2000—2020年青藏高原產(chǎn)水服務(wù)時空分布格局及影響因素

摘要：產(chǎn)水服務(wù)是生態(tài)系統(tǒng)服務(wù)的重要組成部分，對生態(tài)系統(tǒng)平衡和區(qū)域可持續(xù)發(fā)展具有重要意義.青藏高原是“亞洲水塔”，是我國和亞洲的“江河源”，它提供了大量的淡水資源和產(chǎn)水服務(wù).基于InVEST模型分析2000—2020 年青藏高原產(chǎn)水服務(wù)時空分布及時空演變特征，利用地理探測器方法探究氣候、植被、土壤、地形、土地利用等不同因素對青藏高原產(chǎn)水服務(wù)空間分異的驅(qū)動機(jī)制.結(jié)果表明，近20年來青藏高原產(chǎn)水量和降水量年際變化呈波動增加的趨勢，且具有明顯的空間分異性，產(chǎn)水量高值集中分布在青藏高原東南部，低值區(qū)主要分布在柴達(dá)木盆地和西部的阿里地區(qū)；青藏高原產(chǎn)水服務(wù)呈增加趨勢、減少趨勢和無明顯變化的面積分別占79.08%，16.45%和4.47%，年降水量與實際蒸散量的交互作用對產(chǎn)水保持服務(wù)空間分異的影響最強(qiáng).研究結(jié)果可以為區(qū)域水資源綜合利用及合理配置提供科學(xué)支撐.

關(guān)鍵詞：產(chǎn)水服務(wù)；InVEST模型；時空格局；地理探測器；青藏高原

中圖分類號：K 928.4；TV 211.1" ""文獻(xiàn)標(biāo)志碼：A""" 文章編號：1001-988Ⅹ（2024）04-0001-11

Spatial distribution pattern and influencing factors of water yield

services in Qinghai-Tibet Plateau from 2000 to 2020

DAI Er-fu1，2，LU Rong-rong1，2

（1.Lhasa Plateau Ecosystem Research Station/Key Laboratory of Ecosystem Network Observation and Modeling/

Institute of Geographic Sciences and Natural Resources Research，Chinese Academy of Sciences，Beijing 100101，China;

2.University of Chinese Academy of Sciences，Beijing 100049，China）

Abstract：Water yield service is an important part of ecosystem service，which plays an important role in ecosystem balance and regional sustainable development.Qinghai-Tibet Plateau（QTP） is the

“Asian water tower”，the source of the river in China and Asia，providing a large number of fresh

water resources and water yield service.Based on the InVEST model，the spatial and temporal distribution of water yield service on the QTP from 2000 to 2020 is evaluated，and its spatial and temporal evolution characteristics，as well as the driving mechanisms of different factors such as climate，vegetation，soil，topography and land use on the spatial variation of water yield services are analyzed by using the geographical detector method.The results showed that the inter-annual variation of water yield and precipitation over the QTP in recent 20 years had a trend of fluctuating and increasing，with obvious spatial differentiation.The high water yield was mainly distributed in the southeast of the QTP，while the low water yield was mainly distributed in the Qaidam Basin in the north and Ngari region in the west of the QTP.The areas with increasing trend，decreasing trend and no significant change accounted for 79.08%，16.45% and 4.47%，respectively.The interaction between annual precipitation and actual evapotranspiration had the strongest influence on the spatial differentiation of water production retention service.The results can provide scientific support for the comprehensive utilization and rational allocation of regional water resources.

Key words：water yield services;InVEST model;spatio-temporal pattern;geographical detector;Qinghai-Tibet Plateau

生態(tài)系統(tǒng)服務(wù)指人類從生態(tài)結(jié)構(gòu)、生態(tài)系統(tǒng)以及生態(tài)過程中直接或間接獲取的包括有形產(chǎn)品及無形服務(wù)在內(nèi)的所有惠益［1-2］，包含支持服務(wù)、供給服務(wù)、調(diào)節(jié)服務(wù)和文化服務(wù)，是人類賴以生存和發(fā)展的資源與環(huán)境基礎(chǔ)［3］.產(chǎn)水服務(wù)是生態(tài)系統(tǒng)服務(wù)的重要組成部分，對生態(tài)系統(tǒng)平衡和區(qū)域可持續(xù)發(fā)展具有重要意義.產(chǎn)水服務(wù)直接影響區(qū)域水資源的整體水平，會對區(qū)域生態(tài)系統(tǒng)、農(nóng)業(yè)、工業(yè)、人類消費(fèi)、水力發(fā)電、漁業(yè)和娛樂活動產(chǎn)生重要影響［4-5］；同時，產(chǎn)水服務(wù)也是影響生物量、碳循環(huán)以及泥沙輸移等生態(tài)功能不可或缺的部分［6-7］.因此，深入了解產(chǎn)水量的時空變化特征、揭示其變化的控制因素對區(qū)域水資源優(yōu)化配置及生態(tài)系統(tǒng)可持續(xù)發(fā)展具有重要的應(yīng)用價值和指導(dǎo)意義.

