环境科学研究  2017, Vol. 30 Issue (11): 1801-1812  DOI: 10.13198/j.issn.1001-6929.2017.03.07

引用本文  

朱康文, 雷波, 李月臣, 等. 生态红线保护下的两江新区土地利用/覆盖情景模拟及生态价值评估[J]. 环境科学研究, 2017, 30(11): 1801-1812.
ZHU Kangwen, LEI Bo, LI Yuechen, et al. Land Use/Cover Scenario Simulation and Ecological Value Assessment based on the Ecological Protection Red Line:Liangjiang New Area Case Study[J]. Research of Environmental Sciences, 2017, 30(11): 1801-1812.

基金项目

国家自然科学基金项目(41571419);国家水体污染控制与治理科技重大专项(2012ZX07104-003);重庆市基本科研业务费计划项目(2016-hky-jcyj-01702)

责任作者

雷波(1978-), 男, 四川自贡人, 教授级高级工程师, 硕士, 主要从事环境生态学研究, leilibo@hotmail.com

作者简介

朱康文(1990-), 男, 湖南张家界人, 工程师, 硕士, 主要从事GIS应用相关研究, zhukangwen0927@163.com

文章历史

收稿日期:2017-09-26
修订日期:2017-07-24
生态红线保护下的两江新区土地利用/覆盖情景模拟及生态价值评估
朱康文1,3 , 雷波1 , 李月臣2,3 , 何君1,3 , 杨春华1     
1. 重庆市环境科学研究院, 重庆 401147;
2. 重庆师范大学职教师资学院, 重庆 401331;
3. 重庆师范大学三峡生态环境遥感研究所, 重庆 401331
摘要:生态保护红线的划定对于维护国家和区域生态安全具有非常重要的作用,是我国在生态环境保护方面的重要举措.为分析生态保护红线划定后区域生态系统服务价值的变化情况,以重庆市两江新区为例,采用CLUE-S模型对未来的土地利用变化情况进行情景模拟,并在此基础上对各地类价值系数进行优化调整构建生态系统服务价值评估优化模型,对不同情景下的生态系统服务价值进行定量计算,分析生态系统服务价值的敏感度及变化度.结果表明:①采用CLUE-S模型对两江新区的未来土地利用进行空间模拟效果较好(Kappa系数达到0.82以上),模型的普适性较好.②生态价值敏感度结果表明两江新区的生态系统服务价值对价值系数的变化缺乏弹性,结果的可信度高.③2020年生态保护情景下,林地的面积增加量大于自然增长情景,城镇和工矿用地则相反,生态保护红线对于城镇扩张起到了一定的约束作用.④2014年现状、2020年自然增长情景和2020年生态保护情景下的生态系统服务价值分别约为10.53×108、10.50×108和10.88×108元,两种未来情景下耕地的生态系统服务价值减少最为明显,林地、水域服务价值均表现出增加的趋势.⑤林地和水域的生态价值变化度表明其面积变化对生态系统服务价值的影响较大.研究显示,CLUE-S模型进行小区域的土地利用变化情景模拟效果较好,构建的生态系统服务价值评估优化模型计算结果的可信度较高.政府相关部门可以根据生态保护红线及生态系统服务价值评估结果,进一步优化生活、生产和生态空间,使其在城市规划、绩效考核和生态补偿中得到实际运用,在区域的经济可持续发展中起到支撑作用.
关键词生态保护红线    生态系统服务价值    CLUE-S模型    两江新区    
Land Use/Cover Scenario Simulation and Ecological Value Assessment based on the Ecological Protection Red Line:Liangjiang New Area Case Study
ZHU Kangwen1,3 , LEI Bo1 , LI Yuechen2,3 , HE Jun1,3 , YANG Chunhua1     
1. Chongqing Academy of Environmental Science, Chongqing 401147, China;
2. College of Vocational Education Teachers, Chongqing Normal University, Chongqing 401331, China;
3. Institute of Eco-Environment Remote Sensing in Three Gorges Reservoir, Chongqing Normal University, Chongqing 401331, China
Abstract: Ecological protection based on the red line delineated for the maintenance of national and regional ecological security plays an important role and is an important measure of ecological environmental protection in China. In order to analyze the regional ecosystem service value after the delineation of the ecological protection red line, the CLUE-S model was used to simulate the situation of land use change in the future, and the ecosystem service value of different scenarios was calculated quantitatively using the optimization model of ecosystem service value assessment. The sensitivity and rate of change of the ecosystem service value were analyzed. The results showed that:(1) The use of the CLUE-S model to simulate the future land use of the Liangjiang New Area had a good effect, and the kappa coefficient reached more than 0.82. The general applicability of the model was better. (2) The ecological value of sensitivity was less than one, indicating that the ecosystem service value of Liangjiang New Area was lacking elasticity in the change of value coefficient. (3) In 2020, the area of forest land was increased more than the natural growth scenario, while the urban and industrial land use showed the opposite results. (4) The ecosystem service value was about 1053 million RMB in 2014, and the values in the natural growth scenario and ecological protection scenario were about 1050 million and 1088 million RMB respectively in 2020. The value of ecosystem services of cultivated land decreased most obviously under the two scenarios. The forest land and water area showed an increasing trend, while the negative values of the urban, industrial and mining areas were greater. (5) The change of the ecological value of forest land and water area was more than one, indicating that the change of the area of forest land and water area has a great influence on ecosystem service value. Reasonable adjustment of the area around the area ratio and increase of the protection of ecological space were conducive to enhancing the value of ecosystem services. In conclusion, the CLUE-S model of land use change scenarios for small area simulation was better, and the evaluation results of ecosystem service value optimization model showed high reliability. The research ideas and methods could be popularized in other regions. The analysis results showed that the delineation of the ecological protection red line for ecological environment quality improvement of Liangjiang New Area and regional ecological security has a very good effect. The same ecosystem service value assessment could be effectively carried out for evaluation in different regions in different periods. The relevant government departments could be evaluated according to the results of ecological protection of the red line and the value of ecosystem services, and further optimize the life, production and ecological space. The results could be applied in city planning, performance assessment and ecological compensation, and play a supporting role in the sustainable development of regional economies.
Keywords: ecological protection red line    ecosystem service value    CLUE-S model    Liangjiang New Area    

