大汶河流域生态系统服务时空变化及其驱动因素

摘要：探究生态系统服务的时空变化并识别主要驱动因素，对流域生态系统的保护和利用具有重要意义。采用InVEST模型从生境质量、产水量、碳储量和土壤保持等4方面对2000—2020年大汶河流域生态系统服务进行综合评价，利用Pearson系数和地理探测器探究生态系统服务间的权衡/协同关系及驱动机制。结果表明：（1）大汶河流域土地利用类型以耕地和建设用地为主，建设用地呈增加趋势，草地呈减少趋势；（2）综合生态系统服务变化较小，空间异质性明显，高值主要分布在北部泰山、中部徂徕山以及东部新泰新甫山；（3）生境质量呈变差趋势，产水量呈增加趋势，碳储量基本保持稳定，土壤保持则先减少后增加，产水量与碳储量呈权衡关系，其余生态系统服务间呈协同关系；（4）综合生态系统服务主要受年平均温度、高程和年降水量等自然环境因素的影响，受人口密度和GDP等经济社会因素影响较小。

关键词：综合生态系统服务；时空变化；InVEST模型；地理探测器；大汶河流域

中图分类号：X171" " " " 文献标志码：A" " " " 文章编号：1674-3075（2025）01-0189-14

生态系统服务包括供给、调节、支持和文化服务，是人类从生态系统中所获得的收益，是连接人类社会系统和自然生态系统的纽带（Daily，1997）。受气候变化和人类活动的双重影响，生态系统承受前所未有的压力，流域生态系统服务发生变化，且不同服务之间存在复杂的交互作用（Mccullough et al，2019）。因此，定量评价流域综合生态系统服务的时空变化特征及自然—社会因子的作用强度，对维持区域生态安全、实现人类和自然生态系统的可持续发展具有重要意义。

国内外针对生态系统服务评估开展了较多研究，Costanza等（1998）首次将生态系统服务分为水调节、水供应等17类，并采用价值当量法量化了各项服务的价值。2005年联合国千年生态系统评估项目提出了生态系统服务的评估思路，得到了国内外学者的广泛认可。早期生态系统服务评估主要以统计分析方法为主，如Zuo等（2021）对喀斯特生态优先保护区与重点恢复区的生态系统服务功能进行的研究。随着3S技术的发展，借助模型进行生态系统服务评估并实现结果的空间化和可视化，成为研究的热点，常用模型有CITYgreen（凌焕然等，2011）、SoIVES（夏哲一等，2024）和InVEST（魏培洁等，2022）等。其中InVEST模型具有模拟精度较高、数据需求较少且易获取、运行速度快等优点，应用最为广泛。例如庞彩艳等（2024）采用InVEST模型探究黄河上游流域生态系统服务变化及其权衡协同关系，任胤铭等（2023）结合FLUS-InVEST模型分析了京津冀土地利用变化对生态系统服务的影响，赵雪雁等（2021）、余昊轩等（2024）分别在黄土高原和湖北省进行了类似研究。鉴于InVEST模型的优点和广泛应用性，本研究选用该模型进行生态系统服务综合评估及驱动因子识别。

目前国内已有研究多集中在流域（张亚丽等，2024；Hu et al，2024）和区域（Liu et al，2023；王培家等，2024）尺度，流域尺度上多针对黄河（Zhang et al，2023a；王奕淇和孙学莹，2024）和长江（牛丽楠等，2024；Chen et al，2024）等大型流域，区域尺度多以市域（Zhou et al，2024）、省域（Zhang et al，2023b）等为研究对象，流域尺度的气候条件、地形地貌和水文循环关系更为密切，相对于区域尺度，各项生态系统服务之间的权衡/协同关系更加显著，进行流域生态系统服务评估更加准确，且更能反映其时空变异性。大汶河流域作为黄河下游的最大支流，关乎黄河流域生态保护和高质量发展的推动。自2000年以来，流域内农业活动频繁，建设用地扩张明显，人地矛盾突出，流域生境破坏严重，极大制约了生态系统服务的稳定供给，目前该流域研究多为生态补偿适度标准（赵晶晶等，2023）和健康评价，生态系统服务评估关注较少。作为耕地和建设用地为主的强人类干扰流域，其生态系统服务与其他流域存在明显的区域差异。基于此，本研究以2000、2010和2020年土地利用数据为基础，采用InVEST模型对流域生态系统服务进行综合评估，分析生态系统服务间的权衡/协同关系，并探究自然环境和经济社会因素的影响，为流域生态保护政策制定与安全格局构建提供参考。

1" "材料与方法

1.1" "研究区概况

大汶河流域位于山东省中部（图1），发源于山东沂源县境内，自东向西流经莱芜、新泰、岱岳、东平等区县，干流长209 km，流域面积8 633 km2，河段落差362 m。上游和中游以泰安大汶口为分界，东平县戴村坝以下为下游，称为大清河。流域属暖温带大陆性半湿润季风气候区，季节分明，降水年际变化较大，多年平均温度13.94 ℃，多年平均降水量772.99 mm，降水主要集中在6—9月，地势东高西低，以丘陵、山地为主（张芹，2006）。流域分布有大量耕地及岱岳区、钢城区、新泰市等多个县级以上城市，还建有雪野水库和戴村坝等多座水利工程，人类活动强烈，土地开发利用强度高。受此影响，流域内出现各种生态环境问题，包括生境破坏严重、水资源短缺、水环境质量不稳定、土壤保持能力差等，生态环境健康状况一般（张亚欣等，2024）。

