东海区海岸带景观格局变化对生态系统服务价值的影响

童晨 ，李加林 *，叶梦姚 ，童亿勤 ，田鹏 ，王丽佳 ，刘瑞清，周子靖

（1.宁波大学地理与空间信息技术系，浙江宁波315211； 2.宁波大学东海研究院，浙江宁波315211；3.柴桥中学，浙江宁波315211）

景观格局研究是景观生态学的研究热点之一，也是土地利用时空变化研究的重要分析手段，可以有效反映人类活动对区域生态格局的影响以及生态环境对土地利用变化的时空响应[1-2]。生态系统服务则是生态系统与生态过程形成及维持人类所依存的自然环境条件与效用[3-4]，其作为生态系统评估的核心领域，已成为生态学的研究热点[5]。集成生态系统服务与景观格局已成为探讨生态系统时空分布规律以及与生态过程相关的区域资源和生态环境问题的重要途径[6]。当前已有一些结合景观格局与生态系统服务价值（ESV）的研究，主要包括对城市[7-9]、流域[10-11]、地貌区[12-13]、景观类型[14-16]、理论[17]等方面的研究，这些研究促进了对景观格局与生态系统演变机制的深入认识。

海岸带是地球系统中最有生机的部分之一，具有很高的自然能量、生物生产力以及突出的经济地位[18]。随着人类对海岸带环境利用和改造强度、广度和速度的不断提高（甚至超过了自然变化），相应地产生了一系列环境问题[19-20]。鉴于海岸带地区在人类生存和发展中的重要地位，在世界范围内开展沿海地区海岸带调查工作，研究人类活动影响下的海岸带地区大陆景观格局演化[21-22]、ESV 估算[23-24]和景观生态风险评价[25-26]等已成为地球系统研究的重要方向，越来越受各领域学者的重视。但结合景观格局与ESV 对较大尺度的海岸带区域演化机理及其相互关系的研究还较少。本文以东海区海岸带为研究区域，对1990—2015 年间景观格局和ESV 变化进行分析，以揭示在人类活动影响下研究区的演变特征，进而探讨景观格局与ESV 之间的关系，以期为当前东海区海岸带经济发展和生态保护提供科学基础。

1 研究区域

东海区海岸带处于我国地势的第三级阶梯，位于 23°31′N～31°25′N，117°05′E～123°25′E，大体呈朝东南方向外凸的弧形（见图1）。东海区海岸北起长江口启东嘴，南至福建、广东交接的诏安详林的铁炉岗，贯穿上海市、浙江省、福建省，大陆岸线总长5 325.6 km[27]，岛屿岸线长 7 953.2 km[28-29]。东海区海岸曲折，海湾发育，入海河流众多，海岸类型多样。东海区海岸带地处亚热带季风气候区，季风气候尤为明显，冬、夏季风交替显著。2015 年，国家发布的《推动共建丝绸之路经济带和21 世纪海上丝绸之路的愿景与行动》将东海区海岸带（包括沪、浙、闽三省（市）的海岸带区域）作为中国境内海上丝绸之路的重要区域，受国际社会高度关注。

图1 研究区区位图Fig.1 The study area

2 研究方法

2.1 数据来源与处理

东海区海岸带 1990，1995，2000，2005，2010 和2015 年共6 期遥感影像数据来源于美国地质调查局网站（http://glovis.usgs.gov/）和地理空间数据云（http://www.gscloud.cn/）免费提供的 TM/OLI 遥感影像数据，空间分辨率均为30 m。在对影像数据进行几何纠正和配准、波段合成、影像镶嵌和裁剪的基础上，利用eCognition 8.7 软件建立分类信息知识库以提取研究区土地利用信息，再根据研究区GPS野外调查数据以及其他背景资料建立土地利用类型的解译标志，并在ArcGIS10.3 中利用人工目视解译对分类结果进行校正，分类精度达78%，最终获得研究区6 期土地利用类型矢量数据。东海区海岸带地貌的DEM 数字高程数据来源于日本METI 和美国NASA 联合发布的ASTER GDEM V2 数据，分辨率为30 m。此外，还包括东海区海岸带所在的上海市、浙江省和福建省的1∶25 万地理背景数据、行政区划图、乡镇边界图、地形图、海岸带调查报告，以及研究区所包含的省（市）、乡（镇）的社会经济数据。

