基于Markov-PLUS模型的延安市土地利用多情景模拟研究

Multi-Scenario Simulation Study of Land Use in Yan'an City Based on Markov-PLUS Model

摘要

为探究延安市未来土地利用发展趋势，促进土地资源合理利用，基于延安市2010和2020年土地利用数据，运用Markov-PLUS模型，分别从自然发展、生态保护、经济增长三种情境，预测2030年延安市土地利用情况及其发展变化。结果表明：（1）2010-2020年，延安市全市范围内的耕地、林地面积减少，草地面积增长缓慢，水域、建设用地以及未利用地面积大幅度增长，但随着时间发展，建设用地不断扩张会破坏生态的稳定性，因此需要关注各类用地发展占比，合理分配用地；（2）PLUS模型模拟精度较高，Kappa系数为0.94；（3）基于2030年三种情景模拟情况比较，自然发展情景中仅有建设用地面积有所增加，在生态保护情景下，生态环境面积减少低于其他两种发展情景，且有效遏制了用地扩张，经济增长情景中，耕地及建设用地面积增幅明显。

Abstract

To investigate the development trend of land use in Yan'an and promote the rational utilization of land resources there， the situation of land use and its development changes in Yan'an in 2030 were predicted from three scenarios， natural development， ecological protection and economic growth， by using the Markov-PLUS model based on the land use data of Yan'an in 2010 and 2020. The results showed that （1） from 2010 to 2020， cultivated land and forest land decreased throughout the city， and grassland less increased， but waters， construction land and unused land increased significantly， of which the forest land and grassland account for more than 72%， however， with the time， the continuous expansion of construction land would be bound to destroy ecological stability and the necessary attention should be paid to the proportion of various types of land and reasonable allocation of the land； that （2） the simulation accuracy of the PLUS model was high， achieving a Kappa coefficient of 0.94； that （3） in the comparison of the simulated results for three scenarios in 2030， only the construction land in the natural development scenario increased， under the ecological protection scenario， the decrease in ecological environment area was lower than that of the other two development scenarios， and the expansion of land unreasonable use was effectively curbed， the cultivated land and construction land increased significantly in the economic growth scenario.

Graphical abstract

关键词

土地利用 / 多情景模拟 / PLUS模型 / 延安市

Key words

land use / multi-scenario simulation / PLUS model / Yan'an

土地是人类赖以生存的物质基础，土地利用变化可以直观体现人类活动对生存环境的影响情况^［1］。随着城市不断发展，人口、经济增长，由此产生的全球变暖、空气污染、水土流失等问题，对区域乃至全球生态环境产生极大影响，土地利用格局不断改变^［2⁃3］。党的二十大将“人与自然和谐共生的现代化”上升到“中国式现代化”的内涵之一，同时指出要提升生态系统多样性、稳定性、持续性，有利于推进城乡人居环境，优化国土格局，促进区域协调发展。为保护生态多样性，促进社会可持续发展，面对不同目的调整土地格局从而实现高质量发展成为亟待解决的问题^［4］。因此，使用土地利用模拟模型对区域土地格局演变情况以及未来发展进行 预测，模拟分析区域不同情景下土地利用变化情况，可以为该地区后续实现多重规划目标发展提供基础支撑。

