基于FLUS模型的湖北省生态空间多情景模拟预测

引用本文

王旭, 马伯文, 李丹, 陈昆仑, 姚华松. 基于FLUS模型的湖北省生态空间多情景模拟预测[J].自然资源学报, 2020,35(1): 230-242
WANG Xu, MA Bo-wen, LI Dan, CHEN Kun-lun, YAO Hua-song. Multi-scenario simulation and prediction of ecological space in Hubei province based on FLUS model[J]. Journal of Natural Resources, 2020,35(1): 230-242 复制到剪切板

DOI:10.31497/zrzyxb.20200119

Permissions

《自然资源学报》编辑部所有

基于FLUS模型的湖北省生态空间多情景模拟预测

王旭¹, 马伯文¹, 李丹², 陈昆仑³, 姚华松⁴

1. 中国地质大学（武汉）地理与信息工程学院,武汉430074

2. 广东财经大学地理与旅游学院,510320

3. 中国地质大学（武汉）体育学院,武汉430074

4. 广州大学广州发展研究院,广州510405

通讯作者：陈昆仑（1982- ）,男,湖北荆门人,博士,教授,博士生导师,主要从事体育地理与区域发展研究。E-mail: ckl_2001@163.com

作者简介：王旭（1983- ）,女,湖南益阳人,博士,副教授,博士生导师,主要从事资源环境遥感研究。E-mail: jorrywangxu@163.com

收稿日期:2019-06-30 网络出版日期:2020-01-28

基金:国家自然科学基金项目（41401076）

摘要

改革开放以来,中国经济在飞速发展的同时,生态环境问题日益严峻。为保障国家和地区的生态安全,对未来生态空间进行模拟预测十分必要。在长江大保护和长江经济带绿色发展背景下,以湖北省为研究区,利用FLUS模型基于湖北省2010年、2015年土地利用数据及包含自然和人文因素的15种驱动因子数据,对2035年的湖北省生态空间进行模拟预测。结果表明：利用2010年土地利用现状模拟出的2015年湖北省土地利用变化情况,总体精度达到0.976,Kappa系数达到0.961,模拟精度较高。设置的生产空间优先、生活空间优先、生态空间优先以及综合空间优化4种不同情景,基本满足未来湖北省不同发展导向的需求。从地貌单元角度来看,在不同情景下,湖北省生态空间主要分布于湖北省边陲四大山区,中部江汉平原生态空间零星分布。从数量规模上来看,不同情景下各个用地类型数量规模差异较为明显,生产空间优先情景下耕地面积增加1216 km²,生活空间优先情景下城镇用地规模增加5959 km²,生态空间优先情景下生态空间用地增长722 km²,综合空间优化情景下生态空间用地规模变化更趋于平缓。从生态空间变化分布来看,四大山区的生态空间变化不大,但中部江汉平原生态空间变化较为明显,其中从行政区划上来看,变化范围主要分布于武汉城市圈、襄阳市、宜昌市中西部地区及随州市中部地区。总而言之,FLUS模型对于湖北省生态空间模拟的适用性较好,多情景模拟结果可为湖北省未来国土空间规划及未来生态空间管控提供多角度、多方向的政策决策参考。

关键词: 生态空间; 模拟预测; FLUS模型; 湖北省

Multi-scenario simulation and prediction of ecological space in Hubei province based on FLUS model

WANG Xu¹, MA Bo-wen¹, LI Dan², CHEN Kun-lun³, YAO Hua-song⁴

1. School of Geography and Information Engineering, China University of Geosciences, Wuhan 430074, China

2. Institute of Geography and Tourism, Guangdong University of Finance & Economics, Guangzhou 510320, China

3. School of Physical Education, China University of Geosciences, Wuhan 430074, China

4. Guangzhou Institute of Development, Guangzhou University, Guangzhou 510405, China

Abstract

Since reform and opening up in 1978, with the rapid development of China's economy, the problem of ecological environment has become increasingly serious. In order to ensure the ecological security of the countries and regions, it is necessary to simulate and predict the future ecological space. Under the background of the Yangtze River protection strategy and the green development of the Yangtze River Economic Belt, this paper takes Hubei province as the research area. Based on the data of land use in 2010 and 2015 and the data of 15 driving factors including natural and human factors, the FLUS model was used to simulate and predict the ecological space of Hubei province in 2035. Based on the current situation of land use in 2010, the results show that the overall accuracy of land use change in Hubei in 2015 is 0.976, and the Kappa coefficient is 0.961, which are of high accuracy. The four scenarios of production space priority, living space priority, ecological space priority and comprehensive space optimization basically meet the needs of different development orientations in this province in the future. From the perspective of geomorphic unit, under different scenarios, the ecological space of Hubei is mainly distributed in the four major mountainous areas on the border of Hubei province, and the ecological space in the central Jianghan Plain is scattered. In terms of quantity scale, the difference in the size and scale of each land use type in different scenarios is more obvious. The area of cultivated land increased by 1216 km² under the priority of production space, and the scale of urban land use increased by 5959 km² under the priority of living space. The ecological space used in the ecological space priority scenario increased by 722 km², while that used in the integrated space optimization scenario became moderate. From the distribution of ecological space change, the ecological space of the four mountainous areas has not changed much, but the ecological space of the central Jianghan Plain is more obvious. From the perspective of administrative divisions, the scope of change is mainly distributed in Wuhan City Circle, Xiangyang city, the central-west of Yichang city and the central part of Suizhou city. All in all, the FLUS model has good applicability to the ecological spatial simulation in Hubei. The results of multi-scenario simulation can provide a multi-angle and multi-directional policy decision reference for the future territorial spatial planning and ecological spatial control in this province.

Keyword: ecological space; simulation and prediction; FLUS model; Hubei province

文章图片

改革开放以来, 中国经济蓬勃发展, 城镇化水平不断提高, 但与此同时人与自然的矛盾也日益突出, 生态环境不断恶化, 荒漠化、石漠化、水土流失日益加深, 资源环境承载力持续下降, 面临着严峻的生态环境问题。为此, 十八大报告明确提出要调整国土空间结构以“ 促进生产空间集约高效、生活空间宜居适度、生态空间山清水秀” , 即优化“ 三生空间” 来实现人与自然的和谐共生。“ 三生空间” 优化过程中, 生态空间的保持和调整是解决人地问题的核心要素。中共中央办公厅、国务院办公厅印发的《关于划定并严守生态保护红线的若干意见》明确指出, 生态空间是指具有自然属性、以提供生态服务或生态产品为主体功能的国土空间^[1], 主要包括森林、草原、湿地、河流、湖泊、滩涂、岸线、海洋、荒地、荒漠、戈壁、冰川、高山冻原和无居民海岛等^[2]。

近年来, 国内学者基于我国基本国情特色对生态空间进行了相关研究, 主要研究成果包括对生态空间的现状分析^{[3, 4]}、关键性生态空间的辨识^{[5, 6]}以及区域生态空间的划定^{[7, 8]}等方面。其中, 部分学者发现林地、草地、水域、未利用地在核心生态空间内的面积占比较高, 生态空间的演变是一种生态空间与生活空间之间、生态空间与生产空间之间以及生态空间内部各种类型之间的动态演变^[4]。同时, 有研究者还提出, 可以通过生态空间识别初步对生态环境进行有效保护, 减缓生态退化, 继而利用关键性生态空间辨识对不同空间进行差异化政策保护^[6]。另外, 部分学者综合评估区域生态服务功能重要程度与生态敏感程度空间格局, 进而对区域生态空间进行划定^[7]。随着时间的推移以及人地关系进程的发展, 未来我国国土“ 三生空间” 的变化情况, 尤其是未来生态空间的变化, 关系着国家的经济、社会以及生态的可持续发展。然而, 目前对未来的生态空间模拟预测研究较为少见。因此, 采取科学合理的预测模型对未来国家和地区的生态空间格局进行模拟, 对保障国土生态空间安全、实现人地关系和谐具有重要的理论和现实意义。

FLUS（Future Land Use Simulation）模型是一种在人地关系相互影响下, 能有效处理国土空间内部各土地利用类型相互转化的复杂性和不确定性的模拟预测模型, 目前主要应用于土地利用模拟^[9]、城市扩张模拟^[10]和城市增长边界的划定^{[11, 12, 13, 14, 15]}等方面。通过结合大背景下的气候条件、区域空间内各土地类型的相互作用以及自上而下和自下而上的模型间相互作用和反馈的耦合关系这三大要素^[16], FLUS模型能够以较高的精度模拟预测出未来土地利用的变化分布。因此, 本文选择FLUS模型并设置多种情景来实现未来生态空间在不同政策优先导向影响下的模拟预测。

在落实长江大保护战略、支撑长江经济带绿色发展的背景下, 湖北省作为我国南北地域过渡和东中西承接的重要区域、长江经济带的关键节点, 其所面临的生态环境恶化、生态空间萎缩等区域生态问题具有很强的代表性。通过对生态空间的多情景模拟预测和对比, 可以有效明确湖北省国土生态空间的脆弱区及生态修复热点区或重点区, 并对这些国土生态空间的修复提供理论依据及数据基础, 同时也可帮助认知同类区域的生态空间演化规律, 为相关地区的生态修复示范建设提供支撑。因此, 本文以湖北省全域为研究区, 在验证FLUS模型模拟研究区未来土地利用精度的同时, 采用该模型对湖北省2035年生态空间进行多情景模拟预测, 期望提供一种能高效且精准地实现对区域未来生态空间的模拟预测方法, 为构建生态空间安全格局和修复国土生态空间提供借鉴。

