2024, Vol. 45
2. 阿坝师范学院物理与电子电气工程学院, 阿坝 623002
2. School of Physics and Electronic-Electrical Engineering, Aba Teachers College, Aba 623002, China
土地利用/覆被变化作为地球表面变化的一种表现, 对区域生态质量能够产生显著影响, 尤其在建设用地不断扩张的背景下, 土地利用结构的预测已成为全球关注的问题[1]. 生境质量是区域生态系统生命有机体可持续发展的生存条件和基础, 其高低是评价生态系统健康程度和生物多样性的重要指标[2], 研究生境质量的变化是当今研究的热点[3,4]. 目前研究生境质量评价的模型主要有SolVES模型[5]、MaxEnt模型[6]、GUMBO模型[7]和InVEST模型[8]等, 其中InVEST模型具有操作灵活和理论体系成熟等优点, 广泛应用于生境质量的评价中[9,10]. 为预测生境质量变化趋势, 一些学者耦合生境质量评估模型和土地利用模拟预测模型进行研究, 主要有CLUE-S模型[11]、FLUS模型[12]、CA-Markow模型[13]和PLUS模型[14]等, 其中PLUS模型在大尺度和多地类综合模拟等方面更具优势. 已有的研究成果中, 周俊鑫等[15]利用InVEST模型对当前土地利用生境质量进行了评估, 并结合PLUS模型预测了未来生境质量变化, 最后提出了江西省生境质量总体发展趋势. 孙欣欣等[16]基于InVEST和PLUS模型分析了南京市土地利用与碳储量的动态变化特征, 并预测了2040年不同发展情景下土地利用类型变化对碳储量的影响. Liu等[17]通过耦合InVEST和PLUS模型, 分析了近20年黄土高原的土地利用变化, 预测了2035年不同情景下的土地利用格局以及碳储量, 对指导黄土高原未来土地利用规划具有重要意义. 截至目前将两种模型耦合研究的论文较多, 但从市域角度通过土地利用变化分析来探究生境质量的研究成果则相对薄弱, 缺乏对未来多种情景下市域生境质量变化的研究.
近几年, 推动东北全面振兴上升为国家战略, 习总书记2023年8月考察黑龙江提出了“推动东北城市全面振兴”的发展目标. 哈尔滨作为东北地区重要的省会城市, 城镇化不断发展导致了土地类型的频繁变化, 城市生态环境建设成为了研究重点[18,19]. 2022年哈尔滨市出台的《哈尔滨市生态环境保护“十四五”规划》将“生态推动经济高质量发展”作为城市重要发展方针, 生态环境的发展对区域振兴起着重要作用. 本研究基于2000~2020年土地利用数据, 主要利用InVEST模型对哈尔滨市生境质量时空演变特征进行定量评估, 并结合PLUS模型模拟预测2030年4种发展情景的土地利用下的生境质量变化情况, 以期为哈尔滨市生态文明发展以及城市规划建设提供一定的科学依据及思路.
1 研究区域概况及数据来源 1.1 研究区域概况哈尔滨市地处东北亚中心地带, 位于东经125°42′~130°10′、北纬44°04′~46°40′之间（图 1）, 全市总面积53 076.50 km2, 下辖9个市辖区和7个县级市. 哈尔滨市整体地势呈东北西南走向, 地形相对平坦, 多平原、丘陵地貌, 主要植被类型为针叶林和落叶阔叶林, 境内煤炭、天然气资源丰富. 哈尔滨市属于温带大陆性季风气候, 降水主要集中于6~9月, 10~11月降水明显减少[20]. 2000~2022年期间, 哈尔滨市地区生产总值由830.1亿元增加到5 490.1亿元, 2022年户籍总人口为939.5万人. 多年来哈尔滨市城镇化水平不断提高, 土地利用发生了显著变化并影响了生境质量. 因此, 本研究基于土地利用变化对哈尔滨市生境质量展开评估, 其成果能够为未来城镇化发展提供一定的参考.
|
图 1 研究区域概况 Fig. 1 Overview of the study area |
在考虑PLUS模型精确性和现实意义的基础上, 基于研究区域自然环境与社会经济条件对土地利用的影响[21 ], 以及参照数据的显著性、可获性和时效性等因素, 分别选取了高程、GDP等12个驱动因子对哈尔滨市土地利用展开了研究, 具体数据见表 1. 在GlobeLand30中分别选取哈尔滨市2000年、2010年和2020年土地利用数据为参考, 分辨率为30 m×30 m, 土地利用类型主要为：耕地、林地、草地、湿地、水体、人造地表和裸地. 为保证空间精度一致性, 本研究利用ArcGIS对相关数据进行裁剪和坐标系的统一处理, 同时保证行列数一致.
|
表 1 数据信息 Table 1 Data information |
2 研究方法 2.1 PLUS模型
PLUS模型是以元胞自动机为基础构建的新模型, 可以更好地展现复杂土地利用/土地覆盖（LULC）系统[22,23]. 模型通过转化分析和格局分析战略, 能够克服以往的细胞自动机（CA）模型在解析土地利用变化动因及模拟各类土地利用类型时空尺度斑块演变方面的局限性.
2.1.1 LEASLEAS是通过两期不同的土地利用数据进行分析, 通过不同土地类型的生长斑块获得土地利用变化规律, 能够分析一定时期内土地利用变化的情况[24]. 该策略采用随机森林算法来获取用地发展机会和驱动因素对各用地类型的贡献[25].
