环境科学  2026, Vol. 47 Issue (10): 7186-7198   PDF    
引用本文
徐彩瑶, 许文静, 任燕, 孔凡斌. 瓯江“山水工程”生态系统服务权衡/协同关系的驱动因素及分区管控[J]. 环境科学, 2026, 47(10): 7186-7198.
XU Cai-yao, XU Wen-jing, REN Yan, KONG Fan-bin. Driving Factors and Zoning Management of the Trade offs/Synergies of Ecosystem Services in the Oujiang River "Shanshui Initiative" [J]. Environmental Science, 2026, 47(10): 7186-7198.
瓯江“山水工程”生态系统服务权衡/协同关系的驱动因素及分区管控
徐彩瑶1,2, 许文静2, 任燕2, 孔凡斌3     
1. 浙江农林大学浙江省乡村振兴研究院，“千万工程”研究院，杭州 311300;
2. 浙江农林大学经济管理学院，杭州 311300;
3. 南京林业大学数字林业与绿色发展研究院，经济管理学院，南京 210037
收稿日期: 2025-09-07; 修订日期: 2025-10-31
基金项目: 国家社会科学基金重大项目（26ZDA115）
作者简介: 徐彩瑶（1989~），女，博士，副教授，主要研究方向为生态系统管理与可持续发展，E-mail：caiyao@126.com
通信作者: 孔凡斌, E-mail：kongfanbin@aliyun.com
摘要: 探究生态系统服务的权衡/协同关系及其驱动因素是生态修复精准管控与人类福祉提升的关键科学基础. 以瓯江源头区域山水林田湖草沙一体化保护和修复工程（简称瓯江“山水工程”）为研究对象，采用生态系统服务综合指数量化分析2001年~2022年生态系统服务权衡/协同关系，借助自组织映射（SOM）聚类法识别生态管理功能区，基于贝叶斯网络（BBNs）识别生态系统服务权衡/协同关系的影响因素及不同情景下各生态管理功能区的关键驱动因素. 结果表明：①空气净化、固碳服务、粮食供给和生境质量整体呈下降态势，产水量、游憩服务和土壤保持整体呈上升态势. 从空间分布来看，土壤保持能力较低，高值区零星分布；空气净化、粮食供给和游憩服务呈显著空间异质性，大部分地区均具有良好的生境质量和较强的固碳服务供给能力. ②生态系统服务权衡/协同关系经历“协同弱化-局部调整-显著改善”阶段，2020年后“山水工程”推动权衡指数低值区扩张，生态系统服务综合指数的空间分布格局较稳定，遂昌、龙泉等区域长期位于中高值区. ③SOM聚类识别3类功能区：生态脆弱区的生态系统服务供给能力弱，以土壤保持和游憩服务为主；生态涵养区以生境质量、固碳服务和产水量为核心；多功能复合区的生态系统服务供给能力最强. ④生态系统服务驱动因素呈现服务特异性与功能区差异性. 服务层面，气象因子主导产水与粮食供给，人类活动因子主导空气净化与游憩服务；功能区层面，生态脆弱区受NDVI、GDP、人口密度和土地利用影响；生态涵养区的主导因子为NDVI与GDP；多功能复合区则由气温、蒸散发、降水、NDVI与GDP共同驱动. 研究结果可为瓯江“山水工程”乃至全国生态保护修复实践管理与政策优化提供科学依据.
关键词: 生态系统服务      权衡/协同      驱动因素      贝叶斯网络（BBNs）      瓯江      浙江省     
Driving Factors and Zoning Management of the Trade offs/Synergies of Ecosystem Services in the Oujiang River "Shanshui Initiative"
XU Cai-yao1,2 , XU Wen-jing2 , REN Yan2 , KONG Fan-bin3     
1. Research Academy for Rural of Zhejiang Province, Green Rural Revival Program Academy, Zhejiang A&F University, Hangzhou 311300, China;
2. College of Economics and Management, Zhejiang A&F University, Hangzhou 311300, China;
3. Institute of Digital Forestry & Green Development, College of Economics and Management, Nanjing Forestry University, Nanjing 210037, China
Abstract: Exploring the trade offs/synergies among ecosystem services and their driving factors is essential for informing targeted ecological management and enhancing human well-being. This study examines the "Mountain-River-Forest-Cropland-Lake-Grassland-Desert" Integrated Protection and Restoration Project in the source area of the Oujiang River (referred to as the Oujiang "Shanshui Initiative"). Using a comprehensive ecosystem services index, we quantified and analyzed trade offs/synergies among ecosystem services from 2001 to 2022. Ecological management functional zones were delineated via self-organizing map (SOM) clustering, and a Bayesian network (BBNs) was applied to identify factors influencing trade offs/synergies, as well as key drivers within each functional zone under different scenarios. The results indicate that: ① Air purification, carbon sequestration, food supply, and habitat quality generally declined, while water yield, recreational services, and soil conservation exhibited an overall increasing trend. Spatially, soil conservation capacity was relatively low, with high-value zones sporadically distributed; air purification, food supply, and recreational services showed marked spatial heterogeneity; and most areas maintained favorable habitat quality and strong carbon sequestration capacity. ② The relationships among ecosystem services transitioned through three phases: "weakening synergy-local adjustment-notable improvement." After 2020, the Oujiang "Shanshui Initiative" contributed to an expansion of areas characterized by low trade-off intensity, while the spatial pattern of the comprehensive ecosystem services index remained relatively stable. Regions such as Suichang and Longquan consistently exhibited medium-to-high index values over time. ③ SOM clustering identified three functional zone types: the ecologically fragile zone, characterized by limited ecosystem service provision, dominated by soil conservation and recreational services; the ecological conservation zone, centered on habitat quality, carbon sequestration, and water yield; and the multi-functional composite zone, which demonstrated the highest overall capacity for ecosystem service provision. ④ The drivers of ecosystem services exhibited both service-specific and zonal differentiation. At the service level, meteorological factors were the primary drivers of water yield and food supply, while human activity factors dominated air purification and recreational services. At the zonal level, the ecologically fragile zone was influenced by NDVI, GDP, population density, and land use; the ecological conservation zone was mainly affected by NDVI and GDP; and the multi-functional composite zone was jointly driven by temperature, evapotranspiration, precipitation, NDVI, and GDP. These findings provide a scientific foundation for refining management strategies and policy design for the Oujiang "Shanshui Initiative, " as well as for guiding national ecological protection and restoration efforts.
Key words: ecosystem services      trade offs/synergies      driving factors      Bayesian network(BBNs)      Oujiang River      Zhejiang Province     

