基于生态系统服务权衡的生态安全多情景决策

陈田田 ,彭 立 ,王 强 (.重庆师范大学地理与旅游学院,三峡库区地表过程与环境遥感重庆市重点实验室,重庆40；2.四川师范大学地理与资源科学学院,四川 成都 60066；.重庆市规划和自然资源调查监测院,重庆 4047)

生态系统服务是指自然生态系统以及物种所提供的能够满足和维持人类生活需要的条件和过程,是人类直接或间接从生态系统获得的所有收益[1].稳定、协调的生态系统服务供给是维持区域自然生命系统、保障区域生态安全的基础[2].近年来,由于经济社会高速发展,人类对生态系统干扰的增加,导致生态功能下降,生态系统服务冲突加剧.例如,建设用地扩张造成生物多样性锐减[3]、加剧石漠化和水土流失[4]、威胁粮食安全[5];退耕还林导致植被覆盖与产流、土壤含水量的权衡[6],加剧碳固存与生物多样性之间的冲突[7],强化降水对碳固定、土壤保持和水文调节服务之间的约束关系[8].在此背景下,提高国土生态承载能力,平衡生态系统服务关系,构建国土空间生态安全格局成为了缓解此类生态环境问题的重要途径.

生态安全格局是指景观中存在某种潜在的对于维护、控制特定地段某种生态过程有着重要意义的关键生态要素[9].目前,关于生态安全格局研究的内容较多,以生态安全格局评价和基于生态过程的生态安全格局构建为主.对生态安全格局评价而言,其方法主要有压力-状态-响应(PSR)模型[10]、综合指标法[11]、生态系统服务价值与生态安全耦合模型[12]和基于生态系统服务“供-流-需”的生态网络模型[13].基于生态过程的生态安全格局构建,采用较多的是“源地-阻力面-廊道”模式和多属性决策方法.源地识别方法有基于生态系统服务敏感性和重要性、景观连通性等[14-16];阻力面的构建则通常根据土地利用类型参数[17]或生态系统服务价值参数[18]修订得到;生态廊道的提取主要有最小累积阻力模型[19-20]和电路理论[21-22].整体而言,生态系统服务成为了生态安全格局研究的重要内容.只是,基于生态系统服务的生态安全格局研究多假定不同生态过程之间互不干扰,生态系统服务彼此之间不存在权衡或协同关系,在此情况下产生的生态安全格局不仅容易导致多个生态系统服务之间的相互竞争,还可能破坏生态系统服务之间的因果关系[23].如何协调各生态系统服务的竞争关系,构建均衡提升区域内不同生态系统服务水平的生态安全格局是目前加强区域生态安全建设亟待解决的问题[24].对此,学者们尝试采用不同方法将生态系统服务权衡关系纳入到生态安全格局研究中,主要包括基于土地利用变化构建的 CA-Markov模型[25]和 CLUE-S模型[26]以及有序加权平均算子(OWA),其中 OWA 被证明可以解决多属性决策问题,平衡内部冲突并确定优先保护区域,受到了学者们的广泛使用[24,27-29].

成渝城市群作为我国批复的第3个跨区域城市群,是我国城市化战略格局中重要的交汇中心.同时,成渝城市群位于长江上游生态屏障区,生态环境保护与系统维护至关重要.基于此,本文以成渝城市群为对象,选取5类主要生态系统服务类型,通过InVEST模型逐栅格估算各类生态系统服务,借助相关分析法从全域、省市、县域尺度揭示生态系统服务两两间权衡/协同关系演变,通过 OWA 算子设置不同情景明确适应于城市群发展的生态安全格局,以期为区域生态安全评价与管理提供科学参考.

