北京市西北部生態涵養區未來土地利用及生態系統服務變化情景模擬

陳新云，王 甜，李寶健

(1.國家林業和草原局 調查規劃設計院，北京 100714；2.常州工學院 計算機信息工程學院，江蘇 常州 213032；3.中國石油天然氣股份有限公司 管道分公司，河北 廊坊 065000)

生態系統服務是指人類從生態系統中獲得的各種效益，包括有助于提升人類福祉或維持地球生命的產品和服務[1-2]。過去幾十年里，因人口增長和城市化進程加快帶來的如糧食、水、燃料等自然資源的短缺，迫使人類以前所未有的強度和速度改變著地球生態系統[1,3-4]。生態系統評估報告認為，全球超過60%的生態系統服務已經或正在發生退化，進而影響了當前和未來生態系統服務的供給[1]。人類活動導致的土地利用變化是影響生態系統服務供給的決定因素之一，其中，某些特定的土地利用類型與生態系統服務密切相關，如生態系統的氣候調節和水土保持服務主要由森林提供，因此，探討土地利用變化與生態系統服務之間的關系一直是各國科學家和決策者們關注的重點[5-7]。

近年來，土地利用變化對生態系統服務供給的影響研究已取得一定進展[8-10]。有研究表明，耕地的集約化會導致碳儲量的減少和土壤侵蝕風險的增加，而以經濟效益優先作為優化目標的城市化以及建設用地的增加會破壞地表水平衡并影響區域氣候[11-12]。也有研究發現，土地利用變化對生態系統服務的影響因社會經濟背景和時空尺度而存在較大差異，這主要是由于人類需求的多樣化和時空異質性導致生態系統服務間出現更為復雜的相互作用[13]。此外，土地利用變化與生態系統服務之間的關系證明了生態系統服務評估在指導土地利用規劃和生態系統管理方面的重要性[14]。具體而言，生態系統服務評估可用于評價、比較和選擇不同土地利用情景下的土地利用規劃方案，例如，D.A.Shoemakeretal[15]利用多層次的城市增長模型模擬了2030年不同情景下的土地利用，并與生態系統服務評估模型相結合探討了城市格局與生態系統服務之間的權衡。Y.Wuetal[11]提出了自然演變、農田保護和生態恢復3種情景，并探討了6種生態系統服務對土地利用時空變化的響應特征。盡管土地利用時空格局的模擬能有效地預測未來土地利用的發展軌跡并支持土地利用決策的制定，但多數研究只是模擬每個地類的演變過程，不同的土地利用/土地覆蓋變化過程在多數情況下會相互作用[10]。因此，本研究提出了集成馬爾可夫鏈(Markov chain)與FLUS模型的“交互耦合”模型，該模型不僅可以解決不同土地利用類型之間的相互競爭作用，也能使土地利用需求預測與局部變化分配相結合，有效地處理自然過程和人類活動影響下各種土地利用類型相互轉化的不確定性和復雜性[16-17]。

北京市西北部生態涵養區具有豐富的景觀結構、生境類型和自然資源，其土地利用的變化必然對首都的生態系統服務和居民福祉有著潛在的重要影響。因此，本研究以北京市西北部生態涵養區為例，結合土地利用預測模型FLUS和馬爾可夫鏈(Markov chain)以及生態系統服務評估模型InVEST，探討2015-2030年不同發展情景下的土地利用變化如何影響生態系統固碳和產水量服務。內容包括：1)基于FLUS模型和馬爾可夫鏈預測2030年自然演變、生態控制和城市發展情景下的土地利用時空動態；2)評估2015-2030年3種發展情景下的固碳和產水量服務的時空變化特征；3)揭示土地利用變化對生態系統服務的潛在影響。

