基于系统耦合模拟的土地利用变化及其区域生境质量变化分析

Response of regional habitat quality to predicted land use change based on system coupling simulation

摘要

从人文‑自然系统耦合视角出发，提出一种多情景土地利用变化过程模拟及其区域生境质量影响分析框架，并以湖北省为例，解析社会经济发展、气候变化与土地利用变化之间交互关系及其对生境质量的协同影响作用。结果表明，从2015—2050年，湖北省建设用地将显著增加，社会经济发展对土地利用变化的影响相比气候变化更为显著。预测2050年，湖北省生境质量将至少下降5%，且大多发生在湖北省中部、东部等生境质量较低区域。情景分析发现，经济发展、温度变化对生境质量的影响总体大于人口增长与降水变化的影响。其中，经济和人口的快速增长是土地利用变化的主要影响因素，对区域生境质量有显著的负向影响。气温升高将提升生境质量退化风险，而降水的适当增加则有助于生境质量提升。

Abstract

A framework for simulating and analyzing the impact of mult⁃scenario land use changes on regional habitat quality from a human-natural system coupling perspective was constructed. Using Hubei province as a case study， the interaction between socio-economic development， climate change， land use change， and their combined effects on habitat quality were analyzed. The findings showed that， from 2015 to 2050， the construction land in Hubei province would increase significantly. The impact of socio-economic development on land use change was more substantial than that of climate change. It is predicted that， habitat quality in Hubei province would decline by at least 5% in 2050， mainly in central and eastern regions where habitat quality was low. The effects of economic development and temperature change on habitat quality were more pronounced than those of population growth and precipitation change. The rapid growth of the economy and population was the primary driver of land use change， which significantly and negatively affected regional habitat quality. Additionally， increasing temperatures would elevate the risk of habitat degradation， while moderate precipitation increase would contribute to the enhancement of habitat quality.

Graphical abstract

关键词

生境质量 / 土地利用变化 / 系统耦合 / 多情景模拟 / 湖北

Key words

habitat quality / land use change / system coupling / multiple scenario simulation / Hubei

0 引言

伴随人口增长与快速城市化，人类土地利用活动改变了近70%非冰冻地表，对近3/4区域生态系统造成负面影响^［1］。其中，人类扰动对生境质量影响尤为突出，大范围土地利用变化导致物种栖息地不断丧失和破碎化，生物多样性保护形势日趋严峻^［2］。协调发展与保护的关系，推进社会经济高质量发展，同时提升生境质量、保护物种多样性，已经成为全球各国与非政府组织关注的关键问题之一。我国是全球生态文明建设的倡导者与引领者，迫切需要提升土地利用优化决策水平，以有效协调国土空间开发利用与生态保护之间的关系。

生境质量是指生态系统为物种提供适宜生存条件的能力，是反映生物多样性水平的关键指标之一。研究表明，生境质量退化主要受到社会经济发展、土地利用等人类活动以及气候等区域自然变化演化的多重影响^［3］。其中，不同类型、格局与强度的土地利用变化是生境退化的直接原因，林草地、水域乃至耕地等生态用地是区域生境的基础承载空间，以建设用地扩张为典型的人类土地利用活动正不断重塑生态空间，造成生境质量下降。同时，诸多学者也探讨了社会经济发展、人口增长等因素与生境质量之间的负向相关关系，并论证了土地利用变化在负向关系中的中介作用^［4］。在自然因素方面，气候条件（如气温、降水和温差等）对生境质量具有直接、间接影响。气候变化会直接改变生物适宜栖息地，影响生物多样性的分布^［5］，而人类应对气候变化所采用的减缓与适应措施将改变土地利用/覆被格局，进而对生境质量产生间接影响。由此可见，准确分析区域生境质量退化的驱动力需要从系统耦合视角出发，通过解析土地系统、社会经济系统、自然生态系统之间的耦合作用，分析土地利用变化、气候变化、社会经济发展对生境质量的协同作用以及各自的贡献度。

