EN中文

自然资源学报 >

2025 , Vol. 40 >Issue 2: 493 - 513

DOI: https://doi.org/10.31497/zrzyxb.20250213

其他研究论文

基于土地利用变化多情景模拟的郑州市生态系统服务退化风险识别及其启示

  • 李岩 , 1, 2 ,
  • 吴浩 , 1, 2 ,
  • 朱连奇 3 ,
  • 王茵 1, 2 ,
  • 邵文婷 1, 2
展开
  • 1.华中师范大学城市与环境科学学院，武汉 430079
  • 2.地理过程分析与模拟湖北省重点实验室，武汉 430079
  • 3.河南大学地理与环境学院，开封 475004
吴浩（1977- ），男，湖北黄冈人，博士，教授，主要从事地理信息科学理论与应用技术研究。E-mail:

李岩（1987- ），女，河南许昌人，博士研究生，主要从事土地利用变化及其生态环境效应研究。E-mail:

收稿日期: 2024-03-11

  修回日期: 2024-08-30

  网络出版日期: 2025-01-23

基金资助

国家自然科学基金项目(U23A2020)

国家自然科学基金项目(42071358)

2023年华中师范大学优秀研究生教育创新资助项目(2023CXZZ024)

收起

Identification of ecosystem service degradation risks in Zhengzhou based on multi-scenario simulation of land use changes

  • LI Yan , 1, 2 ,
  • WU Hao , 1, 2 ,
  • ZHU Lian-qi 3 ,
  • WANG Yin 1, 2 ,
  • SHAO Wen-ting 1, 2
Expand
  • 1. College of Urban and Environmental Sciences, Central China Normal University, Wuhan 430079, China
  • 2. Hubei Province Key Laboratory for Geographical Process Analysis and Simulation, Wuhan 430079, China
  • 3. College of Geography and Environmental Science, Henan University, Kaifeng 475004, Henan, China

Received date: 2024-03-11

  Revised date: 2024-08-30

  Online published: 2025-01-23

Fold

摘要

科学识别生态系统服务退化风险区域对开展城市生态风险管控具有重要的现实意义。以郑州市为研究区，运用Markov-PLUS模型、当量因子法等方法，探究郑州市2000—2035年四种情景的土地利用变化及生态系统服务价值（ESV）时空演变规律，识别出生态系统服务退化风险区域。结果表明：（1）2000—2020年耕地和水域面积大幅减少，建设用地快速扩张；2020—2035年自然发展、城市增长、耕地保护和生态保护四种情景下建设用地将持续扩张、耕地依然减少，而水域在生态保护情景下将显著增加。（2）基于半变异函数得到的郑州市生态系统服务退化风险识别单元的最优空间尺度为500 m。（3）生态保护情景下，研究期间的郑州市ESV将由原有的降低趋势转变为升高。（4）2035年郑州市生态系统服务退化风险防范应重点关注黄河沿线滩区、金水区、惠济区和二七区的水域、湿地、林地的敏感区域。研究结果可为理解城市未来土地利用变化与生态系统服务退化风险的内在逻辑关联提供理论借鉴，并为郑州市及同类城市国土资源优化配置和生态保护策略精准实施提供参考。

关键词： .生态系统服务; 空间尺度; 土地利用变化; 多情景模拟; 退化风险; 郑州市

本文引用格式

李岩 , 吴浩 , 朱连奇 , 王茵 , 邵文婷 . 基于土地利用变化多情景模拟的郑州市生态系统服务退化风险识别及其启示[J]. 自然资源学报, 2025 , 40(2) : 493 -513 . DOI: 10.31497/zrzyxb.20250213

Abstract

The scientific identification of ecosystem service degradation risk areas has significant practical importance for urban ecological risk management. Taking Zhengzhou city as the research area, this study utilized multiple methods, including Markov-PLUS model and the equivalent factor method, to explore the spatiotemporal evolution patterns of land use changes and ecosystem service values (ESV) in Zhengzhou under four scenarios from 2000 to 2035, and finally identified risk areas of ecosystem service degradation. The results indicate that: (1) From 2000 to 2020, there was a significant reduction in arable land and water areas, while built-up land expanded rapidly. From 2020 to 2035, under the four scenarios of natural development, urban growth, arable land protection, and ecological protection, built-up land will continue to expand and arable land is expected to keep decreasing, while water areas will increase significantly under the ecological protection scenario. (2) Based on the semi-variance function, the optimal scale of the spatial unit for identifying ecosystem service degradation risk in Zhengzhou is 500 m. (3) Under the ecological protection scenario, the ESV will transition from a decreasing to an increasing trend during the study period. (4) By 2035, the prevention of ecosystem service degradation risks in Zhengzhou should focus on the sensitive areas of water bodies, wetlands, and forests along the Yellow River beach area, as well as in Jinshui district, Huiji district, and Erqi district. The research results provide theoretical reference for understanding the logical relationship between future land use changes and ecosystem service degradation risks in urban areas, and offer guidance for optimizing land resource allocation and implementing targeted ecological protection strategies in Zhengzhou and similar cities.

Key words： ecosystem services; spatial scale; land use change; multi-scenario simulation; degradation risk; Zhengzhou city

生态系统服务是人类从生态系统中获得的各种惠益，对维持人类生存和城市可持续发展至关重要[1]。然而，伴随全球人口和经济的迅速增长，人类对生态系统的干预及对生态系统服务的需求日益增加，导致全球生态系统恶化和服务水平下降[2,3]。特别是在城市化区域，建设用地持续扩张及高强度人类活动不断改变城市土地利用空间格局，导致耕地减少、林草退化及湿地萎缩等现象的普遍存在，引发生态系统结构失衡和功能降低，形成城市生态系统服务的退化风险，即特定时空内生态系统无法维持原有稳定、可持续的服务供给能力，继而出现生态系统服务减损的现象[4,5]。因此，有必要结合城市土地利用变化对城市生态系统服务现状及演变趋势进行评估和模拟，科学识别及提前预防生态系统服务退化风险，为城市生态环境有效管理和国土资源优化配置提供科学支撑[4,6]。
近年来，随着全球生态问题日益突出，国内外学者已经从风险源构成[7]、土地利用变化[6,8]、生态系统恢复力评价[9,10]和生态风险评价框架构建[11]等方面对生态系统风险开展了大量研究。其中，土地利用变化作为人类活动影响城市生态系统最直接的体现，为开展城市生态系统服务的评估及退化风险研究提供了良好的切入点[6,12,13]。目前，基于土地利用变化的城市生态系统服务退化风险研究主要分为三种类型。第一类研究侧重评估历史或当前时期区域内生态系统服务的退化，来反映该区域的生态风险[6,11]。如刘长峰等[5]基于土地利用数据和生态系统服务价值最大损失量构建了城市化区域生态风险表征方法，量化了北京市2015年的生态系统服务退化风险。这类研究能够有效反映城市生态系统已经形成的退化风险，然而未充分考虑城市作为一个动态发展的复杂综合体，其发展会受到宏观政策、社会经济、自然环境等多种因素影响[14,15]，其风险评价结果存在一定的滞后性，难以有效支撑城市生态保护相关政策的制定。第二类研究关注城市未来发展目标对土地利用变化的影响，构建情景并预测生态系统服务的退化风险。如冯琰玮等[16]基于元胞自动机模型模拟了呼和浩特市多情景城市扩张对生态风险的影响，明确了城市化发展情景下生态系统服务退化风险相对最大；梁冠敏等[12]预测了福州市2030年交通规划、生态保护等情景下的生态系统服务类型碳储量损失程度的差异性，反映出不同情景下福州市碳储存能力的退化风险。这类研究能够结合未来不同城市政策导向或目标情景分别对生态系统服务的退化进行识别，然而却忽略了现实中城市并不会完全按照单一目标情景进行演化的客观事实，其生态系统服务退化风险评估结果因情景差异存在不确定性。基于此，第三类研究尝试整合生态系统服务退化风险多情景评估结果，实现生态风险的综合评价。如张子墨等[4]对多情景多目标下的生态系统服务退化风险等级进行累加，识别出2018—2035年广东省流域尺度综合生态系统服务退化的高风险区域。Xing等[17]提出一种基于经济系数夏普比率的区域生态风险多情景综合评估框架，揭示2015—2025年湖北省县域尺度生态系统服务退化风险格局特征。这类研究一定程度上降低了风险评价的不确定性，但多直接采用主观设定的空间尺度（如流域、县域、格网）作为风险评价的基本单元，往往忽略了不同尺度评价单元对评价结果产生的不确定性影响。事实上，评价单元尺度过大，虽然能够提升数据分析效率，但会减弱甚至掩盖不同生态系统所提供服务的空间差异性。而尺度过小，虽然能够更大程度反映空间变异特征，但会破坏生态系统内部结构的完整性和生态系统的功能水平，从而都会对生态风险评价结果造成不确定性[18]。因此，寻求一个合适的空间尺度评估单元对于生态风险评价的准确性尤为重要[19]。综合来看，现有研究已经表明，城市生态系统风险管理的科学决策需要基于对生态系统未来状态的理解，土地利用变化多情景模拟为城市未来生态系统服务退化风险提供了科学的分析手段。然而针对生态系统服务退化风险多情景评价结果，目前仅有少部分学者尝试采用经济学理论或叠加求和等方法对其进行整合，未能结合城市用地的实际发展规划，建立更加精细化的生态系统服务退化综合评价模型，尤其是同时考虑空间尺度效应对城市生态系统服务退化风险评价结果产生的不确定性影响还有待深入研究。
作为中原城市群的核心城市，郑州市是中国中部崛起战略的重要支撑，同时也是黄河流域生态保护和高质量发展的重点区域。近年来，郑州市城市规模显著扩张，各类城市基础设施建设及资源开采等人类活动强度不断增加，导致城市生态用地减少、环境问题增多和生态系统服务功能退化。2023年10月，《郑州都市圈发展规划》正式获中华人民共和国国家发展和改革委员会复函[20]，郑州市将发挥核心城市的引领作用，未来发展潜力和城市增长规模将达到新的峰值，必将对城市生态系统及环境保护带来巨大压力和挑战。因此，本文以郑州市为例，模拟未来多情景土地利用变化并估算其生态系统服务价值，通过半变异函数率定出郑州市生态系统服务退化风险识别的最优空间尺度，提出一种耦合发展情景和主体功能区定位的生态系统服务退化风险指数，有效降低生态系统服务退化风险识别的不确定性，以期为郑州市的城市发展建设及生态环境保护政策制定提供科学参考，支撑黄河流域生态保护和高质量发展的国家战略。

