宜昌市生境质量变化及其驱动机制研究

摘""" 要：为探究宜昌市生境质量变化的驱动机制，采用InVEST模型，对宜昌市1995—2020年生境质量的变化进行评估，并借助空间自相关模型、最小二乘法、地理加权回归模型、随机森林算法，深入探讨生境质量变化的驱动机制。结果表明，宜昌市的生境质量总体呈现下降趋势，特别是在1995—2005年和2015—2020年，下降幅度明显。这一趋势主要受城市建设用地扩张、耕地转变和裸地增加等因素的驱动。生境质量在空间上的分布表现出明显的特征，即城市中心区域的生境质量较低，而周边山区的生境质量较高。这种空间分布的特征随着时间的推移变得更加显著，表明城市中心和周边山区之间的生境质量差异不断加大。驱动因素分析结果显示，自然地理因素（坡度和降水）对生境质量有着积极的影响，而社会经济因素（人口密度、夜间灯光指数和地区生产总值）与生境质量呈负相关关系，并且这些因素的影响随着城市化进程的加速而增强。在模型效能比较中，随机森林算法在拟合生境质量变化方面展现出较最小二乘法和地理加权回归模型更高的精确度。本文不仅为宜昌市的生态保护和恢复工作提供了科学依据，也为土地利用规划和生态扶贫政策的制定提供了实证参考。未来研究应进一步探索在城市化进程中如何实现经济发展与生态保护的有效平衡，并优化模型与算法，以提高生境质量变化预测和管理的准确性。

关键词：宜昌市；生境质量；InVEST模型；空间统计；随机森林

中图分类号：S181"""""""" 文献标识码：A"""""" """DOI 编码：10.3969/j.issn.1006－6500.2024.07.010

Study on Habitat Quality Change and Its Driving Mechanism in Yichang

LI Zhengpeng， LIU Yucheng

（School of Economics and Management， Yangtze University， Jingzhou， Hubei 434023， China）

Abstract： In order to explore the driving mechanism of habitat quality change in Yichang City， this paper adopted InVEST model to evaluate the change of habitat quality in Yichang city from 1995 to 2020， and further discussed the driving mechanism of habitat quality change with the help of spatial autocorrelation model， least square method， geographical weighted regression model and random forest algorithm. The results indicated that the habitat quality in Yichang City showed a decreasing trend， especially from 1995 to 2005 and from 2015 to 2020. This trend was mainly driven by the expansion of urban construction land， the conversion of cultivated land and the increase of bare land. The spatial distribution of habitat quality showed obvious characteristics， that was， the habitat quality in the urban center was lower， while the habitat quality in the surrounding mountainous area was higher. This spatial distribution had become more significant over time， indicating a growing difference in habitat quality between urban centers and surrounding mountain areas. The results of driver analysis showed that physical geographical factors （slope and precipitation） had a positive impact on habitat quality， while socio-economic factors （population density， night light index and gross regional product） had a negative correlation with habitat quality， and the impact of these factors increased with the acceleration of urbanization. In the model performance comparison， the random forest algorithm showed higher accuracy in fitting habitat quality changes than the least square method and the geographical weighted regression model. This paper not only provides a scientific basis for ecological protection and restoration in Yichang City， but also provides an empirical reference for land use planning and ecological poverty alleviation policy formulation. Future studies should further explore how to achieve an effective balance between economic development and ecological protection in the process of urbanization， and optimize models and algorithms to improve the accuracy of habitat quality change prediction and management.

