喀斯特山区生态系统服务权衡关系分异特征及生态安全格局识别——以贵州省为例

  • 黄强 , 1 ,
  • 陈田田 , 1, 2, * ,
  • 王强 3 ,
  • 冯玉全 1
展开
  • 1.重庆师范大学三峡库区地表过程与生态修复重庆市重点实验室,重庆 401331
  • 2.三峡库区地表生态过程重庆市野外科学观测研究站,重庆 401331
  • 3.重庆市规划和自然资源调查监测院,重庆 401121
陈田田。E-mail:

黄强(1994—),四川内江人,硕士研究生,主要从事土地利用变化及生态系统服务响应研究。E-mail:

收稿日期: 2023-04-10

  修回日期: 2023-07-21

  网络出版日期: 2024-07-11

基金资助

重庆市教委人文社科项目(24SKGH075)

重庆师范大学“博望学者”计划(BWQB2023017)

版权

版权所有,未经授权,不得转载、摘编本刊文章,不得使用本刊的版式设计。

Differentiation characteristics of trade-off on ecosystem services and identification of ecological security pattern in karst mountainous areas: A case study of Guizhou Province

  • Huang Qiang , 1 ,
  • Chen Tiantian , 1, 2, * ,
  • Wang Qiang 3 ,
  • Feng Yuquan 1
Expand
  • 1. Chongqing Key Laboratory of Surface Process and Ecological Restoration in the Three Gorges Reservoir Area, Chongqing Normal University, Chongqing 401331, China
  • 2. Chongqing Field Observation and Research Station of Surface Ecological Process in the Three Gorges Reservoir Area, Chongqing 401331, China
  • 3. Chongqing Institute of Surveying and Monitoring for Planning and Natural Resources, Chongqing 401121, China

Received date: 2023-04-10

  Revised date: 2023-07-21

  Online published: 2024-07-11

Supported by

Chongqing Municipal Education Commission Humanities and Social Sciences Project(24SKGH075)

Chongqing Normal University Erudite Scholar Program(BWQB2023017)

Copyright

Copyright reserved © 2024.

摘要

本文运用相关模型和方法对区域2000—2020年植被净初级生产力、土壤保持服务和产水服务进行评估,并借助均方根误差和空间自相关分析探索生态系统服务权衡关系的时空分异规律,构建贝叶斯网络解析生态系统服务权衡变化的驱动因素,并设置多情景实现区域生态安全格局识别。结果表明:研究时段内3类生态系统服务均呈现出了一定增长趋势,但局部地区权衡冲突明显。不同背景条件下生态系统服务权衡关系异质性特征显著。其中,产水服务与土壤保持服务、植被净初级生产力间的权衡关系在不同高程上均强于植被净初级生产力与产水服务;土壤保持服务与植被净初级生产力、产水服务的权衡关系随坡度增加而增强;岩溶峡谷、岩溶盆地上土壤保持服务与产水服务间的冲突更明显;生态工程修复区产水服务与植被净初级生产力、土壤保持服务的权衡关系更强。生态系统服务权衡关系受多种因素影响且主导因素不尽相同,造林面积、实际蒸散发和降水总量分别是造成土壤保持服务与植被净初级生产力、土壤保持服务与产水服务、植被净初级生产力与产水服务权衡变化的主要因素。贵州省南部的望谟县和罗甸县以及东北部的江口县和印江县面临着最大的生态风险,未来可以通过调整关键变量的关键状态来提升这类区域的生态安全水平。

本文引用格式

黄强 , 陈田田 , 王强 , 冯玉全 . 喀斯特山区生态系统服务权衡关系分异特征及生态安全格局识别——以贵州省为例[J]. 地理科学, 2024 , 44(6) : 1080 -1091 . DOI: 10.13249/j.cnki.sgs.20220173

Abstract

As an important ecological function reserve and ecologically fragile area in Southwest China, it is of great significance to achieve the coordinated development of society and ecology in Guizhou Province by analyzing the trade-off relationship of regional ecosystem services and rationally constructing an ecological security pattern. Therefore, this study evaluated the net primary productivity (NPP), soil conservation (SC) and water yield (WY) of this region from 2000 to 2020 by relevant models and methods, explored the spatial-temporal differentiation characteristics of the trade-off relationship between these three ecosystem services through root mean square error and spatial auto-correlation analysis. Then, a Bayesian belief network was built to analyze the driving forces of regional trade-off changes, and regional ecological security patterns was identified by setting different trade-off scenarios. It showed that these three ecosystem services increased during 2000 to 2020; but there was obvious trade-off relationship between them in local regions. The heterogeneity characteristics of ecosystem service trade-off relationship under different backgrounds was significant. Among them, the trade-off between WY and SC, WY and NPP was stronger than that between NPP and WY at different altitudes; the trade-off between SC and NPP, SC and WY increased with the raising of slope; the trade-off between SC and WY was more obvious in karst canyons and karst basins; and there was a stronger trade-off relationship between WY and NPP, WY and SC in ecological restoration area. The trade-off of these 3 ecosystem services was affected by multiple forces, and the dominant driver of the trade-off between different ecosystem services was different; afforestation area, actual evapotranspiration and total precipitation was the main forces causing the trade-off change between SC and NPP, SC and WY, NPP and WY, respectively. Wangmo County, Luodian County of the southern Guizhou and Jiangkou County, Yinjiang County of the northeastern part faced the greatest ecological risk. In the future, the ecological security level of these counties can be improved by adjusting the key state of the key forces.

