甘肃省生态服务供需关系及影响因子研究
2021-10-26赵晓冏苏军德晋王强
赵晓冏,苏军德,王 建,晋王强,陈 锷,张 娟,项 明
甘肃省生态服务供需关系及影响因子研究
赵晓冏1,2,3,苏军德4,王 建1*,晋王强3,陈 锷5,张 娟5,项 明5
(1.中国科学院西北生态环境资源研究院,甘肃 兰州 730000；2.中国科学院大学,北京 100049；3.甘肃省生态环境科学设计研究院,甘肃 兰州 7300206；4.甘肃有色冶金职业技术学院,甘肃 金昌 737100；5.甘肃省环境监测中心站,甘肃 兰州 7300203)
以甘肃省为例分析,采用分区域生态服务供需评价矩阵,在生态系统服务供需关系研究基础上,基于地理探测器从自然因素和社会经济因素两个方面研究了生态系统服务供需指数的影响,揭示了供需格局的时空变化规律. 结果表明: 在甘肃省中部和南部,生态系统供给与需求具有明显的空间分布错位,呈现出高供给-低需求和低供给-高需求的状态,供需服务高度不平衡区域主要集中在甘肃中部区域. 甘肃省生态系统服务供给能力和供需指数之间权衡和协同关系并存,而生态系统服务需求强度和供需指数之间都为权衡关系. 从地理探测结果看,年均降水量和植被类型对生态系统服务供给能力影响的解释力q值在50%以上,是导致空间分异的主要原因; 而人口数量对生态系统服务需求强度影响的解释力最高,q值超过40%,对供需指数的影响中,社会经济因子中的人口数量和自然因子中的降水量解释力最高,q值超过35%. 影响因子对生态系统服务供给能力(需求强度、供需指数)的影响是多种因子共同作用的结果,其影响均为非线性增强.
生态系统服务供需；甘肃省；聚类分析；地理探测器
生态系统服务是生态系统功能为人类提供的直接或者间接惠益[1-3],它是连接生态系统和社会系统的桥梁[4-5].快速的工业化、城镇化和农业开发活动对区域生态环境产生较大冲击并影响着区域生态系统服务供需状况.生态系统服务供给是指特定地区提供生态系统产品和服务的能力[6],生态系统服务需求代表社会所需服务的数量[7].工业化和城镇化造成生态环境破坏,进而导致许多地区生态系统服务供需失衡,这种失衡造成了生态赤字.因此,开展区域生态系统供给、需求服务研究,包括数量上的供需均衡关系和空间关联格局及其影响因素,是制定区域、流域可持续发展战略的前提,具有重要的学术价值与现实意义[8].
当前研究主要集中在单一生态系统类型的服务供给和需求研究上,研究范围从生态系统服务产品供给[6,9-12]到生态系统调节服务[13-15]和生态系统文化服务[16-18]均有涉及.这些对生态系统服务供给和需求的研究尺度小至小流域研究,大至城市、区域案例研究[6,17,19],而在经济落后、生态脆弱的区域尺度上的研究较少.此外,还有一些研究主要集中在自然资源的消耗上,并定量描述了其供需之间的负荷关系[11,20-21],但从数量匹配和空间匹配角度的生态系统服务供需研究鲜见.上述研究的方法包括专家经验判别法[6,22]、模型计算法[13,23]、生态足迹法[11,24].除了专家经验判别法,其他方法存在基础数据需求多,参数复杂的特点而难以实现,Burkhard[25]提出的“生态系统服务供需关系矩阵法”作为专家经验判别法的一种,已经成功应用于德国Bornhoveder湖[26]、泰国Phang Nga湾[27]和我国长三角[28]等地的生态系统服务研究,但是国内研究方法多直接采用国外的经验参数,并没有针对研究区域生态环境特点进行修正或者存在区域参数均一化,其评估结果往往容易存在较大不确定性.
当前在驱动因子研究中,大多以定性分析与相关分析方法为主,定量化探讨生态系统服务供需匹配的驱动研究并不多见,影响因子的定量化识别及其之间的交互作用机制的认识,对于有效开展区域生态系统服务管理及其相关政策制定具有重要意义.地理探测器是一种新型的空间统计方法,目前被广泛应用在生态服务价值[29-30]、植被保护[31-33]、城市化[34-35]等研究方面.但在省域尺度上应用地理探测器方法开展生态系统服务供需关系的空间分异研究尚无先例.
甘肃省为中国典型的生态脆弱地区和经济落后地区,地处黄河流域上游,生态环境区域分异显著,在黄河流域高质量保护与发展战略实施的背景下,甘肃省处于保护生态环境与发展社会经济的关键时期,如何实现区域生态环境分异下的资源-经济-生态合理高效发展是当前甘肃省面临的重大课题.因此,本文以甘肃省为例,采用区域分异下的生态系统服务评价矩阵,从生态系统服务供需入手,识别区域各项生态系统服务的供给与需求区域,明晰供需指数的空间格局变化、驱动因素,进而揭示生态系统服务的供需差异.这不仅可丰富复杂生态环境条件下的生态系统服务相关研究,还可为优化区域生态服务供需格局、构建西北生态安全屏障等规划管理提供科学依据与理论支撑.
1 研究方法
1.1 研究区概况
甘肃省地处西北内陆,位于青藏块体的东北缘,东接陕西,南邻四川,西连青海、新疆,北与宁夏、内蒙古自治区和蒙古国接壤,全省下辖12个地级市、2个自治州,土地总面积为42.58万km2(图1).全省地形包括陇东黄土高原、陇西黄土高原、陇南山地、甘南高原、河西走廊、戈壁和沙漠等6个类区,主要山系有阿尔金山、祁连山、岷山、秦岭、子午岭、六盘山、合黎山和龙首山等[36].植被类型从东南向西北分为常绿阔叶林带、落叶阔叶混交林带、落叶阔叶林带、森林草原带、草原带、荒漠草原带、荒漠带和高原草甸草原带.甘肃省生态地位极其重要,是国家“两屏三带”生态安全战略格局中的青藏高原生态屏障、黄土高原-川滇生态屏障和北方防沙带,是长江、黄河上游重要的水源涵养地和补给区[37].