1 研究方法与数据来源

1.1 研究区概况

郑州市是河南省省会，位于112°42′E~114°14′E、34°16′N~34°58′N之间，跨黄河、淮河两大流域，地势西高东低，生态资源丰富，城市发展条件优越（图1）。全市总面积7567 km2，辖6区5市1县，常住人口约为1283万人，其中城镇人口达到1018.5万人，城镇化率为79.4%[21]。2035年人口将增长至1800万人，是河南省人口最密集、土地利用开发强度最高和城镇化速度最快的地区。
图1 郑州市地理区位

Fig. 1 Geographical location of Zhengzhou city

1.2 数据来源及处理

研究数据主要包括：（1）土地利用数据，包括2000年、2010年和2020年三期土地利用数据，来源于GlobeLand 30全球地表覆盖数据集（https://www.webmap.cn/commres.do?method=globeIndex），空间分辨率为30 m。每期数据在原数据的基础上进行影像拼接、投影转换、裁剪等预处理，得到研究区土地利用数据。（2）土地利用变化驱动因素数据，① 自然地理因素：包括空间分辨率为250 m的高程数据、空间分辨率为1 km的土壤类型、年平均气温和年降水量，均来自中国科学院地理科学与资源研究所资源环境科学与数据中心（https://www.resdc.cn/）。坡度数据则是基于高程数据利用ArcGIS坡度工具提取得到。② 交通区位因素：包括到区县中心、水系、高速公路、铁路、一级道路、二级道路和三级道路的距离，通过ArcGIS的欧式距离工具计算得到。其中，区县中心数据来源于国家地球系统科学数据中心（http://www.geodata.cn），水系、公路、铁路和道路数据来源于OpenStreetMap（https://www.openstreetmap.org）。③ 社会经济因素：包括2010年和2020年的人口、GDP空间分布数据和夜间灯光数据，空间分辨率为1 km。其中，人口和GDP空间分布数据来源于中国科学院地理科学与资源研究所资源环境科学与数据中心，夜间灯光数据来源于哈佛大学的开放在线存储库Harvard Dataverse（https://dataverse.harvard.edu/dataset.xhtml?persistentId=doi:10.7910/DVN/GIYGJU）。④ 限制性因素：包括研究区2035年国土空间规划划定的城镇开发边界、生态保护红线和永久基本农田保护红线，以及规划的2035年人口规模、城镇用地扩张幅度、人均城镇建设用地面积等数据。（3）统计数据，包括2000年、2010年和2020年农产品平均价格、粮食作物种植面积及产量数据，数据来源于中国知网的中国农业与经济社会发展统计数据库（https://cnki.nbsti.net/CSYDMirror/trade/Yearbook/Single/N2021020043?z=Z009）及郑州市相关统计年鉴。所有栅格数据的空间分辨率都统一为30 m，投影坐标系采用WGS1984_UTM_ZONE_49N。

1.3 研究方法

1.3.1 土地利用变化多情景模拟

Markov模型具有长时序数据预测能力，能够根据土地利用变化的发展规律，对未来不同用地的需求数量进行预测[12,22]；PLUS（Patch-generating Land Use Simulation Model）模型集成了土地扩张分析策略和多类随机斑块种子元胞自动机模型，可以利用历史时期土地利用变化转换规则及驱动因子，模拟出未来土地利用斑块级空间格局，被广泛应用在土地利用变化情景模拟[23]、城市绿色发展[24]、生态系统服务[12]等领域。PLUS模型的主要原理是：基于两期土地利用变化特征，利用随机森林算法对基期土地利用数据样本点和多驱动因子进行相关性训练，挖掘各类型用地在驱动因子综合作用下的发展概率，然后将发展概率与目标时期的用地需求、转换成本矩阵、邻域影响因子、限制转换区等结合，基于轮盘赌的自适应惯性竞争机制对各类型用地的发展变化进行迭代计算，最终模拟出目标时期土地利用斑块级的空间格局。基于随机森林算法的用地扩张分析策略和多类随机斑块种子元胞自动机模型原理具体可参照相关文献[25]，本文不再详细阐述。
本文将Markov模型和PLUS模型耦合，充分发挥两者分别在土地利用变化数量预测和空间模拟方面的优势，对研究区未来土地利用变化进行多情景模拟。其主要的环节包括典型发展情景设计、不同情景用地需求预测、模拟参数设定和模型精度检验等。
（1）典型发展情景的设计
为了计算2035年郑州市土地利用各类型的用地需求，依据《郑州市国土空间总体规划（2021—2035年）》（以下简称“《2035规划》”）草案，结合郑州市历史年份土地利用变化特征，设计了自然发展、城市增长、耕地保护和生态保护四种典型土地利用发展情景，具体如下：
① 自然发展情景：以历史演变规律来预测未来发展趋势为原则，基于2010—2020年土地利用转换概率，不对任何地类转换进行限制，并将该情景作为其他发展情景的基础。
② 城市增长情景：以突出城市发展过程中对建设用地扩张实际需求为原则，参照《2035规划》草案中城镇用地的1.45扩展倍数计算2035年建设用地扩张面积上限为2996.4 km2，并限制建设用地向其他用地的转换。
③ 耕地保护情景：以强调重点保护耕地和永久基本农田为原则，以2020年耕地面积为上限，将《2035规划》草案中划定的永久基本农田保护红线作为限制转化区域；同时基于2020年建设用地面积，结合2020年和2035年规划的常住人口与人均城镇建设用地面积，估算2035年建设用地扩张面积上限为2851.2 km2。参照前人研究经验[12,13]，降低耕地向建设用地转换的概率，并提高草地向耕地转换的概率。
④ 生态保护情景：以加强黄河流域生态保护为原则，将《2035规划》草案中划定的生态保护红线、城镇开发边界、永久基本农田保护红线作为各类用地扩张的空间约束，建设用地扩张面积上限设置同耕地保护情景，提高耕地向林地和草地等生态用地的转换概率，同时降低林地、耕地和草地向建设用地的转换概率。
（2）不同情景用地需求预测
利用Markov模型提取2010—2020年研究区土地利用转移概率矩阵，在此基础上，以2020年土地利用为基期，预测2035年不同类型土地数量，并作为自然发展情景的用地需求；根据典型发展情景的设计，对2010—2020年土地利用转移概率矩阵进行调整，分别得到2035年城市增长、耕地保护和生态保护情景下的各类型用地的数量。
（3）情景模拟的参数设定
情景模拟的参数设定是土地利用趋势预测的关键，包括土地利用转换成本和邻域影响因子。其中，转换成本主要用来表征土地类型之间转换的难易程度，其值为0或1，四种模拟情景下的土地利用转换成本矩阵见表1。邻域影响因子代表各用地类型的扩张强度，取值范围为0~1，值越接近1，代表该地类的扩张能力越强。本文各情景下邻域影响因子根据各土地利用类型扩张面积占扩张总面积的比例来设定[12,25]。
表1 2020—2035年郑州市四种模拟情景的土地利用转换成本矩阵

Table 1 Land use conversion cost matrix under four scenarios of Zhengzhou city from 2020 to 2035