2.1.2 模拟精度验证研究使用Kappa系数评估模型模拟准确性, 根据以往研究[26,27 ]为判断标准（表 2）. 以2000年和2010年实际数据为基准, 利用PLUS模型中的Markow预测手段得到2020年土地利用数据, 并与实际的2020年土地利用数据进行对比, 验证结果显示Kappa系数为0.96, 总体精度为0.97, 表明模拟结果具有高准确性.
|
|
表 2 Kappa系数与模拟效果对应 Table 2 Kappa coefficients corresponding to simulation effects |
2.1.3 多情景土地利用预测
为满足不同的发展需求, 综合考虑哈尔滨市2000~2020年土地利用转移矩阵和《黑龙江省“十四五”生态环境保护规划》《哈尔滨市国土空间总体规划（2020-2035年）草案》, 研究共设置4种发展情景.
（1）自然发展 基于哈尔滨市2000~2020年土地利用变化规律, 不加限制条件[28], 模拟2030年自然增长情景下的土地利用情况.
（2）城镇发展 将耕地、林地、草地向人造地表用地的转移概率增加20%[29,30], 人造地表用地向除耕地外的土地利用概率降低20%, 预测2030年哈尔滨市城镇发展情景下的土地利用情况.
（3）生态保护 将林地和草地向人造地表用地的转移概率降低50%, 耕地向人造地表用地的转移概率降低30%, 耕地和草地向林地的转移概率提高30%[31,32], 预测2030年哈尔滨市生态保护情景下的土地利用情况.
（4）耕地保护 通过减缓耕地向其他地类的转移速率及抑制人造地表用地的扩张速度来保护耕地. 耕地向人造地表用地的转移概率减少60%[33,34], 预测2030年哈尔滨市耕地保护情景下的土地利用情况.
2.2 IM模型IM（intensity map）是由中国地质大学李帅呈等[35]基于土地利用转移矩阵提出的从绝对和相对强度两个视角分析土地利用/覆被变化（LUCC）的趋势及其对土地利用/覆被结构影响的模型方法, 并将强度分析结果用可视化的方式进行表达（图 2）.
|
红色和蓝色方格分别表示倾向性和抑制性；横轴表示期末地类, 纵轴表示期初地类；A表示绝对转入, B表示绝对转出, C表示相对转入, D表示相对转出；不同颜色的小方格类型分别表示不同的地类转换的倾向 图 2 土地利用/覆被变化强度图谱单元 Fig. 2 Land use/cover change intensity mapping cell |
在诸多生态评估模型方法中, InVEST模型在空间分析和精度方面具有显著优势[36], 模型中生境质量公式如下：
|
式中, Hj为土地覆盖类型j的生境适宜性, Dxj为第j类土地利用中栅格单元x的生境退化程度, K为半饱和常数, z为常量, Qxj为生境质量指数, 通常范围在0~1之间, 越接近1表明生境质量越好.
InVEST模型中生境质量模块的运行需要相关数据, 根据上述公式以及参考以往研究[37,38], 综合考虑研究区域实际状况, 将土地类型中受人为干扰较大的耕地、人造地表和裸地设置为胁迫因子, 林地、草地、湿地和水体设置为生境因子（表 3和表 4）.
|
|
表 3 研究区胁迫因子权重 Table 3 Weights of stressors in the study area |
|
|
表 4 研究区土地类型敏感度 Table 4 Sensitivity of land types in the study area |
3 结果与分析 3.1 土地利用变化 3.1.1 土地利用结构
遥感影像经过栅格处理后, 得到哈尔滨市2000~2020年土地利用现状（图 3）, 其中哈尔滨市土地类型主要分为：耕地、林地、草地、湿地、水体、人造地表和裸地. 不同时期土地利用类型面积统计结果显示（表 5）, 耕地和林地面积占比大, 分别占不同时期土地面积的近50.00%和40.00%. 基于哈尔滨市2000~2000年两期土地利用现状, 构建土地利用转移矩阵（表 6和表 7）, 并将数据导入Origin软件进行可视化分析, 最后得到土地利用桑基图（图 4）.
|
图 3 2000~2020年哈尔滨市土地利用现状 Fig. 3 Current land use situation in Harbin City from 2000 to 2020 |
|
|
表 5 2000~2020年哈尔滨市各用地类型面积/km2 Table 5 Area of each land use type in Harbin City from 2000 to 2020/km2 |
|
|
表 6 2000~2010年哈尔滨市土地利用转移矩阵/km2 Table 6 Land use transfer matrix in Harbin City from 2000 to 2010/km2 |
|
|
表 7 2010~2020年哈尔滨市土地利用转移矩阵/km2 Table 7 Land use transfer matrix in Harbin City from 2010 to 2020/km2 |
|
图 4 2000~2020年哈尔滨市土地利用面积转移桑基图 Fig. 4 Sankey diagram of land use area transfer in Harbin City from 2000 to 2020 |
数据表明, 哈尔滨市2000~2010年期间草地转入面积最多, 达到1127.27 km2, 其次是耕地和林地；转出面积最多是耕地, 达到1 014.53 km2, 其次是草地和林地. 2000~2010年期间, 哈尔滨市草地、耕地、林地土地类型相互转换剧烈. 在2010~2020年期间, 转入面积最多的是林地, 达到1 613.90 km2, 其次是草地和人造地表, 转出面积最多的是耕地, 为1 952.68 km2, 其次是草地和林地. 综合来看, 哈尔滨市2000~2020年期间土地利用类型主要在林地、草地、耕地之间相互转换, 而且随着城市化进程的加快, 耕地面积受到进一步侵占, 人造地表面积呈现扩张趋势.
