2025, Vol. 46
土地利用变化是全球变化的重要组成部分, 是顺应国家发展需求并基于自然禀赋而发生的土地改造活动[1]. 土地作为人与自然的重要媒介, 其利用变化势必会对人类社会和自然生态同时产生影响, 伴随经济发展而存在的碳强度（carbon strength, CS）与生态系统服务（ecosystem service, ES）也依靠土地利用变化作为媒介而受到影响并产生联系：资源过度消耗、土地粗放利用等对生态环境带来巨大负面效应, 一味追求经济建设而忽略生态建设极大增加了碳强度加剧、生态系统服务下降的可能性[2~4]. 结合碳排放自身特点, 碳强度可在空间、经济和人口等不同维度上进行度量, 用以反映不同侧重点的碳排放特征, 同时也与生态系统服务存在不同维度上的相互关系[5~7].
空间碳强度（spatial carbon strength, SCS）定义为区域碳排放与区域面积的比值, 表示单位面积的碳排放, 其值高低体现了区域碳排放与土地利用的关系[5]. 一方面, 生态系统服务大量依赖生态用地提供, 土地利用的不合理规划可能大规模减少生态用地, 导致土地大量损失碳储存能力, 生态系统服务下降, 同时造成潜在碳排放增多, 无形之中增加了空间碳强度[8]；另一方面, 土地利用变化导致土地用途发生改变, 人类活动范围扩大, 生产和生活产生大规模直接碳排放, 空间碳强度增加, 土地生态压力增大, 生态系统服务供需失衡[9].
经济碳强度（economic carbon strength, ECS）是区域碳排放与区域GDP的比值, 表达为单位GDP的碳排放, 也是最常使用的碳强度指标, 其值反映了地区产值耗能情况, 以及地区经济和生态环境之间的关系[6]. 当前的经济发展必然产生碳排放, 尤其是工业生产、交通运输等, 大量经济活动释放的温室气体改变气候条件, 直接影响地区生态系统服务供给[10]；当生态系统功能无法满足人类社会的需求, 自然灾害频发, 原料供给短缺, 经济活动势必受到严重的负面影响, 而“高排低产”的生产行为既造成经济碳强度激增, 又形成生态系统服务严重下降的恶性循环.
人口碳强度（demographic carbon strength, DCS）的概念取自人均碳排放, 指区域碳排放与区域人口的比值, 反映区域内人类活动对于生态的人均影响程度[7]. 区域间的人口流动从数量和结构上反映了土地利用变化对社会活动产生的影响, 人口碳强度的增加在说明经济建设加速的同时, 也一定程度上反映出区域间的产业、技术等差异, 表现为人口流失现象频发[11]. 从加速建设的角度来看, 人口碳强度增加, 温室气体排放加剧, 大气环境变差, 生态系统服务下降；另一方面, 从人口流失的角度来看, 人类作为生态系统服务的受益者, 其数量下降密切影响着生态系统服务水平, 如服务需求减少、污染缓解、生物栖息地增加等, 都会显著提高生态系统服务质量[12]. 由于人口碳强度与生态系统服务之间这种不确定性, 其相互关系需针对具体地区发展状况进行研判.
以往研究中, 碳强度常被认为经济碳强度, 反映经济发展及其与环境的关联程度, 通过经济碳强度变化衡量区域碳减排工作成效[13, 14]；对其他维度碳强度的研究有从碳排放权的人权属性切入, 分析人口碳强度变化趋势[15, 16]；生态系统服务的研究主要集中在服务量化及各服务间相互关系等生态系统服务体系内部[17~23]；碳强度和生态系统服务关联方面, 王丹等[24]和赵先超等[25]基于格网尺度对空间碳强度与生态系统服务价值的时空关系展开了初步探索. 可见, 既有研究对于各维度碳强度均有所探讨, 但大多仅从单一维度考量, 反映的区域发展特征较片面, 综合考虑土地利用下多维碳强度的相关实证研究仍较空缺；对于碳强度与生态系统服务时空互动关系的研究较少, 且止步于静态时间点的空间关系分析. 通过构建模型研究二者演化动态差异及关联, 可更好揭示二者演变运动规律, 为区域调控碳强度、提升生态环境质量提供新的切入点.
黄河流域山东段既是黄河下游生态保护的主战场, 也发挥着引领黄河流域高质量发展的龙头作用, 但受限于自然环境客观制约和“重发展轻保护”人为影响的双重作用, 伴随碳强度和生态系统服务的发展形成了存在结构性矛盾的两个相互影响和相互制约的系统. 只有厘清两个系统的时空互动关系, 经济和生态“两头抓”, 避免左支右绌、顾此失彼的局面, 才能从根本上解决区域结构性矛盾, 实现流域高质量发展和生态质量提升协同推进[26]. 基于此, 本研究以黄河流域山东段为例, 分析2000~2020年“空间-经济-人口”碳强度与生态系统服务的时空互动关系, 并探讨多维互动分区格局及对策建议, 以期为研究区“双碳”目标的实现与区域高质量发展提供参考.
