耕地保护对生态系统水源涵养功能的影响
——以武汉市为例

柯新利, 普鹍鹏, 杨柏寒, 郑伟伟

(华中农业大学 公共管理学院, 武汉 430070)

近50年来，人类活动对生态系统的影响比历史上任何一个时期更广泛，全球性和区域性的生态危机日益严峻，生态系统的服务功能衰退剧烈，直接威胁着人类社会的可持续发展[1]。尤其是快速城市化扩张对生态系统服务功能造成了极大的影响，如耕地、草地、水域等生态用地被建设用地大量侵占，城市生态系统服务功能急剧下降[2]。然而，我国人口基数大，耕地资源少是长期不变的基本国情。在城市化进程中，满足耕地数量需求，提高耕地质量，稳定粮食产量，从而保障国家粮食安全一直是众多学者以及国家政策关注的问题[3-5]。为此，改革开放以来，我国制定了一系列严格的耕地保护政策，比如耕地占补平衡政策，划定十八亿亩耕地保护“红线”等。但现有情况下，为保持耕地总量不变，城市周边的优质耕地资源被不断占用，补充质量较低的边际土地[6]，城市湖泊、绿草地等城市生态用地逐渐萎缩[7]。在耕地保护与快速城市化耦合作用下，生态问题频现[8-10]。

生态系统水源涵养功能是生态系统内多个水文过程及其水文效应的综合表现，也常被认为是拦蓄降水或调节河川径流量的重要功能[11]。已有众多研究表现土地利用变化对生态系统水源涵养功能具有重要的影响[12-14]。而我国是处于快速城镇化阶段的人口大国，在城镇化和耕地保护的双重压力下，土地利用变化对水源涵养功能的影响十分剧烈。因此，迫切需要厘清快速城镇化阶段，耕地保护政策对生态系统水源涵养功能的影响，为土地资源的合理保护和利用提供支撑。

目前生态系统服务功能的评估可分为价值量和物质量评估两类[15-16]。由于大多数生态系统服务具有非竞争性和非排他性，各服务功能之间相互交织，因此很难对其单独量化[17-18]。目前存在许多关于评估生态系统服务的方法与模型，谢高地等[19]基于Costanza等[20]提出的生态系统服务功能价值评估体系的基础上，提出新的生态系统服务功能评估单价体系。美国科罗拉多州立大学与美国地质勘探局合作开发SoⅣES(Social Values for Ecosystem Services)模型用于评估生态系统服务功能社会价值[21]，该模型可用于量化和评估生物多样性、休闲和美学等生态系统服务功能的社会价值。然而，这些评估体系以及方法均偏重于生态系统服务功能价值测算，存在空间表达能力较弱等局限性[22]。InVEST模型(The Integrate Valuation of Ecosystem Services and Tradeoffs tool)由斯坦福大学、世界自然基金会、大自然保护协会等相关机构联合开发生态系统与服务权衡模型，该模型具有适宜不同区域尺度，较好融合生态过程以及空间化显示效果好等特点,模型能够基于不同土地利用情景下对生态系统价值及服务进行很好地评估和分析[23]。

武汉市为典型城镇化城市，2015年城镇化率达到79.3%[24]。耕地保护和快速城镇化耦合作用对武汉市生态系统服务功能产生了巨大的压力，水土流失、洪涝等生态灾害频发[25]。本文以武汉市为案例区，采用基于CA的土地利用变化模型——LANDSCAPE模型，开展武汉市土地利用变化情景模拟，利用InVEST模型水源涵养模块测算严格、适度耕地保护情景下武汉市2020年的水源涵养功能，定量分析严格、适度耕地保护政策对生态系统水源涵养功能的影响。

