宋百媛, 侯西勇, 王曉利, 劉玉斌

海岸帶土地利用變化多情景模擬——以山東海岸帶為例

宋百媛1, 2, 3, 4, 侯西勇1, 3, 4, 王曉利1, 3, 4, 劉玉斌1, 2, 3, 4

(1. 中國科學(xué)院 煙臺海岸帶研究所, 山東 煙臺 264003; 2 中國科學(xué)院大學(xué), 北京 100049; 3中國科學(xué)院海岸帶環(huán)境過程與生態(tài)修復(fù)重點實驗室, 山東 煙臺 264003; 4 山東省海岸帶環(huán)境過程重點實驗室, 中國科學(xué)院 煙臺海岸帶研究所, 山東 煙臺 264003)

海岸帶土地利用長時間序列多情景模擬, 對海岸帶綜合管理和可持續(xù)發(fā)展有重要指導(dǎo)意義。以山東海岸帶為例, 構(gòu)建山東海岸帶土地利用需求系統(tǒng)動力學(xué)(SD)模型, 設(shè)置SSP1-RCP2.6(A-可持續(xù)發(fā)展路徑)、SSP2-RCP4.5(B-經(jīng)濟(jì)社會適中發(fā)展路徑)、SSP3-RCP4.5(C-逆全球化的區(qū)域競爭路徑)三種情景, 模擬至2100年土地利用需求, 進(jìn)而使用FLUS模型模擬近期(2030年)、中期(2050年)和遠(yuǎn)期(2100年)的土地利用空間分布。結(jié)果表明: (1) 情景A人口較少、城鎮(zhèn)化率高、經(jīng)濟(jì)發(fā)展水平較高, 情景B各因素發(fā)展趨勢適中, 情景C人口數(shù)量較多、城鎮(zhèn)化率較低、經(jīng)濟(jì)發(fā)展水平較低。(2) 至2100年各地類的需求面積變化曲線表現(xiàn)出顯著的情景差異及類型差異; 情景A經(jīng)濟(jì)社會發(fā)展對土地資源的依賴性較小; 情景B對主要地類的面積需求在三種情景中處于中等水平; 情景C經(jīng)濟(jì)社會發(fā)展對生活、生產(chǎn)用地需求突出, 建設(shè)用地面積增長趨勢強(qiáng)勁。(3) 至2100年三種情景土地利用的格局—過程差異顯著, 情景A主要地類趨向于集中分布, 建設(shè)用地在近、中期將延續(xù)擴(kuò)張趨勢, 但濱海濕地能夠得到有效的保護(hù); 情景B海岸帶區(qū)域建設(shè)用地和人工濕地的擴(kuò)張及林草地的萎縮趨勢均較顯著; 情景C建設(shè)用地擴(kuò)張最顯著, 人工濕地與耕地有向海擴(kuò)張的趨勢, 濱海濕地顯著萎縮。研究結(jié)果可為海岸帶管理長遠(yuǎn)的戰(zhàn)略決策制定提供科學(xué)支持。

土地利用; 情景分析; 系統(tǒng)動力學(xué); 海岸帶

海岸帶是陸地和海洋交互作用強(qiáng)烈的過渡地帶, 是具有獨特的陸、海屬性的動態(tài)而復(fù)雜的自然體系, 也是空間開發(fā)利用最密集、資源環(huán)境壓力最突出和各類矛盾問題最集中的復(fù)雜系統(tǒng)[1-2]。改革開放四十余年,中國經(jīng)歷了快速的城鎮(zhèn)化與工業(yè)化發(fā)展, 尤其是人口和產(chǎn)業(yè)稠密的海岸帶區(qū)域, 高強(qiáng)度的人類活動導(dǎo)致顯著的土地利用變化過程, 土地資源面臨巨大的壓力和挑戰(zhàn)[3-4]。進(jìn)入21世紀(jì), 隨著經(jīng)濟(jì)社會發(fā)展與生態(tài)環(huán)境保護(hù)對空間的需求發(fā)生變化, 海岸帶土地利用/覆被變化將展現(xiàn)出新的特征、趨勢及內(nèi)涵機(jī)制。

伴隨信息科學(xué)技術(shù)的發(fā)展, 土地利用變化研究的廣度、深度日益擴(kuò)展, 土地利用/覆被變化時空過程監(jiān)測、情景模擬與動力學(xué)機(jī)制的理解已經(jīng)成為科研前沿[5]。土地利用變化模型是土地利用變化研究的重要工具[6], 但目前的土地利用模擬研究技術(shù)主要基于歷史及當(dāng)前土地變化規(guī)律, 以時間為變化引導(dǎo), 預(yù)測未來某一時間點或時期的土地覆蓋數(shù)量及空間變化[7], 模擬的時間尺度以未來5—20年為主[8-10], 難以反映長期趨勢和特征。因此, 構(gòu)建深入反映土地動力機(jī)制的長時間序列模擬模型, 可以對區(qū)域土地利用有更長遠(yuǎn)的趨勢模擬和判斷。

