長三角城市群地區(qū)生態(tài)系統(tǒng)服務(wù)價值時空演變及驅(qū)動因素研究

馬偉波，楊 帆，王 楠，趙立君，譚 琨，張孝飛①,張龍江，李海東

(1.生態(tài)環(huán)境部南京環(huán)境科學(xué)研究所，江蘇 南京 210042；2.陜西省生態(tài)環(huán)境廳，陜西 西安 710004；3.華東師范大學(xué)地理信息科學(xué)教育部重點實驗室，上海 200241)

生態(tài)系統(tǒng)服務(wù)代表了人類從生態(tài)系統(tǒng)中獲得的利益[1-2]，通過其生態(tài)特征、功能、過程、產(chǎn)品直接或間接促進人類福祉[3]。城市是一個社會-經(jīng)濟-自然復(fù)合生態(tài)系統(tǒng)[4]，由于快速工業(yè)化和經(jīng)濟擴張，城市生態(tài)服務(wù)供需嚴重失衡[5]，潛在生態(tài)風(fēng)險不斷增加，城市生態(tài)福祉問題日益受到關(guān)注。城市化與生態(tài)系統(tǒng)服務(wù)之間存在復(fù)雜關(guān)系[6-8]，通過核算生態(tài)系統(tǒng)服務(wù)價值(ecosystem service value, ESV)，剖析ESV空間特征可提升對城市生態(tài)系統(tǒng)服務(wù)的認識[9-11]，但這對解決更深層次的城市生態(tài)問題仍然缺乏有效支撐[12-14]。因此，探索城市群ESV驅(qū)動效應(yīng)對于更好理解城市生態(tài)環(huán)境問題的空間模式、過程和機制是有必要的[15-17]，也對于提升城市群尺度生態(tài)福祉和人居環(huán)境健康具有重要借鑒意義[18-19]。

ESV受到生態(tài)系統(tǒng)內(nèi)部和外部的直接或間接影響。其中，自然因素來自生態(tài)系統(tǒng)內(nèi)部，對ESV有最直接的影響。研究發(fā)現(xiàn)，氣候通過調(diào)節(jié)地表水熱條件進而影響植被生長[20]，生物生長和棲息地的空間特征演變對ESV也至關(guān)重要[21-23]，地形可以影響土壤保持力、供水能力和作物產(chǎn)量等多種生態(tài)系統(tǒng)服務(wù)[24]。同時，隨著人類對地球生態(tài)環(huán)境的影響和破壞，人為因素變得越來越重要[15]。研究證實，土地利用變化反映了人類的資源足跡[25-26]，是人類影響生態(tài)系統(tǒng)最直接的表現(xiàn)形式，也是ESV變化的關(guān)鍵影響因素；人口密度、經(jīng)濟發(fā)展水平和城市化等因素在不同程度上對ESV也均有影響[15,23]。然而，現(xiàn)有研究對驅(qū)動因素的認識還不全面，對驅(qū)動關(guān)系的討論并不深入。在驅(qū)動方法研究方面，Pearson相關(guān)系數(shù)能夠確定變量間的相關(guān)性，但不能指明變量間的明確因果方向；傳統(tǒng)回歸分析方法不能厘清變量之間相互作用關(guān)系，以至于無法精確測度各變量對被解釋變量的重要性。因此，目前的研究尚不能闡明ESV各影響因素之間的相互作用關(guān)系，各影響因素對ESV的直接或間接效應(yīng)并沒有在統(tǒng)一框架下進行定量測度，這種直接或間接效應(yīng)的演變特征鮮有被深入探討。

長江三角洲城市群(Yangtze River Delta Urban Agglomerations, YRDUA)是中國現(xiàn)代化發(fā)展和城市化水平最高的地區(qū)之一，然而密集的經(jīng)濟發(fā)展和快速城市擴張對區(qū)域生態(tài)福祉獲益直接或間接地構(gòu)成了威脅。基于此，以長江三角洲城市群地區(qū)為研究對象，基于修訂當量價值系數(shù)和土地利用等數(shù)據(jù)分析長三角城市群地區(qū)ESV時空演化特征，并采用隨機森林(random forest, RF)和結(jié)構(gòu)方程模型(structural equation model, SEM)方法探究人為活動和自然變化對ESV的驅(qū)動特征及驅(qū)動路徑，以期為城市群一體化生態(tài)保護修復(fù)和生態(tài)福祉提升提供參考。

