数据可用性声明：本文关联实体数据集已在《全球变化数据仓储电子杂志（中英文）》出版，可获取：https://doi.org/10.3974/geodb.2026.06.03.V1 https://cstr.escience.org.cn/CSTR:20146.11.2026.06.03.V1.
1 前言
干旱河谷是横断山区一种独特的生态景观类型，集降水稀少、蒸发强烈、植被覆盖度低及生态恢复能力弱等特征于一体，对外界干扰极为敏感[1]。按气候、植被和土壤等特征，横断山区干旱河谷可划分为干热河谷、干暖河谷和干温河谷三种类型[2, 3]。近年来，在人类活动与自然因素的叠加作用下，干旱河谷区土地利用格局发生显著变化，部分区域生境加速退化，对区域可持续发展与生态功能发挥带来了严峻挑战。生境质量作为衡量生态系统健康状况与生物多样性维持能力的重要指标，其时空演变特征对于识别区域生态风险、制定保护策略具有重要意义，已成为生态保护与可持续发展领域共同关注的核心议题[4]。
鉴于此，本研究选取横断山区元江干热河谷、岷江上游干温河谷及金沙江干暖河谷（香格里拉-丽江段）三类典型干旱河谷为研究对象（图1），基于2000年、2010年及2020年三期土地利用数据，构建FLUS-InVEST耦合模型，设置自然发展、耕地保护与生态修复三种情景，研发了《元江-金沙江-岷江上游干旱河谷生境质量时空演变及多情景模拟预测数据集（2000–2040）》，阐明三类干旱河谷生境质量对土地利用变化的差异化响应规律。该数据集可为干旱河谷区土地利用优化、生态风险识别及分区管控提供基础数据支撑。
（该图基于审图号为GS(2023)2767号的标准地图制作，底图无修改）
2 数据集元数据简介
《元江-金沙江-岷江上游干旱河谷生境质量时空演变及多情景模拟预测数据集（2000– 2040）》[5]的名称、作者、地理区域、数据年代、时间分辨率、空间分辨率、数据集组成、数据出版与共享服务平台、数据共享政策等信息见表1。
| 条目 | 描述 |
|---|---|
| 数据集名称 | 元江-金沙江-岷江上游干旱河谷生境质量时空演变及多情景模拟预测数据集（2000–2040） |
| 数据集短名 | HabitatQuality&Simulation_2000–2040 |
| 作者信息 | 郭亚琳, 西南科技大学环境与资源学院, guoyalin_linda@163.com 王玉才, 西南科技大学环境与资源学院, 2792387745@qq.com 闫卫坡, 四川省环境政策研究与规划院, yanweipo@scaepp.cn 王青, 西南科技大学环境与资源学院, qingw@imde.ac.cn 张玉, 西南科技大学环境与资源学院, zy_upup@outlook.com |
| 地理区域 | 元江-金沙江-岷江上游 |
| 数据年代 | 2000年、2010年、2020年、2040年 |
| 时间分辨率 | 年 |
| 空间分辨率 | 1 km |
| 数据格式 | .shp、.tif、.xls、.txt |
| 数据量 | 967 KB |
| 数据集组成 | 研究区范围数据；3种情景下模拟的2040年研究区1 km分辨率土地利用类型数据，2000、2010、2020及2040年研究区1 km分辨率生境质量空间分布数据；不同时期研究区生境质量统计数据 |
| 基金项目 | 四川省自然科学基金(2026NSFSC1172); 中华人民共和国科学技术部(2015BAC05B05-01); 国家自然科学基金(41071115) |
| 数据计算环境 | ArcGIS |
| 出版与共享服务平台 | 全球变化科学研究数据出版系统 http://www.geodoi.ac.cn |
| 地址 | 北京市朝阳区大屯路甲11号100101，中国科学院地理科学与资源研究所 |
| 数据共享政策 | （1）“数据”以最便利的方式通过互联网系统免费向全社会开放，用户免费浏览、免费下载；（2）最终用户使用“数据”需要按照引用格式在参考文献或适当的位置标注数据来源；（3）增值服务用户或以任何形式散发和传播（包括通过计算机服务器）“数据”的用户需要与《全球变化数据学报（中英文）》编辑部签署书面协议，获得许可；（4）摘取“数据”中的部分记录创作新数据的作者需要遵循10%引用原则，即从本数据集中摘取的数据记录少于新数据集总记录量的10%，同时需要对摘取的数据记录标注数据来源[6] |