现有研究通过构建土地利用模型与生境质量模型的耦合框架，为解决上述复杂问题提供了有效工具。其中，土地利用模型通常采用空间显式（Spatially Explicit）、综合的和多尺度方法模拟多种情景土地利用变化，进而以土地利用变化为中介变量，分析社会经济发展、气候变化等作用下多情景土地利用变化对生境质量的影响^［6］。该类研究主要以元胞自动机（Cellular Automata， CA）及其改进模型为主要土地利用变化模拟工具^［7］，典型模型包括分区异步元胞自动机模型、随机森林⁃元胞自动机模型、支持向量机元胞自动机模型、逻辑回归元胞自动机模型、约束元胞自动机模型等，以及FLUS（Future Land Use Simulation）模型^［8］、CLUE⁃S（Conversion of land use and its effects at small regional extent）模型^［9］等。同时，通过将元胞自动机模型与多智能体模型（Agent‑Based Model）^［10］、系统动力学（System Dynamics）^［11］和群智能优化算法^［12］等模型耦合，建立起土地利用变化与社会经济发展、气候变化等过程的相互作用关系，为揭示自然、人文多要素对生境质量变化的影响作用奠定基础。

生境质量模型则用于量化评估多种土地利用模拟情景下生境质量的时空变化，常见的模型包括生态系统服务与权衡关系综合评估模型（Integrated Valuation of Ecosystem Services and Trade⁃offs，InVEST）以及生态系统服务社会价值模型（Social Values for Ecosystem Services，SolVES）^［13］。其中，InVEST模型能够建立土地利用类型与生境质量的量化关系，且数据需求低、计算结果可视化强，是目前应用最为广泛的生态系统服务评估模型。借助上述框架，当前研究广泛探索了社会经济因素、气候变化或土地利用变化对生境质量的协同影响作用，为揭示区域生境质量退化驱动力进而制定生物多样性保护策略提供了科学依据。但是，该框架仍然需改进：（1）已有研究以多重影响因素的协同作用分析为主，对不同要素在协同作用中的贡献水平仍有待探索；（2）InVEST模型中的生境适宜度仍基于土地利用类型进行评估，缺乏栅格尺度的空间异质特征分析。

基于此，本文提出了一种解析土地变化、气候变化和社会经济发展对区域生境质量影响作用的分析框架。该框架结合共享社会经济路径（Shared Socioeconomic Pathways， SSPs）和代表性浓度路径（Representative Concentration Pathways，RCPs）设计了耦合社会经济增长与气候变化的土地利用变化情景，并采用FLUS与系统动力学模型模拟未来多情景土地利用变化，进而结合InVEST模型与HSI模型进行土地利用情景下的区域生境质量变化特征分析。本文以湖北省为研究区开展实例研究，预期为该地区土地利用决策和生境质量保护提供决策支持。

1 材料与方法

1.1 研究区与数据

湖北省位于中国中部偏南、长江中游，介于北纬29°05'—33°20'，东经108°21'—116°07'，地理位置与战略优势独特，是我国长江中游城市群的核心（图1）。湖北省地形复杂，主要为山地、丘陵和平原，东、西、北三面环山，地处亚热带，位于典型的季风区内，全省除高山地区外，大部分为亚热带季风性湿润气候。根据第七次人口普查数据，截至2020年11月，湖北省常住人口为5 775.26万人，2010—2021年年均人口增长率为0.43%。2021年全省生产总值为5.01万亿元，按可比价格，比上年增长12.9%。伴随着经济发展和快速城镇化，人地关系日趋紧张，城镇扩张、粗放式土地利用导致生态系统退化严重。提升生境质量，保护生物多样性已成为当地政府重点关注问题之一。

研究数据包括2010—2020年间土地利用与地形数据、社会经济统计数据、土壤和气候数据等。土地利用类型包括耕地、林地、草地、水域、建设用地和未利用地。土地利用与地形数据来自中国科学院资源环境数据库（http：//www. resdc.cn/），分辨率为1 km的栅格数据。道路数据来自OSM（OpenStreetMap）公开地图（https：//www.openstreetmap.org/）。社会经济统计数据包括来自历年《湖北省统计年鉴》的人口、城乡人口比例、GDP（Gross Domestic Product）和人均农产品占有量数据，应用于SD模型中，以及来自中国科学院的人口密度、人均国内生产总值数据。土壤质量（砂土、粉砂土与黏土含量）数据来自中国科学院。气候数据包括来自中国科学院的湖北省历年年平均降雨量与温度栅格数据、来自WorldClim（http：//worldclim.org）的湖北省未来年均降雨与温度情景预测数据。