1 研究方法

1.1 总体研究方案

本文基于LANDSCAPE模型设定土地利用变化模拟情景，以快速城镇化地区武汉市为案例区，设定严格耕地保护情景与适度耕地保护情景，进而采用InVEST水源涵养模型分别测算两种情景下武汉市2020年的水源涵养功能，从而分析严格、适度耕地保护政策对生态系统水源涵养功能的影响。总体有两个步骤：土地利用变化情景模拟和生态系统水源涵养功能评估。首先，以武汉市2005年土地利用图为基础，用LANDSCAPE模型模拟武汉市2013年土地利用空间布局，与2013年现状图对比，进行模型校准，用校准后的模型分别模拟武汉市2020年严格耕地保护与适度耕地保护的土地利用情景。其次，采用InVEST水源涵养模型测算两种情景下2020年武汉市的水源涵养功能，并分析耕地保护政策对武汉市水源涵养功能的影响，为科学认识耕地保护政策的实施对生态系统服务功能的影响提供新视角。

1.2 LANDSCAPE模型

元胞自动机(Celluar Automata，CA)具有强大的空间建模能力与运算能力，可以模拟复杂的地理时空变化[26-29]。LANDSCAPE模型是基于CA的土地系统模拟与优化模型，能够解释和模拟交互级联过程和土地利用变化之间竞争[30]。LANDSCAPE模型主要通过分层分配策略和分类转换概率实现多种土地利用变化的模拟。

(1) 分层分配策略。根据影响土地利用变化的主要驱动力，在模型中将土地利用类型划分成主动地类与被动地类。主动型地类是指其变化直接受人类活动驱动的地类，如城市建设用地、耕地等；被动型地类的变化并不直接受人类活动驱动，而是由主动型地类的变化驱动，如湿地、草地等。LANDSCAPE模型根据主动型地类的活跃程度逐地类落实其空间位置。

如一般而言，在快速城市化地区，城镇建设用地具有最强的竞争能力，其次是农村建设用地和耕地。因而在LANDSCAPE模型中首先根据城镇建设用地的转换概率进行城镇建设用地的空间布局，接着进行农村建设用地的和耕地的空间布局。而诸如湿地、草地、林地的被动型地类则在主动型地类空间布局的过程中被动完成布局。

(2) 转换概率。LANDSCAPE模型在每一地类空间布局的基本依据是该地类的转换概率。该模型的转换概率由土地利用适应性和阻抗两个因素决定。

TTPlu=Plu-Ru

(1)

式中：TTPlu为位置l转换成土地利用类型u的总潜力；Plu为位置l转变为土地利用类型u的适应性，其取决于该位置的社会经济特征和生物物理特性以及约束条件和邻域效应；Ru为当前的土地利用类型u转换成其他地类的阻抗。其中Plu的计算公式为;

(2)

式中：γ为(0,1)范围内的随机数；α为控制随机数影响大小的参数，其取值范围是1～10之间的整数；Pgu表示该位置的社会经济特征和生物物理特性(如坡度、海拔及与道路之间的距离)，可以通过专家知识、统计分析及计量经济分析等方法确定适应性与交通区位、地形特征等驱动力之间的关系，本文采用支持向量机(SVM)方法计算Pgu；Con(Clu)为每个元胞单元的约束值，其中0表示该元胞不可发生转化，1表示该元胞可以发生转化；Ωlu为邻域转化概率[31]。

1.3 InVEST模型

InVEST(The Integrate Valuation of Ecosystem Services and Tradeoffs tool)模型为生态系统服务功能权衡得失评估和综合估价模型，其最大的优点是能够基于GIS平台将量化的生态系统服务功能以地图的形式表现出来[32-33]。InVEST产水量模块是评估水源涵养量的基础模块，主要依据水循环原理，综合考虑植物蒸腾、地表蒸发、降水、土层深度和根系深度等参数计算得出每一个栅格上的产水量，并在此基础上对产水量进行修正从而得出每一个栅格单元的水源涵养量。该模型已广泛应用于美国的加利福尼亚州、明尼苏达州、内华达山脉、夏威夷群岛、坦桑尼亚弧形山脉区以及印度尼西亚[34]。具体计算公式为[35]：

(3)

式中：WaterRetention为每一个栅格单元的年水源涵养量；Velocity为流速系数[36]；Kast为土壤饱和导水率(cm/d)，利用NeuroTheta软件计算所得；TI为地形指数，由DEM计算所得，无量纲。其中TI的计算公式为：

(4)

