基于FLUS-Markov模型的玉溪市生态系统服务价值时空演变与预测

刘士鑫 李建华 孙咏琦 杜园园 向冬蕾 陈运春

劉士鑫，李建华，孙咏琦，等. 基于FLUS-Markov模型的玉溪市生态系统服务价值时空演变与预测［J］. 湖北农业科学，2024，   63（2）：189-198．

摘要：基于玉溪市2010年、2020年2期生态景观类型数据和粮食产量经济价值修正生态系统服务价值系数，分析玉溪市生态景观类型及生态系统服务价值分布特征，采用FLUS-Markov模型预测玉溪市2030年生态系统服务价值及其分布。结果表明，该模型预测结果的Kappa系数提高至0.896 9，整体精度为0.939 3，精度较高；2010—2020年玉溪市林地、草地的面积呈减少趋势，以林地、草地、水域为主的生态系统仍然面临威胁；2030年玉溪市生态系统服务价值为535.047 1亿元，变化率为-0.129 7%，玉溪市应加强对林地、草地的保护，加强退耕还林、退耕还草政策的实施，合理控制草地、林地向耕地的转化；2030年玉溪市生态系统服务价值依然表现为西部>中部>东部；2030年玉溪市各县市区生态系统服务价值贡献率由高到低依次为新平县、元江县、峨山县、易门县、华宁县、红塔区、江川区、澄江市、通海县。

关键词： FLUS-Markov模型； GIS空间分析； 生态系统服务价值；时空演变；预测；云南省玉溪市

中图分类号：X196；F062.2         文献标识码：A

文章编号：0439-8114（2024）02-0189-10

DOI：10.14088/j.cnki.issn0439-8114.2024.02.029 开放科学（资源服务）标识码（OSID）：

The Temporal and spatial evolution and prediction of ecosystem service value in Yuxi City based on the FLUS-Markov model

LIU Shi-xin1a，1b， LI Jian-hua1b，1c，SUN Yong-qi1b，1c， DU Yuan-yuan1c， XIANG Dong-lei2，CHEN Yun-chun1b，1c

（1a.College of Resources and Environment；1b. Natural Resources Science and Technology Engineering Research Center；1c. School of Water Conservancy，Yunnan Agricultural University，Kunming  650051，China；2.Yunnan Land and Resources Planning and Design Institute，Kunming  605201，China）

Abstract： Based on the ecological landscape type data of Yuxi City in 2010 and 2020， and the economic value correction ecosystem service value coefficient of grain production，analyzed the ecological landscape types and distribution characteristics of ecosystem service value in Yuxi City were analyzed， and the FLUS-Markov model was used to predict the ecosystem service value and its distribution in Yuxi City by 2030.The results showed that the Kappa coefficient of the predicted results of the model had been increased to 0.896 9， with an overall accuracy of 0.939 3， indicating high accuracy；from 2010 to 2020， the area of forest and grassland in Yuxi City showed a decreasing trend， and the ecosystem mainly composed of forest， grassland， and water still faced threats； the ecosystem service value of Yuxi City was 53.504 71 billion yuan， with a change rate of -0.129 7% in 2030. Yuxi City should strengthen the protection of forest and grassland， strengthen the implementation of policies for returning farmland to forest and grassland， and reasonably control the conversion of grassland and forest land to arable land；the ecosystem service value of Yuxi City showed still as follows： west>center>east in 2030；the contribution rates of ecosystem service value from high to low were Xinping County， Yuanjiang County， Eshan County， Yimen County， Huaning County， Hongta District， Jiangchuan District， Chengjiang City， and Tonghai County in various counties and districts of Yuxi City in 2030.

