全球城市化的加速加剧了土地利用活动，威胁着生态环境，阻碍着社会经济可持续发展目标的实现。在土地利用不断扩大的背景下，土地利用的合理管理和生态保护日益成为一个重要的问题。本文构建生态安全（ES）指数对ES格局进行评价，并利用未来土地利用模拟（FLUS）模型对山区土地利用格局进行多情景模拟。结果表明：2000-2020年，耕地和草地面积急剧减少，分别为-128.64和-228.18平方公里；林地、城市用地和其他建设用地面积增加，分别为116.12、31.21和120.69平方公里。从时间上看，山区主要表现为低、中ES型。2020-2030年，在自然发展情景下，耕地、林地和草地将呈现减少趋势，而城市和其他建设用地将呈现急剧增加趋势。相比之下，在生态保护情景下，生态用地将呈现显著增加，城市建设用地的斑块扩张较小。这些结果证实了生态系统保护效应对改善山区土地利用开发的积极贡献，可为山区生态管理政策的制定提供参考。
人类活动是地球生态系统不可分割的一部分，对自然社会经济结构、城市化、工业化和土地利用模式产生重大影响。随着全球化加强了世界的相互联系，对自然资源的需求不断上升，促进了经济增长，同时引发了许多环境问题。在整个社会经济发展过程中，生态环境的退化往往伴随着植被覆盖的减少，从而加剧了土壤侵蚀，影响了气候的调节能力。同时，自然资源的大规模开发利用导致了土地退化、土壤侵蚀和气候变化问题。土地利用方式的变化改变了地表覆盖类型，破坏了生态系统平衡，影响了区域生态安全。不合理的土地利用不仅破坏了生态平衡，而且给人类社会带来了巨大的经济损失。人类活动、自然社会经济背景、生态环境和土地利用之间存在着复杂的相互关系。通过科学规划、管理和全社会共同努力，在促进经济增长的同时保护和改善生态环境，实现可持续发展目标。
ES是指在特定区域内，生态系统的结构和功能保持稳定，并具有抵抗和适应外部干扰的能力。面对全球环境问题的加剧，ES已成为国际社会关注的焦点。一些学者从研究对象和领域的角度进行了深入的研究，包括流域、城市群、平原、煤矿矿区、自然生态保护区。然而，在极易发生变化的极端脆弱山区和喀斯特地区，仍需要进一步深入评价ES。研究方法主要包括景观指数法、层次分析法、模糊物元模型、网络DEA模型、理想解相似性排序偏好技术（TOPSIS）和生态足迹分析。此外，一些学者还构建了压力-状态-响应（PSR）、驱动-压力-状态-影响-响应（DPSIR）和压力-状态-响应-经济-环境-社会（PSR-EES）等综合评价模型。目前，综合自然因素和社会经济因素的ES评价存在不足。因此，本研究构建了一套评价ES的指标，将自然、社会和经济因素作为潜在的评价要素，分析这些因素对ES的影响。此外，本研究还采用栅格尺度和层次分析法，使各因子的评价结果能够在空间像素尺度上精确显示。该方法超越了传统的基于行政单位的评价模型，更准确地反映了区域生态系统的空间分布。
土地利用变化是指土地覆盖和土地利用方式随时间的变化。土地利用模拟是通过构建模型来预测和分析土地利用未来趋势和潜在影响的一种科学方法。在土地利用模拟领域，常用的方法包括地理信息系统（GIS）、遥感、神经网络、支持向量机、随机森林、最大熵模型、粒子群优化算法、元胞自动机（CA）、马尔可夫模型、CA-Markov模型、斑块生成土地利用模拟（PLUS）模型、小区域范围土地利用转换及其影响（CLUE-S）模型和多智能体系统。这些模型通过组合和构建，在预测土地利用数量方面具有高度的通用性，但往往难以捕捉空间斑块bbb的分布和变化。CA-Markov和CLUE-S模型增强了土地利用斑块的空间配置，但在揭示复杂因素的潜在机制和预测能力方面仍存在不足FLUS模型是地理空间模拟、参与空间优化、生态布局和辅助决策的有效工具。因此，本研究利用该技术计算土地利用类型的适宜性概率，并考虑土地利用变化的驱动因素，实现对土地利用格局未来多种情景的预测与分析。
黔东北地区地形复杂，土地资源稀缺，水土流失严重，生态空间极其脆弱。由于地形复杂、交通不便、人口密度低，大部分地区以农业为主要经济活动，造成了严重的生态破坏和自然资源浪费。山区自然生态系统不稳定，生态修复功能低下，深入探讨其对国家生态文明建设的影响具有重要意义。在此基础上，本研究的目的是：1)提出评价ES模式的评价指标体系，探讨ES模式的时空异质性；2)建立FLUS模型，模拟考虑ES模式潜在影响的土地利用多情景。通过对ES和未来山区土地利用演变趋势的分析，有助于进一步促进土地资源的优化配置，支持区域土地资源的合理规划，为地方决策者提供精确的参考。
