大娄山区生态系统服务价值变化与情景预测

姜栋栋，杨 帆，马伟波，李海东，张龙江，刘桂建

1. 中国科学技术大学，安徽 合肥 230026

2. 生态环境部南京环境科学研究所，江苏 南京 210042

3. 生态环境部华东督察局，江苏 南京 210019

4. 陕西省生态环境厅，陕西 西安 710004

生态系统服务价值(ecosystem service value，ESV)是区域生态福祉的重要测度指标[1-2]. 1998年起全球掀起了ESV研究高潮[3-4]，ESV协同权衡[5]、驱动机制[6-7]及其与绿色经济耦合关系[8-9]、多尺度特征[10-12]等不断被探索，ESV研究成果为政府制定绿色发展政策和支撑可持续发展目标(SGDs)提供了可行性路径[13-16]. 近年来，ESV研究与应用不断融入区域绿色发展进程[17-18]，在流域区域和城市等尺度有较多应用[19-20]. 另外，在矿区尺度，叶尔纳尔等[21]运用ESV方法评估了典型矿区生态恢复的成效；李海东等[22]将ESV作为关键指标构建了我国生态环保扶贫领域的“绿水青山就是金山银山”转化效益评价指标体系；王德旺等[20]对辽河干流宽滩型河流ESV开展了核算. 探析ESV演变规律对区域生态保护政策制定和绿色发展具有重要参考意义[23-24]，但现有研究对于跨行政边界地区生态保护政策的协同性分析不足，同时对于ESV空间演变过程中的ESV空间转移规律分析不足，对区域协同发展与保护政策制定的支撑不足.

2021年中共中央办公厅、国务院办公厅印发的《关于建立健全生态产品价值实现机制的意见》[25]中指出“让提供生态产品的地区和提供农产品、工业产品、服务产品的地区同步基本实现现代化”. 在政府绿色发展政策制定层面，我国重要生态产品提供区域被高度重视. 因此，测定我国典型区域生态产品和价值提供能力，分析其时空演变规律和未来发展趋势，可为区域绿色发展和生态环境保护规划等提供决策支持[26-27].

为探析我国典型生态产品提供区ESV演变规律和未来发展趋势，笔者以大娄山区水源涵养与生物多样性保护重要区(简称“大娄山区”)为研究区，基于土地利用数据和修正系数的当量因子法，评估2000-2018年大娄山区ESV空间格局及演变特征，同时结合10项土地利用驱动因素和斑块生成土地利用变化模拟(patch-generating land use simulation，PLUS)模型预测大娄山区2036年自然演变、经济优先和生态保护3种情景下土地利用变化及其ESV演变和转移特征.

1 材料与方法

1.1 研究区概况

大娄山区位于我国四川省、贵州省、云南省和重庆市(三省一市)接壤地带(见图1)，涉及17个县(区、市)，面积为3.29×104km2，降雨主要集中在北部低山丘陵地区，年均降雨量1 080 mm. 大娄山区是赤水河与乌江水系、横江水系的分水岭以及重要水源涵养区[28]，是我国重要的生态产品提供区. 区域经济发展水平存在较大差异，其中赤水河流域分布有我国重要的白酒产业基地，南部则以高原农业和旅游业为主.历史上，南部地区存在大量金属矿开发，由于过度垦殖导致局部地区水土流失严重，北部地区流域水环境问题较为突出. 由于大娄山区覆盖三省一市，各行政区土地利用、产业结构和发展政策存在差异，在一定程度制约了大娄山区协调发展和生态保护. 由图1可见，2018年大娄山区土地利用以林地为主，耕地次之.

图1 大娄山区2018年土地利用现状Fig.1 Land use status of Dalou Mountain area in 2018

1.2 数据获取

1.2.1土地利用及驱动、限制因素数据

土地利用现状数据来自于中国科学院资源环境科学与数据中心，土地利用分类精度超过90%，满足研究精度需求. 为预测未来土地利用变化，该研究选择了高程、坡度、坡向、到水系距离和地形湿度指数(topographic wetness index, TWI) 5个自然驱动因素，人口密度、夜间灯光指数、到主干道距离、到铁路距离、到城镇中心距离5个社会经济驱动因素，以及生态保护红线、水系及60 m缓冲区2个土地利用转化限制因素作为PLUS模型输入和学习数据(见表1).所有数据统一为WGS_1984_UTM投影系统，并重采样至30 m空间分辨率，严格对齐空间像元. 夜间灯光指数与经济发展水平有较大关联性，且空间分辨率较高，有利于在空间尺度分析大娄山区土地利用的经济驱动. 大娄山区高山河谷纵横，地形因素对土地利用转化具有重要影响；同时，耕地、林地以及草地等对降水敏感，通过TWI可反映水分分配特征对土地利用的驱动影响. 大娄山区是水源涵养与生物多样性保护重要区，未来生态保护情景应严格保护水系及湿地用地、恪守生态保护红线.

