环境科学  2026, Vol. 47 Issue (6): 3980-3992   PDF    
引用本文
刘闯, 唐相龙, 蔡乐山, 李月婷. 基于地理分区的甘肃省三生空间生态系统服务价值时空演变及其驱动力[J]. 环境科学, 2026, 47(6): 3980-3992.
LIU Chuang, TANG Xiang-long, CAI Le-shan, LI Yue-ting. Spatio-temporal Evolution and Driving Forces of Ecosystem Service Values in Gansu Province's Production-living-ecological Spaces Based on Geographical Zoning[J]. Environmental Science, 2026, 47(6): 3980-3992.
基于地理分区的甘肃省三生空间生态系统服务价值时空演变及其驱动力
刘闯1, 唐相龙1, 蔡乐山1, 李月婷2     
1. 兰州交通大学建筑与城市规划学院，兰州 730070;
2. 兰州交通大学交通运输学院，兰州 730070
收稿日期: 2025-05-19; 修订日期: 2025-07-26
基金项目: 国家自然科学基金项目（52068040）
作者简介: 刘闯（2001~），男，硕士研究生，主要研究方向为三生空间布局与优化，E-mail：1176377964@qq.com
通信作者: 唐相龙, E-mail: tangxl@mail.lzjtu.cn
摘要: 大尺度区域中基于地理分区评估生态系统服务价值（ESV）是优化区域生态环境的必要举措. 为探明甘肃省四大地理分区三生空间（生产、生活和生态空间）的ESV动态及驱动机制，基于1990~2020年土地利用数据，综合运用转移矩阵、当量因子法和地理探测器，分析四大地理分区三生空间的演变特征及ESV时空分异规律. 结果表明：①甘肃省全域ESV从1990年的2 095.33亿元增至2020年的3 787.69亿元，增长80.80%，呈现“东南高、西北低”的空间格局. ②甘肃省西北地区农业生产用地增加236 369.16 hm2，与草地生态用地相互转换显著，ESV增长90.01%；青藏地区水域生态用地增加33 538.59 hm2，ESV增长79.50%；北方地区农业生产与草地用地相互转化面积达297 998.01 hm2，ESV增速最快（增长80.85%）；南方地区ESV总量最低但增速稳定为77.94%. ③全域尺度下，NDVI、蒸散发量及太阳辐射对ESV空间分异的解释力达50%，是核心驱动因子；四大地理分区视角显示，西北地区受NDVI主导，影响力为47%，青藏地区受NDVI与蒸散发量协同影响，影响力分别为49%和45%，北方和南方地区驱动力不显著但受降水与GDP间接调控. 研究揭示了自然禀赋不同的四大地理分区的ESV空间分异，为分区制定差异化保护策略提供科学依据.
关键词: 四大地理分区      三生空间（PLES）      生态服务价值（ESV）      驱动力      时空演变     
Spatio-temporal Evolution and Driving Forces of Ecosystem Service Values in Gansu Province's Production-living-ecological Spaces Based on Geographical Zoning
LIU Chuang1 , TANG Xiang-long1 , CAI Le-shan1 , LI Yue-ting2     
1. College of Architecture and Urban Planning, Lanzhou Jiaotong University, Lanzhou 730070, China;
2. College of Traffic and Transportation, Lanzhou Jiaotong University, Lanzhou 730070, China
Abstract: Assessing ecosystem service value (ESV) based on geographical zoning in large-scale regions is essential for optimizing regional ecological environments. To explore the dynamics and driving mechanisms of ESV in the production-living-ecological spaces (PLES) of the four major geographical regions in Gansu Province, this study utilized land use data from 1990 to 2020, integrating the transfer matrix, equivalent factor method, and geographical detector to analyze the evolution characteristics of PLES and the spatiotemporal patterns of ESV. The results indicate: ① The total ESV of Gansu Province increased from 209.533 billion yuan in 1990 to 378.769 billion yuan in 2020, an 80.80% growth, exhibiting a spatial pattern of "higher in the southeast and lower in the northwest." ② In the northwestern region of Gansu Province, agricultural production land increased by 236 369.26 hm2, with significant mutual conversion with grassland ecological land, leading to a 90.01% growth in ESV. In the Qinghai-Xizang Region, water ecological land increased by 33 538.59 hm2, contributing to a 79.50% rise in ESV. In the northern region, the mutual transformation between agricultural production land and grassland reached 297 998.01 hm2, resulting in the fastest ESV growth (80.85%). The southern region had the lowest total ESV but a steady growth rate of 77.94%. ③ At the regional scale, NDVI, evapotranspiration, and solar radiation explained 50% of the spatial heterogeneity in ESV, serving as core driving factors. From the perspective of the four geographical regions, the northwestern region was dominated by NDVI (47% influence), the Qinghai-Tibet Region was jointly influenced by NDVI and evapotranspiration (49% and 45%, respectively), while the northern and southern regions showed no significant driving factors but were indirectly regulated by precipitation and GDP. This study reveals the spatial heterogeneity of ESV across the four geographically distinct regions and provides a scientific basis for formulating differentiated conservation strategies.
Key words: four major geographical regions of China      production-living-ecological spaces (PLES)      ecosystem service value (ESV)      driving forces      spatiotemporal evolution     

在全球气候变化与人类活动加剧的背景下，陆地生态系统正面临前所未有的压力. 陆地和海洋生态系统的脆弱性不断增加对全球生物多样性和生态服务的提供构成了威胁[1~3]. 联合国政府间气候变化专门委员会（IPCC）指出，过去一个世纪全球平均气温上升约1.1℃，极端气候事件频发，导致生态系统服务功能显著退化[4~6]. 与此同时，人类不合理的土地利用加剧了生态环境的破坏，导致生态系统服务功能退化，给自身发展造成极大的威胁. 理解和预测生态系统在全球气候变化和人类活动加剧情况下的响应变得尤为重要[7~9]. 生态系统服务作为维系人类生存与发展的自然资本，其价值评估与保护已成为衡量生态系统健康的核心议题. 因此，进行生态系统服务的研究是国土空间生态修复的重要依据，提升其价值更是生态文明建设的重要目标[10，11].

三生空间是国土空间规划体系的战略创新，通过统筹生产、生活和生态空间的科学布局与功能协调，推动了经济高效、生活宜居与生态安全的动态平衡，并且三生空间的时空变化恰恰反映了人类的社会活动情况，也是生态系统服务价值的主要影响因素[12~14]. 目前我国三生空间的界定大多基于土地的视角，与土地利用功能密不可分. 生产空间以农业和工业用地为主，生活空间以城乡建设用地为核心，生态空间则以森林、草地、水域等自然生态系统为载体. 土地利用类型的动态转换直接驱动三生空间的演化[15]. 如农业生产用地的扩张可能侵占生态空间，而退耕还林政策的实施则促进生态空间的恢复. 黄安等[16]通过进一步的文献总结分析，强调功能分区对ESV的动态影响十分关键. 以上研究表明，土地利用功能不仅是三生空间分类的核心依据，更是连接人类活动与生态系统服务的关键纽带. 基于生态学视角，生态系统服务的变化本质是生态系统功能的外在表现. 生态系统功能包括物质循环、能量流动和信息传递，其稳定性直接决定服务价值的可持续性[17]. 例如，森林生态系统的碳汇功能与气候调节服务紧密相关，而草地的土壤保持功能则直接影响水文调节服务的供给能力[18]. 目前我国许多学者针对生态系统功能的影响情况对生态系统服务价值的变化进行研究，并发现植被覆盖、降水量和土壤类型等生态因子对ESV具有显著解释力，而人类活动（如GDP、人口密度）则通过改变土地利用方式间接影响生态系统功能[19，20]. 这种功能与服务价值的耦合关系，恰巧也为三生空间的优化提供了科学依据.

