生态系统管理注重多种生态系统服务(ES)协同提升, 以实现整体效益的最大化^[1]。但ES间不可避免的关联影响ES综合效益发挥。ES权衡与协同(下文简称权衡协同)用以描述多种ES间的相互关联性。权衡指某些类型ES的供应提高而使其它类型ES降低的状况, 协同指多种ES同时增高的情形^[2—3]。权衡协同产生于自然与社会驱动因素相互作用的复杂过程, 其研判与特定空间规划管理要求紧密相关^[4]。研究表明, 人类对权衡协同的关键驱动因素的管理和干预可以使权衡协同关系相互转化^[5—6]。因而, 定量识别并调控权衡协同关键驱动因素及其影响效应, 以弱化ES权衡并促进其协同增益, 对ES有效管理至关重要。

权衡协同短期特征难以反映ES连续动态变化下的相互作用关系全景^[7], 并易导致对其驱动因素的误判^[8]。对此, 基于长时间序列ES权衡协同规律探索, 将有助于提升驱动因素分析的可靠性^[9]。Aryal等^[2]和Ndong^[5]等通过系统性综述表明, 当前缺乏基于长时间序列(>30年)权衡协同驱动因素研究。此外, 既有权衡协同驱动因素相关研究多聚焦影响因素线性驱动作用, 缺乏对其非线性影响特征的分析^[10], 而采用机器学习方法揭示非线性驱动作用是当前研究的热点。其中, 随机森林模型因具备揭示驱动因素非线性作用、有效处理驱动因素多元共线性、具有较好解释性等方面的优势, 正被愈来愈多应用于ES相关研究中^[11—12]。

“生态系统服务功能极重要区(下文简称极重要区)”是区域范围内保持并提高多种关键ES供应能力的最重要区域^[13]。保持该区域的ES综合效益最大化对维系区域生态安全及可持续供给关键ES意义重大^[14—15]。当前, 极重要区相关研究多聚焦空间分区成果的拓展应用, 如基于极重要区分析构建生态安全格局^[16]、优化生态用地保护格局^[17]、引导城镇建设用地空间分区优化^[18]等, 而对如何促进区域多种ES协同增益讨论不足。

综上所述, 本研究科学问题是：长时间序列ES变化趋势的背景下, 影响权衡协同的主导驱动力及其非线性影响效应是什么？本研究以安徽省芜湖市极重要区为例, 依据芜湖市自然本底与经济社会发展对ES的需求, 以及上位规划的要求, 选择生境质量、碳固定和土壤保持作为这一区域ES评估类型, 并综合多源数据与模型, 识别并评估该区31年间(1990—2020年)权衡协同空间分布规律, 运用随机森林模型探索权衡协同关键驱动因素及其非线性影响效应, 以期为促进极重要区多种ES有效管理提供思路。

1 研究区概况

芜湖市(117°58′—118°43′E, 30°38′ —31°31′N)地处安徽省东南部, 位于皖南山系至江淮平原过渡地区。地势西南高东北低, 间有洼地及少数丘陵, 整体形态呈双翼状。地貌类型包括丘陵、平原和洼地。区域属于亚热带湿润性季风气候, 光照充足, 四季分明, 水热条件良好。全年平均气温15—16℃, 平均降雨量约为1200mm。芜湖市辖镜湖区、弋江区、鸠江区、湾沚区、繁昌区、无为市和南陵县七个县(市、区), 人口为373.1万人, 市域面积6003.92km²(图 1)。

芜湖市是安徽省域副中心城市, 也是长三角地区重要节点城市。自20世纪90年代以来, 芜湖市经济进入快速发展阶段, 同时ES供给伴随生态环境改变发生了显著变化。作为安徽省生态保护空间格局的关键节点, 芜湖市如何有效管理生态系统, 促进多种关键ES可持续供应, 是当前亟需解决的问题。

2 数据来源与研究方法 2.1 ES评估数据来源与方法

本文所使用的数据如表 1所示。

依据芜湖市地域特征以及《全国生态功能区划》和《芜湖市国土空间总体规划(2020—2035年)》的要求选取生态系统服务, 其评估方法见表 2。

2.2 权衡协同分析方法

首先, 研究综合运用《生态保护红线划定指南》和《资源环境承载能力和国土空间开发适宜性评价指南》推荐的方法(下文简称指南法)识别了芜湖市极重要区。并基于逐像元趋势分析结果的空间叠置法判断三类ES权衡协同, 该方法不仅可解析研究时段像元尺度ES变化趋势特征^[24], 还可以直观展示综合多种ES的权衡协同空间分异特征, 有助于管理决策空间有效落位^[25]。