近年来随着经济发展和环境破坏范围的扩大,国内外均对如何处理好经济发展和生态保护之间的关系,提出了相关政策[1].习近平同志在中央政治局第六次集体学习会上指出,不能以牺牲环境为代价换取一时的经济增长,牢固树立生态保护红线的观念,十八届三中全会提出将划定生态保护红线作为深化改革的重要内容,2015年新环境保护法(《环保法修订案》)明确提出要控制城市发展的边界,划定生态保护红线,严控生态空间中的开发建设等对生态产生破坏的项目[2].表明我国已开始高度重视生态环境问题,生态保护红线的划定对于进一步优化“三生空间[3](生活空间、生产空间、生态空间)”具有很好的推动作用,是治理生态环境问题、推进生态文明建设的重要举措之一[4-7].那么如何评判生态保护红线划定所带来的生态价值?如何衡量区域管理者在生态红线保护工作中的成效?如何让生态红线在生态补偿机制中得到实际运用?都是目前的关注热点和急需解决的问题.该研究通过模拟生态红线保护下未来的土地利用/覆盖变化情况,对划定前后的多种变化情景的生态系统服务价值进行评估,以此来解决上述存在的问题.

目前对于未来土地利用/覆盖变化的情景模拟方法较多,包括CA-Markov模型[8-10]、神经网络算法[11-12]、系统动力学方法[13-16]、CLUE-S模型[17-18]等.但是不论是用何种模型进行空间模拟基本都是考虑自然增长、经济发展、政策调整、发展规划等方面[19-20],对于生态保护红线划定这种生态空间管控情景下的模拟研究尚不多见.该研究将生态保护红线作为未来情景下的空间要素之一,采用既可以加入空间化限制因子又能够将模拟结果空间化的CLUE-S模型(与ArcGIS软件结合使用). CLUE-S模型是一种高分辨率的土地利用/覆盖变化情景模拟空间模型[21-23],它的优点是可以展现不同情景不同时空尺度下的土地利用/覆盖变化情况,能准确模拟和预测小范围内的土地利用/覆盖变化,能兼顾影响土地利用/覆盖变化的自然和社会经济驱动因子[24-26].不同发展模式下模拟结果的空间及数量的对比分析可以直观地判断哪种模式有利于城市的健康发展,该研究以2008年为基础,对2014年的土地利用/覆盖变化情况进行模拟,并与2014年现状数据进行对比分析以确定模拟的参数和验证模型的模拟精度,然后以2014年为基础对2020年的土地利用/覆盖变化情况进行情景模拟.为了更清晰地展现生态保护红线划定对生态环境带来的益处,定量化地体现生态保护将带来的生态价值,需要对不同情景下的生态系统服务价值进行评估.国内外目前针对生态系统服务价值评估的方法较多,很大一部分主要是针对某一种生态系统服务价值,如生物多样性保护价值、水源涵养价值等[27-28],另外一部分则比较注重多种生态系统服务价值的综合评估[29-32].以Costanza等[30]对全球生态系统服务及价值的研究最具代表性,其将生态系统服务功能划为气候调节、水分控制等17种功能,对全球生态系统服务价值进行估算,并提出各种土地类型的生态服务价值系数.我国学者, 如欧阳志云等[33-34]运用或改进该评估方法对我国生态系统服务价值进行了评估.目前使用较多的是谢高地等[35]结合我国实际特点对生态系统服务价值系数修正后的方法,并对我国一级生态系统的生态服务价值进行了估算,但该方法没有考虑城市生态系统娱乐和文化价值.鉴于此,笔者在参考Costanza等[36]研究基础上,以重庆两江新区为例,充分考虑不同土地利用类型的正负生态系统服务价值,并结合区域的实际情况及相关专家给出的意见,提出优化的生态系统服务价值评估体系.引入生态价值敏感度和变化度分析区域生态系统服务总价值对不同土地利用类型的价值系数和面积变化的响应情况[37],以此判断计算结果的可信度,并对区域生态系统服务价值变化的影响机制进行初步分析,以期为城市布局、价值评估、生态补偿以及政府宏观决策提供参考,进一步推进两江新区的生态文明建设,推动“在保护中发展,在发展中保护”理念的实施.

1 研究区概况

两江新区成立于2010年6月,是我国第三个国务院批准的新区,位于重庆主城区长江以北、嘉陵江以东,包括江北区、北碚区、渝北区部分区域,规划总面积1 200 km2(见图 1).两江新区区域内缙云山、中梁山、铜锣山、明月山呈南北向平行分布,属于典型的山地城市,地形起伏度大.两江新区是欧亚国际物流大通道的枢纽地区、中国发展战略转型的热点地区、长江上游地区的金融中心和创新中心、中国内陆地区第一个国家级开发开放新区[38].目前在重庆市乃至全国都具有非常重要的地位,其作为西部地区和长江上游地区经济中心的地位和作用进一步增强,对周边地区的辐射和带动作用日趋明显,2010—2015年GDP从1 001×108元增至2 020×108元,年均增长达17.5%.

图 1 两江新区行政区划 Fig.1 The administrative map of Liangjiang New Area

随着经济发展速度的加快,对于生态环境的污染和破坏也随之增加,两江新区在未来发展中如何处理好经济发展与生态环境保护之间的关系成为关注的焦点.为了落实“在保护中发展,在发展中保护”的绿色发展理念,两江新区更应坚守生态保护红线这条底线和生命线,因此在生态保护红线划定的前提下,结合两江新区的基础地理空间数据(乡镇点、DEM、不同级别道路、水系等数据)对两江新区未来的土地利用/覆盖变化情况进行模拟,可以反映其城市发展布局的趋势.定量化的生态价值评估将体现出生态保护红线划定对两江新区未来经济健康持续发展的保障作用,对于进一步促进经济建设、城市建设和生态建设的同步实施,全面提升两江新区的生态文明建设水平及其未来城市发展布局提供参考.

