随着中国城镇化进程的持续, 全国各大城市仍处于快速发展的阶段。结合我国的城镇管理特点, 小城镇同样承担着农村人口的转移, 是城市发展中重要的一环。因此相较于“城市化”, “城镇化”一词更符合我国的发展特点。根据国家统计局的数据显示2021年中国人口城镇化率已达到64.72%。但是快速城镇化所带来的城市用地的扩张以及城镇人口的集中给生态系统带来了巨大的压力。生态系统作为人类在生存发展进程中无可替代的自然资产, 其服务价值体现了生态系统所提供的生命支持产品及服务对人类生活需求的满足程度^[1—2], 是提高人类福祉最基本的载体^[3]。人们对生态系统服务的高需求与城镇化造成的生态系统服务退化之间的矛盾日益凸显。人口密集区与提供生态系统服务的区域间往往相距甚远, 因此研究生态系统服务对城镇化的时空响应是确定城镇化对人民生活质量影响的必要途径。

20世纪70年代“生态系统服务”(ecosystem services, ESs)这一概念首次出现^[4], 随着几十年的研究生态系统服务的定义、分类和定量方法被逐渐完善。其通常分为四类包括：支持服务、供给服务、调节服务和文化服务^[5]。目前针对城镇化进程对生态系统服务的影响已经有学者在不同尺度进行了评估：智烈慧等人以辽河三角洲为例在栅格尺度针对城市土地利用变化对生态系统服务价值进行了研究, 得出1980—2010年间辽河三角洲调节、支持服务呈下降趋势^[6]；Leitão等学者发现城市土地扩张导致葡萄牙中部城市周边流域的潜在ESs供应减少了73%, 并且主要由调节和供给服务的损失造成^[7]。Wang等人发现京津冀地区在县域尺度上ESs以及城镇化水平都呈现上升趋势^[8]。研究区域的不同以及研究尺度和量化ESs的方法不同都会导致结果存在差异甚至相互矛盾。针对城镇化与生态系统服务间关系的研究通常在的单一的时间或空间尺度上进行分析, 忽略了二者间的关系在多尺度上的变化。

京津冀地区的城镇化是我国快速城镇化发展的缩影和典例案例。京津冀经济圈是我国继长三角城市群、珠三角城市群之后的第三城市增长极^[10]。2018年京津冀地区城镇化率达到65.8%。随着城镇化的不断推进, 京津冀地区的自然生态系统出现了复杂的变化, 这对京津冀地区的可持续发展提出了严峻的挑战。同时北京市与天津市的城镇化率分别为86.5%及83.15%, 而河北省的城镇化率仅为56.4%, 区域间发展不平衡的状况极为严重。

综合以上, 本文拟以京津冀地区为研究对象, 利用InVEST模型对生态系统服务进行量化, 并从栅格尺度、县域尺度、市域尺度探讨2000—2020年生态系统服务对京津冀地区城镇化的多空间尺度动态响应, 其中县域尺度共包括200个区县, 市域尺度共包括13个市。试图探究这20年间京津冀地区的生态系统服务与城镇化水平的变化情况、城镇化指标与生态系统服务间的关系以及其空间响应关系。

1 研究区域及数据来源 1.1 研究区域概况

本文所研究的京津冀地区包含北京市、天津市以及河北省的保定、唐山、廊坊、石家庄等13个地级市, 总面积达21.6万km², 截至2018年京津冀地区共包括79个市辖区、20个县级市、95个县、6个自治县。研究区域位于东经113°04′—119°53′, 北纬36°01′—42°37′之间, 地处华北平原, 是东北亚中国地区环渤海的心脏地带。属于暖温带、半湿润大陆性季风气候, 整体地势呈西北高、东南低的特征。2020年京津冀地区总GDP达到86462.93亿元, 占全国GDP的8.5%，总人口1.1亿，占全国人口的7.8%。

自2014年以来强调实现京津冀协同发展, 生态优先、成为该地区发展的重点, 作为探索完善城市群布局优化区域协同发展的样本, 以及探索生态文明建设有效路径、促进人口经济资源环境相协调的范例, 京津冀的发展一直广受关注。但目前自然环境退化、区域间发展不平衡的问题仍然十分突出, 因此对其生态系统服务对城镇化的跨空间尺度响应的研究便尤为重要。

