2024, Vol. 44文章信息
- 李林汝, 员学锋, 张瑞娜, 张雨洁
- LI Linru, YUAN Xuefeng, ZHANG Ruina, ZHANG Yujie
- 基于最大熵模型的生态系统文化服务空间分异及其对环境要素的响应分析——以陕北榆林市为例
- Spatial differentiation in cultural ecosystem services and their responses to environmental features based on MaxEnt model: case study of Yulin City in Northern Shaanxi
- 生态学报. 2024, 44(21): 9582-9595
- Acta Ecologica Sinica. 2024, 44(21): 9582-9595
- http://dx.doi.org/10.20103/j.stxb.202311282595
-
文章历史
- 收稿日期: 2023-11-28
- 网络出版日期: 2024-07-26
2. 陕西省土地整治重点实验室, 西安 710054
2. Shaanxi Key Laboratory of Land Consolidation, Xi'an 710054, China
生态系统服务是指人类从生态系统中直接或间接地获取自身生产生活所需的各种产品和惠益的统称[1]。它既是人类赖以生存和发展的基础, 也是连接自然系统与人类福祉的桥梁, 包括支持服务、供给服务、调节服务和文化服务[2]。前三者通过生态过程直接为人类提供生态价值, 是量化生物物理过程的概念, 现有研究开展较为广泛, 学者们多使用生境质量、碳储存、土壤保持、综合环境、水源供给等反映生态系统的自然生态属性[3]。生态系统文化服务(Cultural Ecosystem Services, CES)指：“人类通过精神满足、认知能力的发展、反思、娱乐以及审美体验等从生态系统中所获取的非物质效益”[4]。作为生态系统服务与人类福祉交互作用的重要表征, CES将人的主观情感和偏好纳入评估框架, 体现生态系统的社会人文属性[5]。由于CES是作用于人类精神层面的附加价值, 无形性和主观性导致其具有难以量化的特点。在社会经济快速发展的背景下, 生态系统与多元文化之间的关系被不断削弱, 深入拓展CES内涵理论并识别空间特征是促进生态系统优化管理, 维持社会经济可持续发展的基础保障[6]。
生态系统文化服务属性的识别始于Daily提出的信息服务[7], 而后MA与TEEB报告的发布, 使CES实现由生态游憩[8]向美学教育、精神宗教等的内涵转向[9—10]。现有CES的研究多以景观单元划分区域边界, 研究集中在城市绿地系统、森林生态系统[11]等单一类型。随着研究的不断深入, 研究视角由生态类型区[12]向地区[13]、国家[14]、全球[15]等不同空间尺度扩展, 研究内容从CES与人类福祉综合效应[16]、到注重与其他服务的权衡协同关系[17]以及利益相关者参与和决策导向[18]等。其中, CES的评估工作是历来研究的重点, 以支付意愿标记CES经济价值为主的货币化评估方法较为常用, 数据来源广泛且计算简单, 但往往忽视文化服务的社会关系、地方灵感等人文价值[19]。近年来, 定量模型的出现使得CES从单一的经济价值评估向非货币化的社会价值评估转变, CES的社会属性得到强调认同[6]。当前, 机器学习应用为CES评估提供了新方法, 基于最大熵原理的MaxEnt模型, 不仅能够实现对多尺度CES空间分布适宜性的可视化分析, 还可以表征空间适宜对环境要素的响应变化, 对生态系统文化服务进行更完整解释[20]。大数据时代, CES评估的数据获取更为灵活, 模型算法的应用更为便捷, 在社交媒体数据支持下, 如何以机器学习的方法应用深入诠释CES空间分异特征, 实现区域尺度的CES量化评估是本研究解决的关键问题[21]。
位于我国中部偏北的黄土高原, 是世界上最大的黄土堆积区和黄土覆盖面积最大的高原。区内地质地形复杂、气候变化多样、游牧文明与农耕文明交互影响导致经济发展落后、生态环境恶化、文旅资源匮乏等问题严峻, 成为我国典型的生态脆弱与贫困并存的区域之一。现有陕北黄土高原CES的研究多基于综合视角展开多服务的量化评估[22]、权衡协同与供需匹配关系分析等[23—24], 缺少以文化服务为主导的非空间化生态系统服务的评估研究。在生态文明高质量发展的战略需求下, 评估区域的生态系统文化服务是提升人类福祉和推进生态文明建设的前提基础。基于此, 本文通过社交媒体爬取生态系统文化服务兴趣点(Point of Interest, POI), 应用MaxEnt模型分析榆林市CES的空间分布规律, 并进一步分析CES空间分布与环境要素之间的动态响应, 为缓解黄土高原社会—生态耦合冲突, 改善区域发展架构与模式, 促进资源、人口、经济、生态环境间的多赢提供思路借鉴。
