基于气候带与农业区划的农田生态系统服务权衡及驱动机制

卫彦宏，乔旭宁，张仲伍，杨永菊，牛海鹏

基于气候带与农业区划的农田生态系统服务权衡及驱动机制

卫彦宏1，乔旭宁2※，张仲伍1，杨永菊2，牛海鹏2

（1. 山西师范大学地理科学学院，太原 030000；2. 河南理工大学测绘与国土信息工程学院，焦作 454000）

农田生态系统作为重要的陆地生态系统之一，不同气候带与农业区的农田生态系统服务权衡关系与机理尚不明确。该研究定量分析了1990—2019年典型区域淮河流域农田生态系统关键服务食物供给与土壤保持的权衡强度，运用地理探测器方法揭示了不同气候带与农业区划下农田生态系统服务权衡关系的驱动机制，完善与细化了农田生态系统服务权衡机理，为推进淮河流域不同气候区和农业区的粮食安全和生态安全协同和精准施策提供科学依据。结果表明：1）淮河流域食物供给服务总体呈现增长趋势，黄淮海平原食物供给增长幅度显著高于长江中下游。土壤保持服务分区差异较大，在气候带上表现为亚热带增长趋势快于暖温带，在农业区划上表现为长江中下游增长趋势快于黄淮海平原，但黄淮海平原土壤保持平均值高于长江中下游。2）淮河流域农田食物供给与土壤保持两种服务间的权衡关系存在时空分异性，总体呈现加剧态势，权衡强度表现为暖温带长江中下游农业区>亚热带农业区>暖温带黄淮海平原农业区。3）淮河流域农田生态系统食物供给与土壤保持间的权衡关系受自然因素和人为因素共同作用，人为因素尤其是化肥施用量显著增强了食物供给与土壤保持间的权衡；在不同气候带与农业区，气候因素和地形因素对权衡关系的影响差异显著，其中，暖温带黄淮海平原农业区受地形因素和年均温的影响显著，而其他农业区年降水量的作用更明显。4）粮食主产区耕地利用与保护政策制定应充分考虑农田生态系统供给服务（粮食生产）和支持服务（土壤保持）的权衡关系在不同气候带和农业区划作用机制的时空差异性，同时要考虑驱动因素的普遍性与差异性，减少人为因素的普遍影响，并结合不同区域自然因素及与人为因素的交互影响分区施策。

农田；生态系统服务；权衡；驱动因素；气候带；农业区划；淮河流域

0 引 言

生态系统可以为人类提供供给服务、调节服务、支持服务和文化服务。生态系统服务权衡普遍存在于不同时空尺度中[1-2]，人类对生态系统服务的偏好与选择造成了生态系统服务间的权衡[3]。人类活动在提升供给服务的同时会导致调节功能下降[2]。国内外学者使用多种方法对生态系统服务权衡进行了探究，如均方根误差法（Root Mean Square Error，RMSE）[4-5]、约束线[6]、空间叠置分析法[7]等。权衡研究的最终目标是减少生态系统服务间的冲突，增强生态系统服务协同。

作为陆地重要的生态系统之一，农田各生态系统服务之间存在积极或消极的相互联系。食物供给是农田生态系统重要的服务功能之一，研究发现中国粮食主产区的食物供给及其对生态系统服务价值的贡献具有空间异质性[8]。农田生态系统在为人类提供各种农产品的同时也承担着重要的水土保持功能，研究表明人类活动尤其是农业耕作会加剧土壤侵蚀[9]，人类活动在提高农田供给服务的同时可能会导致其他生态系统服务的下降，加重农田生态系统服务间的权衡。这种权衡关系受自然和人为因素的影响，学者们通过地理探测器[10]、冗余分析[11]等方法验证了自然因素和人为因素对生态系统服务权衡的影响机制，研究发现不同气候条件下生态系统服务权衡存在差异，并且不同气候带各环境因子的相对贡献程度差异显著[12]。目前，国内外学者对不同时空尺度的生态系统服务权衡效应展开了深入的研究[13-14]，但针对不同气候带农田生态系统服务权衡关系研究较少，作用机理和驱动机制不清楚，降低了研究成果的普适性和农业政策制订的靶向性。

中国不同农业区耕地生态系统服务价值变化差异显著[15]，对农业区生态系统服务的研究表明不同农业区生态系统服务价值存在差异，并且粮食生产活动过程中会产生负外部效应[16]。粮食主产区的食物供给关乎中国粮食安全状况[8]，探究不同农业区划下生态系统服务权衡关系及其内在机理，有助于推动粮食安全与生态安全协同发展及分区精准施策。

淮河流域地处南北气候过渡带，淮河干流以南为亚热带，以北为暖温带。作为中国粮食主产区之一，淮河流域分属长江中下游和黄淮海平原两个农业区，耕地占比高达70%，是研究不同气候区与不同农业区划农田生态系统服务时空动态权衡差异的理想区域。基于此，本研究选择跨气候带和农业区的粮食核心产区淮河流域为典型区域，将气候区与农业区划相结合，考虑到亚热带黄淮海平原区面积较小，将其与亚热带长江中下游区域合并研究，将流域分为亚热带农业区、暖温带长江中下游农业区和暖温带黄淮海平原农业区，量化了1990—2019年淮河流域不同气候带与农业区划下农田生态系统关键服务食物供给与土壤保持，揭示了两种服务间的权衡强度及其驱动机制，以期为国家粮食安全战略导向下实现农田生态系统稳定与可持续提供科学依据。