2 研究方法 2.1 数据来源及处理

2008年和2014年两江新区土地利用数据是根据2008年和2014年两期Landsat TM/ETM影像经过大气校正、几何校正、拼接、裁剪等预处理过后,利用ArcGIS软件平台,采用人机交互和野外核查相结合的解译方法,通过选择控制点的方式进行实地核对,检验结果显示误差均在1个像元内,符合精度要求,得到两期分辨率为30 m的土地利用/覆盖数据,土地利用类型分为耕地、林地、草地、水域、城镇和工矿用地、未利用地.高程、坡度、起伏度通过25 m分辨率的DEM数据提取得到.乡镇点、国道、省道、高速公路、市区主干道、其他道路、铁路、地铁、水系等数据均为shp格式的矢量数据.两江新区生态保护红线数据〔主要是“四山(缙云山、中梁山、铜锣山、明月山)”管制区的禁建区〕来自重庆市环境保护局的《重庆市生态保护红线划定方案》(渝府办发〔2016〕230号),此方案已经通过重庆市政府常务会,方案的数据格式为shp格式的矢量数据.为满足CLUE-S模型的输入要求并结合研究区实际情况,在ArcGIS软件中将所有数据均重采样为40 m分辨率的栅格数据,并按照模型的输入要求在ArcGIS软件中转换为ASCⅡ码文件,模拟的时间步长为6 a.

2.2 CLUE-S模型及输入要素介绍

CLUE-S模型通过计算每个单元内土地利用类型的变化情况来反映该区域内土地利用/覆盖变化情况[18, 39],主要由需求模块和空间分配模块构成[40](见图 2),输入要素主要包括4个方面:土地需求文件、限制区文件(生态保护红线区域)、各土地利用类型的转换规则及转换弹性系数以及各土地利用类型与各驱动因子之间的关系.

图 2 CLUE-S模型模拟基本流程 Fig.2 The basic process of simulation of the CLUE-S model
2.2.1 土地利用需求

土地利用需求是指计算模拟期间内每年各土地利用类型的需求量,该研究采用情景分析法进行分析,即2020年自然增长情景(简称自然增长情景)和2020年生态保护情景(简称生态保护情景). ①自然增长情景,即按照前一个研究期间的多年平均变化速度进行变化.土地利用需求不受外部干扰,均按照2008—2014年的变化率恒定变化,如耕地、林地、草地、水域、城镇和工矿用地、未利用地的变化率分别为-7.28%、3.18%、-6.45%、1.57%、4.66%、-12.12%,2020年各土地利用类型的需求量分别为22 636.96、41 105.44、47.36、4 754.72、48 668.32、0.48 hm2. ②生态保护情景,即在自然增长的基础上,加大对生态环境的保护,降低城市扩张的速度,提升林地覆盖率等,调整各类型的变化速度.土地利用需求以生态保护为主,生态保护红线范围内严格限制人类开发作为限制因子,因此耕地、草地、水域、未利用地的变化率基本不变,林地增速加快,城镇和工矿用地增速将减缓,以此来调整每年的各土地利用类型的需求[25-26],如耕地、林地、草地、水域、城镇和工矿用地、未利用地的变化率分别为-7.29%、4.03%、-6.11%、1.58%、3.89%、-12.12%,2020年各土地利用类型的需求量分别为22 633.76、42 865.44、48.96、4 756.32、46 908.32、0.48 hm2.

2.2.2 转换系数

根据不同土地利用类型的历史变化情况和未来的实际土地规划情况设置各土地利用类型的稳定程度,可由模型参数ELAS(转换系数)定义:①一般情况下,不会转换为其他土地利用类型的ELAS设为1;②极易变化的土地利用类型的ELAS设为0;③0 < ELAS < 1时,其值越大表示该地类越稳定.一般通过专家打分和模拟过程中的调试来确定,根据已有研究成果及模拟调试进行ELAS的设置[21, 25],耕地、林地、草地、水域、城镇和工矿用地、未利用地的ELAS分别为0.9、0.9、0.3、1.0、1.0、0.3.

2.2.3 Logistic回归分析

二项Logistic回归是目前最常用的二项选择模型,其因变量只有2个值——0和1,选取某一土地利用类型作为因变量,驱动因子作为自变量[41],回归分析结果为CLUE-S模型中必须输入的文件,表示不同土地利用类型与不同驱动因子之间关系.假设一个栅格出现土地利用类型i的条件概率为Pi=P(yi=1|xi),则Logistic回归模型假定此概率的Logistic函数可以表达为

$ {{P}_{i}}=\frac{\exp \left( {{\beta }_{0}}+{{\beta }_{1}}{{X}_{1i}}+{{\beta }_{2}}{{X}_{2i}}+\cdots +{{\beta }_{n}}{{X}_{ni}} \right)}{1+\exp \left( {{\beta }_{0}}+{{\beta }_{1}}{{X}_{1i}}+{{\beta }_{2}}{{X}_{2i}}+\cdots +{{\beta }_{n}}{{X}_{ni}} \right)} $ (1)

式中:X1i, X2i,…,Xni表示土地利用类型i的各驱动因子; n为驱动因子数量; β0为常数,β1β2,…,βn为解释变量Xk (k=1, 2,…,n)对应的回归系数.将式(1)变换为线性函数[17]

$ \ln \left( \frac{{{P}_{i}}}{1-{{P}_{i}}} \right)={{\beta }_{0}}+{{\beta }_{1}}{{\beta }_{1i}}+{{\beta }_{2}}{{\beta }_{2i}}+\cdots +{{\beta }_{n}}{{\beta }_{ni}} $ (2)

在SPSS 20.0软件将6种土地利用类型与11种驱动因子进行回归分析,可以得到土地利用类型回归方程的系数(β)和回归方程常量,用Pontius等[42]提出的ROC(receiver operating characteristic)方法对回归结果进行检验,结果见表 1.

