干旱區(qū)綠洲城市生態(tài)系統(tǒng)服務(wù)價值空間自相關(guān)格局分析與模擬

朱增云，阿里木江·卡斯木，2①

(1.新疆師范大學(xué)地理科學(xué)與旅游學(xué)院，新疆 烏魯木齊 830054；2.新疆師范大學(xué)絲綢之路經(jīng)濟帶城市化發(fā)展研究中心，新疆 烏魯木齊 830054)

生態(tài)系統(tǒng)服務(wù)價值(ecosystem services value，ESV)是生態(tài)系統(tǒng)服務(wù)功能的重要量化評估方式，能夠直觀反映生態(tài)系統(tǒng)服務(wù)功能效益的變化[1-2]。隨著我國城市人口數(shù)量不斷增長以及工業(yè)化、城市化進程的加快，人類活動驅(qū)動下的土地利用變化正對生態(tài)系統(tǒng)平衡造成巨大壓力，導(dǎo)致生態(tài)環(huán)境惡化及生態(tài)系統(tǒng)服務(wù)功能退化[3]。以土地作為載體的生態(tài)系統(tǒng)結(jié)構(gòu)在人類農(nóng)業(yè)生產(chǎn)和各種經(jīng)營活動下不斷發(fā)生變化，致使ESV變化顯著[4]。研究ESV時空變化趨勢，可以動態(tài)反映生態(tài)系統(tǒng)結(jié)構(gòu)與功能的變化規(guī)律。

近年來，國內(nèi)外眾多學(xué)者對ESV定量評估的研究進行大量探索，并取得了豐碩成果。COSTANZA等[5]在1997年率先提出全球ESV估算原理及方法，DAILY等[6]、HIMES-CORNELL等[7]、HOLMES等[8]、TOLESSA等[9]進一步對ESV的分類、價值化評估、核算方法以及土地利用變化對ESV的影響等多方面開展了深入研究。國內(nèi)方面，謝高地等[10]及歐陽志云等[11]依據(jù)我國實際情況建立ESV當(dāng)量表，同時確定經(jīng)濟價值核算方法并加以改進。這些研究引起國內(nèi)學(xué)者的廣泛借鑒，有效推動了ESV在國內(nèi)的快速傳播與發(fā)展。隨著“3S”技術(shù)的發(fā)展，不少研究人員結(jié)合遙感信息數(shù)據(jù)與生態(tài)學(xué)模型，對城市區(qū)域的ESV評估等開展相關(guān)研究[12-15]。已有研究對ESV的預(yù)測較少，所以通過空間統(tǒng)計與分析來探索城市擴張對未來土地利用空間格局變化的影響，對ESV在空間上的聚集特征、關(guān)聯(lián)模式等進行預(yù)測模擬研究十分必要。

烏魯木齊市位于天山山脈中段北麓，是西北典型的干旱區(qū)綠洲城市，隨著城市人口的不斷增長與建設(shè)用地的擴張，土地利用變化劇烈，城市生態(tài)系統(tǒng)之間的問題日漸突出，故開展土地利用變化與ESV之間的關(guān)系研究十分必要。筆者基于烏魯木齊近20 a土地利用數(shù)據(jù)，運用CA-Markov模型模擬預(yù)測2025年土地利用變化并進行生態(tài)系統(tǒng)服務(wù)價值(ESV)評估，應(yīng)用格網(wǎng)分析、空間自相關(guān)、Getis-Ord熱點區(qū)分析等空間統(tǒng)計方法，進一步分析生態(tài)系統(tǒng)服務(wù)價值與土地利用空間格局的分布特征，更加直觀展示出土地利用變化對ESV的影響，預(yù)測未來城市化進程中ESV的空間分布格局演變，可為干旱區(qū)綠洲城市生態(tài)建設(shè)與土地資源合理配置提供參考。

1 研究區(qū)概況

烏魯木齊市位于新疆天山山脈中段北麓地區(qū)，坐落于準(zhǔn)噶爾盆地南緣，北鄰福海縣，西接五家渠市與昌吉市，東靠阜康市，南與吐魯番市高昌區(qū)、托克遜縣、和靜縣接壤,是絲綢之路經(jīng)濟帶建設(shè)的核心城市。地勢總體上表現(xiàn)為東南高、西北低，北部主要為低山河谷及沖積平原地域，南部為天山山區(qū)(圖1)，起伏較為懸殊，兼?zhèn)渖降爻鞘泻推皆鞘袑傩浴儆谥袦貛Т箨懶愿珊禋夂騾^(qū)，晝夜溫差較大，光照充足，寒暑變化劇烈。