1 研究区及数据

1.1 研究区概况

本文涉及的成渝城市群包括重庆市25个区(县)以及 四 川省的 15 个 市(图 1,27°39′N～32°20′N,102°51′E～108°54′E),地域面积 16.9 万 km2,约占国土空间总面积的 2.5%.成渝城市群是引领西部开发开放的国家级城市群,是贯彻西部大开发战略、提升内陆开放水平、促进区域发展平衝的重要支撑.截止到2018年,其常住人口约为9500万人,占全国常住总人口的 7.2%;国内生产总值达 5.72万亿元,占全国的6.4%;城镇化率从2010年的46.3%增长到了2018年的 53.8%.在经济社会发展的同时,区域土地利用发生了巨大变化,造成了部分生态系统服务功能的损失以及空间冲突的加剧.为此,国家颁布了《成渝城市群发展规划》,明确指出要构建成渝城市群生态安全格局,建设绿色城市群.

图1 成渝城市群区位Fig.1 Location of Chengdu-Chongqing Urban Agglomeration

1.2 数据来源与处理

本研究使用的数据有:基础地理数据,主要包括区域边界、各区(县)边界、城镇节点等,均来自国家测绘地理信息局;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》;土地利用类型图,2000和 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;高程数据,采用的是 SRTMDEM-V2产品,空间分辨率为 30m;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;气象数据,主要包括气温和降水等,来源于中国气象数据网,并采用 ANUSPLIN软件的薄盘样条法对其进行插值,获得了多年逐月时间序列的栅格图像;植被类型、植被净初级生产力(NPP)数据来源于中国科学院资源环境科学数据中心;社会经济数据来源于四川统计年鉴和重庆统计年鉴;其他数据来源于相关文献.

1.3 研究方法

InVEST (Integrated Valuation of Ecosystem Services and Tradeoffs)模型由斯坦福大学、大自然保护协会与世界自然基金会联合开发.模型能够基于不同土地利用情景对生态系统服务价值进行很好地分析和评估,能够全面权衡区域的生态系统服务状况,能够通过空间参数的输入和结果的空间化表达使生态系统服务的重要区域易于识别,从而使区域经济社会发展与自然资源保护的权衡更科学[30-31].InVEST 模型具有多个模块、运行参数较少、基础数据获取较易、以及评价结果定量化和空间可视化等诸多优点,已被国内外研究者广泛应用在生态系统服务评估领域[32-35].本文以此模型为基础,对成渝城市群生态系统服务进行了估算.

1.3.1 固碳服务 陆地生态系统中的碳储量主要取决于4个方面:地上生物量碳储存,地下生物量碳储存,土壤碳储存和有机质碳储存.在不考虑有机质碳储存的情况下,基于 InVEST模型的碳储存模块对成渝城市群的固碳服务进行了估算.其计算公式如下:

式中:C是总碳储量;Cabove是地上部分碳储量;Cbelow是地下部分碳储量;Csoil是土壤碳储量;Cdead是有机质碳储量,单位均为 t/(hm2·a).

根据张优[36]、高艳丽等[37]的研究,碳密度主要受气候、地形、水文条件、植被类型等影响,但由于植被类型与水文条件没法量化.因此,本文选取年均温和年降水量作为影响因子对碳密度进行修正,具体修正公式如下:

式中:CSP为土壤碳密度,单位为kg/m2;CBP、CBT分别为根据降水和气温得到的生物碳密度,kg/m2;MAP为年均降水量,mm;MAT为年均温,℃.

将成渝城市群和全国年均温、年降水量数据分别代入公式,根据两者之比得到碳密度系数,以全国碳密度数据表为基础,计算得到研究区碳密度数据表,进而在InVEST模型中完成碳储存的计算.

1.3.2 产水服务 基于产水模块,通过 InVEST模型计算年尺度上的区域产水量.其主要公式如下:

式中:Yxj表示土地利用类型j的产水量,mm;AETxj表示对应的年实际蒸散发量,mm;Px表示删格 x 的年降水量,mm;Rxj为干燥指数,无量纲,表示潜在蒸发量与降水量的比值;wx为修正植被年可利用水量与降水量的比值,无量纲;Z表示研究区降水特征的常数,无量纲,根据模型测试经验取默认值;AWCx为植物可利用含水量;Kxj表示删格x的潜在蒸散发量.具体可以参考包玉斌等[38]的研究.