1 研究区概况与数据来源 1.1 研究区概况陕西省榆林市(36°57′N—39°35′N, 107°28′E—111°15′E)位于黄土高原和内蒙古高原的过渡区, 地势西北高, 东南低, 北部为风沙草滩区, 南部以黄土沟壑区为主, 地貌类型复杂多变, 是全国生态环境建设与国家退耕还林重点地区, 土地面积42920.2km2(图 1)。作为国家级历史文化名城, 榆林市不仅是黄土文化的发源地, 更承载着黄河文明的传承发展, 游牧文明和农耕文明在此处不断冲突融合, 于独特的自然地理环境中孕育出丰富多彩的边塞文化。现代以来, 富集的煤炭、天然气、石油等矿产资源使榆林成为我国重要的能源保障基地, 资源开发利用对城市发展的作用明显[25]。受多种介质叠加影响, 榆林市土地利用变化迅速、生态环境敏感脆弱、文旅资源缺失衰退等问题日益突出[26]。在城市能源产业不断升级、城乡建设空间持续扩展、文化休闲诉求连续提升的背景下, 探究区域生态环境与人类社会间的矛盾关系, 评估CES的空间分布特征与环境要素差异显得尤为必要。
|
| 图 1 榆林市区位 Fig. 1 Location of Yulin City |
CES不仅包含与自然景观相关的娱乐审美等内容, 也具有与人文景观相关的精神宗教、教育学习等内涵。参照MA报告中CES的基本定义, 结合区域地域文化特征, 从景观审美、娱乐休闲、精神宗教、教育学习等方面进行CES的量化制图[5, 27](表 1)。需要注意的是, CES是反映生态系统的服务特征, 因此分布点需具有自然和户外的属性。
| 类别 Type |
说明 Meaning |
标签与关键词 Tags and keywords |
| 景观审美Aesthetic | 具有景观观赏价值、美学享受的自然景观, 体现人与自然和谐共生的生态服务价值 | 旅游景点：林, 山, 松, 竹, 杏, 梅, 崖, 峰, 谷, 景点, 景区, 亭 自然地名：水, 江, 河, 湖, 海, 溪, 涧, 潭, 泉, 滩, 湿地, 池 |
| 娱乐休闲Recreation | 能够进行自然生态中的休闲娱乐活动, 体现民俗风情等价值需求 | 户外活动：休闲, 广场, 营地, 基地, 园, 村, 滑, 街 疗养度假：度假, 庄园, 温泉 |
| 精神宗教Spiritual | 能从中感受到精神或宗教意义, 体现人文历史意义的场所 | 寺庙道观：寺, 观, 庙, 孝, 德, 儒, 古, 史, 佛 |
| 教育学习Education | 能够开展自然科学研究与科普教育的场所 | 文化场馆：纪念, 文化, 人文, 礼堂, 馆, 宫, 园, 科, 教 |
| CES：生态系统文化服务Cultural ecosystem services | ||
参照相关研究设置各类文化服务标签和关键词, 借助高德地图爬取文化服务分布点, 经筛选去重后, 榆林市共获取CES分布点1418个, 其中景观审美836个, 娱乐休闲136个, 精神宗教196个, 教育学习250个(图 2)。
|
| 图 2 榆林市文化服务点分布情况 Fig. 2 Distribution of cultural service points in Yulin City |
考虑土地利用类型与生态系统服务之间的紧密联系[28], 距离反映文化点与资源之间的空间关系[29], 地形地貌对文化点分布的影响制约, 以及植被覆盖所反映的空间隐蔽性, 研究共选取7个环境要素数据, 包含4个自然环境要素和3个空间距离要素(表 2)。自然环境要素来源于开源数据网站, 经地理配准处理后, 统一转化为30m分辨率栅格图层。空间距离要素通过欧氏距离分析得到栅格图层, 并与自然环境要素统一空间参考。环境要素均转换为MaxEnt可识别的ASCII格式文件。
| 要素类型 Type of features |
数据内容 Data |
年份 Data year |
格式 Type |
名称 Name |
单位 Unit |
数据来源 Data source |
| 自然环境要素 | 土地利用类型 | 2020 | GRID | LU | — | 中科院资源环境科学数据中心(https://www.resdc.cn/) |
| Natural environment | 坡度 | 2020 | GRID | Slope | ° | 地理空间数据云(https://www.gscloud.cn/) |
| 高程 | 2020 | GRID | DEM | m | 地理空间数据云(https://www.gscloud.cn/) | |
| 植被覆盖度 | 2020 | GRID | NDVI | — | 国家生态科学数据中心(http://www.nesdc.org.cn/) | |
| 空间距离要素 | 距水体距离 | 2023 | SHP | DisW | m | Open Street Map (https://www.openstreetmap.org) |
| Spatial distance | 距道路距离 | 2023 | SHP | DisR | m | Open Street Map (https://www.openstreetmap.org) |
| 距乡镇中心距离 | 2023 | SHP | DisT | m | 高德地图(https://lbs.amap.com/) | |
| LU：土地利用类型Land use；DEM：数字高程模型Digital elevation model；NDVI：归一化植被指数Normalized difference vegetation index；DisW：距水体距离Distance from water；DisR：距道路距离Distance from road；DisT：距乡镇中心距离Distance from town centre | ||||||
