2026, Vol. 47
2. 格拉斯哥大学社会与环境可持续发展学院，格拉斯哥（英国），DG1 4ZL;
3. 武汉大学城市设计学院，武汉 430072
2. School of Social & Environmental Sustainability, University of Glasgow, Glasgow DG1 4ZL, UK;
3. School of Urban Design, Wuhan University, Wuhan 430072, China
生态系统服务（ecosystem services，ESs）指人类从生态结构与过程中获取和用以维持福祉的全部惠益，既包含实际的物质生产资料，也兼具气候缓冲、洪涝调蓄与文化体验等关键效用[1，2]. 21世纪以来，世界各国人口与经济总量同步跃升，资源代谢通量激增，引致土地退化、生物多样性锐减及环境恶化. 不合理的人类活动使多数生态系统服务功能衰退，该退化反向压缩人类发展空间[3，4]. 中国既往开发侧重市场价值而忽视深层生态效用，经济腾飞伴随严重环境退化，诱发连锁环境问题. 东部沿海地区尤为突出：浙江省作为长三角核心区，近20 a建设用地以高于全国均值的速度扩张，其快速城镇化引致的耕地碎片化叠加台风和暴雨等极端气候压力，加剧了地区水源涵养、洪涝调蓄和碳汇维持等服务的持续衰减与供需错配. 因此，科学刻画浙江省生态系统服务时空演变，厘清经济扩张、土地转型与自然要素交互作用，可为落实长三角生态绿色一体化战略提供定量依据，亦为探索“两山”价值实现机制奠定方法学基础.
早期生态系统服务研究主要关注供给端评估，其方法论体系可归纳为物质量法与价值量法两类路径. 物质量法基于生态系统实际物理过程刻画服务供给能力，例如通过产水量、土壤保持量及碳储量等可测量指标直接量化供给强度[5~7]. 该方法具备客观性强、结果稳定等优势，但难以有效整合多要素协同作用的系统性价值. 价值量法则将生态系统服务纳入经济核算框架，采用货币单位表征供给价值总量[8~10]. 此路径能够综合反映多要素交互形成的整体供给效能，弥补物质量法在复合价值评估方面的缺陷，然而其评估结果易受市场价格波动及主观参数估值不确定性的显著影响.
随着“以人为本”新型城镇化理念与“两山”理论的深入，研究范式逐步从单一供给评估转向供给与需求并重，以供需匹配为核心视角. 在此背景下，生态系统服务供需比（ecosystem service supply-demand ratio，ESDR）应运而生，其核心在于量化特定时空单元内自然系统的供给能力与人类社会消耗需求之间的耦合关系[11]. 相关研究已广泛覆盖全球[12]、洲际[13]及国家[14]等宏观尺度，并深入流域[15，16]、城市[17，18]乃至街区[19]等中微观层面. 学界普遍认同，供给与需求的空间错位是引发生态赤字及环境正义失衡的关键成因[20]. 因此，当前研究的焦点集中于解析ESDR时空演变背后的复杂驱动机制. 现有成果证实，ESDR动态是人类社会经济活动、宏观政策调控与自然地理条件共同作用的非线性结果[21~25]，不同驱动因子间存在显著的协同或拮抗关系.
然而，对ESDR驱动机制的深入解析面临两大方法学挑战. 首先，在ESDR量化方法上，国际经典研究多采用土地覆被型供需矩阵[26，27]，虽操作简便但普适性与跨区域可比性有限. 后续广泛采用的生态系统服务与权衡综合评估（InVEST）模型，通过将产水量、碳固定等服务量化为统一指标，显著提升了研究的客观性与适用范围[28~31]. 其次，在驱动力识别层面，传统研究普遍采用结构方程[32]、空间计量[33]或GWR[34]等全局或局部线性模型，难以有效解析自然与社会系统交互作用的复杂非线性特征. 近期研究开始转向机器学习（如随机森林和随机梯度提升）与优化后的统计模型（如最优参数地理探测器OPGD）[29，35，36]. 其中，随机森林（RF）模型凭借其对高维度非线性关系的出色拟合能力及对小样本数据的强泛化性，展现出独特优势；而OPGD模型则通过自动寻优离散化方案，显著增强了双因子交互效应的探测能力.
因此，本文选取浙江省为典型案例，综合集成气候特征、地形要素、经济密度、人口动态及土地政策强度等多源数据，创新构建InVEST-OPGD-RF复合分析框架，以系统解析多驱动因子对ESDR的非线性作用与复杂交互效应，从而克服现有方法的局限，更深刻地揭示ESDR演变的内在机制. 本研究成果可针对性支撑长三角一体化示范区国土空间生态专项规划，以期为该区域践行“两山”理论、协调经济发展与生态保护矛盾、推进生态产品价值转化机制构建提供科学决策基础.
1 材料与方法 1.1 研究区概况浙江省地处中国东南沿海，省域内河湖交错、水系发达. 地形复杂多样，多种地貌并存，山地占74.6%、水面占5.1%、平坦地占20.3%. 近年人类活动持续扩张，浙江省对生态系统服务的需求日益增长. 大面积土地转为城市建设用地，导致自然生态系统面积缩减，削弱其提供服务的能力；同时，生态资源过度开采与不合理利用加剧生态系统服务供给能力显著退化，当前生态环境正面临严峻考验[37]. 浙江省“七山一水二分田”的地理本底与生态治理矛盾共同构成生态系统服务研究的典型场域.
