近20a来巢湖流域生态服务价值空间分异机制的地理探测

删除或更新信息，请邮件至freekaoyan#163.com(#换成@)

本站小编 Free考研考试/2021-12-29

黄木易¹, 方斌², 岳文泽^,³^,^*, 冯少茹¹1. 安徽建筑大学环境与能源工程学院, 合肥 230601
2. 南京师范大学地理科学学院, 南京 210023
3. 浙江大学土地管理系, 杭州 310058

Spatial differentiation of ecosystem service values and its geographical detection in Chaohu Basin during 1995-2017

HUANG Muyi¹, FANG Bin², YUE Wenze^,³^,^*, FENG Shaoru¹1. Department of Environmental Engineering, Anhui Jianzhu University, Hefei 230601, China
2. School of Geography, NanJing Normal University, Nanjing 210023, China
3. Department of Land Management, Zhejiang University, Hangzhou 310058, China

通讯作者: 岳文泽（1977-）,男,安徽淮南人,博士,教授,博士生导师,研究方向为城镇化、城市土地优化利用与配置,土地信息与大数据应用研究。E-mail: wzyue@zju.edu.cn

收稿日期:2018-10-8修回日期:2019-01-2网络出版日期:2019-11-20

基金资助:

国家自然科学基金项目.41671533
国家自然科学基金项目.41871169
安徽高校人文社会科学研究重大项目.SK2018ZD043
安徽省科技创新战略与软科学研究项目.1806a02020046

Received:2018-10-8Revised:2019-01-2Online:2019-11-20
作者简介 About authors
黄木易（1978-）,男,安徽芜湖人,博士,副教授,硕士生导师,研究方向为城镇化、土地利用与生态环境效应研究E-mail:huangyang78@163.com。

摘要
生态系统服务功能是生态系统和生态过程形成和维持的自然环境条件及作用。基于1995—2017年遥感分类数据,对研究区按3 km×3 km幅度网格化2019个样方,利用空间统计和缓冲区等方法进行巢湖流域生态服务价值时空演变特征分析,应用地理探测器工具揭示生态服务价值空间分异的主导因子及因子交互作用机制,并提出生态服务价值空间优化策略。结果表明：① 巢湖流域生态服务价值量由1995年的303.17亿元分别下降为2005年300.95亿元和2017年287.70亿元,近20a来减少约5.11%,年均下降率0.23%,其中合肥市区、巢湖南部和东部地区降速明显;② 生态服务价值等级空间转移分析表明,巢湖流域低级别生态服务价值区域在扩展,中等及高级别区域在缩小。以巢湖为核心的缓冲区分析表明,20a来缓冲区核心环带内生态服务价值量下降18.55%,巢湖流域水环境保护核心区的生态系统功能变化值得关注;③ 地理探测分析表明,人为影响综合指数是生态服务价值空间分异的主导因子;地形、气象因素是重要影响因子;人为影响指数因子、自然因子及社会经济因子的交互协同增强效应共同影响了流域生态服务价值在空间上的分异效果。研究结果在一定程度上可为巢湖流域生态系统调控与优化提供理论依据。
关键词： 生态服务价值;空间分异;驱动机制;地理探测器;巢湖流域

Abstract

Ecosystem service function refers to the natural environment condition and function in the formation and maintenance of the ecosystem and ecological process. In this study, landscape classification maps were acquired from Landsat TM/ETM+/OLI remote sensing images for years of 1995, 2005 and 2017 respectively in the Chaohu Basin. Based on township administrative units in the study area, and the study area was meshed into 2019 quadrates by a range of 3 km by 3 km, and the spatial-temporal evolution characteristics of the ecosystem service value (ESV) in the Chaohu Basin were analyzed by using spatial statistics and buffer zone tools. Finally, based on the geographical detector tool, the interaction mechanism of natural, humanistic and socio-economic factors of the temporal-spatial changes of the ESV in the Chaohu Basin was analyzed, and the strategies for the spatial optimization of ESV were proposed in the paper. The major results were shown as follows. Firstly, the ESV of the Chaohu Basin decreased from 30.317 billion yuan in 1995 to 30.095 billion yuan in 2005 and 28.770 billion yuan in 2017, respectively. During the last 20 years, the ESV decreased by 5.11%, with an average annual decline rate of 0.23%. Secondly, the analysis of spatial transfer of ESV in the Chaohu Basin showed that the region of low level ESV was expanding and the regions of medium and high level were shrinking. The buffer zone analysis with the Chaohu Lake as the core showed that when it is far from the Chaohu Lake, the decline trend of ESV decreases, and the ESV in the core buffer zone during the past almost 20 years decreased by 18.55%. The change of ecosystem function in the core area of water environment protection zone of the Chaohu Basin deserves attention. Thirdly, the analysis of geographical detection showed that the human active index(HAI) was the leading factor of spatial differentiation of ESV; the terrain and meteorological factors were the important factors; the interaction of human impact factors, natural factors and social and economic factors jointly affected the spatial differentiation characteristics of ESV in the Chaohu Basin. Under the background of ecological civilization construction, the results of spatial- temporal evolution characteristics and spatial differentiation driving research of ESV can provide theoretical basis for the regulation and optimization of ecosystem in the Chaohu Basin.

