西部半干旱区兰州市南北两山森林生态效益评估

高凤霞, 韩惠,*

西部半干旱区兰州市南北两山森林生态效益评估

高凤霞1,2,3, 韩惠1,2,3,*

1. 兰州交通大学测绘与地理信息学院, 兰州 730070 2. 甘肃省地理国情监测工程实验室, 兰州 730070 3. 地理国情监测技术应用国家地方联合工程研究中心, 兰州 730070

城市森林对城市的生态系统起着至关重要的作用, 对城市森林生态效益评估有利于市民更直观的认识到城市森林的重要性, 为城市生态保护与利用的制定提供参考。选择兰州市南北两山作为研究区, 基于谷歌地球引擎云平台获取1994、2006 和 2017 年的土地利用数据。引入资源稀缺性系数、支付意愿性系数和空间异质性系数, 采用当量因子法评估生态系统服务价值(ESV), 并以格网为研究单元对空间分布格局进行分析。研究结果表明, 1994、2006和2017年南北两山的生态系统服务价值分别为2.80、3.33和3.36亿元。就生态系统而言, 草地贡献率最高, 达到65%左右, 建设用地贡献率为负值。就生态系统服务类别而言, 调节服务贡献率最高, 达到71%左右。生态系统服务价值的空间格局存在明显的南山高北山低的空间分异特征。从损益矩阵看, 生态用地ESV的流入是总的ESV增加的主要原因, 水域ESV流出和建设用地ESV的流入减缓了总的ESV的增长速度。

城市森林; 生态系统服务价值; 半干旱区; 兰州南北两山

0 前言

全球变化直接或间接的影响生态系统结构和服务功能的变化, 从而严重威胁到了人类的生存环境和社会经济的可持发展[1]。因此, 生态系统服务成为一门迅速发展起来的交叉性前沿学科, 同时连接生态学、经济学和社会学等研究领域[2]。生态系统服务(Ecosystem Services, ES)是人类从生态系统中获得的各种收益, 包括有形的物质产品供给与无形的服务提供两方面[3–6]。城市森林是城市生态系统的重要组成部分和生态城市建设的核心内容, 对缓解碳排放和地面热效应、维持城市生态系统平衡、生态安全及稳定性、生物多样性和营造优美人居环境具有重要意义[7]。国内外有关学者将城市周围或附近一定范围内以改善居民生活环境、旅游、运动和野生动物保护为主要目的, 以树木为主体的植被及其所在的环境构成的森林系统称为城市森林[8–9]。21世纪后, 城市化进程中出现了各种环境问题, 给城市生态系统带来了严峻挑战, 城市森林的作用显得愈加重要, 城市森林生态效益也成为了一个热点研究问题。城市森林生态效益是将城市生态系统与人类福祉联系起来的重要纽带, 国内外将城市森林视为可持续发展的有效途径。评价城市森林生态效益, 有利于提高人们对城市森林的重视, 建立生态环境价值观。

城市森林生态效益评价就是评估城市森林生态系统各项服务价值。千年生态系统评估将生态系统服务归纳为供给服务、调节服务、文化服务和支持服务4大类[3]。生态系统服务价值评估方法大致分为价值量与物质量两类[6]。其中, 价值量中基于单位面积价值当量因子的方法(当量因子法), 相对其他方法而言对数据需求少, 较为直观易用, 适用于对不同时段的生态系统服务变化进行对比研究[10]。国内外众多学者利用当量因子法从不同尺度(全球尺度[11]、国家尺度[12]、流域尺度[13]和地方尺度[14])对生态系统服务价值(Ecosystem Services Value, ESV)进行估算研究。Costanza等[4]1997年首次提出了当量因子法, 谢高地等进行了改进和发展, 构建了适用于中国的当量因子法[6,10]。但是当量因子法并不能完全反映真实的生态系统服务价值, 生态系统在不同区域、同一年内不同时间段的内部结构与外部形态是不断变化的, 生态服务价值也是不断变化[6], 不同地区的生态系统服务价值还受到气候、人类活动、政治决策和经济的影响。因此, 本文考虑兰州市处于半干旱区的地理特征提出利用干旱指数中的相对湿润度指数和植被净初级生产力(Net Primary Productivity, NPP)开展空间异质性修正, 以及考虑兰州市的土地资源和经济发展提出资源稀缺性系数、支付意愿性系数, 从三个方面对当量因子法进行修正, 构建兰州市南北两山生态系统服务价值动态评估方法, 对兰州市城市森林生态效益进行评价。将生态价值转化为直观的经济价值, 有利于提高人们对城市森林重要性的认识, 进一步为兰州市城市森林建设与生态保护和可持续发展提供参考。

