2024, Vol. 45
, CAO Chun
, LI Jin-chao , TANG Qian-hui , WU Yu-yao , XIAO Xiao , RAO Yu-liang , WANG Ji-wei , YANG Li-qin
生态系统服务（ecosystem service, ES）是指生态系统及其生态过程持续提供生态系统产品和服务, 以上服务是人类耐以生存的环境条件和物质基础[1]. 生态系统服务价值（ecosystem service value, ESV）是人类从支持地球生命的自然环境和生态系统中获得的利益[2], 是生态系统功能效用的价值表现和衡量区域生态环境质量的重要指标[3~5]. 一般来说, ESV用于衡量ES的价值, 主要包括供给服务、调节服务、支持服务和文化服务的价值[6, 7]. 党的二十大报告中明确指出, 当前我国要持之以恒大力推进生态文明建设, 推动绿色发展, 努力建设人与自然和谐共生的现代化社会. 因此在联合国可持续发展目标和拟议的2023年议程的背景下, 了解ESV的变化情况对于进行有效的区域规划至关重要[8], 以此实现人类发展和生态系统保护之间的平衡. 有研究表明, 自然和人为因素会影响ESV的数量和类型[9], 其中土地利用/土地覆盖（LULC）变化是ESV的重要驱动因素[10, 11].
全球气候的变化和人类发展活动的加剧给区域生态环境带来了巨大压力. 这些高强度扰动改变了区域生态环境的结构和功能, 导致人地系统失衡风险急剧增加[12]. 人类活动引起的土地利用变化是导致景观生态存在风险的一个重要诱因. 随着中国城镇化速度的加快, 对土地的利用程度越来越高, 土地利用结构与方式发生了剧烈变化进而影响生态系统服务功能与承载力. 有研究将土地利用和覆被变化视为生态风险变化的诱因, 通过分析土地利用/覆被的空间结构和动态变化规律, 探索景观生态风险的变化规律[13]. 在评价尺度和范围方面, 以往的研究大多集中在景观尺度上, 在一定的空间范围内进行评价, 空间范围包括不同类型, 如行政区、流域[14]、湿地生态系统[15]、大都市区[16]和沿海地区[17], 而对于西北地区城市群的研究较少. 生态系统作为人类生存和社会发展的基本环境[18, 19], 其生态风险程度影响着人类环境可持续发展. 同时生态系统服务价值和景观生态风险之间存在相互作用, 这两个概念在生态环境质量中扮演着正反两个方面的角色, 也是评估生态安全的两个维度[20]. 因此从生态系统服务价值和景观生态风险正反两个方面来表征和评估区域生态安全状况[21], 基于生态空间功能分区识别研究新视角, 对掌握研究区的生态和环境概况, 优化土地利用格局, 全面提升生态系统服务, 对形成区域生态建设和可持续发展具有重要意义[22~24].
兰州-西宁城市群（兰西城市群）地处青藏高原生态屏障和我国北方防沙带之间, 对阻止西部荒漠化地区向东蔓延具有独特的战略支撑作用. 近年来, 在国家政策的大力支持下, 兰西城市群发展速度加快, 城市群建设用地规模迅速扩大, 区域土地利用结构和土地生态风险发生了显著变化, 进而影响了区域生态系统服务价值. 因此本研究采用当量因子法, 以兰西城市群为研究区, 深入分析2000~2020年兰西城市群土地利用变化所引起的生态系统服务价值变化, 利用双变量空间自相关分析, 探讨生态系统服务价值和生态风险对土地利用转型的响应, 旨在为提升其土地利用效能和生态系统服务保护功能, 并为黄河流域高质量发展提供科学依据.
1 材料与方法 1.1 研究区兰西城市群（34°51'~37°38'N, 99°01'~105°38'E）位于中国西北内陆的黄河上游地区, 含甘肃省与青海省的39个县（市、区）, 总面积9.75万km2. 地处西北半干旱区、青藏高原区和东部季风区三大自然区域的交汇处, 具有明显的自然地理环境和气候植被的过渡性和相似性（图 1）. 兰西城市群自古以来就是西部地区人口相对密集的地区, 2020年, 兰西城市群地区生产总值达到6 139.14亿元, 占两省地区生产总值的51%, 人口数量达到1 219万人, 占两省常住人口的66.5%. 兰西城市群是胡焕庸线以西唯一的跨省区城市群, 是中国-中亚-西亚经济走廊的重要支撑, 区域内各类矿产资源和能源资源丰富, 人口经济密度高于周边地区, 是西北发展条件较好、发展潜力较大的地区.
|
图 1 兰西城市群区位示意 Fig. 1 Location of the Lanzhou-Xining Urban Agglomeration |
本文使用的社会经济数据主要来源于2000~2021年间的《甘肃省统计年鉴》《青海省统计年鉴》《全国农产品成本价格汇编》. 2000、2005、2010、2015和2020年5期土地利用数据信息来自中国科学院资源环境科学与数据中心（http://www.resdc.cn）, 空间分辨率为30 m, 精度达90%以上. DEM数据采用ASTER Global Digital Elevation Model（ASTER GDEM）数据, 来自地理空间数据云（http://www.gscloud.cn/#page1/1）, 分辨率为30 m.
