1995—2015 年关中平原城市群生态系统服务价值（ESV）及其时空差异

2020-10-15张艳芳李云

浙江大学学报（理学版） 2020年5期

张艳芳，李云

（1.陕西师范大学地理科学与旅游学院，陕西西安710119； 2.地理学国家级实验教学示范中心（陕西师范大学），陕西西安710119）

生态系统服务指通过生态系统的结构、过程和功能直接或间接得到的生命支持产品和服务，是由自然资本的能流、物流、信息流构成的生态系统服务与非自然资本结合在一起所产生的人类福利[1-2]。随着我国城镇化的快速发展，土地利用改变的加剧，生态系统服务功能不断被改变[3]。土地利用不仅是人类社会经济行为与自然生态过程的纽带，其复杂变化也是人地关系的外在表现[4-5]。土地利用的变化可引起生态系统结构与生态系统服务发生变化，同时，在生态系统服务价值(ecosystem service value，ESV)的变化上有所体现[6-7]。因此，ESV 的变化是衡量土地利用变化生态效应的重要指标[8]。对两者之间关系的研究是目前研讨的热点问题之一[9]。国内外学者对不同区域[10-11]、尺度[12-13]和类型[14-15]生态系统的评估，主要聚焦于不同地形区和流域范围及城镇化迅速发展变化的区域。ESV 评估主要有功能价值评估法和当量因子评估法[16]。其中，前者主要利用生态方程或遥感模型，对某些关键的生态系统服务功能，如对水土保持、生物多样性和固碳制氧等进行评估[17-18]，然后根据市场价格，用经济学理论和方法，如影子价格法、替代市场法和机会成本法[19]等将物质的量转化为货币单位。在此类方法中，服务功能不同，其模型和参数亦不同，因标准无法统一，存在服务功能重复计算问题，致使结果缺乏可比性[20]。后者是被大部分学者接受和采用的一种方法，即在区分生态系统服务功能的基础上，构建各生态系统服务功能的价值当量[21]。谢高地等[16]分别于2003 年[22]、2008年[23]和2015 年[16]开展研究，最终提出了科学性和系统性较强的单位面积生态系统服务价值当量表，并结合不同土地利用面积定量评估ESV。该方法数据需求少、评估快速全面、可比性高。

此外，ESV 冷（热）点是指ESV 提供能力相对较弱（强）的聚集区域[24]。为避免根据数值大小划定冷点区和热点区的弊端，本文采用热点分析法，利用GIS 平台统计显著性分级和斑块连通性较好的Gi*统计方法，划定冷点区和热点区。该方法可有效揭示较强和较弱的生态系统服务能力空间分布，确定生态系统服务管理的重要区域，更容易找到ESV 变化的影响因素。随着“一带一路”建设的不断推进和受西安市的辐射与带动，关中平原城市群区位优势明显，区域内经济发展迅速[25]。同时，生态环境承载力与经济发展之间的矛盾也越来越剧烈，对该区域的可持续发展带来严重威胁[26]。

基于前人研究，以关中平原城市群为研究区，运用当量因子评估法、热点分析法及敏感性指数法，从时间、空间两个维度评估城市群ESV 的长时间序列变化差异，探究土地利用对ESV 变化的影响。

对城市群的评估是生态系统保护和管理的基础[27]，研究成果可为关中平原城市群的环境保护、土地规划和补偿提供理论支撑，对进一步推进“一带一路”建设具有现实意义。

1 研究区域和数据来源

关中平原城市群以西安为核心，横跨陕西省关中地区、甘肃省和山西省部分市县，面积10.71 万km2，见图1。区域地质地貌复杂，向南为陕南山地和秦岭山脉，向北为黄土高原，中部为渭河下游河谷平原。大部分地区属大陆季风性气候，暖温带半湿润半干旱气候为该区带来丰富的水热资源。2016年年末，该区域常住人口3 863 万，地区生产总值1.59 万亿元[25]，2018 年3 月被正式批准为城市群。此外，区域水资源分布不均，人均占有量较低，地下水超采问题突出，渭河、汾河流域部分区段水质污染严重，大气污染频发。

图1 研究区域示意图Fig.1 Location of the study area

本研究中，1995 年、2000 年、2005 年、2010 年与2015 年土地利用数据来自中国科学院地理科学与资源研究所，空间分辨率为30 m×30 m，精度在90%以上，生态系统服务分为一级分类和二级分类；30 m 分辨率DEM 来自地理空间数据云平台（GDEMDEM）；农作物播种面积、产量数据和价格数据来自《陕西省统计年鉴（2016）》《甘肃省统计年鉴（2016）》《山西省统计年鉴（2016）》《全国农产品成本收益资料汇编》。