1 材料与方法 1.1 研究区概况本研究选取黄河流域山东段（114°48′48″~119°19′29″E, 34°25′28″~38°16′29″N）作为研究区（图 1）, 该区域包括菏泽市、济宁市、泰安市、聊城市、济南市、德州市、滨州市、淄博市和东营市等9个山东省地级市[27], 共涉及77个县（区）, 占地面积约为83 003.98 km2. 该区域整体以平原、丘陵和山地为主, 属于温带季风气候, 多年平均降水量683.7 mm, 占全省湿地面积的45%, 生物多样性良好, 碳汇丰富, 是重要的天然生态屏障[28]；同时区域耕地占全国耕地面积的3%, 是我国重要粮食主产区. 随着人类活动加剧, 温室气体排放激增, 人地矛盾日益突显, 粮田沙化、虫害和水土流失等问题接踵而至[29, 30], 经济和生态的协调发展成为区域亟需实现的重要目标.
|
图 1 研究区概况 Fig. 1 Study area |
本研究所使用的土地利用数据为中国科学院资源环境科学数据中心（http://www.resdc.cn/）所提供的中国多时期土地利用土地覆被遥感监测数据集[31], 空间分辨率为30 m×30 m；DEM数据来源于地理空间数据云（http://www.gscloud.cn/）, 空间分辨率为30 m×30 m；DMSP-OLS和NPP-VIIRS夜间灯光数据来源于NOAA（https://www.ngdc.noaa.gov/）, 空间分辨率均为1 km×1 km；降水量、蒸散量、NDVI、土壤数据来源于中国科学院资源环境科学数据中心（http://www.resdc.cn/）, 其中NDVI数据空间分辨率为30 m×30 m, 其它数据为1 km×1 km；人口、经济、农业、能源等数据来源于各市各年度国民经济和社会发展统计公报与统计年鉴及《山东统计年鉴》《中国县域统计年鉴（县市卷）》《中国能源统计年鉴》；能源的标准煤换算系数来源于IPCC（https://www.ipcc-nggip.iges.or.jp/）和中华人民共和国生态环境部网站（https://www.mee.gov.cn/）.
对于上述数据进行以下处理：①所有栅格数据均统一使用Grid格式, 空间分辨率重采样为30 m×30 m, 地理坐标系统一采用GCS_Krasovsky_1940；②所有栅格数据以县域为评价单元进行分区统计, 与各县级统计数据统一尺度用于后续计算；③对于部分缺失或异常的能源数据采用插值的方法进行补齐或修正.
1.3 研究方法本研究选取黄河流域山东段为研究区, 基于InVEST模型、NDVI估算、碳转化系数法和夜间灯光拟合等方法量化其县级尺度2000~2020年生态系统服务及空间、经济、人口等3个维度的碳强度, 通过构建互动弹性指数分析研究期内各维度碳强度与生态系统服务的时空互动关系, 并探讨多维互动分区格局及对策建议（图 2）.
|
图 2 “空间-经济-人口”碳强度与生态系统服务时空互动关系分析框架 Fig. 2 Framework for analyzing spatio-temporal interactions between "spatial-economic-demographic" carbon strength and ecosystem services |
（1）碳排放计算 结合已有研究[32~34], 基于土地利用, 本文将县域碳排放分为农用地碳排放、建设用地碳排放和未利用地碳排放. 碳排放的计算均基于碳转化系数法, 其中农用地和未利用地碳排放量直接利用地类面积与其碳排放系数相乘得到；建设用地碳排放参考已有研究[35]用能源碳排放代替, 由于缺少县级尺度能源数据, 故利用对数方程将市域能源碳排放与夜间灯光数据拟合计算[36], 经检验各市域拟合方程的可决系数R2均在0.80以上, 建立县域能源碳排放与县域夜间灯光亮度值的函数关系, 得到县域建设用地碳排放. 公式为：
|
(1) |
|
(2) |
式中, CE为县域碳排放；Ai为农用地（包括耕地、林地、水域、草地）和未利用地面积；fi为农用地和未利用地各类型对应碳排放系数[35, 37~39]；CEcon为县域建设用地碳排放；CDN为县域夜间灯光亮度值；φ为县域建设用地碳排放与县域夜间灯光亮度值的函数关系, 由县所在市域的拟合方程确定. 市域能源碳排放选取煤炭、焦炭、原油、汽油、煤油、柴油、燃料油、天然气和电力等能源的消耗量进行计算, 各能源对应的标准煤换算系数和碳排放系数见表 1.
|
表 1 能源标准煤换算系数和碳排放系数1） Table 1 Energy standard coal conversion coefficient and carbon emission coefficient |
（2）“空间-经济-人口”碳强度指数（ICS）构建 本研究从空间、经济和人口等3个维度计算碳强度, 用以表征不同侧重点的碳排放特征, 并通过归一化处理构建各维度碳强度指数, 碳强度指数ICS={ISCS, IECS, IDCS}. 具体计算方法见表 2.
|
|
表 2 “空间-经济-人口”碳强度指数构建方法1） Table 2 Methodology for building index of "spatial-economic-demographic" carbon strength |
1.3.2 生态系统服务量化
（1）生态系统服务的量化 基于研究区概况特征, 本研究选取土壤保持（soil conservation, SC）、水源涵养（water conservation, WC）、生境质量（habitat quality, HQ）、碳固存（carbon sequestration, CS）及粮食供给（food supply, FS）等5项服务, 同时考虑到InVEST模型对流域尺度生态系统服务量化的优势[40], 土壤保持、水源涵养、生境质量和碳固存应用InVEST模型计算, 粮食供给基于NDVI进行计算[41]. 具体计算方法见表 3；InVEST模型参数设置参考文献[42].
|
|
表 3 生态系统服务量化方法1） Table 3 Methods for quantifying ecosystem services |
（2）生态系统服务综合指数（CIES）构建 为了表征县域整体的生态系统服务水平, 将5种生态系统服务量进行归一化并累加, 得到县域生态系统服务综合指数[43]. 公式为：
|
(6) |
式中, CIES为生态系统服务综合指数；ESi为生态系统服务i的量化值；ESi（min）和ESi（max）分别为生态系统服务i量化值总体的最小值和最大值；n为生态系统服务类型数, 本研究中n=5.
