2024, Vol. 45
2. 河北省农田生态环境重点实验室, 保定 071000
2. Key Laboratory for Farmland Eco-Environment of Hebei Province, Baoding 071000, China
土地利用是人类影响自然环境最直接的表现形式[1], 其结构、格局和模式的转变将直接或间接改变区域的水循环、土壤更新和养分输送等生态过程, 进而影响生态系统结构和功能的稳定性[2].生态系统服务与生态系统的状态直接相关, 是人类赖以生存的环境条件和效用基础[3], 关乎人类福祉和区域的可持续发展建设.作为衡量生态系统服务的关键指标, 生态系统服务价值（ecosystem service value, ESV）能以货币形式反映生态系统向人类提供的各类产品和服务的价值[4], 体现生态系统对社会经济发展的支撑能力[5], 是地理、生态和经济等领域研究的热点问题[6~8].ESV的时空格局及演化趋势包含着土地利用系统与区域生态环境质量交互作用的具体过程[9], 对生态保护政策评估、生态补偿标准制定和生态保护功能区划而言具有重要意义.
ESV是实现生态资产转化的重要途径, 最早由Costanza等在基于效益转移角度开展全球ESV核算中提出[10], 谢高地等[11]在此基础上根据中国社会和市场规律构建起符合中国区域特征的ESV评估体系.基于该评估体系, 学者们围绕着ESV对土地利用变化的响应机制开展系统性研究, 如王耕等[12]利用1990~2020年土地利用数据探讨辽河三角洲ESV的演变过程, Wang等[13]基于三生空间视角解析东辽河流域土地利用转型及ESV的空间分异, 贾路等[14]根据概率评估框架揭示长江经济带土地利用景观格局对ESV的影响.然而上述研究多从“过去-现在”视角切入分析不同土地利用状态下ESV演变的驱动因素、尺度效应和管理策略, 对未来土地利用及ESV变化的研究有待深入[15].在未来土地利用的研究中, 多数学者基于CA-Markov[16]、FLUS[17]和PLUS[18]等CA模型开展土地利用情景模拟, 虽然结果较为理想, 但其缺乏对实际元胞单元内部可能出现的多种土地利用复合模式的考虑, 难以实现亚元胞尺度上土地利用转换的定量模拟[19, 20].由Liang等[21]提出的混合元胞自动机（mixed-cell cellular automata, MCCA）模型有效弥补了传统CA模型的元胞单元仅能实现单一土地结构模拟的缺陷[22], 可基于混合元胞单元开展亚元胞尺度下土地利用结构的定量和动态模拟, 更加真实地反映和预测区域复杂的土地利用演变趋势[23], 支撑ESV的精准评估.
太行山区是华北地区生态功能核心区, 自然资源丰富, 提供着多种服务和生态产品[24], 但整体生态环境较为脆弱且经济发展水平相对滞后, 统筹推进经济发展与生态保护面临巨大挑战.现有研究中, 康园园等[25]以县域尺度开展太行山区2000~2018年ESV测度；高会等[26]使用3 km×3 km栅格进行ESV的热点识别和权衡协同关系分析, 可为太行山区ESV演变研究提供良好的实践参考.但ESV演变具有政策导向性和时间滞后性[27], 已有研究难以精确把握太行山区未来ESV发展方向.在乡村振兴、《太行山区旅游业发展规划（2020-2035）》和国土空间规划等政策背景下, 探讨太行山区未来ESV演变规律意义凸显.故本文以太行山区2000~2020年土地利用数据为基础, 基于修订的当量因子法和GIS技术开展ESV系统性评估, 并利用MCCA模型进行2035年自然增长、城市发展和生态旅游下ESV的定量模拟, 通过揭示太行山区生态保护成效和政策实施效应, 旨在为太行山区生态文明建设和经济转型发展提供科学参考.
1 材料与方法 1.1 研究区概况太行山区（35°15'~41°00'N, 110°14'~116°35'E）横跨北京、山西、河北和河南这4省市, 北至北京西山, 南抵河南、山西交界的王屋山, 是黄土高原向华北平原的重要地理过渡带[28], 面积1.37×105 km2（图 1）.太行山区是京津冀和晋豫地区重要的生态安全屏障和水源涵养地, 承担着京津地区风沙源治理、太行山绿化工程和黄河重点生态区治理等一系列生态建设任务[29], 发育有海河、永定河和汾河等水系, 属于典型的暖温带大陆性季风气候, 四季分明, 多年平均降水量约700 mm, 雨热同期, 植被种类丰富.作为土石山区、革命老区和生态脆弱区交织区域, 太行山区长期面临着土地生产力下降、水土流失和水旱灾害频发等问题, 经济发展水平相对滞后, 2020年城镇化率51.95%, 人均GDP仅2.87×104元, 发展潜力较大.
|
图 1 太行山区地理位置示意 Fig. 1 Geographic location of Taihang Mountains |
2000~2020年太行山区土地利用数据来自中国土地覆盖数据集（China land cover dataset, CLCD）, 空间分辨率30 m, 精度达80%[30], 重分类为耕地、林地、草地、水域、建设用地和未利用地.粮食产量和种植面积数据来自北京、河北、山西和河南这4省市2001~2021年统计年鉴, 粮食价格来自《全国农产品成本收益资料汇编》.MCCA模型开展土地利用模拟的驱动因子共17个, 其中DEM、GDP、年均气温、年降雨量和土壤类型来自中国科学院资源环境科学与数据中心（https://www.resdc.cn/）, 坡度数据由DEM处理得到；距国道、省道、县道、铁路、高速和政府驻地的距离初始数据来自高德地图API（https://lbs.amap.com/）, 后经欧式距离处理得到；人口密度来自WorldPop数据中心（https://hub.worldpop.org）；NPP数据和NDVI数据来自Google earth engine平台；空间交互因子初始数据源于各省市统计年鉴, 参考王海军等[31]的方法进行计算和空间化；距河流距离源数据来自国家地球系统科学数据中心（https://www.geodata.cn/）, 后经欧氏距离处理得到.自然保护区矢量边界来自全国地理资源信息目录服务系统（https://www.webmap.cn/）.