Costanza等[21]首次系统性量化了全球生态系统服务价值（ecosystem service value，ESV），揭示了自然资本对人类福祉的不可替代性. 谢高地等[22]提出的当量因子法，通过量化不同土地利用类型的生态系统服务价值当量，为生态系统服务的价值量化研究评估提供了方法论基础. 研究人员针对ESV的研究十分广泛，覆盖全国[23]、区域[24]、城市群[25]、都市圈[26]和城市[27]. 尽管已有研究在生态系统服务价值评估方面取得了重要进展，但对地理分区差异显著的生态过渡带或交汇区的关注不足，剧烈人类活动和全球气候变化对生态过渡带地区ESV的影响还不明确. 尤其甘肃省作为我国四大地理分区（北方地区、南方地区、西北地区和青藏地区）的交汇中心，其景观、地形和人口分布等在不同地理分区呈现出显著分异特征[28]. 例如，西北地区以绿洲农业和荒漠生态系统为主，青藏地区以高寒草甸和水源涵养功能为核心，而南方地区则主要关注森林生态系统中生物多样性保护. 然而，现有研究在涉及甘肃省生态系统服务时，基本基于甘肃省整体尺度[29]，未能充分考虑四大地理分区所带来的生态系统服务分异情况. 这种忽视导致目前对甘肃省生态系统服务价值的理解还不够全面和深入，无法准确把握不同地理分区生态系统服务的特点和变化规律，在制定生态保护和发展政策时可能会缺乏针对性和有效性.

此外，三生空间结构本身与分布情况正在发生深刻变化，进而引发的生态系统服务价值正在动态改变，对区域生态安全和可持续发展产生了深远影响. 所以将地区的三生空间变化与生态服务价值进行联系，就二者之间相互驱动影响的耦合关系进行时空演变研究，科学揭示土地功能变化所引发的三生空间变化对于生态系统服务价值的影响，将为生态系统服务价值的准确评估和生态保护措施的制定提供重要的科学依据[30，31]. 在驱动力的综合分析方面，地理探测器[32]具备量化评估单一驱动力及多因子交互驱动力的能力，并能确定各因子强度在空间上的差异性[33]，如李月等[34]为了在ESV量化评估的基础上探究其影响因素，利用地理探测器系统探讨了自然因素和社会经济因素在不同地理位置对ESV的复杂影响机制并取得显著成果. 鉴于此，本研究以甘肃省为例，首次基于地理分区视角，综合运用土地利用转移矩阵、当量因子法及地理探测器模型，揭示1990~2020年三生空间的时空演变规律及其对生态系统服务价值的影响机制. 通过分区尺度下的精细化分析，全面深入地揭示基于地理分区的甘肃省三生空间生态系统服务价值（ESV）的时空演变规律及驱动力机制，旨在为甘肃省差异化生态保护策略的制定提供科学支撑，同时为我国多地理分区融合区域的生态研究提供理论参考.

1 研究区概况与数据来源 1.1 研究区概况与四大地理分区

甘肃省（32°11′~42°57′N，92°13′~108°46′E）地处我国西北内陆[35]，全省总面积42.59万km2（图 1）. 其东接陕西，南控巴蜀和青海，西倚新疆，北扼内蒙古和宁夏，是古丝绸之路的重要通道. 其土地资源呈现出多样化的特点，涵盖了农用地、建设用地、未利用地等多种类型，且各类用地在空间分布上具有明显的地域差异，受制于干旱半干旱气候和复杂地形，呈现“三山三草二分田，城镇水域零星间，未利用地广布存”的空间格局[图 1（b）]. 地貌复杂多样，涵盖山地、高原、平川、河谷、沙漠和戈壁等多种类型，地势自西南向东北倾斜[36]. 同时，甘肃省地处于我国四大地理分区的交汇中心，省内包含了我国所划定的四大地理分区即北方地区、南方地区、西北地区和青藏地区，地理位置十分特殊[图 1（a）].

图 1 研究区及研究区四大地理分区概况 Fig. 1 Study area and an overview of its four major geographical regions

目前中国地理分区普遍采用中国自然地理分区方案进行表述，即全国分为北方地区、南方地区、西北地区和青藏地区这4个大区[37]. 我国四大地理分区界限分明，北方地区与南方地区以秦岭至淮河一线为界，此线是0℃等温线、800 mm等降水量线的大致所在，决定了南北气候、植被与农业生产之间存在的差异；西北地区与北方地区以400 mm等降水量线为界，该线划分了地区降水多寡、区分平原与高原地形的差异；青藏地区与其他三区分界较为独特，与西北地区以昆仑山、阿尔金山和祁连山一线划分，与南方地区、北方地区以横断山脉分界，凸显了青藏地区高原山地与周边气候、地形的悬殊和差异[图 1（c）~1（f）].

1.2 数据来源

本研究选用了甘肃省2000~2020年土地利用数据、土壤类型、土壤侵蚀程度、人口密度、人均GDP、年均降水量、年均蒸发量、年平均气温、NDVI、GPP和夜间灯光等多元生态社会因子数据，所选数据的来源与处理如表 1. 统一坐标系为WGS1984，空间精度为1 km×1 km.

表 1 数据源 Table 1 Data source

2 材料与方法 2.1 土地利用转移矩阵

土地利用转移矩阵是一种用于研究土地利用变化的工具. 它以矩阵的形式展示了在一定时期内，不同土地利用类型之间的相互转换情况[38，39]. 因此，本研究利用土地利用转移矩阵全面而又具体地刻画甘肃省四大地理分区的土地利用变化的结构特征与各用地类型变化的方向，具体公式见文献[40].

2.2 三生空间界定分类

基于土地利用主导功能分类体系，将三生空间演化与土地利用转型相衔接，是探究区域土地利用转型生态效应的重要切入点[41]. 三生空间分类体系实际是根据土地利用类型的主要功能进行划分，本研究将三生空间划分为3个一级类和8个二级类[42，43]，即将甘肃省土地利用类型划分为农业生产用地、非农业生产用地、林地生态用地、草地生态用地、水域生态用地、其他自然生态用地、农村生活用地、城镇生活用地等8种三生空间土地类型因子（表 2）.

表 2 三生空间界定分类 Table 2 Definition and classification of the production-living-ecological spaces

2.3 当量因子法

谢高地等[22，44]基于LUCC进行当量赋值的“中国陆地生态系统服务价值当量因子表”，在我国西部天保工程区的6省份[45]、广西北部湾沿岸地区[46]、京津冀城市群[47]和25个国家重点生态功能区[48]等诸多区域的生态服务价值评估中得到广泛应用[49].

