冰川冻土, 2021, 43(3): 928-938 doi: 10.7522/j.issn.1000-0240.2021.0060

祁连山地区生态系统服务间权衡的社会-生态环境响应机制研究

吕荣芳,, 赵文鹏, 田晓磊, 张建明,

兰州大学 资源环境学院，甘肃 兰州 730000

The trade-offs among ecosystem services and their response to socio-ecological environment in Qilian Mountains

LÜ Rongfang,, ZHAO Wenpeng, TIAN Xiaolei, ZHANG Jianming,

College of Earth and Environmental Sciences，Lanzhou University，Lanzhou 730000，China

通讯作者: 张建明，教授，主要从事环境遥感与地理建模的教学和研究. E-mail： jmzhang@lzu.edu.cn

编委: 庞瑜

收稿日期: 2021-05-31   修回日期: 2021-06-03   网络出版日期: 2021-07-29

基金资助: 国家重点研发计划项目.  2019YFC0507402

Received: 2021-05-31   Revised: 2021-06-03   Online: 2021-07-29

作者简介 About authors

吕荣芳，青年研究员，主要从事人地关系耦合研究.E-mail：lvrf@lzu.edu.cn , E-mail：lvrf@lzu.edu.cn

摘要

生态系统服务间权衡和协同关系存在显著的空间异质性，现有研究较少从社会-生态环境的角度进行分析，难以对将生态系统服务纳入实际政策制定过程中。以祁连山地区为研究区，利用InVEST模型和CASA模型对2019年五项调节服务（碳固定、碳储存、产水量、土壤保持和水质净化）和一项支持服务（生境质量）进行计算，结合多元回归树分析法，研究服务间关联的空间异质性及其对社会-生态环境的响应。结果显示，全区尺度上六项服务间呈协同关系，主要受到土地利用类型、降雨和植被覆盖度的影响。植被覆盖区的服务供给量整体高于无植被覆盖区。研究区可被分为5个聚类，不同聚类内服务间关联存在差异。无植被覆盖且年均降雨量低于440.2 mm的区域与植被覆盖度高于0.559的非耕地区内，服务间关联均呈显著协同，后者服务整体较高。降雨升高可促使无植被覆盖区内产水量和土壤保持与其他服务间呈权衡关系，植被覆盖度较低或耕地区内服务间关联变弱。研究成果可为生态管理和政策制定提供有效参考。

关键词： 生态系统服务 ; 权衡协同 ; 空间异质性 ; 多元回归树分析 ; 祁连山地区

Abstract

Significant spatial heterogeneity exists in the trade-offs and synergies among ecosystem services （ESs）. Rare studies have analyzed it from the aspect of socio-ecological environment， thus failed to integrate ESs into ecosystem management. Using Qilian Mountains as the study area， we have quantified six critical ESs （carbon storage， carbon sequestration， water yield， soil retention， nutrient retention and habitat quality） through InVEST model and CASA model， then explored the spatial heterogeneity of ES trade-offs and their response to socio-ecological environment through multivariate regression tree. The results suggested that synergies exist among these six ESs at regional scale， which were mostly impacted by land use pattern， precipitation and vegetation coverage. ESs in regions covered by vegetation were higher than the one without vegetation coverage. The whole region can be divided into five ES bundles， while the interactions among ESs differed in different bundles. Specially， significant synergies among six ESs in ES bundle 1 （areas without vegetation coverage and annual precipitation lower than 440.2 mm） and ES bundle 5 （non-cropland areas with higher vegetation coverage than 0.559）. Increased precipitation would drive the trade-offs between the two ESs of water yield and soil retention and other four ESs in areas without vegetation coverage， while ES relationships tended to weaken in areas with lower vegetation coverage or in cropland. The results could provide useful suggestions for ecological management and decision making.

Keywords： ecosystem service ; trade-off and synergy ; spatial heterogeneity ; multivariate regression tree ; Qilian Mountains

PDF (4205KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

吕荣芳, 赵文鹏, 田晓磊, 张建明. 祁连山地区生态系统服务间权衡的社会-生态环境响应机制研究[J]. 冰川冻土, 2021, 43(3): 928-938 doi:10.7522/j.issn.1000-0240.2021.0060

LÜ Rongfang, ZHAO Wenpeng, TIAN Xiaolei, ZHANG Jianming. The trade-offs among ecosystem services and their response to socio-ecological environment in Qilian Mountains[J]. Journal of Glaciology and Geocryology, 2021, 43(3): 928-938 doi:10.7522/j.issn.1000-0240.2021.0060

0 引言

生态系统服务指人类直接或间接从生态系统获取的各项产品和服务［1］。它是连接自然生态环境和人类社会的桥梁，其可持续利用是实现生态保护和高质量发展的前提和基础［2-3］。千年生态系统评估的结果显示，全球60%的生态系统都处于退化状态，评估气候变化和人类活动对生态系统服务的影响，对生态系统的科学管理和政策制定具有重要意义［4-6］。生态系统服务与人类福祉息息相关，已成为地理学、生态学、经济学等多学科交叉研究的前沿和热点问题，国内外多位学者从概念定义［7］、分类体系［8］、定量评估［1］、权衡分析［9］、供需耦合［10］、驱动机制［11］、政策制定［12］等方面开展了大量研究。生态系统中，碳循环、水循环、污染降解等生态过程相互依赖、相互影响，生态系统服务依此而生，因此不同服务间通常存在复杂关联，包括此消彼长的权衡关系和同升同降的协同关系［13］。服务间关联分析可为土地利用管理和生态规划提供关键信息，逐渐成为相关研究的热点［14］。

