Spatial and temporal distribution of ecosystem services and trade-offs in the Yangtze River Delta
-
摘要:研究目的
生态系统服务关系人类福祉，生态系统服务的可持续供给可为区域生态安全和可持续发展提供保障。
研究方法基于InVEST模型，结合土地利用类型、归一化植被指数（Normalized Differnce Vegetation Index, NDVI）和气象数据，分析1990—2020年长江三角洲地区植被净初级生产力（Net Primary Productivity, NPP）、土壤保持、生境质量和碳储量4种重要生态系统服务功能的时空分布特征，并识别其热点区域。采用相关系数法，分析长江三角洲地区不同生态系统服务功能与土地利用类型之间的权衡/协同关系。
研究结果结果表明：①长江三角洲地区的生态系统服务功能具有明显空间异质性，生境质量、水土保持和碳储量呈现出西南高、东北低的空间格局，且生境质量和碳储量的高值沿江分布。1990—2020年，生境质量与碳储量多数提升；土壤保持和植被净初级生产力整体呈现下降趋势，但东部地区有所提高。②1990—2020年，3类热点区（热点区、显著热点区、极显著热点区）所占面积无显著变化，集中分布在西南地区，具有明显的地带性。③土壤保持、碳储量、生境质量之间主要为协同关系，而NPP与碳储量、生境质量、土壤保持主要为权衡关系。为确保当地生态系统的可持续管理，在空间规划中应考虑生态系统服务之间的相互联系，尽量减少权衡效应，提高协同效应。
结论本次研究聚焦于长江三角洲区域，基于ArcGIS和Geoda，通过整合遥感数据、地理信息数据、社会经济数据等多源数据集，对长三角地区的4项关键生态系统服务（固碳能力、土壤保持、生境质量和植被净初级生产力）进行了全面评估，系统地揭示了长三角地区在格网县域尺度上的生态系统服务空间格局特征，为深入理解和优化该区域的生态系统服务提供了重要依据。
Abstract:ObjectiveValuation of ecosystem services is critical to the sustainable development of a region and human well−being.
MethodsTaking the Yangtze River Delta as the study area, we analysed the spatial and temporal distribution characteristics of four important ecosystem service functions, namely, net primary productivity (NPP) of vegetation, soil retention, habitat quality and carbon storage, in the Yangtze River Delta region from 1990 to 2020, based on the InVEST model and combining the land use types, normalised difference vegetation index (NDVI) and meteorological data. The spatial and temporal distribution characteristics of four important ecosystem services, namely vegetation net primary productivity (NPP), soil conservation, habitat quality and carbon storage, were analysed from 1990 to 2020, and hotspot areas for the four ecosystem services were identified. The correlation coefficient method was used to analyze the relationship between various ecosystem functions and land use types in the Yangtze River Delta region.
ResultsThe results show that: ① the ecosystem service functions in the Yangtze River Delta region are spatially heterogeneous, with habitat quality, soil and water conservation and carbon storage showing a spatial pattern of "high in the southwest and low in the northeast", while the high values of habitat quality and carbon storage are distributed along the river. During the period 1990−2020, habitat quality and carbon storage services show a trend of "overall increase − local decrease", while soil conservation and vegetation net primary productivity services show a trend of "overall decrease − local increase". ② The area occupied by the three types of hotspots (hotspots, significant hotspots and very significant hotspots) in the Yangtze River Delta does not change significantly, and the distribution is obviously zonal, concentrated in the southwest. ③ In the Yangtze River Delta, there is a synergistic relationship between soil conservation, carbon storage and habitat, and NPP is a trade−off with carbon storage, habitat quality and soil conservation; among the seven land use types, NPP and soil conservation have a trade−off relationship. The trade−off/synergistic relationship between NPP and soil conservation is consistent with the Yangtze River Delta region. To ensure the sustainable management of local ecosystems, it is necessary to consider the interrelationships among ecosystem services in spatial planning to minimise trade−offs and enhance synergies.
ConclusionsThis study focused on the Yangtze River Delta region and comprehensively evaluated four key ecosystem services (carbon storage, soil retention, habitat quality and net primary productivity of vegetation) in the Yangtze River Delta region through integrating multi−source datasets such as remote sensing data, geographical information data and socio−economic data, based on ArcGIS and Geoda. It systematically revealed the spatial pattern characteristics of ecosystem services in the Yangtze River Delta region on the grid−county scale, providing an important basis for in-depth understanding and optimizing the ecosystem services in this region.