大多數(shù)土地利用變化模擬模型由土地需求模擬與空間模擬兩部分組成。系統(tǒng)動力學(xué)(System Dynamic, 簡稱SD)是土地利用需求數(shù)量模擬的常用方法, 國內(nèi)外學(xué)者針對不同的研究區(qū)域和目的, 構(gòu)建土地利用變化SD模型[11-13]。FLUS模型可以得到較好的空間模擬結(jié)果, 其基于輪盤賭的地類選擇機(jī)制不但能同時模擬多種地類的變化, 而且使得非主導(dǎo)地類也有機(jī)會被分配至元胞上, 因而, 模型能反映真實土地利用變化中的不確定性以及模擬跳躍式土地利用變化情形[14]。將SD自上而下的數(shù)量模擬與FLUS自下而上的空間模擬相結(jié)合, 能夠深刻揭示土地利用變化的時空特征及內(nèi)在機(jī)制。本文擬探究海岸帶土地利用動力學(xué)機(jī)制, 進(jìn)行長時期情景模擬, 主要將人口、城市化、經(jīng)濟(jì)發(fā)展以及國際環(huán)境等因素的未來長期發(fā)展態(tài)勢納入土地利用變化的動力學(xué)機(jī)制。具體以山東海岸帶為例, 基于共享社會經(jīng)濟(jì)發(fā)展路徑(Shared Socioeconomic Pathways, SSPs)與IPCC第五次評估報告采用的典型濃度路徑(Repre-sentative Concentration Pathways, RCPs)組合情景, 構(gòu)建山東海岸帶土地利用需求模擬系統(tǒng)動力學(xué)模型, 進(jìn)行至本世紀(jì)末長時間序列多情景模擬, 并使用FLUS模型進(jìn)行近期(2030年)、中期(2050年)和遠(yuǎn)期(2100年)多情景的空間模擬, 以期為海岸帶區(qū)域中長期的戰(zhàn)略決策制定提供科學(xué)支持。

1 研究區(qū)概況

山東省海岸帶地處115°45′E—122°49′E、34°23′E—38°32′N之間, 瀕臨渤海、黃海, 屬于溫帶季風(fēng)氣候。本文以陸域市級行政邊界和海域–10 m等深線確定研究區(qū)邊界, 包括濱州、德州、東營、濰坊、煙臺、威海、青島、日照和臨沂以及–10 m等深線覆蓋的淺海水域, 其中, 臨沂雖未直接靠海但轄區(qū)距離海岸線較近, 受海域影響較大, 因此也劃入研究區(qū)范圍(圖1)。研究區(qū)面積約11.62萬 km2, 是我國華東地區(qū)重要的城市密集區(qū)之一, 與韓國、朝鮮、日本距離較近, 經(jīng)濟(jì)發(fā)展水平較高, 產(chǎn)業(yè)基礎(chǔ)雄厚, 人口稠密, 人類活動強(qiáng)烈。研究區(qū)處于海陸交互的過渡地帶, 分布著山地、丘陵、河谷、平原、海灣、河口三角洲、灘涂、島嶼等地貌, 土地類型多樣, 土地利用/覆被變化特征復(fù)雜。

2 數(shù)據(jù)與方法

2.1 數(shù)據(jù)來源與處理

(1) 土地利用數(shù)據(jù): 利用文獻(xiàn)[3]和[15]的研究成果, 將其重分類為耕地、林地、草地、建設(shè)用地、內(nèi)陸水體、濱海濕地、淺海水域、人工濕地和未利用地9個地類。

圖1 山東海岸帶的位置、范圍與概貌

(2) 土地利用變化驅(qū)動因子數(shù)據(jù): 根據(jù)已有研究的經(jīng)驗總結(jié)[16-17]和研究區(qū)實際及數(shù)據(jù)可獲取性, 選取8個驅(qū)動力因子, 數(shù)據(jù)源及其處理如表1所示。其中, 未來時期(2030—2100年)氣溫、降水?dāng)?shù)據(jù)是利用SimCLIM模型, 基于CMIP5的44個全球氣候模式在RCP2.6和RCP4.5情景下預(yù)估得到, 氣候數(shù)據(jù)的預(yù)估結(jié)果采用多模型集合的平均值[18]; 利用國家氣象局氣象信息中心提供的1996—2018年的地面氣象站觀測數(shù)據(jù)對氣候模型的預(yù)估能力進(jìn)行評估, 結(jié)果表明模型預(yù)估效果比較理想。空間數(shù)據(jù)均采用行列一致的空間分辨率為100 m×100 m的柵格數(shù)據(jù), 并統(tǒng)一為Albers投影。

(3) 社會經(jīng)濟(jì)數(shù)據(jù): 歷史時期人口、經(jīng)濟(jì)、固定資產(chǎn)等社會經(jīng)濟(jì)數(shù)據(jù)來源于山東省及各地級市2000—2015年統(tǒng)計年鑒、統(tǒng)計公報。未來人口、城鎮(zhèn)化率模擬數(shù)據(jù)源自Chen等的研究成果[19], 該研究根據(jù)1995—2015年各省歷史城鎮(zhèn)化率對各省的S型函數(shù)進(jìn)行修正, 并對今后各省的城鎮(zhèn)化水平進(jìn)行SSPs多情景預(yù)測, 得到至2100年各省城鎮(zhèn)化率預(yù)測數(shù)據(jù); 進(jìn)而, 基于SSPs和RCPs情景框架, 通過遞歸多維模型預(yù)測人口, 得到至2100年SSP-RCP情景矩陣下的未來年度人口網(wǎng)格數(shù)據(jù)。文本從15種情景組合中選用SSP1-RCP2.6、SSP2-RCP4.5、SSP3-RCP4.5三種情景, 通過裁剪、統(tǒng)計計算得到研究區(qū)所需的人口數(shù)量及城鎮(zhèn)化率數(shù)據(jù)。未來GDP情景分析數(shù)據(jù)來源于姜彤等人的研究成果[20], 該數(shù)據(jù)集基于中國歷次人口和經(jīng)濟(jì)普查及逐年統(tǒng)計年鑒, 使用柯布道格拉斯(Cobb-Douglas)經(jīng)濟(jì)預(yù)測模型, 依據(jù)SSPs框架情景, 獲得至2100年中國31個省(區(qū)、市)GDP模擬數(shù)據(jù)庫;本研究假設(shè)未來時期山東海岸帶區(qū)域GDP占全省的比例保持不變(2000—2015年間占比變化很小), 與SSP1、SSP2、SSP3情景下的山東省GDP模擬結(jié)果相乘, 得到至2100年山東海岸帶GDP多情景數(shù)據(jù)。