本研究采用逐像元一元线性回归趋势分析方法, 模拟像元尺度1990—2020年连续31年三类ES年际变化趋势：

式中, Slope为像元Y_i回归方程的斜率, 即ES变化趋势；i为年变量；n代表时间序列长度；Y_i代表第i年的ES值。为了验证回归模型的有效性, 使用t检验对趋势进行显著性检验, 当P < 0.05时, 认为趋势显著。

通过叠置趋势分析结果判断三类ES权衡协同, 具体步骤如下：

(1) 参考相关研究指标变化趋势分级方法^[26—27], 将Slope值划分为对应的ES变化趋势(表 3)。

(2) ES变化趋势空间叠置：将三类ES变化趋势叠加, 其中趋势显著与非显著像元叠加为权衡协同非显著区。具体叠加分类则规则如下：

式中, HQ、CS和SC分别表示各生态系统服务变化趋势的数字代码，Code是3位数代码, 每一个代码序列都是1和2组合的像元值, 代表此像元三类ES31年间的综合变化状态。

(3) 权衡协同分类标准：根据权衡与协同关系定义及三类ES综合变化状态制定权衡协同分类标准(表 4)。权衡指一种ES增高或降低而其它服务呈相反变化的状态。协同为三种服务一致增高的情况。

2.3 驱动因素分析方法

驱动因素选择方面, 极重要区权衡协同结果反映了像元尺度31年间三种ES相互作用关系规律, 相应的驱动因素也需要表达像元尺度长期变化情况。因而在数据可获得前提下, 驱动因素需要符合以下筛选标准：(1)最小统计单元为像元(2)具有年际变化特征。参考相关研究成果^[28], 本研究从气候及土地利用变化两个方面, 选取温度、降水量、归一化植被指数和土地利用强度作为驱动因素分表征, 其中土地利用强度计算方法参考相关文献^[29], 并结合研究区实际情况赋值(表 5)。

研究采用随机森林模型探索极重要区权衡协同驱动因素。随机森林模型由Breiman于2001年提出, 是运用装袋法策略进行集成学习的典型代表。在本研究中, 将极重要区权衡协同分类结果作为因变量, 各驱动因素作为自变量, 基于R语言randomForest包, 采用随机森林分类模型分析各驱动因素对分类结果的相对重要性及影响效应, 具体模型计算原理及公式见文献^[30]。

3 研究结果 3.1 ES变化趋势空间分布格局

1990—2020年间生境质量显著变化区域总面积为944.03km²。其中, 降低区域面积为619.64km², 总面积占比约10.32%。生境质量增高区域仅占总面积5.40%, 为324.39km²。芜湖市域生境质量总体变化并不显著, 但显著降低区域占比高于增高区, 随着城市化快速推进和日益增强的人类活动干扰, 芜湖市域生境质量存在进一步衰退的风险。生境质量供给趋势空间格局方面, 降低区域主要分布于长江及沿岸地势较为平缓且人为活动密集的区域, 如南陵县、无为市、繁昌区等七个市(县、区)行政中心及其周边地区。增高区域主要分布于南陵县南部及无为市与铜陵市交界的丘陵地区, 该区域海拔位置较高, 具有良好的自然本底和气候条件(图 2)。

碳固定服务增高趋势区域面积为3170.57km², 占总面积比例约52.81%。其次是碳固定降低区域, 面积689.24km², 占比约为11.48%。31年间芜湖市域生态系统碳固定显著增高与降低变化趋势明显, 趋势增高区约为降低区面积5倍且超过总面积一半, 表明芜湖市域植被和水热条件对植被净初级生产力(NPP)累积较为有利。碳固定趋势变化空间格局方面, 碳固定趋势降低区域主要分布于城市中心区向郊区蔓延的城市边缘地带, 以及沿江岸由林地耕地转为人工养殖塘的区域, 反映了人为干扰对NPP累积的负面影响。增高区域空间分布较为分散, 主要位于鸠江区北部、无为市西南和南陵县南部以林地及耕地为主要土地覆被类型的区域(图 3)。

土壤保持变化趋势区域面积占比与碳固定相似, 增高趋势面积为3195.57km², 占总面积比例约53.22%。其次是土壤保持降低区域, 面积688.69km², 占总面积比例约11.47%。1990—2020年间芜湖市域生态系统土壤保持显著变化趋势明显, 增高趋势面积远高于降低趋势区域。除此, 增高与降低呈现差异化空间分布格局, 增高区域主要分布于植物覆被良好, 景观较为完整的无为市及南陵县丘陵林地区域, 而降低区域主要分布于城市及周边地区和地势较为平缓的农垦区(图 4)。