2020—2035年 自然发展 城市增长 耕地保护 生态保护
a b c d e f a b c d e f a b c d e f a b c d e f
a 1 1 1 1 1 1 1 1 0 0 0 1 1 1 0 1 1 1 1 1 1 1 1 1
b 1 1 1 1 1 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 0 1
c 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
d 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 1 0 0 1 0 0 1 1 0
e 1 1 1 1 1 1 0 0 0 1 1 1 1 0 0 0 1 0 1 0 0 1 1 0
f 1 1 1 1 1 1 0 0 0 0 0 1 1 0 0 0 0 1 1 0 0 0 0 1

注：a、b、c、d、e、f分别代表耕地、林地、草地、湿地、水域、建设用地；其中0表示不允许转换，1表示允许转换；矩阵内行表示转出，列表示转入。

（4）模拟精度检验
在开展2035年多情景土地利用变化模拟之前，有必要对模型模拟精度进行检验。本文采用统计指标FOM（Figure of Merit）系数来评价模拟精度[26]。在现有采用该指标进行土地利用变化模拟相关研究中，FOM系数取值范围通常为0~0.3[27]。当FOM大于0.1时，代表模型可靠性可被接受，FOM数值越大，模拟精度越高[13,28]。基于2010—2020年研究区土地利用变化规律，结合2010年土地利用变化驱动因素，将得到的郑州市2020年土地利用模拟结果与实际的土地利用现状进行对比，得到的FOM值为0.178，与现有大多数土地利用变化模拟精度评价结果水平相当[13,23,28,29]，说明模型可靠性强，适合开展研究区未来土地利用变化模拟研究。

1.3.2 生态系统服务价值估算与参数修正

随着生态系统服务评估方法的深入研究，从土地利用变化角度出发，采用生态系统服务价值（Ecosystem Services Value，ESV）来量化生态系统服务，具有计算简单快速、标准统一和实用性强的优点，在生态系统服务评估及风险评价等领域得到了广泛应用[30⇓⇓⇓-34]。本文采用ESV对生态系统服务进行评估，选择了常用的当量因子法，具体原理和公式参照相关文献[34]。根据研究区实际情况，一方面，基于谢高地等[35]提出的“单位面积生态系统服务价值当量”，将耕地取旱地值、林地取阔叶值、草地取灌草丛和草甸的均值、水域取水系值，建设用地的生态系统服务当量取0。另一方面，依据单位ESV当量因子价值为全国平均粮食单产价格的1/7的基本原则[36]，结合市场物价波动影响因素，基于《中国农产品价格调查统计年鉴》及郑州市相关统计年鉴公布的粮食作物、产量及农产品价格数据，选取2000—2020年研究区主要粮食作物（小麦、玉米、花生）市场价格的均值作为标准，计算得到研究区单位面积生态系统服务产生的经济价值为1814.92元/hm2，单位面积ESV当量详见表2。
表2 郑州市单位面积生态系统服务价值当量

Table 2 Ecosystem service value equivalent per unit area in Zhengzhou city (元/hm2)

一级类型 二级类型 耕地 林地 草地 湿地 水域
供给服务 食物生产 1542.69 526.33 544.48 925.61 1451.94
原材料生产 725.97 1197.85 807.64 907.46 417.43
水资源供给 36.30 617.07 444.66 4700.65 15045.73
调节服务 气体调节 1216.00 3938.39 2822.21 3448.36 1397.49
气候调节 653.37 11797.01 7468.41 6533.73 4156.18
环境净化 181.49 3502.80 2468.30 6533.73 10072.83
水文调节 490.03 8602.74 5472.00 43975.62 185557.89
支持服务 土壤保持 1869.37 4809.55 3439.28 4192.48 1687.88
维持养分 217.79 362.98 263.16 326.69 127.04
生物多样性 235.94 4373.97 3130.74 14283.46 4628.06
文化服务 美学景观 108.90 1923.82 1379.34 8584.59 3430.21

1.3.3 风险识别单元的最优空间尺度率定

半变异函数作为分析区域化变量空间异质性的常用统计学方法，能够通过改变空间采样间隔来探索区域化变量在不同尺度上的空间变异或相关性特征，是定量描述和解释地学领域、生态学中的空间异质性现象及空间格局特征的有效方法[37]。本文生态系统服务退化风险识别依赖一定尺度的空间单元，不同尺度的识别单元，其生态系统服务价值大小及空间分布特征具有显著差异性，这与不同尺度识别单元的景观结构差异性和空间自相关程度有较大的关系，导致生态系统服务价值及风险识别结果具有较强的尺度依赖性。因此，本文以ESV为区域化变量，通过构建不同尺度识别单元下ESV的半变异函数，分析ESV随尺度变化的规律，从而率定出风险识别单元的最优空间尺度。半变异函数 γ h 的计算公式如下：
γ h = 1 2 N h ∑ i = 1 N h Z x i - Z x i + h 2
式中： γ h 为生态系统服务的半变异函数值； h为采样点的间隔距离（m）； N h 是当间隔距离为 h时的采样点数量（个）； Z x i 和 Z x i + h 分别是采样点 x i和 x i + h的ESV。
对于不同的采样点间隔距离 h，计算出相应的 γ h 值，并对 γ h 值离散点进行拟合，得到ESV的半变异函数拟合曲线。它的主要参数包括变程 a、块金值 C 0、基台值 C 0 + C和块基比 C 0 / ( C 0 + C ) 等。变程 a是半变异函数达到最大变异时的间隔距离 h，当 h ≥ a时，ESV将不具有空间相关性。根据半变异函数的生态学意义，区域化变量的空间异质性来自随机因素和空间自相关两方面，其中， C 0能够反映ESV受随机因素影响产生的空间异质性，其值在理论上会随着ESV的评估尺度增大而增加。 C 0 + C表示ESV在采样点间隔距离变化下的最大变异值，其中， C表示由于评估尺度不同造成的空间自相关性的差异。 C 0 + C越大代表分析结果的空间异质性越强，在理论上它与块金值具有同样趋势的尺度依赖性，也就是随着评估尺度增大而增加。 C 0 / ( C 0 + C ) 是块金值与基台值的比值，表示由随机因素引起的空间异质性占总ESV空间异质性的比例，理论上它会随着ESV评估尺度的增大而增加，即空间自相关造成的空间异质性在总空间异质性中所占的比例会不断减少[38]。实际上，选择合适尺度的评估单元来研究生态系统服务及退化风险区域，需要综合考虑土地利用斑块结构的完整性和生态景观的差异性，这一方面要求随机因素影响带来的空间异质性较小（即土地利用斑块结构的完整性），另一方面也要确保空间自相关带来的空间异质性占主导地位（即生态景观差异性最大），这也就是本文利用半变异函数率定生态系统服务退化风险识别单元最优空间尺度的基本原则。涉及的半变异函数分析全部在GS+9.0软件中完成。

1.3.4 生态系统服务的退化风险识别方法

为有效识别生态系统服务的未来退化风险，本文遵循“风险=损失×概率”的风险评估经典框架[39]，提出了一种联合不同情景ESV和主体功能区定位的生态系统服务退化风险指数（Degradation Risk Index for Ecosystem Services，DRES），从单一和综合两个层次开展郑州市的生态系统服务退化风险识别。该指数首先基于最优尺度下各识别单元的土地利用变化情景，结合其所属的城市主体功能区，来判断各识别单元在不同土地利用变化情景中发生改变的可能性（即概率），然后将各识别单元的未来ESV减损量作为其风险损失的程度，最后计算得到各个识别单元的退化风险值。DRES指数具体公式如下：
D R E S n = ∑ i = 1 4 V i j × P i j j = 1 ,   2 ,   3
式中： D R E S n表示2035年风险识别单元n的生态系统服务退化风险值；i为2035年土地利用变化情景的序号；j为研究区主体功能区的序号； V i j是当风险识别单元n属于j主体功能区时，在2035年i情景下的ESV损失值，即由2035年i情景下的ESV与2020年的ESV相减得到； P i j为当风险识别单元n属于j主体功能区时，i情景发生的概率（表3）。该概率是根据各个情景设置的基本原则和侧重点，结合研究区乡镇层次的主体功能区定位来确定[40]。由于本文重点关注生态系统服务退化的研究， V i j仅考虑2035年ESV低于2020年的情况，对于等于或高于2020年的风险评估单元，统一设定为0损失，即无风险区。
表3 不同主体功能区土地利用变化情景发生概率

Table 3 Probability setting of land use change scenarios in different main functional zones

土地利用
变化情景		 主体功能区
城市化地区 农产品主产区 重点生态功能区
自然发展 0.20 0.20 0.20
城市增长 0.40 0.15 0.15
耕地保护 0.15 0.40 0.25
生态保护 0.25 0.25 0.40

