摘要：【目的】探究不同發(fā)展情景下的縣域生境質(zhì)量分布格局，為區(qū)域生態(tài)保護(hù)和社會(huì)經(jīng)濟(jì)可持續(xù)發(fā)展提供保障。【方法】以湖南省常德市桃源縣為例，結(jié)合GeoSOS-FLUS模型與InVEST模型預(yù)測(cè)耕地保護(hù)情景（CPS）、生態(tài)保護(hù)情景（EPS）和經(jīng)濟(jì)建設(shè)情景（ECS）下的土地利用和生境質(zhì)量時(shí)空演變格局，并借助地理探測(cè)器探測(cè)生境質(zhì)量空間差異的影響因素?！窘Y(jié)果】①2000—2020年，桃源縣土地利用變化總體表現(xiàn)為草地、耕地、林地規(guī)模逐漸減少，建設(shè)用地持續(xù)擴(kuò)張；生境質(zhì)量呈下降趨勢(shì)，低生境質(zhì)量面積占比逐年升高。②2035年桃源縣在3種情景下的生境質(zhì)量均值從大到小為EPS（0.818 7）gt;CPS（0.817 9）gt;ECS（0.817 3）；在ECS下，林地面積實(shí)現(xiàn)正增長(zhǎng)，高生境質(zhì)量區(qū)域減少幅度放緩，建設(shè)用地?cái)U(kuò)張對(duì)生態(tài)的破壞得到最大程度遏制；在CPS下，較低生境質(zhì)量面積占比達(dá)到28.07%；在ECS下，低生境質(zhì)量區(qū)域面積占比2.07%，呈持續(xù)增長(zhǎng)趨勢(shì)。③地形因子是影響桃源縣生境質(zhì)量空間分布的主要因素，其次為GDP與人口密度?！窘Y(jié)論】在縣域未來(lái)發(fā)展中，可考慮優(yōu)化生態(tài)用地空間布局，鼓勵(lì)發(fā)展生態(tài)農(nóng)業(yè)，合理控制建設(shè)用地增量，提高生態(tài)穩(wěn)定性，促進(jìn)國(guó)土空間高質(zhì)量發(fā)展。

關(guān)鍵詞：多情景模擬；生境質(zhì)量；碳儲(chǔ)量；土地利用；GeoSOS-FLUS模型；InVEST模型；湖南桃源縣

中圖分類號(hào)：F301.2；X826"""" 文獻(xiàn)標(biāo)志碼：A開放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：

文章編號(hào)：1000-2006（2024）06-0201-09

Prediction of the spatiotemporal evolution of county habitat quality under multi-scenario simulation： a case of Taoyuan County

YANG Yuping1， CHEN Caihong1*， SHE Jiyun1， LIN Chuxuan2， XIAO Fen1， CHEN Chulin3

（1. School of Forestry， Central South University of Forestry and Technology， Changsha 410004， China; 2. College of Public Administration， Huazhong Agricultural University， Wuhan" 430070， China; 3. School of Landscape Architecture， Central South University of Forestry and Technology， Changsha 410004， China）

Abstract： 【Objective】This study aims to" explore the distribution patterns of habitat quality in county-level areas under different development scenarios to support regional ecological protection and socio-economic sustainable development. 【Method】 Using Taoyuan County as a case study， we applied the GeoSOS-FLUS model and the InVEST model to simulate the spatial-temporal evolution of land use and habitat quality under three scenarios： cultivated land protection scenario （CPS）， ecological protection scenario （EPS）， and economic construction scenario （ECS）. We also analyzed the factors influencing spatial variations in habitat quality using Geographic Detectors. 【Result】 From 2000 to 2020， land use changes in Taoyuan County included a gradual decrease in grassland， cultivated land， and woodland， while construction land expanded continuously. Habitat quality declined， with a yearly increase in the proportion of low habitat quality areas. By 2035， the average habitat quality values under the three scenarios were ranked as follows： EPS （0.818 7）gt;CPS （0.817 9）gt;ECS （0.817 3）. Under EPS， woodland area increased positively， the reduction in high habitat quality areas slowed， and ecological damage from construction land expansion was minimized. Under CPS， 28.07% of the area had low habitat quality. Under ECS， 2.07% of the area had low habitat quality， which showed a continuous increase. Topographic factors were the primary determinants of habitat quality distribution in Taoyuan County， followed by GDP and population density. 【Conclusion】 Future county development should consider optimizing the spatial layout of ecological land， promoting ecological agriculture， controlling construction land expansion， improving ecological stability， and advancing high-quality land space development.

Keywords：multi-scenario simulation; habitat quality; carbon storage; land use; GeoSOS-FLUS model; InVEST model; Taoyuan County of Hunan Province

隨著經(jīng)濟(jì)社會(huì)發(fā)展迅速[1]，大規(guī)模人類活動(dòng)引起的土地利用方式與強(qiáng)度劇烈變化，改變了生態(tài)系統(tǒng)結(jié)構(gòu)與過(guò)程，嚴(yán)重影響著生境質(zhì)量穩(wěn)定性與可持續(xù)發(fā)展[2]。縣城是城鎮(zhèn)化建設(shè)的重要載體，縣域生態(tài)環(huán)境治理是實(shí)現(xiàn)高質(zhì)量發(fā)展的必由之路，而生境質(zhì)量作為衡量區(qū)域生態(tài)環(huán)境為生物生存提供適宜條件能力的重要指標(biāo)[3]，是判定區(qū)域生態(tài)環(huán)境優(yōu)劣的重要標(biāo)準(zhǔn)[4]，其穩(wěn)定性是維持生態(tài)生物多樣性的基礎(chǔ)[5]，對(duì)生境質(zhì)量開展模擬與評(píng)估分析，對(duì)協(xié)調(diào)土地資源可持續(xù)利用與生態(tài)環(huán)境保護(hù)具有重要意義。

