基于貝葉斯網(wǎng)絡(luò)的生態(tài)系統(tǒng)服務(wù)空間格局優(yōu)化
——以涇河流域為例

余玉洋， 李 晶， 周自翔， 唐承延

（1.陜西師范大學(xué)地理科學(xué)與旅游學(xué)院，陜西 西安 710119；2.河南師范大學(xué)旅游學(xué)院，河南 新鄉(xiāng) 453007；3.西安科技大學(xué)測繪科學(xué)與技術(shù)學(xué)院，陜西 西安 710054）

生態(tài)系統(tǒng)服務(wù)是指人們從生態(tài)系統(tǒng)中獲得的所有受益，包括直接和間接受益［1-2］。由于生態(tài)系統(tǒng)服務(wù)與人類的生命和生存密切相關(guān)，因此研究生態(tài)系統(tǒng)服務(wù)對于人類的生存和地球發(fā)展都非常重要［3-6］。隨著科學(xué)技術(shù)水平的提升，越來越多的學(xué)者對生態(tài)系統(tǒng)服務(wù)研究集中于供需關(guān)系、空間權(quán)衡與優(yōu)化、生態(tài)福祉、服務(wù)流等方面［7-12］。其中生態(tài)系統(tǒng)服務(wù)空間格局優(yōu)化受到越來越多的學(xué)者關(guān)注，學(xué)者們開始嘗試運用不同模型與方法進行深入探究，但是由于研究時限不長，所以促使該方面研究處于萌芽時期［13-15］。目前多數(shù)空間優(yōu)化研究是以土地利用空間格局為支撐，其目的是實現(xiàn)一定規(guī)模的需求和規(guī)劃的目標［16］。劉慧靈等［17］通過單位面積上不同土地利用的生態(tài)系統(tǒng)服務(wù)價值來作為變量系數(shù)，建立生態(tài)效益函數(shù)，進而對土地利用進行空間優(yōu)化；王觀湧等［18］、向蕓蕓等［19］通過土壤有機碳的最大儲量為目標，確定生態(tài)效益函數(shù)，最終達到優(yōu)化土地利用的目的。李秀霞等［20］通過設(shè)置經(jīng)濟和生態(tài)的雙重目標，利用系統(tǒng)動力學(xué)模型和多目標優(yōu)化模型，對吉林省的土地利用進行仿真模擬和優(yōu)化。上述研究大多數(shù)是對土地利用進行空間優(yōu)化，然后在以優(yōu)化的土地利用為基礎(chǔ)，進行生態(tài)系統(tǒng)服務(wù)的空間制圖和分析，不僅忽略影響生態(tài)系統(tǒng)服務(wù)的其他影響因素，而且沒有真正意義上實現(xiàn)生態(tài)系統(tǒng)服務(wù)的空間優(yōu)化，即在研究區(qū)范圍內(nèi)，如何合理和優(yōu)化配置自然因素和土地利用等因素，使該區(qū)域的生態(tài)系統(tǒng)服務(wù)能力最強，如何選取不同生態(tài)系統(tǒng)服務(wù)的影響因素以及量化關(guān)鍵因子對生態(tài)系統(tǒng)服務(wù)的影響程度，從而達到優(yōu)化區(qū)域生態(tài)系統(tǒng)服務(wù)的目的，正是該研究所解決的問題。

貝葉斯網(wǎng)絡(luò)是一種大規(guī)模的數(shù)據(jù)分析工具，具有強大的邏輯分析能力。該網(wǎng)絡(luò)采用圖形化建模的方法，將變量之間的相互作用以網(wǎng)絡(luò)的形式表達出來，并構(gòu)建一個系統(tǒng)概率模型［21］，將貝葉斯網(wǎng)絡(luò)和生態(tài)系統(tǒng)服務(wù)相結(jié)合，可以很好地為生態(tài)系統(tǒng)服務(wù)的優(yōu)化管理提供決策支持［22］。Fox等［23］研究了貝葉斯網(wǎng)絡(luò)在水質(zhì)和自然資源管理中的價值；Landuyt等［24］利用貝葉斯網(wǎng)絡(luò)評估池塘綜合管理的機會和風(fēng)險；Dang等［25］將生態(tài)系統(tǒng)服務(wù)和自然環(huán)境因子納入貝葉斯網(wǎng)絡(luò)模型，通過不同指標設(shè)置不同的研究情景，為農(nóng)業(yè)發(fā)展提供概率支持。綜上看出貝葉斯網(wǎng)絡(luò)可以很好地和生態(tài)系統(tǒng)服務(wù)相結(jié)合，從而來實現(xiàn)研究目標。

