【洞庭湖流域土地利用变化影响作用分析案例6500字】

洞庭湖流域土地利用变化影响作用分析案例目录TOC\o"1-3"\h\u23219洞庭湖流域土地利用变化影响作用分析案例 12211.1情景设置与时候生态系统服务时空动态 1213591.1.1土地覆盖与土地利用强度变化情景设置 1202791.1.2空间分布格局与空间自相关 2310641.1.3特定情景生态系统服务模拟 2314181.1.4生态系统服务权衡关系变化 5119511.2土地利用主导因子识别 910731.2.1因子贡献率计算方法 988261.2.2土地利用主导因子及其空间分布格局 101.1情景设置与时候生态系统服务时空动态有研究表明，土地利用与气候条件变化是引起生态系统服务变化的主要原因[43,51]。本研究主要关注土地利用变化的影响作用，因此在进行生态系统评估时控制气候条件不变，并通过设定土地覆盖类型和土地利用强度的不同组合情景研究相同气候条件下的生态系统服务变化特征。在这一章节，本研究聚焦了洞庭湖流域的耕地生态系统，因此在生态系统服务模拟结果的基础上，保留耕地生态系统的粮食生产和水质净化服务模拟结果，并进行生态系统服务权衡、主导因素识别和空间自相关分析。1.1.1土地覆盖与土地利用强度变化情景设置本研究基于1990年与2015年的土地覆盖类型与土地利用强度数据，确定了四种不同的土地利用情景，分别对应1990年与2015年的土地覆盖类型与土地利用强度的不同组合。如表4-1所示，情景I和情景IV分别为1990年和2015的实际情景，即土地覆盖类型与土地利用强度均为当年的真实值，定义情景I为原始情景，情景IV为最终情景；情景II为在原始情景基础上改变土地利用强度的情景，即该情景下的土地覆盖类型为1990年的类型，土地利用强度为2015年的强度；情景III为在原始情景基础上改变土地覆盖类型的情景，即该情景下的土地覆盖类型为2015年的类型，土地利用强度为1990年的强度。表4-1土地利用情景Table4-1Landusescenarios土地利用强度\土地覆盖类型1990年土地覆盖类型2015年土地覆盖类型1990年氮肥施用量情景I（原始情景）情景II2015年氮肥施用量情景III情景IV（最终情景）通过设置情景II和情景III可实现控制变量，分别计算生态系统服务并与原始情景进行对比，可判断土地覆盖与土地利用强度变化各自对生态系统服务的影响作用。1.1.2空间分布格局与空间自相关为了解设定情景下的生态系统服务及其权衡关系的空间分布格局，采用空间自相关分析方法对其聚集特征进行展示。空间自相关包括全局自相关和局部自相关两部分。全局空间自相关多用于分析区域内不同研究单元之间对于某一特定属性的整体关联水平[52]。其指数（GlobalMoran’sI）的计算公式如下：I=n其中，n表示要素总数目；xi表示第i个要素的观测值；x表示观测值的均值；Wij是空间权重矩阵W（n×n）的元素，表示空间单元之间的拓扑关系。而局部自相关则通常用来度量研究区内部分临近单元之间对于某一特定属性的关联程度，能够更加准确的判断研究区特定区域的聚集和分异特征[52]。局部自相关指数（AnselinLocalMoran’sI）的计算公式如下：IiSi其中，公式（4）、公式（5）各参数意义与公式（3）相同。1.1.3特定情景生态系统服务模拟对比四种情景下研究区1007个二级流域耕地生态系统的粮食生产服务水平和水质净化服务水平，得到图4-1的结果。图4-1四种情景下耕地生态系统的粮食生产与水质净化服务水平Figure4-1Cropproductionandwaterpurificationservicesofcultivatedlandunderfourscenarios四种情景下，粮食生产服务水平差异性较小，但情景I略低于其他三种情景；水质净化服务则存在较大的差异，其中，二级流域整体的水质净化服务水平与耕地平均水质净化服务水平均呈现情景I和情景II显著高情景III和情景IV。