2025, Vol. 46
2. 四川省甘孜生态环境监测中心站，康定 626000
2. Sichuan Garzê Ecological Environment Monitoring Centre Station, Kangding 626000, China
生态系统服务是人类直接或间接从生态系统中获取的惠益, 例如水源涵养、土壤保持和碳储量等服务, 以上都是人类生存和发展的基础[1]. 其中, 水源涵养作为重要的生态系统服务, 在拦蓄降水、滞洪补枯和径流调节等方面发挥着关键作用[2], 土壤保持作为生态系统调控服务是防止土地退化, 降低洪涝灾害风险的重要保障[3], 碳储量服务作为生态系统调节服务, 对吸收CO2等温室气体和促进区域碳循环平衡等起到重要作用[4]. 随着全球气候变化以及人类活动所带来的环境压力日益加剧, 全球生态系统服务受到巨大的影响, 出现水源涵养减少、土壤侵蚀加剧和碳储量下降等一系列问题[5], 尤其是典型高寒生态脆弱区受到显著影响. 典型高寒生态脆弱区是海拔高气候严寒, 生态过程脆弱敏感易受外界影响且自身恢复能力弱的地理区域[6], 该区域往往又与水源地、碳汇和生物资源等重要自然资源紧密关联, 因此, 对该类区域的生态系统服务进行综合评估能够有效地提升生态系统服务质量和维持可持续发展.
目前, 生态系统服务的评估可以分为能值评估法、价值量评估法和物质量评估法这三大类[7]. 国内外学者更侧重物质量评估法, 对水源涵养量、土壤保持量和碳储量的评估做了深入研究. 水源涵养评估方法包括水文模型法和水文法这2类[8]. 常见水文模型法有SWAT模型、InVEST模型和ARIES模型等, 水文法主要包括林冠截留量法、综合储水法、水量平衡法和降水蓄水法等[9]. 其中水文模型法存在准确性不足、操作复杂和参数不易获取等问题, 例如InVEST模型操作复杂, 所需数据不易获取且侧重于核算流域的水源涵养量, 如英国小流域[10]、威拉米特河流[11]、黄河流域[12]和青海湖[13]等区域的水源涵养量. 而水量平衡法基于系统整体性原理, 着眼于水量的输入和输出, 只需降水量、蒸散量和径流量这3类数据即可估算, 简单易操作, 准确度高并且适用于不同时空尺度, 是一种使用广泛的方法[14]. 例如, 学者们采用水源平衡法对青藏高原[14]、横断山区[15]、沁河流域[16]和陕西省[17]等不同地区的水源涵养服务进行了评估分析, 均取得较好的效果. 土壤保持服务通常采用遥感技术、机制模型等评估方法, Olorunfemi等[18]利用遥感技术评估印度西南部的Nethravathi盆地的土壤保持空间分布特征. 随着“3S”技术在生态系统服务评估中进一步应用与发展, 涌现出了众多土壤保持评估模型, 如RUSLE模型的数据需求相对明确且易于获取、可操作性强和适用范围广, 在诸多地区得到验证和应用, 具有较高的可靠性和普适性[19]. 如学者们采用RUSLE模型评估了澜沧江-湄公河[20]、青藏高原[21]和黄河中游地区[22]的土壤保持量, 深入分析了土壤保持量的空间分布特征. 目前学者们对陆地碳储量也开展了大量研究, 分别在宏观尺度（全球、全国和城市群）、中观尺度（流域和省）和微观尺度（区县和地块）上进行了评估[23], 评估方法主要有实地调查法、遥感反演法和模型模拟法（InVEST[24]、DNDC[25]和CENTURY[26]）. 其中, 实地调查法需要大量实测数据, 工作量繁重[24], 遥感反演法应用范围小, 仅适用于植被碳储量估算[27], 模型模拟法可以有效评估和预测不同尺度下的生态系统碳储量. InVEST模型碳储量模块操作简单、功能齐全且需求数据明确, 成为目前应用最为广泛的碳储量估算模型. 如Hernandez-Guzmán等[28]、Li等[29]和段绪萌等[30]利用InVEST模型评估了在长时间序列下不同区域的碳储量动态变化及其分布特征.
甘孜藏族自治州（甘孜州）孜具有典型严寒和高海拔特征且拥有丰富的自然资源, 是长江和黄河上游重要的生态安全屏障[31]. 目前对甘孜州生态系统服务综合评估及其分级分区的研究仍显不足, 无法有效支撑该地区的生态环境保护与修复. 加之受地质灾害和气候变化等自然因素以及城市扩张和过度放牧等人为因素的双重胁迫的影响, 甘孜州出现诸多环境问题（草场退化和水土流失加剧等）, 这也为该区域的生态系统服务综合评估提出了更高要求. 目前研究对甘孜州生态系统服务评估采用价值量评估方法[31]对单一或多种生态系统服务价值进行评估, 然而价值量评估法属于静态评估方法, 不能描述该区域生态系统服务演化过程. 也有研究采用物质量法[32]对单一生态系统服务进行评估, 该方法忽视了各生态系统服务之间的相互作用关系. 为了弥补上述的不足, 本文基于“水-土-碳”动态耦合关系构建累加-累乘的生态系统服务综合评估模型, 从行政单元-格网双尺度对2000~2020年甘孜州生态系统服务进行定量评估, 揭示生态系统服务的时空分布特征和相互作用关系, 并根据研究结果与该区域面临的环境问题提出相应对策与建议, 以期为甘孜州生态系统服务可持续发展提供理论依据与技术支持, 对其他类似高寒生态脆弱区生态系统服务综合评估提供参考.
1 材料与方法 1.1 研究区概况甘孜州位于四川省西北部, 地理坐标介于97°22'~102°29'E, 27°58'~34°20'N（图 1）, 甘孜州辖1个县级市和17个县, 总面积达15.3万km2. 该区域与西藏自治区、青海省以及云南省相邻, 位于青藏高原生态屏障和黄土高原-川滇森林及生物多样性国家重点生态功能区之间. 地形地貌特点为北高南低, 中部突起, 平均海拔3 500 m, 气候特点为气温低、冬季长和降水少. 甘孜州作为长江和黄河上游重要的生态屏障, 提供了丰富的水源涵养、土壤保持和碳储存等生态系统服务. 金沙江、雅砻江和大渡河等大江大河均流经此地, 为长江-黄河流域提供稳定的水资源. 土壤类型呈多样化, 主要包括山地棕壤、暗棕壤、高山草甸土和沼泽土等, 土地利用类型以草地（50.38%）和林地（33.70%）为主. 该区域生态环境脆弱, 对全球气候变化和人类活动干扰极为敏感, 在自然和人为因素的双重胁迫下易产生草原退化、水土流失和生物多样性丧失等生态问题.