目前常使用的土地利用模拟模型包括CLUE-S模型、FLUS模型、PLUS模型、Markov模型、Logistic回归模型、CA模型等^［5⁃10］。其中，Markov模型在数量预测方面精度较高^［11］，但对于空间格局变化难以体现^［12］；CA模型只能针对某一种土地类型进行模拟，具有一定限制^{［13⁃14］}；CLUE-S模型则在土地数量预测方面存在不足^［12］。PLUS模型不仅包含Markov链以及CA模块，还包含一种新的多类随机斑块种子机制，可以更好地模拟多种土地利用斑块级的变化，在土地利用变化过程中，有效应对不确定性影响。Liang等^［11］在武汉市的相关研究发现，PLUS模型在该区域的模拟性能优于FLUS模型^［11］。徐海斌等^［15］运用PLUS模型针对 徐州市的弹性空间布局进行模拟，并通过分析肯定了PLUS模型在区域布局模拟上的可行性；Luan等^［16］将非支配排序遗传算法Ⅱ（NSGA-Ⅱ）与斑块生成土地利用模拟（PLUS）模型相结合，使用耦合时空模拟定量分配模型，为不同政策重点下的土地资源平衡和优化提供了重要启示；解晋敏等^［17］将PLUS模型所模拟的不同情景作为限定条件，从而预测判断猛禽的潜在分布。研究发现不同条件引起的土地利用变化对猛禽潜在分布会造成明显影响，未来发展中应控制建设用地的扩张速度及其工程施工时对周边环境的影响；黄韬^［18］将PLUS模型与InVEST模型结合，探讨土地利用变化对碳储量时空变化的影响，提出人类活动对土地的开发和改造是导致碳储量变化的主导因素；而Lv等^［19］则是将PLUS模型与InVEST模型结合探讨土地利用变化引起的生境质量演变，根据生境质量系数平衡生态与区域经济发展；Yu等^［20］通过CA模型对植被类型数据补充，与PLUS模型结合模拟研究同一土地利用内部不同植被类型之间碳强度的差异。PLUS模型是通过随机森林算法获得土地类型转化概率，能够较好地处理高维数据^［11］。相较于其他模型，PLUS模型可以更好地挖掘促使土地利用类型发生变化的影响因子，从而更好地模拟多类土地利用斑块级的演变过程^［21］。

延安市位于黄河中游，处于黄土高原沟壑地带，是黄河上中游水土流失最为严重地区之一^［22］，随着黄河流域生态保护和高质量发展上升为国家战略，延安市的生态保护和高质量发展在黄河中游举足轻重。有 学者对陕西省2000-2018年土地利用变化及驱动因素进行了分析，主要侧重于土地类型及面积的转变， 驱动因子则仅考虑了人类活动因素，具有一定的局限性^［23］。本文利用PLUS模型和2010、2020年土地利用数据，对延安市2010-2020年土地利用动态变化规律进行识别，并对自然情景、生态保护情景和经济增长情景下2030年的土地利用格局进行模拟，分析在不同情境下土地利用变化对城市发展价值的影响。

1 研究区概况与数据

1.1 研究区域概况

延安市位于陕西省北部，黄河中游及黄土高原中南地带，地理位置35°20′39″~37°53′31″N，107°38′59″~110°34′46″E。北与榆林市相邻，南与咸阳市、铜川市、渭南市相接，东与山西省临汾市、吕梁市相隔黄河，西接甘肃省庆阳市（见图1）。全市总面积37 000 km²，居全省第二，下辖2个市辖区、10个县、代管1个县级市。2021年延安市第七次全国人口普查常住人口为2 282 581人，GDP为2 004.58亿元。延安市在保持社会经济发展水平增长的同时面临着生态保护的巨大压力。一方面，延安市干旱少雨、人类活动不断加剧、传统毁林开荒等众多因素，使延安市境内的植被覆盖度呈下降趋势，区域水土流失严重，为黄土高原乃至全国水土流失最严重的区域之一^{［23⁃25］}；另一方面，城市开发建设进程不断加快，建设用地需求日益增多，但受限于地形条件、生态环境条件，市域内适宜建设区域面积较小，土地利用的供求矛盾尖锐复杂^［26］。

1.2 数据来源

本文所采用的2010年、2020年延安市土地利用数据来自中科院资源环境与科学数据中心（https：//www.resdc.cn），空间分辨率为30 m；数字高程数据（DEM）来自地理空间数据云（https：//www.gscloud.cn），分辨率为30 m；坡度根据DEM生成；GDP、年降水量、年平均气温栅格数据、土壤类型数据均来自中科院资源环境科学与数据中心；人口密度栅格数据来自 WorldPop网站（https：//www.worldpop.org）；各级道路、铁路、水域、村镇中心、研究区矢量边界等矢量数据均来自全国地理信息资源目录服务中心（https：//www.webmap.cn）。文中所使用的空间坐标系为WGS84。

