快速城市化进程使地球自然生态系统受到各种人类活动的强烈干扰，影响了生态系统服务的供需关系。Zhang Zimo 等人以快速城市化的珠江三角洲城市群为例，探讨了珠三角城市群不同城市化水平下城市化对生态系统服务（Ecosytem services, ESs）供需影响的差异，在Ecosystem Services上发文。
研究意义
由于生态系统变化和社会需求增加的共同作用，ESs供需关系正在迅速变化。一方面，城市化进程加速了对生态系统的结构和功能构成威胁，导致ESs的丧失 ；另一方面，城市化进程也逐渐增加了城市人口，促进了居民对ESs的需求增加。
然而，现有的研究主要集中在城市化对ESs供给的影响上，而只有少数研究对城市化与ESs供需关系背后的驱动因素进行详细分析。此外，这些研究大多考虑了区域尺度上的动态，但很少考虑不同城市化水平的地区之间的差异。大多数研究主要基于土地利用评估城市化水平，没有考虑人口、经济和土地的多个角度，并比较不同城市化指标的影响。
本文以中国快速城市化的珠江三角洲城市群为例，重点研究了产水量、粮食产量、固碳和地方游憩四种典型ESs。利用回归分析方法，探讨了城市化对不同城市化水平区域生态系统供需的影响。在此基础上，采用基于决策树的随机森林算法来评估ESs供需对城市化的敏感性。本文为快速城市化地区人与自然协调发展背景下的决策提供了依据。
研究方法
1
ESs供需关系
本文选择了对城市地区具有重要意义的4个生态系统服务，即产水量(供给服务)、粮食生产(供给服务)、碳固存(调节服务)和地方游憩(文化服务)。
1、产水量
利用InVEST模型中的产水量模块对产水量服务供给进行量化。Invest模型中产水量模块基于水量平衡模型，利用Budyko曲线和年总降水量数据确定不同像元的年产水量。
产水量需求根据农业用水，工业用水，家庭用水，生态用水四类进行计算。
2、粮食生产
粮食生产服务供给以各种作物的总产量为基础进行量化。NDVI与粮食生产之间存在显著的线性相关关系。因此，利用NDVI数据对粮食生产进行空间化。
粮食生产服务需求用粮食消费来表示。以夜间灯光数据为基础，划定城乡边界，根据人口密度和城乡居民人均粮食消费量计算城乡居民粮食消费量。
3、固碳服务
利用InVEST模型中的碳存储模块对固碳服务供给进行量化。对于每种土地利用类型，碳存储模块估算了四个主要碳库(地上、地下、土壤和尸体有机质)中每个碳库的碳量。
根据碳排放量绘制固碳服务需求图，碳排放量由标准煤消耗量和标准煤碳排放系数估算。利用农业碳排放，工业碳排放，家庭碳排放消耗量计算。
4、休憩服务
通过包括林地和草地在内的绿地比例来衡量当地的休闲服务供给。考虑到当地居民游憩服务的可达性，将街道作为量化当地游憩服务供给的空间单位。为了构建一致的游憩服务供需框架，将重点放在绿地总面积上进行比较量化，将供给量化为街道林地面积与草地面积之和的比例。当地游憩服务需求为居民对公共绿地的需求，由人口密度决定，由政府规划决定人均绿地面积。
生态供需比（ESDR）
将生态系统的实际供给与人类需求联系起来，用于表示生态系统供需的盈余或赤字。ESDR值为正值，表示ESs供给充足，即ESs供需处于过剩状态。“0”表示ESs供需处于平衡状态。负值表示ESs供给不能满足需求，因此处于亏损状态。
2
城市化比例
城市化从人口城市化、经济城市化和土地城市化三个方面进行测度。以人口密度(POP，人/km2)衡量人口城市化，以GDP密度(GDP，万元/km2)衡量经济城市化，以人工土地比例(ALP)衡量土地城市化。
夜间灯光数据可以用来衡量城市化的整体水平。2000年和2015年的夜间灯光数据分别用于划分2000年和2015年的城乡边界。
根据2000年和2015年的城乡边界，将研究区域划分为城市化水平不同的三个子区域。发达城区是指2000年和2015年的城区；城市发展中地区是指2000年被划为农村，2015年划为城市的地区；农村地区，在2000年和2015年都被确定为农村地区。
3
线性回归:城市化对ESDR的影响
为了探究城市化对ESs供需的影响，表明其正影响或负影响以及影响程度，并确保城市化对不同ESs供需影响的可比性，采用基于最小二乘法(LSM)的一元线性回归方法建立了城市化指标与ESDR之间的回归模型。
4
随机森林:ESDR对城市化的敏感性
本文主要研究随机森林回归(RFR)模型，RFR模型可以解释多个自变量对因变量的影响。敏感性分析可以从各种自变量中识别出对因变量有重要影响的敏感性因素。本文以ESDR为因变量，以城镇化指标(POP、GDP、ALP)为自变量，构建RFR模型，探讨ESs供需对城镇化的敏感性。
均方误差(MSE)和解释方差百分比(Var explained) 被用来衡量模型的预测值与实际值的匹配程度。MSE越小，所解释的Var越大，说明模型的预测结果越准确。