近年來，國內(nèi)外許多學(xué)者應(yīng)用多源數(shù)據(jù)、采用不同方法對不同區(qū)域產(chǎn)水服務(wù)空間分布特征和影響因素開展了相關(guān)研究.產(chǎn)水服務(wù)評估主要是基于土壤蓄水能力法、綜合蓄水能力法、水量平衡法、降水儲存量法、年徑流量法和地下徑流增長法等進(jìn)行估算［8-9］.受監(jiān)測站點(diǎn)數(shù)量、觀測設(shè)備條件等限制，以上方法在大空間尺度估算時會產(chǎn)生較大誤差.隨著遙感和GIS技術(shù)在生態(tài)學(xué)、水文學(xué)領(lǐng)域的發(fā)展應(yīng)用，越來越多的模型可實現(xiàn)流域產(chǎn)水服務(wù)功能的模擬和評估［10-11］，其中基于生態(tài)過程模擬的生態(tài)系統(tǒng)服務(wù)與權(quán)衡交易的綜合評估模型（The Integrate Valuation of Ecosystem Services and Tradeoffs Tools，InVEST）中的產(chǎn)水模塊通過水量平衡原理能夠定量空間化區(qū)域產(chǎn)水量，該模塊以降水量除去植被等用于蒸散的水量的差值作為產(chǎn)水量［12-14］.InVEST模型產(chǎn)水模塊充分考慮了不同土地利用類型土壤滲透性的空間差異以及地形等因素對徑流的影響，其在數(shù)據(jù)輸入、參數(shù)率定、空間分析及結(jié)果可視化等方面存在優(yōu)勢［15］.InVEST模型的產(chǎn)水模塊已廣泛運(yùn)用于美國［16-17］、英國［18］、西班牙［19］、伊朗［20］、北京［21］、黃河流域［22-23］、橫斷山區(qū)［24-25］、秦嶺［26-27］等不同尺度的研究區(qū)，并取得了較好的應(yīng)用效果.

產(chǎn)水服務(wù)驅(qū)動力因素研究主要有定性和定量兩類方法，且逐漸由定性向定量轉(zhuǎn)變［28］.定性分析只能表征各驅(qū)動因子與產(chǎn)水量之間的關(guān)系，并不能確定各因子對產(chǎn)水量的貢獻(xiàn)程度［29-30］.定量分析通過統(tǒng)計分析、主成分分析、相關(guān)性分析、回歸分析等方法定量測度自然因素、人類活動、社會經(jīng)濟(jì)等對產(chǎn)水服務(wù)的影響程度［31-32］，能夠準(zhǔn)確判別各驅(qū)動因子對產(chǎn)水服務(wù)的貢獻(xiàn)程度.盡管上述研究從生態(tài)系統(tǒng)服務(wù)空間差異的測度及影響因素等方面開展了相應(yīng)研究，但對于其空間分異主要控制因子的探究以及不同因子疊加貢獻(xiàn)率的研究尚顯缺乏，而地理探測器方法［33］則可以通過一組統(tǒng)計學(xué)方法解釋要素空間分異的背后驅(qū)動力，能夠揭示空間分異背后的驅(qū)動力以及探測兩因子交互作用對要素的解釋力.該方法目前已經(jīng)在人類健康、社會經(jīng)濟(jì)、環(huán)境科學(xué)、生態(tài)景觀等方面得到了廣泛應(yīng)用［34-35］.地理探測器方法能詮釋產(chǎn)水服務(wù)驅(qū)動因素的空間差異，深入了解其發(fā)生變化的機(jī)理，為精準(zhǔn)制定區(qū)域水資源管理策略提供科學(xué)指導(dǎo).

青藏高原素有“亞洲水塔”之美譽(yù)，是我國和亞洲的“江河源”，長江、黃河、恒河、黑河等10余條著名大河發(fā)源于此，它提供了大量的淡水資源和產(chǎn)水資源.青藏高原區(qū)位獨(dú)特，區(qū)域氣候差異突出，在不同的空間尺度和地理位置，其地形、氣候、水文、土壤、植被等都存在明顯差異［36-37］，使得產(chǎn)水服務(wù)及其變化呈現(xiàn)出明顯的空間差異性.目前，針對青藏高原產(chǎn)水服務(wù)已有大量研究，但仍存在一定的局限性.大多數(shù)研究只關(guān)注單一時間點(diǎn)的產(chǎn)水服務(wù)空間分布，很少分析年際變化特征和時空演變趨勢；驅(qū)動因素的探究多將研究區(qū)作為一個整體，忽略了區(qū)域產(chǎn)水服務(wù)影響因素的空間異質(zhì)性以及因子間交互作用驅(qū)動機(jī)制的探索.因此，開展青藏高原產(chǎn)水服務(wù)時空特征及多因素交互作用分析刻不容緩.本文主要分析青藏高原2000—2020年產(chǎn)水服務(wù)時空變化特征，揭示青藏高原產(chǎn)水服務(wù)趨勢變化特征和波動規(guī)律，并探索青藏高原產(chǎn)水服務(wù)的關(guān)鍵驅(qū)動因素，分析驅(qū)動因素間的交互作用.本研究結(jié)果可以為區(qū)域水資源綜合利用及合理配置提供科學(xué)支撐.

1 材料與方法

1.1 研究區(qū)概況

青藏高原（26°00′N～39°47′N，73°19′E～104°47′E）位于中國西南部地區(qū)，北起西昆侖山-祁連山山脈北麓，南抵喜馬拉雅山等山脈南麓，東起橫斷山脈，西至帕米爾高原.青藏高原素有“世界屋脊”和“地球第三極”之稱，平均海拔4 000 m以上，是全球海拔最高、中國面積最大的高原，對我國乃至亞洲生態(tài)安全具有重要的屏障作用.青藏高原總面積約為260萬km2，空間范圍涉及西藏、新疆、青海、甘肅、四川、云南6個省區(qū).青藏高原地理位置特殊，氣候差異顯著，區(qū)域氣候同時受到西風(fēng)帶、印度季風(fēng)和東亞季風(fēng)的影響，氣溫日差較大，氣溫和降水自東南向西北逐漸減少，東南地區(qū)氣候溫暖濕潤，西北地區(qū)氣候干燥寒冷.巨大的海拔高程阻擋暖濕氣流北上，不易形成降水，不同地域降水量差異極大.土地利用類型中草地面積廣闊，北部大面積分布未利用地，林地則主要分布于東南部.青藏高原主要生態(tài)系統(tǒng)類型包括高寒草甸生態(tài)系統(tǒng)、高寒草原生態(tài)系統(tǒng)、森林生態(tài)系統(tǒng)，主要土壤類型包括高山土、淋溶土、初育土和水成土等.

