2025, Vol. 46
2. 中国科学院东北地理与农业生态研究所黑土地保护与利用全国重点实验室（筹）, 长春 130102
2. State Key Laboratory of Black Soils Conservation and Utilization, Northeast Institute of Geography and Agroecology, Chinese Academy of Sciences, Changchun 130102, China
生态系统服务功能是指人类直接或间接从自然生态系统及其物种中所获得的收益[1]，包括供给功能、调节功能、文化功能和支持功能[2]. 生态系统通过维持人类生存的条件和效用来保障稳定的服务供给，对人类的生存和发展起到重要作用[3]. 由于工业化发展以及人口的急剧增加，导致资源消耗过度，人地矛盾加剧，生态环境面临严重危机，人类活动不断改变生态系统的结构，生态系统所能发挥的服务功能衰退[4]，严重影响区域的可持续发展. 了解生态系统服务功能之间的关系是合理制定区域可持续发展战略的先决条件[5].
生态系统具有多样性以及空间异质性的特征[6]. 人类活动导致土地利用覆被变化及景观格局改变对不同生态系统的差异性影响可表现为权衡关系、协同关系或兼容等表现类型[7]. 当多个生态系统服务功能同时增强或减小时表现为协同关系，当两种或多种生态系统功能出现此消彼长时则为权衡关系[8]. 对各个生态系统进行物质量的评估是识别生态系统权衡与协同关系的前提[9]. 开展生态系统服务功能评估主要采用InVEST、SoIVES和ARIES模型等方法，而开展生态系统服务功能的权衡与协同关系研究，主要通过相关性分析[10]、回归分析和冗余分析等统计学方法来量化生态系统的权衡协同效应，通过空间叠加分析、双变量局部空间自相关分析[11]、地理加权回归[12]和冷热点分析[13]对生态系统权衡协同效应进行空间可视化表达. 此外通过与情景模拟法相结合，通过设置未来社会经济或生态保护等多情景条件对生态系统服务功能进行模拟[14]，从而获得未来发展趋势，揭示不同时空生态系统服务功能权衡/协同关系的发展趋势[15].
生态系统服务簇是空间或时间上重复出现的生态系统的集合[16]，表示不同生态系统通过相同方式响应社会和自然因素从而形成空间上的服务簇. 生态系统服务簇能够更进一步展示生态系统内部之间的联系，识别区域主导生态系统服务功能、辅助景观管理及规划生态功能区[17]，从而实现区域可持续发展. 目前生态系统服务簇的研究多采用聚类方法，常见的方法有K-Mean聚类分析[18]、自组织神经映射网络（SOM）和随机森林聚类[19]. 基于SOM的生态系统服务簇的识别具有合作性和适应性等优点，已在不同地区和不同流域[20]应用.
位于吉林西部的吉林省白城市是典型的半干旱和半湿润过渡带，林地、湿地、草原和盐碱地交错分布. 近年来随着耕地面积不断扩大，引起草场大规模退化，湿地面积萎缩，耕地土层变硬变薄等生态环境问题. 因此，研究生态系统服务功能之间的内在关系及影响因素，对于维护区域生态安全和促进国土空间优化从而实现生态-社会系统协调发展具有重要意义.
1 材料与方法 1.1 研究区概况白城市（121°38′~124°22′ E，44°13′~46°18′ N）位于吉林省西部（图 1），嫩江平原西部，科尔沁草原东部，国土面积为2.58万km2，下辖通榆县、镇赉县、洮南市、大安市和洮北区这5个县（市、区）. 白城市西北部为大兴安岭东麓褶皱地带，东北和东南部为平原，西南部有沙丘和沙垄. 属于温带半干旱半湿润气候，四季分明，雨热同期，降水变率大，年均降水量大部分地区低于450 mm. 主要土壤类型有淡黑钙土、草甸土、风沙土、盐土和碱土，其中淡黑钙土所占面积最大. 植被类型以草原为主，在东部的黄土台地上为草甸草原，西部广大起伏地区为干草原，广大低平地区分布着盐渍化草甸草原.
|
图 1 研究区概况 Fig. 1 Survey of research area |
（1）土地利用数据 2000、2010和2020年这3期土地利用数据来源于中国科学院资源环境科学数据中心（http://www/resdc.cn/），是基于美国陆地卫星landsat TM影像，通过人工目视解译而成，数据集分辨率为30 m. 利用ArcGIS软件栅格计算器补充栅格缺失值，并利用谷歌地球进行验证.
（2）数字高程数据 来源于地理空间数据云（http://www.gscloud.cn）下载的ASTER GDEM数据，数据空间分辨率为30 m，用于获取白城市海拔、坡度和坡向等信息. 利用ArcGIS软件中的填洼工具来识别和填充洼地.
（3）气象数据 来源于中国气象数据网（http://cdc.cma.gov.cn），获得白城市及周边地区45个气象观测站点的2000~2020年的气温、降水和风速月值数据. 采用克里金插值得到分辨率为30 m的白城市的气温和降水分布图.
（4）土壤数据 来源于国家青藏高原科学数据中心（http://data.tpdc.ac.cn）中的世界土壤数据库中国土壤数据集，得到土壤的砂粒、黏粒和粉粒的含量，数据集空间分辨率为1 000 m，利用ArcGIS统一分辨率为30 m.
（5）人口密度和夜间灯光数据 来源于中国科学院资源环境科学与数据中心（http://www/resdc.cn/），空间分辨率为1 000 m，利用ArcGIS统一分辨率为30 m.
（6）NDVI数据 来源于国家青藏高原科学数据中心（http://data.tpdc.ac.cn）的中国区域250 m归一化植被指数数据集，数据集空间分辨率为250 m，利用ArcGIS统一分辨率为30 m.
（7）雪深数据 来源于国家青藏高原科学数据中心（http://data.tpdc.ac.cn）的中国雪深长时间序列数据集，数据为浮点型，利用python转化为tif文件，利用ArcGIS统一分辨率为30 m.
2 研究方法 2.1 生态系统服务功能计算方法白城市蒸发量远高于降水量，虽然有嫩江和洮儿河等河流流经，但水资源时空分布不均. 耕地面积大，中低产田比例过高，土层薄，土壤质地多为沙质壤土和壤质黏土，水土流失严重，保肥能力差. 白城市作为我国北方防沙治沙和生物多样性维护的关键地带，生态环境脆弱，存在土地退化、沙化和盐碱化生态问题. 因此，选取防风固沙、水源涵养、碳储量和土壤保持作为关键生态系统服务功能进行研究.