1 研究方法与数据来源

1.1 研究区概况

湖北省地处长江中游地带, 是长江经济带的核心节点区域, 地理坐标介于108° 21′ 42″~116° 07′ 50″E、29° 01′ 53″~33° 6′ 47″N（图1）。研究区土地总面积18.59万km², 其中山地占56%、丘陵及平原湖区占44%。全域山地大致分为鄂西南武陵山区、鄂西北秦巴山区、鄂东南幕阜山区以及鄂东北大别山区四大山区。这四大山区具有良好的水源涵养、生物多样性维护和水土保持等生态功能, 是湖北省极其重要的生态屏障, 同时还是四大集中连片贫困山区。域内中南部为江汉平原, 地势低平, 分布有755个湖泊, 湖北“ 千湖之省” 的美誉因之得名, 这些湖泊具有生物多样性维护和洪水调蓄等重要的生态功能。域内除高山区属高山气候外, 其他大部分地区属亚热带湿润性季风气候, 日照时间及无霜期较长, 降水充足, 雨热同期。截至2018年底, 全省完成生产总值39366.55亿元, 较2017年增长7.8%, 城镇化率达60.3%。研究区既存在着保持经济社会持续快速增长的压力, 也面临着保障区域生态空间安全的挑战。

	Figure Option View Download New Window
	图1 湖北省行政区划图Fig. 1 Administrative divisions of Hubei province

1.2 数据来源

由于研究区属于湿润性季风气候, 土壤、气候等自然生态条件对该区域的生态空间变化影响较大, 同时研究区位于长江经济带核心节点区域, 人类活动密集频繁, 人口、经济等人文因素也与生态空间变化密切关联。模型构建需要综合考虑研究区自然和人文条件, 最终选取人类活动（人口和GDP等）、地形条件（海拔和坡度）、土壤（养分有效性和根系氧利用率等）和气候（温度和降水等）四类15项作为驱动因子。因此, 本文的基础数据是包含行政区划、土地利用等基础数据和驱动因子数据在内的空间数据集, 相关数据具体来源详见表1。

表1 数据来源信息表 Table 1 Data source information table

1.3 研究方法

FLUS模型是由刘小平等^[16]基于传统元胞自动机（CA）原理进行改进开发的, 原理是在利用人工神经网络模型算法（ANN）对基期土地利用数据和各驱动影响因子数据进行运算的基础上, 估算出区域内各土地利用类型的发展概率, 然后将发展概率与领域因子、自适应惯性系数和转换成本结合, 得出元胞的总体转换概率, 经过轮盘竞争机制最终得出模拟结果。本文采用该模型模拟预测未来湖北省多情景下的生态空间变化情况, 包括以下三个部分：（1）根据湖北省往年土地利用数据, 利用Markov模型预测出不同情景下未来各用地类型需求量; （2）通过考虑气温、降水、土壤、地形、交通、区位等多种驱动因素影响, 利用FLUS模型, 求得元胞总体转换概率, 进而确定元胞转换类型, 得出未来湖北省“ 三生空间” 空间变化的模拟结果; （3）依据模拟得到的预测分布图, 通过GIS等手段结合生态空间内涵提取生态空间预测分布图, 实现对湖北省未来生态空间的模拟预测。

1.3.1 用地需求规模预测

多情景模拟条件下, 生态空间的未来需求量是不一致的, “ 三生空间” 内部各土地类型的需求规模也存在差异。因此, 在对生态空间的未来分布进行模拟前, 需要根据不同情景预测各用地类型的需求规模。本文采用Markov模型对研究区未来各用地类型的需求规模进行预测。Markov模型在土地利用变化研究中通过假定t+1时的某土地利用类型状态只与t时的土地利用类型状态有关来实现土地利用变化的模拟^[17]。具体过程如下表示：

$S_{(t + 1)} = P_{ab} \times S_{(t)}$ （1）

式中：S₍_t₎、S₍_t₊₁₎为t、t+1时的研究区土地利用类型状态矩阵; P_ab表示由类型a转化为类型b的转移概率矩阵。

需要注意的是, 为提高模拟精准度克服Markov模型在长时间尺度模拟结果上可能存在的偏差, 本文以5年为时间间隔, 依次模拟各用地类型的需求规模。这一过程包括两个阶段：（1）以2010年和2015年两期用地数据为基础获取和调试参数, 并检验模型精度; （2）通过两期基础数据逐次对2020年、2025年、2030年和2035年4个年份的土地利用状况进行多情景模拟预测, 继而实现对生态空间发展和演化趋势的模拟预测。

1.3.2 “ 三生空间” 预测

在完成各用地类型需求规模预测基础上, 对“ 三生空间” 分布格局进行预测分析。受自然与人文等多种条件的影响, 生态空间与生产空间、生活空间以及生态空间内部不同用地类型都将发生转换, 因此元胞的转换规则是FLUS模型应用于“ 三生空间” 空间格局模拟的核心。本文正是通过FLUS模型定义的不同用地类型的转换规则来实现“ 三生空间” 分布格局的预测, 从而实现生态空间分布与变化的模拟预测。

（1）发展概率和领域影响因子

模拟过程中, FLUS模型采用的是BP-ANN人工神经网络算法求得各用地类型的发展概率。人工神经网络可以拟合人类活动、自然因素等空间驱动因子与用地类型的复杂对应关系, 并在输出层计算出元胞转换为各用地类型的概率; 它是通过模仿生物神经网络尤其是人类大脑的学习, 来解决复杂非线性问题的, 这种方法要优于传统回归分析方法, 能够有效解决多空间变量权重分配问题^[18]。本文运用均匀采样法对用地数据和驱动因子基础数据进行采样（为保证栅格数据行列数一致, 将采样分辨率设置为1 km²× 1 km²）, 然后对15种驱动因子的基础数据进行归一化处理, 最后经人工神经网络模型计算, 得出各用地类型的发展概率。

同时, 邻域影响因子用以反映不同用地类型之间以及邻域范围内不同用地单元间的相互作用。本文选取3× 3的Moore邻域模型计算该项参数, 具体如下^[10]：

$Ω_{p, k}^{t} = \frac{\sum_{3 \times 3} con (c_{p}^{t - 1} = k)}{3 \times 3 - 1} \times w_{k}$ （2）

式中： $con (c_{p}^{t - 1} = k)$ 表示用地类型k在最后一次迭代t-1时所占有的元胞总数量; $w_{k}$ 表示各类用地类型的邻域因子参数; $Ω_{p, k}^{t}$ 定义为元胞p在t时刻的邻域影响因子。邻域因子参数范围为0~1, 越接近1代表该用地类型的扩张能力越强, 参考已有研究的经验并考虑研究区用地特征, 将用地类型的扩张能力依次定义为城乡、工矿、居民用地（简称建设用地）> 未利用土地> 水域> 草地> 耕地> 林地, 其中受人为因素影响, 建设用地扩张能力最强, 林地扩张能力最弱, 分别设为1和0.01。考虑到自然及人为活动的共同作用, 未利用土地扩张能力适中, 其参数数值设定适中, 剩余用地类型扩张能力按上述次序进行排序赋值（表2）。

表2 邻域因子参数 Table 2 Neighborhood factor parameters

土地利用类型	建设用地	未利用土地	水域	草地	耕地	林地
邻域因子参数 $w_{k}$	1	0.5	0.4	0.3	0.2	0.01

表2 邻域因子参数 Table 2 Neighborhood factor parameters

（2）自适应惯性系数与转换成本

自适应惯性系数是根据预期需求和实际分配的用地类型之间的差异, 为每个元胞自动调整当前用地类型的继承性而设定的。如果某一特定用地类型的发展趋势与预期需求相矛盾, 自适应惯性系数将动态地调整该用地类型的继承性, 以在下一次迭代中纠正问题达到预期目标。因而自适应惯性系数定义式如下^[12]：

$I_{k}^{t} = \{\begin{array}{l} I_{k}^{t - 1} if |D_{k}^{t - 1}| \leq |D_{k}^{t - 2}| \\ I_{k}^{t - 1} \times \frac{D_{k}^{t - 2}}{D_{k}^{t - 1}} if D_{k}^{t - 1} < D_{k}^{t - 2} < 0 \\ I_{k}^{t - 1} \times \frac{D_{k}^{t - 1}}{D_{k}^{t - 2}} if 0 < D_{k}^{t - 2} < D_{k}^{t - 1} \end{array}$ （3）

