Study on Spatio-temporal Synergy between Ecosystem Service Value and Landscape Ecological Risk in Anhui Province
-
摘要:
摸清生态系统服务价值家底，科学防范治理生态风险，可为地区在“两山”政策背景下保障绿色可持续发展提供理论支撑，给出化人地“矛盾”为“和谐”思路。鉴于近20年间安徽省经济增长突出、人地矛盾凸显，以安徽省为研究区域，基于2000—2020年土地利用数据，构建生态系统服务价值、景观生态风险评价模型，综合运用空间相关分析、地理加权回归及地理探测器等研究方法，探究安徽省生态系统服务价值与景观生态风险的时空演变趋势及空间影响关系。 结果表明：（1）20年间安徽省生态系统服务价值（ESV）下滑明显， 流域与山区价值较高，中部北部耕地价值较低，景观生态风险（ERI）在20年间逐渐好转。（2）研究区ESV与ERI的莫兰指数显著降低，高—高、低—高聚集区减少，且ESV对ERI的激化作用显著减弱。（3）自然、社会因素均能显著驱动ESV，ERI则主要受自然因素驱动。研究表明生态系统稳定性对ESV与ERI间的关系有显著影响，未来应持续保护南部山区林地，重点治理境内水域生态环境，提升草地景观整体性，科学划定城镇开发边界，增强安徽省生态系统稳定度。
Abstract:Mapping the value of ecosystem services and scientifically preventing and managing ecological risks can provide theoretical support for guaranteeing green and sustainable development in the context of the “two mountains” policy, and give the idea of transforming the “contradiction” between people and land into “harmony” . In view of the outstanding economic growth in Anhui Province in the past 20 years, the contradiction between people and land had been highlighted, so we took Anhui Province as the study area, constructed ecosystem service value and landscape ecological risk evaluation model based on the land use data from 2000 to 2020, comprehensively utilized the spatial correlation analysis, geographically-weighted regression and geographic detector and other research methods, explored the spatial and temporal evolution trend and spatial influence relationship between ecosystem service value and landscape ecological risk in Anhui Province. The results showed that: (1) The value of ecosystem services in Anhui Province declined significantly during the 20 years, with higher values in watersheds and mountainous areas, lower values for cultivated land in the central and northern parts of the province, and a gradual improvement in landscape ecological risks during the 20 years. (2) The Moran’ s index of ESV and ERI in the study area was significantly reduced, with fewer areas of high-high and low-high aggregation, and the radicalization of ERI by ESV was significantly attenuated. (3) Natural and social factors can both significantly drive ESV, while ERI is primarily driven by natural factors. The study showed that, ecosystem stability had a significant effect on the relationship between ESV and ERI. In the future, we should continue to protect the forest land in the southern mountainous areas, focus on the management of the ecological environment of the waters within the territory, enhance the wholeness of the grassland landscape, and scientifically demarcate the development boundary of cities and towns, so as to enhance the stability of the ecosystem in Anhui Province.
-
