2024, Vol. 45
2. 北部湾海洋地理信息资源开发利用重点实验室, 钦州 535011
, CHEN Liang1 , TIAN Yi-chao1,2
, LIN Jun-liang1 , HUANG Zhu-jun1 , YANG Yun-zhen1 , ZHANG Qiang1 , TAO Jin1
2. Key Laboratory of Marine Geographic Information Resources Development and Utilization in the Beibu Gulf, Beibu Gulf University, Qinzhou 535011, China
生态系统服务作为联系生态系统和人类社会的桥梁, 直观反映生态系统健康状况和人类社会需求[1, 2].其价值评估是生态环境保护、生态功能区划、环境经济核算和生态补偿决策的重要依据和基础[3].近几十年来人口的增长以及城市化和工业化进程的不断加快, 人类活动驱动下的土地利用变化, 包括经济和社会的快速发展, 给全球自然资源和生态环境造成了越来越大的压力[4, 5].高强度的土地利用不断使LULC模式发生显著变化, 影响了生态系统服务的供应和分布, LULC结构的失衡严重制约了生态系统服务的价值[6 ~ 8].因此, 为了有效处理在经济快速发展过程中所面临的社会及环境压力, 模拟未来土地利用变化格局, 定量分析不同情景下生态系统服务价值的时空动态特征, 不仅是平衡生态环境质量、经济发展和粮食安全的关键环节, 更对区域发展和国土空间优化具有重要战略意义.
在生态系统服务价值估算研究方面, 国外学者Costanza等[9]于1997年首次提出ESV估算的“当量因子法”, 适用于评价较大尺度的地区及世界范围的生态系统服务价值.在此基础上, 谢高地等对当量因子法加以修正和完善, 基于不同土地利用类型所提供的各类服务功能价值估算ESV[10].随着研究的深入, 学者们进一步结合土地利用模拟模型[CA-Markov模型[11, 12]、FLUS模型[13, 14]、GM（1, 1）灰色理论模型和CLUE-S模型等[15]]模拟不同情景下未来土地利用变化对区域生态系统服务价值的影响[16, 17].但目前已有的多情景下生态系统服务价值的模拟测度, 在评价尺度和范围方面, 从全球[1]尺度到行政区[18]、城市群[5, 19]、重点流域[20, 21]和沿海地区[22].然而有关边境喀斯特地区的生态系统服务的研究成果较少关注, 且现有的少量成果集中在对2020年之前历史年份的生态系统服务价值的测度研究[23], 缺乏对未来时期不同情景下边境喀斯特地区生态系统服务价值的时空格局分析.桂西南峰丛洼地流域位于云贵高原向广西盆地过渡的斜坡地带边境地区, 既是我国重要的水源涵养区和生物多样性优先保护区, 也是我国重要的动植物种质基因库[24].伴随“一带一路”倡议的实施以及西部陆海新通道的建设, 土地利用发生了深刻变化[25], 而土地利用的变化改变了生态系统的结构、过程和功能, 并对生态系统服务价值产生了显著影响[26 ~ 28].然而, 生态系统服务价值空间分异对土地利用变化的响应缺乏相关研究, 因而全面细致地探究不同情景下土地利用变化及生态系统服务价值空间分异规律, 对于维护边境喀斯特地区的生态安全, 促进人与自然和谐共生具有重要意义.
鉴于此, 本文基于野外考察、多源数据及CA-Markov模型, 从国家“粮食安全、生态保护”的战略要求出发, 设置“自然发展、粮食安全、生态保护”情景模拟未来土地利用.在此基础上, 采用当量因子法估算2000年、2010年、2020年以及模拟出的2030年3种情景所对应的生态系统服务价值和生态系统服务价值的空间分布状况, 以及利用热点分析探究生态服务价值的集聚程度, 旨在为桂西南边境区域土地利用结构优化和生态环境保护提供科学依据.
1 材料与方法 1.1 研究区概况桂西南峰丛洼地流域（图 1）介于104°33′~108°43′ E, 21°35′~24°39′ N之间, 面积61 485.16 km2.海拔多在500~1 700 m, 年均降水量处于900~1 600 mm之间, 年均气温14.5~20℃.该流域属于我国西南典型的喀斯特和非喀斯特混合型地区之一, 喀斯特地区发育强烈, 有锥峰、塔峰、洼地、峰丛和峰林等地貌类型.根据峰丛洼地的地质、气候分异、地貌部位和微地貌形态将桂西南峰丛洼地流域分为：①滇东南桂西南西南季风非典型峰丛洼地区（位于滇东高原, 属于西南季风气候区, 干湿季节特征鲜明）[29]；②桂中大斜坡南部漏斗型锥塔峰洼地区（地貌形态属于典型的漏斗型锥峰、塔峰和洼地地貌, 石山多坝地少, 属亚热带季风气候）[30]；③桂南丘陵浅碟型锥塔峰洼谷区（喀斯特地貌面积比例小, 多发育典型的峰丛谷地）；④碎屑岩为主的非喀斯特峰丛洼地区4个区域[31].流域在气候条件和地貌类型具有显著的空间分异性, 地势上西北高、东南低, 喀斯特地貌广泛发育, 生态系统较为脆弱, 是中国西南典型的峰丛洼地喀斯特地区之一[32, 33].
|
图 1 研究区位置示意 Fig. 1 Location of the study area |
本研究所使用的数据及来源（表 1）：①土地利用数据解译采用的影像分别为2000年11月3~5日的Landsat 5 TM和landsat 7 ETM多光谱数据, 2010年11月8日、12月3日和12月28日的Landsat 5 TM影像, 2020年则采用11月10日、11月12日和11月19日Landsat 8 OLI多光谱影像, 空间分辨率均为30 m, 均来源于美国地质勘探局（USGS）（https://eathexplorer.usgs.gov/）, 云量都小于10%.对Landsat数据进行解译及解译后处理, 最终解译的精度为86.5%, 根据流域实际情况将解译的结果分为6类, 分别为建设用地、耕地、林地、草地、灌丛和水系. ②驱动力因子数据主要包括：气象数据（气温、降雨）来源于中国气象科学数据共享服务网；GDP和人口密度数据来源于2000、2010和2020年的《广西统计年鉴》；距行政中心距离、距道路距离等数据来源于国家基础地理信息中心；DEM数据来源于地理空间数据云平台.基于ArcGIS平台以研究区边界为掩膜进行裁剪, 重采样为180 m. ③水稻、玉米和马铃薯这3种粮食作物的种植面积来源于《中国统计年鉴2021》, 3种粮食作物的净利润来源于《全国农产品成本收益资料汇编-2021》.