生态系统服务间的关联存在一定的非线性，会随时间和空间分布而变化，因此难以通过简单的统计分析方法来进行计算［15-17］。现有研究多采用相关性分析、主成分分析、聚类分析、叠置分析等方法来探索服务间的权衡和协同关系，简单易行，但难以表征服务间的非线性关联及其空间异质性［13，18］。Mouchet等［19］提出现行的分析方法仅适合提供关于服务的变化趋势和相对高低的初步信息。相关性分析和主成分分析难以判别非线性关系，通常是在全区尺度上分析整体关联，不足以反映服务间关联的空间异质性［15］。叠置分析的结果存在很大的不确定性，会因个人观点而变化，降低了不同地区研究的可对比性［13］。因此，迫切需要引入新的方法来探索服务间关联的非线性和空间异质性。另一方面，服务的时空变化会受到降雨、气温、土壤、植被分布等自然生态环境和经济发展、人口分布、城镇扩展等社会经济条件的综合影响［5，20］。定量化探索生态系统服务及其关联的社会-生态驱动机制，对协调服务间权衡、制定生态管理政策具有重要意义［21-22］。现有研究多对单项服务的社会-生态驱动机制进行分析，缺少对服务间关联的形成机制的研究，难以对协调服务间权衡、增强服务间协同提供有效的管理建议［23］。同时，现有研究多在区域尺度上对服务的驱动机制进行整体研究，对服务间非线性关联的空间异质性的研究较少，尤其是造成服务间权衡的关键环境因子及其阈值效应，不足以对土地利用管理和政策制定提供有效建议［15］。

山区占据全球陆地生态系统中大概1/4的地表面积，为全球大概12%的人口提供住所，是全球超过50%的物种的热点分布区［24］。山区可为全球提供粮食、木材等原材料，可防护泥石流、风沙侵蚀等自然灾害，能够保存特有文化，并为多样化物种提供生境，因此山区生态系统服务可全面表征山区为人类社会提供的服务和效益［25］。祁连山是我国西部重要的生态屏障，承担着水源涵养、生物多样性保护等生态重任，被誉为河西走廊的“母亲山”［26］。它是我国干旱区与非干旱区的分界线，也是我国200 mm年等降水量线，其生态重要性不言而喻［27-28］。本研究对祁连山地区重要的生态系统服务进行研究，分析服务间非线性关联的空间差异性及其对社会-生态环境的响应机制，为祁连山地区的生态管理和修复提供科学依据。

1 研究区概况

祁连山地区（93°56′~103°90′ E，35°84′~39°97′ N）地处内蒙古高原、青藏高原和黄土高原的交汇处，是疏勒河、黑河、石羊河三大内陆河流域的水源涵养地（图1）。它横跨甘肃、青海两省，总面积约为19.47×104 km2，海拔1 937~5 792 m，高程自东南向西北呈降低趋势，是我国西部地区重要的生态屏障。内有雪山、冰川、森林、灌丛、草原、草甸、沼泽、湿地等多种土地利用和植被覆盖类型，也是我国重要的野生动物迁徙廊道，社会-生态环境多样［29-30］。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1   祁连山地区位置和高程图

Fig.1   The location of Qilian Mountains in China and its topography


2 研究方法

2.1　生态系统服务的计算

基于研究区的社会-生态环境特征和主要生态问题，本研究重点分析可以缓解全球变暖趋势的碳服务（碳固定和碳储存）［31］、水文相关服务（产水量、土壤保持和水质净化）和物种多样性保持的支持服务（生境质量）。主要数据来源如表1所示。

表1   主要数据来源

Table 1  The main data sources

类型空间分辨率来源（下载网址）
土地利用30 m国家青藏高原数据中心（http：//data.tpdc.ac.cn/zh-hans）
高程30 mASTER GDEM数字高程数据，下载于地理空间数据云（http：//www.gscloud.cn）
土壤1 000 m世界土壤数据库（HWSD），下载于地理空间数据云（http：//www.gscloud.cn）
植被覆盖30 mLandsat OLI影像（http：//www.gscloud.cn）
气象数据45个矢量点，空间插值为30 m中国气象科学数据共享服务网《中国地面气候资料日值数据集》（http：//data.cma.cn）
水文数据9个矢量点，空间插值为30 m《2020年甘肃省水资源公报》和《2020年青海省水资源公报》

新窗口打开| 下载CSV


2.1.1　碳固定

碳固定服务利用InVEST模型的Carbon模块进行计算，分为地下生物碳、土壤碳和死亡有机碳，以土地利用类型为评估单元，利用各类碳在不同土地利用类型内的平均碳密度进行评估［32，33，34］。其计算公式如下：

Ctot=Cbelow+Csoil+Cdead

式中：Ctot为碳固定量，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。不同土地利用类型内各类碳的平均碳密度如表2所示。

表2   不同土地利用类型内各类碳库的平均碳密度 (Mg·hm-2)

Table 2  The average carbon densities of three pools in different land use types

碳库耕地林地草地灌丛湿地水体建筑用地裸地冰川/积雪
地下生物碳80.7115.986.5115.900000
土壤碳108.4236.999.9236.921.60021.60
死亡有机碳131321300000

新窗口打开| 下载CSV


2.1.2　碳储存

碳储存通过植被净初级生产力（Net Primary Productivity，NPP）进行表示，指的是地表植被在单位面积单位时间内积累的有机物总量，为植被通过光合作用产生的有机物量减去自养呼吸消耗量。本研究以朱文泉等提出的基于CASA模型的ENVI遥感计算模块（zhu_npp_calc）进行计算［35］。其计算公式如下：

NPP(x,t)=APAR(x,t)×ε(x,t)
APAR(x,t)=SOL(x,t)×FPAR(x,t)×0.5
ε(x,t)=εmax×Tε(x,t)×Wε(x,t)

式中：NPP（x，t）为像元x在t月的植被净初级生产力g C·m-2·a-1，APAR (x,t)为像元x在t月的光合有效辐射（g C·m-2），ε(x,t)为像元x在t月的实际光能利用率（g C·MJ-1），SOL(x,t)为像元x处在t月的太阳总辐射，FPAR(x,t)为像元x处在t月的光合有效辐射吸收率，常数0.5表示植被所能利用的太阳有效辐射占太阳总辐射的比例，Tε(x,t)、Wε(x,t)分别表示温度和水分胁迫系数，εmax为在理想条件下植被的最大光能利用率。

2.1.3　产水量

产水量通过InVEST模型Water Yield模块进行计算。该模块基于水量平衡原理，综合降雨、地表蒸发、植物蒸腾、植物最大根系深度以及可用水量等参数，假定各栅格所有产水量都经过地表或地下径流到达流域出口，最终将各栅格的产水量在子流域尺度上进行加权或平均［36］。其计算公式如下：