表 1 Logistic回归分析结果 Table 1 The results of Logistic regression analysis

以耕地为例(其他回归模型以此类推),Logistic回归模型为

$ \begin{align} &\ln \left( \frac{{{P}_{0}}}{1-{{P}_{0}}} \right)=0.782\ 22-0.042\ 68{{X}_{0}}+0.004\ 2{{X}_{1}}+ \\ &\ \ \ \ \ \ \ \ \ \ \ 0.000\ 01{{X}_{2}}+0.000\ 04{{X}_{3}}-0.000\ 09{{X}_{4}}-\\ &\ \ \ \ \ \ \ \ \ \ \ 0.000\ 1{{X}_{5}}+0.000\ 03{{X}_{6}}+0.000\ 56{{X}_{7}}+ \\ &\ \ \ \ \ \ \ \ \ \ \ 0.000\ 07{{X}_{8}}+0.000\ 12{{X}_{9}}+0.000\ 27{{X}_{10}} \\ \end{align} $ (3)
2.2.4 动态模拟

CLUE-S模型的动态模拟主要是基于初期土地利用类型分布现状图、土地利用空间分布概率适宜图、驱动因子、Logistic回归方程、转换规则等基础上进行的,土地利用需求进行空间分配主要依据总概率TPROP的大小,通过多次迭代实现[43-44].迭代分配过程:

$ {\rm TPRO}{{{\rm P}}_{w, i}}={{P}_{w, i}}+{\rm ELA}{{{\rm S}}_{i}}+{\rm ITE}{{{\rm R}}_{i}} $ (4)

式中, w为栅格代码,ELAS表示转换系数,ITERi为迭代变量值.

2.3 生态系统服务价值评估优化模型

在Costanza等[36]确定的生态系统服务价值系数基础上,考虑所有土地利用类型的正负生态系统服务价值,并结合两江新区实际情况和相关专家的意见,对该研究区的生态系统单位面积生态系统服务价值系数进行优化,建立优化的生态系统服务价值评估模型(见表 2). 表 2中所有价值均折算成2003年价格进行核算,由于各地区耕地(水田和旱地)面积变化较小,采用谢高地等[35]确定的中国陆地耕地的平均价值系数;根据两江新区这种山地城市的实际情况及专家的意见,林地价值系数在谢高地等[35]确定的价值系数上增加15%;城镇和工矿用地对两江新区的生态系统服务产生了较大的负面影响,根据专家意见和谢高地等[35]确定的价值系数为0的基础上,以及张凤太等[37]在重庆市主城区开展的相关研究,价值系数在其基础上每hm2降低8%,因此城镇和工矿用地的生态系统服务价值系数为每hm2减少5 800元/hm2;参考张凤太等[37]对重庆市主城区的相关研究及Costanza等[36]的研究,鉴于长江和嘉陵江流经该区域,故结合专家意见,草地价值系数按照Costanza等[36]确定的平均值,水域价值系数在张凤太等[37]研究结果基础上增加1.5%;未利用地价值系数参考谢高地等[35]研究结果.

表 2 生态系统服务价值系数 Table 2 The coefficient of ecosystem services value

生态系统服务价值的计算公式:

$ V=\sum\limits_{i=1}^{6}{{{A}_{i}}\times {{C}_{V, i}}} $ (5)

式中:V为研究区生态系统总服务价值,元;Ai为第i种土地利用类型的面积,hm2CV, i为第i种土地利用类型的生态系统服务价值系数.

2.4 土地利用变化率

土地利用变化率(K)用来表示两江新区耕地、林地、草地、水域、城镇和工矿用地、未利用地的变化状况[45],计算公式:

$ K=\frac{{{U}_{{\rm b}}}-{{U}_{{\rm a}}}}{{{U}_{a}}}\times \frac{1}{T}\times 100% $ (6)

式中:UaUb分别为研究初期和末期某土地利用类型的面积,hm2T为时间步长,当T的单位为a时,K值就是某土地利用类型的年变化率.

2.5 生态价值敏感度

生态价值敏感度(CS)反映生态系统服务价值对价值系数的依赖程度,表示某土地利用类型的生态价值系数变化引起的总生态系统服务价值的变化. CS>1表示生态系统服务价值具有弹性; CS<1表示生态系统服务价值缺乏弹性[46].计算公式:

$ {{C}_{{\rm S}}}=\left| \frac{\left( {{C}_{{\rm g}}}-{{V}_{{\rm f}}} \right)/{{V}_{{\rm f}}}}{\left( {{C}_{V, {\rm g}K}}-{{C}_{V, {\rm f}K}} \right)/{{C}_{V, {\rm f}K}}} \right| $ (7)

式中:V为估算的生态系统总服务价值,元;CV为生态服务价值系数;f和g分别表示生态服务价值系数调整前后的状况.

2.6 生态价值变化度

生态价值变化度(RC)表示某类土地利用面积的增加或减少引起的生态系统总服务价值的变化状况. RC >1时表明某类土地利用面积的变化对生态系统总服务价值影响明显,RC < 1时表明某类土地利用面积的变化对生态系统总服务价值影响不明显[47].计算公式:

$ {{R}_{{\rm C}}}=\left| \frac{\left( {{V}_{{\rm g}}}-{{V}_{{\rm f}}} \right)/{{V}_{{\rm f}}}}{\left( {{A}_{{\rm g}}}-{{A}_{{\rm f}}} \right)/{{A}_{{\rm f}}}} \right| $ (8)

式中, A为某土地利用类型的面积,hm2.

3 结果与讨论 3.1 土地利用/覆盖变化情景模拟结果

以2008年两江新区的土地利用覆盖数据作为基础对2014年土地利用覆盖进行模拟,并将结果与2014年土地利用覆盖现状数据进行对比分析以验证模拟的精度,采用Kappa精度分析方法对模拟结果分析发现,Kappa指数为0.82,表示模拟结果较好,达到了模拟的精度要求,模型的普适性很好,模型的精度主要取决于驱动因子、输入参数等选取是否恰当;然后以2014年土地利用覆盖现状数据为基础进行2020年土地利用覆盖的情景模拟,结果如图 3所示.

