熱帶雨林區(qū)水源涵養(yǎng)服務時空演變及驅(qū)動因素分析：以海南熱帶雨林國家公園為例

杜樂山，劉海鷗，劉文慧，王槐睿，張 穎，全占軍*

1.北京林業(yè)大學經(jīng)濟管理學院，北京 100083

2.中國環(huán)境科學研究院生態(tài)研究所，北京 100012

3.海南省輻射環(huán)境監(jiān)測站，海南 ?？?571126

生態(tài)系統(tǒng)服務是指人類從生態(tài)系統(tǒng)中獲取的惠益，包括供給服務、調(diào)節(jié)服務、文化服務和支持服務四大類[1].水源涵養(yǎng)服務作為生態(tài)系統(tǒng)調(diào)節(jié)服務的重要組成部分，直接關(guān)系到生態(tài)系統(tǒng)的韌性和社會經(jīng)濟可持續(xù)發(fā)展[2].如何科學識別水源涵養(yǎng)服務重要區(qū)域，量化水源涵養(yǎng)服務及其時空演變規(guī)律[2-4]，一直是學術(shù)界討論與研究的熱點.早期主要基于觀測數(shù)據(jù)定量分析水源涵養(yǎng)服務，研究方法包括水量平衡法、降水貯存法、年徑流法、林冠截留剩余法、土壤蓄水能力法等，這類方法往往需要大量的定點觀測數(shù)據(jù)，僅適用于小尺度研究；近年來大量基于模型的水源涵養(yǎng)服務量化方法脫穎而出，如SWAT 模型[5-6]、InVEST 模型[2,7-8]、LPJ 動態(tài)模型[9]等，特別是InVEST 模型所需的數(shù)據(jù)易獲取、參數(shù)調(diào)整靈活、評價結(jié)果可空間化表達，得到了學術(shù)界的廣泛認可[10-11].值得注意的是，不同學者界定的水源涵養(yǎng)服務內(nèi)涵、選取的評估模型與使用的本底數(shù)據(jù)不同，往往導致水源涵養(yǎng)服務估算結(jié)果出現(xiàn)較大差異[12]，因此，基于不同生態(tài)系統(tǒng)類型，采用不同方法與評估模型得出的結(jié)果往往不具備可比性，但對同一區(qū)域開展水源涵養(yǎng)服務時空動態(tài)演變分析，對系統(tǒng)掌握區(qū)域水源涵養(yǎng)服務情況具有重要意義[13-14].

近年來，海量數(shù)據(jù)的出現(xiàn)以及機器學習算法的快速發(fā)展，極大提升了機器學習在數(shù)據(jù)分析中的應用，越來越多的機器學習算法在特定領(lǐng)域甚至超過人類，成為眾多領(lǐng)域解決現(xiàn)實問題的有效工具.在生態(tài)環(huán)境領(lǐng)域，支持向量回歸模型(support vector regression，SVR)[15-16]、BP 神經(jīng)網(wǎng)絡(luò)[17-18]和LSTM[19-20]等機器學習算法已被廣泛應用于大氣污染預測，隨機森林模型[21-22]、神經(jīng)網(wǎng)絡(luò)模型[23]也被應用到生態(tài)系統(tǒng)服務驅(qū)動因素分析并取得了良好效果.在機器學習算法中，基于Adaboost 算法[24-25]和梯度提升樹(Gradient Boosting Decision Tree，GBDT)[26]的集成學習法應用則更為廣泛；尤其是GBDT，通過逐步訓練組合多個決策樹來實現(xiàn)分類或回歸任務，具有高度可解釋性、魯棒性強、可擴展性好的優(yōu)點而被優(yōu)先選用.LightGBM(grandient boosting machine)是實現(xiàn)GBDT 算法的優(yōu)化版本[27]，具有訓練速度快、內(nèi)存消耗低、準確率高且可以快速處理海量數(shù)據(jù)等優(yōu)點，而被廣泛認可并應用于健康管理、災害防控等方面，但在環(huán)境領(lǐng)域應用較少[28].