2 结果分析

2.1 郑州市土地利用变化时空演变分析

2.1.1 2000—2020年郑州市土地利用变化特征

结合研究区土地利用现状（图2）和土地利用类型面积变化（表4）来看，耕地一直是2000—2020年郑州市的主要土地利用类型，面积占比均在60%以上，主要分布在东部平原区和中西部丘陵缓坡区；但是耕地呈逐渐减少趋势，减幅达到23.28%。建设用地持续扩张的特征非常显著，其面积由2000年的613.24 km2增加到2020年的1453.24 km2，增幅高达236.98%，已经成为郑州市第二大用地类型；在空间分布上，建设用地主要从研究区中北部（二七区、中原区、管城回族区）逐渐向东北部（金水区、惠济区、中牟县）及南部（新郑市）扩大，在一定程度上反映了郑州市由较小规模集中分布的中心城区发展为大规模城乡结合连片蔓延的城市扩张特点。林地、草地、湿地和水域等生态用地在研究区面积占比较小，主要分布在西南部嵩山、南部具茨山、北部黄河滩区等区域。其中，水域面积呈现显著减少趋势，其面积由2000年的166.72 km2减少到2020年的86.85 km2，缩减幅度达到47.91%；林地面积虽然先增加再减少，但整体呈现小幅增长趋势；草地和湿地面积均呈现先减少再增加的变化规律，尤其是湿地，2000—2020年间，增幅达到63.42%。整体来看，郑州市土地利用变化特征以耕地持续转为建设用地最为明显，这与研究区作为省会城市、国家中心城市和特大城市等城市定位及发展有直接关系，研究期间日益增长的人口、经济建设活动等城市现实发展需求也促进了耕地向建设用地的转变。
图2 2000—2020年郑州市土地利用现状

Fig. 2 Land use map of Zhengzhou city from 2000 to 2020

表4 2000—2020年郑州市土地利用类型面积及变化

Table 4 Land use area and changes of Zhengzhou city from 2000 to 2020

年份 统计指标 耕地 林地 草地 湿地 水域 建设用地
2000 面积/km2 6019.70 651.73 100.17 19.38 166.72 613.24
占比/% 79.51 8.61 1.32 0.26 2.20 8.10
2010 面积/km2 5356.79 663.16 99.67 11.49 204.65 1235.18
占比/% 70.75 8.76 1.32 0.15 2.70 16.31
2020 面积/km2 4618.36 656.28 111.30 31.67 86.85 2066.48
占比/% 61.00 8.67 1.47 0.42 1.15 27.29
2000—2020 面积变化量/km2 -1401.34 4.55 11.13 12.29 -79.87 1453.24
2000—2020 面积变化率/% -23.28 0.70 11.11 63.42 -47.91 236.98

2.1.2 2035年郑州市土地利用变化多情景模拟结果

本文基于2020年土地利用数据及其变化的驱动因素，根据未来土地利用变化的多情景设计，结合各情景模拟的邻域权重、土地利用转移成本矩阵、用地需求等参数和限制条件，利用Markov-PLUS模型得到2035年郑州市四种典型发展情景下的土地利用空间格局（图3）。
图3 2035年郑州市四种情景下土地利用变化模拟结果

Fig. 3 Simulation results of land use change in Zhengzhou city under four scenarios in 2035

从图3和表5看出，四种情景下耕地依然是研究区主要的用地类型，都呈现减少的趋势。其中，在自然发展情景下耕地的面积减少最为明显，减幅达到22.49%，而在耕地保护情景下面积减少得到有效的控制，减幅为9.04%。对未来四种情景中耕地减少的设计，一方面是遵循了研究区历史时期耕地持续减少的土地利用变化特征，另一方面也反映了郑州市未来城市发展需要适度占用部分耕地的规划需求，这种设计理念与同类研究相一致[12,23,41]。建设用地在自然发展情景下扩张明显，面积增加达到了1086.75 km2，甚至超过了城市增长情景下的面积增幅；而在耕地保护和生态保护情景下面积分别增加468.22 km2和446.98 km2，扩张幅度相对较小，且主要围绕各个区县建成区呈现集约化扩张的特征，这说明情景设置中耕地及生态保护等规划政策对限制郑州市建设用地无序扩张起到了关键作用。林地和水域在自然发展情景中减少较多，林地、草地、湿地和水域这几类生态用地在自然发展、城市增长和耕地保护情景下均出现了此消彼长的现象。但是，在生态保护情景下它们都出现增加，尤其是水域，增幅达到15.31%，表示研究区内“三区三线”约束和生态保护策略效果显著，为研究区未来实现经济增长和生态保护均衡发展道路提供了参考依据。
表5 2020年和2035年四种情景下郑州市各土地利用类型面积及其相对变化率

Table 5 The area of each land use type in Zhengzhou city under four scenarios and its relative change rate in 2020 and 2035

年份 情景 统计指标 耕地 林地 草地 湿地 水域 建设用地
2020 面积/km2 4618.36 656.28 111.30 31.67 86.85 2066.48
2035 自然发展 面积/km2 3579.68 588.78 148.62 36.20 64.43 3153.23
变化量/km2 -1038.68 -67.50 37.32 4.53 -22.42 1086.75
变化率/% -22.49 -10.29 33.53 14.30 -25.81 52.59
城市增长 面积/km2 3764.37 595.41 105.98 33.84 75.57 2995.77
变化量/km2 -853.99 -60.87 -5.32 2.17 -11.28 929.29
变化率/% -18.49 -9.28 -4.78 6.85 -12.99 44.97
耕地保护 面积/km2 4200.89 588.78 136.08 30.54 79.95 2534.70
变化量/km2 -417.47 -67.50 24.78 -1.13 -6.90 468.22
变化率/% -9.04 -10.29 22.26 -3.57 -7.94 22.66
生态保护 面积/km2 4119.45 684.87 118.97 34.04 100.15 2513.46
变化量/km2 -498.91 28.59 7.67 2.37 13.30 446.98
变化率/% -10.80 4.36 6.89 7.48 15.31 21.63

2.2 郑州市生态系统服务退化风险识别的最优空间尺度率定结果

综合考虑研究区范围、土地利用平均斑块大小以及生态景观的差异性，本文基于30 m的土地利用栅格数据，采用尺度外推依次以200 m×200 m、300 m×300 m、400 m×400 m、500 m×500 m、600 m×600 m、700 m×700 m、800 m×800 m、900 m×900 m、1000 m×1000 m、1100 m×1100 m、1200 m×1200 m、1300 m×1300 m共计12个空间尺度构建格网，分别计算研究区生态系统服务价值，并进行标准化，使其符合正态分布。经过半变异函数拟合分析，12个尺度均在指数模型下达到最佳拟合效果，得到散点图拟合结果，如图4所示。
图4 2020年不同空间尺度下郑州市生态系统服务价值的半变异函数散点图拟合结果

Fig. 4 Semi-variance function scatter plot fitting results of ESV in Zhengzhou at different spatial scales in 2020

从图4可以看出，在12个空间尺度下，2020年研究区生态系统服务价值半变异函数的拟合曲线决定系数R2都超过了0.8，但是拟合效果具有一定的差异性。其中，200~1100 m的10个尺度的决定系数R2都在0.9以上，拟合效果较优，而1200 m和1300 m两个尺度决定系数都低于0.9且拟合精度快速降低，表明了讨论空间尺度大于1300 m的生态系统服务价值半变异函数是没有必要的。为了验证最优空间尺度的可靠性，采用同样的方法对2035年生态保护情景下ESV进行半变异函数拟合，相关结果参数如表6所示。
表6 2020年和2035年不同空间尺度下郑州市生态系统服务价值的半变异函数参数

Table 6 Semi-variogram fitting parameters of ESVs of Zhengzhou city under different spatial scales in 2020 and 2035

空间尺度/m 2020年 2035年生态保护情景
块金值 基台值 块基比 变程 块金值 基台值 块基比 变程
200 0.142 0.349 0.407 18210 0.150 0.388 0.385 16440
300 0.208 0.523 0.398 32130 0.225 0.579 0.389 27930
400 0.256 0.657 0.390 37140 0.266 0.715 0.372 29460
500 0.285 0.773 0.369 33900 0.314 0.861 0.365 34440
600 0.333 0.891 0.374 42300 0.389 1.044 0.373 42900
700 0.368 0.980 0.376 40800 0.427 1.131 0.378 44100
800 0.417 1.081 0.386 45600 0.466 1.243 0.375 45990
900 0.472 1.154 0.409 45900 0.530 1.353 0.392 49200
1000 0.504 1.247 0.404 48000 0.572 1.452 0.394 50700
1100 0.534 1.312 0.407 47400 0.614 1.555 0.395 51600
1200 0.650 1.425 0.456 62100 0.726 1.648 0.441 64800
1300 0.735 1.511 0.486 68700 0.811 1.777 0.456 70200
从表6所示的块金值、基台值、块基比和变程四个参数数值变化的规律来看，2020年和2035年较为一致。以2020年为例，随着研究尺度的增大，块金值、基台值和变程都呈现逐渐增加的趋势，块基比则是先逐渐减小再逐渐增大，其最小值为0.369，最大值为0.486，变化幅度约12%，与同类研究中的变化幅度相当[42,43]。块基比数值越高，代表随机部分引起的空间异质性越高。具体来看，在200~500 m空间尺度范围内，块基比由0.407下降至0.369，这种块基比随着尺度的增大反而减小的现象，与半变异函数的基本规律相违背[42]。它表明200~500 m的空间尺度过小，内部的景观类型较为简单，空间自相关引起的ESV空间变异逐渐增加，研究区生态系统服务退化风险的整体变异规律容易被局部规律所掩盖。在500~1300 m尺度范围内，块基比从0.369逐渐增加到0.486，说明随着尺度的增大，由ESV的随机部分引起的空间异质性在总空间异质性中的比例也逐渐增加，而空间自相关造成的空间异质性的比例在不断减少，即随着尺度的增加，评估单元之间ESV差异性逐渐减小，空间规律信息损失越来越多，不利于进行风险的识别和等级划分。因此，一方面，从块金值和块基比的变化规律来看，500 m是研究区生态系统服务价值及风险退化识别的最优空间尺度。另一方面，从图4中的半变异函数散点图拟合效果来看，500 m空间尺度的拟合曲线决定系数R2为0.967，也是12个尺度中最好的，这进一步印证了500 m的空间尺度是本文后续研究的合适选择。需要说明的是，结合变程和块基比的范围来看，研究区ESV在较大范围内表现出空间自相关性特征，这与研究区部分类型用地空间分布的集聚性有一定的关系，如林地集中分布在西部山地、水域以北部黄河为主，大部分建设用地连片集中在中部主城区等。