|
图 1 研究区概况 Fig. 1 Overview of the study area |
本研究所使用的数据包括气象数据、土壤侵蚀因子数据、土地利用数据和甘孜州行政区划等, 除K因子、LS因子、P因子、DEM数据和甘孜州行政区划数据外, 其他数据年份均为2000年、2005年、2010年、2015年和2020年5期数据, 具体数据细节见表 1.
|
表 1 数据类型及来源1） Table 1 Data types and sources |
1.3 研究方法 1.3.1 水源涵养量估算
水量平衡法是将生态系统视为一个“黑箱”, 以水量的输入和输出为着眼点, 不考虑其内部水量的变化, 将降水量减去蒸散量及地表径流量的剩余量视为水源涵养量[35]. 参考国内外研究现状以及研究区特点, 采用水量平衡法估算甘孜州水源涵养量. 公式如下：
|
(1) |
|
(2) |
|
(3) |
式中, Wi为栅格i的年水源涵养量（mm）；Yi为栅格i的年产水量（mm）；Ri为栅格i的地表径流量（mm）；Pi为栅格i的年降水量（mm）；ETi为栅格i的年蒸散发量（mm）；Xi为栅格i的地表径流系数. 地表径流量通过降水量乘以地表径流系数得到, 本研究通过查阅资料[33]并结合研究区实际情况确定地表径流系数（表 2）.
|
|
表 2 不同土地利用类型地表径流系数1） Table 2 Surface runoff coefficients for individual land use types |
1.3.2 土壤保持量计算
修正通用土壤流失方程（RUSLE）是美国农业部在1997年对通用土壤流失方程（USLE）进行因子含义与算法的修订得出的[36], 是目前应用最广泛的一种土壤侵蚀模型, 该模型通过计算出潜在土壤侵蚀量和实际土壤侵蚀量的差值得到土壤保持量[37]. 因此, 本文采用RUSLE模型计算甘孜州土壤保持量, 计算公式如下：
|
(4) |
|
(5) |
|
(6) |
式中, AC为土壤保持量[t·（hm2·a）-1]；Ap为潜在土壤侵蚀量[t·（hm2·a）-1]；Ar为实际土壤侵蚀量[t·（hm2·a）-1]；R为降雨侵蚀因子[（MJ·mm）·（hm2·h·a）-1]；K为土壤可侵蚀性因子[t·h·（MJ·mm）-1]；LS为坡长因子和坡度因子, 无量纲；C为植被覆盖与管理因子, 无量纲；P为水土保持措施因子, 无量纲.
1.3.3 碳储量核算InVEST模型是生态系统服务和权衡的综合评估模型, 它包含一系列子模型, 其中碳储存和碳封存模块用于评估陆地生态系统的碳储量. 该模块包含4种类型的碳库：地上植被碳库、地下植被碳库、土壤碳库和死亡有机碳库[38]. 参考相关研究[39], 对甘孜州各土地利用类型碳储量进行了补充完善（表 3）, 再运用InVEST模型碳储存模块核算甘孜州的碳储量, 计算公式如下：
|
(7) |
|
(8) |
|
|
表 3 甘孜州不同土地利用类型碳储量/t·hm-2 Table 3 Carbon density of different land use types in Garzê Tibetan Autonomous Prefecture/t·hm-2 |
式中, i为土地利用类型；Ci为第i种土地利用类型的碳储量（t·hm-2）；Ci-above为第i种土地利用类型的地上植物碳储量（t·hm-2）；Ci-below为第i种土地利用类型的地下植物碳储量（t·hm-2）；Ci-soil为第i种土地利用类型的土壤有机质碳储量（t·hm-2）；Ci-dead为第i种土地利用类型的死亡有机质碳储量（t·hm-2）；Ctotal为总的碳储量（t）；Ai为第i种土地利用类型的面积（hm2）.
1.3.4 空间自相关分析空间自相关分析主要研究地理要素之间相关性和空间异质性, 包括全局和局部空间自相关[40]. 本研究借助全局Moran's I和局部Moran's I并结合LISA图来量化生态系统服务的整体相关性和局部聚集性. 首先在行政单元空间尺度上探究单一生态系统服务的空间自相关性, 然后从行政单元-格网双尺度下进一步探究各生态系统服务之间的空间自相关性以及更精细化的分布特征, 结合课题组相关研究成果[41], 本文均采用10 km×10 km正六边形格网为计算单元. 计算公式如下：
|
(9) |
|
(10) |
式中, I和Ii分别为全局和局部空间自相关莫兰指数；xi和xj为第i和第j个评价单元的生态系统服务观测值, xa为观测值的均值；n为研究尺度上生态系统服务评价单元总个数；Wij为评价单元i和j之间的空间权重矩阵. 全局Moran's I取值在（-1, 1）之间, 小于0表示负相关, 等于0表示不相关, 大于0表示正相关. 生态系统服务空间单元的聚集特征分为高-高、低-低、高-低、低-高这4种聚集.
1.3.5 生态系统服务综合评估基于“水-土-碳”动态耦合关系, 构建累加-累乘的综合评估模型. 该模型能够使不同类别的生态系统服务在无量纲的基础上进行整合从而消除量纲带来的影响[42], 也能够避免过度关注1种生态系统服务而忽视其他服务的影响, 有助于识别关键生态保护区和修复区, 为政策制定和环境管理提供依据. 该方法首先采用最小-最大归一化将3种生态系统服务都标准化到区间[0, 1], 然后将3种归一化的生态系统服务进行累加和累乘, 从而得出生态系统服务综合评估得分. 具体计算公式如下：
|
(11) |
|
(12) |
|
(13) |
|
(14) |
|
(15) |
式中, X1、X2和X3分别为水源涵养、土壤保持和碳储量归一化值；xw、xs和xc分别为水源涵养量、土壤保持量和碳储量；S1为基于归一化的累加值；S2为基于归一化的累乘值.
2 结果与分析 2.1 生态系统服务时间变化特征2000~2020年, 甘孜州生态系统服务量如表 4所示. 水源涵养量呈“先减少后增加”的变化趋势, 其总体波动特征较为明显, 主要受降水的影响, 区域水源涵养量随降水量变化而变化. 近20 a水源涵养总量增加了224.22亿m3, 增幅约48.15%, 最大值出现在2020年, 其值为689.89亿m3, 最小值出现在2015年, 其值为264.91亿m3. 其中2005~2010年水源涵养量减少最多, 减少了106.84亿m3, 2015~2020年水源涵养量增加显著, 增加了424.98亿m3, 主要与该时期降水量的变化密切相关. 土壤保持量呈“先增后减再增”的趋势, 近20 a总量减少了0.255亿t, 降幅约7.82%, 最大值出现在2005年, 其值为3.265亿t, 最小值出现在2010年, 其值为2.508亿t. 其中2005~2010年土壤保持量减少明显, 减少了0.757亿t, 由于气候变化和人类过度放牧, 导致土壤退化, 侵蚀加剧, 土壤保持量急剧下降；2010~2015年增加显著, 增加了0.475亿t, 主要与该时期采取植树造林等保护措施提高了土壤保持量有关. 碳储量同样呈“先增后减再增”的变化趋势, 总体变化相对较小, 近20 a总量增加了0.41亿t, 增幅为0.97%, 最大值出现在2020年, 其值为41.97亿t, 最小值出现在2000年, 其值为41.56亿t. 2010~2015年碳储量减少0.01亿t, 2015~2020年增加较多, 增加了0.38亿t, 主要原因是该时期甘孜州大力实施植树造林、退牧还林还草等措施, 提升植被覆盖度从而增加碳储量.
