基于服务簇的南宁市生态系统服务权衡与协同关系研究

2022-02-15韦钧培杨云川谢鑫昌廖丽萍周津羽

生态与农村环境学报 2022年1期

韦钧培，杨云川，2,3①，谢鑫昌，廖丽萍，2，3，田忆，周津羽

(1.广西大学土木建筑工程学院，广西南宁 530004；2.广西大学工程防灾与结构安全教育部重点实验室，广西南宁 530004；3.广西防灾减灾与工程安全重点实验室，广西南宁 530004)

生态系统服务是人类从生态系统中直接或间接获取的各项产品与服务，对维持和改善人类福祉至关重要[1]。在人类-自然耦合系统中，人类活动和自然环境的相互作用造就了生态过程的复杂性和生态系统服务的空间异质性[2]。生态系统服务之间往往呈现此消彼长的权衡关系(trade-offs)和相互增益的协同关系(synergies)[3]。其中，权衡关系意味着一种生态系统服务的增加是以其他生态系统服务减弱为代价，协同关系意味着多个服务受相同的变化因素驱动，具有一致的变化趋势。千年生态系统评估报告指出，人类对自然资源的无节制利用加剧了自然资源耗竭，生态系统服务供求矛盾日益突出[4]。由于缺乏在流域尺度上对多种生态系统服务间复杂关系的理解和管理，导致一些关键服务的供给能力持续衰退[5]。厘清生态系统服务权衡与协同关系的空间分异和相互作用机制有助于实现人类社会与生态系统的“双赢”[6]。

近年来，多个生态系统服务间的相互关系研究在生态学、地理学等诸多学科中备受关注。国内外学者普遍采用空间叠置法[7]、统计分析法[8]及情景模拟[9]等方法，借助InVEST[10]、ARIES[11]和CASA[12]等模型对生态系统服务权衡/协同关系的尺度效应[13]、空间格局[14]和作用机制[15]等方面进行研究。刘立程等[16]基于供需关系分析与评价了兰州市4种生态系统服务；余玉洋等[17]从大、中、小不同空间尺度研究了秦巴山区5种生态系统服务之间的权衡与协同关系；刘洋等[7]研究了影响生态系统服务关系的主导驱动力，包括气候、土壤、经济和用地等10类31种驱动力。尽管当前对生态系统服务权衡与协同关系的研究已取得相当丰硕的成果，但仍然存在一定局限性[18]，如Pearson相关系数矩阵可以用于快速辨识生态系统服务两两间的权衡/协同关系，但忽略了生态系统服务在空间上的潜在关联模式，且无法深入揭示多个生态系统服务间的相互依存关系。生态系统服务簇(ecosystem service bundles)是一组在时间和空间上反复出现的生态系统服务，反映了生态系统服务间的相互依赖性[19-21]。运用生态系统服务簇识别生态系统中多服务聚合模式，有利于决策者在区域可持续发展框架下做出有针对性的科学决策[22]。

南宁市地形地貌复杂，景观异质性突出，生态环境较为脆弱，经济快速发展使生态环境面临巨大压力。2015年5月，南宁市作为第一批国家海绵城市试点正式启动海绵城市建设(建设总面积为60.2 km2)，城市生态系统服务亦成为研究热点[23]。充分了解南宁市生态系统服务空间分布格局以及权衡与协同关系，对南宁海绵城市建设具有重要科学意义[24]。籍此，在估算南宁市6种典型生态系统服务基础上，综合利用双变量Moran′sI指数、主成分因子分析和聚类分析等方法，从生态系统服务簇角度研究各生态系统服务的空间表征，为进一步厘清多种生态系统服务之间复杂依存关系及驱动机制提供借鉴，促进生态系统服务理论在海绵城市建设与管理中的应用。