因此，本文选择浙江省全域及下辖县域两个尺度作为研究分析单元. 截至2025年，浙江省下辖11个地级市，包括37个市辖区、20个县级市以及33个县. 县域作为中国生态补偿实施、国土空间规划落地的基层政策单元，为实现驱动机制解析与政策实践的尺度统一提供了合适平台.
1.2 数据来源与处理本文所用数据均取自浙江省2000年、2010年及2020年，数据名称与来源如表 1所示. 各数据空间分辨率统一重采样至1 km，坐标系统一采用投影坐标系WGS_1984_UTM_Zone_51N.
|
表 1 变量描述 Table 1 Variable description |
1.3 生态系统服务供需测算 1.3.1 供给指标测算
本文使用InVEST模型评估生态系统服务供给（ecosystem service supply，ESS），选取InVEST模型中Water-Yield模块的产水服务、SDR模块的土壤保持服务、Carbon模块的固碳服务与Habitat-Quality模块的生境质量4类生态系统服务测算供给指标. 在对4类服务计算结果进行归一化处理后，进行综合叠加，得到总ESS指标[38~40]. 各项指标计算如表 2所示.
|
|
表 2 生态系统供给服务及其计算原理 Table 2 Ecosystem service supply index, formula, and explanation |
1.3.2 需求指标测算
本文基于“生存基础-经济发展-空间干预”需求框架[41]，选取人口密度、地均GDP及土地利用强度量化生态系统服务需求（ecosystem service demand，ESD）. 人口密度直接关联食物水源等供给服务消耗规模；地均GDP表征经济水平引致的文化或调节服务需求；土地利用强度客观反映不同地类生态功能损耗程度. 由于变量间数量级差异较大，本文对各项指标进行自然对数变换后通过线性加权求和，构建ESD指数，如下式所示.
| (6) |
式中，ESD为生态系统服务需求指标；GDPi为栅格i的地均GDP（万元·km-2）；POPi为栅格i的人口密度（万人·km-2）；LDLi为栅格i的土地利用强度指数，根据人类活动干扰梯度实施赋值：未利用地赋值1，具备生态调节功能的林地、草地、水域赋值2，农业生产主导的耕地赋值3，高强度开发的建设用地赋值4. w1、w2、w3为权重，由熵权法确定，如表 3所示.
|
|
表 3 熵权法权重计算结果 Table 3 Results of entropy weight calculation |
1.3.3 供需比测算
以往研究中多用供需之差与供需最大值均值的商，或供需之差与供需之和的商表示供需比[14~20]，但是该方法表示绝对的盈余或赤字量，在供或需存在极值的情况下，容易掩盖实际的相对供需差异. 本研究利用供给和需求的比值，强调相对的供需关系（即倍数），同时对ESDR进行标准化处理，使ESDR约束于[-1，1]区间. 这样不仅可以侧重于揭示空间上的相对盈亏格局，还能有效规避极值带来的尺度扭曲，显著增强了不同子区域间供需匹配状况的可比性. 计算过程见式（7）.
| (7) |
式中，下标std表示进行标准化过程；当ESDR > 0时，表示供给能力超越需求水平，存在生态盈余；当ESDR < 0时，表示供给不足以支撑需求，形成生态赤字.
1.4 参数最优地理探测器本文使用参数最优地理探测器（OPGD）揭示ESDR空间分异驱动机制. OPGD是揭示空间分异及驱动力的有力工具，可弥补传统地理探测器需对自变量先验分类的不足[36]. 其核心思想基于假设：若自变量对因变量有显著影响，两者空间分布应具相似性. 通过分析层内与层间方差，计算各因子对ESDR空间分异的解释力q值，并检验多元驱动因子的交互作用是否显著增强单因子效应，交互项若产生非线性或双因子增强，则输出q（x1∩x2）. q值的数学表达如下所示.
| (8) |
式中，L为因子分类层数，Nh和
随机森林（RF）是一种基于决策树集成的机器学习算法：首先采用自助抽样法（bootstrap）构建差异化训练子集，在决策树分裂时随机选取特征子集进行优化. 最终通过多树回归/分类输出预测结果. 该模型具备优异的高维数据处理与非线性关系解析效能，可自动识别关键预测变量并量化复杂交互效应.
本文基于Python 3实现RF回归. 依据特征空间维度与样本数据结构特性，采用随机搜索与三折交叉验证优化模型参数. 具体优化流程包括：①通过超参数空间遍历测试决策树规模的有效取值区间；②基于OOB误差最小化准则调整特征选择、叶节点最小样本量等参数；③选取泛化能力最大化的参数组合.
