基于多维评价与地理空间模拟的适应性土地利用优化综合框架：以中国灵宝市为例

《Land Use Policy》：An integrated framework for adaptive land use optimization through multidimensional evaluation and geospatial simulation: A case study of Lingbao City, China

　　

摘要

土地利用优化在衔接区域可持续发展与国家战略目标方面发挥着关键作用，但诊断评价与规范优化之间长期存在的方
方法论脱节阻碍了实际应用的落地。为弥合这一关键缺口，本研究通过多维功能指数、PLUS模型与随机森林的协同耦合，开发了一套集成的"评价-诊断-模拟-优化"（EDSO）框架。该框架采用多源地理空间数据，以中国河南省灵宝市为案例研究区。结果表明，2012年至2020年间，该区域经历了因森林再生与城乡建设扩张导致的1.40%农田流失的过渡，同时非农产值增长23.09%，基础设施通达性亦有改善。农村人口流失伴随商业与公共服务衰退，暴露出农村治理的脆弱性。模拟显示，综合优化情景在景观效率方面表现最优，其生态价值比其他情景高出2.8亿元。优化方案识别出200.22 km2的林地复绿用地和4.32 km2的低效碎片化农村建设用地。方案还揭示了森林碳汇在35年生林龄周期达到峰值的关键洞察，为30m分辨率的轮伐方案提供了科学依据。EDSO框架将诊断分析与空间适应性干预整合的能力，为国土空间规划提供了变革性的工具包，有效弥合了科学与政策之间的鸿沟。

1. 引言

土地是人类生存的基础物质载体，是社会经济活动与自然生态系统之间的关键纽带（Newbold et al., 2015; Gao et al., 2024）。优化土地利用配置以匹配生态承载力与开发需求，对于实现联合国可持续发展目标（SDGs）具有关键作用（Sachs et al., 2019）。具体而言，通过优化城乡空间布局直接推动SDG 11（可持续城市和社区），通过维护陆地生态系统完整性支持SDG 15（陆地生物），并通过保护耕地资源保障农业可持续性来支撑SDG 2（零饥饿）（Akpoti et al., 2019; Bastien-Olvera et al., 2024）。然而，快速城镇化与气候变化引发了严重的栖息地碎片化、土壤退化以及跨部门土地利用冲突（Zabel et al., 2019; Aparicio et al., 2022）。在此背景下，系统性的土地利用评估能够量化利用效率并识别生态权衡。优化模型则为协调城市扩张、粮食安全与生物多样性保护之间的竞争需求提供了可操作的路径（Zhang et al., 2023）。这种基于证据的方法对于将全球可持续发展承诺转化为本地化治理策略不可或缺。

中国政府对土地利用优化的承诺已演变为一套多层级治理范式，反映出国土空间治理战略优先级的不断提升。其制度轨迹可追溯至20世纪90年代，当时早期法律为平衡发展需求与资源保护奠定了法律基础（Long et al., 2022）。2008年《城乡规划法》的颁布是这一进程中的重要转折点，该法率先推行综合土地配置以缓解区域差异（Sun & Cao, 2022）。此后的一系列里程碑，包括《全国主体功能区规划》（2010年）、多规合一改革（2014年）和《全国土地利用总体规划》（2016–2030年），通过分级分区约束和跨部门协调，系统化了土地利用治理。2019年，通过将碎片化的规划制度整合为统一的"五级三类"国土空间规划框架，标志着这一进程的分水岭时刻（Liu & Zhou, 2021）。通过这一框架，政策指南将土地利用优化确立为国家空间治理的核心要求。这种分阶段的制度创新彰显了政府通过精准空间治理协调生态安全、粮食自给和城镇化发展的坚定决心。因此，关于土地利用优化的学术研究不仅具有时效性，更具有政策相关性，为中国新时期空间规划的实施挑战提供了基于证据的解决路径。

土地利用功能评价是量化土地系统在提供生产、生活和生态服务方面综合价值的系统化方法（Long et al., 2022）。它是诊断资源供给与社会需求之间空间错配的关键工具。此前的研究已建立了稳健的方法学框架，尤其是"生产-生活-生态"和"经济-社会-生态"范式（Lyu et al., 2022; Ding et al., 2023; Wang et al., 2023a）。这些框架将多尺度分析操作化，涵盖从国家宏观格局到县域微观动态，并运用指标体系进行空间显式量化。耦合协调与权衡识别等高级分析模型进一步阐明了土地功能之间的复杂相互依存关系（Chen et al., 2021a; Fu & Zhang, 2021; Xie et al., 2021）。它们为协调城乡发展与生态保护提供了实证依据。尽管这些成果为国土空间规划提供了不可或缺的参考，但两个关键局限性依然存在。值得注意的是，许多研究聚焦于诊断阶段，而未明确将研究结果与规范优化方案相衔接。因此，将诊断洞察转化为特定场地的实施路径，对于本地化的土地治理干预仍然是一项挑战。

土地利用建模的最新进展已从传统的趋势外推演进为智能决策框架（Zhang et al., 2022）。例如，该领域已从早期的未来土地利用模拟（FLUS）模型发展到如今广泛采用的补丁生成土地利用模拟（PLUS）模型（Gao et al., 2024）。模拟架构的迭代演进显著增强了空间异质性表征能力（Wang et al., 2022; Wang et al., 2023b）。然而，现有框架在三个方面仍可进一步完善。第一，大多数当前框架采用"情景设计-模拟"范式，在未进行前置诊断阶段的情况下直接进入情景构建（Cao et al., 2024a）。例如，PLUS和FLUS等平台直接分配外生宏观需求，跳过了历史功能诊断，从而使情景与本地化的土地利用冲突脱节。第二，尽管空间优化本质上涉及协调多种发展与保护目标，但现有方法往往侧重于生物物理或社会经济驱动因素（Cao et al., 2024b）。传统的经验模型，包括CLUE-S和CA-Markov，主要基于环境参数建立转换规则，通常将刚性的规划法规作为外生的静态掩膜，而非内部的单元格阻力因子。第三，当前框架往往产生碎片化的优化输出，缺乏闭环反馈机制（Luan et al., 2024）。这种结构性缺陷在标准基于CA的模型中表现为一单向投射。这些模拟将配置结果视为终点而非反馈过程。因此，这种线性范式将诊断发现与情景测试及政策建议脱节。

因此，本研究选择河南省灵宝市作为示范案例研究区。本研究的总体目标是通过开发一套可迁移的分析框架，弥合诊断性功能评价与规范性空间优化之间的鸿沟，从而既为灵宝市提供本地化解决方案，也为全球提供可复制的模板。具体的研究目标有四点：(1) 开发一套集成的"评价-诊断-模拟-优化"（EDSO）土地利用优化框架；(2) 开展多维功能评价，识别当前土地利用配置中的时空错配；(3) 建立将诊断发现与发展规划约束相结合的情景模拟；(4) 制定适应性管理路径，将优化结果转化为可操作的政策工具。该框架的贡献超越了解决灵宝市具体土地利用问题的范畴。更重要的是，它为全球的可持续土地治理和基于证据的空间规划提供了一个可复制的模板。

2. 数据与方法

2.1 研究区

本研究选择中国河南省灵宝市（34°07'–34°44'N, 110°21'–111°11'E）作为代表性研究区域。该市位于河南、陕西、山西三省交汇处，是黄土高原向华北平原过渡的生态敏感区域（图1）。地形呈现明显的"南高北低"空间分异格局：南部为秦岭山脉东延部分，北部为冲积平原。气候特征为暖温带大陆性半湿润季风气候，≥10℃年积温在2400至5480℃·d之间，年降水量在500至900 mm之间。然而，在黄河流域生态保护和高质量发展战略下，该市面临着前所未有的土地利用压力和复杂的规划挑战。一方面，其森林覆盖率显著超过河南省平均的25.47%，因此灵宝是中游黄河重要的水源涵养区。这一生态重要性使得南部山区受到严格的生态红线约束，政策限制建设用地的扩张（Chen & Liu, 2025）。另一方面，人口老龄化问题突出。2020年，60岁以上居民占总人口的20.05%。此外，2020年至2023年间农村人口减少了约7700人，加剧了农村空心化现象。作为中国黄河流域战略下的多功能节点城市，灵宝扮演着双重角色：既是中游黄河的生态屏障，也是农业农村改革的试验区（Zhang et al., 2024）。其重要的战略地理位置和复杂的内部条件使灵宝成为土地利用优化"诊断-模拟-优化"一体化研究的理想案例。