|
|
表 4 2000~2020年甘孜州各生态系统服务量 Table 4 Total ecosystem services in Garzê Tibetan Autonomous Prefecture from 2000 to 2020 |
2.2 生态系统服务空间变化特征
2000~2020年甘孜州生态系统服务分布格局具有相似性, 因此本研究以2020年为例进行分析, 生态系统服务空间分布如图 2所示.水源涵养量在行政单元尺度上均值呈自南向北递增的趋势, 高值区主要集中在色达县和甘孜县, 其值可达512.44 mm. 土壤保持量在行政单元尺度上均值呈西北向东南逐渐增加的趋势, 泸定县和九龙县为主要高值区域, 其值可达3 438.25 t·hm-2. 碳储量在行政单元尺度上呈从北向南逐渐增加的趋势, 具有显著的空间差异性, 高值区域主要分布在得荣县、乡城县和九龙县, 其值可达34 658.28 t·km-2.
|
图 2 2020年行政单元尺度下生态系统服务空间分布 Fig. 2 Spatial distribution of ecosystem services at the administrative unit scale in 2020 |
2000~2020年甘孜州生态系统服务空间变化如图 3所示, 水源涵养生态系统服务行政单元均值变化呈“先减少后增加”的趋势, 其中2000~2010年水源涵养能力大部分区域减少, 减少较多的区域主要集中在新龙县和雅江县, 减少量最多可达88.62 mm, 得荣县出现少量增加, 增加量最多可达3.54 mm. 2010~2020年水源涵养能力出现大幅增加, 与2000~2010期间恰恰相反, 增加较多的区域分布色达县和甘孜县, 增加最高可达289.20 mm. 土壤保持均值变化与水源涵养的变化趋势相似, 2000~2010年期间, 大部分区域土壤保持的变化量减少, 减少量最多可达1 103.18 t·hm-2, 自东南部向西北变化量逐渐减少, 石渠县和色达县出现少量增加, 增加量最多可达159.68 t·hm-2. 2010~2020年则呈现大部分区域增加, 增加显著的区域主要分布在泸定县和九龙县, 增加量最多可达898.24 t·hm-2. 碳储量生态系统服务行政单元尺度上的平均变化量呈现持续增加的趋势, 其中2000~2010年大部分区域碳储量增加, 增加显著区域主要集中在道孚县和雅江县, 增加量最多可达153.00 t·km-2. 2010~2020年期间行政单元的平均碳储量变化显著, 理塘县、新龙县和道孚县增加量最多, 增加了1 829.51 t·km-2, 而稻城县和得荣县减少最多, 减少了4 008.92 t·km-2.
|
图 3 2000~2020年行政单元尺度下生态系统服务时空变化 Fig. 3 Temporal and spatial changes of ecosystem services at the administrative unit scale from 2000 to 2020 |
2000~2020年甘孜州各生态系统服务的全局Moran's I在行政单元空间尺度上均为正值（表 5）, 表现为空间正相关. 其中水源涵养的全局Moran's I呈现波动变化, 最大值出现在2005年, 其值为0.482, 最小值出现在2020年, 其值为0.284, 相关性逐年减少. 土壤保持的全局Moran's I呈现波动变化, 最大值出现在2000年, 其值为0.614, 最小值出现在2005年, 其值为0.392. 碳储量全局Moran's I在小范围波动变化, 最大值出现在2000年, 其值为0.114, 最小值出现在2010和2020年, 其值为0.020. 空间上生态系统服务均表现出较强的异质性（图 5）, 其中2020年甘孜州水源涵养生态系统服务高-高聚集主要分布在色达县、炉霍县和甘孜县, 高-低聚集主要分布在康定市, 空间聚集特征明显. 土壤保持的高-高聚集主要分布在康定市, 低-低聚集分布在德格县、甘孜县、巴塘县和乡城县. 碳储量的高-低聚集分布在德格县, 低-低聚集分布在甘孜县, 低-高聚集分布在康定市.
|
|
表 5 2000~2020年甘孜州生态系统服务的Moran's I1） Table 5 Moran's I of ecosystem services in Garzê Tibetan Autonomous Prefecture from 2000 to 2020 |
|
图 4 2020年行政单元尺度下生态系统服务空间局部聚类分布 Fig. 4 Spatial clustering distribution of ecosystem services at the administrative unit scale in 2020 |
|
图 5 2020年行政单元尺度下的各生态系统服务间的局部聚类分布 Fig. 5 Local clustering distribution among ecosystem services at the administrative unit scale in 2020 |
为了进一步探究多种生态系统服务之间的空间自相关特征以及更精细化的分布特征, 从行政单元-格网双尺度下分析各生态系统服务之间的空间自相关性和聚集程度, 识别高-高聚集的生态保护区和低-低聚集的生态修复区. 行政单元空间尺度下, 水源涵养-土壤保持和水源涵养-碳储量的全局Moran's I分别是-0.337和-0.125（表 6）, 在空间上表现为负相关, 呈相互抑制的权衡关系. 前者局部聚集的低-低聚集分布在巴塘县和乡城县, 高-高聚集分布在康定市, 后者的高-高聚集也分布在康定市（图 5）. 而碳储存-土壤保持的全局Moran's I为0.187, 为正值, 在空间上表现为正相关, 呈相互促进的协同关系. 低-低聚集分布在甘孜县和巴塘县. 在格网尺度下, 水源涵养-土壤保持、水源涵养-碳储量的全局Moran's I分别是-0.336、-0.249（表 6）, 在空间上表现为负相关, 高-高聚集分别在在东南部、中部, 低-低聚集分别在西北部、西南部（图 6）. 碳储量-土壤保持的Moran's I为0.336, 在空间上表现为较强的正相关, 高-高聚集分布在东南部, 低-低聚集分布在西北部.
