- 主办单位:
- ISSN:
- 期刊分类:
- 出版周期:
- 投稿量:
- 浏览量:
相关文章
暂无数据
基于lnVEST模型的稀土矿区生境质量评价
Habitat Quality Assessment of Rare Earth Mining Areas Based on the InVEST Model
引言
土地是自然过程与人类活动共同作用形成的综合体，也是生态系统演化与区域发展的重要载体。随着人口增长、资源开发和城镇化进程加快，人类活动对土地利用格局的干扰不断增强，矿产开采、城镇扩张和基础设施建设等开发行为在推动经济社会发展的同时，也改变了土地利用的面积构成和空间结构。部分不合理开发还会引发水土流失、植被退化和地表破碎化等生态问题，进而影响区域生态系统稳定性与生态安全格局。因此，围绕土地利用变化背景下生态空间演变及其生态效应开展研究，具有重要的理论价值和现实意义。
生态空间是维系区域生态安全和保障生态系统服务功能的重要载体。随着经济发展和城市化推进，建设用地需求持续增加，生态空间不断受到挤压，土地资源利用与生态保护之间的矛盾日益突出。在此背景下，科学识别生态空间变化特征、揭示其演变规律，并进一步评估其对生境质量的影响具有重要意义。生境质量是衡量生态系统健康状况和生态安全水平的重要指标，受土地利用方式、地理环境条件、气候变化及人类活动强度等多重因素共同影响，对其开展时空演变分析能够为生态修复和土地资源优化配置提供科学依据。
近年来，InVEST模型因模块体系较为完善、参数结构清晰、空间表达能力较强，已成为生态空间格局分析和生境质量评价的重要工具。国内外学者围绕该模型开展了大量研究，研究内容涉及生物多样性保护、自然保护区生态风险评估、水源涵养、土壤保持及污染物削减等多个方向，表明InVEST模型在生态系统服务评估和生境质量分析中具有较强适用性。国内研究则更多结合土地利用变化、生态红线划定、景观格局演变等问题，对不同地区生境质量进行评价，并在参数修正、本地化应用和多模型集成分析等方面不断拓展。
现有研究仍存在一定不足。部分研究侧重宏观尺度上的生态空间格局分析，对矿产资源开发等强干扰区域的生态空间演变及其生境质量响应关注不足；结合研究区自然地理背景和人类活动特征，对InVEST模型进行本地化改进，具有较强的研究必要性。
赣州市是我国南方典型的资源型地区，也是稀土资源开发较为集中的区域之一。长期稀土资源开发在支撑地方经济发展的同时，也对当地生态空间系统造成了一定扰动，基于此，以赣州市为研究区，分析其近年生态空间变化特征，并利用InVEST模型开展生境质量评价，有助于揭示土地利用变化与生境质量演变之间的关系，并为矿区生态修复、生态空间优化和区域可持续发展提供科学参考。
1 数据与方法
1.1研究区概况
赣州市位于江西省南部，东邻福建省，南接广东省，是我国南方典型的资源型地区，也是稀土资源开发较为集中的区域之一。研究区生态本底较好，自然保护地类型较为丰富，森林覆盖率较高，具有开展生态空间演变与生境质量评价研究的代表性。根据统计资料，2023 年赣州市地区生产总值为4523.65亿元，同比增长5.2%；2024 年末常住人口为898.82 万人，城镇化率为57.0%。全市共有各类自然保护区51处，总面积23.72 万 hm²，占全市土地总面积的6.1%，森林覆盖率为76.4%。
1.2研究方法
1.2.1生态空间与生境质量分析框架
生态空间是指以生态保护、生态服务供给和生态安全维护为主要功能的国土空间类型，其数量、结构及分布格局直接关系区域生态安全和可持续发展能力。生境质量则反映生态系统为物种提供生存、繁衍和维持生态过程所需条件的能力，是衡量区域生态环境状况的重要指标。
1.2.2 熵权法
熵权法是一种客观赋权方法，能够依据指标数据的离散程度确定各指标权重。指标信息差异越大，其提供的信息量越高，对综合评价结果的贡献越显著。本文采用熵权法对威胁因子的相对权重进行量化，以降低主观赋权带来的不确定性。
1.2.3 InVEST 生境质量模型
InVEST 模型由美国斯坦福大学等机构联合开发，是生态系统服务评估中应用较广的开源模型。其生境质量模块通过综合土地利用类型、生境适宜度、威胁因子、最大影响距离及敏感度等参数，模拟不同区域生境退化程度与生境质量水平。
1.3 实验数据
本研究所使用的土地利用数据源于中国科学院资源环境数据中心，分辨率为30mx30m，共包括2012年、2012年、2010年三年的赣州市各种地类的土地利用数据。