1.3 研究方法 1.3.1 土地利用转移矩阵土地利用转移矩阵用于刻画区域T时刻至T+1时刻土地利用类型间相互转化过程及结果, 揭示因自然或人为等复杂因素导致的土地利用演变特征[32, 33], 公式如下：
|
(1) |
式中, p为初始土地利用类型, q为末期土地利用类型, Apq为土地利用类型p向土地利用类型q转移的面积.
1.3.2 生态系统服务价值评估研究采用谢高地等[11]提出的当量因子法开展ESV核算, 在汇总确定2000~2020年太行山区小麦、高粱和玉米这3种主要粮食作物多年平均单位面积产量的基础上, 以2020年北京、河北、山西和河南这4省市3类主要粮食的收购平均价格2.53元·kg-1为基准, 计算得到太行山区1个标准当量的ESV为1 801.29元·hm-2.为进一步揭示ESV的空间异质性, 参考谢高地等[11]和乐荣武等[34]的研究, 选取NPP、降水量和土壤保持这3项因子进行修正, 公式如下：
|
(2) |
式中, Fzmn为某种生态系统服务在m地区n年第z类生态服务功能的单位面积价值当量因子；Fz1为NPP相关的服务功能, 包括食物生产、原材料生产、气体调节、气候调节、净化环境、维持养分循环、生物多样性和美学景观；Fz2为降水量相关的服务功能, 包括水资源供给和水文调节；Fz3为土壤保持服务功能. Pmn、Rmn和Smn为m地区n年NPP、降水量和土壤保持调节因子, 计算公式如下：
|
(3) |
|
(4) |
|
(5) |
式中, NPPg、PREg和SCg为全国NPP、降水量和土壤保持量的均值；NPPm、PREm和SCm为太行山区NPP、降水量和土壤保持量的均值.经计算NPP、降水量和土壤保持这3项调节因子依次为0.94、0.99和0.45, 进而修正得到太行山区单位面积生态系统服务价值系数（表 1）, 以此计算太行山区生态系统服务价值, 公式如下：
|
(6) |
|
(7) |
|
表 1 太行山区单位面积生态系统服务价值系数/元·（hm2·a）-1 Table 1 Ecosystem service in Taihang Mountains region equivalent value per unit area/Yuan·(hm2·a)-1 |
式中, ESV为生态系统服务价值总量；Sk为第k种土地利用类型的面积；VCk为k种土地利用类型对应的ESV系数. ESVf为单项ESV；VCfk为单项服务功能的价值系数[35].
在统计ESV基础上, 参考文献[36]以1 km×1 km格网单元进行ESV空间制图, 在表达土地利用空间异质性的同时, 揭示ESV空间演化格局.
1.3.3 MCCA模型MCCA模型可用于混合土地利用结构时空演变过程的动态模拟[21], 主要包括土地利用转换规则挖掘和潜力测算、土地利用空间结构变化模拟和精度验证这3个部分[37].
第一部分, 基于初始年份、目标年份两期土地利用和驱动因子数据集, 采用随机森林回归（random forest regression, RFR）算法分析混合土地利用单元结构变化与驱动因素的关联机制, 并生成土地利用发展潜力图集[20], 公式如下：
|
(8) |
|
(9) |
式中, Yi，ks为混合元胞单元i处第k种土地利用覆盖比例的变化, 作为RFR的因变量；DFis为混合元胞单元i处的驱动因子样本数据集, s为样本阈值, 即驱动因子样本数据的极值范围；RFk为第k种土地利用覆盖比例变化与驱动因子的定量关系；Pi, k为混合元胞单元i处第k种土地利用类型的发展潜力；RFRtrain和RFRpredict为RFR训练和预测过程.
第二部分, 依托输入的土地利用数据、用地发展概率和领域范围, 通过轮盘赌的竞争机制确定混合元胞单元中各土地利用类型的覆盖比例, 当模拟的土地利用比例达到目标值时, 将生成各土地利用类型的空间分布, 公式如下：
|
(10) |
式中, Oi, kt为第t次迭代时第k种土地利用类型覆盖比例在元胞单元i处的总体变化概率；Qi, kt为第t次迭代时第k种土地利用类型在元胞单元i处的领域效应；Dkt为第t次迭代时第k种土地利用类型的需求反馈.
第三部分, 利用整体分类精度（overall accuracy, OA）、卡帕（Kappa）系数、平均相对熵（relative entropy, RE）和混合元胞质量系数（mixed-cell figure of merit, mcFoM）进行模拟精度评价[16, 38]. RE越接近0说明模拟过程信息丢失越少, 空间一致性水平较高；OA、Kappa和mcFoM越接近1时, 表明模型模拟精度越高[21].
为衔接ESV空间制图和土地利用空间结构模拟, 本研究基于1 km×1 km格网单元开展土地利用模拟.经对比2020年太行山区实际混合土地利用空间结构与模拟结果, 计算得到OA值0.93、Kappa系数0.91、mcFoM值0.24和RE值0.47, 各项指标表现良好, 利用MCCA模型开展太行山区土地利用预测可靠性强.
1.3.4 情景模拟情景模拟用以突出不同发展导向下太行山区未来土地利用空间结构[39], 主要根据太行山区各省市的土地利用总体规划文本、国土空间总体规划（2021~2035年）征求意见稿和《太行山旅游业发展规划（2020-2035）》, 从预期土地利用结构、土地利用领域权重[19, 40]（表 2）、空间约束条件和发展潜力图集这4个层面设置自然增长、城市发展和生态旅游这3种情景下的模拟参数, 具体情景说明如下.
|
|
表 2 模拟情景的领域权重 Table 2 Neighborhood weights for simulated scenarios |
（1）自然增长情景（natural increase scenario, NIS） 用于反映现行模式下太行山区未来土地利用空间结构的基准情景, 以太行山区2000~2020年土地利用数据为基础, 利用MCCA模型线性回归模块求解预期土地利用结构占比；不考虑政策因子对土地利用的引导和约束作用, 土地利用转换不受空间限制.
