科学认识水相关生态系统服务（WES）与影响因素之间的驱动关系，以及水相关生态系统服务与水相关生态系统服务之间的权衡与协同关系，是将其合理引入管理决策的前提。然而，现有研究往往将上述两种关系割裂开来，进行独立研究，导致研究结论的冲突，不能很好地被管理者采纳。为弥补现有生态系统服务关系研究的不足，本文以黄土高原为案例，研究时段为 2000 年至 2019 年。通过同步方程建模的方法，系统地描述了黄土高原地区水生态系统服务之间的关系，并量化了它们之间的相互作用强度。本文的结论可为土地规划管理、生态保护和高质量发展战略提供重要参考。
创新之处：
(1)提出了识别水相关生态系统服务之间联系的研究框架，用于研究多水相关生态系统服务与多驱动因素之间的相互作用。
(2)建立了水相关生态系统服务的反馈回路，系统地整合了水相关生态系统服务与驱动因素之间的权衡、协同和因果关系。
研究区:本文的研究区域为黄土高原（图1），总面积约 64.87 万平方公里，位于黄河流域中上游，流经 7 个省份：青海、甘肃、宁夏、内蒙古、陕西、山西和河南七省区。由于黄土高原土壤以黄土为主，易受侵蚀，是中国水土流失最严重的地区，也是世界上水土流失最严重的地区之一，由于人类多年对土地的大量开发和利用，该地区土壤钙、钾含量较高，但有机质、氮、磷严重缺乏。
研究框架：
本文的研究框架如图2所示，主要包括四个步骤：(1)数据准备。利用 ArcGIS pro 软件对 InVEST 模型所需的数据进行预处理，并统一分辨率。(2) WES 评估。将处理后的数据输入 InVEST 模型进行计算，校准后在空间显示计算结果。(3)相关性分析。通过比较不同时期 WES 与驱动因子的spearman系数，结合土地利用转移矩阵，发现 WES 与驱动因子相关性的变化趋势。(4) 反馈环分析。建立基于 WESs 关系的同步方程模型，揭示其相互作用机制。
研究结果：
1、WES 的时空分布模式
如图 3 所示，LP 中 WY 的空间分布格局为高值聚集在南部，低值聚集在北部，且空间分布差异逐年增大，整体上呈现出明显的空间分布不均匀性。SE 和 WY 的空间分布格局相似，间接说明两者之间存在较强的空间相关性。从局部空间来看，WY 和 SE 的高值区都集中在 LP 的南部，WY 的高值区主要分布在南部的东部和西部，而 SE 则集中在南部的中部。而 SE 和 WY 的低值区均集中在 LP 北部，但 SE 北部的低值区具有明显的由西向东递增的空间格局，而 WY 则呈现出中间高两边低的空间格局。NE 的空间分布与前两者不同，高值区主要出现在 LP 的西南部和东北部。值得注意的是，在 NE 的高值区，SE 一般较高，WY 一般较低。LP 上的 WES 具有空间异质性，不均匀的空间分布将严重影响人类系统 WES 的稳定供应。
2、WES 与其驱动因素之间的关系
2000 年，WY 与 SE 呈正相关，WY 与 NE 呈负相关，SE 与 NE 呈正相关，与之前的空间分析结果一致。气候因子和 NDVI 与 WY 和 SE 密切相关。NE 主要与 GDP 和景观因子相关。与 2000 年相比，2019 年 WY 与 NE 的相关性增加，而 SE 与 NE 的相关性降低。气候因子对 WES 的影响明显增大。GDP 和 NDVI 对 WY 的影响减小，但对 SE 和 NE 的影响明显增大。景观指数对 WES 的影响也发生了明显变化。其中，NP 对 WY 的影响增大，而对 SE 和 NE 的影响减小。SHAPE 和 AI 对 WY 和 NE 的影响明显减小，但对 SE 的影响增大。然而，CONTIG 对 WES 的影响与 SHAPE 和 AI 恰好相反，对 WY 和 NE 的影响增大，但对 SE 的影响减小。PR 对 WES 的影响也明显增大。值得注意的是，GDP 对 PR 的影响明显增大，而对 AI 和 CONTIG 的影响则有所减小。这也间接说明了 LP 的经济发展大大加剧了土地的破碎化程度。