1.4研究路线
本本文基于 InVEST 模型开展稀土矿区生境质量评价研究，整体流程包括生态空间变化分析、模型参数构建与生境质量评价三个环节。首先，对土地利用数据进行预处理，并依据土地利用类型识别生态空间系统特征；在此基础上，采用土地利用动态度和土地利用转移矩阵等方法，分析赣州市2012 年、2017 年和2022 年生态空间在数量和结构上的变化特征。其次，结合研究区实际情况，对 InVEST 生境质量模型的关键参数进行设定与改进，包括威胁因子筛选、熵权赋权、最大影响距离设定、衰减方式选择及土地利用敏感度赋值，构建模型运行所需参数体系。最后，运行 InVEST 模型获得研究区生境质量结果，并从生境质量等级、生境退化特征和空间相关性等方面开展综合分析，以揭示土地利用变化及人类活动对研究区生态空间系统的影响，为区域生态修复与可持续发展提供科学依据。本文的技术路线图如图1所示。
2 实验设计与结果分析
2.1生态空间变化分析
2.1.1生态空间数量变化特征
基于2012 年、2017 年和2022 年赣州市土地利用数据及人口统计数据，对生态空间总面积、人口数量和人均生态空间面积进行统计，结果见表1。
| 年份 | 生态空间面积（hm2） | 人口数（人） | 人均生态面积（m2） |
|---|---|---|---|
| 2012 | 3936346 | 8508000 | 4626.640809 |
| 2017 | 3936246 | 8812000 | 4466.91557 |
| 2022 | 3936339 | 8988000 | 4379.549399 |
根据结果可知在2012-2022十年内，土地利用总面积先呈现下降的趋势而后不断增长。由表中的土地利用面积可以得知，2012年的土地利用空间面积最大，土地利用空间面积为3936346hm2，较2017年的土地利用空间面积值增加了100hm2，减少率为0.0025%。在2022年间，土地利用空间面积变成了3936339hm2，相较于2017年的土地利用空间面积增加了93hm2，上升率为0.0024%。总体来说，从2012年至2022年，土地利用空间面积减少下降率为0.0002%。
2.1.2 土地利用结构变化特征
从表2可以看出，近10年来赣州市土地利用类型始终处于动态变化之中，但整体面积比例变化不大，林地始终占据主导地位。各地类面积总体表现为林地最大，其次为耕地、建设用地、水域、草地和未利用地。变化趋势表明，耕地面积增长最为明显，10年间增加1122.19 km²；建设用地也持续增加，由799.41 km²增至1053.17 km²。相比之下，林地、草地、水域和未利用地总体呈下降趋势，其中林地减少最为显著，10年间减少1306.31 km²。
| 年份 | 耕地 | 林地 | 草地 | 水域 | 建设用地 | 未利用地 | |
|---|---|---|---|---|---|---|---|
| 2012 | 面积 | 5900.4071 | 32297.8099 | 70.24842746 | 293.8970444 | 799.40605 | 1.69806772 |
| 比例 | 14.990% | 82.050% | 0.178% | 0.747% | 2.031% | 0.004% | |
| 2017 | 面积 | 6650.8746 | 31435.2244 | 36.98393328 | 302.6882112 | 936.692449 | 0.97740921 |
| 比例 | 16.896% | 79.859% | 0.094% | 0.769% | 2.380% | 0.002% | |
| 2022 | 面积 | 7022.5929 | 30991.5043 | 19.88790949 | 275.4404059 | 1053.16977 | 0.79946101 |
| 比例 | 17.840% | 78.732% | 0.051% | 0.700% | 2.676% | 0.002% |
依据土地利用结构类型面积分类准则，进行专题图的制作，从而得到2012年、2017年和2022年的赣州市土地利用结构类型分布图，如图2、3、4所示。
本文深入探讨了生态空间结构类型的具体变化，并结合实际情况对其演变特点展开了详细分析。通过对2012年、2017年和2022年的数据进行叠加分析，并对各生态空间结构类型之间的转换情况进行了统计。随后，计算得到了该研究区的土地利用转移矩阵，如表3、4、5所示。