（2）城市发展情景（urban development scenario, UDS） 强调以经济发展和城市建设为核心, 将建设用地预期面积占比提高15%；解析太行山区各城市发展规划, 适当提高城市空间发展方向对应区域的建设用地扩张潜力；考虑城市发展的可持续性, 将现有建设用地内部的水域、林地和草地设置限制转换区域, 保障城市蓝绿空间.
（3）生态旅游情景（ecotourism development scenario, EDS） 突出以优势生态资源推动传统产业转型及旅游业发展, 强化生态用地保护和多元化利用, 将林地、水域预期面积占比提高10%和15%；考虑全域旅游开发对区域间空间交互作用的增强效应[41], 以5A和4A级景区所在区县为核心节点重建空间交互驱动因子, 重构土地利用发展潜力图集；将自然保护区、水域及坡度≥25°的林地设置为限制转换区域.
2 结果与分析 2.1 土地利用结构及转移变化特征2000~2020年, 太行山区土地利用类型以耕地、林地和草地为主, 三者总面积占比超90%（图 2）.其中, 耕地面积呈波动下降趋势, 早期快速推进的城市建设和生态退耕导致耕地面积快速流失, 2000~2015年间由5.31×104 km2下降至4.97×104 km2, 后随着废弃工矿用地整治、耕地占补平衡、高标准农田建设等政策持续发力, 在有效遏制耕地面积快速流失的同时积极补充耕地, 使得耕地面积有所回升, 2020年增加到5.07×104 km2；林地面积由4.08×104 km2稳定增长至4.63×104 km2, 生态工程建设及生态保护的效果显著；草地面积由3.38×104 km2持续下降到2.78×104 km2, 且幅度逐渐增强, 年均损失面积358.17 km2.城镇化和工业化建设导致太行山区建设用地规模显著增加, 由7 637.96 km2增加到1.14×104 km2, 涨幅高达54.43%.水域面积增长180.41 km2, 与各地区积极开展的河道整治、滩地治理、湿地恢复等生态环境治理工作联系密切；未利用地面积占比较低且呈波动下降的变化趋势, 2020年末面积仅有6.84 km2.
|
图 2 2000~2020年太行山区各土地利用类型面积 Fig. 2 Areas of various land use types in the Taihang Mountains from 2000 to 2020 |
太行山区土地利用转移面积2.06×104 km2, 耕地和草地间转入转出最为剧烈, 其余土地利用类型转换强度相对较低, 林地、建设用地和水域以转入为主, 耕地、草地和未利用地以转出为主（图 3）.耕地转出面积7 893.09 km2, 其中向建设用地转出3 668.53 km2, 城镇扩张占用耕地的形势极为严峻；同时较低的农业生产效益和持续推进的城镇化进程所带来的农业人口转移导致耕地撂荒严重, 表现为耕地向草地大面积地转移, 达2 759.04 km2；另外受退耕还林和退耕还湿等政策影响, 向林地和水域转出1 372.93 km2和181.41 km2.草地转出面积1.06×104 km2, 其中向耕地转移4 725.34 km2, 是进行耕地后备资源开发和实施耕地占补平衡的主要用地来源；向林地转移5 535.76 km2, 封山育林和播种造林等生态修复措施效果明显.林地主要向耕地和草地转移, 水域主要向耕地和建设用地转移, 但两者转出面积低于转入面积, 净转入5 403.66 km2和180.41 km2.建设用地转出过程较为单一且不活跃, 转出面积仅占总面积的1.16%, 受废弃工矿用地整治、河湖水域岸线管控和河岸湿地建设的影响, 主要向耕地和水域转出13.59 km2和71.81 km2.未利用地的利用程度逐渐提高, 向耕地和草地转移明显.
|
圆环上数值单位为104 km2；PL为耕地, FL为林地, GL为草地, SY为水域, CL为建设用地, UL为裸地 图 3 2000~2020年太行山区土地利用转移 Fig. 3 Land use transfer in Taihang Mountains from 2000 to 2020 |
太行山区ESV整体呈稳定上升趋势, 但单项ESV增量差异显著, 2000~2020年间ESV由2.13×1011元提高至2.28×1011元, 增幅为7.10%（表 3）.一级服务类型中, 得益于丰富的森林资源, 太行山区调节服务功能优势突出, 历年价值占比超60%, 且随着森林面积和质量提升, 区域调节服务价值显著增加, 占ESV增长总量的79.64%, 主导地位得到强化；支持服务功能价值占比约20%, 2000~2020年间增加1.98×109元；供给服务价值占比约15%, 增幅仅4.62×108元, 其中食物生产功能受耕地面积流失的影响较为严重, 价值损失2.22×108元, 而水资源供给和原料生产功能价值的增加与水域和林地面积上涨关系密切；文化服务价值占比较低, 不足5%, 累计增长6.27×108元.二级服务类型中, 受土地利用的结构变化及其生态系统服务功能属性影响, ESV增量排序为：水文调节 > 气候调节 > 生物多样性 > 净化环境 > 气体调节 > 土壤保持 > 美学景观 > 水资源供给 > 原料生产 > 维持养分循环 > 食物生产, 水文调节功能价值在2020年超气候调节, 跃居首位.
