科尔沁沙地生境质量演变与预测

doi:10.7522/j.issn.1000-694X.2025.00066

科尔沁沙地生境质量演变与预测

周得龙^,¹, 王永芳^,¹^,²^,³, 郭恩亮¹^,², 红英¹^,², 马浩文¹, 慕全飞¹, 王妍力¹

1.内蒙古师范大学，地理科学学院，内蒙古呼和浩特 010022

2.内蒙古师范大学，内蒙古自治区蒙古高原地理研究重点实验室，内蒙古呼和浩特 010022

3.内蒙古师范大学，蒙古高原气候变化与区域响应高校重点实验室，内蒙古呼和浩特 010022

Evolution and prediction of habitat quality in the Horqin Sandy Land

Zhou Delong^,¹, Wang Yongfang^,¹^,²^,³, Guo Enliang¹^,², Hong Ying¹^,², Ma Haowen¹, Mu Quanfei¹, Wang Yanli¹

1.College of Geographical Science /, Inner Mongolia Normal University，Hohhot 010022，China

2.Inner Mongolia Key Laboratory of Mongolian Plateau Geography Research /, Inner Mongolia Normal University，Hohhot 010022，China

3.Key Laboratory of Mongolian Plateau's Climate System, Inner Mongolia Normal University，Hohhot 010022，China

通讯作者: 王永芳（E-mail： wangyongfang@imnu.edu.cn）

收稿日期: 2025-02-28 修回日期: 2025-05-31

基金资助:

国家自然科学基金项目.  42361014
国家自然科学基金项目.  42201374
一流学科科研专项项目.  YLXKZX-NSD-032
一流学科科研专项项目.  YLXKZX-NSD-002
内蒙古自然科学基金项目.  2024MS04002
内蒙古自然科学基金项目.  2021BS04008

Received: 2025-02-28 Revised: 2025-05-31

作者简介 About authors

周得龙（1997—），男，甘肃景泰人，硕士研究生，主要从事生态环境遥感研究E-mail：2021385293@qq.com , E-mail：2021385293@qq.com

摘要

科尔沁沙地作为中国土地沙化严重的地区之一，其生境质量直接关系到区域生态环境和生态安全。运用集成价值评估工具模型（Integrated Valuation of Ecosystem Services and Tradeoffs，InVEST）的生境质量模块对科尔沁沙地1990—2022年生境质量进行评估，并通过动态度模型、Theil-Sen Median趋势分析法、Mann-Kendall检验、Hurst指数和地理探测器等，探讨科尔沁沙地生境质量时空演变特征及其影响因素。同时，耦合灰色多目标决策（Grey Multi-Objective Programming，GMOP）与斑块生成土地利用变化（Patch-generating Land Use Simulation，PLUS）模型，开展生态、自然、经济和综合发展情景下科尔沁沙地生境质量预估研究。结果表明：1990—2022年科尔沁沙地生境质量总体呈改善态势，且具备可持续性特征。空间上呈西高东低的分布格局，其中14.73%区域生境质量显著改善。地理探测器结果表明，植被因子是影响科尔沁沙地生境质量变化的主要因素，与地形、气候及人类活动等因子的交互作用对生境质量的空间异质性表现出更强的解释力。预测2035年研究区生境质量继续上升，在4种模拟情景中，生态保护情景下生境质量提升最为显著，低生境质量区域面积逐渐减少，一般等级和高等级生境质量面积有所增长。

关键词： InVEST模型 ; 生境质量 ; GMOP模型 ; PLUS模型 ; 地理探测器 ; 科尔沁沙地

Abstract

As one of the regions in China most severely impacted by land desertification， the habitat quality of the Horqin Sandy Land is closely tied to the regional ecological environment and ecological security. This study used the Integrated Valuation of Ecosystem Services and Tradeoffs （InVEST） model to assess habitat quality in the Horqin Sandy Land from 1990 to 2022. Methods such as the dynamic degree model， Theil-Sen median trend analysis， Mann-Kendall test， Hurst index， and geographic detector were employed to analyze the spatiotemporal changes in habitat quality and its influencing factors. Additionally， the study coupled the Grey Multi-Objective Programming （GMOP） model with the Patch-generating Land Use Simulation （PLUS） model to forecast habitat quality under four scenarios： ecological， natural， economic， and comprehensive development. The results show a general improvement in habitat quality from 1990 to 2022， with sustainable characteristics. Spatially， the habitat quality follows a west-high， east-low distribution pattern， with 14.73% of the area showing significant improvements. The geographic detector analysis reveals that vegetation factors are the primary drivers of habitat quality changes， with the interaction of terrain， climate， and human activities providing a strong explanation for spatial heterogeneity. Predictions indicate that by 2035， habitat quality will continue to improve， particularly under the ecological protection scenario， where the greatest enhancement is expected. Areas of low habitat quality will gradually decrease， while medium- and high-quality habitats will expand.