1.2" "数据来源

本研究需要的数据主要包括土地利用、地形、气候、归一化植被指数（normalized difference vegetation index，NDVI）、土壤、人口密度和国内生产总值（GDP）等，数据系列分别为2000、2010和2020年，数据来源及数据精度如表1所示，所有数据投影坐标统一转换为WGS_1984_UTM_zone_50N，驱动因子数据采用最邻近分配法重采样为1 000 m空间分辨率。

1.3" "土地利用转移矩阵

土地利用转移矩阵可以反映区域某一时段初期和末期的土地类型变化情况，能直观了解初期转出和末期转入的变化情况。根据土地利用转移矩阵结果，使用Origin 2022制作土地利用转移演变图。

1.4" "生态系统服务评估

生境质量反映了区域生境的破碎程度和生境退化的抗干扰能力，产水量在径流调节和维持水文循环等方面发挥重要作用，碳储量是对流域碳循环过程的定量研究，土壤保持在减少土壤侵蚀和防止土地退化等方面具有积极作用，目前研究多从以上4个方面评价生态系统服务。结合研究区生态环境特点和数据的可获取性（王琦琨，2023；梅子钰等，2024），采用InVEST模型中生境质量、产水量、碳储量和土壤保持等4个模块分别进行评估，计算原理如下。

1.4.1" "生境质量" "不同土地利用类型具有不同的生境适宜度，根据研究区土地利用分布情况和已有研究（王琦琨，2023），生境质量模块选取耕地、城镇用地、农村用地、交通用地等4个因子构成威胁因子表，计算生境质量指数，公式如下：

式中：Qj，x为土地利用类型j中栅格单元x的生境质量指数；Hj为土地利用类型j的生境适宜度；Dj，x为土地利用类型j中栅格单元x的生境退化度；k为半饱和常数；z为归一化常量。生境质量指数位于0～1，数值越大，表示生境越好，本研究将生境质量分为5类，其中[0，0.2]，（0.2，0.4]，（0.4，0.6]，（0.6，0.8]和（0.8，1.0]分别代表低、较低、中等、较高和高生境质量。

1.4.2" "产水量" "产水量模块利用降水量、蒸散量、植物有效含水量和土地利用等数据计算，公式如下：

式中：Y为年产水量，PET，A为年实际蒸散量，P为年降水量，PET为潜在蒸散量，PET，0为参考植被蒸散量，单位均为mm；Kc为作物蒸散发系数；CAW为植物可利用含水量，单位为mm；ω为经验参数；Z为经验常数。

1.4.3" "碳储量" "碳储量模块根据地上生物碳、地下生物碳、土壤碳、死亡有机碳综合评估，公式如下：

[Ctot=Cabove+Cbelow+Csoil+Cdead] ⑥

式中：Ctot为总碳储量，Cabove为地上生物碳储量，Cbelow为地下生物碳储量，Csoil为土壤碳储量，Cdead为死亡有机碳储量，单位均为t/hm2。本文碳密度数据参考前人相关研究成果（秦慧颖，2022），并结合研究区进行了修正，获取研究区不同土地利用类型碳密度数据（表2）。

1.4.4" "土壤保持" "土壤保持模块通过土壤流失方程来评估土壤保持能力，基于降水侵蚀因子、土壤可蚀性因子、土地利用等分别计算潜在土壤侵蚀量和实际土壤侵蚀量，计算公式如下：

[RKLS=R×K×LS] ⑦

[USLE=R×K×LS×C×P] ⑧

[SD=RKLS−USLE] ⑨

式中：RKLS为土壤潜在侵蚀量，USLE为土壤实际侵蚀量，SD为土壤保持量，单位均为t/hm2；R为降雨侵蚀力因子，单位为（MJ·mm）/（hm2·h·a）；K为土壤可蚀性因子，单位为（t·h）/（MJ·mm）；LS为坡度坡长因子；C为植被覆盖和管理因子；P为水土保持措施因子；模型参数设置参考前人研究（庞彩艳等，2024）。

1.4.5" "综合生态系统服务指数" "为综合评估大汶河流域生态系统服务水平，本研究采用加权平均法构建了综合生态系统服务指数（comprehensive ecosystem service index，ICES）（Laterra et al，2012；Pan et al，2013；Wu et al，2017）公式如下：

式中：ICES，j为第j年的综合生态系统服务指数，指数位于0～1，指数越大表明生态系统服务越强；n为生态系统服务的种类数；wi为第i种生态系统服务的权重；Sij为第j年第i种生态系统服务的归一化值；参考前人研究（任胤铭等，2023）结合研究区情况，确定各项生态系统服务的权重均为0.25。

