基于生态系统服务的长株潭城市群“三区空间”格局演化的生态效应及其影响因素

引用本文

王雪, 帅红, 陈瑶瑶, 何震宇, 陈藜藜. 基于生态系统服务的长株潭城市群“三区空间”格局演化的生态效应及其影响因素[J]. 环境科学, 2026, 47(10): 7149-7162.

WANG Xue, SHUAI Hong, CHEN Yao-yao, HE Zhen-yu, CHEN Li-li. Ecological Effects and Influencing Factors of the Spatial Pattern Evolution of "Three Zones Space" in the Chang-Zhu-Tan Urban Agglomeration Based on Ecosystem Services[J]. Environmental Science, 2026, 47(10): 7149-7162.

基于生态系统服务的长株潭城市群“三区空间”格局演化的生态效应及其影响因素

王雪¹, 帅红¹, 陈瑶瑶¹, 何震宇¹, 陈藜藜²

1. 湖南师范大学地理科学学院，长沙 410006;
2. 中南林业科技大学经济管理学院，长沙 410004

收稿日期: 2025-08-14; 修订日期: 2025-11-05

基金项目: 国家自然科学基金项目（42201273）；湖南省自然资源厅科技计划项目（HBS20240106）

作者简介: 王雪（2000~），女，硕士研究生，主要研究方向为区域生态安全与可持续发展，E-mail：202420132720@hunnu.edu.cn

通信作者: 帅红, E-mail：200813010001@hunnu.edu.cn

摘要: 长株潭城市群是中部地区高质量发展的核心增长极，明晰该区“三区”空间演化与生态服务功能的关系及其驱动因素，对区域国土空间优化和生态保护具有重要意义. 运用土地利用转移矩阵和InVEST模型，分析2000~2020年长株潭城市群6类生态服务时空特征，计算综合生态服务指数与“三区空间”转型生态贡献率，并利用随机森林模型探究驱动机制. 结果表明：①20 a间，长株潭城市群城镇空间持续扩张，农业与生态空间缩减，3类空间总交叉转换面积达2 504.29 km²，以农业与生态空间互转为主，向城镇空间转换次之，城镇空间向农业空间和生态空间转换最少. ②生态系统服务功能总体恶化，综合生态系统服务指数下降0.011，生境质量、粮食供给、碳固存和休闲娱乐这4项功能下降，土壤保持与水质净化功能提升，农业空间和生态空间向城镇空间转换是主因. ③生态系统服务功能受自然地理、社会经济和交通区位共同影响，夜间灯光指数、地形起伏度等因子起主导作用，变量间呈非线性相关. 研究可为长株潭城市群国土资源利用和生态保护提供决策依据.

关键词: 生态系统服务（ESs） “三区空间” 时空演化随机森林（RF）长株潭城市群

Ecological Effects and Influencing Factors of the Spatial Pattern Evolution of "Three Zones Space" in the Chang-Zhu-Tan Urban Agglomeration Based on Ecosystem Services

WANG Xue¹ , SHUAI Hong¹ , CHEN Yao-yao¹ , HE Zhen-yu¹ , CHEN Li-li²

1. School of Geographical Science, Hunan Normal University, Changsha 410006, China;
2. School of Economics and Management, Central South University of Forestry and Technology, Changsha 410004, China

Abstract: The Chang-Zhu-Tan urban agglomeration is a core growth pole for high-quality development in central China. Clarifying the relationship between the spatial evolution of the "three zones" (urban, agricultural, and ecological spaces) and ecological service functions, as well as their driving factors, is of great significance for optimizing regional territorial space and ecological protection. This study analyzed the spatiotemporal characteristics of six types of ecological services in the Chang-Zhu-Tan urban agglomeration from 2000 to 2020 using land use transfer matrices and the InVEST model, calculated the comprehensive ecological service index and the ecological contribution rate of spatial transformation in the "three zones space", and explored the driving mechanisms using the random forest model. The results showed that: ① Over the 20 years, urban space in the Chang-Zhu-Tan urban agglomeration continued to expand, while agricultural and ecological spaces shrank. The total cross-conversion area of the three types of spaces reached 2 504.29 km², mainly characterized by mutual conversion between agricultural and ecological spaces, followed by conversion to urban space, and the least conversion from urban space to agricultural and ecological spaces. ② The overall ecosystem service functions deteriorated, with the comprehensive ecosystem service index decreasing by 0.011. Four functions, including habitat quality, food supply, carbon sequestration, and recreational services, declined, while soil conservation and water purification functions improved. The conversion of agricultural and ecological spaces to urban space was the main cause. ③ Ecosystem service functions were jointly affected by natural geography, social economy, and transportation location. Factors such as night-time light index and topographic relief played a leading role, and there was a non-linear correlation between variables. This study can provide a decision-making basis for land resource utilization and ecological protection in the Chang-Zhu-Tan urban agglomeration.

Key words: ecosystem services(ESs) "three zones space" spatiotemporal evolution random forest(RF) Chang-Zhu-Tan urban agglomeration

生态系统服务（ESs）是生态系统与生态过程所形成及所维持的人类赖以生存的自然环境条件与效用^[1]. 土地作为生态系统的核心载体，其属性、利用方式和空间格局直接决定了生态系统服务的类型、强度和可持续性. 在国土空间治理的框架下，生态系统服务作为自然资本的空间显性表达，与国土空间格局形成动态耦合的互馈机制^[2]. “三区空间”概念是对以往“三生空间”概念和“主体功能区划”概念在国土空间治理维度的深化^[3]，“三生空间”是依照人类活动功能划分的空间管控概念，“主体功能区”是通过开发强度明确区域发展方向的空间管控概念，与二者相比“三区空间”可直接服务于规划实践，其实质上构成了多尺度空间治理的枢纽——既承载着主体功能区战略的宏观价值导向，又内嵌着土地利用规划的微观管控逻辑^[4]，从而成为国土空间治理体系的核心调控单元. 当前对于国土空间格局演化的生态效应研究在内容上体现为土地利用主导功能转型对区域气候^[5]、碳环境^[6]、水环境^[7]和生物多样性^[8]等单一要素的影响与关系研究. 也有学者从单一要素拓展到区域整体生态环境效应^[9]. 在国土空间格局的分类方法上则主要从“三生空间”^[10]、“主体功能区”^[11]及“三区空间”^[12]视角进行生态效应研究. 在研究范围上，城市群^[13]、行政区划^[14]、典型流域^[15，16]和生态保护区^[17]等层次是主要研究对象. 关于生态效应的研究方法则主要有生态环境质量指数^[18]、生态系统服务价值估算模型^[19，20]和景观生态风险指数^[21]等综合测度方法，也可用单一指标如归一化植被指数^[22]、遥感生态指数^[23]等直接测度生物量的方法对生态效应进行评估. 对于生态效应影响因素的研究方面，现有研究主要从自然因素、交通区位、社会经济因素和政策因素选取指标，并通过地理探测器^[24]、地理加权回归^[25]和偏最小二乘法^[26]等定量分析方法进行影响因素分析. 然而既有研究仍存在一些不足：生态效应测度只是从综合视角评估生态价值量或物质量，未能体现各类生态系统服务的空间分异；在生态系统服务功能的测度中，全面探讨4类服务功能的研究较少；在生态效应驱动因素分析中，驱动因子指标体系缺乏地域性，且原有方法无法直接克服自变量高度相关的问题.