图 3 两江新区土地利用/覆盖变化情景模拟结果 Fig.3 Scenario simulation of land use/cover change of Liangjiang New Area

模拟结果显示,自然增长情景下,耕地面积减至22 716.48 hm2,林地、城镇和工矿用地面积分别增至41 218.24、48 586.24 hm2,耕地主要转为林地、城镇和工矿用地,新增林地主要分别在海拔较高靠近“四山”的区域,新增城镇和工矿用地主要分布在长江和嘉陵江附近区域,与山地城市的实际发展情况一致.生态保护情景下,林地面积增至43 223.36 hm2,相比自然增长情景增加2 005.12 hm2,但城镇和工矿用地面积仅增至46 920.80 hm2,比自然增长情景减少1 665.44 hm2.生态保护情景下的新增林地主要由耕地转入,新增城镇和工矿用地在红线范围内没有增加.为了更清晰地展现不同土地利用类型的变化情况,引入土地利用变化率进行分析(见表 3),发现两种情景下,到2020年,耕地的面积减少最多,自然增长情景和生态保护情景下分别减少17 518.4和17 572 hm2,变化率分别为-7.26%和-7.28%,说明耕地转换为其他用地类型最多,并且生态保护情景下高于自然增长情景.林地在自然增长情景和生态保护情景下变化率分别达到3.23%和4.20%,城镇和工矿用地在自然增长情景和生态保护情景下变化率分别达到4.63%和3.90%.从表 3可以明显地看出,生态保护情景下林地的变化率增大,城镇和工矿用地的变化率变小,生态保护对城市的发展起到了一起的约束作用.总体来说,两种情景下的各地类变化趋势与山地城市的发展状况基本一致,城镇用地基本由耕地和林地转换而来,城镇扩展基本在坡度较小的沿河或山顶平坝区域,但是由于生态保护红线的划定限制了森林覆盖率高的“四山”管制区区域的城镇扩张,城镇扩张开始向山下等还未城镇化的区域蔓延,说明宏观政策调控对于区域发展的影响较大,这与王日明等[48]对重庆市其他区域的研究结论基本一致,表明其他区域城镇扩张也出现与两江新区类似的变化趋势.目前全国大部分省市已启动并完成了生态保护红线划定工作,这种全国性的政策调控对于有效构建“生活空间、生产空间、生态空间”有很好的推动作用,同时也反映出生态保护红线划定对于维护国家和区域生态安全至关重要.

表 3 两江新区各土地利用类型面积变化情况 Table 3 The area change rate of various land use types of Liangjiang New Area
3.2 生态系统服务价值分析

生态系统服务价值计算结果(见表 4)显示,2014年两江新区的生态系统服务价值约10.53×108元,自然增长情景下有所降低,生态保护情景下则表现出增加的趋势.自然增长情景和生态保护情景下的生态系统服务价值分别约10.50×108和10.88×108元.两种情景下,耕地、草地、未利用地面积均有所降低,其中耕地减少最明显,林地、水域均表现出增加的趋势,城镇和工矿用地的负向价值更大.生态保护情景下林地的生态系统服务价值较自然增长情景高0.45×108元左右,表明生态保护所带来的价值非常可观.生态保护情景下城镇和工矿用地的负向生态系统服务价值较自然增长情景低0.1×108元左右,表明城镇建设对生态环境的破坏非常严重,无序的城镇扩张不利于经济的可持续发展.土地利用变化对于区域的生态系统服务价值影响较大[49-52],生态保护红线的划定相当于对区域土地利用变化加了限制区,其划定对区域经济的可持续发展意义重大,相关研究显示,我国近年来经济的快速发展基本都是用绿水青山换取而来[53],生态保护红线的划定将带来持久的生态价值,其保护的绿水青山就是金山银山,与习近平同志提出的绿色发展理念高度契合.

表 4 两江新区生态系统服务价值 Table 4 The ecosystem service value of Liangjiang New Area
3.3 生态价值敏感度分析

通过调整各类型土地利用的价值系数(以2.3节确定的两江新区生态系统服务价值系数为基础,变幅为5%)分析生态系统服务价值对价值系数的敏感性.结果(见表 5)显示,所有土地利用类型的敏感性指数均小于1,其中林地的敏感性指数最高,2014年现状、自然增长情景和生态保护情景分别约为0.74、0.89和0.90,说明林地价值系数每增加1%,对应的林地生态系统服务价值分别增加0.74%、0.89%和0.90%.未利用地、草地的敏感性指数趋近于0,说明未利用地和草地的价值系数变化对生态系统服务总价值的影响较小.总体结果表明,两江新区的生态系统服务价值对价值系数的变化缺乏弹性,说明计算结果是可信的.通过参考相关研究的结果[54-55]发现,一般情况下大部分区域的生态系统服务价值对价值系数的变化缺乏弹性,即价值系数的变化对区域的生态系统服务总价值影响较小,因此如果是长时间序列的生态系统服务价值研究,价值系数的精准度对区域的相关研究影响较小,且也可体现不同区域的空间差异性.生态保护红线划定后对区域的生态系统服务价值进行长时间的评估将是不同避免的工作,其计算结果将在生态补偿、绩效考核等工作中作为主要指标之一,因此该研究相关方法不够完善,但研究结果也可以作为主要依据之一,并且在今后的实际工作将对研究方法进行进一步完善.

表 5 两江新区生态价值敏感度 Table 5 The ecological value of the sensitivity of the Liangjiang New Area
3.4 生态价值变化度分析

通过调整各土地利用类型的面积(以现状面积为基础,变幅为5%),分析生态系统服务价值对土地利用面积的敏感性.结果(见表 6)显示,林地、水域的价值变化度大于1,2014年现状、自然增长情景和生态保护情景下的价值变化度分别接近于2.3和5.0,表明其面积变化对生态系统服务价值的影响较大,水域面积的变化对生态系统服务价值的影响最大,其他四类土地利用类型的面积变化对生态系统服务价值的影响不大,未利用地的价值变化度趋近于0,表明其面积变化对生态系统服务总价值几乎没有影响.总体结果说明,林地和水域的面积变化对两江新区的生态系统服务总价值影响最大,因此在城市建设过程中应增加林地和水域的面积,以提高区域的生态系统服务价值.在相关研究[54-55]中也有类似的结论,反映出区域内各土地利用类型面积的比例对区域的生态系统服务价值影响较大.因此合理的比例分配才能保证区域生态系统服务价值维持稳定甚至上升的趋势,从长远来说水域面积基本维持稳定.其他区域的土地利用变化分析研究表明,我国目前的发展状况林地面积处于急剧下降或林地质量持续下降的趋势[56],生态保护红线的划定即是为了保护具有重要生态功能或生态敏感/脆弱的区域不被继续破坏,以保障区域的生态安全.政府相关部门应在经济发展的同时更加重视生态空间的保护,设置生活、生产空间的边界,不断提升生态保护红线区域的空间连通度,构建带状连续的生态空间,有利于生物多样性维护及提高生物栖息地的质量.

