基于Clue-S模型的石马河流域东莞段生态系统服务价值变化情景模拟

张沐锋, 刘万侠, 王健恩, 罗先强, 陈 平, 宫清华，3

(1.仲恺农业工程学院 园艺园林学院, 广东 广州 510225; 2.广州地理研究所， 广东省地理空间信息技术与应用公共实验室, 广东 广州 510070; 3.南方海洋科学与工程广东省实验室, 广东 广州 511458)

生态系统服务(ecosystem services)是指通过生态系统的结构、过程和功能直接或间接为人类生存发展提供服务，包括供给服务、调节服务、文化服务和支持服务，它是衡量一个地区能否实现可持续发展的核心指标[1]。生态系统服务价值(ecosystem services value， ESV)是指人类从生态系统功能中直接或间接所获得利益的货币价值化[2]，其分布与区域的自然地理要素分布、社会经济发展状况密切相关[3]。土地利用作为人类与自然之间联系最紧密的环节，是指人类按照一定的社会、经济目的对地表进行开发利用的过程[4]。对区域内土地利用及其生态系统服务价值进行研究，有利于揭示研究对象间时间与空间上相互作用的机制，促进城市的可持续发展。因此近年有关土地利用变化对生态系统服务价值的影响成为生态系统服务研究的重点之一。1977年，Westman首次提出“自然服务”的概念及其价值评估的问题。1997年，Costanza等[5]最早提出了ESV的估算原理与方法，中国研究学者谢高地等，基于Costanza的方法并根据中国现有的生态系统和社会经济情况进行修订，建立了适应于中国的生态系统服务评估单价体系。2003年以后在中国生态系统服务研究进入了深化阶段，学者开始从不同的尺度和不同的生态类型开展生态服务价值的研究。如唐衡等通过测算出不同类型农田类型的生态系统服务价值[6]，得出复种模式能够极大提高农田生态系统的服务价值。由于城市化的快速蔓延，学者逐渐集中研究土地利用变化对ESV的影响，也将GIS、遥感等技术手段和相关数据分析方法引入其中，张艳军等[7]采用生态系统价值密度与ESV保持率等指标反映了重庆近10 a的ESV时空变化特征，赵志刚等[8]利用生态价值评估模型及GIS空间统计方法，分析鄱阳湖生态经济区生态系统服务价值的时空变化。近年来相关研究热点转为ESV的预测，主要通过CA-Markov，CLUE-S以及IMAGE等模型进行土地利用的模拟，通过计算生态系统服务价值来绘制ESV空间分布图[9]。刘园等[10]基于CA-Markov对潜江市区的生态系统服务价值进行动态模拟，指出潜江市区域生态环境发展不容乐观，应加强对水资源、耕地等的保护。Clue-S模型在1996年研发至今，已在中国、英国等多个地区得到利用，其模拟结果对当地的土地利用规划提供了较好的指导[11-17]。Clue-S相比其他模型，其优点主要体现在模拟中小尺度分析精度高，且在模拟过程中综合考虑了社会经济和生物物理等驱动因子，并能将优化结果表现在空间上。

传统的基于Clue-S模型的生态系统服务价值评价多在宏观尺度，本文试图以小流域为单元，探索Clue-S模型在中小尺度的实现和应用。高密度的人群，高速发展的工业和快速城镇化，导致石马河流域东莞段内农用地锐减、建设用地急剧扩张，并造成了现有用地结构严重失衡、布局分散且有效利用率低的局面。其次在发展途中过度重视经济效益，而忽视了生态环境和土地承载力，形成了较严重的环境污染和生态问题[18-19]。

因此本文选取石马河流域东莞段为案例。本文立足生态系统的完整性。通过对石马河流域东莞段2025年土地利用进行不同情景下的模拟，旨在探究2010—2025年区域生态系统服务价值的演变的内在作用机制，寻求以流域为单元的生态农业和城镇的优化配置模式。拟通过合理的生态系统服务价值评价以及土地利用模拟，得出区域2025年生态系统服务价值分布，为区域的土地利用规划与生态经济协调发展提供有效的指导。