涇河流域位于黃土高原中部，在六盤山和子午嶺之間，對于此區(qū)域的研究大多集中在生態(tài)和自然環(huán)境方面。Chen 等［26］使用主成分分析和相關(guān)分析來分析涇河流域的歸一化植被指數(shù)（Normalized difference vegetation index,NDVI）和降水量，發(fā)現(xiàn)植被的動態(tài)變化與氣候變化、洪水和人類活動密切相關(guān)；Xie 等［27］分析了降水-景觀-徑流變化和相互作用；Guo 等［28］使用滑動偏相關(guān)系數(shù)法分析降雨和徑流關(guān)系的變化，并使用雙累積曲線法驗證其分析；甄霖等［29］通過參與式社區(qū)評估法對涇河流域景觀管理中存在的相關(guān)問題進行深入剖析。從現(xiàn)有研究中看出對于涇河流域生態(tài)系統(tǒng)服務(wù)的研究還處在初級階段，并且隨著社會經(jīng)濟的快速發(fā)展，土地利用格局發(fā)生很顯著的變化，最終也會導(dǎo)致生態(tài)系統(tǒng)服務(wù)的格局發(fā)生變化，如何通過現(xiàn)有的土地利用格局來優(yōu)化生態(tài)系統(tǒng)服務(wù)也顯得至關(guān)重要，因此，深入研究涇河流域生態(tài)系統(tǒng)服務(wù)以及空間格局優(yōu)化會對區(qū)域的生態(tài)-經(jīng)濟和諧發(fā)展奠定基礎(chǔ)。本文在生態(tài)系統(tǒng)服務(wù)空間評價的基礎(chǔ)上，引入貝葉斯網(wǎng)絡(luò)模型，通過篩選關(guān)鍵因子和最優(yōu)狀態(tài)子集的方式，來獲取4種生態(tài)系統(tǒng)服務(wù)的空間優(yōu)化區(qū)域，為區(qū)域生態(tài)健康持續(xù)發(fā)展奠定基礎(chǔ)。

1 數(shù)據(jù)與方法

1.1 研究區(qū)概況

涇河發(fā)源于涇源縣涇源鄉(xiāng)，源區(qū)地處六盤山東麓，自西北向東南流經(jīng)固原市、平?jīng)鍪?、慶陽市、咸陽市等38 個縣市，于咸陽市高陵縣陳家灘村匯入渭河。涇河流域地理位置介于106°14′～108°42′E、34°46′～37°19′N 之間，地跨陜西省、甘肅省、寧夏回族自治區(qū)（圖1），流域面積達45421 km2。區(qū)域多年平均氣溫8 ℃，年降水量350～650 mm，降水主要集中在夏季。涇河流域地勢較為平坦，耕地面積約占1/3，農(nóng)業(yè)發(fā)達；礦藏量較為豐富，經(jīng)濟開發(fā)潛力大。涇河流域內(nèi)黃土高原區(qū)域和涇惠渠灌區(qū)域，是陜西省主要商品糧油基地。除此之外，還有煤炭、石油、天然氣、建筑材料等礦產(chǎn)，如長慶油田。但長期過度開發(fā)利用和氣候變遷，導(dǎo)致流域內(nèi)生態(tài)環(huán)境十分脆弱，其中水資源缺乏已成為研究區(qū)社會經(jīng)濟以及生態(tài)發(fā)展的主要制約因素。

圖1 研究區(qū)概況Fig.1 Overview of the study area

1.2 數(shù)據(jù)來源

本文主要數(shù)據(jù)包括遙感數(shù)據(jù)（土地利用數(shù)據(jù)）和非遙感數(shù)據(jù)（地理基礎(chǔ)數(shù)據(jù)、高程數(shù)據(jù)、氣象數(shù)據(jù)、土壤類型數(shù)據(jù)和水文數(shù)據(jù)等），具體信息見表1所示。

表1 數(shù)據(jù)來源Tab.1 Data sources

1.3 生態(tài)系統(tǒng)服務(wù)模型

1.3.1 農(nóng)業(yè)生產(chǎn)力服務(wù)模擬首先，從2000—2020年地表覆蓋數(shù)據(jù)中獲取耕地資源數(shù)據(jù)作為計算區(qū)域農(nóng)業(yè)生產(chǎn)潛力的基礎(chǔ)；其次是基于氣象站點數(shù)據(jù)，通過ANUSPLIN 軟件獲取2000—2020 平均氣溫和年降水量數(shù)據(jù)；最后，采用桑斯維特紀念模型［30］，計算區(qū)域2000—2020年農(nóng)業(yè)生產(chǎn)力，公式如下：

