汪 輝，劉 媛，時(shí) 艷，丁治凡，蔣洪超

（1.南京林業(yè)大學(xué) 風(fēng)景園林學(xué)院，江蘇 南京 210037；2.蘇州城市學(xué)院，江蘇 蘇州 215100）

濕地是全球生態(tài)系統(tǒng)的重要組成部分，具有保護(hù)生物多樣性、預(yù)防旱澇災(zāi)害、調(diào)節(jié)區(qū)域氣候等功能，被譽(yù)為“生命的搖籃”[1]。但人類活動(dòng)造成的巨大干擾導(dǎo)致濕地退化，嚴(yán)重影響區(qū)域生態(tài)環(huán)境的質(zhì)量安全[2-3]。濕地公園是濕地保護(hù)體系的重要組成部分，也是解決濕地生態(tài)保護(hù)和開發(fā)利用矛盾的有效途徑[4]。然而，目前濕地公園規(guī)劃方法存在前瞻性不足、保護(hù)與利用難以平衡等系統(tǒng)理論體系問題[5]。情景規(guī)劃是一種探索研究對(duì)象未來狀態(tài)的規(guī)劃工具，主要根據(jù)關(guān)鍵因素和相關(guān)驅(qū)動(dòng)因子推演未來的發(fā)展情形，能夠顯著增強(qiáng)對(duì)象適應(yīng)未來不可預(yù)見情況的能力[6-7]。將情景規(guī)劃理論和方法引入濕地公園規(guī)劃研究領(lǐng)域，具有一定必要性和可行性。

目前，情景規(guī)劃方法常用模型有元胞自動(dòng)機(jī)(Cellular Automata, CA)[8-10]、小尺度土地利用變化及其空間效益模型(the Conversion of Land Use and its Effects at Small Region Extent，CLUE-S)[11-15]、未來土地利用模型(Future Land Use Simulation，F(xiàn)LUS)[16-18]、斑塊生成土地利用變化模擬(Patch-generating Land Use Simulation, PLUS)[19-20]等。其中PLUS 模型是一個(gè)集成土地?cái)U(kuò)張策略分析模塊(Land Expansion Analysis Strategy, LEAS)和基于多類隨機(jī)斑塊種子的元胞自動(dòng)機(jī)模型的未來土地利用變化模型[21]。該模型可用于探索多種用地類型演變的驅(qū)動(dòng)因素及其對(duì)演變的影響，能夠在更精細(xì)的分辨率下模擬草地、林地等自然類型斑塊的生成和演化，在時(shí)空范疇上分析多類土地利用斑塊變化的機(jī)制[22-23]。目前，該模型已被應(yīng)用于國內(nèi)外土地利用模擬研究中。

江蘇姜堰溱湖國家濕地公園在2005 年被批準(zhǔn)為首批國家濕地公園(試點(diǎn))，2007 年成為長江中下游濕地保護(hù)網(wǎng)絡(luò)成員單位，2011 年通過國家濕地公園正式驗(yàn)收。作為中國第1 批國家濕地公園試點(diǎn)單位和江蘇省首家國家濕地公園，溱湖國家濕地公園具有重要的生態(tài)資源保護(hù)價(jià)值和經(jīng)濟(jì)價(jià)值。近些年來，溱湖國家濕地公園的生態(tài)、經(jīng)濟(jì)和社會(huì)效益良好，但由于《江蘇溱湖國家濕地公園總體規(guī)劃(2005—2020)》缺少針對(duì)濕地生態(tài)的規(guī)劃導(dǎo)則和相應(yīng)管理辦法，導(dǎo)致濕地遭到一定破壞，產(chǎn)生生態(tài)結(jié)構(gòu)簡單且自我維護(hù)功能未得到充分發(fā)揮等問題[24]。鑒于此，本研究采用PLUS 模型和高分辨率時(shí)空數(shù)據(jù)，研究溱湖國家濕地公園2015—2020 年用地空間分布變化的規(guī)律，以期為研究區(qū)的可持續(xù)發(fā)展規(guī)劃提供理論借鑒和科學(xué)支撐。

