能力建设。水域和林地等生态用地对维持区域生态系统健康起到决定性作用[35]，因此需进一步优化桃源县生态用地空间布局，防止林草退化；②桃源县耕地面积位居全省第一，其保障粮食安全的作用不可忽视，应鼓励发展生态农业，逐步提高耕地生物多样性；③建设用地的扩张会增加低生境质量区域占比，因此在编制国土空间规划时，应合理控制建设用地增量，优化区域经济格局，以遏制生境退化程度；④区域生境质量会对邻近区域的生境产生影响[27]，针对桃源县乌云界国家级自然保护区等高生境质量的自然保护地，应从生物多样性保护和生态系统恢复着手[36]，在其外围建立生境缓冲区，加强生态屏障作用。

本研究方法仍存在进一步提升空间：首先，由于数据获取受限，模型部分参数参考相似地区和前人的同类研究，未来考虑通过实地深入调查进一步优化模型参数提高精度；其次，本研究选取驱动因素时，虽考虑了地形、气候、交通区位和社会经济等，但由于桃源县新一轮总体规划（2020—2035）尚在编制中，相关政策因素是随时间动态变化的且难以量化提取。因此，如何将政策因素与生境质量模拟结合将在今后的研究中进一步探讨。

参考文献（reference）：

［1］邱国玉，张晓楠．21世纪中国的城市化特点及其生态环境挑战[J]．地球科学进展，2019，34（6）：640-649．QIU G Y，ZHANG X N．China’s urbanization and its ecological environment challenges in the 21st century[J]．Adv Earth Sci，2019，34（6）：640-649． DOI： 10.11867/j.issn.1001-8166.2019.06.0640.

［2］SONG S X，LIU Z F，HE C Y，et al．Evaluating the effects of urban expansion on natural habitat quality by coupling localized shared socioeconomic pathways and the land use scenario dynamics-urban model[J]．Ecol Indic，2020，112：106071．DOI： 10.1016/j.ecolind.2020.106071.

［3］刘春芳，王川．基于土地利用变化的黄土丘陵区生境质量时空演变特征——以榆中县为例[J]．生态学报，2018，38（20）：7300-7311．LIU C F，WANG C．Spatio-temporal evolution characteristics of habitat quality in the Loess Hilly Region based on land use change：a case study in Yuzhong County[J]．Acta Ecol Sin，2018，38（20）：7300-7311．DOI： 10.5846/stxb201710101800.

［4］ZHANG X R，ZHOU J，LI G N，et al．Spatial pattern reconstruction of regional habitat quality based on the simulation of land use changes from 1975 to 2010[J]．J Geogr Sci，2020，30（4）：601-620．DOI： 10.1007/s11442-020-1745-4.

［5］李营，张峰，杨海军，等．生物多样性生态功能区生境质量变化遥感监测研究[J]．环境与可持续发展，2016，41（2）：46-48．LI Y，ZHANG F，YANG H J，et al．On habitat quality change monitoring by remote sensing in eco-functional area of biological diversity[J]．Environ Sustain Dev，2016，41（2）：46-48．DOI： 10.19758/j.cnki.issn1673-288x.2016.02.013.

［6］邱炳文，陈崇成．基于多目标决策和CA模型的土地利用变化预测模型及其应用[J]．地理学报，2008，63（2）：165-174．QIU B W，CHEN C C．Land use change simulation model based on MCDM and CA and its application[J]．Acta Geogr Sin，2008，63（2）：165-174．DOI： 10.3321/j.issn：0375-5444.2008.02.006.

［7］严栋飞，姜仁贵，解建仓，等．基于Markov模型的渭河干流陕西段土地利用动态变化研究[J]．西安理工大学学报，2019，35（1）：34-39．YAN D F，JIANG R G，XIE J C，et al．Study on the dynamic change of land use in Shaanxi section of Weihe main stream based on Markov model[J]．J Xi’an Univ Technol，2019，35（1）：34-39．DOI： 10.19322/j.cnki.issn.1006-4710.2019.01.006.

［8］王蒙．基于FLUS模型的土地利用变化模拟与预测方法研究[J]．测绘与空间地理信息，2022，45（1）：161-166．WANG M．Research on simulation and prediction method for land use change based on FLUS model[J]．Geomat Spatial Inf Technol，2022，45（1）：161-166．DOI： 10.3969/j.issn.1672-5867.2022.01.042.

［9］LI X，CHEN Y M，LIU X P，et al．Concepts，methodologies，and tools of an integrated geographical simulation and optimization system[J]．Int J Geogr Inf Sci，2011，25（4）：633-655．DOI： 10.1080/13658816.2010.496370.

[10]侯建坤，陈建军，张凯琪，等．基于InVEST和GeoSoS-FLUS模型的黄河源区碳储量时空变化特征及其对未来不同情景模式的响应[J]．环境科学，2022，43（11）：5253-5262．HOU J K，CHEN J J，ZHANG K Q，et al．Temporal and spatial variation characteristics of carbon storage in the source region of the Yellow River based on InVEST and GeoSoS-FLUS models and its response to different future scenarios[J]．Environ Sci，2022，43（11）：5253-5262．DOI： 10.13227/j.hjkx.202201267.

