Page 383 - 《环境工程技术学报》2023年第1期
P. 383

第 1 期                 唐娇娇等:基   于  CLUE- 和  InVES 模型的苏州市生境质量评估及预测                           · 379 ·
                                                   S
                                                           T
             1.3 研究方法                                              模型检验主要分       为  2  个部分:1)采   用  RO 曲线
                                                                                                       C
             1.3.1 CLUE- 模型                                    检 验  Logisti 二元回归模型,设       定  RO 为   0.5~1.0,
                                                                         c
                                                                                                C
                         S
                CLUE- 是荷兰瓦赫根宁大学              Verbur 等 [12-13]  当  RO 大  于  0. 时,所选驱动因子对各土地利用类
                                                                            7
                      S
                                                   g
                                                                    C
            在  CLU 模型的基础上,开发的用于模拟未来土地                          型具有较好的解释能力。2)借             助  Kapp 系数来检验
                   E
                                                                                                 a
            利用变化的模型        [14] 。此模型可以展现不同情景不同                 CLUE- 模拟效果,利       用  ArcGIS 10. 软件空间叠加
                                                                     S
                                                                                              6
            时空尺度下的土地利用变化情况                [15] ,适用于解决小         比较土地利用模拟图与现状图,普遍认为                      Kappa
            尺度范围的土地利用变化模拟               [16] 。CLUE- 模型是        系数不小    于  0.7 时,具有较理想的模拟效果 。
                                                                                                     [21]
                                                                            5
                                                  S
            在现有的土地利用变化基础上,从自然、社会等方面                             1.3.2 InVES 模型
                                                                          T
            选择对研究区有驱动性的因子,模拟未来的土地利                                 InVES 模型主要应用于陆地、淡水和海               洋  3 类
                                                                        T
            用变化格局。CLUE- 模型由非空间土地利用需求                           生态系统服务评估,旨在支持生态系统管理和决
                               S
            和空间分配模       块  2  部分组成   [17] ,非空间土地利用需           策 [22-23] 。通 过  InVES 模型生境质量模块计算苏州
                                                                                 T
            求模块根据研究区现状、特点以及发展规律,计算土                            市  201 年、201 年   和  203 年  2  种情景下的生境质
                                                                    0
                                                                             8
                                                                                      0
            地利用需求      [18] 。空间分配模块设置土地利用需求量                   量指数、生境退化程度,进而分析研究区生境质量的
            为参数,结合驱动因子的空间分布特征,对栅格形式                            时空演变特征以及土地利用覆被变化对生境质量的
            的土地利用类型归属进行分配迭代,从而模拟各年                             影响  [24] 。相应栅格内的生境质量由生境质量模块根
            份土地利用类型的时空变化             [19] 。空间模拟相关参数            据土地利用数据和威胁因素测算              [25-29] 。
            设置如下。                                                  生境退化指数 (     D x j ) 计算公式 [30 ]  如下:
                                                                                     
                                                                           y
                                                                              / n
                                                                        r
                (1)驱动因子的选择。根据数据资料的可获得                                  ∑∑      ∑    
                                                                  D x j =      w r  w r×r y ×i rxy ×β x ×S jr  (1)
                                                                                     
                                                                                     
            性、驱动因子的综合性和因子与土地利用变化的相                                      1  1    r=1  
                                                                                          (       )
            关性,从自然环境方面选取高程、坡度、坡向作为驱                                      线性衰退,i rxy = 1− d xy /d rmax   (2)
                                                                                     (             )
            动因子,社会经济方面选取人口密度、GD 以及到                                指数衰退,i rxy = exp −2.99/d rmax ×d xy  (3)
                                                  P
            公路、河流、铁路、基础设施、居民地的距离作为驱                            式中:  D x j 为土地利用类型     j 中栅  格  x 的生境退化指
            动因子,参考相关研究           [20] ,构 建  Logisti 二元回归模      数; w r 为各胁迫因子权重; 为胁迫因子强度; 为生
                                              c
                                                                                                       β x
                                                                                      r y
            型进行分析,比较接受者操作特性(ROC)曲线选取                           境抗干扰水平;       S jr 为不同生境对不同胁迫因子的相
            最优尺度。                                              对敏感程度;     i rxy为栅格  y 中胁迫因   子  r 对栅 格  x 的影
                (2)限制区域。区域约束性文件为苏州市域范                          响; d xy 为栅格  x 与栅 格  y 之间距离;   d rmax为胁迫因子
            围,设置的土地利用类型间均可发生转换(                  表  1)。        r 影响范围。

                                                                   生境质量指数计算公式如下            [25,31]
                       表 1    各土地利用类型转换矩阵                                            (         )
                                                                                          D 2 x j
                Table 1    Transformation matrix of each land use type     Q x j = H x j × 1−           (4)
                                                                                         D +k 2
                                                                                          2
                                                                                          x j
              土地利用类型       耕地     水域     建设用地     其他用地         式中:  Q x j 为土地利用类型     j 中栅  格  x 的生境质量指
                 耕地         1      1       1         1         数; H x j 为土地利用类型      j 中栅 格  x  的生境适宜度;
                                                               k 为半饱和常数。
                 水域         1      1       1         1
                                                                   根据苏州市实际情况,选择耕地、建设用地作为
                建设用地        1      1       1         1         胁迫因子,参      考  InVES 模型手册及相关研究           [32 ]  对
                                                                                   T
                其他用地        1      1       1         1         胁迫因子的权重、胁迫因子的最大影响距离、各土
                                                               地利用类型的生境适宜度(            表  2)及各土地利用类型
              注:1表示可以相互转换。
                                                               对胁迫因子敏感度等参数进行设置(               表  3)。


                (3 ) 土 地 需 求 计 算 。 基 础 数 据 为     201 年和
                                                    0
                                                                      表 2    胁迫因子的最大影响距离及其权重
            201 年的土地利用现状数据,2011—201 年各年份                           Table 2    Maximum influence distance and weight of
               8
                                                7
            的土地利用数据由线性内插法              和  GM(1,1)灰色模型                            stress factors
            获取。
                                                                 胁迫因子      最大影响距离/km      权重     距离衰减函数
                (4)土地利用类型转换规则。对耕地、水域、建
                                                                  耕地            1          0.5       线性
            设用地、其他用地的转换弹性系数多次调试,最终依
                                                                 建设用地           2.5        0.7       指数
            次确定   为  0.6、0.8、0. 和  0.7。
                               7
   378   379   380   381   382   383   384   385   386   387   388