1.2 數(shù)據(jù)來源

依據(jù)InVEST模型產(chǎn)水模塊以及地理探測器構(gòu)建需要，本文所需數(shù)據(jù)包括氣象數(shù)據(jù)、土地利用數(shù)據(jù)、數(shù)字高程模型（DEM）、土壤數(shù)據(jù)、歸一化植被指數(shù)（NDVI）.氣象數(shù)據(jù)主要包括降水、氣溫、蒸發(fā)等，通過中國科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心的中國氣象要素年度空間插值數(shù)據(jù)集獲取而來（http：//www.resdc.cn/）.土地利用數(shù)據(jù)選取中國科學(xué)院編制的1 km分辨率的2000，2005，2010，2015和2020年5期土地利用數(shù)據(jù)，分別表示2000—2002，2003—2007，2008—2012，2013—2017 和2018—2020 年間隔的土地利用情況.將土地利用類型分為耕地、林地、草地、水域、建設(shè)用地和未利用地6大地類.DEM、數(shù)據(jù)均來自于中國科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心（http：//www.resdc.cn/），其中DEM是構(gòu)建研究區(qū)坡度的基礎(chǔ)數(shù)據(jù).土壤數(shù)據(jù)中土壤分類系統(tǒng)中的名稱、土壤深度、土壤質(zhì)地、土壤有機(jī)質(zhì)含量等來源于基于世界土壤數(shù)據(jù)庫（HWSD）的中國土壤數(shù)據(jù)集（v1.1）（https：//data.tpdc.ac.cn/），土壤類型數(shù)據(jù)來自中國科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心.NDVI數(shù)據(jù)來源于美國NASA（https：// ladsweb.modaps.eosdis.nasa.gov/）MODIS數(shù)據(jù)產(chǎn)品中的MOD12Q1數(shù)據(jù)，空間分辨率為250 m，時間分辨率為16 d，采用最大值合成法以更好地反應(yīng)植被覆蓋狀況.以上所有數(shù)據(jù)都基于ArcGIS 軟件，轉(zhuǎn)換統(tǒng)一的投影坐標(biāo)系為Albers等面積投影，并重采樣為1 km的空間分辨率.

1.3 研究方法

1.3.1 產(chǎn)水量模型 利用InVEST模型中的Water Yield模塊估算產(chǎn)水量.該模塊根據(jù)水量平衡原理，柵格單元產(chǎn)水量為每個柵格單元的降雨量與實際蒸發(fā)量的差值［38］，計算公式為

Yxj=1-AETxjPxjPxj，

其中，Yxj為土地利用類型j上柵格單元x的年產(chǎn)水量（mm），Pxj為土地利用類型j上的柵格單元x的年均降雨量（mm），AETxj為土地利用類型j上柵格單元i的實際年平均蒸散發(fā)量（mm），且

AETxPx=1+PETxPx-1+PETxPxωx1ωx，

PETx=KCx×ET0x，

ωx=Z×PAWCxPx+1.25，

PAWCx=54.509-0.132×Csand-

0.003×C2sand-0.055×Csilt-

0.006×C2silt-0.738×Cclay+

0.007×C2clay-2.688×COM+

0.501×C2OM，

其中PETx為柵格單元x的潛在蒸散量（mm），ωx表示自然氣候-土壤性質(zhì)的非物理參數(shù)，KCx為作物蒸散發(fā)系數(shù)，ET0x表示柵格單位的參考作物蒸散（mm），Z為Zhang系數(shù)，PAWCx為植物可利用含水量，Csand，Csilt，Cclay，COM分別表示土壤砂粒、粉粒、粘粒和有機(jī)質(zhì)的含量（%）.

1.3.2 趨勢分析法 利用一元線性回歸分析［39］進(jìn)行青藏高原柵格尺度上的趨勢分析.該方法通過模擬研究時段內(nèi)每個柵格產(chǎn)水量的變化特征，進(jìn)而反映研究區(qū)域產(chǎn)水服務(wù)時空演變趨勢，其計算公式為

S=n∑ni=1i×SCi-∑ni=1i∑ni=1SCi

n×∑ni=1i2-∑ni=1i2，

其中，S為產(chǎn)水服務(wù)量變化趨勢的斜率，n為累計年數(shù)，i為年序號，SCi為第i年的產(chǎn)水服務(wù)值.如果Sgt;0，說明該區(qū)域隨著時間變化產(chǎn)水服務(wù)變化趨勢是增加的，且S值越大，表明增加趨勢越明顯；反之，產(chǎn)水服務(wù)隨時間變化呈下降趨勢；若S=0，說明該區(qū)域產(chǎn)水服務(wù)沒有變化.顯著性檢驗置信度為95%.

變異系數(shù)指數(shù)據(jù)標(biāo)準(zhǔn)差與平均值的比值，常用于衡量地理數(shù)據(jù)的波動性［40-41］.本文采用該方法反映產(chǎn)水服務(wù)的空間波動特征，其計算公式為

Cv=1SC×∑ni=1（SCi-SC）2n-1，

其中，Cv為產(chǎn)水服務(wù)變異系數(shù)，n為累計年數(shù)，i為年序號，SCi為第i年產(chǎn)水服務(wù)值，SC為研究時段產(chǎn)水服務(wù)平均值.Cv值越小，波動程度越小，表明產(chǎn)水服務(wù)年際變異越?。环粗?，波動程度越大，年際變異越大.

1.3.3 地理探測器 地理探測器是探測要素空間分層異質(zhì)性、揭示其背后驅(qū)動力的一組統(tǒng)計學(xué)方法［42-44］.地理探測器的核心思想是：如果某個自變量對某個因變量有重要影響，那么自變量和因變量的空間分布應(yīng)該具有相似性.空間分異性的大小可以由地理探測器的q值來衡量.地理探測器通過計算和比較各單因子q值及兩因子疊加后的q值，可以判斷兩因子是否存在交互作用，以及交互作用的強(qiáng)弱、方向、線性還是非線性等.地理探測器包括4個模塊：因子探測器、交互作用探測器、風(fēng)險探測器、生態(tài)探測器.