生态系统服务是指人类从自然系统获取的全部惠益，包括供给服务、调节服务、文化服务和支持服务这四大类型[1]，既是人类存续的物质基础，也是维护地球生态平衡、保障人类福祉以及推动可持续发展的核心支撑，具有不可替代的生态和社会价值. 然而，受人口持续增长、资源过度消耗、气候变化加剧及人类活动强度提升等多重因素影响，全球生态系统服务的供给能力正显著下降[2]. 为应对生态系统退化危机，中国已开展一系列长期、大规模的生态保护修复工程. 已有研究证实，1999年启动的退耕还林还草工程虽显著提升了区域土壤保持能力和生态系统初级净生产力，但同时导致生境质量和景观美感下降[3]. 这表明，生态修复工程常以强化特定生态系统服务为核心目标，可能对其他生态系统服务产生抑制作用，从而驱动生态系统服务权衡与协同关系的动态重塑[4]. 其中，权衡关系表现为服务间此消彼长的竞争性变化，协同关系则体现各生态系统服务彼此增益的演变趋势[5]. 考虑到生态保护修复工程可能导致生态系统服务协同关系减弱、权衡关系增强[6]，因此在工程实践中，精准解析生态系统服务权衡/协同关系、科学管控不同生态功能区，对提升生态系统服务可持续供给能力、优化生态保护修复工程决策具有关键指导意义.

生态系统服务权衡/协同关系的识别与量化分析，是生态保护修复工程制定科学分区管理策略的核心基础和重要依据. 当前，相关研究主要围绕固碳、产水量、土壤保持和食物供给等主要生态系统服务展开[2，7~10]，分析方法涵盖Spearman相关分析[11~13]、Pearson相关分析[14]、偏相关分析[15，16]、空间叠置方法[17]、逐像元相关分析法[18]、贝叶斯网络[19]和均方根误差法[20]（RMSE）等，研究尺度则涉及县域[21]、市域[22]、省域[2，11，16，23]和流域[4，14]等不同空间单元. 研究内容多聚焦于生态系统服务权衡/协同关系的时空特征[17]、驱动因素分析[16]、多情景模拟预测[18，23]及规划分区[4，11]等领域，但仍存在3方面不足：其一，生态保护修复工程相关研究停留在生态系统服务关系“有无”的识别层面，缺乏对权衡/协同关系强度的定量刻画，难以精准反映权衡/协同关系的强弱差异；其二，生态系统服务的权衡与协同在时空维度上始终共存[20]，现有研究常将二者割裂分析，难以匹配实际生态管理决策中复杂关系共存的现实需求；其三，多数研究未将基于生态系统服务簇的分区管理与基于贝叶斯网络的情景推演纳入统一分析框架，难以针对各功能区提出不同情景下的靶向管控策略.

瓯江“山水工程”是国家“十四五”第一批重点“山水工程”，规划实施五大类60个子项目，总投资达55.3亿元；其中，青田县“稻鱼共生”系统修复项目于2024年成功入选“联合国生态系统恢复十年”行动计划优秀案例，凸显其生态保护修复实践的典型性与示范价值. 鉴于此，本文以瓯江“山水工程”为研究区，在量化2001年至2022年固碳、产水量、生境质量、土壤保持、空气净化、粮食供给以及游憩这7项关键生态系统服务的基础上，引入生态系统服务综合指数以刻画生态系统服务权衡/协同关系强度，借助自组织映射（SOM）聚类法识别生态管理功能区，结合贝叶斯网络揭示不同功能区中生态系统服务关系演变的关键驱动因素，通过模拟不同发展情景下各功能区的动态响应，提出针对性的分区管控策略，以期为瓯江“山水工程”乃至全国生态保护修复工程的生态分区管理提供科学支撑，进而为推进人与自然和谐共生的中国式现代化提供决策参考.

1 材料与方法 1.1 研究区概况

本研究的核心区域为瓯江“山水工程”实施范围，主要分布于瓯江源头区域，包括浙江省丽水市龙泉市、庆元县、遂昌县、松阳县、云和县、景宁畲族自治县（简称“景宁县”）、缙云县、莲都区和青田县等9个县（市、区）的瓯江流域范围（118°40′~120°26′E，27°25′~28°56′N）. 瓯江“山水工程”总面积1.33万km2，占整个瓯江流域总面积的73.1%，占丽水市总面积的76.9%，是华东地区的重要生态屏障. 从生态区位来看，该区域隶属“三区四带”之南方丘陵山地带-武夷山森林与生物多样性保护区，是国家重点生态功能区“浙闽山地生物多样性保护与水源涵养重要区”的关键组成，生态战略地位突出. 瓯江源头区域生态环境优越，森林覆盖率超过80%，享有“浙南林海”的美誉. 根据国家环境监测总站对全国2 348个县（市、区）开展的生态环境质量综合评价结果，丽水市上述9县（市、区）的生态环境质量均达到“优秀”等级，且全部跻身全国前50位，其中庆元县位居全国第一，景宁县、云和县、龙泉市均位居全国前10[24]. 需要说明的是，瓯江源头区域的自然流域边界与部分县域行政边界存在不重合现象. 为确保后续驱动因素分析的空间单元一致性与数据可获取性，本研究将龙泉市、庆元县和遂昌县的完整县域范围纳入研究区，最终确定的研究区具体情况如图 1所示.

图 1 研究区区位 Fig. 1 Overview of the study area

1.2 生态系统服务评估方法

结合瓯江“山水工程”生态保护修复与民生改善协同推进的核心目标及研究区生物多样性丰富、水源涵养关键以及兼具生态与经济价值的生态特征，本研究重点选取7项关键生态系统服务开展评估，具体包括：固碳、产水量、生境质量、土壤保持、空气净化、粮食供给和游憩服务[25~28]. 为实现生态系统服务的定量化评估与空间化表达，研究综合采用模型模拟和空间分析技术，其中，固碳服务、产水量、土壤保持和生境质量的定量评估主要依托InVEST模型完成，空气净化、粮食供给和游憩服务则结合实地调研数据与统计数据，通过ArcGIS软件的空间插值、叠加分析等功能实现空间化处理与定量核算. 各项生态系统服务的具体评估公式、参数含义及数据来源详见表 1.

