2024, Vol. 45
2. 河北省地质矿产勘查开发局第八地质大队, 秦皇岛 066000
2. The Eighth Geological Brigade of Hebei Bureau of Geology and Mineral Resources Exploration, Qinhuangdao 066000, China
生态系统服务（ecosystem services, ESs）是生态系统不同过程之间相互作用所形成的人类生产生活所依赖的自然环境条件与效用[1]. 近些年, 随着科技的快速发展和人类对环境保护可持续发展的重视, 生态系统服务评估受到国内外越来越多专家学者的关注[2 ~ 5], 并成为了实现生态环境现代化治理的有效途径之一. 党的二十大报告着眼全面建设社会主义现代化国家全局, 部署了推进生态文明建设的战略任务和重大举措, 指出要“提升生态系统多样性、稳定性、持续性”. 全国国土空间规划纲要（2016~2030年）[6]中提出中国面临国土资源紧张不断加剧与生态环境压力加大的现状, 指出土地开发治理有待提升, 土地空间发展格局需要优化. 这都迫切需要人们加强生态系统服务功能的管理, 并协调好社会经济发展过程中土地利用与生态系统服务功能的关系[7].
生态系统服务功能评估模型主要有以下3种：InVEST模型[1, 8 ~ 10]、ARIES模型[11]和SolVES模型[12 ~ 14]等, 其中, InVEST模型是最成体系的, 它不但具有较强的空间分析功能, 且应用成本低, 开源性强, 其评估精确度等较于其他模型也有较大的优越性[15]. 当量因子法[16]是效益转移法的二次转移, 需要首先确定各生态系统类型的面积, 再计算单位面积的生态价值当量, 最终通过核算公式计算生态系统服务价值[5, 17 ~ 20].
目前用于未来土地利用情景规划的土地利用模型主要包括CA-Markov[21 ~ 23]、CLUE-S[24, 25]和FLUS模型[26, 27]等, 以上模型的弊端在于难以确定土地利用变化的潜在驱动因素, 且无法动态捕捉多类土地利用斑块的演变, 尤其是自然用地类型斑块. 马尔科夫模型[22]是一种以转移概率为基础的统计学模型, 可以较好地反映土地利用类型的变化特点, 以及研究周期内不同土地利用类型之间的转移流动情况, 为未来土地利用类型间的转移和变化预测提供了基础. 而斑块级土地利用模拟模型（patch-generating land use simulation model, PLUS）[15, 28 ~ 33]可以通过用地扩张分析策略（land expansion analysis strategy, LEAS）, 更好地挖掘各类土地利用变化的诱因, 模拟多类土地利用斑块级的变化[4], 从而更准确地表征未来不同政策情景下土地利用对潜在生态系统服务的影响, 更适用于在未来土地演替加剧的情景下进行准确模拟未来土地利用发展潜力研究的要求[15, 23].
辽宁省是我国重要的老工业基地之一, 重工业和原材料工业兴盛, 对国家经济贡献巨大. 但工业化发展也带来了生态环境问题, 包括生态破坏和土地资源浪费等. 尽管进行了一系列生态保护工程, 辽宁省生态系统仍然脆弱, 面临森林结构问题、土地沙化和水土流失等挑战, 需要解决土地利用与生态系统健康可持续发展的问题. 鉴于此, 本文结合辽宁省实际情况, 耦合InVEST-Markov-PLUS模型对辽宁省生态系统服务功能量和价值量变化情况进行分析研究, 从自然发展、耕地保护、生态保护和经济优先等多情景发展模式预测未来土地利用, 探讨生态系统服务视角下合理的土地利用方式, 提出针对辽宁省土地资源空间合理配置及生态系统管理等的可行性建议.
1 材料与方法 1.1 研究区概况辽宁省地处中国东北地区南部（38°43′~43°26′N, 118°53′~125°46′E）, 是中国最北部的沿海省份, 南濒黄海和渤海, 西南与河北接壤, 西北与内蒙古毗连, 东北与吉林省为邻, 东南以鸭绿江为界与朝鲜隔江相望, 总面积14.86万km2（图 1）.
|
图 1 辽宁省地理位置示意 Fig. 1 Geographical location of Liaoning Province |
本研究使用了2000年、2005年、2010年、2015年和2020年5期土地利用数据, 分辨率均为30 m×30 m, 获取自中国科学院资源环境科学与数据中心（https://www.resdc.cn/）. 根据本研究的需要, 将原土地利用数据在ArcGIS中进行重分类, 并调整为6类（图 2）, 即耕地、林地、草地、水域、建设用地和未利用土地.
|
图 2 2000~2020年辽宁省土地利用空间分布 Fig. 2 Spatial distribution of land use in Liaoning Province from 2000 to 2020 |
本研究主要参考辽宁省地区的已有研究成果[34], 确定各土地利用类型碳密度, 各土地利用的碳密度值见表 1.
|
表 1 辽宁省不同土地利用类型碳密度值/t·hm-2 Table 1 Carbon density values of different land use types in Liaoning Province/t·hm-2 |
1.2.2 其他数据
本研究所使用的土地利用变化驱动因素数据主要包括气候环境数据和社会经济数据两类共12个, 为满足模型输入需求, 本文将土地利用数据和所有因素数据, 投影坐标系统一为Krasovsky_1940_Albers, 行列号统一为21965, 20956, 空间分辨率统一为30 m. 其他数据来源见表 2. 其中, 到水体、铁路、主干道、高速公路及市（区）政府机构的距离均采用欧氏距离计算得到.
|
|
表 2 其他数据来源 Table 2 Other data sources |
1.3 研究方法
本文耦合InVEST-Markov-PLUS模型主要包括3个部分内容（图 3）：①生态系统服务功能量评估：采用InVEST模型中的碳储存、产水量和土壤保持3个模块计算研究区各生态系统服务的功能量, 定量分析了20年来研究区各项生态系统服务功能的变化, 以及各生态系统服务功能空间上的分布和演变. ②生态系统服务价值量评估：基于价值当量因子法核算研究区生态系统服务价值, 从价值量的角度, 分析20年间各个地类各个生态系统服务的价值量及其变化情况. ③多情景模拟预测：以研究区实际情况和生态系统服务研究为基础, 设置多个土地利用模拟情景, 基于PLUS模型模拟辽宁省2030年土地利用空间分布, 并基于Markov Chain计算到2030年各类用地的需求, 来预测未来多个情景下的生态系统服务的功能和价值, 然后得到利于辽宁省生态系统服务发展的土地利用开发途径.
