吉林西部“三生空间”格局时空变化与多情景模拟预测

邓雨欣; 刘文新

doi:10.12404/j.issn.1671-1815.2503338

科学技术与工程 ›› 2026, Vol. 26 ›› Issue (15) :6648-6658 DOI: 10.12404/j.issn.1671-1815.2503338

环境科学、安全科学

吉林西部“三生空间”格局时空变化与多情景模拟预测

邓雨欣 ¹^,² ,
刘文新 ¹^,²^,^*

作者信息 +

Spatial-temporal Changes and Multi-scenario Simulation Prediction of “Production-living-ecological Space” Pattern in Western Jilin Province

DENG Yu-xin ¹^,² ,
LIU Wen-xin ¹^,²^,^*

Author information +

文章历史 +

摘要

为优化吉林西部国土空间开发格局,推动区域可持续发展,基于吉林西部2000、2010、2020年3期土地利用数据,运用土地利用转移矩阵、动态度模型、斑块级土地利用模拟模型(patch-generating land use simulation, PLUS),分析区域“三生空间”演变特征,模拟自然发展、粮食优先、生态优先以及均衡发展4种情景的土地利用格局,揭示不同政策导向下的土地利用格局演变趋势,并在此基础上结合多目标优化(multi-objective optimization problem, MOP)模型提出可持续发展情景下的优化格局。结果表明:2000—2020年期间吉林西部土地利用转型呈现生产和生活空间扩张、生态空间减少的特征。自然发展情景下生产空间与生态空间的冲突加剧,粮食优先情景加剧了生态空间的收缩,而生态优先与均衡发展情景虽能缓解生态压力,但生态空间的扩张主要来自未利用地,生产空间与生态空间的矛盾并未缓解。可持续发展情景在未利用地规模不变的条件下,吉林西部国土空间利用经济效益为8.21×10¹²元,生态效益为3.70×10¹⁰元。其生产空间和生活空间分别扩张1 048.14、212.24 km²,生态空间的缩减问题得到缓解,增长了435.90 km²,长期维持此发展模式可有效优化吉林西部空间格局、调节区域发展失衡,该情景可为吉林西部未来可持续发展提供参考。建议未来进一步增强区域发展的可持续性,严格管控耕地无序扩张,科学调控土地利用转换方向与强度,进而实现吉林西部“三生空间”的动态平衡。

Abstract

To optimize the territorial spatial development pattern and promote regional sustainable development in Western Jilin Province, Basing on three phases of land use data (2000, 2010, and 2020) in Western Jilin Province, land use transfer matrix, dynamic degree model, and PLUS(patch-generating land use simulation) model were employed to analyze the evolution characteristics of regional “production-living-ecological Space”, simulate land use patterns under four scenarios, natural development, grain priority, ecological priority, and balanced development, and reveal the evolution trends of land use patterns under different policy orientations. On this basis, combined with MOP(multi-objective optimization problem) model, an optimized pattern under sustainable development scenario was proposed. The results show that the land use transformation in Western Jilin Province from 2000 to 2020 is characterized by the expansion of production and living spaces and the reduction of ecological space. Under the natural development scenario, the conflict between production space and ecological space intensifies; the grain priority scenario exacerbates the contraction of ecological space; while the ecological priority and balanced development scenarios can alleviate ecological pressure, the expansion of ecological space mainly comes from unused land, and the contradiction between production space and ecological space is not alleviated. Under the sustainable development scenario with the scale of unused land unchanged, the economic benefit of territorial space utilization in Western Jilin Province is ￥8.21×10¹², and the ecological benefit is ￥3.70×10¹⁰. The production space and living space expand by 1048.14 km² and 212.24 km² respectively, and the reduction of ecological space is alleviated with an increase of 435.90 km². Maintaining this development model in the long term can effectively optimize the spatial pattern of Western Jilin Province and adjust regional development imbalance, which can provide reference for the future sustainable development of Western Jilin Province. It’s suggested that in the future, efforts should be made to further enhance the sustainability of regional development, strictly control the unordered expansion of cultivated land, and scientifically regulate the direction and intensity of land use conversion, so as to realize the dynamic balance of “production-living-ecological space” in western Jilin Province.

Graphical abstract

关键词

生产-生活-生态空间 / PLUS模型 / MOP模型 / 多情景模拟 / 吉林西部

Key words

production-living-ecological space / PLUS model / MOP model / multi-scenario simulation / Western Jilin Province

引用本文

引用格式 ▾

邓雨欣, 刘文新. 吉林西部“三生空间”格局时空变化与多情景模拟预测[J]. 科学技术与工程, 2026, 26(15): 6648-6658 DOI:10.12404/j.issn.1671-1815.2503338

DENG Yu-xin, LIU Wen-xin. Spatial-temporal Changes and Multi-scenario Simulation Prediction of “Production-living-ecological Space” Pattern in Western Jilin Province[J]. Science Technology and Engineering, 2026, 26(15): 6648-6658 DOI:10.12404/j.issn.1671-1815.2503338

登录浏览全文

4963

注册一个新账户忘记密码

随着工业化和城镇化进程的快速推进,国土空间利用之间的矛盾日益显现,这一问题在中国等发展中国家尤为显著^[1]。2012年,中国为了实现可持续发展目标,提出了“生产-生活-生态空间”,简称“三生空间”, (production-living-ecological space, PLES)概念^[2]。传统的土地利用冲突表现为PLES冲突。目前中国城市的快速扩张已经对自然栖息地构成了严重威胁。1992—2000年,中国城市扩张消耗了约1.9×10⁵ km²的自然土地,占全球自然栖息地损失的16%,到2030年,城市扩张还将消耗的2.9×10⁵ km²自然栖息地^[3]。土地利用的转变已经对生态系统造成了一定的破坏^[4]。优化国土空间开发格局成为生态文明建设的重要内容,需要开展PLES格局模拟优化研究^[5],为明确区域发展定位以及厘清发展重点与方向^[6]、编制国土空间规划等提供科学依据,助力实现国土空间的可持续利用^[7]。

