基于GWR的湖北省社会经济因素对生态服务价值的影响

陈 彧，李江风，徐 佳

（1. 中国地质大学（武汉）公共管理学院， 湖北 武汉 430074；2. 中国地质大学（武汉）紧缺矿产资源勘查协同创新中心， 湖北 武汉 430074）

基于GWR的湖北省社会经济因素对生态服务价值的影响

陈 彧1，李江风1，徐 佳2

（1. 中国地质大学（武汉）公共管理学院， 湖北 武汉 430074；2. 中国地质大学（武汉）紧缺矿产资源勘查协同创新中心， 湖北 武汉 430074）

研究目的：掌握湖北省社会经济因素对生态服务价值影响的空间分异情况，为湖北省不同区域的经济社会和生态环境的协调发展提供科学参考。研究方法：构建地理加权回归模型。研究结果：（1）第一产业对生态服务价值的负面影响由西至东逐渐减弱；（2）第二产业对鄂东地区生态服务价值负面影响较为显著，鄂中地区较弱，在鄂西地区则表现出正面影响；（3）第三产业主要对鄂西北及鄂中地区生态服务价值呈现正面影响，其他地区则不太明显；（4）城镇化对生态服务价值的负面影响由西至东逐渐减弱，对鄂东地区负面影响十分微弱；（5）人口因素主要对湖北省人口比较集中的沿江平原地区造成显著的负面影响。研究结论：应根据不同地区社会经济因素对生态服务功能影响的差异，采取适合当地的差别化发展方式。

土地评价；地理加权回归模型；生态服务价值；社会经济因素；湖北省

近年来中国社会经济步入“新常态”，从资源环境约束方面来看，表现为目前的环境承载能力已经达到或者接近上限，因此必须调整发展思路，推进形成生态环境与社会经济协调发展的新方式。鉴于此，本文旨在选取具有代表性的社会经济影响因素，分析各因素对生态服务价值影响的规律，对湖北省的可持续发展提供支撑。

现有研究中[1]，有学者从社会经济系统与生态系统协调度的角度，通过对两者的时序发展曲线进行拟合，对拟合度进行分析从而判断两者是否协调发展[2-4]；也有学者对不同系统的关键性指标进行回归建模，其回归模型的应用经历了从经典多元线性回归到考虑空间数据自相关因素的空间自回归模型的演化过程[5-7]。这些研究总体上仍然是从研究区域的全局角度进行分析或建模，其研究结果主要还是体现了研究区整体的一般性规律。然而地理空间数据具有空间非平稳性，因此需要有能描述这种空间分异现象的局部空间模型，而地理加权回归模型（GWR）则可以解决该问题：该模型扩展了多元线性回归模型，其回归系数可以随地理位置变化而变化，因此可以反映影响因素的空间分异情况[8-9]。本文利用该模型，进行地理加权回归模型的构建，对土地生态服务价值驱动因素的空间分异特征进行分析，为地区生态经济协调发展提供参考。

1 研究区域概况

湖北省鄂西地区主要以山地为主，中间是雄奇壮美的长江三峡；鄂中地区则是坦荡宽阔的江汉平原，其间湖泊密布，大片田洋分布其中。往北则是大洪山低山丘陵区，汉水由此而过，其间形成鄂北平原岗地；鄂东地区两侧主要为桐柏—大别山系和幕阜山脉，中间长江横贯而过，江湖冲击形成平坦的沿江平原。

十八大首次将“生态文明建设”提升到国家建设和发展总布局的高度。由过去的经济建设、政治建设、文化建设、社会建设“四位一体”，变成现在的“五位一体”。湖北省响应国家发展战略，先后提出了“两型社会—武汉城市圈”、“鄂西生态文化旅游圈”以及“长江经济带”的战略构想。“两圈一带”的发展战略以生态环境和社会经济的协同发展为核心，强调区域间的统筹发展以及生态环境的约束，构成湖北省发展的基本框架。因此，本文即以2012年为切入点，深入分析社会经济因素对土地生态服务价值的影响，揭示其中规律，为湖北省可持续发展提供参考。

