陜甘寧革命老區(qū)生態(tài)系統(tǒng)服務(wù)價值時空分異及影響因素研究

朱相君，薛亮

（陜西師范大學(xué)地理科學(xué)與旅游學(xué)院，陜西 西安 710119）

在全球環(huán)境變化背景下，人類不合理的社會經(jīng)濟(jì)活動加劇了生態(tài)環(huán)境的惡化，導(dǎo)致水土流失、資源枯竭等一系列生態(tài)問題。全球性及區(qū)域性的生態(tài)危機(jī)日益嚴(yán)峻，對人類自身的可持續(xù)發(fā)展產(chǎn)生了極大威脅，從而促使人類關(guān)注和反省自身發(fā)展與生態(tài)系統(tǒng)間的關(guān)系[1]。如何定量評估生態(tài)系統(tǒng)服務(wù)價值（ecosystem service value，ESV）[2]及探究其驅(qū)動因素[3-4]已成為國內(nèi)外學(xué)者研究的熱點(diǎn)問題之一。

生態(tài)系統(tǒng)服務(wù)是人類從生態(tài)系統(tǒng)獲得的直接或間接的產(chǎn)品、服務(wù)或功能，與人類福祉關(guān)系密切[5]，ESV是衡量生態(tài)服務(wù)大小的重要指標(biāo)。1997年，COSTANZA 等[6]首次估算了全球 ESV，從科學(xué)意義上明確了ESV的估算原理與方法，為國內(nèi)外學(xué)者研究ESV奠定了基礎(chǔ)。鑒于ESV的復(fù)雜性及異質(zhì)性，國內(nèi)外一些學(xué)者對ESV的理論及方法做了探索與實(shí)證[7-8]。國外學(xué)者多圍繞ESV的理論分析[9]、量化[10]及其對周圍環(huán)境的響應(yīng)[11]等方面進(jìn)行探討，且多結(jié)合土地利用數(shù)據(jù)進(jìn)行ESV演變分析[12]。在我國，隨著ESV理論和案例研究的深入，ESV的定量評估方法日趨成熟，可歸納為基于單位生態(tài)系統(tǒng)服務(wù)功能的方法和基于單位面積ESV的方法。其中謝高地等[8]在COSTANZA等的研究基礎(chǔ)上根據(jù)我國生態(tài)系統(tǒng)和社會經(jīng)濟(jì)發(fā)展?fàn)顩r建立了我國陸地ESV當(dāng)量因子表，即當(dāng)量因子法，由于該方法計算簡便、直觀易用且結(jié)果可比性較高得到廣泛應(yīng)用。在ESV定量核算的基礎(chǔ)上，有學(xué)者開始關(guān)注ESV的動態(tài)變化及其驅(qū)動機(jī)制[3]。盡管目前相關(guān)研究成果逐漸豐富，且研究方法多樣，但研究區(qū)域主要集中在三峽庫區(qū)[13]、長江流域[14]等生態(tài)較敏感、經(jīng)濟(jì)相對發(fā)達(dá)的區(qū)域，針對跨行政區(qū)域的革命老區(qū)的研究相對缺乏。另外，以往研究多選取社會經(jīng)濟(jì)指標(biāo)與ESV進(jìn)行相關(guān)分析或回歸分析，忽略了不同影響因素作用強(qiáng)度的異質(zhì)性及空間分布差異性。

陜甘寧革命老區(qū)是革命傳統(tǒng)和延安精神教育基地，屬生態(tài)脆弱區(qū)。該區(qū)歷史文化底蘊(yùn)深厚，但經(jīng)濟(jì)相對落后；地下資源富集，但地上資源缺乏且水土流失嚴(yán)重，人地關(guān)系較復(fù)雜。本文以陜甘寧革命老區(qū)為研究區(qū)域，基于改進(jìn)的當(dāng)量因子法，定量測算ESV，并分析其時空變化特征，運(yùn)用地理探測器識別主導(dǎo)因素，進(jìn)一步利用地理加權(quán)回歸（geographically weighted regression，GWR）模型探討主導(dǎo)因素的空間異質(zhì)性，以期為深入開展黃土高原和黃河中上游地區(qū)生態(tài)治理提供一定的科學(xué)參考。

