干旱内陆河流域生态系统服务空间权衡与协同作用分析

潘竟虎，李 真



干旱内陆河流域生态系统服务空间权衡与协同作用分析

潘竟虎，李 真

（西北师范大学地理与环境科学学院，兰州 730070）

为了测度生态系统服务的空间权衡/协同关系，该文以干旱内陆河流域典型地区嘉峪关-酒泉地区为研究区，对其2000年和2010年食物供给、碳储存、水源涵养和土壤保持4种生态系统服务物质量进行定量测算。利用相关分析法和空间热点制图等方法，分析了生态系统服务时空变化，从县域尺度和区域尺度上分析了生态系统服务之间的权衡协同关系，识别了某种服务的物质量或价值量极高的热点区。结果表明：研究区单位面积食物供给的高值区分布在中东部的肃州区及嘉峪关市，碳储存表现为东部及南部较高的分布格局；土壤保持在2000年和2010年变化不大，呈现出从西到东逐渐增大的分布趋势；单位面积水源涵养值由2000年的0.40 mm/(m2·a)提高到2010年的0.99 mm/(m2·a)。县域尺度上，各种生态系统服务之间大多为协同关系，其中食物-碳和水源-碳之间的协同程度较高；区域尺度上，食物供给和土壤保持、水源涵养和土壤保持生态系统服务间存在此消彼长的权衡关系。4种生态系统服务的值均未超过各自平均值的0类服务区和只有1种生态系统服务的值超过其所对应平均值的1类服务区分别占总面积的58.50%和25.20%。该研究结果可为制定差别化的区域发展与生态保护双赢政策提供科学参考。

生态；地貌；遥感；生态系统服务；权衡与协同；嘉酒地区；干旱内陆河

0 引 言

人类社会永续发展在很大程度上取决于持续供给的生态系统服务。生态系统服务定义为人类从自然、半自然或人工生态系统中所获得的种类众多的产品及服务等惠宜[1]。生态系统服务存在多样化的类型、不均衡性的空间分布，加之人类对生态系统服务使用和管理的选择性、多样性，生态系统服务之间往往存在着复杂的相互作用，表现为为此消彼长的权衡（trade-offs）和相互促进的协同（synergies或co-benefits）[2-3]。如果某类生态系统服务供给受其它类型生态系统服务获取的增加而减少，称之为权衡；反之，如果2种或多种生态系统服务同时增强，则称为协同[4]。洞悉生态系统服务权衡与协同的形成机制、表现类型、尺度依存和空间差异，对于实现区域社会经济发展与生态保护“双赢”，科学引导人类理性开发利用自然资源等活动具有重大意义。但是，当前学术界针对生态系统服务权衡/协同的研究尚处于起步阶段，急需在多种空间尺度上进行生态系统服务权衡/协同关系研究，以支持生态系统服务的管理和规划[5-6]。

21世纪初以来，国内外学者开展了大量生态系统服务权衡/协同关系研究。从研究内容来看，主要集中在生态系统服务权衡/协同的理论基础、表现形式、驱动机制、尺度效应、效益优化以及不确定性研究[7]。学者们将生态系统服务的偏好优先度从高到低归纳为以下4种：供给服务、调节服务、文化服务和支持服务[8]。发现生态系统服务权衡具有空间上和时间上的可逆性和外部性等特征[9]，并从地理学视角认为[10]，生态系统服务的时空分异性[11]、生态系统服务供给和受益的区域差异及空间流动[12]、多尺度综合效应分析与模拟[13]、权衡/协同关系的自然和人文驱动因素[14]等，既是学科理论基础，也是主要研究的切入点。从研究方法来看，现有生态系统服务/权衡研究方法可概括为4类[15]：统计学方法、GIS空间分析方法、情景模拟和生态系统服务流动性分析方法。常用的生态系统服务权衡模型包括InVEST、ARIES、EcoAIM、ESValue、Envisio、EPM、NAIS等[16]。尽管取得了很大进展，但还存在以下问题[7]：研究内容上，生态系统服务分类体系不统一，存在着重复和遗漏，造成了生态系统服务权衡研究的不确定性。研究方法上，生态系统服务权衡/协同的数量模型缺乏。研究视角上，生态系统服务权衡与协同的驱动机制研究不够深入。研究尺度上，虽然学者们分别从全球、洲际、国家、地区和流域尺度开展了研究，然而从某个尺度上获得的权衡/协同关系往往与另一尺度上获得的结果存在差异。研究实践上，现有研究案例不能很好地指导生态规划和生态补偿实践，与具体政策执行相脱节。在这种背景下，从全球尺度到局地小尺度，诸多生态系统服务空间权衡/协同的重要科学问题亟需在不同区域上开展研究案例，继而进行总结与提升。

中国干旱区面积占国土面积的三分之一，且以区域内不足10%的绿洲支撑了85%的人口和经济产出。干旱内陆河流域由于自然条件限制，生态环境极其脆弱，加之人口的持续增长和社会经济的快速发展，对于资源的利用强度不断增大，近几十年来，各大内陆河流域普遍出现了上游水源植被退化、涵养功能下降，中游地下水位下降、用水矛盾突出，下游沙漠化等问题。近年来，诸多学者[17-21]已对塔里木河、石羊河、黑河等流域的生态系统服务及其质量进行了研究，但多数研究只是通过对流域土地利用和景观生态格局的时空变化反映流域生态环境质量的变化，或是简单利用他人在青藏高原或全球尺度上建立的生态系统服务价值测算标准，估算流域生态服务价值[22]。嘉峪关-酒泉地区（以下简称嘉酒地区）作为内陆河流域生态环境脆弱区的典型代表，研究其生态系统服务空间权衡/协同关系，可为区域生态恢复治理提供基础性参考，为区域间、流域上下游间的生态补偿和生物多样性保护提供科学依据。

