文摘

随着经济的快速发展,土地利用/覆盖变化(LUCC)大湾地区(GBA)发生了巨大的变化,已经直接负面影响生态系统功能和服务。可持续土地利用的发展战略,以定量评价生态系统服务是必需的。基于土地利用多瞬时数据(2005、2010、2015、2020),等效系数表法被用来评估生态系统服务价值(esv),以及LUCC生态系统服务的影响进行了分析。未来土地利用模拟(流感)模型和multiscenario模拟被用来预测2030年的土地利用变化。我们的研究结果表明,esv的损失从2005年到2020年下降了142.9亿元。高价值的生态系统服务的空间分布集中在外围区域的北部地区在GBA,和这些地区土地利用开发和人类活动较少。与2020年相比,今年的总esv常态(BAU)情况下,社会经济发展(SED)场景,和耕地保护的优先级(CPP)场景在2030年下降,同时增加生态保护优先级(EPP)场景。在CPP的场景中,调节,支持,配置,和文化服务略微增加,但他们减少在其他场景。LUCC的模式在esv下降的主要原因,如土地生态价值高的损失。此外,介绍了四象限分析,以确定哪些土地利用模拟由政府将被采纳。 The findings of this study provide valuable information for decision-making and policy development in the coastal zones and for the sustainable management of ecosystems.

1。介绍

随着工业化和城市化的迅速发展,人口已发展到前所未有的水平,和自然资源不断开发(1),导致自然生态系统入侵的增加在过去的世纪。来抵消增加的全球生态系统的压力,提高自然资源的供应(2,3),生态系统服务的概念(ESs)已经提议,和对生态系统服务的研究得到了广泛的关注4,5]。“自然服务”一词是由韦斯特曼(第一次使用学术6测量”是大自然的服务值多少钱?”,同时,“生态系统服务”被正式引入了埃利希和穆尼(7]。两个开创性研究生态系统服务和自然资本是出版于1997年(8,9]。自那时以来,生态系统服务已经引发了一场讨论,ESs的评价已经成为一个核心问题在决策和土地管理4]。

生态系统服务是指自然环境条件和功能形成和维持的生态系统为人类的生存和发展。这些服务是人类获得的好处,直接或间接地从生态系统功能9,10),他们分为四类:供应、管理、支持、和文化服务(11,12]。十七16生物群落类型的生态系统服务系数被首次提出Costanza et al。9,13]。这些新方法可以申请评估生态系统服务价值(ESV),它被定义为生态系统服务的边际价值的估计14];这些系数的不确定性研究[15]。在2014年,这些评估全球esv更新的et al。10基于相同的方法应用于1997年。从那时起,大多数科学研究被称为或改善Costanza的方法来估计esv在不同的尺度,如省级规模、区域范围内,全国范围内,全球范围内(2,16]。中国ESV系数修正了谢et al。12),包括11个服务类型根据中国生态特征。在目前的研究中,采用这种分类和新的修正系数是用来估计指的是地方特色的现代本。

社会经济的可持续发展取决于生态系统服务的可持续供应(17]。然而,世界面临着环境污染和生态系统的不断开发18]。一些强烈的情况下与土地利用相关的生态系统破坏系统和不同的功能在特定领域已经达到或超过了生态系统的承载能力,甚至成为不可逆转的。土地利用变化/封面(LUCC)是一种重要的人类活动影响的生态系统(5,19]。LUCC改变了生态系统的结构和功能,影响生态系统的生态系统产品和服务的供给模式和流程20.,21]。高强度人类活动,包括城市扩张和土地开发,增强了全球LUCC过程(22,23),影响生态系统和加剧了ESV的损失。大大影响了生态系统服务和生态效益损失引起的不平衡(19]。因为有时间滞后之间的土地利用变化和生态系统响应(24),土地使用遗产影响生态系统服务条款。因此,了解LUCC对生态系统服务的影响有助于决策者的负面影响降到最低LUCC或通过有针对性的管理措施来缓解生态压力。分析过去的LUCC动态(25)可以帮助研究人员预测未来土地利用模拟的潜在影响,揭示权衡2]。因此,研究LUCC对生态系统服务的影响引起了越来越多的关注(1]。