1 材料與方法

1.1 研究區(qū)概況

長三角城市群是長三角一體化發(fā)展中心區(qū)，位于長江入海之前的沖積平原，根據(jù)《長江三角洲區(qū)域一體化發(fā)展規(guī)劃綱要》[27]，包括：上海，江蘇省的南京、無錫、常州、蘇州、南通、鹽城、揚州、鎮(zhèn)江和泰州，浙江省的杭州、寧波、溫州、嘉興、湖州、紹興、金華、舟山和臺州，安徽省的合肥、蕪湖、馬鞍山、銅陵、安慶、滁州、池州和宣城27個中心城市(圖1)，陸域土地利用面積為22.24萬km2。

審圖號: GS(2022)4739號

1.2 數(shù)據(jù)來源

1.2.1ESV核算數(shù)據(jù)

采用當量因子法核算ESV時，需結(jié)合研究區(qū)土地利用、社會經(jīng)濟、農(nóng)作物產(chǎn)值和生態(tài)指標對模型參數(shù)進行修訂。采用凈初級生產(chǎn)力(net primary productivity, NPP)數(shù)據(jù)(MOD17A3H)和降水數(shù)據(jù)(https:∥crudata.uea.ac.uk/cru/data/hrg/cru_ts_4.04/)對長三角地區(qū)生態(tài)系統(tǒng)服務(wù)價值系數(shù)進行修正。糧食產(chǎn)值、播種面積主要來源于上海市、江蘇省、浙江省和安徽省統(tǒng)計年鑒。長三角城市群陸域土地利用數(shù)據(jù)(https:∥www.globallandcover.com)顯示，2000—2020年長三角城市群呈現(xiàn)出耕地、林地和濕地面積持續(xù)下降，而水體和人造地表面積逐步上升的土地利用格局變化趨勢(表1)。

表1 長三角城市群土地利用數(shù)據(jù)

1.2.2ESV驅(qū)動數(shù)據(jù)

為揭示長三角城市群地區(qū)ESV驅(qū)動效應(yīng)，選擇人為活動和自然條件2個方面10項具體指標作為解釋變量(表2)。人為活動驅(qū)動類型包括人口密度、夜間燈光、土地利用結(jié)構(gòu)和PM2.5濃度，自然條件包括高程、坡度、歸一化植被指數(shù)(normalized difference vegetation index, NDVI)、降水、溫度和河網(wǎng)密度。夜間燈光被視為反映城市擴張和電力消耗影響的指標，是衡量人類經(jīng)濟活動的有效變量，其能較好地捕捉城市、城鎮(zhèn)和工業(yè)場所亮度以及城市交通和住宅的擴展特征；研究[28]表明夜間燈光指標是社會經(jīng)濟發(fā)展較好的測度指標，筆者采用夜間燈光指標分析社會經(jīng)濟發(fā)展對ESV的驅(qū)動效應(yīng)。同時，長三角城市群大部分處于我國東部平原地區(qū)，降水充沛，河網(wǎng)密集，傳統(tǒng)的土地利用數(shù)據(jù)由于空間分辨率及地圖綜合，容易丟失河網(wǎng)密度信息。而河網(wǎng)密度在對土地利用類型進行補充的同時，其對濕地保護也至關(guān)重要，因此筆者將其納入ESV的驅(qū)動分析。研究[15]發(fā)現(xiàn)，空氣環(huán)境質(zhì)量與ESV存在驅(qū)動關(guān)系，而長三角城市群在2000—2020年存在一定程度大氣顆粒物污染，因此將PM2.5選為驅(qū)動因素。同時，由于快速城市化導(dǎo)致土地利用結(jié)構(gòu)劇烈變化，生態(tài)用地是驅(qū)動ESV演變的重要影響因素[15]，因此，將土地利用中的耕地、林地和水域面積等生態(tài)用地納入分析范圍。人口密度、高程、坡度、降水和地表溫度均為常規(guī)驅(qū)動因素。所有數(shù)據(jù)統(tǒng)一為WGS_1984_UTM投影系統(tǒng)，采用漁網(wǎng)方式嚴格對齊空間格網(wǎng)并提取驅(qū)動因素特征值。