1.2 数据来源

本研究使用的2000、2010、2020三期土地利用数据来自中国科学院资源环境科学数据中心(http://www.resdc.cn)空间分辨率为1x1km。空间分辨率为90 m的SRTM数字高程模型(DEM)来自中国科学院计算机网络信息中心的地理空间数据云站点(http://www.gscloud.cn)。全国土壤数据、气象数据均来自国家青藏高原科学数据中心(http://data.tpdc.ac.cn)^[11—12]。夜间灯光数据来源于Chen等^[13]基于DMSP/OLS及NPP/VIRS两种灯光数据, 通过校准后发布的具有一致性的全球夜间灯光数据。人口数据来自与全国第五、六、七次人口普查结果；GDP数据以及粮食产量等统计数据来自于2000—2021年《北京市统计年鉴》、《天津市统计年鉴》、《河北省统计年鉴》。

2 研究方法 2.1 生态系统服务评价

本研究选取了京津冀地区5项典型生态系统服务指标进行了评估, 分别包括水分产量(Water yield, WY)、食物供应(Food provisioning, FP)、碳储量(Carbon storage, CS)、土壤保持量(Soil conservation, SC)以及生境质量(Habitat quality, HQ)。以下为生态系统服务指标的选取原则：(1)所选指标与人们生活息息相关, 其次与城镇化相关性明确；(2)涵盖了2005年联合国千年生态系统评估所提出的三项主要的服务类型, 其中水分产量、食物供应为供给服务；碳储量与土壤保持为调节服务, 生境质量为支持服务；(3)Invest模型所需数据的可获得性较高；(4)针对京津冀的特点以及当地显著的生态问题如水资源短缺、水土流失严重、沙尘天气频繁等, 每一项指标的具体解释如下：

2.1.1 产水量

相关研究表明, 产水服务是对社会最具有价值的服务之一, 是影响生物量、碳循环以及泥沙转移等其他生态功能不可或缺的部分^[14]同时与人们生活用水、娱乐、游憩等需求息息相关。同时京津冀地区常年存在水资源短缺问题, 因此产水量指标的评估具有重要意义。InVEST模型的产水量模型是基于Budyko理论, 该理论将实际蒸发与降水间的比率与潜在蒸发量建立联系, 地面上各像元WY(x)的年产水量计算公式如下：

(1)

其中, AET(x)为x像元的年实际蒸散量, P(x)为x像元上的年降水量。

2.1.2 粮食供应

粮食供应对人们生活及区域可持续发展十分重要, 根据已有研究截至2018年京津冀地区粮食自给率为188%从区域一体化的角度考虑能完全实现粮食自给, 但分布极为不均其中北京市粮食自给率仅为17.41%。本研究的粮食供应服务包括三个要素：农田提供的农业价值、林地提供的林业价值以及水田提供的渔业价值^[9]。参考京津冀地区历年的统计年鉴并将这三种总产值分配到对应的土地利用类型, 以此来表示京津冀地区的粮食供应服务。

2.1.3 碳储量

陆地生态系统通过对大气CO₂的吸收、转化为自身生物量的方式, 实现碳固定与碳封存, 从而维持碳循环平衡, 起到调节全球气候的作用, 自2020年我国“双碳”目标提出以来碳储量有了更高的关注度。InVEST的碳储量模型使用4种基本碳库：地上生物碳、地下生物碳、土壤碳、死亡有机碳, 结合土地利用类型来估算当前土地存储的碳量。其计算公式如下：

(2)

其中, 各类土地利用类型的碳密度值通过对相关研究整理^[15—16]得到。

2.1.4 土壤保持量

水土保持是地区可持续发展的重要一环, 目前京津冀地区的水土流失情况严重, 因此对土壤保持功能的研究非常重要。InVEST的土壤保持(SDR)模块基于土壤流失方程, 依据地貌、气候、植被和土地管理状况等数据进行计算, 具体计算公式如下：

(3)

(4)

(5)