Key words： Yichang; habitat quality; invest model; spatial statistics; random forest

在全球化和城市化的大背景下，生境质量的变化已成为环境科学和生态保护领域的关键研究议题。生境质量的下降不仅威胁到生物多样性，还可能影响人类福祉和区域可持续发展[1]。因此，评估和分析生境质量的变化对于制定有效的生态保护策略至关重要。近年来，随着遥感技术和地理信息系统（GIS）的发展，利用这些技术进行生境质量评估的研究逐渐增多[2]。InVEST模型作为一种集成生态、社会、经济因素的工具，已被广泛应用于生境质量评估和生态服务价值分析。

在生态服务价值方面，多项研究已经证实，城市扩张、土地利用变化和农业活动对生境质量的影响。刘洪彬等[3]研究表明，在城市化进程中，土地覆盖变化是导致生境质量下降的主要因素。另外，Wang等[4]与刘雪华等[5]研究表明，土地利用政策和管理措施在生态保护中具有重要作用。这些研究不仅为本文提供了理论基础，也为后续的分析方法和结果讨论提供了参考。目前，针对宜昌市的生境质量研究仍然相对缺乏，尚未形成一个系统的评估和分析框架。本文以宜昌市为研究对象，利用InVEST模型评估1995—2020年的生境质量变化，并采用空间自相关模型、最小二乘法、地理加权回归模型和随机森林算法分析其驱动机制，旨在填补宜昌市生境质量评估和驱动机制方面的空白，为当地政府制定土地利用规划和生态保护政策提供科学依据。

1 研究区域和数据来源

1.1 研究区域

宜昌市坐落于湖北省西南部，横跨长江中游，是三峡库区的核心城市。该市属于亚热带季风气候，气候特征为温暖湿润，降水量丰富，四季分明，植被覆盖率高，生态环境优越。宜昌市总面积为21 000 km2，拥有400万常住人口，行政区划包括5个市辖区和8个县（市）。作为长江流域的重要生态屏障和经济中心，宜昌市在城市化进程中，其生境质量受到不同程度的影响，这为生物多样性保护和区域可持续发展带来了挑战。

1.2 数据来源和预处理

（1）遥感影像数据。本文使用1995年、2005年、2015年、2020年的Landsat TM/ETM+/OLI遥感影像数据[6]，用于提取宜昌市的土地利用/覆盖类型信息。数据获取和预处理参考张春华等[7]的研究方法，包括影像校正、去云处理、归一化差异植被指数（NDVI）分析等步骤，以确保数据的准确性和一致性[8]。

（2）生态模型数据。本文利用InVEST模型评估宜昌市的生境质量。该模型是基于生态系统服务的空间化评估工具，能够根据土地利用/覆盖类型、威胁因子、生物多样性等因素，计算生境质量的空间分布和变化。模型的原理和参数设置参考高庆彦等[9]的研究方法，并根据宜昌市的具体情况进行适当调整。

（3）自然地理数据。本文使用宜昌市的自然地理数据，包括数字高程模型（DEM）、坡度、坡向、降水、温度等，用于分析生境质量与自然地理因素的关系[10]。数据的获取和处理参考了李艳元等[11]研究方法，确保了分析的准确性。

（4）社会经济数据。本文收集宜昌市的社会经济数据，包括人口密度、地区生产总值（GDP）、夜间灯光指数（NLI）等，用于分析生境质量与社会经济因素的关系[12]。数据来源于官方统计年鉴[13]和国际数据库[14]，经过预处理后用于进一步分析。

1.3 研究方法

1.3.1 InVEST模型的原理和参数设置 InVEST模型，作为一种基于生态系统服务的空间化评估工具，依据土地利用/覆盖类型、威胁因子、生物多样性等多重因素，精确计算生境质量的空间分布及其演变[15]。该模型的核心指标为生境质量指数（HQI），计算公式如下：

式中，H表示生境的固有适宜度，取值范围为0～1，映射出不同土地利用/覆盖类型对生物群落的适宜程度；Ti为第i个威胁因子的影响强度，取值范围为0～1，反映出各种威胁因子对生境质量的影响力度；Di为第i个威胁因子的衰减系数，体现了威胁因子影响随距离增加而递减的特性；n为威胁因子的总数。

本文选定建设用地、耕地和裸地作为主要威胁因子，并依据文献[16]，确定各土地利用/覆盖类型的适宜度、威胁因子的强度、衰减系数，详见表1。

1.3.2 空间自相关模型的原理和参数设置 空间自相关模型，作为分析空间数据分布特性的统计工具，能够揭示空间数据的随机性、均匀性或集聚性[17]。该模型的关键指标为局部莫兰指数（Local Moran’s I），计算公式如下：

