2024, Vol. 45
生态系统服务是指生态系统与生态过程中所形成以及维持人类赖以生存的自然环境条件与效用, 是人类直接或间接从生态系统得到的所有惠益[1].生态系统服务在形成和发展过程中受到自身复杂多样性、社会经济发展和人类选择偏好等因素的影响；各项生态系统服务彼此之间存在复杂的相互作用关系, 具体表现为此消彼长的权衡关系或相互增益的协同关系[2].近年来, 随着城镇化进程的加快, 人类社会对自然生态系统的过度开发已造成了不可逆的破坏, 引发生态系统功能或服务的急剧退化[3].城镇化伴随的土地利用变化、水资源压力、生物多样性丧失等问题, 对区域水文循环、生物多样性、水土保持等方面产生了巨大的影响. 因此, 亟需开展快速城镇化背景下的生态系统服务时空演变特征及其相互作用关系研究, 为实现区域生态保护和高质量发展提供科学依据[4].
国外从20世纪70年代起围绕生态系统服务展开研究, 主要包括生态系统服务功能[5]、价值评估[6]、时空演变[7]、权衡协同关系[8]以及驱动力分析[9]等方面；而国内的相关研究主要在Costanza等[1]全球尺度生态系统服务价值评估的引领下快速发展. 国内外关于生态系统服务量化研究主要从价值量和物质量两方面着手. 价值量评估法是从经济价值的角度对生态系统功能服务的供给量进行测算[10, 11], 其中谢高地等[10, 11]基于Costanza等[1]改进的当量因子法被广泛运用[12 ~ 14].然而, 由于价值量评价指标构建和指标权重赋值存在一定的片面性和主观性, 使得生态系统服务评估的有效性和可行性有待商榷. 随着GIS和遥感技术的进步, 以物质量评估为主的生态系统评估模型逐渐发展, 主要包括ARIES模型[15], SolVES模型[16]和InVEST模型[17].其中, InVEST模型是目前国内外发展最为成熟的评价模型, 因其可操作性、适用性、空间分布制图及动态可视化等优点[17 ~ 19], 在现阶段的生态系统服务定量评估中得到广泛应用[20, 21].目前, 已有众多学者实际应用InVEST模型对黄河流域大中尺度的生态系统服务进行了量化评估, 如Liu等[22]采用InVEST模型对2000~2020年黄河流域不同空间尺度下的生境质量、碳储量、土壤保持和产水等服务进行了评估；朱春霞等[23]利用InVEST模型分析了黄河流域1990~2019年产水、净水、碳储、土壤保持和生境支持服务的时空格局. 众多研究成果反映出了InVEST模型在黄河流域的普适性. 然而, 对于黄河流域小尺度地区长时间序列的生态系统服务的量化研究相对较少, 尤其是快速城镇化背景下的黄河下游地区.
当前国内外对于生态系统服务权衡与协同的测度主要依赖于统计分析法（相关性分析、多元回归分析、主成分分析法等）[24]、空间统计制图法[25]和多情景模拟法[26].目前已有较多学者利用Pearson和Spearman等常见的统计分析法, 通过观察两种生态系统服务之间相关系数的正负以及数值大小, 探讨黄河流域权衡协同的方向以及程度. 例如, 杨洁等[27]采用Spearman相关性判断了黄河流域及其子流域中5项生态系统服务间的权衡关系；Geng等[28]利用Pearson相关系数分析了黄河流域生态系统服务间的权衡协同效应以及不同影响因素与生态系统服务之间的关系. 然而, 单用传统的统计分析法难以展现出权衡协同关系在空间异质性. 因此采用统计分析法与空间制图法相结合的方法, 基于空间地图数据及ArcGIS等软件平台, 在像元尺度上对生态系统服务之间的相互关系进行制图与评估[29], 能够弥补传统统计分析法的不足, 有助于区域不同尺度长时间序列的生态系统服务相互关系的研究[30].
黄河下游地区是我国现代化建设的重点区域, 也是实现黄河流域生态环境保护与高质量发展目标的前沿地区. 伴随着快速的城市化进程, 该区域的土地利用结构与景观格局发生了显著改变, 使得本就脆弱的生态环境雪上加霜, 引发生态退化、水土流失和农业污染等一系列的生态环境问题[31].面对当前严峻的生态保护形势与流域高质量发展战略需求, 急需对快速城镇化背景下的黄河下游地区生态系统服务时空演变特征及它们之间的权衡协同关系进行深入研究. 对此, 研究基于ArcGIS和MATLAB软件, 运用InVEST和RUSLE模型对快速城镇化的黄河下游地区1990年、2000年、2010年和2020年的产水量、生境质量及土壤保持服务进行定量化评估, 并通过制图可视化展示其时空格局的变化特征, 揭示各项生态系统服务之间的权衡协同关系, 以期为研究区未来的国土空间规划和生态系统管理提供科学依据.
1 材料与方法 1.1 研究区概况研究参照左其亭等[32]对黄河流域多尺度区域界定及其应用的研究成果, 考虑到沿黄生态建设国家战略目标和黄河流域涉及区的地级市行政区划的完整性, 研究区范围覆盖了河南和山东两省的16个地级市, 总面积约12.2万km2（图 1）.黄河下游河段以滩地为主, 土壤深厚肥沃, 自然资源丰富, 是重要的粮食生产区, 也是国家生态安全的关键组成部分. 黄河下游地区属温带大陆性季风气候, 地形以平原为主, 其次为山地和丘陵, 海拔范围-23~1 680 m.黄河下游地貌独特的“地上河”, 导致历史上频繁发生河堤溃破和河水泛滥等现象, 土地退化、土壤盐碱化、水系污染、排水不畅等各种问题层出不穷. 与此同时, 人类不合理的开发利用也加剧了黄河下游地区生态系统的脆弱性和不稳定性. 黄河下游地区在如今快速城镇化的背景下, 人地矛盾突出, 如建设用地扩张、耕地侵占、水资源缺乏以及土地需求多样化等问题, 对生态安全构成了严峻的挑战. 因此, 在黄河下游地区开展生态系统服务时空演变及其相互作用关系的研究, 对于实现区域生态环境保护与高质量发展至关重要.