当前学术界对PLES及其功能的研究内容主要涵盖生态系统服务评估^[8]、功能识别与空间分区^[9]、耦合协调机制分析^[10-11]、空间冲突测度^[12],生产-生活-生态功能综合评估^[13],以及未来格局模拟预测^[14]等。从全球研究趋势看,多数国家聚焦于区域土地利用及其变化的模拟和监测,以此作为实现环境可持续性的技术支撑^[15]。中国在PLES规划实践中主要聚焦于生产功能、生活功能与生态功能之间的协调关系,即经济发展与生态保护之间的关系,并通过优化模拟PLES空间格局,为国土空间规划提供参考与建议。例如,李代超等^[16]从碳中和战略视角出发,构建了生产-生活-生态功能的约束条件,预测各类用地类型的演变趋势,进而模拟得到福建省碳中和视角下的PLES优化格局,并提出建议。

PLES格局优化模拟研究方法主要有3个方面。一是评价方面,目前常用的评价方法有综合指数法、比较优势指数法等^[17],通过多维度指标体系评价PLES功能;二是算法方面,如蚁群算法、人工蜂群算法和遗传算法等智能算法^[18-19]已初步运用于土地资源优化配置中;三是建模方面,当前广泛应用的方法为空间模拟模型,用以模拟土地的空间格局演变^[20],目前常见的优化模型有斑块级土地利用模拟模型(patch-generating land use simulation, PLUS)^[21]、Markov模型^[22]、多目标优化(multi-objective optimization problem, MOP)模型^[7]、FLUS(future land use simulation model)模型^[23]、CLUE-S(conversion of land use and its effects at small regional extent)模型^[24]以及CA(cellular automata)-Markov 模型^[25]等。但Sohl等^[26]指出,类似CA-Markov模型的优化模型在揭示土地利用变化的潜在驱动因素方面存在局限性。相比之下,PLUS模型能够更精准地模拟未来土地利用变化^[27],其通过整合基于多类型随机斑块种子的CA模型(cellular automata with random seeds, CARS)和新的土地扩展分析策略(land expansion analysis strategy, LEAS)^[28],有效弥补了传统模型的短板。目前,PLUS模型已广泛运用于模拟未来LULC演变^[29]。王洁宁等^[22]将PLUS与Markov模型进行耦合应用,更加精确地模拟和预测山东省未来土地利用/土地覆盖的空间分布;张澔宇等^[7]在PLUS模型多情景模拟的基础上,结合MOP模型,设立约束条件令经济效益和生态效益最大化,以模拟可持续发展情景下的PLES格局。

吉林西部地区当前面临生态保护与经济发展的双重挑战^[30]。湿地退化、土地盐碱化等生态环境问题突出,大量湿地转换为耕地,而耕地的扩张又进一步加剧了湿地退化^[31]。在经济发展层面,该地区存在发展动能不足、基础设施薄弱、人才流失严重等问题,经济发展短板显著。因此,优化吉林西部用地现状,提高区域内经济发展质量已成为亟待解决的现实问题。基于上述现状,现结合吉林西部的地域特点及政策导向,利用PLUS模型对吉林西部未来土地利用格局进行多情景模拟。在此基础上,通过构建经济效益与生态效益协同最大化的优化模型,模拟可持续发展情景下的未来土地利用空间格局,为吉林西部国土空间规划提供科学决策支持。

1 研究区概况及数据来源

1.1 研究区概况

如图1所示,吉林西部地区位于中国东北地区吉林省西部(东经121°38'~126°11',北纬43°59'~46°18'),包含白城全域以及松原全域,共计10个县(市、区)。根据《2024吉林统计年鉴》,截至2023年,吉林西部总播种面积为1.99×10⁶公顷,粮食总产量1.36×10⁷ t,总人口数量为3.59×10⁶人,较2022年流失了4.85×10⁴人。吉林西部盐碱地等未利用地面积为9 321.60 km²,占19.90%,耕地后备资源丰富^[32]。但大规模盐碱地开发、湿地、草地转换为耕地会对区域内生态环境产生一定威胁^[33]。因此,如何在提高粮食产量的同时保持生态系统服务的稳定是实现可持续发展的核心挑战^[24]。

1.2 数据来源

土地利用栅格数据来源于GlobeLand30(2021年11月, http://www.globallandcover.com/)的2000、2010、2020年的土地利用栅格数据,像元大小为30 m×30 m,得到耕地、森林、草地、灌木地、湿地、水体、人造地表、裸地等8个地类。研究中所有数据统一使用2000年国家大地坐标系下42°带坐标系。

由于灌木地面积极小(最大为0.03 km²),经过对比,最终利用ArcMap重分类工具,将地类重分为耕地、森林、草地、湿地、水体、建设用地、未利用地等7个地类,灌木地设值为NoData。参考文献[34],将7个地类划分为生产空间、生活空间以及生态空间三类空间,如表1所示。

路网数据来源于Harvard Dataverse(https://dataverse.harvard.edu/dataset.xhtml?persistentId=doi:10.7910/DVN/FAZJE4),包含全国区域内的2000年、2010年、2020年部分路网数据,由于部分道路数据缺失,本文中仅使用国道、县道、高速、铁路4种道路类型进行计算。通过ArcGIS 10.8中相交工具,得到研究区内各研究单元的路网矢量数据。

