基于InVEST模型的吉林西部生境质量时空预测分析

温竹韵，刘家福，，张 尧，毛德华，张 柏

(1.吉林师范大学旅游与地理科学学院，吉林 四平 136000；2.中国科学院东北地理与农业生态研究所，吉林 长春 130102)

生态安全是国家安全的重要组成部分，土地覆被变化能够通过改变生境质量影响区域生物多样性和陆地生态系统，进而对生态安全造成影响.近年来，土地覆被变化依然是地学研究的热点问题[1-3].土地利用类型演变能直接影响土壤性质变化趋势、生物生存环境发生改变等问题，对区域的景观格局、生物多样性乃至生态系统功能都具有重要影响.对以地级市、县级市为单位的小尺度区域而言，土地覆被变化研究可以为城市发展规划提出更好方案，有助于区域可持续发展；对以国家为单位的大尺度区域而言，关注土地覆被变化对土地利用格局优化、自然资源可持续管理、生态系统功能维护均具有重要意义.

目前分析和模拟土地覆被类型演变的主流模型包括CLUE-S土地利用动态变化模型[4]、多智能体决策模型(Multi-Agent System，MAS)[5]和CA-Markov 模型[6]等，其中CA-Markov模型同时拥有CA(元胞自动机)对复杂系统空间变化的统筹能力和Markov链在长时间序列上的预测优势，这让CA-Markov 模型在高效模拟土地覆被类型空间变化的同时提高了预测精度，具有较好的科学性和实用性.在南昌市城市扩张、喀斯特槽谷区土壤侵蚀时空演变、艾比湖湿地自然保护区土地覆被变化等相关研究[7-9]中均利用了该模型，并取得了良好的效果，表明该模型具有良好的普适性.

在衡量生态系统功能时，人工智能生态系统服务(artificial intelligence for ecosystem services，ARIES)模型和生态系统服务社会价值(social values for ecosystem services，SolVES)模型均受到学者们的青睐，两者均由美国高等学府开发，前者更侧重于生态系统服务功能的评估而后者在评估生态系统服务功能的社会价值上更为擅长[10-12]；除此之外，InVEST模型以其免费开源、应用范围广、适用地区不受限等原因而被广泛使用.在生物多样性和生态环境变化研究中使用较多的是InVEST 模型中的生境质量(Habitat Quality)模块，该模型适用范围广，在大小尺度上均有较高精度，输入数据量少、输出数据量大，具有刻画生态系统服务时空动态变化、将评价结果可视化等优势.相关学者分别在碳储量、水源供给及水源涵养量、生境质量变化研究等方面对InVEST模型进行了应用，结果证明该模型应用范围广、模拟结果可靠[13-15].

目前，国内在土地利用变化及其生境质量变化研究中，主要聚焦在城市化步伐快速且土地类型变化剧烈的东部发达地区，其他地区的相关研究鲜有报道.本文以吉林西部为研究区，从土地利用类型、生境质量得分和空间分布关系入手，通过对预测和计算结果的分析，探讨了土地覆被变化对生态环境的各方面影响，以为保护区域生态安全、构建生态安全格局提供依据，为区域可持续发展提供参考[16].

1 研究区与数据处理

1.1 研究区概况

吉林西部地区位于43°15′～46°18′N，121°38′～126°11′E之间，总面积4.689万km2，约占吉林省总面积的三分之一(见图1).该地区处于农牧交错地带，在吉林省农牧生产和能源生产中占有重要地位.随着经济的飞速发展，吉林西部地区开发过快，生态环境恶化已经成为不能忽视的问题，长此以往不仅对人们的生存环境、生活质量造成影响，更不利于区域的可持续发展.

图1 研究区地理位置

1.2 数据来源及处理

选取吉林西部地区1989年、2003年和2017年3年的LANDSAT TM影像作为原始数据，数据最大分辨率为30 m×30 m.运用假彩色合成和图像增强的方法对数据的TM3、TM4、TM5三个波段进行处理，以1∶100 000基础地理数据为参照图对TM影像做精校正，并将遥感图像与地形图进行配准，校正精度小于一个像元.参考国际地圈生物圈计划IGBP(International Geosphere-Biosphere Program)的LUCC分类标准，将研究区划分成旱地、水田、草地、灌木林地、有林地、水域、交通用地、居民及工矿用地、沙地、裸地、盐碱地和沼泽地共12种地类.进行TM影像解译时采用监督分类、目视判读相结合的方法，得到1989年、2003年和2017年3期土地覆被类型图.

2 研究方法

2.1 CA-Markov模型

CA和 Markov 都是动力学模型.CA 即元胞自动机，多用于复杂空间系统的变化模拟实现，模型包括3个离散变量：状态、领域空间和时间[17].

