EN中文

Arid Zone Research >

2025 , Vol. 42 >Issue 6: 1080 - 1092

DOI: https://doi.org/10.13866/j.azr.2025.06.11

Ecology and Environment

Dynamic simulation of land use change and habitat quality in the Three River Source Region based on the PLUS-InVEST models

  • LIU Xiaoming , 1 ,
  • ZHENG Shiyan , 2 ,
  • QIAO Zhanming 3
Expand
  • 1. Engineer School, Qinghai Institute of Technology, Xining 810000, Qinghai, China
  • 2. School of Geological Engineering, Qinghai University, Xining 810000, Qinghai, China
  • 3. Qinghai Provincial Natural Resources Survey and Monitoring Institute, Xining 810000, Qinghai, China

Received date: 2024-10-29

  Revised date: 2024-12-16

  Online published: 2025-08-12

Fold

Abstract

The ongoing decline in biodiversity adversely effects ecosystem services. Investigating spatiotemporal changes in land use and habitat quality in the Three River Source Region is crucial for ecological protection and restoration. This study, based on the PLUS model and the InVEST model’s habitat quality module, conducts multi-scenario simulations to predict land use changes and estimate habitat quality. The results are as follows: (1) During the historical period, 9663.53 km2 of grassland converted to unused land, represented the largest proportion of total land conversion, whereas unused land converted to grassland only covered 3659.27 km2, the grassland degraded into unused land to a relatively serious extent in the Three River Source Region. (2) Multi-scenario predictions for 2030 reveal that the biodiversity conservation scenario performs best, followed by the grassland protection scenario, then the water resources protection scenario, and finally the natural development scenario. (3) Among conversion types, the contribution rate of converting unused land to grassland in enhancing habitat quality is highest at 0.7167, followed by that of converting unused land to water bodies, at 0.2603. Implementing biodiversity protection strategies, resolving the grass-livestock conflict, and enhancing management of unused land, while reducing grassland-to-unused land conversion will help mitigate the decline in habitat quality.

Key words： Three River Source Region; land use change; habitat quality; InVEST model; PLUS model

Cite this article

LIU Xiaoming , ZHENG Shiyan , QIAO Zhanming . Dynamic simulation of land use change and habitat quality in the Three River Source Region based on the PLUS-InVEST models[J]. Arid Zone Research, 2025 , 42(6) : 1080 -1092 . DOI: 10.13866/j.azr.2025.06.11

当前面临着全球气温持续上升，二氧化碳等温室气体在大气中的浓度不断增加[1]，生物多样性减少的问题[2]。2001年《千年生态系统评估报告》正式发布，其中提到超60%的生态系统正不断退化，全球生态系统服务功能也逐年下降[3]。生境质量反映生态系统为物种提供适宜生存条件的能力，包括物质供给和环境供养，反映生物多样性和生态系统服务水平[4]。气候变化对生物多样性的负面影响不断加剧，尤其在高排放情况下；与此同时，土地利用方式的不合理改变导致生物生境的破碎、退化和丧失，已被认为是生物多样性丧失的主要驱动力[5]。有研究表明，在20世纪，仅由于土地利用变化影响，地球就损失了近2.3%±1.7%（模型间平均值±SEM）的物种[6]。三江源地区作为我国淡水资源的重要补给地，东亚乃至全球气候变化的敏感区和重要启动区，世界高海拔生物多样性最集中的地区之一[7]，是研究生境质量保护生物多样性的关键区域。因此，探索区域生境质量时空演变特征，分析土地利用变化对生境质量的影响，对提高区域生境质量，推动社会可持续发展、保护生物多样性具有重要意义。
国内外已经有众多学者使用不同方法研究生境质量，例如，国外对生境质量的研究主要集中在四类，第一类是综合指数法，该方法使用指数或评分系统，综合评估生境质量，Munné等[8]提出QBR指数评估河流河岸栖息地的生态质量；第二类是生物指标法，通过监测植物、昆虫或鸟类等特定生物群体的种群和多样性来评估生境质量，Lee等[9]研究了佐治亚州中东部人工成熟松林鸟类多样性与松树栖息地质量的关系，以基底面积作为栖息地质量衡量指标；第三类是环境变量监测，测量土壤、空气和水质等环境变量，以判断生境的健康状态，Erdelez等[10]监测克罗地亚亚得里亚海沿岸三丁基锡（TBT）污染含量评估海域生态质量；第四类是生态模型法，建立模型来模拟生境变化对生态系统的影响，Mondal等[11]使用InVEST和基于机器学习的ANN模型评估了孙德尔本斯（世界上最大的红树林）2017—2022年沿海栖息地质量的演变。
国内学者主要侧重于研究生境质量的估算与方法、土地利用对生境质量的影响、生境质量的时空变化及驱动因素等方面，例如，Wang等[12]基于AZTI和AMBI生物指数评估中国莱州湾底栖生境质量；王鹏等[13]基于GEE平台和随机森林分类算法，解译拉萨河流域1990—2020年土地利用信息，分析30 a间土地利用的时空动态变化特征，探讨土地利用变化时空特征及其对生境质量的影响；刘如龙等[14]基于1990—2020年土地利用/覆盖数据，采用InVEST模型和地理探测器分析方法，揭示内蒙古黄河流域生境质量时空格局及其驱动力。未来预测是生境质量研究的重点方向[15]，基于土地利用预测模型和生态模型研究生境质量是一种常用方法。同时，随着遥感产品的时间空间分辨率和精度的不断提高，研究土地利用变化有了更精细的数据支撑[16]，进而为生境质量的研究提供了可靠保障。国内外常见的生境质量模型有IDRISI生物多样性模块[17]、生境适宜性模型MaxEnt[18]、HIS[19]、InVEST[20]模型等。InVEST（Integrated Valuation of Ecosystem Services and Trade-offs）模型具有操作便捷、需求参数少、数据易获取、分析能力精准、评估结果可视化表达等优点[20]。国内外主流的土地利用变化模型包括CA-Markov模型[21]、CLUE-S模型[22]、FLUS模型[23]、PLUS模型[24]等。其中PLUS（Patch-level Land Use Simulation Model）未来土地利用预测模型以元胞自动机为基础，作为一种新兴的斑块生成土地利用预测模型，模拟精度高、操作简单[24]。
本研究以三江源地区五期土地利用数据为基础，基于PLUS模型和InVEST模型，分析2000—2020年三江源地区土地利用和生境质量的时空演变特征，并对2030年土地利用和生境质量变化进行多情景预测。通过分析不同土地利用类型对生境质量的影响，评估不同土地利用情景下的生境质量水平，明确该区域的生态保护和土地管理方向。研究结果有助于保护三江源地区的生物多样性，并为区域可持续发展和生态安全提供支持，对维持该地区的生态平衡具有重要意义。