1 研究区概况

淮河流域位于东经111°55′～121°20′，北纬30°55′～36°20′之间，行政区划包括安徽、河南、江苏、山东四省（图1）。淮河流域地处中国南北气候过渡带，秦岭—淮河一线自淮河流域境内穿过，以淮河为分界线，流域北部为暖温带半湿润区，南部为亚热带湿润区。流域境内光热资源充足，多年平均气温13.2～15.7 ℃，平均降水量约为883 mm[17]。土地利用以耕地和林地为主，其中耕地面积占比高达70%，是中国的粮食主产区之一。

淮河流域在农业区划上包括长江中下游区和黄淮海平原区。流域境内的长江中下游区域分属亚热带与暖温带，农作物以水稻、小麦为主，亚热带区域农业熟制为水田旱地三熟二熟，暖温带区域则为二熟区[18]。黄淮海平原区主要位于暖温带地区，农作物以小麦、玉米、水稻和棉花为主，处于农作二熟区[18]。

淮河流域人口众多，人口密度居全国各大流域之首。淮河流域作为中国重点粮食生产核心区，在提高粮食产量的同时兼顾农田生态系统的土壤保持功能，降低农业耕作对土壤的侵蚀作用，对流域及国家粮食安全战略具有重要意义。

图1 研究区概况

2 数据与方法

2.1 数据来源与处理

数据主要来源于地理空间数据云、国家冰川冻土沙漠科学数据中心、美国国家航空航天局网站、中国科学院资源环境科学与数据中心等平台、网站、数据集及统计年鉴（表1）。使用ArcGIS软件将所有数据处理为空间分辨率1 km×1 km、兰伯特投影。部分年份统计数据缺失，使用SPSS软件进行缺失值分析或采用相邻年份数据进行填补。

表1 数据来源

2.2 农田生态系统服务量化

2.2.1 食物供给

以县域为统计单元，使用NPP（Net Primary Productivity）数据将粮食产量数据空间化处理，通过单位面积粮食产量来衡量食物供给。

P=NPP/NPP·P（1）

式中P是县耕地第栅格中的粮食产量（t），P是县耕地平均粮食产量（t），NPP是县耕地第栅格的NPP（t/km2），NPP是县耕地平均NPP（t/km2）。

2.2.2 土壤保持

RUSLE（Revised Universal Soil Loss Equation）模型已被广泛应用于土壤侵蚀研究[21]，本文采用RUSLE模型估算研究区土壤保持情况。

A=E-E（2）

E=R·K·L·S（3）

E=R·K·L·S·C·P（4）

式中为土壤保持量（t/km2·a）；E是潜在的土壤侵蚀量（t/km2·a），即当耕地没有被植被覆盖并且受到侵蚀控制措施保护时的土壤侵蚀量；E为实际土壤侵蚀量（t/km2·a），即耕地利用过程中的土壤侵蚀量；为降雨侵蚀因子；为土壤侵蚀因子；为坡长因子；为坡度因子；为植被覆盖因子；为土壤保持措施因子。

基于数据可获取性及测算简便性，研究中值采用周伏建等[22]基于月降雨量的简易算式估算；值采用Williams[23]提出的经典方法估算；由于淮河流域总体坡度较为平缓，采用Wischmeier等[24]提出的公式计算因子，计算值时10°以下采用McCool等[25]的公式计算，10°以上采用Liu等[26]的方法；值采用蔡崇法等[27]提出的因子计算方式估算；因子根据前人研究成果对淮河流域耕地土壤保持措施因子赋值为0.35[28]。

2.3 农田生态系统服务权衡效应量化

本文采用Bradford等[4]提出的均方根误差法RMSE对生态系统服务之间的权衡进行量化。RMSE描述了单个生态系统服务标准差与平均生态系统服务标准差之间的分散幅度，可以量化任意两个生态系统服务之间的权衡度[5]。RMSE值介于0～1之间，RMSE值越大，表示两种生态系统服务间的权衡强度越强，值越小，表示权衡强度越弱，当RMSE值为0时，两种生态系统服务间为协同关系。

2.4 驱动因素分析

农业生产活动受自身地理、气象条件约束显著，同时，农田作为人地作用关系表现强烈的生态系统，农业发展在一定程度上受到农业人口数量的影响，化肥投入的增长有助于粮食增产，但过量的化肥使用会破坏土壤环境，造成农田土壤退化。地理探测器可用于定量探测空间分异性并揭示其驱动力，包括分异及因子探测、交互作用探测、风险区探测和生态探测4个探测器[29]。本文采用分异及因子探测和交互作用探测，选取地形因素（DEM、坡度）、气候因素（年均温、年降水量）、土壤质地（砂粒、粉砂粒、黏粒）和人为因素（人口密度、化肥施用量）分析农田生态系统服务权衡效应的驱动因素。

3 结果与分析

3.1 农田生态系统服务时空变化

3.1.1 食物供给

1990—2019年淮河流域食物供给服务总体呈现增长趋势，但增长幅度不同。食物供给平均值在不同分区表现为暖温带长江中下游农业区>暖温带黄淮海平原农业区>亚热带农业区，但其增长幅度表现为暖温带黄淮海平原农业区（139.82%）>亚热带农业区（118.07%）>暖温带长江中下游农业区（88.42%）。亚热带农业区、暖温带长江中下游农业区和暖温带黄淮海平原农业区食物供给服务与年份之间的线性模型斜率分别为59.26、51.47和63.04，这表明1990—2019年淮河流域3个分区食物供给服务都大幅增长，其中暖温带黄淮海平原农业区增长幅度最大，其次为亚热带农业区和暖温带长江中下游农业区（表2）。