式中，n表示空间单元数量；xi为第i个空间单元的属性值；x为所有空间单元属性值的平均值；wij为第i与j个空间单元间的空间权重。局部莫兰指数的值及其显著性水平，可用于判定空间单元的集聚类型[18]。局部莫兰指数的取值范围为-1～1，其意义如下：

（1）当Ii为正时，表示第i个空间单元的属性值与其相邻空间单元的属性值相似，即空间正相关，存在空间集聚现象。

（2）当Ii为负时，表示第i个空间单元的属性值与其相邻空间单元的属性值不相似，即空间负相关，存在空间分散现象。

（3）当Ii为零时，表示第i个空间单元的属性值与其相邻空间单元的属性值无明显的相关性，即空间随机现象。

根据局部莫兰指数的值和显著性水平，可以将空间单元分为4种类型[19]，分别为高-高型（HH）、低-低型（LL）、高-低型（HL）和低-高型（LH），其意义如下：

（1）高-高型（HH）：表示第i个空间单元的属性值高于平均值，且其相邻空间单元的属性值也高于平均值，即空间正相关，属于热点区域；

（2）低-低型（LL）：表示第i个空间单元的属性值低于平均值，且其相邻空间单元的属性值也低于平均值，即空间正相关，属于冷点区域；

（3）高-低型（HL）：表示第i个空间单元的属性值高于平均值，但其相邻空间单元的属性值低于平均值，即空间负相关，属于异常高值区域；

（4）低-高型（LH）：表示第i个空间单元的属性值低于平均值，但其相邻空间单元的属性值高于平均值，即空间负相关，属于异常低值区域。

本文选取宜昌市县级行政区作为空间单元，选取生境质量指数作为属性值，选取空间邻接矩阵作为空间权重，利用ArcGIS软件，计算各年份的局部莫兰指数，并进行显著性检验，显著性水平设为0.05。

1.3.3 相关性分析方法的原理和参数设置 相关性分析方法，用于探究变量间的线性关系[20]，其核心指标为相关系数（Correlation Coefficient），计算公式如下：

式中，n代表样本数量；xi和yi分别为第i个样本的两个变量值；x^-和y^-为两个变量的平均值。相关系数的值反映了两个变量间的相关强度和方向。相关系数的取值范围为-1～1，其意义如下：

（1）当rxy为正时，表示两个变量呈正相关，即一个变量增加时，另一个变量也增加。

（2）当rxy为负时，表示两个变量呈负相关，即一个变量增加时，另一个变量减少。

（3）当rxy为零时，表示两个变量无相关，即一个变量的变化与另一个变量无关。

根据相关系数的绝对值大小，可以判断两个变量之间的相关强度，一般按照以下标准：

（1）当|rxy|≥0.8时，表示两个变量之间存在极强的相关关系。

（2）当0.5≤|rxy|？刍0.8时，表示两个变量之间存在强的相关关系。

（3）当0.3≤|rxy|？刍0.5时，表示两个变量之间存在中等的相关关系。

（4）当0.1≤|rxy|？刍0.3时，表示两个变量之间存在弱的相关关系。

（5）当|rxy|？刍0.1时，表示两个变量之间不存在相关关系。

本文选取宜昌市的生境质量指数作为因变量，选取宜昌市的自然地理因素作为自变量，包括数字高程模型（DEM）、坡度、坡向、降水、温度等，利用SPSS软件，计算各年份的相关系数，并进行显著性检验，显著性水平设为0.05。

2 结果与分析

2.1 生境质量的总体变化

通过InVEST模型，结合1995年、2005年、2015年、2020年的土地利用/覆盖类型数据以及表1中的参数设定[21]，本文计算出宜昌市各年份的生境质量指数（HQI），并据此绘制了相应年份的生境质量空间分布图（图1）。