|
|
表 3 2000~2020年太行山区生态系统服务价值构成及变化 Table 3 Composition and changes of ecosystem service value in Taihang Mountains from 2000 to 2020 |
太行山区2000~2020年ESV与土地利用空间格局空间关联性强, 格网ESV均值由1.55×106元提高至1.66×106元, 但极化效应突出（图 4）.结合太行山区实际情况, 运用自然断点法将太行山区ESV划分为：低值区（ESV < 7.5×105元、中值区（7.5×105元≤ESV < 1.6×106元）和高值区（ESV≥1.6×106元）.低值区主要位于中部河谷盆地及东西两侧的山麓平原地区, 地势相对平坦、人口集中且城镇密集, 是京津冀城市群中京保石发展轴及晋中城市群的所在地, 土地利用开发强度高, 多以建设用地和耕地为主, 伴随着高强度大规模的城市建设和人口增长, 低值区域人类活动强度大幅增强, ESV受损严重, 但受地形和空间管控约束, 低值区域空间扩张并不显著.中值区域分布较为零散, 多见于中部和中北部的丘陵和台地, 土地利用类型多以草地为主, 空间变化较为剧烈, 超15%的区域向高值区或低值区转变, 植树造林、封山育林和矿山修复等环境整治措施发挥积极效应, 忻州南部、保定西部和长治西南部等区域ESV明显提升, 同时中小城镇的发展和耕地后备资源开发在长治中部、西北部和大同中部等区域带来的影响突出, ESV向低值区转变.高值区在空间上高度集聚且格局较为稳定, 尽管其面积占比不足40%但其提供着超70%的ESV, 主要位于南部、中东部和东北部高海拔地区以及部分地势低洼区域, 以集中连片的林地或零散分布的水域为主, 随着太行山绿化工程的稳步推进及各项生态修复工程的实施, ESV高值区面积有所上升.
|
图 4 2000~2020年太行山生态系统服务价值空间格局 Fig. 4 Spatial pattern of ecosystem service value in Taihang Mountains from 2000 to 2020 |
2035年不同情景下土地利用结构变化强度和规模有所不同（图 5）.相较于2020年, NIS情景耕地面积减少876.67 km2, 低于UDS和EDS情景的1 069.03 km2和1 026.19 km2, 差异体现在东西两侧的山麓地带.EDS情景林地面积增加2 494.17 km2, 高于NIS和UDS情景的2 216.35 km2和1 977.30 km2, 在大同、忻州西部和晋城西南部等区域空间结构占比略微不同.草地面积流失最为严重, NIS、UDS和EDS情景分别减少2 569.79、2 289.72和2 473.82 km2, 但空间差异并不突出.水域面积稳定增长, EDS情景增加80.42 km2, 高于NIS和UDS情景的19.21 km2和4.21 km2.建设用地在NIS、UDS和EDS情景分别增加1 213.88、1 378.57和927.17 km2, 相较于2020年增加10.67%、12.12%和8.15%.未利用地面积在3种情景下均呈下降趋势, NIS、UDS和EDS情景依次减少2.98、1.33和1.74 km2.
|
图 5 2035年多情景下土地利用空间结构 Fig. 5 Land use spatial structure under multiple scenarios in 2035 |
2035年太行山区ESV将继续保持增长趋势, 但增长幅度有所下降, 相较于2020年, NIS、UDS和EDS情景ESV增幅仅有2.36%、1.91%和3.36%, ESV分别增加5.37×109元、4.34×109元和7.64×109元（表 4）.价值总量上, NIS、UDS和EDS情景2035年ESV依次为2.33×1011元、2.32×1011元和2.35×1011元.价值构成上, 3种情景下ESV大小均为：调节服务 > 支持服务 > 供给服务 > 文化服务, 其中调节服务和支持服务功能两者价值占比超95%.价值变化上, 3种情景均仅有食物生产功能价值出现下降, 其余功能价值均有所提升；EDS情景单项ESV提升幅度高于NIS情景, UDS情景最低.不同情景ESV变化差异表现为：UDS情景拥有较高的建设用地需求导致城镇周边耕地流失更加严重, 食物生产功能明显下降；EDS情景对水域、森林生态系统的保护加强, 气候调节、水文调节功能提升更为显著.
|
|
表 4 2035年不同情景下太行山区生态系统服务价值及变化×108/元 Table 4 Ecosystem service value and changes in the Taihang Mountains under different scenarios in 2035×108/Yuan |
参考2000~2020年ESV等级划分标准划定2035年不同情景下ESV的高值区、中值区和低值区, 发现不同情景下太行山区ESV空间格局基本一致, 但NIS情景ESV极化趋势高于EDS和UDS情景（图 6）.ESV高值区依旧集中在高海拔地区及部分零星分布的水域, 但在大同、忻州东部及晋城东北部等生态修复工程实施的热点地区, NIS情景高值区格网ESV略高于UDS和EDS情景.ESV中值区范围急剧收缩, 占比由2020年的20.84%下降至NIS、UDS和EDS情景的16.20%、17.05%和18.45%, NIS和UDS情景下太原东北部、长治中部和临汾东部中值区域多向低值区转移, 而生态导向的EDS情景则保持相对稳定.ESV低值区在3种情景下均出现ESV成片下降的情况, 一方面源于城镇扩张占用耕地造成ESV的直接损失, 同时为保障耕地总量的动态平衡, 山前平原部分草地和林地又被开垦为耕地, 造成ESV间接损失, 此外中小城镇的崛起和基础设施建设带来的ESV损失难以避免, 在中部、西部以及南部的长治、运城和焦作等区域尤为突出.
|
（1）~（3）为2035年不同情景下太行山区ESV局部放大图, 柱状图为不同情景下太行山区各ESV等级的面积占比, 与地图颜色一一对应 图 6 2035年多情景下太行山区生态系统服务价值空间格局 Fig. 6 Spatial pattern of ecosystem service value in Taihang Mountains under multiple scenarios in 2035 |
进一步探究2035年不同情景下土地利用转移带来的ESV变化可知（图 7）：NIS和UDS情景下耕地ESV损失5.21×108元和6.35×108元, 建设用地侵占是导致其ESV下降的关键因素, 而EDS情景下耕地ESV减少6.10×108元, 主要源于耕地向林地转移, 但建设用地扩张的影响仍不容小觑, 造成耕地ESV损失5.41×108元.林地ESV的增长主要来自耕地和草地, 建设用地向林地转移带来的ESV仅在NIS情景中显著, 这与UDS情景采取限制建设用地大量转出的发展策略以及EDS情景下建设用地预期规模有限, 向外转出乏力有关.草地ESV损失最为严重, NIS、UDS和EDS情景减少2.09×109元、1.86×109元和2.01×109元.水域ESV在EDS、NIS和UDS情景下均有所提升, 是太行山区ESV增长的第二引擎, 但EDS情景ESV增量远高于NIS和UDS情景且来源不同, EDS情景多源于耕地和草地, 而NIS情景多源于建设用地和草地, UDS情景则主要为草地.未利用地ESV变化幅度较低, 3种情景下均呈下降趋势.