生态系统服务是指生态系统所形成和维持人类赖以生存的自然环境条件和效应,其可持续供给对区域经济−社会−生态协调发展至关重要[1-2]。由于生态系统服务类型的多样性,空间分布的不均衡性及人类利用方式的差异性,生态系统服务内部及不同生态系统服务间产生了动态变化[3],主要表现为此消彼长的权衡关系和同增同减的协同关系。其中,权衡关系表征的是生态系统服务间相互关系的负面效应,而生态安全的要求是促进协同、减少权衡。因此,充分认识生态系统服务权衡关系特征是区域协同发展的客观需求,也成为了生态学、地理学及环境科学等学科领域研究的重要议题。
喀斯特地区具有独特的岩溶地貌,地上地下空间二元结构特征突出、空间分层异质性显著[4]。作为世界上最大的连续型喀斯特区,西南喀斯特山区生态环境本底条件脆弱,加之人类在社会经济发展过程中的不合理行为,区域生态环境状况恶化明显、生态系统服务功能降低[5],水土流失[6]、石漠化[7]、生物多样性锐减[8]等问题频发,提高区域生态系统可持续性变得越来越紧迫。目前,将生态系统服务纳入西南喀斯特地区的研究主要集中于生态系统服务价值评估[9]、成对生态系统服务的权衡/协同关系[10]、生态系统服务及其关系变化的驱动机制[11]。然而,生态系统服务权衡关系的空间异质性,耦合自然、经济和生态因素以探索生态系统服务关系变化的潜在机制及基于生态系统服务权衡的生态安全格局优化的研究却较少[12]。此外,驱动因素与生态系统服务权衡变化之间的关系通常用相关系数表示,而正相关系数并不意味着变量之间一定是一个积极的因果关系——更具体地说,它可能是不同服务空间集聚的结果。因此,需要更动态和准确的方法来评估驱动因素和生态系统服务权衡变化之间的相互作用[13]。作为在不确定条件下构建决策支持系统的图形工具,贝叶斯网络(Bayesian belief network, BBN)模型可以通过有向无环图以及条件概率表描述与地表过程和生态保护相关的变量(节点)的复杂因果关系[14]。同时,结合ArcGIS,它还可以实现不同变量的空间表达,进而为缓解生态冲突提供一种途径,实现生态系统安全格局优化。目前,贝叶斯网络模型已被证明是分析和评估生态过程以及生态系统服务对外部干扰的响应的强大工具[15]
贵州省作为中国西南典型的喀斯特地貌分布区,生态本底条件敏感且脆弱,同时贫困问题也较突出。为摆脱贫困,区域开展了大规模生产活动,给本就脆弱的生态环境带来了巨大损伤,造成了区域生态功能的退化。因此,政府实施了一系列修复措施,在区域植被覆盖[16]、增加碳储量[17]、减少土壤侵蚀[18]等方面发挥了积极作用,但也强化了供给与调节服务间的矛盾。如何减少权衡、增加协同,实现生态系统服务功能的最大化输出,进而构建合理的生态安全格局成为了重要研究内容。基于此,本文在对植被净初级生产力(Net primary productivity, NPP)、产水服务(Water yield, WY)和土壤保持服务(Soil conservation, SC)进行准确估算后,通过均方根误差和空间分析对生态系统服务权衡关系及其分异特征进行探讨,构建贝叶斯网络模型对生态系统服务权衡变化的影响因素进行探测,并设置多情景识别区域生态安全格局,以促进地区经济−生态−社会可持续发展。

1 研究区域概况

贵州省位于中国西南地区腹地(东经103°36′E~109°35′E,北纬24°37′N~29°13′N,图1),总面积约17.62万 km2,包含9个地级市(自治州)。区域年均温约15℃,年降水量1200 mm左右,属于典型的亚热带季风气候。境内地势西高东低,水系众多,地貌类型多样,发育了面积最大、程度最深的喀斯特地貌,生态敏感且脆弱。同时,该区也曾是中国扶贫攻坚的主战场,经济发展、民生改善愿望强烈,为此,区域开展了大规模的开发活动。近年来,由于人类活动的不尽合理,给脆弱的生态本底条件带来了巨大压力,加剧了区域水土流失、石漠化等生态问题的爆发,进而影响到了区域生态系统服务的可持续供给。为此,区域实施了一系列生态修复工程,旨在提高生态系统服务供给能力,缓解生态冲突。生态修复工程实施过程中区域生态系统服务权衡关系变化、生态安全格局构建与优化成为了重要研究内容,对实现区域生态可持续发展意义重大。
图1 贵州省位置及地貌类型概况

Fig. 1 Location and landform type of Guizhou Province

2 研究方法和数据来源

2.1 生态系统服务评估

2.1.1 植被净初级生产力(NPP)

本文以美国国家航空局(http://lpdaac.usgs.gov)发布的NPP数据为基础,通过MRT等工具对数据进行镶嵌、投影、裁剪等处理后得到研究区2000年和2020年分辨率为1 km×1 km的NPP栅格数据,并利用ArcGIS软件对异常值进行剔除,方便后续空间分析。

2.1.2 土壤保持(SC)

本文采用InVEST模型中的泥沙输移比模块对研究区土壤保持服务进行估算,公式如下:
$SEDRE{T_x} = RKL{S_x} - USL{E_x} $
$RKL{S_x} = {R_x} \times {K_x} \times L{S_x} $
$USL{E_x} = {R_x} \times {K_x} \times L{S_x} \times {C_x} \times {P_x} $
式中,SEDRETxRKLSx分别为栅格x的土壤保持量和潜在土壤侵蚀量,单位t/hm2USLEx是栅格x的实际土壤侵蚀量,单位t/hm2Rx是降水侵蚀因子,单位MJ·mm/(hm2·h·a),基于Wischmeier公式采用月降水和年降水数据求得[19]LSx为地形因子,通过输入的高程数据自行提取;Kx为土壤可蚀性因子,单位t·hm2·h/(hm2·MJ·mm),根据Williams公式计算获得[20]Cx为植被覆盖管理因子,Px是水土保持因子,主要参考韩会庆等人的研究获取[21]

2.1.3 产水服务(WY)