1 材料與方法

1.1 研究區概況

北京市西北部生態涵養區(39°31′-41°04′N，115°24′-117°29′E)涵蓋北部和西部的山區，總面積約11 247 km2(圖1)。最高海拔2 291 m，最低海拔11 m。該區屬典型的溫帶季風氣候區，年平均降水量達576.71 mm，主要發生在6-8月，年平均溫度2.5℃～13.4℃。本區包括北京最重要的山區、水源涵養地和基本農田等核心的生態用地，生態系統類型多樣，生物多樣性豐富。自20世紀末以來，該地區經歷了快速土地利用轉型和土地利用政策，導致了生態系統服務的退化，如區域碳儲存損失和供水和凈化能力下降[18-19]。近年來，北京市政府將生態涵養區列為北京市可持續發展的重點保護區域。

圖1 北京市西北部生態涵養區位置Fig.1 The map of the ecological conservation area in Beijing

1.2 數據來源及處理

本研究用到的數據主要包括：高程數據(DEM)來源于全國地理信息資源目錄服務系統(http://www.webmap.cn/)。氣象數據，來源于國家地球系統科學數據共享服務平臺，主要有年降水量、月降水量、溫度和日照時數等(http://www.geodata.cn)。土壤屬性、根系限制層深度和200 cm深度植物枯萎點的有效土壤含水量數據，來源于世界土壤數據庫(Harmonized World Soil Database，http://webarchive.iiasa.ac.at/Research/LUC/External-World-soil-database/)。植被蒸散發數據，主要來源于聯合國糧農組織FAO的在線目錄(http://www.fao.org/3/X0490E/x0490e0b.htm)。土地利用數據是2000年和2015年生態涵養區土地利用數據，來源于中國科學院資源環境科學數據中心(http://www.resdc.cn/)，采用歐陽志云等[20]提出的生態系統分類體系，對數據進行整合和重分類，最終將土地利用類型分為7類：草地、水域、農田、建設用地、未利用地、林地和灌木林地。利用Arcgis10.3軟件將所有空間數據的分辨率重采樣為30 m，投影坐標系統一為(Beijing_1954_3_Degree_GK_CM_ 114E)。

1.3 情景設定與土地利用預測

1.3.1 情景設定 基于對2000-2015年土地利用變化的驅動因素和北京市政府實施的土地利用政策的分析，提出了3種土地利用情景：自然演變情景、生態控制情景和城市快速發展情景，并將2015年的土地利用數據作為基礎數據，在其基礎上進行土地利用的模擬。

1.3.1.1 自然演變情景 主要是基于過去研究區土地利用的轉變速率持續保持不變的假設而構建的，其人口、經濟和技術革新的發展趨勢將繼續與目前的狀況保持一致，因此，土地利用變化率被認為與2000-2015年的年度變化一致，選擇馬爾可夫模型來模擬土地利用需求量。此外，本情景假設氣候變量的年均溫和降水量與當前保持一致。

1.3.1.2 生態控制情景 主要是保障研究區的生態功能，保護環境質量安全，以生態效益優先作為優化目標，強化生態控制區的保護。根據《北京市總體規劃(2016-2035年)》的要求，主要以保護密云水庫、自然保護區、基本農田、公園綠地等生態區域為主，控制建設用地規模，減少經濟發展對環境的影響。

1.3.1.3 城市快速發展情景 將充分發揮經濟產出潛力較高的土地利用效益，以研究區的經濟效益最大化為目標。在這種背景下，人口、技術和經濟將快速增長，交通水利建設用地面積迅速擴大。此外，由于人口對糧食的需求不斷增長，農田面積的下降幅度較其他情景小。

1.3.2 土地利用預測模型 首先利用FLUS模型的神經網絡算法(ANN)獲取各類用地的適宜性概率，通過元胞自動機(CA)模型提高模型的適用性，其次通過馬爾可夫鏈(Markov chain)獲取2030年各用地類型需求量，并設置鄰域權重參數、成本矩陣及限制發展區等相關參數完成對2030年土地利用情景的模擬。從現有文獻中選取土地利用變化的驅動因素作為預測變量進行檢驗(圖2)[21-23]，主要計算模塊如下：