1 数据与方法

1.1 研究区概况

三江源地区地理位置位于（31°39′~36°16′N，89°24′~102°23′E）（图1），是中国西部青藏高原的核心地带，地处青海省南部，面积超过30×104 km2。三江源地区地势西高东低，地形复杂多样，以高原山地和盆地为主，土地利用类型以天然草地为主。作为长江、黄河、澜沧江的发源地，三江源地区是我国最重要的淡水资源补给地之一，被誉为“中华水塔”，在维持国家生态安全和水资源平衡方面发挥着关键作用。该地区是我国重要的生态功能区，也是全球生物多样性保护的关键区域之一，拥有众多珍稀动植物物种，如藏羚羊、雪豹、喜马拉雅红豆杉等，具有极高的生态价值和科学研究意义[25]。
图1 三江源地区示意图

Fig. 1 Map of the Three River Source Region

1.2 数据来源与处理

用于模拟未来土地利用的数据（表1），计算生境质量采用土地利用数据、威胁源因子参数、土地利用类型敏感性参数。依据驱动因子可获取性、时效性和显著性原则，选取数字高程模型（Digital Elevation Model，DEM）、人口、GDP（Gross Domestic Product）等14个驱动因子作为PLUS模型输入数据，基于PLUS模型的数据输入需求，统一采用空间分辨率为30 m的栅格数据、统一数据行列号，统一地理坐标系为GCS_WGS_1984，投影坐标系为Asia_North_Albers_Equal_Area_Conic。采用反距离权重法处理降水量、气温和蒸散量等气象数据，并利用欧氏距离分析距居民点距离、距水域距离、距道路距离数据。
表1 数据来源

Tab. 1 Data source

数据类型 数据描述 分辨率/m 数据来源
土地利用 五期土地利用数据 30 中国30 m年度土地覆盖数据集（https://zenodo.org/records/8176941）
生境质量 胁迫源因子表 - 文献〔29-31〕
敏感性因子表 -
PLUS模型中
驱动因子数据		 人口密度 100 WorldPop人口数据集（100 m）（https://www.worldpop.org/）
GDP 1000 中国GDP空间分布公里网格数据集（https://www.resdc.cn/DOI/DOI.aspx?DOIID）
距各级国道距离（选取了三类） 1000 全国地理信息资源目录服务系统（https://www.webmap.cn/commres.do?method=result100W）
距高速公路距离 1000
距居民点距离 1000
距水域距离 1000
DEM 30 地理空间数据云（https://www.gscloud.cn）
坡度 30 根据数字高程模型（DEM）提取
年均气温 1000 国家青藏高原科学数据中心（https://data.tpdc.ac.cn）
年均降水 1000
年均蒸散量 1000
土壤数据 1000

1.3 研究方法

1.3.1 多情景设置

综合考虑2014年发布的《青海三江源生态保护和建设二期工程规划》、2023年发布的《三江源国家公园总体规划（2023—2030年）》。根据《总体规划》提出到2030年，三江源国家公园草地综合植被盖度提升到69%，湿地面积多年平均保有量不降低，藏羚羊、雪豹等重点保护野生动物种群稳定健康。在PLUS模型中设置自然发展、草地保护、水资源保护和生物多样性保护情景模拟三江源2030年的土地利用数据。
（1） 自然发展情景。该情景基于2010—2020年土地利用类型变化规律，保持原有土地利用转移概率和邻域权重不变。
（2） 草地保护情景。根据历年土地利用转移显示建设用地未发生改变，则不设置建设用地转换。设置转移概率时，将草地向耕地、未利用地转移分别减少40%、50%；耕地、未利用地向草地转移分别增加60%、70%。
（3） 水资源保护情景。不设置建设用地转换。设置水域向林地、草地、未利用地转移分别减少10%、30%、40%，由于水域向耕地转移甚微则不设变化；耕地、未利用地向水域转移均增加60%。
（4） 生物多样性保护情景。不设置建设用地转换。设置林地、草地向耕地转移均减少30%；草地、水域向未利用地转移均减少40%；耕地向林地、草地、水域转移均增加50%；未利用地向草地、水域转移均增加60%，由于未利用地向林地转移甚微则不设变化。