1.3 研究方法 1.3.1 生态系统服务价值评估本研究采用谢高地等[4]制定的“中国生态系统单位面积生态服务价值当量表”, 以此为依据, 结合兰西城市群土地利用类型, 对生态系统服务价值当量表进行修正；同时根据一个生态系统服务价值当量因子的经济价值量等于当年平均粮食单产市场价值1/7的规则[4, 24], 计算研究时间段内甘肃省和青海省统计年鉴中粮食平均单位面积产量以及同期中国粮食平均单位面积产量, 结合2000~2020年兰西城市群各区县平均粮食单价得到一个ESV当量因子为1 538.71元·hm-2, 其次通过与修正后的当量表相乘得出兰西城市群生态系统单位面积服务价值系数（表 1）. 总服务价值计算公式如下：
|
(1) |
|
表 1 兰西城市群生态系统单位面积生态服务价值/元·（hm2·a）-1 Table 1 Coefficient for evaluation of ecosystem service-function values within the Lanzhou-Xining Urban Agglomeration/yuan·(hm2·a)-1 |
式中, ESV为生态系统服务价值；Ai为第i种土地利用类型面积（hm2）；VCi为第i种土地利用类型单位面积生态系统服务价值当量系数（元·hm-2）
1.3.2 土地利用生态风险指数核算模型不同的土地利用类型的空间组合及比例情况影响着土地的生态风险状态, 景观格局指数能反映土地利用的变化趋势以及发生变化的原因[25]. 因此根据已有研究成果[26], 以干扰度指数、脆弱度指数和损失度指数构建兰西城市群生态风险指数.
|
(2) |
式中, ERIa为第a个评价单元格内土地利用生态风险指数值；Sai为第a个评价单元格内土地利用类型i面积；Ri为第i类土地利用类型的生态风险参数.
|
(3) |
式中, Fi为生态脆弱性指数, 是指生态系统在人类强烈的外部干扰下的脆弱性. 脆弱性越小, 生态系统的风险就越小. 6种土地类型的Fi值如下：1为建设用地, 2为水域, 3为草地, 4为未利用地, 5为林地, 6为耕地[27, 28].
|
(4) |
式中, Ci为景观破碎度, Ni为景观隔离度, Di为景观优势度指数. a、b和c反映人为干扰对生态系统的影响, 分别为Ci、Ni和Di的权重, 且a + b + c = 1.
|
(5) |
式中, ni为第i个用地类型中的斑块的数量, Ai为第i个用地类型的总面积.
|
(6) |
式中, A为研究区域的总面积（km2）, ni和Ai的含义与等式（5）中的相同.
|
(7) |
式中, Qi为第i个用地类型的单元格与总单元格的比率, Mi为第i个用地类型的斑块数与所有斑块总数的比率. Li为第i个用地类型的面积与研究区总面积的比值. 从以往的研究来看, 重要性从高到低依次为景观破碎度（Ci）、景观隔离度（Ni）和景观优势度指数（Di）[29, 30].
1.3.3 双变量空间自相关Moran's I统计量作为一种空间自相关统计量, 用来反映空间相邻或相近单元属性值的相似程度[27]. 公式为：
|
(8) |
式中, Yi和Yj为变量在相邻配对空间单元的取值；Wij为空间权重矩阵, Y为属性值的平均值. I的取值在[-1, 1]之间, 当I > 0时, 表明研究单元的观测值趋于空间聚集, 空间正相关；当I < 0时, 表明空间呈离散分布状态, 空间负相关；当I = 0时, 表明空间不相关.
双变量局部空间自相关指数（local indicators of spatial association, LISA）可反映某一空间单元的属性值同其相邻空间单元上同一属性值的相关和空间聚集程度[31]. 计算公式如下：
|
(9) |
式中, Wij为单元i与单元j之间的空间权重矩阵；Xi为单元i的属性值；X为所有属性值的平均值；n为区域单元的总数. LISA值> 0, 表示空间单元的服务权衡的匹配度是高-高值或低-低值的空间聚集；相反, LISA值< 0, 表示空间单元的服务权衡的匹配度为高-低值或低-高值的空间聚集.
2 结果与分析 2.1 兰西城市群土地利用变化分析2000~2020年兰西城市群土地利用类型主要以草地、耕地和林地为主, 三者面积和占比90%左右（图 2）. 草地面积占比最多, 达到总面积的60%左右, 且分布面积较广, 主要分布在湟水河生态廊道, 与黄河生态保护带走向一致；耕地主要分布在兰西城市群中部、东北部和东南部地区, 与兰西城市群农产品主产区分布较为一致；林地面积约占总面积的9%, 主要分布在兰西城市群西部和北部地区, 集中分布在三江源生态安全屏障区和祁连山生态安全屏障区；未利用地主要分布在西北和西南地区；建设用地主要分布在中部偏东地区.
|
图 2 2000~2020年兰西城市群土地利用类型 Fig. 2 Land use types of Lanzhou-Xining Urban Agglomeration from 2000 to 2020 |
利用转移矩阵和桑基图进一步分析兰西城市群各地类的变化特征（表 2和图 3）. 2000~2020年兰西城市群土地利用发生变化的面积占土地总面积的6.9%, 总变化面积为6 646.05 km2. 2000~2020年耕地面积转出2 036.85 km2, 是转出面积最多的土地利用类型；转入面积最多的土地利用类型为草地, 共转入2 900.09 km2. 在众多的土地转移类型中, 主要以未利用地转为草地和耕地转为草地为主, 转移面积分别为1 342.15 km2和1 127.08 km2, 约占土地利用变化总面积的20.19%和16.96%；其次为耕地转为建设用地, 以及草地转为建设用地, 分别占土地利用变化总面积的9.96%和5.86%. 对比分析2000~2020年6种土地利用类型转出与转入面积, 耕地和未利用地的转出面积较多, 分别为2 036.85 km2和1 527.11 km2；转入面积较多的土地利用类型为草地和建设用地. 总体来看, 兰西城市群20年间各地类的交叉转化较强, 耕地和未利用地都以转出为主, 草地、林地、水域和建设用地类型以转入为主, 土地转移非农化趋势愈加明显.