Key words： FLUS-Markov model； GIS spatial analysis； ecosystem service value； temporal and spatial evolution； prediction； Yuxi City， Yunnan Province

生态系统服务是人类社会在自然界中不可或缺的生存条件，其价值体现与人类未来发展进程关系密切，同时也能反映出生态景观类型的结构变化与人类利用的影响程度。通过生态系统服务价值（ESV）评估生态系统的质量及變化情况，进而评价出社会经济未来发展的潜力，为生态资源的有偿使用及相关政策方针制定提供可靠依据，根据多年的生态系统服务价值反应强度开展生态红线划定和生态安全格局规划，促进生态-社会-经济全面可持续发展^［1］。因此，生态系统服务价值时空演变与预测研究对生态系统服务功能的评价具有重要意义。

生态系统服务价值研究最早开始于20世纪70年代，Holder等^［2］在全球自然环境生态系统服务研究中指出生物多样性的丧失将会影响生态系统服务。国内外的学者对生态系统服务价值的研究积累了较多的经验，基于单位面积价值当量因子法^［3］已经成为众多学者常用的评价方法。谢高地等^［3］在深入研究了Costanza等^［4］的生态系统服务价值评估方法后，对中国700位生态学领域专家的问卷结果进行综合分析，对其方法做出了改进，得出基于专家知识的中国生态系统服务价值评估体系^［3］，该体系在评估中国生态系统状况和经济发展水平方面具有较强的适宜性。目前该方法被国内很多学者接受，研究集中在生态景观类型变化对生态系统服务价值的影响与反映，但对于未来的生态景观类型变化与生态系统服务价值的演变与预测研究较少。在关于未来生态景观类型变化的研究中大多数学者采用CA-Markov模型^［5］、ANN-Markov模型^［6］、灰色预测模型^［7］、CLUE-S模型^［8］和FLUS模型^［9］。其中FLUS模型由Liu等^［10］提出，该模型综合ANN（神经网络算法）和CA（元胞自动机）模型，并结合一种基于轮盘赌选择的自适应性竞争机制，可以有效模拟人类活动与自然影响下的土地利用变化及未来土地利用情景。FLUS模型具有较高的模拟精度，可以获取与现实生态景观类型分布较相近的结果，被多数学者用于未来土地利用变化情景的模拟。Markov模型是基于不同时间尺度得出的土地利用类型转换矩阵，可以预测出未来某一时间的土地利用类型，该空间概率模型主要从时间尺度上预测土地利用的变化趋势^［11］。FLUS-Markov模型综合Markov模型在时间尺度分析的优势和FLUS模型在空间尺度分析的优势，能降低研究中制定转换规则的困难程度，同时也能减少人为因素的过多干扰。

玉溪市具有丰富的生态资源，云南省九大高原湖泊有四湖分布在玉溪市辖区范围，即抚仙湖、杞麓湖、星云湖和异龙湖。近年来，玉溪市在人口、经济、政策及自然等因素影响下产生了一系列生态环境问题，如星云湖和杞麓湖的水土富营养化、区域地质灾害及气候干旱等^［12］，严重影响了玉溪市生态系统服务功能。王金凤等^［13］采用Logistic-CA-Markov耦合模型对西南地区2025年生态系统服务价值时空演变及模拟进行了预测，但其采用的评估方法仍存在不确定性，研究尺度较大，且预测时间过早，对西南地区一些市域尺度的生态系统服务价值的参考研究不具有适用性。本研究采用FLUS-Markov模型对玉溪市生态系统服务价值时空演变与预测进行研究，对促进玉溪市社会经济可持续发展具有重要指导意义。

1 研究区概况

玉溪市位于云南省中部，介于东经101°16′—103°09′、北纬23°19′—24°53′。境内最低海拔253 m，最高海拔3 115 m，全域大部分海拔在1 500～           1 800 m，年平均气温8.2～23.3 ℃，年平均降水量804.6～1 399.7 mm，属中亚热带湿润冷冬高原季风气候。生态资源丰富，含抚仙湖、杞麓湖、星云湖和异龙湖四大高原湖泊，水资源丰富。玉溪市的湿地面积占云南省湿地总面积的7.14%，其中自然湿地面积占全省自然湿地总面积的9.65%，湿地保护率77.23%，自然湿地保护率82.23%，均列全省第1位；国家级自然保护区2个，省级自然保护区1个；生物多样性丰富，境内生存有陆生野生动物资源735种，国家重点保护陆生野生动物87种、三有野生动物407种，陆生野生植物资源中高等植物226科1 081属2 394种，国家级重点保护野生植物31种^［14］，植被覆盖率71.49%^［15］（图1）。