式中：CP為以耕地為基礎(chǔ)的農(nóng)作物生產(chǎn)力（t·hm-2）；Pv 為以年平均蒸散量為自變量計算出的植物干物質(zhì)總量（g·m-2·a-1）；Izrd為土地利用水平，是由中國農(nóng)用地分級規(guī)定決定的［31］。Pv的計算公式如下：

式中：v為年平均實際蒸散量（mm）；p為年降水量（mm）；l為年平均最大蒸散量（mm）；t為年平均氣溫（℃）。

1.3.2 產(chǎn)水服務(wù)模擬水文評價模型（Soil and water assessment tool, SWAT）可以對流域內(nèi)一系列復(fù)雜的物理過程進行模擬，模型中的水量平衡始終是流域內(nèi)所有過程的驅(qū)動力［32］。并且此模型可以基于水量平衡模擬每個水文響應(yīng)單元的地表徑流量和洪峰流量，水量平衡方程如下［33］：

式中：SWt為最終土壤含水量（mm）；t為時間天數(shù)；SW0為第i天的初始土壤含水量（mm）；Rday為第i天的降水量（mm）；Qsurf為第i天的地表徑流量（mm）；Ea為第i天的蒸散發(fā)（mm）；Wseep為第i天通過土壤剖面進入包氣帶的水量（mm）；Qgy為第i天的回歸流量（mm）。

1.3.3 凈初級生產(chǎn)力（NPP）服務(wù)模擬參考朱文泉等［34］的遙感估算模型（Carnegie-ames-stanford approach,CASA）計算植被NPP，由植物的光合有效輻射（Absorbed photosynthetic active radiation, APAR）和實際光能利用率（ε）2個因子表示［35］。計算公式如下：

式中：NPP(x,t)為像元x在t月內(nèi)所得到的植被凈初級生產(chǎn)力（g C·m-2）；APAR(x,t)為像元x在t月吸收的光合有效輻射（MJ·m-2）；ε(x,t)為像元x在t月的實際光能利用率（g C·MJ-1）。

1.3.4 土壤保持服務(wù)模擬采用通用土壤流失方程估算土壤保持量，20世紀50年代由Wischmeier等［36］提出，基于理論以及大量實地觀測數(shù)據(jù)統(tǒng)計分析的基礎(chǔ)上，對各因子都有具體解釋。通用土壤流失方程的表達如下：

式中：A為土壤保持量（t·hm-2）；R為降雨侵蝕力因子（MJ·mm·hm-2·h-1·a-1）；K為土壤可蝕性因子（t·h·MJ-1·mm-1）；L和S分別為坡長和坡度因子；C為地表植被覆蓋及經(jīng)營管理因子；P為水土保持措施因子。

1.4 基于BBNs的農(nóng)田生態(tài)系統(tǒng)服務(wù)空間格局優(yōu)化

1.4.1 貝葉斯網(wǎng)絡(luò)模型貝葉斯網(wǎng)絡(luò)又稱信度網(wǎng)絡(luò)，是Bayes方法的擴展，目前不確定知識表達和推理領(lǐng)域最有效的理論模型之一［37］。1988 年P(guān)earl 提出后，已經(jīng)成為近幾年來研究的熱點。一個貝葉斯網(wǎng)絡(luò)是一個有向無環(huán)圖（DAG），由代表變量節(jié)點及連接這些節(jié)點有向邊構(gòu)成［38］。

其中條件概率表（CPT）表達了父節(jié)點X與子節(jié)點Y之間的關(guān)系強度，表中每一行由父節(jié)點的狀態(tài)組合和條件概率P(y|x)組成，即父節(jié)點X在離散狀態(tài)x下，子節(jié)點對應(yīng)狀態(tài)y發(fā)生的概率。子節(jié)點的概率分布由父節(jié)點的概率分布及條件概率表決定，對于沒有父節(jié)點的節(jié)點，其概率分布為先驗概率分布P(X)。所有節(jié)點的條件概率分布相乘得到貝葉斯網(wǎng)絡(luò)中所有變量的聯(lián)合概率［式（8）］。貝葉斯網(wǎng)絡(luò)能夠有效計算網(wǎng)絡(luò)中任意節(jié)點概率分布的基礎(chǔ)，為本文優(yōu)化生態(tài)系統(tǒng)服務(wù)格局提供了理論［39-40］。

式中：P（X1，X2，…，Xn）為一個聯(lián)合離散概率分布，這種分布的隨機變量具有1，2，…，n個離散值；n為隨機變量的最大值；（X1，X2，…，Xn）為隨機變量。