|
图 1 研究区概况示意 Fig. 1 Study area |
研究数据主要包括1990年、2000年、2010年和2020年4个时期的土地利用数据、DEM数据、年降水量数据、潜在蒸散发数据、根系限制层数据和土壤质地类型数据, 数据来源与应用详见表 1.土地利用数据来源于中国科学院资源环境科学与数据中心（https://www.resdc.cn/）, 研究按照中国科学院LUCC一级分类体系, 借助ArcGIS 10.8平台, 将其重分类为耕地、林地、草地、建设用地、水域和未利用地6类.DEM数据经过ArcGIS水文工具的“填洼”、“流向”和“水流长度”等空间处理与运算, 并使用栅格计算器计算土壤保持量的坡长和坡度因子. 年降水量数据与潜在蒸散发数据经过ArcGIS工具进行格式转换, 并统一量纲为mm；土壤质地类型数据来源于世界土壤数据库（Harmonized World Soil Database version 1.2, HWSD）, 根据砂粒、粉粒、黏粒和有机碳含量, 计算并获取植物有效含水量与土壤可蚀性因子. 利用ArcGIS10.8对以上所有地理信息空间数据按照研究区范围进行掩膜提取以统一空间范围, 以1 km×1 km格网进行重采样以统一空间分辨率, 并转换为Krasovsky_1940_Albers投影坐标系以统一空间参考.
|
表 1 数据来源与应用 Table 1 Data sources and application |
1.3 研究方法 1.3.1 产水量
运用InVEST模型[19]中的Annual Water Yield模块量化1990~2020年研究区的产水量, 基本原理如下：
|
(1) |
|
(2) |
|
(3) |
式中, WY（x）为年产水量（mm）；ET（x）为年实际蒸散发量（mm）；PRE（x）为年降水量（mm）；PET0（x）为潜在蒸散量；Cet（x）为作物蒸散发系数；Rct（x）为参考作物蒸散量.
植物有效含水量根据HWSD土壤质地类型数据和周文佐[34]的PAWC公式计算得出, 公式如下：
|
(4) |
|
(5) |
式中, PAWC为植物可利用含水量；Sand、Silt和Clay分别为土壤中砂粒、粉粒和黏粒的含量（%）；Om为土壤有机质含量；Oc为有机碳含量, Om=1.724Oc. E（x）为经验参数；Z为Zhang系数, 被称为“季节性因子”, 是用来考虑季节性变化对产水量的影响的一个调整和经验参数, 参考杨洁等[35]基于InVEST模型的黄河流域产水量多次运行结果, 根据实际情况确定Z值为3.6.
1.3.2 土壤保持土壤保持量根据修订通用土壤流失方程RUSLE[36]进行估算, 具体计算公式如下：
|
(6) |
|
(7) |
式中, A为年均土壤侵蚀量；R为降雨侵蚀力因子；K为土壤可蚀性因子；L和S为地形（坡长和坡度）因子；C为植被覆盖与管理因子；P为水保措施因子；Ac为土壤保持量. 由于潜在土壤侵蚀量Ap没有考虑植被和水保措施, 其P和C对应取值为1.
降水侵蚀力因子R和土壤可蚀性因子K分别采用章文波等[37]提出的降水量算法和饶良懿等[38]EPIC模型中的算法来计算, 具体公式为：
|
(8) |
|
(9) |
式中, Pi为年均降水量（mm）；Sand、Silt、Clay和Oc分别为不同质地类型土壤的含量（砂粒、粉粒、黏粒和有机碳, %）.
|
(10) |
|
(11) |
式中, L为坡长因子；λ为水平投影坡长（m）；l为地表水流长度；α为水流地区的坡度值；m为坡度指数.
S因子和C因子计算公式如下[39]：
|
(12) |
|
(13) |
|
(14) |
式中, S为坡度因子（无量纲）；θ为坡度（°）；f为植被覆盖度；C为植被覆盖与管理因子, C值越大说明侵蚀越严重.
水土保持措施因子P基于GIS提取法根据土地利用类型赋值, 结合文献[40, 41], 综合赋值如表 2.
|
|
表 2 各土地利用类型的P值 Table 2 The P-values of different land use types |
1.3.3 生境质量
运用InVEST模型中Habitat Quality模块量化生境质量服务, 公式如下：
|
(15) |
式中, Qxl为生境质量；Dxl为生境退化度；Hl为生境适宜度；K为半饱和参量
基于研究区土地利用分布的实际情况, 研究选取了耕地、建设用地和未利用地这3种土地利用类型作为威胁因子, 参考InVEST模型的用户指南中推荐的参考值和前人研究成果[42 ~ 45], 并在考虑黄河下游实际情况的基础上结合专家打分法, 确定了威胁源的影响距离及其权重（表 3）和生境质量适宜度及其对各种威胁源的相对敏感度（表 4）的相关参数.
|
|
表 3 各威胁源的影响距离及其权重 Table 3 Maximum influence distance and weight of each threat source |
|
|
表 4 生境适宜度及其对各威胁源的相对敏感度 Table 4 Habitat suitability and relative sensitivity to each threat source |
1.3.4 权衡协同分析
基于MATLAB对3种生态系统服务分别进行两两之间的相关性分析, 输出结果反映的是生态系统服务之间相互作用的方向和程度. 公式如下：
|
(16) |
式中, rxy为两种生态服务的相关性, rxy为正值时, 表示两者之间为协同关系；rxy为负值时, 则表示这两种生态系统服务为权衡关系.rxy越趋近于-1, 其负相关程度越高, rxy越趋近于1, 其正相关程度越高. n为研究单元数量, xi和yi为在i研究单元上的值, x和y为其相对应的平均值.
2 结果与分析 2.1 土地利用类型时空动态变化1990~2020年黄河下游地区的耕地、林地和草地面积总体呈现减少的趋势（图 2）.耕地面积在各年份中远超其他土地利用类型, 占土地利用总面积的66%以上；30 a间累计减少3 513.32 km2, 降幅为4.12%.林地面积变化较小；2000~2010年草地面积呈现出较为明显的减少趋势. 与之相反, 水域和建设用地面积则呈逐年增加的趋势, 2000~2010年增长最为显著. 具体来说, 1990~2020年, 水域面积累计增加1 754.87 km2增幅为36.36%；建设用地面积累计增加6 567.09 km2, 增幅为39.89%, 显示出较快的城镇化现象. 未利用地面积在各年份中始终占比最小, 但变动幅度最大, 呈现先快后慢的减少趋势.1990~2020年未利用地总体降幅达到了85.21%, 2000~2010年未利用地面积骤减1 326.08 km2, 降幅为74.64%, 主要是由于快速的经济发展和城镇化进程, 导致土地需求大幅增加, 未利用地被用于城市和工业用地的建设和开发. 同时, 政府实施的政策和规划措施也起到了推动作用. 鼓励土地资源集约利用和生态保护区域建设, 减少了土地的闲置和浪费, 从而减少了未利用地面积；2010~2020年面积减小趋势有所放缓, 主要是因为在前期的城市化进程中, 大部分易开发的土地已经被利用, 剩余的未利用地面积相对较少. 总之, 除水域和建设用地面积呈现总体增长的趋势外, 耕地、林地、草地以及未利用地面积均呈现总体减少的趋势.