由图1可知，宜昌市生境质量总体呈现下降趋势。特别是在1995—2005年和2015—2020年，生境质量的降低尤为显著，这主要受到建设用地扩张、耕地增加和裸地扩散等威胁因子的显著影响[22]。为了更直观地展示生境质量的变化，本文将HQI分为5个等级：优（HQIgt;0.8）、良（0.6lt;HQI≤0.8）、中（0.4lt;HQI≤0.6）、差（0.2lt;HQI≤0.4）、极差（HQI≤0.2）。基于这一划分，本文统计了各等级的面积比例，并将结果汇总于表2。

由表2可知，宜昌市生境质量指数等级面积比例的关键特征如下：（1）优和良等级的生境质量面积比例持续减少，从51%（1995年）下降至37.3%（2020年）。这表明生境质量较高的区域遭受了显著破坏[23]。（2）中等级的生境质量面积比例相对稳定。这反映出中等生境质量区域得到了一定程度的保护与恢复。（3）差和极差等级的生境质量面积比例逐年上升，从20.3%（1995年）增长至38.6%（2020年）。这暗示着生境质量较低的区域正在持续扩大，生态压力加剧。

2.2 生境质量热点和冷点分布

本文利用局部莫兰指数对宜昌市各县级行政区的生境质量进行空间聚类分析[24]，根据指数值和显著性水平，将区域划分为热点、冷点、异常高值和异常低值4种类型，并绘制相应的空间分布图（图2）。

由图2可知，宜昌市生境质量具有以下分布特征：

（1）热点区域主要集中在国家重点生态功能区，例如五峰县、秭归县和兴山县。这些区域的生境质量指数高于平均值，且与相邻区域相似。这表明这些区域的生境质量较高且稳定，得益于有效的保护和管理措施。

（2）冷点区域主要位于省级重点发展区和国家农业主产区，如宜都市、当阳市和枝江市。这些区域的生境质量指数低于平均值，且与相邻区域相似。这反映出生境质量较低且呈恶化趋势，受到较大的开发压力。

（3）异常高值区域主要分布在城市中心区和交通要道，例如西陵区、夷陵区和伍家区。这些区域的生境质量指数虽高于平均值，但与相邻区域不同。这暗示这些区域的生境质量虽高但不稳定，可能受到特殊保护或干预。

（4）异常低值区域主要分布在山区和边缘地带，如远安县、长阳县和秭归县。这些区域的生境质量指数低于平均值，且与相邻区域不同。这表明这些区域的生境质量虽低但具有改善潜力，可能存在恢复机会。

以上分析结果为宜昌市的生态保护和土地规划提供了重要的空间信息，有助于制定针对性的保护和管理策略，以促进生境质量的提升和生态环境的可持续发展。

2.3 生境质量与自然地理因素的相关性

本文采用相关性分析方法，探讨宜昌市生境质量指数与自然地理因素之间的关系[25]。通过计算得到相关系数矩阵（表3），揭示这些因素与生境质量之间的相互作用。

根据表3的数据，本文可以得出以下结论：

（1）DEM（数字高程模型）与生境质量指数呈现中等强度的正相关（0.47～0.52）。这表明海拔高度较高的区域生境质量较好。原因可能是这些区域受人类活动干扰较少，生态环境更为优越[26]。

（2）坡度与生境质量指数呈现中等强度的负相关（-0.30～-0.40）。这说明地形越陡峭，生境质量越差。原因可能是陡坡地形不利于植被生长，易发生水土流失。

（3）坡向与生境质量指数的相关性较弱（0.12～0.16）。这暗示坡向对生境质量的影响不大。原因可能与宜昌市温和的气候条件有关。

（4）降水与生境质量指数呈现中等强度的正相关（0.31～0.36）。这表明降水量的增加有利于生境质量的提升。原因可能是充足的降水有利于植被生长和水源补给[27]。

