基于PLUS模型的西安市多情景生態系統服務價值評估

關鍵詞生態系統服務價值；PLUS模型；多情景模擬；土地利用；西安市

中圖分類號X171.1文獻標識碼A

文章編號 0517-6611（2025）08-0047-08

doi：10.3969/j.issn.0517-6611.2025.08.011

開放科學（資源服務）標識碼（OSID）：

AbstractTakingXi’anastheresearcharea，thePLUSmodelandequivalentfactormethodwereemployedtosimulatelanduse paters underdierentsenariosin03andevalateteirecosystemservicevalue（ESV）.hersultshowedthattheKappacoefientofheLU model was O.862，the FOM value was O.14，and the overall accuracy was 9 1 . 6 1 % ，and the simulation effect was good.From 2000 to 2020，forest andcultivatedlandweretheaintypesfanduseinXi’anteaeaofwatrandwetlandcontiuedtoincreasehilethareaofculivated landndgrassandsoedowardtrendehanginlandtiillbedominaedbytedecreaseofivatedlanddalandadescddiidluaet scenarioUnderoicalpoteeapaateostildastadofrst terareaandetlandwithologicalfuncisicreasdteostunderteoomicevelopmentodel，tedlierateofultitedland wasthelargesttegrothateofwaterdwendastsalestamongteesenaosndteothatefostrutiolandas thelargest.ThVudertheatualdvelopent，olicalproteioadocprrteaisin3as6708loa 68，361.34mlnd6lloaspiely，llfeasediApotao growthwasthtiusiceaeineaofforestatedtasesilatioofoocprorityenadolicalote tionscenariosprovdsaeferefrtesupplyofostesicsuderdealonditiosndteatualdevelopntsceaosaer balancetheoflictetwnolgcallnddprodutioandlivingndichisoreinlineittfuturedvelopentdictoofla use in Xi'an.

Key wordsEcosystem service value；PLUS model； Multi scenario simulation；Land use；Xi'an City

生態系統服務是生態系統及其過程為確保人類生存而形成的自然環境條件與效用[1]。生態系統服務價值（ecosys-temservicevalue，ESV）是生態系統服務的貨幣化、生態系統服務能力的經濟價值量化以及生態系統對人類社會貢獻的反應[2]。生態系統服務價值是聯系生態系統和人類福祉、健康、生計的關鍵橋梁，是計算綠色GDP 的一個重要指標[3-4] O

土地利用類型的變遷是生態系統服務價值的主要推動力，他們之間存在著相互影響和相互約束的關系[5，大量研究采用多樣化的研究方法，從不同尺度對土地利用變化背景下的生態系統服務價值進行研究，例如許譯方等利用大尺度遙感影像和馬爾科夫鏈預測方法對粵港澳大灣區的ESV進行了估算；楊偉青等利用GeoSOS-FLUS模型對涪江流域ESV進行了多情景模擬評估；張百婷等8運用土地利用動態度、土地利用轉移矩陣探究祁連山1990—2020年ESV時空演變；程玉恒等[9利用土地利用程度變化模型對南京市高淳區村域尺度土地利用功能的時空演變格局進行了探究，并評估了該區域ESV損益情況。PLUS模型廣泛應用于多情景模擬未來土地利用[10-15]，例如張朝輝等[1]耦合PLUS-Geodetector模型對未來15年土地利用情景進行模擬并探究3種情景下和田地區的生態系統服務價值；李安林等[12利用PLUS模型及當量因子法對怒江州ESV進行多情景模擬評估；李依汶等[13]利用PLUS模型和當量因子法，模擬評估洞庭湖流域2030年不同土地利用情景下ESV的時空演替；隋露等[15]模擬了2030 年烏魯木齊在多個情景下的土地利用變化，并結合使用當量因子法估算ESV，將土地利用變化與ESV聯系起來。與其他模型相比，PLUS模型能夠更有效地分析土地擴張和景觀變化的驅動因素；且單一情景下難以揭示自然發展和政策約束下ESV之間的差異，進而阻礙政府優化土地利用結構以及經濟和社會發展與生態保護之間的平衡。筆者利用PLUS模型對西安市土地利用變化情況進行多情景模擬，在此基礎上進行ESV的評估，準確核算ESV對于及時了解生態系統服務動態、合理配置土地資源及建立生態安全格局具有重要意義[16]