随着我国发展迈入新阶段，国家对于生态环境问题的重视也一再提升，从“科学发展观”到“绿水金山就是金山银山”，再到“像保护眼睛一样保护生态环境”政策的提出，无不体现出党中央对于生态文明建设前所未有的重视程度。在近20年的时间里，我国的生态环境治理工作取得了历史性、转折性、全局性的变化[1]，人地矛盾得到显著缓和，生态系统的完整性和稳定性也相应增强[2]，但在快速城镇化进程下，生态用地遭受侵占，生态服务价值下滑的问题也影响着国民本身的生活质量与环境福祉[3−4]。为科学协调人地关系，妥善管理生态环境质量，合理划定发展边界，当下对于生态系统服务价值与景观生态风险的研究成为热点议题[5−6]。
生态系统及生态过程源源不断地供给生态物品和服务，为人类提供生存发展的基础，是无法替代的自然资源和自然资产，其价值无法估量，但为避免生态系统被过度消费，通过量化人类在生态系统中获得的收益计算生态服务价值以此作为生态管控政策实施的依据[7]。当下人类对于景观的影响日趋深远[8]，分析生态服务价值的时空演变趋势，可准确反映景观格局变化对于生态服务功能的直接影响，也是生态保护政策建立的必然前提[9−10]。目前较为权威的生态服务价值测算方法主要沿用谢高地等提出的“单位面积生态系统服务价值当量表”进行计算[11]，其使用币值化的评估方法，具有容易理解、感受直观的优点，被学者广泛应用于区域生态服务价值评估研究[12−13]，也推动了自然资本的量化与生态补偿政策的实施[14]。
景观生态风险是自然或人为因素影响下景观格局与生态过程相互作用可能产生的不利后果[15]，是从景观尺度耦合人地关系的重要方法[16]。该指标与生态系统服务价值同为衡量生态系统健康状况的重要依据，均基于景观格局的改变而发生变化，具有深层次的联系。现有生态系统服务价值与景观生态风险的研究多集中于单一指标的时空演变趋势的分析[17−18]，并给出针对性修复意见，具有一定指导意义，但对于两个指标间的关联探讨，可供参考的文献不多。两者的结合分析可深入探究景观格局与生态环境质量间的互馈机理，对缓和人地矛盾有重要意义[19]。朱润苗等评估了福建省景观风险与生态系统服务价值的时空变化特征及空间相关性，得出景观生态风险对生态服务价值的负影响效应，并可高弹性影响其总量变化[20]。靳甜甜等在分析黄土高原林区生态系统服务价值与生态风险关联性时，发现两者呈现空间负相关性，且生态系统服务价值变化相对于生态风险变化存在一定滞后效应[21]。结合前人研究成果，可见所得结论呈现地区差异，不具有普适性，需进行针对探讨，且均未从空间上给出两者的相互作用关系，无法契合地区真实情况因地制宜。
安徽省为我国粮食主产地之一，因其独特的地理特征，境内大别山区水源涵养带、皖江湿地洪水调蓄区、新安江流域等地是我国重要的生态功能区[22]。21世纪以来，安徽省在经济水平较弱，地理区位优势不明显，资源禀赋一般的劣势下，发展至今全国较高水平，对于欠发达省份有很强的借鉴意义[23]，同时经济产业发展迅速也使得生态环境遭受人类活动的强烈冲击[24]。鉴于此，本研究以10年为间隔，基于土地利用遥感数据和测算模型，识别20年间安徽省生态系统服务价值与景观生态风险的分区，并采用局部自相关、地理加权回归、地理探测器等研究方法，探究两者间的时空演变趋势及空间关联特征，挖掘驱动机制，并给出优化路径。以期为安徽省摸清生态系统服务家底，建立生态风险预警机制，构建人地和谐的生态安全格局提供科学依据。
一、 研究区域与研究方法
（一） 研究区概况
安徽省地处我国华东长江三角洲地区，地理位置介于114°91′～119°22′E，34°61′～29°33′N之间，东接江苏、浙江，南邻江西，西接河南、湖北，北靠山东。处暖温带与亚热带过渡地区，水陆空交通便利，自然资源丰富，地势有北平原、南山地的特征，平均海拔119.3 m，由南向北依次为淮北平原、江淮丘陵、皖西大别山区、沿长江平原和皖南山区。下属16个地级市，总面积14.01万km2，常住人口6 127万人（2022年底），年产值45 045亿元（2022年）。根据第三次全国土地调查结果，安徽省耕地总面积554.67万hm2，产出全国6％的粮食，同时河流众多，山系延绵，生态价值极为丰富。近年来，安徽省顺应“中部崛起”战略，抢抓发展机遇，鼓励科技创新，承接发达地区产业转移实现飞速发展[25]，城镇化速率快速提升，景观格局剧变，对于生态安全与耕地资源有较强冲击，生态系统压力增大，相关部门积极推动生态治理措施并取得显著成效。
（二） 数据来源
本文2000—2020年三期土地利用遥感数据来源于中国自然资源部牵头建立的30 m高精度全球地表覆盖数据（GlobeLand 30），原始数据集已进行遥感解译，各期数据精度总体达到80％以上，符合研究精度要求，同时为保证研究需要，将用地类型分为耕地、林地、草地、水域、建设用地、未利用地共6类。年均温度、年均降水、GDP数据来源于中科院资源环境科学数据中心（https://www.resdc.cn/），空间分辨率为1 km；坡向、DEM数据来源于地理空间数据云（https://www.gscloud.cn/），空间分辨率为90 m；路网数据来源于Openstreet（https://www.openstreetmap.org/）；人口栅格数据源于美国能源部橡树岭国家实验室发布的全球人口动态统计分析数据库（https://landscan.ornl.gov/）；行政区划数据来源于我国民政部公开的全国行政区划信息查询平台（http://xzqh.mca.gov.cn/map），标准底图审图号为：GS（2022）1873号。
（三） 研究方法
1. 评价单位的划分
为对ESV与ERI进行空间测算，对研究区进行网格化划分，且考虑到尺度效应对各景观类型的形态特征和复杂程度维持能力的差异[26]，采用Arc GIS 10.8中Fish net功能，将研究区采样成1 578个边长为10 km的正方形格网，并进行序列编号，作为研究区指标测算的评价单元。针对地域边缘不足10 km的网格，根据实际面积比例乘算。
2. 生态系统服务价值（ESV）的测算
按谢高地等提出的生态系统服务价值当量表[11]（表1），以安徽省每年1 hm2耕地平均产出粮食的经济价值定义为1为基础，衡量生态系统产生生态服务相较于耕地食物生产的贡献度。根据谢高地“单位面积农田ESV等于平均粮食单产市场经济价值的1/7”的定义，由安徽省统计年鉴（http://tjj.ah.gov.cn/）得到2000—2020年间平均粮食产量为4915.76 kg/hm2，由安徽省粮食和物资储备局（http://lswz.ah.gov.cn/）得到2020年主要粮食作物收购均价为2.62元/kg。耕地食物生产生态系统服务价值单价计算公式为：