为避免环境要素多重共线性造成的过度拟合, 研究对环境要素进行相关性检验, 以达到对模型参数的优化。当相关系数|R|>0.8时, 定义为高度相关变量[30]。结果表明, 所有环境要素均通过相关性检验(图 3)。
|
| 图 3 环境要素相关性检验 Fig. 3 Environmental features correlation test LU：土地利用类型；DEM：数字高程模型；NDVI：归一化植被指数；DisW：距水体距离；DisR：距道路距离；DisT：距乡镇中心距离 |
基于社交媒体POI数据与环境要素数据, 以MaxEnt模型评价CES空间分布的适宜性, 并辅以空间自相关的方法进一步验证CES的空间集聚效果, 结合MaxEnt模型的刀切法检验诠释环境要素的重要程度, 分析各类CES对要素的响应区间, 为城市生态系统优化提供科学建议。
2.1 MaxEnt模型 2.1.1 模型原理基于最大熵原理结合机器学习和特征变量预测分布特征的MaxEnt模型, 可以有效处理变量之间的复杂线性关系[31]。机器学习的算法发展提高了最大熵近似分布的概率, 使MaxEnt的模拟能力和可解释性显著提升, 模型应用由物种分布预测[32]向城市扩张[33]、聚落格局优化[34]、土地利用变化[35]等领域渗透。
公式中特征函数的加入使模型能够纳入各种环境要素, 以表征空间因素对分布增长的影响, 估计环境要素的重要性和贡献程度[20]。
|
(1) |
|
(2) |
式中, X为已知事物分布；Y为环境变量；n为训练样本数量；p(X, Y)为概率函数；H X/Y为训练样本的信息熵；X*为最大熵。
2.1.2 模型应用应用Phillips等人开发及更新的“MaxEnt3.4.4”的Java环境[36], 参考已有研究选择75%数据集作为训练数据, 25%作为多操作的测试数据, 进行10次自举法重复, 以验证模型的有效性[29]。将CES分布点与环境要素数据导入MaxEnt中, 以受试者工作特征曲线(Receiver Operating Characteristic, ROC)的平均AUC值评估模型准确性, 结果图层表征CES空间分布适宜性。采用软件内置的变量贡献性分析以及刀切法检验下CES对单一环境要素的响应曲线, 反映环境要素对CES空间分布的影响程度[37]。综合比较评估CES空间分布特征(图 4)。
|
| 图 4 生态系统文化服务评估 Fig. 4 Assessment of cultural ecosystem services POI：兴趣点；MaxEnt：最大熵；AUC：受试者工作特征曲线下面积 |
空间自相关是地理实体空间依赖性的重要表现形式, 指研究对象和其空间位置之间的相关性。Moran′s I作为应用最广泛的空间自相关策略模型, 可以测量区域全局和局部空间自相关性。其中, 局部自相关分析是指某一要素与其邻域要素之间的空间差异程度和显著性, 可用来识别区域内集聚或分散现象[38]。研究采用局部自相关分析, 进一步对不同类型CES空间分布适宜性进行量化表达, 探索CES的空间集聚效果。计算公式如下：
|
(3) |
式中, xi和xj是第i个和j个要素的属性值；是属性值的平均数；Wij是第i个和j个要素之间的空间权重。以评价单元与邻近单元Moran′s I指数的比较, 将空间关系划分为高高、低低、高低、低高和不显著5种聚集类型。
3 结果分析重复训练10次结果显示, 各类CES平均AUC均显著大于随机分布模拟值, 表明MaxEnt模型的评估结果具有较高的拟合度, 可信度较强[39](图 5)。其中, 教育学习AUC值最高, 达到0.939。
|
| 图 5 分布结果验证曲线 Fig. 5 Validation curves for distribution results CES：生态系统文化服务 |
由于各类CES空间适宜性的差异, 数据分布不均衡, 采用固定阈值的划分方法难以实现对数据结果的良好表达, 以MaxEnt模型平均训练结果的最大阈值(TSS, 最大训练灵敏度和特异性)和平衡阈值(TPT, 平衡训练遗漏、预测面积和阈值)为断点[40—41], 将模型结果划分为高适宜、中适宜、低适宜三类, 并分别计算各类CES不同等级区域的面积与占比(表 3)。
| 类型 Type |
平均AUC Average AUC |
最大阈值 TSS |
平衡阈值 TPT |
高High | 中Medium | 低Low | |||||
| 面积 Area/km2 |
占比 Percentage/% |
面积 Area/km2 |
占比 Percentage/% |
面积 Area/km2 |
占比 Percentage/% |
||||||
| 总体CES Total CES | 0.719 | 0.500 | 0.129 | 8540.54 | 19.90 | 33245.15 | 77.46 | 1134.51 | 2.64 | ||
| 景观审美Aesthetic | 0.664 | 0.574 | 0.199 | 13417.84 | 31.26 | 27994.65 | 65.22 | 1507.72 | 3.51 | ||
| 娱乐休闲Recreation | 0.891 | 0.320 | 0.060 | 7206.34 | 16.79 | 16551.22 | 38.56 | 19162.64 | 44.65 | ||