隨著土地利用格局演變導(dǎo)致生態(tài)環(huán)境破壞日益嚴(yán)重，土地利用變化模擬模型也逐漸增多，基于多模型整合對(duì)生態(tài)功能進(jìn)行研究預(yù)測(cè)逐漸成為研究趨勢(shì)。土地利用變化模擬模型主要包括元胞自動(dòng)機(jī)模型（CA）[6]、馬爾科夫模型（Markov）[7]、FLUS模型[8]和GeoSOS模型[9]等。其中GeoSOS-FLUS模型既擁有GeoSOS模型在非線性系統(tǒng)中模擬復(fù)雜系統(tǒng)時(shí)空演變過(guò)程的能力，又有FLUS模型在模擬土地利用分布時(shí)與現(xiàn)實(shí)結(jié)果相似的優(yōu)點(diǎn)，能有效處理自然與人為因素共同作用下的地類轉(zhuǎn)換概率問(wèn)題，被廣泛應(yīng)用于區(qū)域尺度的土地利用變化[10]，且相較于其他模型，GeoSOS-FLUS模型在模擬未來(lái)多種土地利用類型的空間分布結(jié)果更為準(zhǔn)確合理[11-12]。因此，本研究采用GeoSOS-FLUS模型對(duì)研究區(qū)的土地利用變化進(jìn)行預(yù)測(cè)，為深層次探究其生境質(zhì)量時(shí)空格局演變奠定基礎(chǔ)。

由土地利用變化帶來(lái)的區(qū)域生態(tài)系統(tǒng)退化，生境質(zhì)量降低甚至喪失仍在持續(xù)發(fā)生，耦合土地利用變化和生境質(zhì)量演變趨勢(shì)逐漸成為學(xué)者們關(guān)注的重點(diǎn)[13-15]，目前國(guó)內(nèi)外關(guān)于生境質(zhì)量評(píng)估的模型主要有InVEST模型[16]、ARIES模型[17]、SolVES模型[18]等。與其他模型相比，InVEST模型因具有空間可視化強(qiáng)、評(píng)估精度高等優(yōu)點(diǎn)而被廣泛應(yīng)用[19-20]。現(xiàn)有研究多利用該模型評(píng)估量化區(qū)域或流域尺度的生態(tài)服務(wù)功能，Sun等[21]基于InVEST模型監(jiān)測(cè)了南四湖流域1980—2015年的生境質(zhì)量時(shí)空動(dòng)態(tài)變化；尚俊等[22]利用InVEST模型對(duì)鄱陽(yáng)湖區(qū)的生境質(zhì)量做了時(shí)空演變及其變遷特征分析?？傮w而言，現(xiàn)有相關(guān)研究的尺度較大，且對(duì)生境質(zhì)量時(shí)空演變的考慮主要基于現(xiàn)狀變化，對(duì)縣域尺度未來(lái)多情景下生境質(zhì)量預(yù)測(cè)的考量仍有待進(jìn)一步加強(qiáng)。根據(jù)國(guó)家“十四五”規(guī)劃，縣域是生態(tài)環(huán)境治理的重點(diǎn)，縣域城鎮(zhèn)化是未來(lái)優(yōu)化城鎮(zhèn)化空間格局的重要突破口。因此，本研究基于縣域研究尺度，以湖南省桃源縣為研究區(qū)，以2000—2020年每10 a為一個(gè)節(jié)點(diǎn)，基于耕地保護(hù)情景、生態(tài)保護(hù)情景和經(jīng)濟(jì)建設(shè)情景，利用GeoSOS-FLUS V2.4與InVEST 3.8.0模型，分析研究區(qū)生境質(zhì)量演變特征，模擬并探討2035年生境質(zhì)量時(shí)空變化趨勢(shì)。結(jié)合相關(guān)生態(tài)服務(wù)政策，對(duì)多情景視角下的生境質(zhì)量進(jìn)行預(yù)測(cè)獲得可視化結(jié)果，以期為改善區(qū)域生態(tài)系統(tǒng)服務(wù)提供科學(xué)依據(jù)。為研究區(qū)生態(tài)環(huán)境保護(hù)與社會(huì)經(jīng)濟(jì)協(xié)同發(fā)展提供參考。

1 材料與方法

1.1 研究區(qū)概況及數(shù)據(jù)來(lái)源

桃源縣（110°51′47″～111°36′41″E，28°24′24″～29°24′00″N）位于湖南省常德市，縣域面積444 233.97 hm2，森林覆蓋率達(dá)65.5%。然而隨著城鎮(zhèn)化進(jìn)程加快，其經(jīng)濟(jì)快速發(fā)展對(duì)生態(tài)環(huán)境造成一定壓力，生態(tài)穩(wěn)定性亟須穩(wěn)步提升。

本研究采用的2000、2010、2020年桃源縣土地利用數(shù)據(jù)來(lái)源于中國(guó)科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心（http：//www.resdc.cn/）。本研究將地形因子[包括高程（m）、坡度（°）和坡向]、氣候因子[包括年均降水量（mm）和年均氣溫（℃）]、社會(huì)經(jīng)濟(jì)因子[包括GDP（萬(wàn)元/km2）、夜間燈光數(shù)據(jù)、人口密度（人/km2）]，以及交通區(qū)位因子[包括到公路距離（m）、到居民點(diǎn)距離（m）]作為模擬變化的主要驅(qū)動(dòng)因素。其中，高程、年均降水量、年均氣溫、GDP、人口密度均獲取自中國(guó)科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心，夜間燈光數(shù)據(jù)獲取自Harvard Dataverse，到公路距離和到居民點(diǎn)距離獲取自全國(guó)地理信息資源目錄服務(wù)系統(tǒng)（https：//www.webmap.cn/），坡度和坡向則由高程提取得到。另外，限制轉(zhuǎn)換因子，即桃源縣自然保護(hù)地，由縣林業(yè)局提供并經(jīng)柵格處理與插值獲取。通過(guò)重采樣，統(tǒng)一各數(shù)據(jù)像元大小為30 m×30 m，投影坐標(biāo)為Krasovsky_1940_Albers。

1.2 GeoSOS-FLUS模型構(gòu)建

1.2.1 情景設(shè)定

系統(tǒng)分析《常德市國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展第十四個(gè)五年規(guī)劃和二NFCA1三五年遠(yuǎn)景目標(biāo)綱要》（https：//sfj.changde.gov.cn），并基于縣域?qū)嶋H經(jīng)濟(jì)發(fā)展情況、生態(tài)環(huán)境質(zhì)量及糧食生產(chǎn)能力基礎(chǔ)，以2035年為目標(biāo)年，設(shè)定3種情景。

