《Land Degradation & Development》:The Relationship Between Human Activities and Ecosystem Service Supply–Demand From the Perspective of Land Use Transformation
编辑推荐:
生态系统服务供需关系(ecosystem service supply–demand relationship, ESSDR)的平衡对区域可持续发展至关重要。从土地利用转型(land use transformation, LT)视角理解人类活动强度(huma
生态系统服务供需关系(ecosystem service supply–demand relationship, ESSDR)的平衡对区域可持续发展至关重要。从土地利用转型(land use transformation, LT)视角理解人类活动强度(human activity intensity, HAI)与ESSDR之间的关系,对生态管理与治理具有重要意义。基于多源数据,本研究探讨了中国HAI、LT与ESSDR之间的交互关系。结果表明,HAI高度集中在长三角和珠三角等城市群,而LT表现出明显的空间异质性。引入HAI与LT交互项的空间杜宾模型(在本研究中称为空间杜宾调节效应模型,SDMEM)显示,LT通过放大HAI对ESSDR的负面影响,调节了HAI与ESSDR之间的关系,其交互效应显著(β?=??0.938),空间溢出效应亦显著(β?=?0.497)。多因子分析表明,人口密度是主要驱动因素,其重要性表现出尺度依赖性。基于双变量局部空间自相关和空间马尔可夫链方法,研究人员建立了差异化治理框架,即“东部修复、西部保育、中部稳定”。该框架为相似区域和国家的国土治理与区域生态管理提供了科学依据。
**论文解读:从土地利用转型视角解析人类活动与生态系统服务供需关系的耦合机制**
**研究背景、问题与意义**
生态系统服务(ecosystem services, ES)是人类生存与发展的基础,其供需关系(ecosystem service supply–demand relationship, ESSDR)的平衡是区域可持续发展的核心。然而,随着人口增长和快速城市化,生态系统服务供给能力下降与社会需求增加之间的矛盾日益尖锐。人类活动强度(human activity intensity, HAI)和土地利用转型(land use transformation, LT)是影响ESSDR的两大关键因素。以往研究多单独考察HAI或LT对ESSDR的影响,且方法上多采用相关性分析,仅揭示了表层统计关联,未能阐明LT在HAI影响ESSDR过程中的具体作用——它究竟是被动中介还是主动调节者?为突破这一科学问题,该研究整合多源数据与多维模型,在中国县级尺度上系统探讨HAI、LT与ESSDR间的交互机制,旨在为国土空间治理与差异化生态管理提供科学依据。论文发表在《Land Degradation & Development》期刊。
**主要技术方法**
研究基于中国多期土地利用遥感监测数据集(CNLUCC)、土壤、气象、社会经济等多源数据,全部数据重采样至1000?m?×?1000?m网格并投影为WGS_1984_Albers。关键技术方法包括:(1)采用熵权法构建包含碳排放、GDP密度、耕地比例、建设用地比例、人口密度、夜间灯光六项指标的人类活动强度(HAI)综合评价体系;(2)从数量、结构、多样性三个维度构建土地利用转型(LT)综合指数;(3)选取碳储量(CS)、粮食生产(GP)、生境质量(HQ)、休闲娱乐(RL)、土壤保持(SC)、产水量(WY)六项ES,采用Theil-Sen趋势分析、Mann-Kendall检验和Hurst指数评估ESSDR时空变化;(4)运用Spearman秩相关分析探究HAI、LT与ESSDR间两两关系;(5)构建空间杜宾调节效应模型(SDMEM)检验LT的调节作用及空间溢出效应;(6)结合XGBoost与SHAP解释器识别ESSDR驱动因素;(7)运用双变量局部空间自相关与空间马尔可夫链方法进行生态管理分区。
**研究结果**
**4.1 ESSDR的时空变化**
随时间变化:2000–2023年,CS和RL的供需均持续上升;GP供给持续增加,需求先降后升;SC、HQ、WY呈波动变化,其中HQ供给下降而需求上升(2000–2015),之后反转;WY需求持续增长,供给仅在2005–2010年增加。空间上,2023年ESSDR呈现东南—西北递减格局,供需失衡主要集中在东南沿海人口密集区。趋势分析表明,CS和SC以非显著减少为主(分别占49.86%和45.60%),GP和HQ以显著增加为主(90.05%和61.41%),RL和WY以非显著趋势为主,综合ESSDR(CESSDR)以非显著增加为主(93.49%),整体逐步改善。