| 精神宗教Spiritual | 0.845 | 0.277 | 0.055 | 6948.37 | 16.19 | 22346.43 | 52.07 | 13625.40 | 31.75 | ||
| 教育学习Education | 0.939 | 0.136 | 0.018 | 2661.64 | 6.20 | 11885.70 | 27.69 | 28372.86 | 66.11 | ||
| TSS：最大训练灵敏度和特异性Maximum training sensitivity plus specificity；TPT：平衡训练遗漏、预测面积和阈值Balance training omission, predicted area and threshold value | |||||||||||
总体上, 榆林市CES空间分布适宜性呈现中部高四周低的梯度分布规律(图 6)。市中心作为承担区域经济发展和生活建设的重点区域, 交通便捷且土地利用类型多元, 地势相对平坦, 文化服务点在此处集聚, 体现出城市中心具有的良好CES基础。此外, 西北部的森林生态基础使定边县也表现出良好的CES分布结果, 但该高适宜区辐射范围较小, 未能与周边区域形成联动趋势。
|
| 图 6 CES空间分布适宜性 Fig. 6 Appropriateness of CES spatial distribution |
各类CES的空间分布不均衡, 空间适宜性差异显著(图 6)。总体CES与景观审美的中高适宜区间占比均高于95%, 表明榆林市总体CES与景观审美的适宜性较为理想。娱乐休闲与精神宗教的中高适宜性占比50%以上, 处于中度理想水平。相比之下, 教育学习的空间均衡效果较弱, 高适宜区间仅占6.20%, 空间适宜性最差(表 3)。
不同类型的文化服务存在空间分布相似性。对比各类文化服务分布结果, 可发现总体CES、景观审美、精神宗教空间分布具有较强的相似性(图 6)。原因在于, 具有精神宗教性质的寺庙道观等往往与满足审美需求的松、竹、林等空间位置绑定, 以满足宗教性质文化点的隐蔽性需求, 因此二者空间上表现出相似效果。总体CES受分布点占比显著的影响, 空间分布与景观审美、精神宗教表现出相似效果。
3.1.2 空间集聚应用局部自相关分析, 揭示要素在局部范围内的空间聚集或分散特征[42]。CES适宜性的空间相关关系被划分为高高、低低、低高、高低以及不显著5种聚集类型, 分别计算各聚集类型面积占比情况, 反映各类型CES空间集聚特征(表 4)。
| 类型 Type |
聚集类型Aggregation types | ||||
| 高高High-high | 低低Low-low | 低高Low-high | 高低High-low | 不显著Not significant | |
| 总体CES Total CES | 12.08 | 13.73 | 0.78 | 0.62 | 72.78 |
| 景观审美Aesthetic | 10.85 | 12.37 | 1.29 | 0.48 | 75.02 |
| 娱乐休闲Recreation | 12.44 | 25.37 | 1.25 | 0.13 | 60.81 |
| 精神宗教Spiritual | 10.62 | 19.67 | 0.91 | 0.30 | 68.50 |
| 教育学习Education | 6.35 | 27.53 | 0.29 | 0.01 | 65.81 |
子类文化服务与总体CES既存在相同特征, 又各自具有自身特点(图 7)。整体而言, 高-低、低-高聚集区在空间范围内呈现碎片化分布, 布局零散, 此类区域发展较为依赖自身发展模式, 空间异质性强。总体CES、精神宗教等空间集聚仍保持高度相似, 高高集聚区集中在市中心与城市主干道且存在空间联动效果, 景观审美高高集聚区在西部定边县表现最明显。此外, 除不显著区域外, 娱乐休闲的高高聚集区占比最高(12.44%), 在区域市中心趋向集中连片分布。教育学习低低集聚区占比最高(27.53%), 高高集聚区占比最少(6.35%), 仅在市区呈现点状分布, 空间联动发展效果较弱(表 4)。
|
| 图 7 聚集类型 Fig. 7 Aggregation types |
利用变量贡献性分析和刀切法检验得到各环境变量对预测结果的贡献效果与重要程度, 通过计算各环境要素的累计贡献率对比要素的影响效果, 将贡献率排名前两位的环境要素作为影响CES空间分布的主导要素(表 5)。
| 类型 Type |
环境要素Environmental features | ||||||
| 距道路距离 DisR |
土地利用类型 LU |
距水体距离 DisW |
植被覆盖度 NDVI |
高程 DEM |
坡度 Slope |
距乡镇中心距离 DisT |
|
| 总体CES Total CES | 30.1 | 31.5 | 20.7 | 9.2 | 4.0 | 3.7 | 0.8 |
| 景观审美Aesthetic | 9.0 | 15.1 | 38.1 | 9.8 | 18.0 | 8.4 | 1.6 |
| 娱乐休闲Recreation | 39.6 | 28.2 | 2.2 | 5.6 | 8.8 | 13.1 | 2.6 |