1）耕地保護(hù)情景（CPS）。該情景以耕地?cái)?shù)量不減少，農(nóng)業(yè)生產(chǎn)效益與生態(tài)效益協(xié)同發(fā)展為目標(biāo)?；诤暧^政策調(diào)控，強(qiáng)調(diào)嚴(yán)格落實(shí)耕地保護(hù)制度，保障糧食安全和重要農(nóng)產(chǎn)品生產(chǎn)。因此在參數(shù)設(shè)置中，限制耕地向其他地類轉(zhuǎn)移，適當(dāng)降低建設(shè)用地?cái)U(kuò)張速度，其擴(kuò)張能力應(yīng)大于生態(tài)保護(hù)情景，小于經(jīng)濟(jì)建設(shè)情景。

2）生態(tài)保護(hù)情景（EPS）。該情景以強(qiáng)化生態(tài)系統(tǒng)保護(hù)，實(shí)現(xiàn)生態(tài)效益最大化為目標(biāo)。統(tǒng)籌山水林田湖草系統(tǒng)保護(hù)修復(fù)，推進(jìn)節(jié)能減排，提升自然資源節(jié)約集約水平。因此在參數(shù)設(shè)置中，嚴(yán)格限制林地、草地、水域等生態(tài)用地向其他地類轉(zhuǎn)出，嚴(yán)格控 制建設(shè)用地?cái)U(kuò)張速度。

3）經(jīng)濟(jì)建設(shè)情景（ECS）。該情景以促進(jìn)城鄉(xiāng)融合發(fā)展，實(shí)現(xiàn)縣域經(jīng)濟(jì)高質(zhì)量發(fā)展為目標(biāo)。強(qiáng)調(diào)加強(qiáng)縣城城鎮(zhèn)化建設(shè)，增加基礎(chǔ)設(shè)施用地建設(shè)面積。桃源縣是糧食產(chǎn)量大縣，耕地是其重要經(jīng)濟(jì)地類，因此在參數(shù)設(shè)置中，耕地鄰域權(quán)重應(yīng)大于生態(tài)保護(hù)情景，小于耕地保護(hù)情景。

1.2.2 參數(shù)設(shè)置

采用GeoSOS-FLUS模型得到2035年多情景視角下的土地利用覆被，其主要計(jì)算模塊如下：

1）基于神經(jīng)網(wǎng)絡(luò)的出現(xiàn)概率計(jì)算模塊。該部分采用神經(jīng)網(wǎng)絡(luò)算法（artificial neural network，ANN）計(jì)算研究區(qū)域內(nèi)每種地類在每個(gè)像元上的出現(xiàn)概率，即土地利用適宜性概率。本研究設(shè)置2010年與2020年土地利用數(shù)據(jù)作為初始數(shù)據(jù)，添加地形因子、氣候因子、交通區(qū)位因子和社會(huì)經(jīng)濟(jì)因子作為驅(qū)動(dòng)力數(shù)據(jù)，基于ANN獲取2010與2020年土地利用適宜性概率文件，采用均方根誤差（RMSE）衡量訓(xùn)練精度，RMSE越小，說(shuō)明預(yù)測(cè)模型精度越高，其RMSE分別為0.239 3、0.230 5，滿足訓(xùn)練精度要求。

2）基于自適應(yīng)慣性機(jī)制的元胞自動(dòng)機(jī)。該部分依據(jù)適宜性概率，基于成本矩陣和鄰域影響等參數(shù)計(jì)算各地類的總體轉(zhuǎn)換概率。本研究設(shè)置2020年土地利用數(shù)據(jù)為初始數(shù)據(jù)，添加土地利用適宜性概率以及限制轉(zhuǎn)化因子作為基礎(chǔ)，并結(jié)合不同情景下各地類的擴(kuò)展趨勢(shì)對(duì)參數(shù)進(jìn)行最終確定（表1、表2），鄰域因子參數(shù)范圍為0～1，越接近1代表該土地利用類型的擴(kuò)張能力越強(qiáng)。在成本矩陣中0表示不允許轉(zhuǎn)化，1表示允許轉(zhuǎn)化。

3）精度驗(yàn)證。本研究采用Kappa系數(shù)驗(yàn)證模型模擬精度，Kappa系數(shù)在0.81～1.00之間表示幾乎完全一致[23]。將2020年預(yù)測(cè)結(jié)果與實(shí)際土地利用數(shù)據(jù)進(jìn)行驗(yàn)證，得到Kappa系數(shù)為0.930 7，表明該模型模擬結(jié)果與實(shí)際情況幾乎完全一致，適用于本次研究對(duì)象。

1.3 InVEST模型生境質(zhì)量評(píng)估

研究采用InVEST 3.8.0模型中的Habitat Quality模塊來(lái)計(jì)算研究區(qū)的生境質(zhì)量，該模型針對(duì)生境質(zhì)量的評(píng)估首先是基于生境退化度，其計(jì)算公式如下：

Dxj=∑Rr=1∑Yry=1Wr∑Rr=1wrryirxyβxSjr;（1）

線性衰退時(shí)，為irxy=1-dxydr，max;（2）

指數(shù)衰退時(shí)，為irxy=exp-2.99dr，maxdxy。（3）

式中：Dxj為土地利用類型j中柵格x的生境退化程度；R為威脅因子的數(shù)量；r為生境的威脅因子；Yr為威脅因子r圖層上的柵格數(shù)；Wr為威脅因子的權(quán)重；ry為威脅因子對(duì)生境y的影響程度，取值在0～1；irxy為威脅因子r在柵格x的生境對(duì)柵格y的影響；βx為柵格x可達(dá)性水平；Sjr為土地利用類型j對(duì)威脅因子r的敏感程度；dxy為柵格x與y之間的線性距離；dr，max為威脅因子r的最大影響距離。

生境質(zhì)量指數(shù)反映威脅因子影響下生境質(zhì)量的優(yōu)劣，取值范圍為0～1，較高數(shù)值表示較好的生境質(zhì)量，非生境的景觀區(qū)域生境得分值為0。其計(jì)算公式如下：

Qxj=Hj1-DzxjDzxj+kz。（4）

式中：Qxj為土地利用類型j中柵格x的生境質(zhì)量；Hj為土地利用類型j的生境適宜度；z為歸一化常量，取值2.5；k為半飽和常數(shù)，取最大退化度值的一半。