|
|
表 6 2020年甘孜州生态系统服务间的Moran's I1） Table 6 Moran's I among ecosystem services in Garzê Tibetan Autonomous Prefecture in 2020 |
|
图 6 2020年格网尺度下的各生态系统服务间的局部聚类分布 Fig. 6 Local clustering distribution among ecosystem services at the grid scale in 2020 |
行政单元尺度下, 2000~2020年基于累加法的生态系统服务的综合评估结果如图 7所示, 其值范围在0~3.00之间. 时间尺度上, 甘孜州生态系统服务综合评估平均得分呈“先增大后减小再增大”的波动趋势（表 7）, 最大值出现在2020年, 其值为1.240, 最小值出现在2010年, 其值为0.895. 空间尺度上, 呈现“西北低东南高”的分布格局, 低值主要集中在石渠县, 其值在0~0.50, 而高值主要集中在九龙县, 其值为2.51~3.00. 基于累乘法的结果如图 8所示, 其值在0~0.80之间, 时间尺度上, 生态系统服务综合评估平均得分呈“先减小后增大再减小”的波动趋势, 最大值出现在2000年, 其值为0.085, 最小值出现在2010年, 其值为0.064. 空间尺度上, 呈现“西北低东南高”的分布格局, 低值区主要分布在西北部的大部分区县, 其值均在0~0.10, 而高值集中在九龙县, 其值在0.71~0.80.
|
图 7 2000~2020年行政单元尺度下基于累加法的生态系统服务综合评估空间分布 Fig. 7 Spatial distribution of ecosystem services comprehensive assessment based on summation method at the administrative unit scale from 2000 to 2020 |
|
|
表 7 2000~2020年甘孜州生态系统服务综合得分均值1） Table 7 Average scores of ecosystem services in Garzê Tibetan Autonomous Prefecture from 2000 to 2020 |
|
图 8 2000~2020年行政单元尺度下基于累乘法的生态系统服务综合评估空间分布 Fig. 8 Spatial distribution of ecosystem services comprehensive assessment based on multiplication at the administrative unit scale from 2000 to 2020 |
格网尺度下, 2000~2020年基于累加法的生态系统服务综合评估结果如图 9所示, 时间尺度上, 甘孜州生态系统服务综合评估平均得分呈“先增大后减小再增大”的波动趋势（表 7）, 其得分最大值出现在2005年, 其值为1.546, 最小值出现在2010年, 其值为1.224. 空间尺度上, 综合得分呈现“西北低东南高”的分布格局, 低值主要集中在甘孜州的西北地区, 其值在0~0.50, 而高值区主要集中在东南部和中部, 其值为2.01~3.00. 基于累乘法结果如图 10所示, 时间尺度上, 生态系统服务综合评估平均得分的范围呈“先增大后减小再增大”的波动趋势. 最大值出现在2005年, 其值为0.133, 最小值出现在2015年, 其值为0.069. 空间尺度上, 甘孜州生态系统服务综合评估得分呈现“西北和中部低, 东南部高”的分布格局, 低值主要分布在甘孜州的西北地区, 其值在0~0.10, 而高值主要分布在东南部, 其值均大于0.40.
|
图 9 2000~2020年格网尺度下基于累加法的生态系统服务综合评估空间分布 Fig. 9 Spatial distribution of ecosystem services comprehensive assessment based on summation method at grid scale from 2000 to 2020 |
|
图 10 2000~2020年格网尺度下基于累乘法的生态系统服务综合评估空间分布 Fig. 10 Spatial distribution of ecosystem services comprehensive assessment based on multiplication at the grid scale from 2000 to 2020 |
2000~2020年甘孜州水源涵养增加了224.22亿m3, 增幅约48.15%（表 4）, Xue等[43]发现青藏高原水源涵养也呈增加趋势, 但该研究并没有深入分析水源涵养量在研究时期的过程变化. 本研究发现2000~2010年水源涵养量减少了107.95亿m3（表 4）, 主要原因是全球气候变化导致区域内降水量减少、蒸散量增加, 同时由于过度放牧导致草场退化, 进而导致地表水流失加快, 水源涵养能力降低、水源涵养量减少. 而2010~2020年增加了332.17亿m3（表 4）, 与气候变化可能会带来局部地区降水增多的现象有关, 尤其在青藏高原及周边地区, 降水增加和冰川消融加速从而增加了甘孜州水源涵养. 同时, 在该时期中国政府加大了对生态环境保护的力度, 甘孜州作为长江和黄河上游重要的生态屏障实施了退牧还草和植树造林等措施, 使其水源涵养量增加. 甘孜州水源涵养空间上呈“自西北向东南逐渐增大”的趋势（图 2）, 与降水量空间分布特征相似, 何秋琴等[44]和宁亚洲等[45]研究山西省和秦岭地区水源涵养服务影响因素得出降水量、蒸散量和土地利用类型是重要影响因素, 土地利用类型中林地和草地的水源涵养能力最强[16]. 甘孜州水源涵养高值区集中在色达县和甘孜县（图 2）, 这些区域降水量大, 又以林地和草地为主, 同时近几十年大力实施退耕还林还草措施提高了植被覆盖度, 因此形成水源涵养高值区.
近20 a土壤保持量减少了0.255亿t, 减少约7.81%（表 4）, Lu等[46]也得出青藏高原土壤保持呈减少趋势, 但该研究只探究了2000~2015年的土壤保持量的年际变化. 本研究指出2000~2010年期间土壤保持减少了0.753亿t（表 4）, 在此期间降水量下降减缓了高寒地区植被的生长导致其固土保水能力下降. 同时草地由于过度放牧出现沙化、盐渍化和生产力下降的现象, 不仅降低了土壤的生物多样性也减弱了土壤结构稳定性, 进而增强了土壤侵蚀导致土壤保持量减少. 而在2010~2020年土壤保持量增加了0.498亿t（表 4）, 一方面在该时期降水量增加促进植被的生长从而减少土壤流失, 另一方面甘孜州积极响应国家植树造林政策, 植被覆盖度得到显著提升, 土壤侵蚀减弱使其土壤保持量增加. 土壤保持量空间上也呈“西北低东南高”的分布（图 2）, 刘振坤等[37]和Lu等[46]研究了青藏高原土壤保持的影响因素, 发现降水量、土地利用类型、坡度和高程为主要因素, 土壤保持能力前三的土地利用类型为林地、耕地和草地. 土壤保持高值集中在泸定县和九龙县（图 2）, 该地区地形起伏相对较小, 森林覆盖面积大, 植被减弱了雨滴对土壤的溅蚀作用. 另一方面地面枯枝落叶层具有较强的持水能力, 能够截留和吸收地面的部分雨水[47], 从而减弱雨水对土壤的冲刷作用形成高值区.
近20 a碳储量呈现持续增加的趋势, 增加了0.41亿t（表 4）, 宋子衿[32]发现甘孜州碳储量呈增加趋势, 主要原因是中国政府加强了对生态保护区的建设和管理, 甘孜州作为我国首批“天保工程”试点州之一, 通过建立生态保护红线和自然保护区并采取封山育林、造林等措施实现了林地面积的大幅增长, 有助于提高森林覆盖率和植被质量从而增加陆地生态系统对二氧化碳的吸收和储存. 2020年碳储量总值达到41.97亿t（表 4）, 表明甘孜州是四川省重要的碳汇区, 在维持碳平衡方面具有重要作用, 彭文甫等[48]对四川省碳排放时空格局研究中也发现甘孜州的碳储量较高. 2020年碳储量空间上呈“西北低-东南高”的分布（图 2）, 主要原因是甘孜州东南部森林覆盖度高, 树木通过光合作用吸收二氧化碳并将其固定为生物量, 此外森林的土壤也储存了大量的有机碳, 形成碳储量高值区. 田梓祎等[49]研究塔里木河流域碳储量的驱动因素, 得出土地利用变化和植被覆盖指数是碳储量的主要影响因素, 林地和草地对碳储量贡献大. 近20 a甘孜州碳储量增幅较小的主要原因是甘孜州20 a间并未发生较大的土地利用变化[32].
