基于生态系统服务价值的生态足迹计算与分析*——以玛纳斯河流域为例

李鹏辉，张茹倩，徐丽萍

（石河子大学理学院，新疆石河子 832000）

0 引言

自然资本和生态服务是人类赖以生存和现代文明得以延续的基础，是社会经济可持续发展的重要支持系统[1]。随着工业化、城镇化、全球化的快速推进，人类对于自然资源的过速消耗所带来的一系列生态环境效益缩减和区域发展瓶颈问题愈加凸显。据IPBES 全球评估报告，受气候变化和人类活动共同影响，全球正面临自然衰退“史无前例”和物种灭绝率“加速”的局面[2]。构建科学的评价方法和指标体系，充分反映区域的资源利用和生态状况已成为当前亟待解决的热点问题。生态足迹将人类发展所消耗的资源及其产生的废弃物转化为相应的生物生产性土地面积，实现了对自然资本消耗的统一性核算，为可持续评价提供了有效途径[3]。凭借其框架简明、思路清晰、操作简便的独特优势，生态足迹在不同空间尺度上都展示了良好的普适性，并被广泛地应用在生态安全[4]、生态补偿[5]、生态效率[6]、绿色发展[7]、土地优化[8]等相关领域，但该方法仍存在部分缺憾。理论层面，生态足迹理论侧重于土地的生物生产性功能，仅考虑土地初级产品供给能力，忽略了生态系统的气候调节、土壤保持、美学景观等其他服务功能；方法层面，生态足迹模型忽视了区域社会经济和地理环境的异质性，易导致间接折算误差[9]，且通用因子在局域小尺度上的适用性不佳[10]。

生态系统服务是可持续发展研究的核心内容之一，单一的生态足迹或生态系统服务价值方法均难以充分反映区域生态环境质量的实际状况[11]，如何将生态系统服务与生态足迹模型有机结合，仍在进一步探索中。闵庆文等[12]在对传统生态足迹局限性分析的基础上，提出基于生态系统服务的生态足迹概念，并构建污染足迹模型进一步完善。张义和焦雯珺等[13,14]以水生态系统为突破点，基于水生态系统的多种生态服务功能，构建了基于生态系统服务的水生态足迹。曹智等[15]认为生态系统服务是生态系统提供给人类生存和发展的限制性资源，以“生态系统—生态系统服务—人口和经济（承载力）”为研究主线，构建了基于生态系统服务的生态承载力评估模型。曹瑞芬等[16]和陈芳淼等[17]将生态服务价值引入到土地资源供需平衡研究中，并展开生态补偿和土地资源承载力评估。王恒博等[18]将生态足迹与生态服务价值法相结合，提出生态足迹-服务价值法，并对山西省县域生态承载力进行时空动态分析。朱文博等[19]基于生态系统服务足迹分析了中国省域间食物供给足迹、淡水供给足迹、固碳服务足迹的动态流动规律。郭慧等[20]基于生态系统服务价值测算了北京市门头沟区耕地、林地、水域的均衡因子和产量因子。上述研究对生态系统服务与生态足迹的结合进行了有益探索，极大地丰富了相关研究成果，但同时也存在部分缺陷，如放弃均衡因子、产量因子，只能分类比较，无法形成整体判断，或仅展开单一类型生态系统研究，无法实现对区域生态状况的统一核算。

玛纳斯河流域属典型的干旱区内陆河流域，该流域是“天山北坡经济带”和“丝绸之路”经济带核心区的重要组成部分。随着人类活动的不断增强，人工绿洲规模持续扩张，流域湿地退化严重，生态服务价值整体下降[21]，区域发展面临着巨大的现实困境及潜在的生态安全风险，亟需对该流域的生态状况进行系统评价。文章在生态足迹的模型框架下，以生态系统服务价值理论为指导思想，构建了基于生态系统服务价值的生态足迹模型，对玛纳斯河流域的生态足迹进行统一核算，以期为流域的社会经济发展和绿洲生态稳定提供参考依据，同时有助于进一步完善和补充基于生态系统服务的生态足迹模型研究。