对海岸带的具体定义及划分宽度尚无统一标准，本文中海岸带基线范围的确定参考叶梦姚等[30]的研究。依据影像数据解译结果和东海区海岸带土地开发利用的特点，借助ArcGIS 软件，将海岸带划分为农田、森林、草地、水域、湿地、海域、建设用地及荒地8 种景观类型，其中湿地是从水域中的二级类滩涂单独提取出的景观类型。

2.2 研究方法

2.2.1 景观指数

随着景观生态学中一些用于描述景观演化的指标的不断完善，已形成许多具有代表性的指标[31-32]。本文根据东海区实际情况，从类型和景观两方面选取了用于评价景观演化的7 个常用指标（见表1），借助景观格局指数计算软件Fragstats 4.2，对东海区海岸带1990—2015 年共6 期的景观格局变化特征进行定量分析[33-34]。

2.2.2 ESV 估算模型

以谢高地等[35]对Costanza 的ESV 当量修订后建立的中国ESV 估算模型为基础，构建东海区海岸带ESV 估算模型。由于该评估模型只适合全国尺度，而本研究区尺度较小，直接应用误差较大。因此，根据研究区实际情况对我国生态系统单位面积ESV 系数进行了修正。ESV 当量系数等于每年每hm2粮食价值的1/7，是相对贡献率[36]的一种，表示生态系统潜在的服务价值。因此，用耕地的食物生产服务价值系数来修正全国尺度的ESV 估算模型。根据上海市、浙江省以及福建省年鉴资料，1990—2015 年研究区平均粮食单产为 8 342.95 kg·hm－2，2015 年研究区粮食均价为 2.4 元·kg－1，计算得到研究区单位面积耕地的食物生产服务价值因子为2 860.44 元·hm－2，得到的各景观类型的 ESV 系数如表2 所示，其中，建设用地的服务价值不进行估算[37]。

东海区海岸带ESV 系数的计算公式为

其中，Ak是第k种景观类型面积；VCk是第k种景观类型的ESV 系数。

2.2.3 生态系统敏感性分析

敏感性指数（CS）表示因自变量变化引起的因变量变化的程度，用来研究一系列参考变量和比较变量的相互关系[38]。景观类型的ESV 系数表示系数变化对ESV 总量的影响。利用ESV 敏感性指数分析ESV 总量的变化对ESV 系数的依赖程度，以此分析计算ESV 的当量设置是否合理。ESV 敏感性指数的计算公式为

其中，VCik和 VCjk分别为第k种景观类型的 ESV 系数初始值和价值系数调整后的值，ESVi代表ESV系数的初始值，ESVj代表价值系数调整后的ESV总量。CS＞1，说明ESV 系数的敏感性较强，系数选取不当；CS＜1，说明ESV 系数的敏感性适中，系数选取合适。

3 结果分析

3.1 景观格局变化

3.1.1 景观动态变化

由表3 可知，东海区海岸带的景观类型主要以农田和森林为主，其余类型占比较小。从1990—2015 年的25 a 间，农田和海域面积减少最多，其中农田共减少3 619.99 km2，年均减少144.80 km2，在2000—2005 年的5 a 间面积减少幅度最大，减少了1 638.22 km2；海域共减少了 865.98 km2，特别是在2010—2015 年的 5 a 间减少了 885.56 km2，比 25 a 间减少的总面积还多19.58 km2；建设用地面积一直呈增长趋势，2000—2005 年间增加了 1 932.06 km2，2010—2015年间增加了1 254.62 km2，年 均 增 加178.56 km2；森林、草地、水域和荒地面积变化较小，其中湿地总面积减少了145.14 km2，但年均面积变化量仅为-5.81 km2。从时间段来看，1990—1995年、2000—2005 年和 2010—2015 年 3 个时段内各景观类型变化幅度更大，说明这些时段人类活动较为剧烈。