| 2012年 | 2017年 | ||||||
|---|---|---|---|---|---|---|---|
| 耕地 | 林地 | 草地 | 水体 | 建设用地 | 未利用地 | 总计 | |
| 耕地 | 5361.05 | 1236.49 | 23.14 | 12.94 | 16.78 | 0.40 | 6650.81 |
| 林地 | 388.87 | 31024.04 | 13.14 | 2.31 | 6.27 | 0.00 | 31434.64 |
| 草地 | 5.93 | 4.01 | 25.87 | 0.62 | 0.20 | 0.34 | 36.97 |
| 水体 | 10.00 | 1.66 | 3.39 | 271.89 | 15.50 | 0.24 | 302.69 |
| 建设用地 | 134.43 | 30.95 | 4.38 | 6.07 | 760.65 | 0.20 | 936.69 |
| 未利用地 | 0.09 | 0.00 | 0.33 | 0.05 | 0.00 | 0.50 | 0.98 |
| 总计 | 5900.37 | 32297.16 | 70.25 | 293.90 | 799.41 | 1.70 | 39362.78 |
| 2017年 | 2022年 | ||||||
|---|---|---|---|---|---|---|---|
| 耕地 | 林地 | 草地 | 水体 | 建设用地 | 未利用地 | 总计 | |
| 耕地 | 5973.99 | 987.89 | 13.39 | 28.55 | 18.42 | 0.28 | 7022.52 |
| 林地 | 551.47 | 30425.81 | 6.08 | 2.59 | 4.97 | 0.00 | 30990.92 |
| 草地 | 3.41 | 1.50 | 14.49 | 0.37 | 0.08 | 0.05 | 19.88 |
| 水体 | 4.32 | 1.33 | 0.57 | 264.94 | 4.27 | 0.02 | 275.44 |
| 建设用地 | 117.61 | 18.04 | 2.23 | 6.24 | 908.95 | 0.11 | 1053.17 |
| 未利用地 | 0.03 | 0.00 | 0.22 | 0.01 | 0.00 | 0.53 | 0.80 |
| 总计 | 6650.82 | 31434.58 | 36.98 | 302.69 | 936.69 | 0.98 | 39362.74 |
| 2012年 | 2022年 | ||||||
|---|---|---|---|---|---|---|---|
| 耕地 | 林地 | 草地 | 水体 | 建设用地 | 未利用地 | 总计 | |
| 耕地 | 5149.00 | 1784.27 | 30.47 | 34.23 | 23.78 | 0.74 | 7022.49 |
| 林地 | 506.15 | 30454.07 | 19.08 | 4.02 | 7.50 | 0.02 | 30990.84 |
| 草地 | 3.44 | 4.70 | 10.96 | 0.54 | 0.13 | 0.11 | 19.88 |
| 水体 | 8.71 | 2.44 | 3.60 | 244.98 | 15.44 | 0.28 | 275.44 |
| 建设用地 | 232.88 | 51.51 | 5.83 | 10.09 | 752.56 | 0.30 | 1053.17 |
| 未利用地 | 0.18 | 0.03 | 0.30 | 0.04 | 0.00 | 0.25 | 0.80 |
| 总计 | 5900.36 | 32297.02 | 70.24 | 293.90 | 799.41 | 1.70 | 39362.62 |
由土地利用转移结果可知，耕地、林地和建设用地是赣州市土地利用转换中最活跃的三类地类。耕地在2012-2017年和2017-2022年间均主要转向林地，同时少量转为草地、水体和建设用地；从2012-2022年整体来看，耕地转为林地的比例最高，达到95%以上，说明耕地与林地之间的转换最为显著。林地的主要转出方向则为耕地，其次为草地、建设用地和水体，表明林地与耕地之间存在较强的双向转化关系。建设用地在两个时期内主要转为耕地、林地和水体，其中转为耕地的比例最高，均在75%以上，说明建设用地调整后主要流向农业和生态用地。
