青弋江流域生态系统服务评估与权衡研究

杨强强,徐光来,3,*,李爱娟,刘永婷,胡春生

1 安徽师范大学地理与旅游学院, 芜湖 241003 2 安徽省江淮流域地表过程与区域响应重点实验室, 芜湖 241003 3 皖江流域退化生态系统的恢复与重建省部共建协同创新中心，芜湖 241003

生态系统服务指人类通过生态系统的结构、过程和功能直接或间接获取的各种收益,主要包括供给服务、调节服务、支持服务及文化服务,是生态系统功能向人类福祉转化的媒介[1- 2]。各服务间关系密切且复杂,分为此消彼长的权衡关系及同时增强或减弱的协同关系[3],明晰不同服务间的关系,有利于利益最大化及区域的合理规划[4]。土地利用是人类最基本的实践活动,对生态系统服务的维持起决定作用[5],生态系统服务的变化亦可影响人类对土地的利用效率,两者相互作用、相互影响[6]。超过60%的生态系统服务正处于退化或不可持续的利用状态[7],且生态系统发生骤变及不可逆转的变化趋势逐渐增强,一定程度上反映了人类对生态系统服务的作用与价值认识不足[8- 9]。生态系统服务作为研究人与自然关系的重要纽带,将其货币化来衡量人类活动对生态系统产生的影响,成为生态学研究的热点之一[10]。Liu等[11]利用相关性分析探究了丹江口大坝上下游生态系统服务间的关系,发现全流域协同关系占主导地位,坝区上游与其一致,而下游各服务之间则以权衡关系为主,上下游服务功能关系存在空间差异;Ma等[12]发现受新疆艾比湖湿地土地利用方式变化特点的影响,在研究时段内,各类生态系统服务之间均存在着较强的相关性及协同效应;Sannigrahi等[13]运用净初级生产力模型、InVEST模型及元胞自动机-马尔科夫模型探讨了气候及土地利用变化对印度孙德尔本斯生物圈生态系统服务价值的影响,但多数模型数据需求大且选取参数的标准难以统一[14]。谢高地等[15]针对Costanza的评估方法存在的缺陷,对200多位生态学专家进行问卷调查,制定出中国陆地生态系统服务价值当量因子表,对其进行修订后评估了青藏高原的生态资产价值,该方法相对简单且易于广泛应用[16],但在应用的过程中也存在一些问题。一方面,随人类活动的增强,建设用地构成的生态系统不断扩大,在研究中该组分对生态系统服务的影响往往被忽略;另一方面,忽视生态系统区域异质性而将生态系统服务功能当量表直接应用于研究区,研究结果偏离实际情况[17]。

鉴于此,本文选取青弋江流域为研究对象,基于修订的当量因子表及2000—2018年土地利用数据,首先分析该流域生态系统服务价值(Ecosystem Services Value, ESV)的变化特征,然后利用生态系统服务权衡协同度模型及空间自相关法测度各服务之间时空演变规律,最后引入土地利用程度综合指数模型,探讨土地利用强度对ESV的影响。研究结果以期为ESV的估算及生态环境的保护与修复提供参考。

1 材料与方法

1.1 研究区概况

属雨源型河流的青弋江发源于黄山北麓黟县,为长江下游南岸最长的一级支流[18]。青弋江流域面积约8487 km2,介于29.91°N—34.43°N、117.64°E—118.85°E之间,属中亚热带季风气候,年均温16℃,年均降水量1500 mm[19]。行政上涉及芜湖市的弋江区、鸠江区、镜湖区、芜湖县、南陵县,宣城市的宣州区、泾县、旌德县、绩溪县、宁国市,黄山市的黄山区、祁门县、黟县,池州市的青阳县、石台县(图1)。至2018年年末,该流域总人口约243万人,2018年生产总值约1743亿元。

图1 研究区位置Fig.1 Location of the study area

1.2 数据来源与处理

以Landsat 5-TM(轨道号为120—38,120—39)2个时相(20001010,20091003)与1个时相的Landsat 8-OLI(20180419)影像为基础数据源,采用WGS_1984_UTM_zone_50N空间坐标系,依据国家《土地利用现状分类》(GB/T 21010—2017)标准并结合研究区实况及解译的可操作性,将土地利用类型划分为耕地、林地、草地、建设用地、水域、未利用地6类。经辐射定标、大气校正等预处理后,运用ENVI 5.3监督分类模块进行土地利用信息的提取,三个时期解译影像Kappa系数分别为0.9458、0.8851、0.9091,能够满足本文研究需求。

