东江源区生态系统服务价值时空变化及驱动力研究

赵晓慧 朱明畅 雷军成 陈令怡 吴军 崔鹏 陈文娟

摘要：探究河流源区生态系统服务价值的时空变化和主要驱动因子，对制定流域生态保护策略具有重要意义。基于修订的生态系统服务价值当量因子表，选取2007年和2017年两期Landsat遥感影像解译的土地利用数据，分析东江源区生态系统服务价值的时空变化特征，运用地理探测器解析东江源区生态系统服务价值变化的驱动因子。结果表明：（1）东江源区2007-2017年生态系统服务总价值减少了5.45亿元，减少了2.19%；（2）2007-2017年东江源区生态系统服务总价值变化空间分异的形成受多个因子综合作用，其中乡（镇）面积与距水系平均距离、乡（镇）面积与距居民点平均距离的因子交互贡献最大，其生态系统服务价值空间分异影响力q值分别达到了0.86和0.81；（3）在中国南方山地丘陵区常见土地利用类型转换模式中，农田向果园转化会导致生态系统服务价值增加，而林地向果园转化则会导致生态系统服务价值减少；（4）河流源区生态系统服务价值的时空变化受到自然因子、人为因子及二者之间的交互作用共同驱动。研究结果可为东江源区生态保护政策的制定提供科学依据和理论支撑。

关键词：生态系统服务价值；时空变化；地理探测器；驱动因子；东江源区

中图分类号：Q148        文献标志码：A         文章编号：1674-3075（2023）02-0026-08

生态系统服务是人类从生态系统中直接或间接获取的各类产品和服务（冯剑丰等，2009；雷金睿等，2020）；既包括人类通过劳动获得的食物、淡水等直接产品，也包括生态系统维持自身平衡所提供的水土保持、气温调节等自然服务（傅伯杰和张立伟，2014）。开展生态系统服务价值ESV评估是科学制定生态政策、提高区域生态环境质量的前提，对保障区域可持续发展和人类福祉意义非凡（雷军成等， 2017;Zheng et al， 2020）。

随着全球人口的不断增加和人类活动范围的逐渐扩大，自然生态环境受到的影响日渐增大，生态系统服务开始受到社会广泛关注。Costanza等（1997）提出了ESV评估模型，使ESV的研究一跃成为生态学、地理学等领域的研究热点（Costanza et al，2014）。从研究地域单元看，ESV研究目前主要针对的是行政单元罗芳等，2021;郑思远等，2021;刘礼群等，2022;杨彦超等， 2022，而鲜见针对自然单元特别是河流源区的相关研究。从研究方法上看，生态系统服务价值的研究方法主要有3种，即物质量分析法、价值量分析法和能值分析法；其中价值量分析法因操作方法简便、数据需求少、结果可比性高等优点而得到广泛应用（曾杰和姚小薇，2013;谢高地等，2015a;Ghermandi et al，2016）。随着研究的不断深入，学者们不再只关注生态系统服务价值的评估，而是逐渐将目光聚焦到影响ESV变化的驱动力上。Peng等（2017）利用逻辑回归分析法对深圳市生态土地动态变化进行驱动力分析，得出坡度、距建设用地最小距离和建设用地增长率是影响其城市生态用地变化的重要因素；Zhao等（2019）通过建立空间回归模型，分析了武汉城市圈ESV时空演变驱动因子，得出农村居民人均支配收入和景观AI聚集指数与ESV负相关；孟孟等2021利用相关性和主成分分析探究影响南京市ESV时空差异的驱动力，认为人口对南京市ESV的时空演变影响最大；周渝等2020利用相关性和回归分析探究重庆都市区ESV变化的驱动力，得出城镇化率与重庆都市区ESV呈显著负相关。当前，对驱动力的研究大多采用传统的相关性分析、回归分析等数理统计分析方法，忽略了各影响因子的空间交互作用。