因子探測器用于探測因變量的空間分異性，以及探測影響因子（X）在多大程度上解釋了因變量（Y）的空間分異，用q值來度量，公式如下：

q=1-∑Lh=1Nhσ2hNσ2=1-SSWSST，

SSW=∑Lh=1Nhσ2h，

SST=Nσ2.

其中，h=1，2，…，L為因變量或自變量的分層；Nh和N分別為層h內(nèi)和全區(qū)的單元數(shù)；σ2h和σ2分別為層h和全區(qū)因變量值的方差；SSW為層內(nèi)方差之和；SST為全區(qū)總方差.q值可表明因變量的空間分異性及自變量對因變量的解釋能力，q的值域為［0，1］，值越大說明因變量的空間分異性越明顯；如果分層是由自變量X生成的，q值表示了X解釋了100×q%的Y;q值越接近于1，自變量X對因變量Y的解釋能力越強(qiáng)，反之越弱.

交互作用探測器用來探測雙變量間的交互作用，即評估兩因子共同作用是否會增加或減弱對因變量的解釋力.通過比較單因子q值和雙因子q值的大小，可判斷兩因子間交互作用的方向及方式.交互作用類型包括：若q（X1∩X2）lt;min（q（X1），q（X2）），則交互作用表現(xiàn)為非線性減弱；若min（q（X1），q（X2））lt;q（X1∩X2）lt;max（q（X1），q（X2）），表現(xiàn)為單因子非線性減弱；若q（X1∩X2）gt;max（q（X1），q（X2）），表現(xiàn)為雙因子增強(qiáng)；若q（X1∩X2）=q（X1）+q（X2），表現(xiàn)為兩因子獨(dú)立；若q（X1∩X2）gt;q（X1）+q（X2），表現(xiàn)為非線性增強(qiáng).

風(fēng)險探測器可判斷區(qū)域間的屬性均值是否有顯著的差別，用于探測不同影響因子對因變量影響的適宜范圍或類型，用t統(tǒng)計量來實現(xiàn).

2 結(jié)果與討論

2.1 青藏高原產(chǎn)水服務(wù)時空特征分析

2.1.1 年際變化特征 2000—2020年青藏高原平均產(chǎn)水深度變化范圍為276～411 mm，多年平均產(chǎn)水深度為342 mm.從年際變化趨勢來看，近20年來青藏高原產(chǎn)水深度和降水量變化趨勢較為相似，表現(xiàn)為波動增加（圖2）.產(chǎn)水深度和降水量都在2017年產(chǎn)生最大值，分別為411和615 mm；在2006年最低，產(chǎn)水深度和降水量分別為276 mm和474 mm.實際蒸散量的年際變化相對穩(wěn)定，波動較小，基本維持在200 mm左右.

2.1.2 空間變化特征 青藏高原各年份間產(chǎn)水量空間分布格局相似（圖3）.從2000—2020年均值空間分布來看，青藏高原產(chǎn)水量具有明顯的空間分異性，主要表現(xiàn)為從東南部到西北部呈下降趨勢.產(chǎn)水量高值主要集中分布在青藏高原東南部，尤其是西藏東部和四川西部的高山深谷地帶和新疆南部地區(qū)；低值區(qū)主要分布在青藏高原北部的柴達(dá)木盆地和西部的阿里地區(qū).

2.2 青藏高原產(chǎn)水服務(wù)空間變化趨勢及波動特征

根據(jù)趨勢分析結(jié)果，將青藏高原產(chǎn)水服務(wù)的變化趨勢分為3類，分別為增加趨勢（Sgt;0）、減少趨勢（Slt;0）和無明顯變化（S=0）.從變化趨勢的空間分布（圖4（a））來看，青藏高原產(chǎn)水服務(wù)整體表現(xiàn)為增加趨勢，呈增加趨勢、減少趨勢和無明顯變化的面積分別占79.08%，16.45%和4.47%.產(chǎn)水服務(wù)呈增加趨勢的區(qū)域集中分布在青藏高原的東北部和西北部，呈減少趨勢的區(qū)域主要分布在青藏高原東南部、海西州中部、那曲市中部、拉薩中部等地區(qū).

青藏高原產(chǎn)水服務(wù)變異系數(shù)介于0～4.36之間，將青藏高原產(chǎn)水服務(wù)波動狀況根據(jù)自然斷點(diǎn)法

劃分為3類，分別為低波動（0～0.45）、中等波動 （0.45～1.33）、高波動（1.33～4.36）.從波動性空間分布（圖4（b））來看，低波動占整個研究區(qū)的80.72%，中等波動占14.40%，高波動占4.88%.青藏高原產(chǎn)水服務(wù)波動特征以低波動為主，說明青藏高原大多數(shù)地區(qū)產(chǎn)水服務(wù)比較穩(wěn)定，波動程度較弱，產(chǎn)水服務(wù)年際變異較小.產(chǎn)水服務(wù)年際波動較大的區(qū)域主要分布在海西州、阿里地區(qū)的南部、山南市南部地區(qū).

2.3 青藏高原產(chǎn)水服務(wù)驅(qū)動因素分析

2.3.1 產(chǎn)水服務(wù)單因子分析 參考相關(guān)學(xué)者的研究成果［45，25，28］，基于對產(chǎn)水量主要相關(guān)因素以及數(shù)據(jù)可獲取性的考慮，本文選取年降水、年均溫、實際蒸散量、海拔、坡度、土地利用、歸一化植被指數(shù)（NDVI）、土壤類型這8種因素作為自變量來探究其對產(chǎn)水服務(wù)的驅(qū)動.