esv的空间分布以应对LUCC研究[26]。黄等。27)投资模型用于分析ESV LUCC的影响。ESV损失造成的LUCC表现出明显的空间异质性由于土地利用的空间差异28]。近几十年来,一系列的土地利用开发了仿真模型具有良好的精度,如logistic-CA [29日)模型,细胞automata-Markov (CA-Markov)模型(30.),土地利用转换及其在小区域的影响程度(CLUE-S)模型(31日),和人工神经network-cellular自动机(ANN-CA)模型(32]。随后,未来土地利用模拟基于传统的CA模型(流感)模型是由刘et al。33)和被证明比其他模型模拟精度更高。流感模型已经成为一个主要的工具在ES的研究,可以实现在不同的空间尺度上和地区来分析城市增长边界模拟(17,19,34)、洪水风险评估(35),典型的发达地区(5),山区(36),和大都会地区(37]。虽然社会经济和地理条件作为流感模型中的因素(38背景),很少有研究考虑气候因素,对LUCC具有重要的影响。气候因素是因此在这项研究中,解决和POIs也选中。

大湾地区(GBA)是沿海地区的一个主要在中国和一个至关重要的关键区域连接皮带和道路的发展。该地区经历了复杂的土地利用变化由于快速城市化和高强度人类活动的发展(39]。因此,它是一个很好的案例研究来评估长期LUCC生态系统服务的影响,原因如下。一个大的人口比例(https://www.stats.gov.cn/)极大地受益于典型的沿海地区提供高度多样性的生态系统服务。此外,沿海生态系统及其相关的生态系统服务是很容易被LUCC和气候变化。在这项研究中,我们集中在GBA。本研究的主要目标是评估ESV,预测未来的分布LUCC使用multiscenario基于流感模型,仿真分析和评估产生的变化ESV GBA LUCC的影响。

本研究的创新如下。首先,我们使用一个未来土地利用现代本仿真模型来评估。流感模型的优点是可以处理复杂的竞争和不同土地利用类型之间的交互。第二,我们专注于评估社会和经济因素的影响,但气候,土地使用的设施和其他环境因素预测也考虑。最后,我们开发了一种四象限分析,以确定哪些土地利用模拟预计将通过政府,因此,提供科学决策支持在GBA可持续土地利用和生态系统管理。

2。材料和方法

2.1。研究区域

GBA位于111°12′E 115°35′E和21°25 24°30′′N N(图1)。GBA在于脆弱而复杂的生态环境在中国东南沿海地区。它延伸超过56000公里的一个领域²等各种地形、山脉(低山和丘陵)、平原(冲积平原和三角洲平原),和岛屿。GBA的亚热带季风气候,年平均温度约为21.4 - -22.4°C,年均降水量1808毫米,年平均日照2000小时的h (https://data.cma.cn/)。

GBA由9个地市级城市广东省和两个特别行政区(香港和澳门)在珠江三角洲地区。像其它沿海地区,GBA是一个重要的经济开发区,人口相对集中的总计8640万人,越来越集中的行业,总在2020年国内生产总值11.3万亿元(https://www.stats.gov.cn/)。

随着我国城市化和工业化的快速发展在GBA,日益频繁的人类活动,快速的城市扩张,并逐步增加区域不平等,土地利用发生了显著变化,导致过度开发利用活动(5,39]。与此同时,生态环境将面临越来越大的压力,导致持续的生态系统服务功能的下降。因此,有必要评估esv和模拟esv的变化在未来LUCC的反应。

2.2。数据源和土地分类

我们收集历史土地利用数据(2005、2010、2015、2020)和驱动因素(表数据1),获得的资源环境科学数据中心、中国科学院(30 m分辨率)(https://www.resdc.cn/)。土地利用数据被用于LUCC multiscenario仿真分析和评估。在这项研究中,湿地是分开列出(40),所以LUCC的类型进行分类分为七类:耕地、林地、草地、水体、湿地、建设用地和未利用土地(表2)。(表的动态信息3)土地使用使用ArcGIS软件花了15年时间计算。然后,我们获得了转移矩阵,代表了定量不同土地利用类型之间的转换。

根据先前的研究结果,考虑到数据的可获得性17,19),空间数据集驱动因素为LUCC multiscenario模拟被选中,如表所示1。数字高程模型(DEM), 12.5米分辨率,担任的基础地形高度和斜率的计算和数据方面。土壤数据特征(例如,粘土含量、含泥量和含砂量)、温度、降水、国内生产总值(GDP),人口资源和环境科学数据中心提供的中国科学院。城镇社会经济数据,包括数据、住宅数据铁路数据、交通数据、水系统数据,收集数据(POI)和设施,从开源数据检索OpenStreetMap (OSM)。一个统一的坐标变换与ArcGIS执行。社会经济数据和设备数据被欧氏距离计算分析。WGS_1984的空间参考坐标系建立了匹配的土地利用数据和驱动因素的数据。