表1 景观格局指数及其含义Table 1 The landscape pattern indexes and meaning

为了更好地分析东海区海岸带景观的格局变化，笔者在划分地貌类型的基础上研究了不同地貌基底的主要景观类型和面积变化。参照我国1∶100 万地貌制图规范[39]，结合东海区海岸带地形起伏度及高程数据的实际情况和划分原则[40]，通过栅格数据计算分析，除去高程数据因素，而以地形起伏度（最大值为709 m）为主要因素将东海区海岸带地貌区分为5 种类型：平原、台地、丘陵、小起伏山地、中起伏山地，如表4 所示。

研究期间不同地貌基底上的主要景观转化主要发生在平原、台地、丘陵和小起伏山地等地貌区，中起伏山地地貌区景观转化面积最小，如表5 所示。其中，建设用地在平原地貌区呈增长趋势，主要由农田和水域转化而来，其中农田转建设用地的面积最大，达2 435.21 km2。可见农田是平原地貌区城市扩张过程中最大的土地来源。在台地地貌区，农田、森林和水域面积均呈减少趋势，主要转为建设用地。农田转建设用地面积也较大，达541.99 km2。在丘陵区，大面积农田和森林转为建设用地。可见，25 a间，由于经济和城市化的快速发展，在各地貌区，各景观类型转化为建设用地均较明显。在小起伏山地和中起伏山地地貌区，景观类型的转化多发生在草地和森林之间，然后是森林转建设用地、农田转建设用地、森林转草地等。

表2 东海区海岸带ESV 系数Table 2 ESV coefficient in the coastal zone of the East China Sea

表3 1990—2015 年东海区海岸带景观面积变化Table 3 Change of the landscape area in the coastal zone of the East China Sea from 1990 to 2015

表4 东海区海岸带地貌区类型Table 4 Basic morphological types classification in the coastal zone of the East China Sea

3.1.2 景观尺度演变特征

在社会经济和自然因素的综合作用下，东海区海岸带景观格局发生了较大变化（见表6）。研究期间，斑块数量不断增加，东海区海岸带斑块密度也由1990年的0.695 2个·hm－2提高到2015年的0.760 1个·hm－2，景观破碎化程度加深。而最大斑块指数的减小也正好验证了这一趋势。边界密度和形态指数是表征景观复杂程度的重要指标，边界密度由1990 年的26.697 8 m·hm－2升至2015 年的28.845 5 m·hm－2，增加了7.88%；形态指数则从1990 年的166.299 8 升至2015 年的178.945 6，两者均呈不断增加的趋势，说明人类活动使得景观斑块几何形状趋于复杂化和多样化。景观的多样性指数反映景观尺度的格局变化。海岸带景观的Shannon 多样性指数从1990 年的1.361 8 增至2015 年的1.427 0，呈总体增加的趋势。Shannon 均匀度指数也从 1990 年的 0.654 9 增至2015 年的 0.686 3。两种指数均在2010 年达到最大，后开始减小，说明东海区海岸带景观类型呈多元化、分散化发展趋势。

表5 1990－2015 年不同地貌区类型的主要景观转化Table 5 Change of main landscape types on different basic geomorphological types from 1990 to 2015

