环境科学  2025, Vol. 46 Issue (7): 4615-4627   PDF    
引用本文
周豹, 赵俊三, 陈国平, 周先存, 尹莹, 于祖国. 多情景模拟下滇东南喀斯特地区生态系统服务评估与网络优化[J]. 环境科学, 2025, 46(7): 4615-4627.
ZHOU Bao, ZHAO Jun-san, CHEN Guo-ping, ZHOU Xian-cun, YIN Ying, YU Zu-guo. Ecosystem Services Assessment and Network Optimization Under Multiple Scenario Simulations in the Karst Area of Southeast Yunnan[J]. Environmental Science, 2025, 46(7): 4615-4627.
多情景模拟下滇东南喀斯特地区生态系统服务评估与网络优化
周豹1,2,3, 赵俊三1,2, 陈国平1, 周先存3, 尹莹3, 于祖国2     
1. 昆明理工大学国土资源工程学院，昆明 650093;
2. 云南云金地科技有限公司，昆明 650102;
3. 皖西学院电子与信息工程学院，六安 237000
收稿日期: 2024-06-13; 修订日期: 2024-08-28
基金项目: 国家自然科学基金项目（42301304）；云南省基础研究计划项目（202201AU070112）；昆明理工大学引进人才科研启动基金项目（KKZ3202021055）；云南省哲学社会科学规划项目（PY202129）；国家自然科学基金项目（503780262）
作者简介: 周豹（1985~），男，博士研究生，高级工程师，主要研究方向为国土空间治理，E-mail：zhoubao@stu.kust.edu.cn
通信作者: 赵俊三, E-mail：11301057@kust.edu.cn
摘要: 全球气候变化和经济增长改变了土地利用结构，影响了生态系统服务和空间分布，滇东南喀斯特地区因其脆弱生态环境和多样土地利用成为重点研究区域. 通过多情景模拟，评估该地区未来土地利用变化对生态系统服务的影响并优化生态网络，对于加强喀斯特生态脆弱区的生态安全屏障和维护可持续发展具有重要意义. 以滇东南喀斯特地区为研究区，基于2000~2020年土地利用数据，采用PLUS模型模拟SSP126（可持续发展）、SSP245（自然增长）和SSP585（城市扩张）这3种未来情景下2035年的土地利用格局，利用InVEST模型评估区域典型生态系统服务，并分析不同情景下的区域生态网络格局及其演变特征. 结果表明：①滇东南喀斯特地区的土地利用类型主要为林地、耕地和草地. 2000~2020年间，土地利用转移面积为6 002.55 km²，林地、草地和耕地的转移最为剧烈. 2035年，不同情景下土地利用变化的强度和格局存在显著差异；②相较于2020年，2035年3种情景下的产水量和土壤保持呈增加态势，而生境质量和固碳储存呈下降趋势. 其中，SSP126情景下产水量和土壤保持的增益幅度高于SSP245和SSP585情景，且生境质量和固碳储存的损失最低；③滇东南喀斯特地区的生态源地主要集中在东部和南部地区，生态网络多呈东西走向. 2035年，不同情景下的生态源地面积均呈增加趋势，生态网络的复杂度和连通性有所提高；④未来可基于“一屏三带多点”的生态网络优化策略，因地制宜地开展生态工程建设，增强东西生态廊道的连接以及南北生态廊道的建设. 研究结果可为滇东南喀斯特地区的生态保护优化和国土空间治理提供了科学建议.
关键词: 土地利用      PLUS模型      生态系统服务      生态源地      生态网络     
Ecosystem Services Assessment and Network Optimization Under Multiple Scenario Simulations in the Karst Area of Southeast Yunnan
ZHOU Bao1,2,3 , ZHAO Jun-san1,2 , CHEN Guo-ping1 , ZHOU Xian-cun3 , YIN Ying3 , YU Zu-guo2     
1. Faculty of Land Resource Engineering, Kunming University of Science and Technology, Kunming 650093, China;
2. Yunnan Yunjindi Geo-Information Co. Ltd., Kunming 650102, China;
3. College of Electronic and Information Engineering, West Anhui University, Lu'an 237000, China
Abstract: Global climate change and economic growth have altered land use structures, impacting ecosystem services and spatial distributions. The Southeast Yunnan karst region, with its fragile ecological environment and diverse land use types, has become a focal area of research. Utilizing multi-scenario simulations, this study evaluates the impacts of future land use changes on ecosystem services and optimizes the ecological network, aiming to provide scientific guidance for regional ecological protection and sustainable development. Taking the Southeast Yunnan karst regions as the study area, land use data from 2000 to 2020 was analyzed. The Patch-generating Land Use Simulation (PLUS) model was employed to simulate land use patterns under three future scenarios for 2035: SSP126 (sustainable development), SSP245 (natural growth), and SSP585 (urban expansion). The Integrated Valuation of Ecosystem Services and Trade-offs (InVEST) model was used to assess typical regional ecosystem services, and the spatial and temporal dynamics of ecological networks under different scenarios were analyzed. The results indicated that: ① The primary land use types in the Southeast Yunnan karst region were forests, croplands, and grasslands. From 2000 to 2020, the land use transfer area was 6 002.55 km², with significant transfers among forests, grasslands, and croplands. By 2035, land use changes were projected to exhibit significant differences in intensity and pattern under the different scenarios. ② Compared with 2020, water yield and soil retention were projected to increase by 20 135 under all three scenarios, whereas habitat quality and carbon storage were expected to decline. The SSP126 scenario showed the highest gains in water yield and soil retention, with the least losses in habitat quality and carbon storage compared to those in the SSP245 and SSP585 scenarios. ③ Ecological source areas were mainly concentrated in the eastern and southern regions of Southeast Yunnan, with ecological networks predominantly oriented east-west. By 2035, the area of ecological source regions is expected to increase across all scenarios, enhancing the complexity and connectivity of the ecological network. ④ Future strategies should be based on the "one screen, three belts, and multiple nodes" optimization approach, implementing targeted ecological engineering projects to strengthen east-west corridors and develop north-south corridors. These findings provide scientific recommendations for ecological protection optimization and territorial spatial governance in the karst area of Southeast Yunnan.
Key words: land use      PLUS model      ecosystem services      ecological source      ecological network     

全球气候变化和人类活动的加剧显著改变了土地利用结构和功能[1]，对生态系统服务及其空间分布产生了深远影响[2]. 人类活动加剧了生态退化[3]，引发生物多样性减少[4]、土壤退化及景观破碎化[5]等环境问题，威胁生态安全、经济持续发展、社会稳定与人类福祉[6]. 生态网络能够为生物提供迁徙通道，增强生物多样性，有效防止栖息地破碎化[7]，提升生态系统的抗干扰和自我修复能力[8]，对维护生态安全和区域可持续发展具有重要意义[9]，逐渐成为全球环境治理的重点议题[10]. 滇东南喀斯特地区因其独特的地质和生态环境，以及脆弱的生态系统，成为研究的重点区域之一[11].