式中： $I_{k}^{t}$ 表示用地类型k在迭代时间t时的惯性系数; $D_{k}^{t - 1}$ 表示t-1时用地需求和分配的面积差。

转换成本用来表征从当前用地类型转换为需求类型的困难度^[19]。本文共设置了4种情景用于模拟, 因此需要设计4种不同的转换成本（表3）。在生产空间优先情景下, 除建设用地外其他用地均可以转换为耕地; 在生活空间优先情景下, 按照城市发展需求依次对每种用地进行转换等级排序：建设、耕地、林地、草地、水域、未利用, 转换原则为不允许高等级用地向低等级土地转换; 在生态空间优先情景下, 按照各类用地的生态效益排序：林地、水域、草地、其他, 转换原则同生活空间优先模式; 生产空间优先、生活空间优先和生态空间优先的发展情景是仅考虑单一需求的三种理想情景, 因此需要设置更贴近实际发展的综合空间优化情景, 按照综合发展的需求各类用地的转换等级排序为：建设、林地、耕地、水域、草地及未利用土地, 该情景考虑到三种单一情景的综合需求。

表3 转换成本矩阵 Table 3 Conversion cost matrix

（3）总体转换概率及分配规则

最后, 使用以下公式来估算特定用地类型所占用单元的总体转换概率^[16]：

$T P_{p, k}^{t} = P_{p, k} \times Ω_{p, k}^{t} \times I_{k}^{t} \times s c_{c \to k}$ （4）

式中： $T P_{p, k}^{t}$ 是指p元胞单元在t时从原始用地类型转换为k类用地的总体转换概率; $P_{p, k}$ 表示元胞p转换为k类用地的发展概率; $Ω_{p, k}^{t}$ 表示邻域影响因子; $I_{k}^{t}$ 表示自适应惯性系数; $s c_{c \to k}$ 表示c类用地转换为k类用地的转换成本。

然后在FLUS模型中使用轮盘选择机制来确定元胞转换为哪种用地类型。在轮盘选择机制中, 轮盘所占面积表示分配概率。为了更好地模拟用地的动态性和不确定性, 较高的总概率具有更大的可能被分配到目标用地类型, 但具有较低概率的用地类型也有机会被分配到目标用地类型。

1.3.3 生态空间预测

本文的生态空间预测基本原理是, 在“ 三生空间” 的理论框架下, 定义生态空间、生产空间和生活空间与各类土地利用类型之间的对应关系, 在土地利用变化模拟的基础上, 重新划定三生空间的范围, 从而实现生态空间的模拟预测。利用FLUS模型来实现生态空间模拟系统的构建, 对多种情景下的2035年湖北省“ 生态空间” 演化进行模拟, 根据《土地利用现状分类》国家标准（GBT 21010-2017）, 考虑到数据的可获取性和研究尺度选取的科学性^{[19, 20, 21, 22]}, 将一级类用地中的林地、草地、水域及未利用土地等以自然属性和生态功能为主的用地类型界定为生态空间。

2 结果分析

2.1 模型精度验证

为验证FLUS模型的模拟精度, 利用2010年和2015年的两期土地利用数据, 以Markov模型预测出的研究区2015年各类用地规模为基础, 对综合空间优化情景下的土地利用变化情况进行模拟, 并将这一结果与2015年的实际值进行比较, 计算总体精度和 Kappa 系数。总体精度和Kappa系数的值越接近于1表明模拟精度越好, 当Kappa系数大于0.8时, 即表明模型模拟精度在统计学意义上达到较好的满意状态^[23]。计算发现本次验证总体精度为0.976, Kappa系数为0.961, 实验模拟精度达到较高水平, 表明FLUS模型在本文具有很好的适用性。

2.2 总体变化情况

模拟结果显示（表4）, 2035年湖北省的生态空间除生态空间优先情景下有小幅增长外, 其他三种情景均处于减少态势, 减少幅度也不大; 生产空间与生态空间类似, 只在生产空间优先情景下有小幅增长, 其他三种情景均处于减少态势, 且减少幅度较大; 而生活空间则在四种情景下均处于增长态势, 除生产空间优先情景的增长幅度较小外, 其他情景增长幅度均较大。这在一定程度上与我国的城市化发展阶段和社会经济结构的演进阶段相一致。同时, 将模拟结果可视化发现（图2）, 各用地类型的空间分布变化总体上也较为显著。综合四种情景的生态空间模拟结果表明, 湖北省生态空间总体上主要分布于鄂西南武陵山区、鄂西北秦巴山区、鄂东南幕阜山区以及鄂东北大别山区四大山区, 中部江汉平原生态空间零星分布。在变化强度上, 不同情景下四大山区的生态空间变化均不是很显著, 变化显著发生的区域主要位于江汉平原及与山地交接的宜昌、襄阳等几大省域中心城市周边。

表4 2015年土地利用与2035年多情景模拟“ 三生空间” 各用地类型数据表 Table 4 Land use in 2015 and multi-scenario simulation data table of land use types in 2035

	Figure Option View Download New Window
	图2 2035年四种情景生态空间模拟结果Fig. 2 Spatial simulation results of four scenarios in 2035

2.3 多情景模拟结果

不同控制条件下的分情景模拟预测结果显示, 研究区生态空间的变化存在较大差异：

（1）生产空间优先情景

生产空间优先情景下, 耕地是最为重要的土地利用类型, 因此有效保护耕地资源是这一情景下的主要目标。在模型实现过程中具体表现为：① 按照一定的比例适当增加其他用地类型向耕地的转移概率, 并减少耕地向其他用地类型的转移概率, 提高预测年份耕地的需求量; ② 考虑到耕地保护政策的影响, 增加耕地向其他用地类型转换的成本, 除建设用地外减少其他用地类型转换为耕地的成本, 以实现生产空间的优先原则。

从总体占比来看, 生态空间占59.24%、生活空间占3.94%、生产空间占36.82%, 相比其他控制条件该情景下生态空间所占比例更大。从面积变化来看, 该情景下生态空间显著减少, 由111515 km²减少为110094 km², 减少幅度为1421 km²; 而耕地面积则增加了1216 km², 城镇用地面积增加了205 km²。也就是说, 该情景下生产空间被其他用地类型的占用得到了限制, 区域经济发展导向和城市建设扩展诉求下的生活空间拓展就只能指向生态空间, 因此生态空间成为用地类型转换的主要转出来源。从空间分布格局来看, 变化主要发生于国家中心城市武汉和省域中心城市襄阳周边, 变化幅度从大到小依次为武汉城市圈（武汉、黄石、鄂州、黄冈、孝感、咸宁、仙桃、潜江、天门）、汉江流域经济带中心城市（襄阳）、省域重要城市（随州）, 这些区域都属于粮食生产和产业发展的重点区域。总的来说, 生产空间优先原则下, 对城市和区域经济发展的过度追求往往会牺牲生态环境, 造成生态空间一定程度的萎缩, 这样并不利于研究区社会经济的可持续发展。

（2）生活空间优先情景

生活空间优先情景下, 城市、道路及仓储等建设用地是生活空间的主要构成要素, 其向生产和生态空间的转移和变化受到限制。在模型实现过程中具体表现为：① 按照一定比例适当增加其他用地类型向建设用地的转移概率, 并减少建设用地向其他用地的转移概率, 提高预测年份建设用地的需求量; ② 考虑到优先发展建设用地的政策影响, 增加建设用地向其他用地转换的成本, 以实现生活空间的优先原则。

从总体占比来看, 生态空间占58.67%、生活空间占7.04%、生产空间占34.29%, 相比其他控制条件该情景下生态空间所占比例较大。从面积变化来看, 该情景下生活空间的用地规模急剧增加, 增长幅度接近一倍, 达到5959 km²; 与此同时, 生态空间和生产空间的面积显著减少, 其中生态空间减少为109045 km², 减少幅度为2470 km², 表明生活空间优先原则下, 城市和区域经济的发展一定程度上造成了生态环境的牺牲, 是以生态空间和生产空间的减少为代价的。从空间分布格局来看, 生态空间的变化则主要集中在武汉城市圈、襄阳市北部地区与宜昌市中西部地区; 而生活空间的变化与之相对, 但变化范围更大一些, 主要发生在省域中心城市及其周边区域, 转换来源不仅包括生态空间还包括城市周边的生产空间。具体来看, 武汉与黄石北部交界地带的生态空间变化最为剧烈, 生态空间遭到侵蚀的幅度较大, 这一趋势与武汉城市圈的区域发展定位和湖北省新一轮发展战略将黄石升格为省域中心城市的新举措是一致的。总的来看, 生活空间优先情景下的湖北省生态空间演化态势不容乐观, 其受城市扩张影响将急剧萎缩, 这预示着如果一味盲目追求城市建设, 放任建设用地的无序扩张, 势必导致区域内生态环境遭受严重破坏, 从而威胁区域可持续发展。

（3）生态空间优先情景

生态空间优先情景下, 最重要的任务是保护生态空间不被侵占, 相应用地类型不减少, 同时为修复生态系统, 鼓励其他用地类型转换为生态空间。在模型实现过程中具体表现为：严格控制生态空间的相关用地类型转换为生活空间和生产空间相关用地类型, 适当提高生产及生活空间相关用地向生态空间的转换。

