基于PLSR-FLUS-MarKov模型的生態系統服務價值多情景預測

摘要：以漓江流域為研究單元，運用修正后的PLSR-FLUS-MarKov模型和當量因子法，對流域自然發展、生態優先、旅游優先情景下2030年生態系統服務價值做出預測，探究多情景土地利用變化對生態系統服務價值的影響。結果表明，PLSR-FLUS-MarKov模型能更準確刻畫流域土地利用動態變化，模擬精度高達83.57%。流域土地利用變化集中區位于桂林市轄區、興安縣和陽朔縣，多表現為耕地、林地向建設用地的轉入以及耕地和林地間的相互轉化。2030年，漓江流域生態系統服務價值均呈現下降趨勢，自然發展情景、生態優先情景、旅游優先情景分別為218.07億、225.61億、222.91億元，較2020年下降了9.02億、1.48億和4.18億元，并呈現“東北高，西南低”的格局特征，實施生態優先策略后其下降速度放緩。林地是漓江流域生態系統服務價值的關鍵來源，占比超過80%，耕地和水域也貢獻了一定比例的服務價值。生態優先情景下的生態系統服務價值最高，旅游優先情景次之，自然發展情景最低。研究結果可為桂林世界級旅游城市建設及區域生態系統健康管理提供科學指導。

關鍵詞：土地利用變化；生態系統服務價值；PLSR-FLUS-MarKov模型；多情景模擬；漓江流域

中圖分類號：X171.1" " " " 文獻標志碼：Anbsp; " " " 文章編號：1674-3075（2025）01-0203-10

生態系統服務功能退化是世界性環境危機之一（李海東和高吉喜，2020），人類的過量負向回饋會使生態系統失衡。通過生態系統服務價值評估可有效識別區域生境質量，優化生物多樣性保護，核算生態補償數額，一定程度上培養人類“自然資源有價”的意識，推動區域生態文明建設（路昌等，2020；張學斌等，2020）。土地利用作為人類與自然生態接觸最緊密、表現最直接、影響最深遠的活動形式（卓靜等，2022），決定著生態系統服務價值總量的增減。為探究土地利用結構發生改變的原因，更多專家學者運用GEE云平臺及地理探測器等新技術開展土地利用時空演變及驅動因子分析，除了常見的人口規模、產業結構驅動因子之外，政策紅利、居民意愿等因子也具有深遠影響（楊麗萍等，2022；Liu et al，2022；厲靜文等，2021；Erokhin et al，2020）。

旅游作為人們滿足精神需求的活動，對土地空間載體有著獨特作用。為在全局視角上把握未來土地利用結構，多情景模擬協同生態系統服務價值成為土地利用領域的新興方向（Shi et al，2020；Zhou et al，2021）。生態系統服務價值預測始于21世紀初，近幾年的研究逐步趨于多元化，從傳統的土地利用結構和空間布局兩維研究，向人類活動和環境效應相結合的多情景模擬方向轉變。生態系統服務價值模擬預測模型亦層出不窮，廣泛應用的包括CA模型、MarKov模型等。當前復合模型預測、多情景分類已經成為土地利用領域新的預測趨勢。李斌等（2017）和Guan等（2019）分別以CLUE-S、MarKov、Tietenberg模型與Logistic-CA-MarKov、WLC-CA-MarKov模型預測了武漢市蔡甸區及三峽庫區的土地利用結構。楊朔等（2022）基于FLUS模型并劃分自然發展、生態保護和經濟發展情景預測了漢中市的生態系統服務價值，王穗子等（2022）通過劃分當前居民收入水平、小康收入水平、富裕收入水平預測了三江源地區的環境承載力。

漓江流域位于首個國家旅游綜合改革試驗區內，將在旅游高質量背景下持續發展。因此研究旅游發展情景與地域實際的匹配情況，探討旅游發展對區域土地利用及生態系統服務價值的影響是揭示旅游發達地區生態系統穩定程度和實現區域可持續發展的關鍵因素。漓江流域還有南嶺生物多樣性保護重地等生態地位，對其進行土地利用模擬及生態服務價值預測有著重要現實意義。研究模擬多情景下流域土地利用結構及生態系統服務價值，驗證不同發展模式下生態及社會經濟發展態勢，為漓江流域規劃及桂林世界級旅游城市建設提供理論指導。