目前，多情景模拟是一种重要的预测和分析工具[12]，能够评估不同社会经济发展路径下土地利用变化对生态系统服务的影响[13]. 通过多情景模拟，可揭示土地利用变化的潜在影响，为区域生态保护和可持续发展提供科学依据[14]. 近年来，有学者基于土地利用变化模拟开展生态系统服务评估[15]，常用模型如CA-markov[16]、CLUE-S[17]、FLUS[18]和PLUS[19]等. PLUS模型通过引入随机森林算法，能够较好地解释土地利用变化的原因，同时可以模拟不同情景下的土地利用斑块演变. 得益于模型内置的Markov模型，PLUS模型在预测长时间序列的土地利用数量和空间变化方面具有显著优势[20]. Wang等[21]通过开展北京市土地利用转换规律和景观动态变化模拟，揭示了PLUS模型相比其他模型具有更高的精度. Xu等[22]利用PLUS模型和MSPA模型构建苏州市的生态网络，结果表明，构建的生态网络在提高生物多样性、增强生态系统稳定性和连通性方面具有显著效果. 此外，气候变化和土地利用变化对生态系统服务具有显著影响. Canedoli等[23]提出了一个整合景观生态学和生态系统服务评估的概念框架，强调了地下连通性对景观的重要性. Li等[24]评估了气候变化和土地利用变化对喀斯特山区年度生态系统服务的综合影响. Wang等[25]通过贝叶斯网络和多情景土地利用模拟，评估了不同情景下的土地利用变化对生态系统服务的影响. 古圳威等[26]分析了通过多情景模拟预测了未来土地利用格局. 陈宁等[27]提出了多情景土地利用优化方案以提高碳储量. 张亚丽等[28]模拟了桂西南峰丛洼地流域不同情景下的土地利用变化及其对生态系统服务价值的影响. 现有研究多集中于单一情景下的土地利用变化对生态系统服务的影响，缺乏对多情景模拟下生态系统服务和生态网络优化的系统研究[29].

生态网络的构建主要基于“源地-阻力面-廊道”的基本范式[30]. 具体而言，生态源地承担重要的生态功能，通常通过综合评估生态系统的关键特征，如生态敏感性[31]、生态退化风险[32]和景观连通性[33]来识别. 古璠等[34]选择自然保护区作为福建省生态网络构建的源地斑块，王倩娜等[35]和曾真等[36]采用形态学空间格局分析（MSPA）方法进行识别. 生态阻力面的构建主要通过土地利用类型、高程、坡度和植被归一化指数（NDVI）等指标来实现[37]. 生态廊道的主要提取方法包括电路理论[38]、最小累计阻力（MCR）模型[39]、最小成本路径（LCP）模型和重力模型等方法. 由于MCR模型忽视了生物随机游走性，无法准确获取廊道宽度等关键信息，而电路理论能够反映景观要素间的相对重要性并精确预测生物种群的移动路径，成为廊道提取的重要方法[40]. 以往的研究多基于当前或历史数据进行生态网络构建分析，缺乏对未来潜在生态网络构建的探讨，忽略了土地利用变化对未来景观格局的影响，难以实现区域生态网络的动态协调发展，不利于生态系统稳定性和可持续性的保护.

喀斯特地区是我国六大脆弱生态系统之一，极易退化，生态经济问题突出[41]. 滇东南喀斯特地区因其独特的地理和生态特征，其生态系统服务具有高度的空间异质性和生态敏感性. 人类活动导致石漠化、水土流失和生境破碎化等问题凸显[42]，该地区面临生态退化和生物多样性下降的双重压力. 《云南省生态文明建设排头兵规划（2021~2025年）》和《中国生物多样性保护战略与行动计划（2023~2030年）》的相继实施，进一步强化了滇东南喀斯特地区的生态保护和可持续发展策略，为本研究提供了坚实的政策支持和实践指南.

本文基于景观生态学和保护生物学的相关原理，首先，利用PLUS模型对SSP126、SSP245和SSP585这3种情景下2035年的土地利用格局进行模拟. 其次，利用InVEST模型评估多情景模拟下4项典型生态系统服务：土壤保持、产水量、固碳存储和生境质量，并分析了不同情景下4项典型生态系统服务的空间分布特征. 最后，结合PLUS模型和电路理论在不同情景下进行生态网络构建，基于地形、植被和土地利用类型等指标识别生态阻力面，利用电路理论提取生态廊道，提出基于动态景观变化的生态网络优化策略. 本研究通过多情景模拟，评估滇东南喀斯特地区未来土地利用变化对4项典型生态系统服的影响，并优化生态网络，以期为区域生态保护与可持续发展提供科学依据，这对于加强喀斯特生态脆弱区的生态安全屏障和维护可持续发展具有重要意义.

1 研究区概况

滇东南喀斯特地区位于云南省东南部，涵盖文山州（全域）、红河州（全域）、曲靖市（师宗县和陆良县）及昆明市（石林县和宜良县）这4个地级行政区的25个县，总面积为7.19×104 km². 该区域地势复杂，海拔范围为73~3 056 m，以山地丘陵和岩溶地貌为主，地形起伏较大，坡度陡峭. 气候属亚热带和温带高原季风气候，光照充足，但降雨分布不均且蒸发量大. 年平均降水量为811~2 000 mm，多年平均气温在9.5~24.0℃之间.

研究区位于滇东南石漠化带，石漠化及潜在石漠化土地广泛分布. 该地区面临严重的水土流失、土地退化和水资源短缺问题，这些问题严重影响了生物多样性和生态系统的稳定性. 南部为边境生态屏障区，热带雨林广泛分布，植被覆盖度高，生物多样性丰富，生态质量较高.

图 1 滇东南喀斯特地区地理位置示意 Fig. 1 Geographical location map of the Southeast Yunnan karst region

2 材料与方法 2.1 数据来源与处理

历年的土地利用数据、年均降雨量、年均气温、GDP和土壤类型数据均来自中国科学院资源环境科学与数据中心（https://www.resdc.cn），其中土地利用数据重新分类为耕地、林地、草地、水域、建设用地和未利用地. 历年的潜在蒸散发数据来自国家青藏高原数据中心（https://data.tpdc.ac.cn）. DEM数据来自地理空间数据云（https://www.gscloud.cn），通过ArcGIS处理得到研究区的高程、坡长、坡度和坡向等信息. 人口密度数据来自WorldPop数据中心（https://hub.worldpop.org）. 道路数据来自高德地图API（https://lbs.amap.com），通过欧氏距离分析处理得到道路可达性状况. NDVI和NPP数据均来自Google Earth Engine平台. 所有数据统一投影至Krasovsky_1940_Albers坐标系，并重采样至30 m×30 m的分辨率.

气候模式数据来源于Earth System Grid Federation（ESGF）（https://esgf-node.llnl.gov），该平台提供CMIP6等全球气候模式数据. 以气象站点资料作为基准，选取了MRI-ESM2-0模式的数据[43]. 为了确保数据的准确性和分辨率，使用Xu等[44]提出的偏差校正方法对CMIP6数据进行降尺度处理，最终得到历史时期（2000~2020年）和2035年不同模式下1 km分辨率的气温、降雨和潜在蒸散发数据. 具体步骤有，①数据获取与准备：从ESGF平台下载MRI-ESM2-0模式的CMIP6数据；MRI-ESM2-0由日本气象研究所开发，具有高分辨率的物理组件，能够较好地模拟气候变化[43]；选择气象站点资料作为基准数据，确保观测数据的准确性和可靠性，用于校正和验证模式数据. ②偏差校正：使用线性回归和简单比例缩放进行线性偏差订正，并采用分位数映射方法，通过比较观测数据和模式数据的累积分布函数（CDF），调整模式数据的值. ③数据降尺度：使用偏差校正后的模式数据与高分辨率气象站点数据，采用分位数映射的统计降尺度方法生成高分辨率的气候变量数据[44]，最终生成1 km分辨率的气温、降雨和潜在蒸散发数据，覆盖历史时期（2000~2020年）和2035年的不同情景. ④数据验证：采用皮尔逊相关系数对历史数据与模拟数据进行相关性分析，以确保模拟数据的准确性；皮尔逊相关系数用于衡量两组数据之间的线性关系，数值范围为-1~1，值越接近1表示相关性越强.

