季节尺度下三江源生态系统服务时空演变及权衡协同

引用本文

赖欢欢, 陈竹安, 钟发明. 季节尺度下三江源生态系统服务时空演变及权衡协同[J]. 环境科学, 2026, 47(10): 7173-7185.

LAI Huan-huan, CHEN Zhu-an, ZHONG Fa-ming. Spatio-temporal Evolution and Trade-offs and Synergies of Ecosystem Services in the Three-River Headwaters Region at the Seasonal Scale[J]. Environmental Science, 2026, 47(10): 7173-7185.

季节尺度下三江源生态系统服务时空演变及权衡协同

赖欢欢^1,2, 陈竹安^1,3,4, 钟发明^1,2

1. 东华理工大学测绘与空间信息工程学院，南昌 330013;
2. 东华理工大学南昌市景观过程与国土空间生态修复重点实验室，南昌 330013;
3. 东华理工大学自然资源部环鄱阳湖区域矿山环境监测与治理重点实验室，南昌 330013;
4. 东华理工大学江西省流域生态过程与信息重点实验室，南昌 330013

收稿日期: 2025-08-26; 修订日期: 2025-11-04

基金项目: 教育部人文社会科学研究项目（22YJCZH150）；江西省自然科学基金项目（20232BAB203062）；江西省社科规划项目（24GL19）；江西省研究生创新专项（YC2024-S485）；东华理工大学研究生创新专项（DHYC-2025029）

作者简介: 赖欢欢（2002~），女，硕士研究生，主要研究方向为生态系统服务，E-mail：lhh_2024@126.com

通信作者: 陈竹安, E-mail：cza53@qq.com

摘要: 深入探究生态系统服务间权衡协同关系的时空分布特征对于理解生态过程以及指导生态管理具有重要意义，然而，当前相关研究多聚焦于年尺度层面，针对季节等更短时间尺度的研究仍较为缺乏. 基于InVEST与改进CASA模型，评估2000~2022年三江源地区季节性产水量、土壤保持量和净初级生产力，揭示其季节与年度变化规律，并采用Spearman相关性分析与权衡协同指数（TSI）方法，量化上述服务在季节尺度上的权衡与协同关系. 结果表明，①在时间尺度上，年度方面，土壤保持量呈先增后减趋势；净初级生产力持续增长；产水量呈“减-增-减”态势. 季节方面，3种ESs在各季节差异显著，但夏季贡献率均超55%. ②在空间尺度上，季节与年度的空间分布均呈现出东南高-西北低的格局，高值区分布于玉树市、囊谦县等东南部地区. ③Spearman分析表明，研究时段内，3种ESs两两间均呈正相关，存在协同关系. 不同服务对的TSI在空间上较为分散，季节间差异明显，但总体上以中高度协同作用为主. 针对不同季节及区域提出针对性的实施建议，可为三江源地区的季节性放牧管理、水资源优化调度及生态保护工程的科学实施提供指引.

关键词: 生态系统服务（ESs）权衡与协同权衡协同指数（TSI） InVEST模型三江源地区（TRHR）

Spatio-temporal Evolution and Trade-offs and Synergies of Ecosystem Services in the Three-River Headwaters Region at the Seasonal Scale

LAI Huan-huan^1,2 , CHEN Zhu-an^1,3,4 , ZHONG Fa-ming^1,2

1. School of Surveying and Geoinformation Engineering, East China University of Technology, Nanchang 330013, China;
2. Nanchang Key Laboratory of Landscape Process and Territorial Spatial Ecological Restoration, East China University of Technology, Nanchang 330013, China;
3. Key Laboratory of Mine Environmental Monitoring and Improving around Poyang Lake of Ministry of Natural Resources, East China University of Technology, Nanchang 330013, China;
4. Jiangxi Key Laboratory of Watershed Ecological Process and Information, East China University of Technology, Nanchang 330013, China

Abstract: A thorough investigation into the spatio-temporal distribution characteristics of trade-offs and synergies among ecosystem services is of great significance for understanding ecological processes and guiding ecological management. However, current research mainly focuses on the annual scale, while studies on shorter time scales such as seasons are still relatively scarce. Based on the InVEST and improved CASA models, this study evaluated the seasonal water yield, soil conservation, and net primary productivity in the Three-River Headwaters Region from 2000 to 2022, revealing their seasonal and inter-annual variation patterns. Spearman correlation analysis and the Trade-off Synergy Index (TSI) method were employed to quantify the trade-offs and synergies among these services at the seasonal scale. The results show that: ① On the temporal scale, inter-annually, soil conservation first increased and then decreased; net primary productivity continued to grow; and water yield showed a "decrease-increase-decrease" trend. Seasonally, the three ESs varied significantly in each season, but their contribution rates in summer all exceeded 55%. ② On the spatial scale, both the seasonal and inter-annual spatial distributions presented a pattern of high in the southeast and low in the northwest, with high-value areas located in southeastern regions such as Yushu City and Nangqian County. ③ Spearman analysis indicated that during the study period, all pairs of the three ESs were positively correlated, showing a synergistic relationship. The TSI values for different service pairs were spatially dispersed and varied significantly among seasons, but overall, medium to high synergy dominated. Targeted implementation suggestions for different seasons and regions are proposed, which can provide guidance for the scientific implementation of seasonal grazing management, water resource optimization scheduling, and ecological protection projects in the Three-River Headwaters Region.

Key words: ecosystem services(ESs) trade-off and synergy trade-off synergy index(TSI) InVEST model Three-River Headwaters Region(TRHR)

生态系统服务（ESs）是人类与社会从生态系统中直接或间接获取的益处^[1]，它是沟通自然生态与人类社会经济系统的纽带^[2]. 不同生态系统服务之间存在复杂的相互作用机制，既有协同增效的一面，也有相互制约的关系. 这种相互作用既可能呈现一消一长的权衡关系，也可能表现出相互促进的协同关系^[3].

近年来，国内外学者聚焦于生态系统服务权衡协同量化解析及作用机制探究投入大量精力并取得诸多突破性进展. 目前，衡量生态系统服务的权衡协同关系已形成较为完备的方法体系，主要包括数理统计学分析法^[4~8]、空间分析法^[9，10]以及情景分析法^[11，12]等. 基于这些方法，学者们在不同空间尺度上针对生态系统服务的权衡与协同关系展开了广泛且深入的研究. 研究涉及的空间尺度丰富多样，既有省^[3，6，7]、市^[11，13]和县^[14]等常见的行政区划尺度，也涵盖城市群^[15]、经济带^[8]、流域^{[2，5，12，16]}与格网^[3，13]等特殊尺度. 在时间尺度研究方面，生态系统服务及其权衡协同关系的研究逐渐从动态的、长时间序列角度^[17]出发对生态系统服务及其权衡协同关系的时空演化特征、区域差异、集聚特征等方面进行分析. 例如，在时空演化特征方面，周杰等^[17]对甘南州1990~2020年间进行研究，发现不同生态系统服务在多尺度上总体呈现协同关系，但局部存在明显权衡. 在区域差异方面，孙艺杰等^[18]对比陕西关中盆地与汉中盆地发现，经济较为发达的关中地区生态系统服务协同程度较低且变化较快；而生态环境良好的汉中地区则表现出更高的协同性及更强的稳定性. 而在集聚特征方面，张天翼等^[19]从服务簇视角揭示出沱江流域整体以权衡关系为主，但在服务簇内部则以协同关系为主，表现出显著的空间集聚与功能耦合特征.