1 材料与方法

1.1 研究区概况

以南宁市所在流域为研究区，其范围位于22°～23° N、108°～109° E之间，上游至老口水利枢纽，下游至青龙江汇入邕江河口断面，范围覆盖大部分南宁市辖区(图1)。流域总面积为4 957 km2，流域内地貌复杂多样，以山地、丘陵和盆地为主，西、北、南三面环山，中部为狭长河谷盆地且坡度小于15°，海拔在-134～999 m之间。该区域属于南亚热带季风气候区，夏季长且气温高，降水充沛，冬季短而温暖干燥，无霜期长。南宁城区位于中央河谷盆地，邕江自西向东流经城区，将城区一分为二。复杂的地形地貌条件和城市空间分布格局形成了多样的下垫面特性，造就了南宁市复杂的水文生态过程。

图1 研究区地形及土地利用

1.2 数据来源

使用数据包括：(1)2018年土地利用数据来源于欧洲空间局(https:∥www.esa-landcover-cci.org/)，空间分辨率为300 m，根据需要将其进行重分类简化；(2)DEM数据来源于地理空间数据云(http:∥www.gscloud.cn/)，空间分辨率为30 m；(3)基础地理信息数据，包括区县行政边界、河流、公路和铁路，来源于国家基础信息中心(http:∥www.ngcc.cn/ngcc/)；(4)2018年气象数据，包括气温、降水量和潜在蒸散发，提取自美国航空航天局(https:∥disc.gsfc.nasa.gov/)的全球陆面数据同化系统(GLDAS数据集)，空间分辨率为0.25°；(5)土壤数据，包括土壤质地、土壤有机质和土壤深度，提取自北京大学城市与环境学院地理数据平台(https:∥geodata.pku.edu.cn/)的世界土壤数据库(HWSD)中国土壤特征数据集,空间分辨率为1 km；(6)相关社会经济数据来源于《南宁统计年鉴2019》(http:∥tj.nanning.gov.cn/)。

1.3 生态系统服务评估方法

根据研究区特点、生态系统服务的关注程度和研究现状，选择生境质量(habitat quality，HQ)和净初级生产力(net primary production，NPP)2项支持服务，农作物生产(crop production，CP)和产水量(water yield，WY)2项供给服务，以及碳储量(carbon sequestration，CS)和土壤保持量(soil retention，SR)2项调节服务，共计3个类别6种类型生态系统服务进行研究。这6种生态系统服务与人类活动息息相关，是南宁市生态系统中的关键服务，具有一定代表性，能充分反映研究区生态系统服务总体特征。

1.3.1生境质量

采用InVEST模型生境质量模块结合土地利用类型和生物多样性威胁因子的信息估算研究区生境质量[25]，计算公式为

(1)

(2)

式(1)～(2)中，Qxj为j土地利用类型中x栅格生境质量；Dxj为j土地利用类型中x栅格生境退化度；Hxj为j土地利用类型中x栅格生境适应性；k为半饱和参数；ωr为r威胁因子权重；ry为y栅格中r威胁因子强度；irxy为y栅格中r威胁因子对x栅格的影响，包含线性型和指数型；βx为生境抗干扰水平；Sir为j土地利用类型对r威胁因子的敏感程度。

1.3.2净初级生产力

采用CASA(Carnegie-Ames-Stanford approach)模型估算研究区净初级生产力，净初级生产力主要受光合有效辐射和光能转化率2个因素影响[26]，计算公式为

(3)

式(3)中，PNP为净初级生产力(以C计)，kg·m-2；t为月份；RAPA，xt为x栅格在t月吸收的光合有效辐射，MJ·m-2；εxt为x栅格在t月的实际光合利用率(以C计)，kg·MJ-1。

1.3.3农作物生产

结合土地利用数据和南宁统计年鉴资料，估算研究区农作物生产量。作物生产效率(作物单位面积产量)是农田供应服务中作物生产的重要指标。农作物总生产量可根据耕地面积乘以单位面积产量得到，但考虑到各流域面积大小不一，不方便比较，因此将农作物总生产量换算成子流域平均作物产量。计算公式为