1.3.2.1 基于神經網絡的適宜性概率計算 神經網絡算法(ANN)包括預測和訓練階段，由輸入層、隱含層和輸出層組成，其計算公式為:

(1)

式中，sp(p,k,t)為t時間和p柵格下第k種土地利用類型適宜性概率；wjk為輸出層與隱含層之間的權值；Sigmoid()是從隱含層到輸出層的激勵函數；netj表示第j個隱藏柵格p在t時刻接收到的信號，神經網絡算法輸出的各土地利用類型適宜性概率之和均為1，即：

∑ksq(p,k,t)=1

(2)

(3)

(4)

(5)

1.3.3 模型驗證 通過模擬2000-2015年的土地利用變化，測試和比較FLUS模型的性能，其他輸入包括模擬參數、空間限制區域和適宜性概率數據。本研究以2000年土地利用空間分布圖為模擬基準圖，在FLUS模型中運行得到2015年土地利用模擬分布圖，使用Kappa系數和FoM系數來評估模型的可靠性，以衡量模擬結果與實際土地利用數據之間的一致性[24-25]。該模型的總體精度為83.25%，Kappa值和FoM值分別為0.756和0.314，說明該模型參數符合精度要求，可以用于預測未來的土地利用格局。因此，使用2015年的有效參數和土地利用分布圖，預測2030年3種情景下土地利用分布情況。

1.4 生態系統服務的量化

選取InVEST 3.7.0版本的固碳和產水量服務模塊，基于2015年和2030年不同情景下的土地利用數據，定量評估北京市生態涵養區的生態系統服務[26-27]。每個參數的數據基于已發布的共享數據庫。

1.4.1 固碳服務 根據土地利用當前時間段內的碳儲量數據，利用InVEST 3.7.0的“碳儲存和封存：氣候調節”工具，對每個情景的碳儲量進行計算。該模型使用土地利用地圖和特定分類匯總了4個主要碳庫中的碳儲量：地上生物量、地下生物量、土壤和死亡有機物[28]。土地利用類型j中柵格單元(x，y)的總碳CSjxy公式為：

CSjxy= Ax (Cajxy+Cbjxy+Csjxy+Cdjxy)

(6)

式中，Cajxy、Cbjxy、Csjxy、和Cdjxy分別是土地利用類型j中柵格單元(x，y)的地上碳密度/(Mg·hm-2)、地下碳密度/(Mg·hm-2)、土壤有機碳密度/(Mg·hm-2)和死亡有機物碳密度/(Mg·hm-2)。本研究假設碳在土地覆蓋變化期間會立即變化。

1.4.2 產水量服務

1.4.2.1 評估模型 利用InVEST 3.7.0模型的“季節產水量”模塊，計算每個網格單元的年降水量(mm)、土壤最大根系埋藏深度(mm)、植物可利用水含量(0%～1%)、年平均潛在蒸散發量(mm)、土地利用[29-31]。土地利用類型x上每個柵格單元的年產水Yx的計算公式如下：

Yx=(1-AETx/Px)·Px

AETx/Px=(1+PETx/Px)-[(1+(PETx/Px)ω]1/ω

PETx=Kx·ET0/Px

ωx=Z·AWCx/Px+1.25

AWCx=Min(SoilDepth，RootDepth)·PAWC

(7)

式中，AETx表示柵格x的年實際蒸散量，Px為柵格x的年降水量，AETx/Px為土地利用類型的植被蒸散發，PETx為潛在蒸散量，ωx為自然氣候-土壤性質的非物理參數，ET0為柵格單元x的參考作物蒸散，Kx為柵格單元x中特定土地利用/覆被類型的植物蒸散系數，AWCx為土壤有效含水量，PAWC為植物可利用含水率(0%～1%)。