2 数据来源和研究方法

2.1 数据来源

研究所需数据主要包括玉溪市2010年、2020年土地利用、海拔、坡度、气温、降水量、道路、河网、人口密度、居民点、自然保护区域数据及市场经济统计数据等，数据来源如表1所示。

2.2 研究方法

2.2.1 生态系统服务价值评估模型 研究参照Costanza等^［4］提出的生态系统服务价值模型，以谢高地等^［16］修正后的适用于中国生态系统服务价值的当量表为基础，测算玉溪市的生态系统服务价值。玉溪市主要粮食作物为稻谷、小麦、玉米、豆类及薯类（折粮）^［17］，依据2010—2020年玉溪市主要粮食作物种植面积（表2）、粮食价格（表3）及单产（表4）求得玉溪市粮食产量的经济价值。

以粮食产量的经济价值修正生态系统服务功能的服务价值系数，进而依据玉溪市某一时期生态景观类型计算生态系统服务价值，计算公式如下：

1）玉溪市粮食产量的经济价值。

式中，E为粮食产量的经济价值（元/hm²）；考虑无人力干扰下，粮食产量的经济价值等于每年每公顷粮食价值的1/7；n为主要粮食作物种类个数；s_i为第i类粮食作物种植面积（hm²）；u_i为第i类粮食单产（kg/hm²）；v_i為第i类粮食价格（元/kg）；M为粮食作物种植总面积（hm²）。

2）修正生态系统服务价值系数。

VC_ij=EF_ij（2）

式中，VC_ij为第i类生态景观类型j类生态系统服务价值的系数（元/hm²），F_ij为第i类生态景观类型第j类生态系统服务价值的当量因子。建设用地未涉及生态系统服务价值，但考虑生态景观类型变化涉及到建设用地转化，将其设为0。修正后的玉溪市生态系统服务价值系数如表5所示。

3）生态系统服务价值。

ESV=ΣW_iC_ij（3）

式中，ESV为生态系统服务价值（元），W_i为第i类生态景观类型分布面积（hm²）；C_ij为i类生态景观类型j类生态系统服务价值（元/hm²）。

2.2.2 生态系统服务价值动态度 生态系统服务价值动态度可以描述2期的变化程度和趋势，排除不同生态景观类型和不同当量对生态系统服务价值的影响^［18］，计算公式如下：

式中，K为动态度；E_a为基期景观类型的生态系统服务价值，E_b为末期的景观类型的生态系统服务价值；T_a为基期；T_b为末期。

2.2.3 FLUS-Markov模型

1）FLUS模型。本研究参考了未来土地预测领域的相关研究^［19-23］，采用了自然、交通区位、人口密度等12个驱动力因子（图2），以自然生态保护范围数据为限制性因子，基于FLUS模型中神经网络算法（ANN），计算玉溪市每类生态系统类型在各像元出现的概率。基于一种行业中表述为轮盘赌选择自适应惯性竞争机制，该机制在CA模拟过程中可以有效处理人类干扰和自然环境影响下各种生态系统类型的转变，并最终得出研究区生态景观类型的分布模拟。

2）Markov模拟。采用Markov模型预测研究区未来各生态景观类型的数量规模。通过Markov模型可以得出研究区2期地类类型的转移概率，进而模拟出地类类型随时间变化的转移矩阵，并预测未来生态景观类型的变化，计算公式如下：