3.2 生态系统服务空间异质性2000~2020年甘孜州水源涵养生态系统服务的全局Moran's I均为正值（表 5）, 表明水源涵养服务能力的强弱与其周围邻近地区的水源涵养服务之间存在着正向关联, 呈空间正相关, 吕明轩等[12]得出黄河流域水源涵养也呈空间正相关, 但该研究并没有从行政单元尺度探究其空间关系. 土壤保持全局Moran's I均为正值（表 5）, 刘乙淼等[50]得出长江流域土壤保持的全局Moran's I也为正值, 但并没有在长时间序列下探究其空间自相关特征. 碳储量全局Moran's I为正值, 但全局Moran's I相对较小（表 5）, 主要原因是甘孜州以草地与林地为主分布相对均匀, 各行政单元碳储量均较高, 没有与邻近区域出现明显差异的现象, 所以碳储量的全局Moran's I较小. 2020年水源涵养生态系统服务在行政单元空间尺度上高-高聚集分布在色达县、炉霍县和甘孜县, 高-低型主要聚集在康定市（图 4）, 主要原因是水源涵养分布具有明显的空间异质性, 高-高聚集区域与水源涵养量高值区分布一致, 高值与高值形成聚集现象, 康定市的水源涵养量高, 而周围区域的水源涵养量低, 形成高-低聚集现象. 土壤保持量和碳储量局部出现不同的聚集类型, 主要原因均与其生态系统服务的高低值空间分布有关.
2020年甘孜州水源涵养-土壤保持和水源涵养-碳储量在行政单元-格网双尺度上均呈空间负相关（表 6）, 表现为相互抑制的权衡关系, 冉璇等[51]探究了钱江源国家公园生态系统服务之间的相互作用也得出其为权衡关系. 原因是土壤保持量增加会导致土壤增厚, 进而对降雨渗入土壤的阻碍作用增强, 植被可获取土壤水分减少最终导致水源涵养量减少[52], 而水源涵养量减少会减弱径流对地表的侵蚀导致土壤保持量增加[53]. 碳储量增加伴随植被覆盖度的增加进而使植被整体的蒸腾作用增强, 加之降水量的波动, 最终导致水源涵养量减少[54]. 水源涵养-土壤保持高-高聚集分布在康定市（图 5）, 该区域水源涵养与土壤保持量均较高, 形成聚集现象. 水源涵养-碳储量的局部聚集分布也与各生态系统服务量的分布有关. 碳储存-土壤保持在空间上呈较强的正相关, 表现为相互促进的协同关系, 庞彩艳等[55]也得出黄河上游的碳储存-土壤保持表现为协同关系. 原因是碳储量越多植被覆盖度越高, 植被对降水的截留作用增强从而削弱雨水对地表的侵蚀, 最终增强土壤保持量[56].
基于累加法的生态系统服务综合评估得分在行政单元-格网双尺度下的高值区分别集中甘孜州中部、东南部（图 7和图 8）, 而基于累乘法的生态系统服务综合评估得分高值均集中在东南部（图 9和图 10）. 主要原因是累乘法需要同时考虑3种生态系统服务, 当某一种生态系统服务量较小时综合得分就会变低, 表明中部地区的生态系统服务量有低值, 结合各生态系统服务空间分布特征以及局部聚类特征, 发现水源涵养量高值和高-高聚集区均集中在中部, 其他两种服务在东南部. 水源涵养-土壤保持、水源涵养-土壤保持均呈空间负相关, 碳储量与土壤保持呈空间正相关, 高-高聚集区集中在东南部（图 5和图 6）, 这表明中部水源涵养量高其他服务较低, 导致基于累加法的生态系统服务综合评估得分在中部仍较高, 东南部虽综合得分较高但其水源涵养量较低, 需侧重对水源涵养服务的提升.
3.3 基于生态系统服务综合评估的区域生态系统保护建议本文探究了甘孜州生态系统综合服务在不同尺度下的时空分布特征, 进而识别其生态系统综合服务高值保护区与生态系统服务低值的修复区, 并结合当地面临的实际环境问题提出以下建议：
（1）高值区作为重点保护区. 将生态系统服务综合评估的高值区和高-高聚集区域作为关键生态系统保护区, 应采取监管为主, 修复为辅的方案, 减少人类活动对其生态的干扰和破坏. 这类区域主要分布在甘孜州东南部, 该区域应侧重水源涵养服务的提升.
（2）低值区作为重点修复区. 根据甘孜州西北部的生态系统服务低值区的实际情况分析, 发现其主要的生态问题是草场退化造成的水土流失、土壤侵蚀加剧等问题[57], 主要表现为水源涵养量和土壤保持量低, 需重点关注地表植被的保护, 实施退牧还草、退耕还草等保护措施促进原始草场恢复.
（3）中值区作为重点预防区. 对于生态系统服务的中值区应以自然恢复和防治为主, 合理利用草地资源, 一方面重点防止荒漠化和水土流失扩大, 另一方面实施科学合理的植被恢复措施提高植被覆盖度, 不断向生态系统服务高值区转变.
综上, 本研究针对生态系统服务综合评估开展研究, 补充和丰富了相关研究, 但仍存在一些不足. 首先, 生态系统服务评估模型部分数据和参数参考已有文献获得, 存在一定的误差, 未来研究可以利用实测数据进行校正. 其次本研究仅以“水-土-碳”角度从行政单元和格网尺度进行研究, 一定程度上忽略了其他类型服务的影响, 未来可以从更多角度和尺度进行全面研究分析. 此外, 本文仅采用双变量的空间自相关模型分析各生态系统服务之间的相互作用关系, 后续研究可以借助地理加权回归（GWR和MGWR）模型充分考虑地理位置的权重, 量化不同因素对生态系统服务的影响进而预测未来生态系统服务的变化趋势.
4 结论（1）2000~2020年水源涵养量和碳储量呈波动增加的趋势, 分别增加了224.22亿m3和0.41亿t, 尤其在2010~2020年增加较为显著. 土壤保持量呈波动减少的趋势, 减少了0.255亿t, 在2000~2010年减少较为明显.
（2）生态系统服务均呈现“西北低-东南高”的分布格局, 水源涵养、土壤保持和碳储量行政单元均值的高值分别在甘孜县、泸定县和九龙县, 其值分别为512.44 mm、3 438.25 t·hm-2和34 658.28 t·km-2. 2010~2020年甘孜县水源涵养和新龙县碳储量均增加显著, 2000~2010年雅江县土壤保持减少明显.