式中：Drainage_Area为集水区单元数量；Soil_Depth为土层深度(mm)；Percent_Slope为百分比坡度。

(5)

式中：Yjx为第j种土地利用类型栅格x的年产水量；AETxj为第j种土地利用类型栅格单元x的年均蒸散发量(mm)；Px为栅格单元x的年均降雨量。本文中，j=1为耕地，j=2为林地，j=3为草地，j=4为河流，j=5为水体，j=6为城市建设用地，j=7为农村居民点。

(6)

式中：Rxj为第j种土地利用类型栅格单元x的Budyko干燥指数，无量纲；ωx为修正植被年可利用水量与降雨量的比值，无量纲。

(7)

式中：k为蒸散系数，由植被叶面积指数LAI计算获得；ET0为潜在蒸散量，是指在一定气象条件下水分供应不受限制时，大片均匀的自然表面通过蒸腾和蒸发作用所散失的水分，计算方式为基于修正的Hargreaves公式：

ET0=0.0013×0.408×RA×(Tavg+17)×

(8)

式中：RA为太阳大气顶层辐射[MJ/(m2·d)]；TD为日最高均值和日最低温均值的差值(℃)；Tavg为日最低温均值与日最高温均值的平均值(℃)。

(9)

式中：Z为zhang系数，是捕获局部降水模式和水文地质特征的典型的经验常数，其值在1～10之间，降水主要集中于夏季或分布较均匀的时间时，其值接近于1，降水主要集中于冬季时，其值接近于10，本研究据模型测试经验选取默认值；AWCx为单元x的植被有效含水量，可由公式(10)获取。

AWCx=min(Rest.Layer.Depth,Root.Depth)·PWACx

(10)

式中：Rest.Layer.Depth为植被生根深度；Root.Depth为根限制层深度；PWACx为植物可利用水量，可利用土壤质地计算，公式如下：

(11)

式中：sand为土壤砂粒含量(%)；silt为土壤粉粒含量(%)；clay为土壤黏粒含量(%)；OM为土壤有机质含量(%)。

1.4 情景设定

本文的主要目的是对比严格、适度耕地保护政策对生态系统水源涵养功能的影响。因此，本文设定了两种土地利用情景：严格耕地保护情景与适度耕地保护情景(表1)。

(1) 严格耕地保护情景：在满足武汉市城市建设用地需求的前提下，2020年耕地面积严格执行耕地占补平衡政策，与2013年耕地面积保持一致，为470，616 hm2。

(2) 适度耕地保护情景：在城市扩张的过程中保证武汉市2020年耕地保有量不低于一定的水平。

表1 土地利用情景的参数设定

2 研究区域与数据来源

2.1 研究区域

武汉地处江汉平原东部、长江中游，中部六省唯一的副省级城市，也是国家中心城市。下辖13个行政区，其中七个主城区及六个远城区，另外设有三个国家级开发区，分别为武汉经济技术开发区、东湖新技术开发区和武汉临空港经济技术开发区。全市总面积8 494.41 km2，2015年常住人口1 060.77万，城镇化率79.3%[37]。全市地形以平原为主，兼有少量岗地与低山丘陵，耕地资源丰富，耕地利用方式多样。武汉市作为典型城镇化城市，在快速城镇化和耕地保护的双重压力下，土地利用变化剧烈，生态系统服务功能受到较大的影响。

2.2 数据来源

(1) 地形数据。主要包括DEM和坡度，数据分辨率为90 m×90 m，采用ArcGIS 10.2空间分析工具slope生成坡度数据集，并将其重采样到100 m分辨率；

(2) 武汉市交通数据集。包括武汉市各类交通用地数据，采用ArcGIS中“Euclidean Distance”工具对原始交通数据进行栅格运算，分别得到距国道、省道、铁路、高速公路、主干道和次干道的栅格距离，用以计算位置可达性。

(3) 土地利用数据集。包括武汉市2005年和2013年的土地利用数据，2005年土地利用数据来源于中国科学院资源环境中心，2013年土地利用数据采用Landsat OLI遥感影像数据解译，两期数据均分为耕地、林地、草地、城市建设用地、农村居民点、河流和水体七大类，并重采样至100 m空间分辨率。