DEM(digital elevation model)数据来源于SRTM(shuttle radar topography mission)数据(2022年3月, http://srtm.csi.cgiar.org/srtmdata/),人口密度来源于Landscan(the LandScan Population Data Explorer,2022年3月),GDP数据来源于(2022年3月, https://github.com/thestarlab/ChinaGDP),月平均气温以及月平均降水来源于欧盟及欧洲中期天气预报中心等组织发布的ERA5-Land数据集(2022年3月, https://cds.climate.copernicus.eu/cdsapp#!/dataset/reanalysis-era5-land-monthly-means?tab=overview)。坡度基于DEM数据得到,利用Arc GIS 10.8欧氏距离工具计算得到距一级道路、铁路、湿地的距离,PLUS模型所需的土地发展限制栅格数据通过重分类,将湿地与水体地类设置新值为0,其他地类设置新值为1。所有栅格数据像元大小均裁剪为30 m×30 m的大小。

2 研究方法

2.1 土地利用转移矩阵

为了定量分析特定区域内土地利用在一定时期内的演变特征,通常采用土地利用转移矩阵法^[35]。其计算公式为

(1)S=$\left[\begin{array}{llll}{\mathit{S}}_{11}& {\mathit{S}}_{12}& \dots & {\mathit{S}}_{1\mathit{n}}\\ {\mathit{S}}_{21}& {\mathit{S}}_{22}& \dots & {\mathit{S}}_{2\mathit{n}}\\ \mathit{︙}& \mathit{︙}& \mathrm{ }& \mathit{︙}\\ {\mathit{S}}_{\mathit{n}1}& {\mathit{S}}_{\mathit{n}2}& \dots & {\mathit{S}}_{\mathit{n}\mathit{n}}\end{array}\right]$, i=1,2,…,n; j=1,2,…,n

式(1)中:S为研究区域的总体范围,km²;n为土地利用类型的总数;i和j分别为研究期间的初始和最终土地利用类型。

2.2 单一/综合土地利用动态度

土地利用动态度可以量化不同土地利用类型在一定时间跨度内的变化速率,对预测未来土地利用变化趋势具有积极作用^[36],其计算公式为

(2)D_si=$\frac{{\mathit{S}}_{\mathit{i}\mathit{t}2}-{\mathit{S}}_{\mathit{i}\mathit{t}1}}{{\mathit{S}}_{\mathit{i}\mathit{t}1}}\frac{1}{{\mathit{t}}_{2}-{\mathit{t}}_{1}}$×100%

(3)D_sy=$\frac{\left.\stackrel{\mathit{n}}{\sum _{\mathit{i}=1}}\right|\mathrm{\Delta }{\mathit{S}}_{\mathit{i}}|}{2\stackrel{\mathit{n}}{\sum _{\mathit{i}=1}}{\mathit{S}}_{\mathit{i}}}\frac{1}{{\mathit{t}}_{2}-{\mathit{t}}_{1}}$×100%

式中:D_si(D_sy)为时间t₁~t₂的单一(综合)土地利用动态, %;S_it₁(S_it₂)为时间t₁(t₂)的i类土地利用面积, km²;|ΔS_i|为时间t₁~t₂的i类土地利用总转入和转出面积净变化的绝对值, km²;S_i为i类土地利用面积, km²;n=7,表示本文研究中土地利用类型的数量。

2.3 Markov模型

模拟预测区域内各类用地的空间分布之前,预测其未来的需求数量十分关键^[20]。将Markov模型用于需求数量预测,能够弥补PLUS模型在这方面的不足^[37]。转移概率P表示为

(4)P=$\left[\begin{array}{llll}{\mathit{P}}_{11}& {\mathit{P}}_{12}& \dots & {\mathit{P}}_{1\mathit{n}}\\ {\mathit{P}}_{21}& {\mathit{P}}_{22}& \dots & {\mathit{P}}_{2\mathit{n}}\\ \mathit{︙}& \mathit{︙}& \mathrm{ }& \mathit{︙}\\ {\mathit{P}}_{\mathit{n}1}& {\mathit{P}}_{\mathit{n}2}& \dots & {\mathit{P}}_{\mathit{n}\mathit{n}}\end{array}\right]$, i=1,2,…,n;j=1,2,…,n

(5) S_t₊₁=PS_t

式中:P_ij为土地利用类型i转换为土地利用类型j的转移概率;n为土地利用类型数量;S_t/S_t₊₁分别为t和t+1时刻的土地利用类型状态。

2.4 PLUS模型

PLUS模型包含两个模块,它耦合了土地用地扩张策略分析(LEAS)以及基于多类型随机斑块种子的CA模型(CARS)两种模型^[23]。

利用PLUS模型对吉林西部地区国土空间演化进行多情景模拟,过程分为三个部分:①识别2000年和2010年以及2010年和2020年吉林西部不同地类的扩张情况,并生成各类用地的发展概率;②在各类用地扩张发展概率的基础上运用2010年国土空间土地利用现状数据模拟预测得到2020年的国土空间土地利用分布图,并运用Validation(Confusion Matrix & Fom)模块对模拟结果与2020年土地利用分布对比,从而进行模拟精度验证;③基于线性回归进行自然发展情景下未来时期国土空间类型的需求量预测,并设置各情景对应的转换成本矩阵实现对吉林西部国土空间的多情景模拟。

2.5 MOP模型

MOP模型包含目标函数和约束函数,是研究土地利用结构优化的重要模型之一^[38]。MOP模型能够依据经济、生态以及一些规划者自身所需求的变量,定义目标函数及约束条件加以考虑^[7]。本文研究参考张澔宇等^[7]的研究,设立了两个优化目标:①经济效益最大化;②生态效益最大化。本文研究的MOP目标函数为

(6)E_a₍_x₎=$\stackrel{\mathit{n}}{\sum _{\mathit{i}=1}}$(a_ix_i)