针对具有重要生态战略地位的三江源地区，众多学者也开展了大量研究. 例如，龙海潇等^[20]利用InVEST模型，在30 m×30 m像素尺度上对三江源地区2000~2020年间产水量、土壤保持量及生境质量的时空演变规律进行了评估，并借助地理探测器在1 km²尺度上识别了各生态系统服务的关键驱动因素. 但该研究未涉及生态系统服务间权衡协同关系的探讨. 郑德凤等^[21]运用当量因子法、空间自相关及相关系数等方法，分析了三江源国家公园1990~2015年间生态系统服务价值的时空变化以及各生态系统服务之间的权衡协同关系. 然而，现有时间尺度上的研究多集中于年度尺度的分析，对季节尺度等更短周期的动态变化研究仍存在明显缺口. 实际上，由于年内气候节律性波动引发的生态过程非线性响应，生态系统服务关系在较短的时间尺度上可能会表现出时间异质性特征^[22，23]. 由此可见，深入解析不同时间尺度与生态系统服务的内在关联，不仅能揭示生态系统演变的动态规律，更可为制定精细化生态管理策略提供科学依据.

三江源地区（TRHR）作为青藏高原腹地的核心生态屏障，其生态系统的独特性和脆弱性在全球气候变化的背景下日益突出. 独特的地理格局与气候的交互作用，致使其季节性变化显著. 若仅从年度尺度进行分析，往往难以捕捉到其季节性差异，从而制约了精细化生态治理工作的开展. 考虑到三江源地区生态系统服务的代表性及数据的可利用性，本研究选取了3种关键生态系统服务进行分析，分别为季节性产水量、土壤保持及净初级生产力. 该地区的产水服务直接关系下游地区的水资源安全^[24]；土壤保持服务维系着高寒生态系统的稳定^[25]；而净初级生产力是反映草地健康状况及生态功能的关键指标^[26]. 基于此，本研究聚焦2000~2022年间三江源地区的季节性土壤保持量、净初级生产力和产水量变化，旨在模拟其动态过程，揭示其在时空尺度上的演变规律. 同时，进一步分析这3种生态系统服务在季节尺度上的权衡协同关系，探讨其相互作用机制. 本研究成果可为三江源地区的季节性放牧管理、水资源优化调度及生态保护工程的科学实施提供理论支撑与决策依据.

1 材料与方法 1.1 研究区概况

三江源地区（31°39'~37°10'N，89°24'~102°27'E）地处青海省南部，位于青藏高原腹地. 它是长江、黄河及澜沧江的源头，3条江河每年为下游地区提供约400亿m³水量，因而被誉为“中华水塔”^[27]. 从地理特征来看，该地区海拔高度在1 978~6 825 m之间（图 1）. 其行政范围囊括了玉树藏族自治州、果洛藏族自治州、海南藏族自治州及黄南藏族自治州下辖的所有县域（共21个县），还有格尔木市的唐古拉山镇. 在植被方面，三江源地区以草地为主，林地次之，植被类型主要包括高寒草甸、高寒草原和高寒荒漠^[28]. 气候上，三江源地区属于典型的高原大陆性气候，具有冷暖交替、干湿两季分明的特点^[29]. 降水集中在5~10月之间，这期间的降水总量占全年降水量总和的80%以上^[30].

图 1 研究区地理位置示意 Fig. 1 Location of the study area

1.2 数据来源

本研究所采用的数据及来源如表 1所示.

表 1 数据类型及来源^1） Table 1 Data types and sources

数据类型	时间分辨率	空间分辨率	数据来源
土地利用/覆被数据	a	30 m	武汉大学发布的中国30 m年度土地覆盖产品（CLCD）^[31]
数字高程数据（DEM）	—	30 m	地理空间数据云(https://www.gscloud.cn/)
气温数据	月	1 km	国家青藏高原科学数据中心（https://data.tpdc.ac.cn/）
降水数据	月	1 km	国家青藏高原科学数据中心（https://data.tpdc.ac.cn/）
蒸散发数据	月	1 km	国家青藏高原科学数据中心（https://data.tpdc.ac.cn/）
土壤数据	—	1 km	世界土壤数据库HWSD(https://www.fao.org/soils-portal/en/) 土壤数据集v1.2
土壤水文组数据	—	250 m	ORNL-DAAC HYSOGs250 m数据集(https://daac.ornl.gov/)
太阳辐射数据	h	0.1°	欧洲气象中心ERA5数据集(https://cds.climate.copernicus.eu/)
归一化植被指数（NDVI）	月	250 m	国家青藏高原科学数据中心（https://data.tpdc.ac.cn/）
叶面积指数（LAI）	8 d	500 m	美国国家航空航天局（NASA）MOD15A2H产品(https://www.earthdata.nasa.gov/)
植被净初级生产力（NPP)	a	500 m	美国国家航空航天局（NASA）MOD17A3产品(https://www.earthdata.nasa.gov/)
1）由于2000年1月的归一化植被指数（NDVI）缺失，使用2001年1月的数据替代；植被净初级生产力（NPP）数据用于NPP模拟结果的精度验证；“—”表示无时间分辨率

表 1 数据类型及来源^1） Table 1 Data types and sources

上述所有数据均在ArcGIS 10.8中转换，采用相同投影坐标系WGS_1984_UTM_Zone_47N，插值或重采样至30 m空间分辨率.

1.3 季节性生态系统服务评估

为全面评估三江源地区生态系统服务状况，评估分季节和全年尺度展开. 其中，季节尺度涵盖春季（3~5月）、夏季（6~8月）、秋季（9~11月）和冬季（12月至次年2月）. 在具体评估生态系统服务方面，考虑到冬季植被凋零甚至死亡^[23，32]，降水量也未达到降水侵蚀标准^[33]，土壤保持及净初级生产力仅在春季、夏季、秋季及全年尺度进行评估；而季节性产水量则在4个季节以及全年尺度均展开评估.

1.3.1 季节性土壤保持

本文运用InVEST模型中的泥沙输移比（SDR）模块对研究区的土壤保持量进行评估. 该模块是以修正土壤流失方程（RUSLE）为基础进行计算，土壤保持量通过潜在土壤侵蚀量与实际土壤侵蚀量的差值来表示，计算公式如下：

R K L S = R \times K \times L S

(1)

U S L E = R \times K \times L S \times P \times C

(2)

S C = R K L S - U S L E

(3)

式中，RKLS表示土壤潜在侵蚀量[t·（hm²·a）^-1]；USLE表示土壤实际侵蚀量[t·（hm²·a）^-1]；SC表示土壤保持量[t·（hm²·a）^-1]；R表示降雨侵蚀力因子[（MJ·mm）·（hm²·h·a）^-1]；K表示土壤可侵蚀性因子[（t·hm²·h）·（hm²·MJ·mm）^-1]；LS表示坡度坡长因子；P表示水土保持措施因子；C表示植被覆盖和管理因子，其计算参考蔡崇法等的研究^[34]，使用归一化差值植被指数（NDVI）计算不同季节的C值.

其中，降水侵蚀力因子R的计算运用Wischmeier所提出的算法[公式（4）]，并将最终结果乘以17.02转换为国际单位制^[35]. 季节性R值计算为相应的月降水侵蚀力之和.

R = \sum_{i = 1}^{n} 1.735 \times 10^{[1.5 l g (P_{i}^{2} / P) - 0.818 8]}

(4)

式中，R为降水侵蚀力[（MJ·mm）·（hm²·h·a）^-1]；n为月份数量； $P_{i}$ 为第i月的降水量（mm）；P为年降水量（mm）.