1 研究区与数据

1.1 研究区概况

玛纳斯河流域地处天山北麓中段、准噶尔盆地南缘，地理位置处于43°05′N～45°58′N，85°01′E～86°32′E，行政区划上包括石河子市、玛纳斯县、沙湾县、兵团第六师的新湖总场以及克拉玛依市的小拐乡等（图1）。流域发育有干旱区典型的“山地—绿洲—荒漠”生态系统，上游山区是流域的集水汇流区和水源涵养地，中游绿洲区是流域水土资源的精华，抚育了89.4 万人，创造的经济总值年均增长12.4%[22]，下游荒漠区约占流域总面积的1/3。该流域灌溉农业发达，是新疆重要的商品棉和粮食生产基地，但长期以来农业用水严重挤占工业、生活和生态用水，进一步加剧了流域水资源的供需矛盾，同时也诱发了湿地退化、盐渍化扩大、生态服务价值下降等生态环境效应[23,24]。21世纪以来，玛纳斯河流域工业化和城镇化发展进入快速阶段，人类干扰活动愈加强烈，绿洲规模持续扩张，土地利用类型转换复杂，荒漠化与绿洲化演替频繁[25]，目前该流域已成为我国典型的生态脆弱区[26]。总体而言，玛纳斯河流域是一个生态单元完整、经济发展快速而潜在生态安全风险巨大，且相对独立的干旱区内陆河流域。

图1 研究区概况

1.2 数据来源及处理

该研究采用的数据主要包括玛纳斯河流域土地利用数据和社会经济统计数据两类，前者主要用来测算流域的生态承载力，后者主要用来测算模型参数和流域生态足迹。流域土地利用数据来源于中国科学院资源环境科学数据中心（数据获取地址：http://www.resdc.cn/），空间分辨率为30m，结合流域景观特征和研究需要，依据“中国土地利用/土地覆盖遥感监测数据分类系统”对2000年、2005年、2010年、2015年、2018 年研究区的土地利用类型进行重分类，分为耕地、林地、草地、水域、建设用地和未利用地6类。在均衡因子和产量因子计算过程中，全国不同生态系统的当量因子采用谢高地等的研究成果[27]，全国粮食作物的种植和生产数据来自《中国统计年鉴》，各类粮食作物的价格来自于相应年份的《中国农产品价格调查年鉴》。流域生态足迹的核算内容及社会统计基础数据来源见表1。

2 研究方法

2.1 基于生态系统服务价值的生态足迹模型

2.1.1 生态足迹模型

生态足迹的核心思想是将区域发展消耗的资源及排放的废弃物转化为一定面积的生物生产性土地，进而从供需两个层面的比较来判断区域可持续发展状况[28]。虽然有效地测度了人类对自然环境的生态占用状况，但忽略了土地的多功能性，无法体现资源消耗所带来的生态服务功能变化，难以精准追踪生态系统服务价值的流动过程[29]。因此，该文基于生态足迹和生态系统服务价值两大理论，构建了基于生态系统服务价值的生态足迹模型（图2）。此时，生态足迹反映生态系统的需求，表示为维持一个区域人类生存和发展所需要的具有完整生态服务功能的地域面积；生态承载力反映生态系统的供给，表示一个区域能够提供给人类社会发展的各类生态系统面积总和。

图2 基于生态系统服务价值的生态足迹模型框架

式（1）（2）（3）中，EF表示生态足迹，N为区域人口数量，ef为人均生态足迹，ri为第i类生态系统的均衡因子，aai为人均占用交易商品折算后的第i类生态系统面积，EC表示生态承载力，ec为人均生态承载力，ai为实际人均占有的第i类生态系统面积，yi为第i类生态系统的产量因子，ER表示生态盈余，ED表示生态赤字。当EC＞EF时，表示生态系统服务供给能力＞耗损能力，区域处于生态盈余状况，EC-EF=ER；当EC＜EF时，表示生态系统服务供给能力＜耗损能力，区域处于生态赤字状况，EC-EF=ED。

