讨赖河流域生态系统服务权衡与协同的多尺度测度

赵 婷，潘竟虎

(西北师范大学地理与环境科学学院，甘肃 兰州 730070)

生态系统服务(ecosystem services，ES)是指人类直接或者间接地从生态系统中所获得的各种惠益，一般分为支持服务、调节服务、供给服务和文化服务4大类[1-2]。由于ES具有在空间分布的不均匀性、人类活动的选择性及其自身种类的多样性等特点，ES间呈现出此消彼长的权衡及相互增益的协同形式[3-4]。而一系列时空共现、反映ES间相互依赖关系的组合称为生态系统服务簇[5-6]。近年来，人类社会对生态环境的不断干预，常常使得一种服务的持续增加以其他服务的逐步减少甚至牺牲为代价[7]，致使某些服务水平被迫下降，极大程度地削减了人类从ES中所获得的惠益总和，加重了地区及全球的生态危机。党的十九大将生态文明建设提升至“千年大计”的层面，明确提出“统筹山水林田湖草系统治理，实行最严格的生态环境保护制度，形成绿色发展方式和生活方式”。在此背景下，以生态环境日益严重的干旱内陆河流域为研究区，选择多种典型的ES，探索科学的ES评估体系，并从不同时空尺度出发，深刻理解和认识多种ES之间的权衡与协同关系，从而优化ES管理，提高生态环境保护效率，实现人类社会和生态环境的“双赢”局面。

“权衡”一词最早是物理学领域用于监测信号的准确性、分辨率及背景抑制关系的专业词汇[8]。随着研究内容的不断深化及研究领域的不断扩展，“权衡”被引入ES领域，用以研究ES间“此消彼长”的关系。自《千年生态系统评估》计划实施以来，ES间的权衡与协同关系逐渐成为地理学、生态学、管理学等多个学科及领域的研究热点，得到国内外学者的广泛关注和重视[9-10]。近年来，ES间的权衡从一个客观规律转变为决策者的一种科学分析工具，完成了一个质的飞越。从研究内容来看，ES权衡主要集中在探索其空间分布特征、识别生态系统服务簇以及探究驱动因子和驱动机制3个方面[11]，尽管学者已在扩展和深化研究内容方面做出很大努力，但仍存在生态系统服务类型划分与评估体系不够明确的问题[12]。从研究方法来看，现有研究ES权衡的方法主要有统计方法、空间映射和情景分析法[13]，这些方法虽然增强了学者对ES间权衡作用的理解，但却无法定性分析和衡量权衡作用程度[14]。从研究尺度来看，大多数研究是在行政区等单一尺度上进行的[15]，缺乏在多个尺度上对ES间关系的全面深入测度和研究，无法细致反映区域内部服务间关系的空间异质性[16]。在此背景下，从不同空间尺度上探究多种ES间的权衡与协同关系的科学问题亟需在典型区域开展研究，继而进行总结与提升。

讨赖河属于典型的干旱内陆河，近年来，随着人口、经济的快速增长，加之干旱内陆河流域自身的脆弱性，流域出现了植被退化严重，用水矛盾突出，土地沙漠化、盐碱化等一系列严峻的生态环境问题[17]，严重威胁区域生态环境与社会经济的持续和谐发展。同时，讨赖河流域是祁连山生态安全的重要屏障，合理解决生态环境和保护治理等问题，对维护祁连山地区生态安全具有十分重大的意义[17-18]。目前，对讨赖河流域生态系统服务的研究较少，缺乏对其ES间关系的多尺度、定量化测度及空间分布规律的本地化研究。因此，流域整体、县级行政区和栅格单元上生态系统服务关系究竟表现出何种差异性，流域内部ES间关系的多尺度、定量化测度及空间分布规律存在何种时空差异？需要深入开展研究。鉴于此，以讨赖河流域为研究区，评估了2000和2018年气候调节服务(climate regulation services，CRS)、生物多样性维持服务(biodiversity maintenance services，BMS)、土壤保持服务(soil conservation services，SCS)、水资源供给服务(water resources supply services， WRSS)、提供美学景观服务(provide aesthetic landscape services，PALS)、防风固沙服务(wind protection and sand fixation services，WPASFS)及食物供给服务(food supply services， FSS)7种典型的ES，利用空间叠置法、叠加分析法、Pearson相关系数法及自组织特征映射(SOFM)神经网络法，分别从栅格、流域、行政区和服务簇4种不同空间尺度，定量地对ES间权衡与协同关系进行测度，并对其空间分布特征进行探讨，以期为决策者在适当空间尺度制定相应的管理策略，及区域间山水林田湖草沙冰生态系统的保护提供基础性参考。