|
图 3 InVEST-Markov-PLUS耦合模型研究框架 Fig. 3 Research framework of InVEST-Markov-PLUS coupled model |
本文基于InVEST 3.11.0中的Carbon模块, 分析辽宁省生态系统碳储量的变化. 模型的计算公式如下：
|
(1) |
|
(2) |
式中, i表示某种地类；Ci表示地类i的碳总密度；Ci-above 表示地类i陆地表层存活植被的碳密度；Ci-below表示地类i地下植被活根的碳密度；Ci-soil表示地类i的土壤碳密度；Ci-dead表示地类i死亡植被及枯枝落叶的有机碳密度；Ctotal表示总碳储量；Si表示地类i总面积；n表示地类总个数. 本研究共包含了6种地类.
1.4.2 土壤保持功能评估InVEST模型的土壤保持模块（SDR）, 基于通用水土流失方程（USLE）[9], 考虑了不同土地利用对泥沙保持的影响, 以评估流域土壤侵蚀或土壤保持状况, 使结果更加真实. 具体公式如下：
|
(3) |
|
(4) |
式中, RKLSi表示第i个栅格单元的潜在土壤侵蚀量；ULSEi表示第i个栅格单元土壤侵蚀实际值；Ri 、Ki、LSi、Ci和Pi分别表示第i个栅格单元的降水侵蚀力因子、土壤侵蚀力因子、坡度坡长因子、植被覆盖因子和土壤保持措施因子.
降雨侵蚀力因子（R）[图 4（a）]利用2001~2020年降雨资料, 土壤可蚀性因子（K）[图 4（b）]采用Lychuk等[35]提出的EPIC模型, 坡度坡长因子（LS）[图 4（c）]从地理空间数据云下载得到辽宁省SRTM DEM 30 m分辨率的原始高程数据, 对原始数据进行重投影和重采样等操作后得到辽宁省高程栅格图.
|
图 4 土壤保持模块因子处理结果 Fig. 4 Soil conservation module factor processing results |
其他因子以USLE手册为基础, 结合前人研究以及辽宁省实际情况, 对植被覆盖作物管理因子（C）和水土保持因子（P）进行了赋值（表 3）.
|
|
表 3 辽宁省土壤保持模块生物物理 Table 3 Soil conservation module biophysical table for Liaoning Province |
1.4.3 产水功能评估
InVEST模型的Annual Water Yield模块是根据水量平衡原理, 通过降水量和实际蒸散量的差值估算产水量, 其计算公式如下：
|
(5) |
|
(6) |
|
(7) |
|
(8) |
|
(9) |
式中, Yxj表示指栅格x内地类j的年产水量, 主要由凋落物持水、地表径流和土壤含水等组成；Px表示栅格x的年降水量；AETxj表示栅格x内地类j的实际年蒸散量；wx表示自然气候条件下土壤性质的一个无量纲的非物理参数；Z即Zhang系数, 是季节性因子, 体现区域降水分布等水文地质特征, 表示经验常数. 据有关研究[36], 以冬季降水为主要特征区域Z值在10附近, 但对降水分布均匀的湿润地区, 以及夏季降水占优势的区域Z值在1附近. 本文对不同时期Z值根据实际分别取值, 以提高该指标应用时的精度. AWCx表示栅格x的土壤有效含水量, 受土壤深度及其理化特征等的影响；Rxj表示Bydyko干燥指数；Kxj表示参考作物蒸散；ET0表示潜在蒸散量（mm·d-1）；Rn表示地表净辐射[MJ·（m·d）-1]；G表示土壤热通量[MJ·m-2·d-1]；γ表示干湿表常数（kPa·℃-1）；Tmean表示日平均气温（℃）；μ2表示2 m高的风速（m·s-1）；es表示饱和水气压（kPa）；ea表示实际水气压（kPa）.
1.5 当量因子法谢高地等[37]研究认为, 某一当量因子的经济价值为当年全国粮食单产市场价格平均值的1/7. 计算公式如下：
|
(10) |
式中, VC0表示生态系统服务价值当量因子价值量（元·hm-2）；P表示全国平均粮价（元·kg-1）；Q表示全国粮食单产平均值（kg·hm-2）. 生态系统服务价值计算式为：
|
(11) |
|
(12) |
式中, ESV表示生态系统服务价值（元）；Ai表示i地类面积（hm2）；VCi表示i地类单位面积功能总价值[元·（hm2·a）-1]；ESVf表示第f项功能价值（元）；VCfi表示i地类单位面积第f项功能总价值[元·（hm2·a）-1].
本文根据辽宁省当地土地利用实际情况和主要粮食作物生产量与全国平均粮食生产量的区别等建立针对辽宁省的更加准确的修正当量因子体系. 修订后的辽宁省生态系统服务价值系数如表 4所示.
|
|
表 4 辽宁省陆地生态系统单项服务功能价值系数1） Table 4 Value coefficient of single service function of terrestrial ecosystem in Liaoning Province |
1.6 PLUS模型和Markov模型 1.6.1 驱动因子的选取
考虑驱动因子的易获取性、相关性、空间差异性以及一致性等方面, 并综合前人研究与研究区实际情况, 从气候环境、社会经济和可达性这3方面选取12个研究区土地利用变化的驱动因素（图 5和表 2）.
|
图 5 辽宁省土地利用驱动因子 Fig. 5 Land use driving factors in Liaoning Province |
本文通过改变Markov Chain的预测数量来进行不同情景模拟. 这些概率变化的调整大小基于历史数据分析、文献调研、模型灵敏度分析以及模型验证等综合选择特定的概率变化调整大小, 以在不同情景下进行模拟.
PLUS模型包含LEAS用地扩张分析策略和基于多类随机斑块种子的CA模型CARS（CA based on multiple random seeds）两大模块.