长株潭城市群是中国中部地区首个国家级“两型社会”试验区，面临产业梯度转移和国家支持中西部地区发展的重大机遇，是湖南省现代化建设和全方位开放的战略支撑. 然而，在快速城市化的背景下，城市群内部国土空间的剧烈演化，不仅改变了区域自然基底的结构与功能，更引发了一系列不良生态效应，如生态系统服务退化、生物多样性丧失和热岛效应加剧等. 这些生态问题使得长株潭城市群生态系统稳定性降低、人类疾病风险和心理压力增大、产业发展受阻，造成了较大的经济损失. 基于此，本文从“三区空间”视角出发，结合主体功能区划对长株潭城市群2000~2020年国土空间格局演化进行研究，并通过InVEST模型测度长株潭城市群包括调节服务、支持服务、供给服务与文化服务在内的6类生态系统服务功能的时空演化特征，在此基础上构建综合生态服务指数（comprehensive ecosystem service index，CESI），并量化“三区空间”转型的生态贡献率，以此评估国土空间转型的生态效应，最后以县级行政单位为基础随机采样并利用随机森林模型揭示区域CESI演化的影响因素. 目的是明晰长株潭城市群基于生态系统服务视角的土地利用转型和生态效应间的关系及主导驱动因素，以期为城市群土地资源合理利用、生态环境保护及经济社会可持续发展提供最优均衡解.

1 材料与方法 1.1 研究区概况

长株潭城市群地处湖南省中东部湘中丘陵地区（26°18′~28°41′N，111°58′~114°13′E），总面积约3.57×10⁴ km²（图 1）. 位于湘中丘陵向江汉平原过渡的战略区位. 地貌以湘江河谷平原为主，高程落差2 097 m；属亚热带季风气候，年均温17.2 ℃，降水量1 361.6 mm，日照1 634.4 h，水热条件优越，湘江贯穿形成密集水网与典型红壤丘陵景观. 2023年数据显示，该区域土地利用以林地（22 214.68 km²）和耕地（10 091.54 km²）为主，建设用地（2 218.04 km²）次之，其余土地类型面积递减. 作为湖南省经济核心增长极与长江中游城市群核心板块，其以全省6.4% 的面积贡献40.9%的GDP（20 741.7亿元），18 min城市轨道交通通勤网络助推多产业发展. 此外，长株潭是国内唯一实施“绿心”规划的城市群，但经济增长伴随多类环境问题. 对此，三市协同构建生态环境“三统一”制度，并借助智能化技术实现动态监测.

图 1 2020年长株潭城市群高程与主体功能区区位示意 Fig. 1 Elevation and main functional area location of the Chang-Zhu-Tan urban agglomeration in 2020

1.2 数据来源及处理

本文以长株潭城市群作为研究区，考虑数据的可得性，所需数据包括土地利用数据、土壤数据及社会经济和相关统计数据. 其中，主体功能区划数据来源于湖南省人民政府（https://www.hunan.gov.cn/），绿心数据来源于湖南省发展和改革委员会（https://fgw.hunan.gov.cn/），并利用ArcGIS 10.8.1将其矢量化. 驱动数据主要来源于中国科学院资源环境科学与数据中心（https://www.resdc.cn/）、湖南省生态环境厅（https://sthjt.hunan.gov.cn/）. 其余数据来源与描述见表 1. 所有空间栅格数据统一为WGS_1984_World_Mercator投影坐标系.

表 1 数据来源与描述 Table 1 Sources and description of data

1.3 研究方法 1.3.1 “三区空间”分类体系

基于LUCC二级分类体系，结合土地利用主导功能及国土空间管控诉求（生态安全、粮食安全和城市发展）构建“三区空间”分类体系（表 2）.

表 2 长株潭城市群“三区空间”分类体系 Table 2 Spatial classification system of the "three zones space" of Chang-Zhu-Tan urban agglomeration

1.3.2 土地利用转移矩阵

基于LUCC分类体系和土地利用数据，运用ArcGIS重分类工具得到长株潭城市群5期“三区空间”时空分布与规模数据. 在此基础上通过土地利用转移矩阵量化3类空间相互转换的演变特征和转移方向，明确区域土地利用现状. 计算公式如下：

\begin{matrix} S_{i j} = [\begin{matrix} \begin{matrix} S_{11} & S_{12} \\ S_{21} & S_{22} \end{matrix} & \begin{matrix} \dots & S_{1 n} \\ \dots & S_{2 n} \end{matrix} \\ \begin{matrix} ⋮ & ⋮ \\ S_{n 1} & S_{n 2} \end{matrix} & \begin{matrix} ⋮ \\ \dots & S_{n n} \end{matrix} \end{matrix}] \end{matrix}

(1)

式中，S_ij为土地利用交叉转换总面积；i、j为研究期内的不同土地利用类型；n为土地利用类型数量.

1.3.3 生态系统服务功能量化

本文结合区域自然环境特征与现有研究，利用InVEST模型等方法，对生境质量^[27]、水质净化^[28]、土壤保持^[28]、碳固存^[29]、粮食供给^[30]以及休闲娱乐^[31]这6类典型功能进行测度（表 3）.

表 3 生态系统服务功能类型及计算方法 Table 3 Types of ecosystem service functions and calculation methods

类别	生态系统服务类型	计算方法	计算公式
支持服务	生境质量	InVEST模型, Habitat Quality模块	$Q_{i x} = H_{x} (1 - \frac{D_{i x}^{z}}{D_{i x}^{z} + k^{z}})$ 式中，Q_ix为土地利用类型x区域栅格i的生境质量；D_ix为土地利用类型x区域栅格i的生态环境胁迫程度；H_x为生境适宜度；k为半饱和参数
调节服务	土壤保持	InVEST模型，Sediment Delivery Ratio模块	$U S L E_{i} = R_{i} \times K_{i} \times L S_{i} \times C_{i} \times P_{i}$ $S_e x p o r t_{i} = U S L E_{i} \times S D R_{i}$ $S E D R E T_{i} = R_{i} \times K_{i} \times L S_{i} \times (1 - C_{i} \times P_{i}) + S_e x p o r t_{i}$ 式中，USLE_i为栅格i上评价土壤流失；R_i为降雨侵蚀因子；K_i为土壤侵蚀因子；LS_i为坡长坡度因子；C_i和P_i分别为植被因子和管理因子；S_export_i为栅格i上的泥沙输送值；SDR_i为泥沙输送比；SEDRET_i为土壤保持量
	碳固存	InVEST模型, Carbon Storage and Sequestration模块	$C_{t o t a l} = \sum_{i = 1}^{n} (C_{i_a b o v e} + C_{i_b e l o w} + C_{i_s o i l} + C_{i_d e a d}) \times S_{i}$ 式中，i为土地利用类型；C_i_{_above}、C_i_{_below}、C_i_{_soil}、C_i_{_dead}分别为土地利用类型i的地上碳密度、地下碳密度、土壤碳密度及死亡有机物碳密度；S_i土地利用类型i的面积；n为土地利用类型的数量
	水质净化	InVEST模型，Nutrient Delivery Ratio模块	$N_e x p o r t_{i} = l o a d_{i} \times N D R_{i}$ 式中，N_export_i为养分（N/P）在栅格i上的输送；load_i表示栅格i上的养分负荷；NDR_i表示在栅格i上的养分输送比
供给服务	粮食供给	基于农作物产量与NDVI线性关系的评估	将各区县粮食产量根据NDVI占比分配至农田栅格，计算公式如下： $F_{i j} = \frac{N_{i j}}{N_{j}} \times F_{j}$ 式中，F_ij为j县i栅格的粮食供给；N_ij为j 县i栅格的NDVI; N_j为第j县农田的NDVI之和；F_j为j县粮食总产量
文化服务	休闲娱乐	基于土地利用数据的评估	划分1.5 km×1.5 km的网格，计算网格内的生态空间（林地、草地和水域）的面积占比, 计算公式如下： $S_{L E} = \frac{A r e a_{e s}}{A r e a}$ 式中, S_LE表示休闲娱乐服务供给；Area_es为网格内生态空间的面积（km²）；Area为网格的总面积，即2.25 km²