(4)

式(4)中，YC，mean为子流域平均作物产量，t；yC为单位面积产量，t·km-2；Abasin为子流域面积，km2；Acorpland为子流域耕地面积，km2。

1.3.4产水量

采用InVEST模型产水服务模块估算研究区产水量，基于Budyko水热平衡假设计算年尺度产水量[27]，计算公式为

(5)

(6)

式(5)～(6)中，Y为年产水量，mm；P为年降水量，mm；TAE为年实际蒸散量，mm；TPE为潜在蒸散量，mm，可通过参考作物蒸散量乘以植被蒸散系数得出；ω为修正的植被可利用含水量与预期降水量的比值。

1.3.5碳储量

采用InVEST模型碳储量模块估算研究区碳储量，基于土地利用类型，分别统计地上生物、地下生物、土壤和死亡有机质4种基本碳库[28]，计算公式为

Ctot=Cabove+Cbelow+Csoil+Cdead。

(7)

式(7)中，Ctot为总碳储量，Mg·hm-2；Cabove为地上生物碳储量，Mg·hm-2；Cbelow为地下生物碳储量，Mg·hm-2；Csoil为土壤碳储量，Mg·hm-2；Cdead为死亡有机质碳储量，Mg·hm-2。

1.3.6土壤保持量

采用InVEST模型沉积物保留模块估算研究区土壤保持量，基于修正通用土壤流失方程，并综合考虑地块对上游沉积物的拦截能力[29]，计算公式为

DS=SRKL-EUSL，

(8)

SRKL=R×K×KLS，

(9)

EUSL=R×K×KLS×P×C。

(10)

式(8)～(10)中，DS为土壤保持量，t·hm-2；SRKL为自然条件下土壤侵蚀量，t·hm-2；EUSL为在管理和工程措施保护下的实际土壤侵蚀量，t·hm-2；R为降雨侵蚀因子，MJ·mm·hm-2·h-1；K为土壤可侵蚀性因子，t·h·MJ-1·mm-1；KLS为坡长坡度因子；C为植被覆盖和管理因子；P为土壤保持措施因子。

1.4 权衡与协同关系分析方法

双变量Moran′sI指数由单变量Moran′sI指数拓展而来，可揭示不同要素空间分布的相关性，计算公式为

(11)

全局Moran′sI指数只能反映生态系统服务整体关系，然而受下垫面土地利用类型空间异质性影响，局部区域生态系统服务会呈现不同的权衡/协同关系，因此采用局部Moran′sI指数对局部生态系统服务权衡/协同关系进行分析，计算公式为

(12)

式(12)中，Ii为局部Moran′sI指数。

1.5 生态系统服务簇分析方法

1.5.1主成分因子分析

生态系统是一个多要素相互作用的复杂巨系统，各生态系统服务间存在明显差异。主成分因子分析是判定生态系统服务能否在服务簇中共存的前提。主成分因子分析法通过变量旋转，在具有相关关系的多个变量中提取出几个少数相互独立的新变量作为主成分因子，并尽可能地保留全部信息[30]。计算公式为

Zi=ai1F1+ai2F2+…+ainFn。

(13)

式(13)中，Zi为i主成分得分；Fn为公共因子；ain为因子荷载。

1.5.2聚类分析

根据相似性原则通过衡量不同子流域生态系统服务之间的相似度，将研究区划分为数个不同生态系统服务簇。其中，具有较高相似度的子流域被划分至同一生态系统服务簇中，而具有较高相异度的子流域被划分至不同生态系统服务簇中。聚类分析结果可为不同生态环境量身定制有针对性的管理措施与方案。谱聚类(spectral clustering)是广泛使用的聚类算法，与传统的K-Means聚类算法相比，谱聚类具有适应性强、计算量小、聚类效果好的特点[31]。采用GeoDa软件进行谱聚类分析及可视化。