3.1.2 土地利用强度将2000~2010年和2010~2020年哈尔滨市两期土地利用转移矩阵数据导入到Intensity Map模型中, 输入土地类别后得到两期土地利用变化强度图谱（图 5）. 从中可知, 2000~2010年期间哈尔滨市土地利用变化强度中的草地转变为耕地、耕地转变为草地和林地及林地转变为耕地等都呈现出明显的绝对倾向性转换特征. 而草地转变为人造地表、水体、湿地及耕地转变为裸地、裸地再转变为草地和耕地、人造地表转变为草地、水体转变为草地、湿地转变为草地和耕地等一系列变化表现出相对倾向性特征. 此外, 草地转变为林地、耕地转变为人造地表及人造地表转变为耕地等展现了整体的倾向性特征. 2010~2020年期间哈尔滨市土地利用变化强度图谱中, 草地转变为耕地、耕地转变为草地、耕地转变为林地及林地转变为耕地等, 都呈现出明显的绝对倾向性特征. 而草地转变为人造地表、草地转变为湿地、耕地转变为裸地和水体及裸地转变为草地、人造地表转变为裸地、湿地转变为耕地和水体等, 表现出相对倾向性特征. 另一方面, 草地转变为林地、林地转变为草地等则体现了系统倾向性特征, 而耕地转变为水体等则表现出系统抑制性特征.
|
红色和蓝色方格分别表示倾向性和抑制性；不同颜色的小方格类型分别表示不同的地类转换的倾向 图 5 2000~2020年哈尔滨市土地利用变化强度图谱 Fig. 5 Land use change intensity map of Harbin City from 2000 to 2020 |
综合来看, 强度图谱体现了哈尔滨市土地利用类型的共性规律, 同时也与相关研究[39]中国土地变化利用规律比较一致. 根据表 6和表 7得出2000~2020年期间哈尔滨市草地、耕地、林地和人造地表转入面积较多, 这与强度图谱中的倾向性特征一致, 进一步说明了该几种类型的土地利用强度变化倾向性特征明显. 水体、裸地和湿地类型的转入在两期强度图谱中多呈现抑制性特征, 与表 6和表 7体现的转入面积较少规律基本一致.
3.1.3 土地利用扩张驱动因子土地利用景观的变化是自然、人文各要素作为驱动因子相互作用后的空间表现[40]. 本研究将提取到的哈尔滨市2000年和2000年土地扩张数据导入PLUS模型中的LEAS模块中, 通过提取各地类发生变化的区域并结合随机森林算法[41], 得到不同土地类型扩张的驱动因子贡献值（图 6）.
|
图 6 2000~2020年哈尔滨市土地扩张驱动因子贡献度 Fig. 6 Contribution of driving factors for land expansion in Harbin City from 2000 to 2020 |
从结果来看, 高程是影响草地、耕地、林地、裸地、湿地和水体扩张的主要因子, 说明高程在影响用地扩张的因子中占据了非常重要的地位. 土壤类型在各地类扩张驱动因子中贡献值较小, 说明土壤类型在影响用地扩张方面的作用中不太明显. 人造地表扩张贡献值较大的是与二级道路之间距离、GDP和人口影响等, 突出了社会经济因素对人造地表扩张的作用.
3.2 土地利用模拟预测基于哈尔滨市2000年、2010年和2020年土地利用数据, 利用PLUS中的Markovchain模块生成2030年土地覆被数据, 领域权重和成本矩阵参考相关研究进行设定[42,43], 最后模拟出2030年哈尔滨市多情景下的土地利用数据（图 7）. 将2030年土地利用数据导入GIS软件中, 通过计算得到各用地类型面积（表 8）.
|
图 7 2030年哈尔滨市不同情景下土地利用模拟 Fig. 7 Land use simulation under different scenarios in Harbin City in 2030 |
|
|
表 8 2030年哈尔滨市不同情景下各土地利用类型面积/km2 Table 8 Area of various land use types in Harbin City under different scenarios in 2030/km2 |
哈尔滨市2030年不同情景下的土地利用模拟结果显示（图 7和表 8）, 自然发展情景下, 林地用地扩张明显, 耕地和草地面积大幅度下降. 其中林地面积增加了951.81 km2, 耕地面积缩小了720.97 km2, 草地面积缩小了296.06 km2, 湿地面积增加了37.46 km2, 人造地表面积增加了25.51 km2, 水体和裸地面积略有增加. 生态保护发展情景下, 耕地和林地用地扩张显著, 草地和人造地表面积下降明显, 湿地、水体、裸地用地面积变化不显著. 其中耕地和林地面积分别增加了405.79 km2和568.42 km2, 草地和人造地表面积缩小了353.48 km2和566.35 km2. 耕地保护情景下, 耕地无明显变化, 侵占耕地现象得到有效遏制, 草地和人造地表用地变化显著, 分别缩小了217.68 km2和增加了220.47 km2, 而其他地类变化较小. 城镇发展情景下, 耕地和草地面积分别减少了886.185 km2和340.865 km2, 而林地和人造地表面积分别增加了851.755 km2和404.88 km2, 其余地类无明显变化.
3.3 生境质量变化 3.3.1 生境质量时空演变将2000年、2010年和2020年土地利用数据导入到InVEST模型中的生境质量模块中, 输入相关数据得到哈尔滨市2000~2020年生境质量. 生境质量的值在0~1范围内, 越接近1说明生境质量越高. 通过计算依次得出3个年份生境质量平均值分别为0.359 57、0.365 33和0.367 27. 以往相关研究[44 ~46]为基础在GIS中采用断点法将生境质量依次划分5个等级, 分别为：0~0.3（低）、0.3~0.5（较低）、0.5~0.7（中等）、0.7~0.9（较高）和0.9~1.0（高）, 并将各等级生境质量进行面积统计（图 8和表 9）.