1.3.3 土壤保持 基于InVEST模型中的土壤流失方程对区域土壤保持服务进行计算,其基本形式如下:

式中:SEDRETx和SEDRx表示栅格x的土壤保持量和泥沙持留量,t/(hm2·a);USLEx和USLEy是栅格x及其上坡栅格 y的实际侵蚀量,t/(hm2·a);Rx,Kx,LSx,Cx和Px分别是栅格x的降雨侵蚀力因子、土壤可蚀性因子、地形因子、地表覆盖与管理因子和土壤保持措施因子;SEx是栅格x的泥沙持留率.对任意删格x而言,其降雨侵蚀力因子 R,根据降雨侵蚀力回归模型[39]计算而得;土壤可蚀性因子 K,根据吴昌广等[40]的研究以及区域土壤类型分布所得;地形因子LS,基于区域DEM数据计算所得;地表覆盖与管理因子C,根据蔡崇法等[41]建立的植被覆盖度与 C值的关系计算所得;土壤保持措施因子 P,参考已有研究[42],建设用地和水域取0,耕地取0.4,其余用地为1.

1.3.4 食物生产 以粮食产量为基础,结合农作物与NPP之间的显著相关性[43],将粮食产量按照删格NPP值与区域总NPP值的比例进行空间分配,得到研究区粮食生产服务空间分布图,具体公式如下:

式中:Gi表示删格i的粮食产量,t;Gsum表示研究区粮食总产量,t;NPPi表示删格 i的植被净初级生产力;NPPsum为区域NPP之和.

1.3.5 生境质量 基于 InVEST模型的子模块,将某些胁迫因子与土地利用类型进行关联,计算了成渝城市群生境质量和生境退化度,用以评价区域生态环境状况.生境质量的计算公式如下:

式中:Qxj是土地利用类型 j中栅格 x的生境质量指数;Hj是生境适宜性指标;Dxj是对应的生境退化度;R为胁迫因子个数;Yr为胁迫因子r的栅格个数;ry为每个栅格上胁迫因子的个数;Sjr为地类j对胁迫因子r的敏感性;irxy为栅格y中胁迫因子r对栅格x的影响;dxy为栅格x与栅格y的距离;drmax为胁迫因子r的影响范围;βx为法律保护程度;k是半饱和常数,通常取最大生境退化度数值的1/2.

基于相关研究[44-45],选取耕地、居民点、建设用地作为胁迫因子,根据模型推荐数据以及相关研究成果[46-47],明确研究区各参数大小,进而在 InVEST模型中实现成渝城市群生境质量指数模拟.

1.3.6 生态系统服务权衡与协同分析方法 不同时间节点上,逐删格提取成渝城市群5类生态系统服务,计算两两服务间的 Pearson相关系数,并进行了显著性检验.当两种服务间的相关系数为正时,认为两者具有协同关系,当相关性系数为负时,认为具有权衡关系;同时,以区(县)为单元,计算了成渝城市群132个区(县)两两服务间的相关性系数,剖析不同尺度下生态系统服务权衡/协同关系变化.生态系统服务间Pearson相关性系数计算公式如下:

式中:Rxy为x,y两种服务间的偏相关系数;xi与yi分别为x,y两种服务第i年的值;和分别表示对应年份两类服务的平均值;n为删格数.Pearson相关系数的显著性检验采用t检验法完成.其统计量计算公式如下:

式中:R为相关性系数;n为删格数.

1.3.7 有序加权平均算子 有序加权平均算子(Ordered Weighted Averaged,OWA)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.其包括准则权重(uj,j=1,2,…,n)和次序权重(vj).其中,准则权重(uj)表示某个指标在所有指标中的相对重要性,次序权重(vj)是将评价单元各指标标准化后经降序排列得到的.其定义如下:

式中:uj为第j个指标的准则权重;vj为第j个指标的次序权重;Zij为i按照属性值大小进行降序排列后得到第j个指标的属性值.

一般情况下,按照指标的重要等级 wk来确定次序权重vj,其计算公式为:

式中:α为决策风险;wk为指标的重要等级,通常会根据指标数值大小确定,其计算公式为:

式中:rk为依据数值大小对指标重要性进行的等级取值,通常最大值取1,次大值取2,最小值取n.