30 a中，粮食产量在不同分区均呈现增长状态，亚热带农业区增长60.42%，暖温带长江中下游农业区增长67.93%，暖温带黄淮海平原农业区增长了92.41%。从气候带来看，淮河流域亚热带粮食产量增长幅度低于暖温带区域，而从农业区划来看，淮河流域境内黄淮海平原区域粮食产量增长幅度显著高于长江中下游区域。

空间上，亚热带农业区食物供给服务呈现出东高西低的特征，高值区主要分布在东部京杭运河、通扬运河与通榆运河之间，低值区分布于亚热带农业区西南部。暖温带长江中下游农业区食物供给呈现两边高、中间低的分布特征，高值区主要分布在京杭运河以东及区域西部地区，低值区则集中于中部区域。暖温带黄淮海平原农业区食物供给呈现中间高、两边低的空间分布，高值区主要集中于中部区域，低值区分布在东部和西部。

3.1.2 土壤保持

1990—2019年淮河流域3个研究分区土壤保持呈现较大差异，暖温带黄淮海平原农业区土壤保持平均值最高，其次为亚热带农业区土壤保持平均值，暖温带长江中下游农业区土壤保持平均值最低（表2）。

表2 1990—2019年淮河流域农田食物供给和土壤保持平均值

亚热带农业区、暖温带长江中下游农业区和暖温带黄淮海平原农业区土壤保持服务平均值与年份之间的线性模型斜率分别为0.978、0.337与-0.047。从气候带来看，相较于暖温带区域，1990—2019年亚热带区域土壤保持服务增长趋势明显，而土壤保持服务在农业区划上的表现为长江中下游区域土壤保持服务增长趋势显著高于黄淮海平原区域。

空间上，亚热带农业区土壤保持服务高值区分布于淮南地区西南部，低值区位于东部和中部地区。暖温带长江中下游农业区土壤保持服务高值区集中在区域中部，低值区分布在东部和西部。暖温带黄淮海平原农业区土壤保持服务高值区分布于东部和西部，中部地区土壤保持服务较低。

3.2 农田生态系统服务权衡效应时空变化

淮河流域农田食物供给与土壤保持两种服务间的权衡关系存在时空分异性。1990—2019年淮河流域不同气候带与农业区划下的食物供给与土壤保持间的权衡关系呈现加剧态势。暖温带长江中下游农业区RMSE均值最高，表明该区域食物供给与土壤保持间的权衡关系更显著，其次为亚热带农业区，暖温带黄淮海平原农业区RMSE均值最低。亚热带农业区、暖温带长江中下游农业区和暖温带黄淮海平原农业区RMSE均值与年份之间的线性模型斜率分别为0.021、0.018和0.011，意味着亚热带农业区食物供给与土壤保持之间的权衡关系加剧态势比暖温带农业区更显著（图2）。

空间上，亚热带农业区RMSE高值区主要分布在京杭运河、通扬运河与通榆运河之间，低值区分布于淮南地区西南部。暖温带长江中下游农业区RMSE高值区主要分布在东部和西部，中部RMSE较低。暖温带黄淮海平原农业区RMSE高值区主要集中于中部地区，低值区位于东部和西部（图3）。

图2 1990—2019年淮河流域农田食物供给与土壤保持权衡变化

图3 1990—2019年淮河流域农田食物供给与土壤保持间均方根误差（RMSE）空间分布

3.3 农田生态系统服务权衡关系的驱动因素

3.3.1 因子探测

1990—2019年淮河流域食物供给与土壤保持两种服务间的权衡关系因子探测结果显示，人为因素、地形因素和气候因素对食物供给与土壤保持间的权衡关系的影响较高，土壤质地对权衡关系的影响较低。

在亚热带农业区，人为因素是对两种生态系统服务间权衡关系贡献最大的因素，亚热带农业区人口密度高值区与化肥施用量高值区主要分布在京杭运河、通扬运河与通榆运河之间，以及淮河沿线区域，低值区分布在亚热带农业区西南部，与RMSE的空间分布一致，表明人类活动在食物供给与土壤保持间的权衡关系中具有重要作用。气候因素对亚热带农业区两种服务间权衡关系的贡献仅次于人为因素，其中，年降水量对亚热带农业区权衡效应的相对贡献大于年均温。地形因素中，DEM对亚热带农业区两种服务间权衡关系的影响大于坡度。亚热带农业区地形因素高值区分布在西南地区，与亚热带农业区RMSE低值区分布一致，地形因素低值区分布与RMSE高值区分布一致。土壤质地因素对亚热带农业区两种生态系统服务间权衡关系的影响最小（表3）。

在暖温带长江中下游农业区，人为因素是影响两种生态系统服务间权衡关系的首要因素，并且化肥施用量对权衡关系的影响显著高于人口密度；空间上，暖温带长江中下游农业区人口密度高值区与化肥施用量高值区主要分布在西部和东部，中部区域主要为低值区，与暖温带长江中下游农业区RMSE空间分布一致。同亚热带农业区一样，气候因素对暖温带长江中下游农业区两种生态系统服务间权衡关系的贡献程度较高，年降水量对权衡关系的影响大于年均温。地形因素对暖温带长江中下游农业区两种服务间的权衡关系贡献度次之，其中DEM对权衡关系的影响大于坡度，并且坡度对该区域权衡关系的解释未通过置信度检验。在3个研究区中，地形因素对该区域两种服务间权衡关系的贡献度最小，这与该区域整体处于地势低平的平原有关。土壤质地因素对暖温带长江中下游农业区两种服务间权衡关系的影响最小，且都未通过置信度检验（表3）。