| 数据和论文检索系统 | DOI，CSTR，Crossref，DCI，CSCD，CNKI，SciEngine，WDS，GEOSS，PubScholar，CKRSC，OARL |
3 数据研发方法
3.1 数据来源
本研究基础数据涵盖土地利用、自然地理与社会经济3大类，共13个指标（表2）。其中，土地利用数据来源于国家冰川冻土沙漠科学数据中心，空间分辨率为30 m，包括农田、森林、灌木、草地、水域、冰雪、裸地及不透水面共8种用地类型。自然地理数据包括高程、坡度、坡向、年平均气温、年降水量及归一化植被指数（NDVI）。高程数据通过地理空间数据云平台获取，空间分辨率为30 m；坡度与坡向基于DEM通过GIS工具提取。年平均气温、年降水量、归一化植被指数（NDVI）来源于地球资源数据云平台，空间分辨率为1 km。社会经济数据包括夜间灯光指数、GDP密度、人口密度、道路分布及距政府驻地距离。其中，夜间灯光指数数据来源于资源环境科学数据平台，GDP密度、人口密度数据来源于Landscan 数据集，空间分辨率均为1 km；道路数据由OpenStreetMap免费下载；距政府驻地距离基于全国地理信息资源目录服务系统提供的政府驻地位置，采用欧氏距离进行表征。为满足FLUS模型的运行需求，所有数据统一重采样至1 km分辨率，并统一投影至WGS_1984_UTM_46N坐标系。
| 数据类型 | 数据名称 | 年份 | 空间分辨率 | 数据来源 |
|---|---|---|---|---|
| 土地利用 | 土地利用栅格数据 | 2000，2010，2020 | 30 m | 国家冰川冻土沙漠科学数据中心 |
| 自然地理 | 高程 | − | 30 m | 地理空间数据云 |
| 坡度 | − | 30 m | 由DEM经GIS工具计算 | |
| 坡向 | − | 30 m | ||
| 年平均气温 | 2000，2010，2020 | 1 km | 地球资源数据云平台 | |
| 年降水量 | 2000，2010，2020 | 1 km | ||
| 归一化植被指数（NDVI） | 2000，2010，2020 | 1 km | ||
| 社会经济 | 夜间灯光指数 | 2000，2010，2020 | 1 km | 资源环境科学数据中心 |
| 人口密度 | 2000，2010，2020 | 1 km | Landscan 数据集 | |
| GDP密度 | 2000，2010，2020 | 1 km | ||
| 距公路距离 | 2019 | − | OpenStreetMap | |
| 距铁路距离 | 2019 | − | ||
| 距政府驻地距离 | 2019 | − | 全国地理信息资源目录服务系统 |
3.2 研究方法
3.2.1 基于未来土地利用模拟（FLUS）模型的土地利用模拟
未来土地利用模拟（Future Land Use Simulation，FLUS）模型是一种用于土地利用类型时空变化的多情景模拟预测工具[7]。该模型引入人工神经网络算法（Artificial Neural Network，ANN），能够从一期土地利用数据及多种驱动因子中获取各类用地类型的适宜性概率；同时采用基于轮盘赌选择的自适应惯性竞争机制，通过调整邻域因子、惯性系数及转换成本等参数，应对多种地类相互转化的不确定性与复杂性，从而提高模拟精度[8, 9]。模型的模拟效果很大程度上取决于驱动因子的合理选取。土地利用变化是自然地理与社会经济因素共同作用的结果。因此，本研究结合区域实际并参考相关文献[10]，从自然地理（高程、坡度、坡向、年平均气温、年降水量、归一化植被指数NDVI、距河流距离）和社会经济（夜间灯光指数、GDP密度、人口密度、距道路距离、距政府驻地距离）两个方面，共选取12项指标作为FLUS模型的驱动因子（表2），用于未来土地利用格局的模拟预测。