1 研究区概况

嘉酒地区位于甘肃省西北部，河西走廊西端的阿尔金山、祁连山与马鬃山之间，地处38°19′～42°47′N、92°45′～100°15′E，总面积19.4万km2，约占甘肃省面积的42%。由酒泉和嘉峪关2个地级市组成，行政上包括酒泉市所辖7个县（市、区）和嘉峪关市（图1）。嘉酒地区地势南高北低，自西南向东北倾斜。南部祁连山地区是本区河流发源地，中部为河流洪冲积扇平原，北部多为砾质和沙质戈壁区。境内河流分疏勒河、黑河、哈尔腾河3大水系，年径流量约32.23亿m3。本区属大陆性干旱气候，干燥寒冷，降水奇缺，年均温3.9～9.3℃，年日照总时数达3 300 h。降水量由南向北递减，蒸发量较大，干旱多风。

嘉酒地区是甘肃省确立的“中心带动，两翼齐飞”区域发展战略中的“西翼”。2016年末，嘉酒地区总人口约136万，地区生产总值753亿元。由于嘉峪关市是不辖任何县区的地级市，为了行文方便，本文在县域尺度层面分析时，将嘉峪关市看作1个单元，与酒泉市所辖的7县（市、区）一起进行对比分析。嘉酒地区是河西走廊乃至甘肃省重要的生态屏障，2014年被列入国家生态安全屏障综合试验区重点建设区域。疏勒河和讨赖河流域自汉代以来就一直是著名的“粮仓”，灌溉农业发达。嘉酒地区自1996年起开始执行农业灌溉暨移民安置综合开发项目，安置了甘肃中、南部共计7.53万移民，使得流域的人口和耕地面积激增。近年来，随着中国最大的千万千瓦级风力发电基地和甘肃省最大的光伏发电基地、煤化工、电解铝、钢铁产业在流域大规模建设，流域生态压力进一步增大。

图1 嘉酒地区位置示意图

2 研究方法与数据来源

2.1 研究方法与模型

根据联合国《千年生态系统评估》[23]所提出的生态系统服务分类方案，并遵循全面性、重要性、数据可获取性的原则，选择食物供给、碳储存、土壤保持和水源涵养4种生态系统服务类型作为嘉酒地区空间权衡与协同研究的对象。之所以选取这4种生态系统服务类型，一方面是考虑到嘉酒地区的实际，这4种生态系统服务是与研究区人类生活息息相关的，是嘉酒地区生态系统供给给人类的4大关键服务。嘉酒地区是甘肃省河西走廊商品粮基地的重要组成部分，也是甘肃优质棉花、甜菜、瓜类、水果的主要产地，疏勒河和讨赖河流域历史上就是水草丰美的灌溉农业区。肃北县和阿克塞县被列入国家重点生态功能区中的祁连山冰川与水源涵养生态功能区，主要生态功能是水源涵养。疏勒河和讨赖河下游是《全国生态环境保护纲要》划定的重要土壤保持区。疏勒河、哈尔腾河、党河、讨赖河等流域大面积分布的草原、绿洲、森林植被也是重要的“碳源”。另一方面，粮食紧缺、水资源不足、土壤流失严重、沙漠化、乱砍乱伐等一系列的问题，是全世界密切关注的问题，也是干旱内陆河流域所面临的共性生态问题。不同生态系统服务的测算模型如下。

2.1.1 食物供给测算模型

将不同土地利用类型所产生的不同食物，按照其质量转化为相应的能量。其中，奶类和食草动物肉类对应的土地利用类型为草地，粮食、油料、甜菜、蔬菜和水果对应的土地利用类型为耕地，水产品对应的土地利用类型为水域。具体的测算公式为[24]

式中P为区域提供的食物总能量，MJ；A为区域内食物在土地利用类型中所占面积，m2；P为对应的食物的单位面积供给量，kJ/m2。根据式（1）及各参数所代表的具体含义，可以算出某一区域内食物在单位面积的供给量，计算公式为

式中Y为不同食物类型的产量，kg；E为不同食物所含的热量kJ/kg。

2.1.2 土壤保持估算

采用广为使用的修正的通用土壤流失方程（RUSLE）对嘉酒地区的土壤保持能力进行测算。首先，在裸地的情形下计算各种土地利用类型潜在的土壤侵蚀量RKLS，计算式为

RKLS=LS （3）

式中为降雨侵蚀力因子，MJ·mm/(hm2·h·a)；为土壤可蚀性因子，t·hm2·h/(hm2·MJ·mm)；LS为通过数字高程模型（DEM）测算得到的坡度及坡长因子，无量纲。

其次，在植被覆盖及工程措施等情形下计算潜在土壤流失量USLE，计算式为[25]

USLE=LS（4）

式中表示植被覆盖和管理因子，表示工程措施因子。

根据上述在裸地情形及工程措施情形2类情况下的结果，得到土壤保持量SD，t/(hm2·a)，计算式为

SD=RKLS-USLE （5）

根据式（5），土壤保持量即可以通过潜在土壤侵蚀量减去潜在土壤流失量得到。

采用Wischmeier 等[26]提出的月尺度计算降雨侵蚀力因子。并且为了避免单年数据的低代表性又要与2期的土地利用数据相对应，本文采用2个时段的5 a平均降雨量数据1996－2000年和2006－2010年，来分别计算2000年和2010年的因子，计算式为[26]

式中为年平均降水量，mm/a；Y为月平均降水量，mm/月。由于RUSLE中的单位是英制单位，1 000 ft×t×in/(ac×h×a)，该单位须乘以系数17.02转换成国际单位MJ×mm/(hm2×h×a)，=1,2,…，12。

因子一般采用诺谟图确定，计算过程中需要用到土壤渗透指数和土壤结构指数，由于难以获得研究区的这2个数据，本文采用Williams等[27]提出的利用土壤有机碳数据和土壤颗粒组成数据进行计算的方法，公式为