1" "區域概況及數據來源

1.1" "研究區概況

漓江流域位于桂林市域（圖1），典型的喀斯特地貌。流域屬亞熱帶季風氣候，雨熱同期。上游興安縣及靈川縣分布有多個自然保護區，生物多樣性豐富；中游（包括桂林市區）和下游（包括陽朔縣）是喀斯特地貌集中分布地帶，有3A級及以上景區20余個，其中18個位于中下游地帶。區域經濟發展對旅游產業依賴性強，以旅游為代表的第三產業是漓江流域的主要收入來源，2020年桂林市旅游產值占全市總產值的60%以上。

1.2" "數據來源及處理

研究基于GEE（google earth engine）平臺，選用2010年和2020年Landsat 5 TM以及Landsat 8 OLI/TIRS漓江流域遙感影像數據，解譯其土地利用類型；研究中所涉及的數字高程選用SRTM（the shuttle radar topography mission）數據，空間分辨率為30 m。參照王祺等（2014）關于土地利用格局差異的研究，結合漓江流域實際情況，選取地形地貌、氣候、旅游以及相關社會經濟要素等作為驅動土地利用變化的因子對流域土地利用變化進行模擬，具體指標體系如表1。

2" "研究方法

2.1" "PLSR-PLUS模型

Liu等（2017）基于地理模擬與優化系統（GeoSOS）（黎夏等，2009）提出了模擬土地利用變化的FLUS模型。FLUS模型在充分發揮元胞自動機（CA）優勢的同時，融入了人工神經網絡算法（artificial neural network，ANN）（王保盛等，2019）。ANN模型在因子輸入較多時易產生過擬合現象（He et al，2021）使模擬精度降低。此外ANN模型無法對因子進行科學篩選。為避免過擬合現象，研究在驅動因子輸入ANN模型之前，先用偏最小二乘法（PLSR）對驅動因子和景觀類型進行擬合，將擬合過程中產生的主成分（提取累計貢獻率gt;95 %）作為ANN模型的因變量，建立PLSR-FLUS模型提高模型的穩定性和模擬精度，從而實現對FLUS模型的修正。模型的基本運行框架如圖2。

ANN預測模塊采用多層前饋神經網絡算法（back propagation artificial neural network，BP-ANN），為FLUS模型最重要的環節。將人工神經網絡輸入層與驅動因子空間數據對應，輸出層與土地利用類型對應，估計不同土地利用類型的適宜性概率。該模型被廣泛應用于非線性擬合問題，其表達式為：

式中：A為輸入層驅動因子，an為第n個驅動因子；S（）為隱含層至輸出層的激勵函數；Nt（x，y）為第t個隱含層因子在坐標（x，y）上所接收到的信息；[Wit]為輸入層到隱含層的權重；[ai（x，y）]為第i個輸入層驅動因子在像元x和時間y上所接收到的信號；[ap（x，k，y）]為第k種土地利用類型在像元x和時間y上的適宜性概率，總概率值為1。

此外，FLUS模型還受到鄰域因子、慣性系數、競爭機制等因素的影響（Liu et al，2017）。自適應慣性系數是CA模型的核心，通過多次迭代可使現有土地利用類型像元數量不斷向目標接近。以自適應慣性競爭機制為基礎的元胞自動機空間計算模擬公式如下，式⑥表示鄰域因子（研究設置為3×3），式⑦表示自適應慣性系數，式⑧表示土地利用類型總轉移概率。

2.2" "MarKov模型

為防止某土地利用類型無限向其他類型轉變，引入馬爾可夫（MarKov）模型限制FLUS模型預測的需求總量，提前設定土地利用類型在2030年的需求總量。其數學表達式為：

[Xt=X（t-1）Pij]" " " " " " " " " " " " " " " " "⑨

式中：X（t-1）和X（t）的含義分別為在時間t-1和t時用地類型的情況，Pij為土地利用類型發生轉換的幾率，即土地利用類型從時間t-1到時間t時向另一用地類型轉換的概率。Pij的值為0～1，總和為1。