(4) 多年降雨量数据。来自中国气象科学数据共享服务网，此数据为文本类型，由湖北省及其周边省市39个气象站点年降水数据经过计算后，采用Kriging插值法并结合ArcGIS 10.2空间分析工具得出武汉市年均降雨量。

(6) 潜在蒸散量。根据日最高温、日最低温以及太阳大气顶层辐射，采用修正的Hargreaves公式求取[38]。

(7) 植物可利用水含量。采用周文佐测算植物可利用水含量的公式，以武汉市土壤质地数据(来源于全国第二次土壤普查)为基础数据，计算所得[39]。

(8) 土层深度。此数据为栅格类型，来源于国际土壤参考资料和信息中心，基于ArcGIS 10.2空间分析平台，将其重采样到100 m分辨率。

3 结果与分析

3.1 耕地保护对武汉市土地利用变化影响的情景模拟

以武汉市2013年土地利用数据为基点，采用LANDSCAPE模型设定土地利用模拟情景，得到2020年严格、适度耕地保护情景土地利用空间格局。严格耕地保护情景下，武汉市城市扩张严格执行耕地总量动态不变，与2013年耕地面积保持一致，为470,616 hm2。适度耕地保护情景下，城市扩张适度控制耕地保有量，即保证2020年武汉市耕地面积不低于一定的数量。通过对比两种情景下的土地利用空间格局发现(附图12)：适度耕地保护情景下武汉市西北地区大部分以及西南地区的零星林地多于严格耕地保护情景，尤其是位于西北部的林区，这主要是由于武汉市严格落实耕地保护政策，保证耕地总量不变占用生态用地造成的。此外，在草地方面，适度耕地保护情景下，位于武汉市东北地区零星多于严格耕地保护情景下。另一方面，严格、适度耕地耕地保护两种情景下，生态用地的数量分别为244，676 hm2和268，808 hm2，两者之间相差9.9%(表2)。

表2 严格、适度耕地保护情景各土地利用类型数量对比

3.2 耕地保护对武汉市生态系统水源涵养功能的影响评估

根据InVEST模型的运行原理，结合前人的研究[40]对原始数据进行空间化处理，制备模型所需参数变量：以ArGIS 10.2为空间处理平台，本文采用Kriging插值法得到武汉市多年平均降雨量(Px)；依据土壤质地数据并结合相关参考文献获取植物可利用水量(PWACx)[39]；潜在蒸散发量是由修正的Hargreaves公式计算获得[38]；土层深度数据来自于国际土壤参考资料和信息中心，此数据为栅格类型；zhang系数是表征降水特征的常数，适用于降水次数多且具有明显季节变化的区域，对于总量相等的区域，降水次数越多，zhang系数值越大，本文采用默认值5，测算得到不同情景下武汉市生态系统水源涵养功能的空间分布见附图13。对比两种情景下水源涵养量的空间布局发现，水源涵养量高值区主要集中在武汉市西北部的国有林区，但在适度耕地保护情景下，该区域的水源涵养量分布零星多于严格耕地保护情景。

在水源涵养总量方面，适度耕地保护情景下的水源涵养总量为4.58×108m3，严格耕地保护情景下水源涵养总量为4.33×108m3，两者之间的差异为5.5%，差异性显著。其中，严格耕地保护情景下，林地、草地、水体、河流等生态用地的水源涵养量为1.06×108m3，而适度耕地扩情景下，生态用地的水源涵养量为1.27×108m3。两种情景下，林地的水源涵养量最多，水体、草地次之(表3)。

表3 严格、适度耕地保护情景各地类水源涵养量对比

为了更加直观地分析严格、适度耕地保护情景下武汉市2020年的水源涵养情况，运用ArGIS 10.2平台空间分析工具中自然断点法对两种情景下水源涵养功能进行重分类，结果见附图14。可见，在两种不同情景下水源涵养量主要集中于中等水源涵养区；在高水源涵养区方面，严格、适度耕地保护情景所占面积分别为9.5×104hm2，1.05×105hm2(表4)，适度耕地保护情景多于严格耕地保护情景。