Keywords： InVEST model ; habitat quality ; GMOP model ; PLUS model ; geographic detector ; Horqin Sandy Land

PDF (11322KB) 元数据多维度评价相关文章导出 EndNote| Ris| Bibtex 收藏本文

本文引用格式

周得龙, 王永芳, 郭恩亮, 红英, 马浩文, 慕全飞, 王妍力. 科尔沁沙地生境质量演变与预测. 中国沙漠[J], 2025, 45(4): 211-226 doi:10.7522/j.issn.1000-694X.2025.00066

Zhou Delong, Wang Yongfang, Guo Enliang, Hong Ying, Ma Haowen, Mu Quanfei, Wang Yanli. Evolution and prediction of habitat quality in the Horqin Sandy Land. Journal of Desert Research[J], 2025, 45(4): 211-226 doi:10.7522/j.issn.1000-694X.2025.00066

0 引言

沙漠化是指干旱半干旱和干旱亚湿润地区土地持续退化的过程^［1］。随着全球气候变化和人类活动的影响，沙漠化已成为世界性的环境问题^［2］。科尔沁沙地是中国四大沙地之一，多年来，由于气候变化、人口增加、开荒种地、超载放牧、乱砍滥伐等多种因素影响，该区域土地沙化严重，生境质量逐渐恶化^［3］。为摆脱风沙危害，科尔沁地区构建了户级“小生物圈”、村级“多元系统”和乡级“生态网”的分层治理体系^［4］和集“阻、固、造、封”于一体的铁路治沙模式^［5］。同时，国家层面推进了包括“三北”防护林、退耕还林（草）和山水林田湖草沙一体化保护在内的一系列生态工程^［6-8］。结合国家防沙治沙战略布局，科尔沁沙地所在的通辽市实施了林业生态工程、“双百万亩”及“双千万亩”等重点项目^［9］，其中奈曼旗和翁牛特旗推行“以路治沙”工程模式，兴安盟则开展“以工代赈”工程治沙模式^［4］。目前，随着“科尔沁沙地歼灭战”工程的启动^［10］，科尔沁地区形成了多层次、系统化、区域联动的防沙治沙格局。虽然沙漠化土地得到有效治理，但截至目前，部分地区的沙漠化仍在持续发展^［11］。因此，科学评估与精准预测科尔沁沙地的生境质量，不仅可以识别生态系统的脆弱环节，还可为该区今后生态保护与恢复工作提供关键依据^［12］。

生境质量是生态系统服务的重要指标，是指特定时空条件下生态系统为个体和种群提供生存繁衍所需资源的能力^［13］。生境质量的变化在很大程度上受土地利用变化的影响^［14］。因此，基于土地利用变化数据开展生境质量服务评估是当前的主要手段^［15］。目前，土地利用数据获取已经相对成熟，遥感和动态建模技术的发展，产品数据的完善，极大地提高了研究效率。其中，CLCD （annual China Land Cover Dataset）数据以高精度和时空覆盖广等优点已得到大量应用，该数据在区域土地利用研究中适用性极高^［16］。生态系统服务评估模型是评估生境质量的重要手段，目前常用的包括MaxEnt模型^［17］、GUMBO模型^［18］和InVEST（Integrated Valuation of Ecosystem Services and Tradeoffs）模型^［19］等。其中，InVEST模型具有数据收集方便、操作简单和结果可视化等优点，在国内外得到了广泛应用^［20-22］。

土地利用发展情景可以帮助决策者了解不同政策选择对未来生境质量的影响，为制定科学合理的土地管理和生态保护政策提供依据^［23］。因此，土地利用预测也成为学者研究的热点^［24］。目前，土地利用空间分布预测模型主要有CLUE-S模型^［25］、FLUS模型^［26］、CA-Markow模型^［27］和PLUS模型^［28］等。其中，PLUS模型精度更高，更快，使用更方便，能模拟多种地类演变过程^［29-31］。对土地利用空间分布预测的前提是需要对其类型面积进行精准预测，现阶段主要有Markov链^［32］、GM（1，1）灰色预测^［33］和多目标准则^［34］等方法。其中灰色多目标决策模型（Grey Multi-Objective Planning， GMOP）通过耦合多目标规划与灰色预测理论，在处理多目标冲突问题方面具备显著优势^［35］。近年来，越来越多国内外学者将GMOP模型与PLUS模型耦合，开展未来生境质量变化趋势的模拟研究，旨在更准确地揭示土地利用变化及其对生境质量的影响机制^［36］。

作为中国北方重要的生态屏障，科尔沁沙地生态修复和保护工作对于推动中国生态文明建设^［11］、实现2035年美丽中国的建设目标^［37］具有重要意义。在这一背景下，本研究选取科尔沁沙地作为研究区，利用InVEST模型对科尔沁沙地1990—2022年生境质量时空演变特征进行分析，并且耦合GMOP和PLUS模型模拟2035年不同情景下的生境质量，旨在探索多目标权衡下，如何实现土地利用自然、经济和生态效益的最优发展路径。研究成果可为科尔沁沙地乃至整个北方地区国土空间管理、资源配置优化及生态系统保护与利用提供科学依据。

1 材料与方法

1.1　研究区概况

科尔沁沙地位于内蒙古东部半干旱地区，西辽河水系贯穿其中，面积约12.5万km²（图1）。地貌坨甸相间，沙层覆盖广泛。年降水量为300~500 mm，集中于7—9月，年蒸发量1 800~2 000 mm。地势自西向东逐渐下降。冬春季受蒙古高压影响，大风天气多，地表干燥，易形成流动沙丘，常出现强沙尘暴^［38］。该区域在行政区划上包括内蒙古自治区赤峰市、通辽市、兴安盟等部分区域^［39］。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1 研究区范围

注：基于自然资源部标准地图服务网站标准地图（审图号为GS（2024）0650号）制作，底图边界无修改

Fig.1 Study area boundary map

1.2　数据来源

本研究土地利用数据来源于Yang等^［16］发布的30 m中国年度土地覆盖数据集。结合科尔沁沙地生境现状和数据的掌握情况，选取影响科尔沁沙地生境质量的11个自然驱动因子和6个社会驱动因子。其中，公路、铁路和水域数据来源于开放街道地图（https：//www.openstreetmap.org），数据范围为2013—2023年，将其通过ArcGIS Pro欧氏距离计算得到距公路距离、距铁路距离和距水域距离栅格数据，其余数据说明详见表1。为保证空间精度的一致性和数据处理的便携性，利用ArcGIS Pro将土地利用数据和驱动因子数据统一重采样到300 m分辨率。