S(t+1)=f(S(t)，N).

式中:S为元胞状态集合；t，t+1 代表两个不同时刻；N为元胞的邻域；f是局部空间的元胞转化规则.

Markov模型主要用来进行数值预测，该模型能够获取和描述两不同个时间状态之间的土地覆被变化趋势，将这个变化趋势定为下一阶段的演变规则可以预测未来状态下的土地利用格局.

CA-Markov模型结合了两者的优点，可以均衡考虑土地格局演变的历史趋势，动态模拟未来的土地利用格局.具体步骤如下：

(1)叠置分析2003年和2017年两期的基础解译数据，得到土地类型转移概率矩阵、转移面积矩阵和条件概率图像.

(2)采用5×5滤波器，以研究区2003—2017 年土地覆被变化转移矩阵为基础，将 2017年作为初始年份，由于2017年与2003年相差14年，将迭代次数定为14.

(3)使用 Kappa 系数对CA-Markov模型预测精度进行检验：

Kp=(P0-PC)/(PP-PC).

式中:Kp为Kappa系数；P0表示模拟正确的比例；Pc表示模型随机情况下模拟正确的比例；Pp表示理想分类情况下正确模拟的比例.利用 1989，2003 年两期土地覆被类型图用该模型对2017年土地覆被类型进行预测并与实际数据进行对比分析.

2.2 InVEST -Habitat Quality模型

InVEST(Integrated Valuation of Ecosystem Services and Tradeoffs)模型由美国斯坦福大学、世界自然基金会和大自然保护协会联合开发.该模型可以刻画生态系统服务时空动态变化并将评价结果可视化，在解决复杂地理问题上具有强大优势.模型中的生境质量(Habitat Quality)模块综合考虑各土地覆盖类型对威胁因子的敏感度和外界威胁强度评价研究区生境质量分布，根据生境质量的得分来衡量生物多样性和生态系统功能[18-19].公式如下:

式中:y是指r威胁栅格图上的所有栅格；Yr是指r威胁栅格图上的某一组栅格；ωr是威胁因子的权重；βx是栅格x的可达性水平，值越趋近于1表示可达性越高；Sjr是土地覆被类型j对威胁因子r的敏感性，值趋近于 1 表示敏感性越高.栅格y中威胁因子r对栅格x中生境的胁迫作用为irxy.

当威胁因子r对栅格x的距离衰减影响呈线性函数时，则采用公式

当威胁因子r对栅格x的距离衰减影响呈指数函数时，则采用公式

式中:dxy是栅格x与y之间的线性距离；drmax是威胁因子r的最大作用距离.

依据InVEST 3.2.0平台中生态威胁因子划分标准，并查阅相关文献，结合吉林西部地区实际情况，选取交通用地、居民工矿用地及农业用地作为威胁因子(见表1).依照生态学与景观学中生物多样性保护一般原则划分土地利用类型敏感度，结果见表2.生境质量得分的取值范围是[0，1]，得分趋近于1表示该区域生境质量高，得分趋近于0则含义相反.为了便于下一步的定量分析，根据模型运算结果，利用自然断裂法将生境质量得分划分为5 个等级：L2(生境质量最差，等级最低)；L1(生境较差，等级较低)；M(生境质量中等)；H1(生境质量较好，等级较高)；H2(生境质量优秀，等级最高).

表1 威胁因子权重

表2 土地利用类型对生态威胁因子敏感度

2.3 空间自相关分析

在探究地理要素在空间分布上的关联和特点时，空间自相关分析具有评价结果简单明了、易于衡量比较的优势，因此选取全局自相关和局部空间自相关作为评价模型[20-22].

(1)全局空间自相关.用于描述生境质量在总体研究空间内是否存在相互影响以及生境质量的相关程度.计算公式如下:

式中：IM为Moran′sI全局空间自相关指数值；m为区域个数；xi和xs分别为样本i，s的指数值；ux为样本指数平均值；wis为空间关系权重矩阵.

Moran′sI取值范围在[-1，1]之间，0

(2)局部空间自相关.将全局空间自相关指数(Ii)分解至各研究单元，以检验各局部地区生境质量在空间上的关联模式和程度，直观揭示吉林西部生境质量等级的局部空间分异特征.

如果Ii为正，表明局部区域是同为低生境质量或都是高生境质量的相似值集聚区；Ii为负则表明局部区域是低生境质量和高生境质量混合分布区.

3 结果与分析

3.1 土地覆被变化分析

研究结果显示，Kappa系数Kp= 0.81 (Kp不小于 0.75，则认为模拟的准确度较高)，可用于模拟预测地区未来的土地利用状况.