2 研究方法

2.1 ESV 量化评估

关中平原城市群生态系统服务一级分类有供给服务、调节服务、支持服务和文化服务共4 大类，二级分类包含11 个子类。参考谢高地等[16]于2015 年提出的单位面积ESV 当量表，根据研究区域土地利用类型，在不考虑人工表面生态系统的ESV 情况下，计算关中平原城市群单位面积ESV 当量因子，并定义1 hm2全国平均产量的农田每年自然粮食产量的经济价值为1 单位[28]。同时，利用式（1）修正本研究区单位面积生态系统提供的生产服务经济价值，计算得到研究区的土地利用类型的ESV 系数，见表1。依据关中平原城市群县（区）的《统计年鉴》，确定研究区的主要粮食作物为小麦、稻谷、玉米和大豆。从知网的《全国农产品成本收益资料汇编》中整理出2010—2015 年我国的主要粮食价格，取各粮食2010—2015 年全国价格的平均值作为基准价格，以消除价格波动的影响。

式（1）中，Ea为研究区单位面积农田生态系统提供的食物生产服务功能的经济价值（元·hm-2），即一个当量因子的价值；i为研究区粮食种类（主要为小麦、稻谷、玉米和大豆）；mi为第i种粮食作物的种植面积（hm2）；pi为第i种粮食作物的全国平均价格(元·t-1)；qi为第i种粮食作物的单产（t·hm-2）；M为粮食作物的总种植面积（hm2）；1/7 指在没有人力投入时的自然生态系统提供的经济价值为现有单位面积农田提供的食物生产服务经济价值的1/7[22,28-29]。

式(2)和式(3)中，ESV 为关中平原城市群生态系统服务总价值(元)；i为土地利用类型；j为生态系统服务类型；Ai为第i类土地利用类型的面积(hm2)；VCi为第i类土地利用类型单位面积生态系统服务价值(元·hm-2)；ECj为某项土地利用类型第j项生态系统服务的价值当量；Ea为单位面积生态系统服务的经济价值（元·hm-2）[30]。经计算后知，该区每个生态系统服务当量因子的经济价值为1 482.91 元·hm-2。

2.2 热点分析法

ArcGIS 软件提供热点分析（hotspot analysis，基于Getis-OrdGi*统计指数）工具，通过计算各斑块之间的得分Z（标准偏差）和概率P，得到高值要素和低值要素发生聚集的空间位置。公式为

表1 研究区不同土地利用类型的ESV 系数Table 1 ESV coefficient of land use types in the study area单位：元·hm-2

式（4）中，xj为斑块属性值；wij为斑块i与斑块j之间的空间权重矩阵；n为总斑块数,其中[24]，

S值越大，说明热点的集聚越明显，为热点区域，反之为冷点区域[31-32]，即只有被高值或低值包围的区域才是热点或冷点区。

2.3 ESV 敏感性指数分析

利用敏感性指数[33]( coefficient of sensitivity，CS) 模型计算ESV 评估系数（valuation coefficient，VC），CS 反映ESV 对VC 的依赖程度[28,34]，亦是衡量VC 是否适合关中平原城市群ESV 估算的指数[35]。若CS＞1，表示ESV 对VC 是灵活的，其准确度和可信度不高[30]；若CS＜1，表示缺乏弹性，结果可信，且CS 值越大，等值的准确性越关键。公式为

式（7）中，CS 和VC 同前；i和j分别表示研究区ESV 系数向上调整和向下调整；k表示土地利用类型。

3 结果分析

3.1 ESV 的时间变化

20 a 来，关中平原城市群ESV 呈阶段性变化特征，总体呈下降趋势，从1995 年的1 564.26 亿元下降到2005 年的1 514.67 亿元，共下降49.59 亿元(见表2)。除2000—2005 年ESV 增加1.819 亿元外，其他时段均呈下降趋势。1995—2000 年下降幅度最大，ESV 由1995 年的1 564.26 亿元下降至2000 年的1 524.44 亿元。2010—2015 年下降趋势变缓，说明2010—2015 年加强了该区域的生态环境保护措施，生态文明建设成效显著。按照各县（区）年ESV 总量统计，麦积区、太白县、周至县和凤县1995—2015年平均ESV 在60～80 亿元，在年ESV 总量组成中占比较大，其余各县（区）年均ESV 在50 亿元以下。对11 项生态系统服务功能的年均ESV 统计可知，研究区内水文调节、气候调节提供的ESV 大，故调节服务对研究（区）ESV 影响占主导地位。而水资源供给、维持养分循环和原料生产提供的ESV 较小，占比小。20 a 内，研究区ESV 呈现“先降后升”“先升后降”和“降-升-降”等几种变化趋势。整体上每项生态系统服务功能提供的ESV 变化不大，波动平稳，但基本都低于1995 年的值。