1 研究區(qū)概況及研究方法

1.1 研究區(qū)概況

溱湖國家濕地公園屬于江蘇省泰州市姜堰區(qū)，位于全國著名三大洼地之一的里下河地區(qū)(31°38′～31°42′N，119°16′～119°19′E)，規(guī)劃總面積為806.9 hm2，濕地面積為588.6 hm2。該濕地公園距泰州城市中心20 km，地理位置優(yōu)勢(shì)明顯。研究區(qū)域內(nèi)動(dòng)植物資源豐富，共有102 科357 種被子植物，4 科10 種裸子植物，包括3 種國家一級(jí)保護(hù)植物：水杉Metasequoiaglyptostroboides、銀杏Ginkgo biloba、水松Glyptostrobuspensilis；研究區(qū)域內(nèi)共有138 種無脊椎動(dòng)物，58 科155 種脊椎動(dòng)物，包括國家一級(jí)保護(hù)動(dòng)物麋鹿Elaphurusdavidianus、中華鱷Alligatorsinensis、丹頂鶴Grusjaponensis、白鸛Ciconiaciconia、黑鸛Ciconianigra等。區(qū)域內(nèi)留有下河民俗文化、水鄉(xiāng)農(nóng)耕文化和漁事文化等獨(dú)特的民俗風(fēng)情文化，人文底蘊(yùn)深厚。此外，研究區(qū)的濕地生態(tài)系統(tǒng)典型獨(dú)特，濕地景觀資源豐富多樣，在江蘇省乃至全國范圍內(nèi)均具有重要地位[25]。

1.2 研究數(shù)據(jù)及處理

根據(jù)研究需要，本研究所采用的數(shù)據(jù)主要包括：遙感影像數(shù)據(jù)、驅(qū)動(dòng)因子數(shù)據(jù)、行政區(qū)劃數(shù)據(jù)以及其他輔助數(shù)據(jù)(表1)。其中研究區(qū)2015 和2020 年遙感影像數(shù)據(jù)來源為：①購自美國地質(zhì)勘探局官網(wǎng)的Landsat 8 影像，軌道號(hào)120，行編號(hào)037，所選衛(wèi)星影像均無云層，遙感影像數(shù)據(jù)拍攝時(shí)間分別為8 和10 月，影像多光譜分辨率為30.0 m，全色波段分辨率為15.0 m，作數(shù)據(jù)增強(qiáng)處理后，得到分辨率為15.0 m 的遙感影像圖；②2015 和2020 年研究區(qū)高清谷歌歷史衛(wèi)星地圖，分辨率為2.0 m，用于目視解譯過程中用地?cái)?shù)據(jù)的提取與校對(duì)。驅(qū)動(dòng)因子方面，研究區(qū)數(shù)字高程模型(DEM)數(shù)據(jù)來自于日本ALOS 衛(wèi)星，數(shù)據(jù)精度為12.5 m，數(shù)據(jù)覆蓋范圍為江蘇省全域，用于提取溱湖國家濕地公園的高程、坡度、坡向等數(shù)據(jù)；植被指數(shù)用ENVI 5.3 軟件提取于Landsat 影像，用于分析研究區(qū)植被分布和覆蓋情況。

表1 研究數(shù)據(jù)Table 1 Research data

根據(jù)中國土地資源分類系統(tǒng)，將研究區(qū)域劃分為喬木林地、灌木林地、草地、湖泊濕地、河流濕地、沼澤濕地、耕地、建設(shè)用地共8 類土地利用類型。借助ENVI 5.3 和ArcGIS 10.6 軟件，選用15.0 m×15.0 m 分辨率數(shù)據(jù)，對(duì)遙感影像進(jìn)行輻射定標(biāo)、圖像融合、幾何處理、影像裁剪等預(yù)處理，采用人工目視解譯法解譯遙感影像，并通過野外實(shí)地調(diào)查校核解譯結(jié)果，最終得到溱湖國家濕地公園2015 和2020 年用地空間分布數(shù)據(jù)(圖1)與驅(qū)動(dòng)因子分布數(shù)據(jù)(圖2)。