在暖温带黄淮海平原农业区，人为因素是影响两种生态系统服务间权衡关系的首要因素，人口密度对权衡关系的贡献度大于化肥施用量但并不显著，这一点与其他两个研究分区不同；空间上，暖温带黄淮海平原农业区人口密度高值区主要集中在中部与西部，低值区分布在东部与南部区域，化肥施用量高值区主要集中在中部与东部，西部多为低值区，与该区域RMSE中间高、东西低的空间分布一致。与其他两个研究分区不同的是，地形因素对该区域两种生态系统服务权衡关系贡献度次之，DEM对权衡关系的影响大于坡度，空间分布上，DEM和坡度呈现中间低、两边高的特征，与RMSE的空间分布相反。气候因素对暖温带黄淮海平原农业区两种生态系统服务间权衡关系的贡献程度较高，年均温对权衡关系的影响大于年降水量。土壤质地因素对该农业区权衡关系的贡献度同样较小（表3）。

综合来看，人为因素是影响淮河流域食物供给服务与土壤保持服务间权衡关系的首要因素，对亚热带农业区、暖温带长江中下游农业区和暖温带黄淮海平原农业区的权衡关系贡献度都很高，尤其是化肥施用量；气候因素对流域两种生态系统服务间权衡关系的贡献度次之；地形因素对亚热带农业区和暖温带黄淮海平原农业区两种服务间的权衡关系都具有较高的影响，且DEM的贡献度均高于坡度；3个农业区的土壤质地对两种服务间权衡关系的影响都是最小的。

表3 1990—2019年淮河流域农田食物供给与土壤保持间权衡关系因子探测q值

注：※表示值未通过0.05显著性水平检验。

Note:※Thevalue failed the test at the 0.05 significance level。

3.3.2 交互作用探测

交互作用探测反映两种因素共同作用下的解释力。结果显示，任意两种驱动因素交互作用下的影响均高于单因素对淮河流域农田生态系统中食物供给服务与土壤保持服务间权衡关系的影响。在亚热带农业区和暖温带长江中下游农业区，因子间两两交互的类型主要表现为“非线性增强”，其次为“双因子增强”，在暖温带黄淮海平原农业区主要表现为“双因子增强”，其次为“非线性增强”，这表明淮河流域不同气候带与不同农业区划下农田生态系统中食物供给与土壤保持之间权衡关系的空间格局是由多因子交互作用形成的。

表4显示了1990—2019年淮河流域交互作用探测最高因子组合，结果表明，淮河流域在自身的地形条件、气候条件以及土壤质地约束下，人为因素的干扰增强了淮河流域农田生态系统食物供给服务与土壤保持服务间权衡关系的空间分异。各因素中，对不同分区因子交互作用增强贡献最大的均为人为因素中的化肥施用量，贡献次之的因素均为气候因素，但在不同区域表现不同，年降水量对亚热带农业区和暖温带长江中下游农业区因子交互作用增强的贡献度更大，而年均温对暖温带黄淮海平原农业区因子交互作用增强的贡献度更大。

表4 1990—2019年淮河流域交互作用探测最高因子组合

4 讨 论

本研究中，淮河流域农田生态系统食物供给与土壤保持两种服务间呈现权衡效应，这与闫晓露等[30]、巩杰等[31]对大连市、甘肃白龙江流域的研究结果一致，与冉凤维等[32]对鄱阳湖北部丘陵地区的研究结果不同，体现了生态系统服务权衡效应的空间分异性。人为影响因子的干扰增强了生态系统服务权衡的空间分布差异，这与黄木易等[33]、陈睿等[34]的研究结果相一致。人口密度和化肥施用量对淮河流域农田生态系统两种服务间权衡关系的影响较大，这可以归因于两点，一是淮河流域人口密度高，二是化肥的使用对农作物具有增产作用，但同时也可能会加重土壤负担，破坏土壤环境。

生态系统服务间的相互关系往往呈现出地域分异特征。本研究采用RMSE探究了典型区域淮河流域农田生态系统食物供给与土壤保持两种服务间的权衡关系，该方法是量化任意两个或两个以上生态系统服务间权衡程度的简单而有效的方式。研究结果表明，淮河流域不同气候带与农业区划下的食物供给与土壤保持两种服务间的权衡关系整体呈现加剧态势，这种权衡关系在亚热带农业区、暖温带长江中下游农业区和暖温带黄淮海平原农业区都伴随食物供给服务的增加而增加，这与Qiu等[12]对陕西省不同气候带权衡关系的研究结果一致。