表 3 生态系统服务功能类型及计算方法 Table 3 Types of ecosystem service functions and calculation methods

1.3.4 综合生态系统服务指数

在量化生态系统服务功能的基础上，为综合衡量长株潭城市群生态系统服务水平，结合现有研究^[32]，本文采用加权综合得分法构建CESI模型^[33]，考虑到各生态系统服务功能的重要程度均衡性，模型中各服务功能权重采用等权重处理，取值为0.167. 计算公式为：

C E S I = \sum_{i = 1}^{6} w_{i} \times E S_{i}^{'}

(2)

式中，CESI为综合生态服务指数， $E S_{i}^{'}$ 为无量纲化后的第i种生态系统服务功能，w_i为第i种生态系统服务的权重值.

1.3.5 “三区空间”转型的生态贡献率

“三区空间”转型的生态贡献率是指某类土地利用主导功能变化所导致的区域生态质量的改变^[18]，该指标量化了各类功能用地之间的相互转换对区域生态系统服务功能产生的影响，计算公式为：

L E I = (L E_{1} - L E_{0}) L A / T A

(3)

式中，LEI为“三区空间”转型的生态贡献率；LE₀和LE₁分别表示变化初期和末期所具有的CESI；LA为某变化地类的面积；TA为研究区总面积.

1.3.6 驱动要素指标体系构建

为分析2000~2020年长株潭城市群CESI的演化，本文参考相关研究^{[2，25，34]}，考虑数据的可获取性，可量化性及代表性，从自然地理方面选取平均气温（X1）、坡度（X2）、地形起伏度（X3）、净初级生产力（X4）、土壤类型（X5）、地貌类型（X6）及植被类型（X7）这7个指标；从社会经济因素选取人口密度（X8）、GDP（X9）、夜间灯光指数（X10）、城镇化率（X11）、农林牧渔总产值（X12）、农作物播种面积（X13）和房地产开发投资情况（X14）这7个指标；从交通区位因素选取距省会距离（X15）、距市中心距离（X16）、距主要河流距离（X17）、距主要公路距离（X18）和距铁路距离（X19）这5个指标；从政策方面选取节能环保财政支出（X20）和优先保护区面积占比（X21）这2个指标.

1.3.7 VIF检验

为避免高相关的自变量对结果的影响，本文对21个自变量进行方差膨胀因子VIF检验，公式如下：

V I F_{k} = \frac{1}{1 - R_{k}^{2}}

(4)

式中， $V I F_{k}$ 表示第k个自变量的方差膨胀因子； $R_{k}^{2}$ 表示辅助回归模型的决定系数.

1.3.8 随机森林模型

随机森林（RF）由Breiman^[35]于2001年提出，是基于分类回归树（CART）模型发展的一种高效集成学习方法^[36]. 该算法通过随机样本采样和随机特征采样，形成多个样本和特征子集，以此构建多个决策树. 随机森林模型的关键优势在于能够处理变量间复杂的非线性关系及高维数据，并且能够克服多重共线性的影响. 因此随机森林模型表现出强大的稳定性、可解释性、泛化能力及数据挖掘能力.

为高效统计数据，本文采用ArcGIS创建随机点工具，在长株潭城市群各县域内随机采样50个点并剔除空值和异常值，作为随机森林回归模型分析的样本点（共885个），而后利用多值提取至点工具将各指标数据统计至各个样本点，利用随机森林模型得出特征重要性，最后对重要性突出的因子进行空间分析. 经过多次调试最终确定将数据集按65%和35%的比例划分训练集和测试集，通过十折交叉验证结合网格搜索，找到最佳参数组合并训练最终模型. 最终确定最优参数组合：最大深度为10、最大特征数为sqrt、叶子节点最小样本数为2、节点分裂最小样本数为5和决策树数量为500棵.

2 结果与分析 2.1 “三区空间”时空演化特征 2.1.1 “三区空间”整体演化特征

从2000~2020年长株潭城市群“三区空间”演化来看（图 2），长株潭城市群的生态空间面积最大，农业空间次之，城镇空间最小. 生态空间和农业空间主要相间分布在各县域，城镇空间则集中分布在中心城区及其周边区域. 3类空间增减主要发生在城镇化高度发展的地区，其中长沙市芙蓉区全域、雨花区北部、天心区中部及北部等；株洲市荷塘区西部、芦淞区西部等；湘潭市雨湖区东部、岳塘区中西部及各县级行政单位中心区域最为显著. 根据其变化规模（表 4）分析，城镇空间不断扩大，增加面积为1 253.07 km²，农业空间和生态空间逐渐减少，分别缩小750.79 km²和502.28 km². 2000~2005年是社会主义市场经济体制基本框架初步建立的时期，经济发展尚处于起步阶段，因此该阶段也是研究期内3类空间面积增减幅度最小的阶段，农业空间和生态空间呈缩减趋势，分别缩减85.98 km²和77.05 km². 城镇空间呈扩张趋势，面积为163.03 km². 2005~2010年，由于经济社会的快速发展、工业化及城镇化的加速推进，农业空间和生态空间缩减及城镇空间扩张最为剧烈，分别达326.43、180.94和507.37 km². 2010~2020年，随着《湖南省主体功能区规划》的发布与实施，城镇空间扩张和农业空间缩减速度减缓. 同时，生态文明建设的推进使得生态空间得以恢复. 总体来看，20a来长株潭城市群受国家宏观政策调控及社会经济发展的综合驱动，城镇空间快速规模化扩张，同时伴随着农业空间和生态空间的协同减少.

图 2 2000~2020年长株潭城市群“三区空间”演化分布 Fig. 2 Distribution of the evolution of the "three zones space" in the Chang-Zhu-Tan urban agglomeration from 2000 to 2020

表 4 2000~2020年长株潭城市群“三区空间”面积统计 Table 4 Statistics of the area of "three zones space" of the Chang-Zhu-Tan urban agglomeration from 2000 to 2020

2.1.2 “三区空间”交叉转换特征

根据土地利用转移矩阵得到2000~2020年长株潭城市群“三区空间”交叉转换图（图 3）和转换规模（表 5），20 a间长株潭城市群“三区空间”交叉转换面积达2 504.292 36 km². 以农业空间和生态空间的相互转换为主，并且这2种地类间同期转换面积大体持平. 农业空间向生态空间转换面积达628.86 km²，主要分布于重点生态功能区的茶陵县、炎陵县及长沙市岳麓区、天心区、浏阳市中西部、长沙县西部. 2010年以来，随着主体功能区规划的实施及《长株潭城市群生态绿心地区总体规划》的获批，为保证重点开发区内部的生态空间面积，农业空间转向生态空间不仅发生在重点生态功能区，在重点开发区内城镇化率极高的区域也同样存在. 生态空间转向农业空间面积为545.24 km²，主要发生在浏阳市中西部、长沙县西部、宁乡市北部及炎陵县西北部等县级行政区，此地域地势平坦且人口密集，有利于开展农业生产. 农业空间和生态空间转向城镇空间次之，其中农业空间转向城镇空间的面积为689.14 km²，生态空间转向城镇空间的面积为602.34 km². 这2种地类转换主要发生在重点开发区，以芙蓉区、岳麓区和开福区等中心城区最为明显. 此外，京港澳高速公路、京广铁路、沪昆高铁和长株潭城际铁路沿线也是这2种地类转换发生的主要区域. 城镇的快速扩张是社会经济高速发展的主要特征，城镇除向中心城区外围扩张外，交通便利的主干道沿线，往往也是城镇化发展的主要场所. 城镇空间向生态空间和农业空间转换情况发生较少且转换发生地域较为分散，无明显特征. 20 a间，城镇空间转向农业空间总面积达21.88 km²，城镇空间转向生态空间总面积达16.80 km².