表 1 生态系统服务计算公式 Table 1 Calculation formula for ecosystem services

1.3 生态系统服务权衡/协同分析方法 1.3.1 生态系统服务权衡指数

为定量刻画研究区7项生态系统服务间的权衡强度，本研究采用均方根误差法（RMSE）开展评估. 该方法的核心原理在于：先将各生态系统服务价值标准化至统一维度，再通过计算单个标准化服务值与所有服务的平均期望水平之间的离散程度，间接反映生态系统服务间的权衡程度. 离散程度越高，表明不同生态系统服务与平均水平的偏离差异越大，生态系统服务间的权衡关系越显著[32]. 相较于仅能识别有无权衡的定性方法，RMSE可通过具体数值量化权衡强度，更适配本研究精细化分析生态系统服务关系的需求. 生态系统服务权衡指数的具体计算公式如下：

ES权衡=RMSE=1n-1∑i=1n(ESi-ES¯)2 (1)

式中，ES权衡表示生态系统服务权衡强度，n表示生态系统服务的数量，ESi表示第i项生态系统服务的标准化值，ES¯表示生态系统服务的期望值，RMSE的取值范围为0~1，值越大则权衡强度越大.

1.3.2 生态系统服务协同指数

生态系统服务协同强度反映了各项服务间相互促进、共同提升或下降的程度. 本研究采用标准化均值法衡量研究区生态系统服务的协同强度. 具体而言，先将固碳服务、产水量、生境质量、土壤保持、空气净化、粮食供给和游憩服务这7项生态系统服务各自的评估值进行标准化处理，消除量纲差异，使不同服务数据具备可比性. 在此基础上，计算标准化后各项生态系统服务的均值. 该均值可直观量化研究区生态系统服务间的协同强度，均值越高，表明各项生态系统服务在标准化后越趋近于较高水平，服务间协同作用越显著；反之，均值越低，则协同作用越弱. 生态系统服务协同指数的计算公式如下：

ES协同=∑i=1nESi-ESi,minESi,max-ESi,min/n (2)

式中，ES协同表示生态系统服务协同强度，ESi,min和ESi,max分别表示第i项生态系统服务的最小值和最大值，n表示生态系统服务的数量.

1.3.3 生态系统服务综合指数

前文通过权衡指数与协同指数分别量化了生态系统服务间此消彼长的离散程度与彼此增益的整体水平，但二者单独分析难以完整反映不同服务间权衡与协同并存的耦合关系. 为此，构建生态系统服务综合指数，通过整合性指标，将7类生态系统服务间的权衡与协同特征纳入统一评价框架，实现对生态系统服务间整体互动关系的定量化表征. 生态系统服务综合指数的具体计算公式如下：

ESI=Sd×ES协同nd+St×1-ES权衡nt1dt (3)

式中，假设ES权衡和ES协同在生态系统服务综合指数的构成中发挥同等重要的作用，并分别通过Sd和St均设置为1来表示；ESI表示生态系统服务综合指数；nd和nt表示ES权衡和ES协同对ESI的贡献度，设置为2；参数dt为2.

1.4 自组织映射网络

为实现基于生态系统服务特征的精细化分区管控，本研究采用自组织映射网络（SOM）识别生态系统服务簇，该方法无需预设聚类数量，可通过无监督学习挖掘7项生态系统服务高维数据的内在关联，适配本研究功能区划分需求[11]. 研究以瓯江“山水工程”区乡镇级行政单元（173个乡镇）为基本分析单元，采用SOM聚类分析法测度各生态系统服务间的相似程度，再按“相似性最大化、差异性最小化”原则，将生态系统服务组合特征相似的乡镇归为同一服务簇，差异显著的划分为不同簇. 同一服务簇具有相似的服务结构与互动关系，为分区管理策略制定提供空间依据.

1.5 贝叶斯网络（BBNs）模型

贝叶斯网络又称概率网络、因果网络，是描述系统中一组随机变量间不确定关系的有向概率图模型，其核心优势在于融合图论和概率论，在定性层面，通过有向无环图（DAG）直观展现变量间直接和间接依赖关系，赋予模型物理含义；在定量层面，以条件概率分布量化变量关联程度，基于条件独立假设简化复杂的联合概率分布，提升不确定性推理效率，适配复杂系统和大规模数据场景.

本研究采用Netica软件构建生态系统服务贝叶斯网络模型（BBNs），建模流程如下：首先，根据生态系统服务形成机制，筛选节点变量，共设16个节点. 其中，以固碳服务、产水量、生境质量、土壤保持、空气净化、粮食供给和游憩服务这7项生态系统服务为目标节点，以人口密度、降水、土地利用、气温、NDVI、蒸散发、GDP和DEM等8项因子为驱动节点构建贝叶斯网络；然后，在ArcGIS平台完成数据离散化，其中，土地利用重分类为4级离散变量，为避免等间隔法对连续变量离散化可能引发的“数据稀疏性”问题，其余连续变量采用自然断点法划分为低、中、高这3级；随后创建1 km×1 km渔网并提取各图层属性值，共获得15 958条栅格样本；最后，利用该样本集进行参数学习，生成全部节点的条件概率表，完成网络构建.

1.5.1 驱动因素对生态系统服务的重要性分析

为量化识别各驱动因素对生态系统服务的影响权重，本研究基于已构建的BBNs，通过Netica软件的敏感性分析功能开展研究. 该分析以方差缩减为核心指标，通过计算某驱动因素节点纳入模型后，目标生态系统服务节点概率分布的方差降低程度，方差缩减值越大，表明该驱动因素对生态系统服务的解释力越强、相对重要性越高. 计算公式如下：

$ \begin{aligned} \mathrm{VR} & =V(Q)-V(Q \mid F) \\ & =\sum\nolimits_q p(q) \times\left[X_q-E(Q)\right]^2-\left[X_q-E(Q \mid F)\right]^2 \end{aligned} $ (4)

式中，VR为方差缩减，表示相对重要性大小；V(Q)、E(Q)分别为生态系统服务Q的方差和期望；V(QF)、E(QF)为变量F条件下生态系统服务Q的方差和期望；Xq表示与状态q对应的真实数值. VR值越大表明该节点对目标节点的相对重要性大，即其对ES节点的影响越大；反之表明对ES节点的影响越小. 本文选取VR > 0.5%的驱动因素作为影响生态系统服务的关键节点[19].

1.5.2 情景模拟设置

为针对性识别不同生态管理功能区中影响生态系统服务供给能力的关键驱动因子，本研究基于SOM聚类划分的生态系统服务簇（即生态管理功能区），结合各分区核心生态功能定位，通过调整贝叶斯网络中生态系统服务节点的状态概率值设置情景. 具体流程与情景设计如下.

基于贝叶斯网络的概率推理，对关键驱动节点在各预设情景下的后验概率进行计算并与先验概率对比，得到变化值. 结合研究区生态管理的现实需求与数据特征，将“概率变化最大值大于35%”作为判定标准，满足该标准的关键节点确定为对应生态管理功能区中生态系统服务供给能力的核心驱动因子.