2.2 土地利用情景模拟 2.2.1 情景设定

根据研究目的，将共享社会经济路径（SSPs）与典型浓度路径（RCPs）联合情景框架下的未来气候数据与未来土地利用情景结合，设定3种情景：SSP126（可持续发展）、SSP245（自然增长）和SSP585（城市扩张）. 模拟2035年在不同情景下的土地利用变化，评估生态系统服务功能，并构建生态网络.

SSP126可持续发展情景：在SSP126[可持续发展路径的低强迫（低排放）]气候变化模式下，追求高生态效益，限制高生态效益用地向低等级转换，控制生态用地向生产、生活用地的转化，提高其他用地向林地、草地和水域转化的概率，整体生态景观向优发展.

SSP245自然增长情景：在SSP245[中度发展路径的中等强迫（中等排放）]气候变化模式下，依据2000~2020年的土地利用变化规律，不设置各类用地之间的转换概率，保持现有发展趋势，不考虑未来规划，不限制特殊规则，除建设用地和水体外，各类用地均可相互转换.

SSP585城市扩张情景：在SSP585[不均衡发展路径的高强迫（高排放）]气候变化模式下，注重经济发展，将经济效益高的用地设为高等级，按照由低到高的转换原则，当生态用地与生产、生活用地需求发生冲突时，优先满足城市居民生产、经营、居住与休闲用地需求，实现经济效益最大化.

2.2.2 PLUS模型

PLUS模型是在FLUS模型基础上构建的一种新改进的元胞自动机模型，对土地利用变化机制具有更好的解释性，能更加精确地模拟未来多种土地利用类型的时空变化，反映实际土地利用变化的不确定性. 研究基于PLUS模型中土地扩张策略分析模块（LEAS）和基于多类随机斑块种子CA模型（CARS）[45]，利用LEAS模块的随机森林分类算法探索各地类扩张与各项驱动因素关系、获取各地类的发展概率及驱动因素对该时段各地类扩张的贡献，通过CARS模块对各地类斑块演化的模拟，采用基于阈值下降的多类型随机斑块种子机制，结合历史土地利用数据和经验设定建立转移矩阵[46]，设置代表着不同用地类型的扩张强度的邻域权重参数（表 1），来反映各地类在空间驱动因子影响下的扩张能力[47]，从而预测研究区在自然发展、生态保护、经济发展3种情景下2035年土地利用变化情况.

表 1 邻域权重参数 Table 1 Neighborhood weight parameters

适应性概率计算. 在LEAS模块下，采用随机采样机制降低模型计算成本的同时，利用随机森林算法算出各类土地利用的发展概率，计算公式如下：

P i , k ( X ) d = ∑ n = 1 M I h n X = d M (1)

式中， M 表示决策树数量； X 表示驱动因子组成的向量； h n （X）表示第 n 个决策树时计算预测的土地利用类型； d 表示0或1，即是否为该土地利用类型发生转变.

自适应惯性系数计算. 自适应惯性就是在重复运行的过程中进行自适应调整，根据要达到预期的土地类型数据与实际情况的土地类型数据的差异调整，使土地利用类型的数据达到预期的结果，进而模拟土地利用类型的变化，计算公式如下：

$ D_k^t= \begin{cases}D_k^{t-1} & \left(\left|G_k^{t-1}\right| \leqslant\left|G_k^{t-2}\right|\right), \\ D_k^{t-1} \times \frac{G_k^{t-2}}{G_k^{t-1}} & \left(0>G_k^{t-2}>G_k^{t-1}\right), \\ G_k^{t-1} \times \frac{G_k^{t-1}}{G_k^{t-2}} & \left(0>G_k^{t-1}>G_k^{t-2}\right) .\end{cases} $ (2)

式中， D k t 表示 t 时土地利用类型 k 的惯性系数， G k t - 1 和 G k t - 2 分别表示土地利用类型的实际数量与时间 t - 1 和 t - 2时的需求之间的差距.

2.2.3 模型精度验证

利用马尔科夫链模型，基于2010年和2015年的土地利用数据以及相关驱动因子数据，预测2020年研究区各类土地利用面积. 然后将预测结果输入到PLUS模型中，预测各类土地利用的空间分布，并与实际值进行对比. 计算得到的Kappa系数为0.891，表明预测精度较高，证明PLUS模型能够可靠地用于模拟滇东南喀斯特地区2035年的土地利用变化.

2.3 生态系统服务评估 2.3.1 产水量

产水量是指流域系统自然条件下能够提供水资源总量，通过InVEST模型Annual Water Yield模块运行计算. 原理是根据布迪科曲线以及年平均降雨量，考虑研究区土地利用类型、蒸散发和土壤类型等指标[48]，基于水量平衡方程，将生态系统产水量定义为每个栅格单元降水量减去蒸散量的差值[49]. 具体测算公式如下：

Y i j = 1 - A E T i j P i × P i (3)
A E T i j P i = 1 + ω i R i 1 + ω i R i + ( 1 / R i ) (4)
ω i = Z × A W C i P i (5)
R i = k i j × A E T P i (6)
A W C i = M i n ( M S D i , R D i ) × P A W C i (7)

式中， Y i j 表示土地利用类型 j 上栅格单元 i 的年产水量（m3）； A E T i j 表示土地利用类型 j 上栅格单元 i 年均蒸散发量； P i 表示栅格单元 i 年降水量； ω i 表示反映自然气候和土壤性质的非物理参数，无量纲； R i 表示土地利用类型上 j 栅格单元 i 的干燥指数，无量纲； P A W C i 表示植物可利用含水量； k i j 表示植被蒸散系数； Z 系数表示Zhang系数，季节性因子，取值范围1~30； A E T 表示潜在蒸散量（mm）； M S D i 表示土壤最大深度； R D i 表示根系深度.

2.3.2 固碳存储

固碳存储是指生态系统通过植被吸收并储存大气二氧化碳的能力，是全球气候变化缓解策略的重要一环，通过InVEST模型Carbon Storage and Seguestration模块运行计算. InVEST模型根据土地利用/覆盖类型及4类碳库（地上生物量、地下生物量、土壤及死亡有机物）碳储量评估目前土地利用状态碳储量[32]，其中碳密度参数基于相关数据集和文献资料确定[50]. 具体测算公式[51]如下：

C t o t = C a b o v e + C b e l o w + C s o i l + C d e a d (8)

式中， C t o t 表示总碳储量； C a b o v e 表示地上碳储量； C b e l o w 表示地下碳储量； C s o i l 表示土壤碳储量； C d e a d 表示死亡生物有机碳储量.

2.3.3 生境质量

生境质量反映地区提供生物栖息地能力，通过InVEST模型Habitat Quality模块运行计算. 该模块集成景观类型敏感性以及外界威胁强度，依据生境质量优劣评估生物多样性服务功能[52]. 具体测算公式如下：

Q i j = H j × 1 - D i j z D i j z + k 2 (9)

式中， Q i j 表示土地利用类型 j 上栅格单元 i 生境质量； H j 表示土地利用类型 j 生境适宜性； D i j 表示栅格单元 i 上土地利用类型 j 所受胁迫水平； k 表示半饱和常数，z表示归一化常数，取值2.5.

2.3.4 土壤保持

土壤保持是指生态系统防止土壤侵蚀和保持土壤肥力的能力，通过InVEST模型Sediment Delivery Ratio模块运行计算，即根据通用水土流失方程顾及不同土地利用类型对泥沙保持影响，评估区域土壤侵蚀或土壤保持状况[51]. 具体测算公式如下：

S C = R × K × L S × C × P (10)

式中， S C 表示年土壤保持量； R 表示降雨侵蚀力因子； K 表示土壤侵蚀系数； L S 表示坡长坡度因子； C 表示植被覆盖管理因子； P 表示水土保持措施因子.