-
Keywords:
- ecosystem services /
- InVEST model /
- trade−off and coordination /
- Yangtze River Delta
创新点分析了1990—2020年长江三角洲地区4种重要生态系统服务功能的时空分布特征及权衡/协同关系，为长江三角洲生态系统服务的动态变化提供科学依据，并有助于制定区域可持续管理政策。
-
生态系统服务是自然提供的对人类有益的过程和功能，分为供给、调节、支持和文化4类（Cord et al., 2017）。这些服务构成了人类社会发展的基石，其空间格局和效益因地而异，受到人类活动的影响（Sheng et al., 2023）。随着联合国千年生态系统评估的推进，研究者越发关注生态系统服务对区域发展的贡献（Xu et al., 2018）。然而，在城市化的推进下，生态系统服务面临诸多压力，主要表现为生态系统服务功能整体减少和生态过程复杂化。因此，平衡和优化不同生态系统服务之间的关系，考虑其空间异质性，并采取因地制宜的管理措施促进特定服务的发展，对于可持续发展至关重要。这要求深入理解生态系统服务的相互作用，并制定有效的策略维护和增强生态系统服务。
生态系统服务在演变过程中展现出错综复杂的相互关系，表现为服务间的权衡与协同现象（李双成等，2013; 戴尔阜等，2016）。权衡关系，也称作冲突或竞争，指当2种生态服务一方提升则可能导致另一方减弱（Rodriguez et al., 2006）；而协同关系指它们同步增减的状态（李鹏等，2012）。生态服务权衡−协同研究，涉及多学科，旨在平衡不同尺度的生态服务。这种研究强调跨学科合作，对于资源管理和生态系统可持续性发展至关重要，被视为未来发展的关键。研究方法涵盖了统计分析（Bai et al., 2011; Turner et al., 2014）、空间分析技术（Egoh et al., 2008；李屹峰等，2013）、情景和模型模拟（Lautenbach et al., 2013; Meehan et al., 2013; Locatelli et al., 2014）等多种手段。例如，Turner et al.（2014）利用空间自相关和主成分分析探讨了丹麦11类生态服务的尺度特性；Kragt et al. (2014)借助APSIM模型，深入研究了西澳大利亚农业生产和生态系统服务间的权衡关系，并将其应用到农业实践中；Su et al.（2012）研究了延河流域的生态服务与人类活动的关系，李晶等（2016）和杨晓楠（2015）分析了关中－天水区域的生态服务多样性，而王蓓团队探讨了石羊河流域生态服务的相互作用（王蓓等，2018）。武文欢等（2017）将焦点放在中国北方农牧交错带的核心区域鄂尔多斯市，运用相关分析在栅格尺度上研究了4种生态服务的权衡与协同关系，并比较了不同土地利用类型下生态服务关联特征的差异。
目前，生态系统服务的权衡与协同作用研究主要聚焦于河流盆地、流域、水源地等区域（孙艺杰等，2017; 王鹏涛等，2017; 陈登帅等，2018）。相比之下，城市群生态系统服务及其权衡与协同作用的研究相对较少。长江三角洲城市群作为中国的经济、文化和科技中心之一，其快速的城市化和高度的城市扩张对该地区的土地利用类型产生了巨大影响（朱一姝等，2024）。这些变化导致原本脆弱的生态环境进一步恶化，区域内部的生态服务功能明显下降（何剑锋等，2006）。大量农田、湿地和自然生境被转变为城市建设用地，对生态系统造成了巨大压力，影响生物多样性、土壤质量和水资源。例如，大量工业排放、交通尾气和建筑物热量释放导致空气质量下降，影响居民健康和生活质量。这些热岛效应、雾霾等环境问题已经严重威胁到长江三角洲城市群的可持续发展。政府和社会各界需要采取措施，平衡经济发展和生态环境保护，以确保未来世代的福祉。长江三角洲城市群需要在城市化和经济发展的同时，重视生态环境保护，以实现可持续发展的目标（Jiang et al., 2019）。
本次研究以中国最大的城市群——长江三角洲（以下称“长三角”）城市群为研究对象，选取1990—2020年经济快速发展期，结合该地区的特定地理特征，运用InVEST模型对关键生态系统服务进行模拟和测算。这些服务包括土壤保持、碳储量、生物多样性（生境质量）维护和植被净初级生产力4项。通过ArcGIS 10.2软件，分析了生态系统服务在时间和空间上的变化，以及冷热点的分布特征。此外，相关分析揭示了生态系统服务间的相互影响。通过双变量空间相关分析，探讨权衡与协同效应的动态演变，了解长江三角洲生态系统服务在不同时间和空间的异质性，以及生态系统服务之间权衡与协同作用的规律性变化，为长江三角洲生态系统服务的动态变化提供科学依据，并有助于制定区域可持续管理政策。
1. 材料与方法
1.1 研究区概况
长三角区域（图1），涵盖上海及江苏、浙江、安徽三省共计41个城市，位于中国东海岸线和长江中下游的黄金地带，拥有宜人的气候和丰富的水资源，众多的湖泊和日益扩大的森林覆盖度使其成为国内至关重要的生态安全屏障（马伟波等，2022）。作为中国经济的“金三角”，该地区在2019年的国内生产总值达到了23.72万亿元，占比全国近1/4，城市化水平超过60%。然而，伴随人口的增长与经济活动的加剧，长三角地区正遭遇生态环境质量下滑和环境承载力的挑战，因此亟须强化生态保护措施，推动经济社会与环境的可持续平衡，以期达到人与自然和谐共存的目标（倪泽睿等，2021）。
![]()
图 1 长江三角洲区位图a—长江三角洲地理位置（基于自然资源部标准地图服务网站GS(2021)7160号的标准地图绘制底图边界无修改，后图同）；b—长江三角洲高程分布；c—长江三角洲各省市土地利用类型分布Figure 1. Location of Yangtze River Delta1.2 数据来源
在地方或区域层面上，挑选恰当的指标以量化生态系统服务是一项复杂的任务。这是因为不同生态系统提供的关键服务各不相同。过多的指标可能会使公众和决策者感到迷惑，而指标不足可能导致结论缺乏支撑。从系统分析的角度看，生态系统服务指标之间的相互作用尚未得到充分地研究，限制了新指标能够带来的额外见解（Ronchi et al., 2002）。因此，选取的指标应当能够精确地反映长江三角洲所面临的生态问题，如气候干旱、降水不均和植被退化。考虑到这些区域的特殊限制，特别是土壤侵蚀和植被退化的严重问题（Fu et al., 2005; Wallace et al., 2007），选择NPP（植物净初级生产力）、碳储量、生境质量、土壤保持等指标进行评估，这些指标通常是相互关联的（Wallace et al., 2007; Fu et al., 2011; Su et al., 2012; 陈武迪等,2024）。NPP和碳储量紧密相关，因为它们都基于光合作用这一共同的生态过程，而土壤保持和生境质量通过相似的植被配置模式相互联系。
本文采用多维数据集评估生态系统服务供需，包括土地利用/覆盖数据集、遥感影像、自然地理数据集、社会经济数据集和其他辅助数据集（表1）。在2020年发布的各项政策中，涵盖了大气污染全面治理的行动计划和长三角地区生态绿色一体化发展示范区的环境管理措施，这些都是为了进一步改善和发展该地区的生态环境。包括“三统一”制度建设在内的多个规划和实践方案，将2020年定为长三角绿色生态一体化战略的关键时间点进行研究。目前，所有空间数据的投影坐标系统已统一转换为Krasovsky_1940_Albers，并且数据分辨率已重新采样至1000 m（Zhang et al., 2021; Lyu et al., 2022）。
表 1 数据来源与描述Table 1. Data source and description数据类型 数据名称 数据来源 空间分辨率 相关用途 遥感数据 土地利用/覆被数据集：Landsat 8 中国科学院资源环境科学与数据中心
(https://www.resdc.cn/)30 m 土地利用类型 夜间灯光数据集：NPP-VIRS 500 m 生境质量需求 高程数据（DEM）
集：SRTM250 m 土壤保持供给与需求
（地形因子）初级净生产力数据（NPP）集：MOD17A3 https://ladsweb.modaps.eosdis.nasa.gov/ 500 m 归一化植被指数集：MOD13Q1
(NDVI)250 m 人口数据 https://www.worldpop.org/ 1 km 固碳需求 土壤数据 土壤有机质、土壤质地等 HWSD土壤数据库(http://data.tpdc.ac.cn/zh-hans/) 1∶ 1000000 土壤保持供给与需求 气候数据 逐月降水量 中国科学院资源环境科学与数据中心
(https://wwwresdc.cn)；
国家青藏高原科学数据中心