1 研究區(qū)概況

海南熱帶雨林國家公園位于海南島中部，地理位置108°44 ′32 ″E～110°04 ′43 ″E、18°33 ′16 ″N～19°14′16″N，涉及五指山、瓊中、白沙、東方、陵水、昌江、樂東、保亭、萬寧9 個縣(市)，總面積4 269 km2，約占海南島總面積的12.1%.國家公園最高點位于五指山，海拔1 867 m；最低點位于吊羅山區(qū)域都總河，海拔僅45 m(見圖1).該區(qū)光照充足，熱量條件優(yōu)越，年均氣溫在22.5～26.0 ℃之間；年降水量大，雨水充沛，多年平均降水量為1 759 mm，但時空分布不均勻，干濕季節(jié)明顯；臺風活動頻數(shù)多、強度大、時間長，臺風帶來的強風、暴雨和風暴潮等對該區(qū)域有較大影響.全區(qū)森林覆蓋率為95.86%，其中，以熱帶雨林為主體的天然林占76.56%.

圖1 海南熱帶雨林國家公園數(shù)字高程Fig.1 Digital elevation model of Hainan Tropical Rain Forest National Park

2 研究方法與數(shù)據(jù)來源

2.1 水源涵養(yǎng)服務評估

采用InVEST 模型對2000-2020 年海南熱帶雨林國家公園的產(chǎn)水深度和水源涵養(yǎng)量進行評估.InVEST 模型是由斯坦福大學、大自然保護協(xié)會(TNC)與世界自然基金會(WWF) 于2007 年聯(lián)合開發(fā)的，通過地形系數(shù)、土壤飽和導水率以及流速系數(shù)對產(chǎn)水量進行修正獲得水源涵養(yǎng)量[31].InVEST 模型產(chǎn)水模塊基于水量平衡原理，認為柵格單元的降水量減去實際蒸散發(fā)后的水量即為產(chǎn)水量，在產(chǎn)水量的基礎(chǔ)上再考慮土壤厚度、滲透性、地形等因素的影響，計算水源涵養(yǎng)量.模型主要算法如下：

式中：Yil為 柵格單元i中 土地利用類型l的年產(chǎn)水量，mm；AETil為柵格單元i中 土地利用類型l的年均蒸散發(fā)量，mm；Pi為柵格單元i的年均降水量，mm.其中，(實際蒸散量與降水量的比值) 是依據(jù)Zhang等[32]在Budyko 曲線基礎(chǔ)上發(fā)展而來，其表達式如下：

式中：wi為柵格單元i中修正的植被年可利用水量與降水量的比值，是描述自然氣候與土壤性質(zhì)的參數(shù)；AWCi為柵格單元i的植物有效含水量，由土壤質(zhì)地和土壤有效深度決定，是田間持水量和萎蔫點之間的差值，mm；Zh為Zhang 系數(shù)，是表征降水特征的常數(shù)；Ril為柵格單元i中 土地利用類型l的Budyko 干燥指數(shù)，表示潛在蒸發(fā)量與降水量的比值；pi為柵格單元i的潛在蒸散量，由氣候條件決定，mm；kil為 柵格單元i中土地利用類型l的植被蒸散系數(shù)，是不同發(fā)育期中作物蒸散量(ET)與 潛在蒸散量(ET0)的比值，由植被類型決定.

2.2 時間演變分析

從時間尺度對水源涵養(yǎng)服務的演變規(guī)律進行研究，構(gòu)建水源涵養(yǎng)服務變化指數(shù)(water conservation index，WCI) 對水源涵養(yǎng)服務的波動情況進行刻畫，用以指征水源涵養(yǎng)服務的相對增益或損失[33].WCI=0表明水源涵養(yǎng)服務沒有變化，即無增益無減損；WCI＜0表示有減損；WCI＞0 表示有增益[34].計算公式：

式中：WCIi為柵格單元i水源涵養(yǎng)服務變化指數(shù)；WCcur為待估年份的水源涵養(yǎng)量，m3；WChis為初始年份的水源涵養(yǎng)量，m3.