1 研究方法與數(shù)據(jù)來源

1.1 研究區(qū)概況

陜甘寧革命老區(qū)位于黃土高原中北部，地勢西北高東南低，屬于溫帶大陸性氣候，夏秋干熱，冬春寒冷，年降水量在330～570 mm，年平均氣溫為7℃，日溫差大。受地形地貌的限制以及氣候和人類活動的影響，陜甘寧革命老區(qū)植被稀疏，水土流失嚴(yán)重[15]，生態(tài)環(huán)境整體脆弱。截至2020年，陜甘寧革命老區(qū)共轄陜西省延安、榆林、銅川，甘肅省慶陽、平?jīng)?，寧夏回族自治區(qū)吳忠、固原、中衛(wèi)等8個地級市，以及陜西省富平、旬邑、淳化、長武、彬州、三原、涇陽，甘肅省會寧，寧夏回族自治區(qū)靈武等9個縣（市/區(qū)）[16]，總面積 19.2萬 km2。

1.2 數(shù)據(jù)來源

研究所需要的數(shù)據(jù)包括土地利用數(shù)據(jù)和影響因子指標(biāo)數(shù)據(jù)。土地利用數(shù)據(jù)來源于中國科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心（http：//www.resdc.cn）提供的 1995，2005，2015，2018年 4期土地利用柵格數(shù)據(jù)，分辨率為1 km×1 km，土地利用類型有耕地、林地、草地、水域、建設(shè)用地和未利用地6種一級類型；影響因子指標(biāo)數(shù)據(jù)包括NPP、NDVI、溫度、降水、DEM及各縣（市/區(qū)）的社會經(jīng)濟(jì)統(tǒng)計數(shù)據(jù)等，其中NPP和NDVI數(shù)據(jù)來源于美國NASA（https：//ladsweb.modaps.eosdis.nasa.gov）提供的數(shù)據(jù)產(chǎn)品，分辨率為1 km×1 km，影像通過MRT軟件進(jìn)行拼接及投影轉(zhuǎn)換；溫度及降水?dāng)?shù)據(jù)來源于國家氣象科學(xué)數(shù)據(jù)中心（http：//data.cma.cn）；DEM數(shù)據(jù)來源于中國科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中 心（http：//www.resdc.cn），分辨率為 1 km×1 km；各縣（市/區(qū)）社會經(jīng)濟(jì)統(tǒng)計數(shù)據(jù)（人均GDP、城鎮(zhèn)化率、人均社會消費(fèi)品、城鄉(xiāng)居民人均收入、人均糧食產(chǎn)量、人口密度）等來源于1996—2019年的《陜西統(tǒng)計年鑒》《甘肅發(fā)展年鑒》《寧夏統(tǒng)計年鑒》《中國城市統(tǒng)計年鑒》以及各縣級的政府門戶網(wǎng)站。

圖1 陜甘寧革命老區(qū)概況Fig.1 Sketch map in the Shaanxi-Gansu-Ningxia Revolutionary Region

1.3 研究方法

1.3.1 ESV當(dāng)量因子修正與計算

鑒于不同地區(qū)ESV存在較大差異，考慮區(qū)域?qū)嶋H，為減小誤差，對謝高地等[8]提出的中國陸地ESV當(dāng)量因子表加以修正。將1995—2018年陜甘寧革命老區(qū)平均單位面積糧食產(chǎn)量與全國平均單位面積糧食產(chǎn)量的比值作為區(qū)域修正系數(shù)[17]，得到陜甘寧革命老區(qū)單位面積ESV當(dāng)量表（表1）。

表1 陜甘寧革命老區(qū)單位面積ESV當(dāng)量表Table 1 Equivalent value of ESV per unit area in Shaanxi-Gansu-Ningxia Revolutionary Region

為消除農(nóng)作物價格波動和通貨膨脹對ESV的影響，以1995—2018年陜甘寧革命老區(qū)平均糧食單價及單產(chǎn)計算一個標(biāo)準(zhǔn)單位ESV當(dāng)量因子的經(jīng)濟(jì)價值，然后提取對應(yīng)年份各土地利用類型面積，計算陜甘寧革命老區(qū)各縣各土地利用類型的ESV。