2 结果与分析 2.1 浙江省ESS时空格局与演变表 4展示了2000~2020年省内产水服务、固碳服务、土壤保持服务及生境质量这4类供给量的时序演变特征，进一步揭示单位面积产水量与土壤保持量呈先上升后下降的倒U型变化；碳储量与生境质量则呈现单调递减的趋势. 图1（a）~1（l）进一步揭示了4类供给量的空间异质性格局，均展现“西南高-东北低”空间梯度特征. 高值集聚区集中分布于西南部丽水和衢州辖区，低值区则主要位于杭州、嘉兴和湖州平原，以及宁波、温州和台州沿海城市群，高值区域平均城镇化率超70%，建设用地平均占比超过30%，平坦地势与高强度土地开发共存，挤压了区域内的生态供给水平[42]. 整体而言，浙江省内ESS差异与地形梯度、开发强度梯度高度耦合，构成省内生态安全格局的结构性特征.
|
|
表 4 浙江省单位面积平均生态系统服务供给量 Table 4 Average ecosystem service supply per unit area in Zhejiang Province |
|
图 1 浙江省ESS空间分布 Fig. 1 Spatial pattern of ESS in Zhejiang Province |
将产水服务、固碳服务、土壤保持服务及生境质量这4类指标等权重叠加与归一化处理，得到2000~2020年浙江省总ESS空间格局，如图1（m）~1（o）所示. 浙江省ESS强度存在显著空间分异，呈现西南向东北递减梯度格局. 高值集聚区集中于浙西南山地生态屏障（如天目山和雁荡山脉），覆盖如丽水龙泉、庆元及衢州开化等县域，该区域以高森林覆盖率和地形陡峭等为特征；低值区则分布于省内东北部杭嘉湖平原（杭州、嘉兴和湖州城市群）、中部金衢盆地（金华和义乌城区）及东南沿海城市带（宁波、台州和温州湾区）. 该格局与浙江省“七山一水二分田”本底特征高度契合，展现出自然本底约束下城镇化进程对生态系统服务供给的空间胁迫影响.
2.2 浙江省ESD时空格局与演变浙江省ESD由地均GDP、人口密度及土地利用强度这3个指标共同表征. 表 5展示了3项指标的时序演变，2000~2020年地均GDP从617万元·km-2飙升至5 651万元·km-2（增幅约816%），表明全省经济衍生需求激增；人口密度由453人·km-2增至610人·km-2（增幅约35%），表明经济增长所带动的基础生存需求持续扩张；土地利用强度指数自2.33升至2.40，揭示了人类活动对空间的干预强度持续提升.
|
|
表 5 浙江省单位面积生态系统服务需求量 Table 5 Ecosystem service demand per unit area in Zhejiang Province |
图2（a）~2（i）展示了3项指标各自的空间时序分布. 整体呈现东北部杭嘉湖平原与东南沿海高、西南内陆低的显著梯度分异. 地均GDP高值区密集分布于杭甬城市群（如宁波东部新城、杭州钱江世纪城等核心商务区），形成沿杭州湾产业带的经济需求极核；人口密度峰值集中于杭州上城、宁波鄞州等城市建成区，映射生存资源消耗强度；土地利用强度4级梯度中，建设用地高干扰区覆盖杭嘉湖平原近半面积，凸显建设用地占用生态系统服务的胁迫水平较高.
|
图 2 浙江省ESD空间格局 Fig. 2 Spatial pattern of ESD in Zhejiang Province |
基于公式（6）测算最终的生态系统服务需求（ESD）指数及其空间分布，如图2（j）~2（l）所示，其空间分布特征与地均GDP、人口密度和土地利用强度分项指标的需求分布基本一致. 东北部及东南沿海区域总需求偏高，高值区集中于以杭州、宁波和温州为代表的中心城市群，此类区域作为浙江省经济、政治及文化核心载体，人口集聚度高且经济活动活跃[42]，高需求态势呈现向周边区域辐射扩散的特征. 上述占全省约20%面积的高需求区却消耗了大量的生态资源容量，体现了快速城镇化进程中“经济高地-生态洼地”空间共轭效应[43]. 与此同时，西南部丽水和衢州境内指数普遍低于全省平均水平，人口稀疏与经济活动微弱使其对生态系统服务需求相对缓和.
2.3 浙江省ESDR时空格局与演变基于公式（7），通过ESS和ESD指标结果，测算省内ESDR指标及其空间分布. 图3（a）~3（c）展示了2000~2020年全省ESDR空间分异与梯度特征. 东北部杭嘉湖平原及东南沿海形成低值连绵区（赤字），并且2000~2020年赤字区面积持续扩张；西南及西北山地丘陵区则呈高值集聚带（盈余）.
|
图 3 浙江省ESDR全域与县域空间格局 Fig. 3 Provincial and county-level spatial patterns of ESDR in Zhejiang Province |
为了更好地在区县尺度上展现全省ESDR的匹配情况，本文对ESDR值进行标准化处理，通过几何间隔法将各个县域空间单位的ESDR供需状况等分为：高度盈余、中度盈余、轻度盈余、微弱盈余、轻度赤字、中度赤字、高度赤字和极度赤字. 结果如图3（d）~3（f）所示. 赤字核心区集中于杭嘉湖平原东北翼（如杭州市东部钱塘新区、湖州市东部南浔、嘉兴市西部秀洲和宁波市北部慈溪等），其中嘉兴市为全省ESDR赤字极核；高度盈余区则分布于浙西南生态屏障（如杭州市西部淳安、温州市西部泰顺和丽水市全域）.