表 1 单位面积生态系统服务价值当量表生态服务类型 耕地 林地 草地 水域 建设用地 未利用地 食物生产 1.36 0.31 0.23 0.8 0.01 0.01 原料生产 0.4 0.71 0.34 0.23 0 0.03 水资源供给 0.02 0.37 0.19 8.29 −7.51 0.02 气体调节 1.11 2.35 1.21 0.77 −2.42 0.05 气候调节 0.57 7.03 3.19 2.29 0 0.10 净化环境 0.17 1.99 1.05 5.55 −2.46 0.15 水文调节 2.72 3.51 2.34 102.24 0 0.10 土壤保持 0.01 2.86 1.47 0.93 0.02 0.13 维持养分循环 0.19 0.22 0.11 0.07 0 0.01 生物多样性 0.21 2.60 1.34 2.55 0.34 0.12 美学景观 0.09 1.14 0.59 1.89 0.01 0.05 $$ {C_{crop}} = \frac{1}{7}{T_a} \times {T_b} $$ (2-1) 式（1）中，
$ {C_{crop}} $ 为耕地食物生产生态系统服务价值的单价，$ {T_a} $ 为研究区研究期间内单位面积平均粮食产量（kg/hm²），$ {T_b} $ 为研究区平均粮食收购价格（元/kg）。计算单价后，根据价值当量表中数值分别计算耕地、林地、草地、水域、建设用地、未利用地的单位面积生态系统服务功能经济价值量。并按评价单元进行分类加总，得到每个评价单元中心的生态服务价值总量[4]。其计算公式为：
$$ ESV=\sum\limits_{i=1}^m\sum\limits_{j=1}^nA_i\times C_{crop}\times f_{hk} $$ (2-2) 式（2）中，ESV代表独立单位内生态系统服务价值的总量，
$ {A_i} $ 表示单元内第$ i $ 类地类的面积（hm²），$ {f_{hk}} $ 为第$ h $ 类地类中第$ k $ 类生态系统服务价值当量因子，$ i $ 为土地利用类型数量，$ j $ 为生态系统服务类型。3. 景观生态风险（ERI）的测算
景观生态风险指数是从景观尺度耦合人地关系的重要指标，基于研究区景观格局指数[27]（表2）得出，主要受到景观类型受外部因素侵扰的干扰程度和景观内部本身的脆弱程度的影响[28]。其计算公式为：
表 2 景观格局指数计算方法及含义景观格局指数 计算公式 公式含义 景观损失度 $ {R_i} = {E_i} \times {F_i} $ 通过景观干扰度和景观脆弱度综合反映景观类型i受到外部侵扰时的生态损失 景观干扰度 $ {E_i} = a{C_i} + b{N_i} + c{D_i} $ 其值用以衡量该类景观受到外界干扰程度，a、b、c分别为Ci、Ni、Di的权重，且需保证a+b+c=1，根据前人研究成果及研究区实际依次赋值为0.5、0.3及0.2 景观破碎度 $ {C_i} = \dfrac{{{n_i}}}{{{A_i}}} $ 表示第i类景观的破碎度，其值越大，景观越趋于碎片化，稳定性越差。ni为第i类景观的斑块个数，Ai为第i类景观的总面积 景观分离度 $ {N_i} = \dfrac{A}{{2{A_i}}}\sqrt {\dfrac{{{n_i}}}{A}} $ 该值表示景观类型空间分布情况，其值越大，表示该景观类型空间分布越复杂。Ai为景观类型i的总面积，A为景观总面积 景观优势度 $ {D_i} = \dfrac{{{Q_i} + {M_i}}}{4} + \dfrac{{{L_i}}}{2} $ Qi为i类景观出现的单元数与总单元数的比值，Mi为i类景观斑块个数与斑块总个数的比值，Li为i类景观斑块面积与样方总面积的比值 景观脆弱度 $ {F_i} $ 该值表示各景观生态系统内部结构的易损程度，其值越大表明景观类型对外界干扰的承受能力越弱。由采用专家打分法得出，将耕地、林地、草地、水域、建设用地、未利用地分别赋值为3、2、4、5、1、6，并进行归一化处理 $$ ER{I_k} = \sum\limits_{i = 1}^n {\frac{{{A_{ki}}}}{{{A_k}}}} \times {R_i} $$ (3-1) 式（3）中，
$ ER{I_k} $ 为单元内景观生态风险指数，$ {A_{ki}} $ 为第$ k $ 个评价单元中第$ i $ 类景观的面积，$ {A_k} $ 为第$ k $ 个评价单元中的景观总面积，$ n $ 为评价单元总数，$ {R_i} $ 为景观损失度指数。4. 双变量空间自相关分析
利用Geoda软件中的双变量局部空间自相关分析方法刻画研究区生态系统服务价值与景观生态风险间的空间关联特征，通过空间聚类图识别指标空间集聚情况，计算全局自相关系数（莫兰指数）反映指标间的总体相关性[29]，且为地理加权回归模型构建的必要检验步骤[30]。其计算公式如下：
$$ {I_{hk}} = \frac{{n\displaystyle\sum\limits_{i = 1}^n {\displaystyle\sum\limits_{j = 1}^n {{w_{ij}}\left( {\frac{{{x_{ih}} - \overline {{x_h}} }}{{{\sigma _h}}}} \right)\left( {\frac{{{x_{ik}} - \overline {{x_k}} }}{{{\sigma _k}}}} \right)} } }}{{(n - 1)\displaystyle\sum\limits_{i = 1}^n {\displaystyle\sum\limits_{j = 1}^n {{w_{ij}}} } }} $$ (4-1) 式（4）中，I为莫兰指数，其值介于[−1, 1]之间，以0为分界点，若值>0，表明两者呈现空间正相关性，若值<0，则反之。
$ {x_{ih}} $ 、$ {x_{ik}} $ 分别为第$ i $ 个评价单元内的生态系统服务价值与景观生态风险指数值，$ {\sigma _h} $ 、$ {\sigma _k} $ 为生态系统服务价值和景观生态风险指数的方差，$ {w_{ij}} $ 为基于空间邻接关系建立的权重矩阵。5. 地理加权回归模型（GWR）
地理加权回归模型可从空间上给出生态系统服务价值对于景观生态风险的具体影响程度，可探寻指标的空间关联特征，有助于定点协调人地关系。该模型相较于传统OLS回归纳入空间异质性的考量，其回归结果更为准确。其计算公式为：