2.3 郑州市生态系统服务价值的时空变化分析

2.3.1 2000—2020年郑州市生态系统服务价值的变化特征

按照500 m的最优空间尺度，计算得出2000年、2010年和2020年三期郑州市各类生态系统服务的价值，并统计出单一生态系统服务变化度（图5）。按照各类生态系统服务功能进行统计，2000年、2010年和2020年研究区内均以水文调节、土壤保持、气候调节所提供的ESV为主，三者之和占比分别约为61%、63%和58%。其中，水文调节功能的ESV最高，在三个研究年份依次为408.94×107元、473.56×107元和260.26×107元；其次依次为气体调节、食物生产、生物多样性、环境净化和原材料生产，五者之和占比保持在30%左右；水资源供给、美学景观和维持养分功能的ESV都不超过38×107元，三者之和在三个研究年份中占比均不足7%。从单一生态系统服务变化度来看，2000—2020年郑州市各类生态系统服务均表现为负值，说明研究区ESV处于减损状态，各类生态系统服务功能均发生了退化。整体可分为三个水平，水文调节和水资源供给减损程度最为突出，减幅约37%，属于严重退化水平，结合该时期土地利用变化来看，这与研究区水域面积减少直接相关；其次为食物生产、原材料生产、气体调节、环境净化、土壤保持和维持养分，减幅在20%左右，属于中度退化水平；美学景观、生物多样性和气候调节减幅在10%左右，属于轻度退化水平。
图5 2000—2020年郑州市各类生态系统服务价值量变化

Fig. 5 Changes in the value of various ecosystem services in Zhengzhou city from 2000 to 2020

2.3.2 2035年郑州市多情景生态系统服务价值特征分析

依据2035年郑州市土地利用变化多情景模拟结果，采用500 m的最优空间尺度，计算得到研究区2035年四种情景下的ESV。结合研究区土地利用分布特征，利用自然间断法，将郑州市ESV划分为低价值（ESV≤10×105元）、较低价值（10×105元<ESV≤40×105元）、中等价值（40×105元<ESV≤87×105元）、较高价值（87×105元<ESV≤228×105元）和高价值（ESV>228×105元）五个等级，其空间分布格局及占比见图6。
图6 郑州市2035年四种情景下生态系统服务价值等级空间布局及占比

Fig. 6 Spatial distribution and proportion of ESV levels of 2035 under four scenarios in Zhengzhou city

由图6的空间布局可以看出，2035年四种情景下研究区同等级的ESV空间分布基本一致，不同等级之间的分布具有显著的空间异质性。高价值主要集中分布在北部黄河滩区及周边沿线湿地、水库河流、城市公园等区域；较高价值和中等价值以西部嵩山和西南部的林地、草地及林草混合区域为主；较低价值在研究区内分布范围较广，主要从中部低价值区域向东西南北四个方向集中连片蔓延分布，与耕地空间位置相对吻合；低价值则主要集中分布在中部、东部、南部等建设用地、建设用地与耕地交界的区域。从生态系统服务等级占比来看，四种情景下研究区ESV均以较低价值和低价值为主，二者之和占比超过80%，中等、较高和高价值等级的占比差别较小。值得注意的是，生态保护和耕地保护两种情景下较低价值的占比明显高于自然发展和城市增长两种情景，而低价值的占比刚好与较低价值相反，这说明生态保护和耕地保护政策能够在较大范围内促进低价值向较低价值的转变，从而有助于研究区生态系统服务的提升。
相对于2020年，2035年四种情景下ESV均发生了不同程度的变化（表7）。自然发展、城市增长和耕地保护情景下总ESV变化量为负值，依然呈现出减损趋势，而生态保护情景下ESV变化量为正值。这表明在生态保护政策下郑州市生态系统服务减损的趋势将得到逆转，生态保护情景有利于促进城市的可持续发展。从单个生态系统服务类型来看，一方面，2035年四种情景下研究区ESV依然是以水文调节、土壤保持和气候调节为主，自然发展、城市增长、耕地保护和生态保护四种情景下三者之和占比分别约为58%、59%、58%和60%，同2000年、2010年和2020年三期相比差别不大。另一方面，自然发展、城市增长和耕地保护情景下的ESV较2020年均出现不同程度的减损，其中以水文调节的ESV减损量为最大，分别达到了48.45×105元、29.7×105元和19.8×105元。然而，在生态保护情景下，水资源供给、水文调节、环境净化和气候调节等6种生态系统服务功能的ESV均为增加，这是该情景下研究区ESV提高的原因所在。结合表2的当量来看，水域、湿地和林地这三类用地对上述六种生态系统服务功能的贡献度都较高，说明它们在提升区域整体生态系统服务水平中发挥着关键作用，因此在未来城市发展中需要给予重点保护。
表7 2035年四种情景下郑州市ESVs及其变化

Table 7 ESVs and their changes in Zhengzhou city under four scenarios from 2020 to 2035 (×107元)

生态系统服务类型 2020年 2035年自然发展 2035年城市增长 2035年耕地保护 2035年生态保护
一级类型 二级类型 ESV ESV 变化量 ESV 变化量 ESV 变化量 ESV 变化量
供给服务 食物生产 76.86 60.40 -16.46 63.19 -13.67 70.09 -6.77 69.57 -7.29
原材料生产 42.94 34.84 -8.10 35.94 -7.00 39.26 -3.68 39.80 -3.14
水资源供给 20.78 16.99 -3.79 18.47 -2.31 19.23 -1.55 22.92 2.14
调节服务 气体调节 87.45 73.06 -14.39 74.44 -13.01 80.28 -7.17 83.00 -4.45
气候调节 121.59 108.99 -12.60 108.10 -13.49 112.39 -9.20 122.98 1.39
环境净化 44.93 39.64 -5.29 40.13 -4.80 41.66 -3.27 46.71 1.78
水文调节 260.26 211.81 -48.45 230.56 -29.70 240.46 -19.80 286.42 26.16
支持服务 土壤保持 124.52 102.95 -21.57 105.35 -19.17 114.16 -10.36 117.16 -7.36
维持养分 12.95 10.52 -2.43 10.85 -2.10 11.85 -1.10 12.01 -0.94
生物多样性 51.63 47.00 -4.63 46.57 -5.06 47.99 -3.64 52.90 1.27
文化服务 美学景观 24.89 22.59 -2.30 22.51 -2.38 23.14 -1.75 25.66 0.77
总计 868.80 728.79 -140.01 756.11 -112.69 800.51 -68.29 879.13 10.33

2.4 2035年郑州市生态系统服务退化风险识别结果

2.4.1 郑州市单一生态系统服务的退化风险识别结果

利用本文提出的生态系统服务退化风险识别方法，分别按照供给、调节、支持和文化四类单一生态系统服务来研究2035年的退化风险。采用自然间断法，将生态系统服务分为无风险、轻度退化、中度退化和重度退化四个等级，得到各类单一生态系统服务的退化风险识别结果，如图7所示。
图7 郑州市2035年单一生态系统服务退化风险空间分布

Fig. 7 Spatial distribution of single ecosystem service degradation risk of Zhengzhou city in 2035