东江源区是赣南地区和广东省的重要供水源，其水质水量直接关系到整个东江流域以及跨流域调水的香港水生态安全；另外，东江源区也是江西深度融合粤港澳大湾区的重要枢纽。东江源区高质量、可持续的生态供给对维持粤港澳大湾区的可持续发展具有重要意义。近年来，由于城市化速度不断加快、人口持续增长以及不合理的经济开发等因素，导致源区生态环境受到很大程度的破坏。因此，本研究以东江源为研究区，基于不同时期的遥感影像数据，在掌握源区ESV时空变化特征的基础上，利用地理探测器对ESV时空变化的驱动力进行研究，以期为源区今后制定科学合理的生态保护政策提供科学依据。

1   材料与方法

1.1   区域概况

东江源区位于武夷山南端余脉与南岭余脉的绵延地带，主要包括赣州市境内的寻乌、安远和定南3县，流域面积3 524 km2，占东江全流域面积的13.3%；年均径流量30.2亿m3，占东江年均径流量的10.4%。流域平均海拔446 m，地形以山地和丘陵为主，地势西、北、东三面高，南面低；该区域不仅是赣南脐橙等果品的核心种植区，也是我国著名的矿产资源开采区，源区矿产主要以钨、锡、钼、稀土等有色金属矿为主，是世界上最大的离子吸附型稀土矿主产区之一（图1）。长期以来，由于过分依赖传统农业以及对矿产资源的不合理开采等原因，导致该区域整体水功能区达标率不高。

1.2   数据来源与预处理

通过访问地理空间数据云网站（http：//www.gscloud.cn/）下载30 m × 30 m空间分辨率ASTER GDEM V2数据，以ESRI ArcGIS version 10.6软件Hydrology模块的Basin工具生成东江源区边界。利用ENVI version 5.2软件监督分类Landsat TM/OLI影像，获得2007年和2017年两期生态系统类型空间分布数据（2007年10月5日和2017年12月19日）。在遥感影像解译前，先对影像进行大气校正、辐射定标等预处理。

在对河流源区生态系统服务价值进行评估时，付梦娣等（2021）根据长江源区实际，将生态系统类型划分为森林、灌丛、湿地等9种类型；冯晓玙等（2020）依据三江源实际，将其生态系统类型划分为森林、灌木、草地等8种。本文依据东江源区实际，将源区的生态系统类型划分为农田、果园、林地、水体、矿区、建设用地和其他共7种，并通过ArcGIS 10.6软件随机生成300个样点，结合同年高分辨率谷歌地球影像和实地考察进行精度检验。结果发现，2007年和2017年生态系统类型解译的精度分别达82%和87%，能够满足后续研究。

1.3   研究方法

1.3.1   生态系统服务价值评估与敏感性   基于东江源区实际，依据Costanza等（2014）提出的生态系统服务价值评估体系，参考谢高地等（2015b）建立的中国陆地生态系统服务价值当量因子表对研究区内的各项服务进行价值当量赋值（表1），计算公式如下：

[ESV=i=1nAi×VCi] ①

[VCi=j=1kECj×Ea] ②

式中：ESV为生态系统服务价值（元/a），n为生态系统类型总数，i为生态系统类型，j为生态系统服务类型，Ai为第i类生态系统类型的面积（hm2），VCi为第i类生态系统类型单位面积生态系统服务价值[元/（hm2·a）]，ECj为某类生态系统类型第j项生态系统服务的价值当量，Ea为1个单位生态系统服务的经济价值[元/（hm2·a）]。

为精确获得研究区1个单位生态系统服务的经济价值，本研究通过式③对研究区数值进行修正。计算得到研究区2017年农田自然粮食生产的经济价值，即1个单位生态系统服务的经济价值为3 936元/（hm2·a）。

[Ea=17i=1nmipiqiM×MCI] ③

式中：Ea为研究区1个单位生态系统服务的经济价值[元/（hm2·a）]，n为生态系统类型总数，i为粮食作物的种类，mi为第i种粮食作物的全国平均价格（元/kg），pi为第i种粮食作物的单产（kg/hm2），qi为第i种粮食作物的种植面积（hm2），M为粮食作物的总种植面积（hm2），MCI为研究区农田复种指数，取2。