2.1.1 防风固沙采用修正风蚀方程估算防风固沙生态功能区的土壤侵蚀模数[21]，计算公式为：
| $ \begin{gather*} G=S_{\mathrm{R}}-S_{\mathrm{L}} \end{gather*} $ | (1) |
| $ S_{\mathrm{R}}=2 \times Z \times Q_{\mathrm{rmax}} \times \frac{\mathrm{e}^{-\left(\frac{z}{S_{\mathrm{r}}}\right)^2}}{S_{\mathrm{r}}{ }^2} $ | (2) |
| $ \begin{gather*} S_{\mathrm{L}}=2 \times Z \times Q_{\max } \times \frac{\mathrm{e}^{-\left(\frac{z}{s}\right)^{2}}}{s^{2}} \end{gather*} $ | (3) |
| $ \begin{gather*} S_{\mathrm{r}}=150.71 \times\left(\mathrm{WF} \times \mathrm{EF} \times \mathrm{SCF} \times K^{\prime}\right)^{-0.3711} \end{gather*} $ | (4) |
| $ \begin{gather*} S=150.71 \times\left(\mathrm{WF} \times \mathrm{EF} \times \mathrm{SCF} \times K^{\prime} \times C\right)^{-0.3711} \end{gather*} $ | (5) |
| $ \begin{gather*} Q_{\mathrm{rmax}}=109.8 \times\left(\mathrm{WF} \times \mathrm{EF} \times \mathrm{SCF} \times K^{\prime}\right) \end{gather*} $ | (6) |
| $ \begin{gather*} Q_{\max }=109.8\left(\mathrm{WF} \times \mathrm{EF} \times \mathrm{SCF} \times K^{\prime} \times C\right) \end{gather*} $ | (7) |
式中，G为防风固沙的物质量kg·（m2·a）-1；SR为潜在风蚀量kg·（m2·a）-1；SL为实际土壤风蚀量kg·（m2·a）-1；Qrmax为潜在风力的最大输沙能力；Sr为潜在关键地块的长度（m）；Z为最大风蚀出现距离（m），取50 m[22]；Qmax为最大转移量（kg·m-1）；S为实际关键地块的长度（m）；WF为气候侵蚀因子（kg·m-1）；EF为土壤侵蚀因子（无量纲）；SCF为土壤结皮因子（无量纲）；K´为地表糙度因子（无量纲）；C为植被覆盖因子.
| $ \begin{gather*} \mathrm{WF}=\mathrm{Wf} \times\left(\frac{\rho}{g}\right) \times \mathrm{SW} \times \mathrm{SD} \end{gather*} $ | (8) |
| $ \begin{gather*} \mathrm{Wf}=u_{2}\left(u_{2}-u_{1}\right)^{2} \times \mathrm{Nd} \end{gather*} $ | (9) |
| $ \mathrm{EF}=\frac{29.09+0.31 \mathrm{sa}+0.17 \mathrm{si}+0.33\left(\frac{\mathrm{sa}}{\mathrm{cl}}\right)-2.590 \mathrm{M}-0.95 \mathrm{CaCO}_3}{100} $ | (10) |
| $ \mathrm{SCF}=\frac{1}{1+0.066(\mathrm{cl})^2+0.021(\mathrm{OM})^2} $ | (11) |
| $ K^{\prime}=\cos \alpha $ | (12) |
| $ C=\mathrm{e}^{-0.0483(\mathrm{sc} \times 100)} $ | (13) |
| $ \mathrm{SC}=\frac{\mathrm{NDVI}^{-} \mathrm{NDVI}_{\min }}{\mathrm{NDVI}_{\max }-\mathrm{NDVI}_{\min }} $ | (14) |
式中，WF为气候侵蚀因子（kg·m-1）；Wf为风力因子（m·s-3）；g为重力加速度（m·s-2），取9.8[23]；ρ为空气密度（kg·m-3），取1.29[23]；SW为土壤湿度因子，由降水日数、潜在蒸散发量和降水量计算得到[24]；SD为雪盖因子（无积雪覆盖天数/研究总天数），定义雪深 < 25.4 mm时为无积雪覆盖；u1为2 m起沙风速，参考前人研究取5 m·s-1[24]；u2为由10 m转2 m的月均风速值；Nd为各月风速大于5 m·s-1的天数；sa为土壤砂粒含量（%）；si为土壤粉粒含量（%）；cl为土壤黏粒含量（%）；OM为土壤有机质含量（%）；CaCO3为碳酸钙含量（%），参考前人研究CaCO3取0[24]；SC为植被覆盖度，NDVI、NDVImin和NDVImax分别为NDVI的实际值、最小值和最大值.
2.1.2 水源涵养InVEST模型年产水量模块是基于水量平衡原理，该模型将栅格单元的年总降雨量减去年总实际蒸散发后的水资源量设定为年总产水量[25].
| $ \begin{equation*} Y(x)=\left[1-\frac{\operatorname{AET}(x)}{P(x)}\right] \times P(x) \end{equation*} $ | (15) |
式中，Y(x)为栅格单元中x的产水量(mm)；AET(x)为栅格单元中x的年实际蒸发量(mm)；P(x)为栅格单元x的年降水量(mm).
利用InVEST模型计算出产水量后，基于地形指数、流速系数和土壤饱和导水率对产水量进行修正，即为水源涵养量[26]：
| $ \begin{aligned} \text { Retention }= & \min \left(1, \frac{249}{\text { Velocity }}\right) \times \min \left(1, \frac{0.9 \times \mathrm{TI}}{3}\right) \times \\ & \min \left(1, \frac{\text { Ksat }}{300}\right) \times \text { Yield } \end{aligned} $ | (16) |
| $ \begin{aligned} \ln (\text { Ksat })= & 20.63-0.96 \times \ln (\text { Clay })-0.66 \times \\ & \ln (\text { Sand })-0.46 \times \ln (\text{O C})-8.43 \times B D \end{aligned} $ | (17) |
式中，Retention为水源涵养量（mm）；Velocity为流速系数；TI为地形指数；Ksat为土壤饱和导水率（cm·d-1）；Yield为年产水量（mm）；Clay为土壤粘粒含量（%）；Sand为土壤砂粒含量（%）；OC为土壤有机碳含量（%）；BD为土壤容重（g·cm-3）.
2.1.3 碳储量采用InVEST模型中的碳储量模块评估研究区域生态系统的碳储量[27]，通过计算地上生物碳库、地下生物碳库、土壤碳库和死亡有机碳库的碳储量总和评估区域内的碳储量[28]，碳密度数据参考相关研究成果[29]（表 1），并基于气温与降水对碳密度数据进行修正[30].
| $ \begin{equation*} C_{\text {tot }}=C_{\text {above }}+C_{\text {below }}+C_{\text {soil }}+C_{\text {dead }} \end{equation*} $ | (18) |
|
表 1 不同土地利用类型的碳密度/kg·m-2 Table 1 Carbon density of land use types/kg·m-2 |
式中，Ctot为总碳储量（t·hm-2）；Cabove为地上生物碳储量（t·hm-2）；Cbelow为地下生物碳储量（t·hm-2）；Csoil为土壤碳储量（t·hm-2）；Cdead为死亡有机碳储量（t·hm-2）.