表1 驱动因子数据说明

Table 1 Description of driving factor data

驱动因子/单位	空间分辨率	时间（年份）	数据来源
海拔/m	30 m	2000	NASA官网(https://www.nasa.gov)
坡度/m	30 m	2000	NASA官网(https://www.nasa.gov)
归一化植被指数(Normalized Difference Vegetation Index，NDVI)/（无量纲）	1 km	2000—2022	NASA地球观测数据(https://earthdata.nasa.gov)
净初级生产力(Net Primary Productivity，NPP)/（kg·m^-2·a^-1）	1 km		地理空间数据云(www.gis5g.com)
叶面积指数（Leaf Area Index，LAI）/（m²·m^-2）	500 m		NASA官网(https://modaps.modaps.eos⁃dis.nasa.gov/)
潜在蒸散量/mm	0.042°	1990—2022	Terra Climate数据集(https://climate.northwestknowledge.net/)
地表径流/mm
土壤湿度/mm
风速/（m·s^-1）
降水/mm	1 km	1990—2022	国家青藏高原数据中心(https://data.tpdc.ac.cn/home)
气温/℃	1 km	1990—2022	国家青藏高原数据中心(https://data.tpdc.ac.cn/home)
牲畜数量/头	0.083°	2015	粮农组织牲畜系统(https://www.fao.org/livestock⁃systems/zh/)
GDP/万元	1 km	2000—2020	地理空间数据云(www.gis5g.com)
人口密度/（人·km^-2）	1 km	2000—2020	WorldPop官网(https://hub.worldpop.org)

新窗口打开| 下载CSV

2 研究方法

2.1　生境质量计算

采用InVEST模型中的生境质量模块进行评估。通过计算科尔沁地区每种土地利用类型的敏感性以及威胁因素在土地利用中的强度，从而得到生境质量的时空分布^［40］。

Q_{x_{j}} = H_{j} [1 - (\frac{D_{x_{j}}^{z}}{D_{x_{j}}^{z} + k^{z}})]

（1）

式中： $Q_{x_{j}}$ 表示第j类土地利用类型在像元x上的生境质量，范围从0到1，数值越接近1，表示生境质量越好，反之越差； $H_{j}$ 是土地利用j的生境适宜性； $D_{x_{j}}^{z}$ 表示像元x因周围威胁而导致的总退化水平； $k$ 是半饱和常数； $z$ 是缩放参数。结合研究区现状和已有文献^［41-42］，选取受人类活动影响较大的耕地、建设用地和未利用地作为胁迫因子（表2）。为了计算生境质量指数，研究需要建立土地类型与胁迫因子之间的敏感性关系（表3）。利用自然断点法，将生境质量划分为5个等级，分别代表低（0，0.21］、较低（0.21，0.43］、一般（0.43，0.66］、较高（0.66，0.87］和高（0.87，1］生境质量。

表2 胁迫因子权重设置

Table 2 Weight setting for stress factors

胁迫因子	最大影响距离	权重	衰退相关性
耕地	10	0.7	线性衰退
未利用地	5	0.6	指数衰退
建设用地	12	1	指数衰退

新窗口打开| 下载CSV

表3 生境敏感性设置

Table 3 Habitat sensitivity settings

土地利用类型	生境适宜性	耕地	未利用地	建设用地
耕地	0.7	0.5	0.1	1
林地	1	0.65	0.6	0.75
草地	1	0.5	0.4	0.6
水域	1	0.2	0.2	0.4
建设用地	0	0	0	0
未利用地	0	0	0	0

新窗口打开| 下载CSV

2.2　生境质量时空演变特征评估方法

2.2.1　动态度模型

本研究采用动态度表征单位时间内生境质量等级的变化程度。该方法可以定量反映区域内生境质量等级的变化速度^［43］。

K = \frac{U_{a} - U_{b}}{U_{b}} \times \frac{1}{T} \times 100 %

（2）

式中：K表示研究期内某等级生境质量的动态度，即年变化率（%）； $U_{a}$ 和 $U_{b}$ 分别表示研究初期和末期生境质量的面积（km²）；T为研究时段长度。若动态度K>0，则表示在此时间段内生境质量面积增长，反之，则代表在此时间段内生境质量面积减少。

2.2.2　Theil-Sen Median趋势分析和Mann-Kendall检验法

Theil-Sen Median趋势分析是一种稳健的非参数统计的趋势计算方法^［44］，适用于长时间序列数据的趋势分析。

β = M e d i a n (\frac{X_{j} - X_{i}}{j - i}) \forall j > i

（3）

式中：Median代表取中值，若 $β > 0$ ，则表明生境质量为增长趋势，反之为下降趋势。

Mann-Kendall检验是一种非参数的时间序列趋势性检验方法，其测量值不需要服从正态分布，也不受缺失和异常值的影响^［45］。本文给定显著性水平α=0.05，即当|Z|>1.96，表示变化趋势通过了信度为95%的显著性检验。

利用Theil-Sen Median趋势分析法对科尔沁沙地33年生境质量进行逐栅格计算变化斜率，并对其进行Mann-Kendall检验。根据95%的置信水平，结合Theil-Sen Median趋势分析法将科尔沁沙地分别为显著退化、轻微退化、稳定不变、轻微提升与显著提升5个等级（表4）。

表4 Theil-Sen Median趋势变化类型判别标准

Table 4 Theil-Sen Median trend change type discrimination criteria

$β$	Z	趋势变化类型
≥0.0005	>1.96	显著提升
≥0.0005	-1.96 ~1.96	轻微提升
-0.0005~0.0005	-1.96~1.96	稳定不变
<-0.0005	-1.96~1.96	轻微退化
<-0.0005	<-1.96	显著退化