1.4.2.2 模型參數的選擇Z值為經驗常數，又稱“季節常數”，能夠表征區域降雨分布及其他水文地質特征，參考北京地區的相關文獻，取Z值為4.02[31-32]。根據中國植被類型分布圖，研究區的土地利用類型主要有草地、水域農田、建設用地、未利用地、林地和灌木林地等類型，參考相關文獻和InVEST模型使用手冊中的研究結果，確定各土地利用類型的植被蒸散指數Kc(表1)[33-35]。

表1 不同土地利用類型的植被蒸散指數KcTable 1 The plant evapotranspiration coefficient (Kc) of different land use types

2 結果與分析

2.1 土地利用變化特征

生態涵養區在2015-2030年不同情景下的土地利用變化特征有較大差異(表2和圖3)。林地和灌木林地是研究區最主要的土地利用類型，在2015年，其面積分別占研究區總面積的44.14%和32.10%，其次是農田(8.36%)以及建設用地(6.38%)，主要分布在研究區的西部和東部邊緣地區。此外，水域和未利用地面積所占比例均較小，均占5%以下。在2015-2030年城市快速發展情景下，土地利用變化的主要特征是建設用地的快速擴張，相對于2015年，城市快速發展情景的建設用地增加了39.57%，遠高于自然演變情景和生態控制情景的15.10%和2.86%。農田和水域在2015-2030年自然演變情景的下降幅度最大，均高于20%。在2030年的生態控制情景下，建設用地和林地面積的變化較為穩定，相對于2015年，分別增加了2.86%和3.10%，農田的減少率低于自然演變情景和城市快速發展情景(-8.74%)。

表2 研究區2015-2030年3種情景下土地利用變化Table 2 Land use changes from 2015 to 2030 under three scenarios in ecological conservation area

注：(a)：2015年；(b)：自然演變情景；(c)：生態控制情景；(d)：城市快速發展情景。下同。圖3 2015和2030年3種情景下的土地利用覆蓋Fig.3 Land use maps from 2015 to 2030 underthree scenarios

2.2 生態系統服務變化特征

2.2.1 固碳服務 研究區碳儲量的最大值是生態控制情景下的99.53×106Mg，最小值是城市快速發展情景下的96.31×106Mg，相對于2015年的98.36×106Mg，分別變化了1.17×106Mg和-2.05×106Mg(表3)。從土地利用類型的碳儲量及其變化特征可以看出，林地擁有最大的碳儲量，其中，生態控制情景下林地的碳儲量最大(66.80×106Mg)，相對于2015年增加了1.27×106Mg，其余如水域、建設用地和未利用地的碳儲量均為0。就空間分布特征來看，生態涵養區中部主要分布的是森林和灌木林地，其碳儲量較為豐富，西側的延慶城區和東部邊緣地區主要分布著建設用地和農田，碳儲量相對較少，因此可以看出，碳儲量呈現出中部多東西偏少的基本分布格局(圖4)。結合研究區地形地貌特征來看，高水平的碳儲量主要分布在海拔相對較高的區域，而地勢較為平緩的區域碳儲量也相對較少(圖1)。

圖4 2015年-2030年3種情景下的碳儲量空間分布格局Fig.4 Spatial distribution of carbon storage from 2015 to 2030 under three scenarios

表3 研究區2015-2030年3種情景下的碳儲量及其變化情況Table 3 The variation ofcarbon storage from 2015 to 2030 under three scenarios ×106Mg

2.2.2 產水量服務 研究區產水量的最大值是城市快速發展情景下的362.50×107m3，最小值是生態控制情景下的361.5×107m3，相對于2015年的361.08×107m3，分別變化了1.42×107m3和0.42×107m3(表4)。從土地利用類型的產水量及其變化特征來看，林地擁有最大的產水量，其中，在生態控制情景下的林地產水量最大(161.13×107m3)，相對于2015年增加了5.27×107m3。城市快速發展情景下的建設用地產水量為36.81×107m3，相對于2015年增加量最大(9.98×107m3)。從產水量的分布特征來看，研究區產水量呈現出南高北低以及中部低東部和西部偏高的基本分布格局(圖5)。結合研究區的地形地貌特征來看，高產水量區域主要分布在海拔相對較低的區域，而地勢較高的區域產水量也相對較少(圖1)。此外，城市和農田被確定為提供產水量服務的熱點地區。