表2 長三角城市群生態(tài)系統(tǒng)服務(wù)驅(qū)動數(shù)據(jù)

1.3 研究方法

1.3.1ESV核算與系數(shù)修訂

采用當量因子法[1,29]對長三角城市群ESV進行估算，當量因子法適合大區(qū)域尺度的ESV核算，其計算過程為

(1)

式(1)中，VES為生態(tài)系統(tǒng)總服務(wù)價值，元·a-1；Ei,j為第i種生態(tài)系統(tǒng)類型第j類生態(tài)系統(tǒng)服務(wù)價值系數(shù)，元·hm-2·a-1；Ai為第i種生態(tài)系統(tǒng)類型面積，hm2。同時，采用地區(qū)農(nóng)作物產(chǎn)值面積、NPP和降水數(shù)據(jù)修訂價值系數(shù)[30]。無人力投資的自然生態(tài)系統(tǒng)輸出價值為農(nóng)田食物生產(chǎn)服務(wù)單價的1/7，因此修訂標準當量因子公式為

(2)

式(2)中，E為單位面積糧食產(chǎn)量的經(jīng)濟價值，元·hm-2；T為研究區(qū)糧食總價值，元；X為研究區(qū)糧食播種面積，hm2。進一步依據(jù)條件因子法利用NPP和降水數(shù)據(jù)對部分價值系數(shù)進行修訂，計算公式為

λ=B/B0，

(3)

Ej=λ·E0j。

(4)

式(3)～(4)中，λ為生態(tài)系統(tǒng)服務(wù)當量的區(qū)域修正系數(shù)；B0為全國平均NPP數(shù)值；B為長三角城市群逐像元NPP，g·m-2·a-1；Ej為第j類生態(tài)系統(tǒng)經(jīng)過區(qū)域修正后的生態(tài)系統(tǒng)服務(wù)價值當量；E0j為第j類生態(tài)系統(tǒng)全國平均生態(tài)系統(tǒng)服務(wù)當量，元·a-1；j=1,2,…,8，依次為食物生產(chǎn)、原料生產(chǎn)、氣體調(diào)節(jié)、氣候調(diào)節(jié)、凈化環(huán)境、維持養(yǎng)分循環(huán)、維持生物多樣性和提供美學(xué)景觀服務(wù)。在利用NPP對8種生態(tài)系統(tǒng)服務(wù)價值系數(shù)進行逐像元修訂的基礎(chǔ)上，再通過降水產(chǎn)品數(shù)據(jù)對水資源供給和水文調(diào)節(jié)服務(wù)價值當量繼續(xù)進行修訂。2000—2020年長三角地區(qū)農(nóng)作物種植面積為1 047.24萬hm2，對應(yīng)總產(chǎn)值為3 465.93 億元，則得到單位面積糧食產(chǎn)量的經(jīng)濟價值為4 727.96元·hm-2。通過統(tǒng)計得到研究區(qū)不同土地利用生態(tài)服務(wù)功能價值當量(表3)。

表3 長三角城市群單位面積生態(tài)服務(wù)價值當量

1.3.2隨機森林

RF是一種集成學(xué)習(xí)方法[31]，能用于充分探測變量對解釋變量的貢獻程度[32]。訓(xùn)練一個RF的本質(zhì)是訓(xùn)練多個分類與回歸樹(classification and regression trees, CART)。CART是一個二叉樹模型，其核心是切割變量和切割點的選擇[32]。在RF中，單棵CART首先遍歷一部分變量和變量數(shù)據(jù)，然后根據(jù)切割后節(jié)點的不純度，確定最佳切割變量和切割點，綜合所有樹的結(jié)果得到最終模型。選擇RF回歸方法，節(jié)點不純度的計算公式為

(5)

同時，RF通過袋外誤差(out-of-bag error, OOB)樣本來估計變量的重要性，計算公式為

(6)

式(6)中，I(vari)為變量i的重要性；Eij1為根據(jù)CARTj中變量i出袋數(shù)據(jù)計算的誤差；Eij2為根據(jù)CARTj中變量i出袋數(shù)據(jù)加上噪聲干擾計算的誤差；n為CART數(shù)量。10項驅(qū)動因素對ESV響應(yīng)的解釋程度采用RF方法進行建模，方差var解釋程度為RF模型的解釋能力，最大為100%；采用I(vari)測度各驅(qū)動因素對ESV的相對重要性。