以4 種生態(tài)系統(tǒng)服務(wù)量化模型為依據(jù)，選擇與其相關(guān)的影響因子作為節(jié)點，構(gòu)建生態(tài)系統(tǒng)服務(wù)的貝葉斯概念網(wǎng)絡(luò)（圖2）。借助ArcGIS 軟件，離散節(jié)點對應(yīng)的柵格圖層，根據(jù)變量的實際分布情況，參考學(xué)者對貝葉斯網(wǎng)絡(luò)柵格分層的方法［9,22］，運用Arc-GIS軟件的自然間斷法將上述每個變量柵格數(shù)據(jù)分為4 個等級：最高、高、中、低，具體離散化分級標準如表2所示。提取離散數(shù)據(jù)值到屬性表并將概率條件輸入貝葉斯網(wǎng)絡(luò)模型，便可得到?jīng)芎恿饔蛏鷳B(tài)系統(tǒng)服務(wù)的貝葉斯網(wǎng)絡(luò)。其他節(jié)點的條件概率表可由條件概率公式［式（9）］計算獲得。

表2 因子狀態(tài)分級Tab.2 State classification of factors

圖2 生態(tài)系統(tǒng)服務(wù)貝葉斯網(wǎng)絡(luò)構(gòu)建原理Fig.2 Schematic diagram of Bayesian belief network construction for farmland ecosystem service

式中：P(AB)為事件A 與B 的聯(lián)合概率，即2 個事件共同發(fā)生的概率；P(A)為A的先驗概率，即事件A發(fā)生的概率；同理，P(B)為事件B發(fā)生的概率。

1.4.2 農(nóng)田生態(tài)系統(tǒng)服務(wù)格局優(yōu)化構(gòu)建出涇河流域生態(tài)系統(tǒng)服務(wù)貝葉斯網(wǎng)絡(luò)模型，計算出條件概率表和敏感性因子，確定出關(guān)鍵變量關(guān)鍵狀態(tài)子集。以ArcGIS 軟件為工具，可視化子集分布空間，最終繪制不同等級所對應(yīng)的關(guān)鍵變量關(guān)鍵狀態(tài)子集同時發(fā)生的區(qū)域。篩選關(guān)鍵變量關(guān)鍵狀態(tài)子集，包括以下步驟：

（1）確定各變量的關(guān)鍵狀態(tài)

根據(jù)節(jié)點各狀態(tài)的概率及兩兩節(jié)點狀態(tài)組合的聯(lián)合概率，計算每個影響因子與各服務(wù)間的條件概率，選取不同等級對應(yīng)各個影響因子的條件概率最大狀態(tài)作為變量的關(guān)鍵狀態(tài)。當(dāng)服務(wù)處在最高、高、中、低4 種不同級別時，將對應(yīng)4 種變量狀態(tài)集合。

（2）確定關(guān)鍵變量

為了評價貝葉斯網(wǎng)絡(luò)節(jié)點的相對重要性，Netica 提供了敏感性分析［23,41］，主要是用于評估生態(tài)系統(tǒng)服務(wù)節(jié)點是否會敏感地感知其他影響因子節(jié)點的變化［9,22］。據(jù)此確定生態(tài)系統(tǒng)服務(wù)關(guān)鍵變量關(guān)鍵狀態(tài)子集，然后選取變量關(guān)鍵狀態(tài)子集的面積與研究區(qū)總面積比值最大的情景作為生態(tài)系統(tǒng)服務(wù)最優(yōu)的情景，將該情景下的關(guān)鍵變量關(guān)鍵狀態(tài)子集選定為最優(yōu)狀態(tài)子集，然后結(jié)合縣區(qū)的發(fā)展和管理等劃分出生態(tài)系統(tǒng)服務(wù)的優(yōu)化區(qū)。

2 結(jié)果與分析

2.1 SWAT模型率定與驗證

SWAT 模型有26 個與徑流模擬相關(guān)的敏感性因子，不同因子影響各異。本文根據(jù)SWAT-CUP 軟件進行模擬率定，通過T檢驗確定水文參數(shù)的敏感性相對顯著性，P值確定其顯著性特征［42-43］。進而選取相關(guān)參數(shù)（表3），通過調(diào)整參數(shù)，誤差能夠控制在一定范圍之內(nèi)。