Yxj=1-AETxjPx×Px
AETxjPx=1+ωxRxj1+ωxRxj+1Rxj
Rxj=KxjET0xPx
ET0-PM=0.408ΔRn-G+γ900T+273μ2es-eaΔ+γ1+0.34μ2

式中：Yxj为土地覆被类型j上栅格单元x的年产水量（mm）；Px为栅格单元x的年降水量（mm）；AETxj为实际年平均蒸散发量（mm），ωx为气候与土壤属性关系的非物理参数；Rxj为潜在蒸散发与降水量的比值；Kxj为植被类型的蒸散系数；ET0x为栅格单元x的蒸散发量（mm），ET0-PM为计算参考作物蒸发蒸腾量的Penman-Monteith公式，其中T为计算时段内的平均气温（℃），Δ为饱和水气压（kPa·℃-1），Rn为太阳净辐射（MJ·m-2·d-1），G为土壤热通量（MJ·m-2·d-1），本文G＝0，γ为湿度计常数（kPa·℃-1），es为饱和水气压、ea为实际水气压（kPa），μ2是高出地面2 m处的平均风速（m·s-1）。模型基于水文站点的监测数据进行多次校准。

2.1.4　水质净化

水质净化通过InVEST模型NDR模块进行计算，仅考虑面源污染，基于长期稳定的污染物移动计算各像元的污染物拦截量，综合高程、根系限制层深度、降雨量、土地利用、植被可利用水含量、平均潜在蒸散发等参数进行计算。参考相关研究获取不同土地利用类型的污染物拦截系数和过滤量［37］。其计算公式如下：

NEi=ALVi×fj
ALVi=(λiλw¯)×poli

式中：NEi为像元i中的污染物截留量（kg·pixel-1）；fj为各土地利用类型j的污染物截留容量；ALVj为像元i内基于水文敏感系数的污染物载荷量调整值；poli为像元i的输出系数；λi为像元i的输出指数；λw¯为平均输出指数。

2.1.5　土壤保持

土壤保持通过InVEST模型SDR模块进行计算，该模块基于通用土壤流失方程USLE进行计算，主要包括上坡泥沙来源下地块自身拦截量与植被覆盖和水土保持措施下减少的土壤侵蚀量，以潜在土壤侵蚀量减去实际土壤侵蚀量来表示［38］。其计算公式如下：

SEDRx=SEx∑y=1x-1 USLEy∏z=y+1x-1 1-SEz
SEDRETxD=RKLSx-USLEx+SEDRx

式中：SEDRx为栅格x自身拦截的沉积物保留量（单位：t）；SEx、USLEy以及SEz分别表示为栅格x的截留率、上坡栅格y产生的泥沙量（单位：t）以及上坡栅格的泥沙截留量（单位：t）；SEDRETxD为土壤保持量（单位：t）；RKLSx与USLEx表示为潜在土壤侵蚀量（单位：t）和实际土壤侵蚀量（单位：t）。

2.1.6　生境质量

生境质量通过InVEST模型Habitat Quality模块进行计算，基于各土地利用类型的威胁因子敏感度、外界威胁强度以及威胁因子的空间权重和影响距离进行计算［39-40］。计算公式如下：

Qxj=Hj1-DxjzDxjz+kz

式中：Dxj为生境胁迫水平；Hj为土地利用类型j的生境适宜性；k为半饱和常数，取Dxj最大值的一半；z为归一化常数，取2.5。

2.2　生态系统服务间权衡和协同关系分析

首先，创建样本数据集，利用ArcGIS 10.4软件中的“创建随机点”和“值提取至点”工具创建生态系统服务时间变化的样本数据集，内含100 000个样本点，不同点之间距离超过300 m，以降低其空间自相关性。第二，在区域尺度上，采用相关性分析和主成分分析定量化研究六项服务间的关联。对样本数据集中各变量进行z-score标准化处理，以消除数据量纲的影响。Kolmogotov-Smirnov检测的结果显示变量存在非正态分布，因此采用Spearman相关系数来计算其相关性，并通过主成分分析探索不同服务间关联的接近程度。以上分析主要通过R语言软件“corrgram”和“vegan”包实现。

多元回归树分析（Multivariate Regression Tree， MRT）为机器学习算法中二元回归树分析的拓展，可同时处理多个因变量，用于分析复杂的生态数据，并探索多元生态数据和环境因子间的关系。该方法以自变量为分类节点，利用二分类法将因变量逐步分为不同类型，可有效模拟变量间的非线性关系，已广泛应用于研究物种分布与环境因子之间的关系，并以此划分植物群落类型［41］。基于研究区的社会-生态环境特征，以选择因子的代表性和数据的可获得性为原则，参考服务的计算方法和相关研究，选择对六项服务可能存在显著影响的社会-生态环境因子［42］（表3）。以六项服务为因变量，以13项环境因子为自变量，进行多元回归树分析，以此探索服务间权衡和协同关系的空间异质性及其对社会-生态环境的响应机制。

表3   生态系统服务的可能影响因子

Table 3  The potential socio-ecological factors of ecosystem services

类型因子单位
自然生态环境高程m
坡度%
年均降雨量mm
年均气温℃
日照时数h
土壤类型-
土壤水分%
土壤PH值-
植被覆盖度%
社会经济环境土地利用类型-
至道路的距离km
至水体的距离km
至耕地的距离km

注：-代表无量纲单位。

新窗口打开| 下载CSV


3 研究结果

3.1　区域尺度上生态系统服务的空间分布格局和服务间关联

在区域尺度上，对祁连山地区六项生态系统服务的空间分布进行Spearman相关性分析和主成分分析，定量化探索六项服务的空间分布格局和服务间的整体关联（图2、图3）。结果显示，2019年，六项服务的空间分布存在一定的相似性，东南部相对较高，西北部相对较低，各项服务就空间分布而言均呈正相关性。六项服务中，碳固定、碳储存和生境质量的空间分布较为相似，两两之间相关性均高于0.82，且在第一主成分上均有较大载荷，在东南部地区较高，在西南部地区较低，其中碳储存的空间异质性相对最高。水质净化与前三项服务也存在较高的正相关性，相关系数为0.65~0.85，同样呈西低东高的分布格局，但在西部地区随高程出现较大差异。此外，土壤保持和产水量的相关性为0.46，与其他服务间的相关性均小于0.42，显示两服务与其他服务的空间分布存在较大差异，其较高值主要出现在西北部的石羊河流域。总的来说，在区域尺度上，就空间分布而言，除了产水量与水质净化间之外，六项服务间均存在显著的协同关系。六项服务可分为三组：第一组为碳固定、碳储存和生境质量，第二组为土壤保持和产水量，第三组为水质净化，同一组内服务关联更为紧密，空间分布较为相似，不同组间关联性较低，空间分布差异较大。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2   2019年祁连山地区六项生态系统服务的空间分布图