LS因子计算时，经过多次试验[25]，本文将坡度边坡阈值设定为25°（46.43%），当坡度小于该阈值时，计算式为[28]

式中F为汇流累积量，单位为栅格数；C为栅格大小，m；为百分比法表示的坡度，%。根据DEM确定水系流向，在水流终止及土壤保持功能停止的地方，余下的泥沙就会被输出到河流中。通过多次反复校验得出[29]，F设置为800，与研究区地形图、遥感影像生成的河网较为匹配，结果也最为接近研究区的实际情况。

当坡度大于边坡阈值25°（46.43%）时[28]

式中流向1，4，16，64分别代表正东、正西、正南、正北方向。

因子采用蔡崇法[30]提出的计算式

式中为植被覆盖率，=(NDVI−NDVImin)/(NDVImax− NDVImin)，NDVI为归一化植被指数，NDVImax和NDVImin分别为研究区NDVI的最大值和最小值。

因子参考已有研究[31]，建设用地取0，耕地取0.4，其余类型取值为1。

2.1.3 水源涵养估算

通过水量平衡原理估算出嘉酒地区的产水量，并考虑该地形、土壤层厚度及渗透性等因素，计算出研究区水源涵养量。公式为[32]

WR=min(1, 249/)×min(1, 0.3TI)×min(1,sat/300)×（13）

式中WR为多年平均水源涵养量，mm；为流速系数，无量纲；TI为地形指数，无量纲，TI=lg[/(D)]，为集水区栅格数量，D为土壤深度，mm；sat为土壤饱和导水率，cm/d；为区域产水量，mm，Y=(1−AETP)P，AET/P=1+PET/P−[1+(PET/P)]1/wx，w=(AWC/P)+ 1.25，AWC=min(D/D)PAWC。Y为栅格中土地利用类型的年产水量，mm；AET为栅格中土地利用类型的年实际蒸散量，mm；P为栅格的年均降水量，mm；PET为栅格中土地利用类型的年潜在蒸散量，mm；w为自然气候-土壤性质的非物理参数；为季节参数，即Zhang系数[25]，表征降水的季节特征；AWC为栅格的可利用水分，mm；D为土壤深度，mm；D为根系深度，mm；PAWC为栅格的植被可利用水分，mm。

2.1.4 碳储存估算

计算式如下[33]

=above+below+soil+dead（14）

式中为总碳储量，t/(hm2·a)；above是地上物质碳储量；below是地下物质碳储量；soil是土壤有机碳密度；dead是枯枝落叶碳储量。碳储存量的计算通过InVEST模型完成，受篇幅所限，详细过程见参考文献[33]。

2.2 权衡与协同关系的分析方法

为了综合揭示嘉酒地区生态系统服务之间的权衡协同关系，参考前人[34]的做法，以2010年4种生态系统服务栅格数据为基础研究对象，利用GIS软件结合相关系数法对4种生态系统服务值进行统计，在县域尺度和区域尺度测算生态系统服务间的相关关系，从而判定4种生态系统服务之间的权衡与协同关系。其中，县域尺度上，设置采样间隔点距离为3 km，在嘉酒地区获取均匀分布的点，对2010年各种生态系统服务变化量的栅格图进行分区采样，利用相关分析手段计算得到嘉酒地区县域各种生态系统服务间的权衡协同关系的空间分布。若某两种生态系统服务之间的相关系数为负，并且在5%置信水平上显著，就认为它们之间存在显著的权衡关系[35]；若相关系数为正且显著，则存在相互增益的协同关系。

利用生态系统服务热点区的识别，可以进一步分析不同区域生态系统服务供给能力的强弱。一般情况下，同一种生态系统可以提供多种不同的服务，就林地而言，其可以提供水源涵养功能，又可以提供碳储存的功能，但是其提供这两种生态系统服务的能力不同，导致其在单位面积上提供服务的大小不同[36]。本文将嘉酒地区食物供给、碳储存、土壤保持和水源涵养服务超过各自平均值的栅格作为该类服务的的热点区，将这4类生态系统服务的热点区叠加分析后即可得到嘉酒地区多重生态系统服务热点区的分布状况。如果某一栅格单元内4种生态系统服务的值均未超过各自所对应的平均值，则该类栅格单元被定义为0类服务区；如果只有一种生态系统服务的值超过平均值，则该类栅格单元被定义为1类服务区；以此类推，可定义2类服务区、3类服务区和4类服务区。

2.3 数据来源与处理

各种数据的来源详见表1。其中，主要食物营养成分参考了美国农业数据库（http://usda.gov/ndb/search/list）的标准和许世卫[37]的相关研究成果。课题组在2015年和2016年7－8月2次现场实地调研，问卷实地发放434份，回收398份。另外，采取现场访谈的形式，访谈对象包括高校教师、农业相关专业技术人员、大学生、公务员、农户等。在实地调研的基础上，按照嘉酒地区实际情况对相关数据进行了修正。气温数据使用AUNSPLIN软件插值得到，其他气象要素通过反距离加权（IDW）插值获得空间数据。利用FAO Penman-Monteith模型来计算潜在蒸散发量。利用DEM和ArcSWAT工具生成集水区和子集水区数据；由土壤深度数据和坡度数据生成地形指数TI。土壤饱和导水率利用NeuroTheta软件计算获得。采用生态系统服务功能与权衡交易综合评价模型（InVEST）的InVEST3.3.0版软件，进行水源涵养和碳储存2种生态系统服务的计算。将所有空间数据统一投影到Albers投影系下，并空间重采样为90 m的栅格。