圖1 研究區(qū)位置示意Fig.1 Location map of study area

2 數(shù)據(jù)來源與研究方法

2.1 數(shù)據(jù)來源與處理

基礎(chǔ)數(shù)據(jù)選取1995和2005年Landsat-TM/ETM+和2015年Landsat-8 OLI遙感影像，條帶號142-143，行編號29-30，選取6月中旬至9月下旬云量少、圖像清晰的遙感影像，空間分辨率均為30 m，數(shù)據(jù)來源為中國科學(xué)院地理空間數(shù)據(jù)云平臺。在ENVI軟件支持下，對2005年遙感影像進行條帶修復(fù)，對3期遙感影像進行圖像拼接、裁剪等預(yù)處理。采用最大似然分類法與目視解譯相結(jié)合的方法，參考《全國土地分類標(biāo)準(zhǔn)》和《土地利用現(xiàn)狀分類標(biāo)準(zhǔn)》，并與烏魯木齊的實際土地利用狀況對比進行輔助糾正，將土地利用類型劃分為耕地、林地、草地、水域、建設(shè)用地和未利用地6類，由此獲得3期土地利用類型圖(圖2)?；诨煜仃嚪椒ǖ玫交煜仃嚲仍u價表，對1995—2015年分類結(jié)果進行解譯精度評價，1995、2005、2015年土地利用分類成果的總體精度分別為0.90、0.90、0.92，均達到分類標(biāo)準(zhǔn)精度，滿足研究要求。

圖2 1995—2015年烏魯木齊市土地利用分類及2025年土地利用模擬Fig.2 Classification results of land use from 1995 to 2015 and simulation of land use in 2025

道路矢量數(shù)據(jù)由1995、2005、2015年遙感影像的第8個波段提取，通過ArcGIS軟件空間分析功能中的歐式距離模塊分析得到距道路(鐵路、高速、公路)、城鎮(zhèn)點、水域的距離； DEM高程數(shù)據(jù)由地理空間數(shù)據(jù)云(http:∥www.gscloud.cn)下載拼接獲得，空間分辨率為30 m。

以1995和2005年土地利用數(shù)據(jù)為預(yù)測基礎(chǔ)圖像，利用Markov模塊得到1995—2005年轉(zhuǎn)移面積矩陣與概率矩陣，再采用CA-Markov模塊預(yù)測2015年土地利用類型空間分布情況。隨后對2015年預(yù)測結(jié)果與實際遙感解譯土地利用圖進行Kappa精度驗證，精度高達0.962，說明模擬結(jié)果精準(zhǔn)度較高，可用于未來土地利用變化預(yù)測。將2005和2015年土地利用數(shù)據(jù)作為預(yù)測基礎(chǔ)圖像，利用Markov模塊得到2005—2015年轉(zhuǎn)移面積矩陣與概率矩陣，以2015年為預(yù)測的起始時間，以10 a為時間間隔，預(yù)測2025年烏魯木齊市土地利用變化。

2.2 研究方法

2.2.1CA-Markov 模型

Markov模型是一種隨機模型，可根據(jù)事件的當(dāng)前狀況預(yù)測其未來各個時刻變動狀況，其本質(zhì)是對事件發(fā)生概率的預(yù)測[16]。該模型主要依據(jù)初始時期到另一個不同時期的狀態(tài)間轉(zhuǎn)移概率與矩陣,預(yù)測未來某時刻的土地利用變化趨勢，公式為

St+1=St×Pij。

(1)

式(1)中，St和St+1分別為t和t+1時刻土地利用系統(tǒng)的狀態(tài)；Pij為狀態(tài)轉(zhuǎn)移矩陣。

元胞自動機是一種時間、空間、狀態(tài)都離散的局部格網(wǎng)動力學(xué)模型，具有模擬復(fù)雜系統(tǒng)時空演化過程的能力[17]。模型具體公式為

St+1=f(St,n)。

(2)