|
图 7 2035年多情景下土地利用类型间生态系统服务价值转移 Fig. 7 Ecosystem service value transfer between land use types under multiple scenarios in 2035 |
土地利用是影响ESV变化的关键因素[42].针对性的生态工程、生态修复和环境治理策略重塑着区域土地利用格局, 推动太行山区ESV增长.2000~2020年, 林地面积增加是太行山ESV上升的主要原因, 在这期间国家和地方政府积极实施天然林资源保护、退耕还林和太行山绿化等一系列生态建设工程, 耕地和草地向林地转向明显；同时森林覆盖率、储蓄量和造林面积等作为约束性指标被纳入到石家庄、长治和保定等地区的发展规划中；林长制、森林公园和林下经济产业培育等多项组合政策在提高森林资源保护效率上发挥显著作用, 太行山区森林生态系统稳定性增强, 功能显著提升.积极开展的生态修复项目是ESV增加的关键原因, 太行山区资源型城市密集、历史遗留矿山众多, 近些年晋中、大同和焦作等地持续推进矿山治理工作, 结合产业转型的发展需求因地制宜探索多元化的矿山修复模式, 生态用地面积有所增加；秉持“山水林田湖草沙一体化保护和修复”理念, 地方政府间建立起协同治理体系, 跨区域的生态修复项目有序实施, 整体生态环境得到改善.水域面积增加对太行山区ESV增长同样发挥着重要作用, 受全球变暖影响, 我国降雨带出现“北抬北扩”的迹象[43], 太行山区河流及湖泊的水资源供给增强, 地势低洼的耕地、未利用地向水域转移；作为华北平原和晋中盆地水源供给核心区, 各省市通过景观绿化、退养还湿、土壤改良等手段全面开展河流、湖泊水生生态环境治理, 并制定《石家庄市滹沱河保护条例》 《长治市漳河流域生态修复与保护条例》等法律文件用于加强水域保护工作.
基于情景模拟视角把握ESV对区域政策的反馈机制, 可为区域土地利用管理提供更具前瞻性的参考[18].然而, 现有研究多从数量预期和空间约束角度开展情景模拟[44], 对区域针对性政策的探索仍显不足.故研究在考虑区域空间规划对新增建设用地的导向作用及全域旅游发展带来的空间交互作用基础上, 设置自然增长、城市发展和生态旅游情景, 引入MCCA模型揭示格网单元下土地利用的空间结构及ESV的变化特征.本研究发现, 3种情景下太行山区土地利用变化方向均保持一致, 但变化强度和空间位置有所不同, 形成不同的ESV演变模式.NIS情景延续着ESV演变的历史趋势, 但ESV高强度的空间变化值得警惕, 尽管人工治理能达成规模高效的生态修复目标, 但并不利于生态系统服务功能的稳定供给, 应以自然恢复为主推进太行山区国土空间生态修复和保护.UDS情景揭示着城市快速扩张下的ESV损失, 警示作用凸显, 各级政府需严格控制建设用地规模, 提高土地利用效率, 促进经济集约增长；EDS情景是优化土地利用结构、平衡经济发展和生态保护的最佳选择, 反映着以培育生态资源旅游产业为主, 带动区域经济转型和高质量发展下的ESV格局, 与“绿水青山就是金山银山”发展理念高度契合, ESV增长显著.
太行山区生态资源存量丰富且发展趋势向好, 但耕地流失及ESV空间极化问题值得重视.ESV评估侧重耕地的生态属性, 在全面推进生态修复和保护的区域, 城市扩张造成的耕地ESV损失会被退耕还林和退耕还湿等过程掩盖.就太行山区而言, 耕地与林地的ESV系数有近36倍的差异, 意味着建设用地占用大量耕地可以通过小规模的退耕还林得到弥补, 实现ESV的动态平衡.耕地保护的硬措施效果明显, 耕地面积由降转升, 但占补平衡对生态用地空间挤压严重, 且耕地空间置换面临着过渡性损失, 如潜在的撂荒风险、耕作层的二次培育等.情景模拟结果表明城市建设、生态保护目标均会牺牲耕地, 太行山区耕地保护迫在眉睫.ESV的空间极化主要受自然环境因素影响, 但人类活动左右着这种极化效应, 如城市建成区形成的ESV低谷、抚育林区出现的ESV峰值.空间极化过程使得生态系统服务功能发挥可能面临远距离的运输成本和消耗, 且空间形态过于单一和同质性强的景观多存在韧性不足的问题[45].未来应积极探索和扩宽生态经济发展路径, 减少经济发展对建设用地的过度依赖, 加大存量土地盘活处置力度, 引导落后、过剩工业产能改造升级；科学部署生态退耕任务, 提高区域生态修复和保护效率, 强化耕地的属地管理和保护；依托道路、河流、景点等地布局城市绿地, 搭建城乡互联的生态网络；统筹规划和推进区域混合景观建设, 打造多元化绿地空间.
本研究在系统性分析太行山区ESV演变趋势基础上, 探讨不同情景下的ESV时空格局, 揭示出太行山区生态环境稳步向好的客观事实, 与前人研究结论高度契合[46], 可为太行山区生态产业建设和国土空间可持续管理提供科学依据.但受限于数据获取难度较大、难以计量的原因, 研究仍有些许不足.其中, 使用NPP、降水量和土壤保持量进行当量因子表的改进尽管能体现ESV的区域异质性, 但面对太行山区多是次生林的现实[44], 可能存在ESV高估, 未来可将森林质量考虑到ESV核算体系中.此外, 基于1 km×1 km格网单元虽然能够揭示跨行政区域的ESV空间特征[47], 但ESV的尺度效应有待深入探讨.