图1 甘肃省地理区位及土地利用/土地覆被
1.2 数据来源与方法
土地利用/土地覆被类型数据.该数据来源于生态环境部卫星应用中心,时段为2000年、2005年、2010年和2015年,根据甘肃省实际情况和研究需要,将研究区土地利用/土地覆被类型整合为7个一级类(森林、灌丛、草地、耕地、湿地、建设用地、荒漠)和 21个二级类(落叶阔叶林、常绿针叶林、针阔混交林、落叶阔叶灌丛、草甸、草原、其他草地、水田、旱地、园地、草本湿地、湖泊、水库、河流、城市绿地、建设用地、裸岩、裸地、沙漠、盐碱地、冰川)(图1),数据分辨率为30m,根据2508个地面验证点数据,数据整体精度达到85%以上[38].
通过与Burkhard等[25]研究中采用的欧盟环境协调(CORINE)土地分类法比对后进行了相应生态系统类型的调整与归并,确定了本研究的生态系统分类体系(表1).
表1 土地利用/土地覆被类型整合
地理探测因子数据.参考前人研究成果[39-40]和甘肃省社会经济发展状况,本文所用到的地理探测因子数据包括DEM(数字高程模型)、坡度、坡向、年均气温、年均降水量、植被类型等6种自然因子和GDP、人口数量、人口密度、人均GDP、耕地面积、农作物播种面积、年末大牲口数量、化肥施用量、农林牧总产值、有效灌溉面积等10种社会经济因子.其中,DEM数据,来源于美国对地观测全球高程数据,分辨率90m,按照自然断点法重新分为5类;坡度和坡向数据由DEM生成,坡向在生成时自动分为10类,坡度根据1984年中国农业区划委员会颁发的《土地利用现状调查技术规程》,分为5级[31];年均气温、年均降水量数据是在甘肃省气象站点的气象数据基础上,经过反距离加权平均的方法内插和DEM校正得到,按照自然断点法重新分为5类;植被类型分布数据来源于1:100万植被图数字化成果,甘肃省境内植被大类主要包括针叶林、针阔叶混交林、阔叶林、灌丛、荒漠、草原、草丛、草甸、沼泽、高山植被、栽培植被和无植被地段12类,故植被类型数据被重分类为12类;GDP和人口密度数据为1km网格的空间分布数据,来源于中国科学院资源环境科学数据中心数据注册与出版系统(http://www.resdc.cn/DOI),按照自然断点法重新分为5类;人口数量、人均GDP、耕地面积、农作物播种面积、年末大牲口数量、化肥施用量、农林牧总产值、有效灌溉面积等数据来源于2015年的甘肃省统计年鉴中各县区数据,在ArcGIS中,将各因子与甘肃省县级行政区划矢量数据关联,根据属性表,选择自然断点法将各因子分为5类.以上所有数据在ArcGIS中利用重采样工具将分辨率均统一为1km×1km.
1.3 分析方法
1.3.1 重要生态系统服务类型选择 基于Costanza等[2],de Groot 等[41],MA[1],Burkhard等[6]对生态系统服务分类的研究成果,将生态系统服务分为:供给服务、调节服务、文化服务.具体来说,供给服务主要考虑农作物、牲畜、淡水;调节服务主要考虑局地气候调节、空气质量调节、地下水补给、土壤保持、防风固沙、水净化;文化服务主要考虑娱乐美学价值.对于三大类服务,不仅考虑了生态系统所能提供的通常意义上的服务,还着重考虑了具有区域生态环境特点的服务,如地下水补给服务、防风固沙服务,因甘肃省西北部的河西走廊地区,地处绿洲荒漠区,水资源匮乏,地下水开采过度、沙化形势严峻,地下水补给服务和防风固沙服务也将显得更加重要,故本研究中也将其考虑在内.同时考虑到甘肃省生物多样性丰富,其作为生态资源的重要组成部分,具有重要价值,将生物多样性维护价值服务也纳入研究.
1.3.2 生态系统服务供需评价矩阵 生态系统服务供给与需求评价参考Burkhard 和Kroll提出的基于土地利用/土地覆盖类型的生态系统服务空间评价方法,在咨询兰州大学、中国科学院西北生态环境资源研究院、西北师范大学等科研院所熟悉甘肃省生态状况的12名生态环境领域专家学者基础上,分别对每种生态系统类型的服务价值进行评分(0～5分),0分表示生态系统类型无提供特定生态系统服务的相关能力,1为低相关能力,2为一般相关能力,3为中等相关能力,4为高相关能力,5为极高相关能力[42].
表2 甘肃省生态系统潜在供给、实际供给和需求服务评分矩阵
续表2
注:1落叶阔叶林;2常绿针叶林;3针阔混交林;4落叶阔叶灌丛;5草甸;6草原;7其他草地;8水田;9旱地;10园地;11草本湿地;12湖泊;13水库;14河流;15城市绿地;16建设用地;17裸岩;18裸地;19沙漠;20盐碱地;21冰川
A:农作物;B:牲畜;C:淡水供给;D:局地气候调节;E:空气质量调节;F:地下水补给;G:土壤保持;H:防风固沙;I:水净化;J:传粉;K:娱乐美学价值;L:生物多样性维护价值
具体做法为:本研究首先从CORINE案例中列出的44种土地利用类型中识别出与论文研究选取的21种生态系统类型所对应土地利用/土地覆被类型;其次,对Burkhard和Kroll等[40]列出的29种生态系统服务进行比对,结合研究区域生态系统格局特征,对各生态系统类型的供给服务、调节服务和文化服务的潜在供给能力进行评分赋值.第三,在潜在供给能力评分矩阵(表2)确定的基础上,综合相关研究成果[43]和甘肃省主体功能区规划成果,将甘肃省域划分为三大区域(一般区域、荒漠化土地分布区和黄土高原区),其中荒漠化土地分布区主导生态系统服务功能为防风固沙功能;黄土高原区主导生态系统服务功能为土壤保持功能.根据三大区域生态系统服务特点分片区,制定实际供给能力评分矩阵和需求强度评分矩阵(表2).
表2中,若评分矩阵单元格中有3行值,表示潜在供给服务、实际供给服务和需求服务的分值不完全为0;若只有一个分值,表明某生态系统服务类型的潜在供给服务、实际供给服务和需求服务的分值均为0;若某单元格的1行中有3个分值(例如,4/5/5),表示某生态系统服务类型在3个区域有不同的分值.
1.3.3 生态系统服务供需指数 以网格为评价单元来测度甘肃省生态系统服务供需关系.利用ArcGIS空间分析工具对甘肃省进行网格化,提取大小为1km×1km的网格,该评价网格尺度相对更接近甘肃省典型村镇单元的平均大小,其评价结果对决策管理也更有参考价值.