式(2)中，S為元胞有限、離散的狀態(tài)集合；n為元胞的鄰域；f為局部空間的元胞轉(zhuǎn)換規(guī)則。

CA-Markov 模型綜合了CA模型模擬復(fù)雜系統(tǒng)空間變化的能力與Markov模型定量長時間序列預(yù)測的優(yōu)點[18]，使用CA-Markov模型能更加準(zhǔn)確地從時間和空間上模擬土地利用類型的變化情況。因此，以1995—2005及2005—2015年各土地利用類型之間的轉(zhuǎn)化面積作為Markov狀態(tài)轉(zhuǎn)移概率矩陣元素，根據(jù)多準(zhǔn)則評價模型選取高程、坡度、距道路距離、距水域距離作為驅(qū)動因子，并根據(jù)不同土地利用類型轉(zhuǎn)換特點選取限制性因子，從而得到各土地利用類型空間分布概率適宜性圖集，為下一步土地利用空間分布的模擬預(yù)測提供轉(zhuǎn)移規(guī)則。

2.2.2生態(tài)系統(tǒng)服務(wù)價值的估算方法

在謝高地等[19]的研究成果基礎(chǔ)上，采用改進型ESV方法的標(biāo)準(zhǔn)當(dāng)量因子ESV價值量(D，取值為34.065萬元·km-2)，結(jié)合烏魯木齊土地利用具體情況，將單個當(dāng)量價值與其生態(tài)系統(tǒng)單位面積ESV當(dāng)量表相乘，即可得到不同土地利用類型的單位面積生態(tài)服務(wù)價值系數(shù)(表1)。

表1 各土地利用類型單位面積生態(tài)系統(tǒng)服務(wù)價值系數(shù)

Table 1 ESV coefficients per unit area of ecosystems of various land classifications萬元·km-2

生態(tài)系統(tǒng)服務(wù)耕地林地草地水域建設(shè)用地未利用地食物生產(chǎn)28.957.493.4014.8500.34原料生產(chǎn)13.6217.714.768.2701.02水資源供給-0.689.192.72143.1700.68氣體調(diào)節(jié)22.8257.9117.3732.360.683.74氣候調(diào)節(jié)12.26172.7145.6473.0003.40凈化環(huán)境3.4150.7514.98105.703.4010.56水文調(diào)節(jié)9.19113.7733.381 517.011.027.15土壤保持35.0970.1721.1236.790.684.42維持養(yǎng)分循環(huán)4.095.451.702.8200.34生物多樣性4.4364.0419.07124.540.684.08美學(xué)景觀2.0427.938.5176.160.341.70總計135.22597.12172.652 134.676.8037.43

考慮該區(qū)域土地利用類型的種類，對計算指標(biāo)進行調(diào)整，耕地與水田采用農(nóng)田的指標(biāo)計算，林地采用針葉林的指標(biāo)計算，草地采用草原與灌草叢的指標(biāo)平均值計算，水域采用水系和濕地的指標(biāo)平均值計算，建設(shè)用地采用裸地的指標(biāo)計算，未利用地采用荒漠的指標(biāo)計算,VES的計算公式為

(3)

VES,f=∑(Ak×CV,jk)。

(4)

式(3)～(4)中，VES為生態(tài)系統(tǒng)服務(wù)價值,萬元；Ak為第k種土地利用類型面積，km2；CV，k為第k類土地利用類型的生態(tài)系統(tǒng)價值系數(shù)，萬元·km-2；VES，f為研究區(qū)年度生態(tài)系統(tǒng)第f項服務(wù)功能總價值；CV，jk為第k種土地利用類型第j項服務(wù)功能價值系數(shù)，萬元·km-2。

2.2.3空間自相關(guān)

空間自相關(guān)分析能發(fā)現(xiàn)ESV分布的空間相關(guān)性是否具有集聚性，包括全局與局部空間自相關(guān)[20]，全局空間自相關(guān)能反映整個區(qū)域的地域單元與相鄰單元的總體聚集特征，但不能凸顯局部區(qū)域單元的聚集狀態(tài)[21]。局部空間自相關(guān)(LISA)可以準(zhǔn)確把握空間單元與鄰近單元的聚集性與分異特征[22]，局部Moran′sI值(Ii)計算公式為

(5)