表3为2017—2031年吉林西部各类土地覆盖面积变化的预测情况.由表3可见，2017—2031年，研究区各类土地覆盖面积呈现“八减四增”状态，其中，变化幅度较为明显超过10%的地类包括：水田面积大幅度增加，同比增长44%；交通用地增加了18%；而草地、裸地、沙地、水域和沼泽地减幅明显，分别减少了19.6%，20%，18.4%，11.2%以及15.9%.

除了总量上的变化，预测各土地利用类型在空间变化上的特点有：(1)旱地面积始终占据吉林西部大部分地区，2031年旱地面积可达到总面积的59%.(2)水田面积大幅度增长，2031年吉林西部水田总面积增加了1 724 780 hm2，同比增长44%.松原地区周边水田增加最为明显；镇赉以北地区水田围绕水域进行扩张，同时该地区沼泽地转化为水田，说明耕地对沼泽地存在侵占现象；白城周边呈现出水田与居民区共同扩大且居民区聚集的趋势.(3)居民工矿用地及交通用地出现协同增长趋势，2031年城市周边地区及城市间的交通网更加发达，受空间集聚效应的影响，居民区面积扩大，说明吉林西部经济发展迅速、城市空间扩张明显.(4)灌木林地、有林地、水域和沼泽均有不同程度的减少，虽然每种地类变化都不明显，但这些地类对涵养土地水分、调节气候和维持生物多样性均具有重要作用.多种有益于生态环境的地类减少可能会在环境恶化上呈现出更严重的叠加影响.

表3 2017—2031年吉林西部各类土地覆盖类型预测变化情况

以上预测的土地变化趋势也间接反映出吉林西部城市环境的基本状况：限于地区资源禀赋，旱地面积过大导致该区域初始生态环境整体状况并不理想；水田面积大幅度增加和交通用地、居民工矿用地的扩大表明该地区还处在需要消耗大量自然资源换取经济发展的阶段；林地、水域和沼泽面积的减小也能显示出吉林西部对环境保护的欠缺.

3.2 生境质量发展趋势分析

生境质量得分能够评估一个地区的生物多样性和生态系统功能，而土地覆被变化能够直接影响地区生态环境，但这种影响往往难以被直接观察到.利用InVEST模型评估吉林西部2017—2031年土地利用格局的生境质量得分，可以量化土地覆被变化对生态环境的影响，为区域未来的土地利用规划提供方向.研究区整体的生境质量布局呈现出中部、北部生境得分高，东部、南部生境质量得分低的趋势(见图2).为计算吉林西部平均生境质量等级，将L2—H1等级的得分用1～5表示，通过生境质量分级面积统计和加权计算，得到2017年、2031年吉林西部的平均生境质量等级分别为2.04和2.03.这个得分表明吉林西部整体生境质量处在较低等级，且生境质量呈小幅下降趋势，整体发展态势不容乐观.中等级以上区域仅占研究区总面积的29%.研究期间，虽然中等级以上生境区面积稳定，但高等级生境区边缘大面积向较高等级转化、较低等级和低等级生境区面积增加的现象，说明研究区生境质量下滑、区域生态系统功能减弱.

图2 吉林西部2017年(左)和2031年(右)生境质量等级分布图

结合土地覆被变化分析生境质量分布(见表4)及变化原因可知，研究区生境质量整体等级不高的原因是旱地面积占比大.生境质量得分较高的区域主要分布于研究区中部地区，即白城与松原之间，对应的景观类型多为水田、林地和水域；研究区北部整体生境质量也比较乐观，对应的景观类型是水域、草地和水田.低等级生境质量区域多位于研究区东部和南部，对应的主要景观类型为交通用地、居住地和工业用地.林地、水域和沼泽不同程度的减少严重影响吉林西部的生态环境，这个评价结果说明吉林西部在生态保护方面仍然任重道远，在制定地区发展规划时需要平衡经济发展和生态保护的关系，尽量减少城市发展对环境造成的负面影响.

表4 吉林西部各级生境质量面积及百分比

3.3 空间自相关分析

为探究吉林西部生境质量的分布关系和空间关联特征，对生境质量得分结果运用全局Moran′sI指数进行分析.由于吉林西部的土地利用类型图数据精度为30 m×30 m，但在评价生境质量的空间关联性时如果区域过小则不利于结果生成，参阅文献 [23-25]根据本文需要将研究区按照5 km×5 km的网格重新划分成1 969个小格，并将每一小格内所有栅格的生境质量得分计算平均值后重新赋值，基于重新划分后的研究区分析吉林西部生境质量等级的空间格局分布特征.