2.2 数据与处理

本研究使用多源异质地理空间数据。数据详情、在EDSO框架中的方法论角色及数据来源见表1。具体而言，为表征2012年至2020年灵宝市的土地利用情况，本研究使用武汉大学发布的长期中国土地覆盖数据集（CLCD）。此前的研究表明，CLCD土地利用数据的分类精度高于MODIS、ESA_CCI和FROM_GLC数据（Yang & Huang, 2021）。因此，该数据集被用作后续所有数据处理的空间基准。

表1 数据集信息与来源

数据名称 | 数据信息 | 在EDSO框架中的角色 | 数据来源
---|---|---|---
CLCD土地利用 | 栅格；30 m | 模拟情景与路径优化 | https://zenodo.org/records/12779975
AOD | 栅格；1 km | 生态功能评价与缺陷诊断 | Google Earth Engine (https://code.earthengine.google.com/)
NTL数据 | 栅格；500 m | 社会功能评价、缺陷诊断 | (Chen et al., 2021b)
人口数据 | 栅格；100 m | 社会功能评价、缺陷诊断与模拟情景 | Google Earth Engine (https://code.earthengine.google.com/)
NPP | 栅格；1 km | 经济功能评价与缺陷诊断 | Google Earth Engine (https://code.earthengine.google.com/)
土壤保持 | 栅格；300 m | 生态功能评价与缺陷诊断 | (Li et al., 2022)
DEM | 栅格；30 m | 模拟情景与路径优化 | Google Earth Engine (https://code.earthengine.google.com/)
NPP | 栅格；500 m | 生态功能评价与缺陷诊断 | 国家地球系统科学数据中心 (https://www.geodata.cn/)
林龄 | 栅格；30 m | 路径优化 | https://doi.org/10.5281/zenodo.8354262
CMIP6数据 | 栅格；30 km | 路径优化 | https://pcmdi.llnl.gov/CMIP6/
月气温 | 栅格；1 km | 模拟情景 | 国家青藏高原科学数据中心 (https://data.tpdc.ac.cn/zh-hans/data/)
月降水 | 栅格；1 km | 模拟情景 | 国家青藏高原科学数据中心 (https://data.tpdc.ac.cn/zh-hans/data/)
水体透明度 | 矢量；/ | 生态功能评价与缺陷诊断 | (Tao et al., 2022)
POI | 矢量；/ | 经济功能评价与缺陷诊断 | 从高德地图抓取
粮食产量 | 统计数据；/ | 经济功能评价与缺陷诊断 | 中国统计年鉴 (https://data.cnki.net/yearBook/)
非农产出密度 | 统计数据；/ | 经济功能评价与缺陷诊断 | 中国统计年鉴 (https://data.cnki.net/yearBook/)
路网 | 矢量；/ | 社会功能评价、缺陷诊断与模拟情景 | 资源环境科学数据中心 (http://www.resdc.cn/)
自然保护区 | 矢量；/ | 模拟情景 | 地理遥感生态网 (https://www.gisrs.cn/)
行政区划 | 矢量；/ | 分区统计与空间掩膜 | 资源环境科学数据中心 (http://www.resdc.cn/)

参考此前研究（Zhang et al., 2019），本研究使用500 m分辨率的净初级生产力（NPP）数据和粮食产量统计数据估算网格尺度的粮食产量，进而分析土地的生产功能。具有良好时空一致性的NPP-VIIRS夜间灯光数据（NTL）已被验证适用于经济发展评估（Chen et al., 2021b; Shi et al., 2023）。本研究使用NTL数据和非农产出密度来分析土地的非农业生产功能。栅格化人口数据反映了土地的人口承载能力。

本研究从2012年至2020年通过高德地图收集了灵宝市的年度兴趣点（POI）数据。为确保时间一致性，所有网络爬取工作均在各年度的9月至12月之间进行。原始分类方案保持一致，消除了潜在的分类偏差。此外，所获取POI数据的属性分类方案在整个研究期间保持一致，有效缓解了基线分类偏差。数据经过格式转换、清洗和坐标变换。删除坐标缺失、ID重复或类别标签不一致的POI。此外，通过空间叠加验证，识别并排除了错误落在建设用地之外的POI，以确保数据保真度。

兴趣点（POI）密度能够高效捕捉不同社会经济设施的活力和产业集聚强度（Chen & Liu, 2025）。为与国家空间规划中的土地利用分类保持一致，本研究参照了自然资源部于2020年11月发布的《国土空间调查、规划、用途管制用地用海分类指南》。根据该指南，原始的POI类别，如餐饮服务、购物服务、体育休闲、住宿服务和生活服务，被合并重新分类为商业休闲设施。类似地，与公共设施相关的POI类型被归入公共服务设施。

对于每个30米网格，分别计算这两类兴趣点（POI）的密度，以表征休闲娱乐服务和公共服务的空间供给水平。此外，气溶胶光学厚度（AOD）被用作大气代理指标，以诊断颗粒物污染带来的环境胁迫；净生态系统生产力（NEP）则直接量化当地生物量的净碳汇能力（Lee等，2022）。同时，土壤保持和水体透明度对于评估生态敏感流域内的水土保持效能和水生态系统退化状况不可或缺。因此，本研究采用1公里分辨率的MODIS气溶胶光学厚度（AOD）数据来表征大气污染状况。此外，本研究使用净生态系统生产力（NEP）数据、土壤保持量和水体透明度，分别分析植被碳汇功能、内陆水体保护状况和土壤保持状况。

此前的实证研究已表明，不同道路等级下的社会经济可达性从根本上塑造了农村土地利用扩张在空间异质性上的方向和强度（Qi等，2026）。本研究利用路网数据计算道路密度，直接反映交通区位优势。此外，将路网数据分为高速公路、国道、省道、县道、乡道和城镇道路，并计算每个30米网格单元到道路的距离。采用数字高程模型（DEM）数据提取坡度信息。同时，温度和降水的变化决定了局部植被适宜性和长期土地利用转型。温度计算为12个月月度气温的均值，降水量由月度降水量的累加得出。此外，水体和自然保护区作为刚性的生态约束，限制盲目的空间扩张。将CLCD土地利用数据中的水体和自然保护区转换为栅格图层，并将其作为约束因子纳入后续PLUS模型模拟。

选用CMIP6 SSP1–2.6情景下的气候变量（温度、降水、太阳辐射、氮沉降）模拟未来情景下植被碳汇能力。事实上，这些CMIP6投影路径已被广泛应用于空间分配和宏观生态模型中，以模拟区域气候变化对土地系统可持续性的影响（Xiong等，2026）。此外，获取30米分辨率的林龄栅格数据，用于计算森林碳汇和森林轮伐周期。该数据基于大量地面实测数据和机器学习算法计算得出，具有高可靠性，相关R2验证值稳定在0.51至0.63之间，确认了可接受的统计精度（Cheng等，2024）。

为确保多源数据集之间的可比性和一致性，本研究实施了统一的空间预处理流程。首先，将所有空间数据统一投影至WGS 1984 / UTM Zone 48 N坐标系，并使用标准化的配准流程进行空间对齐。其次，对原生分辨率粗于30米的栅格变量采用三次卷积插值方法。值得注意的是，这些操作仅旨在实现空间建模框架所需的严格栅格对齐，并非本质上提升原始数据集的物理精度。此外，涵盖2012–2020年的历史数据集在ESCO框架内被全面应用。同时，2022年土地利用数据在多情景模拟的特定阶段用于验证。