Keywords：ecosystem service value;spatial differentiation;evolution mechanism;geographical detector;Chaohu Basin

PDF (6258KB)元数据多维度评价相关文章导出EndNote|Ris|Bibtex 收藏本文
本文引用格式
黄木易, 方斌, 岳文泽, 冯少茹. 近20a来巢湖流域生态服务价值空间分异机制的地理探测. 地理研究[J], 2019, 38(11): 2790-2803 doi:10.11821/dlyj020181075
HUANG Muyi. Spatial differentiation of ecosystem service values and its geographical detection in Chaohu Basin during 1995-2017. Geographical Research[J], 2019, 38(11): 2790-2803 doi:10.11821/dlyj020181075

1 引言

生态系统服务是生态系统与生态过程所维持的人类赖以生存的自然环境条件与效用^[1],可以通过生态系统的结构、过程和功能直接或间接得到的生命支持产品和服务^[2]。良好的生态系统服务功能,对于维护区域生态平衡、维持区域生态系统健康、保障国土生态安全、应对全球气候变化等方面具有重要作用^[3,4,5]。随着城镇化、工业化以及全球化的不断推进,各种由于资源过度开发、气候变化、土地退化、生物多样性下降、环境污染导致生态系统服务功能丧失与退化所引发的生态环境效应,将直接威胁人类的安全与健康,以及区域、全球的生态安全^[6,7]。因此,加强生态系统服务功能形成与调控机制、尺度特征、评估方法,以及生态系统服务功能的空间格局及其演变特征研究,对于发展生态系统服务功能研究的理论与方法,保障中国生态安全具有重要意义^[8]。

生态系统服务的类型、价值评估的原理及方法被Costanza等^[2,9]提出并发展后,引起了学术界广泛关注,而千年生态系统评估（Millennium Ecosystem Assessment,MA）项目进一步推动了生态系统服务研究的发展^[6],并逐渐成为生态学、生态经济学和地理学等领域的研究热点之一^{[10,11,12,13]}。土地利用/覆被变化中蕴含了巨大的生态经济效益,加强区域生态系统服务价值（Ecosystem Service Value,ESV）量化分析与评估,将有利于人们深入了解生态系统服务价值与人类福祉的关系^[14]。开展生态服务价值空间分异驱动因子的识别和驱动因子交互特征分析,将有助于揭示自然、社会经济因素对生态系统功能所产生影响的作用机制,从而为生态安全建设提供相应的理论支撑。近年来,随着中国生态环境问题日益受到各界广泛关注,生态系统服务功能价值相关问题的研究也在不断加强。当前相关研究主要基于城市、省域、经济带、城市群、流域等尺度,开展包括生态系统服务的形成机制、生态系统服务与土地利用及经济发展关系等问题研究^{[15,16,17,18]},总体上内容较为丰富。在驱动因子分析研究中,大多以定性分析与相关分析方法为主,定量化探讨土地生态相关驱动力研究近年来也得到了一定的关注^{[19,20,21,22]}。驱动因子定量识别及其之间的交互作用机制的认识,对于针对性的开展区域生态环境保护及有效制定相关政策、措施至关重要。地理探测器是一种新型的空间统计方法^[23,24],目前被广泛应用在生境质量保护^[25]、建设用地扩展驱动^[26]、粮食安全^[27]、贫困化差异机制等研究方面^[28]。但在流域尺度上应用地理探测器方法开展生态服务价值的空间分异研究并不多见。

本文以2013年被列为第一批国家生态文明先行示范区之一的巢湖流域为研究对象,基于流域生态文明示范区和新型城镇化建设的现实要求为背景,应用空间分析和地理探测器等方法进行巢湖流域近20a来的生态服务价值时空演变及驱动因子探测研究。揭示流域生态服务价值时空变化特征和空间分异主导因子及其交互关系,结果在一定程度上可为巢湖流域生态系统功能优化、生态安全格局构建及区域可持续发展等提供科学决策依据。

2 研究区及研究方法

2.1 研究区概况

巢湖流域（30°57′N~32°16′N,116°25′E~118°33′E）位于安徽省中部,行政区划涉及2个区（合肥市辖区和巢湖市辖区）和7个县（肥东县、肥西县、庐江县、无为县、和县、含山县和舒城县）,共179个乡镇单元（图1）。流域总面积约14000 km²。合肥市作为省会城市,是巢湖流域社会经济发展的热点区域。流域核心区的巢湖是中国五大淡水湖之一,属于长江下游左岸水系,与长江三角洲相邻。流域内以丘陵和平原为主。流域地势南高北低,西南属大别山区,西北和东北主要为江淮丘陵及零星浅山区,沿湖及东南为平原,巢湖周围共有大小入湖河流33条^[29]。