2.3 空間格局分析

空間自相關(guān)分析是研究物體在空間變量分布是否具有聚集性和相互作用的重要方法，包含全局空間自相關(guān)和局部空間自相關(guān)兩種[35]，分別揭示空間單元性質(zhì)與鄰近空間上其他屬性值在全局空間和局部空間上的相關(guān)性[36].采用全局莫蘭指數(shù)(Moran′s I)描述水源涵養(yǎng)服務的空間自相關(guān)特征，當Moran′s I＞0 時，說明WCI 具有正向空間自相關(guān)，值越大表示正向自相關(guān)性越強；當Moran′s I＜0 時，說明具有負向空間自相關(guān)，值越小表示負向自相關(guān)性越強；當Moran′s I=0時，說明沒有相關(guān)性，即呈隨機分布[37].Moran′s I 指數(shù)計算公式如下：

一個詞的意義發(fā)生演變，與整個社會的發(fā)展分不開。由于詞匯是語言三要素中與客觀世界聯(lián)系最為緊密的部分，因此客觀世界的發(fā)展變化會影響詞匯產(chǎn)生發(fā)展變化。在這一變化過程中，詞義的演變是必然的。

式中：WCi和 WCj分別為柵格單元i和j的水源涵養(yǎng)量，m3；n為研究區(qū)樣本總量；為區(qū)域水源涵養(yǎng)量的平均值，m3；wij為柵格單元i和j基于距離函數(shù)鄰接關(guān)系建立的空間權(quán)重矩陣.

空間聚類分析(local indicators of spatial association，Lisa)用于研究區(qū)域內(nèi)水源涵養(yǎng)服務的空間分異規(guī)律.Lisa 計算公式[38]：

式中：wij為空間權(quán)重矩陣，xi為柵格單元i的屬性值，為所有屬性值的平均值，n為區(qū)域單元的總數(shù).Lisa＞0 表示空間單元的水源涵養(yǎng)服務是高-高值或低-低值的空間聚集；相反，Lisa＜0 表示空間單元的水源涵養(yǎng)服務為高-低值或低-高值的空間聚集[39].在此基礎(chǔ)上，利用ArcGIS 10.2 軟件空間分析中的熱點分析工具(hotspot analysis，基于Getis-Ord Gi*統(tǒng)計指數(shù))，通過計算各斑塊之間的得分Z(標準偏差)和概率P，檢測具有統(tǒng)計顯著性的熱點和冷點空間聚集區(qū)域，并繪制局部自相關(guān)指標Lisa 分布圖[40].

2.4 驅(qū)動因素分析

為進一步研究海南熱帶雨林國家公園水源涵養(yǎng)服務的影響因素，參考已有文獻[11,39,41-42]，選取自然因素和人類活動兩大類共12 個具體指標(見表1).將各柵格數(shù)據(jù)的空間投影坐標統(tǒng)一為CGCS2000 高斯投影坐標系，通過ArcGIS 10.2 的“值提取至點”工具，將不同分辨率的數(shù)據(jù)重采樣為30 m 分辨率并對齊柵格[11]，對土地利用類型(LULC)指標做類別變量轉(zhuǎn)換，其他指數(shù)進行歸一化處理.基于ArcGIS 10.2 軟件對2000 年、2005 年、2010 年、2015 年和2020 年每年生成2 000 個隨機點，5 期共計10 000 個樣本，基于Python 語言對數(shù)據(jù)進行清洗，去除空值后剩余9 135個樣本.采用LightGBM 構(gòu)建決策樹，對樣本集采用隨機且有放回地抽取，并將樣本集的80%劃分為訓練樣本、20%作為驗證樣本，研究各驅(qū)動因子對海南熱帶雨林國家公園水源涵養(yǎng)服務的貢獻，并基于Shape 包對模型進行解釋性分析.