為了表征驅(qū)動因素和產(chǎn)水服務(wù)之間的影響關(guān)系，本研究將2000—2020年產(chǎn)水量均值作為因變量，將年降水、年均溫、實際蒸散量、NDVI取2000—2020年的均值作為自變量，海拔、坡度、土壤類型、土地利用類型由于年際變化較小，取2015年的值作為自變量.將各個因子根據(jù)相應(yīng)方法離散并進(jìn)行地理探測器分析，得到各影響因子的解釋力q值（表1）.各影響因子對產(chǎn)水服務(wù)的q值從大到小依次為：年降水（0.83）gt;土壤類型（0.34）gt;AET（0.21）gt;NDVI（0.12）gt;坡度（0.11）gt;高程（0.10）gt;年均溫（0.03）gt;土地利用類型（0.02），且各因子均通過了顯著性檢驗（Plt;0.01）.年降水量對產(chǎn)水服務(wù)空間分異性的解釋力最高，超過80%，是影響產(chǎn)水服務(wù)空間分異最主要的因子；其次是土壤類型，解釋力為34%；AET、NDVI、坡度和高程對產(chǎn)水服務(wù)空間分異解釋力較弱，年均溫和土地利用類型的解釋力最弱.

2.3.2 產(chǎn)水服務(wù)雙因子交互分析

交互作用結(jié)果表明，影響因子兩兩交互作用對產(chǎn)水服務(wù)空間分異的解釋力均比單因子作用強(qiáng)，這表明青藏高原產(chǎn)水服務(wù)空間分異并不是受單一因素所控制，而是多種因素交互作用的結(jié)果.年降水量與實際蒸散量交互作用的q值為0.94，顯著高于其他影響因子間的交互作用，說明年降水量與實際蒸散量的交互作用對產(chǎn)水保持服務(wù)空間分異的解釋力最大、影響最強(qiáng).除此之外，年降水量與其他影響因子間的交互作用解釋力都較高，解釋力均高于80%.土壤類型與其他影響因子的交互作用對土產(chǎn)水服務(wù)空間分異也具有較高的解釋能力，解釋力均超過33%.

2.3.3 產(chǎn)水服務(wù)適宜區(qū)識別

風(fēng)險探測器用于探測各因子促進(jìn)產(chǎn)水服務(wù)的適宜范圍或類型，以確定各因子分區(qū)中產(chǎn)水服務(wù)功能最強(qiáng)的區(qū)域，且在95%置信水平上通過了顯著性檢驗.在年降水量為1 424.49～2 194.01 mm、年均溫度為-19.84～-6.78 ℃、AET為641.23～1 267.55 mm、NDVI為0.68～0.76、DEM為5 368～8 405 m、坡度為30.00～35.00°范圍時，產(chǎn)水深度均值達(dá)到最大，分別為1 227.67，508.44，500.11，461.58，460.47和498.56 mm.在青藏高原的所有土地利用類型中，林地的產(chǎn)水量均值最高.在土壤類型因子中，淋溶土和人為土的產(chǎn)水深度均值最大.

2.4 討論

2.4.1 青藏高原產(chǎn)水服務(wù)時空變化特征 本研究以青藏高原2000—2020年產(chǎn)水服務(wù)為研究對象，分析了研究區(qū)產(chǎn)水服務(wù)的時空演變特征和空間分異的驅(qū)動因素.研究結(jié)果表明，青藏高原產(chǎn)水服務(wù)呈現(xiàn)顯著的空間異質(zhì)性，產(chǎn)水量高值集中分布在青藏高原的東南部地區(qū)，降水量從研究區(qū)的東南部到西北部呈減少趨勢，且與降水、氣溫、坡度等自然條件空間格局相一致，這與已有的研究結(jié)論一致［46-48］.在青藏高原范圍內(nèi)，產(chǎn)水服務(wù)呈增加趨勢的面積要遠(yuǎn)高于呈減少趨勢的面積，說明青藏高原產(chǎn)水功能整體上是增強(qiáng)的.盡管產(chǎn)水服務(wù)多年均值的高值區(qū)主要位于青藏高原東南部，但從趨勢分析結(jié)果上看，產(chǎn)水服務(wù)過去20年在青藏高原東南部卻呈現(xiàn)下降的趨勢.此外，在有些產(chǎn)水服務(wù)多年均值較低的區(qū)域，如那曲市北部和山南市南部，產(chǎn)水服務(wù)呈現(xiàn)出增加的趨勢.這表明生態(tài)管理者在制定水資源空間規(guī)劃決策時，要綜合考慮產(chǎn)水服務(wù)的空間差異特征和時間演變趨勢.

2.4.2 青藏高原產(chǎn)水服務(wù)空間分異驅(qū)動因素 在影響產(chǎn)水服務(wù)空間分異的探測因子中，氣候因子是影響產(chǎn)水服務(wù)空間異質(zhì)性的決定性因素，其中年降水量是最主要的驅(qū)動因素（解釋力83%），這與其他學(xué)者對產(chǎn)水量驅(qū)動力研究的結(jié)論吻合［49-51］.根據(jù)水量平衡原理，降水和實際蒸散量是決定產(chǎn)水量的兩個重要環(huán)節(jié)［28，52］，本研究表明降水量對產(chǎn)水量空間分異的影響要遠(yuǎn)高于實際蒸散量，這可能是由于降水是氣候要素變化的重要變量，降水量豐沛的地區(qū)容易匯聚形成地表徑流，降雨變化對徑流的影響大于蒸發(fā)能力變化的影響，進(jìn)而導(dǎo)致產(chǎn)水量增加.實際蒸散量則受到氣候條件和土地利用/覆被的綜合影響，且受人類活動的影響較大，導(dǎo)致其對產(chǎn)水量的影響不如降水量高.此外，本研究得出土壤類型對于產(chǎn)水服務(wù)的空間分異也有較大的影響，解釋力超過33%，這說明產(chǎn)水量是區(qū)域水循環(huán)過程中綜合考慮收（降水）和支（實際蒸散發(fā)）平衡的結(jié)果，還直接受制于下墊面的影響［54］.土壤類型通過改變下墊面狀況，從而影響產(chǎn)水量［55］.張福平等［56］對黑河流域上游產(chǎn)水量的研究發(fā)現(xiàn)，隨著水熱條件的轉(zhuǎn)化，土地覆被、土壤的物理特性等也會相繼發(fā)生變化，進(jìn)而通過改變地表粗糙度、地表的土壤環(huán)境來影響區(qū)域?qū)嶋H蒸散發(fā)和產(chǎn)水量的變化.

