基于OWA多属性决策的生态系统服务最优保护区选择研究——以渭河流域（关天段）为例

张渝萌，李晶，曾莉，杨晓楠，刘婧雅，周自翔

（1陕西师范大学地理科学与旅游学院，西安 710119；2西北农林科技大学水土保持研究所，陕西杨凌 712100；3中国科学院地理科学与资源研究所，北京 100101；4西安科技大学测绘科学与技术学院，西安 710054）

0 引言

【研究意义】渭河流域作为西部地区重要的流域生态系统，其生态建设问题关系到整个西部地区的发展，“一带一路”政策提出后，关中-天水经济区由于位于丝绸之路重要的地理位置而成为国家发展的重点区域。西部大开发战略实施以来，研究区因社会经济高速发展造成诸多生态环境问题，例如水资源短缺，水土流失严重等。生态系统服务是生态系统通过生态功能产生的，可直接或间接为人类做贡献的服务或者效益[1]。生态系统退化及其服务功能减弱将对人类的生存和发展构成严重威胁[2]。依据生态系统服务对人类的贡献，可以将其分为供给服务、调节服务、支持服务以及文化服务 4个大类[3]。随着人类对于生态系统服务需求的增加，科学地对生态系统服务进行定量评估变得十分必要[4-5]。自然保护区的建立可以有效缓解生态压力，且具有保护自然资源、存贮物种以及美学价值等多方面的意义，自然保护区是研究各类生态系统自然过程的基本规律、研究物种的生态特性的重要基地，因此在权衡生态系统服务的基础上建立自然保护区对于地区的生态发展与生态平衡的维持具有重要意义。【前人研究进展】目前关于生态系统服务的研究较多，THOMAS等[6]对固碳及生物多样性的协同关系进行了深入分析；RODRÍGUEZ等[7]从林地增加对影响径流量的角度出发对固碳，产水和生物多样性之间的权衡关系进行了探讨；李晶等[8]对关天经济区的粮食产量、固碳、水文调节等生态系统服务进行了权衡协同关系的研究；吴健生等[9]对京津冀地区的生境质量做了时空变化评估；BENSON等[10]根据不同案例，探讨了SolVES模型在应用过程中的缺陷以及改进方法，其中文化服务因为较难量化而发展相对缓慢[11-12]，但随着人类对生态系统服务的需求日益增长，文化生态系统服务也得到了越来越多的关注[13-14]。自然界风景具有一定的美学价值，因此在建立保护区时综合考虑美学价值等文化服务对于维护区域生态系统服务的功能十分重要[15]。自然保护区的生态系统服务价值较高，但关于如何从生态系统服务的角度进行最优自然保护区识别的研究却相对缺乏，已有不少研究表明有序加权平均（OWA）算子可以用来解决多属性决策问题，平衡内部冲突并确定优先保护区域[16-17]。【本研究切入点】本文通过OWA多属性决策方法来平衡多种生态系统服务之间的权衡，且本文综合考虑生态系统四类服务，通过文化服务的量化及空间化，将自然因素和人文因素进行结合，考虑到研究区紧邻秦岭山地，植被覆盖率较高以及水资源匮乏等现状条件，选取生物多样性（支持服务）、固碳（调节服务）、产水（供给服务）及文化服务 4个不同方面来评估生态系统服务，引入有序加权平均的多属性决策方法来筛选生态优先保护区。【拟解决的关键问题】以渭河流域关中-天水经济区为研究区域，通过对生态系统服务的测算以及多属性决策方法的应用，选择研究区生态优先保护范围。本文的研究成果可以为研究区的生态平衡和可持续发展提供科学参考和理论支撑。

1 材料与方法

1.1 研究区域

渭河作为黄河的最大支流，发源于甘肃省定西市渭源县，主要流经今甘肃天水、陕西省关中平原等地，至潼关县汇入黄河，渭河流域总面积约13×104km2，多年平均降水约为550 mm，海拔范围在319—3748 m，区域地势西高东低、南高北低，且南部多为山地，植被及地貌类型众多，是西部地区重要的流域生态系统（图1）。关中天水经济区2009年经国务院批复通过，以西安为中心形成中国西部发达的城市群和产业集聚带。综合评估渭河流域（关天段）的生态系统服务价值，合理划分生态优先保护区，对整个西部地区的生态建设发展是十分有意义的[18]。