表1 驅(qū)動力因子數(shù)據(jù)來源與處理

2.2 研究方法

本研究主要包括經(jīng)濟(jì)社會發(fā)展情景設(shè)置、土地需求多情景SD模型、土地利用FLUS空間模擬三部分。在對山東海岸帶區(qū)域進(jìn)行宏觀情景發(fā)展路徑設(shè)定的基礎(chǔ)上, 構(gòu)建土地利用需求模擬系統(tǒng)動力學(xué)模型, 進(jìn)行至2100年的年尺度土地需求多情景模擬, 并針對近期(2030年)、中期(2050年)和遠(yuǎn)期(2100年), 使用FLUS模型進(jìn)行多情景空間模擬, 技術(shù)路線如圖2所示。

圖2 技術(shù)路線

2.2.1 經(jīng)濟(jì)社會發(fā)展情景設(shè)置

情景分析是一種系統(tǒng)地、創(chuàng)造性地針對研究對象設(shè)置系列情景來思考未來的方法[22]。海岸帶長時間尺度土地利用變化具有顯著的系統(tǒng)性、復(fù)雜性和不確定性, 因此, 情景分析是一種行之有效的研究方法。IPCC提出一套由社會經(jīng)濟(jì)情景和氣候情景共同構(gòu)成的情景框架[23], 其中, 社會經(jīng)濟(jì)情景由共享社會經(jīng)濟(jì)路徑(Shared Socioeconomic Pathways, SSPs)表示, 氣候情景由典型濃度路徑(Representative Concentration Pathways, RCPs)表示。SSPs可以描述具有不同適應(yīng)和減緩挑戰(zhàn)的未來社會經(jīng)濟(jì)狀況, 共設(shè)計5種, 分別是SSP1可持續(xù)路徑、SSP2中間路徑、SSP3區(qū)域競爭路徑、SSP4不均衡路徑和SSP5化石燃料為主發(fā)展路徑[24]。本文重點參照Chen等(2020)和姜彤等(2018)的研究成果, 構(gòu)建未來山東海岸帶區(qū)域經(jīng)濟(jì)社會發(fā)展情景, 假定該區(qū)域未來發(fā)展基調(diào)以可持續(xù)發(fā)展為主, 但也會受到全球競爭外在因素影響, 因此選擇SSP1-RCP2.6(A-可持續(xù)發(fā)展路徑)、SSP2-RCP4.5(B-經(jīng)濟(jì)社會適中發(fā)展路徑)和SSP3- RCP4.5(C-逆全球化的區(qū)域競爭路徑)三種情景。

情景A: 是一種以人為本的綠色道路, 實現(xiàn)RCP2.6輻射強(qiáng)迫目標(biāo)。人口增長較慢, 生育率低、死亡率低、教育程度高, 人口遷移適度, 城鎮(zhèn)化率高。長期經(jīng)濟(jì)增長放緩, 部分資金會投入到生態(tài)環(huán)境保護(hù)上, 濕地保護(hù)強(qiáng)度高。在高教育水平加上可持續(xù)發(fā)展帶動下科技進(jìn)步將較為顯著。資源節(jié)約型生活方式下土地節(jié)約集約利用程度高, 人均建設(shè)用地低?？沙掷m(xù)發(fā)展需要充足糧食保障作為支撐, 因此設(shè)置較高的耕地保護(hù)強(qiáng)度。

情景B: 發(fā)展路徑趨于溫和, 歷史過程得以維持和延續(xù)的特征突出, 實現(xiàn)RCP4.5輻射強(qiáng)迫目標(biāo)。在該發(fā)展路徑下各發(fā)展指標(biāo)主要為中值狀態(tài)或保持現(xiàn)狀。

情景C: 實現(xiàn)RCP4.5輻射強(qiáng)迫目標(biāo)。人口增長較快, 生育政策全面開放, 教育衛(wèi)生投資較低, 導(dǎo)致高死亡率、受教育程度較低, 人口流動減少, 城鎮(zhèn)化率相對較低。經(jīng)濟(jì)社會發(fā)展會受到國際競爭摩擦的影響, 形成低經(jīng)濟(jì)增長模式。土地集中利用和城市更新需要較高的投資成本, 低經(jīng)濟(jì)增長模式難以支持大面積的土地更新以及生態(tài)用地的保護(hù)與恢復(fù)。并且, 為增強(qiáng)區(qū)域競爭而對建設(shè)用地有較高的需求量。

情景變量分為主導(dǎo)變量與趨勢變量(表2)。其中, (1) 主導(dǎo)變量的未來發(fā)展趨勢如圖3所示。人口數(shù)量增長速度放緩, 至2030年左右達(dá)到峰值, 之后開始下降, 2050年左右三種情景之間人口的差異開始顯著增大; 城市化進(jìn)程將繼續(xù)推進(jìn), 到2030年左右城鎮(zhèn)化率增速開始放緩, 到2050年左右我國建成社會主義現(xiàn)代化國家, 城鎮(zhèn)化率開始趨于穩(wěn)定, 其中SSP1情景的城鎮(zhèn)化率最先達(dá)到70%; 經(jīng)濟(jì)發(fā)展趨勢也是在上升一段時期后開始趨于穩(wěn)定, SSP2情景的GDP將于2040s開始與SSP1情景拉開距離, 但在末期趕上SSP1。三種情景之間相比, 人口與經(jīng)濟(jì)發(fā)展趨勢相近, 但亦存在顯著差異; SSP1情景人口少, 城鎮(zhèn)化率高, 經(jīng)濟(jì)發(fā)展好; SSP2情景各因素發(fā)展趨勢適中; SSP3情景人口數(shù)量多, 城鎮(zhèn)化率較低, 經(jīng)濟(jì)發(fā)展較低。(2)趨勢變量是對不同情景發(fā)展路徑的趨勢假設(shè), 本文設(shè)置高、中、低三種模式。