(https://data.tpdc.ac.cn/home)1 km 土壤保持供给与需求 二氧化碳排放量 市域尺度 固碳需求 社会经济数据 生物物理表和威胁因素 CHRED 3.0数据库 生境质量供给 其他数据 文献和InVEST用户指南 1.3 研究方法
1.3.1 植物净初级生产力（NPP）
在生态系统的碳循环评估中，植物净初级生产力（NPP）具有极其重要的作用。本次研究利用CASA模型（Potte et al., 1993）计算研究区域的NPP，具体的计算公式如下：
NPP(a,b)=APAR(a,b)×f(a,b) (1) APAR(a,b)=SOL(a,b)×FPAR(a,b)×0.5 (2) f(a,b)=Tε1(a,b)+Tε2(a,b)+Wε(a,b)×εmax (3) 式中：NPP(a,b)表示像元a在b月的净初级生产力（g/m2C）；APAR(a,b)表示像元a在b月的光合有效辐射；f(a,b)表示像元a在t月的实际光利用率，单位为g/MJ；SOL(a,b)表示像元a在b月的太阳总辐射，单位为MJ/m2。FPAR(a,b)表示像元a在b月植被层对入射光合有效辐射的吸收比例。Tε1(a,b)为低温对光利用率的胁迫作用；Tε2(a,b)为高温对光利用率的胁迫作用（无量纲）；Wε(a,b)为水分胁迫影响系数（无量纲）；fmax为植被在理想状态下的实际光能利用率（g/MJ）。
1.3.2 土壤保持
本次研究使用InVEST模型的Sediment Delivery Ratio模块估算土壤保持服务。具体计算公式如下：
RKLS=R×K×LS (4) USLE=R×K×LS×C×P (5) SD=RKLS−USLE (6) 式中：RKLS表示在特定的地形和气候条件下，研究区域可能发生的土壤侵蚀总量（t）；USLE表示在考虑植被的拦截效果和实施管理措施之后，实际发生的土壤侵蚀量（t）；土壤保持量（t）用SD表示，降雨侵蚀力用R表示，土壤可蚀性用K表示，而坡长坡度因子则用LS表示，C,P为植被覆盖因子和土壤保持措施因子，参考前人（孙琪等，2023; 吴卿等，2024）研究结果得到。
1.3.3 碳储量
通过合计不同土地利用类型下4个碳库的碳量，估算出一个区域的总碳储量（周杰等，2018; 丁岳等，2023; 孙方虎等，2023; 吴楠等，2023; 闵婕等，2024; 袁江龙等，2024）。相关的计算公式如下：
Cy=∑Jx=1 Ayx(Cax+Cbx+Csx+Cdx) (7) 式中： {C}_{y} 表示区域 \mathrm{y} 的碳储量（t）； {A}_{yx} 表示区域 {y} 中土地覆被类型 x 的面积（hm2）； {C}_{ax} 、 {C}_{bx} 、 {C}_{sx} 和 {C}_{dx} 分别代表土地覆被类型 x 的地上碳密度、地下碳密度、土壤碳密度及死亡有机物中碳密度（t/hm2）。
1.3.4 生物多样性维持（生境质量）
InVEST模型中的生境评估模块，通过分析土地利用情况及生物多样性受影响的相关数据判定生境的状况，进而对其生物多样性的维护能力进行评价（刘春芳等，2018）。该模型根据不同生态系统类型对于动植物生境的适应性，以及人为干预的影响程度，进行模拟和评估，继而与之前的研究成果进行比对（张大智等，2018; Shan et al., 2019; 郭富印等，2024）。生境模块的核心计算原则如下所示：
{Q}_{xy}={H}_{y}\left(1-\left(\dfrac{{D}_{xy}^{c}}{{D}_{xy}^{c}+{k}^{z}}\right)\right) (8) 式中： {Q}_{xy} 为特定土地利用类型 y 在栅格 x 处的生境质量指数； {H}_{y} 为土地利用类型 y 中的生境适宜性； {D}_{xy}^{c} 为土地利用类型 y 中栅格 x 的生境退化度,其中 c 是模型的一个默认参数； k 是半饱和常数。
1.3.5 冷热点分析
Moran's I指数反映了空间邻接或空间上相邻区域属性值的相似性（Zhang et al., 2018），本次研究采用GeoDA分析流域网格单元间生境质量的空间相关性。冷热点分析（Getis-Ord Gi*）用于衡量生境质量空间变化的聚集和分异特征，研究空间变异是否具有高值（热点）或低值（冷点）的聚集现象（Zhang et al., 2016）。通过热点分析，可以确定生境质量高值或低值区域的空间集群位置（Zheng et al., 2014）。计算公式如下：
{\mathrm{Moran}{'}s}\;I=\dfrac{n{\sum }_{i=1}^{n} {\sum }_{j=1}^{n} {w}_{ij}\left({x}_{i}-\overline{x}\right)\left({x}_{j}-\overline{x}\right)}{{\sum }_{i=1}^{n} {\left({x}_{i}-\overline{x}\right)}^{2}\left({\sum }_{i} {\sum }_{j} {w}_{ij}\right)} (9) Z\left({G}_{i}^{*}\right)=\dfrac{\sum _{j=1}^{n} {w}_{ij}{x}_{j}-X\sum _{j=1}^{n} {w}_{ij}}{\sqrt{\dfrac{\left[n\sum _{j=1}^{n} {w}_{ij}^{2}-{\left(\sum _{j=1}^{n} {w}_{ij}\right)}^{2}\right]}{(n-1)}}} (10) \begin{array}{r}X=\dfrac{1}{n}\sum _{j=1}^{n} {x}_{i},S=\sqrt{\dfrac{1}{n}\sum _{j=1}^{N} {x}_{j}^{2}-{x}^{2}}\end{array} (11) 式中： {I} 为 {\mathrm{Moran}} 指数； n 为研究区的空间网格单元数量， {x}_{i} 和 {x}_{j} 分别为空间单元 i 和空间单元 j 的观测值， {G}_{i}^{*} 为第 i 个空间单元上的观测值与平均值的偏差， {w}_{ij} 为空间单元 i 和 j 的权重矩阵。Moran's {I} 指数的取值一般在[−1，1]，小于0表示在空间上呈负相关，大于0表示在空间上呈正相关，等于0表示不相关，随机分布。
1.3.6 双变量空间相关分析方法
与单变量空间自相关分析相比，Moran’s I的双变量全局自相关指数提供了一种更全面的方法，用于探索2个不同变量在空间分布上的相互关系。双变量LISA分布图能够展现研究区内2种要素的空间相关性，目前已成为分析地理元素间空间分布关系的一种重要手段（Anselin et al., 2002）。相关的公式为：
\begin{array}{r}{I}_{fg}^{a}={z}_{f}^{a}\cdot \sum _{b=1}^{n}{w}_{ab}\cdot {z}_{g}^{b}\end{array} (12) 式中： {I}_{fg}^{a} 为空间单元 a 的双变量（即地理属性 f 和 g ）的全局空间自相关系数； {w}_{ab} 为空间单元 a 、 b 之间的空间连接矩阵； {z}_{f}^{a}=\dfrac{{X}_{f}^{a}-{\overline{X}}_{f}}{{\sigma }_{f}} ； {z}_{g}^{b}=\dfrac{{X}_{g}^{b}-{\overline{X}}_{g}}{{\sigma }_{g}} ； {X}_{f}^{a} 、 {X}_{g}^{b} 分别表示空间单元 a 、 b 的属性 f 、 g 的值； {\overline{X}}_{f} 、 {\overline{X}}_{g} 分别为属性 f 和 g 的平均值； {\sigma }_{f} 、 {\sigma }_{g} 分别表示属性 f 和 g 的方差。
1.3.7 生态系统服务之间的权衡与协同效应的评价方法
生态系统的复杂性导致了其服务供给之间的多种复杂互动，这些互动可能是相互竞争的权衡关系，也可能是相互支持的协同关系。以人类需求为中心，不同的需求也会相互影响。生态系统服务的供需空间分布和集中趋势由这些权衡和协同关系及需求间的互动效应决定。因此，本次使用皮尔逊（Pearson）相关系数分析生态系统服务供需之间的关系。在供给方面，服务之间的显著负相关表明了空间上的权衡，显著的正相关则表明了协同（田榆寒等,2018; Wang et al., 2022）。使用ArcGIS软件将栅格尺度的生态系统服务供需数据汇总到县域尺度上，以此对研究区1990－2020年4种生态系统的权衡和协同作用进行相关性分析。当2个生态系统之间呈现出正向且显著的相关性时，称为协同作用；相反，若关联系数为负并具有显著性，表明它们之间存在权衡关系。如果相关系数既不明显为正也不明显为负，那么这2种生态系统服务的关系被视为不显著。生态系统服务的供需差异源自系统结构的复杂性和多级性，揭示了服务供需在空间上的模式和变化。基于对长三角地区4种生态系统服务的评估，从县级层面深入描绘长三角区域的生态系统服务空间分布特性，包括各服务间的权衡与协同关系，以及服务的局部热点和冷点区。通过对空间分布模式的分析，识别出各种服务的空间不均匀性，为不同层次的生态区划优化和生态系统的持续管理提供有力的数据支持。