1.3.3 时空互动关系与多维互动分区本研究在量化3种维度的碳强度指数和生态系统服务综合指数的基础上, 构建互动弹性指数（IEI）[44, 45], 量化各维度碳强度与生态系统服务的时空互动关系. 公式为：
|
(7) |
式中, IEIt-at为时间段（t-a）~t年的互动弹性指数；ΔICSt-at为时间段（t-a）~t年某一维度碳强度指数变化值；ICSt-a为t-a年的某一维度碳强度指数；ΔCIESt-at为时间段（t-a）~t年生态系统服务综合指数变化值；CIESt-a为t-a年的生态系统服务综合指数；a为研究期年份间隔, 本研究中a=5. “空间-经济-人口”碳强度与生态系统服务时空互动关系类型见表 4.
|
|
表 4 “空间-经济-人口”碳强度与生态系统服务时空互动关系类型 Table 4 Types of spatio-temporal interactions between "spatial-economic-demographic" carbon strength and ecosystem services |
基于各维度碳强度与生态系统服务的互动关系, 借助“三维魔方”[46]对研究区进行多维互动分区（图 3）, 分别以空间、人口、经济碳强度与生态系统服务的时空互动关系为x、y和z轴建立空间直角坐标系, 每个轴上从原点向正方向依次分为理想互动（α）、协同互动（β）和不理想互动（γ）这3个单位. 具体分区对应“三维魔方”坐标及分区标准见表 5.
|
x轴：空间碳强度与生态系统服务互动类型, y轴：人口碳强度与生态系统服务互动类型, z轴：经济碳强度与生态系统服务互动类型；α：理想互动, β：协同互动, γ：不理想互动 图 3 “三维魔方”分区示意 Fig. 3 Schematic of "3D magic cube" zoning |
|
|
表 5 “空间-经济-人口”碳强度与生态系统服务多维互动分区标准 Table 5 "Spatial-economic-demographic" carbon strength and ecosystem services multi-dimensional interactive zoning standards |
2 结果与分析 2.1 “空间-经济-人口”碳强度时空演变分析
2000~2020年, 空间碳强度[图 4（a）]高值区在东营市、淄博市和济南市, 张店区和历下区最高, 整体为正向变化, 多数县区变化值在0.10~0.20之间；经济碳强度[图 4（b）]高值区在东营市和淄博市, 河口区在2000年的经济碳强度指数高达1.000 0, 整体为负向变化, 但多数程度不大, 东营市为显著负向变化地区；人口碳强度[图 4（c）]高值区在东营市, 河口区、垦利区和东营区稳定高值, 到2020年分别为1.000 0、0.765 6和0.434 6, 整体为正向变化, 多数县区变化值在0~0.15之间.
|
图 4 “空间-经济-人口”碳强度指数空间分布及变化 Fig. 4 Spatial distribution and changes in index of "spatial-economic-demographic" carbon strength |
2000~2020年, 土壤保持服务[图 5（a）]高值区在济南市、淄博市和泰安市, 博山区和泰山区的年均值最高, 变化最显著的是泰山区和岱岳区；水源涵养服务[图 5（b）]受降水等因素影响, 空间分布随机性较大, 总体呈西北向东南增加, 菏泽市大部分地区呈负向变化, 泰安市存在明显正向变化；生境质量[图 5（c）]分布变化较小, 多数地区为0.33~0.43, 微山县维持在0.53以上；碳固存服务[图 5（d）]高值区与土壤保持服务类似, 集中在济南市、淄博市和泰安市, 博山区年均值维系在4 156 t·km-2以上, 总体变化为负向；粮食供给服务[图 5（e）]整体为“西多东少”, 正负向变化存在显著的东西差异. 生态系统服务综合指数[图 5（f）]高值区在东部区域, 多数县区介于1.27~1.84, 泰山区和博山区均维持在2.41以上的较高水平, 20 a间北部低值区减少, 东南部高值区增多, 整体呈增加趋势, 河口区增加最多.
|
图 5 5种生态系统服务及生态系统服务综合指数空间分布及变化 Fig. 5 Spatial distribution and changes of five types of ecosystem services and CIES |
空间碳强度与生态系统服务在2005~2010年生态绝对下降关系的县区较多[图 6（a）], 占比为71.43%（图 7）, 大部分县区空间碳强度持续增加而生态系统服务下降, 为最不理想互动类型；2015~2020年生态绝对上升关系地区显著增加, 占比为14.29%, 主要存在于东营市、滨州市、淄博市和济宁市, 为相对理想互动类型. 经济碳强度与生态系统服务在2000~2005年有28个县区为生态绝对上升关系[图 6（b）], 这部分地区呈现生态系统服务提升且经济碳强度下降, 主要分布在东营市、滨州市、淄博市、济南市、济宁市和菏泽市；2010~2015年及2015~2020年经济碳强度与生态系统服务均以生态隐形上升为主, 分别有70.13%和58.44%的县区为该关系, 但2015~2020年生态绝对上升关系的地区数量有所增加. 人口碳强度与生态系统服务时空互动关系相似[图 6（c）], 2000~2010年完全一致；2010~2015年生态绝对上升关系的县区为两个, 分别是德城区和夏津县, 梁山县为生态相对上升关系, 其余地区以生态隐形上升和生态绝对下降为主；2015~2020年生态绝对上升关系的县区占比提升, 为20.78%, 主要在东营市、滨州市、淄博市、济南市、聊城市、泰安市和济宁市.