2.3" "多情景設置

以漓江流域不同發展目標為基礎，設定3種模擬情景預測2030年土地利用變化。

（1）自然發展情景。此情景下漓江流域未來的發展不受任何條件限制，依據土地利用歷史變化特征，順其自然發展。（2）生態優先情景。依據《桂林市人口發展規劃（2020—2030年）》，在考慮居民對未來建設用地需求的基礎上，考慮漓江流域生態環境保護問題，嚴格控制公園綠地、生態保護區向其他用地類型轉化及建設用地無序擴張，減緩林地和耕地下降速度。生態優先情景要求林地、草地向建設用地的轉化率減少約40%，耕地向建設用地的轉化率減少約30%。（3）旅游優先情景。根據《桂林漓江風景名勝區總體規劃》對未來各土地類型的數量需求，2030年建設用地占8.4%，林地、耕地、草地兼顧，水域發展速度保持不變。

2.4" "生態系統服務價值

當量因子法具有計算簡潔、數據需求量小等優點，適用于大尺度區域研究。以謝高地等（2015）的單位價值當量因子表為基礎，根據漓江流域實際情況進行修正，修正系數取廣西均值0.98（謝高地等，2005）。在土地利用類型對照層面，將其與最接近的生態系統類型相對應，其中耕地與農田對應，取值參考旱地與水田比例；林地與森林對應，取闊葉林的值；水域與水系對應，取水系的值；草地保持不變，取灌木叢的值。建設用地的生態系統服務價值取0（謝高地等，2003）。綜合當量因子表與基準單價（C=23.3萬元/km2）得到生態系統服務價值表（表2）?；鶞蕟蝺r計算公式如下：

式中：Pa為單位農田的經濟產值（萬元／km2）；i為作物種類；mi為第i種糧食的面積（km2）；pi為第i種糧食的平均價格（元／kg）；qi為第i種糧食單產（kg）；M為糧食總面積；n為糧食種類。

漓江流域生態系統服務價值計算公式如下：

式中：V表示生態系統服務總值；Sj為第j類景觀的面積；Cj為第j類景觀單位面積生態系統服務價值。

3" "結果與分析

3.1" "土地利用動態模擬精度驗證

研究基于2010年土地覆被數據，引入土地利用驅動因子，通過PLSR對景觀格局及其驅動因子進行預擬合，將擬合過程中產生的主成分作為FLUS模型中ANN模塊的輸入變量，有效去除了驅動因子間的多重共線性，降低ANN模型的結構復雜度，提高模型的穩定性和預測精度。采用FLUS-MarKov和PLSR-FLUS-MarKov模型進行對照實驗，模擬研究區2020年土地利用格局（圖3）。將多情景模擬結果與基準年結果對比，驗證PLSR-FLUS-MarKov模型的精度及其空間分布的穩定性。結果表明，FLUS-MarKov模型精度為81.26%，Kappa系數為0.75，PLSR-FLUS-MarKov模型精度為83.57%，Kappa系數為0.78。PLSR-FLUS-MarKov模型精度比FIUS-MarKov模型提高了2.3%，優于FLUS-MarKov模型。

由圖3可知，整體上模擬結果與2020年現狀分布保持較高的一致性，但部分區域存在一定誤差，FLUS-MarKov模型修正前，其誤差更大。如漓江流域西南部的臨桂區，該區域原有水域面積較大，水域周圍建設用地少，修正后的PLSR-FLUS-MarKov模型模擬結果與現狀基本相符，而FLUS-MarKov模型模擬結果與現狀不符，水域面積大范圍的被耕地、林地和建設用地所覆蓋，水域分布范圍存在極大差異，建設用地明顯增加。因此，PLSR-FLUS-MarKov模型能夠在空間上有效優化PLUS-MarKov模型模擬結果，使模擬結果與真實情況更為接近。綜合總體精度、Kappa系數以及具體分布細節的比較，研究提出的PLSR-FLUS-MarKov模型在漓江流域的模擬效果更優，模擬精度更高，有望在其他流域實現更精準的預測。

3.2" "多情景土地利用結構預測

運用PLSR-FLUS-MarKov模型模擬自然發展、生態優先及旅游優先情景下的2030年研究區土地利用結構，具體結果見圖4和表3。多情景下流域土地利用集中變化區為桂林市轄區、興安縣和陽朔縣，且呈現出耕地、林地向建設用地轉化的現象，桂林市區建設用地沿臨桂方向擴展，流域北部（興安縣附近）建設用地向西擴展，流域南部（陽朔縣附近）建設用地向東、西兩個方向擴展。