3 结果与分析

3.1 生态系统服务的时空格局

依据前文确定的4种生态系统服务的计算模型，计算得到了食物供给能量、碳储量、土壤保持量和水源涵养量的时空分布（图2）。结果显示，嘉酒地区耕地食物供给能量的单位面积年平均值由2000年的2 522.42 kJ/(m2·a)降低到2010年的2 115.35 kJ/(m2·a)，总量由118 687.63 MJ下降到116 869.11 MJ；草地食物供给能量的单位面积年平均值由2000年的15.75 kJ/(m2·a)提高到2010年的24.49 kJ/(m2·a)，总量由7 906.88 MJ提高到12 235.57 MJ；水域食物供给能量的单位面积年平均值由6.05 kJ/(m2·a)提高到6.50 kJ/(m2·a)，总量由90.36 MJ提高到101.50 MJ。单位面积食物供给的高值区分布在肃州、金塔、鼎新等绿洲地带。

表1 数据来源

图2 嘉酒地区生态系统服务时空分布

碳储量分布的总体趋势为中部及东南部较强，而中北部较弱，两时点上碳储量单位面积较高的区域均分布在玉门市和瓜州县。全区碳储量的单位面积年平均值由2000年的320.98 t/(hm2·a)提高到2010年的322.20 t/(hm2·a)，碳储存的总量由86 701.32万t提高到87 031.57万t。2个年份上单位面积土壤保持量高值区都集中分布在肃北县的野马河、党河、盐池湾地区。

全区土壤保持量年平均值由2000年的24.14 t/(hm2·a)提高到2010年的44.42 t/(hm2·a)，总量由6 524.59万t提高到11 988.57万t。土壤保持量较高的区域多分布在内陆河中下游的农业绿洲地带，如敦煌市西湖和南湖、瓜州县布隆吉、金塔县鼎新等。

全区水源涵养量单位面积年平均值由2000年的0.40 mm/(m2·a)提高到2010年的0.99 mm/(m2·a)，总量由105.11×104mm提高到268.86×104mm；水源涵养的高值区分布在肃北县大水河流域、阿克塞县哈勒腾河流域、金塔县黑河干流、讨赖河流域等。

从县区尺度分析4种生态系统服务的变化，发现就单位面积水源涵养量而言，金塔县和嘉峪关市增加显著，金塔县从2000年的0.87 mm/(m2·a)增加到2010年的3.37 mm/(m2·a)，主要归功于黑河分水方案的实施；嘉峪关市则从1.30 mm/(m2·a)增加到3.79 mm/(m2·a)，主要得益于水生态文明建设。从单位面积土壤保持能力来看，增加较快的是2个少数民族牧业县肃北县和阿克塞县，分别增加了40.11 t/(hm2·a)和28.86 t/(hm2·a)。从单位面积碳储存来看，嘉峪关市从733.76 t/(hm2·a)增加到757.19 t/(hm2·a)，增幅最大，阿克塞县减少了0.44 t/(hm2·a)。从单位面积食物供给来看，阿克塞、肃北、金塔县增加较多，而敦煌、肃州和嘉峪关剧烈减少，主要与这几个城市的农业结构调整以及耕地面积减少有关。

3.2 生态系统服务的时空格局

3.2.1 尺度分析

1）县域尺度。嘉酒地区县域各种生态系统服务间的权衡协同关系如表2所示，由表2可知，嘉酒地区县域各种生态系统服务之间的主导关系是协同关系，其中，食物-碳和水源-碳之间的协同程度最高。敦煌、阿克塞、瓜州、玉门和金塔县的食物-碳之间的协同作用最为明显。李晶[38]在关中-天水地区的研究发现碳储存能力的增强会影响食物供给的增强，但本文的结果显示嘉酒地区多数县市食物供给与碳储存为协同关系，而且协同性较强。除地表水资源极为匮乏的敦煌市外，其余7个县区水源-碳的协同作用也较为明显，表明在该区域林地会吸收深层土壤水分供树木蒸腾，其中相当一部分在林区附近凝结成雨，增加降水；同时造林也会提高碳储存能力。另一方面，植树造林在增加干旱区植被覆盖度，提高生态系统碳储存服务的同时，是否也会导致地表蒸散作用的加强，使得水源涵养服务能力下降值得进一步深入研究。有学者[39]在黄土高原的研究表明，造林非但没有促使降雨量等增加，还浪费了大量的水资源；陕北实施的退耕还林草政策对该区域碳储存能力和土壤保持服务有了明显改善，但降低了产水量[40]，这表明生态系统权衡具有地理位置及时空差异性。土壤-碳具有区域依赖特征，在阿克塞、肃北及玉门表现为较强的协同关系，这3个县是典型的牧业县，草场面积大，植被覆盖度的增加会显著提高生态系统的碳存储服务；而在嘉峪关市和肃州区，却表现出较强的权衡关系，这种权衡关系是由生态系统服务间的相互作用以及它们之间的共同驱动力（比如由人类活动引起的土地利用/覆盖变化等）引起的。嘉峪关市和肃州区这2个市（区）是嘉-酒地区的中心城区，人类活动剧烈，但城市建设和发展占用的多为戈壁荒地，形成人工绿洲，反而会增加区域植被覆盖度，从而增大碳固持量。如嘉峪关市森林覆盖率由1990年的0.65%提高到2013年的13.29%，被评为“国家园林城市”。肃州区森林覆盖率则由2000年的5.26%提高到2015年的10.8%。同时，建设用地扩张一方面会导致土壤保持功能下降、植被覆盖度减少，从而降低碳储存服务，另一方面也会降低地表的蒸散作用，导致产水量增加。该结果与已有研究[40-41]基本一致。

表2 嘉酒地区县域尺度生态系统服务间的相关系数

注：**表示在0.01水平上显著相关（双尾）；*表示在0.05水平上显著相关（双尾），下同。

Note: ** refers to significant correlation at 0.01 level (double tail); * refers to significant correlation at 0.05 level (double tail), the same below.