1.3.3結(jié)構(gòu)方程模型

SEM與回歸分析的重要區(qū)別是在SEM中，某個響應(yīng)變量(回歸分析中也叫因變量)還可以作為其他響應(yīng)變量的預(yù)測變量(自變量)。換言之，SEM包含了多個變量之間直接和間接的因果關(guān)系，并通過圖示中的箭頭(路徑)方向展示所有的因果關(guān)系[33-35]。與傳統(tǒng)的基于方差-協(xié)方差的SEM相比，分段SEM[33-35]具備以下3個優(yōu)點：(1)將多個獨立線性模型組合成一個單一的因果網(wǎng)絡(luò)；(2)使用Shipley分離檢驗來檢驗?zāi)Ｐ椭惺欠袢鄙偃魏温窂剑?3)使用Akaike信息準則(AIC)來比較嵌套模型。

采用分段SEM研究10項指標對長三角城市群ESV的驅(qū)動路徑，同時也考慮以林地面積和NDVI為中間路徑間接驅(qū)動ESV的情形。分別采用線性模型和擬合分組模型，對驅(qū)動因素的驅(qū)動路徑進行標準化處理，最終采用Shipley分離檢驗評估分段SEM的整體擬合解釋度。采用R 4.1.2軟件piecewiseSEM工具實現(xiàn)分段SEM。參考前人研究[36-37]，采用Chi-Squared、Chi-Squared/P-value、Fisher′s C、Fisher′s C/P-value、AIC和R2作為模型檢驗指標，其中，F(xiàn)isher′s C檢驗值低于顯著水平(P<0.05)表明模型假設(shè)與數(shù)據(jù)不一致，應(yīng)予以拒絕。

2 結(jié)果與分析

2.1 長三角城市群ESV時空特征

2.1.1時空變化

由表4可知，2000—2020年長三角城市群ESV總體呈現(xiàn)先下降后上升的變化趨勢，由2000年的24 508.53億元下降到2010年的24 285.57億元，再上升至2020年的25 217.34億元，2000—2020年ESV整體增加708.81億元，增幅為2.89%。2000—2020年，研究區(qū)食物生產(chǎn)、原料生產(chǎn)、氣體調(diào)節(jié)、氣候調(diào)節(jié)、維持生物多樣性、維持養(yǎng)分循環(huán)和美學(xué)景觀類型生態(tài)服務(wù)價值均呈現(xiàn)下降趨勢，而水資源供給呈減少損失趨勢，水文調(diào)節(jié)呈上升趨勢，這主要是由于耕地和林地面積下降而水域面積上升驅(qū)動所致(表1)。具體來看，2000—2010年，水文調(diào)節(jié)服務(wù)價值下降120.52億元，而水資源供給服務(wù)價值上升75.81億元。2010—2020年，水文調(diào)節(jié)和水資源供給服務(wù)價值增加1 096.2億元，是整體ESV提升的主要貢獻者。

表4 2000—2020年長三角城市群生態(tài)系統(tǒng)服務(wù)價值(ESV)變化情況

從空間變化(圖2)來看，長三角城市群形成重點湖泊、濕地和水系地區(qū)ESV最高，南部丘陵地區(qū)ESV次之，北部農(nóng)田地區(qū)ESV再次之，都市群建成區(qū)ESV最低的空間分布格局。由圖2可知，2000—2020年合肥市巢湖北部、杭州市東部、鹽城市北部、蘇州市東部和北部、無錫市北部、常州市、揚州市、南京市、寧波市和金華市均出現(xiàn)ESV下降趨勢。泰州市、揚州市北部和南通濱海濕地ESV有所增加；蘇州市城區(qū)ESV呈集聚態(tài)勢發(fā)展，離散化程度有所降低，ESV有所增強；太湖、巢湖、高郵湖、石臼湖、滆湖和長江干流水系以及濱海濕地等地區(qū)ESV呈穩(wěn)定發(fā)展態(tài)勢。

