大婁山區(qū)生態(tài)系統(tǒng)服務價值變化與情景預測

姜棟棟，楊 帆，馬偉波，李海東，張龍江，劉桂建

1. 中國科學技術(shù)大學，安徽 合肥 230026

2. 生態(tài)環(huán)境部南京環(huán)境科學研究所，江蘇 南京 210042

3. 生態(tài)環(huán)境部華東督察局，江蘇 南京 210019

4. 陜西省生態(tài)環(huán)境廳，陜西 西安 710004

生態(tài)系統(tǒng)服務價值(ecosystem service value，ESV)是區(qū)域生態(tài)福祉的重要測度指標[1-2]. 1998年起全球掀起了ESV研究高潮[3-4]，ESV協(xié)同權(quán)衡[5]、驅(qū)動機制[6-7]及其與綠色經(jīng)濟耦合關(guān)系[8-9]、多尺度特征[10-12]等不斷被探索，ESV研究成果為政府制定綠色發(fā)展政策和支撐可持續(xù)發(fā)展目標(SGDs)提供了可行性路徑[13-16]. 近年來，ESV研究與應用不斷融入?yún)^(qū)域綠色發(fā)展進程[17-18]，在流域區(qū)域和城市等尺度有較多應用[19-20]. 另外，在礦區(qū)尺度，葉爾納爾等[21]運用ESV方法評估了典型礦區(qū)生態(tài)恢復的成效；李海東等[22]將ESV作為關(guān)鍵指標構(gòu)建了我國生態(tài)環(huán)保扶貧領域的“綠水青山就是金山銀山”轉(zhuǎn)化效益評價指標體系；王德旺等[20]對遼河干流寬灘型河流ESV開展了核算. 探析ESV演變規(guī)律對區(qū)域生態(tài)保護政策制定和綠色發(fā)展具有重要參考意義[23-24]，但現(xiàn)有研究對于跨行政邊界地區(qū)生態(tài)保護政策的協(xié)同性分析不足，同時對于ESV空間演變過程中的ESV空間轉(zhuǎn)移規(guī)律分析不足，對區(qū)域協(xié)同發(fā)展與保護政策制定的支撐不足.

2021年中共中央辦公廳、國務院辦公廳印發(fā)的《關(guān)于建立健全生態(tài)產(chǎn)品價值實現(xiàn)機制的意見》[25]中指出“讓提供生態(tài)產(chǎn)品的地區(qū)和提供農(nóng)產(chǎn)品、工業(yè)產(chǎn)品、服務產(chǎn)品的地區(qū)同步基本實現(xiàn)現(xiàn)代化”. 在政府綠色發(fā)展政策制定層面，我國重要生態(tài)產(chǎn)品提供區(qū)域被高度重視. 因此，測定我國典型區(qū)域生態(tài)產(chǎn)品和價值提供能力，分析其時空演變規(guī)律和未來發(fā)展趨勢，可為區(qū)域綠色發(fā)展和生態(tài)環(huán)境保護規(guī)劃等提供決策支持[26-27].

為探析我國典型生態(tài)產(chǎn)品提供區(qū)ESV演變規(guī)律和未來發(fā)展趨勢，筆者以大婁山區(qū)水源涵養(yǎng)與生物多樣性保護重要區(qū)(簡稱“大婁山區(qū)”)為研究區(qū)，基于土地利用數(shù)據(jù)和修正系數(shù)的當量因子法，評估2000-2018年大婁山區(qū)ESV空間格局及演變特征，同時結(jié)合10項土地利用驅(qū)動因素和斑塊生成土地利用變化模擬(patch-generating land use simulation，PLUS)模型預測大婁山區(qū)2036年自然演變、經(jīng)濟優(yōu)先和生態(tài)保護3種情景下土地利用變化及其ESV演變和轉(zhuǎn)移特征.