1.2 方法

社会经济发展、气候变化与土地利用变化之间存在复杂相互联系，并对区域生境质量产生协同影响^［6］。从系统耦合模拟视角出发，通过整合未来土地利用模拟模型（FLUS）、系统动力学（SD）以及改进的InVEST模型，构建了多情景土地利用变化对区域生境质量影响分析框架，分析气候变化、社会经济发展对土地利用变化的影响以及三者对生境质量的协同作用，并解析气候变化、社会经济发展在协同影响作用中的各自贡献水平（图2）。框架中，气候变化与社会经济发展主要采用代表性浓度路径（RCPs）和共享社会经济路径（SSPs）进行描述，SD和FLUS模型分别用于预测多情景土地利用数量需求以及空间格局变化。HSI模型改进的InVEST模型用于评估多种情景区域生境质量及其变化特征。

1.2.1 情景设计

代表性浓度路径（RCPs）和共享社会经济路径（SSPs）是未来全球气候变化情景的两种定性描述方式。结合代表性浓度路径和共享社会经济路径，考虑不同气候、社会经济发展条件，设计了5类土地利用变化模拟情景，具体参数设置如表1所示。其中BAU（Business⁃as⁃usual）情景为基准情景，相关参数根据社会经济与气候变化历史趋势设定，包括Ⅰ⁃1（2015年验证情景）与Ⅰ‑2（2050年预测情景）。4类情景（Ⅱ—Ⅴ）主要代表未来最为可能的不同温室气体排放与社会经济发展的路径。为了分析社会经济发展、气候变化等因素对土地利用变化的影响及其在生境质量变化中的贡献度，采用控制变量法，分别针对4类情景（Ⅱ—Ⅴ）设置3个子情景：社会经济条件参照情景（包括情景Ⅱ⁃1、Ⅲ⁃1、Ⅳ⁃1、Ⅴ⁃1，该类子情景的社会经济参数沿用BAU情景，气候变化参数参照表1设定）、气候变化条件参照情景（包括情景Ⅱ⁃2、Ⅲ⁃2、Ⅳ⁃2、Ⅴ⁃2，该类子情景气候变化参数沿用BAU基准情景，社会经济参数参照表1设定）、社会经济与气候条件协同可变情景（包括情景Ⅱ⁃3、Ⅲ⁃3、Ⅳ⁃3、Ⅴ⁃3，该类子情景气候、社会经济参数均参照表1设定）。

1.2.2 未来土地利用空间格局预测

结合系统动力学模型和FLUS模型进行土地利用变化预测。SD模型由人口、经济、气候和土地利用等4个子模块组成（图3）。

人口模块反映城乡人口变化，影响着社会经济发展与土地利用需求；经济模块反映GDP变化预期，是驱动各类土地利用变化的关键因素；气候模块反映了年均降水与温度的变化，对农业生产与生态保护等土地利用决策产生影响作用；土地利用模块则反映了土地利用类型之间的相互转换关系，受人口、经济、气候三类子模块的综合影响。FLUS模型中，根据现有研究设置土地利用变化影响因子为平均年降水量、年平均气温、人口密度、国内生产总值、坡度、土壤质地（砂土、粉砂土与黏土含量）及至河流、道路和城市中心的距离^［14］，进而采用三层神经网络模型和随机采样策略计算土地利用出现概率，模型的土地利用转换成本矩阵与邻域因子参数参考相关文献进行设置^［8］。

1.2.3 基于HSI模型的生境质量评价

传统InVEST模型主要基于土地利用类型对生境适宜性赋定值，无法反映生境适宜性在栅格尺度上的空间异质特征。将InVEST与常用的生境适宜性评价方法结合，包括生境适宜度指数（Habitat Suitability Index， HSI）^［15］、生态位因子分析（Ecological-Niche Factor Analysis， ENFA）模型、最大熵（Maximum Entropy， MaxEnt）模型等，将有助于提升生境质量评估的准确性。采用生境适宜度指数（HSI）模型对InVEST模型进行改进，用于评估区域生境质量。

（1）生境适宜性评价生境适宜度指数（HSI）模型主要基于生境选择、生态位分化和限制因子等生态学理论，依据物种与生境变量间的函数关系构建。采用多因素综合评判方法构建HSI模型^［16］，从食物来源、非生物因素、遮蔽条件三方面建立指标体系，采用层次分析法确定指标权重（表2）。