2.1.4 土壤保持基于InVEST模型的SDR模块对白城市2000、2010和2020年3期土壤保持量进行计算[31]. SDR模块采用通用土壤流失方程USLE计算潜在土壤侵蚀量和实际土壤侵蚀量，进而计算土壤保持量.
| $ \begin{equation*} B_{\mathrm{c}}=B_{\mathrm{p}}-B_{\mathrm{r}}=R \times K \times L \times S \times(1-C \times P) \end{equation*} $ | (19) |
式中：Bc为土壤保持量t·（hm2·a）-1；Bp为潜在土壤侵蚀强度t·（hm2·a）-1；Br为实际土壤侵蚀强度t·（hm2·a）-1；R为降雨侵蚀力因子MJ·mm（hm2·h·a）-1；K为土壤可蚀性因子t·h·（MJ·mm）-1；L、S为地形因子，无量纲，其中L为坡长因子，S为坡度因子；C为植被覆盖与作物管理因子，无量纲；P为水土保持措施因子，无量纲. C和P主要根据前人的研究进行赋值[32]（表 2）.
|
|
表 2 不同土地利用类型的C值和P值 Table 2 C and P values of different land use types |
2.2 生态系统服务功能权衡与协同关系分析方法 2.2.1 相关性分析
使用相关性分析来揭示生态系统服务功能之间的权衡和协同效应. 将4种生态系统服务功能的栅格数据重分类为2 km×2 km尺度的栅格单元，利用ArcGIS渔网工具创建2 km×2 km的格网，然后提取每个网格点对应的数据，从而进行两两生态系统功能数据Spearman相关性分析（Rv4.4.1软件中的“corrplot”软件包）. 生态系统之间的正相关代表协同关系，负相关代表权衡关系.
2.2.2 GWR地理加权回归使用地理加权回归（GWR）识别生态系统的空间交互作用相关性，计算1 km×1 km网格尺度的栅格单元表示生态系统权衡/协同关系的空间分布特征（Rv4.4.1软件中的“GWmodel”包）[33].
| $ \begin{equation*} y_{i}=\beta\left(u_{i}, v_{i}\right)+\sum\limits_{k=1}^{p} \beta_{k}\left(u_{i}, v_{i}\right) d_{i k}+\varepsilon_{i} \end{equation*} $ | (20) |
式中，yi为因变量；（ui，vi）为地区i的空间坐标；βk为第k个回归系数；dik为解释变量；εi为随机误差项.
2.3 生态系统服务功能的影响因素分析地理探测器是探测空间分异性，揭示其背后驱动力的统计学方法，核心思想是如果某个自变量对某个因变量有重要影响，那么自变量和因变量的空间分布应该具有相似性，R语言GD包能够实现自变量最优离散化方法的选择与执行. 因子探测是探测因变量Y的空间分异性，以及某自变量X多大程度解释了因变量Y的空间分异，判断方法为将两个因子相叠加新生成图层的q值与单因子探测的q值相比较[34]，探测结果用q值度量. 交互作用探测是评估两个因子之间的交互作用是否会增加或减弱对因变量Y的解释力.
因子探测计算公式为：
| $ \begin{equation*} q=1-\frac{\sum\limits_{h=1}^{L} N_{h} \sigma_{h}^{2}}{N \sigma^{2}} \end{equation*} $ | (21) |
式中，q为驱动因子X对4种生态系统服务功能的解释强度，取值范围为0~1之间，数值越大表示影响因子的解释力越强.
参考前人的研究，本选取文选取夜间灯光（X1）、人口密度（X2）、气温（X3）、降水（X4）、归一化植被指数NDVI（X5）、植被覆盖度FVC（X6）、坡度（X7）和数字高程模型DEM（X8）这8种因素[35~38]，运用地理探测器分析自然和社会经济因素对白城市生态系统服务功能时空变化的影响.
2.4 生态系统服务簇的研究方法生态系统服务簇是指空间或时间上重复出现的生态系统的集合，生态系统之间存在协同和权衡关系，在空间上表现为不同的集聚特征. 自组织神经映射网络（SOM）是划分生态系统服务簇的一种方法，SOM是一种无监督的学习类神经网络，通过学习输入空间中的数据，生成一个低维的离散的映射，可用于聚类分析，使用Rv4.4.1软件中的“kohonen”包计算SOM，进行生态系统功能分区. 对2000、2010和2020年数据进行标准化处理，各类生态系统服务功能的平均值为0，大于0表示该区域生态系统服务功能高于平均水平，小于0表示低于平均水平.
3 结果与分析 3.1 生态系统服务功能时空格局分析2000~2020年白城市单位面积防风固沙量和防风固沙总量变化范围分别为1.44~4.48 kg·（m-2·a）-1和3.73×1010~11.59×1010 kg·（m2·a）-1，其中，2000年的值最高，2020年最低，在时间变化上呈减少趋势（图 2）. 空间上防风固沙服务总体表现为南部偏高、北部偏低的空间分布格局. 其中，大安市、洮南市和通榆县，固沙量较高，镇赉县和洮北区较低. 近20 a来，实际风蚀量和潜在风蚀量均有所下降，风蚀程度有所好转.
|
图 2 2000~2020年白城市生态系统服务功能空间分布格局 Fig. 2 Spatial distribution pattern of ecosystem services in Baicheng City from 2000 to 2020 |
2000~2020年白城市的平均单元水源涵养量和水源涵养总量呈增加趋势（图 2），2000、2010和2020年单元水源涵养量分别为5.05、6.36和11.61 mm，水源涵养总量分别为13.07×107、16.46×107和30.05×107 m3. 水源涵养量分布表现为东西高、中间低的空间分布格局. 水源涵养量较高地区呈片状分布于西北部和东北部，包括洮儿河和蛟流河上游地区、向海国家级自然保护区、莫莫格国家级自然保护区以及嫩江湾-查干湖-龙沼-牛心套保湿地片区等植被覆盖度较高的湿地和草地分布区域. 水源涵养量低的地区主要集中分布在中、东部和西南部，农业用地多，需水量大. 东部和西南部分布有苏打盐碱地，土壤质地黏重，透水能力差，水源涵养量较低.
2000~2020年白城市的碳储量呈增长趋势（图 2），2000、2010和2020年碳储量分别为22.85×107、27.29×107和30.48×107 t. 碳储量空间分异特征显著，碳储量高值区呈带状及部分零星分布在东北部和西南部，这些区域多为林地和沼泽湿地，植被茂盛，种类繁多，为土壤有机碳提供丰富来源. 碳储量中值区主要分布在耕地范围广的中部. 碳储量低值区呈片状分布在东部，多为建设用地及未利用地，人类活动扰动强烈，植被覆盖度较低.
2000~2020年白城市的土壤保持量呈现先减少后增多的趋势（图 2），2000、2010和2020年土壤保持总量分别为1.87×107、1.61×107和4.83×107 t. 土壤保持的空间分布格局较一致，总体呈现东西高中部低和北部高南部低的格局. 西北部的防沙林片区和东部湿地群片区的土壤保持量明显高于其他地区. 土壤保持量较少的地区为中部和东部的盐碱地及沙地片区.