1.5" "生态系统服务权衡与协同

采用Pearson相关性分析衡量各项生态系统服务之间的权衡协同关系。

式中：R为相关系数，X、Y分别为2个生态系统服务，i为栅格单元，N为栅格单元数量，Xi、Yi为栅格单元i的生态系统服务值，[X]和[Y]分别为X和Y的均值；若Rgt;0，表示两项生态系统服务之间为协同作用，若Rlt;0，则表示为权衡作用，且相关系数的绝对值越大，表明相关性越强（王耕和冯妍，2024）。

同时，双变量局部空间自相关可以揭示生态系统服务之间的权衡/协同关系的空间聚集程度（钱彩云等，2018），主要借助Geoda软件进行。

1.6" "冷热点分析

为更好反映不同生态系统服务的空间异质性，采用热点分析（Getis-Ord Gi*）识别具有统计显著性的热点和冷点区域，主要计算公式如下：

式中：Gi*为Getis-Ord统计值；Wij为斑块i和j间的空间权重；Z为Gi*的标准化数值；E为数学期望；Var为方差，本研究采用Z值和P值进行统计显著性检验，Zgt;0且越高，表示目标对象的高值聚类越紧密，即为热点区，Zlt;0且绝对值越高，表示目标对象的低值聚类越紧密，即为冷点区，参考赵筱青等（2022）的研究，具体分类见表3。

1.7" "地理探测器驱动因子

本研究以综合生态系统服务指数为因变量，为探究地形和气候等自然因素和人类活动等因素对生态系统服务产生的影响，以自然环境和经济社会因子为自变量，采用地理探测器识别影响综合生态系统服务的主要驱动因子。结合研究区情况和已有文献（廖钟淇等，2024；梅子钰等，2024；王佳琪等，2024），自然环境因子选择高程（X1）、坡度（X2）、年平均气温（X3）、年降水量（X4）和归一化植被指数（NDVI、X5），经济社会因子选择人口密度（X6）和国内生产总值（GDP、X7）。具体计算方法详见参考文献（王劲峰和徐成东，2017）。

2" "结果与分析

2.1" "生态系统服务时空变化特征

2.1.1" "土地利用变化" "耕地是大汶河流域的主要土地利用类型，约占总面积的59.58%。2000—2020年间，耕地、林地和草地呈现减少趋势，耕地和林地减少幅度较小，草地由11.49%减少到8.96%，建设用地由11.08%增加到17.13%。根据土地利用转移演变（图2），2000—2010年各土地利用类型变化较大，减少的草地多数转变为耕地，转移面积为182.22 km2，而耕地多数转变为建设用地，转移面积为616.77 km2，其他土地利用类型相互转移幅度不大。

2.1.2" "生态系统服务时空分布特征" "从空间分布来看，2000—2020年各项生态系统服务存在明显的空间异质性，且空间分布格局基本一致（图3）。高值区均集中于流域东北部的泰山至雪野湖、中部的徂徕山、东部的新泰新甫山和莱芜莲花山区域。低值区主要分布在泰安市岱岳区、肥城区、新泰市等，人类活动强烈，生境质量最差。

2000—2020年各项生态系统服务呈现不同的变化规律（图3和图4），其中生境质量整体呈现变差趋势，68.16%的区域生境质量变差。产水量由2000年的6×108 m3增加到2020年的19.2×108 m3，增加区域主要位于流域中上游。碳储量比较稳定，基本维持在9.19×107 t。2000、2010和2020年土壤保持量分别为3.22×108、2.86×108和4.33×108 t，整体呈现先减少后增加的趋势，2000—2020年除下游小部分区域，大部分区域均呈增加趋势。

2.1.3" "综合生态系统服务时空变化" "大汶河流域综合生态系统服务整体较差（图5和图6），2000、2010和2020年ICES均值分别为0.281、0.285和0.297，整体上看，东南部、北部泰山等山区的ICES呈增加趋势，而西北部、泰山南部及东北部等以城镇中心为主的ICES呈减少趋势。

从空间分布来看，大汶河北部泰山及其群落、中部徂徕山和新泰新甫山ICES较高，这些地区多为山区，海拔较高，林地和草地分布广泛，人类活动干扰较小。其余地区密集分布在东平、肥城、新泰、岱岳区、钢城区等城镇，受人类活动影响较大，综合生态系统服务功能较差。

2.2" "生态系统服务权衡与协同关系

Pearson分析结果（图7）显示，生境质量与碳储量、生境质量与土壤保持、碳储量与土壤保持均呈显著协同关系（P≤0.01），其中生境质量和碳储量为强协同作用，产水量与碳储量为权衡关系，2020年产水量与生境质量呈微弱权衡关系。

由图8可知，生态系统服务间权衡/协同关系空间异质性显著。2000—2020年， 生态系统服务在泰山、徂徕山和新泰新甫山区域均为高—高协同关系。生境质量、产水量和碳储量3种生态系统服务与土壤保持在空间上主要为低—低协同关系，表现在流域下游、泰山和徂徕山之间。在泰山南部和新泰新甫山周围等城镇区域，生境质量—产水量为低—高权衡关系，产水量—碳储量为高—低权衡关系。

