Impact assessment of ecological service value under multi scenario simulation in Beijing based on land use
-
摘要:目的 土地利用/覆盖变化（LUCC）是影响区域生态系统服务价值的重要因素，结合可持续发展框架分析土地利用演变对生态系统服务价值（ESV）的影响，有助于对区域生态文明建设提供科学参考。方法 利用北京市2010和2020年的土地利用现状图，通过Markov-CLUE-S耦合模型模拟出2030年3种发展情景下的土地利用格局，结合可持续发展目标15（SDG 15）指标讨论土地利用变化对ESV总量的影响。结果 （1）2010—2020年北京市土地利用变化总体呈耕地、草地和水域面积缩减，林地和建筑用地扩张的格局。2020—2030年，自然发展情景（NIS）下各地类变化趋势较2010—2020年幅度有所减缓；生态保护情景（EPS）下林地和水域面积较2020年涨幅分别为4.96%和14.26%；耕地保护情景（CPS）下耕地缩减和城市扩张情况得到有效遏制；（2）2010年、2020年和2030年（NIS、EPS、CPS）的ESV总量分别为418.4×108、409.9×108、403.6×108、432.4×108和407.0×108 元。对于各土地类型，林地、水域和耕地占ESV总量的90%以上，建筑用地侵占和水域恢复分别为ESV损失和增益的主要原因；（3）2020—2030年，北京市森林覆盖率呈增长变化。3种情景下退化土地比例大小为NIS > EPS > CPS，造成的ESV损失量为3.8×108、4.1×108和8.1×108元。结论 水体、耕地和建筑用地是北京市土地利用变化的主要类型，三者间的转换也是ESV总量浮动的关键原因。在未来土地利用规划中，应综合考量生态保护和耕地保护措施，以期达到区域生态系统服务价值最大化和可持续发展目标实现。Abstract:Objective Land use/cover change (LUCC) is an essential driving factor affecting regional ecosystem service values. The study analyzed the impact of land use evolution on the value of ecosystem service values (ESV), so as to provide scientific reference for regional construction of ecological civilization.Method Based on land use status maps in 2010 and 2020, this study simulated land use patterns of Beijing in 2030 under three different development scenarios, and analyzed the impact of land use changes on total ESV with sustainable development goal 15 (SDG 15).Result (1) From 2010 to 2020, the overall land use changes in Beijing showed a pattern of reduced arable land, grassland and water area, while forest land and construction land expanded. From 2020 to 2030, the trend of changes in various regions under the natural increase scenario (NIS) had slowed down compared with that from 2010 to 2020. Under the ecosystem protection scenario (EPS), forest and water area increased significantly compared with that in 2020, whose change rates were 4.96% and 14.26%, respectively. Under the cropland protection scenario (CPS), the trend of cropland reduction and urban expansion got curbed efficiently. (2) The total amount of ESV in 2010, 2020 and 2030 (NIS, EPS and CPS) was 41.84 billion CNY, 40.99 billion CNY, 40.36 billion CNY, 43.24 billion CNY and 40.70 billion CNY, respectively. For each land type, forest land, waters and arable land accounted for over 90% of the total ESV, with construction land encroachment and water restoration being the main reasons for ESV loss and gain, respectively. (3) Forest cover rate was increasing gradually in Beijing from 2020 to 2030. Additionally, the proportion of degraded land under the three scenarios was NIS > EPS > CPS, resulting in the loss of ESV of 380 million CNY, 410 million CNY and 810 million CNY, respectively, both exhibited opposite trends in size.Conclusion Waters, arable land and construction land are the main types of land use changes in Beijing, and the conversion between the three is also a key reason for the fluctuation of the total ESV. In future land use planning, ecological protection and arable land protection measures should be comprehensively considered to achieve the maximization of regional ecosystem service value and the achievement of sustainable development goals.
-