表1 海南熱帶雨林國家公園水源涵養(yǎng)服務驅(qū)動因素及數(shù)據(jù)來源Table 1 Driving factors of water conservation and their sources of Hainan Tropical Rain Forest National Park

3 結(jié)果與分析

3.1 時間演變分析

2000-2020 年，以5 年為一個時間段，通過InVEST 模型評估得到海南熱帶雨林國家公園的產(chǎn)水深度和水源涵養(yǎng)量.總體而言，海南熱帶雨林國家公園產(chǎn)水深度和水源涵養(yǎng)量波動較大，呈現(xiàn)“先下降、后上升”的趨勢(見圖2 和圖3).其中，2000 年、2005 年、2010 年、2015 年和2020 年的產(chǎn)水深度分別為1 264.85、998.72、927.19、950.39 和1 023.28 mm(見圖3).2000-2010 年水源涵養(yǎng)量逐期下降，從5.36×109m3降至3.93×109m3，降幅為26.7%；2010-2020 年水源涵養(yǎng)量逐期上升，從3.93×109m3升至4.34×109m3，升幅為10.37%(見圖2).

圖2 海南熱帶雨林國家公園2000—2020 年水源涵養(yǎng)量和產(chǎn)水深度的年際變化Fig.2 Annual changes of water conservation and water yield from 2000 to 2020 in Hainan Tropical Rain Forest National Park

圖3 海南熱帶雨林國家公園2000—2020 產(chǎn)水深度的空間分布Fig.3 Distribution of water yield in Hainan Tropical Rain Forest National Park from 2000 to 2020

采用InVEST 模型評估得到2000-2020 年海南熱帶雨林國家公園的產(chǎn)水深度在927.19～1 264.85 mm 之間，水源涵養(yǎng)量在4.37×109～5.96×109m3之間，水源涵養(yǎng)量非常大，這與該地區(qū)是昌化江、萬泉河、太陽河、陵水河等河流的發(fā)源地相吻合.本研究結(jié)果與21 世紀初的部分研究結(jié)果[43-45]存在數(shù)量級差異，與近期李昂等[29]和張翠萍等[46]的研究結(jié)果相近.從表2 可以看出，采用不同方法與模型得到的水源涵養(yǎng)量往往存在較大差異，即使采用同樣的模型，使用參數(shù)不同也會導致結(jié)果存在差異，這是目前學術(shù)界面臨的普遍問題[55].但這并不影響筆者所得結(jié)果的可靠性，筆者通過相同的方法、模型與參數(shù)得出的水源涵養(yǎng)服務，在時間和空間上具有可比性，對指導國家公園保護規(guī)劃編制及綜合管理具有參考價值.另外，劉賢詞等[53]研究發(fā)現(xiàn)南渡江流域水源涵養(yǎng)量在2005-2010 年呈下降趨勢，張翠萍等[46]研究發(fā)現(xiàn)海南中部山區(qū)在1998-2013 年水源涵養(yǎng)量則呈先上升后下降的趨勢，韓念龍等[11]研究發(fā)現(xiàn)海南島水源涵養(yǎng)量在1996-2020 年出現(xiàn)下降，李昂等[29]研究發(fā)現(xiàn)海南熱帶雨林國家公園水源涵養(yǎng)量在2000-2018 年先上升后下降(見表2).上述研究均發(fā)現(xiàn)海南島部分區(qū)域水源涵養(yǎng)量的時間波動性，與筆者得出海南熱帶雨林國家公園2000-2020 年水源涵養(yǎng)量呈現(xiàn)先下降后上升的結(jié)論部分吻合，水源涵養(yǎng)量除了與降水量密切相關(guān)以外，還與21 世紀前10 年自然生態(tài)系統(tǒng)面積持續(xù)減少[51]、黨的十八大以來森林生態(tài)系統(tǒng)面積持續(xù)增長有直接關(guān)系[56].