其中，Aj為j類土地利用類型的面積（hm2）；Eij為j類土地利用類型的i類生態(tài)系統(tǒng)功能基準(zhǔn)單價（元·hm-2）。

然而，即便同一生態(tài)系統(tǒng)其內(nèi)部ESV也有差異，已有研究顯示，植被覆蓋度與ESV呈現(xiàn)較好的正相關(guān)性[18]，生物量與生態(tài)系統(tǒng)功能及ESV密切相關(guān)[8]。本研究基于NPP和NDVI數(shù)據(jù)對各縣市ESV時間動態(tài)及空間異質(zhì)性進(jìn)行修正。修正后的ESV很好地反映了時間的動態(tài)變化，同時在空間上既保證了在宏觀尺度上的可比性，也體現(xiàn)了區(qū)域內(nèi)的差異性。系數(shù)修正公式為：

其 中 ，F(xiàn)i為i縣 的 植 被 覆 蓋 度 ；NDVI，NDVImax，NDVImin分別為歸一化植被指數(shù)及其最大值、最小值；αi為i縣的植被覆蓋度修正系數(shù)；Fmean為區(qū)域的平均植被覆蓋度；βi為i縣的生物量修正系數(shù)；NPPi和NPPmean分別為i縣植被凈初級生產(chǎn)力及其平均值；ESVi為i縣經(jīng)植被覆蓋度和生物量修正后的ESV。

1.3.2 地理探測器

地理探測器是用于測度地理現(xiàn)象的空間分異性與其潛在影響因素間關(guān)系的空間分析模型[19]，既能探測因變量Y的空間分異性，也能反映自變量X對Y的解釋力[20]。本研究通過地理探測器分析ESV與各潛在影響因素間的關(guān)系，進(jìn)而識別主導(dǎo)因素與各因素間的交互作用類型，計算式為

其中，n為全部樣本數(shù)；σ2為Y值的離散方差；h為Y或X的分區(qū)，h=1，2，…，L；L為分區(qū)數(shù)；q為指標(biāo)的空間異質(zhì)性，值域?yàn)閇0，1]，若分區(qū)是由自變量X生成的，則q值越大，表示X對Y的解釋力越強(qiáng)，反之則越弱[21]。通過探測不同因素間的交互作用，研究雙因素的加強(qiáng)或減弱對因變量產(chǎn)生的影響，判斷方法如表2所示。

表2 自變量間的交互作用類型Table 2 Interaction types between covariates

1.3.3 GWR模型

GWR模型通過將空間數(shù)據(jù)嵌入回歸參數(shù)，探索驅(qū)動因素在空間層面上對因變量的影響機(jī)制[22]。當(dāng)自變量存在空間自相關(guān)時，最小二乘法（OLS）模型無法滿足研究需求，由于GWR模型引入了空間距離權(quán)重，考慮了空間對象的局部效應(yīng)，故模擬結(jié)果具有空間可靠性，更符合客觀實(shí)際。GWR模型為：

其中，yi為空間位置i的 ESV，β0(Ui，Vi)為 (Ui，Vi)空間位置的GWR截距，βk(Ui，Vi)為第k個驅(qū)動因素在 (Ui，Vi)空間位置的加權(quán)回歸系數(shù)，xk(Ui，Vi)為第k個驅(qū)動因素在空間位置的取值，εi為算法殘差，XT為驅(qū)動因素的轉(zhuǎn)置，W(Ui，Vi)為距離權(quán)重矩陣，y為 ESV，h為 AIC準(zhǔn)則的帶寬，dij為i與j的空間位置距離。

2 結(jié)果分析

2.1 ESV時空變化特征

2.1.1 ESV時間變化分析

基于當(dāng)量因子表，依據(jù)式（1）和式（2）計算陜甘寧老區(qū)的ESV，進(jìn)而分析其時間變化特征（表3），其中建設(shè)用地的ESV不做估算[8]。由表3可知，陜甘寧革命老區(qū)23年間ESV呈先減少后增加的趨勢，整體來看，ESV 有所增加。1995，2005，2015，2018年 4期的 ESV總量分別為 2236.61，2141.98，2104.72，2300.64億元，23年間ESV總量增加了64.03億元，其中，1995—2005年，陜甘寧革命老區(qū)ESV總量減少了94.63億元，變化率為-4.23%；2005—2015年，ESV總量減少了37.26億元，變化率為-1.74%；2015—2018年，ESV總量增加了195.92億元，變化率為9.31%。從土地利用類型看，草地和林地的ESV平均比重較大，分別為37.94%和36.98%，其次為耕地，ESV平均比重為22.88%，水體與未利用地的ESV平均比重較小。在變化趨勢與速率方面，草地和林地的ESV呈增加趨勢，增長率分別為7.00%和5.59%，耕地、水體及未利用地的ESV則呈下降趨勢，下降率分別為5.48%，20.35%和47.32%。綜合比較發(fā)現(xiàn)，草地和林地是陜甘寧革命老區(qū)非常重要的生態(tài)系統(tǒng)。