表2 情景參數(shù)設(shè)置

圖3 人口、GDP、城鎮(zhèn)化率未來趨勢

2.2.2 土地需求多情景SD模型

針對未來時期經(jīng)濟(jì)社會發(fā)展的三種情景, 利用SD模型建立未來時期的土地需求模擬模型。土地利用系統(tǒng)是由人口、經(jīng)濟(jì)、土地、生態(tài)環(huán)境等多因素驅(qū)動的具有一定演化規(guī)律的復(fù)雜高階系統(tǒng)[25], 通過構(gòu)建土地利用SD模型, 探索和理解社會經(jīng)濟(jì)以及政策等因素引起土地利用需求變化的特征與機(jī)制, 進(jìn)而實現(xiàn)對未來土地需求的模擬。

在模型中, 人口和經(jīng)濟(jì)作為宏觀主導(dǎo)因素, 顯著影響各地類的需求量及變化過程; 固定資產(chǎn)和各類產(chǎn)業(yè)的投資比例在一定程度上反映了政府的政策方向, 在系統(tǒng)中將其看作政策調(diào)控; 人均城鎮(zhèn)建設(shè)用地面積、城市土地集約利用強(qiáng)度、科技進(jìn)步、濕地保護(hù)強(qiáng)度、耕地保護(hù)強(qiáng)度視為未來時期各地類的定性趨勢變量, 對應(yīng)三種情景分別設(shè)置高中低三種趨勢模式, 使用可以構(gòu)造變量之間非線性關(guān)系的表函數(shù)來表達(dá)定量關(guān)系[26]; 海岸帶土地利用類型及其變化過程復(fù)雜多樣, 不可能完全展現(xiàn)全部變化過程, 而且并非每一種過程都具有穩(wěn)定的系統(tǒng)性變化模式, 因此, 一方面, 將部分模式簡化為2000—2015年變化均量, 另一方面, 將未利用地視為調(diào)控地類, 以保持區(qū)域總面積的恒定。

經(jīng)過反復(fù)調(diào)試和不斷優(yōu)化, 得到山東海岸帶土地利用需求變化系統(tǒng)動力學(xué)模型(圖4), 模型中所定義的變量關(guān)系較為合理, 能夠比較準(zhǔn)確地反映海岸帶土地利用的系統(tǒng)結(jié)構(gòu)與作用機(jī)制, 利用該模型得到2015年土地利用模擬值, 將其與基于遙感技術(shù)的觀測值進(jìn)行對比, 表明, 除了作為總面積“調(diào)節(jié)器”的未利用地之外, 其余8個地類的誤差絕對值均小于5%(表3), 參照Wang et al.的研究[27]認(rèn)為誤差可以接受, 模型有效。在此基礎(chǔ)上, 以2015年為模擬基期, 模擬獲得至2100年三種情景逐年的土地利用需求時間序列數(shù)據(jù)。

2.2.3 FLUS模型

FLUS模型是用于模擬人類活動與自然影響下的土地利用變化, 獲得未來時期土地利用空間分布情景的模型。FLUS模型基于神經(jīng)網(wǎng)絡(luò)的出現(xiàn)概率(probability-of-occurrence)計算模塊使用ANN方法訓(xùn)練和評估每個柵格土地利用類型發(fā)生的概率[28], 并對傳統(tǒng)的元胞自動機(jī)(CA)模型進(jìn)行較大改進(jìn), 基于自適應(yīng)慣性機(jī)制的CA空間模擬模塊進(jìn)行用地空間配置, 采用基于輪盤賭選擇的自適應(yīng)慣性競爭機(jī)制, 能有效處理多種土地利用類型在自然因素與人類活動共同影響下發(fā)生相互轉(zhuǎn)化時的不確定性與復(fù)雜性, 具有較高的模擬精度并能獲得與現(xiàn)實土地利用分布非常相似的結(jié)果[29]?；谧赃m應(yīng)慣性機(jī)制的CA對鄰域影響的計算公式為:

圖4 山東海岸帶土地利用系統(tǒng)動力學(xué)因果關(guān)系圖

表3 山東海岸帶土地利用系統(tǒng)動力學(xué)模型校驗

自適應(yīng)慣性系數(shù)用于判斷特定土地利用類型的發(fā)展趨勢與實際需求是否存在較大差距, 如存在, 則在下一次迭代中調(diào)整該土地利用的發(fā)展趨勢, 從而動態(tài)控制該土地利用類型的數(shù)量[29], 其表達(dá)式為:

運用FLUS模型模擬至2100年山東海岸帶土地利用空間分布, 區(qū)分近期(至2030年)、中期(2031～ 2050年)和遠(yuǎn)期(2051～2100年)3個時間階段, 逐漸放寬地類轉(zhuǎn)換系數(shù)。選取均勻采樣模式, 基于基期(2015年)土地利用數(shù)據(jù)和土地利用變化驅(qū)動因子數(shù)據(jù), 將各因素進(jìn)行歸一化, 提取0.1%的柵格樣本進(jìn)行ANN訓(xùn)練及適宜性概率計算。基于2015年土地利用現(xiàn)狀數(shù)據(jù)計算近期(至2030年)模型模擬所需的適宜性概率集, 模擬獲得2030年土地利用空間分布數(shù)據(jù); 基于2030年模擬結(jié)果計算中期(2031～2050年)模型模擬所需的適宜性概率集, 模擬獲得2050年土地利用空間分布數(shù)據(jù); 依次類推, 計算遠(yuǎn)期(2051～ 2100年)模型模擬所需的適宜性概率集并得到2100年土地利用空間分布數(shù)據(jù)。

3 結(jié)果分析

3.1 土地需求發(fā)展態(tài)勢

山東海岸帶土地需求多情景模擬結(jié)果如圖5所示。整體上, 三種情景之間, 尤其是情景B與情景C之間, 各地類的需求面積變化趨勢較為相近, 近期將延續(xù)當(dāng)前土地利用變化趨勢, 中期之后差異逐漸增大。

