基于土地利用的贵州省乌江流域生态系统服务价值演变分析

牛潜, 周旭, 许幼霞, 杨江州, 张继



基于土地利用的贵州省乌江流域生态系统服务价值演变分析

牛潜, 周旭*, 许幼霞, 杨江州, 张继

贵州师范大学地理与环境科学学院, 贵州贵阳 550001

生态系统服务价值研究可为区域可持续发展提供参考。采用动态度与转移矩阵方法分析2000—2015年贵州省乌江流域土地利用变化特征, 并以土地利用数据为基础, 采用修正后的生态系统服务价值指标体系, 计算2000、2005、2010、2015年贵州省乌江流域生态系统服务价值, 分析土地利用变化对生态系统服务价值的影响, 并运用GM(1.1)灰色模型对研究区内未来十年的生态系统服务价值进行预测。结果表明: (1)2000—2015年, 乌江流域土地利用发生较大变化, 林地、草地、水域、建设用地面积分别增加265936.98 hm2、81622.9 hm2、9369.11 hm2和76679.31 hm2, 耕地面积则减少433815.29 hm2, 未利用地面积呈小范围波动态势。(2)2000—2015年, 乌江流域生态系统服务价值由18.41×1010元增至19.29×1010元, 增幅达4.8%。(3)生态系统服务价值对林地与耕地的变化较为敏感。(4)根据灰色模型预测出: 到2030年, 流域内的生态系统服务价值将继续增长至20.22×1010元, 耕地面积将继续快速减少, 建设用地将呈几何倍数继续扩张, 这将对区域粮食安全与生态环境带来不利影响。

生态系统服务价值; 土地利用; 敏感性分析; 灰色模型; 贵州省乌江流域

1 前言

生态系统服务是指自然生态系统为人类生存发展和环境保护所提供的所有惠益, 如调节气候、涵养水源、保持水土、净化污染、提供食物、维持生物多样性等。而生态系统服务价值(Ecosystem Service Value, ESV)是对生态系统的服务和自然资本用经济法则所做的相对估算, 其目的是从宏观角度对生态系统服务进行评估与量化, 从而推动生态系统资产化管理、生态补偿机制和生态资产有偿使用等政策的实施[1]。生态系统服务价值的增减与土地利用/覆被变化(land use and land cover change, LUCC)有着密切关联[2]。生态系统服务价值的研究始于Costanza[3]和Daily[4], 使生态系统服务价值理论数量化、科学化、体系化; 而国内的研究以谢高地[5-7]和傅伯杰[8]为代表, 他们的研究基于Costanza和Daily的成果, 根据中国的实际情况进行了改进。国内其他学者在细化指标体系[9-10]、区域修正[11-12]等方面也取得了不少成果。然而目前对于生态系统服务价值的研究大多局限于行政单元[13-15]或经济区[16-17]以及平原[18]、高原[19]、湿地[20]、森林生态系统[21]等自然单元, 对生态景观破碎的西南喀斯特中等流域研究较少, 且指标体系多是直接套用Costanza或谢高地的研究成果, 没有考虑区域特性。

以2000、2005、2010和2015年的土地利用变化与转移为基础, 根据贵州乌江流域的实际情况建立ESV当量指标体系, 探究研究区内的土地利用变化对ESV变化的动态影响, 从而为区域生态环境保护、土地资源利用与规划和流域综合管理提供参考。

2 研究区概况

乌江发源于贵州省威宁县境内的乌蒙山脉东麓, 干流全长1037 km(其中贵州境内874 km), 是贵州省第一大河, 支流众多, 呈羽状水系分布, 主要支流有六冲河、猫跳河、清水江等。乌江流域(104°09'—109°38'E, 25°26'—30°22'N)贵州段面积约66807 km2, 自西向东横贯整个贵州省北部(图1), 占全省总面积的37.9%, 流域范围涉及威宁、赫章、普定等47个县级行政单位。流域内属中亚热带季风性湿润气候, 气候温和, 降水丰沛, 雨热同季, 年平均气温13—18 ℃, 年降水量约1100—1400 mm。乌江流域地处二、三级阶梯的过渡倾斜地带, 西南高, 东北低, 天然落差2036 m, 切割强烈, 生态景观破碎, 垂直分异明显, 地形以高原、山原、中山及低山丘陵为主, 平均海拔1100 m。流域内岩溶地貌发育强烈, 75. 6%的地区是石灰岩、白云岩等碳酸盐岩广泛分布的喀斯特地貌, 土层瘠薄且再生困难, 极易引发水土流失和石漠化。流域内土地利用类型以林地、草地、耕地为主, 2015年森林覆盖率约51%[22]。