式(5)中，n為空間單元總個數(shù)；xi和xj分別為空間單元i和j的ESV觀測值；wij為基于要素i、j建立的空間權(quán)重矩陣。Moran′sI的取值范圍為[-1，1]，采用蒙特卡洛(Monte Carlo)模擬方法檢驗Moran′sI統(tǒng)計量的顯著性，模擬次數(shù)為999，檢驗公式為

(6)

(7)

式(6)～(7)中，E(I)為觀測變量自相關(guān)性的期望值；Var(I)與S(I)分別為方差和標(biāo)準(zhǔn)差；ZI為標(biāo)準(zhǔn)差的倍數(shù)，在給定顯著性水平下，Z值>0時說明存在顯著正相關(guān)，I值越接近1表明空間單元存在高-高或低-低值聚集，空間差異越小，性質(zhì)越相似；Z值<0時說明存在顯著性負相關(guān)，I值越接近-1，表明空間單元存在高-低或低-高值空間聚集，空間差異越大；Z值等于0表示空間自相關(guān)性不顯著[23-24]。

2.2.4冷/熱點區(qū) Getis-Ord Gi*演化分析

Getis-Ord Gi*指數(shù)用于分析ESV變化的高/低空間聚集程度，即ESV動態(tài)變化的冷/熱點區(qū)空間分布格局[21]。Gi*指數(shù)計算公式為

(8)

(9)

(10)

式(8)～(10)中，Gi*為輸出統(tǒng)計Z得分；xj為空間單元j的ESV指數(shù)變化量；wij為相鄰空間單元i和j之間的空間權(quán)重。

3 結(jié)果與分析

3.1 生態(tài)系統(tǒng)服務(wù)價值變化分析

基于烏魯木齊市1995—2025年土地利用分類結(jié)果與各土地利用類型的ESV計算指標(biāo)(表1)計算各年份不同土地利用類型的ESV變化(表2)。結(jié)果顯示，烏魯木齊市1995、2005、2015、2025年的ESV總值分別為214.23億、213.29億、210.70億和208.06億元。從表2、圖3可以看出，烏魯木齊市土地利用變化引起ESV波動變化，其中草地是研究區(qū)ESV的最主要構(gòu)成部分，其次是未利用地與林地，草地和林地對研究區(qū)的ESV有相當(dāng)重要的生態(tài)意義。除建設(shè)用地維持穩(wěn)定增長外，其他用地類型ESV均呈負增長趨勢。1995—2025年烏魯木齊市ESV總體上呈持續(xù)減少趨勢，減少6.17億元。各土地利用類型的ESV變化在不同時段存在一定差異，呈波動變化態(tài)勢。其中2005—2015年為ESV總量急速下降階段，此階段對總量減少貢獻最大的是耕地，其次是水域。主要原因在于該時段城市不斷向外圍擴張，大量耕地和水域轉(zhuǎn)化為建設(shè)用地。推測到2025年前，研究區(qū)的林地和草地ESV值處于持續(xù)減少狀態(tài)，但2015—2025年間下降速度有所減緩，表明近年來烏魯木齊在城鎮(zhèn)化擴展中生態(tài)保護意識逐漸加強。

表2 1995—2025年烏魯木齊市各土地利用類型的生態(tài)系統(tǒng)服務(wù)價值

Table 2 The ecosystem service values of land use types in Urumqi during 1995-2025億元

土地利用類型1995年2005年2015年2025年耕地18.3218.8017.5615.45林地38.1638.3238.1238.10草地137.90136.27135.49134.90水域7.878.077.627.59建設(shè)用地0.200.260.390.51未利用地11.7511.5411.4911.48總計214.23213.29210.70208.06

圖3 1995—2025年烏魯木齊市各土地利用類型面積變化Fig.3 The changes of areas of land use types in Urumqi during 1995-2025

3.2 生態(tài)系統(tǒng)服務(wù)價值總體分布格局

為了直觀定量描述研究區(qū)ESV的空間分布特征，將烏魯木齊市各期土地利用分類數(shù)據(jù)轉(zhuǎn)入2 km×2 km的格網(wǎng)單元，結(jié)合ESV估算模型，分別計算每個格網(wǎng)單元內(nèi)各土地利用類型的ESV值，通過ArcGIS軟件的重分類工具，采用自然斷點法將各格網(wǎng)單元ESV值從低到高分為低值、次低值、中值、次高值、高值5個等級(圖4)。如圖4所示，烏魯木齊市ESV總體分布格局等級差異明顯，建成區(qū)ESV的中值區(qū)被新增低值區(qū)不同程度包圍，次高值區(qū)鑲嵌分布于其他區(qū)域之中，高值區(qū)與次低值區(qū)分布相對集中，部分區(qū)域從高值區(qū)下降到中值區(qū)甚至低值區(qū)，且新增的低值區(qū)大多由原來的低值區(qū)向外擴展蔓延轉(zhuǎn)變而成。

