2025, Vol. 46
2. 水电水利规划设计总院, 北京 100120;
3. 中国电建集团西北勘测设计研究院有限公司, 西安 710065;
4. 陕西省四主体一联合河湖生态系统保护与修复校企联合研究中心, 西安 710065
2. China Renewable Energy Engineering Institute, Beijing 100120, China;
3. Northwest Engineering Corporation Limited, POWERCHINA, Xi'an 710065, China;
4. Shaanxi Union Research Center of University and Enterprise for River and Lake Ecosystems Protection and Restoration, Xi'an 710065, China
为应对全球气候变化, 世界多国提出碳达峰和碳中和目标, 以推动以二氧化碳为主体的温室气体减排[1]. 在实施双碳战略中, 水电开发是能源领域实现碳达峰和碳中和的重要路径与抓手. 然而, 水电工程建设的快速发展增加了人类对自然环境的干扰, 改变了区域的景观结构和生态过程, 导致了河流断流、生境破碎化以及植被覆盖变化等生态环境问题[2]. 因此, 量化水电开发影响下的生态系统服务功能变化[3], 有助于建立可持续的水电开发模式以及制定更有针对性的流域生态系统保护政策.
水电开发对流域生态系统的影响是涉及多个因素的复杂过程. 一方面, 水电站的建立改变了区域原有的下垫面类型, 直接影响气候、植被、土壤和微生物结构等关键过程[4], 从而改变自然生态系统结构和功能[5]. 另一方面, 水电开发过程中会通过影响人类社会系统, 包括人口分布、土地利用、就业方式、产业结构、经济水平和城镇化发展等人类生产生活方式[6, 7], 间接对自然生态系统产生影响[5]. 国内外针对水电开发的生态环境影响开展了大量研究, 除从生境、生物和水环境评价指标等不同角度评估外, 还有部分学者从生态系统服务价值角度评估水电开发对河流生态系统的影响[8]. 例如, 赵旭等[9]采用谢高地提出的价值当量换算法对金沙江下游梯级水电库区生态系统服务价值进行定量分析, 发现水电工程实施能改善库区生态系统服务功能. Rai[10]等发现不丹3个大型水电项目建设导致森林覆盖总损失为1 400 hm2, 农业用地损失为270 hm2, 而这种土地利用损失造成每年760万美元的生态系统服务价值损失. 但仅结合土地利用转变方式来评估水电开发对生态系统服务的影响忽略了生态系统服务的复杂性和多样性[11, 12]. 近年来, 随着3S技术的发展以及InVEST模型（integrated valuation of ecosystem services and trade-offs）等生态系统服务评估工具的研发, 从流域层面系统考虑气象、土壤和下垫面等多因素对生态系统服务空间可视化的定量评估成为研究热点[13~15]. 目前大部分学者采用加和方式评估区域综合生态系统服务功能. 然而, 该方法会产生各种生态系统服务的替补性, 具有一定局限性[16~18]. 例如, 陈谋会等[19]利用加和综合指数法识别出贵阳市生态系统服务功能极重要区主要分布在碳储量较高的乌当区和开阳县, 但忽略了该区域土壤保持功能较低. 采用乘法构建多种生态系统服务综合指数是识别生态系统服务发展不平衡区域的一种有效手段[20]. 在水电开发对流域生态系统服务驱动机制研究方面, 目前侧重于自然生态过程响应研究, 人类活动驱动因子尚未被有效识别, 如景观格局和水电开发相关影响因子（如经济发展、水电建设情况等）[21]. 评估水电开发对区域生态系统的影响迫切需要从自然过程和人文过程相互反馈的角度出发.
西南地区是我国重要的水电能源基地, 近年来, “生态优先”的水电开发模式对流域生态系统影响机制更加复杂. 本研究以金沙江中游为研究区, 基于流域气候与地理特点, 分析产水、碳贮存和生境质量服务变化特征. 金沙江干流第一个特大型水电站（金安桥站）于2003年8月8日进场筹建. 因此, 基于金沙江中游梯级水电工程开发背景, 选择自然状态下的基准年（2000年）和水电开发背景（2020年）为对比时间节点, 以InVEST模型为技术手段, 研究CESI变化及其驱动机制. 本研究的目的是：①量化2000年和2020年金沙江中游3种生态系统服务变化；②基于均衡性视角构建CESI, 分析其时空演变特征；③量化水电开发下的气候、土地利用、景观格局和水电开发相关因素变化对CESI变化的影响. 本研究旨在为修建水电站对生态环境效应的影响提供科学依据.
1 研究区域概况金沙江中游是中国第一大河长江的上游（包括24个子流域, 图 1）, 位于青藏高原东南缘, 西起云南丽江石鼓镇, 东至攀枝花市的雅砻江口, 全长763.5 km, 落差高达1 023.9 m[22]. 地理坐标为25°10′~29°80′N, 99°50′~101°70′E（图 1）. 地势由西北向东南降低, 海拔介于957~5 904 m, 是长江上游重要的生态屏障. 金沙江中游属于典型的亚热带季风气候, 夏季湿润, 冬季干燥, 多年平均降雨量为550 mm, 多年平均气温为5 ℃[23]. 该区域森林覆盖率高, 位于水源涵养和生物多样性功能区[24]. 河段分为干流和支流, 干流自上而下开发了十级水电站, 支流也进行了不同程度的水电开发（表 1）. 流域内生态环境脆弱, 水电开发是重要支柱产业. 因此, 推进水电开发水资源利用和流域生态系统协调发展是区域生态文明建设重要的一步.