其中, RKLS为潜在土壤侵蚀, RUSLE为实际土壤侵蚀, SC为实际土壤保持(t km^-2 a^-1)。R为降雨侵蚀力因子；K为土壤可蚀性因子；LS为坡度因子, 其中L为坡度长度, S为坡度; C为植被管理因子; P为水土保持措施因子。

2.1.5 生境质量

快速的城镇化过程和高强度的土地利用变化, 为京津冀地区的生态系统带来了巨大的压力, 生境质量受到严重威胁。针对其进行时空变化特征分析对区域生态安全极为重要^[17]。在InVEST模型中, 生境质量的计算公式如下：

(6)

其中, H_j为土地利用类型j的生境适宜性, D_xj²为土地类型j中栅格像元x的总威胁等级, k为半饱和常数。

2.2 城镇化指标

结合现有研究, 本研究从经济城镇化、人口城镇化、空间城镇化三个方面选取GDP密度(GDPD)、人口密度(POPD)、城市用地比例(ULP)3项指标, 同时已有研究表明夜间灯光指数(NTL)可在一定程度上揭示人类活动范围及建筑用地的具体利用情况^[18], 作为的表征人类活动与区域开发的强度及广度的指标, 也越来越多被应用在监测地区发展状况及城镇化水平的研究中, 因此选取以上4项城镇化指标进行研究, 其计算公式如下：

(7)

(8)

(9)

(10)

其中, NTL为i区的平均夜间灯光指数；NTL_i为i区夜间灯光指数之和；ULP是城市用地比例；A_urban为城市用地面积；A_i为i区面积; GDPD_i和POPD_i分别为GDP密度(元/km²)和人口密度(人/km²)；GDP_i和POP_i分别为i区的GDP总量及人口总量。

2.3 冷热点格局分析

冷热点格局分析是一种基于ArcGIS平台的空间自相关分析方法, 通过Getis-Ord G_i^*的计算实现。通过对计算结果热点区与冷点区的空间分布来分析区域生态系统服务与城镇化的空间集聚特征, 其具体公式如下：

(11)

其中w_ij为斑块i与斑块j之间的空间权重矩阵；x_j和x_j分别表示斑块i和j的属性值；x表示所有属性的平均值；n是数据集中的总斑块数；此外∀j ≠i表示j与i不能相等。

2.4 生态系统服务及城镇化的时间变化分析

将时间作为自变量, 生态系统服务指标及城镇化指标作为响应变量, 采用普通最小二乘回归对二者的时间变化趋势进行分析并通过分析结果的斜率值来检验指标的变化趋势, 其具体公式如下：

(12)

其中y是时间序列最小二乘估计；α为模型截距；β为生态系统服务和城镇化指标的时空斜率。此外本研究还计算了生态系统服务与城镇化指标的年平均变化率, 以此来比较二者的时间变化, 其具体公式如下：

(13)

其中, V_i和V_j分别为i年和j年的生态系统服务指标及城镇化指标。

2.5 生态系统服务与城镇化间的关系

皮尔逊相关系数经常被用来检验生态系统服务与城镇化指标间的线性关系, 但是各个区域之间生态系统服务受到不同地区发展水平、自然条件、政策等各个方面的影响, 单纯的线性关系不能完全反应不同地区间二者的关系, 因此本研究采用GWR4.0平台进行地理加权回归, 这一方法是通过附加表达空间对象本身的相关性和异质性的变化参数, 反映样本对回归方程贡献在空间上的分异, 使回归结果更加可信^[19]。因此地理加权回归可以从不同尺度探讨地理空间上生态系统服务与城镇化之间的关系。

3 研究结果 3.1 生态系统服务与城镇化指标的空间格局及变化 3.1.1 生态系统服务的空间格局及其变化

图 2表示了2000—2020年间, 每间隔10年的京津冀地区各项生态系统服务指标的空间分布以及时空变化。从空间分布上看碳储量、土壤保持量以及生境质量均呈现出东南低, 西北高的分布格局, 而水分产量及粮食产量的分布格局则呈现东南高, 西北低。总体来看除碳储量、生境质量外, 京津冀地区的生态系统服务均有所提升, 其中水分产量增长了68%, 土壤保持能力增长了35.7%而粮食产量增长近三倍, 并且2000—2010年间生态系统服务的变化均大于2010—2020年。这20年间京津冀地区的碳储量呈下降趋势, 生境质量呈先下降后上升但二者的变化幅度很小, 在此期间变化率均为0.74%。由于京津冀地区的高速城镇化, 水分产量、粮食产量以及碳储量这三项指标的变化几乎覆盖了整个研究区域, 而土壤保持及生境质量这两项指标的变化主要分布在承德市、张家口市以及秦皇岛市等京津冀地区西北部。