依据生态系统服务供需评价矩阵(表2),构建生态系统服务潜在供给能力(E)、实际供给能力(¢)和需求强度(E)模型(式1),进而利用式2,计算供需指数[28],对比不同时期生态系统服务整体特征.供需指数用来反映生态系统实际供给和人类需求之间的平衡状态.计算公式分别为:
式中:E表示每个网格类生态系统的服务供给能力或需求强度评分值;M为网格中生态系统类型的面积;为网格中生态系统类型数量;M为网格面积.
式中:是生态系统服务供需指数.供需指数越大,说明生态系统服务的供需盈余越多.
由于流域是相对独立和完整的单元,本文采用ArcGIS中水文分析工具,将全省划分为更小的子流域,作为后续分析评价的单元,并将小于5km2的流域合并至相邻流域中,最终全省划分整合为700个子流域.按照每个子流域统计其供给能力、需求强度值以及供需指数的平均值.
1.3.4 地理探测器模型 本研究采用王劲峰等[44]提出的地理探测器模型进行生态系统服务供需关系影响因子分析.地理探测器模型包括因子探测、交互作用探测、风险区探测和生态探测4个模块.本文运用因子探测和交互作用探测模块来识别自然因素和社会经济因素对生态系统服务供需关系的影响因子以及解释影响因子对供给能力(需求强度或供需指数)的交互作用,以增强服务的空间传递.
(1)因子探测.因子探测是通过比较某个影响因素与供给能力(需求强度或供需指数)的变化在空间上是否具有显著的一致性,若它们的变化具有一致性,则说明这种因素对供给能力(需求强度或供需指数)的空间分异具有决定意义[29].
(2)交互作用探测.交互作用探测可以定量表征两个影响因子对供给能力(需求强度或供需指数)的作用关系.首先计算单因子作用时,某两个影响因素对供给能力(需求强度或供需指数)的(1)和(2)值;其次,计算影响因子两两交互的(12)值,对(12)与(X)和(X)进行比较来判断两种因子之间的关系.若min((1)(2))<(12)
本文相关结果以2015年为例,基于GeoDetector 工具的“因子探测器”和“交互作用探测器”模块,以供给能力(需求强度或供需指数)为因变量,以影响因素为自变量,输入地理探测器进行影响因素贡献率及影响因素之间交互作用的定量分析.具体做法为:在ArcGIS中,按照随机点之间的距离不小于1km的原则,随机生成3123个采样点文件,根据随机采样点分别提取供给能力(需求强度或供需指数)和所有影响因素数据的属性,生成属性表,分别获取对应的供给能力(需求强度或供需指数)与各因素之间的定量关系.
2 结果分析
2.1 生态系统服务供需指数空间格局
基于生态系统服务供需评价矩阵、土地利用/土地覆盖类型,计算了供给能力、需求强度和供需指数(图1).供给能力整体上从东南到西北逐渐降低,陇南和甘南供给能力最高;2000～2015年,甘肃南部流域的供给能力从低值区向高值区逐渐转化,尤其是2010年以来,甘南、定西、天水供给能力增加趋势明显.需求强度一方面从甘肃中部向外围逐渐降低,主要分布在张掖、武威、天水、平凉等地.综合来看,甘肃省生态系统服务的供给和需求区域在空间位置上并未完全重合.
从甘肃省生态系统服务供需指数分布(图2)可以看出,甘肃省中部兰州、白银、定西、天水等所在的流域生态系统服务供需指数较低,部分区域处于负值,说明这些区域生态系统服务供需处于或接近赤字状态,这些区域建设用地面积大,人类对生态系统的需求服务旺盛.甘肃省西北部的武威、金昌、张掖等地,生态系统服务供需指数处于较低水平的区域主要位于绿洲区,说明绿洲区生态系统需求服务旺盛,生态系统服务供需趋于赤字状态.
2.2 生态系统服务供需聚类分析
基于Geoda软件,根据生态系统服务供给能力、需求强度及供需指数的组内最小偏差和组间最大偏差的原则进行聚类分析,最终分别确定了2000～2015年4个时段生态系统服务供给、需求和供需指数的生态系统服务簇(图3).其中,供需指数的4个生态系统服务簇分别为高度不平衡区域、轻度不平衡区域、中度协调区域、高度协调区域.总体来看,平均服务供给能力从B1～B4逐渐增加,平均服务需求强度从B1～B4逐渐增加,而供需指数从B1～B4逐渐减小.
从供需指数的空间分布来看,供需高度匹配区域(B1),主要分布在甘南高原、陇南南部,此外,河西走廊北部和西部也是高度协调区域的主要分布区,其面积占比从2000年的57.73%减少到2015年的56.38%.该区域分布有大量的自然保护地,自然保护地面积是四类服务簇中最高的,占到自然保护地总面积的78.24%.该区域平均林草覆盖面积占到区域林草总面积的37.57%,低于B2和B4区域的林草覆盖率,主要原因是河西走廊分布有大片荒漠区,虽然林草覆盖率不高,但是建立的保护荒漠生态系统的自然保护地分布范围广,人口稀少,生态系统服务需求低,受人类活动扰动较小.通过空间叠加供给服务簇和需求服务簇,可知,该区域供给服务为B4,需求服务簇为B1.
供需中度协调区域(B2),主要分布在陇中、陇东及祁连山地区和河西走廊绿洲区,其面积占比从2000年的29.01%,减少到2015年的28.90%.该区域自然保护地面积占到自然保护地总面积的18.06%,林草覆盖面积占到区域面积的56.83%,为占到区域面积的25.55%;建设用地面积占区域面积的3.01%.通过叠加供给服务簇和需求服务簇可知,该区域供给服务为B2,需求服务簇为B2.
轻度不平衡区域(B3),集中分布在陇中的定西、天水以及平凉西北部,零散分布于其他市州行政驻地所在的区域(除甘南州),其面积占比从2000年的12.70%增加到2015年的14.24%.该区域主导土地利用/土地覆盖类型为耕地,且耕地面积占比为4类服务簇中最高,达到52.88%.林草覆盖面积和建设用地面积分别占区域面积的33.02%、3.01%.通过叠加供给服务簇和需求服务簇可知,该区域供给服务为B2,而需求服务簇为B4.高度不平衡区域(B4),主要分布在兰州、酒泉、嘉峪关和张掖市的主城区,其面积占比从2000年的0.56%下降到2015年的0.48%.该区域林草覆盖率虽然较高,面积占区域面积的42.38%,但是主导土地利用/土地覆盖类型为建设用地和耕地,分别占到区域面积的16.64%、32.4%.该区域供需指数小于0,说明供需状况已经严重不匹配.通过叠加供给服务簇和需求服务簇可知,该区域供给服务为B2,需求服务簇为B4.