从图7可看出，郑州市2035年四种生态系统服务均以轻度退化风险和无风险为主，中度退化风险次之，重度退化风险区域较少。供给服务的中度和重度退化区域相对较多：中度退化风险主要集中分布在主城区及邻接市县的原有耕地区域，如东部的中牟县、南部的新郑市和中南部的新密市等，这些区域是郑州市主要的粮食生产基地，未来城镇用地扩张占用耕地，会对这些区域的供给服务产生明显的负面影响；重度退化风险区域主要位于黄河滩区、荥阳市的河王水库、金水区的龙湖公园、二七区的尖岗水库和中牟县的雁鸣湖等水域湿地及周边区域。调节服务在全市域范围内基本表现为无风险和轻度退化，在黄河滩区、金水区的龙湖公园和中牟县的雁鸣湖等水域或湿地出现少量的中度和重度退化。支持服务的中度和重度退化现象最为明显：中度退化主要由中原区、二七区等主城区向其四周远城区蔓延分布；重度退化风险区主要集中在荥阳市的万山森林公园和索河郊野公园、巩义市的长寿山和青龙山景区、新密市的伏羲山脉和青屏山公园、登封市的嵩山、金水区的龙湖公园以及管城回族区的金沙湖高尔夫俱乐部和蝶湖公园等湿地、林地或草地所在区域。文化服务同调节服务具有相似的风险退化分布格局，中度和重度退化风险区集中在黄河滩区、金水区、管城回族区等水域、湿地和公园所在区域。

2.4.2 郑州市综合生态系统服务的退化风险识别结果

为了进一步探明研究区2035年的生态系统服务退化风险，本文对四类单一生态系统服务进行综合风险识别。利用自然间断法，结合评估结果的数据分布，将各个识别单元的退化风险分为四个等级，分别为重度退化（DRES≤-3.5×105元）、中度退化（-3.5×105元<DRES≤-0.5×105元）、轻度退化（-0.5×105元<DRES<0元）和无风险（DRES≥0元）四个等级，得到各区县2035年综合生态系统服务退化风险结果，如图8所示。
图8 2035年郑州市各区县综合生态系统服务退化风险空间分布及分区统计

Fig. 8 Spatial distribution and regional statistics of integrated ecosystem service degradation risks in Zhengzhou city in 2035

郑州市综合生态系统服务退化风险依然以轻度退化和无风险为主，二者占比分别约为51%和31%。其中，无风险主要集中在中原、金水和管城回族三个主城区，面积占比均超过50%；轻度退化区域分布相对分散，主要集中在中牟、荥阳、新郑、新密、巩义和登封六个远城区，其面积占比均超过50%。中度退化区域面积占比约为17%，主要集中在二七区、新密市和中原区。其中，二七和中原两个主城区中度退化区域集中分布在同荥阳和新密两个远城区的结合部，这主要是由于城市主城区的发展需要一定的非建设用地转换为建设用地，从而造成了局部生态系统退化；而新密市的中度退化主要集中在西大街街道、刘寨镇、城关镇和曲梁镇等区域，这是由于这些区域属于新密市重点发展城市化地区，在郑州国家中心城市西南组团发展和新密新区规划建设中起到重要的支撑作用，同样存在非建设用地转换为建设用地的迫切需求，导致生态系统退化风险较大。重度退化风险区域主要集中在北部的黄河沿线滩区及各区县的水域、湿地、林地等生态用地的敏感区域。其中，黄河沿线滩区及重度退化风险面积占比略高的金水区、惠济区和二七区是生态系统服务退化风险防范的重点关注区域，在开展城市建设及生态保护过程中，这些区域要注意合理控制各类生态用地的结构，避免过多高价值生态用地向低价值生态用地的转换。

3 结论与讨论

3.1 结论

本文基于Markov-PLUS模型和当量因子法，开展了郑州市土地利用变化和生态系统服务的多情景模拟，利用半变异函数率定出生态系统服务退化风险识别单元的最优空间尺度，探索了2000—2020年以及2035年四种情景下郑州市土地利用和生态系统服务的时空变化特征，结合生态系统服务退化风险指数，对郑州市单一和综合生态系统服务退化风险进行了识别，得到的主要结论如下：
（1）2000—2020年郑州市耕地和水域呈大幅减少趋势，林地、草地和湿地面积略有增加，建设用地由主城区向东北部及南部快速扩张。2035年四种发展情景下郑州市耕地依然呈减少趋势，其中自然发展情景减少最大，而耕地保护情景减少最小。建设用地扩张在自然发展情景下最为显著，而在耕地保护和生态保护情景下得到缓解。林地、湿地和水域等生态用地，在生态保护情景下都呈现增加趋势，水域增幅最为明显。
（2）利用半变异函数，判定郑州市生态系统服务价值估算及退化风险识别的有效尺度上限为1300 m；进一步根据ESV空间异质性随尺度变化的规律，率定出郑州市生态系统服务最优空间尺度为500 m；从拟合结果来看，500 m的拟合曲线决定系数R2为0.967，是有效尺度范围内的最大值，拟合效果最好，验证了最优空间尺度的可靠性。
（3）郑州市ESV主要来自水文调节、土壤保持和气候调节。2000—2020年ESV有所下降，水文调节和水资源供给的ESV减少最为突出。相比2020年，2035年自然发展、城市增长和耕地保护三种情景下郑州市ESV依然呈下降趋势，而生态保护情景下ESV是增加的，主要原因是水资源供给、水文调节、环境净化、气候调节等六种生态系统服务的贡献，均从前三种情景的负效应扭转为正效应。
（4）预计到2035年，郑州市生态系统服务退化风险以轻度退化和无风险为主。从综合生态系统服务退化风险的识别结果来看，中度退化面积达到了全市的17%，主要分布在二七、中原两个主城区同相邻远城区的结合部，以及新密市重点发展的城市化局部区域。重度退化区域主要集中在北部的黄河沿线滩区及金水区、惠济区和二七区水域、湿地、林地等生态用地的敏感区域，是生态保护重点关注对象。

3.2 讨论

当前，中国处于“美丽中国”和新型城镇化建设的关键时期，以高品质生态环境支撑城市高质量发展的国家战略要求，对中国各级城市推进生态文明建设提出了新的挑战。如何针对城市人地矛盾，优化国土空间开发保护格局，防范生态系统退化，实现人与自然和谐共生，已成为城市生态环境保护与可持续发展管理的核心议题。本文从城市未来土地利用变化及生态风险评价的不确定性角度出发，以郑州市为研究对象，结合国土空间规划开展未来土地利用变化多情景模拟及生态系统服务退化风险研究，基于最优尺度识别出研究区生态系统服务重度退化风险区域，有效降低了风险评价的不确定性，提升了评价结果的可靠性。相较于现有同类研究而言，本文将国土空间规划中城市未来的主体功能区定位和风险评价最优尺度引入退化风险识别模型中，以更贴合城市实际发展的方式准确揭示生态系统风险的空间分布特征，为城市开展生态系统服务退化风险精准防范研究提供了新的思路。
基于本文生态系统服务退化风险识别的结果，面向生态文明建设国家战略，得到以下政策启示：
第一，合理规划建设用地开发范围，加强耕地生态系统的保护，保障粮食生产服务的可持续供给。耕地是农业生产的基本要素，对耕地生态系统的保护是生态文明建设的重要基础。本文发现，郑州市生态系统服务轻度退化风险区域集中分布在现有耕地所在的生态系统服务低价值区域，主要是由多情景模拟中建设用地扩张占用耕地面积不同所导致，与各县区土地开发强度密切相关。在郑州市耕地生态系统保护工作中，未来应注重对农田保护区周边用地的适度开发和建设用途审批，城镇发展区内依据国土空间规划城镇开发边界实行“详细规划+规划许可”的管制方式，村庄建设用地按照人均村庄建设用地指标进行管控，落实增存挂钩与增违挂钩用地政策。重视监管各区县耕地的用途，严控耕地转为建设用地，落实耕地“占补平衡”。与此同时，也要注意改善农田生态环境，严格防控农田重金属污染，实现粮食生产的绿色发展。
第二，严格落实国土空间规划中划定的“三区三线”，控制城镇开发建设活动对绿色生态资源的破坏，促进人居生态环境的提升。在调节服务、支持服务和综合退化风险识别结果中，中度退化风险区域主要围绕在各区县经济发展水平较高，人口密度大的城镇用地周边区域，是未来城区扩张发展与生态用地保护矛盾最突出的区域。郑州市作为国家中心城市和特大城市，未来实际发展中，要注意提高对这些区域生态风险的防范意识，禁止土地过度开发，严格落实国土空间规划中划定的城镇开发边界、生态保护红线和永久基本农田保护红线，控制建设用地对生态用地的不合理占用，加强对自然保护区、城乡公园、鸟类栖息地等城市内部核心绿色生态资源的保护。增加城区公园、保护区内的绿地面积，提高沿河、沿环线生态廊道的连通性设计和保护，优化城区蓝绿空间布局，提升有限生态用地的服务持续供给能力，促进郑州市生态文明建设和人居环境的美化。
第三，加强河湖水域空间保护与岸线精细管控，推进黄河生态带及水体湿地的修复，提高生态系统退化风险应对能力。研究表明，重度退化风险区域在郑州市各辖区内均有所分布，主要集中在黄河沿线滩区湿地、各区县小型林地和坑塘河渠及其边缘地带。这些区域生态系统服务价值较高，一旦被破坏，对郑州市全域生态系统服务的负面影响较大，不利于郑州市生态文明建设的稳步推进。因此，未来应针对这些区域重点开展生态保护和风险防范，如：划定范围清晰的生态屏障区、控制区、缓冲区等引导土地的开发利用。重点监管这些区域周边的建设活动，提前干预土地资源的不合理利用。加强水资源保障与优化利用，强化生物多样性保护，同时加大生态建设资金与技术投入，对功能退化甚至消失的生态系统开展修复和恢复工程，重点防范生态系统的退化，提高风险应对能力。
总体而言，城市生态系统服务退化与人类福祉的稳定供给息息相关，本文基于土地利用变化多情景模拟进行郑州市生态系统服务退化风险的研究，识别出不同等级的生态系统服务退化风险，并提出分级管控和应对建议，为保障郑州市生态系统服务各项功能和产品的持续供给、支撑郑州市高质量发展与生态文明建设的稳步推进提供政策参考。但风险研究还存在进一步讨论和探索的方向：（1）本文基于当量因子法估算生态系统服务的价值，主要反映了不同土地利用类型变化对生态系统服务的影响，可能会忽略同一类型因气候或保护措施变化而导致的ESV的变化，未来可以考虑采用更精细的土地利用分类体系，结合生态评估模型（如：InVEST）和野外实测等方法，实现对ESV及风险更准确的评估。（2）在生态系统服务退化风险识别单元最优尺度研究中，主要从风险精细化管理角度考虑，在格网水平上基于尺度外推策略展开了识别单元的空间尺度分析，得出的最优空间尺度存在一定的局限性，未来需要进一步关注行政管理的需要，如从流域、区县和乡镇等尺度水平进行不同尺度水平上的风险研究。（3）针对未来土地利用变化的多情景模拟，一方面，主要基于研究区城市定位及土地利用变化趋势，参考了未来规划中对郑州市人口规模增长、建设用地扩张等城市发展导向进行设计。然而，联合国在《2024年世界人口展望》的报告中指出：“中国在未来三十年内总人口将减少14%”，若未来时期中国人口下降，那么郑州市的人口规模是否增长、城市是否继续扩张，还具有一定的不确定性，未来需要根据城市的实际发展进行进一步的情景模拟和风险研究。另一方面，本文主要是根据Markov-PLUS模型的原理和特点，结合历史时期的土地利用变化规律、土地利用数据和各类驱动因子进行未来时期土地利用变化多情景模拟，为了进一步提高模拟结果的准确性，在模型中引入未来时期的社会经济等方面的驱动因子可能是值得探索的方向。（4）未来可进一步增大研究范围，从郑州市扩展到郑州都市圈、中原城市群等区域，以期能为黄河流域生态环境保护和治理提供更全面的科学支撑。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
DAILY G C. Nature's Services:Societal Dependence on Natural Ecosystems. Washington DC: Island Press, 1997: 1-10.