喀斯特地区存在独特的水文二元结构,且区域尺度的地下渗漏分布数据难以获取。为此,本文仅考虑地上部分的产水量,用以表征产水服务,其主要是通过计算降水总量与实际蒸散发间的差值来实现。具体的计算公式如下:
${Y_x} = \Bigg(1 - \dfrac{{AE{T_x}}}{{{P_x}}}\Bigg) \times {P_x} $
$AET_x = 1 + \dfrac{{PET_x}}{{P_x}} - {\left[ {1 + {{\left( {\dfrac{{PET_x}}{{P_x}}} \right)}^{\omega (x)}}} \right]^{1/\omega (x)}} $
$\omega (x) = Z \times \dfrac{{AW{C_x}}}{{{P_x}}} + 1.25 $
$AW{C_x} = {\rm{Min}}(MSD,S{D_x}) \times PAW{C_x} $
式中,Yx为栅格单元x的年产水量,mm;AETx为栅格单元x的实际蒸散发量,mm;Px为栅格单元x的年降水量,mm;PETx表示潜在蒸散量(mm),采用InVEST模型推荐的Modified-Hargreaves方法计算所得;ωx)表示自然气候下土壤性质的非物理参数,无量纲;Z为zhang系数[22]MSD为最大根系深度,SD为根系深度;PAWH为植被可利用含水量,根据周文佐[23]公式计算所得。

2.2 生态系统服务权衡关系

本文先通过皮尔逊相关分析对生态系统服务间的两两关系进行描述,若相关系数为正表示生态系统服务间呈协同关系,反之则为权衡关系;在此基础上再采用均方根误差法(Root Mean Square Error,RMSE)来量化两两生态系统服务间的权衡大小,用以揭示生态系统服务关系变化速率的不均衡性特征。其公式如下:
$RMSE = \sqrt {\dfrac{{\displaystyle\sum\limits_{i = 1}^n {{{\left( {E{S_i} - \overline {ES} } \right)}^2}} }}{{n - 1}}} $
式中,RMSE为均方根偏差值(以下简称权衡度);n为生态系统服务类型的数量;ESi为标准化处理后的生态系统服务价值,$\overline {ES} $为生态系统服务类型的数学期望。
空间上,本文采用自相关分析将3类生态系统服务空间相关分析结果中的高−高聚集和低−低聚集类型判定为协同关系,高−低聚集和低−高聚集类型判定为权衡关系[24]。2000—2020年,生态系统服务关系由不显著转变为权衡、协同转变为不显著以及协同转变为权衡均被判定为权衡增强,并在后面的贝叶斯网络模型中设定为“是”;其余的生态系统服务权衡关系变化被判定为权衡减弱,设定为“否”。

2.3 基于贝叶斯网络模型的生态安全格局识别

2.3.1 贝叶斯网络

贝叶斯网络是Pearl在1988年提出的一种将概率论和图形相结合的网络结构模型,可以用来分析变量之间存在的不确定关系,也被称之为置信网络[25]。其是一种有向无环图,连接节点之间的有向边表示变量之间存在的因果关系,节点代表离散化后的变量,在节点里包含了离散变量条件概率表和对应的概率分布。节点条件概率反映的是父节点与子节点之间依赖关系的强弱,其计算公式如下:
$P(Y|X) = P(XY)/P(X) $
式中,P(Y|X)表示事件Y在事件X已经发生条件下的发生概率;P(XY)表示事件XY两个事件同时发生的概率;P(X)表示事件X的先验概率。
贝叶斯网络可以把所有节点以网络的形式连接起来,并且所有节点条件概率分布连乘会得到联合概率分布,其公式表达为:
$ P ({X}_{1},{X}_{2},\cdots ,{X}_{n})={\displaystyle \coprod _{i=1}^{n}P\left[{X}_{i}|parents ({X}_{i})\right]} $
式中,PX1, X2 …,Xn)表示每个变量在某个特定值情况下的联合概率。

2.3.2 影响因素的选取

为实现本文贝叶斯网络的构建,首先需要进行节点变量(影响因素)的选取。根据区域实际现状和相关研究,筛选出区域生态系统服务权衡关系变化的驱动因素,分别是造林面积、实际蒸散发、人均地区生产总值(Gross domestic product,GDP)、高程、坡度、降水总量和气温。然后,根据影响因素与生态系统服务间权衡关系的因果联系搭建出基于贝叶斯网络的生态系统服务权衡关系模型。通过ArcGIS软件将影响因素的栅格数据进行离散化处理,每个因子分为最高、高、中、低4个等级,并将等级数据提取到栅格图层,而后导入到贝叶斯网络模型中进行节点概率分布计算。

2.3.3 贝叶斯网络敏感性分析

本文通过计算方差缩减度来评估生态系统服务权衡关系是否可以敏感的感知其他节点因子的变化,即识别权衡关系变化的驱动因素,其值越大表示节点因子对其产生的影响力越大。公式如下:
$ \begin{split} VR = & V(ES) - V(ES\left| I \right.) = {\displaystyle\sum\limits_s {p(s) \times (s - E[ES])} ^2} - \\ & \displaystyle\sum\limits_s p (s\left| I \right.) \times {(s - E[ES\left| I \right.])^2}\\[-20pt] \end{split} $
式中,VR表示方差缩减度;V(ES)表示变量ES的方差;V(ES|I)表示已知变量I条件下ES的方差;s表示输出变量状态,p(s)表示变量发生概率,p(s|I)表示变量在I条件下发生概率;E[ES]表示变量ES的期望;E[ES|I]表示已知变量I条件下ES的期望。

2.3.4 基于多情景模拟的生态安全格局识别

为实现区域生态安全格局的识别,本文根据权衡关系增强的对数,由少到多设置了4种情景。其中,情景1表示土壤保持与植被净初级生产力、土壤保持与产水、植被净初级生产力与产水中存在1对权衡关系增强;情景2表示土壤保持与植被净初级生产力、土壤保持与产水、植被净初级生产力与产水中存在2对权衡关系增强;情景3表示土壤保持与植被净初级生产力、土壤保持与产水、植被净初级生产力与产水3对权衡关系均增强;情景4表示土壤保持与植被净初级生产力、土壤保持与产水、植被净初级生产力与产水3对权衡关系均减弱,并将不同情景下其对应的增加/减少状态概率设置为100%。然后,利用贝叶斯网络的条件概率分布和敏感性分析,分别筛选出情景1下前3个因子、情景2下前4个因子、情景3和情景4下的前5个因子作作为权衡关系变化的关键变量,将关键变量在低、中、高、最高状态下发生概率最大的区间作为关键状态,形成关键变量的关键状态子集,最后借助ArcGIS实现关键变量关键状态的空间表达,识别出基于权衡关系下的区域生态修复区和安全区。