|
图 2 黄河下游地区土地利用类型面积变化 Fig. 2 Change of land use type area in the lower Yellow River Region |
黄河下游地区1990~2020年土地利用类型变化具有空间异质性和分布不均的特点（图 3）.耕地广泛分布于平原地区；建设用地随着城镇化进程的加快而逐年增加, 呈现向外扩散的趋势；1990年建设用地主要散布在研究区的东北部和西南部, 2000~2010年建设用地在上一个10 a的基础上, 向东部山区的北面和西南山区的南部扩散；2020年建设用地呈现相对均匀的点状分布. 30 a间草地和林地的空间分布格局大致相同, 主要分布在研究区的东部和西南部地势较高的山地和丘陵地区. 水域主要包括黄河下游地区的北部和东南部小范围地区以及流经研究区的黄河河流；1990年未利用地主要分布在研究区的北部和东南部极小范围的地区, 而后逐渐被水域所覆盖.
|
图 3 1990~2020年黄河下游地区土地利用类型 Fig. 3 Land use types in the lower Yellow River Region from 1990 to 2020 |
1990~2020年黄河下游地区产水量的最高值呈现“V”型的先减后增的阶段性动态变化趋势[图 4（a）]；1990~2010年累计下降248.5 mm, 降幅为30.35%；而2010~2020年产水量骤增至824.56 mm, 增幅为44.6%. 1990~2010年产水量平均值由325.41 mm下降至198.19 mm, 降幅为39.1%；2020年又略微回升至199.83 mm.黄河下游地区的产水量呈现逐渐减弱并趋于平缓的总体趋势.
|
图 4 1990~2020年黄河下游地区产水量及土壤保持的最高值和平均值 Fig. 4 Maximum and average values of water yield and soil conservation in the lower Yellow River Region from 1990 to 2020 |
格网尺度下, 黄河下游地区30 a间产水服务增益和减损呈现出显著的空间格局差异[图 5（a）].1990年高产水量区域主要分布在东部地区, 而低产水量区域则主要分布在西南部, 整体上自西南向东逐渐增加；对比1990年, 2000年的产水量空间分布特征则呈现相反的趋势, 产水量西南部地区较高, 而北部和东部较低, 大致从东北向西南逐渐增加. 而2000年产水服务的空间分布出现较为明显的偏移, 可能是由于降水这一直接因素的影响, 降水量的不确定性会导致产水服务容易出现不确定性和不稳定性.2010年产水量低值区域主要分布在西南部地区, 而高值同其他3期相比没有明显的聚集性, 呈点状不均匀分布, 产水量整体上东高于西；2020年的产水量整体上呈现“东多西少”的空间格局, 高值主要集中分布在东部和东南部, 低值分布范围较广且主要分布在北部、西部和西南部.
|
（a）格网尺度，（b）县域尺度 图 5 1990~2020年黄河下游地区格网尺度及县域尺度产水量 Fig. 5 Water yield at the grid scale and county scale in the lower Yellow River Region from 1990 to 2020 |
县域尺度下不同区县的产水能力差异如图 5（b）所示, 与格网尺度“东多西少”的空间分布格局相似.1990年, 高值区分布在研究区东部, 主要包括：新泰市、张店区、泗水县、沂源县、钢城区、曲阜市、兖州区和邹城市；低值区则主要分布在西南部, 主要包括：中站区、修武县、沁阳市和博爱县.2000年尉氏县、新郑市、管城回族区、通许县和杞县为主要的高值区县, 分布研究区的西南部；垦利区、河口区、无棣县、沾化区、利津县和东营区为主要的低值区县, 分布在研究区东北部. 相比其他3期的数据, 2010年的平均产水量整体上偏低, 高值区主要包括管城回族区、历下区、张店区、杞县和通许县, 低值区主要包括林州市、中站区、修武县、鹤山区和微山县；2020年, 高值区主要分布在东部和东南部的新泰市、单县、杞县、泰山区和泗水县, 低值区主要分布在西南部的淇县、林州市、鹤山区、龙安区和淇滨区.1990~2020年, 管城回族区、张店区、杞县和通许县的平均产水量在多个年份中保持较高水平, 而中站区、修武县、鹤山区和林州市的平均产水量则处于较低水平.
2.2.2 土壤保持的时空变化1990~2020年黄河下游地区土壤保持量最高值和平均值均呈先减后增的趋势, 最高值呈现较明显的“U”型曲线[图 4（b）].其中, 1990~2010年土壤保持量呈明显的下降趋势, 从91 574.02 t·hm-2降至62 127.52 t·hm-2, 降幅达到32%；2010~2020年则呈现显著的上升趋势, 从62 127.52 t·hm-2增至92 497.77 t·hm-2, 增幅达到48.88%；2020年的土壤保持量达到研究时段的最大值. 土壤保持量的平均值在1990~2010年期间下降了598.14 t·hm-2, 降幅为33%；至2020年略微回升了147.26 t·hm-2, 但相比1990年仍下降了25%.总体而言, 1990~2020年黄河下游地区平均土壤保持量呈下降趋势. 格网尺度下, 30 a间黄河下游地区土壤保持量的空间分布格局大致相同, 整体上呈现出“东西高, 南北低”的分布格局[图 6（a）].高值区域主要分布在地势较高的丘陵或山区, 草地和林地分布范围较广, 植被茂盛, 水土不易流失, 土壤保持功能较好；而低值区域主要分布在地形相对平坦的平原地区, 水土流失的风险较大, 因此土壤保持量相对较低.1990~2020年的高值区总体略微减少, 低值区略微增多, 总体而言并未呈现明显的变化.
|
（a）格网尺度, （b）县域尺度 图 6 1990~2020年黄河下游地区格网尺度及县域尺度土壤保持量 Fig. 6 Soil conservation at the grid scale and county scale in the lower Yellow River Region from 1990 to 2020 |
县域尺度下的平均土壤保持量空间分布特征与格网尺度的分布规律较为一致. 地势较高的区域往往具有较高的土壤保持量, 而地势较低区域的土壤保持量则较低[图 6（b）]. 1990年、2010年和2020年的平均土壤保持量高值区域和低值区域存在一定的稳定性, 分布格局基本保持一致. 高值区主要包括泰山区、钢城区、莱芜区、历城区和岱岳区, 而低值区主要包括北关区、文峰区、殷都区和南乐县. 然而, 也有少部分区域在不同年份的分区统计中发生了明显变化, 辉县市、林州市和中站区除了在2000年被归类为高值区, 其他年份并未被分类为高值区域. 另外, 2000年的低值区主要包括河口区、垦利区、无棣县、广饶县、东营区、沾化区、利津县和北关区.