|
图 6 “空间-经济-人口”碳强度与生态系统服务时空互动关系格局 Fig. 6 Patterns of spatio-temporal interactions between "spatial-economic-demographic" carbon strength and ecosystem services |
|
Ⅰ：空间碳强度与生态系统服务时空互动关系, Ⅱ：经济碳强度与生态系统服务时空互动关系, Ⅲ：人口碳强度与生态系统服务时空互动关系 图 7 “空间-经济-人口”碳强度与生态系统服务时空互动关系类型统计 Fig. 7 Type statistics of spatio-temporal interactions between "spatial-economic-demographic" carbon strength and ecosystem services |
从结果中可以看到, 空间和人口碳强度与生态系统服务时空互动关系存在相似性, 互动类型均由相对不理想变为相对理想, 这一方面是由于研究期内多数县区人口变化幅度不大造成的, 另一方面因为尽管在碳减排政策下碳排放速率有所放缓, 但对于县域面积和大部分县域人口数量的变化, 碳排放增量是非常显著的, 这使得空间碳强度和人口碳强度明显上升；同时由于2000~2010年碳排放增长较快, 但部分县区生态系统服务提升较慢, 甚至由于过度重视经济发展而忽略了生态环境, 出现大量县区生态系统服务下降, 由此导致空间和人口碳强度与生态系统服务的生态绝对下降和生态隐形下降关系较多, 后期随着“双碳”战略和生态文明建设的落实, 东部小部分地区碳排放速率下降, 生态系统服务快速提升, 生态相对上升和生态绝对上升关系地区逐渐变多.
与此同时, 经济碳强度与生态系统服务时空互动关系较空间和人口碳强度均存在较大差异性, 互动类型由相对理想变为相对较理想. 本研究期内, 我国对于区域经济的发展极其重视, 尤其“十一五”时期以后“促进中部地区崛起, 鼓励东部地区率先发展”[47], 在区域碳排放速率有所下降的同时, 研究区县域GDP增长迅速, 因此出现了大量县区经济碳强度负向变化的情况；一些地区在生态系统服务出现下降的时期, 经济碳强度同时以较为显著的速率下降, 导致出现生态隐形上升关系, 另外存在部分县区生态系统服务的提升速率略微下降, 造成生态绝对上升关系地区减少的现象.
2.4 多维互动分区2000~2005年研究区只有三维不理想互动区和二维不理想互动区[图 8（a）], 主要原因是“十五”期间省内大多数地区着力提高城市化水平, 工业能源使用粗放, 而对于生态环境的建设和治理力度相对较弱, 甚至在德州市、聊城市和菏泽市等地市的部分县区出现生态系统服务下降的情况. 其中二维不理想互动区主要集中分布在中部、东部和少量南部县区, 均为“空间-人口”不理想互动, 一方面反映出这些县区均碳排放量大, 土地利用缺乏合理性和科学性, 另一方面表明其人均碳排放较高, 城市化水平提高较快, 能源消耗巨大.
|
图 8 “空间-经济-人口”碳强度与生态系统服务多维互动分区格局 Fig. 8 Multi-dimensional interactive zoning patterns of "spatial-economic-demographic" carbon strength and ecosystem services |
2005~2010年三维不理想互动区减少[图 8（b）], 集中分布在菏泽市的县区, 少量分散于滨州市等地区, 这些区域面临的主要问题同样是经济发展和生态建设之间的不协调. 二维不理想互动区仍为“空间-人口”不理想互动, 但与前期不同, 这一时期的不理想互动以生态绝对下降关系为主, 土地利用规划和调整以经济建设和社会建设为主, 以投资拉动经济增长, 从而造成环境污染和资源过度使用等生态问题, 发展质量较低, 矛盾突出. 本研究期内仅宁津县为“经济”理想互动区.
2010~2015年三维理想互动区大量分布在西部的德州市、聊城市县区及南部的菏泽市县区[图 8（c）], 共35个, 这些地区积极实施新型城镇化建设, 调整土地结构, 实现集约、节约利用, 同时加快能源结构调整和产业升级, 发展新技术、新能源和新产业, 助力区域各要素协同发展. 三维不理想互动区数量较上一研究期又有下降, 仅有14个县区. 另外二维不理想互动区多数与上一研究期同为“空间-人口”二维不理想互动, 在生态环境质量的改善上仍存在较大问题.
2015~2020年理想互动区的数量有所减少[图 8（d）], 减少的区域主要分布于研究区西部, 多属于“空间-人口”不理想互动, 互动关系以生态隐形下降为主, 该区域重化工业占比仍较高, 空间碳强度和人口碳强度增速较快, 绿色低碳转型效果还不够明显, 生态系统服务提升速度较碳排放效率还有一定的差距. 三维理想互动区集中在东部的东营市和淄博市县区, 这与“双碳”战略和生态文明建设的落实有关, 当地进行生态修复工作, 尤其是黄河入海口附近县区的湿地修复工程极大提升了生态系统服务供给；二维理想互动区中邹城市和张店区为“空间-人口”理想互动, 天桥区为“经济-人口”理想互动. 三维不理想互动区数量仅为7个, 存在于菏泽市和济宁市的县区.
3 讨论 3.1 研究的创新性2023年12月, 山东省自然资源厅印发《山东省黄河流域国土空间规划（2021~2035年）》, 强调提高流域生态系统服务功能和稳定性, 促进流域绿色低碳高质量发展, 基于碳减排和生态系统服务提升双重理念牵引的生态文明建设受到国家重视, 也是“双碳”目标下实现黄河流域山东段生态系统健康发展的重要途径. 基于此, 本研究创新性构建了互动弹性指数（IEI）, 通过分析“空间-经济-人口”碳强度和生态系统服务差异化演变特征, 确定各维度时空互动关系, 识别区域多维互动分区类型, 从而对不同分区提出针对性对策与建议, 协同推进区域高质量发展和生态质量提升.