统计数据集在生态系统服务,包括单位面积粮食产量和农作物总播种面积,得到来自国家统计局,中国统计年鉴、广东统计年鉴和统计各种城市GBA的年鉴。此外,一些政策文件获得GBA的政府报告。

2.3。生态系统服务价值

的等效系数表法三种主要ESV评价方法(41),是更直观,适合esv的评估,因为它有更少的区域和全球尺度上的数据需求。单位面积生态系统服务价值在本研究修订的参考先前的研究[42)基于区域农田修正的方法。公式定义如下: 在哪里是修正因素。和年度平均粮食生产的耕地在GBA和中国,分别。代表了修正因子对土地利用类型我,而表示引用的标准当量因子谢et al。12为土地利用类型)我耕地、林地、草地、水体、湿地、建设用地和未利用土地。

因为农田的粮食生产功能相当于ESV系数,确定的经济价值平均每年每公顷农田的自然食品生产是一个重要指标。一般来说,天然食品生产等于1/7的实际粮食产量(43]。我们计算年平均农田的粮食生产GBA和中国在2020年和获得大约5500公斤/ hm的价值观²和5600公斤/嗯²分别,然后确定标准的等效系数。基于单位面积上的平均净利润的主要食品(大米和大豆),一个等值的平均ESV GBA是2215.61元人民币嗯⁻²·年⁻¹。单位面积值一些土地利用/覆盖类型的计算基于此等效系数表,服务价值系数组合土地是0 (19]。因此,单位面积生态系统服务的价值表(表中获取不同的土地利用类型4)。ESV,包括每个每公顷土地利用类型,计算,根据以下方程: 在哪里 , ,和指的是现代本的类型我生态系统,一类的能力 ,分别和总ESV。面积(嗯²)的类型我生态系统,(元/嗯²为土地利用类型)表示值系数我和生态系统服务功能类型j。

2.4。土地利用变化的空间模拟

LUCC仿真模型是有效的和可再生的工具来分析土地利用模式的原因和后果承担各种场景(33]。流感模型首次应用于模拟LUCC从2000年到2010年在中国大陆33]。流感模型是由一个自适应惯性和竞争机制引入元胞自动机(CA)模型预测土地利用变化(33,44];采用马尔可夫链(MC)方法来预测土地利用的规模和多层人工神经网络(ann)被用来估计不同土地利用类型的发生概率。在这项研究中,我们使用GeoSOS-FLUS软件开发既是一个地理模拟和优化系统(GeoSOS)和流感模型。多个LUCC GeoSOS-FLUS软件是一个功能强大的工具来预测人类和自然场景的耦合效应。它可以用来制造LUCC模拟更方便和高效36]。是很重要的决策者来预测未来土地利用变化和动态LUCCs multiscenario模拟。流感的总体结构模型如图2。

2.4.1。预测土地利用类型

像素的未来类型使用马尔可夫链预测模型。土地利用类型的转移概率矩阵45)是计算从之前的状态t土地利用状态的时间t+ 1 (46]。在这项研究中,十年被选为初始预测单元获取土地利用变化和土地利用类型在2020年预测。Kappa系数和品质因数(FOM)被用来评估建模精度更好的比较我们的仿真结果在2020年与2020年以前的研究。然后,2030年土地利用类型预测的历史数据输入到流感模型。我们还预测2030年multiscenario模拟。模型停止输出结果当它实现了迭代的目标;否则,土地利用需求没有满足,和模型在预测迭代300次。

2.4.2。土地利用变化模拟使用元胞自动机(CA)

CA模拟实现的两个步骤。步骤1:人工神经网络(ANN)是用于培训和估计的概率发生的每个特定像素的土地利用类型。步骤2:一个可靠的自适应惯性和竞争机制的目的是识别竞争和不同土地利用类型之间的交互。土地利用类型的变化是通过高转换的CA迭代期间发生的概率;例如,一个特定像素保留当前土地利用类型或转移到另一个土地利用类型。一个示意图CA模型的框架呈现在图2。