2.3 生态系统服务供需关系的驱动分析
2.3.1 基于地理探测器的因子探测分析 因子探测器结果显示(表3),甘肃省生态系统服务供给能力、需求强度和供需指数在空间上的分布差异受到自然因素和社会经济因素的共同作用,从而呈现出各异的空间分布特征.总体来看,自然因素中地形因子如植被类型、气温、降水对三者的贡献率较高,社会经济因素中如大牲口数量、耕地面积、农作物播种面积、人均GDP以及人口数量对三者的贡献率较大,其他因子的贡献率较低.从供给能力来看,各因子按照统计量的大小进行排序为:年均降水量>植被类型>气温>大牲口数量>人均GDP>有效灌溉面积>农林牧总产值>坡度>化肥施用量>海拔>GDP>人口数量>农作物播种面积>耕地面积>坡向>人口密度.从表3来看,自然因素中的年均降水量和植被类型的值最大,分别达到0.727和0.568,解释力均在50%以上;社会经济因素中的大牲口数量和人均GDP的值最大,分别达到0.366和0.314,解释力均在30%以上,其次为气温,达到0.445.因此,年均降水量和植被类型是影响生态系统服务供给能力的主要自然因子, 大牲口数量和人均GDP是影响生态系统服务供给能力的主要社会经济因子. 总体来看自然因子的贡献率(主要为气候因子)明显高于社会经济因子,因此未来在生态系统服务可持续管理中,在降低人类活动对生态系统干扰的同时,要更加关注降低气候变化对生态系统服务供给产生的负面影响,以获得稳定的生态系统服务供给.
表3 甘肃省生态系统服务供需驱动因子探测结果
注: A1:坡向;A2:DEM;A3:植被类型;A4:年均气温;A5:坡度;A6:年均降水量;A7:年末大牲口数量;A8:GDP;A9:耕地面积;A10:有效灌溉面积;A11:化肥施用量;A12:农林牧总产值;A13:农作物播种面积;A14:人口密度;A15:人均GDP;A16:人口数量.
从需求强度来看,各因子按照统计量的大小进行排序为:人口数量>植被类型>农作物播种面积>年均降水量>耕地面积>人均GDP>大牲口数量>气温>农林牧总产值>化肥施用量>有效灌溉面积>海拔>GDP>坡度>人口密度>坡向.
从表3来看,自然因素中的植被类型和年均降水量的值最大,分别达到0.418和0.407,解释力均在40%以上;社会经济因素中的人口数量和农作物播种面积的值最大,分别达到0.444和0.408,解释力均在40%以上,其次为耕地面积和人均GDP,分别达到0.379和0.346.因此,年均降水量和植被类型是影响生态系统服务供给能力的主要自然因子,大牲口数量和人均GDP是影响生态系统服务供给能力的主要社会经济因子.总体来看社会经济因子的贡献率明显高于自然因子,而需求强度反映了人类对生态系统服务的利用程度,为避免出现服务的过度利用,行政管理部门需要积极引导开发省域内可替代服务,尤其是黄土高原区域是甘肃省人口分布最多、经济产业重点布局地区,需求强度最高,需要逐步调整该区域经济产业和引导人口合理分布流动以改变需求结构.
从供需指数来看,各因子按照统计量的大小进行排序为:人口数量>年均降水量>植被类型>农作物播种面积>人均GDP>耕地面积>大牲口数量>农林牧总产值>气温>化肥施用量>有效灌溉面积>海拔>GDP>人口密度>坡度>坡向.从表3来看,自然因素中的年均降水量和植被类型的值最大,分别达到0.352和0.319,解释力均在30%以上;社会经济因素中的人口数量的值最大,达到0.360,解释力在30%以上,其次为农作物播种面积和人均GDP,分别达到0.284和0.276.因此,年均降水量和植被类型是影响生态系统服务供需平衡的主要自然因子,人口数量是影响生态系统服务供需平衡的主要社会经济因子.总体来看社会经济因子的贡献率明显高于自然因子,而供需指数反映了供需匹配程度,故今后需在相关政策制定时,着重考虑调整服务需求结构的同时减少人类活动的干扰并将人工措施作为辅助手段(如生态移民,降低黄土高原等生态脆弱敏感地区的人口密度)加以促进生态系统的恢复与重建,实现生态系统服务的可持续供给,以达到生态系统服务供需平衡.
2.3.2 基于地理探测器的因子交互探测分析 利用交互探测器探测驱动因子之间影响生态系统服务供需空间分异的相互关系(表4),研究发现,自然因子和社会经济因子对甘肃省生态系统服务供需空间分异影响存在交互作用,所有因子中任意两个因子的交互作用均大于单个因子的影响,因子之间交互作用呈现非线性增强关系,而某一因子单独起作用的情况并不存在.
表4 甘肃省生态系统服务供需空间分异驱动因子的交互探测结果
驱动因子A1A2A3A4A5A6A7A8A9A10A11A12A13A14A15A16 A30.4280.5060.418 A40.2700.3360.5040.259 A50.0460.1500.4270.2830.028 A60.4180.5020.5680.4780.4220.407 A70.2730.4190.5390.4490.2780.4790.260 A80.1100.2780.4570.3580.1150.4540.3300.097 需求A90.3890.4200.5800.4430.4010.5680.4830.4680.379 A100.1460.2300.4830.3930.1580.4720.3930.2580.5260.125 A110.1940.2350.5440.3810.2220.5610.4710.3640.4540.3910.177 A120.2080.2710.5460.4420.2440.5500.4470.3710.4620.3880.2950.194 A130.4220.4610.5740.4430.4260.5590.5150.4940.4420.5100.5010.4890.408 A140.0160.1110.4230.2740.0400.4110.2780.1090.3970.1370.1960.2060.4240.012 A150.3540.4100.5570.4380.3690.4990.3900.4400.5040.3970.4900.4830.4990.3590.346 A160.4560.4640.5920.4880.4580.5720.5270.5010.4990.5240.5170.5010.5060.4490.5040.444
驱动因子A1A2A3A4A5A6A7A8A9A10A11A12A13A14A15A16 A10.004 A20.0930.083 A30.3310.4070.319 A40.1700.2480.3860.157 A50.0410.1240.3280.1870.025 A60.3620.4290.4700.3960.3650.352 供需指数A70.2260.3110.4110.3180.2270.4260.211 A80.0840.2080.3520.2450.0870.3920.2590.070 A90.2740.3090.4510.3090.2850.4480.3510.3310.260 A100.1380.2100.4030.3040.1420.4100.3580.2310.3870.113 A110.1590.1940.4410.2880.1730.4450.3750.2820.3580.3150.138 A120.2110.2650.4650.3700.2270.4870.3940.3230.3810.3200.2770.184 A130.3010.3440.4460.3160.3110.4450.3690.3560.3050.3910.4020.4100.284 A140.0520.1230.3550.2100.0740.3880.2600.1100.3160.1530.1930.2280.3320.040 A150.2910.3220.4460.3400.3000.4280.3090.3510.3700.3550.3990.4310.3750.3280.276 A160.3810.3940.4870.3920.3810.4880.4320.4010.4250.4540.4790.4650.4230.3920.4450.360
注: A1:坡向;A2:DEM;A3:植被类型;A4:年均气温;A5:坡度;A6:年均降水量;A7:年末大牲口数量;A8:GDP;A9:耕地面积;A10:有效灌溉面积;A11:化肥施用量;A12:农林牧总产值;A13:农作物播种面积;A14:人口密度;A15:人均GDP;A16:人口数量.