图 3 2000~2020年长株潭城市群“三区空间”交叉转换 Fig. 3 Interchange of the "three zones space" of the Chang-Zhu-Tan urban agglomeration from 2000 to 2020

表 5 2000~2020年长株潭城市群“三区”空间转换规模统计 Table 5 Statistics of the "three zones space" transformation scale of the Chang-Zhu-Tan urban agglomeration from 2000 to 2020

2.2 “三区空间”格局演化生态效应的时空分析特征 2.2.1 生态系统服务功能的时序变化特征

基于2000~2020年长株潭城市群生态系统服务功能及CESI时空分布和规模数据（表 6），从时序演化角度分析可知：①土壤保持（图 4）和水质净化（图 5）能力总体有所提升. 土壤保持呈“上升-上升-下降-下降”的动态变化趋势，由2000年的410 t·hm^-2上升到2020年的419 t·hm^-²，总体上升9 t·hm^-2. 其中，由于2000~2010年研究区内降水量逐年增加，充沛的降水为植被生长提供较好的水分条件，植被树冠截留水分，避免雨水对地面的直接侵蚀，发达的根系可起到固土作用，因此土壤保持功能上升明显. 2010~2020年，土壤保持量有所回落. 在此期间，城镇空间不断扩张，城市化、工业化及农业的不断发展降低了土壤的抗侵蚀能力. 并且，城市群的降水量也逐年减少，使得生态空间内植被的长势受到一定影响，从而降低了土壤的抗侵蚀能力. 水质净化能力呈逐年上升趋势，N、P输出量逐年减少，说明近20 a长株潭城市群土壤的养分输送能力持续提升. ②近20 a来长株潭城市群各类生态系统服务功能总体呈现下降趋势. 其中，生境质量指数（图 4）呈持续下降趋势，从2000年的0.812下降到2020年的0.785，总体下降0.027. 本研究期内，长株潭城市群人口不断增长，由2000年的1 238万人增长到2020年的1 668.94万人，工业的快速发展产生的污染物及农业的集约化进程使农作物种植单一化都会导致生境质量的下降. 粮食供给呈（图 6）“上升-下降-上升-下降”的动态变化趋势，总体下降26 t·km^-2，2000~2005年，城镇化发展对农业空间的影响较小，因此粮食供给尚处于上升趋势. 2005~2010年，农业空间大量转换为城镇空间，导致粮食供给处于下降趋势. 随着《全国土地利用总体规划纲要（2006—2020年）》的颁布，全国耕地保有量基本保持在120万km²以上，因此2010~2015年长株潭城市群农业空间面积基本保持稳定，使得粮食供给量呈上升趋势. 然而，2020年受新冠疫情的影响粮食产量下降明显使得粮食供给量也呈下降趋势. 碳固存（图 6）和休闲娱乐指数（图 7）呈持续下降的趋势，总体分别下降0.5 t·hm^-2和0.013 8. 其中，碳固存持续下降主要因为近20 a研究区内大量的森林、草地和湿地转为城市和农田导致地表硬化破坏土壤碳库，城市的生态系统碳吸收能力减弱及过度翻耕破坏土壤结构导致有机碳分解加速释放CO₂；城市群内工业发展使得CO₂排放增加，导致空气中的碳“超载”. 而休闲娱乐指数的下降主要受土地利用方式变化的影响. 20 a间，城市群内林地、草地和水域的持续减少使得休闲娱乐供给量也持续下降. ③综合生态系统服务指数（CESI）呈持续下降的趋势（图 7），由2000年的0.581下降到2020年的0.570，尤其以2005~2010年降幅最大.

表 6 2000~2020年生态系统服务功能及CESI数据统计 Table 6 Ecological system service function and CESI statistical data from 2000 to 2020

图 4 2000~2020年长株潭城市群生境质量和土壤保持时空格局 Fig. 4 Spatial and temporal patterns of habitat quality and soil conservation in the Chang-Zhu-Tan urban agglomeration from 2000 to 2020

图 5 2000~2020年长株潭城市群水质净化时空格局 Fig. 5 Spatial and temporal patterns of water purification in the Chang-Zhu-Tan urban agglomeration from 2000 to 2020

图 6 2000~2020年长株潭城市群粮食供给和碳固存时空格局 Fig. 6 Spatial and temporal patterns of grain supply and carbon sequestration in the Chang-Zhu-Tan urban agglomeration from 2000 to 2020

图 7 2000~2020年长株潭城市群休闲娱乐指数和CESI时空格局 Fig. 7 Spatial and temporal patterns of leisure and entertainment and CESI in the Chang-Zhu-Tan urban agglomeration from 2000 to 2020

2.2.2 生态系统服务功能的空间分布特征

从空间演化角度分析可知：①生境质量、粮食供给、碳固存、休闲娱乐及CESI在各个时期均呈现中间低四周高的空间分布特征. 从主体功能区角度看，低值主要分布在重点开发区内，高值则分布在重点生态功能区. 生境质量受城市化导致的热岛效应，工业发展导致的土壤水体空气污染、资源的过度开发利用，农业的集约化发展导致的生物多样性下降及人口增长等矛盾的加剧等因素影响最为明显，在人口密集、城市化快速发展及工业污染严重的芙蓉区、天心区、岳麓区、开福区、雨花区、荷塘区、芦淞区、雨湖区及岳塘区内，生境质量呈现极低值. 粮食供给、碳固存和休闲娱乐则受土地利用方式的影响较大，在生态空间和农业空间内呈现较高值，如浏阳市中东部、攸县中东部、茶陵县及炎陵县；在城镇空间则呈低值. ②土壤保持功能的空间分布呈“东高西低”的特征，高值主要分布在重点生态功能区和长沙市东部的浏阳市. 该地区以生态空间为主，森林和草地等植被通过树冠截留降水、减少雨滴对土壤的直接冲击，根系固土作用可增强土壤抗侵蚀能力. 低值则在农产品主产区和长沙市中西部. 此地区以农业空间和城镇空间为主，农业活动会降低土壤的抗侵蚀能力，化肥滥用会导致土壤有机质减少，加剧侵蚀. 此外，城市扩张和道路建设破坏原有植被，使得裸露地表更易发生水土流失. ③N、P输出量在望城区、开福区和岳麓区等中部沿江及攸县南部和茶陵县北部等高海拔地区呈高值，而以林地、草地及水域为主的生态空间范围内则呈低值、如浏阳市东部、攸县中东部、茶陵县及炎陵县. 在沿江地区，河流因冲刷作用携带更多泥沙，降低净化效果. 在高海拔地区，由于较大的坡度使得降水侵蚀作用明显，因而极大降低N和P的截留率. 反之，在地势平坦的生态空间内，森林的植被根系能吸收营养物质，减少地表径流中的泥沙和化学物质；湖泊和沼泽因其丰富的水生植物和微生物群落能通过物理过滤和生物吸收等作用有效去除污染物，提高该区域的水质净化能力.