人工神经网络通常用于捕获的非线性因素,依赖于独立变量之间的关系。它符合输入数据之间的复杂关系和预测目标通过许多learning-recall迭代(47),广泛应用于土地利用变化的研究。在这项研究中,民主党方面,斜坡,土壤类型、温度、降水、潜在的作物,归一化植被指数、生态保护、GDP、人口,距离镇,距离居民区,距离铁路、交通距离,距离水和POI被选为潜在的LUCC驱动因素(表1)。土地利用转移矩阵是确定,土地利用类型的发生概率估计。预期的输出和当前输出比较通过随机选择的主要重量(48然后预测未来土地利用类型。一般来说,一个安由三层组成:一个输入层、隐藏层和输出层网络。其公式如下: 在哪里 像素的概率是来自原始土地利用类型转换到目标土地利用类型k在迭代时t;是一个自适应输入层和隐层之间的重量;是激发函数从隐层到输出层;和 隐层的信号接收到吗n从像素p在时间t。

ANN模型建立了表面发生概率之间的关系为一个特定的土地利用类型和给定的空间因素33]。土地利用类型的像素是否转换为一个特定的土地利用类型不仅和发生概率是一致的,也与其他变量组件占在预测期间的不同发展状态。因此,发生的概率是结合转换成本,社区条件,不同土地利用类型的竞争和交互估计每个土地利用像素的联合概率。

2.4.3。Multiscenario土地利用预测

CA模型决定了土地利用类型根据像素年代以前在微尺度国家,邻居像素的状态,和土地利用转移规则(17]。CA的邻居重量价值描述了邻居不同土地利用类型之间的相互作用(17,49]。在这项研究中,采用3×3摩尔社区模型,和社区的重量各土地利用类型范围从0到1;重量越大,土地利用类型的扩张能力更强(46]。转换成本被定义为的难度将从当前土地利用类型转换为另一种土地利用类型。转换成本值在0和1组成的二进制矩阵,在零意味着转让行与列的土地利用类型是不允许的,当一个意味着允许转让(34]。

LUCC的特点和社会经济发展的现状在GBA,我们考虑四个场景:常态(BAU),社会经济发展(SED),耕地保护优先级(CPP)和生态保护优先(EPP)。土地利用转移矩阵的四个场景显示计算2030年土地利用类型的转移概率矩阵从2010年到2020年。GeoSOS-FLUS软件用于计算土地利用适应性概率基于LUCC的土地利用数据和驱动因素(如DEM、方面、坡度、土壤类型、温度、降水、潜在的作物,归一化植被指数、生态保护、GDP、人口,距离镇,距离居民区,距离铁路、交通距离,距离水,和POI)。然后,鲍起静LUCC的空间分布数据,SED, CPP和EPP场景。

3所示。结果

3.1。土地利用/覆盖的变化

3.1.1。时序分析LUCC

土地利用/覆盖类型的比例如表所示3。林地主要土地利用类型在GBA 2005年,2010年,2015年和2020年,占54.86%,54.39%,53.85%,和53.70%,分别,其比例表现出持续下降。耕地占23.84%、22.89%、22.43%和21.88%,分别和这些类型似乎也经历一个持续缓慢下降在2005年,2010年,2015年和2020年。水面积不断下降。此外,建设用地的比例表现出不断增加的趋势,占11.59%,13.34%,14.27%,和15.02%,分别。草原和湿地往往波动从2005年到2020年,最初降低,然后增加,最后下降。未利用土地的比例是最小的,它减少,只占不到0.03%的GBA。

从2005年到2020年,组合土地表现出最大的变化在GBA,总净面积增加了1921.61公里²(表3)。耕地和林地的净面积变化较大,其次是水域和湿地。最后,土地闲置的净面积变化是最小的。该地区土地利用/覆盖类型显示在不同阶段不同的特点。从2005年到2010年,耕地和林地数量大幅下降,下降为531.61公里²和260.79公里²分别,而建设用地最显著增加(957.66公里²)。从2010年到2015年,林地面积显示最大的减少(306.96公里²)。减少耕地和水域面积为254.32公里²和105.74公里²,分别。草原的面积增加(139.50公里²)和湿地略有增加(2.68公里²)。建设用地表现出不断增加的趋势,区域面积525.95平方公里²。从2015年到2020年,耕地的面积减少最多,其次是林地、草地和湿地,而水面积增加。

土地利用/覆盖类型的改变率在不同时期(表显示不同的特点3)。在2005 - 2020年,耕地、林地和水域显示缓慢下降阶段,而土地闲置和湿地减少更加迅速,分别占66.10%和34.84%。然而,建设用地增加最快的(29.60%)。