图1 渭河流域（关天段）概况图Fig. 1 Basic information map of study area

1.2 数据来源

本研究使用的数据包括：（1）基础地理数据，主要包括流域边界、各县（市）边界等，均来自国家测绘地理信息局；（2）土壤数据，主要包含土壤有机碳含量、土壤容重和土层厚度等数据，来源于兰州寒区旱区科学数据中心的《基于世界土壤数据库（HWSD）的中国土壤数据集》；（3）土地利用类型图，2015 年的土地利用数据来源于中国科学院资源环境科学数据中心；（4）DEM数据，来自地理空间数据云；（5）生物量数据，来源于政府间气候变化专门委员会（IPCC）2006年制定的确定农业、林业和其他土地用途部门的温室气体目录方法学（IPCC，2006，http：//www.ipcc-nggip.iges.or.jp/public/2006gl/pdf/4_Vo lume4/V4_02_Ch2_Generic.pdf）；（6）社会统计数据，来源于统计年鉴；（7）气象数据，包括降水、温度、风速等，来源于中国气象数据网；（8）部分资料获取于相关文献。

1.3 生态系统服务模型

1.3.1 SWAT模型原理及结构 产水量通过 SWAT（Soil and Water Assessment Tool）模型计算，该模型是美国农业部开发的分布式水文模型，被广泛应用于流域尺度上各种土地管理措施及气候变化对流域水文影响的模拟和预测。SWAT模型不仅可以分析流域内的水文循环过程，也可以研究流域内的环境要素变化对水文的影响。SWAT 模型根据 DEM、土地利用类型图和土壤数据将整个流域划分为若干个子流域。产水是衡量生态系统服务的一个重要标准[19-20]，本文结合研究区具体情况划分了157个子流域，选取包括长武、宝鸡、西安、华县等8个气象站点数据。具体计算公式如下：

式中，WYLD为总产水量（mm）；SURQ 为地表径流对总径流的贡献量（mm）；LATQ 为侧向流对河川径流的贡献量（mm）；GWQ 为地下径流对总径流的贡献量（mm）；TLOSS 为河床传输的损失水量（mm）；PA 为池塘截留量（mm）。本研究选择华县站的实测径流数据进行参数率定和验证，率定期为1992—1999年，验证期为2011—2015年。

1.3.2 固碳 目前关于固碳的研究较多[21-22]，本文采用一种普遍算法，环境中已有的碳储存大部分依靠 4种基本的碳库：地上生物量、地下生物量、土壤和死亡的有机物质。InVEST模型可以突破传统定量评估方法的局限性，为生态系统服务功能的空间表达和动态分析提供新手段。InVEST模型中的碳模块计算，必要数据包括土地利用类型图和与各土地利用类型对应的四大碳库碳密度数据，可选数据包括当前木材采伐速率、收获期、碳价格等，考虑到研究需要和数据的可获取性，本文主要通过土地利用类型数据和碳密度数据进行研究。本研究土地利用数据包括6种基本类型：耕地、林地、草地、水体、城镇建设用地、未利用地。

土壤碳密度数据来源于《基于世界土壤数据库（HWSD）的中国土壤数据集》，选取的属性数据包括土壤表层及深层的有机碳含量、土壤表层及深层容重和各土壤类型参考深度，通过公式（2）计算土壤碳密度×数据[23]。

式中，Csoil为单位土壤面积上的碳储量即土壤碳密度（kg·m-2）；TOC 为有机碳含量（%）；R 为各土壤类型平均容重（g·cm-3）；H 为各各土壤类型参考深度（cm）。0.1为换算单位需要；转换系数即为Bemmelen换算系数（即0. 58 gC·g-1SOC）。

地上及地下植被碳密度数据来源于政府间气候变化专门委员会（IPCC）2006年制定的确定农业、林业和其他土地用途部门的温室气体目录方法学，根据地上及地下植被生物量进行转换[24]。