OWA除了风险指数外,还有一个权衡的概念.其计算公式如下:

式中:n为生态系统服务类型数量;vj为第j个栅格的有序权重.

本文的决策风险水平α以0.1为间隔,从0开始取值,形成不同决策水平下的生态安全情境.将 5种生态生态系统服务加权权重值与其对应的生态系统服务相乘,可以得到多情景生态风险评价结果栅格图.比较不同情景下的权衡程度,选取权衡程度最大的情景,将其前20%值作为保护区范围[48].

2 结果

2.1 生态系统服务时空格局

从2000～2015年,粮食生产、固碳和产水量这三类服务的均值分别从 195.63t/km2、15.98t/hm2、7333.57m3/ hm2下降到了 183.13t/km2、15.81t/hm2和 7087.88m3/hm2,土壤保持和生境质量这两类服务的均值从 11.41t/hm2、0.74上升到了 11.88t/hm2和0.75,表明城镇化发展对耕地、林地等的占用对粮食生产以及固碳等服务产生了一定的消极作用,同时生态与水保工程的实施对水土保持和生境质量服务产生了积极作用.

就各类生态系统服务的空间分布而言,除成都、重庆主城区以外其它区域固碳服务水平均较高;粮食生产服务的高值区主要位于四川西北部和渝东北;土壤保持服务整体水平较低,空间分布较均匀;产水服务的高值区位于渝东北;生境质量服务的高值区主要位于海拔较高区域.整体来看,各类服务的空间分布差异明显,与区域地理背景密切相关.

就各类生态系统服务的空间变化而言,大部分区域表现为固碳服务的减少,特别是城镇及其周边地区;粮食生产服务的减少也主要集中于城镇及其周边地区;除万源市、宣汉县和开县部分区域土壤保持服务呈减少趋势外,其他地区均表现为增加趋势;产水量服务的减少区域主要位于研究区东北部;城镇周边区域生境质量的提升程度相对较高.

图2 2000～2015年5类服务的空间分布Fig.2 Spatial distribution of five ecosystem services from 2000 to 2015

图3 2000～2015年5类服务的空间变化Fig.3 Spatial changes of five ecosystem services from 2000 to 2015

2.2 生态系统服务权衡/协同关系

通过两两生态系统服务之间的相关系数图(图4)发现,食物生产与固碳、产水量、土壤保持和生境质量之间均存在明显的权衡关系,其中与生境质量的权衡关系最明显;固碳与产水量、土壤保持和生境质量均存在明显的协同关系,其中与生境质量的相关性最大,该系数可达0.562;产水量与土壤保持和生境质量之间也存在协同关系,只不过正相关系数较小;土壤保持与生境质量之间存在明显的协同关系.同时, 2000～2015年,食物生产与固碳、产水量、土壤保持和生境质量之间的权衡效应在逐渐减弱,生态系统服务间的负相关性呈减小趋势;固碳与产水量之间的关系由协同转变为了微小的权衡;固碳与土壤保持、固碳与生境质量、土壤保持与生境质量之间的协同关系呈增加趋势;产水量与土壤保持、产水量与生境质量的协同关系略有下降.整体而言,粮食生产与其他服务之间存在明显的权衡关系,但这种冲突性在区域发展过程中逐渐呈减弱趋势;除粮食生产服务外的其它服务两两之间表现为明显的协同关系.

图4 2000～2015年5类生态系统服务间的相关性Fig.4 Correlation among five ecosystem services from 2000 to 2015

就不同城市5类服务的两两相关性而言(表1),成都市5类服务两两相关性与区域层面上的相关性较一致,均表现为粮食生产与其它服务之间存在权衡关系,除粮食生产服务外的其它服务两两之间表现为协同关系;重庆市的最大区别在于产水量与固碳、生境质量之间存在的是权衡关系,而非协同关系.可见,相较于成都市,重庆市生态系统服务间的负相关性更明显,面临更大的生态保护与恢复压力.