Fig.2   The spatial distribution of six ecosystem services in Qilian Mountains in 2019


图3

新窗口打开| 下载原图ZIP| 生成PPT

图3   基于空间分布的六种生态系统服务的关联图及原理分析结果

Fig.3   The corrgram and principle analysis result of six ecosystem services


3.2　生态系统服务间关联的空间差异及其环境响应机制

3.2.1　空间差异性

通过多元回归树分析，定量化研究六项服务及服务间关联的空间差异性，并探索其环境响应机制。基于CVRE值最小表示预测能力最佳为原则，经交叉验证，最终的多元回归树由5片叶子组成，模拟精度（R2）达0.904，模拟结果良好（图4）。研究结果显示，基于六项服务及服务间关联的空间差异性，整个研究区可被分为5个聚类，回归树的每片叶子即为一个聚类。然后对不同聚类内各项服务的值域范围进行对比（表4）。结果显示，聚类1中，产水量和土壤保持处于全区平均值水平，其他服务均低于平均值，其中碳固定、产水量和生境质量远低于其他聚类，而碳储存、土壤保持和水质净化处于较低水平。因此，六项服务均呈协同关系。聚类2中，产水量远高于平均值，土壤保持略高于平均值，水质净化略低于平均值，碳固定、碳储存和生境质量远低于平均值。其中，产水量和土壤保持要高于其他聚类，碳固定和水质净化相对较低，而碳储存和生境质量远低于其他叶子。因此，聚类2中产水量和土壤保持与其他服务间呈权衡关系。聚类3中，碳固定和水质净化处于全区平均值水平，产水量低于平均值，三者相较于其他聚类均处于中等水平，而碳储存、土壤保持和生境质量略高于全区平均值，三者呈协同关系。聚类4中，碳固定和产水量略低于全区平均值，碳储存和水质净化远高于平均值，土壤保持位于平均值水平，而生境质量远低于平均值。其中水质净化远高于其他聚类，碳固定相对较高，产水量相对较低，而其他服务处于中等水平。因此，聚类4中水质净化和碳固定呈协同关系，与产水量均呈权衡关系。聚类5中，碳固定和水质净化处于全区平均值水平，碳储存远高于平均值，产水量、土壤保持和生境质量高于平均值，其中碳固定和生境质量远高于其他叶子，水质净化处于平均水平，而其他三项服务均处于略高水平。因此，除水质净化外的五项服务在聚类5内均呈协同关系。

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4   生态系统服务聚类的属性和空间分布及其环境因子阈值

注：从上到下依次为生态系统服务聚类的主要驱动因子的阈值、各聚类内各项服务的特征和聚类的空间分布图，从左至右依次为CS1-碳固定，CS2-碳储存，WY-产水量，SDR-土壤保持，NDR-水质净化，HQ-生境质量

Fig.4   The attributes and spatial distribution of ecosystem service bundles and their socio-ecological environment

Note：From top to bottom，the thresholds of the main driving factors of ecosystem service clustering，the characteristics of each service in each cluster，and the spatial distribution map of the clusters are shown in order. From left to right，CS1-Carbon storage，CS2-Carbon sequestration， WY-Water yield，SDR-Soil retention，NDR-Nutrient retention，HQ-Habitat quality


表4   多元回归树结果的定量统计

Table 4  Qualitative interpretation of the results of Multivariate Regression Tree

项目聚类1聚类2聚类3聚类4聚类5
树特征水体、建筑用地、裸地、冰川/积雪耕地、林地、草地、灌丛、湿地
降雨量（<440.2 mm）降雨量（≥440.2 mm）植被覆盖度（<0.559）植被覆盖度（≥0.559）
耕地林地、草地、灌丛、湿地
碳固定---=+++
碳储存---+=+
产水量--++=-+
土壤保持-++=++
水质净化--=++=
生境质量----+=++

注：=表示在五个聚类内处于中等水平；--表示在五个聚类内相对最低；-表示在五个聚类内较低；+在五个聚类内较高；++表示在五个聚类内相对最高。

新窗口打开| 下载CSV


3.2.2　社会-生态环境响应机制

结果显示（图4），12个社会-生态环境因子中三个因子的影响最为显著，分别是土地利用格局（第一层和第三层的分割点）、降雨量（第二层的分割点）和植被覆盖度（第二层的分割点），其他环境因子的影响被前三个因子所掩盖或代替。在回归树的第一级分层中，依照土地利用类型为无植被覆盖用地（水体、建筑用地、裸地和冰川/积雪）和有植被覆盖用地（耕地、林地、草地、灌丛和湿地）而分割，前者依照年均降雨量高低被分为叶子1（<440.2 mm）和叶子2（≥440.2 mm），而后者则依照植被覆盖度高低进行第二层分级，植被覆盖度较低（<0.559）的为叶子3，植被覆盖度较高的继续进行第三级分层，其中土地利用类型为耕地的区域为叶子4，用地类型为林地、草地、灌丛和湿地的区域为叶子5。每片叶子即为一个聚类。聚类1主要分布在中西部地区和东部和青海湖地区，以水体、建筑用地、裸地和冰川/积雪等无植被覆盖用地为主，且降雨相对较低。聚类2主要分布在东北部地区高程较高的地区，同样无植被覆盖，但降雨量相对较高。聚类3遍布整个研究区，以耕地、林地、草地、灌丛和湿地等有植被覆盖用地为主，且植被覆盖度相对较低。聚类4面积最小，仅占分布在黑河和石羊河流域内部分地区，以耕地为主，且植被覆盖度相对较高。聚类5主要分布在研究区东部地区，以林地、草地、灌丛和湿地为主，且植被覆盖度相对较高。