3.2.1" "自然發展情景" "自然發展情景下，2030年漓江流域耕地和林地面積分別為1 843.23和3 265.55 km2，2020—2030年，負向變動97.90和167.28 km2；草地面積為22.67 km2，面積呈下降趨勢；水域和建設用地面積增加至87.67和606.99 km2。自然發展情景下土地類型轉變主體為耕地、林地和建設用地。由于該情景不受其他政策因素限制，其轉化率與2010—2020年保持一致，耕地與林地下降速率分別為5.03%和4.87%，建設用地年增長率為6.07%，其耕地與林地大幅下降，建設用地急速擴張。

3.2.2" "生態優先情景" "較2020年，2030年生態優先情景下漓江流域耕地和林地面積下降至1 914.61 km2和3 396.04 km2，下降趨勢大幅減少；草地面積（23.35 km2）略有下降；水域和建設用地面積增長至87.25和404.87 km2，呈小幅增長趨勢。生態優先情景下地類轉化波動幅度較小。耕地與林地下降率分別為1.37%和1.07%，與2010—2020年相比，其下降趨勢亦得到有效控制。同時建設用地僅增加68.10 km2，年增長率約1.86%，建設用地擴張速率得到較好控制，在以生態保護為前提的發展情景下，耕地和林地等得到較為全面的保護，符合可持續發展的理念。

3.2.3" "旅游優先情景" "特設置旅游優先情景兼顧生態環境與經濟發展。該情景下，2030年漓江流域耕地和林地面積將分別為1 874.53和3 361.70 km2，2020—2030年，二者面積均有不同幅度下降；草地面積小幅下降至27.89 km2；水域和建設用地面積增加至85.19和476.89 km2。與自然發展情景類似，旅游優先情景主要表現為耕地、林地向建設用地轉化，草地和水域面積基本保持穩定，耕地與林地下降率分別為3.43%、2.07%，建設用地年增長率為3.43%，該情景下土地利用變化介于自然發展情景與生態優先情景之間，符合“既要綠水青山又要金山銀山”的發展理念，使生態保護與經濟發展并駕齊驅。

3.3" "多情景生態服務系統價值預測

3.3.1" "時間特征分析" "依據2030年多情景土地利用模擬結果，對漓江流域各地類的生態系統服務價值進行統計（表4）。由于城市中心區不斷外延，建設用地不斷擴張，多情景預測下流域的生態服務價值均呈下降趨勢。較基準年生態系統服務價值（227.09億元）而言，自然發展、生態優先以及旅游優先情景的生態服務價值分別為218.07、225.61、222.91億元，下降了9.02、1.48、4.18億元。從各地類結構看，林地的生態系統服務價值在各情景中占比均超過80%，為漓江流域生態系統服務價值關鍵來源。耕地為漓江流域第二大地類，然而其生態系統服務價值占比較低，其貢獻度落后于林地和水域，占比7%左右。漓江流域水域面積僅占總面積的1.44%，其貢獻度達到10%以上。3種模擬情景下，生態優先情景的生態系統服務價值最高，旅游優先情景次之，自然發展情景最低，不同情景下人類活動對土地利用結構影響差異較大，未來漓江流域在發展過程中需將生態保護考慮在內，扼制建設用地的無序擴張。

3.3.2" "空間特征分析" "根據景觀生態學領域相關學者（蘇海民和何愛霞，2010；呂樂婷等，2018）的觀點，土地利用樣本的面積為斑塊平均面積的2～5倍時，能較好反映采樣區生態系統服務的空間特征。本文根據研究區實際情況，在保證每個尺度內信息完整性及定量評價準確性的基礎上，應用ArcGIS 10.2平臺將研究區創建為1 604個2 km×2 km網格單元，利用分區統計工具匯總基準年和預期年多情景生態系統服務價值（圖5），應用自然間斷法劃分1～5等級，1級最低，5級最高。漓江流域生態系統服務價值總體呈現出“東北高，西南低”的空間特征。生態系統服務價值較高區域主要分布在流域北部和流域中東部海拔較高區域，如興安、資源、靈川和陽朔縣，以林地斑塊為主；低值區域分布在流域西南部，海拔較低，以耕地、建設用地斑塊為主，表明生態系統服務價值與海拔、地形因子有著較高空間契合度。與基準年相比，自然發展情景下的服務價值變化最為顯著，尤其在桂林市區和陽朔縣等區域，生態系統服務價值等級由二級轉變為一級。對比3種情景下生態系統服務價值的空間分布發現，生態優先情景和旅游優先情景的生態系統服務價值空間特征類似，且明顯優于自然發展情景，與2020年真實結果更為接近。