式中，Cabove为地上植物碳密度（kg·m-2）；Bi为地上生物量（kg·m-2）；IPCC（2006）以生物量为口径，InVEST模型使用的是元素碳质量。生物量转换成碳需要乘以一个范围在 0.43—0.51 的换算系数，k为该换算系数。

地下植被碳密度计算方法如下：

式中，Cbelow为地下植物碳密度（kg·m-2）；p为地上生物量和地下生物量比值，该比值可通过 IPCC数据得到。

死亡有机质碳密度的计算因为死亡有机质碳密度数据较难获取，本研究采用IPCC（2006）的默认值，其中显示了林地类型中叶凋落物的默认碳库值。非林地类型因凋落物数量过小，碳估计值接近于0。

总碳密度库计算方法：

式中，Cstorage为某地类的总碳储量（kg）；Csoil、Cabove、Cbelow、Cdead分别为土壤碳密度、地上、地下植被碳密度、死亡有机质碳密度（kg·m-2）；S为该地类的面积（m2）。

1.3.3 生物多样性 生物多样性是生态系统服务提供的生态系统结构基础，生物多样性与生态系统服务生产密切相关。InVEST模型中生境质量模块（Habitat Quality Model）可以反映生物多样性的特点，生境退化程度也可以表征生物多样性，本文选取的 InVEST模型同时计算了生境质量和生境退化度，因为生境质量高的地方相应生境退化度便比较低，具有较高一致性，为避免重复本文主要以生境质量作为生物多样性指标。生境质量指环境为个体或种群的生存提供适宜的生产条件的能力。生境中每个栅格的生境质量由生境适宜度（取值范围介于0—1，1 表示该生境具有最高适宜度，非生境为 0）和生境退化度决定。模型使用威胁图层数据来评估不同土地利用类型的退化程度。本研究将城镇用地、农村居民点、工矿建设用地和耕地定义为生境的威胁源，本研究假设4种威胁源产生的影响随距离增大呈线性衰减趋势。威胁r在栅格x的生境对栅格y的影响用irxy表示，在土地利用类型j中的斑块组x的生境质量由Qxj表示，公式如下：

式中，r为生境的威胁源，y为威胁源r中的栅格，dxy是栅格x和y之间的线性距离；drmax是威胁r的最大作用距离。Hj为地类j的生境适宜度；Dxj为地类j中栅格x的生境退化度；k为半饱和常数, 即退化度最大值的一半；z为默认参数。本研究选取的威胁源包括耕地、城镇、农村居民点和建设用地，部分参数设置参考相关文献[25]和InVEST用户手册。

1.3.4 文化服务 文化是在一定自然条件下形成的，是适应自然环境的产物，一般用来指代人类从生态系统中获得的非物质利益[26]。本文结合研究区的具体特征选取了部分指标对其文化服务价值进行计算，使用SoLVES模型进行量化，SoLVES模型在大范围研究区域内表现出较好的应用效果，该模型的使用是文化服务评估的典型代表，文化服务作为社会和自然的纽带，对其有效评估可以提升生态系统服务给人类带来的福祉[27]。SoLVES模型包括生态系统服务功能社会价值模块、价值制图模块和价值转换制图模块。各个子模块之间相互关联，利用最大熵模型和输入的基础数据进行运算，得出最终的文化服务价值图[7]。最大熵模型是以最大熵原理为基础来衡量物种在地理空间分布的模型（图2），将有数据的区域依据价值转换的办法转移到数据缺少的区域，实现对整个区域的数据量化评估[28]。本文选择审美、文化、历史、娱乐、精神 5个价值指标对研究区进行文化服务评估。使用的数据主要包括社会调查问卷和环境数据，环境数据包括GIS 表面分析工具基于 DEM 数据提取出的坡度图层以及山体阴影图层；运用 GIS 距离制图工具基于DEM 数据和道路网以及水体分布数据提取出的调查点与最临近道路的水平距离图层；调查点与最临近水体的水平距离图层；以及通过遥感影像解译获取的2015 年土地利用类型数据，生成5种价值指数地图，最终结合专家分析以十分制进行打分，得到最终权重分配和研究区的价值指数地图。问卷的内容包括娱乐、审美、学习、文化氛围、经济发展程度、可持续发展程度、生活环境以及人们的幸福感等各个方面。为了保证数据科学性，问卷还包含对人的年龄、性别和受教育水平等的调查，共计发出836份问卷，有效问卷783份。