4 讨论

4.1　生态系统服务间关联的空间异质性

生态系统中碳循环、水循环、植被生长等生态过程相互依赖、相互影响，生态系统服务依此而生，因此不同服务间通常会存在一定关联［13］。地形、地质、地貌、水文、气候等生态环境因子和道路网、人口分布等社会经济因子的时空异质性共同造就了服务间关联的复杂性。该复杂性不仅存在于空间尺度上，即服务间关联可能随社会-生态环境不同而变化，还存在于时间尺度上，即服务间关联可能从早期的协同关系变为后期的权衡关系［43］。因此，在制定相关的管理政策过程和土地利用规划过程中，需要对服务间关联的时空异质性进行详加考虑。国内外多位学者对此展开了大量研究，现有结果显示山区的调节服务间多呈协同关系［24］，这与本研究中全区尺度上的结果相一致，但与聚类2和聚类4内调节服务间多呈权衡关系的结果相反。这与两区域内特殊的生态环境存在很大关系。乔木、灌木、草本等地表植被在生态系统中具有重要作用，它可通过光合作用从空气中吸收大量碳，也可对降雨和地表污染物进行截留，同时固定土壤阻止土壤流失，在生态系统服务具有重要的生态功能和作用［20］。聚类2内地表无植被覆盖且降雨量较高，因此产水量较高而碳储存较低，二者因而呈权衡关系。聚类4的情况与此相反，植被覆盖度较高，且多为耕地，对降雨的拦截作用较强，因而产水量较低而水质净化较高，二者呈权衡关系。因此，山区内调节服务间关联并不一定为协同，降雨量过高或单一的土地利用类型（耕地）会使服务间关联从协同变为权衡，在降雨较高的山地区可鼓励植被种植和恢复，在耕地区推行滴灌、水肥一体化等节水降污措施，对服务提高和服务间权衡关系的协调十分重要。

4.2　社会-生态环境因子对生态系统服务及服务间关联的影响

研究结果显示，在干旱区半干旱区的山地生态系统中，就碳固定、碳储存、产水、水质净化、土壤保持和生境质量六项服务而言，土地利用类型、降雨量和植被覆盖度是生态系统服务供给的重要决定因素，其影响要超过其他环境因子。降雨量的高低更多的受到全球尺度上气候的宏观影响，在区域尺度上难以控制和改变［44-45］。相较而言，土地利用格局和植被覆盖度为可控管理因子。研究结果可为土地利用管理和空间规划提供有效参考，有助于政策制定者和管理者在不同环境条件下判别主要的保护对象和关键生态问题［46-48］。如在黑河流域的耕地区域，服务供给以高水质净化和低产水量为主要特征。该地区农业生产以灌溉为主，依靠上游地区降水和冰川融水，其自身的产水服务不足以满足日常生产和生活所需。而农业生产在追求经济效益的同时，农药化肥的大量使用带来了严重的面源污染问题［49］，耕地地表植被覆盖度较高，可截留部分污染，提供相对较高的水质净化服务，但仍有一定的污染流入河流［50］。因此，在该地区农业生产过程中推行滴灌、水肥一体化等节水降污措施对提高生态质量具有重要意义。

山区地势陡峭，其地表植被可有效缓冲和保护周边低地免于滑坡、雪崩等自然灾害的危害，也可截留大气降雨和地表径流以降低洪水威胁，保护土壤免遭侵蚀并增强土壤发育过程［51-52］。结果显示，有植被覆盖区内相较于无植被覆盖区，除产水量可能较低外，其他五项服务都较高，表明了植被覆盖在山区环境质量提高和生态效益供给方面的重要性。另一方面，在有植被覆盖的地区，植被覆盖度对生态系统服务的影响要高于其他地形、气候、水文和人类活动因子，植被覆盖度较低的地区碳储存服务较低，这与秦岭-大巴山区的研究结果相一致［40］。其次为土地利用类型，耕地相较于其他用地，因其地表植被较为密集且为氮磷等污染物的重要来源而提供较高的水质净化服务，同时受人类活动的干扰较强，其环境和生存物种较为单一，因此提供的生境质量服务较低。

4.3　多元回归树分析的优劣

本研究通过多元回归树分析来判别生态系统服务间关联的空间异质性和驱动机制，该方法可有效考虑服务间关联的非线性和阈值效应。例如，研究区在年降雨量为440.2 mm处存在阈值效应，高于该值产水量与碳储存间的关系从协同变为权衡，在生态管理政策制定过程中需加以考虑。第二，数理统计方法通常对输入数据有所要求［53-54］，如皮尔逊相关系统分析要求数据呈正态分布［15］。相较于其他方法，多元回归树分析对输入数据的要求较低，便于对多源数据进行处理，结果易于解读，便于管理者和研究者就政策制定进行探讨，有利于研究结果的推广。第三，多元回归树分析可将社会-生态驱动因子和生态系统服务纳入同一平台上，判别产生服务聚类和服务间关联的环境条件。但该方法也存在缺点，其中最主要的是未考虑服务的空间集聚性，相较于应用更为广泛的自组织迭代聚类法，获得的服务聚类在空间上分散性较高，特别是聚类3，这也是未来研究待解决的重要问题。

5 结论

本研究基于多元回归树分析法定量化分析2019年祁连山地区六项重要生态系统服务（碳固定、碳储存、产水量、土壤保持、水质净化和生境质量）间的非线性权衡和协同关系，揭示服务分布和服务间关联的空间异质性，探索其社会-生态驱动机制和关键阈值。六项服务的空间分布主要受土地利用类型、降雨和植被覆盖度的影响，整体均呈东南高、西北低的格局，其中碳固定、碳储存和生境质量的空间分布更为相似，土壤保持和产水量更为相似，而水质净化与其他服务的分布格局差异较大。在全区尺度上，六项服务整体呈协同关系，但该关联在不同社会-生态环境下存在显著的空间异质性。

基于六项服务空间分布和服务间关联的差异性，祁连山地区可被分为五个聚类，各聚类内六项服务的供给特征和服务间关联相对一致。无植被覆盖度区内服务供给和服务间关联受降雨量的影响更大，年均降雨量高于440.2 mm时，整体服务相对较高，产水量和土壤保持与其他服务间呈权衡关系。在植被覆盖区内，服务供给受植被覆盖度的影响更大，植被覆盖度低于0.559或耕地区内服务间关联减弱。

谨以此文，纪念恩师李吉均先生！

参考文献

Costanza R， d’Arge R， De Groot R， et al.