3.2 生态系统服务功能权衡与协同关系分析 3.2.1 基于相关性分析方法识别权衡与协同关系利用Spearman相关性分析计算4种生态系统服务功能之间的相关性（图 3），各生态系统服务功能之间全部为正相关关系，生态系统服务功能关系以协同为主. 防风固沙-水源涵养功能为高度协同关系，2000年和2010年相关系数在0.5以上，到2020年相关系数降低为0.37. 水源涵养-碳储量功能协同关系较强，2000年和2010年相关系数分别为0.44和0.46，到2020年协同系数减弱，相关系数降低为0.06. 碳储量-土壤保持和水源涵养-土壤保持相关系数在0.2~0.4之间，生态系统服务功能关系以中度协同为主. 防风固沙-土壤保持和防风固沙-碳储量相关系数在0.1以下，协同程度较低，且2020年防风固沙与土壤保持相关系数仅有0.01，未通过显著性检验. 总体来说，20 a间4种生态系统服务功能之间的协同关系均有不同程度地减弱.
|
***表示在0.001水平（双侧）上显著相关，数字表示相关系数，圆圈大小表示相关性强弱，圆圈越大表示相关系数越大 图 3 白城市生态系统服务功能间的相关性分析 Fig. 3 Correlation analysis of four ecosystem services in Baicheng City |
由2000~2020年白城市生态系统服务功能权衡与协同面积占比可知，空间协同面积高于权衡面积，生态系统服务功能以协同关系为主导. 除土壤保持-碳储量外，到2020年土壤保持-水源涵养、土壤保持-防风固沙、碳储量-水源涵养、碳储量-防风固沙和水源涵养-防风固沙的面积变化表现为权衡关系面积增多，协同关系面积减小（表 3）.
|
|
表 3 生态系统权衡/协同关系面积及占比 Table 3 Area and proportion of ecosystem trade-offs/synergies relationships |
GWR回归结果显示（图 4），网格尺度上生态系统服务功能的权衡协同效应存在空间异质性. 土壤保持-碳储量协同关系分布在白城市大部分地区. 土壤保持-水源涵养强权衡关系分布广泛，协同关系分布在镇赉县南部、大安市东部以及通榆县北部. 土壤保持-防风固沙协同关系集中在通榆县东北部及镇赉县南部，权衡关系分布在洮北区及洮南市西北部，高协同和强权衡占据主导地位. 碳储量-水源涵养协同关系分布在大安市、洮南市和通榆县西部，权衡关系分布在中部. 碳储量-防风固沙协同关系集中在东南部，权衡关系集中在西北部，强权衡和高协同分布范围呈增加趋势. 水源涵养-防风固沙协同关系在白城市大部分地区，高协同在中部分布范围明显扩大.
|
图 4 网格尺度下白城市4种生态系统服务功能权衡/协同强度空间分布 Fig. 4 Spatial distribution of trade-offs/synergies intensity of four ecosystem services in Baicheng City at a grid scale |
社会经济因素如夜间灯光和人口密度对白城市生态系统服务功能的解释力较小，自然因素如植被覆盖度和降水等对生态系统的影响力较高. 总体上自然因素对生态系统服务功能的影响大于社会经济因素（图 5）. 对生态系统服务功能类型来说，防风固沙功能在2020年受植被覆盖度影响程度最高，2000年和2010年受DEM影响程度最高；水源涵养功能在2000年和2010年受植被覆盖度影响最大，2020年降水对水源涵养功能的解释力最高；土壤保持功能受DEM影响最大；碳储量在2000年受植被覆盖度作用程度最高，在2010年和2020年NDVI对其解释力最高.
|
图 5 单因子对生态系统服务功能影像因素的解释力q值 Fig. 5 The q value quantifying the explanatory power of a single factor on the image factors of ecosystem services |
单因子探测无法全面反映生态系统服务功能的影响因素，需要对其交互因子探测. 交互作用结果显示（图 6），因子间交互作用类型为双因子增强和非线性增强. 防风固沙功能单因子探测在2000年和2010年DEM是主导因素，DEM和NDVI、DEM及降水交互作用解释力较大，2020年气温占主导因素，气温和降水的交互作用解释力最大. 水源涵养功能交互因子探测中，降水和其他因素交互作用较强，2000降水与植被覆盖度的解释力最大，2020年降水与气温的解释力最大. 碳储量功能交互因子探测中，NDVI为主导因素，NDVI与DEM的交互作用解释力最强. 土壤保持功能交互因子探测中，DEM为主导因素，2000年DEM与降水的交互作用解释力最大，2010年和2020年DEM与NDVI的交互作用解释力最大.
|
图 6 生态系统服务功能的影响因子交互探测结果 Fig. 6 Interactive detection results of ecosystem service function driving factors |
基于SOM识别出4种生态系统服务簇（图 7）. 服务簇1防风固沙功能占主导，主要分布在白城市西部高地以及东部嫩江湾流域，水源涵养和碳储量均高于平均水平，土壤保持功能则低于平均水平；服务簇2以土壤保持和水源涵养为主，集中分布在西北部，防风固沙功能低于平均水平；服务簇3以碳储量为主，与农田分布区一致，主要分布在中部、东北部及南部，除碳储量外，其他生态系统服务功能均低于平均水平. 服务簇4生态系统服务功能较弱，处于平均水平以下，其中碳储量服务功能最低，原因是以未利用地和建设用地居多.
|
风玫瑰图表示4个生态系统服务簇中的主要生态系统服务功能，生态系统服务为标准化数据，无量纲；服务簇方向朝上表示区域生态系统服务功能大于0，高于平均水平，服务簇方向朝下表示区域生态系统功能小于0，低于平均水平 图 7 白城市生态系统服务簇识别结果 Fig. 7 Results of ecosystem service bundle identification in Baicheng City |
服务簇1为防风固沙簇，2000~2020年面积持续减小，面积占比从29.22%下降为0.49%. 服务簇2为生态涵养簇，面积持续增加，面积占比从1.78%增加为22.61%. 服务簇3为粮食生产簇，面积呈先增加后减少趋势，3个时期的面积占比分别为45.94%、61.30%和52.02%. 服务簇4为生态潜力簇，面积呈稳定趋势，3个时期的面积占比分别为23.07%、25.64%和24.88%.
4 讨论 4.1 生态系统服务功能的时空演变及影响因素由于生态环境的复杂性和多变性，生态系统服务功能的空间分布存在显著差异[39]. 白城市4种生态系统服务功能具有相似的空间分布格局，高生态系统服务功能区分布在生态景观复杂多样、植被覆盖率高以及人类活动水平相对较低的洼地与地势较高地区，这些地区有较强碳汇能力、削减洪峰及地表径流能力和生物多样性保持能力[40]. 河流流经及地势低洼地区能够储存地表水，且沼泡分布众多，有较高的水源涵养能力和生态保护潜力. Cao等[41]对新疆产水量、碳储量和土壤保持等功能进行量化，发现生态系统服务功能值较高的地区分布在天山南北坡的森林、草原和山地草甸等生态系统为主的地区，这与本文研究的结果一致. 海拔较低、地势平坦、农田及村镇城市面积占比较大的白城市中部地区以及苏打型盐碱地集中分布于东部地区，生态系统服务能力较弱. 从生态系统服务功能量化结果来看，20 a间白城市防风固沙功能、水源涵养功能和土壤保持功能的时间演变与王世豪[42]等对于东北地区的研究结果相契合. 冯琳等[43]研究也表明吉林西部生态系统产水量和土壤保持量出现明显上升趋势，生态系统服务功能高值区多集中在研究区的湿地、草地和林地.