2.1.3生态空间动态变化特征
本文进一步探讨了不同生态空间类型在时空上的迁移速率。针对于2012、2017、2022这三年的研究区，计算出各种生态类型地类的单一生态空间动态度和综合生态空间动态度用以分析和研究，计算结果如表6
| 动态度 | 2012-2017 | 2017-2022 | 2012-2022 |
|---|---|---|---|
| 耕地 | 2.54% | 0.51% | 0.10% |
| 林地 | -0.53% | -0.11% | -0.02% |
| 草地 | -9.47% | -1.89% | -0.38% |
| 水体 | 0.60% | 0.12% | 0.02% |
| 建设用地 | 3.43% | 0.69% | 0.14% |
| 未利用地 | -8.49% | -1.70% | -0.34% |
由实验结果可知，2012—2017年间草地和未利用地的动态变化最为显著，动态度分别为 -9.47% 和 -8.49%，建设用地动态度为3.43%；2017—2022年间，各类型土地利用变化速率整体减缓，但草地和未利用地仍是变化较为活跃的类型，动态度分别为 -1.89% 和 -1.70%，建设用地动态度为0.69%。这表明前一阶段草地和未利用地转出较快，建设用地扩张明显；后一阶段土地利用变化强度有所减弱，反映出区域土地利用调整趋于平缓。
2.2 InVEST 模型参数设置与改进
2.2.1 参数设置思路
InVEST 模型生境质量模块运行需要输入土地利用/覆被数据、威胁因子数据、威胁权重、最大影响距离、衰减方式、各土地利用类型对威胁因子的敏感度以及半饱和常数等关键参数。为提高模型结果与研究区实际情况的一致性，本文结合赣州市土地利用现状及稀土矿区生态环境特征，对威胁因子权重、最大影响距离、衰减类型和敏感度参数进行本地化设定。
2.2.2 威胁因子权重确定
权重即指每个威胁因子对生境完整性造成的相对破坏程度，较大的权重表示该因子对生境的威胁程度更高。未利用地的影响权重依次为0.14、0.07、0.49、0.16、0.04、0.1。熵权计算如表7所示。
| 耕地 | 林地 | 草地 | 水域 | 建设用地 | 未利用地 | |
|---|---|---|---|---|---|---|
| 熵值 | 0.97 | 0.98 | 0.89 | 0.96 | 0.99 | 0.98 |
| 指标比重 | 0.03 | 0.02 | 0.11 | 0.04 | 0.01 | 0.02 |
| 熵权 | 0.14 | 0.07 | 0.49 | 0.16 | 0.04 | 0.1 |
2.2.3 最大影响距离与衰减方式设定
结合研究区实际情况及相关研究经验，本文将耕地、建设用地和未利用地的最大影响距离分别设定为5 km、8 km 和6 km。
根据2012 年、2017 年和2022 年主要威胁因子用地变化特征，本文将耕地设定为线性衰减，建设用地设定为线性衰减，未利用地设定为指数衰减，并构建生态威胁因子属性表，如表8所示。
| THREAT | MAX_DIST | WEIGHT | DECAY | BASE_PATH | CUR_PATH | FUT_PATH |
|---|---|---|---|---|---|---|
| 耕地 | 5 | 0.14 | linear | 生境质量2017\威胁元\2017gd_c.tif | ||
| 建设用地 | 8 | 0.04 | linear | 生境质量2017\威胁元\17jsyd_c.tif | ||
| 未利用地 | 6 | 0.1 | exponential | 生境质量2017\威胁元\017wlyd_c.tif | ||
2.2.4 生境适宜度与敏感度设定
不同土地利用类型代表不同的生境条件，其生境适宜度及对威胁因子的敏感程度存在显著差异。本文对不同土地利用类型的生境适宜度及其对各威胁因子的敏感度进行赋值，结果见表9
| LULC | NAME | HABITAT | 耕地 | 建设用地 | 未利用地 |
|---|---|---|---|---|---|
| 0 | nodata | 0 | 0 | 0 | 0 |
| 1 | 耕地 | 0.1 | 0.2 | 0.8 | 0.5 |
| 2 | 林地 | 1 | 0.6 | 0.4 | 0.2 |