表3 不同生態(tài)系統(tǒng)類型的ESVTable 3 ESV of different ecosystem types

表4為不同生態(tài)系統(tǒng)服務(wù)功能的ESV，可知，從整體看，23年間，陜甘寧革命老區(qū)食物生產(chǎn)功能的ESV呈下降趨勢，其余各項(xiàng)功能的ESV均呈上升趨勢。從局部看，各項(xiàng)生態(tài)系統(tǒng)服務(wù)功能的ESV變化率及趨勢有所差異。其中，1995—2015年，各項(xiàng)生態(tài)系統(tǒng)服務(wù)功能ESV均呈下降趨勢，變化率相對較高的有提供美學(xué)景觀（-3.71%）、維持生物多樣性（-3.13%）、水文調(diào)節(jié)（-3.34%）、氣體調(diào)節(jié)（-3.11%）等。1995，2005，2015，2018年4個時期，土壤保持、生物多樣性維持、水文調(diào)節(jié)及氣候調(diào)節(jié)功能的ESV均較大，食物生產(chǎn)功能的ESV均最小。一級服務(wù)功能按ESV從大到小排序，依次為調(diào)節(jié)服務(wù)、支持服務(wù)、供給服務(wù)、文化服務(wù)。

表4 不同生態(tài)系統(tǒng)服務(wù)功能的ESVTable 4 ESV of different ecosystem service functions

2.1.2 ESV空間變化特征

為便于空間分析，利用ArcGIS軟件對陜甘寧革命老區(qū)ESV總量按照自然斷點(diǎn)法[23]分級，其中，低級為（0，10.51]億元，較低級為（10.51，20.03]億元，中級為（20.03，44.09]億元，較高級為（44.09，85.80]億元，高級為85.80億元以上。由表5可知，1995—2018年，陜甘寧革命老區(qū)低級、高級ESV區(qū)域面積呈擴(kuò)張趨勢，且擴(kuò)張率分別為167.37%和160.60%。較低級、中級、較高級ESV區(qū)域面積呈縮減趨勢，其中較低級和中級ESV區(qū)域面積縮減率較低，分別為-3.59%和-6.36%，而較高級區(qū)域面積縮減較為明顯，縮減率為-72.29%。綜上，陜甘寧革命老區(qū)不同等級ESV區(qū)域面積轉(zhuǎn)化呈較為顯著的兩極分化趨勢。

表5 不同等級ESV區(qū)域面積變化Table 5 The change of region area of different level ESV

2.2 ESV影響因素分析

ESV受很多因素的影響，包括自然因素、經(jīng)濟(jì)因素、社會因素。本研究依據(jù)陜甘寧革命老區(qū)的區(qū)域概況，參考相關(guān)學(xué)者的研究成果[22]，結(jié)合數(shù)據(jù)的可獲取性，得到影響陜甘寧革命老區(qū)ESV的因素，包括年均氣溫（X1）、年均降水量（X2）、地形起伏度（X3）、地被覆蓋度（X4）等自然因素，人均 GDP（X5）、城鎮(zhèn)化率（X6）、人均社會消費(fèi)品零售總額（X7）、城鄉(xiāng)居民人均收入（X8）等經(jīng)濟(jì)因素，人均糧食產(chǎn)量（X9）、人口密度（X10）、墾殖系數(shù)（X11）等社會因素。

2.2.1 基于地理探測器的因子探測分析

采用地理探測器模型對影響ESV的因素進(jìn)行識別，進(jìn)而確定主導(dǎo)因素，并分析各因素間的交互作用對ESV空間分異的影響。由表6可知，X6，X7，X8，X9這4個因素的q值均小于0.1，說明其對ESV的解釋程度較弱，而 X1，X2，X3，X4，X5，X10，X11這7個因素的q值均大于0.1，具有一定的解釋作用。

