《Land》:Spatiotemporal Changes, Driving Mechanisms, and Trade-Offs/Synergies of Ecosystem Services in Shandong Province, China
编辑推荐:
阐明生态系统服务(Ecosystem Services,ESs)如何在时间和空间上发生变化,以及其权衡(trade-offs)与协同(synergies)关系如何演变,对于区域生态保护和高质量发展至关重要。研究人员以山东省为案例,利用InVEST模型量化了碳储
阐明生态系统服务(Ecosystem Services,ESs)如何在时间和空间上发生变化,以及其权衡(trade-offs)与协同(synergies)关系如何演变,对于区域生态保护和高质量发展至关重要。研究人员以山东省为案例,利用InVEST模型量化了碳储量(Carbon Storage,CS)、产水量(Water Yield,WY)、土壤保持(Soil Conservation,SC)和生境质量(Habitat Quality,HQ)。随后结合地理探测器(GeoDetector)、地理加权回归(Geographically Weighted Regression,GWR)、XGBoost-SHAP、Spearman秩相关、双变量空间自相关以及空间叠置分析,对生态系统服务格局、驱动机制及其相互作用关系进行了研究。主要结果如下:(1)在2000—2020年期间,最显著的土地利用变化发生在耕地、草地、建设用地和水体。(2)不同服务的主导驱动因子差异显著:CS和HQ主要受土地利用类型和人类活动塑造,WY主要受降水控制,SC对地形条件最为敏感。因子交互作用的解释力总体强于单因子效应,其中双因子增强是最主要的交互类型。(3)ESs权衡/协同关系在时间上总体较为稳定。CS与HQ之间持续表现出强协同关系,而CS与SC表现为中等协同关系。相比之下,WY与HQ及CS之间均表现出明显权衡,其中WY–HQ权衡尤为突出。(4)空间叠置结果表明,整体ESs协同水平仍然较低。在整个研究期内,低协同区占研究区面积的69.23%–70.94%。尽管强权衡区总体呈扩张趋势,但高协同区仍然有限,这表明山东省生态系统服务协同供给能力仍有较大提升空间。
本文发表于《Land》,围绕山东省生态系统服务(Ecosystem Services,ESs)的时空演变、驱动机制及权衡/协同关系展开系统研究。研究背景在于,生态系统服务是维持生态平衡、支撑人类福祉和制定生态保护政策的重要基础,但在快速城镇化、农业集约化和气候变化共同作用下,生态系统服务供给能力及其相互关系日益复杂。既有研究虽然分别关注了生态系统服务评估、驱动因子识别与权衡协同分析,但常将驱动识别、空间异质性、非线性响应和服务间关系割裂处理,难以在统一的人地系统框架下揭示多种生态系统服务的耦合机制。基于这一问题,研究人员以黄河下游典型沿海省份山东省为对象,构建了一个整合InVEST模型、GeoDetector、地理加权回归(Geographically Weighted Regression,GWR)、XGBoost-SHAP、多尺度相关分析、双变量局部空间自相关和空间叠置分析的综合研究框架,旨在从整体、局部、非线性、多尺度和空间显式多个层面揭示生态系统服务格局及其形成机制。研究表明,山东省2000—2020年间土地利用结构虽总体稳定,但耕地收缩、建设用地扩张、草地减少和局部水域增加较为显著;不同生态系统服务具有差异化主导因子,且自然因素与人为因素交互作用普遍强于单因子效应;生态系统服务之间存在长期稳定但空间差异显著的协同与权衡关系,其中碳储量与生境质量协同最强,而产水量与生境质量、碳储量之间权衡明显;全省整体协同水平偏低,说明生态系统服务协同提升仍有较大空间。该研究的重要意义在于为山东省生态分区、土地利用优化和差异化生态管理提供了定量依据,也为省域尺度生态系统服务综合研究提供了方法整合范式。
在方法上,研究人员统一将土地利用、气候、归一化植被指数(Normalized Difference Vegetation Index,NDVI)、人口密度、夜间灯光和人类足迹等数据投影并重采样至1 km × 1 km网格,以2000、2005、2010、2015和2020年为关键时点开展分析,DEM和土壤属性作为相对稳定背景变量处理。首先利用InVEST模型(version 3.14.2)量化碳储量、产水量、土壤保持和生境质量;随后采用GeoDetector识别主导因子及交互效应,运用GWR刻画驱动关系的空间非平稳性,借助XGBoost-SHAP揭示非线性贡献及变量重要性,并通过Spearman秩相关、双变量局部空间自相关和空间叠置,从整体相关、局地聚类和多服务组合三个层面分析权衡与协同关系。