图2 最大熵模型分析过程Fig. 2 Maxent maximum entropy model analyze process flow

1.4 最优保护区划分

1.4.1 有序加权平均算法 生态系统服务内部通常有着复杂的相互影响，常见的包括权衡协同关系，权衡是此消彼长的对立关系，而协同则是同增同减的平行关系[29]。要提高生态系统服务整体价值，应尽可能减少不同服务间的权衡作用[30-31]，但是权衡作用通常无法完全消除，此时就应当考虑选取生态系统服务价值最高的区域并加以保护[32]。本研究采用的多准则决策是通过一定的方式和已有的信息对备选方案进行排序和择优，基于OWA（Ordered Weighted Averaged，有序加权平均）算子的多准则决策方法是该方法的一项重要研究内容，OWA方法是一种可以依据决策风险系数任意选择指标之间重要程度的决策方法，OWA多准则聚合经过次序权重和准则权重两个阶段加权后，通过改变决策风险系数可以产生多种决策方案。基于OWA的最优保护区选择，即把已有的各个准则图层进行栅格化处理，然后应用OWA方法先在GIS环境下进行聚和，根据不同的风险值和权衡值的设置可以得到多种风险情景，最后根据一定的筛选原则进行最优保护区的选取。OWA算子的定义如下[33]：

式中，Xij是指在第j个经过标准化处理后的栅格图上的第i个位置处的一组属性值，Sij是与Xij对应的经过标准化之后，4种生态系统服务栅格值由大到小的降序排列之后获得的新的4个数据集，wi是4个新数据集Sij的有序权重。

在本文中，标准化栅格图层为选取的4种生态系统服务，即生物多样性、固碳量、产水量和文化服务。在进行OWA排序这一步骤之前，数据全部归一化为1—9的范围。

1.4.2 OWA情景的风险与权衡 OWA情景中涉及风险和权衡的概念，风险（risk）值在0—1范围之内，为了均衡每一种风险，每一个风险值都有对应的权衡值，从0开始取固定间隔的风险值设置一种情景，从而使4种生态系统服务的权重值由较低向较高依次增加。设定不同的有序权重后，风险和权衡的计算公式如下：

其中，n为所有生态系统服务栅格图层的总数量，ωi为第i个栅格的权重。理论上改变决策策略范围内的风险和权衡水平，可以获得多个情景，权重均匀分布的程度控制着各服务之间的总体权衡级别。OWA方法中的决策风险指的不是决策错误的概率，而是决策者对风险的规避态度，越不希望有风险，决策时就会给负面指标比较高的权重，减小风险的概率，相反，风险在可接受范围内时，相应权重就会比较低。如果决策者对每种生态系统服务分配相同的权重值，则它们更可能获得为1的最大权衡值，即每种生态系统服务被完全平均的分配权重（ωi=1/n）。如果具有的最高或最低的生态系统服务被赋予最大的权重值 1，他们将得到0的最低权衡值。场景的风险值越高，丢失生态系统服务的风险就越高。场景的权衡值越高，来自每个生态系统服务的值在最终 OWA结果中越平均。

结合风险与权重的具体概念，以下公式可以获得最佳有序权重：

这个公式的解可以决定对于给定风险水平的最大权衡程度。本文中n的数量为4，即4个生态系统服务栅格图层。

1.4.3 优先区保护效率 经过对比不同生态系统服务在不同情景下的的保护效率，可以确定生态系统服务得到最优保护的情景[34-35]，情景对应的保护区域即为最优保护区。保护效率计算公式如下：其中，E为保护区特定生态系统服务的保护效率，本文依据生态系统服务最终对生态的贡献价值进行各个服务的权重分配，根据谢高地等[36]的研究，调节、支持、供给和文化服务分别占据总生态系统服务价值的71.31%、19.01%、5.86%、3.81%。本研究分别以固碳，生物多样性，产水以及文化服务作为该类服务的代表赋予该权重，得到一个研究区生态系统服务值，ESC(avg)规定为保护区域的生态系统服务值，ESO(avg)为整个研究区生态系统服务平均值，约为5.106。