新窗口打开| 下载CSV

2.2.3　Hurst指数

本文运用Hurst指数分析研究区生境质量未来持续性。Hurst指数范围从0到1，反映序列的持续性或反持续性强度^［46］。当Hurst指数等于0.5时，时间序列为随机序列，与其前后的变化无关。当0.5<Hurst指数<1时，变化具有持续性，Hurst指数越接近1，持续性越强。当0<Hurst指数<0.5时，变化具有反持续性，Hurst指数越接近0，反持续性强度越强。

2.3　地理探测器

地理探测器是探测空间分异性并揭示驱动因子的统计学方法^［47］。本研究主要采用因子探测和交互作用两种探测分析不同因子对生境质量的解释力，并识别主要驱动因子。

q = 1 - \frac{\sum_{h = 1}^{L} N_{h} σ_{h}^{2}}{N σ^{2}}

（4）

式中： $q$ 表示不同驱动因素对因变量的解释力，范围从0到1； $h = 1, \dots, L$ ，为环境因子 $X$ 的层数。其中， $N_{h}$ 和 $N$ 分别为层 $h$ 和全区的单元数； $σ_{h}^{2}$ 和 $σ^{2}$ 分别是层 $h$ 和整个研究区 $Y$ 的方差。

两个驱动因子对生境质量的共同作用也可以用 $q$ 统计值来量化。首先，分别计算驱动因子 $X_{1}$ 和 $X_{2}$ 对生境质量（ $Y$ ）的 $q$ 值： $q (X_{1})$ 和 $q (X_{2})$ ；然后，计算两个环境因子共同作用后的 $q$ 值： $q (X_{1} ⋂ X_{2})$ ；最后，通过比较 $q (X_{1})$ 、 $q (X_{2})$ 和 $q (X_{1} ⋂ X_{2})$ ，得到以下5种类型来解释共同作用后的影响（表5）。

表5 地理探测器判断标准及交互类型

Table 5 Types of geographical detector interactions and their discrimination criteria

判别标准	交互类型
$q (X_{1} ⋂ X_{2}) < M i n (q (X_{1}), q (X_{2}))$	非线性减弱
$M i n (q (X_{1}), q (X_{2})) < q (X_{1} ⋂ X_{2}) < M a x (q (X_{1}), q (X_{2}))$	单因子非线性减弱
$q (X_{1} ⋂ X_{2}) > M a x (q (X_{1}), q (X_{2}))$	双因子增强
$q (X_{1} ⋂ X_{2}) = q (X_{1}) + q (X_{2})$	独立
$q (X_{1} ⋂ X_{2}) > q (X_{1}) + q (X_{2})$	非线性增强

新窗口打开| 下载CSV

2.4　土地利用预测方法

2.4.1　GMOP模型

GMOP模型，即多目标规划模型，用于解决多个目标间寻求最优解的决策问题^［48］。GM（1，1）模型，即灰色预测模型，用于处理小样本和具有不确定性的数据序列^［49］。GMOP模型是由GM（1，1）和MOP 模型集成获得。本文利用GM（1，1）模型的预测结果构建MOP模型的目标函数，而MOP模型则通过设定决策变量、定义目标函数和设置约束条件以求解不同情景下最优土地利用数量。

决策变量。决策变量是指模型要求解的未知变量结合研究区的实际土地利用情况，并考虑规划政策，将6种土地利用类型作为决策变量，分别为耕地、林地、建设用地、草地、水域、未利用地。

目标函数构建。决策者在优化土地资源配置时，以因地制宜可持续发展的理念构建目标函数^［33］。本文设置了自然发展情景、经济优先情景、生态优先情景和综合发展情景（表6）。其中，自然发展情景不受政策干预，通过马尔科夫链预测得到。

表6 情景设置与土地利用预测条件

Table 6 Outlines the scenario settings and conditions for land use predictions

情景设置	情景描述
自然发展情景	基于1990—2022年各土地利用类型的变化趋势，利用马尔科夫链预测科尔沁沙地2035年土地利用结构。该情景假设各土地利用类型不受外界因素的干扰，仅按照其历史演化轨迹线性发展，是一种理想状态下的土地利用发展场景
经济优先情景	随着城市建设和农牧业的快速发展，科尔沁沙地的经济也将实现更快增长，在此背景下，充分发挥经济产出潜力较高的土地利用效益，以经济效益优先作为优化目标，加大城市基础设施建设，加速城乡融合，促进城镇化率稳步提升
生态优先情景	以生态保护为核心，优先发展林地、湿地、水源等生态保护用地，限制城镇发展和建设用地、耕地面积。设置该情景有助于缓和土地利用冲突，加强自然资源综合整治力度，保障生态功能，保护环境质量，合理利用自然资源，对推进该区域生态红线划定具有重要参考价值
综合发展情景	综合发展模式将生态与社会经济进行有机结合，实现人与自然健康、持续和稳定的发展。该情景通过最大化经济效益和生态效益来构建和谐人地关系，统筹经济与生态效益，推进科尔沁沙地在保护中发展，促进国土资源高效开发利用