1.3.2 季节性净初级生产力

本文采用改进的CASA模型计算三江源地区的植被净初级生产力（NPP），该模型的核心原理是基于光合有效辐射APAR与实际光能利用率ε计算植被的净初级生产力，其计算公式如下：

N P P (x, t) = A P A R (x, t) \times ε (x, t)

(5)

式中，APAR表示像元x在t月吸收的光合有效辐射[以C计，g·（m²·月）^-1]；ε（x，t）表示像元x在t月的实际光能利用率（以C计，g·MJ^-1）；对于CASA模型的参数输入与数据处理，参考了朱文泉等^[36]的研究成果. 而季节性NPP则通过计算相应的月净初级生产力之和得到.

1.3.3 季节性产水量

本文运用InVEST模型中的季节性产水（SWY）模块模拟研究区的产水量，该模块量化了地块对生成基流和快速流的贡献. 计算公式如下^[37]：

$ \begin{aligned} \mathrm{QF}_{i, m}= & n_m \times\left[\left(a_{i, m}-S_i\right) \exp \left(-\frac{0.2 S_i}{a_{i, m}}\right)+\right. \\ & \left.\frac{S_i^2}{a_{i, m}} \exp \left(\frac{0.8 S_i}{a_{i, m}}\right) E_1\left(\frac{S_i}{a_{i, m}}\right)\right] \times 25.4 \end{aligned} $

(6)

L_{i} = P_{i} - Q F_{i} - A E T_{i}

(7)

\begin{matrix} B_{s u m, i} = L_{s u m, i} \times \sum_{\begin{array}{l} j \in {像元 i 的 \\ 上坡 集水 区} \end{array}} \{\begin{array}{l} p_{i j} (1 - \frac{L_{a v a i l, j}}{L_{s u m, j}}) \frac{B_{s u m, j}}{L_{s u m, j} - L_{j}}, & 像元 j 不与 河网 相邻 \\ p_{i j}, & 像元 j 与河 网相 邻 \end{array} \end{matrix}

(8)

L_{s u m, i} = L_{i} + \sum_{\begin{array}{l} 像元 i 的上 坡集 水 \\ 区的 每个 像元 j \end{array}} L_{s u m, j} p_{i j}

(9)

B_{i} = m a x (B_{s u m, i} \frac{L_{i}}{L_{s u m, i}}, 0)

(10)

式中， $Q F_{i, m}$ 表示月m的快速流量； $S_{i} = (1 000 / C N_{i}) - 10$ ； $C N_{i}$ 为像元 $i$ 的径流曲线数； $a_{i, m}$ 为月 $m$ 上像元 $i$ 某降水日的平均降水深度； $n_{m}$ 为月 $m$ 的像元 $i$ 的降水事件数； $E_{1}$ 为积分函数 $E_{1} (x) = \int_{x}^{\infty} \frac{e^{- t}}{t} d t$ . 年快速流量为12个月快速流量总和. $L_{i}$ 表示本地补给值； $P_{i}$ 表示像元 $i$ 的降水量；年蒸散发 $A E T_{i}$ 为月蒸散发总和. $B_{s u m, i}$ 为基流累积量； $L_{s u m, i}$ 表示累计上游补给值； $p_{i j}$ 表示像元 $i$ 到像元 $j$ 的流量比例； $L_{a v a i l, j}$ 表示像元 $j$ 的可利用补给. 基流 $B_{i}$ 由公式（10）计算得出. 对于月基流的计算，参考已有研究^[38，39]，将年基流按照与月降水值相同的分布分配到每个月，但偏移了1个月. 季节性产水量通过计算相应的每月快速流量和基流之和得到.

1.4 生态系统服务权衡协同研究方法

为消除不同生态系统服务变量间的量纲差异，在衡量生态系统服务权衡协同关系前，本研究采用R语言max-min的方法，对不同季节及年度的3种生态系统服务数据进行归一化处理. 考虑到减少数据计算负担，同时1 km是我国进行生态管理的最小单元尺度^[40]. 因此，在进行Spearman相关性分析前利用ArcGIS创建1 km×1 km的网格，将归一化后的生态系统服务值提取至点，以便开展后续分析. 在后续的生态系统服务权衡协同空间分析时中，同样采用1 km尺度.

1.4.1 相关性分析

为探究3种生态系统服务间权衡与协同关系的全局特征，本研究运用Spearman相关性分析法开展量化分析^[2]. 若相关系数为正，表明服务间呈现协同关系；若相关系数为负，则表明服务间呈现权衡关系. 而权衡协同关系的强弱是由相关系数的绝对值来体现^[3]. 上述的Spearman相关性分析及显著性检验借助R语言的“Hmisc”包完成. Spearman相关系数计算公式如下：

r_{s} = 1 - \frac{6 \sum_{i = 1}^{n} d_{i}^{2}}{n (n^{2} - 1)}

(11)

式中， $r_{s}$ 为相关系数； $d_{i} = R_{i} - S_{i}$ ， $R_{i}$ 和 $S_{i}$ 为两个变量的秩次；n为样本量.

1.4.2 生态系统服务权衡协同定量测度方法

Spearman相关性分析法虽能量化成对生态系统服务间权衡协同关系的总体特征，但难以展现其空间异质性关系^[41]. 为弥补这一不足，本文在Spearman相关性分析的基础之上引入了生态系统服务权衡协同标准（TSC）与生态系统服务权衡协同指数（TSI），这两个指标能够有效解析协同与权衡关系的空间异质性特征^[42，43]. 其中，权衡协同标准（TSC）用于衡量服务间的权衡协同关系，而权衡协同指数（TSI）用于定量测度两两ES间权衡协同关系的强度. 计算公式如下：

T S C = \frac{E S_{i, t_{2}} - E S_{i, t_{1}}}{E S_{j, t_{2}} - E S_{j, t_{1}}}

(12)

T S I = 1 - ||Δ E S_{i}| - |Δ E S_{j}||

(13)

式中， $E S_{i, t_{2}}$ 和 $E S_{i, t_{1}}$ 分别表示第 $i$ 类生态系统服务在 $t_{2}$ 和 $t_{1}$ 时期的值；同理， $E S_{j, t_{2}}$ 和 $E S_{j, t_{1}}$ 分别表示第 $j$ 类生态系统服务在 $t_{2}$ 和 $t_{1}$ 时期的值. 若 $T S C$ > 0， $E S_{i}$ 和 $E S_{j}$ 呈现协同作用；反之则为权衡作用. $Δ E S_{i}$ 和 $Δ E S_{j}$ 分别表示两个时期（2000年和2022年）两类生态系统服务间的差值； $T S I$ 取值范围为0~1， $T S I$ 指数越高，表明服务间的权衡或协同效应的强度越高，反之则越低.

2 结果与分析 2.1 季节性生态系统服务时空变化特征 2.1.1 土壤保持时空变化特征

2000~2022年三江源土壤保持量时空演变及变化如图 2所示，各季节以及年度的土壤保持量在空间分布格局上大致相同. 总体呈现“东南高-西北低”的分布态势，其高值集中在研究区的南部及东南部区域降水充沛的地区，包括玉树市、囊谦县、杂多县东部、久治县与班玛县. 2000年与2022年三江源土壤保持总量分别为259.85×10⁷ t与223.49×10⁷ t，均值分别为66.60 t·hm^-2与57.28 t·hm^-2. 在研究时段内土壤保持量呈现“先增后减”态势，其峰值出现在2020年，为352.45×10⁷ t，于2022年达到最低值（图 3）.