采用经济学中弹性指数的概念计算生态系统服务价值敏感性指数，公式如下：

[CS=ESVj-ESVi/ESViVCjk-VCik/VCik] ④

式中：CS表示敏感性指数，ESVi、ESVj分别为初始及调整后的生态系统服务价值，VCik、VCjk分别为初始及调整后的生态系统服务价值系数。

若CS>1，则表明ESV对VC富有弹性。即1%的自变量变动将引起因变量大于1%的变动，其准确度差，可信度较低；反之，可信度较高。

1.3.2   时空变化特征   地理学的显著特征之一是地理事物在空间上越相近，其存在的关联性越显著。空间自相关分析可以衡量空间变量的分布是否具有聚集性。本研究采用全局空间自相关（Global Moran's I）和局部空间自相关（Local Moran's I）2个指标来检验东江源区2007-2017年生态系统服务价值是否存在空间集聚效应。全局空间自相关和局部空间自相关分析利用GeoDa version 1.12.1.139软件进行检验，计算公式如下：

[I=i=1nj=1nwijxi-xxj-xS2ijwij] ⑤

式中：I代表全局空间自相关莫兰指数，n为空间单元数量，xi和xj分别表示单元i和单元j的观测值，[xi-x]是第i个空间单元上的观测值与平均值的偏差，wij是基于空间k邻接关系建立的空间权重矩阵，S2表示方差。

[S2=1ni=1nxi-x2] ⑥

[Ii=xi-xj=1nwijxi-xS2] ⑦

式中：Ii代表局部空间自相关莫兰指数，其余与式⑤含义相同。

1.3.3   生态系统服务价值流向   生态系统服务价值流向可以直观反映出研究区生态系统服务的转化情况（韩增林等，2019）。本研究利用各生态系统类型转化数据，计算不同生态系统之间相互转化而引起的生态系统服务价值损益，旨在分析生态系统结构变化对其服务价值的影响。计算公式如下：

[PLij=VCj-VCi×Aij] ⑧

式中：PLij为第i类生态系统类型转化为第j类生态系统类型后的生态系统服务价值损益，VCi、VCj分别为第i类生态系统类型和第j类生态系统类型的生态系统服务价值系数，Aij为第i类生态系统类型转化为第j类生态系统类型的面积。

1.3.4   驱动力   地理探测器是用来探测空间分异性，并揭示其背后驱动力的一种新型统计学方法（王若思等，2022）；既可以探测数值型数据，也可以探测定性数据，弥补了传统研究方法的不足。本文以东江源区26个乡（镇）2007-2017年生态系统服务总价值变化量作为因变量，选取7个自然因素作为自变量，包括乡（镇）面积（X1）、平均海拔（X2）、平均坡度（X3）、距水系平均距离（X4）、距居民点平均距离（X5）、距县级以上道路平均距离（X6）、距县级以下道路平均距离（X7）。利用地理探测器的分异及因子探测和交互作用探测，识别东江源区生态系统服务总价值时空分异的主要驱动因子，计算公式如下：

[q=1-1Nσ2h=1LNhσ2h] ⑨

式中：q值表示某因子对ESV空间分异的影响力，q∈[0，1]，q值越大，则代表该因子对ESV空间分异的影响越大；N为研究区评价单位的样本数，[σ2]表示全区域ESV方差，L为分级区域，Nh为分级区域样本数，[σ2h]为评价单元。

2   结果与分析

2.1   生态系统服务价值评估与敏感性

东江源区2007年和2017年的生态系统服务总价值分别为249.21亿元和243.76亿元，10年减少了5.45亿元。从不同生态系统的服务价值看，林地是整个研究区生态价值的贡献主体，其次是果园（图2）。从不同生态系统服务类型的价值看，气候调节服务的价值量最大，其次是水文调节服务（图3）。