基于HSI模型的生境适宜性计算公式如下：

H_{\mathrm{x}\mathrm{j}}=a_{\mathrm{1}}{V}_{\mathrm{1}}+a_{\mathrm{2}}{V}_{\mathrm{2}}+\dots +a_{\mathrm{n}}{V}_{\mathrm{n}},(1)

式中：H_{\mathrm{x}\mathrm{j}}为土地利用/覆被类型j中栅格单元x的生境适宜性指数；V_{\mathrm{n}}为该栅格单元x对应第n个指标归一化后的取值；a_n 为第n个指标权重取值。参考文献［17］及相关文献，确定土地覆被类型取值以及距离影响指标最大影响范围，如表3。

（2）生境质量评价InVEST模型生境质量模块是在土地覆被的基础上，利用生境适宜性和生物多样性威胁作用计算区域生境质量。计算公式如下：

Q_{\mathrm{x}\mathrm{j}}=H_{\mathrm{j}}(\mathrm{1}-D_{xj}^{\mathrm{2}}/(D_{xj}^{\mathrm{2}}+K^{\mathrm{2}})),(2)

式中：Q_{\mathrm{x}\mathrm{j}}为土地利用/覆被类型j中栅格单元x的生境质量指数；H_j 为土地利用/覆被类型j的生境适宜度，值域为［0，1］，值越接近1表示生境质量越高；D_{\mathrm{x}\mathrm{j}}为土地利用/覆被类型j中栅格单元x的生境的退化度；K为半饱和常数，通常取默认值为0.5。模型相关参数设置参考文献［6，18］。

采用HSI指数模型对InVEST模型生境质量进行修正：

\mathrm{S}{\mathrm{Q}}_{\mathrm{x}\mathrm{j}}=Q_{\mathrm{x}\mathrm{j}}\times H_{\mathrm{x}\mathrm{j}},(3)

式中：SQ _xj 为修正后的土地利用/覆被类型j中栅格单元x的生境质量指数；Q_xj 与H_xj 分别为InVEST模型计算结果与HSI模型计算结果。

2 结果与讨论

2.1 土地利用时空变化

将2020年土地利用模拟数据与实际数据对比分析，模拟模型Kappa系数为0.917，表明模型模拟准确性较高。表4为2015年现状及模拟的土地利用数据（4类情景（Ⅱ—Ⅴ）数据为相对BAU情景变化数值），图4为2015、2050年湖北省多情景土地利用格局。

相比2015年，2050年所有情景建设用地均将大幅增加，在原有建设用地基础上向四周扩张，且主要来自对耕地的侵占，变化集中在武汉、鄂州、孝感、仙桃、天门、潜江等湖北省中部和东部城市，其中，情景Ⅲ⁃2与Ⅲ⁃3增加最少，增幅为6 785.5 km²，情景Ⅴ⁃2与Ⅴ⁃3增加最多，增幅为8 047.5 km²。相应的，2050年耕地面积较2015年将会显著减少，与建设用地变化相反，东部区域减少较多，中部较少，其中情景Ⅲ⁃3耕地面积下降幅度最小，仅减少6 429.1 km²，情景Ⅴ⁃2耕地面积下降最多，预计减少7 747.4 km²。相比而言，至2050年，林地面积有减少趋势，而草地面积有增加趋势，但面积变化较小，且水域面积变化不明显，其中情景Ⅴ⁃3林地面积下降幅度最多，减少438 km²，情景Ⅳ⁃3草地面积增加幅度最多，预计增加153 km²。

2.2 区域生境质量变化

如图5所示，2015、2050年，湖北省西部区域保持着较高生境质量，而中部与东部大部分地区的生境质量处于中等或较差水平，低生境质量区域向周边区域扩散明显，且极低生境质量区域明显增加，高生境质量区域向较高或中等生境质量区域转换，全省整体生境质量有明显下降趋势。

至2050年，湖北省全省生境质量将下降至少5%（图6）。各市的生境质量都将下降，中东部地区的孝感市、黄冈市、武汉市、鄂州市、省直辖市（仙桃、天门、潜江三市）、荆州市、黄石市以及咸宁市的生境质量下降较明显，其中鄂州市与省直辖市（仙桃、天门、潜江三市）下降幅度超过20%，武汉市下降幅度为18%，黄石市与孝感市下降幅度超过10%，黄冈市、咸宁市和荆州市下降幅度都超过5%。生境质量退化率最高的区域原本生境质量一般较低，主要分布于湖北省中部与东部，如鄂州市、省直辖行政区（仙桃、天门、潜江三市）、武汉市以及孝感市等。