|
表 1 数据来源1） Table 1 Data sources |
1.3 研究方法 1.3.1 生态系统服务价值计算
一个标准单位生态系统服务价值当量因子（简称价值当量）是指1 hm2全国平均产量的农田每年自然粮食产量的经济价值. 本研究参考谢高地等[3]的处理方法, 将单位面积农田生态系统粮食生产的净利润作为一个标准当量因子的生态系统服务价值量.研究区农田生态系统的粮食产量价值主要依据水稻、玉米和马铃薯三大粮食产量进行计算.根据研究区实际情况和谢高地等文献[3], 建设用地的生态服务价值为零, 本研究采用当量表中的水田、针阔混交、灌草丛、水系和灌木这5种地类的单位面积服务价值当量, 计算过程见公式（1）.进一步计算桂西南峰丛洼地流域2000~2020年3期生态系统服务价值量, 计算过程见公式（2）.
|
(1) |
|
(2) |
式中, D表示一个标准当量因子的生态系统服务价值量（元·hm-2）；S1、S2和S3分别表示水稻、玉米和马铃薯的播种面积占3种作物播种总面积的百分比；F1、F2和F3分别表示水稻、玉米和马铃薯的单位面积净利润（元·hm-2）；ESVt表示t时期的生态系统服务价值（元·a-1）；k表示土地利用类型；Akt表示第k类土地利用类型在t时期的面积（hm2）；VCk表示第k类土地利用类型单位面积生态系统服务价值（元·hm-2）.根据研究区域内的统计资料和经济资料的实效性和可获性, 本文以2020年全国农产品成本收益资料汇编为基础数据, 计算出研究区的价值当量为2 547.86元·hm-2.修正系数是根据不同省份的自然经济状况提出的, 广西修正系数最高为0.98[34].根据相关研究和广西2020年农业产量, 计算研究区ESV价值当量为2 496.90元·hm-2, 并以该值为基准计算研究区各土地利用类型的ESV系数.
1.3.2 ESV冷热点分析用于描述生态系统服务价值冷热点的空间分布格局, 能够识别出具有统计显著性高值（热点）和低值（冷点）的空间聚类区域[35], 公式如下：
|
(3) |
|
(4) |
|
(5) |
式中, n表示空间中的网格单元的数量, xi和xj分别表示单元i和单元j的观测值；wij表示关于空间k相邻关系建立的空间权重矩阵；X表示单元网格观测值均值；S表示单元网格观测值方差.若一定范围内ESV较高时是高值聚集的区域, 表示生态系统服务价值在该区较大, 称为ESV热点区；若一定范围内ESV较低时是低值聚集的区域, 表示生态系统服务价值在该区较小, 称为ESV冷点区.
1.3.3 土地利用格局情景模拟（1）CA模型 元胞自动机（cellular automata, CA）是一种时空和状态均离散的动力学模型, 具备超强的复杂空间计算功能和限制条件固定的并行计算能力, 在时空模拟方面表现出强大的运行能力, 适用于二维特征的地理系统模拟, 现已成为模拟和预测未来土地利用空间分布的重要媒介与研究的热点区域[11].计算公式如下：
|
(6) |
式中, St表示t时刻的元胞空间, St+1表示t+1时刻的元胞空间；N表示某个元胞单元的邻域；f表示元胞状态演化规则模型.
（2）Markov模型 Markov模型是一种预测某一现象发生概率的方法, 具有无后效性的特点.在土地利用变化的研究中代入Markov模型的思想, 即将土地利用变化的情况视为仅与它之前某一时刻的土地利用类型有关, 与其他土地周围任何影响因素无关.土地利用类型面积之间的数量转换关系可以用土地利用转移矩阵表达, 其预测公式如下：
|
(7) |
式中, S（T）和S(T0)分别表示T和T0时刻土地利用的状态；Pij表示土地利用变化状态的转移概率矩阵, Pij可表达为下式：
|
(8) |
式中, 
自然发展情景：自然发展情景的参数设置是研究区基于2010~2020年土地利用变化规律, 不设定各类型用地之间相互转换的限制条件以及未涉及政府和市场干预的变化情景[13].
粮食安全情景：基本农田的质量和数量关系国家的粮食安全, 因而在自然发展情景下加入耕地保护的理念, 通过一定的干预使一部分林地、灌丛和草地转化为粮食用地.参数设置：此情景是在该土地利用原有的发展基础上2020年为耕地的地类为限制因素不转出, 严格控制基本农田转为其他类型用地, 将与道路、铁路、公路和行政中心的距离10 km内, 坡度低于25°的生态用地转为耕地作为适宜条件.
生态保护情景：此情景是在该土地利用原有的发展基础上2020年为生态用地的地类不转出, 同时结合自治区的《广西生态保护正面清单（2022）》《广西生态保护禁止事项清单（2022）》生态保护政策和生态红线优先考虑桂西南峰丛洼地流域的生态发展, 优化生态环境与经济发展空间体系, 有效推动林地、草地、灌丛和水域地类的发展.以自然发展情景基础上加入生态保护理念, 具体参数设置为将林地转化为其它地类的速率减缓20%, 将坡度在15°~25°的耕地转化为林地草地设为生态适宜用地.坡度高于25°的用地类型强制设为生态用地作为限制条件, 以防止生态用地被其他用地侵占.
1.3.4 Logistic回归分析Logistic回归分析是以各种土地利用类型作为因变量, 对其影响程度较大的因子作为自变量, 依次回归得到空间分布概率适宜图集的方法, 公式如下：
|
(9) |
式中, Pi表示第i个因子对土地利用类型的影响概率；Xn, i表示影响第n种土地利用类型的第i个因子；β > 0表示此驱动因子与该土地利用类型分布概率正相关；β < 0则表示负相关.