2.2.3 生境质量的时空变化格网尺度下, 1990~2020年黄河下游地区生境质量总体变化较小, 北部和东南部的小范围区域的生境质量有所提升, 而西南部流经郑州市的黄河干流段则有所降低. 高值区主要分布在研究区的东部和西南部地势较高的丘陵和山区, 以及东北部和东南部小范围的水域, 生境质量较好, 并未出现明显的变化[图 7（a）].通常土地利用类型对生境质量的影响较大；丘陵和山区受人类活动的影响相对较小, 以林地和草地为主, 土地植被覆盖率较高；东北部的水域位于黄河入海口的自然保护区, 加之湿地生态的生物多样性保护政策, 因此生境质量相对较高. 平原地区生境质量较低的主要原因是耕地和建设用地的广泛分布. 在不同年份, 研究区耕地面积均占据了66%以上的比例, 建设用地面积位居第二, 因此, 研究区中部广阔的平原地区生境质量较低.
|
图 7 1990~2020年黄河下游地区格网尺度和县域尺度生境质量 Fig. 7 Habitat quality at the grid scale and county scale in the lower Yellow River Region from 1990 to 2020 |
在县域尺度下, 生境质量平均分值的空间分布特征与格网尺度的分布规律相似, 水域和地势较高区县的平均分值较高[图 7（b）]. 1990~2020年, 微山县、博山区、沂源县、林州市、修武县、淄川区和中站区一直被归类为高值区, 生境质量较好；而殷都区、中原区、卫滨区、牧野区、二七区和北关区则一直被归类为低值区, 生境质量较差. 30 a间被归类为高值区的区县没有显著变化, 但高值区中部分区县的分值有所降低, 较为明显的是研究区西南部的林州市和修武县, 以及东部的淄川区和沂源县；低值区县逐渐增多, 2000~2020年, 管城回族区、文峰区、金水区、顺河回族区和鼓楼区为低值区, 2010~2020年又新增张店区、金水区、红旗区和华龙区.
2.3 权衡与协同关系分析使用MATLAB语言探究3种生态系统服务之间的相关性, 相关系数的显著性（α = 0.05）, 相关系数取值范围在[-1, 1].当相关性结果为正值时, 表示这两种生态系统服务功能具有协同关系, 即它们在研究期间呈现相似的增益或减损趋势；相反, 当相关性结果为负值时, 则表示这两种生态系统服务功能存在权衡关系. 相关系数分为7类, 0为不相关, （0, 0.3）为弱正相关（弱协同）, [0.3, 0.6）为中等正相关（中协同）, [0.6, 1]为强相关（强协同）, 相反, （-0.3, 0）为弱负相关（弱权衡）, [-0.3, 0.6）为中等负相关（中权衡）, [-0.6, -1]为强负相关（强权衡）, 时空尺度的相关性结果如表 5和图 8所示.
|
|
表 5 各年份黄河下游地区生态系统服务关系1） Table 5 Ecosystem service relationships in the lower Yellow River Region in different years |
|
图 8 1990~2020年黄河下游地区格网尺度和县域尺度的权衡与协同关系 Fig. 8 Tradeoff and synergy between grid scale and county scale in the lower Yellow River Region from 1990 to 2020 |
表 5展示出生态系统服务关系在不同时间段的变化和相互作用情况. 1990~2020年, 产水与生境质量、生境质量与土壤保持以及产水与土壤保持之间都存在一定程度的正相关关系. 其中, 产水与生境质量之间的相关性较弱, 呈现弱协同关系, 且随着时间的推移逐渐减弱；生境质量与土壤保持之间为中协同关系且逐渐减弱, 但总体上相对稳定；产水与土壤保持之间的相关性最为显著, 呈现出较强的正相关关系, 存在轻微的波动.
1990~2020年, 3种生态系统服务之间的权衡协同关系在格网尺度上呈现出空间异质性. 生态系统服务之间呈现出协同关系的主导地位, 权衡关系较少[图 8（a）和图 9].研究区内的产水量与生境质量之间的关系以协同关系为主, 协同关系面积比例占总面积的58.79%；其中, 强协同关系占比为27.77%, 中协同关系占比18.9%, 弱协同关系占比12.11%, 主要分布在黄河下游地区的西部、西南部和中部；中部地区为显著的强协同关系, 北部小范围区域为显著的弱权衡关系, 东南部极小部分区域存在强权衡关系；另外, 13.62%的地区为无关系. 生境质量与土壤保持之间大部分区域也主要呈现协同关系, 协同关系占比67%, 其分布范围与产水和生境质量的协同关系分布范围相似, 中部地区同样表现出显著的强协同关系；与产水和生境之间的关系相比, 生境质量与土壤保持之间的强权衡关系所占面积比例有所减少, 从9.58%减至4.46%.北部、东部、南部有小部分区域存在弱权衡关系, 占比8.89%；无相关性不均匀地零星分布在研究区内以及东南部小范围区域, 占比14.39%.产水与土壤保持显著的强协同关系占总面积的89.56%, 协同关系共计占比92.55%, 仅有北部的小范围地区为显著的弱权衡关系, 占比2.19%；东南部小范围区域和黄河干流的部分地区表现出无相关性, 所占面积比例为4.60%.总而言之, 研究区内的生态系统服务主要表现为协同关系, 权衡关系较少；协同关系分别在产水与生境质量、生境质量与土壤保持以及产水与土壤保持之间占比为58.79%、67%和92.55%, 相反, 权衡关系分别在产水与生境质量、生境质量与土壤保持以及产水与土壤保持之间占比为27.59%、18.16%和2.85%.
|
图 9 权衡与协同关系分类统计 Fig. 9 Tradeoff and synergy relationship classification statistics |
县域尺度[图 8（b）]较格网尺度的生态系统服务相互关系的分类等级更加清晰. 产水与土壤保持之间各区县呈现出显著的强协同关系, 其中汤阴县、滑县、龙安区、淇县和浚县等相互关系最为强烈. 产水与生境质量之间强协同关系分布在研究区西南部的濮阳县、滑县、清丰县、浚县、台前县、内黄县、汤阴县、安阳县、淇县、南乐县、延津县和范县, 东南部的微山县和槐荫区为显著的强权衡关系, 弱权衡关系主要分布在东部、北部和西南部的27个区县, 其中东营区、垦利区、河口区、无棣县和利津县较为显著. 生境质量和土壤保持之间, 强协同关系主要包括濮阳县、清丰县、滑县、定陶区、台前县、二七区、浚县、牡丹区、鄄城县和安阳县等24个区县, 弱权衡关系主要覆盖杞县、河口区、顺河回族区、垦利区、卫滨区、微山县和新泰市.