1 研究区与数据

1.1 研究区概况

讨赖河流域是黑河流域的一级支流，地理位置为38°24′ N～40°56′ N，97°22′ E～99°27′ E[17]。地势西南高东北低，由西南向东北倾斜[18]。流域总面积为2.81万km2，主河道全长为370 km。多年平均降水量约为270 mm，多年平均蒸发量在1 800～2 500 mm之间[19]。

研究区地跨嘉峪关市、酒泉市肃州区、金塔县，肃南裕固族自治县、肃北蒙古族自治县、高台县及祁连县小部分区域(图1)。流域工农业长足发展，是河西走廊重要的“粮仓”和经济带。2020年流域内总人口约为89万，总灌溉面积为6.7万hm2。讨赖河作为甘肃区域发展战略的核心地区之一[20]，由于人类长期的不合理开发与利用，生态问题日益严峻，严重威胁流域生态健康。

图1 讨赖河流域位置示意Fig.1 Location of the Taolai River basin

1.2 数据来源与处理

土地利用数据来源于中国科学院资源环境科学数据中心(http:∥www.resdc.cn)，空间分辨率为30和500 m。气象数据来源于国家气象科学数据中心(http:∥data.cma.cn/)，为保证精度，选取研究区内部及周围邻近的15个气象站点，利用Anusplian 4.2软件插值得到，空间分辨率为500 m。净初级生产力(net primary productivity，NPP)和潜在蒸散发(potential evapotranspiration，PET)数据分别来自于美国国家航空航天局(National Aeronautics and Space Administration，NASA)(https:∥ladsweb.modaps.eosdis.nasa.gov/search/)提供的MOD17A3数据和MOD16A2数据，空间分辨率均为500 m，由于MOD16A2为8 d合成产品，故利用MRT工具对数据进行镶嵌，重投影后，将2018年46期潜在蒸散发数据合成年值数据，由于2000年蒸散发数据只有40期，故选取最近年份2001年对应缺失月份的蒸散发数据作为补充，进而合成年值数据。

土壤数据来源于世界和谐土壤数据库(HWSD)，在利用InVEST的Water Yield模块计算产水量时，由于无法获取实际土壤深度数据，故在参考前人的替换方法[20]及InVEST模型的使用说明后，选用参考土壤深度数据进行替代。ASTER GDEM数据由地理空间数据云(http:∥www.gscloud.cn/)下载得到，空间分辨率为30 m。归一化植被指数(normalized difference vegetation index，NDVI)数据是由2000及2018年6—8月Landsat系列遥感影像经预处理(大气校正和几何校正)、镶嵌、裁剪及重新投影等操作后计算得到，空间分辨率为30 m。统计年鉴数据来自于国家统计局(http:∥www.stats.gov.cn/)发布的中国农村统计年鉴。流域范围数据来自黑河计划数据管理中心(http:∥www.heihedata.org/)。为保证研究的准确性，进行为期15 d的实地考察，通过野外监测、抽样调查及向当地居民访问等途径确定威胁因子、Z因子及各文化休憩场的权重等参数。最终，将各数据统一到Albers投影下，输出栅格大小为500 m×500 m。