圖2 長三角城市群ESV時空變化

2.1.2空間異質(zhì)性

由圖3可知，長三角城市群在不同空間分辨率尺度下ESV空間Moran′sI指數(shù)均大于0.45,Z得分大于1.96(均通過1%顯著性檢驗)，表明長三角城市群ESV有較強的空間聚集模式。具體來看，在1和5 km空間分辨率下，ESV的Moran′sI指數(shù)和Z得分測度接近，2000—2020年Moran′sI指數(shù)平均值分別為0.83和0.78，Z得分平均值分別為553.23和541.76，均高于其他空間分辨率，表明1和5 km是ESV空間異質(zhì)性表現(xiàn)最為強烈的空間尺度。同時發(fā)現(xiàn)，在不同空間分辨率尺度下，2000、2010和2020年ESV空間異質(zhì)性強度呈微弱下降趨勢，這表明長三角城市群地區(qū)ESV的空間離散性特征隨城市化劇烈演變而逐漸增強，生態(tài)空間格局呈破碎化和離散化。

圖3 不同空間分辨率下長三角城市群ESV空間異質(zhì)性

2.1.3冷熱點分析

綜合空間異質(zhì)性表達能力和計算工作量，確定5 km分辨率作為研究區(qū)ESV驅(qū)動分析的空間單元。由圖4可知，2000—2010年，安慶市南部、池州市北部、南通市與上海市接壤地區(qū)、蘇州市與無錫和上海市接壤地區(qū)、杭州市與湖州和嘉興市接壤地區(qū)以及舟山市出現(xiàn)空間冷點，表明這些地區(qū)ESV下降呈現(xiàn)出空間聚集效應(yīng)；而常州、無錫和蘇州市南部地區(qū)，南京、馬鞍山、蕪湖和宣城市接壤地區(qū)，銅陵、池州、安慶、泰州北部、滁州和合肥市接壤地區(qū)，寧波、臺州和溫州市濱海地區(qū)出現(xiàn)空間熱點，表明這些地區(qū)ESV上升呈現(xiàn)出空間聚集效應(yīng)。與2000—2010年相比，2010—2020年(圖4)揚州、泰州和鹽城市接壤地區(qū)，鹽城和南通市濱海濕地ESV上升空間聚集效應(yīng)呈擴大趨勢；而寧波、臺州和溫州市濱海地區(qū)，滁州和合肥市接壤地區(qū)，南京、馬鞍山、蕪湖和宣城市接壤地區(qū)則由2000—2010年的空間熱點轉(zhuǎn)換為空間冷點，杭州市與湖州和嘉興市接壤地區(qū)、南通市與上海市接壤地區(qū)由2000—2010年的空間冷點轉(zhuǎn)換為空間熱點，這表明2010—2020年這些地區(qū)ESV變化呈現(xiàn)劇烈波動。整體來看，2000—2020年揚州、泰州和鹽城市接壤地區(qū)，鹽城和南通市濱海濕地，常州、無錫、蘇州和湖州市接壤地區(qū)，南京和馬鞍山市接壤地區(qū)ESV上升熱點效應(yīng)非常顯著，而上海、蘇州、南通、無錫、鎮(zhèn)江和南京6個城市以及合肥、蕪湖和銅陵3個城市建成區(qū)ESV下降冷點效應(yīng)非常顯著，長三角城市群ESV上升和下降的空間聚集效應(yīng)均非常顯著。

圖4 2000—2020年長三角城市群ESV變化冷熱點

2.2 長三角城市群ESV驅(qū)動因素

2.2.1相關(guān)性分析

Pearson相關(guān)性分析(圖5)顯示，2000—2020年土地利用結(jié)構(gòu)對ESV的相關(guān)性整體較高，水體面積與ESV的相關(guān)性穩(wěn)定在0.8，林地面積則從0.5下降到0.3，耕地面積從-0.9變化到-0.8，PM2.5從-0.7 變化到-0.8。由于長三角城市群大部分地區(qū)是平原，因此地形因子與ESV相關(guān)性極低。河網(wǎng)密度與ESV的相關(guān)性在-0.5～-0.4之間波動。降水、人口密度、NDVI和夜間燈光與ESV的相關(guān)性不高。此外，耕地面積與林地和水域面積呈顯著負相關(guān)，而耕地面積與河網(wǎng)密度和PM2.5呈顯著正相關(guān)；溫度與降水和NDVI呈顯著正相關(guān)；夜間燈光與人口密度呈現(xiàn)一定程度正相關(guān)。