2 结果与分析

2.1 南宁市生态系统服务空间分布格局

受不同环境因素影响，南宁市6种典型生态系统服务呈现较大的空间差异特征(图2)。如图2所示，研究区生境质量受建设用地、铁路和公路影响较大，城区及交通主干道周边生境退化严重，远郊山区生境质量较高。研究区气温高，降水充沛，净初级生产力受水热条件限制较小，北部和南部山区植被茂密，净初级生产力较高，而城区植被覆盖少，净初级生产力相对较低。研究区农作物生产量呈中部高、南北低的分布格局，这是由于耕地主要集中在河谷平原和丘陵地带，加之青秀区、邕宁区和江南区农作物单产较高，因此中部地区农作物生产量较高。研究区产水量空间分布较为复杂，产水量受降水、蒸散发和土壤有效含水量等多方面因素影响。城区降水量适中，但植被稀疏，蒸散量小，不透水人工表面的土壤有效含水量低，故产水量最大。研究区碳储量分布与净初级生产力相似，呈南北高、中部低趋势，北部和南部郊区土地利用类型以林地和灌木为主，碳储量较高，而中部城区土地利用类型以建设用地为主，碳储量趋于零。研究区土壤保持量呈东部低、北部和西南部高的分布格局，尽管北部山区地势高，土壤可侵蚀性强，但土地利用类型以林地和灌木为主，土壤不易侵蚀，因此土壤保持量较高；而东部河谷平原地势平坦，土壤可侵蚀性低，但土地利用以耕地为主，土壤易侵蚀，因此土壤保持量较低。综上，尽管研究区各生态系统服务空间分布各不相同，城区除产水量外的其他生态系统服务均处于较低水平。

HQ为生境质量，NPP为净初级生产力，CP为农作物生产，WY为产水量，CS为碳储量，SR为土壤保持量。

2.2 南宁市生态系统服务权衡与协同关系

2.2.1权衡/协同关系的数值体现

为综合揭示南宁市生态系统服务之间的权衡与协同关系，参考前人研究方法[5]，以子流域为基础单元，采用ArcGIS 10.2软件对各生态系统服务进行分区统计。考虑到各生态系统服务单位不同，实际数值相差很大，需预先进行标准化处理。在此基础上使用双变量全局和局部Moran′sI指数进一步探析6种生态系统服务之间的权衡与协同关系。

对6种典型生态系统服务两两进行双变量Moran′sI指数分析(表1)。如表1所示，研究区各生态系统服务间权衡/协同关系显著。同类别生态系统服务在生态系统中的功能相似，表现为协同关系，各类别生态系统服务内部协同关系由强到弱依次为支持服务、调节服务和供给服务。具体而言，支持服务中生境质量-净初级生产力呈显著协同关系(Moran′sI指数为0.69)；供给服务中农作物生产-产水量呈较弱的协同关系(Moran′sI指数为0.11)；调节服务中碳储量-土壤保持量呈显著协同关系(Moran′sI指数为0.37)。

表1 南宁市6种典型生态系统服务双变量全局Moran′s I指数矩阵Table 1 Global bivariate Moran′s I index matrix among six typical ecosystem services in Nanning

不同生态系统服务类别间既有协同关系，又有权衡关系。支持服务与供给服务间，生境质量-农作物生产呈显著协同关系(Moran′sI指数为0.24)，净初级生产力-产水量呈显著权衡关系(Moran′sI指数为-0.26)。支持服务与调节服务间，生境质量-碳储量、生境质量-土壤保持量、净初级生产力-碳储量和净初级生产力-土壤保持量均呈显著协同关系，其Moran′sI指数分别为0.71、0.36、0.80和0.38。供给服务与调节服务间，农作物生产-碳储量和产水量-土壤保持量均呈显著协同关系，其Moran′sI指数均为0.26；而产水量-碳储量呈显著权衡关系(Moran′sI指数为-0.21)。其他生态系统服务间无显著协同或权衡关系。