新窗口打开| 下载CSV

经济优先情景以经济价值最大化为目标，目标函数设置如下：

F_{1} = M a x \sum_{k = 1}^{6} a_{k} x_{k}

（5）

生态优先情景以生态价值最大化为目标，目标函数设置为

F_{2} = M a x \sum_{k = 1}^{6} b_{k} x_{k}

（6）

综合发展情景以实现经济发展和生态发展的综合效益为目标，目标函数设置如下

F_{3} = M a x \{F_{1} x, F_{2} x\}

（7）

式中： $a_{k} 、 b_{k}$ 分别为各土地利用类型的经济价值系数（万元·km^-2）、生态价值系数（万元·km^-2）； $X_{k}$ 为土地类型k的面积（km²）。其中，经济价值系数通过查阅科尔沁沙地相关地区的统计年鉴的产值数据计算而得；而生态价值系数以谢高地等^［50］当量因子法为依据。利用GM（1，1）模型预测2035年各用地类型的生态价值系数和经济价值系数（表7）。

表7 2035年科尔沁沙地土地利用类型生态价值与经济价值系数

Table 7 Coefficients of ecological and economic values of land use types in the Horqin Sandy Land by 2035

土地利用类型	耕地	林地	草地	水域	建设用地	未利用地
经济价值系数/（万元·km^-2）	1.63	0.056	3.58	1.24	151.43	0
生态价值系数/（万元·km^-2）	0.98	4.90	3.00	31.26	0	4.42

新窗口打开| 下载CSV

约束条件。约束条件参数的选取准确与否，决定了模拟结果是否可行，还决定了动态系统的静态模型在接近离散时能否真实反映系统的规律^{［33，36］}。为使情景模拟符合相关政策规定和发展需求，针对土地利用预测设置如表8约束条件。

表8 科尔沁沙地土地预测约束条件

Table 8 Forecast constraints on land use in the Horqin Sandy Land

约束类型	约束因素	约束表达式	约束条件解译
总量	土地面积	$\sum_{i = 1}^{6} X_{i} = 125307.9022$	各情景下土地利用总面积等于研究区面积
耕地红线	耕地面积	45538.38≤ $X_{1}$ ≤48542.94	由于科尔沁沙地耕地面积不断减少，以马尔科夫链预测的2035年耕地面积作为下限，以2022年耕地保有量作为上限
林地	林地面积	8285.49≤ $X_{2}$ ≤8647.2	根据《全国重要生态系统保护和修复重大工程总体规划（2021—2035年）》，将全面加强科尔沁退化草原和已垦草原治理。因此，科尔沁沙地的林地会有所增加，将林地面积的下限设置为2022年林地面积，上限为马尔科夫链预测的2035年林地面积
草地	草地面积	61152.03≤ $X_{3}$ ≤62405.73	随着科尔沁沙地实施了一系列生态保护和恢复政策，草原退化的趋势有所减缓。以马尔科夫链预测的2035年草原面积为上限，下限为2022年草地面积
水域	水域面积	211.32≤ $X_{4}$ ≤361.98	基于《内蒙古自治区“十四五”生态环境保护规划》，以西辽河流域为重点，逐步恢复水域生态功能。因此，以马尔科夫链预测的2035年水域面积作为上限，以2022年的水域面积作为下限
建设用地	建设用地面积	3613.32≤ $X_{5}$ ≤4491.27	根据1990—2022年土地利用用地面积统计结果，科尔沁沙地建设用地面积不断增长。所以，以2022年建设用地面积为下限，以马尔科夫链预测的2035年建设用地面积为上限
未利用地	未利用地面积	3357.63≤ $X_{6}$ ≤4017.06	科尔沁沙地1990—2022年未利用土地面积不断减少，因此上限为2022年未利用地面积，以马尔科夫链预测的2035的未利用地作为下限
农用地	耕、林、草地面积	$X_{1}$ + $X_{2}$ + $X_{3}$ ≤117980.46	农业用地面积保持动态均衡，且不低于现状面积
生态多样性	林、草、水域面积	$X_{2}$ + $X_{3}$ + $X_{4}$ ≤69799.5	各优化情景下生态多样性总面积不低于现状面积

新窗口打开| 下载CSV

2.4.2　PLUS模型

PLUS模型结合用地扩张分析策略（Land Expansion and Analysis Strategy，LEAS）的转化规则和基于多类随机斑块种子的CA模型（CA based on multiple Random Seeds，CARS）两个功能，可动态模拟土地利用时空变化，深入挖掘土地利用变化诱因^［28-31］。基于两期土地利用数据，首先利用马尔科夫链预测未来土地利用需求数量，其次利用随机森林分类法（Random Forest Classifier，RFC）挖掘土地扩张和驱动因素，获得各类土地扩张的适宜概率，最后基于多类随机斑块种子的CA模型对未来不同情景下的土地利用类型变化进行预测。本文基于GMOP模型计算得出土地利用面积，利用PLUS模型通过改变转移概率设置4种情景：自然发展、生态优先、经济优先和综合发展，并对未来4种情景下的土地利用类型进行预测。将2020年土地利用预测结果与土地利用实际数据进行对比验证，结果显示Kappa系数为0.88，总体精度为0.92，证明模型具有较高的可信度与适应性。

3 结果分析

3.1　生境质量时空演变特征

3.1.1　生境质量等级动态变化

1990—2022年，不同等级生境质量比例变化较为明显（图2）。高和较高等级生境质量增加，其中高等级生境质量的提升比例最高，从1990年46.9%增长至2022年的50.9%。而低、较低和一般等级生境质量呈现减少，一般等级生境质量减少幅度最大，从1990年27.8%减少至2022年的25.0%。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2 1990年与2022年科尔沁沙地生境质量等级比例

Fig.2 Habitat quality classification in Horqin Sandy Land， 1990 and 2022

表9细分了1990—2022年不同时期生境质量等级的面积变化和动态度。1990—2000年，较低生境质量区域面积大幅减少了5 554.58 km²，动态度为-6.44%，变化最为显著。与此同时，一般和较高生境质量区域面积分别增加了684.49 km²和963.76 km²。值得注意的是，低生境质量区域在此期间有所增加，是唯一低等级生境质量扩大的时期。2001—2011年，低等级生境质量面积减少，较低等级生境质量则增加了184.54 km²。高生境质量区域的面积增加了1 725.02 km²，是所有等级中增幅最大的，但总体动态度变化均不超过0.5%。2012—2022年，较低生境质量继续扩展，增加了4 161.76 km²，动态度达3.04%；同时，高等级生境质量面积减少了2 578.91 km²。