3.1.2 城镇化的空间格局及其变化

图 3表示了2000—2020年间, 每间隔10年的京津冀地区城镇化指标的空间分布及时空变化。在空间分布与指标变化上, 四项城镇化指标存在高度的相似性, 即东南部高, 西北部低。其中变化最显著的是京津冀地区的GDP密度, 20年间增长了近200倍各个地区均呈现增长趋势。夜间灯光指数及城市用地占比的增长主要在京津冀地区的东南部, 但在中部及东部沿海地区也出现了小范围的下降。京津冀地区2020年人口达到1.1亿人, 但68%的地区人口密度有所减少, 这与大城市过度极化大量人口向主要城市聚集有关。京津冀地区作一个高速城镇化地区, 20年间该地区人口密度增长了22%, 城市用地占比增长近一倍, 夜间灯光指数增长近3倍, 这三项指标2000—2010年的变化均大于2010—2020年增长逐渐放缓, 但京津冀地区GDP密度增长近200倍并且变化速度逐步加快。

3.1.3 城镇化指标和生态系统服务的变化率

图 4为城镇化指标和生态系统服务年平均变化率。夜间灯光指数、城市用地占比、GDP密度、POP密度、产水量、粮食产量、土壤保持、生境质量的斜率均值分别为3.53、7.01、0.54、0.21、1.32、1.30、1.11和1.6×10³, 均为正向。碳储量的斜率均值为负, 为-1.8×10³，正斜率值和负斜率值分别表示指标的正、负变化。

从年平均变化率来看, 除碳储量外其余指标均呈上升趋势, 其中GDP密度、夜间灯光指数、粮食产量变化率较大。城镇化指标中人口密度变化较小变化率为1.01%, GDP密度变化较大的变化率达到了17.77%。生态系统服务指标中粮食产量的变化率最大为7%, 水分产量变化率为2.63%, 土壤保持变化率为1.54%, 碳储量及生境质量的变化率最小, 绝对值均为0.04。

3.1.4 生态系统服务和城镇化指标的空间格局及变化

本研究针对不同指标进行了冷热点空间格局分析, 确定了热点、冷点及不显著区域。图 5为不同尺度生态系统服务及城镇化指标的空间聚集程度。总体来看县域尺度的冷热区域面积明显大于栅格尺度及市域尺度, 表明县域尺度这两类指标的空间聚集程度更高。这三个尺度的结果都显示出生态系统服务指标的空间聚集程度高于城镇化指标。从时间变化角度分析, 除产水量、粮食产量外其余7项指标的冷热点面积随时间变化不大。栅格尺度下2000—2020年间粮食产量的热点有所增加, 城市用地占比的热点有所减少。县域尺度及市域尺度中产水量的热点均有所增加。此外, 市域尺度下的碳储量、生境质量、夜间灯光指数、城市用地占比、GDP密度、人口密度以及县域尺度下的GDP密度、人口密度、栅格尺度下的夜间灯光指数均只有热点没有冷点。

3.2 生态系统服务与城镇化之间的关系 3.2.1 生态系统服务与城镇化指标之间的皮尔逊相关性

如图 6中生态系统服务与城镇化指标间的皮尔逊相关系数, 结果表明在空间层面, 栅格尺度上所有生态系统服务指标均与城市用地占比呈显著相关(P＜0.01), 其中产水量为正相关(r>0.08), 其余指标为负相关。县域尺度下, 粮食产量、碳储量、生境质量与夜间灯光指数、城市用地占比、人口密度及GDP密度都呈显著负相关, 土壤保持量仅在2000及2010年与城市用地占比相关性显著(r<-0.14, P＜0.05)。市域尺度下生态系统服务指标与城镇化指标相关性均不显著。在时间层面, 2000—2020年间所有显著相关的指标之间均呈现相关性增强的趋势。