2 研究方法

2.1 ES评估

根据联合国《千年生态系统评估》[21]中对ES的评估体系，遵循重要性、科学性、全面性等原则，并结合讨赖河流域的实际情况，选取CRS、BMS、SCS、WRSS、PALS、WPASFS和FSS这7项典型ES用于评估研究区生态环境。具体来讲，讨赖河流域是河西走廊商品粮、棉花、甜菜、瓜果等农产品的重要基地。其次，研究区分布有大面积草地、林地和耕地，一方面为流域提供了充足的碳量，另一方面也对流域内生物的生存环境起到一定调节作用。再者，讨赖河发源于祁连山中段，山区丰富的降水及冰川融水给流域提供了充足的水资源，保障了流域内居民的生产生活用水。再者，根据《全国生态环境保护纲要》的要求，流域下游被划定为重要的土壤保持区，政府及决策者着手解决流域内土壤流失严重，土地沙漠化、盐碱化程度高等一系列问题。最后，为提高居民质量，创建生态文明城市，各县(市、区)政府建造多处国家级湿地公园、文化生态园、胡杨林景区、植物园及体育园等文化休憩场所，一方面丰富居民的精神生活，另一方面也具有较高的文化、美学价值。各ES评估方法及计算公式见表1[22-28]。

表1 生态系统服务评估方法及计算公式[22-28]Table 1 Assessment method and calculation formula of ecosystem services

2.2 权衡与协同关系多尺度测度

2.2.1栅格尺度

为分析研究区栅格尺度上ES的权衡与协同关系，参考前人的研究方法[29]并结合研究区实际情况，以500 m为栅格单元大小，采用空间叠置法分析栅格上ES的权衡与协同关系，该方法能够直观地展示多种ES之间权衡与协同关系的空间分异特性。具体计算步骤如下：

(1)服务能力分级。由于7种ES的单位及物理量纲不同，无法在同一尺度上进行对比分析，因此，先对7种ES进行标准化处理，并利用自然断点法将各项ES分为低、中、高3个等级，依次用1、2、3来代表。

(2)服务空间叠置。将7种ES分级后，根据如下规则进行空间叠置：

ICODE=IPALS×106+IFSS×105+IWPASFS×104+IWRSS×103+ISCS×102+IBMS×10+ICRS×1。

ICODE是一个7位数的数字代码，每个代码都是由1、2、3任意组合的栅格值，以此来表征对应栅格的ES综合供给能力。

(3)权衡与协同的分类标准。根据权衡与协同的定义及7种ES的叠置结果，并结合研究区实际情况，将ES的关系分为强权衡，即一种ES供给能力较强，而其他服务供给能力较弱的状态；弱权衡，即2～6种ES供给能力较强，而其他服务供给的能力较弱的状态；低协同，即7种ES的供给能力都弱的状态，是最不和谐的状态；高协同，即7种生态系统服务的供给能力都强的状态，是最协调的状态。具体分类准则见表2。

表2 生态系统服务权衡与协同划分标准及统计Table 2 Criteria and statistics of tradeoff/synergy of ecosystem services

2.2.2流域尺度

为全面科学地测度全流域各ES间的权衡与协同关系，参照前人的研究方法[30]，以7种典型ES为研究对象，采用叠加分析法进行测度。具体做法：用栅格计算器将2018和2000年各项ES对应值进行相减运算，得到ES变化栅格图，再将两两ES变化数据进行叠加计算，并根据计算结果将ES之间的关系进行分类。若2种服务均增加或者均减少即为协同关系，反之，若一种服务增加而另一种服务减少，则为权衡关系。一种服务有变化(增加/减少)而另一种服务未变化，或者2种服务都未变化，则表示该区域生态系统服务间的关系不明显。

2.2.3行政区尺度

为方便各县(市、区)决策者因地制宜地制定生态环境政策，需明确各县(市、区)内ES间的权衡与协同关系。故在此背景下，结合前人研究方法[31]，采用Pearson相关系数法测度各行政区内ES间的权衡与协同关系。具体来说，以1 km为采样点距离，在研究区的各行政区内均匀布点。以样点为基础，使用ArcGIS 10.3的“多值提取至点”工具，将7种ES数据分别提取至样点。