王丹等[24]对南四湖流域碳排放强度（空间碳强度）与生态系统服务价值的时空关系进行分析, 发现空间碳强度与生态系统服务价值存在空间关联, 但整个研究期内空间关联规律发生较大变化, 与本研究空间碳强度与生态系统服务的时空互动关系有相似特征, 但前者运用双变量空间自相关分析将研究结果局限于静态的时间点, 本研究构建互动弹性指数关注二者动态变化情况, 能更好揭示二者演变运动的规律性, 有利于为实际政策的制定提供可靠的基础. 赵先超等[25]研究了长株潭城市群空间碳强度与生态系统服务价值的时空关系, 发现空间碳强度与生态系统服务价值呈负相关, 与本研究二者多为不理想互动类型相契合. 在既有研究基础上, 本研究创新性提出“空间-经济-人口”碳强度, 并研究其与生态系统服务的时空互动关系, 既优化了确定关系的方法, 又对研究内容进行了丰富和深化.
3.2 研究的不足与展望本研究对于生态系统服务的选取以研究区概况特征为依据, 选取土壤保持、水源涵养、生境质量、碳固存及粮食供给服务, 偏重区域自然禀赋, 而文化和美学等侧重社会性质的服务未予考量, 这使得生态系统服务综合指数的计算存在一定的欠缺, 在未来的研究中应对生态系统服务类型做更全面的考虑, 以更符合实际；其次, 标准煤换算系数和碳排放系数随着时间推移会存在一定的变化, 并且同一地类内部细分也存在碳排放系数差异, 这在以后的研究中应予以关注, 使研究结果更具确定性.
碳强度的划分囊括了与区域发展息息相关的空间、经济和人口3个方面, 而社会发展则会直接或间接造成这些区域要素的变化, 这些变化影响着各维度碳强度与生态系统服务的时空互动关系. 本研究对于各维度互动关系的驱动机制并未做深入讨论, 驱动机制的研究对于把握互动规律的本质具有重要意义, 也对区域制定相关政策协调碳排放与生态建设具有引导作用, 未来应在“空间-经济-人口”碳强度与生态系统服务时空互动关系的驱动分析上进行深入研究.
3.3 基于多维互动分区的对策与建议研究区多维互动分区格局在整个研究期内并不稳定, 这与山东省各县区不同发展时期的规划和策略密切相关, 对于一个时期区域经济和生态发展的问题可以通过政策调整得到改善, 也往往伴随新的问题和矛盾, 以此为导向进行下一阶段的调整. 本研究基于2015~2020年的“空间-经济-人口”碳强度与生态系统服务互动分区提出相应区域的对策和建议.
（1）理想互动区和协同互动区应保持优势, 调节提升短板. 三维理想互动区未来的发展应保持生态系统服务的提升, 坚持生态保护和修复工程的实施, 维持区域的高质量协调发展；二维理想互动区和一维理想互动区, 主要在保持现有理想互动优势的前提下, 对存在的协同互动关系进行调节, 这对于协同互动区也有同等的指导作用, 例如对于“空间-人口”理想互动区, 在保持现有土地利用模式和城市化水平的基础上, 需要对产业升级提速, 加快新型能源和产业的发展, 而对于“经济-人口”理想互动区, 则需要优化土地利用格局, 确保土地资源更集约利用, 以缓解空间碳强度压力.
（2）不理想互动区需加速转型, 全面改善区域生态环境. 一维不理想互动区和二维不理想互动区亦需在保持已有理想互动或协同互动基础上, 对其不理想互动进行改善, 但力度强于二维理想互动区和一维理想互动区, 例如“经济”不理想互动区, 除了要加快产业升级, 对于重化工业还需实施淘汰, 控制碳排放量, 确保绿色低碳企业发展政策落实, 另外基于政策导向的增汇工程也需要加快实施, 直接提升生态系统服务水平, 加速互动关系转型；三维不理想互动区是下一步区域发展的“硬骨头”, 应运用系统思维, 将“空间-经济-人口”进行捆绑, 基于土地利用规划调整、产业升级、能源转型和生态修复等方面全面改善区域生态, 逐步摆脱不理想互动关系, 促进区域经济发展和生态建设的协调稳步推进.
4 结论（1）空间碳强度和人口碳强度以正向变化为主, 经济碳强度存在较大变化值的负向变化, 集中在东营市县区.
（2）土壤保持、水源涵养和粮食供给主要为正向变化, 生境质量和碳固存以负向变化为主, 生态系统服务综合指数高值区主要集中在东部区域.
（3）空间和人口碳强度与生态系统服务时空互动关系类似, 均在2005~2010年以生态绝对下降关系为主, 到2010~2020年生态绝对上升关系增多, 这与大量县区人口变化幅度不大相关；经济碳强度与生态系统服务时空互动关系以生态隐形上升为主, 2000~2015年生态绝对上升关系逐步减少, 到2015~2020年有所回升.