3.2 权衡与协同空间分布规律

基于指南法的极重要区识别结果如图 5所示。极重要区面积为757.06km², 市域总面积占比约12.61%。其分布主要位于无为市西南与西北部、繁昌区中部及南陵县南部, 区域海拔较高, 以林地为主要用地类型, 人为干扰水平较低。作为生态保护红线划定的空间基础之一, 极重要区受权衡协同显著影响的区域面积为488.17km², 达到该区面积的64.48%(图 6), 其中三种服务存在权衡关系的区域面积占比为9.16%, 协同区面积占比为55.32%(表 6)。这表明权衡协同研究对该区域生态保护及未来ES综合可持续供应至关重要, 并且有必要对极重要区权衡协同空间分布特征及其背后驱动因素进一步分析, 为生态保护红线划定等生态系统管理政策的实施提供坚实基础。

权衡区域主要分布于无为市和繁昌区。无为市极重要区权衡面积为40.07km², 占比为5.29%, 是芜湖市极重要区权衡面积最高的区县。其次是繁昌区, 极重要区权衡面积为23.24km², 占比为3.07%。权衡特征说明区域生态系统要素和结构驱动下的生态系统过程对特定类型ES供给的针对性和排他性, 使得三种服务间产生此消彼涨的状态, 例如繁昌区中部丘陵地区, 该区域生境质量降低, 但碳固定和土壤保持呈同时增高的状态(图 7)。协同区域集中分布于南陵县人类活动负面影响较低, 植被及水热条件良好的南部丘陵地区, 该县极重要区协同区面积为249.97km², 占比为33.02%。协同特征表明该区域的生态系统过程对三种ES同时具有提升作用, 需要重点保护。

3.3 权衡与协同关键驱动因素及其影响效应

研究采用混淆矩阵测试模型精度。研究所构建的随机森林模型总体精度为95.65%, kappa系数为83.45%, 均大于80%, 模型分类准确度高, 因此可基于该模型对驱动因素的相对重要性进行测度。

利用平均精度下降(MDA)方法获取随机森林分类影响因素的重要性排序。该方法用以衡量把一个变量的取值变为随机数后, 随机森林模型预测准确性的降低程度, 该值越大表明该变量的重要性越大^[31]。MDA值(无量纲)排序结果显示(图 8), 驱动因素重要性由高到低依次为分别为降水量、土地利用强度、温度和归一化植被指数。四类驱动因素MDA值存在明显差异, (1)气候因素方面, 相比于温度, 降水是决定芜湖市极重要区权衡协同区域分布的关键, 这可能是降水比温度具有更高的空间异质性, 因而对分类结果影响更大。(2)土地利用变化因素方面, 土地利用强度重要性远高于归一化植被指数, 表明在极重要区, 三种服务能否协同增益取决于土地利用类型转化状态, 而非植物覆被变化情况。这可能是由于该区域31年间土地利用类型大多在耕地和林地间转化, 相比于耕地与林地分类强度指数变化差异, 归一化植被指数变化程度较弱, 对随机森林模型分类贡献有限。(3)此外, 降水量和土地利用强度MDA值达200以上, 远高于温度和归一化植被指数MDA值(两者都不足100), 因而降水量和土地利用强度可以被视作影响极重要区权衡协同转化的关键驱动因素。

“部分依赖图”(图 9)展示了关键驱动因素对权衡协同分类结果的偏效应, 即对分类结果的影响程度。这里的偏效应指在随机森林算法中全面考虑了所有其他变量的影响后, 计算出的一个自变量对因变量的影响。对于二分类变量, 该影响以目标分类变量和非目标分类变量比值的logit转换为表征^[32], 影响值越高表示分类为目标变量的数量越多。

图 9中降水量和土地利用强度对权衡协同的出现存在复杂的非线性关系。尽管在1400mm降水量附近, 极重要区分类为协同区域的像元数量出现下降, 但从总体看, 伴随降水量提升, 分类为协同区域的像元数量增高而权衡像元数量下降, 表明降水量提升对于三种服务协同增益具有促进作用。这可能由于降水量高值地区多分布于山地丘陵, 远离城镇等威胁源, 生境质量优且植被茂盛, 固碳和阻滞侵蚀能力强, 同时因高降雨量导致的土壤侵蚀风险可以被植被控制^[33]。