图 6中生态系统服务指标之间的相关性可以看出, 粮食产量、土壤保持量、碳储量以及生境质量在三个尺度上均呈现显著相关。其中土壤保持量、碳储量、生境质量间相关性为正, 且相关性随着尺度的增大而增强。此外除碳储量与粮食产量在县域尺度呈现正相关外, 其余3项指标与粮食产量在所有尺度上均呈现负相关, 且均在市域尺度上相关性最强。产水量与其余四项指标仅在栅格尺度呈现显著相关。时间层面上, 2000—2020年间产水量与其他四项指标的相关性随着时间的增加而降低, 生境质量、碳储量、土壤保持量间的相关性随着时间的增加而增加。

3.2.2 生态系统服务与城镇化指标间的地理加权回归

以2020年为例, 分析京津冀地区生态系统服务与城镇化指标间的地理加权回归。结果显示, 两类指标的地理加权回归仅在县域尺度相关性较为显著。如图 7所示, 5项地理加权回归中粮食产量、碳储量与夜间灯光指数、城市用地占比、人口密度3项城镇化指标拟合度较好。粮食产量与三项指标的全域拟合度分别为0.391, 0.421及0.340。碳储量与这三项指标的全域拟合度分别为0.535, 0.635与0.465。其中城市用地占比与粮食产量、碳储量的全域拟合度最高。其余三项生态系统服务指标的地理加权回归结果拟合度较低且均出现了部分不显著区域, 表示该地区地理加权回归结果未通过t检验。

此外大部分指标的回归结果出现了明显的聚集趋势。不同生态系统服务与城镇化指标拟合度的较高值出现在不同的地区, 其中粮食产量与城镇化指标拟合度较好的区域出现在北京市、天津市、廊坊市等京津冀中部城市, 其R值大于0.64；碳储量与城镇化指标的拟合度大于0.78的地区分布在京津冀地区南端, 包括邢台市、邯郸市等。

4 讨论

近年来, 城镇化对生态系统服务的影响受到了广泛关注, 有大量学者针对二者间的关系进行了研究, 研究结果表明随着城镇化进程的推进, 不同城市的生态系统服务变化并不一致^[33—35], 其中韶关市水源涵养及水土保持量呈先上升下降趋势, 生境质量及碳储量呈现逐年下降趋势^[33]；洞庭湖生态经济区的水源涵养及土壤保持功能显著提升, 碳储量及生境质量功能略微下降^[34]。这与不同城市的发展政策与城镇化速度有关。本研究发现2000—2020年间, 随着京津冀地区城市的快速发展除碳储量呈下降趋势外, 其余4项生态系统服务总体有所提升, 这与其他研究存在一致性^{[8, 10]}。但是在呈现上升趋势的4项指标中仅产水量与城市用地占比呈现正相关, 其余指标均为负相关。这说明粮食产量、土壤保持量、生境质量的增高并不完全是由于城镇化指标引起的。其中生境质量的提高可能得益于2000年京津冀地区开始实施的多项重大生态修复工程, 包括退耕还林、沿海防护林、三北防护林等^[40], 这些工程的推进有效缓解了京津冀地区的生境恶化。此外随着技术的进步, 京津冀地区的平均粮食产量从2000年的130.52t/km²增加到了2020年的175.92t/km², 从而促进了粮食产量的提高。相比之下, 本研究发现产水量与城镇化间呈正相关, 这是由于产水量是区域水循环过程中综合考虑收(降水量)支(实际蒸散量)平衡的产物^[36], 城市用地相较于林地、草地、农田等会减少水分的截留、蒸散发和渗入, 从而导致总体产水量的增加。

生态系统服务存在多样化的类型、不均衡的空间分布, 加之人类对生态系统服务使用和管理的选择性、多样性, 生态系统服务之间往往存在着复杂的相互作用, 表现为此消彼长的权衡和相互促进的协同^[27—28]但是在不同尺度上, 生态系统服务间的关系存在着不同的结果, 这与其他研究结果具有相似性^[28], 例如本研究中碳储量与粮食产量在县域尺度上存在协调关系但在栅格尺度及市域尺度上则呈现权衡关系。这说明某一尺度上的协同、权衡关系无法代表其他尺度也存在同样的关系。在3个尺度中, 生态系统服务间的相关性大多随着空间尺度的增大而增大。