1.3.2 PLUS模型

PLUS模型主要包括土地扩张分析策略（LEAS）模块和基于多类随机斑块种子的CA模型（CARS）两大模块[26]。
（1） LEAS模块
LEAS模块采用随机森林算法计算各驱动因子对两期土地利用类型扩张的影响，获取各土地利用类型的发展概率[26]。其计算公式如下：
P i , k X d = ∑ n + 1 M I h n X = d M
式中： X为由驱动因子组成的向量； M为决策树数量； d取值为0或1，0表示其他地面类不可以转变为地类 k，1表示其他土地利用类型可以转变为土地利用类型 k； h n X为决策树为 n时计算得到的土地利用预测类型； I h n X = d为决策树的指示函数； P i , k X d为空间单元 i处 k类土地利用类型增长的概率。
（2） CARS模块
CARS模块集成多类随机斑块种子的CA模块和阈值递减机制于元胞自动机，在发展概率的约束下，通过设置相对应的邻域权重和转移矩阵时空动态地模拟斑块自动生成[27]。
O P i , k d = 1 , t = P i , k d × Ω t , k t × D k t
式中： O P i , k d = 1 , t为土地利用类型 k的总体概率； P i , k d为 i单元处地类 k的增长概率； Ω t , k t为 i单元的领域效应，表示土地利用类型 k在领域内的覆盖比例； D k t为自适应驱动系数，会影响地类 k的未来需求；迭代次数 t表示当前地类 k的数量与其目标需求之间的差距。
转移矩阵设置参数为0或1，1表示地类之间可以转换，0表示地类之间禁止转换。领域权重取值为[0,1]，值越大表明扩张能力越强，邻域权重参数如表2所示，领域权重设置如公式（3）。
W i = T A i - T A m i n T A m a x - T A m i n
式中： W i是第 i类土地类型领域权重； T A i为第 i类土地利用扩张面积（km2）； T A m i n为各类土地利用最小扩张面积（km2）； T A m a x为各类土地利用最大扩张面积（km2）。
表2 2030年不同发展情景下各土地利用类型邻域权重

Tab. 2 Neighborhood weights of land use types under different development scenarios in 2030

发展情景 耕地 林地 草地 水域 建设
用地		 未利
用地
自然发展 0.010 0.017 0.807 0.186 0 1.000
草地保护 0.000 0.021 1.000 0.273 0 0.706
水资源保护 0.012 0.020 1.000 0.118 0 0.890
生物多样性保护 0.008 0.029 0.870 0.151 0 1.000

1.3.3 InVEST模型

InVEST模型主要通过土地利用数据、生物多样性威胁因子参数和土地利用类型敏感性参数来测算相应栅格内的生境质量[28]。本文参考相关研究成果[29-31]，设置模型威胁源因子与敏感性因子（表3、表4）。该模型假设生境质量较高的地区可以支撑较高的物种丰富度，生境质量的下降会降低区域生态系统对生物多样性的支撑能力[17,32]。每个栅格的生境质量由生境适宜度和生境退化度两个因素决定[5,28]。一般草地、林地生境适宜度较高，耕地和未利用地生境适宜度较低[17]。根据土地利用类型确定生境质量公式如下：
Q x j = H j 1 - D x j z D x j z + k z
式中： Q x j为土地类型 j中栅格 x的生境质量指数，值为[0,1]； H j为土地类型 j中的生境适宜指数； D x j z为土地类型 j中栅格 x的干扰水平； z为归一化常量，通常设置为2.5； k为半饱和常数，不影响生境质量栅格的原有次序。默认值为0.5。
D x j = ∑ r = 1 R ∑ r = 1 Y r ω r ∑ r = 1 R ω r r y i r x y β x S j r
i r x y = 1 - d x y d r m a x   （ 线 性 衰 退 ）
i r x y = e x p - 2.99 d x y d r m a x   （ 指 数 衰 退 ）
式中： i r x y为栅格 y中的威胁因子 r对栅格 x的干扰程度； d x y是栅格 x和 y之间的线性距离； d r m a x是威胁因子 r的最大影响距离； D x j为土地利用类型 j中栅格 x的生境退化度； ω r为不同威胁因子 r的权重； r y为栅格 y的威胁因子值（0或1）； β x为栅格 x的可达性水平； S j r为不同生境对不同威胁因子 r的敏感性。
表3 威胁源的权重和最大影响距离

Tab. 3 Weights and maximum influence distance of threat sources

胁迫因子 影响距离/km 权重 衰减函数
耕地 3 0.7 线性
未利用地 1 0.3 指数
建设用地 10 1 指数
表4 土地利用对威胁因子的敏感性

Tab. 4 Sensitivity of land use to threat factors

土地利用类型 生境适应性 耕地 未利用地 建设用地
耕地 0.7 0.5 0.1 1.0
林地 1.0 0.7 0.3 0.9
草地 0.9 0.8 0.1 0.9
水域 1.0 0.7 0.1 0.7
建设用地 0.0 0.0 0.0 0.0
未利用地 0.2 0.2 0.1 0.2

1.3.4 各土地利用转型对生境质量贡献率

本文运用生境质量贡献率探究研究区土地利用转换过程中对生境质量变化的影响。生境贡献率公式依据生态贡献率公式改进得到[33]，其表达式如下：
R i j = H j - H i S i S t × 100 %
式中： R i j表示 i地类转化为 j地类时的生境质量贡献率（%）； H i和 H j分别表示研究时段内某地类在变化初期和变化末期的生境质量指数； S i表示该变化地类的面积（km2）； S t表示区域总面积（km2）。

2 结果与分析

2.1 模型精度验证

本研究以2010年和2020年的数据为基础，在LEAS模块中生成各类土地利用类型的发展概率，在CARS模块中生成模拟预测的2020年土地利用数据，将2020年模拟土地利用数据与2020年实际土地利用数据进行对比（图2）。PLUS模型的Kappa系数为0.83，FoM系数为0.13，该精度较高，能够真实反映三江源地区土地利用变化，因此，PLUS模型可以用于未来多情景土地利用变化模拟。
图2 三江源地区2020年实际与模拟预测的土地利用类型对比