在结果部分,论文首先报告了“3.1. Land Use Type Changes”。研究显示,2000—2020年山东省土地利用格局在空间结构上总体稳定,但时间变化明显。耕地与建设用地始终占主导地位,合计约占全省面积80%。其中耕地面积由103,735.45 km
2降至101,104.84 km
2,建设用地持续扩张,主要表现为对周边农业与生态空间的侵占。森林主要集中在中部山地和东部丘陵地区,面积略有下降;草地主要分布于中南部山地丘陵,也呈减少趋势;水体则在北部、西南部及莱州湾沿海区域有所扩张。土地利用转化以耕地向建设用地和水体转化、林地和草地向耕地及建设用地转化、未利用地向耕地转化为主。这一结果说明,土地利用变化是区域生态系统服务演化的重要前提。
在“3.2. Spatiotemporal Changes in ESs”部分,研究人员揭示了四类生态系统服务的时空差异。碳储量(CS)总体小幅下降,由2000年的15.24 × 10
8 t降至2020年的15.06 × 10
8 t,减少主要与湿地、草地和耕地向城市与工业用地转化有关,沿海地区尤其莱州湾周边下降较明显。产水量(WY)年际波动显著,由122.81 mm增至293.47 mm,变化主要受降水波动、周期性干旱和土地利用强化影响,东部沿海增幅尤为明显。土壤保持(SC)高值主要分布于中部山地和东北丘陵,2020年达到12.32 × 10
8 t,这与较大坡度和较好植被覆盖密切相关;平原地区因地势平缓、耕作强度高和人为干扰强而土壤保持能力较弱。生境质量(HQ)则明显下降,由0.348降至0.305,降幅为12.36%,主要受城市扩张及建设用地侵占生态空间和生境廊道影响,济南、青岛等大城市周边尤为突出。虽然2015年后部分区域在生态保护作用下有所恢复,但整体破碎化问题依然明显。
在“3.3. Analysis of Driving Factors of ESs”中,研究人员从不同方法层面解析了驱动机制。其一,“3.3.1. GeoDetector-Based Assessment of Explanatory Power”表明,各生态系统服务的主导因子存在显著差异。土地利用/覆被(Land Use/Land Cover,LULC)对CS和HQ的解释力最高,坡度(SLOPE)和高程(DEM)是SC的主导因子,而年降水(PRE)是WY的首要驱动。更重要的是,交互探测显示双因子组合的解释力普遍高于单因子,CS中SLOPE ∩ LULC最强,WY中PRE ∩ LULC最强,SC中PRE ∩ SLOPE最强,HQ中SLOPE ∩ LULC最强,说明生态系统服务格局是自然与人为因子非线性耦合作用的结果。其二,“3.3.2. Spatial Heterogeneity Analysis Based on GWR”进一步揭示了驱动关系的空间异质性。CS受人类活动变量,尤其夜间灯光和人类足迹指数(Human Footprint,HFP)的负向影响较为显著;WY主要由降水控制,局部地区人口密度对其有正向作用,可能与不透水面增加导致径流增强有关;SC主要受坡度控制,其系数显著高于降水,表明地形在土壤侵蚀与保持过程中发挥核心作用;HQ则更强烈地受人口集聚和城市扩张抑制。其三,“3.3.3. Analysis of Drivers of ESs Using XGBoost–SHAP”从非线性解释角度验证了上述结论。XGBoost模型对四类服务的预测精度较高,测试集R
2为0.827—0.968。SHAP分析显示,CS主要由LULC、NDVI和SLOPE驱动,WY主要受PRE、PET和SLOPE影响,SC主要由SLOPE、PRE和DEM决定,HQ则以LULC、人类足迹、人口密度和夜间灯光为关键变量。这些结果共同说明,不同服务不仅受不同主导过程控制,而且驱动强度和方向在空间上并不一致。