(7)E_b₍_x₎=$\stackrel{\mathit{n}}{\sum _{\mathit{i}=1}}$(b_ix_i)

式中:E_a₍_x₎、E_b₍_x₎分别为经济效益和生态效益,万元;x_i为第i类地类变量;a_i、b_i分别为单位面积下该地类的经济、生态效益系数。

想要得到可持续发展情境下各地类面积就要使两个目标函数同时满足效益最大化E_s₍_x₎,设置两个目标函数的比例参数为0.5和0.5,即

(8)

$\begin{array}{c}{\mathit{E}}_{\mathit{s}\left(\mathit{x}\right)}=0.5{\mathit{E}}_{\mathit{a}\left(\mathit{x}\right)}+0.5{\mathit{E}}_{\mathit{b}\left(\mathit{x}\right)}\end{array}$

运用Microsoft Excel的规划求解得到使经济效益与生态效益同时最大化的各地类像元数量。

3 结果与分析

3.1 PLES时空变化分析

如图2所示为2000年、2010年、2020年吉林西部土地利用,基于此统计各土地利用类型面积,并计算两个时段的土地利用变化率,如表2所示。

结果显示,2000—2020年,吉林西部生产空间持续扩张1 947.45 km²,生活空间扩张289.30 km²,而生态空间则日益减少2 236.76 km²,土地利用呈现显著的转型特征。耕地呈现持续扩张态势,尤其在2010—2020年,增幅达1.8×10³ km²;森林、草地、湿地等生态用地整体呈现缩减趋势,其中湿地退化尤为严峻,2000—2020年期间累计缩减207.7 km²;水体面积呈现先减后增的波动特征,2010—2020年期间显著恢复增加830.98 km²;人造地表扩张加速,2010—2020年增长率为16.43%,较2000—2010年增长率上升了15.75%;裸地呈现先增后减的趋势,虽在2010—2020年有所减少,但2020年总面积仍高于2000年基准水平。

土地利用动态度分析结果如表3所示。可知,2000—2010年,综合土地利用动态度0.14%。其中生产空间和生活空间呈现增长态势,动态度分别为0.03%、0.07%,生态空间有所缩减,动态度为-0.07%。而2010—2020年,土地利用转换情况较频繁,综合土地利用动态度高达0.63%,相较于2000—2010年增加0.49%。其中生产、生活空间动态度2010—2020分别为0.64%、1.64%,较2000—2010年分别提升0.61%和1.57%,生态空间呈现减少趋势,动态度为-1.30%,生态空间转出活动较前一时段更为剧烈。

对比如图3所示两段时期的土地利用转移矩阵,可见,2010—2020年的地类转换强度高于前期。2000—2010年,吉林西部土地利用格局相对稳定,除湿地外其他地类均保持着80%以上的自身转换率,其中耕地的自身转换率最高,达到97.09%,主要转出为草地,转换率为2.17%;森林有11.97%向草地转换;湿地的自身转换率为70.04%,主要转出方向为草地(20.16%)、耕地(3.38%)和裸地(3.58%)。11.49%的人造地表转换为了耕地,有11.00%的裸地转换为草地。

2010—2020年地类转换呈现活跃特征,耕地的自身转换率依旧保持着90%以上,3.78%的耕地转换为草地,同时有28.94%的草地转换为了耕地。此外,2.00%的耕地转换为人造地表,与此同时 23.96%的人造地表转换为耕地。森林的自身转换率相较其他地类最低,仅有33.84%,转换大幅度增加,21.08%的森林转换为耕地,28.43%转换为草地, 11.70%转换为水体。湿地的自身转换率较2000—2010年下降了29.01%,转换类型以草地(25.32%)与水体(28.36%)为主。裸地的自身转换率有所降低,主要转换为草地(20.13%),其次为耕地(7.50%)以及水体(6.14%)。

3.2 吉林西部“三生”空间格局优化模拟

3.2.1 获取各类用地发展概率

共确定了9个驱动因素,分别为DEM、坡度、年平均降水量、年平均气温、GDP、人口密度、到一级道路距离、到铁路距离、到湿地距离并根据当地政策设立了一个限制发展区域数据,设定湿地与水体限制发展(值为0)。通过PLUS模型利用土地利用现状数据提取土地利用扩张,提取2000—2020年的土地利用扩张,并获取各类用地发展概率,如表4所示。

3.2.2 精度验证

运用吉林西部2000—2020年的土地利用扩张图,结合模型计算得到各地类土地发展概率数据通过CARS模型模拟2020年的土地利用数据,完成模拟后利用PLUS 模型的精度验证模块将2020年土地利用图与模拟得出的2020土地利用图进行对比,结果如图4所示,得到该模型的Kappa系数为0.663,总体精度为0.821,FoM(figure of merit)指数为0.229。总体精度和Kappa系数越接近1,模拟精度越好^[2]。通过精度验证的结果可以看出PLUS模型总体模拟情况较好,可用于模拟吉林西部2040年土地利用格局。

3.2.3 多情景模拟

运用PLUS模型中Markov预测链模型对吉林西部2040年土地利用情况进行多情景模拟,模拟的优化情景有:自然发展、粮食优先、生态优先、均衡发展4种情景。

自然发展情景是指从2020年开始,根据2000—2020年各地类发展概率,政策规划对土地利用的影响,预测2040年各土地利用需求。结果如表5和图5所示。

在自然发展情景下[图5(a)],耕地面积保持扩张趋势,扩张了1 093.88 km²,而森林、草地、湿地维持缩减态势,但缩减幅度有所减缓,仅减少1 709.58 km²,水体与建设用地面积呈现增加趋势,分别增加477.69 km²和212.24 km²,而未利用地面积呈现缩减趋势,减少了74.22 km²。其减少的原因是吉林西部地区大力发展农业,耕地面积日益增加,其他地类较难转换为耕地,若继续由其发展,未利用地势必需要转换为耕地来满足日益增加的耕地需求,另一部分则要维持其他地类的用地平衡。