|
图 1 金沙江中游流域地理位置示意 Fig. 1 Geographical location of the middle reaches of Jinsha River Basin |
|
表 1 子流域流经的主要河流以及水电站建设情况1） Table 1 Major rivers flowing through the sub-watershed and construction status of hydropower |
2 材料与方法 2.1 数据来源与处理
本研究的数据主要包括：①气象数据. 年降雨、年平均温度和潜在蒸散发来源于国家青藏高原科学数据中心（https://data.tpdc.ac.cn/）. ②土地利用来源于中国科学院资源环境科学与数据中心（https://www.resdc.cn/）. 根据土地资源及其利用属性分为耕地、林地、草地、水域、建设用地和未利用地6种土地利用类型（图 2）. ③土壤深度和植物可利用含水量来源于世界土壤数据库（HWSD）. ④生物物理系数表. 产水服务（表 2）：根系深度和蒸散系数（Kc）；碳贮存服务（表 2）：地上碳库量（Cabove）、地下碳库量（Cbelow）、枯落物死亡碳库量（Cdead）和土壤碳库量（Csoil）；生境质量服务：耕地、建设用地和未利用地为威胁因子地类（THREAT）（表 3）, 威胁因子地类的最大影响距离（MAX_DIST）、权重（WEIGHT）和衰退类型（DECAY）；敏感性因子（表 4）：生境适宜程度（H）, 以及威胁因子地类对每一种土地利用类型的敏感程度（D耕地、D建设用地和D未利用地）. 以上参数通过相关文献获取[25]. ⑤国内生产总值（gross domestic product, GDP）和人口来源于中国科学院资源环境与数据研究中心. ⑥干流、支流水电站建设情况以及装机容量来源于课题组实地调研资料. ⑦运用Fragstats 4.2对景观水平和斑块类型水平指标进行提取. ⑧子流域矢量图基于DEM（空间分辨率为90 m）划分, DEM下载于地理空间数据云（http://www.gsclound.cn）. 各数据期限为2000年和2020年, 空间分辨率为1 km, 坐标系为Krasovsky_1940_Albers.
|
图 2 金沙江中游2000年和2020年土地利用空间分布及变化 Fig. 2 Spatial distribution of land use in the middle reaches of Jinsha River in 2000 and 2020 and its changes |
|
|
表 2 产水和碳贮存服务生物物理系数1） Table 2 Biophysical coefficient of water yield and carbon storage and sequestration |
|
|
表 3 威胁因子参数 Table 3 Threat factor parameter |
|
|
表 4 生境敏感性参数 Table 4 Habitat sensitivity parameter |
2.2 研究方法 2.2.1 单项生态系统服务评估
本研究利用美国斯坦福大学、世界自然基金会和大自然保护协会联合开发的InVEST模型进行生态系统服务评估, 使用模型中的“Water Yield”、“Carbon Storage and Sequestration”和“Habitat Quality”子模块评价金沙江中游的产水、碳贮存和生境质量服务.
（1）产水服务 产水模块基于Budyko水热耦合平衡假设原理, 对水循环过程简化来估算产水量. 产水量包括自然径流量、土壤成分、枯枝落叶含水量和树木冠层的截留量等[26].
|
(1) |
式中, Yxj为产水量；x为栅格单元；j为土地利用类型；Exj为年实际蒸发量；Px为年降雨量.
（2）碳贮存服务 碳贮存模块将碳储量划分为4个碳库：地上生物碳、地下生物碳、死亡有机碳和土壤碳. 将各土地利用类型面积与4个碳库的平均碳密度相乘求和得到总碳储量[27]：
|
(2) |
式中, Ctot、Cabove、Cbelow、Cdead和Csoil分别为碳库总量、地上碳库量、地下碳库量、枯落物死亡碳库量和土壤碳库量.
（3）生境质量 生境质量以土地利用和威胁源为基础数据, 计算各地类的生境质量得分. 得分越低, 斑块破碎化程度高, 人类活动频繁或自然灾害严重[28].
|
(3) |
式中, Qxj为j类土地利用类型中栅格单元x的生境质量；Hj为土地利用类型j的生境适宜度；Dxj为胁迫水平；z为归一化常数；K为半饱和常数, 设置为0.5.
2.2.2 生态系统服务综合指数采用乘法建立生态系统服务综合指数[20]（comprehensive ecosystem service index, CESI）. 首先将生态系统服务价值归一化到0~1, 以协调不同生态系统服务的单位；然后将归一化后的生态系统服务相乘, 得到CESI. 该指数不仅可以表征生态系统服务提供水平, 还可以反映生态系统发展滞后性, 其值越高表明提供多个生态系统服务功能越强.
|
(4) |
式中, f（x, esi, t）为空间单元x在t时间段的第i种生态系统服务归一化值, 值的范围为0~1；n=3（产水、碳贮存和生境质量服务）.
2.2.3 生态系统服务综合功能的空间关系特征（1）全局空间自相关分析 全局莫兰指数（global Moran's I）被广泛用于判断一个区域是否存在空间聚集[29]. Moran's I > 0, 表明空间正相关性, 其值越大, 空间相关性越明显；Moran's I < 0表示空间负相关性, 其值越小, 空间差异越大；Moran's I=0, 空间呈随机性. 全局Moran's I的公式如下：
|
(5) |
式中, n为变量的样本总数, xi和xj为第i和j个空间单元的属性值；x为所有空间单元属性值的均值；Wij为空间权重矩阵.