Fig. 2 Comparison of actual and simulated land use types in the Three River Source Region in 2020

2.2 土地利用变化

2.2.1 2000—2020年土地利用变化

从图3可知，三江源地区主要土地利用类型为草地，整个地区除西北部地区分布较多的未利用地和西部地区分布较多的水域外，以草地分布为主；林地主要分布在东部兴海县、同德县、玛沁县、河南蒙古族自治县四县的交界处，以及久治县、班玛县和南部的玉树市、囊谦县等地区；水域分布于东部玛多县和西部治多县、格尔木市的唐古拉乡等地区；耕地分布较少，主要位于东北部的兴海县和同德县的部分区域内；三江源地区建设用地分布十分稀少。
图3 三江源地区2000—2020年土地利用空间分布

Fig. 3 The spatial distribution of land use in Three River Source Region during 2000-2020

2000年草地占整个区域面积的比重为87.98%，2020年草地占比为86.03%，草地面积减少（图4）；未利用地面积占比不足一成，2000—2020年该土地类型占比由8.12%~9.74%呈波动上升，未利用地包括裸地、沼泽湿地等无植被覆盖区，具有较大可利用潜力，需加大对未利用地的治理；水域面积占比第三，2000年面积占比为2.63%，2020年占比为2.91%，呈波动上升，说明《青海三江源自然保护区生态保护和建设总体规划》中的湿地保护政策对水域的治理有一定成效；林地在2000—2020年面积占比从1.23%波动上升到1.28%，说明封山育林、退耕还林政策对林地治理也有一定成效；三江源地区内的耕地和建设用地比较稀少，耕地面积略微增加但变化趋势不明显，主要是由于该地区人口较少。
图4 2000—2020年三江源地区各土地利用类型面积比例变化

Fig. 4 Changes in the proportion of various land use type in the Three River Source Region during 2000-2020

由图5可知，发生转移最多的土地利用类型是草地，其次分别是未利用地、水域、林地和耕地，建设用地几乎未发生转移。草地向未利用地、水域和林地转移，转移面积分别为9663.53 km2、835.05 km2、779.21 km2，主要向未利用地发生转移。这一现象的主要原因是过度放牧，三江源地区牧民以放牧为生，长期的过度放牧行为，使得草地遭到破坏逐渐退化为未利用地。未利用地主要向草地和水域转移，分别转移3659.27 km2、1162.41 km2，尽管未利用地向草地和水域的转移展现出一定的生态恢复潜力，但与草地向未利用地的转移面积相比，生态恢复的效果较小。水域主要向未利用地转移923.88 km2，该转移类型小于未利用地向水域的转移面积，表明对水域的治理取得一定成效。林地主要向草地转移570.01 km2，该转移类型小于草地向林地的转移面积，说明部分草地逐渐演替为林地，生态结构得到了优化和提升。耕地主要向草地转移44.60 km2，该转移类型小于草地向耕地的转移面积60.70 km2，这可能与当地农业发展需求有关，要平衡好农业生产与生态保护的关系，避免过度开垦草地。总体来看，虽然在水域和林地保护方面取得一定成效，但草地向未利用地退化问题更加突出，因此需要解决草原与畜牧之间的矛盾，寻找可持续的放牧方式，同时加大对未利用地的治理以促进草地恢复。
图5 2000—2020年三江源地区各土地利用类型转移桑基图

Fig. 5 Sankey diagram of land use type transfer in the Three River Source Region during 2000-2020

2.2.2 多情景预测2030年土地利用变化

使用PLUS模型，对三江源地区在2030年自然发展、草地保护、水资源保护、生物多样性保护四种情景下的土地利用格局进行预测（图6）。与2020年相比，自然发展情景下耕地和未利用地持续增加，增幅分别为29.11%和12.27%，林地、草地和水域分别减少1.56%、1.12%和7.65%（表5），可见植被面积减少，有必要采取保护措施。草地保护情景下耕地和草地持续增加，增幅分别为0.47%和1.02%，林地、水域和未利用地分别减少1.44%、8.27%和6.38%，林地和草地面积均高于自然发展情景，未利用地低于自然发展情景，该措施治理下有一定成效。水资源保护情景下耕地、水域和未利用地持续增加，增幅分别为28.82%、4.07%和9.11%，林地和草地分别减少1.56%和1.16%，水域面积高于自然发展情景，未利用地低于自然发展情景，但对林地和草地的保护治理不够，效果不如草地保护情景。生物多样性保护情景下耕地、草地和水域持续增加，增幅分别为12.66%、0.65%和3.34%，林地和未利用地分别减少1.46%和6.60%，林地、草地和水域面积高于自然发展情景，未利用地低于自然发展情景，该情景下对林地、草地和水域的保护治理均有一定成效，对治理未利用地也最为显著，生物多样性保护情景优于草地保护情景，更优于水资源保护情景。
图6 2030年多情景下三江源地区土地利用空间分布

Fig. 6 The spatial distribution of land use in the Three River Source Region under multiple scenarios in 2030

表5 2030年多情景下各土地利用类型面积和变化率

Tab. 5 The area and change rate of various land use types under multiple scenarios in 2030

土地利
用类型		 2020年 2030年自然发展 2030年草地保护 2030年水资源保护 2030年生物多样性保护
面积/km2 面积/km2 变化率/% 面积/km2 变化率/% 面积/km2 变化率/% 面积/km2 变化率/%
耕地 146.958 189.743 29.11 147.656 0.47 189.305 28.82 165.567 12.66
林地 4584.362 4512.952 -1.56 4518.282 -1.44 4512.781 -1.56 4517.212 -1.46
草地 307215.725 303770.430 -1.12 310358.616 1.02 303654.253 -1.16 309212.571 0.65
水域 10379.237 9585.654 -7.65 9520.966 -8.27 10801.253 4.07 10725.846 3.34
建设用地 0.004 0.004 - 0.004 - 0.004 - 0.004 -
未利用地 34771.492 39038.994 12.27 32552.254 -6.38 37940.182 9.11 32476.577 -6.60