| 3 | 草地 | 0.8 | 0.8 | 0.6 | 0.5 |
| 4 | 水域 | 0.6 | 0.6 | 0.4 | 0.2 |
| 5 | 建设用地 | 0 | 0 | 0 | 0 |
| 6 | 未利用地 | 0.4 | 0.4 | 0.4 | 0.2 |
2.3 生境质量评价与空间格局分析
2.3.1 生境质量评价思路
基于上述参数设置，本文采用 InVEST 模型生境质量模块对研究区进行模拟，重点从生境退化程度、空间集聚特征和局部热点分布等方面对结果进行分析。本文引入全局Moran’s I和局部空间自相关分析方法，对研究区生境质量的空间相关性和局部聚集模式进行识别。
2.3.2 生境退化特征分析
为便于识别研究区生境退化的空间分异特征，本文对 InVEST 模型输出的生境退化栅格进行重分类。依据退化值范围，将生境退化划分为弱退化、较弱退化、中度退化、较高退化和高退化五个等级，具体分级标准见表10。
| 序号 | 生境退化程度等级 | 生境退化范围 |
|---|---|---|
| 1 | 弱退化程度 | 0-0.00528 |
| 2 | 较弱退化程度 | 0.00528-0.01473 |
| 3 | 中度退化程度 | 0.01473-0.02643 |
| 4 | 较高退化程度 | 0.02643-0.04115 |
| 5 | 高退化程度 | 0.04115-0.09628 |
重分类结果表明，2017-2022 年间研究区生境退化呈现明显的空间差异。研究区中心区域以较弱退化和中度退化为主，说明该区域生态环境总体相对稳定，局部生境质量具有一定改善趋势；而研究区外围区域高退化等级占比较高，表明周边生态空间受人类活动干扰更为显著，生态系统脆弱性较强。
2.3.3 全局空间自相关分析
基于赣州市的生境质量的评价结果，对研究区进行全局Moran's值进行计算与分析。
在全局空间自相关分析中，通常通过零假设、P 值和 Z 值对结果进行统计检验。零假设认为研究对象在空间上呈随机分布；P 值用于判断结果出现的随机性概率，P 值越小，说明结果越显著；Z 值用于衡量空间集聚或离散程度，当 Z >1.65 时表现为显著聚集，Z < -1.65 时表现为显著离散，介于两者之间则通常认为空间分布具有随机性。
结果表明，赣州市生境质量的全局 Moran’s I 指数为0.375107，说明其空间分布呈正相关特征；Z 值为2.151939，表明生境质量在空间上具有显著的聚集分布特征，而非随机分布。
2.3.4 局部空间自相关分析
在全局Moran'sI的基础之上，进一步对赣州市的局部Moran'sl指数的LISA聚类图进行制作，从而对研究区的生境质量的集聚现象进行分析，进而得到赣州市2017年、2022年土地生境质量LISA积聚图。
由图6可知，2017年和2022年赣州市局部空间自相关类型仅表现为“HH”和“LL”两类，未出现“LH”与“HL”类型。2017年，“HH”型主要分布于大余县，表明该区域生境质量较高且具有空间集聚特征；“LL”型主要分布于赣县和信丰，说明两地生境质量相对较低。2022年，“HH”型仍稳定分布于大余县，而“LL”型在赣县和信丰基础上扩展至章贡区，表明低生境质量集聚区有所增加，研究区整体生境质量面临一定下降趋势。
3 总结
本文以赣州市为研究区，基于2012 年、2017 年和2022 年三期土地利用数据以及相关人口、经济统计数据，构建了生态空间变化分析与 InVEST 模型生境质量评价相结合的研究框架，系统探讨了研究区土地利用演变及其生态环境响应特征。研究主要包括两个方面。
（1）基于赣州市土地利用的生态空间特征分析
通过对原始数据进行预处理，将研究区土地利用类型统一划分为六大类，并借助 ArcGIS 与 Excel 对生态空间数量变化、结构变化和动态变化进行综合分析。具体包括生态空间总面积、人口数量和人均生态面积的统计，不同地类面积及比例变化的比较，以及利用土地利用动态度和转移矩阵揭示各类型用地之间的转换方向和变化速率，从而刻画研究区生态空间演变的基本特征。
（2）基于InVSET模型对研究区的生境质量评价
在模型运行基础上，从生境质量等级变化、生境退化程度以及空间相关性三个层面展开分析。其中，通过不同时期生境质量结果对比揭示区域生境质量时空演变特征；通过退化度分级分析反映不同区域生态受扰动程度；通过全局和局部 Moran’s I 分析识别生境质量的空间聚集特征，从而更加全面地反映研究区生态环境质量状况。
参考文献：