2.2.2权衡/协同关系的空间表达

全局Moran′sI指数只能反映整体上生态系统服务协同/权衡关系，然而受到不同自然环境和社会经济活动影响，研究区各区域生态系统服务协同/权衡关系并不是均一的，会随空间位置不同发生变化。对Moran散点图进行空间可视化，以Moran散点图坐标轴为分界线，将生态系统服务空间集聚形式分为4类，其中第1象限为高值协同区(高-高型集聚)，第3象限为低值协同区(低-低型集聚)，第2象限和第4象限分别为高低值和低高值权衡区(分别为高-低型和低-高型集聚)。依据局部Moran′sI指数的显著性去除不显著区域。根据子流域集聚类型按不同颜色绘制研究区生态系统服务空间集聚图(图3)。

图3 南宁市6种典型生态系统服务聚类分析

同类别生态系统服务中，生境质量-净初级生产力在研究区北部和南部地区为高值协同区，在中北部地区为低值协同区〔图3(a)〕。农作物生产-产水量高值协同区位于研究区西部地区，低值协同区零散分布于南部和北部地区，而高低值和低高值权衡区零散分布于东北部地区〔图3(b)〕。碳储量-土壤保持量高值和低值协同区分布于研究区东北部地区，低高值权衡区分布于东部地区〔图3(c)〕。

在支持服务与供给服务间，生境质量-农作物生产和净初级生产力-农作物生产空间分布格局相似，高值协同区分布于研究区东部和西北部地区，周边伴随少量高低值权衡区；低值协同区分布于中北部地区，而低高值权衡区分布于南部和北部地区〔图3(d)、图3(e)〕。生境质量-产水量和净初级生产力-产水量空间分布格局相似，高值协同区和高低值权衡区分布于研究区西部地区，低值协同区和低高值权衡区分布于南部和中东部地区〔图3(f)、图3(g)〕。

在支持服务与调节服务间，生境质量-碳储量和净初级生产力-碳储量空间分布格局相似，高值协同区分布于研究区东北部和西南部地区，低值协同区分布于中部地区，高低值和低高值权衡区较少，零散分布于北部地区〔图3(h)、图3(i)〕。生境质量-土壤保持量和净初级生产力-土壤保持量高值协同区主要分布于北部地区，低值协同区分布于中部地区，而低高值权衡区分布于东北地区〔图3(j)、图3(k)〕。

在供给服务与调节服务间，农作物生产-碳储量和产水量-碳储量空间分布格局相似，低值协同区分布于研究区中部地区，高低值权衡区分布于北部和南部地区，高值协同区较少，分布于北部地区，产水量-碳储量低高值权衡区零散分布于中部地区〔图3(l)、图3(m)〕。农作物生产-土壤保持量低值协同区分布于研究区中部地区，高值协同区较少，分布于西部地区，高低值权衡区分布于东北部地区，低高值权衡区分布于东部地区〔图3(n)〕。产水量-土壤保持量高值协同区零散分布于研究区北部和西部地区，低值协同区分布于中东部地区，高低值权衡区分布于东北部地区，低高值权衡区分布于中部地区〔图3(o)〕。

2.3 生态系统服务簇

2.3.1主成分因子分析

首先采用KMO和Barttett球形梯度检验方法确定因子分析对生态系统服务数据的适用性。根据检验结果，KMO值为0.58，Barttett球形梯度检验统计量观测值为523.8，通过显著水平为0.01的检验，表明各生态系统服务间相关性较强，满足主成分因子分析前提条件。采用varimax归一算法对各因子荷载进行旋转，以便使提取的主成分因子具有更好的解释性。南宁市6种典型生态系统服务主成分因子分析结果见表2，根据因子特征值大于1的原则，筛选出3个主成分因子，这3个主成分因子累计方差贡献率达82%，可解释大部分变量信息。