本研究以谢高地等[22]修改后的中国生态系统单位面积生态服务当量为基础，结合社会经济发展状况，对甘肃省单位面积粮食产量创造的经济价值进行修正，得到甘肃省当量因子赋值[50]（表 3）. 修正的具体方法见文献[22].

表 3 甘肃省当量因子赋值 Table 3 Equivalent factor values in Gansu Province

2.4 地理探测器

地理探测器通常用于探测地理要素的空间分异性，其原理主要是分析各因子层内方差（within strata variance）和总方差（total variance）的关系，通过空间分层异质性来探测各要素对因变量的驱动力[51，52]. 本研究利用ArcGIS软件将研究区按10 000 m×10 000 m的尺度网格化处理，同时在网格中心生成采样点. 之后对所选取的NDVI、蒸散发量和太阳辐射等14个数据进行重分类处理，均采用自然断点法分为9类. 以各驱动因子重分类的结果作为因变量，ESV作为自变量[53~55].

利用Geodetector工具进行因子贡献率及因子交互作用的定量分析，探讨甘肃省全域尺度及四大地理分区研究尺度生态服务价值空间分异的主导因子，以及各驱动因子之间的交互作用类型[56]. 具体公式及解读见文献[51].

3 结果与分析 3.1 1990~2020年甘肃省土地利用时空演变

1990年，甘肃省受农业开发主导，河西走廊绿洲及陇东黄土高原区耕地持续扩张，局部挤占生态用地，导致祁连山北麓、陇中地区草地退化与沙化风险加剧[图 2（a）]；2005年，受国家生态工程建设背景的强力推进，陇南山地及祁连山区等地的林地面积显著上升，甘南高原草地退化趋势初步遏制，但河西走廊城市群，如兰州、酒泉和嘉峪关等城市逐步进行扩张，建设用地沿河谷与交通干线蔓延[图 2（b）]；2020年，在“生态红线”刚性约束下，祁连山自然保护区整治推动林地、草地生态功能提升，同时兰州新区、陇东南城镇建设用地持续集约化扩张，形成“东部城镇集聚、西部绿洲优化、南部生态稳固、北部荒漠可控”的新格局[图 2（c）].

图 2 1990~2020年甘肃省土地利用时空演变情况 Fig. 2 Spatiotemporal evolution of land use in Gansu Province from 1990 to 2020

3.2 1990~2020年甘肃省四大地理分区三生空间时空演变 3.2.1 西北地区

西北地区生产空间集中在河西走廊绿洲，农业活动围绕绿洲分布，是典型的绿洲农业区；生活空间主要集中在河西走廊绿洲中的城镇和村庄，如张掖、武威的城镇，其布局较为紧密；生态空间主要为沙漠、戈壁和绿洲. 沙漠主要是巴丹吉林沙漠部分区域，戈壁分布在绿洲外围，绿洲是生态核心区域，如敦煌绿洲、张掖绿洲等，祁连山也是重要的生态屏障. 1990~2020年以来西北地区其他生态用地减少了270 000.00 hm2，变化较为明显；此外，除林业用地面积少量减少外，其余三生空间用地类型均有增加，其中变化最明显的是农业生产用地，1990~2020年该地类面积增加236 369.16 hm2，是西北地区30 a来增长最多的三生空间用地类型. 同时，西北地区的其他生态用地与农业生产用地和草地生态用地之间的交互转换最为明显，30 a来西北地区其他生态用地向农业生产用地转移土地面积分别为88 301.52 hm2和88 631.19 hm2；向草地生态用地转移分别为30 481.02 hm2和99 100.53 hm2[图 3（a）~3（d）].

图 3 1990~2020年甘肃四大地理分区三生空间分布演进及转换情况 Fig. 3 Evolution and conversion of the distribution of the production-living-ecological spaces in the four geographical regions of Gansu Province from 1990 to 2020

3.2.2 青藏地区

青藏地区的生产空间和生活空间主要集中在临夏回族自治州西南部和甘南藏族自治州东北部的交界处. 此外，在甘南高原和武威市及甘南藏族自治州均有离散分布的生产生活空间. 生态空间以高寒草甸和湿地为主，分布在甘南高原大部分区域. 这些生态系统在调节气候、保持水土等方面发挥关键作用. 30a来青藏地区由于政策意识和气候的交互影响水域生态用地面积增加33 538.59 hm2，相对提升较为明显. 2005年至2020年其他生态用地向水域生态用地转移36 489.06 hm2，二者之间交互转移最显著. 其余三生用地类型基本保持动态稳定，起伏不大[图 3（e）~3（h）].

3.2.3 北方地区

北方地区以草地生态用地和农业生产用地为主，地处黄土高原和部分内陆干旱区域，地势起伏较大，受气候环境因素影响植被覆盖较为丰富；生产空间分布在黄土塬、梁、峁以及河谷地. 农业上，在相对平坦的塬面和河谷发展旱作农业，从三生空间分布情况来看，农业生产用地分布较为均质；非农业生产用地主要集中在城市和城镇周边，如兰州、白银等地，分布较为集聚明显. 30 a来北方地区受经济结构与政策改变的交互影响，农业生产用地和草地生态用地之间的交互转化较为明显，最为突出的是2005~2020年二者相互转换面积分别达到297 998.01 hm2和149 400.90 hm2；城镇和农村生活用地分别增长36 188.55 hm2和46 726.20 hm2，使北方地区生活空间的比例得到明显提高. 生态空间分布起初多在山区、河流周边，平原呈斑块状且受干扰，后随发展，城市周边生态空间遭建设用地侵蚀，大量生态空间向生活空间转移，部分区域有修复及新变化[图 3（i）~3（l）].

3.2.4 南方地区

南方地区面积较小，主要以林地、草地生态用地和农业生产用地为主，自然环境优越；甘肃省南方地区生产空间主要分布于河谷地带与山间盆地，农业生产集中在地势较为平坦、水源充足的区域，如陇南的河谷地区；生活空间主要分布在河谷和山间盆地的城镇与村落，这些生活空间靠近农业和林业生产区域，同时周边生态空间提供了优美的自然环境和生态服务；生态空间以亚热带常绿阔叶林为主，分布在陇南等南部山区，是众多河流的源头区域和水源涵养地，还有多个自然保护区分布其中. 1990年~2020年以来南方地区草地生态用地和耕地生产用地的交互转化最为明显，最突出的是2005~2020年二者相互转换面积分别为25 136.1 hm2和28 160.19 hm2；城镇和农村生活空间均有所提升，其余三生空间用地类型均保持动态稳定[图 3（m）~3（p）].

3.3 1990~2020年甘肃省四大地理分区ESV时空演变特征 3.3.1 甘肃省总体ESV时空演进

甘肃省自1990~2020年全域生态服务价值呈现逐步增长的趋势，由1990年的2 095.33亿元增长到2005年的2 516.95亿元，再到2020年的3 787.69亿元. 2005年至2020年两个区间内分别增长了421.62亿元和1 270.74亿元，同比增长201%，增长幅度明显. 甘肃省生态服务价值在全域视角上分布差异显著，自1990年至2020年甘肃省生态服务价值ESV在不同地理分区的范围内的高低及分布情况各有不同且差异明显，各地区均呈现不同程度的增长态势. 在河西走廊以北，空间集聚明显，以南地区则逐年呈现明显集聚趋势；生态服务价值较低区域分布于河西走廊以北地区；价值较高地区则在祁连山地、甘南高原、陇南山地及陇东东南部等林草资源丰富地区；全域呈现出东南高、西北低的空间分布格局（图 4）.