将东江源区各生态系统类型的服务价值进行调整，价值系数（VC）调整（±50%）后得出图4。结果显示，2007年和2017年生态系统服务价值变化与价值系数的敏感性指数均小于1。不同生态系统的敏感性指数差异明显，林地的敏感性指数最大，农田较小，但同一地类不同年份的敏感性指数变化不大。因此认为本研究最后所得到的价值系数表可信，符合东江源区实际。

2.2   时空变化特征

东江源区2007-2017年生态系统服务总价值空间变化如图5所示。26个乡（镇）中，生态系统服务总价值减少的乡（镇）达21个，增加的仅有5个。其中，减少最为明显的是西部的岿美山镇、老城镇、历市镇和鹅公镇及东部的南桥镇和吉潭镇，减少均超过5亿元/a；增加最为明显的是中部的晨光镇、桂竹帽镇和文峰乡，增加均超过5亿元/a。Moran's I = 0.4，表明2007-2017年生态系统服务总价值变化总体上存在较弱的空间积聚效应。LISA结果表明，生态系统服务总价值变化表现出高-高（5个）、低-低（2个）、高-低（1个）3种积聚形式（图6）。

2.3   生态系统服务价值流向

2007-2017年东江源区生态系统服务价值流向结果见表2。10年间增减数值变化不大。增加的主要原因是果园向林地转变，导致年生态系统服务价值增加了8.70 亿元；农田向果园的转化也使年生态系统服务价值增加了4.33 亿元。减少的主要原因是林地向果园转化，导致年生态系统服务价值减少了10.22 亿元；其次是水体向建设用地转化，也使年生态系统服务价值减少了2.28亿元。

2.4   生态系统服务价值变化驱动力

2.4.1   单因子探测   本次研究东江源区2007-2017年生态系统服务总价值变化空间分异因子探测结果见表3。距县级以下道路平均距离的q值最大，但也仅为0.20（P>0.05）。表明各因子均无法独立解释2007-2017年生态系统服务价值变化的空间分异。

2.4.2   因子交互探测   由表4可以看出，任意2个因子的交互作用均大于单一因子对ESV空间分异的影响，由此可见东江源区生态系统服务总价值空间分异是受多个因子的综合作用。从交互探测结果来看，多个因子的交互值大于0.75；其中，乡（镇）面积（X1）与距水系平均距离（X4）、乡（镇）面积（X1）与距居民点平均距离（X5）的交互作用程度最大，达到0.86和0.81。

3   讨论

本研究中，东江源区2007-2017年生态系服务总价值空间变化整体呈东部和西部减少、中部增加的空间格局。西部的岿美山镇、老城镇、历市镇和鹅公镇及东部的南桥镇和吉潭镇生态系统服务总价值减少，主要原因在于这些乡（镇）多位于源区的边缘且部分地区与京九铁路、赣粤高速公路、G206国道等交通干线相邻，经济发展水平较高，人口较为集中，生活场所和生产场所分布密集。人类活动范围的不断扩大、建筑用地的持续扩张，致使单位面积生态系统服务价值较高的林地生态系统减少明显，进而导致这些地区的生态系统服务价值明显减少。生态系统服务价值增加最为显著的是晨光镇、桂竹帽镇和文峰乡，究其原因则主要是受地形条件的影响。源区中部平均海拔612 m，地形以山地为主，坡度陡峻，沟谷幽深，居民点等生产生活场所沿山地边缘呈带状分布，人类活动对该区域的影响相对较小，因此所提供的生态系统服务价值明显增加。