表 6 两江新区生态价值变化度 Table 6 The change of the ecological value of Liangjiang New Area
4 结论

a) CLUE-S模型进行空间模拟效果较好(Kappa系数达到0.82以上),空间化的结果对于未来城市布局有很好的参考价值.

b) 模拟结果表明生态保护红线对于城市布局有一定的约束作用.生态保护情景下新增城镇和工矿用地均分布在生态保护红线范围外.

c) 2014年现状、2020年自然增长情景和2020年生态保护情景下的生态系统服务价值分别约10.53×108、10.50×108和10.88×108元.生态保护情景有利于减缓负向价值的增加速度.生态保护红线的划定使生态保护红线范围内的生态系统服务价值能够得到保证,有利于保障整个区域的生态安全.

d) 生态价值敏感度和变化度对于分析生态系统服务总价值对不同土地利用类型的价值系数和面积的变化的响应程度效果很好.生态敏感度结果表明,价值系数的变化对生态系统服务总价值影响较小.生态变化度的结果显示,林地和水域面积变化对生态系统服务总价值影响较大.

e) 生态保护红线的划定总体上提高了生态系统服务价值,使城镇和工矿用地的分布更加趋于合理,更加符合目前把生态保护作为城市建设基础的理念和要求.

参考文献
[1]
MARCH G P. Man and nature[M]. New York: Charles Scribner, 1965. (0)
[2]
高吉喜. 国家生态保护红线体系建设构想[J]. 环境保护, 2014(S1): 18-21. (0)
[3]
扈万泰, 王力国, 舒沐晖. 城乡规划编制中的"三生空间"划定思考[J]. 城市规划, 2016, 40(5): 21-26.
HU Wantai, WANG Liguo, SHU Muhui. Reflections on delimiting the three basic spaces in the compilation of urban and rural plans[J]. City Planning Review, 2016, 40(5): 21-26. DOI:10.11819/cpr20160504a (0)
[4]
SHIFA M A, MEI M A, CAI Y, et al. Delimitating red line of ecological protection for territorial spatial planning:a case study of Hunan Province[J]. Tropical Geography, 2015, 35(1): 43-50. (0)
[5]
LU Wenhai, LIU Jie, XIANG Xianquan, et al. A comparison of marine spatial planning approaches in China:marine functional zoning and the marine ecological red line[J]. Marine Policy, 2015, 62: 94-101. DOI:10.1016/j.marpol.2015.09.004 (0)
[6]
燕守广, 高吉喜. 底线意识:生态红线怎么守?[J]. 中华环境, 2014(6): 26-27. (0)
[7]
KITYUTTACHAI K, TRIPATHI N K, TIPDECHO T, et al. CA-Markov analysis of constrained coastal urban growth modeling:Hua Hin seaside city, Thailand[J]. Sustainability, 2013, 5(4): 1480-1500. DOI:10.3390/su5041480 (0)
[8]
NOURI J, GHARAGOZLOU A, ARIMANDI R, et al. Predicting urban land use changes using a CA-Markov model[J]. Arabian Journal Forence & Engineering, 2014, 39(7): 5565-5573. (0)
[9]
LI Shuhong, JIN Baoxuan, WEI Xiaoyong, et al. Using Ca-Markov model to model the spatiotemporal change of land use/cover in Fuxian Lake for decision support[J]. Surface Science, 2015. DOI:10.5194/isprsannals-Ⅱ-4-W2-163-2015 (0)
[10]
陈学, 朱康文, 雷波. 基于CA-Markov模型的土地利用/覆盖变化模拟[J]. 环境影响评价, 2016, 38(4): 61-65.
CHEN Xue, ZHU Kangwen, LEI Bo. Simulation of land use/cover variation based on the CA-Markov model[J]. Environmental Impact Assessment, 2016, 38(4): 61-65. (0)
[11]
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[J]. 地理研究, 2005, 24(1): 19-27.
LI Xia, ANTHONY Gar On Yeh. Cellular automata of simulating complex land use systems using neural net works[J]. Geographical Research, 2005, 24(1): 19-27. (0)
[12]
ONSTED J A, CHOWDHURY R R. Does zoning matter? a comparative analysis of landscape change in Redland, Florida using cellular automata[J]. Landscape & Urban Planning, 2014, 121(1): 1-18. (0)
[13]
何春阳, 史培军, 陈晋, 等. 基于系统动力学模型和元胞自动机模型的土地利用情景模型研究[J]. 中国科学D辑:地球科学, 2005, 35(5): 464-473. (0)
[14]
ZHAO J S, YUAN L, ZHANG M. A study of the system dynamics coupling model of the driving factors for multi-scale land use change[J]. Environmental Earth Sciences, 2016, 75(6): 1-13. (0)
[15]
NIEDERTSCHEIDER M, KUEMMERLE T, MULLER D, et al. Exploring the effects of drastic institutional and socio-economic changes on land system dynamics in Germany between 1883 and 2007[J]. Global Environmental Change Human & Policy Dimensions, 2014, 28(1): 98-108. (0)
[16]
LIU Xiaoping, OU Jinpei, LI Xia, et al. Combining system dynamics and hybrid particle swarm optimization for land use allocation[J]. Ecological Modelling, 2013, 257(2): 11-24. (0)
[17]
黄明, 张学霞, 张建军, 等. 基于CLUE-S模型的罗玉沟流域多尺度土地利用变化模拟[J]. 资源科学, 2012, 34(4): 769-776.
HUANG Ming, ZHANG Xuexia, ZHANG Jianjun, et al. A multi-scale simulation of land use change in Luoyugou Watershed based on CLUE-S model[J]. Resources Science, 2012, 34(4): 769-776. (0)
[18]
梁友嘉, 徐中民, 钟方雷. 基于SD和CLUE-S模型的张掖市甘州区土地利用情景分析[J]. 地理研究, 2011, 30(3): 564-576.
LIANG Youjia, XU Zhongming, ZHONG Fanglei. Land use scenario analyses by based on system dynamic model and CLUE-S model at regional scale:a case study of Ganzhou district of Zhangye City[J]. Geographical Research, 2011, 30(3): 564-576. (0)
[19]
YU J, AHN K H, HAN M, et al. Evaluation and application of CLUE-S model for spatio-temporal analysis of future land use change in total water pollution load management system[J]. Journal of Korean Society on Water Environment, 2014, 30(4): 418-428. DOI:10.15681/KSWE.2014.30.4.418 (0)
[20]