|
|
表 2 2000~2020年兰西城市群土地利用转移矩阵/km2 Table 2 Land use transfer matrix of land use change of Lanzhou-Xining Urban Agglomeration from 2000 to 2020/km2 |
|
图 3 2000~2020年兰西城市群土地利用转移桑基图 Fig. 3 Sankey map of land use transfer matrix of the Lanzhou-Xining Urban Agglomeration from 2000 to 2020 |
为了进一步揭示兰西城市群ESV的时空演变特征, 本文使用格网法对研究区进行空间划分, 经过多次反复试验, 选择最适合研究区范围大小的1 km × 1 km作为网格单元大小, 对2000~2020年兰西城市群ESV进行空间可视化研究. 为了实现生态系统服务价值类与类之间的不同最大化, 本文采用自然断点法[32]对生态系统服务价值进行分级, 将其分为低（0~1.76 × 106元）、较低（1.76 × 106~3.46 × 106元）、中（3.46 × 106~8.92 × 106元）、较高（8.92 × 106~19.27 × 106元）和高（19.72 × 106~29.06 × 106元）这5个等级. 如图 4所示, 兰西城市群ESV空间分异显著, 呈现西北高、东南低的分布特征. 低值区成片分布, 主要集中于兰西城市群的东北部、东南部和中部地区；中高值区镶嵌其中, 分布状破碎, 但大都位于西部地区. 高值区以西南林地、草地和水域为中心, 区域内植被相对较多, 水资源和生物多样性也较为丰富. 2000~2020年, 兰西城市群西南地区、中部偏南地区和东南地区的ESV有较为明显的等级变化, 西南地区有较大面积的低值区域转为较低值区域, 同时西南地区的高值区面积明显增加；中部地区中值区增加明显, 分布与黄河流向较为一致, 说明2000~2020年黄河流域的生态系统服务价值增加较为明显；东南部也有低值区转为中值区, 且转化较为明显. 总体而言, 兰西城市群在研究期间中低值区有明显的扩张, 在研究时段内显出连片的趋势, 生态系统服务价值出现明显的分区差异, 中部和东部成为城镇化建设过程中的主要阵地, 城市群经济建设发展使得区域生态系统服务价值偏低；而西南部和西北部成为提供生态系统服务支撑的后勤保障区.
|
图 4 2000~2020年兰西城市群生态系统服务价值 Fig. 4 Map of ecosystem service value of the Lanzhou-Xining Urban Agglomeration from 2000 to 2020 |
根据表 3可知, 兰西城市群ESV在2000、2005、2010、2015和2020年分别为1 864.59、1 869.29、1 907.78、1 909.54和1 921.56亿元, 总体增加了56.97亿元. 从各生态系统类型的ESV来看, 草地生态系统的ESV贡献量最大, 其次是水域和林地. 草地生态系统的ESV贡献量在57%以上, 5个时期分别为1 079.70亿元、1 081.48亿元、1 096.38亿元、1 095.24亿元和1 090.24亿元；从ESV时间变化来看, 2000~2005年兰西城市群ESV呈现持续增加趋势, 从1 864.59亿元增加至1 869.29亿元, 增幅为0.25%；2005~2010年兰西城市群ESV增幅较大, 从1 869.29亿元增加至1 907.78亿元, 增加了38.48亿元, 增幅为2.06%, 主要是由于水域ESV的增加；2010~2015年兰西城市群ESV虽然呈上升趋势, 但涨势不明显, 增幅较小, 仅为0.09%；2015~2020年兰西城市群ESV呈显著增加趋势, 从1 909.54亿元增加至1 921.56亿元, 水域ESV占主要成分. 综合来看, 2000~2020年, 兰西城市群ESV呈上升趋势, 主要是由草地和水域ESV增加, 但由于未利用地和耕地的ESV分别减少了15.52%和2.93%, 综合导致了该区域2000~2020年整体生态系统服务价值增长幅度仅为3.06%, 且该区域的ESV在变化趋势上与土地利用变化的趋势保持一致.
|
|
表 3 2000~2020年兰西城市群各地类ESV变化 Table 3 Changes in ecosystem service value in land use of Lanzhou-Xining Urban Agglomeration from 2000 to 2020 |
由表 4可知, 2000~2020年兰西城市群一级服务类型ESV与兰西城市群总ESV变化趋势一致, 均保持随时间增长的趋势. 其中, ESV占比最大的一级生态系统服务类型为调节服务, 说明兰西城市群20年间生态系统服务主要起到调节作用. 各单项服务类型的ESV由高到底依次为：水文调节 > 气候调节 > 土壤保持 > 生物多样性 > 气体调节 > 净化环境 > 美学景观 > 原材料生产 > 食物生产 > 水资源供给 > 维持养分循环. 综合来看, 2000~2020年兰西城市群生态系统在水文调节、气候调节和土壤保持, 维持生物多样性方面发挥重要作用, 在未来是区域生态系统提供的重要功能以及保护的对象；食物生产方面呈逐年下降的趋势, 原因可能与耕地面积减少有关.
|
|
表 4 2000~2020年兰西城市群生态系统一级和二级服务价值变化 Table 4 Changes in ecosystem primary and secondary service value of Lanzhou-Xining Urban Agglomeration from 2000 to 2020 |
2.3 土地利用变化对生态系统服务价值变化影响 2.3.1 兰西城市群生态风险时空特征
运用ArcGIS软件得到兰西城市群景观生态风险指数, 利用自然断点法, 结合研究区实际状况, 将兰西城市群的生态风险划分为：低风险（ERI ≤ 0.25）、较低风险（0.25 < ERI ≤ 0.35）、中风险（0.35 < ERI ≤ 0.70）、较高风险（0.70 < ERI ≤ 1.25）和高风险（ERI > 1.25）区域. 根据图 5所示, 兰西城市群生态风险空间异质性明显, 不同生态风险等级呈现镶嵌交错分布格局. 其中低和较低风险区域面积较大, 中、较高和高风险区域所占面积较小.
|
图 5 2000~2020年兰西城市群生态风险空间分布 Fig. 5 Spatial distribution of ecological risk in Lanzhou-Xining Urban Agglomeration from 2000 to 2020 |
2000~2020年兰西城市群生态风险格局呈多核心地域分布, 生态风险空间异质性明显, 不同生态风险等级呈现镶嵌交错分布格局. 高风险区主要集中在兰州市区、西宁市区、临夏市、皋兰县、永靖县以及贵德县和共和县交界地区, 其土地利用类型以建设用地和水域为主, 并且随着时间的增长, 各区域的生态风险面积有明显的增加；较高生态风险区主要围绕高风险区域分布, 集中在市区周围的县级区域, 如榆中县、湟中县等中心城市周围县区, 其土地利用类型以建设用地、耕地和水域为主；中风险区、高风险和较高风险区域接壤分布；较低生态风险区位于中生态风险区的外围呈零星分布状态；低生态风险区面积最大, 且分布范围较广, 在兰西城市群有成片分布的趋势. 生态风险空间结构和土地利用空间分布格局表现为一致性和同步性.