以上演化特征反映了浙江省城镇化进程与生态安全格局的空间博弈：2000~2010年，城镇化加速使杭嘉湖平原赤字区持续扩张，嘉兴全域成为赤字极核. 2011年生态红线政策实施后，萧山和余杭由赤字转为盈余，丽水市因2010年纳入生态红线覆盖而持续维持高盈余水平. 政策时序与空间响应高度一致，证实生态保护政策对ESDR空间格局的精准调控作用.
2.4 浙江省ESDR驱动因素分析 2.4.1 驱动因素选择ESDR匹配状况受气候、地形、社会经济等多类因素综合作用，为深入解析其驱动机制，本文选取高程、坡度表征地形特征，降水和气温反映气候条件，归一化植被指数（NDVI）指示植被覆盖状况，将此5类因子归为自然因素；同时选取GDP表征经济发展水平，人口密度反映人口集聚程度，夜间灯光指数体现人类活动强度，将此3类因子归为社会经济因素. 这8类因子作为解释变量，以2000年、2010年和2020年这3期ESDR数据作为被解释变量，从单因子、双因子和多因子这3个视角探测ESDR空间分异的关键驱动因子及其交互作用强度.
2.4.2 OPGD单、双因子交互分析首先，通过OPGD单因子探测模块解析ESDR空间分异驱动机制（图 4），结果显示：2000~2010年人口密度与GDP构成核心驱动要素（q > 50%）；相较之下2000~2020年气温的平均解释力不足30%，属微弱影响因子. 2000~2020年人口密度的解释力提升（53.1%→58.5%），超越GDP（55.9%→47.6%）成为首要驱动要素. 尤为关键的是，同期NDVI与夜间灯光指数的解释力跨越式提升，印证地区植被覆盖增加与人类活动强度影响对ESDR的强化效应. 因此，单因子驱动力的结果说明自然要素与社会经济要素形成双核驱动的态势.
|
1为GDP，2为人口密度，3为DEM（高程），4为降水量，5为坡度，6为气温，7为NDVI，8为夜间灯光指数 图 4 OPGD单因子与双因子驱动力探测分析 Fig. 4 Single factor and multi-factor driving force detection analysis of OPGD |
OPGD双因子交互分析显示，所有交互效应均为增强型. GDP与人口密度在杭州、嘉兴等城市形成强协同：2010~2020年，GDP增长与人口集聚的交互效应提升，推动赤字区扩张；但生态修复政策实施后，萧山、余杭由赤字转为盈余，印证政策对协同效应的调控作用. 丽水市作为生态屏障，NDVI与夜间灯光的交互效应持续上升，反映植被恢复与城镇化协同提升ESDR的机制. 自然因子间交互如坡度与降水解释力下降，表明山区自然约束减弱，社会经济驱动更突出. 这证实浙江省ESDR演化受“经济-生态”多维度协同调控，政策精准干预可扭转负向协同.
2.4.3 RF多因子交互分析图 5展示了RF模型对2000~2020年浙江省ESDR多因子驱动力的探测结果. 图 5（a）显示各因素重要性影响呈现动态演变：夜间灯光指数重要性在3个时期均居首位，2000年和2020年得分接近（约0.39），2010年略有下降，反映人类活动强度对生态供需平衡的持续主导作用；人口因素重要性在2000~2010年呈上升趋势，2010年达到峰值（约0.31），2020年有所回落但仍居第二位. GDP在2000年重要性较高，2010年下降，2020年小幅回升，这一变化可能与经济结构转型有关，说明人类活动强度对生态系统服务供需关系的影响依然显著.
|
图 5 随机森林分析结果 Fig. 5 Random forest analysis results |
图5（b）~5（g）汇报了RF模型的性能检验结果，各年份经优化确定的模型参数如下：2000年最终选取参数为决策树数量300、特征选择比例0.7、叶节点样本量6；2010年最终选取参数为决策树数量400、特征选择比例0.5以及叶节点样本量5；2020年最终选取参数为决策树数量300、特征选择比例0.7以及叶节点样本量5. 3个时段OOB误差均处于0.18~0.19区间，证明RF模型稳定性良好.
3 讨论浙江省ESDR在2000~2020年间呈现显著的正U型时序演变特征，早期（2000~2010年）的持续下降与东北部平原赤字区的扩张，印证了经典城镇增长极理论中经济集聚对生态空间的挤压效应[44，45]. 然而2010年后ESDR的回升及萧山、余杭等地的盈余转化，表明生态修复政策通过植被覆盖提升（NDVI解释力增长）逆转了供需失衡趋势，这一拐点现象与“环境库兹涅茨曲线”理论中经济发展后期生态质量改善的规律相契合[46，47]. 空间分异格局进一步揭示：浙江省内西南山地作为稳定盈余区与“生态安全屏障”政策导向高度协同[48]，而杭嘉湖平原的持续赤字则凸显城市群扩张和刚性生态代价.