ESV高值區(qū)域主要分布于烏魯木齊市南部伊連哈比爾尕山、東部博格達山北坡及烏拉泊濕地、薩爾喬克牧場、米東區(qū)林場附近等林地面積較多的地區(qū)，在城市周邊低矮的山坡林地也有零星分布。低值區(qū)域主要分布在米東區(qū)北部古爾班通古特沙漠、達坂城區(qū)柴窩堡湖及鹽湖等未利用地周邊，烏魯木齊中心四區(qū)(天山區(qū)、沙依巴克區(qū)、水磨溝區(qū)、頭屯河區(qū))周邊區(qū)域因為受到建設(shè)用地不斷向北部、南部和東部蔓延擴張及人口聚集的影響，成為低值區(qū)域。大量中值區(qū)轉(zhuǎn)化成為低值區(qū)，ESV值顯著下降。其原因在于近幾年城市用地規(guī)劃提出“南控、北擴、先兩延、后東進”的發(fā)展戰(zhàn)略，使得東北方向大量草地轉(zhuǎn)化為建設(shè)用地。

圖4 1995—2025年烏魯木齊市生態(tài)系統(tǒng)服務(wù)價值高、低值空間分布變化Fig.4 The distribution of ecosystem service value in Urumqi during 1995-2025

烏魯木齊縣及沿柴窩堡—達坂城區(qū)形成的南北軸附近大部分區(qū)域的ESV值相對穩(wěn)定，該地處于城市周邊區(qū)域，受人為因素干擾及城市用地擴張影響程度較小；柴窩堡湖及沙依巴克區(qū)雅瑪里克山、水磨溝山區(qū)、紅光山附近區(qū)域ESV值在研究時段后期有所上升，這與烏魯木齊市近年來大力實施“藍天工程”“園林城市建設(shè)”“荒山綠化工程”等措施有極大的關(guān)系。2025年的ESV空間分布預(yù)測結(jié)果顯示，次低值區(qū)呈增加趨勢，隨著城鎮(zhèn)化的加速，新市區(qū)與頭屯河區(qū)等受建成區(qū)域不斷擴張的影響，其生態(tài)空間分布格局發(fā)生較大變化。由此看來，未來建設(shè)用地面積將不斷增加，但城市擴張速度逐漸得到有效控制，各種生態(tài)用地類型之間的變化速率將趨于減緩，這得益于生態(tài)保護建設(shè)工程的實施、退耕還草還林政策及城市綠化等一系列生態(tài)恢復(fù)措施的推進，局部地區(qū)的生態(tài)環(huán)境將有所改善。

3.3 空間自相關(guān)與冷熱點區(qū)空間分布格局

3.3.1空間自相關(guān)

選擇Moran′sI指數(shù)與散點圖對研究區(qū)各年份的ESV進行空間自相關(guān)分析(表3)，由OpenGeoDa軟件繪制的Moran′sI散點圖能夠定性分辯區(qū)域各個格網(wǎng)單元與相鄰格網(wǎng)單元ESV的相互關(guān)系(圖5)。研究區(qū)域4個年份Moran′sI指數(shù)的斜率均為正值，整體呈空間正相關(guān)，I值均大于0.77，在變化趨勢上，Moran′sI指數(shù)由 1995年的0.79下降到2005年的0.779，表明ESV空間自相關(guān)性與空間聚集現(xiàn)象在1995—2005年減弱，2015年上升到0.80，隨后2025年下降到0.794，表明研究區(qū)ESV的空間分布具有較強的空間自相關(guān)性，且分布規(guī)律表現(xiàn)出相對一致性，大部分ESV散點分布于第1、3象限，呈現(xiàn)高值區(qū)聚集分布以及低值區(qū)聚集分布的現(xiàn)象，只有較少的異常值分布于第2、4象限。