图 2 2000~2022年间三江源土壤保持量（SC）的空间分布 Fig. 2 Spatial distribution of SC in the TRHR from 2000 to 2022

图 3 2000~2022年三江源季节性土壤保持量（SC）变化趋势 Fig. 3 Trend of seasonal SC in the TRHR from 2000 to 2022

季节方面，研究时段内土壤保持量的季节分布变化与年度变化有所差异. 在春季，2010年的东部地区以及2022年的东部与南部地区的土壤保持量明显高于2000年与2020年. 类似地，在秋季，2000年三江源地区的东部与南部以及2022年的南部地区明显高于另外2 a.

2.1.2 净初级生产力时空变化特征

研究区净初级生产力在各季节以及年度的空间分布格局呈现出一致的规律（图 4）. 其空间分布与土壤保持类似，总体呈现“东南高-西北低”的空间格局，研究区的东部及南部区域净初级生产力值较高，涵盖了河南蒙古自治县、玛沁县、甘德县、久治县以及囊谦县与杂多县. 2000年和2022年三江源净初级生产力（以C计，下同）分别为1 118.93×10¹¹ g和1 212.22×10¹¹ g，均值分别为286.77 g·m^-2和310.69 g·m^-2，在研究时段内净初级生产力呈增加的态势（图 5）.

图 4 2000~2022年间三江源地区净初级生产力（NPP）的空间分布 Fig. 4 Spatial distribution of NPP in the TRHR from 2000 to 2022

图 5 2000~2022年三江源季节性净初级生产力（NPP）变化趋势 Fig. 5 Trend of seasonal NPP in the TRHR from 2000 to 2022

在春季，2022年西部地区的净初级生产力低值区相较于2000年的相同区域明显减少. 而在其他季节西部地区的净初级生产力较为稳定，变化幅度不大.

2.1.3 季节性产水量时空变化特征

使用InVEST模型对三江源地区的季节性产水量进行量化，结果如图 6所示. 各季节以及年度的季节性产水量在空间分布规律和土壤保持量与净初级生产力类似，总体依旧呈现“东南高-西北低”的分布态势，不过其高值集中区域略有不同. 季节性产水量的高值分布在研究区东南部的久治县与班玛县，低值区则分布在西部海拔较高的地区. 2000年和2022年三江源季节性产水总量分别为489.15×10⁸ m³和318.85×10⁸ m³，均值分别为125.36 mm和81.72 mm. 在2000~2022年间季节性产水量呈“减-增-减”的趋势，但整体呈现减少的趋势（图 7）. 季节性产水量的空间分异规律与降水的空间分布高度相似，这可能是因为降水是产水量形成的直接水源输入，同时其他水文过程的空间差异通常与降水分布呈高度相关性.

图 6 2000~2022年间三江源季节性产水量（SWY）的空间分布 Fig. 6 Spatial distribution of seasonal SWY in the TRHR from 2000 to 2022

图 7 2000~2022年三江源季节性产水量（SWY）变化趋势 Fig. 7 Trend of seasonal SWY in the TRHR from 2000 to 2022

季节方面，春季与夏季的空间分布与年度的基本一致，而秋季空间分布明显不同. 在冬季研究区季节性产水量明显少于其他季节，这可能是由于冬季降水以雪、霰、冻雨等固态形式为主，无法直接形成地表径流. 积雪覆盖地表后，需待春季升温才能逐步融化补给径流，导致冬季液态水产出几乎停滞.

2.1.4 生态系统服务季节占比的时序变化特征

结果显示（图 8），2000~2022年，研究区夏季土壤保持量占全年的比例颇为显著. 具体而言，各年份该占比均超过65%，到2020年更是突破了90%. 这一现象的背后是降水对降水侵蚀因子R的决定性作用，夏季较高的降水量在一定程度上促使土壤侵蚀量增加.

SC：土壤保持量，NPP：净初级生产力，SWY：季节性产水量图 8 三江源地区2000~2022年及多年平均生态系统服务的季节占比 Fig. 8 Seasonal proportions of ecosystem services in the TRHR from 2000 to 2022 and the average over the past decades

除了土壤保持量，净初级生产力和季节性产水量在夏季的占比也较高. 在研究时段内，夏季净初级生产力占全年的比例均超过60%，季节性产水量占比则均超过55%. 综合而言，3种生态系统服务多年平均季节占比分布虽存在差异，但是夏季占全年的服务占比均超过55%，远高于其他季节，其中土壤保持量的夏季占比甚至超过了80%. 值得关注的是，季节性产水量的季节分布与土壤保持量、净初级生产力有所不同. 季节性产水量秋季的占比小于春季，且春季占比约为夏季的一半. 这一差异的形成原因可能是由于降水集中在夏季，而在秋季降水少但植被尚未完全枯萎，仍通过蒸腾消耗水分，降水优先渗入土壤补充水分而非产生地表径流；另外，冬季积雪在春季融化，直接转化为地表径流.

2.2 权衡协同关系 2.2.1 Spearman相关性分析

Spearman相关性分析的结果如图 9（a）所示，研究时段内三江源地区的土壤保持、净初级生产力以及季节性产水量这3种服务的相关性均通过了显著性检验，且它们之间均呈现协同关系. 但这种协同强度在季节尺度上存在显著差异. 3种生态系统服务间的相关系数在夏季的变化趋势，与年度间变化趋势最为相似. 这一现象与前文提及的夏季贡献率最高的结论相契合. 在研究时段内，土壤保持-净初级生产力的协同强度普遍高于土壤保持-季节性产水量以及净初级生产力-季节性产水量之间的协同强度. 这可能是因为净初级生产力与土壤保持均依赖于植被，植被覆盖度的提高对二者都具有促进作用. 然而，植被的蒸腾作用会消耗降水，减少径流量，进而导致季节性产水量降低. 3种服务间协同强度最强的情况出现在2010年春季的土壤保持-净初级生产力，其相关系数为0.595；协同强度最弱的则是2020年春季的净初级生产力-季节性产水量，相关系数为0.170. 在2000~2010年夏季间，净初级生产力-季节性产水量协同强度弱化明显，其相关系数由0.536降至0.296，降幅达0.240. 这可能是由于2010年夏季气温升高、降水增多，植被更加茂盛，但同时地表蒸发与植被蒸腾作用也随之增强，大量降水被蒸发，地表径流减少，从而使得季节性产水量降低. 而在2000~2010年春季间，土壤保持-净初级生产力的协同强度增加显著，其相关系数由0.387上升至0.595，涨幅达0.208. 原因可能是2010年春季气温与降水同步增加，植被生长茂盛，根系固土能力增强，土壤侵蚀减少. 图 9（b）表明，2000~2022年间土壤保持-季节性产水量的协同强度在所有季节及年度呈现反“N”型变化，即先下降、再上升、最后下降的变化趋势.