2 数据来源和研究方法

2.1 数据来源与处理

生态服务功能是指生态系统和生态过程所形成和所维持的人类赖以生存的自然效用。生态服务价值则是其功能效用的价值化体现[10]。近年来研究已证实，利用土地利用/覆盖来评价生态服务价值是可行的[11-13]。因此，本文借助谢高地等提出的中国生态系统服务价值当量因子表[12]，对湖北省各县、市的生态服务价值进行评估，并利用归一化植被指数（NDVI）进行生物量修正。生态服务价值计算使用的2012年土地利用数据来自湖北省国土资源厅提供的土地利用变更调查数据，其县级尺度上采用的是1∶1万的比例尺，数据精度可靠。NDVI值来源于SPOT_Vegetation（2012年）的逐旬数据（数据来源于黑河计划数据管理中心）。社会经济数据来源于湖北省农村统计年鉴。本文以湖北省91个县（市、区）为评价单元，按县分别统计上述各项数据。

另外，由于不同背景的学科对城镇化相关概念和定义的理解存在差异，一般从统计口径得到的城镇化率指标主要反映的是人口城镇化水平，而本研究更倾向于表达城镇化的综合发展水平，而目前多数研究所采用的复合指标法对于指标的确定和数据的采集均存在操作上的困难性，因此本文采用遥感领域经常应用的夜间灯光指数来反映城镇化的综合发展程度，该数据可以在大尺度范围内进行全方位的获取，克服了数据采集上的困难。该数据是1976年发射的美国军事气象卫星DMSP携带的OLS传感器探测到夜间低强度灯光，其空间分辨率为1 km，可以综合反映人类的活动信息，其值越高表示人类生产活动越频繁，可以反映城镇化综合发展的强度大小[14]。

2.2 生态服务价值的评估方法

2.2.1 生态服务价值当量因子表 生态服务价值的估算方法中影响最广泛的当属谢高地[12]在Costanza等的评估方法基础上制定的中国生态系统服务价值当量因子表。该表定义1hm2的农田食物生产的生态服务价值当量为1，其他生态系统各类生态服务价值的当量因子则是其相对于农田食物生产服务功能的贡献大小。

2.2.2 单位面积农田食物生产生态服务价值 根据谢高地等[15-16]的研究，单位面积农田食物生产生态服务价值（即1个当量因子的价值）相对于当年研究区域平均粮食单产市场价值的1/7，可用如下公式计算：

式1中，Ea为单位农田生态系统提供食物生产服务功能的经济价值（元/hm2）；i为作物种类，湖北省主要粮食作物有水稻、小麦、油菜等；pi为i种粮食作物平均价格（元/t）；qi为i种粮食作物单产（t）；mi为第i种粮食作物面积（hm2）；M为粮食作物总面积。

2.2.3 湖北省各区域生态服务价值的确定 根据当量因子表中各类土地利用类型生态服务价值所相对于农田食物生产服务价值的大小（即当量因子），可计算出每种地类的单位面积生态服务价值（表1）。土地类型与生态系统按相应关系对应，其中园地取林地和草地的平均值，建设用地生态服务价值计为0。

最后以县为单位根据每种地类的面积对生态服务价值进行汇总，得到各县总的生态服务价值。

表1 各土地利用类型单位面积生态服务价值 单位：元/hm2·aTab.1 The ecosystem service values per unit area of each type of land use unit: yuan/hm2·a

2.3 生态服务价值的修订方法

实际上，由于生态服务价值的空间异质性，即使相同的生态系统其内部的生态服务价值也会有差异，已有的研究结果表明[12,15]，生态服务价值与其生物量成正比关系，因此可根据各地区生物量的差异对上述土地生态服务价值进行修订，公式如下：

式2中，Ej′为生物量修正后的生态服务价值；E1为未修正之前的生态服务价值；bj为j类评价单元的生物量；B为研究区平均生物量。

直接计算生物量比较困难，而各项研究表明[17-18]，生物量与植被覆盖度成正比关系，而植被覆盖度可由归一化植被指数（NDVI）用对应关系计算得到，因此本文首先对各县的NDVI数值进行汇总，然后利用如下公式对生态服务价值进行修正：