1 研究区概况

兰州南北两山绿化工程区, 东西长60 km, 南北宽10—55 km, 位于东经103°21′04″— 104°00′38″, 北纬35°53′18″—36°33′56″。南山东起榆中县和平镇营盘水, 西至西固区新城镇盐沟, 南至七里河区阿干镇现子口; 北山东起城关区青白石乡张儿沟, 西至西固区达川乡达家沟, 北至兰州中川机场, 跨兰州市辖区内的城关区、七里河区、安宁区、西固区、榆中县、皋兰县和永登县[15]。属于大陆性干旱气候, 温差较大, 蒸发量大于降水量, 降雨主要集中于7—9月[14]。

兰州南北两山的造林历史可以追溯到建国前, 1926年甘肃省建设厅厅长杨慕时提出在兰州南郊进行人工造林[15]。建国后, 兰州人民从背冰上山造林到机关、企业办林场、个人分片承包, 到90年代末建设完成了以杨树、榆树、侧柏等为主栽品种的14万亩林木[16]。半个世纪以来, 兰州市南北两山的绿化史可以分为三个阶段, 第一阶段1999年以前, 重开发, 轻绿化, 管护能力参差不齐[17]。因此南北两山绿化面积少, 且成活率低; 第二阶段1999年到2009年, 南北两山的造林绿化被列入了兰州市国民经济发展的“十五”规划[15], 启动了南北两山绿化工程, 南北两山绿化进入提质增效的新阶段, 造林面积达到58万亩[16]; 第三阶段从2009年开始, 加大管护力度, 提高南北两山的基础设施和生态文化体系建设, 综合提升两山的生态、经济和社会效益。截至2018年, 兰州市南北两山绿化面积增至60万亩, 且取得连续18年未发生较大以上森林火灾的好成绩[18]。

2 数据来源与研究方法

2.1 数据来源与预处理

统计数据来源于《中国粮食年鉴2017》《兰州统计年鉴2018》《中国统计年鉴2018》《中国统计年鉴1995》。气象数据来源于《中国统计年鉴2018》《中国气象年鉴2007》《中国气象年鉴1995》, https:// gis.ncdc.noaa.gov/maps/ncei/sum­maries /monthly。

基于 GEE API 编程, 从谷歌地球引擎云平台(Google Earth Engine, GEE)平台提供的遥感卫星影像数据中, 选择包含兰州南北两山且云量小于10% 的1994、2006 (Landsat TM)和2017年(Landsat OLI)3个时段影像, 成像时间分别为当年4月、7月和11月, 以便提高农田和草地的分类精度。参考谷歌地球(Google Earth)高分辨率影像和GlobeLand30产品, 结合南北两山土地覆被的实际情况和解译标志, 通过人工目视解译方法, 在研究区内随机选取每类土地利用类型270—350个训练样点, 将样本点中70% 作为训练样本, 30% 作为验证样本。在GEE API中直接调用随机森林(Random Forests, RF)分类算法, 对研究区影像进行土地利用类型划分。将研究区分为农田、林地、草地、灌木(园地)、水域、裸地和建设用地等7个类型(图2), 卡帕系数分别为: 0.86, 0.89, 0.90。

2.2 研究方法

2.2.1 土地利用变化

用单一土地利用动态度定量地描述土地利用的变化速率[13]。

式中:表示土地利用动态度;U、U分别为某类土地利用类型变化初期和末期的面积;表示研究时长(年)。

2.2.2 生态系统服务价值

(1)生态系统服务价值

图1 兰州市南北两山地理位置图

Figure 1 The location map of southern and northern mountains of Lanzhou City

=**(2)