*表示P < 0.05，**表示P < 0.01，***表示P < 0.001；SC：土壤保持，NPP：净初级生产力，SWY：季节性产水量图 9 2000~2022年三江源3种生态系统服务Spearman相关系数网络 Fig. 9 Spearman correlation coefficient network of three ecosystem services in the TRHR from 2000 to 2022

2.2.2 生态系统服务权衡协同空间分析

研究区生态系统服务权衡协同呈现显著空间异质性（图 10和图 11）. 土壤保持-净初级生产力在研究区夏季及年度内协同作用较为分散，但协同作用的面积大于权衡作用，而在春季与秋季两者间的权衡作用更强. 土壤保持-净初级生产力在部分区域的不同季节呈现出权衡与协同相异的情况. 例如，研究区西部的部分高海拔地区在春季表现为中高度权衡，而在其他季节则呈现高度协同；东北部的贵德县、尖扎县及贵南县等低海拔县域在春季表现为中高度协同作用，但在秋季则呈现权衡作用. 土壤保持-季节性产水量的权衡协同关系的空间分布在秋季与其他季节存在明显差异. 研究区东部的部分县域在秋季表现为中高度协同，而在春季与夏季则呈现高度权衡. 类似地，研究区南部的玉树市与囊谦县在春季和夏季以中度协同为主，而在秋季主要表现为中度权衡作用. 净初级生产力-季节性产水量在研究区的研究时段内协同作用较为分散，季节内差异相较于其他两对生态系统服务较小. 从春季至秋季，其在三江源协同作用的面积及强度不断增加.

图 10 三江源生态系统服务权衡协同的空间分布 Fig. 10 Spatial distribution of trade-offs and synergies of ecosystem services in the TRHR

图 11 三江源生态系统服务权衡协同指数（TSI）的空间分布 Fig. 11 Spatial distribution of TSI for ecosystem services in the TRHR

3 讨论 3.1 年度生态系统服务时空关系解析

3种生态系统服务在空间分布上均呈现出“东南高-西北低”的格局. 其高值区与降水丰沛区高度重合，这一现象有力地验证了“中华水塔”的水文调节核心功能，此结论与已有的研究结果^[44]一致. 这种分布格局主要是地形、气候和植被覆盖综合影响的结果. 东南部地势较低，受季风影响降水较多，分布着高山草甸、湿地等植被类型，具备更强的水源涵养和土壤保持能力. 而西北部海拔更高，气候寒冷干旱，以高山草原和荒漠为主，植被覆盖稀疏，生态系统服务能力较弱. 自2000年起，三江源地区开展了一系列的生态工程. 这些工程实施后，三江源地区的草地覆盖率显著提升. 同时，气温升高与降水增加进一步促进了植被恢复，其植被根系固土能力增强. 然而，2022年降水偏少且气温偏高，导致土壤液态水含量下降，植被生长受阻，表层土壤易流失^[45]，这可能是2022年土壤保持量下降的重要原因. 土壤保持量与产水量受降水年度波动主导，2022年降水减少导致服务量骤降，印证了气候变化对生态系统服务具有显著影响^[22]. 三江源地区生态系统服务的时空异质性反映了自然与人为因素的复杂交互作用. 东南部因水热条件优越和生态工程成效显著，而西北部受气候干旱和冻土退化限制，生态恢复难度大. 针对上述情况，未来需针对不同区域优化管理策略，在东南部加强湿地保护，西北部则推广适应性植被恢复技术，同时关注气候变化下的极端水文事件影响. 净初级生产力持续增长表明退牧还草等生态修复措施成效显著，与邵全琴等^[27]关于生态工程遏制草地退化的结论相呼应. 但土壤保持量未同步提升，可能是植被覆盖恢复与水土保持功能存在时滞效应.

根据已有研究^[46，47]，本文采用MOD17A3的年度植被NPP数据对所模拟的NPP结果进行验证. 验证结果显示，模拟值与观测值之间的决定系数（R²）均高于0.8，表明两者具有良好的一致性. 同时，本文模拟的植被净初级生产力在数值和空间分布特征上与张树辉^[32]在该区域的研究结果接近，进一步验证了模拟结果的可靠性. 在其他生态系统服务评估方面，本文基于InVEST模型模拟的季节性产水量结果，与Han等^[48]对三江源地区产水量的估算结果相近；土壤保持量的模拟结果与龙海潇等^[20]在同一区域的研究结果具有一致性.

3.2 季节生态系统服务时空关系解析

3种生态系统服务在季节分布上呈现出相似规律，即夏季占比远超其他季节. 这一结果与前人的研究结论^[23]相契合. 造成这一现象可能的原因为夏季气温升高，土壤解冻，这改善了植物根系吸收水分和养分的条件，从而其光合作用效率大幅提升. 另外，三江源地区的降水主要集中在夏季，受季风影响，土壤湿度和地表径流增加，缓解了高寒地区的干旱胁迫. 土壤保持量在夏季的占比尤其高，这可能是因为降水决定降水侵蚀因子（R），夏季的高降水量在一定程度上增加了土壤侵蚀量. 此外，春季的产水量大部分来自冬季融雪，且直接转化为地表径流. 基于此，三江源地区在未来的生态保护过程中不同季节应有所侧重. 冬季融雪期应监测冻土消融速度和植被返青时间，防范融雪性洪水；夏季雨洪期需加强河流径流量监测，并强化防洪措施.

3.3 生态系统服务权衡协同关系解析

在2000~2022年间，三江源地区土壤保持、净初级生产力以及季节性产水量3种服务之间均为协同关系. 在本研究期间，土壤保持-季节性产水量的协同强度呈现反“N”型变化趋势. 这种变化趋势与区域生态工程及政策的实施密切相关. 2000年前后，三江源地区存在过度放牧问题，草地超载率较高. 虽然颁布了禁牧等政策并开始实施“三江源生态保护与建设一期工程”，但初期执行效果有限，退牧还草面积尚未形成规模效应^[27]. 过度放牧导致植被破坏，加剧了土壤侵蚀并削弱了水源涵养能力，导致土壤保持与季节性产水服务同步恶化，生态系统服务稳定性下降，因而2000~2010年间协同强度下降. 2010年后，随着禁牧与退牧还草政策进入成效期，草地植被覆盖度提高，有效减少水土流失. 同时植被的恢复增强了水源涵养能力，调节了径流过程，使季节性产水量分配更加平稳. 因此，2010~2020年间其协同强度上升. 2020~2022年间生态工程可能进入了阶段性瓶颈，部分退化草地恢复难度大，传统生态工程效果有限. 此外，2021年玛多地震进一步加速冻土退化，引发地表裂缝和草地塌陷，短期内破坏了植被与土壤协同机制，还改变地表径流路径和地下水的补给，进而影响季节性产水量^[49]. 这可能是2020年后协同强度再度下降的重要原因之一. 未来应重点关注冻土退化、极端气候事件和生态工程的可持续性问题，通过科技干预和政策优化，持续维护和提升生态系统服务之间的协同效应.

权衡协同作用在空间分布上较为分散，不同服务对在不同季节间的差异明显，但总体上以中高度协同作用为主. 空间分布分散的原因可能包括生态系统类型的多样性、地理和气候条件的空间异质性；季节差异主要由气候的季节性变化和植被物候特征驱动；总体协同作用占主导则归因于生态工程的实施、气候暖湿化趋势以及生态系统的整体性.