4 结论（1）2000~2020年太行山区土地利用类型以林地、耕地和草地为主, 生态本底条件优越, 耕地和草地面积显著下降, 林地和建设用地面积稳定上升, 土地利用变化剧烈, 转移规模2.06×104 km2, 耕地和草地转移强度较高, 主要以生态建设为导向.
（2）2000~2020年太行山区调节服务功能突出, 价值占比超60%, 是生态保护的侧重方向, ESV稳步增长, 累计增加1.51×1010元, 生态保护成效显著, ESV空间分布不均且极化现象突出, 地形梯度特征明显, 受人类活动强度和规模影响较大.
（3）2035年太行山区ESV呈持续上升趋势, 耕地和草地向林地转移是ESV增长的重要原因, NIS、UDS和EDS情景下ESV分别增加5.37×109元、4.34×109元和7.64×109元, EDS情景规避着高强度土地利用变化和城镇扩张, 是推动太行山区绿色发展的有效路径.
| [1] | Xia H, Yuan S F, Prishchepov A V. Spatial-temporal heterogeneity of ecosystem service interactions and their social-ecological drivers: Implications for spatial planning and management[J]. Resources, Conservation and Recycling, 2023, 189. DOI:10.1016/j.resconrec.2022.106767 |
| [2] |
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. |
| [3] |
冉璇, 李渊, 郭宇龙, 等. 基于InVEST模型的钱江源国家公园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, 2023, 32(9): 1932-1948. Ran X, Li Y, Guo Y L, et al. Ecosystem services assessment and trade-off synergy relationships in Qianjiangyuan National Park based on InVEST model[J]. Resources and Environment in the Yangtze Basin, 2023, 32(9): 1932-1948. |
| [4] |
耿鑫, 胡实, 肖玉, 等. 基于生态系统服务价值的东北农牧交错区土地利用格局优化与评价[J]. 自然资源学报, 2022, 37(7): 1799-1814. Geng X, Hu S, Xiao Y, et al. Land use pattern optimization and evaluation based on ESV of agro-pastoral ecotone in Northeast China[J]. Journal of Natural Resources, 2022, 37(7): 1799-1814. |
| [5] |
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. |
| [6] | Xiao Y, Huang M D, Xie G D, et al. Evaluating the impacts of land use change on ecosystem service values under multiple scenarios in the Hunshandake region of China[J]. Science of the Total Environment, 2022, 850. DOI:10.1016/j.scitotenv.2022.158067 |
| [7] | Zhang L L, Hu B Q, Zhang Z, et al. Research on the spatio temporal evolution and mechanism of ecosystem service value in the mountain-river-sea transition zone based on "production-living-ecological space"—Taking the Karst-Beibu gulf in Southwest Guangxi, China as an example[J]. Ecological Indicators, 2023, 148. DOI:10.1016/j.ecolind.2023.109889 |
| [8] |
乔斌, 曹晓云, 孙玮婕, 等. 基于生态系统服务价值和景观生态风险的生态分区识别与优化策略——以祁连山国家公园青海片区为例[J]. 生态学报, 2023, 43(3): 986-1004. Qiao B, Cao X Y, Sun W J, et al. Ecological zoning identification and optimization strategies based on ecosystem service value and landscape ecological risk: taking Qinghai area of Qilian Mountain National Park as an example[J]. Acta Ecologica Sinica, 2023, 43(3): 986-1004. |
| [9] | Long X R, Lin H, An X X, et al. Evaluation and analysis of ecosystem service value based on land use/cover change in Dongting Lake wetland[J]. Ecological Indicators, 2022, 136. DOI:10.1016/j.ecolind.2022.108619 |
| [10] | Yang H J, Gou X H, Xue B, et al. Research on the change of alpine ecosystem service value and its sustainable development path[J]. Ecological Indicators, 2023, 146. DOI:10.1016/j.ecolind.2023.109893 |
| [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] |
王耕, 张芙榕. 近30年辽河三角洲生态系统服务价值时空演变及影响因素分析[J]. 环境科学, 2024, 45(1): 228-238. Wang G, Zhang F R. Spatial and temporal evolution and impact factors analysis of ecosystem service value in the Liaohe River Delta over the past 30 years[J]. Environmental Science, 2024, 45(1): 228-238. |
| [13] | Wang A Y, Liao X Y, Tong Z J, et al. Spatial-temporal dynamic evaluation of the ecosystem service value from the perspective of "production-living-ecological" spaces: a case study in Dongliao River Basin, China[J]. Journal of Cleaner Production, 2022, 333. DOI:10.1016/j.jclepro.2021.130218 |
| [14] |
贾路, 于坤霞, 李占斌, 等. 长江经济带景观格局对生态系统服务价值影响的概率评估[J]. 农业工程学报, 2023, 39(15): 217-227. Jia L, Yu K X, Li Z B, et al. Probability evaluation of the impact of landscape pattern on ecosystem service value in the Yangtze River Economic Belt[J]. Transactions of the Chinese Society of Agricultural Engineering, 2023, 39(15): 217-227. DOI:10.11975/j.issn.1002-6819.202304177 |
| [15] |
杨朔, 苏昊, 赵国平. 基于PLUS模型的城市生态系统服务价值多情景模拟——以汉中市为例[J]. 干旱区资源与环境, 2022, 36(10): 86-95. Yang S, Su H, Zhao G P. Multi-scenario simulation of urban ecosystem service value based on PLUS model: a case study of Hanzhong city[J]. Journal of Arid Land Resources and Environment, 2022, 36(10): 86-95. |
| [16] | Zhang X S, Ren W, Peng H J. Urban land use change simulation and spatial responses of ecosystem service value under multiple scenarios: a case study of Wuhan, China[J]. Ecological Indicators, 2022, 144. DOI:10.1016/j.ecolind.2022.109526 |