（2）局部空间自相关分析 运用Getis-Ord Gi*指数[30]来识别具有统计显著性的高值（热点）和低值（冷点）在空间上发生聚类的位置. Getis-Ord Gi*指数Gi*的公式如下：
|
(6) |
式中, xj为空间单元j的属性值；Wij为要素i和要素j之间的空间加权；n为空间单元量总数；x为所有空间单元属性值的均值；S为标准差. Gi*统计结果为Z分. Z > 0且越高, 目标对象属性的高值聚类则愈紧密（形成热点）. Z < 0且越低, 则目标对象属性的低值聚类就愈紧密（形成冷点）.
2.2.4 生态系统服务综合功能变化驱动因素分析选取水电开发前后4类因子的变化为自变量：①气候；②土地利用；③景观格局, 包括景观水平和斑块类型因子[31~33]（6种土地利用）；④水电开发相关因子. 共22类指标（表 5）. 利用IBM SPSS Statistics软件中的自动线性建模（automatic linear modelling, ALM）来探讨CESI变化驱动机制. 该模型提供了一种直观的方法来获得最优回归模型, 同时消除不相关变量. 此外, ALM模块可以自动生成变量重要性图, 以关注预测中最重要的变量[34].
|
(7) |
|
|
表 5 生态系统服务综合功能潜在驱动因子1） Table 5 Description of potential driving factors of CESI investigated in this study |
式中, ΔY为子流域水电开发前后的CESI变化；ΔXk为水电开发前后的影响因子变化（k=1, 2, …, 50）；β0为截距；β1, β2, …, βk为相关性系数；ε为误差.
3 结果与分析 3.1 土地利用变化林地和草地是金沙江中游主要土地利用类型（图 2）, 占总面积的60.30%和27.08%（2020年）. 林地主要分布在流域干流两侧, 草地主要分布在子流域2和干流中下侧（子流域4、6、7、11和21）, 耕地主要分布在流域下游, 建设用地主要靠近水域（子流域9和17）和流域出口处. 2000~2020年, 耕地、草地和未利用地分别减少了3.87%、0.58%和18.13%；林地、水域和建设用地分别增加了0.41%、20.86%和108.74%. 退耕还林政策下耕地转换为林地（1 457.28 km2）和草地（896.31 km2）. 水电开发促使水汽条件改变, 大量未利用地发生植被恢复演变为草地（443.53 km2）和林地（189.71 km2）. 水库建设淹没耕地（89.31 km2）和草地（121.36 km2）, 导致水域面积增加. 库区城镇经济发展和移民安置导致低海拔耕地（213.94 km2）和草地（71.51 km2）转化为建设用地.
3.2 单项生态系统服务时空变化金沙江中游产水深度由501.08 mm下降到409.76 mm（表 6）. 2020年产水深度集中在300~400 mm和400~500 mm, 占流域面积41.01%和49.31%. 2000~2020年, 96.71%的流域产水量呈减少趋势. 上中游（子流域1、2、3、4、6、8、9、12和14等）变化率主要为-40%~-20%；中下游（子流域5、10、16、18、20、21、22、23和24）变化率为0%~-20%；产水量增加（0%~20%）区域集中在流域出口处（银江水电站附近）（图 3）. 碳贮存由2000年的61.06 Mg·hm-2上升到2020年的61.22 Mg·hm-2（表 6）. 碳密度在空间上分布符合植被分布规律（图 3）. 林地区域碳密度较高, 最大值为83.11 Mg·hm-2；耕地、草地和建设用地区域碳密度相对较低, 最小值为2.5 Mg·hm-2. 从时空变化上看, 80.43%的流域碳贮存保持不变, 主要原因是区域林地覆盖面积较大且变化较小. 碳贮存变化在空间上呈现破碎化特征, 9.78%的区域碳密度呈现增加趋势, 最大增幅为601.09%；9.77%的区域碳密度呈现减少趋势, 最大降幅为97.00%；子流域1和2的交界处碳密度呈现集聚式增长（100%~200%）. 2000年和2020年金沙江中游生境质量趋于稳定, 平均得分为0.806 9和0.810 5（表 6）. 生境质量得分较高区域分布在流域西北部和东南部（0.8~1）, 较低区域分布在流域中部（0~0.2）. 62.91%的流域生境质量呈现减少趋势（变化率为-1%~0%）, 在空间上呈现破碎化特征. 生境质量增加（集中为0%~20%）区域分布在子流域1和2交界处（最大增幅91.26%）, 子流域8、9和12交界处（图 3）.