式3—式5中，f为植被覆盖度，Fi为第i个县的植被覆盖度修订系数，fi为第i个县的植被覆盖度总和，为研究区的植被覆盖度平均值，Ei为修订前的生态服务价值，E为修订后的生态服务价值。由此，可得到各个县的生态服务价值的修订值。

2.4 湖北省生态服务价值的空间分异

通过上述方法得到湖北省各县的土地生态服务价值，为消除面积的影响，采用地均生态服务价值进行地区间的横向比较，在ArcGIS中通过自然分等法将2012年湖北省各县的地均生态服务价值分为5个等级：高等级区主要位于鄂西地区的秦巴山区；较高等级区也主要位于鄂西和鄂东的几大山系以及沿江湖泊群集中的区域；而江汉平原和襄阳岗地则是生态服务价值较低等级分布集中的区域。总体上看，湖北省土地生态服务价值呈现出西高中低，东部南北高中间低的基本格局。

图1 湖北省2012年生态服务价值空间分异情况Fig.1 Spatial variation of ecological service value of Hubei Province in 2012

2.5 社会经济因素对生态服务功能影响的机理及自变量的选取

2.5.1 社会经济因素对生态服务功能影响的机理 人类社会经济活动是影响生态环境的重要驱动力。近年来，城镇化水平提升，用地需求也随之加剧，不合理的用地扩张导致生态用地大幅减少，生态服务功能大幅减弱。其次，人口增长使得人类向自然界索取的资源也越来越多，大大影响了生态系统本身的自我调节服务功能，生态环境加剧恶化。再次，不同类型产业在发展过程中，从自然环境中吸取所需要的资源，释放出各种产品和废弃物，对生态环境产生了破坏。例如第一产业会对植被覆盖度产生巨大影响，造成水土保持等生态服务功能的减弱。第二产业对其他生态用地的占用，排出的污染物等均会对各种生态服务功能产生巨大影响。第三产业是城市化进程中发展较快的产业，反映居民生活质量的重要指标，对用地结构也产生深刻影响，进而影响土地生态服务功能。综上，本文考虑地均GDP、人口、城镇化水平以及第一、二、三产业作为回归模型的备选自变量。

2.5.2 回归自变量的遴选 建立回归模型前，必须通过备选自变量之间的多重共线性检验来对回归模型的自变量进行遴选。通常判断一个变量是否应该排除在外可以用容忍度（TOLERANCE = 1 - R2）的倒数VIF来检验，当VIF＞10时表示该变量的多重共线性很严重，检验结果如表2。

表2 回归方程自变量的多重共线性检验Tab.2 The multi-collinearity diagnostics of regression equation

模型1表明当自变量为第一、二、三产业以及地均GDP、人口、城镇化水平时的多重共线性检验结果，可以看到地均GDP的VIF＞10，说明地均GDP与其他变量之间存在严重的多重共线性，可以考虑删除这个冗余变量（从实际意义上看，地均GDP也隐含了产业类型的影响，因此在理论上各个产业也可以替代表达其实际意义），因此笔者再用删除后的5个变量再进行一次多重共线性检验，得到模型2所示结果：去除地均GDP后，每个变量的VIF均小于10，多重共线性变得不再严重，属于模型可接受的范围。鉴于此，本文最终采用第一、二、三产业以及人口、城镇化水平作为回归模型的自变量。

2.6 地理加权回归建模

本文采用地理加权回归模型建模，该模型是一种局域回归模型，是在经典多元线性回归的基础上进行的空间局域扩展，相对于传统的全局回归模型，优势在于其回归系数对于每个样点对象都有一个单独的值，因此对于存在非平稳性的空间数据，该模型可反映不同地理位置每个变量对该区域的影响程度，由此可了解研究区域各因素对解释变量影响的空间分异特征[8-9]。其回归模型如下：

式6中，（ui，vi）为第i个样本点空间坐标；xik为第k个自变量在第i个样本点的值，k为自变量个数，i为样本点个数；εi为残差；βk（ui，vi）为连续函数βk（u，v）在i点的值。

3 结果与分析

从回归诊断结果来看（表3），拟合优度R2包括调整R2均比较大，说明了回归方程能够解释因变量的70%以上，其拟合度较高；F统计量值也很大，P值极小，说明该回归方程的联合显著性较高。