1 土地利用动态分析
如表4所示，2000-2020年，黔东北土地利用类型以耕地、林地、草地为主，其次为水域、城市用地、农村居民点用地和其他建设用地。耕地面积从2000年的6283.60平方公里增加到2005年的6295.21平方公里，到2020年减少到6154.96平方公里。森林面积从2000年的11464.59平方公里增加到2010年的11649.02平方公里，到2020年逐渐减少到11580.71平方公里，主要分布在南部地区。草地面积呈持续减少趋势，从2000年的2903.76平方公里减少到2020年的2675.58平方公里，主要集中在中北部地区。水域面积、城市用地和其他建设用地面积均呈现持续增加的趋势，农村居民点用地则呈现先减少后持续增长的趋势，主要集中在碧江区和万山区。2000-2010年未利用地面积为0.04平方公里, 2015-2020年未利用地完全向其他土地利用类型转化。各时期耕地、林地、草地、未利用地均呈下降趋势，水域、城市用地、农村居民点用地和其他建设用地均呈上升趋势，其中水域和其他建设用地增幅最为显著。
2 土地利用流转分析
随着人类活动的发展，社会经济发展的需求增加了土地利用的数量，形成了不同时期土地利用转移的格局。从图5可以看出，2000-2005年不同土地利用类型之间的转移不显著，只有耕地、林地和草地变化最大。耕地转化为林地和草地的面积分别为49.980和9.32平方公里，林地转化为耕地和草地的面积分别为9.39和1.21平方公里。草地转耕地面积为61.36平方公里，林地面积为128.57平方公里。2005-2010年，耕地转化为林地、草地和城市用地的面积分别为2.05、8.53和3.94平方公里。同期，林地转化为耕地、农村宅基地和其他建设用地的面积分别为2.17、0.23和2.62平方公里。
2010-2015年，耕地转化为水域、城镇用地、农村宅基地和其他建设用地的面积分别为14.60、11.62、12.51和57.63平方公里。林地转化为水域和其他建设用地的面积分别为8.81平方公里和18.31平方公里。草地转化为水域和其他建设用地面积分别为2.74平方公里和17.03平方公里。2015-2020年，耕地转化为水域、城市用地和其他建设用地的面积分别为9.25、3.19和17.58平方公里。林地转化为水域和其他建设用地面积分别为30.45平方公里和6.76平方公里。此外，草地转化为水域和其他建设用地面积分别为5.54和6.64平方公里。其他建设用地转化为城市用地的面积为7.81平方公里。总体而言，不同时期土地利用流转数量不平衡，导致黔东北土地利用不稳定。
3 生态安全因子等级分析
本研究对黔东北不同空间尺度的生态系统评价进行了深入研究，找出了影响生态系统评价的关键因素。构建该指标体系和方法的目的是研究ES结果在不同空间区域和网格尺度上的分异规律，从而深入了解ES变化的幅度和变异性。根据已有的研究经验，结合研究区山地特征，选取了具体的ES评价因子，并将其划分为1~5级。这些等级对应于生态环境的敏感性和ES的产生程度。等级越高，生态过程越稳定，ES水平越高。图6显示了基于不同因子属性的ES等级空间分布差异，每个因子在空间尺度上具有不同的层次属性。
4 生态安全的时空评价
4.1 生态安全的定量动态
随着时间的推移，土地的严重扰动对区域生态环境产生不同程度的影响，导致ES发生不同程度的变化。了解ES的这些变化对于有效治理和生态恢复至关重要。如表5所示，2000-2020年，黔东北ES处于低至中等水平，最大分布面积分别为11510.30平方公里和8220.92平方公里。其次是高水平和低水平，面积最大，分别为3426.65平方公里和2829.13平方公里。低ES百分比从2000年的6.59%下降到2005年的6.16%，到2020年上升到13.92%，呈现波动趋势。低ES占比从2000年的41.46%下降到2010年的37.91%，2015年上升到56.65%，2020年再次下降到47.52%。中度ES表现出2种减少和2种增加的模式。高ES总体呈现先上升后下降的趋势，从2000年的12.42%下降到2005年的16.86%，到2020年继续下降到9.35%。高ES从2000年的1.85%上升到2015年的5.45%，然后下降到2020年的4.91%。黔东北地区地理环境复杂，多种喀斯特地貌并存。植被覆盖的显著差异，降雨、气温和人为因素直接影响区域生态环境的水平和垂直分布。高山峡谷的ES通常较低，而在植被覆盖广、水分分布广、生物多样性丰富的低山丘陵，ES分布较高。降雨、气温和人为因素直接影响区域生态环境的水平和垂直分布。高山峡谷的ES通常较低，而在植被覆盖广、水分分布广、生物多样性丰富的低山丘陵，ES分布较高。