全国全年粮食总产量及播种面积来源于《中国统计年鉴》;青弋江流域多年平均粮食单产来源于《芜湖统计年鉴》《黄山市统计年鉴》《宣城统计年鉴》及《池州统计年鉴》,安徽省粮食收购价格来源于安徽省粮食和物资储备局。

1.3 研究方法

1.3.1生态系统服务价值评估

当量因子指生态系统的某种生态服务价值较农田食物生产的相对重要程度[20]。依据Hasan等[21]及谢高地等[15]的研究获取的当量因子表代表的是全年及全国生态系统和生态服务功能的平均服务价值,考虑到区域存在差异性,采用徐丽芬等[22]提出的以农田为基准的修订方法对其进行修订。2018年青弋江流域与全国的单位面积粮食产量分别为5.98 t/hm2和5.62 t/hm2,得到研究区当量因子修订系数为1.064。没有人力投入,自然生态系统提供的经济价值是现有农田单位面积提供食物生产服务经济价值的1/7[23],该流域多年平均粮食单产为5848 kg/hm2,2018年安徽省粮食收购均价为2.7元/kg,则该流域1个当量因子的经济价值量为2256元/hm2。其中,将土地利用类型中的耕地、林地、草地、水域、未利用地分别与农田、森林、草地、水体及荒漠五类生态系统一一对应,进而得到青弋江流域单位面积生态系统服务价值系数表(表1)。生态系统服务价值计算方法[24]：

表1 青弋江流域各类土地生态系统服务价值系数/(元 hm-2 a-1)

ESV=∑Ak×VCk

(1)

式中,ESV代表生态系统服务价值(元);Ak为第k种土地利用类型面积(hm2);VCk为第k种土地利用类型单位面积的生态系统服务价值系数(元 hm-2a-1)。

1.3.2生态系统服务权衡协同度

生态系统服务权衡协同度(Ecosystem Services Trade-off Degree, ESTD)可较好的厘清各服务间的关系[23]。结合实际情况,参考Gong等[25]的计算方法并对其改进,使得ESTDij=ESTDji,即两种服务调整计算放置顺序,其权衡/协同度相同。计算公式为：

(2)

(3)

式中,ESia,ESib分别代表a时刻(最终状态)与b时刻(初始状态)第i种生态系统服务的值;ESCIi是第i种生态系统服务的变化指数(Ecosystem Services Change Index, ESCI);ESTDij为第i,j种生态系统服务权衡协同度,若ESTDij>0(或ESTDij<0),则两种生态系统服务之间存在协同关系(或权衡关系),绝对值的大小反映了权衡/协同的水平。

1.3.3敏感性分析

生态服务价值系数存在一定的不确定性,且VC的准确性对于ESV评价具有重要意义[26],采用经济学中弹性的概念计算敏感性指数(Coefficient of Sensitivity,CS),定量描述ESV变化对价值系数的敏感性[27],即验证生态系统服务价值系数是否符合研究区[17]。若CS>1,则ESV对VC是富有弹性的,即ESV受VC的设定值影响显著,其计算结果准确性较差;若CS<1,则表明ESV对VC缺乏弹性,计算结果可信。计算公式[28]：

(4)

式中,CS代表敏感性指数;ESVi与ESVj分别表示初始的及调整后的生态系统服务价值;VCik与VCjk表示初始的和调整后(±50%)的生态系统服务价值系数。

1.3.4空间自相关分析

地理学第一定律表明,地理空间的事物是相互关联的,且相近的事物相关性更强[29]。采用全局空间自相关(Global Moran′sI)揭示青弋江流域ESV的整体分布特征,其中Moran′sI∈[-1, 1],当I>0,表明ESV在空间分布上具有正相关性,即存在“高高”或者“低低”聚集现象;当I=0,表明ESV随机分布;若I<0,则ESV存在“高低”或“低高”临近现象。计算公式[5]：

(5)