表3 1995—2025年烏魯木齊市生態(tài)系統(tǒng)服務(wù)價值Moran′sI統(tǒng)計量

Table 3 Moran statistic of ecosystem sevice value in Urumqi during 1995-2025

年份Moran′s I值 Z統(tǒng)計量P值19950.792 66.8650.00120050.779 67.3460.00120150.800 66.3990.00120250.794 67.6050.001

然而，通過Moran′sI散點圖無法判斷各區(qū)域具體的空間位置信息以及相關(guān)性，因此需要使用Geoda軟件研究區(qū)顯著性水平(圖6)，旨在更為直觀地觀察ESV單元之間的空間聚集分布情況及具體的空間位置信息。從圖6可見，烏魯木齊市絕大多數(shù)區(qū)域相關(guān)性不顯著，相關(guān)性較強的地區(qū)主要為高-高值、低-低值聚集區(qū)域，這2種類型聚集分布與ESV高值、低值集區(qū)域高度重合，存在較強的空間正相關(guān)性。高值聚集區(qū)主要集中在烏魯木齊縣及沿柴窩堡-達坂城區(qū)形成的南北軸附近大部分區(qū)域，在空間范圍上受人為因素干擾及城市用地擴張影響的程度較小。低值區(qū)主要聚集在烏魯木齊市頭屯河區(qū)、新市區(qū)和米東區(qū)附近區(qū)域(P<0.01)，隨著年份遞增，達顯著水平的低值聚集區(qū)范圍明顯擴大(表3)，與其相鄰的單元呈空間正相關(guān)性，說明這部分區(qū)域經(jīng)濟具有極強的帶動性，主要原因是城市建成區(qū)從中心城區(qū)向北部、東部不斷擴張，周圍邊緣區(qū)域內(nèi)大量生態(tài)用地轉(zhuǎn)化為新建區(qū)，原有的生態(tài)景觀發(fā)生顯著變化。

圖5 1995—2025年烏魯木齊市生態(tài)系統(tǒng)服務(wù)價值(ESV)的Moran′s I散點圖Fig.5 Moran scatler of ecosystem service value in Urumqi during 1995-2025

圖6 1995—2025年烏魯木齊市生態(tài)系統(tǒng)服務(wù)價值的LISA顯著性水平圖Fig.6 The LISA significance level of ecosystem sevice value in Urumqi during 1995-2025

3.3.2冷熱點區(qū)空間分布格局

通過熱點分析對烏魯木齊市4個年份的ESV時空分布差異進行比較，以2 km×2 km格網(wǎng)單元的ESV變化量為對象，計算1995—2005、2005—2015、2015—2025年3個相鄰時段各格網(wǎng)單元局域Gi*統(tǒng)計量，進而識別ESV年際變化的熱點區(qū)和冷點區(qū)分布情況。采用自然斷點法將其劃分為5類(高熱區(qū)、次高熱區(qū)、穩(wěn)定區(qū)、次低冷區(qū)、低點區(qū))，生成烏魯木齊市冷熱點空間分布格局(圖7)。

1995—2005年，烏魯木齊市ESV高熱區(qū)主要分布在米東區(qū)梧桐鎮(zhèn)、烏魯木齊縣板房溝鄉(xiāng)、水磨溝區(qū)紅光山和沙依巴克區(qū)雅瑪里克山附近、達坂城區(qū)烏拉泊及南山牧場周圍地區(qū)。其主要原因為：一方面高熱區(qū)加強植樹造林，使林地面積有所增加；另一方面，受城市綠化及生態(tài)恢復(fù)措施影響，當(dāng)?shù)厣鷳B(tài)環(huán)境逐漸改善。而ESV低冷區(qū)則主要分布在新市區(qū)大部分區(qū)域、沙依巴克區(qū)西南部、米東區(qū)青格達湖鄉(xiāng)及烏魯木齊縣周邊零星區(qū)域。

2005—2015年，烏魯木齊市ESV高熱區(qū)及低冷區(qū)變化明顯，ESV高熱區(qū)主要分布在烏魯木齊縣甘溝、白楊溝等中部地區(qū)及達坂城區(qū)烏拉泊及南山牧場周圍大部分地區(qū)，說明烏魯木齊市荒山綠化、濕地修復(fù)等生態(tài)政策卓有成效。ESV低冷區(qū)則大幅增加，成片分布在建成區(qū)及其周邊區(qū)域，主要是由于沿柴窩堡湖—鹽湖附近地區(qū)不斷占用草地發(fā)展旅游開發(fā)等項目。