| 精神宗教Spiritual | 47.8 | 17.0 | 14.8 | 12.7 | 4.0 | 2.5 | 1.3 |
| 教育学习Education | 42.9 | 36.7 | 8.3 | 7.4 | 3.3 | 0.9 | 0.4 |
| 累计贡献率 Cumulative contribution |
169.4 | 128.5 | 84.1 | 44.7 | 38.1 | 28.6 | 6.7 |
主导要素的区别表征着CES的属性差异。与人类活动密切相关的土地利用是总体CES空间分布贡献率最高的因子, 不同于其他服务生态资源集聚的特点, 文化服务的人文属性使其更易受人类活动的影响。除土地要素外, 承载人类休闲活动、情感需求与价值依赖的娱乐休闲、精神宗教与教育学习服务均表现出受道路要素的主导作用。相比之下, 更具自然属性的景观审美受水系的主导作用更为显著。
环境要素的累计贡献率排序为：距道路距离>土地利用类型>距水体距离>植被覆盖度>高程>坡度>距乡镇中心距离(表 5)。距道路距离是影响CES空间分布的最主要因素, 除景观审美外, 距道路距离对各类CES空间分布适宜性作用明显, 表明道路可达性对CES空间分布的重要贡献。环境要素累计贡献率最低的要素为乡镇距离, 对于具有自然生态特点的CES, 行政中心的位置距离对其空间分布的作用并不明显。
单要素作用时道路因子具有最高增益效果(图 8)。对比增益效果图可以发现, 除景观审美受水系因子增益显著, 单独使用道路因子时, 总体CES、娱乐休闲、精神宗教与教育学习等具有显著增益效果, 而省略道路因子时, 各类文化服务的增益效果降低明显, 说明道路因子对CES空间分布能提供更多有效信息, 进一步验证道路因子的重要作用。
|
| 图 8 环境要素对各类CES的增益效果 Fig. 8 Gain effect of environmental features on various CES |
除识别单要素作用下的CES增益效果, 刀切法检验还可以模拟CES空间分布对环境要素的响应曲线(即当其他变量设为平均值时, 空间分布适宜性对单一变量的依赖), 将分布概率与TSS、TPT阈值相结合, 直观反映各类CES随环境要素的变化情况, 分析环境要素对空间分布的影响。选择累计贡献率前三的因子, 距道路距离、土地利用类型、距水体距离等分析CES对要素的空间响应关系(图 9)。响应曲线存在拐点阈值, 在阈值范围内时, CES空间适宜性受环境要素的影响显著, 拐点阈值决定着环境要素作用的适宜范围。
|
| 图 9 CES空间分布对环境要素的响应曲线 Fig. 9 Response curves of CES spatial distribution to environmental features TSS：最大训练灵敏度和特异性；TPT：平衡训练遗漏、预测面积和阈值 |
整体上CES空间分布适宜性与道路、水系成反比关系, 距道路水系越远, CES分布适宜性越差。其中景观审美对道路距离的响应存在差异, 随着距道路距离的增加, 景观审美的分布适宜性呈现先急剧下降后缓慢上升的趋势, 表明在一定范围内, 距道路越远景观审美的适宜性越高。CES与水系距离呈现先急剧下降后缓慢下降的关系特征, 娱乐休闲与教育学习对水系的响应曲线虽总体呈现下降趋势, 但始终处于TSS高阈值范围内, 表明水系对娱乐休闲与教育学习的分布作用并不明显。
建设用地的作用下各类CES空间分布均处于高适宜区间, CES的社会人文特征使得靠近人类活动范围成为其布局的优先选择。而数量占比最高的景观审美对水域的响应最高, 再次验证水系因子对景观审美作用的重要性。
结合各文化服务分布的响应变化, 得到环境要素的适宜区间。距道路距离在1km范围以内、距水系距离在2km以内、土地利用类型为建设用地时, CES的空间适宜性多处于TSS高值区间。此结论对于指导生态系统文化服务点布局优化, 促进城市空间规划合理响应具有显著意义。
4 讨论 4.1 MaxEnt模型评估的准确性与有效性研究以社交媒体的POI数据为基础信息, 使用MaxEnt模型评估CES空间分布的适宜性, 在充分考虑客观环境变量的基础上以AUC值验证模型结果。模型的贡献率分析与刀切法检验清晰诠释了环境要素的影响程度与响应区间, 研究所得CES空间分布与道路、土地类型等环境要素的关系, 与Meng等研究结果一致, 间接表明MaxEnt模型应用的有效性[43], 为合理判断CES的空间分异特征提供必要技术支撑。综合应用社交媒体的数据支持与模型集成的技术响应, 可以跨越现有空间数据获取的尺度限制, 使研究不再局限于公园、城市绿地等微观景观单元, 从城市生态系统的宏观角度实现文化服务的评估应用。但由于CES非经济性的特点, 模型方法未能实现对CES价值的量化评估, 下一步研究可结合参与式制图的方法, 使用货币估值的方式将人为主观感受纳入生态系统文化评估结果, 并融合MaxEnt的空间分析与可视化表达完善CES价值量化。此外, 现有环境要素的选取多从地形、气候等自然环境维度, 未来可考虑从社会经济维度建立环境要素指标体系, 更精确描述CES空间分异规律。