1 材料与方法

1.1 研究区概况

石马河属珠江水系东江下游左岸支流，源于深圳市宝安区龙华镇(北纬 22°35 —22°44′，东经113°57′—114°4′)大脑壳山，东莞境内河流长度为64 km，流经东莞市塘厦镇、清溪镇、凤岗镇、樟木头镇和谢岗镇，研究区域总面积为469.52 km2。境内群山环抱，地形起伏较大，海拔多在200～600 m，坡度在30°左右，群山环绕、水城相融的自然特点突出。区域内2020年生态用地面积达271.22 km2，占总面积58%，生态保护任务责任重大(见表1)。流域内受地形限制，可开发建设范围较小，近年为加快集聚现代产业，实现产业集群发展，接受了深圳大量的产业外溢，使自身快速城镇化。规划期限内区域，依托塘厦科苑城、清溪低碳产业创新示范区与科技生态城、凤岗人工智能特色小镇，重点发展先进制造业，打造深莞惠的先行区和桥头堡。因此近年建设用地急剧增加，生态空间遭受侵占，如水环境污染、潜在地质灾害与城市内涝等生态问题日益显现。

表1 2020年石马河流域东莞段生态用地情况

1.2 数据来源与处理

本文参考《土地利用现状分类》(GB/T21010-2007)的分类方法，结合2010，2020年土地利用变更调查数据，并将其分为耕地、林地、园地、建设用地、水域、未利用地6大类[20]，利用Arc-GIS10.5软件将数据转化为10 m×10 m的栅格数据，为避免模型计算过程中出现耗时过多等问题，且在保证运行结果质量的同时，将栅格重采样为50 m×50 m。其他数据主要包括：①河流、水库、建制镇、道路，使用ArcGIS软件的欧式距离对相应的数据进行分析，生成相应距离的栅格图，并利用DEM数据计算区域起伏度、坡度；②社会经济因素，包括工业产值、农业产值、总人口数量、粮食作物播种面积与总产量等来源于2018年东莞市统计年鉴，为了和土地数据在尺度上保持一致，统计数量以乡镇为单元进行统计，人口、人均收入和粮食产量等利用克里金差值进行空间化，并进行重分类。③自然环境因子：野生动物保护分布点、生态极重要区、永久基本农田。收集数据均通过GIS空间校正、投影转化等处理，统一采用了Transverse-Mercator空间投影和大地2000地理坐标系统。

1.3 研究方法

本文主要基于石马河流域东莞段2010，2020年土地利用数据，通过设定社会、自然等相关驱动因子、限制区域以及土地利用需求量，调整土地利用转移规则，最终利用Clue-S模型进行模拟，得出区域在建设发展、生态保护、耕地优先3种情景下区域的空间布局；最后分别计算3种情形下石马河流域东莞段的生态系统服务价值，得到区域ESV分布图。

1.3.1 Clue-S模型及参数设置 Clue-S是在原有Clue模型的基础上，由Verburg等开发适用于模拟小尺度范围内土地利用变化的模型，模型将生物物理驱动因子与社会经济因子相结合[21]，并假设其土地利用与设定的需求量、相关驱动因子等处在动态平衡之中[22]，最终使土地利用的变化与结果在空间上反映。模型需要的数据包括：

(1) 限制区域。本研究中，根据石马河流域东莞段土地利用优化配置的实际需求，限制区域为永久基本农田保护区、生态极重要区。

(2) 土地利用转移规则。土地利用转移规则主要包括土地利用转移系数以及转移矩阵。土地利用转移弹性系数用于表示土地利用类型的稳定程度，取值范围在0～1之间，值越小，代表越容易转为其他地类，关于转移弹性系数的设置没有精确的计算方法，研究者通过研究区实际情况以及前人研究情况来确定(见表2)。土地利用转移矩阵表明土地利用间是否可以发生相互转变，1表示可以，0则表示不可以，通过相关文献查阅以及区域内土地利用现状布局其未来发展趋势，设定了各情境下土地利用转移矩阵表[23](见表3—5)。

表2 土地利用转移弹性系数

表3 耕地保护情景转移矩阵

(3) 土地利用类型需求。土地利用类型需求量必须借助于独立与Clue-S模型之外的其他方法求得，用以限定模拟过程中每种土地利用类型的变化量[24]。土地需求计算可以充分使用多种数学和经济模型，如情景分析[25]、灰色模型[26]，趋势外推法、线性内插法、Markov模型等。本文以2010—2020年土地利用数据为基础，利用灰色模型进行土地利用需求的预测。