2015—2025年預(yù)測結(jié)果顯示，高熱區(qū)與低冷區(qū)將頻繁轉(zhuǎn)換，穩(wěn)定區(qū)將有所減少，呈現(xiàn)空間聚集效應(yīng)。高熱區(qū)主要分布在烏魯木齊縣南部地區(qū)，呈現(xiàn)由南部向北偏移趨勢，這主要得益于退耕還林、濕地生態(tài)保護修復(fù)措施等政策的實施。ESV低冷區(qū)主要分布在頭屯河區(qū)北部與米東區(qū)南部接壤的區(qū)域，在市轄區(qū)也有點狀零星分布。未來對該區(qū)應(yīng)嚴(yán)格控制建設(shè)用地的規(guī)模，逐步提升區(qū)域ESV值。

圖7 1995—2025年烏魯木齊市生態(tài)系統(tǒng)服務(wù)價值變化的冷熱點分布Fig.7 Distributions of hot/cold-spots of ecosystem sevice value change in Urumqi during 1995-2025

烏魯木齊市ESV變化過程最為明顯的是高值、低值區(qū)域的空間集聚現(xiàn)象，1995—2025年冷點區(qū)和熱點區(qū)都呈現(xiàn)增加趨勢，但值得關(guān)注的是熱點區(qū)范圍逐漸大于冷點區(qū)，穩(wěn)定區(qū)趨于減少。ESV值變化顯示最強烈的高熱區(qū)主要位于烏魯木齊縣，近年來烏魯木齊市大力推行濕地生態(tài)保護修復(fù)措施，加大退耕還林、還草實施力度，使烏魯木齊生態(tài)環(huán)境狀況明顯好轉(zhuǎn)，對烏魯木齊市ESV增值起到重要作用。而冷點區(qū)域由老城區(qū)向新城區(qū)不斷蔓延聚集分布，經(jīng)濟快速發(fā)展使中心城市不斷占用周邊區(qū)域的土地，是造成ESV損失的主要原因。

4 討論與結(jié)論

4.1 討論

土地利用變化深刻影響著自然生態(tài)系統(tǒng)結(jié)構(gòu)和服務(wù)功能的演變[25]，從而導(dǎo)致ESV變化。受近年來烏魯木齊市大力實施“藍天工程”“園林城市建設(shè)”“荒山綠化工程”等措施的影響，研究期間部分耕地與未利用地轉(zhuǎn)移為林草地，對ESV增加貢獻率較高，對于研究區(qū)東部天然牧場以及森林、河流和灘涂等ESV高的新增生態(tài)用地要大力加強保護力度，一旦被破壞，很難重建起原有的生態(tài)體系，同時影響生態(tài)屏障建設(shè)。隨著該區(qū)域城鎮(zhèn)化的不斷推進以及土地利用開發(fā)強度的加劇，周圍邊緣地區(qū)的生態(tài)用地減少，造成ESV降低。從2025年變化趨勢預(yù)測結(jié)果來看，建設(shè)用地尚處在不斷擴張過程中，在國家提出“三區(qū)三線”空間規(guī)劃體系的背景下，周圍邊緣區(qū)域?qū)⒗^續(xù)遭受不同程度的生態(tài)擾動。未來烏魯木齊市土地利用規(guī)劃應(yīng)向存量建設(shè)用地開發(fā)模式轉(zhuǎn)變，要重視建設(shè)用地的動態(tài)監(jiān)測與預(yù)警，避免城市向邊界的不斷擴張，減少城市化對生態(tài)系統(tǒng)和生態(tài)本底的破壞。筆者基于空間統(tǒng)計與分析來探索未來土地利用變化對ESV空間格局的影響，并結(jié)合熱點分析定量分析刻畫了土地利用背景下的ESV未來時空變化，國內(nèi)外眾多學(xué)者在ESV時空變化作了大量研究，但對于CA-Markov預(yù)測結(jié)合熱點分析來探究微觀區(qū)域ESV的時空格局演變略有不足，該研究提供了一種新的研究思路與框架。