4" "討論

4.1" "土地利用變化模擬預測

PLSR模型的引入有效防止了ANN容易出現的過擬合現象（Gong et al，2009），優化了FLUS-MarKov模型對預測結果空間分布的影響，總體上PLSR-FLUS-MarKov模型的精度提高了2.3%，與基準年情景保持高度一致，且較為穩定。在3種情景模擬下，研究區的耕地和林地呈現出減少趨勢，建設用地以消耗耕地和林地為代價呈現出增加趨勢，最為明顯的是臨桂區建設致使桂林市區建設用地向西擴張，這與謝凌凌等（2022）的研究結果相似。研究區的土地利用模擬結果與國內其他地區存在共性，如浦江流域的建設用地也呈下降趨勢，其轉換來源于耕地、濕地和林地（聞國靜等，2017），預測結果與本文相似。

4.2" "生態系統服務價值預測

在旅游優先情景下，經濟增長和生態環境保護都呈現向好趨勢，漓江流域經濟壓力外移的同時，生態環境質量也得到相應改善，游客承載力得到加強，促進了旅游高質量發展，而高質量旅游開發又反作用于生態和環境保護（趙書虹等，2021）。2030年多情景下漓江流域的生態系統服務價值呈下降趨勢，其低值主要體現在桂林市區、陽朔縣和興安縣。一是受地勢平坦、海拔低等自然因素影響，二是受社會經濟因素影響，城市住房、交通網絡和基礎設施對建設用地的需求增加，導致大量耕地和林地轉化為建設用地，生態系統服務價值隨之下降。向悟生等（2009）和Li等（2021）計算了漓江流域1991—2006年和1995—2015年的生態服務價值，結果亦呈下降趨勢，尤其是桂林和陽朔區域。此外，Lu等（2022）對黃河流域的生態系統服務價值進行了預測，結果顯示生態空間優先情景下基本穩定，而其他模擬情景下呈現下降趨勢，與本研究結果相似。

4.3" "多情景下未來發展啟示

自然發展情景的土地利用模擬顯示，若不限制研究區土地利用，到2030年建設用地需求將成倍增加，雖然基礎設施建設趨于完善，但耕地和林地面積將大幅減少，生態環境和耕地保護形勢將變得嚴峻。生態優先情景下，2030年建設用地增幅下降明顯，耕地和林地面積略有減少，生態系統服務價值稍有下降，與2020年基本持平，符合資源環境保護和生態文明建設的發展思路，但并不能保證經濟高質量發展。旅游優先情景下，2030年建設用地增加量迅速減少，耕地和林地面積小幅下降，生態系統服務價值僅小幅下降，符合相關政策思路。旅游業發展需要綜合考慮自然資源和設施建設、生態環境和經濟發展，避免因人類活動造成建設用地無序蔓延擴張和生態環境惡化，或是過度注重生態環境保護而制約社會經濟發展。

本研究雖較好地模擬了漓江流域的土地利用結構并計算了生態系統服務價值，但仍存在諸多不足。在構建土地利用變化驅動因素指標體系時，偏重自然地理環境因素，對社會經濟因素考慮不全面，特別是對旅游因素缺乏深入挖掘，在旅游發達地區做相關研究時應予以重視；在設置模擬情景時，只設置了自然發展情景、生態優先情景和旅游優先情景，未來還可設置基本農田優先等相應場景。

參考文獻

李斌， 劉越巖， 張斌， 等， 2017. 基于Tietenberg模型的土地利用變化多情景模擬預測： 以武漢市蔡甸區為例[J].資源科學， 39（9）： 1739-1752.

LI B， LIU Y Y， ZHANG B， et al， 2017. Multi-scenario land use change simulation in Caidian using CLUE-S based on Tietenberg Modeling[J].Resources Science， 39（9）： 1739-1752.