交互探测结果显示,供给能力中,气温和年均降水、年均降水和耕地面积、年均降水和人口数量的交互作用对供给能力的空间分异影响最强,因子交互作用的值分别达到0.783、0.782和0.777,解释力都在77%以上.植被类型与年末大牲口数量、耕地面积、有效灌溉面积、化肥施用量、农林牧总产值、农作物播种面积、人均GDP和人口数量等诸多社会经济因子之间的交互作用对供给能力的空间分异影响较强,解释力均在60%以上.总体来看,气温、降水、植被类型与其他因子的交互作用明显强于自然因子内部或社会经济因子内部的交互作用.
需求强度中,植被类型和人口数量、植被类型和耕地面积、植被类型和农作物播种面积以及降水量和人口数量的交互作用对需求强度的空间分异影响最强,因子交互作用的值分别达到0.592、0.580、0.574和0.572,解释力达到57%以上,这也解释了高需求区域主要分布在黄土高原,该区域是甘肃省人口、耕地最为集中的地区,这些因子相互作用加剧了区域需求强度的增加.大牲口数量与农作物播种面积、人口数量,耕地面积与有效灌溉面积、人均GDP,有效灌溉面积与农作物播种面积、人口数量,化肥施用量与农作物播种面积、人口数量,农林牧总产值与人口数量,农作物播种面积与人口数量,以及人均GDP与人口数量等社会经济因子之间的交互作用对需求强度的空间分异影响较强,解释力均在50%以上.总体来看,虽然自然因子与社会经济因子之间的交互作用值略高于社会经济因子之间的交互作用,但是社会经济因子两两之间的交互作用多于自然因子与社会经济因子之间两两的交互作用,这也反映了生态系统服务的需求主要受人类活动的影响.
供需指数中,降水量和农林牧总产值、降水量和人口数量、植被类型和人口数量的交互作用对供需指数的空间分异影响最强,因子交互作用的值分别达到0.488、0.488和0.487,解释力都超过了48%.植被类型与大牲口数量、耕地面积、有效灌溉面积、化肥施用量、农林牧总产值、农作物播种面积、人均GDP,降水量与大牲口数量、耕地面积、有效灌溉面积、化肥施用量、农作物播种面积、人均GDP,以及人口数量与大牲口数量、GDP、耕地面积、有效灌溉面积、化肥施用量、农林牧总产值等社会经济因子之间的交互作用对供需指数的空间分异影响较强,解释力均在40%以上.总体来看,对供需指数的空间分异影响,主要受自然因子与社会经济因子之间的交互作用较强,社会经济因子内部之间的交互作用主要集中在人口数量与其他因子的相互交互作用上.这也解释了甘肃省由于人口数量多的城市地区,如黄土高原地区几乎所有类型的生态系统服务需求都处于较高水平,而人口数量少的地区,如脆弱荒漠区多处于较低水平.同时,人口集聚通常伴随着高生态系统服务需求和低生态系统服务供应的人工地表的扩张,以及低生态系统服务需求和高供给的自然生态系统(例如林地,草地,湿地等)的占领和破坏.
在未来生态系统服务管理中,应考虑不同驱动因子的作用特点和各驱动因子交互增强的效果,采取不同的管理方式,选择与区域自然条件、社会经济发展水平相适应的水土资源开发利用方式,如甘肃西北部的河西走廊地区应降低对水资源的开发利用、对脆弱荒漠区的扰动以及对绿洲的过度开发;陇中陇东黄土高原区应加强退耕还林还草、生态移民以提高区域生态系统供给能力,降低需求强度,从而避免不合理或强烈人类活动干扰与自然、社会经济因子协同作用增强对区域生态系统供需平衡造成压力.
3 讨论
生态系统服务与人类福祉息息相关,生态系统服务的供给取决于当地自然环境基底状况,需求则与人口增长和社会经济的发展有关. Oudenhoven等[45]指出评价生态系统服务供给和需求关系的指标必须是可量化的、对土地利用变化反应灵敏的、在空间和时间尺度上可扩展的,但如何量化人类对生态系统服务的需求成为了难点.生态服务供需评价矩阵在一定程度上可以满足当前的研究需要,但目前这种评价方法的不确定性较大,区域与专家的选择对矩阵的影响也不可忽略,Burkhard等[25]基于国外当地情况的评分结果与甘肃省不同生态系统类型的供需得分虽然会有差别,但无论是国外、国内还是在甘肃省,建设用地、农业用地、生态用地三大地类之间生态系统服务供需得分的相对高低都是较一致的.
考虑到直接将Burkhard等[25]的供需矩阵得分套用在其他地区可能存在的适用性问题,在本研究中邀请甘肃省内相关领域专家针对供需矩阵进行打分,使得这种方法具有更好的适用性.虽然这种半定量的方法不能完全刻画甘肃省复杂的生态系统服务供需状况,但可以将生态系统服务供需格局的变化趋势完整的表现出来,为缓解甘肃省以及其他经济社会发展与生态环境保护之间存在生态系统服务供需矛盾提供一定的科学依据.
尺度也是生态系统服务供需关系研究中的一个重要问题.生态系统服务供给和需求关系在不同的空间和时间尺度以及不同的利益相关者之间有不同的匹配模式.不同的空间尺度下生态系统服务的供需双方存在不同的空间关联特征和权衡关系[8].本研究参考关于土地利用研究中格网构建文献[46-49],最终采用适合甘肃省的1km´1km的格网尺度,在此基础上以子流域作为分析评价单元.虽然格网方法可以解决生态系统服务供需关系发生的区域性特征,也方便将供需关系空间化,但是格网的大小也会导致尺度效应的产生[50],未来研究需要将生态系统服务供需评价矩阵和供需指数的构建更加细致化,并结合生态系统服务权衡和协同以及生态系统服务流的相关理论来完善当前的研究体系.
