●
引用格式:郑晓豪, 陈颖彪, 郑子豪, 郭城, 黄卓男, 周泳诗, 2023. 湖北省生态系统服务价值动态变化及其影响因素演变[J]. 生态环境学报, 32(1): 195-206.
文章亮点
1
利用当量因子法,结合NDVI数据,计算出较为精细(1km)的湖北省生态系统服务价值空间分布格局。
2
通过拟合效果良好的随机森林模型确定了研究区内生态系统服务价值的主导因素。
3
考虑了生态系统服务价值与各影响因素时空非平稳性,利用时空地理加权模型对生态系统服务价值主导因素展开分析,并提出了针对性的区域生态系统服务价值优化建议。
01
导读
受经济发展和城市扩张的影响,全球性和区域性的生态问题日益凸显,生态系统功能的退化将会给人类福祉带来巨大挑战。生态系统服务价值(ESV)作为衡量生态系统功能的关键指标,引起了国内外学术界的广泛关注。Costanza于1997构建了“全球ESV当量表”,引发全球生态系统评估热潮。谢高地等基于Costanza研究结果,制定出符合中国生态现状的ESV评估体系。目前,国内学者多基于谢高地等修订与补充的ESV当量因子表,结合研究区特征来分析ESV的时空演变特征,研究成果在生态系统保护、生态与经济的可持续发展等问题中意义重大。
在刻画区域生态系统服务时空格局的基础上,进一步探索其影响因素有助于把握生态问题的根源,并指导区域生态建设。ESV的影响因素可分为自然因素和社会经济因素。气温和降水作为最直接的自然因素,温度升高和降水模式的变化均可能导致长期干旱,进一步影响区域生态系统的水文循环和土壤保持功能。高程的差异影响植被的分布情况、人类活动范围和强度,坡度则通过形成局部地区异质环境而影响生态系统结构和功能。在社会经济因素方面,人类扰动、人口、经济等因素对生态环境产生压力,给区域生态系统服务带来较大的负面影响。总体而言,生态系统受多种因素协同影响,因此,厘清ESV影响因素中的主导因素,并进一步探究其演变趋势有助于把握区域 ESV 时空分异问题的根源。
回归分析是识别主导因素的常用方法,传统的全局回归分析虽然能够分析影响因素的正负相关性是否显著,但是面临多重共线性的问题,且无法识别某因素的重要程度。随机森林回归模型则克服了多重共线性的影响,能够评估影响因素的重要性,从而更科学地识别主导因素。由于各主导因素对ESV的影响并不是均质的,而且现有研究往往忽略了ESV变化的时空非平稳性,有必要在识别主导因子后利用时空计量模型分析主导因素的局部差异性。时空地理加权回归(GTWR)模型能够从不同时空维度开展研究,可以分析各研究单元主导因素的作用强度和波动方向,把握ESV的时空分异的根源,从而为生态系统分区管理和制定针对性的生态保护政策提供重要依据。
湖北省位于长江中游核心地段,是中部崛起的战略支点,也是长江三峡水利枢纽工程和南水北调中线工程核心水源区等重点工程所在地,拥有重要的经济与生态地位。目前湖北省ESV相关研究多集中于土地利用变化对生态系统的影响,ESV与土地利用变化间的耦合协调关系等方面,缺乏对ESV影响因素尤其是主导因素的深入探讨,且研究尺度多为市域,无法了解典型生态区的状态变化。
基于以上背景,本文以湖北省为研究区域,通过当量因子法分析其各区域的生态系统状况,根据随机森林模型结果筛选出ESV的主导因素,并进一步利用GTWR模型探讨ESV主导因素在格网尺度的时空演变特征,以期为区域生态保护以及经济环境可持续性发展提供针对性的建议。
02
数据图表
03
研究结论
本文利用当量因子法和分析了湖北省ESV动态变化特征,运用随机森林模型识别了ESV的主导因素,并进一步利用GTWR模型探讨主导因素的演变趋势,结论如下:
(1)2005—2019年,湖北省ESV总量呈下降趋势,但下降速度逐渐放缓。ESV呈现“四周高中间低”的分布特征,下降区域与增加区域占比均衡,空间分布较为稳定。
(2)随机森林模型拟合效果良好,通过IncMSE方法确定HAI、NPP、PRE、GDPD、POPD、CLP为湖北省ESV的主导因素,其中HAI是社会经济中的主导因素,NPP为自然地理中的主导因素。2005—2019年,除HAI和PRE的重要性表现出整体下降趋势外,其他主导因素的重要性均呈上升态势。
(3)GTWR模型结果表明,不同区域ESV主导因素的作用强度和波动方向各不相同。其中,HAI对鄂西ESV的负向驱动作用最强,且呈现全局负相关;NPP的正向影响区域主要集中在鄂西林地分布广泛的区域;PRE的负向影响区域在荆州市东部、潜江市、仙桃市、天门市逐渐稳定;POP回归系数与GDP系数在典型生态区呈现相反的时空分布特征;CLP驱动力的波动方向呈现明显的东西分异,在鄂西以正向影响为主,在鄂东以负向影响为主。
04
相关文章
[1] 袁林江, 李梦博, 冷钢, 钟冰冰, 夏大朋, 王景华. 厌氧环境下硫酸盐还原与氨氧化的协同作用[J]. 生态环境学报, 2023, 32(1): 207-214.