通過(guò)對(duì)研究區(qū)實(shí)地調(diào)研，參考文獻(xiàn)[24-25]，將人類活動(dòng)密集的耕地、道路和城鎮(zhèn)用地作為威脅因子并賦值（表3）。依據(jù)各地類的生態(tài)重要程度，將各地類歸為3種類型：天然地類、半人工地類和人工地類，其生境適宜程度為0～1。每種生境類型對(duì)威脅因子的相對(duì)敏感性大小根據(jù)景觀生態(tài)學(xué)生物多樣性保護(hù)原則而確定[26]，其敏感程度從高到低依次為天然地類（林地、水域等）、半人工地類（耕地、未利用地等）和人工地類（建設(shè)用地），結(jié)合文獻(xiàn)[27-29]，對(duì)威脅源的敏感性進(jìn)行賦值（表4），范圍在0～1之間。

1.4 地理探測(cè)器生境質(zhì)量影響因子分析

地理探測(cè)器[geographical detector，GeoDetector_2015_Example（Disease Dataset）]是探測(cè)空間分異性并揭示其背后驅(qū)動(dòng)因子的一組統(tǒng)計(jì)學(xué)方法[30]。本研究主要借助地理探測(cè)器的分異及因子探測(cè)和交互作用，參考文獻(xiàn)[30-31]選取因變量為Y（生境質(zhì)量），自變量為X1（DEM）、X2（坡度）、X3（年均降水量）、X4（年均氣溫）、X5（到公路距離）、X6（到居民點(diǎn)距離）、X7（GDP）、X8（人口密度），應(yīng)用q統(tǒng)計(jì)量定量分析各因子對(duì)于生境質(zhì)量的影響機(jī)制［30］。

2 結(jié)果與分析

2.1 桃源縣土地利用變化及預(yù)測(cè)

2.1.1 2000—2020年桃源縣土地利用變化特征

基于2000—2020年桃源縣土地利用轉(zhuǎn)移矩陣（表5），可得桃源縣土地類型面積占比排序從大到小為林地gt;耕地gt;草地gt;水域gt;建設(shè)用地gt;未利用地。其中，草地、耕地、林地面積逐年下降，受退耕還林政策影響，耕地大部分轉(zhuǎn)化為林地，其面積在20年間共減少3 113.01 hm2，是降幅最大的土地類型，耕地保護(hù)形勢(shì)嚴(yán)峻。建設(shè)用地、水域及未利用地規(guī)模逐年增大，建設(shè)用地在20年間增長(zhǎng)3 469.59 hm2，是漲幅最高的土地類型，其中新增建設(shè)用地主要來(lái)源于耕地和林地。

總體來(lái)看，研究區(qū)林草地覆蓋度較高，生境質(zhì)量基礎(chǔ)好，但存在建設(shè)用地快速擴(kuò)張導(dǎo)致林草地等生態(tài)用地及耕地流失的現(xiàn)象。

2.1.2 多情景下桃源縣2035年土地利用預(yù)測(cè)

2035年桃源縣不同情景下的土地利用面積變化模型結(jié)果見圖1。由圖1可知，在耕地保護(hù)情景下，土地利用呈“一增多減”的變化趨勢(shì)，除建設(shè)用地外，其他用地面積呈不同程度減少，其中建設(shè)用地相比2020年增長(zhǎng)1 384.59 hm2，城鎮(zhèn)化促使人口快速增長(zhǎng)，耕地?cái)?shù)量保護(hù)與質(zhì)量提升成為縣域城鎮(zhèn)發(fā)展統(tǒng)籌的關(guān)鍵之一，該情景下耕地面積僅減少875.42 hm2。在生態(tài)保護(hù)情景下，僅林地與建設(shè)用地呈增長(zhǎng)趨勢(shì)，其中林地規(guī)模增長(zhǎng)237.64 hm2，是唯一正增長(zhǎng)的情景，建設(shè)用地?cái)U(kuò)張速率顯著下降，城鎮(zhèn)化建設(shè)對(duì)整體生態(tài)來(lái)說(shuō)影響較小，耕地面積顯著下降，減少量為1 388.58 hm2，出現(xiàn)退耕還林還草現(xiàn)象。在經(jīng)濟(jì)建設(shè)情景下，土地利用變化主要表現(xiàn)為建設(shè)用地?cái)U(kuò)張速度大幅增加，相比2020年增長(zhǎng)1 766.79 hm2，受此影響，耕地、林地和草地面積流失較為顯著。在3種情景下，水域及未利用地面積變化均較為穩(wěn)定，其中水域在生態(tài)保護(hù)情景下略有增長(zhǎng)，在耕地保護(hù)情景與經(jīng)濟(jì)建設(shè)情景略有減少；未利用地則均呈遞減態(tài)勢(shì)。

2.2 桃源縣生境質(zhì)量變化及預(yù)測(cè)

2.2.1 2000—2020年桃源縣生境質(zhì)量時(shí)空演變

本研究依據(jù)自然間斷點(diǎn)分級(jí)法（Jenks）[32]將生境質(zhì)量劃分為5個(gè)等級(jí)：低[0，0.39]、較低（0.39，0.59]、中等（0.59，0.79]、較高（0.79，0.99]、高（0.99，1.00]。根據(jù)分類統(tǒng)計(jì)得到2000年、2010年和2020年的平均生境質(zhì)量分別為0.823 9、0.821 7和0.820 0。

從空間分布來(lái)看，桃源縣生境質(zhì)量空間分布特征顯著。低生境質(zhì)量區(qū)域集中分布在桃源縣東北區(qū)域，地類以建設(shè)用地為主，受人類活動(dòng)干擾大；較低生境質(zhì)量區(qū)域分布以耕地為主，其破碎化程度較高；一般生境質(zhì)量區(qū)域分布以水域和草地為主，零星分布于桃源縣內(nèi)；較高生境質(zhì)量區(qū)域分布于東部丘陵地區(qū)；高生境質(zhì)量區(qū)域主要集中于烏云界、胡家?guī)X和牯牛山等山區(qū)，林地分布集中，生態(tài)環(huán)境較好。

從時(shí)間尺度來(lái)看（表6），較低生境質(zhì)量和中等生境質(zhì)量面積占比持續(xù)下降；而較高生境質(zhì)量面積略有增長(zhǎng)，但并不顯著；低生境質(zhì)量面積與高生境質(zhì)量面積占比逐年升高，其中，低生境質(zhì)量面積變化程度顯著，共增長(zhǎng)3 475.05 hm2，與同時(shí)期建設(shè)用地面積增長(zhǎng)情況相符?？傮w來(lái)看，2000—2020年桃源縣生境質(zhì)量水平較高，但呈持續(xù)衰減趨勢(shì)，有潛在的生境退化風(fēng)險(xiǎn)，在城鎮(zhèn)化發(fā)展過(guò)程中須引起重視。