3、量化 WES 网络的相互作用强度
根据产水量方程，NDVI 对 WY 的影响最大，ONTIG 对 WY 的影响排在 NDVI 之后，气候因素对 WY 的影响很小。在景观指数中，除了 SHAPE 对 WY 有负面影响外，其他因素的增加都会导致 WY 的增加。根据沉积物输出方程，CONTIG 对 SE 的影响最大，NDVI 和 SHAPE 对 SE 的影响仅次于 CONTIG。此外，需要注意的是，WY 和 NE 的增加也会导致 SE 的增加。GDP 对 SE 的影响不同于 GDP 对 WY 的影响。GDP 每增加 1%，SE 将减少 0.238%。根据氮输出方程，对 NE 影响最大的三个因素与对 SE 影响最大的三个因素一致。这些因子分别是 CONTIG、NDVI 和 SHAPE，但这些因子对 WY 和 SE 的影响机制却完全相反。CONTIG每增加 1%，NE 将增加 20.95%；NDVI 每增加 1%，NE 将减少 8.601%；SHAPE每增加 1%，NE 将减少 5.649%。此外，se 每增加 1%，NE 将增加 1.206%；WY 每增加 1%，NE 将减少 1.125%。根据上述分析和计算结果（表 2），我们建立了 WESs 的反馈回路，如图 6 所示。可以看出，人类活动对 WES 的影响已经超过了气候因素，不同的土地利用模式仍然是 WES 供应的主要原因之一。
讨论：
1、分散的城市扩张导致 WES 空间分布不均
研究发现，2000-2019 年期间，GDP 与 PR 高度相关，且相关性逐年上升（PR是代表土地利用失调的有效指标）。这一结果表明，经济的快速增长导致了 LP 土地资源的过度开发和土地利用的碎片化。截至 2019 年，黄土高原城市用地明显增加，土地利用的碎片化几乎遍布整个区域，这将加剧水土流失和生态系统退化的风险。造成这种情况的主要原因是，罗布泊是一个矿产资源极其丰富的地区，而高耗水、高耗能的工业是该地区经济发展所依赖的主要工业类型；同时，该地区缺乏土壤肥力和天然水资源，粮食产量受到严重限制。为了应对这一困境，人们会进一步扩大耕地面积以维持一定的粮食产量。经济快速增长的同时，土地资源无序利用，全区土地呈现碎片化利用态势，导致 WES 时空分布不均。因此，有必要科学认识自然与人类系统的相互作用机制，从而促进生态保护与经济发展的平衡，进一步实现经济社会的可持续发展。
2、WES 之间的相互作用机制
每个驱动因素对 WES 都有不同的影响，从整个系统来看，驱动因子与 WESs、WESs 与 WESs 之间存在相互反馈和权衡关系。而且WESs 反馈回路可以帮助管理者将 WESs 关系形成一个科学的系统，并找到平衡区域生态保护与经济发展的实现路径。
3、局限性
由于 LP 占地面积较大，缺乏抽样和实地调查数据，本文计算的 WES 结果只能通过公开渠道获得的数据进行验证，但这对整体研究结论不会产生太大影响。由于 InVEST 模型本身的局限性，它不能很好地反映动态水文过程。因此，本文计算的水文年平均值是全年的结果，代表每年的平均水平。本文对计算结果的分析和讨论主要是从静态角度进行的。
4、展望
本研究仅分析了水生态系统服务，未来将考虑增加更多的生态系统服务，研究它们之间的相互作用关系。未来也将细化经济指标，引入更多代表当地产业发展水平的指标，进一步探讨特定区域产业对生态系统服务的影响和贡献。还将改进模型，进一步缩小研究时间尺度，模拟生态系统服务与产业之间的动态相互反馈过程。
END
原文请见：Wang Y, Wang H, Zhang J, et al. Exploring interactions in water-related ecosystem services nexus in Loess Plateau. Journal of Environmental Management, 2023, 336: 117550.
转自：“生态遥感前沿”微信公众号
如有侵权，请联系本站删除！