|
图 8 2000~2020年哈尔滨市生境质量 Fig. 8 Habitat quality of Harbin City from 2000 to 2020 |
|
|
表 9 2000~2020年哈尔滨市生境质量面积和占比 Table 9 Habitat quality area and proportion of Harbin City from 2000 to 2020 |
从表 9所示的时间尺度来看, 在2000~2010年期间, 哈尔滨市低、较低生境质量的面积都呈现了下降趋势, 面积分别从28 825.8 km2和2 106.45 km2下降到28 512.06 km2和2 062.32 km2；较高、高生境质量的面积则相对增加, 分别从6 049.05 km2和8 722.3 km2增加到6 093.83 km2和9 283.44 km2. 在2010~2020年期间, 低生境质量面积由28 512.06 km2下降到28 027.2 km2；较低生境质量面积从2 062.32 km2增加到2 430.66 km2；较高生境质量面积由6 093.83 km2增加到6 243.17 km2；高生境质量面积变化明显, 从9 283.44 km2减少到8 601.17 km2. 综合来看, 2000~2020年期间, 哈尔滨市生境质量有了一定提升, 其中较高、高生境质量面积增加, 主要集中在通河县、木兰县和方正县东部区域；低、较低生境质量面积减少, 主要表现在尚志市东部.
从空间格局上看, 研究区整体生境质量面积主要分布于高、低之间, 占研究区总面积的70%, 少部分区域处于较高、中等、较低的生境范围. 其中高、较高生境质量的面积主要位于中部, 主要集中在木兰县、通河县、阿城区、五常市南部和方正县东部, 该区域土地类型主要为林地、草地, 说明林地和草地对于研究区生境质量的提升具有很大的作用. 由于林地、草地周边为面积较大的耕地部分, 人类活动的干扰也影响了区域生境质量, 导致部分地区生境质量有所下降. 差生境质量面积主要位于西部、东北部和中部的部分区域, 主要集中在双城区、道里区、道外区、香坊区、南岗区、平房区、松北区、呼兰区、尚志市和依兰县, 用地类型主要为耕地、人造地表等两类, 其地势平缓, 人类活动频繁, 对生境质量产生破坏作用. 西部主要耕地区域出现狭长型生境质量较高的部分为湿地、水体用地, 表明该用地类型保护得相对较好, 有助于生境质量的提高.
3.3.2 生境质量模拟将PLUS模拟出来的哈尔滨市2030年4种情景土地利用数据输入到InVEST生境质量模块中, 再导入到GIS软件中, 经过处理后得到哈尔滨市2030年不同情景下的生境质量. 其中, 自然发展、生态保护、耕地保护、城镇发展情景的生境质量平均值依次为0.381 75、0.409 24、0.394 92和0.394 46（图 9）. 计算各等级生境质量面积并与2020年进行对比的结果如表 10所示.
|
图 9 2030年哈尔滨市不同情景下生境质量预测 Fig. 9 Habitat quality prediction under different scenarios in Harbin City in 2030 |
|
|
表 10 2030年哈尔滨市不同情景下各等级生境质量面积/km2 Table 10 Habitat quality area of different levels under different scenarios in Harbin City in 2030/km2 |
自然发展情景下, 2030年低生境质量面积减少了706.63 km2. 较低生境质量面积增加了381.31 km2. 中等生境质量面积增加了190.21 km2, 高生境质量面积增加了144.09 km2, 主要集中在通河县. 较高生境质量面积无明显变化. 综合来看, 哈尔滨市生境质量有整体变好趋势, 生态环境有了一定改善, 体现了政府退耕还林政策的实施效果.
生态保护情景下, 低生境和中等生境质量面积分别减少了197.47 km2和222.67 km2. 较高和高生境质量面积分别增加了235.26 km2和172.34 km2, 主要集中在尚志市东部. 较低生境质量面积无明显变化. 与自然发展情景相比, 较高和高生境质量面积增加更为显著, 较低生境质量增加不明显, 说明生态保护情景下哈尔滨市生境质量有所提升.
耕地保护情景下, 低生境质量面积增加了362.24 km2, 主要集中在南岗区、平房区、道里区、道外区、香坊区. 中等和较高生境质量面积分别减少了142.08 km2和242.27 km2, 主要集中在依兰县和方正县. 较低和高生境质量面积变化不显著. 与自然发展情景相比, 哈尔滨市生境质量依旧提升, 但相比生态保护情景, 生境质量略有下降.
城镇发展情景下, 低生境和高生境质量面积分别减少了300.05 km2和321.79 km2, 主要集中在木兰县和通河县. 较低生境和中等生境质量面积分别增加了363.97 km2和341.58 km2, 主要集中在方正县东部. 与自然发展情景相比, 低生境质量面积减少幅度较低, 哈尔滨市生境质量趋势变好, 相比生态保护和耕地保护场景, 生境质量有所下降.
从多情景模拟结果来看, 不同情景生境质量空间格局演变规律整体保持一致, 2030年哈尔滨市生境质量都呈现变好趋势. 其中生态保护情景下生境质量的提升较明显, 主要源于人造地表面积缩减、生境适宜度高的林地面积增多. 自然发展情景下生境质量的提升相对不显著, 主要由于耕地面积缩小, 且生境适宜度较高的草地面积也有所缩减超过了林地面积增加的效果.