在实践启示上，与珠三角等其他发达地区的同类型研究相比，InVEST-OPGD-RF框架揭示的ESDR空间异质性特征与驱动机制具有一定共性，如建设用地扩张与生态用地萎缩对ESDR的负向驱动效应普遍存在；但同时也显示出示范区内部结构性差异的特殊性，例如杭嘉湖赤字极核区的形成机制与广深都市圈边缘区存在差异[49]，反映出地方性自然基底与开发政策的复合影响. 因此，建议基于ESDR空间分异实施差异化管控，例如杭嘉湖赤字极核区应严格约束新增建设用地，优先开展存量用地更新与生态修复工程，可选取萧山、余杭作为试点，借鉴珠三角“生态修复+城市更新”双轮驱动经验，探索高密度开发区域生态功能提升路径[50]. 而西南盈余区可参照长三角其他生态优势区域的生态产品溢价路径. 例如，过渡区（如绍兴和宁波部分县域）需强化生态廊道建设，防止赤字区进一步蔓延；西南盈余区（如丽水全域和衢州西部）应在保障生态安全底线基础上，进一步探索符合本地特征的生态价值实现机制，推动“绿水青山”向“金山银山”转化.
需指出，本文提出的InVEST-OPGD-RF框架仍存在局限. RF模型虽能有效处理非线性关系，但其“黑箱”特性可能削弱驱动机制的可解释性，未来可结合SHAP等可解释模型提升整体透明度. OPGD方法对因子离散化方式敏感，后续研究可增加多种离散方法集成以增强结果稳健性. 此外，与一些强调制度和文化整合分析的研究相比，本研究尚未纳入上述“软驱动”因素，未来需融合网络调查、社交媒体等多元数据，识别更深层次的驱动机制，增强模型在跨区域对比中的适用性与解释力.
4 结论本文旨在解析浙江省ESDR的时空格局及其驱动机制，核心在于揭示ESDR空间分异特征、动态演化规律及关键影响因素，为区域生态安全维护与可持续发展提供科学支撑. 浙江省生态系统服务供给呈现西南高、东北低的空间分异特征，与地形本底及城镇化强度高度耦合，其中产水和土壤保持量时序上呈倒U型变化，碳储量与生境质量则持续递减；需求呈现东北部及东南沿海高、西南低的空间格局，地均GDP、人口密度和土地利用强度20 a间均显著增长，高需求区集中于中心城市群，与经济活动及人口集聚密切相关. 浙江省ESDR时序呈正U型变化，空间上赤字区集中于杭嘉湖平原及东南沿海，盈余区分布于西南山地；动态演化中，城镇化扩张加剧赤字，生态修复政策促使部分区域回归盈余，丽水始终维持高盈余状态. 人口密度与GDP是影响ESDR的核心驱动因素，NDVI解释力持续提升，自然因素与社会经济因素交互效应显著增强，共同驱动ESDR空间演变.
| [1] | Hasan S S, Zhen L, Miah M G, et al. Impact of land use change on ecosystem services: a review[J]. Environmental Development, 2020, 34. DOI:10.1016/j.envdev.2020.100527 |
| [2] | Bratman G N, Anderson C B, Berman M G, et al. Nature and mental health: an ecosystem service perspective[J]. Science Advances, 2019, 5(7). DOI:10.1126/sciadv.aax0903 |
| [3] | Ouyang Z Y, Zheng H, Xiao Y, et al. Improvements in ecosystem services from investments in natural capital[J]. Science, 2016, 352(6292): 1455-1459. DOI:10.1126/science.aaf2295 |
| [4] | Mitchell M G E, Suarez-Castro A F, Martinez-harms M, et al. Reframing landscape fragmentation's effects on ecosystem services[J]. Trends in Ecology & Evolution, 2015, 30(4): 190-198. |
| [5] |
汪晓珍, 吴建召, 吴普侠, 等. 2000-2015年黄土高原生态系统水源涵养、土壤保持和NPP服务的时空分布与权衡/协同关系[J]. 水土保持学报, 2021, 35(4): 114-121, 128. Wang X Z, Wu J Z, Wu P X, et al. Spatial and temporal distribution and trade-off of water conservation, soil conservation and NPP services in the ecosystems of the Loess Plateau from 2000 to 2015[J]. Journal of Soil and Water Conservation, 2021, 35(4): 114-121, 128. |
| [6] |
温宥越, 孙强, 燕玉超, 等. 粤港澳大湾区陆地生态系统演变对固碳释氧服务的影响[J]. 生态学报, 2020, 40(23): 8482-8493. Wen Y Y, Sun Q, Yan Y C, et al. Impacts of the terrestrial ecosystem changes on the carbon fixation and oxygen release services in the Guangdong-Hong Kong-Macao Greater Bay Area[J]. Acta Ecologica Sinica, 2020, 40(23): 8482-8493. |
| [7] |
窦攀烽, 左舒翟, 任引, 等. 气候和土地利用/覆被变化对宁波地区生态系统产水服务的影响[J]. 环境科学学报, 2019, 39(7): 2398-2409. Dou P F, Zuo S D, Ren Y, et al. The impacts of climate and land use/land cover changes on water yield service in Ningbo region[J]. Acta Scientiae Circumstantiae, 2019, 39(7): 2398-2409. |
| [8] |
黄木易, 岳文泽, 方斌, 等. 1970-2015年大别山区生态服务价值尺度响应特征及地理探测机制[J]. 地理学报, 2019, 74(9): 1904-1920. Huang M Y, Yue W Z, Fang B, et al. Scale response characteristics and geographic exploration mechanism of spatial differentiation of ecosystem service values in Dabie mountain area, central China from 1970 to 2015[J]. Acta Geographica Sinica, 2019, 74(9): 1904-1920. |
| [9] |
戴文远, 江方奇, 黄万里, 等. 基于"三生空间"的土地利用功能转型及生态服务价值研究——以福州新区为例[J]. 自然资源学报, 2018, 33(12): 2098-2109. Dai W Y, Jiang F Q, Huang W L, et al. Study on transition of land use function and ecosystem service value based on the conception of production, living and ecological space: a case study of the Fuzhou new area[J]. Journal of Natural Resources, 2018, 33(12): 2098-2109. |
| [10] |
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. |
| [11] |