1資料與方法

1.1研究區概況 西安市位于陜西省中部（

，地勢南高北低，溫帶大陸性季風氣候。下轄11區2縣，總面積1.01萬 ；常住人口129.53萬，人口城鎮化率達到 7 9 . 2 % ；2020年GDP地區生產總值達到10020.39億元，經濟體量持續擴大。西部大開發戰略、“一帶一路\"倡議等的順利實施，為西安帶來發展機遇的同時也對生態系統產生一定程度的影響。

1.2數據來源該研究的數據可分為地理信息數據及自然和社會經濟數據兩大類，地理信息數據包括 的土地利用、DEM數據及道路、河流等基礎地理信息數據，自然和社會經濟數據包括溫度、降水、人口、GDP、糧食收購價格、單位面積糧食產量。所有數據均重采樣為 的空間分辨率，空間坐標系均投影變換為CGCS2000。研究區數據信息見表1。

1.3 研究方法

1.3.1PLUS模型。PLUS模型是CA模型的一種，其集成了LEAS和CARS2個模塊，可用于挖掘土地擴張的驅動因素并預測土地利用景觀的斑塊級演化；與其他CA模型相比，具有更高精度的土地利用類型的斑塊詳細演變能力及更接近真實景觀的景觀格局模擬。PLUS模型所涉及的方法過程及一些關鍵參數的設置說明如下：

（1）驅動因子選取。根據研究區的實際情況、數據可得性及對相關研究成果的參考，選取高程、坡度、GDP、人口、溫度、降水、河流距離、省道距離、縣道距離、鄉道距離、高速距離、城市一級道路距離、城市二級道路距離、城市三級道路距離、城市四級道路距離共15個影響因子

（2）限制性區域設置。秦嶺山地區自然保護地分布廣泛，森林資源和野生動植物資源豐富多樣，具有極重要的生態價值，土地利用類型長期不可發生變化，因此將自然保護地設置為土地利用轉化限制性區域。

（3）領域權重設置。領域權重越大，土地類型的擴張能力越強。根據歷史情境，按照公式（1）確定領域權重。

式中： X 為某類土地利用類型的領域權重， X ∈ （ 0 ， 1 ） 6]（ i 取整數）； 為某類土地利用類型的初期柵格數量； 為某類土地利用類型的末期柵格數量。經計算，各類土地利用類型的權重分別為耕地0.45、林地0.14、草地0.04、水域及濕地0.01未利用地0.01、建設用地 0 . 3 5

（4）模擬過程。選擇2000和2010年的2期數據進行模擬精度的驗證，通過Kappa系數、Fom系數以及總體精度來衡量模型的模擬精度，再用2010和2020年的2期數據進行2030年的模擬預測。

（5）精度驗證。經PLUS模型的Kappa統計工具和FOM統計工具的精度驗證，得到Kappa系數為0.862，FOM值為0.14，總體精度為 9 1 . 6 1 % ，模擬精度較高，可用于2030年西安市多情景的土地利用模擬。

1.3.2情景設置。該研究設定3種未來發展情景，分別為自然發展情景、生態保護情景、經濟優先情景。自然發展情景是指研究區的各土地利用類型順應自然演變規律，借助

Markov模型預測2030年各土地利用類型的面積。生態保護情景是指政府為提高生態環境的穩定性，嚴格管控城鎮建設用地總量增長，筑牢西安秦嶺生態安全屏障；在此情景下，將林地向耕地和建設用地的轉出概率降低 4 0 % ，耕地、草地、未利用地向建設用地的轉入概率降低 3 0 % ，水域及濕地向建設用地的轉出概率降低 4 0 % ，草地和未利用地向林地、水域及濕地的轉入概率增加 30 % ，建設用地向林地、水域及濕地的轉出概率增加 3 0 % ，并將自然保護區作為限制轉換區域。經濟優先情景下，充分發揮西安連接南北溝通東西的重要作用，帶動本區及周邊地區經濟快速發展的引領作用；在此情景下，將耕地、草地、未利用地、林地向建設用地的轉入概率增加 20 % ，建設用地向除耕地外的其他地類的轉出減少30 % 。