2.2.2 多情景下桃源縣2035年生境質(zhì)量模擬

基于GeoSOS-FLUS與InVEST模型可得不同情景下的生境質(zhì)量均值排序從大到小為生態(tài)保護(hù)情景（0.818 7）gt;耕地保護(hù)情景（0.817 9）gt;經(jīng)濟(jì)建設(shè)情景（0.817 3）。

從空間分布來(lái)看，不同情景下的生境質(zhì)量等級(jí)分布差異主要體現(xiàn)在桃源縣西部、南部和東北部中心城區(qū)。低生境質(zhì)量區(qū)域分布與建設(shè)用地分布在空間上具有高度一致性，進(jìn)一步表明建設(shè)用地?cái)U(kuò)張會(huì)影響生境質(zhì)量區(qū)域的空間分布。此外，在不同情景下，耕地作為威脅因子大部分處于低與較低生境質(zhì)量區(qū)域，水域和草地大部分均處于一般生境質(zhì)量區(qū)域，而集中連片的林地則處于高生境質(zhì)量區(qū)域。

從等級(jí)分布來(lái)看（表7），在生態(tài)保護(hù)情景下，較低生境質(zhì)量面積持續(xù)減少，占比降至27.95%，高生境質(zhì)量面積占比為54.94%，相較于其他情景，其減少幅度緩慢。這主要是由于建設(shè)用地?cái)U(kuò)張速度放緩，林地和水域面積增長(zhǎng)，草地流失速度減緩，且林地和草地具有高生態(tài)適宜性[33]，該情景下建設(shè)用地開發(fā)對(duì)生態(tài)環(huán)境的破壞得到抑制。在耕地保護(hù)情景下，較低生境質(zhì)量面積占比為28.07%，較其他情景高。主要是由于為保障糧食安全，該情景下的耕地受到一定程度保護(hù)導(dǎo)致其面積較高，而耕地作為威脅源則會(huì)對(duì)生境質(zhì)量造成壓力。在經(jīng)濟(jì)建設(shè)情景下，桃源縣需要大量建設(shè)用地以進(jìn)一步推動(dòng)城鎮(zhèn)化和經(jīng)濟(jì)發(fā)展，因而其他土地類型面積大幅下降，導(dǎo)致該情景下低生境質(zhì)量面積占比為2.07%，呈持續(xù)增長(zhǎng)趨勢(shì)。

2.3 桃源縣生境質(zhì)量空間差異影響因素分析

2.3.1 分異及因子探測(cè)

除到公路距離與生境質(zhì)量顯著相關(guān)外（Plt;0.05），其余因子均呈極顯著相關(guān)（Plt;0.01），按影響程度排序從高到低依次為高程（33.26%）gt;人口密度（29.48%）gt;GDP（28.06%）gt;坡度（27.49%）gt;年均氣溫（23.28%）gt;年均降水量（8.76%）gt;到居民點(diǎn)距離（7.22%）gt;到公路距離（1.66%）。由排序可知，高程是影響生境質(zhì)量的第一主導(dǎo)因素，表明自然環(huán)境因子相比其他因子對(duì)生境質(zhì)量的影響更顯著；第二、三主導(dǎo)因素分別為人口密度和GDP，表明社會(huì)經(jīng)濟(jì)因子在一定程度上影響生境質(zhì)量，未來(lái)發(fā)展在城市化背景下需控制城市擴(kuò)張速度，加大生態(tài)環(huán)境保護(hù)和管控力度。

2.3.2 交互作用探測(cè)

從探測(cè)結(jié)果來(lái)看（表8），高程∩到居民點(diǎn)距離、坡度∩降水和到公路距離∩其他要素因子存在非線性增強(qiáng)的交互作用，其他則表現(xiàn)出雙因子增強(qiáng)的特征，說(shuō)明各因子之間存在協(xié)同增強(qiáng)關(guān)系。其中，高程與人口密度的交互作用最大，q值為0.430 6，坡度與其他因子交互的解釋程度也較高，可見對(duì)生境質(zhì)量影響起主導(dǎo)作用的交互因子均為地形單因子與其他因子的組合，表明不同地形在一定程度上決定生境質(zhì)量的空間分布格局；GDP和人口密度單因子與其他因子交互對(duì)生境質(zhì)量的影響程度遠(yuǎn)遠(yuǎn)高于獨(dú)立作用時(shí)的影響程度，且其影響程度均在0.3以上，可見經(jīng)濟(jì)社會(huì)因子對(duì)于生境質(zhì)量的影響不可忽視，城鎮(zhèn)化以及人口增長(zhǎng)均會(huì)對(duì)生態(tài)環(huán)境帶來(lái)壓力[34]。

3 結(jié) 論

在土地利用變化方面，桃源縣土地類型面積占比排序如下：林地gt;耕地gt;草地gt;水域gt;建設(shè)用地gt;未利用地。2000—2020年，桃源縣草地、耕地、林地面積逐年下降，耕地流失嚴(yán)重，受退耕還林政策影響，耕地大部分轉(zhuǎn)化為林地，建設(shè)用地面積大幅上漲，增加部分主要來(lái)源于耕地和林地。至2035年，生態(tài)保護(hù)情景下的林地面積實(shí)現(xiàn)正增長(zhǎng)；耕地保護(hù)情景下，耕地流失速度減緩；經(jīng)濟(jì)建設(shè)情景下，建設(shè)用地快速增長(zhǎng)，生態(tài)用地流失嚴(yán)重。

在生境質(zhì)量變化方面，桃源縣生境質(zhì)量存在顯著的空間分布特征，低生境質(zhì)量區(qū)域集中分布于桃源縣東北部，與建設(shè)用地分布在空間上具有高度一致性。2000—2020年，桃源縣生境質(zhì)量總體呈下降趨勢(shì)，低生境質(zhì)量面積占比逐年升高。至2035年，生態(tài)保護(hù)情景、耕地保護(hù)情景、經(jīng)濟(jì)建設(shè)情景的生境質(zhì)量總體呈下降趨勢(shì)；生態(tài)保護(hù)情景的平均生境質(zhì)量最高，為0.818 7，建設(shè)用地?cái)U(kuò)張對(duì)生態(tài)的破壞得到最大程度遏制；耕地保護(hù)情景下，桃源縣生境質(zhì)量略有下降，耕地資源作為威脅源使得較低生境質(zhì)量面積占比達(dá)到28.07%，較其他情景高；經(jīng)濟(jì)建設(shè)情景下，生境質(zhì)量進(jìn)一步下降，低生境質(zhì)量區(qū)域面積占比2.07%，呈持續(xù)增長(zhǎng)趨勢(shì)。