(4) 土地利用类型空间分析。二元Logistic回归是土地利用分析里最常用的二项选择模型，本文选择研究区内土地利用类型作为因变量，驱动因子作为自变量，研究区域内它们之间的因果关系以及变化趋势[27]。利用SPSS软件对6种土地利用类型与9个驱动因子进行回归分析，可以获得土地利用类型回归方程的系数(β值)和回归方程常量。

(1)

式中：Pi表示每一个栅格可能出现某种土地利用类型i的概率;X1,i～Xn,i表示某种土地利用类型i相关的驱动因素;β0～βn为驱动因素的回归系数。

表4 建设发展情景转移矩阵

表5 生态优先情景转移矩阵

1.3.2 Clue-S模型空间模拟 Clue-S模型的空间模拟是基于各土地利用相互转化规则、土地利用空间分布概率、土地利用现状图以及各土地利用类型的面积需求，根据总概率对土地利用需求进行空间分配迭代的过程，迭代的方程为：

TPROPi,u=Pi,u+ELASu+ITERu

(2)

式中：TPROPi,u为栅格i中土地利用类型u的总概率;Pi,u为Logistic回归方程土地利用类型u的空间分布概率; ELASu为土地利用类型u的转换弹性系数; ITERu为土地利用类型u的迭代变量。

模型的检验主要分为两个方面，一是用Pontius提出的ROV方法对回归结果进行检验，ROC系数越接近1则代表一致性约好，大于0.7才符合概率分布要求；二是kappa系数检验，当kappa≥0.75时，Clue-S模型的预测精确度较高，当kappa<0.4时，认为模拟的结果较差[28]。

1.3.3 生态系统服务价值计算 关于生态系统服务价值的定量评估，最早由Costanza等提出相关方法，在此基础上，后中国学者谢高地等根据中国生态系统的特点经过修正，并指出ESV当量因子是生态系统潜在服务价值的相对贡献率，等于每年每1 hm2粮食价值的1/7。本研究参照次方法，并根据研究区的差异性，对数据进行了修正，由片区内2018年粮食作物产量、播种面积，计算出1个单位生态系统经济价值为1 413.91元/hm2[29]。

(3)

式中：Ea为1个单位生态系统服务的经济价值(元/hm2);pi为第i种粮食作物全国平均价格(元/t);qi为第i种粮食作物的产量(t);M为n种粮食作物总面积(hm2);

经过修正以后，参考中国的生态系统服务价值当量表，计算出生态系统服务的价值量(表6)。

ESV=∑(Ai×VCi)

(4)

式中：ESV为生态系统服务总价值;Ai为单位面积上地类i的生态系统服务价值; VCi为研究区地类i的面积(hm2)(见表6)。

表6 石马河流域东莞段生态系统服务价值系数

2 结果与分析

2.1 Logistic回归方程检验

由检验结果可知，石马河流域东莞段各地类分布概率模拟效果较好，建设用地、林地、园地、耕地、水域、未利用地的ROC值分别为0.878，0.947，0.767，0.762，0.827，0.725满足模型的回归要求，因此所选取的因子可以用于模型对区域的模拟(见表7)。

表7 石马河流域东莞段Logistic系数分析结果

2.2 土地覆盖模拟精度分析

以石马河流域东莞段2010年土地利用数据为基础，以相似的计算方式，将限制区域、土地转移规则、土地利用需求、Logistic回归结果等相关数据输入模型中，并对石马河流域东莞段2020年的土地利用布局进行模拟，将模拟结果与2020年实际土地利用进行叠加分析，计算kappa系数如下：

(5)

式中：pp为理想情况下的准确比值,值为1；pc为在随机情况下的期望比值;p0为正确模拟的比例。

总栅格数为187 810，其中正确的栅格数为159 583，正确模拟的比例为84.97%，研究区域分为6种土地利用类型，在随机情况下期待比值为1/6，可得出kappa值(0.812)>0.75，说明模型模拟效果较好，Clue-S模型可以用于石马河流域未来土地利用的模拟。