圖1 研究區(qū)用地空間分布示意圖Figure 1 Spatial distribution maps of land use in the study area

圖2 驅(qū)動(dòng)因子分布示意圖Figure 2 Maps of driver distribution

1.3 研究方法

本研究首先對(duì)溱湖國家濕地公園2015—2020 年的用地空間動(dòng)態(tài)演化過程、驅(qū)動(dòng)機(jī)理和發(fā)展趨勢(shì)進(jìn)行系統(tǒng)分析，并通過模擬2020 年用地空間分布對(duì)模型和數(shù)據(jù)精度進(jìn)行驗(yàn)證；其次，在精度滿足要求的前提下進(jìn)行溱湖國家濕地公園2030 年多情景的構(gòu)建與模擬；最后，基于多情景對(duì)比分析結(jié)果進(jìn)一步構(gòu)建優(yōu)化情景。

1.3.1 情景設(shè)置 根據(jù)濕地公園建設(shè)目標(biāo)、泰州市姜堰區(qū)對(duì)溱湖國家濕地公園的發(fā)展規(guī)劃和相關(guān)參考文獻(xiàn)，設(shè)定自然發(fā)展情景、生態(tài)保護(hù)情景和旅游開發(fā)情景對(duì)溱湖國家濕地公園2030 年的用地結(jié)構(gòu)和空間分布情況進(jìn)行模擬預(yù)測(cè)，具體情景設(shè)置及約束條件如下：①自然發(fā)展情景：設(shè)定此情景以探究現(xiàn)有政策、規(guī)劃及發(fā)展趨勢(shì)下，研究區(qū)未來的用地空間演變結(jié)果。此情景下的用地發(fā)展不受任何未來政策約束，用地結(jié)構(gòu)和空間布局均按歷史慣性發(fā)生變化，2030 年用地需求以2015 和2020 年的用地空間分布數(shù)據(jù)為基礎(chǔ)，由Markov 模型計(jì)算得到，其他參數(shù)與2020 年用地空間分布模擬時(shí)所設(shè)參數(shù)相同，并且不加入限制性區(qū)域。②生態(tài)保護(hù)情景：該情景以保護(hù)濕地生態(tài)系統(tǒng)的穩(wěn)定性為重點(diǎn)，避免因建設(shè)用地?cái)U(kuò)張等原因?qū)е聺竦赝嘶鸵吧鷦?dòng)植物棲息地破壞。根據(jù)《姜堰區(qū)國土空間規(guī)劃近期實(shí)施方案》，溱湖國家濕地公園位于生態(tài)保護(hù)紅線內(nèi)，湖體范圍為禁止建設(shè)區(qū)、生態(tài)環(huán)境安全控制區(qū)[26]。故此情景將濕地設(shè)置為用地轉(zhuǎn)化限制區(qū)域，不允許喬木林地、濕地等生態(tài)系統(tǒng)服務(wù)價(jià)值較高的用地類型向生態(tài)系統(tǒng)服務(wù)價(jià)值較低的建設(shè)用地和耕地轉(zhuǎn)化，允許各地類向生態(tài)價(jià)值更高的地類轉(zhuǎn)化；其次，考慮旅游發(fā)展和市民休閑游憩等需求，允許建設(shè)用地適當(dāng)擴(kuò)張，但限制其主要轉(zhuǎn)入源為耕地；最后，根據(jù)專家建議對(duì)湖泊濕地、沼澤濕地和建設(shè)用地的具體面積作出一定約束，適當(dāng)降低建設(shè)用地的增長速率。③旅游開發(fā)情景：該情景在當(dāng)前用地空間演化的基礎(chǔ)上結(jié)合地區(qū)旅游發(fā)展目標(biāo)，重點(diǎn)模擬建設(shè)用地迅速擴(kuò)張對(duì)用地空間演化產(chǎn)生的長期效應(yīng)。根據(jù)《江蘇省濕地保護(hù)規(guī)劃(2015—2030 年)》和《泰州市姜堰區(qū)國民經(jīng)濟(jì)和社會(huì)發(fā)展第十四個(gè)五年規(guī)劃和二〇三五年遠(yuǎn)景目標(biāo)綱要》對(duì)研究區(qū)的建設(shè)要求[27-28]，首先，按照一定比例增加耕地向建設(shè)用地的轉(zhuǎn)移概率，并減少建設(shè)用地向其他用地類型的轉(zhuǎn)移概率，提高建設(shè)用地在預(yù)測(cè)年份的需求量；其次，考慮旅游發(fā)展需求，適當(dāng)增加建設(shè)用地的鄰域權(quán)重；最后，為避免建設(shè)用地過度擴(kuò)張影響區(qū)域生態(tài)安全，設(shè)定湖泊濕地、河流濕地和沼澤濕地的未來用地需求不低于2020 年現(xiàn)狀的95%，林地占比下限為15%，建設(shè)用地上限為10%。