1 材料與方法

1.1 研究區(qū)概況

大婁山區(qū)位于我國四川省、貴州省、云南省和重慶市(三省一市)接壤地帶(見圖1)，涉及17個縣(區(qū)、市)，面積為3.29×104km2，降雨主要集中在北部低山丘陵地區(qū)，年均降雨量1 080 mm. 大婁山區(qū)是赤水河與烏江水系、橫江水系的分水嶺以及重要水源涵養(yǎng)區(qū)[28]，是我國重要的生態(tài)產(chǎn)品提供區(qū). 區(qū)域經(jīng)濟發(fā)展水平存在較大差異，其中赤水河流域分布有我國重要的白酒產(chǎn)業(yè)基地，南部則以高原農(nóng)業(yè)和旅游業(yè)為主.歷史上，南部地區(qū)存在大量金屬礦開發(fā)，由于過度墾殖導致局部地區(qū)水土流失嚴重，北部地區(qū)流域水環(huán)境問題較為突出. 由于大婁山區(qū)覆蓋三省一市，各行政區(qū)土地利用、產(chǎn)業(yè)結(jié)構(gòu)和發(fā)展政策存在差異，在一定程度制約了大婁山區(qū)協(xié)調(diào)發(fā)展和生態(tài)保護. 由圖1可見，2018年大婁山區(qū)土地利用以林地為主，耕地次之.

圖1 大婁山區(qū)2018年土地利用現(xiàn)狀Fig.1 Land use status of Dalou Mountain area in 2018

1.2 數(shù)據(jù)獲取

1.2.1土地利用及驅(qū)動、限制因素數(shù)據(jù)

土地利用現(xiàn)狀數(shù)據(jù)來自于中國科學院資源環(huán)境科學與數(shù)據(jù)中心，土地利用分類精度超過90%，滿足研究精度需求. 為預測未來土地利用變化，該研究選擇了高程、坡度、坡向、到水系距離和地形濕度指數(shù)(topographic wetness index, TWI) 5個自然驅(qū)動因素，人口密度、夜間燈光指數(shù)、到主干道距離、到鐵路距離、到城鎮(zhèn)中心距離5個社會經(jīng)濟驅(qū)動因素，以及生態(tài)保護紅線、水系及60 m緩沖區(qū)2個土地利用轉(zhuǎn)化限制因素作為PLUS模型輸入和學習數(shù)據(jù)(見表1).所有數(shù)據(jù)統(tǒng)一為WGS_1984_UTM投影系統(tǒng)，并重采樣至30 m空間分辨率，嚴格對齊空間像元. 夜間燈光指數(shù)與經(jīng)濟發(fā)展水平有較大關(guān)聯(lián)性，且空間分辨率較高，有利于在空間尺度分析大婁山區(qū)土地利用的經(jīng)濟驅(qū)動. 大婁山區(qū)高山河谷縱橫，地形因素對土地利用轉(zhuǎn)化具有重要影響；同時，耕地、林地以及草地等對降水敏感，通過TWI可反映水分分配特征對土地利用的驅(qū)動影響. 大婁山區(qū)是水源涵養(yǎng)與生物多樣性保護重要區(qū)，未來生態(tài)保護情景應嚴格保護水系及濕地用地、恪守生態(tài)保護紅線.

表1 土地利用及其驅(qū)動和限制因素數(shù)據(jù)Table 1 Data on land use and its driving and limiting factors

1.2.2ESV評估數(shù)據(jù)

該研究選擇當量因子法核算ESV[29]，結(jié)合大婁山區(qū)土地利用、社會經(jīng)濟、農(nóng)作物產(chǎn)值、生態(tài)指標等作為模型參數(shù)修訂依據(jù)和模型輸入. 將土地利用類型原水域二級分類中的灘涂和灘地劃分為濕地類型，以滿足當量因子法ESV核算的輸入要求. 采用MODIS傳感器MOD17A3H的凈初級生產(chǎn)力(Net Primary Productivity,NPP)產(chǎn)品數(shù)據(jù)(500 m空間分辨率)和降水產(chǎn)品數(shù)據(jù)(https://crudata.uea.ac.uk/cru/data/hrg/cru_ts_4.04，0.5°空間分辨率)對區(qū)域性服務功能價值系數(shù)進行修正. 糧食產(chǎn)量、播種面積、糧食價格等主要來源于2000-2018年《遵義市統(tǒng)計年鑒》《瀘州市統(tǒng)計年鑒》《重慶市統(tǒng)計年鑒》.