在气候与社会经济条件协同可变的情景中，情景Ⅳ⁃3有着全省最低的生境质量退化率，其次为可持续发展路径情景Ⅱ⁃3，高排放化石燃料发展路径的情景Ⅴ⁃3生境退化率明显最高。对比社会经济发展指标，全省以及大部分城市的GDP、人口与生境质量退化率均有较为显著的正相关关系，且随GDP变化更明显，对全省而言，偏相关系数都大于0.67，部分城市更为显著，如武汉市GDP、人口与生境质量退化率的偏相关系数分别达到0.925与0.900。对比气候指标，气温与生境质量退化率有显著正相关关系，各市的偏相关系数都大于0.700。对比降水指标，全省以及大部分城市呈较显著负相关关系，偏相关系数都大于-0.590。

对社会经济因素影响作用进行分析得出，情景Ⅱ⁃3中GDP最快增长、人口最慢增长，情景Ⅳ⁃3中GDP最慢增长、人口最快增长，相比而言，情景Ⅱ⁃3生境质量率却低于情景Ⅳ⁃3。一方面是因为研究没有考虑到经济发展会带动生态保护相关科技的发展，另一方面是因为GDP相比人口对生境质量影响更显著，GDP增长代表的快速城市化进程，会对生态环境产生显著的负面影响^［19］。

对气候因素影响作用进行分析得出，温度的快速变化一般会对区域生境质量有着负面影响，如对于城市地区而言，热岛效应的加剧会使得生境质量降低，生境不再适合生物生存^［20］。适当的降水能有效促进林地、草地等高生境质量区域的扩张，能有效提高全省整体的生境质量。各情景中全省生境质量下降明显，主要是建设用地大幅侵占耕地，林地向其他用地类型转变，以及气温快速增长所导致的。

结合情景分析单一要素贡献水平，GDP、人口与生境退化率有着较显著正相关关系，其标准化回归系数为3.102（GDP）>2.326（人口），即GDP贡献水平大于人口；气温与降水均最快速增长的情景Ⅴ⁃1有着最低的生境质量，气温、降水与生境退化率的标准化回归系数为1.065（气温）>|-\mathrm{0.084}|（降水），且，即气温的贡献水平大于降水，且社会经济因素（GDP）的贡献水平明显大于气候因素。

3 结论

通过耦合土地利用预测与生境质量评价系统，解析了经济发展、气候变化对土地利用变化以及区域生境质量的协同作用。引入HSI模型，改进了传统InVEST生境质量模型中难以顾及生态适宜性的空间异质特征的不足，有效提升了生境质量分析的准确性。结果表明，快速的城市扩张是导致湖北省2015—2050年间生境质量下降的主要原因。各要素按导致生境质量下降的贡献水平排序为：GDP大于人口，气温（温差）大于降水，且社会经济因素大于气候因素。综上，加大科技创新力度、减轻社会经济要素对环境的负面影响，是提高湖北省生境质量的必由之路。

参考文献

[1] MALHI Y. The concept of the anthropocene［J］. Annual Review of Environment and Resources， 2017， 42（1）： 77⁃104.

[2] GASCON C， BROOKS T M， CONTRERAS⁃MACBEATH T， et al. The importance and benefits of species［J］. Current Biology， 2015， 25（10）： 431⁃438.

[3] 梁晓瑶，袁丽华，宁立新，等. 基于InVEST模型的黑龙江省生境质量空间格局及其影响因素［J］. 北京师范大学学报（自然科学版），2020，56（6）：864⁃872.

[4] LIANG Xiaoyao， YUAN Lihua， NING Lixin， et al. Spatial pattern of habitat quality and driving factors in Heilongjiang province［J］.Journal of Beijing Normal University（Natural Science），2020，56（6）：864⁃872.

[5] SUN Xiaoyin， JIANG Zhai， LIU Fei， et al. Monitoring spatio⁃temporal dynamics of habitat quality in Nansihu Lake basin， eastern China， from 1980 to 2015［J］. Ecological Indicators， 2019， 102： 716⁃723.

[6] 冯建孟，胡小康. 环境因子对滇西北地区植物多样性分布格局的影响［J］. 信阳师范学院学报（自然科学版），2019，32（1）：62⁃68.