（4）多维互动分区格局具有显著但不稳定的时空变化特征, 三维理想互动区数量在2010~2015年最多, 主要分布在德州市、聊城市及菏泽市的县区, 三维不理想互动区数量呈递减趋势, 二维不理想互动区为最广泛的分区类型.
| [1] |
陈万旭, 曾杰. 中国土地利用程度与生态系统服务强度脱钩分析[J]. 自然资源学报, 2021, 36(11): 2853-2864. Chen W X, Zeng J. Decoupling analysis of land use intensity and ecosystem services intensity in China[J]. Journal of Natural Resources, 2021, 36(11): 2853-2864. |
| [2] |
方琦, 钱立华, 鲁政委. 我国实现碳达峰与碳中和的碳排放量测算[J]. 环境保护, 2021, 49(16): 51-56. Fang Q, Qian L H, Lu Z W. Measure carbon emission amount of China in the context of carbon peak and carbon neutrality[J]. Environmental Protection, 2021, 49(16): 51-56. |
| [3] |
钟顺昌, 汪文竹, 闫程莉. 碳减排目标下中国省域城市建设用地空间配置响应研究[J]. 自然资源学报, 2023, 38(7): 1896-1918. Zhong S C, Wang W Z, Yan C L. Research on the response of spatial allocation of urban construction land in China's provinces under the goal of carbon emission reduction[J]. Journal of Natural Resources, 2023, 38(7): 1896-1918. |
| [4] | Semenov S M. Greenhouse effect and modern climate[J]. Russian Meteorology and Hydrology, 2022, 47(10): 725-734. DOI:10.3103/S1068373922100016 |
| [5] |
候勃, 岳文泽, 王腾飞. 中国大都市区碳排放时空异质性探测与影响因素——以上海市为例[J]. 经济地理, 2020, 40(9): 82-90. Hou B, Yue W Z, Wang T F. Spatiotemporal heterogeneity pattern and influencing factors of carbon emission in metropolitan areas of China: a case of Shanghai[J]. Economic Geography, 2020, 40(9): 82-90. |
| [6] |
杨清可, 王磊, 朱高立, 等. 中国城市碳排放强度的时空演变、动态跃迁及收敛趋势[J]. 环境科学, 2024, 45(4): 1869-1878. Yang Q K, Wang L, Zhu G L, et al. Spatio-temporal evolution, dynamic transition, and convergence trend of urban carbon emission intensity in China[J]. Environmental Science, 2024, 45(4): 1869-1878. |
| [7] | 刘金花. 新型城镇化下土地低碳利用战略及优化途径研究[M]. 北京: 经济科学出版社, 2017. |
| [8] |
张哲, 时振钦, 朱文博, 等. 基于InVEST模型的伏牛山地区生态系统碳储量时空变化模拟[J]. 环境科学, 2024, 45(4): 2332-2341. Zhang Z, Shi Z Q, Zhu W B, et al. Simulation of temporal and spatial changes in ecosystem carbon storage in Funiu Mountains based on InVEST model[J]. Environmental Science, 2024, 45(4): 2332-2341. |
| [9] |
王子豪, 徐鑫溢, 陈庆锋, 等. 人类活动对黄河三角洲湿地碳排放的影响研究进展[J]. 湿地科学, 2024, 22(2): 310-326. Wang Z H, Xu X Y, Chen Q F, et al. Research progress on impacts of human activities on carbon emissions in the Yellow River Delta wetlands[J]. Wetland Science, 2024, 22(2): 310-326. |
| [10] | Findell K L, Berg A, Gentine P, et al. The impact of anthropogenic land use and land cover change on regional climate extremes[J]. Nature Communications, 2017, 8(1). DOI:10.1038/s41467-017-01038-w |
| [11] |
董光龙, 王珏, 程伟亚, 等. 山东省城镇化对农村居民点利用的直接效应与空间溢出效应研究[J]. 地理研究, 2023, 42(6): 1629-1646. Dong G L, Wang J, Cheng W Y, et al. Exploration on the spatial spillover effect of urbanization on rural settlement transformation: a case study in Shandong province, China[J]. Geographical Research, 2023, 42(6): 1629-1646. |
| [12] |
王耕, 张芙榕. 近30年辽河三角洲生态系统服务价值时空演变及影响因素分析[J]. 环境科学, 2024, 45(1): 228-238. Wang G, Zhang F R. Spatial and temporal evolution and impact factors analysis of ecosystem service value in the Liaohe River Delta over the past 30 years[J]. Environmental Science, 2024, 45(1): 228-238. |
| [13] |
杨浩, 卢新海, 匡兵, 等. 城市紧凑度与碳排放强度的时空互动关系及驱动因素——以长株潭城市群为例[J]. 长江流域资源与环境, 2021, 30(11): 2618-2629. Yang H, Lu X H, Kuang B, et al. Spatial-temporal interaction and driving factors of urban compactness and carbon emission intensity: a case study in Changsha-Zhuzhou-Xiangtan Urban Agglomeration[J]. Resources and Environment in the Yangtze Basin, 2021, 30(11): 2618-2629. |
| [14] |
李爱军, 张入川. 中国碳中和发展绩效及其内在驱动力研究[J]. 山东大学学报(哲学社会科学版), 2023(4): 112-124. Li A J, Zhang R C. The performance of China's carbon neutral development and the potential driving factors[J]. Journal of Shandong University (Philosophy and Social Sciences), 2023(4): 112-124. |
| [15] |
王奇, 赵欣. 基于改进等比例分配方法的我国各省二氧化碳减排目标分配[J]. 干旱区资源与环境, 2019, 33(1): 1-8. Wang Q, Zhao X. Allocation of carbon dioxide emission reduction targets in China based on the improved equal proportion distribution[J]. Journal of Arid Land Resources and Environment, 2019, 33(1): 1-8. |
| [16] |