生态系统服务价值时空变化的影响因素有很多，但多数学者认为短时间内其时空差异主要是受人为因素的干扰（Li et al，2010;徐煖银等，2019），这在很大程度上忽视了自然因素在生态系统服务价值变化中的重要作用。本文利用地理探测器对分析了东江源区ESV时空变化的驱动力，发现乡（镇）面积与距水系平均距离、乡（镇）面积与距居民点平均距离的因子交互程度最为明显，进一步证明了自然因素对生态系统服务价值时空变化同样存在重要影响，与前人的研究结果相吻合（璩路路等，2019;王若思等，2022）。值得注意的是，区域生态系统服务价值时空变化并不是由单一驱动因子引起，而是不同驱动因子相互作用的结果。因此，在对东江源区生态系统优化和风险管控中，应考虑不同驱动因子之间的交互协同作用，采取有针对性、差异性的开发模式，避免不合理的开发导致生境恶化。

综上，采用当量因子法对东江源区的生态系统服务价值进行评价，与其他方法相比，该方法操作简便，且应用广泛。但该方法在实际应用中存在一定的主观性，需要提高其评估精度。

参考文献

冯剑丰，李宇，朱琳，2009. 生态系统功能与生态系统服务的概念辨析[J]. 生态环境学报， 18（4）：1599-1603.

冯晓玙，黄斌斌，李若男，等，2020. 三江源区生态系统和土壤保持服务对未来气候变化的响应特征[J]. 生态学报， 40（18）：6351-6361.

付梦娣，唐文家，刘伟玮，等，2021. 基于生态系统服务视角的生态风险评估及生态修复空间辨识——以长江源区为例[J]. 生态学报， 41（10）：3846-3855.

傅伯杰，张立伟，2014. 土地利用变化与生态系统服务：概念、方法与进展[J]. 地理科学进展， 33（4）：441-446.

韩增林，赵文祯，闫晓露，等，2019. 基于生态系统服务价值损益的生态安全格局演变分析——以辽宁沿海瓦房店市为例[J]. 生态学报， 39（22）：8370-8382.

雷金睿，陈宗铸，陈小花，等， 2020. 1980-2018年海南岛土地利用与生态系统服务价值时空变化[J]. 生态学报， 40（14）：4760-4773.

雷军成，刘纪新，雍凡，等，2017. 基于CLUE-S和InVEST模型的五马河流域生态系统服务多情景评估[J]. 生态与农村环境学报， 33（12）：1084-1093.

刘礼群，江坤，胡智，等，2022. 雄安新区国土空间开发的生态系统服务价值响应特征[J]. 生态学报， 42（6）：2098-2111.

罗芳，潘安，陈忠升，等，2021. 四川省土地利用变化对生态系统服务价值的影响研究[J]. 云南农业大学学报（自然科学）， 36（4）：734-744.

孟孟，张运，支俊俊，等，2021. 快速城市化背景下生态系统服务价值时空演变——以南京市为例[J]. 水土保持通报， 41（3）：296-304.

璩路路，刘彦随，周扬，等，2019. 罗霄山区生态用地时空演变及其生态系统服务功能的响应——以井冈山为例[J]. 生态学报， 39（10）：3468-3481.

王若思，潘洪义，刘翊涵，等，2022. 基于动态当量的乐山市生态系统服务价值时空演变及驱动力研究[J]. 生态学报， 42（1）：76-90.

谢高地，张彩霞，张雷明，等，2015a. 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， 30（8）：1243-1254.

谢高地，张彩霞，张昌顺，等，2015b. 中国生态系统服务的价值[J]. 资源科学， 37（9）：1740-1746.

徐煖银，郭泺，薛达元，等，2019. 赣南地区土地利用格局及生态系统服务价值的时空演变[J]. 生态学报， 39（6）：1969-1978.

杨彦超，杨海成，李云涛，等，2022. 基于土地利用的南昌市生态系统服务价值时空变化分析[J]. 甘肃科学学报， 34（2）：23-27.

郑思远，陈江海，朱红伟，2021. 江西省生态服务价值时空特征研究[J]. 人民长江， 52（11）：69-75.

周渝，邓伟，刘婷，等，2020. 重庆都市区生态系统服务价值时空演变及其驱动力[J]. 水土保持研究， 27（1）：249-256.