总体来看，在研究时段内长株潭城市群的生态系统服务功能呈下降趋势，下降的主要区域集中在3市中心城区及其周边区域.

2.3 “三区空间”转型的生态贡献率

一般地，生态系统服务功能会同时出现上升和下降两种趋势. 为更直观的揭示“三区空间”转型的生态效应，本文利用式（3）计算出“三区空间”转型的生态贡献值（表 7）. 从表 7可知：①3类空间交叉转移的正向生态效应表现为农业空间转向生态空间、城镇空间转向生态空间及城镇空间转向农业空间. 其中以农业空间转向生态空间产生的正向生态贡献最为重要，贡献率为88.84%. 随着2007年长株潭城市群获批“两型社会”试验区后，生态保护成为战略重点，推动各类空间向生态空间转换；②生态空间转向农业空间和城镇空间以及农业空间转向城镇空间表现为负向的生态效应，其中生态空间转农业空间的生态贡献率为13.31%，生态空间转向城镇空间、农业空间转向城镇空间的生态贡献率大体持平，分别为46.05%和40.64%. 值得注意的是，2011年《长株潭城市群生态绿心地区总体规划》实施后，绿心地区鲜有生态空间、农业空间转城镇空间的情况，生态空间得到有效保护（图 3）.

表 7 2000~2020年长株潭城市群“三区空间”转型的生态贡献值 Table 7 Ecological contribution value of the Chang-Zhu-Tan urban agglomeration's "three zones space" spatial transformation from 2000 to 2020

总体来看，“三区空间”转型产生生态效应下降趋势与上升趋势并存且下降趋势大于上升趋势.

2.4 生态效应的驱动因子分析 2.4.1 VIF检验结果

根据VIF检验结果剔除高相关因子后得到表 8，VIF < 5.

表 8 方差膨胀因子 Table 8 Variance expansion factors

2.4.2 随机森林回归模型结果

本文最终选取15项指标作为自变量，2000~2020年CESI演化结果作为因变量，利用随机森林模型进行回归分析得图 8，训练集R²达0.853，测试集R²为0.631，对比其他生态系统服务驱动研究成果，本文回归结果整体符合预期，可予以采纳^[37~39].

图 8 随机森林回归模型拟合结果 Fig. 8 Fitting results of the random forest regression model

结合长株潭城市群CESI演化的影响因素重要性排名（图 9）并计算特征重要性的标准差可知，15项指标中对CESI演变影响较大的有：夜间灯光指数（X10）、地形起伏度（X3）和净初级生产力（X4）.

图 9 影响因子重要性排名 Fig. 9 Importance ranking of impact factors

2.4.3 影响因素分析

夜间灯光指数（X10）是城市群CESI演变的主导因素，该指标既能反映区域经济发展与城镇化现状，也是衡量人类活动强度的核心标尺，夜间灯光指数过高会对CESI产生显著负面影响，具体机制与空间特征如下：从服务功能维度看，在供给服务层面，高夜间灯光指数会通过双重路径削弱农业供给潜力，一方面干扰土壤微生物活性、降低土壤肥力，另一方面伴随城市化区域建筑用地扩张，叠加重金属污染与工业、交通排放加剧，直接导致耕地生产力下降；在调节服务层面，灯光会吸引昆虫聚集，其尸体落入水体引发有机质过剩与富营养化，同时干扰水生植物昼夜节律、降低其氮磷吸收能力，还会加剧土壤氧化以增加碳释放，并因植被退化减少碳输入；在支持服务层面，灯光打破生物昼夜节律，即促使趋光性物种向灯光密集区聚集、导致原生栖息地种群减少，也迫使厌光性物种收缩活动范围、增加种群近亲繁殖风险；在文化服务层面，夜间灯光直接导致自然休闲体验退化. 从空间分布特征看，长株潭城市群夜间灯光指数呈现显著差异（图 10）：雨花区、天心区、岳麓区及雨湖区指数最高，以“高-高”聚类为主；开福区、石峰区、荷塘区、岳塘区、天元区及湘潭县指数较高，以“高-低”聚类为主；广大县域则无显著聚类特征. 而CESI在上述高夜间灯光指数区域均呈现低值，表明中心城区过高的夜间灯光指数对CESI的影响呈负面.

图 10 重要性因子空间异质性分析 Fig. 10 Analysis of importance factor spatial heterogeneity

地形起伏度（X3）是反映区域地形变化程度的核心指标，其对CESI的影响从生态系统服务功能看，地形起伏度的影响呈现显著分异，在供给服务层面，它通过改变生产条件，使供给能力呈现“低起伏区集中、高起伏区分化”特征，低起伏区因地形平坦、土壤肥沃，更利于规模化农业生产，供给服务稳定集中，高起伏区则因水热垂直分异，更适配特色作物种植，供给服务呈差异化分布；在调节服务层面，地形起伏度较高区域植被覆盖率通常更高，植被碳固存与土壤保持能力更强，自然调节功能更突出；在支持服务层面，高起伏区的垂直高差会形成水热条件梯度、丰富土壤类型及植被垂直分层，构建多样生境，为不同物种提供栖息地，支撑生物多样性；在文化服务层面，较高地形起伏度易形成独特地貌景观，美学价值与旅游开发潜力更高；从长株潭城市群的空间格局看，区域内大部地形起伏度差异较小，仅少量高起伏区域集中在南部及东部. 结合图 10可知，地形起伏度呈“高-高”聚类的区域包括炎陵县、茶陵县北部、攸县南部、渌口区与醴陵市南部、浏阳市、韶山市、宁乡市及湘乡市西部，中心城区则无显著聚类特征. 与之对应，CESI空间分布与地形起伏度高度关联：在地形起伏较高的区域，CESI呈高值；在地形起伏差异较小的区域，CESI呈低值. 因此，地形起伏的变化与CESI的变化呈正向关系.

净初级生产力（X4）是长株潭城市群生态系统服务指数（CESI）演化的关键因素，其水平直接决定生态系统服务功能的供给能力、稳定性与可持续性. 在生态系统服务层面，NPP的影响具有显著差异性. 供给服务上，高NPP农田凭借高效光合作用积累更多能量，可提升作物产量；支持服务方面，高NPP生态系统能提供更充足的食物、栖息环境与资源，支撑复杂食物链，保障生物多样性；调节服务中，高NPP对应的森林、湿地等植被，拥有更发达的冠层、枯落物层与根系，冠层可截留降水、减少暴雨冲刷，枯落物层能延缓地表径流、增加下渗，根系可固定土壤、防止水土流失. 同时，NPP越高，植物吸收营养物质能力越强，可降低水体富营养化风险，且碳固定与释放更活跃；文化服务领域，高NPP生态系统植被更茂密、色彩更丰富、景观更稳定，视觉吸引力强，是生态旅游的核心载体. 从空间格局来看，NPP高-高聚类区域主要分布在岳麓区西部、芦淞区东部和天元区南部，以及长沙县、湘潭县、茶陵县、炎陵县和醴陵市；低-低聚类区域则集中在芙蓉区、天心区、雨花区、开福区、岳麓区东部、望城区、岳塘区、石峰区、荷塘区及天元区北部. 结合CESI空间分布可知，NPP较低区域的CESI呈低值，NPP较高区域的CESI呈高值，NPP变化与CESI呈正比.

低重要性因子如植被类型（X7）、节能环保财政支出（X20）和优先保护区面积占比（X21）对综合生态服务指数（CESI）的演化影响不显著.