考虑到农田保护事关国家粮食安全^[29],设定粮食优先情景。粮食优先情景设定为土地利用发展以耕地为主,着重增加耕地面积进而提高粮食产量。在该优化方案中,将耕地的转换率提高,具体调整如下:将耕地的自我转换概率提高2%,降低其转换成草地的概率,与此同时,将未利用地转换为耕地的概率提高60%,提高未利用地利用率。根据调整后的土地转换概率可以得到粮食优先情景下吉林西部的土地利用情况[图5(b)]。在该情景下,耕地面积得到了大幅的提升,2020—2040年的耕地扩张了3 920.15 km²,提升至2000—2020年耕地扩张面积的2倍。未利用地减少2 284.34 km²。其他地类仍旧保持着其发展趋势,但变化幅度均发生不同程度的减弱,森林、草地,湿地面积分别减少17.21、2 233.27、75.25 km²,水体与建设用地面积分别增加477.69、212.23 km²。

目前社会要增强生态系统连通性,维护生态系统稳定性,实现生态安全十分关键和紧迫^[39],故本文中设定生态优先情景。生态优先情景是指土地利用发展以森林、草地、湿地为主,大力发展生态空间,提高森林、草地、湿地面积进而提高吉林西部生态服务价值,优化研究区生态。在该优化方案中,提高森林、草地、湿地自身转换概率,与此同时维持水体发展趋势,提高未利用地转换为生态用地的概率。具体调整如下:提高森林10%的自身转换概率,草地15%的自身转换概率,湿地以及水体的自身转换概率不做调整,与此同时,降低未利用地25.10%的自身转换概率,其转换成森林用地的概率提高0.1%,转换为草地的概率提高15%,转换为湿地的概率提高5%,转换为水体的概率提高5%。在该情景下,耕地呈现小幅度减少,面积减少了128.36 km²。森林维持缩减态势,但缩减幅度明显小于2000—2020年缩减幅度,仅缩减了4.41 km²。草地、湿地、水体均有所增加,分别增加157.65、108.92、652.75 km²,这大大增强了吉林西部的生态空间。建设用地增加了212.23 km²,而未利用地减少998.78 km²,利用率提高,整体的土地利用格局在一定程度上有所优化。在该方案下,生产空间发生轻微缩减,而生活空间与生态空间有所增加[图5(c)]。

国土开发方式将从以生产空间为主导转向三生空间相协调^[5],因此本文中设定均衡发展情景。均衡发展情景是指不着重发展某一空间,而是追求生产、生活、生态三种空间协调均衡发展。在该优化方案下,提高除未利用地外各地类的自身转换概率,提高未利用地转换为其他地类的概率。具体调整如下:提高森林10%的自身转换概率,提高20%草地的自身转换概率,提高10%建设用地的自身转换概率,与此同时,调整未利用地转换概率,提高20%转换为耕地的概率,提高1%转换为草地的概率,提高5%转换为湿地的概率,提高29%转换为建设用地的概率。预测结果可以看出,除森林、未利用地外,各地类均呈现扩张态势,其中湿地、水体面积的扩张大大增加了吉林西部的生态空间,分别扩张了108.92 km²和477.69 km²,提高了生态服务价值,草地面积少量增加40.26 km²,森林面积虽然仍在减少,但减少幅度减小,减少4.41 km²,生态空间发展趋势可观。耕地面积持续扩张但扩张趋势得到控制,较2020年增加了4.06 km²。建设用地面积也有所增加,增加了1 477.32 km²,这也大大提高了生活空间,吉林西部整体的PLES格局较2020年有所优化[图5(d)]。

3.2.4 可持续发展情景

可持续发展立足于满足当代和未来发展需求,是能够综合解决城市经济、社会与环境问题的城市发展模式^[40],故从经济效益和生态效益的角度构建可持续发展情景。运用MOP模型设立约束函数以及目标函数得到可持续发展情景下的空间格局。为各个地类设置参数,耕地为x₁,森林为x₂,草地为x₃,湿地为x₄,水体为x₅,建设用地为x₆,未利用地为x₇。其中,国土空间利用经济效益函数基于2000—2020年各地类单位面积的经济产出数据计算目标年份经济效益系数,其中耕地、森林、草地、水体、建设用地分别以地均农业产值、地均林业产值、地均牧业产值、地均渔业产值以及地均二三产业产值表示,湿地、未利用地不计算^[16]。土地利用生态效益函数则根据中国陆地生态系统服务价值系数^[38]并将系数单位由元/(hm²· 年)转换为万元/(hm²· 年)得到各用地的生态效益系数,最终经济效益目标函数E_a₍_x₎与生态效益目标函数E_b₍_x₎表达式为

E_a₍_x₎=0.041 2x₁+0.002 8x₂+0.664 7x₃+0.003 6x₅+0.675 8x₆

E_b₍_x₎=0.620 3x₁+1.961 3x₂+0.649 8x₃+5.629 0x₄+4.126 4x₅

MOP模型约束函数如表6所示。

如表7所示可持续发展情景下土地利用面积表明,相对于2020年的土地利用情况,可持续发展情境下,耕地面积增加1 048.14 km²,森林面积减少10.11 km²,草地面积保持不变,湿地面积减少23.28 km²,水体面积增加469.29 km²,建设用地面积增加212.24 km²。生产空间小幅度扩张,生态空间的缩减趋势得到改善,生活空间也得到一定扩张,整体格局得到优化,此时,吉林西部国土空间利用经济效益为8.21×10¹²元,生态效益为3.70×10¹⁰元。与自然发展情景下的空间格局进行对比,得到如图6所示可持续发展情景下土地利用格局。可以看出生态空间的缩减得到了抑制,开始呈现扩张趋势,增加435.90 km²,生产空间的扩张态势良好,增加1 048.14 km²,生活空间同样维持良好的扩张态势,增加212.24 km²。因此,对于2040年的空间格局来说,可持续发展情景下的空间格局相对更加优化,且若按照这种优化速度,吉林西部的空间格局将逐渐优化至理想状态。在可持续发展情景下,可以找到一个土地利用需求的平衡点来优化未来的空间格局,同时也为决策者规划未来发展格局起到一定参考作用,建议通过提升未利用地利用率,进一步增强区域发展的可持续性,严格管控耕地无序扩张,更好地为可持续发展服务。