由图 6可知, 兰西城市群总生态风险指数值呈逐年上升趋势, 从2000年的787.47增长至2020年的904.05, 增长幅度较为明显. 分析2000~2020年生态风险比例变化, 低风险与较低风险等级所占比例呈逐年递减的趋势, 分别从2000年的57.08%和21.22%下降至2020年的47.79%和18.00%；中风险、较高风险和高风险等级所占比例呈逐年递增的趋势, 分别从2000年的11.95%、4.57%和5.18%增长至2020年的14.52%、7.38%和12.31%. 可以看出高风险等级所占比例显著增长, 且增长幅度较大.
|
图 6 2000~2020年兰西城市群生态风险比例变化 Fig. 6 Ecological risk change in proportion of ecological risk in Lanzhou-Xining Urban Agglomeration from 2000 to 2020 |
综上对2000~2020年兰西城市城市群生态风险时空变化的分析可以得知, 兰西城市群生态风险程度不断增加, 存在一定的生态危机. 生态风险等级较高的区域主要分布在兰西城市群的中心城市兰州市区、西宁市区以及白银市区等. 结合兰西城市群土地利用类型可以得知, 此区域内土地利用类型主要以建设用地和耕地为主, 属于人口集聚的地区, 人类活动的增强会对区域内生态环境安全造成明显的负面影响. 贵德县和共和县交界地区虽然以水域为主, 但是随着时间的推移, 此区域的生态风险呈现明显增加的现象；从土地利用类型图可以看出, 2000~2020年共和县的建设用地面积有显著增加, 由于随着西部大开发和产业结构转型升级不断吸纳更多的流动人口就业, 建设用地的增加导致区域内对水域的风险增大, 而建设用地的扩张改变了区域内原有的土地利用格局, 使得景观变得破碎化, 从而导致兰西城市群整体的生态风险指数呈上升趋势.
进一步统计兰西城市群不同等级生态风险面积发现（表 5）, 低生态风险区面积呈现逐年下降的变化趋势, 2000年低生态风险区面积最大, 占兰西城市群面积的77.99%；2000~2020年较低生态风险区面积呈现波动降低的趋势, 20年内降低了2 875.91 km2；中生态风险区面积呈现波动增加的变化趋势, 由4 533.70 km2（2 000年）增加至6 220.75 km2（2020年）；5个时期较高生态风险面积呈现显著增加趋势, 分别为699.49、699.49、915.26、1 191.46和1 431.45 km2, 20年间增加的面积为731.96 km2；高生态风险面积呈现显著的上升趋势, 特别是2015~2020年期间, 增加面积呈倍数增长, 2020年高生态风险区面积最大, 为1 401.97 km2. 从生态风险数量组成结构来看, 5个时期占主导地位的为低生态风险区, 分别为77.99%、77.99%、76.88%、76.14%和75.00%, 占兰西城市群总面积的比例均在70%以上；较低生态风险区面积比例波动幅度较小；中生态风险区面积增加较为明显, 从2000年的4.71%增加至2020年的6.46%, 中生态风险区面积比例的增加, 说明兰西城市群生态风险有趋于严重的趋势；较高生态风险区和高生态风险区面积占比较小, 但是增长幅度较大, 分别从0.73%和0.56%（2000年）增加至1.49%和1.46%（2020年）. 综上, 兰西城市群生态风险格局以低生态风险区和较低生态风险区为主, 中生态风险区、较高生态风险区和高生态风险区面积比例的增加, 说明兰西城市群生态安全格局处于不可忽视的状态.
|
|
表 5 2000~2020年兰西城市群生态风险等级面积及比例 Table 5 Area and proportion of ecological risk grades in Lanzhou-Xining Urban Agglomeration from 2000 to 2020 |
2.3.2 兰西城市群生态系统服务和生态风险的关联性分析
利用GeoDa空间分析工具, 建立空间权重矩阵, 计算兰西城市群2000年、2005年、2010年、2015年和2020年单位面积总ESV和生态风险的双变量空间自相关指数, 得到Moran's I散点图（图 7）. 通过999次置换检验（P = 0.001）, Moran's I大于0, 说明生态风险指数在空间上呈现正相关关系, 分别为0.248、0.233、0.224、0.208和0.161, 其值皆大于0并且在不断地减小, 说明兰西城市群生态风险在2000年空间聚集程度最强, 随着土地利用变化, 生态风险的聚集性减弱, 逐步趋于离散.
|
图 7 2000~2020年兰西城市群生态风险Moran's I散点图 Fig. 7 Moran's I scatter plot of ecological risk in Lanzhou-Xining Urban Agglomeration from 2000 to 2020 |
由图 8可知, 兰西城市群内生态系统服务价值和生态风险二者相关性分布特征以“低-低”聚集区和“高-低”聚集区两种类型为主, 少数区域为“高-高”聚集区和“低-高”聚集区. 从时间序列来看, 2000~2020年兰西城市群各分布区面积趋势变化不明显, 基本保持稳定. 从空间分布特征来看, “低-低”聚集区呈斑块状镶嵌式的分布格局, 主要分布在兰西城市群中东部的永登县、榆中县、白银区和安定区, 与耕地和草地的空间分布较为吻合；“高-低”聚集区主要分布在兰西城市群西部以及西北部的贵德县、贵南县、尖扎县和同仁县, 与耕地、林地和未利用地的空间分布一致, 林地和草地作为重要的生态空间, 由于其自身稳定性较好且景观破碎度和分离度小故而生态风险低；“高-高”聚集区域表明其景观生态风险度高, 其相邻周边区域的景观生态风险度也高, 主要集中分布在贵德县和共和县相邻地界, 与水域和未利用土地分布区大体上一致为主, 景观脆弱度较高, 内部稳定性较差, 土地利用程度较低, 是稳定的高值分布区.