$$ {y_i} = {{\text{β}} _0}（{u_i},{v_i}） + \sum\limits_{k = 1}^m {{\text{β}} ({u_i},{v_i}){x_{ik}} + {{\text{ε}}_i}} $$ (5-1) 式（5）中，
$ {y_i} $ 为被解释变量，$ {{\text{β}} _0} $ 为截距，$ ({u_i},{v_i}) $ 为经纬度坐标，${\text{β}}({u_i},{v_i}) $ 为第k个解释变量在第i个样本时的拟合系数，$ {x_{ik}} $ 为第k个解释变量在第i个样本点的取值，$ {{\text{ε}}_i} $ 表示随机误差项。6. 地理探测器
为探明研究区ESV与ERI主要受何因素影响，采用地理探测器模型[31]，从自然因子、社会因子两个维度分别发掘研究区ESV与ERI的驱动机制。利用分异及因子探测模块，用
$ q $ 值表示变量（Y）的空间异质性与因子（X）能够在多大程度上解释这种空间异质性特征，其值介于[0, 1]之间，值越大，表明因子（X）的解释能力越强，即对（Y）的影响越大。计算公式为：$$ q = 1 - \frac{{\displaystyle\sum\limits_{h = 1}^L {{N_h}\sigma _h^2} }}{{N{\sigma ^2}}} $$ (6-1) 式（6）中，
$ h $ 为第$ h $ 个评价单元，$ L $ 为评价单元总数，$ {N_h} $ 、$ N $ 分别为评价单元$ h $ 和研究区全部的样本数量，$ \sigma _h^2 $ 、$ {\sigma ^2} $ 分别为评价单元$ h $ 和研究区（Y）值的方差。二、 结果与分析
（一） 生态系统服务价值的时空演变趋势
计算3个时间节点的生态系统服务价值（表3），并通过克里金法插值实现可视化，将研究区价值量按照自然断点分级法分为5个等级，生成2000—2020年研究区生态系统服务价值时空演变图（图1）。
表 3 研究区各地类生态系统服务价值土地利用类型 生态系统服务价值ESV（×108元） 2000年 2010年 2020年 耕地 10 543.70 10 384.57 10 057.82 林地 15 776.00 15 603.92 15 423.80 草地 613.80 640.82 655.58 水域 16 237.57 16 833.00 16 527.94 建设用地 −2 112.41 −2 398.79 −3 077.60 未利用地 0.59 0.48 0.62 总计 41 059.23 41 063.99 39 588.15 从表3中得出，研究区在2010—2020年间，生态系统服务价值出现大幅下滑，降低1 475.84亿元，降幅达3.5％。从各土地类型看，耕地、林地、水域的生态系统服务价值总量较高。耕地、林地ESV在20年间逐渐降低，分别减少485.55亿元、352.2亿元；草地ESV稳固增长，增加41.78亿元；水域ESV先增后减，总体上涨290.37亿元；建设用地ESV为负值且负向生态服务20年间增加965.19亿元，幅度为45.69％。
研究区受地类分布特征影响，生态系统服务价值呈现北低南高的态势。安庆、池州、铜陵、芜湖、马鞍山所处的长江流域，淮河流经的六安、淮南、蚌埠、滁州沿线与巢湖流域呈现出高度价值。其次属皖西大别山区的六安市、安庆市，皖南山区内的池州市、黄山市、宣城市都呈现中等以上价值等级，该地区主要景观类型为林地，林地生态系统在气候调节、土壤保持、生物多样性等方面有较强贡献。皖北阜阳、亳州、淮北、宿州及合肥市北部生态系统服务价值较低，为省内耕地主要分布地区，因耕地保护政策需维持面积稳定。
（二） 景观生态风险时空演变趋势
同上对景观生态风险计算结果进行空间插值，将研究区划分为低生态风险（ERI≤0.0185）、较低生态风险（0.0185<ERI≤0.0245）、中生态风险（0.0245<ERI≤0.0309）、较高生态风险（0.0309<ERI≤0.0404）、高生态风险（ERI>0.0404），划分等级后生成2000—2020年研究区景观生态风险时空演变图（图2）。
2000—2020年，研究区景观生态风险均值逐渐下降，结合土地利用图与景观生态风险演变图可显著看出，研究区河流流域与湖泊周边地区景观生态风险较高。长江流域、淮河流域、巢湖流域均呈现出较高以上风险等级，同时滁州市东北部及西部生态风险状况较为严峻，该地区景观类型夹杂较多草地，因其景观破碎度、脆弱度均较高，使其所处区域生态系统较为脆弱。安徽省北部、中部耕地集中地区具有较低的景观生态风险，源于耕地景观较高的景观整体性，景观抗干扰能力为中等水平。皖西大别山区与皖南山区因林地集中连片，景观保持高度整体性，同时生态系统物种较为丰富，有很强的抗外界干扰能力，因此生态风险较弱。按时间跨度看，2000—2020年安徽省景观生态风险总体变化不大，高生态风险区有显著收缩的趋势，如淮河流域六安段、合肥巢湖、长江流域安庆段高风险区在2020年较之2000年时已大幅缩小，主要处于淮河流域、长江流域的较高生态风险区在20年间也显著收紧，在2020年时仅滁州市中部、安庆市南部生态安全问题较为严峻外，其余城市大都风险可控。从面积占比上，20年间高生态风险区占比下降1.5％，较高生态风险区由18 352.9 km2降低至11 393 km2，较低风险区增长显著，由2000年的60 320.5 km2升高至2020年的72 092.7 km2，其占比也大幅提高8.4个百分点（图3）。
（三） 生态系统服务价值与景观生态风险空间相关性分析
以生态系统服务价值为解释变量，以景观生态风险为被解释变量，探究前者对后者的空间影响效应，并生成空间聚类图（图4）。图4中共分为不显著、高价值—高风险、高价值—低风险、低价值—低风险、低价值—高风险物种聚类类型。同时计算得出3个时间节点双变量莫兰指数（表4）。
表 4 2000—2020年双变量莫兰指数年份 2000 2010 2020 莫兰指数（Moran’s I） 0.218 0.179 0.102 三期莫兰指数值均为正值，表明总体上研究区生态系统服务价值对景观生态风险的影响是正向的，即生态系统服务价值的升高会增加区域生态风险。莫兰指数的降低，表明生态系统服务的提高对景观生态风险的增长促进作用逐渐减弱。