式中,I是全局空间自相关莫兰指数;xi与xj代表第i和第j个评价单元的ESV观测值,xa为观测值的均值;n为研究尺度上ESV评价单元总个数;Wij为评价单元i和j之间的空间权重矩阵。

为了进一步探讨多个变量之间的相关程度,引入双变量全局空间自相关,计算公式[30]：

(6)

采用局部空间自相关(Local Moran′sI)并结合LISA(Local Indicators of Spatial Assocation)集聚图探测ESV在空间聚集的具体位置。计算公式[31]：

(7)

式中,Ii代表局部空间自相关莫兰指数。其余与(5)式含义相同。

1.3.5土地利用程度综合指数

土地利用程度综合指数(the Comprehensive Index of Land Use Degree,La),有利于揭示土地利用的程度及进行区域的横向分析[32]。计算公式：

(8)

式中,La代表土地利用程度综合指数;Ai为第i级土地利用程度分级指数[19](表2);Ci是第i级土地利用面积百分比。

表2 土地利用程度分级赋值表

2 结果与分析

2.1 生态系统服务总价值变化

2000、2009、2018年生态系统服务总价值分别为285.19亿元、351.26亿元和294.68亿元,呈先增后减的变化趋势,值得注意的是,2009—2018年降低了16.11%,表明近年来流域生态环境趋于退化。各地类ESV变化如表3所示,整个研究时段内,林地为ESV的贡献主体,其次是耕地和水域。2000—2009年耕地及未利用地对ESV的贡献下降,但水域及林地面积增加且两者的生态系统服务价值系数较大,对ESV的贡献分别增长了87.95%和26.98%。2009—2018年除耕地的ESV增加了106.85%外,其余均处于下降状态,主要因为人类活动的增强导致了耕地及建设用地面积的增加,但建设用地的增加加剧了整体ESV的下降。

表3 2000—2018年青弋江流域各类土地生态系统服务价值变化

2.2 单项生态系统服务功能变化

各地类提供的ESV如图2所示,2000—2018年,贡献率较大的为调节服务及支持服务,其中调节服务主要来源于水源涵养,支持服务功能来源于土壤形成与保护及生物多样性保护,约占总服务价值的15.2%,17.7%和14.1%。研究时段内,水域提供的水源涵养及废物处理服务较为突出,两者几近占各年水域提供总ESV的84%;林地与草地提供的各项ESV呈先增后减的变化趋势,就林地而言,其各项ESV减少量较其增加量更为突出;耕地提供的ESV及建设用地提供的正向或负向ESV在2018年均高于其他年份,未利用地提供的ESV均低于其他年份,一定程度上反映了人类活动对生态系统干扰力度增强。

图2 2000—2018年青弋江流域土地生态系统单项服务价值变化Fig.2 Changes of individual service value of land ecosystem in Qingyijiang River Basin from 2000 to 2018

由生态系统服务权衡协同度模型计算获取的各生态系统服务的权衡协同关系(图3)知,该流域各生态系统服务间的协同关系较权衡关系更为平稳,且占据主导地位。2000—2009年、2009—2018年两个时间段各生态系统服务间共组成72组,其中56组正值、16组负值,协同率为77.8%。权衡关系主要存在于食物生产服务与其他服务之间,且权衡程度增强,其中2009—2018年食物生产功能与废物处理功能的权衡度(-13.52)较2000—2009年时间段增长了约13倍。协同关系中,2000—2009年间水源涵养功能与土壤形成与保护功能的协同度最高(1.29),2009—2018年间原材料生产功能与废物处理功能协同度最高(5.99),生态系统服务之间的相互关系随时间的变化发生了演变[33]。

参照上述的干法工艺流程图，按照正常处理1 t废旧电池干法处理模式，三元材料动力电池以传统的干法回收工艺计算成本和收益，LFP分别以传统的干法回收工艺（干法1）和改进的干法回收工艺（干法2）计算成本和收益，成本分别命名为CLFP干法1、CLFP干法2、C 三元干法，收益命名为 ELFP干法1、ELFP干法2、E 三元干法。处理成本价格根据实际调研及综合参考文献[6-7]，具体如表3所示。