地類之間相比, 面積需求變化趨勢差異顯著。耕地面積近期大幅度減少, 長期則呈現(xiàn)為緩慢減少。林地面積呈增加趨勢, 較大可能性以經(jīng)濟(jì)林和果園增加為主, 情景A增加幅度最大。草地面積先下降后上升, 但2015—2100年間3種情景均為凈減少。建設(shè)用地面積在情景A將顯著減少, 在情景B保持穩(wěn)定狀態(tài), 在情景C則呈現(xiàn)小幅增加趨勢。內(nèi)陸水體面積三種情景均為顯著減少趨勢。濱海濕地面積整體呈現(xiàn)近期下降、中遠(yuǎn)期上升的趨勢。濱海濕地具有很高的生態(tài)服務(wù)價值[30], 在應(yīng)對海平面上升、抵御自然災(zāi)害方面作用突出, 是可持續(xù)發(fā)展路徑值得重點保護(hù)和修復(fù)的地類; 在不考慮海平面上升的情況下, 社會經(jīng)濟(jì)發(fā)展的承載空間會繼續(xù)向海拓展, 因此, 淺海水域面積呈下降趨勢; 居民生活質(zhì)量的不斷提高, 對海水養(yǎng)殖業(yè)的需求有很大上升空間, 因此, 人工濕地需求面積總體呈上升趨勢。

3.2 土地利用多情景空間模擬結(jié)果

運用FLUS模型得到2030、2050和2100年多情景土地利用空間分布結(jié)果(圖6), 統(tǒng)計土地利用結(jié)構(gòu)(表4), 將其與土地需求SD模型的模擬值(圖5)相比較, 耕地、林地、草地、建設(shè)用地、內(nèi)陸水體、淺海水域相差1.5%以內(nèi), 濱海濕地與人工濕地相差在9.6%以內(nèi), 表明FLUS模型的模擬效果總體很好。

3.2.1 情景A: 可持續(xù)發(fā)展路徑

經(jīng)濟(jì)社會發(fā)展對土地資源的依賴性較小, 土地利用變化主要反映生態(tài)地類的保護(hù)與恢復(fù), 主要地類逐漸集中分布。近、中期建設(shè)用地仍需擴(kuò)張, 到2050年擴(kuò)張到14 520.10 km2, 以城市為中心擴(kuò)張, 相近的城市逐漸聚合為一體; 遠(yuǎn)期, 隨著城鎮(zhèn)化率的提高, 土地集約利用加上社會經(jīng)濟(jì)發(fā)展低空間需求, 建設(shè)用地中的農(nóng)村居民點減少, 海岸線附近的建設(shè)用地有修復(fù)為濕地的趨勢。到2100年, 林地、草地、濕地有相應(yīng)的擴(kuò)張趨勢, 林地在陸域擴(kuò)張明顯, 草地主要在萊州灣東部有擴(kuò)張趨勢, 濱海濕地空間分布由破碎化向恢復(fù)和擴(kuò)大的趨勢發(fā)展; 集中發(fā)展海水養(yǎng)殖等產(chǎn)業(yè)可有效促進(jìn)濱海濕地保護(hù)與修復(fù), 提升海岸帶的防災(zāi)減災(zāi)能力。

3.2.2 情景B: 經(jīng)濟(jì)社會適中發(fā)展路徑

經(jīng)濟(jì)社會發(fā)展對土地資源的需求適中, 各地類需求面積在三種情景中基本處于中間位置。與情景A相比, 建設(shè)用地和濱海濕地的面積變化差異顯著, 到2100年建設(shè)用地需求面積將增至16 152.90 km2, 濱海濕地面積僅增至1 599.33 km2。遠(yuǎn)期, 黃河三角洲繼續(xù)逐漸向海擴(kuò)張, 建設(shè)用地及人工濕地的面積增加, 島嶼空間開發(fā)比較明顯, 靠近海岸線的林草地逐漸萎縮, 海陸交互地帶的未利用地比較多。

3.2.3 情景C: 逆全球化的區(qū)域競爭路徑

全球經(jīng)濟(jì)社會摩擦嚴(yán)重, 帶來的高度競爭反映到土地利用系統(tǒng), 將加大土地利用程度以及建設(shè)用地面積的顯著增長。到2100年建設(shè)用地面積將增至17 114.80 km2, 在東部沿海地區(qū)的擴(kuò)張尤為明顯。林地、草地、內(nèi)陸水體、濱海濕地等地類的面積存量明顯低于情景A和B; 人工濕地與耕地向海擴(kuò)張趨勢明顯, 也表明情景C的人地沖突在三種情景中最為嚴(yán)重。

圖5 山東海岸帶土地需求情景模擬結(jié)果

4 結(jié)論與討論

針對山東海岸帶區(qū)域, 在對未來經(jīng)濟(jì)社會發(fā)展長期態(tài)勢進(jìn)行分析和情景設(shè)定的基礎(chǔ)上, 建立土地利用變化分析和模擬的SD-FLUS模型, 自上而下的面積需求預(yù)測與自下而上的空間模擬相結(jié)合, 得到至2100年多情景土地需求時間序列模擬結(jié)果, 以及近期(2030年)、中期(2050年)、遠(yuǎn)期(2100年)土地利用空間分布模擬結(jié)果。主要結(jié)論如下:

圖6 近、中、遠(yuǎn)期土地利用多情景空間格局模擬結(jié)果

表4 山東海岸帶近、中、遠(yuǎn)期土地利用結(jié)構(gòu)多情景模擬結(jié)果

(1) 情景A、B、C的人口與經(jīng)濟(jì)發(fā)展趨勢相近, 但亦存在顯著差異。情景A人口較少, 城市化及經(jīng)濟(jì)發(fā)展水平較高; 情景B各因素發(fā)展趨勢適中; 情景C人口數(shù)量多, 城市化和經(jīng)濟(jì)發(fā)展水平較低。