| [17] |
刘志勇, 方朝阳, 蔡振饶, 等. 多情景下鄱阳湖滨湖区生态系统服务价值预测[J]. 环境科学与技术, 2022, 45(7): 218-227. Liu Z Y, Fang C Y, Cai Z R, et al. Multi-scenario simulation and prediction of ESV for Poyang Lake lakeside area[J]. Environmental Science & Technology, 2022, 45(7): 218-227. |
| [18] |
王子尧, 孟露, 李倞, 等. 低碳发展背景下北京市土地利用与生态系统服务多情景模拟研究[J]. 生态学报, 2023, 43(9): 3571-3581. Wang Z Y, Meng L, Li L, et al. Multi-scenario simulation of land use and ecosystem services in Beijing under the background of low-carbon development[J]. Acta Ecologica Sinica, 2023, 43(9): 3571-3581. |
| [19] |
蒋小芳, 段翰晨, 廖杰, 等. 基于多模型的黑河中游甘临高地区土地利用情景模拟[J]. 农业机械学报, 2022, 53(9): 178-188. Jiang X F, Duan H C, Liao J, et al. Multi-model-based simulation of different landuse scenarios in Gan-Lin-Gao area in middle reaches of Heihe River[J]. Transactions of the Chinese Society for Agricultural Machinery, 2022, 53(9): 178-188. |
| [20] | Zhang P, Liu L, Yang L W, et al. Exploring the response of ecosystem service value to land use changes under multiple scenarios coupling a mixed-cell cellular automata model and system dynamics model in Xi'an, China[J]. Ecological Indicators, 2023, 147. DOI:10.1016/j.ecolind.2023.110009 |
| [21] | Liang X, Guan Q F, Clarke K C, et al. Mixed-cell cellular automata: a new approach for simulating the spatio-temporal dynamics of mixed land use structures[J]. Landscape and Urban Planning, 2021, 205. DOI:10.1016/j.landurbplan.2020.103960 |
| [22] |
李楚瑜, 徐伟铭, 王开家, 等. 基于MCCA的多情景土地利用演变及其ESV变化研究——以龙岩市为例[J]. 贵州大学学报(自然科学版), 2023, 40(5): 114-124. Li C Y, Xu W M, Wang K J, et al. Multi-scenario land use revolution and ESV change based on MCCA: a case study of Longyan city[J]. Journal of Guizhou University (Natural Sciences), 2023, 40(5): 114-124. |
| [23] |
祁育汀, 张平, 刘雷, 等. 关中平原城市群土地利用结构多情景优化和生态系统服务价值预测[J]. 应用生态学报, 2023, 34(9): 2507-2517. Qi Y T, Zhang P, Liu L, et al. Multi-scenario optimization of land use structure and prediction of ecosystem service value in Guanzhong Plain urban agglomeration[J]. Chinese Journal of Applied Ecology, 2023, 34(9): 2507-2517. |
| [24] |
文安邦, 汤青, 欧阳朝军, 等. 中国山地保护与山区发展: 回顾与展望[J]. 中国科学院院刊, 2023, 38(3): 376-384. Wen A B, Tang Q, Ouyang C J, et al. Mountain protection and mountain development in China: review and prospect[J]. Bulletin of Chinese Academy of Sciences, 2023, 38(3): 376-384. |
| [25] |
康园园, 于淑会, 尚国琲, 等. 基于LUCC的太行山区生态系统服务价值时空特征分析[J]. 河北地质大学学报, 2022, 45(4): 96-103. Kang Y Y, Yu S H, Shang G F, et al. Spatial and temporal characteristics of ecosystem service values in Taihang Mountains based on LUCC[J]. Journal of Hebei GEO University, 2022, 45(4): 96-103. |
| [26] |
高会, 付同刚, 梁红柱, 等. 太行山区生态系统服务冷热点区域识别及其权衡/协同关系分析[J]. 中国生态农业学报(中英文), 2022, 30(7): 1045-1053. Gao H, Fu T G, Liang H Z, et al. Cold/hot spots identification and tradeoff/synergy analysis of ecosystem services in Taihang Mountain area[J]. Chinese Journal of Eco-Agriculture, 2022, 30(7): 1045-1053. |
| [27] | Han J Z, Hu Z Q, Wang P J, et al. Spatio-temporal evolution and optimization analysis of ecosystem service value—A case study of coal resource-based city group in Shandong, China[J]. Journal of Cleaner Production, 2022, 363. DOI:10.1016/j.jclepro.2022.132602 |
| [28] |
周鹏, 邓伟, 张少尧, 等. 太行山区国土空间格局演变特征及其驱动力[J]. 山地学报, 2020, 38(2): 276-289. Zhou P, Deng W, Zhang S Y, et al. Evolution characteristics and its driving force of territory space pattern in the Taihang Mountain, China[J]. Mountain Research, 2020, 38(2): 276-289. |
| [29] |
闫戈丁, 景海涛, 何湜, 等. 太行山区生态环境质量时空变化与演变趋势[J]. 山地学报, 2023, 41(3): 335-347. Yan G D, Jing H T, He S, et al. Spatial-temporal variation and evolutionary trends of eco-environment quality in the Taihang Mountains, China[J]. Mountain Research, 2023, 41(3): 335-347. |
| [30] | Yang J, Huang X. The 30 m annual land cover dataset and its dynamics in China from 1990 to 2019[J]. Earth System Science Data, 2021, 13(8): 3907-3925. DOI:10.5194/essd-13-3907-2021 |
| [31] |
王海军, 武悦, 邓羽, 等. 基于城市流和层级性的城市群扩展模型构建[J]. 地理学报, 2021, 76(12): 3012-3024. Wang H J, Wu Y, Deng Y, et al. Model construction of urban agglomeration expansion simulation considering urban flow and hierarchical characteristics[J]. Acta Geographica Sinica, 2021, 76(12): 3012-3024. DOI:10.11821/dlxb202112010 |
| [32] |