图3 各生态系统服务权衡协同关系Fig.3 trade-off and synergies between ecosystem services

2.3 敏感性分析

敏感性指数(CS)计算结果如表4所示。价值系数(VC)调整(±50%)后,各时期CS值均小于1。研究时段内,林地的敏感性指数最高,其范围为0.7223—0.8064,即当VC增加10%时,总ESV增加7.223%—8.064%;未利用地敏感性指数最低,几近为0,当未利用地的VC增加10%时,总ESV最大增加了0.03%,波动较小。因此,本研究通过对当量因子表修订后计算的价值系数表比较可靠,符合青弋江流域的实际情况。

表4 调整价值系数后总生态系统服务价值的变化及敏感性指数(2000—2018年)

2.4 空间自相关分析

2.4.1全局空间自相关

为了合理的避免ESV按照行政区划均匀分布,采用格网法将ESV数据赋予每个对应的网格,以便更为精细的对其时空分布特征进行研究[34]。多次调整格网尺度并结合研究区面积、可视化效果及研究方法,最终以1 km×1 km格网作为基本分析单元,共8876个网格。为明晰各单项生态系统服务价值的整体空间分布特征,借助GeoDa 1.14软件平台进行空间自相关的计算。结果显示(表5),各单项生态系统服务价值Moran′sI均大于零且通过了P<0.001的显著水平检验,表明其分布具有一定的集聚特征,且具有较强的正相关性,即各单项生态系统服务价值存在高值与高值(或低值与低值)区聚集的现象。

表5 2000—2018年青弋江流域生态系统服务价值全局自相关分析

2.4.2局部空间自相关

由空间关联的局部指标LISA图(图4)知,2000—2018年,该流域正相关聚集(高高聚集或低低聚集)较为明显,但聚集程度有下降的趋势,异常区(高低聚集或低高聚集)呈零散分布,且波动较小。同一年份横向对比,各服务间的空间异质性差异较小,但不同年份纵向分析发现,除文化服务功能外,同一服务功能的聚集(高高聚集或低低聚集)程度明显降低。供给服务与支持服务,2000—2018年高高聚集区减少量分别达34.4%和32.3%,低低聚集区数量略有增长,主要因为林地的生态系统服务价值系数较高,而流域上游区林地面积下降、耕地面积增加,景观趋于破碎化;调节服务的变化与前述两类服务的变化具有一定的相似性,考虑其包含的服务功能及土地利用现状,可能由于建设用地的“组团”特性及其面积的增加引起;文化服务主要包括娱乐文化,高高聚集区数量下降33.0%,而低低聚集区数量上升了12.4%,该功能主要由林地及水域提供,整个研究时段内水域面积增加,但高值区与高值区聚集度下降,侧面反映出该流域水域连通性降低。

图4 单项生态系统服务价值的LISA聚类图(2000—2018年)Fig.4 The LISA cluster graph of individual ecosystem services value from 2000 to 2018

2.4.3双变量全局空间自相关

由上述空间自相关分析及公式(1)可知,生态系统服务呈聚集模式、离散模式或随机分布模式与生态系统服务价值系数及对应生态系统面积有关,而各地类面积占比与人类活动密切相关[35]。以土地利用程度综合指数(La)的计算值作为第一变量,ESV作为第二变量,运用双变量空间自相关探究两者之间的关系。如表6所示,各组Moran′sI均为负值且通过了P<0.01的显著水平检验,表明生态系统服务价值与土地利用程度之间存在着显著的负相关关系,即当土地利用程度增强时,总生态系统服务价值或单项生态系统服务价值均呈现下降的趋势。由2000年、2009年及2018年总生态系统服务价值与土地利用程度的双变量LISA聚类图(图5)知,研究区内高低聚集及低高聚集类型在显著水平P≤0.05状态下占据主导地位,且有上升趋势。当土地利用分级指数较低的土地利用类型(如未利用地)连片存在,此时其所能提供的ESV较低,可能导致低低聚集类型“组团”存在,但整体来看该聚集类型数量有下降趋势;高高聚集类型呈零星分布,进一步验证了当土地利用程度较高时,可能降低所能提供的生态系统服务价值。

表6 土地利用强度与生态系统服务价值的双变量空间自相关结果

图5 2000—2018年土地利用程度与生态系统服务价值空间自相关Fig.5 The spatial autocorrelation between land use degree and ecosystem services value from 2000 to 2018