从总体占比来看, 生态空间占60.39%、生活空间占5.91%、生产空间占33.40%, 相比其他控制条件该情景下生态空间所占比例最大。从面积变化来看, 生态空间仅在此情景下发生了正向转换, 且转换幅度不大, 仅722 km²; 同时这一情景下的生活空间的增长幅度相较其他情景较小, 生产空间的减少幅度则相较其他情景最大, 达到4581 km²。也就是说生产空间的转换即使在生态空间优先情景下, 仍然更多地指向生活空间。这表明城市化和社会经济结构演进具有较强的渗透性, 并在一定程度上表现出不可逆性, 生态空间一旦被侵占其修复难度和修复成本都很大。从空间分布格局来看, 武汉城市圈及省域中心城市宜昌的西部区域生态空间增长相对较为明显, 其他地区和城市的生态空间增长则主要位于城市中心周围的零星区域。

（4）综合空间优化情景

综合空间优化情景需要综合考虑生产空间优先、生活空间优先和生态空间优先这三种情景的多重需求, 因而该情景下的用地变化情况更为复杂, 用地类型相互间的转换以及生态空间与生产空间、生活空间的转换也更加频繁。该情景设置目的在于兼顾人地和谐以及区域绿色发展的理念, 实现长江大保护战略背景下的湖北省区域综合发展。因此模型实现过程中具体表现为：按照转换成本原则, 增加建设用地向其他用地转换的成本, 同时控制生态空间用地类型的转出。

研究结果表明该情景下各类用地的面积变化趋势与生活空间优先情景较为相似, 但更趋于平缓。从总体占比来看, 生态空间占59.45%、生活空间占6.83%、生产空间占33.72%, 相比其他情景三类空间所占比例更均衡。从面积变化来看, 生态空间用地减少1020 km², 生产空间用地减少4544 km², 生活空间用地增加5564 km²。从空间分布格局来看, 该情景下武汉城市圈及其他省域副中心城市的生态空间分布与生活空间优先情景较为类似, 但是生态空间分布范围明显比前者要大。这在一定程度上符合了促进相对后发的中部地区“ 崛起” 区域发展战略的诉求, 同时也兼顾了生态文明、绿色发展和长江大保护等战略对生态环境保护的要求。未来发展中不仅需要注重经济的高质量增长还需要科学合理地对生态空间实施管控和逐步修复。

3 结论与讨论

3.1 结论

本文基于FLUS模型, 通过设置4种不同情景对湖北省2035年的生态空间进行模拟和分析, 结论如下：

（1）FLUS多情景模拟预测模型可以较好地模拟湖北省的“ 三生空间” 及未来生态空间情况。通过选取包含自然生态条件及人类活动方面影响的15个驱动力因子, 模拟出的2015年湖北省“ 三生空间” 分布格局, 总体精度达到0.976, Kappa系数达到0.961, 说明该模型适用于对未来生态空间的模拟预测。

（2）设置的生产空间优先、生活空间优先、生态空间优先以及综合空间优化4种不同情景, 基本满足未来湖北省不同发展导向的需求。从空间分布来看, 湖北省的生态空间主要位于鄂西南武陵山区、鄂西北秦巴山区、鄂东南幕阜山区以及鄂东北大别山区四大山区, 中部江汉平原的分布则相对零星。

（3）从面积变化来看, 不同情景下各个用地类型面积差异较为明显。生产空间优先情景下耕地面积出现了唯一的正向转换, 但仅增加1216 km²; 生活空间优先情景下城镇用地增加幅度最大, 达5959 km²; 生态空间优先情景下生态相关用地类型出现了唯一的正向转换, 但仅增长722 km²; 综合空间优化情景下生态空间的变化趋势与生活空间优先情景相对一致, 只是幅度更加平和, 这在一定程度上更符合湖北省面临的区域发展和生态保护双重诉求。

（4）从空间分布格局来看, 四大山区的生态空间变化不大, 中部江汉平原生态空间变化较为明显, 变化主要发生于武汉城市圈及其周边, 襄阳、宜昌等省域中心城市周边以及随州周边区域, 这与湖北省的区域发展格局和规划定位形成了较好的契合。

3.2 讨论

生态空间是践行当前所倡导的生态文明、绿色发展等国家重大战略的关键载体, 对当前生态空间的摸底和对未来生态空间的预测是实现生态空间维育与修复的重要基础工作。因此, 本文利用FLUS模型开展生态空间的多情景模拟预测, 该模型具有综合考虑气候变化和人类活动双重影响的优势, 能够更加精准有效地识别湖北省国土生态空间易受扰动的脆弱区以及适宜开展生态修复的重点区。同时模拟预测结果也与当下的社会经济发展趋势和区域发展格局形成了较好的对应关系, 对研究区未来的生态空间管控、治理乃至修复都具有较好的政策借鉴意义和措施应对价值。

本文在模拟规则的制定过程中虽综合考虑了气候变化、人类活动等多要素的影响, 提取了包含自然和人文因素的15种驱动因子, 以尽可能改进模型的精确性, 但由于研究对象的复杂性, 仍存在一些要素（如生物及地质环境因素）未能充分考虑, 将在今后研究中进一步探讨。希望争取将其纳入模型, 实现模拟精度的进一步改善, 以推动生态空间模拟更加科学、合理和适用, 从而更好地推动生态空间维育、修复和改善, 帮助实现区域的可持续发展。