基于PLUS模型[28], 先用LEAS模块分析2000~2020年的用地扩张情况；然后, 用Markov Chain计算到2030年各类用地的需求；最后, 用CARS模块模拟预测2030年各情景下土地利用变化情况；模型的精度验证参考指标为Kappa系数. 本研究利用2000~2020年的土地利用数据进行模型训练, 并以2020年的模拟结果验证模型的准确性. 最终, 利用训练好的模型对辽宁省2030年的土地利用进行预测. LEAS和CARS各模块参数以及各情景土地利用需求设置[38]如下.
（1）随机森林参数设置 采样方式选择随机采样, 采样率为0.01, 训练特征个数为12, 决策树数目为20, 并行线程数量为15. CARS模拟参数设置：领域范围选择默认值3, 斑块生成递减阈值的衰减系数为0.9, 扩散系数为0.1, 随机斑块种子的概率为0.01.
（2）转移矩阵设置 转移矩阵中（表 5）, 由于水域为限制性因素, 设置水域不得向其他地类转移. 人造地不易发生改变, 同样设置为不向其他地类进行转移.
|
|
表 5 土地利用转移成本矩阵1） Table 5 Land use transfer cost matrix |
（3）领域权重设置 领域因子权重值范围在0~1之间, 数值越大说明该地类越难转换为其他地类, 扩张能力越强；数值越小表示其越易转换为其他地类, 越易被其他地类所占用. 本文以研究区内各类地类的变化面积占研究区总变化地类面积的比例为依据, 结合研究区实际获得模拟2030年土地利用时的领域权重值.
本研究以辽宁省2010年和2020年两期土地利用数据为基础, 选取土地利用变化的驱动因素共计12项作为预测变量输入至PLUS模型中, 计算得出辽宁省各土地利用类型的适宜性概率. 在以辽宁省2010年土地利用数据为基础, 进行2020年土地利用的预测, 并与实际2020年辽宁省土地利用数据进行验证（图 6）. 得到Kappa系数为0.867, 总体精度为0.915, 精度较高结果可信, 说明PLUS模型可以用于辽宁省区域与未来土地利用的预测.
|
图 6 辽宁省2020年土地利用模拟结果与实际数据对比 Fig. 6 Comparison of simulated results and actual data of land use in 2020 in Liaoning Province |
情景分析法是假设某种现象可以延伸到未来, 并使用该信息来预测未来的情况和后果[23, 39]. 针对辽宁省未来土地利用的发展, 本研究基于数量约束, 设定了4种情景：自然发展、经济优先、生态保护和耕地保护, 并提出相应的土地扩张策略. 通过设定土地利用适应概率矩阵, 并采用PLUS模型, 对未来4种情景下的辽宁省土地利用进行预测, 情景设定如下. ①自然发展情景：考虑到城镇化进程和现有土地政策, 遵循2000~2020年辽宁省土地利用变化特征和转移演变规律, 基于Markov Chain预测出来的土地利用数量进行模拟. ②经济优先情景：在经济建设情景下, 基于产业发展推动的考虑, 建设用地规模需要适度扩张. 该情景下, 研究区的建设用地被设定为限制转换区. 同时, 耕地、林地、草地和未利用地向建设用地的转移概率增加了20%, 建设用地向除耕地外的其他景观类型的转移概率则降低了30%. ③生态保护情景：为保护研究区生态环境, 应严格限制生态用地的大规模开发. 在该情景下, 对林地和草地向建设用地的转移概率进行了降低, 降低幅度为30%. 同时, 对耕地和水体向建设用地的转换概率进行了20%的降低. 未利用地和建设用地向林地和草地的转移概率增加了10%. 此外, 严禁生境退化, 并将区域内各个水库和湖泊作为约束条件, 限制其随意转换. ④耕地保护情景：耕地是粮食安全的载体, 保护耕地关系到国家的粮食安全, 将研究区已有耕地设置为限制转换区, 并通过减缓耕地向其他地类转移的速率来保护耕地, 将耕地向建设用地和未利用地转移概率降低30%, 将未利用地向耕地转移的概率增加20%.
2 结果与分析 2.1 2000~2020年辽宁省生态系统功能量评估辽宁省2000~2020年生态系统功能量空间分布见图 7. 辽宁省2000~2020年生态系统功能量时间变化折线图见图 8. 就其空间格局而言, 辽宁省碳储量和土壤保持量在空间分布上均存在显著的空间异质性, 东部山区和西部低山丘陵区等林区生态系统碳储量较大, 中部农业种植区、海岸带人居密集区和城镇地区的生态系统碳储量偏低, 而土壤保持量也呈现出东部和西部较高, 中部较低的态势. 从时间变化上来看, 碳储量和土壤保持量总体上均呈现出上升趋势. 近20年碳储量增加了3.875 × 107 t, 增幅为2.1%；土壤保持量增加了0.522 × 107 t, 增幅为0.079%. 2005~2010年碳储量和土壤保持量增长较为迅速, 碳储量年均增长0.95 × 107 t, 土壤保持量年均增长0.008 × 107 t, 这一时期之所以会有此增长, 是因为辽宁省从2001年起开始了退耕还林工程, 10年来共完成国家下达的退耕还林工程计划任务1.056 0×104 km2, 因此, 此时间段内辽宁省林地面积大幅度增加, 而林地又是碳储存量较大的土地利用类型, 这使得辽宁省总体碳储量有所增加. 此外, 2006年辽宁省印发的《辽宁省全面整顿和规范矿产资源开发秩序实施方案》中提到“开展的历史遗留矿山治理”等举措也有助于提高碳储量和改善土壤保持情况.
|
图 7 2000~2020年辽宁省生态系统功能量空间分布 Fig. 7 Distribution map of ecosystem service capacity in Liaoning Province from 2000 to 2020 |
|
图 8 2000~2020年辽宁省生态系统功能量折线图 Fig. 8 Line graph of ecosystem service capacity in Liaoning Province from 2000 to 2020 |
辽宁省产水量空间分布[图 7（c）]具有显著的空间异质性, 总体呈现出自东向西递减的趋势. 其中, 产水量的高值主要集中在研究区东部和中部地区, 研究区东部主要为山区, 该区域的年均降水量较高, 潜在蒸散发量较低, 土地利用类型以林地和耕地为主, 且耕地区域的产水量高于林地区域, 研究区中部的土地利用则以耕地为主, 产水量较高. 产水量低值主要分布在研究区的西部地区, 该地区主要由水域和草地组成. 这些区域的降水量较低, 并且自然植被覆盖度也较低, 这导致了水分无法有效地滞留, 进而导致产水量较低. 从时间变化上, 辽宁省产水量（图 8）总体呈现出先下降再增加再下降的趋势. 20年间, 辽宁省全省区域的平均产水量为281.75 mm, 平均年产水量总量为413.57×108 m³, 平均单位面积产水量为2 817.51 m³·（hm2·a）-1. 其中, 2005到2010年间下降幅度最大, 年产水量下降了100.62×108 m³, 2010到2015年上升幅度最大, 年产水量上升了207.64×108 m³, 这可能与2005~2015年干旱时间强度和干旱持续时间有关[40].