2.1.2 均衡因子

在生态足迹测算过程中，由于不同类型生物生产性土地的生产能力不同，无法直接比较，因此通过均衡因子将其转化为同一生产性质的土地面积，进行统一核算。在基于生态系统服务价值的生态足迹框架中，均衡因子表示某一生态系统类型的生态服务能力与区域所有生态系统的平均生态服务能力的差异，可由研究区某一生态系统类型单位面积提供的生态系统服务价值与该区域所有生态系统类型平均单位面积所能提供的生态系统服务价值的比值表示[20]。计算公式为：

式（4）中，Pi为研究区第i类生态系统单位面积的生态系统服务价值量，单位：元/（hm2·年）为研究区所有生态系统单位面积的平均生态系统服务价值量，单位：元/（hm2·年）；Dt为t年度研究区1个标准当量因子的生态系统服务价值量，单位：元/hm2；Fi为研究区第i类生态系统的服务价值当量因子之和；Si为研究区第i类生态系统的面积，单位：hm2。

2.1.3 产量因子

在生态承载力测算过程中，由于同一生物生产性土地在不同区域之间的生产能力存在差异，因此通过产量因子的桥梁作用，使区域之间的生物生产性土地面积具有可比性。在基于生态系统服务价值的生态足迹模型中，产量因子表示区域某一生态系统类型的生态服务能力与全国同类生态系统的平均生态服务能力的差异，可由研究区某一生态系统类型单位面积提供的生态系统服务价值与全国同类的生态系统平均单位面积所能提供的生态系统服务价值的比值表示[20]。计算公式为：

式（5）中，为全国第i类生态系统单位面积的生态系统服务价值量，单位：元/（hm2·年）；为t年度全国1 个标准当量因子的生态系统服务价值量，单位：元/hm2；为全国第i类生态系统的服务价值当量因子之和；Pi、Dt、Fi含义同上。

2.2 单位面积生态系统服务价值测算

依托谢高地等[27]提出的中国单位面积生态系统服务价值当量因子，借鉴已有相关成果，结合干旱区内陆河流域不同土地类型的生态系统特征和绿洲实际生产活动状况，修正了玛纳斯河流域的单位面积生态系统服务价值当量因子表（表2）。由于玛纳斯河流域年均降水量不足200mm，蒸散量高达1 521mm[30]，水文调节能力显著低于全国平均水平[31]，同时流域冰川积雪面积达6.76×104hm2，占水域面积的33.26%（冰川积雪的水文调节当量仅7.13[27]），结合朱增云等[32]的研究成果，最终将研究区水域的水文调节当量确定为44.53。谢高地等[33]提出将单位面积农田生态系统粮食生产的净利润作为1 个标准当量因子的生态系统服务价值量，但查阅《全国农产品成本收益资料汇编》发现部分年份（如2016年、2017年和2018年）粮食生产净利润为负值，导致该方法失效。且已有研究表明，没有生产力投入的自然土地利用/覆被类型生态系统所提供的服务价值是现有农田单位面积所能提供的食物生产价值的1/7[34,35]。因此标准当量因子的生态系统服务价值量可由下式得到：

式（6）（7）（8）中，Dt为t年度1个标准当量因子的生态系统服务价值量，j为粮食作物种类，mj为第j类粮食作物的播种面积，单位：hm2；pj为第j类粮食作物的价格，单位：元/kg；qj为第j类粮食作物的单位面积产量，单位：kg/hm2；Mt为t年度n种粮食作物的总播种面积。Fi为第i类生态系统的服务价值当量因子之和，eik表示第i类生态系统的第k种生态服务价值的当量因子（表2）。Pi为第i类生态系统单位面积的生态系统服务价值量。

表2 玛纳斯河流域单位面积生态系统服务价值当量因子

2.3 敏感性指数

基于生态系统服务价值的生态足迹模型中均衡因子和产量因子的确定均与研究区单位面积生态系统服务价值的当量因子有关，为反映测算结果对当量因子的依赖程度，该文引入基于经济学中弹性系数的敏感性指数（Coefficient of Sensitive，CS）分析方法[36]，用两个变量变动的比率，来验证当量因子对生态足迹测算结果的影响程度。