3.1.2。土地利用/覆盖变化的空间格局

土地利用/覆盖类型的空间分布在GBA如图3。主要的土地利用类型在GBA林地和农田。林地主要分布在西部,西北部和东部地区。农田被发现在中部、西南和东部地区,包括广东、佛山、中山、江门、惠州。建设用地集中在中部地区,有一个高水平的城市化,如广东、深圳、香港和澳门。草原是分散在GBA。水域主要分布在GBA的北部地区。

3.1.3。LUCC的转换模式

总转换区域土地利用/覆盖类型发生在GBA从2005年到2020年达到6242.17公里²。转换后的土地利用类型主要是耕地、林地、水域、建设用地,占39.78%,21.69%,18.67%,和改造总面积的15.36%。这些土地利用类型主要是转化为建设用地,耕地、林地和水域。

说明主要的土地利用转换发生在2005年至2020年之间,图4显示主要的土地利用变化的空间分布。建设用地有显著提高45.00%,主要是占用耕地和林地,1502.2公里的面积增加²和723.07公里²,分别。农田下降了2483.32公里²,这方面主要是转化为建设用地,水域和林地。水域主要是改变成耕地和建设用地,553.41公里的地区²和492.31公里²,分别。少量的湿地、草原转换,转换为林地、建设用地和耕地。未利用土地的比例是最低的,它主要是转化为湿地和林地。最后,土地利用/覆盖类型的转换是由人类活动引起的,其中最重要的驱动因素。

3.2。生态系统服务价值的变化

3.2.1之上。时序分析的生态系统服务价值

的高质量发展工业化和城市化在GBA,构建土地是城市和农村地区的不断扩大,建设与城市化的扩张,工业和交通运输导致林地的占领,水域、农田,代表减少esv的主要驱动因素。GBA的生态系统服务的价值在2005年,2010年、2015年和2020年如表所示5和图4。2005年esv总额约5581.4亿元,2010年5506.9亿元,5444.8亿元,2015年和2020年5438.5亿元,表现出持续下降的趋势。所提供的生态系统服务价值的不同土地类型是不同的。林地贡献最多,占总数的75%以上ESV,其次是水域,占大约20%。在土地利用/覆盖类型中,ESV林地和水域的损失重大,减少89.5亿元和41.2亿元,分别紧随其后的农田和湿地,分别下降了9260万元和5940万元。ESV土地闲置损失最低,减少值005万元。相比之下,ESV草原增加了3005万元,占总ESV的不到2%。

3.2.2。空间生态系统服务价值的变化

图5也显示了空间分布的变化。生态系统服务的价值领域集中在几乎每一个外围的GBA北部地区;这些地区有更少的土地利用开发和人类活动和主要位于肇庆、惠州、江门。相反,低价值的区域生态系统服务分布在GBA的中部地区,包括广东、东莞、中山、香港和澳门;这些地区受到强烈的人类活动和土地利用变化频繁,尤其是构建土地的扩张。

确定哪些类型的土地过渡,主要影响总ESV改变,我们生产的转移矩阵变化在2005年和2020年之间。增加和减少的变化如图6,一般来说,esv的损失大于生态服务的增值。esv下降的地区分布在整个GBA,佛山市最大的损失分布,而增加的地区esv散落在GBA的中部地区,如城市珠海。

3.2.3。在不同的生态系统服务价值变化

从2005年到2020年,规范服务贡献最多,占最高比例(> 70%)的生态系统服务。其次是配套服务,占约20%,而提供服务和文化服务占总ESV的最低比例,大约10%。

规范服务、支持服务和文化服务显示连续下降趋势,而供应服务显示轻微下降然后略有增加,如图6。从2005年到2020年,主要的生态系统服务类型,包括调节服务、支持服务、供应服务、文化服务,经验丰富的ESV亏损108亿元,23.8亿元,5660万元,和5480万元,分别。

生态系统服务的亚型,调节水流对总ESV的贡献最大,其次是气候调节、维护土壤、生物多样性保护,空气质量监管、废物处理和美学灵感。相比之下,维护养分循环的贡献。ESV的供水展出increasing-decreasing-increasing趋势。水流的规定经历了最初的降低,然后增加。所有其他生态系统服务的esv亚型在所有时期(图有所下降7)。