4.2 CES的空间分异特征自然环境、人文风俗与基础设施影响着CES空间分布的适宜性。榆林市中心区拥有榆林古城、镇北台等多类文化景观, 兼具人文与自然特色, 同时也具备便捷的交通条件与基础服务, 因而中心区成为CES空间分布的热点区域。其次, 文化服务空间匹配效果存在差异。景观审美是最易感知的CES类型, 全域空间分布处于高适宜性的占比最高, 现有空间匹配效果最优, 亦是主导总体CES空间分布的主要类型, 这与贾亦琦与张玉钧的研究结果一致[44]。现实应用中应着重关注CES的主导类型, 依据实际需求促进热点区域的文化服务持续。此外, 不同类型文化服务存在空间分布的相似性, 与彭婉婷等[45]研究结果一致。总体CES、景观审美与精神宗教等文化服务表现出显著相似性, 尽管文化服务的类型不同, 但由于属性作用仍然会导致其空间分布出现趋同效应。后续可关注各类CES之间的权衡协同效果, 在充分了解作用关系的基础上实现精细化区域规划与生态治理。
4.3 评估结果在规划中的应用响应CES是人类与环境之间相互作用共同产生的结果[46]。以量化评估结果因地制宜引入城市生态系统规划布局, 充分挖掘文化服务资源本底, 是促进CES价值转化、丰富CES功能表达、提升城乡居民福祉的有效手段。榆林市CES在市中心与北部定边县适宜性较高, 沿城市交通干线形成生态系统文化服务高适宜性的线性区间, 但各类文化空间分布均衡性较差, 区域内未能表现出高文化适宜区的带动作用。基于此, 对榆林市生态系统文化服务提出“点状集聚、线性延伸、全域布局”的空间规划思路。点状集聚：在发展榆林市主城区, 定边县等高适宜中心的基础上, 将现阶段表现出次级适宜性的神木市中心、靖边县中心定位为未来CES发展的次级中心, 重点打造以带动周边文化服务集聚发展；线性延伸：依据道路距离与CES适宜性之间的负相关关系, 提高交通便捷性保持城市通达度是提升文化服务水平的基础工作, 通过交通网络链接高适宜区以延伸CES沿道路集聚的作用效果；全域布局：保持总体CES, 景观审美、精神宗教、娱乐休闲等的空间均衡效果, 提升教育学习空间匹配程度, 避免不同文化服务空间差距过于显著。规划结果的应用是充分发挥人类主观能动性的过程, 但不同受益群体对生态系统服务感知存在差异[47], 未来可从参与者视角出发, 将不同利益相关者的文化感知差异融入城市生态系统规划布局, 强化CES对生态与社会、人类与自然等的纽带作用, 提升规划决策的可行性和民主性。
5 结论CES作为生态系统服务的重要组成部分, 深化CES研究应用, 增进对CES认识与理解, 对于提升人类福祉至关重要。研究以生态脆弱与贫困并存的陕北榆林市为对象, 深入探讨CES空间分布特征与响应变化, 结合社交媒体数据支撑, 应用MaxEnt模型定量分析榆林市CES, 采用10次重复迭代与刀切法检验生成CES适宜性评估结果, 直观的展示文化服务空间集聚特征与环境要素贡献效率, 并进一步分析CES分布适宜性对要素的响应区间。为合理规划城乡布局, 统筹生态文化资源与缓解黄土高原社会—生态冲突提供科学参考。主要结论如下：
榆林市CES空间分布特征明显, 空间适宜性差距显著, 市中心作为经济发展与城市建设的中心, 是CES空间分布最适宜区域, 其中景观审美的空间适宜性最高, 教育学习的空间适宜性最差；环境要素的累计贡献率排序为：距道路距离>土地利用类型>距水体距离>植被覆盖度>高程>坡度>距乡镇中心距离。城市交通的可达性是CES空间分布的最主要因素, 而乡镇等行政中心的位置分布对具有自然生态属性的CES作用并不显著；距道路距离在1km以内、距水系距离在2km以内、土地利用类型为建设用地时, CES的空间分布适宜性多处于TSS高值区间, 考虑CES对环境要素的响应变化是提升人类生态感知的有效手段。
| [1] |
Costanza R, de Groot R, Braat L, Kubiszewski I, Fioramonti L, Sutton P, Farber S, Grasso M. Twenty years of ecosystem services: how far have we come and how far do we still need to go?. Ecosystem Services, 2017, 28: 1-16. DOI:10.1016/j.ecoser.2017.09.008 |
| [2] |
Leemans R, De Groot R S. Millennium Ecosystem Assessment: Ecosystems and human well-being: a framework for assessment. 2003: 86-99.
|
| [3] |
Costanza R, d'Arge R, de Groot R, Farber S, Grasso M, Hannon B, Limburg K, Naeem S, O'Neill R V, Paruelo J, Raskin R G, Sutton P, van den Belt M. The value of the world's ecosystem services and natural capital. Nature, 1997, 387: 253-260. DOI:10.1038/387253a0 |
| [4] |
Assessment M E. Ecosystems and human well-being. Washington, D.C.: Island Press, 2005.