根据空间聚类图，皖北皖中耕地分布地区主要呈现不显著的特征，高价值—高风险区集中于长江流域安庆段、巢湖流域、淮河流域滁州段，该地区水域较宽阔，能够提供极高价值的生态服务，但因水域脆弱的景观属性，受人类活动影响的风险较高，需对该区域进行重点保护，严格防范水生态系统的破坏。低价值—低风险聚集区数量较少，在2020年时于阜阳市城区与亳州市城区出现，因城市扩张，该地区景观脆弱度进一步降低。高价值—低风险区主要位于皖西大别山区与皖南山区，山林生态系统稳定且能输出极高的生态价值，生态功能十分宝贵，需做好山林保护工作。低价值—高风险地区主要位于淮河流域、长江流域高—高聚集区周边草地分布带，生态功能有限且生态风险等级较高，为生态治理工作中的重点区域。
（四） 生态系统服务价值与景观生态风险时空关联特征演变
分别运用OLS（普通线性回归）与GWR（地理加权回归，图5）对研究区2000—2020年生态系统服务价值与景观生态风险进行回归拟合，拟合参数如表5所示。利用AICc值与R²衡量模型拟合优度，可以看到，GWR模型相较于普通线性回归法具有更低的AICc值，同时调整后的R²大幅优于OLS模型，表明GWR模型计算结果更接近于真实值，其解释效果及模型构建明显优于OLS模型[32]。
表 5 各模型设置下AICc值与R²（Adjusted）结果比对模型名称 AICc值 R²（Adjusted） 2000 2010 2020 2000 2010 2020 OLS −10 383.0 964 −10 573.7 830 −9 065.7 754 0.1 905 0.1 153 0.0 258 GWR −11 811.3 278 −11 765.2 601 −9 618.5 980 0.7 008 0.6 226 0.3 814 整体来看，安徽省生态系统服务价值对景观生态风险呈正影响效应，即生态系统服务价值的提升会相应增高生态风险性。从地理空间分布上看，较低系数区主要分布于宿州市中部林草地集结区，皖西大别山区，池州市、铜陵市、黄山市等地的皖南山区。皖北平原耕地区、皖中地带正相关系数较为适中。六安市中部、宣城市中部、黄山市中部及滁州市、安庆市正相关系数较高，也表明这些区域新增生态地类可能会较快增高地区生态风险，需要谨慎对待。从时间变化看，2000—2020年研究区ESV对ERI的平均相关系数呈先增高后降低的趋势。市级层面上，六安市中部地区在20年间明显好转，正相关系数显著降低，皖南山区低系数区大幅缩减，表明生态稳定性有所降低，合肥市城区在2020年升至较高系数区，宣城市、阜阳市及亳州市正相关系数均有所降低。
（五） 生态系统服务价值与景观生态风险的驱动力分析
综合研究区自然与社会两个层面的因素对生态系统服务价值与景观生态风险的内在影响，分析自然、社会两个维度的因子对两个生态指标的驱动效应。自然环境方面，选取高程（X1）、坡向（X2）、年均温度（X3）、年均降水量（X4）；社会经济方面，选取道路距离（X5）、GDP（X6）、人口密度（X7）、人类活动强度（X8）。同时将前文所计算的各年份景观生态风险（X9）生态系统服务价值（X10）作为驱动因子纳入对应指标的驱动力分析。其中，采用自然断点法将自然环境因素离散为9个等级，社会经济因素离散为6个等级，人类活动强度通过总结前人研究采用AHP层次分析法所确定[33]，对耕地、林地、草地、水域、建设用地、未利用地分别设以0.3、0.05、0.05、0.05、0.55、0的权重进行计算。
根据因子探测结果（表6），观察P值，可得除GDP外其余因子对生态系统服务价值均有显著解释能力，道路距离、GDP、人口密度对景观生态风险无解释能力，其余因子均有显著解释力。剔除无解释力变量后，观察q值，2000年对生态系统服务价值的驱动力排序依次为X1>X8>X3>X9>X5>X3>X7>X1，坡向能影响植物所得太阳辐射强度，对植被类型影响显著，驱动能力最强，人类活动强度可大体反应评价单元内的景观组成，进而显著影响生态系统服务价值，到2020年时，高程对ESV的驱动力显著提升，社会因子道路距离、人口密度、人类活动强度的贡献有所提高。2000年景观生态风险驱动力排序为X1>X10>X1>X4>X8＞X3，坡向的解释力很强但驱动力弱于对ESV的，ESV对景观生态风险的驱动力仅次于坡向，需加强关注高生态价值区域风险状况，且研究区景观生态风险主要受自然因素影响，受社会因素影响较不显著，20年间各因子的解释能力呈现不同程度的下滑，表明人类的生态修复、景观整体性维持等工作可降低景观生态风险受外界影响程度，提高了生态系统稳定性。
表 6 因子探测结果生态系统服务价值因子驱动力 景观生态风险因子驱动力 因子 2000年 2010年 2020年 因子 2000年 2010年 2020年 q值 P值 q值 P值 q值 P值 q值 P值 q值 P值 q值 P值 X1 0.026 0 0.028 0 0.043 0 X1 0.212 0 0.161 0 0.067 0 X2 0.445 0 0.409 0 0.430 0 X2 0.286 0 0.158 0 0.208 0 X3 0.115 0 0.103 0 0.098 0 X4 0.170 0 0.137 0 0.087 0 X4 0.166 0 0.154 0 0.182 0 X4 0.204 0 0.173 0 0.076 0 X5 0.124 0 0.119 0 0.132 0 X5 0.033 0.939 0.020 0.999 0.013 0.852 X6 0.005 0.454 0.007 0.257 0.012 0.014 X7 0.008 0.956 0.004 0.999 0.001 1 X7 0.056 0 0.078 0 0.071 0 X7 0.024 0.025 0.019 0.107 0.004 0.833 X8 0.303 0 0.299 0 0.316 0 X8 0.193 0 0.198 0 0.054 0 X9 0.129 0 0.125 0 0.110 0 X10 0.218 0 0.151 0 0.153 0 三、 结论及讨论
（一） 结论
（1）源于建设用地的快速扩张对生态地类的侵占与水域的缩减，2000—2020年安徽省生态服务价值流失明显，共减少1 475.84亿元。高生态系统服务价值区域集中于省内淮河、长江、巢湖流域与皖西皖南山区，皖北皖中粮食产区的生态服务价值较低。研究区景观生态风险在20年间显著改善，较高以上风险区面积占比降低6.5％，较低生态区面积占比提升8.4％。高风险区主要集中于水域地区，低风险区集中于境内南部山区林地。