表2 生态系统服务主要因子荷载Table 2 Factors loading of ecosystem services

主成分1解释了47%的方差变异，生境质量、净初级生产力、农作物生产和碳储量具有较高的正荷载，这4种生态系统服务之间呈显著正相关(表1)。城区人类活动密集，生境威胁高，植被稀疏，净初级生产力和碳储量低，建设用地侵占耕地导致农作物生产量低，因此生境质量、净初级生产力、农作物生产和碳储量在城区呈现一致的低值协同关系。

主成分2解释了19%的方差变异，土壤保持量具有较高的正荷载，农作物生产则具有较低的负荷载，农作物生产与土壤保持量呈现负相关(表1)，高低值权衡区分布于研究区东北部地区，而低高值权衡区分布于研究区东部地区。一方面土壤侵蚀通过影响土壤性质和减少土壤厚度造成耕地农作物生产力下降；另一方面，过度开垦会加剧土地退化和土壤流失。

主成分3解释了16%的方差变异，农作物生产和产水量具有较高的正荷载，农作物生产与产水量呈现正相关(表1)，在空间上也以高值协同区和低值协同区为主。产水量与植被蒸散量总体上呈近似反比关系，研究区南部山区以林地为主，蒸散量大导致产水量低；西部地区耕地蒸散量略低，导致产水量较高，因此产水量与农作物生产在一定程度上呈现协同关系。

加粗数据为每个主成分因子中较高荷载值。

以上分析表明，生态系统服务之间不仅存在成对的两两相互作用，还以服务簇形式呈现多种生态系统服务的复合关系，主成分因子分析能揭示生态系统服务权衡/协同的内在驱动机制。生态系统服务权衡/协同关系的驱动形式主要有共同驱动因子和直接相互作用[32]2种。主成分1和主成分3反映了生态系统服务受共同驱动因子促进或抑制作用，表现为协同关系；而主成分2反映了生态系统服务间的直接相互作用，即一种生态系统服务供给量增加会抑制另一种服务供给量增加，2种生态系统服务表现为权衡关系。

2.3.2聚类分析

生态系统服务权衡/协同关系空间分异性导致服务簇在空间上同样呈现聚合特征。对南宁市6种典型生态系统服务进行谱聚类分析，最终得到5类生态系统服务簇，根据其特点，分别命名为山地生态均衡区、森林生态保育区、城市生态脆弱区、丘陵产量区和河谷水土流失区(图4)。如图4所示，同类生态系统服务簇在空间上呈明显聚集，而各生态系统服务簇的组成结构存在明显差异。以玫瑰图展示南宁市各生态分区每种生态系统服务的相对大小。

图4 南宁市生态系统服务簇空间分布与组成结构

聚类I为山地生态均衡区，分布于北部和西部山区，面积为681 km2，土地利用类型以耕地和林地为主，占比分别为61.9%和30.1%。该区生态系统服务组成结构均衡，各生态系统服务供给均较高，呈现高值协同关系。

聚类Ⅱ为森林生态保育区，分布于研究区南部和北部森林，面积为1 226 km2，土地利用类型以林地和耕地为主，占比分别为49.6%和36.0%。从生态系统服务组成结构来看，生境质量、净初级生产力、碳储量和土壤保持量服务较高，其他生态系统服务较低。该区域今后应以保护为主，尽量减少对其开发。

聚类Ⅲ为城市生态脆弱区，集中分布于南宁市城区，面积为597 km2，土地利用类型以建设用地和耕地为主，占比分别为45.7%和37.1%。该区域人类活动密集，生态系统脆弱，应给予重点关注。尽管城区产水量服务较高，但是这部分产水量服务并不能被直接利用，反而会引发严重的城市内涝。

聚类Ⅳ为丘陵产量区，广泛分布于研究区中南部地区，面积为1 791 km2，土地利用类型以耕地为主，占比为73.4%。从生态系统服务组成结构来看，农作物生产和碳储量服务较突出，其他服务略低，处于均值水平，该区域是南宁市主要粮食来源区域。