3 讨论本研究基于ArcGIS和MATLAB, 结合InVEST和RUSLE模型对黄河下游地区1990年、2000年、2010年和2020年的产水量、生境质量以及土壤保持进行定量化评估, 分析其时空格局的演变特征及各项生态系统服务之间的权衡协同关系. 黄河下游地区在1990~2020年期间经历了快速的城镇化过程, 建设用地面积急剧增加（39.89%）, 同时未利用地面积大幅度减少（-85.21%）, 这与已有的相关研究结果基本一致[46], 充分显示出城镇化进程已导致土地利用类型发生了明显的时空演变. 然而, 快速的城镇化对黄河下游地区的生态系统功能、状况和相互关系也会产生影响, 土地利用变化是生态系统服务变化的主要驱动因素之一[47].因此, 研究快速城镇化背景下黄河下游地区的生态系统服务, 并深入探讨其多层次的相互作用和复杂的生态过程, 具有迫切性和必要性.
本研究结果表明黄河下游地区的产水量逐渐减弱. 而黄河下游地区产水量减弱主要与降水量以及退耕还林还草等植被恢复政策密切相关, 这与已有相关研究结果一致[48 ~ 50].产水量深度随着降水量的增减而有所变动[51], 而黄河下游近70 a降水量呈减少的趋势[48], 同时植被覆盖率的提高增强了对降水的截留拦蓄和蒸腾作用[52], 导致了产水量的减少. 植被覆盖在缓解土壤流失问题方面同样发挥着重要作用[50], 地势较高的山区或丘陵, 植被覆盖率较高, 植物叶片拦截作用减少了降水对土壤的冲刷和侵蚀, 加之植物根系的生长能够固定土壤, 水土不易流失, 土壤保持功能较好；而快速城镇化地区, 建设用地扩张加剧了对平原地区耕地和生态用地的侵占, 植被覆盖减少, 土壤易被侵蚀和冲刷, 土壤保持量较低. 30 a间生境质量大体上保持相对稳定的分布格局, 这与王芳等[53]研究结果一致. 此外, 生境质量受到土地利用的显著影响[45].林地和草地等生态用地广布是地势较高的丘陵或山区生境质量较好的主要原因, 而耕地是平原地区生境质量的主要威胁源, 耕地在4个时期的占比均超过了66%.因此, 在地势较高的丘陵或山区, 植被覆盖率高, 生物多样性丰富, 且受人类活动影响较小, 生境质量较好；而在地形平坦的平原地区, 人类社会经济活动频繁, 工业污染和农业活动较为密集, 生态环境退化, 加之建设用地持续扩张, 导致生境质量较低.
研究采用InVEST和RUSLE模型对于黄河下游地区的多种生态系统服务进行量化评估, 并参考以往相关研究[42 ~ 45, 53 ~ 56]对模型参数进行校准. 但由于存在区域差异, 加上数据来源、早期年份数据缺失和空间分辨率较低等问题, 其估算效果存在一定误差. 如使用InVEST模型评估生境质量时, 相关参数的选取受到人的主观性影响较大, 大大增加了评估结果的不确定性. 未来研究可以尝试其他模型或方法进行验证和比较, 提高生境质量评估的可靠性和准确性. 此外, 本研究仅对产水量、生境质量和土壤保持这3项生态系统服务进行评估量化与权衡协同关系分析, 研究尚不够全面, 后续研究可以进一步考虑纳入更多的生态系统服务, 以完善研究. 其次, 研究运用MATLAB软件结合ArcGIS 10.8进行长时间序列逐像元相关分析和县域尺度相关分析, 刻画了3项生态系统服务之间的权衡与协同关系, 结果表明生态系统服务之间的权衡与协同关系存在尺度效应. 这主要是由于在县域尺度采用平均值对各项生态系统服务进行分区统计, 造成栅格尺度上部分区域的权衡关系可能在县域尺度上被忽略不计. 如在产水与土壤保持之间在研究区北部存在小范围的弱权衡关系, 而分区统计到县域尺度上则被忽略不计归为强协同关系.
基于研究结果, 为快速城镇化进程下的黄河下游地区生态保护和流域治理提供以下相关建议：①加强黄河下游地区建设用地的规划和监管, 减少对耕地、林地和草地的侵占；优化土地城镇化空间布局和形态, 确保区域生态保护与高质量发展.②针对产水量高值区如管城回族区、张店区和杞县等, 采取防护林网、植被恢复和土壤保持措施, 提高土地覆被和土壤的水源涵养能力, 减少地表径流的同时增加土壤抗侵蚀和冲刷能力, 以降低水土流失的风险.③加强对东西部丘陵和山区生态保护与恢复, 特别是太行山与华北平原过渡地带的北关区、文峰区和殷都区等土壤保持量低值区, 需要注重植被的恢复和生态环境的改善, 缓解土壤侵蚀和减少水土流失, 提高土壤保持能力；同时注重位于东部山区的泰山区、钢城区和莱芜区等土壤保持量高值区的稳固提升.④针对殷都区、中原区和卫滨区等生境质量较差的区县, 采取植被恢复、水土保持工程、生物多样性保护和污染治理等方面的措施以改善生境质量, 同时加强建设用地管理, 优先选择非敏感生态功能区进行城市建设, 确保生态环境的可持续性.⑤根据权衡协同关系的空间异质性, 制定差异化的政策和措施. 例如, 针对产水与生境质量之间显著权衡关系的区县如东南部的微山县和槐荫区, 应落实生态保护红线, 实施退湖还林还草工程, 加大生态修复与整治力度, 在确保水源涵养能力的同时, 提升区域植被覆盖密度和生境质量.
4 结论（1）1990~2020年黄河下游地区土地城镇化进程显著加快, 建设用地扩张增幅高达39.89%, 其他主要地类的面积则呈现不同程度的下降；建设用地向外扩散逐渐呈相对均匀的点状分布, 生态用地则主要分布在东部和西南部地势较高的山地和丘陵地区.
（2）1990~2020年产水能力减弱, 并呈现显著的时空差异. 产水量最高值呈现“V”型先减后增的变化趋势, 而平均值逐渐减弱并趋于平缓；空间上, 县域尺度与格网尺度的空间分布格局相似, 整体逐渐呈现东多西少的分布格局. 管城回族区、张店区、杞县和通许县的平均产水量在多个年份中保持较高水平, 而中站区、修武县、鹤山区和林州市则处于较低水平.