2.2 2000~2020年辽宁省生态系统价值量评估基于修订后的生态系统服务价值评估模型, 与辽宁省2000~2020年各土地利用类型面积相结合, 得到研究区2000~2020年生态系统服务价值的评估结果, 如图 9所示. 2000~2020年辽宁省生态系统服务价值总量从5 479.44亿元上升到5 655.26亿元, 总计上升了175.82亿元, 这可能是因为辽宁省采取了森林保护、土壤保持和水资源管理等方面的举措. 从结构来看, 总价值中占比最高的为调节服务, 支持服务和供给服务次之, 文化服务在生态系统服务价值中所占的比例最小. 从数量变化来说, 4种服务在研究时期内均有上升, 其中调节服务价值2020年相对于2000年提高最多, 研究区内从3 687.68亿元上升到3 834.92亿元, 除2005年和2015年略有下降外, 其他年份保持稳定上升趋势. 从价值变化速度来看, 文化服务快于调节服务, 快于供给服务和支持服务, 分别为4.37%、3.99%、1.29%和1.22%.
|
图 9 2000~2020年辽宁省生态系统服务价值 Fig. 9 Ecosystem service value in Liaoning Province from 2000 to 2020 |
辽宁省2000~2020年单项生态系统服务价值量如表 6所示. 水文调节服务价值在11种二级单项生态系统服务中, 一直保持最高水平, 且一直呈现上升趋势, 这与生态系统服务功能量产水量有相同的上升趋势, 从2000年的1 934.43亿元上升到2020年的2 101.75亿元, 其次是气候调节价值, 在研究时期内略有上升, 从1 087.10亿元上升到了1 117.21亿元. 另外, 气体调节、土壤保持、生物多样性以及美学景观价值基本保持稳定, 均高于200亿元, 属于具有中高水平价值的服务. 而食物生产、水资源供给、原料生产、净化环境和维持养分循环处于低于200亿元的低水平. 此外, 也可以从表 6中看出, 生态系统价值量和生态系统功能量的变化趋势几乎是一致.
|
|
表 6 辽宁省单项生态系统服务价值1） Table 6 Service value of single ecosystem in Liaoning Province |
2.3 多情景模拟
2030年不同情景下的生态系统功能量空间分布见图 10. 在空间分布上, 2030年4种情景下的碳储量、土壤保持量和产水量的分布与历年情况相似, 部分区域有轻微变化.
|
图 10 2030年不同情景下生态系统功能量空间分布 Fig. 10 Distribution map of ecosystem service capacity under different scenarios in 2030 |
表 7和表 8分别为辽宁省2030年不同情景下碳储量和土壤保持量统计表. 从中可知, 与2020年相比, 碳储量和土壤保持量在生态保护情景下两者都在增加, 碳储量上升了6.67×106 t, 土壤保持总量上升了0.9×106 t；增加的原因主要是由于林地仍然是研究区碳储量和土壤保持占比最大的地类. 除生态保护情景以外的情景下, 碳储量和土壤保持量均有所下降. 从研究区各地类的碳储量来看, 若不加干涉, 在自然发展的情景下, 研究区耕地、林地和草地的碳储量均会下降, 水域碳储量会有所上升；耕地保护情景相较于自然发展情景, 碳储量有所增加, 主要因为该情景相对于自然发展, 耕地、林地和草地碳储量均有所增加；而经济发展情景下碳储量的减少, 主要由于建设用地面积的增加挤占了生态用地的面积, 从而导致总体碳储量的下降. 林地土壤保持量的下降是研究区土壤保持总量下降的主要因素, 同时, 耕地土壤保持量在这3种情景下的增加抵消了一部分的总量下降. 总体来说, 在不同情景下的碳储量和土壤保持量趋势是保持高度一致的.
|
|
表 7 2030年辽宁省不同情景下碳储量统计与2020年碳储量相比×106/t Table 7 Statistics of carbon storage under different scenarios in Liaoning Province in 2030 compared with carbon storage in 2020×106/t |
|
|
表 8 2030年辽宁省不同情景下土壤保持统计与2020年土壤保持量相比×106/t Table 8 Soil conservation statistics under different scenarios in Liaoning Province in 2030 compared with soil conservation in 2020 /×106 t |
表 9为辽宁省2030年不同情景下的产水量统计. 从中可知, 与2020年相比, 除耕地保护情景产水量上升了0.479×108 m³, 2030年3种情景下的产水量总量均有所下降, 其中自然发展情景下降最多为1.29×108 m³, 经济优先情景下降最少为0.20×108 m³. 3种情景下各地类的平均产水量大小关系依旧为：未利用地 > 耕地 > 建设用地 > 林地 > 草地 > 水域, 因此, 研究区3种情景下产水量总量的下降主要与3种情景下研究区耕地面积的下降关系最为密切. 同时, 生态保护情景下林地面积的增加抵消了一部分建设用地面积减少造成的产水量下降, 而经济优先情景下建设用地面积的大面积增加, 使得经济优先情景下产水量的减少有所缓解, 耕地保护情景下耕地面积的增多使得该情景下产水量有所增加.