表2 1995-2015 年研究区各项生态系统服务类型的ESVTable 2 ESV among the types of ecosystem service in of the research area from 1995 to 2015

结合土地利用类型可知，1995—2015 年，关中平原城市群的土地利用情况为耕地面积＞草地面积＞林地面积＞建设用地面积＞水域面积＞未利用地面积。其中耕地面积基本稳定在45%左右，面积占比最大。而由图2 知，在关中平原城市群的ESV 构成中，林地的ESV 贡献最高，从1995 年的785.95 亿元到2015 年的803.90 亿元以上。其次是耕地，ESV 为270～280 亿元。草地和水体ESV 贡献差距不明显。原因在于林地具有较高的ESV 系数，而耕地具有突出的面积优势。水体ESV 系数最高，但面积较小，对ESV 的贡献不突出，且水体的ESV 较其他土地利用类型波动明显。未利用地和建设用地的ESV 小、占比低。

图2 1995—2015 年研究区不同土地利用类型的ESVFig.2 ESV of different types of land use in the research area from 1995 to 2015

3.2 ESV 的空间变化

3.2.1 ESV 的热点与冷点分析

使用嵌入在ArcGIS 软件中的热点分析工具（Getis-OrdGi*），在研究区内确定显著的空间聚集区域，即高ESV 变化值（热点）和低ESV 变化值（冷点），观察过去20 a 关中平原城市群ESV 的宏观变化。图3 显示了研究区1990—2015 年每隔5 a 的ESV 热点和冷点栅格水平上的详细空间分布，极显著热点区主要分布在秦巴山地（西安市、宝鸡市南部）、黄河、渭河与山西省东部地区，显著冷点区主要分布在西安城区、山西省盐湖区和尧都区等。这些区域是ESV 热点和冷点集群区，产生了集中和连续的点带，而甘肃省鲜有面积较大的冷、热点区。总体上，1995—2015 年，研究区热点区面积远大于冷点区面积。相应地，热点区占比越大，生态系统服务功能越强，ESV 越大。结合研究区1995—2015 年土地利用类型可知，热点区大部分是林地和水体，冷点区主要为建设用地。2000 年为该区域ESV 发生明显变化的节点。1995—2000 年的5 a 间，山西省的霍州市、浮山县、翼城县和绛县等区域东部（临汾市东部）的热点区面积显著增加，主要原因是林地的扩大。在西安市及其周围冷点区有所扩大。2000—2015 年，热点区基本稳定，面积变化不明显，冷点区的斑块数和面积呈逐步上升趋势。其中最重要的原因是城市化不断加快，2000 年后，建设用地面积不断增大，冷点区即低值聚集区面积也不断扩大，造成关中平原城市群区域ESV 呈不断降低的趋势。

3.2.2 ESV 变化的热点分析

对5 期ESV 数据做差值计算，分析ESV 变化显著的热点区和冷点区（见图4）。1995—2000 年，ESV 变化显著的冷点区和热点区主要位于山西省内、黄河、渭河及其支流——泾河、汾河和浍河流域周边以及麦积区东南部。山西省的霍州市、浮山县、翼城县和绛县等区域东部为ESV 变化热点区、ESV增加聚集区，主要原因是该阶段大面积草地发展为林地。而冷点分布较分散，主要是水体、耕地发展为耕地和建设用地。黄河、渭河及其支流周边均存在ESV 变化的冷点和热点，且冷点区面积明显大于热点区面积，主要原因是河流流域面积减少，大部分转变为耕地。麦积区东南部也表现为冷点区面积大于热点区面积。此区域ESV 变化的主要原因在于林地变为草地时，ESV 降低，而草地变为林地和水体时，ESV 升高。相较1995—2000 年，2000—2005 年ESV 变化的热点和冷点区数量变化不明显。ESV变化显著区域主要在区域内黄河流域、渭河流域（杨凌区至潼关县河段）和苪城县西南角。黄河流域、苪城县西南角的ESV 变化原因在于水体和耕地的转换。渭河流域的ESV 变化原因在于林地、耕地和水体的转换。2005—2010 年，主要变化特征是研究区域冷点区的分散点增加，明显可见此5 a 城镇化发展较快。此外，山西省有明显热点区出现，主要是草地转林地。洛南县出现明显的冷点区，主要在河流附近，原因在于水体、草地、耕地之间的转换。2010—2015 年，除黄河、渭河及其支流——泾河周边冷、热点依旧变化外，区内不再出现较明显ESV 变化的冷、热点，且冷点区和热点区在空间上分散分布。黄河流域周边的热点区明显高于冷点区，可见这5 a 黄河沿岸生态质量好转。