图1

新窗口打开|下载原图ZIP|生成PPT
图1巢湖流域地理区位

Fig. 1Location of the Chaohu Basin

2.2 数据来源

基于1995年Landsat TM、2005年ETM+以及2017年Landsat-8/OLI影像（选择6—9月份,成像清晰少云、质量良好的影像数据,釆用UTM投影统一到WGS-84坐标系;轨道号分别为：120/038、121/038、121/039）为基础数据,按照中国科学院土地资源分类系统“LUCC分类体系”采用监督分类法进行土地利用分类。主要处理过程包括：首先,应用ERDAS 2013进行直方图匹配和拼接等图像预处理;其次,利用巢湖流域矢量边界,对拼接后的研究区遥感影像进行提取;最后,应用ERDAS 2013在本研究区范围通过目视建立训练样本,直到可分离性达1.9以上时执行最小距离分类。结合流域的景观特点,将研究区分为农地、林地、草地、水域、建设用地和未利用土地6种土地类型,对各期分类结果分别进行混淆矩阵计算,其Kappa系数在0.75~0.82之间,符合研究要求。

巢湖流域生态服务价值网格化评价单元主要利用ArcGIS10.2按3 km×3 km幅度对研究区进行空间网格化采样,共采集评价单元2019个（图2）。本文所获取的地理探测因子数据包括：DEM数据（格式为GRID的SRTM数字高程数据,来源于美国对地观测全球高程数据,分辨率90 m）;气象数据（包括降雨、≥10℃积温）、NDVI数据、人口密度、土壤侵蚀和地均GDP（栅格数据,分辨率1 km）、交通数据（矢量数据,计算密度插值后生成栅格数据,分辨率500 m）来源于中国科学院资源环境科学数据中心（http://www.resdc.cn/）;人为影响综合指数（HAI）利用公式进行计算获得（分辨率30 m）。各因子按自然断点法分类离散化成地理探测器需要的类型数据（图3）。

图2

新窗口打开|下载原图ZIP|生成PPT
图2巢湖流域生态服务价值网格化采样及缓冲带

Fig. 2Grid samples and buffer zone of ESV in Chaohu Basin

图3

新窗口打开|下载原图ZIP|生成PPT
图3巢湖流域生态服务价值空间分异驱动因子空间分布

Fig. 3Spatial distribution of driving factors for spatial differentiation of ESV in Chaohu Basin

2.3 研究方法

2.3.1 巢湖流域生态系统服务价值计算方法谢高地等^[11,30,31]在Costanza生态系统服务功能分类^[2]的基础上结合中国国情将生态服务功能分为4个一级类型服务和9个二级类型服务,其中供给服务包括食物生产、原材料生产;调节服务包括气体调节、气候调节、水文调节、废物处理;支持服务包括保持土壤、维持生物多样性;文化服务包括提供美学景观服务类型。本文基于谢高地等^[30]提出的单位面积价值当量因子法及本区域相关研究^[32,33,34],结合研究区实际,并通过查阅《安徽统计年鉴》《中国农产品价格调查年鉴》等资料测算巢湖流域20a的平均粮食单产市场价格,按单位面积农田生态系统服务价值等于平均粮食单产市场经济价值的1/7计算^[11],最终确定巢湖流域不同土地类型单位面积ESV当量系数表（表1）。

Tab. 1
表1
表1巢湖流域单位面积生态系统服务价值当量
Tab. 1Ecosystem service equivalent value per unit area in Chaohu Basin （元/（hm²·a））

	地类类型
	农田	林地	草地	水域	未利用地
供给服务	1939.05	4617.45	1102.05	1227.60	83.70
调节服务	5370.75	19809.00	8230.50	50485.05	725.40
支持服务	3473.55	11899.35	5733.45	5356.80	795.15
文化服务	237.15	2901.60	1213.65	6193.80	334.80
合计	11020.50	39227.40	16279.65	63263.25	1939.05

新窗口打开|下载CSV

生态系统服务是人类从生态系统中获得的直接和间接收益,不同生态系统服务之间相互联系^[35]。本文根据单位面积ESV当量表,结合各地类的单位面积ESV当量系数,采用生态服务价值当量系数法^[30]计算各种土地类型的生态服务价值量,最终得到巢湖流域生态服务价值总量。公式^[17]如下：

（1）

ESV = \overset{m}{\sum_{i = 1}} \overset{n}{\sum_{j = 1}} T_{i} \times S_{ij} (i = 1,2, \dots, m; j = 1,2, \dots, n)

式中：ESV为巢湖流域生态系统服务价值总量（元/a）;T_i表示评价单元第i种土地类型的面积（hm²）;S_ij表示第i种土地类型第j种生态系统服务类型单位面积可供给ESV当量（元/（hm²·a））;i为土地类型的数量;j为土地生态系统的服务类型;m=5,n=4。