1.3 研究方法

1.3.1PLUS模型

相較其他土地利用模擬模型[30-31]，PLUS模型能耦合土地擴張分析策略(LEAS)和多類型隨機斑塊種子的CA模型(CARS)[32]，提高對土地利用變化機理的理解，具有模擬多種土地利用類型斑塊演變的能力. PLUS模型對于模擬自然土地利用類型(如林地和草地)的動態(tài)變化具有優(yōu)勢[33-34]，因此更適合大婁山區(qū)土地利用格局和特點. LEAS通過提取兩期數(shù)據(jù)之間變化的部分，然后隨機選取采樣點，應用隨機森林算法對不同土地利用類型分別進行訓練，學習不同土地利用類型擴張的轉(zhuǎn)化規(guī)則. 這種規(guī)則具有時間屬性，因而具備描述特定時間間隔內(nèi)土地利用變化特征的能力. CARS采用了基于閾值下降的多類型隨機斑塊種子機制，它允許新的土地利用斑塊在發(fā)展概率的約束下自發(fā)生長.

該研究對大婁山區(qū)未來土地利用發(fā)展設置了自然演變、經(jīng)濟優(yōu)先和生態(tài)優(yōu)先3種情景，并提出每種情景下的土地擴張策略，根據(jù)擴張策略設置土地利用適應概率矩陣. 自然演變情景，遵循2000-2018年大婁山區(qū)土地利用變化特征和轉(zhuǎn)移演變規(guī)律，適當保護生態(tài)用地，適當約束建設用地擴張. 經(jīng)濟優(yōu)先情景，經(jīng)濟建設主要依據(jù)產(chǎn)業(yè)發(fā)展推動，因此該情景下建設用地規(guī)模需適度擴張，即提升耕地、林地和草地轉(zhuǎn)化為建設用地的概率. 生態(tài)優(yōu)先情景，嚴格實施生態(tài)保護紅線和基本農(nóng)田保護，以及在水系及60 m緩沖區(qū)范圍降低土地利用轉(zhuǎn)移概率，在維護優(yōu)化生態(tài)空間用地的同時，有限度地提升建設用地使用效率，從而促進鄉(xiāng)村振興和產(chǎn)城融合.

模型的精度驗證參考指標為Kappa系數(shù). 該研究采用2000-2018年土地利用數(shù)據(jù)為模型訓練數(shù)據(jù)，以2018年模擬結(jié)果測試模型精度，最后利用訓練得到的模型模擬2036年大婁山區(qū)土地利用類型數(shù)據(jù).

1.3.2ESV評估

該研究采用當量因子法[3,35]對大婁山區(qū)ESV進行估算，當量因子法適合大區(qū)域尺度的ESV核算，計算公式：

表2 大婁山區(qū)單位面積生態(tài)系統(tǒng)服務價值當量Table 2 ESV equivalent per unit area in Dalou Mountain area 元/(m2·a)

2 結(jié)果與分析

2.1 ESV時空特征

2.1.1總價值變化

2000-2018年大婁山區(qū)ESV呈微弱增加趨勢(見圖2)，由2000年的1 988.41×108元/a增至2018年的1 994.20×108元/a，增幅為0.29%. 結(jié)合土地利用數(shù)據(jù)可知，因林地、濕地面積的增加，使得水文調(diào)節(jié)、氣候調(diào)節(jié)等生態(tài)功能價值量增加，尤其是濕地面積的增加使水文調(diào)節(jié)ESV增加了4.75×108元/a. 氣候調(diào)節(jié)ESV從2000年的620.45×108元/a增至2018年的621.86×108元/a，這主要是因大婁山區(qū)林地占比較高，林地提供了較大的氣候調(diào)節(jié)服務. 氣候調(diào)節(jié)、氣體調(diào)節(jié)、生物多樣性、水文調(diào)節(jié)、凈化環(huán)境和土壤保持ESV在2018年總計為1 696.09×108元/a，占比超過85%. 2000-2018年大婁山區(qū)耕地面積減少了258.5 km2，因此導致食物生產(chǎn)和原材料ESV分別降低0.92×108和0.28×108元/a.