（2）研究区生态系统服务价值与景观生态风险的全局自相关系数在20年间逐渐下降，高价值—高风险、低价值—高风险聚集区不断减少。安庆、池州、滁州为高—高聚集区主要分布地，需进行重点把控，低—高聚集区主要在草地区域，需进行针对治理。2000—2020年间，研究区ESV对ERI的平均正影响系数先升高后降低，安庆、六安、滁州市等地区生态系统服务价值增加对景观生态风险激化作用最强。
（3）2000—2020年，研究区ESV与自然变化、社会活动关系密切，ERI主要受自然环境影响，坡度与人类活动强度是两者的主要影响因素。随着经济规模的扩大，对自然开发的深化，ESV受社会因素影响不断增强，自然因素解释力减弱。人类的生态治理政策使得ERI受外部影响显著降低，人地矛盾得到缓和。
（二） 讨论
本文选取对欠发达省份具有重要借鉴意义的安徽省作为研究区域，基于土地利用数据、综合生态系统服务价值与景观生态风险测算模型，借助空间自相关、地理加权回归、地理探测器等研究方法，摸清研究区生态系统服务价值总量，识别景观生态风险分区，并探明两者的空间相关性及因子驱动力。结果可为安徽省精准开展生态修复工作、科学规划发展思路、有效防范生态风险提供理论支撑。但随着时代的发展，人与自然的关系也在飞速演变且具有地区差异性，粮食价格、产量也受到自然社会因素影响，因此如何提高价值当量表的适应性和测算结果的时效性是接下来需深入的方向，景观生态风险的测算也仅基于用地布局演变，未考虑风险源、区域功能等层面因素。
本文结果表明皖西皖南的山林是安徽省宝贵的自然生态资源，具有治理成本低、生态功能极高的优点，需要及时划定生态保护区，严格管制用地审批，防范林地退化；水域是安徽省需重点投入生态治理资源的区域，高价值—高风险的特性决定其如果保护利用得当可输出极高的生态价值，如若受污染，将引发严重生态问题且是巨大生态损失；草地区域价值较低、风险较高，可适当进行地类转化工作，增强景观整体性，以此降低草地的生态风险等级。为减缓甚至逆转生态系统服务价值的降低趋势，安徽省需及时推进各地国土空间规划工作，科学合理划定城镇开发边界，控制建设用地总量，高效利用存量用地。尽管ESV对ERI的增强效益已明显淡化，但将“冲突”转为“互促”仍是漫长的过程，从莫兰指数下降趋势可看出，科学推进生态一体化修复，合理规划用地布局，在未来实现提升生态系统服务价值缓解景观生态风险的治理措施具有现实性，实现正循环效应，生态环境质量将会迎来新一阶段的提升。在实行生态修复工作时需重点关注ESV对ERI高正向影响效应的地区，应整体提升生态地类质量及稳定度后，再逐步开展该类地区生态绿化工作。
-
表 1 单位面积生态系统服务价值当量表
生态服务类型 耕地 林地 草地 水域 建设用地 未利用地 食物生产 1.36 0.31 0.23 0.8 0.01 0.01 原料生产 0.4 0.71 0.34 0.23 0 0.03 水资源供给 0.02 0.37 0.19 8.29 −7.51 0.02 气体调节 1.11 2.35 1.21 0.77 −2.42 0.05 气候调节 0.57 7.03 3.19 2.29 0 0.10 净化环境 0.17 1.99 1.05 5.55 −2.46 0.15 水文调节 2.72 3.51 2.34 102.24 0 0.10 土壤保持 0.01 2.86 1.47 0.93 0.02 0.13 维持养分循环 0.19 0.22 0.11 0.07 0 0.01 生物多样性 0.21 2.60 1.34 2.55 0.34 0.12 美学景观 0.09 1.14 0.59 1.89 0.01 0.05 
下载: 导出CSV
表 2 景观格局指数计算方法及含义
景观格局指数 计算公式 公式含义 景观损失度 $ {R_i} = {E_i} \times {F_i} $ 通过景观干扰度和景观脆弱度综合反映景观类型i受到外部侵扰时的生态损失 景观干扰度 $ {E_i} = a{C_i} + b{N_i} + c{D_i} $ 其值用以衡量该类景观受到外界干扰程度，a、b、c分别为Ci、Ni、Di的权重，且需保证a+b+c=1，根据前人研究成果及研究区实际依次赋值为0.5、0.3及0.2 景观破碎度 $ {C_i} = \dfrac{{{n_i}}}{{{A_i}}} $ 表示第i类景观的破碎度，其值越大，景观越趋于碎片化，稳定性越差。ni为第i类景观的斑块个数，Ai为第i类景观的总面积 景观分离度 $ {N_i} = \dfrac{A}{{2{A_i}}}\sqrt {\dfrac{{{n_i}}}{A}} $ 该值表示景观类型空间分布情况，其值越大，表示该景观类型空间分布越复杂。Ai为景观类型i的总面积，A为景观总面积 景观优势度 $ {D_i} = \dfrac{{{Q_i} + {M_i}}}{4} + \dfrac{{{L_i}}}{2} $ Qi为i类景观出现的单元数与总单元数的比值，Mi为i类景观斑块个数与斑块总个数的比值，Li为i类景观斑块面积与样方总面积的比值 景观脆弱度 $ {F_i} $ 该值表示各景观生态系统内部结构的易损程度，其值越大表明景观类型对外界干扰的承受能力越弱。由采用专家打分法得出，将耕地、林地、草地、水域、建设用地、未利用地分别赋值为3、2、4、5、1、6，并进行归一化处理
下载: 导出CSV
表 3 研究区各地类生态系统服务价值
土地利用类型 生态系统服务价值ESV（×108元） 2000年 2010年 2020年 耕地 10 543.70 10 384.57 10 057.82 林地 15 776.00 15 603.92 15 423.80 草地 613.80 640.82 655.58 水域 16 237.57 16 833.00 16 527.94 建设用地 −2 112.41 −2 398.79 −3 077.60 未利用地 0.59 0.48 0.62 总计 41 059.23 41 063.99 39 588.15
下载: 导出CSV
表 5 各模型设置下AICc值与R²（Adjusted）结果比对
模型名称 AICc值 R²（Adjusted） 2000 2010 2020 2000 2010 2020 OLS −10 383.0 964 −10 573.7 830 −9 065.7 754 0.1 905 0.1 153 0.0 258 GWR −11 811.3 278 −11 765.2 601 −9 618.5 980 0.7 008 0.6 226 0.3 814