图 4 1990~2020年甘肃省全域ESV分布情况 Fig. 4 Distribution of ESV in Gansu Province from 1990 to 2020

3.3.2 甘肃省四大地理分区ESV时空演进

西北地区自1990~2020年整体多为沙漠戈壁地区，低值集聚情况显著，1990年仅有少量高值集聚在南北分界线秦岭至淮河一线处，到2005年高值集聚情况同样并不显著，直到2020年南北分界线秦岭至淮河一线处高值集聚情况得到显著提升，部分高值散布在低值区中，对周围低值地区ESV变化产生明显影响；在1990~2020年内，甘肃省西北地区ESV分别由1990年的413.54亿元，增长到2005年的503.36亿元和2020年的785.77亿元，2005~2020年增长最多，为282.41亿元[图 5（a）~5（d）].

图 5 1990~2020年甘肃省四大地理分区ESV分布及变化情况 Fig. 5 Distribution and change of ESV in four geographical regions of Gansu Province from 1990 to 2020

青藏地区ESV呈现空间集聚分布明显，低值区主要集中分布在青藏高原地区，其受气候环境等要素影响明显；高值区主要集聚分布在甘南及临夏部分地区，其中玛曲县ESV高值集聚最显著，还有少量高值区离散分布在南北分界线秦岭至淮河一线处，1990~2020年青藏地区ESV高低值集聚情况明显，整体上ESV得到显著提高. 在1990~2020年内，甘肃省青藏地区ESV分别由1990年的688.64亿元，增长到2005年的826.10亿元和2020年的1 236.10亿元，2005~2020年增长410.00亿元，增长幅度显著[图 5（e）~5（h）].

北方地区ESV水平整体较高且集聚分布明显，1990~2020年北方地区北部和东部高值集聚显著，ESV分别由1990年的759.60亿元增长到2005年的915.41亿元和2020年的1 373.76亿元，两个年限区间内的增长值均超过甘肃省同时期其他三大分区的增长值，其中2005~2020年增长458.35亿元；仅有少量地区如兰州等城市生产生活用地ESV水平较低，同时对周边地区ESV产生一定影响[图 5（i）~5（l）].

南方地区属于亚热带向暖温带过渡区，气候垂直分布明显，总体气候温和且降水充沛，生态系统稳定，因此自1990~2020年南方地区整体上呈现高值集聚现象且集聚程度逐步增长，增长范围较稳定，同时，甘肃省南方地区ESV分别由1990年的188.34亿元增长到2005年的256.50亿元和2020年的335.14亿元，虽然增长量远低于其他三大分区，但自1990~2020年增长了146.8亿元，增幅达77.94%，增长情况在南方地区也十分显著[图 5（m）~5（p）].

1990~2020年，甘肃省全域ESV呈现显著增长，由2 095.33亿元增至3 787.69亿元，增幅达80.80%，且空间分异格局鲜明. 从分四大地理分区看，西北地区以沙漠戈壁为主，ESV低值集聚显著，但秦岭-淮河分界线高值区逐步扩展，2020年较1990年增长90.01%，生态修复成效初显；青藏地区受高寒气候制约，低值集中于青藏高原，但甘南等高值区通过生态保护实现ESV倍增（2020年较1990年增长79.50%）；北方地区ESV总量最高且增速最快（2020年较1990年增长80.85%），北部与东部高值集聚突出，仅兰州等城市区受人类活动影响形成低值洼地；南方地区虽总量最低，但依托亚热带湿润气候的稳定性，ESV增长77.94%，呈现高值连片扩展特征. 全域空间格局表现为“东南高、西北低”，祁连山地、甘南高原等林草资源区为核心高值区，河西走廊以北为低值主导区，反映出自然禀赋与生态政策协同驱动的分异规律（图 5）.

3.4 ESV驱动力分析

本研究基于地理探测器，试图寻找ESV在四大地理分区分布特征的原因.

甘肃省全域尺度ESV在空间上的分布差异受自然因子和社会经济因子共同作用，土壤类型、GPP、NDVI、蒸散发量和太阳辐射等生态因子对ESV空间分异影响的贡献率相对较大，NDVI、蒸散发量和太阳辐射等生态因子的解释力均达到50%左右，是影响甘肃省生态服务价值空间分异的最显著因素，其次是年平均降水量、土壤类型和GPP的影响力均超过30%，是影响甘肃省全域生态服务价值空间分异的重要因素，另外人口分布、水系分布和坡度等因子的解释力均达到10%左右，是影响甘肃省全域ESV空间分异较为重要的因素，而高程、温度和夜间灯光等因子解释力均严重低于10%，对甘肃省全域ESV空间分异产生了一定的影响，但相对影响效果较小. NDVI、太阳辐射、蒸散发量与其他驱动因子的交互作用影响效果显著，影响力均超过50%，其中NDVI与土壤类型交互作用对ESV空间分异的影响最强，因子交互探测的解释力达到了60%. 在甘肃省这种干旱半干旱区占全域70%以上的地区，适宜的土壤类型和充足的日照可以提供更优质的植被生存环境，丰富的植被才能更直接地提供生态服务价值[表 4和图 6（a）].

表 4 甘肃省ESV驱动力因子探测结果及可靠性检验 Table 4 Detection results and reliability test of ESV driving factors in Gansu Province

图 6 交互探测结果 Fig. 6 Interaction detection results

结果表明甘肃省四大地理分区的ESV高低受不同驱动因子影响. 由于西北地区属于干旱区，降水稀少，植被覆盖较低，植被作为生态系统的基础本身就非常关键，因此西北地区NDVI对ESV空间分异的解释力达到47%，是影响甘肃省西北地区生态服务价值空间分异的最显著因素. 此外，土壤类型、太阳辐射和蒸散发量等因子解释力均达到30%左右，是影响甘肃省全域生态服务价值空间分异的重要因素. 年降水量、水系分布、GPP、人口分布、GDP等因子解释力均达到10%~20%左右，是甘肃省西北地区的ESV空间分异的一般影响因素. 同时NDVI与太阳辐射和土壤类型的交互作用对西北地区ESV的空间分异影响最强，解释力分别达到了53%和51%，在甘肃省西北地区ESV空间分异的驱动力测算过程中可以发现，NDVI是影响交互结果的最显著因素，其与其他驱动因子交互作用的结果均超过47%，也证明了上述提到在干旱半干旱地区丰富的植被和优质的植被生存环境对该地区ESV的显著影响[表 4和图 6（b）].