表3 參數(shù)敏感性分析Tab.3 Sensitivity analysis result of parameters

由于張家山水文站觀測數(shù)據(jù)限制，本文以2000—2010年實測數(shù)據(jù)和模擬數(shù)據(jù)進行率定，根據(jù)不斷調(diào)整得到的參數(shù)，獲得模擬效果最佳的一組數(shù)據(jù)。如圖3a所示，其中決定性系數(shù)（R2）為0.74，納什效率系數(shù)（NSE）為0.73，都大于0.5，表示模擬值與實測值具有較高的相關(guān)性，模型的模擬結(jié)果是可靠的。模擬2011—2020年涇河流域的月徑流量，與張家山水文站數(shù)據(jù)進行比對進行驗證，可以得出R2為0.78（圖3b），徑流實測與模擬值具有較高的相關(guān)性，模擬結(jié)果是可信的，據(jù)此模擬2000—2020年涇河流域產(chǎn)水服務(wù)。

圖3 率定期和驗證期逐月徑流量模擬值與實測值Fig.3 Simulated and measured values of monthly runoff during the regular period and the verification period

2.2 生態(tài)系統(tǒng)服務(wù)時空格局分析

生態(tài)系統(tǒng)服務(wù)功能之間相互作用與影響，對流域生態(tài)格局發(fā)展與優(yōu)化具有顯著影響。本研究通過模型模擬了2000—2020 年涇河流域產(chǎn)水量、NPP、農(nóng)業(yè)生產(chǎn)力和土壤保持4 種生態(tài)系統(tǒng)服務(wù)量的空間分布（圖4）。區(qū)域產(chǎn)水量在時間上呈增長趨勢，2000 年平均產(chǎn)水量為489.6 m3，而2020 年平均產(chǎn)水量為729.6 m3。在空間上呈現(xiàn)北部和西南部高，中間低的特征，高值區(qū)域主要集中在環(huán)縣、千陽縣和鳳翔縣等區(qū)域。此外，低值區(qū)主要集中在西部的涇源縣以及北部的鹽池縣。但是2020 年產(chǎn)水量高值區(qū)域較為分散，主要呈現(xiàn)中間低，四周高的分布格局，主要是因為2020年相較于其他年份降水重心有所轉(zhuǎn)移，并且受季風(fēng)天氣的影響，導(dǎo)致區(qū)域降水量年際差異明顯，所以在一定程度上影響產(chǎn)水量的空間分布。NPP 在年際變化中呈現(xiàn)增長的趨勢，2000 年NPP 的平均值為185.1 g C·m-2，總量為7.7×106t，而2020年NPP的平均值為461.9 g C·m-2，總量為2.4×107t，總量相較于2000 年大約增加了3 倍。NPP 在空間上呈現(xiàn)西北向東南逐漸遞減的趨勢，高值區(qū)域集中在流域兩側(cè)子午嶺山系及西部六盤山地區(qū)。低值區(qū)主要原因是植被以典型草原為主，并且逐漸東南方向退化，沙漠化問題較嚴重。農(nóng)業(yè)生產(chǎn)力在時間上從由2000 年的280.9×107t，增長到至2020 年的368.3×107t；在空間上自西向東呈增加趨勢，南北向呈“馬鞍形”分布，空間分布差異較小。高值分布面積有所增加，集中分布在陜西省長武縣、淳化縣以及寧夏回族自治區(qū)涇源縣。土壤保持從時間尺度上看，總體呈波動變化趨勢，但年際差異較大，土壤保持從2000年的3.0×108t增加到2020年的5.3×108t，土壤保持呈現(xiàn)顯著增長趨勢。從空間分布特征看出，土壤保持強度空間分布存在一定差異，整體呈現(xiàn)出北部、中部低，西南部和東南部高的分布格局。土壤保持強度低值區(qū)主要分布在流域北部和中部，北部為地形起伏變化的黃土丘陵區(qū)，加之年降水量低于區(qū)域平均值，植被生長水熱條件很差，導(dǎo)致該地區(qū)植被覆蓋度較低。高值區(qū)主要分布在流域西南部和東南部，部分區(qū)域大面積為林地，海拔較高，并且規(guī)劃了森林保護區(qū)，人類活動對地表的干擾小。

圖4 涇河流域生態(tài)系統(tǒng)服務(wù)量空間變化與分布Fig.4 Change and distribution of ecosystem services in Jing River Basin