刘金培, 宋晓霞, 陈华友, 等. 中国人均碳排放影响因素的长期均衡与因果动态关系研究——基于结构突变ARDL-VECM模型的实证分析[J]. 运筹与管理, 2019, 28(9): 57-65. Liu J P, Song X X, Chen H Y, et al. Study on the long-term equilibrium and causality of the influencing factors of China's per capita carbon-Based on structural break ARDL model and VECM model[J]. Operations Research and Management Science, 2019, 28(9): 57-65. |
| [17] |
娄佩卿, 付波霖, 林星辰, 等. 基于GEE的1998~2018年京津冀土地利用变化对生态系统服务价值的影响[J]. 环境科学, 2019, 40(12): 5473-5483. Lou P Q, Fu B L, Lin X C, et al. Influence of land use change on ecosystem service value based on GEE in the Beijing-Tianjin-Hebei region from 1998 to 2018[J]. Environmental Science, 2019, 40(12): 5473-5483. |
| [18] | Garcia X. Using the soil and water assessment tool (SWAT) to quantify the economic value of ecosystem services[J]. River, 2023, 2(2): 173-185. |
| [19] | Sun L, Yu H J, Sun M X, et al. Coupled impacts of climate and land use changes on regional ecosystem services[J]. Journal of Environmental Management, 2023, 326. DOI:10.1016/j.jenvman.2022.116753 |
| [20] | Zhang T J, Zhang S P, Cao Q, et al. The spatiotemporal dynamics of ecosystem services bundles and the social-economic-ecological drivers in the Yellow River Delta region[J]. Ecological Indicators, 2022, 135. DOI:10.1016/j.ecolind.2022.108573 |
| [21] | Huang J M, Zheng F Y, Dong X B, et al. Exploring the complex trade-offs and synergies among ecosystem services in the Tibet autonomous region[J]. Journal of Cleaner Production, 2023, 384. DOI:10.1016/j.jclepro.2022.135483 |
| [22] |
杨宜男, 李敬, 王立, 等. 长三角地区城市化对典型生态系统服务供需的影响[J]. 自然资源学报, 2022, 37(6): 1555-1571. Yang Y N, Li J, Wang L, et al. Impact of urbanization on supply and demand of typical ecosystem services in Yangtze River Delta[J]. Journal of Natural Resources, 2022, 37(6): 1555-1571. |
| [23] | Du H Q, Zhao L, Zhang P T, et al. Ecological compensation in the Beijing-Tianjin-Hebei region based on ecosystem services flow[J]. Journal of Environmental Management, 2023, 331. DOI:10.1016/j.jenvman.2023.117230 |
| [24] |
王丹, 荆延德, 韩善梅, 等. 基于格网的南四湖流域土地利用碳排放与其生态系统服务价值时空关系分析[J]. 生态学报, 2022, 42(23): 9604-9614. Wang D, Jing Y D, Han S M, et al. Spatio-temporal relationship of land-use carbon emission and ecosystem service value in Nansi Lake Basin based upon a grid square[J]. Acta Ecologica Sinica, 2022, 42(23): 9604-9614. |
| [25] |
赵先超, 田一豆, 张潇湘. 长株潭城市群土地利用碳排放与生态系统服务价值时空关系分析[J]. 水土保持学报, 2023, 37(5): 215-225. Zhao X C, Tian Y D, Zhang X X. Spatio-temporal relationship between land use carbon emissions and ecosystem service value in Changzhutan Urban Agglomeration[J]. Journal of Soil and Water Conservation, 2023, 37(5): 215-225. |
| [26] |
何苗, 任保平. 黄河流域生态保护与高质量发展耦合协调的协同推进机制[J]. 经济与管理评论, 2024, 40(1): 15-29. He M, Ren B P. A synergistic mechanism for coupling and coordinating high-quality development and ecological protection in the Yellow River Basin[J]. Review of Economy and Management, 2024, 40(1): 15-29. |
| [27] |
刘金花, 丛中笑, 王治军. 基于三生空间转型的生态环境效应多尺度研究——以黄河流域山东段为例[J]. 中国环境科学, 2023, 43(5): 2519-2530. Liu J H, Cong Z X, Wang Z J. Ecological effects of production-living-ecological space transformation at multi-scales: a case study on the Shandong Section of the Yellow River Basin[J]. China Environmental Science, 2023, 43(5): 2519-2530. |
| [28] |
佘丽敏, 袁程程, 李晓建. 黄河流域(山东段)生态环境与农业耦合协调和高质量发展提升策略[J]. 规划师, 2024, 40(2): 129-136. She L M, Yuan C C, Li X J. Coupling coordination and high-quality development strategies of ecological environment and agricultural development in the Yellow River Basin (Shandong Section)[J]. Planners, 2024, 40(2): 129-136. |
| [29] | Lu C, Qi X, Zheng Z S, et al. PLUS-model based multi-scenario land space simulation of the lower Yellow River region and its ecological effects[J]. Sustainability, 2022, 14(11). DOI:10.3390/su14116942 |
| [30] | Deutsch C A, Tewksbury J J, Tigchelaar M, et al. Increase in crop losses to insect pests in a warming climate[J]. Science, 2018, 361(6405): 916-919. |
| [31] |
徐新良, 庞治国, 于信芳. 土地利用/覆被变化时空信息分析方法及应用[M]. 北京: 科学技术文献出版社, 2014. Xu X L, Pang Z G, Yu X F. Spatial-temporal pattern analysis of land use/cover change: methods & applications[M]. Beijing: Science and Technology Literature Press, 2014. |
| [32] |
路昌, 王之语. 基于生态网络分析的黄河三角洲碳代谢分析[J]. 中国环境科学, 2023, 43(11): 6090-6101. Lu C, Wang Z Y. ENA-model based carbon metabolism analysis of the Yellow River Delta[J]. China Environmental Science, 2023, 43(11): 6090-6101. |