生态系统服务是指人类直接或间接地通过生态系统的结构、过程和功能得到的生命支持产品和服务[1]，与人类福祉息息相关。在近二十年中，由于受人工活动的强烈干扰以及全球气候变暖等因素，中国陆地生态系统服务时空格局发生了显著的环境变化[2]，生态安全问题受到严重威胁。土地利用变化最能直接反应出人类活动，被认为是生态系统服务变化最重要的驱动力之一[3]，土地分布格局也极大影响着生态系统服务功能发挥，进一步导致全球、区域生态系统服务价值变化。
世界环境与发展委员会在1987年的《我们共同的未来》报告中，全面阐述了可持续发展的定义，自此可持续发展理念逐渐被国际社会广泛认可，并成为各国间应对环境问题和发展合作的重要内容[4]。而后在2015年联合国可持续发展峰会上通过的《2030年可持续发展议程》中，则确定了由17项目标、169项子目标组成的可持续发展目标体系。其中，可持续发展目标15（sustainable development goal，SDG 15）的研究对象为陆地生态系统，内容主要涉及各类生态系统和生物多样性的保护与恢复[5]。根据联合国可持续发展解决方案网络动态发布的《可持续发展报告》来看，中国要达成SDG 15目标仍面临巨大挑战，并且目标呈恶化趋势发展[6]。由此可见，生态系统是整体实现可持续发展目标过程中的关键因素，量化土地利用演变对生态系统服务价值的影响，可为探究区域生态系统服务价值基底和促进本土化可持续建设提供基础信息。
近年来，生态系统价值评估和其服务间的权衡协同关系日益成为生态系统领域的研究热点。对于北京地区，生态系统研究主要集中于对历史时期部分区县或某一土地类型的生态系统服务时空变化特征进行分析。张辰等[7]对北京市门头沟区2005—2015年间生态系统服务价值进行估算，表明林地占该区总生态系统服务价值的95%以上，其中土壤形成与保护和气体调节是贡献最大的两项生态服务。还有研究将重点集中在湿地生态系统上，测算出2014年北京市湿地系统在洪水调蓄、水源供给、水质净化、蒸发降温和生境维持5个方面的生态价值，其中洪水调蓄的经济价值最大，达到158.95 × 108元[8]。但经过总结发现，对于北京地区来说，大尺度范围内的未来生态系统服务价值（ecosystem service value，ESV）评估预测研究相对较少。另外，CLUE-S模型作为一种可多尺度上模拟未来土地利用变化的模型，同时兼顾了社会经济、自然和地形层次的驱动因子，可以推演多种情景下的土地利用分布[9]，对于土地模拟的效果较好。例如，李媛洁等[10]利用2000—2017年的南昌市遥感影像数据，模拟了南昌的“三生”空间布局，Zheng等[11]则基于2000年和2005年遥感数据对北京市农村居民地进行模拟验证，模拟精度均达到80%以上。同时，Markov模型是描述随机过程的经典方法，在拟合土地需求面积方面得到广泛应用。因此，Markov-CLUE-S耦合模型具有判断驱动因子适宜性、高可行性和可信性的特点，在大尺度研究范围中预测不同发展模式下未来土地分布格局上具有良好潜力。
基于以上认识，本研究利用2010年和2020年北京市土地利用数据，选择Markov-CLUE-S模型对其进行土地转移特征分析，并预测自然发展、生态保护和耕地保护情景下2030年北京市土地分布格局，评估全市生态系统服务价值总量。注重探讨可持续发展背景下土地利用变化与生态系统服务之间的关联，为把握未来土地演变趋势，优化北京市城市空间布局和推动区域生态−社会−经济协同可持续发展提供科学依据。
1. 研究区概况与研究方法
1.1 研究区概况
北京市地处华北平原西北部（115°25′ ~ 117°30′E，39°26′ ~ 41°03′N），总面积约16 410 km2，2020年常住人口约2 189万人。北京山区主要集中在西北部地带，地形呈西北高东南低的态势。气候特点夏季高温多雨，冬季寒冷干燥，属于暖温带半湿润半干旱季风气候，地带性植被主要为暖温带落叶阔叶林和温性针叶林。截止到2020年底，辖区内有自然保护区21个，自然保护区面积达13.8万hm2[12]。同时，作为全国的政治、文化、国际交往和科技创新中心，一直以来北京市人地矛盾突出复杂，并且在持续推进“碳达峰”“碳中和”目标和可持续发展目标实现的时代背景下，进一步优化北京市土地空间格局、推动生态文明建设高质量发展至关重要（图1）。
1.2 数据来源
本研究数据主要包括土地利用现状数据、DEM数据、社会经济数据以及交通区位数据。其中，研究区域图来源于自然资源部标准地图服务系统（http://bzdt.ch.mnr.gov.cn/）。土地利用数据为2010、2020年北京市土地利用分布数据，分辨率为1 000 m × 1 000 m，来源于中科院资源环境科学与数据中心（https://www.resdc.cn/），各土地类型主要划分为耕地、林地、草地、水域、建筑用地和未利用地6类。为符合CLUE-S模型运行要求，将影像进行重采样后，分辨率为250 m × 250 m。DEM数据为北京市ASTER GDEM 30M分辨率数字高程数据，来源于地理空间数据云平台（https://www.gscloud.cn/）。社会经济数据包括GDP、人口空间分布数据和粮食单价及产量，分别来源于中科院资源环境科学与数据中心和北京市统计年鉴。交通区位数据包括北京市水系和道路矢量数据，来源于全国地理信息资源目录服务系统（https://www.webmap.cn/main.do?method=index）。通过ArcGIS软件，从以上数据中共提取了高程、坡度、坡向、距铁路的距离、距公路的距离、距河流的距离、距水库湖泊的距离、GDP、人口密度9个驱动因子，能较好满足土地模拟需求。
1.3 研究方法
1.3.1 Markov-CLUE-S耦合模型
Markov-CLUE-S模型是一种统计学和动力学复合模型[13]。其中，Markov模型可通过土地利用转移规律对未来土地利用需求进行概率预测，被大量应用于区域土地利用的数量分析上。CLUE-S模型最早由Verburg等[14]在CLUE模型的基础上建立起来，适用于多尺度的区域土地利用变化研究。该模型可分为非空间模块和空间模块，主要基于限制区域、土地利用类型转换、logistic回归参数、未来土地利用需求面积、驱动因子和土地位置属性六类信息，通过调整优化ELAS系数等运行参数，最终得到目标年份的土地空间分布结果[15]。将Markov模型在数量演算上的优势同CLUE-S模型的空间模拟能力相结合，可较好预测出区域未来土地利用格局。
1.3.2 情景设置
为应对北京市不同发展需求，着力生态安全布局和耕地保护空间建设重点。本研究设置了自然发展、生态保护和耕地保护3种情景，以期为决策者提供不同的决策视角，辅助判断未来土地利用空间格局发展[16]。对各情景的描述如下：
（1）自然发展情景（natural increase scenario，NIS）。此情景下旨在反映依从现行模式发展的未来土地格局情况，不考虑政策导向等因素，而作为一种参考情景同其他人为干预下的情景进行对照。土地转移速率和驱动因子等数据同2010—2020年阶段保持一致，并且不设置限制区域。
（2）生态保护情景（ecosystem protection scenario，EPS）。EPS是一种在满足基本经济发展需求的前提下，优先考虑生态文明建设的模式。作为国家重大战略之一，生态文明建设已成为规划决策中的重要组成部分。《北京市城市总体规划（2016—2035年）》中要求到2035年全市建设用地应控制在3 670 km2以内，进一步拓展生态空间，降低平原地区开发强度。基于2010—2020年的土地利用转移矩阵，此情景下控制林地和水域到耕地和建筑用地的转移速率分别减少50%，并且将北京市生态保护红线范围作为限制区域。