生态系统服务作为连接自然生态系统与人类社会的桥梁,其供给和需求反映生态系统和人类社会间复杂的动态关联[51].生态系统服务供给与需求的时空变化受生态系统结构功能、人口、社会经济等诸多因素的影响.这些因素必然将影响相应的生态系统服务供需格局及供需平衡的评估.本文从生态系统服务供给、需求和供需平衡3个方面分别揭示了其与影响因素的耦合关系,影响因素既有自然因素也有社会经济发展因素,在一定程度上能够反映生态系统服务供需平衡内部机理与驱动机制,这也是本研究从生态系统服务供需的多个方面揭示驱动机制的首次尝试.其中,影响生态系统服务供需的因素是多方面的,诸如政策性因素受到数据获取和定量化的限制并没有过多考虑,此外,确定各类影响因素在不同地区的综合作用机制以及不同因素的影响作用级别显得相当必要[52],因此对生态系统服务供给、需求与影响因素关系的精确研究将成为未来重要的研究内容.
4 结论
4.1 甘肃省生态系统供给与需求指数具有明显的空间分布错位,尤其是甘肃中部和南部,呈现出高供给-低需求和低供给-高需求的状态,甘肃中部区域是供需服务高度不平衡的主要区域,虽然2010年以来,这种状态逐渐得到改善,但是该区域依然是供需矛盾最突出的区域.
4.2 生态系统供给服务中,权衡关系多存在于产品供给服务与调节服务、文化服务之间,而协同关系则存在于调节服务之间;需求服务中,需求服务之间均是协同关系并且产品供给服务与其他服务之间具有最强的协同关系;生态系统供给服务和生态系统服务供需指数之间既有权衡关系也有协同关系,而生态系统需求服务和生态系统服务供需指数之间均为权衡关系.
4.3 本文选取的16个影响因子对生态系统服务供给能力(需求强度、供需指数)空间分异特征的解释力不同.对生态系统服务供给能力影响较大的因子主要为年均降水量和植被类型等自然因子,而对生态系统服务需求强度影响较大的因子主要为人口数量等社会经济因子,对供需指数的影响中,社会经济因子和自然因子都有较高的贡献率.影响因子对生态系统服务供给能力(需求强度、供需指数)的影响并不是独立起作用的,而是多种因子共同作用的结果,其影响均为非线性增强.
[1] MA (Millennium ecosystem assessment). Millennium ecosystem assessment: Living beyond our means-natural assets and human well-being world resources institute [M]. Washington D C: Island Press, 2005:3.
[2] Costanza R, d’Arge R, De Groot R S, et al. The value of the world’s ecosystem services and natural capital [J]. Nature, 1997,387:253-260.
[3] Daily G. Nature's services: Societal dependence on natural ecosystems [M]. Washington D C: Island Press, 1997:75-76.
[4] Daily G C, Polasky S, Goldstein J, et al. Ecosystem services in decision-making: time to deliver [J]. Frontiers in Ecology and the Environment, 2009,7(1):21-28.
[5] Scholes R J, Reyers B, Biggs R, et al. Multi-scale and cross-scale assessments of social-ecological systems and their ecosystem services [J]. Current Opinion in Environmental Sustainability, 2013,5:16-25.
[6] Burkhard B, Kroll F, Nedkov S, et al. Mapping ecosystem service supply, demand and budgets. Ecological Indicators, 2012,21(3):17-29.
[7] Wolff S, Schulp C, Verburg P H. Mapping ecosystem services demand: A review of current research and future perspectives [J]. Ecological Indicators, 2015,55:159-171.
[8] 严 岩,朱捷缘,吴 钢,等.生态系统服务需求,供给和消费研究进展 [J]. 生态学报, 2017,37(8):2489-2496.
Yan Y, Zhu J Y, Wu G, et al. Review and prospective applications of demand, supply and consumption of ecosystem services [J]. Acta ecologica sinica, 2017,37(8):2489-2496.
[9] Schroter M, Barton D N, Remme R P, et al. Accounting for capacity and flow of ecosystem services: A conceptual model and a case study for Telemark, Norway [J]. Ecological Indicators, 2014,36:539-551.
[10] Schulp C J E, Lautenbach S, Verburg P H. Quantifying and mapping ecosystem services: demand and supply of pollination in the European Union [J]. Ecological Indicators, 2014,36:131-141.
[11] Palacios-Agundez I, Onaindia M, Barraqueta P, et al. Provisioning ecosystem services supply and demand: the role of landscape management to reinforce supply and promote synergies with other ecosystem services [J]. Land Use Policy, 2015,47:145-155.
[12] Larondelle N, Lauf S. Balancing demand and supply of multiple urban ecosystem services on different spatial scales [J]. Ecosystem Services, 2016,22:18-31.
[13] Nedkov S, Burkhard B. Flood regulating ecosystem services-mapping supply and demand, in the Etropole municipality, Bulgaria [J]. Ecological Indicators, 2012,21:67-79.
[14] Goldenberg R, Kalantari Z, Cvetkovic V, et al. Distinction, quantification and mapping of potential and realized supply-demand of flow-dependent ecosystem services [J]. Science of the Total Environment, 2017,593:599-609.
[15] Baró F, Haase D, Gómez-Baggethun E, et al. Mismatches between ecosystem services supply and demand in urban areas: a quantitative assessment in five European cities [J]. Ecological Indicators, 2015,55:146-158.
[16] Palomo I, Martín-López B, Potschin M, et al. National parks, buffer zones and surrounding lands: Mapping ecosystem service flows [J]. Ecosystem Services, 2013,4(4):104-116.
[17] Peña L, Casado-Arzuaga I, Onaindia M. Mapping recreation supply and demand using an ecological and a social evaluation approach [J]. Ecosystem Services, 2015,13:108-118.
[18] Egarter V L, Depellegrin D, Pereira P, et al. Mapping the ecosystem service delivery chain: capacity, flow, and demand pertaining to aesthetic experiences in mountain landscapes [J]. Science of the Total Environment, 2017,574:422-436.
[19] 徐凌星,杨德伟,刘丹丹,等.青藏高原生态系统服务的时空分布特征与供需关系 [J]. 山地学报, 2020,38(4):483-494.