式（9）中，CS为敏感性指数，Y为生态足迹的测算结果，e为当量因子，0、1 分别表示初始值和调整50%之后的数值。当CS=0 时，表明Y对e完全无弹性；当0＜CS＜1 时，表明Y对e缺乏弹性；当CS=1时，表明Y对e单位弹性；当CS＞1时，表明Y对e富有弹性。CS值越大，说明Y对e的依赖度越高，当量因子的准确性对测算结果越关键。

3 结果与分析

3.1 玛纳斯河流域生态足迹模型参数分析

3.1.1 均衡因子

玛纳斯河流域耕地、林地、草地、水域和未利用地生态系统的均衡因子存在年际差异，均是在2015年达到最高值，在2000 年处于最低值，但总体波动幅度不大（表3）。世界自然基金会（WWF）发布的《Living Planet Repot 2012》中将能源用地定义为“用于吸收化石能源燃烧排放的温室气体的森林”[37]，但实际上草地和耕地也同样具有碳汇功能，考虑到玛纳斯河流域林地仅占总面积的4%左右，若仅以林地为测算对象，难以反映流域实际情况，因此能源用地的均衡因子平均值由林地、草地和耕地按比例确定为1.39。随着城镇化的快速发展，建设用地多由耕地转入，因此建设用地的均衡因子选取与传统模型一样，由耕地数值代替。各类生态系统的均衡因子平均值按照大小排序为：水域（16.87）＞林地（4.62）＞能源用地（1.39）＞草地（1.37）＞耕地（1.07）=建设用地（1.07）＞未利用地（0.30）。其中水域和林地的均衡因子显著高于其他土地类型，这与干旱区内陆河流域的资源禀赋特征密切相关，充分体现了水资源和森林资源对于绿洲生态稳定和可持续发展的重要意义。

表3 2000—2018年玛纳斯河流域不同生态系统的均衡因子

3.1.2 产量因子

玛纳斯河流域耕地、林地、草地、水域和未利用地生态系统的产量因子存在年际差异，其中耕地的波动幅度最大，未利用地的波动幅度最小（表4）。由于自然系统中没有专门用来生产能源的土地，传统生态足迹模型将能源用地的产量因子确定为0，建设用地的产量因子则由耕地数值代替[38]。为使核算内容完整统一，该研究对能源用地和建设用地产量因子的处理方法与传统生态足迹模型保持一致。各类生态系统的产量因子平均值按照大小排序为：耕地（1.42）=建设用地（1.42）＞水域（1.31）＞林地（1.04）＞草地（0.95）＞未利用地（0.45），可以发现耕地、水域和林地生态系统单位面积的生态服务价值高于全国水平，而草地和未利用地则低于全国平均水平。其主要原因是玛纳斯河流域是新疆重要的商品棉和粮食生产基地，粮食单产较高于全国平均水平，从而引起标准当量因子值较高。对比发现，各类生态系统产量因子的最大值出现在2005年，最小值出现在2015年。这主要与两个年份标准当量因子的生态系统服务价值量有关，受作物收成和市场价格影响，2005 年玛纳斯河流域的标准当量因子数值是全国的1.6倍，而在2015年是1.2倍。