圖5 2000—2020年長三角城市群ESV與驅(qū)動因素相關(guān)性

2.2.2重要性分析

表5顯示，2000、2010年2020年RF模型的方差解釋度分別為91.53%、91.83%和89.97%，均超過89%，這表明RF模型通過驅(qū)動因素可以實現(xiàn)對ESV較強的解釋，因此可基于該模型對驅(qū)動因素變量重要性進行測度。

表5 長三角城市群ESV隨機森林模型精度評價

由圖6可知，水域面積、林地面積、耕地面積、PM2.5和河網(wǎng)密度是2000—2020年長三角城市群ESV重要驅(qū)動因素，且水域面積重要程度遠遠高于其他影響因素，平均值達到1 781。

圖6 2000—2020年長三角城市群ESV與驅(qū)動因素相關(guān)性

2000—2020年，水域面積、林地面積、PM2.5和河網(wǎng)密度重要性均呈上升趨勢，耕地影響因素重要性呈微弱下降趨勢。高程、坡度、降水、人口密度、夜間燈光、溫度和NDVI等影響因素重要性較低，且無明顯變化趨勢。

2.2.3驅(qū)動路徑

由SEM分析結(jié)果(表6)可知，所有年份Chi-Square和Fisher′s C檢驗的P-value均大于0.05，表明因果關(guān)系假設(shè)通過檢驗，SEM模型可信度高。由圖7可知，總體來看，SEM模型評價結(jié)果顯示，水域面積、林地面積、耕地面積、河網(wǎng)密度、PM2.5和人口密度等驅(qū)動因素對2000、2010和2020年ESV以及2000—2020年ESV變化的解釋程度分別為85%、84%、83%和72%，表明SEM模型精度和解釋能力較高。

表6 長三角城市群SEM精度評價

由圖7可知，2000年水域面積、林地面積和PM2.5對長三角城市群ESV有直接正向驅(qū)動效應(yīng)〔標準化路徑系數(shù)(β)分別為0.79、0.43和0.05〕，耕地面積、河網(wǎng)密度、夜間燈光和人口密度則為直接負向驅(qū)動效應(yīng)(β分別為-0.21、-0.06、-0.03和-0.01)。PM2.5對林地面積呈顯著直接正向驅(qū)動效應(yīng)，β值為0.24；耕地面積、水域面積、河網(wǎng)密度、夜間燈光和人口密度對林地面積均呈負向驅(qū)動效應(yīng)(β分別為-0.72、-0.27、-0.06、-0.03和-0.02)。對NDVI呈直接正向影響的因素包括溫度、坡度和林地面積(β分別為0.41、0.1和0.03)，而人口密度和水域面積呈負向影響(β分別為-0.04和-0.03)。PM2.5、人口密度和夜間燈光同時也通過林地間接影響ESV。而高程、溫度和坡度對長三角城市群ESV和林地面積的驅(qū)動效應(yīng)并不顯著。

與2000年相比，2010和2020年長三角城市群ESV驅(qū)動模型差異較小(圖7)，水域面積和河網(wǎng)密度對于ESV的作用強度有所增強，β分別從0.79上升到0.81和從-0.06變化到-0.11；林地面積β從0.43下降到0.41，耕地面積從-0.21變化到-0.16；PM2.5和夜間燈光對ESV的直接負向驅(qū)動影響顯著下降，而高程和NDVI對ESV的正向驅(qū)動效應(yīng)顯著上升。耕地面積和PM2.5對林地的負向驅(qū)動效應(yīng)下降，而水域面積和河網(wǎng)密度對林地面積的驅(qū)動效應(yīng)則增強。由圖7可知，2000—2020年ESV變化的顯著正向驅(qū)動因素為水域面積、林地面積和PM2.5(β分別為0.83、0.4和0.05)，負向驅(qū)動因素為河網(wǎng)密度，β值為-0.06；耕地面積、NDVI、人口密度和夜間燈光對ESV變化的驅(qū)動不顯著。同時，人口密度和夜間燈光通過驅(qū)動林地面積間接影響ESV變化的效應(yīng)不顯著；而PM2.5驅(qū)動林地面積則呈顯著負向效應(yīng)。

黑色箭頭表示預(yù)測因子對反應(yīng)變量有顯著影響，藍色虛線表示無顯著影響。箭頭方向表示因果作用方向，箭頭上的數(shù)字為標準化路徑系數(shù)(β)。