为了反映ESV对当量系数的依赖程度,本文引入基于弹性系数的敏感性指数（Coefficient of Sensitive, CS）分析方法,通过把各土地利用类型的当量系数分别上调50%,计算研究区的各土地利用类型的CS。当CS值小于1时,表明ESV对于当量因子是缺乏弹性的;当CS大于1,表明ESV对于当量因子是富有弹性的,比值越大,表明生态服务价值对当量因子系数敏感,当量因子的准确性越关键^[36]。公式为：

（2）

CS = |[(ES V_{j} - ES V_{i}) / ES V_{i}] / [(E_{j} - E_{i}) / E_{i}]|

式中：CS为敏感性指数;ESV为生态服务价值总量;E为ESV的当量系数;i、j分别表示初始值和当量系数调整后的值。

2.3.2 巢湖流域生态系统服务价值人为影响指数分析法本文研究区是人类活动的热点区域,土地利用程度在流域尺度上具有显著的空间集聚性^[37],土地利用/覆被变化会对生态系统结构、过程及功能产生一定的干扰。人为影响综合指数（Human Active Index, HAI）具有空间变异特征,可反映人类活动对土地利用及景观构成变化的影响,本文基于前人研究^[38,39],利用HAI指数来分析巢湖流域ESV与人类干扰强度之间的相互关系。公式为：

（3）

HAI = \overset{n}{\sum_{i = 1}} (A_{i} P_{i} / TA)

式中：HAI为人为影响指数;A_i为第i种土地景观类型的总面积;P_i为第i种土地景观类型所反映的人为影响强度参数,文中主要基于前人结果,结合研究区地类的属性特征及其变化和相互转化的实际情况,最终采用Delphi法对P_i参数赋值。其中农田为0.67、林地0.13、草地0.12、水体0.10、建设用地0.96、未利用地0.05;TA为评价单元内的土地景观类型总面积;n为土地景观类型的数量。

2.3.3 巢湖流域生态服务价值空间分异的地理探测地理探测器（Geographical Detector）主要分为风险探测器、因子探测器、生态探测器和交互作用探测器。其原理是分析各因子层内方差和总方差的关系,通过其表现出来的空间分层异质性来探测各要素对因变量驱动力^[23,24]。空间分异性因子探测器中利用q统计量值（值域为0~1）来衡量自变量对因变量空间分异性的解释力,q值表示自变量因子X解释了100×q%的因变量Y,当q为0时,表示自变量因子与因变量Y无关;q为1时表示自变量X完全控制了自变量Y的空间分布^[40]。公式为：

（4）

q = 1 - [\overset{L}{\sum_{h = 1}} \overset{N_{h}}{\sum_{i = 1}} {(Y_{h i} - \overset{ˉ}{Y_{h}})}^{2} / \overset{N}{\sum_{i = 1}} {(Y_{i} - \overset{?}{Y})}^{2}] = 1 - \overset{L}{\sum_{h = 1}} N_{h} σ_{h}^{2} / N σ^{2} = 1 - SSW / SST

（5）

SSW = \overset{L}{\sum_{h = 1}} \overset{N_{h}}{\sum_{i}} {(Y_{h i} - \overset{ˉ}{Y_{h}})}^{2} = \overset{L}{\sum_{h = 1}} N_{h} σ_{h}^{2}

（6）

SST = \overset{N}{\sum_{i}} {(Y_{i} - \overset{?}{Y})}^{2} = N σ^{2}

式中：h=1, …, L为变量Y或因子X的分层（分类或分区）;N_h和N分别为层h和全区单元数;σ_h²和σ²分别是层h和全区Y值的方差;SSW为层内方差之和;SST为全区总方差。

区域生态环境效应的空间分异表现是自然和人文、社会经济因子复杂的耦合作用过程在空间上的表征结果。地理探测因子选择主要基于流域生态系统受到的外部干扰类型及研究区现状,并结合数据可获取性等原则进行筛选。在流域空间上,高程、坡度等地形地貌及降雨、积温等自然环境、气象等要素是生态植被和森林等生态群落的生长发育重要因子^[21],也是生态系统服务价值空间差异的影响因素。另外,巢湖流域作为人类热点活动区域,经济总量水平、交通条件、人口密度、人类活动强度等指标也会对生态系统功能产生一定的影响。因此,本研究最终筛选出高程、坡度、人为影响综合指数、降雨、土壤侵蚀、≥10℃积温、道路密度、GDP、人口密度和NDVI共10项指标作为地理探测因子。基于GeoDetector工具的“因子探测器”和“交互作用探测器”功能,以生态服务价值总量为地理探测因变量,以驱动因子为自变量,输入地理探测器进行驱动因子贡献率及驱动因子之间交互作用特点的定量分析,探讨巢湖流域生态服务价值空间分异的驱动机制。