Xu L X, Yang D W, Liu D D, et al. Spatiotemporal distribution characteristics and supply-demand relationships of ecosystem services on the Qinghai-Tibet plateau, China [J]. Mountain Research, 2020, 38(4):483-494.
[20] Li J, Jiang H, Bai Y, et al. Indicators for spatial–temporal comparisons of ecosystem service status between regions: a case study of the Taihu River Basin, China [J]. Ecological Indicators, 2016,60:1008-1016.
[21] 吴建生,门.新纳,梁景天,等.基于基尼系数的生态系统服务供需均衡研究-以广东省为例 [J]. 生态学报, 2020,40(1):6812-6820.
Wu J S, Men X N, Liang J T, et al. Research on supply and demand equilibrium of ecosystem services in Guangdong Province based on the gini coefficient [J]. Acta Ecologica Sinica, 2020,40(1):6812-6820.
[22] Wu X, Liu S L, Zhao S, et al. Quantification and driving force analysis of ecosystem services supply, demand and balance in China [J]. Science of the Total Environment, 2019,652:1375-1386.
[23] 陈骏宇,王慧敏,刘 钢,等.“水⁃能⁃粮” 视角下杭嘉湖区域生态系统服务供需测度及政策研究 [J]. 长江流域资源与环境, 2019,28(3):542-553.
Chen J Y, Wang H M, Liu G, et al. Evaluation of ecosystem services and its adaptive policies in the Hangjiahu region under water-energy- food nexus [J]. Resources and Environment in the Yangtze Basin, 2019,28(3):542-553.
[24] 谢高地,曹淑艳,鲁春霞,等.中国的生态服务消费与生态债务研究 [J]. 自然资源学报, 2010,25(1):43-51.
Xie G D, Cao S Y, Lu C X, et al. Human's consumption of ecosystem services and ecological debt in China [J]. The Journal of Natural Resources. 2010,25(1):43-51.
[25] Burkhard B, Kroll F, Müller F, et al. Landscapes' capacities to provide ecosystem services: A concept for land- cover based assessments [J]. Landscape Online, 2009,15(1):1-22.
[26] Kandziora M, Burkhard B, Muller F. Mapping provisioning ecosystem services at the local scale using data of varying spatial and temporal resolution [J]. Ecosystem Services, 2013,4:47-59.
[27] Kaiser G, Burkhard B, Romer H, et al. Mapping tsunami impacts on land cover and related ecosystem service supply in Phang Nga, Thailand [J]. Natural Hazards and Earth System Science, 2013,13(12): 3095–3111.
[28] 欧维新,王宏宁,陶 宇.基于土地利用与土地覆被的长三角生态系统服务供需空间格局及热点区变化 [J]. 生态学报, 2018,38(17): 6337-6347.
Ou W X, Wang H Y, Tao Y. A land cover-based assessment of ecosystem services supply and demand dynamics in the Yangtze River Delta region [J]. Acta Ecologica Sinica, 2018,38(17):6337-6347.
[29] 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.
[30] 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.
[31] 庞 静.基于地理探测器模型的自然和人为因素对植被变化的影响[D]. 太原:山西大学, 2016.
Pang J. Geographical detector-based identifying the impact of natural and human factors on vegetation changes [D]. Taiyuan: Shanxi University, 2016.
[32] 彭文甫,张冬梅,罗艳玫,等.自然因子对四川植被NDVI变化的地理探测 [J]. 地理学报, 2019,74(9):1758-1776.
Peng W F, Zhang D M, Luo Y M, et al. Influence of natural factors on vegetation NDVI using geographical detection in Sichuan Province [J]. Acta Geographica Sinica, 2019,74(9):1758-1776.
[33] 张思源,聂 莹,张海燕,等.基于地理探测器的内蒙古植被NDVI时空变化与驱动力分析 [J]. 草地学报, 2020,28(5):292-304.
Zhang S Y, Nie R, Zhang H Y, et al. Spatiotemporal variation of vegetation NDVI and its driving forces in Inner Mongolia based on Geodetector [J]. Acta Agrestia Sinica, 2020,28(5):292-304.
[34] 赵小风,刘梦丽,王柏源.基于地理探测器的城市建设用地规模时空差异及影响因素分析 [J]. 中国土地科学, 2018,32(5):29-35.
Zhao X F, Liu M L, Wang B Y. Spatio-Temporal Disparity of Urban Construction Land and Its Impact Factors in China based on Geodetector [J]. China Land Science, 2018,32(5):29-35.
[35] 吕 晨,蓝修婷,孙 威.地理探测器方法下北京市人口空间格局变化与自然因素的关系研究 [J]. 自然资源学报, 2017,32(8):1385- 1397.
Lv C, Lan X T, Sun W. A study on the relationship between natural factors and population distribution in Beijing using geographical detector [J]. Journal of Natural Resources, 2017,32(8):1385-1397.
[36] 胡丽娜.甘肃省土壤资源空间信息管理系统设计 [D]. 兰州:甘肃农业大学, 2008.
Hu L N. Design of spatial information management system of soil resources in Gansu Province [D]. Lanzhou: Gansu Agricultural University, 2008.
[37] 朱 震.甘肃省生态安全影响因素贡献度的实证分析 [D]. 兰州:兰州大学, 2016.
Zhu Z. An empirical analysis on the contribution of ecological security factors in Gansu Province [D]. Lanzhou: Lanzhou University, 2016.
[38] Liu J Y, Kuang W H, Zhang Z X, et al. Spatiotemporal characteristics, patterns and causes of land use changes in China since the late 1980s [J]. Journal of Geographical Sciences, 2014,69:3-14.
[39] 杨淑萍,韩海东.基于地理探测器的甘肃省NDVI驱动因子定量分析 [J]. 甘肃农业大学学报, 2019,54(4):115-123.
Yang S P, Han H D. Quantitative analysis of NDVI driving factors in Gansu Province based on geodetector [J]. Journal of Gansu Agricultural University, 2019,54(4):115-123.
[40] 王海鸿,常艳妮,杜茎深,等.建设用地扩张驱动力分析—以甘肃省为例 [J]. 干旱区资源与环境, 2008,22(3):75-80.
Wang H O, Chang Y N, Du J S, et al. Analysis on driving forces of constructive land expansion--a case study of Gansu Province [J]. Journal of Arid Land Resources and Environment, 2008,22(3):75-80.
[41] de Groot R S, Alkemade R, Braat L, et al. Challenges in integrating the concept of ecosystem services and values in landscape planning, management and decision making [J]. Ecological Complexity, 2010, 7(3):260-272.