2. 结果与分析
2.1 生态系统服务时空变化
1990—2020年长江三角洲4种生态系统服务的时空分布中，土壤保持量在整体上呈现东北部和西北部区域低、南部区域高的分布特征，在空间上差异性大（图2）。长江三角区土壤保持量范围在0~2151 t之间，研究区平均值为1686 t。安徽东北部、江苏和上海地区普遍面临较低的土壤保持水平，而浙江显示出较高的土壤保持能力。泥沙流失量经历了先减后增再减的过程，过去30 a，从1809 t下降至1613 t，反映出土壤保持性能的逐步提升。从地域角度观察，泥沙流失量在建设用地集中的区域明显较小，这是因为城市化进程导致建设用地扩大，不透水地面的增加抑制了泥沙流失。耕地的泥沙流失量在研究期间持续增加，其土壤保持功能相应地逐渐减弱。
1990—2020年，长江流域的长期平均NPP多年均值为6281 gC/m2·a，最大值达到6300 gC/m2·a（图2）。2010—2020年，NPP的空间格局发生了显著变化，NPP从6300 gC/m2·a下降到6244 gC/m2·a。2010年的NPP高值区主要出现在上海，原因在于上海气候较湿润。1990—2020年，土壤保持的空间分布显示出相对稳定的模式，其中西南部地区的土壤保持能力较强，而东北部地区相对较弱。在浙江省和安徽省的西南部，土壤保持的能力显著，表现为高值区。碳储量分布呈现出特定的点线模式，其中东南部和西南部的碳储量相对较高，而东北部和西北部相对较低。特别是浙江省的森林地区，碳储量特别丰富，平均植被覆盖率超过85%，展现了卓越的碳吸收能力。相比之下，城市和农业区的碳储量普遍偏低，这些较低的碳储量主要集中在江苏省、上海市和安徽省的北部地区。由于江苏省和上海市的人口密集，土地开发利用程度高，城市化进程导致大量耕地和森林被占用，从而降低了这些区域的碳储量。安徽省北部的林地面积和碳储量减少，主要是由于城市化的快速推进、旅游景区的开发及度假村的建设，加之山区的伐木和围湖造田活动，导致碳储量的大量流失。
1990—2020年，长江三角洲地区的生境质量保持基本一致的空间分布模式。南部地区由于其丰富的植被和森林覆盖，通常呈现出较高的生境质量。相反，北部地区由于裸露土地的周边环境及邻近的耕作和建筑用地，生境质量较低。这种分布受地区的土地利用类型，即北部主要为耕地、南部主要为林地影响，南部的生境质量普遍较高。生境质量供给较低的城市主要集中在安徽省北部，例如亳州市和淮北市，这些地区的林地较少，主要为耕地。长三角中部的南京市、苏州市的平均生境质量为中等水平，以此为中心，往北方向生境质量供给呈现圈层式逐渐降低，往南生境质量提高。当考虑到城市规模时，丽水市生境质量整体领先，杭州市、六安市和安庆市紧随其后。在长三角地区，舟山市在生境供应的空间多样性上排名最高，宁波市、绍兴市和湖州市次之。这一现象主要与这些城市土地利用的多样性及其空间布局密切相关。2020年生境质量低值区明显增多，是因为西南部的裸地不断扩张，生境质量转差。
2.2 不同土地利用类型生态系统服务权衡关系
为了分析不同土地使用模式对生态系统服务的影响及其相互作用，对每一种土地利用类型的4项生态系统服务进行了量化，并求出每种方式下4项服务的平均数值。为了更清晰地比较不同的服务，使用Z-Score标准化进行去量纲处理，并绘制了南丁格尔玫瑰图（图3）。耕地在生境质量方面表现最佳，但在土壤保护方面最弱；林地在植被净初级生产力上排名第一，但其生境质量和碳储量最低；灌木地的植物群落具有较高的净初级生产力，但其碳储量能力相对较弱。草地在土壤保持方面表现突出，然而其碳储量和植被净初级生产力相对较低；水域的碳储量最高，但生境质量最不理想。未利用地的碳储量最大，生境质量最小；建设用地的碳储量最大，生境质量最小。
![]()
图 3 7种土地利用类型的4种生态系统服务分布风向玫瑰图Figure 3. Wind rose map of the distribution of four ecosystem services for seven land use types从时间动态看，耕地的生境质量、土壤保持和碳储量在2005—2020年明显减少，植被净初级生产力先减少后增加；2005—2020年，林地的生境质量、土壤保持和森林碳储量也呈上升趋势，而植被净初级生产力变化不大；1990—2020年，灌木的生境质量、植被净初级生产力和土壤保持、碳储量呈现此消彼长的变化方式；1990—2020年，草地的生境质量表现出增加的趋势，土壤保持呈现先减少后增加再减少的趋势，碳储量和植被净初级生产力表现出减少的趋势；1990—2020年水体的生境质量、土壤保持和碳储量、植被净初级生产力表现出此消彼长的变化方式；1990—2020年，未利用地的植被净初级生产力呈现下降趋势，而其他3项生态系统服务未显示出显著的变动；1990—2020年，建设用地的碳储量和植被净初级生产力均无明显变化，生境质量和土壤保持表现出先减少后增加再减少的趋势。
2.3 生态系统服务空间冷热点分析
通过对生态系统服务的空间分布进行冷热点分析（图4），发现不同服务的冷热点区域呈现出相似的分布模式。在1990—2020年，长江三角洲西南部的丘陵和山区地带持续成为碳储量、生境质量和土壤保持的热点区域。这与该地区主要由森林和草地组成的土地利用类型密切相关。相反，南部和东部的某些小型区域成为这些生态系统服务的冷点，这些区域主要由耕地构成。
![]()
图 4 长江三角洲4类典型生态系统服务冷热点空间分布图Figure 4. Yangtze River Delta’s spatial mapping of thermal anomalies for four characteristic ecosystem services在探究长江三角洲1990—2020年冷热点在空间上的变化特征时，选取了1990年和2020年2个年份。随着时间的流逝，生境质量和净初级生产力的热点区域数量正在逐步扩大。同时，在江苏省南部，土壤保持的冷点区域正在逐渐减少。碳储量的冷点区域呈现先增加、后减少的趋势。浙江省西部地区长期以来一直是泥沙排放的热点区域。由于该地区海拔较高，土壤侵蚀严重，泥沙排放量大，因此土壤保持能力较弱。然而，在1990—2020年，土壤保持服务功能较低的地区发生了明显的变化。1990年，这些低值区域主要集中在江苏省的东南部。在2000—2020年，研究区没有明显的低值区域。生态系统服务冷点减少主要发生在江苏南部和浙江省南部。这可能与2000年以来实施的退耕还林等环保工程有关，这些工程促进了植被再生，改善了生态系统服务功能。
由表2可知，生境质量因其数据本身特殊性，在空间上只有热点区与不显著区，无冷点区分布，热点区集中分布于西南地区周围。1990年热点区面积占比排序为：土壤保持>碳储量>生境质量>NPP，1990年热点区面积占比排序为：碳储量>土壤保持>生境质量>NPP，2个年份土壤保持和碳储量服务在空间上高值区聚集效应较明显；1990年和2020年冷点区面积占比排序为：碳储量>NPP>土壤保持>生境质量，表明碳储量和NPP服务在空间上低值区聚集效应较为显著。
表 2 长江三角洲各项生态系统服务冷热点空间分布范围及面积占比Table 2. The proportion of the cold and hot spots ecosystem services in Yangtze River Delta生态系统服务 1990年热点区（热点、显著热点和极显著热点）占比/% 1990年冷点区（冷点、显著冷点和极显著冷点）占比/% 2020年热点区（热点、显著热点和极显著热点）占比/% 2020年冷点区（冷点、显著冷点和极显著冷点）占比/% 生境
质量11.409 0 11.107 0 土壤
保持19.045 1.886 13.314 0 碳储量 13.340 6.187 13.340 6.187 NPP 2.895 2.133 7.415 3.059 2.4 生态系统服务间的权衡与协同效应研究
为了解长江三角洲不同生态系统服务之间的空间权衡与协同作用，以县级网格单元为基础，使用GeoDa软件对4个具有代表性的生态系统服务类别进行了双变量空间自相关分析。
相关分析用于研究4种生态系统服务及其优势之间的关系。1990—2020年，碳储量与NPP、生境质量与NPP，以及土壤保持与NPP之间都显示出显著的负相关性，表明它们之间存在权衡关系。特别是碳储量与NPP之间的权衡关系非常明显，其相关系数的绝对值在0.3左右，并且随着时间的流逝，这种相关性有所增强。在2020年，碳储量与NPP之间的相关性系数降至−0.376。此外，碳储量与生境质量、土壤保持的联系十分紧密，三者之间存在显著的正相关关系。特别是碳储量与土壤保持的相关性最密切，其相关系数高达0.729，显示出它们之间的强烈协同效应。