参考文献

文献顺序

[1]	中共中央办公厅,国务院办公厅.关于划定并严守生态保护红线的若干意见.http://www.gov.cn/zhengce/2017-02/07/content_5166291.htm,2017-02-07. [TheGeneralOfficeoftheCentralCommitteeoftheCommunistPartyofChinaandtheStateCouncil.Someopinionsondelimitingandstrictlyobservingtheredlineofecologicalprotection.http://www.gov.cn/zhengce/2017-02/07/content_5166291.htm, 2017-02-07. ] [本文引用:1]
[2]	沈悦, 刘天科, 周璞. 自然生态空间用途管制理论分析及管制策略研究. 中国土地科学, 2017, 31(12): 17-24. [SHEN Y, LIU T K, ZHOU P. Theoretical analysis and control strategy of natural ecological space use control. China Land Science, 2017, 31(12): 17-24. ] [本文引用:1]
[3]	许尔琪, 张红旗. 中国核心生态空间的现状、变化及其保护研究. 资源科学, 2015, 37(7): 1322-1331. [XU E Q, ZHANG H Q. Land use structure and change of important ecological space in China and protection research. Resources Science, 2015, 37(7): 1322-1331. ] [本文引用:1]
[4]	陈爽, 刘云霞, 彭立华. 城市生态空间演变规律及调控机制: 以南京市为例. 生态学报, 2008, 28(5): 2270-2278. [CHEN S, LIU Y X, PENG L H. Dynamics of urban ecological space evolution and policy responses: A case study of Nanjing city. Acta Ecologica Sinica, 2008, 28(5): 2270-2278. ] [本文引用:2]
[5]	迟妍妍, 许开鹏, 王晶晶, 等. 京津冀地区生态空间识别研究. 生态学报, 2018, 38(23): 8555-8563. [CHI Y Y, XU K P, WANG J J, et al. Identifying regional ecological space in Beijing, Tianjin, and Hebei. Acta Ecologica Sinica, 2018, 38(23): 8555-8563. ] [本文引用:1]
[6]	谢花林, 姚干, 何亚芬, 等. 基于GIS的关键性生态空间辨识: 以鄱阳湖生态经济区为例. 生态学报, 2018, 38(16): 5926-5937. [XIE H L, YAO G, HE Y F, et al. Key ecological spatial identification based on GIS: Taking Poyang Lake Eco-economic Zone as an example. Journal of Ecology, 2018, 38(16): 5926-5937. ] [本文引用:2]
[7]	熊善高, 秦昌波, 于雷, 等. 基于生态系统服务功能和生态敏感性的生态空间划定研究: 以南宁市为例. 生态学报, 2018, 38(22): 7899-7911. [XIONG S G, QIN C B, YU L, et al. Study on spatial identification of critical ecological space based on GIS: A case study of Poyang Lake Ecological Economic Zone. Acta Ecologica Sinica, 2018, 38(22): 7899-7911. ] [本文引用:2]
[8]	孔令桥, 王雅晴, 郑华, 等. 流域生态空间与生态保护红线规划方法: 以长江流域为例. 生态学报, 2019, 39(3): 1-9. [KONG L Q, WANG Y Q, ZHENG H, et al. A method for evaluating ecological space and ecological conservation redlines in river basins: A case of the Yangtze River Basin. Acta Ecologica Sinica, 2019, 39(3): 1-9. ] [本文引用:1]
[9]	林沛锋, 郑荣宝, 洪晓, 等. 基于FLUS模型的土地利用空间布局多情景模拟研究: 以广州市花都区为例. 国土与自然资源研究, 2019, (2): 7-13. [LIN P F, ZHENG R B, HONG X, et al. Simulation of land use spatial layout based on FLUS model: A case study of Huadu district, Guangzhou. Territory & Natural Resources Study, 2019, (2): 7-13. ] [本文引用:1]
[10]	LIANG X, LIU X P, LI D, et al. Urban growth simulation by incorporating planning policies into a CA-based future land -use simulation model. International Journal of Geographical Information Science, 2018, 32(11): 1-23. [本文引用:2]
[11]	张亚飞, 廖和平, 李义龙. 基于反规划与FLUS模型的城市增长边界划定研究: 以重庆市渝北区为例. 长江流域资源与环境, 2019, 28(4): 757-767. [ZHANG Y F, LIAO H P, LI Y L. Delimitation of urban growth boundary based on anti-planning and FLUS model: A case study of Yubei district, Chongqing, China. Resources and Environment in Yangtze River Basin, 2019, 28(4): 757-767. ] [本文引用:1]
[12]	LIANG X, LIU X P, LI X, et al. Delineating multi-scenario urban growth boundaries with a CA-based FLUS model and morphological method. Land scape and Urban Planning, 2018, 177: 47-63. [本文引用:2]
[13]	张子明, 刘平辉, 朱寿红. 基于FLUS模型的城镇用地增长边界划定研究: 以临川区为例. 江西农业学报, 2018, 30(5): 117-123. [ZHANG Z M, LIU P H, ZHU S H. Delimitation of urban land growth boundary based on FLUS model: A case study of Linchuan district. Acta Agriculturae Jiangxi, 2018, 30(5): 117-123. ] [本文引用:1]
[14]	吴欣昕, 刘小平, 梁迅, 等. FLUS-UGB多情景模拟的珠江三角洲城市增长边界划定. 地球信息科学学报, 2018, 20(4): 532-542. [WU X X, LIU X P, LIANG X, et al. Multi-scenarios simulation of urban growth boundaries in Pearl River Delta based on FLUS-UGB. Journal of Geo-Information Science, 2018, 20(4): 532-542. ] [本文引用:1]
[15]	朱寿红, 舒帮荣, 马晓冬, 等. 基于“反规划”理念及FLUS模型的城镇用地增长边界划定研究: 以徐州市贾汪区为例. 地理与地理信息科学, 2017, 33(5): 80-86, 127. [ZHU S H, SHU B R, MA X D, et al. The delimitation of urban growth boundary based on the idea of "Anti-planning " and FLUS model: A case study of Jiawang district, Xuzhou city. Geography and Geo-Information Science, 2017, 33(5): 80-86, 127. ] [本文引用:1]
[16]	LIU X P, LIANG X, LI X, et al. A future land use simulation model (FLUS) for simulating multiple land use scenarios by coupling human and natural effects. Land scape and Urban Planning, 2017, 168: 94-116. [本文引用:3]
[17]	丛佃敏, 赵书河, 于涛, 等. 综合生态安全格局构建与城市扩张模拟的城市增长边界划定: 以天水市规划区(2015-2030年)为例. 自然资源学报, 2018, 33(1): 14-26. [CONG D M, ZHAO S H, YU T, et al. Urban growth boundary delimitation method integrating comprehensive ecological security pattern and urban expansion simulation: A case study of planning areas in Tianshui city (2015-2030). Journal of Natural Resources, 2018, 33(1): 14-26. ] [本文引用:1]
[18]	黎夏, 叶嘉安. 基于神经网络的元胞自动机及模拟复杂土地利用系统. 地理研究, 2005, 24(1): 19-27. [LI X, YE J A. Cellular automata for simulating complex land use systems using neural networks. Geographical Research, 2005, 24(1): 19-27. ] [本文引用:1]
[19]	邓华, 邵景安, 王金亮, 等. 多因素耦合下三峡库区土地利用未来情景模拟. 地理学报, 2016, 71(11): 1979-1997. [DENG H, SHAO J A, WANG J L, et al. Land use driving forces and its future scenario simulation in the Three Gorges Reservoir area using CLUE-S model. Acta Geographica Sinica, 2016, 71(11): 1979-1997. ] [本文引用:2]
[20]	戴文远, 江方奇, 黄万里, 等. 基于“三生空间”的土地利用功能转型及生态服务价值研究: 以福州新区为例. 自然资源学报, 2018, 33(12): 2098-2109. [DAI W Y, JIANG F Q, HUANG W L, et al. Study on transition of land use function and ecosystem service value based on the conception of production, living and ecological space: A case study of the Fuzhou New Area. Journal of Natural Resources, 2018, 33(12): 2098-2109. ] [本文引用:1]
[21]	刘辉, 张志赟, 税伟, 等. 资源枯竭型城市增长边界划定研究: 以淮北市为例. 自然资源学报, 2017, 32(3): 391-405. [LIU H, ZHANG Z Y, SHUI W, et al. Urban growth boundary delimitation of resource-exhausted cities: A case study of Huaibei city, 2017, 32(3): 391-405. ] [本文引用:1]
[22]	席建超, 王首琨, 张瑞英. 旅游乡村聚落“生产—生活—生态”空间重构与优化: 河北野三坡旅游区苟各庄村的案例实证. 自然资源学报, 2016, 31(3): 425-435. [XI J C, WANG S K, ZHANG R Y. Restructuring and optimizing production-living-ecology space in rural settlements: A case study of Gougezhuang village at Yesanpo tourism attraction in Hebei province. Journal of Natural Resources, 2016, 31(3): 425-435. ] [本文引用:1]
[23]	陈昆仑, 齐漫, 王旭, 等. 1995-2015年武汉城市湖泊景观生态安全格局演化. 生态学报, 2019, 39(5): 1725-1734. [CHEN K L, QI M, WANG X, et al. Study of urban lake land scape ecological security pattern evolution in Wuhan, 1995-2015. Acta Ecologica Sinica, 2019, 39(5): 1725-1734. ] [本文引用:1]
[24]	张博, 雷国平, 周浩, 等. 基于CLUE-S模型的矿业城市土地利用格局情景模拟. 水土保持研究, 2016, 23(5): 261-266. [ZHANG B, LEI G P, ZHOU H, et al. Scenario simulation of land use in mining city based on CLUE-S mode. Research of Soil and Water Conservation, 2016, 23(5): 261-266. ] [本文引用:1]

2017

0.0

... 中共中央办公厅、国务院办公厅印发的《关于划定并严守生态保护红线的若干意见》明确指出,生态空间是指具有自然属性、以提供生态服务或生态产品为主体功能的国土空间^[1],主要包括森林、草原、湿地、河流、湖泊、滩涂、岸线、海洋、荒地、荒漠、戈壁、冰川、高山冻原和无居民海岛等^[2] ...

2017

0.0

2015

0.0

许尔琪, 张红旗. 中国核心生态空间的现状、变化及其保护研究. 资源科学, 2015, 37(7): 1322-1331.

[XU

E Q

, ZHANG

H Q

. Land use structure and change of important ecological space in China and protection research. Resources Science, 2015, 37(7): 1322-1331. ]

Rapid social and economic development brings a series of serious ecological and environmental problems in China. It calls for overall spatial planning and layout for national security that can coordinate the relationship between social and economic development and ecological protection. Based on national zone planning and ecological engineering,six ecological regulation and protection regions were extracted as national important ecological space in China. The national ecological space includes the water conservation region,soil conservation region,wind-breaking and sand-fixing district,flood regulation region,riparian zone protection district and biodiversity conservation region. The boundary of the important ecological space forms the ecological limit line for maintaining national ecological safety. The important ecological space has a total area of 3 397 700km 2 and is mainly located in central and western China. The land use structure has significant differences cross the six regions,indicating some special ecological service values for corresponding regions. The woodland,grassland,wetland and glacier,which play a significantly higher role in ecological regulation and protection,have a higher proportion of total land use structure. In contrast,the farmland,urban,rural construction land and industrial land,which bear the major production and living function,has a lower proportion of land use. In the past 30 years,woodland,grassland,wetland and glaciers have decreased but land with production and living function increased. This increasing human disturbance causes larger burdens for the resource and environment,which weakens ecological regulation,protection and barrier function of China’s important ecological space. We suggest that the growth of arable land and construction land should be strictly controlled and capped. There should also be a strong emphasis on absolute protection of woodland,grassland and wetland.

Key Laboratory of Land Surface Pattern and Simulation,Institute of Geographic Sciences and Natural Resources Research,Chinese Academy of Sciences,Beijing 100101,China

本文综合中国目前的国土区划和生态工程,提取包括水源涵养区、土壤保持区、防风固沙带、洪水调蓄区、河岸防护带和生物多样性保护区等6类国家核心生态空间,划定维护国土安全的生态红线。结果表明,中国核心生态空间面积为339.77万km 2 ,主要分布在中西部地区。核心生态空间内的土地利用构成以林地、草地和湿地为主,耕地和城乡工矿建设用地等比重较低。1980-2008年近30年间,发挥重要生态功能的用地呈减少趋势,而以生产、生活功能为主的用地呈增加态势,区域生态调节、防护和屏障功能削弱。因此,核心生态空间内应严格控制耕地、建设用地的增长,采取有效措施使其“零增长”乃至“负增长”,强调生态红线内林地、草地和湿地的绝对保护。

... 近年来,国内学者基于我国基本国情特色对生态空间进行了相关研究,主要研究成果包括对生态空间的现状分析^[3,4]、关键性生态空间的辨识^[5,6]以及区域生态空间的划定^[7,8]等方面 ...

2008

0.0

陈爽, 刘云霞, 彭立华. 城市生态空间演变规律及调控机制: 以南京市为例. 生态学报, 2008, 28(5): 2270-2278.