4 结论

(1)与2000—2010年相比,2010—2020年期间的土地利用转换活跃度显著提升,综合土地利用动态度由0.14提高至0.63。生产空间持续扩张1 947.45 km²,而生态空间则日益减少2 236.76 km²:森林转换大幅度增加,以耕地与草地为主,其次为水体。湿地的转换类型以草地与水体为主。裸地的自身转换率有所降低,主要转为草地,其次为耕地以及水体。

(2)在自然发展情景下,湿地与林草地持续被开垦为耕地,生产空间与生态空间的冲突加剧;在粮食优先情景下,大量未利用地转换为耕地,生态空间仍维持缩减态势,加剧了吉林西部“三生空间”发展不平衡的问题;在生态优先的情景下,未利用地向森林、草地以及湿地转换,生态空间停止缩减并呈现扩张趋势,在一定程度上缓解了生态空间的问题,耕地面积小幅度缩减,提高了吉林西部“三生空间 ”的平衡性,减缓了生产空间与生态空间之间差距的进一步扩大;均衡发展情景下,耕地的扩张趋势得到控制,但占比依然较大,森林面积小幅度缩减,草地与湿地面积扩张,弥补了生态空间的面积,生活空间同步发展。尽管生态优先情景与均衡发展情景下生态空间呈现良好的扩张趋势,但大部分是由未利用地转换得到。

(3)基于MOP模型构建的可持续发展情景显示:在未利用地规模不变的条件下,生产空间和生活空间维持扩张趋势,分别扩张1 048.14 km²、212.24 km²。生态空间的缩减问题显著缓解,开始呈现增长趋势,增长了435.90 km²,经济效益为8.21×10¹²元,生态效益为3.70×10¹⁰元。

(4)可持续发展情景可有效优化吉林西部空间格局、调节区域发展失衡。建议未来严格管控耕地无序扩张,科学调控土地利用转换方向与强度,进而实现吉林西部“三生空间”的动态平衡,增强区域发展的可持续性。

参考文献

原文顺序 | 出版日期 | 本文引用

[1]	Yang X D, Chen X P, Qiao F W, et al. Layout optimization and multi-scenarios for land use: an empirical study of production-living-ecological space in the Lanzhou-Xining City Cluster, China[J]. Ecological Indicators, 2022, 145: 109577.

[2]	Jiang X T, Zhai S Y, Liu H, et al. Multi-scenario simulation of production-living-ecological space and ecological effects based on shared socioeconomic pathways in Zhengzhou, China[J]. Ecological Indicators, 2022, 137: 108750.

[3]	Gao H X, Song X Q, Xu H X, et al. Promoting sustainable development by mitigation of natural habitat quality decline through multifunctional urban land use: insights from a multi-scenario simulation[J]. Sustainable Cities and Society, 2024, 110: 105563.

[4]	Tumsa B C, Kenea G, Tola B. The application of SWAT+ model to quantify the impacts of sensitive LULC changes on water balance in Guder Catchment, Oromia, Ethiopia[J]. Heliyon, 2022, 8(12): e12569.

[5]	黄金川, 林浩曦, 漆潇潇. 面向国土空间优化的三生空间研究进展[J]. 地理科学进展, 2017, 36(3): 378-391.

[6]	Huang Jinchuan, Lin Haoxi, Qi Xiaoxiao. A literature review on optimization of spatial development pattern based on ecological-production-living space[J]. Progress in Geography, 2017, 36(3): 378-391.

[7]	赵寿露, 李石华, 许新惠, 等. 耦合MOP-FLUS模型的滇中城市群“三生”空间格局优化[J]. 水土保持研究, 2022, 29(4): 322-328.

[8]	Zhao Shoulu, Li Shihua, Xu Xinhui, et al. Production-life-ecological space pattern optimization of the urban agglomeration in Central Yunnan based on coupled MOP and FLUS model[J]. Research of Soil and Water Conservation, 2022, 29(4): 322-328.

[9]	张澔宇, 史名杰, 曹月娥, 等. 基于MOP-PLUS模型的新疆阿克苏地区土地利用景观格局优化及多情景模拟[J]. 西南农业学报, 2022, 35(10): 2256-2264.

[10]	Zhang Haoyu, Shi Mingjie, Cao Yue’e, et al. Optimization of land use landscape pattern and multi scenario simulation in Aksu Region of Xinjiang based on MOP-PLUS model[J]. Southwest China Journal of Agricultural Sciences, 2022, 35(10): 2256-2264.

[11]

Zhang L L, Hu B Q, Zhang Z, et al. Research on the spatiotemporal evolution and mechanism of ecosystem service value in the mountain-river-sea transition zone based on “production-living-ecological space” ——taking the Karst-Beibu Gulf in Southwest Guangxi, China as an example[J]. Ecological Indicators, 2023, 148: 109889.

[12]	冯琰玮, 甄江红. 国土空间功能演变及协同/权衡关系研究——以内蒙古呼包鄂地区为例[J]. 干旱区研究, 2022, 39(5): 1642-1654.