2.4 生态网络构建 2.4.1 生态源地提取

生态源地是指具有较高生物多样性、优质生境或关键生态系统服务的地区，是生物种群生存和繁衍的关键地点. 源地通常作为生物种群的主要栖息地和种群维持的核心区域，其连通性对于物种迁移、基因交流和生态系统整体稳定至关重要. 本研究基于生态系统服务的空间格局，应用ArcGIS空间统计工具，基于 G i * 统计指数（Getis-Ord G i * statistics）[53]识别各项服务的热点（高值）区域，将多个服务热点地图叠加，通过多标准决策分析确定生态源地[54]，即在多个服务中均表现为热点区域，并选择面积位居前20位的区域作为生态网络构建的核心源地.

2.4.2 阻力面构建

生态阻力面是描述景观中各种地表特征对物种移动造成阻碍程度的抽象模型. 阻力值高的地区表示物种通过该区域的难度较大，通常与生境质量和人为干扰活动有关. 阻力面决定生态源地之间的连通性和生物在景观中的流动路径，不同生境和土地利用类型对物种移动具有不同的阻力作用，理解和量化阻力面有助于优化生态廊道设计和生态网络构建. 本研究主要基于高程、坡度、土地利用类型等因素构建阻力面，利用ArcGIS平台的重分类工具划分阻力因子等级，并利用层次分析法（AHP）确定各阻力因子的权重（见表 2），叠加生成阻力面.

表 2 阻力因子参数设置 Table 2 Resistance factor parameter settings

2.4.3 提取生态廊道

生态廊道是连接生态源地的物理路径，通过降低景观阻力，促进生物种群的移动和基因交流，增强生态网络的结构和功能[55]. 生态廊道是保持生态系统连通性的重要结构，有助于生物多样性保护和生态系统服务的稳定性. 特别是在面对气候变化和生境破碎化的情况下，生态廊道为物种提供了迁徙、扩散和逃避不利条件的路径. 廊道设计和实施对于实现生态恢复和自然保护目标至关重要.

本研究采用电路理论提取和分析生态廊道. 具体实现过程主要是利用Linkage Mapper软件，将生态源地和阻力面数据导入进行廊道提取，模拟生物在景观中的移动路径，分析得到电流密度图，识别高流动性区域作为潜在生态廊道，从而形成完整的生态网络.

3 结果与分析 3.1 土地利用时空演变 3.1.1 土地利用结构及转移变化分析

2000~2020年滇东南喀斯特地区土地类型以林地、耕地和草地为主，三者面积占比超过95%（图 2）. 数量结构上，耕地、林地、草地和未利用地面积呈减少趋势，其中林地面积减少438.63 km2；其次，作为主要后备土地资源的未利用地，随着开发利用程度加深，面积减少99.47 km2；而耕地受建设用地扩张、退耕还林还草等因素影响，面积损失89.85 km2；草地面积相对稳定，源于喀斯特地区石漠化综合治理对草原保护、修复和改良工作的重视，仅减少10.65 km2. 水域和建设用地面积呈上升趋势，其中建设用地面积增加最显著，增加484.21 km2，主要以建成区为中心呈点状或块状扩张；水域面积的增加得益于滇东南喀斯特地区积极开展的流域综合治理，加强湿地保护，推进水土保持和水源涵养修复工程，水域面积增加154.40 km2.

图 2 2000~2020年滇东南喀斯特地区土地利用变化 Fig. 2 Land use changes in the Southeast Yunnan karst region from 2000 to 2020

2000~2020年滇东南喀斯特地区土地利用转移面积6 002.55 km2. 其中林地、草地和耕地转入转出最剧烈. 林地、耕地、草地和未利用地以转出为主，建设用地和水域以转入为主（图 2）. 耕地转出面积1 666.23 km2，其中向建设用地转出332.73 km2，城镇发展对耕地的侵占较为严重；同时受农业生产效益低下和退耕还林还草等政策的影响，耕地向草地、林地转移明显，转出面积1 268.06 km2. 林地转出面积为2 215.29 km2，分别向耕地、草地和水域转移809.70、1 195.62和101.25 km2. 草地转出面积1 870.73 km2，作为耕地后备资源开发和实施耕地占补平衡的主要用地来源，向耕地转移659.63 km2，向林地转移1 043.75 km2，封山育林和播种造林等生态修复措施效果显著. 随着土地开发利用程度逐渐提高，未利用地转出面积达107.29 km2，其中，向草地转移69.75 km2，向耕地转移19.45 km2. 水域主要向耕地和林地转移，但转出面积均较小且低于转入面积，净转入154.40 km2. 建设用地转出较为单一且不活跃，主要转出为耕地，转出面积仅为76.93 km2，但转入面积较大且地类较多，主要从耕地、林地和草地转入，面积为561.14 km2.

3.1.2 不同情景下土地利用格局及结构

2035年不同情景下滇东南喀斯特地区土地利用变化趋势一致，3种情景下水域和建设用地呈现出不同程度的增长趋势，而耕地、林地、草地和未利用地则呈不同程度的减少趋势，但变化强度及空间组合形式存在显著差异（图 3和表 3）. SSP126情景下耕地和林地面积变化最小，林地面积2020年减少218.29 km2，低于SSP245和SSP585情景的232.08 km2和240.36 km2，林地相较于2020年减少189.36 km2，低于SSP126和SSP585情景的232.79 km2和265.62 km2. 草地流失均严重，SSP126、SSP245和SSP585情景分别减少287.11、310.53和285.85 km2. 未利用地SSP245情景下面积，相较于2020年减少20.56 km2，低于SSP126和SSP585情景的57.40 km2和35.91 km2. 水域在SSP126情景下面积增加537.63 km2，远高于SSP245和SSP585情景的249.43 km2和302.69 km2. 建设用地在SSP585情景下面积增加525.05 km2，略高于SSP245情境下503.10，远高于SSP245情景的257.96 km2.

图 3 2035年不同情景下滇东南喀斯特地区土地利用空间格局 Fig. 3 Spatial patterns of land use in the karst area of southeast Yunnan under different scenarios in 2035

表 3 2035年不同情景下滇东南喀斯特地区土地利用结构及变化/km2 Table 3 Land use structure and changes in the Southeast Yunnan karst region under different scenarios in 2035/km2

3.2 不同情景下生态系统服务空间格局

基于InVEST模型得到滇东南喀斯特地区2020年和2035年不同情景下产水量、碳储量、生境质量和土壤保持量时空格局（图 4）. 2020年，研究区产水量呈现东南高、西北低的分布格局[图 4（a3）]，高值区主要分布在文山壮族苗族自治州马关县周边区域，低值区主要在红河哈尼族彝族自治州弥勒市、建水县等周边区域. 2035年，不同情景下的产水量空间分布与2020年相似. 相较于2020年，2035年3种情景下研究区总产水量均呈增加态势（表 4），由于SSP126情景下降雨较多，同时生态用地保护使得林地减少面积最小，水域面积大量增加，产水量增加最多，增幅达245.50亿m3，SSP245和SSP585情景下建设用地增加较多，产水量受到一定影响，仅分别增加139.18亿m3和125.99亿m3.

图 4 不同情景下生态系统服务空间分布 Fig. 4 Spatial distribution of ecosystem services under different scenarios

表 4 滇东南喀斯特地区不同情景下生态系统服务变化 Table 4 Ecosystem service changes under different scenarios in the Southeast Yunnan karst region

2020年与2035年不同情景下研究区碳储量的空间分布相似，呈现较为分散的分布格局，高值区主要分布在东部的富宁县、西南部绿春县等区域，低值区主要在中部砚山县、北部陆良县等区域[图 4（b3）]. 相较于2020年，由于3种情景下林地、草地、耕地面积均减少，建设用地和水域面积增加，研究区固碳能力受到影响，固碳存储总量呈下降态势（表 4），其中SSP126、SSP245和SSP585情景分别减少0.05、0.06和0.07亿t.