地理過程的復(fù)雜性往往不是某個因子單獨(dú)起作用，而是多種因素共同作用的結(jié)果［57-59］.大量研究表明，驅(qū)動生態(tài)系統(tǒng)服務(wù)的產(chǎn)生、狀態(tài)和演化是由多種因素引起的［60-62］，本研究也得到類似的結(jié)論.本文在產(chǎn)水服務(wù)單因子探測的基礎(chǔ)上，又進(jìn)一步開展了各因子交互作用分析.雙因子交互作用對產(chǎn)水服務(wù)的解釋力均比單因子作用強(qiáng)，說明青藏高原產(chǎn)水服務(wù)的空間分異并不是受單一因素或單類因素所控制，而是同時受氣候條件、土壤類型、地形地貌等因素共同影響，反映了產(chǎn)水服務(wù)空間分異決定因素和影響機(jī)制的復(fù)雜性特征.交互作用結(jié)果表明，降水量與實際蒸散量的交互作用顯著高于其他因子交互作用，兩者共同作用是產(chǎn)水功能發(fā)揮的主要驅(qū)動機(jī)制.

2.4.3 不足與局限 盡管InVEST模型的產(chǎn)水量模塊得到了廣泛應(yīng)用，但仍存在著一定的不足與局限性.InVEST 模型的產(chǎn)水模塊未能將復(fù)雜地形的影響納入其中，很難對復(fù)雜土地利用格局及復(fù)雜下墊面的地理環(huán)境過程進(jìn)行很好的刻畫.模型所需的氣候、土壤、地形等數(shù)據(jù)均會隨著分辨率、精度的不同而影響模型的精確度.例如，降水量數(shù)據(jù)會受氣象站點(diǎn)的分布、插值方法的不同而產(chǎn)生差異.關(guān)于蒸散系數(shù)、最大根系深度等參數(shù)均來源于文獻(xiàn)中經(jīng)驗數(shù)據(jù)，這些都在一定程度上影響模型模擬的精度，但產(chǎn)水量的基本格局不會變.在探討產(chǎn)水量變化的影響因子方面，本研究從氣候、地形、植被和土地利用類型等方面進(jìn)行因子篩選，忽略了社會經(jīng)濟(jì)因素對產(chǎn)水變化的影響.另外，本文只對青藏高原全區(qū)開展了時空演變特征及影響因素探究，沒有考慮青藏高原復(fù)雜的地理特征而進(jìn)行分區(qū)研究產(chǎn)水服務(wù)的空間差異，在不同的地貌類型、生態(tài)地理分區(qū)中，影響產(chǎn)水服務(wù)空間分異性的主導(dǎo)因子可能不同，提升產(chǎn)水功能的主要措施也不同.在今后的研究中，應(yīng)重點(diǎn)關(guān)注提高產(chǎn)水服務(wù)評估模型精度，開展多尺度產(chǎn)水服務(wù)時空分布特征及分區(qū)空間分異歸因差異研究.

3 結(jié)論

本研究以青藏高原為研究區(qū)，利用氣象、土壤、土地利用等數(shù)據(jù)，借助InVEST模型產(chǎn)水模塊評估了2000—2020年青藏高原產(chǎn)水服務(wù)空間分布特征，利用趨勢分析方法分析了產(chǎn)水服務(wù)時空演變趨勢；采用地理探測器方法探究產(chǎn)水服務(wù)空間分異性的影響因子及各因子間的交互作用.主要結(jié)論如下：

1）近20年來，青藏高原產(chǎn)水量和降水量年際變化趨勢較為相似，表現(xiàn)為波動增加的趨勢.實際蒸散量的年際變化相對穩(wěn)定，波動較小.青藏高原產(chǎn)水量具有明顯的空間分異性，產(chǎn)水量高值集中分布在青藏高原東南部，低值區(qū)主要分布在北部的柴達(dá)木盆地和西部的阿里地區(qū).

2）青藏高原產(chǎn)水服務(wù)呈增加趨勢、減少趨勢和無明顯變化的面積分別占79.08%，16.45%和4.47%.產(chǎn)水服務(wù)呈增加趨勢的空間區(qū)域集中分布在青藏高原的東北部和西北部，呈減少趨勢的區(qū)域主要分布在青藏高原東南部等地區(qū).

3）年降水量是影響產(chǎn)水服務(wù)空間分異最主要的因子，其次是土壤類型和實際蒸散量.影響因子兩兩交互作用對產(chǎn)水服務(wù)空間分異的解釋力均比單因子作用強(qiáng)，其中年降水量與實際蒸散量的交互作用對產(chǎn)水保持服務(wù)空間分異的解釋力最大、影響最強(qiáng).

參考文獻(xiàn)：

［1］ COSTANZA R，d’ARGE R，de GROOT R，et al.The value of the world’s ecosystem services and natural capital［J］.Nature，1997，387（6630）：253.

［2］ FABER J H，VAN W J.Elaborations on the use of the ecosystem services concept for application in ecological risk assessment for soils［J］.Sci Total Environ，2012，415（2）：3.

［3］ 傅伯杰，周國逸，白永飛，等.中國主要陸地生態(tài)系統(tǒng)服務(wù)功能與生態(tài)安全［J］.地球科學(xué)進(jìn)展，2009，24（6）：571.

［4］ PENG J，WANG A，LUO LW，et al.Spatial identification of conservation priority areas for urban ecological land：An approach based on water ecosystem services［J］.Land Degrad Dev，2019，30（6）：683.

［5］ SNCHEZ-CANALES M，BENITO A L，PASSUELLO A，et al.Sensitivity analysis of ecosystem service valuation in a Mediterranean watershed［J］.Sci Total Environ，2012，440（1）：140.