表1 土地利用及其驱动和限制因素数据Table 1 Data on land use and its driving and limiting factors

1.2.2ESV评估数据

该研究选择当量因子法核算ESV[29]，结合大娄山区土地利用、社会经济、农作物产值、生态指标等作为模型参数修订依据和模型输入. 将土地利用类型原水域二级分类中的滩涂和滩地划分为湿地类型，以满足当量因子法ESV核算的输入要求. 采用MODIS传感器MOD17A3H的净初级生产力(Net Primary Productivity,NPP)产品数据(500 m空间分辨率)和降水产品数据(https://crudata.uea.ac.uk/cru/data/hrg/cru_ts_4.04，0.5°空间分辨率)对区域性服务功能价值系数进行修正. 粮食产量、播种面积、粮食价格等主要来源于2000-2018年《遵义市统计年鉴》《泸州市统计年鉴》《重庆市统计年鉴》.

1.3 研究方法

1.3.1PLUS模型

相较其他土地利用模拟模型[30-31]，PLUS模型能耦合土地扩张分析策略(LEAS)和多类型随机斑块种子的CA模型(CARS)[32]，提高对土地利用变化机理的理解，具有模拟多种土地利用类型斑块演变的能力. PLUS模型对于模拟自然土地利用类型(如林地和草地)的动态变化具有优势[33-34]，因此更适合大娄山区土地利用格局和特点. LEAS通过提取两期数据之间变化的部分，然后随机选取采样点，应用随机森林算法对不同土地利用类型分别进行训练，学习不同土地利用类型扩张的转化规则. 这种规则具有时间属性，因而具备描述特定时间间隔内土地利用变化特征的能力. CARS采用了基于阈值下降的多类型随机斑块种子机制，它允许新的土地利用斑块在发展概率的约束下自发生长.

该研究对大娄山区未来土地利用发展设置了自然演变、经济优先和生态优先3种情景，并提出每种情景下的土地扩张策略，根据扩张策略设置土地利用适应概率矩阵. 自然演变情景，遵循2000-2018年大娄山区土地利用变化特征和转移演变规律，适当保护生态用地，适当约束建设用地扩张. 经济优先情景，经济建设主要依据产业发展推动，因此该情景下建设用地规模需适度扩张，即提升耕地、林地和草地转化为建设用地的概率. 生态优先情景，严格实施生态保护红线和基本农田保护，以及在水系及60 m缓冲区范围降低土地利用转移概率，在维护优化生态空间用地的同时，有限度地提升建设用地使用效率，从而促进乡村振兴和产城融合.

模型的精度验证参考指标为Kappa系数. 该研究采用2000-2018年土地利用数据为模型训练数据，以2018年模拟结果测试模型精度，最后利用训练得到的模型模拟2036年大娄山区土地利用类型数据.

1.3.2ESV评估

该研究采用当量因子法[3,35]对大娄山区ESV进行估算，当量因子法适合大区域尺度的ESV核算，计算公式：

表2 大娄山区单位面积生态系统服务价值当量Table 2 ESV equivalent per unit area in Dalou Mountain area 元/(m2·a)

2 结果与分析

2.1 ESV时空特征

2.1.1总价值变化

2000-2018年大娄山区ESV呈微弱增加趋势(见图2)，由2000年的1 988.41×108元/a增至2018年的1 994.20×108元/a，增幅为0.29%. 结合土地利用数据可知，因林地、湿地面积的增加，使得水文调节、气候调节等生态功能价值量增加，尤其是湿地面积的增加使水文调节ESV增加了4.75×108元/a. 气候调节ESV从2000年的620.45×108元/a增至2018年的621.86×108元/a，这主要是因大娄山区林地占比较高，林地提供了较大的气候调节服务. 气候调节、气体调节、生物多样性、水文调节、净化环境和土壤保持ESV在2018年总计为1 696.09×108元/a，占比超过85%. 2000-2018年大娄山区耕地面积减少了258.5 km2，因此导致食物生产和原材料ESV分别降低0.92×108和0.28×108元/a.

图2 2000年和2018年大娄山区ESVFig.2 ESV of Dalou Mountain area in 2000 and 2018

2.1.2空间分布特征

在空间分布上2018年大娄山区净化环境、美学景观、气候调节、原料生产及土壤保持ESV整体连片较高的地区主要分布在大娄山区北部的山岭位置(见图3)，与该地区林地自然生态系统保护有关，主要涉及古蔺县、叙永县和赤水市. 而食物生产高值区ESV主要分布在河谷缓坡地区，与耕地分布特征在空间上吻合. 而单位像元所代表的ESV从高到低前5位依次为水文调节(29 334.58元/a)、生物多样性保护(3 722.04元/a)、净化环境(3 268.39元/a)、水资源供给(2 523.6元/a)和气候调节(2 511.23元/a). 2000-2018年，大娄山区ESV空间格局整体保持稳定，无显著变化.