圖5 2015-2030年3種情景下的產水量空間分布Fig.5 Spatial distribution of water yield from 2015 to 2030 under three scenarios

表4 研究區2015-2030年3種情景下的產水量及其變化情況Table 4 The variation of water yieldfrom 2015 to 2030 under three scenarios ×107 m3

2.3 土地利用變化對生態系統服務的影響

從生態涵養區2015-2030年土地利用與碳儲量和產水量的變化特征來看，碳儲量與產水量變化同各用地類型的面積變化具有一定關系(表5)。從單位面積變化對碳儲量影響的絕對量來看，灌木林地的影響強度在城市快速發展情景中達到最大，其面積每減少1 km2，碳儲量損失3.91×104Mg。從單位面積變化對產水量影響的絕對量而言，未利用地的影響強度在自然演變情景中最大，其面積每減少1 km2，產水量減少4.93×105m3。對比各用地類型面積增減幅度以及與碳儲量和產水量的變化關系發現，盡管面積同碳儲量和產水量呈正相關關系，但面積增減僅意味著碳儲量和產水量的增減，其增減幅度并不能表征碳儲量和產水量的增減幅度。

表5 2015-2030年3種情景下土地利用變化對生態系統服務的影響Table 5 Impacts of land use changes on ecosystem services under three scenarios from 2015 to 2030

3 結論與討論

3.1 結論

利用FLUS模型耦合馬爾可夫鏈(Markov chain)模擬了2030年自然演變、生態控制和城市快速發展情景下的土地利用分布，并探討了2015-2030年3種土地利用3種情景下的土地利用變化如何影響固碳和產水量服務。

北京市西北部生態涵養區2015-2030年的土地利用變化程度因不同情景而出現較大差異，其中，相對于2015年，城市快速發展情景的建設用地面積增加了39.57%，生態控制情景下的建設用地和林地面積的變化較為穩定，分別增加了2.86%和3.10%，農田的減少率低于自然演變情景和城市快速發展情景(-8.74%)。

研究區內碳儲量和產水量的最大值分別出現在生態控制情景(99.53×106Mg)和城市快速發展情景(362.50×107m3)。林地擁有最大的碳儲量和產水量，其中，生態控制情景下的碳儲量(66.80×106Mg)和產水量(161.13×107m3)最大。碳儲量在生態涵養區的中部較為豐富，在西側的延慶城區和東部邊緣地區的建設用地和農田較少，而產水量呈現出東部和西部偏高其余地區偏低的分布格局。高水平的碳儲量主要分布在海拔相對較高的區域，而高水平的產水量區域主要分布在相對較低的區域。

碳儲量與產水量變化同各用地類型的面積變化具有一定關系，其中，灌木林地單位面積變化對碳儲量的影響強度在城市快速發展情景中最大，未利用地單位面積變化對產水量的影響強度在自然演變情景中最大。

3.2 討論

3.2.1 土地利用變化對生態系統服務的影響 研究結果顯示，在2015和2030年的3種情景中，生態控制情景下的林地面積占比最大，其單位面積的碳儲量最高，建設用地、水域和未利用地的碳儲量為0，說明林地作為固碳服務的重要供給區，對生態涵養區至關重要。此外，城市快速發展情景下的碳儲存總量最小，主要是由于建設用地并不是有效的碳庫，其面積的擴張會導致諸如農田和林地等面積的減少[36]。

