城镇化进程中西南山区生态系统服务权衡特征分析

王旭熙，刘守江，杨 丹，魏芸芸

(西华师范大学 a.地理科学学院，b.嘉陵江流域研究所，四川 南充 637009)

生态系统服务(Ecosystem Services)是指人类直接或间接从生态系统中获取的福利，是人类社会赖以生存和发展的基础[1-2]。生态系统服务不仅可以为人类的生存与发展直接提供水、粮食、氧气等，并具有涵养水源、净化污染、保持水土以及保护生物多样性等功能，可分为供给服务、调节服务、文化服务和支持服务四大类[3-5]。不同生态系统服务之间存在不同程度此消彼长的权衡作用[6-7]和相互促进的协同作用[8-10]。Dymond等[11]研究发现，造林对于控制土壤侵蚀，增加碳汇具有明显的作用，但对产水量有不利影响；Howe等[12]利用meta分析对全球生态系统服务被用于人类福祉的大量成果进行研究，发现权衡记录几乎是协同增效的3倍，“预设双赢”不具有普遍意义，权衡更能实现理想的结果；饶胜等[13]利用极值分析法，对草原生态系统畜产品供给服务与防风固沙调节服务之间的权衡关系进了分析；朱建佳等[14]运用相关分析得出了湖南会同森林生态实验站磨哨林场不同管理模式下木材生产与碳储量之间的权衡关系，提出了提高森林生态系统综合效益的对策与建议；陈登帅等[15]引入生产可能性边界(PPF)分析法，对未来情景下的生物多样性、固碳和产水3种生态系统服务之间的权衡与协同关系进行了系统分析。因此，正确理解生态系统服务之间的权衡特征具有重要的意义[16-17]。

城镇化是人类经济社会发展的客观要求和必然选择[18]，其改变了地表景观格局、生态过程、生物栖息地以及生物化学循环等，对生态系统服务及空间演变产生强烈的影响，特别是影响了生态系统为人类提供服务的能力[19]。因此，揭示城镇化进程中生态系统服务的特征、规律等成为学术界研究的热点[20-22]。我国山区面积约占陆地国土面积的70%，45%的人口聚居在山区[23]。山区城镇化是我国城镇化建设目标实现的难点和关键，如何针对山区地形复杂、生态国土面积大、气候差异显著等特点，进一步正视实际国情，科学论证、科学规划、有序推进我国山区的城镇化建设十分重要[24]。中国西南部因其复杂的地形、多样的气候和栖息地而被视为世界生物多样性热点之一[25]。随着西部大开发战略和“一带一路”战略的实施，西南地区城镇化步伐急剧加快，社会经济、人民收入和生活水平显著提高。以空间扩张巨大、产业活动密集、人口爆发式增长、交通拥挤为特征的大规模快速城镇化，使城市生态系统的结构、格局和服务发生了巨大变化，给西南地区生态环境带来了巨大压力。因此，本研究以中国西南地区332个山区县为例，试图揭示不同城镇化水平区生态系统服务的综合效益以及各生态系统服务之间的权衡特征，以期为中国西南山区新型城镇化与生态环境保护两者的协调发展提供一定的理论依据。

1 研究区概况

中国西南部包括四川、云南、贵州、西藏和重庆，有498个县(区)，总面积23.42×105km2，占中国土地总面积的24%。该地区除四川盆地外，以中高山区为主，东部海拔1000 m以上，西部海拔2000～3000 m，属亚热带湿润季风气候，垂直变化明显。西南山区是国家生态安全的重要组成部分[26]。自西部大开发战略实施以来，西南地区经济迅速发展，1990—2013年，国内生产总值由1999年的80 645.4亿元增加到2013年的59 452.83亿元，增长7.37倍，年均增长14.24%。1990年，西南地区的城镇化率是16.53%，2013年增加到41.05%。本研究参照中国县(市)社会经济统计年鉴(2014)中县域类型的划分，以中国西南地区332个山区县为研究对象(图1)。

2 数据来源与研究方法

2.1 数据来源

本研究的数据分为两类：统计数据和空间数据。2013年粮食产量统计数据来源于中国西南五省(市、自治区)2014的统计年鉴及2014中国县(市)社会经济统计年鉴。空间数据包括：(1)DMSP/OLS稳定灯光数据集源自全球DMSP/OLS夜间灯光时间序列图像中的稳定夜间灯光数据，是由美国空军气象局(Air Force Weather Agency，AFWA)收集DMSP/OLS原始数据，由NOAA国家海洋和大气管理局负责维护和处理，其空间分辨率为30弧度，范围从0到63，背景值为0，其值代表年平均灯光强度[27]；(2)2013年陆地卫星TM图像和数字高程模型(DEM)数据源于中国地理空间数据云(http://www.giscloud.cn/)，空间分辨率30 m×30 m；(3)2013年1 km 空间分辨率的植被指数数据来源于NASA的MODIS数据共享网站(http://modis.gsfc.nasa.gov/data)；(4)比例尺为1∶100万的土壤数据来源于世界土壤数据库HWSD (Harmonized World Soil Database version 1.2)，包含土壤类型、土壤质地等资料。