|
|
表 9 2030年辽宁省不同情景下产水统计与2020年产水量及总量相比 Table 9 Statistics of water production under different scenarios in Liaoning Province in 2030 compared with water production and total water production in 2020 |
通过计算研究区2030年4种情景下各地类的生态系统服务价值可知（表 10）, 与2020年的ESV进行对比发现, 除经济优先情景下研究区ESV有所下降, 其他情景下的ESV均有所上升. 从各地类的ESV来看, 主要是由于在经济优先情景中耕地、林地及草地ESV的下降, 以及建设用地快速扩张导致的建设用地负价值增加；而生态保护情景下, 林地、草地和水域ESV的增加助力了研究区ESV总价值的增加；自然发展情景下水域ESV增加的量最多, 对该情景下ESV的贡献最大；同时, 可以发现耕地虽然有助于研究区ESV的上升, 但是耕地对于ESV相较于林地、草地和水域的贡献较小.
|
|
表 10 2030年辽宁省不同情景下生态系统服务价值与2020年生态系统服务价值相比1） Table 10 Value of ecosystem services under different scenarios in Liaoning Province in 2030 compared with the value of ecosystem services in 2020 |
3 讨论 3.1 2000~2020年间辽宁省土地利用变化对生态系统服务的影响
土地利用变化不仅会带来地表结构的较大变化, 而且会影响区域气候特点、水文水资源、土壤特征以及生物多样性等自然生态过程, 从而对生态系统整体的服务和功能造成影响[41]. 辽宁省东西部主要为林地和草地, 中部主要为耕地. 这种土地利用格局在生态系统碳储量和土壤保持量方面表现出显著差异, 东部山区和西部低山丘陵地区的林区生态系统碳储量和土壤保持量较为丰富, 而中部地区, 包括农业种植区、沿海居民区以及城镇地带则相对较弱. 辽宁省产水量空间分布也具有显著的空间异质性, 总体而言呈现出自东向西递减的趋势, 产水量的高低与区域降水量和潜在蒸散发量相关, 耕地产水量高于林地的产水量, 这也是一个引人注目的现象. 从生态系统服务价值总量的结构来看, 调节服务价值的占比最大, 其次是支持服务和供给服务, 文化服务在生态系统服务价值中所占的比例最小, 4种服务在研究时期内均有上升. 最后, 不同土地利用类型的生态系统服务价值量大小关系为：林地 > 水域 > 耕地 > 草地 > 未利用地 > 建设用地. 综合而言, 辽宁省的土地利用变化对生态系统服务和功能产生了显著的影响, 这种影响在空间上表现出明显的异质性, 需要在土地管理和生态保护方面采取相应的措施, 以确保生态系统的健康和可持续性.
本研究的时间范围仅包括了2000~2020年, 这可能未能捕捉到更长期的土地利用变化趋势和生态系统服务的演化. 未来研究可以考虑延长时间尺度, 以更全面地了解长期变化.
3.2 2000~2020年辽宁省生态系统服务评估在辽宁省内, 碳储量、土壤保持和产水量呈现出显著的空间异质性, 并且与土地利用类型和面积密切相关. 具体而言, 森林生态系统在碳储存方面表现出卓越的性能, 而相对而言, 中部农业种植区和城市地区的碳储存量较低. 这些区域之间的碳储存差异直接影响了生态系统的碳储存功能. 从生态系统服务价值的角度来看, 碳储存在调节服务中发挥着至关重要的作用, 其中包括了气候调节和水文调节等关键服务. 因此, 通过增加森林覆盖率并采取有效的碳储存管理措施, 可以显著提高调节服务的价值. 此外, 土壤保持功能在辽宁省的不同地区也呈现出差异, 其中森林和草地生态系统在土壤保持方面发挥着关键作用. 土壤保持不仅对供给服务, 如水资源供给, 具有重要意义, 同时对调节服务, 如洪水调节和水质维护, 也有积极影响. 此外, 笔者还观察到产水量的空间分布与年均降水量和土地利用类型密切相关. 产水量的高值主要分布在年均降水量较高的地区, 而西部地区由于较低的年均降水量和自然植被覆盖度较低, 导致了产水量较低. 产水量是供给服务的关键组成部分, 对于维持水资源供给和支持生态系统功能至关重要. 因此, 保护自然植被和增加水资源供给的可持续性可以显著提高供给服务的价值.
辽宁省的生态系统服务价值在20年的时间跨度内略有增加, 其中调节服务价值占据主导地位, 而文化服务价值相对较低. 这表明了辽宁省的生态系统在提供调节服务方面具有显著的潜力. 总体而言, 生态系统服务价值的增加与生态系统功能的改善密切相关, 这凸显了可持续土地管理和生态系统保护的必要性. 未来的研究可以进一步探讨生态系统服务的时空动态变化, 以更全面地了解生态系统与社会经济互动的复杂性.
3.3 多情景对比讨论分析在2030年自然发展、经济优先、生态保护和耕地保护多种土地利用发展情景下, 研究区土地利用类型仍以耕地、林地和建设用地为主. 除耕地保护情景耕地面积有所增加外, 其他3种情景下耕地面积均有所减少, 其中生态保护情景下减少最少, 经济优先情景减少最多；水域和建设用地面积在4种情景下均有所增加, 其中经济优先情景下增加最多, 生态保护情景下增加最少；总体而言, 在自然发展情景下, 2030年的土地利用状况延续了2010~2020年的变化趋势, 在经济优先情景下建设用地的扩张挤占了耕地、林地和草地等生态用地的发展面积, 而生态保护情景则限制了建设用地的无序扩张, 保护了林地和草地在内的生态用地面积, 耕地保护情景则重点保护了耕地面积, 遏制了耕地面积的减少.
生态保护情景改变了林地和草地面积在自然发展情景下的减少趋势, 使得生态保护情景下辽宁省的碳储存服务优于自然发展情景, 这说明在自然变化状态下进一步保护生态环境对提高省内的生态系统服务功能特别是碳储存功能有积极作用, 且各地类的增长速度与2020年前具有高度的相似性. 该情景符合国家生态屏障的建设策略, 应进一步研究以达到最优的生态和经济效益. 结合《辽宁省国土空间规划（2021~2035）》以及辽宁省过去-未来生态系统服务评估的研究结果来看, 辽宁省需要分区构建不同的土地利用发展情景, 辽西和辽东地区需要侧重于生态保护情景来发展土地利用, 辽中地区需要均衡耕地保护和经济优先情景来规划未来土地利用, 从而更好地促进生态系统服务, 推动全省高质量均衡发展.