- [1] Baixue W, Weiming C, Shengxin L. Impact of land use changes on habitat quality in Altay region[J]. Journal of resources and ecology,2021,12(06):.715-28
- [2] Berta Aneseyee A, Noszczyk T, Soromessa T, et al. The InVEST habitat quality model associated with land use/cover changes: A qualitative case study of the winike watershed in the omo-gibe basin, southwest ethiopia[J]. Remote sensing,2020,12(07):1103.
- [3] Li Z, Ma Z, Zhou G. Impact of land use change on habitat quality and regional biodiversity capacity: Temporal and spatial evolution and prediction analysis[J]. Frontiers in environmental science,2022,10:1041573.
- [4] Zhang J, Yan F, Su F, et al. Response of habitat quality to land use changes in The Johor River Estuary[J]. International journal of digital earth,2024,17(01):2390439.
- [5] Li Y, Duo L, Zhang M, et al. Habitat quality assessment of mining cities based on InVEST model—a case study of Yanshan County, Jiangxi Province[J]. International journal of coal science & technology,2022,9(01):28.
- [6] Qin X, Yang Q, Wang L. The evolution of habitat quality and its response to land use change in the coastal China,1985–2020[J]. Science of the total environment,2024,952:175930.
- [7] Zhu C, Zhang X, Zhou M, et al. Impacts of urbanization and landscape pattern on habitat quality using OLS and GWR models in Hangzhou, China[J]. Ecological indicators,2020,117:106654.
- [8] Zhu Y, Tian D, Yan F. Effectiveness of entropy weight method in decision-making[J]. Mathematical problems in engineering,2020,2020:1-5.
- [9] Chen S, Liu X. Spatio-temporal variations of habitat quality and its driving factors in the Yangtze River Delta region of China[J]. Global ecology and conservation,2024,52: e02978.
- [10] Tang F, Fu M, Wang L, et al. Land-use change in Changli County, China: Predicting its spatio-temporal evolution in habitat quality[J]. Ecological indicators,2020,117:106719.