长江三角洲的4种主要生态系统服务的全局Moran’s I指数均在1%的显著性水平上通过了检验，表明这些服务之间存在正的协同效应。在进行双变量Moran’s I空间自相关性分析时，发现高－高、低－低的聚集模式，均表明服务功能之间存在协同效应。而相反的模式暗示了服务之间的权衡。图5揭示了这4种服务之间的权衡与协同关系在空间上的显著差异性。具体而言，浙江省、江苏省北部、安徽省北部等地区表现出碳储量与土壤保持服务、土壤保持与生境质量服务之间的协同作用；而江苏省西部、安徽省中部、浙江省中部等地区表现出这些服务之间的权衡关系。
![]()
图 5 长江三角洲4种主要生态系统服务的双变量局部空间自相关性和集聚分布图Figure 5. Two-dimensional local spatial autocorrelation and cluster distribution of four important ecosystem services in the Yangtze River Delta在浙江省、江苏省东南部、安徽省中部等地区，碳储量与NPP、生境质量与NPP及土壤保持与NPP之间的权衡关系较明显。这些服务之间的协同关系在江苏省和安徽省西北部更明显。而在上海，4种生态系统服务权衡与协同关系的区域相对较少，主要集中在东部和南部的部分区域。碳储量与土壤保持服务之间的权衡与协同关系分布较分散，其中权衡关系主要出现在安徽省北部和浙江省等地区，协同关系则主要出现在江苏省西南部等地区。从整体角度分析，碳储量与土壤保持服务的协同作用在各地区最突出，共计167个，处于权衡关系的地区数量则最少的，只有4个。至于碳储量与NPP的协同效应，在25个地区中有所体现，处于权衡关系的地区数目最多，共计106个。
在县域尺度上，长三角地区固碳服务呈现南部明显高于北部的特征。这一特点可能源于长三角南部地形以山地为主，丘陵地带纵横交错，且土地类型以林地为主导，使南部地区的固碳能力更突出（图5）。长三角南部地区土壤保持供给较高，土壤保持供给在长三角西南部地区较高，该地区以山地为主，森林覆盖较多，在长三角北部地区和以上海市为核心的东部地区土壤保持量相对较低。
2.5 生态系统主成分分析
使用主成分分析确定各类生态系统服务及各大类生态系统服务间的权衡和协同关系（表3）。1990年，前2个主成分占总贡献率的98.476%，第一主成分占总贡献率的92.084%，代表土壤保持与碳储量、NPP之间的权衡关系，第二主成分占总贡献率的6.392%，代表生境质量与碳储量之间的协同作用。2000年，第一主成分占总贡献率的85.651%，代表NPP、碳储量与土壤保持、生境质量之间的权衡作用，第二主成分代表土壤保持与生境质量之间的协同关系，占总贡献率的12.714%。2010年，第一主成分占总贡献率的85.160%，代表生境质量、土壤保持与NPP、碳储量之间的权衡关系，第二主成分占总贡献率的13.234%，代表土壤保持与生境质量之间的空间协同作用。2020年，前2个主成分占总贡献率的98.383%，第一主成分占总贡献率的85.071%，代表NPP与土壤保持之间的权衡关系，第二主成分占总贡献率的13.312%，代表土壤保持与碳储量之间的协同作用。1990—2020年，各生态系统服务之间权衡与协同效应不断变化。
表 3 生态系统服务主成分分析Table 3. Principal component analysis of ecosystem services生态系统服务 1990年 2000年 2010年 2020年 成分1 成分2 成分1 成分2 成分1 成分2 成分1 成分2 碳储量 0.721 0.688 0.789 0.608 0.794 0.602 0.804 0.589 生境质量 −0.723 0.691 −0.789 0.612 −0.793 0.607 −0.802 0.594 土壤保持 −0.997 0.061 −0.995 0.088 −0.995 0.091 −0.995 0.098 NPP 0.999 −0.021 0.999 −0.018 0.999 −0.018 0.999 −0.017 解释方差/% 92.084 6.392 85.651 12.714 85.160 13.234 85.071 13.312 3. 结论与建议
本次研究聚焦于长江三角洲区域，基于ArcGIS和Geoda，通过整合遥感数据、地理信息数据、社会经济数据等多源数据集，对长三角地区的4项关键生态系统服务（固碳能力、土壤保持、生境质量和植被净初级生产力）进行了全面评估，系统地揭示了长三角地区在格网县域尺度上的生态系统服务空间格局特征，为深入理解和优化该区域的生态系统服务提供了重要依据。
(1)1990—2020年，长江三角洲的土壤保持能力和植被净初级生产力呈下降趋势。土壤保持能力下降了10.83%，这与该地区建设用地面积增加和土地利用类型变化密切相关。尽管碳储量经历了一些波动，但总体上呈现出大幅度的增长趋势，增幅高达87.56%，这与林地面积的扩大和降水量的增加有关。空间上总体表现为西部高于东部，南部高于北部的特点，其中固碳服务、生境质量服务和土壤保持服务均在长三角西南部地区较高，净初级生产力在东南部地区较高。
(2)1990—2020年，固碳、生境质量和土壤保持服务的热点区域主要集中在西南地区。植被的净初级生产力热点分布较分散，主要集中在中部区域。生境质量的热点区面积仅占总面积的11%左右，而冷点区占比为0%。碳储量的冷热点区域变化不明显。然而，土壤保持和植物净初级生产力的冷热点区域发生了明显变化。土壤保持冷热点区分别减少了1.886%和5.731%，植物净初级生产力冷热点区分别增加了0.926%和4.520%。
(3)长江三角洲地区的4项生态系统服务呈现出显著的时空异质性特征。植被净初级生产力、碳储量、土壤保持和生境质量之间存在权衡关系，主要集中在南部和中部地区，分别占比36.09%、31.79%和26.16%。碳储量与生境质量和土壤保持、生境质量与土壤保持及三者之间整体呈现协同状态，表现出零散分布的特点，分别占比35.43%、55.96%和49.34%。
基于上述结论，长三角城市群生态系统服务间的权衡与协同的优化措施可以从多个方面着手。首先，采取一系列措施来减轻交通拥堵和降低碳排放。这包括优化运输线路、推广新能源车辆、鼓励公共交通，并加强道路监管。其次，开展产业结构优化，进一步优化城镇产业布局，加快产业结构和技术升级，有效遏制碳排放。通过引导因地制宜发展文旅产业来促进低碳经济。同时，适当限制高耗能产业的发展，鼓励低碳服务业的增长。相关部门应注重规划人口密度，引导劳动力合理转移，缓解人口密集城市的压力。扩大城市绿化面积、加强林业建设，改善区域生态，提升区域固碳能力，有助于进一步减少碳排放。综合考虑交通、产业、人口和生态环境等因素，制定更有效的政策，实现生态系统服务间的权衡与协同，促进可持续发展。
-
![]()
图 1 长江三角洲区位图
a—长江三角洲地理位置（基于自然资源部标准地图服务网站GS(2021)7160号的标准地图绘制底图边界无修改，后图同）；b—长江三角洲高程分布；c—长江三角洲各省市土地利用类型分布
Figure 1. Location of Yangtze River Delta
![]()
图 3 7种土地利用类型的4种生态系统服务分布风向玫瑰图
Figure 3. Wind rose map of the distribution of four ecosystem services for seven land use types
![]()
图 4 长江三角洲4类典型生态系统服务冷热点空间分布图
Figure 4. Yangtze River Delta’s spatial mapping of thermal anomalies for four characteristic ecosystem services
![]()
图 5 长江三角洲4种主要生态系统服务的双变量局部空间自相关性和集聚分布图
Figure 5. Two-dimensional local spatial autocorrelation and cluster distribution of four important ecosystem services in the Yangtze River Delta
表 1 数据来源与描述
Table 1 Data source and description
数据类型 数据名称 数据来源 空间分辨率 相关用途 遥感数据 土地利用/覆被数据集：Landsat 8 中国科学院资源环境科学与数据中心
(https://www.resdc.cn/)30 m 土地利用类型 夜间灯光数据集：NPP-VIRS 500 m 生境质量需求 高程数据（DEM）
集：SRTM250 m 土壤保持供给与需求
（地形因子）初级净生产力数据（NPP）集：MOD17A3 https://ladsweb.modaps.eosdis.nasa.gov/ 500 m 归一化植被指数集：MOD13Q1
(NDVI)250 m 人口数据 https://www.worldpop.org/ 1 km 固碳需求 土壤数据 土壤有机质、土壤质地等 HWSD土壤数据库(http://data.tpdc.ac.cn/zh-hans/) 1∶ 1000000 土壤保持供给与需求 气候数据 逐月降水量 中国科学院资源环境科学与数据中心