[11]刘小平，黎夏，叶嘉安，等．利用蚁群智能挖掘地理元胞自动机的转换规则[J]．中国科学（D辑：地球科学），2007，37（6）：824-834．LIU X P，LI X，YE J A，et al．Mining transformation rules of geographic cellular automata using ant colony intelligence[J]．Sci China （Ser D （Earth Sci）），2007，37（6）：824-834．

[12]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]．Landsc Urban Plan，2017，168：94-116．DOI： 10.1016/j.landurbplan.2017.09.019.

[13]GOMES E，INCIO M，BOGDZEVIC K，et al．Future scenarios impact on land use change and habitat quality in Lithuania[J]．Environ Res，2021，197：111101．DOI： 10.1016/j.envres.2021.111101.

[14]TANG F，FU M C，WANG L，et al．Land-use change in Changli County，China：predicting its spatio-temporal evolution in habitat quality[J]．Ecol Indic，2020，117：106719．DOI： 10.1016/j.ecolind.2020.106719.

[15]ZHANG X R，SONG W，LANG Y，et al．Land use changes in the coastal zone of China’s Hebei Province and the corresponding impacts on habitat quality[J]．Land Use Policy，2020，99：104957．DOI： 10.1016/j.landusepol.2020.104957.

[16]马良，金陶陶，文一惠，等．InVEST模型研究进展[J]．生态经济，2015，31（10）：126-131，179．MA L，JIN T T，WEN Y H， et al．The research progress of InVEST model[J]．Ecol Econ，2015，31（10）：126-131，179．DOI： 10.3969/j.issn.1671-4407.2015.10.027.

[17]VILLA"" F， CERONI" M， BAGSTAD" K，et al.ARIES （ARtificial Intelligence for Ecosystem Services）： a new tool for ecosystem services assessment， planning， and valuation[J]. Bio Econ， 2009.DOI：doi：http：//dx.doi.org/.

[18]SHERROUSE" B C， SEMMENS" D.Social Values for Ecosystem Services， version 3.0 （SolVES 3.0）： documentation and user manual[R].USGS： Open-File Report， 2015.DOI：10.3133/OFR20151008.

[19]黄木易，岳文泽，冯少茹，等．基于InVEST模型的皖西大别山区生境质量时空演化及景观格局分析[J]．生态学报，2020，40（9）：2895-2906．HUANG M Y，YUE W Z，FENG S R，et al．Spatial-temporal evolution of habitat quality and analysis of landscape patterns in Dabie Mountain area of west Anhui Province based on InVEST model[J]．Acta Ecol Sin，2020，40（9）：2895-2906．DOI： 10.5846/stxb201904260858.

[20]刘孟竹，张红娟，王彦芳，等．基于土地利用的北方农牧交错带生境质量研究[J]．水土保持研究，2021，28（3）：156-162．LIU M Z，ZHANG H J，WANG Y F，et al．Characteristics of habitat quality in the agro-pastoral ecotone of northern China based on land uses[J]．Res Soil Water Conserv，2021，28（3）：156-162．DOI： 10.13869/j.cnki.rswc.2021.03.018.

[21]SUN X Y，JIANG Z，LIU F，et al．Monitoring spatio-temporal dynamics of habitat quality in Nansihu Lake basin，eastern China，from 1980 to 2015[J]．Ecol Indic，2019，102：716-723．DOI： 10.1016/j.ecolind.2019.03.041.

[22]尚俊，蔡海生，龙月，等．基于InVEST模型的鄱阳湖区生境质量时空演化及其变迁特征分析[J]．长江流域资源与环境，2021，30（8）：1901-1915．SHANG J，CAI H S，LONG Y，et al．Temporal-spatial distribution and transition of habitat quality in Poyang Lake region based on INVEST model[J]．Resour Environ Yangtze Basin，2021，30（8）：1901-1915．DOI： 10.11870/cjlyzyyhj202108012.

[23]许文宁，王鹏新，韩萍，等．Kappa系数在干旱预测模型精度评价中的应用：以关中平原的干旱预测为例[J]．自然灾害学报，2011，20（6）：81-86．XU W N，WANG P X，HAN P，et al．Application of Kappa coefficient to accuracy assessments of drought forecasting model：a case study of Guanzhong Plain[J]．J Nat Disasters，2011，20（6）：81-86．DOI： 10.13577/j.jnd.2011.0614.

[24]SUN X Q，YU Y H，WANG J L，et al．Analysis of the spatiotemporal variation in habitat quality based on the InVEST model： a case study of Shangri-La City，northwest Yunnan，China[J]．J Phys：Conf Ser，2021，1961（1）：012016．DOI： 10.1088/1742-6596/1961/1/012016.

[25]戴云哲，李江风，杨建新．长沙都市区生境质量对城市扩张的时空响应[J]．地理科学进展，2018，37（10）：1340-1351．DAI Y Z，LI J F，YANG J X．Spatiotemporal responses of habitat quality to urban sprawl in the Changsha metropolitan area[J]．Prog Geogr，2018，37（10）：1340-1351．DOI： 10.18306/dlkxjz.2018.10.004.