表4 2000—2018年玛纳斯河流域不同生态系统的产量因子

3.2 玛纳斯河流域生态足迹测算结果分析

3.2.1 玛纳斯河流域生态赤字呈扩大之势

由于流域和全国的单位面积生态系统服务价值均存在年度波动，难以厘清两种变动对产量因子的具体贡献，为避免可能导致的“生态足迹幻觉”，该研究用均衡因子和产量因子的多年平均值对玛纳斯河流域的生态足迹和生态承载力进行测算。结果显示，玛纳斯河流域生态足迹持续增加，生态承载力波动变化，可持续状态由生态盈余转为生态赤字，且生态赤字呈扩大之势（图3）。流域生态足迹在2000—2018 年呈增加趋势，由2000 年的2.58×106hm2增加到2018 年的11.25×106hm2，增长速度达0.48×106hm2/年；而生态承载力则呈波动变化趋势，在均值3.68×106hm2附近波动，变化幅度在-0.41×106～0.49×106hm2，最高值出现在2005 年，为4.18×106hm2，最低值出现在2015 年，为3.27×106hm2；流域2000年处于生态盈余（0.95×106hm2），之后进入生态赤字状况，2018 年赤字高达-7.49×106hm2，年均增速为-0.47×106hm2/年。从人均水平来看，玛纳斯河流域的人均生态足迹稳定增加，由2000 年的3.76hm2/人增加至2018年的12.59hm2/人，18年间增加了2.35倍；而人均生态承载力呈现波动变化，最高值出现在2005年为5.99 hm2/人，最低值出现在2015 年为3.88 hm2/人，总体上呈略有下降的趋势，由2000 年的5.14 hm2/人下降至2018 年的4.21 hm2/人；人均生态赤字快速扩大，由2000 年的生态盈余（1.38 hm2/人）增大到2018年的-8.38 hm2/人，年均扩张速度达-0.54 hm2/（人·年）。其中，生态足迹的变化主要受人口增长和经济高速发展影响较大，而生态承载力的变化则与流域的耕地扩张和造林活动关系密切。

图3 2000—2018年玛纳斯河流域生态足迹与生态承载力

3.2.2 玛纳斯河流域生态足迹呈不均衡变化

玛纳斯河流域生态足迹和生态承载力均呈现不均衡变化（表5）。生态足迹各组分差异悬殊，各地类对流域生态足迹总量的平均贡献率依次为：草地（54.71%）＞能源用地（30.34%）＞耕地（8.16%）＞水域（4.27%）＞林地（1.51%）＞建设用地（1.01%）；变化趋势上，除林地、能源用地在2010 年有所下降随后上升外，其余类型的生态足迹均呈现出逐年增加的趋势，各类型生态足迹增长速度依次为：草地（33.54×104hm2/年）＞能源用地（9.94×104hm2/年）＞耕地（2.26×104hm2/年）＞水域（1.82×104hm2/年）＞林地（0.38×104hm2/年）＞建设用地（0.22×104hm2/年）。生态承载力各组分变化差异较大，水域和草地的生态承载力呈下降趋势，下降速度分别为3.55×104hm2/年和0.25×104hm2/年；耕地持续增加，增长速度达3.92×104hm2/年；林地和建设用地在2010 年略有下降随后上升，增长速度分别为0.68×104hm2/年和0.33×104hm2/年；未利用地呈波动变化，总体增加速度为0.16×104hm2/年。各土地类型对流域生态承载力总量的贡献能力也不相同，以2018 年为例，耕地（37.39%）＞草地（29.46%）＞水域（13.06%）＞林地（11.13%）＞未利用地（5.83%）＞建设用地（3.13%）。

表5 2000—2018年玛纳斯河流域生态足迹与生态承载力计算结果 万hm2

3.3 玛纳斯河流域生态足迹敏感性指数分析

玛纳斯河流域基于生态系统服务价值的生态足迹测算结果对当量因子比较敏感，尤其是各土地利用类型的生态赤字对当量因子的准确性依赖度较高。计算结果显示：生态足迹的敏感性指数为0，生态承载力的敏感性指数为1，生态赤字的敏感性指数逐渐降低，由2000 年的1.78 下降至2018 年的0.26（图4），即在当量因子变化1%时，生态足迹未发生变化，生态承载力增加或减少100%，生态赤字的变化量则呈递减趋势，由2000 年的变化178%下降到2018 年的变化26%。表明生态足迹对当量因子完全无弹性，生态承载力对当量因子为单位弹性，生态赤字对当量因子的敏感度在下降，在2000 年富有弹性，在2005年、2010年、2015年和2018年缺乏弹性。不难发现，这一结果主要是由计算原理决定的，由式（4）（5）可知当各土地利用类型的当量因子调整一定比例时，该地类的均衡因子并未改变，而产量因子却发生相同比例变化，因而生态足迹值没有变化，生态承载力同比例变化。由图3可知流域生态足迹持续增加，生态承载力基本不变，二者差距持续拉大，生态承载力发生100%的变化对生态赤字的影响逐渐减弱，因此生态赤字的敏感性指数呈下降趋势。