依据不同生态管理功能区生态系统服务的供给能力与功能定位，设置如下3种差异化情景：①情景Ⅰ（生态脆弱区），聚焦脆弱区生态保护修复核心需求，将土壤保持和游憩服务最大化，即设置其“高＝100%”；②情景Ⅱ（生态涵养区），紧扣涵养区水源与碳汇功能，将产水量、固碳服务和生境质量最大化，即设置其“高=100%”；③情景Ⅲ（多功能复合区），兼顾复合区生态与生产功能，将土壤保持、产水量、固碳服务、生境质量、粮食供给和空气净化最大化，即设置其“高＝100%”.

1.6 数据来源

本研究所用数据涵盖土地覆被、气象、地形、土壤、植被和社会经济等多源数据集，其中归一化植被指数（NDVI）数据是基于MODIS的16 d 250 m连续时间序列NDVI数据产品，采用最大值合成法生成的2001~2022年逐年度植被指数数据产品. 对于气象数据（如气温和降水），在数据处理方面，首先剔除异常值，之后采用反距离权重法对该站点数据空间插值为栅格数据. 为保障数据空间一致性与模型运算精度，全部栅格数据均统一重采样至1 km×1 km空间分辨率，各类数据的来源具体如表 2所示.

表 2 数据来源说明 Table 2 Description of the data sources

2 结果与分析 2.1 生态系统服务时空变化特征分析

由表 3可知，2001~2022年瓯江“山水工程”区空气净化、固碳服务、粮食供给和生境质量均值整体呈下降态势，产水量、游憩服务和土壤保持整体呈上升态势. 从变化幅度来看，游憩服务、产水量、粮食供给的均值变化最为显著. 2001~2022年游憩服务均值增幅达990.99%，这一异常高的增幅主要归因于2001~2020年间中国社会经济的高速发展. 随着居民收入水平持续提高与旅游消费需求暴发式增长，以及研究区旅游基础设施的不断完善，游憩服务在前两个阶段（2001~2010年和2010~2020年）分别保持了100.43%和33.47%的年均高速增长，长期累积效应导致了总体增幅巨大. 产水量均值增幅为38.03%，粮食供给均值降幅为30.77%. 进一步对比不同阶段的年均变化率可发现明显的阶段性特征. 2001~2010年与2010~2020年比较来看，除空气净化年均变化率略有提升外，其余6项服务的年均变化率均不同程度降低，表明2010年后研究区生态系统结构与功能受到一定干扰，导致生态系统服务整体供给能力呈下降趋势. 2020~2022年，大部分服务（尤其是产水量、粮食供给和土壤保持）的年均变化率显著回升，直接印证瓯江“山水工程”实施后生态修复成效显著，核心服务供给能力得到大幅增强. 需特殊说明的是，此阶段游憩服务年均变化率反而降低，主要因新冠疫情期间相关政策影响，导致游憩服务实际供给需求与表征值同步下降. 从空间格局来看（图 2），研究区生态系统服务呈现显著的空间异质性. 土壤保持能力整体偏低，高值区呈零星分散分布，未形成集中连片区域；空气净化、粮食供给和游憩服务的空间分异显著，高值区与低值区差距明显，如粮食供给高值区集中于平原农耕区，低值区分布于山区；生境质量与固碳服务整体水平较高，大部分区域达到高水平等级，空间分布相对均衡；产水量高值区呈现由西南核心区向周边逐步扩张的演变趋势，反映出区域水文调节功能的空间优化.

表 3 2001~2022年生态系统服务均值及变化率 Table 3 Average value and change rate of ecosystem services from 2001 to 2022

图 2 2001~2022年生态系统服务的时空特征 Fig. 2 Spatial distribution of ecosystem services from 2001 to 2022

2.2 生态系统服务的权衡/协同关系时空特征分析

2001~2022年瓯江“山水工程”区生态系统服务权衡指数、协同指数及综合指数的时空演变特征如图 3所示，整体呈现权衡减弱、协同增强和综合水平优化的变化趋势，且不同阶段变化存在显著差异.

图 3 2001~2022年生态系统服务权衡/协同指数的时空特征 Fig. 3 Spatial characteristics of ecosystem service trade offs/synergies indices from 2001 to 2022

从时间变化特征来看，2001~2010年，区域生态系统服务关系以“协同弱化、权衡波动”为主，景宁县、缙云县的权衡指数与协同指数同步下降，且协同指数、综合指数的低值区均呈扩张趋势，反映该阶段两县生态系统服务间协同效应减弱，整体互动关系趋于恶化. 2010~2020年，权衡指数与协同指数变化呈现“局部优化、整体仍弱”的特点，权衡指数高值区虽缩小并集中于云和县，但周边中值区进一步扩张，表明权衡效应仅在核心区域缓解，整体影响范围扩大；协同指数低值区仍从中部向周边扩张，未得到有效遏制；仅综合指数呈现“低值区稳定、高值区略有增加”的微弱优化趋势. 2020~2022年，区域生态系统服务关系迎来显著改善，权衡指数低值区（权衡效应弱）持续扩大，协同指数与综合指数的低值区（协同效应弱、整体水平低）逐步缩小，直接体现瓯江“山水工程”实施后，服务间权衡关系减弱、协同关系增强，整体互动质量提升.

从空间分布特征来看，三大指数的空间分布呈现“核心-周边”差异化格局，且权衡指数与协同指数空间格局呈显著反向特征. 其中，权衡指数的高值区（权衡效应强）长期集中于中部的云和县，形成“中部高、周边低”的分布格局，表明生态系统服务间此消彼长的矛盾最为突出. 协同指数的空间分布与权衡指数呈“反向对应”，即高值区（协同效应强）主要分布在周边的遂昌县、龙泉市，低值区集中于中部区域，反映周边县域生态系统服务间彼此增益的协同效应更显著. 综合指数的空间分布格局整体稳定，大部分区域维持在中高值水平，其中遂昌县、龙泉市、景宁县和青田县等县域的综合指数长期处于高值区，说明这些区域生态系统服务整体互动关系更优，服务间权衡与协同的平衡状态更佳.

2.3 生态管理功能区识别

基于研究区173个乡镇单元的7项典型生态系统服务，借助SOM聚类分析法将所有乡镇划分为3类生态系统服务簇（图 4），轮廓系数为0.37. 结合各生态系统服务簇的核心服务类型、供给能力及空间特征，进一步将研究区划分为3个功能导向明确的生态管理功能区，具体特征如下.

