滇中城市群2000-2020年土地利用变化对生态系统服务价值的影响

冉玉菊, 雷冬梅, 刘 林, 高丽萍

(云南财经大学 城市与环境学院, 云南 昆明 650221)

生态系统服务为人类提供其生存和发展所需的环境条件及效用，一方面包括食物、水资源和原材料等有形的物质产品供给，另一方面包括气候调节、空气净化和美学景观等无形的服务供给，生态系统服务能否有效提供关系着全人类福祉[1-2]。土地利用/覆被变化(land use/cover change， LUCC)是人类社会与自然界长期相互作用、相互影响的结果，在全球环境变化中起关键作用[3]。研究表明，LUCC除了会引起地球表层结构发生重大变化，还会通过改变区域的气候、水文、土壤、地质地貌和生物地球化学循环过程来影响区域生态系统服务的供给能力[4-5]，带动生态系统服务价值(ecosystem services value， ESV)作出各种正面或负面的响应[6-8]。因此，定量评估区域LUCC对ESV的影响对于促进区域土地可持续利用和改善生态系统服务功能具有重要意义[9]。

目前，国内外学者关于LUCC与ESV的研究主要集中于数量和空间两个方面的研究。数量方面的研究主要包括土地利用及ESV的时空演化特征[10-12]、ESV对LUCC的响应[13-15]以及LUCC对ESV的影响[16-20]等方面，该部分研究虽考虑了土地利用和ESV的数量关系以及它们的变化情况，但忽略了LUCC与ESV的空间作用关系。空间方面的研究主要是结合一些空间统计工具探寻LUCC和ESV变化的空间分异特征以及两者之间的空间作用关系[21-23]，但大多仅单独考虑ESV的空间变化，未深入分析土地利用类型之间的空间转换对ESV变化的影响，且鲜少结合研究区域的自然地理条件分析LUCC对ESV的影响。地形作为自然地理环境的重要组成要素，很大程度上决定了土地利用格局以及ESV的空间分布，目前基于地形视角开展的LUCC与ESV的已有研究中，多从坡度、高程、地形位指数和地形起伏度等方面论述土地利用或者ESV在地形梯度上的分布特征[24-26]，基于地形梯度从空间上解析LUCC对ESV影响的相关研究鲜有报道。土地利用变化图谱能够映射土地利用类型之间的转换方式以及发生转换的空间位置，热点分析工具能够有效识别ESV在空间上的变化特征并对其进行可视化表达。因此，在考虑地形梯度的基础上结合土地利用变化图谱和热点分析能从空间上更好地探究区域LUCC对ESV的影响。滇中城市群作为国家重点培育的19个城市群之一，位于中国的西南部，是典型的喀斯特地貌区，其山地多，地形起伏大，地形条件对于区域的土地利用格局和生态系统服务功能的发挥影响显著。它不仅是促进云南发展的强大引擎，同时也承载着极重要的生态功能。

随着近些年滇中城市群城镇化加快，社会经济发展对自然资源需求不断增长，导致土地利用方式转变频繁，生态系统服务供给能力不断弱化。因此，本研究基于地形梯度分析滇中城市群LUCC和ESV变化特征，结合热点分析工具对ESV的变化进行可视化表达，并利用土地利用变化图谱和ESV损益表探究LUCC对ESV的影响，以期为改善区域生态环境和促进土地可持续利用提供理论借鉴和科学参考。

1 研究区概况

滇中城市群是位于云南省中部最发达区域的城市集群，涵盖昆明、曲靖、玉溪、楚雄4个州市及红河州北部7个县市，共49个县(市、区)，总面积约1.11×107hm2，占云南省总面积的28.3%(见封2附图2)。滇中城市群是典型的喀斯特地貌区，属于低纬度高海拔地区，境内地形差异较大，立体气候特征明显，生物资源丰富，森林覆盖率超过50%，河流水系发达，是区域重要的生态屏障。2019年末常住人口2 143.76万人，地区生产总值1.41万亿元，分别占全省的44.1%，60.7%，城镇化率58.94%，比全省平均水平高10%，乃云南省最重要、最具发展活力的区域。近些年随着社会经济发展对自然资源需求不断增长，生态用地与建设需求的矛盾愈发突显，区域正面临城镇化快速发展和生态保护的双重压力。