2.3 统计分析

2.3.1 研究框架

人地关系理论的核心思想是揭示人类活动与地球系统之间的双向反馈（Liu，2020；Liu等，2024）。人类作为主动的施动者，通过生产、生活活动和资源开发重塑地表环境。与此同时，地球系统通过资源限制、生态阈值和环境承载力等反馈调节人类行为（Liu等，2025；Morris等，2025）。这一过程形成了"人类行为—系统反馈—动态适应"的逻辑链条，决定了人地协调度。土地是人类与地球系统之间的直接界面，其生产、生态和社会功能的演变反映了这种相互作用。土地功能的耦合状态指示人地系统的协调程度，而其动态变化则展示了从不平衡向更高协调度演进的路径。因此，土地利用功能调控也需要遵循人地协调理论的整体性和动态性原则。

基于上述理论逻辑，本研究提出了一个集评价—诊断—模拟—优化（EDSO）于一体的框架，以应对土地利用功能调控问题（图2）。该框架包含四个关键步骤。第一，从经济、社会和生态维度选取十个代表性指标，量化土地利用多功能性。第二，基于这些指标的时间序列分析，揭示土地利用功能失衡的核心症结。第三，基于诊断结果和灵宝市国土空间规划，利用PLUS模型模拟自然演变、农村土地综合整治和综合优化三种情景。模拟过程结构如下：(1) 从历史土地利用变化中计算驱动因素的贡献度和发展概率；(2) 应用PLUS模型复现2022年土地利用格局，与观测数据进行验证以确保可靠性；(3) 基于诊断结果和地方空间规划，模拟2035年的三种渐进情景；(4) 计算三种模拟土地利用情景下的生态系统服务价值和经济价值。第四，客观比较三种情景下的景观格局指标和土地利用效益，识别最优情景。基于最优情景，将其与当前土地利用条件进行对比评估，并纳入森林轮伐规划以支撑2060年碳中和目标，最终确定精细化的土地利用优化方案。与主要关注空间格局复现的传统土地利用模拟方法相比，EDSO框架融合了功能诊断和基于情景的优化，从而将土地利用模拟从以格局驱动的过程转变为以问题为导向、以协调为驱动的决策支持框架。

图2. 本研究的土地利用EDSO框架。

2.3.2 土地利用功能评价矩阵的构建

本步骤着重于刻画土地利用多功能性，从而为后续潜在问题的识别奠定基础。遵循中国当前国家战略和空间规划指导方针，借鉴既有研究，构建了土地利用功能评价矩阵（Zhang等，2019；Lyu等，2022；Fan等，2023；Qu等，2023）。

该矩阵采用"经济—社会—生态"视角，涵盖三大功能和十个子功能，并选取多个代表性指标来表征土地利用功能（表2）。为系统地组织这些多源数据集，在分析之前对矩阵中实施了选择性极值标准化。具体而言，对道路密度和AOD进行了标准化处理，前者涉及巨大的跨区域变异，后者进行了逆转换以与其他正向生态指标方向一致。相反，其余指标保留原始物理单位，以忠实反映真实的本地土地利用能力。具体而言，经济功能包括农业生产和非农业生产，分别用粮食产量和非农产出密度衡量。这些指标值越高，反映区域经济产出越强劲、产业集聚能力越强。社会功能包括四个子功能：人口承载力、休闲娱乐供给、公共服务供给和交通优势，分别由人口密度、商业休闲设施密度、公共服务密度和道路密度表征。这些指标值越高，表明社会资源配置越优、服务可达性越强、人口承载和公共服务供给能力越高。此外，生态功能涵盖四个方面：大气环境、植被碳汇、水资源保护和土壤保护，对应的代表性指标分别为AOD、NEP、水体透明度和土壤保持量。NEP、水体透明度、土壤保持量的值越高，以及经过逆标准化处理的AOD值越高，分别代表碳汇能力增强、水环境更健康、土壤保持更好和大气质量改善。

表2. 土地利用功能评价矩阵

| 主要功能 | 子功能 | 指标 | 方法参考 |
|---------|--------|------|---------|
| 经济功能 | 农业生产 | 粮食产量 | （Zhang等，2019） |
| | 非农业生产 | 非农产出密度 | （Zhang等，2019） |
| 社会功能 | 人口承载力 | 人口密度 | |
| | 休闲娱乐供给 | 商业休闲设施密度 | （Fan等，2021；Lyu等，2022） |
| | 公共服务供给 | 公共服务密度 | （Fan等，2021；Lyu等，2022） |
| | 交通优势 | 道路密度 | （Zhang等，2019） |
| 生态功能 | 大气环境 | AOD | |
| | 植被碳汇 | NEP | |
| | 水资源保护 | 水体透明度 | （Tao等，2022） |
| | 土壤保护 | 土壤保持量 | （Li等，2022） |

2.3.3 时间序列特征化方法

本步骤通过对功能指标的时间序列分析，动态诊断土地利用功能演变，识别内在的功能性问题。时间序列分析结合Sen斜率趋势分析与Mann-Kendall检验（Chen等，2025）。与要求数据正态分布且对异常值敏感的参数回归方法不同，这种非参数组合方法能稳健处理空间网格中典型的非正态分布和缺失值。Sen斜率不依赖于数据分布，适用于各类时间序列数据。Sen斜率的计算公式为：

(1) $SP_{ij} = \frac{y_j - y_i}{x_j - x_i}$

(2) $Sen = Med(SP_{ij})$

其中$SP_{ij}$是点$(x_i, y_i)$与点$(x_j, y_j)$之间的斜率，其中$i < j$。

Mann-Kendall检验是一种用于检测时间序列数据趋势的非参数统计方法。Mann-Kendall检验的计算公式为：

(3) $Z = \begin{cases} \frac{S}{\sqrt{Var(S)}} & (S > 0) \\ 0 & (S = 0) \\ \frac{S+1}{\sqrt{Var(S)}} & (S < 0) \end{cases}$

(4) $S = \sum_{i=1}^{t-1} \sum_{j=i+1}^{t} sgn(x_j - x_i)$

(5) $sgn(x_j - x_i) = \begin{cases} 1 & x_j - x_i > 0 \\ 0 & x_j - x_i = 0 \\ -1 & x_j - x_i < 0 \end{cases}$

(6) $Var(S) = \frac{t(t-1)(2t+5)}{18}$

其中$Z$为检验统计量。为控制大规模空间网格同时统计推断中固有的假阳性问题，本研究实施了多重检验校正程序。具体而言，采用了基于Benjamini-Hochberg算法的假发现率（FDR）校正方法，该方法在基于像元的地理建模中已被广泛认可，因其能在假阳性控制与统计功效之间取得平衡（Das，2026）。具体地，将Mann-Kendall检验所得的所有有效空间像元原始$p$值按升序排列（$p_1 \leq p_2 \leq \cdots \leq p_m$）。显著性阈值调整如下：

(7) $\max\{i: p_i \leq \frac{i}{m}\alpha\}$

其中$i$为$p$值的秩，$m$为同时进行的像元级检验总数，$\alpha$为名义显著性水平（设为0.05）。满足该标准的像元表现出统计显著的趋势。该校正独立应用于每个土地利用功能指标。

2.3.4 土地利用模拟与评价

本研究采用PLUS模型模拟斑块尺度的土地利用变化。利用随机森林算法计算转移概率并评估驱动因素的贡献（Zhang等，2022）。CLUE-S、CA-Markov和FLUS等替代模型在处理非线性关系和斑块新生方面存在困难。相比之下，PLUS模型整合了LEAS和CARS算法，能更有效地揭示转移规则并复现真实的斑块生长过程。因此，该工具被广泛应用于土地规划、生态学和生态系统服务评估领域。

2.3.4.1 历史土地利用驱动因素与模型精度

分析历史土地利用变化需要选取适当的驱动因素。选取遵循可达性、空间变异性、相关性和可量化性等多个原则。基于既有研究和研究区特征（Zhang等，2022；Yu和Bing，2023），从四个方面收集了13个影响因素：地形、气候、社会经济和交通因素。具体而言，地形因素包括高程和坡度；气候因素包括温度和降水量；社会经济因素包括人均GDP和人口密度；交通因素包括到高速公路、国道、省道、县道、乡道、村道、城镇道路和乡镇中心的距离。