申嘉澍, 李双成, 梁泽, 等. 生态系统服务供需关系研究进展与趋势展望[J]. 自然资源学报, 2021, 36(8): 1909-1922. Shen J S, Li S C, Liang Z, et al. Research progress and prospect for the relationships between ecosystem services supplies and demands[J]. Journal of Natural Resources, 2021, 36(8): 1909-1922. |
| [12] | Wang J N, Wu W J, Yang M, et al. Exploring the complex trade-offs and synergies of global ecosystem services[J]. Environmental Science and Ecotechnology, 2024, 21. DOI:10.1016/j.ese.2024.100391 |
| [13] | Winkel G, Lovrić M, Muys B, et al. Governing Europe's forests for multiple ecosystem services: opportunities, challenges, and policy options[J]. Forest Policy and Economics, 2022, 145. DOI:10.1016/j.forpol.2022.102849 |
| [14] | Zeng J, Cui X Y, Chen W X, et al. Ecological management zoning based on the supply-demand relationship of ecosystem services in China[J]. Applied Geography, 2023, 155. DOI:10.1016/j.apgeog.2023.102959 |
| [15] | Wu J S, Fan X N, Li K Y, et al. Assessment of ecosystem service flow and optimization of spatial pattern of supply and demand matching in Pearl River Delta, China[J]. Ecological Indicators, 2023, 153. DOI:10.1016/j.ecolind.2023.110452 |
| [16] |
彭卓越, 李梦婷, 刘亚明, 等. 跨流域调水受水区水-碳生态系统服务供需演变及优化管理分区[J]. 环境科学, 2026, 47(5): 3349-3361. Peng Z Y, Li M T, Liu Y M, et al. Evolution of water-carbon ecosystem service supply and demand and optimal zoning of water-carbon resource management in water-receiving area[J]. Environmental Science, 2026, 47(5): 3349-3361. DOI:10.13227/j.hjkx.202504263 |
| [17] | 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 |
| [18] |
丁心仪. 基于生态系统服务供需的杭州市生态修复分区研究[D]. 杭州: 浙江大学, 2024. Ding X Y. Study on ecological restoration zoning based on supply and demand of ecosystem services in Hangzhou[D]. Hangzhou: Zhejiang University, 2024. |
| [19] |
赵依婷, 徐建刚, 沈舟, 等. 基于生态系统服务供需与敏感性分析的城郊地区生态安全格局构建[J]. 生态学报, 2025, 45(18): 8849-8861. Zhao Y T, Xu J G, Shen Z, et al. Construction of ecological security pattern in peri-urban areas based on ecosystem service supply and demand and sensitivity analysis[J]. Acta Ecologica Sinica, 2025, 45(18): 8849-8861. |
| [20] |
董文卓, 苏维词, 罗小毛, 等. 西南地区生态系统服务供需与人类福祉的时空匹配测度及其耦合协调分析[J]. 环境科学, 2026, 47(5): 3362-3377. Dong W Z, Su W C, Luo X M, et al. Spatiotemporal matching measurement and coupling coordination analysis between ecosystem service supply-demand and human well-being in Southwest China[J]. Environmental Science, 2026, 47(5): 3362-3377. DOI:10.13227/j.hjkx.202505035 |
| [21] | Zeng J, Cui X Y, Chen W X, et al. Impact of urban expansion on the supply-demand balance of ecosystem services: an analysis of prefecture-level cities in China[J]. Environmental Impact Assessment Review, 2023, 99. DOI:10.1016/j.eiar.2022.107003 |
| [22] | Lu Z Y F, Li W, Yue R W. Investigation of the long-term supply–demand relationships of ecosystem services at multiple scales under SSP–RCP scenarios to promote ecological sustainability in China's largest city cluster[J]. Sustainable Cities and Society, 2024, 104. DOI:10.1016/j.scs.2024.105295 |
| [23] |
王晓峰, 尧文洁, 冯晓明, 等. 青藏高原生态系统服务供需变化及其驱动因素[J]. 生态学报, 2023, 43(17): 6968-6982. Wang X F, Yao W J, Feng X M, et al. Changes and driving factors of ecosystem services supply and demand on the Tibetan plateau[J]. Acta Ecologica Sinica, 2023, 43(17): 6968-6982. |
| [24] |
盖莹莹, 赵衡, 王富强. 黄河流域生态系统服务供需变化及其驱动因素分析[J]. 环境科学, 2025, 46(6): 3672-3680. Gai Y Y, Zhao H, Wang F Q. Changes and driving factors of ecosystem services supply and demand in the Yellow River Basin[J]. Environmental Science, 2025, 46(6): 3672-3680. DOI:10.13227/j.hjkx.202404237 |
| [25] |