2020年研究区生境质量呈现南高、北低的分布格局[图 4（c3）]，北部泸西县、陆良县等区域生境质量较低，南部区县普遍较高. 相较于2020年和2035年3种情景下林地、草地和耕地面积均减少，建设用地大量增加，研究区生境质量均呈降低态势（表 4），其中SSP126情景下林地和草地等生态用地减少较少，同时水域增加最多，生境质量指数仅降低0.01，而SSP245和SSP585情景分别降低0.03和0.04.

2020年，研究区土壤保持量呈现南高北低的分布格局[图 4（d4）]. 高值区分布范围较小，主要分布在屏边苗族自治县、马关县和金平苗族瑶族傣族自治县等区域，低值区分布较为广泛，包括北部的泸西县、陆良县等区域. 2035年3种情景下研究区土壤保持量均呈增加态势（表 4），其中SSP126情景增加最多，增加11.17亿t，而SSP245、SSP585情景分别增加3.66亿t和3.81亿t.

总体上看2035年不同情景下产水量和土壤保持量呈提高的态势，而生境质量和固碳储存呈下降的趋势；SSP126情景下生态系统服务表现较好，产水量、土壤保持量服务增加最多，同时生境质量和固碳储存降低最少；SSP245、SSP585情景下产水量和土壤保持量服务虽呈提高的态势，但提高幅度较小，而生境质量和固碳储存降低幅度较大.

3.3 未来生态网络构建与优化策略 3.3.1 生态源地提取

2020年生态源地总面积为9 085.99 km²，占研究区总面积的12.62%，主要分布在南部和东部，中部零散，北部缺乏生态源地（图 5）. 生态源地以林地为主，主要分布在生态系统服务较高的富宁县、麻栗坡县和金平苗族瑶族傣族自治县等区域. 中部地区因受开发建设活动影响较大，仅在丘北县西部存在少量生态源地；北部因频繁的开发建设与农业耕作，绿色生态空间被侵占和分割，已无生态源地. 2035年在SSP126、SSP245和SSP585情景下，生态源地面积分别为9 747.68、9 665.90和9 214.13 km²，较2020年分别增加661.69、579.91和128.13 km². SSP126和SSP245情景受社会经济活动影响较小，生态源地面积增加较多，而SSP585情景，由于人类活动干扰更为突出，生态源地增加面积低于其他情景.

图 5 2020年和2035年多情景下生态源地空间分布 Fig. 5 Spatial distribution of ecological sources under multiple scenarios in 2020 and 2035

3.3.2 生态阻力面构建

由图 6可以看出，2020年和2035年不同情景下研究区生态阻力空间分布不均，呈现中部和北部阻力高、南部和东部阻力低的分布特征. 阻力高值区主要集中在中部的蒙自市和北部的陆良县等区域，这些区域耕地和建设用地比例高，土地开发利用程度高，植被覆盖率低，人为干扰显著，生态斑块易受破坏，不利于物种迁徙和物质能量流动. 阻力低值区主要分布在东部和南部地区，包括富宁县、金平苗族瑶族傣族自治县和河口瑶族自治县等，植被覆盖度高，生态条件优越，受人类活动影响小，生物活动受阻碍程度低. 2020年研究区平均阻力值为2.942. 到2035年，平均阻力值在3种情景下均增加，分别为2.950（增加0.008，SSP126）、2.958（增加0.016，SSP245）和2.960（增加0.017，SSP585）. 这表明SSP126情景下研究区具有更高的连通性和物种迁移能力，而SSP585情景下连通性和物种迁移能力较差.

图 6 2020年和2035年多情景下生态阻力空间分布 Fig. 6 Spatial distribution of ecological resistance under multiple scenarios in 2020 and 2035

3.3.3 生态廊道

2020年滇东南喀斯特地区生态廊道共41条，总长150.39 km，主要分布在研究区中部（图 7）. 中部生态源地较少且分散，导致生态廊道过长，易断裂，增加了生物迁徙和扩散的难度. 南部生态源地数量多，源地之间连接紧密，生态廊道较短. 中部生态源地分散，导致生态廊道数量多且距离较长. 北部如陆良县、弥勒市等地因开发建设活动影响大，缺乏生态源地和生态网络，滇东南喀斯特地区南北向仍缺乏生态廊道连接，亟待改善.

图 7 2020年和2035年多情景下生态廊道空间分布 Fig. 7 Spatial distribution of ecological corridors under multiple scenarios in 2020 and 2035

2035年，不同情景下生态廊道的空间分布存在明显差异. SSP126情景下，生态廊道共41条，总长114.60 km，较2020年减少35.78 km，生态源地面积增加，生态网络连通性改善，为物种迁徙提供更便捷的通道. SSP245情景下，生态廊道共39条，总长144.39 km，较2020年减少6.00 km. 由于东部富宁县和西南绿春县的生态源地分布较分散，生态廊道数量减少但长度增加29.78 km，连通性低于SSP126情景. SSP585情景下，生态廊道共39条，总长144.08 km，较2020年减少6.31 km. 由于生态源地增加面积最少且分布集中，生态廊道长度小于SSP245情景，连通性优于SSP245情景，但低于SSP126情景.

2035年多情景下滇东南喀斯特地区生态网络的连通性有所改善，但在北部依旧没有生态廊道，南北向生物迁徙扩散的难度大.

3.3.4 生态网络构建与优化策略

根据2020年及2035年SSP126、SSP245和SSP585情景下滇东南喀斯特地区的生态系统服务空间分布、生态源地的位置和数量以及生态走廊的分布，结合研究区地理特征，构建“一屏三带多点”的生态网络安全格局（图 8）.

图 8 滇东南喀斯特地区生态网络安全格局 Fig. 8 Ecological network security pattern in the Southeast Yunnan karst region

研究区东部和南部是云南省重要的南部边境生物多样性维护生物屏障. 该区域海拔较低，热带森林广泛分布，生态质量高，生态阻力低，有大面积生态源地，适宜生物栖息. 土壤保持、产水量、固碳存储和生境质量4项关键生态系统服务较高. 南部边境生物多样性屏障应加强生物多样性保护，建立长效的生态源地保护机制，重点保护面积较大、景观连通性良好的生态源地，并执行严格的生态管控措施.

红河干热谷地带、东部水土保持廊道和南盘江生态保育与喀斯特地带是连接滇东地区南北和东西的重要廊道，对筑牢喀斯特生态脆弱区的生态安全屏障和维护可持续发展具有重要意义. 红河干热谷地带生态源地和生态廊道密集，生态系统服务功能强，自然景观多样，是云南省重要的生态廊道和生物多样性重点区域. 应加强红河干热谷地带的生态网络服务能力，限制沿线开发建设活动，控制廊道周边土地开发强度，或设置一定宽度的缓冲区，以保证廊道空间连通性.

南盘江生态保育与喀斯特地带位于滇东地区南盘江沿线，地质构造复杂，水土流失和石漠化严重，是连接云贵高原和珠江三角洲的重要生态廊道，是打造滇东南喀斯特地区绿水青山的关键地带. 应加强石漠化综合治理和水土保持，增加生态源地和廊道数量，提升廊道连通性，减少物种迁徙阻力，促进物种交流和基因交换，系统治理关键区的生态问题.

东部水土保持廊道是连接中部与东南部的重要通道，沿线生态廊道分布密集. 一旦生境遭到破坏，将严重影响滇东南喀斯特地区生态源地间的连通性. 生态网络建设应进一步扩大网络分布范围，以确保廊道连通性.

