科研创新 | 长时间序列生态系统服务权衡与协同驱动因素研究——以芜湖市生态系统服务功能极重要区为例

生态系统管理注重多种生态系统服务（Ecosystem Service,ES）协同提升，以实现整体效益的最大化。但ES间不可避免的权衡关系影响ES综合效益发挥。研究表明，人类对权衡协同的关键驱动因素的管理和干预可以使权衡协同关系相互转化。因而，定量识别并调控权衡协同关键驱动因素及其影响效应，以弱化ES权衡并促进其协同增益，对ES有效管理至关重要。

本研究以安徽省芜湖市生态系统服务功能极重要区为例，依据芜湖市自然本底与经济社会发展对ES的需求，以及上位规划的要求，选择生境质量、碳固定和土壤保持作为这一区域ES评估类型，并综合多源数据与模型，识别并评估该区31年间（1990-2020年）权衡协同空间分布规律，运用随机森林模型探索权衡协同关键驱动因素及其非线性影响效应，以期为促进极重要区多种ES有效管理提供思路。

本研究依据芜湖市地域特征以及《全国生态功能区划》和《芜湖市国土空间总体规划（2020—2035年）》的要求选取生态系统服务，其评估方法见表1。

表1 ES评估方法

注释：ES：生态系统服务 Ecosystem Service；InVEST：生态系统服务和权衡的综合评估Integrated Valuation of Ecosystem Services and Trade-offs；CASA：卡内基-阿梅斯-斯坦福方法 Carnegie-Ames-StanfordApproach；RUSLE：修正的通用土壤流失方程 Revised Universal Soil Loss Equation

首先，研究综合运用《生态保护红线划定指南》和《资源环境承载能力和国土空间开发适宜性评价指南》推荐的方法（下文简称指南法）识别了芜湖市极重要区。并基于逐像元趋势分析结果的空间叠置法判断三类ES权衡协同，该方法不仅可解析研究时段像元尺度ES变化趋势特征，还可以直观展示综合多种ES的权衡协同空间分异特征，有助于管理决策空间有效落位。

本研究采用逐像元一元线性回归趋势分析方法，模拟像元尺度1990—2020年连续31年三类ES年际变化趋势：

式中，Slope为像元Y_i回归方程的斜率，即ES变化趋势；i为年变量；n代表时间序列长度；Y_i代表第i年的ES值。为了验证回归模型的有效性，使用t检验对趋势进行显著性检验，当P<0.05时，认为趋势显著。

通过叠置趋势分析结果判断三类ES权衡协同，具体步骤略。

驱动因素选择方面，极重要区权衡协同结果反映了像元尺度31年间三种ES相互作用关系规律，相应的驱动因素也需要表达像元尺度长期变化情况。参考相关研究成果，本研究从气候及土地利用变化两个方面，选取温度、降水量、归一化植被指数和土地利用强度作为驱动因素分表征，其中土地利用强度计算方法参考相关文献，并结合研究区实际情况赋值。研究采用随机森林模型探索极重要区权衡协同驱动因素。

基于指南法的极重要区识别结果为：极重要区面积为757.06km²，市域总面积占比约12.61%。其分布主要位于无为市西南与西北部、繁昌区中部及南陵县南部，区域海拔较高，以林地为主要用地类型，人为干扰水平较低。作为生态保护红线划定的空间基础之一，极重要区受权衡协同显著影响的区域面积为488.17km²，达到该区面积的64.48%，其中三种服务存在权衡关系的区域面积占比为9.16%，协同区面积占比为55.32%。这表明权衡协同研究对该区域生态保护及未来ES综合可持续供应至关重要，并且有必要对极重要区权衡协同空间分布特征及其背后驱动因素进一步分析，为生态保护红线划定等生态系统管理政策的实施提供坚实基础。

权衡区域主要分布于无为市和繁昌区。无为市极重要区权衡面积为40.07km²，占比为5.29%，是芜湖市极重要区权衡面积最高的区县。其次是繁昌区，极重要区权衡面积为23.24km²，占比为3.07%。权衡特征说明区域生态系统要素和结构驱动下的生态系统过程对特定类型ES供给的针对性和排他性，使得三种服务间产生此消彼涨的状态，例如繁昌区中部丘陵地区，该区域生境质量降低，但碳固定和土壤保持呈同时增高的状态（图1）。协同区域集中分布于南陵县人类活动负面影响较低，植被及水热条件良好的南部丘陵地区，该县极重要区协同区面积为249.97km²，占比为33.02%。协同特征表明该区域的生态系统过程对三种ES同时具有提升作用，需要重点保护。

图1繁昌区ES变化趋势及其权衡协同

利用平均精度下降（Mean Decrease Accuracy,MDA）方法获取随机森林分类影响因素的重要性排序。排序结果显示，驱动因素重要性由高到低依次为分别为降水量、土地利用强度、温度和归一化植被指数。四类驱动因素MDA值存在明显差异，（1）气候因素方面，相比于温度，降水是决定芜湖市极重要区权衡协同区域分布的关键，这可能是降水比温度具有更高的空间异质性，因而对分类结果影响更大。（2）土地利用变化因素方面，土地利用强度重要性远高于归一化植被指数，表明在极重要区，三种服务能否协同增益取决于土地利用类型转化状态，而非植物覆被变化情况。这可能是由于该区域31年间土地利用类型大多在耕地和林地间转化，相比于耕地与林地分类强度指数变化差异，归一化植被指数变化程度较弱，对随机森林模型分类贡献有限。（3）此外，降水量和土地利用强度MDA值达200以上，远高于温度和归一化植被指数MDA值（两者都不足100），因而降水量和土地利用强度可以被视作影响极重要区权衡协同转化的关键驱动因素。

图2关键驱动因素的部分依赖图

图2中降水量和土地利用强度对权衡协同的出现存在复杂的非线性关系。尽管在1400mm降水量附近，极重要区分类为协同区域的像元数量出现下降，但从总体看，伴随降水量提升，分类为协同区域的像元数量增高而权衡像元数量下降，表明降水量提升对于三种服务协同增益具有促进作用。这可能由于降水量高值地区多分布于山地丘陵，远离城镇等威胁源，生境质量优且植被茂盛，固碳和阻滞侵蚀能力强，同时因高降雨量导致的土壤侵蚀风险可以被植被控制。

土地利用强度对权衡协同的影响并非随土地利用强度数值提升线性变化，而呈现明显的阶段特征，强度值在1.0—1.6之间（即强度等级介于弱与中且偏向弱强度）时有利于协同像元分类。当值约在1.6位置时，协同像元分类数量最高而权衡像元分类数量最低。而一旦强度数值超过1.6后，促进协同的正向影响快速减弱，经短暂提升后该正向影响在强度值大于2时逐渐稳步降至最低。相对应的，强度数值高于1.6后，分类为权衡的像元数量快速增多至最高。该结果表明，研究区权衡协同对土地利用强度变化的响应存在阈值，当强度等级介于弱与中且偏向弱强度时对三种服务协同增益具有积极作用。

综上，芜湖市极重要区权衡协同关系转化受气候和土地利用变化共同影响。降水量和土地利用强度是研究区权衡协同转化的关键驱动因素。其中，土地利用强度是管理ES权衡向协同转化的主导因素。土地利用强度对权衡协同的影响并非随土地利用强度数值提升线性变化，而是表现出非线性阶段特征并且存在影响阈值。

注：本文全文将刊载于《生态学报》2024年第5期