3.1.3 景观类型尺度演变特征

利用Fragstats 4.2 软件，对东海区海岸带1990—2015 年6 期各景观类型的景观指数进行计算，得到表7。农田景观斑块数量不断增加，从1990 年的6 819 个增至2015 年的8 369 个；森林、草地和荒地3类景观波动下降，其余景观类型则均呈波动上升的趋势，这与各种景观类型的分布有很大关系。农田斑块密度从 1990 年的 0.123 1 个·hm－2增至 2015 年的 0.151 0 个·hm－2，涨幅达到了 22.66%，其主要原因是农田大多位于上海、宁波等经济发达地区，随着城市的不断扩张，农田景观面积不断减少，斑块数量和斑块密度不断增加；草地、湿地、荒地景观斑块密度均表现为 1990—1995 年减少，1995—2015 年增加；森林和海域景观整体性较强，破碎度较低，因此斑块密度变化不大。森林和农田景观最大斑块指数均在3.1%～4.4%，整体性最好；其次是海域和水域，其中海域最大斑块指数为0.510 4%，但在2015年降到最低，表7 中，除农田和森景观外，其他景观类型的最大斑块指数均小于1%。可见，东海区海岸带整体景观类型的斑块较为破碎，最大斑块指数并不高。东海区海岸带的景观边界密度除农田、水域和建设用地呈增加趋势外，其余景观类型的边界密度均呈减少趋势。其中，农田景观边界密度增加最多，主要是由于农田多分布于沿海平原区，其城镇、工业、交通建设往往较集中，大幅增长的建设用地占用了农田，使得原先规则且连片的农田等景观类型趋于破碎化，导致边界密度大大增加。草地、湿地和海域景观斑块密度减少较多，而森林和荒地的边界密度变化较小。东海区海岸带农田和海域景观形态指数变化较大，分别从1990 年的181.902 7 和48.533 8 增至 2015 年的 209.614 0 和 64.029 7，其中农田景观形态指数变大的原因主要是城镇和交通设施面积不断扩展，大片的农田被占用，导致斑块形状趋于不规则化；海域景观形态指数发生较大变化的是在2010 年以后的5 a 间，因滩涂围垦加剧，导致海域面积大幅减少，在2015 年海域面积降至最小。其余景观类型的形态指数变化均较小。

表6 1990－2015 年东海区海岸带景观尺度水平指数Table 6 Indexes on landscape level in the coastal zone of the East China Sea from 1990 to 2015

3.2 ESV 变化

3.2.1 ESV 时间变化分析

由图2 和表8 可知，东海区海岸带6 期的ESV总量分别为 3 038.58，3 071.64，3 041.35，2 985.39，2 978.29 和2 858.53 亿元，总体趋势为先增后减，1990—2015 年 25 a 间共减少了 180.05 亿元，其中1995 年ESV 的增加主要由森林面积增加所致。在各种景观类型中，森林景观对ESV 总量的贡献最大，其贡献率均在62%以上。农田景观的ESV 不断减少，年均减幅为3.27 亿元，主要原因是大量农田转为建设用地；森林、草地、湿地、海域景观的ESV 均在2015 年达到最小值，其中海域景观的ESV 相较于1990 年减少最多，达112.31 亿元。而水域和荒地景观的ESV 在2015 年有小幅增加。总体来看，绝大部分景观类型的ESV 在2010—2015 年间变化较为剧烈，ESV 总量也在这5 a 间减少最明显，说明2010 年以后东海区海岸带进入了快速发展时期。

表7 1990—2015 年东海区海岸带景观类型的景观格局分析指标Table 7 Indexes on landscape class level in the coastal zone of the East China Sea from 1990 to 2015

图2 1990－2015 年东海区海岸带各景观类型ESVFig.2 ESV of different landscape types in the coastal zone of the East China Sea from 1990 to 2015

表8 1990—2015 年东海区海岸带各单项ESVTable 8 Separated ESV in the coastal zone of the East China Sea from 1990 to 2015单位：亿元