4 讨论哈尔滨市土地利用变化是多种因素共同影响的结果, 本研究显示2000~2020年哈尔滨市生境质量整体提高, 与相关研究结论契合[47]. 结合土地利用和生境质量变化情况看, 2000~2000年低生境质量面积持续降低, 较高等级和高生境质量面积增加, 与研究区域耕地面积减少、林地面积增加相关, 说明了退耕还林政策[48]有效实施的重要性, 这与2001年起哈尔滨市全面启动生态建设有密切联系；较低生境质量面积增加主要受人造地表面积扩张的影响, 但林地、草地面积的增加一定程度弥补了人造地表扩张带来的生境质量负面影响. 在哈尔滨市未来城市发展规划中, 应优先将具有水源涵养、水土保持等生态功能重要的区域划入生态保护红线, 维护生态系统完整性. 同时, 在不同生境质量状况的区域环境中应侧重不同的用地发展策略. 生境质量较差的双城区、道里区、道外区、香坊区、南岗区、平房区、松北区、呼兰区和依兰县区域, 应侧重考虑生态保护情景和耕地保护情景, 进一步坚持生态保护发展理念, 借鉴尚志市、依兰县和方正县先进经验, 积极开展15°以上坡地退耕还林还草工作, 控制好耕地扩张, 合理控制人造地表面积总规模. 这样的措施有助于生境质量的提升, 也能够为农业可持续发展带来帮助. 生境质量较好的木兰县、通河县、阿城区、五常市南部和方正县东部, 植被覆盖率较高, 湿地资源丰富, 水土保持较好, 应发挥好木兰县、通河县作为国家重点生态功能区的带头作用, 继续在保护现有生态用地不减少的基础上, 开展以红松为主的针阔混交林生态系统修复, 优化林分结构, 提高森林质量和稳定性. 开展退化林修复、退化草原和盐碱地治理. 加强自然湿地保护, 稳步推进重要栖息地保护、修复和生态廊道建设. 加强缓坡耕地治理、侵蚀沟治理, 建立合理的农田林网结构. 同时, 对已经存在的人造地表扩张进行控制, 以免生境质量的破坏, 制定好科学发展政策, 提高土地利用效率.
由于土地利用利用变化受多种因素的影响, 数据存在难以获取和计量等问题, 未来将继续研究深化PLUS模型数据精度. 同时, InVEST模型在参数设置上存在一定的主观性, 其合理性需要进一步探讨. 希望本研究成果能够为哈尔滨市生态环境保护和可持续发展提供一定依据和参考.
5 结论（1）哈尔滨市土地利用类型以耕地、林地和草地为主, 占总面积90%以上, 而人造地表、湿地、水体和裸地相对较少；2000~2020年期间, 耕地面积减少, 林地、草地、人造地表、湿地、水体和裸地面积增加；草地、耕地、林地和人造地表转入面积较多, 土地利用强度变化倾向性特征明显；水体、裸地和湿地类型的转入面积较少, 多呈现抑制性特征.
（2）利用PLUS模型对2000~2020年土地利用扩张驱动力分析表明, 高程是影响草地、耕地、林地、裸地、湿地和水体扩张的主要因子；土壤类型因子在影响用地扩张的作用中并不明显；影响人造地表扩张的主要因子是社会经济因素, 其余依次为距二级道路距离、GDP和人口.
（3）PLUS模型模拟哈尔滨市2030年4种情景下各土地利用类型面积显示, 林地面积有所增加, 草地面积有所减少, 而湿地、水体和裸地面积变化均不显著；除生态保护情景外, 人造地表面积相对增加, 耕地面积相对减少.
（4）2000~2020年间, 哈尔滨市生境质量整体提高. 其中低生境质量的面积持续减少；较低、中等生境质量的面积表现出由减少到增加的过程；较高生境质量面积持续增加；高生境质量面积呈现出从增加到减少的过程.
（5）2030年哈尔滨市4种情景下生境质量空间格局演变规律整体保持一致, 生境质量均呈现变好趋势. 其中生态保护情景下, 低、中等生境质量面积减少, 较高、高生境质量面积增加, 生境质量提升较之其它3种情景相对明显.
| [1] |
华文剑, 陈海山, 李兴. 中国土地利用/覆盖变化及其气候效应的研究综述[J]. 地球科学进展, 2014, 29(9): 1025-1036. Hua W J, Chen H S, Li X. Review of land use and land cover change in China and associated climatic effects[J]. Advances in Earth Science, 2014, 29(9): 1025-1036. |
| [2] |
郑贱成, 谢炳庚, 游细斌. 基于土地利用变化的广东省生境质量时空演变特征[J]. 生态学报, 2022, 42(17): 6997-7010. Zheng J C, Xie B G, You X B. Spatio-temporal characteristics of habitat quality based on land-use changes in Guangdong Province[J]. Acta Ecologica Sinica, 2022, 42(17): 6997-7010. |
| [3] |
傅伯杰, 陈利顶, 马克明. 黄土丘陵区小流域土地利用变化对生态环境的影响——以延安市羊圈沟流域为例[J]. 地理学报, 1999, 54(3): 241-246. Fu B J, Chen L D, Ma K M. The effect of land use Chang on the regional environment in the Yangjuangou catchment in the loess plateau of China[J]. Acta Geographica Sinica, 1999, 54(3): 241-246. |
| [4] |
古圳威, 刘京, 陈怡, 等. 陕西渭北旱塬区生境质量及碳储量时空演变分析与模拟[J]. 环境科学, 2023, 44(8): 4666-4678. Gu Z W, Liu J, Chen Y, et al. Analysis and simulation of the spatiotemporal evolution of habitat quality and carbon storage in the Weibei dry plateau region of Shaanxi[J]. Environmental Science, 2023, 44(8): 4666-4678. |
| [5] | Zhang Z C, Zhang H J, Feng J, et al. Evaluation of social values for ecosystem services in urban riverfront space based on the SolVES model: a case study of the Fenghe River, Xi'an, China[J]. International Journal of Environmental Research and Public Health, 2021, 18(5). DOI:10.3390/ijerph18052765 |
| [6] | Phillips S J, Dudík M. Modeling of species distributions with Maxent: new extensions and a comprehensive evaluation[J]. Ecography, 2008, 31(2): 161-175. DOI:10.1111/j.0906-7590.2008.5203.x |
| [7] | Boumans R, Costanza R, Farley J, et al. Modeling the dynamics of the integrated earth system and the value of global ecosystem services using the GUMBO model[J]. Ecological Economics, 2002, 41(3): 529-560. DOI:10.1016/S0921-8009(02)00098-8 |
| [8] |
高周冰, 王晓瑞, 隋雪艳, 等. 基于FLUS和InVEST模型的南京市生境质量多情景预测[J]. 农业资源与环境学报, 2022, 39(5): 1001-1013. Gao Z B, Wang X R, Sui X Y, et al. Multi-scenario prediction of habitat quality in Nanjing based on FLUS and InVEST models[J]. Journal of Agricultural Resources and Environment, 2022, 39(5): 1001-1013. |
| [9] |