1.3.3生態系統服務價值估算。該研究采用當量因子法[14]估算研究區ESV，并根據研究區實際情況對生態系統服務的當量系數進行修正。

（1）地區系數修訂。修訂公式如下：

式中： λ 為地區修訂系數； Q 為研究區3種主要農作物（小麥、玉米、水稻）單位面積糧食平均產量； 為全國3種作物單位面積糧食平均產量； 為修訂后生態服務功能價值當量； 為全國平均生態服務功能價值當量（ ？ i = 1 ， 2 ， 3 ， 4 ， 5 ， 6 分別對應于耕地、林地、草地、水域及濕地、未利用地、建設用地）。修訂后的西安市生態系統服務當量因子如表2所示。

（2）經濟價值修訂。修訂公式如下：

式中： 為單位面積當量系數的經濟價值； Q 為2000—2020年研究區3種作物的平均產量； P 為3種作物的平均收購價格。由公式（4）求得研究區 為1589.88元 。

1.3.4敏感性分析。敏感性分析是衡量ESV隨時間變化對生態系統服務價值系數變化的依賴程度[17]。通過調整各地類ESV系數的 ± 5 0 % ，計算ESV對價值系數變化的響應。公

式如下：

（5）式中：CS為敏感性指數； ） 分別為調整前、調整后估算的生態系統服務價值； 為調整前的價值系數； 為調整后的價值系數： k 為土地利用類型。當 ，ESV對于VC富有彈性；當 ，ESV缺乏彈性，是可靠的。

2 結果與分析

2.1土地利用結構變化分析從表3可以看出，林地和耕地為西安市的主要土地利用類型，2000、2010、2020年林地面積分別為 4 6 5 8 . 4 1 ， 4 7 6 6 . 4 0 和 ，耕地面積分別為 和 。自退耕還林還草政策、“天保工程”實施以來，西安市不斷加大林地資源的保護力度，全面停止天然林商業性采伐，森林資源持續增長，生態效能得到進一步恢復；“十三五\"期間，西安市劃定生態保護紅線，持續加大林地、濕地管理力度，不斷強化工作措施，確保自然生態資源得到有效保護，故林地、水域及濕地面積呈現出持續增加的態勢。水域及濕地隨著“八水繞長安”工程的實施以及自然保護區和濕地公園的設立建成，呈現增加趨勢，增加 ；未利用地增加 ，建設用地增加 。耕地、草地的減少主要是生態、生產和生活用地之間的階段性權衡導致的，退耕還林及城鎮化快速擴張對耕地的占用導致耕地面積快速減少，草地減少的主要原因是對耕地和林地的補充轉化以及建設用地擴張的占用；林地、水域及濕地的增加說明西安經濟發展的同時注重生態保護，并未以過度的犧牲生態條件來發展經濟，積極踐行綠色國土開發理念。