|
图 8 2000~2020年兰西城市群生态系统服务价值与生态风险局部空间自相关聚集 Fig. 8 Local spatial autocorrelation of ecological risk in Lanzhou-Xining Urban Agglomeration from 2000 to 2020 |
从本研究时段的土地利用变化统计数据来看, 兰西城市群建设用地和水域面积呈增长趋势；草地和林地面积先大幅度增加后小幅度减少, 耕地和未利用地面积呈下降趋势, 这与前人的研究结果一致[33]. 本研究时段内耕地主要转为林地和建设用地, 由于现阶段兰西城市群人口分布呈现东密西疏的分布格局[34], 城市人口的快速增长导致城市化水平的持续提高, 从而使得居住和公共设施等建设用地需求急剧上升；本着“治湖必须治江、治江必须治山、治山必须治穷”的治理理念[35], 在治理过程中增加了更多的林地面积. 由于快速城市化所造成的人口量上升, 使得区域对粮食需求增加, 受占补平衡等耕地保护制度约束, 区域需补充相应的耕地面织, 以弥补城市扩张行为造成的耕地损失, 中国西北部地区草地资源较为丰富, 政府优先选择成本较低的荒草地补充耕地面积, 因此即使有大面积的未利用地转为草地, 草地的转入面积变化幅度却较小[36]. 耕地和未利用地面积减少, 由于城镇化发展速度较快, 城市向外蔓延, 加快了城乡建设用地的扩张；农业现代化进程加快, 人们对土地资源的需求扩大且存在耕地垦殖现象[30, 37]；以及人们的环保意识提高, 退耕还林还草, 使得耕地面积与未利用地面积不断减少.
2000~2020年兰西城市群的生态系统服务价值一直呈上升趋势, 从2000年的1 864.59亿元增加至2020年的1 921.56亿元, 总价值增加了56.97亿元. 研究区内局部地区海拔较高, 被多年冻土覆盖, 随着全球气候变暖会导致冻土活动层厚度增加、融化面积扩大和融化时间延长, 由于部分冻土的融化, 河流及湖泊的水资源供给增强, 驱动未利用地向水域转化, 因此水域面积的增加是研究区ESV上升的主要原因[38]. 当前“未来地球”计划以及可持续性科学都着重强调自然与人文要素的综合集成[39]；进入新时代以来, 国家层面提出的“绿水青山就是金山银山”和“山水林田湖草是生命共同体”的发展理念是兰西城市群社会经济发展和生态环境保护的发展导向[40]. 近年来随着《全国生态环境保护纲要》《黄河流域兰西城市群甘肃片区生态建设行动方案》《兰西城市群生态建设战略合作协议》等相关文件的出台和实施, 使得兰西城市群生态系统服务价值处于上升趋势. 随着中国政府启动了天然林资源防护、退耕还林还草、三北防护林、退牧还草和三江源生态保护区等生态建设工程, 截至2019年, 中国重大生态工程总投资超过17 000亿元, 实施取得了阶段性成果[41], 生态工程的实施保证了兰西城市群生态系统服务价值高效稳定发展. 同时兰西城市群位于中国西部腹地, 是中国重要的生态功能区, 主要的生态源区和生态廊道大部分集中在青海省境内, 避开了人为干扰较大的城区, 对物种迁移和生态能量的流动起着良好的桥梁作用[42]；同时三江源和祁连山生态屏障对生态系统服务起保护作用. 而甘肃境内兰州-白银都市圈多集中石油化工和有色冶金等行业, 工业与科技的发展, 将大面积地占用城市群内各地类面积, 对生态系统服务价值影响较大, 使得兰西城市群ESV呈现西北高东南低的空间格局.
本研究结果表明, 研究区各用地类型之间转化频繁, 建设用地面积增长迅速, 导致原有的景观格局发生明显变化. 5个时期中生态风险区空间异质性明显, 不同等级生态风险区呈现镶嵌交错的分布格局. 尽管中高风险区面积所占的比例变化不大, 但研究区整体的生态风险格局还是由低风险区大量向较高和高风险区转化. 从空间分布格局来看, 兰西城市群5个时期的风险区分布格局没有发生明显变化, 高风险区域在原有基础上不断扩大. 生态风险等级较高的区域主要分布在兰西城市群的中心城市兰州市区、西宁市区以及白银市区等, 作为主要经济开发区, 建设用地不断地扩张导致地表景观破碎化, 从而增加了生态风险；随着西部大开发和产业结构的转型, 城市用地短缺、城市土地成本上升和环保政策限制, 城市群核心区高能耗、高污染产业开始向周边地区转移, 工业废水对水体污染加剧, 导致高生态风险区域有了明显的扩张[43]. 兰西城市群生态系统服务价值和生态风险相关性的分布特征以“低-低”聚集和“高-低”聚集为主, 同时城市群西南部有明显的“低-高”聚集区转为“高-高”聚集区. 由于城市群西北部地区降水资源丰富[44], 林地与水域分布较多, 随着时间增长, 水域面积有明显的增长, 所以高生态服务价值区域有明显增长. 并且随着西部大开发的不断推进, 对自然风景区的开发保护力度加大, 不仅创造了较多的调节价值, 同时也增加了区域的美学景观价值. 但由于“高-高”聚集区处于贵德盆地与共和盆地交界处, 地形起伏较大, 地质类型复杂[45], 景观破碎度较高, 植被类型比较单一, 因此即使所提供的生态系统服务价值较高, 生态风险也较高. 综上可知, 兰西城市群在后续发展中应继续保持生态方案实施, 保护生态用地功能, 实现林草资源高质量发展. 在尚未受到严重破坏的自然生态系统中, 应继续保持生态方案实施, 保护生态用地功能. 采取“适宜林即林、宜草即草、适宜耕地即耕地”措施, 避免过度植树、草和扩大耕地, 引发不可预见的生态退化, 从而实现区域的可持续发展[46].