2 研究方法与模型检验

2.1 研究方法

2.1.1 土地利用面积预测

本文运用Markov链预测不同情境下2030年延安市土地利用面积变化。Markov链是基于马尔科夫随机过程形成的一个计算空间概率的模型，主要用于预测^［27］。将Markov链用于土地利用变化预测，相当于把土地格局变化过程看成Markov变化过程，不同土地类型之间相互转换为状态转移概率，表达式为

P_{ij}=\left[\begin{array}{ccc}{P}_{\mathrm{11}}& \cdots & P_{\mathrm{1}n}\\ ⋮& \ddots & ⋮\\ P_{n\mathrm{1}}& \cdots & P_{nn}\end{array}\right]，（1）

其中，P表示转移概率；n表示土地利用类型的数量；i、j分别表示土地利用研究起始、结束期^［28］。

利用Markov链模型模拟预测2030年各类土地需求，为后续使用PLUS模型进行预测分析提供数据信息。计算公式为

S_{t+\mathrm{1}}=P_{ij}\times S_t，（2）

其中，t代表年份，S_t、S_{t+\mathrm{1}}分别为t时和t+1时土地情况；P_{ij}是状态转移概率矩阵，代表i用地类型转移为j用地类型的概率。

2.1.2 土地利用空间分布模拟

PLUS模型作为通过分析土地变化模拟未来土地利用变化的模型，含有两大模块，分别为土地扩张策略分析模块（LEAS）和基于多类随机斑块种子的元胞自动机（CA）模型^［29］。其中LEAS模块根据两期土地利用数据的变化，可以提取出这期间内各类型用地扩张地带，再运用随机森林算法挖掘引起其变化的驱动因素，从而得到各类用地发展概率以及各驱动因素对土地类型变化的贡献度^{［11，29］}。基于多类型随机种子机制的元胞自动机模型，通过模拟计算在各类用地概率上有变化的“种子”，使种子生成新的土地利用类型并依此成为新的斑块。Markov模型主要用于土地类型数量预测，但无法将各类土地类型演变过程展现出来，而CA模型可以弥补这一不足^［30］。且CA模型可以更好地模拟出土地类型变化情况并挖掘其变化的驱动力因素^［31］。

2.2 土地利用变化驱动因素分析

土地利用变化是土地自身类型和各要素共同作用的结果，本文根据Markov⁃PLUS模型计算原理，结合延安市土地利用实际情况和数据的可获取性，参考已有文献，选取了14项土地利用变化驱动因子（表1）。

自然条件是城市不可分割的一部分，是土地类型变化的基础条件，作为黄河流域的重要城市，自然环境对延安市的发展有重要影响，本文选择了年均气温、年均降水量、高程、坡度、土壤类型作为表征自然条件的驱动因子。区位条件是城市发展的重要因素，本文选取了距一级、二级、三级道路的距离、距铁路的距离、距高速公路的距离、距城镇中心的距离、距水域的距离，作为表征区位要素的驱动因子；社会经济的发展同样也能影响土地变化，人类活动频繁、经济活跃的地区，建设用地的扩张相对明显^［4，32］，本文选取人口规模、GDP作为表征社会经济水平的驱动因子。

2.3 模型精度验证

依据2010年土地利用情况，利用PLUS模型模拟2020年土地利用情况，再将2020年实际土地利用数据输入PLUS模型进行对比，采用FOM值及Kappa系数对结果进行验证，得到Kappa系数为0.940，总体精度为0.961。总体精度和Kappa系数的值越接近于1，模拟精度越好。因此，此次研究模拟精度较高，说明模型较为可信，可以进行后续模拟预测。