王仕菲, 尹珂, 朱丽娜. 基于生态系统服务供需与土地利用耦合分析的三峡库区生态管理分区及情景模拟[J]. 环境科学, 2026, 47(2): 1038-1048. Wang S F, Yin K, Zhu L N. Ecological management zoning and scenario simulation of the three gorges reservoir area based on ecosystem service supply-demand and land use coupling analysis[J]. Environmental Science, 2026, 47(2): 1038-1048. DOI:10.13227/j.hjkx.202412143 |
| [26] | Burkhard B, Kroll F, Nedkov S, et al. Mapping ecosystem service supply, demand and budgets[J]. Ecological Indicators, 2012, 21: 17-29. DOI:10.1016/j.ecolind.2011.06.019 |
| [27] | Larondelle N, Lauf S. Balancing demand and supply of multiple urban ecosystem services on different spatial scales[J]. Ecosystem Services, 2016, 22: 18-31. DOI:10.1016/j.ecoser.2016.09.008 |
| [28] | Qiu H H, Bai Y C, Han H R, et al. Ecosystem service supply and demand relationship and spatial identification of driving threshold in Loess Plateau of China[J]. Ecological Engineering, 2025, 212. DOI:10.1016/j.ecoleng.2025.107534 |
| [29] |
刘东岳, 董文卓, 勾容, 等. 基于InVEST模型和XGBoost-SHAP的重庆市生态系统服务供需时空演变及驱动因素分析[J]. 环境科学, 2026, 47(5): 3312-3323. Liu D Y, Dong W Z, Gou R, et al. Spatial and temporal evolution of ecosystem service supply and demand and analysis of driving factors in Chongqing based on InVEST model and XGBoost-SHAP[J]. Environmental Science, 2026, 47(5): 3312-3323. DOI:10.13227/j.hjkx.202504257 |
| [30] |
余昊轩, 汤江龙, 陈荣清. 湖北省生态系统服务供需时空演变特征及其多尺度的空间平衡与匹配分析[J]. 环境科学, 2024, 45(11): 6477-6488. Yu H X, Tang J L, Chen R Q. Spatiotemporal evolution characteristics and multi-scale spatial balance and matching analysis of ecosystem service supply and demand in Hubei Province[J]. Environmental Science, 2024, 45(11): 6477-6488. DOI:10.13227/j.hjkx.202312019 |
| [31] | Xiang H X, Zhang J, Mao D H, et al. Identifying spatial similarities and mismatches between supply and demand of ecosystem services for sustainable Northeast China[J]. Ecological Indicators, 2022, 134. DOI:10.1016/j.ecolind.2021.108501 |
| [32] | Li Y G, Liu W, Zhu M, et al. Influencing factors and paths of the coupling relationship between ecosystem services supply–demand and human well-being in the Hexi Regions, northwest China[J]. Remote Sensing, 2025, 17(10). DOI:10.3390/rs17101787 |
| [33] | Wang K, Chen Q X. Exploring the spatiotemporal effects of urban scale and urban vitality on S & D balance in the Yangtze River Delta, China from 2015 to 2025[J]. Scientific Reports, 2025, 15(1). DOI:10.1038/s41598-024-84546-2 |
| [34] | Wang C, Hou Y, Zhang J L, et al. Assessing the groundwater loss risk in Beijing based on ecosystem service supply and demand and the influencing factors[J]. Science of the Total Environment, 2023, 872. DOI:10.1016/j.scitotenv.2023.162255 |
| [35] |
赵晓冏, 苏军德, 王建, 等. 甘肃省生态服务供需关系及影响因子研究[J]. 中国环境科学, 2021, 41(10): 4926-4941. Zhao X J, Su J D, Wang J, et al. A study on the relationship between supply-demand relationship of ecosystem services and impact factors in Gansu Province[J]. China Environmental Science, 2021, 41(10): 4926-4941. |
| [36] | Song Y Z, Wang J F, Ge Y, et al. An optimal parameters-based geographical detector model enhances geographic characteristics of explanatory variables for spatial heterogeneity analysis: cases with different types of spatial data[J]. GIScience & Remote Sensing, 2020, 57(5): 593-610. |
| [37] |
冯碧鸥, 岳文泽, 夏皓轩. 生态安全格局视角下的生态保护红线评估——以浙江省为例[J]. 应用生态学报, 2022, 33(9): 2466-2474. Feng B O, Yue W Z, Xia H X. Evaluation of ecological conservation red line from the perspective of ecological security pattern: taking Zhejiang Province, China as an example[J]. Chinese Journal of Applied Ecology, 2022, 33(9): 2466-2474. |
| [38] |