基于灵宝市2012至2020年的历史土地利用变化和13个驱动因素，计算了各因素的贡献度和各土地利用类型的发展概率。采用均方根误差（RMSE）验证各土地利用类型发展概率的可靠性。公式如下：

(8) $RMSE = \sqrt{\frac{1}{n}\sum_{i=1}^{n}(y_i - y'_i)^2}$

其中$n$为数据点总数，$y_i$为观测值，$y'_i$为预测值。RMSE越小表明预测精度越高。

将模拟结果与观测土地利用数据进行对比，以评估模型精度。Kappa系数和总体精度（OA）是广泛使用的用于评估预测与观测之间一致性的指标。计算公式如下：

(9) $Kappa = \frac{P_a - P_b}{1 - P_b}$

(10) $OA = \frac{\sum_{i=1}^{N} TP_i}{\sum_{i=1}^{N}(TP_i + FN_i + FP_i)}$

其中$P_a$为正确模拟的网格单元比例，$P_b$代表正确模拟网格单元的期望比例。$TP_i$代表类别$i$的真阳性数量，$N$为总类别数。$FN_i$和$FP_i$分别代表类别$i$的假阴性和假阳性数量。

为确保模拟结果的可靠性，在正式情景分析之前进行了严格的模型验证。模拟结果表明预测与实际土地利用分布高度一致。对于面积最大的耕地和林地，预测偏差仅为4.73%和2.56%（表3）。

灵宝市耕地、灌木地和草地面积持续下降，而林地、城市建成区和乡村建成区面积保持稳定增长。此外，城市和乡村建成区的预测值与观测值之间表现出高度一致。这些发现证实了模型的稳健性及其适用于后续模拟实验。2035年土地利用需求的具体配置见补充材料S1表3。

2022年灵宝市土地利用需求预测。
空值 耕地 林地 灌木地 草地 水域 城市建成区 乡村建成区
实际值 1599.65 1676.13 7.83 158.72 53.26 26.13 133.18
预测值 1524.00 1719.00 6.00 193.00 53.00 25.00 137.00
偏差 4.73% 2.56% 23.40% 21.60% 0.49% 4.33% 2.87%

2.3.4.2. 情景设计与参数推导

通过整合土地利用功能诊断结果与灵宝市空间规划，建立了2035年土地利用模拟模型。设定2035年为目标年份，原因有二。首先，该时间点与国土空间规划实施阶段相一致。其次，该时期与新型城镇化和乡村振兴的叠加效应相吻合，为土地利用优化提供了支撑。

为了量化PLUS模型的诊断结果，我们为综合情景定义了一种动态邻域权重调整机制。该值利用由历史斜率推导的功能缺口来校准每种土地利用类型的邻域权重，从而反映人为干预下的空间扩张强度。

（11）
在该公式中，表示自然演变情景的基准邻域权重。表示功能显著缺口区域的斜率。是用于消除量纲差异的斜率范围。是指定空间竞争调整方向的干预指示函数。对于限制性干预，我们设定以削弱扩张潜力。对于激励性干预，我们设定以增强目标地类在空间上的竞争优势。这种映射确保功能缺口的幅度精确决定特定土地利用类型的空间增长概率，使模拟能够地理性地响应历史退化模式。详细的参数推导见补充材料S2-S4。

土地利用诊断结果和空间规划指导PLUS模型内目标的调整，从而设计了三种渐进式情景。这创建了一个涵盖现状延续、局部优化和全面优化的梯度模拟框架。

自然演变。在自然演变情景下，土地利用动态遵循历史轨迹。基于灵宝市（2012-2020年）土地利用变化的时空模式，并将水体和自然保护区作为约束因子，PLUS模型模拟了2035年土地利用分布，作为后续优化情景的基准参考。每种土地利用类型的初始邻域权重根据现有研究（Zhang等，2020，Zhang等，2022，Wang和Peng，2023）确定，并随后进行了归一化（表4）。

表4. 各土地利用类型的邻域权重。
情景 耕地 林地 灌木地 草地 水域 城市建成区 乡村建成区
自然演变 0.1100 0.2200 0.0600 0.0500 0.00 0.2800 0.2800
农村土地整理 0.1100 0.2200 0.0600 0.0500 0.00 0.2800 0.2800
全面优化 0.1827 0.2691 0.0600 0.0009 0.00 0.2277 0.2596

农村土地整理。土地利用功能诊断揭示了农村人口大量外流，同时乡村建成区面积大幅扩张，导致许多房屋空置。由于居民缺乏，许多房屋逐渐破败，导致土地资源浪费，并对乡村景观和可持续发展产生负面影响。此外，大量耕地仍位于坡度超过25°的区域，不适合耕种。对此，灵宝市空间规划要求到2035年将这些陡坡耕地转化为林地。同时，灵宝市空间规划提出了闲置农村宅基地的修复和再利用策略。该规划明确呼吁搬迁少于20户的村庄，以增强集聚效应并优化建成区布局。

因此，基于这些诊断结果和规划策略，通过将诊断见解输入PLUS模型构建了农村土地整理情景。在自然演变情景的基础上，该情景限制乡村建成区的无序扩张，并系统地整合零散的建成区和坡耕地。具体而言，在森林、灌木地、草地和水域等生态区域内禁止新增乡村建成区。该规划还规定每户农村宅基地上限为200平方米。因此，以200平方米和20户为阈值，该情景优化现有面积小于4000平方米的建成区。此外，土地利用重新分类优先考虑邻近原则以提高集聚效率。对于坡度超过25°的耕地，实施耕地还林等措施以促进生态恢复和可持续土地利用。

全面优化。在本研究中，"全面优化"情景建立在自然演变和农村土地整理情景之上。它根据土地利用功能诊断中确定的关键问题设定优化目标。这一综合情景同时解决三个核心目标：生态恢复、农业保护和城乡发展。

诊断分析揭示了几个关键挑战：（1）农村建设扩张侵占优质耕地；（2）农村人口外迁导致的普遍性宅基地空置；（3）农村商业、娱乐和公共服务设施持续衰退所反映的功能退化；（4）灵宝中西部、东部和南部地区碳汇能力减弱。这些发现表明存在农业脆弱性和生态退化的双重压力，凸显了进行空间优化以提高土地利用效率和碳封存潜力的紧迫性。

为解决这些问题，全面优化情景引入了有针对性的空间监管策略（表4）。我们直接从定量诊断结果中推导模拟参数。具体而言，显示功能缺口的区域记录的粮食产量平均下降率为5.23%，NEP（净生态系统生产力）为4.91%，人口密度为1.69%。此外，商业和休闲设施以及公共服务分别下降了0.12%和0.23%。这些功能下降主要与特定的土地利用转变相关。这些包括耕地转为城市建成区、林地转为草地以及耕地转为乡村建成区。我们利用邻域权重调整机制（公式10）来缓解这些趋势。通过将观察到的下降率作为功能缺口输入，我们完善了全面优化情景的参数。这一过程确保空间优化直接响应已识别的功能不平衡。

此外，为证明到2035年预测的稳健性，耕地和乡村建成区的邻域权重调整了±10%（补充材料S5）。在这些全面优化情景变化下，模拟的土地利用类型分类几乎保持不变。

2.3.4.3. 土地利用模拟结果评估

尽管采用了渐进式情景设计，模拟结果质量仍需进一步评估。情景假设与模拟的一致性仍有待验证。本研究通过景观格局和土地利用价值双重分析客观识别最优情景。景观格局分析是评估优化效果和空间效率的关键技术路径。选择了四个核心指标：斑块数量、平均斑块面积、聚集度指数和破碎度指数。这些指数定量表征了优化土地利用配置下的景观异质性。所有指标均使用Fragstats 4.2计算，参数严格遵循景观生态学标准，确保空间可比性和过程可解释性。为严格验证跨情景的结构差异，我们进一步在MATLAB中引入了空间移动窗口Wilcoxon符号秩检验。这一非参数框架提取局部连续指标向量，将替代情景直接与基准进行比较。最终统计显著性水平明确嵌入在指标数据矩阵中。这一整合的空间统计方法成功地确保了高度的空间可比性、统计有效性和过程可解释性。