不同发展目标会带来不同的土地格局变化，本文依据延安市土地特征及其未来发展规划，分别设定了自然发展情景、生态保护情景、经济增长情景三种土地模拟情景对延安市2030年土地变化特征进行模拟 预测，邻域权重体现着土地类型转化强度^［33］，变化区间为0~1，越趋向于1，代表其扩张趋势更大。本文基于前人相关研究^{［34⁃37］}，通过PLUS模型中CA based on Multiple Random Seeds（CARS）模块，根据延安市发展状况调试各土地类型的邻域权重（表2）。

情景1：自然发展情景。根据2010-2020年土地变化发展规律，通过Markov链预测得到2030年各类用地栅格量，再利用PLUS模型模拟正常发展状况下各类用地发展状况。

情景2：生态保护情景。延安市作为黄土高原黄河段的重要城市，其生态保护和文化影响力在黄河中游举足轻重。设置生态保护情景，限制林地、草地、水域向其他土地类型转移。该情景主张保护和发展并存，因此不会限制建设用地和耕地的蔓延扩张，但其变化情况一定程度上会受到影响。

情景3：经济增长情景。城市的发展与经济增长密不可分。设置经济增长情景，了解土地类型变化情况，有利于后续发展政策的制定，从而促进城乡共同进步。

3 结果分析

3.1 延安市2010-2020年土地利用特征及变化

选取延安市2010年、2020年两期数据，将其重分类为：耕地、林地、草地、水域、建设用地、未利用地，得到2010年、2020年延安市土地利用类型图（图2），分析2010年-2020年土地类型变化情况。利用Arcgis进行面积统计，得到延安市土地利用变化情况（表3）。

由于延安市生态环境脆弱、人口资源承载力不足、生态保护与经济发展矛盾突出，延安市在政策实施过程中，与“保生态、增良田、惠民生”紧密结合。通过近10年的改善，结合表1分析可以发现，延安市的土地利用类型以耕地、林地、草地为主，三种地类和的占比在98%以上，林地和草地面积和占比超过72%，体现了区域生态环境质量发生了明显好转（表4）。但随着新政策的提出，仍需要不断巩固已有成果，在生态保护的同时推进城市经济结构调整，助推乡村振兴和城市高质量发展。

结合图2可知，从2010年到2020年，延安市耕地、林地面积在全市范围内减少，草地增长较少，水域、建设用地以及未利用地大幅度增长。水域主要在原有水域进行扩张，建设用地，主要以中部原有建设用地为中心向外扩散，在宝塔区扩张最为明显。扩张区域离高速公路较近，延安市中心城市的地位逐渐显现出来。此外，富县、黄陵县、洛川县南部地区也有部分扩张，并有聚集的趋势，体现了延安市在2010年后积极响应统筹城乡发展的政策，并不断实现引导农民向城镇和农村新型社区集中，推动农民向市民转变，建设与培育宝塔区人口60万人以上的中等城市^［38］的计划中取得阶段性的成果。但黄龙县、宜川县几乎没有发生变动，延安市周边发展相对滞后。林地在全市范围内均匀扩张，但市南部地区相对扩张明显。草地扩张主要在黄陵县、延川县，其他县区都有所扩张，水域零星分布增加，但总体并不是很明显。建设用地，未利用地在宝塔区、黄陵县扩张明显，其中未利用地在宝塔区扩张地区大多分布在建设用地扩张区的四周（表4）。各土地类型动态度（绝对值）从小到大排序为：未利用地<建设用地<水域<耕地<草地<林地。其中耕地、林地主要向草地转出，草地、水域、建设用地主要向耕地转出（表5）。