(2) 三種情景各地類需求面積變化趨勢, 近期差異較小, 將延續(xù)以往的土地利用變化特征, 中期之后不同情景之間土地利用變化的差異將明顯增強(qiáng)。情景B與情景C的變化趨勢更為接近。情景A經(jīng)濟(jì)社會發(fā)展對土地資源的依賴性較小, 有助于各種生態(tài)型地類的保護(hù)與恢復(fù); 情景B經(jīng)濟(jì)社會發(fā)展對土地資源的需求在三種情景中處于中間位置; 情景C經(jīng)濟(jì)社會發(fā)展對生活、生產(chǎn)用地的需求顯著, 建設(shè)用地面積增長最多, 濱海濕地面積萎縮趨勢顯著。

(3) 近期、中期、遠(yuǎn)期土地利用空間分布模擬結(jié)果顯示, 情景A地類趨向集中分布和格局優(yōu)化的態(tài)勢顯著, 情景B黃河三角洲繼續(xù)擴(kuò)張、建設(shè)用地及人工濕地擴(kuò)展、海岸帶林草地萎縮、島嶼開發(fā)的趨勢比較明顯, 情景C建設(shè)用地向外圍擴(kuò)張、人工濕地與耕地向海擴(kuò)張的趨勢均較為顯著。

對山東海岸帶土地利用進(jìn)行長時期的情景分析和模擬, 雖然多情景之間存在較為明顯的差異, 但整體來看, 土地利用需求仍將持續(xù), 三生(生產(chǎn)、生活、生態(tài))空間向海拓展趨勢仍較為顯著, 如果考慮未來海平面上升帶來的土地淹沒風(fēng)險將有加劇趨勢, 則未來時期海岸帶區(qū)域的人地矛盾將會更加突出。為此, 針對山東海岸帶區(qū)域, 未來時期, 建議進(jìn)行近、中、遠(yuǎn)期戰(zhàn)略規(guī)劃, 近期資源環(huán)境約束問題仍較突出, 平衡和協(xié)調(diào)生態(tài)保護(hù)與經(jīng)濟(jì)社會發(fā)展之間在土地利用方面的競爭關(guān)系至關(guān)重要; 中期土地利用變化幅度減緩, 但土地沖突問題尚未消除, 宜進(jìn)一步優(yōu)化土地利用結(jié)構(gòu)和格局以及完善陸海統(tǒng)籌等相關(guān)政策; 遠(yuǎn)期, 應(yīng)高瞻遠(yuǎn)矚, 重點考慮由于人口、經(jīng)濟(jì)和社會重大轉(zhuǎn)型而引發(fā)的土地利用結(jié)構(gòu)轉(zhuǎn)型問題, 將更多的土地轉(zhuǎn)向生態(tài)空間, 提升海岸帶生態(tài)系統(tǒng)服務(wù)功能, 應(yīng)對不斷加劇的海岸帶災(zāi)害風(fēng)險。

[1] 駱永明. 中國海岸帶可持續(xù)發(fā)展中的生態(tài)環(huán)境問題與海岸科學(xué)發(fā)展[J]. 中國科學(xué)院院刊, 2016, 31(10): 1133-1142.

LUO Yongming. Sustainability associated coastal eco- environmental problems and coastal science development in China[J]. Bulletin of the Chinese Academy of Sciences, 2016, 31(10): 1133-1142.

[2] RAMESH R, CHEN Z, CUMMINS V, et al. Land–ocean interactions in the coastal zone: Past, present & futu-re[J]. Anthropocene, 2015, 12: 85-98.

[3] 侯西勇, 邸向紅, 侯婉, 等. 中國海岸帶土地利用遙感制圖及精度評價[J]. 地球信息科學(xué)學(xué)報, 2018, 20(10): 1478- 1488.

HOU Xiyong, DI Xianghong, HOU Wan, et al. Accuracy evaluation of land use mapping using remote sensing techniques in coastal zone of China[J]. Journal of Geoin-formation Science, 2018, 20(10): 1478-1488.

[4] 鄒利林, 劉彥隨, 王永生. 中國土地利用沖突研究進(jìn)展[J]. 地理科學(xué)進(jìn)展, 2020, 39(2): 298-309.

ZOU Lilin, LIU Yansui, WANG Yongsheng. Research pro-gress and prospect of land-use conflicts in China[J]. Progress in Geography, 2020, 39(2): 298-309.

[5] 劉紀(jì)遠(yuǎn), 寧佳, 匡文慧, 等. 2010—2015年中國土地利用變化的時空格局與新特征[J]. 地理學(xué)報, 2018, 73(5): 789-802.

LIU Jiyuan, NING Jia, KUANG Wenhui, et al. Spatio- tem-poral patterns and characteristics of land-use change in China during 2010-2015[J]. Acta Geogra-phica Sinica, 2018, 73(5): 789-802.

[6] 楊微石, 戴爾阜, 鄭度, 等. 基于多主體模型的典型區(qū)域退耕還林工程實施空間模擬[J]. 地理學(xué)報, 2020, 75(9): 1983-1995.

YANG Weishi, DAI Erfu, ZHENG Du, et al. Spatial simulation of “Grain to Green Program” implementation in a typical region based on agent-based model[J]. Acta Geographica Sinica, 2020, 75(9): 1983-1995.

[7] 范樹平, 程從坤, 劉友兆, 等. 中國土地利用/土地覆蓋研究綜述與展望[J]. 地域研究與開發(fā), 2017, 36(2): 94-101.

FAN Shuping, CHENG Congkun, LIU Youzhao, et al. Re-view and prospect on land use /cover research in China[J]. Areal Research and Development, 2017, 36(2): 94-101.

[8] 張世偉, 魏璐瑤, 金星星, 等. 基于FLUS-UGB的縣域土地利用模擬及城鎮(zhèn)開發(fā)邊界劃定研究[J]. 地球信息科學(xué)學(xué)報, 2020, 22(9): 1848-1859.