本文初步揭示了土地利用变化对生态系统服务价值和生态风险的影响, 但在整个研究中还有一些不确定性和不足. 首先本次所使用数据来源于中科院的遥感数据, 为了让研究更具说服力, 还需要进行实地验证；其次没有明确单一的生态系统服务功能对区域生态服务和风险的作用效果. 因此在以后的研究可以根据已有数据进行实地验证, 基于InVEST模拟时空尺度的生态系统服务功能（生物多样性和供给服务等）, 进而细化研究各单一生态系统服务功能所提供的价值.
4 结论（1）兰西城市群2000~2020年土地利用主要以草地、耕地和林地为主, 其次为未利用地、建设用地和水域. 从各土地利用转移情况来看, 2000~2020年兰西城市群土地利用变化总面积为6 646.05 km2；转出面积最多的用地类型为耕地, 草地的转入面积最多. 在众多的土地转移类型中, 主要以未利用地转为草地和耕地转为草地为主.
（2）2000~2020年兰西城市群四类一级ESV与兰西城市群总ESV变化趋势一致, 均保持随时间增长趋势. 从空间变化来看, 兰西城市群ESV总体发展态势良好, 但区域差异性显著, 呈现西北高、东南低的分布特征. 低值区成片分布, 主要集中在兰西城市群的东北部、东南部和中部地区；中高值区镶嵌其中, 分布状破碎, 但大都位于西部地区. 从时间变化上来看, 兰西城市群2000~2020年ESV逐年增加, 总增值56.97亿元；从单项服务功能的ESV来看, 水文调节、气候调节、气体调节和土壤保持是兰西城市群最主要的生态系统服务功能.
（3）2000~2020年兰西城市群整体生态风险指数呈上升趋势, 低和较低生态风险区转向较高和高生态风险区的面积较多, 2000~2020年生态环境有好转, 但高生态风险区域面积有明显的增加. 且生态系统服务价值与生态风险呈显著相关性, 二者相关性分布特征以“低-低”聚集和“高-低”聚集两种类型为主.
| [1] | He Y, Wang W H, Chen Y D, et al. Assessing spatio-temporal patterns and driving force of ecosystem service value in the main urban area of Guangzhou[J]. Scientific Reports, 2021, 11(1). DOI:10.1038/s41598-021-82497-6 |
| [2] | Xu Y M, Xie Y J, Wu X D, et al. Evaluating temporal-spatial variations of wetland ecosystem service value in China during 1990–2020 from the donor side based on cosmic exergy[J]. Journal of Cleaner Production, 2023, 414. DOI:10.1016/j.jclepro.2023.137485 |
| [3] |
肖骁, 李京忠, 杨新军, 等. 黄河流域中上游林草生态调节服务功能价值核算[J]. 生态学报, 2022, 42(19): 7830-7844. Xiao X, Li J Z, Yang X J, et al. Evaluation of forest-grassland ecosystem services value in the upper and middle reaches of the Yellow River Basin, China[J]. Acta Ecologica Sinica, 2022, 42(19): 7830-7844. |
| [4] |
谢高地, 张彩霞, 张昌顺, 等. 中国生态系统服务的价值[J]. 资源科学, 2015, 37(9): 1740-1746. Xie G D, Zhang C X, Zhang C S, et al. The value of ecosystem services in China[J]. Resources Science, 2015, 37(9): 1740-1746. |
| [5] | Costanza R, de Groot R, Braat L, et al. Twenty years of ecosystem services: how far have we come and how far do we still need to go?[J]. Ecosystem Services, 2017, 28: 1-16. DOI:10.1016/j.ecoser.2017.09.008 |
| [6] | Wu K S, Wang D, Lu H Y, et al. Temporal and spatial heterogeneity of land use, urbanization, and ecosystem service value in China: a national-scale analysis[J]. Journal of Cleaner Production, 2023, 481. DOI:10.1016/j.jclepro.2023.137911 |
| [7] | 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 |
| [8] | Nasrollahi Z, Hashemi M S, Bameri S, et al. Environmental pollution, economic growth, population, industrialization, and technology in weak and strong sustainability: using STIRPAT model[J]. Environment, Development and Sustainability, 2020, 22(2): 1105-1122. DOI:10.1007/s10668-018-0237-5 |
| [9] | Fang L L, Wang L C, Chen W X, et al. Identifying the impacts of natural and human factors on ecosystem service in the Yangtze and Yellow River Basins[J]. Journal of Cleaner Production, 2021, 314. DOI:10.1016/j.jclepro.2021.127995 |
| [10] | Zhang B, Shi Y T, Wang S. A review on the driving mechanisms of ecosystem services change[J]. Journal of Resources and Ecology, 2022, 13(1): 68-79. |
| [11] |
徐文彬, 饶良懿. 土地利用和气候变化对农牧交错带生态系统服务的影响[J]. 环境科学, 2023, 44(9): 5114-5124. Xu W B, Rao L Y. Impacts of land use and climate change on ecosystem services in Agro-pastoral ecotone[J]. Environmental Science, 2023, 44(9): 5114-5124. |
| [12] |
彭建, 党威雄, 刘焱序, 等. 景观生态风险评价研究进展与展望[J]. 地理学报, 2015, 70(4): 664-677. Peng J, Dang W X, Liu Y X, et al. Review on landscape ecological risk assessment[J]. Acta Geographica Sinica, 2015, 70(4): 664-677. |
| [13] | Wang K G, Zheng H H, Zhao X Y, et al. Landscape ecological risk assessment of the Hailar River basin based on ecosystem services in China[J]. Ecological Indicators, 2023, 147. DOI:10.1016/j.ecolind.2022.109795 |
| [14] | Duan W L, He B, Chen Y N, et al. Identification of long-term trends and seasonality in high-frequency water quality data from the Yangtze River basin, China[J]. PLoS One, 2018, 13(2). DOI:10.1371/journal.pone.0188889 |
| [15] | Malekmohammadi B, Blouchi L R. Ecological risk assessment of wetland ecosystems using Multi Criteria Decision Making and Geographic Information System[J]. Ecological Indicators, 2014, 41: 133-144. DOI:10.1016/j.ecolind.2014.01.038 |