原始情景和最终情景下的生态系统服务已在第三章中予以讨论，因此本章不再赘述。而对于分别改变土地覆盖类型和土地利用强度的情景II和情景III，下文将重点讨论。图4-2展示了情景II和情景III相比原始情景的生态系统服务水平变化量。与情景III相比，情景II的粮食生产服务水平整体提高。其中，洞庭湖环湖区大部分地区、湘江东北部的部分地区粮食生产服务提高较少，这些地区大多位于海拔200m以下的平原地区；而湘江流域南部、沅江流域西部以及澧水流域中部的部分地区粮食生产服务水平则提高显著，这些地区的海拔多为200m以上的山地丘陵地区。但在情景II中湘江流域东南部的退耕还林区、资水流域中部旱地转为水田区域的粮食生产服务有较大程度降低，而资水流域南部水田转换为旱地区域的粮食生产服务有显著提高。由于单位面积旱地的粮食产量高于水田的粮食产量，因此水田转为旱地会造成粮食生产服务水平上升，而旱地转为水田则会导致粮食生产服务水平降低。在情景III中，粮食生产服务水平的变化程度则较小且空间分布特征与情景II有较大差异。总体而言，该情景下粮食生产服务水平具有很大的空间差异性。洞庭湖环湖区东部、湘江流域东部和南部、沅江流域北部和西南部等地区粮食生产服务降低，而洞庭湖环湖区的大部分地区、沅江流域中部、资水流域中部以及澧水流域中部等大部分地区的粮食生产服务有不同程度地提高。由此判断，1990年至2015年的土地覆盖类型变化造成了研究区高海拔山地丘陵地区的服务水平提高，退耕区、旱地转为水田区的粮食生产服务水平降低。而这期间的土地利用强度提高则使较多部分地区的粮食生产服务水平提高。而两种情景下的流域整体水质净化服务水平则呈现了更加显著的差异性。如图4-2，情景II中提高和降低的二级流域呈镶嵌分布的格局，沅江流域西部的高海拔地区存在较大面积的耕地水质净化服务水平降低。其中，湘江流域东南部和沅江流域西北部和沅江流域南部的退耕区水质净化服务水平显著升高，且资水流域东南部旱地转为水田的区域水质净化水平也有较大程度的提高，而资水流域南部大面积水田转为旱地的区域的水质净化水平出现了显著降低。在情景III中，研究区所有二级流域的水质净化服务水平均出现了下降，且沅江流域南部、湘江流域东部以及洞庭湖环湖区的服务水平下降程度较大。因此，从1990年至2015年，土地覆盖类型的变化使洞庭湖流域大部分地区的退耕区以及旱地转为水田区域的水质净化服务水平提高，水田转为旱地区域的水质净化服务水平降低。但土地利用强度的变化导致流域整体的水质净化服务水平降低。图4-2情景II和情景III的耕地生态系统服务变化量Figure4-2ChangesinecosystemservicesinscenariosIIandIII1.1.4生态系统服务权衡关系变化为进一步了解1990年至2015年洞庭湖流域以耕地变化为主的土地覆盖类型变化和农业生产施氮量提高作用下，研究区所有耕地的粮食生产和水质净化两种生态系统服务权衡的响应，分别计算了情景II和情景III下两种生态系统服务水平的RMSE，并对1007个二级流域进行统计。为了解其权衡关系的空间特征，在存在全局空间自相关的基础上，绘制LISA图分析局部空间自相关特征。表4-2全局空间自相关结果Table4-2Resultsofglobalspatialautocorrelation情景Moran’sIZ-scoreP-value情景I0.68752949.1330910情景II0.67261048.0874680情景III0.69330049.5382280情景IV0.67913448.5445730图4-3为情景II的两种生态系统服务、权衡及其LISA图。由图可知，耕地生态系统的粮食生产服务水平呈现南部高北部低、东部高西部低的空间特征；而耕地生态系统的水质净化服务水平则呈南部低北部高。