|
|
表 6 2000~2020年流域层级上金沙江中游单项生态统服务价值及CESI变化 Table 6 Single ecosystem service and CESI change in the middle reaches of Jinsha River from 2000 to 2020 |
|
图 3 金沙江中游生态系统服务时空分布及变化 Fig. 3 Spatio-temporal distribution and changes of ecosystem services in the middle reaches of Jinsha River |
2020年, 流域层级的CESI为0.273 6, 较2000年（0.297 7）减少了8.13%. 2020年CESI在0~0.2、0.2~0.4和0.4~0.6的面积比例分别为37.97%、39.18%和19.66%（较2000年变化了-1.16%、8.93%和-5.61%）. 2000和2020年CESI空间分布格局相似（图 4）. CESI高值分布在金沙江中游干流附近（子流域3、8、12、13、14、15、16、18和20）, 低值分布在东北部子流域1和2以及西南部子流域21、22、23和24. 其中64.22%的流域面积的CESI呈减少趋势, 35.78%的流域面积的CESI呈上升趋势. 从空间变化上看, CESI上升区域集中在流域上游和下游（子流域2、5、13、15、16、21、22和23）, 下降区域集中在中游（子流域1、3、4、6、7、8、9、11、12、14、20和24）. 最大增幅为64%, 分布在子流域2以及1和2的交界处；最大降幅为60%, 分布在子流域4、6、12、19和24.
|
图 4 金沙江中游CESI的时空分布及变化 Fig. 4 Spatio-temporal distribution and changes of CESI in the middle reaches of Jinsha River |
金沙江中游空间自相关性分析结果为：Moran's I 2000=0.638 9, Z=209.51；Moran's I 2020=0.657 6, Z=215.64, 表明金沙江中游生态系统服务综合功能空间聚集性进一步加强. 2020年, 热点和冷点占流域面积的18.06%和18.89%（较2000年, 分别减少了1.57%和0.62%）. 金沙江中游冷热点分布范围界线明确（图 5）：热点集中在上游（子流域3、8、9、12和14）和下游（子流域15、16和20）；冷点集中在中游（子流域2、4和6）和西南部子流域（17、21和23）. 为明确冷热点间变化情况, 划分为7种转换类型（图 5）：持续冷点、由不显著点转冷点、由冷点转不显著点、持续不显著点、由热点转不显著点、由不显著点转热点和持续热点（分别占流域面积的15.80%、3.08%、3.70%、55.12%、4.23%、2.65%和15.40%）. 持续热点和冷点区域分布在干流附近. 转化为热点和冷点区域呈现空间集聚性发展特征：即转为热点区域集中在持续热点区域（子流域15、16和20）, 转为冷点区域集中在持续冷点区域（子流域2、4、6、17、21和23）. 热点减少区域集中在子流域3、8、12和14, 冷点减少区域集中在子流域1和2.
|
图 5 金沙江中游CESI的热点时空分布及转换情况 Fig. 5 Hotspot spatio-temporal distribution and changes of CESI in the middle reaches of Jinsha River |
自动线性建模拟合度（R2）为0.91, 表明模型对预测ΔCESI具有较好解释力. 2000~2020年金沙江中游的ΔCESI受气候、土地利用、景观格局和水电开发因子变化的综合影响（表 7）. Δ平均降雨量是主要驱动因素, 贡献率为89.4%. Δ林地面积与ΔCESI呈显著负相关. 斑块水平景观指数对ΔCESI有一定的影响：产生促进作用因素包括ΔPD（未利用地）、ΔAREA_MN（建设用地）和ΔAI（建设用地）, 产生抑制作用因素包括ΔPD（耕地）和ΔPD（水体）. 与水电开发因素相关的ΔGDP与ΔCESI呈现显著正相关, 贡献率为1.0%.
|
|
表 7 自动线性建模结果1） Table 7 Results of automatic linear model |
4 讨论 4.1 水电建设前后单项生态系统服务变化与均衡视角下的CESI评估
水电开发背景下, 金沙江中游产水服务大幅度减少（-18.22%, 变化率, 下同）, 碳贮存（0.26%）和生境质量服务（0.45%）小幅度增加. 表 8总结了不同水电开发程度下子流域的关键驱动因素、单项生态系统服务和CESI变化情况. 可以发现, 在水电开发程度较大子流域中, 林地面积和景观格局变化相对较大, 同时社会经济发展也相对迅速. 干流梯级电站建设使得子流域19大量林地被淹没和砍伐, 城市发展呈现破碎化趋势, 水体斑块数量增加, 经济增长速度加快. 在这些变化的驱动下3种生态系统服务功能均退化（表 8）. 子流域2、3和15是支流上水电开发程度较高的地区, 其中所有子流域产水量均减少, 子流域2和15碳贮存和生境质量增加（表 8）. 子流域8、10、14、22、23和24尚未建设水电站, 3种生态系统服务呈现不同变化：大多数子流域碳贮存和生境质量服务增加, 而产水服务由于受到干旱趋势增加均减少（表 8）[35, 36].
|
|
表 8 不同水电开发程度下的子流域关键驱动因素、单项生态系统服务和CESI变化 Table 8 Key driving factors, individual ecosystem service, and CESI change of sub-watershed under different levels of hydropower development |
任何具有较低值的生态系统服务功能均会对生态系统供给造成显著影响, 构建CESI有助于更加敏感地从均衡性角度识别某些生态系统功能发展的滞后性[37]. 以金沙江干流两侧为例, 产水、碳贮存和生境质量均具有较高值, 因此CSEI值较高. 然而, 在距离干流较远的边缘地区, 如子流域2, 碳贮存较低, 导致CESI值较低（0~0.2）, 尽管该区域的生境质量服务功能较高（图 4）. 此外, 本研究从均衡性的角度（图 5）识别出CESI持续热点区域位于干流上游左侧（子流域3、8、12和14）以及干流下游两侧（子流域13、15、16和20）, 持续冷点区域主要分布在子流域（子流域21和23）. 因此, 本研究结果有助于从系统均衡性的角度确定水电开发区生态保护的空间优先次序：持续热点区域具有较大的生态保护价值, 而持续冷点区域可作为水电开发区的优先选择区域.