3.4 与已有研究对比本研究的发现与前人的相关研究形成了一致性, 但也提供了进一步的深化和拓展. 朱丽亚等[42]研究了辽宁省1995~2018年海岸带碳储量时空变化, 其得出碳储量较高的区域主要分布在研究区的东西两侧的结论, 与本文较为一致. 吕久俊[43]研究了辽宁省生态系统土壤保持功能的空间分布特征, 其得出辽宁省土壤保持量总体呈现为辽宁东部山区较高, 辽宁西部山地丘陵区其次, 中部平原较低的结论与本文一致. 许庭毓等[44, 45]研究了辽宁省森林生态系统水土保持功能, 其得出的2017年辽宁省森林生态系统水土保持功能在空间分布上呈现东部大于西部大于中部的分布格局, 该结论与本文一致. 刘润等[46]研究了2006~2014年辽宁省森林生态系统服务功能价值评估, 其得出2014年森林生态系统服务价值最大的为涵养水源的结论与本文的结果基本一致. 然而, 本研究也存在一些局限性, 本文模型参数的设置主要是根据辽宁省历史土地利用转换情况并参考相关研究, 同时不断调试所得到, 但仍然存在较强的主观性. 因此, PLUS模型模拟结果存在一定的不确定性, 未来需要进一步在机制上加强研究.
4 结论（1）2000~2020年, 辽宁省碳储量和土壤保持量总体呈上升趋势, 产水量呈先下降再上升再下降的波动趋势, 生态系统服务价值整体呈上升趋势.
（2）辽宁省碳储量和土壤保持量均呈现出东部山区和西部低山丘陵区等林区较高, 中部农业种植区、海岸带人居密集区及城镇地区较低的趋势, 产水量整体分布呈现从东到西递减的趋势.
（3）辽宁省生态系统服务价值中4种服务在研究时期内均有上升, 变化速度大小关系为：文化服务（4.37%） > 调节服务（3.99%） > 供给服务（1.29%） > 支持服务（1.22%）.
（4）2030年, 辽宁省碳储量和土壤保持总量除生态保护情景外均有所下降, 产水量除耕地保护情景有所上升, 其他3种情景下均有所下降, 研究区生态系统服务价值除经济优先情景外均有所上升.
| [1] |
黄乾. 基于InVEST模型的黄土高寒区小流域生态系统服务功能评价[D]. 北京: 北京林业大学, 2020. Huang Q. Evaluation of small watersheds ecosystem service functions based on InVEST model in the Loess Alpine region[D]. Beijing: Beijing Forestry University, 2020. |
| [2] |
李丽, 王心源, 骆磊, 等. 生态系统服务价值评估方法综述[J]. 生态学杂志, 2018, 37(4): 1233-1245. Li L, Wang X Y, Luo L, et al. A systematic review on the methods of ecosystem services value assessment[J]. Chinese Journal of Ecology, 2018, 37(4): 1233-1245. |
| [3] |
袁周炎妍, 万荣荣. 生态系统服务评估方法研究进展[J]. 生态科学, 2019, 38(5): 210-219. Yuan Z Y Y, Wan R R. A review on the methods of ecosystem service assessment[J]. Ecological Science, 2019, 38(5): 210-219. |
| [4] |
殷楠, 王帅, 刘焱序. 生态系统服务价值评估: 研究进展与展望[J]. 生态学杂志, 2021, 40(1): 233-244. Yin N, Wang S, Liu Y X. Ecosystem service value assessment: Research progress and prospects[J]. Chinese Journal of Ecology, 2021, 40(1): 233-244. |
| [5] |
傅伯杰, 于丹丹, 吕楠. 中国生物多样性与生态系统服务评估指标体系[J]. 生态学报, 2017, 37(2): 341-348. Fu B J, Yu D D, Lv N. An indicator system for biodiversity and ecosystem services evaluation in China[J]. Acta Ecologica Sinica, 2017, 37(2): 341-348. |
| [6] | 《全国国土规划纲要(2016——2030年)》印发[J]. 环境保护与循环经济, 2017, 37(2): 72. |
| [7] | Krasny M E, Russ A, Tidball K G, et al. Civic ecology practices: Participatory approaches to generating and measuring ecosystem services in cities[J]. Ecosystem Services, 2014, 7: 177-186. DOI:10.1016/j.ecoser.2013.11.002 |
| [8] |
刘宥延, 刘兴元, 张博, 等. 基于InVEST模型的黄土高原丘陵区水源涵养功能空间特征分析[J]. 生态学报, 2020, 40(17): 6161-6170. Liu Y Y, Liu X Y, Zhang B, et al. Spatial features analysis of water conservation function in the hilly areas of the Loess Plateau based on InVEST model[J]. Acta Ecologica Sinica, 2020, 40(17): 6161-6170. |
| [9] |
王乐志. 基于InVEST模型的鄱阳湖流域土壤保持和生境质量变化研究[D]. 南昌: 南昌大学, 2021. Wang L Z. Research on soil conservation and habitat quality changes in Poyang lake basin based on InVEST model[D]. Nanchang: Nanchang University, 2021. |
| [10] |
张徐, 李云霞, 吕春娟, 等. 基于InVEST模型的生态系统服务功能应用研究进展[J]. 生态科学, 2022, 41(1): 237-242. Zhang X, Li Y X, Lv C J, et al. Research progress on application of ecosystem service functions based on InVEST model[J]. Ecological Science, 2022, 41(1): 237-242. |
| [11] |
黄从红, 杨军, 张文娟. 生态系统服务功能评估模型研究进展[J]. 生态学杂志, 2013, 32(12): 3360-3367. Huang C H, Yang J, Zhang W J. Development of ecosystem services evaluation models: Research progress[J]. Chinese Journal of Ecology, 2013, 32(12): 3360-3367. |
| [12] |
刘艳. 辽宁省森林生态系统碳储量及生态系统服务功能价值计量[D]. 北京: 北京林业大学, 2016. Liu Y. Study on carbon storage and ecosystem services value measurement of forest ecosystem in Liaoning Province[D]. Beijing: Beijing Forestry University, 2016. |
| [13] |
潘健峰, 马月伟, 蔡思青, 等. SolVES模型在生态系统服务功能社会价值评估中的应用[J]. 世界林业研究, 2023, 36(1): 20-25. Pan J F, Ma Y W, Cai S Q, et al. Application of SolVES model to social values evaluation for ecosystem services[J]. World Forestry Research, 2023, 36(1): 20-25. |
| [14] | McPhearson T, Andersson E, Elmqvist T, et al. Resilience of and through urban ecosystem services[J]. Ecosystem Services, 2015, 12: 152-156. DOI:10.1016/j.ecoser.2014.07.012 |
| [15] |