在“3.4. Spatial-Temporal Patterns of Trade-Offs/Synergies Between ESs”部分,研究重点分析了生态系统服务之间的相互关系。首先,“3.4.1. Spearman’s Rank Correlation Analysis”显示,在1 km、3 km和5 km多尺度上,2000—2020年各服务对之间的相关方向总体稳定。CS与HQ始终保持强正相关,说明植被结构、生态连通性和人类干扰背景对两者具有共同促进或抑制作用;CS与SC表现为中等正相关,说明植被增加常可同时促进碳汇与土壤保持,但其强度受地形和降雨调节;WY与CS、HQ则总体呈负相关,显示供水功能与植被调节服务间存在明显权衡。其次,“3.4.2. Bivariate Local Spatial Autocorrelation Analysis”表明,局地空间耦合具有显著异质性。CS–SC和SC–HQ以正向空间关联为主,高—高(H–H)集聚主要集中在中南部山地丘陵和胶东半岛,低—低(L–L)集聚则集中于鲁西北和鲁西南平原。WY–HQ空间错配尤为突出,表明局部区域供水与生境维持之间矛盾更强。最后,“3.4.3. Spatial Overlay Analysis”通过多服务叠置识别出强权衡、弱权衡、高协同和低协同四类区域。研究发现,低协同区始终占主导,面积比例为69.23%—70.94%,主要分布在鲁西北平原;强权衡区总体扩张,主要分布于沿海及高城镇化地区,如岚山、东港、五莲及莱州湾部分区域;弱权衡区在胶东半岛、中部和南部呈斑块与条带状分布;高协同区最少,仅占2.97%—4.41%,且零散分布于生态本底较好的中南部部分地区。这说明山东省多种生态系统服务的协同供给总体仍然不足。
讨论部分首先强调,山东省生态系统服务空间分异是自然过程与人类活动共同作用的结果。LULC对CS和HQ的强解释力,反映了地表覆盖结构直接决定植被生物量、碳密度、生境适宜性以及生态扰动程度;PRE对WY的主导作用符合水量平衡形成机理,而其与LULC的强交互说明水文服务是气候输入与地表响应共同作用的产物;SLOPE和DEM对SC的控制则体现了地形对侵蚀、径流速度、泥沙输移与拦截过程的基础约束。与此同时,人口密度、夜间灯光和人类足迹等人类活动指标对HQ和CS具有显著抑制效应,说明生境退化不仅源于直接土地转化,也与更广泛的景观破碎化和基础设施扰动有关。其次,论文指出,CS–HQ稳定强协同体现了二者对土地利用强度、植被覆盖和景观破碎化的共同敏感性;CS–SC协同较弱,说明土壤保持不仅依赖植被,还深受地形和降雨侵蚀力制约;WY与植被相关调节服务之间的权衡,则反映出径流形成与蒸散、截留和根系吸水之间的生态过程张力。空间上,山地丘陵区更容易形成正向协同,而平原农业区、沿海开发区和城市扩张区则更易出现权衡冲突。论文进一步指出,山东省应从单一服务优化转向差异化、多服务协同治理:山地丘陵区应侧重生态保护和连通性维持,平原农业区应加强生态功能提升,沿海和快速城市化地区则应作为权衡调控重点区域。
结论部分可译为:基于2000—2020年多期遥感、气象、土壤和社会经济数据,研究人员采用InVEST模型、空间统计、GeoDetector、GWR和XGBoost-SHAP等方法,系统分析了山东省碳储量(CS)、生境质量(HQ)、产水量(WY)和土壤保持(SC)4类生态系统服务的时空演变特征、驱动机制及权衡/协同关系。主要结论如下:2000—2020年,山东省整体土地利用格局保持稳定,但结构变化明显。耕地面积由103,735.45 km
2降至101,104.84 km
2,建设用地持续扩张,流入面积达12,819.75 km
2,主要来源于耕地;水域面积有所增加,草地面积收缩。土地利用转化主要表现为耕地向建设用地和水域转化,以及草地向耕地和建设用地转化。土地利用变化是区域生态系统服务格局演变的重要前提。CS和HQ的主导因子为土地利用类型(q值分别为0.718和0.689)和地形(SLOPE的q值分别为0.622和0.573),人类活动(HFP、POP)也具有重要影响;WY的主导因子为年降水(q = 0.660),其次为SLOPE(0.289)和NDVI(0.279);SC的主导因子为SLOPE(q = 0.931)和高程(0.751),其次为土地利用(0.514)。交互探测表明,双因子增强效应普遍存在,例如SLOPE ∩ 土地利用对CS的解释力达到0.855,降水 ∩ 土地利用对WY达到0.872,降水 ∩ SLOPE对SC高达0.960。GWR和XGBoost-SHAP进一步揭示了驱动强度的空间异质性和非线性特征。CS与HQ始终表现出强协同,Spearman相关系数为0.63—0.7;CS与SC表现为中等协同(0.28—0.36);WY与HQ(?0.46至?0.59)及CS(?0.32至?0.52)均表现为负相关。双变量局部空间自相关表明,高—高协同区主要集中在鲁中南山地和胶东半岛,低—低协同区主要分布于鲁西北平原,而WY–HQ组合中的高—低和低—高聚类更为显著。空间叠置分析显示,研究期间低协同区比例持续维持在69.23%—70.94%,强权衡区面积由22,722.22 km
2增至28,692.08 km
2,高协同区仅占2.97%—4.41%。这些结果表明,山东省生态系统服务整体协同水平仍然较低,未来仍有较大的协同提升空间。