3 结果与分析

3.1 巢湖流域生态服务价值量时空变化特征分析

生态系统服务是指生态系统为了维持人类生产、消费、流通等行为活动所提供的有形或无形的自然产品、环境资源以及生态公益的能力^[41]。参照表1“巢湖流域单位面积生态系统服务价值当量表”,根据公式（1）计算得到巢湖流域生态系统服务总价值,在ESV计算的基础上,根据公式（2）进行敏感性指数分析。以2017年为例,CS计算显示各地类对本区域所引用的当量因子敏感度指数均小于1,其中,农田的敏感度指数最大,为0.463、林地敏感度指数为0.262、水域的敏感度指数为0.275、草地的敏感度指数为0.016、未利用地的敏感度指数小于0.001。因此,研究区生态系统服务价值对于当量因子是缺乏弹性的,研究区ESV对赋予的各土地利用类型ESV当量系数不敏感。

通过对1995—2017年间的ESV总量时空演化分析表明,巢湖流域生态服务价值总量由1995年的303.17亿元下降为2005年的300.95亿元和2017年的287.70亿元,近20a来减少约5.11%,年均下降率0.23%。其中1995—2005年间,生态服务价值总量下降0.73%;2005—2017年间,生态系统服务价值总量下降为4.41%,表现出明显的阶段性特点。在ArcGIS10.2中,按自然断点法对巢湖流域ESV总量进行五级（低级、较低级、中等、较高级和高级）分类,不同时期的ESV等级变化具有一定的特征。分析表明,近20a来,总体上巢湖流域低级别ESV区域在扩展,中、高等级的ESV区域范围在空间上整体呈缩减趋势,其中低级和较低级ESV面积分别上升了30.45%和37.10%,较高级和高级别ESV区域分别下降了67.98%和28.58%（表2）。巢湖流域不同等级ESV的空间转化呈现出“两极”变化趋势,说明流域土地生态系统功能受损表现出一定的空间差异性。

Tab. 2
表2
表2巢湖流域生态服务价值总量空间变化趋势
Tab. 2The spatial change tendency of ESV in the Chaohu Basin

不同ESV等级区		低级	较低级	中等	较高级	高级
面积（km²）	1995年	853.89	6310.36	7420.10	972.94	1090.25
	2005年	1048.48	6908.74	6696.75	1214.87	778.70
	2017年	1113.92	8651.68	5791.69	311.55	778.70
变化率（%）	1995—2005年	22.79	9.48	-9.75	24.87	-28.58
	2005—2017年	6.24	25.23	-13.51	-74.36	0.00
	1995—2017年	30.45	37.10	-21.95	-67.98	-28.58

新窗口打开|下载CSV

从流域各行政单元的ESV时空变化统计结果来看,流域整体ESV贡献力较大的区域为巢湖市区、舒城县、庐江县和无为县。近20a来,在流域空间上只有少数行政单元的ESV总量呈上升趋势,大多数呈下降趋势。1995—2005年间,ESV总值下降最大的是合肥市区,为13.22%,其次为巢湖南部的无为县9.03%和庐江县5.88%;2005—2017年间,下降最大的是西南部的舒城县,为14.61%,其次是南部的庐江县11.02%和东部和县6.44%。在1995—2017年间,总体上变化率最大的为巢湖南部庐江县,下降率16.26%,其次是合肥市区11.46%、南部的无为县9.28%,以及东部的和县8.81%（表3）。因此,通过对各县区单元统计对比分析表明,近20a来,巢湖流域ESV总量只有肥东县处于上升趋势,而合肥市区、巢湖南部庐江县、无为县和巢湖东部的和县生态服务价值量下降明显（图4）。

Tab. 3
表3
表3巢湖流域不同行政单元内的生态服务价值变化特征
Tab. 3The ESV variations of different administrative units in the Chaohu Basin（亿元,%）

县区	1995年ESV总值	2005年ESV总值	2017年ESV总值	1995—2005年变化率	2005—2017年变化率	1995—2017年变化率
肥东	28.79	29.55	31.44	2.64	6.38	9.19
肥西	35.11	33.88	33.27	-3.49	-1.79	-5.22
合肥市	8.32	7.22	7.37	-13.22	2.03	-11.46
巢湖市	54.99	52.84	52.71	-3.90	-0.25	-4.15
含山	17.47	17.45	17.40	-0.15	-0.27	-0.42
和县	23.69	23.09	21.61	-2.53	-6.44	-8.81
庐江	43.18	40.64	36.16	-5.88	-11.02	-16.26
无为	42.45	38.61	38.51	-9.03	-0.28	-9.28
舒城	49.17	57.67	49.24	17.29	-14.61	0.15
流域总计	303.17	300.95	287.70	-0.73	-4.41	-5.11

新窗口打开|下载CSV

图4

新窗口打开|下载原图ZIP|生成PPT
图41995—2017年巢湖流域生态服务价值空间分布特征

Fig. 4The spatial characteristics of ESV in the Chaohu Basin from 1995 to 2017

3.2 巢湖流域核心区生态服务价值梯度空间变化特征

巢湖流域核心地带的水环境保护区是流域的重要组成部分,该区域的生态服务功能状况对于流域生态环境质量具有重要影响。为了更好的了解近20a来的巢湖流域核心区域生态服务功能变化趋势,本文利用缓冲梯度法分析巢湖流域不同水环境保护区范围内的生态服务价值量变化特征。首先基于ArcGIS10.2以巢湖湖泊为对象进行6 km的缓冲区,向外距离30 km内产生5重缓冲区,形成以湖体为核心的5个环带（图2）;其次利用空间分析和统计工具进行各环带内的生态服务价值量计算,并对各时期不同环带内和不同环带之间的生态服务价值量及其变化率进行比较。