［6］ AJAZ AHMED M A，ABD-ELRAHMAN A，ESCOBEDO F J，et al.Spatially-explicit modeling of multi-scale drivers of aboveground forest biomass and water yield in watersheds of the southeastern United States［J］.J Environ Manage，2017，199：158.

［7］ 王亞慧，戴爾阜，馬良，等．橫斷山區(qū)產(chǎn)水量時空分布格局及影響因素研究［J］.自然資源學(xué)報，2020，35（2）：371.

［8］ 張彪，李文華，謝高地，等． 森林生態(tài)系統(tǒng)的水源涵養(yǎng)功能及其計量方法［J］.生態(tài)學(xué)雜志，2009，28（3）：529．

［9］ 張福平，李肖娟，馮起，等.基于InVEST 模型的黑河流域上游水源涵養(yǎng)量［J］.中國沙漠，2018，38（6）：1321.

［10］ DENNEDY-FRANK P J，MUENICH R L，CHAUBEY I，et al.Comparing two tools for ecosystem service assessments regarding water resources decisions［J］.J Environ Manage，2016，177：331.

［11］ LEN M D K，MATLOCK M D，CUMMINGS E C，et al.Quantifying and mapping multiple ecosystem services change in West Africa［J］.Agr Ecosyst Environ，2013，165：6.

［12］ JIANG C，LI D，WANG D，et al.Quantification and assessment of changes in ecosystem service in the Three-RiverHeadwaters region，China as a result of climate variability and land cover change［J］.Ecolog Indic，2016，66：199.

［13］ WANG J，PENG J，ZHAO M，et al.Significant trade-off for the impact of Grain-for-Green Programme on ecosystem services in North-Western Yunnan，China［J］.Sci Total Environ，2017，574：57.

［14］ WANG Ya-hui，DAI Er-fu，GE Quan-sheng，et al.Spatial heterogeneity of ecosystem services and their trade-offs in the Hengduan Mountain region，Southwest China［J］.CATENA，2021，207：105632.

［15］ VIGERSTOL K L，AUKEMA J E．A comparison of tools for modeling freshwater ecosystem services［J］．J Environ Manage，2011，92（10）：2403.

［16］ SHAEW M R，PENDLETON L，CAMERON D R，et al.The impact of climate change on California’s ecosystem services［J］.Climatic Change，2011，109（S1）：465.

［17］ POLASKY S，NELSON E，PENNINGTON D，et al．The impact of land-use change on ecosystem services，biodiversity and returns to landowners：A case study in the state of Minnesota［J］．Environ Res Econom，2011，48（2）：219.

［18］ REDHEAF J W，STRATFORD C，SHARPS K，et al.Empirical validation of the InVEST water yield ecosystem service model at a national scale［J］.Sci Total Environ，2016，569：1418.

［19］ MARQUES M，BANGASH R F，KUMAR V，et al.The impact of climate change on water provision under a low flow regime：A case study of the ecosystems services in the Francoli river basin［J］.J Hazard Mater，2013，263：224.

［20］ DANESHI A，BROUWER R，NAJAFINEJAD A，et al.Modelling the impacts of climate and land use change on water security in a semiarid forested watershed using InVEST［J］.J Hydrol，2021，593：125621.

［21］ GAO J，LI F，GAO H，et al．The impact of land-use change on water-related ecosystem services：a study of the Guishui Ｒiver Basin，Beijing，China［J］．J Clean Prod，2017，163：S148.

［22］ 劉宥延，劉興元，張博，等． 基于InVEST 模型的黃土高原丘陵區(qū)水源涵養(yǎng)功能空間特征分析［J］.生態(tài)學(xué)報，2020，40（17）：302.

［23］ 包玉斌，李婷，柳輝，等.基于InVEST 模型的陜北黃土高原水源涵養(yǎng)功能時空變化［J］.地理研究，2016，35（4）：664.

［24］ WANG Ya-hui，DAI Er-fu.Spatial-temporal changes in ecosystem services and the trade-off relationship in mountain regions：A case study of Hengduan Mountain region in southwest China［J］.J Clean Prod，2020，264：121573.

［25］ 戴爾阜，王亞慧．橫斷山區(qū)產(chǎn)水服務(wù)空間異質(zhì)性及歸因分析［J］.地理學(xué)報，2020，75（3）：607.

［26］ 寧亞洲，張福平，馮起，等．秦嶺水源涵養(yǎng)功能時空變化及其影響因素［J］.生態(tài)學(xué)雜志， 2020，39（9）： 3080．

［27］ 王曉峰，符鑫鑫，楚冰洋，等.秦嶺生態(tài)屏障產(chǎn)水服務(wù)時空演變特征及驅(qū)動要素［J］.自然資源學(xué)報，2021，36（10）：2507.

［28］ 黃欣，彭雙云，王哲，等.基于地理探測器的云南省生態(tài)系統(tǒng)產(chǎn)水服務(wù)的空間異質(zhì)性及驅(qū)動因素［J］.應(yīng)用生態(tài)報，2022，33（10）：2813.

［29］ 鄭續(xù)，魏樂民，郭建軍，等． 基于地理探測器的干旱區(qū)內(nèi)陸河流域產(chǎn)水量驅(qū)動力分析——以疏勒河流域為例［J］．干旱區(qū)地理，2020，43（6）：1477.

［30］ WANG Y，ZHAO J，F(xiàn)U J，et al.Effects of the Grain for Green Program on the water ecosystem services in an arid area of China-using the Shiyang River Basin as an example［J］.Ecolog Indic，2019，104：659.

［31］ YANG J，XIE B，ZHANG D，et al.Climate and land use change impacts on water yield ecosystem service in the Yellow River Basin，China［J］.Environ Earth Sci，2021，80：1.

［32］ HU W M，LI G，GAO Z H，et al.Assessment of the impact of the Poplar Ecological Retreat Project on water conservation in the Dongting Lake wetland region using the InVEST model［J］.Sic Total Environ，2020，733：139423.