（3）行政单元空间尺度上, 生态系统服务的全局自效应均较强, 表现较强的空间正相关. 局部聚类分布中, 水源涵养高-高聚集分布在色达县和甘孜县, 土壤保持高-高聚集分布在康定市, 碳储量低-低聚集分布在甘孜县. 在行政单元-格网双尺度上, 2020年甘孜州的水源涵养-土壤保持和水源涵养-碳储量均呈空间负相关, 表现为相互抑制的权衡关系；局部聚类分布中高-高聚集分别在康定市、东南部和中部, 碳储存-土壤保持呈空间正相关, 表现为相互促进的协同关系, 局部聚类分布中低-低聚集分别在甘孜县和研究区西北部.
（4）基于累加-累乘的生态系统服务综合得分在行政单元尺度上的均值呈“先增后减再增”的趋势. 累加法和累乘法高值均在在九龙县, 其值在2.51~3.00和0.71~0.80之间；在格网尺度上呈现自东南向西北递减的趋势, 累加法和累乘法高值区分布在东南部, 其值在2.01~3.00和0.41~0.80之间.
| [1] | Costanza R, d'Arge R, De Groot R, et al. The value of the world's ecosystem services and natural capital[J]. Nature, 1997, 387(6630): 253-260. DOI:10.1038/387253a0 |
| [2] |
孙翔宇, 王立辉, 李扬, 等. 湖北大别山区生态系统水源涵养功能遥感评估[J]. 长江流域资源与环境, 2023, 32(3): 487-497. Sun X Y, Wang L H, Li Y, et al. Remote sensing assessment of the water conservation function of ecological system in Dabieshan Mountain area of Hubei Province[J]. Resources and Environment in the Yangtze Basin, 2023, 32(3): 487-497. |
| [3] |
李曼, 崔敏华, 刘焕才. 疏勒河流域土壤保持服务供需风险探讨[J]. 中国水土保持科学, 2024, 22(5): 123-132. Li M, Cui M H, Liu H C. Discussion on supply and demand risk of soil conservation service in Shule River Basin[J]. Science of Soil and Water Conservation, 2024, 22(5): 123-132. |
| [4] | Zhao J F, Liu D S, Cao Y, et al. An integrated remote sensing and model approach for assessing forest carbon fluxes in China[J]. Science of the Total Environment, 2022, 811. DOI:10.1016/j.scitotenv.2021.152480 |
| [5] |
陈云, 李玉强, 王旭洋, 等. 中国生态脆弱区全球变化风险及应对技术途径和主要措施[J]. 中国沙漠, 2022, 42(3): 148-158. Chen Y, Li Y Q, Wang X Y, et al. Risk and countermeasures of global change in ecologically vulnerable regions of China[J]. Journal of Desert Research, 2022, 42(3): 148-158. |
| [6] |
陈云, 李玉强, 王旭洋, 等. 中国典型生态脆弱区生态化学计量学研究进展[J]. 生态学报, 2021, 41(10): 4213-4225. Chen Y, Li Y Q, Wang X Y, et al. Advances in ecological stoichiometry in typically and ecologically vulnerable regions of China[J]. Acta Ecologica Sinica, 2021, 41(10): 4213-4225. |
| [7] |
夏晶晶. 三峡库区流域生态系统服务评估研究[D]. 武汉: 武汉大学, 2019. Xia J J. Research on assessment of ecosystem services in the Three Gorges Reservoir Area[D]. Wuhan: Wuhan University, 2019. |
| [8] | Yan X, Cao G C, Cao S K, et al. Spatiotemporal variations of water conservation and its influencing factors in the Qinghai Plateau, China[J]. Ecological Indicators, 2023, 155. DOI:10.1016/j.ecolind.2023.111047 |
| [9] | Zhao G L, Tian S M, Jing Y C, et al. Establishing a quantitative assessment methodology framework of water conservation based on the water balance method under spatiotemporal and different discontinuous ecosystem scales[J]. Journal of Environmental Management, 2023, 346. DOI:10.1016/j.jenvman.2023.119006 |
| [10] | 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 |
| [11] | Leh M D K, Matlock M D, Cummings E C, et al. Quantifying and mapping multiple ecosystem services change in West Africa[J]. Agriculture, Ecosystems & Environment, 2013, 165: 6-18. |
| [12] |
吕明轩, 张红, 贺桂珍, 等. 黄河流域水源涵养服务功能动态演变及驱动因素[J]. 生态学报, 2024, 44(7): 2761-2771. Lv M X, Zhang H, He G Z, et al. Dynamic evolution and driving factors of water conservation service function in the Yellow River Basin[J]. Acta Ecologica Sinica, 2024, 44(7): 2761-2771. |
| [13] |
刘美娟, 仲俊涛, 王蓓, 等. 基于InVEST模型的青海湖流域产水功能时空变化及驱动因素分析[J]. 地理科学, 2023, 43(3): 411-422. Liu M J, Zhong J T, Wang B, et al. Spatiotemporal change and driving factor analysis of the Qinghai Lake Basin based on InVEST model[J]. Scientia Geographica Sinica, 2023, 43(3): 411-422. |
| [14] |
杜世勋, 刘海江, 张梦莹, 等. 水源涵养型国家重点生态功能区生态系统服务功能评估[J]. 生态学报, 2022, 42(11): 4349-4361. Du S X, Liu H J, Zhang M Y, et al. Assessment of ecosystem services in the national key ecological function areas for water conservation[J]. Acta Ecologica Sinica, 2022, 42(11): 4349-4361. |
| [15] | Dai E F, Wang Y H. Attribution analysis for water yield service based on the geographical detector method: A case study of the Hengduan Mountain region[J]. Journal of Geographical Sciences, 2020, 30(6): 1005-1020. DOI:10.1007/s11442-020-1767-y |
| [16] |
刘义, 史佩东, 刘淼, 等. 1990-2020年黄河流域沁河上游汇水区水源涵养功能空间格局与生态治理建议[J]. 中国地质, 2024, 51(6): 1917-1929. Liu Y, Shi P D, Liu M, et al. Spatial pattern of water conservation function and ecological management suggestions in the catchment area of the upper reaches of Qinhe River in the Yellow River Basin from 1990 to 2020[J]. Geology in China, 2024, 51(6): 1917-1929. |
| [17] |
曹叶琳, 宋进喜, 李明月, 等. 陕西省生态系统水源涵养功能评估分析[J]. 水土保持学报, 2020, 34(4): 217-223. Cao Y L, Song J X, Li M Y, et al. Evaluation of ecosystem water conservation function of Shaanxi Province[J]. Journal of Soil and Water Conservation, 2020, 34(4): 217-223. |
| [18] | Olorunfemi I E, Komolafe A A, Fasinmirin J T, et al. A GIS-based assessment of the potential soil erosion and flood hazard zones in Ekiti State, Southwestern Nigeria using integrated RUSLE and HAND models[J]. CATENA, 2020, 194. DOI:10.1016/j.catena.2020.104725 |
| [19] |
池金洺, 于洋, 冯娟龙, 等. 基于RUSLE模型的妫水河流域土壤侵蚀时空变化特征[J]. 水土保持学报, 2024, 38(1): 70-78. Chi J M, Yu Y, Feng J L, et al. Spatialand temporal variation characteristics of soil erosion in Guishui River Basin based on RUSLE[J]. Journal of Soil and Water Conservation, 2024, 38(1): 70-78. |