3.2 多情景土地利用模拟分析

3.2.1 自然发展情境

假定所有土地类型发展规律保持不变，延续2010-2020年发展情况（模拟情况如图3）。在自然发展情景下，延安市2030年的耕地面积为8 995.244 km²，较2020年下降309.956 km²；林地面积为9 609.703 km²，下降179.424 km²；草地面积为17 498.068 km²，下降9.184 km²；水域面积为127.435 km²，下降34.754 km²；建设用地面积为268.672 km²，增加30.296 km²；未利用地面积为54.676 km²，增加19.310 km²。其中林地、草地、水域减幅共29.19%。在不受其他政策影响下，社会经济发展过程中， 耕地、林地、草地、水域都成为建设用地转出的主要来源。通过变化的空间格局发现，建设用地的扩张在原来分布情况的基础上，持续向四周发展，且耕地向建设用地转换概率最大，水域次之，城市范围有所扩大。总的来说，在自然发展情景下，耕地、林地、草地、水域用地面积不断减少，如若不加以约束，会造成建设用地不断扩张，无法实现生态、经济、社会共同发展，对生态健康形成一定压力。随着政府积极引导农民向城镇集中，部分地区从原来基于耕地的农业生产方式，逐步向工业园区、水果、蔬菜生产基地等多产业模式发展。在此情景下，未来延安市城镇用地有所增加，主要分布于宝塔区、富县、洛川县、黄陵县（图3），此时各区县的交通需求将不断加强，加大交通基础设施的建设将促进要素在各区域之间的流动。

3.2.2 生态保护情境

在生态保护模拟情景中（图4），2030年延安市耕地面积减少至9 199.076 km²，共减少106.124 km²； 建设用地、未利用地面积有所增加，但总体增加幅度减小，共增加约49.6 km²；林地、草地及水域的面积都有所减少，减幅为16.51%，但减少幅度均小于自然发展情景及经济增长情景（表6）。这表明在生态保护的政策下，可以有效保障生态用地面积的减少速度。由于地处黄土高原地区，延安市一直坚持水土流失治理，在提高水土保持能力的同时规划实施多项重点造林绿化工程，以期维持生态系统平衡。因延安市生态安全的本底值较低，生态环境较为敏感，在今后深度优化及改善生态环境的工作中相较其他地区难度偏大，因此需要持续采取相应保护措施，有效控制生态绿地向建设用地的转化幅度，提升生态系统的活力。此情景侧重于生态环境的保护与发展，虽然有助于环境质量的有效提升，但一定程度上减缓了城市发展步伐，因此需要结合当地经济发展诉求，在提升生态活力的同时促进城市交通和经济建设。

3.2.3 经济发展情境

在经济发展情境下（图5），耕地和建设用地作为重要的经济地类，邻域权重分别设为0.7和1.0，相较于2020年，耕地面积大幅上涨，增加了328.853 km²，高于自然发展情景以及生态保护情景。耕地的增加有利于农业发展，但耕地大幅度扩张不利于退耕还林等生态保护政策的落实。由于延安市地处黄河沟壑地带，要兼顾水土资源以及 生态经济的复合效益，科学利用耕地。此外，建设用地面积也在稳步增长，其扩张趋势与2010-2020年基本一致。林地、草地、水域面积分别为：9 575.935 km²、16 931.255 km²、118.041 km²，有明显减小趋势，减幅为43.03%（表6）。水域主要减少在甘泉县、志丹县以及延长县；林地与草地面积在全市范围内都有减少。此情景对于经济发展的过度追求容易导致生态环境被破坏，造成生态空间的减少，此外还需平衡好耕地与建设用地占比。