2 结果

2.1 生态系统服务评价

本文通过的SWAT模型划分子流域，根据研究区面积指定子流域最小集水面积阈值，结合研究区土地利用类型以及土壤属性等具体情况，将渭河流域（关天段）划分为157 个子流域。通过计算得到2015年研究区固碳、产水、生物多样性以及文化4种生态系统服务量（图 3），并在子流域尺度上进行分析。

InVEST碳储存模型通过将各个碳库的碳储存量相加来评价整个区域的总碳储存。土地利用类型和面积大小的变化是影响固碳能力的主要因素，2015年研究区子流域固碳量范围为5.041—10.284 t·hm-2，单位面积固碳量较高的子流域多位于秦岭山地地区，绿色植被覆盖区域可以较大程度上利用地上和地下空间，最大限度发挥其固碳能力。耕地类型单位面积上固碳量较低，但因为研究区内总体面积较大，因此固碳总量较高。城市聚集地区固碳量相对较低，建设用地密集的区域碳储存十分受限，选择固碳能力相对较弱的低覆盖草地等地区作为城市扩张的目标区域，以及增加碳的固持例如实施退耕还林还草等政策将有利于研究区碳储存的维持和增长。

1992—1999 年为研究区产水量率定期，逐月实测径流量与模拟值拟合度较高，相关系数R2为0.70，ENS（Nash-Sutcliffe Efficiency纳什效率系数）值为0.67；2011—2015年用于验证，相关系数R2为0.90，ENS值为 0.66（图 4）。产水量是生态系统服务的重要参考指标，其影响因素较多，与植被、降水、气候，地形等因素均有关，研究区处于干旱半干旱气候，产水量增大有利于研究区地下水的补给，也可以为生态系统提供更好的水环境，关中-天水经济区各个子流域产水量差异明显，子流域产水量范围为 7.773—321.484 mm，整体来看产水量研究区东部最高，中部地区小于西部地区，结合研究区行政区划来看，铜川市和渭南市产水量相对偏低。

图4 径流量的率定期和验证期Fig. 4 The calibration and validation period of runoff

研究区内的生境质量因为土地利用类型差异而明显不同，威胁因子的分布和地类差异是影响生境质量变化的关键性因素，距离威胁因子越远，生境质量得分越高，研究区子流域平均生境质量得分在 0.222—0.921之间，关中平原地区植被覆盖较少，建设用地较多，人类活动频繁和城市发展导致威胁因子分布密集，因此生境质量较低，平均值在0.22左右，秦岭林地属于高植被覆盖且距离生境威胁因子较远，生境质量平均得分较高，约为 0 .92，生物退化程度几乎为 0 ，证明其生态适宜性高，生物多样性保持良好。

经计算子流域尺度上文化价值总指数为1.3—5.7，秦岭山地一带风景区较多，是附近居民观赏游览的热点区域，因此审美价值较高。西安、咸阳、宝鸡，天水等地作为历史名城，拥有丰富的历史文化积淀，人们对其历史文化价值的认同感较高，城市地区因为配备大量娱乐设施以及可以满足人们日常娱乐活动的场所，属于娱乐价值较高的区域；而位于城市边缘的森林公园等地，是人们日常休憩和放松的主要地点，多具有较高的精神价值。本文将几种文化价值指标进行综合叠加，得到最终的文化价值指数，从空间分布图可以看出，城市整体文化价值最高。