2.3 生境质量变化及土地利用影响

2.3.1 2000—2020年生境质量变化及土地利用影响

利用InVEST模型的Habitat Quality模块计算生境质量变化时，将生境质量分为5个等级，分别为低[0~0.2]、较低（0.2~0.4]、中等（0.4~0.6]、较高（0.6~0.8]和高（0.8~1]。2000—2020年五期生境质量指数均值分别为0.8461、0.8445、0.8460、0.8438和0.8353，呈波动下降趋势（图7），20 a间下降了0.0108，但整体生境质量依然较高，空间分异明显。分析发现大部分地区生境水平较高，指数高于0.6。其中生境水平最高的地区分布在东南部的班玛县、久治县、河南蒙古族自治县；生境水平较高和生境水平中等的区域主要分布在东北部的兴海县和同德县；生境水平较低的区域分布较少；生境水平低的区域主要分布在西北地区治多县、曲麻莱县、格尔木市唐古拉山乡和杂多县。
图7 三江源地区2000—2020年生境质量

Fig. 7 Habitat quality in the Three River Source Region during 2000-2020

分析各生境质量等级的面积（图8），发现2000—2020年，三江源地区高生境质量区域的面积占比最大，但呈波动下降趋势，由2000年的91.55%降至2020年的89.98%，下降1.57%。主要原因是高生境质量的草地向低生境质量的未利用地发生转移，其占总转移面积的54.32%，远大于未利用地向草地的转移面积20.57%，这是影响区域生境质量降低的主要原因；其次是因为高生境质量的草地向较高生境质量的耕地转移大于耕地向草地的转移。较高生境质量区域面积占比较少，不足1%，2000年占比为0.31%，2020年占比为0.27%，呈波动下降。原因是较高生境质量的耕地向高生境质量的林地转移大于林地向耕地的转移；其次，耕地向高生境质量的水域转移，但水域未发生向耕地的转移。尽管这两类转换均是转向生境质量高的林地和水域类型，但由于转移面积比重远小于草地向未利用地转移比重，未能对提升高生境质量区域面积产生明显作用，不过对提高生境质量的发展存在潜力。中等生境质量区域面积和较低生境质量区域面积占比均较小，且无明显变化。低生境质量区域面积占比第二，2000年占比为8.12%，2020年占比为9.74%，呈波动上升，上涨19.95%，由于未利用地面积的增加，即草地向未利用地转移导致。
图8 各生境质量等级的面积

Fig. 8 Area of each habitat quality grade

三江源地区耕地和建设用地面积占比很小，因此图中未做展现。林地、草地和水域增加与生境质量等级提高的空间分布格局相似（图9），未利用地增加与生境质量等级降低的空间分布格局相似，表明土地利用变化对生境质量指数的影响显著，具体来看，林地、草地和水域对生境质量有促进作用，未利用地对生境质量有削弱作用。
图9 2000—2020年土地利用类型变化和生境质量等级增降变化

Fig. 9 The changes in land use types and the increase/decrease in habitat quality grades during 2000-2020

从图9中可以看出，大部分区域生境质量保持不变，这主要是由于各土地利用类型转移的面积仅占总面积的4.98%，土地利用结构相对稳定。生境质量等级提高的区域主要集中在西北部的治多县、曲麻莱县和格尔木市的唐古拉乡，这些地区草地和水域的增加是生境质量提升的主要原因。生境质量等级降低的区域主要分布在西北部的治多县、曲麻莱县、格尔木市唐古拉乡和杂多县部分区域、东北部的兴海县和同德县的局部区域，其中西北部居多。增加的未利用地也主要分布在西北部，这些未利用地主要由草地转移而来。因此，西北部地区是生境质量提高的主要区域，同时也是生境质量降低的主要区域，由于整体生境质量呈下降趋势，可以判断西北部地区对未利用地的治理程度不及草地向未利用地退化程度，需要在此区域加大对未利用地的治理。

2.3.2 各土地利用类型转移对生境质量的贡献率

未利用地向耕地、林地、草地、水域转移，耕地向林地、草地、水域转移，对生境质量贡献率为正，将提高生境质量；耕地、林地、草地、水域向未利用地转移，林地、草地向耕地转移，对生境质量贡献率为负，将降低生境质量。其中水域、林地、草地三种地类对生境质量的促进作用较高，耕地对生境质量的促进作用中等，未利用地对生境质量无促进作用。未利用地向草地转移对提高生境质量的贡献率最高为0.7167（图10），主要由于未利用地的生境质量低而草地的生境质量较高，未利用地向草地转移的面积较多，占比第二，其次是未利用地向水域转移对提高生境质量的贡献率较高为0.2603，因为水域生境质量高且发生转移的面积也较多，占比第三；草地向未利用地转移对提高生境质量有最大的负贡献率为-1.8934，主要是因为草地向未利用地转移的面积最多，其次水域向未利用地转移对提高生境质量的负影响为-0.2069，仅次于草地向未利用地转移。因此，即使水域、林地本身地类的生境质量高于草地，但由于其他低生境质量类型向草地转移的面积最多，未利用地向草地转移对提高生境质量贡献率最高。
图10 各土地利用类型转换对生境质量的贡献率

Fig. 10 Contribution rates of different land use type conversions to habitat quality