1.3.2 PLUS 模型 PLUS 模型是一種面向柵格數(shù)據(jù)的土地利用變化模擬模型。相比于傳統(tǒng)的CA 模型，PLUS 模型在挖掘土地利用變化的潛在驅(qū)動(dòng)機(jī)制和模擬具體的開發(fā)和約束情景方面更具優(yōu)勢(shì)。PLUS 模型主要通過基于閾值下降的多類型隨機(jī)斑塊種子機(jī)制，實(shí)現(xiàn)對(duì)多種土地利用類型的斑塊演化，再基于輪盤賭的自適應(yīng)慣性競(jìng)爭機(jī)制獲取土地利用變化的綜合概率，最后結(jié)合隨機(jī)斑塊生成、過渡轉(zhuǎn)移矩陣和閾值遞減機(jī)制實(shí)現(xiàn)優(yōu)化，確定最終用地方式[29]。

1.3.3 模型精度驗(yàn)證 為確保實(shí)驗(yàn)誤差在允許范圍內(nèi)，本研究以2015 年用地?cái)?shù)據(jù)、驅(qū)動(dòng)因子數(shù)據(jù)和用地?cái)U(kuò)張分析數(shù)據(jù)為原始數(shù)據(jù)，將研究區(qū)2020 年實(shí)際用地空間分布與2020 年P(guān)LUS 模擬結(jié)果進(jìn)行疊加，計(jì)算各用地類型模擬正確的像元數(shù)與實(shí)際像元數(shù)的比值，以進(jìn)行數(shù)量精度檢驗(yàn)。另外，采用Kappa 系數(shù)進(jìn)行土地利用類型的空間精度檢驗(yàn)。Kappa 系數(shù)的值為0～1，數(shù)值越接近1 表示精度越高。

2 結(jié)果與分析

2.1 用地空間分布變化

2.1.1 用地結(jié)構(gòu)分析 根據(jù)溱湖國家濕地公園2015—2020 年用地結(jié)構(gòu)(表2)和用地空間分布(圖1)，從各地類面積和分布情況來看：湖泊濕地面積占比最大，而耕地和草地占比較少，兩者占比均不足5%?？臻g分布上，耕地主要分布于研究區(qū)的最北部和最南部，草地則主要零星分布在公園入口處和研究區(qū)西北部，喬木林地和灌木林地分布也較為分散，但多數(shù)分布在濕地周圍，兩者面積占比之和穩(wěn)定在20%左右。

表2 2015—2020 年研究區(qū)用地結(jié)構(gòu)Table 2 Land use structure of the study area from 2015 to 2020