1.3.5 精度验证土地利用数据模拟精度的验证一般采用分析Kappa指数的方法.它可以用来评价两幅地图间的相似性.其公式为：
|
(10) |
式中, P0表示预测结果与实际值一致的栅格比例；Pc表示在情景状态下预测结果一致的比例；Kappa≥0.75表示有较好的模拟效果；0.4≤Kappa < 0.75表示模拟效果一般；Kappa < 0.4表示模拟效果差.
2 结果与分析 2.1 桂西南峰丛洼地土地利用变化及生态服务价值时空演变 2.1.1 2000~2020年研究区土地利用总体变化特征由图 2可知, 2000~2020年研究区土地利用类型主要以耕地和林地为主, 二者面积和占比90%左右（图 2）.林地的面积占比最多, 达到总面积的60%以上, 且分布面积较广, 主要分布在流域中上游的西林县、右江区和富宁县交接的海拔高于1 000 m以上的非喀斯特区域的原始天然林区、以及在局部高山地区如南部宁明县与防城港市接壤的十万大山余脉浦龙山、千米以上江州区与隆安县交界的西大明山, 龙州县的大青山林区.受地形限制人类活动干扰极少, 森林覆盖率较高, 具有丰富的动植物资源, 是桂西南最重要的生物资源库, 是珠江流域生态安全屏障区；耕地面积约占总面积的26%, 耕地主要分布在下游的丘陵平原地带, 该区域以农业生态系统为主, 原始森林小片零星分布.扶绥县、江州区、宁明县、大新县和龙州县等5县（区）被国家发改委定为甘蔗生产基地县（区）, 是中国最大的甘蔗种植、蔗糖生产基地；而建设用地主要分布在沿河两岸.
|
图 2 2000~2020年桂西南峰丛洼地流域土地利用 Fig. 2 Land use in the peak cluster depression basin of southwestern Guangxi from 2000 to 2020 |
2000~2020年研究区的土地利用类型变化总体特征呈现耕地和草地面积大幅度减少, 耕地面积在这20 a间减少171 431.64 hm2, 变化率为10.18%；草地在研究区中占比较小, 20 a间面积减小6 833.16 hm2, 变化率为10.42%；林地和建设用地等地类面积大幅度增加的趋势, 林地面积在这20 a间增长了103 362.48 hm2, 变化率为2.65%；灌丛面积占比较小, 呈现波动上升的趋势, 20 a间增长了9 739.44 hm2, 变化率为2.4%；水系的变化率较大, 面积稳定增长, 20 a间增长了9 956.52 hm2, 变化率为29.47%；建设用地的面积是成倍扩张的, 仅仅20 a时间, 建设用地增长了55 206.36 hm2, 变化率为106.47%.总体而言, 研究区呈现耕地和草地向其他4种土地类型转化的趋势.
2.1.2 2000~2020年研究区生态系统服务价值变化特征由图 3可知, 桂西南峰丛洼地流域2000、2010和2020年生态系统服务价值分别为2 708.81亿、2 757.80亿和2 783.32亿元, 期间加了74.51亿元.其中, 林地对研究区的生态系统服务价值贡献最大, 这3个时间段分别为2 252.56亿、2 288.66亿和2 312.15亿元, 可以看出林地所提供的生态系统服务价值在不断提升；灌丛的生态系统服务价值变化较小, 20 a间增长了3.7亿元, 变化率为2.40%；水系的生态系统服务价值变化最为明显, 虽然水系的面积占比不到1%, 但是水系对于生态系统服务价值的贡献率显著, 20 a间增长了31.23亿元, 波动率为29.47%；耕地的生态系统服务价值减幅最大, 退耕还林等生态工程的实施以及建设用地迅速扩张, 使得耕地生态系统服务价值在20 a间减少了16.65亿元, 变化率为10.18%；草地的生态系统服务价值变化率较大, 20 a间变化率为10.42%, 减少了3.36亿元；建设用地的生态系统服务价值为0.总体来说, 土地利用结构变化直接影响ESV变化特征, 总体呈上升趋势.
|
图 3 2000~2020年研究区各类土地利用类型的生态系统服务价值 Fig. 3 Ecosystem service value of various land use types in the study area from 2000 to 2020 |
由图 4可知, 2000~2020年研究区生态系统服务价值分别为2 708.81亿、2 757.8亿和2 783.32亿元, 整体呈上升的趋势.单个生态系统服务在不同时期所能提供的生态系统服务价值的大小, 其中水资源供给所提供的生态系统服务价值虽然呈现上升的趋势, 但还是处于负值.可能是由于研究区属于喀斯特地貌, 地表容易被水溶蚀, 水体易下渗成为地下水, 耕地面积的占比较大, 降低了涵养水源的能力, 加剧了水土流失.气候调节和水文调节在生态系统服务价值的占比之和约为50%, 2000、2010和2020年分别为1 346.46亿、1 376.01亿和1 385.88亿元, 呈现稳定增长的趋势.粮食生产服务由于耕地面积的减少, 而呈现生态系统服务价值不断降低的趋势.除此之外, 其余的生态系统服务都呈现出微小的增长.
|
a1表示2000年ESV总值为2 708.81亿元, b1表示2010年ESV总值为2 757.80亿元, c1表示2020年ESV总值为2 783.32亿元；a2表示2000年ESV占比, b2表示2010年ESV占比, c2表示2020年ESV占比 图 4 2000~2020年研究区生态系统服务价值变化 Fig. 4 Changes in ecosystem service value in the study area from 2000 to 2020 |
基于CA-Markov模型, 采用2010年桂西南峰丛洼地流域的土地利用数据及驱动因子模拟出2020年土地利用格局.由图 5可知, 将模拟出的2020年土地利用格局与实际2020年的土地利用现状图进行比较, 通过计算得出标准Kappa指数为0.917, 位置Kappa指数为0.952, 数值Kappa指数为0.958.数据说明模拟结果比较理想, 具有较高的一致性.可见本文选取的驱动因子和模型设置的参数合理, 也证明CA-Markov模型能够较为准确地模拟出桂西南峰丛洼地流域未来的土地利用格局.