2）区域尺度。以2010年为例，分析整个嘉酒地区生态系统服务间的权衡协同关系，在SPSS软件中对4种生态系统服务进行相关分析（表3）。由表3可知，在区域尺度上，食物供给和土壤保持、水源涵养和土壤保持生态系统服务间存在负相关性，它们之间存在着此消彼长的关系。其余几对生态系统服务间均存在正相关性，其中，土壤保持-碳储存、食物供给-碳储存间相关系数较高，嘉酒地区土壤保持与碳储存具有一定的协同性，这与县域尺度上得出的结论也是一致的。干旱内陆河流域水资源有限，林地、草地、耕地等土地利用类型占比较小，未利用地占比较大，增加耕地、草地，会提高该地区的碳储存能力，也会提供一定的食物供给。

表3 2010年嘉-酒地区4类生态系统服务价值间的相关系数

3.2.2 热点分析

图3是嘉酒地区2010年多重生态系统服务热点区分级图，由图3可知，0类服务区占嘉酒地区总面积的58.50%；1类服务区占总面积的25.20%；2类服务区占总面积的11.68%；3类服务区占总面积的4.59%；4类服务区占总面积的0.03%。从5类服务的占比及空间分布来看，0类服务区所占比例最大，这也与嘉酒地区作为干旱内陆河流域的实际生态环境状况相符，0类服务区主要与嘉酒地区的戈壁、荒漠、裸岩相对应，主要分布在肃北县马鬃山、瓜州县、敦煌市及阿克塞县。1类服务区主要分布在金塔县除绿洲外的绝大部分地区，玉门市中北部及敦煌市与阿克塞邻接地带。2类服务区分布在肃州区东南部，玉门市南部及肃北县与阿克塞交界地带，分布较为零散。3类服务区主要分布在嘉峪关市、金塔县绿洲周围、肃北县哈尔腾河流域。4类服务区分布在嘉峪关市和肃州区南部祁连山地。

图3 2010年嘉酒地区多重生态系统服务热点区分布

4 讨 论

全面系统的模拟和估算生态系统服务是进行生态系统服务管理及相关政策制定的前提。地理环境的空间异质性会导致生态系统服务的权衡和协同关系动态变化出现尺度效应。本文研究发现，区域尺度上，2010年嘉-酒地区食物供给和土壤保持、水源涵养和土壤保持生态系统服务间呈现一定的权衡关系，这种权衡关系是由生态系统服务间的相互作用和（或）其之间的共同驱动力（例如干旱区的降水、气温、地形等或者由人类活动引起的土地利用/覆被变化等）引起的。县域尺度上结果则显示，生态系统服务权衡与协同关系在该地区具有较强的区域异质性及区域尺度依赖性。说明区域尺度上的协同/权衡无法代表次一级或者更微观尺度上也存在同样的关系。人类活动和自然资源禀赋在空间上的分布差异，可能是嘉-酒地区生态系统服务权衡关系出现尺度效应的主要原因。此外，各种生态系统服务间存在着交叉式的权衡/协同关系，其内部结构与机理，需要进行更加深入的研究。本文分析得出嘉酒地区各种生态系统服务之间的关系大多为协同关系，而且较为显著，这也为区域制定生态恢复和保护政策提供了利好，但与相关学者在干旱区的研究[42]结论有所差异，尚需通过更多尺度、更多案例来研究验证。

本文测算的各生态服务功能间的相关系数较低，这可能是研究区各县域的面积、植被覆盖和土地利用结构差异巨大所致，其他学者[38,43]的相关研究也得到类似结果。如李晶等[38]在天水-关中经济区的研究发现各种生态服务功能间的相关系数在−0.06～0.5。李鸿健等[43]在银川盆地的研究显示各种生态服务功能间的相关系数在0.04～0.23。本文在栅格尺度上随机选择了样本区进行相关分析，相关系数也不高，下一步可考虑在乡镇尺度开展研究。

由于学界在生态系统服务分类上依然分歧严重，可利用的数据和技术方法非常有限，往往造成同类生态系统服务评估结果差别较大。本文在估算各项生态系统服务时，所使用的数据涵盖了多种分辨率，尽管使用的数据已经是现有条件下能够得到的较高分辨率的数据，但误差和疏漏仍是不可避免的。在定量测算生态系统服务时，模型参数的取值采用了经验法或其他类似地区的数值，也引入了主观误差。在评价生态系统服务间相互作用关系时，本文使用了被最广泛采用的相关分析法，这种方法在某种程度上可视为一种“空间替代时间”的方法，有学者最新的研究[39]显示，使用这种方法也许将忽略众多重要的生态系统服务之间的相互作用关系，因为缺乏区域生态系统或景观变化的历史数据。构建一个能够包括并反映干旱内陆河流域历史时期土地利用、景观格局、气候、社会经济变化的长时序和高精度的空间数据库，应该是下一步工作的重点。

权衡和协同关系与区域土地利用的博弈关系紧密相关，土地利用变化会对生态系统服务的冲突和协同产生影响。但在进行生态系统服务评估时，对某一种土地利用类型的生态系统服务赋予同一值可能会造成评估结果与实际空间分布有偏差，不同尺度数据的结合己成为目前生态系统服务评估工作所遇到的共同难题，在本文中同样存在上述问题。高分辨率、大尺度的数据库构建与完善不可能一蹴而就，在当前我国推进生态文明建设和干旱内陆河流域生态补偿存在强烈科技需求的背景下，本文结果对政府和利益相关者的决策制定仍有一定的指导意义。

5 结 论

本文以干旱内陆河流域的典型区嘉-酒地区作为研究区，利用相关模型定量测度了2000年和2010年食物供给、碳储存、土壤保持和水源涵养4种生态系统服务的时空分布格局，并在县域尺度和区域尺度2个尺度上，利用相关系数分析了4种生态系统服务之间的权衡与协同关系，通过生态系统服务热点制图，了解生态环境状况的空间差异，为制定差别化的区域发展与生态保护双赢政策提供科学参考。主要结论如下：