此外，土地利用效益评估基于经济价值和生态系统服务价值核算方法。经济价值使用PLUS模型中嵌入的效益函数进行量化。衡量生态系统服务价值的模型如下：

（12）
其中SV代表生态系统服务价值，是土地利用类型k的面积，是单位面积生态系统服务价值当量因子的经济价值，是土地利用类型k的生态系统服务价值当量系数，基于先前的研究（Xie等，2015）。

使用本地农业数据进行区域校准。具体而言，等于河南省单位面积粮食平均年市场价值的1/7。为消除年际价格波动对生态系统服务价值评估的影响，本研究使用2020年河南省粮食市场价格进行标准化计算。计算模型（Xie等，2015）定义为：

（13）
其中n代表不同的作物（水稻、小麦和玉米），是作物i的产量，是作物i的价格，m是所有作物的总播种面积。河南省生态系统服务价值当量因子的经济价值计算为2319.4元人民币/公顷。

此外，估值结果本身包含参数敏感性风险。为解决这些数据局限性，实施了10,000次迭代的蒙特卡洛模拟。该程序在所有经济和生态单价系数中引入了±10%的标准差参数扰动。最终汇总预测以严格的95%置信区间完全制表。

2.3.5. 土地利用优化路径构建

基于最优模拟结果，提出了空间重构和功能重新配置的最优路径。通过将模拟的最优情景与2020年数据叠加，准确识别了重新造林和乡村建成区整合区域。土地利用模拟捕捉了空间模式，但忽略了属性动态，如由森林年龄结构异质性引起的碳汇变化。功能诊断显示，灵宝中西部地区的森林碳汇停滞不前，并出现局部下降。为实现中国2060年碳中和目标，精确的碳核算需要超越传统的土地分类框架。虽然国家尺度研究建立了1公里分辨率的采伐轮伐方案（Xu等，2023），但实际实施需要更高的分辨率。基于优化的土地利用预测，本研究制定了与中国2060年陆地碳汇峰值目标相一致的森林采伐轮伐计划。

与简单的经验模型相比，随机森林回归通过集成决策树在建模植被碳动态方面表现出色，能够有效处理非线性关系和数据噪声（Cheng等，2024）。因此，本研究使用随机森林算法模拟30米分辨率下的植被碳汇动态。先前的研究表明，生态系统碳汇动态受多种气候因子的共同调节，如温度、降水、辐射通量和氮沉降（Niu等，2017）。该模型使用观测到的碳汇数据结合森林年龄、DEM以及多种气候驱动因子（温度、降水、辐射和氮沉降）进行训练（Niu等，2017）。这些变量的重要性得分可在补充材料S6中找到。

为将模型与未来气候情景耦合，本研究纳入了2035年和2060年的预测气候变量作为输入数据。CMIP6数据集提供了五个共享社会经济路径情景，其中SSP1-2.6与中国向低碳和可持续发展长期趋势最为一致（Xu等，2023）。因此，选择了SSP1-2.6情景下的温度、降水、太阳辐射和氮沉降等气候变量并进行了处理。这些变量被降尺度并插值到30米空间分辨率，以确保与土地利用和植被数据的一致性。通过用基于情景的预测替代基线气候变量，该模型动态模拟了未来气候条件下不同类型森林的潜在碳汇峰值。这种方法不仅捕捉了气候变化对森林碳动态的空间影响，还支持了分阶段采伐-造林协调方案和以2060年实现碳汇最大化为目标的空间明确的森林管理策略的开发。

3. 结果

3.1. 土地利用功能多维评估

2012年至2020年，灵宝市土地利用格局总体保持稳定，但表现出明显的结构调整（图3）。耕地主要分布在灵宝市北部和南部山区，而林地集中在南部丘陵地区。虽然耕地和林地继续占据景观主导地位，耕地和林地继续占据景观主导地位。然而，耕地面积从2012年的1636.84平方公里下降到2020年的1614.00平方公里。这一减少伴随着建成区的持续扩张，84.95%的新增建成区面积源自原耕地。同时，林地大幅增加114.55平方公里，主要通过草地（66.11平方公里）和耕地（71.36平方公里）的转化实现。这一转变在空间上与区域生态保护和森林修复举措的实施时期相一致，同时也暗示了一些山区耕地上存在农业弃耕现象。此外，城市和乡村建成区面积稳定扩张了23.29平方公里（17.71%）。