青藏地区NDVI和蒸散发量生态因子对其影响程度最显著，分别达到49%和45%，是甘肃省青藏地区影响ESV分异的最显著因素，由于青藏地区地处高寒生态系统，虽然降水相对较丰富（年均为400~800mm），但低温导致水分利用效率低下，从而间接成为影响ESV的关键因素. 降水、土壤类型、GPP的解释力均超过20%，其中GPP和降水的解释力达到28%，是青藏地区ESV空间分异的重要因素；高程、温度、水系分布、人口分布、GDP的解释力均达到10%左右，是青藏地区ESV空间分异的一般影响因素；坡度和夜间灯光的解释力均不足10%，对甘肃省青藏地区ESV空间分异产生影响较小. NDVI、蒸散发量和太阳辐射与其他驱动因子的交互作用最突出，这与青藏高原强日照的特性直接相关，凸显了青藏地区的水热资源的利用效率. 其交互结果均达到40%~50%左右，是青藏地区影响交互结果最显著的因素，其中NDVI与土壤类型、高程、蒸散发量和温度的交互结果最高，影响力分别为54.10%、53.80%、52.80%和52.70%；由此可见甘肃省青藏地区ESV的空间分异受地理高程及生态效益影响显著[表 4和图 6（c）].

北方地区除降水、GPP、NDVI、蒸散发量和太阳辐射外，其余其他探测因子的P值均大于0.05，即对北方地区的ESV空间分异的影响可靠性均较低. 而北方地区的降水、GPP、NDVI、蒸散发量和太阳辐射等因子虽然可靠性检验满足要求，但解释力均不超过10%，整体呈现驱动力探测结果不显著的情况，但降水、GPP、NDVI、蒸散发量和太阳辐射等因子仍然对甘肃省北方地区的ESV空间分异结果产生了一定影响. 上述原因正是由于北方地区的人为活动抹平了自然梯度，如退耕还林使得NDVI对ESV的作用被稀释，无法凸显. 在双因子交互过程中，NDVI和土壤类型仍然与其他因子呈现交互作用相对较高的情况，反映了植被本身和植被生存环境是影响ESV的重要因素[表 4和图 6（d）].

而在南方地区驱动力因子探测的结果中，不显著情况更加明显，除太阳辐射和GDP以外，其余探测因子均不满足可靠性检验要求；因此太阳辐射和GDP因子是影响南方地区ESV空间分异的原因之一，但太阳辐射和GDP对南方地区ESV空间分异的解释力也同样不足10%，对甘肃省南方地区ESV空间分异产生了一定影响但并不显著，考虑到南方地区生态效益良好，可能存在生态饱和效应，即当森林覆盖超过60%，植被因子对ESV的解释力就会衰减，所以GDP的影响就凸显出来. 在双因子交互探测的结果中可以看到坡向因子与其他驱动因子的交互结果相对较高，其中坡向和土壤类型的双因子交互影响结果最突出，解释力为30%，反映了地形和土壤组合对局部地区小气候和生态功能的塑造对ESV的影响[表 4和图 6（e）].

4 讨论 4.1 基于四大地理分区的ESV时空演进及驱动因素影响大小分异

以往关于甘肃省生态系统服务价值的研究多从全省整体视角出发，分析土地利用变化、自然因子及社会经济因子对ESV的影响. 如唐相龙等[15]基于当量因子法，其研究甘肃省ESV高低值分布情况，并计算得出甘肃省2020年ESV为3 680.49亿元，与本文2020年ESV计算结果基本一致；任玺锦[29]在研究甘肃省土地生态系统服务价值时空变化与预测过程中得出ESV高值区主要分布甘肃省中部的祁连山地带和西南部林地资源丰富的地区，低值区主要分布在甘肃省中部的祁连山地带和西南部林地资源丰富的地区，与本文全域尺度下ESV空间分异结果一致；潘冬荣等[50]评估了甘肃省草原生态系统服务价值，发现植被覆盖和降水是主要驱动力；针对上述研究结果，本文发现甘肃省ESV时空变化的研究结论具有时空分布演进趋势的一致性及关键驱动因素的共性，即多数研究认为NDVI、降水和土壤类型等自然因子对ESV空间分异具有重要影响，与本文全域尺度下的研究结论较为一致，为本文研究的开展提供了一定基础.

然而，基于地理分区的生态系统服务价值展示了独特之处. 本文基于四大地理分区（西北、青藏、北方和南方地区）视角首次开展针对甘肃省ESV时空分异特征及驱动因素的分析，阐述四大地理分区内各自ESV分布情况. 结果发现：①不同分区的ESV驱动机制差异显著. 如西北地区NDVI解释力达47%，青藏地区蒸散发量解释力高达45%. ②由于甘肃省北方地区和南方地区受其自身所处的优越自然生态地理环境的影响，很难受到外界生态环境的干扰，因此在驱动力测算的阶段中出现驱动力影响不显著的情况，在以往全省整体尺度下的研究中未被明确揭示. 这也证明了本研究中的一般影响因素并非以荒漠为主要用地类型的ESV驱动因素，这个结果与黄会平等[19]的研究一致.

4.2 基于四大地理分区的视角对甘肃省三生空间提出优化策略

为了将研究结果转化为更确切的政策建议，本研究提出以下几点优化策略.

西北地区：该地区生态空间应以绿洲为核心，优先实施节水型植被恢复工程，通过补植耐旱植被提升NDVI水平，严格限制沙地、戈壁等未利用地向农业生产用地的无序转移. 生产空间需优化绿洲农业布局，推广滴灌等节水技术以减少水资源压力. 生活空间应依托河西走廊城镇体系，推动张掖、武威等绿洲城镇的紧凑发展，通过土地集约利用以减少农村居民点对生态用地的侵占.

青藏地区：该地区生态空间应以甘南高原为核心，强化高寒草甸与湿地的水源涵养功能，通过禁牧休牧恢复退化草地，以应对气候变化对水文调节功能的冲击. 生产空间需控制高寒草甸的过度放牧，推广草畜平衡模式，避免水域生态用地向生产用地的逆向转移. 生活空间应利用现有聚落空间更新提升公共服务设施，通过生态移民缓解人地矛盾，实现可持续发展.

北方地区：该地区生态空间应以黄土高原水土保持为核心，修复塬面、梁峁区的退化草地，增强NDVI对ESV的支撑作用. 生产空间需优化旱作农业结构，推行粮草轮作与保护性耕作技术，减少坡耕地水土流失. 生活空间应加强兰州等中心城市蓝绿空间网络建设，构建“依山傍水、绿廊穿插”的城乡生态网络.

南方地区：生态空间应以森林生态用地的生物多样性保护为核心，通过封山育林提升NDVI稳定性，限制耕地生产用地对陡坡林草生态用地的侵占. 生产空间应推动河谷农业集约化与生态化转型，依托特色农林资源培育绿色产业链，控制旅游设施建设对生态空间的碎片化影响. 生活空间应严格管控自然保护区周边生活空间的扩张强度，实现“以林护城、以景融居”的人地协调模式.

4.3 本文的局限性与未来展望

本研究虽然在甘肃省三生空间生态系统服务价值研究方面取得了一定的成果，但仍存在一些局限性. ESV当量因子计算可能和实际值有一定误差，且由于数据获取的局限性，只采用了截面数据. 此外，部分数据的时间分辨率和空间精度可能还不够. 在对四大地理分区进行栅格裁剪统计时，受栅格边界效应影响，部分边界像元可能未被完全统计，导致各分区ESV总量之和略低于全省整体值，但该差异较小，对研究结论影响有限.