2.3" "生态系统服务热点分析和聚类分析

2000—2020年生境质量热点区（图9）主要位于流域东北部泰山、莱芜雪野湖、中部徂徕山和东部新泰新甫山等山区，冷点区主要集中分布在泰安、莱芜等城镇区域，生境质量较差。产水量热点区由2000年的10.43%增加到2020年的15.65%，分布格局与生境质量相似，冷点区域面积占比呈增加趋势，2000和2010年分布较为零散，但2020年集中分布在上游莱芜市和下游大部分区域。碳储量和土壤保持的热点区域面积较小，主要分布在中部徂徕山及东北部泰山区域，大部分区域不显著。

2000—2020年生境质量高—高聚集区和低—低聚集区较多（图10），高—高聚集区集中在泰山、徂徕山和新泰新甫山等区域，低—低聚集区集中在泰安、莱芜等城镇区域。碳储量呈现类似分布格局。产水量2000—2010年均为高—高聚集区，且多集中在上游，2020年出现低—低聚集区，主要分布在下游和东北部。土壤保持2000—2020年聚集分布较稳定，均为高—高聚集区，分布在泰山等地区。

2.4" "生态系统服务驱动因素

2.4.1" "不同生态系统服务驱动因素" "通过地理探测器分析得到单因子对各生态系统服务功能的解释力（图11），不同环境因子对生境质量、碳储量和土壤保持的影响相似，均以高程和年平均气温为主要解释因子，其次是年降水量，人口密度和国内生产总值解释力较低。其中，人口密度对生境质量的解释力随着时间变化逐渐减弱，年降水量对产水量的解释力随时间变化逐渐增强。各环境因子交互后的解释力均有提升（图11），但提升程度存在差异，依旧以单因子解释力较大的因子为主。

2.4.2" "综合生态系统服务驱动要素" "地理探测器结果（图12）表明，高程、年平均气温和年降水量对大汶河流域综合生态系统服务功能空间异质性的解释率最高，是影响综合生态系统服务的主要驱动因子。其他因子的影响在不同年份存在一定的差别，2000—2020年间，人口密度解释力逐渐减弱，国内生产总值先增强后减弱，二者解释力之和分别为0.2、0.24和0.07，表明人类活动对综合生态系统服务影响先增强后减弱，是次要影响因子。

双因子交互后解释力均变大（图12），2000年和2010年的各因子交互作用呈现基本相同的规律，高程、年平均气温和年降水量与其他因子交互后对综合生态系统空间分布具有较强解释力，人口密度和国内生产总值的单因子解释力均不高，但与高程、年平均气温等自然环境因子交互后，解释力达到0.39以上，表现为非线性增强。研究区综合生态系统服务受自然环境因子和经济社会因子的相互作用影响，随着经济社会发展逐渐稳定，地形、气温、降水等自然环境因子对该流域生态系统服务功能的空间分布格局发挥决定性作用，人口密度和经济发展对生态系统服务功能的影响逐渐变小。

3" "讨论

3.1" "生态系统服务时空变化

大汶河流域各项生态系统服务呈现显著的空间分布格局，且与流域内土地利用类型和植被覆盖具有密切的联系（杨晓楠等，2015）。流域内泰山、徂徕山和新泰新甫山等是各项生态系统服务功能的高值区，该区域林地和草地分布密集，植被覆盖度高，促进了碳储存（Wei et al，2022），有效减少了土壤侵蚀（王晓峰等，2023），人类活动相对较少，生境质量、碳储量和土壤保持等服务较好。降水和潜在蒸散量是影响产水量的主要因素，大汶河南支和瀛汶河所在的上游支流降水增多，潜在蒸散量有所下降，引起产水量的增加。下游区域降水相对上游较少，潜在蒸散发较大，且受流域上游水库和闸坝蓄水等的影响，产水量很少，这与庞彩艳等（2024）对黄河流域的研究结果基本一致。大汶河流域作为黄河下游最大支流且是山东省典型流域，研究其生态系统服务对流域生态安全和管理具有重要意义，研究结果显示，流域整体生态健康一般，各生态系统服务空间分布不均衡，存在较大差异。

3.2" "生态系统服务权衡/协同关系

研究结果表明生境质量、碳储量和土壤保持呈协同关系，这与已有研究结果基本一致（王耕和冯妍，2024），受植被覆盖影响，植被覆盖度高的区域生境质量高，固碳能力强，土壤保持能力强。产水量和碳储量呈权衡关系，主要是由于建设用地的增加使地表径流增加，产水量增大，而耕地、林地和草地的减少引起含碳量的减少，这与王启名等（2023）对滇池流域的研究结果一致。对于碳储存和土壤保持的关系在不同研究区有不同的结论，戴路炜等（2020）在多伦县的研究表明两者之间存在协同关系，而Egoh等（2009）在南非的研究表明这两者之间存在权衡关系，本文研究结果显示碳储量和土壤保持呈协同关系，这主要与自然环境和社会经济的差异有关，泰山、徂徕山等林地覆盖区域，碳储量高，土壤保持能力强，而对以耕地为主的大部分区域，碳储量小，受农业耕作影响，土壤保持能力较差，城镇区域多为不透水区域，碳储量和土壤保持能力关系不显著。