式中:表示生态系统服务总价值;表示土地利用类型数目;表示生态系统服务类型数目;A表示第类土地利用类型的面积(hm2);VC表示第类土地利用类型单位面积的生态系统服务价值(hm-2·a);EC表示类土地利用类型第项生态系统服务的价值当量;表示1个标准单位生态系统服务的经济价值(hm–2·a);表示修正系数。

(2)1个标准当量因子的生态系统服务价值量

1个标准单位生态系统生态服务价值当量因子(标准当量)是指1 hm2全国平均产量的农田每年自然粮食产量的经济价值[6]。选取全国和兰州市单位面积粮食产量, 对研究区农田生态系统服务的价值当量进行修正, 实现价值当量表从全国到兰州市的尺度转换, 该系数为0.42。计算得到的标准当量因子为708.78元·hm2。

=*+*+*(3)

式中:表示1个标准当量因子的生态系统服务价值量(元·hm2);、和分别表示某年稻谷、小麦和玉米的播种面积占三种作物播种总面积的百分比;、和分别表示某年全国稻谷、小麦和玉米的单位面积平均净利润(元·hm2)。

(3)资源稀缺性系数

生态系统服务的单位价值虽然通过各种方法被量化, 但是还受到供给和需求同步变化的影响, 它们通过相对稀缺的影响实现[19]。由于城市扩张和后备土地资源不足, 导致人地矛盾突出, 因此用人口密度来衡量资源稀性。

(4)支付意愿性系数

生态系统服务价值与社会经济发展密切相关, 支付能力是支付意愿的重要制约因素[20]。因此, 基于人均GDP、城乡居民收入和恩格尔系数[14], 获得支付意愿性系数。

(5)空间异质性系数

生态系统在不同区域、同一年内不同时间段的内部结构与外部形态是不断变化的, 因此生态服务价值量也是不断变化[6]。气象因子在长时间尺度上对一个区域的生态系统服务是具有影响的, 多位学者研究发现发生干旱时, 植被NPP呈下降趋势[21–22]。因此, 用干旱指标中的相对湿润度指数和NPP确定空间异质性系数。采用周广胜的植物净初级生产力模型计算NPP, 此模型考虑了植物生理生态学特点和水热平衡关系, 在较干旱的地区更能准确地反映自然植被的NPP[23]。计算相对湿润度指数时, 可能蒸散量采用Thomthwaite方法计算, 这个方法以月平均温度为主要依据, 考虑纬度因子(日照长度)[24]。

图2 1994—2017年兰州市南北两山土地利用类型分布图

Figure 2 The maps of land use types insouthern and northern mountains of Lanzhou City from 1994 to 2017

式中:表示自然植被第一性生产力(t dm·hm2·a);表示辐射干燥度;表示年降水量(mm);表示可能蒸散率(mm);表示年可能蒸散量(mm);表示年平均生物温度(℃);、分别表示<30℃与>0℃的日均温和月均温。

>0℃

=6.75*10–73–7.71*10–52+1.792*10–2+0.49 (7)

式中:表示相对湿润度指数;表示年降水量(mm);PE表示月可能蒸散量(mm);T表示平均气温(℃);表示年热量指数;为常数。

兰州市属于典型的河谷型城市, 土地资源稀缺, 在城市化进程中逐年增加的建设用地对城市森林生态系统影响巨大, 建设用地的基本功能依赖于生态系统[25], 因此根据邓舒洪[25]赋予建设用地生态服务价值当量。

2.2.3 生态系统服务价值空间自相关性分析

莫兰指数是衡量空间相关性的一个重要指标, 包括全局自相关和局部自相关[26]。

(1)全局空间自相关

(2)局部空间自相关

2.2.4 生态系统服务价值流向

式中: PL表示第类转化为第类土地利用类型后的生态系统服务价值损益;VC、VC分别表示第类和第类土地利用类型的生态系统服务价值;A表示第类转化为第类土地利用类型的面积。