2.2多情景土地利用模擬分析以2020 年為基期，模擬西安市2030年自然發展、生態保護、經濟優先3種情景下的土地利用情況（表4），土地利用轉移矩陣如圖2所示。

表4自然發展、生態保護和經濟優先情景下的西安市土地利用面積

（1）自然發展情景是指不設置任何轉換限制約束，遵循研究區的自然發展規律。與2020年相比，耕地和草地面積有所減少，林地、水域及濕地、未利用地、建設用地呈現增加態勢。其中，建設用地的增加面積最大，增加了 ，增長率為 2 2 . 9 5 % ；未利用地的增加幅度最大，增加了 ，增長率為 5 6 . 1 4 % ，為西安市提供豐富的耕地后備資源及建設用地的彈性調整；林地面積增加了 ，增長率為 2 . 3 7 % ；水域及濕地面積增加了 ，增長率為1 6 . 5 7 % ；草地減少幅度最大，減少了 ，減少率為3 0 . 6 3 % ；耕地面積減少了 ，減少率為 1 0 . 9 4 % 。自然發展情景下，西安市社會經濟的發展及城鎮化擴張對城區周邊的農用地占用趨勢擴大，即體現在耕地和草地數量的減少以及建設用地的擴張，擴張區域主要分布于北部的黃土臺塬區、渭河支流階地以及沖積平原（圖3），雖擴張面積總量較大，但是擴展范圍較小，比較分散。林地、水域及濕地面積的增加得益于西安市“大水大綠”“天保工程”等重點工程的實施以及自然公園和自然保護區的建立，故呈現持續增加的趨勢。

（2）生態保護情景。在自然發展基礎上，將自然保護地設置為限制轉換區域，提高建設用地、草地、未利用地向林地、水域及濕地的轉化概率。與2020年相比，耕地面積處于減少狀態，從 減少至 ，減少率為1 1 . 5 4 % ；水域及濕地的增加幅度最大，主要位于“長安八水”等開放水域及周邊濕地區，增長率為 2 8 . 9 3 % ，較自然發展情景有所提高；草地面積的增加率雖仍為負，但是減少幅度有所減小，較自然發展情景升高2.08百分點；林地面積相較自然發展情景增加了 。建設用地相較于自然發展情景減少了 ，說明以生活、生產功能為主的建設用地的轉入受到約束，增長速率得以降低，自然生態資源得到有效保護。

（3）經濟優先情景。與2020年相比，以生態功能為主的地類，包括林地、草地、水域及濕地，增加幅度均有所下降；建設用地面積的增加幅度最大，增加了 ，增長率相較自然發展情景的升高4.94百分點；水域及濕地的面積增加了 ，但與自然發展情景相比下降8.64百分點；草地面積減少幅度比自然發展情景增大 ；林地面積的變化幅度不大，僅比自然發展情景下降0.04百分點；未利用地面積基數較小，較自然發展情景減少了 ，整體數值變化不大。在經濟優先情景下，建設用地面積的擴張無論是橫向與同模式的其他地類的面積變化相比還是縱向與不同情景下的建設用地的擴張面積相比，其變化都是最顯著的，符合經濟優先情景下優先考慮建設用地指標增加的發展模式。但西安市并未以犧牲生態為代價來使建設用地的擴張指標達到優先保障，以生態功能為主的林地、草地、水域與濕地雖與自然發展情景相比增長率有所下降，但與2020年相比，均處于增長的狀態。

2.3生態系統服務價值時空變化從表5可以看出，與2020年相比，2030年自然發展情景、生態保護情景、經濟優先情景下的ESV分別為679.7082億、683.6134億、6 7 7 . 6 7 6 6 億元，均呈現上升趨勢。其中，林地貢獻度最高，達到 9 0 % 以上；其次是耕地，貢獻率在 6 % 上下波動；草地的單位當量系數較小、水域及濕地的面積占比較小，使二者對生態系統服務價值的貢獻度較小；建設用地的生態系統服務價值為0。在自然發展情景下，2020—2030年ESV整體增加了9.8749億元，各土地利用類型的ESV變化趨勢符合2000—