灵宝市农村建设用地占此次增量的20.11 km2（86.36%），表明灵宝市农村建设与功能重构存在协调共进的过程。下载：下载高分辨率图片（1MB） 下载：下载完整图片 图3. 初始土地利用类型的演变特征。本研究采用多维评估矩阵对灵宝市各土地利用功能进行了评估。从空间分布来看，2020年灵宝市的土地利用功能呈现出显著的空间异质性（图4）。粮食产量范围为165至1046 t/km2，北部区域产量高于中南部区域。这可能与北部属于黄淮海平原而南部为山地有关。此外，非农业产出密度、人口密度、商业休闲设施、公共服务及道路密度均集中在北部城镇和乡镇地区。城镇地区的数值显著高于农村地区。这表明北部地区长期受到经济优先政策影响，存在城乡发展差距。同时，逆标准化气溶胶光学深度（AOD）和土壤保持力呈现北低南高的分布格局。南部山区的逆标准化AOD和土壤保持力值分别约为0.8和1200，而北部仅为0.6和60左右。这一格局反映出南部山地生态系统大气颗粒物污染较低，土壤稳定能力较强。此外，植被碳汇率在空间上也存在差异。南部丘陵地区森林碳汇达到600 g C m?2 yr?1，而中南部和东部森林区域则明显较低，约为400 g C m?2 yr?1。差异可能源于各区域森林组成结构的不同。下载：下载高分辨率图片（847KB） 下载：下载完整图片 图4. 土地利用功能强度的空间分布。3.2 土地利用功能诊断。从时空视角来看，时空分析揭示了灵宝市土地利用功能存在显著的正向和负向效应（图5）。2012至2020年，灵宝市非农业产出密度和道路密度分别显著上升23.09%和91.73%，增长主要集中在北部。与此同时，全市逆标准化AOD值增加了3.72%。这一正向趋势表明，在经济与交通发展的同时，环境也在实现微妙但可验证的优化。此外，黄河流域水透明度从2012年的1.72提升至2020年的2.76，期间几乎翻倍。这一改善反映了水土保持措施的加强和水质管理的改善。此外，土壤保持力的增加呈现北低南高的空间格局，灵宝南部增长尤为明显。下载：下载高分辨率图片（1MB） 下载：下载完整图片 图5. 土地利用功能的演变特征，置信水平95%的统计显著性（黑点）。然而，在粮食生产、人口密度、商业休闲设施、公共服务和植被碳汇方面则出现了局部下降。尽管灵宝市粮食总产量从2012年的219,438吨增至2020年的249,577吨（增长13.73%），但仍有4.36%的耕地面积减少。该减少主要集中于灵宝西部的玉灵镇周边以及南部山区耕地-林地过渡带。土地利用变化表明，建设用地扩张和废弃坡耕地转为林地导致粮食产量下降。此外，灵宝市从2012年到2020年人口减少了约13.9万人。空间上，仅有36.25%的区域实现人口增长，主要集中在城镇中心。然而，人口下降影响面积达到90.76 km2，其中农村地区占该人口下降区域的84.08%。这表明灵宝市农村人口流失严重。2012至2020年，灵宝市商业休闲设施和公共服务呈现显著城乡差距。两者增长区域分别占29.45%和23.87%，集中于城镇和乡镇中心。相比之下，商业休闲设施下降区域占4.75%，公共服务下降区域占7.85%，主要位于农村地区。这反映出商业和公共服务进一步向城镇和乡镇中心集中，而农村地区逐渐弱化。2012至2020年，灵宝市总碳汇从79.12 Gg波动上升至82.21 Gg，增幅3.91%。空间上，碳汇增长区域占89.75%，其中植被和耕地贡献率分别为57.68%和42.31%。然而，碳汇下降或持平的区域分别占2.55%和7.7%，主要集中在中西部和南部区域。植被碳汇在森林达到一定树龄后趋于下降，表明这些区域存在潜在下降风险。根据土地利用功能分析，灵宝市农村建设用地扩张侵占优质耕地，农村人口外流导致农村聚落出现大面积空置。此外，农村地区商业休闲设施和公共服务设施逐步减少，表明土地利用效率低下和废弃现象。从空间分布和时序变化来看，灵宝中西部和东部以及南部区域的碳汇显著偏低且呈减弱趋势。为实现中国2060年碳中和目标，政府需要采取措施优化土地利用并增强植被碳汇。基于上述问题及国家政策，进一步设计了目标导向的土地利用优化情景。3.3 土地利用模拟与评估 3.3.1 土地利用发展概率与模型精度。本研究采用13个关键驱动因子量化了2012—2020年土地利用变化的驱动力贡献率。具体而言，耕地变化显著受海拔、距乡村道路距离和坡度影响，贡献率分别为12.68%、12.67%和10.82%（图6a）。这表明低坡度且靠近农村聚落的耕地更易发生转化。对于林地变化，海拔和距乡村道路距离为主要驱动因子，贡献率分别为13.71%、10.29%和10.64%（图6b）。此外，灌丛和草地变化主要受距省道距离驱动，贡献率分别为18.09%和12.41%（图6c、d）。下载：下载高分辨率图片（482KB） 下载：下载完整图片 图6. 各驱动力对土地利用类型变化的贡献。就城市建设用地变化而言，2012至2020年期间发生扩张，GDP对这一变化的贡献率为31.89%（图6e）。这表明经济增长是城市扩张的主要驱动力。相比之下，农村建设用地扩张主要受海拔影响（23.86%），其次为坡度（14.60%）和GDP（11.79%）（图6f）。农村建设用地增长大部分来自耕地转化。这一格局预示着农业生产力和土地利用可持续性存在潜在风险。本研究进一步基于土地利用演变和驱动因子贡献，计算了灵宝市不同土地利用类型的发展概率。林地、耕地、草地、农村建设用地、灌丛和城市建筑用地的RMSE分别为0.17、0.15、0.10、0.05、0.04和0.02。这些较小的误差表明土地利用发展概率的估计高度可靠。空间上，高耕地发展概率聚集于耕地与林地过渡带，其特征为地势平坦、道路通达且靠近农业基础设施（图7）。林地、灌丛和草地的高发展概率位于灵宝市南部。这些区域原本林地、灌丛或草地分布密集，且地形气候条件良好、人类活动相对较少。城市建设用地概率集中在城市核心区。农村建设用地高发展概率与现有耕地分布高度一致。下载：下载高分辨率图片（663KB） 下载：下载完整图片 图7. 各土地利用发展概率。模型精度通过混淆矩阵（表5）将2022年模拟土地利用数据与实测数据进行比较验证。结果显示Kappa系数为0.8422，总体精度为0.9055。这表明PLUS模型在模拟灵宝市土地利用变化方面具有较高的预测精度。因此，该验证确认了PLUS模型在预测灵宝市未来土地利用情景方面的适用性。表5. 2022年实际土地利用与预测结果的混淆矩阵。空白单元格 | 耕地 | 林地 | 灌丛 | 草地 | 水域 | 城市建设用地 | 农村建设用地 | 总计 耕地 | 8190 | 854 | 524 | 612 | 603 | 711 | 2489 | 833 林地 | 351 | 785 | 160 | 152 | 127 | 700 | 1290 | 118 灌丛 | 29 | 199 | 103 | 64 | 0 | 0 | 0 | 395 草地 | 182 | 0 | 25 | 191 | 156 | 190 | 0 | 0 | 1141 | 659 水域 | 0 | 0 | 0 | 0 | 2959 | 0 | 0 | 2959 城市建设用地 | 176 | 0 | 0 | 30 | 134 | 10 | 152 | 0 农村建设用地 | 127 | 119 | 0 | 30 | 6762 | 1375 | 73 Total | 8872 | 1933 | 4941 | 6880 | 32959 | 14467 | 36320 | 57 Kappa = 0.8422 OA = 0.9055 3.3.2 土地利用多情景模拟。基于土地利用发展概率和驱动因子，PLUS模型模拟了2035年土地利用情景。空间上，各情景土地利用格局保持稳定，未出现显著波动或突变（图8）。时间上，耕地延续历史下降趋势，在自然演化情景（情景1）、农村土地整治情景（情景2）和综合优化情景（情景3）下，面积分别为1370.49 km2、1375.14 km2和1378.62 km2（表6）。分别减少243.51 km2、238.86 km2和235.38 km2。这一减少由城市或农村建设用地扩张以及坡耕地转林地所致。下载：下载高分辨率图片（1MB） 下载：下载完整图片 图8. 2035年多情景土地利用模拟结果。表6. 2035年各情景下灵宝土地利用变化。类型 | 2020 | 2035 | 2020-2035土地利用变化 情景1 | 情景2 | 情景3 | 情景1 | 情景2 | 情景3 耕地 | 1614.00 | 1370.49 | 1375.14 | 1378.62 | ?243.51 | ?238.86 | ?235.38 林地 | 1617.00 | 1892.28 | 1892.28 | 1961.24 | 275.28 | 275.28 | 344.24 灌丛 | 11.81 | 6.44 | 6.44 | 1.07 | ?5.37 | ?5.37 | ?10.74 草地 | 205.53 | 137.30 | 137.30 | 74.73 | ?68.23 | ?68.23 | ?130.80 水域 | 53.26 | 53.26 | 53.26 | 53.26 | 0.00 | 0.00 | 0.00 城市建设用地 | 24.70 | 27.84 | 27.84 | 27.77 | 3.14 | 3.14 | 3.07 农村建设用地 | 130.05 | 168.73 | 164.09 | 159.65 | 38.68 | 34.04 | 29.60 对于林地，三个情景分别增加275.28 km2、275.28 km2和344.24 km2。空间上，林地趋于集中，在综合优化情景下尤为明显。虽然灌丛和草地面积减少，大部分转化为林地，但生态用地总面积显著增加。这一趋势反映了灵宝生态功能的增强，尤其在碳汇和水土保持等生态系统服务方面。城市建设用地在各情景下均呈增长趋势，主要向外扩张。三个情景中，城市建设用地分别增加3.14 km2、3.14 km2和3.07 km2，反映缓慢但稳步的扩张。对于农村建设用地，虽然各情景下继续扩张，但增长率逐渐下降。在自然演化、农村土地整治和综合优化情景下，农村建设用地面积分别达到168.73 km2、164.09 km2和159.65 km2，增加量分别为38.68 km2、34.04 km2和29.60 km2。在农村土地整治和综合优化情景中，农村扩张集中在现有乡镇和主要农村聚居点周围。零散孤立的农村建设斑块逐渐转化为其他用地类型。这些情景中增长率的放缓表明农村土地开发正向集中化、理性化管理转变。3.3.3 土地利用景观格局与价值效益。三个情景中耕地、林地和农村建设用地的景观格局指数差异显著（表7）。具体而言，综合优化情景下耕地斑块数最少（14,657），平均斑块面积最大（9.48 ha），破碎化指数最低（33.93）。这表明空间格局更加连续，斑块间连接紧密，景观连通性更高。反映了耕地空间配置的改善和土地利用效率的提升。对于林地，综合优化情景同样呈现更为集中稳定的空间格局。林地斑块数为6378，破碎化指数为19.95，均显著低于自然演化和农村土地整治情景。此外，林地平均斑块面积为39.94 ha，比情景1和情景2大10.38 ha。这表明林地空间集中度更高，增强了生态系统的完整性和连通性。农村土地整治和综合优化情景下的农村建设用地呈现集聚空间格局。两个情景的斑块数分别为2198和2179，显著低于情景1的5642个斑块。平均斑块面积分别为7.47 ha和10.15 ha，均显著大于自然演化情景（2.99 ha）。此外，综合优化情景的景观聚集度指数高于农村土地整治情景，破碎化指数更低。综合优化情景表现出更高的空间整合性，促进土地资源更高效利用。表7. 2035年各情景下景观特征。类型 | 情景 | NP | MPA (ha) | AI | FN 耕地 | 情景1 | 14701 | 9.32 | 10.09 | 34.99 情景2 | 14696 | 9.36 | 10.09 | 34.57 情景3 | 14657 | 9.48 | 10.10 | 33.93 林地 | 情景1 | 6402 | 29.56 | 8.93 | 23.16 情景2 | 6402 | 29.56 | 8.93 | 23.16 情景3 | 6378 | 39.94 | 9.39 | 19.95 灌丛 | 情景1 | 285 | 10.23 | 9.81 | 0.95 情景2 | 285 | 10.23 | 9.81 | 0.95 情景3 | 2960 | 0.24 | 9.29 | 0.10 草地 | 情景1 | 18695 | 0.73 | 9.25 | 18.07 情景2 | 18695 | 0.73 | 9.25 | 18.07 情景3 | 18736 | 0.45 | 8.81 | 11.04 水域 | 情景1 | 19926 | 7.77 | 7.88 | 1.60 情景2 | 19926 | 7.77 | 7.88 | 1.60 情景3 | 19926 | 7.77 | 7.88 | 1.60 城市建设用地 | 情景1 | 1278 | 3.52 | / | 0.39 情景2 | 1278 | 3.52 | / | 0.39 情景3 | 1246 | 7.44 | / | 0.39 农村建设用地 | 情景1 | 5642 | 2.99 | 9.09 | 14.33 情景2 | 2198 | 7.47 | 9.23 | 13.86 情景3 | 2179 | 10.15 | 9.14 | 12.97 注：**表示与情景1相比，在0.01水平上（p < 0.01）通过空间Wilcoxon符号秩检验具有显著差异。无星号的值表示非显著变化（p ≥ 0.05）。基于生态系统服务价值评估模型和经济利益功能函数，灵宝市土地利用价值在2035年各情景间存在显著差异。在生态价值方面，三个情景下生态系统服务总值分别升至13.08、13.09和13.37亿CNY，较2020年（11.94亿CNY）增长9.55%—11.98%。综合优化情景实现最高净增1.43亿CNY，生态效益最为显著（表8）。