（3）耕地保护情景（cropland protection scenario，CPS）。耕地是粮食生产的载体，耕地安全是保障国家粮食安全的基础。《北京市土地利用总体规划（2006—2020年）》报告显示，当前北京市耕地和基本农田保护形势严峻，严守永久基本农田控制线和完善耕地保护机制将是未来的工作重点。参考相关研究[17]，此情景下控制耕地到建筑用地的转移速率减少50%，并且将2020年的北京市耕地二值图作为限制区域。
1.3.3 SDG 15指标
SDG 15主要涉及陆地生态系统，共包含了14个子目标。基于数据的重要性和可获取性，本研究主要关注森林覆盖率（SDG 15.1.1）和土地退化比例（SDG 15.3.1）两个子目标。其中，SDG 15.1.1反映了区域森林覆被状况，是生态环境质量评价的重要指标之一。以往文献中森林覆盖率是由有林地（郁闭度0.2以上的乔木林和竹林地）覆盖率和国家特别规定灌木林地覆盖率两部分组成[18]，基于土地面积统计数据，本研究仅通过林地面积占总面积的比例来表征SDG 15.1.1，以此反映林地覆盖的动态变化趋势。计算公式如下[14]所示。
P林地=m林地M×100% (1) 式中：P林地表示森林覆盖率（%），m林地表示林地的面积，M表示北京市各土地类型总面积。
土地退化是一个长期的动态演化过程，影响着食物安全、人类健康和生态系统服务等人类福祉[19]。SDG 15.3.1指标为量化土地退化情况提供了参考方法，根据《联合国防治荒漠化公约报告手册》中对不同土地利用类型转换的定义，结合研究区实际情况，将所有转化类型划为改善、稳定和退化3种（表1）。
表 1 土地利用类型转换定义表Table 1. Conversion definition table of land use types土地类型
Land type最后类型 Final type 耕地
Cropland林地
Forest land草地
Grassland水域
Waters建筑用地
Built-up land未利用地
Unused land初始类型
Initial type耕地 Cropland S I I I D D 林地 Forest land D S D I D D 草地 Grassland D I S I D D 水域 Waters D D D S D D 建筑用地 Built-up land I I I I S I 未利用地 Unused land I I I I D S 注：“S”表示稳定，“D”表示退化，“I”表示改善。Notes: “S” means stable, “D” means degradation, “I” means improvement. 1.3.4 生态系统服务价值核算
以谢高地等[20]对中国生态系统服务价值评估的当量因子法为基础，将单位面积耕地生态系统价值作为1个标准当量因子的生态系统服务价值量。其中，单位面积耕地生态服务价值等于平均粮食单产市场经济价值的1/7[21]。参考《北京统计年鉴2016》，以2015年玉米、稻谷、小麦这3类主要农作物单类总产量和平均收购价格为基准，由公式（2）计算得到北京市1个标准当量因子的生态系统服务价值量为1 795.35元/ hm2，并在谢高地等[20]提出的“中国陆地生态系统单位面积生态服务价值当量表”基础上，对各生态系统的单位面积ESV系数进行修正，因建筑用地的生态系统价值难以量化，沿用以往研究经验，假定建筑用地ESV系数为 0[22-23]，得到各土地类型生态系统服务价值系数（表2），计算公式如下所示。
表 2 修正后的不同土地类型单位面积生态系统服务价值 元/hm2Table 2. Revised ecosystem service values per unit area of different land typesCNY/ha 生态系统服务类型
Ecosystem service type耕地
Cropland林地
Forest land草地
Grassland水域
Waters未利用地
Unused land合计
Total供给服务 Provision service 粮食生产 Food production 1 983.86 453.33 418.91 1 436.28 0.00 4 292.38 原料生产 Material production 439.86 1 041.30 616.40 412.93 0.00 2 510.49 水资源供给 Water resource supply −2 342.93 538.60 341.12 14 883.43 0.00 13 420.22 调节服务 Regulating service 气体调节 Gas regulation 1 597.86 3 424.63 2 166.39 1 382.42 35.91 8 607.19 气候调节 Climate regulation 834.84 10 246.95 5 727.16 4 111.35 0.00 20 920.29 净化环境 Environmental purification 242.37 3 002.72 1 891.10 9 964.18 179.53 15 279.90 水文调节 Hydrological regulation 2 684.04 6 705.62 4 195.13 183 556.32 53.86 197 194.98 支持服务 Supporting service 土壤保持 Soil conservation 933.58 4 169.69 2 639.16 1 669.67 35.91 9 448.02 维持养分循环
Fertility cycling maintenance278.28 318.67 203.47 125.67 0.00 926.10 生物多样性 Biodiversity 305.21 3 797.16 2 399.78 4 578.14 35.91 11 116.19 文化服务 Cultural service 美学景观 Aesthetic scenery 134.65 1 665.18 1 059.26 3 393.21 17.95 6 270.25 合计 Total 7 091.62 35 363.86 21 657.87 225 513.59 359.07 289 986.02 Ea=173∑i=1Pi⋅QiMg (2) Vjk=ejk⋅Ea (3) E=m∑j=1n∑k=1Vjk⋅Aj (4) 式中：Ea表示耕地所提供的单位面积生态服务价值（元/hm2），i表示选取的粮食作物种类，共计3类，Pi表示北京市第i种粮食的平均价格（元/kg），Qi表示北京市第i种粮食总产量（kg），Mg表示北京市粮食播种总面积（hm2）；Vjk表示北京市第j种土地类型包含的第k种生态服务功能的ESV系数（元/hm2），ejk表示第j种土地类型包含的第k种生态服务功能价值单位当量；E表示北京市总生态系统服务价值（元/a），Aj表示j类土地类型面积（hm2），m表示土地类型数量，n表示生态服务功能数量。
为验证修正后ESV系数的准确性，采用敏感性指数来判断某一类土地类型的ESV系数对总ESV的依赖关系[24]。通过分别将单类土地类型的ESV系数上下调整50%，判断ESV量对某类土地类型ESV系数变化的敏感程度，计算公式如下所示。
CS=(E2−E1)/E1(V2j−V1j)/V1j (5) 式中：CS表示某一土地类型对ESV响应的敏感性指数，E1、E2分别表示调整前、后的北京市总生态系统服务价值。V1j、V2j分别表示第j类土地类型调整前、后的ESV系数。CS大于1时，表示总ESV对该类土地类型ESV系数具有弹性，CS值越大说明该地类ESV系数的准确性对ESV总量的评价越关键；CS小于1时，表示ESV对该类土地类型ESV系数缺乏弹性，CS值越小说明该地类ESV系数的准确性对ESV评价响应越弱，结果越合理[25]。