3.3。未来的LUCC变化和电动汽车

3.3.1。LUCC 2030年

中华民国的结果如表所示S1。中华民国值大于0.74,这表明有一个适合每个土地类型。此外,Kappa系数和土地利用的总体精度仿真场景中分别为88.29%和92.58%,分别是用来评估的准确性仿真结果比较真实之间的差异在2020年土地使用和模拟土地利用。的FOM是0.2535,这是一个高精度的价值。在这项研究中,multiscenario土地利用进行了模拟,包括鲍起静、SED、CPP、EPP(图8)。结果表明,土地利用类型的变化与空间区域分布是一致的(例如,建设用地的分布)没有任何大的偏差在空间位置,但也有不同的地方。与2020年相比,各土地利用类型的面积变化是相当大的,2030年和整体土地利用程度的碎片是更重要的。

识别主要的转换类型,我们提取的土地利用类型的转变从2020年到2030年从转移矩阵基于鲍起静,CPP, SED和EPP场景(表6、表S2- - - - - -S5)。结果表明,大部分的土地利用类型进行了转换,包括耕地、建设用地、林地、水域。

鲍起静的场景中,区域城乡建设用地和草原是484.33公里²和80.75公里²分别在农田、水域,林地451.46公里²66.02公里²,48.50公里²,分别。建设用地的增加主要是由于职业的农田,土地利用的变化是一致的,在土地转移矩阵;因此,建设用地大幅增加了60.62%,而农田下降了70.37%。战略经济对话场景下,不断满足经济和社会快速发展,对土地的需求增加。有一个快速发展的城市扩张,扩大从原来的城市边界的边缘,和建设用地显著增加(总面积459.40公里²),而草地的面积仅略有增加。然而,林地迅速下降(361.71公里²)其次是减少水域、农田、湿地和未利用土地略有下降。建设用地的扩张导致了转换的林地、耕地、水域,这些结果符合土地传递矩阵。在CPP的场景中,农田在维护国家粮食安全发挥了重要作用。国家安全系统的框架内,我们的目标是控制最少的耕地,保护基本农田保护区。耕地的面积增加(64.58公里²),建设用地仅略有增加(29.37公里²)。林地减少最多,面积共154.08公里²。林地转化为扩大耕地,草地转化为城市建设的土地利用转移矩阵。EPP的场景中,有更少的压力生态土地、林地、水域、草地。与2020年相比,农田的面积下降,总减少451.42公里²,而其他土地利用类型,包括林地、草地、水域、湿地,显示增加面积47.09公里²34.51公里²19.70公里²,2.79公里²,分别。生态土地提供高质量的服务功能,虽然农田的面积最减少和建设用地的面积增加了。

3.3.2。2030年esv的变化

esv的变化在GBA多个场景模拟2030年展示在表7。鲍起静esv显示一个下降的趋势,SED,和CPP场景,减少总额为21.8亿元,18.5亿元,和69亿元,分别。人民军ESV显示上升趋势的情况下,共增加14.3亿元。生态系统服务的类型而言,鲍起静,SED,和CPP场景,的值调节服务、支持服务、供应服务、文化服务与2020年相比,下降时人民军场景中略有增加。

esv的不同的模拟场景显著不同是由于不同土地利用类型(表S2- - - - - -S5)。鲍起静的场景,总ESV的下降是由于减少ESV的农田,损失25.7亿元,其他土地利用类型的变化导致了小ESV的增加或减少。在战略经济对话场景中,esv的损失是来源于区域建设用地的增加和减少农田的面积,值34.7亿元和32.7亿元,分别,紧随其后的是林地、草原、湿地、esv的减少01.3亿元,590万元,和150万元,分别。然而,esv的增加是由于在水领域略有增加,总价值140万元。在CPP的场景中,农田的减少非常克制,和esv的损失也重要,增加10.3亿元,其他土地利用类型(e . g。、林地和水域)被转换为草原和湿地,生态服务的价值增加。在人民军场景中,esv起源于水域的贡献增加,林地、草地,值09.6亿元,05.4亿元,和02.2亿元,分别。这是因为保护生态环境导致esv显著增加由于限制开发活动和部分恢复受损的栖息地。

