生态系统服务驱动因素及供需研究进展

2020-03-14邓煌炜廖振良

环境科技 2020年1期

邓煌炜，廖振良

（同济大学环境科学与工程学院，上海 201620）

0 引言

2012 年中国正式加入生物多样性和生态系统服务政府间科学政策平台（IPBES）[1]，标志着我国对于保护生态平衡与稳定进入一个新时期。国家“十二五”，“十三五”规划中均对生态保护与生态安全建设做出了重大决策部署。目前，我国生态空间及生态系统质量遭受严重威胁，生态服务功能低[2]，影响了生态安全及生态文明建设。

国内外学者对生态系统服务的供给、平衡、协作、驱动机制等做了很多研究，但其中仍有部分内容需要进一步的探索，目前对于生态系统服务需求量化的研究相对而言较少，驱动机制的研究集结于土地使用/覆盖的变化，其它因素的研究较少，尚未对生态系统服务形成完整有效的监测、预测系统。本文基于已有的广泛研究，对生态系统服务供需量化方法进行分析，剖析当前研究中对供需量化及驱动因素存在的不足，基于可持续及生态安全，提出强化生态系统服务时空动态评估，确定生态系统服务供给阈值，建立区域生态系统服务监测预警模型系统，促进区域生态文明发展及生态可持续建设。

1 生态系统服务概念及驱动因素

1．1 概念及分类

千年生态系统评估[3]将生态系统服务定义为“生态系统提供给人类的惠益”，同时将生态系统服务分为供给服务、调节服务、文化服务及支持服务4 类。其中，供给服务主要包括食物、纤维、燃料、基因资源、生物化学物质、天然药材、装饰资源及淡水等；调节服务则包含调节空气质量、气候、医病、害虫、自然灾害，净化水质和处理废弃物等；文化服务是人类从生态系统获得的非物质精神满足，如教育价值、美学价值等；支持服务指作为支撑其它服务所提供的基本生产，如土壤、光合作用、水循环等。一般认为，支持服务因其作用本质不被作为生态系统服务评价指标[4]。

1．2 生态系统服务改变的驱动因素

生态系统为人类社会提供丰富的物质和非物质资源，促进社会的发展和稳定。然而，人类生产生活对生态系统同样会产生响应的反馈作用[3]。人口的急剧增长增加了对食物供给的要求，因而提高了对农作物产量的要求，进而转变农业生产方式，改变土地利用/覆盖情况，使用化学试剂与药品提升土壤肥力，导致土壤富营养化等土壤退化现状；工业的发展加速了对环境和生态系统的恶化，森林面积不断减少，淡水资源的数量与质量均在不断退化，气体污染物排放入空气已严重超出大气自净能力。

对于生态系统服务的改变，不仅仅是以上人类活动的影响，气候变化因子对于生态系统的能力也有部分作用，更多情况下，气候变化与非气候变化因子同时对生态系统的供给和社会需求进行作用。QIAN 等[5]对祁连山自然保护区1975 ～2015 年土地使用及植被状况进行研究，发现气候变暖及气候湿润是导致冰山修复以及植被状况改善的主要原因，经济发展模式决定了周边区域受损害的程度，强调了气候与非气候变化对周边环境及生态的协同作用。 ANNE 等[6]研究了“过人口化”对生态系统的影响，指出在人口增长率增长的状况下，气候变化导致的“气候难民”的居住地迁徙等造成了资源的过度消耗、能源的稀缺、未来风险和不确定性的增加，对于生态系统的稳定造成严重的威胁。SHEN 等[7]对中国部分城市湿地生态退化进行评估，提出气候变化与不合理的城市化是导致生态退化的主要因素，增加了湿地生态系统的湿地退化指数，降低了湿地涵养水源等服务功能。

2 态系统服务供需量化方法

2．1 土地使用/覆盖矩阵模型

土地使用/覆盖矩阵模型由BURKHARD 等[8]提出，用于评估土地利用和覆盖变化对生态系统服务供需双方的影响。该模型方法将研究区域所涉及的土地覆盖与生态系统分别分类进行评估，建立生态系统服务供应与需求矩阵分别量化生态系统服务供需。生态系统服务供应矩阵用于确定不同土地覆盖类型特定服务的能力，而需求矩阵则用于反映人们对特定土地覆盖类型的实际效益对生态系统服务的相对需求。