|
图 5 2020年土地利用现状图与模拟2020年土地利用格局 Fig. 5 Actual land use and simulated land use pattern in 2020 |
由图 6和图 7可知, ①自然发展情景：2030年的土地利用发展状况与2020年现状较为相似.差别在于耕地的缩减与建设用地的扩张, 与2020年相比, 耕地面积减少了8.21%, 建设用地扩张, 增长了30.05%. ②粮食安全情景：该情景下通过限制一定的耕地转移为其它地类, 实现保护耕地的目的.在此情景下, 耕地面积较2020年增长了8.09%, 相比于其他两个情景减少的态势, 此情景耕地面积得到了较大幅度的增加.林地面积和灌丛面积较2020年下降了1.96%和14.75%.显然, 在粮食安全情景下, 耕地扩张的主要来源为林地和灌丛, 在耕地得到发展的同时, 建设用地、林地和灌丛的扩张趋势会受到一定程度的约束. ③生态保护情景：在此情景下, 桂西南峰丛洼地流域的土地状况为一部分粮食用地转化为生态地类, 生态地类得到较好发展时林地、灌丛和草地这3种地类, 其中灌丛的变化趋势最大, 相对于2020年, 灌丛面积下降了14.77%, 灌丛下降的原因主要是灌丛空间上较大的转移为林地；草地增长了17.65%, 林地增长了3.58%, 建设用地与自然发展情景相比, 增长幅度上有一定的缩小, 生态用地呈现增加趋势.
|
图 6 研究区不同情景下的土地利用格局 Fig. 6 Land use patterns under different scenarios in the study area |
|
图 7 2020-2030年自然发展、粮食安全和生态保护3种情景的土地利用类型变化情况 Fig. 7 Changes in land use types in three scenarios of natural development, food security, and ecological protection from 2020 to 2030 |
总之, 相对生态保护情景而言粮食安全和自然发展情景下需要加以一定的生态环境保护政策、粮食用地补助政策, 避免出现建设用地的盲目扩大导致对生态的破坏和粮食用地面积减少的现象.
2.2.3 多情景下研究区生态系统服务价值变化特征由表 2可知, 在自然发展、粮食安全和生态保护情景下, 生态系统服务价值依次为2 821.38亿、2 732.06亿和2 841.43亿元.与2020年相比, 2030年自然发展情景下, 耕地和草地减少的生态系统服务价值小于林地、灌丛和水系增加的生态系统服务价值, 导致2030年自然发展情景的生态系统服务价值相较于2020年略有增长.粮食安全情景下, 耕地、草地和水系的生态系统服务价值增长的同时, 造成林地和灌丛面积的减少, 导致粮食安全情景下生态系统服务价值总量小于2020年的生态系统服务价值.生态保护情景下, 林地、草地和水系的生态系统服务价值增加量远大于耕地和灌丛减少的生态系统服务价值, 导致生态保护情景下的生态系统服务价值相较于2020年有较大程度增长, 说明在生态保护情景下, 生态环境得到改善, 环境质量得到提高, 符合生态保护的发展要求.
|
|
表 2 模拟2030年3种发展情景下各类土地生态系统服务价值 Table 2 Modeling the value of ecosystem services of various types of land under three development scenarios in 2030 |
参考喀斯特地区和流域面积尺度[35 ~ 37]以及对研究区地质地貌及其外部环境考察的实际情况, 基于ArcGIS的渔网工具和分区统计工具, 创建4 km×4 km的渔网格并计算每个渔网的生态服务价值.然后, 采用自然断点法将研究区生态系统服务价值划分成5个等级, 为进一步分析多情景下研究区生态系统服务价值及其空间变化（图 8）.
|
图 8 桂西南峰丛洼地流域生态服务价值空间分布 Fig. 8 Spatial distribution of ecological service value in the peak cluster depression basin of southwestern Guangxi |
由图 8可知, 从整体上来看, 2000~2020年桂西南峰丛洼地流域的ESV值呈现出上游高下游低的空间分布格局, 与研究区的海拔和地形地貌分布特征（图 1）在空间上较为契合.主要原因在于, 研究区上游海拔较高, 受地形限制人类活动干扰极少, 森林覆盖率较高, 结构复杂, 林地的面积占比最多, 且分布面积较广, 以森林生态系统为主, 所以ESV较高；而东南部是国家发改委定为甘蔗生产基地, 该区域以农业生态系统为主, 原始森林小片零星分布, 所以ESV较低.从时间角度分析, 2000~2020年生态系统服务价值呈现不断增长的趋势, 研究区西北部的高值区数量不断增加, 这是由于退耕还林还草政策的实施, 导致林地和草地的面积增多；东南部的低值区数量也明显增加, 这是由于南宁市和崇左市的快速发展, 导致部分耕地向建设用地转变.
不同情景下2030年研究区ESV值2000~2020年较为相似, 呈现出西北高东南低的空间分布格局.与2020年相比, 生态保护情景的ESV高值区数量急剧增长；粮食安全情景下, ESV低值区数量明显增加；自然发展情景下, 生态系统服务价值稍有提升, 但是不明显.生态保护情景和自然发展情景总体ESV明显好于粮食安全情景.生态保护情景与自然发展情景相比, 生态保护情景总体ESV优于自然发展情景.
2.3 多种情景下桂西南峰丛洼地流域生态系统服务价值的热点分析由2000~2020年的冷热点分布来看（图 9）, 90%置信度的冷点分布广泛, 置信度较高的冷点集中分布在流域下游的东南区域, 其中99%置信度的冷点区域多为各县区的中心建设区；热点主要集中在流域上游的西北区域, 在南宁、百色和防城港均有小部分分布.从时间轴来看, 从2000~2020年热点数量显著减少, 冷点数量显著增加, 置信度为90%的冷点和热点逐渐向置信度更高的冷点转变.热点主要分布在海拔较高的林地地区, 林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；而置信度较高的冷点主要分布在海拔较低的耕地和建设用地地区, 该区景观脆弱度较高, 内部稳定性较差.
|
图 9 桂西南峰丛洼地流域生态服务价值冷热点空间分布 Fig. 9 Spatial distribution of cold and hot spots of ecological service value in the peak cluster depression basin of southwestern Guangxi |
相较于2020年的冷热点分布格局, 2030年粮食安全情景和生态保护情景的热点区域呈现爆炸式增长, 许多90%置信度的冷点转化成了热点, 而置信度更高的冷点则无明显变化, 这是由于在退耕还林、还草的政策下, 部分耕地向林地和草地转化, ESV上升所致；自然发展情景下, 小部分90%置信度的冷点向热点转化, 大部分99%置信度的冷点向90%置信度的冷点转化.对比3种情景下的冷热点分布, 粮食安全情景与生态保护情景相类似, 但是生态保护情景的热点区域更多, 相较于前两种情景, 自然发展情景大部分为90%置信度的冷点, 其余冷点和热点均占少部分区域.总体而言, 3种情景中置信度较高的冷点集中分布东南区域, 热点集中分布在西北区域.