特别是湘江流域南部，粮食生产服务水平显著较高而水质净化服务水平显著较低，这可能是由于当地多旱地生态系统，旱地较水田的施氮量更高且产量也较高。情景II的两种生态系统服务及其权衡关系与原始情景的空间特征较为一致。LISA图显示的局部空间自相关格局同样印证了这一点，在情景II下，湘江流域南部以及中部的部分地区为显著的高—高聚集区，而沅江流域西部、澧水流域北部、洞庭湖环湖区西部以及资水流域中部则为显著的低-低聚集区。结合研究区的DEM图可发现，高—高聚集区和低—低聚集区均主要位于海拔较高、地势起伏较大的山地丘陵地带，而聚集性特征不明显的地区则主要位于海拔较低、地势起伏较小的平原地区。由于在计算RMSE时仅保留了研究区的耕地像元，因此图示结果为研究区耕地生态系统中的粮食生产与水质净化两种服务。在湘江流域南部的高—高聚集区，由于粮食生产服务较高而水质净化服务水平较低，因此其权衡程度较强；而对于沅江流域西部、澧水流域北部以及资水流域中部的低—低聚集区，由于其耕地分布较少，粮食生产服务与水质净化服务的水平均较低，因此权衡较弱。图4-3情景II生态系统服务Figure4-3EcosystemservicesinscenarioII对于情景III下的两种生态系统服务，则与情景II具有一定的相似性和差异性。如图4-4，该情景下耕地生态系统的粮食生产服务水平也呈现南部高北部低的特征，耕地生态系统的水质净化服务水平则为南部低北部高。与情景II相比，情景III的耕地平均粮食生产与水质净化服务均有所下降。对于两种生态系统服务间权衡关系的空间特征，其全局空间自相关水平有所提升，而局部空间自相关格局与情景II大体相似。从LISA图上看，与情景II不同的是，情景III的高—高值聚集区的空间分布范围更大，而低—低值的空间范围则略有缩减。湘江流域中部和北部新增了高—高值聚集区，该地区的耕地平均水质净化服务水平较低，而粮食生产服务水平较高，因此RMSE较高。图4-4情景III生态系统服务Figure4-4EcosystemservicesinscenarioIII为进一步了解情景II、III相对于原始情景的生态系统服务权衡变化，分别计算了两种设定情景与原始情景的RMSE差值，并分析其空间自相关，结果如图4-5。在改变土地覆盖类型的情景II中，RMSE增大的区域主要位于湘江流域南部、资水流域南部和北部、沅江流域中部及西部的大部分地区以及澧水流域的大部分地区，且这些地区在LISA图中存在一定范围的高—高聚集区。结合沅江流域西部和澧水流域北部的土地覆盖类型变化情况，该情景下，当地较多林地转化为灌木林地和疏林地等其他类型，部分森林存在退化现象，或被开垦为耕地。且结合图4-2可知在该情景下，当地粮食生产服务有所提升而水质净化服务有所下降，因此沅江流域西部的权衡有所增强。而对于资水和湘江流域南部，结合图4-2，该地区的粮食生产服务有较大程度的提高，而水质净化服务水平则变化并不显著，因此该地区的生态系统服务权衡也有所增强。RMSE减小的区域则主要位于湘江流域中部和北部以及洞庭湖环湖区的大部分地区。从LISA图上看，洞庭湖环湖区西部、湘江流域北部等低—低值聚集区，1990至2015年的土地覆盖变化使当地耕地上的生态系统服务权衡有较为显著的减弱。由第二章可知，近年来在“退耕还林、退田还湖”政策指导下，洞庭湖环湖区西部在研究期内开展了一定规模的“退田还湖”工作，对当地生态恢复做出了一定贡献。图4-5情景II、III相对与情景I的生态系统服务权衡变化Figure4-5TradeoffchangesofecosystemservicesbetweenscenarioIIandIIIandscenarioI而在改变土地利用强度的情景III中，RMSE的变化情况则与情景II大致相反。RMSE增大的区域主要位于洞庭湖环湖区的大部分地区、湘江流域北部、资水流域中部以及沅江流域东部，而其余地区的RMSE则有所减小。在该情景中，RMSE增大的地区主要为研究区耕地分布较为集中的地区。