S_t+1=P_ij×S_t（7）

式中，P_ij为第i类生态景观类型转为第j类生态景观类型的转移概率矩阵；S_t、S_t+1分别为t与t+1时期的生态景观分布面积。

3）模型精度检验。模型精度检验是至关重要的环节。Kappa系数是常用的精度检验模型，其原理是利用已知时间段的生态景观类型和预测结果进行比对，Kappa系数范围为0～1，Kappa系数≥0.75表示模型预测精度较高，Kappa系数≤0.4表示模型预测精度较差^［6］。

3 结果与分析

3.1 生态景观类型变化分析

依照Markov模型理论，获取2010—2020年研究区生态景观类型转移分布情况，分析其面积转移并得出生态景观类型面积转移矩阵（表6）。在各个生态景观类型中，建设用地的综合变化率最高，为36.18%，综合变化量为7 206.57 hm²，耕地综合变化率为-1.55%，综合变化量为-4 603.14 hm²；由转移矩阵分析可知，耕地转出面积的54.04%、21.25%、22.91%分别转化为林地、草地、建设用地，这三者占耕地转出面积的比例较大，其原因主要是受退耕还林、退耕还草及城市扩张的影响。从综合变化量来看，2010—2020年林地、草地的面积呈减少趋势，以林地、草地、水域为主的生态系统仍然面临威胁。

3.2 生态系统服务价值分析

3.2.1 生态系统服务价值总量分析 通过修正后的玉溪市各生态景观类型的生态系统服务价值系数（表7）计算2010—2020年的生态系统服务价值。2020年玉溪市生态系统服务价值为535.741 8亿元，变化率为-2.368 5%，即1.271 8亿元。由表8可知，耕地的生态系统服务价值变化率最高，为-15.468 7%，其次为草地、林地，结合表6分析可知，损失的生态系统服务价值主要表现为其他生态景观类型向建设用地的转变。仅有水域的生态系统服务价值保持增长趋势，但其动态增长率较低，增长量为0.021 9亿元。研究区各生态景观类型的生态系统服务价值由大到小依次为林地、水域、草地、耕地、建设用地。林地在生态景观类型的生态系统服务价值中占主导地位。

3.2.2 生态系统服务价值空间分布特征 结合2010年、2020年玉溪市30 m分辨率各生态景观类型分布情况（图3、图4），采用栅格转矢量的方法，以各生态景观类型图斑为生态系统服务价值评价单元，基于不同生态景观类型图斑面积计算得出2010年、2020年玉溪市生态系统服务价值分布（图5、图6）。采用自然断点法对生态系统服务价值进行分级，结果表明，玉溪市生态系统服务价值最高的区域集中在玉溪市西部和中部，东部区域三湖（星云湖、杞麓湖、抚仙湖）周边的生态系统服务价值较低，主要涉及澄江市、华宁县、江川区及红塔区城镇居民活动较集中的区域，由此可见，三湖水域的生态系统服务价值近10年间始终面临周边人类活动的威胁。

新平县和元江县中部的生态系统服务价值较低，主要是受耕地集中分布的影响。相应的林地和湖泊水域遍布的区域，其生态系统服务价值明显高于其他生态景观类型。2010—2020年玉溪市生态系统服务价值分布特征无明显的变化。受人为活动影响较大的核心区域分布在玉溪市东部的三湖周边城镇及玉溪市西部的元江河周边耕地集中区域。综上，玉溪市生态系统服务价值分布情况为西部>中部>东部。

3.3 生态系统服务价值预测结果

3.3.1 预测精度验证 在实际模型运用中需要修正地类类型转换成本，其在模型中的主要作用是依据政策影响等相关因素来确定当前用地类型转换为需求类型的困难度^［24］。本研究参考前人研究经验^［5-10］并结合玉溪市综合发展需求，反复调整生态景观类型转换成本，训练FLUS模型中的ANN神经网络训练样本。最终将模型预测结果的Kappa系数提高至0.896 9，整体精度为0.939 3，精度较高，可进行后续预测研究，玉溪市生态景观类型转换成本矩阵如表9所示。基于Markov模型得出2010—2020年转移概率，模拟出地类类型随时间变化的转移矩阵，以2020年为基期预测2030年生态景观类型面积。