图4 2000—2018年玛纳斯流域生态足迹、承载力、赤字的敏感性指数分析

对各地类生态赤字的敏感性指数进行计算发现，除草地的敏感性指数在2010年、2015年和2018年低于1 外，其他类型始终≥1，表明各土地利用类型的生态赤字对当量因子富有弹性（图5）。从变化趋势上看，水域呈显著上升趋势，由1.16上升至41.80；耕地呈缓慢增加趋势，由1.78增至2.02；林地基本不变，在均值1.37 附近波动，波动范围在-0.14～0.09；建设用地在均值3.62 附近呈波动变化，波动幅度为-40.5%～27.0%；草地的敏感性指数呈下降趋势，由3.03 下降至0.19；未利用地始终为1。由于能源用地只产生生态足迹，未利用地只提供生态承载力，合计流域总体生态盈亏时，易将不同地类间生态盈余与赤字进行抵消，因而导致总生态赤字对当量因子的敏感性低于各地类生态赤字对当量因子的敏感性。

图5 2000—2018年玛纳斯流域各地类生态赤字的敏感性指数分析

4 结论与讨论

4.1 结论

（1）玛纳斯河流域的均衡因子和产量因子均存在年际差异，均衡因子在2015 年达到最高值，在2000年处于最低值，产量因子的最大值出现在2005年，最小值出现在2015年，从多年平均值看，水域的均衡因子最高，达16.87，耕地的产量因子最高，为1.42，而未利用地的均衡因子和产量因子均最低，分别为0.30和0.45。

（2）玛纳斯河流域生态赤字不断扩大，区域发展面临的生态压力持续增大，18 年间流域生态足迹增加了3.35 倍，而生态承载力无显著变化，生态赤字年均增速为-0.47hm2/年。其中，生态足迹呈明显的不均衡增长，草地和能源用地对流域生态足迹贡献率最高，分别为54.71%和30.34%，二者的生态足迹增速同样最快，分别为33.54×104hm2/年和9.94×104hm2/年。

（3）玛纳斯河流域基于生态系统服务价值的生态足迹测算结果对流域单位面积生态系统服务价值当量因子比较敏感，受计算方法影响，生态足迹敏感性指数为0，生态承载力敏感性指数为1，生态赤字的敏感性指数不断下降，在各类型的生态赤字敏感性指数中，除草地敏感性指数下降至0.19，未利用地为1外，其余类型敏感性指数均大于1。因此研究区域生态服务价值当量因子的准确性对生态足迹测算结果尤其是在揭示地类差异方面起关键作用。

4.2 讨论

4.2.1 与传统生态足迹模型的比较

将该研究测算的模型参数平均值与国家参数和省域参数相比，发现存在明显差异（图6）。其中国家参数来自于全球生态足迹网（Global Footprint Network）2017 年发布的《Working Guidebook to the National Footprint Accounts》数据[39]，省域参数来自于刘某承等基于净初级生产力对新疆均衡因子和产量因子的测算结果[38,40]。就均衡因子而言，水域的均衡因子高达16.87，远远高于国家参数和省域参数；林地和草地的均衡因子均高于国家参数和省域参数，分别为4.62和1.37；能源用地的均衡因子高于国家参数而低于省域参数，为1.39；耕地和建设用地的均衡因子均低于国家参数和省域参数，均为1.07；未利用地的均衡因子为0.30。该结果主要与测算方法有关，基于生态系统服务价值获得的均衡因子反映的是区域不同土地类型的生态服务能力差异，而传统生态足迹模型的均衡因子反映的是区域不同土地类型的生物生产能力差异。干旱区内陆河流域水域的生态服务功能显著，而生物资源产品提供能力相对较弱，因而基于生态系统服务能力的均衡因子较高，而基于生物生产能力的均衡因子较低。传统模型中国家参数的水域均衡因子约为该研究中水域均衡因子的1/48，这一数值与郭慧等[20]的研究结果相近。就产量因子而言，耕地、建设用地和水域的产量因子均高于国家参数和省域参数，分别为1.42、1.42和1.31；林地的产量因子略高于省域参数而低于全国参数，为1.04；草地的产量因子明显高于省域参数而低于全国参数，为0.95；未利用地的产量因子为0.45。基于生态系统服务价值获得的产量因子中，耕地的产量因子与国家参数较接近，林地的产量因子与省域参数近似，表明耕地的生态服务价值与其生产力相关，而林地的生态服务价值与其净初级生产力密切相关。