[CHEN

, LIU

Y X

, PENG

L H

. Dynamics of urban ecological space evolution and policy responses: A case study of Nanjing city. Acta Ecologica Sinica, 2008, 28(5): 2270-2278. ]

Since the late of 1990s the urban space has increased fast in the Yangtze River Delta due to both the central city′s extension outward and urbanization in the suburban of metropolitan areas. The rapid urban expansion has changed land use/cover, while a lot of land use policies of nature conservation have also been implemented to diminish the ecological environmental effects of changes. For these two opposite processes the ecological space performing high ecosystem services function has complicatedly varied. The variation should be theoretically investigated with emphasis on human factors. Based on the land use data interpreted from TM images of Nanjing in 1986, 1996 and 2002, in this paper we first analyzed the changes of area and quality of ecological spaces during the rapid urbanization since the open policy, then probed into the driving forces in aspects of economic development, national policies and urban expansion patterns. Furthermore, after exploring the spatial temporal evolution and the change models, we finally gave some policy suggestions for ecological space protection. Several points could be drawn from the investigations: (1) In the period from 1986 to 2002 the green space increased and the blue space decreased, while in general the total area of ecological spaces maintained stable; (2) The ecological spaces′ ecosystem services value decreased and the landscape tended to be fragmented into artificially regular patches; (3) The composition of ecological spaces varied in different urban zones. In the main city, as the direct frontier of urban expansion, the quantity and quality of ecological spaces decreased quickly in 1986-2002. In the near suburban zone as the urban-rural interface, the water area and wetland with much high ecosystem services value were invaded or even occupied by urban spaces and agricultural land, thus the quality of ecological spaces decreased even though the total area of ecological spaces increased a bit due to series of national policies as returning arable land to forest, adjusting agricultural structure and etc. Therefore a conclusion emerged that the effect of area-control policy was limited on conservation of ecological spaces. To what extent it took effect relied on a series of governmental intervention and adjustment activities on urban growth and natural conservation. The research results may provide scientific basis of the policies of ecological space protection, and enrich the safe and healthy urban ecosystem study based on land use/cover change.

1 Nanjing institute of Geography ＆Limnology, Chinese Academy of Sciences, Nanjing 210008, China 2 Graduate School, Chinese Academy of Sciences, Beijing 100039, China

长三角地区自20世纪90年代后期以来，大城市向外扩张及郊区城市化作用共同推动城市空间的加速扩展，在政府干预下，生产、生活性用地与生态性用地间表现出复杂的双向流动特征。鉴于生态性用地在城市生态系统中的服务功能，以及人文因素在解释城市土地利用/土地覆盖变化中的重要意义，有必要针对人类干预下的城市生态性用地时空和质量演化过程进行系统研究。利用1986、1996、2002年TM影像解译的南京市土地利用数据，研究南京市城生态空间数量增减和质量变化，从经济发展阶段、宏观政策环境和城市扩展规律等方面分析变化的驱动力，揭示政府干预下生态空间的结构和功能演变规律，并提出生态空间保护对策。结果表明：(1）研究期内生态空间面积总体保持平衡，其中绿色空间有所增长，蓝色空间有所下降；(2）生态空间的服务功能下降，景观格局上总体呈现破碎化、人工化趋势；(3）空间分布上，城市扩展前缘的主城区生态空间数量和质量下降严重，而属于城乡交错地区的都市发展区在退耕还林和农业经济结构变化等影响下生态空间数量有所上升，水面及洲滩湿地等高生态服务价值生态空间消失或蚕食，造成生态服务功能下降。研究发现，简单的面积指数难以控制生态空间的服务功能下降，生态空间保护必须依靠政府的多方面干预和调控行为。研究可为政府决策提供科学依据，丰富城市生态安全的空间策略研究内容。

... 其中,部分学者发现林地、草地、水域、未利用地在核心生态空间内的面积占比较高,生态空间的演变是一种生态空间与生活空间之间、生态空间与生产空间之间以及生态空间内部各种类型之间的动态演变^[4] ...

2018

0.0

迟妍妍, 许开鹏, 王晶晶, 等. 京津冀地区生态空间识别研究. 生态学报, 2018, 38(23): 8555-8563.

[CHI

Y Y

, XU

K P

, WANG

J J

, et al. Identifying regional ecological space in Beijing, Tianjin, and Hebei. Acta Ecologica Sinica, 2018, 38(23): 8555-8563. ]

The identification of ecological space is one of the most efficient ways to effectively maintain the ecological environment and to slow down environmental degradation. It is an important field in ecological research. Given that Beijing and Tianjin cities and Hebei Province are all deficient in natural assets, water and land resources have been under considerable pressure over the last 10 yr. In these areas, there exists an intense conflict between conserving the fragile foundations of the natural ecology and the desire for socioeconomic development. In order to explore the ecological space method and its effectiveness on sustainable development, we evaluated the importance and availability of ecological services and identified key areas of ecological functions and areas of biodiversity that would be considered a conservation priority. The Hunshandake Sandy Land, Hebei Province, an area where desertification prevention is a priority, is bordered by the Yan Mountains to the north and the Taihang Mountains to the west. The area is linked to both the water resources and the ecological security of Beijing, Tianjin, and Hebei, making desertification prevention a matter of concern within these populated regions. This study provides a scientific basis for sustainable socioeconomic development.

生态空间识别是有效维护生态环境和减缓生态退化的有效方法之一，也是生态学目前研究的重要领域。京津冀地区自然禀赋先天不足，由于持续高强度的开发活动，水资源和土地资源的生态压力增大，脆弱的自然生态本底与经济社会发展的矛盾冲突激烈。为了探索基于可持续发展目标的生态空间管控有效方法，依据生态系统服务功能重要性和敏感性评价，以及重点生态功能区、重要生态功能区和生物多样性保护优先区等生态保护重要区域识别，确定了京津冀地区的生态空间。浑善达克沙漠化防治生态功能区、冀北燕山山区和冀西太行山山区，这些重要的区域关系到京津冀地区水资源和生态安全，是京津冀生态安全的重要屏障。生态空间识别将为京津冀地区社会经济可持续发展提供相应的科学依据。

2018

0.0

谢花林, 姚干, 何亚芬, 等. 基于GIS的关键性生态空间辨识: 以鄱阳湖生态经济区为例. 生态学报, 2018, 38(16): 5926-5937.

[XIE

H L

, YAO

, HE

Y F

, et al. Key ecological spatial identification based on GIS: Taking Poyang Lake Eco-economic Zone as an example. Journal of Ecology, 2018, 38(16): 5926-5937. ]

Ecological space undertakes the mission of maintaining regional ecological balance and provides sustainable ecological space services for society. It is a basic guarantee that regional land ecology can continuously provide society with the benefit of natural space services. In this study, the Poyang Lake Ecological Economic Zone, which is fragile in its natural ecological environment, was used as the research area. Based on relevant practical experience and research results of domestic and foreign scholars, spatial information technology based on RS and GIS was used to evaluate the importance of ecosystem services and the sensitivity of ecosystem; the corresponding evaluation indicators were selected, according to local conditions, to identify the critical ecological space of Poyang Lake Ecological Economic Zone. The results showed that the area of critical ecological space in Poyang Lake Ecological Zone was 27751.25 km 2 , accounting for 52.55% of the total area of the study area; the urgent ecological space was 17125.31 km 2 , accounting for 32.43% of the total area; the crisis ecological space was 4431.19 km 2 , accounting for 8.39% of the total area; and the crucial ecological space was 6194.75 km 2 , accounting for 11.73% of the total area. In land-use ecological-security conflict analysis, 14.29% of cultivated land and 9.31% of construction land are in a critical ecological zone.

生态空间承担着维持区域生态平衡的使命，并为社会提供持续不断的生态空间服务，是区域土地生态能持续地提供自然空间服务的基本保障。以自然生态环境脆弱的鄱阳湖生态经济区为研究区，结合国内外学者的相关实践经验和研究成果，基于RS和GIS等相关空间信息技术，通过生态系统服务功能重要性评价和生态系统敏感性评价方法，因地制宜地选取了相应评价指标，以栅格为单元辨识了鄱阳湖生态经济区关键性生态空间。研究结果表明：鄱阳湖生态经济区关键性生态空间面积为27751.25 km 2 ，占研究区总面积的52.55%，其中底线型生态空间面积为17125.31 km 2 ，占研究区总面积三分之一，危机型生态空间面积为4431.19 km 2 ，占研究区总面积的8.39%，缓冲型生态空间面积为6194.75 km 2 ，占研究区总面积的11.73%。在现状土地利用生态安全冲突分析中，有14.29%的耕地、9.31%的建设用地处于关键性生态区内。

... 同时,有研究者还提出,可以通过生态空间识别初步对生态环境进行有效保护,减缓生态退化,继而利用关键性生态空间辨识对不同空间进行差异化政策保护^[6] ...

2018

0.0

熊善高, 秦昌波, 于雷, 等. 基于生态系统服务功能和生态敏感性的生态空间划定研究: 以南宁市为例. 生态学报, 2018, 38(22): 7899-7911.