3.3.2 预测结果分析

1）生态系统服务价值预测值结构分析。基于2010年、2020年2期的生态景观类型分析结果，构建FLUS-Markov模型，对2030年玉溪市生态景观类型进行预测（图7），并依据预测结果以生态景观类型图斑为评价单元计算出2030年玉溪市生态系统服务价值结果及分布情况。

结合2020年生态景观类型分析得出2020—2030年玉溪市生态景观类型面积转移矩阵（表10），对照2030年生态系统服务价值预测结果（表11）及其变化率（表12），得知在维持现有政策与经济发展及各种限制性因素影响下，2030年玉溪市生态经济服务价值减少0.694 7亿元，变化率为-0.129 7%。林地面积大量减少，其次为草地，2030年林地、草地综合变化量分别为-1 800.27、-809.46 hm²。玉溪市应加强对林地、草地的保护，加强退耕还林、退耕还草政策的实施，合理控制草地、林地向耕地的转化。2030年玉溪市生态系统服务价值为535.047 1亿元。

从2030年生态系统服务价值预测结果的结构组成来看，玉溪市的林地、水域的调节服务功能占比较大，该结果与玉溪市三湖流域的实际状况一致。除建设用地外，其他生态景观类型对调节与支持服务占比较大，其中林地景观类型始终起主导作用。当地有着很好的水域保护措施，但林地还需要出台更完善的保护措施。

由图8可知，生态系统服务价值呈西部>中部>东部趋势。因此，玉溪市生态治理的方向要从玉溪市东部地区三湖流域周边逐步向中部、西部转移。玉溪市西部地区需重点治理元江流域低海拔区域，其生态系统服务价值低于其他区域，受农耕环境的影响较大。

2）生态系统服务价值预测值区域贡献分析。基于生态系统服务价值结构分析，在维持现有政策与经济发展及各种限制性因素影响下，预测玉溪市各县市区的生态系统服务价值（表13），发掘出各县市区生态系统服务价值的潜力，对其进行贡献率排名可推动玉溪市各县市区对生态环境的治理。

采用百分比堆积柱状图来展现2030年玉溪市各县市区生态系统服务价值的贡献率（图9）。新平县生态系统服务价值的贡献率最高，为30.74%，生态系统服务价值为164.5亿元；其次为元江县，生态系统服务价值为98.32亿元，贡献率为18.38%。新平縣、元江县均位于玉溪市西部，县域面积较大，林地、草地覆盖面积广，有哀牢山和元江国家级自然保护区及磨盘山国家森林公园，是玉溪市生态系统保护重点区域。

在各生态景观类型排名中，供给服务价值贡献率由高到低依次为新平县、元江县、峨山县、澄江市、江川区、易门县、华宁县、通海县、红塔区；调节服务价值贡献率由高到低依次为新平县、元江县、峨山县、澄江市、江川区、易门县、华宁县、通海县、红塔区；支持服务价值贡献率由高到低依次为新平县、元江县、峨山县、易门县、华宁县、红塔区、江川区、澄江市、通海县；文化服务价值贡献率由高到低依次为新平县、元江县、峨山县、易门县、华宁县、红塔区、江川区、澄江市、通海县。综合比较来看，2030年玉溪市各县市区生态系统服务价值贡献率由高到低依次为新平县、元江县、峨山县、易门县、华宁县、红塔区、江川区、澄江市、通海县。华宁县、红塔区、江川区、澄江市、通海县的生态系统服务价值贡献率较小，其应更加重视生态环境治理。

4 小结与讨论

4.1 小结

本研究构建了FLUS-Markov模型，对玉溪市生态系统服务价值进行时空演变与预测研究。修正了玉溪市生态系统服务功能的服务价值系数，分析了玉溪市生态景观类型变化，总结玉溪市生态系统服务价值空间分布特征，调整生态景观类型转换成本，使模型训练样本的Kappa系数提高至0.896 9，整体精度为0.939 3，精度较高，对2030年玉溪市生态系统服务价值进行了预测与分析。