丁岳, 王柳柱, 桂峰, 等. 基于InVEST模型和PLUS模型的环杭州湾生态系统碳储量[J]. 环境科学, 2023, 44(6): 3343-3352. Ding Y, Wang L Z, Gui F, et al. Ecosystem carbon storage in Hangzhou Bay area based on InVEST and PLUS models[J]. Environmental Science, 2023, 44(6): 3343-3352. |
| [16] | 邵卫东, 陈末, 刘浩然. 功能价值法和当量因子法在生态价值核算中的比较[J]. 农业与技术, 2021, 41(1): 105-107. |
| [17] | 肖阳. 效益转移法在我国生态产品价值核算中的应用展望[J]. 农业与技术, 2022, 42(3): 156-158. |
| [18] |
耿鑫, 胡实, 肖玉, 等. 基于生态系统服务价值的东北农牧交错区土地利用格局优化与评价[J]. 自然资源学报, 2022, 37(7): 1799-1814. Geng X, Hu S, Xiao Y, et al. Land use pattern optimization and evaluation based on ESV of agro-pastoral ecotone in Northeast China[J]. Journal of Natural Resources, 2022, 37(7): 1799-1814. |
| [19] |
王国斌. 基于遥感和GIS的海河流域典型生态服务量化与评估[D]. 徐州: 中国矿业大学, 2020. Wang G B. Quantification and evaluation of typical ecological services in Haihe river basin based on remote sensing and GIS[D]. Xuzhou: China University of Mining and Technology, 2020. |
| [20] | Xie L, Wang H W, Liu S H. The ecosystem service values simulation and driving force analysis based on land use/land cover: A case study in inland rivers in arid areas of the Aksu River Basin, China[J]. Ecological Indicators, 2022, 138(1). DOI:10.1016/j.ecolind.2022.108828 |
| [21] |
余健, 童秋英, 朱波. 改进CA-Markov模型的武汉市土地利用变化模拟[J]. 测绘科学, 2020, 45(6): 165-171. Yu J, Tong Q Y, Zhu B. Simulation of land change in Wuhan city based on improved CA-Markov model[J]. Science of Surveying and Mapping, 2020, 45(6): 165-171. |
| [22] |
刘强, 杨众养, 陈毅青, 等. 基于CA-Markov多情景模拟的海南岛土地利用变化及其生态环境效应[J]. 生态环境学报, 2021, 30(7): 1522-1531. Liu Q, Yang Z Y, Chen Y Q, et al. Multi-scenario simulation of land use change and its eco-environmental effect in Hainan Island based on CA-Markov model[J]. Ecology and Environmental Sciences, 2021, 30(7): 1522-1531. |
| [23] |
谭德明, 丁仕宇, 韩宝龙, 等. 不同发展模式对城市生态系统调节服务价值的影响[J]. 生态学报, 2022, 42(16): 6554-6564. Tan D M, Ding S Y, Han B L, et al. Impact of different development patterns on the value of regulating services of urban ecosystems[J]. Acta Ecologica Sinica, 2022, 42(16): 6554-6564. |
| [24] |
李媛洁, 叶长盛, 黄小兰. 基于CLUE-S模型的南昌市"三生"空间时空演变及情景模拟研究[J]. 水土保持研究, 2021, 28(5): 325-332. Li Y J, Ye C S, Huang X L. Temporal-Spatial evolution and scenario simulation of production-living-ecological space in Nanchang based on CLUE-S model[J]. Research of Soil and Water Conservation, 2021, 28(5): 325-332. |
| [25] |
赵旭, 汤峰, 张蓬涛, 等. 基于CLUE-S模型的县域生产-生活-生态空间冲突动态模拟及特征分析[J]. 生态学报, 2019, 39(16): 5897-5908. Zhao X, Tang F, Zhang P T, et al. Dynamic simulation and characteristic analysis of county production-living-ecological spatial conflicts based on CLUE-S model[J]. Acta Ecologica Sinica, 2019, 39(16): 5897-5908. |
| [26] |
王旭东, 姚尧, 任书良, 等. 耦合FLUS和Markov的快速发展城市土地利用空间格局模拟方法[J]. 地球信息科学学报, 2022, 24(1): 100-113. Wang X D, Yao Y, Ren S L, et al. A coupled FLUS and Markov approach to simulate the spatial pattern of land use in rapidly developing cities[J]. Journal of Geo-information Science, 2022, 24(1): 100-113. |
| [27] |
王旭, 马伯文, 李丹, 等. 基于FLUS模型的湖北省生态空间多情景模拟预测[J]. 自然资源学报, 2020, 35(1): 230-242. Wang X, Ma B W, Li D, et al. Multi-scenario simulation and prediction of ecological space in Hubei province based on FLUS model[J]. Journal of Natural Resources, 2020, 35(1): 230-242. |
| [28] |
林彤, 杨木壮, 吴大放, 等. 基于InVEST-PLUS模型的碳储量空间关联性及预测——以广东省为例[J]. 中国环境科学, 2022, 42(10): 4827-4839. Lin T, Yang M Z, Wu D F, et al. Spatial correlation and prediction of land use carbon storage based on the InVEST-PLUS model- a case study in Guangdong Province[J]. China Environmental Science, 2022, 42(10): 4827-4839. |
| [29] |
刘涛, 刘晓龙, 郭利彪, 等. 基于Markov-PLUS和InVEST模型的锡林郭勒草原碳储量变化预测[J]. 草原与草坪, 2023, 43(2): 1-12. Liu T, Liu X L, Guo L B, et al. Prediction of carbon storage change in Xilingol grassland based on Markov-PLUS and inVEST models[J]. Grassland and Turf, 2023, 43(2): 1-12. |
| [30] |
王佳楠, 张志. 基于Markov-PLUS模型的柴北缘土地利用变化及模拟分析[J]. 西北林学院学报, 2022, 37(3): 139-148, 179. Wang J N, Zhang Z. Land use change and simulation analysis in the Northern Margin of the Qaidam Basin based on Markov-PLUS model[J]. Journal of Northwest Forestry University, 2022, 37(3): 139-148, 179. |
| [31] |