2.2 优先保护区的划定

2.2.1 OWA算子的风险与权衡 未来情景可以为研究区生态建设发展规划提供思路，针对研究区当前的生态系统服务现状，为最大化生态系统服务功能，本研究进行了优先保护区域的划分。

利用OWA算子进行优先区选择，在0—1的风险范围内，理论上可以任意建立情景。考虑到实际研究情况和计算难度，本研究选取 0.1为间隔区间建立情景，因此共11个情景，经计算其最佳有序权重如表1，OWA算法提取出的图层分别为w1—w4，其风险与权衡的变化如图5。

由图5可以看出，当风险从0开始逐渐增长到1，权衡的变化轨迹接近抛物线，并且在风险值为0.5时，达到最高权衡值 1，最高点两侧呈对称关系。当风险值从0增长到0.5时，即情景1到情景6意味着4种生态系统服务由排序后数值最小的栅格分配到最大权重，逐渐向各栅格权重为0.25的均衡化转变；当风险从0.5增长到1时，即情景6到情景11意味着从栅格权重均衡化向排序后数值最大的栅格分配到更高的权重值转变。

2.2.2 不同情景下的保护区位 通过11个情景下，4种权重值和对应生态系统服务量的相乘，可以得到各个情景有序加权平均结果栅格图。因为目前我国对自然保护区域的界定范围研究相对较少，为了高效集约地保护研究区生态系统服务功能，我们选取20%的范围作为渭河流域（关天段）的保护区。经计算各情境保护如图6。

表1 不同情景下的风险与权衡值Table 1 The risk and tradeoff under different scenarios

图5 风险与权衡关系Fig. 5 The relationship between tradeoff and risk

2.2.3 保护效率 经计算得到保护效率如表2。风险系数可以用于表征偏向情景，本研究中风险系数为0.5时代表4类生态系统服务是“无偏向”的，最优选择区的范围随风险变化呈现为动态变化趋势。风险系数为0.5是将研究选取的4类服务发展平衡化的决策，而根据计算结果，情景6的保护效率最高，且情景6恰好是风险系数为0.5的对应情景，结合空间分布来看，保护区域主要位于研究区的南部和中西部，结合前文的研究结果，保护区域大多分布于固碳量较高的地区，这与固碳服务作为调节服务对生态系统服务价值贡献最高有关，且固碳量高值区和生境质量高值区分布相近，可以看出固碳量较高的地方比较利于生物多样性的保持，但林地虽然固碳能力强，但同时增强了土壤保持，其拦截水流的能力也相应增强，所以削弱了产水服务。城镇面积较大的情景其文化服务将提升，但其他服务随之相应减少，因此根据计算结果综合分析来看，选取情景6为最佳情景，情景6的主要土地利用类型面积（表3）为耕地561.15 km2，林地8 070.34 km2，草地668.66 km2，水体17.19 km2，城镇11.16 km2。

图6 不同情景下的优先保护区域Fig. 6 The priority area under different scenarios

3 讨论

近年来，人类对生态系统的服务需求不断上升，随着物质生活水平的提高，对文化服务的需求也日益增强，生态系统服务的相关研究大多只考虑到自然因素，本研究的创新之处在于综合考虑到调节、支持、供给、文化4种不同的生态系统服务类型，将文化服务纳入考量体系，结合自然因素和人文因素共同进行探究。可以看出，固碳量与生境质量的高值区分布较为一致，生物多样性与生态系统服务的生产有着密切联系，本质具有空间化特征，生态保护的主要目标之一就是生物多样性保护。生态系统通过增减大气中的温室气体来调节地球的气候条件，但是森林草地等陆地生态系统的碳储存同样不容忽视，生态系统还不断将碳累积到植物和土壤中，因此固碳服务是十分重要的大气调节服务。土地利用的改变会影响碳储存，进而影响气候环境，研究区紧邻秦岭山地，植被覆盖率较高，明确区域内固碳服务现状对研究区的生态系统服务价值而言十分必要，从产水量分布来看，渭南市和铜川市属于资源性缺水区，水资源总量不足，时空分布不均，水资源短缺已成为渭南经济社会可持续发展的重要制约因素。铜川市水资源量主要集中在汛期，全市人均占有水资源是全国人均的1/8，处于国际绝对缺水线以下，在产水量不足的情况下这两个地区可以通过水资源回收利用，调水工程等满足产业发展及居民生活对水的需求。目前关于文化服务的研究相对不足，且不同地区人们对文化的认知以及需求程度都对其研究结果造成影响，文化服务作为生态系统服务中一个重要的分类，未来加强其相关研究和与其他服务的相互作用与影响是十分必要的。根据文化服务研究结果，秦岭一带风景区景色优美，整体审美价值较高；西安、咸阳等地作为历史名城，历史悠久，古迹众多，其文化价值较高，研究区城市地区具备大量娱乐设施以及可以进行娱乐活动的场所，因而娱乐价值较高；位于城市边缘的森林公园，例如翠华山，骊山等则具有较高的精神价值。