(https://wwwresdc.cn)；
国家青藏高原科学数据中心
(https://data.tpdc.ac.cn/home)1 km 土壤保持供给与需求 二氧化碳排放量 市域尺度 固碳需求 社会经济数据 生物物理表和威胁因素 CHRED 3.0数据库 生境质量供给 其他数据 文献和InVEST用户指南 
下载: 导出CSV
表 2 长江三角洲各项生态系统服务冷热点空间分布范围及面积占比
Table 2 The proportion of the cold and hot spots ecosystem services in Yangtze River Delta
生态系统服务 1990年热点区（热点、显著热点和极显著热点）占比/% 1990年冷点区（冷点、显著冷点和极显著冷点）占比/% 2020年热点区（热点、显著热点和极显著热点）占比/% 2020年冷点区（冷点、显著冷点和极显著冷点）占比/% 生境
质量11.409 0 11.107 0 土壤
保持19.045 1.886 13.314 0 碳储量 13.340 6.187 13.340 6.187 NPP 2.895 2.133 7.415 3.059
下载: 导出CSV
表 3 生态系统服务主成分分析
Table 3 Principal component analysis of ecosystem services
生态系统服务 1990年 2000年 2010年 2020年 成分1 成分2 成分1 成分2 成分1 成分2 成分1 成分2 碳储量 0.721 0.688 0.789 0.608 0.794 0.602 0.804 0.589 生境质量 −0.723 0.691 −0.789 0.612 −0.793 0.607 −0.802 0.594 土壤保持 −0.997 0.061 −0.995 0.088 −0.995 0.091 −0.995 0.098 NPP 0.999 −0.021 0.999 −0.018 0.999 −0.018 0.999 −0.017 解释方差/% 92.084 6.392 85.651 12.714 85.160 13.234 85.071 13.312
下载: 导出CSV
-
Anselin L, Syabri I, Smirnov O. 2002. Visualizing multivariate spatial correlation with dynamically linked windows. New tools for spatial data analysis: Proceedings of the specialist meeting[M]. Santa Barbara, University of California.
Bai Y, Zhuang C, Ouyang Z, et al. 2011. Spatial characteristics between biodiversity and ecosystem services in a human−dominated watershed[J]. Ecological Complexity, 8(2): 177−183. doi: 10.1016/j.ecocom.2011.01.007
Chen D, Li J, Yang X, Liu Y, et al. 2018. Trade−offs and optimization among ecosystem services in the Weihe River basin[J]. Acta Ecologica Sinica, 38(9): 3260−3271(in Chinese with English abstract).
Chen W, Liu X, Li H, et al. 2024. Ecosystem service function and security pattern of Tianshan Mountains in Xinjiang from 1990 to 2050[J]. Geology in China, 51(5): 1−22(in Chinese with English abstract).
Cord A, Bartkowski B, Beckmann M, et al. 2017. Towards systematic analyses of ecosystem service trade−offs and synergies: Main concept, methods and the road ahead[J]. Ecosystem Services, 28: 264−272. doi: 10.1016/j.ecoser.2017.07.012
Dai E, Wang X, Zhu J, et al. 2016. Methods, tools and research framework of ecosystem service trade−offs[J]. Geographical Research, 35(6): 1005−1016(in Chinese with English abstract).
Ding Y, Wang L, Gui F, et al. 2023. Ecosystem carbon storage in Hangzhou Bay area based on InVEST and PLUS models[J]. Environmental Science, 44(6): 3343−3352(in Chinese with English abstract).
Egoh B N, Reyers B, Rouget M, et al. 2008. Mapping ecosystem services for planning and management[J]. Agriculture Ecosystems & Environment, 127(1): 135−140.
Fu B, Su C, Wei Y, et al. 2011. Double counting in ecosystem services valuation: causes and countermeasures[J]. Ecol. Res., 26(1): 1−14. doi: 10.1007/s11284-010-0766-3
Fu B, Zhao W, Chen L, et al. 2005. Assessment of soil erosion at large watershed scale using RUSLE and GIS: A case study in the Loess Plateau of China[J]. Land Degradation & Development, 16(1): 73−85.
Guo F, Liu X, Zhang W, et al. 2024. Evolution of the spatial and temporal patterns of habitat quality and analysis of the driving forces in Yellow River Basin (Henan Section) from 2000 to 2040[J]. Geoscience, 38(3): 599−611(in Chinese with English abstract).
He J, Zhuang D. 2006. Analysis of the relationship between urban dynamic change pattern of the Yangtze River Delta and the regional eco−environment[J]. Geographical Research, 3: 388−396,562(in Chinese with English abstract).
Jiang Z, Sun X, Liu F, et al. 2019. Spatio−temporal variation of land us e and ecosystem service values and their impact factors in an urbanized agricultural basin since the reform and opening of China[J]. Environmental Monitoring and Assessment, 191: 1−14. doi: 10.1007/s10661-018-7122-4
Kragt M, Robertson M. 2014. Quantifying ecosystem services trade−offs from agricultural practices[J]. Ecological Economics, 102(2): 147−157.