识别生态系统功能的影响因素对于空间规划和生态系统管理至关重要. 自然因素是影响白城市生态系统服务功能及其作用关系的主导因素，这与邓钰栎等的研究结果一致[44]. 无论是单因子探测还是多因子探测，降水、植被覆盖与DEM为主要的影响因素. 降水可增加土壤湿度，从而抑制土壤风蚀[45]，植被是保护土壤免受侵蚀的关键因素，具有增加土壤稳定性，减少径流冲刷以及降低降雨侵蚀的功能[46]，是生态系统服务功能改善的驱动力[47]，土壤保持和碳储量在很大程度上受植被覆盖影响，地形起伏对土壤保持功能影响较高，年降水量对水源涵养功能影响因素较高，这与张能能等[48]的研究结果一致.
4.2 生态系统服务的权衡与协同关系了解生态系统服务功能之间的交互作用的复杂性是对生态系统正确管理决策的先决条件[49]. Spearman相关性系数表明，各生态系统服务功能之间的相互关系以协同为主，相互促进，这一结果与诸多学者的研究成果相一致[50]. 不同的空间尺度会影响生态系统服务功能之间的相关系数[51，52]，随着空间尺度增加，样本数量降低，虽然相关系数接近但显著性下降[53]. 根据Teng等[54]对祁连山地区研究结果，防风固沙和产水量在雨量丰富的山区表现为强权衡关系，在地势平坦地区表现为弱协同关系，本文研究区为半干旱半湿润区的白城市，地势低平，防风固沙和产水量主要表现协同关系，这与Teng等[54]的研究结果一致. 本文的碳储量与产水量表现为协同关系，这与袁乐等对新疆地区[55]的研究结果一致，而庞彩艳等[56]研究表明在黄河上游地区产水量和碳储量之间为权衡关系，主要是由于地理条件不同，植被覆盖度和降水密切相关，降水促进植被生长并增加固碳量，当降水过高，同时有海拔高和坡度大的地形条件，就会对土壤造成冲刷，造成碳储量减少.
本文基于Spearman相关性分析和地理加权回归计算生态系统服务功能的权衡/协同关系，由于生态系统服务功能权衡协同关系具有明显尺度效应，不同尺度的地理单元土地利用组成和配置不同[57]，因此在Spearman相关性分析和地理加权回归计算的生态系统服务功能权衡和协同关系结果具有差异. 地理加权回归结果表明，4种生态系统服务功能耦合关系主要以协同为主. 随着时间推移权衡关系占比不断扩大，强权衡和高协同同步发展. 水源涵养-碳储量的权衡关系面积增加，可能是由于固碳造林等措施有助于碳封存，但会对水供应以及生物多样性产生负面影响，在水资源有限且物种丰富的地区，碳储量与其他生态系统更可能发展潜在权衡关系[58]. 白城市水源涵养-土壤保持的权衡关系面积增加，有学者研究表明大规模生态恢复计划的实施导致多尺度后果，植被在流域尺度上导致产水量大幅下降，特别是在干旱半干旱地区森林的数量增加是导致地表径流减少和蒸散量增加的主要原因之一[59]，白城市生态恢复项目实施土壤保持功能提高的同时使得水源涵养服务功能降低，扩大了权衡关系的面积.
4.3 不足与展望本文根据同一生态系统服务簇在地理空间分布上具有集聚效应的性质，将白城市生态系统服务簇划分为4个生态功能区：防风固沙区、生态涵养区、粮食生产区和生态潜力区. 防风固沙区内应以恢复植被和防沙治沙为重点，退耕还林还草，恢复植被，合理选择并引入耐旱固沙经济作物；生态涵养区内应划定生态红线，严格控制开发强度，实施草原治理与湿地生态修复工程，提高优质牧草生产力与植被覆盖度，促进水生生态调节系统的稳定；粮食生产区内应推进农业产业结构调整，开展保护性耕作，发展绿色高效农业，提升耕地质量，防治土壤盐碱化和耕地退化；生态潜力区的生态系统功能水平最低，应开展盐碱地进行综合治理，挖掘耕地后备资源潜力.
本文通过InVEST和RWEQ模型评估白城市生态系统服务功能时空动态特征，并从自然和社会经济因素多角度探究生态系统服务功能的影响因素；通过相关性分析和地理加权回归方法识别生态系统服务功能间的权衡与协同关系，并利用SOM算法划分生态系统服务簇，结合生态系统服务簇为白城市生态功能分区提供参考建议. 研究方法可为半干旱半湿润地区生态系统服务功能评估及生态分区提供参考，但仍存在一定的局限性，如InVEST模型碳密度数据根据前人研究成果取值并修正，仅对2 km网格尺度的生态系统服务功能进行相关性分析，评估生态恢复及工程实施较为显著的2000年以来三期生态系统服务功能，并且选择了4种主要的生态系统服务类型来研究. 后续应对实地情况进行调查，通过实测数据修正参数；对生态系统服务功能进行多种空间尺度的对比分析；生态脆弱区的生态服务类型多样且复杂多变，其权衡和协同关系及生态服务簇受多种因素影响，未来将多角度地深入开展长时间序列的吉林西部生态系统其他服务功能类型的研究，如提供产品功能（畜牧生产、粮食生产）、文化功能（休闲旅游）和支持功能（生境质量）等，为区域的土地政策、生态格局和国土空间规划提供依据.
5 结论（1）2000~2020年白城市防风固沙、水源涵养、碳储量和土壤保持这4种生态系统服务功能均有所提升，且均表现为东西高、中间低的空间分布格局.
（2）白城市生态系统服务功能以协同关系为主导，权衡关系随时间发展有增加趋势. 土壤保持-碳储量和水源涵养-防风固沙的协同关系分布在白城市的大部分区域，土壤保持-水源涵养、土壤保持-防风固沙、碳储量-水源涵养和碳储量-防风固沙协同关系主要分布西部和东部，与权衡关系交错分布.
（3）自然因素对生态系统服务功能的影响大于社会经济因素，其中植被覆盖度和NDVI对4种生态系统服务功能的影响较大. 气候、植被和地貌因素的相互作用解释力大于任何单一因素的解释力. 交互因子探测中降水、植被覆盖度、NDVI和DEM与其他因子交互作用较强，交互作用解释力较大.