4所示。讨论和结论

4.1。讨论

以下4.4.1。LUCC对ESV的影响

土地利用的变化是由人类活动和生态环境之间的相互作用,导致了生态环境的变化。模式的改变土地利用和土地覆盖类型的影响因素,如人口增长、城市化、土地使用政策,生物、气候变化和土壤(50- - - - - -52),包括自然环境、当地条件、社会经济情况、和政策取向,地理环境的重要驱动因素和社会经济因素影响土地利用变化的质量和数量。例如,土地利用类型的变化是由人口增长和城市化53),如农业用地的转换定居点。因此,LUCCs对生态系统服务的影响是非常复杂的。这些变化极大地影响生态系统服务提供功能,导致变化(54,55],esv由土地利用变化引起的损失是经验丰富的在不同区域尺度(53]。因此,有人建议,土地利用模式、土地管理和土地利用规划也影响改变。是很重要的量化和评价土地利用/覆盖变化的影响在ESV和它的变化,这是必要的对土地资源的可持续发展和生态环境保护。

与其他研究,我们的研究结果表明,快速的城市扩张导致了一个巨大的损失ESV通过土地利用变化在中国,特别是在沿海地区(17,19]。GBA是沿海地区的典型代表与脆弱的生态环境。土地利用类型往往是失去平衡,这影响了现代本在气候变化和人类活动的双重影响。此外,近几十年来,密集的开发活动,如城市扩张和城市土地建设,加速了深刻LUCCs GBA。这些变化有显著影响了现代本。因此,LUCCs对生态系统服务的影响最终结果的土地使用发展与生态保护之间的关系。我们提出一个四方形的分析方法确定土地利用模拟由政府将被采纳。在四象限分析、城市建设的迅速发展表明土地利用开发,而压力较小生态土地上表明生态保护。multiscenario模拟的分布提出了根据土地利用转换和传输变化(表S2- - - - - -S5)(图9)。

esv的积极和消极效应被multiscenario模拟在四象限分析显示,和对景观的空间扩张的影响是不同的在不同的生态区域。esv的变化导致耕地的减少和建设用地鲍起静和SED场景类似,显示高土地利用开发和低生态保护的HL象限。一个原因是耕地被城市建设的扩张,占领和esv表现出下降的趋势。第二个原因是遗留效应影响esv的变化(56,57]。在我们的研究中,我们调查了在应对LUCC生态系统服务的变化。esv拒绝在鲍起静的变化和SED场景由于城市土地的不断扩张,和损失的生态服务战略经济对话场景中高于鲍起静的场景中,有一个高速的城市化和城市扩张迅速。我们相信社会经济变化的主导驱动力esv的变化(19]。在CPP场景中,esv LUCC减少最少,显示低土地利用开发和高生态保护的LH象限。应采取措施保护耕地。一方面,土地利用变化的转型应该确保一个更高级的、高质量的食品供应,更有效和更可持续的粮食安全系统在区域层面。另一方面,土地利用应该防止农田转化为nongrain作物生产,稳定粮食生产领域。人民军的场景是一样的CPP的场景中,所示的LH象限。生态环境保护应考虑在未来土地利用变化计划。最大的转换将林地、草地和水域,增加esv multiscenario模拟。

esv土地利用变化的空间溢出效应显著,不同在不同的地区不同的经济水平。有频繁的土地利用变化在高度城市化和经济上重要的地区;例如,耕地、林地和水域已经转化为建设用地,促进城市化,导致更大的空间溢出效应。土地利用的空间分布的空间异质性导致ESV的损失。此外,土地利用变化的生态效应也忽视了在中国土地利用管理和土地利用规划,造成生态环境恶化(58)和esv的损失。我们的目标是确定如何分配和发展土地利用生态的可持续性的前提下,城市高质量发展的协同效应和生态文明建设(红色如图所示9)将生成。

为了应对人口增长,人类活动的加剧,政府政策和计划,旨在提高国家的经济而不考虑环境影响(59),我们建议ESV变化的空间效应被认为是在回应的ESV LUCC GBA的影响。与经济社会发展阶段转换,这一地区的土地利用转型应该仔细控制,面临着退化生态系统服务,我们应该提供合理指导土地利用发展。

4.1.2。管理的影响

未来的时空LUCC变化和ESV通过multiscenario预测模拟,结果显示潜在的影响在GBA耗时过长。这项研究将有助于理解至关重要的生态系统服务之间的权衡LUCC所致,为决策提供有价值的信息和政策的发展。

的损失ESV具有显著的空间异质性,由土地利用空间差异引起的。打破生态系统服务的“马太效应”,生态系统服务的价值较低,因此应该优先保护。我们建议的特点和协同效应不同驱动因素应考虑优化生态系统和控制生态风险,尤其是对现代本低。复杂的人类活动对生态系统服务的影响使我们采取差异化和多样化的调节策略。政府应该全面考虑ESV土地利用变化,强调空间显式GBA的生态环境效应的程度。