2.2 研究方法

2.2.1 城镇化水平

城镇化水平是人口、经济、土地等因素的综合反映[28-29]，而DMSP/OLS平均夜间灯光强度则是这些因素相互作用结果的综合反映。大量研究表明，DMSP/OLS夜间灯光数据与人口、产业结构、经济水平、城市用地等城镇化指标具有极高的相关性[29]。因此，本文结合西南地区实际情况选用区域DMSP/OLS夜间平均灯光强度(Si)来反映城镇化水平。

(1)

式中，DNi为研究区内第i等级的灰度值；ni为研究区内第i灰度的像元总数；N为研究区所包括的灯光像元总数，63为像元的最大灰度等级值。

2.2.2 生态系统服务评估

1)土壤保持：土壤保持量在一定程度上反映生态系统土壤保持功能[30]。所以，本研究采用修正通用土壤流失方程模型(Revised Universal Soil Loss Equation)计算生态系统土壤保持量，以评估其土壤保持量的大小。公式为：

SC=SEp-SEa=R·K·LS·(1-C·P)，

(2)

式中：SC为土壤保持量(t·hm-2·a-1)；SEp为潜在土壤侵蚀量(t·hm-2·a-1)；SEa为实际土壤侵蚀量(t·hm-2·a-1)；R为降雨侵蚀力因子(MJ·mm·hm-2·h-1·a-1)；K为土壤可蚀性因子(t·hm2·h·hm-2·MJ-1·mm-1)；LS为地形因子；C为植被覆盖因子；P为水土保持措施因子。

2)产水量：在生态系统中，产水量功能对能量的传递和利用起着重要的作用。本研究利用水平衡方程对产水服务功能进行量化[31]。公式为：

W=PPT-ET，

(3)

ET=9.78+0.0072×PET×PPT+0.051×PPT×LAI，

(4)

式中：W为产水量(mm)；PPT为年降水量(mm)；ET为年蒸散发量(mm)；PET为潜力蒸发量(mm)，LAI为叶面积指数。PPT数据来自194个气象站(http://cdc.cma.gov.cn/home.do)。PET采用Hamon模型计算[32]。

3)粮食生产：本文参考InVEST模型粮食生产模块的计算原理，以单位土地利用面积上的粮食产量来表征粮食生产功能[33]。公式为：

(5)

式中：F(x)为粮食生产(t·hm-2)；CY(x)为行政县域粮食产量(t)；A(x)为行政县域面积(hm2)。

4)碳储量：碳储功能是生物体通过光合作用将无机碳转化为有机化合物的过程，通过分析净初级产量(Net Primary Productivity，NPP)对碳储量进行近似评估[34]。本研究利用CASA(Carnegie-Ames-Stanford Approach)模型估计净初级产量，该模型假设植物生产力与吸收的光合活性辐射有关。计算模型如下:

NPP(x，t)=APAR(x,t)×ε(x，t)，

(6)

式中：NPP(x,t)为像元x在t月的单位面积植被净初级生产力(gC·m-2)；APAR(x,t)为像元x在t月植被吸收的光合有效辐射(MJ·m-2)，ε(x,t)为像元x在t月的实际光能利用率(gC·MJ-1)。APAR由太阳总辐射中的光合有效辐射(Photosynthetically Active Radiation，PAR)和植被对光合有效辐射的吸收比例(Fraction of Photosynthetically Active Radiation，FPAR)决定，公式为：

APAR(x，t)=PAR(x，t)×FPAR(x，t)，

(7)

PAR(x,t)=Rs(x,t)×0.5，

(8)

式中：Rs(x,t)为第t月份在像元x处的太阳总辐射量(MJ·m-2)，常数0.5表示植被所能利用的光合有效辐射占太阳总辐射的比例。上述公式中Rs、FPAR以及ε的具体计算方式详见文献[35]。

2.2.3 生态系统服务权衡方法

本研究计算各生态系统服务的综合效益以及权衡值，由于各生态系统服务的度量单位不同，需要将数据进行标准化处理，使数据范围在0～1之间，标准化公式如下：

(9)

式中：SESi为生态系统服务i标准化后的收益值；ES为生态系统服务i的收益值；ESmax为生态系统服务i的最大收益值；ESmin为生态系统服务i的最小收益值。

多种生态系统服务的综合效益为标准化后各项生态系统服务的均值。本文主要通过均方根误来量化各功能之间的权衡大小，均方根误差又称为标准误差，它表示与平均效益的平均偏离程度，其公式为：

(10)

式中：σ为标准误差；n为测量次数，di为一组测量值与平均值的偏差。标准误差越大，说明数据与平均值的偏离程度越大，即权衡越大。

采用对角线图示法(图2)直观判断生态系统服务最优管理模式。图2a显示生态系统服务1与生态系统服务2的综合效益，对角线y=-x+1上的点表示综合效益为0.5，越靠近右上角，综合效益越高[14]。图2b显示了生态系统服务1与生态系统服务2之间的权衡值，对角线y=x上的点表示二者相等，对角线左上角代表生态系统服务2>生态系统服务1，右下角代表生态系统服务1>生态系统服务2，而且距对角线越近，权衡越小[36]。因此得出：越靠近右上角，且距对角线y=x越近，生态系统服务1与生态系统服务2的综合效益越高且权衡值越小[14]。