|
| [5] |
吴隽宇, 朱榴奕. 生态系统环境-文化服务耦合视角下的珠江河口区生态功能分区. 风景园林, 2023, 30(1): 85-93. |
| [6] |
霍思高, 黄璐, 严力蛟. 基于SolVES模型的生态系统文化服务价值评估——以浙江省武义县南部生态公园为例. 生态学报, 2018, 38(10): 3682-3691. |
| [7] |
Daily G C, Polasky S, Goldstein J, Kareiva P M, Mooney H A, Pejchar L, Ricketts T H, Salzman J, Shallenberger R. Ecosystem services in decision making: time to deliver. Frontiers in Ecology and the Environment, 2009, 7(1): 21-28. DOI:10.1890/080025 |
| [8] |
de Groot R S, Wilson M A, Boumans R M J. A typology for the classification, description and valuation of ecosystem functions, goods and services. Ecological Economics, 2002, 41(3): 393-408. DOI:10.1016/S0921-8009(02)00089-7 |
| [9] |
Zhao Y Q, You W B, Lin X E, He D. Assessing the supply and demand linkage of cultural ecosystem services in a typical county-level city with protected areas in China. Ecological Indicators, 2023, 147: 109992. DOI:10.1016/j.ecolind.2023.109992 |
| [10] |
Buckley R. The economics of ecosystems and biodiversity: ecological and economic foundations. Austral Ecology, 2011, 36(6): e34-e35. |
| [11] |
Edwards D M, Jay M, Jensen F S, Lucas B, Marzano M, Montagné C, Peace A, Weiss G. Public preferences across Europe for different forest stand types as sites for recreation. Ecology and Society, 2012, 17: art27. |
| [12] |
庄思冰, 龚建周, 陈康林, 李江涛. 粤港澳大湾区小型公园绿地生态系统文化服务的供需匹配特征. 生态学报, 2023, 43(14): 5714-5725. |
| [13] |
Pert P L, Hill R, MacLean K, Dale A, Rist P, Schmider J, Talbot L, Tawake L. Mapping cultural ecosystem services with rainforest aboriginal peoples: integrating biocultural diversity, governance and social variation. Ecosystem Services, 2015, 13: 41-56. DOI:10.1016/j.ecoser.2014.10.012 |
| [14] |
Thiele J, Albert C, Hermes J, von Haaren C. Assessing and quantifying offered cultural ecosystem services of German River landscapes. Ecosystem Services, 2020, 42: 101080. DOI:10.1016/j.ecoser.2020.101080 |
| [15] |
Everard M, Jones L, Watts B. Have we neglected the societal importance of sand dunes? An ecosystem services perspective. Aquatic Conservation: Marine and Freshwater Ecosystems, 2010, 20(4): 476-487. DOI:10.1002/aqc.1114 |
| [16] |
董连耕, 朱文博, 高阳, 李双成. 生态系统文化服务研究进展. 北京大学学报: 自然科学版, 2014, 50(6): 1155-1162. |
| [17] |
Ngiam R W J, Lim W L, Collins C M. A balancing act in urban social-ecology: human appreciation, ponds and dragonflies. Urban Ecosystems, 2017, 20(4): 743-758. DOI:10.1007/s11252-016-0635-0 |
| [18] |
Soliva R, Rønningen K, Bella I, Bezak P, Cooper T, Flø B E, Marty P, Potter C. Envisioning upland futures: Stakeholder responses to scenarios for Europe's Mountain landscapes. Journal of Rural Studies, 2008, 24(1): 56-71. DOI:10.1016/j.jrurstud.2007.04.001 |
| [19] |
郑善文, 马默衡, 李海龙, 汪坚强, 张芯蕾. 居民福祉视角下城市中心区生态空间文化服务评价——以北京为例. 城市发展研究, 2021, 28(4): 21-27. |
| [20] |
Phillips S J, Dudík M, Schapire R E. A maximum entropy approach to species distribution modeling. Proceedings of the twenty-first international conference on Machine learning. July 4-8, 2004, Banff, Alberta, Canada. ACM, 2004: 83.
|
| [21] |
Zhou W J, Cai J, Chen K. Connecting recreational service to visitor's well-being: a case study in Qianjiangyuan National Park. International Journal of Environmental Research and Public Health, 2022, 19(18): 11366. DOI:10.3390/ijerph191811366 |
| [22] |
董嘉薇, 陈海, 白晓娟, 刘迪, 张杰. 陕北黄土高原乡村振兴战略对生态系统服务的影响及原因研究——以陕西省米脂县为例. 西北大学学报: 自然科学版, 2022, 52(4): 643-655. |
| [23] |
孙艺杰, 任志远, 郝梦雅, 段艺芳. 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. 生态学报, 2019, 39(10): 3443-3454. |
| [24] |
Shi Q Q, Chen H, Liu D, Zhang H, Geng T W, Zhang H J. Exploring the linkage between the supply and demand of cultural ecosystem services in Loess Plateau, China: a case study from Shigou Township. Environmental Science and Pollution Research, 2020, 27(11): 12514-12526. DOI:10.1007/s11356-020-07852-y |
| [25] |
刘迪, 陈海, 耿甜伟, 张行, 史琴琴. 基于地貌分区的陕西省区域生态风险时空演变. 地理科学进展, 2020, 39(2): 243-254. |
| [26] |