ZHANG Dingxuan, FU Meichen, TAO Jin, et al. Scenario simulation of land use change in mining city based on CLUE-S model[J]. Transactions of the Chinese Society of Agricultural Engineering, 2013, 29(12): 246-256. (0)
[21]
VERBURG P H, VELDKAMP A, BOUMA J. Land-use change under conditions of high population pressure:the case of Java[J]. Global Environmental Change, 1999, 19(9): 303-312. (0)
[22]
VERBURG P H, SOEPBOER W, LIMPIADA R, et al. Land use change modeling at the regional scale:the CLUE-S model[J]. Environmental Management, 2002, 30(3): 391-405. DOI:10.1007/s00267-002-2630-x (0)
[23]
JIANG Weiguo, CHEN Zheng, LEI Xuan, et al. Simulating urban land use change by incorporating an autologistic regression model into a CLUE-S model[J]. Journal of Geographical Sciences, 2015, 25(7): 836-850. DOI:10.1007/s11442-015-1205-8 (0)
[24]
ASPINALL R. Modeling land use change with generalized linear models:a multi model analysis of change between 1860 and 2000 in Gallatin Valley, Montana[J]. Journal of Environmental Management, 2004, 72(13): 91-1031. (0)
[25]
吴桂平, 曾永年, 冯学智, 等. CLUE-S模型的改进与土地利用变化动态模拟-以张家界市永定区为例[J]. 地理研究, 2010, 29(3): 460-470.
WU Guiping, ZENG Yongnian, FENG Xuezhi, et al. Dynamic simulation of land use change based on the improved CLUE-S model:a case study of Yongding County, Zhangjiajie[J]. Geographical Research, 2010, 29(3): 460-470. (0)
[26]
朱康文, 李月臣, 周梦甜. 基于CLUE-S模型的重庆市主城区土地利用情景模拟[J]. 长江流域资源与环境, 2015, 24(5): 789-797.
ZHU Kangwen, LI Yuechen, ZHOU Mengtian. Land use scenario simulation of the main city of Chongqing based on the CLUE-S model[J]. Resources and Environment in the Yangtze Basin, 2015, 24(5): 789-797. (0)
[27]
WHEITEHEAD A L, KUJALA H, IVES C D, et al. Integrating biological and social values when prioritizing places for biodiversity conservation[J]. Conservation Biology, 2014, 28(4): 992-1003. DOI:10.1111/cobi.2014.28.issue-4 (0)
[28]
HOUTVEN G V, MANSFIELD C, PHANEUF D J, et al. Combining expert elicitation and stated preference methods to value ecosystem services from improved lake water quality[J]. Ecological Economics, 2014, 99(3): 40-52. (0)
[29]
刘桂林, 张落成, 张倩. 长三角地区土地利用时空变化对生态系统服务价值的影响[J]. 生态学报, 2014, 34(12): 3311-3319.
LIU Guilin, ZHANG Luocheng, ZHANG Qian. Spatial and temporal dynamics of land use and its influence on ecosystem service value in Yangtze River Delta[J]. Acta Ecologica Sinica, 2014, 34(12): 3311-3319. (0)
[30]
COSTANZA R, GROOT R D, SUTTON P, et al. Changes in the global value of ecosystem services[J]. Global Environmental Change, 2014, 26(1): 152-158. (0)
[31]
COMINO E, BOTTERO M, POMARICO S, et al. Exploring the environmental value of ecosystem services for a river basin through a spatial multi criteria analysis[J]. Land Use Policy, 2014, 36(1): 381-395. (0)
[32]
HUBACEK K, KRONENBERG J. Synthesizing different perspectives on the value of urban ecosystem services[J]. Landscape & Urban Planning, 2013, 109(1): 1-6. (0)
[33]
欧阳志云, 王效科, 苗鸿. 中国陆地生态系统服务功能及其生态经济价值的初步研究[J]. 生态学报, 1999, 19(5): 607-613.
OUYANG Zhiyun, WANG Xiaoke, MIAO Hong. A primary study on Chinese terrestrial ecosystem services and their ecological-economic values[J]. Acta Ecologica Sinica, 1999, 19(5): 607-613. (0)
[34]
ESTOQUE R C, MURAYAMA Y. Landscape pattern and ecosystem service value changes:implications for environmental sustainability planning for the rapidly urbanizing summer capital of the Philippines[J]. Landscape & Urban Planning, 2013, 116(4): 60-72. (0)
[35]
谢高地, 鲁春霞, 冷允法, 等. 青藏高原生态资产的价值评估[J]. 自然资源学报, 2003, 18(2): 189-195.
XIE Gaodi, LU Chunxia, LENG Yunfa, et al. Ecological assets valuation of the Tibetan Plateau[J]. Journal of Natural Resources, 2003, 18(2): 189-195. DOI:10.11849/zrzyxb.2003.02.010 (0)
[36]
COSTANZA R, D'ARGE R, GROOT DE R, et al. The value of the word's ecosystem services and natural capital[J]. Nature, 1997, 387(4): 253-260. (0)
[37]
张凤太, 苏维词, 赵卫权. 基于土地利用/覆被变化的重庆城市生态系统服务价值研究[J]. 生态与农村环境学报, 2008, 24(3): 21-25.
ZHANG Fengtai, SU Weici, ZHAO Weiquan. Urban ecosystem service value based on land use change/cover (LUCC) in Chongqing[J]. Journal of Ecology and Rural Environment, 2008, 24(3): 21-25. (0)
[38]
吴健生, 钟晓红, 彭建, 等. 基于生态系统服务簇的小尺度区域生态用地功能分类:以重庆两江新区为例[J]. 生态学报, 2015, 35(11): 3808-3816.
WU Jiansheng, ZHONG Xiaohong, PENG Jian, et al. Function classification of ecological land in a small area based on ecosystem service bundles:a case study in Liangjiang New Area, China[J]. Acta Ecologica Sinica, 2015, 35(11): 3808-3816. (0)