從溱湖國家濕地公園2015—2020 年用地面積的變化幅度來看(圖3)，各用地類型變化幅度變化均較小。其中有5 種地類比例減少，3 種地類比例增加。降幅最小的是湖泊濕地和沼澤濕地，僅為-0.05%和-0.28%；降幅最大的是草地，高達(dá)-33.25%；比例增大的是喬木林地、灌木林地和建設(shè)用地，灌木林地漲幅最大，達(dá)14.88%；由于公園建設(shè)開發(fā)等原因，建設(shè)用地增長幅度也較大，達(dá)8.77%。

圖3 2015—2020 年研究區(qū)各地類面積變化幅度Figure 3 Area changes of each land type in the study area from 2015 to 2020

2.1.2 用地轉(zhuǎn)化分析 土地利用轉(zhuǎn)移矩陣，即以二維矩陣的形式展示研究區(qū)一定時(shí)間段內(nèi)不同用地類型的變化情況[30]。為了展現(xiàn)研究區(qū)2015—2020 年間各類用地類型相互轉(zhuǎn)化的數(shù)量和方向，由Arcgis 10.6 計(jì)算轉(zhuǎn)移矩陣(表3)可知：2015—2020 年間，耕地、河流濕地、湖泊濕地和沼澤濕地幾乎未發(fā)生轉(zhuǎn)化；喬木林地只有少量轉(zhuǎn)化為河流濕地和灌木林地；灌木林地轉(zhuǎn)出率最大，主要轉(zhuǎn)化為建設(shè)用地和草地，分別占灌木林地總面積的9.52%和8.72%；建設(shè)用地向所有地類均有所轉(zhuǎn)移，其中占比較高的是喬木林地和草地，分別為6.16%和6.10%?？傮w來說，2015—2020 年，研究區(qū)內(nèi)除了灌木林地和建設(shè)用地轉(zhuǎn)出率較大，其余各地類轉(zhuǎn)出率均很小，各用地類型的面積占比較為穩(wěn)定。

表3 2015—2020 年研究區(qū)土地利用轉(zhuǎn)移矩陣Table 3 Land type transfer matrix of the study area from 2015 to 2020

2.2 精度驗(yàn)證

利用PLUS 模型中的Validation 模塊，以5%的采樣率對(duì)數(shù)據(jù)進(jìn)行采樣，發(fā)現(xiàn)研究區(qū)2020 年用地空間分布模擬的整體數(shù)量精度平均為90.07%，河流濕地和湖泊濕地分別達(dá)96.55%和97.17%，且Kappa 系數(shù)為95.15%，表明參數(shù)設(shè)定合理，模擬結(jié)果具有較強(qiáng)解釋能力，故可將PLUS 模型和現(xiàn)有數(shù)據(jù)用于溱湖國家濕地公園多情景模擬研究中。