具体而言，在土壤保持-净初级生产力的关系方面，呈现出明显的季节性和区域差异. 从季节尺度来看，土壤保持-净初级生产力的关系在不同季节有所不同. 在夏季及年度尺度上，二者的协同作用占据主导地位；而在春、秋两季，权衡作用则有所增强. 这一现象与高寒生态系统植被生长周期以及水热条件的分异密切相关. 春季时，处于融雪期，地表覆盖度较低，冻融作用活跃，导致土壤侵蚀风险显著升高. 与此同时，低温环境抑制了植被的生长，导致土壤保持与净初级生产力在资源获取上形成竞争关系，从而增强了权衡作用. 而到了夏季，水热条件得到优化，植被覆盖度增加，根系也进一步发育，这不仅提升了土壤保持能力，也促进了净初级生产力的提高，进而驱动了二者的协同效应. 从区域尺度来看，西部高海拔区域在春季呈现中高度权衡，而在其他季节则转为高度协同. 这可能是因为春季强风蚀与融雪径流叠加，加剧了水土流失；而夏季高寒草甸快速恢复，增强了固土与碳汇功能. 相反，东北部低海拔县域春季土壤保持-净初级生产力表现为协同关系，秋季则转为权衡关系. 这或许是因为春季灌溉促进了植被生长，而秋季作物收割后地表裸露，导致土壤保持功能弱化. 基于上述季节性和区域差异，在不同季节应实施不同的放牧政策. 在春季，西部高海拔区域应严格禁牧，延迟放牧；而东北部低海拔区域可适度放牧，控制牲畜密度. 在夏季，全域推行轮牧，分区管理，避免过度放牧. 在秋季，东北部地区适宜提前结束放牧，西部逐步降低放牧强度.

土壤保持-季节性产水量的权衡协同关系在秋季呈现显著空间异质性. 东部县域在秋季呈现中高度协同状态. 在降水减少的背景下，植被覆盖发挥了重要作用. 它不仅对径流起到了良好的调控作用，还优化了土壤保持功能，进而实现了土壤保持与季节性产水量二者的协同. 而在春夏季降水集中期，较高的径流量使得季节性产水量增加，这与土壤保持功能之间存在潜在冲突，进而形成了权衡关系. 南部的玉树市等区域在秋季出现中度权衡情况. 这可能是受季风消退的影响，地表径流减少，导致季节性产水量降低. 与此同时，植被凋落物进入分解期，导致土壤抗侵蚀能力下降，这进一步加剧了土壤保持与季节性产水量之间的矛盾. 基于上述不同区域的情况，对于三江源不同区域应实施分区调控措施. 东部县域在秋季应保障河道生态基流，以支持植被生长；在春夏季，则利用小型蓄水工程拦蓄部分洪水，实现水资源的资源化利用. 而南部的玉树市等区域在秋季应对关键生态系统进行应急生态补水，缓解水草矛盾；并且在全年都要注重保护自然湿地与河道，充分发挥其天然调蓄功能.

净初级生产力-季节性产水量的协同作用呈现出从春季至秋季持续增强的趋势，这清晰地反映了水分条件对植被生产力具有关键的驱动作用. 随着生长季的推进，降水增加与积雪融化共同改善了土壤水分状况. 在这种有利条件下，净初级生产力-季节性产水量的协同强度显著提升，在河流源区表现得尤为明显. 基于此，在河流源区应实施更严格的水资源保护政策，以维持其天然产水功能. 进一步对比发现，相较于与土壤保持相关的组合，净初级生产力-季节性产水量的季节分异相对较小. 这可能是因为二者均直接受水分供给调控，而土壤保持更多依赖于植被结构和地表稳定性等间接因素. 鉴于上述情况，可优选本地耐寒、节水草种进行植被恢复，提升单位水资源生态效益. 另外，可以建立土壤-植被-水文联动监测网络，为工程效果评估提供实时数据支撑.

3.4 不足与展望

本研究在季节尺度上对三江源地区的3种生态系统服务及其相互间的权衡协同关系进行了较为准确的定量分析. 但仍存在以下局限与不足：在空间尺度方面，本研究仅针对1 km尺度下3对生态系统服务间的权衡协同关系展开分析，鉴于不同空间尺度下生态系统服务间的相互作用模式较为复杂，其权衡协同关系的强度与方向可能存在显著差异^{[17，50，51]}，未来可开展县域及流域等多空间尺度的对比研究，剖析权衡协同关系的空间尺度效应；此外，本研究尚未涉及生态系统服务的影响因素分析，也未深入探讨季节尺度下生态系统服务间权衡协同的驱动机制. 因此，未来将综合考虑自然与社会经济因素，运用多种模型解析影响路径，聚焦季节尺度探究动态演变机制.

4 结论

（1）2000~2022年，3种生态系统服务在年度尺度下的空间分布特征具有相似性，呈现出显著的东南高-西北低的梯度差异. 其中，土壤保持量呈先增后减态势，整体呈减少趋势；净初级生产力在整个研究时段内持续增加；而季节性产水量呈现“减-增-减”的态势，整体呈减少趋势.

（2）在研究时段内，3种生态系统服务在季节尺度下的空间分布特征与年度尺度基本一致，同样呈现“东南高-西北低”的分布格局. 然而，在各季节占比的时序变化特征方面，3种生态系统服务存在差异. 在秋季，土壤保持量与净初级生产力的占比超过春季，但季节性产水量秋季的占比小于春季；在夏季，3种服务的占比均超过年度的一半，远超其他季节.

（3）3种生态系统服务间均呈现显著正相关，表明土壤保持-净初级生产力、土壤保持-季节性产水量以及净初级生产力-季节性产水量3组关系存在显著协同效应，但协同强度存在明显的季节差异. 其中，土壤保持-净初级生产力的协同作用普遍高于其他服务对. 权衡协同关系在空间上分布较为分散，部分区域在不同季节表现出明显差异. 不同对服务在各季节间的差异明显，但仍以中高度协同为主.