表6 地理探測器探測結(jié)果Table 6 Geographical detector detection results

根據(jù)q值得到各因素的影響大小排序，依次為X4，X10，X11，X3，X5，X2，X1，其中，X4，X10，X11的q值明顯高于其他因素，解釋力分別為0.4005，0.3919，0.3415，且均通過了0.01水平的顯著性檢驗(yàn)，說明這3個因素是影響陜甘寧革命老區(qū)ESV空間分異的主導(dǎo)因素；X3，X5，X2的解釋力均在0.25左右，是影響陜甘寧革命老區(qū)ESV空間分異的重要因素；X1的解釋力為0.1420，是影響陜甘寧革命老區(qū)ESV空間分異較為重要的因素。X6，X7，X8，X9的解釋力均在0.10以下，說明這4個因素對陜甘寧革命老區(qū)ESV的空間分異影響相對較小。

分析準(zhǔn)則層發(fā)現(xiàn)，自然因素、社會因素在較大程度上揭示了陜甘寧革命老區(qū)ESV空間分異的驅(qū)動機(jī)制。其中，自然因素對ESV的解釋力最強(qiáng)，說明該區(qū)域自然環(huán)境對ESV貢獻(xiàn)最大，相關(guān)部門應(yīng)繼續(xù)加大對流域的資源保護(hù)及生態(tài)保育力度；其次是社會因素，反映了人類活動對區(qū)域生態(tài)環(huán)境存在干擾較大，因此在土地利用過程中，應(yīng)該嚴(yán)格遵循土地利用規(guī)劃及管制原則，加強(qiáng)人類活動對區(qū)域生態(tài)干擾的風(fēng)險管控。

2.2.2 基于地理探測器的因素交互探測

進(jìn)一步對陜甘寧革命老區(qū)ESV影響因素進(jìn)行交互探測（表7），發(fā)現(xiàn)任意兩個因素的交互作用程度均大于單因素的影響程度，且任意兩個因素的交互狀態(tài)主要為交互增強(qiáng)和非線性增強(qiáng)。

表7 ESV空間分異驅(qū)動因素的交互探測q值Table 7 The q of factor detector for the spatial differentiation of ESV

X10與X4的交互作用對區(qū)域ESV空間分異的影響最強(qiáng)，解釋力高達(dá)0.8427，其次為X10與X9，X4與X6，解釋力分別為0.8343和0.7953。交互探測q值超過0.50的有40多種，剩余因素的q值雖然低于0.50，但仍高于單因素對ESV空間分異性影響的程度。從交互探測的準(zhǔn)則層面看，社會因素與自然因素、經(jīng)濟(jì)因素與自然因素之間的交互作用明顯強(qiáng)于社會因素內(nèi)部或經(jīng)濟(jì)因素內(nèi)部的交互作用。說明在區(qū)域自然條件約束下，由于受人類社會經(jīng)濟(jì)活動的強(qiáng)烈干擾，區(qū)域ESV空間分異性顯著增加。因此，在土地利用過程中，應(yīng)該優(yōu)先考慮區(qū)域本身的地理環(huán)境特點(diǎn)，結(jié)合不同驅(qū)動因素的作用效果及因素間交互協(xié)同增強(qiáng)的效果，采取差異化多元協(xié)同調(diào)控的策略，選擇與區(qū)域自然環(huán)境相適應(yīng)的社會經(jīng)濟(jì)發(fā)展模式，避免不合理的社會經(jīng)濟(jì)活動。

2.2.3 基于GWR的影響因子空間異質(zhì)性分析

基于地理探測器的結(jié)果，選取X4，X10，X11，X5共4個因素進(jìn)行建模。一方面實(shí)現(xiàn)了因素降維，另一方面最大程度地體現(xiàn)了驅(qū)動因素的影響，避免重復(fù)性和無效性。