针对城镇化与生态系统服务间的关系, 整体来看皮尔逊系数表明二者在县域尺度上的相关性更为显著, 同时根据地理加权回归的结果, 二者仅在县域尺度上通过了t检验, 这表明以县域作为研究尺度更能反应城镇化对生态系统服务的影响。针对县域尺度进行政策的制定, 不同的地区采用不同的生态保护策略能够更精准的减缓生态系统服务的退化。此外, 能够反映城镇化的社会经济指标大多以行政单位进行统计, 所以在研究城镇化对生态系统服务的影响时采用行政县域尺度更为适合。

本研究的结果可以为平衡京津冀地区生态系统服务及城镇化间的关系提供参考, 但仍然存在一定的局限性。首先是指标数量的局限, 本研究只量化了5项生态系统服务指标及4项城镇化指标并探讨了其间的关系, 在之后的研究中可以选取更多的指标项来更精准的判断城镇化对地区生态系统服务的影响。其次在四项城镇化指标中, 城市用地占比与生态系统服务的相关性更显著, 这可能是由于人口增长和经济发展对生态系统的影响会更多的反应在城市用地内部。由于本研究所使用的土地利用数据的空间分辨率为1km×1km, 因此缺少对城市生态空间的生态系统服务的量化, 在之后的研究中可以通过更高的分辨率提高准确性。在空间尺度方面, 本研究只进行了栅格、县域及市域尺度的分析。但也有研究表明相较于县域尺度, 对于生物物理性质更为相似的流域尺度, 可以在一定程度上更准确的反映ESs^[9], 因此可以进一步在流域尺度上研究城镇化指标与生态系统服务间的关系。

5 结论

本文以京津冀地区为例, 测定了2000年、2010年和2020年夜间灯光指数、城市用地占比、人口密度、GDP密度4项城镇化指标以及产水量、粮食产量、土壤保持、碳储量、生境质量5项生态系统服务的时空分布格局, 并在栅格尺度、县域尺度、市域尺度上分析了各项指标间的关系。主要结论如下:

(1) 2000—2020年20年间京津冀地区各项城镇化指标都有着较快的增长, 其中人口密度增长较少为22%, GDP密度增长近200倍且增长速度在逐渐加快。生态系统服务指标中除碳储量减少0.8%外其余生态系统服务均增加, 其中生境质量增加0.8%、产水量增加了68%、土壤保持能力增长了35.7%而粮食产量增长近三倍。空间分布上, 城镇化指标的增长主要发生在北京市、天津市以及邯郸市等京津冀地区的中部及东南部, 这与粮食产量、土壤保持量、生境质量的变化具有空间一致性。

(2) 生态系统服务与城镇化之间及生态系统服务自身之间存在显著相关性(P＜0.01)。其中产水量与4项城镇化指标均呈现正相关, 粮食产量、碳储量、土壤保持量及生境质量均与4项城镇化指标均呈现负相关。生态系统服务之间碳储量、土壤保持与生境质量在三个尺度上相互呈现协同关系；粮食产量与碳储量在仅县域尺度上存在协同关系, 但在市域及栅格尺度呈现权衡关系。这表明某一尺度上的协同、权衡关系无法代表其他尺度也存在同样的关系。

(3) 比较三个尺度下生态系统服务与城镇化指标间的相关性, 二者大多在县域尺度上的相关性最显著。结合地理加权回归结果, 二者仅在县域尺度上拟合度较高且在空间上有明显的聚集趋势, 其中城市用地占比与碳储量、粮食产量全域拟合度最高分别为0.42与0.63。这表明以县域作为研究尺度一定程度上能更准确的反应城镇化对生态系统服务的影响。但也有部分生态系统服务在栅格尺度、市域尺度上与城镇化指标的相关性更高, 如产水量与城市用地占比在栅格尺度上相关性的高于其他尺度。因此在针对生态系统服务的管理上不同区域需要制定不同的政策, 同时可以适当的对尺度进行动态调整。