從空間差異影響因素來(lái)看，桃源縣生境質(zhì)量變化是自然環(huán)境因子與社會(huì)經(jīng)濟(jì)因子協(xié)同作用的結(jié)果。其中，地形因子是影響生境質(zhì)量空間分布的主要因素，這與朱增云等[30]的研究一致；其次為社會(huì)經(jīng)濟(jì)因子中的GDP與人口密度因子，其影響程度均在0.3以上。

綜上，為降低未來(lái)桃源縣生境質(zhì)量退化風(fēng)險(xiǎn)，本研究提出如下建議：①進(jìn)一步加強(qiáng)縣域生態(tài)環(huán)境治理能力建設(shè)。水域和林地等生態(tài)用地對(duì)維持區(qū)域生態(tài)系統(tǒng)健康起到?jīng)Q定性作用[35]，因此需進(jìn)一步優(yōu)化桃源縣生態(tài)用地空間布局，防止林草退化；②桃源縣耕地面積位居全省第一，其保障糧食安全的作用不可忽視，應(yīng)鼓勵(lì)發(fā)展生態(tài)農(nóng)業(yè)，逐步提高耕地生物多樣性；③建設(shè)用地的擴(kuò)張會(huì)增加低生境質(zhì)量區(qū)域占比，因此在編制國(guó)土空間規(guī)劃時(shí)，應(yīng)合理控制建設(shè)用地增量，優(yōu)化區(qū)域經(jīng)濟(jì)格局，以遏制生境退化程度；④區(qū)域生境質(zhì)量會(huì)對(duì)鄰近區(qū)域的生境產(chǎn)生影響[27]，針對(duì)桃源縣烏云界國(guó)家級(jí)自然保護(hù)區(qū)等高生境質(zhì)量的自然保護(hù)地，應(yīng)從生物多樣性保護(hù)和生態(tài)系統(tǒng)恢復(fù)著手[36]，在其外圍建立生境緩沖區(qū)，加強(qiáng)生態(tài)屏障作用。

本研究方法仍存在進(jìn)一步提升空間：首先，由于數(shù)據(jù)獲取受限，模型部分參數(shù)參考相似地區(qū)和前人的同類研究，未來(lái)考慮通過(guò)實(shí)地深入調(diào)查進(jìn)一步優(yōu)化模型參數(shù)提高精度；其次，本研究選取驅(qū)動(dòng)因素時(shí)，雖考慮了地形、氣候、交通區(qū)位和社會(huì)經(jīng)濟(jì)等，但由于桃源縣新一輪總體規(guī)劃（2020—2035）尚在編制中，相關(guān)政策因素是隨時(shí)間動(dòng)態(tài)變化的且難以量化提取。因此，如何將政策因素與生境質(zhì)量模擬結(jié)合將在今后的研究中進(jìn)一步探討。

參考文獻(xiàn)（reference）：

［1］邱國(guó)玉，張曉楠．21世紀(jì)中國(guó)的城市化特點(diǎn)及其生態(tài)環(huán)境挑戰(zhàn)[J]．地球科學(xué)進(jìn)展，2019，34（6）：640-649．QIU G Y，ZHANG X N．China’s urbanization and its ecological environment challenges in the 21st century[J]．Adv Earth Sci，2019，34（6）：640-649． DOI： 10.11867/j.issn.1001-8166.2019.06.0640.

［2］SONG S X，LIU Z F，HE C Y，et al．Evaluating the effects of urban expansion on natural habitat quality by coupling localized shared socioeconomic pathways and the land use scenario dynamics-urban model[J]．Ecol Indic，2020，112：106071．DOI： 10.1016/j.ecolind.2020.106071.

［3］劉春芳，王川．基于土地利用變化的黃土丘陵區(qū)生境質(zhì)量時(shí)空演變特征——以榆中縣為例[J]．生態(tài)學(xué)報(bào)，2018，38（20）：7300-7311．LIU C F，WANG C．Spatio-temporal evolution characteristics of habitat quality in the Loess Hilly Region based on land use change：a case study in Yuzhong County[J]．Acta Ecol Sin，2018，38（20）：7300-7311．DOI： 10.5846/stxb201710101800.

［4］ZHANG X R，ZHOU J，LI G N，et al．Spatial pattern reconstruction of regional habitat quality based on the simulation of land use changes from 1975 to 2010[J]．J Geogr Sci，2020，30（4）：601-620．DOI： 10.1007/s11442-020-1745-4.

［5］李營(yíng)，張峰，楊海軍，等．生物多樣性生態(tài)功能區(qū)生境質(zhì)量變化遙感監(jiān)測(cè)研究[J]．環(huán)境與可持續(xù)發(fā)展，2016，41（2）：46-48．LI Y，ZHANG F，YANG H J，et al．On habitat quality change monitoring by remote sensing in eco-functional area of biological diversity[J]．Environ Sustain Dev，2016，41（2）：46-48．DOI： 10.19758/j.cnki.issn1673-288x.2016.02.013.

［6］邱炳文，陳崇成．基于多目標(biāo)決策和CA模型的土地利用變化預(yù)測(cè)模型及其應(yīng)用[J]．地理學(xué)報(bào)，2008，63（2）：165-174．QIU B W，CHEN C C．Land use change simulation model based on MCDM and CA and its application[J]．Acta Geogr Sin，2008，63（2）：165-174．DOI： 10.3321/j.issn：0375-5444.2008.02.006.

［7］嚴(yán)棟飛，姜仁貴，解建倉(cāng)，等．基于Markov模型的渭河干流陜西段土地利用動(dòng)態(tài)變化研究[J]．西安理工大學(xué)學(xué)報(bào)，2019，35（1）：34-39．YAN D F，JIANG R G，XIE J C，et al．Study on the dynamic change of land use in Shaanxi section of Weihe main stream based on Markov model[J]．J Xi’an Univ Technol，2019，35（1）：34-39．DOI： 10.19322/j.cnki.issn.1006-4710.2019.01.006.