本研究中，农田生态系统食物供给服务与土壤保持服务间的权衡关系受人类活动影响强度最高，人为因素尤其是化肥施用量对淮河流域3个研究分区两种服务间权衡关系增长的相对贡献均为最高，这是由于化肥施用在提高农田食物供给能力的同时，在一定程度上会加重土壤负担，对生态系统带来负面影响。人口密度对生态系统服务权衡具有增强作用，这与汪仕美等[35]得出的人口密度与粮食生产呈正相关但与生境质量呈负相关相一致。同时，3个研究分区中化肥施用量对两种服务间权衡关系的贡献度差异并不显著，这表明该因素对食物供给与土壤保持权衡关系的相对贡献度受气候带和农业区划的影响较小。此外，本研究还选取了气候因素、地形因素及土壤质地因素中的7个自然因素对淮河流域两种服务间的权衡关系进行了驱动因素分析，综合来看，气候因素对亚热带农业区和暖温带长江中下游农业区权衡关系的相对贡献较高，这两个分区主要属于长江中下游。地形因素对暖温带黄淮海平原农业区权衡关系的贡献度更高，同时，地形因素中的DEM对淮河流域两种服务间权衡关系的相对贡献均高于坡度。土壤质地因素对淮河流域两种服务间权衡关系的影响都不显著。这表明自然因素中的气候因素和地形因素对食物供给与土壤保持两种服务间权衡关系的贡献度受气候带与农业区划的影响较大，而土壤质地因素的相对贡献度受气候带与农业区划的影响较小。

本研究仅涉及农田生态系统服务中较重要的食物供给与土壤保持两项服务，并且在测算不同气候区与农业区两种服务时采用了统一的测算方法，未结合不同气候带和农业区划条件对公式参数进行修正，可能会忽略不同分区自然因素差异对研究结果产生的影响，在今后的研究中可以结合研究区域的自然、人为条件对测算方式进行修正，将不同地域自然和人为因素对生态系统服务的影响纳入研究测算中，从多尺度对农田生态系统各项服务进行全面评估。

5 结 论

生态系统服务权衡具有时空异质性特征，淮河流域作为跨气候带、跨农业区划的粮食核心产区，探究其生态系统服务权衡机理对保障中国粮食主产区的粮食安全、生态安全及实现二者协同具有重要价值。研究综合考虑了气候带和农业区划，对淮河流域农田生态系统核心服务食物供给与土壤保持服务间权衡强度的时空异质性及其驱动因素进行了长时序的探究，旨在揭示不同气候带和农区农田生态系统服务权衡机理及多因素驱动机制，为国家粮食安全战略精准施策及农田生态系统稳定性提供支持。研究主要结论如下：

1）1990—2019年淮河流域食物供给服务总体呈现增长趋势，黄淮海平原食物供给增长幅度显著高于长江中下游区域。食物供给服务在亚热带农业区呈现东高西低的特征，在暖温带长江中下游农业区表现为中间低两边高，在暖温带黄淮海平原农业区则为中间高两边低。土壤保持服务在不同分区差异较大，在气候带上表现为亚热带增长趋势快于暖温带，在农业区划上表现为长江中下游区域增长趋势快于黄淮海平原区域，但黄淮海平原区域土壤保持平均值高于长江中下游区域。

2）淮河流域农田食物供给与土壤保持两种服务间的权衡关系存在时空分异性并呈现加剧态势，权衡强度表现为暖温带长江中下游农业区>亚热带农业区>暖温带黄淮海平原农业区。

3）淮河流域农田生态系统食物供给与土壤保持权衡的空间分异受人为因素和自然因素共同作用，人为因素尤其是化肥施用量显著增强了二者权衡关系的空间分异。气候带与农业区划对人为因素和土壤质地因素的相对贡献率的影响较小，对气候因素和地形因素相对贡献率的影响差异显著，暖温带黄淮海平原农业区受地形因素和年均温的影响显著而其他农业区年降水量的作用更明显。

4）基于农田生态系统服务间的权衡关系，明确耕地政策的重点区域和关键约束因子，制定差异化耕地利用和保护策略。在淮河流域，应充分考虑农田生态系统供给服务（粮食生产）和支持服务（土壤保持）的权衡关系在不同气候带和农业区划作用机制的时空差异性，优先考虑权衡强度高的区域作为政策优先区；考虑人为及自然因素作用机制的时空差异性，合理施用化肥，降低人为因素的普遍影响，避免因单纯追求粮食产量及其经济效益而导致农田生态服务损失；基于不同区域自然因素及与人为因素的交互作用机制，分区施策，提升不同气候区和农业区政策制定的靶向性，促进粮食安全与生态安全协同发展。

[1] 朱从谋，李武艳，杜莹莹，等. 浙江省耕地多功能价值时空变化与权衡-协同关系[J]. 农业工程学报，2020，36(14)：263-272.

Zhu Congmou, Li Wuyan, Du Yingying, et al. Spatial-temporal change, trade-off and synergy relationships of cropland multifunctional value in Zhejiang Province, China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2020, 36(14): 263-272. (in Chinese with English abstract)

[2] 仲俊涛，王蓓，米文宝，等. 农牧交错带禁牧草地生态系统服务空间权衡与协同关系[J]. 农业工程学报，2020，36(12)：268-275.

Zhong Juntao, Wang Bei, Mi Wenbao, et al. Spatial trade-offs and synergies of ecosystem services for grazing-prohibited grassland in agro-pasture ecotone[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2020, 36(12): 268-275. (in Chinese with English abstract)

[3] 傅伯杰，于丹丹. 生态系统服务权衡与集成方法[J]. 资源科学，2016，38(1)：1-9.

Fu Bojie, Yu Dandan. Trade-off analyses and synthetic integrated method of multiple ecosystem services[J]. Resources Science, 2016, 38(1): 1-9. (in Chinese with English abstract)

[4] Bradford J B, D'Amato A W. Recognizing trade-offs in multi-objective land management[J]. Frontiers in Ecology and the Environment, 2012, 10(4): 210-216.

[5] Lu N, Fu B J, Jin T T, et al. Trade-off analyses of multiple ecosystem services by plantations along a precipitation gradient across Loess Plateau landscapes[J]. Landscape Ecology, 2014, 29(10): 1697-1708.