梁膑月, 曹春, 李锦超, 等. 近20年兰西城市群生态系统服务价值对土地利用转型的时空响应[J]. 环境科学, 2024, 45(6): 3329-3340. Liang B Y, Cao C, Li J C, et al. Spatiotemporal response of ecosystem service value to land use change in the Lanzhou-Xining urban agglomeration over the past 20 years[J]. Environmental Science, 2024, 45(6): 3329-3340. |
| [33] |
陈航, 王颖, 王澍. 铜山矿区周边农田土壤重金属来源解析及污染评价[J]. 环境科学, 2022, 43(5): 2719-2731. Chen H, Wang Y, Wang S. Source analysis and pollution assessment of heavy metals in farmland soil around Tongshan mining area[J]. Environmental Science, 2022, 43(5): 2719-2731. |
| [34] |
乐荣武, 李巍, 周思杨, 等. 呼包鄂榆城市群生态系统服务价值驱动因素及其交互效应[J]. 生态学报, 2023, 43(23): 9967-9980. Yue R W, Li W, Zhou S Y, et al. Driving factors and their interaction effects of ecosystem service value in the Hohhot-Baotou-Ordos-Yulin urban agglomeration[J]. Acta Ecologica Sinica, 2023, 43(23): 9967-9980. |
| [35] |
姚志强, 陈实, 胡文海, 等. 皖江城市带双核地区ESV时空演变及人为驱动因素识别[J]. 长江流域资源与环境, 2022, 31(8): 1776-1786. Yao Z Q, Chen S, Hu W H, et al. Temporal and spatial evolution of ESV in dual core area of Wanjiang Urban Belt and identification of human driving factors[J]. Resources and Environment in the Yangtze Basin, 2022, 31(8): 1776-1786. |
| [36] |
杨光宗, 吕凯, 李峰. 基于格网尺度的南昌市土地利用变化及生态系统服务价值时空相关性分析[J]. 中国土地科学, 2022, 36(8): 121-130. Yang G Z, Lyu K, Li F. Spatial and temporal correlation analysis of land use change and ecosystem service value in Nanchang city based on grid scale[J]. China Land Science, 2022, 36(8): 121-130. |
| [37] | Gao Z Q, Tao F, Wang Y H, et al. Potential ecological risk assessment of land use structure based on MCCA model: a case study in Yangtze River Delta Region, China[J]. Ecological Indicators, 2023, 155. DOI:10.1016/j.ecolind.2023.110931 |
| [38] | Zhang J, Li X C, Zhang C C, et al. Assessing spatiotemporal variations and predicting changes in ecosystem service values in the Guangdong–Hong Kong–Macao Greater Bay Area[J]. GIScience & Remote Sensing, 2022, 59(1): 184-199. |
| [39] |
张晓瑶, 张潇, 李冬花, 等. 城市土地利用变化对生态系统服务价值影响的多情景模拟——以深圳市为例[J]. 生态学报, 2022, 42(6): 2086-2097. Zhang X Y, Zhang X, Li D H, et al. Multi-scenario simulation of the impact of urban land use change on ecosystem service value in Shenzhen[J]. Acta Ecologica Sinica, 2022, 42(6): 2086-2097. |
| [40] |
李安林, 周艳, 唐丽毅, 等. 怒江州土地利用模拟及生态系统服务价值评估——基于PLUS模型的多情景分析[J]. 中国农业资源与区划, 2023, 44(1): 140-149. Li A L, Zhou Y, Tang L Y, et al. Land use simulation and ecosystem services values evaluation in Nujiang prefecture—a multiple-scenario analysis based on Plus model[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2023, 44(1): 140-149. |
| [41] |
方叶林, 程雪兰, 苏雪晴, 等. 一体化进程对旅游经济的空间溢出效应——以长三角城市群为例[J]. 地理科学, 2021, 41(9): 1546-1555. Fang Y L, Cheng X L, Su X Q, et al. The spatial spillover effect of integration progress on tourism economy: A case study of the Yangtze River Delta urban agglomeration[J]. Scientia Geographica Sinica, 2021, 41(9): 1546-1555. |
| [42] |
赵恒谦, 刘哿, 杨姿涵, 等. 2000-2020年辽宁省生态系统服务评估与多情景预测[J]. 环境科学, 2024, 45(7): 4137-4151. Zhao H Q, Liu G, Yang Z H, et al. Ecosystem services assessment and multi-scenario prediction in Liaoning province from 2000 to 2020[J]. Environmental Science, 2024, 45(7): 4137-4151. |
| [43] | Chen H, Fleskens L, Schild J, et al. Impacts of large-scale landscape restoration on spatio-temporal dynamics of ecosystem services in the Chinese Loess Plateau[J]. Landscape Ecology, 2022, 37(1): 329-346. DOI:10.1007/s10980-021-01346-z |
| [44] |
陈宁, 辛存林, 唐道斌, 等. 中国西北地区多情景土地利用优化与碳储量评估[J]. 环境科学, 2023, 44(8): 4655-4665. Chen N, Xin C L, Tang D B, et al. Multi-scenario land use optimization and carbon storage assessment in Northwest China[J]. Environmental Science, 2023, 44(8): 4655-4665. |
| [45] | Mallick S K. Prediction-Adaptation-Resilience (PAR) approach- A new pathway towards future resilience and sustainable development of urban landscape[J]. Geography and Sustainability, 2021, 2(2): 127-133. DOI:10.1016/j.geosus.2021.06.002 |
| [46] |
郑德凤, 万巨影, 白丽娜, 等. 燕山—太行山区生态系统服务价值权衡/协同关系的多尺度分析[J]. 生态与农村环境学报, 2022, 38(4): 409-417. Zheng D F, Wan J Y, Bai L N, et al. Multi-scale analysis of ecosystem service trade-offs/synergies in Yanshan-Taihang Mountains area[J]. Journal of Ecology and Rural Environment, 2022, 38(4): 409-417. |
| [47] |
温玉玲, 张小林, 魏佳豪, 等. 鄱阳湖环湖区生态系统服务价值时空变化及权衡协同关系[J]. 地理科学, 2022, 42(7): 1229-1238. Wen Y L, Zhang X L, Wei J H, et al. Temporal and spatial variation of ecosystem service value and its trade-offs and synergies in the peripheral region of the Poyang Lake[J]. Scientia Geographica Sinica, 2022, 42(7): 1229-1238. |