3.1 第一产业对生态服务价值影响的空间分异特征

湖北省第一产业较发达的地区主要位于沿江平原地区。总体上第一产业对生态服务价值的影响为负效应，其影响程度由西至东逐渐减弱（图2）。可以看到，第一产业对山区的影响比平原地区的影响更为显著，这是由于第一产业对植被覆盖度会产生较大影响，在山区更容易造成水土流失，从而对水土保持服务功能造成破坏，而对平原地区的水土保持影响则相对较小。因此鄂西地区的第一产业发展要更加注意对生态环境的影响。

图2 第一产业回归系数空间分布图Fig.2 Spatial variation of the coeffcient of the primary industry

图 3 第二产业回归系数空间分布图Fig.3 Spatial variation of the coeffcient of the second industry

3.2 第二产业对生态服务价值影响的空间分异特征

湖北省第二产业主要分布于鄂北十堰—襄阳—武汉和长江沿线两条工业走廊上。总体来看，第二产业对武汉城市圈地区的负面影响比较显著，鄂中地区较弱，而在鄂西地区则表现出正面影响（图3）。这说明，在第二产业比较集中的武汉城市圈地区，其负面影响比较显著；而鄂中和鄂西地区的第二产业总量较小且相对分散，因此负面效应并不明显。特别的，第二产业在鄂西地区表现出了正面影响，这一方面是由于该地区的第二产业总量不太大，另一方面也说明该地区以水力、风力以及汽车产业为代表的第二产业的发展并不一定会带来生态服务功能的减弱，其发展所带来的经济效益可以及时的反馈于对生态环境保护和治理的投入中，反而可以促进当地生态环境的改善。

3.3 第三产业对生态服务价值影响的空间分异特征

第三产业对生态服务价值总体影响是正面的（图4）。表现为显著影响的地区主要集中于鄂西北及鄂中地区，在其他地区不太明显。第三产业尤其是现代服务业的提高有助于当地实现产业转型，可以减少对生态环境影响较大的第一、二产业的依赖。结果说明，相比较第三产业更为发达的鄂东地区，第三产业对相对落后的鄂中西地区的正面影响更为显著，未来该地区应该积极推动第三产业发展，提高第三产业就业人口比例，通过优化产业结构带动地区生态环境改善。

3.4 城镇化水平对生态服务价值影响的空间分异特征

湖北省城镇化水平最高的地区位于武汉城市圈，其他地区则相对较低，总体上城镇化水平由东至西逐渐减弱（图5）。回归结果显示，城镇化对生态服务价值的总体影响是负面的，程度由西至东逐渐减弱，对鄂东地区负面影响十分微弱。这说明，处于城镇化初期阶段的地区其城镇化对生态环境仍然是具有负面影响的，但随着城镇化向更高程度的发展，其积极作用开始体现，可以带动产业结构、就业人口结构等的优化，减轻资源环境承载压力，促进地区生态经济协调发展。

3.5 人口对生态服务价值影响的空间分异特征

人口对生态服务价值具有显著负面影响的区域主要位于鄂中和鄂东北地区，而在其他地区不具有统计显著性（图6）。原因在于，湖北省的人口主要分布于沿江地区，人口的集中使得人类向自然界索取的资源也越多，加重了周围的生态环境承载压力，土地的生态服务功能减弱。因此，人口对这些人口密集地区的生态服务价值负面影响更大。