未来研究可以进一步提高数据质量，利用更高分辨率的卫星遥感数据和更密集的实地监测数据，增强数据的准确性和可靠性. 结合更先进的生态模型，基于其理论生态系统模型，深入模拟生态系统的物质循环、能量流动和生态服务功能的产生机制，提高对生态系统的理解和预测能力. 此外，本研究选取的生态和社会经济因子在分析北方地区和南方地区ESV驱动力时没有显著相关性，这为以后研究进一步拓展影响因子选择的范围提供了一个很好的思路.

5 结论

（1）西北地区1990~2020年其他生态用地减少270 000.00 hm2，农业生产用地增加了236 369.16 hm2，其他生态用地与农业、草地生态用地相互转换分别为176 932.71 hm2和129 581.55 hm2. 青藏地区水域生态用地增加了33 538.59 hm2，2005年到2020年其他生态用地与水域生态用地相互转移36 489.06 hm2. 北方地区30 a来城镇和农村生活用地分别增长36 188.55 hm2和46 726.20 hm2；2005年至2020年南方地区草地生态用地与耕地生产用地相互转换面积分别为25 136.10 hm2和28 160.19 hm2.

（2）甘肃省全域ESV空间分布呈现东南高、西北低格局. 西北地区多为低值集聚，高值在秦岭至淮河一线附近；青藏地区高低值空间集聚分布明显，高值在甘南等地；北方地区ESV水平高且集聚分布显著，北部和东部高值集聚，城市地区较低；南方地区高值集聚且集聚程度增长稳定.

（3）1990~2020年间，甘肃省全域及其四大地理分区的生态系统服务价值（ESV）呈现持续增长态势，从1990年的2 095.33亿元攀升至2020年达到3 787.69亿元. 值得注意的是，2005至2020年期间各区域增长显著加速，分别实现282.41亿元、410.01亿元、458.34亿元和108.64亿元的增长. 北方地区增幅最大，南方地区增速相对较低但保持稳定增长，反映出甘肃省全域生态服务功能的整体提升趋势.

（4）NDVI、蒸散发量和太阳辐射等生态因子的解释力均达到50%左右，是影响甘肃省ESV空间分异的主要因素. NDVI对西北地区ESV空间分异的的解释力达到47%，是该地区最显著的影响因素. 青藏地区受NDVI和蒸散发量其影响最显著，分别达到49%和45%. 甘肃省北方地区和南方地区在驱动力测算的结果中并没有显著的影响因素，但仍有部分驱动因子影响其ESV空间分异，如北方地区降水、GPP、NDVI、蒸散发量、太阳辐射等因子，以及南方地区的太阳辐射和GDP.