（3）1990~2020年土壤保持量呈先减后增的波动趋势, 其中最高值呈现较明显的“U”型曲线. 30 a间其空间分布格局大致相同, 总体上呈现出“东西高, 南北低”的分布格局, 高值区主要分布在地势较高的丘陵或山区, 低值区域主要分布在地形相对平坦的平原地区. 县域尺度的高值区和低值区在研究期内相对稳定, 高值区主要包括泰山区、钢城区、莱芜区、历城区和岱岳区, 低值区主要包括北关区、文峰区、殷都区和南乐县.
（4）1990~2020年格网尺度和县域尺度的生境质量大体上均保持了相对稳定的分布格局, 高值区主要分布在水域、东部和西部地势较高的丘陵或山区, 而平原地区的生境质量较低, 尤其是殷都区、中原区、卫滨区、牧野区、二七区和北关区等区县；30 a间高值区没有显著变化, 主要包括微山县、博山区、沂源县、林州市、修武县、淄川区和中站区, 而低值区逐渐增多.
（5）1990~2020年, 黄河下游地区产水、土壤保持和生境质量之间以协同关系为主导, 权衡关系较少, 并呈现明显的空间异质性. 产水与生境质量、生境质量与土壤保持和产水与土壤保持之间的协同关系占比分别为58.79%、67%和92.55%.县域尺度上, 各区县的产水与土壤保持呈现出显著的强协同关系, 其中汤阴县、滑县、龙安区、淇县和浚县最为显著；生境质量和土壤保持的强协同关系主要发生在濮阳县、清丰县和滑县等24个区县；产水与生境质量的强权衡关系主要分布在东南部的微山县和槐荫区.
| [1] | Costanza R, D'arge R, De Groot R, et al. The value of the world's ecosystem services and natural capital[J]. Ecological Economics, 1998, 25(1). DOI:10.1016/S0921-8009(98)00020-2 |
| [2] |
李双成, 张才玉, 刘金龙, 等. 生态系统服务权衡与协同研究进展及地理学研究议题[J]. 地理研究, 2013, 32(8): 1379-1390. Li S C, Zhang C Y, Liu J L, et al. The tradeoffs and synergies of ecosystem services: research progress, development trend, and themes of geography[J]. Geographical Research, 2013, 32(8): 1379-1390. |
| [3] |
侯焱臻, 赵文武, 刘焱序. 自然衰退"史无前例", 物种灭绝率"加速"——IPBES全球评估报告简述[J]. 生态学报, 2019, 39(18): 6943-6949. Hou Y Z, Zhao W W, Liu Y X. "Unprecedented" natural recession and "Accelerated" species extinction rate: a summary of the IPBES global assessment report[J]. Acta Ecologica Sinica, 2019, 39(18): 6943-6949. |
| [4] | Chen W X, Chi G Q. Urbanization and ecosystem services: the multi-scale spatial spillover effects and spatial variations[J]. Land Use Policy, 2022, 114. DOI:10.1016/j.landusepol.2021.105964 |
| [5] | Rova S, Stocco A, Pranovi F. Sustainability threshold for multiple ecosystem services in the Venice lagoon, Italy[J]. Ecosystem Services, 2023, 64. DOI:10.1016/j.ecoser.2023.101568 |
| [6] | Deloyde C N M, Mabee W E. Ecosystem service values as an ecological indicator for land management decisions: a case study in southern Ontario, Canada[J]. Ecological Indicators, 2023, 151. DOI:10.1016/j.ecolind.2023.110344 |
| [7] | Moreno-Llorca R, Vaz A S, Herrero J, et al. Multi-scale evolution of ecosystem services' supply in Sierra Nevada (Spain): an assessment over the last half-century[J]. Ecosystem Services, 2020, 46. DOI:10.1016/j.ecoser.2020.101204 |
| [8] | Loiselle A, Proulx R, Larocque M, et al. Synergies and trade-offs among ecosystems functions and services for three types of lake-edge wetlands[J]. Ecological Indicators, 2023, 154. DOI:10.1016/j.ecolind.2023.110547 |
| [9] | Helseth E V, Vedeld P, Framstad E, et al. Forest ecosystem services in Norway: trends, condition, and drivers of change (1950-2020)[J]. Ecosystem Services, 2022, 58. DOI:10.1016/j.ecoser.2022.101491 |
| [10] |
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 X, et al. The value of ecosystem services in China[J]. Resources Science, 2015, 37(9): 1740-1746. |
| [11] |
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. |
| [12] |
王奕淇, 孙学莹. 黄河流域生态系统服务价值时空演化及影响因素[J]. 环境科学, 2024, 45(5): 2767-2779. Wang Y Q, Sun X Y. Spatiotemporal evolution and influencing factors of ecosystem service value in the Yellow River Basin[J]. Environmental Science, 2024, 45(5): 2767-2779. |
| [13] | Yang M H, Gao X D, Siddique K H M, et al. Spatiotemporal exploration of ecosystem service, urbanization, and their interactive coercing relationship in the Yellow River Basin over the past 40 years[J]. Science of the Total Environment, 2023, 858. DOI:10.1016/j.scitotenv.2022.159757 |
| [14] | Zhou Z X, Sun X R, Zhang X T, et al. Inter-regional ecological compensation in the Yellow River Basin based on the value of ecosystem services[J]. Journal of Environmental Management, 2022, 322. DOI:10.1016/j.jenvman.2022.116073 |
| [15] | Capriolo A, Boschetto R G, Mascolo R A, et al. Biophysical and economic assessment of four ecosystem services for natural capital accounting in Italy[J]. Ecosystem Services, 2020, 46. DOI:10.1016/j.ecoser.2020.101207 |
| [16] | Sherrouse B C, Semmens D J, Ancona Z H. Social values for ecosystem services (SolVES): open-source spatial modeling of cultural services[J]. Environmental Modelling & Software, 2022, 148. DOI:10.1016/j.envsoft.2021.105259 |
| [17] | Shoyama K, Kamiyama C, Morimoto J, et al. A review of modeling approaches for ecosystem services assessment in the Asian region[J]. Ecosystem Services, 2017, 26: 316-328. DOI:10.1016/j.ecoser.2017.03.013 |
| [18] |
戴尔阜, 王晓莉, 朱建佳, 等. 生态系统服务权衡: 方法、模型与研究框架[J]. 地理研究, 2016, 35(6): 1005-1016. Dai E F, Wang X L, Zhu J J, et al. Methods, tools and research framework of ecosystem service trade-offs[J]. Geographical Research, 2016, 35(6): 1005-1016. |
| [19] |