| [33] |
李缘缘, 魏伟, 周俊菊, 等. 中国土地利用碳排放变化及协调分区[J]. 环境科学, 2023, 44(3): 1267-1276. Li Y Y, Wei W, Zhou J J, et al. Changes in land use carbon emissions and coordinated zoning in China[J]. Environmental Science, 2023, 44(3): 1267-1276. |
| [34] | Shan Y L, Guan Y R, Hang Y, et al. City-level emission peak and drivers in China[J]. Science Bulletin, 2022, 67(18): 1910-1920. |
| [35] |
吉雪强, 刘慧敏, 张跃松. 中国省际土地利用碳排放空间关联网络结构演化及驱动因素[J]. 经济地理, 2023, 43(2): 190-200. Ji X Q, Liu H M, Zhang Y S. Spatiotemporal evolution and driving factors of spatial correlation network structure of China's land-use carbon emission[J]. Economic Geography, 2023, 43(2): 190-200. |
| [36] | Liu J H, Diao K H, Tian M M, et al. Multiscale spatial-temporal evolution of energy carbon footprint in the Yellow River Basin of China based on DMSP/OLS and NPP/VIIRS integrated data[J]. Environmental Science and Pollution Research, 2024, 31(1): 312-330. |
| [37] |
田超, 程琳琳, 邵盈钞. 京津冀地区城市三生空间碳代谢效率特征及演进模式[J]. 环境科学, 2024, 45(3): 1254-1264. Tian C, Cheng L L, Shao Y C. efficiency characteristics and evolution patterns of urban carbon metabolism of production-living-ecological space in Beijing-Tianjin-Hebei region[J]. Environmental Science, 2024, 45(3): 1254-1264. |
| [38] |
李晶, 陈松林, 李晨欣, 等. 基于生态网络分析的厦漳泉地区土地碳代谢[J]. 应用生态学报, 2023, 34(5): 1375-1383. Li J, Chen S L, Li C X, et al. Land carbon metabolism in Xiamen-Zhangzhou-Quanzhou region based on ecological network analysis[J]. Chinese Journal of Applied Ecology, 2023, 34(5): 1375-1383. |
| [39] | Zhang C Y, Zhao L, Zhang H T, et al. Spatial-temporal characteristics of carbon emissions from land use change in Yellow River Delta region, China[J]. Ecological Indicators, 2022, 136. DOI:10.1016/j.ecolind.2022.108623 |
| [40] |
潘莹, 郑华, 易齐涛, 等. 流域生态系统服务簇变化及影响因素——以大清河流域为例[J]. 生态学报, 2021, 41(13): 5204-5213. Pan Y, Zheng H, Yi Q T, et al. The change and driving factors of ecosystem service bundles: a case study of Daqing River Basin[J]. Acta Ecologica Sinica, 2021, 41(13): 5204-5213. |
| [41] |
刘立程, 刘春芳, 王川, 等. 黄土丘陵区生态系统服务供需匹配研究——以兰州市为例[J]. 地理学报, 2019, 74(9): 1921-1937. Liu L C, Liu C F, Wang C, et al. Supply and demand matching of ecosystem services in loess hilly region: a case study of Lanzhou[J]. Acta Geographica Sinica, 2019, 74(9): 1921-1937. |
| [42] |
冯琳, 雷国平. 基于生态安全格局的东北典型黑土区生态保护红线划定与优化[J]. 自然资源学报, 2024, 39(2): 426-445. Feng L, Lei G P. Research on the delineation and optimization of ecological protection redline based on the perspective of ecological security pattern in typical black soil areas of Northeast China[J]. Journal of Natural Resources, 2024, 39(2): 426-445. |
| [43] |
张琨, 吕一河, 傅伯杰, 等. 黄土高原植被覆盖变化对生态系统服务影响及其阈值[J]. 地理学报, 2020, 75(5): 949-960. Zhang K, Lyu Y H, Fu B J, et al. The effects of vegetation coverage changes on ecosystem service and their threshold in the Loess Plateau[J]. Acta Geographica Sinica, 2020, 75(5): 949-960. |
| [44] |
孔雪松, 蒋献佳, 程鹏. 中国11个集中连片特困区多维减贫与建设用地扩张的关联分析[J]. 中国土地科学, 2023, 37(5): 125-136. Kong X S, Jiang X J, Cheng P. Correlation analysis between multi-dimensional poverty reduction and construction land expansion in eleven concentrated and contiguous poverty-stricken areas in China[J]. China Land Science, 2023, 37(5): 125-136. |
| [45] |
陈四瑜, 刘晶茹, 孙光明. 基于脱钩指数的工业园区碳排放与经济发展关系[J]. 环境科学, 2023, 44(11): 6412-6420. Chen S Y, Liu J R, Sun G M. Relationship between carbon emissions and economic development of industrial parks based on decoupling index[J]. Environmental Science, 2023, 44(11): 6412-6420. |
| [46] |
陈霆, 徐伟铭, 吴升, 等. 国土空间规划视角下的城镇开发边界划定和空间管控体系构建[J]. 地球信息科学学报, 2022, 24(2): 263-279. Chen T, Xu W M, Wu S, et al. Delimitation of urban development boundary and construction of space control system from the perspective of territorial spatial planning[J]. Journal of Geo-Information Science, 2022, 24(2): 263-279. |
| [47] |
覃成林, 张震, 贾善铭. 东部地区率先发展战略: 变迁、成效与新构想[J]. 北京工业大学学报(社会科学版), 2020, 20(4): 58-71. Qin C L, Zhang Z, Jia S M. Pioneering development strategy of the Eastern Region: change, effect and new concept[J]. Journal of Beijing University of Technology (Social Sciences Edition), 2020, 20(4): 58-71. |