2.4 数据来源与处理

本文的基础地理数据包括省界,县界,河流等,来源于国家基础地理信息中心(https://www.ngcc.cn/ngcc/);高程数据来源于地理空间数据云(https://www.gscloud.cn/),分辨率为30 m;以高程数据为基础,在ArcGIS中提取得到坡度因子的栅格图层;NPP采用的是NASA发布的MODIS 17A3HGF产品数据(https://lpdaac.usgs.gov/products/mod17a3hgfv061/),时间分辨率为1 a,空间分辨率重采样为1 km;土壤数据采用的是世界土壤数据库(HWSD)的中国土壤数据集,来源于寒旱区科学大数据中心(http://bdc.casnw.net/);以中国气象网(https://www.cma.gov.cn/)提供的气候数据为基础,通过AUSPLINE软件插值得到气温、降水空间分布图;归一化植被指数(Normalized Difference Vegetation Index, NDVI)、植被类型、GDP和人口空间分布数据均来源于中国科学院资源环境科学数据中心(https://www.resdc.cn/),其中,植被数据为1∶100万的矢量图层,NDVI、GDP和人口空间分布数据的分辨率为1 km,将对应时间、栅格的GDP和人口数据相除得到2000年和2020年人均GDP的栅格数据;土地利用类型数据来源于中国科学院资源环境科学数据中心,分辨率为30 m;地表实际蒸散发数据来源于国家青藏高原科学数据中心(https://www.resdc.cn/),空间分辨率为1 km;造林面积来源于国家林业和草原局(https://www.forestry.gov.cn/),本文参考陈金柯等[26]的研究方法,通过计算区域裸岩率实现其空间化;同时,参考田海晶等[27]的研究将整个研究区划分为了生态工程显著区和非生态工程区,用以表征生态修复工程实施对区域生态系统服务关系变化的影响。

3 结果与分析

3.1 生态系统服务的时空特征分析

通过与统计公报中的径流深、侵蚀模数数据进行对比以及统计分析发现,本文生态系统服务的估算效果良好,结果较为可信,其空间分布如图2所示。2000年土壤保持量、植被净初级生产力和产水量的均值分别为1618 t/hm2,760.72 gC/m2,687.95 mm;2020年土壤保持量,植被净初级生产力,产水量均值分别为2148.44 t/hm2,797.81 gC/m2,707.86 mm,整体呈现出了增长趋势。空间上,3类生态系统服务功能的分布差异性显著,其中,植被净初级生产力的高值区主要分布在研究区南部,而低值区主要分布在北部;土壤保持高值区主要分布在研究区外围,低值区分布在研究区中部;产水的低值区位于贵州省西部,高值区的分布随时间推移略有变化。就生态系统服务的空间变化而言,植被净初级生产力的增长主要位于研究区北部和西部,减少主要位于研究区东南部;土壤保持的增长遍布于整个研究区,尤其是研究区北部上升最明显;产水的增长主要分布在研究区北部,南部则出现了明显减弱趋势。
图2 2000—2020年贵州省生态系统服务时空分布

Fig. 2 Spatial and temporal distribution of ecosystem services in Guizhou Province from 2000 to 2020

3.2 生态系统服务权衡关系探讨

对贵州省2000年和2020年的生态系统服务进行皮尔逊相关分析发现,2000年生态系统服务间均表现为协同关系,且植被净初级生产力与产水间的正相关性最大,表明他们之间的协同作用最明显;到2020年,生态系统服务间关系发生了明显变化,出现了明显的冲突。其中,土壤保持与植被净初级生产力间由协同关系转变为了微弱的权衡关系,土壤保持与产水的协同关系减弱,植被净初级生产力与产水由协同关系转变为了明显的权衡关系,冲突最大。
同时,本文计算了不同背景条件下生态系统服务间的权衡度,用以剖析生态系统服务权衡关系的分异特征,结果如图3所示。就高程而言,整体表现为土壤保持与产水间的权衡度高于土壤保持与植被净初级生产力,又高于植被净初级生产力与产水;且随高程升高,土壤保持与植被净初级生产力间的权衡度呈现了略微下降的趋势,植被净初级生产力与产水的权衡度呈现出了先增加后下降的趋势,土壤保持与产水间的权衡度波动较大,规律不明显。就坡度而言,3类服务间的权衡度随坡度增加呈现出了显著增长趋势;且随时间推移,土壤保持与植被净初级生产力间的权衡度略微减少,而土壤保持与产水、植被净初级生产力与产水间的权衡度却有所增加。就坡向而言,东北、东南、西北以及西南方向上面临着更大的生态系统服务冲突;且随时间推移,土壤保持与植被净初级生产力间的权衡度在东、南、西、北方位上呈现出了轻微减弱趋势,其余方位表现恰好相反。就地貌而言,岩溶盆地和岩溶峡谷上土壤保持与植被净初级生产力、产水间的权衡度较高,植被净初级生产力与产水间的权衡度在岩溶峡谷上最大;随时间推移,大部分地貌单元上生态系统服务间的权衡关系有所减弱,其中,岩溶盆地上土壤保持与植被净初级生产力的权衡度减小最明显,而峰丛洼地上产水与其它两类生态系统服务间的权衡度减小幅度最大。就生态工程影响而言,生态工程修复显著区产水与土壤保持、植被净初级生产力间的权衡度略高于非生态工程区,而土壤保持与植被净初级生产力权衡度略低于非生态工程区;2000—2020年生态工程修复显著区植被净初级生产力与产水间的权衡度呈现出了一定幅度的增强,而土壤保持与植被净初级生产力的权衡度发生了轻微减弱。
图3 不同背景条件下生态系统服务间权衡度