2. 结果与分析
2.1 土地利用变化时空格局
整体来看，北京市主要土地类型为耕地、林地和建筑用地，占总面积的85%以上，研究期间大体表现出建筑用地和林地扩张，耕地、水域和草地缩减的趋势，其中建筑用地、耕地和水域面积的动态变化最为剧烈（表3）。在2010—2020年阶段，耕地和建筑用地面积起伏最大，增减比例分别为18.94%和26.95%。其中耕地缩减了83 637.50 hm2，主要原因是耕地向建筑用地类型的转移，建筑用地增长了74 831.25 hm2，扩张区域主要分布在中心城区边缘（图2）。另外，水域降幅达到6.34%，表现在西南地区部分小斑块的转变，林地面积则增长了12 525 hm2。近年来北京市高度重视生态文明建设，展开了百万亩平原大造林、生态涵养区生态保护等重点项目，从土地利用面积变化来看，生态用地拓展和保护工作初见成效，但水体缩减和城市扩张问题仍旧突出。
表 3 不同土地类型面积 hm2Table 3. Area of different land typesha 年份 Year 耕地 Cropland 林地 Forest land 草地 Grassland 水域 Waters 建筑用地 Built-up land 未利用地 Unused land 2010 441 562.50 722 818.75 125 981.25 46 218.75 277 700.00 100.00 2020 357 925.00 735 343.75 123 775.00 43 287.50 352 531.25 1 518.75 2030（NIS） 327 501.18 738 168.05 121 910.72 41 199.25 384 240.91 1 361.14 2030（EPS） 302 553.12 771 838.43 121 910.72 49 458.70 367 259.14 1 361.14 2030（CPS） 375 042.13 738 168.05 121 910.72 41 199.25 336 699.96 1 361.14 ![]()
图 2 2010、2020年以及不同情境下2030年北京土地利用格局NIS.自然发展情景；EPS.生态保护情景；CPS.耕地保护情景。NIS, natural increase scenario；EPS, ecosystem protection scenario；CPS, cropland protection scenario.Figure 2. Patterns of land use in 2010, 2020 and 2030 under NIS, EPS, CPS scenarios按2020—2030年各情境模拟情况来看，自然发展情景下，2020—2030年的总体土地利用变化趋势与2010—2020年基本保持一致，但变化幅度有所减缓。其中，建筑用地面积持续性增长，较2020年增加了8.99%，主要体现在大兴、通州、昌平和顺义4个区的建筑用地斑块密度提高，使得耕地斑块的破碎化程度有所加重。耕地降幅由18.94%减至8.50%，林地和草地面积浮动较小。生态保护情景下，水域的缩减趋势得到逆转，较2020年面积增长了6 171.20 hm2，林地涨幅达到4.96%，增加面积为36 494.68 hm2。建筑用地扩张较NIS有所缓解，生态空间品质稍显提高，但同时加剧了耕地缩减，该地类降幅升至15.47%，存在威胁基本农田粮食产出的风险。耕地保护情景下，耕地缩减形势得到遏制，与其他情景表现出相反的增长变化，涨幅为4.78%，主要原因是耕地向建筑用地类型转移的速率大幅降低。建筑用地区域则呈缩减状态，比例达到4.49%，有效阻碍了城市扩张态势。
2.2 SDG 15指标分析
森林覆盖率和退化土地面积比例是评价SDG 15的重要指标，用于反映植被覆盖变化、土地转移情况及生态价值变化。从森林覆盖率来看，SDG 15.1.1从2010年的44.77%增长至2020年的45.55%，由于北京市森林的基底面积大，说明森林覆盖率在过去十年里有明显升高，这种增长变化会继续体现在2020—2030年阶段。其中，在EPS下的增长幅度最大，森林覆盖率将达到47.81%，NIS和CPS下则保持一致，为45.72%，较2020年增幅微弱。
从退化土地来看，2010—2020年退化土地比例为16.40%，除中心城区外，大多数地区恢复斑块和退化斑块呈交叉分布，在中部和南部地区退化土地分布较集中（图3）。2020—2030年间，退化区域比例较2010—2020年阶段降幅较大，在NIS、EPS和CPS下的SDG 15.3.1指数分别为2.07%、1.33%和0.29%。其中，自然发展情景下土地退化问题最为严重，主要体现在中心城区外部的耕地和林地向建筑用地转移，退化区域主要集中在中心城区四周。生态保护情景下，南部地区的退化土地状况较NIS有所缓和，恢复斑块密度明显增加。耕地保护情景下，退化土地大幅减少，建筑用地侵占耕地面积的现象得到有利遏制，而恢复斑块数量和密度增加，主要集中在中心区四周和西北部地区。
2.3 生态系统服务价值变化
生态系统服务价值是可持续发展框架中的重要组成部分，与人类福祉息息相关。总体来看，除EPS情景外，ESV总量表现为下降变化，主要体现在林地、水域和耕地面积变化对ESV总量产生的浮动，这三者对各年份ESV总量的贡献率达到90%以上。2010和2020年ESV总量分别达418.4 × 108和409.9 × 108元，高ESV地区大部分聚集在北京市划定的生态保护红线范围，主要涉及怀柔、延庆、昌平、门头沟和房山5个区（图4）。2020年较2010年损失8.5 × 108元，其中水域−建筑用地和水域−耕地造成的损失最多，分别为21.8 × 108和17.3 × 108元，南部和东部土地的ESV量退化较为明显（图5）。
![]()
图 4 2010、2020年以及不同情景下2030年生态系统服务价值Figure 4. Ecosystem service values (ESV) in 2010, 2020 and 2030 under NIS, EPS, CPS scenarios![]()
图 5 不同土地利用类型间的生态系统服务价值演变图例表示为由横坐标地类转出的土地利用类型。The legend represents the land use type transferred from the horizontal coordinate land class.Figure 5. Evolution of ecosystem service value among different land use types按不同情景ESV总量来看，3种情景下ESV量从大到小表现为EPS > CPS > NIS，分别达432.4 × 108、407.0 × 108和403.6 × 108元。EPS中，ESV总量较2020年增长有22.5 × 108元。从空间角度看，ESV有所增益的土地主要集中在西北部和南部部分区域。其中，林地和水域的贡献率最大，分别提高了12.9 × 108和13.9 × 108元，主要来源于耕地−水域、耕地−林地和林地−水域类型的ESV转移，说明高生态价值土地类型面积的增长对ESV变化具有积极影响，有利于提升综合生态系统服务水平。NIS和CPS下ESV均有所降低，较2020年分别减少了6.3 × 108元和2.9 × 108元，两情景下各土地类型间的ESV表现出相似的变化特征。CPS下降幅更小，主要原因是各土地类型向建筑用地转移的ESV有所减少。