参考文献
[1] Tittensor D. Ecosystem vulnerability to ocean warming[J]. Nature, 2015, 528(7580): 43-44. DOI:10.1038/nature16314
[2] Bonan G B, Doney S C. Climate, ecosystems, and planetary futures: the challenge to predict life in Earth system models[J]. Science, 2018, 359(6375). DOI:10.1126/science.aam8328
[3] Stocker T F. The silent services of the world ocean[J]. Science, 2015, 350(6262): 764-765. DOI:10.1126/science.aac8720
[4] Lee H, Romero J. Climate change 2023: synthesis report. Contribution of working groups Ⅰ, Ⅱ and Ⅲ to the sixth assessment report of the intergovernmental panel on climate change[R]. Geneva: IPCC, 2023.
[5] Solomon S, Daniel J S, Neely R R, et al. The persistently variable "Background" stratospheric aerosol layer and global climate change[J]. Science, 2011, 333(6044): 866-870. DOI:10.1126/science.1206027
[6] Jones C, McConnell C, Coleman K, et al. Global climate change and soil carbon stocks; predictions from two contrasting models for the turnover of organic carbon in soil[J]. Global Change Biology, 2005, 11(1): 154-166. DOI:10.1111/j.1365-2486.2004.00885.x
[7] 赵志刚, 余德, 韩成云, 等. 鄱阳湖生态经济区生态系统服务价值预测与驱动力[J]. 生态学报, 2017, 37(24): 8411-8421.
Zhao Z G, Yu D, Han C Y, et al. Ecosystem services value prediction and driving forces in the Poyang Lake ecoeconomic zone[J]. Acta Ecologica Sinica, 2017, 37(24): 8411-8421.
[8] 严恩萍, 林辉, 王广兴, 等. 1990—2011年三峡库区生态系统服务价值演变及驱动力[J]. 生态学报, 2014, 34(20): 5962-5973.
Yan E P, Lin H, Wang G X, et al. Analysis of evolution and driving force of ecosystem service values in the Three Gorges Reservoir region during 1990—2011[J]. Acta Ecologica Sinica, 2014, 34(20): 5962-5973.
[9] 李颖, 冯玉, 彭飞, 等. 基于地理探测器的天津市生态用地格局演变[J]. 经济地理, 2017, 37(12): 180-189.
Li Y, Feng Y, Peng F, et al. Pattern evolvement of ecological land in Tianjin based on geodetector[J]. Economic Geography, 2017, 37(12): 180-189.
[10] 曾晨, 李扬镳, 段雪雯, 等. 长江流域中部地区生态系统服务价值评估与综合驱动力分析[J]. 水土保持研究, 2022, 29(2): 362-371.
Zeng C, Li Y B, Duan X W, et al. Assessment and driving force analysis of ecosystem service value in the urban agglomeration along the middle reaches of the Yangtze River[J]. Research of Soil and Water Conservation, 2022, 29(2): 362-371.
[11] Bongaarts J. Summary for policymakers of the global assessment report on biodiversity and ecosystem services of the intergovernmental science-policy platform on biodiversity and ecosystem services[J]. Population and Development Review, 2019, 45(3): 680-681. DOI:10.1111/padr.12283
[12] Xu C, Wei B, Hu Y, et al. Spatiotemporal conversion and mechanism between production-living-ecological space and ecosystem service in the canal area[J]. Ecological Indicators, 2024, 167. DOI:10.1016/j.ecolind.2024.112689
[13] 涂小松, 龙花楼. 2000-2010年鄱阳湖地区生态系统服务价值空间格局及其动态演化[J]. 资源科学, 2015, 37(12): 2451-2460.
Tu X S, Long H L. Spatial patterns and dynamic evolution of ecosystem service values in Poyang Lake region from 2000 to 2010[J]. Resources Science, 2015, 37(12): 2451-2460.
[14] Wubuli J, Xue D Q, Song Y Y, et al. Method for identifying rural PLES and its applications[J]. Ecological Indicators, 2024, 166. DOI:10.1016/j.ecolind.2024.112273
[15] 唐相龙, 蔡乐山, 张博文. 生态过渡带土地利用及生态系统服务价值多情景模拟: 以甘肃省为例[J]. 生态与农村环境学报, 2025, 41(7): 852-865.
Tang X L, Cai L S, Zhang B W. Multi-scenario simulation of land use and ecosystem service value in ecological transition zone: a case study of Gansu Province[J]. Journal of Ecology and Rural Environment, 2025, 41(7): 852-865.
[16] 黄安, 许月卿, 卢龙辉, 等. "生产-生活-生态"空间识别与优化研究进展[J]. 地理科学进展, 2020, 39(3): 503-518.
Huang A, Xu Y Q, Lu L H, et al. Research progress of the identification and optimization of production-living-ecological spaces[J]. Progress in Geography, 2020, 39(3): 503-518.
[17] 王宣宣, 刘欢, 胡鹏, 等. 水文生态功能稳定视角下的西辽河流域植被格局优化分析[J]. 环境科学, 2026, 47(3): 1780-1791.
Wang X X, Liu H, Hu P, et al. Optimization analysis of vegetation pattern in the Xiliao river basin from the perspective of hydrological and ecological Function Stability[J]. Environmental Science, 2026, 47(3): 1780-1791. DOI:10.13227/j.hjkx.202501234
[18] 赵同谦, 欧阳志云, 郑华, 等. 中国森林生态系统服务功能及其价值评价[J]. 自然资源学报, 2004, 19(4): 480-491.
Zhao T Q, Ouyang Z Y, Zheng H, et al. Forest ecosystem services and their valuation in China[J]. Journal of Natural Resources, 2004, 19(4): 480-491.
[19] 黄会平, 李盼中, 韩宇平, 等. 黄土高原生态系统服务价值演变及驱动力分析[J]. 人民黄河, 2024, 46(12): 90-97.
Huang H P, Li P Z, Han Y P, et al. Analysis of the evolution and driving forces of ecosystem service value in the loess plateau[J]. Yellow River, 2024, 46(12): 90-97.
[20] 李佳仪, 马小花, 乔丽娜, 等. 中国北方农牧交错区生态系统服务价值时空变化特征及驱动力分析[J]. 草地学报, 2024, 32(7): 2263-2272.
Li J Y, Ma X H, Qiao L N, et al. Analysis of the spatiotemporal variation characteristies and driving forces of ecosystem service value in the agro pastoral ectone of northern China[J]. Acta Agrestia Sinica, 2024, 32(7): 2263-2272.
[21] 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
[22] 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.
[23] 谢高地, 肖玉, 甄霖, 等. 我国粮食生产的生态服务价值研究[J]. 中国生态农业学报, 2005, 13(3): 10-13.
Xie G D, Xiao Y, Zhen L, et al. Study on ecosystem services value of food production in China[J]. Chinese Journal of Eco-Agriculture, 2005, 13(3): 10-13.
[24] 胡和兵, 刘红玉, 郝敬锋, 等. 城市化流域生态系统服务价值时空分异特征及其对土地利用程度的响应[J]. 生态学报, 2013, 33(8): 2565-2576.
Hu H B, Liu H Y, Hao J F, et al. Spatio-temporal variation in the value of ecosystem services and its response to land use intensity in an urbanized watershed[J]. Acta Ecologica Sinica, 2013, 33(8): 2565-2576.
[25] 李魁明, 王晓燕, 姚罗兰, 等. 京津冀地区生态系统服务价值时空变化及驱动因子分析[J]. 环境工程技术学报, 2022, 12(4): 1114-1122.
Li K M, Wang X Y, Yao L L, et al. Spatio-temporal change and driving factor analysis of ecosystem service value in the Beijing-Tianjin-Hebei region[J]. Journal of Environmental Engineering Technology, 2022, 12(4): 1114-1122.
[26] 李凯, 侯鹰, 付奇, 等. 都市圈"三生空间"协同变化及其对生态系统服务的影响[J]. 水土保持研究, 2023, 30(3): 430-439.
Li K, Hou Y, Fu Q, et al. Synergistic changes of production-living ecology spaces and their influences on ecosystem services in the metropolitan area[J]. Research of Soil and Water Conservation, 2023, 30(3): 430-439.
[27] 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.
[28] 杨银峰, 石培基. 甘肃省城市可持续发展系统协调发展评价研究[J]. 经济地理, 2011, 31(1): 66-71.
Yang Y F, Shi P J. Study on evaluation of coordinative development of Urban Sustainable Development System in Gansu Province[J]. Economic Geography, 2011, 31(1): 66-71.
[29] 任玺锦. 甘肃省土地生态系统服务价值时空变化与预测[D]. 兰州: 甘肃农业大学, 2021.
Ren X J. Spatio-temporal changes and forecast of land ecosystem service value in Gansu Province[D]. Lanzhou: Gansu Agricultural University, 2021.
[30] 黄晶, 薛东前, 董朝阳, 等. 干旱绿洲农业区土地利用转型生态环境效应及分异机制——基于三生空间主导功能判别视角[J]. 地理科学进展, 2022, 41(11): 2044-2060.