2.3 研究區(qū)2030 年多情景模擬

2.3.1 多情景模擬結(jié)果 ①自然發(fā)展情景：未來10 a 溱湖國家濕地公園的空間結(jié)構(gòu)相比2020 年并未發(fā)生重大變化，湖泊濕地仍是溱湖國家濕地公園的主導(dǎo)地類。具體來說：灌木林地變化最為明顯，其在2020 年的基礎(chǔ)上逐步呈現(xiàn)出集聚化、不規(guī)則塊狀的分布特征，漲幅為32.27%；沼澤濕地的主體空間分布未發(fā)生較大變化，但局部較2020 年更加破碎；建設(shè)用地變化呈擴(kuò)張趨勢(shì)，該趨勢(shì)主要體現(xiàn)在研究區(qū)東中部和東南部，幅度為23.71%；湖泊濕地、河流濕地和耕地未發(fā)生較大變化，只有少量轉(zhuǎn)化為其他用地類型。綜上可知，不受任何約束的發(fā)展會(huì)使得湖泊濕地、喬木林地等生態(tài)價(jià)值高的地類被侵占，建設(shè)用地?cái)U(kuò)張趨勢(shì)明顯，無法保證研究區(qū)生態(tài)安全(圖4A)。②生態(tài)保護(hù)情景：在該情景中，研究區(qū)中部的湖泊濕地和東部的河流濕地出現(xiàn)擴(kuò)張趨勢(shì)，兩者轉(zhuǎn)入來源主要是建設(shè)用地和耕地，其中建設(shè)用地減少了12.16%，耕地減少了25.95%，這2 種是未來10 a 間面積變化幅度較大的用地類型；相對(duì)于2020 年，草地也呈現(xiàn)下降趨勢(shì)，下降幅度為9.48%；沼澤濕地的擴(kuò)張主要集中在研究區(qū)東北部和東中部，這使得研究區(qū)東部濕地分布更加密集；喬木林地主要在研究區(qū)西部增加；灌木林地主要在研究區(qū)南部入口處有所增加?？梢娫谠撉榫爸校ㄔO(shè)用地?cái)U(kuò)張趨勢(shì)得到有效控制，各類濕地、喬木林地、灌木林地等生態(tài)價(jià)值高的用地均得到了有力的保護(hù)(圖4B)。③旅游開發(fā)情景：此情景的整體空間分布變化比自然發(fā)展情景更明顯，即建設(shè)用地在研究區(qū)西南部和東中部擴(kuò)張，擴(kuò)張幅度為30.35%，在研究區(qū)邊緣處也有新建設(shè)用地出現(xiàn)，呈現(xiàn)向東南部擴(kuò)張的趨勢(shì)；草地的減少主要出現(xiàn)在古壽圣寺景點(diǎn)處和公園入口處；耕地由于主要分布在研究區(qū)邊緣處，故更易被轉(zhuǎn)化為其他用地類型，研究區(qū)南部的大部分耕地被轉(zhuǎn)化為了建設(shè)用地，降幅為-19.58%；喬木林地、灌木林地、各類濕地的空間分布無太大變化，只有少量區(qū)域轉(zhuǎn)化為了建設(shè)用地，整體分布變化較小(圖4C)。

圖4 研究區(qū) 2030 年多情景模擬示意圖Figure 4 Multi-scenario simulations for 2030 in the study area

2.3.2 多情景比較分析 將3 種情景的模擬結(jié)果和用地結(jié)構(gòu)進(jìn)行對(duì)比分析(圖5)可知：①自然發(fā)展情景：用地結(jié)構(gòu)和空間分布變化的趨勢(shì)與2015—2020年基本保持一致，但是由于缺少發(fā)展限制，建設(shè)用地出現(xiàn)一定程度擴(kuò)張，區(qū)域內(nèi)部分喬木林地、湖泊濕地、沼澤濕地、河流濕地等生態(tài)空間被侵占，河流濕地降幅達(dá)-12.78%。②旅游開發(fā)情景：建設(shè)用地的擴(kuò)張程度和趨勢(shì)更加明顯，與2020 年現(xiàn)狀相比，增幅達(dá)30.35%，大量濕地、喬木林地等生態(tài)價(jià)值高的用地被侵占，對(duì)生態(tài)安全構(gòu)成一定威脅。可見自然發(fā)展情景和旅游開發(fā)情景雖然保障了建設(shè)用地的數(shù)量，滿足濕地資源利用的需求，但由于建設(shè)用地的擴(kuò)張強(qiáng)度過大，將導(dǎo)致公園東南部的濕地保育區(qū)容易受到人為干擾，不利于濕地的保護(hù)與恢復(fù)。③生態(tài)保護(hù)情景：各類濕地和林地面積全部實(shí)現(xiàn)了有效增長，尤其是濕地得到一定保護(hù)，同時(shí)建設(shè)用地向研究區(qū)東南部繼續(xù)擴(kuò)張的趨勢(shì)和速率得到極大控制。但由于研究區(qū)東中部建設(shè)用地被轉(zhuǎn)化為喬木林地等其他用地類型，使得建設(shè)用地更加破碎化，難以滿足合理利用的要求。

圖5 不同情景下研究區(qū)各用地類型占比Figure 5 The proportion of land use types in the study area under different scenarios