图3 大娄山区2018年单项ESV分布格局Fig.3 Distribution pattern of single ESV in Dalou Mountain area in 2018

2.2 ESV情景预测

2.2.1土地利用驱动分析

PLUS模型对5种土地利用类型的发展潜力评估如图4所示，像元值1代表该像元将来转化为其他土地利用类型的概率最低，而像元值越高(最高为255)表示该像元土地利用类型发生变化的可能性越高；同时，给出每种土地利用类型发生转化的驱动因素贡献率. 就耕地土地发展潜力驱动因素来说，高程、夜间灯光指数、TWI贡献率较高，分别为14.41%、11.83%和10.44%(见表3)；结合土地利用空间(见图4)来看，耕地主要分布在远离城镇经济中心和海拔较高的位置，而自然地形对土壤水分分配的影响对耕地具有驱动影响. 林地土地发展潜力驱动因素中，人口密度、夜间灯光指数、高程、到水系距离、到主干道距离和TWI的贡献率依次递减(见表3)，其中人口密度和夜间灯光指数贡献率分别为14.26%和12.51%. 而水域土地发展潜力驱动贡献率最大的影响因素为到水系距离，贡献率为24.79%，其次为高程(贡献率为14.43%)，水域土地利用驱动主要在低洼河谷以及水系周边的湿地(见图4). 草地土地发展潜力的驱动因素贡献率从高到低依次为高程、人口密度、到铁路距离、到水系距离和到城镇中心距离(见表3)，结合图4可知，草地主要分布在人口密度和距离城镇较远的地区，随着城镇的扩张草地随之减少. 而建设用地发展潜力驱动贡献率最大的是夜间灯光指数(贡献率为25.38%)，其次为人口密度(贡献率为16.74%)，说明主要是经济发展水平和人口密度在驱动建设用地发展(见图4). 总体上，耕地、林地和草地的土地发展潜力驱动因子中夜间灯光指数、人口密度、高程等驱动因子的贡献较大.

表3 大娄山区土地利用发展潜力驱动因子的贡献率Table 3 The contribution rate of driving factors on land use development potential in Dalou Mountain area

图4 大娄山区土地利用发展潜力Fig.4 Land use development potential in Dalou Mountain area

2.2.2土地利用模拟

通过PLUS模型精度检验模块对模拟结果进行验证，Kappa结果为0.82 (Kappa结果越接近1说明模拟精度越高)，且总体精度(overall accuracy)达到了0.92，其中耕地、林地、草地的模拟准确率分别为0.88、0.93和0.83，表明PLUS模型对大娄山区生态用地有较高的拟合能力.

由表4可见，到2036年，自然演变情景下建设用地从289.24 km2增至434.01 km2，增幅为50.04%，是所有土地利用变化中增长最快的. 结合图5(a)可知，建设用地主要增加在七星关区、大方县和仁怀市. 水域面积从2018年的50.92 km2增至61.71 km2，变化率为21.2%；耕地面积下降了227.68 km2. 在经济优先情景下，耕地和林地面积均大幅下降，而建设用地面积剧烈增加，耕地和林地分别下降了585.79和365.82 km2，降幅分别为5.47%和2.01%；建设用地到2036年增加了938.15 km2，增幅为216.16%；水域面积增加了7.71 km2，增幅为12.5%. 结合图5(b)可知，建设用地主要增加在镇雄县、威信县、七星关区、大方县、仁怀市和习水县，其中以威信县、镇雄县和习水县面积增加最为显著. 在生态保护情景下，耕地面积有少量下降，林地面积增幅较大，建设用地增长得到有效遏制，而水域面积较自然演变情景有增加. 具体来看耕地减少了128.3 km2，林地增加了592.62 km2，而草地仍呈大幅下降趋势，减少了577.15 km2，建设用地增至391.22 km2，增加了8.31%. 2000-2018年，建设用地增幅达518.78%，而2036年自然演变情景下建设用地增幅为50.04%，增幅较小，这与模拟参数设置建设用地不易转化为其他用地类型以及建设用地总规模限制有关. 与建设用地类似，2036年自然演变情景下水域面积模拟结果的增幅为21.20%，低于2000-2018年增幅(57.59%)，原因是在地形低洼处建设用地与水域面积是竞争态势，水域面积不能持续扩张.

图5 大娄山区2036年模拟土地利用情况Fig.5 Simulated land use in Dalou Mountain area in 2036

3种情景相比，生态保护情景下水域和林地生态空间得到有效保护和提升，建设用地面积增加趋势较自然演变情景放缓，其中土地利用转移体量变化较大的为耕地、林地和草地，而变幅最大的为建设用地和水域. 建设用地增加均在河谷低洼地带，而森林面积增加大部分来自耕地和草地.