从ESV 构成上看（见表8），水文调节、生物多样性维持、气候调节、土壤保持、废物处理和气体调节是东海区海岸带主要的生态系统服务功能，这6 类服务功能共占ESV 总量的82%以上。其中水文调节的ESV 最大，占ESV 总量的18%左右；其次是生物多样性维持，占比约为14%，气候调节、土壤保持、气体调节的ESV 占比均在12%左右；食物生产占比最低，约为3%。ESV 的大小，不仅与其自身的ESV 系数有关，还与景观类型有关。东海区海岸带森林、农田面积占比大，而这些对于生物多样性维持、水文调节、气候调节等的ESV 贡献率较高。1990—2010 年水文调节的ESV 一直维持在540 亿元左右，2015 年突减至 495.39 亿元，这与 2010—2015 年间海域面积大幅减少了885.56 km2，而其ESV 系数又较高有关。森林和草地景观是吸收二氧化碳和释放氧气以及水土保持的主要景观类型，这些景观面积的减少影响了地表植被覆盖率，导致生态系统服务功能中气体调节、气候调节和土壤保持的ESV 降低。由于植被和作物是食物生产和原材料生产的主要来源，森林、农田、草地等面积的减少，使得这两类的ESV 在25 a 间分别减少了11.5 亿元和5.05 亿元。

3.2.2 ESV 空间变化分析

张明阳等[41]认为，单位面积ESV 主要与其地表覆盖等环境状况紧密相关，分析单位面积ESV 比区域ESV 总量的意义更大。 因此，本文运用ArcGIS10.3 构建2 km×2 km 的渔网，将研究区分为15 588 个区域，运用ArcGIS 空间分析功能，计算了各研究区域单位面积ESV，并对结果进行分级：小于 3 万元·hm－2为极低，[3，6)万元·hm－2为低，[6，9）万元·hm－2为中，[9，12）万元·hm－2为高，大于 12万元·hm－2为极高，从而得到 1990—2015 年 6 期研究区单位面积ESV 空间分布差异图（见图3）。

1990—2015 年，东海区海岸带始终以单位面积ESV 中、低区域为主导，占全区总面积的50%以上；其次是极低区域，单位面积ESV 高和极高区域占比最小。其中，单位面积ESV 为高、极高的区域多分布于杭州湾海岸带沿岸区域、临海沿海区域的水域和海域，1990—2010 年期间基本维持不变，但在2015 年这些区域被大量转化为低和极低区域。沿海一些区域的单位面积ESV 从高转化为极高，主要是水域和海域面积的增加提高了单位面积ESV。但随着沿岸人类活动强度的不断增强，围填海工程不断加快，单位面积ESV 又有向低值转移的趋势。东海区海岸带范围内，单位面积ESV 为中的区域，分布范围大致与森林景观吻合，主要集中于海拔较高的小起伏山地和中起伏山地，随着森林被破坏，单位面积ESV 为中的区域逐渐减少，转为低或极低区域，但面积变化相对较小。单位面积ESV 为低的区域多与农田景观分布的范围吻合，而单位面积ESV为极低的区域往往建设用地集中。1990—1995 年间，宁波市平原单位面积ESV 为低的区域呈向价值为中的区域转移，可能由退耕还林导致森林面积增加引起。随着城镇化进程的不断加快，大量其他景观类型转化为建设用地，导致单位面积ESV 为低和极低的区域数量不断增加，而这些区域主要集中在东海区北部以上海市、宁波市为中心的杭州湾沿岸区域和南部以厦门市为中心的区域。

图3 1995—2015 年东海区海岸带单位面积ESV 空间分布Fig.3 Distribution of the unit area ESV in the coastal zone of the East China Sea from 1990 to 2015

3.2.3 ESV 敏感性分析

从整体看，东海区海岸带景观类型生态系统服务总价值的敏感性指数都小于1（见表9），说明ESV系数的变化对ESV 总量影响不大，评估结果可信。从ESV 敏感性指数的排序看，由大到小依次为：森林、农田、水域、海域、草地、湿地、荒地和建设用地。森林对ESV 总量的贡献度最高，ESV 敏感性指数维持在0.62 以上，这与其巨大的ESV 和面积有关。1990—2015 年，水域的ESV 敏感性指数总体呈波动上升的趋势，2015 年达到了0.085 4，而农田、湿地和海域的ESV 敏感性指数波动下降，表明水域的ESV系数变化对研究区ESV 总量有放大作用，农田、湿地和海域的ESV 系数变化对ESV 总量有缩小作用。荒地景观面积较小，且ESV 系数较低，故其ESV 敏感性指数维持在0.000 1。