Fig. 3 Balance of ecosystem services under different background conditions

并且,我们利用空间自相关分析实现了生态系统服务权衡/协同关系的空间转换,结果表明(图4),2000—2020年贵州省3类服务间的关系主要表现为权衡减弱,但权衡增加区域的面积也不小,占比分别为18.91%、24.57%和25.42%,存在一定生态系统服务冲突风险。在空间分布上,土壤保持与植被净初级生产力权衡增强区主要位于贵州省东部,土壤保持与产水的权衡增加主要分布于研究区外围,植被净初级生产力与产水权衡增加区则分布于研究区东北部。
图4 2000—2020年生态系统服务关系空间变化

Fig. 4 Spatial variation of ecosystem service relationship from 2000 to 2020

3.3 生态安全格局识别

3.3.1 影响因子识别

就本文构建的贝叶斯网络而言,63%的样点表现出了土壤保持与植被净初级生产力的权衡度增强,59%的采样点出现了植被净初级生产力与产水的权衡度增强,61%的采样点表现出了土壤保持与产水的权衡度增强(图5)。从不同影响因素来看,中等水平条件下的造林面积发生概率最大,为47%;低水平条件下的实际蒸散发的发生概率最大,为31%;高水平条件下的GDP、气温、降水量的发生概率均最大,分别达37%、38%和39%;坡度因子在低水平条件下的发生概率最大,为42%;高程在中等水平条件下的发生概率最大,为36%。
图5 生态系统服务权衡关系贝叶斯网络模型

SC_NPP为土壤保持与植被净初级生产力、SC_WY为土壤保持与产水、NPP_WY为植被净初级生产力与产水

Fig. 5 Bayesian Belief Network model of ecosystem services trade-off relationship

由生态系统服务权衡关系的敏感性结果可知(表1),土壤保持与植被净初级生产力间权衡关系对造林面积的反应最灵敏,敏感系数达0.0039,表明人类活动对土壤保持与植被净初级生产力权衡关系变化起到了重要的作用。除此之外,实际蒸散发和人均GDP也是影响土壤保持与植被净初级生产力间权衡关系变化的重要因素;对土壤保持与产水间的权衡关系而言,实际蒸散发对其影响最大,敏感系数为0.0031,其次为人均GDP与高程,敏感度分别为0.0025和0.0022;就植被净初级生产力与产水间权衡关系变化的影响因素而言,降水总量的作用最大,敏感系数为0.0036,其次为高程和造林面积,敏感性均为0.0024。可见,土壤保持与植被净初级生产力、植被净初级生产力与产水权衡关系对各因子的敏感性更高,而土壤保持与产水的敏感性更低;区域生态系统服务权衡关系的变化是多种因素综合作用的结果,且不同服务间权衡关系的主导因素也不尽相同。
表1 生态系统服务权衡关系不同影响因子的敏感性

Table 1 Sensitivity of different impact factors on ecosystem service trade-offs

土壤保持与植被净初级生产力 敏感度 土壤保持与产水 敏感度 植被净初级生产力与产水 敏感度
造林面积 0.0039 实际蒸散发 0.0031 降水总量 0.0036
实际蒸散发 0.0038 人均GDP 0.0025 高程 0.0024
人均GDP 0.0033 高程 0.0022 造林面积 0.0024
高程 0.0028 气温 0.0019 人均GDP 0.0021
气温 0.0026 造林面积 0.0019 实际蒸散发 0.0020
降水总量 0.0020 降水总量 0.0015 气温 0.0019
坡度 0.0002 坡度 0.0002 坡度 0.0003

3.3.2 生态安全格局识别

图6可知,在情景1中,土壤保持与植被净初级生产力权衡关系增强时的关键变量关键状态子集={降水总量=低,实际蒸散发=低,人均GDP=高},此情景下的子集分布面积小,主要位于研究区东北部的玉屏侗族自治县和西部的普定县;土壤保持与产水权衡关系增强时的关键变量关键状态子集={实际蒸散发=中,人均GDP=高,高程=中},该子集的分布范围较大,主要集中于研究区东部;植被净初级生产力与产水权衡关系增强时的关键变量关键状态子集={降水总量=高,高程=中,造林面积=中},此条件下关键变量关键状态子集的分布范围最大,主要位于研究区东北部的遵义市、铜仁市和西南部的黔西南自治州。在情景2中,土壤保持与植被净初级生产力、土壤保持与产水权衡关系同时增强时的关键变量关键状态子集={造林面积=低,实际蒸散发=低,人均GDP=高,高程=中},该子集范围很小,零散分布在研究区东部和西部;土壤保持与植被净初级生产力、植被净初级生产力与产水权衡关系同时增强时的关键变量关键状态子集={造林面积=低,实际蒸散发=低,人均GDP=高,降水总量=高},其分布面积也较小;植被净初级生产力与产水、土壤保持与产水权衡关系同时增强时的关键变量关键状态子集={降水总量=高,高程=中,造林面积=中,实际蒸散发=中},此时子集分布面积较大,主要位于研究区的东北和西南部。在情景3中,3类权衡关系同时增强时其关键变量的关键状态子集={造林面积=中,实际蒸散发=高,人均GDP=高,降水总量=高,高程=中},该子集主要分布于江口县、罗甸县,望谟县。在情景4中,3类权衡关系同时减弱时其关键变量关键状态子集={造林面积=中,实际蒸散发=低,人均GDP=高,降水总量=高,高程=中},该情景下的生态安全区面积较小,主要分布在东北部的印江土家族苗族自治县境内。
图6 贵州省生态安全格局分布