3 讨论 3.1 桂西南峰丛洼地流域ESV空间异质性2000~2020年桂西南峰丛洼地流域的生态系统服务价值呈上升趋势, 但内部差异较为明显, 从2000年的2 708.81亿元增加至2020年的2 783.32亿元, 总价值增加了74.51亿元.究其原因：其一, 石漠化治理效果也日益显现, 研究区内局部石漠化程度整体变好, 石漠化地区面积减少, 石漠化改善[38], 据全国第二次、三次石漠化监测结果, 监测期内云南石漠化面积减少48.8万hm2, 年均减少近10万hm2, 广西石漠化面积减少38.72万hm2, 减少率为20.2%[29]；其二, 自2000年以后, 国家及区政府高度重视生态环境建设, 实施了一系列生态建设修复工程和生态保护工程[39], 如2014年全国生态保护与建设规划（2013~2020年）、2015年国务院关于全国水土保持规划（2015~2030年）、《广西2015年扶贫生态移民工程实施方案》的批复等生态修复政策的实施, 驱动未利用地向林地、灌丛转化, 生态用地的增加[40]；其三, 城镇化的发展, 大量农村人口外出务工以及沼气、太阳能和液化气绿色能源的普及, 改变了传统的能源获取方式, 降低了人们对木柴资源的依附, 减少对林地的砍伐和毁坏, 林地得到增加, 使得生态系统服务价值高效稳定发展[41].
3.2 未来情景模拟的ESV评估不同发展导向下的土地利用结构对ESV具有重要影响, ESV的空间分布与土地利用类型的空间分布高度一致, 因此未来ESV计算的准确度与土地利用模拟精度密切相关. CA-Markov模型综合了CA模型模拟复杂系统空间变化的能力和Markov模型长期预测的优势[11, 12], 广泛应用于许多国家和地区的未来土地利用的模拟.本文从国家对于“粮食安全”、“生态保护”的战略要求出发, 以及党的十二大“支持革命老区、民族地区加快发展, 加强边疆地区建设, 推进兴边富民、稳边固边”的要求下, 综合相关研究从社会、经济、气候以及地貌等多个角度出发, 充分考虑了土地利用的空间和非空间特征以及子系统之间的相互作用, 采用逻辑回归模型, 探究土地利用类型和驱动力因子的关系.以2010年为基准模拟了2020年土地利用, 将模拟的2020年土地利用与2020年土地利用现状比较进行精度验证, Kappa指数为0.917, 此指数可说明本文模型模拟预测的精度高.谢凌凌等[42]在相似研究区的研究成果, 也证明本研究的可靠性.因而进一步基于CA-Markov模型模拟3种情景下2030年的土地利用格局并计算ESV.就本文模拟的结果而言, 不同发展情景下, 2030年桂西南峰丛洼地流域生态系统服务价值差异较为明显.自然发展情景延续了国家发布粮食安全、生态保护战略要求前的流域发展状况, 生态系统服务价值小幅度增加.粮食安全情景凸显了国家发布的粮食安全战略要求, 虽然满足了粮食安全, 但是对耕地地区的生态系统造成了破坏, 生态系统服务价值低值区急剧增加.在生态保护的战略要求下, 生态保护情景的生态系统服务价值急剧增加, 虽然低值区的数量也有明显增加, 但是整体的生态系统服务价值还是大幅度增长的. 3种发展情景为未来流域生态建设与用地规划提供了重要的参考.桂西南峰丛洼地流域的生态环境脆弱, 在经济发展的同时, 也要注意生态保护, 做到生态保护与城市发展两手抓, 才能保证既能满足人们对美好生活的向往, 又能做到土地利用可持续发展的理念.
3.3 多情景冷热点对比讨论不同情景下的热点空间分布范围：生态保护情景 > 粮食安全情景 > 自然发展情景.土地利用类型与生态系统服务相对应[43, 44], 景观格局变化将直接影响ESV的变化[22, 45].自然发展情景下：各地类的增长速度与2020年前具有高度的相似性, 建设用地扩张, 增长了30.05%.道路修建及城镇化建设等建筑面积蚕食水域（湿地）、林地等生态用地, 同样向耕地扩张侵占造成的土地利用强度的改变, 同时造成景观格局的聚集程度低、破碎, 使得自然发展情景下热点区域缩小, 集聚程度降低.文疆回等[46]研究指出农田和森林等高服务价值的景观类型减少, 将导致生态服务价值下降, 而显著增加的建设用地, 会对生态系统产生更大的负面影响.
在粮食安全情景下：研究区上游的热点分布区域远高于自然发展情景, 分布较广.在进行粮食安全情景模拟时, 流域的上游位于北热带北缘降雨量较低, 受岩性和构造控制, 流域的上、中游山高坡陡, 坡度大于25度区域面积较广[图 10（b）], 不利于农作物生长, 以自然草地和灌林类植被为主.流域的下游位于南亚热带南缘, 降雨量较大[图 10（a）], 为植被生长提供所需的水分, 且地形上坡度较小为丘陵区域, 适合耕种.由于气候因素和地形地貌的共同驱动, 在粮食安全情景模拟中, 将流域下游的林地和灌丛被调整为耕地, 流域下游的林地和灌丛被耕地侵占, 生态服务价值降低, 而单位面积上耕地生态服务价值远低于林地[47], 在下游形成了冷点扩张, 而流域上游因地形限制反而被补充了较多的生态用地, 降低了景观类型分割程度, 形成了热点空间的聚集[46].
|
图 10 研究区降雨和坡度 Fig. 10 Rainfall and slope in the study area |
在生态保护情景下：生态保护情景则限制了建设用地的无序扩张, 保护了林地和草地在内的生态用地面积, 同时将草地、灌丛部分耕地调整为林地, 减少了景观格局的分割, 加上单位面积林地的生态服务价值高, 极大地提升了生态服务价值, 造成热点区域大幅度扩长, 集聚程度提高因此造就了生态保护情景、粮食安全情景下的热点区域明显大于自然发展情景.