| [16] | Li W J, Wang Y, Xie S Y, et al. Impacts of landscape multifunctionality change on landscape ecological risk in a megacity, China: a case study of Beijing[J]. Ecological Indicators, 2020, 117. DOI:10.1016/j.ecolind.2020.106681 |
| [17] |
陈心怡, 谢跟踪, 张金萍. 海口市海岸带近30年土地利用变化的景观生态风险评价[J]. 生态学报, 2021, 41(3): 975-986. Chen X Y, Xie G Z, Zhang J P. Landscape ecological risk assessment of land use changes in the coastal area of Haikou City in the past 30 years[J]. Acta Ecologica Sinica, 2021, 41(3): 975-986. |
| [18] | Müller F, Bicking S, Ahrendt K, et al. Assessing ecosystem service potentials to evaluate terrestrial, coastal and marine ecosystem types in Northern Germany-An expert-based matrix approach[J]. Ecological Indicators, 2020, 112. DOI:10.1016/j.ecolind.2020.106116 |
| [19] |
许鑫王豪, 邹欣庆, 刘晶茹. 苏北潮滩温室气体排放的时空变化及影响因素[J]. 环境科学, 2016, 37(6): 2383-2392. Xu X W H, Zou X Q, Liu J R. Temporal and spatial dynamics of greenhouse gas emissions and its controlling factors in a coastal saline wetland in North Jiangsu[J]. Environmental Science, 2016, 37(6): 2383-2392. |
| [20] |
谢丽霞, 白永平, 车磊, 等. 基于价值-风险的黄河上游生态功能区生态分区建设[J]. 自然资源学报, 2021, 36(1): 196-207. Xie L X, Bai Y P, Che L, et al. Construction of ecological zone based on value-risk ecological function area in the Upper Yellow River[J]. Journal of Natural Resources, 2021, 36(1): 196-207. |
| [21] |
张钰莹. 西南地区景观生态风险与生态系统服务价值综合分区研究[D]. 北京: 中国环境科学研究院, 2021. Zhang Y Y. Comprehensive partitions based on landscape ecological risk and ecosystem service value in Southwest China[D]. Beijing: Chinese Research Academy of Environmental Sciences, 2021. |
| [22] |
王悦露, 董威, 张云龙, 等. 基于生态系统服务的生态安全研究进展与展望[J]. 生态学报, 2023, 43(19). Wang Y L, Dong W, Zhang Y L, et al. Research progress and prospect of ecological security based on ecosystem services[J]. Acta Ecologica Sinica, 2023, 43(19). DOI:10.20103/j.stxb.202210283063 |
| [23] |
景晓栋, 田贵良, 班晴晴, 等. 基于文献计量的21世纪以来我国生态系统服务研究现状及发展趋势[J]. 生态学报, 2023, 43(17): 7341-7351. Jing X D, Tian G L, Ban Q Q, et al. Knowledge map analysis of curent status and development rend of ecosystem services research in China since the 21st century[J]. Acta Ecologica Sinica, 2023, 43(17): 7341-7351. |
| [24] |
魏佳豪, 温玉玲, 龚志军, 等. 近30年鄱阳湖滨岸缓冲带土地利用变化及生态系统服务价值[J]. 生态学报, 2022, 42(22): 9261-9273. Wei J H, Wen Y L, Gong Z J, et al. Land use changes and ecosystem service value in the buffer zone of Poyang Lake in recent 30 years[J]. Acta Ecologica Sinica, 2022, 42(22): 9261-9273. |
| [25] |
王玲, 汪淼. 成渝城市群景观生态风险演变分析[J]. 长江流域资源与环境, 2023, 32(3): 626-637. Wang L, Wang M. Chengdu-Chongqing urban landscape ecological risk evolution analysis[J]. Resources and Environment in the Yangtze Basin, 2023, 32(3): 626-637. |
| [26] |
高彬嫔, 李琛, 吴映梅, 等. 川滇生态屏障区景观生态风险评价及影响因素[J]. 应用生态学报, 2021, 32(5): 1603-1613. Gao B P, Li C, Wu Y M, et al. Landscape ecological risk assessment and influencing factors in ecological conservation area in Sichuan-Yunnan provinces, China[J]. Chinese Journal of Applied Ecology, 2021, 32(5): 1603-1613. |
| [27] | Ju H R, Niu C Y, Zhang S R, et al. Spatiotemporal patterns and modifiable areal unit problems of the landscape ecological risk in coastal areas: a case study of the Shandong Peninsula, China[J]. Journal of Cleaner Production, 2021, 310. DOI:10.1016/j.jclepro.2021.127522 |
| [28] | Li C K, Chen J H, Liao M G, et al. Ecological risk assessment of Shan Xin Mining Area based on remote sensing and geography information system technology[J]. Journal of Geographic Information System, 2018, 10(2): 234-246. DOI:10.4236/jgis.2018.102012 |
| [29] | Mo W B, Wang Y, Zhang Y X, et al. Impacts of road network expansion on landscape ecological risk in a megacity, China: a case study of Beijing[J]. Science of the Total Environment, 2017, 574: 1000-1011. DOI:10.1016/j.scitotenv.2016.09.048 |
| [30] |
谢小平, 陈芝聪, 王芳, 等. 基于景观格局的太湖流域生态风险评估[J]. 应用生态学报, 2017, 28(10): 3369-3377. Xie X P, Chen Z C, Wang F, et al. Ecological risk assessment of Taihu Lake Basin based on landscape pattern[J]. Chinese Journal of Applied Ecology, 2017, 28(10): 3369-3377. |
| [31] | Zhao T, Pan J H, Bi F. Can human activities enhance the trade-off intensity of ecosystem services in arid inland river basins? Taking the Taolai River asin as an example[J]. Science of the Total Environment, 2023, 861. DOI:10.1016/j.scitotenv.2022.160662 |