對ESV及各主導(dǎo)因素進(jìn)行普通最小二乘（ordinary least squares，OLS）回歸，結(jié)果顯示，殘差擬合不服從正態(tài)分布，為提升擬合度，引入GWR模型。首先，判斷因變量的空間相關(guān)性，利用GeoDa軟件分析陜甘寧革命老區(qū)ESV空間自相關(guān)性，結(jié)果顯示，4期 Moran′sI值分別為 0.44，0.54，0.55，0.51，說明區(qū)域ESV存在顯著的空間集聚性。然后，采用GWR模型進(jìn)行擬合（表8），擬合后的R2由0.6208升至0.7864，AICc由 552.3815降至 540.6931，差值為11.6884，整體表現(xiàn)較好，表明GWR模型較OLS模型擬合效果更好。

表8 GWR與OLS模型擬合效果對比Table 8 Comparison of fitting effects between GWR and OLS models

基于上述研究，采用GWR模型對各縣市ESV及驅(qū)動因素進(jìn)行擬合?；貧w系數(shù)顯示，地被覆蓋度與ESV呈正相關(guān)關(guān)系，而墾殖系數(shù)、人口密度及人均GDP與ESV呈負(fù)相關(guān)關(guān)系。為更加直觀地展示影響程度，采用自然斷點(diǎn)法對各主導(dǎo)因素回歸系數(shù)的絕對值進(jìn)行可視化分析，探究主導(dǎo)因素對ESV影響程度的空間異質(zhì)性（圖2）。

如圖2所示，各主導(dǎo)因素對ESV的影響程度具有空間異質(zhì)性，具體表現(xiàn)在以下3個方面：

圖2 生態(tài)系統(tǒng)服務(wù)價值影響因素的空間異質(zhì)性Fig.2 Spatial heterogeneity of influencing factors of ESV

（1）地被覆蓋度與ESV呈正相關(guān)關(guān)系，在空間上呈東高西低的特征，即每增加一個單位的地被覆蓋度，區(qū)域ESV將不同程度地增加，其中東部ESV增加幅度高于西部。這是因?yàn)橹脖辉诰S持區(qū)域生態(tài)環(huán)境、保護(hù)生物多樣性及調(diào)節(jié)氣候等方面有重要作用，地被覆蓋度的增加必然使ESV增加，且東部林地、草地面積相對較大，作為區(qū)域ESV的主要組成部分，東部地被覆蓋度的變化對ESV的影響程度亦較大。

（2）墾殖系數(shù)與ESV呈負(fù)相關(guān)關(guān)系，在空間上呈東高西低的空間特征，即每增加一個單位的墾殖系數(shù)將導(dǎo)致區(qū)域ESV不同程度的下降，其中東部ESV下降程度明顯高于西部，這是由于東部林地、草地面積廣，而墾殖率的增加勢必導(dǎo)致原有提供較多生態(tài)系統(tǒng)服務(wù)功能的林地及草地面積下降，進(jìn)而導(dǎo)致東部ESV下降程度較大。

（3）區(qū)域人口密度和人均GDP均與ESV呈負(fù)相關(guān)關(guān)系，在空間上呈西高東低的空間特征，但區(qū)域ESV對人口密度的變化較為敏感。這是因?yàn)橄噍^于人均GDP，人口密度的增加意味著衣食住行的增長及建設(shè)用地的擴(kuò)張?？紤]該區(qū)域生態(tài)本底較為脆弱，水土流失及土地荒漠化問題較嚴(yán)重，人類活動的增加必然導(dǎo)致生態(tài)系統(tǒng)壓力的增加，甚至超過生態(tài)環(huán)境的承載能力，導(dǎo)致區(qū)域ESV下降。從空間上看，每增加一個單位的人口密度或人均GDP，對西部ESV的影響程度更大，原因是西部以海拔較高的丘陵為主，生態(tài)本底較東部更脆弱，人口密度及人均GDP的增加所需要的生態(tài)系統(tǒng)服務(wù)更多，對西部的副作用更明顯。

3 結(jié)論與討論

3.1 結(jié) 論

研究選取陜甘寧革命老區(qū)各縣（市/區(qū)）作為評價單元，基于改進(jìn)的當(dāng)量因子法，分析評價研究區(qū)1995—2018年ESV時空變化特征，并利用地理探測器識別影響研究區(qū)ESV時空分異的主導(dǎo)因素及因素間的交互作用特征，進(jìn)而利用GWR模型分析各主導(dǎo)因素的空間異質(zhì)性，得到以下主要結(jié)論：