杨海娟, 孙来玎, 周美君, 李飞. 黄土高原粮食生产空间重构过程中的生态系统服务权衡——以陕北榆林市为例. 干旱区地理, 2022, 45(1): 226-236. |
| [27] |
李永钧, 张单阳, 王珂, 黄璐. 乡村生态系统文化服务供需关系研究——以浙江省湖州市为例. 生态学报, 2022, 42(17): 6888-6899. |
| [28] |
傅伯杰, 张立伟. 土地利用变化与生态系统服务: 概念、方法与进展. 地理科学进展, 2014, 33(4): 441-446. |
| [29] |
白晓娟, 陈海, 刘迪, 史琴琴, 荔童. 基于MaxEnt模型的生态系统服务需求及其簇的空间分异——以陕西省米脂县为例. 生态学报, 2023, 43(7): 2745-2755. |
| [30] |
Kong F, Tang L, He H, Yang F X, Tao J, Wang W C. Assessing the impact of climate change on the distribution of Osmanthus fragrans using Maxent. Environmental Science and Pollution Research, 2021, 28(26): 34655-34663. DOI:10.1007/s11356-021-13121-3 |
| [31] |
Zhao Z Y, Xiao N W, Shen M, Li J S. Comparison between optimized MaxEnt and random forest modeling in predicting potential distribution: a case study with Quasipaa boulengeri in China. Science of the Total Environment, 2022, 842: 156867. DOI:10.1016/j.scitotenv.2022.156867 |
| [32] |
雷军成, 徐海根. 基于MaxEnt的加拿大一枝黄花在中国的潜在分布区预测. 生态与农村环境学报, 2010, 26(2): 137-141. DOI:10.3969/j.issn.1673-4831.2010.02.008 |
| [33] |
刘志林, 李石华, 角媛梅, 丁银平, 刘澄静, 张娟, 李绒, 邱应美, 赵冬梅, 查智琴. 基于曲面耕作半径与MaxENT模型的哈尼梯田区聚落格局优化. 农业工程学报, 2019, 35(20): 242-252. DOI:10.11975/j.issn.1002-6819.2019.20.030 |
| [34] |
Zhang B, Wang H J. A new type of dual-scale neighborhood based on vectorization for cellular automata models. GIScience & Remote Sensing, 2021, 58(3): 386-404. |
| [35] |
Li Y D, Li Z J, Wang J J, Zeng H. Analyses of driving factors on the spatial variations in regional eco-environmental quality using two types of species distribution models: a case study of Minjiang River Basin, China. Ecological Indicators, 2022, 139: 108980. DOI:10.1016/j.ecolind.2022.108980 |
| [36] |
Phillips S J, Anderson R P, Schapire R E. Maximum entropy modeling of species geographic distributions. Ecological Modelling, 2006, 190(3/4): 231-259. |
| [37] |
陈思如, 张任翔, 张学治, 赵文慧, 戎郁萍, 邓波, 王莉, 刘起棠, 刘雷震. 基于MaxEnt优化模型的罗布麻类植物潜在分布研究. 北京师范大学学报: 自然科学版, 2023, 59(3): 377-387. |
| [38] |
乔斌, 祝存兄, 曹晓云, 肖建设, 扎西拉旦, 颜玉倩, 陈国茜, 史飞飞. 格网尺度下青海玛多县土地利用及生态系统服务价值空间自相关分析. 应用生态学报, 2020, 31(5): 1660-1672. |
| [39] |
Yoshimura N, Hiura T. Demand and supply of cultural ecosystem services: use of geotagged photos to map the aesthetic value of landscapes in Hokkaido. Ecosystem Services, 2017, 24: 68-78. DOI:10.1016/j.ecoser.2017.02.009 |
| [40] |
Liu C R, Berry P M, Dawson T P, Pearson R G. Selecting thresholds of occurrence in the prediction of species distributions. Ecography, 2005, 28(3): 385-393. DOI:10.1111/j.0906-7590.2005.03957.x |
| [41] |
Clark J, Wang Y Q, August P V. Assessing current and projected suitable habitats for tree-of-heaven along the Appalachian Trail. Philosophical Transactions of the Royal Society of London Series B, Biological Sciences, 2014, 369(1643): 20130192. DOI:10.1098/rstb.2013.0192 |
| [42] |
郭岩, 杨昌鸣, 张雨洋. 场域视角下清代北京宣南雅文化核心区范围及空间关联特征. 地理研究, 2020, 39(4): 836-852. |
| [43] |
Meng S T, Huang Q X, Zhang L, He C Y, Inostroza L, Bai Y S, Yin D. Matches and mismatches between the supply of and demand for cultural ecosystem services in rapidly urbanizing watersheds: a case study in the Guanting Reservoir Basin, China. Ecosystem Services, 2020, 45: 101156. DOI:10.1016/j.ecoser.2020.101156 |
| [44] |
贾亦琦, 张玉钧. 旅游者摄影行为研究初探——基于摄影旅游者与大众旅游者的对比. 中南林业科技大学学报: 社会科学版, 2012, 6(1): 22-26. DOI:10.3969/j.issn.1673-9272.2012.01.007 |
| [45] |
彭婉婷, 刘文倩, 蔡文博, 王鑫, 黄智, 吴承照. 基于参与式制图的城市保护地生态系统文化服务价值评价——以上海共青森林公园为例. 应用生态学报, 2019, 30(2): 439-448. |
| [46] |
Casado-Arzuaga I, Onaindia M, Madariaga I, Verburg P H. Mapping recreation and aesthetic value of ecosystems in the Bilbao Metropolitan Greenbelt (northern Spain) to support landscape planning. Landscape Ecology, 2014, 29(8): 1393-1405. DOI:10.1007/s10980-013-9945-2 |
| [47] |
Soy-Massoni E, Langemeyer J, Varga D, Sáez M, Pintó J. The importance of ecosystem services in coastal agricultural landscapes: case study from the Costa Brava, Catalonia. Ecosystem Services, 2016, 17: 43-52. DOI:10.1016/j.ecoser.2015.11.004 |