2.2.5 敏感性分析方法

生态系统服务价值随时间的变化对生态服务功能价值系数(将生态服务功能价值系数上下调整50%)的依赖程度[13]。

式中:ESV、ESV分别为初始和调整后的生态系统服务价值;VC、VC分别为初始和调整后的生态服务功能价值系数。

3 结果与分析

3.1 土地利用变化

将研究区间分为两个阶段, 第一阶段(1994—2006年)和第二阶段(2006—2017年)。从表1中可以看出, 兰州市南北两山主要的土地类型为草地与农田, 其次为灌木(园地)、建设用地和裸地, 林地和水域最少。由于城市扩张和人口增加, 导致人地矛盾趋尖锐, 建设用地大面积侵占农田和草地, 导致农田面积快速减少, 第二阶段比第一阶段变化显著。农田面积占比从1994年的26.72% 减少到2017年的15.99%, 动态度都为负值; 建设用地面积占比从6.01% 增加12.50%, 动态度为正值。2000 年以来完成的44万亩造林绿化面积中, 大约有26万亩为柠条纯林, 8.8万亩为侧柏纯林[17]。2003年, 南北两山建设千亩经济林示范基地, 共建成经济林78.33 hm2, 涉及桃、梨、杏等21个品种[16]。因此, 灌木(园地)第一阶段面积急剧增长, 动态值为15.62%, 第二阶段变化减缓, 动态值为3.72%, 面积占比从3.39% 增加到13.72%; 林地第一阶段面积波动不大, 动态值为0.67%, 第二阶段面积波动较大, 动态值为4.67%, 面积占比从2.86% 增加到3.09%。干旱荒漠地区人工辅助植被恢复技术和高削坡生态植被修复技术的突破使得裸地向灌草地转换。因此, 裸地面积呈减少趋势, 动态度为负值, 占比面积从18.76% 减少到5.46%; 草地面积呈增加趋势, 由41.59% 增加到46.90%, 动态度先正后负。水域受长时期累积的自然气候因素及剧烈的人类活动影响, 黄河河道变窄, 河流水量减少, 之后由于水库及城市公园水体的建设[14], 使得面积稍有增加, 从0.67% 增加到0.74%, 动态度先正后负。

3.2 生态系统服务价值的时空变化

3.2.1 生态系统服务价值的时间分析

利用公式(1)计算得到1994—2017年三期兰州南北两山各类土地利用类型的ESV及其贡献率(表2)。1994、2006和2017年南北两山的ESV分别为2.80、3.33和3.36 亿元, 总体呈逐渐上升趋势, 共增加了557.05×105元。生态系统服务总价值第一阶段增加了493.19×105元, 在第二阶段增加了63.86×105元。第一阶段草地和灌木(园地)面积的大幅度增加是生态系统服务总价值增加的主要原因; 第二阶段建设用地面积的增多导致生态系统服务总价值增幅减少。从各类土地利用类型的ESV贡献率来看, 草地生态系统贡献率最高, 达到65% 左右; 林地和灌木(园地)的贡献率逐年增加; 农田、裸地和水域的贡献率逐年减少; 建设用地的贡献率为负值。

从表3中看出, 四种生态系统服务功能的价值在研究期间贡献率波动不大, 其中调节服务对生态系统服务总价值的贡献最高, 达到71%, 依次是支持服务、文化服务和供给服务。由于建设用地大范围扩张致使水资源供给功能的价值为负, 农田面积逐年减少致使食物生产功能的价值逐年下降, 导致供给服务价值呈下降趋势。随着林地和灌木(园地)的面积增加, 调节、支持和文化服务价值呈上升趋势。气候调节、水文调节、土壤保持、生物多样性和美学景观功能改善明显。

3.2.2 生态系统服务价值的空间分析

选择格网为研究单元, 讨论南北两山ESV的空间分布。利用ArcGIS软件中的渔网功能对研究区进行1 km × 1 km 的格网划分, 并用自然断点法对ESV进行分组, 将ESV从低到高划分为5个等级(一级、二级、三级、四级、五级)。由图3可知, 南北两山ESV存在明显的南山高北山低的空间分异。南山处于阳坡, 北山处于阴坡, 南山因为光热条件更好, 更有利于乔木的生长, 南山林地和灌木面积占比较大。高值区主要为林地和灌木(园地), 低值区主要为裸地和建设用地, 由此可知ESV的空间分布与土地利用空间分布密切相关。从地理位置分析高值区主要分布在西固区和七里河区, 低值区主要分布在皋兰县和永登县。从1994—2017年, 低值区域呈减少趋势, 中高值区域在逐渐增多, 由此看出南北两山的生态系统服务在改善。