［8］王蒙．基于FLUS模型的土地利用變化模擬與預(yù)測(cè)方法研究[J]．測(cè)繪與空間地理信息，2022，45（1）：161-166．WANG M．Research on simulation and prediction method for land use change based on FLUS model[J]．Geomat Spatial Inf Technol，2022，45（1）：161-166．DOI： 10.3969/j.issn.1672-5867.2022.01.042.

［9］LI X，CHEN Y M，LIU X P，et al．Concepts，methodologies，and tools of an integrated geographical simulation and optimization system[J]．Int J Geogr Inf Sci，2011，25（4）：633-655．DOI： 10.1080/13658816.2010.496370.

[10]侯建坤，陳建軍，張凱琪，等．基于InVEST和GeoSoS-FLUS模型的黃河源區(qū)碳儲(chǔ)量時(shí)空變化特征及其對(duì)未來(lái)不同情景模式的響應(yīng)[J]．環(huán)境科學(xué)，2022，43（11）：5253-5262．HOU J K，CHEN J J，ZHANG K Q，et al．Temporal and spatial variation characteristics of carbon storage in the source region of the Yellow River based on InVEST and GeoSoS-FLUS models and its response to different future scenarios[J]．Environ Sci，2022，43（11）：5253-5262．DOI： 10.13227/j.hjkx.202201267.

[11]劉小平，黎夏，葉嘉安，等．利用蟻群智能挖掘地理元胞自動(dòng)機(jī)的轉(zhuǎn)換規(guī)則[J]．中國(guó)科學(xué)（D輯：地球科學(xué)），2007，37（6）：824-834．LIU X P，LI X，YE J A，et al．Mining transformation rules of geographic cellular automata using ant colony intelligence[J]．Sci China （Ser D （Earth Sci）），2007，37（6）：824-834．

[12]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]．Landsc Urban Plan，2017，168：94-116．DOI： 10.1016/j.landurbplan.2017.09.019.

[13]GOMES E，INCIO M，BOGDZEVIC K，et al．Future scenarios impact on land use change and habitat quality in Lithuania[J]．Environ Res，2021，197：111101．DOI： 10.1016/j.envres.2021.111101.

[14]TANG F，F(xiàn)U M C，WANG L，et al．Land-use change in Changli County，China：predicting its spatio-temporal evolution in habitat quality[J]．Ecol Indic，2020，117：106719．DOI： 10.1016/j.ecolind.2020.106719.

[15]ZHANG X R，SONG W，LANG Y，et al．Land use changes in the coastal zone of China’s Hebei Province and the corresponding impacts on habitat quality[J]．Land Use Policy，2020，99：104957．DOI： 10.1016/j.landusepol.2020.104957.

[16]馬良，金陶陶，文一惠，等．InVEST模型研究進(jìn)展[J]．生態(tài)經(jīng)濟(jì)，2015，31（10）：126-131，179．MA L，JIN T T，WEN Y H， et al．The research progress of InVEST model[J]．Ecol Econ，2015，31（10）：126-131，179．DOI： 10.3969/j.issn.1671-4407.2015.10.027.

[17]VILLA"" F， CERONI" M， BAGSTAD" K，et al.ARIES （ARtificial Intelligence for Ecosystem Services）： a new tool for ecosystem services assessment， planning， and valuation[J]. Bio Econ， 2009.DOI：doi：http：//dx.doi.org/.

[18]SHERROUSE" B C， SEMMENS" D.Social Values for Ecosystem Services， version 3.0 （SolVES 3.0）： documentation and user manual[R].USGS： Open-File Report， 2015.DOI：10.3133/OFR20151008.

[19]黃木易，岳文澤，馮少茹，等．基于InVEST模型的皖西大別山區(qū)生境質(zhì)量時(shí)空演化及景觀格局分析[J]．生態(tài)學(xué)報(bào)，2020，40（9）：2895-2906．HUANG M Y，YUE W Z，F(xiàn)ENG S R，et al．Spatial-temporal evolution of habitat quality and analysis of landscape patterns in Dabie Mountain area of west Anhui Province based on InVEST model[J]．Acta Ecol Sin，2020，40（9）：2895-2906．DOI： 10.5846/stxb201904260858.

[20]劉孟竹，張紅娟，王彥芳，等．基于土地利用的北方農(nóng)牧交錯(cuò)帶生境質(zhì)量研究[J]．水土保持研究，2021，28（3）：156-162．LIU M Z，ZHANG H J，WANG Y F，et al．Characteristics of habitat quality in the agro-pastoral ecotone of northern China based on land uses[J]．Res Soil Water Conserv，2021，28（3）：156-162．DOI： 10.13869/j.cnki.rswc.2021.03.018.

[21]SUN X Y，JIANG Z，LIU F，et al．Monitoring spatio-temporal dynamics of habitat quality in Nansihu Lake basin，eastern China，from 1980 to 2015[J]．Ecol Indic，2019，102：716-723．DOI： 10.1016/j.ecolind.2019.03.041.

[22]尚俊，蔡海生，龍?jiān)?，等．基于InVEST模型的鄱陽(yáng)湖區(qū)生境質(zhì)量時(shí)空演化及其變遷特征分析[J]．長(zhǎng)江流域資源與環(huán)境，2021，30（8）：1901-1915．SHANG J，CAI H S，LONG Y，et al．Temporal-spatial distribution and transition of habitat quality in Poyang Lake region based on INVEST model[J]．Resour Environ Yangtze Basin，2021，30（8）：1901-1915．DOI： 10.11870/cjlyzyyhj202108012.

[23]許文寧，王鵬新，韓萍，等．Kappa系數(shù)在干旱預(yù)測(cè)模型精度評(píng)價(jià)中的應(yīng)用：以關(guān)中平原的干旱預(yù)測(cè)為例[J]．自然災(zāi)害學(xué)報(bào)，2011，20（6）：81-86．XU W N，WANG P X，HAN P，et al．Application of Kappa coefficient to accuracy assessments of drought forecasting model：a case study of Guanzhong Plain[J]．J Nat Disasters，2011，20（6）：81-86．DOI： 10.13577/j.jnd.2011.0614.