4 讨论与结论

4.1 讨论

经济地类和生态用地是土地类型中重要的两种用地，经济地类有效推动城市建设，促进城市的协调发展，而生态用地有效维持生态系统平衡。根据延安市2010-2020年土地利用变化情况，草地、水域、建设用地及未利用地呈增长趋势。由于延安市地处黄土高原地区，土地荒漠化较为严重，因而随着城市的扩张，部分用地难以利用，可建设性小，未利用地面积也随之增大，其中部分未利用地在治理后多数转化成草地，响应了延安市保护生态的政策。吴起县通过封山育林，在水土流失严重的黄土地上持续实施绿色工程。安塞区根据生态治理政策逐步开发黄土地带，到2020年构建了集现代农业、生态旅游一体的生态农业示范园。随着延安市大力发展旅游产业及退耕还林还草的政策，各区县注重当地生态环境建设，到2020年，延川县、 黄龙县成功创建了全省第三批旅游示范县，成功创建了延安市革命根据地5A级景区及多个3A级景区。各区县森林覆盖率提高到了53.7%，其中洛川县、安塞区分别被确定为全国、全省人居环境整治示范县。同时在城市发展过程中，建设用地面积也在不断增加，且主要从原有中心向四周扩散，分布在交通相对便捷的区域。其中宝塔区作为全市的政治、经济中心，各地人口多流入宝塔区，建设用地扩张变化最为明显。洛川县的经济总量虽不及宝塔区，但其人均GDP远超宝塔区。随着延安市大力发展苹果产业，洛川县作为陕西 第一苹果大县，到2020年的建设发展情况也越来越好，GDP高达240亿，吸引人口聚集，建设用地扩张明显。在2010-2020年甘泉县和黄龙县人口持续处于减少趋势，其中黄龙县是延安市人口老龄化程度最高的区县，经济等情况在城市发展过程中也处于最弱，该地建设用地正逐步缩小；耕地面积在各县域范围内的大量减少与黄土高原地区实施退耕还林政策密不可分，同时延安市市场经济体制变革，一定程度上释放了农户的利益追求， 使得区域耕地减少。延安市在17个区县中引入新经济企业，建造工业集中区，发展跨境电商 试验区，建造多个物流园等发展措施充分利用了各区县地域资源，例如延长县石油开发、富县电厂建设、黄陵县电厂开工建设，带动了当地生产转型，增加了不同类别的就业岗位。此外，由于城市的不断建设使得耕地面积在市中心逐步减少，从而转换为与社会经济发展相互支持的工程建设用地；同时随着退耕还林政策的有效实施，生态用地占比超过72%。

基于三种不同发展情景进行模拟预测，结果显示：在无任何附加条件下，延续2010-2020年发展模式，耕地、林地、草地及水域面积都呈减少趋势，建设用地及未利用地持续扩张，而生态用地及耕地持续减少，不利于城市生态、经济、社会共同发展；在生态保护情境中，侧重生态用地的保护，建设用地及未利用地增长趋势与自然发展情景相同，耕地面积减少幅度有所放缓，生态用地面积减少趋势均小于自然发展情景和经济增长情景。且由于延安市所处地带生态安全的环境本底值较低，生态环境较为敏感，需要长时间保护及治理。在未来城市建设中，不可避免城市用地的扩张以及工程实施对生态用地所带来的环境污染与破坏，因此需要进一步重视生态保护，激发生态活力，提升人居环境；在经济增长情景中，将耕地作为重要经济地类，耕地面积大幅上涨，建设用地及未利用地面积增长趋势相对减小，耕地面积的大幅增加有利于农业经济发展，缓解了城镇聚集压力以及乡村的经济萎缩，有效促进城镇-村镇共同进步，但在此情景发展下，生态用地面积大幅度减少，不利于城市的环境治理。且由于延安市地处黄土沟壑地区，增加耕地难度较大。

4.2 结论

基于上述研究，得出以下结论：（1）从整体来看，建设用地均在原本基础上持续扩张，且大多以城镇中心为基点不断向四周发展建设，耕地变化幅度较为明显，呈零星分布；（2）延安市生态修复仍需持续重视，在 三种模拟情景中，生态用地面积均呈下降趋势，其中在生态保护情景中，有效削弱了建设用地的快速扩张，减缓了生态用地的流失速度；（3）三种发展情景中只有经济增长情景中耕地面积呈增长趋势，在此情景下耕地、建设用地作为重要经济地类得到大幅扩张，但生态用地面积急剧下降；（4）三种情景设置基本满足延安市不同发展目标。不同发展情景侧重点有所不同，随着未来城市的加速发展，有效结合三种模拟结果有助于合理制定政策，约束建设用地扩张速度，提高城市生态活力，以达到城市协调、高质量发展。