此外,土地利用模式是一个关键的方式保护生态系统服务,应配合multiscenario模拟当地的地理条件和社会经济发展。土地利用的共生发展的原则发展和生态保护,GBA需要改进的空间集聚的城市构造土地,平衡职业和补充耕地的使用,和维护生态空间的高价值的生态系统服务。这些都是为了应对生态文明建设的策略来改善自然和人类活动之间的和谐,导致出版发展规划的商路Kong-Macao大湾地区在2018年。最近,当地政府试图建立生态补偿机制,遵循原则,开发人员负责保护环境和用户必须为他们造成的损害进行补偿。生态补偿机制应进一步提高通过esv和生态保护成本和将探索生态保护工作的一个重要途径。

4.1.3。局限性和未来的工作

应考虑研究的一些局限性。第一本研究的限制与估值方法。在生态系统服务评估过程中,价值系数分配给每个土地利用类型;在这项研究中,使用的价值系数是谢的et al。12生态系统服务系数),采用本地修改。然而,随着社会和经济的发展,还应该有不同的生态服务价值的理解。此外,快速的城市化进程,对土地资源的需求也应该影响生态服务功能。因此,社会经济和资源稀缺的修正因素可以考虑生态服务的价值系数。第二个限制是驱动因素可能影响LUCC的选择。从逻辑上讲,这些代表应该有一个重要的因素影响仿真精度和直接影响土地利用类型的发生的概率。几个因素被认为是在这项研究中,如地理因素、环境因素、社会经济因素、芋泥。然而,有一个缺乏政府相关决策因素,这可能导致土地利用的不确定性模拟。因此,土地使用相关利益相关者的决策因素的引入将加强科学和全面的空间通过自底向上分析模拟自然的承载能力和自顶向下分析领土空间结构秩序。城市扩张可以以较低的速度和决策的干预下紧凑和可持续增长。 In addition, the accuracy and confidence level of the analyzed results would be more significant in future simulation research.

在未来的研究中,我们将测试的适用性高分辨率模拟和关注之间的比较实验仿真结果更全面的限制因素之一。驱动因素有相对不同的对土地利用的影响,以及不同类型的驱动因素的权重必须分配。未来的工作可能包括添加驱动因素权重流感模式。流感模型转换规则也应考虑,这些规则可能会改变在很长一段。我们希望解决这个挑战在未来的工作。

4.2。结论

LUCC的时空演化特征的影响在2030年生态系统服务在GBA multiscenario模拟进行了分析,并得出了以下的结论。

在2005 - 2020年林地和农田的主要土地利用/覆盖类型,及其比例持续下降。林地主要分布在西部、西北部和东部地区,和农田被发现在中部,西南和东部地区。水域面积不断下降的GBA的北部地区。相比之下,建设用地的比例不断增加与城市化和经济水平高的结果牺牲耕地、林地、水域,这是集中在中部地区。草原和湿地的比例往往波动,一开始降低,然后增加,最后下降。

2005 - 2020年期间,esv不断下降,显著降低了142.9亿元。现代本单位面积显示显著下降,这在很大程度上是与耕地减少和建设用地的增加。林地贡献最总ESV(> 75%),和这些地区经历了巨大的土地利用转换和人类活动。高价值的生态系统服务集中在外围区域的GBA的北部地区。

与2020年相比,今年的总ESV的SED, BAU,和CPP场景在2030年下降,虽然增加了EPP的场景。土地利用变化的转换是ESV下降的主要原因。例如,大多数土地利用类型转换,改变或从农田,建设用地、林地、水域。

数据可用性

使用的数据来支持本研究的发现可以从相应的作者在获得合理的请求。

的利益冲突

作者宣称没有利益冲突。

确认

这项工作得到了社会科学联合会福建省格兰特FJ2019C034下,格兰特和华侨大学,16 skgc-qg11。

补充材料

表S1。逻辑回归的中华民国。表S2。土地利用和生态系统服务价值的变化在2030年BUA场景。表S3。土地利用和生态系统服务价值的变化在2030年的对话场景。表S4。土地利用和生态系统服务价值的变化在2030年在CPP的场景中。表S5。土地利用和生态系统服务价值的变化在2030年在EPP场景中。(补充材料)