3.4 研究的局限性CA-Markov模型得出未来土地利用变化模拟预测结果的前提是假设条件能维持在相对稳定的情形下, 但未来不同情景土地利用变化模拟具有一些相对的不确定性.CA-Markov模型土地类型转变的概率对适宜性图集的依赖性较大. 在对驱动力数据收集时, 因外出务工农村人口以及沼气、太阳能和液化气绿色能源的数据收集的局限性, 因而未加入到驱动变量中, 这也是模拟的精度存在一定局限的因素, 进而对生态系统服务价值的评估存在一定不确定性. 虽然总体上模拟的结果符合区域实际, 但今后也需进一步加强收集外出务工农村人口以及绿色能源等数据, 从而使驱动力因素数据更加完善. 此外, 国家政策和经济发展是确定适应性概率的重要因素, 政策的改变会造成模拟预测结果一定的不确定性.但一定量的不确定性不影响研究区空间结构上土地利用发展规律和发展趋势.
4 结论（1）对比2020年的土地利用模拟与2020年的土地利用现状的Kappa值为0.917, 远高于标准值0.8, 模型模拟的精度较高, 表明CA-Markov模型适用于对未来峰丛洼地流域土地利用变化进行预测.
（2）在自然发展情景下, 建设用地面积增长最为明显, 较2020年增长了30.05%；在生态保护情景下, 草地面积增长最为明显, 增长了17.65%；在粮食保护情景下, 耕地面积增长最为突出, 增长了8.21%.
（3）2000~2020年研究区生态系统服务价值分别为2 708.81亿、2 757.8亿、2 783.32亿元, 整体呈上升的趋势.在自然发展、粮食安全和生态保护情景下, 生态系统服务价值依次为2 821.38亿、2 732.06亿、2 841.43亿元.相较于2020年, 模拟的3种情景的生态系统服务价值高值区和低值区的数量都有明显变化, 生态保护情景下的ESV高值区数量和热点数量急剧增长；粮食安全情景下的ESV低值区数量明显增多, 冷点区数量明显减少.总体而言, ESV高值区和热点区集中分布在流域上游的西北地区, 而低值区和置信度较高的冷点区集中分布在流域下游的丘陵地区.
| [1] | Kubiszewski I, Costanza R, Anderson S, et al. The future value of ecosystem services: Global scenarios and national implications[J]. Ecosystem Services, 2017, 26: 289-301. DOI:10.1016/j.ecoser.2017.05.004 |
| [2] | Gong J, Liu D Q, Zhang J X, et al. Tradeoffs/synergies of multiple ecosystem services based on land use simulation in a mountain-basin area, western China[J]. Ecological Indicators, 2019, 99: 283-293. DOI:10.1016/j.ecolind.2018.12.027 |
| [3] |
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. |
| [4] |
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. |
| [5] |
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. |
| [6] | Li C, Wu Y M, Gao B P, et al. Multi-scenario simulation of ecosystem service value for optimization of land use in the Sichuan-Yunnan ecological barrier, China[J]. Ecological Indicators, 2021, 132. DOI:10.1016/j.ecolind.2021.108328 |
| [7] | Wang X F, Li Y H, Chu B Y, et al. Spatiotemporal dynamics and driving forces of ecosystem changes: a case study of the national barrier zone, China[J]. Sustainability, 2020, 12(16). DOI:10.3390/su12166680 |
| [8] | Zhang Z P, Xia F Q, Yang D G, et al. Spatiotemporal characteristics in ecosystem service value and its interaction with human activities in Xinjiang, China[J]. Ecological Indicators, 2020, 110. DOI:10.1016/j.ecolind.2019.105826 |
| [9] | Costanza R, d'Arge R, De Groot R, et al. The value of the world's ecosystem services and natural capital[J]. Nature, 1997, 387(6630): 253-260. DOI:10.1038/387253a0 |
| [10] |
谢高地, 甄霖, 鲁春霞, 等. 一个基于专家知识的生态系统服务价值化方法[J]. 自然资源学报, 2008, 23(5): 911-919. Xie G D, Zhen L, Lu C X, et al. Expert knowledge based valuation method of ecosystem services in China[J]. Journal of Natural Resources, 2008, 23(5): 911-919. |
| [11] | 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 |
| [12] | Das S, Shit P K, Patel P P. Ecosystem services value assessment and forecasting using integrated machine learning algorithm and CA-Markov model: an empirical investigation of an Asian megacity[J]. Geocarto International, 2022, 37(25): 8417-8439. DOI:10.1080/10106049.2021.2002424 |
| [13] |
欧阳晓, 贺清云, 朱翔. 多情景下模拟城市群土地利用变化对生态系统服务价值的影响——以长株潭城市群为例[J]. 经济地理, 2020, 40(1): 93-102. Ouyang X, He Q Y, Zhu X. Simulation of impacts of urban agglomeration land use change on ecosystem services value under multi-scenarios: case study in Changsha-Zhuzhou-Xiangtan urban agglomeration[J]. Economic Geography, 2020, 40(1): 93-102. |
| [14] | Tan Z, Guan Q Y, Lin J K, et al. The response and simulation of ecosystem services value to land use/land cover in an oasis, Northwest China[J]. Ecological Indicators, 2020, 118. DOI:10.1016/j.ecolind.2020.106711 |
| [15] | Hu F, Xu L, Guo Y, et al. Spatio-temporal evolution and trend prediction of urban ecosystem service value based on CLUE-S and GM (1, 1) compound model[J]. Environmental Monitoring and Assessment, 2023, 195(11). DOI:10.1007/s10661-023-11853-y |
| [16] | Estoque R C, Murayama Y. Examining the potential impact of land use/cover changes on the ecosystem services of Baguio city, the Philippines: a scenario-based analysis[J]. Applied Geography, 2012, 35(1-2): 316-326. DOI:10.1016/j.apgeog.2012.08.006 |
| [17] | Zhao J, Shao Z, Xia C Y, et al. Ecosystem services assessment based on land use simulation: a case study in the Heihe River Basin, China[J]. Ecological Indicators, 2022, 143. DOI:10.1016/j.ecolind.2022.109402 |