圖2 2000年和2018年大婁山區(qū)ESVFig.2 ESV of Dalou Mountain area in 2000 and 2018

2.1.2空間分布特征

在空間分布上2018年大婁山區(qū)凈化環(huán)境、美學景觀、氣候調(diào)節(jié)、原料生產(chǎn)及土壤保持ESV整體連片較高的地區(qū)主要分布在大婁山區(qū)北部的山嶺位置(見圖3)，與該地區(qū)林地自然生態(tài)系統(tǒng)保護有關(guān)，主要涉及古藺縣、敘永縣和赤水市. 而食物生產(chǎn)高值區(qū)ESV主要分布在河谷緩坡地區(qū)，與耕地分布特征在空間上吻合. 而單位像元所代表的ESV從高到低前5位依次為水文調(diào)節(jié)(29 334.58元/a)、生物多樣性保護(3 722.04元/a)、凈化環(huán)境(3 268.39元/a)、水資源供給(2 523.6元/a)和氣候調(diào)節(jié)(2 511.23元/a). 2000-2018年，大婁山區(qū)ESV空間格局整體保持穩(wěn)定，無顯著變化.

圖3 大婁山區(qū)2018年單項ESV分布格局Fig.3 Distribution pattern of single ESV in Dalou Mountain area in 2018

2.2 ESV情景預測

2.2.1土地利用驅(qū)動分析

PLUS模型對5種土地利用類型的發(fā)展?jié)摿υu估如圖4所示，像元值1代表該像元將來轉(zhuǎn)化為其他土地利用類型的概率最低，而像元值越高(最高為255)表示該像元土地利用類型發(fā)生變化的可能性越高；同時，給出每種土地利用類型發(fā)生轉(zhuǎn)化的驅(qū)動因素貢獻率. 就耕地土地發(fā)展?jié)摿︱?qū)動因素來說，高程、夜間燈光指數(shù)、TWI貢獻率較高，分別為14.41%、11.83%和10.44%(見表3)；結(jié)合土地利用空間(見圖4)來看，耕地主要分布在遠離城鎮(zhèn)經(jīng)濟中心和海拔較高的位置，而自然地形對土壤水分分配的影響對耕地具有驅(qū)動影響. 林地土地發(fā)展?jié)摿︱?qū)動因素中，人口密度、夜間燈光指數(shù)、高程、到水系距離、到主干道距離和TWI的貢獻率依次遞減(見表3)，其中人口密度和夜間燈光指數(shù)貢獻率分別為14.26%和12.51%. 而水域土地發(fā)展?jié)摿︱?qū)動貢獻率最大的影響因素為到水系距離，貢獻率為24.79%，其次為高程(貢獻率為14.43%)，水域土地利用驅(qū)動主要在低洼河谷以及水系周邊的濕地(見圖4). 草地土地發(fā)展?jié)摿Φ尿?qū)動因素貢獻率從高到低依次為高程、人口密度、到鐵路距離、到水系距離和到城鎮(zhèn)中心距離(見表3)，結(jié)合圖4可知，草地主要分布在人口密度和距離城鎮(zhèn)較遠的地區(qū)，隨著城鎮(zhèn)的擴張草地隨之減少. 而建設用地發(fā)展?jié)摿︱?qū)動貢獻率最大的是夜間燈光指數(shù)(貢獻率為25.38%)，其次為人口密度(貢獻率為16.74%)，說明主要是經(jīng)濟發(fā)展水平和人口密度在驅(qū)動建設用地發(fā)展(見圖4). 總體上，耕地、林地和草地的土地發(fā)展?jié)摿︱?qū)動因子中夜間燈光指數(shù)、人口密度、高程等驅(qū)動因子的貢獻較大.

表3 大婁山區(qū)土地利用發(fā)展?jié)摿︱?qū)動因子的貢獻率Table 3 The contribution rate of driving factors on land use development potential in Dalou Mountain area

圖4 大婁山區(qū)土地利用發(fā)展?jié)摿ig.4 Land use development potential in Dalou Mountain area

2.2.2土地利用模擬

通過PLUS模型精度檢驗模塊對模擬結(jié)果進行驗證，Kappa結(jié)果為0.82 (Kappa結(jié)果越接近1說明模擬精度越高)，且總體精度(overall accuracy)達到了0.92，其中耕地、林地、草地的模擬準確率分別為0.88、0.93和0.83，表明PLUS模型對大婁山區(qū)生態(tài)用地有較高的擬合能力.