（4）基于3期和4种生态系统服务功能的服务簇时空变化，将白城市划分为防风固沙区、生态涵养区、粮食生产区和生态潜力区，分别以植被恢复和防沙治沙、优先保护和生态恢复、农田建设和产业结构调整以及盐碱地综合治理为重点工作.
| [1] |
谢高地, 肖玉, 鲁春霞. 生态系统服务研究: 进展、局限和基本范式[J]. 植物生态学报, 2006, 30(2): 191-199. Xie G D, Xiao Y, Lu C X. Study on ecosystem services: progress, limitation and basic paradigm[J]. Chinese Journal of Plant Ecology, 2006, 30(2): 191-199. |
| [2] |
欧阳志云, 王效科, 苗鸿. 中国陆地生态系统服务功能及其生态经济价值的初步研究[J]. 生态学报, 1999, 19(5): 607-613. Ouyang Z Y, Wang X K, Miao H. A primary study on Chinese terrestrial ecosystem services and their ecological-economic values[J]. Acta Ecologica Sinica, 1999, 19(5): 607-613. |
| [3] |
李双成, 刘金龙, 张才玉, 等. 生态系统服务研究动态及地理学研究范式[J]. 地理学报, 2011, 66(12): 1618-1630. Li S C, Liu J L, Zhang C Y, et al. The research trends of ecosystem services and the paradigm in geography[J]. Acta Geographica Sinica, 2011, 66(12): 1618-1630. |
| [4] |
郭宗亮, 刘亚楠, 张璐, 等. 生态系统服务研究进展与展望[J]. 环境工程技术学报, 2022, 12(3): 928-936. Guo Z L, Liu Y N, Zhang L, et al. Research progress and prospect of ecosystem services[J]. Journal of Environmental Engineering Technology, 2022, 12(3): 928-936. |
| [5] | Shen J S, Li S C, Wang H, et al. Understanding the spatial relationships and drivers of ecosystem service supply-demand mismatches towards spatially-targeted management of social-ecological system[J]. Journal of Cleaner Production, 2023, 406. DOI:10.1016/j.jclepro.2023.136882 |
| [6] | Li C J, Fu B J, Wang S, et al. Climate-driven ecological thresholds in China's drylands modulated by grazing[J]. Nature Sustainability, 2023, 6(11): 1363-1372. DOI:10.1038/s41893-023-01187-5 |
| [7] | Xu J, Wang S, Xiao Y, et al. Mapping the spatiotemporal heterogeneity of ecosystem service relationships and bundles in Ningxia, China[J]. Journal of Cleaner Production, 2021, 294. DOI:10.1016/j.jclepro.2021.126216 |
| [8] | Bennett E M, Peterson G D, Gordon L J. Understanding relationships among multiple ecosystem services[J]. Ecology Letters, 2009, 12(12): 1394-1404. DOI:10.1111/j.1461-0248.2009.01387.x |
| [9] |
彭建, 胡晓旭, 赵明月, 等. 生态系统服务权衡研究进展: 从认知到决策[J]. 地理学报, 2017, 72(6): 960-973. Peng J, Hu X X, Zhao M Y, et al. Research progress on ecosystem service trade-offs: from cognition to decision-making[J]. Acta Geographica Sinica, 2017, 72(6): 960-973. |
| [10] | Gou M M, Li L, Ouyang S, et al. Identifying and analyzing ecosystem service bundles and their socioecological drivers in the Three Gorges reservoir area[J]. Journal of Cleaner Production, 2021, 307. DOI:10.1016/j.jclepro.2021.127208 |
| [11] |
黄木易, 汤玉茹, 郭芹, 等. 基于权衡协同效应的安徽省生态功能区识别及情景模拟[J]. 中国环境科学, 2025, 45(1): 450-464. Huang M Y, Tang Y R, Guo Q, et al. Identification of ecological functional areas and multi-scenario simulation study in Anhui province based on trade-off/synergy effect[J]. China Environmental Science, 2025, 45(1): 450-464. |
| [12] |
魏雷晗冰, 时鹏, 魏勇, 等. 窟野河流域生态系统服务功能变化及其驱动因素分析[J]. 水土保持学报, 2024, 38(4): 222-235. Wei L H B, Shi P, Wei Y, et al. Analysis of ecosystem service function changes and their driving factors in the Kuye river basin[J]. Journal of Soil and Water Conservation, 2024, 38(4): 222-235. |
| [13] |
范逸凡, 王珂, 黄璐. 乡村地区生态系统服务权衡与协同关系——以湖州市为例[J]. 生态学报, 2022, 42(17): 6875-6887. Fan Y F, Wang K, Huang L. Trade-offs and synergies of ecosystem services in rural areas: a case study of Huzhou[J]. Acta Ecologica Sinica, 2022, 42(17): 6875-6887. |
| [14] |
李双成, 张才玉, 刘金龙, 等. 生态系统服务权衡与协同研究进展及地理学研究议题[J]. 地理研究, 2013, 32(8): 1379-1390. Li S C, Zhang C Y, Liu J L, et al. The tradeoffs and synergies of ecosystem services: research progress, development trend, and themes of geography[J]. Geographical Research, 2013, 32(8): 1379-1390. |
| [15] | Ai X, Zheng X, Zhang Y R, et al. Climate and land use changes impact the trajectories of ecosystem service bundles in an urban agglomeration: intricate interaction trends and driver identification under SSP-RCP scenarios[J]. Science of the Total Environment, 2024, 944. DOI:10.1016/j.scitotenv.2024.173828 |
| [16] | Cord A F, Bartkowski B, Beckmann M, et al. Towards systematic analyses of ecosystem service trade-offs and synergies: main concepts, methods and the road ahead[J]. Ecosystem Services, 2017, 28: 264-272. DOI:10.1016/j.ecoser.2017.07.012 |
| [17] |
张春悦, 白永平, 杨雪荻, 等. 多情景模拟下宁夏平原生态系统服务簇识别研究[J]. 地理研究, 2022, 41(12): 3364-3382. Zhang C Y, Bai Y P, Yang X D, et al. Identification of ecosystem service bundles in Ningxia plain under multi-scenario simulation[J]. Geographical Research, 2022, 41(12): 3364-3382. |
| [18] | 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 |
| [19] | Zhang X M, Xie B G, Zhou K C, et al. Mapping ecosystem service clusters and exploring their driving mechanisms in karst peak-cluster depression regions in China[J]. Ecological Indicators, 2024, 158. DOI:10.1016/j.ecolind.2023.111524 |
| [20] | Shen J S, Li S C, Liang Z, et al. Exploring the heterogeneity and nonlinearity of trade-offs and synergies among ecosystem services bundles in the Beijing-Tianjin-Hebei urban agglomeration[J]. Ecosystem Services, 2020, 43. DOI:10.1016/j.ecoser.2020.101103 |
| [21] | Feng Q, Zhao W W, Fu B J, et al. Ecosystem service trade-offs and their influencing factors: a case study in the Loess Plateau of China[J]. Science of the Total Environment, 2017, 607-608: 1250-1263. DOI:10.1016/j.scitotenv.2017.07.079 |