ZHANG Shiwei, WEI Luyao, JIN Xingxing, et al. The land use simulation and delimitation of urban development boundary in county area based on FLUS-UGB[J]. Jour-nal of Geo-information Science, 2020, 22(9): 1848- 1859.

[9] HASAN S, SHI W, ZHU X, et al. Future simulation of land use changes in rapidly urbani-zing south China based on land change modeler and remote sensing data[J]. Sustainability, 2020, 12(11): 4350.

[10] 單淥銥, 王海軍, 張彬, 等. 顧及土地生態(tài)安全的環(huán)鄱陽湖城市群土地利用情景模擬[J]. 地球信息科學(xué)學(xué)報, 2020, 22(3): 543-556.

SHAN Luyi, WANG Haijun, ZHANG Bin, et al. Land use simulation of the city clusters around poyang lake based on land ecological security assessment[J]. Journal of Geo-information Science, 2020, 22(3): 543-556.

[11] 何春陽, 史培軍, 陳晉, 等. 基于系統(tǒng)動力學(xué)模型和元胞自動機(jī)模型的土地利用情景模擬研究[J]. 中國科學(xué)(D輯: 地球科學(xué)), 2005, 5: 464-473.

HE Chunyang, SHI Peijun, CHEN Jin, et al. Land use sce-na-rio model based on system dynamics model and cellular automata model[J]. Science in China, 2005, 5: 464-473.

[12] 許聯(lián)芳, 張海波, 張明陽, 等. 南方丘陵山地帶土壤保持功能及其經(jīng)濟(jì)價值時空變化特征[J]. 長江流域資源與環(huán)境, 2015, 24(9): 1599-1605.

XU Lianfang, ZHANG Haibo, ZHANG Mingyang, et al. Spatial-temporal variation characteristics of the soil con-servation function and its economic value in the southern hill and mountain area, China[J]. Resources and Environment in the Yangtze Basin, 2015, 24(9): 1599-1605.

[13] 金宇宏, 王海軍, 賈克敬, 等. 基于系統(tǒng)動力學(xué)的中國土地利用系統(tǒng)健康評價研究[J]. 長江流域資源與環(huán)境, 2020, 29(5): 1064-1074.

JIN Yuhong, WANG Haijun, JIA Kejing, et al. Eva-lua-tion of China’s land use system health based on system dynamics[J]. Resources and Environment in the Yangtze Basin, 2020, 29(5): 1064-1074.

[14] 張經(jīng)度, 梅志雄, 呂佳慧, 等. 納入空間自相關(guān)的FLUS模型在土地利用變化多情景模擬中的應(yīng)用[J]. 地球信息科學(xué)學(xué)報, 2020, 22(3): 531-542.

ZHANG Jingdu, MEI Zhixiong, LV Jiahui, et al. Simu-lating multiple land use scenarios based on the FLUS model considering spatial autocorrelation[J]. Journal of Geo-information Science, 2020, 22(3): 531-542.

[15] DI X H, HOU X Y, WANG Y D, et al. Spatial-temporal characteristics of land use intensity of coastal zone in China during 2000–2010[J]. Chinese Geographical Science, 2015, 25(1): 51-61.

[16] VAKHSHOORI V, ZARE M. Landslide susceptibility mapping by comparing weight of evidence, fuzzy logic, and frequency ratio methods[J]. Geomatics Natural Hazards and Risk, 2016, 7(5): 1731-1752.

[17] 蘇紅帆, 侯西勇, 邸向紅. 北部灣沿海土地利用變化時空特征及情景分析[J]. 海洋科學(xué), 2016, 40(9): 107-116.

SU Hongfan, HOU Xiyong, DI Xianghong. Spatio- temporal characteristics and scenario analysis of land- use change in the Beibu Gulf Economic Rim coastal area, China[J]. Marine Sciences, 2016, 40(9): 107-116.

[18] BARROS C B, STOCKER V, QIN D, et al. IPCC. Ma-na-ging the risks of extreme events and disasters to advance climate change adaptation. A special report of working groups I and II of the intergovernmental panel on climate change[R]. Cambridge, UK, and New York, NY, USA: Cambridge University Press, 2013.

[19] CHEN Y D, GUO F, WANG J C, et al. Provincial and gridded population projection for China under shared socioeconomic pathways from 2010 to 2100[J]. Scientific Data, 2020, 7(1): 83.

[20] 姜彤, 趙晶, 曹麗格, 等. 共享社會經(jīng)濟(jì)路徑下中國及分省經(jīng)濟(jì)變化預(yù)測[J]. 氣候變化研究進(jìn)展, 2018, 14(1): 50-58.

JIANG Tong, ZHAO Jing, CAO Lige, et al. Projection of na--tional and provincial economy under the shared socioeconomic pathways in China[J]. Progressus Inquisitiones DE Mutatione Climatis, 2018, 14(1): 50-58.

[21] 侯西勇, 毋亭, 侯婉, 等. 20世紀(jì)40年代初以來中國大陸海岸線變化特征[J]. 中國科學(xué): 地球科學(xué), 2016, 59(9): 1791-1802.

HOU Xiyong, WU Ting, HOU Wan, et al. Characteristics of coastline changes in mainland China since the early 1940s[J]. Science China Earth Sciences, 2016, 59(9): 1791-1802.

[22] CARPENTER S R, BENNETT E M, PETERSON G D. Scenarios for Ecosystem Services: An Overview[J]. Ecology and Society, 2006, 11(1): 29.

[23] VAN VUUREN D P, RIAHI K, MOSS R, et al. A proposal for a new scenario framework to support research and assessment in different climate research communities. 2012, 22(1): 21-35.

[24] 翁宇威, 蔡聞佳, 王燦. 共享社會經(jīng)濟(jì)路徑(SSPs)的應(yīng)用與展望[J]. 氣候變化研究進(jìn)展, 2020, 16(2): 215-222.