图4 第三产业回归系数Fig.4 Spatial variation of the coeffcient of tertiary industry

图5 城镇化水平回归系数空间分布图Fig.5 Spatial variation of the coeffcient of the light index

4 结论及建议

图6 人口回归系数空间分布图Fig.6 Spatial variation of the coeffcient of population

本文通过构建地理加权回归模型，分析湖北省社会经济因素对土地生态服务价值影响的空间分异特征及内在原因，得到如下结论：第一产业对生态服务价值的负面影响由西至东逐渐减弱；第二产业对武汉城市圈地区的生态服务价值负面影响较为显著，鄂中地区较弱，而在鄂西地区则表现出正面影响；第三产业主要对鄂西北及鄂中地区生态服务价值呈现正面影响，其他地区则不太明显；城镇化对生态服务价值的负面影响由西至东逐渐减弱，对鄂东地区负面影响十分微弱；人口因素主要对湖北省人口比较集中的沿江平原地区造成显著的负面影响。湖北省区域间地形地貌和社会经济发展的差异决定了上述空间分异现象。鄂西山区主要为林区，第一产业和城镇化易对其植被覆盖度造成损害，因此这两者对该地区生态服务功能的负面影响更大，而第三产业的发展可以减少对该地区林地破坏较严重的第一、二产业的依赖，通过优化产业结构保护当地生态环境；鄂中地区是传统的农业区，农业人口密集，因此人口总量对该地区产生较大负面影响，而第三产业的发展可以吸纳农村过剩人口，并带动城镇化、产业化的协同发展，减轻农村资源环境压力，因此表现出正面影响，是未来该地区重点发展的方向；鄂东地区林地、水网交错，生态本底较好，并且城镇化发展处于相对较高的水平，其带动产业升级和优化就业人口的积极效应开始显现，因此城镇化对该区域的负面影响较小。

基于上述结论，对各区域的发展分别提出如下建议：（1）鄂西地区在发展过程中必须对林地进行严格保护，保持退耕还林良好势头；发展具有区域特色的第一、二产业：做大做强恩施富硒农产品品牌，适度扩大三峡库区蜜橘、脐橙和茶叶特色农产品生产规模，促进水利、风力等清洁能源的发展，强化十堰汽车产业的研发和创新，将需要大量占地的生产环节向武汉、襄阳等地区转移；加快第三产业，尤其是旅游业的发展，提升当地旅游业品质；城镇空间发展必须以保障生态安全为前提进行适度扩张，积极推进生态敏感地区的生态移民。（2）鄂中地区要在保护基本农田的基础上继续实施退田还湖，加强湿地的保护力度，发挥水资源优势，促进现代渔业发展；依托鄂北襄阳—随州—孝感汽车产业走廊和沿江船舶工业走廊形成产业集聚优势；加快以物流为主体的第三产业发展，提高第三产业就业人口比重，引导农村过剩人口向城镇转移，分散农村资源环境承载压力，促使工业化、信息化、城镇化和农业现代化“四化同步”发展。（3）鄂东地区要以农业深加工为依托推动农业规模化和产业化发展；加快产业转型升级，积极发展生物科技、电子信息等高新技术产业，逐步推进第二产业向武汉外围地区转移，以此为契机促进城市圈一体化发展；积极推进大别山和幕阜山地区红色旅游和生态旅游，以此带动服务业整体发展，优化经济结构，促进生态经济协调发展。

（

）:

［1］ 冯广京，林坚，胡振琪，等. 2013年土地科学研究重点进展评述及2014年展望［J］ . 中国土地科学，2014，28（1）：3 - 19.

［2］ 刘琼，吴斌，欧名豪，等. 扬州市土地利用与经济系统的协调发展评价［J］ . 中国土地科学，2013，27（6）：28 - 34.

［3］ 梁红梅，刘卫东，刘会平，等. 土地利用社会经济效益与生态环境效益的耦合关系——以深圳市和宁波市为例［J］ . 中国土地科学，2008，22（2）：42 - 48.

［4］ 吴建寨，李波，张新时. 生态系统服务价值变化在生态经济协调发展评价中的应用［J］ . 应用生态学报，2007，（11）：2554 -2558.

［5］ 许恒周，吴冠岑，郭玉燕. 耕地非农化与中国经济增长质量的库兹涅茨曲线假说及验证——基于空间计量经济模型的实证分析［J］ . 中国土地科学，2014，28（1）：75 - 81.

［6］ 谢花林. 基于Logistic回归模型的区域生态用地演变影响因素分析——以京津冀地区为例［J］ . 资源科学，2011，（11）：2063 -2070.

［7］ 陈利根，龙开胜. 耕地资源数量与经济发展关系的计量分析［J］ . 中国土地科学，2007，21（4）：4 - 10.