| [20] | Chuenchum P, Xu M Z, Tang W Z. Predicted trends of soil erosion and sediment yield from future land use and climate change scenarios in the Lancang-Mekong River by using the modified RUSLE model[J]. International Soil and Water Conservation Research, 2020, 8(3): 213-227. |
| [21] | Teng H F, Liang Z Z, Chen S C, et al. Current and future assessments of soil erosion by water on the Tibetan Plateau based on RUSLE and CMIP5 climate models[J]. Science of the Total Environment, 2018, 635: 673-686. |
| [22] |
张艳, 史飞航, 张悦, 等. 黄河中游土壤侵蚀时空变化及驱动因素[J]. 水土保持研究, 2023, 30(5): 1-12. Zhang Y, Shi F H, Zhang Y, et al. Temporal and spatial changes and driving factors of soil erosion in the middle reaches of the Yellow River[J]. Research of Soil and Water Conservation, 2023, 30(5): 1-12. |
| [23] |
盖兆雪, 郑文璐, 王洪彦, 等. 气候变化下黑土区陆地生态系统碳储量时空格局与模拟[J]. 农业机械学报, 2024, 55(6): 303-316. Gai Z X, Zheng W L, Wang H Y, et al. Spatio-temporal pattern and simulation of terrestrial ecosystem carbon storage in Black Soil Region under climate change[J]. Transactions of the Chinese Society for Agricultural Machinery, 2024, 55(6): 303-316. |
| [24] |
李若玮, 叶冲冲, 王毅, 等. 基于InVEST模型的青藏高原碳储量估算及其驱动力分析[J]. 草地学报, 2021, 29(S1): 43-51. Li R W, Ye C C, Wang Y, et al. Carbon storage estimation and its drivering force analysis based on InVEST model in the Tibetan plateau[J]. Acta Agrestia Sinica, 2021, 29(S1): 43-51. |
| [25] | Ding W H, Chang N J, Zhang G L, et al. Soil organic carbon changes in China's croplands: A newly estimation based on DNDC model[J]. Science of The Total Environment, 2023, 905. DOI:10.1016/j.scitotenv.2023.167107 |
| [26] | Parton W J, Schimel D S, Cole C V, et al. Analysis of factors controlling soil organic matter levels in Great Plains grasslands[J]. Soil Science Society of America Journal, 1987, 51(5): 1173-1179. |
| [27] | Dangulla M, Manaf L A, Ramli M F, et al. Exploring urban tree diversity and carbon stocks in Zaria Metropolis, North Western Nigeria[J]. Applied Geography, 2021, 127. DOI:10.1016/j.apgeog.2021.102385 |
| [28] | Hernández-Guzmán R, Ruiz-Luna A, González C. Assessing and modeling the impact of land use and changes in land cover related to carbon storage in a western basin in Mexico[J]. Remote Sensing Applications: Society and Environment, 2019, 13: 318-327. |
| [29] | Li Y, Geng H C. Spatiotemporal trends in ecosystem carbon stock evolution and quantitative attribution in a karst watershed in southwest China[J]. Ecological Indicators, 2023, 153. DOI:10.1016/j.ecolind.2023.110429 |
| [30] |
段绪萌, 韩美, 孔祥伦, 等. 退耕还林(草)工程前后黄河流域生态系统碳储量时空演变与模拟预测[J]. 环境科学, 2024, 45(10): 5943-5956. Duan X M, Han M, Kong X L, et al. Spatiotemporal evolution and simulation prediction of ecosystem carbon storage in the Yellow River Basin before and after the Grain for Green Project[J]. Environmental Science, 2024, 45(10): 5943-5956. |
| [31] |
白玛卓嘎, 肖燚, 欧阳志云, 等. 甘孜藏族自治州生态系统生产总值核算研究[J]. 生态学报, 2017, 37(19): 6302-6312. Dolkar P, Xiao Y, Ouyang Z Y, et al. Gross ecosystem product accounting for the Garzê Tibetan Autonomous Prefecture[J]. Acta Ecologica Sinica, 2017, 37(19): 6302-6312. |
| [32] |
宋子衿. 基于InVEST模型土地利用变化下的甘孜州2000-2020年陆地碳储量时空特征[D]. 雅安: 四川农业大学, 2022. Song Z J. Spatio-temporal characteristics of terrestrial carbon storage with land use change based on InVEST model in Ganzi from 2000-2020[D]. Yaan: Sichuan Agricultural University, 2022. |
| [33] |
申梦姝, 刘悦忆, 郑航, 等. 长江流域水源涵养服务价值及其空间转移评估[J]. 长江科学院院报, 2024, 41(4): 14-22, 36. Shen M S, Liu Y Y, Zheng H, et al. Evaluation of water source conservation service value and its spatial transfer in Yangtze River Basin[J]. Journal of Yangtze River Scientific Research Institute, 2024, 41(4): 14-22, 36. |
| [34] |
蔡崇法, 丁树文, 史志华, 等. 应用USLE模型与地理信息系统IDRISI预测小流域土壤侵蚀量的研究[J]. 水土保持学报, 2000, 14(2): 19-24. Cai C F, Ding S W, Shi Z H, et al. Study of applying USLE and geographical information system IDRISI to predict soil erosion in small watershed[J]. Journal of Soil and Water Conservation, 2000, 14(2): 19-24. |
| [35] |
龚诗涵, 肖洋, 郑华, 等. 中国生态系统水源涵养空间特征及其影响因素[J]. 生态学报, 2017, 37(7): 2455-2462. Gong S H, Xiao Y, Zheng H, et al. Spatial patterns of ecosystem water conservation in China and its impact factors analysis[J]. Acta Ecologica Sinica, 2017, 37(7): 2455-2462. |
| [36] | Renard K G, Foster G R, Weesies G, et al. Predicting soil erosion by water: a guide to conservation planning with the Revised Universal Soil Loss Equation (RUSLE)[M]. Washington: Agricultural Research Service, 1997. |
| [37] |
刘振坤, 刘峰, 郑光辉, 等. 基于RUSLE模型的青藏高原土壤保持功能定量评价[J]. 土壤, 2024, 56(1): 173-181. Liu Z K, Liu F, Zheng G H, et al. Quantitative evaluation of soil conservation function in the Qinghai-Tibet Plateau based on RUSLE model[J]. Soils, 2024, 56(1): 173-181. |
| [38] |