[39]
ZHANG W, LIU M, YU-SHAN Q I. Land-use scenarios simulation based on the CLUE-S model in Kunming[J]. Chinese Journal of Ecology, 2014, 33(6): 1655-1663. (0)
[40]
李月臣, 何春阳. 中国北方土地利用/覆盖变化的情景模拟与预测[J]. 科学通报, 2008, 53(6): 713-723. (0)
[41]
WU Meng, REN Xiangyu, YUE Che, et al. A coupled SD and CLUE-S model for exploring the impact of land use change on ecosystem service value:a case study in Baoshan district, Shanghai, China[J]. Environmental Management, 2015, 56(2): 1-18. (0)
[42]
PONTIUS R G, SCHNEIDER L C. Land-cover change model validation by an ROC method for the Ipswich watershed, Massaehusetts, USA[J]. Agriculture, Ecosystems and Environment, 2001, 85(1): 239-248. (0)
[43]
陆汝成, 黄贤金, 左天惠, 等. 基于CLUE-S和Markov复合模型的土地利用情景模拟研究:以江苏省环太湖地区为例[J]. 地理科学, 2009, 29(4): 577-581.
LU Rucheng, HUANG Xianjing, ZUO Tianhui, et al. Land use scenarios simulation based on CLUE-S and Markov composite model-a case study of Taihu Lake Rim in Jiangsu Province[J]. Scientia Geographica Sinica, 2009, 29(4): 577-581. (0)
[44]
黄明, 张学霞, 张建军, 等. 基于CLUE-S模型的罗玉沟流域多尺度土地利用变化模拟[J]. 资源科学, 2012, 34(4): 769-776.
HUANG Ming, ZHANG Xuexian, ZHANG Jianjun, et al. A multi-scale simulation of land use change in Luoyugou watershed based on CLUE-S model[J]. Resources Science, 2012, 34(4): 769-776. (0)
[45]
闵捷, 高魏, 李晓云, 等. 武汉市土地利用与生态系统服务价值的时空变化分析[J]. 水土保持学报, 2006, 20(4): 171-176.
MIN Jie, GAO Wei, LI Xiaoyun, et al. Analysis on spatial temporal changes of land use and ecosystem services value in Wuhan City[J]. Journal of Soilland Water Conservation, 2006, 20(4): 171-176. (0)
[46]
ZENG J, LI J F, YAO X W. Spatio-temporal dynamics of ecosystem service value in Wuhan urban agglomeration[J]. Chinese Journal of Applied Ecology, 2014, 25(3): 883-91. (0)
[47]
RADFORD K G, JAMES P. Changes in the value of ecosystem services along a rural-urban gradient:a case study of Greater Manchester, UK[J]. Landscape & Urban Planning, 2013, 109(1): 117-127. (0)
[48]
王日明, 熊兴耀, 肖洋. 重庆市永川区土地利用空间格局变化模拟[J]. 中国农学通报, 2014, 30(35): 166-171.
WANG Riming, XIONG Xingyao, XIAO Yang. Simulation of land use spatial pattern change on county scale of Yongchuan district in Chongqing[J]. Chinese Agricultural Science Bulletin, 2014, 30(35): 166-171. (0)
[49]
王冰, 田永中, 高志勇, 等. 重庆市土地利用变化对生态系统服务价值的影响[J]. 测绘科学, 2010, 35(2): 150-152.
WANG Bing, TIAN Yongzhong, GAO Zhiyong, et al. Effects of land use variations on ecosystem services value in Chongqing City[J]. Science of Surveying and Mapping, 2010, 35(2): 150-152. (0)
[50]
彭文甫, 周介铭, 杨存建, 等. 基于土地利用变化的四川省生态系统服务价值研究[J]. 长江流域资源与环境, 2014, 23(7): 1053-1062.
PENG Wenfu, ZHOU Jieming, YANG Cunjian, et al. Research on ecosystem service values based on land use change in Sichuan Province[J]. Resources and Environment in the Yangtze Basin, 2014, 23(7): 1053-1062. (0)
[51]
KINDU M, SCHNEIDER T, TEKETAY D, et al. Changes of ecosystem service values in response to land use/land cover dynamics in Munessa-Shashemene landscape of the Ethiopian highlands[J]. Science of the Total Environment, 2016, 547(1): 137-147. (0)
[52]
LANGEMEYER J, GÓMEZ-BAGGETHUN E, HAASE D, et al. Bridging the gap between ecosystem service assessments and land-use planning through Multi-Criteria Decision Analysis (MCDA)[J]. Environmental Science & Policy, 2016, 62: 45-56. (0)
[53]
吴海珍, 阿如旱, 郭田保, 等. 基于RS和GIS的内蒙古多伦县土地利用变化对生态服务价值的影响[J]. 地理科学, 2011, 31(1): 110-116.
WU Haizhen, A Ruhan, GUO Tianbao, et al. Impacts of land use change on ecosystem services value in Duolun County of Inner Mongolia based on RS and GIS[J]. Scientia Geographica Sinica, 2011, 31(1): 110-116. (0)
[54]
程琳, 李锋, 邓华锋. 中国超大城市土地利用状况及其生态系统服务动态演变[J]. 生态学报, 2011, 31: 6194-6203.
CHENG Lin, LI Feng, DENG Huafeng. Dynamics of land use and its ecosystem services in China's megacities[J]. Acta Ecologica Sinica, 2011, 31(20): 6194-6203. (0)
[55]
王亚娟, 刘小鹏, 关文超. 山区土地利用变化对生态系统服务价值的影响分析:以宁夏彭阳县为例[J]. 生态经济, 2010, 26(5): 146-149.
WANG Yajuan, LIU Xiaopeng, GUAN Wenchao. Analysis on influence of mountain areas land use change on ecosystem service value:taking Ningxia Pengyang County as an example[J]. Ecological Environment, 2010, 26(5): 146-149. (0)
[56]
买尔孜亚·吾买尔, 阿里木江·卡斯木. 资源型城市克拉玛依市土地利用变化与景观格局分析[J]. 水土保持通报, 2016, 36(5): 283-287.
MAIERZIYA·Wumaier, ALIMUJIANG·Kasimu. Analysis on land use change and landscape pattern of resource based City-Karamay[J]. Bulletin of Soil and Water Conservation, 2016, 36(5): 283-287. (0)