4.2 生态安全的空间差异
如图7所示，2000-2020年，由于多种因素的综合作用，黔东北ES在空间尺度上既具有全球相似性，又具有局部差异性。低ES型分布主要集中在沿河土家族自治县（简称沿河县）、德江县、思南县、石阡县、碧江区、万山区和玉屏侗族自治县（简称玉屏县）。随着时间的推移，低ES呈扩大趋势，覆盖范围广。低ES分布遍及整个研究区，具有较大的空间覆盖率。随着城市化和工业化进程的推进，这种低ES类型的面积不断增加，表明贵州东北部整体ES属于低等级。2000-2010年，中高ES型主要分布在研究区中部，并向西北方向扩展。这些地区主要分布在印江土家族苗族自治县（简称印江县）、江口县、务川县和德江县。但在2015-2020年期间，这些地区呈现局地收缩趋势，表明该地区中高ES减少。2000-2010年高ES主要分布在务川县、印江县和德江县，石阡县、江口县和碧江区分布较少。2015-2020年，研究区北部和中部高ES呈分散分布，在印江县、德江县、思南县、石阡县、松桃苗族自治县（简称松桃县）、碧江区、万山区、玉屏县形成点状分布格局。东西部印江县、德江县、思南县、石阡县、松桃县、碧江区、万山区、玉屏县均呈高ES带状分布，中部呈低ES分布。
5 生态安全空间变化分析
如图7所示，2000-2020年，由于多种因素的综合作用，黔东北ES在空间尺度上既具有全球相似性，又具有局部差异性。低ES型分布主要集中在沿河县、德江县、思南县、石阡县、碧江区、万山区和玉屏县。随着时间的推移，低ES呈扩大趋势，覆盖范围广。低ES分布遍及整个研究区，具有较大的空间覆盖率。随着城市化和工业化进程的推进，这种低ES类型的面积不断增加，表明贵州东北部整体ES属于低等级。2000-2010年，中高ES型主要分布在研究区中部，并向西北方向扩展。这些地区主要分布在印江县、江口县、务川县和德江县。但在2015-2020年期间，这些地区呈现局地收缩趋势，表明该地区中高ES减少。2000-2010年高ES主要分布在务川县、印江县和德江县，石阡县、江口县和碧江区分布较少。2015-2020年，研究区北部和中部高ES呈分散分布，在印江县、德江县、思南县、石阡县、松桃县、碧江区、万山区、玉屏县形成点状分布格局。东西部印江县、德江县、思南县、石阡县、松桃县、碧江区、万山区、玉屏县均呈高ES带状分布，中部呈低ES分布。空间分布的减少和增加面积主要分别为2817.07和16909.17平方公里，覆盖了整个研究区域。显著增加面积为586.42平方公里，主要分布在德江、沿河和务川县。2005-2010年，ES的变化以减少和增加为主，面积分别为15945.26平方公里和4043.34平方公里。研究区内减少变化的空间分布跨越整个研究区，显著减少和显著增加的面积分别为185.72平方公里和145.34平方公里。
2010-2015年，变化减少面积为14451.47平方公里，变化增加面积为5120.29平方公里，研究面积明显减少。显著增加面积为708.54平方公里，主要集中在沿河县、德江县、思南县、石阡县、松桃县、碧江区、万山区和玉屏县。与2010-2015年相比，2015-2020年ES呈减少趋势的面积呈增加趋势，总面积为19146.83平方公里；总面积为926.56平方公里，呈增加趋势，呈减少趋势；显著的增长表现为逐渐的收缩，呈点状分布，分散在各县之间。总体来看，黔东北ES减少面积和增加面积的变化呈下降趋势，表明近年来通过实施生态治理和生态文明建设，区域生态质量逐步恢复。
6 生态安全集聚分布分析
热点识别模型反映了ES的集聚和分化特征，可以帮助我们了解地球表面社会经济发展对ES影响的空间分布。如图9所示，2000-2005年，ES的一般热点、次热点和热点区域主要集中在研究区中部和北部的德江、务川、沿河、印江等县。冷点和亚冷点主要分布在研究区内松桃、碧江、江口和思南县西部。