1）2000年和2010年，单位面积食物供给的高值区均分布在中东部的肃州区和嘉峪关市；碳储存的总体趋势为中部及东南部较强，而中北部碳较弱；土壤保持高值集中在南部的肃北县及阿克塞县，并呈现出从西到东逐渐增大的分布趋势；水源涵养从2000年到2010年呈现出增加趋势。

2）在县域尺度上，嘉-酒地区各种生态系统服务之间的关系大多为协同关系，其中食物-碳和水源-碳之间的协同程度较高；在区域尺度上，食物供给和土壤保持、水源涵养和土壤保持生态系统服务间存在负相关，存在着此消彼长的权衡关系，其余几对生态系统服务间均存在正相关，其中，土壤保持与碳储存、食物供给与碳储存间相关系数较高。

3）空间热点制图显示，嘉-酒地区0类服务区占总面积的58.50%；1类服务区占总面积的25.20%；2类服务区占总面积的11.68%；3类服务区占总面积的4.59%；4类服务区占总面积的0.03%。

[1] Raymond C M, Singh G G, Benessaiah K, et al. Ecosystem services and beyond: using multiple metaphors to understand human-environment relationships[J]. Bioscience, 2013, 63(7): 536－546.

[2] Firbank L, Bradbury R B, Mccracken D I, et al. Delivering multiple ecosystem services from Enclosed Farmland in the UK[J]. Agriculture Ecosystems & Environment, 2013, 166(66): 65－75.

[3] Yang G, Ge Y, Xue H, et al. Using ecosystem service bundles to detect trade-offs and synergies across urban–rural complexes[J]. Landscape & Urban Planning, 2015, 136: 110－121.

[4] Xu S, Liu Y, Wang X, et al. Scale effect on spatial patterns of ecosystem services and associations among them in semi-arid area: A case study in Ningxia Hui Autonomous Region, China[J]. Science of the Total Environment, 2017, 598: 297－306.

[5] Darvill R, Lindo Z. The inclusion of stakeholders and cultural ecosystem services in land management trade-off decisions using an ecosystem services approach.[J]. Landscape Ecology, 2016, 31(3): 1－13.

[6] Martinez-Harms M J, Bryan B A, Balvanera P, et al. Making decisions for managing ecosystem services[J]. Biological Conservation, 2015, 184: 229－238.

[7] 戴尔阜，王晓莉，朱建佳，等. 生态系统服务权衡/协同研究进展与趋势展望[J]. 地球科学进展，2015，30(11)：1250－1259.

Dai Erfu, Wang Xiaoli, Zhu Jianjia, et al. Progress and perspective on ecosystem services trade-offs[J]. Advances in Earth Science, 2015, 30(11): 1250－1259. (in Chinese with English abstract)

[8] Swallow B M，Sang J K，Nyabenge M，et al. Tradeoffs，synergies and traps among ecosystem services in the Lake Victoria basin of East Africa[J]. Environmental Science & Policy, 2009, 12(4): 504－519.

[9] 李鹏，姜鲁光，封志明，等. 生态系统服务竞争与协同研究进展[J]. 生态学报，2012，32(16)：5219－5229.

Li Peng, Jiang Luguang, Feng Zhiming, et al. Research progress on trade-offs and synergies of ecosystem services: An overview[J]. Acta Ecologica Sinica, 2012, 32(16): 5219－5229. (in Chinese with English abstract)

[10] 李双成，张才玉，刘金龙，等. 生态系统服务权衡与协同研究进展及地理学研究议题[J]. 地理研究，2013，32(8)：1379－1390.

Li Shuangcheng, Zhang Caiyu, Liu Jinlong, et al. The tradeoffs and synergies of ecosystem services: Research progress, development trend, and themes of geography[J]. Geographical Research, 2013, 32(8): 1379－1390. (in Chinese with English abstract)

[11] Stürck J, Schulp C J E, Verburg P H. Spatio-temporal dynamics of regulating ecosystem services in Europe: The role of past and future land use change[J]. Applied Geography, 2015, 63: 121－135.

[12] Serna-Chavez H M, Schulp C J E, Bodegom P M V, et al. A quantitative framework for assessing spatial flows of ecosystem services[J]. Ecological Indicators, 2014, 39(4): 24－33.

[13] Mitchell M G E, Bennett E M, Gonzalez A. Strong and nonlinear effects of fragmentation on ecosystem service provision at multiple scales[J]. Environmental Research Letters, 2015, 10(9): 094014.

[14] Camhi A L. Tradeoffs and compatibilities among ecosystem services: Physical and economic drivers of multifunctionality[J]. Advances in Ecological Research, 2016, 54: 207－243.

[15] 戴尔阜，王晓莉，朱建佳，等. 生态系统服务权衡：方法、模型与研究框架[J]. 地理研究，2016，35(6)：1005－1016.

Dai Erfu, Wang Xiaoli, Zhu Jianjia, et al. Methods, tools and research framework of ecosystem service trade-offs[J]. Geographical Research, 2016, 35(6): 1005－1016. (in Chinese with English abstract)

[16] Bagstad K J, Semmens D J, Waage S, et al. A comparative assessment of decision-support tools for ecosystem services quantification and valuation[J]. Ecosystem Services, 2013, 5: 27－39.

[17] 潘竟虎，董磊磊. 2001－2010年疏勒河流域生态系统质量综合评价[J]. 应用生态学报，2016，27(9)：2907－2915.

Pan Jinghu, Dong Leilei. Comprehensive evaluation of ecosystem quality in the Shule River basin, Northwest China from 2001 to 2010[J]. Chinese Journal of Applied Ecology, 2016, 27(9): 2907－2915. (in Chinese with English abstract)

[18] Liang Y. Economic valuation of ecosystem service in the middle basin of Heihe River, Northwest China[J]. International Journal of Environmental Engineering & Natural Resources, 2014, 1(3): 164－170.