（5）温度与生境质量指数呈现强负相关（-0.40～

-0.50）。这说明温度升高可能会对生境质量产生不利影响。原因可能是高温加剧水分蒸发，影响植被生长和生物代谢。

通过以上分析，本文揭示了自然地理因素对宜昌市生境质量的影响，这为生态保护和土地规划提供了科学依据。未来的研究可以进一步探讨这些自然地理因素是如何通过具体机制影响生境质量的，并且在土地规划中如何考虑这些因素，以促进生态环境的可持续发展。

3 结论和建议

3.1 结论

本文以宜昌市为案例，采用InVEST模型、空间自相关模型、相关性分析方法和回归分析方法，全面评估1995—2020年宜昌市生境质量的变化，并探讨其背后的驱动机制。本文的主要结论和创新点包括：

（1）系统评估与历史对比。本文首次对宜昌市的生境质量进行系统的评估和监测，揭示其时空变化规律和特征。与历史数据相比，宜昌市生境质量的变化呈现出独特的趋势，这与其他类似城市的研究结果形成鲜明对比，突出本地区的特殊性。同时，本文也验证了InVEST模型在不同情境下的适用性和有效性。

（2）方法综合与学术交流。本文综合运用了多种统计和机器学习方法，不仅探讨了影响生境质量变化的自然地理因素和社会经济因素，还与其他学者的研究方法进行对话。通过比较不同方法的优缺点和适用性，本文为生境质量评估和分析提供了多角度和多层次的视角。

（3）趋势分析与社会经济联系。研究发现，宜昌市的生境质量总体呈下降趋势，尤其是在1995—2005年和2015—2020年下降幅度较大。生境质量的空间分布显示城市中心区生境质量低，而周边山区生境质量高，且空间相关性逐渐增强。本文揭示了生境质量与自然地理因素和社会经济因素之间的显著相关性。

3.2 建议

（1）监测与评估。建议加强生境质量的监测和评估，建立动态更新和预警机制。参考国内外的成功案例，及时发现和解决生境质量问题和风险，为生态保护和恢复提供科学依据和技术支持。

（2）方法优化与实践应用。建议优化生境质量评估和分析方法，结合宜昌市实际情况，选择合适的指标和模型，提高评估和分析的精度和效率。同时，鼓励学术界与实践部门的交流合作，共同探索更有效的生境质量评估方法。

（3）协调发展与政策创新。建议协调生境质量与社会经济发展，制定合理的土地利用规划和生态补偿政策。保护和恢复高生境质量区域，改善和提升低生境质量区域，实现生境质量与社会经济的协同进步和可持续发展。同时，借鉴其他城市的经验，创新宜昌市的生态保护政策。

参 考 文 献：

[1] 胡贤辉， 杨钢桥， 张霞， 等. 农村居民点用地数量变化及驱动机制研究——基于湖北仙桃市的实证[J]. 资源科学， 2007， 29（3）： 191-197.

[2] 朱晓华， 杨秀春， 刘天科. 江苏省生态环境质量动态变化驱动机制研究[J]. 经济地理， 2004， 24（4）： 473-476.

[3] 刘洪彬， 吕杰. 基于农户微观视角下的大城市郊区耕地土壤质量变化驱动机制研究[J]. 自然资源学报， 2015， 30（7）： 1129-1140.

[4] WANG W W， ZHU L Z， WANG R C， et al. Analysis on the spatial distribution variation characteristic of urban heat environmental quality and its mechanism： A case study of Hangzhou city[J]. Chinese Geographical Science， 2003， 13（1）： 39-47.

[5] 刘雪华， 靳强. 秦岭中段南坡NDVI格局与生境质量变化研究[J]. 林业调查规划， 2008， 33（3）： 1-8.

[6] 周光霞， 黄立新， 臧晓蔚， 等. 生境异质性对鼎湖山常绿阔叶林群落功能多样性的影响[J]. 广西植物， 2016， 36（2）： 127-136.

[7] 张春华， 李修楠， 吴孟泉， 等. 基于Landsat8OLI数据与面向对象分类的昆嵛山地区土地覆盖信息提取[J]. 地理科学， 2018， 38（11）： 1904-1913.