2.3.3 多情景预测2030年生境质量变化

模拟预测三江源地区2030年自然发展、草地保护、水资源保护、生物多样性保护四种情景下生境质量格局分布（图11）。2020年生境质量指数均值为0.8353，2030年自然发展情景、草地保护情景、水资源保护情景、生物多样性保护情景下分别为0.8268、0.8394、0.8292、0.8399，由此可见在草地保护和生物多样性保护约束下生境质量水平明显提高，且生物多样性保护情景下效果最好，这与土地利用变化的多情景预测结果一致，进一步表明土地利用类型变化对影响生境质量水平具有显著作用。
图11 2030年多情景下模拟预测三江源地区生境质量

Fig. 11 Simulation and prediction of habitat quality in the Three River Source Region under multiple scenarios in 2030

3 讨论

根据三江源地区的生态环境特征，构建草地保护、水资源保护和生物多样性保护情景，为区域生态保护和可持续发展提供了科学依据。草地向未利用地的转移是导致三江源地区生境质量下降的主要原因，而生物多样性保护情景对提高生境质量效果最为显著。说明土地利用变化与生境质量之间的紧密联系，表明土地利用类型及其转移通过改变生态系统结构和功能，进而影响生境质量。
从土地利用变化的角度来看，在三江源地区，草地向未利用地的转移面积最大，且对生境质量的负面影响最为显著。这一现象可能与过度放牧和草地生态系统退化有关。草地作为三江源地区的主要土地利用类型，其生态功能的退化直接影响了区域的生态平衡和生物多样性。未利用地的增加不仅反映了草地生态系统的退化，还表明区域内的生态恢复措施未能有效遏制这一趋势。因此，解决草畜矛盾、加强草地管理和未利用地的生态修复是提升区域生态质量的关键。
从生境质量的角度来看，生物多样性保护情景下生境质量指数最高，表明该情景对生态系统服务功能的提升最为有效。这一结果强调了生物多样性保护在生态系统管理中的重要性，同时也表明通过合理的土地利用规划和生态保护措施，可以有效提升区域的生态质量。生物多样性保护情景下，林地、草地和水域面积的增加对生境质量的提升起到了关键作用。
国内外学者普遍认为草地、林地和水域对生境质量的贡献较高，而未利用地和耕地的贡献较低，如Wang等[12]得出水域对生境质量具有积极影响，刘如龙等[14]指出草地和林地对生境质量的贡献较高，而未利用地和耕地的贡献较低。本研究的结果也证实了这一观点，并且本文以三江源地区为例，进一步通过定量分析揭示了未利用地向草地转移对生境质量提升的显著作用，未利用地具有生态修复潜力。
尽管本研究通过多情景模拟揭示了土地利用变化与生境质量的动态关系，但仍存在一些局限性。例如，InVEST 模型的生境质量模块未考虑具体生物种类数据，且威胁因子和敏感性因子多来源于前人经验，针对性不足。此外，社会经济因子的分析较少，未全面考虑人类活动对生境质量的影响。未来研究可结合生物多样性数据，优化威胁因子和敏感性因子的设置，并加强社会经济因子的分析，探讨人类活动与生态系统服务的相互作用，为区域生态保护和可持续发展提供更全面的理论支持。

4 结论

本文在对2000—2020年土地利用和生境质量时空格局分析的基础上对未来2030年土地利用类型和生境质量进行预测。主要结论如下：
（1） 2000—2020年三江源地区草地向未利用地转移面积为9663.53 km2，转移面积占比最大，未利用地向草地转移的面积仅为3659.27 km2。草地向未利用地转移现象比较严重，这也是影响三江源地区生境质量降低的主要原因。因此，需要解决草畜矛盾并加大对未利用地的治理，减少草地向未利用地的转移，继续推进对林地和水域的治理保护。
（2） 自然发展情景与生物多样性保护情景对比，林地、草地、水域均有增加；草地保护情景下，林地、草地有所增加；水资源保护情景下，仅水域有增加。因此，生物多样性保护情景优于草地保护情景，草地保护情景优于水资源保护情景，水资源保护情景优于自然发展情景。
（3） 2000—2020年三江源地区水域、林地、草地三种地类的生境质量较高，耕地的生境质量中等，未利用地的生境质量低。未利用地向草地转移对提高生境质量的贡献率最高，为0.7167，其次是未利用地向水域转移，贡献率为0.2603；草地向未利用地转移对提高生境质量，负贡献率最大，为-1.8934，其次，水域向未利用地转移对提高生境质量的负影响为-0.2069。
（4） 2030年自然发展情景、草地保护情景、水资源保护情景、生物多样性保护情景下生境质量指数分别为0.8268、0.8394、0.8292、0.8399，多情景预测生境质量中，生物多样性保护情景优于草地保护情景，草地保护情景优于水资源保护情景，水资源保护情景优于自然发展情景，这与土地利用变化的多情景预测结果一致。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
孙颖. 人类活动对气候系统的影响——解读IPCC第六次评估报告第一工作组报告第三章[J]. 大气科学学报, 2021, 44(5): 654-657.

[Sun Ying. Impact of humanactivities on climate system: an interpretation of Chapter Ⅲ of WGⅠreport of IPCC AR6[J]. Journal of Atmospheric Sciences, 2021, 44(5): 654-657.]

[2]
李奇, 朱建华, 肖文发. 生物多样性与生态系统服务——关系、权衡与管理[J]. 生态学报, 2019, 39(8): 2655-2666.

[Li Qi, Zhu Jianhua, Xiao Wenfa. Relationships and trade-offs between, and management of biodiversity and ecosystem services[J]. Acta Ecologica Sinica, 2019, 39(8): 2655-2666.]

[3]
荔琢, 侯鹏, 蒋卫国, 等. 土地利用变化对生态系统服务功能的驱动效应研究——以秦岭地区自然保护区为例[J]. 北京师范大学学报(自然科学版), 2023, 59(2): 196-205.