结合研究区政策与发展目标，参考相关文献[11]，设置自然发展、耕地保护和生态修复三种情景，模拟2040年土地利用格局。
（1）自然发展情景：遵循2000–2020年干旱河谷土地利用变化的历史规律，不施加额外政策约束，反映自然演变趋势。
（2）耕地保护情景：依据国家粮食安全战略与耕地保护红线政策要求，严格控制耕地转出概率，强化对耕地的保护。
（3）生态修复情景：依据国家生态修复工程及绿色发展相关战略，重点提升草地、林地等生态用地的扩张，限制非生态用地增长，落实干旱河谷区水土流失与荒漠化的综合治理目标。
3.2.2 基于生态系统服务和权衡的综合评估模型（InVEST）的生境质量评估
本研究利用InVEST模型的生境质量模块，对横断山区三种典型干旱河谷生境质量进行评估。该模块以土地利用为基础，将导致生境退化的人类活动设置为威胁因子，并综合考虑威胁因子的最大影响距离、权重及不同土地利用类型对各威胁因子的敏感性[12]。农田与不透水面的人类活动剧烈，裸地因缺乏植被覆盖、易受风化侵蚀，均具有较高的土地退化风险[13]。因此，将农田、裸地和不透水面作为威胁源。模型相关参数设置见表3、4。
| 威胁因子 | 最大胁迫距离 | 权重 | 空间衰减类型 |
|---|---|---|---|
| 农田 | 5 | 0.5 | 指数 |
| 裸地 | 3 | 0.3 | 指数 |
| 不透水面 | 8 | 0.9 | 线性 |
| 土地利用类型 | 生境适宜度 | 威胁因子 | ||
|---|---|---|---|---|
| 农田 | 裸地 | 不透水面 | ||
| 农田 | 0.25 | 0.3 | 0.4 | 0.1 |
| 森林 | 1 | 0.8 | 0.5 | 0.7 |
| 灌木 | 0.8 | 0.6 | 0.6 | 0.6 |
| 草地 | 0.8 | 0.4 | 0.5 | 0.6 |
| 水域 | 0.9 | 0.65 | 0.4 | 0.8 |
| 冰雪 | 0.5 | 0.1 | 0.1 | 0.1 |
| 裸地 | 0.1 | 0.1 | 0.2 | 0.1 |
| 不透水面 | 0 | 0 | 0 | 0 |
| 湿地 | 0.75 | 0.7 | 0.4 | 0.9 |
InVEST模型生境质量评估中，生境退化度是计算生境质量的基础，其表达式为：
式中，Dxj表示土地利用类型j中栅格x的生境退化度，取值范围为[0, 1]；R为威胁因子数量；r表示第r个威胁因子；Yr表示r的栅格总数；wr表示r的权重，取值范围为[0, 1]；ry表示r在栅格y上的胁迫强度；irxy表示r从栅格y到栅格x的影响程度，其衰减方式可为线性衰减或指数衰减；βx表示栅格x的可达性或保护程度；Sjr表示土地利用类型j对r的敏感性。
生境质量指数计算公式为：
式中，Qxj表示土地利用类型j中栅格x的生境质量，取值范围为[0, 1]，数值越高，表明生境质量越好、越适宜物种生存；Hj、Dxj分别表示土地利用类型j的生境适宜度、生境退化度；z为归一化常数，通常取2.5；k为半饱和常数，用于调节生境质量值的分布和变化幅度。以上所有变量均为无量纲；但用于计算影响衰减的空间距离以米（m）为单位。
4 数据结果与验证
4.1 数据集组成
《元江-金沙江-岷江上游干旱河谷生境质量时空演变及多情景模拟预测数据集（2000–2040）》内容包括：（1）研究区范围数据（.shp）；（2）3种情景下模拟的2040年研究区1 km分辨率土地利用类型数据（.tif）；（3）3种情景下模拟的2000、2010、2020及2040年研究区1 km分辨率生境质量空间分布数据（.tif）；（4）不同时期研究区生境质量统计数据（.xls）。
4.2 数据结果验证
为评估FLUS模型在研究区的适用性，本研究采用Kappa系数对FLUS模型的模拟精度进行验证。Kappa系数取值0–1之间，值越大说明其模拟精度越高，通常认为大于0.70即达到较高精度[7]。具体验证流程为：基于研究区2000年、2010年的土地利用数据和12个驱动因子，运用FLUS模型模拟预测各区域2020年的土地利用格局，并将模拟结果与2020年区域实际土地利用数据进行对比，计算Kappa系数与总体精度（Overall Accuracy，OA）。验证结果显示，元江干热河谷、岷江上游干温河谷、金沙江干暖河谷（香格里拉-丽江段）的Kappa系数分别为0.80、0.87、0.81，总体精度（OA）均高于0.88，表明FLUS模型在各区域具有良好的适用性，可用于2040年区域土地利用格局的多情景模拟。