2020年各地類的整體變化趨勢，與西安市的自然演變規律相符。生態保護情景下2020—2030年ESV增量相對于其他2種情景，增長量最大，增加13.7801億元。林地、水域及濕地的ESV增加幅度較大，原因是林地本底條件優越，同時又加大了對森林資源的的保護力度，面積進一步增加，生態效能得到進一步增強，ESV大幅增長；水域及濕地ESV的增長則得益于繼續加強對“長安八水”濕地自然公園和自然保護區等地區的重點保護；草地ESV雖呈現下降趨勢，但相較自然發展情景，下降幅度有所減小。與自然發展情景相比，經濟優先情景下建設用地擴張速率加快，以生態功能為主的林地、水域及濕地的增幅被限制；水域及濕地的增幅（ 7 . 9 5 % ）縮減最大，下降了8.61百分點；林地增幅（ 2 . 3 3 % 縮減了0.04百分點；該情景下的ESV增幅最小，僅增加7.8433億元，ESV減少區主要位于北部的渭河平原區。

通過ArcGIS10.2建立網格尺度為 的漁網，計算得到研究區的ESV總量，通過自然斷點法將ESV分為5級（低值、較低值、中值、較高值、高值）。從圖4可以看出，2000—2030年西安市ESV整體呈現出南高北低的空間分布格局，2030年不同情景下西安市土地利用格局（圖3）與ESV分布格局基本一致，但局部存在差異，ESV高值區集聚連片分布在南部的秦嶺山區地帶，低值區主要位于北部經濟發展水平較高、城鎮密集的平原區。結合土地利用與ESV變化進一步分析發現，自然發展情景下，ESV發生變化的漁網單元數達到15685個，其中，ESV價值量增長的漁網單元數占比僅為 2 4 . 4 8 % ，說明此種情景下，較少的土地帶動全市的生態系統服務功能供給的增長，提供優質生態服務的地類分布不平衡，主要分布于西安市北部涇河、渭河，中西部的驪山丘陵區、灞河流域、水庫等周邊地區及南部秦嶺山地區；ESV呈現較為顯著變化的為驪山丘陵區的周邊地區（低值向較低值、中值轉化，中值升高為較高值），秦嶺山區北部邊緣及灞河流域附近ESV較高值向高值轉化；ESV價值量下降的地區主要分布于中部及北部的城區附近，變化幅度較小且ESV各等級間沒有發生轉化。生態保護情景下，ESV發生變化的漁網單元數僅4625個，其中呈現正值增長的單元數占比達9 5 . 7 4 % ，集中分布于“八水\"流域附近、丘陵區及山地區；南部秦嶺山地區ESV由較高值向高值轉化，驪山丘陵區為低值、較低值大幅向較高值轉化；流域附近為中值、較高值向高值轉化，林地、水域及濕地的ESV增長幅度相比自然發展情景增大。經濟優先情景下，ESV發生變化的漁網單元數為3種情景之中最多，達到了16356個，ESV增長為負的漁網單元占比達到 7 6 . 3 3 % ，但ESV等級為較低值且未發生變化，主要分布于中部和南部的城區附近，由于城鎮的開發建設對耕地的占用，期內耕地與建設用地轉化的單元數占比達到7 5 . 9 4 % 。

2.4敏感性分析使用敏感性分析公式（5）檢驗西安市ESV對價值系數的依賴程度，分別對2000—2030年各土地利用類型的敏感性進行檢驗，如表6所示，CS均小于1，說明西安市各地類的ESV對于VC的調整缺乏彈性，研究結果具有可靠性。