图 4 2001~2022年生态管理功能区空间分布 Fig. 4 Spatial distribution of ecological management functional zones from 2001 to 2022

2.3.1 生态脆弱区

该功能区的核心特征为生态系统服务供给能力弱，以土壤保持、游憩服务为主导服务类型，是区域生态修复的重点关注区域. 从空间分布来看，生态脆弱区乡镇呈离散化分布，无集中连片格局，且分布范围整体呈扩张趋势，乡镇数量从2001年的20个增至2022年的27个，反映部分区域生态系统功能仍在退化，需针对性加强生态保护修复措施.

2.3.2 生态涵养区

该功能区以生境质量、固碳服务和产水量为核心服务，承担区域水源涵养、生物多样性保护与碳汇的关键功能，主要分布于庆元县、景宁县、云和县及松阳县境内，空间覆盖范围较广. 从面积动态变化来看，该区域呈现先扩后缩的阶段性特征，乡镇数量从2001年的43个增至2010年的123个，2022年回落至85个，可能与2010年后部分区域农业扩张、基础设施建设等人类活动干扰增强有关，导致涵养功能较强的区域面积缩减.

2.3.3 多功能复合区

该功能区的显著优势是生态系统服务供给能力强，服务类型涵盖土壤保持、粮食供给、空气净化、固碳、产水量和生境质量，实现“生态保护-生产供给-环境调节”功能的协同，主要分布于龙泉市、遂昌县及青田县等县域；面积变化呈先缩后扩的优化趋势，乡镇数量从2001年的110个降至2010年的30个，2022年回升至61个（功能恢复阶段），这一变化与瓯江“山水工程”实施后生态修复与农业生产、生态旅游的协同推进密切相关，体现区域多功能协调发展的良好态势.

2.4 生态系统服务权衡/协同关系的驱动因素分析 2.4.1 BBNs模型的构建及验证

图 5所示贝叶斯网络经参数学习后，反映了2023年瓯江“山水工程”的先验概率：游憩服务低、中、高等级概率依次为33.1%、38.5%、28.5%；空气净化对应等级概率分别为31.9%、39.5%、28.6%；土壤保持服务各状态概率分别为19.8%、53.4%、26.8%；产水服务各状态概率分别为6.6%、67.4%、26.1%；粮食供给各状态概率为27.8%、41.2%、31.1%；固碳服务各状态概率分别是15.9%、20.2%、63.9%. 生境质量各状态概率分别是24.7%、23.2%、52.0%. 游憩服务、空气净化和粮食供给的低状态概率均超过25%，表明研究区的游憩服务、空气净化和粮食供给服务能力较差；固碳服务和生境质量的高状态概率均逾50%，表明研究区固碳服务供给能力突出和生境质量较高，中等状态超过50%的产水服务和土壤保持则表明研究区的产水服务供给能力和土壤保持能力一般. 为了确保模型的可行性，分别以各项生态系统服务为目标节点进行模型验证. 结果表明，游憩服务、空气净化、固碳服务、土壤保持、粮食供给、产水量和生境质量的准确率分别为91%、87%、84%、86%、81%、92%和88%，平均准确率为87%，表明模型具有较高的精度，模拟效果好，可满足后续分析需求.

图 5 BBNs驱动框架各因素节点的概率分布 Fig. 5 Probability distribution of factor nodes in the BBNs-driven framework

2.4.2 驱动因素对生态系统服务的重要性分析

驱动因素节点对生态系统服务节点的重要性分析结果如表 4所示. 以“方差缩减率（VR） > 0.5%”作为驱动因素重要性的判定标准，结合表 4中各驱动因素节点对生态系统服务节点的VR值可知，土地利用、蒸散发和GDP是影响研究区生态系统服务的核心共性驱动因素，但不同服务的关键驱动因子存在显著差异. 具体而言，产水量和粮食供给的核心驱动以气象因子为主. 产水量的主要驱动因素为降水（VR=24.8%，影响程度最大）、蒸散发和气温；降水同样是粮食供给变化的首要驱动因素，反映气象条件对区域供给服务的关键调控作用. 生境质量、土壤保持、固碳服务的驱动因素兼具自然与人文属性，生境质量的主要驱动为土地利用（单一主导）；土壤保持受土地利用、GDP、蒸散发共同影响；固碳服务则由土地利用、蒸散发、GDP和NDVI（植被因子）协同驱动，体现生态系统结构与人类活动的复合作用. 空气净化、游憩服务的驱动因素以人类活动因子为主，二者的主要驱动因素均为人口密度、GDP和蒸散发，说明人类活动强度（人口、经济）与局地环境条件（蒸散发）共同决定此类服务的供给能力.

表 4 驱动因素节点对生态系统服务节点的重要性分析1）/% Table 4 Importance of influence factor nodes to ecosystem service nodes/%

2.4.3 基于生态管理功能区的情景模拟分析

为精准识别不同生态管理功能区中影响生态系统服务的关键驱动因子，进一步依托前文划分的3类生态管理功能区（图 4），对应设置3种目标服务最大化情景，通过贝叶斯网络概率推理功能，计算8个驱动因素节点在各情景下的后验概率相对先验概率的变化幅度（表 5），核心判断标准为“节点概率变化最大值”，该值越大，表明驱动因素对目标服务优化的响应越敏感，对功能区生态系统服务的调控作用越显著. 模拟结果表明，不同情景下驱动因素的影响效应呈现“共性主导、分区特异”的特征. 具体而言，在共性关键驱动因子方面，NDVI与GDP在3种情景中均表现出较大概率变化，表明二者是贯穿所有生态管理功能区、对生态系统服务产生普适性显著影响的核心因子，这与区域植被覆盖变化和经济活动强度对生态系统结构功能的基础性调控作用高度契合. 在分区特异性驱动因子方面，情景Ⅰ（生态脆弱区）中，NDVI、GDP、人口密度和土地利用节点的概率变化最大值均超40%，显著高于其他驱动因素，表明该区域生态系统服务受“植被状况-人类活动强度-土地利用结构”协同调控，这与脆弱区生态系统抗干扰能力弱、易受人类活动与景观格局变化影响的特征一致；情景Ⅱ（生态涵养区）中，仅NDVI与GDP节点概率变化率显著偏高，成为影响该区域生态系统服务的主导因子，反映生态涵养区以“植被碳汇与水源涵养”为核心功能，其服务变化更依赖植被生长状况与低强度经济活动的平衡；情景Ⅲ（多功能复合区）中，气温、蒸散发、降水（气象因子）及NDVI、GDP节点的概率变化最大值均超40%，表明该区域因需兼顾“生态-生产-文化”多元功能，生态系统服务受“气象条件-植被状况-经济活动”多因子综合驱动，驱动机制较前两类功能区更复杂.