如图7所示，2000-2020年，由于多种因素的综合作用，黔东北ES在空间尺度上既具有全球相似性，又具有局部差异性。低ES型分布主要集中在沿河县、德江县、思南县、石阡县、碧江区、万山区和玉屏县。随着时间的推移，低ES呈扩大趋势，覆盖范围广。低ES分布遍及整个研究区，具有较大的空间覆盖率。随着城市化和工业化进程的推进，这种低ES类型的面积不断增加，表明贵州东北部整体ES属于低等级。2000-2010年，中高ES型主要分布在研究区中部，并向西北方向扩展。这些地区主要分布在印江县、江口县、务川县和德江县。但在2015-2020年期间，这些地区呈现局地收缩趋势，表明该地区中高ES减少。2000-2010年高ES主要分布在务川县、印江县和德江县，石阡县、江口县和碧江区分布较少。2015-2020年，研究区北部和中部高ES呈分散分布，在印江县、德江县、思南县、石阡县、松桃县、碧江区、万山区、玉屏县形成点状分布格局。东西部印江县、德江县、思南县、石阡县、松桃县、碧江区、万山区、玉屏县均呈高ES带状分布，中部呈低ES分布。在此期间，冷热地区呈现出北部ES较高、南部ES较低的格局。2005-2010年，ES热点和亚热点在研究区内呈零星分布。总体热点主要分布在研究区北部，在思南县、碧江县和松桃县有零星发生。冷点和亚冷点主要分布在务川县、德江县、石阡县、江口县、万山县和玉屏县。
2010-2015年，研究区内总体热点、次热点和热点的演化格局由北向南延伸，沿东西两端呈点状和条状分布。次热点区约占整个研究区的89.78%，表明该时期ES总体处于较低的状态。2015-2020年，ES主要表现为一般热点和子热点的分布特征。总体热点分布在南部，次热点主要集中在中北部，其次是亚冷点和冷点。总体而言，黔东北ES冷点和热点的空间分异格局在每个时期都表现出显著的变化，与生态过程和环境变化直接对应。通过热点方法识别它们的演变具有重要的价值，可以为当地相关生态环境部门提供参考。
7 土地利用多情景模拟与分析
7.1 精度验证
通过对2010-2015年土地利用格局的模拟，验证了该模型预测2020年土地利用格局的准确性。如图10所示，模拟的2020年黔东北土地利用空间格局与实际土地利用格局吻合较好。区域土地利用斑块总体分布较为一致。通过对黔东北地区局部斑块的详细对比，我们发现当地林地、草地、耕地、水域、农村居民点用地、城市用地和其他建设用地的分布是一致的。利用Kappa系数、FoM等验证指标对2020年土地利用格局进行空间评价，生产精度为98.06%，总体精度为97.80%，Kappa系数为96.14%，FoM指数为0.28。这些指标得到的数值在模型的可行性要求范围内，与其他土地利用模拟研究的结果一致。在满足精度要求后，利用马尔可夫链确定土地利用数量，通过对黔东北土地利用格局的模拟，证明该模型真实可靠。
7.2 2025年和2030年空间分布格局
本研究以2020年土地利用为基线，模拟2025年和2030年土地利用格局的自然发展情景（NDS），如图11a和b所示。如图11c和d所示，我们考虑ES的发展模式，模拟2025年和2030年未来土地利用格局的生态保护情景（EPS）。通过对比两种情景下的模拟，探讨黔东北未来土地利用和土地覆盖变化的分布特征。这使我们能够从ES的角度比较对土地利用分布的影响，并了解土地覆盖的区域差异。在NDS格局下，城镇用地、其他建设用地和农村居民点用地均呈现明显的扩张趋势。总体而言，其土地利用分布主要集中在碧江区和万山区，其次是县城市区。而EPS模式下，研究区城镇用地、其他建设用地、农村居民点用地均呈现萎缩趋势，面积无明显扩张，稳定增长。具有生态环境功能属性的林地、草地和水域在空间斑块上呈现明显的增长趋势。2025年和2030年的模拟土地利用格局显示，耕地分布在中北部，林地和草地分布在中东南部。
7.3 2025年和2030年土地利用定量分析
如表6所示，2020-2030年，在NDS格局下，耕地和草地面积呈下降趋势，林地面积也呈持续减少趋势。EPS模式下，林地面积从2020年的11,580.71平方公里减少到2025年的11,576.50平方公里，然后增加到2030年的11,584.91平方公里，呈现先减少后增加的趋势。水域面积、城镇用地、农村居民点用地和其他建设用地面积均呈现持续增长趋势。未利用土地呈不稳定的增减格局。在NDS格局中，耕地、林地、水域和其他建设用地面积变化显著，增减幅度波动较大。