Lautenbach S, Volk M, Strauch M, et al. 2013. Optimization−based trade−off analysis of biodiesel crop production for managing an agricultural catchment[J]. Environmental Modelling & Software, 48(10): 98−112.
Li J, Li H, Zhang L. 2016. Ecosystem service trade−offs in the Guanzhong−Tianshui economic region of China[J]. Acta Ecologica Sinica, 36(10): 3053−3062(in Chinese with English abstract).
Li P, Jiang L, Feng Z, et al. 2012. Research progress on trade−offs and synergies of ecosystem services: An overview[J]. Acta Ecologica Sinica, 32(16): 5219−5229(in Chinese with English abstract). doi: 10.5846/stxb201109161360
Li S, Zhang C, Liu J, et al. 2013. The tradeoffs and synergies of ecosystem services: Research progress. development trend, and themes of geography[J]. Geographical Research, 32(8): 1379−1390(in Chinese with English abstract).
Li Y, Luo Y, Liu G, et al. 2013. Effects of land use change on ecosystem services: A case study in Miyun reservoir watershed[J]. Acta Ecologica Sinica, 33(3): 726−736(in Chinese with English abstract). doi: 10.5846/stxb201205280787
Liu C, Wang C. 2018. Spatio−temporal evolution characteristics of habitat quality in the loess hilly region based on land use change: A case study in Yuzhong County[J]. Acta Ecologica Sinica, 38(20): 7300−7311(in Chinese with English abstract).
Locatelli B, Imbach P, Wunder S. 2014. Synergies and trade− offs between ecosystem services in Costa Rica[J]. Environmental Conservation, 41(1): 27−36. doi: 10.1017/S0376892913000234
Lyu R, Zhao W, Tian X, et al. 2022. Non−linearity impacts of landscape pattern on ecosystem services and their trade−offs: A case study in the city belt along the Yellow River in Ning xia, China[J]. Ecological Indicators, 136: 108608. doi: 10.1016/j.ecolind.2022.108608
Ma W, Yang F, Wang N, et al. 2022. Study on spatial−temporal evolution and driving factors of ecosystem service value in the Yangtze River Delta Urban Agglomerations[J]. Journal of Ecology and Rural Environment, 38(11): 1365−1376(in Chinese with English abstract).
Meehan T, Gratton C, Diehl E, et al. 2013. Ecosystem−service tradeoffs associated with switching from annual to perennial energy crops in riparian zones of the US Midwest[J]. Plos One, 8(11): 1−13.
Min J, Liu X, Xiao Y, et al. 2024. Analysis and predictions of the spatiotemporal variations of ecosystem carbon storages in the Xin’an river basin based on PLUS and InVEST models[J]. Geoscience, 38(3): 574−588(in Chinese with English abstract).
Ni Z, Yang S, Zhang Q. et al. 2021. Evaluation, trade−off and synergy analysis of ecosystem supply service value in the Yangtze River Delta[J]. Ecological Economy, 37(11): 150−155(in Chinese with English abstract).
Potter C, Randerson J, FieldI C, et al. 1993. Terrestrial ecosystem production: A process model based on global satellite and surface data[J]. Global Biogeochemical Cycles, 7(4): 811−841. doi: 10.1029/93GB02725
Rodriguez J, Beard T, Bennett E, et al. 2006. Trade−offs across space, time, and ecosystem services[J]. Ecology and Society, 11: 28−41.
Ronchi E, Federico A, Musmeci F. 2002. A system oriented integrated indicator for sustainable development in Italy[J]. Ecological Indicators, 2(1/2): 197−210. doi: 10.1016/S1470-160X(02)00045-6
Shan W, Jin X, Ren J, et al. 2019. Ecological environment quality assessment based on remote sensing data for land consolidation[J]. J. Clean Prod., 239: 118126. doi: 10.1016/j.jclepro.2019.118126
Sheng S. 2023. Spatial pattern and driving force of service coordination and tradeoff of coastal ecosystem systems in Shandong[J]. Research on Soil and Water Conservation, 30(2): 384−392.
Su C, Fu B, Wei Y, et al. 2012. Ecosystem management based on ecosystem services and human activities: A case study in the Yan he watershed[J]. Sustainability Science, 7(1): 17−32. doi: 10.1007/s11625-011-0145-1
Sun F, Fang F, Hong W, et al. 2023. Evolution analysis and prediction of carbon storage in Anhui Province based on PLUS and InVEST model[J]. Journal of Soil and Water Conservation, 37(1): 151−158(in Chinese with English abstract).
Sun Q. 2023. The spatial−temporal variation patterns of multiple forest ecosystem services in the Yangtze River basin During 2000−2020[D]. Master’s Thesis of Huazhong Agricultural University: 20−27(in Chinese with English abstract).
Sun Y, Ren Z, Zhao S, et al. 2017. Spatial and temporal changing analysis of synergy and trade−off between ecosystem services in valley basins of Shaanxi Province[J]. Acta Geographica Sinica, 72(3): 521−532(in Chinese with English abstract).
Tian Y. 2018. Study on the synergies and tradeoffs among cultivated land ecosystem services and its management strategies: A case study in Cixi county, Zheiiang Province[D]. Master’s Thesis of Zhejiang University: 29−62(in Chinese with English abstract).
Turner K, Odgaard M, Bocher P, et al. 2014. Bundling ecosystem services in Denmark: Trade−offs and synergies in a cultural landscape[J]. Landscape and Urban Planning, 125(10): 89−104.
Wallace K. 2007. Classification of ecosystem services: Problems and solutions[J]. Biological Conservation, 139(3/4): 235−246. doi: 10.1016/j.biocon.2007.07.015
Wang B, Zhao J, Hu X. 2018. Analysison trade−offs and synergistic relationships among multiple ecosystem services in the Shiyang River Basin[J]. Acta Ecologica Sinica, 38(21): 7582−7595(in Chinese with English abstract).
Wang H, Wang L, Fu X, et al. 2022. Spatial−temporal pattern of ecosystem service supply−demand and coordination in the Ulansuhai Basin, China[J]. Ecological Indicators, 143: 109406. doi: 10.1016/j.ecolind.2022.109406
Wang P, Zhang L, Li Y, et al. 2017. Spatio−temporal characteristics of the trade−off and synergy relationships among multiple ecosystem services in the upper reaches of Hanjiang River Basin[J]. Acta Geographica Sinica, 72(11): 2064−2078(in Chinese with English abstract).
Wu N, Chen N, Cheng P, et al. 2023. Evaluation of carbon storage on terrestrial ecosystem responses to land cover change under five future scenarios in Anhui Province[J]. Resources and Environment in the Yangtze, 32(2): 415−426(in Chinese with English abstract).
Wu Q. 2024. Ecosystem services supply−demand pattern, influencing factors and optimal management strategy at multi−scale in the Yangtze River Delta[D]. Master’s Thesis of Zhejiang University: 25−27(in Chinese with English abstract).
Wu W, Peng J, Liu Y, et al. 2017. Tradeoffs and synergies between ecosystem services in Ordos City[J]. Progress in Geography, 36(12): 1571−1581(in Chinese with English abstract). doi: 10.18306/dlkxjz.2017.12.012
Xu L, Huang Q, Ding D, et al. 2018. Modelling urban expansion guided by land ecological suitability: A case study of Changzhou City, China[J]. Habitat International, 75: 12−24. doi: 10.1016/j.habitatint.2018.04.002
Yang X, Li J, Qin K, et al. 2015. Trade−offs between ecosystem services in Guanzhong−Tianshui Economic Region[J]. Acta Geographica Sinica, 70(11): 1762−1773(in Chinese with English abstract).