The value of the world’s ecosystem services and natural capital

［J］. Nature， 1997， 387（6630）： 253-260.

[本文引用: 2]

Wang Xiaofeng， Ma Xue， Feng Xiaoming， et al.

Spatial-temporal characteristics of trade-off and synergy of ecosystem services in key vulnerable ecological areas in China

［J］. Acta Ecologica Sinica， 2019， 39（20）： 7344-7355.

[本文引用: 1]

王晓峰， 马雪， 冯晓明， 等.

重点脆弱生态区生态系统服务权衡与协同关系时空特征

［J］. 生态学报， 2019， 39（20）： 7344-7355.

[本文引用: 1]

Gong Jie， Xu Caixian， Yan Lingling， et al.

A critical review of progresses and perspectives on ecosystem services from 1997 to 2018

［J］. Chinese Journal of Applied Ecology， 2019， 30（10）： 3265-3276.

[本文引用: 1]

巩杰， 徐彩仙， 燕玲玲， 等.

1997—2018年生态系统服务研究热点变化与动向

［J］. 应用生态学报， 2019， 30（10）： 3265-3276.

[本文引用: 1]

MEA， Ecosystems and human well-being： scenarios： findings of the Scenarios Working Group. 2005， Washington DC： Island Press.

[本文引用: 1]

Fu Q， Li B， Hou Y， et al.

Effects of land use and climate change on ecosystem services in Central Asia's arid regions： a case study in Altay Prefecture， China

［J］. Science of the Total Environment， 2017， 607： 633-646.

[本文引用: 1]

Han Huiqing， Zhang Jiaoyan， Ma Geng， et al.

Advances on impact of climate change on ecosystem services

［J］. Journal of Nanjing Forestry University （Natural Sciences Edition）， 2018， 42（2）： 184-190.

[本文引用: 1]

韩会庆， 张娇艳， 马庚， 等.

气候变化对生态系统服务影响的研究进展

［J］. 南京林业大学学报（自然科学版）， 2018， 42（2）： 184-190.

[本文引用: 1]

Daily G C， Matson P A.

Ecosystem services： from theory to implementation

［J］. Proceedings of the National Academy of Sciences of the United States of America， 2008， 105（28）： 9455-9456.

[本文引用: 1]

La Notte A， D'Amato D， Makinen H， et al.

Ecosystem services classification： A systems ecology perspective of the cascade framework

［J］. Ecological Indicators， 2017， 74： 392-402.

[本文引用: 1]

Bennett E M， Peterson G D， Gordon L J.

Understanding relationships among multiple ecosystem services

［J］. Ecology Letters， 2009， 12（12）： 1394-1404.

[本文引用: 1]

Arbieu U， Grünewald C， Martín-López B， et al.

Mismatches between supply and demand in wildlife tourism： Insights for assessing cultural ecosystem services

［J］. Ecological Indicators， 2017， 78： 282-291.

[本文引用: 1]

Rositano F， Bert F E， Piñeiro G， et al.

Identifying the factors that determine ecosystem services provision in Pampean agroecosystems （Argentina） using a data-mining approach

［J］. Environmental Development， 2018， 25： 3-11.

[本文引用: 1]

Hu Y， Peng J， Liu Y， et al.

Integrating ecosystem services trade-offs with paddy land-to-dry land decisions： a scenario approach in Erhai Lake Basin， southwest China

［J］. Science of the Total Environment， 2018， 625： 849-860.

[本文引用: 1]

Cord A F， Bartkowski B， Beckmann M， et al.

Towards systematic analyses of ecosystem service trade-offs and synergies： Main concepts， methods and the road ahead

［J］. Ecosystem Services， 2017， 28： 264-272.

[本文引用: 4]

Pang X， Nordstrom E M， Bottcher H， et al.

Trade-offs and synergies among ecosystem services under different forest management scenarios - The LEcA tool

［J］. Ecosystem Services， 2017， 28： 67-79.

[本文引用: 1]

Ndong G O， Therond O， Cousin I.

Analysis of relationships between ecosystem services： a generic classification and review of the literature

［J］. Ecosystem Services， 2020， 43： 101120.

[本文引用: 4]

Zhang Yushuo， Wu Dianting.

Multi-scale analysis of ecosystem service trade-offs and associated influencing factors in Beijing-Tianjin-Hebei region

［J］. Areal Research and Development， 2019， 38（3）： 141-147.

张宇硕， 吴殿廷， 京津冀地区生态系统服务权衡的多尺度特征与影响因素解析

［J］. 地域研究与开发， 2019， 38（3）： 141-147.

Yu Yuyang， Li Jing， Zhou Zixiang， et al.

Multi-scale representation of trade-offs and synergistic relationship among ecosystem services in Qinling-Daba Mountains

［J］. Acta Ecologica Sinica， 2020， 40（16）： 5465-5477.

[本文引用: 1]

余玉洋， 李晶， 周自翔， 等.

基于多尺度秦巴山区生态系统服务权衡协同关系的表达

［J］. 生态学报， 2020， 40（16）： 5465-5477.

[本文引用: 1]

Deng Chuxiong， Zhu Damei， Nie Xiaodong， et al.

Progress of research regarding the trade-offs of ecosystem services

［J］. Chinese Journal of Eco-Agriculture， 2020， 28（10）： 1509-1522.

[本文引用: 1]

邓楚雄， 朱大美， 聂小东， 等.

生态系统服务权衡最新研究进展

［J］. 中国生态农业学报， 2020， 28（10）： 1509-1522.

[本文引用: 1]

Mouchet M A， Lamarque P， Martín-López B， et al.