[19] 潘竟虎，董晓峰. 基于多源空间数据的干旱区内陆河流域生态环境综合评价：以张掖市甘州区为例[J]. 西北师范大学学报：自然科学版，2005，41(4)：62－66.

Pan Jinghu, Dong Xiaofeng. Synthetic assessment of eco-environment in the arid inland basin based on multi-source spatial data: A case study on Ganzhou District of Zhangye City[J]. Journal of Northwest Normal University: Natural Science, 2005, 41(4): 62－66. (in Chinese with English abstract)

[20] Wan L, Xia J, Bu H M, et al. Sensitivity and vulnerability of water resources in the arid Shiyang River Basin of Northwest China[J]. Journal of Arid Land, 2014, 6(6): 656－667.

[21] Huang X, Chen Y, Ma J, et al. Research of the sustainable development of Tarim river based on ecosystem service function[J]. Procedia Environmental Sciences, 2011, 10(1): 239－246.

[22] 潘竟虎，石培基. 干旱内陆河流域土地利用空间结构的计量地理分析：以甘肃省酒泉市为例[J]. 农业现代化研究，2008，29(2)：227－230.

Pan Jinghu, Shi Peiji. Analysis on land use spatial structure in arid inland river basins based on quantitative geography model: A case study of jiuquan city[J]. Research of Agricultural Modernization, 2008, 29(2): 227－230. (in Chinese with English abstract)

[23] Hassan R, Scholes R, Ash N. Ecosystems and Human Well-Being: Current State and Trends[M]. Washington D C: Island Press, 2005.

[24] 李双成，王珏，朱文博，等. 基于空间与区域视角的生态系统服务地理学框架[J]. 地理学报，2014，69(11)：1628－1639.

Li Suangcheng, Wang Jue, Zhu Wenbo, et al. Research framework of ecosystem services geography from spatial and regional perspectives[J]. Acta Geographica Sinica, 2014, 69(11): 1628－1639. (in Chinese with English abstract)

[25] Pan J H, Wen Y. Estimation of soil erosion using RUSLE in Caijiamiao watershed, China[J]. Natural Hazards, 2014, 71(3): 2187－2205.

[26] Wischmeier W H，Smith D D. Rainfall energy and its relationship to soil loss[J]. Transactions American Geophysical Union, 1958, 39(2): 285－291.

[27] Williams J R，Arnold J G. A system of erosion: Sediment yield models[J]. Soil Technology, 1997, 11(1): 43－55.

[28] 李婷，刘康，胡胜，等. 基于InVEST模型的秦岭山地土壤流失及土壤保持生态效益评价[J]. 长江流域资源与环境，2014，23(9)：1242－1250.

Li Ting, Liu Kang, Hu Sheng, et al. Soil erosion and ecological benefits evaluation of Qinling mountains based on the InVEST model[J]. Resources and Environment in the Yangtze Basin, 2014, 23(9): 1242－1250. (in Chinese with English abstract)

[29] 胡胜，曹明明，刘琪，等. 不同视角下InVEST模型的土壤保持功能对比[J]. 地理研究，2014，33(12)：2393－2406.

Hu Sheng, Cao Mingming, Liu Qi, et al. Comparative study on the soil conservation function of InVEST model under different perspectives[J]. Geographical Research, 2014, 33(12): 2393－2406. (in Chinese with English abstract)

[30] 蔡崇法，丁树文，史志华，等. 应用USLE模型与地理信息系统IDRISI预测小流域土壤侵蚀量的研究[J]. 水土保持学报，2000，14(2)：19－24.

Cai Chongfa, Ding Shuwen, Shi Zhihua, et al. Study of applying USLE and geographical information system IDRISI to predict soil erosion in small watershed[J]. Journal of Soil And Water Conservation, 2000, 14(2): 19－24. (in Chinese with English abstract)

[31] Xu L F, Xu X G, Meng X W. Risk assessment of soil erosion in different rainfall scenarios by RUSLE model coupled with Information Diffusion Model: A case study of Bohai Rim, China[J]. Catena, 2013, 100(2): 74－82.

[32] Kareiva P, Tallis H, Ricketts T H, et al. Natural Capital: Theory and Practice of Mapping Ecosystem Services[M]. New York: Oxford University Press, 2011: 53－72.

[33] Zhang L, Dawes W R, Walker G R. Response of mean annual evapotranspiration to vegetation changes at catchment scale[J]. Water Resources Research, 2001, 37(3): 701－708.

[34] Qiu J, Turner M G. Spatial interactions among ecosystem services in an urbanizing agricultural watershed[J]. Proceedings of the National Academy of Sciences, 2013, 110(29): 12149－12154.

[35] Zheng Z, Fu B, Hu H, et al. A method to identify the variable ecosystem services relationship across time: A case study onYanhe Basin, China[J]. Landscape Ecology, 2014, 29(10): 1689－1696.

[36] 郝梦雅，任志远，孙艺杰，等. 关中盆地生态系统服务的权衡与协同关系动态分析[J]. 地理研究，2017，36(3)：592－602.

Hao Mengya, Ren Zhiyuan, Sun Yijie, et al. The dynamic analysis of trade-off and synergy of ecosystem services in the Guanzhong Basin[J]. Geographical Research, 2017, 36(3): 592－602. (in Chinese with English abstract)

[37] 许世卫. 中国食物发展与区域比较研究[M]. 北京：中国农业出版社，2001.

[38] 李晶，李红艳张良. 关中-天水经济区生态系统服务权衡与协同关系[J]. 生态学报，2016，36(10)：3053－3062.

Li Jing, Li Hongyan, Zhang Liang. Ecosystem service trade-offs in the Guanzhong-Tianshui economic region of China[J]. Acta Ecologica Sinica, 2016, 36(10): 3053－3062. (in Chinese with English abstract)

[39] Wang C, Wang S, Fu B J, et al. Precipitation gradient determines the tradeoff between soil moisture and soil organic carbon, total nitrogen, and species richness in the Loess Plateau, China[J]. Science of the Total Environment, 2017, 575: 1538－1545.