2.3 生態(tài)系統(tǒng)服務(wù)空間格局優(yōu)化

貝葉斯網(wǎng)絡(luò)模型以概率相關(guān)理論為基礎(chǔ)，得到研究區(qū)不同生態(tài)系統(tǒng)服務(wù)關(guān)鍵變量最優(yōu)狀態(tài)子集，進而篩選出需要優(yōu)化的區(qū)域。對于涇河流域生態(tài)系統(tǒng)來說，人為因素和自然環(huán)境的雙重作用，對生態(tài)系統(tǒng)服務(wù)的影響不容小覷。不同的生態(tài)系統(tǒng)服務(wù)，篩選不同的關(guān)鍵變量，得到不同生態(tài)系統(tǒng)服務(wù)的條件概率表，如表4～7所示。根據(jù)表4所示，土地利用水平和蒸散發(fā)是影響農(nóng)業(yè)生產(chǎn)的關(guān)鍵變量，當(dāng)農(nóng)業(yè)生產(chǎn)力出現(xiàn)最高（0.353）、高（0.422）、中等（0.620）和低水平（0.491）概率時，所對應(yīng)的土地利用水平和蒸散發(fā)量分別處于不同程度的水平。對比得到土地利用水平處在高級水平即農(nóng)業(yè)用地水平，蒸散發(fā)量處于高值區(qū)間5362～9827 mm 時，農(nóng)業(yè)生產(chǎn)力達到最大可能概率（0.620），處于中值范圍（57.7～60.0 t·hm-2），對其進行空間可視化展示（圖5），優(yōu)化區(qū)域主要分布在環(huán)縣、華池縣、彭陽縣、慶陽縣以及鎮(zhèn)原縣等北部黃土區(qū)，對這些地區(qū)加大農(nóng)業(yè)生產(chǎn)的投資和管理力度，能夠較為迅速地提高涇河流域整體的農(nóng)業(yè)生產(chǎn)力。當(dāng)土地利用類型為草地，土地利用水平處在中級水平，降水量處于最高值584～693 mm 時，氣溫小于8 ℃時，產(chǎn)水量達到最大可能概率（0.805），處于高值范圍（408.61～1001.75 m3），優(yōu)化區(qū)域主要集中在環(huán)縣的中南部以及彭陽縣和鎮(zhèn)原縣附近，對區(qū)域水資源進行高效利用，能在一定程度上增加地表徑流量，最終提升區(qū)域的產(chǎn)水服務(wù)能力。當(dāng)土地利用類型為未利用地，太陽輻射、氣溫和植被覆蓋度都為最高水平時，NPP服務(wù)達到最大可能概率（0.878），處于中值范圍（11.97～135.89 g C·m-2），優(yōu)化區(qū)域主要集中在彭陽縣和華池縣、鎮(zhèn)原縣、環(huán)縣中部和南部，吳起縣南部和合水縣北部，提升區(qū)域的植被覆蓋率對提高NPP服務(wù)有深遠的影響。通過關(guān)鍵因子的篩選，影響土壤保持的關(guān)鍵因素是降水量、坡度、水土保持措施因素、植被和土壤類型，降水量概率是最重要的因素。當(dāng)土壤類型、降水量、坡度以及水土保持措施因素位于中級水平，植被覆蓋度為最高水平時，所對應(yīng)的土壤保持出現(xiàn)最高水平的概率最高，達到0.824，該子集主要分布在彭陽縣和華池縣、慶城縣北部和鎮(zhèn)原縣以及環(huán)縣南部，對該區(qū)域增加植被覆蓋，撫育和保護森林資源，加強生態(tài)環(huán)境的建設(shè)和投入，有效控制水土流失帶來的損失，會對區(qū)域的水土保持服務(wù)起到正向的作用。

表4 農(nóng)業(yè)生產(chǎn)力節(jié)點條件概率Tab.4 Conditional probability of the node crop production

表5 產(chǎn)水節(jié)點條件概率Tab.5 Conditional probability of the node water yield

表6 NPP節(jié)點條件概率Tab.6 Conditional probability of the node NPP

表7 土壤保持節(jié)點條件概率Tab.7 Conditional probability of the node soil conservation

最后對4種生態(tài)系統(tǒng)服務(wù)的優(yōu)化區(qū)域進行空間疊加分析，得到綜合的優(yōu)化像元（圖5）。優(yōu)化區(qū)域主要集中在彭陽縣的中部和西南部以及環(huán)縣的零星區(qū)域，部分區(qū)域應(yīng)該采取相應(yīng)的生態(tài)環(huán)境保護措施，加快生態(tài)、民生和多功能林業(yè)的發(fā)展，對于草原生態(tài)要堅持保護與建設(shè)并舉，保護優(yōu)先的原則，設(shè)置一定的懲獎措施，在一定程度上提升居民對于生態(tài)環(huán)境保護意識，促進區(qū)域多種生態(tài)系統(tǒng)服務(wù)良性發(fā)展。

圖5 綜合生態(tài)系統(tǒng)服務(wù)優(yōu)化區(qū)Fig.5 Integrated ecosystem service optimization zone