| [32] | Ding M M, Liu W, Xiao L, et al. Construction and optimization strategy of ecological security pattern in a rapidly urbanizing region: a case study in central-South China[J]. Ecological Indicators, 2022, 136. DOI:10.1016/j.ecolind.2022.108604 |
| [33] |
崔秀萍, 郭永新. 近40a西部城市群土地利用结构时空动态演化分析[J]. 干旱区资源与环境, 2022, 36(2): 16-24. Cui X P, Guo Y X. Analysis on the spatio-temporal dynamic evolution of land use structure of western urban agglomerations in the past 40 years[J]. Journal of Arid Land Resources and Environment, 2022, 36(2): 16-24. |
| [34] |
罗君, 石培基, 张学斌. 兰西城市群人口分布格局及其与地形要素的关系[J]. 经济地理, 2020, 40(6): 106-115. Luo J, Shi P J, Zhang X B. Relationship between topographic factors and population distribution in Lanzhou-Xining urban agglomeration[J]. Economic Geography, 2020, 40(6): 106-115. |
| [35] |
王航, 秦奋, 朱筠, 等. 土地利用及景观格局演变对生态系统服务价值的影响[J]. 生态学报, 2017, 37(4): 1286-1296. Wang H, Qin F, Zhu J, et al. The effects of land use structure and landscape pattern change on ecosystem service values[J]. Acta Ecologica Sinica, 2017, 37(4): 1286-1296. |
| [36] |
李帅呈, 龚健, 杨建新, 等. 兰西城市群土地利用/覆被变化模式特征——基于强度分析框架[J]. 资源科学, 2023, 45(3): 480-493. Li S C, Gong J, Yang J X, et al. Characteristics of LUCC patterns of the Lanzhou-Xining Urban Agglomeration: based on an intensity analysis framework[J]. Resources Science, 2023, 45(3): 480-493. |
| [37] |
李再艳, 石培基. 兰州-西宁城市群城乡建设用地开发强度空间格局变化及影响因素分析[J]. 生态与农村环境学报, 2020, 36(4): 450-458. Li Z Y, Shi P J. Spatial pattern changes and influencing factors of urban-rural construction land development intensity in the Lanzhou-Xining Urban Agglomeration[J]. Journal of Ecology and Rural Environment, 2020, 36(4): 450-458. |
| [38] |
秦艳丽, 时鹏, 何文虹, 等. 西安市城市化对景观格局及生态系统服务价值的影响[J]. 生态学报, 2020, 40(22): 8239-8250. Qin Y L, Shi P, He W H, et al. Influence of urbanization on landscape pattern and ecosystem service value in Xi'an City[J]. Acta Ecologica Sinica, 2020, 40(22): 8239-8250. |
| [39] |
陆大道. "未来地球"框架文件与中国地理科学的发展——从"未来地球"框架文件看黄秉维先生论断的前瞻性[J]. 地理学报, 2014, 69(8): 1043-1051. Lu D D. The framework document of "Future Earth" and the development of Chinese geographical science: the foresight of Academician HUANG Bingwei's statement[J]. Acta Geographica Sinica, 2014, 69(8): 1043-1051. |
| [40] |
杨晓帆, 蔡海生, 张学玲, 等. 大南昌都市圈生态系统服务价值时空演变及其驱动因素[J/OL]. 生态学杂志, 2023, http://kns.cnki.net/kcms/detail/21.1148Q.20230606.1534.008.html, 2023-06-07. Yang X F, Cai H S, Zhang X L, et al. Spatial-temporal evolution of ecosystem service value and its driving factors in the Great Nanchang Metropolitan Area[J/OL]. Chinese Journal of Ecology, 2023, http://kns.cnki.net/kcms/detail/21.1148.Q.20230606.1534.008.html, 2023-06-07. |
| [41] |
邵全琴, 刘树超, 宁佳, 等. 2000—2019年中国重大生态工程生态效益遥感评估[J]. 地理学报, 2022, 77(9): 2133-2153. Shao Q Q, Liu S C, Ning J, et al. Assessment of ecological benefits of key national ecological projects in China in 2000-2019 using remote sensing[J]. Acta Geographica Sinica, 2022, 77(9): 2133-2153. |
| [42] | Tong H L, Shi P J. Using ecosystem service supply and ecosystem sensitivity to identify landscape ecology security patterns in the Lanzhou-Xining urban agglomeration, China[J]. Journal of Mountain Science, 2020, 17(11): 2758-2773. |
| [43] | Shen W, Li Y, Qin Y C, et al. Influencing mechanism of climate and human activities on ecosystem health in the middle reaches of the Yellow River of China[J]. Ecological Indicators, 2023, 150. DOI:10.1016/j.ecolind.2023.110191 |
| [44] | Li F F, Lu H L, Wang G Q, et al. Zoning of precipitation regimes on the Qinghai-Tibet Plateau and its surrounding areas responded by the vegetation distribution[J]. Science of the Total Environment, 2022, 838. DOI:10.1016/j.scitotenv.2022.155844 |
| [45] |
张森琦, 吴海东, 张杨, 等. 青海省贵德县热水泉干热岩体地质-地热地质特征[J]. 地质学报, 2020, 94(5): 1591-1605. Zhang S Q, Wu H D, Zhang Y, et al. Characteristics of regional and geothermal geology of the Reshuiquan HDR in Guide County, Qinghai Province[J]. Acta Geologica Sinica, 2020, 94(5): 1591-1605. |
| [46] | Guo Z C, Xie Y W, Guo H, et al. Do the ecosystems of Gansu province in western China's crucial ecological security barrier remain vulnerable? Evidence from remote sensing based on geospatial analysis[J]. Journal of Cleaner Production, 2023, 402. DOI:10.1016/j.jclepro.2023.136740 |