当耕地施氮量提高时，粮食生产服务水平有所提高，而随着降雨、径流的作用，未被吸收利用的氮元素逐渐汇流，使当地土壤和水体中的氮负荷提高，导致流域氮输出量提高，因此水质净化服务水平下降，从而造成该地区的生态系统服务权衡增强。特别是在水田分布较为集中的区域，生态系统服务权衡普遍增强，而旱地分布较广的地区的权衡并未显著增强，甚至部分地区权衡减弱。并且根据其LISA图分析权衡关系的局部空间自相关特征，可发现洞庭湖环湖区以西以及湘江流域北部的大部分地区呈现了较大面积的高—高聚集性特征。该地区的耕地多为水田，这可能是由于从1990到2015年，水田施氮量从91.89(kgN/ha·a)提高到136.79(kgN/ha·a)，而旱地则仅从176.16(kgN/ha·a)提高到181.61(kgN/ha·a)，水田的土地利用强度提升更为显著。因此在该情景下，农业生产施氮量的提高将会导致这些地区耕地上的权衡关系普遍增强。因此在农业生产过程中应当控制氮肥施用，并需要重点关注这些地区的农业生产对水质的影响。1.2土地利用主导因子识别由1.1分析可知，土地覆盖类型和土地利用强度的变化可对洞庭湖流域的粮食生产和水质净化服务产生不同影响，为了解两种作用对研究区耕地上两种生态系统服务的影响程度大小，通过分别计算土地覆盖类型和土地利用强度变化对耕地上两种生态系统服务变化量的独立贡献率1.2.1因子贡献率计算方法Hicke等在分析农田NPP总量的影响因素时，曾将土地利用变化和气候条件变化对NPP的影响分为了土地利用变化的单独影响，气候条件变化的单独影响以及两者的共同影响三部分[53]。因此本研究参照这一思想，将土地覆盖变化和土地利用强度对生态系统服务的影响分为：土地覆盖变化的单独影响、土地利用强度的单独影响以及二者的共同影响，计算公式如下：∆ES∆ES其中，ESi为研究时段内第i个要素的生态系统服务变化，ESi,1和ESi,2分别为研究时段开始和结束时第i个要素的生态系统服务值，ESi,ch为第i个要素处土地覆盖变化对生态系统服务的影响量，ESi,in为第i个要素处土地利用强度变化对生态系统服务的影响量，ESi,co为第i个要素处土地覆盖和土地利用强度对生态系统服务的共同影响量。基于上述思想，计算出土地利用强度和土地覆盖变化对生态系统服务供给变化量的独立贡献率，计算公式如下：RiRi其中，Ri,ch和Ri,in分别表示第i个要素处土地覆盖类型和土地利用强度变化影响的贡献率。在本研究中，定义贡献率较高的因子为该要素处土地利用作用中对生态系统服务影响较大的主导因子。1.2.2土地利用主导因子及其空间分布格局在计算过程中，首先分别统计1007个二级流域两种生态系统服务的平均水平，然后利用1.2.1中的因子贡献率计算方法分别计算土地覆盖变化和土地利用强度对的独立贡献率，并计算土地覆盖变化和土地利用强度独立贡献率的差值，定义独立贡献率较高的因子为生态系统服务的土地利用主导因子，并对其空间自相关性进行分析，结果如图4-6所示。从图4-6（a）和图4-6（b）中可明显看到，对于粮食生产服务，土地覆盖变化作为土地利用主导因子的二级流域分布范围更广，占研究区总面积的91.96%；而土地利用强度作为主导因子的二级流域面积较小，仅占总面积的8.04%。除洞庭湖环湖区的大部分区域的主导因子为土地利用强度外，其他地区多为土地覆盖变化为主。因此，在控制气候条件相同的情况下，土地覆盖变化是洞庭湖流域粮食生产服务的土地利用主导因子。而水质净化服务则与之相反，土地利用强度作为水质净化服务主导因素的二级流域占了研究区的绝大部分，占研究区总面积的98.71%；而土地覆盖变化为主导因子的二级流域面积较小，仅占总面积的1.29%。因此，在控制气候条件相同的情况下，土地利用强度变化是洞庭湖流域水质净化服务的土地利用主导影响因子。对于湘江流域东南部、沅江流域南部和西北部以土地覆盖变化为主导因子的二级流域，均在1990-2015年发生了大面积的退