2 研究数据与方法

2.1 数据来源及预处理

本研究涉及的土地利用数据来源于国家基础地理信息中心和自然资源部研制的2000，2010年和2020年3个时期的30 m空间分辨率全球地表覆盖数据GlobeLand30(http:∥www.globallandcover.com/)，所使用的分类影像主要包括美国Landsat的TM5，ETM+，OLI多光谱影像和中国HJ-1多光谱影像，2020年的数据还使用了16 m分辨率的GF-1多光谱影像，其中2000年和2010年数据总体精度为83.50%，kappa系数0.78，2020年数据总体精度为85.72%，kappa系数0.82。DEM数据来自中国科学院资源环境科学与数据中心(http:∥www.resdc.cn/)。通过镶嵌和裁剪等预处理获得研究区的土地利用数据，为了便于后期ESV分析，将滇中城市群土地利用类型重分类为耕地、林地、草地、水域、建设用地和未利用地6大类。其他数据来源于《云南省统计年鉴(2000—2020年)》《全国农产品成本收益统计资料汇编(2000—2020年)》。

2.2 研究方法

2.2.1 地形梯度测算方法 采用地形位指数来度量滇中城市群的地形梯度。地形位指数是在提取研究区的高程和坡度数据的基础上由ArcGIS软件中的栅格计算器计算所得，利用自裂法将计算得到的结果从低到高划分为5个梯度(见封2附图2)，依次为0.07～0.85(梯度1)，0.85～1.18(梯度2)，1.18～1.45(梯度3)，1.45～1.69(梯度4)和1.69～2.87(梯度5)，从而定量分析不同地形梯度下土地利用和ESV的分布特征[24]，计算公式为：

(1)

2.2.2 土地利用变化测算方法

(1) 土地利用动态度。土地利用动态度能有效反映各土地类型面积在一定时期内发生变化的幅度[27]。本研究通过测算各地类的单一土地利用动态度来分析研究区LUCC特征，公式为：

(2)

式中：K为某土地类型的单一土地利用动态度(%);Ua,Ub分别为某土地类型在研究期开始和结束时的面积(hm2);T为研究时段。

(2) 土地利用转移矩阵。土地利用转移矩阵是分析某区域各土地类型在研究期间相互转化情况的有效方法。本研究通过ArcGIS软件中的栅格计算器得到研究区2000—2010年和2010—2020年两期土地利用转移矩阵[28]，从而探究地类的转移情况。

2.2.3 生态系统服务价值测算方法 本研究以生态系统服务功能衡量相应土地利用类型的ESV，建立LUCC与ESV之间的关联。谢高地结合中国国情对Costanza等[29]提出的全球ESV评估模型进行改进，提出了当量因子法——中国目前应用范围最广的ESV评估方法，本文采用2015年最新改进的单位面积ESV当量表[30]，并结合滇中城市群单位面积农田粮食生产的经济价值量[31]和云南省生物量因子(0.64)[32]对ESV当量表进行修正得到研究区ESV系数表。此外，由于谢高地等并未对建设用地进行ESV当量赋值，但人类活动可能会对生态系统服务功能及其价值产生各种正面或负面的影响，为更好地表征研究区城市化的快速发展对生态系统服务价值的影响，本研究参考邓舒洪[33]对建设用地价值当量的赋值来修正研究区ESV当量表。

1个ESV当量因子的经济价值等同于研究区本年度平均粮食单产市场价值的1/7[31]，鉴于本研究探讨的是土地利用变化对生态系统服务价值的影响，为方便不同时期的对比研究，要避免农作物价格波动对总价值量的影响，因此选取研究区2000—2018年3种主要农作物(稻谷、小麦和玉米)的播种面积、产量以及近20 a间3种作物的平均价格作为基础数据，由下列公式计算出研究区单位面积农作物生产的经济价值为1 214.87(元/hm2)。

(3)

式中：En为研究区单位面积农作物生产的经济价值(元/hm2);i为农作物种类;oi,pi和qi分别为i种农作物的播种面积(hm2)、单产(kg/hm2)和平均价格(元/kg);M为3种农作物(稻谷、小麦和玉米)的总面积。