表1 1994—2017年兰州市南北两山土地利用结构变化

表2 各类土地利用类型的生态系统服务价值变化

表3 生态系统各项服务价值变化

图3 生态系统服务价值空间分布格局

Figure 3 Spatial distribution pattern of ecosystem service value

利用ArcGIS软件计算全局莫兰指数、值和得分值(表4)。1994—2017年南北两山生态系统服务价值的全局空间自相关指数Moran’s在0.70以上,的概率值趋近于0,得分是标准差的45倍, 说明南北两山ESV表现出相邻格网相似值之间有一定聚集特征的空间分布, 且具有空间正相关模式。

由LISA集聚图4可以看出, 1994—2017年西固区和七里河区部分区域为高—高自相关, 表示区域及周围区域的ESV都较高; 在靠近皋兰县和永登县周围为低—低自相关, 说明这些区域的ESV都较低。1994—2017年底—低自相关有明显的扩散, 分布较为破碎。高—低和低—高自相关类型在研究区内分布极少, 其空间自相关分布呈显著负相关(< 0.05), 分布较为破碎, 空间异质性明显。

表4 生态系统服务价值全局空间自相关系数

3.3 生态系统服务价值流向分析

根据公式(11)计算1994—2017年南北两山生态系统服务价值流向。由表5可以看出, 农田和裸地向草地、林地和灌木(园地)的转化是导致南北两山ESV增加的主要原因, 其它土地利用类型向裸地和建设用地的转换导致ESV减少。具体分析, 农田、裸地和建设用地的转出使得ESV分别增加了356.78×105、459.77×105和345.64×105元; 林地、草地、灌木(园地)和水域的转出使得ESV分别减少了17.04×105、439.112×105、98.44×105和51.88×105元。农田的ESV主要流向草地、灌木(园地)和建设用地; 林地和水域的ESV主要流向草地; 草地和灌木(园地)的ESV主要流向农田和建设用地; 裸地和建设用地的ESV主要流向草地。

3.4 敏感性分析

根据公式(12)计算可知, 1994、2006、2017年3个时期的生态系统服务价值变化对生态价值系数的敏感性指数均小于1, 表明生态系统服务价值对生态价值系数不敏感、缺乏弹性, 研究结果可信。不同土地类型之间的敏感性指数差异较大, 其中水域的敏感系数最大, 这是因为水域单位面积服务价值系数高所导致的, 其他土地利用类型的敏感指数都介于0.02—0.5之间。

图4 生态系统服务价值的LISA聚集图

Figure 4 LISA aggregation map of ecosystem service value

表5 1994—2017年生态系统服务价值损益矩阵(105元)

4 讨论与结论

当量因子法是在区分不同种类生态系统服务的基础上, 基于可量化的标准构建不同类型生态系统服务的价值当量, 结合生态系统的分布面积进行评估[6]。因此, 当量因子法可适用于各种尺度的生态系统服务价值评估中, 但是并不能体现出地理差异性。生态系统服务价值不仅受客观因素影响, 还受到主观因素的影响。从客观因素考虑, 热量和水分对一个区域的植被生态影响较大, 研究区处于半干旱区, 因此用相对湿润度指数和植被NPP建立空间异质性系数。从主观因素考虑, 一个地区的经济发展和资源稀缺会导致某种物品价值的变化, 生态系统服务价值同样受到这两种因素的影响, 因此引入资源稀缺性系数和支付意愿性系数。从客观和人为主观性两方面修正当量因子法, 构建适用于兰州市城市森林生态效益的评价方法。并以格网为研究单元, 采用Moran's对城市森林效益空间分布格局进行分析, 讨论1994—2017 年兰州城市森林生态效益变化。

(1)1994、2006和2017年南北两山的ESV分别为2.80、3.33和3.36 亿元, 呈现增长趋势, 自1994年到2017年共增长了557.05×105元。