[XIONG

S G

, QIN

C B

, YU

, et al. Study on spatial identification of critical ecological space based on GIS: A case study of Poyang Lake Ecological Economic Zone. Acta Ecologica Sinica, 2018, 38(22): 7899-7911. ]

Ecological space distribution has important functions, and can provide a basis for making decisions regarding protecting the ecological security of national landscapes. How to define an ecological space has become a problem in ecological environment protection and management. Presently, ecological space delimitation technology is still in the exploration stage domestically. Ecosystem service functions and ecological sensitivity are the main indicators that reveal ecosystem health. Based on the ecosystem service functions and ecological sensitivity of ecosystem protection and decision-making management, the conflict between ecological systems and land use can be coordinated. This is conducive to restore and maintain regional ecosystem integrity and sustainability. In this study, the ecological space delimitation method was analyzed based on the importance of ecosystem service functions and ecological sensitivity in Nanning City, Guangxi Autonomous Region. Results showed that in the study area, the main ecosystem service functions were biological diversity maintenance and soil and water conservation function, followed by water conservation function. The comprehensive ecosystem service function was generally important, accounting for 42.32% of the research area. The main ecological sensitivity of the study area was soil and water loss, followed by stony desertification. The comprehensive sensitivity level indicated the ecological environment was sensitive, accounting for 85.44% of the total area. The preliminary delineation of ecological space in the study area was about 9325.27 km 2 , accounting for 42.19% of the study area, and 76.59% of the area of ecological land in the study area. Forest land was the main land use type in the ecological space, accounting for 83.65% of the ecological space. The delineation of ecological space covered most of the ecological land. This method can be used in the delimitation of ecological space in space planning, which can provide auxiliary decision support for the planning scheme. In the next step, further discussion is needed to identify regional ecosystem service functions and ecological sensitivity mechanisms and capabilities from rich data sources and data accuracy. It is still necessary to combine ecological space with urban and agricultural spaces to comprehensively research the ecosystem. Further research on ecological space classification is necessary.

生态空间管制是我国国土空间管制的重要内容。针对目前国内对生态空间认知有差异，对其划定技术方法还处于探索阶段的情况下，以生态系统服务功能和生态敏感性技术评价方法为手段，以广西壮族自治区南宁市为研究对象，开展了基于生态系统服务功能重要性和生态敏感性的生态空间划定方法的探索研究。结果表明：（1）研究区域内主导的生态系统服务功能主要为生物多样性维护功能和水土保持功能，其次为水源涵养功能。生态系统综合服务功能重要性类型以一般重要为主，约占研究区总面积的42.32%。（2）研究区生态敏感性以水土流失敏感性为主，其次为石漠化敏感类型。生态环境综合敏感类型以敏感为主，约占总面积的85.44%。（3）研究区内初步划定生态空间总面积约9325.27 km 2 ，占研究区总面积的42.19%，占研究区内生态用地面积的76.59%。土地利用类型以林地为主，约占生态空间面积的83.65%。划定的生态空间范围涵盖了绝大部分生态用地。本研究在一定程度上丰富了生态空间的内涵，可为进一步理解和划定生态空间提供参考与借鉴。

... 另外,部分学者综合评估区域生态服务功能重要程度与生态敏感程度空间格局,进而对区域生态空间进行划定^[7] ...

2019

0.0

2019

0.0

... FLUS（Future Land Use Simulation）模型是一种在人地关系相互影响下,能有效处理国土空间内部各土地利用类型相互转化的复杂性和不确定性的模拟预测模型,目前主要应用于土地利用模拟^[9]、城市扩张模拟^[10]和城市增长边界的划定^{[11,12,13,14,15]}等方面 ...

2018

0.0

... 3的Moore邻域模型计算该项参数,具体如下^[10]： ...

2019

0.0

2018

0.0

... 因而自适应惯性系数定义式如下^[12]： ...

2018

0.0

2018

0.0

吴欣昕, 刘小平, 梁迅, 等. FLUS-UGB多情景模拟的珠江三角洲城市增长边界划定. 地球信息科学学报, 2018, 20(4): 532-542.

[WU

X X

, LIU

X P

, LIANG

, et al. Multi-scenarios simulation of urban growth boundaries in Pearl River Delta based on FLUS-UGB. Journal of Geo-Information Science, 2018, 20(4): 532-542. ]

Arising from rapid growth of economy and population,urban sprawl has become a major challenge for sustainable urban development in the world. In order to assist urban planning, applicable methods and models are required to guide and constrain the growth of urban areas. Nowadays, urban growth boundaries (UGBs) has been regarded as a common tool used by planners to control the scale of urban development and protect rural areas which has a significant contribution to local ecological environment. However, existing models mainly focus on the delimitation of UGBs for urban development in single-scenarios. To date, there are rarely studies to develop efficient and scientific methods for delimiting the UGBs by taking the influences of macro policy and spatial policy into account. This paper presents a future land use simulation and urban growth boundary model (FLUS-UGB) which aims to delimit the UGBs for the urban areas in multi-scenarios. The top-down system dynamics (SD) model and bottom-up cellular automaton (CA) model are integrated in FLUS sub-model for simulating the urban growth pattern in the future. Furthermore, the UGB sub-model is developed to generate the UGBs that uses a morphological technology based on erosion and dilation according to the urban form produced by FLUS. This method merges and connects the cluster of urban blocks into one integral area and eliminates the small and isolated urban patches at the same time. We selected the Pearl River Delta region (PRD), one of the most developed areas in China, as the case study area and simulate the urban growth of PRD region from 2000 to 2013 for validate the proposed model. Then we used FLUS-UGB model to delimit the UGBs in PRD region of 2050 under three different planning scenarios (baseline, farmland protection and ecological control). The results showed that: (1) the model has high simulation accuracy for urban land with Kappa of 0.715, overall accuracy of 94.539% and Fom 0.269. (2) the method can maintain the edge details well in areas with high urban fragmentation and fractal dimension. This research demonstrates that the FLUS-UGB model is appropriate to delineate UGB under different planning policies, which is very useful for rapid urban growth regions.

School of Geography and Planning of Sun Yat-Sen University, Guangzhou 510275, China

城市增长边界（UGBs）能够控制城市空间的无序蔓延并引导城市合理增长,多发展情景下的UGBs是对不同规划条件下城市未来发展空间范围进行界定的常用方法。元胞自动机（CA）模型能对未来城市发展进行动态的预测,并已广泛的应用于UGBs的划定中。然而,目前的方法和模型大多只针对单一的城市发展情景进行UGBs的划定,较少能对未来多种发展情景下的UGBs进行准确划定。因此,针对这个问题本文提出了一种基于未来用地模拟（FLUS）模型和膨胀与腐蚀的算法的多情景UGBs划定模型（FLUS-UGB）。本文选取珠江三角洲地区为研究区,在对2000-2013年珠江三角洲地区城市土地利用进行模拟和验证的基础上（Kappa系数为0.715,总体精度为94.539%）,预测了2013-2050年基准、耕地保护及生态控制3种情景下珠江三角洲地区的城市扩张,并根据预测结果对该地区UGBs进行划定。结果显示,该方法能够针对不同的城市发展情景进行相应UGBs的划定,具有较好的可靠性及适用性。

2017

0.0

2017

0.0

... 通过结合大背景下的气候条件、区域空间内各土地类型的相互作用以及自上而下和自下而上的模型间相互作用和反馈的耦合关系这三大要素^[16],FLUS模型能够以较高的精度模拟预测出未来土地利用的变化分布 ...

... 3 研究方法FLUS模型是由刘小平等^[16]基于传统元胞自动机（CA）原理进行改进开发的,原理是在利用人工神经网络模型算法（ANN）对基期土地利用数据和各驱动影响因子数据进行运算的基础上,估算出区域内各土地利用类型的发展概率,然后将发展概率与领域因子、自适应惯性系数和转换成本结合,得出元胞的总体转换概率,经过轮盘竞争机制最终得出模拟结果 ...

... 最后,使用以下公式来估算特定用地类型所占用单元的总体转换概率^[16]： ...

2018

0.0

... Markov模型在土地利用变化研究中通过假定t+1时的某土地利用类型状态只与t时的土地利用类型状态有关来实现土地利用变化的模拟^[17] ...

2005

0.0

黎夏, 叶嘉安. 基于神经网络的元胞自动机及模拟复杂土地利用系统. 地理研究, 2005, 24(1): 19-27.

[LI

, YE

J A

. Cellular automata for simulating complex land use systems using neural networks. Geographical Research, 2005, 24(1): 19-27. ]

This paper presents a new method to simulate the dynamics of multiple land uses based on the integration of neural networks,cellular automata and GIS. Recently, cellular automata (CA) have been increasingly used to simulate urban growth and land use dynamics. However, simulation of multiple land use changes using CA models is difficult because numerous spatial variables and parameters have to be utilized. Conventional CA models have problems in defining simulation parameter values, transition rules and model structures. In this paper, a three-layer neural network with multiple output neurons is designed to calculate conversion probabilities for competing multiple land uses. The neural-network-based CA model is directly developed in a GIS environment by using ARC/INFO GRID AML. The GIS provides both data and spatial analysis functions for constructing the neural network. Real data are conveniently retrieved from the GIS database for calibrating and testing the model. The GIS functions are also used for the neural network calculations. The neural network has multiple output neurons to generate conversion probabilities at each iteration. Land use conversion is decided by comparing the conversion probabilities. The model is carried out by iterative looping the neural network for simulating multiple land use changes. Complex global patterns can be generated from local interactions through the neural network. The simulation results are not deterministic because a stochastic variable is used and site attributes are dynamically updated at the end of each loop. The proposed method can overcome some of the shortcomings of the currently used CA models in simulating complex urban systems and multiple land use changes by significantly reducing the tedious work in defining parameter values, transition rules and model structures. The model has been successfully applied to the simulation of land use dynamics in the Pearl River Delta.