参考文献

[1]	Costanza R, Kubiszewski I, Ervin D, et al. Valuing ecological systems and services[J]. F1000 Biology Reports, 2011, 3. DOI:10.3410/B3-14
[2]	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.
[3]	陈俊辰, 贺淑钰, 薛晶, 等. 多尺度生态系统服务的权衡关系及其对景观配置的响应——以湖北省为例[J]. 生态学报, 2023, 43(12): 4835-4846. Chen J C, He S Y, Xue J, et al. Exploring ecosystem service trade-offs and their response to landscape configuration at multi-scales: a case study of Hubei Province[J]. Acta Ecologica Sinica, 2023, 43(12): 4835-4846.
[4]	Hu X P, Hou Y Z, Li D, et al. Changes in multiple ecosystem services and their influencing factors in Nordic countries[J]. Ecological Indicators, 2023, 146. DOI:10.1016/j.ecolind.2022.109847
[5]	廖江博, 毛德华, 邓美容. 洞庭湖流域典型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, 2024, 33(2): 310-321. Liao J B, Mao D H, Deng M R. Evaluation of typical ecosystem services and trade-offs/synergies in Dongting Lake Basin[J]. Resources and Environment in the Yangtze Basin, 2024, 33(2): 310-321.
[6]	荀斌, 郑莹, 范蓉, 等. 陕西省生态系统服务权衡/协同关系阈值识别[J]. 生态学报, 2024, 44(17): 7431-7444. Xun B, Zheng Y, Fan R, et al. Assessment of trade-off/synergy relationships between ecosystem services and identification of ecological restoration thresholds[J]. Acta Ecologica Sinica, 2024, 44(17): 7431-7444.
[7]	陈竹安, 陈雅斯, 刘子强. 江西省生态系统服务权衡协同关系时空演变与预测[J]. 环境科学, 2025, 46(11): 7246-7257. Chen Z A, Chen Y S, Liu Z Q. Spatio-temporal simulation of ecosystem services, trade-offs, and synergies in Jiangxi Province based on the SD-PLUS mode[J]. Environmental Science, 2025, 46(11): 7246-7257. DOI:10.13227/j.hjkx.202410030
[8]	何刘洁, 郑博福, 万炜, 等. 长江经济带生态系统服务权衡与协同及其驱动因素[J]. 环境科学, 2024, 45(6): 3318-3328. He L J, Zheng B F, Wan W, et al. Trade-off and synergy of ecosystem services in the Yangtze River Economic Belt and its driving factors[J]. Environmental Science, 2024, 45(6): 3318-3328. DOI:10.13227/j.hjkx.202307135
[9]	张能能, 刘兆刚. 基于InVEST模型的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. DOI:10.13227/j.hjkx.202405314
[10]	Schwartz C, Klebl F, Ungaro F, et al. Comparing participatory mapping and a spatial biophysical assessment of ecosystem service cold spots in agricultural landscapes[J]. Ecological Indicators, 2022, 145. DOI:10.1016/j.ecolind.2022.109700
[11]	Wang Z X, Xiao L, Yan H M, et al. Optimization of the ecological network structure based on scenario simulation and trade-offs/synergies among ecosystem services in Nanping[J]. Remote Sensing, 2022, 14(20). DOI:10.3390/rs14205245
[12]	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.
[13]	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 Y, 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.
[14]	刘尧兰, 温智亮, 郑博福, 等. 生态型县域生态系统服务时空格局及其协同关系——以国家全域旅游示范区江西省武宁县为例[J]. 水土保持通报, 2024, 44(2): 400-415. Liu Y L, Wen Z L, Zheng B F, et al. Spatiotemporal patterns of ecosystem services and trade-off/synergistic relationships in ecological counties——taking national comprehensive tourism demonstration zone at Wuning County, Jiangxi Province as an example[J]. Bulletin of Soil and Water Conservation, 2024, 44(2): 400-415.
[15]	梁玉琦, 危小建, 江平, 等. 基于力学平衡模型的生态系统服务协同与权衡关系研究——以长江中游城市群为例[J]. 中国环境科学, 2023, 43(11): 5974-5986. Liang Y Q, Wei X J, Jiang P, et al. Study on trade-offs and synergies of ecosystem services based on mechanical equilibrium model: a case of the Middle Reaches of the Yangtze River Urban Agglomerations[J]. China Environmental Science, 2023, 43(11): 5974-5986.
[16]	蔡进, 危小建, 江平, 等. 基于贝叶斯网络的生态系统服务权衡协同关系强度及其空间格局优化: 以汾河流域为例[J]. 环境科学, 2024, 45(5): 2780-2792. Cai J, Wei X J, Jiang P, et al. Ecosystem service trade-off synergy strength and spatial pattern optimization based on Bayesian network: a case study of the Fenhe River Basin[J]. Environmental Science, 2024, 45(5): 2780-2792. DOI:10.13227/j.hjkx.202305204
[17]	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
[18]	孙艺杰, 任志远, 赵胜男, 等. 陕西河谷盆地生态系统服务协同与权衡时空差异分析[J]. 地理学报, 2017, 72(3): 521-532. Sun Y J, Ren Z Y, Zhao S N, et al. Spatial and temporal changing analysis of synergy and trade-off between ecosystem services in valley basins of Shaanxi Province[J]. Acta Geographica Sinica, 2017, 72(3): 521-532.
[19]	张天翼, 潘洪义, 姚材仪, 等. 基于服务簇的沱江流域生态系统服务权衡/协同关系演变[J]. 生态与农村环境学报, 2024, 40(10): 1287-1300. Zhang T Y, Pan H Y, Yao C Y, et al. Evolution of ecosystem service trade-offs and synergies in the Tuojiang River Basin based on ecosystem service bundles[J]. Journal of Ecology and Rural Environment, 2024, 40(10): 1287-1300.
[20]	龙海潇, 袁磊. 三江源生态系统服务时空演化特征及其驱动因素分析[J]. 环境科学, 2025, 46(10): 6366-6377. Long H X, Yuan L. Analysis of the characterization of the spatiotemporal evolution of ecosystem services and their driving factors in the Three-River Headwaters Region[J]. Environmental Science, 2025, 46(10): 6366-6377. DOI:10.13227/j.hjkx.202408118
[21]	郑德凤, 郝帅, 吕乐婷, 等. 三江源国家公园生态系统服务时空变化及权衡-协同关系[J]. 地理研究, 2020, 39(1): 64-78. Zheng D F, Hao S, Lv L T, et al. Spatial-temporal change and trade-off/synergy relationships among multiple ecosystem services in Three-River-Source National Park[J]. Geographical Research, 2020, 39(1): 64-78.
[22]	Hao R F, Yu D Y, Liu Y P, et al. Impacts of changes in climate and landscape pattern on ecosystem services[J]. Science of the Total Environment, 2017, 579: 718-728. DOI:10.1016/j.scitotenv.2016.11.036
[23]	Li S K, Li X B, Dou H S, et al. Integrating constraint effects among ecosystem services and drivers on seasonal scales into management practices[J]. Ecological Indicators, 2021, 125. DOI:10.1016/j.ecolind.2021.107425
[24]	贾天朝, 文琦, 施琳娜, 等. 基于水量和水质的三江源水生态服务功能评估及水安全格局构建[J]. 长江流域资源与环境, 2025, 34(9): 2028-2040. Jia T C, Wen Q, Shi L N, et al. Assessment of water ecosystem service function and construction of water security pattern of Three-River-Source based on water quantity and quality[J]. Resources and Environment in the Yangtze Basin, 2025, 34(9): 2028-2040.
[25]	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.
[26]	黄小涛, 姚步青, 马真, 等. 青海高原草地净初级生产力和降水利用效率时空特征[J]. 草地学报, 2021, 29(S1): 19-26. Huang X T, Yao B Q, Ma Z, et al. Spatiotemporal characteristics of grassland net primary productivity and precipitation use efficiency in Qinghai Plateau[J]. Acta Agrestia Sinica, 2021, 29(S1): 19-26.