按不同土地类型ESV变化量来看，各土地类型的单位ESV系数大小表现为水域 > 林地 > 草地 > 耕地 > 未利用地（表2），其中水域和林地在水资源供给和水文调节等生态功能方面表现突出。建筑用地侵占则是造成ESV损失的关键原因，在2010—2020年、2020—2030（NIS）、2020—2030（EPS）和2020—2030（CPS）中分别造成36.2 × 108、23.4 × 108、15.1 × 108和15.9 × 108元的损失。相对地，水域恢复是ESV增益的主要因素，4个阶段内水域引起的增长量分别为51.1 × 108、17.8 × 108、27.6 × 108和17.8 × 108元。水生态系统作为地球生态系统的重要组成类型，在涵养水源和气候调节等方面发挥着重要作用。近年来，我国对水体健康和水污染防治高度重视，进一步统筹推动水生态系统的保护与修复工作有利于流域生态功能的发挥和可持续发展[26]。
将SDG 15.1.1和SDG 15.3.1与ESV变化结合分析。结果表明，SDG15.1.1随着林地面积增长而升高，各情景下增长幅度有所差异。在NIS、EPS和CPS下，2030年林地较2020年引起的ESV增长量分别为1.0 × 108、12.9 × 108和1.0 × 108元，在气候和水文调节服务方面表现良好。另外，退化土地较2020年引起的ESV损失量分别为3.8 × 108、4.1 × 108和8.1 × 108元，结合退化比例可知，各情景的退化比例依次为 NIS > EPS > CPS，与ESV损失量表现出相反的大小趋势。分析原因是NIS下主要是林地和水域这类高生态价值土地向耕地的转移，EPS和CPS下则主要由于其他土地类型向建筑用地的转移，由于本研究中建筑用地的ESV
系数设置为0，导致EPS和CPS下退化土地的单位面积损失量较NIS更多。 通过调整各土地类型的ESV
系数计算出耕地、林地、草地、水域、未利用地对ESV响应的敏感性指数（表4）。从数据可知，研究年份的敏感性指数均 < 1，表明修正后的ESV 系数较为合理，保障了ESV评估结果的准确性。其中，水域和林地的敏感性指数较大，说明两者对于评估ESV总量最为关键。 表 4 不同土地类型敏感性指数Table 4. Sensitivity index of different land types年份
Year耕地
Cropland林地
Forest land草地
Grassland水域
Waters未利用地
Unused land2010 0.074 834 0.610 872 0.065 205 0.249 088 0.000 001 2020 0.061 930 0.634 475 0.065 405 0.238 177 0.000 013 3. 讨 论
土地是陆地生物赖以生存的载体，孕育出不同的生态系统。各生态系统服务主要体现在供给服务、调节服务、支持服务和文化服务四大方面，对人类生存发展和生态环境的可持续发展具有重要意义。近几十年来，全球经济快速发展下，气候变化、大气污染、冰川融化等环境问题日益突出，恶化的生态环境也成为制约社会经济可持续发展的关键原因[27]。而可持续发展理念自提出以来就被国际上广泛认可，成为各国应对环境挑战的共识性纲领。Dearing等[28]的研究认为，自然资源可持续管理中的一个核心问题是维持生态系统服务的可持续发展。因此，有必要基于土地利用对生态系统服务价值进行评估，以掌握全国和地方生态系统服务价值基底，科学指导未来环境保护工作的开展。
不同的发展模式意味着不同的土地利用策略导向，且在城市发展中起着重要的引领作用。有研究报告称，如果多数国家继续保持现行的发展模式，到2035年许多可持续发展目标将无法实现[29]。对于北京来说，NIS下建筑用地将继续保持增长，较2020年增加31 709.66 hm2，耕地则减少30 423.82 hm2，退化土地占到全市总面积的2.07%，这意味着不透水地面和耕地安全威胁的增大，从而导致综合生态系统服务水平的下降。目前，北京正处于“减速提质、稳步发展”的关键时期，疏解非首都功能，有效治理“大城市病”和完善生态安全格局是促进可持续发展新蓝图实现的重点工作。基于土地利用角度，城市规划应综合考量生态保护和耕地保护措施，将两种模式的优势相结合，以期达到区域生态系统服务价值最大化和可持续发展目标实现。
本研究中，通过Markov-CLUE-S模型较好地预测了2030年3种发展情景下的北京市土地分布格局，并结合两个可持续发展目标指数对区域ESV进行了分析，为未来土地规划决策提供了一定的科学参考。然而，研究仍存在一些局限性和不足。首先是生态系统服务价值评估方法的选择。基于区域粮食价格的生态系统服务价值评估存在较大的主观性[30]，依此计算出的ESV系数是静态的，且时效性低，不能准确反映出ESV的动态变化。但因为该方法简单便捷，且本研究的目的重点在于对比不同发展模式下的土地分布和ESV改变，故选择当量因子法也能较好满足研究需求；其次是选取的SDG 15指标数量过少，不能较为全面地反映生态系统服务价值在数值变化上对于SDG 15的影响；另外，本研究主要从土地面积的统计学角度和生态系统服务的经济学角度来进行讨论，将两者间关系转化成一个数学问题，忽略了土地与生态系统间相互影响的生态学机理。在未来研究中，可以与可持续发展框架中其他的指数相结合，基于更多的生态学理论，探讨土地类型变化对生态系统服务的驱动影响以及各生态系统服务间的权衡/协同关系，更好地服务于区域可持续发展。
4. 结 论
以北京市为研究区，基于Markov-CLUE-S耦合模型对2030年不同发展情景土地利用格局进行预测，采用系数修正后的当量因子法评估2010—2030年北京市生态系统服务价值，结合SDG 15指数分析了研究期间土地分布格局和ESV变化特征。主要结论如下：
（1）从实际土地利用变化趋势来看，2010—2020年土地利用变化总体呈耕地、草地和水域面积缩减，林地和建筑用地扩张的格局。其中，耕地降幅达18.94%，流失明显；建筑用地面积涨幅为26.95%，扩张区域主要分布在中心城区边缘。
（2）从不同发展情景来看，2020—2030年自然发展情景下，耕地、水域和草地面积下降，建筑用地呈进一步扩张；生态保护情景下，林地和水域面积涨幅最大，分别从2010—2020年阶段的1.73%和−6.34%变为4.96%和14.26%，生态区域扩张态势良好；耕地保护情景下，耕地面积从2010—2020年的−18.94%增至4.78%，有利于保证粮食生产安全，建筑用地扩张情况出现逆转，变化率降为−4.49%。
（3）从生态系统服务价值来看，除EPS外，其他阶段的ESV总量呈不同程度的减少，主要是林地、水域和耕地面积变化对ESV总量产生的浮动，三者占ESV总量的90%以上。2020年ESV总量较2010年减少8.5 × 108元，NIS、EPS和CPS下ESV量较2020年分别变化−6.3 × 108、22.5 × 108和−2.9 × 108元。另外，建筑用地侵占和水域恢复分别为ESV损失和增益的主要原因。
（4）从可持续发展目标来看，森林覆盖率与林地面积息息相关，2010—2020年内有明显升高。NIS、EPS和CPS下退化土地比例分别为2.07%、1.33%和0.29%，ESV损失量则为3.8 × 108、4.1 × 108和8.1 × 108元。而对于未来城市规划，应结合生态保护和耕地保护模式的优势，以期最大化发挥区域生态系统服务，助力可持续发展目标的实现。
-
![]()
图 2 2010、2020年以及不同情境下2030年北京土地利用格局