表 5 不同情景下关键节点状态的概率变化/%1） Table 5 Probability changes of key node states under different scenarios/%

3 讨论 3.1 瓯江“山水工程”生态系统服务权衡/协同关系的驱动机制

瓯江“山水工程”通过封山育林和河岸带修复等核心措施，直接改变了研究区地表覆被结构，这体现了人类活动如何通过土地利用这一关键媒介，重塑自然生态格局与过程，进而引发生态系统服务的差异化响应. 产水量、土壤保持和游憩服务供给能力显著上升，而粮食供给、空气净化和生境质量呈现下降趋势，呈现出服务提升与局部损失并存的现象. 从空间分异来看，云和县长期维持权衡指数高值，表明该区域生态系统服务间“此消彼长”的矛盾具有稳定性，推测与该县河谷平原建设用地扩张、山地生态空间压缩的土地利用格局密切相关；遂昌县、龙泉市等外围县域森林覆盖率高，人类活动相对弱，协同指数高值分布，这与其他学者的研究结果相似[33].

基于贝叶斯网络的驱动机制分析进一步揭示，土地利用、蒸散发和GDP是调控研究区生态系统服务变化的核心共性驱动因子，但三者通过差异化路径影响服务间权衡/协同关系，具体表现在：①土地利用的直接配置效应. 作为连接人类活动与生态系统的关键载体，土地利用类型转换直接决定生境质量与粮食供给的空间格局. 当耕地向建设用地转移时，游憩服务（如城市公园和休闲设施）的供给潜力被放大，但粮食生产空间被压缩，直接加剧“游憩-粮食”的权衡关系，这一规律与在多个快速城市化地区的研究结论一致[34，35]，共同揭示了土地稀缺性理论背景下资源竞争使用的普适性后果；林地扩张虽能提升固碳与土壤保持能力，却可能因林冠截留增强导致产水量短期下降，引致“固碳-产水”的弱权衡. ②蒸散发的水文调节效应. 蒸散发通过调控区域水分收支间接影响产水量，尤其在高森林覆盖区，林地蒸散发量的上升会削弱生态修复带来的产水增量，进而拉低产水量与固碳服务的协同水平，这一过程体现了水文过程与生态过程的耦合关联. ③GDP的间接驱动效应. GDP增长通过刺激建设用地扩张与旅游设施建设[36]，加速土地利用类型的转化，使河谷地带（如瓯江干流沿线）“生态空间-生产空间-生活空间”的竞争更趋尖锐，进一步强化服务间权衡强度. 这一驱动路径与经济发展初期环境压力增大的理论预期相符，为理解社会经济发展与生态环境保护的博弈关系提供了区域实证.

3.2 基于情景模拟的瓯江“山水工程”分区管控策略

结合情景模拟所得不同生态管理功能区关键驱动因子差异的结果，针对各功能区的核心生态问题与驱动机制，提出靶向性管控策略.

生态脆弱区在研究区占比低，近几年主要出现在莲都区、缙云县和青田县，其关键驱动因素在于NDVI、GDP、人口密度和土地利用，说明该类区域面临建设用地扩张、耕地缩减、生态空间挤压的核心矛盾，管理需聚焦“控增量、促修复、优调控”. 空间管控层面，严格执行建设用地总量控制，划定旅游开发负面清单，如禁止在生态敏感区新建大型休闲设施；生态修复层面，优先开展退化耕地、裸地的植被恢复工程，如种植乡土固土植物，提升土壤保持能力，同步改善NDVI水平；人类活动调控层面，通过预约制、日接待量上限等措施管控游憩人流，避免过度旅游活动侵占粮食生产与生境空间. 空间管控可衔接《浙江省国土空间规划》中的“三区三线”成果，在城郊过渡带与生态敏感区划定“建设用地扩展硬约束区”；在缙云县，生态修复可聚焦仙都风景区周边因旅游开发造成的裸露或退化区域，通过种植乡土固土植物，在提升NDVI与土壤保持能力的同时，保障核心景区的生态景观本底；在人类活动调控层面，可引入贵州省“生态旅游容量评估与智能调度”等通行管理方法，通过线上预约、分时入园和智能导流等技术手段，对进入生态脆弱区的游客进行精细化调控，从而有效缓解旅游活动对生态空间的挤压，实现保护与发展的平衡.

生态涵养区主要包括庆元县、景宁县、云和县及松阳县，其关键驱动因素是NDVI、GDP. 该类区域以高林地覆盖、低人类干扰为核心特征，产水量与固碳服务功能突出，管理需侧重“强保护、减干扰、稳供给”. 植被保护层面，建议在庆元及百山祖国家公园涉及的景宁片区，将严格的封山育林、天然林保护等措施与林业碳汇项目开发相结合，禁止商业性采伐，在维持NDVI稳定提升趋势的同时，积极探索生态产品价值实现路径. 干扰管控层面，在林地与耕地、建设用地交界带布设生态缓冲带，减少人为活动对涵养功能的扰动；水文监测层面，可依托浙江省河长制信息平台，在景宁县的瓯江重要支流源头增设土壤水分与径流自动监测站，动态评估国家公园建设及气候变化背景下的蒸散发-产水关系，为区域水资源安全预警提供科学依据.

多功能复合区主要涵盖龙泉市、遂昌县及青田县等县域，其关键驱动因素包括气温、蒸散发、降水、NDVI和GDP，说明该类区域需平衡“生态-生产-生活”多元需求，面临干旱风险、建设用地扩张、服务协同不足等挑战，管理需围绕“提弹性、优结构、建补偿”. 资源利用层面，推广节水型农业（如喷灌、滴灌）与林下经济（如林药、林菌种植），降低农业用水消耗，例如在龙泉市的特色茶园中推广喷灌、滴灌等节水技术；生产布局层面，依据降水、气温年际波动规律，动态调整农作物种植结构，如干旱年份增加耐旱作物比例；协同调控层面，建立弹性游憩容量机制，如根据气象条件、植被生长状况调整开放范围. 同时试点“生态补偿-耕地保护”联动机制，将游憩服务收益反哺耕地质量提升，如在龙泉青瓷文化旅游区与青田侨乡石雕文化旅游区，试点建立“游憩收益-生态遗产保护”联动补偿机制. 可将部分门票收入注入专项基金，优先用于反哺稻鱼共生系统的核心保护区，支持其开展传统品种保育、有机肥替代、土壤改良等行动，从而在巩固物质供给服务的同时，提升区域游憩与文化遗产服务价值，实现“以游保遗、以游促农”的高质量协同发展.