表4 严格、适度耕地保护情景水源涵养量分级面积对比

4 结论与讨论

本文综合采用LANDSCAPE模型和InVEST模型对武汉市2020年严格、适度耕地保护情景对生态系统水源涵养功能的影响进行了定量评估，分析两种情景下水源涵养功能的差异。结果表明：相较于适度耕地保护情景，在严格耕地保护情景下，林地、草地、水体等生态用地面积被侵占较多，水源涵养总量、生态用地水源涵养量相对下降。具体而言：

(1) 两种情景下的武汉市水源涵养功能无论是在空间还是在数量方面都有显著的差异。在空间方面，严格耕地保护情景下，位于武汉市东北地区的低水源涵养区分布范围明显多于适度耕地保护情景；在数量方面，武汉市2020年适度耕地保护情景下水源涵养总量为4.58×108m3，严格耕地保护情景下的水源涵养总量为4.33×108m3，两者之间差异为5.5%，差异性显著。(2) 严格、适度耕地耕地保护情景下，生态用地的数量分别为244，676和268，808 hm2，两者相差9.9%，生态用地水源涵养量分别为1.06×108m3，1.27×108m3。

然而，由于耕地保护政策涉及社会、经济、人为决策以及政策落实等诸多因素，本文从保护耕地总量不变的视角，分析严格、适度耕地保护政策情景下对生态系统水源涵养功能的影响，难免会有一定的局限性。在进一步的研究中，需要结合社会经济发展需求和耕地保护的实际开展耕地保护政策评估，以期获得更为客观、现实的认识。

参考文献：

[1] 戴晓苏. IPCC第二工作组第四次评估报告的基本结论[J].气象软科学,2008(1):155-163.

[2] Kreuter U P, Harris H G, Matlock M D, et al. Change in ecosystem service values in the San Antonio area, Texas[J]. Ecological economics, 2001,39(3):333-346.

[3] Chen J. Rapid urbanization in China:a real challenge to soil protection and food security[J]. Catena, 2007,69(1):1-15.

[4] Xu Z, Xu J, Deng X, et al. Grain for green versus grain:conflict between food security and conservation set-aside in China[J]. World Development, 2006,34(1):130-148.

[5] 柯新利,邓祥征,刘成武.基于分区异步元胞自动机模型的耕地利用布局优化:以武汉城市圈为例[J].地理科学进展,2011,29(11):1442-1450.

[6] 李秀彬.中国近20年来耕地面积的变化及其政策启示[J].自然资源学报,1999,14(4):329-333.

[7] Yang B, Ke X. Analysis on urban lake change during rapid urbanization using a synergistic approach: A case study of Wuhan, China[J]. Physics and Chemistry of the Earth, Parts A/B/C,2015,89:127-135.

[8] 彭少麟,周凯,叶有华,等.城市热岛效应研究进展[J].生态环境学报,2005,14(4):574-579.

[9] 汤江龙,刘友兆,李娟.城市化进程中城乡结合部土地利用规划问题的探讨[J].东华理工大学学报：社会科学版,2004,23(4):25-29.

[10] 叶斌,盛代林,门小瑜.城市内涝的成因及其对策[J].水利经济,2010,28(4):62-65.

[11] 白杨,初东,田良,等.武汉城市圈的水源涵养功能重要性评价研究[J].地球信息科学学报,2014,16(2):233-241.

[12] Tianhong L, Wenkai L, Zhenghan Q. Variations in ecosystem service value in response to land use changes in Shenzhen[J]. Ecological economics, 2010,69(7):1427-1435.

[13] Kosmas C, Gerontidis S, Marathianou M. The effect of land use change on soils and vegetation over various lithological formations on Lesvos(Greece)[J]. Catena, 2000,40(1):51-68.

[14] 潘竟虎.近15年来长江源区土地利用变化及其生态环境效应[J].长江流域资源与环境,2005,14(3):310-315.

[15] 欧阳志云,王如松,赵景柱,等.生态系统服务功能及其生态经济价值评价[J].应用生态学报,1999,10(5):635-640.