张徐, 李云霞, 吕春娟, 等. 基于InVEST模型的生态系统服务功能应用研究进展[J]. 生态科学, 2022, 41(1): 237-242. Zhang X, Li Y X, Lyu C J, et al. Research progress on application of ecosystem service functions based on InVEST model[J]. Ecological Science, 2022, 41(1): 237-242. |
| [20] |
丁岳, 王柳柱, 桂峰, 等. 基于InVEST模型和PLUS模型的环杭州湾生态系统碳储量[J]. 环境科学, 2023, 44(6): 3343-3352. Ding Y, Wang L Z, Gui F, et al. Ecosystem carbon storage in Hangzhou Bay area based on InVEST and PLUS models[J]. Environmental Science, 2023, 44(6): 3343-3352. |
| [21] | Caro C, Marques J C, Cunha P P, et al. Ecosystem services as a resilience descriptor in habitat risk assessment using the InVEST model[J]. Ecological Indicators, 2020, 115. DOI:10.1016/j.ecolind.2020.106426 |
| [22] | 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 |
| [23] |
朱春霞, 钟绍卓, 龙宇, 等. 黄河流域生态系统服务的时空演变及其驱动力[J]. 生态学杂志, 2023, 42(10): 2502-2513. Zhu C X, Zhong S Z, Long Y, et al. Spatiotemporal variation of ecosystem services and their drivers in the Yellow River Basin, China[J]. Chinese Journal of Ecology, 2023, 42(10): 2502-2513. |
| [24] | 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 |
| [25] | 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 |
| [26] | Zhao Y N, Wang M, Lan T H, et al. Distinguishing the effects of land use policies on ecosystem services and their trade-offs based on multi-scenario simulations[J]. Applied Geography, 2023, 151. DOI:10.1016/j.apgeog.2022.102864 |
| [27] |
杨洁, 谢保鹏, 张德罡. 黄河流域生态系统服务权衡协同关系时空异质性[J]. 中国沙漠, 2021, 41(6): 78-87. Yang J, Xie B P, Zhang D G. Spatial-temporal heterogeneity of ecosystem services trade-off synergy in the Yellow River Basin[J]. Journal of Desert Research, 2021, 41(6): 78-87. |
| [28] | Geng W L, Li Y Y, Zhang P Y, et al. Analyzing spatio-temporal changes and trade-offs/synergies among ecosystem services in the Yellow River Basin, China[J]. Ecological Indicators, 2022, 138. DOI:10.1016/j.ecolind.2022.108825 |
| [29] |
曹祺文, 卫晓梅, 吴健生. 生态系统服务权衡与协同研究进展[J]. 生态学杂志, 2016, 35(11): 3102-3111. Cao Q W, Wei X M, Wu J S. A review on the tradeoffs and synergies among ecosystem services[J]. Chinese Journal of Ecology, 2016, 35(11): 3102-3111. |
| [30] |
王鹏涛, 张立伟, 李英杰, 等. 汉江上游生态系统服务权衡与协同关系时空特征[J]. 地理学报, 2017, 72(11): 2064-2078. Wang P T, Zhang L W, Li Y J, et al. Spatio-temporal characteristics of the trade-off and synergy relationships among multiple ecosystem services in the Upper Reaches of Hanjiang River Basin[J]. Acta Geographica Sinica, 2017, 72(11): 2064-2078. DOI:10.11821/dlxb201711011 |
| [31] |
张佰发, 苗长虹. 黄河流域土地利用时空格局演变及驱动力[J]. 资源科学, 2020, 42(3): 460-473. Zhang B F, Miao C H. Spatiotemporal changes and driving forces of land use in the Yellow River Basin[J]. Resources Science, 2020, 42(3): 460-473. |
| [32] |
左其亭, 吴青松, 姜龙, 等. 黄河流域多尺度区域界定及其应用选择[J]. 水利水运工程学报, 2022(5): 12-20. Zuo Q T, Wu Q S, Jiang L, et al. Multi-scale regional definition and its application selection in the Yellow River Basin[J]. Hydro-Science and Engineering, 2022(5): 12-20. |
| [33] | Yan F P, Shangguan W, Zhang J, et al. Depth-to-bedrock map of China at a spatial resolution of 100 meters[J]. Scientific Data, 2020, 7(1). DOI:10.1038/s41597-019-0345-6 |
| [34] |
周文佐. 基于GIS的我国主要土壤类型土壤有效含水量研究[D]. 南京: 南京农业大学, 2003. Zhou W Z. A study on available water capacity of main soil types in China based on geographic information system[D]. Nanjing: Nanjing Agricultural University, 2003. |
| [35] |
杨洁, 谢保鹏, 张德罡. 基于InVEST模型的黄河流域产水量时空变化及其对降水和土地利用变化的响应[J]. 应用生态学报, 2020, 31(8): 2731-2739. Yang J, Xie B P, Zhang D G. Spatio-temporal variation of water yield and its response to precipitation and land use change in the Yellow River Basin based on InVEST model[J]. Chinese Journal of Applied Ecology, 2020, 31(8): 2731-2739. |
| [36] | Benavidez R, Jackson B, Maxwell D, et al. A review of the (Revised) universal soil loss equation ((R)USLE): with a view to increasing its global applicability and improving soil loss estimates[J]. Hydrology and Earth System Sciences, 2018, 22(11): 6059-6086. DOI:10.5194/hess-22-6059-2018 |
| [37] |
章文波, 谢云, 刘宝元. 利用日雨量计算降雨侵蚀力的方法研究[J]. 地理科学, 2002, 22(6): 705-711. Zhang W B, Xie Y, Liu B Y. Rainfall erosivity estimation using daily rainfall amounts[J]. Scientia Geographica Sinica, 2002, 22(6): 705-711. DOI:10.3969/j.issn.1000-0690.2002.06.012 |
| [38] |
饶良懿, 徐也钦, 胡剑汝, 等. 砒砂岩覆土区小流域土壤可蚀性K值研究[J]. 应用基础与工程科学学报, 2020, 28(4): 763-773. Rao L Y, Xu Y Q, Hu J R, et al. Study on soil erodibilty factor K on soil cover area of pisha sandstone region[J]. Journal of Basic Science and Engineering, 2020, 28(4): 763-773. |
| [39] |
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. DOI:10.3321/j.issn:1009-2242.2000.02.005 |
| [40] |
马春玲, 焦峰, 王飞, 等. 中国USLE/RUSLE因子研究[J]. 水土保持研究, 2023, 30(1): 430-436. Ma C L, Jiao F, Wang F, et al. Review of studies on factors of USLE/RUSLE in China[J]. Research of Soil and Water Conservation, 2023, 30(1): 430-436. |