[8] ZHAO R F， CHEN Y N， SHI P J， et al. Land use and land cover change and driving mechanism in the arid inland river basin： a case study of Tarim River， Xinjiang， China[J]. Environmental Earth Sciences， 2013， 68（2）： 591-604.

[9] 高庆彦， 潘玉君， 刘化. 基于InVEST模型的大理州生境质量时空演化研究[J]. 生态与农村环境学报， 2021， 37（3）： 402-408.

[10] 杨智晨， 王方方， 武宇希， 等. 粤港澳大湾区创新 “质量—生境” 系统耦合协调的空间分异特征及驱动机制研究[J]. 统计与信息论坛， 2023， 38（5）： 79-91.

[11] 李艳元， 彭凤姣， 夏超. 基于GIS的宜昌市土地生态敏感性评价[J]. 绿色科技， 2023， 25（4）： 207-211.

[12] 闫晓露， 李欣媛， 刘澄浩， 等. 生态系统服务簇空间演变轨迹及其社会-生态驱动的地理探测——以大连市为例[J]. 生态学报， 2022， 42（14）： 5734-5747.

[13] 宜昌市人民政府. 2020年宜昌统计年鉴[EB/OL]. （2020-12-29）[2024-04-20]. http：//xxgk.yichang.gov.cn/list.html？depid=846amp;catid=564.

[14] RUNNING S， ZHAO M. MODIS/terra net primary production gap-filled yearly L4 global 500m SIN grid V061[DB/OL]. [2024-01-22]. https：//doi.org/10.5067/MODIS/MOD17A3HGF.061.

[15] 曹铭昌， 刘高焕. 黄河三角洲自然保护区丹顶鹤生境适宜性变化分析[J]. 林业研究（英文版）， 2008， 19（2）： 141-147.

[16] 甄江红， 王永秀， 成舜， 等. 濒危植物四合木生境景观动态及其驱动因子分析[J]. 地理科学进展， 2008， 27（6）： 41-48 .

[17] 施智勇， 谢慧黎， 王圳峰， 等. 基于参数最优地理探测器的福州市生境质量时空格局与驱动力分析[J]. 环境工程技术学报， 2023， 13（5）： 1921-1930.

[18] 张艳敏， 吴耿， 蒋宏忱. 热泉中驱动碳循环的微生物研究进展[J]. 地球科学， 2018， 43（增刊1）： 31-41.

[19] 傅春， 王乐志， 邓俊鹏， 等. 不同影响因素对鄱阳湖流域生境质量变化特征分析[J]. 中国农村水利水电， 2021（11）： 1-8， 23.

[20] 王琦琨， 武玮， 杨雪琪， 等. 陕西省生境质量时空演变及驱动机制分析[J]. 干旱区研究， 2022， 39（5）： 1684-1694.

[21] 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.

[22] 李宸宇， 朱建华， 郭学媛， 等. 长江经济带林业生态工程区生境质量时空变化[J]. 生态学杂志， 2021， 40（12）： 3788-3799.

[23] 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.

[24] 朱媛媛， 甘依霖， 曾菊新， 等. 基于乡村振兴战略的人居文化环境质量演变驱动机制研究——以长江中游城市群为例[J]. 地理科学， 2018， 38（11）： 1855-1863.

[25] 李赛博， 方曼曼， 王睿， 等. 玛河流域耕地景观动态变化及驱动机制分析[J]. 环境科学与技术， 2016， 39（增刊2）： 113-121.

[26] XIA L， BI R T， SONG X Y， et al. Dynamic changes in soil erosion risk and its driving mechanism： a case study in the Loess Plateau of China[J]. European Journal of Soil Science， 2021， 72（3）： 1312-1331.

[27] CUI G Y， ZHANG Y， SHI F H， et al. Study of spatiotemporal changes and driving factors of habitat quality： a case study of the agro-pastoral ecotone in Northern Shaanxi， China[J]. Sustainability， 2022， 14（9）： 5141.