表2 海南省部分研究區(qū)域水源涵養(yǎng)服務相關(guān)研究結(jié)果對比Table 2 Comparison of research results of water conservation of some research areas in Hainan Province

3.2 空間格局分析

利用ArcGIS 10.2 軟件將海南熱帶雨林國家公園產(chǎn)水深度進行空間可視化，結(jié)果表明，產(chǎn)水深度的空間分布格局差異較大，呈現(xiàn)出自北向南逐漸增加、自西向東逐漸增加的分布特點，并且這種空間分布特點在不同年份之間具有較好的一致性(見圖3).

海南熱帶雨林國家公園水源涵養(yǎng)服務總體呈現(xiàn)“東高西低、南高北低”的分布特點，特別是自西向東明顯減少，與張翠萍等[46]對海南中部山區(qū)的研究結(jié)果一致，也與海南島降水量的分布基本一致，這是因為海南島屬于熱帶季風海洋性氣候，受海南島中部高海拔的影響，多年平均降水量由東到西遞減[11]；實際蒸散發(fā)受降水量及土地利用類型的綜合影響，林地是海南熱帶雨林國家公園的主要生態(tài)系統(tǒng)類型，國家公園東部和南部是天然林分布的主要區(qū)域[46]，植被和土壤截留的降水相對較多，導致區(qū)域水源涵養(yǎng)量較高[11]；西部靠近工業(yè)園區(qū)，天然林相對較少，橡膠園等人工植被覆蓋面積較大[46]，植被的實際蒸散發(fā)相對較高，導致被截留的降水較少，使其水源涵養(yǎng)量偏低[11].

3.3 自相關(guān)分析

綜合空間異質(zhì)性表達能力和運算工作量，確定1 km×1 km 格網(wǎng)作為研究區(qū)水源涵養(yǎng)服務驅(qū)動分析的空間單元.由圖4 可知，2000-2020 年海南熱帶雨林國家公園水源涵養(yǎng)服務的空間Moran′s I 指數(shù)均大于0.93，Z得分大于2.58(均通過1%顯著性檢驗)，表明海南熱帶雨林國家公園水源涵養(yǎng)服務有較強的空間正相關(guān)性，空間聚集特征明顯(見表3 和圖4).

表3 海南熱帶雨林國家公園水源涵養(yǎng)服務Moran′s I 指數(shù)與冷熱點分析Table 3 Moran′s I and hot spot analysis of water conservation in Hainan Tropical Rain Forest National Park

圖4 海南熱帶雨林國家公園2000—2020 水源涵養(yǎng)服務冷熱點分布Fig.4 Distribution of hot spot of water conservation in Hainan Tropical Rain Forest National Park from 2000 to 2020

對海南熱帶雨林國家公園的水源涵養(yǎng)服務進行局部空間差異性分析，通過空間聚類分析圖(Lisa)可以明顯看出，西部地區(qū)出現(xiàn)空間冷點(“低-低”型)，而東部地區(qū)出現(xiàn)空間熱點(“高-高”型)，且這種分布特征在不同年份之間呈現(xiàn)較好的一致性(見圖4).與以往研究結(jié)果[11]類似，“高-高”型主要分布在國家公園東部，與水源涵養(yǎng)服務高值區(qū)分布一致；“低-低”型主要聚集在國家公園西部，該區(qū)域靠近工業(yè)園區(qū)，疊加降水較少及實際蒸發(fā)較高等因素，水源涵養(yǎng)能力較弱；“高-低”型和“低-高”型分布較為零散.另外，2000-2020 年空間熱點區(qū)域面積基本表現(xiàn)出“先上升后下降而后上升”的趨勢，空間冷點區(qū)域面積呈現(xiàn)縮小的趨勢(見表3)，這與我國近年來逐步加大以國家公園為主體的自然保護地體系保護力度密不可分.

3.4 驅(qū)動因素分析

基于LightGBM 模型，對2000-2020 年海南熱帶雨林國家公園的水源涵養(yǎng)服務進行決策分析，以確定各驅(qū)動因子在水源涵養(yǎng)服務方面的貢獻.結(jié)果顯示，各影響因子對水源涵養(yǎng)服務的解釋度達98.98%.為進一步解析各驅(qū)動因素對水源涵養(yǎng)服務的貢獻，將所有采樣點通過蜂窩圖進行展示，結(jié)果如圖5 所示.