NIS.自然发展情景；EPS.生态保护情景；CPS.耕地保护情景。NIS, natural increase scenario；EPS, ecosystem protection scenario；CPS, cropland protection scenario.
Figure 2. Patterns of land use in 2010, 2020 and 2030 under NIS, EPS, CPS scenarios
![]()
图 4 2010、2020年以及不同情景下2030年生态系统服务价值
Figure 4. Ecosystem service values (ESV) in 2010, 2020 and 2030 under NIS, EPS, CPS scenarios
![]()
图 5 不同土地利用类型间的生态系统服务价值演变
图例表示为由横坐标地类转出的土地利用类型。The legend represents the land use type transferred from the horizontal coordinate land class.
Figure 5. Evolution of ecosystem service value among different land use types
表 1 土地利用类型转换定义表
Table 1 Conversion definition table of land use types
土地类型
Land type最后类型 Final type 耕地
Cropland林地
Forest land草地
Grassland水域
Waters建筑用地
Built-up land未利用地
Unused land初始类型
Initial type耕地 Cropland S I I I D D 林地 Forest land D S D I D D 草地 Grassland D I S I D D 水域 Waters D D D S D D 建筑用地 Built-up land I I I I S I 未利用地 Unused land I I I I D S 注：“S”表示稳定，“D”表示退化，“I”表示改善。Notes: “S” means stable, “D” means degradation, “I” means improvement. 
下载: 导出CSV
表 2 修正后的不同土地类型单位面积生态系统服务价值 元/hm2
Table 2 Revised ecosystem service values per unit area of different land types
CNY/ha 生态系统服务类型
Ecosystem service type耕地
Cropland林地
Forest land草地
Grassland水域
Waters未利用地
Unused land合计
Total供给服务 Provision service 粮食生产 Food production 1 983.86 453.33 418.91 1 436.28 0.00 4 292.38 原料生产 Material production 439.86 1 041.30 616.40 412.93 0.00 2 510.49 水资源供给 Water resource supply −2 342.93 538.60 341.12 14 883.43 0.00 13 420.22 调节服务 Regulating service 气体调节 Gas regulation 1 597.86 3 424.63 2 166.39 1 382.42 35.91 8 607.19 气候调节 Climate regulation 834.84 10 246.95 5 727.16 4 111.35 0.00 20 920.29 净化环境 Environmental purification 242.37 3 002.72 1 891.10 9 964.18 179.53 15 279.90 水文调节 Hydrological regulation 2 684.04 6 705.62 4 195.13 183 556.32 53.86 197 194.98 支持服务 Supporting service 土壤保持 Soil conservation 933.58 4 169.69 2 639.16 1 669.67 35.91 9 448.02 维持养分循环
Fertility cycling maintenance278.28 318.67 203.47 125.67 0.00 926.10 生物多样性 Biodiversity 305.21 3 797.16 2 399.78 4 578.14 35.91 11 116.19 文化服务 Cultural service 美学景观 Aesthetic scenery 134.65 1 665.18 1 059.26 3 393.21 17.95 6 270.25 合计 Total 7 091.62 35 363.86 21 657.87 225 513.59 359.07 289 986.02
下载: 导出CSV
表 3 不同土地类型面积 hm2
Table 3 Area of different land types
ha 年份 Year 耕地 Cropland 林地 Forest land 草地 Grassland 水域 Waters 建筑用地 Built-up land 未利用地 Unused land 2010 441 562.50 722 818.75 125 981.25 46 218.75 277 700.00 100.00 2020 357 925.00 735 343.75 123 775.00 43 287.50 352 531.25 1 518.75 2030（NIS） 327 501.18 738 168.05 121 910.72 41 199.25 384 240.91 1 361.14 2030（EPS） 302 553.12 771 838.43 121 910.72 49 458.70 367 259.14 1 361.14 2030（CPS） 375 042.13 738 168.05 121 910.72 41 199.25 336 699.96 1 361.14
下载: 导出CSV
表 4 不同土地类型敏感性指数
Table 4 Sensitivity index of different land types
年份
Year耕地
Cropland林地
Forest land草地
Grassland水域
Waters未利用地
Unused land2010 0.074 834 0.610 872 0.065 205 0.249 088 0.000 001 2020 0.061 930 0.634 475 0.065 405 0.238 177 0.000 013
下载: 导出CSV
-
[1] 王军, 顿耀龙. 土地利用变化对生态系统服务的影响研究综述[J]. 长江流域资源与环境, 2015, 24(5): 798−808. Wang J, Dun Y L. A review on the effects of land use change on ecosystem services[J]. Resources and Environment in the Yangtze Basin, 2015, 24(5): 798−808.