| [41] | Li H C, Guan Q Y, Sun Y F, et al. Spatiotemporal analysis of the quantitative attribution of soil water erosion in the upper reaches of the Yellow River Basin based on the RUSLE-TLSD model[J]. CATENA, 2022, 212. DOI:10.1016/j.catena.2022.106081 |
| [42] |
齐松, 董春, 卫东, 等. 基于InVEST模型的黄河干流沿岸生境质量时空变化研究[J]. 测绘科学, 2022, 47(8): 114-122. Qi S, Dong C, Wei D, et al. Temporal and spatial variation of habitat quality along the main stream of the Yellow River based on InVEST model[J]. Science of Surveying and Mapping, 2022, 47(8): 114-122. |
| [43] |
赵庆建, 吴晓珍. 基于InVEST模型的岷江流域土地利用变化对生境质量的影响研究[J]. 生态科学, 2022, 41(6): 1-10. Zhao Q J, Wu X Z. Research on the impact of land use change on habitat quality in Minjiang river basin based on InVEST model[J]. Ecological Science, 2022, 41(6): 1-10. |
| [44] |
刘汉仪, 林媚珍, 周汝波, 等. 基于InVEST模型的粤港澳大湾区生境质量时空演变分析[J]. 生态科学, 2021, 40(3): 82-91. Liu H Y, Lin M Z, Zhou R B, et al. Spatial and temporal evolution of habitat quality in Guangdong-Hong Kong-Macao Greater Bay Area based on InVEST model[J]. Ecological Science, 2021, 40(3): 82-91. |
| [45] |
张学儒, 周杰, 李梦梅. 基于土地利用格局重建的区域生境质量时空变化分析[J]. 地理学报, 2020, 75(1): 160-178. Zhang X R, Zhou J, Li M M. Analysis on spatial and temporal changes of regional habitat quality based on the spatial pattern reconstruction of land use[J]. Acta Geographica Sinica, 2020, 75(1): 160-178. |
| [46] |
张鹏岩, 耿文亮, 杨丹, 等. 黄河下游地区土地利用和生态系统服务价值的时空演变[J]. 农业工程学报, 2020, 36(11): 277-288. Zhang P Y, Geng W L, Yang D, et al. Spatial-temporal evolution of land use and ecosystem service value in the Lower Reaches of the Yellow River Region[J]. Transactions of the Chinese Society of Agricultural Engineering, 2020, 36(11): 277-288. |
| [47] |
娄佩卿, 付波霖, 林星辰, 等. 基于GEE的1998~2018年京津冀土地利用变化对生态系统服务价值的影响[J]. 环境科学, 2019, 40(12): 5473-5483. Lou P Q, Fu B L, Lin X C, et al. Influence of land use change on ecosystem service value based on GEE in the Beijing-Tianjin-Hebei Region from 1998 to 2018[J]. Environmental Science, 2019, 40(12): 5473-5483. |
| [48] |
王俊杰, 拾兵, 柏涛, 等. 黄河流域降水格局及影响因素[J]. 中国沙漠, 2022, 42(6): 94-102. Wang J J, Shi B, Bai T, et al. Spatio-temporal patterns of precipitation and its possible driving factors in the Yellow River Basin[J]. Journal of Desert Research, 2022, 42(6): 94-102. |
| [49] |
杨泽龙, 李艳忠, 梁康, 等. 植被恢复背景下黄河中游及6个典型流域蒸散发及其组分变化格局[J]. 自然资源学报, 2022, 37(3): 816-828. Yang Z L, Li Y Z, Liang K, et al. Variation patterns of evapotranspiration and its components in the Middle Yellow River and six typical basins under the background of vegetation restoration[J]. Journal of Natural Resources, 2022, 37(3): 816-828. |
| [50] |
徐省超, 赵雪雁, 宋晓谕. 退耕还林(草)工程对渭河流域生态系统服务的影响[J]. 应用生态学报, 2021, 32(11): 3893-3904. Xu X C, Zhao X Y, Song X Y. Impacts of the returning farmland to forest (grassland) project on ecosystem services in the Weihe River Basin, China[J]. Chinese Journal of Applied Ecology, 2021, 32(11): 3893-3904. |
| [51] |
柳冬青, 曹二佳, 张金茜, 等. 甘肃白龙江流域水源涵养服务时空格局及其影响因素[J]. 自然资源学报, 2020, 35(7): 1728-1743. Liu D Q, Cao E J, Zhang J X, et al. Spatiotemporal pattern of water conservation and its influencing factors in Bailongjiang Watershed of Gansu[J]. Journal of Natural Resources, 2020, 35(7): 1728-1743. |
| [52] |
莫兴国, 刘苏峡, 胡实. 黄河源区气候-植被-水文协同演变及成因辨析[J]. 地理学报, 2022, 77(7): 1730-1744. Mo X G, Liu S X, Hu S. Co-evolution of climate-vegetation-hydrology and its mechanisms in the source region of Yellow River[J]. Acta Geographica Sinica, 2022, 77(7): 1730-1744. |
| [53] |
王芳, 李文慧, 林妍敏, 等. 1990~2020年黄河流域典型生态区生态环境质量时空格局及驱动力分析[J]. 环境科学, 2023, 44(5): 2518-2527. Wang F, Li W H, Lin Y M, et al. Spatiotemporal pattern and driving force analysis of ecological environmental quality in typical ecological areas of the Yellow River Basin from 1990 to 2020[J]. Environmental Science, 2023, 44(5): 2518-2527. |
| [54] |
范昕. 黄河上游生态脆弱区土地利用/覆被变化及生态系统服务权衡与协同研究——以河湟谷地为例[D]. 武汉: 中国地质大学, 2022. Fan X. Land use/cover change and the tradeoff and synergy of ecosystem services in Ecologically Fragile Regions of Upper Yellow River: a case study in Hehuang valley[D]. Wuhan: China University of Geosciences, 2022. |
| [55] |
方露露, 许德华, 王伦澈, 等. 长江、黄河流域生态系统服务变化及权衡协同关系研究[J]. 地理研究, 2021, 40(3): 821-838. Fang L L, Xu D H, Wang L C, et al. The study of ecosystem services and the comparison of trade-off and synergy in Yangtze River Basin and Yellow River Basin[J]. Geographical Research, 2021, 40(3): 821-838. |
| [56] |
侯建坤, 陈建军, 张凯琪, 等. 基于InVEST和GeoSoS-FLUS模型的黄河源区碳储量时空变化特征及其对未来不同情景模式的响应[J]. 环境科学, 2022, 43(11): 5253-5262. Hou J K, Chen J J, Zhang K Q, et al. Temporal and spatial variation characteristics of carbon storage in the source region of the Yellow River based on InVEST and GeoSoS-FLUS models and its response to different future scenarios[J]. Environmental Science, 2022, 43(11): 5253-5262. |