[13]	Feng Yanwei, Zhen Jianghong. Study on the adaptation of the land’s functions and its synergy/trade-off relationship: a case study of Hohhot-Baotou-Ordos Region, Inner Mongolia[J]. Arid Zone Research, 2022, 39(5): 1642-1654.

[14]	Li J S, Sun W, Li M Y, et al. Coupling coordination degree of production, living and ecological spaces and its influencing factors in the Yellow River Basin[J]. Journal of Cleaner Production, 2021, 298: 126803.

[15]	Yang Y Y, Bao W K, Liu Y S. Coupling coordination analysis of rural production-living-ecological space in the Beijing-Tianjin-Hebei Region[J]. Ecological Indicators, 2020, 117: 106512.

[16]	Zhu Z Y, Peng S Y, Ma X L, et al. Identification of potential conflicts in the production-living-ecological spaces of the Central Yunnan urban agglomeration from a multi-scale perspective[J]. Ecological Indicators, 2024, 165: 112206.

[17]	冯晓娟, 雷国平, 马泉来, 等. 1990—2020年河南省黄淮海平原国土空间“三生”功能时空演变[J]. 水土保持通报, 2022, 42(4): 357-364.

[18]	Feng Xiaojuan, Lei Guoping, Ma Quanlai, et al. Spatial-temporal evolution of productional-living-ecological function in Huanghuaihai Plain of Henan Province during 1990—2020[J]. Bulletin of Soil and Water Conservation, 2022, 42(4): 357-364.

[19]	杨政琨, 张雪松, 雷自耕, 等. 鄂北低丘岗地乡村三生空间功能耦合协调度时空变化研究——以湖北省广水市长岭镇为例[J]. 长江流域资源与环境, 2024, 33(6): 1354-1368.

[20]

Yang Zhengkun, Zhang Xuesong, Lei Zigeng, et al. Spatial-temporal variation of the coupling coordination degree for rural production-living-ecology spatial functions in the low hilly area of Northern Hubei Province: take Changling Town, Guangshui City, Hubei Province as an example[J]. Resources and Environment in the Yangtze Basin, 2024, 33(6): 1354-1368.

[21]	Saha P, Mitra R, Chakraborty K, et al. Application of multi-layer perceptron neural network Markov chain model for LULC change detection in the Sub-Himalayan North Bengal[J]. Remote Sensing Applications: Society and Environment, 2022, 26: 100730.

[22]	李代超, 卢嘉奇, 谢晓苇, 等. 碳中和视角下基于主体功能区分类约束的国土空间分区优化模拟——以福建省为例[J]. 生态学报, 2022, 42(24): 10111-10126.

[23]	Li Daichao, Lu Jiaqi, Xie Xiaowei, et al. Optimization simulation of land space zoning based on the classification constraints of main functional zones from the perspective of carbon neutrality: a case study of Fujian Province[J]. Acta Ecologica Sinica, 2022, 42(24): 10111-10126.

[24]	陈振, 郭杰, 张雪微, 等. 耦合景观生态安全格局的南京市“三生”空间多情景模拟[J]. 水土保持研究, 2024, 31(4): 383-394.

[25]	Chen Zhen, Guo Jie, Zhang Xuewei, et al. Multi-scenario simulation of production-life-ecology space in Nanjing coupled with landscape ecological security pattern[J]. Research of Soil and Water Conservation, 2024, 31(4): 383-394.

[26]	Peng J, Zhao S Q, Dong J Q, et al. Applying ant colony algorithm to identify ecological security patterns in megacities[J]. Environmental Modelling & Software, 2019, 117: 214-222.

[27]	章欣欣, 栾海军, 花利忠. 基于蜂群算法的城市土地利用变化建模[J]. 地理科学, 2016, 36(3): 359-366.

[28]	Zhang Xinxin, Luan Haijun, Hua Lizhong. Urban land use change modelling based on artificial bee colony algorithm[J]. Scientia Geographica Sinica, 2016, 36(3): 359-366.

[29]	李阜鹏, 韩惠, 杨树文. 甘肃省2000—2020年土地利用变化分析及基于PLUS的生态空间多情景模拟[J]. 科学技术与工程, 2023, 23(15): 6316-6326.

[30]	Li Fupeng, Han Hui, Yang Shuwen. Analysis of land use change in Gansu Province from 2000 to 2020 and multi-scenario simulation of Gansu’s ecological space based on PLUS[J]. Science Technology and Engineering, 2023, 23(15): 6316-6326.

[31]	沈祺林, 牟凤云, 朱诗柔, 等. 山地城市生态安全评价及多情景格局预测: 以重庆市为例[J]. 科学技术与工程, 2025, 25(6): 2627-2636.

[32]	Shen Qilin, Mou Fengyun, Zhu Shirou, et al. Ecological security assessment and multi-scenario pattern prediction of mountain cities: a case study of Chongqing[J]. Science Technology and Engineering, 2025, 25(6): 2627-2636.

[33]	王洁宁, 王文超, 海蒙蒙. 基于PLUS模型的山东省土地利用变化模拟分析[J]. 国土与自然资源研究, 2022(6): 1-8.

[34]	Wang Jiening, Wang Wenchao, Hai Mengmeng. Simulation analysis of land use change in Shandong Province based on PLUS model[J]. Territory & Natural Resources Study, 2022(6): 1-8.

[35]	蒋小芳, 段翰晨, 廖杰, 等. 基于PLUS-SD耦合模型的黑河流域中游甘临高地区土地利用研究[J]. 干旱区研究, 2022, 39(4): 1246-1258.