该模型确定生态系统服务供给与需求的范围为0 ～5，根据两者之间的差异得出平衡矩阵，以确定特定生态系统服务的赤字（-5）与盈余程度（5），进而量化不同土地覆盖类型的生态系统服务能力[9]。

2．2 生态系统服务和交易的综合评估模型（InVEST）

InVEST 模型是一种基于生产函数，用于反映生态系统结构和功能变化对生态系统服务的影响的量化方法，适用于对淡水、陆地等生态系统服务实物或价值的量化评估[10-11]。该方法与上述土地使用/覆盖矩阵模型均依赖于土地利用/覆盖的数据，且均考虑人口对于生态系统服务的影响作用。但是，InVEST模型需要更多的输入数据，如相对危险影响权重等。另外，该方法只适用于对生态系统服务供给的量化[12]。

2．3 综合叶面积指数

叶面积指数通常用于描述生态系统的生态健康情况，与植物的光合作用、物质循环等密切相关，生态系统服务中较多功能依赖于植物的这些作用。综合叶面积指数包括对森林、草地、耕地、湿地等的反映，以生物群落分布为落脚点，考虑生物群落的内涵及变化[13]，相较于绿化覆盖率等二维的表示方法更为准确[14]。采用综合叶面积指数进行生态系统服务的量化，主要是将区域内的生物群落/土地覆盖类型叶面积指数进行加权，计算相应土地利用类型占区域总面积的比例[15]。

2．4 生态系统服务供给指数（ESPI）

生态系统服务供给指数（ESPI）是一种依赖于土地利用类型分类进行不同生态区域生态系统服务供给量化的方法。 WANG 等[16]对中国生态系统服务供需时空不平衡和变化进行了研究，采用ESPI 对不同区域的不同类型的生态系统服务供给进行衡量[17]，将生态系统服务分为最高供应、更高供应、中等供应、更低供应及最低供应5 个等级对生态系统服务供给进行分类与评价。

2．5 土地开发指数（LDI）

土地发展指数（LDI）是一种通过建立多目标模型用于量化生态系统服务需求的方法，包含生态系统所提供的及希望获得的产品或服务[18]。由于区域人口密度与GDP 存在差异，WANG 等[16]对该方法进行修改，采用统计学中的对数方法细化波动且不影响总体趋势，LDI 计算方法如下：

式中：LDIi为区域i 的生态系统服务需求的土地开发指数；Di，Pi和Ei分别为区域i 的已建成土地的比例、人口密度和经济密度。

3 当前生态系统服务研究不足之处

3．1 生态系统服务供需量化不足之处

土地利用/覆盖矩阵模型的使用可半定量化生态系统服务供需，但其在测量单位准确度以及土地覆盖等级评估中存在一定的缺陷。 TAO 等[19]通过专家评估不确定性水平来改进矩阵模型并对1985 ～2015 年长江流域的生态系统服务供需进行评估。然而，基于专家评估的方法主观性会对估算带来较大不确定性，且其半定量性亦不能较好反应生态系统服务与土地覆盖类别之间的关系和作用。

对于生态系统服务供需的量化，绝大多数是基于获得和分析土地利用/覆盖数据，进而进行模型、矩阵或算法的构建来进行供需的评估。然而，生态系统服务功能的体现与获得并不是完全依赖于土地使用，如气候调节、美学价值等。目前的研究尚处于将生态系统各种服务分开或部分结合量化中，未能实现服务功能整体的量化评估。 LIU 等[20]对中国东部太湖流域的氮和磷净化、供水及土壤保持服务进行了量化，预测未来土地利用和气候变化对这4 个生态系统服务的影响，指出这2 种驱动因素的组合作用会影响所有的生态系统服务，并且对于不同的服务类型表现出不同特征。

此外，当前的量化研究着重于生态系统服务供给的量化，而对于需求的量化研究则较少。生态系统服务需求的量化取决于所需求服务的类型[21-22]。由于调节服务和文化服务的量化存在较多障碍，如计量单位的估算、数据的缺失、方法的缺陷等，由此也导致了对于生态系统服务供给与需求之间的比较结果不准确甚至难以进行。