[2]
MILLENNIUM E A. Ecosystems and Human Well-being:Synthesis. Washington DC: Island Press, 2005.

[3]
BRONDIZIO E S, SETTELE J, DIAZ S, et al. Global assessment report on biodiversity and ecosystem services of the intergovernmental science-policy platform on biodiversity and ecosystem services. Bonn: IPBES, 2019: 54-82, Doi:10.5281/zenodo.3831673.

[4]
张子墨, 姜虹, 徐子涵, 等. 面向多重生态保护目标的广东省生态系统服务退化风险情景模拟. 生态学报, 2022, 42(3): 1180-1191.

[ZHANG Z M, JIANG H, XU Z H, et al. Ecosystem service degradation risk scenario simulation for multiple ecological conservation objectives in Guangdong province. Acta Ecologica Sinica, 2022, 42(3): 1180-1191.]

[5]
刘长峰, 侯鹰, 陈卫平, 等. 基于生态系统服务的城市化区域生态风险表征方法研究. 生态学报, 2021, 41(9): 3343-3353.

[LIU C F, HOU Y, CHEN W P, et al. Research on ecological risk characterization methods for urbanized areas based on ecosystem services. Acta Ecologica Sinica, 2021, 41(9): 3343-3353.]

[6]
LU Y C, LIU Y L, HE H G, et al. Diagnosing degradation risks of ecosystem services in Wuhan, China from the perspective of land development: Identification, measurement and regulation. Ecological Indicators, 2022, 136: 108580, Doi: 10.1016/j.ecolind.2022.108580.

[7]
吴楠, 陈红枫, 匡丕东, 等. 生态保护红线区干扰退化风险评价: 以安徽省为例. 生态学报, 2020, 40(16): 5571-5578.

[WU N, CHEN H F, KUANG P D, et al. Potential degradation risk assessment driven by human activities in ecological red-line regions: A case study in Anhui province. Acta Ecologica Sinica, 2020, 40(16): 5571-5578.]

[8]
王梓洋, 石培基, 张学斌, 等. 基于栅格尺度的生态安全评价及生态修复: 以酒泉市肃州区为例. 自然资源学报, 2022, 37(10): 2736-2749.

DOI

[WANG Z Y, SHI P J, ZHANG X B, et al. Grid-scale-based ecological security assessment and ecological restoration: A case study of Suzhou district, Jiuquan. Journal of Natural Resources, 2022, 37(10): 2736-2749.]

[9]
陈鹏, 张冰, 马荣, 等. 基于健康与恢复力的生态系统退化风险研究: 以坝上高原察汗淖尔流域为例. 中国地质, 2024, 51(3): 1034-1045.

[CHEN P, ZHANG B, MA R, et al. Ecosystem degradation risk based on health and resilience: A case study of Chahannur Lake Basin on Bashang Plateau. Geology in China, 2024, 51(3): 1034-1045.]

[10]
张晓平, 胡紫红, 张璐. 生态退化风险视角下的资源枯竭型城市国土空间生态保护修复: 以大余县为例. 测绘通报, 2023, (5): 148-152, 169.

DOI

[ZHANG X P, HU Z H, ZHANG L. Ecological protection and restoration of resource-exhausted cities territorial space from ecological degradation risk perspective: Taking Dayu county as an example. Bulletin of Surveying and Mapping, 2023, (5): 148-152, 169.]

DOI

[11]
HUANG X, WANG X F, ZHANG X R, et al. Ecological risk assessment and identification of risk control priority areas based on degradation of ecosystem services: A case study in the Tibetan Plateau. Ecological Indicators, 2022, 141: 109078, Doi: 10.1016/j.ecolind.2022.109078.

[12]
梁冠敏, 肖瑶, 刘渺渺, 等. 交通规划背景下福州市土地利用与碳储量变化模拟及其启示. 自然资源学报, 2023, 38(12): 3074-3092.

DOI

[LIANG G M, XIAO Y, LIU M M, et al. Simulation and elicitation of land use and carbon storage changes in Fuzhou under the background of traffic planning. Journal of Natural Resources, 2023, 38(12): 3074-3092.]

[13]
张晓瑶, 张潇, 李冬花, 等. 城市土地利用变化对生态系统服务价值影响的多情景模拟: 以深圳市为例. 生态学报, 2022, 42(6): 2086-2097.

[ZHANG X Y, ZHANG X, LI D H, et al. Multi-scenario simulation of the impact of urban land use change on ecosystem service value in Shenzhen. Acta Ecologica Sinica, 2022, 42(6): 2086-2097.]

[14]
熊锦惠, 岳文泽, 陈阳, 等. 面向SDGs的城市扩张多情景模拟: 以“一带一路”中亚区为例. 自然资源学报, 2021, 36(4): 841-853.

DOI

[XIONG J H, YUE W Z, CHEN Y, et al. Multi-scenario urban expansion simulation for SDGs: Taking the Central Asian region along the Belt and Road as an example. Journal of Natural Resources, 2021, 36(4): 841-853.]

[15]
李岩, 林安琪, 吴浩, 等. 顾及空间尺度效应的城市土地利用变化精细化模拟. 地理学报, 2022, 77(11): 2738-2756.

DOI

[LI Y, LIN A Q, WU H, et al. Refined simulation of urban land use change with emphasis on spatial scale effect. Acta Geographica Sinica, 2022, 77(11): 2738-2756.]

DOI

[16]
冯琰玮, 甄江红, 马晨阳. 城市用地扩展对生态风险影响的多情景模拟: 以内蒙古呼和浩特市为例. 生态学报, 2021, 41 (3): 1199-1208.

[FENG Y W, ZHEN J H, MA C Y. Multi-scenario simulation of the impact of urban expansion on ecological risk: A case study of Hohhot city, Inner Mongolia. Acta Ecologica Sinica, 2021, 41(3): 1199-1208.]

[17]
XING L, HU M S, WANG Y. Integrating ecosystem services value and uncertainty into regional ecological risk assessment: A case study of Hubei province, Central China. Science of the Total Environment, 2020, 740: 140126, Doi: 10.1016/j.scitotenv.2020.140126.

[18]
马琪, 潘秋玲, 涂纯. 生物多样性维护功能评估及其空间尺度效应分析: 以陕西省为例. 自然资源学报, 2021, 36(8): 1937-1948.