1）2010—2020年，玉溪市建设用地的综合变化率最高，为36.18%；林地、草地、建设用地占耕地转出面积的比例较大，其原因主要是受退耕还林、退耕还草及城市扩张的影响；2010—2020年林地、草地的面积呈减少趋势，以林地、草地、水域为主的生态系统仍然面临威胁。

2）2020年玉溪市生态系统服务价值为535.741 8亿元，变化率为-2.368 5%；玉溪市各生态景观类型的生态系统服务价值由大到小依次为林地、水域、草地、耕地、建设用地。林地在生态景观类型的生态系统服务价值中占主导地位；生态系统服务价值表现为西部>中部>东部。

3）2030年玉溪市生态系统服务价值为535.047 1亿元；2030年玉溪市生态经济服务价值减少0.694 7亿元，变化率为-0.129 7%；林地面积大量减少，其次为草地，2030年林地、草地综合变化量分别为-1 800.27、-809.46 hm²；玉溪市应加强对林地、草地的保护，加强退耕还林、退耕还草政策的实施，合理控制草地、林地向耕地的转化。

4）2030年生态系统服务价值依然表现为西部>中部>东部；玉溪市未来生态治理的方向需要从玉溪市东部地区三湖流域周边逐步向中部、西部推进；玉溪市西部地区需重点治理元江流域低海拔区域，其生态系统服务价值低于其他区域，受农耕环境的影响较大。

5）2030年玉溪市各县市区生态系统服务价值贡献率由高到低依次为新平县、元江县、峨山县、易门县、华宁县、红塔区、江川区、澄江市、通海县。三湖流域周边的华宁县、红塔区、江川区、澄江市、通海县需要更加重视生态环境治理。

4.2 讨论

生态系统服务价值本身与生态景观类型有着千丝万缕的联系，生态景观类型即地类类型的变化始终能反映生态系统服务价值的变化。因此探讨生态系统服务价值预测必然需要对其生态景观类型进行动态分析。本研究基于FLUS-Markov模型，选取自然、交通区位、人口密度等12个生态景观类型变化驱动力因子，从生态景观类型的分布特征出发，结合人类经济社会发展与自然因素等驱动力的影响来预测未来生态景观类型的演变趋势，进而体现研究区未来生态系统服务价值的变化。

与灰色预测模型、Logistic-CA-Markov耦合模型等^{［8，25，26］}相比，FLUS-Markov模型具有可视性强、精度高的特点，可以直观地呈现出各驱动因子空间分布效果，且对2030年预测结果可精确至玉溪市各县市区。该研究明确了玉溪市各县市区生态系统服务的贡献，对玉溪市社会经济可持续发展及生态保护治理具有重要意义。

参考文献：

［1］ 殷 楠，王 帅，刘焱序.生态系统服务价值评估：研究进展与展望［J］.生态学杂志，2021，40（1）：233-244.

［2］ HOLDER J，EHRLICH P R. Human population and global environment［J］.American scientist， 1974， 62（3）： 282-297.

［3］ 谢高地，甄 霖，鲁春霞，等.一个基于专家知识的生态系统服务价值化方法［J］.自然资源学报，2008（5）：911-919.

［4］ COSTANZA R D，ARGE R，GROOT R D，et al.The value of the worlds ecosystem services and natural capital［J］.Nature，1997，387：253-260.

［5］ 武 丹，李 欢，艾 宁，等.基于CA-Markov的土地利用时空变化与生境质量预测——以宁夏中部干旱区为例［J］.中国生态农业学报（中英文），2020，28（12）：1969-1978.

［6］ 侯西勇，路 晓，罗 泽，等.集成ANN和Markov的土地利用变化模拟与情景分析——以黄河三角洲为例［J］.科研信息化技术与应用，2011，2（4）：40-51.