3.3 局限与展望

本研究在探索生态系统服务权衡/协同关系的驱动机制方面虽取得一定进展，但同时也认识到人类活动与生态过程之间的尺度存在不匹配问题. 由于社会经济数据通常以行政单元统计，而生态过程则呈现连续的空间梯度，这种尺度差异可能导致驱动因子与生态系统服务之间的关联分析存在不确定性. 未来研究可进一步整合多源数据，建立更精细的生态管理功能分区方案. 此外，本研究聚焦2001~2022年，未能充分揭示“山水工程”实施多年的滞后效应，建议进一步引入系统动力学模型与贝叶斯网络耦合，模拟2030~2050年生态系统服务演变特征，为优化“山水工程”长效管理机制提供支撑.

4 结论

（1）2001~2022年瓯江“山水工程”区空气净化、固碳服务、粮食供给和生境质量显著减弱，产水量、游憩服务和土壤保持整体稳步提升.

（2）生态系统服务权衡/协同关系动态优化，综合指数空间格局稳定. 2020年后，随着“山水工程”实施，权衡指数低值区显著扩张、协同指数与综合指数低值区收缩，印证工程对服务关系的优化作用. 生态系统服务综合指数长期保持稳定，遂昌县、龙泉市、景宁县、青田县等大部分区域维持中高值水平，反映这些区域服务间权衡与协同的平衡状态更佳.

（3）生态管理功能区特征鲜明，面积变化动态与功能定位高度适配. 生态脆弱区的生态系统服务供给能力弱，以土壤保持和游憩服务供给为主，空间上呈离散分布需重点关注生态修复. 生态涵养区以生境质量、固碳服务和产水量为核心服务，分布范围广，覆盖庆元县、景宁县等地，面积先增后减，反映人类活动干扰对涵养功能的影响. 多功能复合区的生态系统服务的供给能力较强，涵盖土壤保持、粮食供给等多元服务，面积呈现先收缩后增加的趋势，体现“山水工程”对“生态-生产-生活”功能协同的推动作用.

（4）驱动因素对生态系统服务的影响具有服务特异性与功能区差异性. 气象因子（降水、气温）主导产水量和粮食供给，土地利用与植被因子（NDVI）协同调控生境质量和固碳服务，人类活动因子（人口密度、GDP）主导空气净化和游憩服务；生态脆弱区受NDVI、GDP、人口密度和土地利用共同影响，生态涵养区以NDVI和GDP为关键驱动因子，多功能复合区则受气温、蒸散发、降水、NDVI和GDP多因子综合调控，为分区管控策略制定提供精准靶向.