[26]LINDENMAYER D，HOBBS R J，MONTAGUE-DRAKE R，et al．A checklist for ecological management of landscapes for conservation[J]．Ecol Lett，2008，11（1）：78-91．DOI： 10.1111/j.1461-0248.2007.01114.x.

[27]谢怡凡，姚顺波，邓元杰，等．延安市退耕还林（草）工程对生境质量时空格局的影响[J]．中国生态农业学报（中英文），2020，28（4）：575-586．XIE Y F，YAO S B，DENG Y J，et al．Impact of the ‘Grain for Green’ project on the spatial and temporal pattern of habitat quality in Yan’an City，China[J]．Chin J Eco Agric，2020，28（4）：575-586．DOI： 10.13930/j.cnki.cjea.190762.

[28]刘园，周勇，杜越天．基于InVEST模型的长江中游经济带生境质量的时空分异特征及其地形梯度效应[J]．长江流域资源与环境，2019，28（10）：2429-2440．LIU Y，ZHOU Y，DU Y T．Study on the spatio-temporal patterns of habitat quality and its terrain gradient effects of the middle of the Yangtze River economic belt based on InVEST model[J]．Resour Environ Yangtze Basin，2019，28（10）：2429-2440．DOI： 10.11870/cjlyzyyhj201910015.

[29]邓楚雄，郭方圆，黄栋良，等．基于INVEST模型的洞庭湖区土地利用景观格局对生境质量的影响研究[J]．生态科学，2021，40（2）：99-109．DENG C X，GUO F Y，HUANG D L，et al．Research on the impact of land use and landscape pattern on habitat quality in Dongting Lake area based on INVEST model[J]．Ecol Sci，2021，40（2）：99-109．DOI： 10.14108/j.cnki.1008-8873.2021.02.013.

[30]朱增云， 阿里木江·卡斯木. 基于地理探测器的伊犁谷地生境质量时空演变及其影响因素[J]. 生态学杂志， 2020， 39（10）： 3408-3420. ZHU Z Y， Alimujiang" Kasimu. Spatial-temporal evolution of habitat quality in Yili Valley based on geographical detector and its influencing factors[J]．Chin J Ecol，2020，39（10）：3408-3420．DOI： 10.13292/j.1000-4890.202010.009.

[31]DONG J H，ZHANG Z B，LIU B T，et al．Spatiotemporal variations and driving factors of habitat quality in the loess hilly area of the Yellow River basin：a case study of Lanzhou City，China[J]．J Arid Land，2022，14（6）：637-652．DOI： 10.1007/s40333-022-0097-6.

[32]李骞国，王录仓，石培基，等．基于生境质量的绿洲城镇增长边界划定——以黑河中游地区为例[J]．经济地理，2020，40（3）：92-101．LI Q G，WANG L C，SHI P J，et al．Delimitation of the growth boundary of oasis towns based on habitat quality：a case study of the middle reaches of Heihe River[J]．Econ Geogr，2020，40（3）：92-101．DOI： 10.15957/j.cnki.jjdl.2020.03.011.

[33]DAILY G C，欧阳志云，郑华，等．保障自然资本与人类福祉：中国的创新与影响[J]．生态学报，2013，33（3）：669-685．DAILY G C，OUYANG Z Y，ZHENG H，et al．Securing natural capital and human well-being：innovation and impact in China[J]．Acta Ecol Sin，2013，33（3）：669-685．DOI： 10.5846/stxb201212311905.

[34]周德志，关颖慧，张冰彬，等．基于土地利用变化的陕北地区生境质量时空演变及其驱动因素[J]．北京林业大学学报，2022，44（6）：85-95．ZHOU D Z，GUAN Y H，ZHANG B B，et al．Spatial-temporal evolution of habitat quality in northern Shaanxi Province of northwestern China based on land use change and its driving factors[J]．J Beijing For Univ，2022，44（6）：85-95．DOI： 10.12171/j.1000-1522.20210437.

[35]欧维新，张伦嘉，陶宇，等．基于土地利用变化的长三角生态系统健康时空动态研究[J]．中国人口·资源与环境，2018，28（5）：84-92．OU W X，ZHANG L J，TAO Y，et al．A land-cover-based approach to assessing the spatio-temporal dynamics of ecosystem health in the Yangtze River Delta region[J]．China Popul Resour Environ，2018，28（5）：84-92．DOI： 10.12062/cpre.20171213.

[36]马克明，傅伯杰，黎晓亚，等．区域生态安全格局：概念与理论基础[J]．生态学报，2004，24（4）：761-768．MA K M，FU B J，LI X Y，et al．The regional pattern for ecological security （RPES）：the concept and theoretical basis[J]．Acta Ecol Sin，2004，24（4）：761-768．DOI： 10.3321/j.issn：1000-0933.2004.04.017.

（责任编辑 孟苗婧 郑琰燚）