表1 成都、重庆生态系统服务关系的对比Table 1 Comparison of the correlation among ecosystem services between Chengdu and Chongqing

以2015年为例,对生态系统服务间关系的空间分布进行了讨论(图 5).结果显示,56.8%的区县粮食生产-固碳表现为权衡关系,87.1%区县粮食生产-产水量表现为权衡关系,71.2%区县粮食生产-水土保持表现为权衡关系,62.1%区县粮食生产-生境质量表现为权衡关系,主要分布于除成都市周边部分区县外的其它区域;将近 70.5%的区县固碳-产水量表现为权衡关系,主要分布于研究区中部;86.4%的区县固碳-水土保持表现为协同关系,99.2%的区县固碳-生境质量表现为协同关系,89.4%的区县水土保持-生境质量表现为协同关系,几乎分布于整个研究区;产水量-水土保持、产水量-生境质量的权衡/协同分布较相似,大部分区县以微弱的权衡关系分布于研究区中部.整体而言,成渝城市群生态系统服务 两两间的权衡/协同分布表现出了一定的集聚特征.

图5 5种生态系统服务权衡/协同关系的空间分布Fig.5 Spatial distribution of trade-off/synergy on five ecosystem services

2.3 生态安全格局识别

2.3.1 OWA算子的风险与权衡 首先,对各生态系统服务类型进行排序,从大到小依次取1、2、3、4、5作为任一评价单元5个类型的重要性等级rk,根据上述公式计算得到各类型的重要程度 wk为:5/15、4/15、3/15、2/15和1/15.决策风险系数α以0.1为间隔,从 0开始取值,计算得到不同决策情景下的次序权重(表2)和权衡值(图6).由图7可以看出,随着决策风险系数的增加,权衡值呈先增加后下降的趋势,当风险值无限增大时,权衡值会下降至零.并且当决策风险系数为1.6时,此时权衡值最大.

图6 风险系数与权衡值的关系Fig.6 The relationship between risk coefficient and trade-off value

表2 部分风险水平下的有序权重Table 2 Ordered weight of several risk levels

2.3.2 不同情境下的区域生态系统安全评价 采用自然段点法将生态风险评价结果分为了5个等级,由于篇幅限制,本文仅展示几种典型决策风险水平下的评价结果(图7).结果显示,当α=0时,此时的决策风险相对最小,决策结果也最为乐观.此时,成渝城市群整体生态系统安全水平非常差,大部分区域处于四级生态风险状态;当 α=0.5时,各生态系统服务类型权重之间的差异在逐渐减小,此时,成渝城市群生态安全水平也不高,大部分区域处于中等及以上生态风险区;当 α=1时,其结果主要取决于准则权重的大小,而本文对各类生态系统服务类型的准则权重赋值一样,均为0.2.此时,成渝城市群主要以二、三级风险状态为主,四级风险区域范围降低,区域生态安全水平明显增长;当 α=2时,成渝城市群一级生态安全区域的面积明显增大,四、五级风险区域面积明显下降,区域整体生态安全水平处于较安全状态;当α=10时,面临的决策风险加大,此时四、五级风险覆盖范围较之决策风险系数2的略有增大;当α=1000时,决策者愿意承担最大的风险,因而得到的评价结果可能存在最大风险.结果显示,此时成渝城市群没有五级风险区域,都处于四级及以下安全水平.

图7 不同情境下生态系统服务权衡风险分级Fig.7 Risk grading of trade-off among ecosystem services under different scenarios

由于OWA方法中的决策风险指的是决策者对风险的规避态度,因此,情景的权衡值越高,来自每个生态系统服务的值在最终OWA结果中越平均.因此,本文以权衡值最大的α=1.6作为最终情景,选取其前20%区域作为生态保护区.结果表明(图 8),生态保护区主要位于四川东北部和渝东北,以四川东北部为主,大多以林地、草地为主;同时,这类区域也是碳固存和生境质量较高区域.