表9 东海区海岸带ESV 敏感性指数分析Table 9 Sensitivity index analysis of ESV in the coastal zone of the East China Sea

3.3 景观格局变化对ESV 的影响

通过对比研究区景观演化空间分布与研究区ESV 变化发现，两者具有一致性，即景观格局变化较为显著的区域ESV 减损率较高，说明景观类型的演化影响ESV。地表的景观演化引起区域景观、面积和空间位置的变化[42]，不同的景观类型提供不同的生态系统服务。同时，景观演化通过影响各生态系统服务之间的相互作用改变海岸带的ESV。东海区海岸带城镇化、工业化进程加快，人口增幅较大，这些变化直接影响了景观类型格局，随之影响海岸带生态系统的各项服务功能。

因此，对东海区海岸带各类型景观ESV 进行估算，利用Pearson 相关分析方法，对研究区ESV 与生态系统景观格局变化的相关性进行分析，结果见表10。由表10 可知，研究区ESV 总量与农田和海域景观面积呈显著正相关，与水域和建设用地面积呈显著负相关，而与其他类型景观面积相关性不显著。森林景观的ESV 最大，贡献率最低，但其面积却与ESV 总量无显著相关性，其主要原因是森林景观面积最大，并一直是优势景观，在25 a 间虽然呈波动变化，但绝对总量减少不多，因此，与ESV 总量未呈显著相关性。将显著相关的农田、水域、海域、建设用地4 类景观面积与ESV 总量进行简单回归分析，如图4 所示。由图4 可知，建设用地面积变化与ESV 总量拟合程度最好，R2和显著性也最高，更能解释ESV 变化的情况，其余3 种景观的R2都在0.7以上，拟合程度也较好，能较好地补充说明相关分析的结果。以上两种分析结果表明，农田和海域面积的减少会引起ESV 总量的减少，而水域和建设用地面积的增加也会引起ESV 总量的减少。结合表3和图2，可以发现，1990—2015 年间，农田和海域面积分别减少了3 619.99 km2和865.98 km2，其ESV总量分别减少了81.78 亿元和112.31 亿元，超出了25 a 间 ESV 总量的减少量。

表10 东海区海岸带各类型景观面积与ESV 总量的相关性Table 10 Correlation between various types of landscape area and total ESV in the coastal zone of the East China Sea

图4 农田、水域、海域、建设用地景观面积与ESV 总量的回归分析Fig.4 Regression analysis of landscape area of farmland，water area，sea area，construction land and total ESV

景观格局变化会导致区域生态系统结构、过程及功能发生变化，通过相关分析，得到各景观格局指数与ESV 之间的相关性，并将显著性在0.05 水平以上的相关指标标记出来（见图5）。ESV 总量与斑块密度、边界密度和形态指数呈显著负相关，表明景观数量越多、形状越复杂，即景观破碎化程度越高，其ESV 越小。食物生产、气体调节、气候调节、土壤保持和生物多样性维持的ESV 与6 种景观格局指数之间均呈显著相关性，且相关系数均在-0.8～-1.0，除与最大斑块指数呈正相关以外，其余均呈负相关，说明景观破碎化、多样化、均匀化会使其ESV 降低，而景观斑块的集中则有利于ESV 的提升。