**4.2 HAI的空间分布**
HAI总体上升,显著增加区域高度集中在珠三角、长三角等经济发达城市群,内陆流域和西南流域则无显著变化(占42.19%)。
**4.3 LT的空间分布**
2000–2023年,LT高值区主要分布在珠三角、长三角和长江中下游平原。土地利用结构转型高值区在2015–2023年主要分布于海河流域和淮河流域。多样性转型由异质向均质转变,综合LT表现出显著空间异质性。
**4.4 ESSDR、HAI与LT的关系**
Spearman分析显示,HAI与CS、GP、HQ、RL、WY的ESSDR以负相关为主(79.40%、60.40%、64.23%、85.56%、87.89%),而与SC以正相关为主(60.47%)。人口密度与多数ES呈强负相关,建设用地比例呈非显著负相关,耕地比例与SC呈显著正相关。县级尺度上,LT与HAI正相关(ρ=0.399),与CS和WY负相关(ρ=?0.388, ?0.540),与SC正相关(ρ=0.560),表明LT不仅是HAI的空间表现,更是效应调节器。
**4.5 LT调节效应结果**
SDMEM模型(AIC=?6218.23, R2=0.921)显示,HAI对ESSDR的主效应系数为?5.591(p<0.001),交互项(HAI×LT)系数为?0.938(p<0.001),表明LT显著放大了HAI对ESSDR的负面影响。空间滞后交互项W(HAI×LT)系数为0.497(p<0.001),说明LT的调节效应具有显著空间溢出——本地区LT会通过空间溢出影响邻地区域HAI与ESSDR的关系。
**讨论与结论**
**5.1 机制检验:LT的中介与调节作用**
Bootstrap中介分析显示,LT的中介效应值为0.011(p=0.252),不显著,说明LT并非HAI影响ESSDR的关键中介渠道,HAI主要通过直接路径产生负面影响。而调节效应高度显著,证实LT是效应放大器。此外,SDM的性能优势主要源于空间滞后解释变量(尤其是W(HAI×LT))而非ESSDR自身的空间自回归效应,表明ESSDR空间变异更依赖HAI与LT的跨区域溢出效应。
**5.2 空间规划治理**
基于双变量局部空间自相关与空间马尔可夫链的综合分区,研究将中国划分为五类生态管理区:生态监测管理区(60.27%)、生态协调发展区(29.50%)、生态风险防范区(5.91%)、生态紧急修复区(2.72%)、生态转型提升区(1.60%)。形成了“东部城市群修复、西部生态区协调、中部大规模监测”的差异化治理框架。
**5.3 驱动因素**
XGBoost与SHAP分析表明,人口密度是多数ESSDR的主导驱动因子(网格尺度对CS贡献达79.5%),而自然因子(降水、温度)对GP、HQ、SC和CESSDR至关重要。驱动因子重要性存在尺度依赖性:CE和建设用地比例在县级尺度的影响远大于网格尺度,揭示了宏观尺度上城市化对生态系统的系统性压力。
**5.4 局限与展望**
LT测量仅考虑显性形式(自然属性),未考虑隐性形式(人类活动属性);未来应整合化肥投入、农机部署等指标。研究仅揭示静态格局,未动态模拟生态服务流,今后应聚焦典型流域追踪服务流从供给到消费的全过程。机制层面,需进一步纳入其他LT相关指标以阐明传导路径。
**结论翻译**
本研究采用多维系统分析,揭示了中国2000–2023年HAI、LT与ESSDR之间的复杂交互机制。结果表明,ESSDR呈现显著时空分异:随时间推移,CS和RL的供需均增加,GP供给稳步增长但需求波动,HQ等服务供需关系复杂多变;空间上呈现从东南沿海向西北内陆递减的梯度,反映区域不平衡。HAI在研究期间稳步上升,在长三角和珠三角等主要城市群形成显著集聚。LT高值区与HAI空间格局一致,主要出现在经济发展水平高、HAI高的地区。研究采用空间计量方法证实了LT的显著调节效应和弱中介效应。SDMEM结果揭示,LT不仅显著放大了HAI对ESSDR的负面影响,还表现出显著的空间溢出效应,从而阐明了人地系统交互的内在机制。多尺度驱动机制分析表明,人口密度是ESSDR的首要驱动因素,但不同因子相对重要性存在显著尺度效应:碳排放和建设用地比例在县级尺度的影响远大于网格尺度,凸显了生态过程的尺度依赖性。基于双变量局部空间自相关和空间马尔可夫链的综合生态分区方法,研究人员建立了“东部城市群修复、西部生态区协调、中部大规模监测”的差异化治理框架,为推进国土治理提供了科学依据。未来研究应关注生态系统服务流过程和土地利用转型的隐性模式,探索多尺度、多过程的ES形成机制,为生态文明建设提供科学支撑。