3 结果与分析

3.1 西南山区各县城镇化水平差异

从图3可以看出，西南地区各山区县城镇化水平存在明显差异。根据平均灯光强度，利用ArcGIS自然断点法将西南地区各山区县城镇化水平划分为3类，即高城镇化水平区、中城镇化水平区、低城镇化水平区。其中，高城镇化水平区77个县，中城镇化水平区101个县，主要分布在云南省中南部和贵州省中西部，低城镇化水平区154个县，主要分布在西藏和四川省川西北、攀西地区。

3.2 不同城镇化水平区生态系统服务差异

比较各城镇化水平区4个典型生态系统服务的平均值得出(图4)，产水量、粮食生产和碳储量表现为：中城镇化水平区>高城镇化水平区>低城镇化水平区，而土壤保持功能表现为：低城镇化水平区>高城镇化水平区>中城镇化水平区。

3.3 不同城镇化水平区各生态系统服务的综合效益

由图5可以看出，不同城镇化水平区4种生态系统服务的综合效益均处于y=-x+1左下角，综合效益<0.5。其中，高城镇化水平区与中城镇化水平区产水量与土壤保持、产水量与碳储量、土壤保持与碳储量两两之间的综合效益差异较小，但明显低于低城镇化水平区；产水量与粮食生产、土壤保持与粮食生产、碳储量与粮食生产两两之间的综合效益在不同城镇化水平区无明显差异。

3.4 不同城镇化水平区各生态系统服务的权衡值

从图6可以看出，产水量与土壤保持之间权衡值随城镇化水平增加而增加，由大到小依次为：高城镇化水平区>中城镇化水平区>低城镇化水平区，均位于对角线y=x的右下角，说明产水量的收益值大于土壤保持；产水量与碳储量、碳储量与粮食生产两两之间的权衡值随城镇化水平增加，呈先增加后降低，由大到小依次为：中城镇化水平区>高城镇化水平区>低城镇化水平区，均位于对角线y=x的右下角，说明产水量的收益值大于碳储量和粮食生产；土壤保持与碳储量、土壤保持与粮食生产、产水量与粮食生产两两之间没有显著的权衡关系。

4 讨 论

4.1 生态系统服务之间的权衡关系

生态系统向人类社会提供多种多样的服务，各服务彼此之间存在不同程度的权衡与协同关系[37]。本研究得出在不同城镇化水平区，产水量与土壤保持、产水量与碳储量、碳储量与土壤保持之间存在明显的权衡关系。这种权衡关系是由生态系统之间的相互作用以及它们之间的共同驱动力引起的，以产水量和碳储量为例，植树造林一方面可以增加植被覆盖度，进而提高生态系统的碳储量，另一方面也将使地表蒸发作用增强，从而降低产水量[38]。与此相反，建设用地的增加一方面会导致植被覆盖度降低，进而降低碳储量，另一方面也会使地表的蒸散作用降低，进而增加产水量[39]。该结果与Feng等[40]、Wang等[41]研究的结论一致。随着退耕还林还草工程的实施，植被与土壤得到恢复，研究区碳储量和土壤保持服务显著提高，而产水量明显降低。

4.2 城镇化与生态系统服务之间的关系

城镇化过程涉及到人口迁移流动、生产生活方式改变、经济结构变化等方面，这些都将对生态系统服务产生直接或间接的影响[42]。本研究表明，不同城镇化水平区各生态系统服务存在明显差异。另外，城镇化对不同生态系统服务的影响也存在差异，如本研究中产水量与土壤保持之间权衡值随城镇化水平增加而增加，而产水量与碳储量、碳储量与粮食生产之间权衡值随城镇化水平增加，呈先增加后降低。综合图5与图6的结果，相对于高城镇化和中城镇化水平区，低城镇化水平区产水量与土壤保持、产水量与碳储量、碳储量与粮食生产两两之间综合效益较高，且权衡值较小。因此，根据本文的结论，未来这些区域的城镇化战略的制定，应该从生态系统服务的权衡规律中，找到主导功能最大化所对应的城镇化发展目标，实现区域城镇化的健康发展。

4.3 研究不足与展望

本研究在城镇化水平与生态系统服务权衡关系的分析上，只考虑城镇化水平对生态系统服务的影响，然而自然地理条件如气候、地形等对生态系统服务的权衡关系也有一定的影响。因此今后的研究应考虑更多的因素，进一步探讨西南山区生态系统服务之间的关系，实现生态系统服务空间上的权衡。此外，本研究主要选择了土壤保持、产水量、粮食生产和碳储功能等4种典型生态系统服务，未来可考虑分析更多的生态系统服务(如生物多样性、气候调节等)，对区域生态系统服务进行更全面的权衡。