4.2 水电开发背景下的CESI变化驱动机制大型水电站开发对金沙江中游流域生态系统的影响具有复杂性和系统性. 本研究利用自动线性建模模型, 考虑水电开发背景下的气候、土地利用、景观格局和水电开发因素变化对CESI变化的影响. 降雨被识别为CESI变化最重要的驱动因素：它直接影响水文循环过程[38], 间接影响植被生态系统净初级生产力[39]. 在过去20年中, 金沙江中游呈现干旱化趋势, 这可能是由于大规模水电站建设与运营改变了周围地区的气候和水汽输送路径, 从而影响降水的时空分布. 降雨量减少直接导致产水量减少[40], 同时影响植被的碳贮存能力[41]. 林地面积增加对CESI产生负面影响. 由于水电开发破坏区域生态环境, 促使生态环境保护政策以及退耕还林政策的实施, 导致林地面积增加. 林地的增加通过加速水消耗和增加林冠对降水的拦截来降低产水量[42], 同时对碳贮存[43]和生境质量[44]具有促进作用, 进一步体现了CESI的均衡性. 耕地和水体的斑块密度对ΔCESI具有负面影响. 2000~2020年, 耕地和水体面积分别变化了-3.45%和20.86%. 退耕还林导致耕地破碎化, 而水电开发过程中淹没大量低海拔土地（主要为草地和耕地）, 形成较破碎化的水体, 这将导致生态系统服务功能的退化[9]. 未利用地分布越破碎, CESI越大. 建设用地的平均斑块面积（ΔAREA_MN）和聚集度（ΔAI）变化与ΔCESI呈正相关. 水电开发促进城镇建设集中化发展, 增加城市不透水面积可以减少地表径流的渗透, 从而增加地表径流[45]. 水电产业与同步发展的旅游业作为金沙江中游的重要经济支柱, 在一定程度上带动了区域发展[46]. GDP增长对CESI的促进作用可能体现在快速的城市化发展、高效的资源利用效率、改善的环境质量治理能力和更多的环境投资. 该研究结果进一步表明水电工程的建设与运营不会导致库区的生态系统服务功能的退化, 这与李辉等[47]的研究结果一致. 与水电开发直接相关的因素, 如水电建设数量以及装机容量, 未识别出与CESI变化有显著相关性, 这表明在金沙江流域进行水电开发可能是通过与其它因素间相互作用来影响生态系统服务功能的变化.
4.3 建议与展望尽管景观格局变化对生态系统服务功能变化的贡献很小, 但通过调控景观格局来提高生态系统服务功能是人类可实现的路径之一. 本研究结果为水电开发区生态系统管理提供启示：①在水电开发工程中避免对生态系统服务综合功能持续热点区域的干扰作用, 对于生态系统服务综合功能持续冷点的区域需要采取一定的生态工程加以保护, 也可以考虑优先作为水电开发规划区；②水电开发中做好集约化城市发展规划, 尽量避免水库对耕地的破碎化淹没；③未来退耕还林和农业生产过程中, 应考虑培育更加集中的耕地发展模式, 以减少对生态系统的负担. 本研究仍然存在以下几点局限性, 包括：①考虑评估水电开发对更多生态系统服务的影响, 如土壤保持、水质净化、气候调节和文化服务等. ②探讨更多驱动因素对CESI的影响, 包括自然因素如海拔高度和社会经济因素（第一、二和三产业生产总值）等. 此外, 考虑水电开发对气候的影响, 进而考虑对生态系统服务功能的影响是必要的.
5 结论（1）2000~2020年金沙江中游产水、碳贮存和生境质量服务变化了-18.22%、0.26%和0.45%. 有96.71%的流域产水呈减少趋势, 80.43%的流域碳贮存保持不变, 62.91%的流域生境质量呈减少趋势.
（2）不同水电开发程度下的子流域生态系统服务呈现不同变化特征：水电开发程度较大的子流域, 大部分地区3种服务功能均减弱, 而未涉及水电开发区域的碳贮存和生境质量服务功能有所增强.
（3）本研究期间, 金沙江中游生态系统服务综合功能下降了8.13%. CESI上升区域主要分布在流域上下游, 下降区域主要分布在流域中游.
（4）涉及水电开发区的子流域土地利用、景观格局和水电开发因素变化明显. ΔCESI受到水电开发前后气候、土地利用、景观格局和水电开发因素变化的综合影响. 年平均降水量和水体斑块密度变化是ΔCESI的主要驱动因素, 贡献率分别为89.4%和3.2%. 林地面积变化对ΔCESI产生负影响作用；耕地和水体斑块密度变化对ΔCESI有负影响作用, 未利用地斑块密度和建设用地聚集度变化对ΔCESI具有促进作用；ΔGDP对ΔCESI有促进作用, 这表明水电开发不一定对生态系统服务功能产生负的影响作用.