利用Origin 2020b软件，分别计算两两ES间的相关系数，并对结果进行t检验。根据t分位数表，将结果分为7个等级，分别为协同***(r>0，P<0.001)、协同**(r>0，0.001≤P<0.01)、协同*(r>0，0.01≤P<0.05)、权衡***(r<0，P<0.001)、权衡**(r<0，0.001≤P<0.01)、权衡*(r<0，0.01≤P<0.05)，以及关系不显著(r=0，或者r无限接近于0，以及未通过设定的显著性水平下的t检验)。由于研究区所涉及高台县、肃北县及祁连县的面积非常小，故不对其进行分析。

2.2.4服务簇尺度

利用SOFM网络识别生态系统服务簇，并从服务簇角度分析ES之间的权衡与协同关系。SOFM模型是一种无监督学习的神经网络，其通过对某一图形或频率的特定兴奋过程找到最近的获胜单元，进而不断地调整权重，使输出节点无限逼近输入矢量数据的拓扑特征，从而将高维输入用二维映射的聚类结果表示[32]。

3 结果与分析

3.1 ES空间格局

流域7种ES的空间格局见图2，为验证结果的可靠性，通过对比潘竟虎等[20]的研究结果，发现笔者研究结果与其各ES的变化趋势及时空分布格局保持高度一致性，故此结果较为可靠。结合研究区土地利用数据可以发现，固碳能力较高的区域主要分布在流域中部及北部的绿洲农业区，该区土地利用类型以耕地和林地为主。生境质量较好的区域主要分布在南部的祁连山区，该区土地利用类型以草地和林地为主。流域的粮食供给区主要分布在中部和北部的绿洲农业区，耕地类型主要为旱地，农作物以耐旱型玉米、小麦、棉花和谷物等作物为主。防风固沙能力较强的区域主要分布在南部的祁连山区和绿洲农业区，土地利用类型主要为中高覆盖度的草地、耕地和林地。娱乐文化指数的高值区主要分布在湿地、水域、林地和高覆盖草地等区域。流域内大面积裸土、戈壁、荒漠及裸岩区域生态环境较为恶劣，始终是7种ES的低值区。

图2 2000—2018年生态系统服务空间格局Fig.2 Spatial pattern of ecosystem services from 2000 to 2018

2000—2018年流域内各ES水平变化不一，空间分布格局也不尽相同(图3)。其中，CRS呈现增强趋势，碳储量由2000年的5 645.30 t增加到6 108.10 t，增加462.80 t。增加区域主要位于嘉峪关市、肃州区中部及金塔县中部。WRSS也呈增强趋势，产水量由2000年的6.35亿m3增加到2018年的8.81亿m3，增加2.46亿m3，增加区域主要位于中部和北部绿洲农业区及南部祁连山区。FSS亦呈现增强趋势，供给量由2000年的244.31×103t增加到2018年的488.03×103t，增加243.72×103t，增加区域主要位于中部和北部绿洲农业区及南部祁连山区。而SCS呈现减弱趋势，土壤保持量由2000年的683.32×104t减少到2018年的536.66×104t，减少146.66×104t，减少区域主要位于肃南县西部和南部。BMS、PALS和WPASFS的服务值都呈现不断增加趋势，对应的生境质量指数、娱乐文化指数和防风固沙能力指数均值均有所增大，表明流域生态环境呈现不断向好趋势。

各生态系统服务的中英文名称对照见表1。图3 2000—2018年生态系统服务变化的空间分布Fig.3 Spatial distribution of ecosystem services change from 2000 to 2018