综上，延安市在未来土地利用过程中，应坚持对未利用地的不断治理，减少土地荒漠化，植树造林，提高人居环质量；完善道路等交通设施，加强各区县间的交通，尤其是已形成的人员聚集区，如宝塔区、富县、 洛川县、黄陵县，促进要素在各区域之间的流动；提高耕地利用率，重视水土保持生态修复，积极引导向工业园区和水果、蔬菜生产基地等多产业模式发展；提高城市存量用地的利用效率，积极促进旧城镇、棚户区等低效用地的更新改造工作；严禁随意占用耕地、生态用地进行城市建设；积极带动城市周边地区生态建设，如吴起县、黄龙县、宜川县等。

参考文献

[1] 乔治， 蒋玉颖， 贺曈， 等.土地利用变化模拟研究进展［J］.生态学报，2022，42（13）：5165-5176.

[2] PIELKE R A S. Land use and climate change［J］. Science， 2005， 310（5754）： 1625-1626.

[3] POWER R P， JETZ W. Global habitat loss and extinction risk of terrestrial vertebrates under future land-use-change scenarios［J］. Nature Climate Change， 2019， 9（4）： 323-329.

[4] 陈理庭，蔡海生，张婷，等.基于Markov-FLUS模型的饶河流域土地利用多情景模拟分析［J］.生态学报，2022， 42（10）：3947-3958.

[5] 马梓策，于红博，张巧凤，等.基于CA-Markov模型的锡林河流域土地利用变化及预测分析［J］.西北林学院学报，2020，35（2）：169-177.

[6] 姜楠，贾宝全，宋宜昊.基于Logistic回归模型的北京市耕地变化驱动力分析［J］.干旱区研究， 2017， 34（6）：1402-1409.

[7] 李晓蕾， 魏建新， 徐丽萍，等.基于CLUE-S模型的博斯腾湖流域土地利用变化情景模拟［J］.石河子大学学报（自然科学版），2019，37（3）：345-352.

[8] FENG D， BAO W， FU M， et al. Current and future land use characters of a national central city in eco-fragile region：A case study in Xi'an city based on FLUS model［J］. Land， 2021，10（3）：286.

[9] 张晓荣，李爱农，南希，等.基于FLUS模型和SD模型耦合的中巴经济走廊土地利用变化多情景模拟［J］. 地球信息科学学报， 2020， 22（12）：2393-2409.

[10] 王佳楠，张志.基于Markov-PLUS模型的柴北缘土地利用变化及模拟分析［J］. 西北林学院学报， 2022，37（3）：139-148.

[11] LIANG X， GUAN Q F， CLARKE K C， et al. Understanding the drivers of sustainable land expansion using a patch-generating land use simulation （PLUS） model： A case study in Wuhan， China［J］. Computers， Environment and Urban Systems， 2021（85）：101569.

[12] 陆汝成，黄贤金，左天惠，等.基于CLUE-S和Markov复合模型的土地利用情景模拟研究：以江苏省环太湖地区为例［J］. 地理科学， 2009，29（4）：577-581.

[13] 严冬，李爱农，南希，等.基于Dyna-CLUE改进模型和SD模型耦合的山区城镇用地情景模拟研究：以岷江上游地区为例［J］.地球信息科学学报， 2016， 18（4）：514-525.

[14] 张经度，梅志雄，吕佳慧，等. 纳入空间自相关的FLUS模型在土地利用变化多情景模拟中的应用［J］. 地球信息科学学报， 2020， 22（3）：531-542.

[15] 徐海斌，肖长江，刘雅雯，等.基于PLUS模型的徐州市土地利用布局弹性空间模拟［J］.资源科学，2024，46（1）：175-186.

[16] LUAN C X， LIU R Z， ZHANG Q Y， et al.Multi-objective land use optimization based on integrated NSGA-II-PLUS model： Comprehensive consideration of economic development and ecosystem services value enhancement［J］.Journal of Cleaner Production，2024，434：140306.