[16] Boumans R, Costanza R, Farley J, et al. Modeling the dynamics of the integrated earth system and the value of global ecosystem services using the GUMBO model[J]. Ecological Economics, 2002,41(3):529-560.

[17] Nelson E, Mendoza G, Regetz J, et al. Modeling multiple ecosystem services, biodiversity conservation, commodity production, and tradeoffs at landscape scales[J]. Frontiers in Ecology & the Environment, 2009,7(1):4-11.

[18] 白杨,郑华,庄长伟,等.白洋淀流域生态系统服务评估及其调控[J].生态学报,2013,3(3):711-717.

[19] 谢高地,甄霖,鲁春霞,等.一个基于专家知识的生态系统服务价值化方法[J].自然资源学报,2008,23(5):911-919.

[20] Costanza R. D′′Arge R, de Groot R, et al The value of the woxld′s ecosystem services and natural capital[J]. Notore,1997,387(6630):253-260.

[21] 黄从红,杨军,张文娟.生态系统服务功能评估模型研究进展[J].生态学杂志,2013,32(12):3360-3367.

[22] Brown G, Brabyn L. The extrapolation of social landscape values to a national level in New Zealand using landscape character classification[J]. Applied Geography, 2012,35(1/2):84-94.

[23] 孙传淳，甄霖，王超，等.基于InVEST模型的鄱阳湖湿地生物多样性情景分析[J].长江流域资源与环境,2015,24(7):1119-1125.

[24] 赵渺希,李欣建,王慧芹.中国城镇化进程与建设用地消耗的趋势初探[J].中国人口·资源与环境,2016(S1):405-409.

[25] 马才学,孟芬,赵利利.1990—2005年武汉市土地利用时空变化及其政策驱动因素分析[J].水土保持研究,2015，22(2):117-122.

[26] 周成虎.地理元胞自动机研究[M].北京：科学出版社,1999.

[27] 黎夏,叶嘉安.知识发现及地理元胞自动机[J].中国科学:地球科学,2004,34(9):865-872.

[28] 柯新利,邓祥征,何书金.地理元胞自动机模型的尺度敏感性及原因[J].地理研究,2010,29(5):863-872.

[29] 柯新利,边馥苓.基于C5.0决策树算法的元胞自动机土地利用变化模拟模型[J].长江流域资源与环境,2010,19(4):403-409.

[30] 柯新利,郑伟伟,杨柏寒.权衡城市扩张、耕地保护与生态保育的土地利用布局优化:以武汉市为例[J].地理与地理信息科学,2016,32(5):9-13.

[31] Ke X, Qi L, Zeng C. A partitioned and asynchronous cellular automata model for urban growth simulation[J]. International Journal of Geographical Information Science, 2016,30(4):1-23.

[32] 杨园园,戴尔阜,付华.基于InVEST模型的生态系统服务功能价值评估研究框架[J].首都师范大学学报：自然科学版,2012,33(3):41-47.

[33] 周彬,余新晓,陈丽华,等.基于InVEST模型的北京山区土壤侵蚀模拟[J].水土保持研究,2010,17(6):9-13.

[34] 唐尧,祝炜平,张慧,等. InVEST模型原理及其应用研究进展[J].生态科学,2015,34(3):204-208.

[35] 包玉斌,李婷,柳辉,等.基于InVEST模型的陕北黄土高原水源涵养功能时空变化[J].地理研究,2016,35(4):664-676.

[36] 傅斌,徐佩,王玉宽,等.都江堰市水源涵养功能空间格局[J].生态学报,2013,33(3):789-797.

[37] 戴德艺,饶映雪,刘殿锋,等.1989—2015年武汉市城市格局时空演变分析[J].长江流域资源与环境,2016,25(10):1545-1554.

[38] Droogers P, Allen R G. Estimating reference evapotranspiration under inaccurate data conditions[J]. Irrigation and Drainage Systems, 2002,16(1):33-45.

[39] 周文佐.基于GIS的我国主要土壤类型土壤有效含水量研究[D].南京：南京农业大学,2003.

[40] 张微微,李晶.关中—天水经济区农田生态系统涵养水源价值量时空变化[C]∥全国地理学研究生学术年会.2012:52-57.