An interdisciplinary methodological guide for quantifying associations between ecosystem services

［J］. Global Environmental Change， 2014， 28： 298-308.

[本文引用: 1]

Palomo I.

Climate change impacts on ecosystem services in high mountain areas： a literature review

［J］. Mountain Research and Development， 2017， 37（2）： 179-187.

[本文引用: 2]

Zhang H， Fan J， Cao W， et al.

Changes in multiple ecosystem services between 2000 and 2013 and their driving factors in the Grazing Withdrawal Program， China

［J］. Ecological Engineering， 2018， 116： 67-79.

[本文引用: 1]

Sun Yijie， Ren Zhiyuan， Hao Mengya， et al.

Spatial and temporal changes in the synergy and trade-off between ecosystem services， and its influencing factors in Yan’an， Loess Plateau

［J］. Acta Ecologica Sinica， 2019， 39（10）： 3443-3454.

[本文引用: 1]

孙艺杰， 任志远， 郝梦雅， 等.

黄土高原生态系统服务权衡与协同时空变化及影响因素——以延安市为例

［J］. 生态学报， 2019， 39（10）： 3443-3454.

[本文引用: 1]

Li S， Li X， Dou H， et al.

Integrating constraint effects among ecosystem services and drivers on seasonal scales into management practices

［J］. Ecological Indicators， 2021， 125： 107425.

[本文引用: 1]

Mengist W， Soromessa T， Legese G.

Ecosystem services research in mountainous regions： a systematic literature review on current knowledge and research gaps

［J］. Science of the Total Environment， 2020， 702： 134581.

[本文引用: 2]

Fu Q， Hou Y， Wang B， et al.

Scenario analysis of ecosystem service changes and interactions in a mountain-oasis-desert system： a case study in Altay Prefecture， China

［J］. Scientific Reports， 2018， 8（1）： 12939.

[本文引用: 1]

Tian F， Lü Y H， Fu B J， et al.

Effects of ecological engineering on water balance under two different vegetation scenarios in the Qilian Mountains， northwestern China

［J］. Journal of Hydrology： Regional Studies， 2016， 5： 324-335.

[本文引用: 1]

Dai Sheng， Bao Guangyu， Qi Guiming， et al.

Impacts of extreme climatic events under the context of climate warming on hydrology and water resources in the Qinghai Qilian Mountainss

［J］. Journal of Glaciology and Geocryology， 2019， 41（5）： 1053-1066.

[本文引用: 1]

戴升， 保广裕， 祁贵明， 等.

气候变暖背景下极端气候对青海祁连山水文水资源的影响

［J］. 冰川冻土， 2019， 41（5）： 1053-1066.

[本文引用: 1]

Zhang Mengxu， Liu Wei， Zhu Meng， et al.

Responses of soil properties and vegetation biomass to slope aspect and position in forest-steppe zone of the Qilian Mountainss

［J］. Journal of Glaciology and Geocryology， 2021， 43（1）： 233-241.

[本文引用: 1]

张梦旭， 刘蔚， 朱猛， 等.

祁连山森林草原带土壤属性和植被生物量对坡向和坡位的响应

［J］. 冰川冻土， 2021， 43（1）： 233-241.

[本文引用: 1]

Wang Ya， Yang Guojing， Zhou Lihua.

The vulnerability diagnosis of the pastoral area social-ecological system in northern Qilian Mountainss： a case study on the Sunan Yugur Autonomous County in Gansu Province

［J］. Journal of Glaciology and Geocryology， 2021， 43（2）： 370-380.

[本文引用: 1]

王娅， 杨国靖， 周立华.

祁连山北麓牧区社会-生态系统脆弱性诊断——以甘肃肃南裕固族自治县为例

［J］. 冰川冻土， 2021， 43（2）： 370-380.

[本文引用: 1]

Gui Juan， Wang Xufeng， Li Zongxing， et al.

Research on the response of vegetation change to human activities in typical cryosphere areas： taking the Qilian Mountainss as an example

［J］. Journal of Glaciology and Geocryology， 2019， 41（5）： 1235-1243.

[本文引用: 1]

桂娟， 王旭峰， 李宗省， 等.

典型冰冻圈地区植被变化对人类活动的响应研究——以祁连山为例

［J］. 冰川冻土， 2019， 41（5）： 1235-1243.

[本文引用: 1]

Zeng Panru， Zhang Fuping， Feng Qi， et al.

Estimation of the carbon sequestration value and spatial and temporal evolution of different vegeta⁃tion ecosystems in Qilian Mountainss

［J］. Journal of Glaciology and Geocryology， 2019， 41（6）： 1348-1358.

[本文引用: 1]

曾攀儒， 张福平， 冯起， 等.

祁连山地区不同植被生态系统固碳价值量估算及时空演变分析

［J］. 冰川冻土， 2019， 41（6）： 1348-1358.

[本文引用: 1]

Liu Y， Zhang J， Zhou D M， et al.

Temporal and spatial variation of carbon storage in the Shule River Basin based on InVEST model

［J］. Acta Ecologica Sinica， 2021， 41（10）： 4052-4065.

[本文引用: 1]

刘洋，张军，周冬梅，等.

基于InVEST模型的疏勒河流域碳储量时空变化研究

［J］. 生态学报， 2021， 41（10）： 4052-4065.

[本文引用: 1]

Zhang Junhua， Li Guodong， Zhongren Nan， et al.

The spatial distribution of soil organic carbon storage and change under different land uses in the middle of Heihe River

［J］. Scientia Geographica Sinica， 2011， 31（8）： 982-988.

[本文引用: 1]

张俊华， 李国栋， 南忠仁， 等.

黑河中游不同土地利用类型下土壤碳储量及其空间变化

［J］. 地理科学， 2011， 31（8）： 982-988.

[本文引用: 1]

Lian Xihong， Qi Yuan， Wang Hongwei， et al.

Spatial pattern of ecosystem services under the influence of human activities in Qinghai Lake watershed

［J］. Journal of Glaciology and Geocryology， 2019， 41（5）： 1254-1263.

[本文引用: 1]

连喜红， 祁元， 王宏伟， 等.

人类活动影响下的青海湖流域生态系统服务空间格局

［J］. 冰川冻土， 2019， 41（5）： 1254-1263.