綜上所述，3 種情景對(duì)用地變化有一定調(diào)控作用，但無論是自然發(fā)展情景、旅游開發(fā)情景還是生態(tài)保護(hù)情景都無法較好協(xié)調(diào)濕地公園的生態(tài)保護(hù)和合理利用目標(biāo)，難以實(shí)現(xiàn)用地結(jié)構(gòu)和空間布局的合理優(yōu)化。因此，需要根據(jù)3 種情景模擬結(jié)果和濕地公園的目標(biāo)發(fā)展需求，對(duì)濕地公園的用地結(jié)構(gòu)和空間分布進(jìn)行綜合調(diào)控，以促進(jìn)區(qū)域健康和可持續(xù)發(fā)展。

2.4 研究區(qū)優(yōu)化情景模擬

2.4.1 情景設(shè)定 根據(jù)研究區(qū)多情景模擬結(jié)果，結(jié)合泰州市姜堰區(qū)相關(guān)規(guī)劃政策和專家建議，對(duì)各用地類型的占比進(jìn)行綜合調(diào)控(表4)。再根據(jù)相關(guān)生態(tài)保護(hù)規(guī)劃，將極易受外界影響的濕地以及喬木林地區(qū)域作為綜合限制區(qū)域，不允許其發(fā)生轉(zhuǎn)化。最后根據(jù)規(guī)劃目標(biāo)，對(duì)鄰域指數(shù)、轉(zhuǎn)換矩陣等模型參數(shù)進(jìn)行調(diào)整。

表4 優(yōu)化情景約束條件設(shè)定Table 4 Constraint setting for optimization scenarios

2.4.2 情景模擬 將優(yōu)化情景用地結(jié)構(gòu)(圖6)與2020 年研究區(qū)用地結(jié)構(gòu)進(jìn)行比較(表5)可知：用地空間數(shù)量方面，優(yōu)化情景下湖泊濕地面積占比達(dá)到27.65%，沼澤濕地面積占比達(dá)到22.20%，河流濕地面積占比為19.19%，三者總面積占比高達(dá)69.05%，遠(yuǎn)大于《國家濕地公園規(guī)劃導(dǎo)則》中要求的60.00%。此外，喬木林地、灌木林地占比分別為16.19%、5.57%?？梢娡ㄟ^保護(hù)高生態(tài)價(jià)值用地，限制敏感脆弱的生態(tài)區(qū)域轉(zhuǎn)化，可使湖泊濕地、河流濕地等生態(tài)用地呈現(xiàn)不同幅度的擴(kuò)張；建設(shè)用地占比為5.90%，與生態(tài)保護(hù)情景相比面積有所上漲，保證了旅游開發(fā)所需的建設(shè)用地面積，可見各地類均得到較為合理的調(diào)控。用地空間分布方面，通過將易被建設(shè)用地所擠占的區(qū)域設(shè)置為限制區(qū)域，優(yōu)化情景保障了研究區(qū)東南部較脆弱濕地的生態(tài)安全。湖泊濕地未發(fā)生其他轉(zhuǎn)化，仍呈現(xiàn)聚集形態(tài)，滿足《姜堰區(qū)國土空間規(guī)劃》中對(duì)溱湖禁止建設(shè)的要求，且與自然發(fā)展和旅游開發(fā)情景相比，喬木林地和灌木林地破碎化程度也有所減少。

圖6 溱湖國家濕地公園優(yōu)化情景示意圖Figure 6 Optimization scenario of Qinhu National Wetland Park

表5 2030 年優(yōu)化情景與2020 年用地結(jié)構(gòu)對(duì)比Table 5 Comparison of optimization scenarios in 2030 and land use structures in 2020

相比自然發(fā)展、生態(tài)保護(hù)和旅游開發(fā)情景，優(yōu)化情景既保證生態(tài)系統(tǒng)的安全穩(wěn)定，也留有一定建設(shè)用地用于旅游發(fā)展，在數(shù)量和空間布局上更接近濕地公園規(guī)劃目標(biāo)，能夠使溱湖國家濕地公園的未來發(fā)展更具彈性和適應(yīng)性。