4 讨论

本研究选用PLUS模型对滇东南喀斯特地区2035年土地利用进行多情景预测模拟. PLUS模型能够准确模拟土地利用背后的非线性关系，并通过解读用地之间的深层次关系来预测未来用地变化，模拟结果可靠. 结合自然增长、城市发展和可持续发展3种情景，综合评估土壤保持、产水量、固碳存储和生境质量4项关键生态系统服务，探讨不同土地利用情景下滇东南喀斯特地区生态系统服务的时空响应. 将未来土地利用模拟与生态安全格局相结合，预测不同情景下区域生态源地和廊道的变化特点. 基于地形、植被和土地利用类型等指标识别生态阻力面，利用电路理论提取生态廊道. 电路理论关注结构连接，模拟生态过程，全面考虑景观结构的完整性和连通性，且受空间尺度影响小，避免选择生态资源时的主观性.

本研究基于2020年和2035年SSP126、SSP245和SSP585情景下滇东南喀斯特地区的生态系统服务空间分布、生态源地的位置和数量以及生态走廊的分布，结合地理特征，构建“一屏三带多点”的生态网络安全格局. 系统探讨未来情景下的生态网络构建和优化策略，本研究成果为区域未来的生态优化重点区域选择提供参考，有助于指导生态网络布局优化策略的实施. SSP126情景表现出较为温和的土地利用变化趋势，生态环境政策受到高度重视，过度开发活动受到限制，林地和草地等生态用地的减少幅度较小，产水量和土壤保持能力显著提升. 同时，水域面积的增加进一步支持区域水资源的供给，在较低排放路径下，良好的生态管理措施能够有效缓解土地利用变化带来的负面影响. SSP245情景虽然生态保护措施有所实施，但区域的经济发展仍然导致建设用地的显著扩张，直接影响着区域的生态系统服务质量，生境质量和碳储量则出现更为明显的下降，反映出在中等排放路径下，土地利用变化的需要更精细的管理策略来确保生态和经济之间的平衡. SSP585情景代表着较高排放路径下的土地利用变化模式，表现出明显的经济优先发展倾向，导致生态用地向建设用地的大规模转化，导致生境质量和固碳存储能力大幅下降，生态网络的连通性也有所降低，高强度开发活动对生态环境的严重威胁，表明在高排放路径下，急需更严格的生态保护和恢复措施.

本研究存在一些不足. 仅关注2020年和2035年的土地利用生态状况，缺乏对历史时间尺度上生态网络演变的研究. 此外，主要从整体角度构建生态网络，忽视了不同尺度上的差异和相互联系. 未来研究应整合空间异质性和物种特定目标，确定适当的廊道宽度，探讨不同廊道宽度变化对生态安全格局的影响. 由于缺乏详细的生物资料，本研究仅以生境斑块间的连通性作为评估阻力的标准，未能模拟特定保护物种的具体迁徙路径. 后续研究应克服数据获取难题，加强对生物种群特性和迁移行为的研究，以提升生态网络分析的精确性和适用性.

5 结论

（1）土地利用变化：2000~2020年间，滇东南喀斯特地区土地利用剧烈变化，转移面积达6 002.55 km². 林地、耕地、草地和未利用地面积减少，水域和建设用地面积增加. 2035年，各情景下土地利用变化趋势一致，但强度和空间格局显著不同. SSP126情景下变化强度较低，SSP585情景下建设用地扩张显著.

（2）生态系统服务变化：相比2020年，2035年不同情景下产水量和土壤保持增加，生境质量和固碳储存下降. SSP126情景下，产水量和土壤保持增加最多，生境质量和固碳储存下降最少，优于SSP245和SSP585情景.

（3）生态源地与阻力：2020年和2035年不同情景下，滇东南喀斯特地区生态源地呈现南部集聚、中部零散、北部缺失的分布格局. 2035年，各情景下生态源地面积有所增加. 生态阻力分布不均，中部和北部高，南部和东部低. 2035年3种情景下阻力值均增加，生态网络的空间差异集中在中部区域.

（4）生态网络构建：基于2020年及2035年SSP126、SSP245和SSP585情景下的生态系统服务、生态源地和生态走廊分布，结合地理特征，构建“一屏三带多点”的生态网络安全格局.