下载: 导出CSV
表 6 因子探测结果
生态系统服务价值因子驱动力 景观生态风险因子驱动力 因子 2000年 2010年 2020年 因子 2000年 2010年 2020年 q值 P值 q值 P值 q值 P值 q值 P值 q值 P值 q值 P值 X1 0.026 0 0.028 0 0.043 0 X1 0.212 0 0.161 0 0.067 0 X2 0.445 0 0.409 0 0.430 0 X2 0.286 0 0.158 0 0.208 0 X3 0.115 0 0.103 0 0.098 0 X4 0.170 0 0.137 0 0.087 0 X4 0.166 0 0.154 0 0.182 0 X4 0.204 0 0.173 0 0.076 0 X5 0.124 0 0.119 0 0.132 0 X5 0.033 0.939 0.020 0.999 0.013 0.852 X6 0.005 0.454 0.007 0.257 0.012 0.014 X7 0.008 0.956 0.004 0.999 0.001 1 X7 0.056 0 0.078 0 0.071 0 X7 0.024 0.025 0.019 0.107 0.004 0.833 X8 0.303 0 0.299 0 0.316 0 X8 0.193 0 0.198 0 0.054 0 X9 0.129 0 0.125 0 0.110 0 X10 0.218 0 0.151 0 0.153 0
下载: 导出CSV
-
[1] 孙金龙. 全面学习把握落实党的二十大精神 加快建设人与自然和谐共生的美丽中国: 在2023年全国生态环境保护工作会议上的讲话[J]. 中国生态文明, 2023(1): 6. [2] 黄润秋. 深入学习贯彻党的二十大精神 奋进建设人与自然和谐共生现代化新征程: 在2023年全国生态环境保护工作会议上的工作报告[J]. 环境保护, 2023, 51(4): 14. [3] 李俊翰, 高明秀. 滨州市生态系统服务价值与生态风险时空演变及其关联性[J]. 生态学报, 2019, 39(21): 7815. DOI: 10.5846/stxb201809061899. [4] 梁流涛, 曲福田, 冯淑怡. 农村生态资源的生态服务价值评估及时空特征分析[J]. 中国人口·资源与环境, 2011, 21(7): 133. DOI: 10.3969/j.issn.1002-2104.2011.07.023. [5] 刘志涛, 王少剑, 方创琳. 粤港澳大湾区生态系统服务价值的时空演化及其影响机制[J]. 地理学报, 2021, 76(11): 2797. DOI: 10.11821/dlxb202111014. [6] 于婧, 汤昪, 陈艳红, 等. 山水资源型城市景观生态风险评价及生态安全格局构建: 以张家界市为例[J]. 生态学报, 2022, 42(4): 1290. DOI: 10.5846/stxb202012313341. [7] 谢高地, 张彩霞, 张昌顺, 等. 中国生态系统服务的价值[J]. 资源科学, 2015, 37(9): 1740. [8] 梁加乐, 陈万旭, 李江风, 等. 黄河流域景观破碎化时空特征及其成因探测[J]. 生态学报, 2022, 42(5): 1993. DOI: 10.5846/stxb202102100426. [9] 张晓瑶, 张潇, 李冬花, 等. 城市土地利用变化对生态系统服务价值影响的多情景模拟: 以深圳市为例[J]. 生态学报, 2022, 42(6): 2086. DOI: 10.5846/stxb20210 2270546. [10] 姜晗, 吴群. 基于LUCC的江苏省生态系统服务价值评估及时空演变特征研究[J]. 长江流域资源与环境, 2021, 30(11): 2712. DOI: 10.11870/cjlyzyyhj202111014. [11] 谢高地, 张彩霞, 张雷明, 等. 基于单位面积价值当量因子的生态系统服务价值化方法改进[J]. 自然资源学报, 2015, 30(8): 1243. DOI: 10.11849/zrzyxb.2015.08.001. [12] 黄海潮, 雷鸣, 孔祥斌, 等. 中国耕地空间格局变化及其生态系统服务价值响应[J]. 水土保持研究, 2022, 29(1): 339. DOI: 10.3969/j.issn.1005-3409.2022.1.stbcyj202 201047. [13] 孙梦华, 牛文浩, 张蚌蚌, 等. 黄河流域土地利用变化下生态系统服务价值时空演变及其响应: 以陕甘宁地区为例[J]. 应用生态学报, 2021, 32(11): 3913. DOI: 10.13287/j.1001-9332.202111.016. [14] 方林, 蔡俊, 刘艳晓, 等. 长三角地区生态系统服务价值动态演化及驱动力分析[J]. 生态与农村环境学报, 2022, 38(5): 556. DOI: 10.19741/j.issn.1673-4831.2021. 0633. [15] 彭建, 党威雄, 刘焱序, 等. 景观生态风险评价研究进展与展望[J]. 地理学报, 2015, 70(4): 664. DOI: 10.11821/dlxb201504013. [16] 景培清, 张东海, 艾泽民, 等. 基于格局-过程生态适应性循环三维框架的自然景观生态风险评价: 以黄土高原为例[J]. 生态学报, 2021, 41(17): 7026. DOI: 10.5846/ stxb202012173213. [17] 杨馗, 信桂新, 蒋好雨, 等. 基于最佳尺度的景观生态风险时空变化研究: 以重庆市江津区为例[J]. 生态与农村环境学报, 2021, 37(5): 576. DOI: 10.19741/j.issn.1673-4831.2020.0631. [18] XIE HUALIN, WEN JIAMING, CHEN QIANRU, et al . Evaluating the landscape ecological risk based on GIS: A case study in the Poyang Lake region of China[J]. Land Degradation & Development, 2021, 32(9): 2762. DOI: 10.1002/ldr.3951.