3.3" "生态系统服务驱动因子影响

高程、坡度等地形因子通过水热分配而影响植被分布（常学礼等，2015），Wang等（2021）、谈旭和王承武（2023）的研究也表明高程、年平均气温和年降水量对生态系统服务有重要影响，这与本文研究结果一致。除了受降水、气温等自然因素影响，闸坝蓄水、土地利用等下垫面因素对产水量也存在较大影响，因此产水量的驱动因子在不同年份之间存在较大差异，2020年降水较多，成为影响产水量的首要因子，气温等其他因子的影响相对变小。2010年流域处于城镇化快速发展时期，此时人口密度和GDP等经济社会因子的影响最明显，2000年和2020年分别处于城镇化起步和稳定阶段，经济社会因子的影响相对较小，但与高程、年平均气温等自然环境因子叠加后，交互作用的影响明显增大，表明自然环境因子仍是影响生态系统服务的主要因素，这与梅子钰等（2024）对青海湖流域的研究结果基本一致。

3.4" "生态系统服务适应性管理措施

明确流域综合生态系统服务的空间分布特征，对于流域生态系统适应性管理至关重要。研究结果表明，泰山区、钢城区和岱岳区等综合生态系统服务值较低的城镇区域，应重点建设绿化带，提升植被覆盖度，增加绿色用地。发展特色产业，优化产业结构，促进产业升级是城镇发展的未来趋势。对于以农业活动为主的区域，应减少化肥和农药的使用，推广有机农业技术，以提高土壤结构的稳定性，并改善农田灌溉措施，实现对水资源的合理利用。而在泰山和徂徕山等生态系统服务值较高的区域，发展生态旅游经济区，合理利用自然资源，保持区域生态平衡，同时实现经济效益的可持续增长。

InVEST模型允许输入研究区自然（高程、土地利用、气候等）和社会经济等数据以获得评价结果的可视化表达，根据土地利用等数据的时空变化可以模拟各生态系统服务的动态变化，模型操作过程具有可重复性，可以基于模型反馈结果调整参数，以提高模型评估精度。目前，该模型在生境质量、产水量、碳储量和土壤保持等的研究已趋于成熟，应用十分广泛。本研究参考已有文献，并结合流域土地利用类型、年降水量和年蒸散量等数据，采用InVEST模型实现对生境质量、产水量、碳储量和土壤保持等4种生态系统服务的评估，对模型参数（如产水量模块Z值和土壤保持模块不同土地利用类型碳密度等）均进行了率定，受篇幅限制，未做介绍，通过与流域实际情况对比，模型结果较为可靠，应用到该流域是可行的。但由于模型原理等方面的原因，仍然具有一定的局限性，不能完全反映实际情况。除此之外，综合生态系统服务驱动因子的选择较少，可能无法全面解释综合生态系统服务的变化。在后续研究中，将结合更多的实测数据，提高模型模拟的精度，选取更多的驱动因子，更好地分析综合生态系统服务的变化。

4" "结论

（1）大汶河流域不同生态系统服务表现出明显的空间分异特征，且空间分布格局基本一致，高值主要分布在北部泰山区域、中部徂徕山以及东部的新泰新甫山，低值主要分布在东平、肥城、新泰、岱岳区、钢城区等城镇区域。

（2）2000—2020年，生境质量呈变差趋势，产水量呈增加趋势，碳储量基本稳定，土壤保持呈先减少后增加趋势，生态系统服务之间空间变化分布存在差异。

（3）各项生态系统服务之间呈现不同程度的相关关系，生境质量与碳储量、土壤保持均呈现同增共减的协同关系，产水量和碳储量则呈此消彼长的权衡关系。

（4）综合生态系统服务受多因子共同影响，以地形和气候等自然环境因子影响为主，经济社会因子影响较小。

参考文献

常学礼， 吕世海， 冯朝阳， 等， 2015. 地形对草甸草原植被生产力分布格局的影响[J]. 生态学报， 35（10）：3339-3348.

CHANG X L， LYU S H， FENG C Y， et al， 2015. Impact of topography on the spatial distribution pattern of net primary productivity in a meadow[J]. Acta Ecologica Sinica， 35（10）：3339-3348.

戴路炜， 唐海萍， 张钦， 等， 2020. 北方农牧交错带多伦县生态系统服务权衡与协同关系研究[J]. 生态学报， 40（9）：2863-2876.

DAI L W， TANG H P， ZHANG Q， et al， 2020. The trade-off and synergistic relationship among ecosystem services：A case study in Duolun County， the agro-pastoral ecotone of Northern China[J]. Acta Ecologica Sinica， 40（9）：2863-2876.

凌焕然， 王伟， 樊正球， 等， 2011. 近二十年来上海不同城市空间尺度绿地的生态效益[J]. 生态学报， 31（19）：5607-5615.

LING H R， WANG W， FAN Z Q， et al， 2011. Ecological effect of green space of Shanghai in different spatial scales in past 20 years[J]. Acta Ecologica Sinica， 31（19）：5607-5615.

廖钟淇， 范业婷， 王君櫹， 等， 2024.长三角耕地生态系统服务功能时空演变及其驱动机制[J/OL].环境科学，1-19[2024-12-20].https：//doi.org/10.13227/j.hjkx.202405081.

LIAO Z Q， FAN Y T， WANG J X， et al， 2024. Spatiotemporal Evolution of Cultivated Land Ecosystem Services in the Yangtze River Delta and Its Driving Mechanism[J/OL]. Environmental Science， 1-19[2024-12-20].https：//doi.org/10.13227/j.hjkx.202405081.