2.3 土地利用变化特征与情景模拟分析

由结果分析可得，石马河流域东莞段土地利用类型以建设用地和林地为主，分别占总面积的37.97%，33.39%。在动态研究方面，研究期内石马河流域东莞段的土地利用发生了明显的变化。从总体上看2010—2020年，建设用地扩张速度较快，由34.76%上升为37.97%；耕地、未利用地及园地减少较多，分别从4.71%，5.67%，16.41%减少至3.70%，4.59%，15.59%；由此可见，生态用地状况受到了较大的威胁，建设用地在沿建制镇中心、与外沿不断扩张，土地利用结构趋于劣化，生态环境正往消极的方向发展。(见表8—9)。

表8 2010-2015年石马河流域东莞段土地利用转移矩阵 hm2

表9 2015-2020年石马河流域东莞段土地利用转移矩阵 hm2

2025年石马河流域东莞段在生态安全、耕地保护和建设发展3种情景下的土地利用空间布局模拟结果(见图1)，并将3种情境下模拟图与2020年土地利用图进行叠置分析(见表10)。

表10 石马河流域东莞段不同情景下各地类面积及变化

图1 2010-2025年石马河流域东莞段土地利用特征

(1) 耕地保护情景下。永久基本农田作为限制区域，较好的保护了耕地的数量，耕地趋向于集中连片。未利用地、园地的复垦使得耕地数量增加，其次由于限制其他土地利用类型对耕地的占用，耕地的稳定性也得到了提高，从而使得耕地的数量上升了14.85%。由于建设用地具有不可逆的特点，所以建设用地数量基本不发生变化。在耕地保护情景下可以使耕地的保有量得到很好的保证。

(2) 生态安全情景下。林地作为石马河流域东莞段主要地类之一，在空间上呈现集中连片特征；耕地继续保持稳定，地势高的退耕为林地或园地，林地、园地的稳定性得到了提高。该情境下注重城市高质量发展为主，注重植树造林、退耕还湿、人工补水，林地和水域面积相对其他情景保持较高水平。

(3) 建设发展情景下。林地与水域在2020—2025年基本保持不变，但中心城区的建设用地面积不断扩张，主要以占用园地、未利用地和耕地的面积为代价，分别减少了4.55%，19.36%，18.01%。长期以此形式发展，耕地逐渐减少，粮食安全问题逐渐显著。

2.4 生态系统服务价值变化分析

采用经过验证的Clue-S模型，以2010年为基期，设置相关参数，模拟2025年石马河流域东莞段土地利用分布并计算ESV(见图2，表11)。

图2 2010-2025年石马河流域东莞段生态系统服务价值分布特征及模拟情景

表11 2010-2025年石马河流域东莞段生态系统服务价值108元

2025年研究区域在耕地优先、生态优先、建设发展3种情景下ESV分别为9.44×107，9.62×107，9.38×107元，较2020年的0.956分别增幅为-1.26%，0.63%，-1.88%，较2010年的0.974，增幅为-3.08%，-1.23%，-3.70%。由此看，石马河流域东莞段生态系统服务功能略有下降。在耕地保护情景下，由于永久基本农田的限制区与园地的控制，耕地稳定性较好，耕地转入地区主要集中于片区北部以及中部盆地内，该区域地势较为平缓，且水土资源优越，是耕地集中分布的区域。在生态优先情景之下，2025年ESV达到最高，主要是由于此情景下存在水域、林地、耕地的转入，而人工用地与其他用地相对稳定，强调可持续发展的重要性，对保护区的严格限制转出所导致，耕地在研究区中部保持稳定，而在地势较高的山区，由于水土条件不佳、居民搬迁等原因逐渐撂荒并退耕为林地。在建设发展情景下，存在人工用地和其他用地由水域、耕地、林地、未利用地转入的情况，主要是由于经济增长使建设用地需求的急剧扩大所致，在此情景下，流域内城镇规模最大，特别是在研究区域内中部，建设用地密集，成片分布。