Huang J, Xue D Q, Dong C Y, et al. Eco-environmental effects and spatial differentiation mechanism of land use transition in agricultural areas of arid oasis: a perspective based on the dominant function of production-living-ecological spaces[J]. Progress in Geography, 2022, 41(11): 2044-2060.
[31] 许伟. "三生空间"的内涵、关系及其优化路径[J]. 东岳论丛, 2022, 43(5): 126-134.
[32] 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. DOI:10.13227/j.hjkx.202301081
[33] 郭健斌, 张英, 张志伟, 等. 基于地理探测器的藏东南高山峡谷区土地利用变化及其驱动机制——以西藏林芝市为例[J]. 中国农业大学学报, 2023, 28(4): 210-226.
Guo J B, Zhang Y, Zhang Z W, et al. Land use change and its driving mechanism in the alpine gorge of Southeast Tibet based on geodetector: a case study of Nyingchi City[J]. Journal of China Agriculural University, 2023, 28(4): 210-226.
[34] 李月, 刘静兰, 白晓永, 等. 长江上游水源涵养区生态系统服务价值多尺度空间分异——格局、过程与驱动力[J]. 生态学报, 2025, 45(7): 3062-3078.
Li Y, Liu J L, Bai X Y, et al. Multi-scale spatial differentiation of ecosystem service values of the important water conservation area in the upper reaches of the Yangtze river: patterns, processes and driving forces[J]. Acta Ecologica Sinica, 2025, 45(7): 3062-3078.
[35] 栾振斌, 宁和平, 姚瑞, 等. 1965—2015年甘肃省干旱时空分布特征分析[J]. 现代农业科技, 2022(13): 124-129.
Luan Z B, Ning H P, Yao R, et al. Analysis on temporal and spatial distribution characteristics of drought in Gansu Province from 1965 to 2015[J]. Modern Agricultural Science and Technology, 2022(13): 124-129.
[36] 宋媛, 石惠春, 谢敏慧, 等. 2000—2017年甘肃省生态环境质量时空演变格局及其影响因素[J]. 生态学杂志, 2019, 38(12): 3800-3808.
Song Y, Shi H C, Xie M H, et al. Spatiotemporal evolution pattern and influencing factors of eco-environmental quality in Gansu from 2000 to 2017[J]. Chinese Journal of Ecology, 2019, 38(12): 3800-3808.
[37] 周文玉. 中国的地理分区[J]. 地理教育, 2011(S1): 39.
[38] 乔伟峰, 盛业华, 方斌, 等. 基于转移矩阵的高度城市化区域土地利用演变信息挖掘——以江苏省苏州市为例[J]. 地理研究, 2013, 32(8): 1497-1507.
Qiao W F, Sheng Y H, Fang B, et al. Land use change information mining in highly urbanized area based on transfer matrix: a case study of Suzhou, Jiangsu province[J]. Geographical Research, 2013, 32(8): 1497-1507.
[39] Nagendra H, Munroe D K, Southworth J. From pattern to process: landscape fragmentation and the analysis of land use/land cover change[J]. Agriculture, 2004, 101(2-3): 111-115.
[40] 朱会义, 李秀彬. 关于区域土地利用变化指数模型方法的讨论[J]. 地理学报, 2003, 58(5): 643-650.
Zhu H Y, Li X B. Discussion on the index method of regional land use change[J]. Acta Geographica Sinica, 2003, 58(5): 643-650.
[41] 董建红, 张志斌, 笪晓军, 等. "三生"空间视角下土地利用转型的生态环境效应及驱动力——以甘肃省为例[J]. 生态学报, 2021, 41(15): 5919-5928.
Dong J H, Zhang Z B, Da X J, et al. Eco-environmental effects of land use transformation and its driving forces from the perspective of "production-living-ecological" spaces: a case study of Gansu province[J]. Acta Ecologica Sinica, 2021, 41(15): 5919-5928.
[42] 刘佳楠, 姬广兴, 高红凯, 等. 基于PLUS模型的河南省"三生空间"多情景模拟及生态环境效应分析[J]. 环境科学, 2025, 46(2): 990-1001.
Liu J N, Ji G X, Gao H K, et al. Multi-scenario simulation and eco-environmental effect analysis of production-living-ecological space in Henan Province based on PLUS model[J]. Environmental Science, 2025, 46(2): 990-1001. DOI:10.13227/j.hjkx.202402085
[43] 蔡乐山, 唐相龙. 生态过渡带三生空间多情景模拟与碳储量评估: 以甘肃省为例[J]. 环境科学, 2025, 46(6): 3806-3817.
Cai L S, Tang X L. Multi-scenario simulation of production-living-ecological space and carbon sorage assessment in ecological transition zone: a case study of Gansu Province[J]. Environmental Science, 2025, 46(6): 3806-3817. DOI:10.13227/j.hjkx.202406166
[44] 谢高地, 鲁春霞, 肖玉, 等. 青藏高原高寒草地生态系统服务价值评估[J]. 山地学报, 2003, 21(1): 50-55.
Xie G D, Lu C X, Xiao Y, et al. The economic evaluation of grassland ecosystem services in Qinghai-Tibet Plateau[J]. Journal of Mountain Research, 2003, 21(1): 50-55.
[45] 幸绣程, 支玲, 谢彦明, 等. 基于单位面积价值当量因子法的西部天保工程区生态服务价值测算——以西部六省份为例[J]. 生态经济, 2017, 33(9): 195-199.
Xing X C, Zhi L, Xie Y M, et al. Estimation of ecological service value in western natural forest protection project area based on equivalent factor approach of unit area value: taking six western provinces as an example[J]. Ecological Economy, 2017, 33(9): 195-199.
[46] 罗盛锋, 闫文德. 广西北部湾沿岸地区生态系统服务价值变化及其驱动力[J]. 生态学报, 2018, 38(9): 3248-3259.
Luo S F, Yan W D. Evolution and driving force analysis of ecosystem service values in Guangxi Beibu Gulf coastal areas, China[J]. Acta Ecologica Sinica, 2018, 38(9): 3248-3259.
[47] 荔琢, 蒋卫国, 王文杰, 等. 基于生态系统服务价值的京津冀城市群湿地主导服务功能研究[J]. 自然资源学报, 2019, 34(8): 1654-1665.
Li Z, Jiang W G, Wang W J, et al. Study on the wetland leading service function of Jing-Jin-Ji urban agglomeration based on the ecosystem service value[J]. Journal of Natural Resources, 2019, 34(8): 1654-1665.
[48] 刘慧明, 高吉喜, 刘晓, 等. 国家重点生态功能区2010—2015年生态系统服务价值变化评估[J]. 生态学报, 2020, 40(6): 1865-1876.
Liu H M, Gao J X, Liu X, et al. Monitoring and assessment of the ecosystem services value in the national key ecological function zones[J]. Acta Ecologica Sinica, 2020, 40(6): 1865-1876.
[49] 刘礼群, 江坤, 胡智, 等. 雄安新区国土空间开发的生态系统服务价值响应特征[J]. 生态学报, 2022, 42(6): 2098-2111.
Liu L Q, Jiang K, Hu Z, et al. Response characteristics of ecosystem services values in territorial space development of Xiong'an new area[J]. Acta Ecologica Sinica, 2022, 42(6): 2098-2111.
[50] 潘冬荣, 闫浩文, 韩天虎, 等. 基于当量因子法的甘肃省草原生态系统服务价值评估[J]. 草业科学, 2021, 38(9): 1860-1868.
Pan D R, Yan H W, Han T H, et al. Evaluation of the service function value of grassland ecosystems in Gansu Province using the equivalence factor method[J]. Pratacultural Science, 2021, 38(9): 1860-1868.
[51] 黄木易, 岳文泽, 方斌, 等. 1970-2015年大别山区生态服务价值尺度响应特征及地理探测机制[J]. 地理学报, 2019, 74(9): 1904-1920.
Huang M Y, Yue W Z, Fang B, et al. Scale response characteristics and geographic exploration mechanism of spatial differentiation of ecosystem service values in Dabie Mountain area, central China from 1970 to 2015[J]. Acta Geographica Sinica, 2019, 74(9): 1904-1920.
[52] 王劲峰, 徐成东. 地理探测器: 原理与展望[J]. 地理学报, 2017, 72(1): 116-134.
Wang J F, Xu C D. Geodetector: principle and prospective[J]. Acta Geographica Sinica, 2017, 72(1): 116-134.
[53] Cao F, Ge Y, Wang J F, et al. Optimal discretization for geographical detectors-based risk assessment[J]. GIScience & Remote Sensing, 2013, 50(1): 78-92.
[54] 童威, 郎丰铠. 基于地理探测器的武汉市土地利用变化及其驱动机制探讨[J]. 水利水电技术(中英文), 2021, 52(4): 45-56.
Tong W, Lang F K. Geodetector-based analysis on land-use variation and its driving force in Wuhan[J]. Water Resources and Hydropower Engineering, 2021, 52(4): 45-56.
[55] 王波, 杨太保. 1980—2018年银川市生态系统服务价值评价及驱动力分析[J]. 干旱区地理, 2021, 44(2): 552-564.
Wang B, Yang T B. Value evaluation and driving force analysis of ecosystem services in Yinchuan City from 1980 to 2018[J]. Arid Land Geography, 2021, 44(2): 552-564.
[56] 黄木易, 方斌, 岳文泽, 等. 近20a来巢湖流域生态服务价值空间分异机制的地理探测[J]. 地理研究, 2019, 38(11): 2790-2803.
Huang M Y, Fang B, Yue W Z, et al. Spatial differentiation of ecosystem service values and its geographical detection in Chaohu Basin during 1995-2017[J]. Geographical Research, 2019, 38(11): 2790-2803.