基于RFR模型的敏感性分析在R Studio 3.6.0平台中进行，使用平台的RandomForest包构建RFR模型。灵敏度用一组随机值代替自变量后，模型增加的MSE与模型初始MSE的比值表示，即增加的MSE的比例(IncMSE)。IncMSE越高，自变量越重要，因变量对自变量越敏感。
结论
1
ESs供需不匹配
四种ESs的供给、需求和ESDR具有空间异质性，在2000 - 2015年间变化显著：
2
城市化对ESDR的影响
结果表明城市化指标对ESDR有负向影响。在快速城市化的城市地区，城市化指标对ESDR的影响并不总是显著的，而在农村地区，城市化指标对ESDR有显著的负向影响(P < 0.01)。
3
ESDR对城市化的敏感性
·发达城市地区产水量服务的ESDR对GDP最敏感，MSE增加比例最高，但方差解释百分比较低。发展中城市和农村产水服务的ESDR对ALP最敏感。
·粮食生产的ESDR对POP的敏感性在发达城市、发展中城市和农村地区最高。
·固碳服务的ESDR对ALP的敏感性在城市发达地区、城市发展中地区和农村地区最高。
·地方游憩服务的ESDR对不同城市化指标的敏感性最高，其中对发达城市地区的POP最敏感，对发展中城市地区的GDP最敏感，对农村地区的ALP最敏感。
总体而言，发达城市地区的ESs供需对POP最敏感，发展中城市地区对POP、GDP和ALP高度敏感，农村地区对ALP最敏感。
4
城市化对ESs供需变化的影响
本文详细分析了城乡梯度下的ESs供需变化情况。2000 - 2015年，四种ESs的供给呈现出供不应求的趋势。总体而言，2000-2015年城市化进程加剧了ESs供需的空间失衡。在快速城市化阶段，城市地区(尤其是发展中城市地区)的ESs供需赤字趋势最为明显。
讨论
根据敏感性分析结果，本文整理出ESs供需最敏感的城镇化指标：
发达城市地区的ESDR对POP最为敏感，因为该地区的经济发展水平和人工土地开发强度维持在较高水平。目前最重要的问题与人口密集有关。发展中城市地区的社会发展与发展对人口普查、国内生产总值和劳动生产率很敏感。大多数发展中城市处于城市化进程中，人口增长、经济发展和土地利用变化都对其产生了影响。农村地区的ESDR对ALP最为敏感，因为农村地区处于城市化的初级阶段，以人工用地扩张为主导，大量耕地、林地和草地被人工用地改造，影响了多种ESs的供应。因此，针对快速城市化地区提出了5条城市与景观规划建议，以缓解持续不平衡的ESs供需，有利于城市的可持续发展。
（1）综合考虑4个ESs：在发达城市地区应注意缓解人口压力；发展中的城市应协调人口、经济和资源的可持续发展；在农村地区应控制人工土地的扩张，如划定人工土地生长的边界。
（2）产水量：城市发达地区用水量大的企业应实施节水措施；在发展中的城市地区和农村地区，应管理不透水地表的扩张，以保持供需平衡。
（3）粮食生产：在快速城市化地区，应充分注意缓解人口压力，协调粮食供需空间分布，保持粮食生产服务供需平衡。
（4）固碳服务：在快速城市化地区，对被占用或破坏的生态用地进行生态修复，提高ESs利用效率，实施节能措施，减少固碳服务供需失衡。
（5）地方游憩：在发达的城市地区，应特别注意将绿色基础设施纳入城市景观。发展中的城市地区，应注意工业区内绿色基础设施的整合。农村地区，应进行自然景观的生态保护，以满足居民的娱乐需求。
小编思考
本文探讨了珠三角城市群不同城市化水平下城市化对ESs供需影响的差异。考虑了产水量、粮食生产、碳固存和地方游憩四种服务的供需模式。并利用线性回归、随机森林方法探讨了不同城市化对生态服务供需关系的影响以及ESs对城市化的敏感性。但本文只考虑了单一空间尺度下的ESs供需，关注的利益相关者为当地居民。未来可以从多尺度、多利益相关者的角度全面探讨ESs供需的变化。另外，只考虑了本地ESs供应和本地ESs需求。未来，可以更全面地考虑供应和需求的量化，建立远程耦合框架可用于度量外部供给和需求，即结合本地和外部的观点，以确定本地供给和需求的比例。
编者声明：本推送内容仅代表编者对于文章的理解，也请各位专家、同学批评指正。
原文出处：Zhang Z , Peng J , Xu Z , et al. Ecosystem services supply and demand response to urbanization: A case study of the Pearl River Delta, China[J]. Ecosystem Services, 2021, 49(1):101274.
来源： 景观地理与可持续发展
转自：“经管学术联盟”微信公众号
如有侵权，请联系本站删除！