周佳佳, 刘宇, 奉莉君, 等. 土地利用变化背景下浙中地区生态系统碳储量变化模拟与影响因素分析[J]. 环境科学, 2024, 45(10): 5957-5969. Zhou J J, Liu Y, Feng L J, et al. Simulating changes in ecosystem carbon storage and analyzing influencing factors in the Central Zhejiang under the background of LUCC[J]. Environmental Science, 2024, 45(10): 5957-5969. |
| [39] | Hu B A, Li Z Z, Wu H F, et al. Coupling strength of human-natural systems mediates the response of ecosystem services to land use change[J]. Journal of Environmental Management, 2023, 344. DOI:10.1016/j.jenvman.2023.118521 |
| [40] |
杨强强, 徐光来, 李爱娟, 等. 青弋江流域生态系统服务评估与权衡研究[J]. 生态学报, 2021, 41(23): 9315-9327. Yang Q Q, Xu G L, Li A J, et al. Evaluation and trade-off of ecosystem services in the Qingyijiang River Basin[J]. Acta Ecologica Sinica, 2021, 41(23): 9315-9327. |
| [41] | Fan M, Chen L. Spatial characteristics of land uses and ecological compensations based on payment for ecosystem services model from 2000 to 2015 in Sichuan Province, China[J]. Ecological informatics, 2019, 50: 162-183. |
| [42] | 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 |
| [43] | Xue J, Li Z X, Feng Q, et al. Spatiotemporal variations of water conservation and its influencing factors in ecological barrier region, Qinghai-Tibet Plateau[J]. Journal of Hydrology: Regional Studies, 2022, 42. DOI:10.1016/j.ejrh.2022.101164 |
| [44] |
何秋琴, 王京伟, 毕旭, 等. 2005—2020年山西省水源涵养功能时空格局及其演变驱动力分析[J]. 环境科学研究, 2024, 37(4): 862-873. He Q Q, Wang J W, Bi X, et al. Temporal and spatial dynamics of water conservation in Shanxi Province (2005-2020): patterns and influence analysis[J]. Research of Environmental Sciences, 2024, 37(4): 862-873. |
| [45] |
宁亚洲, 张福平, 冯起, 等. 秦岭水源涵养功能时空变化及其影响因素[J]. 生态学杂志, 2020, 39(9): 3080-3091. Ning Y Z, Zhang F P, Feng Q, et al. Temporal and spatial variation of water conservation function in Qinling Mountain and its influencing factors[J]. Chinese Journal of Ecology, 2020, 39(9): 3080-3091. |
| [46] | Lu R R, Dai E F, Wu C S. Spatial and temporal evolution characteristics and driving factors of soil conservation services on the Qinghai-Tibet Plateau[J]. CATENA, 2023, 221. DOI:10.1016/j.catena.2022.106766 |
| [47] | Schwaiger F, Poschenrieder W, Biber P, et al. Ecosystem service trade-offs for adaptive forest management[J]. Ecosystem Services, 2019, 39. DOI:10.1016/j.ecoser.2019.100993 |
| [48] |
彭文甫, 周介铭, 徐新良, 等. 基于土地利用变化的四川省碳排放与碳足迹效应及时空格局[J]. 生态学报, 2016, 36(22): 7244-7259. Peng W F, Zhou J M, Xu X L, et al. Effect of land use changes on the temporal and spatial patterns of carbon emissions and carbon footprints in the Sichuan Province of Western China, from 1990 to 2010[J]. Acta Ecologica Sinica, 2016, 36(22): 7244-7259. |
| [49] |
田梓祎, 高凡, 何兵, 等. 1990—2020年塔里木河流域土地利用变化及其对碳储量的影响[J]. 环境科学, 2024, 45(11): 6514-6526. Tian Z Y, Gao F, He B, et al. Land use change and its impact on carbon stock in the Tarim River Basin from 1990 to 2020[J]. Environmental Science, 2024, 45(11): 6514-6526. |
| [50] |
刘乙淼, 陈艳梅, 胡引翠. 长江流域土壤保持能力时空特征[J]. 长江流域资源与环境, 2015, 24(6): 971-977. Liu Y M, Chen Y M, Hu Y C. Spatial-temporal distribution characteristics of soil conservation ability in Yangtze Basin[J]. Resources and Environment in the Yangtze Basin, 2015, 24(6): 971-977. |
| [51] |
冉璇, 李渊, 郭宇龙, 等. 基于InVEST模型的钱江源国家公园生态系统服务评估及权衡协同关系研究[J]. 长江流域资源与环境, 2023, 32(9): 1932-1948. Ran X, Li Y, Guo Y L, et al. Ecosystem services assessment and trade-off synergy relationships in Qianjiangyuan National Park based on InVEST model[J]. Resources and Environment in the Yangtze Basin, 2023, 32(9): 1932-1948. |
| [52] | Braun D, de Jong R, Schaepman M E, et al. Ecosystem service change caused by climatological and non-climatological drivers: a Swiss case study[J]. Ecological Applications, 2019, 29(4). DOI:10.1002/eap.1901 |
| [53] | Khan M, Sharma A, Goyal M K. Assessment of future water provisioning and sediment load under climate and LULC change scenarios in a peninsular river basin, India[J]. Hydrological Sciences Journal, 2019, 64(4): 405-419. |
| [54] |
刘华超, 任春颖, 王宗明, 等. 大兴安岭生态功能区生态系统服务功能动态及权衡协同关系研究[J]. 生态与农村环境学报, 2022, 38(5): 587-598. Liu H C, Ren C Y, Wang Z M, et al. Dynamics of ecosystem service functions and their tradeoff and synergetic relationships in Great Xing'an Mountains Ecological Function Zone[J]. Journal of Ecology and Rural Environment, 2022, 38(5): 587-598. |
| [55] |
庞彩艳, 文琦, 丁金梅, 等. 黄河上游流域生态系统服务变化及其权衡协同关系[J]. 生态学报, 2024, 44(12): 5003-5013. Pang C Y, Wen Q, Ding J M, et al. Ecosystem services and their trade-offs and synergies in the upper reaches of the Yellow River basin[J]. Acta Ecologica Sinica, 2024, 44(12): 5003-5013. |
| [56] |
周涛, 史培军, 王绍强. 气候变化及人类活动对中国土壤有机碳储量的影响[J]. 地理学报, 2003, 58(5): 727-734. Zhou T, Shi P J, Wang S Q. Impacts of climate change and human activities on soil carbon storage in China[J]. Acta Geographica Sinica, 2003, 58(5): 727-734. |
| [57] |
梅子钰, 张雅茹, 黄心言, 等. 基于生态系统服务的青海湖流域生态风险评估及其空间异质性影响因素分析[J]. 生态学报, 2024, 44(12): 4973-4986. Mei Z Y, Zhang Y R, Huang X Y, et al. Ecological risk assessment and its influencing factors of spatial heterogeneity based on ecosystem services in Qinghai Lake Basin[J]. Acta Ecologica Sinica, 2024, 44(12): 4973-4986. |