[Li Zhuo, Hou Peng, Jiang Weiguo, et al. The driving effect of land use changes on ecosystem services: A case study at the Qinling Natural Reserves[J]. Journal of Beijing Normal University (Natural Science Edition), 2023, 59(2): 196-205.]

[4]
刘梦园. 基于InVEST模型的河西地区碳储量与生境质量评价[D]. 兰州: 兰州大学, 2023.

[Liu Mengyuan. Assessment of Carbon Storage and Habitat Quality in Hexi Region based on InVEST Model[D]. Lanzhou: Lanzhou University, 2023.]

[5]
陈妍, 乔飞, 江磊. 基于InVEST模型的土地利用格局变化对区域尺度生境质量的影响研究——以北京为例[J]. 北京大学学报(自然科学版), 2016, 52(3): 553-562.

[Chen Yan, Qiao Fei, Jiang Lei. Effects of land use pattern change on regional scale habitat quality based on InVEST model—a case study in Beijing[J]. Journal of Peking University (Natural Science Edition), 2016, 52(3): 553-562.]

[6]
Pereira Henrique M, Martins Inês S, Rosa Isabel M D, et al. Global trends and scenarios for terrestrial biodiversity and ecosystem services from 1900 to 2050[J]. Science, 2014, 384(6694): 458-465.

[7]
孟宪红, 陈昊, 李照国, 等. 三江源区气候变化及其环境影响研究综述[J]. 高原气象, 2020, 39(6): 1133-1143.

[Meng Xianhong, Chen Hao, Li Zhaoguo, et al. Review of climate change and its environmental influence on the Three-River Regions[J]. Plateau Meteorology, 2020, 39(6): 1133-1143.]

[8]
Munné Antoni, Prat Narcís, Solà Carolina, et al. A simple field method for assessing the ecological quality of riparian habitat in rivers and streams: QBR index[J]. Aquatic Conservation: Marine and Freshwater Ecosystems, 2003, 13(2): 147-163.

[9]
Lee Myung-Bok, Carroll John P. Effects of patch size and basal area on avian taxonomic and functional diversity in pine forests: Implication for the influence of habitat quality on the species-area relationship[J]. Ecology and Evolution, 2018, 8(14): 6909-6920.

[10]
Erdelez A, Furdek Turk M, Štambuk A, et al. Ecological quality status of the Adriatic coastal waters evaluated by the organotin pollution biomonitoring[J]. Marine Pollution Bulletin, 2017, 123(1): 313-323.

[11]
Mondal Ismail, Naskar Pijush Kanti, Alsulamy Saleh, et al. Habitat quality and degradation change analysis for the Sundarbans mangrove forest using invest habitat quality model and machine learning[J]. Environment, Development and Sustainability, 2024. doi: 10.1007/s10668-024-05257-2.

[12]
Wang Li, Luo Xianxiang, Yang Jianqiang, et al. Assessing benthic habitat quality using biotic indices in the Laizhou Bay, China[J]. Acta Oceanologica Sinica, 2020, 39(2): 49-58.

[13]
王鹏, 秦思彤, 胡慧蓉. 近30 a拉萨河流域土地利用变化和生境质量的时空演变特征[J]. 干旱区研究, 2023, 40(3): 492-503.

[Wang Peng, Qin Sitong, Hu Huirong. Spatial-temporal evolution characteristics of land use change and habitat quality in the Lhasa River Basin over the past three decades[J]. Arid Zone Research, 2023, 40(3): 492-503.]

[14]
刘如龙, 赵媛媛, 陈国清, 等. 内蒙古黄河流域1990—2020年生境质量评估[J]. 干旱区研究, 2024, 41(4): 674-683.

[Liu Rulong, Zhao Yuanyaun, Chen Guoqing, et al. Assessment of habitat quality in the Yellow River Basin in Inner Mongolia from 1990 to 2020[J]. Arid Zone Research, 2024, 41(4): 674-683.]

[15]
郭富印, 刘晓煌, 张文博, 等. 2000—2040年黄河流域(河南段)生境质量时空格局演变及驱动力分析[J]. 现代地质, 2024, 38(3): 599-611.

[Guo Fuyin, Liu Xiaohuang, Zhang Wenbo, et al. Evolution of the spatial and temporal patterns of habitat quality and analysis of the driving forces in Yellow River Basin (Henan Section) from 2000 to 2040[J]. Geoscience, 2024, 38(3): 599-611.]

[16]
张家旗, 关小克. 坦桑尼亚土地利用的时空演变及驱动因素[J]. 水土保持通报, 2024, 44(3): 201-211.

[Zhang Jiaqi, Guan Xiaoke. Spatiotemporal evolution and driving factors of land use in Tanzania[J]. Bulletin of Soil and Water Conservation, 2024, 44(3): 201-211.]

[17]
杨洁, 谢保鹏, 张德罡. 黄河流域生境质量时空演变及其影响因素[J]. 中国沙漠, 2021, 41(4): 12-22.

[Yang Jie, Xie Baopeng, Zhang Degang. Spatial-temporal evolution of habitat quality and its influencing factors in the Yellow River Basin based on InVEST model and GeoDetector[J]. Journal of Desert Research, 2021, 41(4): 12-22.]

[18]
王祥福, 李愿会, 王维枫, 等. 土地利用和气候变化对青海省雪豹潜在适宜生境的影响[J]. 浙江农林大学学报, 2024, 41(3): 526-534.

[Wang Xiangfu, Li Yuanhui, Wang Weifeng, et al. Impact of land use and climate change on potential suitable habitats of snowleopards (Panthera uncia) in Qinghai Province[J]. Journal of Zhejiang A & F University, 2024, 41(3): 526-534.]