[6] 方露露，许德华，王伦澈，等. 长江、黄河流域生态系统服务变化及权衡协同关系研究[J]. 地理研究，2021，40(3)：821-838.

Fang Lulu, Xu Dehua, Wang Lunche, et al. The study of ecosystem services and the comparison of trade-off and synergy in Yangtze River Basin and Yellow River Basin[J]. Geographical Research, 2021, 40(3): 821-838. (in Chinese with English abstract)

[7] 张静静，朱文博，朱连奇，等. 伏牛山地区森林生态系统服务权衡/协同效应多尺度分析[J]. 地理学报，2020，75(5)：975-988.

Zhang Jingjing, Zhu Wenbo, Zhu Lianqi, et al. Multi-scale analysis of trade-off/synergy effects of forest ecosystem services in the Funiu Mountain Region[J]. Acta Geographica Sinica, 2020, 75(5): 975-988. (in Chinese with English abstract)

[8] 罗海平，朱勤勤，潘柳欣，等. 粮食主产区农田生态系统服务价值动态演化与空间分异[J]. 统计与决策，2020，36(4)：49-52.

Luo Haiping, Zhu Qinqin, Pan Liuxin, et al. Dynamic evolution and spatial differentiation of farmland ecosystem service values in major grain producing areas[J]. Statistics & Decision, 2020, 36(4): 49-52. (in Chinese with English abstract)

[9] 孙新章，谢高地，成升魁，等. 中国农田生产系统土壤保持功能及其经济价值[J]. 水土保持学报，2005，19(4)：156-159.

Sun Xinzhang, Xie Gaodi, Cheng Shengkui, et al. Services for soil conservation and its monetary value of Chinese cropping system[J]. Journal of Soil and Water Conservation, 2005, 19(4): 156-159. (in Chinese with English abstract)

[10] 李理，赵芳，朱连奇，等. 淇河流域生态系统服务权衡及空间分异机制的地理探测[J]. 生态学报，2021，41(19)：7568-7578.

Li Li, Zhao Fang, Zhu Lianqi, et al．Geographical detection of ecosystem services trade-offs and their spatial variation mechanism in Qihe River Basin[J]．Acta Ecologica Sinica, 2021, 41(19): 7568-7578. (in Chinese with English abstract)

[11] 李成，赵洁，庄智程，等. 长三角城市群生态系统服务权衡强度时空演变及影响因素研究[J]. 生态学报，2022，42(14)：1-13.

Li Cheng, Zhao Jie, Zhuang Zhicheng, et al. Spatiotemporal dynamics and influencing factors of ecosystem service trade-offs in the Yangtze River Delta urban agglomeration[J]. Acta Ecologica Sinica, 2022, 42(14): 1-13. (in Chinese with English abstract)

[12] Qiu M L, Voorde T V D, Li T, et al. Spatiotemporal variation of agroecosystem service trade-offs and its driving factors across different climate zones[J]. Ecological Indicators, 2021, 130: 108154.

[13] 温玉玲，张小林，魏佳豪，等. 鄱阳湖环湖区生态系统服务价值时空变化及权衡协同关系[J]. 地理科学，2022，42(7)：1229-1238.

Wen Yuling, Zhang Xiaolin, Wei Jiahao, et al. Temporal and spatial variation of ecosystem service value and its trade-offs and synergies in the peripheral region of the Poyang Lake. Scientia Geographica Sinica, 2022, 42(7): 1229-1238. (in Chinese with English abstract)

[14] Sylla M, Hagemann N, Szewrański S. Mapping trade-offs and synergies among peri-urban ecosystem services to address spatial policy[J]. Environmental Science & Policy, 2020, 112: 79-90.

[15] 黄海潮，雷鸣，孔祥斌，等. 中国耕地空间格局变化及其生态系统服务价值响应[J]. 水土保持研究，2022，29(1)：339-348.

Huang Haichao, Lei Ming, Kong Xiangbin, et al. Spatial pattern change of cultivated land and response of ecosystem service value in China[J]. Research of Soil and Water Conservation, 2022, 29(1): 339-348. (in Chinese with English abstract)

[16] 罗海平，潘柳欣，胡学英，等. 我国粮食主产区粮食安全保障的生态代价评估：2000-2018年[J]. 干旱区资源与环境，2022，36(1)：1-7.

Luo Haiping, Pan Liuxin, Hu Xueying, et al. Assessment of ecological cost of food security in major grain producing areas in China: 2000-2018[J]. Journal of Arid Land Resources and Environment, 2022, 36(1): 1-7. (in Chinese with English abstract)

[17] 陈红，江旭聪，任磊，等. 基于RUSLE模型的淮河流域土壤侵蚀定量评价[J]. 土壤通报，2021，52(1)：165-176.

Chen Hong, Jiang Xucong, Ren Lei, et al. Quantitative evaluation of soil erosion in the Huaihe River Basin based on RUSLE model[J]. Chinese Journal of Soil Science, 2021, 52(1): 165−176. (in Chinese with English abstract)

[18] 陈阜，姜雨林，尹小刚. 中国耕作制度发展及区划方案调整[J]. 中国农业资源与区划，2021，42(3): 1-6.

Chen Fu, Jiang Yulin, Yin Xiaogang. Adjustment of China’s farming system regionalization scheme[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2021, 42(3), 1-6. (in Chinese with English abstract)

[19] 陈鹏飞. 北纬18°以北中国陆地生态系统逐月净初级生产力1公里栅格数据集(1985-2015)[J]. 全球变化数据学报，2019，3(1)：34-41.