梅子钰， 张雅茹， 黄心言， 等， 2024. 基于生态系统服务的青海湖流域生态风险评估及其空间异质性影响因素分析[J]. 生态学报， 44（12）：4973-4986.

MEI Z Y， ZHANG Y R， HUANG X Y， et al， 2024. Ecological risk assessment and its influencing factors of spatial heterogeneity based on ecosystem services in Qinghai Lake Basin[J]. Acta Ecologica Sinica， 44（12）：4973-4986.

牛丽楠， 邵全琴， 陈美祺， 等， 2024. 2000—2020年长江流域生态系统服务变化及其权衡协同关系[J]. 资源科学， 46（5）：853-866.

NIU L N， SHAO Q Q， CHEN M Q， et al， 2024. Changes in ecosystem services and their tradeoffs and synergies in the Yangtze River Basin from 2000 to 2020[J]. Resources Science， 46（5）：853-866.

庞彩艳， 文琦， 丁金梅， 等， 2024. 黄河上游流域生态系统服务变化及权衡与协同关系研究[J]. 生态学报， 44（12）：5003-5013.

PANG C Y， WEN Q， DING J M， et al， 2024. Ecosystem services and their trade-offs and synergies in the upper reaches of the Yellow River basin[J]. Acta Ecologica Sinica， 44（12）：5003-5013.

钱彩云， 巩杰， 张金茜， 等， 2018. 甘肃白龙江流域生态系统服务变化及权衡与协同关系[J].地理学报， 73（5）：868-879.

QIAN C Y， GONG J， ZHANG J X， et al， 2018. Change and tradeoffs-synergies analysis on watershed ecosystem services：A case study of Bailongjiang Watershed， Gansu[J]. Acta Geographica Sinica， 73（5）：868-879.

秦慧颖， 2022. 山东省土地利用情景模拟与生态系统服务预测[D]. 青岛：山东大学.

任胤铭， 刘小平， 许晓聪， 等， 2023. 基于FLUS-InVEST模型的京津冀多情景土地利用变化模拟及其对生态系统服务功能的影响[J]. 生态学报， 43（11）：4473-4487.

REN Y M， LIU X P， XU X C， et al， 2023. Multi-scenario simulation of land use change and its impact on ecosystem services in Beijing-Tianjin-Hebei region based on the FLUS-InVEST Model[J]. Acta Ecologica Sinica， 43（11）：4473-4487.

谈旭， 王承武， 2023. 伊犁河谷生态系统服务价值时空演变及其驱动因素[J]. 应用生态学报， 34（10）：2747-2756.

TAN X， WANG C W， 2023. Temporal and spatial evolution of ecosystem service value in Ili Valley and its driving factors[J]. Chinese Journal of Applied Ecology， 34（10）：2747-2756.

王劲峰， 徐成东， 2017. 地理探测器：原理与展望[J]. 地理学报， 72（1）：116-134.

WANG J F， XU C D， 2017. Geodetector： Principle and prospective[J]. Acta Geographica Sinica， 72（1）：116-134.

魏培洁， 吴明辉， 贾映兰， 等， 2022. 基于InVEST模型的疏勒河上游产水量时空变化特征分析[J]. 生态学报， 42（15）：6418-6429.

WEI P J， WU M H， JIA Y L， et al， 2022. Spatiotemporal variation of water yield in the upstream regions of the Shule River Basin using the InVEST Model[J]. Acta Ecologica Sinica， 42（15）：6418-6429.

王琦琨， 2023. 大汶河生态流量计算及价值评估[D]. 济南：济南大学.

王晓峰， 贾子续， 冯晓明， 等， 2023. 黄土高原土壤保持服务供需平衡及其驱动因素[J]. 生态学报， 43（7）：2722-2733.

WANG X F， JIA Z X， FENG X M， et al， 2023.Analysis on supply and demand balance of soil conservation service and its driving factors on the Loess Plateau[J]. Acta Ecologica Sinica， 43（7）：2722-2733.

王启名， 杨昆， 李立晓， 等， 2023. 滇池流域水文生态系统服务权衡与协同时空异质性及其归因分析[J].生态学报， 43（12）：4876-4891.

WANG Q M， YANG K， LI L X， et al， 2023. Spatio-temporal heterogeneity and attribution analysis of hydrological ecosystem services tradeoffs and synergies in Dianchi Lake Basin[J]. Acta Ecologica Sinica， 43（12）：4876-4891.

王耕， 冯妍， 2024. 辽宁太子河流域生态系统服务权衡/协同关系时空变化与情景预测[J]. 生态学报， 44（1）：96-106.

WANG G， FENG Y， 2024. Spatio-temporal variation and scenario prediction of ecosystem service tradeoffs/synergies in the Taizi River Basin， Liaoning Province[J]. Acta Ecologica Sinica， 44（1）：96-106.

王佳琪， 邢艳秋， 常晓晴， 等， 2024. 东北地区生态系统服务空间分布及其驱动因子分析[J]. 环境科学， 45（9）：5385-5394.