| [22] |
黄孟冬, 肖玉, 秦克玉, 等. 1980—2018年浑善达克地区防风固沙服务时空变化及其驱动因素[J]. 生态学报, 2022, 42(18): 7612-7629. Huang M D, Xiao Y, Qin K Y, et al. Spatiotemporal dynamics and drivers of wind erosion prevention service in Otindag from 1980 to 2018[J]. Acta Ecologica Sinica, 2022, 42(18): 7612-7629. |
| [23] |
蔺阿荣, 周冬梅, 马静, 等. 基于RWEQ模型的疏勒河流域防风固沙功能价值评估[J]. 干旱区地理, 2024, 47(1): 58-67. Lin A R, Zhou D M, Ma J, et al. Evaluation of wind prevention and sand fixation function in Shule river basin based on RWEQ model[J]. Arid Land Geography, 2024, 47(1): 58-67. |
| [24] |
胡玲, 孙聪, 范闻捷, 等. 近20年防风固沙重点生态功能区植被动态分析[J]. 生态学报, 2021, 41(21): 8341-8351. Hu L, Sun C, Fan W J, et al. Spatio-temporal dynamics of vegetation in key ecological function zone of wind-break and sand-fixation over the last 20 years[J]. Acta Ecologica Sinica, 2021, 41(21): 8341-8351. |
| [25] |
王懋源, 齐实, 郭衍瑞, 等. 藏东-川西生态维护水源涵养区产水量驱动机制[J]. 生态学报, 2024, 44(21): 9520-9534. Wang M Y, Qi S, Guo Y R, et al. Driving mechanism of water yield in the ecological and water conservation zone of east Tibet and west Sichuan province[J]. Acta Ecologica Sinica, 2024, 44(21): 9520-9534. |
| [26] |
刘志春, 曹文侠, 王正文, 等. 2005—2020年甘肃省甘南州水源涵养功能时空变化及其驱动因素[J]. 水土保持通报, 2024, 44(3): 231-240. Liu Z C, Cao W X, Wang Z W, et al. Spatiotemporal variation of water conservation function and its driving factors in Gannan prefecture of Gansu province during 2005-2020[J]. Bulletin of Soil and Water Conservation, 2024, 44(3): 231-240. |
| [27] |
唐文睿, 曹玉红. 基于InVEST-PLUS模型的皖江流域碳储量时空演变及预测[J]. 环境科学, 2025, 46(6): 3818-3829. Tang W R, Cao Y H. Spatial-temporal evolution and prediction of carbon reserves in Wanjiang river basin with the InVEST-PLUS model[J]. Environmental Science, 2025, 46(6): 3818-3829. DOI:10.13227/j.hjkx.202406063 |
| [28] |
马益婷, 石云, 李聪, 等. 基于InVEST与CA-Markov模型的宁东能源化工基地碳储量估测及经济价值估算[J]. 环境科学, 2025, 46(7): 4416-4427. Ma Y T, Shi Y, Li C, et al. Estimation of carbon storage and economic value of Ningdong energy and chemical base based on InVEST and CA-Markov model[J]. Environmental Science, 2025, 46(7): 4416-4427. DOI:10.13227/j.hjkx.202406102 |
| [29] |
童荣鑫, 梁迅, 关庆锋, 等. 2000—2020年中国陆地土壤碳储量及土地管理碳汇核算[J]. 地理学报, 2023, 78(9): 2209-2222. Tong R X, Liang X, Guan Q F, et al. Estimation of soil carbon storage change from land use and management at a high spatial resolution in China during 2000-2020[J]. Acta Geographica Sinica, 2023, 78(9): 2209-2222. |
| [30] |
张锦, 张新艳, 张文广, 等. 不同情景下松花江上游碳储量动态变化及碳汇潜力[J]. 生态学杂志, 2024, 43(9): 2684-2693. Zhang J, Zhang X Y, Zhang W G, et al. Carbon stock dynamics and carbon sink potential in the upper reaches of Songhua river under different scenarios[J]. Chinese Journal of Ecology, 2024, 43(9): 2684-2693. |
| [31] |
陶勤, 王世航, 王奇, 等. 基于InVEST模型的川滇生态屏障区土壤保持功能评价[J]. 土壤学报, 2024, 61(6): 1548-1556. Tao Q, Wang S H, Wang Q, et al. Evaluation of soil conservation function in the Sichuan-Yunnan ecological barrier area based on the InVEST model[J]. Acta Pedologica Sinica, 2024, 61(6): 1548-1556. |
| [32] |
石建丽, 仲俊涛, 马勇洁, 等. 青海湖流域土壤保持服务功能模拟及驱动因素分析[J]. 长江流域资源与环境, 2024, 33(6): 1286-1297. Shi J L, Zhong J T, Ma Y J, et al. Spatio-temporal evolution and driving factors of soil conservation function in Qinghai lake basin based on InVEST model[J]. Resources and Environment in the Yangtze Basin, 2024, 33(6): 1286-1297. |
| [33] | Xia H, Yuan S F, Prishchepov A V. Spatial-temporal heterogeneity of ecosystem service interactions and their social-ecological drivers: implications for spatial planning and management[J]. Resources, Conservation and Recycling, 2023, 189. DOI:10.1016/j.resconrec.2022.106767 |
| [34] |
王劲峰, 徐成东. 地理探测器: 原理与展望[J]. 地理学报, 2017, 72(1): 116-134. Wang J F, Xu C D. Geodetector: principle and prospective[J]. Acta Geographica Sinica, 2017, 72(1): 116-134. |
| [35] |
张维琛, 王惺琪, 王博杰. 塔布河流域生态系统服务时空格局及影响因素分析[J]. 生态环境学报, 2024, 33(7): 1142-1152. Zhang W C, Wang X Q, Wang B J. Spatiotemporal pattern and influencing factors of the ecosystem services in the Tabu river basin[J]. Ecology and Environmental Sciences, 2024, 33(7): 1142-1152. |
| [36] |
王培家, 章锦河, 杨良健, 等. 典型旅游城市生态系统服务时空演变及其影响因素——以黄山市为例[J]. 生态学报, 2024, 44(9): 3897-3910. Wang P J, Zhang J H, Yang L J, et al. Spatio-temporal evolution of ecosystem services in a typical tourist city and its influencing factors: a case study of Huangshan city[J]. Acta Ecologica Sinica, 2024, 44(9): 3897-3910. |
| [37] |
李昊瑞, 马帅, 殷允可, 等. 生态系统服务多功能区时空变化及其影响因素分析: 以青藏高原生态屏障区为例[J]. 生态与农村环境学报, 2024, 40(8): 1038-1046. Li H R, Ma S, Yin Y K, et al. Spatio-temporal changes of ecosystem service multi-functional areas and their influencing factors: a case study of the Qinghai-Tibet plateau ecological shelter[J]. Journal of Ecology and Rural Environment, 2024, 40(8): 1038-1046. |
| [38] |
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. DOI:10.13227/j.hjkx.202301081 |
| [39] | Hu T, Wu J S, Li W F. Assessing relationships of ecosystem services on multi-scale: a case study of soil erosion control and water yield in the Pearl River Delta[J]. Ecological Indicators, 2019, 99: 193-202. DOI:10.1016/j.ecolind.2018.11.066 |
| [40] | Mandle L, Wolny S, Bhagabati N, et al. Assessing ecosystem service provision under climate change to support conservation and development planning in Myanmar[J]. PLoS One, 2017, 12(9). DOI:10.1371/journal.pone.0184951 |