目前生態(tài)系統(tǒng)服務(wù)價值估算可分功能價值法和當(dāng)量因子法2類。因為當(dāng)量因子法具有可操作性、直觀性，評估結(jié)果可比性高[19]。與部分學(xué)者對于烏魯木齊ESV的估算結(jié)果相比，筆者的計算結(jié)果存在一定差異性，其原因是對不同系統(tǒng)生態(tài)服務(wù)價值單價的計算方法不同，如阿依吐爾遜等[26]將土地利用類型劃分為7種，賦予其生態(tài)服務(wù)價值系數(shù)；李芝靈[27]根據(jù)生態(tài)類型著重從5類生態(tài)功能出發(fā)，對烏魯木齊市ESV進行評估；張浩等[28]結(jié)合其他學(xué)者的相關(guān)研究成果，建立評價模型來計算烏魯木齊市ESV。筆者直接采用謝高地等[10]的評估方法與模型對烏魯木齊市ESV進行估算，因此與其他學(xué)者的ESV計算結(jié)果存在差異，一定程度上豐富了ESV評估方法在干旱典型綠洲的應(yīng)用。

由于生態(tài)系統(tǒng)的復(fù)雜性、動態(tài)性和非線性特征，當(dāng)量因子法的估算結(jié)果存在一些局限[9,29]，預(yù)測模擬中土地利用類型分類的精度也會影響模擬結(jié)果。首先，筆者研究中未充分考慮當(dāng)量因子法運用于不同區(qū)域時生態(tài)系統(tǒng)類型修正系數(shù)的差異，在一定程度上影響了ESV的評估精度。后續(xù)研究應(yīng)采用植被凈初級生產(chǎn)力、綠量指數(shù)等指標(biāo)進行校正，獲取本地化的當(dāng)量因子和標(biāo)準(zhǔn)當(dāng)量因子生態(tài)系統(tǒng)服務(wù)價值量，使評估結(jié)果更加符合現(xiàn)實。其次，該研究計算的ESV受生態(tài)服務(wù)當(dāng)量與土地利用類型數(shù)據(jù)精度的影響，在今后的研究中需使用高分辨率的遙感影像獲取土地利用數(shù)據(jù)，以提高計算精度。最后，該研究采用的土地利用數(shù)據(jù)僅分為6類，訓(xùn)練樣本構(gòu)建時僅獲取研究區(qū)基礎(chǔ)地理數(shù)據(jù)及部分自然影響因素，所選研究樣本較少，約束條件不夠全面，雖然對于小區(qū)域的土地利用變化和預(yù)測模擬來說具有一定的精度和可靠性，但在后續(xù)研究中需進一步細分土地利用類型，并加入社會經(jīng)濟因子來定量化模擬未來的土地利用情景。

4.2 結(jié)論

(1)1995—2025年烏魯木齊市ESV呈減少趨勢，由214.23億元減少到208.06億元，凈減少6.17億元。ESV減少的主要原因在于耕地、林地、草地面積減少，其中林地和草地是研究區(qū)域ESV的最主要構(gòu)成部分，未來要更加注重生態(tài)保護和生態(tài)恢復(fù)建設(shè)。

(2)總體上烏魯木齊ESV總體空間分布格局區(qū)域差異明顯，ESV高值區(qū)域多年來主要分布在烏魯木齊縣林地面積較多的地區(qū)，ESV低值區(qū)域集中分布于烏魯木齊中心四區(qū)(天山區(qū)、沙依巴克區(qū)、水磨溝區(qū)、頭屯河區(qū))周邊區(qū)域，隨著大力推進“園林城市建設(shè)”“荒山綠化工程”等政策的實施以及林草地生態(tài)系統(tǒng)的恢復(fù)，ESV在研究時段后期有所上升。

(3)研究區(qū)ESV具有顯著的空間正自相關(guān)性與空間聚集特征，高-高、低-低2種類型聚集分布分別與ESV高值、低值區(qū)域高度重合。1995—2025年，冷點區(qū)和熱點區(qū)都表現(xiàn)為增加趨勢，熱點區(qū)域的增加與近年來烏魯木齊大力推行生態(tài)保護及修復(fù)等多種措施有極大的關(guān)聯(lián)性，冷點區(qū)的增加與城市建成區(qū)的增量擴張蔓延及土地開發(fā)等一系列人類活動有密切關(guān)系。