[27]	邵全琴, 樊江文, 刘纪远, 等. 三江源生态保护和建设一期工程生态成效评估[J]. 地理学报, 2016, 71(1): 3-20. Shao Q Q, Fan J W, Liu J Y, et al. Assessment on the effects of the first-stage ecological conservation and restoration project in Sanjiangyuan Region[J]. Acta Geographica Sinica, 2016, 71(1): 3-20.
[28]	高向龙, 冯起, 李宗省, 等. 三江源水源涵养价值时空格局及影响因素[J]. 生态学报, 2024, 44(16): 7074-7086. Gao X L, Feng Q, Li Z X, et al. Spatio-temporal pattern and key influencing factors of water conservation value in the Three-River Source Region[J]. Acta Ecologica Sinica, 2024, 44(16): 7074-7086.
[29]	熊雪婷, 李传华, 陈佳豪. 植被对气候变化响应的地形调控作用[J]. 地理学报, 2023, 78(9): 2256-2270. Xiong X T, Li C H, Chen J H. Topographic regulatory role of vegetation response to climate change[J]. Acta Geographica Sinica, 2023, 78(9): 2256-2270.
[30]	杜娟, 于晓晶, 黎小东, 等. 近60年三江源地区降水集中度和季节性降水特征变化分析[J]. 高原气象, 2024, 43(4): 826-840. Du J, Yu X J, Li X D, et al. Analysis of changes in precipitation concentration and seasonal precipitation characteristics in the Three River Headwaters Region over the past 60 years[J]. Plateau Meteorology, 2024, 43(4): 826-840.
[31]	Yang J, Huang X. The 30 m annual land cover datasets and its dynamics in China from 1985 to 2023[J]. Earth System Science Data, 2024, 13(1): 3907-3925.
[32]	张树辉. 2001-2020年三江源地区植被NPP时空变化与影响因素分析[D]. 成都: 成都理工大学, 2022. Zhang S H. Analysis of spatial and temporal variation and influencing factors of the net primary productivity in the Three-River Source Region from 2001 to 2020[D]. Chengdu: Chengdu University of Technology, 2022.
[33]	谢云, 刘宝元, 章文波. 侵蚀性降雨标准研究[J]. 水土保持学报, 2000, 14(4): 6-11. Xie Y, Liu B Y, Zhang W B. Study on standard of erosive rainfall[J]. Journal of Soil and Water Conservation, 2000, 14(4): 6-11.
[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]	韩晶, 崔金芳, 杨威, 等. 基于InVEST模型的低山丘陵区土壤侵蚀变化与驱动因素分析[J]. 水土保持研究, 2022, 29(5): 32-39. Han J, Cui J F, Yang W, et al. Analysis of soil erosion change and driving factors in low hilly areas based on InVEST model[J]. Research of Soil and Water Conservation, 2022, 29(5): 32-39.
[36]	朱文泉, 潘耀忠, 张锦水. 中国陆地植被净初级生产力遥感估算[J]. 植物生态学报, 2007, 31(3): 413-424. Zhu W Q, Pan Y Z, Zhang J S. Estimation of net primary productivity of Chinese terrestrial vegetation based on remote sensing[J]. Journal of Plant Ecology, 2007, 31(3): 413-424.
[37]	赵亮. 基于3S技术的延河流域景观连通及水文和输沙效应研究[D]. 成都: 成都理工大学, 2019. Zhao L. Study on landscape connectivity, hydrological and sediment delivery effects in the Yanhe River Catchment based on 3S technology[D]. Chengdu: Chengdu University of Technology, 2019.
[38]	Hamel P, Valencia J, Schmitt R, et al. Modeling seasonal water yield for landscape management: applications in Peru and Myanmar[J]. Journal of Environmental Management, 2020, 270. DOI:10.1016/j.jenvman.2020.110792
[39]	Huang J C, Yu S S, Chen J C, et al. Rainfall cycle causes the inter-seasonal instability of ecosystem service trade-offs: a case study in the Tana River Basin, Kenya[J]. Journal of Cleaner Production, 2024, 478. DOI:10.1016/j.jclepro.2024.143956
[40]	黄钰婷, 曹雅蓉, 吴隽宇, 等. 长三角生态系统服务驱动因素的交互效应及其阈值[J]. 生态学报, 2024, 44(21): 9956-9973. Huang Y T, Cao Y R, Wu J Y, et al. Interaction effects and key threshold: analyzing the drivers of ecosystem service in the Yangtze River Delta region[J]. Acta Ecologica Sinica, 2024, 44(21): 9956-9973.
[41]	李欣, 陈登帅, 张冰冰, 等. 快速城镇化地区生态系统服务时空演变及权衡协同分析: 以黄河下游地区为例[J]. 环境科学, 2024, 45(9): 5372-5384. Li X, Chen D S, Zhang B B, et al. Spatio-temporal evolution and trade-off/synergy analysis of ecosystem services in regions of rapid urbanization: a case study of the Lower Yellow River Region[J]. Environmental Science, 2024, 45(9): 5372-5384. DOI:10.13227/j.hjkx.202309242
[42]	孙才志, 于涵, 郝帅. 辽河流域生态系统服务权衡-协同效应及其驱动因素[J]. 生态学报, 2025, 45(6): 2952-2967. Sun C Z, Yu H, Hao S. Analysis of the trade-off synergy effect and driving factors of ecosystem services in the Liaohe River Basin[J]. Acta Ecologica Sinica, 2025, 45(6): 2952-2967.
[43]	Xue C L, Chen X H, Xue L R, et al. Modeling the spatially heterogeneous relationships between tradeoffs and synergies among ecosystem services and potential drivers considering geographic scale in Bairin Left Banner, China[J]. Science of the Total Environment, 2023, 855. DOI:10.1016/j.scitotenv.2022.158834
[44]	Liu G B, Shao Q Q, Fan J W, et al. Spatio-temporal changes, trade-offs and synergies of major ecosystem services in the Three-River Headwaters Region from 2000 to 2019[J]. Remote Sensing, 2022, 14(21). DOI:10.3390/rs14215349
[45]	万佳怡, 矢佳昱, 张华敏, 等. 三江源区不同覆被类型高寒草甸土壤水分变化特征[J]. 干旱区研究, 2024, 41(8): 1343-1353. Wan J Y, Shi J Y, Zhang H M, et al. Soil moisture variation characteristics of alpine meadow with different cover types in the Three-River Source Region[J]. Arid Zone Research, 2024, 41(8): 1343-1353.
[46]	周娜芳, 贡恩军, 白天豪, 等. 基于CASA模型的秦巴山区NPP时空动态及影响因素分析[J]. 生态学报, 2025, 45(4): 1829-1843. Zhou N F, Gong E J, Bai T H, et al. Analysis of temporal and spatial dynamics and its influencing factors of NPP in Qinba Mountain Area based on the CASA model[J]. Acta Ecologica Sinica, 2025, 45(4): 1829-1843.
[47]	陈梦华, 冯宇希, 李艳红. 气候变化与土地利用转型驱动下中国沿海地区植被NPP演变及其适应机制[J]. 环境科学, 2026, 47(5): 3143-3154. Chen M H, Feng Y X, Li Y H. Spatiotemporal dynamics and adaptation mechanism in vegetation NPP in China's coastal areas driven by climate change and land use transformation[J]. Environmental Science, 2026, 47(5): 3143-3154. DOI:10.13227/j.hjkx.202503290
[48]	Han Z, Song W, Deng X Z, et al. Trade-offs and synergies in ecosystem service within the Three-Rivers Headwater Region, China[J]. Water, 2017, 9(8). DOI:10.3390/w9080588
[49]	殷成龙, 周强, 刘峰贵, 等. 地震对三江源国家公园生态环境的影响机制与损失评估[J]. 自然资源学报, 2023, 38(6): 1588-1601. Yin C L, Zhou Q, Liu F G, et al. Mechanism and damage assessment of the impact of earthquakes on the ecological environment of Sanjiangyuan National Park[J]. Journal of Natural Resources, 2023, 38(6): 1588-1601.
[50]	Liu Q, Qiao J J, Li M J, et al. Spatiotemporal heterogeneity of ecosystem service interactions and their drivers at different spatial scales in the Yellow River Basin[J]. Science of the Total Environment, 2024, 908. DOI:10.1016/j.scitotenv.2023.168486
[51]	赵雪雁, 丁静, 马平易. 人类活动对黄土高原生态系统服务权衡/协同关系影响的多尺度研究[J]. 地理学报, 2025, 80(7): 1920-1936. Zhao X Y, Ding J, Ma P Y. Multi-scale study of the impact of human activities on the trade-off/synergy relationship of ecosystem services in the Loess Plateau[J]. Acta Geographica Sinica, 2025, 80(7): 1920-1936.


环境科学 2026, Vol. 47 Issue (10): 7173-7185	PDF