[40] Jia X Qg, Fu B J, Feng X M, et al. The tradeoff and synergy between ecosystem services in the Grain-for-Green areas in Northern Shaanxi, China[J]. Ecological Indicator, 2014, 43(3): 103－113.

[41] 孙泽祥，刘志锋，何春阳，等. 中国快速城市化干燥地区的生态系统服务权衡关系多尺度分析：以呼包鄂榆地区为例[J]. 生态学报，2016，36(15)：4881－4891.

Sun Zexiang, Liu Zhifeng, He Chunyang, et al. Multi-scale analysis of ecosystem service trade-offs in urbanizing drylands of China: A case study in the Hohhot-Baotou- Ordos-Yulin region[J]. Acta Ecologica Sinica, 2016, 36(15): 4881－4891. (in Chinese with English abstract)

[42] Tomscha S A, Gergel S E. Ecosystem service trade-offs and synergies misunderstood without landscape history[J]. Ecology & Society, 2016, 21(1): 43－45.

[43] 李鸿健，任志远，刘焱序，等. 西北河谷盆地生态系统服务的权衡与协同分析：以银川盆地为例[J]. 中国沙漠，2016，36(6)：1731－1738.

Li Hongjian, Ren Zhiyuan, Liu Yanxu, et al. Tradeoffs- synergies analysis among ecosystem services in Northwestern Valley Basin: taking Yinchuan Basin as an example[J]. Journal of Desert Research, 2016, 36(6): 1731－1738. (in Chinese with English abstract)

Analysis on trade-offs and synergies of ecosystem services in arid inland river basin

Pan Jinghu, Li Zhen

(,730070,)

Ecosystem services (ES) are the benefits that humans received from the natural environment, which are closely related to the environmental process and human activities. With the deepening understanding on ES, their relationships and integrated effects between different ES have been paid more and more attention both at spatial and temporal dimensions. Due to the complex relationships between diverse ES, there is likely to be a contradictory mutual relationship between various ES, which is mainly shown as reciprocal trade-offs or mutual gain synergies. Trade-offs occur when the provisions of several ES are in the opposite trend, while synergies occur when the provisions of several ES gather. Scientific understanding and weighing trade-offs and synergies relationship of ES makes contribution to ecosystem management and decision-making. What’s more, this also has great significance on realizing “win-win” policies of the economic development and ecological protection. In recent decades, serious eco-environmental problem have occurred in most areas of the arid inland river basin, such as vegetation degradation in the upper reaches, the descending of water conservation capacity, the declining of groundwater level in middle reaches, the outstanding of water conflicts and the desertification in the lower reaches. These problems of fragile ecological environment have influenced the basins’ sustainable development. Jiayuguan-Jiuquan region (JJR), a typical representative of arid inland river basin, was taken as an example. Several models were used to estimate the value of four key ES in 2000 and 2010, including food supply, water retention, soil conservation and carbon storage. Besides, trade-offs and synergies among ES and the characteristics of spatial distribution of ES were also discussed by using the correlation analysis and hot cartography of space. Conclusions were as follows: 1) The annual average value of food supply per unit area in cultivated land decreased from 2 522.42 kJ/(m2·a) in 2000 to 2 115.35 kJ/(m2·a) in 2010. The annual average value of food supply per unit area in grass land increased from 15.75 kJ/(m2·a) to 24.49 kJ/(m2·a), and that in water areas increased from 6.05 kJ/(m2·a) to 6.50 kJ/(m2·a). From 2000 to 2010, the annual average value of carbon storage per unit area, the annual average value of soil retention per unit area and the annual average value of water retention per unit area increased by 0.38%, 84% and 147.5%, respectively. 2) From the perspective of space, the high value regions of food supply were distributed in oasis areas of Suzhou, Jinta and Dingxin. The overall trend of carbon storage distribution was stronger in the central and southeastern regions of JJR, but weaker in the north of JJR. The high value regions of soil conservation were concentrated in Yanchi, Yema River, and Dang River of Subei County. While, the high value regions of water retention distributed in Dashui river basin of Subei County, Haller Teng river basin of Aksay County, and Heihe and Taolai river basin of Jinta County. 3) The correlation analysis displayed that synergy was the dominant relationship among ES, and the synergy degree of carbon storage with food supply and water retention was more obvious. Along with the change of scale, the trade-off and synergy of ES had obvious dependence. In the county scale, there were trade-off between soil retention and carbon storage in Jigyuguan City and Suzhou District. And there were synergy between carbon storage and soil retention in Aksay County, Subei County and Yumen City. In regional scale, trade-offs between food supply and soil conservation, as well as water retention and soil conservation were significant in 2010. Carbon storage with food supply and soil retention showed significant synergies. 4) The hot cartography of space indicated that service areas of type 0 were the largest, accounting for 58.50% of the total area of JJR; and service areas of type 1, type 2, type 3 and type 4 accounting for 25.20%, 11.68%, 4.59% and 0.03% of the total area of JJR, respectively. The results have implications for the planning and management of natural capital and ES, and provide a scientific basis for sustainable development in JJR.

ecology; landforms; remote sensing;ecosystem services; trade-offs and synergies; Jiayuguan-Jiuquan region; arid inland river basin

10.11975/j.issn.1002-6819.2017.17.037

X171

A

1002-6819(2017)-17-0280-10

2017-04-27

2017-08-04

国家自然科学基金项目（41661025）；甘肃省高校科研项目（2016A-001）；西北师范大学青年教师科研能力提升计划（NWNU-LKQN-16）

潘竟虎，甘肃嘉峪关人，教授，博士，主要从事生态环境遥感研究。兰州 西北师范大学地理与环境科学学院，730070。Email：panjh_nwnu@nwnu.edu.cn