图6 与传统生态足迹模型因子对比

基于生态系统服务价值的玛纳斯河流域生态足迹测算结果与国家参数和省域参数的测算结果相比，生态足迹显著高于省域参数和国家参数的测算结果；生态承载力高于省域参数，而与国家参数的测算结果近似，在2000 年、2005 年和2010 年略高于国家参数的测算结果，在2015 年和2018 年略低于国家参数的测算结果；生态赤字在2000年和2005年高于国家参数的测算结果而低于省域参数的测算结果，在2015年和2018 年略高于省域参数的测算结果而低于国家参数的测算结果（图7）。从平均值上看，该研究测算的流域生态足迹是国家参数的1.60 倍，是省域参数的1.24 倍，生态承载力是国家参数的1.02 倍，是省域参数的2.20倍；生态赤字是国家参数的3.81倍，是省域参数的0.85倍。对比已有研究成果[41]，该研究的测算结果符合流域生态服务功能的实际变化。

图7 2000—2018年不同参数下玛纳斯河流域生态足迹测算结果对比

4.2.2 方法内涵与结果指引

相较于传统的生态足迹模型，该文构建的基于生态系统服务价值的生态足迹模型具有以下优势。

（1）强调了生态系统服务功能的多样性。传统生态足迹模型的均衡因子和产量因子是由各地类生物生产性能力决定，仅考虑了土地的粮食生产和原材料供给的初级功能；而该研究模型中的均衡因子和产量因子是由生态系统服务价值决定，完整地考虑了不同土地利用类型的多种生态系统服务功能。

（2）生态承载力核算内容更加丰富准确。传统的生态足迹模型依据世界环境与发展委员会（WCED）的建议[42]，生态承载力需扣除12%的生物多样性保护面积，由于不同区域生境质量差异明显，这种“一刀切”的笼统做法，难以准确反映区域实际承载能力，而该研究模型中已对生物多样性保护功能进行核算，因此无需再次扣除。此外，传统生态足迹模型忽略了荒漠、沼泽等未利用地的生态供给能力，而对于西北干旱区而言，荒漠面积辽阔，其生态服务能力不容忽视，该研究模型将未利用地纳入生态承载力的测算对象，使结果更加合理客观。

（3）模型参数本地化，增强了普适性。由于区域气候、地形、生物生产力等不同，传统生态足迹模型中的全球或全国的因子难以真实反映小尺度（特定区域）的生态状况[43]，而该研究模型参数是根据研究区各类生态系统的服务价值确定，有效解决了这一问题，同时也使得区域间的测算结果具有直接可比性。

基于生态系统服务价值的生态足迹模型可量化人地系统间生态资产的供需情况和可持续程度，有助于揭示生态系统服务价值流动规律及平衡机理，探索社会经济活动与生态服务功能的耦合关联机制，同时测算结果还可服务于生态补偿、绿洲适度规模等相关研究。该文构建的基于生态系统服务价值的生态足迹模型既反映了人类对于生物生产性土地的占用面积，也体现了区域发展对于生态系统服务功能的消耗状况，能够有效地反映区域的生态状况。然而建设用地的模型参数沿用传统生态足迹模型的处理方法，虽实现了对生态系统服务供给能力和人类对之占用程度的全面核算，但同时一定程度上也增加了测算结果的不确定性。因此，未来对于模型中建设用地的均衡因子与产量因子的确定有待进一步深入研究。