图1 研究区位置与地形图

3 数据来源与研究方法

3.1 数据来源

研究中用到的数据主要包括土地利用数据、矢量边界数据和社会经济统计数据。土地利用数据包含2000、2005、2010和2015年4期数据, 其中, 2000、2005和2010年土地利用数据来源于“贵州省生态环境十年变化遥感调查与评估”项目, 采用基于碳收支的土地覆被分类系统; 2015年土地利用数据是在2010年的基础上, 以Landsat-8遥感影像为底图, 通过目视解译得到, 采用《全国遥感监测土地利用/覆盖分类体系》, 野外验证精度为90.5%。流域边界数据利用ArcGIS水文分析模块提取。社会经济统计数据包含2000—2015年粮食作物播种面积、粮食产量和粮食收购价格数据, 其中, 粮食作物播种面积与粮食产量数据来源于乌江流域内各县市2000-2015年《统计年鉴》与《国民经济和社会发展统计公报》; 粮食市场价格来源于贵州省粮食局粮油价格监测报表(http: //www.gzgrain.gov.cn/)。

3.2 研究方法

3.2.1 土地利用变化分析

单一土地利用变化动态度是指某种土地利用类型在一定时期内的变化速度与变化幅度, 计算公式为:

式中,为土地利用变化动态度;U和U分别表示某一土地利用类型在研究初期和末期的面积, 单位是hm2;为研究的时间长度, 单位是年。

土地利用变化综合动态度可以从总体上反映研究区域内各土地利用类型相互转化的剧烈程度, 计算公式为:

式中,为土地利用变化综合动态度,LU表示初始时间土地利用类型的面积,ΔLU表示研究时间段内土地利用类型转化为其他非的土地利用类型的面积,为研究时间长度。

3.2.2 单位面积生态系统服务价值量的核算

生态系统服务价值当量因子是指生态系统产生的生态服务的相对贡献大小的潜在能力, 定义为1 hm2全国平均产量的农田每年自然粮食产量的经济价值。本文根据两个原则划定研究范围: 1、县级政府驻地在流域范围内; 2、或县级行政区在流域内的面积占县区总面积的60%以上[23]。以谢高地等制定的中国陆地生态系统单位面积生态系统服务价值当量表为基础, 将贵州省的生态系统服务价值当量因子指数修正为0.63[24]。通过查阅各县2000—2015年《统计年鉴》和《国民经济和社会发展统计公报》的统计数据, 得出贵州乌江流域2000—2015年平均粮食产量为3050.06 kg·hm–1, 约为贵州省同期粮食产量(3622.91 kg·hm–1)的0.84倍, 因此研究区的农田生态系统服务价当量因子系数最终修正为1×0.63×0.84=0.53。粮食价格选取乌江流域普遍种植的水稻、小麦、玉米、大豆和马铃薯等粮食作物2010年的平均收购价格, 约为2.266元·kg–1。根据谢高地等人的研究成果, 即1个生态服务价值当量因子的经济价值量等于当年全国平均粮食单产市场价值的1/7, 得出贵州乌江流域单位生态服务价值当量因子的经济价值量为1862.92元·hm–1。

生态系统服务价值计算公式:

式中:为研究区生态系统服务总价值,ESV为单项生态系统服务价值;A为研究区内土地利用类型的分布面积;VC为土地利用类型单位面积生态系统服务价值,VC为土地利用类型的第种生态系统服务类型的单位面积价值。