同时，生境质量模拟结果与区域土地利用转型规律高度一致，土地利用变化剧烈的区域生境质量变化幅度亦相应较大。元江干热河谷三类情景下生境质量指数变化幅度为0.006–0.012（与2020年基准相比），岷江上游干温河谷为0.003–0.013（与2020年基准相比），金沙江干暖河谷（香格里拉-丽江段）为0.001（三种情景下指数均为0.912），反映了不同区域对土地利用政策干预的差异化响应特征，验证了评估结果的合理性。
4.3 数据结果分析
4.3.1 各区域土地利用类型演变
森林是元江干热河谷、岷江上游干温河谷、金沙江干暖河谷（香格里拉-丽江段）共同的优势地类。2000–2020年，三个区域土地利用转型的共同趋势是草地减少与不透水面扩张，但演变路径差异明显（表5）。元江干热河谷农田、灌木、不透水面分别增加945.20 km2、661.42 km2、109.94 km2，森林与草地分别减少1,020.96 km2和697.42 km2，转移以森林和草地向农田转化为主导，部分农田转为不透水面，反映了农业生产与城镇建设对生态空间的挤占。岷江上游干温河谷草地和农田分别减少332.56 km2和168.79 km2，而森林增加334.23 km2，转移以草地和农田向森林转化为主，体现为生态用地内部结构的调整。金沙江干暖河谷（香格里拉-丽江段）草地减少328.76 km2，农田和森林分别增加169.30 km2、102.56 km2，且不透水面扩张明显（+4.25 km2，+551.95%），转移以草地向农田和森林转化为主，同时农田持续向不透水面转移，呈现出城镇化与农业开发共同驱动下的空间扩张特征。
| 元江干热河谷 | 岷江上游干温河谷 | 金沙江干暖河谷（香格里拉-丽江段） | ||||
|---|---|---|---|---|---|---|
| 净变化（km2） | 变化幅度（%） | 净变化（km2） | 变化幅度（%） | 净变化（km2） | 变化幅度（%） | |
| 农田 | 945.20 | 7.00 | –168.79 | –27.34 | 169.30 | 18.96 |
| 森林 | –1,020.96 | –2.15 | 334.23 | 2.39 | 102.56 | 0.95 |
| 灌木 | 661.42 | 38.74 | –10.00 | –4.85 | 40.65 | 22.14 |
| 草地 | –697.42 | –24.00 | –332.56 | –3.63 | –328.76 | –17.95 |
| 水体 | 1.81 | 0.99 | 25.81 | 20.31 | 22.71 | 35.65 |
| 冰雪 | / | / | 25.61 | 28.76 | 18.28 | 85.70 |
| 裸地 | / | / | 121.63 | 32.85 | –28.99 | –58.24 |
| 不透水面 | 109.94 | 106.73 | 4.07 | 45.17 | 4.25 | 551.95 |
注：/代表无转变。
4.3.2 多情景土地利用变化模拟数据
在自然发展、耕地保护与生态修复三种发展情景下，各区域土地利用对政策干预的响应存在较大差异（图2）。元江干热河谷的响应均最为剧烈：自然发展情景下农田（+770.32 km2）与森林（+269.89 km2）同步扩张，耕地保护情景下农田扩张（+1,264.67 km2）、草地收缩（–666.50 km2）较突出，生态修复情景下森林增量（+2,016.62 km2）在三个区域中最大，反映出该区域土地利用对政策具有较高的响应敏感性。岷江上游干温河谷对生态修复政策表现出较积极的响应，裸地治理成效显著（–347.08 km2，–70.39%），但自然发展情景下裸地扩张（+158.47 km2）与冰雪缩减（–28.78 km2）趋势值得警惕。金沙江干暖河谷（香格里拉-丽江段）在三种情景下土地利用变化均最为平缓，但森林扩张幅度有限（自然发展情景下为+0.98%，耕地保护情境下为+2.19%，生态修复情景仅–0.02%），表明该区域在森林覆盖率处于较高水平（>78%）的状态下，生态修复的增量空间受到本底条件的显著制约。三类干旱河谷区土地利用变化的不同响应特征，反映了区域自然本底条件与人类活动强度差异对政策干预效果的深刻影响。