[2] 牛忠恩, 何洪林, 任小丽, 等. 基于过程模型的2000—2018年中国陆地生态系统服务时空动态及其权衡与协同分析[J]. 生态学报, 2023, 43(2): 1−15. Niu Z E, He H L, Ren X L, et al. Spatio-temporal characteristic of terrestrial ecosystem services and their trade-offs and synergies in China from 2000 to 2018 based on a process model[J]. Acta Ecologica Sinica, 2023, 43(2): 1−15.
[3] Wang Z M, Mao D H, Li L, et al. Quantifying changes in multiple ecosystem services during 1992–2012 in the Sanjiang Plain of China[J]. Science of the Total Environment, 2015, 514: 119−130.
[4] 鲜祖德, 巴运红, 成金璟. 联合国2030年可持续发展目标指标及其政策关联研究[J]. 统计研究, 2021, 38(1): 4−14. Xian Z D, Ba Y H, Cheng J J. Relevance study on United Nations 2030 sustainable development goal (SDG) indicators and the policies[J]. Statistical Research, 2021, 38(1): 4−14.
[5] United Nations. Transforming our world: the 2030 agenda for sustainable development[R]. New York: United Nations, 2014: 1−41.
[6] 邵超峰, 陈思含, 高俊丽, 等. 基于SDGs的中国可持续发展评价指标体系设计[J]. 中国人口·资源与环境, 2021, 31(4): 1−12. Shao C F, Chen S H, Gao J L, et al. Design of China’s sustainable development evaluation index system based on the SDGs[J]. China Population, Resources and Environment, 2021, 31(4): 1−12.
[7] 张辰, 易扬, 孙浩. 典型山区土地利用及生态系统服务价值变化−以北京市门头沟区为例[J]. 亚热带水土保持, 2020, 32(4): 9−14, 18. doi: 10.3969/j.issn.1002-2651.2020.04.002 Zhang C, Yi Y, Sun H. Changes of land use and ecosystem service value in typical mountainous areas-case study of Mentougou District of Beijing[J]. Subtropical Soil and Water Conservation, 2020, 32(4): 9−14, 18. doi: 10.3969/j.issn.1002-2651.2020.04.002
[8] 张彪, 史芸婷, 李庆旭, 等. 北京湿地生态系统重要服务功能及其价值评估[J]. 自然资源学报, 2017, 32(8): 1311−1324. doi: 10.11849/zrzyxb.20160771 Zhang B, Shi Y T, Li Q X, et al. The key ecological services and their values of wetland ecosystems in Beijing[J]. Journal of Natural Resources, 2017, 32(8): 1311−1324. doi: 10.11849/zrzyxb.20160771
[9] 宋蔚. 基于CLUE-S模型的南通市港闸区土地利用变化模拟[D]. 南京: 南京师范大学, 2010. Song W. The modelling of land use changes based on CLUE-S model in Gangzha District of Nantong[D]. Nanjing: Nanjing Normal University, 2010.
[10] 李媛洁, 叶长盛, 黄小兰. 基于CLUE-S模型的南昌市“三生”空间时空演变及情景模拟研究[J]. 水土保持研究, 2021, 28(5): 325−332. doi: 10.13869/j.cnki.rswc.2021.05.037 Li Y J, Ye C S, Huang X L. Temporal-spatial evolution and scenario simulation of production-living-ecological space in Nanchang based on CLUE-S model[J]. Research of Soil and Water Conservation, 2021, 28(5): 325−332. doi: 10.13869/j.cnki.rswc.2021.05.037
[11] Zheng F Y, Hu Y C. Assessing temporal-spatial land use simulation effects with CLUE-S and Markov-CA models in Beijing[J]. Environmental Science and Pollution Research International, 2018, 25(32): 32231–32245.
[12] 北京市统计局, 国家统计局北京调查总队. 北京统计年鉴2021[M]. 北京: 中国统计出版社, 2021: 7−24. Beijing Municipal Bureau Statistics, Survey Office of the National Bureau of Statistics in Beijing. Beijing statistics yearbook 2021[M]. Beijing: China Statistics Press, 2021: 7−24.
[13] 邵明, 李雄, 刘志成, 等. 基于LUCC的承德市域生态系统服务价值演变分析与优化研究[J]. 北京林业大学学报, 2021, 43(3): 106−116. Shao M, Li X, Liu Z C, et al. Evolution analysis and optimization research of ecosystem service value in Chengde City, Hebei Province of northern China based on land use/land cover change (LUCC)[J]. Journal of Beijing Forestry University, 2021, 43(3): 106−116.
[14] 任杰. 基于CLUE-S模型的区域土地利用变化情景模拟[D]. 天津: 天津工业大学, 2021. Ren J. The scenario modelling of land use changes based on CLUE-S model[D]. Tianjin: Tiangong University, 2021.
[15] 樊文杰, 戴晓爱, 谢一茹, 等. 利用CLUE-S模型对四川省未来10年土地利用变化的预测与分析[J]. 科学技术与工程, 2022, 22(7): 2641−2647. doi: 10.3969/j.issn.1671-1815.2022.07.011 Fan W J, Dai X A, Xie Y R, et al. Prediction and analysis of land use change in Sichuan Province in the next 10 years based on CLUE-S model[J]. Science Technology and Engineering, 2022, 22(7): 2641−2647. doi: 10.3969/j.issn.1671-1815.2022.07.011
[16] 陈理庭, 蔡海生, 张婷, 等. 基于Markov-FLUS模型的饶河流域土地利用多情景模拟分析[J]. 生态学报, 2022, 42(10): 3947−3958. Chen L T, Cai H S, Zhang T, et al. Land use multi-scenario simulation analysis of Rao River Basin based on Markov-FLUS model[J]. Acta Ecologica Sinica, 2022, 42(10): 3947−3958.