李海東， 高吉喜， 2020. 生物多樣性保護適應氣候變化的管理策略[J].生態學報， 40（11）： 3844-3850.

LI H D， GAO J X， 2020. Management strategy for biodiversity conservation to adapt to climate change in China[J]. Acta Ecologica Sinica， 40（11）： 3844-3850.

厲靜文， 董鎖成， 李宇， 等， 2021. 中蒙俄經濟走廊土地利用變化格局及其驅動因素研究[J].地理研究， 40（11）： 3073-3091.

LI J W， DONG S C， LI Y， et al， 2021.The pattern and driving factors of land use change in the China-Mongolia-Russia Economic Corridor[J]. Geographical Research， 40（11）： 3073-3091.

黎夏， 李丹， 劉小平， 等， 2009. 地理模擬優化系統GeoSOS及前沿研究[J].地球科學進展， 24（8）： 899-907.

LI X， LI D， LIU X P， et al， 2009. Geographical simulation and optimization system （GeoSOS） and its cutting-edge researches[J]. Advances in Earth Science， 24（8）： 899-907.

路昌， 韓笑， 韓會芹， 2020. 山東省土地利用轉型與生態服務功能交叉敏感性研究[J].農業機械學報， 51（10）： 223-231.

LU C， HAN X， HAN H Q， 2020. Cross-sensitivity of Land Use Transformation and Ecological Service Function in Shandong Province[J].Transactions of the Chinese Society for Agricultural Machinery， 51（10）： 223-231.

呂樂婷， 張杰， 孫才志， 等， 2018. 基于土地利用變化的細河流域景觀生態風險評估[J].生態學報， 38（16）： 5952-5960.

LYU L T， ZHANG J， SUN C Z， et al， 2018. Landscape ecological risk assessment of Xi River basin based on land-use change[J]. Acta Ecologica Sinica， 38（16）： 5952-5960.

蘇海民， 何愛霞， 2010. 基于RS和地統計學的福州市土地利用分析[J].自然資源學報， 25（1）： 91-99.

SU H M， HE A X， 2010. Analysis of land use based on RS and geostatistics in Fuzhou City[J]. Journal of Natural Resources， 25（1）： 91-99.

王祺， 蒙吉軍， 毛熙彥， 2014. 基于鄰域相關的漓江流域土地利用多情景模擬與景觀格局變化[J].地理研究， 33（6）： 1073-1084.

WANG Q， MENG J J， MAO X Y， 2014. Scenario simulation and landscape pattern assessment of land use changebased on neighborhood analysis and auto-logistic model： a case study of Lijiang River basin[J]. Geographical Research， 33（6）： 1073-1084.

王保盛， 廖江福， 祝薇， 等， 2019.基于歷史情景的FLUS模型鄰域權重設置： 三角城市群2030年土地利用模擬為例[J].生態學報 ， 39 （12）：4284-4298.

WANG B S， LIAO J F， ZHU W， et al， 2019.The weight of neighborhood setting of the FLUS model based on ahistorical scenario： a case study of land use simulation of urbanagglomeration of the Golden Triangle of Southern Fujian in 2030[J].Acta Ecologica Sinica， 39 （12）：4284-4298.

王穗子， 樊江文， 張雅嫻， 等， 2022. 基于草地畜牧業生產的三江源地區承載力多情景模擬分析[J].自然資源學報， 37（7）： 1893-1902.

WANG S Z， FAN J W， ZHANG Y X， et al， 2022. Multi-scenario simulations of carrying capacity of the Three River Headwaters Region based on animal husbandry production[J]. Journal of Natural Resources， 37（7）： 1893-1902.

聞國靜， 王妍， 劉云根， 等， 2017. 典型巖溶湖泊濕地流域土地利用動態及模擬預測[J].福建農林大學學報（自然科學版）， 46（2）： 220-227.

WEN G J， WANG Y， LIU Y G， et al， 2017. Dynamics and simulation predictions of land-use in the typical catchment of Karst lake wetland[J]. Journal of Fujian Agriculture and Forestry University（Natural Science Edition）， 46（2）： 220-227.