陈绎安, 胡宝群, 汤江龙, 等. 生态系统服务供需权衡下南昌市生态安全格局演变及其影响因素分析[J]. 环境科学, 2025, 46(11): 7316-7328. Chen Y A, Hu B Q, Tang J L, et al. Analysis of evolution and influencing factors of ecological security patterns in Nanchang city under the trade-off between ecosystem service supply and demand[J]. Environmental Science, 2025, 46(11): 7316-7328. DOI:10.13227/j.hjkx.202410013 |
| [39] |
陶德凯, 张子建, 周文莉, 等. 基于生态系统服务供需协同的生态安全格局构建——以安徽省为例[J]. 规划师, 2024(10): 16-24. Tao D K, Zhang Z J, Zhou W L, et al. Construction of ecological security pattern based on demand-supply coordination of ecosystem service: a case study of Anhui Province[J]. Planners, 2024(10): 16-24. |
| [40] |
梁坤宇, 金晓斌, 张晓琳, 等. 耦合生态系统服务供需的生态安全格局构建——以苏南地区为例[J]. 生态学报, 2024, 44(9): 3880-3896. Liang K Y, Jin X B, Zhang X L, et al. Construction of ecological security patterns coupling supply and demand of ecosystem services: a case study of southern Jiangsu Province[J]. Acta Ecologica Sinica, 2024, 44(9): 3880-3896. |
| [41] | Burkhard B, Kroll F, Müller F, et al. Landscapes' capacities to provide ecosystem services - a concept for land-cover based assessments[J]. Landscape Online, 2009, 15: 1-22. |
| [42] |
翁异静, 汪夏彤, 陈思静. 浙江三大城市群绿色发展效率时空分异及影响机理[J]. 应用生态学报, 2022, 33(2): 509-516. Weng Y J, Wang X T, Chen S J. Spatial-temporal differentiation and influencing mechanism of green development efficiency in three major urban agglomerations in Zhejiang Province, China[J]. Chinese Journal of Applied Ecology, 2022, 33(2): 509-516. |
| [43] |
曹卫东, 曾刚, 朱晟君, 等. 长三角区域一体化高质量发展: 问题与出路[J]. 自然资源学报, 2022, 37(6): 1385-1402. Cao W D, Zeng G, Zhu S J, et al. High-quality integrated development in the Yangtze River Delta region: problems and solutions[J]. Journal of Natural Resources, 2022, 37(6): 1385-1402. |
| [44] |
潘方杰, 万庆, 曾菊新, 等. 城镇化进程中湖北省"生产—生活—生态"空间冲突演化及其影响因素[J]. 经济地理, 2023, 43(2): 80-92. Pan F J, Wan Q, Zeng J X, et al. Evolution characteristics and influence factors of spatial conflicts between production-living-ecological space in the rapid urbanization process of Hubei Province, China[J]. Economic Geography, 2023, 43(2): 80-92. |
| [45] |
杨帆, 熊素文, 雷婷, 等. 城镇化进程中洞庭湖区"三生空间"格局演变与驱动机制[J]. 生态学报, 2022, 42(17): 7043-7055. Yang F, Xiong S W, Lei T, et al. Evolution of the "production-living-ecological space" pattern and driving mechanisms in the Dongting Lake area during the urbanization process[J]. Acta Ecologica Sinica, 2022, 42(17): 7043-7055. |
| [46] |
李雅男, 丁振民, 邓元杰, 等. 中国城市工业化发展与PM2.5的关系: 兼论EKC曲线形成的内在机制[J]. 环境科学, 2020, 41(4): 1987-1996. Li Y N, Ding Z M, Deng Y J, et al. Relationship between urban industrialization and PM2.5 concentration in China and the internal mechanism of EKC[J]. Environmental Science, 2020, 41(4): 1987-1996. DOI:10.13227/j.hjkx.201910042 |
| [47] |
刘丹丹, 张燕娟. 能源转型对浙江省碳达峰拐点影响的实证模拟[J]. 资源科学, 2024, 46(9): 1699-1708. Liu D D, Zhang Y J. Empirical simulation research on the impact of energy transition on the carbon peak inflection point in Zhejiang Province[J]. Resources Science, 2024, 46(9): 1699-1708. |
| [48] |
汪本学, 周玉翠. 基于比较优势的浙江省土地资源配置效益研究[J]. 经济地理, 2017, 37(7): 185-190. Wang B X, Zhou Y C. Benefit analysis of land resource allocation based on the theory of comparative advantage in Zhejiang Province[J]. Economic Geography, 2017, 37(7): 185-190. |
| [49] |
徐茜, 卢芷欣, 许莹杰, 等. 基于供需关系的广东省生态系统服务空间流动研究[J]. 生态学报, 2025, 45(12): 5753-5768. Xu Q, Lu Z X, Xu Y J, et al. Study on spatial flow of ecosystem services in Guangdong Province based on supply-demand relationship[J]. Acta Ecologica Sinica, 2025, 45(12): 5753-5768. |
| [50] |
袁海威, 龚建周, 陈雅婷, 等. 基于地域区划的广东省陆域生态系统服务簇与模式识别[J]. 生态学报, 2023, 43(22): 9384-9401. Yuan H W, Gong J Z, Chen Y T, et al. Recognition and analysis of ecosystem service cluster patterns in Guangdong Province based on region division[J]. Acta Ecologica Sinica, 2023, 43(22): 9384-9401. |