［33］ WANG J，ZHANG T，F(xiàn)U B.A measure of spatial stratified heterogeneity［J］.Ecolog Indic，2016，67：250.

［34］ LOU C R，LIU H Y，LI Y F，et al.Socioeconomic drivers of PM2.5 in the accumulation phase of air pollution episodes in the Yangtze River Delta of China［J］.Inter J Environ Res Public Health，2016，13：1.

［35］ LIANG P，YANG X P.Landscape spatial patterns in the Maowusu（Mu Us） Sandy Land，northern China and their impact factors［J］.Catena，2016，145：321.

［36］ CHEN T，JIAO J，WANG H，et al，Progress in Research on Soil Erosion in Qinghai-Tibet Plateau［J］.Acta Edolog Sin，2020，57：547.

［37］ LIU S，ZHANG J，GU S.Study on the Soil Erosion Types in Tibet［J］.J Mountain Sci，2006：592.

［38］ SHARP R，TALLIS H T，RICKETTS T，et al.InVEST 3.2.0 User’s Guide［R］.Stanford：The Natural Capital Project，2015.

［39］ LIU B，SUN Y，WANG Z，et al. Analysis of the vegetation cover change and the relative role of its influencing factors in north China［J］.J Natural Resour，2015，30：12.

［40］ SHARMA V，ARYA V，SHARMA K R.Spatial variability of soil pH and electrical conductivity in the Jammu district of Jammu and Kashmir［J］.J Soil Water Conserv，2017，16：320.

［41］ LIU Y，LIU D，F(xiàn)U Z，et al. The differentiation mechanism of coupling degree among space exploitation，economy development and environment evolution in Harbin-Dalian Giant Urban Belt［J］.Sci Geograph Sin，2018，38：662.

［42］ WANG J F，LI X H，CHRISTAKOS G，et al.Geographical detectors-Based health risk assessment and its application in the neural tube defects study of the Heshun Region，China［J］.Inter J Geograph Inform Sci，2010，24：107.

［43］ WANG J，XU C.Geodetector：Principle and prospective［J］.Acta Geograph Sin，2017，72：116.

［44］ WANG J，ZHANG T，F(xiàn)U B.A measure of spatial stratified heterogeneity［J］.Ecolog Indic，2016，67：250.

［45］ 包玉斌，李婷，柳輝，等.基于InVEST 模型的陜北黃土高原水源涵養(yǎng)功能時空變化［J］.地理研究，2016，35（4）：664.

［46］ HOU Y Z，ZHAO W W，LIU Y X，et al.Relationships of multiple landscape services and their influencing factors on the Qinghai-Tibet Plateau［J］.Landscape Ecol，2021，36.

［47］ LI S，ZHANG H，ZHOU X，et al.Enhancing protected areas for biodiversity and ecosystem services in the Qinghai-Tibet Plateau［J］.Ecosyst Serv，2020，43：101090.

［48］ LIN Z Y，XIAO Y，OUYANG ZY.Assessment of ecological importance of the Qinghai-Tibet Plateau based on ecosystem service flows［J］.J Mountain Sci，2021，18：1725.

［49］ DELPHIN S，ESCOBEDO F J，ABD-ELRAHMAN A，et al.Urbanization as a land use change driver of forest ecosystem services［J］.Land Use Policy，2016，54：188.

［50］ SUN G，PETER C，ASKO N，et al.Upscaling key ecosystem functions across the conterminous United States by a water-centric ecosystem model［J］.J Geophys Res：Biogeos，2011，116：1.

［51］ 李怡穎，范繼輝，廖瑩.基于InVEST 模型的張家口市水源涵養(yǎng)功能時空差異分析［J］.草業(yè)科學(xué)，2020，37（7）：1313.

［52］ 竇攀烽，左舒翟，任引，等．氣候和土地利用/覆被變化對寧波地區(qū)生態(tài)系統(tǒng)產(chǎn)水服務(wù)的影響［J］．環(huán)境科學(xué)學(xué)報，2019，39（7）：2398.

［53］ 趙亞茹，周俊菊，雷莉，等.基于InVEST模型的石羊河上游產(chǎn)水量驅(qū)動因素識別［J］.生態(tài)學(xué)雜志，2019，38（12）：3789.

［54］ LANG Yan-qing，WEI Song，YING Zhang.Responses of the water-yield ecosystem service to climate and land use change in Sancha River Basin，China［J］.Phy Chem Earth，2017，101：102.

［55］ 張福平，李肖娟，馮起，等.基于InVEST模型的黑河流域上游水源涵養(yǎng)量［J］.中國沙漠，2018，38（6）：1321.

［56］ 戴爾阜，王亞慧.橫斷山區(qū)產(chǎn)水服務(wù)空間異質(zhì)性及歸因分析［J］.地理學(xué)報，2020，75（3）：607.

［57］ 楊振，丁啟燕，周晴雨，等.長江中下游地區(qū)人口健康水平空間分異特征與地理影響因子［J］.地理與地理信息科學(xué)，2018，34（6）：77.

［58］ WANG H，GAO J，HOU W.Quantitative attribution analysis of soil erosion in different geomorphological types in karst areas：Based on the geodetector method［J］.J Geograph Sci，2019，29：271.

［59］ SU C，F(xiàn)U B.Evolution of ecosystem services in the Chinese Loess Plateau under climatic and land use changes［J］.Global Planet Change，2013，101：119.

［60］ MATSON P，LOHSE K，HALL S.The globalization of nitrogen deposition：Consequences for terrestrial ecosystems［J］.Ambio，2002，31：113.

［61］ LU Rong-rong，DAI Er-fu，WU Chun-sheng.Spatial and temporal evolution characteristics and driving factors of soil conservation services on the Qinghai-Tibet Plateau［J］.CATENA，2023，221：106766.

（責(zé)任編輯 馬宇鴻）