[17] 解晋敏，姚思佳，蒋涛，等.基于PLUS模型与MaxEnt模型预测的未来苏州市猛禽潜在分布［J/OL］.应用与环境生物学报（2024-01-16）［2024-02-03］.

[18] 黄韬.基于PLUS-InVEST模型的福建省土地利用变化与碳储量评估［J/OL］.水土保持学报（2024-01-16）［2024-02-03］.

[19] LV W Q， MA X F.A spatial-temporal evolution and predictive analysis of the habitat quality in Ningxia， China based on the PLUS model and InVEST model［J］.Academic Journal of Environment Earth Science，2023，5（10）：8-19.

[20] YU Y， GUO B， WANG C L， et al. Carbon storage simulation and analysis in Beijing-Tianjin-Hebei region based on CA-plus model under dual-carbon background［J］.Geomatics， Natural Hazards and Risk，2023，14（1）：2173661.

[21] 杨朔，苏昊，赵国平.基于PLUS模型的城市生态系统服务价值多情景模拟：以汉中市为例［J］.干旱区资源与环境，2022，36（10）：86-95.

[22] 张永峰，王明华.延安市水土保持高质量发展先行区示范创建［J］.中国水土保持，2022（9）：37-40.

[23] 孙善良，张小平，张志斌.陕西省2000-2018年土地利用时空演变及驱动因素［J］.水土保持通报，2021，41（4）：339-349.

[24] 李智广.中国水土流失现状与动态变化［J］.中国水利，2009（7）：8-12.

[25] 唐丽霞，张志强，王新杰，等.黄土高原清水河流域土地利用/覆盖和降雨变化对侵蚀产沙的影响［J］.自然资源学报，2010，25（8）：1340-1349.

[26] 熊玉晴.延安市土地利用时空变化及模拟预测［D］.西安：长安大学，2020.

[27] 姜广辉， 张凤荣， 秦静，等. 北京山区农村居民点分布变化及其与环境的关系［J］. 农业工程学报， 2006， 22（11）：85-92.

[28] 贺正思宇，谢玲，梁保平，等.基于CA-Markov模型的漓江流域土地利用模拟研究［J］.生态科学，2020，39（5）：142-150.

[29] 王洁宁，王文超，海蒙蒙.基于PLUS模型的山东省土地利用变化模拟分析［J］.国土与自然资源研究，2022，201（6）：1-8.

[30] 梁德强. 基于PLUS模型的齐齐哈尔市土地利用变化与情景模拟［D］.哈尔滨：东北林业大学，2022.

[31] 吴觉妹，王莉雯.基于PLUS模型的多情景土地利用格局演变模拟研究［J］.河北省科学院学报，2022，39（6）：71-78.

[32] 张海青，任婷.基于PLUS模型的空间格局演变特征及驱动力研究：以辽宁省北镇市为例［J］.沈阳建筑大学学报（社会科学版），2022，24（3）：230-238.

[33] 摆万奇， 赵士洞. 土地利用变化驱动力系统分析［J］. 资源科学， 2001， 23（3）：39-41.

[34] 孙定钊，梁友嘉.基于改进Markov-CA模型的黄土高原土地利用多情景模拟［J］.地球信息科学学报，2021，23（5）：825-836.

[35] 吴觉妹，王莉雯.基于PLUS模型的多情景土地利用格局演变模拟研究［J］.河北省科学院学报，2022，39（6）：71-78.

[36] 林之强.基于Markov-PLUS模型的滇中城市群土地利用时空演化模拟研究［D］.昆明：云南师范大学，2022.

[37] 程淑娟.基于PLUS模型的土地利用变化分析与情景模拟［D］.开封：河南大学，2022.

[38] 靳铭.延安统筹城乡发展的探索、问题及对策［J］.中国延安干部学院学报，2013，6（1）：110-115.

基金资助

国家自然科学基金资助项目“自然资源部国土空间规划监测评估预警重点实验室开放项目”(42071218)