3.2 ES权衡与协同关系多尺度分析

3.2.1栅格尺度

流域ES权衡与协同关系空间分布见图4。2000年流域内53.6%的栅格呈现协同关系，主要分布在流域北部和中部的大片荒漠、戈壁及裸土区域，而46.4%的栅格呈现权衡关系。强权衡关系占33.0%，主要分布在肃南县境内，弱权衡关系占13.4%，空间分布以中部和北部绿洲农业区及南部祁连山区的小部分区域为主。低协同关系以“7低”的供给能力组合方式为主，栅格个数占比为47.5%；而强权衡关系中又以“1高1中5低”的供给能力组合方式为主，栅格个数占比为14.6%；弱权衡关系以“2高1中4低”的供给能力组合方式为主，栅格个数占比为4.1%；而以“2高4中1低”“3高3中1低”“4高3低”和“4高2中1低”的供给能力组合方式的栅格个数占比较低，栅格个数占比基本为0。

图4 生态系统服务权衡与协同关系空间分布格局Fig.4 Spatial distribution pattern of trade-offs and synergies of ecosystem services

2018年流域内51.0%的栅格呈现权衡关系，其中，强权衡关系占32.5%，主要分布在南部祁连山区，弱权衡关系占18.5%，主要分布在中部及北部绿洲农业区；而49.0%的栅格呈现协同关系，主要分布在中部及北部戈壁荒漠区。协同关系(低协同)以“7低”的供给能力组合方式为主，栅格个数占比为43.1%。而强权衡关系以“1高1中5低”的供给能力组合方式为主，栅格个数占比为13.7%；弱权衡关系又以“2高1中4低”“2高2中3低”和“2高5低”的供给能力组合方式为主，栅格个数占比分别为5.2%、4.8%和4.9%。

3.2.2全域尺度

流域ES间关系的空间分布格局见图5。结果表明，CRS与其他6项ES都呈现协同关系，其中，与BMS间的协同关系面积占比最大，为10.7%，主要分布在肃南裕固族自治县和金塔县，而与PALS间的协同关系面积占比最小，为3.7%，主要分布在南部的肃南裕固族自治县。BMS与SCS、WRSS、PALS、WPASFS及FSS之间都以协同关系为主，且较为零散地分布在流域内。SCS分别与WRSS、WPASFS、PALS之间都以权衡关系为主，面积占比分别为15.8%、15.7%和18.4%，主要分布在肃南裕固族自治县西南部区域；而SCS与FSS间以协同关系为主，面积占比为15.0%，主要分布在中部及北部绿洲农业区。WRSS与FSS之间以协同作用为主，面积占比为21.3%，主要分布在绿洲农业区和祁连山区；而WRSS与PALS之间以权衡作用为主，占总面积的5.1%，主要分布在绿洲农业的周边区域。PALS分别与FSS及WPASFS之间都以权衡作用为主，面积占比分别为8.9%和8.4%，主要分布在中部嘉峪关市和肃州区。WPASFS与FSS之间以协同作用为主，面积占比为21.5%，主要分布在绿洲农业区和祁连山区。

各生态系统服务的中英文名称对照见表1。图5 生态系统服务间关系的空间分布Fig.5 Spatial distribution of the relationship between ecosystem services

3.2.3行政区尺度

流域主要涉及的“2县1区1市”的ES权衡与协同关系见图6。图6中“泡泡”的大小和颜色深浅表示相关系数的高低，“泡泡”越大、颜色越深表示相关系数越高，反之，“泡泡”越小、颜色越浅表示相关系数越低。红色表示正相关，蓝色表示负相关。图6显示，金塔县大多数ES之间存在不同程度的协同关系，其中，CRS分别与BMS、WPASFS及FSS之间存在较大的正相关性，表明它们之间呈现较强的协同关系。

各生态系统服务的中英文名称对照见表1。*P<0.05，**P<0.01，***P<0.001。图6 生态系统服务间权衡与协同关系Fig.6 Trade-off and synergistic relationships among ecosystem services