刘孟竹, 张红娟, 王彦芳, 等. 基于土地利用的北方农牧交错带生境质量研究[J]. 水土保持研究, 2021, 28(3): 156-162. Liu M Z, Zhang H J, Wang Y F, et al. Characteristics of habitat quality in the agro-pastoral Ecotone of northern China based on land uses[J]. Research of Soil and Water Conservation, 2021, 28(3): 156-162. |
| [10] |
胡丰, 张艳, 郭宇, 等. 基于PLUS和InVEST模型的渭河流域土地利用与生境质量时空变化及预测[J]. 干旱区地理, 2022, 45(4): 1125-1136. Hu F, Zhang Y, Guo Y, et al. Spatial and temporal changes in land use and habitat quality in the Weihe River Basin based on the PLUS and InVEST models and predictions[J]. Arid Land Geography, 2022, 45(4): 1125-1136. |
| [11] |
顾汉龙, 马天骏, 钱凤魁, 等. 基于CLUE-S模型县域土地利用情景模拟与碳排放效应分析[J]. 农业工程学报, 2022, 38(9): 288-296. Gu H L, Ma T J, Qian F K, et al. County land use scenario simulation and carbon emission effect analysis using CLUE-S model[J]. Transactions of the Chinese Society of Agricultural Engineering, 2022, 38(9): 288-296. DOI:10.11975/j.issn.1002-6819.2022.09.032 |
| [12] | Wen D, Wang X M, Liu J, et al. Maintaining key ecosystem services under multiple development scenarios: a case study in Guangdong–Hong Kong–Macao greater bay Area, China[J]. Ecological Indicators, 2023, 154. |
| [13] |
胡碧松, 张涵玥. 基于CA-Markov模型的鄱阳湖区土地利用变化模拟研究[J]. 长江流域资源与环境, 2018, 27(6): 1207-1219. Hu B S, Zhang H Y. Simulation of land-use change in Poyang Lake region based on CA-Markov model[J]. Resources and Environment in the Yangtze Basin, 2018, 27(6): 1207-1219. DOI:10.11870/cjlyzyyhj201806004 |
| [14] | 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[J]. Computers, Environment and Urban Systems, 2021, 85. |
| [15] |
周俊鑫, 蔡梅芳, 黄志强, 等. 江西省生境质量时空演化特征及预测[J]. 生态学报, 2023, 43(18): 7623-7636. Zhou J X, Cai M F, Huang Z Q, et al. Spatio-temporal evolution characteristics and prediction of habitat quality in Jiangxi Province[J]. Acta Ecologica Sinica, 2023, 43(18): 7623-7636. |
| [16] |
孙欣欣, 薛建辉, 董丽娜. 基于PLUS模型和InVEST模型的南京市生态系统碳储量时空变化与预测[J]. 生态与农村环境学报, 2023, 39(1): 41-51. Sun X X, Xue J H, Dong L N. Spatiotemporal change and prediction of carbon storage in Nanjing ecosystem based on PLUS model and InVEST model[J]. Journal of Ecology and Rural Environment, 2023, 39(1): 41-51. |
| [17] | Liu K, Zhang C Z, Zhang H, et al. Spatiotemporal variation and dynamic simulation of ecosystem carbon storage in the Loess Plateau based on PLUS and InVEST models[J]. Land, 2023, 12(5). DOI:10.3390/land12051065 |
| [18] |
盖兆雪, 孙萍, 张景奇. 松花江流域土地利用变化及形成机理——以哈尔滨段为例[J]. 水土保持研究, 2019, 26(4): 314-320. Gai Z X, Sun P, Zhang J Q. Land use change and formation mechanism in Songhuajiang Basin——Harbin section as an example[J]. Research of Soil and Water Conservation, 2019, 26(4): 314-320. |
| [19] |
宋爽, 石梦溪, 胡珊珊, 等. 东北地区中心城市城区蓝绿空间演化及驱动机制研究[J]. 南京林业大学学报(自然科学版), 2022, 46(4): 221-229. Song S, Shi M X, Hu S S, et al. Evolutions and driving mechanisms of urban blue-green spaces in northeast China: a case study with the urban central district of Harbin City[J]. Journal of Nanjing Forestry University (Natural Science Edition), 2022, 46(4): 221-229. |
| [20] |
张佳薇, 张颂, 彭博, 等. 哈尔滨典型林分地表凋落物含水率预测模型[J]. 森林工程, 2023, 39(4): 110-117. Zhang J W, Zhang S, Peng B, et al. Prediction model of surface litter moisture content in typical forest in Harbin[J]. Forest Engineering, 2023, 39(4): 110-117. |
| [21] |
庞家泰, 段金亮, 张瑞, 等. 2000-2019年渭河流域植被覆盖度时空演变特征及气候响应[J]. 水土保持研究, 2021, 28(5): 230-237. Pang J T, Duan J L, Zhang R, et al. Characteristics of spatiotemporal evolution and climate response of vegetation cover in the Wei River Basin from 2000 to 2019[J]. Research of Soil and Water Conservation, 2021, 28(5): 230-237. |
| [22] | Wang R Y, Cai H N, Chen L K, et al. Spatiotemporal evolution and multi-scenario prediction of carbon storage in the GBA based on PLUS-InVEST models[J]. Sustainability, 2023, 15(10). DOI:10.3390/su15108421 |
| [23] |