3 讨论 3.1 国土空间格局演化及其生态效应的变化

长株潭城市群作为长江中游城市群的关键构成及湖南省政治、经济和文化核心，其国土空间格局演变和生态环境效应的变化对区域社会经济的可持续发展具有深远影响. 本文基于生态系统服务功能视角揭示了长株潭城市群国土空间格局演化所引发的生态效应及其驱动机制. 结果表明，近20 a长株潭城市群生态系统服务功能整体呈下降趋势，主要归因于农业、生态空间持续向城镇空间转化，这与既有研究的发现一致^{[2，10，40，41]}. 但与董冬等^[42]、李凯迪等^[43]在长三角、京津冀地区开展的土地转型生态效应研究结果存在差异，上述地区生态效应呈先降后增的“U”型演变趋势. 从根本上看，两类区域生态效应演变趋势的差异，源于发展阶段的不同：长株潭城市群目前处于经济快速增长阶段，现代化建设对空间资源的需求不可避免地导致生态用地占用与生态功能弱化，而长三角和京津冀地区经济已经入经济转型阶段，高质量发展导向下产业绿色转型、新型城镇化等举措，推动生态效应逐步向好. 为缓解长株潭城市群生态效应下降的趋势，亟需统筹生态安全与社会经济可持续发展，在3类空间比例上探索最优格局；同时，应在生态保护关键区域划分保护区、缓冲区及开发区，以“中心-外围”模式实现保护与发展的协调推进，从而逐步恢复生态系统服务水平.

3.2 生态效应驱动因子

本文运用随机森林回归模型对生态系统服务指数（CESI）的变化特征展开分析，结果显示：社会经济和自然因素是关键驱动因素. 这与已有研究结论高度吻合^[2]. 然而，对长三角城市群^[42]的研究结果显示：生态效应变化主要受政策因素驱动. 这主要是因为区域经济发展阶段的不同. 从本质来看，长株潭城市群当前处于经济高速发展阶段，经济发展诉求下人类活动对自然生态系统的改造作用，已成为影响区域生态环境变化的主导力量^[44]；但需注意的是，当前区域自然环境改造利用仍存在不均衡性，且研究区内部地形差异显著：北部地势平缓，南部及东部地势高差较大，这种显著的自然本底异质性，使得地域自然条件对生态环境仍具有不可忽视的影响^[25，45]. 随着长株潭城市群经济的不断发展，政策因素或成为主要驱动因子，未来可深入研究此部分内容. 为规避经济发展中因盲目改造自然环境引发的生态恶化问题，长株潭城市群应基于各区县自然资源禀赋的空间分异特征，科学挖掘并发挥区域资源优势，推动“绿水青山”向“金山银山”的价值转化，最终实现生态环境保护与经济社会可持续发展的最优均衡.

3.3 研究的局限性

本文采用InVEST模型对生态系统服务功能进行测度，其方法虽适用于大尺度区域的快速评估与趋势判别，但仍存在一定局限. 由于模型建立在栅格单元基础之上，对数据分辨率的依赖较高，且“均质单元”的假设可能引入空间聚合所导致的简化误差. 此外，景观破碎性亦可能对评估结果产生一定偏差. 未来研究可通过引入更高分辨率的空间数据，细化评估单元，突破模型简化假设的限制，并对研究区开展更精细化的分区分析，从而提升对生态系统服务功能动态演变的刻画精度. 受限于数据可获取性，本研究在驱动因子选取与处理上存在不足：县域社会经济单值数据会使自变量产生重复，一定程度影响模型结果. 未来研究应尽可能采用栅格数据替代面板数据，以提升模型结果的可靠性与科学性.

4 结论

（1）长株潭城市群城镇空间不断扩张，总变化规模达1 253.07 km²，农业空间和生态空间分别减少750.79 km²和502.28 km². 3类空间转换以农业空间与生态空间相互转换为主，分布无明显空间异质性；农业空间和生态空间转向城镇空间的情况次之，主要集中在中心城区、主要城镇及其周边地区，但绿心区域鲜有转换.

（2）长株潭城市群生态系统服务功能总体呈现下降趋势. 其中，生境质量指数、粮食供给、碳固存和休闲娱乐指数分别下降到0.785、136 t·km^-2、33.3 t·hm^-2和0.647 7. 综合生态系统服务指数由2000年的0.581下降到2020年的0.570，共下降0.011. 生态系统服务水平呈下降和上升并存的趋势，且下降趋势大于上升趋势. 生态空间和农业空间转为城镇空间是生态系统服务功能下降的主因.

（3）长株潭城市群生态系统服务功能受各类因素综合作用，且各变量与生态系统服务功能呈非线性相关. 其中，自然地理和社会经济因素影响较强，交通区位和政策因素影响较弱. 夜间灯光指数、地形起伏度和净初级生产力是驱动综合生态服务指数演化的主因.