空间分解显示，在所有情景下农田生态价值均呈下降趋势，下降幅度为22–23亿元。这主要是由于建设用地持续扩张，导致农田资源减少。与此同时，在综合优化情景下，林地、灌木地和草地的生态价值增幅最大，达到16.4亿元。这证实了空间优化策略的生态效益。经济价值评估显示，2035年自然演变情景产生的总经济价值最高，达640.7亿元，比2020年增加44.9亿元。农村土地整理情景和综合优化情景分别达到640亿元和640.1亿元（表9）。值得注意的是，自然演变情景下城乡建设用地扩张幅度最大，同时农田和林地损失也较为严重。然而，其总经济价值仅比综合优化情景高0.06亿元（0.09%）。相比之下，综合优化情景的生态价值比自然演变情景高出0.01亿元。进一步的空间分析显示，综合优化情景通过空间聚类优化有效缓解了开发斑块的破碎化。其显著的"经济-生态"协同效应为土地利用优化提供了更具系统性的决策支持。表8. 2035年不同情景下土地利用的生态价值变化。类型2020年2035年2020-2035年生态价值变化情景1情景2情景3情景1情景2情景3农田1.50 ± 0.151.27 ± 0.131.28 ± 0.131.28 ± 0.13-0.23-0.22-0.22林地8.61 ± 0.8610.08 ± 1.0110.08 ± 1.0110.44 ± 1.041.471.471.83灌木地0.04 ± 0.000.02 ± 0.000.02 ± 0.000.00 ± 0.00-0.02-0.02-0.04草地0.24 ± 0.020.16 ± 0.020.16 ± 0.020.09 ± 0.01-0.08-0.08-0.15水域1.55 ± 0.161.55 ± 0.161.55 ± 0.161.55 ± 0.160.000.000.00总计11.94 ± 0.8813.08 ± 1.0013.09 ± 1.0013.37 ± 1.031.141.151.43注：单位为亿元。数值表示在±10%价格参数扰动下，通过10000次蒙特卡洛迭代得出的均值 ± 95%置信区间。表9. 2035年不同情景下土地利用的经济价值变化。类型2020年2035年2020-2035年经济价值变化情景1情景2情景3情景1情景2情景3农田10.81 ± 1.089.18 ± 0.929.21 ± 0.929.23 ± 0.92-1.63-1.60-1.58林地3.04 ± 0.303.56 ± 0.363.56 ± 0.363.69 ± 0.370.520.520.65灌木地0.02 ± 0.000.01 ± 0.000.01 ± 0.000.00 ± 0.00-0.01-0.01-0.02草地0.39 ± 0.040.26 ± 0.030.26 ± 0.030.14 ± 0.01-0.13-0.13-0.25水域0.09 ± 0.010.09 ± 0.010.09 ± 0.010.09 ± 0.010.000.000.00城镇45.23 ± 4.5250.98 ± 5.1050.88 ± 5.0950.86 ± 5.095.755.655.63总计59.58 ± 4.6764.07 ± 5.0464.00 ± 5.1064.01 ± 5.084.494.424.43注：单位为亿元。数值表示在±10%价格参数扰动下，通过10000次蒙特卡洛迭代得出的均值 ± 95%置信区间。3.4. 土地利用优化路径的实施选择综合优化情景作为最优方案，因为它在实现较高综合总价值的同时，相比其他情景提供了更大的生态效益。此外，这一选择与中国当前"生态优先"的政策强调相一致，在优先发展经济的同时注重生态保护，是灵宝市最切合实际且符合政策导向的选项。与2020年土地利用数据进行叠加分析，识别出200.22 km2的农田被转化为林地，表现出明显的空间异质性（图9a）。坡耕地（>25°）占120.48 km2（60.17%），主要集中在地中海过渡区和北部平原。而南部山区的碎片化农田覆盖79.74 km2（39.83%），位于生态敏感区域。这种转化有效恢复了农-林生态交错带的生态功能。下载：下载高分辨率图像（596KB）下载：下载全尺寸图像图9. 三种类型的空间优化区域。研究识别出4.32 km2的碎片化、低效农村建设用地作为整治区域（图9b）。空间上，这些区域主要集中在北部平原地区。为定量联系诊断出的社会功能缺陷与提出的优化策略，将土地整理区域与社会功能退化区域进行空间匹配。结果显示，整理区域占2012-2020年休闲娱乐服务下降农村建设用地的58.74%，占公共服务设施服务恶化土地的35.57%。此外，整理计划预计将剩余农村建设用地的平均人口密度从6688人/km2提高到6924人/km2，表明将人口和设施集中到核心村庄集群可以缓解服务碎片化并增强社会互动强度。此外，土地复垦将分散地块转化为连片农田，扩大耕地规模4.32 km2，支持农业机械化与农村产业化。这些定量结果表明，土地整理不仅提高了空间效率，还通过空间重构和经济振兴缓解了人口流失和服务退化问题。灵宝市的森林碳汇动态通过机器学习和多源气候数据建模，揭示了与年龄相关的碳固定模式。由于15岁以下和50岁以上树木样本有限，模型对幼龄树和老龄树的估算可能存在一定误差（图9c）。模型的R2和RMSE分别为0.8479和15.4639。此外，当森林年龄接近碳汇峰值时，模型提供更可靠的估算。模拟显示，灵宝市森林碳汇在约35年时达到峰值，与现有研究一致（Shang等，2023）。因此，设计了一项森林轮伐计划，通过维持林分接近碳固定峰值年龄（35年）来最大化2060年碳汇。根据2020年森林年龄数据，30年以上（到2025年将达到35年）的森林计划在2025年进行采伐和更新。后续阶段将调控25-30年（2030年）和20-25年（2035年）的林分（图9d）。空间上，中西部、西南部和东部地区的老龄森林（>30年）被纳入第一期采伐计划。东南部地区的中年森林计划在中长期阶段进行，而沿农-林边缘的幼龄森林则推迟到2035年之后。这种时空协调策略确保了碳汇功能的代际可持续性。4. 讨论4.1. 方法学贡献本研究开发的EDSO框架通过建立功能评估与空间优化之间的动态耦合机制，弥补了土地利用系统科学的空白。首先，EDSO框架引入了一个循环反馈机制，连接了诊断分析与规范性解决方案之间的传统断裂。这解决了传统土地利用研究的一个持续缺陷，即往往止步于理论建议而无法提供操作路径（Zhang等，2019；Lyu等，2022）。这通过三项突破性创新得以实现：（1）迭代式问题-解决方案协同演化：与将功能评估与优化建模割裂的方法不同（Wang等，2023b；Gao等，2024），我们的框架将诊断模块（如森林碳汇减弱）嵌入以指导情景参数化。