表9 1990—2022年各等级生境质量面积变化及动态度

Table 9 Changes in habitat quality area and dynamics by grade from 1990 to 2022

生境质量等级	1990—2000年		2001—2011年		2012—2022年		1990—2022年
生境质量等级	面积变化/km²	动态度/%	面积变化/km²	动态度/%	面积变化/km²	动态度/%	面积变化/km²	动态度/%
低	71.44	0.09	-251.62	-0.33	-105.06	-0.15	-904.79	-1.29
较低	-5 554.58	-6.44	184.54	0.22	4 161.76	3.04	-962.47	-0.70
一般	684.49	0.18	-941.83	-0.26	-1 652.36	-0.48	-3 566.45	-1.04
较高	963.76	0.73	-714.8	-0.57	69.31	0.06	360.37	0.29
高	3 833.71	0.56	1 725.02	0.24	-2 578.91	-0.37	4 969.5	0.71

新窗口打开| 下载CSV

1990—2022年，低、较低和一般等级的生境质量均有所减少，其中低等级生境质量的动态度最大，为-1.29%；较高和高等级生境质量呈现增加，高等级生境质量的动态度最大，达0.71%。这说明研究区生境质量整体向好的趋势发展。

3.1.2　生境质量时空演变及其趋势

从年均生境质量时间变化来看，1990—2022年科尔沁沙地的生境质量整体呈现出波动增加的态势（图3A）。1990—2005年，生境质量快速上升；而在2006—2017年则出现下降，之后又有所回升。过去33年间，科尔沁地区的生境质量年均增长率达到0.0005，表明科尔沁地区的生境质量整体有所提升。2005年的生境质量最高，达到0.831。从生境质量的空间分布格局来看，科尔沁沙地的生境质量总体呈现出西高东低的特征（图3B）。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3 科尔沁沙地1990—2022年生境质量时空演变特征

注：基于自然资源部标准地图服务网站标准地图（审图号为GS（2024）0650号）制作，底图边界无修改

Fig.3 Spatiotemporal evolution of habitat quality in the Horqin Sandy Land from 1990 to 2022

生境质量变化趋势表明，约18.31%的区域的生境得到改善，其中14.73%的区域显著提升，3.58%的区域轻微提升。生境质量发生退化的区域达8.05%，其中显著退化区域达到5.61%，2.44%的区域是轻微提升。显著退化的区域主要集中于突泉县东南部、扎鲁特旗中东部和翁牛特旗中部偏南地区，而显著提升的区域主要集中于科尔沁沙地的东部和南部部分地区。稳定不变的区域占比为73.65%（图3C）。

分析研究区生境质量的Hurst指数空间分布（图4）可知，科尔沁沙地的Hurst指数值为0.39~0.79，平均为0.68。其中，Hurst指数低于0.5的区域面积较小，仅占总面积的2.65%，表明少数区域的生境质量呈现反持续性变化趋势。而Hurst指数高于0.7的区域占到总面积的57.67%，说明这些区域的生境质量变化具有较强的持续性。结合1990—2022年生境变化趋势和Hurst指数分析结果，科尔沁沙地未来生境质量具有持续性提升特征。

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4 科尔沁沙地1990—2022年Hurst指数空间分布

注：基于自然资源部标准地图服务网站标准地图（审图号为GS（2024）0650号）制作，底图边界无修改

Fig.4 Spatial Distribution of the Hurst Index in the Horqin Sandy Land from 1990 to 2022

3.2　生境质量驱动机制

因子探测结果解释了驱动因子对生境质量影响的强度。结果显示，所选驱动因子均对生境质量的空间分异性存在显著影响（P<0.05）。NPP、NDVI和LAI对生境质量的解释力分别为0.21、0.20、0.16，明显高于其他因子，说明植被因子是驱动科尔沁沙地生境质量的高影响因子。海拔、坡度等地形因子与气候环境因子（气温、风速、潜在蒸散发）是影响科尔沁沙地生境质量的中等影响因子。降水和土壤湿度对生境质量的解释力仅为0.03和0.01，表明这些因素对生境质量的影响相对较小。人类活动相关因素和地表径流的解释力均较小，属于低影响因子（图5A）。

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5 地理探测器结果

Fig.5 Results of Geographic Detector

对驱动因子数据进行交互探测，结果如图5B所示。交互作用表现为非线性增强（比例达52.21%）和双因子增强（比例达47.79%）两种交互类型，表明驱动因子间的交互模式对科尔沁沙地生境质量空间异质性的解释力高于单一驱动因子。这说明驱动因子之间的协同效应在生境质量变化中起到了关键作用，多因子交互作用对科尔沁沙地生态环境影响复杂。其中，海拔和NDVI的非线性增加交互作用解释力最高，达到0.371。双因子增强更多出现在地形与气候、植被等自然因子的交互中，表明这些因素共同作用时对生境质量有较强的解释力。而涉及水文、土壤和人类活动等因素时，非线性增强较为常见。同时，NDVI、NPP、LAI与人口密度、牲畜数量存在较高的交互作用，说明了植被信息指数和人类活动的协同作用解释力较高，即自然环境与人类活动的相互作用对生境质量空间异质性的解释显著。整体来看，植被、地形和其他各种因素之间的相互作用相对稳定，当气候因子与人类活动因子结合，其解释能力更强。