WANG J Q， XING Y Q， CHANG X Q， et al， 2024. Analysis of Spatial Distribution of Ecosystem Services and Driving Factors in Northeast China[J]. Resources Science， 45（9）：5385-5394.

王培家， 章锦河， 杨良健， 等， 2024. 典型旅游城市生态系统服务时空演变及其影响因素：以黄山市为例[J]. 生态学报， 44（9）：3897-3910.

WANG P J， ZHANG J H， YANG L J， et al， 2024. Spatio-temporal evolution of ecosystem services in a typical tourist city and its influencing factors： a case study of Huangshan City[J]. Acta Ecologica Sinica， 44（9）：3897-3910.

王奕淇， 孙学莹， 2024. 黄河流域生态系统服务权衡协同关系及其时空异质性[J/OL].环境科学， 1-23[2024-12-20].https：//doi.org/10.13227/j.hjkx.202402126.

WANG Y Q， SUN X Y， 2024. Trade-off and Synergy of Ecosystem Services in the Yellow River Basin and Their Spatiotemporal Heterogeneity[J/OL]. Resources Science， 1-23[2024-12-20].https：//doi.org/10.13227/j.hjkx.202402126.

夏哲一， 刘黎明， 袁承程， 等， 2024. 基于社会—生态耦合视角的城市边缘区生境服务评估与分区[J]. 生态学报， 44（4）：1501-1513.

XIA Z Y， LIU L M， YUAN C C， et al， 2024. Assessment and zoning of habitat services in urban fringe areas from the perspective of social-ecological coupling[J]. Acta Ecologica Sinica， 44（4）：1501-1513.

杨晓楠， 李晶， 秦克玉， 等， 2015. 关中—天水经济区生态系统服务的权衡关系[J]. 地理学报， 70（11）：1762-1773.

YANG X N， LI J， QIN K Y， et al， 2015. Trade-offs between ecosystem services in Guanzhong-Tianshui Economic Region[J]. Acta Geographica Sinica， 70（11）：1762-1773.

余昊轩， 汤江龙， 陈荣清， 2024. 湖北省生态系统服务供需时空演变特征及其多尺度的空间平衡与匹配分析[J]. 环境科学， 45（11）：6477-6488.

YU H X， TANG J L， CHEN R Q， 2024. Spatiotemporal Evolution Characteristics and Multi-scale Spatial Balance and Matching Analysis of Ecosystem Service Supply and Demand in Hubei Province[J]. Environmental Science， 45（11）：6477-6488.

张芹， 2006. 大汶河流域地下水资源评价及可持续利用[D]. 南京：河海大学.

赵雪雁， 马平易， 李文青， 等， 2021. 黄土高原生态系统服务供需关系的时空变化[J]. 地理学报， 76（11）：2780-2796.

ZHAO X Y， MA P Y， LI W Q， et al， 2021. Spatiotemporal changes of supply and demand relationships of ecosystem services in the Loess Plateau[J]. Acta Geographica Sinica， 76（11）：2780-2796.

赵筱青， 石小倩， 李驭豪， 等， 2022. 滇东南喀斯特山区生态系统服务时空格局及功能分区[J]. 地理学报， 77（3）：736-756.

ZHAO X Q， SHI X Q， LI Y H， et al， 2022. Spatio-temporal pattern and functional zoning of ecosystem services in the karst mountainous areas of southeastern Yunnan[J]. Acta Geographica Sinica， 77（3）：736-756.

赵晶晶， 葛颜祥， 李颖， 等， 2023. 基于生态系统服务价值的大汶河流域生态补偿适度标准研究[J]. 干旱区资源与环境， 37（4）：1-8.

ZHAO J J， GE Y X， LI Y， et al， 2023. Study on the appropriate standard of eco-compensation based on ecosystem service value in Dawen River basin[J]. Journal of Arid Land Resources and Environment， 37（4）：1-8.

张亚丽， 陈亮， 田义超， 等， 2024. 模拟多情景下桂西南峰丛洼地流域土地利用变化及生态系统服务价值的空间响应[J]. 环境科学， 45（12）：6935-6948.

ZHANG Y L， CHEN L， TIAN Y C， et al， 2024. Land Use Change and Ecosystem Service Value Measurement in the Peak Cluster Depression Basin in Southwest Guangxi Under Simulated Multiple Scenarios[J]. Resources Science， 45（12）：6935-6948.

张亚欣， 蔡子昭， 谭晓波， 等， 2024. 大汶河流域浅层地下水水化学特征与水质类型识别[J/OL].环境科学， 1-19[2024-12-20].https：//doi.org/10.13227/j.hjkx.202403023.

ZHANG Y X， CAI Z Z， TAN X B， et al， 2024. Hydrochemical characteristics of shallow groundwater and identification of water quality types in the Dawen River Basin[J/OL]. Resources Science， 1-19[2024-12-20].https：//doi.org/10.13227/j.hjkx.202403023.

COSTANZA R， D'ARGE R， DE GROOT R， et al， 1998. The value of the world's ecosystem services and natural capital[J]. Ecological Economics， 25（1）：3-15.

CHEN W， YUAN Y， LIU Z， et al， 2024. Ecosystem health in the Yangtze and Yellow River basins in China： Regional differences and driving forces[J]. Ecological Indicators， 166：112422.