（5）持续热点和持续冷点区域分布在流域干流附近. 结合冷热点分析和驱动机制, 针对人类可调控的因素提出了水电开发区改善和保护生态系统服务功能的可能路径.
| [1] |
赵震宇, 姚舜, 杨朔鹏, 等. "双碳"目标下: 中国CCUS发展现状、存在问题及建议[J]. 环境科学, 2023, 44(2): 1128-1138. Zhao Z Y, Yao S, Yang S P, et al. Under goals of carbon peaking and carbon neutrality: status, problems, and suggestions of CCUS in China[J]. Environmental Science, 2023, 44(2): 1128-1138. |
| [2] | Wan H, Xie Y L, Li B, et al. An integrated method to identify and evaluate the impact of hydropower development on terrestrial ecosystem[J]. Environmental Impact Assessment Review, 2023, 99. DOI:10.1016/j.eiar.2023.107042 |
| [3] | Hatamkhani A, Moridi A, Haghighi A T. Incorporating ecosystem services value into the optimal development of hydropower projects[J]. Renewable Energy, 2023, 203: 495-505. DOI:10.1016/j.renene.2022.12.078 |
| [4] |
陈洋, 王玮, 罗龙海, 等. 金沙江干热河谷地带大型水电工程建设区水土流失防治措施探讨——以白鹤滩水电站为例[J]. 水电与新能源, 2018, 32(1): 68-71, 78. Chen Y, Wang W, Luo L H, et al. Soil erosion prevention and control measures for construction area of large-scale hydropower project in dry and hot valley zone of Jinsha River-A case study of Baihetan hydropower station[J]. Hydropower and New Energy, 2018, 32(1): 68-71, 78. |
| [5] |
孙然好, 何晓银, 孙龙, 等. 流域水电开发对干热河谷社会-生态系统的影响及意义[J]. 生态学报, 2023, 43(14): 5639-5647. Sun R H, He X Y, Sun L, et al. Impacts of watershed hydropower development on social-ecological systems in hot-dry valleys[J]. Acta Ecologica Sinica, 2023, 43(14): 5639-5647. |
| [6] |
赵文娟, 杨世龙, 徐蕊. 元江干热河谷地区生计资本对农户生计策略选择的影响——以新平县为例[J]. 中国人口·资源与环境, 2015, 25(S11): 162-165. Zhao W J, Yang S L, Xu R. The impact of farmer's livelihood capital on livelihood strategy: case study in Xinping County of Yuanjiang dry-hot valley[J]. China Population, Resources and Environment, 2015, 25(S11): 162-165. |
| [7] | 孔令强, 施国庆, 张峻荣. 金沙江中下游水能资源开发与农村移民安置[J]. 人民长江, 2007, 38(5): 104-107. |
| [8] |
贾建辉, 陈建耀, 龙晓君, 等. 水电开发对河流生态系统服务的效应评估与时空变化特征分析——以武江干流为例[J]. 自然资源学报, 2020, 35(9): 2163-2176. Jia J H, Chen J Y, Long X J, et al. Evaluating the cumulative impacts of the hydropower development on the river ecosystem services in terms of spatial and temporal aspects: a case study in the mainstream of the Wujiang River[J]. Journal of Natural Resources, 2020, 35(9): 2163-2176. |
| [9] |
赵旭, 王浩, 赵志龙, 等. 金沙江下游梯级水电工程库区生态系统服务价值演化及权衡协同关系[J]. 生态与农村环境学报, 2024, 40(1): 44-54. Zhao X, Wang H, Zhao Z L, et al. Evolution and tradeoff/synergy relationship of ecosystem services value in cascade hydropower project reservoir area of the lower reaches of Jinsha River[J]. Journal of Ecology and Rural Environment, 2024, 40(1): 44-54. |
| [10] | Rai A, Zangpo D, Feuerbacher A. Land cover changes and hydropower in Bhutan: analyzing trade-offs in economic and ecosystem impacts[J]. Energy for Sustainable Development, 2024, 78. DOI:10.1016/j.esd.2023.101371 |
| [11] |
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. |
| [12] |
李慧杰, 李婉婷, 王兵, 等. 宁夏贺兰山国家级自然保护区生态系统服务功能评估[J]. 林业资源管理, 2024(1): 25-33. Li H J, Li W T, Wang B, et al. Assessment of ecosystem services in Helan Mountain National Nature Reserve in Ningxia[J]. Forest Resources Management, 2024(1): 25-33. |
| [13] | Redhead J W, Stratford C, Sharps K, et al. Empirical validation of the InVEST water yield ecosystem service model at a national scale[J]. Science of the Total Environment, 2016, 569-570: 1418-1426. DOI:10.1016/j.scitotenv.2016.06.227 |
| [14] | Veerkamp C J, Loreti M, Benavidez R, et al. Comparing three spatial modeling tools for assessing urban ecosystem services[J]. Ecosystem Services, 2023, 59. DOI:10.1016/j.ecoser.2022.101500 |
| [15] |
余昊轩, 汤江龙, 陈荣清. 湖北省生态系统服务供需时空演变特征及其多尺度的空间平衡与匹配分析[J]. 环境科学, 2024, 45(11): 6477-6488. Yu H X, Tang J L, Chen R Q. Spatiotemporal evolution characteristics and multi-scale spatial balance and matching analysis of ecosystem service supply and demand in Hubei Province[J]. Environmental Science, 2024, 45(11): 6477-6488. |
| [16] |
肖玖军, 吴凯, 张蓝月, 等. 云贵高原岩溶区生态系统服务功能重要性空间分异研究[J]. 水土保持通报, 2022, 42(6): 332-342. Xiao J J, Wu K, Zhang L Y, et al. Spatial differentiation of importance of ecosystem services in karst area of Yunnan-Guizhou Plateau[J]. Bulletin of Soil and Water Conservation, 2022, 42(6): 332-342. |