| [18] | Jin T, Chen Y, Shu B, et al. Spatiotemporal evolution of ecosystem service value and topographic gradient effect in the Da-Xiao Liangshan Mountains in Sichuan province, China[J]. Journal of Mountain Science, 2023, 20(8): 2344-2357. DOI:10.1007/s11629-023-7986-9 |
| [19] |
危小建, 辛思怡, 张颖艺, 等. 不同格网尺度下生态系统服务价值空间分异及其影响因素差异——以大南昌都市圈为例[J]. 生态学报, 2023, 43(18): 7585-7597. Wei X J, Xin S Y, Zhang Y Y, et al. Spatial difference of ecological services and its influencing factors under different scales: taking the Nanchang urban agglomeration as an example[J]. Acta Ecologica Sinica, 2023, 43(18): 7585-7597. |
| [20] |
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. |
| [21] |
高伟, 李欣悦, 张远, 等. 长江流域生态系统服务价值时空演变与预测[J]. 生态学报, 2023, 43(15): 6203-6211. Gao W, Li X Y, Zhang Y, et al. Evolution and prediction of ecosystem service values of the Yangtze River Basin[J]. Acta Ecologica Sinica, 2023, 43(15): 6203-6211. |
| [22] |
谭昭昭, 陈毓遒, 丁憬枫, 等. 浙江东部沿海城市土地利用模拟及生态系统服务价值评估[J]. 应用生态学报, 2023, 34(10): 2777-2787. Tan Z Z, Chen Y Q, Ding J F, et al. Simulation of land use and assessment of ecosystem service value in the eastern coastal cities of Zhejiang province, China[J]. Chinese Journal of Applied Ecology, 2023, 34(10): 2777-2787. |
| [23] |
叶宗达, 许进龙, 黄天能, 等. 滇桂黔石漠化片区土地生态系统服务价值时空演变研究[J]. 科学技术与工程, 2023, 23(26): 11136-11144. Ye Z D, Xu J L, Huang T N, et al. Spatial and temporal evolution of land ecosystem service value in the rocky desertification area of Yunnan, Guangxi and Guizhou[J]. Science Technology and Engineering, 2023, 23(26): 11136-11144. |
| [24] |
李建华, 王献溥, 许立明, 等. 广西西部石灰岩地区生物多样性保护意义与持续利用设想[J]. 广西植物, 2007, 27(2): 211-216. Li J H, Wang X P, Xu L M, et al. The significance and sustainable utilization plan of biodiversity conservation in West Guangxi Limestone Region[J]. Guihaia, 2007, 27(2): 211-216. |
| [25] |
王克林, 岳跃民, 陈洪松, 等. 科技扶贫与生态系统服务提升融合的机制与实现途径[J]. 中国科学院院刊, 2020, 35(10): 1264-1272. Wang K L, Yue Y M, Chen H S, et al. Mechanisms and realization pathways for integration of scientific poverty alleviation and ecosystem services enhancement[J]. Bulletin of Chinese Academy of Sciences, 2020, 35(10): 1264-1272. |
| [26] |
贺祥. 生态系统服务供给安全阈值视域下喀斯特地区生态安全演变[J]. 地理科学, 2021, 41(11): 2021-2030. He X. Study on the evolution of ecological security in karst area based on the threshold of ecosystem services[J]. Scientia Geographica Sinica, 2021, 41(11): 2021-2030. |
| [27] |
王权, 唐芳, 李阳兵, 等. 岩溶地区景观格局演变及其生态安全的时空分异——以贵州省东北部槽谷为例[J]. 生态学报, 2021, 41(18): 7273-7291. Wang Q, Tang F, Li Y B, et al. Spatio-temporal differentiation of landscape pattern evolution and its ecological security in karst areas: a case study of trough valley in northeast Guizhou province[J]. Acta Ecologica Sinica, 2021, 41(18): 7273-7291. |
| [28] |
封清, 周忠发, 陈全, 等. 基于易地扶贫搬迁视角的喀斯特生态脆弱区生态系统服务价值的时空演变[J]. 生态学报, 2022, 42(7): 2708-2717. Feng Q, Zhou Z F, Chen Q, et al. Spatial-temporal evolution research of ecosystem service value in ecologically vulnerable karst regions under the perspective of poverty alleviation relocation[J]. Acta Ecologica Sinica, 2022, 42(7): 2708-2717. |
| [29] |
王茜, 赵筱青, 普军伟, 等. 滇东南喀斯特区域石漠化时空格局演变研究——以广南县为例[J]. 中国岩溶, 2021, 40(4): 707-717. Wang Q, Zhao X Q, Pu J W, et al. Study on temporal and spatial pattern evolution of karst rocky desertification region of southeast Yunnan: a case study of Guangnan county[J]. Carsologica Sinica, 2021, 40(4): 707-717. |
| [30] |
李飞, 伊文超, 阎维巍. 从古地理学角度探讨广西石漠化分布特征[J]. 古地理学报, 2013, 15(1): 135-142. Li F, Yi W C, Yan W W. Distribution of Guangxi karst rocky desertification by palaeogeographic approach[J]. Journal of Palaeogeography, 2013, 15(1): 135-142. |
| [31] |
张雪梅, 祁向坤, 岳跃民, 等. 喀斯特峰丛洼地石漠化治理自然地域分区[J]. 生态学报, 2020, 40(16): 5490-5501. Zhang X M, Qi X K, Yue Y M, et al. Natural regionalization for rocky desertification treatment in karst peak-cluster depression regions[J]. Acta Ecologica Sinica, 2020, 40(16): 5490-5501. |
| [32] |
周道静, 徐姗. "十四五"时期我国边境地区国土空间发展路径思考[J]. 城市发展研究, 2021, 28(10): 34-38. Zhou D J, Xu S. The spatial development path of China's border areas in the 14th Five-Year plan period[J]. Urban Development Studies, 2021, 28(10): 34-38. |
| [33] |