研究表明,作为巢湖流域核心区的水环境保护区内的ESV空间分布及其变化具有显著的特点：首先,近20a来巢湖流域核心区范围的ESV显著下降,5个不同环带内的ESV均表现下降趋势。分析显示,1995—2017年间,5个不同环带的ESV下降量与距湖体的距离呈反比趋势,位于缓冲区的最内环,即巢湖水环境保护区核心带的生态服务价值量下降最为明显,达18.55%,巢湖流域水环境保护核心区的生态系统功能变化值得关注;其次,在不同发展阶段,生态服务价值量的变化特征有所差异。研究表明,1995—2005年期间,生态服务价值的变化较大,其中,一环内ESV降速最大,为17.35%。但2005—2017年间,ESV虽有所下降,但降速明显减缓,这一时期,各环带内ESV降速最低为1.23%,一环内ESV降速也仅为1.45%,甚至在三环和五环内的ESV还有上升的趋势（图5）。这种不同时期的核心环带内的ESV变化特点与整个流域在不同时期的ESV变化趋势相反,在一定程度上反映了在巢湖流域生态文明建设背景下,近年来流域生态功能核心区的保护效果得到了应有的体现,从而局部ESV下降趋缓。但流域整体的ESV总值在下降,这说明在对局部生态系统功能调控优化过程中,仍需大力加强对整个流域层面上的生态系统功能的管控力度。

图5

新窗口打开|下载原图ZIP|生成PPT
图51995―2017年巢湖流域核心区生态服务价值空间梯度变化特征

Fig. 5The gradient changes of ESV at the core of the Chaohu Basin from 1995 to 2017

巢湖流域近年来社会经济水平发展较快,流域的土地生态系统受到人类活动的强烈干扰,水体生态质量持续下降,这与巢湖流域核心区周边的土地开发、大规模投资建设等具有很大关系。巢湖流域作为安徽省经济发展引擎、皖江城市带的主战场、中部地区经济热点区域,随着城市化和工业化发展,以及近年来安徽省行政区划调整所带来的县域经济活力释放,一方面有效促进了该区域社会经济的快速发展,同时,由此引发的流域生态风险压力也在持续增加^[42]。巢湖流域在目前生态文明建设和新型城镇化双重背景下,如何加强流域生态保护与社会经济可持续性,促进生态文明建设与新型城镇化的协调耦合发展值得探讨。

3.3 巢湖流域生态服务价值空间分异的驱动分析

3.3.1 基于地理探测器的因子探测分析空间分异性是自然和社会经济因子复杂耦合作用的过程在空间上的表现,人类可以通过对空间数据的分析途径来了解和认识自然现象。利用地理探测器方法可进行ESV的自然和社会经济驱动因子对其空间分异的贡献程度,可明确各因子之间的相互关联性^[40],分析各驱动因子在多大程度上解释了流域ESV的空间分异现象,从而对比各类型因子对流域ESV空间分异的相对重要性。

分析显示,巢湖流域ESV在空间上的分布差异受到流域自然因子和社会经济因子共同作用,其中人为影响指数、积温、坡度、高程等因子的贡献率较大,而道路密度、土壤侵蚀对ESV空间分异影响的贡献率相对较小。本文中各因子按照q统计量的大小进行整体排序为：HAI>积温>坡度>高程>地均GDP>NDVI>人口密度>降雨>道路密度>土壤侵蚀。因此,从驱动因子对生态服务价值的影响来看,HAI的解释力在40%以上,最为显著;其次是积温、坡度和高程因子,其影响力都在25%左右,是影响流域生态服务价值空间分异的重要因素;另外地均GDP、NDVI、人口密度和降雨因素,其影响力都在15%以上,是影响流域ESV空间分异较为重要的因素;而道路密度和土壤侵蚀的解释力在10%以下,一定程度上影响着因变量的空间分异,但其单个因子对ESV的空间分异影响较小（表4）。

Tab. 4
表4
表4巢湖流域生态服务价值空间分异驱动因子探测结果
Tab. 4Detection results of driving factors for spatial differentiation of ESV in the Chaohu Basin

因子指标	高程	坡度	HAI	降雨	土壤侵蚀	≥10℃积温	道路密度	GDP	人口密度	NDVI
q统计量	0.2429	0.2572	0.4096	0.1701	0.0220	0.2717	0.0638	0.1975	0.1715	0.1900
P值	0.0000	0.0000	0.0000	0.0000	0.0038	0.0000	0.0000	0.0000	0.0000	0.0000