[24]SUN X Q，YU Y H，WANG J L，et al．Analysis of the spatiotemporal variation in habitat quality based on the InVEST model： a case study of Shangri-La City，northwest Yunnan，China[J]．J Phys：Conf Ser，2021，1961（1）：012016．DOI： 10.1088/1742-6596/1961/1/012016.

[25]戴云哲，李江風(fēng)，楊建新．長(zhǎng)沙都市區(qū)生境質(zhì)量對(duì)城市擴(kuò)張的時(shí)空響應(yīng)[J]．地理科學(xué)進(jìn)展，2018，37（10）：1340-1351．DAI Y Z，LI J F，YANG J X．Spatiotemporal responses of habitat quality to urban sprawl in the Changsha metropolitan area[J]．Prog Geogr，2018，37（10）：1340-1351．DOI： 10.18306/dlkxjz.2018.10.004.

[26]LINDENMAYER D，HOBBS R J，MONTAGUE-DRAKE R，et al．A checklist for ecological management of landscapes for conservation[J]．Ecol Lett，2008，11（1）：78-91．DOI： 10.1111/j.1461-0248.2007.01114.x.

[27]謝怡凡，姚順波，鄧元杰，等．延安市退耕還林（草）工程對(duì)生境質(zhì)量時(shí)空格局的影響[J]．中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào)（中英文），2020，28（4）：575-586．XIE Y F，YAO S B，DENG Y J，et al．Impact of the ‘Grain for Green’ project on the spatial and temporal pattern of habitat quality in Yan’an City，China[J]．Chin J Eco Agric，2020，28（4）：575-586．DOI： 10.13930/j.cnki.cjea.190762.

[28]劉園，周勇，杜越天．基于InVEST模型的長(zhǎng)江中游經(jīng)濟(jì)帶生境質(zhì)量的時(shí)空分異特征及其地形梯度效應(yīng)[J]．長(zhǎng)江流域資源與環(huán)境，2019，28（10）：2429-2440．LIU Y，ZHOU Y，DU Y T．Study on the spatio-temporal patterns of habitat quality and its terrain gradient effects of the middle of the Yangtze River economic belt based on InVEST model[J]．Resour Environ Yangtze Basin，2019，28（10）：2429-2440．DOI： 10.11870/cjlyzyyhj201910015.

[29]鄧楚雄，郭方圓，黃棟良，等．基于INVEST模型的洞庭湖區(qū)土地利用景觀格局對(duì)生境質(zhì)量的影響研究[J]．生態(tài)科學(xué)，2021，40（2）：99-109．DENG C X，GUO F Y，HUANG D L，et al．Research on the impact of land use and landscape pattern on habitat quality in Dongting Lake area based on INVEST model[J]．Ecol Sci，2021，40（2）：99-109．DOI： 10.14108/j.cnki.1008-8873.2021.02.013.

[30]朱增云， 阿里木江·卡斯木. 基于地理探測(cè)器的伊犁谷地生境質(zhì)量時(shí)空演變及其影響因素[J]. 生態(tài)學(xué)雜志， 2020， 39（10）： 3408-3420. ZHU Z Y， Alimujiang" Kasimu. Spatial-temporal evolution of habitat quality in Yili Valley based on geographical detector and its influencing factors[J]．Chin J Ecol，2020，39（10）：3408-3420．DOI： 10.13292/j.1000-4890.202010.009.

[31]DONG J H，ZHANG Z B，LIU B T，et al．Spatiotemporal variations and driving factors of habitat quality in the loess hilly area of the Yellow River basin：a case study of Lanzhou City，China[J]．J Arid Land，2022，14（6）：637-652．DOI： 10.1007/s40333-022-0097-6.

[32]李騫國(guó)，王錄倉(cāng)，石培基，等．基于生境質(zhì)量的綠洲城鎮(zhèn)增長(zhǎng)邊界劃定——以黑河中游地區(qū)為例[J]．經(jīng)濟(jì)地理，2020，40（3）：92-101．LI Q G，WANG L C，SHI P J，et al．Delimitation of the growth boundary of oasis towns based on habitat quality：a case study of the middle reaches of Heihe River[J]．Econ Geogr，2020，40（3）：92-101．DOI： 10.15957/j.cnki.jjdl.2020.03.011.

[33]DAILY G C，歐陽(yáng)志云，鄭華，等．保障自然資本與人類福祉：中國(guó)的創(chuàng)新與影響[J]．生態(tài)學(xué)報(bào)，2013，33（3）：669-685．DAILY G C，OUYANG Z Y，ZHENG H，et al．Securing natural capital and human well-being：innovation and impact in China[J]．Acta Ecol Sin，2013，33（3）：669-685．DOI： 10.5846/stxb201212311905.

[34]周德志，關(guān)穎慧，張冰彬，等．基于土地利用變化的陜北地區(qū)生境質(zhì)量時(shí)空演變及其驅(qū)動(dòng)因素[J]．北京林業(yè)大學(xué)學(xué)報(bào)，2022，44（6）：85-95．ZHOU D Z，GUAN Y H，ZHANG B B，et al．Spatial-temporal evolution of habitat quality in northern Shaanxi Province of northwestern China based on land use change and its driving factors[J]．J Beijing For Univ，2022，44（6）：85-95．DOI： 10.12171/j.1000-1522.20210437.

[35]歐維新，張倫嘉，陶宇，等．基于土地利用變化的長(zhǎng)三角生態(tài)系統(tǒng)健康時(shí)空動(dòng)態(tài)研究[J]．中國(guó)人口·資源與環(huán)境，2018，28（5）：84-92．OU W X，ZHANG L J，TAO Y，et al．A land-cover-based approach to assessing the spatio-temporal dynamics of ecosystem health in the Yangtze River Delta region[J]．China Popul Resour Environ，2018，28（5）：84-92．DOI： 10.12062/cpre.20171213.

[36]馬克明，傅伯杰，黎曉亞，等．區(qū)域生態(tài)安全格局：概念與理論基礎(chǔ)[J]．生態(tài)學(xué)報(bào)，2004，24（4）：761-768．MA K M，F(xiàn)U B J，LI X Y，et al．The regional pattern for ecological security （RPES）：the concept and theoretical basis[J]．Acta Ecol Sin，2004，24（4）：761-768．DOI： 10.3321/j.issn：1000-0933.2004.04.017.

（責(zé)任編輯 孟苗婧 鄭琰燚）