圖5 海南熱帶雨林國家公園水源涵養(yǎng)服務驅(qū)動因素蜂窩圖Fig.5 Shap plot of factors driving water conservation in Hainan Tropical Rain Forest National Park

從蜂窩圖可以清晰看出，降水量(Pre)、蒸發(fā)量(Pet)、土地利用類型(LULC)對海南熱帶雨林國家公園水源涵養(yǎng)服務的邊際貢獻度最高，是主要影響因素；水源涵養(yǎng)能力與降水量呈顯著正相關(guān)，與蒸發(fā)量呈顯著負相關(guān)，同時受土地利用類型影響較為顯著.其他因素的邊際貢獻度從大到小依次為數(shù)字高程(DEM)、坡度(Slope)、凈初級生產(chǎn)力(NPP)、歸一化植被指數(shù)(NDVI)、人類足跡指數(shù)(Hii)、人口密度(Pop)、溫度(Tem)、人均GDP 和夜間燈光(Dmsp).從圖5 可以清晰看出，除土地利用類型外，其他人類活動如人類足跡指數(shù)(Hii)、人口密度(Pop)、人均GDP、夜間燈光(Dmsp)對水源涵養(yǎng)服務的影響都不大(見圖5).

研究發(fā)現(xiàn)，自然因素中降水量、蒸發(fā)量，以及人類活動中的土地利用類型是海南熱帶雨林國家公園水源涵養(yǎng)服務的主要驅(qū)動因素，這與以往利用地理探測分析得出的降水量、實際蒸散發(fā)和土地利用類型對水源涵養(yǎng)時空變化分布具有密切關(guān)系[11]的結(jié)論一致，也與我國太湖[57]、三江源[58]等其他地區(qū)研究結(jié)論類似.LighGBM 模型分析同時發(fā)現(xiàn)，其他人類活動，如人類足跡指數(shù)(Hii)、人口密度(Pop)、人均GDP、夜間燈光(Dmsp)對水源涵養(yǎng)服務的影響不大，一方面是因為自然因素對生態(tài)系統(tǒng)服務影響更大[4]，另一方面也說明近年來國家加大對國家公園保護與管控力度，保護區(qū)內(nèi)人類活動稀少導致對水源涵養(yǎng)服務影響不大.本研究引入LightGBM 模型探究海南熱帶雨林國家公園水源涵養(yǎng)服務的驅(qū)動因素，研究結(jié)果對國家公園精細化管理具有重要參考價值；但考慮到影響水源涵養(yǎng)服務時空演變的因素錯綜復雜，除本研究選取的因素外，生態(tài)系統(tǒng)演替階段、林齡[59]以及其他政策制度、保護規(guī)劃、價值觀念等難以量化的因素也會直接影響水源涵養(yǎng)服務[39]，還需要在未來的研究中進一步探討.

4 結(jié)論與建議

4.1 結(jié)論

a) 從時間維度來看，2000-2020 年海南熱帶雨林國家公園水源涵養(yǎng)量波動較大，呈現(xiàn)“先下降、后上升”的趨勢，2000 年、2005 年、2010 年、2015 年和2020 年水源涵養(yǎng)量分別為5.36×109、4.23×109、3.93×109、4.03×109、4.34×109m3.

b) 從空間關(guān)系來看，2000-2020 年海南熱帶雨林國家公園水源涵養(yǎng)量的空間格局差異較大，呈現(xiàn)“東高西低、南高北低”的分布特點，且空間分異在不同年份之間具有較好的一致性.總體來看，2000-2020 年Moran′s I 指數(shù)均大于0.93，Z得分大于2.58(均通過1%顯著性檢驗)，表明水源涵養(yǎng)服務呈較強的空間聚集模式；西部地區(qū)出現(xiàn)空間冷點，而東部地區(qū)出現(xiàn)空間熱點，且這種分布特征在不同年份之間呈現(xiàn)較好的一致性.