[2] 刘希林, 卓瑞娜. 崩岗崩积体坡面初始产流时间影响因素及其临界阈值[J]. 生态环境学报, 2023, 32(1): 36-46.
[3] 李威闻, 黄金权, 齐瑜洁, 刘小岚, 刘纪根, 毛治超, 高绣纺. 土壤侵蚀条件下土壤微生物生物量碳含量变化及其影响因素的Meta分析[J]. 生态环境学报, 2023, 32(1): 47-55.
[4] 苏泳松, 宋松, 陈叶, 叶子强, 钟润菲, 王昭尧. 珠江三角洲人类活动净氮输入时空特征及其影响因素[J]. 生态环境学报, 2022, 31(8): 1599-1609.
[5] 陈文裕, 夏丽华, 徐国良, 余世钦, 陈行, 陈金凤. 2000—2020年珠江流域NDVI动态变化及影响因素研究[J]. 生态环境学报, 2022, 31(7): 1306-1316.
[6] 刘香华, 王秀明, 刘谞承, 张音波, 刘飘. 基于外溢生态系统服务价值的广东省生态补偿机制研究[J]. 生态环境学报, 2022, 31(5): 1024-1031.
[7] 段文军, 李达, 李冲. 5种不同林龄尾巨桉人工林林下植物多样性及其影响因素分析[J]. 生态环境学报, 2022, 31(5): 857-864.
[8] 杜雪, 王海燕, 邹佳何, 孟海, 赵晗, 崔雪, 董齐琪. 长白山北坡云冷杉阔叶混交林土壤有机碳分布特征及其影响因素[J]. 生态环境学报, 2022, 31(4): 663-669.
[9] 刘沙沙, 陈诺, 杨晓茵. 微塑料对有机污染物的吸附-解吸特性及其复合毒性效应研究进展[J]. 生态环境学报, 2022, 31(3): 610-620.
[10] 赵锐, 詹梨苹, 周亮, 张军科. 地理探测联合地理加权岭回归的PM2.5驱动因素分析[J]. 生态环境学报, 2022, 31(2): 307-317.
[11] 薛文凯, 朱攀, 德吉, 郭小芳. 纳木措水体可培养丝状真菌优势种的时空特征研究[J]. 生态环境学报, 2022, 31(12): 2331-2340.
[12] 赵安周, 田新乐. 基于GEE平台的1986-2021年黄土高原植被覆盖度时空演变及影响因素[J]. 生态环境学报, 2022, 31(11): 2124-2133.
[13] 李亮亮, 代良羽, 高维常, 张淑怡, 刘涛泽. 贵州省典型覆膜耕地残膜赋存特征及影响因素[J]. 生态环境学报, 2022, 31(11): 2189-2197.
[14] 付乐, 迟妍妍, 于洋, 张丽苹, 刘斯洋, 王夏晖, 许开鹏, 王晶晶, 张信. 2000—2020年黄河流域土地利用变化特征及影响因素分析[J]. 生态环境学报, 2022, 31(10): 1927-1938.
[15] 李圣增, 郝赛梅, 谭路遥, 张怀成, 徐标, 谷树茂, 潘光, 王淑妍, 闫怀忠, 张桂芹. 济南市PM2.5中二次组分的时空变化特征及其影响因素[J]. 生态环境学报, 2022, 31(1): 100-109.
联系客服