3討論

該研究借助PLUS模型模擬2030年自然發展情景、生態保護情景和經濟優先情景下各類土地利用類型的變化，并進一步計算得到不同情景下西安市ESV的變化。

從各地類之間的轉化來看，林地的增加主要來源于耕地、草地的轉入，耕地和建設用地的轉入是水域及濕地增加的主要原因。西安市政府對生態環境建設的不斷投入是林地、水域及濕地面積持續增加的主要原因。自1999年實行退耕還林還草政策以來，大批林業重點工程一直在持續推進，“大水大綠”重點區域綠化、天然林保護、三北防護林建設等使得林地資源持續增加，生態效能得到進一步恢復；濕地保護區、濕地公園的建立、“八水繞長安”工程以及對非法違規建筑的整治系列工程均對水域及濕地的生態恢復起到積極作用，水域及濕地資源得到有效保護，面積呈現較快增加趨勢。退耕還林還草等政策的推行及城鎮的快速擴張對耕地的占用使得耕地面積持續減少，耕地保護壓力較大，尤其以城區周邊區縣減少較為嚴重，在今后的耕地保護工作中，西安市政府必須堅持最嚴格耕地保護制度，規范耕地占補平衡，積極推進永久基本農田核實整改補足工作，優化長期穩定利用耕地布局。草地向林地、耕地及建設用地的較多轉出為平衡生態保護、耕地維穩、城市發展起到關鍵的協調作用；未利用地呈現增加趨勢但占比極小，零星分布于城鄉建成區附近，推測是由于數據采集時間不同，所導致的植被等地物覆蓋或者土地利用類型短暫轉化。

從土地利用模擬結果來看，較高的模擬精度保證了模擬的可靠性。3種情景下，建設用地面積擴張最大，增幅最大的為經濟優先情景，面積擴大 ；林地增加幅度略小于建設用地，但由于森林資源本底良好，林地依然是西安市面積最大的土地利用類型，生態保護情景下增量最大，達到 ；水域及濕地在不同情景下的面積波動較大，生態保護情景下面積最大，經濟優先情景下面積最小，但均大于2020年水域及濕地面積

進一步分析ESV變化與土地利用之間的關系，3種情景下ESV均呈現南高北低的狀態，這與西安市整體的地貌分布及地類相同，北部為平原、黃土冶塬、河流階地，以ESV較低的耕地、草地、建設用地分布為主；南部以山地、丘陵為主，地類以林地、水域及濕地為主，ESV較高。對ESV的貢獻程度最大的3種地類分別為林地、耕地、水域及濕地，由于濕地面積較小且一般與河流共生，所以該研究將水域及濕地2種地類識別為一種地類即水域及濕地，可能一定程度上影響ESV的評估精度。水域及濕地的轉人及變化趨勢與馮珊[18研究促進西安市生態環境正向發展的2種土地利用方式相似；與張輝等[19]得出的2000—2020年西安市土地利用的轉化及對生態價值的貢獻度研究結果相似，可以驗證該研究ESV評估結果的真實性。

在進行不同情景模擬設定時，鄰域權重及轉移概率的選取應用具有一定的主觀性，且考慮到數據的可獲得性，該研究僅將自然保護地設置作為限制性區域，未將其他政策性因素考慮在內；在驅動因素的選取上，缺乏對各驅動因素之間的相互作用關系的考量。在后續的研究中將會使用更高精度的自然及社會經濟數據，進一步探究各驅動因子之間的相互作用對ESV的影響，提高區域ESV評估的精度。

4結論

（1）利用PLUS模型模擬2030年西安市的土地利用情況，Kappa系數為0.862，FOM值為0.14，說明模型模擬精度較高，模擬效果較好。

（2）2000—2020年，林地、耕地為西安市土地的主要利用類型，水域及濕地面積持續增加，耕地、草地面積呈現減少趨勢，主要轉化為林地、建設用地、水域及濕地。

（3）2030年，耕地、草地的縮減，林地、建設用地、水域及濕地的增加為西安市土地利用的主要變化。耕地面積減少幅度最小的為自然發展情景；建設用地在生態保護情景下擴張速率最小，以生態功能為主的林地、草地、水域及濕地面積增加最大；經濟優先情景下，耕地減少速率最大，水域及濕地增加速率得到抑制，且為3種情景最小，建設用地在3種情景中增幅最大。

（4）自然發展情景、生態保護情景、經濟優先情景下，西安市ESV分別為679.7082億、683.6134億、677.6766億元，比2020年均有所增長，其增長的重要原因來源于林地、水域及濕地面積的持續增加。低值區與高值區之間有明顯的界線，低值區集中分布在北部經濟發展水平較高、城鎮密集的平原區，高值區連片分布在西安市南部山區地帶。