| [17] | Liu Z Y, Chang Y H, Pan S Q, et al. Unfolding the spatial spillover effect of urbanization on composite ecosystem services: a case study in cities of Yellow River Basin[J]. Ecological Indicators, 2024, 158. DOI:10.1016/j.ecolind.2023.111521 |
| [18] |
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. |
| [19] |
陈谋会, 林泽北, 周学霞, 等. 基于InVEST的黔中喀斯特山地城市贵阳市生态系统服务评估[J]. 贵州林业科技, 2022, 50(3): 56-61, 22. Chen M H, Lin Z B, Zhou X X, et al. An evaluation of karst mountainous ecosystem services based on InVEST model in Guiyang[J]. Guizhou Forestry Science and Technology, 2022, 50(3): 56-61, 22. |
| [20] | Wu L L, Fan F L. Assessment of ecosystem services in new perspective: a comprehensive ecosystem service index (CESI) as a proxy to integrate multiple ecosystem services[J]. Ecological Indicators, 2022, 138. DOI:10.1016/j.ecolind.2022.108800 |
| [21] | Lin Y M, Cui P, Ge Y G, et al. The succession characteristics of soil erosion during different vegetation succession stages in dry-hot river valley of Jinsha River, upper reaches of Yangtze River[J]. Ecological Engineering, 2014, 62: 13-26. DOI:10.1016/j.ecoleng.2013.10.020 |
| [22] |
尹功明, 魏传义, 王躲, 等. 青藏高原东南缘河谷堆积物的复杂性: 以金沙江中游为例[J]. 第四纪研究, 2022, 42(3): 797-808. Yin G M, Wei C Y, Wang D, et al. The multiple formation mechanism of the flu-lacustrine sediment in the southeast Tibetan Plateau: an example from the middle Jinsha River[J]. Quaternary Sciences, 2022, 42(3): 797-808. |
| [23] |
程清平, 任钇潼, 金韩宇. 金沙江流域1961-2020年干湿日时空演变特征分析[J]. 中国水土保持科学, 2024, 22(1): 42-51. Cheng Q P, Ren Y T, Jin H Y. Analysis of the spatio-temporal evolution characteristics of dry and wet days in the Jinsha River watershed from 1961 to 2020[J]. Science of Soil and Water Conservation, 2024, 22(1): 42-51. |
| [24] |
张顾萍, 陈国民, 邵怀勇, 等. 近16年金沙江流域植被覆盖时空特征及其对气候的响应[J]. 长江流域资源与环境, 2021, 30(7): 1638-1648. Zhang G P, Chen G M, Shao H Y, et al. Spatial-temporal characteristics of vegetation coverage and its response to climate from 2000 to 2015 in Jinsha River Basin, China[J]. Resources and Environment in the Yangtze Basin, 2021, 30(7): 1638-1648. |
| [25] |
郑亚平, 张俊华, 田惠文, 等. 大别山区生境质量时空特征及自然-人为因素驱动机制[J]. 环境科学, 2024, 45(4): 2268-2279. Zheng Y P, Zhang J H, Tian H W, et al. Spatio-temporal characteristics of habitat quality and natural-human driven mechanism in Dabie Mountain area[J]. Environmental Science, 2024, 45(4): 2268-2279. |
| [26] | Ma X N, Zhang P, Yang L W, et al. Assessing the relative contributions, combined effects and multiscale uncertainty of future land use and climate change on water-related ecosystem services in southwest China using a novel integrated modelling framework[J]. Sustainable Cities and Society, 2024, 106. DOI:10.1016/j.scs.2024.105400 |
| [27] | Li K M, Cao J J, Adamowski J F, et al. Assessing the effects of ecological engineering on spatiotemporal dynamics of carbon storage from 2000 to 2016 in the Loess Plateau area using the InVEST model: a case study in Huining County, China[J]. Environmental Development, 2021, 39. DOI:10.1016/j.envdev.2021.100641 |
| [28] | 孔德豪, 薄征, 王军红, 等. 汉江流域生境质量时空变化特征及驱动力分析——以陕西段为例[J]. 农业与技术, 2024, 44(7): 86-92. |
| [29] | Sabater-Liesa L, Ginebreda A, Barceló D. Shifts of environmental and phytoplankton variables in a regulated river: a spatial-driven analysis[J]. Science of the Total Environment, 2018, 642: 968-978. DOI:10.1016/j.scitotenv.2018.06.096 |
| [30] | Getis A, Ord J K. The analysis of spatial association by use of distance statistics[J]. Geographical Analysis, 1992, 24(3): 189-206. DOI:10.1111/j.1538-4632.1992.tb00261.x |
| [31] | Hou L, Wu F Q, Xie X L. The spatial characteristics and relationships between landscape pattern and ecosystem service value along an urban-rural gradient in Xi'an City, China[J]. Ecological Indicators, 2020, 108. DOI:10.1016/j.ecolind.2019.105720 |
| [32] | Zhang X, Zhang G S, Long X, et al. Identifying the drivers of water yield ecosystem service: a case study in the Yangtze River Basin, China[J]. Ecological Indicators, 2021, 132. DOI:10.1016/j.ecolind.2021.108304 |
| [33] |