1. School of Geography and Planning, Zhongshan University, Guangzhou 510275, China; 2. Centre of Urban Planning and Environmental Management, the University of Hong Kong, Hong Kong, China

本文提出了基于神经网络的元胞自动机(CellularAutomata),并将其用来模拟复杂的土地利用系统及其演变。国际上已经有许多利用元胞自动机进行城市模拟的研究,但这些模型往往局限于模拟从非城市用地到城市用地的转变。模拟多种土地利用的动态系统比一般模拟城市演化要复杂得多,需要使用许多空间变量和参数,而确定模型的参数值和模型结构有很大困难。本文通过神经网络、元胞自动机和GIS相结合来进行土地利用的动态模拟,并利用多时相的遥感分类图像来训练神经网络,能十分方便地确定模型参数和模型结构,消除常规模拟方法所带来的弊端。

... 它是通过模仿生物神经网络尤其是人类大脑的学习,来解决复杂非线性问题的,这种方法要优于传统回归分析方法,能够有效解决多空间变量权重分配问题^[18] ...

2016

0.0

邓华, 邵景安, 王金亮, 等. 多因素耦合下三峡库区土地利用未来情景模拟. 地理学报, 2016, 71(11): 1979-1997.

[DENG

, SHAO

J A

, WANG

J L

, et al. Land use driving forces and its future scenario simulation in the Three Gorges Reservoir area using CLUE-S model. Acta Geographica Sinica, 2016, 71(11): 1979-1997. ]

Model simulation and scenarios change analysis are the core contents of the future land use change study. In this paper, land use status data of the Three Gorge Reservoir Area (TGRA) in 1990 were used as base data. The relationship between driving factors and land use was analyzed by using binary logistic stepwise regression analysis, based on which land use in 2010 was simulated by CLUE-S model. After the inspection and determination of main parameters impacting driving factors of land use in the TGRA, land use of the TGRA in 2030 was simulated based on four scenarios, including natural growth, food security, emigrant construction and ecological protection. The results were shown as follows: (1) The areas under ROC curves of land use types were both greater than 0.8 under the analysis and inspection of binary logistic model. These land use types include paddy field, dry land, forestland, grassland, construction land and water area. Therefore, it has a strong interpretation ability of driving factors on land use, which can be used in the estimation of land use probability distribution. (2) The Kappa coefficients, verified from the result of land use simulation in 2010, were showed of paddy field 0.9, dry land 0.95, forestland 0.97, grassland 0.84, construction land 0.85 and water area 0.77. So the results of simulation could meet the needs of future simulation and prediction. (3) The results of multi-scenarios simulation show a spatial competition relationship between different land use types, and an influence on food security, emigrant construction and ecological protection in the TGRA, including some land use change such as the large-scale conversion from paddy field to dry land, the occupation of cultivated land, rapid expansion of construction land from forestland and grassland, the reclamation of cultivated land to forestland and grassland, the conversion of forestland and grassland to cultivated land. Therefore, it is necessary to balance the needs of various aspects in land use optimization, so as to achieve the coordination between social economy and ecological environment.

1. College of Resources and Environment, Southwest University, Chongqing 400716, China 2. College of Geography and Tourism, Chongqing Normal University, Chongqing 400047, China 3. Key Laboratory of Surface Process and Environment Remote Sensing, in the Three Gorges Reservoir Area, Chongqing 400047, China

模型模拟和情景变化分析是未来土地利用变化研究的核心内容,本文以2000年三峡库区土地利用现状为基期数据,利用Binary Logistic模型回归分析驱动因子与土地利用间的关系,利用CLUE-S模型对2010年土地利用进行模拟,校验并确定影响库区土地利用驱动因素的主要参数后,基于自然增长、粮食安全、移民建设和生态保护对2020年、2030年库区土地利用情景予以模拟。结果表明：① 通过Binary Logistic模型分析和检验,水田、旱地、林地、草地、建设用地和水域的ROC曲线下面积值均大于0.8,表明所选驱动因子对土地利用的解释能力较强,可用来估算土地利用概率分布;② 2010年各地类模拟结果经验证得Kappa系数分别为水田0.9、旱地0.92、林地0.97、草地0.84、建设用地0.85和水域0.77,总体上能满足模拟与预测需求;③ 多情景模拟显示库区不同土地利用类型在空间上的竞争关系,以及所带来的对库区粮食安全、移民建设、生态保护的影响,包括水田大量转换为旱地（“水改旱”）、耕地与林草地被建设占用、林草地开垦为耕地、陡坡耕地退为林草地等行为,需要在土地利用优化中平衡各方面的需求;④ 多因素、多情景模拟能为库区土地利用提供更为清晰的、可供抉择的政策调控思路。

... 转换成本用来表征从当前用地类型转换为需求类型的困难度^[19] ...

... 演化进行模拟,根据《土地利用现状分类》国家标准（GBT 21010-2017）,考虑到数据的可获取性和研究尺度选取的科学性^{[19,20,21,22]},将一级类用地中的林地、草地、水域及未利用土地等以自然属性和生态功能为主的用地类型界定为生态空间 ...

2018

0.0

2017

0.0

2016

0.0

2019

0.0

陈昆仑, 齐漫, 王旭, 等. 1995-2015年武汉城市湖泊景观生态安全格局演化. 生态学报, 2019, 39(5): 1725-1734.

[CHEN

K L

, QI

, WANG

, et al. Study of urban lake land scape ecological security pattern evolution in Wuhan, 1995-2015. Acta Ecologica Sinica, 2019, 39(5): 1725-1734. ]

Using the remote sensing images of 1995, 2005, and 2015 as the data sources, this paper explored the temporal and spatial characteristics of the lake landscape pattern in the central district of Wuhan through selected landscape indices and the GIS spatial analysis method. Subsequently, the ecological security evaluation model of the lake landscape was established to reveal the temporal and spatial characteristics of the landscape ecological security pattern of the lake system. The results showed that:(1) In the past 20 years, the total area of the urban lake showed a decreasing trend. The lake area decreased by 28.95km 2 at an annual average decreasing rate of 2.4% from 1995 to 2005, and 17.47km 2 at 1.8% in the time period 2005-2015. (2) The patch density and fractal dimension of the lake system both showed a decreasing trend, which indicated that the fragmentation of lakes was decreasing, and the shape was becoming simplified. The connectivity index showed a rising trend, which indicated that the lake space structure was becoming more compact. (3) The overall ecological safety of the urban lake system showed a deteriorating trend during the period 1995-2015. Each secondary lake system was influenced by a different degree of urbanization and human disturbance, thus the ecological security evolution of the secondary lake systems showed different characteristics. The rapid expansion of urban built-up areas, the transformation of lakes from agricultural production objects into usable development land, and the real estate industry as the pillar industries were the main driving forces for the lake system to be filled, directly endangering its landscape ecological security and raising public awareness of environmental protection through lake protection initiatives and practices that had a positive impact on the ecological security of the lake landscape. This research on the temporal and spatial characteristics of the lake landscape pattern and driving forces can provide an important support for Wuhan to formulate effective ecological management policies and environmental governance measures.

以1995、2005、2015年3期遥感影像为数据源，通过景观指数和GIS空间分析方法研究武汉中心城区湖泊系统景观格局的演化特征，进而构建湖泊景观生态安全评价模型，以揭示武汉中心城区湖泊系统景观生态安全格局演变规律，并探讨其驱动因素。研究结果表明：（1）近20年来武汉中心城区湖泊系统总面积呈现不断下降趋势，1995-2005年以年均2.4%的速率缩减了28.95 km 2 ，2005-2015年以年均1.8%的速率缩减了17.47 km 2 。（2）研究期湖泊系统的斑块密度、分维数呈现不断降低趋势，这表明武汉中心城区湖泊破碎化程度在不断降低，湖泊形状趋于简化；而连接度呈现不断增加趋势，湖泊分布集聚趋势不断加强，空间结构趋于紧凑集中。（3）武汉城市湖泊系统总体景观生态安全呈现不断恶化趋势，而次级湖泊水系景观生态安全呈现不同的演化特征。城市建成区的迅速扩展、湖泊由农业生产对象转化为可利用发展用地、房地产事业成为支柱产业是湖泊系统遭填占最主要的动力，直接危害了其景观生态安全，而市民环境意识提高引发湖泊保护倡议和实践，对湖泊景观生态安全产生着积极影响。对湖泊景观生态安全格局演变特征及驱动因素的研究，可以为武汉制定行之有效的生态管理政策和环境治理措施提供重要支撑。

... 8时,即表明模型模拟精度在统计学意义上达到较好的满意状态^[23] ...

2016

0.0