根据经济价值量和云南省生物量因子得到研究区生态系统服务价值系数表(表1)。其中，结合研究区土地资源现状和已有研究[34]，耕地取旱地和水田的均值；林地取针叶林、针阔混交林、阔叶林和灌木四者均值；草地取草原、灌草丛、草甸三者均值；水域对应水系；未利用地取荒漠和裸地二者均值；建设用地当量赋值参考邓舒洪[33]的研究。

表1 滇中城市群生态系统服务价值系数 元/(hm2·a)

生态系统服务价值计算公式如下：

ESV=∑(Ai·VCi)

(4)

式中：ESV为生态系统服务价值;Ai是第i种土地类型的面积; VCi是第i种土地类型的ESV系数。

2.2.4 生态系统服务价值热点分析 热点分析工具能够用来观测研究区ESV变化在空间上形成的高值聚类(热点)和低值聚类(冷点)的分布格局[23]，公式为:

(5)

(6)

(7)

2.2.5 土地利用变化对生态系统服务价值的影响测算 结合土地利用转移矩阵测算不同地类之间的转化带来的ESV损益，由此分析LUCC对ESV的影响。ESV损益计算公式为[35]：

PLij=(VCj-VCi)×Aij

(8)

式中：PLij为i种地类转为j种地类导致的ESV损益; VCi，VCj分别为第i,j种地类的ESV系数;Aij为i种地类转为j种地类的面积。

3 结果与分析

3.1 土地利用变化分析

3.1.1 土地利用数量变化 对3期土地利用数据进行统计和计算，得到滇中城市群研究期内各地类的面积和土地利用动态度(表2)。从面积变化来看，耕地、林地和建设用地变化显著，耕地先增后减，2000—2020年共减少1.21×105hm2；林地持续递减，但减少幅度放缓，2000—2010年减少9.50×104hm2，2010—2020年减少2.43×104hm2；建设用地大幅增加，共增加2.16×105hm2。从地类结构来看，研究区内林地分布最为广泛，其次是耕地和草地，三者占比总和超过95%。从动态度来看，变化最剧烈的是建设用地，其动态度由1.58%变为17.32%。发生上述变化的主要原因有：2000—2010年，红河州实施土地整治项目，导致耕地增加；2010—2020年，由于建设用地的侵占又导致耕地减少。近年来政府加大对旅游基础设施建设方面的投资，鼓励建设小集镇，导致建制镇、村庄居民点等建设用地面积增加；研究期正处于国家积极推行退耕还林还草政策时期，受政策影响林地减少速度有所放缓但依然处于减少趋势，主要是由于云南省将80%退耕还林还草任务分配给贫困区县用来助力地区增收，研究区并非退耕还林还草项目实施的重点区域，受政策影响增加的林地面积还不足以平衡因建设用地扩张侵占的林地面积。

表2 2000-2020年滇中城市群土地利用变化

3.1.2 土地利用的地形梯度分异 滇中城市群不同土地利用类型在地形梯度上的分布有所差异(图1)。①耕地、水域和建设用地的面积随地形梯度增大而减少，主要是因为海拔低、坡度小的区域有利于农业的发展，这直接决定了耕地的分布格局，耕地的分布状况往往代表了人口的集聚程度，人口的集聚程度又决定了建设用地的分布，水域更宜在低地形梯度积聚，地形梯度越低，水域面积越大； ②林地面积随着地形梯度增大而增大，主要是因为海拔高、坡度大的区域由于气候条件限制和人为干扰较少，侧面保护了林地的生长环境； ③草地面积在各梯度上分布较均匀，主要是因为草地的生长对地形梯度的适宜性较强； ④未利用地面积所占比重过小，无明显变化。