新窗口打开|下载CSV

研究表明,自然、人文社会经济因素在不同程度上解释了流域ESV空间分异的驱动机制。从q统计量的排名来看,HAI因子对流域ESV空间分异的解释能力最高,明显占有主导优势,在一定程度上反映了人为土地利用活动对流域生态系统的干扰影响程度大,是巢湖流域ESV空间分异的主导因子。因此,巢湖流域作为人类活动热点区域,土地利用过程中要严格遵循国土空间规划及用途管制规则,同时大力加强对流域土地利用强烈干扰所带来的生态系统破坏的风险管控。另外,因子探测显示了自然因素较社会经济因子对ESV的空间分异影响程度大,相关部门应当大力加强流域资源保护、生态保育和制度保障。同时,在产业布局与规划中因势利导遵循因地制宜的土地利用开发模式,优化土地资源配置和安全格局构建,保障土地利用的可持续性,促进土地生态系统功能的优化。

3.3.2 基于地理探测器的因子交互探测分析交互探测器主要用来探测驱动因子对影响生态服务价值的空间分布是否具有交互作用,可以通过交互探测结果的q(x_i∩x_j)值来识别驱动因子之间的共同作用是否增加或减弱对分析变量的解释力^[40]。当两因子交互结果为q(x_i∩x_j)<min(q(x_i),q(x_j))时,表明因子x_i和x_j呈非线性减弱交互类型;当min(q(x_i),q(x_j))<q(x_i∩x_j)<max(q(x_i),q(x_j))时,表明二者为单因子非线性减弱交互类型;当q(x_i∩x_j)>max(q(x_i),q(x_j))时,为双因子交互增强类型;当q(x_i∩x_j)>q(x_i)+q(x_j)时,表明因子x_i和x_j交互后非线性增强;当q(x_i∩x_j)=q(x_i)+q(x_j)时,表明两因子之间相互独立。

巢湖流域ESV空间分异的驱动因子交互探测结果显示,在所选因子中任意两个因子的交互作用均大于单个因子的影响,两两交互的类型主要为交互增强型和非线性增强型,说明导致巢湖流域ESV空间分异结果的不是由单一影响因子造成的,而是由不同影响因素共同作用的结果。其中,HAI与NDVI交互作用对ESV空间分异的影响最强,因子交互探测的q值最高为0.6398,解释力近64%;交互程度对ESV空间分异作用的影响程度达到50%以上的还有：HAI∩≥10℃积温（q值0.6248）、HAI∩降雨（q值0.6178）、NDVI∩≥10℃积温（q值0.5673）、HAI∩GDP（q值0.5612）、HAI∩人口密度（q值0.5514）、NDVI∩降雨（q值0.5481）、HAI∩高程（q值0.5127）、HAI∩坡度（q值0.5089）、NDVI∩坡度（q值0.5024）。其余因子交互类型的q值虽然均在50%以下,但也显示了双因子较单一因子对ESV空间分异影响程度更高的作用效果（表5）。

Tab. 5
表5
表5巢湖流域生态服务价值空间分异驱动因子的交互探测结果
Tab. 5Interactive detection results of driving factors of spatial differentiation of ESV in the Chaohu Basin

因子交互探测 q统计量	高程	坡度	HAI	降雨	土壤侵蚀	≥10℃ 积温	道路密度	GDP	人口密度	NDVI
高程	0.2429
坡度	0.3474	0.2572
HAI	0.5127	0.5089	0.4096
降雨	0.3508	0.3752	0.6178	0.1701
土壤侵蚀	0.2463	0.2598	0.4971	0.1920	0.0220
≥10℃积温	0.3570	0.3672	0.6248	0.4649	0.2865	0.2717
道路密度	0.3105	0.2995	0.5089	0.2406	0.0858	0.3512	0.0638
GDP	0.3459	0.3612	0.5612	0.3801	0.2064	0.3871	0.2545	0.1975
人口密度	0.3440	0.3598	0.5514	0.4412	0.1977	0.4335	0.2335	0.3514	0.1715
NDVI	0.4801	0.5024	0.6398	0.5481	0.2194	0.5673	0.3258	0.4775	0.4641	0.1900

新窗口打开|下载CSV

分析表明,巢湖流域ESV空间分异驱动因子之间的交互作用均大于单因子对ESV的作用程度,不同因子之间的复杂耦合作用所形成的协同增强效应共同影响了流域ESV在空间上分异效果。其中,HAI因子和气象因子（≥10℃积温、降雨）、植被因子（NDVI）、社会经济因子（GDP、人口密度）及地形因子（高程、坡度）之间的交互作用结果的q值较高,明显表现出多因子交互对流域ESV空间分异作用协同增强的效果。从交互探测的结果来看,HAI因子与气象因子（≥10℃积温、降雨）、社会经济因子（GDP、人口密度）与地形因子（高程、坡度）之间交互作用明显强于自然因子内部交互及社会经济因子内部交互的作用。因此,流域由于本身的地理、气象条件约束下,ESV在空间分布上的差异会因为受到外部人为影响因子的强烈干扰时,而大大增强ESV在空间分布上的差异效果。在生态系统优化与生态风险管控实践中,应考虑不同驱动因子的作用特点和各驱动因子交互协同增强的效果,采取差异化多元调控策略^[43],选择与区域自然条件、社会经济发展水平相适应的土地利用开发模式,避免不合理或强烈人为土地利用干扰与自然、社会经济因子协同作用增强对区域生态系统的压力。