(2)从各类生态系统的价值贡献率来看, 草地贡献率最高, 达到 65%左右, 林地和灌木次之, 建设用地贡献率为负值。四种生态系统服务类别的价值贡献率而言, 其中调节服务对生态系统服务总价值的贡献最高, 达到 71%, 支持服务和供给服务次之, 供给服务最少。

(3)以格网为研究对象, ESV存在明显的南山高北山低的空间分异。全局空间自相关指数 Moran`s I 在0.70以上, 表明 ESV有一定的聚集特征, 西固区和七里河区部分区域为高—高自相关, 皋兰县和永登县周围为低—低自相关, 高—低和低—高自相关类型分布较少, 空间异质性明显。

(4)从1994年到2017年南北两山各类生态系统的 ESV 损益矩阵看, 农田主要流向草地、灌木(园地)和建设用地, 林地和水域主要流向草地, 草地和灌木(园地)主要流向农田和建设用地, 裸地和建设用地主要流向草地。农田、裸地和建设用地转入草地, 草地转入林地和灌木是总的 ESV 增加的主要原因, 水域的转出和建设用地的转入减缓了总 ESV 的增长速度。

兰州市城市森林生态效益在长时间尺度上受到气候、坡度、坡向、海拔、人类活动和经济的影响, 但在短时间尺度上主导因素为人类活动和经济, 不同时期的人类政治决策导致城市森林生态效益变化较大。从客观因素分析, 在全球气候变暖的背景下, 兰州年平均气温以线性趋势上升, 降雨量整体呈下降趋势, 兰州的气候呈暖干化方向发展[27], 而南北两山植被明显处于好转状态, 自1994年到2017年南北两山的生态效益共增加了557.05×105元, 这主要是因为人类活动对植被恢复起到了积极的作用。从主观因素分析, 一方面各种政策的实施(如2002年全面启动的退耕还林和封山绿化等政策、2003年种植千亩经济林、2007年兰州南北两山11项水利工程通过验收和2008年兰州城区高削坡生态植被修复与美化工程[27])使得南北两山植被面积大幅度增加, 成活率提高, 生态效益快速增长。另一方面城市化快速发展, 人口增加导致建设用地面积急剧增加, 林草地转化为建设用地和荒地, 使得生态效益增幅减缓, 因此ESV在第一阶段增幅比第二阶段大, 水域的转出和建设用地的转入减缓了总ESV的增长速度。

兰州南北两山属于黄土丘陵地区, 年降水量小于蒸发量, 土壤类型为灰钙土, 植被以灌草木为主, 只在南山的山地中, 分布着小面积的天然森林。吴庆龙认为兰州南北两山的自然条件不适宜于森林的生长, 因而也不适宜于进行人工造林[28], 但强可持续认为自然资本是不可替代的, 强调生态系统服务和环境健康强调的必要性[29]。在强可持续理念的指导下, 南北两山的生态建设取得明显成效, 1994、2006和2017年南北两山的生态系统服务价值分别为2.80、3.33和3.36亿元。兰州市南北两山的绿化为兰州市的生态环境和文化旅游建设奠定了基础条件, 如阻止粉尘, 净化空气, 缓解减缓了兰州市“干岛效应”、减缓水土流失、发展旅游度假区、休闲娱乐区等, 南北两山已形成集绿化、旅游、开发为一体的综合性生态环境保护区[17]。兰州城市森林的建设对兰州市的生态、文化和经济的发展具有重要意义, 对西部半干旱地区可持续发展具有参考价值。

兰州市经济和土地资源在全国中处于低水平, 因此从全国转换到兰州市尺度的价值当量值低于标准值。研究结果与中国科学院寒区与旱区环境工程研究所对南北两山绿化工程生态成效评估[17]进行比较, 估算价值较低。从以上分析可以看出, 人类活动和政治决策对兰州市城市森林影响巨大, 下一步研究应量化政治决策和人为主观性, 从生态可持续性评估城市森林生态效益, 讨论城市森林对市民健康和幸福度的影响, 为区域的生态保护、自然资源核算和生态可持续发展等决策提供理论依据和参考。

[1] 傅伯杰, 田汉勤, 陶福禄, 等. 全球变化对生态系统服务的影响[J]. 中国基础科学, 2017, 19(6): 14–18.