3.3 ESV 敏感性指数分析

将ESV 系数上下分别调整50%，再根据式(7)计算，结果见表3。由表3 知，不同生态系统类型ESV 的敏感性指数差异明显，而同一生态系统类型不同时期的敏感性指数差异较小[34]。研究区5 种土地利用类型的ESV 对VC 的敏感性指数均小于1，依次为林地＞耕地＞水体＞草地＞未利用地，这是因为林地具有较高的ESV 当量优势，而耕地在研究区内具有突出的面积优势。林地的CS 值最高，为0.629 443，当林地的VC 值增加1%时，总价值增加0.629 443%。敏感性指数表明，ESV 对VC 的依赖性较小，研究区ESV 是缺乏弹性的，本文估算的 ESV 稳定、可靠，结果符合研究区基本情况。

图3 1995—2015 年ESV 冷点与热点的空间分布Fig.3 Spatial distribution of ESV cold points and hot points from 1995 to 2015

图4 1995—2015 年ESV 变化冷点与热点的空间分布Fig.4 Spatial distribution of cold spots and hot spots in ESV variation from 1995 to 2015

表3 ESV 敏感性指数计算结果Table 3 Calculation results of ESV sensitivity index

4 讨论

ESV 的变化可以表征区域的生态安全和可持续发展状况。本文通过热点分析法确定ESV 在空间上的变化特征，以便分析关中平原城市群ESV 的宏观时空差异。本研究旨在确定生态系统服务管理的方向，以便有针对性地制定生态保护规划和政策。研究发现，林地和水体变化对ESV 有较大影响。因此，在加大对林地和水体保护的同时，还可通过优化土地空间配置、权衡和协同生态系统服务提高ESV。

由本研究的评估与分析可知，自2000 年以来，城市化快速发展，关中平原城市群土地利用结构不断变化，造成ESV 下降。研究区内林地、水体和耕地是构成ESV 的主体，对气候调节、气体调节、水文调节、生物多样性保护和美学景观等服务具有重要作用，对研究区生态安全及区域发展发挥关键性作用。水体、林地和耕地的下降会加速降低ESV。因此，需优化研究区的土地利用结构，加强对林地、水体、耕地等的保护和规划。

由ESV 的变化趋势可知，研究区ESV 呈持续下降态势，但下降速度有所放缓。因此作为南部和北部安全屏障的秦岭和黄土高原，需要进一步改善和加强保护；对研究区ESV 热点和冷点不断变化的流域进行重点治理，比如加强水域生态保护与修复，在重要水源地及周围设立保护区；加强对热点区的关注，延续和提升其生态系统服务功能，利用生态政策进一步为其提供支持和生态系统服务支付，增强生态效应；在研究区中部建设黄河、渭河沿岸生态带。冷点区的主要目标是协调经济发展和生态保护之间的矛盾，控制建设用地面积，合理规划，增加绿地面积，如加强高速路或主要线状人工建设地的绿化，形成人工绿色廊道，以便与其他生态保护区、森林公园、湿地和相关水系等共同构成生态廊道。最终构建关中平原城市群“两屏、两带、一廊道网”的生态安全格局。总之，要切实控制城市群的无序扩张，尽量避免侵占大量生态用地。要发展高质量的“精细化”城市群，需提前做好城市规划和设计，权衡多方面因素，避免资源的不当利用。在保护生态的基础上，实现关中平原城市群质的提升。

本研究采用的ESV 评估方法尚存在不足，有待进一步改进。比如ESV 评估结果受当量因子的可靠性影响较大。另外，建设用地（人工表面生态系统）也具有一定的正向或负向美学价值，但由于美学价值涉及的社会因素较广，较难计量，本文将建设用地价值设为零，虽然简单，但可能会导致评估的ESV 总量偏低。今后可进一步对ESV 与GDP、人口等因素做相关分析，使研究更加深刻和全面。