3.3　基于GMOP模型和PLUS模型的未来生境质量结果预测

基于GMOP模型和PLUS模型模拟的土地利用空间分布结果如图6所示。与2022年相比，自然发展情景下的耕地、林地和建设用地面积呈现一定程度的增加，而水域和未利用地面积则出现减少，分别减少了188.82 km²和38.07 km²；生态优先情景下，以生态功能为主的林地、草地和未利用地面积出现了增幅，其中草地增幅明显，增加了1 253.75 km²，而耕地减少迅速，减少了2 281.03 km²；经济优先情景下，建设用地面积增长较为明显，增加了877.94 km²，且该情景下的建设用地面积明显高于其他3种情景；综合发展情景下，以生态功能为主的林地和以生活功能为主的建设用地面积都出现了增长。其中林地和建设用地面积分别增加了319.26 km²和841.93 km²（表10）。

图6

新窗口打开| 下载原图ZIP| 生成PPT

图6 科尔沁沙地2035年不同情景下土地利用类型空间分布

注：基于自然资源部标准地图服务网站标准地图（审图号为GS（2024）0650号）制作，底图边界无修改

Fig.6 Land use distribution scenarios in Horqin Sandy Land， 2035

表10 科尔沁沙地不同情景下土地利用面积

Table 10 Land use area of Horqin Sandy Land under different scenarios

土地利用类型	2022年/km²	2035年/km²
土地利用类型	2022年/km²	自然发展情景	生态优先情景	经济优先情景	综合发展情景
耕地	48 542.94	49 426.29	46 261.91	46 556.50	46 191.57
林地	8 285.49	8 921.07	8 647.25	8 285.48	8 604.75
草地	61 152.03	59 123.7	62 405.78	62 405.72	61 739.07
水域	361.98	173.16	362.04	211.31	361.79
建设用地未利用地	3 613.32 3 357.63	4 347.18 3 319.56	3 613.38 4 017.52	4 491.26 3 357.62	4 455.25 3 954.70

新窗口打开| 下载CSV

2035年不同模拟情景的各等级生境质量空间分布格局较为相似，均为西高东低的空间分布格局（图7）。其中，2022年生境质量指数均值为0.8198，而2035年自然发展、生态优先、经济优先、综合发展情景下生境指数均值分别为0.8168、0.8354、0.8192、0.8339，与2022年相比，生态优先情景下生境质量指数均值明显提高，进一步表明土地利用类型变化对生境质量指数具有显著影响作用。与2022年相比，自然发展情景和生态优先情景下，低等级生境质量的面积均出现了减少，分别减少了1 288.44 km²和2 527.74 km²（表11）。与此同时，自然发展情景和生态优先情景下一般等级和高等级生境质量的面积都有所增长，且生态优先情景下一般等级生境质量的面积增幅较自然发展情景更为明显，这主要源于低等级生境、较低等级生境和较高等级生境的转变。在经济优先和综合发展情景下，低等级生境面积减少较为明显，分别减少了480.15 km²和486.36 km²，其中综合发展情景下低等级生境面积的减少幅度大于经济优先情景。同时，较低等级生境的面积占比出现增长，分别增长了2 958.57 km²和4 225.41 km²，且综合发展情景下较低等级生境面积增幅高于经济优先情景。

图7

新窗口打开| 下载原图ZIP| 生成PPT

图7 科尔沁沙地2035年不同情景下生境质量预测空间分布

注：基于自然资源部标准地图服务网站标准地图（审图号为GS（2024）0650号）制作，底图边界无修改

Fig.7 Spatial Distribution of Habitat Predictions in the Horqin Sandy Land Under Different Scenarios for 2035

表11 科尔沁沙地不同情景下生境质量面积

Table 11 Habitat quality area under different scenarios in the Horqin Sandy Land

生境质量等级	2022年/km²	2035年/km²
生境质量等级	2022年/km²	自然发展情景	生态优先情景	经济优先情景	综合发展情景
低	7 525.71	6 237.27	4 997.97	7 045.56	7 039.35
较低	39 831.3	38 109.33	39 229.02	42 789.87	44 056.71
一般	8 530.65	9 477.63	9 779.04	8 418.42	8 401.59
较高	7 078.32	6 864.48	6 654.51	6 894.81	7 075.89
高	62 344.98	64 622.25	64 650.42	58 918.5	59 981.22

新窗口打开| 下载CSV

4 讨论

本研究通过耦合GMOP模型与PLUS模型，定量评价了科尔沁沙地33年的生境质量，并对其演变进行了分析与预测。结果表明，1990—2022年科尔沁沙地生境质量呈现波动提升态势，这与相关研究相符^［51-53］。其中，波动变化主要表现为：1990—2005年，随着耕地向草地转移（15 209.91 km²），生境质量迅速提升；而在2006—2017年，生境质量下降，主要原因是草地向耕地的反向转移（11 418.30 km²，图8）。结合1990—2022年土地利用和生境质量等级变化，低等级生境质量面积持续下降，一般等级生境和高等级生境质量面积则在增加，这与研究区内耕地面积的减少和林地面积的增加相关，1990—2022年耕地向草地的转移占总面积的13.83%（图9），在所有转移类型中占比最高，充分说明了这一点。而建设用地面积增长是导致较低生境质量面积增加的主要因素，与此同时，林地和草地的扩张在某种程度上也抵消了建设用地增长对生境质量产生的负面影响。

图8

新窗口打开| 下载原图ZIP| 生成PPT

图8 科尔沁沙地1990—2017年土地利用转移变化（单位：km²）

Fig.8 Shows the changes in land use transfer in the Horqin Sandy Land from 1990 to 2017（unit：km²）