[36]	Jiang Xiaofang, Duan Hanchen, Liao Jie, et al. Land use in the Gan-Lin-Gao Region of middle reaches of Heihe River Basin based on a PLUS-SD coupling model[J]. Arid Zone Research, 2022, 39(4): 1246-1258.

[37]	Liao G T, He P, Gao X S, et al. Land use optimization of rural production-living-ecological space at different scales based on the BP-ANN and CLUE-S models[J], Ecological Indicators, 2022, 137: 108710.

[38]	Zhao M, He Z, Du J, et al. Assessing the effects of ecological engineering on carbon storage by linking the CA-Markov and InVEST models[J]. Ecological Indicators, 2019, 98: 29-38.

[39]	Sohl T L, Claggett P R. Clarity versus complexity: land-use modeling as a practical tool for decision-makers[J]. Journal of Environmental Management, 2013, 129: 235-243.

[40]	Zhang C Y, Jia Q, Liu Y J, et al. Evaluation and multi scenario simulation of ecosystem service value in Zhengzhou Metropolitan Area based on PLUS model[J]. Measurement: Sensors, 2024, 32: 101079.

[41]	Li W J, Kang J W, Wang Y. Identifying the contribution and spatial effects of land use conversion on ecosystem health in Chongqing: a multi-scenario simulation perspective[J]. Ecological Indicators, 2024, 165: 112232.

[42]	Wu C, Wang Z J. Multi-scenario simulation and evaluation of the impacts of land use change on ecosystem service values in the Chishui River Basin of Guizhou Province, China[J]. Ecological Indicators, 2024, 163: 112078.

[43]	李洋洋, 张延军, 李晓燕, 等. 基于土地利用转型的农牧交错区生境质量时空演变——以吉林西部为例[J]. 吉林大学学报(地球科学版), 2025, 55(3): 862-878.

[44]	Li Yangyang, Zhang Yanjun, Li Xiaoyan, et al. Spatiotemporal evolution of habitat quality in agro-pastoral intertwined areas based on land use transformation: a case study in the West of Jilin Province[J]. Journal of Jilin University(Earth Science Edition), 2025, 55(3): 862-878.

[45]	史晓辰, 张超, 郧文聚. 有效缓解耕地开垦与湿地保护矛盾的对策——以吉林西部为例[J]. 中国土地, 2022(10): 32-33.

[46]	Shi Xiaochen, Zhang Chao, Yun Wenju. Effective strategies for alleviating the conflict between cultivated land reclamation and wetland protection: a case study of Western Jilin[J]. China Land, 2022(10): 32-33.

[47]	刘小京, 郭凯, 封晓辉, 等. 农业高效利用盐碱地资源探讨[J]. 中国生态农业学报(中英文), 2023, 31(3): 345-353.

[48]	Liu Xiaojing, Guo Kai, Feng Xiaohui, et al. Discussion on the agricultural efficient utilization of saline-alkali land resources[J]. Chinese Journal of Eco-Agriculture, 2023, 31(3): 345-353.

[49]	曲风臣, 陈卫平, 王佳佳. 基于成因的松嫩平原苏打盐碱地“旱田”工程治理模式探讨[J]. 生态学报, 2025, 45(20): 10113-10120.

[50]	Qu Fengchen, Chen Weiping, Wang Jiajia. Discussion on engineering treatment model for “Dryland” of saline-sodic soil in the Songnen Plain based on cause analysis[J]. Acta Ecologica Sinica, 2025, 45(20) : 10113-10120.

[51]	Song W, Cao S S, Du M Y, et al. Aligning territorial spatial planning with sustainable development goals: a comprehensive analysis of production, living, and ecological spaces in China[J]. Ecological Indicators, 2024, 160: 111816.

[52]	Xu H W, Fei Z, Li W P, et al. Spatial-temporal pattern of change in production-living-ecological space of Nanchong City from 2000 to 2020 and underlying factors[J]. Environmental Monitoring and Assessment, 2024, 196: 9.

[53]	Zhang S N, Chen C, Yang Y, et al. Coordination of economic development and ecological conservation during spatiotemporal evolution of land use/cover in eco-fragile areas[J]. Catena, 2023, 226: 107097.

[54]	张启扬, 刘仁志, 栾朝旭. 基于PLUS模型的典型农牧交错带土地利用驱动力分析与多情景模拟[J]. 水土保持研究, 2025, 32(1): 368-378.

[55]	Zhang Qiyang, Liu Renzhi, Luan Chaoxu. Analysis of driving force and multi-scenario simulation of land use in a typical agro-pastoral ecotone based on the PLUS model[J]. Research of Soil and Water Conservation, 2025, 32(1): 368-378.

[56]	杨柳, 王元明. 天津市土地利用变化及生态系统服务价值评价[J]. 天津农业科学, 2018, 24(7): 75-80.

[57]	Yang Liu, Wang Yuanming. Evaluation of land use change and land ecosystem service value in Tianjin[J]. Tianjin Agricultural Sciences, 2018, 24(7): 75-80.

[58]	Dang H, Lü Y H, Guo J Y, et al. Multi-scenario simulation can contribute to identify priorities for regional ecological corridors conservation[J]. Ecological Indicators, 2024, 165: 112166.

[59]	邓羽, 王文学, 王海军. 大都市区可持续发展的模式分异与情景模拟——以北京为例[J]. 武汉大学学报(信息科学版), 2024, 49(5): 844-855.

[60]	Deng Yu, Wang Wenxue, Wang Haijun. Regional divergence and scenario simulation of sustainable development patterns in Beijing, China[J]. Geomatics and Information Science of Wuhan University, 2024, 49(5): 844-855.

基金资助

国家自然科学基金(42071275)

PDF (20123KB)

访问

被引

详细

导航

Received	Published	Revised
2025-05-08	2026-05-28	2025-11-28
Online Date
2026-08-07

摘要