2.2.3ESV情景预测

2.2.3.12036年不同情景ESV模拟

由表5可见：到2036年，经济优先情景下大娄山区ESV为1 955.8×108元/a，相比2018年下降38.4×108元/a；自然演变和生态保护情景下，模拟预测ESV分别为2 000.61×108和2 006.57×108元/a，比2018年分别增加了6.41×108和12.37×108元/a. 其中，自然演变情景下，气候调节和水文调节ESV相比2018年分别增加了2.00×108和3.27×108元/a，这与水域和林地面积增加引起的生态效益增加有关(见表4). 经济优先情景下各单项ESV均呈下降趋势，由于耕地和林地面积的下降(分别下降了585.79、364.82 km2)，导致气体调节、气候调节和土壤保持ESV下降趋势显著，分 别 下 降了11.8×108、5.30×108和4.53×108元/a，占ESV总下降量的56.33%. 生态保护情景下，林地、水域面积有较大增幅，草地和耕地降幅较小，导致气候调节ESV和水文调节ESV分别提升了4.77×108和3.35×108元/a，占ESV总增加量的65.64%.

表4 基于PLUS模型模拟的大娄山区土地利用及变化特征Table 4 Land use and change characteristics in Dalou Mountain area based on PLUS model simulation

表5 2036年大娄山区不同情景下ESV预测Table 5 Prediction of ESV in different scenarios in Dalou Mountain area in 2036

2.2.3.2生态优先情景下ESV空间转移预测

2036年生态保护情景下，相比2018年ESV体现出增加了82.34×108元/a〔见图6(a)〕、减少74.78×108元/a的特征，总体增益7.56×108元/a〔见图6(a)(b)〕. 这主要是耕地转化为林地和草地的面积大量增加，引起了生态效益的增长〔见图6(a)，耕地转化为林地，ESV增加了60.17×108元/a〕，其中耕地转化为林地在金沙县、习水县、叙永县和大方县较为集中，耕地转化为草地主要集中在七星关区和赫章县. ESV减少主要受耕地和建设用地持续增加，各项景观向建设用地和耕地亏损流动所致，ESV减少的区域在大娄山区普遍分布，其中草地转化为耕地主要集中在七星关区、仁怀市、赫章县和綦江区〔见图6(b)〕.

图6 2018-2036年生态保护情景下土地利用转移和生态系统服务价值转移Fig.6 Land use transfer and ESV transfer under ecological protection scenario during 2018-2036

2.3 局限性

该研究对大娄山区2000-2018年ESV动态演变进行定量分析，采用PLUS模型预测2036年ESV格局，揭示了大娄山区过去-现在-未来ESV时空演化规律，对我国西南地区生物多样性保护和水源涵养重要生态功能区的生态保护规划和政策制定提供了重要参考.

但在评估方法上仍存在不够完善之处，该研究较多依赖于土地利用和当量因子ESV核算方法，在核算精度上需要地面观测数据的验证校准[36]；同时，当量因子法所提供的生态系统服务不能覆盖较细分领域的功能类型，生态系统服务类型不完善则价值核算体系不够立体完整，不利于更加准确阐明ESV演变特征[36]. 该研究运用PLUS分析不同土地利用类型发展潜力的驱动因素，训练得到的PLUS模型对大区域尺度林地、耕地演变的模拟有较高的准确度，但土地利用演变是一个非常复杂的过程，该研究虽考虑了10项驱动因素，仍不能完整覆盖所有典型的驱动因素[37].

大娄山区具有非常典型的生态涵养功能，图6模拟了未来生态保护情景下大娄山区ESV增益和损失的空间分布，结果发现，大娄山区在三省一市行政区划内增益和损失存在一定差异，如云南省和四川省以草地转化为林地的ESV增益为主，而重庆市则以林地转化为耕地的ESV损失为主，这与不同行政区划地区经济发展规律和土地利用政策相关[37]. 因此，后期研究应注重地区经济收益与生态损失相结合以及土地利用空间转移与ESV价值空间流转相结合，研究模拟不同发展路径下经济发展与生态环境保护在空间上的耦合变化趋势，为地区绿色发展和政府决策提供支持.

3 结论

a) PLUS模型对于生态用地有较好的拟合能力，对耕地、林地和草地的拟合精度均在0.82以上.

b) 湿地水域土地利用变化是影响大娄山区ESV增加或减少的重要因素，大娄山区应在严格保护湿地水域的前提下开展城镇建设.

c) 在生态优先情景下，耕地转化为林地土地利用转化致使大娄山区ESV增加了60.17×108元/a，表明退耕还林是大娄山区生态系统服务增值的主要途径.