（1）1995—2018年，陜甘寧革命老區(qū)ESV先下降后上升，整體呈上升趨勢。1995—2015年，ESV呈下降趨勢，2015—2018年，ESV呈上升趨勢；草地和林地對ESV貢獻(xiàn)較大。草地和林地是陜甘寧革命老區(qū)非常重要的生態(tài)系統(tǒng)。

（2）從空間變化看，ESV等級轉(zhuǎn)化特征呈兩極分化趨勢。其中低級、高級ESV區(qū)域面積呈擴(kuò)張趨勢，較低級、中等及較高級ESV區(qū)域面積呈縮減趨勢。

（3）地被覆蓋度、人口密度、墾殖系數(shù)是區(qū)域ESV空間異質(zhì)性的主要影響因素。在指標(biāo)層面，任意兩個因素的交互作用對ESV空間分異具有協(xié)同增強(qiáng)的效果；在準(zhǔn)則層面，社會因素與自然因素及經(jīng)濟(jì)因素與自然因素之間的交互作用明顯強(qiáng)于社會因素之間或經(jīng)濟(jì)因素之間的交互作用。

（4）基于GWR模型系數(shù)結(jié)果，地被覆蓋度與ESV呈正相關(guān)，墾殖系數(shù)、人口密度、人均GDP與ESV呈負(fù)相關(guān)。其中地被覆蓋度、墾殖系數(shù)作用強(qiáng)度由東向西遞減，人均GDP及人口密度作用強(qiáng)度則由西向東遞減。

3.2 討 論

研究采用當(dāng)量因子法，基于NDVI及NPP數(shù)據(jù)對ESV進(jìn)行時間動態(tài)及空間異質(zhì)性修正，修正后的結(jié)果既保證了ESV在時間上的動態(tài)性，也體現(xiàn)了ESV在區(qū)域尺度上的可比性；探究了驅(qū)動因子的作用強(qiáng)度及空間異質(zhì)性，揭示了區(qū)域ESV空間異質(zhì)性的形成機(jī)制。考慮區(qū)域生態(tài)保護(hù)與經(jīng)濟(jì)發(fā)展現(xiàn)狀，陜甘寧革命老區(qū)在發(fā)展經(jīng)濟(jì)的過程中，應(yīng)遵循因地制宜的開發(fā)原則。榆林市、咸陽市、延安市、銅川市及渭南市等東部的部分縣市，地被覆蓋度較高，生態(tài)本底好，人口及資源承載力高，產(chǎn)業(yè)發(fā)展?jié)摿^好，適宜積極發(fā)展以生態(tài)旅游、鄉(xiāng)村旅游等為主的第三產(chǎn)業(yè)，帶動老區(qū)經(jīng)濟(jì)社會的發(fā)展；慶陽、平?jīng)龅戎胁康丶壥邢螺牭牟糠挚h（市/區(qū)），地勢較為平坦，受人口密度、墾殖系數(shù)及人均GDP的影響相對較小，應(yīng)以發(fā)展農(nóng)業(yè)為主，同時進(jìn)一步優(yōu)化土地利用空間布局，提高土地利用效率；原州區(qū)、海原縣等西南部區(qū)域，屬于生態(tài)脆弱區(qū)，海拔較高，地被覆蓋度低，受經(jīng)濟(jì)發(fā)展、人口密度及墾殖系數(shù)影響大，應(yīng)堅持生態(tài)優(yōu)先的開發(fā)原則，加大生態(tài)保護(hù)及修復(fù)力度，控制人類活動對生態(tài)環(huán)境的干擾，著力構(gòu)建生態(tài)安全屏障。

本研究對于研究區(qū)生態(tài)文明建設(shè)具有一定的科學(xué)參考價值，但仍存在不足。在測算ESV時，由于當(dāng)量因子法的計算是以自然系統(tǒng)為主，無法很好地體現(xiàn)建設(shè)用地的ESV，存在一定的局限性；在影響因素分析方面，由于ESV受多因素影響，單純依靠模型進(jìn)行模擬，無法全面探究ESV空間異質(zhì)性的驅(qū)動機(jī)制。結(jié)合不同ESV計算方法的優(yōu)點(diǎn)，綜合考慮各利益相關(guān)方，利用質(zhì)性分析等方法探究ESV的變化機(jī)制，將是未來研究的重點(diǎn)。