4 结论与讨论

4.1 结论

本文以国家生态文明先行示范区巢湖流域为研究对象,基于遥感影像等数据,对近20a来的流域生态服务价值时空演变特征进行分析,应用地理探测器工具识别巢湖流域生态服务价值时空分异的主导因子及各因子交互作用的特点,得到如下结论：

（1）近20a来流域ESV呈持续下降趋势。1995—2017年,ESV由1995年的303.17亿元下降为2005年的300.95亿元和2017年的287.70亿元,近20a来减少约5.11%;空间对比上,作为热点区域的合肥市区和行政区划调整后的巢湖南部和东部区域,由于土地利用程度加强导致生态系统功能变化较为显著,从而该区域的ESV下降较其他区域更加明显。

（2）巢湖流域低级别ESV区域在扩展,中、高等级的ESV区域范围在空间上整体呈缩减趋势。其中低级和较低级ESV面积分别上升了30.45%和37.10%;中等及高级别区域在缩小,较高级和高级别ESV区域分别下降了67.98%和28.58%。近20a来流域核心区内的缓冲环带ESV下降了18.55%,巢湖流域水环境保护核心区的生态系统功能变化及生态安全值得关注。

（3）地理探测分析表明,HAI对巢湖流域ESV空间分异的解释能力最强,是空间分异的主导因子;自然因素中的积温、坡度和高程是重要影响因子;社会经济因素中的经济总量和人口因子也是流域ESV空间分异较为重要的驱动力。巢湖流域ESV空间分异是自然因子和人文、社会经济因子共同交互协同增强作用的结果。巢湖流域生态系统功能优化应结合各因子作用及不同因子交互作用特点和效果采取差异化调控模式与策略。

4.2 讨论

生态服务价值时空变化作为生态系统服务研究的热点内容之一,近年来,相关研究中大多数基于统计变量进行生态服务价值驱动力定性及回归分析,由于缺乏以空间因子数据为支撑的分异性定量驱动机制探讨,因此,在区域生态系统功能调控和优化实践中的空间指向性不明确。地理探测器是一种新型的空间统计学方法,应用较为广泛。生态服务价值的空间分异性是自然和人文社会经济因子复杂耦合作用的空间现象,生态服务价值的研究尺度、驱动因子分辨率及其因子离散化等问题对空间分异的研究结果也会产生一定的影响,加强驱动因子数据精度与地理探测结果之间的互动分析能有效提高该方法在应用中的可靠性^[43]。生态系统服务具有多元生态价值内涵,如食物供给、涵养水源、水土保持、美学等,不同研究区域或主体对于生态价值的需求各有侧重,本文的研究方法可为多元生态价值空间分异机制的地理探测提供思路,从而为不同生态系统功能优化提供更加有效的调控依据。

应用遥感、GIS和地理探测器工具,本文系统分析了近20a来的巢湖流域生态服务价值时空演变特征及其空间分异的驱动机制,地理探测器较好的揭示了巢湖流域生态服务价值空间分异的主要驱动因子及因子之间的交互特点,对于流域生态文明建设、安全格局构建以及生态系统功能优化和调控具有一定的意义。随着巢湖流域被确立为国家第一批生态文明建设示范区后,巢湖流域生态安全建设工作得到了一定的加强,但近20a来流域生态服务价值整体呈持续下降的趋势应当引起相关部门的重视。巢湖流域应在生态文明建设和新型城镇化的指导下,建立以生态导向型的可持续经济发展目标,创新生态文明建设的制度供给保障。在生态系统优化调控方面应进一步加强流域生态资源保护、生态治理等措施,特别要加强对流域水环境保护核心区的生态安全建设工作的重视,从巢湖流域生态文明建设工作制度的顶层设计、《巢湖流域水污染防治条例》的实施、土地规划用途管制规则的执行、流域产业结构的调整、企业污染排放的处罚力度、环境执法监督的常态化等方面加强生态环境保护工作的系统性。因此,有必要建立水资源保护预警与污染“巡查-反馈-处理”快速响应机制、常态化的流域生态环境保护监督管理机制和水环境治理的奖惩长效机制等,进一步加大河长制、林长制的考核和问责力度,全方位提升巢湖流域生态文明建设能力,保障流域生态安全。

参考文献原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子

[1]

Daily G

. Nature’s Service: Societal Dependence on Natural Ecosystems. Washington D C: Island Press, 1997: 3-6.

[本文引用: 1]

[2]

Costanza

, Arge

, Groot

, et al. The value of the world’s ecosystem services and natural capital
Nature, 1997,387:253-260.

[本文引用: 3]

[3]

郑华, 欧阳志云, 赵同谦 , 等. 人类活动对生态系统服务功能的影响
自然资源学报, 2003,18(1):118-126.