SC_NPP为土壤保持与植被净初级生产力、SC_WY为土壤保持与产水、NPP_WY为植被净初级生产力与产水

Fig. 6 Distribution of ecological security pattern in Guizhou Province

4 讨论与结论

4.1 讨论

4.1.1 贵州省生态系统服务评估结果验证

生态系统服务评估结果是权衡/协同关系及生态安全格局识别的基础,其数据质量会对后续分析产生一定的影响。为此,我们将模型评估结果与相关数据、结果进行精度对比,以确保结果的可靠性。就土壤保持服务而言,本文模拟的土壤侵蚀模数为3.05 t/hm2,与贵州省水利厅发布的水土保持公报(https://mwr.guizhou.gov.cn)中2020年贵州全省土壤侵蚀模数为279.47 t/km2的结果基本接近;同时,张欣蓉等[28]指出贵州省2000—2015年土壤保持平均值约为1537.79 t/hm2,而本文中计算的平均值为1883.22 t/hm2,两者之间相差不大,基本接近。对产水服务而言,由于喀斯特地区存在独特的水文二元结构,且区域尺度的地下渗漏分布数据难以获取。为此,本文仅考虑地上部分的产水量,并借助InVEST模型进行估算。结果显示,2000年区域产水服务的均值为687.95 mm,2020年为707.86 mm。笔者查阅《贵州省水资源公报》( https://mwr.guizhou.gov.cn)发现,2000年各区县地表水径流深554~820 mm,平均值为634.2 mm;2020年各区县地表水径流深400~900 mm,平均值为654.9 mm。可见,本文估算的2000年的结果与统计数据较接近,2020年虽然与统计资料存在一定差别,但在统计范围内。同时,在径流的空间分布上,根据水资源公报可知,黔东南、黔南州等是区域产水的集中分布区,而毕节地区径流最小,这与本文得到的产水服务的空间分布也相同。综上,本文采用InVEST模型评估的贵州省产水及土壤保持服务数据结果与相关研究及统计数据基本一致,模拟结果具有较高的可信度,能反映研究区生态系统服务变化的实际情况。

4.1.2 生态系统服务权衡关系变化

喀斯特山区由于特殊的自然地理条件及人类活动,生态环境极其脆弱,生态系统矛盾突出。因此,区域开展了一系列以石漠化治理、退耕还林还草为典型的生态修复工作,以缓解区域生态问题、提升生态系统供给能力。已有结果指出,生态修复工程的实施促进了喀斯特地区生态系统服务供给能力的提升,而与此同时某些调节服务却出现了下降趋势[29],加剧了生态系统供给服务与调节服务间的冲突。因此,本文以贵州省为例对其主要生态系统服务及其权衡/协同关系进行研究发现,区域植被净初级生产力,土壤保持和产水 3类生态系统服务功能均得到了明显增强,这与相关研究得到结果较一致[30]。同时,3类生态系统服务间存在一定的权衡关系,且表现出了明显的分异特征。其中,在不同高程上土壤保持与产水的权衡度均较高,一定程度上揭示了贵州省突出的水土矛盾[31];随坡度增加产水与土壤保持、植被净初级生产力间的权衡度增加明显,这与相关学者的研究结论较一致[32];岩溶盆地上土壤保持与植被净初级生产力间的权衡作用较明显,可能是由于该区域地形平坦、人类活动频繁、人口压力较大,容易出现土地退化、水土流失等生态环境问题[33];2020年,生态修复工程区内土壤保持与产水间的权衡关系略高于非生态修复区,验证了生态修复工程对区域水土平衡的影响。

4.1.3 区域生态安全格局识别及优化路径

本文借助贝叶斯网络的计算与分析优势,一方面通过联合概率定量解析不同因子对区域生态系统服务权衡关系的影响强度,另一方面设置不同情景明晰关键变量的关键状态子集,并对其空间化识别区域生态安全格局,以期为贵州省生态保护与修复提供科学参考。在驱动因素解析方面,贵州省生态系统服务权衡关系变化受多种因素共同影响,且不同服务间权衡关系的影响因素也不尽相同。对植被净初级生产力与土壤保持来说,造林面积影响其权衡水平的最重要因素,这与学者们得出的生态修复措施(例如,退耕还林)是缓解喀斯特生态冲突的重要因素的结论相吻合[34]。就植被净初级生产力与产水而言,降水总量、高程和造林面积是影响其权衡增加的重要因素,体现了水资源对贵州省生态系统服务协同发展的重要作用[35]。实际蒸散发、人均GDP和高程是影响土壤保持与产水权衡关系变化的重要因素,且实际蒸散发的作用更明显。这主要是因为降水一定的情况下,区域实际蒸散发越大,地表径流量会越小,产水服务也会减弱,土壤保持与产水之间的权衡关系也会越明显[36]。在区域生态安全格局多情景识别中,情景1到情景3,生态修复的重要性逐步增加,生态修复的面积逐渐减少,情景4生态最安全但面积最小。在空间上,贵州省南部的望谟县和罗甸县及东北部的江口县和印江县面临着最大的生态冲突风险,亟需加强该区域的生态修复工作。未来可以从关键变量关键状态的组合出发,通过改善该区域其组合状态进而达到减轻权衡的效果。例如,以情景3为例,当植被净初级生产力与土壤保持,植被净初级生产力与产水,土壤保持与产水均处于权衡增加时,其关键变量关键状态子集={造林面积=中,实际蒸散发=高,人均GDP=高,降水=高,高程=中};而情景4下各生态系统服务权衡均处于减弱趋势,其关键因子关键状态子集={造林面积=中,实际蒸散发=低,人均GDP=高,降水=高,高程=中}。为了实现情景3向情景4的转换,应重点改善实际蒸散发这个因子的状态,可以通过局部降温或者减少空气流动等将实际蒸散发降低至低水平,使之符合权衡减少时影响因子的最优组合状态,进而实现生态系统服务协同。

4.2 结论

本文以贵州省为研究区,综合运用各种模型和方法,分析了区域植被净初级生产力、土壤保持、产水3类生态系统服务的时空格局、关系变化和分异特征,并构建贝叶斯网络模型设置不同情景识别出了贵州省生态安全分区格局。主要结论如下
1) 2000—2020年,贵州省3类生态系统服务基本呈增加趋势,且服务间的权衡关系也增长明显,以植被净初级生产力与产水间的增加幅度最大。空间上,3类生态系统服务权衡增长主要分布于研究区东北部。
2) 贵州省生态系统服务权衡关系存在明显的空间分异特征。其中,不同高程上土壤保持与植被净初级生产力、产水间的权衡度均高于植被净初级生产力与产水;3类生态系统服务权衡关系基本呈现随坡度增加而增强的趋势;岩溶盆地和岩溶峡谷上土壤保持与植被净初级生产力、产水间的权衡度较大;生态工程显著区内产水与土壤保持、植被净初级生产力间的权衡关系略高于非生态工程区。
3) 造林面积、实际蒸散发和降水总量是造成区域生态系统服务权衡变化的主要驱动因素;情景3的对应的区域生态风险最大,为重点修复区,情景4对应的为生态安全区;为促进情景3向情景4的转变可针对性调整关键变量的关键状态子集,进而实现生态系统服务协同。
[1]
李双成, 张才玉, 刘金龙, 等. 生态系统服务权衡与协同研究进展及地理学研究议题[J]. 地理研究, 2013, 32(8): 1379-1390

Li Shuangcheng, Zhang Caiyu, Liu Jinlong et al. The tradeoffs and synergies of ecosystem services: Research progress, development trend, and themes of Geography. Geography Research, 2013, 32(8): 1379-1390.