表1 贵州乌江流域单位面积生态系统服务价值当量因子

注: *生物质或者生物量的营养循环功能价值; 价值单位为(元·hm–1·a–1)。

3.2.3 敏感性分析

本文引入敏感性指数(Coefficient of sensitivity, CS)对该系数的准确性以及适用性进行验证。通过计算改变输入变量对输出结果的影响来定量分析生态系统服务价值(ESV)对生态系统服务价值系数(变化的敏感程度。当CS＜l时, 表明对于是缺乏弹性的; 当CS＞1, 表明对于是富有弹性的。参考前人研究成果, 拟将系数上下调整50%来验证。敏感性指数计算公式为:

式中,为调整前的初始生态系统服务价值或系数,为调整后的价值或系数,为土地利用类型。

3.2.4 土地利用变化趋势以及生态系统服务价值预测

GM(1, 1) 灰色模型是一个被广泛运用的一阶单变量的微分方程模型, 与CLUE-S等其他模型相比, 不需要大量的样本以及样本规律性的分布即可得到相对精确的预测结果。本文采用GM(1, 1)灰色模型对2020—2030年的土地利用面积变化以及ESV变化进行预测。模型简写为:

式中,为时间,为待定参数, 可用最小二乘法对其进行估算。本文用Excel软件对该模型进行建立与运算, 具体方法限于篇幅在此不再赘述[25]。

4 结果分析

4.1 土地利用时空变化分析

4.1.1 单一土地利用变化动态度

由图2可知, 贵州省的土地利用类型以林地、耕地、和草地为主, 面积为分别占土地总面积的50.33%、29.6%和16.68%。耕地、林地、草地在流域内均有广泛分布, 且基本呈相间分布的格局; 流域内除乌江干流、支流外, 还有乌江渡水库、百花水库、红枫湖、支嘎阿鲁湖等较大水库与湖泊; 建设用地占土地总面积的2.64%, 受地形与交通条件限制, 除贵阳市、遵义市、毕节市(七星关区)和六盘水市(钟山区)外, 其它建设用地均分布零星, 并未形成实质性的城市群; 未利用地则的分布比较零星, 主要是裸土和石漠化地区裸露的基岩。

由表2可知, 在2000—2015年间, 流域内林地、草地面积均不断增加, 分别增加265936.98 hm2与81622.9 hm2, 增长率为8.3%和7.64%; 耕地面积则减少433815.29 hm2, 变化率为17.53%, 是面积唯一减少的地类; 建设用地则不断膨胀, 由2000年的105037.86 hm2增加到2015年的181717.17 hm2, 增长率为73%, 是增幅最大的地类; 水域面积增加了9369.11 hm2, 增长率为25%; 未利用地面积很小, 基本呈小范围波动态势。林草地的增长速度与耕地的减少速度趋缓, 主要是由于政府针对基本农田保护区与坝区耕地划定了保护红线, 且在城市扩张和交通用地延伸的过程中, 出现了破坏林草地的情况, 使其转化为建设用地或裸地。六大地类中, 建设用地的动态度最大, 达到了4.56%, 显示了流域内快速的城市化进程。

图2 2000、2005、2010与2015年贵州省乌江流域土地利用变化图

表2 贵州乌江流域2000—2015年土地利用变化

4.1.2 土地利用综合动态度

为了探究各土地利用类型的内部相互转化状况与演变机制, 以4期土地利用数据为基础, 利用ArcGIS空间叠置分析获取土地利用转移矩阵。由表3可知, 耕地向林地、草地和建设用地转移面积较多, 分别为269756.15 hm2、92811 hm2和69874.64 hm2, 表明退耕还林还草工程是颇有成效的, 而快速的城市化也使得城市周边的耕地不断被蚕食, 耕地成为建设用地扩张的主要来源。水域的增加主要来源于耕地和林地, 主要是兴建大型水利工程时筑坝蓄水所淹没的土地。耕地的综合动态度最高, 为0.55%, 原因是耕地向林地和建设用地大量转出; 未利用地的综合动态度最高, 为1.03%, 主要由于未利用地基数小, 面积增长较快, 且波动较大; 建设用地的综合动态度也较高, 分别为0.08%, 显示了建设用地由其他地类大量转入的过程。