3 討論

筆者基于修訂的當量價值系數(shù)和土地利用數(shù)據(jù)分析長三角城市群ESV時空演化特征，采用RF和SEM模型探究人為活動和自然條件共10項指標對ESV的驅(qū)動特征及驅(qū)動影響演化特征，在統(tǒng)一框架下定量測度ESV各影響因素之間的相互作用關(guān)系及其對ESV直接和間接驅(qū)動效應(yīng)，嘗試探究長三角城市群ESV演化模式和驅(qū)動機制。

3.1 ESV演化特征

長三角城市群地形結(jié)構(gòu)影響了土地利用結(jié)構(gòu)基本格局特征，進而對長三角城市群ESV空間分布格局產(chǎn)生主要影響。研究區(qū)東部平原河網(wǎng)密集，水域濕地生態(tài)保護和土地利用結(jié)構(gòu)是主導(dǎo)ESV變化的主要影響因素。2000—2010年，長三角城市群ESV下降主要原因是耕地和水域濕地等生態(tài)用地面積迅速下降，這與同時期該地區(qū)高速經(jīng)濟擴張和城市化建設(shè)是相吻合的，在上海、蘇州和無錫市接壤地區(qū)，南通和上海市接壤地區(qū)，杭州、嘉興和湖州市接壤地區(qū)ESV變化冷點效應(yīng)非常顯著(圖4)。2010—2020年，南京、鎮(zhèn)江、馬鞍山和蕪湖市連片接壤地區(qū)，蘇州和南通市接壤地區(qū)，臺州和溫州市濱海地區(qū)ESV變化由2000—2010年的熱點變?yōu)槔潼c或冷點效應(yīng)顯著(圖4)，這從側(cè)面表明這些地區(qū)是長三角城市群演化的新興高速發(fā)展區(qū)域。

3.2 ESV驅(qū)動路徑

2000—2020年各驅(qū)動因素的重要性(圖6)以及驅(qū)動因素對ESV標準化路徑系數(shù)顯著性及大小的差異(圖7)體現(xiàn)了各驅(qū)動因素在ESV及影響因素的演化過程中的分異特征，這種特征對理解ESV演化過程具有重要啟示。在直接驅(qū)動路徑方面，與LUO等[14]采用嶺回歸解釋的城市群驅(qū)動因素結(jié)果相似，土地利用結(jié)構(gòu)對研究區(qū)ESV驅(qū)動力非常顯著，但筆者發(fā)現(xiàn)水域面積是ESV最主要的驅(qū)動因素，這與WANG等[37]的發(fā)現(xiàn)相似。筆者進一步闡明了水域、林地和耕地面積對ESV的直接影響以及水域和耕地面積通過林地面積對ESV的間接影響，剖析了完整驅(qū)動過程(圖7)。同時，筆者選擇河網(wǎng)密度和PM2.5作為長三角城市群ESV驅(qū)動因素是結(jié)合當?shù)厣鷳B(tài)環(huán)境和社會經(jīng)濟條件的一種探索。由圖7可知，河網(wǎng)密度對ESV的驅(qū)動影響非常顯著，且標準化路徑系數(shù)絕對值隨時間呈上升趨勢。同時，2000—2020年，長三角地區(qū)PM2.5呈下降趨勢，其對ESV的驅(qū)動顯著下降，對林地面積的驅(qū)動強度也呈下降趨勢。

在間接驅(qū)動路徑方面，NDVI和林地面積同時作為中間變量直接或間接作用于ESV，其中，其他驅(qū)動因素通過林地面積對ESV的間接作用則更為顯著；同時，水域面積、耕地面積、河網(wǎng)密度、PM2.5、人口密度和夜間燈光對林地面積的驅(qū)動效應(yīng)均非常顯著，但對林地面積變化的解釋程度則不是很高，為47%～55%。驅(qū)動因素直接和間接標準化路徑系數(shù)的分異特征也體現(xiàn)出生態(tài)系統(tǒng)復(fù)雜的作用關(guān)系。筆者研究中，除了耕地面積通過林地面積間接作用于ESV的間接標準化路徑系數(shù)小于耕地面積直接作用于ESV的標準化路徑系數(shù)外，其他驅(qū)動路徑均為間接驅(qū)動路徑的顯著性水平和驅(qū)動強度大于直接驅(qū)動路徑，如PM2.5和河網(wǎng)密度作用于林地面積的顯著性水平和標準化路徑系數(shù)大于直接作用于ESV。