表2 不同情景的保护效率Table 2 Protection efficiency of different scenarios

表3 各情景对应的土地利用面积 (km2)Table 3 The area (km2) of land use type under different scenarios

本文涉及到的生态系统服务包括生物多样性、固碳、产水以及文化。InVEST模型已经在多个国家和地区的空间规划、生态补充环境管理决策中得到了广泛应用，它可以突破传统定量评估方法的局限性，为生态系统服务功能的空间表达和动态分析提供新手段。模型考虑威胁因子及威胁距离对栖息地的影响，量化展示了研究区生物多样性的空间分布；固碳服务本文采用了一种普遍算法并计算了4类碳库的碳密度数据，InVEST模型碳模块还可以对碳价，木材价格等的输入模拟，但本文由于数据的获取局限性，未将此部分纳入计算；产水量通过SWAT模型计算，通过模拟值和实际值对比，因此有较高的可信度；文化服务主要采用问卷调查法，虽然问卷法的争议较多，但是在样本数据可靠的情况下结果依然可以提供参考，未来可以通过丰富问卷调查的内容和方式来获取更多文化服务信息。

本文选取了4个生态系统服务，未来可以考虑更多生态系统服务，使保护区的建立能够更大程度优化生态系统服务。在测算生态系统服务的基础上，本研究通过OWA决策方法，结合GIS手段，通过设立不同的风险值计算出相应权重，进行优先保护区的划分，理论上在风险值范围内，可以设立多个情景，本研究因为时间和计算量原因选取了11个情景，情景1和情景11属于极端模拟情景，情景1仅风险属性值最小的要素（w4）被赋予了次序权重1，其他要素均被赋予次序权重 0，这表明决策者对风险持一种完全规避的态度，即维护“木桶效应”的最短板态度，此时选取出的情景保护效率也是最低的，情景11则相反，风险属性值最大的要素（w1）被赋予了次序权重1，其他要素均被赋予次序权重 0，表明决策者愿意承受最大风险丢失某种生态系统服务，选取这种情景的保护效率也是比较低的，风险值在0—0.5和0.5—1之间时，决策者对风险要素的制约作用分别保持“保守偏向”和“冒险偏向”态度，风险值为0.5时，则是一种较为均衡化的决策。本文依据保护效率选取出的情景 6恰好是均衡值最高的风险决策，研究因计算量和时间原因只划分了11种情景，未来可以更深层次探讨，划分更多情景进行分析，使研究结果更具说服力。

4 结论

本文提出了新的方法用以确定优先保护区的选择，以渭河流域（关天段）为例，测算了研究区2015年4种不同类型的生态系统服务，并运用OWA多属性决策方法对多种生态系统服务进行权衡，在综合考虑自然因素和人文因素的基础上进行优先保护区的选择，对文化服务的测算使得对研究区生态系统服务的价值研究更加完善。本文利用OWA算子设定了11种情景，对选取的生态系统服务都有良好的保护效率，保护区的分布相对比较集中，多位于南部秦岭地区、天水市和宝鸡市交界处、渭南东部，咸阳市、铜川市和西安市也有少量分布，天水市西部分布最少。其中情景6的保护效率最高，为1.499，因此本文将优先保护区设定为情景6的保护区范围。为了最大化保护区效益，应该对保护区林地类型及城市郊区等可以提供文化服务的地方进行重点保护，并合理限制城市快速扩张，保护区的建立可以更好地为研究区提供生态福祉。