图1 滇中城市群土地利用的地形梯度分异

3.2 生态系统服务价值变化分析

3.2.1 生态系统服务价值时间变化 根据滇中城市群ESV系数(表1)和各地类面积(表2)，计算得到滇中城市群不同服务类型(表3)和不同地类的ESV(表4)及49个区县各地类的ESV分布(表5)。可以看出，研究期内ESV总量呈持续下降趋势，2000—2010年下降29.48亿元，2010—2020年下降29.43亿元。 ①从服务类型来看(表3)，各项服务的ESV从高到低依次为：调节服务>支持服务>供给服务>文化服务，其中调节服务在研究区整个生态系统中处于优势地位，贡献最大的为水文调节和气候调节，两者价值量总占比超过50%。主要原因是调节服务的主要供给源为林地和水域，研究区内林地为主要地类，且还有“三江六湖”等丰富的水资源。但值得注意的是，调节服务的ESV减少幅度也很明显，2000—2020年共减少32.53亿元。为了区域的可持续发展，应重点保护在提供ESV中占重要地位的林地、草地和水域等土地利用类型。 ②从土地类型来看(表4)，各地类的ESV总量从高到低依次为：林地>草地>水域>耕地>未利用地>建设用地，其中林地和建设用地的ESV持续减少，且建设用地是唯一一种对生态系统产生负面影响的地类，减少的原因主要是因为建设用地扩张侵占了其他土地利用类型，且建设用地依然有持续增加的态势，应严格控制建设用地的无节制扩张。 ③从各行政区土地类型的ESV来看(表5)，耕地、林地、草地和水域价值量最高的区域分别是宣威市、楚雄市、会泽县、澄江市，建设用地产生负价值最多的区域是官渡区，这与各行政区内的地类面积大小相关。

表3 滇中城市群不同服务类型的生态系统服务价值变化

表4 滇中城市群不同土地利用类型的生态系统服务价值变化

3.2.2 生态系统服务价值时间变化的地形梯度分异 滇中城市群各服务类型和各地类的ESV在地形梯度上的分布如图2—3所示。

由图2—3可知：①从服务类型来看(图2)，水文调节和气候调节服务的ESV处于领先地位，2000—2010年变化最明显的服务类型是水文调节，其ESV减少量主要分布在低地形梯度；2010—2020年ESV发生变化的服务类型数量增多，其中水文调节是唯一一种ESV呈正向变化的服务类型，其ESV变化量随地形梯度增大而减少。总的来看，各服务类型的ESV变化量均呈负向变化，且ESV减少量随地形梯度增大而减少。 ②从土地类型来看(图3)，林地、水域和建设用地的ESV在地形梯度上的变化显著，林地的ESV随地形梯度增大而增大，水域随地形梯度增大而减小，林地的变化主要集中在高地形梯度，水域和建设用地的变化主要集中在低地形梯度。2000—2020年ESV总量变化呈负向变化，变化量随地形梯度增大而减小，水域和建设用地的ESV减少是导致ESV总量呈负向变化的主要源头，表明低地形梯度区域的ESV更易遭到人类活动的干扰，因此严格控制建设用地增量的同时还应最大程度地保护江河湖泊等水域不被破坏。

图3 滇中城市群不同土地利用类型的生态系统服务价值及总值的地形梯度分异

3.2.3 生态系统服务价值空间变化的地形梯度分异 将ESV分布图和地形梯度图叠加分析，得到滇中城市群49个区县ESV的地形梯度分异图(图4)。从ESV总量分布来看，研究区ESV空间分异特征较显著，中部和南部区域的ESV相对较低，生态重心逐渐向楚雄市和曲靖市等西部和北部区域转移，这与区县的地形梯度分布相吻合，高地形梯度区域拥有较高ESV，低地形梯度区域则与之相反，由此可见ESV一定程度上受地形梯度的影响。主要是因为ESV高值区域本身就处于海拔高，坡度大的地段，森林覆盖率高，具有良好的自然生态本底，人类活动干扰小，平衡了其人造地表扩张所带来的价值量的损失，而ESV低值区海拔低、坡度小、易开发，人口密集导致城市开发强度相对也较高、较密。

图4 滇中城市群生态系统服务价值的地形梯度分异

3.2.4 生态系统服务价值的热点分析 将ESV变化热点分析图与地形梯度图叠加分析，得到滇中城市群ESV变化冷热点区的空间分布图(图5)。图5显示，2000—2010年，ESV变化的热点和冷点区域数量相对较少，说明该时间段内ESV变化不剧烈，增值热点区主要分布在曲靖市的马龙区和沾益区，冷点区主要分布在红河州的建水县、开远市、个旧市和蒙自市；2010—2020年，研究区ESV冷热点区分布范围变广，增值热点区主要分布在石屏县、建水县、通海县、峨山彝族自治县和元江哈尼族彝族傣族自治县，损失冷点区主要分布在昆明市中部的部分区县。值得注意的是，ESV变化的冷热点区主要集中在低地形梯度区域，西部和北部等高地形梯度区域未发现冷热点区，主要原因是低地形梯度区域人口和经济资源集聚，城镇扩张不断侵占其他生态用地，导致大量ESV较高的地类逐渐流失。因此有必要严格控制滇中城市群冷点区域范围，结合地形梯度分异规律对生态系统展开监测、保护和修复等工作。