4.2 生态系统服务价值动态变化分析

4.2.1 各地类ESV变化

由表4可知, 贵州乌江流域的生态系统服务价值呈不断增长的态势, 共增加0.88×1010元, 增长率为4.8%。其中, 林地、草地、水域对ESV的贡献均逐年递增, 分别增加了1.08×1010元、0.13×1010元、0.19×1010元, 这与上述三种地类的面积不断增长的情况是相对应的; 耕地的ESV则呈逐年递减的趋势, 主要是由于耕地面积的不断减少; 未利用地的ESV呈波动态势, 但是由于其面积所占比例很小且单位面积ESV当量很低, 因此对总体的ESV变化影响微乎其微。水域变化率最大, 达到25%; 其次是耕地, 为-17.23%; 然后是林地、草地、和未利用地, 分别为8.28%、7.93%和2.5%。综上, 在2000—2015年间, 耕地的ESV不断减少, 但是其他地类的ESV不断增长, 且增长的价值超过了耕地减少的价值, 因此最后研究区内的ESV是正向变化的。在所有地类中, 林地对ESV贡献最大, 比重达到了73.2%, 其次是耕地、草地和水域, 比重分别达到了12.7%、9.18%和4.92%, 未利用地贡献最小, 仅为0.021%。

4.2.2 单项ESV变化

由表5可知, 所有的9种单项生态系统服务类型的ESV在2000—2015年间均有较大变化, 除食物生产的价值减少3.08%外, 其余8项生态系统服务类型的ESV均不断增加, 主要是由于林草地的增加对于固碳释氧、水源涵养、水土保持、净化环境等功能的改善均有积极作用。其中娱乐文化、原材料、水源涵养、气体调节、生物多样性保护等服务类型的ESV增长率较大, 均超过5%, 娱乐文化功能增长率最大, 达到9.52%。食物生产功能主要来源于草地和耕地, 草地提供牲畜所需的牧草, 而耕地则提供人类生存所需要的粮食, 近年来, 贵州乌江流域耕地的流失速度超过草地的增长速度, 粮食产量和牧草供给量不足, 从而导致食物生产功能所产生的价值出现负增长。乌江流域森林覆盖率达51%, 是长江上游重要的水源涵养地, 同时也是许多野生动物的栖息地, 因此乌江流域主要的生态系统服务功能主要是土壤形成与保护、水源涵养、生物多样性保护和气体调节, 比重分别占到18.20%、14.41%、13.74%和13.69%。

表3 贵州乌江流域2000—2015年土地利用转移矩阵

表4 贵州乌江流域2000—2015年生态系统服务价值量变化

表5 贵州乌江流域2000—2015年单项生态系统服务价值量变化

*生物质或者生物量的营养循环功能价值

4.3 敏感性检验

通过对生态系统服务价值系数分别上下调整50%来进行敏感性分析。结果表明, 所有的敏感性指数均介于0—1之间, 其中敏感性指数最大的是林地, 最高值达到0.7318, 表明林地的VC增加1%时, 其ESV将增加0.7318%; 其次是耕地, 最大值达到0.1488; 其余地类的敏感性指数均小于0.1。因此ESV对于VC的变化是缺乏弹性的、不敏感的, 研究结果是相对可靠的, 该系数适用于本研究区域ESV的计算。

表6 贵州乌江流域2000—2015年生态系统服务价值系数敏感性分析

4.4 土地利用面积变化趋势以及生态系统服务价值预测

4.4.1 建立GM(1, 1)灰色预测模型

利用Excel软件建立GM(1, 1)灰色预测模型(见表7)。研究表明, 当参数–α＜0.3时, 灰色模型适合中长期预测, 本文中–0.23＜–α＜0.0612＜0.3, 因此适合对研究区内的土地利用变化做未来15年(2015—2030)的预测。一般认为, 当相对误差小于3%时, 模型精度就很高, 本文中除未利用地外, 其余地类的相对误差均小于3%, 最大的建设用地为2.03%, 最小的草地为0.073%, 但未利用地面积和价值当量都非常小, 对结果的影响可以忽略不计, 因此该模型的总体精度是非常高的, 结果是可信的。