[42] Burkhard B, Kroll F. Map of ecosystem services, supply and demand//Cleveland C J. Encyclopedia of Earth [M]. Washingtom, DC: Environmental Information Coalition, National Council for Science and the Environment, 2010.
[43] 王小军,陈翔舜,魏金平,等.甘肃省2004～2009年土地沙漠化时空变化分析 [J]. 中国沙漠, 2013,33(1):33-37.
Wang X J, Chen X S, Wei J P, et al. Spatial and temporal changes of aeolian desertification land from 2004 to 2009 in Gansu Province, China [J]. Journal of Desert Research, 2013,33(1):33-37.
[44] 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.
[45] Oudenhoven A P E V, Petz K, Alkemade R, et al. Framework for systematic indicator selection to assess effects of land management on ecosystem services [J]. Ecological indicators, 2012,21:110-122.
[46] 唐秀美,刘 玉,刘新卫,等.基于格网尺度的区域生态系统服务价值估算与分析 [J]. 农业机械学报, 2017,48(4):149-153.
Tang X M, Liu Y, Liu X W, et al. Estimation and analysis of ecosystem service value based on grid scale [J]. Transactions of the Chinese Society of Agricultural Machinery, 2017,48(4):149-153.
[47] 马昕炜,曾永年.基于格网单元的县级土地利用总体规划生态环境影响评价方法与应用 [J]. 长江流域资源与环境, 2011,20(10): 1198-1210.
Ma X W, Zeng Y N. Assessment of land use planning impact on ecological environment at county level based on the grid cell [J]. Resources and Environment in the Yangtza Basin, 2011,20(10): 1198-1210.
[48] 郭椿阳,高建华,樊鹏飞,等.基于格网尺度的永城市土地利用转型研与热点探测 [J]. 中国土地科学, 2016,3(4):43-51.
Guo C Y, Gao J H, Fan P F, et al. Land use transition and hotspots detection in Yongcheng City based on the grid scale [J]. China Land Science, 2016,3(4):43-51.
[49] 王 雅,蒙吉军.黑河中游土地利用变化对生态系统服务的影响 [J]. 干旱区研究, 2017,34(1):200-207.
Wang Y, Meng J J. Effects of Land use change on ecosystem services in the middle reaches of the Heihe river basin [J]. Arid Zone Research, 2017,34(1):200-207.
[50] 陈江平,张 瑶,余远剑.空间自相关的可塑性面积单元问题效应 [J]. 地理学报, 2011,66(12):1597-1606.
Chen J P, Zhang Y, Yu Y J. Effect of map in spatial autocorrelation [J]. Acta Geographica Sinica, 2011,66(12):1597-1606.
[51] 马 琳,刘 浩,彭 建.生态系统服务供给和需求研究进展 [J]. 地理学报, 2017,72(7):1277-1289.
Ma L, Liu H, Peng J, et al. A review of ecosystem services supply and demand [J]. Acta Geographica Sinica, 2017,72(7):1277-1289.
[52] 邓煌炜,廖振良.生态系统服务驱动因素及供需研究进展 [J]. 环境科技, 2020,33(1):74-78.
Deng H W, Liao Z L. Review of drivers, supply and demand of ecosystem services [J]. Environmental Science and Technology, 2020,33(1):74-78.
A study on the relationship between supply-demand relationship of ecosystem services and impact factors in Gansu Province.
ZHAO Xiao-jiong1,2,3, SU Jun-de4, WANG-Jian1*, JIN Wang-qiang3, CHEN-e5, ZHANG-Juan5, XIANG Ming5
(1.Northwest Institute of Eco-Environment and Resources, Chinese Academy of Sciences, Lanzhou 730000, China；2.University of Chinese Academy of Sciences, Beijing 100049, China；3.Gansu Academy of Eco-environmental Sciences, Lanzhou 730000, China；4.Gansu Vocational & Technical College of Nonferrous Metallurgy, Jinchang 737100, China；5.Gansu environmental monitoring center station, Lanzhou 730020, China)., 2021,41(10)：4926～4941
Natural factors and socio-economic development have a profound impact on the supply and demand of regional ecosystem services, leading to imbalance of regional ecological service supply and demand. This study aims to analyze the pattern of supply-demand of ecosystem services in Gansu Province, and to explore their internal relationship under social and economic development. In this study, the evaluation matrix of regional supply and demand of ecosystem services was used to calculate the supply and demand intensity. The supply-demand index was introduced to represent the matching status of ecosystem services. The impact of both natural and socio-economic factors on the supply-demand index of ecosystem service was studied by using geographical detector, revealing the spatiotemporal changing patterns of supply and demand. Our results show that: the spatial distribution of ecosystem supply-demand index is obviously inhomogeneous in Gansu Province, especially in the central and southern parts of Gansu Province, characterized by high supply-low demand and low supply-high demand, with the strongest mismatch observed in the central region of Gansu Province. Although this situation has been gradually mitigated since 2010, the discrepancy between supply and demand is still prominent in this region; From the perspective of trade-off and synergy of ecosystem services, there are many trade-offs between supply services, regulatory services and cultural services at the service supply side, while the synergy relationship is mainly found in regulatory services; on the service demand side, there is a synergy relationship between demand services and supply services, and the strongest synergy relationship is observed between supply services and other services. There is a trade-off relationship as well as a synergy relationship between the supply and demand indices of ecosystem services, whereas there is a trade-off relationship between demand and the supply-demand index of ecosystem service; The q value of annual precipitation and vegetation types is more than 50% on the impact of ecosystem services supply intensity, which is the main reason for the spatial differentiation. The population has the highest explanatory power on the demand intensity of ecosystem services, and the q value is more than 40%. In terms of the impact on the supply-demand index, the population in the socio-economic factors and the precipitation in the natural factors have the highest explanatory power, and the q value is more than 35%. The impact of factors on the supply capacity of ecosystem services (demand intensity, supply-demand index) is attributable to a variety of factors, and further enhanced nonlinearly.
ecosystem services supply-demand；Gansu Province；the cluster analysis；geographical detector
X32
A
1000-6923(2021)10-4926-16
赵晓冏(1986-),男,甘肃武威人,高级工程师,博士,主要从事生态环境遥感研究.发表论文10余篇.
2021-03-04
甘肃省技术创新引导计划项目(20CX3ZA002);甘肃省青年科技基金计划项目(20JR5RA124);甘肃省青年科技基金计划项目(18JR3RC420)
* 责任作者, 研究员, wjian@lzb.ac.cn