聚类Ⅴ为河谷水土流失区，集中分布于流域下游的河谷区域，面积为663 km2，土地利用类型以耕地为主，占比为79.0%，该区域生态系统服务组成结构与丘陵产量区类似，但水土流失情况更为严重，在维持该区域粮食产量的同时需注意防止水土流失。

3 讨论

该研究聚焦于城市流域，在研究区15对生态系统服务关系中，11对关系呈显著协同关系，2对关系呈微弱权衡关系，其他2对关系呈微弱协同关系，这与大多数基于自然流域的研究结果[22]略有不同。生态系统服务存在尺度关联特性，各生态系统服务在不同区域的权衡/协同关系存在较大差异[6]。以农作物生产来说，大部分研究结果表明农作物生产与支持服务和调节服务呈权衡关系[12]，一般认为，开垦农田会破坏原有的自然环境，造成支持服务和调节服务减少，使其表现出权衡关系。但该研究发现，研究区农作物生产与支持服务和调节服务呈微弱协同关系，究其原因，人类活动日益加剧使生态系统结构和功能产生变化，深刻影响各生态系统服务间的权衡和协同作用[33]。受城市区域人类活动影响，农作物生产与生境质量、净初级生产力和碳储量的散点关系大体呈“∧”形状(图5)，城市生态脆弱区散点集中分布于第3象限低值协同区，根据2.3.2节聚类分析结果，排除城市生态脆弱区，重新对非城市区域单独进行回归分析。与流域回归分析结果(农作物生产与生境质量、净初级生产力和碳储量的回归系数分别为0.24、0.14和0.26)相比，非城市区域农作物生产与生境质量、净初级生产力和碳储量的回归系数分别为-0.18、-0.78和-0.78，明显减小，这3对关系从弱协同关系转为权衡关系。在城市生态脆弱区，农作物生产分别与支持服务和调节服务呈低值协同关系，并影响整个研究区，最终使得农作物生产分别与生境质量、净初级生产力和碳储量整体上呈微弱协同关系。由此可见，城市在整个流域生态系统中发挥举足轻重的作用。

图5 全流域回归与非城市区域回归对比

人类在选择生态系统服务时往往存在偏好，有意地强化特定类型的生态系统服务，无意识地削弱其他类型生态系统服务，这加剧了生态系统服务间的冲突。因此，人类选择的偏好性是生态系统服务在空间上集聚的重要原因。基于生态系统服务簇开展研究有助于管理者识别生态系统服务的区域特征，明确区域管理目标，采取因地制宜的调控措施，提升生态系统总体效益，维持生态系统可持续发展，最终实现人类社会与生态系统的双赢。考虑到生态系统服务权衡的外部性，即生态系统服务管理对非目标区域的影响，应从流域整体出发对生态系统进行综合管理。以产水量为例，王亚慧等[34]研究结果表明，尽管城区范围产水服务较高，然而这一部分水资源往往不能被有效利用，反而会引发严重的城市内涝问题。笔者研究结果与之一致。当前南宁市海绵城市建设尚缺乏流域尺度的城市生态水文学理论指导，研究内容局限于微观层面的低影响开发设施应用，建设成效局限于部分区域。生态系统的水平和层次结构造就了生态系统服务的“源-汇”格局，区域水生态问题必然是跨尺度、跨流域的系统性问题[35]，解决城市水问题的出路在于构建宏观层面的流域水生态安全格局。

生态系统服务包含支持服务、供给服务、调节服务和文化服务，虽然权衡/协同关系同样存在于文化服务与其他服务之间，但是文化服务的研究较为滞后，目前尚无统一估算方法，因此笔者研究未涉及文化服务。生态系统既存在高度的空间分异性，同时也存在时间动态性，笔者研究仅分析了生态系统服务在空间上的变化，未对时间尺度上生态系统服务变化进行研究。未来应进一步开展生态系统服务时空多尺度动态变化研究，深入探索气候变化及人类活动与生态系统服务的相互作用机制。