（该图基于审图号为GS(2023)2767号的标准地图制作，底图无修改）
4.3.3 生境质量时空变化特征
采用等间距分级方法，将生境质量指数划分为5个等级：低质量（0–0.2）、较低质量（0.2–0.4）、中等质量（0.4–0.6）、较高质量（0.6–0.8）和高质量（0.8–1）。总体来看，元江干热河谷、岷江上游干温河谷与金沙江干暖河谷（香格里拉-丽江段）的生境质量呈现明显的时序演变与空间分异特征（图3）。
2000–2020年间，元江干热河谷生境呈退化趋势，较低质量生境增加942.57 km2，并出现中等质量生境（210.93 km2），而高质量生境减少1,054.63 km2，生境质量指数由0.828±0.304降至0.819±0.310。岷江上游干温河谷生境质量指数由0.888±0.176上升至0.891±0.177，其中，高质量生境基本保持稳定（+17.18 km2），较低质量生境减少169.33 km2，但低质量、中等质量生境分别增加125.16 km2、26.99 km2，低质量生境扩张态势已显现。金沙江干暖河谷（香格里拉-丽江段），高质量生境退化（–167.82 km2）为较低质量生境（+167.77 km2），生境质量指数由0.919±0.196降至0.913±0.210。
（该图基于审图号为GS(2023)2767号的标准地图制作，底图无修改）
2020–2040年，自然发展情景下3个区域生境质量均呈下降趋势。耕地保护情景在元江干热河谷（生境质量指数降至0.807±0.319）和金沙江干暖河谷（香格里拉-丽江段）（生境质量指数降至0.912±0.217）呈负面效应，但在岷江上游干温河谷呈小幅正向效果（生境质量指数升至0.894±0.171），反映了政策效应的区域差异性。生态修复情景下，岷江上游干温河谷生境质量改善最为显著（生境质量指数+0.013），元江干热河谷次之（+0.012），而金沙江干暖河谷（香格里拉-丽江段）呈微弱下降（–0.001），表明生态修复的边际效益受区域本底条件制约，高海拔干暖河谷生态恢复空间有限。
5 讨论和总结
干旱河谷生境质量演变对区域生态安全具有重要指示意义。然而，受不同水热组合条件的影响，各类型干旱河谷生境质量对土地利用变化的响应存在较大区域差异，给多类型干旱河谷的横向对比研究带来一定不确定性。《元江-金沙江-岷江上游干旱河谷生境质量时空演变及多情景模拟预测数据集（2000–2040）》基于FLUS-InVEST耦合模型，采用多源数据驱动，通过Kappa系数与总体精度双重指标验证模型可靠性。三个典型区域Kappa系数分别为0.80、0.81、0.87，总体精度均高于0.88，数据质量可信。该数据集的研发有效弥补了不同类型干旱河谷生境质量演变规律对比研究的不足，为揭示不同水热组合背景下生境质量退化差异的驱动机制提供了可靠的数据基础。
当前，本数据集仍存在一定局限，如土地利用变化模拟中采用的驱动因子未完全纳入政策实施强度等动态变量，情景设定基于现有政策框架亦存在理想化假设，InVEST模型中威胁因子权重、最大影响距离及生境适宜度等参数设定具有一定经验性。未来研究可通过引入多源遥感数据、优化参数本地化率定及多模型集成方法，进一步提高模拟与评估精度，为干旱河谷区生态风险识别与分区管控提供更精准的数据支撑。
作者分工：郭亚琳对数据集的开发做了总体设计；王玉才、闫卫坡对数据进行了采集和处理、设计了模型和算法；王玉才、郭亚琳、王青做了数据验证；张玉进行了数据核查与校验工作；郭亚琳、王玉才撰写了数据论文。
利益冲突声明：本研究不存在研究者以及与公开研究成果有关的利益冲突。