李荣杰, 李惠梅, 武非非, 等. 青海湖流域生态系统服务空间分异规律及驱动力研究[J]. 生态环境学报, 2024, 33(2): 301-309. Li R J, Li H M, Wu F F, et al. Study on the spatial differentiation pattern and driving force of ecosystem services in Qinghai Lake Basin[J]. Ecology and Environmental Sciences, 2024, 33(2): 301-309. |
| [34] | Yang H W. The case for being automatic: introducing the automatic linear modeling (LINEAR) procedure in SPSS statistics[J]. Automatic Linear Modeling, 2013, 39(2): 27-37. |
| [35] |
卢荡, 魏伟, 王继平, 等. 重要生态功能区干旱时空演变特征及对关键资源的影响: 以黄河流域为例[J]. 环境科学, 2024, 45(6): 3352-3362. Lu D, Wei W, Wang J P, et al. Spatio-temporal evolution of drought and its impact on key resources in the important ecological functional area: a case study in the Yellow River Basin[J]. Environmental Science, 2024, 45(6): 3352-3362. |
| [36] |
何刘洁, 郑博福, 万炜, 等. 长江经济带生态系统服务权衡与协同及其驱动因素[J]. 环境科学, 2024, 45(6): 3318-3328. He L J, Zheng B F, Wan B, et al. Trade-off and synergy of ecosystem services in the Yangtze River Economic Belt and its driving factors[J]. Environmental Science, 2024, 45(6): 3318-3328. |
| [37] |
潘翔, 石培基, 吴娜. 基于生态系统服务均衡性视角的生态风险评估及管控优先区识别——以兰州市为例[J]. 环境科学学报, 2020, 40(2): 724-733. Pan X, Shi P J, Wu N. Ecological risk assessment and identification of priority areas for management and control based on the perspective of ecosystem services equilibrium: a case study of Lanzhou[J]. Acta Scientiae Circumstantiae, 2020, 40(2): 724-733. |
| [38] | Gomes L C, Bianchi F J J A, Cardoso I M, et al. Disentangling the historic and future impacts of land use changes and climate variability on the hydrology of a mountain region in Brazil[J]. Journal of Hydrology, 2021, 594. DOI:10.1016/j.jhydrol.2020.125650 |
| [39] |
许振柱, 周广胜, 王玉辉. 草原生态系统对气候变化和CO2浓度升高的响应[J]. 应用气象学报, 2005, 16(3): 385-395. Xu Z Z, Zhou G S, Wang Y H. Responses of grassland ecosystem to CO2 enrichment and climate change[J]. Journal of Applied Meteorological Science, 2005, 16(3): 385-395. |
| [40] | Lang Y Q, Song W, Zhang Y. Responses of the water-yield ecosystem service to climate and land use change in Sancha River Basin, China[J]. Physics and Chemistry of the Earth, 2017, 101: 102-111. |
| [41] |
张宏思, 陈之光, 张翔, 等. 1977-2017年三江源区植被固碳量及影响因素评估[J]. 南开大学学报(自然科学版), 2021, 54(4): 87-100, 107. Zhang H S, Chen Z G, Zhang X, et al. Evaluation of carbon sequestration by vegetation and its influencing factors from 1977 to 2017 in the Three-River Source Region[J]. Acta Scientiarum Naturalium Universitatis Nankaiensis, 2021, 54(4): 87-100, 107. |
| [42] |
朱战强, 刘黎明, 张军连. 退耕还林对宁南黄土丘陵区景观格局的影响——以中庄村典型小流域为例[J]. 生态学报, 2010, 30(1): 146-154. Zhu Z Q, Liu L M, Zhang J L, et al. Impact of grain for green project on landscape pattern in hilly loess region in Southern Ningxia: landscape evolution process assessment of Zhong-zhuang-cun small watershed in 1993-2005[J]. Acta Ecologica Sinica, 2010, 30(1): 146-154. |
| [43] | Fan J L, Zhou W L, Ding Z X, et al. The substantial impacts of carbon capture and storage technology policies on climate change mitigation pathways in China[J]. Global Environmental Change, 2024, 86. DOI:10.1016/j.gloenvcha.2024.102847 |
| [44] | Zhang X M, Wan W Q, Fan H B, et al. Temporal and spatial responses of landscape patterns to habitat quality changes in the Poyang Lake region, China[J]. Journal for Nature Conservation, 2024, 77. DOI:10.1016/j.jnc.2023.126546 |
| [45] | Suriya S, Mudgal B V. Impact of urbanization on flooding: the Thirusoolam sub watershed-A case study[J]. Journal of Hydrology, 2012, 412-413: 210-219. |
| [46] |
周睿萌, 雷振, 唐文哲. 水电建设对地方经济发展影响实证研究——以云南省永善县溪洛渡水电站为例[J]. 水利经济, 2015, 33(5): 43-47. Zhou R M, Lei Z, Tang W Z. Empirical study on effect of hydropower construction on development of regional economy: example of Xiluodu hydropower plant in Yongshan County of Yunnan Province[J]. Journal of Economics of Water Resources, 2015, 33(5): 43-47. |
| [47] |
李辉, 张晓媛, 国洪磊. 基于土地利用的三峡库区近30年生态系统服务价值时空变化特征[J]. 水土保持研究, 2021, 28(2): 309-318. Li H, Zhang X Y, Guo H L. Spatial and temporal changes of ecosystem service value in the three gorges reservoir area in the past 30 years based on land use[J]. Research of Soil and Water Conservation, 2021, 28(2): 309-318. |