[2]
彭保发, 郑俞, 刘宇. 耦合生态服务的区域生态安全格局研究框架[J]. 地理科学, 2018, 38(3): 361-367

Peng Baofa, Zheng Yu, Liu Yu. Coupling ecosystem services and regional ecological security pattern. Scientia Geographica Sinica, 2018, 38(3): 361-367.

[3]
戴尔阜, 王晓莉, 朱建佳, 等. 生态系统服务权衡/协同研究进展与趋势展望[J]. 地球科学进展, 2015, 30(11): 1250-1259

Dai Erfu, Wang Xiaoli, Zhu Jianjia et al. Progress and perspective on ecosystem services trade-offs. Progress in Geography, 2015, 30(11): 1250-1259.

[4]
何霄嘉, 王磊, 柯兵, 等. 中国喀斯特生态保护与修复研究进展[J]. 生态学报, 2018, 39(18): 6577-6585

He Xiaojia, Wang Lei, Ke Bing et al. Progress on ecological conservation and restoration for China karst. Acta Ecologica Sinica, 2018, 39(18): 6577-6585.

[5]
史莎娜, 谢炳庚, 胡宝清, 等. 桂西北喀斯特山区人口分布特征及其与自然因素的关系[J]. 地理科学, 2019, 39(9): 1484-1495

Shi Shana, Xie Binggeng, Hu Baoqing et al. The relationship between population distribution characteristics and natural factors in the Karst mountainous area of the Northwestern Guangxi, China. Scientia Geographica Sinica, 2019, 39(9): 1484-1495.

[6]
贺祥. 生态系统服务供给安全阈值视域下喀斯特地区生态安全演变[J]. 地理科学, 2021, 41(11): 2021-2030

He Xiang. Study on the evolution of ecological security in Karst area based on the threshold of ecosystem services. Scientia Geographica Sinica, 2021, 41(11): 2021-2030.

[7]
董晓超, 熊康宁, 朱大运, 等. 喀斯特生态环境风险评价——以贵州省为例[J]. 中国岩溶, 2019, 38(5): 713-721.

DOI

Dong Xiaochao, Xiong Kangning, Zhu Dayun et al. Risk assessment of karst ecological environments: A case study of Guizhou Province. China Karst, 2019, 38(5): 713-721.

DOI

[8]
袁成军, 熊康宁, 容丽, 等. 喀斯特石漠化生态恢复中的生物多样性研究进展[J]. 地球与环境, 2021, 49(3): 336-345

Yuan Chengjun, Xiong Kangning, Rong Li et al. Research progress on the biodiversity during the ecological restoration of karst rocky desertification. Earth and Environment, 2021, 49(3): 336-345.

[9]
王永琪, 马姜明. 基于县域尺度珠江−西江经济带广西段土地利用变化对生态系统服务价值的影响研究[J]. 生态学报, 2020, 40(21): 7826-7839

Wang Yongqi, Ma Jiangming. Effects of land use change on ecosystem services value in Guangxi section of the Pearl River-West River Economic Belt at the country scale. Acta Ecologica Sinica, 2020, 40(21): 7826-7839.

[10]
苗培培, 赵祖军, 赵筱青, 等. 云南典型石漠化区生态系统服务权衡与协同研究[J]. 水土保持研究, 2021, 28(4): 366-374

Miao Peipei, Zhao Zujun, Zhao Xiaoqing et al. Study on trade-off and cooperation of ecosystem service space in rocky desertification area of Yunnan Province. Research of Water and Soil Conservation, 2021, 28(4): 366-374.

[11]
罗盛锋, 闫文德. 广西北部湾沿岸地区生态系统服务价值变化及其驱动力[J]. 生态学报, 2018, 38(9): 3248-3259

Luo Shengfeng, Yan Wende. Evolution and driving force analysis of ecosystem service values in Guangxi Beibu Gulf coastal areas, China. Acta Ecologica Sinica, 2018, 38(9): 3248-3259.

[12]
Zhang M, Wang K, Liu H et al. Effect of ecological engineering projects on ecosystem services in a karst region: A case study of northwest Guangxi, China[J]. Journal of Cleaner Production, 2018, 183(5): 831-842.

[13]
Turner K G, Odgaard M V, Bocher P K et al. Bundling ecosystem services in Denmark: Trade-offs and synergies in a cultural landscape[J]. Landscape Urban Plan, 2014, 125: 89-104.

DOI

[14]
Barton, D N, Kuikka S, Varis O et al. Bayesian networks in environmental and resource management[J]. Integrated Environmental Assessment and Management, 2012, 8(3): 418-429.

DOI

[15]
Karimi J D, Harris J A, Corstanje R. Using Bayesian Belief Networks to assess the influence of landscape connectivity on ecosystem service trade-offs and synergies in urban landscapes in the UK[J]. Landscape Ecology, 36: 3345-3363.

[16]
Zhou X, Talley M, Luo Y. Biomass, Litter, and soil respiration along a precipitation gradient in Southern Great Plains, USA[J]. Ecosystems, 2009, 12(8): 1369-1380.

DOI

[17]
Xu T, Wu, Shuai et al. Socio-ecological changes on the Loess Plateau of China after Grain to Green Program[J]. Science of the Total Environment, 2019, 678: 565-573.