[19] 周建伟, 罗君. 干旱河谷生态服务价值与景观生态风险时空演变[J]. 人民长江, 2023, 54(4): 85. DOI: 10.16232/ j.cnki.1001-4179.2023.04.013. [20] 朱润苗, 陈松林. 1980—2020年福建省景观生态风险与生态系统服务价值的空间关系[J]. 应用生态学报, 2022, 33(6): 1599. DOI: 10.13287/j.1001-9332.202206.023. [21] 靳甜甜, 张云霞, 朱月华, 等. 黄土高原林区生态系统服务价值与景观生态风险时空变化及其关联性: 以子午岭区为例[J]. 应用生态学报, 2021, 32(5): 1623. DOI: 10.13287/j.1001-9332.202105.030. [22] 刘永婷, 杨钊, 章翩, 等. 安徽省生态系统服务时空变化及权衡-协同关系[J]. 水土保持研究, 2023, 30(2): 413. DOI: 10.13869/j.cnki.rswc.2023.02.006. [23] 薛梓晴. 安徽省经济高质量发展问题研究[D]. 长春: 吉林大学, 2022. [24] 苏智杰, 赵中秋, 祝培甜. 安徽省旅游-经济-生态环境耦合关系与空间演变研究[J]. 东北师大学报(自然科学版), 2021, 53(3): 115. DOI: 10.16163/j.cnki.22-1123/n.2021.03.019. [25] 李伟庆, 金星. 区际产业转移对承接地自主创新影响的实证研究: 基于安徽省地区与行业面板数据的分析[J]. 科技进步与对策, 2011, 28(17): 29. DOI: 10.3969/j.issn.1001-7348.2011.17.007. [26] 徐芝英, 胡云锋, 刘越, 等. 空间尺度转换数据精度评价的准则和方法[J]. 地理科学进展, 2012, 31(12): 1574. DOI: 10.11820/dlkxjz.2012.12.002. [27] 张学斌, 石培基, 罗君, 等. 基于景观格局的干旱内陆河流域生态风险分析: 以石羊河流域为例[J]. 自然资源学报, 2014, 29(3): 410. DOI: 10.11849/zrzyxb.2014.03.005. [28] 方林, 方斌, 刘艳晓, 等. 长三角地区景观生态风险与人类活动强度的响应及其时空关联[J]. 农业工程学报, 2022, 38(22): 210. DOI: 10.11975/j.issn.1002-6819.2022.22.023. [29] MARC SOURIS, LAURENCE BICHAUD. Statistical methods for bivariate spatial analysis in marked points. Examples in spatial epidemiology[J]. Spatial and Spatio-temporal Epidemiology, 2011, 2(4): 227. DOI: 10.1016/j.sste.2011.06.001.
[30] XINWEI MA, YANJIE JI, YUFEI YUAN, et al. A comparison in travel patterns and determinants of user demand between docked and dockless bike-sharing systems using multi-sourced data[J].Transportation Research Part A, 2020(139): 148. DOI: 10.1016/j.tra.2020.06.022.
[31] 王劲峰, 徐成东. 地理探测器: 原理与展望[J]. 地理学报, 2017, 72(1): 116. DOI: 10.11821/dlxb/201701010. [32] 王雅楠, 赵涛. 基于GWR模型中国碳排放空间差异研究[J]. 中国人口·资源与环境, 2016, 26(2): 27. DOI: 10.3969/j.issn.1002-2104.2016.02.004. [33] 陈泓瑾, 刘琳, 张正勇, 等. 天山北坡人类活动强度与地表温度的时空关联性[J]. 地理学报, 2022, 77(5): 1244. DOI: 10.11821/dlxb202205014. -
期刊类型引用(4)
1. 干靓，汪钊. 基于景观生态风险和生态系统服务价值的上海市海岸带生态保护修复分区识别与优化策略研究. 应用海洋学学报. 2025(01): 131-145 . 
百度学术
2. 李魁明，石云，唐彦东，李婷婷，姚罗兰. 黄河中游地区ESV与LER的时空演变及相关性分析. 安全与环境学报. 2025(03): 1202-1212 . 百度学术
3. 张特，潘博华. 基于土地利用变化的温州市生态系统服务价值评价. 河南科技. 2024(10): 107-112 . 百度学术
4. 汪勇政，张嘉琦. 基于SRP模型的安徽省生态脆弱性时空分异及其驱动机制. 安徽建筑大学学报. 2024(06): 23-33 . 百度学术
其他类型引用(2)
计量
- 文章访问数: 903
- HTML全文浏览量: 344
- PDF下载量: 21
- 被引次数: 6