研究结果表明，2017年、2031年全局Moran′sI指数分别为 0.631，0.630，此时P=0.05，通过显著性检验，说明生境质量的分布存在强烈的正向空间关联性.全局Moran′sI指数虽然能够从整体上分析吉林西部生境质量等级的空间集聚与分散程度，但不能直观表现研究区的生境质量在空间上的关联模式和程度，而局部Moran′sI指数却能较好地描述某一区域和相邻域单元生境质量等级的相似程度，能够更直观地揭示吉林西部生境质量等级的局部空间分异特征.

局部空间自相关分析结果如图3所示，红色区域表示相邻网格生境质量等级均较高，空间上的关联表现为高水平类型的空间集聚效应；蓝色区域表示相邻区域生境质量等级均不高，空间关联表现为低水平类型的区域集聚区；而灰色区域则表示高低值组合分布区.2017—2031年，吉林西部生境质量空间分布大体趋势没有改变，红色区域主要分布于吉林西部北部和中部，与生境质量较高的区域吻合，对应的主要土地利用类型为水田和水域；蓝色区域多分布于研究区东部和南部，可以看出该类型地区生境质量等级较低，对应的主要土地覆被类型为大面积的旱地.对比两幅局部自相关分布图可以发现，2017—2031年小面积的高值聚集区出现消失退化、面积缩减的情况.而零星分布的低值聚集区与之相反则出现了面积扩大、相互联通的情况.这也说明了优质生境地区的不易维护、一旦恶化难以复原的问题.

图3 2017年(左)与2031年(右)单位面积生境质量等级空间自相关

4 结论与讨论

4.1 结论

本文以3期遥感影像数据为基础，利用CA-Markov 模型，以2017年为起始年预测了吉林西部2031年的土地覆被类型变化情况.旱地面积始终占据吉林西部大部分地区，预测2031年旱地面积将达到吉林西部总面积的59%.水田面积涨幅明显，松原地区周边水田增加最为明显，镇赉以北地区水田围绕水域进行扩张.居民工矿用地及交通用地出现协同增长趋势，城市空间扩张明显.灌木林地、有林地、水域和沼泽均有不同程度的减少，对生态环境可能产生负面影响.

InVEST模型的生境质量评价结果表明：研究区整体生境质量等级不高.生境质量得分较高区域主要分布于研究区中部，北部区域整体生境质量较好，低生境质量区域多位于研究区东部和南部.研究期间，出现高等级生境区向较高等级生境区转化、低等级和较低等级生境区面积增加的现象，研究区整体生境质量呈下降趋势.

2017年、2031年吉林西部生境质量全局Moran′sI指数分别为0.631，0.630，生境质量分布存在正向空间关联性.局部空间自相关结果显示，高生境质量聚集区主要分布于吉林西部、北部和中部，对应的主要土地利用类型为草地、林地和水域；低生境质量聚集区多分布于研究区东部和南部，对应的主要土地覆被类型为大面积的旱地.研究期间出现小面积的高值聚集区消失退化、面积缩减，低值聚集区面积扩大、相互联通的情况.

本文的研究结果表明，随着经济的快速发展，吉林西部地区的生态环境将遭到破坏，生境质量下降，生态问题将逐一出现.环境恶化的趋势一旦出现将难以遏制，生态脆弱的地区也难以恢复，吉林西部的生态保护问题已刻不容缓.

4.2 讨论

随着吉林西部地区的快速发展，经济与生态的平衡问题也越发突出.人地矛盾、资源禀赋限制和资源浪费等问题逐一显现.尽管目前只出现了小幅度、小区域的生境质量下滑问题，然而生态系统一旦遭到破坏，复原将要花费数倍的代价，因此保护区域生境的最好办法是主动维护而非被迫修复.在追求经济发展的同时也应重视生态环境保护问题，加强对自然资源的保护和利用效率.在具体做法上可以有相应的政策倾斜以鼓励农田、居民区以及交通用地的合理规划建设，在发展方向上探寻发展经济和维持生态的平衡点，促进社会、经济、生态的可持续协调发展.

本文进行生境质量评价是利用InVEST模型中的生境质量模块进行的，模型本身默认高生境质量区同时拥有高生物多样性，但现实环境中不一定有这种绝对的对应关系；同时，模型原理更加适用于对植被多样性的评价，因此，研究方法稍有局限性，尚不能很好地描述和反映土地覆被类型与生物多样性的直接内在联系.在生境质量的空间相关性分析上也只是进行了初步尝试.空间自相关分析适用范围广，但只能演示大致趋势，要精确反映生境质量分布空间关系，在研究的广度和深度上还需进一步进行探索.