3．2 生态系统服务改变驱动因素研究不足之处

DPSIR（驱动-压力-状态-影响-响应）框架用于描述生态环境等问题的因果链[23]，连接自然、社会经济和环境等系统，在判断和确定生态系统服务驱动因素中使用广泛。 ELIAS 等[24]对埃塞俄比亚中裂谷土地使用/覆盖与湖泊生态系统之间的关系进行了研究，通过GIS 和RS 技术平台，使用DPSIR 框架分析1985 ～2015 年埃塞俄比亚中裂谷湖泊生态系统在土地覆盖改变状况下的变化。该方法需要收集大量数据，涉及社会、技术、经济因子等多方面跨学科领域，在指标的选择及量化中存在不确定性因素。

目前，对于生态系统服务驱动因素的研究主要有2 个部分，一是气候因子，二是非气候因子。当前对非气候因子的研究主要着重对土地利用/覆盖变化对生态系统服务的影响[25]，导致其它相关驱动因素如污染的累积与长期作用[26]。气候与非气候因子对生态系统服务的共同作用尤为复杂[27]，不仅包含单一因子的作用，更有非气候因子如空间结构变化等与气候因子累积作用[28]。LIU 等[20]的研究中将未来气候情景与土地利用改变对生态系统服务的影响进行简单的叠加，探讨二者的改变对于生态系统服务的整体作用，虽然在研究思路中有一定的代表性，但结果及简单叠加方法缺乏科学性。 DANIELA 等[29]对瑞士2004 ～2014 年的调节二氧化碳、土壤侵蚀预防和调节空气质量3 种生态系统服务变化进行了研究，使用附加模型及线性回归分析[30]描述气候（温度、降水、相对日照持续时间）以及非气候驱动因素的空间变化，进而将两者对瑞士生态系统服务改变趋势的影响进行比较。研究表明，气候驱动因素的影响更大。研究过程中，非气候变化驱动因子未能剖析彻底，仅仅是考虑其整体作用，忽略了非气候变化因子之间的相互关系。

3．3 生态系统容忍阈值

LIANG 等[31]通过对水量型缺水地区的探讨与研究，提出了一套确定植被生产力阈值的框架，将其与当地生态系统可使用的水资源量进行对照，确定当地生态系统承载能力。对于生态系统服务供给的研究缺乏生态系统容忍阈值的研究与制定，同时，缺乏对生态系统服务恢复能力的探究。

3．4 生态系统时空动态变化监测及预警机制

BRAUN 等[30,32]使用模型及遥感数据对生态系统二氧化碳调节、土壤侵蚀保护、空气质量调节及远足娱乐4 个服务进行研究，确定生态系统服务之间存在相互作用关系，指出生态系统服务具有空间异质性并且依赖于尺度与高度。由于生态系统服务范围较广，所需要的信息较繁杂且存在相互作用，缺少将生态系统服务与生态系统的结构、过程等结合的量化方法研究，因而目前仍缺乏对于生态系统服务的常规监测。

4 未来发展趋势

4．1 遥感技术在生态系统服务供需量化中的应用

遥感技术存在巨大的发展空间，可以支持跨时间与空间的多种生态系统服务的评估；同时，遥感数据能够减少对于生态系统服务多指标的依赖，通过遥感与生物物理模型的结合研究可以确定生态系统服务的潜在供给量[33]。

此外，基于遥感数据的生态系统评估可以在时间上满足关键时期对于生态系统服务的定期监测，甚至对调节服务及文化服务进行量化评估[33]。

4．2 侧重对气候及非气候驱动因子综合作用的研究

生态系统服务与社会经济因素之间的关系目前还未透明化，对生态系统服务管理构成阻碍。因此研究社会经济因素与生态系统服务之间的作用机制尤为必要。此外，由于气候变化与人类活动之间同样存在相互作用，而二者对于生态系统服务供需平衡产生影响，对于具有空间异质性的生态系统服务来说，确定不同区域的各类驱动因子的综合作用机制以及不同驱动因子的影响作用等级尤为必要，也为区域生态建设的政策方针制定等提供理论依据。