向悟生， 李先琨， 丁濤， 等， 2009. 土地利用變化對漓江流域生態服務價值影響[J].水土保持研究， 16（6）： 46-50， 55.

XIANG W S， LI X K， DING T， et al， 2009. Effects of land use changes on eco-service value in Lijiang River basin[J]. Research of Soil and Water Conservation， 16（6）： 46-50， 55.

謝高地， 魯春霞， 冷允法， 等， 2003. 青藏高原生態資產的價值評估[J].自然資源學報， 18（2）： 189-196.

XIE G D， LU C X， LENG Y F， et al， 2003. Ecological assets valuation of the Tibetan Plateau[J]. Journal of Natural Resources， 18（2）： 189-196.

謝高地， 肖玉， 甄霖， 等， 2005. 我國糧食生產的生態服務價值研究[J].中國生態農業學報（中英文）， 13（3）： 10-13.

XIE G D， XIAO Y， ZHEN L， et al， 2005. Study on ecosystem services value of food production in China[J]. Chinese Journal of Eco-Agriculture， 13（3）： 10-13.

謝高地， 張彩霞， 張雷明， 等， 2015.基于單位面積價值當量因子的生態系統服務價值化方法改進[J].自然資源學報， 30（8）： 1243-1254.

XIE G D， ZHANG C X， ZHANG L M， et al， 2015. Improvement of the Evaluation Method for Ecosystem Service Value Based on Per Unit Area[J]. Journal of Natural Resources， 30（8）： 1243-1254.

謝凌凌， 許進龍， 臧俊梅， 等， 2022. 基于MarKov-FLUS模型的廣西土地利用變化模擬預測[J].水土保持研究， 29（2）： 249-254， 264.

XIE L L， XU J L， ZANG J M， et al， 2022. Simulation and prediction of land use change in Guangxi based on Markov-FLUS model[J]. Research of Soil and Water Conservation， 29（2）： 249-254， 264.

楊朔， 蘇昊， 趙國平， 2022. 基于PLUS模型的城市生態系統服務價值多情景模擬： 以漢中市為例[J].干旱區資源與環境， 36（10）： 86-95.

YANG S， SU H， ZHAO G P， 2022. Multi-scenario simulation of urban ecosystem service value based on PLUS model： a case study of Hanzhong City[J]. Journal of Arid Land Resources and Environment， 36（10）： 86-95.

楊麗萍， 張靜， 貢恩軍， 等， 2022. GEE聯合多源數據的西安市土地利用時空格局及驅動力分析[J].農業工程學報， 38（2）： 279-288.

YANG L P， ZHANG J， GONG E J， et al， 2022. Analysis of spatio-temporal land-use patterns and the driving forces in Xi'an City using GEE and multi-source data[J]. Transactions of the Chinese Society of Agricultural Engineering， 38（2）： 279-288.

張學斌， 羅君， 石培基， 等， 2020. 格網尺度下張掖生態系統服務價值時空演變及地形梯度分異特征[J].應用生態學報， 31（2）： 543-553.

ZHANG X B， LUO J， SHI P J， et al， 2020. Spatial-temporal evolution pattern and terrain gradient differentiation of ecosystem service value in Zhangye， Northwest China at the grid scale[J]. Chinese Journal of Applied Ecology， 31（2）： 543-553.

趙書虹， 白夢， 阮夢枝， 等， 2021. 云南省旅游資源與生態安全協調發展的時空演化特征及障礙因子分析[J].地理科學， 41（3）： 493-503.

ZHAO S H， BAI M， RUAN M Z， et al， 2021. Spatio-temporal evolution characteristics and obstacle factors of coordinated development of tourism resources and ecological security in Yunnan Province[J].Scientia Geographica Sinica， 41 （3）： 493 -503 .

卓靜， 朱延年， 李韜， 等， 2022. 陜北黃土高原區生態服務價值對土地利用變化的響應[J].水土保持研究， 29（5）： 336-342.

ZHUO J， ZHU Y N， LI T， et al， 2022. Response of ecological service value and quality to land use change in China's Loess Plateau[J]. Research of Soil and Water Conservation， 29（5）： 336-342.

EROKHIN V， GAO T， IVOLGA A， 2020. Structural variations in the composition of land funds at regional scales across Russia[J].Land， 9（6）： 201.