DOI

[MA Q, PAN Q L, TU C. Spatial scale effect analysis and evaluation of biodiversity maintenance function: Case study of Shaanxi province. Journal of Natural Resources, 2021, 36(8): 1937-1948.]

DOI

[19]
张娜. 生态学中的尺度问题: 内涵与分析方法. 生态学报, 2006, 26(7): 2340-2355.

[ZHANG N. Scale issues in ecology: Concepts of scale and scale analysis. Acta Ecologica Sinica, 2006, 26(7): 2340-2355.]

[20]
河南省人民政府. 正式获国家发展改革委复函—郑州打造辐射全国、链接全球开放高地. https://www.henan.gov.cn/2023/10-27/2836963.html, 2023-10-27.

[The People's Government of Henan Provincial. Officially received the reply letter from National Development and Reform Commission-Zhengzhou will be built as an open highland that radiates the whole country and links the world. https://www.henan.gov.cn/2023/10-27/2836963.html, 2023-10-27.]

[21]
郑州市统计局.2022年郑州市国民经济和社会发展统计公报. https://tjj.zhengzhou.gov.cn/tjgb/7051390.jhtml, 2023-07-28.

[Zhengzhou Bureau of Statistics. Statistical bulletin of national economic and social development of Zhengzhou in 2022. https://tjj.zhengzhou.gov.cn/tjgb/7051390.jhtml, 2023-07-28.]

[22]
权瑞松. 基于情景模拟的上海土地利用变化预测及其水文效应. 自然资源学报, 2018, 33(9): 1552-1562.

DOI

[QUAN R S. Prediction of land use change and its hydrological effect in Shanghai based on scenario simulation. Journal of Natural Resources, 2018, 33(9): 1552-1562.]

[23]
田一豆, 赵先超. 基于Markov-PLUS模型的长株潭城市群建设用地扩张模拟及碳排放响应分析. 生态学报, 2024, 44(1): 129-142.

[TIAN Y D, ZHAO X C. Simulation of construction land expansion and carbon emission response analysis of Changsha-Zhuzhou-Xiangtan Urban Agglomeration based on Markov-PLUS model. Acta Ecologica Sinica, 2024, 44(1): 129-142.]

[24]
赵霁雨, 崔柳, 王佳, 等. 基于土地利用模拟预测模型分析的城市绿色空间发展多情景模拟及建设时序研究: 以湛江市中心城区为例. 生态学报, 2023, 43(15): 6307-6320.

[ZHAO J Y, CUI L, WANG J, et al. Multi-scenario simulation of urban green space development and construction timeline based on PLUS model analysis: A case study of the central Zhanjiang city. Acta Ecologica Sinica, 2023, 43(15): 6307-6320.]

[25]
LIANG X, GUAN Q F, CLARKE K C, et al. Understanding the drivers of sustainable land expansion using a patch-generating land use simulation (PLUS) model: A case study in Wuhan, China. Computers, Environment and Urban Systems, 2021, 85: 101569, Doi: 10.1016/j.compenvurbsys.2020.101569.

[26]
PONTIUS R G, BOERSMA W, CASTELLA J C, et al. Comparing the input, output, and validation maps for several models of land change. The Annals of Regional Science, 2008, 42: 11-37.

[27]
CHEN Y M, LI X, LIU X P, et al. Tele-connecting China's future urban growth to impacts on ecosystem services under the shared socioeconomic pathways. Science of the Total Environment, 2019, 652: 765-779.

[28]
LI S P, CAO Y G, LIU J L, et al. Simulating land use change for sustainable land management in China's coal resource-based cities under different scenarios. Science of the Total Environment, 2024, 916: 170126, Doi: 10.1016/J.SCITOTENV.2024.170126.

[29]
任胤铭, 刘小平, 许晓聪, 等. 基于FLUS-InVEST模型的京津冀多情景土地利用变化模拟及其对生态系统服务功能的影响. 生态学报, 2023, 43(11): 4473-4487.

[REN Y M, LIU X P, XU X C, et al. Multi-scenario simulation of land use change and its impact on ecosystem services in Beijing-Tianjin-Hebei region based on the FLUS-InVEST model. Acta Ecologica Sinica, 2023, 43(11): 4473-4487.]

[30]
谢丽霞, 白永平, 车磊, 等. 基于价值—风险的黄河上游生态功能区生态分区建设. 自然资源学报, 2021, 36(1): 196-207.

DOI

[XIE L X, BAI Y P, CHE L, et al. Construction of ecological zone based on value-risk ecological function area in the Upper Yellow River. Journal of Natural Resources, 2021, 36(1): 196-207.]

[31]
耿鑫, 胡实, 肖玉, 等. 基于生态系统服务价值的东北农牧交错区土地利用格局优化与评价. 自然资源学报, 2022, 37(7): 1799-1814.

DOI

[GENG X, HU S, XIAO Y, et al. Land use pattern optimization and evaluation based on ESV of agro-pastoral ecotone in Northeast China. Journal of Natural Resources, 2022, 37(7): 1799-1814.]

DOI

[32]
石龙宇, 杜宾宾, 陈丁楷. 基于生态系统服务价值的城市生态风险评价. 环境科学与技术, 2021, 44(2): 203-210.

[SHI L Y, DU B B, CHEN D K. Assessment of urban ecological risks based on valuation of ecosystem services. Environmental Science & Technology, 2021, 44(2): 203-210.]

[33]
XU X B, YANG G S, TAN Y, et al. Ecological risk assessment of ecosystem services in the Taihu Lake Basin of China from 1985 to 2020. Science of the Total Environment, 2016, 554-555: 7-16.

[34]
乔斌, 曹晓云, 孙玮婕, 等. 基于生态系统服务价值和景观生态风险的生态分区识别与优化策略: 以祁连山国家公园青海片区为例. 生态学报, 2023, 43(3): 986-1004.

[QIAO B, CAO X Y, SUN W J, et al. Ecological zoning identification and optimization strategies based on ecosystem service value and landscape ecological risk: Taking Qinghai area of Qilian Mountain National Park as an example. Acta Ecologica Sinica, 2023, 43(3): 986-1004.]

[35]
谢高地, 张彩霞, 张雷明, 等. 基于单位面积价值当量因子的生态系统服务价值化方法改进. 自然资源学报, 2015, 30(8): 1243-1254.

[XIE G D, ZHANG C X, ZHANG L M, et al. Improvement of the evaluation method for ecosystem service value based on per unit area. Journal of Natural Resources, 2015, 30(8): 1243-1254.]

DOI

[36]
谢高地, 鲁春霞, 冷允法, 等. 青藏高原生态资产的价值评估. 自然资源学报, 2003, 18(2): 189-196.

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

DOI

[37]
王政权. 地统计学及在生态学中的应用. 北京: 科学出版社, 1999.

[WANG Z Q. Geostatistics and Its Applications in Ecology. Beijing: Science Press, 1999.]

[38]
岳文泽, 徐建华, 谈文琦, 等. 城市景观多样性的空间尺度分析: 以上海市外环线以内区域为例. 生态学报, 2005, 25(1): 122-128.

[YUE W Z, XU J H, TAN W Q, et al. Spatial scale analysis of the diversities of urban landscape: A case study within the external circle highway of Shanghai city. Acta Ecologica Sinica, 2005, 25 (1): 122-128.]

[39]
付在毅, 许学工. 区域生态风险评价. 地球科学进展, 2001, 16(2): 267-271.

[FU Z Y, XU X G. Regional ecological risk assessment. Advances in Earth Science, 2001, 16(2): 267-271.]

DOI

[40]
冉澎铼. 基于土地利用变化的生态系统服务多情景预测及退化风险评估: 以武汉城市圈为例. 武汉: 中国地质大学, 2022.

[RAN P L. Multi-scenario prediction and degradation risk assessment of ecosystem services based on land use change: The Wuhan metropolitan area, China. Wuhan: China University of Geosciences, 2022.]

[41]
高星, 杨刘婉青, 李晨曦, 等. 模拟多情景下白洋淀流域土地利用变化及生态系统服务价值的空间响应. 生态学报, 2021, 41(20): 7974-7988.

[GAO X, YANG L W Q, LI C X, et al. Land use change and ecosystem service value measurement in Baiyangdian Basin under the simulated multiple scenarios. Acta Ecologica Sinica, 2021, 41(20): 7974-7988.]

[42]
薛冬冬, 佘光辉, 温小荣, 等. 基于地统计分析的南京钟山风景区景观格局尺度效应分析. 西南林业大学学报, 2012, 32(1): 30-35, 111.

[XUE D D, SHE G H, WEN X R, et al. Scale effect of landscape pattern of Nanjing Zhongshan scenic spot based on statistic analysis. Journal of Southwest Forestry University, 2012, 32(1): 30-35, 111.]

[43]
AI J W, YU K Y, ZENG Z, et al. Assessing the dynamic landscape ecological risk and its driving forces in an island city based on optimal spatial scales: Haitan Island, China. Ecological Indicators, 2022, 137: 108771, Doi: 10.1016/J.ECOLIND.2022.108771.

Options
文章导航

/

〈 〉