张亚丽, 田义超, 王栋华. 基于机器学习算法的喀斯特峰丛洼地石漠化程度评估[J]. 中国水土保持科学, 2023, 21(5): 51-61. Zhang Y L, Tian Y C, Wang D H. Evaluation of rocky desertification degree in karst peak cluster depression based on machine learning[J]. Science of Soil and Water Conservation, 2023, 21(5): 51-61. |
| [34] | Zhang L L, Hu B Q, Zhang Z, et al. Research on the spatiotemporal 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 |
| [35] |
高星, 杨刘婉青, 李晨曦, 等. 模拟多情景下白洋淀流域土地利用变化及生态系统服务价值的空间响应[J]. 生态学报, 2021, 41(20): 7974-7988. Gao X, Yang L W Q, Li C X, et al. Land use change and ecosystem service value measurement in Baiyangdian Basin under the simulated multiple scenarios[J]. Acta Ecologica Sinica, 2021, 41(20): 7974-7988. |
| [36] |
林晋大, 多玲花, 邹自力. 城市扩张背景下景观破碎化动态演变及空间自相关分析——以南昌市为例[J]. 水土保持研究, 2022, 29(4): 362-369. Lin J D, Duo L H, Zou Z L. Dynamic evolution and spatial autocorrelation analysis of landscape fragmentation under the background of urban expansion——A case study of Nanchang city[J]. Research of Soil and Water Conservation, 2022, 29(4): 362-369. |
| [37] |
王德光, 胡宝清, 饶映雪, 等. 基于网格法与ANN的县域喀斯特土地系统功能分区研究[J]. 水土保持研究, 2012, 19(2): 131-136. Wang D G, Hu B Q, Rao Y X, et al. Research on functional zoning of Karst land system at county regional scale based on the methods of Lattice and ANN[J]. Research of Soil and Water Conservation, 2012, 19(2): 131-136. |
| [38] | Zhang Y L, Tian Y C, Li Y, et al. Machine learning algorithm for estimating karst rocky desertification in a peak-cluster depression basin in southwest Guangxi, China[J]. Scientific Reports, 2022, 12(1). DOI:10.1038/s41598-022-21684-5 |
| [39] |
高春莲, 胡宝清, 黄思敏, 等. 山江海耦合关键带生态系统服务价值时空变化及其权衡研究[J]. 水土保持研究, 2024, 31(2): 264-274, 286. Gao C L, Hu B Q, Huang S M, et al. Spatio-temporal changes and trade-offs of ecosystem service value in Mountain-River-Sea coupling key zone research[J]. Research of Soil and Water Conservation, 2024, 31(2): 264-274, 286. |
| [40] |
罗旭玲, 王世杰, 白晓永, 等. 西南喀斯特地区石漠化时空演变过程分析[J]. 生态学报, 2021, 41(2): 680-693. Luo X L, Wang S J, Bai X Y, et al. Analysis on the spatio-temporal evolution process of rocky desertification in Southwest Karst area[J]. Acta Ecologica Sinica, 2021, 41(2): 680-693. |
| [41] |
卢涛, 胡文英, 张军. 滇东喀斯特地区石漠化时空演化特征研究——以曲靖市为例[J]. 干旱区资源与环境, 2021, 35(8): 71-79. Lu T, Hu W Y, Zhang J. Spatial-temporal evolution characteristics of rocky desertification in karst area of Qujing city, eastern Yunnan province[J]. Journal of Arid Land Resources and Environment, 2021, 35(8): 71-79. |
| [42] |
谢凌凌, 许进龙, 臧俊梅, 等. 基于Markov-FLUS模型的广西土地利用变化模拟预测[J]. 水土保持研究, 2022, 29(2): 249-254, 264. Xie L L, Xu J L, Zang J M, et al. Simulation and prediction of land use change in Guangxi based on Markov-FLUS model[J]. Research of Soil and Water Conservation, 2022, 29(2): 249-254, 264. |
| [43] |
戚丽萍, 闫丹丹, 李静泰, 等. 江苏省生态系统服务价值对土地利用/土地覆盖变化的动态响应[J]. 北京师范大学学报(自然科学版), 2021, 57(2): 255-264. Qi L P, Yan D D, Li J T, et al. Dynamics of ecosystem services value in response to land use/land cover changes in Jiangsu province[J]. Journal of Beijing Normal University (Natural Science), 2021, 57(2): 255-264. |
| [44] |
刘志涛, 王少剑, 方创琳. 粤港澳大湾区生态系统服务价值的时空演化及其影响机制[J]. 地理学报, 2021, 76(11): 2797-2813. Liu Z T, Wang S J, Fang C L. Spatiotemporal evolution and influencing mechanism of ecosystem service value in the Guangdong-Hong Kong-Macao Greater Bay Area[J]. Acta Geographica Sinica, 2021, 76(11): 2797-2813. |
| [45] |
曹君, 张正栋, 陈宋佳, 等. 1996—2015年粤港澳大湾区生态系统服务对景观格局变化的响应[J]. 华南师范大学学报(自然科学版), 2020, 52(5): 93-105. Cao J, Zhang Z D, Chen S J, et al. The response of ecosystem services to landscape pattern changes in the Guangdong-Hong Kong-Macao Greater Bay area from 1996 to 2015[J]. Journal of South China Normal University (Natural Science Edition), 2020, 52(5): 93-105. |
| [46] |
文疆回, 李瑞. 贵州省生态系统服务价值时空演变及其对景观格局变化的响应[J]. 应用生态学报, 2022, 33(11): 3075-3086. Wen J H, Li R. Temporal and spatial variation of ecosystem service value and its response to landscape pattern change in Guizhou province, China[J]. Chinese Journal of Applied Ecology, 2022, 33(11): 3075-3086. |
| [47] |
杨舒媛, 李子君. 土地利用变化背景下沂河流域生态系统服务价值时空格局演化[J]. 环境科学, 2024, 45(8): 4722-4732. Yang S Y, Li Z J. Spatio-temporal pattern of ecosystem service value evolution in the Yihe River Basin in the context of land use change[J]. Environmental Science, 2024, 45(8): 4722-4732. |