3 討論

3.1 生態(tài)系統(tǒng)服務(wù)空間差異性分析

生態(tài)系統(tǒng)過程是自然和人類活動共同作用的結(jié)果，如何構(gòu)建合理的模型來模擬區(qū)域生態(tài)系統(tǒng)服務(wù)是深刻了解生態(tài)過程的關(guān)鍵，本文通過不同的生態(tài)系統(tǒng)服務(wù)評估模型得到4種生態(tài)系統(tǒng)服務(wù)的空間格局。為了探究研究結(jié)果的準確性，將本文的研究結(jié)果和其他學(xué)者進行對比。劉宇等［44］通過用Penman-Monteith 公式計算涇河流域近70 a 的徑流變化，以及黃晨璐等［45］在統(tǒng)計數(shù)據(jù)的基礎(chǔ)上，運用相關(guān)的模型來模擬涇河流域徑流狀況，在時空尺度上和本研究結(jié)果具有相似性；在NPP和土壤保持服務(wù)的時空分布方面與卞鴻雁等［46］以及Zheng等［47］的結(jié)果具有相似性，都在年際間趨于穩(wěn)定上升的趨勢，并且時空差異顯著。此外，根據(jù)本文研究結(jié)果，4種生態(tài)系統(tǒng)服務(wù)的優(yōu)化區(qū)域都集中在黃土高原和涇河流域北部的山區(qū)，制約區(qū)域發(fā)展的關(guān)鍵因子主要是土壤、植被和降水，而關(guān)鍵因子對于評估區(qū)域4種生態(tài)系統(tǒng)服務(wù)有著至關(guān)重要的影響。涇河流域產(chǎn)水服務(wù)的空間變化特征和土地利用、蒸散發(fā)和植被水分利用系數(shù)相關(guān)，2000—2020年區(qū)域耕地面積減少，森林和草地面積增加，進而增加區(qū)域植被水分利用系數(shù)，植被類型從禾本科植物向森林植被轉(zhuǎn)化所引起。2020 年相較于2000 年，降水量增加，而部分區(qū)域徑流量減少，暗示區(qū)域內(nèi)潛在蒸散發(fā)則逐漸增大，表明區(qū)域徑流量對于降水和潛在蒸散發(fā)較為敏感［44］。產(chǎn)水和降水的空間分布較為一致，主要取決于氣候和地形因素相關(guān)，西北部屬于黃土高原區(qū)，受副熱帶高氣壓控制，干旱少雨，產(chǎn)水量也較少。涇河流域大多區(qū)域經(jīng)濟相對落后，居民的生活需求對區(qū)域生態(tài)系統(tǒng)服務(wù)依賴性很強，農(nóng)業(yè)生產(chǎn)力較強的區(qū)域，居民能夠滿足生活，少數(shù)區(qū)域糧食供給能力不足［48］。北部區(qū)域以草地為主，牧業(yè)長期集中與此，長期的粗放經(jīng)營，會造成土地嚴重的沙化，進而影響區(qū)域的農(nóng)業(yè)生產(chǎn)力以及NPP服務(wù)，造成兩種生態(tài)系統(tǒng)服務(wù)在區(qū)域上呈現(xiàn)南北差異化明顯。而隨著退耕還林、封山育林、飛播、人工植樹等生態(tài)措施的實施，促使區(qū)域內(nèi)林地面積增加，提升區(qū)域的NPP 和水土保持能力。本研究建議對生態(tài)系統(tǒng)服務(wù)優(yōu)化區(qū)實施提升肉類的產(chǎn)量以及薪柴供給的手段等生態(tài)措施和生態(tài)補償政策［49-50］，不僅可以提升居民的收入和生活質(zhì)量，而且還可以保障原有的土壤保持和NPP等生態(tài)系統(tǒng)服務(wù)的增強，促進區(qū)域生態(tài)經(jīng)濟和諧發(fā)展。為了深入研究生態(tài)系統(tǒng)服務(wù)的區(qū)域差異性，不僅要定性分析，還要利用模型進行定量的研究，未來應(yīng)該通過多視角、多指標對生態(tài)系統(tǒng)服務(wù)驅(qū)動因素進行定量分析，促使研究結(jié)果更加精準。