（5）自然發展情景與經濟優先情景ESV雖相差無幾，但經濟優先情景之下，較多耕地被占用，水域及濕地對ESV的增長帶動受到抑制；生態保護情景之下，ESV最大，但較多耕地轉化為生態用地，加重耕地保護的壓力。綜上所述，自然發展情景能夠較好地平衡生態用地與生產及生活用地之間的矛盾，更能兼顧西安市未來土地利用的發展需求，經濟優先情景和生態保護情景的模擬為理想條件下經濟優先和生態優先的生態系統服務功能的供給提供參考。

參考文獻

[1]COSTANZA R，D'ARGE R，DE GROOT R，et al.The value of the world’secosystem services and natural capital[J].Ecological economics，1998，25（1） ：3-15.

[2]YANG RF，RENF，XU WX，et al.China's ecosystem service value in1992—2018： Pattern andanthropogenic driving factors detection usingBayesianspatiotemporal hierarchy model[J].Journal of environmental man-agement，2022，302：114089.

[3]XU YQ，XIAOFJ，LIAO Y M.Assessment of grassland ecosystem servicevalue in response to climate change in China[J].Diversity，2O22，14（3）：1-17.

[4]劉玉龍，馬俊杰，金學林，等.生態系統服務功能價值評估方法綜述[J].中國人口·資源與環境，2005，15（1）：88-92.

[5]許諾瑾，丁兵兵，余新曉，等.基于土地利用變化的黃河上游四川段生態系統服務價值評價[J].水土保持學報，2024，38（2）：178-189.

[6］許譯方，周永杰，何煜然，等.基于土地利用變化的粵港澳大灣區生態系統服務價值預測研究[J].生態科學，2020，39（1）：207-212.

[7]楊偉青，張會蘭.基于GeoSOS-FLUS的涪江流域生態系統服務價值評估及多情景模擬[J].水土保持研究，2022，29（5）：253-262.

[8]張百婷，李宗省，馮起，等.基于土地利用變化的1990一2020年祁連山地區生態系統服務價值演化分析[J].生態學報，2024，44（10）：1-16.

[9]程玉恒，喬偉峰，何天祺，等.南京市高淳區村域尺度土地利用功能變化及生態系統服務價值響應研究[J].地理科學，2024，44（2）：340-350.

[10]LIANG X，GUANQF，CLARKE K C，et al.Understanding the drivers ofsustainable land expansion using a patch-generating land use simulation（PLUS） model： A case study in Wuhan，China[J].Computers，environ-mentandurbansystems，2021，85：1-36.

［11］張朝輝，于師琪.基于土地利用情景模擬的和田地區生態系統服務價值時空特征與交互驅動研究[J].農業資源與環境學報，2024，41（4）：780-793.

[12]李安林，周艷，唐麗毅，等.怒江州土地利用模擬及生態系統服務價值評估：基于PLUS模型的多情景分析[J].中國農業資源與區劃，2023，44（1） ：140-149.

[13]李依汶，林濤，周文強，等.基于多情景模擬的洞庭湖流域生態系統服務價值研究[J].中國農業資源與區劃，2024，45（10）：109-121.

[14］謝高地，張彩霞，張雷明，等.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，2015，30（8）：1243-1254.

[15]隋露，蒲春玲，劉志有，等.基于PLUS模型的烏魯木齊市生態服務價值權衡協同探究[J].干旱區地理，2023，46（1）：159-168.

[16］楊舒媛，李子君.土地利用變化背景下沂河流域生態系統服務價值時空格局演化[J].環境科學，2024，45（8）：4722-4732.

[17]岳書平，張樹文，閆業超.東北樣帶土地利用變化對生態服務價值的影響[J].地理學報，2007，62（8）：879-886.

[18]馮珊.西安市土地利用功能轉型與生態環境效應分析[J].自然資源情報，2023（2） ：20-27.

[19]張輝，謝濤，楊張瑜，等.西安市生態系統服務價值與生態風險時空演變及其關聯分析[J].環境生態學，2024，6（7）：37-44.