由表4可見，到2036年，自然演變情景下建設用地從289.24 km2增至434.01 km2，增幅為50.04%，是所有土地利用變化中增長最快的. 結(jié)合圖5(a)可知，建設用地主要增加在七星關(guān)區(qū)、大方縣和仁懷市. 水域面積從2018年的50.92 km2增至61.71 km2，變化率為21.2%；耕地面積下降了227.68 km2. 在經(jīng)濟優(yōu)先情景下，耕地和林地面積均大幅下降，而建設用地面積劇烈增加，耕地和林地分別下降了585.79和365.82 km2，降幅分別為5.47%和2.01%；建設用地到2036年增加了938.15 km2，增幅為216.16%；水域面積增加了7.71 km2，增幅為12.5%. 結(jié)合圖5(b)可知，建設用地主要增加在鎮(zhèn)雄縣、威信縣、七星關(guān)區(qū)、大方縣、仁懷市和習水縣，其中以威信縣、鎮(zhèn)雄縣和習水縣面積增加最為顯著. 在生態(tài)保護情景下，耕地面積有少量下降，林地面積增幅較大，建設用地增長得到有效遏制，而水域面積較自然演變情景有增加. 具體來看耕地減少了128.3 km2，林地增加了592.62 km2，而草地仍呈大幅下降趨勢，減少了577.15 km2，建設用地增至391.22 km2，增加了8.31%. 2000-2018年，建設用地增幅達518.78%，而2036年自然演變情景下建設用地增幅為50.04%，增幅較小，這與模擬參數(shù)設置建設用地不易轉(zhuǎn)化為其他用地類型以及建設用地總規(guī)模限制有關(guān). 與建設用地類似，2036年自然演變情景下水域面積模擬結(jié)果的增幅為21.20%，低于2000-2018年增幅(57.59%)，原因是在地形低洼處建設用地與水域面積是競爭態(tài)勢，水域面積不能持續(xù)擴張.

圖5 大婁山區(qū)2036年模擬土地利用情況Fig.5 Simulated land use in Dalou Mountain area in 2036

3種情景相比，生態(tài)保護情景下水域和林地生態(tài)空間得到有效保護和提升，建設用地面積增加趨勢較自然演變情景放緩，其中土地利用轉(zhuǎn)移體量變化較大的為耕地、林地和草地，而變幅最大的為建設用地和水域. 建設用地增加均在河谷低洼地帶，而森林面積增加大部分來自耕地和草地.

2.2.3ESV情景預測

2.2.3.12036年不同情景ESV模擬

由表5可見：到2036年，經(jīng)濟優(yōu)先情景下大婁山區(qū)ESV為1 955.8×108元/a，相比2018年下降38.4×108元/a；自然演變和生態(tài)保護情景下，模擬預測ESV分別為2 000.61×108和2 006.57×108元/a，比2018年分別增加了6.41×108和12.37×108元/a. 其中，自然演變情景下，氣候調(diào)節(jié)和水文調(diào)節(jié)ESV相比2018年分別增加了2.00×108和3.27×108元/a，這與水域和林地面積增加引起的生態(tài)效益增加有關(guān)(見表4). 經(jīng)濟優(yōu)先情景下各單項ESV均呈下降趨勢，由于耕地和林地面積的下降(分別下降了585.79、364.82 km2)，導致氣體調(diào)節(jié)、氣候調(diào)節(jié)和土壤保持ESV下降趨勢顯著，分 別 下 降了11.8×108、5.30×108和4.53×108元/a，占ESV總下降量的56.33%. 生態(tài)保護情景下，林地、水域面積有較大增幅，草地和耕地降幅較小，導致氣候調(diào)節(jié)ESV和水文調(diào)節(jié)ESV分別提升了4.77×108和3.35×108元/a，占ESV總增加量的65.64%.