WENG Yuwei, CAI Wenjia, WANG Can. The application and future directions of the Shared Socioeconomic Pathways (SSPs)[J]. Progressus Inquisitiones de Mutatione Climatis, 2020, 16(2): 215-222.

[25] 鐘永光, 賈曉菁, 錢穎, 等. 系統(tǒng)動力學(xué)(第二版)[M]. 北京: 科學(xué)出版社, 2013.

ZHONG Yongguang, JIA Xiaojing, QIAN Ying, et al. System Dynamics(the second edition)[M]. Beijing: Science Press, 2013.

[26] 陶在樸. 系統(tǒng)動力學(xué)入門[M]. 上海: 復(fù)旦大學(xué)出版社, 2018.

TAO Zaipu. Introduction to system dynamics[M]. Shang-hai: Fudan University Press, 2018.

[27] WANG Y C, SHEN J K, YAN W T, et al. Backcasting approach with multi-scenario simulation for assessing effects of land use policy using GeoSOS-FLUS software[J]. Methodsx, 2019, 6: 1384-1397.

[28] 付玲, 胡業(yè)翠, 鄭新奇. 基于BP神經(jīng)網(wǎng)絡(luò)的城市增長邊界預(yù)測——以北京市為例[J]. 中國土地科學(xué), 2016, 30(2): 22-30.

FU Ling, HU Yecui, ZHENG Xinqi. The prediction of urban growth boundary based on BP artificial neural net-works: an application to Beijing[J]. China Land Scien-ces, 2016, 30(2): 22-30.

[29] LIU X P, LIANG X, LI X, et al. A future land use simulation model (FLUS) for simulating multiple land use scenarios by coupling human and natural effects[J]. Landscape and Urban Planning, 2017, 168: 94-116.

[30] 劉玉斌, 李寶泉, 王玉玨, 等. 基于生態(tài)系統(tǒng)服務(wù)價值的萊州灣-黃河三角洲海岸帶區(qū)域生態(tài)連通性評價[J]. 生態(tài)學(xué)報, 2019, 39(20): 7514-7524.

LIU Y B, LI B Q, WANG Y J, et al. Evaluation of ecological connectivity in the coastal zone of Laizhou Bay- Yellow River Delta based on ecosystem service value[J]. Acta Ecologica Sinica, 2019, 39(20): 7514-7524.

Multi-scenario simulation of land use change in coastal zones —A case study of Shandong coastal zone

SONG Bai-yuan1, 2, 3, 4, HOU Xi-yong1, 3, 4, WANG Xiao-li1, 3, 4, LIU Yu-bin1, 2, 3, 4

(1. Yantai Institute of Coastal Zone Research, Chinese Academy of Sciences, Yantai 264003, China; 2. Uni-ver-sity of Chinese Academy of Sciences, Beijing 100049, China; 3. Key Laboratory of Coastal Environmental Processes and Ecological Remediation, Chinese Academy of Sciences, Yantai 264003, China; 4. Shandong Key Laboratory of Coastal Environmental Processes, Yantai Institute of Coastal Zone Research, Chinese Academy of Sciences, Yantai 264003, China)

Long-term series scenario to simulate coastal land use have important guiding significance for integrated coastal management and sustainable development. Based on three scenarios, namely, SSP1-RCP2.6 (A-Sustainability Path), SSP2-RCP4.5 (B-Middle of the Economic and Social Development Path), and SSP3-RCP4.5 (C-Inverse Globalization of Regional Rivalry Path, a system dynamics (SD) model of land use demand in the coastal zone of Shandong province to 2100 was established. The FLUS model is then used to simulate the recent (2030), medium (2050), and long-term (2100) land use spatial distribution. Results show the following: (1) scenario A has a small population, a high level of urbanization, and a high level of economic development. Meanwhile, scenario B has a moderate development trend of various factors, and scenario C has a large population, a low level of urbanization, and a low level of economic development. (2) By 2100, the demand area change curves of different regions show significant situational differences and type differences. Scenario A is less dependent on land resources for economic and social development. The area demand of the main ground class in scenario B is at a medium level in three scenarios. In scenario C, economic and social development has a prominent demand for land for living and production, and the area of the construction land has a strong growth trend. (3) By 2100, there are significant differences in land use patterns and processes among the three scenarios. Scenario A tends to have a centralized distribution. The construction land will continue to expand in the near- and medium-term, but coastal wetlands can be effectively protected. For scenario B, the expansion of the construction land, the constructed wetland, and the shrinking trend of forest and grassland in the coastal zone are significant. Scenario C has the most significant expansion of the construction land. The constructed wetland and cultivated land tend to expand to the sea, while the coastal wetland shrinks significantly. Research results can provide scientific support for coastal zone management to make long-term strategic decisions.

land use; scenario analysis; system dynamic; coastal zone

Nov. 18, 2020

P748

A

1000-3096(2022)01-0022-12

10.11759/hykx20201118002

2020-11-18;

2021-05-28

中國科學(xué)院戰(zhàn)略性先導(dǎo)科技專項(XDA19060205)、國家自然科學(xué)基金項目(41901133)、山東省海岸帶環(huán)境過程重點實驗室開放基金項目(2019SDHADKFJJ04)

[Strategic?Priority?Research?Program of?the?Chinese?Aca-de-my?of?Sciences, No. XDA19060205; National Natural Science Foundatio-n of China, No. 41901133; Shandong Key Laboratory of Coastal Environmental Processes, YICCAS, No. 2019SDHADKFJJ04]

宋百媛(1995—), 女, 山東臨沂人, 碩士研究生, 主要開展海岸帶土地利用變化監(jiān)測與模擬方面研究, E-mail: bysong@yic.ac.cn; 侯西勇,通信作者, 研究員, 主要從事海岸帶資源環(huán)境遙感、海岸帶生態(tài)風(fēng)險評估等方面的研究,E-mail: xyhou@yic.ac.cn

(本文編輯: 康亦兼)