[2] 李丽, 王心源, 骆磊, 等. 生态系统服务价值评估方法综述[J]. 生态学杂志, 2018, 37(4): 1233–1245.

[3] 张永民, 赵士洞. 生态系统与人类福祉: 评估框架 [M]. 北京: 中国环境科学出版社, 2006: 56–60.

[4] COSTANZAC R, ARGE A R, GROOT R D, et al. The value of the world's ecosystem services and natural capital[J]. Nature, 1997, 387(6630): 253–260.

[5] YU Tao, WANG Hongning, OU Weixin, et al. A land- cover-based approach to assessing ecosystem services supply and demand dynamics in the rapidly urbanizing Yangtze River Delta region[J]. Land Use Policy, 2018, 72: 250–258.

[6] 谢高地, 张彩霞, 张雷明, 等. 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.

[7] 鲁敏, 罗晓楠, 王永华, 等. 济南城市森林景观生态格局[J].应用生态学报, 2019, 30(12): 4117–4126.

[8] 韩明臣, 李智勇. 城市森林生态效益评价及模型研究现状[J]. 世界林业研究, 2011, 24(2): 42–46.

[9] ROY S, BYRNE J A, PICKERING C M, et al. A systematic quantitative review of urban tree benefits, costs, and assessment methods across cities in different climatic zones[J]. Urban Forestry & Urban Greening, 2012, 11(4): 351–363.

[10] 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, 23(5): 911– 919.

[11] COSTANZAC R, GROOT R D, SUTTON P, et al. Changes in the global value of ecosystem services[J]. Global Environmental Change, 2014, 26(26): 152–158.

[12] SANNIGRAHI S, CHAKRABORTI S, JOSHI P K, et al. Ecosystem service value assessment of a natural reserve region for strengthening protection and conservation[J]. Journal of Environmental Management, 2019, 244: 208– 227.

[13] HU Mengmeng, Li Zhaotian, WANG Yafeng, et al. Spatio- temporal changes in ecosystem service value in response to land-use/cover changes in the Pearl River Delta[J]. Resources, Conservation and Recycling, 2019, 149: 106–114.

[14] 林栋, 马晖玲, 任正超, 等. 基于LUCC的兰州城市生态系统服务价值动态分析[J]. 生态科学, 2016, 35(2): 136– 144.

[15] 张灵. 兰州南北两山人工林生物量及生态系统服务功能价值化研究[D]. 兰州: 兰州大学, 2007: 1–57.

[16] 周晓萍, 火菊, 梅李荣. 兰州南北两山生态环境保护与建设中存在问题浅析[J]. 甘肃林业, 2018(2): 33–34.

[17] 马轶君. 兰州南北两山生态建设对城市环境的影响[J]. 安徽农学通报, 2017, 23(13): 103–104.

[18] 吕晟君. 我市借助“两山”区域空间优势, 积极扮靓城市对外“窗口”——南北两山绿化面积增至六十万[EBOL]. http://www.lzbs.com.cn/lan­zhounews/2019-03/06 content_4466066.htm, 2019-03-06.

[19] BRYAN B A, YE Yanqiong, ZHANG Jiaen, et al. Land-use change impacts on ecosystem services value: Incorporating the scarcity effects of supply and demand dynamics[J]. Ecosystem Services, 2018, 32: 144—157.

[20] 于文金, 谢剑, 邹欣庆. 基于CVM的太湖湿地生态功能恢复居民支付能力与支付意愿相关研究[J]. 生态学报, 2011, 31(23): 7271–7278.

[21] PEI Fengsong, LI Xia, LIU Xiaoping, et al. Assessing the impacts of droughts on net primary productivity in China[J]. Journal of Environmental Management, 2013, 114: 362– 371.

[22] 程曼, 王让会, 薛红喜, 等. 干旱对我国西北地区生态系统净初级生产力的影响[J]. 干旱区资源与环境, 2012, 26(6): 1–7.

[23] 周广胜, 张新时. 全球气候变化的中国自然植被的净第一性生产力研究[J]. 植物生态学报, 1996, 20(1): 11–19.