Chen Pengfei. Monthly NPP dataset covering China's terrestrial ecosystems at north of 18°N (1985-2015)[J]. Journal of Global Change Data & Discovery, 2019, 3(1): 34-41.

[20] Yang J, Huang X. The 30 m annual land cover dataset and its dynamics in China from 1990 to 2019[J]. Earth System Science Data, 2021, 13(8): 3907-3925.

[21] 刘晓娜，刘春兰，陈龙，等. 北京湾过渡带生态系统服务梯度效应分析及生态分区[J]. 农业工程学报，2020，36(12)：276-285.

Liu Xiaona, Liu Chunlan, Chen Long, et al. Gradient effects and ecological zoning of ecosystem services in transition zone of Beijing Bay[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2020, 36(12): 276-285. (in Chinese with English abstract)

[22] 周伏建，黄炎和. 福建省降雨侵蚀力指标R值[J]. 水土保持学报，1995，9(1)：13-18.

Zhou Fujian, Huang Yanhe. The rainfall erosivity index in Fujian Province[J]. Journal of Soil and Water Conservation, 1995, 9(1): 13-18. (in Chinese with English abstract)

[23] Williams J R. EPIC-erosion/productivity impact calculator: 1. Model documentation[J]. Technical Bulletin-United States Department of Agriculture, 1990, 4(4): 206-207.

[24] Wischmeier W H, Smith D D. Predicting rainfall erosion losses-A guide to conservation planning: Agriculture handbook (USA), No. 537[M]. Berkeley (CA): Department of Agriculture, Science and Education Administration, 1978.

[25] McCool D K, Brown L C, Foster G R, et al. Revised slope steepness factor for the universal soil loss equation[J]. Transactions of the ASAE, 1987, 30(5): 1387-1396.

[26] Liu B Y, Nearing M A, Risse L M. Slope gradient effects on soil loss for steep slopes[J]. Transactions of the ASAE, 1994, 37(6): 1835-1840.

[27] 蔡崇法，丁树文，史志华，等. 应用USLE模型与地理信息系统IDRISI预测小流域土壤侵蚀量的研究[J]. 水土保持学报，2000，14(2)：19-24.

Cai Chongfa, Ding Shuwen, Shi Zhihua, et al. Study of applying USLE and geographical information system IDRISI to predict soil erosion in small watershed[J]. Journal of Soil and Water Conservation, 2000, 14(2): 19-24. (in Chinese with English abstract)

[28] 陈正发，龚爱民，宁东卫，等. 基于RUSLE模型的云南省土壤侵蚀和养分流失特征分析[J]. 水土保持学报，2021，35(6)：7-14.

Chen Zhengfa, Gong Aimin, Ning Dongwei, et al. Characteristics of soil erosion and nutrient loss in Yunnan Province based on RUSLE model[J]. Journal of Soil and Water Conservation, 2021, 35(6): 7-14. (in Chinese with English abstract)

[29] 王劲峰，徐成东. 地理探测器：原理与展望[J]. 地理学报，2017，72(1)：116-134.

Wang Jinfeng, Xu Chengdong. Geodetector: Principle and prospective[J]. Acta Geographica Sinica, 2017, 72(1): 116-134. (in Chinese with English abstract)

[30] 闫晓露，李欣媛，刘澄浩，等. 生态系统服务簇空间演变轨迹及其社会-生态驱动的地理探测：以大连市为例[J]. 生态学报，2022，42(14)：5734-5747.

Yan Xiaolu, Li Xinyuan, Liu Chenghao, et al. Spatial evolution trajectory of ecosystem service bundles and its social-ecological driven by geographical exploration: A case study of Dalian[J]. Acta Ecologica Sinica, 2022, 42(14): 5734-5747. (in Chinese with English abstract)

[31] 巩杰，柳冬青，高秉丽，等. 西部山区流域生态系统服务权衡与协同关系：以甘肃白龙江流域为例[J]. 应用生态学报，2020，31(4)：1278-1288.

Gong Jie, Liu Dongqing, Gao Bingli, et al. Tradeoffs and synergies of ecosystem services in western mountainous China: A case study of the Bailongjiang watershed in Gansu, China[J]. Chinese Journal of Applied Ecology, 2020, 31(4): 1278-1288. (in Chinese with English abstract)

[32] 冉凤维，罗志军，吴佳平，等. 鄱阳湖地区生态系统服务权衡与协同关系的时空格局[J]. 应用生态学报，2019，30(3)：995-1004.

Ran Fengwei, Luo Zhijun, Wu Jiaping, et al. Spatiotemporal patterns of the trade-off and synergy relationship among ecosystem services in Poyang Lake Region, China[J]. Chinese Journal of Applied Ecology, 2019, 30(3): 995-1004. (in Chinese with English abstract)

[33] 黄木易，方斌，岳文泽，等. 近20a来巢湖流域生态服务价值空间分异机制的地理探测[J]. 地理研究，2019，38(11)：2790-2803.

Huang Muyi, Fang Bin, Yue Wenze, et al. Spatial differentiation of ecosystem service values and its geographical detection in Chaohu Basin during 1995-2017[J]. Geographical Research, 2019, 38(11): 2790-2803. (in Chinese with English abstract)

[34] 陈睿，杨灿，杨艳，等. 洞庭湖生态经济区生态系统服务价值的时空演绎及其驱动因素[J]. 应用生态学报，2022，33(1)：1-13.