图5 滇中城市群生态系统服务价值变化冷热点区的空间分布格局

3.3 土地利用变化对生态系统服务价值的影响

通过土地利用转移矩阵得到ESV损益表(表6—7)。结果表明：2000—2010年，耕地转林地、草地和水域以及草地转林地是导致ESV增值的主要类型，林地转耕地和草地以及水域转耕地、林地和草地是导致ESV损失的主要类型；2010—2020年，耕地和草地转林地是导致ESV增值的主要类型，耕地转建设用地以及林地转耕地和草地是导致ESV损失的主要类型。其中耕地转林地对ESV增值贡献最大，2000—2010年和2010—2020年分别使ESV增值13.48亿元和18.28亿元，林地转耕地对ESV损失贡献最大，2000—2010年和2010—2020年分别使ESV损失17.08和18.18亿元，此外，各地类向建设用地转移导致的ESV损失也不容忽视，尤其在2010—2020年造成ESV共损失43.85亿元。由此可见，林地和水域的转出以及耕地和建设用地的转入是造成研究区ESV损失的主要原因，相反林地和水域等生态价值系数较高的地类的转入则会导致研究区ESV增值。

表6 2000-2010年滇中城市群土地利用转移和ESV损益矩阵

选取对研究区ESV损益贡献最大的几种土地利用转移类型制成土地利用变化图谱，将其与地形梯度图叠加，得到滇中城市群ESV损益的空间分布图(图6)。

从图6可以看出，2000—2010年，ESV增值区主要分布在师宗县和元江哈尼族彝族傣族自治县，得益于区域内各地类向水域和林地的转移。ESV损失区主要分布在麒麟区、昆明市中部和红河州北部的部分区县，损失的原因主要是建设用地的占用；2010—2020年，ESV增值区范围变大，主要分布在会泽县、宣威市、富民县、师宗县和红河州北部，主要是受益于退耕还林还草政策的实施。昆明市中部区域由于城镇化的快速发展对ESV产生了一系列负面影响，依然是ESV损失区。分析可知，近20 a来，中部区域由于海拔低、坡度小，人口密集且建设用地迅速扩张导致ESV受损严重，为有效改善滇中城市群生态环境，可以采取相应的人工措施或限制性政策，如通过改造低效林草地、优化林相结构、复绿裸地或难利用地以及深入推进新一轮退耕还林还草政策等来提升研究区的生态系统服务价值。