c) 從驅(qū)動力分析來看，本文引入LightGBM 機器學習系統(tǒng)研究海南熱帶雨林國家公園水源涵養(yǎng)服務驅(qū)動因素，發(fā)現(xiàn)降水量(Pre)、蒸發(fā)量(Pet)和土地利用類型(LULC)對水源涵養(yǎng)服務的邊際貢獻度最高，其中，水源涵養(yǎng)服務與降水量呈正相關(guān)，與蒸發(fā)量呈負相關(guān)，同時受土地利用類型影響較為顯著；其他因素的邊際貢獻度從大到小依次為數(shù)字高程(DEM)、坡度(Slope)、凈初級生產(chǎn)力(NPP)、歸一化植被指數(shù)(NDVI)；其他人類活動，如人類足跡指數(shù)(Hii)、人口密度(Pop)、人均GDP、夜間燈光(Dmsp)對水源涵養(yǎng)服務的影響不大.

4.2 建議

水是連結(jié)生態(tài)系統(tǒng)過程與人類活動的重要紐帶，水源涵養(yǎng)服務在生態(tài)系統(tǒng)服務中占據(jù)中心地位.研究發(fā)現(xiàn)，海南熱帶雨林國家公園水源涵養(yǎng)服務具有時間波動性和空間差異性，且受自然因素(主要為降水量和蒸發(fā)量)與人類活動(主要為土地利用類型)影響較大.為提升海南熱帶雨林國家公園水源涵養(yǎng)服務，提出如下建議：

a) 對國家公園進行整體性保護與區(qū)域差異化管理.每年海南熱帶雨林國家公園水源涵養(yǎng)量為3.93×109～5.36×109m3，對保障海南島飲用水安全和可持續(xù)發(fā)展至關(guān)重要，必須對國家公園進行統(tǒng)籌規(guī)劃與整體保護，并以國家公園為中心，協(xié)同推進構(gòu)建全島水生態(tài)安全屏障.同時，基于國家公園水源涵養(yǎng)服務的時空異質(zhì)性特征，在水源涵養(yǎng)量較高的東部地區(qū)繼續(xù)落實嚴格保護措施，對西部水源涵養(yǎng)量相對較低且出現(xiàn)“低-低”分布特征的地區(qū)，建議在不影響自然演替進程的同時適當開展森林撫育措施，以達到國家公園水源涵養(yǎng)最大化的目的.

b) 深入開展氣候變化與人類活動監(jiān)測及其對水源涵養(yǎng)服務的影響研究.國家公園水源涵養(yǎng)服務的時空變化是自然因素(主要為降水量和蒸發(fā)量)和人為活動(主要為土地利用類型)共同作用的結(jié)果.基于全球氣候變化大背景，建議有效利用大數(shù)據(jù)及人工智能(機器學習)等先進技術(shù)，準確把握自然因素波動對水源涵養(yǎng)服務的影響，提前預判水源涵養(yǎng)服務的時空變化趨勢并提出保障措施.同時，對國家公園核心區(qū)域進行嚴格保護才能維持源源不斷的水源供給，建議充分利用好“五基”協(xié)同生態(tài)遙感監(jiān)測體系，集成可見光、紅外、雷達、激光等多種傳感器[60-61]，全方位做好國家公園人類活動監(jiān)督管理工作，切實保障海南島的飲用水安全.

c) 注重方法的科學性與評估的延續(xù)性.從科學研究的角度來講，水源涵養(yǎng)服務評估模型及研究方法多樣化更有利于推動學科發(fā)展，基于不同研究目的可選用不同方法；但從精細化管理的角度，必須進一步明確研究的規(guī)范性、方法的科學性和模型參數(shù)的一致性，從而對不同尺度開展時空演變分析，指導保護管理與決策制定.同時，建議對國家公園等重點區(qū)域，開展常態(tài)化監(jiān)測和評估以保證結(jié)果的延續(xù)性，為國家公園科學保護與精細化管理提供決策支撐.