参考文献

[1]	欧阳志云, 王如松, 赵景柱. 生态系统服务功能及其生态经济价值评价[J]. 应用生态学报, 1999, 10(5): 635-640. Ouyang Z Y, Wang R S, Zhao J Z. Ecosystem services and their economic valuation[J]. Chinese Journal of Applied Ecology, 1999, 10(5): 635-640.
[2]	魏伟, 曾诗瑶, 尹力, 等. 近40年海南岛国土空间格局演化的生态效应及其影响因素[J]. 生态学报, 2024, 44(12): 5083-5101. Wei W, Zeng S Y, Yin L, et al. Ecological effects and its influencing factors of Hainan Island's territorial spatial pattern evolution in the past 40 years[J]. Acta Ecologica Sinica, 2024, 44(12): 5083-5101.
[3]	王颖, 刘学良, 魏旭红, 等. 区域空间规划的方法和实践初探——从"三生空间"到"三区三线"[J]. 城市规划学刊, 2018(4): 65-74. Wang Y, Liu X L, Wei X H, et al. The method and practice of regional spatial planning from "three basic spaces" to "three-zones and three-lines[J]. Urban Planning Forum, 2018(4): 65-74.
[4]	周侃, 樊杰, 盛科荣. 国土空间管控的方法与途径[J]. 地理研究, 2019, 38(10): 2527-2540. Zhou K, Fan J, Sheng K R. Research on methods and approaches of spatial governances[J]. Geographical Research, 2019, 38(10): 2527-2540.
[5]	Li D, Tian P P, Luo H Y, et al. Impacts of land use and land cover changes on regional climate in the Lhasa River basin, Tibetan Plateau[J]. Science of the Total Environment, 2020, 742. DOI:10.1016/j.scitotenv.2020.140570
[6]	黄湲婷, 钟业喜, 毕曼玉. 鄱阳湖流域土地利用变化对碳源/汇时空格局的影响[J]. 长江流域资源与环境, 2025, 34(3): 546-557. Huang Y T, Zhong Y X, Bi M Y. Effects of land use change on spatio-temporal pattern of carbon source/sink in Poyang Lake basin[J]. Resources and Environment in the Yangtze Basin, 2025, 34(3): 546-557.
[7]	胡韵哲, 张学霞, 张晓杰, 等. 2000—2020年若尔盖高原产水量时空变化与影响因素[J]. 水土保持研究, 2025, 32(5): 224-233. Hu Y Z, Zhang X X, Zhang X J, et al. Analysis on spatiotemporal variation and influencing factors of water yield in Zoige Plateau from 2000 to 2020[J]. Research of Soil and Water Conservation, 2025, 32(5): 224-233.
[8]	刘春芳, 王川. 基于土地利用变化的黄土丘陵区生境质量时空演变特征——以榆中县为例[J]. 生态学报, 2018, 38(20): 7300-7311. Liu C F, Wang C. Spatio-temporal evolution characteristics of habitat quality in the Loess Hilly Region based on land use change: a case study in Yuzhong County[J]. Acta Ecologica Sinica, 2018, 38(20): 7300-7311.
[9]	廖钟淇, 范业婷, 王君櫹, 等. 长三角耕地生态系统服务功能时空演变及其驱动机制[J]. 环境科学, 2025, 46(6): 3681-3692. Liao Z Q, Fan Y T, Wang J X, et al. Spatiotemporal evolution of cultivated land ecosystem service functions in the Yangtze River Delta and its driving mechanism[J]. Environmental Science, 2025, 46(6): 3681-3692. DOI:10.13227/j.hjkx.202405081
[10]	高星, 刘泽伟, 李晨曦, 等. 基于"三生空间"的雄安新区土地利用功能转型与生态环境效应研究[J]. 生态学报, 2020, 40(20): 7113-7122. Gao X, Liu Z W, Li C X, et al. Land use function transformation in the Xiong'an New Area based on ecological-production-living spaces and associated eco-environment effects[J]. Acta Ecologica Sinica, 2020, 40(20): 7113-7122.
[11]	朱从谋, 苑韶峰, 杨丽霞. 主体功能区视角下国土空间格局演变及生态环境效应——以浙江省为例[J]. 生态学报, 2023, 43(11): 4488-4501. Zhu C M, Yuan S F, Yang L X. Evolution of territorial spatial pattern and associated eco-environmental effects from the perspective of major functional zones: a case study of Zhejiang Province[J]. Acta Ecologica Sinica, 2023, 43(11): 4488-4501.
[12]	魏伟, 王宁, 尹力. 近10年长江经济带上游地区"三区空间"时空演化特征及机制分析[J]. 长江流域资源与环境, 2023, 32(2): 297-310. Wei W, Wang N, Yin L. Spatial-temporal evolution characteristics and mechanism analysis of "Three-Zone Space"in upper reaches of Yangtze River economic belt in recent 10 Years[J]. Resources and Environment in the Yangtze Basin, 2023, 32(2): 297-310.
[13]	杨朔, 郑晓筝, 赵国平. 关中平原城市群"三生"空间生态环境效应及影响因素研究[J]. 干旱区资源与环境, 2023, 37(9): 26-35. Yang S, Zheng X Z, Zhao G P. Spatial ecological effects of ecological-production-living spaces in the Guanzhong plain urban agglomeration and influencing factors[J]. Journal of Arid Land Resources and Environment, 2023, 37(9): 26-35.
[14]	赵恒谦, 刘哿, 杨姿涵, 等. 2000~2020年辽宁省生态系统服务评估与多情景预测[J]. 环境科学, 2024, 45(7): 4137-4151. Zhao H Q, Liu G, Yang Z H, et al. Ecosystem services assessment and multi-scenario prediction in Liaoning Province from 2000 to 2020[J]. Environmental Science, 2024, 45(7): 4137-4151. DOI:10.13227/j.hjkx.202307237
[15]	雷鸣, 马国霞, 於方, 等. 基于供需关系的黄河流域生态系统服务流研究[J]. 生态学报, 2025, 45(13): 6468-6480. Lei M, Ma G X, Yu F, et al. Study on the ecosystem service flow based on the relationship of between supply and demand in Yellow River[J]. Acta Ecologica Sinica, 2025, 45(13): 6468-6480.
[16]	张秀, 张璇, 崔磊, 等. 金沙江中游水电开发区生态系统服务综合功能时空变化与归因[J]. 环境科学, 2025, 46(3): 1585-1596. Zhang X, Zhang X, Cui L, et al. Comprehensive ecosystem service changes and their drivers in the middle reaches of Jinsha River[J]. Environmental Science, 2025, 46(3): 1585-1596. DOI:10.13227/j.hjkx.202402105
[17]	吴婧慧, 王云琦, 袁雨, 等. 自然保护区生态系统服务价值双重视角: 融合实地测量与遥感数据新方法[J]. 生态学报, 2025, 45(13): 6437-6453. Wu J H, Wang Y Q, Yuan Y, et al. Dual perspectives on ecosystem service valuation in nature reserves: integrating field measurements and remote sensing data with a novel approach[J]. Acta Ecologica Sinica, 2025, 45(13): 6437-6453.
[18]	孔冬艳, 陈会广, 吴孔森. 中国"三生空间"演变特征、生态环境效应及其影响因素[J]. 自然资源学报, 2021, 36(5): 1116-1135. Kong D Y, Chen H G, Wu K S. The evolution of "Production-Living-Ecological" space, eco-environmental effects and its influencing factors in China[J]. Journal of Natural Resources, 2021, 36(5): 1116-1135.
[19]	陈欣蔚, 李红波, 张文博, 等. 里下河地区土地利用转型对生态系统服务价值的影响——基于Markov-FLUS模型的多情景模拟分析[J]. 资源科学, 2025, 47(1): 182-195. Chen X W, Li H B, Zhang W B, et al. The impact of land use transition on ecosystem service value in Lixiahe area: multi-scenario simulation based on Markov-FLUS model[J]. Resources Science, 2025, 47(1): 182-195.
[20]	谢高地, 张彩霞, 张雷明, 等. 基于单位面积价值当量因子的生态系统服务价值化方法改进[J]. 自然资源学报, 2015, 30(8): 1243-1254. Xie G D, Zhang C X, Zhang L M, et al. Improvement of the evaluation method for ecosystem service value based on per unit Area[J]. Journal of Natural Resources, 2015, 30(8): 1243-1254.
[21]	邹珮雯, 徐昉. 生态安全格局构建及景观生态风险预测——以赛罕乌拉国家级自然保护区为例[J]. 生态学报, 2023, 43(23): 9981-9993. Zou P W, Xu F. Ecological security pattern construction and landscape ecological risk prediction: a case study of Saihanwula National Nature Reserve[J]. Acta Ecologica Sinica, 2023, 43(23): 9981-9993.
[22]	吴路华, 王世杰, 白晓永, 等. 近60年来印江河流域极端气候演变及其对净初级生产力和归一化植被指数的影响[J]. 生态学报, 2022, 42(3): 960-981. Wu L H, Wang S J, Bai X Y, et al. Extreme climate evolution and its impact on NPP and NDVI in Yinjiang River basin in recent 60 years[J]. Acta Ecologica Sinica, 2022, 42(3): 960-981.