4.4.2 贵州乌江流域未来15年土地利用面积及ESV预测

在未来15年内(2015—2030), 贵州乌江流域内的土地利用变化较为剧烈, 林地、草地、水域、建设用地及未利用地仍将继续增加, 变化率分别为5.13%、2.09%、11.40%、59.45%、22.27%, 其中建设用地增加幅度最大, 表明研究区内未来的城市化仍然保持较快速度, 城市面积将大规模扩张; 而耕地将继续减少, 变化率为11.52%, 到2030年耕地面积将不足30万公顷。与此相对应, 流域内ESV继续呈逐年递增的态势, 2020、2025和2030年的ESV分别为19.59×1010元、19.90×1010元、20.22×1010元, 增加率为3.22%, 但耕地的ESV将减少11.30%。

表7 贵州乌江流域各土地利用类型面积预测模型

注: e为常数, 取e=2.71828;为预测时间, 当＜时,(1)(+1)为拟合值, 当≥时,(1)(+1)为预测值。

表8 贵州乌江流域2015—2030年土地利用类型面积及生态系统服务价值预测

5 讨论

(1)乌江流域天然落差达2036 m, 垂直地带分异明显, 植被类型也有所差异, 既有马尾松、云南松、杉、柏为主的次生针叶林, 也有青冈栎、香樟、白杨等阔叶林。在同一生态系统内部, 如林地和草地, 不同的植被类型和植被盖度下蕴含不同的生物量, 同时提供的生态服务当量不同, 其单位面积产生的价值量也不同。本文囿于前期与后期的土地利用数据不同的分类体系, 多源数据匹配欠佳, 难以从更细致的二级分类对生态系统服务价值进行精确估算, 这在以后的研究中需要改进。

(2)在同一区域中, 尤其是受季风气候影响较为典型的区域, 季节的变化会导致气温与降水的变化, 造成植被的生长与枯落、农作物的播种与收割、水面的收缩与扩张, 从而影响其内部所蕴含的生物量, 也会进一步影响其生态系统服务功能与价值。尤其是贵州省同时受西南季风和东南季风的影响, 从而使这一机制变得更为复杂, 因此有必要从季节变化的角度对该区域的生态系统服务价值进行重新动态量化, 以探究其内部的规律性因素。

6 结论

(1)研究区内的土地利用结构在2000—2015年间发生了较大变化, 主要是耕地不断减少、林草地和建设用地不断增加的过程, 林地、草地和建设用地分别增加265936.98 hm2、81622.90 hm2与76679.31 hm2, 水域面积增加了9369.11 hm2, 而耕地共减少433815.29 hm2, 是唯一一个呈现负增长的地类。各种地类的相互转化也较为剧烈, 主要是耕地向林地、草地和建设用地转化的过程, 转化面积分别为269756.15 hm2、92811 hm2和69874.64 hm2。这种转化规律是退耕还林还草、快速城市化与流域开发综合作用的结果。

(2)流域内2000、2005、2010和2015年ESV分别为18.41×1010元、18.78×1010元、19.11×1010元和19.29×1010元, 与土地利用变化的趋势相对应, 流域内的ESV在2000—2015年间也呈现出不断上升的态势, 共增加0.88×1010元, 增长率为4.8%。其中对ESV贡献较大的是林地、耕地、草地, 分别占比73.20%、12.70%、9.18%, 水域的单位面积ESV当量最大, 但总面积较小, 因此对ESV的贡献占比仅为4.92%。从地类来看, 林地、草地、水域和建设用地的ESV在2000—2015年间均呈上升态势, 而耕地的ESV则呈减少态势; 从单项生态系统服务类型来看, 除食物生产减少3.08%外, 其余均呈上升态势, 这与耕地面积不断减少的情况是相对应的。