曾杰，姚小薇，2013. 武汉城市圈耕地集约利用时空分异特征[J]. 农业工程学报， 29（19）：215-223.

Costanza R， D'arge R， Groot R D， et al， 1997. The value of the world's ecosystem services and natural capital[J]. Nature， 387（15）：253-260.

Costanza R， De Groot R， Sutton P， et al， 2014. Changes in the global value of ecosystem services[J]. Global Environmental Change， 26：152-158.

Ghermandi A， Sheela A M， Justus J， 2016. Integrating similarity analysis and ecosystem service value transfer：Results from a tropical coastal wetland in India[J]. Ecosystem Services， 22：73-82.

Li T H， Li W K， Qian Z H， 2010. Variations in ecosystem service value in response to land use changes in Shenzhen[J]. Ecological Economics， 69（7）：1427-1435.

Peng J， Zhao M Y， Guo X N， et al， 2017. Spatial-temporal dynamics and associated driving forces of urban ecological land：A case study in Shenzhen City， China[J]. Habitat International， 60：81-90.

Zhao Y H， Zeng C， 2019. Analysis of spatial-temporal evolution and factors that influences ecological service values in Wuhan Urban Agglomeration， China[J]. Acta Ecologica Sinica， 39（4）：1426-1440.

Zheng L， Liu H， Huang Y F， et al， 2020. Assessment and analysis of ecosystem services value along the Yangtze River under the background of the Yangtze River protection strategy[J]. Journal of Geographical Sciences， 30（4）：553-568.

（责任编辑   万月华）

Spatio-temporal Changes and Driving Forces of Ecosystem Service Value in the Headwater Region of Dongjiang River

ZHAO Xiao‐hui1，ZHU Ming‐chang2，LEI Jun‐cheng1，CHEN Ling‐yi1，WU Jun3，CUI Peng3，CHEN Wen‐juan1

（1. School of geography and environmental engineering， Gannan Normal University，

Ganzhou   341000， P.R. China;

2. Wuhan Yongye Saiboneng Planning Survey Co.， Ltd， Wuhan   430062， P.R. China;

3. Nanjing Institute of Environmental Science， Ministry of Ecology and Environmental，

Nanjing   210042， P.R. China）

Abstract：To develop effective sustainable development policies for river basins， it is crucial to understand the spatio-temporal changes and primary driving forces of ecosystem service values （ESV） in river headwater regions. The headwater region of the Dongjiang River is an important water supply source for southern Jiangxi Province and Guangdong Province. In this study， we explored the spatio-temporal variation of ESV in the headwater region based on the revised ESV equivalent factors table and interpreted land use data using Landsat remote sensing images from 2007 and 2017. The driving factors of ESV in the headwater region of the Dongjiang River was then analyzed using a geo-detector. Our aim was to provide scientific data to support ecosystem conservation in the headwater region of Dongjiang River. Land use types in the headwater area includes farmland， orchards， forests， surface water， mining and other land. Results show that： （1） The total value of ecosystem services in the headwater region of the Dongjiang River decreased by 545 million yuan from 2007 to 2017. Forests made the primary contribution to the total ESV， followed by orchards. （2） Spatial differentiation of ecosystem services in the headwater region was influenced by multiple factors. Among them， the average distance from the township to the water source， and the average distance from the township to the residential areas contributed the most， with q values of the two factors of 0.86 and 0.81. （3） During the 10 years from 2007 to 2017， the change of total ESV was small. The conversion from orchard to forest and from farmland to orchard land increased the value （870 million and 433 million yuan） of ecosystem services， while the conversion from forest to orchard and from water to construction land decreased the value （1 022 million and 228 million yuan） of ecosystem services. （4） The spatio-temporal changes in ecosystem service value in the river headwater region of Dongjiang River were driven by natural factors， anthropogenic factors and their interactions.

Key words：ecosystem service value; spatial-temporal change; geo-detector; driving factors; headwater of the Dongjiang River