| [41] | Cao C, Luo Y T, Xu L P, et al. Construction of ecological security pattern based on InVEST-Conefor-MCRM: a case study of Xinjiang, China[J]. Ecological Indicators, 2024, 159. DOI:10.1016/j.ecolind.2024.111647 |
| [42] |
王世豪, 徐新良, 黄麟, 等. 东北黑土区生态系统服务权衡与协同[J]. 生态学报, 2024, 44(21): 9504-9519. Wang S H, Xu X L, Huang L, et al. Trade-offs and synergies of ecosystem services in the black soil region of northeast China[J]. Acta Ecologica Sinica, 2024, 44(21): 9504-9519. |
| [43] |
冯琳, 雷国平. 东北地区生态系统服务及权衡/协同关系时空演变特征与功能分区研究[J]. 中国土地科学, 2023, 37(7): 100-113. Feng L, Lei G P. Study on spatial-temporal evolution characteristics and functional zoning of ecosystem services and trade-offs/synergies relationships in northeastern China[J]. China Land Science, 2023, 37(7): 100-113. |
| [44] |
邓钰栎, 王丹, 许涵. 双尺度下广东韶关市生态系统服务及其权衡/协同关系及社会生态驱动因素[J]. 应用生态学报, 2023, 34(11): 3073-3084. Deng Y L, Wang D, Xu H. Trade-offs and synergies relationships of ecosystem services and their socio-ecological driving factors under different spatial scales in Shaoguan city, Guangdong, China[J]. Chinese Journal of Applied Ecology, 2023, 34(11): 3073-3084. |
| [45] | Wu L L, Sun C G, Fan F L. Multi-criteria framework for identifying the trade-offs and synergies relationship of ecosystem services based on ecosystem services bundles[J]. Ecological Indicators, 2022, 144. DOI:10.1016/j.ecolind.2022.109453 |
| [46] | Tian P, Zhu Z L, Yue Q M, et al. Soil erosion assessment by RUSLE with improved P factor and its validation: case study on mountainous and hilly areas of Hubei province, China[J]. International Soil and Water Conservation Research, 2021, 9(3): 433-444. |
| [47] | Hu B A, Kang F F, Han H R, et al. Exploring drivers of ecosystem services variation from a geospatial perspective: insights from China's Shanxi province[J]. Ecological Indicators, 2021, 131. DOI:10.1016/j.ecolind.2021.108188 |
| [48] |
张能能, 刘兆刚. 基于InVEST模型小兴安岭生态系统服务功能权衡/协同效应[J]. 环境科学, 2025, 46(7): 4628-4640. Zhang N N, Liu Z G. Trade-offs/synergies of ecosystem services in the Xiaoxing'an mountains based on the InVEST model[J]. Environmental Science, 2025, 46(7): 4628-4640. |
| [49] |
王耕, 冯妍. 辽宁太子河流域生态系统服务权衡/协同关系时空变化与情景预测[J]. 生态学报, 2024, 44(1): 96-106. Wang G, Feng Y. Spatio-temporal variation and scenario prediction of ecosystem service tradeoffs/synergies in the Taizi river basin, Liaoning province[J]. Acta Ecologica Sinica, 2024, 44(1): 96-106. |
| [50] |
陈田田, 黄强, 王强. 基于地理探测器的喀斯特山区生态系统服务关系分异特征及驱动力解析——以贵州省为例[J]. 生态学报, 2022, 42(17): 6959-6972. Chen T T, Huang Q, Wang Q. Differentiation characteristics and driving factors of ecosystem services relationships in karst mountainous area based on geographic detector modeling: a case study of Guizhou province[J]. Acta Ecologica Sinica, 2022, 42(17): 6959-6972. |
| [51] |
周杰, 杨洁, 张文柳. 甘南州生态系统服务时空变化及权衡协同关系[J]. 环境科学, 2025, 46(4): 2398-2409. Zhou J, Yang J, Zhang W L. Spatiotemporal variation and trade-off synergistic relationship of ecosystem services in Gannan prefecture[J]. Environmental Science, 2025, 46(4): 2398-2409. DOI:10.13227/j.hjkx.202403255 |
| [52] | Zeng S P, Jiang C Q, Bai Y F, et al. Understanding scale effects and differentiation mechanisms of ecosystem services tradeoffs and synergies relationship: a case study of the Lishui River Basin, China[J]. Ecological Indicators, 2024, 167. DOI:10.1016/j.ecolind.2024.112648 |
| [53] |
韩晓佳, 王继军, 温昕. 退耕区域生态系统服务作用关系尺度效应及分异机制——以安塞区为例[J]. 生态学报, 2024, 44(5): 1791-1807. Han X J, Wang J J, Wen X. The scale effect and differentiation mechanism of the relationship between ecosystem services in the grain for green area: a case study of Ansai district[J]. Acta Ecologica Sinica, 2024, 44(5): 1791-1807. |
| [54] | Teng Y M, Zhan J Y, Liu W, et al. Spatial heterogeneity of ecosystem services trade-offs among ecosystem service bundles in an alpine mountainous region: a case-study in the Qilian mountains, northwest China[J]. Land Degradation & Development, 2022, 33(11): 1846-1861. |
| [55] |
袁乐, 阿不都克依木·阿布力孜, 于苏云江·吗米提敏, 等. 基于生态系统服务簇的生态功能区权衡与协同关系演变: 以吐哈地区为例[J]. 环境科学, 2025, 46(5): 3042-3057. Yuan L, Abulizi A, Mamitimin Y, et al. Evolution trade-offs and synergistic relationships in ecological functional areas based on ecosystem service bundles: a case study of the Turpan-Hami region[J]. Environmental Science, 2025, 46(5): 3042-3057. DOI:10.13227/j.hjkx.202404272 |
| [56] |
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. |
| [57] |
张建香, 汪亚峰, 张耀宗, 等. 延河流域生态系统服务权衡/协同关系阈值效应[J]. 生态学报, 2024, 44(23): 10573-10581. Zhang J X, Wang Y F, Zhang Y Z, et al. Threshold effects of trade-offs and synergies among ecosystem services in the Yanhe Basin[J]. Acta Ecologica Sinica, 2024, 44(23): 10573-10581. |
| [58] | Chisholm R A. Trade-offs between ecosystem services: water and carbon in a biodiversity hotspot[J]. Ecological Economics, 2010, 69(10): 1973-1987. DOI:10.1016/j.ecolecon.2010.05.013 |
| [59] | Lyu F, Tang J Q, Olhnuud A, et al. The impact of large-scale ecological restoration projects on trade-offs/synergies and clusters of ecosystem services[J]. Journal of Environmental Management, 2024, 365. DOI:10.1016/j.jenvman.2024.121591 |