[本文引用: 1]

Zhu Wenquan， Pan Yaozhong， Zhang Jinshui.

Estimation of net primary productivity of chinese terrestrial vegetation based on remote sensing

［J］. Journal of Plant Ecology， 2007， 31（3）： 413-424.

[本文引用: 1]

朱文泉， 潘耀忠， 张锦水.

中国陆地植被净初级生产力遥感估算

［J］. 植物生态学报， 2007， 31（3）： 413-424.

[本文引用: 1]

Cong W， Sun X， Guo H， et al.

Comparison of the SWAT and InVEST models to determine hydrological ecosystem service spatial patterns， priorities and trade-offs in a complex basin

［J］. Ecological Indicators， 2020， 112： 106089.

[本文引用: 1]

Redhead J W， May L， Oliver T H， et al.

National scale evaluation of the InVEST nutrient retention model in the United Kingdom

［J］. Science of the Total Environment， 2018， 610： 666-677.

[本文引用: 1]

Zhou Z X， Li J， Guo Z Z， et al.

Trade-offs between carbon， water， soil and food in Guanzhong-Tianshui economic region from remotely sensed data

［J］. International journal of applied earth observation and geoinformation， 2017， 58： 145-156.

[本文引用: 1]

Liu L， Zhang H， Gao Y， et al.

Hotspot identification and interaction analyses of the provisioning of multiple ecosystem services： case study of Shaanxi Province， China

［J］. Ecological Indicators， 2019， 107： 105566.

[本文引用: 1]

Yu Y， Li J， Zhou Z， et al.

Response of multiple mountain ecosystem services on environmental gradients： How to respond， and where should be priority conservation

［J］. Journal of Cleaner Production， 2021， 278： 123264.

[本文引用: 2]

Li Xia， Zhu Wanze， Sun Shouqin， et al.

Influence of habitat on the distribution pattern and diversity of plant community in dry and warm valleys of the middle reaches of the Dadu River， China

［J］. Biodiversity Science， 2020， 28（2）： 117-127.

[本文引用: 1]

李霞， 朱万泽， 孙守琴， 等.

大渡河中游干暖河谷区生境对植物群落分布格局和多样性的影响

［J］. 生物多样性， 2020， 28（2）： 117-127.

[本文引用: 1]

Xu X， Bo J， Yan T， et al.

Lake-wetland ecosystem services modeling and valuation： progress， gaps and future directions

［J］. Ecosystem Services， 2018， 33： 19-28.

[本文引用: 1]

Gao Jiangbo， Zuo Liyuan， Wang Huan.

The spatial trade-offs and differentiation characteristics of ecosystem services in karst peak-cluster depression

［J］. Acta Ecologica Sinica， 2019， 39（21）： 7829-7839.

[本文引用: 1]

高江波， 左丽媛， 王欢.

喀斯特峰丛洼地生态系统服务空间权衡度及其分异特征

［J］. 生态学报， 2019， 39（21）： 7829-7839.

[本文引用: 1]

Torell G L， Lee K D.

Impact of climate change on livestock returns and rangeland ecosystem sustainability in the southwest

［J］. Agricultural and Resource Economics Review， 2018， 47（2）： 336-356.

[本文引用: 1]

Bhardwaj A， Misra V， Mishra A， et al.

Downscaling future climate change projections over Puerto Rico using a non-hydrostatic atmospheric model

［J］. Climatic Change， 2018， 147（1/2）： 133-147.

[本文引用: 1]

Li X， Yu X， Wu K， et al.

Land-use zoning management to protecting the Regional Key Ecosystem Services： a case study in the city belt along the Chaobai River， China

［J］. Science of the Total Environment， 2021， 762： 143-167.

[本文引用: 1]

Sun Y， Hao R F， Qiao J M， et al.

Function zoning and spatial management of small watersheds based on ecosystem disservice bundles

［J］. Journal of Cleaner Production， 2020， 255： 120285.

Li Qi， Zhu Jianhua， Xiao Wenfa.

Relationships and trade-offs between， and management of biodiversity and ecosystem services

［J］. Acta Ecologica Sinica， 2019， 39（8）： 2655-2666.

[本文引用: 1]

李奇， 朱建华， 肖文发.

生物多样性与生态系统服务——关系、权衡与管理

［J］. 生态学报， 2019， 39（8）： 2655-2666.

[本文引用: 1]

Trodahl M I， Jackson B M， Deslippe J R， et al.

Investigating trade-offs between water quality and agricultural productivity using the Land Utilisation and Capability Indicator （LUCI）-A New Zealand application

［J］. Ecosystem Services， 2017， 26： 388-399.

[本文引用: 1]

Balbi S， Prado A D， Gallejones P， et al.

Modeling trade-offs among ecosystem services in agricultural production systems

［J］. Environmental Modelling & Software， 2015， 72： 314-326.

[本文引用: 1]

Liu L， Wang Z， Wang Y， et al.

Trade-off analyses of multiple mountain ecosystem services along elevation， vegetation cover and precipitation gradients： a case study in the Taihang Mountains

［J］. Ecological Indicators， 2019， 103： 94-104.

[本文引用: 1]

Seidl R， Albrich K， Erb K， et al.

What drives the future supply of regulating ecosystem services in a mountain forest landscape

［J］. Forest Ecology and Management， 2019， 445： 37-47.

[本文引用: 1]

Willcock S， Martínez-López J， Hooftman D A P， et al.

Machine learning for ecosystem services

［J］. Ecosystem Services， 2018， 33： 165-174.

[本文引用: 1]

Landuyt D， Broekx S， D’hondt R， et al.

A review of Bayesian belief networks in ecosystem service modelling

［J］. Environmental Modelling & Software， 2013， 46： 1-11.

[本文引用: 1]

/

〈 〉

陇ICP备2021001824号-10
　 甘公网安备 62010202000676号
版权所有 © 《冰川冻土》编辑部
地址：兰州市天水中路8号　
邮编：730000　电话：0931-8260767　
E-mail：edjgg@lzb.ac.cn
总访问量 　 今日访问 　 在线人数
技术支持：北京玛格泰克科技发展有限公司