图9

新窗口打开| 下载原图ZIP| 生成PPT

图9 科尔沁1990—2022年土地利用转移空间特征

注：基于自然资源部标准地图服务网站标准地图（审图号为GS（2024）0650号）制作，底图边界无修改

Fig.9 Spatial changes in land use transition characteristics in Horqin （1990-2022）

科尔沁沙地生境质量呈现显著的空间分异特征，西部区域生境质量优于东部。1990—2022年，生境质量整体以稳定和轻微改善为主，其中91.96%的区域呈现稳定或正向增长趋势，这主要得益于区域内生态恢复措施的持续推进^［54］；值得注意的是，仍有少量区域存在生境质量波动或下降现象。研究通过Hurst指数（均值0.7）进一步揭示，科尔沁沙地生境质量具有较高的时间持续性，表明当前生态恢复成效具备长期稳定性基础。因此，坚持并制定更加合理的生态保护策略，确保科尔沁沙地的生境质量得到长期稳定的发展。

驱动机制研究表明，在自然因子中，NDVI、NPP和LAI等植被因子对研究区生境质量的影响较高，这与叶博文等^［12］基于地理探测器开展的研究结果一致，植被因子对内蒙古地区生境质量影响较高。科尔沁沙地歼灭战攻坚行动等人工修复工程的实施与自然封育恢复相结合，不断提升植被覆盖度和林地面积，进而提高生境质量^［4］。其次，Fan等^［55］对科尔沁沙地植被生长与地形的关系研究表明海拔和坡度影响土壤水分有效性，从而影响生境，本文研究结果同样佐证了这一观点。相较于降水，科尔沁沙地生境的变化受气温影响更明显，这与王彦颖^［56］对东北植被时空动态变化研究得出的结论相契合。同时本研究表明风速对生境质量的影响较为明显，研究区内风沙活动强烈，风速上升加剧风沙出现的频率和范围，不仅破坏地表植被，还可能加速土壤侵蚀，进一步恶化生态环境，影响生境的稳定性和可持续性^［57］。社会经济影响因子中，GDP、人口密度和牲畜数量对科尔沁沙地生境的影响较为明显，马浩文等^［58］对翁牛特旗沙漠化人为因子的驱动分析同样表明人口、GDP和牲畜数量的快速增长会加剧生境恶化，交互结果表明科尔沁沙地生境质量的空间分异性不仅受到单一自然因子的影响，同时受多因子的交互作用。本研究因子交互作用结果也佐证了这一观点。植被因子与人类活动表现出显著的协同效应，表明生态环境与经济活动之间的动态互动对区域生态系统的影响不容忽视^［40］。整体而言，通过识别和量化各个影响因素的作用，可以更有针对性地制定生态保护和恢复措施，从而有效应对环境变化，推动区域生态系统的可持续发展。

科尔沁沙地生境质量虽总体提高，但整体趋势呈现波动（图2C），仍存在一定的不确定性。需科学发展农牧业，合理布局生态工程，充分考虑各驱动因子对生境影响的适宜范围。因此，未来区域发展规划中，对不同的生境地区实施不同的用地发展策略，针对于生境质量较差的地区应该兼顾生态保护和自然发展，进一步坚持生态保护理念，而对于生境较好的地区，应发挥其主要的生态功能区带头作用^［59］。虽然本研究在耦合GMOP与PLUS模型在模拟生境变化方面具有一定优势，但复杂生态系统中的模型假设和参数设置仍可能存在较大的不确定性^［60］。未来研究可考虑引入多种生态模型，并通过模型间对比分析持续提升结果的可信度。同时，应考虑将复杂因素间交互作用的驱动机制纳入未来生境质量的模拟预估中，进一步提升对生态质量变化的解释力。

5 结论

本研究基于InVEST模型生境质量模块，研究了1990—2022年生境质量的时空演变特征，并使用地理探测器探讨了科尔沁沙地生境质量的驱动机制。此外，通过设置关键目标函数和约束条件，耦合GMOP和PLUS模型，模拟了2035年4种未来情景和对应的生境质量分布，主要结论如下：

时间尺度上，科尔沁沙地生境质量呈现出波动上升趋势，高等级生境质量的提升比例最高；空间尺度上，生境质量呈总体呈现西高东低的分布格局与总体改善、局部退化的变化特征。其中，14.73%的区域生境质量显著改善，主要在东部和南部部分地区。较高Hurst指数（均值为0.68）表明其生境质量未来动态变化具备较强可持续性，证实了区域生态恢复措施对生境质量具有长期正向的影响。

综合运用因子探测器与交互探测分析表明，NDVI、NPP、LAI等植被因子为生境质量变化的核心驱动力，其解释力为0.16~0.21，地形与气候因子次之，人类活动因子的直接作用较弱。多因子交互作用解释力显著高于单一因子，地形与气候、植被等自然因子交互共同作用对生境质量有较强的解释能力。人口密度、牲畜数量等人类活动与植被指数的协同交互作用对生境质量的退化具有关键影响，表明了农牧交错带人地矛盾对生态系统的压力。

耦合GMOP模型和PLUS模型预测4种情景下2035年生境质量输出显示，自然发展情景下水域面积减少迅速；经济优先情景下建设用地扩张导致较低等级生境面积增加；生态优先情景下生境质量提升显著；综合发展情景下可实现林地与建设用地的协同增长，达成地区生态与经济的平衡。基于生境质量差异分类施策，构建双维治理格局，对生态脆弱区统筹保护与发展协同，而重点功能区强化生态引领。

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

胡云锋，张云芝，韩月琪.

2000-2015年中国荒漠化土地识别和监测

［J］.干旱区地理，2018，41（6）：1321-1332.