参考文献
[1] Fu H W, Yan Y D. Ecosystem service value assessment in downtown for implementing the "Mountain-River-Forest-Cropland-Lake-Grassland system project"[J]. Ecological Indicators, 2023, 154. DOI:10.1016/j.ecolind.2023.110751
[2] Su B R, Liu M C. Coupling management ecosystem service supply-supply trade-offs and supply-demand trade-offs: framework and practice[J]. Ecological Indicators, 2024, 166. DOI:10.1016/j.ecolind.2024.112258
[3] Lyu F N, 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
[4] Yuan L G, Geng M M, Li F, et al. Spatiotemporal characteristics and drivers of ecosystem service interactions in the Dongting Lake Basin[J]. Science of the Total Environment, 2024, 926. DOI:10.1016/j.scitotenv.2024.172012
[5] 徐国良, 赵婵娟, 刘钰, 等. 新旅游资源观下的乡村旅游地耕地多功能权衡/协同关系研究——以江西省中源乡为例[J]. 自然资源学报, 2024, 39(4): 804-822.
Xu G L, Zhao C J, Liu Y, et al. Research on the trade-offs/synergies of multifunctional cultivated land in rural tourism destinations from a new perspective on tourism resources: a case study of Zhongyuan township, Jiangxi province[J]. Journal of Natural Resources, 2024, 39(4): 804-822.
[6] Liu Y Y, Liu X Y, Zhao C Y, et al. The trade-offs and synergies of the ecological-production-living functions of grassland in the Qilian mountains by ecological priority[J]. Journal of Environmental Management, 2023, 327. DOI:10.1016/j.jenvman.2022.116883
[7] 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, Abudukeyimu A, Yusuyunjiang M, 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
[8] 徐彩瑶, 崔铭烨, 许文静, 等. 钱江源"山水工程"区生态系统固碳服务供需关系格局变化及其驱动因素[J]. 南京林业大学学报(自然科学版), 2026, 50(3): 90-100.
Xu C Y, Cui M Y, Xu W J, et al. Changes of supply-demand relationship pattern of carbon sequestration services and its driving factors in the Shan-Shui Initiative in the source of Qiantang River in China[J]. Journal of Nanjing Forestry University (Natural Sciences Edition), 2026, 50(3): 90-100.
[9] He L J, Xie Z Y, Wu H Q, et al. Exploring the interrelations and driving factors among typical ecosystem services in the Yangtze river economic Belt, China[J]. Journal of Environmental Management, 2024, 351. DOI:10.1016/j.jenvman.2023.119794
[10] 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.
[11] 徐彩瑶, 崔铭烨, 王宁, 等. 浙江省生态保护修复优先区识别[J]. 生态学报, 2024, 44(8): 3223-3240.
Xu C Y, Cui M Y, Wang N, et al. Identification of priority areas for ecological protection and restoration in Zhejiang Province based on ecosystem service bundles[J]. Acta Ecologica Sinica, 2024, 44(8): 3223-3240.
[12] 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
[13] 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.
[14] Huang F X, Zuo L Y, Gao J B, et al. Exploring the driving factors of trade-offs and synergies among ecological functional zones based on ecosystem service bundles[J]. Ecological Indicators, 2023, 146. DOI:10.1016/j.ecolind.2022.109827
[15] 牛忠恩, 何洪林, 张梦宇, 等. 2003—2020年中国陆地生态系统质量评价及归因分析[J]. 地理学报, 2025, 80(7): 1901-1919.
Niu Z E, He H L, Zhang M Y, et al. Assessment and attribution of terrestrial ecosystem quality in China from 2003 to 2020[J]. Acta Geographica Sinica, 2025, 80(7): 1901-1919.
[16] 周媛, 曹云, 钱悦, 等. 2000—2022年江西省生态系统调节服务功能演变特征及气象影响[J]. 应用生态学报, 2024, 35(8): 2187-2196.
Zhou Y, Cao Y, Qian Y, et al. Evolution characteristics and meteorological impacts of ecosystem regulation service functions in Jiangxi Province, China from 2000 to 2022[J]. Chinese Journal of Applied Ecology, 2024, 35(8): 2187-2196.
[17] 李倩茹, 贾彦龙, 王慧军, 等. 基于生态功能区的河北省生态系统服务权衡与协同分析[J]. 地理学报, 2023, 78(11): 2833-2849.
Li Q R, Jia Y L, Wang H J, et al. Analysis of trade-off and synergy effects of ecosystem services in Hebei province from the perspective of ecological function area[J]. Acta Geographica Sinica, 2023, 78(11): 2833-2849.
[18] 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.
[19] 荔童, 梁小英, 张杰, 等. 基于贝叶斯网络的生态系统服务权衡协同关系及其驱动因子分析——以陕北黄土高原为例[J]. 生态学报, 2023, 43(16): 6758-6771.
Li T, Liang X Y, Zhang J, et al. Ecosystem service trade-off and synergy relationship and its driving factor analysis based on Bayesian belief network: a case study of the Loess Plateau in northern Shaanxi Province[J]. Acta Ecologica Sinica, 2023, 43(16): 6758-6771.
[20] 乔志宏, 李婷, 任宇, 等. 社会-生态网络视角下生态系统服务耦合关系及其驱动因素[J]. 资源科学, 2024, 46(5): 1002-1017.
Qiao Z H, Li T, Ren Y, et al. Coupling relationship among ecosystem services and its driving factors from the perspective of social-ecological networks[J]. Resources Science, 2024, 46(5): 1002-1017.
[21] 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.
[22] 潘丹, 陈佳, 孔凡斌. 山水林田湖草保护修复工程对生态系统服务价值及权衡协同关系时空演变的影响——以赣州市为例[J]. 生态学报, 2025, 45(10): 4758-4773.
Pan D, Chen J, Kong F B. Impact of mountain-river-forest-cropland-lake-grassland system project on the spatial-temporal evolution of ecosystem service values and trade-off synergistic relationships: a case study of Ganzhou City[J]. Acta Ecologica Sinica, 2025, 45(10): 4758-4773.
[23] Peng L, Chen T T, Deng W, et al. Exploring ecosystem services trade-offs using the Bayesian belief network model for ecological restoration decision-making: a case study in Guizhou Province, China[J]. Ecological Indicators, 2022, 135. DOI:10.1016/j.ecolind.2022.108569
[24] 中国环境监测总站. 中国生态环境质量评价研究[M]. 北京: 中国环境科学出版社, 2004.
[25] 陈乐, 卫伟. 黄土丘陵沟壑区不同生态恢复模式下生态系统服务及其驱动因素[J]. 生态学报, 2025, 45(15): 7373-7385.
Chen L, Wei W. Ecosystem services and driving factors under different ecological restoration models in the Loess Hilly and Gully Region[J]. Acta Ecologica Sinica, 2025, 45(15): 7373-7385.
[26] 胡和兵, 申雪萌, 黄智祥, 等. 皖北粮食主产区生态系统服务权衡与协同作用强度及其驱动因素[J]. 水土保持通报, 2025, 45(2): 383-396.
Hu H B, Shen X M, Huang Z X, et al. Trade-offs and synergy intensity among ecosystem services and driving factors in main grain-producing areas of Northern Anhui Province[J]. Bulletin of Soil and Water Conservation, 2025, 45(2): 383-396.
[27] 练雨晨, 刘迪, 崔立晗, 等. 基于生态系统服务供需平衡的呼和浩特市生态管理分区[J]. 应用生态学报, 2025, 36(6): 1651-1660.
Lian Y C, Liu D, Cui L H, et al. Ecological management zoning in Hohhot, Inner Mongolia, China based on the balance of supply and demand for ecosystem services[J]. Chinese Journal of Applied Ecology, 2025, 36(6): 1651-1660.
[28] Li Q, Bao Y, Wang Z T, et al. Trade-offs and synergies of ecosystem services in karst multi-mountainous cities[J]. Ecological Indicators, 2024, 159. DOI:10.1016/j.ecolind.2024.111637
[29] 周豹, 赵俊三, 陈国平, 等. 多情景模拟下滇东南喀斯特地区生态系统服务评估与网络优化[J]. 环境科学, 2025, 46(7): 4615-4627.
Zhou B, Zhao J S, Chen G P, et al. Ecosystem services assessment and network optimization under multiple scenario simulations in the Karst area of southeast Yunnan[J]. Environmental Science, 2025, 46(7): 4615-4627. DOI:10.13227/j.hjkx.202406123
[30] 孔凡斌, 王宁, 徐彩瑶, 等. 浙江省山区26县森林生态产品价值实现对城乡收入差距的影响[J]. 林业科学, 2023, 59(1): 44-58.
Kong F B, Wang N, Xu C Y, et al. Impact of value realization of forest ecological products on urban-rural income gap in 26 mountainous counties of Zhejiang province[J]. Scientia Silvae Sinicae, 2023, 59(1): 44-58.
[31] 冯达. 北京市自然保护地效益评估与影响因素研究[D]. 北京: 北京林业大学, 2021.
Feng D. Evaluation of conservation benefit and influencing factors of natural protected areas in Beijing[D]. Beijing: Beijing Forestry University, 2021.
[32] 赵俊彦, 刘国华, 李佳佳, 等. 生态系统服务权衡强度与生态恢复优先区的空间差异——以怒江流域施甸县为例[J]. 生态学报, 2024, 44(11): 4517-4526.
Zhao J Y, Liu G H, Li J J, et al. Spatial difference between ecosystem service tradeoff intensity and priority areas for ecological restoration: a case study of Shidian County, Nu River Basin[J]. Acta Ecologica Sinica, 2024, 44(11): 4517-4526.
[33] 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
[34] 毛倩鸿, 田雅丝. 权衡协同视角下城市边缘区生态系统服务优化研究——以苏州市为例[J]. 生态学报, 2024, 44(15): 6567-6583.
Mao Q H, Tian Y S. Optimization of ecosystem services in urban fringe from the perspective of trade-offs and synergy: a case study of Suzhou City[J]. Acta Ecologica Sinica, 2024, 44(15): 6567-6583.
[35] 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.
[36] 李毅, 肖腊梅, 胡文敏, 等. 长株潭核心区土地利用变化时空格局及驱动力多维分析[J]. 经济地理, 2021, 41(7): 173-182.
Li Y, Xiao L M, Hu W M, et al. Spatio-temporal pattern of land use change in Changsha-Zhuzhou-Xiangtan core areas and its driving forces[J]. Economic Geography, 2021, 41(7): 173-182.