［7］ 程媛媛，周汉磊，潘胜强，等.苏州市2000—2014年生态系统服务价值及灰色模型预测研究［J］.苏州科技大学学报（自然科学版），2020，37（1）：58-65.

［8］ 朱海伦. 基于CLUE-S模型的县域土地利用变化模拟研究［D］.杭州：浙江大学，2020.

［9］ 陈兵飞. 基于FLUS模型的万州区土地利用变化模拟及土地利用结构优化研究［D］.重庆：西南大学，2020.

［10］ LIU X， XUN L，XIA L， et al. A future land use simulation model （FLUS） for simulating multiple land use scenarios by coupling human and natural effects［J］. Landscape and urban planning， 2017， 168：94-116.

［11］ 李志明，宋 戈，鲁 帅，等.基于CA-Markov模型的哈尔滨市土地利用变化预测研究［J］.中国农业资源与区划，2017，38（12）：41-48.

［12］ 钟欣呈，许泉立.基于RSEI模型的玉溪市生态环境变化监测与评价［J］.水土保持研究，2021，28（4）：350-357.

［13］ 王金鳳，刘 方，白晓永，等.西南地区生态系统服务价值时空演变及模拟预测［J］.生态学报，2019，39（19）：7057-7066.

［14］ 玉溪市生态环境局.2021年玉溪市生态环境状况公报［EB/OL］.http：//yuxi.gov.cn/yxszfxxgk/tzgg3071/20220601/1353726.html？eqid=b3d9736200014709000000066448d8b8，2022-06-01.

［15］ 玉溪市人民政府.2022年玉溪市人民政府工作报告［EB/OL］.http：//www.yuxi.gov.cn/yxs/tzggsy/20220130/1327399.html，2022-01-30.

［16］ 谢高地，张彩霞，张雷明，等.基于单位面积价值当量因子的生态系统服务价值化方法改进［J］.自然资源学报，2015，30（8）：1243-1254.

［17］ 云南省统计局.2021年云南统计年鉴［EB/OL］.https：//www.yn.gov.cn/sjfb/tjnj_2/202203/t20220308_238095.html， 2022-03-08.

［18］ 刘 园，周 勇.长江经济带生态系统服务价值时空变化特征分析及灰色预测［J］.生态经济，2019，35（4）：196-201.

［19］ 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.

［20］ 幸瑞燊，周启刚.基于Ann-CA-Markov模型的生态空间预测模拟：以重庆市万州区为例［J］.生态与农村环境学报，2021，37（6）：740-750.

［21］ 江 顺. 基于ANN-CA的洞庭湖流域土地利用模拟预测研究［D］.长沙：中南林业科技大学，2019.

［22］ 王 旭，马伯文，李 丹，等.基于FLUS模型的湖北省生态空间多情景模拟预测［J］.自然资源学报，2020，35（1）：230-242.

［23］ 吴欣昕，刘小平，梁 迅，等.FLUS-UGB多情景模拟的珠江三角洲城市增长边界划定［J］.地球信息科学学报，2018，20（4）：532-542.

［24］ 邵景安，党永峰，王 威，等.多因素耦合下三峡库区土地利用未来情景模拟［J］.地球科学，2018，28（12）：1907-1932.

［25］ 嵇航宇，肖建武，刘 畅.基于土地利用变化的长沙市生态系统服务价值计量分析及趋势预测［J］.中南林业科技大学学报（社会科学版），2021，15（2）：34-44.

［26］ 李 姝，雷晓寒，陈其兵.重点生态功能区生态系统服务价值变化及预测［J］.水土保持通报，2017，37（6）：225-231.

收稿日期：2022-10-20

基金项目：云南省教育厅科学研究基金项目（2022Y288）

作者简介：刘士鑫（1994-），男，河南商城人，硕士，主要从事土地资源利用与保护研究，（電话）13598091557（电子信箱）924420429@qq.com；通信作者，陈运春（1976-），女，云南昭通人，副教授，硕士，主要从事国土生态修复、资产核算研究，（电子信箱） 2837973986@qq.com。