参考文献
[1] 傅伯杰, 田汉勤, 陶福禄, 等. 全球变化对生态系统服务的影响研究进展[J]. 中国基础科学, 2020, 22(3): 25-30.
Fu B J, Tian H Q, Tao F L, et al. Progress of the impact of global change on ecosystem services[J]. China Basic Science, 2020, 22(3): 25-30. DOI:10.3969/j.issn.1009-2412.2020.03.005
[2] Kang P, Chen W P, Hou Y, et al. Linking ecosystem services and ecosystem health to ecological risk assessment: a case study of the Beijing-Tianjin-Hebei urban agglomeration[J]. Science of the Total Environment, 2018, 636: 1442-1454. DOI:10.1016/j.scitotenv.2018.04.427
[3] Huang L Y, Wang J, Fang Y, et al. An integrated approach towards spatial identification of restored and conserved priority areas of ecological network for implementation planning in metropolitan region[J]. Sustainable Cities and Society, 2021, 69. DOI:10.1016/j.scs.2021.102865
[4] Shi F N, Liu S L, Sun Y X, et al. Ecological network construction of the heterogeneous agro-pastoral areas in the upper Yellow River basin[J]. Agriculture, Ecosystems & Environment, 2020, 302. DOI:10.1016/j.agee.2020.107069
[5] Li Y G, Liu W, Feng Q, et al. The role of land use change in affecting ecosystem services and the ecological security pattern of the Hexi regions, northwest China[J]. Science of the Total Environment, 2023, 855. DOI:10.1016/j.scitotenv.2022.158940
[6] Cen X H, Zhang H. Impacts of multi-scenario land use change on ecosystem services and ecological security pattern: a case study of the Yellow River delta[J]. Research in Cold and Arid Regions, 2024, 16(1): 30-44. DOI:10.1016/j.rcar.2024.03.003
[7] De Montis A, Caschili S, Mulas M, et al. Urban–rural ecological networks for landscape planning[J]. Land Use Policy, 2016, 50: 312-327. DOI:10.1016/j.landusepol.2015.10.004
[8] Gao J, Gong J, Li Y, et al. Ecological network assessment in dynamic landscapes: multi-scenario simulation and conservation priority analysis[J]. Land Use Policy, 2024, 139. DOI:10.1016/j.landusepol.2024.107059
[9] Liang C, Zeng J, Zhang R C, et al. Connecting urban area with rural hinterland: a stepwise ecological security network construction approach in the urban-rural fringe[J]. Ecological Indicators, 2022, 138. DOI:10.1016/j.ecolind.2022.108794
[10] Mu H W, Li X C, Ma H J, et al. Evaluation of the policy-driven ecological network in the Three-North Shelterbelt region of China[J]. Landscape and Urban Planning, 2022, 218. DOI:10.1016/j.landurbplan.2021.104305
[11] 李月, 刘静兰, 李静静, 等. 基于生态廊道识别的喀斯特流域生态安全格局构建: 以贵州南明河流域为例[J]. 环境科学, 2025, 46(5): 3098-3113.
Li Y, Liu J L, Li J J, et al. Construction of an ecological security pattern in karst watersheds based on ecological corridor identification: a case study of the Nanming River Basin in Guizhou[J]. Environmental Science, 2025, 46(5): 3098-3113.
[12] 刘佳楠, 姬广兴, 高红凯, 等. 基于PLUS模型的河南省"三生空间"多情景模拟及生态环境效应分析[J]. 环境科学, 2025, 46(2): 990-1001.
Liu J N, Ji G X, Gao H K, et al. Multi-scenario simulation and eco-environmental effect analysis of production-living-ecological space in Henan province based on PLUS model[J]. Environmental Science, 2025, 46(2): 990-1001.
[13] 杨熙萌, 钱宝蔚, 姬广兴, 等. 淮河流域中上游碳储量时空变化特征及未来多情景模拟预测[J]. 环境科学, 2024, 45(10): 5970-5982.
Yang X M, Qian B W, Ji G X, et al. Characteristics of spatial and temporal changes in carbon stocks in the middle and upper reaches of the Huaihe river basin and future multi-scenario simulation prediction[J]. Environmental Science, 2024, 45(10): 5970-5982. DOI:10.13227/j.hjkx.202311034
[14] Li S N, Zhao X Q, Pu J W, et al. Optimize and control territorial spatial functional areas to improve the ecological stability and total environment in karst areas of southwest China[J]. Land Use Policy, 2021, 100. DOI:10.1016/j.landusepol.2020.104940
[15] 赵恒谦, 刘哿, 杨姿涵, 等. 2000~2020年辽宁省生态系统服务评估与多情景预测[J]. 环境科学, 2024, 45(7): 4137-4151.
Zhao H Q, Liu G, Yang Z H, et al. Ecosystem services assessment and multi-scenario prediction in Liaoning province from 2000 to 2020[J]. Environmental Science, 2024, 45(7): 4137-4151. DOI:10.13227/j.hjkx.202307237
[16] Kang L X, Yang X, Gao X, et al. Landscape ecological risk evaluation and prediction under a wetland conservation scenario in the Sanjiang Plain based on land use/cover change[J]. Ecological Indicators, 2024, 162. DOI:10.1016/j.ecolind.2024.112053
[17] 于淼, 廉丽姝, 李宝富, 等. 基于CLUE-S模型的南四湖流域土地利用及其生态效应评估[J]. 水土保持通报, 2018, 38(6): 231-239, 2.
Yu M, Lian L S, Li B F, et al. Assessment of land use and ecological effects of Nansi Lake Basin based on CLUE-S model[J]. Bulletin of Soil and Water Conservation, 2018, 38(6): 231-239, 2.
[18] Li L, Huang X J, Wu D F, et al. Construction of ecological security pattern adapting to future land use change in Pearl River Delta, China[J]. Applied Geography, 2023, 154. DOI:10.1016/j.apgeog.2023.102946
[19] Cai G, Xiong J F, Wen L S, et al. Predicting the ecosystem service values and constructing ecological security patterns in future changing land use patterns[J]. Ecological Indicators, 2023, 154. DOI:10.1016/j.ecolind.2023.110787
[20] 李久林, 胡大卫, 储金龙, 等. 基于未来情景模拟的安徽省潜山市生态网络构建与优化[J]. 应用生态学报, 2023, 34(6): 1474-1482.
Li J L, Hu D W, Chu J L, et al. Construction and optimization of ecological networks based on future scenario simulation in Qianshan city, Anhui province[J]. Chinese Journal of Applied Ecology, 2023, 34(6): 1474-1482.
[21] Wang J, Zhang J P, Xiong N, et al. Spatial and temporal variation, simulation and prediction of land use in ecological conservation area of western Beijing[J]. Remote Sensing, 2022, 14(6). DOI:10.3390/rs14061452
[22] Xu X L, Wang S Y, Rong W Z. Construction of ecological network in Suzhou based on the PLUS and MSPA models[J]. Ecological Indicators, 2023, 154. DOI:10.1016/j.ecolind.2023.110740
[23] Canedoli C, Ficetola G F, Corengia D, et al. Integrating landscape ecology and the assessment of ecosystem services in the study of karst areas[J]. Landscape Ecology, 2022, 37(1): 347-365. DOI:10.1007/s10980-021-01351-2
[24] Li L Q, Xi E Q. Scenario analysis and relative importance indicators for combined impact of climate and land-use change on annual ecosystem services in the karst mountainous region[J]. Ecological Indicators, 2023, 147. DOI:10.1016/j.ecolind.2023.109991
[25] Wang Y F, Li M Y, Jin G Z. Optimizing spatial patterns of ecosystem services in the Chang-Ji-Tu region (China) through Bayesian Belief Network and multi-scenario land use simulation[J]. Science of the Total Environment, 2024, 917. DOI:10.1016/j.scitotenv.2024.170424
[26] 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.
[27] 陈宁, 辛存林, 唐道斌, 等. 中国西北地区多情景土地利用优化与碳储量评估[J]. 环境科学, 2023, 44(8): 4655-4665.
Chen N, Xin C L, Tang D B, et al. Multi-scenario land use optimization and carbon storage assessment in Northwest China[J]. Environmental Science, 2023, 44(8): 4655-4665.
[28] 张廷, 胡玉柱, 胡海辉, 等. 基于PLUS-InVEST模型的哈尔滨市土地利用及生境质量预测[J]. 环境科学, 2024, 45(8): 4709-4721.
Zhang T, Hu Y Z, Hu H H, et al. Prediction of land use and habitat quality in Harbin city based on the PLUS-InVEST model[J]. Environmental Science, 2024, 45(8): 4709-4721. DOI:10.13227/j.hjkx.202308212
[29] Kong L W, Xiong K N, Zhang S H, et al. Review on driving factors of ecosystem services: its enlightenment for the improvement of forest ecosystem functions in karst desertification control[J]. Forests, 2023, 14(3). DOI:10.3390/f14030582