3.2 生態(tài)系統(tǒng)服務(wù)空間格局優(yōu)化

貝葉斯網(wǎng)絡(luò)可以將多元知識進行圖解可視化的概率模型，它不僅包括各個網(wǎng)絡(luò)節(jié)點之間的因果相關(guān)性，而且結(jié)構(gòu)還比較靈活，既可以優(yōu)化現(xiàn)在的空間格局，還可以預(yù)測未來的空間格局分布。李婷等［9］通過貝葉斯網(wǎng)絡(luò)和固碳服務(wù)相結(jié)合，來探究固碳服務(wù)的格局優(yōu)化問題；曾莉等［22］通過不同發(fā)展情景水源涵養(yǎng)的狀態(tài)概率分布，最終給出水源涵養(yǎng)服務(wù)的空間格局優(yōu)化策略。但是貝葉斯網(wǎng)絡(luò)是具有不確定性的，主要包括結(jié)構(gòu)不確定性、輸入數(shù)據(jù)不確定性和參數(shù)不確定性［51］。本文將產(chǎn)水量、NPP、土壤保持和農(nóng)業(yè)生產(chǎn)4種生態(tài)系統(tǒng)服務(wù)和貝葉斯網(wǎng)絡(luò)相結(jié)合，探討了不同生態(tài)系統(tǒng)服務(wù)以及綜合優(yōu)化區(qū)域，為優(yōu)化區(qū)的保護和生態(tài)經(jīng)濟和諧發(fā)展奠定基礎(chǔ)。目前，對生態(tài)系統(tǒng)服務(wù)空間格局優(yōu)化的研究主要集中在圍繞土地利用模式的變化設(shè)計方案，預(yù)測各種方案下的服務(wù)變化，并提供優(yōu)化建議［16-17］。然而，土地利用并不是唯一影響生態(tài)系統(tǒng)服務(wù)的因素，而各因素對不同生態(tài)系統(tǒng)服務(wù)的影響程度也是不同的。本文在貝葉斯網(wǎng)絡(luò)的基礎(chǔ)上，提出了關(guān)鍵子集法，對涇河流域生態(tài)系統(tǒng)服務(wù)的空間格局進行了優(yōu)化，研究結(jié)果為研究區(qū)生態(tài)環(huán)境保護區(qū)劃提供決策支持，豐富生態(tài)系統(tǒng)服務(wù)空間格局優(yōu)化的研究方法。但是自然和人類活動共同影響著區(qū)域的生態(tài)環(huán)境，本文僅考慮降水量、氣溫、土地利用等因素對生態(tài)系統(tǒng)的影響是不夠的，未來應(yīng)該結(jié)合更多的影響指標，比如人類活動、生態(tài)政策以及社會經(jīng)濟等因素來構(gòu)建多情景的模式，將情景分析和貝葉斯網(wǎng)絡(luò)相結(jié)合，更加全面的為區(qū)域空間格局優(yōu)化提供依據(jù)。

4 結(jié)論

（1）SWAT 模型在涇河流域有較好的適用性。校準后的SWAT模型對徑流量的模擬結(jié)果與實測值相比，具有較高的決定性系數(shù)（R2＞0.6）、納什效率系數(shù)（NSE＞0.5），表明該模型能較為準確地模擬流域生態(tài)水文過程，為進一步評估產(chǎn)水服務(wù)提供保障。

（2）2000—2020年涇河流域4種生態(tài)系統(tǒng)服務(wù)的時空差異性較為顯著。在時間尺度上，隨著退耕還林還草以及居民生態(tài)環(huán)保意識的提升，促使4 種生態(tài)系統(tǒng)服務(wù)都呈現(xiàn)波動中上升的趨勢；而在空間尺度上，NPP、農(nóng)業(yè)生產(chǎn)力以及土壤保持服務(wù)變化較小，呈現(xiàn)較為穩(wěn)定的趨勢，而產(chǎn)水量和區(qū)域氣候有著直接的關(guān)系，導(dǎo)致產(chǎn)水服務(wù)在區(qū)域內(nèi)呈現(xiàn)顯著變化。

（3）貝葉斯網(wǎng)絡(luò)模型是一種強大的神經(jīng)網(wǎng)絡(luò)工具，可以很好地與生態(tài)系統(tǒng)服務(wù)相結(jié)合，在生態(tài)系統(tǒng)服務(wù)空間優(yōu)化過程中發(fā)揮重要作用。本研究通過對4 種生態(tài)系統(tǒng)服務(wù)優(yōu)化區(qū)域進行疊加分析，發(fā)現(xiàn)綜合優(yōu)化區(qū)域集中在彭陽縣的中部和西南部以及環(huán)縣的零星區(qū)域，對區(qū)域應(yīng)該采取相應(yīng)的生態(tài)環(huán)境保護措施，要堅持保護與建設(shè)并舉，保護優(yōu)先的原則，進而促進區(qū)域多種生態(tài)系統(tǒng)服務(wù)良性發(fā)展。