DAILY G C， 1997. Nature's services： societal dependence on natural ecosystems[M]. Washington DC： Island Press：1-10.

EGOH B， REYERS B， ROUGET M， et al， 2009. Spatial congruence between biodiversity and ecosystem services in South Africa[J]. Biological Conservation， 142（3）：553-562.

HU X， WANG H， FANG Q， et al， 2024. Integrating ecosystem services trade-off， drivers and zoning into watershed water environment management in Nansihu Lake Basin， China[J]. Ecological Indicators， 167：112642.

LATERRA P， ORÚE M E， BOOMAN G C， 2012. Spatial complexity and ecosystem services in rural landscapes[J]. Agriculture Ecosystems amp; Environment， 154： 56-67.

LIU Y， ZHAO J， ZHENG X， et al， 2023. Evaluation of Biodiversity Maintenance Capacity in Forest Landscapes： A Case Study in Beijing， China[J]. Land， 12（7）：1293.

MILLENNIUM ECOSYSTEM ASSESSMENT， 2005. Ecosystems and human well-being： synthesis[M]. Washington DC： Island Press：27-28.

MCCULLOUGH I M， CHERUVELIL K S， COLLINS S M， et al， 2019. Geographic patterns of the climate sensitivity of lakes[J]. Ecological Applications， 29（2）：e01836.

PAN Y， XU Z R， WU J X， 2013. Spatial differences of the supply of multiple ecosystem services and the environmental and land use factors affecting them[J]. Ecosystem Services， 5：E4-E10.

WU J， ZHAO Y， YU C， et al， 2017. Land management influences trade-offs and the total supply of ecosystem services in alpine grassland in Tibet， China[J]. Journal of Environmental Management， 193：70-78.

WANG H， LIU L B， YIN L， et" al， 2021.Exploring the complex relationships and drivers of ecosystem services across different geomorphological types in the Beijing-Tianjin-Hebei region， China （2000-2018）[J]. Ecological Indicators， 121：107116.

WEI X D， YANG J， LUO P P， et al， 2022. Assessment of the variation and influencing factors of vegetation NPP and carbon sink capacity under different natural conditions[J]. Ecological Indicators， 138：108834.

ZUO L， GAO J， DU F， 2021. The pairwise interaction of environmental factors for ecosystem services relationships in karst ecological priority protection and key restoration areas[J]. Ecological Indicators， 131：108125.

ZHANG P P， LI X， YU Y， 2023. Relationship between ecosystem services and farmers' well-being in the Yellow River Wetland Nature Reserve of China[J]. Ecological Indicators， 146：109810.

ZHANG Y， HU X， WEI B， et al， 2023. Spatiotemporal exploration of ecosystem service value， landscape ecological risk， and their interactive relationship in Hunan Province， Central-South China， over the past 30 years[J]. Ecological Indicators， 156：111066.

ZHOU X， WANGHE K， JIANG H， et al， 2024. Construction of green infrastructure networks based on the temporal and spatial variation characteristics of multiple ecosystem services in a city on the Tibetan Plateau： A case study in Xining， China[J]. Ecological Indicators， 163：112139.

Spatiotemporal Variation and Driving Factors of Ecosystem Services

in Dawen River Basin

Abstract：To protect watersheds and benefit from the ecosystem services they provide， it is necessary to identify spatiotemporal changes in ecosystem services and their primary driving forces. In this study， four ecosystem services： habitat quality， water yield， carbon storage and soil retention were assessed in the Dawen River basin using InVEST （Integrated Valuation of Environmental Services and Tradeoffs） models， and Pearson correlation analysis was applied to analyze synergistic relationships among the ecosystem services. The factors driving ecosystem services were explored with Geographic detectors. The study was based on data on land use， geography， climate， the normalized difference vegetation index （NDVI）， soil， population density， and GDP of the Dawen River basin in 2000， 2010， and 2020. Results show that： （1） Farmland and construction land were the primary land use types in the basin. Farmland， forest and grass lands decreased during 2000-2020， while construction land increased. （2） There was little temporal change in the value of comprehensive ecosystem services （CES） during 2000-2020， but marked spatial heterogeneity throughout the basin. The higher ecosystem service values were mainly in Mount Tai （north）， Culai Mountain （central） and Xinfu Mountain （east）. The lower values were mainly in the urban areas of Taian City and Xintai City， with intense human activity and poor habitat quality. （3） Habitat quality decreased， but water yield increased from 6×108 m3 in 2000 to 19.2×108 m3 in 2020. Carbon storage remained stable， at 9.19×107 t during the investigation period. Soil retention decreased and then increased， with values of 3.22×108 （2000）， 2.86×108 （2010） and 4.33×108 t （2020）. A tradeoff was observed between water yield and carbon storage， while the remaining ecosystem services were synergistic. （4） The spatial pattern of CES was primarily influenced by the natural environmental factors of annual average temperature， elevation， and annual precipitation. The impacts of population density and GDP were relatively small. The results of this study provide a valuable reference for resource conservation and sustainable development in the northern river basins of China.

Key words：comprehensive ecosystem service （CES）; spatiotemporal variation; InVEST model; geographic detector; Dawen River basin