图8 成渝城市群生态安全格局Fig.8 Ecological security pattern in Chengdu-Chongqing urban agglomeration

3 讨论

成渝城市群粮食生产、碳储存和产水量这3类服务功能均呈下降趋势,其中,粮食生产与碳储存服务的降低在一定程度上揭示了城镇发展对耕地、林地占用而对生态系统造成的消极影响[49],因此,在快速城市化过程中,需要加强耕地和林地等能提供较高生态系统服务功能的用地保护,避免城市建设用地摊大饼式的无序扩张;产水服务的下降可能与期间区域年均温的升高以及降水量的减少有关[8].土壤保持和生境质量这 2类服务功能呈上升趋势,这与区域实施的生态保护政策密不可分.2000年以来,区域实施了包括退耕还林(还草)在内的生态保护措施,旨在以生态补偿的方式将易产生水土流失的区域停止耕种,这在一定程度上增加了地表植被覆盖,起到了保土保水的作用[50];后来,国家又开展了主体功能区划,成渝城市群部分区(县)特别是三峡库区(重庆段)被纳入到了国家重点生态功能区,并确定其生态服务类型为水土保持型,要求这类区域加强环境保护与管理,增强水源涵养、水土保持等在内的生态服务功能,降低了区域水土脆弱性和敏感性,改善了区域生态环境.

本文关于固碳、产水量、土壤保持与生境质量4种服务之间呈现协同关系,粮食生产与上述4类服务间均表现为权衡关系的结果与他人研究成果基本一致[51],但在相关性系数大小上却略有差异,这主要是研究方法和尺度差异造成的.同时,随着时间推移,成渝城市群生态系统服务间的权衡/协同关系也发生了一定变化,这种变化产生的内在机理本文并未做针对性分析.但已有相关结果显示,以生态修复工程为代表的人类活动在增加地表覆盖的过程中会造成生物多样性的减少,威胁粮食安全,激化水-土-沙的矛盾[52-53].未来可以以生态保护政策为切入点,识别其对成渝城市群生态系统服务权衡/协同关系变化的影响.

生态系统服务权衡/协同关系、生态安全格局识别研究旨在充分认识和掌握生态系统服务之间存在的相关关系、演变特征、发展方向,寻求区域经济发展与生态环境保护之间的平衡点,从而实现效益最大.本文借助InVEST模型估算主要生态系统服务价值,采用相关分析量化两两生态系统服务间的权衡/协同关系,通过 OWA算子设置不同决策风险,平衡不同生态系统服务之间的权衡关系,进而识别区域生态安全格局,将多属性决策、生态系统服务权衡、生态安全格局构建联系在一起,为提升研究区生态系统服务提供了参考.只是,城市群生态系统是一个综合系统[54],其包含的服务功能类型多种多样.除了本文考虑的粮食生产、碳储存、产水量、土壤保持、生境质量这5类服务以外,污染净化、娱乐与文化也是其很重要的服务类型,这也是后续研究的重要方向.

4 结论

4.1 2000～2015年,成渝城市群粮食生产、固碳和产水量这 3类服务功能均呈下降趋势,土壤保持和生境质量这 2类服务功能呈上升趋势;在空间上,各类服务及其变化的分布异质性明显,重要节点城镇及其边缘地区生态服务功能较弱,长江、嘉陵江沿线以及秦巴山地生态系统服务能力较强.

4.2 固碳、产水量、土壤保持与生境质量4种服务之间呈现协同关系,粮食生产与上述 4类服务间均表现为权衡关系,但这种冲突性在区域发展过程中逐渐呈减弱趋势;相较于成都市,重庆市生态系统服务间的权衡关系更突出;在空间上,生态系统服务间的权衡/协同关系表现出了一定的集聚特征.

4.3 随着决策风险系数的增大,各类服务的权重和权衡值也发生了变化,当决策风险系数为 1.6时,此时的权衡值最大,区域面临的生态风险适中,确定该风险系数对应的情景是最适宜情景;将该情景下风险评价结果的前 20%区域选定为本文的生态安全保护区,发现这类区域多位于川东北和渝东北,是固碳和生境质量服务的高值区,为区域生态保护与管理提供了参考.