[30] Peng J, Yang Y, Liu Y X, et al. Linking ecosystem services and circuit theory to identify ecological security patterns[J]. Science of the Total Environment, 2018, 644: 781-790. DOI:10.1016/j.scitotenv.2018.06.292
[31] 张嫣, 纪芳华, 裘鸿菲, 等. 基于生态敏感性与适宜性耦合的湿地公园边界规划探究——以武汉东湖国家湿地公园为例[J]. 中国园林, 2019, 35(11): 81-86.
Zhang Y, Ji F H, Qiu H F, et al. Research on the boundary planning of wetland park based on the coupling analysis of ecological sensitivity and suitability-a case study of Wuhan east lake national wetland park[J]. Chinese Landscape Architecture, 2019, 35(11): 81-86.
[32] 许万霞. 大型露天矿区景观生态风险动态演变与生态网络空间优化研究[D]. 北京: 中国地质大学(北京), 2021. 10-56.
Xu W X. Dynamic evolution of landscape ecological risk and optimization of ecological network space in a large-scale opencast coal mine area[D]. Beijing: China University of Geosciences (Beijing), 2021. 10-56.
[33] 韩萌薇, 张帅普, 徐勤学, 等. 基于碳汇和景观连通性的跨流域生态安全格局构建[J]. 环境科学, 2024, 45(10): 5844-5852.
Han M W, Zhang S P, Xu Q X, et al. Construction of cross-basin ecological security patterns based on carbon sinks and landscape connectivity[J]. Environmental Science, 2024, 45(10): 5844-5852. DOI:10.13227/j.hjkx.202310035
[34] 古璠, 黄义雄, 陈传明, 等. 福建省自然保护区生态网络的构建与优化[J]. 应用生态学报, 2017, 28(3): 1013-1020.
Gu F, Huang Y X, Chen C M, et al. Construction and optimization of ecological network for nature reserves in Fujian province, China[J]. Chinese Journal of Applied Ecology, 2017, 28(3): 1013-1020.
[35] 王倩娜, 谢梦晴, 张文萍, 等. 成渝城市群区域生态与城镇发展双网络格局分析及时空演变[J]. 生态学报, 2023, 43(4): 1380-1398.
Wang Q N, Xie M Q, Zhang W P, et al. Regional pattern analysis and spatio-temporal evolution of ecological and urban dual network in Chengdu-Chongqing urban agglomeration[J]. Acta Ecologica Sinica, 2023, 43(4): 1380-1398.
[36] 曾真, 艾婧文, 王梓凌, 等. 三明市区景观格局时空演变及生态网络构建研究[J]. 生态与农村环境学报, 2024, 40(3): 335-344.
Zeng Z, Ai J W, Wang Z L, et al. Research on the spatial and temporal evolution of landscape pattern in Sanming urban area and the construction of ecological network[J]. Journal of Ecology and Rural Environment, 2024, 40(3): 335-344.
[37] 康澳, 周欣颖, 干晓宇. 基于生态系统服务的川南经济区生态网络构建[J]. 四川大学学报(自然科学版), 2024, 61(1).
Kang A, Zhou X Y, Gan X Y. Construction of ecological network of Southern Sichuan economic zone based on ecosystem services theory[J]. Journal of Sichuan University (Natural Science Edition), 2024, 61(1). DOI:10.19907/j.0490-6756.2024.016003
[38] Gu Z L, Gong J, Wang Y. Construction and evaluation of ecological networks among natural protected areas based on "quality-structure–function": a case study of the Qinghai-Tibet area[J]. Ecological Indicators, 2023, 151. DOI:10.1016/j.ecolind.2023.110228
[39] 李华, 郑育桃, 黄荷, 等. 基于MSPA和MCR模型的庐山市生态网络构建[J]. 中南林业科技大学学报, 2024, 44(2): 98-107.
Li H, Zheng Y T, Huang H, et al. Construction of Lushan ecological network based on MSPA and MCR model[J]. Journal of Central South University of Forestry & Technology, 2024, 44(2): 98-107.
[40] 许静, 廖星凯, 甘崎旭, 等. 基于MSPA与电路理论的黄河流域甘肃段生态安全格局构建[J]. 生态环境学报, 2023, 32(4): 805-813.
Xu J, Liao X K, Gan Q X, et al. Construction of ecological security pattern based on MSPA and circuit theory in Gansu section of the Yellow River basin[J]. Ecology and Environment Sciences, 2023, 32(4): 805-813.
[41] 赵筱青, 石小倩, 李驭豪, 等. 滇东南喀斯特山区生态系统服务时空格局及功能分区[J]. 地理学报, 2022, 77(3): 736-756.
Zhao X Q, Shi X Q, Li Y H, et al. Spatio-temporal pattern and functional zoning of ecosystem services in the karst mountainous areas of southeastern Yunnan[J]. Acta Geographica Sinica, 2022, 77(3): 736-756.
[42] 李思楠. 滇东南喀斯特地区国土空间优化与管控研究——以广南县为例[D]. 昆明: 云南大学, 2020. 19-27.
Li S N. Optimization and control of territorial space in karst areas of Southeast Yunnan: a case study of Guangnan county[D]. Kunming: Yunnan University, 2020. 19-27.
[43] Yukimoto S, Kawai H, Koshiro T, et al. The meteorological research institute earth system model version 2.0, MRI-ESM2.0: description and basic evaluation of the physical component[J]. Journal of the Meteorological Society of Japan. Ser. Ⅱ, 2019, 97(5): 931-965. DOI:10.2151/jmsj.2019-051
[44] Xu Z F, Han Y, Tam C Y, et al. Bias-corrected CMIP6 global dataset for dynamical downscaling of the historical and future climate (1979-2100)[J]. Scientific Data, 2021, 8(1). DOI:10.1038/s41597-021-01079-3
[45] 张考, 黄春华, 王志远, 等. 基于DTTD-MCR-PLUS模型的三生空间格局优化——以长沙市为例[J]. 生态学报, 2022, 42(24): 9957-9970.
Zhang K, Huang C H, Wang Z Y, et al. Optimization of "production-living-ecological" spaces based on DTTD-MCR-PLUS model: taking Changsha city as an example[J]. Acta Ecologica Sinica, 2022, 42(24): 9957-9970.
[46] 屈颂杰, 韩玲, 黄馨, 等. 未来不同情景下陕西省碳储量的时空演变分析[J]. 环境科学, 2024, 45(8): 4683-4695.
Qu S J, Han L, Huang X, et al. Analysis of the spatiotemporal evolution of carbon reserves in Shaanxi province under different scenarios in the future[J]. Environmental Science, 2024, 45(8): 4683-4695. DOI:10.13227/j.hjkx.202310028
[47] 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. DOI:10.1016/j.compenvurbsys.2020.101569
[48] 张天翼, 潘洪义, 姚材仪, 等. 基于服务簇的沱江流域生态系统服务权衡/协同关系演变[J]. 生态与农村环境学报, 2023, 39(1).
Zhang T Y, Pan H Y, Yao C Y, et al. Evolution of ecosystem service trade-offs and synergies in the Tuojiang river basin based on ecosystem service bundles[J]. Journal of Ecology and Rural Environment, 2023, 39(1). DOI:10.19741/j.issn.1673-4831.2023.0570
[49] 李育虹, 王文娟, 费龙, 等. 吉林西部生态系统服务时空变化特征及其驱动因素[J]. 生态学杂志, 2025, 44(1): 240-249.
Li Y H, Wang W J, Fei L, et al. Spatial-temporal changes and driving factors of ecosystem services in western Jilin province[J]. Chinese Journal of Ecology, 2025, 44(1): 240-249.
[50] 徐丽, 何念鹏, 于贵瑞. 2010s中国陆地生态系统碳密度数据集[J]. 中国科学数据, 2019, 4(1): 86-92.
Xu L, He N P, Yu G R, et al. A dataset of carbon density in Chinese terrestrial ecosystems(2010s)[J]. China Scientific Data, 2019, 4(1): 90-96.
[51] 李井浩, 柳书俊, 王志杰. 基于FLUS和InVEST模型的云贵高原土地利用与生态系统服务时空变化多情景模拟研究[J]. 水土保持研究, 2024, 31(3): 287-298.
Li J H, Liu S J, Wang Z J. Multi-scenario simulation of spatiotemporal changes of land use pattern and ecosystem services in Yunnan-Guizhou Plateau based on FLUS and In VEST models[J]. Research of Soil and Water Conservation, 2024, 31(3): 287-298.
[52] 黄木易, 岳文泽, 冯少茹, 等. 基于InVEST模型的皖西大别山区生境质量时空演化及景观格局分析[J]. 生态学报, 2020, 40(9): 2895-2906.
Huang M Y, Yue W Z, Feng S R, et al. Spatial-temporal evolution of habitat quality and analysis of landscape patterns in Dabie Mountain area of west Anhui province based on INVEST model[J]. Acta Ecologica Sinica, 2020, 40(9): 2895-2906.
[53] 王蓓, 赵军, 胡秀芳, 等. 石羊河流域生态系统服务权衡与协同关系研究[J]. 生态学报, 2018, 38(21): 7582-7595.
Wang B, Zhao J, Hu X F, et al. Analysison trade-offs and synergistic relationships among multiple ecosystem services in the Shiyang River Basin[J]. Acta Ecologica Sinica, 2018, 38(21): 7582-7595.
[54] 彭晚霞, 王克林, 宋同清, 等. 喀斯特脆弱生态系统复合退化控制与重建模式[J]. 生态学报, 2008, 28(2): 811-820.
Peng W X, Wang K L, Song T Q, et al. Controlling and restoration models of complex degradation of vulnerable Karst ecosystem[J]. Acta Ecologica Sinica, 2008, 28(2): 811-820.
[55] 费勇强, 黄爱民, 罗义, 等. 基于Maxent模型与电路理论的大熊猫栖息地内废弃矿山生态修复研究[J]. 环境工程技术学报, 2024, 14(2): 622-632.
Fei Y Q, Huang A M, Luo Y, et al. Ecological restoration of abandoned mines within giant panda habitat based on Maxent model and circuit theory[J]. Journal of Environmental Engineering Technology, 2024, 14(2): 622-632.