已有研究表明，土地利用的变化影响生态系统服务，但对影响过程和机理的认识尚不足[43]。相关系数分析是定量研究空间关系问题，分析空间格局的重要方法和有效手段。运用相关系数量化土地利用指标与ESV 的关系，有助于凸显ESV 动态变化规律，进而探讨构建更为合理的生态系统空间格局[44]。邹月等[7]的研究表明，西安市各生态系统功能的服务价值与边界密度、形状指数、分离度和多样性指数呈显著负相关，与斑块数量和斑块密度呈弱负相关，与最大斑块指数、聚集度和蔓延度指数呈显著正相关，这与本文的研究结果较相似。岑晓腾[45]通过对杭州湾南岸地区的研究，发现提高景观丰富度、破碎度和分散度有利于提升整体服务价值；多样性指数对ESV 总量的关联度最大，并且与供给服务和气体调节的价值有一定关联；废物处理、防护功能和文化服务是与斑块数量有较高关联度的服务价值。王丽群等[46]在对北京边缘地区的景观格局与ESV之间的关系进行研究时发现，ESV 总量与斑块密度、最大斑块指数、蔓延度指数相关性较高。这些研究针对不同区域和类型的景观格局与生态系统服务，得到的结果也不尽相同。不同的景观格局会产生不同的生态效应，并影响区域生态系统服务。因此，研究区域不同，景观格局与ESV 及其相互关系也不同。应该指出的是，景观格局变化与ESV 之间并非因果关系，也并非简单的线性关系，其中所含的生态和地理意义需要深入挖掘[47]，如本文的水域面积与ESV 总量间的关系。同时，生态系统服务各功能之间以及景观类型和景观格局指标之间的相关性也需要不断探索，以便更好地把握景观格局与ESV间的关系。

图5 东海区海岸带景观格局指数与ESV 的相关性Fig.5 Correlation between landscape pattern indexes and ESV in the coastal zone of the East China Sea

4 结 论

以东海区海岸带1990—2015 年6 期土地利用数据为基础，进行较大区域、较长年份的景观格局变化特征和ESV 的时空演变分析，并利用不同类型景观面积和景观格局指数与ESV 进行相关分析，尝试找到其中的内在联系，结论如下：

从1990—2015 年的25 a 间，农田和海域景观面积减少最多，建设用地景观面积持续增加，其他类型景观面积变化较小。从时间段看，1990—1995 年、2000—2005 年和 2010—2015 年 3 个时段各景观类型变化幅度较大，说明此3 个时段人类活动对景观格局的影响较大；不同地貌类型下的景观格局变化主要发生在除中起伏山地外的4 种地貌类型中，其中，建设用地景观面积增加最多。

从景观尺度看，1990—2015 年，东海区海岸带斑块数量、斑块密度、边界密度、斑块形状指数总体都呈增加趋势，最大斑块指数则不断减小；海岸带景观的多样性指数和均匀度指数则波动变化，且均在2010 年达到最大，其后有所减小；这些指标的变化说明，东海区景观呈破碎化、多样化发展趋势。从景观类型尺度看，东海区海岸带最大斑块指数类型为森林和农田，其他类型的斑块指数均小于1%；东海区海岸带景观边界密度除农田、水域和建设用地外，其他类型的边界密度均呈减少趋势；东海区海岸带农田和海域的形态指数变化较大，其他类型景观的变化均较小。

东海区海岸带6 期的ESV 总量整体呈先增后减的趋势，25 a 间共减少了180.05 亿元，其中森林景观对ESV 总量的贡献率达62%以上；水文调节、生物多样性维持、气候调节、土壤保持、废物处理和气体调节是东海区海岸带主要的生态系统服务功能，6类服务功能占ESV 总量的82%以上。其中水文调节的贡献率最大，占ESV 总量的17.8%左右。1990—2015 年，东海区海岸带单位面积ESV 始终以中、低区域为主导，其次是极低区域，高和极高区域占比最小。同时，对东海区海岸带景观类型生态服务总价值的敏感性进行分析发现，其敏感性指数均小于1，森林的ESV 敏感性指数最大，均在0.62 以上，而建设用地的ESV 敏感性指数最小。

对ESV 与景观类型面积、生态系统服务功能与景观格局指数进行相关分析，研究区ESV 总量与农田和海域景观面积呈显著正相关，与水域和建设用地景观面积呈显著负相关，而与其他类型景观面积无显著相关性；ESV 总量与斑块密度、边界密度和形态指数呈显著负相关。食物生产、气体调节、气候调节、土壤保持和生物多样性维持的ESV 与景观格局指数之间均显著相关，除与最大斑块指数呈正相关外，其余均呈负相关。