EPS模式下，2020-2025年和2025-2030年耕地、草地、水域、城市用地和其他建设用地面积的变化存在差异。这些差异可归因于林地、草地和水体对ES功能的贡献较大，导致其面积变化的减少程度较低。此外，考虑ES模式时，各类用地的增长受到一定程度的约束，导致城市用地、农村宅基地用地和其他建设用地的增长速度相对较低。因此，在未来的趋势情景中，可以观察到一个稳定的发展模式。当然，在社会经济发展的过程中，人类最理想的状态是实现土地资源开发与生态环境保护的平衡。
7.4 2025年和2030年空间分布格局
为了更准确地描述未来地图学中土地利用演变的分布方向和趋势，本研究的主要思路是从2025年和2030年的土地利用预测中提取局部区域，进行精确的土地斑块比较和分析。如图12所示，选取8个局部子区域，对比2020年、2025年和2030年的土地斑块变化。在NDS模式下，对比了2020年实际土地利用斑块与2025年和2030年土地利用斑块的预测分布格局。研究发现，随着时间的推移，城镇用地、农村居民点用地和其他建设用地均呈现出明显的增加和扩张趋势。此外，部分地区呈现跨越式、填充式发展，耕地、草原在城市和其他建设用地范围内收缩明显。造成这一现象的原因是城市和建设用地的快速发展，在对新增土地需求的驱动下，导致耕地和草地面积被侵占。
从EPS格局看，林地、草地和水域斑块呈持续扩张趋势，城市用地、农村居民点用地和其他建设用地呈稳定趋势。到2025年和2030年，耕地斑块分布相对有限，草地呈现局部侵蚀和直接转化为其他类型土地的趋势。另一个发现是，考虑ES模式的土地利用模拟显示，城市土地和水资源向外缘聚集和扩展。这可以归因于高ES地区林地和草地面积的不断扩大。相反，在ES较低的地区，受地形和当地社会经济发展的影响，土地直接转化为更频繁用于人类活动的类型。这最终导致农村宅基地向城市用地和其他建设用地的转化。由于退耕还林、草原保护、生态治理等政策的推进，ES往往延伸到林地、水域、草原的发展趋势。
虽然本研究对ES的评价指标进行了改进，并建立了土地利用模拟模型，但仍存在不足。贵州东北部是一个生态环境极其脆弱的山区，其地形和土地利用条件的多样性超出了东北地区。未来的研究应拓宽研究范围，深入开展广泛的大规模研究，为山区自然资源综合利用和生态决策提供精准的科学支撑。生态系统评价的其他定量方法包括统计数据的收集和景观指数的构建。本研究探索的评价ES的方法与其他方法有明显不同，未来的研究需要迭代和表达更准确评价ES的定量方法。本研究提出的ES评价方法需要进一步完善，纳入更多具有代表性的数据集和指标。此外，本研究采用FLUS模型对黔东北土地利用可行性进行预测，达到了较高的精度，达到了模型模拟的精度标准。然而，地理和社会经济因素数据集仅包括常用变量，而没有考虑其他重要因素，如大数据、风向、生物多样性、潜在蒸散发、氮沉降、雾霾、生态走廊、保护区、高速公路立交、居民偏好和发展规划政策。未来的工作需要扩大数据收集和制定方法学指标，考虑到各种情况，以获得土地利用规划和生态保护措施。
初审：王朝勇
审核：徐彩瑶
排版编辑：段淑慧
文献推荐人：段淑慧
参考文献：Quan Wang, Xuepiao Bai, Dandan Zhang, et al. Spatiotemporal characteristics and multi-scenario simulation of land use change and ecological security in the mountainous areas: Implications for supporting sustainable land management and ecological planning. Sustainable Futures, 2024, 8: 100286.
以上内容仅代表个人对文章的理解，详情请点击阅读原文
推荐阅读
探索基于自然的生态文明解决方案，助力实现“双碳”战略目标，协同推进人与自然和谐共生与全体人民共同富裕的中国式现代化建设，让我们一起加油！