表4 基于PLUS模型模擬的大婁山區(qū)土地利用及變化特征Table 4 Land use and change characteristics in Dalou Mountain area based on PLUS model simulation

表5 2036年大婁山區(qū)不同情景下ESV預測Table 5 Prediction of ESV in different scenarios in Dalou Mountain area in 2036

2.2.3.2生態(tài)優(yōu)先情景下ESV空間轉(zhuǎn)移預測

2036年生態(tài)保護情景下，相比2018年ESV體現(xiàn)出增加了82.34×108元/a〔見圖6(a)〕、減少74.78×108元/a的特征，總體增益7.56×108元/a〔見圖6(a)(b)〕. 這主要是耕地轉(zhuǎn)化為林地和草地的面積大量增加，引起了生態(tài)效益的增長〔見圖6(a)，耕地轉(zhuǎn)化為林地，ESV增加了60.17×108元/a〕，其中耕地轉(zhuǎn)化為林地在金沙縣、習水縣、敘永縣和大方縣較為集中，耕地轉(zhuǎn)化為草地主要集中在七星關(guān)區(qū)和赫章縣. ESV減少主要受耕地和建設用地持續(xù)增加，各項景觀向建設用地和耕地虧損流動所致，ESV減少的區(qū)域在大婁山區(qū)普遍分布，其中草地轉(zhuǎn)化為耕地主要集中在七星關(guān)區(qū)、仁懷市、赫章縣和綦江區(qū)〔見圖6(b)〕.

圖6 2018-2036年生態(tài)保護情景下土地利用轉(zhuǎn)移和生態(tài)系統(tǒng)服務價值轉(zhuǎn)移Fig.6 Land use transfer and ESV transfer under ecological protection scenario during 2018-2036

2.3 局限性

該研究對大婁山區(qū)2000-2018年ESV動態(tài)演變進行定量分析，采用PLUS模型預測2036年ESV格局，揭示了大婁山區(qū)過去-現(xiàn)在-未來ESV時空演化規(guī)律，對我國西南地區(qū)生物多樣性保護和水源涵養(yǎng)重要生態(tài)功能區(qū)的生態(tài)保護規(guī)劃和政策制定提供了重要參考.

但在評估方法上仍存在不夠完善之處，該研究較多依賴于土地利用和當量因子ESV核算方法，在核算精度上需要地面觀測數(shù)據(jù)的驗證校準[36]；同時，當量因子法所提供的生態(tài)系統(tǒng)服務不能覆蓋較細分領域的功能類型，生態(tài)系統(tǒng)服務類型不完善則價值核算體系不夠立體完整，不利于更加準確闡明ESV演變特征[36]. 該研究運用PLUS分析不同土地利用類型發(fā)展?jié)摿Φ尿?qū)動因素，訓練得到的PLUS模型對大區(qū)域尺度林地、耕地演變的模擬有較高的準確度，但土地利用演變是一個非常復雜的過程，該研究雖考慮了10項驅(qū)動因素，仍不能完整覆蓋所有典型的驅(qū)動因素[37].

大婁山區(qū)具有非常典型的生態(tài)涵養(yǎng)功能，圖6模擬了未來生態(tài)保護情景下大婁山區(qū)ESV增益和損失的空間分布，結(jié)果發(fā)現(xiàn)，大婁山區(qū)在三省一市行政區(qū)劃內(nèi)增益和損失存在一定差異，如云南省和四川省以草地轉(zhuǎn)化為林地的ESV增益為主，而重慶市則以林地轉(zhuǎn)化為耕地的ESV損失為主，這與不同行政區(qū)劃地區(qū)經(jīng)濟發(fā)展規(guī)律和土地利用政策相關(guān)[37]. 因此，后期研究應注重地區(qū)經(jīng)濟收益與生態(tài)損失相結(jié)合以及土地利用空間轉(zhuǎn)移與ESV價值空間流轉(zhuǎn)相結(jié)合，研究模擬不同發(fā)展路徑下經(jīng)濟發(fā)展與生態(tài)環(huán)境保護在空間上的耦合變化趨勢，為地區(qū)綠色發(fā)展和政府決策提供支持.

3 結(jié)論

a) PLUS模型對于生態(tài)用地有較好的擬合能力，對耕地、林地和草地的擬合精度均在0.82以上.

b) 濕地水域土地利用變化是影響大婁山區(qū)ESV增加或減少的重要因素，大婁山區(qū)應在嚴格保護濕地水域的前提下開展城鎮(zhèn)建設.

c) 在生態(tài)優(yōu)先情景下，耕地轉(zhuǎn)化為林地土地利用轉(zhuǎn)化致使大婁山區(qū)ESV增加了60.17×108元/a，表明退耕還林是大婁山區(qū)生態(tài)系統(tǒng)服務增值的主要途徑.