3 讨论

3.1 当量因子的修订及ESV核算

2009—2018年青弋江流域ESV呈明显的下降趋势,在此时段内,林地面积下降了24.9%,耕地与建设用地占比分别增长了106.9%和139.4%,为ESV变化的主要驱动力。徐煖银等[40]通过多元回归分析并结合空间相关性分析发现人均GDP、人口密度及城市化率是影响赣南地区生态系统服务价值变化的主要驱动因素;耿甜伟等[41]首先利用地理探测器筛选并识别影响陕西省ESV变化的主导因子,再运用地理加权回归模型探讨了各因子对ESV空间异质性的影响;本文仅以土地利用变化为切入点分析生态系统服务变化的驱动因素,下一步将结合它自然环境及社会经济因素作进一步分析。

3.2 生态系统类型的选取

生态系统类型指一定时空范围内,自然及经济特征相同的生态系统单元[15]。综合考虑社会经济数据的可获取性及遥感影像分辨率,最终将研究区分为六大类生态系统。利用双变量空间自相关探讨了土地利用强度与ESV之间的关系,发现当土地利用程度增强时,其提供的四类单项ESV均呈下降趋势,而韩增林等[42]认为土地利用程度的增强会降低区域提供支持服务、调节服务及文化服务的能力,但有利于供给服务的提升,虽然本文与该研究均认为人类活动对土地利用干扰强度的增大会降低生态系统所能提供的总服务价值,但仍存在一定的分歧,主要因为后者未考虑建设用地对ESV的影响。建设用地为生态系统的重要组成部分,忽略或者将其视为未利用地[35]参与ESV核算,均会加剧评价结果与客观事实的偏离程度。

3.3 生态系统服务权衡关系

生态系统服务间的权衡关系深刻影响着区域土地利用的规划并对平衡经济发展与环境保护具有重要意义[43- 44]。本文利用权衡协同度模型探究了两两服务之间的程度及方向,发现研究时段内各服务间以协同关系为主,而权衡关系主要存在于食物生产与其他服务之间,此结果与孙艺杰等[45]分析基本一致,表明食物生产同环境保护之间存在一定的冲突,体现了耕地与其它土地利用方式之间存在着竞争关系[46],而戴路炜等[47]发现基于县域尺度的食物供给与碳固定持及土壤保持之间均为协同关系,究其原因,可能是对生态系统服务的评估方法不同[48]。余玉洋等[49]利用3种方法从不同空间尺度探讨了秦巴山区生态系统服务之间的权衡关系,并分析了该区域环境复杂性产生的原因,进一步明晰了各尺度条件下生态系统服务间关系的形成原因;刘洋等[50]利用模型定量计算了太湖流域的水体净化、水量供给及土壤保持服务,并利用多元Logistic回归模型探究了31种指标对生态系统服务关系的影响;本文研究了生态系统服务之间的权衡关系,但对其驱动机制的分析略显不足,有待于进一步的深入探讨。

4 结论

基于修订的当量因子表探讨了青弋江流域2000—2018年ESV动态变化及生态系统服务之间的权衡协同关系,结果表明：

(1)2000年、2009年及2018年ESV分别为285.19亿元、351.26亿元和294.68亿元,价值总量呈先增后减的变化趋势,林地对ESV的贡献量最大,其次是耕地和水域。值得注意的是,2009—2018年间总ESV下降了16.1%,生态服务变化不容乐观。

(2)2000—2009年,单项生态系统服务间以协同关系为主导,协同率为77.8%,食物生产服务与本研究中的其他服务之间均为权衡关系;2009—2018年间生态系统服务间的关系与前9年基本一致,但食物生产服务与其他服务功能之间的权衡度呈增强的趋势。

(3)敏感性分析表明,各时期的敏感性指数(CS)值均小于1,表明基于修订的当量因子表计算获得的生态系统服务价值系数符合青弋江流域的实际情况。

(4)生态系统服务价值存在较强的正向空间自相关,但集聚程度有下降的趋势。双变量空间自相关分析表明当土地利用程度增强时,生态系统提供的总服务价值或单项服务价值均会降低。