Yuan J, Liu X, Li H, et al. 2024. Spatial and temporal variability of carbon stocks in different land−use types in the Yiluo River Basin in the middle section of the Yellow River from 1990 to 2050[J]. Geoscience, 38(3): 559−573(in Chinese with English abstract).
Zhang D, Sun X, Yuan X, et al. 2018. Land use change and its impact on habitat quality in Lake Nansi Basin from 1980 to 2015[J]. Journal of Lake Sciences, 30(2): 349−357(in Chinese with English abstract). doi: 10.18307/2018.0207
Zhang M, Wang K, Liu H, et al. 2018. Effect of ecological engineering projects on ecosystem services in a karst region: A case study of northwest Guangxi, China[J]. Journal of Cleaner Production, 183: 831−842. doi: 10.1016/j.jclepro.2018.02.102
Zhang Y, Lu X, Liu B, et al. 2021. Spatial relationships between ecosystem services and society ecological drivers across a large−scale region: A case study in the Yellow River Basin[J]. Science of the Total Environment, 766: 142480. doi: 10.1016/j.scitotenv.2020.142480
Zhang Z, Tu Y, Li X. 2016. Quantifying the spatiotemporal patterns of urbanization along Urban−RuralGradient with a roadscape transect approach: A case study in Shanghai, China[J]. Sustainability, 8(9): 1−19.
Zheng Z, Fu B, Hu H, et al. 2014. A method to identify the variable ecosystem services relationship across time: A case study on Yanhe Basin, China[J]. Landscape Ecology, 29(10): 1689−1696. doi: 10.1007/s10980-014-0088-x
Zhou J, Zhang X, Mu F, et al. 2018. Spatial pattern reconstruction of soil organic carbon storage based on CA−Markov−A case study in Pan−Yangtze River Delta[J]. Resources and Environment in the Yangtze, 27(7): 1565−1575(in Chinese with English abstract).
Zhu Y, Wu H, Ma M, et al. 2024. Multi−scale spatial relationship between carbon emissions and influencing factors in the Yangtze River Delta[J]. Geological Bulletin of China, 43(7): 1−10(in Chinese with English abstract).
陈登帅, 李晶, 杨晓楠, 等. 2018. 渭河流域生态系统服务权衡优化研究[J]. 生态学报, 38(9): 3260−3271. 陈武迪, 刘晓煌, 李洪宇, 等. 2024. 新疆天山1990—2050年生态系统服务功能及安全格局[J]. 中国地质, 51(5): 1−22. 戴尔阜, 王晓莉, 朱建佳, 等. 2016. 生态系统服务权衡: 方法、模型与研究框架[J]. 地理研究, 35(6): 1005−1016. 丁岳, 王柳柱, 桂峰等. 2023. 基于InVEST模型和PLUS模型的环杭州湾生态系统碳储量[J]. 环境科学, 44(6): 3343−3352. 郭富印, 刘晓煌, 张文博, 等. 2024. 2000—2040年黄河流域(河南段)生境质量时空格局演变及驱动力分析[J]. 现代地质, 38(3): 599−611. 何剑锋, 庄大方. 2006. 长江三角洲地区城镇时空动态格局及其环境效应[J]. 地理研究, 3: 388−396,562. doi: 10.3321/j.issn:1000-0585.2006.03.003 李晶, 李红艳, 张良. 2016. 关中—天水经济区生态系统服务权衡与协同关系[J]. 生态学报, 36(10): 3053−3062. 李鹏, 姜鲁光, 封志明, 等. 2012. 生态系统服务竞争与协同研究进展[J]. 生态学报, 32(16): 5219−5229. 李双成, 张才玉, 刘金龙, 等. 2013. 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, 32(8): 1379−1390. 李屹峰, 罗跃初, 刘纲, 等. 2013. 土地利用变化对生态系统服务功能的影响: 以密云水库流域为例[J]. 生态学报, 33(3): 726−736. 刘春芳, 王川. 2018. 基于土地利用变化的黄土丘陵区生境质量时空演变特征——以榆中县为例[J]. 生态学报, 38(20): 7300−7311. 马伟波, 杨帆, 王楠, 等. 2022. 长江三角洲城市群地区生态系统服务价值时空演变及驱动因素研究[J]. 生态与农村环境学报, 38(11): 1365−1376. 闵婕, 刘晓煌, 肖粤新, 等. 2024. 基于PLUS模型和InVEST模型的新安江流域生态系统碳储量时空变化分析与预测[J]. 现代地质, 38(3): 574−588. 倪泽睿, 杨上广, 张全. 2021. 长江三角洲城市群地区生态系统供给服务价值评估及权衡协同分析[J]. 生态经济, 37(11): 150−155. 孙方虎, 方凤满, 洪炜林等. 2023. 基于PLUS和InVEST模型的安徽省碳储量演化分析与预测[J]. 水土保持学报, 37(1): 151−158. 孙琪. 2023. 2000−2020年间长江流域森林生态系统多重服务的时空变异规律[D]. 华中农业大学硕士学位论文: 20−27. 孙艺杰, 任志远, 赵胜男, 等. 2017. 陕西河谷盆地生态系统服务协同与权衡时空差异分析[J]. 地理学报, 72(3): 521−532. doi: 10.11821/dlxb201703012 田榆寒. 2018. 耕地生态系统服务协同与权衡关系及管理策略——以慈溪市为例[D]. 浙江大学硕士学位论文: 29−62. 王蓓, 赵军, 胡秀芳. 2018. 石羊河流域生态系统服务权衡与协同关系分析[J]. 生态学报, 38(21): 7582−7595. 王鹏涛, 张立伟, 李英杰, 等. 2017. 汉江上游生态系统服务权衡与协同关系时空特征[J]. 地理学报, 72(11): 2064−2078. doi: 10.11821/dlxb201711011 吴楠, 陈凝, 程鹏等. 2023. 安徽省陆地生态系统碳储量变化对未来土地覆被情景的响应[J]. 长江流域资源与环境, 32(2): 415−426. 吴卿. 2024. 长三角生态系统服务多尺度供需格局、影响因素与优化管理策略[D]. 浙江大学硕士学位论文: 25−27. 武文欢, 彭建, 刘炎序, 等. 2017. 鄂尔多斯市生态系统服务权衡与协同分析[J]. 地理科学进展, 36(12): 1571−1581. 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. doi: 10.11821/dlxb201511006 袁江龙, 刘晓煌, 李洪宇, 等. 2024. 1990−2050年黄河中游伊洛河流域不同土地利用类型碳储量时空分异特征[J]. 现代地质, 38(3): 559−573. 张大智, 孙小银, 袁兴中, 等. 2018. 南四湖流域1980—2015年土地利用变化及其对流域生境质量的影响[J]. 湖泊科学, 30(2): 349−357. doi: 10.18307/2018.0207 周杰, 张学儒, 牟凤云, 等. 2018. 基于CA−Markov的土壤有机碳储量空间格局重建研究——以泛长三角地区为例[J]. 长江流域资源与环境, 27(7): 1565−1575. 朱一姝, 吴涵宇, 马明, 等. 2024. 长江三角洲城市群碳排放及其影响因素的多尺度空间关系研究[J]. 地质通报, 43(7): 1−10.
计量
- 文章访问数: 1248
- HTML全文浏览量: 241
- PDF下载量: 155