隋露, 蒲春玲, 刘志有, 等. 基于PLUS模型的乌鲁木齐市生态服务价值权衡协同探究[J]. 干旱区地理, 2023, 46(1): 159-168. Sui L, Pu C L, Liu Z Y, et al. Trade-off synergy of ecosystem service value in Urumqi City based on PLUS model[J]. Arid Land Geography, 2023, 46(1): 159-168. |
| [24] |
崔文兵, 侯国博, 陈万基, 等. 基于多情景模拟的伊犁河谷土地利用景观格局分析[J]. 水利水电技术(中英文), 2023, 54(9): 1-12. Cui W B, Hou G B, Chen W J, et al. Landscape pattern analysis of land use in Yili River Valley based on multi-scenario simulation[J]. Water Resources and Hydropower Engineering, 2023, 54(9): 1-12. |
| [25] |
韩楚翘, 郑江华, 王哲, 等. 基于PLUS-InVEST模型吐哈盆地陆地生态系统碳储量时空变化及多情景模拟[J]. 干旱区地理, 2024, 47(2): 260-269. Han C Q, Zheng J H, Wang Z, et al. Based on the PLUS InVEST model, the spatiotemporal variation and multi scenario simulation of carbon storage in the terrestrial ecosystem of the Tuha Basin[J]. Geography of Arid Areas, 2024, 47(2): 260-269. |
| [26] |
褚琳, 张欣然, 王天巍, 等. 基于CA-Markov和InVEST模型的城市景观格局与生境质量时空演变及预测[J]. 应用生态学报, 2018, 29(12): 4106-4118. Chu L, Zhang X R, Wang T W, et al. Spatial-temporal evolution and prediction of urban landscape pattern and habitat quality based on CA-Markov and InVEST model[J]. Chinese Journal of Applied Ecology, 2018, 29(12): 4106-4118. |
| [27] |
李亚楠, 多玲花, 张明. 基于CA-Markov和InVEST模型的土地利用格局与生境质量时空演变及预测——以江西省南昌市为例[J]. 水土保持研究, 2022, 29(2): 345-354. Li Y N, Duo L H, Zhang M. Evolution and prediction of land use pattern and habitat quality based on CA-Markov and InVEST model-a case study of Nanchang City in Jiangxi Province[J]. Research of Soil and Water Conservation, 2022, 29(2): 345-354. |
| [28] |
朱文博, 张静静, 崔耀平, 等. 基于土地利用变化情景的生态系统碳储量评估——以太行山淇河流域为例[J]. 地理学报, 2019, 74(3): 446-459. Zhu W B, Zhang J J, Cui Y P, et al. Assessment of territorial ecosystem carbon storage based on land use change scenario: a case study in Qihe River Basin[J]. Acta Geographica Sinica, 2019, 74(3): 446-459. |
| [29] |
杨露, 颉耀文, 宗乐丽, 等. 基于多目标遗传算法和FLUS模型的西北农牧交错带土地利用优化配置[J]. 地球信息科学学报, 2020, 22(3): 568-579. Yang L, Xie Y W, Zong L L, et al. Land use optimization configuration based on multi-objective genetic algorithm and FLUS model of agro-pastoral Ecotone in Northwest China[J]. Journal of Geo-Information Science, 2020, 22(3): 568-579. |
| [30] |
武爱彬, 陈辅国, 赵艳霞, 等. 京津冀城市群建设用地扩张多情景模拟及其对生态系统碳储量的影响[J]. 环境科学, 2024, 45(5): 2828-2839. Wu A B, Chen F G, Zhao Y X, et al. Multi-scenario simulation of construction land expansion and its impact on ecosystem carbon storage in Beijing-Tianjin-Hebei urban agglomeration[J]. Environmental Science, 2024, 45(5): 2828-2839. |
| [31] |
喇蕗梦, 勾蒙蒙, 李乐, 等. 三峡库区生态系统服务权衡时空动态与情景模拟: 以秭归县为例[J]. 生态与农村环境学报, 2021, 37(11): 1368-1377. La L M, Gou M M, Li L, et al. Spatiotemporal dynamics and scenarios analysis on trade-offs between ecosystem service in Three Gorges Reservoir Area: a case study of Zigui County[J]. Journal of Ecology and Rural Environment, 2021, 37(11): 1368-1377. |
| [32] |
李安林, 周艳, 唐丽毅, 等. 怒江州土地利用模拟及生态系统服务价值评估——基于PLUS模型的多情景分析[J]. 中国农业资源与区划, 2023, 44(1): 140-149. Li A L, Zhou Y, Tang L Y, et al. Land use simulation and ecosystem services values evaluation in Nujiang prefecture——A multiple-scenario analysis based on plus model[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2023, 44(1): 140-149. |
| [33] |
李俊, 杨德宏, 吴锋振, 等. 基于PLUS与InVEST模型的昆明市土地利用变化动态模拟与碳储量评估[J]. 水土保持通报, 2023, 43(1): 378-387. Li J, Yang D H, Wu F Z, et al. Dynamic simulation of land use changes and assessment of carbon storage in Kunming City based on PLUS and InVEST models[J]. Bulletin of Soil and Water Conservation, 2023, 43(1): 378-387. |
| [34] |
杨伶, 王金龙, 周文强. 基于多情景模拟的洞庭湖流域LUCC与生境质量耦合演变分析[J]. 中国环境科学, 2023, 43(2): 863-873. Yang L, Wang J L, Zhou W Q. Coupling evolution analysis of LUCC and habitat quality in Dongting Lake Basin based on multi-scenario simulation[J]. China Environmental Science, 2023, 43(2): 863-873. |
| [35] |