表7 2010-2020年滇中城市群土地利用转移和ESV损益矩阵

图6 滇中城市群生态系统服务价值损益空间分布格局

4 讨论与结论

4.1 讨 论

本研究以位于典型高原喀斯特地貌区的滇中城市群为例，结合其特殊的地域背景引入地形位指数，探讨2000—2020年期间研究区土地利用和ESV在地形梯度上的分布特征及LUCC对ESV的影响。研究结果显示： ①土地利用和ESV在地形梯度上的分布差异显著。这种差异分布是由自然、社会经济和相关政策共同影响的结果。自然因素主要体现为地形初步决定了研究区的土地利用方式和ESV水平，高地形梯度区域植被类型丰富，导致ESV较高，这与杨锁华等[26]研究结论类似；社会经济因素主要是通过人口分布和城市发展逐渐改变区域土地利用状况进而直接或间接地影响ESV水平，表现为低地形梯度区域由于人类活动干扰大，逐步演变成农业和城镇发展的重点区域，导致ESV较低，这与陈奕竹等[24]研究结论相类似；政策因素主要体现为地方政府以生态保护为目标采取了一系列的退耕还林、还草、还湖等相关措施。值得注意的是，相关政策虽然对林草地和水域等ESV系数较高的地类起到了一定的保护作用，但滇中城市群作为城镇化快速发展中的区域，受政策影响增加或保护的生态用地面积不足以平衡建设扩张侵占的面积。因此，今后在制定生态保护政策时应遵循研究区地形的层级性分布规律因地制宜地实施相关措施。低地形梯度区域不仅是城镇发展区，更是研究区耕地和“三江六湖”等水域的重点分布区，在经济发展的同时要重点保护耕地和水域。高地形梯度区域林地和草地分布较为广泛，但因自然条件限制，生态环境较敏感脆弱，要严格限制人类活动对生态环境的破坏。 ②滇中城市群LUCC对ESV影响显著。随着城镇化进程的推进，研究区土地利用结构不断发生变化，直接影响区域生态系统服务功能。林地、草地和水域作为研究区构成ESV的主体，对气候调节、水文调节以及生物多样性保护等生态系统服务具有关键作用，它们的下降将导致研究区ESV损失，从而对区域生态安全和可持续发展造成不良影响。因此，林地、草地和水域对于维护研究区生态系统的稳定具有十分重要的作用，今后在土地利用规划中需重点保护林地、草地和水域。还需注意的是，应重点关注研究区ESV变化的冷点区和热点区。就ESV增值热点区而言，要尽可能地维持和提升其ESV，充分利用生态保护政策进一步提升其生态系统服务的供给能力；就ESV损失冷点区而言，主要任务为协调经济发展和生态保护的矛盾，严格控制建设用地规模，提高建设用地的集约利用程度，并继续深入推进农村居民点整治和城乡建设用地增减挂钩工作。本研究从数量和空间两个角度度量LUCC对ESV的影响，不仅能够从宏观上掌握区域ESV对LUCC的响应情况，还能够为有关部门进行土地利用空间调控，因地制宜地提升区域ESV提供决策依据[23]。

本研究采用谢高地等[30]提出的基于单位面积价值当量因子的方法计算研究区内的ESV，并在此基础上结合滇中城市群快速城镇化的背景，引入建设用地价值当量[33]，对研究区的生态系统服务价值系数表进行了修正。与其他方法相比，该方法计算简单且评估较全面，是目前中国适用范围最广的方法，研究结果客观，具有很好的代表性，可为滇中城市群土地利用与生态文明建设提供理论参考和借鉴。但需指出的是，本研究在对单位面积生态系统服务价值当量赋值时，仅对一级地类进行赋值，今后的研究可以考虑进一步细分到二级地类，将每一种地类赋予与其生态功能相一致的价值系数，从而提高ESV测算结果的精确度。

4.2 结 论

(1) LUCC方面，滇中城市群2000—2020年期间各土地利用类型均有不同程度的变化且在地形梯度上呈差异分布。从数量上来看，耕地、林地和水域减少，草地、建设用地和未利用地增加，建设用地面积变化最为剧烈，增加了2.16×105hm2；从转移上来看，2000—2020年，地类之间的转移主要发生在耕地、林地和草地之间，其次是耕地、林地和草地向建设用地的转移，其中建设用地总转入面积由2.57×104hm2增加到21.08×104hm2；从地形梯度来看，耕地、水域和建设用地主要分布在低地形梯度区域，林地主要分布在高地形梯度，草地在各地形梯度均有分布。

(2) ESV方面，滇中城市群ESV空间分异特征较显著，ESV高值区主要位于海拔高且坡度大的西部和北部区域，ESV低值区则主要位于低海拔、坡度小的中部和南部区域。2000—2010年，马龙区和沾益区为主要的ESV增值热点区，红河州的建水县、开远市、个旧市和蒙自市为主要损失冷点区；2010—2020年冷热点区域发生变化，ESV增值热点区主要分布在红河州和玉溪市交界处的部分区县，损失冷点区主要分布昆明市中部。总的来看，ESV变化区域主要位于低地形梯度。

(3) LUCC对ESV的影响方面，其他地类向林地和水域的转移是导致滇中城市群ESV增值的主要原因，而林地和水域的流失以及建设用地对耕地的侵占则导致滇中城市群ESV损失巨大。林地和水域作为滇中城市群主要的生态用地，生态价值系数最高，应重点保护，还要严格控制建设用地规模，加强对建设用地的动态监测与预警。