这使政策合规干预的针对性模拟成为可能，如灵宝市乡村振兴计划与中国双碳战略在情景设计中的整合所示。（2）多尺度与政策嵌入式模拟：我们的框架将自下而上的生物物理约束（如坡度依赖性农田适宜性）与自上而下的监管目标（如农村建设用地整治）相结合，通过将空间规划政策与优化算法耦合来实现。这种方法增强了决策相关性，并弥补了CLUE-S和CA-Markov等方法常忽视的治理缺口。（3）可操作的空间优先级排序：空间显式优化框架定位了干预热点，如120.48 km2坡耕地和4.32 km2低效农村建设用地需要整治。这种细粒度超越了现有研究的部门级建议（如增加森林覆盖），提供了地籍尺度的实施蓝图。EDSO框架协调可持续发展目标与本地化土地治理挑战的能力，为过渡地区建立了一个可复制的范式。未来应用可通过纳入实时地理空间监测数据和多利益相关者博弈建模来增强政策响应性，最终推动土地利用系统科学朝着更具适应性和社会嵌入性的决策支持工具发展。4.2. 政策相关性洞察本研究提供的政策启示直接基于EDSO模型输出，超越了概念性建议。诊断和模拟结果揭示了农村人口流失、定居空置、设施退化和碳汇下降的清晰空间模式，与现有研究一致（Hu等，2023；Xia等，2025）。这些输出被转化为可操作的空间优化路径如下。首先，土地利用优化识别出4.32 km2低效农村建设用地可复垦并重组为连片农田地块。这为村庄重构和农村土地整理政策提供了直接的空间依据。实施时，应采用农村集体主导模式，组建专门小组制定指南并管理分散土地。一方面，透明补偿方案可提高农民参与度并保障长期利益。这增强了整理工作的制度可行性和社会可接受性。另一方面，加强市场联结以匹配外部资本和人才，培育高效农业和新农村产业。值得注意的是，这一战略与现有土地改革框架一致，但面临权利协调和公平性挑战。为解决这些问题，应强化透明补偿和针对性培训以顺利推进政策实施。其次，社会功能退化与整理区域的空间重叠使得精准服务供给政策成为可能。模型输出显示，整理区域占商业和休闲服务下降的58.74%和公共服务下降的35.57%，表明维护分散设施存在明显低效。为此，应推动差异化人口集聚以实现有序城镇化和分级城镇发展。在乡镇尺度，优化基础设施/公共服务（数量、布局、服务半径）以构建分级服务网络。核心聚落作为枢纽，外围节点予以支持，这种乡镇-村庄协同规划可实现服务可及性提升，同时相比全覆盖规划减少财政压力。然而，空间公平、社会依附和过渡期缺口需要分阶段实施和公众参与。第三，土地利用优化识别出200.22 km2适合生态恢复的农田，与森林轮伐规划一致。这为实施空间显式的生态补偿、碳汇增强计划和坡耕地造林提供了直接依据，支持2060年碳中和目标。然而，这些区域目前将生态价值转化为经济回报的能力有限，这是政策实施的核心挑战。两项可行策略可应对此问题：（1）试点生态产品价值抵押贷款，以预计碳汇和水资源保护收入作为担保；（2）发展外围生态旅游（避开核心区）并将部分收入分配用于补偿当地农民。我们30米分辨率的分析为精细化的森林碳管理提供了实用洞察。识别出的最优轮伐周期峰值在35年，与宏观尺度研究结果一致（Shang等，2023）。通过实现比传统1公里分辨率规划（Xu等，2023）更高的空间粒度，这种精确映射为本地化干预提供了实证基础。这种精确性使三项潜在行动成为可能：（1）推动建立碳汇银行，通过空间显式的地役权优先保护0-35年林分；（2）倡导修订林业法规，将动态碳阈值纳入采伐许可证，并通过持续遥感监测执行。然而，这些工具的实施取决于解决潜在的土地权属摩擦和合理配置土地资源。刚性的采伐限制可能与农民的传统森林使用权冲突。为确保社会接受度，必须建立健壮的农民补偿框架以抵消延迟采伐的直接经济损失。此外，空间优化可能引发生态恢复与农业生产之间的潜在冲突，加剧局部"碳-粮"竞争。未来，在造林后区域发展林下经济或农林复合系统将最大化生态溢出效应。关键在于，这种平衡方法将同时保障区域粮食安全底线。4.3. 局限性与未来方向尽管本研究建立了评估和优化土地利用功能的综合框架，但仍存在一些局限性。首先，尽管情景参数参考了地方规划文件和前人研究，但这种简化使模型无法动态调整设置以反映现实复杂性。其次，尽管总体精度较高，但灌木地和草地等小类别表现出23.40%和21.60%的显著类别偏差。这些特定的类别缺陷可能为后续生态恢复和未来情景设计引入潜在不确定性。此外，历史轨迹稳定的简化假设可能无法捕捉突发的政策或人口变化。第三，多源数据不确定性，包括气候降尺度误差和POI偏差，可能降低细尺度空间异质性估计的可靠性。最后，本框架缺乏与替代空间优化模型的明确基准比较。因此，我们优化结果的相对优越性和准确定位精度仍有待充分验证。基于这些局限性，未来研究应优先考虑三项系统性改进。首先，整合基于主体的模型将使我们可以动态模拟复杂利益相关者行为和现实政策响应。其次，必须应用先进的机器学习方法，如成本敏感学习，来纠正小类别土地的分类偏差。最后，后续研究必须进行跨模型基准比较，将我们的结果与遗传算法或元胞自动机等框架进行比较。这些努力将为土地管理和气候相关治理提供更为精确、适应性强的工具。5. 结论本研究建立了一个整合的"评估-诊断-模拟-优化"（EDSO）框架，以解决河南省灵宝市的土地利用可持续性问题。结果表明土地利用发生了显著转变，表现为农田收缩、基础设施扩张和中西部森林衰退的早期信号。关键的是，诊断突出了严重的农田侵占、由农村人口流失驱动的广泛定居空置、服务功能退化和区域碳汇系统性减弱。尽管面临这些挑战，嵌入政策的优化实现了稳健验证。

优化情景展现了卓越的景观效率，其产生的生态价值比替代情景高出 2.8 亿元人民币。该平衡方案确定了 200.22 平方公里的造林区域，并在 30 米分辨率下确定了最优的 35 年森林轮伐周期。除当地规划外，这些发现还为全球快速发展农村地区管理局部碳汇权衡提供了更广泛的科学见解。为了增强实际实施效果，未来研究必须纳入基于主体的建模来模拟动态的利益相关者行为。此外，量化多源数据不确定性和降尺度误差传播对于风险感知规划仍然至关重要。最终，EDSO 框架将诊断分析与空间自适应干预措施相结合的能力，为国土规划提供了一套变革性工具包，有效地弥合了实现双碳目标和土地系统韧性目标中的科学与政策鸿沟。

CRediT 作者贡献声明
陈悦：撰写 – 初稿，可视化，正式分析，数据管理。
李雨瑞：撰写 – 审阅与编辑，监督指导，软件，资源，资金获取。
陈方新：撰写 – 审阅与编辑，方法论，正式分析，数据管理，构思。
欧聪：撰写 – 审阅与编辑，验证。

陈悦 | 陈方新 | 欧聪 | 李雨瑞
中国河南大学地理科学学院，开封 475004