[7] FENG Jianmeng， HU Xiaokang. Effects of environmental factors on spatial patterns of plant diversity in Northwest Yunnan［J］.Journal of Xinyang Normal University（Natural Science Edition）， 2019，32（1）：62⁃68.

[8] HUANG Junlong， TANG Zhuo， LIU Dianfeng， et al. Ecological response to urban development in a changing socio⁃economic and climate context： Policy implications for balancing regional development and habitat conservation［J］. Land Use Policy， 2020， 97： 104772.

[9] FANG Shoufan， GERTNER G Z， SUN Zhanli， et al. The impact of interactions in spatial simulation of the dynamics of urban sprawl［J］. Landscape and Urban Planning， 2005， 73（4）： 294⁃306.

[10] LIU Xiaoping， LIANG Xun， LI Xia， 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] 吴健生，冯喆，高阳， 等.CLUE⁃S模型应用进展与改进研究［J］.地理科学进展，2012，31（1）：3⁃10.

[12] WU Jiansheng， FENG Zhe， GAO Yang， et al. Recent progresses on the application and improvement of the CLUE⁃S model［J］.Progress in Geography， 2012，31（1）：3⁃10.

[13] FILATOVA T. Empirical agent⁃based land market： Integrating adaptive economic behavior in urban land⁃use models［J］. Computers， Environment and Urban Systems， 2015， 54： 397⁃413.

[14] 唐亚平. SD模型在陕西省土地利用总体规划中的应用［J］. 西北大学学报（自然科学版），2012，42（6）：1007⁃1010.

[15] TANG Yaping. The applications of system dynamics model to the comprehensive land use planning of Shaanxi province［J］.Journal of Northwest University（Natural Science Edition）， 2012，42（6）：1007⁃1010.

[16] 刘殿锋，刘耀林，刘艳芳， 等. 多目标微粒群算法用于土地利用空间优化配置［J］. 武汉大学学报（信息科学版）， 2013， 38（6）： 751⁃755.

[17] LIU Dianfeng， LIU Yaolin， LIU Yanfang， et al. A rural land use spatial allocation model based on multi⁃objective particle swarm optimization algorithm［J］.Geomatics and Information Science of Wuhan University， 2013， 38（6）： 751⁃755.

[18] SHERROUSE B C， CLEMENT J M， SEMMENS D J. A GIS application for assessing， mapping， and quantifying the social values of ecosystem services［J］. Applied Geography， 2011， 31（2）： 748⁃760.

[19] LI Zuzheng， CHENG Xiaoqin， HAN Hairong. Future impacts of land use change on ecosystem services under different scenarios in the ecological conservation area，Beijing，China［J］. Forests， 2020， 11（5）： 584.

[20] CONWAY C J， MARTIN T E. Habitat suitability for Williamsons Sapsuckers in mixed⁃conifer forests［J］. Journal of Wildlife Management， 1993， 57（2）： 322⁃328.

[21] KLISKEY A D， LOFROTH E C， THOMPSON W A， et al. Simulating and evaluating alternative resource⁃use strategies using GIS⁃based habitat suitability indices［J］. Landscape and Urban Planning， 1999， 45（4）： 163⁃175.

[22] 张学儒，周杰，李梦梅. 基于土地利用格局重建的区域生境质量时空变化分析［J］. 地理学报，2020，75（1）：160⁃178.

[23] ZHANG Xueru， ZHOU Jie， LI Mengmei. Analysis on spatial and temporal changes of regional habitat quality based on the spatial pattern reconstruction of land use［J］.Acta Geographica Sinica， 2020，75（1）：160⁃178.

[24] HE Jianhua， HUANG Junlong， LI Chun. The evaluation for the impact of land use change on habitat quality： A joint contribution of cellular automata scenario simulation and habitat quality assessment model［J］. Ecological Modelling， 2017， 366： 58⁃67.

[25] SLEETER B M， SOHL T L， BOUCHARD M A， et al. Scenarios of land use and land cover change in the conterminous United States： Utilizing the special report on emission scenarios at ecoregional scales［J］. Global Environmental Change， 2012， 22（4）： 896⁃914.

[26] HU Yongge， XU Enkai， KIM G， et al. Response of spatio⁃temporal differentiation characteristics of habitat quality to land surface temperature in a fast urbanized city［J］. Forests， 2021， 12（12）： 1668.

基金资助

国家自然科学基金项目(41771429)