[24] YANG Qing, MA Zhuguo, ZHENG Ziyan, et al. Sensitivity of potential evapotranspiration estimation to the Thornth­waite and Penman–Monteith methods in the study of global drylands[J]. Advances in Atmospheric Sciences, 2017, 34(12): 1381–1394.

[25] 邓舒洪. 区域土地利用变化与生态系统服务价值动态变化研究[D]. 杭州: 浙江大学, 2012: 1–82.

[26] 汤旭, 郑洁, 冯彦, 等. 云南省县域森林生态安全评价与空间分析[J]. 浙江农林大学学报, 2018, 35(4): 684–694.

[27] 段翰晨, 颜长珍, 马如兰,等. 兰州市南北两山生态建设效应的遥感监测[J]. 中国沙漠, 2011, 31(2): 456–463.

[28] 吴庆龙. 兰州南北两山绿化造林工程的适宜性分析[J]. 水土保持研究, 2003, 10(3): 134–136.

[29] 朱洪革, 蒋敏元. 绿色核算:从弱可持续性到强可持续性[J]. 生态经济(中文版), 2006(3):50–52.

Assessment of urban forest ecological benefits in the western semi-arid region of southern and northern mountains of Lanzhou City

GAO Fengxia1,2,3, HAN Hui1,2,3,*

1. Faculty of Geomatics, Lanzhou Jiaotong University, Lanzhou 730070, China 2. Gansu Provincial Engineering Laboratory for National Geographic State Monitoring, Lanzhou 730070, China 3. National—local Joint Engineering Research Center of Technologies and Applications for National Geographic State Monitoring, Lanzhou 730070, China

Urban forest plays a crucial role in urban ecosystems. The assessment of ecological benefits of urban forests is conducive to raise awareness of urban forest for citizens, and provide reference for the formulation of urban ecological protection and utilization. We selected the southern and northern mountains of Lanzhou City as research region, using land use data of the three periods (1994, 2006, 2017) of the Google Earth Engine cloud platform, introducing the scarcity of resources coefficient, willingness to pay coefficient and spatial heterogeneity coefficient, using the equivalent factor method to evaluate ecosystem service values(ESV), and analyzing the spatial distribution pattern in the way of grid as the research unit. The results showed that the ESV of the research region in 1994, 2006 and 2017 was respectively 2.80, 3.33 and 3.36 million yuan. In terms of economic value derived from ecosystem servicesofdifferent land use types, the contribution rate of grassland was the highest, up to 65%, and the contribution rate of construction land was negative. In terms of the economic value derived from different types of ecosystem services, regulation service accounted for 71%. The spatial distribution of ecosystem service values showed obvious spatial differentiation characteristics, which was shown as high value in southern mountain and low value in northern mountain.From the perspective of profit and loss matrix, the inflow of ecological land ESV mainly caused the increase of the total ESV, while the outflow of water ESV and the inflow of construction land ESV slowed down the growth rate of the total ESV.

urban forest; ecosystem service value; semi—arid region; southern and northern mountains of Lanzhou City

10.14108/j.cnki.1008-8873.2021.06.013

TP753; X171.1

A

1008-8873(2021)06-106-10

高凤霞, 韩惠. 西部半干旱区兰州市南北两山森林生态效益评估[J]. 生态科学, 2021, 40(6): 106–115.

GAO Fengxia, HAN Hui. Assessment of urban forest ecological benefist in the western semi-arid region of southern and northern mountains of Lanzhou City[J]. Ecological Science, 2021, 40(6): 106–115.

2020-05-02;

2020-05-28基金项目:兰州交通大学优秀平台(201806); 干旱气象科学研究基金“半干旱区生态脆弱型城市森林生态效应评价研究——以兰州市南北两山为例”(IAM201903); 国家自然科学基金项目(41761082)

高凤霞(1995— ), 女, 甘肃平凉, 在读硕士研究生, 主要研究方向为生态遥感, E-mail:gfx2014@yeah.net

通信作者:韩惠, 女, 副教授, 从事遥感和GIS在全球变化中的应用研究, E-mail:hanhui@mail.lzjtu.cn