Chen Rui, Yang Can, Yang Yan, et al. Spatial-temporal evolution and drivers of ecosystem service value in the Dongting Lake Eco-economic Zone, China[J]. Chinese Journal of Applied Ecology, 2022, 33(1): 1-13. (in Chinese with English abstract)

[35] 汪仕美，靳甜甜，燕玲玲，等. 子午岭区生态系统服务权衡与协同变化及其影响因素[J]. 应用生态学报，2022，33(11)：3087-3096.

Wang Shimei, Jin Tiantian, Yan Lingling, et al. Trade-off and synergy among ecosystem services and the influencing factors in the Ziwuling Region, North-west China[J]. Chinese Journal of Applied Ecology, 2022, 33(11): 3087-3096. (in Chinese with English abstract)

Trade-off and driving mechanisms for farmland ecosystem services based on climatic zones and agricultural regionalization

Wei Yanhong1, Qiao Xuning2※, Zhang Zhongwu1, Yang Yongju2, Niu Haipeng2

(1.,,030000,; 2.,,454000,)

Farmland is one of the important terrestrial ecosystems that related to the national food security. There are some trade-offs among the farmland ecosystem services during sustainable development. But, it is still unclear on the trade-off relationship and driving mechanisms of farmland ecosystem services in the different climatic and agricultural zones. Among them, the Huaihe River Basin under the subtropical and warm temperate zones can be divided into the Middle-lower Yangtze Plain and the Huang-Huai-Hai Plain, in terms of agricultural zoning. Taking the Huaihe River Basin farmland ecosystem as the research object, this study aims to refine the trade-off mechanism of farmland ecosystem service using climate and agricultural zones. The core service functions were quantitatively analyzed (such as the food supply and soil conservation) from 1990 to 2019. Root Mean Square Error (RMSE) was then selected to evaluate the trade-off degree between them. GeoDetector was also used to reveal the natural and human drivers of changes in the trade-off relationship. The results showed that: 1) An overall growth trend was found in the food supply services of the study area. Specifically, the growth of food supply in the Huang-Huai-Hai Plain was significantly higher than that in the Middle-lower Yangtze Plain. Soil conservation services varied greatly in the different districts. A faster growth trend of climate zones was observed in the subtropical zone than in the warm temperate zone. A faster growth trend of agricultural zones was in the Middle-lower Yangtze Plain than that in the Huang-Huai-Hai Plain. By contrast, the average soil conservation value in the Huang-Huai-Hai Plain was higher than that in the Middle-lower Yangtze Plain. 2) There was an increasing trend with the significant spatial divergence in the trade-off between the farmland food supply and soil conservation services. The trade-off relationship was the most significant in the warm temperate Middle-lower Yangtze Plain agricultural zone, followed by the subtropical agricultural zone, and the warm temperate Huang-Huai-Hai Plain agricultural zone. 3) Both natural and human factors were dominated in the trade-off relationship between the food supply and soil conservation in the study area. There were only a few variations in the relative contributions of human factors and soil texture factors to the trade-off relationship between the two services in different zones. A significant variation was found in the contributions of climatic and topographic factors to the trade-off relationship between the two services in the different subdivisions. The contribution of topographic factors to the trade-off relationship was higher in the warm temperate Huang-Huai-Hai Plain agricultural zone than that in the rest two regions. There was also the great difference in the relative contribution of climatic factors. Therefore, the annual average temperature posed a higher influence on the trade-off relationship in the warm temperate Huang-Huai-Hai Plain agricultural zone, whereas, the annual precipitation was a higher influence in the other two regions. 4) Some recommendations were given for the decision making on the use and conservation of farmland in major food-producing regions. The spatial and temporal variability can also be fully considered for the trade-off between supply services (food production) and support services (soil conservation) of farmland ecosystems in different climatic and agricultural zones. At the same time, the universality of driving factors can also be critical to reduce the negative impact of human factors. The natural factors of different regions and the interaction mechanisms can be expected to combine with the human factors for the zoned policies, in order to improve the targeting policies in different climate and agricultural zones. The finding can also provide a scientific basis to promote the precise policy-making and synergistic development for the food and ecological security in different climatic and agricultural zones of the Huaihe River Basin.

farmland; ecosystem service; trade-off; driving factors; climatic zone; agricultural regionalization; the Huaihe River Basin

10.11975/j.issn.1002-6819.2022.20.025

X171.1；F301.21

A

1002-6819(2022)-20-0220-09

卫彦宏，乔旭宁，张仲伍，等. 基于气候带与农业区划的农田生态系统服务权衡及驱动机制[J]. 农业工程学报，2022，38(20)：220-228.doi：10.11975/j.issn.1002-6819.2022.20.025 http://www.tcsae.org

Wei Yanhong, Qiao Xuning, Zhang Zhongwu, et al. Trade-off and driving mechanisms for farmland ecosystem services based on climatic zones and agricultural regionalization[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2022, 38(20): 220-228. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2022.20.025 http://www.tcsae.org

2022-06-13

2022-09-24

国家自然科学基金项目（41971274）；河南省高校哲学社会科学创新团队（2021-CXTD-08，2022-CXTD-02）；河南省高校科技创新团队支持计划项目（22IRTSTHN008）

卫彦宏，研究方向为城镇化与生态系统服务。Email：13935744403@163.com

乔旭宁，博士，教授，博士生导师，研究方向为土地利用与生态系统服务。Email：qiaoxuning@126.com