[23]	陈智勇, 吴耀炜, 林港特, 等. 基于遥感生态指数的粤港澳生态环境质量与土地利用变化空间关系[J]. 环境科学, 2024, 45(11): 6433-6447. Chen Z Y, Wu Y W, Lin G T, et al. Spatial relationship between eco-environment quality and land use change in Guangdong Province-Hong Kong-Macao, China based on remote sensing-based ecological index[J]. Environmental Science, 2024, 45(11): 6433-6447. DOI:10.13227/j.hjkx.202310211
[24]	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. DOI:10.13227/j.hjkx.202311201
[25]	魏伟, 王雅宁, 尹力, 等. 2000—2020年内蒙古高原国土空间演化生态效应及其影响因素[J]. 生态学报, 2025, 45(6): 2968-2984. Wei W, Wang Y N, Yin L, et al. The ecological effects of territorial spatial evolution and its influencing factors in the Inner Mongolia Plateau from 2000 to 2020[J]. Acta Ecologica Sinica, 2025, 45(6): 2968-2984.
[26]	董建红, 张志斌, 张怀林, 等. 生态脆弱区自然资本可持续利用及驱动机制——以宁夏为例[J]. 中国人口·资源与环境, 2021, 31(2): 162-173. Dong J H, Zhang Z B, Zhang H L, et al. Sustainable utilization and driving mechanism of natural capital in ecologically fragile areas: a case study of Ningxia[J]. China Population, Resources and Environment, 2021, 31(2): 162-173.
[27]	王安. 基于InVEST模型的长株潭城市群生态系统服务动态变化及其驱动因素研究[D]. 长沙: 中南林业科技大学, 2024. Wang A. Study on the dynamic changes and driving factors of ecosystem services in Changsha-Zhuzhou-Xiangtan urban agglomeration based on InVEST model[D]. Changsha: Central South University of Forestry and Technology, 2024.
[28]	陈桥彬. 未来SSP-RCP情景下长株潭城市群土地利用与生态系统服务的演变预测[D]. 长沙: 中南林业科技大学, 2023. Chen Q B. Prediction of land use change and ecosystem services in Changzhutan urban agglomeration based on SSP-RCP scenarios[D]. Changsha: Central South University of Forestry and Technology, 2023.
[29]	糜毅, 李涛, 吴博, 等. 基于优化模拟的长株潭3+5城市群碳储量时空演变与预测[J]. 环境工程技术学报, 2023, 13(5): 1740-1751. Mi Y, Li T, Wu B, et al. Spatio-temporal evolution and prediction of carbon storage in Chang-Zhu-Tan 3+5 urban agglomeration based on optimization simulation[J]. Journal of Environmental Engineering Technology, 2023, 13(5): 1740-1751.
[30]	王鹭莹, 李小马, 甘德欣, 等. 长株潭城市群生态系统服务权衡与协同关系的空间异质性及其驱动因素[J]. 生态环境学报, 2024, 33(6): 969-979. Wang L Y, Li X M, Gan D X, et al. Spatial heterogeneity and driving factors of ecosystem service trade-offs and synergies in the Changsha-Zhuzhou-Xiangtan urban agglomeration[J]. Ecology and Environmental Sciences, 2024, 33(6): 969-979.
[31]	张艺玟, 张淑怡, 朱泓恺, 等. 基于多尺度生态系统服务供需的大都市区生态安全格局构建与优化[J]. 生态学报, 2024, 44(21): 9596-9609. Zhang Y W, Zhang S Y, Zhu H K, et al. Construction and optimization of the ecological security pattern in metropolitan areas based on the supply and demand of ecosystem services at multiple scales[J]. Acta Ecologica Sinica, 2024, 44(21): 9596-9609.
[32]	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.
[33]	刘陈立. 基于生态系统健康-风险-服务的甘南高寒牧区生态安全评价[D]. 兰州: 兰州大学, 2022. Liu C L. Integrating ecosystem health, ecological risk and ecosystem services to assess ecological security in Gannan alpine pastoral region, China[D]. Lanzhou: Lanzhou University, 2022.
[34]	张朝辉, 李雅杰. 区域生态系统服务耦合态势及其驱动力——基于GeoDetector和fsQCA集成分析[J]. 生态学报, 2025, 45(8): 3849-3861. Zhang Z H, Li Y J. A study of coupled dynamics of regional ecosystem services and its driving forces using GeoDetector and fsQCA integrated analysis[J]. Acta Ecologica Sinica, 2025, 45(8): 3849-3861.
[35]	Breiman L. Random forests[J]. Machine Learning, 2001, 45(1): 5-32. DOI:10.1023/A:1010933404324
[36]	李雪. 黄河上中游流域生态系统健康评估与驱动因素研究[D]. 西安: 西安理工大学, 2024. Li X. Study on ecosystem health assessment and drivers in the upper and middle Yellow River Basin[D]. Xi'an: Xi'an University of Technology, 2024.
[37]	Xu X H, Yu J, Wang F E. Analysis of ecosystem service drivers based on interpretive machine learning: a case study of Zhejiang Province, China[J]. Environmental Science and Pollution Research, 2022, 29(42): 64060-64076. DOI:10.1007/s11356-022-20311-0
[38]	Wang L J, Gong J W, Ma S, et al. Ecosystem service supply-demand and socioecological drivers at different spatial scales in Zhejiang Province, China[J]. Ecological Indicators, 2022, 140. DOI:10.1016/j.ecolind.2022.109058
[39]	任玥颖, 贾夏, 赵永华, 等. 未来气候变化情景下河西走廊生态系统服务变化及其驱动力[J]. 生态学报, 2025, 45(18): 8821-8836. Ren Y Y, Jia X, Zhao Y H, et al. The changes of ecosystem services in the Hexi Corridor and their driving forces under future climate change scenarios[J]. Acta Ecologica Sinica, 2025, 45(18): 8821-8836.
[40]	司晓君, 崔佳. 中原城市群"三生"用地转型及其生态环境效应[J]. 水土保持通报, 2022, 42(2): 284-290, 299. Si X J, Cui J. Transformation of productive-living-ecological land use and its eco-environmental effects in urban agglomeration of Central Plains[J]. Bulletin of Soil and Water Conservation, 2022, 42(2): 284-290, 299.
[41]	龚亚男, 韩书成, 时晓标, 等. 广东省"三生空间"用地转型的时空演变及其生态环境效应[J]. 水土保持研究, 2020, 27(3): 203-209. Gong Y N, Han S C, Shi X B, et al. Temporal and spatial evolution and associated eco-environment effects of the land use transformation of ecological-production-living spaces in Guangdong Province[J]. Research of Soil and Water Conservation, 2020, 27(3): 203-209.
[42]	董冬, 罗毅, 顾康康. "三生空间"视角下长三角城市群土地利用转型生态环境效应时空分异及驱动力[J]. 长江流域资源与环境, 2023, 32(8): 1664-1676. Dong D, Lou Y, Gu K K. Spatio-temporal differentiation and driving forces of eco-environmental effects of land use transformation in Yangtze River delta economic zone: a perspective of "production-living-ecological" spaces[J]. Resources and Environment in the Yangtze Basin, 2023, 32(8): 1664-1676.
[43]	李凯迪, 袁琳, 胡晓, 等. 京津冀地区三生用地时空格局变化及其生态环境效应[J]. 生态科学, 2023, 42(5): 94-102. Li K D, Yuan L, Hu X, et al. Spatiotemporal dynamics of production-living-ecological land and its impact on the environment in Beijing-Tianjin-Hebei Region[J]. Ecological Science, 2023, 42(5): 94-102.
[44]	盖兆雪, 陈旭菲, 杜国明, 等. 松花江流域哈尔滨段三生空间演变的生态环境效应及驱动因素分析[J]. 水土保持学报, 2022, 36(1): 116-123. Gai Z X, Chen X F, Du G M, et al. Analysis on eco-environmental effects and driving factors of ecological-production-living spatial evolution in Harbin section of Songhua River Basin[J]. Journal of Soil and Water Conservation, 2022, 36(1): 116-123.
[45]	高敏, 李加林, 刘晓丹, 等. "三生空间"视角下东海区海岸带土地利用转型对生态环境质量的影响[J]. 环境科学, 2025, 46(11): 7119-7130. Gao M, Li J L, Liu X D, et al. Impacts of land use transformation on ecological environmental quality in Coastal Zone of East China Sea under perspective of "production-living-ecology spaces[J]. Environmental Science, 2025, 46(11): 7119-7130. DOI:10.13227/j.hjkx.202408213


环境科学 2026, Vol. 47 Issue (10): 7149-7162	PDF