3 結(jié)論與討論

本研究將情景規(guī)劃方法引入濕地公園規(guī)劃研究領(lǐng)域，對(duì)溱湖國家濕地公園未來的規(guī)劃建設(shè)進(jìn)行了多目標(biāo)導(dǎo)向下的情景模擬，包括自然發(fā)展情景、生態(tài)保護(hù)情景和旅游開發(fā)情景，并基于3 個(gè)情景的比較分析，構(gòu)建了優(yōu)化情景。通過研究可知：①2015—2020 年，研究區(qū)整體用地空間分布較為穩(wěn)定，2 個(gè)時(shí)期用地結(jié)構(gòu)差異較小。5 a 間溱湖國家濕地公園的灌木林地和建設(shè)用地的面積呈持續(xù)擴(kuò)張的趨勢(shì)，并且兩者的轉(zhuǎn)化幅度也為最大。草地則呈大幅度減少趨勢(shì)，破碎化程度加劇，變化幅度為所有用地類型中最大。②自然發(fā)展情景和旅游開發(fā)情景均會(huì)使建設(shè)用地大幅度擴(kuò)張，從而導(dǎo)致各類型濕地和林地等高生態(tài)價(jià)值用地被侵占，生態(tài)系統(tǒng)穩(wěn)定性降低。生態(tài)保護(hù)情景下，湖泊濕地、河流濕地、沼澤濕地、喬木林地和灌木林地均實(shí)現(xiàn)不同幅度的增加，保障了濕地公園生態(tài)功能的實(shí)現(xiàn)，但也使得研究區(qū)東部的大量建設(shè)用地將被轉(zhuǎn)化為其他用地類型，分布更加破碎化。③根據(jù)2015 和2020 年用地結(jié)構(gòu)轉(zhuǎn)化情況以及多情景模擬結(jié)果可知：某土地利用類型的斑塊越小、越破碎化，其穩(wěn)定性越差，越容易轉(zhuǎn)化為其他用地類型，而斑塊越大則越穩(wěn)定。例如本研究區(qū)域內(nèi)的耕地、草地就是變化幅度較大的地類，兩者幾乎一直處于高轉(zhuǎn)化模式，是其他用地類型的主要轉(zhuǎn)入來源。湖泊濕地由于面積占比最大，且聚集性特征最明顯，故在任何情景下的變化幅度均較小。④2020 年研究區(qū)用地空間分布模擬結(jié)果的Kappa 系數(shù)達(dá)95.15%，表明PLUS 模型對(duì)中小尺度景觀類型同樣具有較強(qiáng)的解釋性，準(zhǔn)確度和精度較高，未來可以將其廣泛應(yīng)用于森林公園、郊野公園等類似尺度的研究對(duì)象。

本研究目前尚存在一定的局限性。受數(shù)據(jù)獲取和模型運(yùn)行的限制，本研究使用的遙感數(shù)據(jù)為15.0 m 精度，雖然利用2.0 m 精度的高清谷歌歷史衛(wèi)星地圖進(jìn)行提取和校對(duì)，但仍存在一定誤差。在以后的研究中，可以嘗試使用更高精度的遙感數(shù)據(jù)。另外，本研究選取了高程、坡度、坡向、到道路的距離、到水體的距離和植被指數(shù)等驅(qū)動(dòng)因子進(jìn)行分析，但用地空間分布模擬是一個(gè)復(fù)雜的過程，不僅僅是由這些因素所導(dǎo)致，因此可能會(huì)導(dǎo)致無法完全解釋用地變化的原因。在今后的研究中，應(yīng)導(dǎo)入更多的驅(qū)動(dòng)因子，以針對(duì)不同濕地類型、濕地公園類型展開更為細(xì)致的研究。

4 致謝

感謝江蘇省城鄉(xiāng)規(guī)劃設(shè)計(jì)集團(tuán)有限公司研究員級(jí)高級(jí)工程師劉小釗的指導(dǎo)與幫助。