相比之下，FSS与PALS间存在较小的负相关性，表明两者之间存在较弱的权衡关系。肃州区CRS分别与BMS、WPASFS及FSS之间呈现较强的协同关系，而FSS与PALS之间呈现较强的权衡关系。嘉峪关市CRS分别与WPASFS及FSS之间存在较强的协同关系，且BMS与PALS之间也存在较强的协同关系，而FSS与PALS之间存在较弱的权衡关系。肃南县CRS与BMS之间存在较强的协同关系，而WRSS分别与BMS及CRS之间存在较强的权衡关系。

3.2.4服务簇尺度

借助Python 2.7软件来识别和划分讨赖河流域的生态系统服务簇，并通过Davies-Bouldin指数来确定最优聚类数目，Davies-Bouldin指数越小，表明服务簇之间差异越大，服务簇内部差异越小[32]。由图7可知，2000年当生态系统服务簇数目为6时，Davies-Bouldin指数最小，因此，2000年以划分为6类服务簇为最优，而对于2018年，当生态系统服务簇数目为3时，Davies-Bouldin指数最小，因此，2018年以划分为3类服务簇为最优。

图7 2000—2018年讨赖河流域生态系统服务簇数目Fig.7 Determination of the number of ecosystem service clusters in the Taolai River basin from 2000 to 2018

根据2000和2018年各生态系统服务簇内占主导地位的ES的供给特点，分别为其命名，其空间分布状况及簇内部结构见图8。2000年，服务簇有荒漠生态簇、水源补给簇、水土保持簇、城乡生活簇、山地农牧簇和绿洲农业簇6类。荒漠生态簇的7种ES供给能力普遍较低，CRS的供给相对偏高，表明该簇中CRS与其他6种ES之间呈现此消彼长的权衡关系，主要分布在中部和北部大面积的戈壁、荒漠、裸土及沙地区域，土地利用类型以未利用地为主。

水源补给簇以WRSS供给能力为最强，SCS、BMS、CRS、PALS和FSS供给能力较弱，表明WRSS与其呈现明显权衡关系，主要分布在南部肃南县，土地利用类型以未利用地和草地为主。水土保持簇以BMS和WRSS供给能力最强，表明两者与其他ES之间呈现权衡关系，主要分布于肃南县中部，土地利用类型以草地、林地和未利用地为主。城乡生活簇以WRSS、CRS和WPASFS供给能力为较强，而PALS、FSS、BMS和SCS供给能力较弱，主要散布在耕地内部及草地周边区域，土地利用类型以耕地和草地为主，且耕地和草地面积占比基本相同。山地农牧簇以BMS供给能力为最强，其他ES供给能力较弱，主要分布在南部祁连山区，土地利用类型以草地为主。绿洲农业簇以BMS、CRS供给能力为较强，呈现协同关系，而PALS、SCS和WRSS供给能力较弱，表明BMS、CRS与PALS、SCS及WRSS之间呈现权衡关系，主要位于肃州区中部及金塔县西部，土地利用类型以耕地为主。

2018年，服务簇有荒漠生态簇、水源补给簇和生态保育簇3类，荒漠生态簇仍以CRS供给能力为最强，以FSS、BMS、SCS供给能力为较弱，而WRSS、WPASFS和PALS供给能力有所提升，使得CRS分别与WRSS、WPASFS及PALS之间由2000年的权衡关系转变为协同关系。水源补给簇以WRSS和WPASFS供给能力为较强，以PALS、FSS和SCS供给能力为较弱，而BMS和CRS供给能力有所增强，使得WRSS、WPASFS与BMS、CRS之间由2000年的权衡关系转变为相互增益的协同关系。

2000年分图中，a为荒漠生态簇，b为水源补给簇，c为水土保持簇，d为城乡生活簇，e为山地农牧簇，f为绿洲农业簇；2018年分图中，a为荒漠生态簇，b为水源补给簇，c为生态保育簇。各生态系统服务的中英文名称对照见表1。图8 2000和2018年生态系统服务簇空间分布及模式Fig.8 Spatial distribution and cluster pattern of ecosystem service clusters from 2000 to 2018