[19]
金龙如, 孙克萍, 贺红士, 等. 生境适宜度指数模型研究进展[J]. 生态学杂志, 2008, 27(5): 841-846.

[Jin Longru, Sun Keping, He Hongshi, et al. Research advances in habitat suitability index model[J]. Chinese Journal of Ecology, 2008, 27(5): 841-846.]

[20]
张晓东, 武丹, 王莹, 等. 耦合InVEST与Geodetector模型的银川市生境质量时空演变特征及影响因子研究[J]. 干旱区地理, 2024, 47(7): 1242-1251.

[Zhang Xiaodong, Wu Dan, Wang Ying, et al. Spatiotemporal evolution characteristics and influencing factors of habitat quality in Yinchuan City by coupling InVEST and Geodetector models[J]. Arid Land Geography, 2024, 47(7): 1242-1251.]

[21]
刘雅雅, 李欣欣, 余向克, 等. 基于CA-Markov模型的成都市土地利用变化情景模拟及碳效应分析[J]. 国土资源科技管理, 2024, 41(2): 38-49.

[Liu Yaya, Li Xinxin, Yu Xiangke, et al. Scenario simulation of land use change in Chengdu and carbon effect analysis based on CA-Markov model[J]. Scientific and Technological Management of Land Resources, 2024, 41(2): 38-49.]

[22]
顾汉龙, 马天骏, 钱凤魁, 等. 基于CLUE-S模型县域土地利用情景模拟与碳排放效应分析[J]. 农业工程学报, 2022, 38(9): 288-296.

[Gu Hanlong, Ma Tianjun, Qian Fengkui, et al. County land use scenario simulation and carbon emission effect analysis using CLUE-S model[J]. Transactions of the Chinese Society of Agricultural Engineering, 2022, 38(9): 288-296.]

[23]
秦埼瑞, 李雪梅, 陈庆伟, 等. 基于FLUS模型的天山山区未来土地利用变化预估[J]. 干旱区研究, 2019, 36(5): 1270-1279.

[Qin Qirui, Li Xuemei, Chen Qingwei, et al. Estimation of future land use change in the Tianshan Mountainous based on FLUS model[J]. Arid Zone Research, 2019, 36(5): 1270-1279.]

[24]
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.

[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.]

[25]
许茜, 李奇, 陈懂懂, 等. 近40 a三江源地区土地利用变化动态分析及预测[J]. 干旱区研究, 2018, 35(3): 695-704.

[Xu Qian, Li Qi, Chen Dongdong, et al. Land use change in the Three-River Headwaters in recent 40 years[J]. Arid Zone Reserch, 2018, 35(3): 695-704.]

[26]
Li Lei, Ji Guangxing, Li Qingsong, et al. Spatiotemporal evolution and prediction of ecosystem carbon storage in the Yiluo River Basin based on the PLUS-InVEST model[J]. Forests, 2023, 14(12): 2442.

[27]
张小瑜, 周自翔, 唐志雄, 等. 无定河流域生境质量时空变化及预测[J]. 中国沙漠, 2024, 44(3): 75-84.

[Zhang Xiaoyu, Zhou Zixiang, Tang Zhixiong, et al. Spatio-temporal variation and prediction of habitat quality in Wuding River Basin[J]. Journal of Desert Research, 2024, 44(3): 75-84.]

[28]
邓楚雄, 郭方圆, 黄栋良, 等. 基于INVEST模型的洞庭湖区土地利用景观格局对生境质量的影响研究[J]. 生态科学, 2021, 40(2): 99-109.

[Deng Chuxiong, Guo Fangyuan, Huang Dongliang, et al. Research on the impact of land use and landsacpe pattern on habitat quality in Dongting Lake area based on INVEST model[J]. Ecological Science, 2021, 40(2): 99-109.]

[29]
孙晓雨, 杨金明, 张家豪, 等. 五台山风景名胜区土地利用变化及其对生境质量的影响[J]. 自然保护地, 2024, 4(2): 124-140.

[Sun Xiaoyu, Yang Jinming, Zhang Jiahao, et al. Impact of land use change on habitat quality in Mount Wutai Scenic Area[J]. Natural Protected Areas, 2024, 4(2): 124-140.]

[30]
Li Shifeng, Hong Zenglin, Xue Xuping, et al. Evolution characteristics and multi-scenario prediction of habitat quality in Yulin City based on PLUS and InVEST models[J]. Scientific Reports, 2024, 14(1): 11852.

[31]
Wang Yang, Sheng Ziyi, Wang Yang, et al. Characterization and multi-scenario prediction of habitat quality evolution in the Bosten Lake Watershed based on the InVEST and PLUS models[J]. Sustainability, 2024, 16(10): 4202.

[32]
刘智方, 唐立娜, 邱全毅, 等. 基于土地利用变化的福建省生境质量时空变化研究[J]. 生态学报, 2017, 37(13): 4538-4548.

[Liu Zhifang, Tang Lina, Qiu Quanyi, et al. Temporal and spatial changes in habitat quality based on land-use change in Fujian Province[J]. Acta Ecologica Sinica, 2017, 37(13) : 4538-4548.]

[33]
杨清可, 段学军, 王磊, 等. 基于“三生空间”的土地利用转型与生态环境效应——以长江三角洲核心区为例[J]. 地理科学, 2018, 38(1): 97-106.

[Yang Qingke, Duan Xuejun, Wang Lei, et al. Land use transformation based on ecological-production-living spaces and associated eco-environment effects: A case study in the Yangtze River delta[J]. Scientia Geographica Sinica, 2018, 38(1): 97-106.]

Options
Outlines

/

〈 〉