李帅呈, 龚健, 杨建新, 等. 兰西城市群土地利用/覆被变化模式特征——基于强度分析框架[J]. 资源科学, 2023, 45(3): 480-493. Li S C, Gong J, Yang J X, et al. Characteristics of LUCC patterns of the Lanzhou-Xining urban agglomeration: based on an intensity analysis framework[J]. Resources Science, 2023, 45(3): 480-493. |
| [36] |
谢玲, 陈展图, 蒋瑜, 等. 基于InVEST & GEO-detectors模型的会仙湿地生境质量变化及影响因素研究[J]. 广西师范大学学报(自然科学版), 2023, 41(5): 180-190. Xie L, Chen Z T, Jiang Y, et al. Habitat quality changes and influencing factors in Huixian wetland based on InVEST & GEO-detectors model[J]. Journal of Guangxi Normal University (Natural Science Edition), 2023, 41(5): 180-190. |
| [37] |
滕雅丽, 谢苗苗, 王回茴, 等. 资源型城市土地利用转型及其对生境质量的影响——以乌海市为例[J]. 生态学报, 2022, 42(19): 7941-7951. Teng Y L, Xie M M, Wang H H, et al. Land use transition in resource-based cities and its impact on habitat quality: a case of Wuhai City[J]. Acta Ecologica Sinica, 2022, 42(19): 7941-7951. |
| [38] |
郑云有, 刘艳婷, 姚鹏, 等. 湖南省重点生态功能区生境质量时空变化及其预测[J]. 水土保持通报, 2022, 42(4): 347-356, 364. Zheng Y Y, Liu Y T, Yao P, et al. Spatial and temporal changes and prediction of habitat quality in key ecological function area of Hu'nan Province[J]. Bulletin of Soil and Water Conservation, 2022, 42(4): 347-356, 364. |
| [39] |
刘纪远, 宁佳, 匡文慧, 等. 2010-2015年中国土地利用变化的时空格局与新特征[J]. 地理学报, 2018, 73(5): 789-802. Liu J Y, Ning J, Kuang W H, et al. Spatio-temporal patterns and characteristics of land-use change in China during 2010-2015[J]. Acta Geographica Sinica, 2018, 73(5): 789-802. |
| [40] |
裴宇, 周旭, 蒋啸, 等. 基于土地利用和景观格局的高原山区湖库水质变化主要贡献因子分析[J]. 水土保持通报, 2022, 42(6): 247-257. Pei Y, Zhou X, Jiang X, et al. Analysis of main contributing factors to changes in lake and reservoir water quality in Plateau Mountainous Areas based on land use and landscape pattern[J]. Bulletin of Soil and Water Conservation, 2022, 42(6): 247-257. |
| [41] |
雒舒琪, 胡晓萌, 孙媛, 等. 耦合PLUS-InVEST模型的多情景土地利用变化及其对碳储量影响[J]. 中国生态农业学报(中英文), 2023, 31(2): 300-314. Luo S Q, Hu X M, Sun Y, et al. Multi-scenario land use change and its impact on carbon storage based on coupled PLUS-InVEST model[J]. Chinese Journal of Eco-Agriculture, 2023, 31(2): 300-314. |
| [42] |
谢向东, 林孝松, 王莹, 等. 基于PLUS模型的重庆市南川区土地利用多情景模拟[J]. 长江科学院院报, 2023, 40(6): 86-92, 113. Xie X D, Lin X S, Wang Y, et al. Multi-scenario simulation of land use in Nanchuan District of Chongqing based on PLUS model[J]. Journal of Yangtze River Scientific Research Institute, 2023, 40(6): 86-92, 113. |
| [43] |
王旭, 马伯文, 李丹, 等. 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 X, Ma B W, Li D, et al. 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. |
| [44] |
郑亚平, 张俊华, 田惠文, 等. 大别山区生境质量时空特征及自然-人为因素驱动机制[J]. 环境科学, 2024, 45(4): 2268-2279. Zheng Y P, Zhang J H, Tian H W, et al. Spatio-temporal characteristics of habitat quality and natural-human driven mechanism in Dabie Mountain area[J]. Environmental Science, 2024, 45(4): 2268-2279. |
| [45] |
杜峯屹, 陈松林, 蒲佳豪. 2000-2020年闽东南地区土地利用变化及生境质量时空演变[J]. 水土保持研究, 2023, 30(6): 345-356. Du F Y, Chen S L, Pu J H. Land use change and spatiotemporal evolution of habitat quality in southeastern Fujian from 2000 to 2020[J]. Research of Soil and Water Conservation, 2023, 30(6): 345-356. |
| [46] |
迟宏旭, 陈宇, 杨旭, 等. 东北三省土地利用及生境质量的时空演变效应[J]. 环境科学与技术, 2023, 46(6): 187-196. Chi H X, Chen Y, Yang X, et al. The spatio-temporal evolution effect of land use function change and habitat quality in the Three Northeastern Provinces of China[J]. Environmental Science & Technology, 2023, 46(6): 187-196. |
| [47] |
刘玉琴. 基于RS和GIS的哈尔滨市生态环境质量评价与分析[D]. 哈尔滨: 哈尔滨师范大学, 2021. Liu Y Q. Evaluation and analysis of ecological environment quality in Harbin based on RS and GIS[D]. Harbin: Harbin Normal University, 2021. |
| [48] |
王亚欣. 2003~2015年哈尔滨市道里区土地利用变化分析[J]. 哈尔滨师范大学(自然科学学报), 2021, 37(1): 75-80. Wang Y X. Analysis of land use change in Daoli District, Harbin City from 2003 to 2015[J]. Natural Sciences Journal of Harbin Normal University, 2021, 37(1): 75-80. |