林地、灌木林地和草地的單位面積產水量較低，而建設用地和農田生態系統的單位面積產水量較高，這與竇攀烽等[37]的研究結果相一致。有研究表明，產水量主要受植被的蒸散作用、根系深度和下滲過程的影響，而建設用地屬于不透水地表，其蒸散量和下滲水量都較小，降水到達地表后易迅速形成徑流，其產水量高于其他土地利用地類型，因此，建設用地面積在城市快速發展情景下最大，進而增加了產水總量[38]。盡管如此，降水到達不透水地表后易快速形成徑流進入城市下水道，難以被人類利用，因此，水資源的有效供給也會受技術因素的影響[38]。農田的植被蒸散量與森林和草地類似，但由于根系深度和植被密度等原因，農田的下滲水量明顯小于森林和草地，因此，農田的單位面積產水量高于森林和草地。

土地利用類型面積的擴大或縮小會導致區域碳儲量和產水量不同程度的增加或減少，該結論是基于每個用地類型內部均質的假定，僅從各用地類型量變的角度進行了研究，并未考慮質的差別，如果將用地類型內部的差別考慮在內，土地用地類型面積的變化不一定能夠產生同面積等量的碳儲量和產水量的變化，如林地每增加1 km2，碳儲量不一定新增0.14×104Mg。

3.2.2 模型優點與局限性 本研究方法主要包括土地利用的情景模擬和生態系統服務評估，其優點是為探討土地利用變化對3種生態系統服務的影響提供了一種可供借鑒的方法，該方法對于其他地區的研究也是有效的。此外，InVEST模型被認為是適用于多個尺度的生態系統服務評估，可較為直觀地表達評估結果[26,28]。同時，InVEST模型也存在一些局限性，首先，生態系統服務的評估結果過于依賴土地利用分類，如本研究將土地利用類型分為7個大類，每個土地利用類型的內部均被假定為均質的，并沒有考慮內部的異質性[39]。例如，森林的碳儲量受溫度、海拔、降雨和森林年齡結構的影響，而在劃分較為粗糙的土地利用類型中，碳儲量的異質性特征被部分掩蓋了。其次，盡管土地利用數據是由30 m分辨率的遙感影像解譯而來，但土壤、降水、溫度等模型參數數據均來源于1 000 m分辨率的數據源，因此，數據的不匹配增加了生態系統服務評估的不確定性[9]。此外，“季節性產水量”模塊是基于年平均數據，忽略了極端情況，沒有考慮季節性的供水時間模式[40]。

3.2.3 政策建議 根據2000-2015年的土地變化趨勢預測了2030年自然演變情景下的土地利用狀況，并以此為基礎設計了生態控制和城市快速發展2種土地利用情景。針對《北京城市總體規劃(2016-2035年)》中對森林、水域和農田的保護規劃，本研究在城市快速發展和生態控制情景的設置中禁止將水庫、自然保護區和國家森林公園轉換為其他用地。結果表明，與自然演變情景相比，建設用地的擴張在生態控制情景下將得到有效控制。此外，生態控制情景是具有更可持續性的發展策略，因為其將2030年人類為滿足生產、生活和其他需求所需的土地考慮在內，因此，加強自然資源保護規劃和調控的實施，是緩解生態系統退化的有效途徑。

此外，本研究識別了固碳和產水量服務及其響應土地利用變化的熱點區域，為維持和加強生態系統服務保護提供了有效的參考意見。例如，土地利用變化結果表明，如按自然演變情景和城市快速發展情景，農田和水域在接下來的幾十年將大面積的減少，而建設用地將大幅度的增加，這也為如何防止潛在的城市無序擴張以及保護基本農田提供了依據[41]。西部的延慶城區以及東部邊緣地帶適當的增加林地和農田將促進固碳和產水量服務的區域空間平衡，因此，多種管理策略指導土地利用和其他資源(如糧食，石油和技術)的分配顯得尤為必要。此外，盡管城市的產水量較大，但大部分降水進入城市下水道后難以被人類利用，因此，如何有效利用降水和提高水資源的有效供應是關鍵。最后，建議政策制定者應采取多樣化的土地管理策略來指導不同情景下的土地資源的配置，從而實現生態系統服務的可持續利用。