[17] Peng K F, Jiang W G, Ling Z Y, et al. Evaluating the potential impacts of land use changes on ecosystem service value under multiple scenarios in support of SDG reporting: a case study of the Wuhan urban agglomeration[J/OL]. Journal of Cleaner Production, 2021, 307, 127321[2022−06−14]. https://www.sciencedirect.com/science/article/pii/S0959652621015407.
[18] 朱培兴, 邢付吉. 提高曲靖市森林覆盖率的分析与思考[J]. 绿色科技, 2020(23): 159−161. doi: 10.3969/j.issn.1674-9944.2020.23.064 Zhu P X, Xing F J. The analysis and thinking on improving the forest coverage in Qujing City[J]. Journal of Green Science and Technology, 2020(23): 159−161. doi: 10.3969/j.issn.1674-9944.2020.23.064
[19] 郭晓娜, 陈睿山, 李强, 等. 土地退化过程、机制与影响−以土地退化与恢复专题评估报告为基础[J]. 生态学报, 2019, 39(17): 6567−6575. Guo X N, Chen R S, Li Q, et al. Processes, mechanisms, and impacts of land degradation in the IPBES thematic assessment[J]. Acta Ecologica Sinica, 2019, 39(17): 6567−6575.
[20] 谢高地, 张彩霞, 张雷明, 等. 基于单位面积价值当量因子的生态系统服务价值化方法改进[J]. 自然资源学报, 2015, 30(8): 1243−1254. doi: 10.11849/zrzyxb.2015.08.001 Xie G D, Zhang C X, Zhang L M, et al. Improvement of the evaluation method for ecosystem service value based on per unit area[J]. Journal of Natural Resources, 2015, 30(8): 1243−1254. doi: 10.11849/zrzyxb.2015.08.001
[21] 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): 189−196. Xie G D, Lu C X, Leng Y F, et al. Ecological assets valuation of the Tibetan Plateau[J]. Journal of Natural Resources, 2003, 18(2): 189−196.
[22] 王兆峰, 许静. 土地利用演变对国家公园生态系统服务价值的影响−以三江源国家公园为例[J]. 生态学报, 2022, 42(17): 1−11. Wang Z F, Xu J. Impacts of land use evolution on ecosystem service value of national parks: take Sanjiangyuan National Park as an example[J]. Acta Ecologica Sinica, 2022, 42(17): 1−11.
[23] 罗紫元, 曾坚. 资源环境保护下天津市用地空间增长模拟[J]. 地理研究, 2022, 41(2): 341−357. doi: 10.11821/dlyj020200741 Luo Z Y, Zeng J. Spatial growth simulation of land use in Tianjin from the perspective of resource and environmental protection[J]. Geographical Research, 2022, 41(2): 341−357. doi: 10.11821/dlyj020200741
[24] 邵梅, 马立鹏, 王新源, 等. 2004—2014年河西走廊荒漠化草地生态系统服务价值估算[J]. 中国沙漠, 2022, 42(3): 63−73. Shao M, Ma L P, Wang X Y, et al. The valuation of ecosystem service value of desertification grassland from 2004 to 2014 in Hexi Corridor, China[J]. Journal of Desert Research, 2022, 42(3): 63−73.
[25] 李亦佳. 基于LUCC的南昌市生态系统服务价值时空变化分析与预测[D]. 南昌: 东华理工大学, 2021. Li Y J. Analysis and prediction of the spatio-temporal changes of ecosystem service value in Nanchang City based on LUCC[D]. Nanchang: East China University of Technology, 2021.
[26] 孙福红, 郭一丁, 王雨春, 等. 我国水生态系统完整性研究的重大意义、现状、挑战与主要任务[J]. 环境科学研究, 2022, 35(12): 2748−2757. doi: 10.13198/j.issn.1001-6929.2022.08.11 Sun F H, Guo Y D, Wang Y C, et al. Significance, current situation, challenges and future direction and development on the researches of ecological integrity for fresh waters in China[J]. Research of Environmental Sciences, 2022, 35(12): 2748−2757. doi: 10.13198/j.issn.1001-6929.2022.08.11
[27] Bai Z G, Dent D. Recent land degradation and improvement in China[J/OL]. Ambio, 2009, 38(3): 150[2022−05−12]. https://pubmed.ncbi.nlm.nih.gov/19580032/.
[28] Dearing J A, Yang X D, Dong X H, et al. Extending the timescale and range of ecosystem services through paleo environmental analyses, exemplified in the lower Yangtze Basin[J/OL]. PNAS, 2012, 109(18): E1111−E1120[2022−05−12]. https://doi.org/10.1073/pnas.1118263109.
[29] Kavvada A, Metternicht G, Kerblat F, et al. Towards delivering on the sustainable development goals using earth observations[J/OL]. Remote Sensing of Environment, 2020, 247, 111930[2022−05−12]. https://doi.org/10.1016/j.rse.2020.111930.
[30] 邓楚雄, 刘俊宇, 李忠武, 等. 近20年国内外生态系统服务研究回顾与解析[J]. 生态环境学报, 2019, 28(10): 2119−2128. doi: 10.16258/j.cnki.1674-5906.2019.10.024 Deng C X, Liu J Y, Li Z W, et al. Review and analysis of ecosystem services research between domestic and foreign in recent 20 years[J]. Ecology and Environment Sciences, 2019, 28(10): 2119−2128. doi: 10.16258/j.cnki.1674-5906.2019.10.024
-
期刊类型引用(2)
1. 康向阳. 关于理想森林及其经营的遗传学思考. 北京林业大学学报. 2024(06): 1-9 . 
本站查看
2. 胡勐鸿，吕寻，戴小芬，李宗德，李万峰. 日本落叶松无性系种子园和优树半同胞家系苗期比较. 东北林业大学学报. 2024(12): 10-17 . 百度学术
其他类型引用(0)
计量
- 文章访问数: 665
- HTML全文浏览量: 201
- PDF下载量: 98
- 被引次数: 2