DOI

[18]
Deng L, Shangguan Z P, Rui L I. Effects of the Grain-for-Green Program on soil erosion in China[J]. International Journal of Sediment Research, 2012, 27(1): 120-127.

DOI

[19]
Wischmeier W H, Smith D D Predicting rainfall erosion losses: A guide to conservation planning[M]. Washington: Science and Education Administration, 1978.

[20]
高敏, 王勇, 高洁, 等. 喀斯特地区退耕还林工程下生态系统服务变化与关系分析[J]. 水土保持研究, 2020, 27(2): 276-283

Gao Min, Wang Yong, Gao Jie et al. Analysis on changes and relationship of ecosystem services in Karst area under the project of Returning Farmland to Forest. Research of Water and Soil Conservation, 2020, 27(2): 276-283.

[21]
韩会庆, 杨建强, 陈思盈, 等. 喀斯特山区淡水生态系统服务权衡−协同关系的空间粒度效应[J]. 济南大学学报(自然科学版), 2022, 36(1): 45-55

Han Huiqing, Yang Jianqiang, Chen Siying et al. Spatial grain size effect of trade-off-synergy relationship between freshwater ecosystem services in karst mountainous areas. Journal of Jinan University (Natural Science Edition), 2022, 36(1): 45-55.

[22]
Zhang L, Hickel K, Dawes W R et al. A rational function approach for estimating mean annual evapotranspiration[J]. Water Resources Research, 2004, 40(2): 89-97.

[23]
周文佐, 刘高焕, 潘剑君. 土壤有效含水量的经验估算研究——以东北黑土为例[J]. 干旱区资源与环境, 2003, 17(4): 88-95.

DOI

Zhou Wenzuo, Liu Gaohuan, Pan Jianjun. Soil available water capacity and it’s empirical and statistical models—With a special reference to black soils in Northeast China. Journal of Arid Land Resources and Environment, 2003, 17(4): 88-95.

DOI

[24]
马月伟, 潘健峰, 蔡思青, 等. 生态系统服务社会价值与生态价值的权衡与协同关系——以普达措国家公园为例[J]. 地理科学, 2022, 42(7): 1283-1294

Ma Yuewei, Pan Jianfeng, Cai Siqing et al. Trade-offs and synergies between social value and ecological value of ecosystem services: A case study of the Potatso National Park. Scientia Geographica Sinica, 2022, 42(7): 1283-1294.

[25]
Pearl J. Probabilistic reasoning in intelligent systems: Networks of plausible inference[M]. San Mateo, California: Morgan Kaufmann, 1988.

[26]
陈金珂, 蒲俊兵, 李建鸿, 等. 典型岩溶流域不同坡度等级下的土壤侵蚀与石漠化分布特征耦合分析[J]. 水土保持研究, 2020, 27(5): 1-9

Chen Jinke, Pu Junbing, Li Jianhong et al. Coupling of rocky desertification distribution and soil erosion under different slope grands in a typical karst basion. Research of Water and Soil Conservation, 2020, 27(5): 1-9.

[27]
Tian H, Cao C, Chen W et al. Response of vegetation activity dynamic to climatic change and ecological restoration programs in Inner Mongolia from 2000 to 2012[J]. Ecological Engineering, 2015, 82: 276-289.

DOI

[28]
张欣蓉, 王晓峰, 程昌武, 等. 基于供需关系的西南喀斯特区生态系统服务空间流动研究[J]. 生态学报, 2021, 41(9): 3368-3380

Zhang Xingrong, Wang Xiaofeng, Cheng Changwu et al. Ecosystem service flows in Karst area of China based on the relationship between supply and demand. Acta Ecologica Sinica, 2021, 41(9): 3368-3380.

[29]
Peng L, Chen T, Deng W et al. Exploring ecosystem services trade-offs using the Bayesian belief network model for ecological restoration decision-making: A case study in Guizhou Province, China[J]. Ecological Indicators, 2022, 135: 108569.

DOI

[30]
秦瑶, 熊康宁, 陈起伟, 等. 喀斯特地区生态系统服务变化及权衡协同关系[J]. 环境科学与技术, 2021, 44(9): 228-236

Qin Yao, Xiong Kangning, Chen Qiwei et al. Ecosystem service changes and trade-off synergistic relationships in karst areas. Environmental Science and Technology, 2021, 44(9): 228-236.

[31]
陈美淇, 魏欣, 张科利, 等. 基于 CSLE 模型的贵州省水土流失规律分析[J]. 水土保持学报, 2017, 31(3): 16-21

Chen Meiqi, Wei Xin, Zhang Keli et al. Analysis of characteristics of soil and water loss in Guizhou Province based on CSLE. Journal of Soil and Water Conservation, 2017, 31(3): 16-21.

[32]
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

Yu Yuyang, Li Jing, Zhou Zixiang et al. Multi-scale representation of trade-offs and synergistic relationship among ecosystem services in Qinling-Daba Mountains. Acta Ecologica Sinica, 2020, 40(16): 5465-5477.

[33]
陈田田, 黄强, 王强. 基于地理探测器的喀斯特山区生态系统服务关系分异特征及驱动力解析——以贵州省为例[J]. 生态学报, 2022, 42(17): 6959-6972

Chen Tiantian, Huang Qiang, Wang Qiang. Differentiation characteristics and driving factors of ecosystem services relationships in karst mountainous area based on geographic detector modeling: A case study of Guizhou Province. Acta Ecologica Sinica, 2022, 42(17): 6959-6972.

[34]
Zhang M, Wang K, Liu H et al. Effect of ecological engineering projects on ecosystem services in a karst region: A case study of northwest Guangxi, China[J]. Journal of Cleaner Production, 2018, 183: 831-842.

DOI

[35]
Tong X, Brandt M, Yue Y et al. Increased vegetation growth and carbon stock in China karst via ecological engineering[J]. Nature Sustainability, 2018, 1(1): 44-50.

DOI

[36]
Tong X, Brandt M, Yue Y et al. Forest management in southern China generates short term extensive carbon sequestration[J]. Nature Communications, 2020, 11(1): 1-10.

DOI

文章导航

/