2.5 未来土地利用变化对策

石马河流域东莞段是一个典型的丘陵地貌，山地面积较大，且生态保护任务繁重，加上东莞市的城市化和工业化以及国家土地政策、经济政策等大背景的影响，片区内耕地的分布较为零碎。特别在片区中心，耕地受到严重的威胁，会导致耕地的撂荒，加剧片区的粮食安全。应加强对生态红线、永久基本农田的管理，促进退耕还林、生态补偿机制等的建立，保证区域的生态安全，按照“谁受益谁补偿”的原则，进一步完善长效多元化生态补偿机制，引导生态受益地区与保护地区之间、流域上游与下游之间实行生态共建共享。推进横向生态保护补偿，对因生态保护建设措施而限制或丧失发展机会的区域，给予生态损失补偿，促进区域协调可持续发展[30]。

3 讨论与结论

3.1 结 论

利用Clue-S模型为基础，通过对未来石马河流域土地利用布局的模拟，对不同情景下生态系统服务价值布局进行比较，得出适宜区域发展土地利用优化配置结果，用于指导区域协调可持续发展。文中所选的社会、生物物理因子对模型的模拟有良好的解释能力，且对研究期间土地利用类型模拟精度均较高。以流域为研究单元，体现了生态系统的完整性，促进了区域以石马河流域东莞段2010，2020年土地利用现状图为基础，设置耕地优先、生态优先、建设发展3种情景，通过设置合理的驱动因子、土地利用转换规则等相关参数，模拟不同情景下流域土地利用的布局，并对模型进行验证和分析，得出了一下的结论：

(1) 将Logistic回归分析用于判断石马河流域东莞段研究土地利用与各驱动因子的相关性，结果表明建制镇、水系、起伏度与是影响土地利用格局变化的重要因素。对2020年土地利用格局进行模拟，结合现状数据验证(kappa指数为0.812)。表明该模型及设置的相关参数可用于石马河流域东莞段未来土地利用格局的预测。

(2) 在不同的情境下，未利用地逐年减少。在耕地保护情景下，未利用地、园地的复垦使得耕地数量有了明显的上升，耕地趋向于集中连片。在生态安全情境下，耕地保持稳定，位于地势较高的耕地转化为林地或园地，该情境下注重植树造林、退耕还湿、人工补水，城市以高质量发展为主。建设发展情景下，以占用未利用地、耕地、园地为代价，中心城区与建设用地不断扩张，粮食安全问题日益显现。

(3) 在研究期间，石马河流域东莞段生态系统服务价值总量在呈逐年下降的趋势，生态环境往消极的方向发展，2010，2015，2020年生态系统服务价值总量分别为9.74×108，9.64×108，9.56×108，其中林地、水域、园地对区域生态系统服务价值总量较大，价值变化也相应较大。流域内的生态系统服务价值具有空间异质性，分布极不平衡，以流域中部地区为中心，呈现中—低—高的空间分布格局。不同情景下的石马河流域生态系统服务价值分布有较为明显的差异，其中生态安全情境下生态系统服务价值最高，其次是耕地保护情景，最差的为建设发展情景。

3.2 讨 论

通过Clue-S模型模拟未来土地利用分布格局，更为直接的显示了土地利用类别的转入与转出情况，增强了土地利用规划多情景布局的空间预测性。其次通过生态系统服务价值的可视化表达，揭示了其时空变化特征。目前利用Clue-S模型对数据的模拟停留在以省市范围作为研究单元，割裂了生态系统的完整性，无法体现区域协同规划的综合性、系统性。本文在前人研究的基础上，通过模型的优化，寻求以流域为单元的生态农业和城镇的优化配置模式，此研究方法数据来源较为简便，数据模拟结果具有较高的实用性。对自身处于快速城镇化发展且生态与发展矛盾突出的地区，进行流域生态系统服务价值进行模拟与分析，有利于增强对区域在不同发展模式下生态系统服务价值空间布局的认识和理解，为土地利用规划与生态经济协调发展提供宏观的参考。

生态系统服务价值模拟评估涉及到生态经济学、地理学等多种学科，影响生态系统服务价值格局分布的因子较多，其量化分析与可视化显示技术还有不足。本文对相关部门政策因子的输入考虑较少。在今后研究中，应针对不同情景需要，选择不同的人为政策影响因子，实现区域政策、经济等人为因素空间化，将进一步提高模拟精度。