(3)经GM(1, 1)灰色模型预测表明, 2020—2030年间流域内林地、草地、水域、建设用地、未利用地将持续增加, 到2030年将分别增长至3745539.15 hm2、1186848.78 hm2、55285.89 hm2、360145.44 hm2、6757.35 hm2, 其中建设用地增长最快, 增长率达59.45%, 草地增长最慢, 增长率为2.09%; 而耕地面积将继续减少至1696472.30 hm2, 减少率为–11.52%。与此相对应, 流域内ESV也将持续增加, 2020、2025、2030年ESV分别为19.59×1010元、19.90×1010元、20.22×1010元, 增长率为3.22%; 除耕地的ESV减少11.30%之外, 其余地类的ESV都在持续增加。

(4)综上, 在2000—2030年间, 流域内的ESV逐年增加, 生态系统服务功能性将越来越强, 但仍应该警惕的是, 城市的快速无序扩张蚕食了大量耕地, 导致耕地面积和耕地的ESV持续下降, 进一步威胁到区域粮食生产与粮食安全。而生态系统服务价值的损失往往是不可逆的, 经济手段、法律手段或工程手段在短时间内无法弥补生态资产的损失, 因此在城市建设与交通用地建设时, 应做好土地利用、水土保持和环境保护的规划, 坚持合理与适度开发, 坚持耕地保护红线不动摇, 避免城市的无序扩张, 避免破坏林地和草地, 维持经济发展与生态环境保护的动态平衡, 以求经济效益与生态效益的最大化。

[1] 李双成, 等. 生态系统服务地理学[M]. 北京: 科学出版社, 2014: 1–25.

[2] 傅伯杰, 张立伟. 土地利用变化与生态系统服务: 概念、方法与进展[J]. 地理科学进展, 2014, 33(4): 441–446.

[3] 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): 253-260.

[4] Daily G C. Nature's services: societal dependence on natural ecosystems[J]. Pacific Conservation Biology, 1997, 6(2): 220–221.

[5] 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.

[6] 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(5): 911–919.

[7] 谢高地, 甄霖, 鲁春霞, 等. 生态系统服务的供给、消费和价值化[J]. 资源科学, 2008, 30(1): 93–99.

[8] 傅伯杰, 周国逸, 白永飞, 等. 中国主要陆地生态系统服务功能与生态安全[J].地球科学进展, 2009, 24(6): 571– 576.

[9] 粟晓玲, 康绍忠, 佟玲. 内陆河流域生态系统服务价值的动态估算方法与应用——以甘肃河西走廊石羊河流域为例[J]. 生态学报, 2006, 26(6): 2011–2018.

[10] 谢高地, 张彩霞, 张雷明. 基于单位面积价值当量因子的生态系统服务价值化方法改进[J]. 自然资源学报, 2015, 30(8): 1243–1254.

[11] 郭荣中, 杨敏华. 长株潭地区生态系统服务价值分析及趋势预测[J]. 农业工程学报, 2014, 30(5): 238–246.

[12] 刘桂林, 张落成, 张倩. 长三角地区土地利用时空变化对生态系统服务价值的影响[J]. 生态学报, 2014, 34(12) : 3311–3319.

[13] 刘永强, 廖柳文, 龙花楼, 等. 土地利用转型的生态系统服务价值效应分析——以湖南省为例[J]. 地理研究, 2015, 34(4): 691–700.

[14] 彭文甫, 周介铭, 杨存建, 等. 基于土地利用变化的四川省生态系统服务价值研究[J]. 长江流域资源与环境, 2014, 23(7): 1053–1062.

[15] 李正, 王军, 白中科, 等. 贵州省土地利用及其生态系统服务价值与灰色预测[J]. 地理科学进展, 2012, 31(5): 577–583.

[16] 孙文博, 苗泽华, 孙文哲. 京津冀地区生态系统服务价值变化及其与经济增长的关系[J]. 生态经济, 2015, 31(8): 59–62.

[17] 曾杰, 李江风, 姚小薇. 武汉城市圈生态系统服务价值时空变化特征[J]. 应用生态学报, 2014, 25(3): 884–891.

[18] 陈阳, 张建军, 杜国明, 等. 三江平原北部生态系统服务价值的时空演变[J]. 生态学报, 2015, 35(18) 6157– 6164.