［8］ Fotheringham. Geographically weighted regression［M］ . U.K.West Sussex：John Wiley&Sons Ltd，2002.

［9］ 罗罡辉. 基于GWR模型的城市住宅地价空间结构研究［D］ . 杭州：浙江大学，2007：165.

［10］ 李文华. 生态系统服务功能价值评估的理论、方法与应用［M］ . 北京：中国人民大学出版社，2008.

［11］ 毕晓丽，葛剑平. 基于IGBP土地覆盖类型的中国陆地生态系统服务功能价值评估［J］ . 山地学报，2004，22（1）：48 - 53.

［12］ 谢高地，甄霖，鲁春霞，等. 一个基于专家知识的生态系统服务价值化方法［J］ . 自然资源学报，2008，23（5）：911 - 919.

［13］ Costanza R.，D’Arge R.，de Groot R.，et al. The value of the world’s ecosystem services and natural capital［J］ . Nature，1997，387：253 - 260.

［14］ 陈晋，卓莉，史培军，等. 基于DMSP/OLS数据的中国城市化过程研究——反映区域城市化水平的灯光指数的构建［J］ . 遥感学报，2003，7（3）：168 - 175.

［15］ 谢高地，鲁春霞，冷允法，等. 青藏高原生态资产的价值评估［J］ . 自然资源学报，2003，18（2）：189 - 196.

［16］ 肖玉，谢高地，安凯. 莽措湖流域生态系统服务功能经济价值变化研究［J］ . 应用生态学报，2003，14（5）：676 - 680.

［17］ 徐丽芬，许学工，罗涛，等. 基于土地利用的生态系统服务价值当量修订方法——以渤海湾沿岸为例［J］ . 地理研究，2012，31（10）：1775 - 1784.

［18］ 霍天阳. 基于生物量的十堰市森林生态系统服务价值评价［D］ . 北京：北京林业大学，2009：53.

（本文责编：陈美景）

李灿文中图

图3 顺义区建设用地空间安全预警Fig.3 Spatial early warning of construction land expansion in Shunyi District

孟成文中图

The Impact of Socio-economic Factors on Ecological Service Value in Hubei Province: A Geographically Weighted Regression Approach

CHEN Yu1, LI Jiang-feng1, XU Jia2
（1. School of Public Administration , China University of Geosciences（Wuhan）, Wuhan 430074, China; 2. Collaborative Innovation Center for Exploration of Strategic Mineral Resources, China University of Geosciences（Wuhan）, Wuhan 430074, China）

The purpose of this paper is to reveal spatial variation of the impact of socio-economic factors on ecological service value, which may serve as a reference in coordinated development of economy and ecology in Hubei Province. Geographically weighted regression model was employed to analyze the dataset. The results indicated that: 1）The negative impact of primary industry on ESV diminished from west to east.2）The impact of secondary industry on ESV is obviously negative in the Western Hubei, weak in the Central Hubei, but positive in the Eastern Hubei. 3）The significantly positive impact of tertiary industry is mainly in northwestern and the central Hubei. 4）The negative impact of urbanization level on ESV diminished from west to east, but weak in eastern Hubei. 5）The negative impact of population on ESV mainlyfocus on the Jianghan Plain in the central Hubei and the Plain along the Yangtze River in east of Hubei, which are the most populated areas. The conclusion is that physiographic condition and level of social economic development are varied from different areas in Hubei, which decide the spatial variation of the above phenomenon. Finally, some proposals on sustainable developmentare given to different areas of Hubei Province according to the main impact factorsof each region.

land assessment; GWR; ecological service value; spatial socio-economic factor; Hubei Province

图5 2012年武汉市土地模拟结果与真实结果对比图Fig.5 The simulation results and practical landuse of Wuhan in 2012

F301.2

A

1001-8158（2015）06-0089-08

10.13708/j.cnki.cn11-2640.2015.06.012

2014-12-19

2015-02-16

湖北省国土资源厅科技项目（GTZYKJ201302）；中国地质调查局地质调查项目（1212011220096）。

陈彧（1985-），男，湖北荆州人，博士研究生。主要研究方向为土地利用变化及生态效应。E-mail: 376392214@qq.com