筆者研究對NDVI的解釋程度較弱，低于YANG等[38]發(fā)現(xiàn)的江蘇省人類活動變化對NDVI的解釋強度為56%的結(jié)果。但筆者研究發(fā)現(xiàn)，在氣候變化方面，溫度對NDVI的標準化路徑系數(shù)β為0.36～0.41，這可能是由于長三角城市群南部地區(qū)多為丘陵地貌，植被變化受到光熱溫度條件影響較大。

3.3 局限性

盡管在SEM驅(qū)動建模的ESV終端，SEM模型通過了假設(shè)檢驗且擬合精度較高，但其對建模路徑中的NDVI和林地面積的解釋能力較弱，這表明對于NDIV和林地面積仍然存在其他被忽視的驅(qū)動要素。同時，基于當量因子核算的ESV評價方法在一定程度上夸大了土地利用結(jié)構(gòu)對ESV的驅(qū)動影響，后期應(yīng)嘗試采用其他ESV核算方法進一步驗證驅(qū)動因素的重要性和驅(qū)動關(guān)系。在驅(qū)動指標選擇中，建設(shè)用地擴張導(dǎo)致生態(tài)系統(tǒng)服務(wù)價值減少，也是重要的驅(qū)動因素，而且其與城市擴張代表性指標夜間燈光的相關(guān)關(guān)系也應(yīng)該納入分析；目前采用當量法測度的ESV，忽視了更加細分尺上度生態(tài)系統(tǒng)健康的內(nèi)容，如原生森林生態(tài)系統(tǒng)單位面積ESV與人工林生態(tài)系統(tǒng)存在較大差異，這些可以在后期研究中通過試驗分析完善。盡管在2.1節(jié)從空間角度闡述了ESV的空間特征，但2.2節(jié)分析是從統(tǒng)計學(xué)習(xí)角度開展分析討論，并不能從空間角度深入分析，后期應(yīng)注重從時空演變和地區(qū)政策實施效果角度深入闡述ESV演變時空效應(yīng)。

同時，在區(qū)域尺度下不同生態(tài)功能區(qū)劃主導(dǎo)生態(tài)功能存在差異，主導(dǎo)生態(tài)功能對生態(tài)系統(tǒng)提供的供給、調(diào)節(jié)、支持和文化等服務(wù)價值存在差異，則其對ESV演化的驅(qū)動關(guān)系網(wǎng)絡(luò)必然存在分異特征，這是筆者研究未能考慮到的方面；而且，景觀格局、交通網(wǎng)絡(luò)、空氣污染物(除PM2.5外)和土壤類型等均對ESV產(chǎn)生驅(qū)動作用[15,25,39]，以及受污染的水體、耕地和林地對ESV驅(qū)動的差異影響，在城市發(fā)展過程中城市-郊區(qū)-農(nóng)村生態(tài)空間梯度演變特征對ESV演變也存在復(fù)雜影響，這些可以在后期研究中進一步探索。

4 結(jié)論

(1)2000—2020年長三角城市群水域和濕地保護導(dǎo)致研究區(qū)水文調(diào)節(jié)服務(wù)價值上升719.01億元，長三角ESV空間聚集冷熱點演變過程從側(cè)面反映了長三角城市群城市化演變過程。

(2)2000—2020年，水域面積、林地面積、PM2.5和河網(wǎng)密度對ESV的重要性均呈上升趨勢；水域面積對ESV的直接標準化路徑系數(shù)為非常顯著水平，其值穩(wěn)定在0.79～0.81之間。

(3)除直接驅(qū)動ESV外，各驅(qū)動因素通過林地面積間接驅(qū)動ESV也是重要驅(qū)動途徑，如PM2.5和河網(wǎng)密度作用于林地面積的顯著性水平和標準化路徑系數(shù)大于直接作用于ESV。

(4)驅(qū)動因素直接和間接標準化路徑系數(shù)的分異特征也體現(xiàn)出生態(tài)系統(tǒng)復(fù)雜的作用關(guān)系，城市群生態(tài)福祉提升應(yīng)綜合考慮各項直接和間接驅(qū)動關(guān)系，從城市群一體化發(fā)展的角度提升城市生態(tài)系統(tǒng)服務(wù)價值。