GONG J Z， LIU Y S， XIA B C， et al， 2009. Urban ecological security assessment and forecasting， based on a cellular automata model： a case study of Guangzhou， China[J].Ecological Modelling， 220（24） ： 3612-3620.

GUAN D J， ZHAO Z L， TAN J， 2019. Dynamic simulation of land use change based on logistic-CA-Markov and WLC-CA-Markov models： a case study in three gorges reservoir area of Chongqing， China[J].Environmental Science and Pollution Research， 26（20）： 20669-20688.

HE W， LI Y Q， WANG J Y， et al， 2021. Using field spectroradiometer to estimate the leaf N/P ratio of mixed forest in a Karst area of Southern China： a combined model to overcome overfitting[J].Remote Sensing， 13（17） ： 3368.

LI N， WANG J Y， WANG H， et al， 2021. Impacts of land use change on ecosystem service value in Lijiang River Basin， China[J].Environmental Science and Pollution Research， 28（34）： 46100-46115.

LIU C L， LI W L， ZHU G F， et al， 2022. Land use/land cover changes and their driving factors in the Northeastern Tibetan Plateau based on geographical detectors and google earth engine： a case study in Gannan Prefecture[J].Remote Sensing， 12（19）： 3139.

LIU X P， LIANG X， LI X， et al， 2017. A future land use simulation model （FLUS） for simulating multiple land use scenarios by coupling human and natural effects[J].Landscape and Urban Planning， 168： 94-116.

LU C， QI X， ZHENG Z S， et al， 2022. PLUS-model based multi-scenario land space simulation of the lower Yellow River Region and its ecological effects[J].Sustainability， 14（11）： 6942.

SHI H， LI X， YANG Z， et al， 2020.Tourism land use simulation for regional tourism planning using POIs and cellular automata[J].Transactions in GIS， 24（4）： 1119-1138.

ZHOU Y， ZHANG X， YU H， et al， 2021. Land use-driven changes in ecosystem service values and simulation of future scenarios： a case study of the Qinghai-Tibet Plateau[J].Sustainability， 13（7）： 4079.

Multi-scenario Prediction of Ecosystem Service Values Based

on the PLSR-FLUS-MarKov Model： A Case Study of Lijiang River Basin

Abstract：Ecosystem service value assessment can effectively identify regional habitat quality， optimize biodiversity conservation areas， calculate ecological compensation amounts and， to some extent， cultivate human awareness of the \"value of natural resources\"， thereby promoting the construction of a regional ecological civilization. In this study， Lijiang River was selected as a case study， and we simulated the land use pattern and predicted the ecosystem service values of the Lijiang River basin in 2030 under three development scenarios that assumed differing priorities for ecological preservation and tourism. We also analyzed the impact of land use change on ecosystem service value. The study was based on the data from remote sensing images for the Lijiang River basin in 2010 and 2020. Topographic and geomorphic features， climate， tourism， and related socio-economic factors were selected as drivers of land use change for model fitting， revision and validation. The revised PLSR-FLUS-MarKov model， and the equivalent factor method were then used to simulate land use changes and predict ecosystem service value in 2030 under three scenarios： natural development， ecological priority， tourism priority. Results show that： （1） The PLSR-FLUS-MarKov model accurately portrayed the dynamic changes of land use in the watershed， with a simulation accuracy of 83.57%. （2） Land-use change areas in the watershed was concentrated in the Guilin City district， Xing'an County and Yangshuo County， with arable and forest lands converted to construction land and interconversion between arable land and forest land. （3） The ecosystem service values in the watershed in 2030 trended downward. The ecosystem service value was the highest under the scenario of ecological priority， followed by tourism priority and natural development， with respective values of 22.561， 22.291 and 21.807 billion yuan， decreases of 148， 418 and 902 million yuan compared to 2020. The ecosystem service values were higher in the northeast and lower in the southwest， and the rate of decline decreased after implementing the ecological priority strategy. Forest land contributed most to the ecosystem service value in Lijiang River basin， accounting for more than 80% of the total value， followed by arable land and surface water. Our study provides scientific guidance for the construction of a world-class tourism city， Guilin City， and managing regional ecosystem health.

Key words：land use change; ecosystem service value; PLSR-FLUS-MarKov model; multi-scenario simulation; Lijiang River basin