与2000年相比，生态保育簇作为一个崭新的服务簇，其既结合了2000年水土保持簇、城乡生活簇、山地农牧簇及绿洲农业簇的综合特点，使得服务簇内BMS、CRS、WRSS及WPASFS供给能力突出，并趋向协同发展，又使得流域内服务簇间分布格局及簇内供给特点趋于平衡发展。生态保育簇的出现，一方面得益于当地政府对于生态环境治理工作的重视及推进，如：推行的退牧还草、围栏封育及防蝗灭鼠等综合措施，大大改善草地生态系统的复杂现状，从而提高草地生态系统所带来的各种惠益，另一方面也表明耕地保护措施的不断完善，使得耕地与其他土地利用类型的互动呈现一个良性趋势。

4 讨论

4.1 权衡关系转变的驱动因素

ES权衡研究必须超越单一尺度模式，综合考虑不同空间尺度上利益相关者的实际需求，开展多尺度多类型服务间的权衡研究，厘清多种服务间的权衡或协同关系及其尺度依存与空间差异特征，以明确服务权衡管理的优先顺序与侧重点，从而更加有效地实施生态系统服务管理。由于地理环境的差异，ES之间的权衡与协同关系在不同空间尺度上的结果也不尽相同。这种ES间关系的转变，一方面，可能是由于其内在驱动力(如气温、降水、地形及人类活动的影响)而引起的，另一方面，也可能是由于自然资源的空间异质性及空间尺度效应导致的。

4.2 研究方法自身的缺陷

笔者在利用Pearson相关系数测度行政区尺度上生态系统服务间的权衡与协同关系时，发现各生态系统服务间的相关系数较低，对比其他学者的相关研究，发现他们的研究结果也出现类似问题，如：潘竟虎等[33]在探究黄河流域甘肃段5种生态系统服务间的相关性时，发现相关系数在0.062～0.516之间;李鸿健等[34]在研究银川盆地4种生态服务功能间的相关性时，发现相关系数在0.04～0.23之间。已有研究表明，使用这种方法将忽略众多生态系统服务间的相互关系，因此，探寻一种相对科学而全面的测度方法和模型将是下一步工作的重点。

4.3 尺度方法的不统一

为了凸显不同尺度下生态系统服务间权衡与协同关系的差异性，笔者采用不同方法探究4种尺度下生态系统服务间的关系。在不考虑区域内部结构差异性的情况下，采用叠加分析法探究讨赖河流域生态系统服务间关系的整体趋势，凸显整体性，采用Pearson相关系数法测度各行政区内生态系统服务间的权衡与协同关系，凸显区域性。采用划分格网的方法体现小范围间区域特征的差异性。不同的方法最能反映相应尺度下生态系统服务间关系，但是未考虑在采用相同方法情况下生态系统服务关系究竟是如何变化的，也许用相同的方法来衡量更具有说服力，所以如何使用同一种方法在不同时空尺度下都能清晰明了地展现生态系统服务之间的关系转换是今后努力的方向。

5 结论

在对讨赖河流域7种生态系统服务进行评估的基础上，分别从栅格、流域、行政区和服务簇4个尺度分析流域生态系统服务间权衡与协同关系，结果表明：2000—2018年流域内绝大多数生态系统服务量呈现增加趋势，仅SCS呈现减弱趋势。在栅格尺度上，2000—2018年研究区绝大多数栅格单元生态系统服务间由协同关系转变为权衡关系，这可能是由于人类对自然资源不合理开发和利用所致。在全流域尺度上，绝大多数生态系统服务间以协同作用为主，少数以权衡作用为主。在行政区尺度上，流域各县(市、区)生态系统服务以不同程度的协同作用为主，以较弱的权衡作用为辅。在服务簇尺度上，荒漠生态簇中CRS分别与WRSS、WPASFS及PALS之间由2000年的权衡关系转变为协同关系，水源补给簇中WRSS、WPASFS与BMS、CRS之间由2000年的权衡关系转变为相互增益的协同关系。