[19] 李晶, 任志远. 陕北黄土高原土地利用生态服务价值时空研究[J].中国农业科学, 2006, 39(12): 2538–2544.

[20] 赵志刚, 余德, 韩成云, 等. 2008—2016年鄱阳湖生态经济区生态系统服务价值的时空变化研究[J]. 长江流域资源与环境, 2017, 26(2): 198–208.

[21] 姜永华, 江洪. 森林生态系统服务价值的遥感估算——以杭州市余杭区为例[J]. 测绘科学, 2009, 34(6): 155–158.

[22] 王尧, 蔡运龙, 潘懋. 贵州省乌江流域土地利用与土壤侵蚀关系研究[J]. 水土保持研究, 2013, 20(3): 11–18.

[23] 陈美球, 赵宝苹, 罗志军, 等. 基于RS与GIS的赣江上游流域生态系统服务价值变化[J]. 生态学报, 2013, 33(9): 2761–2767.

[24] 谢高地, 肖玉, 甄霖, 等. 我国粮食生产的生态服务价值研究[J]. 中国生态农业学报, 2005, 13(3): 10–13.

[25] 严明, 廖铁军. 基于Excel的灰色预测模型在土地利用规划中的应用[J]. 安徽农业科学, 2007, 35(12): 3627–3628.

Analysis of ecosystem service value evolution of Wujiang River basin of Guizhou Province based on land use

NIU Qian, ZHOU Xu*, XU Youxia, YANG Jiangzhou, ZHANG Ji

School of Geography and Environment Science, Guizhou Normal University, Guiyang 550001, China

The study of ecosystem service value can provide reference for regional sustainable development. By using the dynamic transfer matrix method and analysis the change of land use in Wujiang basin in 2000 to 2015 Guizhou Province, and the modified ecosystem service value index system, we calculated the ecosystem services value of Wujiang River Basin in Guizhou Province in 2000, 2005, 2010 and 2015 to analyze the impact of land use change on the ecosystem the value of service. We also forecast the ecosystem service value in the next 10 years in the region using GM (1.1) grey model. The results are as follows. (1) In 2000 to 2015, greatchanges took place in land use in the Wujiang River Basin; woodland, grassland, water area and construction land were increased by 265936.98 hm2, 81622.9 hm2, 9369.11 hm2and 76679.31 hm2. 433815.29 hm2of cultivated land decreased; unused land showed a small dynamic range of wave potential. (2) In 2000 to 2015, the ecosystem service value of Wujiang River basin increased from 18.41×1010yuan to 19.29×1010yuan, with the increase of 4.8%. (3) Ecosystem services value was sensitive to changes of forest land and cultivated land. (4) Based on grey model, prediction showed that by 2030, the basin ecosystem service value will continue to grow to 20.22×1010yuan; arable land will continue to decrease rapidly; the expansion of land will continue to geometric construction, which will have unfavorable effects to food security and regional ecological environment.

ecosystem services value; land use; sensitivity analysis; grey model; Wujiang River Basin of Guizhou Province

10.14108/j.cnki.1008-8873.2018.05.022

F301.24

A

1008-8873(2018)05-165-10

2017-10-31;

2018-09-09

贵州省科学技术基金项目(黔科合基础[2017]1195号); 贵州省科技支撑项目(黔科合支撑[2015]2855号)

牛潜(1992—), 男, 山东滕州人, 硕士研究生, 主要研究方向为土地变化与生态系统服务, E-mail: 847254129@qq.com

通信作者:周旭, 男, 博士, 副教授, 主要从事生态水文与流域管理研究, E-mail: zxzy8178@163.com

牛潜, 周旭, 许幼霞, 等. 基于土地利用的贵州省乌江流域生态系统服务价值演变分析 [J]. 生态科学, 2018, 37(5): 165-173.

NIU Qian, ZHOU Xu, XU Youxia, et al. Analysis of ecosystem service value evolution of Wujiang River basin of Guizhou Province based on land use [J]. Ecological Science, 2018, 37(5): 165-173.