王洁宁, 王文超, 海蒙蒙. 基于PLUS模型的山东省土地利用变化模拟分析[J]. 国土与自然资源研究, 2022(6): 1-8. Wang J N, Wang W C, Hai M M. Simulation analysis of land use change in Shandong Province based on PLUS model[J]. Territory & Natural Resources Study, 2022(6): 1-8. |
| [32] |
王子尧, 黄楚梨, 李倞, 等. 耦合InVEST-HFI-PLUS模型的生态分区规划与动态评估——以博尔塔拉蒙古自治州为例[J]. 生态学报, 2022, 42(14): 5789-5798. Wang Z Y, Huang C L, Li L, et al. Ecological zoning planning and dynamic evaluation coupled with Invest-HFI-Plus model: A case study in Bortala Mongolian autonomous prefecture[J]. Acta Ecologica Sinica, 2022, 42(14): 5789-5798. |
| [33] | Li P C, Chen J D, Li Y X, et al. Using the InVEST-PLUS model to predict and analyze the pattern of ecosystem carbon storage in Liaoning Province, China[J]. Remote Sensing, 2023, 15(16). DOI:10.3390/rs15164050 |
| [34] |
刘艳, 孙向阳, 范俊岗, 等. 辽宁省森林植被碳储量及其动态变化[J]. 生态环境学报, 2015, 24(2): 211-216. Liu Y, Sun X Y, Fan J G, et al. Carbon storage and its dynamics of forest vegetations in Liaoning Province[J]. Ecology and Environmental Sciences, 2015, 24(2): 211-216. |
| [35] | Lychuk T E, Izaurralde R C, Hill R L, et al. Biochar as a global change adaptation: predicting biochar impacts on crop productivity and soil quality for a tropical soil with the Environmental Policy Integrated Climate (EPIC) model[J]. Mitigation and Adaptation Strategies for Global Change, 2015, 20(8): 1437-1458. |
| [36] |
李青. 基于InVEST模型辽宁省生态系统水源涵养服务功能研究[D]. 大连: 辽宁师范大学, 2022. Li Q. Study on water conservation service function of ecosystem in Liaoning province based on InVEST model[D]. Dalian: Liaoning Normal University, 2022. |
| [37] |
谢高地, 张彩霞, 张雷明, 等. 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, 2015, 30(8): 1243-1254. Xie G D, Zhang C X, Zhang L M, et al. Improvement of the evaluation method for ecosystem service value based on per unit area[J]. Journal of Natural Resources, 2015, 30(8): 1243-1254. |
| [38] |
陈新云, 王甜, 李宝健. 北京市西北部生态涵养区未来土地利用及生态系统服务变化情景模拟[J]. 西北林学院学报, 2021, 36(1): 86-95. Chen X Y, Wang T, Li B J. Simulation of the future land use and ecosystem services in the ecological conservation area in northwestern Beijing[J]. Journal of Northwest Forestry University, 2021, 36(1): 86-95. |
| [39] |
傅伯杰, 张立伟. 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, 2014, 33(4): 441-446. Fu B J, Zhang L W. Land-use change and ecosystem services: concepts, methods and progress[J]. Progress in Geography, 2014, 33(4): 441-446. |
| [40] |
吴琼, 赵春雨, 王大钧, 等. 1951-2014年辽宁省气象干旱时空特征分析[J]. 干旱区资源与环境, 2016, 30(3): 151-157. Wu Q, Zhao C Y, Wang D J, et al. Spatial and temporal characteristics of meteorological drought in Liaoning Province from 1951 to 2014[J]. Journal of Arid Land Resources and Environment, 2016, 30(3): 151-157. |
| [41] |
刘世梁, 安南南, 王军. 土地整理对生态系统服务影响的评价研究进展[J]. 中国生态农业学报, 2014, 22(9): 1010-1019. Liu S L, An N N, Wang J. Research progress on the effects of land consolidation on ecosystem services[J]. Chinese Journal of Eco-Agriculture, 2014, 22(9): 1010-1019. |
| [42] |
朱丽亚, 胡克, 孙爽, 等. 基于InVEST模型的辽宁省海岸带碳储量时空变化研究[J]. 现代地质, 2022, 36(1): 96-104. Zhu L Y, Hu K, Sun S, et al. Research on the spatiotemporal variation of carbon storage in the coastal zone of Liaoning Province based on InVEST model[J]. Geoscience, 2022, 36(1): 96-104. |
| [43] | 吕久俊. 辽宁省生态系统土壤保持功能的空间分布特征[J]. 环境保护与循环经济, 2019, 39(3): 38-41, 48. |
| [44] |
许庭毓, 牛香, 王兵. 辽宁省森林生态系统服务功能空间格局[J]. 中国水土保持科学, 2021, 19(6): 100-107. Xu T Y, Niu X, Wang B. Spatial patterns of forest ecosystem services in Liaoning Province[J]. Science of Soil and Water Conservation, 2021, 19(6): 100-107. |
| [45] |
许庭毓, 牛香, 王兵. 辽宁省森林生态系统水土保持功能研究[J]. 温带林业研究, 2021, 4(1): 21-26. Xu T Y, Niu X, Wang B. The study on soil and water conservation of forest ecosystem in Liaoning Province[J]. Journal of Temperate Forestry Research, 2021, 4(1): 21-26. |
| [46] |
刘润, 王兵, 牛香, 等. 2006-2014年辽宁省森林生态系统服务功能价值评估[J]. 温带林业研究, 2019, 2(2): 1-6. Liu R, Wang B, Niu X, et al. Value assessment of forest ecosystem service in Liaoning Province from 2006-2014[J]. Journal of Temperate Forestry Research, 2019, 2(2): 1-6. |