土地利用强度对权衡协同的影响并非随土地利用强度数值提升线性变化, 而呈现明显的阶段特征, 强度值在1.0—1.6之间(即强度等级介于弱与中且偏向弱强度)时有利于协同像元分类。当值约在1.6位置时, 协同像元分类数量最高而权衡像元分类数量最低。而一旦强度数值超过1.6后, 促进协同的正向影响快速减弱, 经短暂提升后该正向影响在强度值大于2时逐渐稳步降至最低。相对应的, 强度数值高于1.6后, 分类为权衡的像元数量快速增多至最高。该结果表明, 研究区权衡协同对土地利用强度变化的响应存在阈值, 当强度等级介于弱与中且偏向弱强度时对三种服务协同增益具有积极作用。

4 讨论 4.1 土地利用强度对权衡协同管理的影响

削弱生态服务间权衡, 促进其协同增益, 对区域ES可持续高水平供给具有决定意义。气候和土地利用变化是驱动权衡协同转变的两个主要方面^[27]。由于很难在区域层面针对气候制定相应的管理策略, 因而, 通过调控土地利用变化以削弱权衡增进协同成为生态系统管理者和研究者的共识^[10]。本研究结果表明, 土地利用强度对管理ES权衡协同转化具有主导决定力。这一结果与左丽媛等^[34]、Zheng等^[35]研究结果一致。

土地利用变化通过改变生态系统组分和结构影响生态系统过程, 再作用于服务供应及其相互作用关系^[36]。这种作用是复杂的, 可能存在非线性变化和短期波动状态, 静态或短期权衡协同分析结果难以为生态保护及管理提供可靠的决策支持。因而, 从长时间序列角度把握权衡协同变化的全景特征是分析土地利用变化影响的关键。通过刻画1990—2020年间极重要区权衡协同规律和土地利用强度变化特征, 本研究发现权衡协同对土地利用强度变化的响应是非线性的并且存在阈值。这与杨强强等^[29]认为的土地利用强度与ES价值协同增益呈线性负相关关系的结论存在差异, 这可能是ES评估方法不同所导致。本研究采用ES物质量评估法, 后者采用价值量评估, 而价值量评估法暗含了土地利用类型与ES供应间的线性关联, 难以有效反映服务间关系特征^[8]。

本研究中, 像元的土地利用强度在1.0—2.6之间连续变化。当强度值为小数时表明31年间该像元土地利用强度在不同整数强度等级间波动, 说明像元土地利用类型存在交替关系。具体的, 在本研究区时段范围内以弱强度和中强度土地利用类型相互转化为主要特征, 其中耕地和林地间转化是核心。这可能是受2002年后全国推行退耕还林, 及2017年国务院《关于加强耕地保护和改进占补平衡的意见》推出以来土地整治和拓补耕地政策的影响。

以土地利用强度等于1.6为阈值, ES间协同向权衡关系转化表明, 耕地与林地间的交替持续时间存在限度。具体的, 在本研究中当林地持续时间大于等于13年, 且耕地持续时间不超过18年时, 像元三种ES保持协同关系, 而当持续时间超越该限度, 协同关系快速转变为权衡。这可能是由于极重要区所处丘陵地区耕地规模化生产活动弱于平原区域, 且耕地以种植茶叶、山核桃等经济作物为主。此类农业生产内容和方式对导致生境质量、土壤保持和碳固定服务间权衡效应作用有限、且具有较长的时间滞后性。因而限定一定时期内的耕地林地转换关系, 同时采取合理的耕作管理方式不会导致权衡, 相反会对服务间协同产生积极作用。

根据最近一期(2020年)芜湖市土地利用图统计显示, 极重要区内耕地面积占比为8.56%, 林地面积为91.12%, 其他类型用地仅为0.32%。在当前耕地保护的背景下, 基于极重要区土地利用强度阈值特点, 作者认为该区域生态系统管理应在保护林地生态系统同时立足丘陵地区耕地空间分散特征, 避免耕地大规模连片开发。基于已有耕地宜农应农的前提下, 实施耕地质量保护与提升行动, 综合采取工程、生物、及轮作休耕等更加精细化的耕地管理措施促进生境质量、土壤保持及碳固定服务协同增益。

4.2 局限与展望

长时间序列权衡协同驱动因素分析, 可以为空间规划管理策略提供更加可靠的依据。本研究基于长时间序列连续年期数据识别了影响权衡协同关系变化的关键驱动因子及其影响效应。但由于时间跨度长, 研究数据可获得性不理想, 只有四类驱动因素指标纳入本次研究, 这可能限制了对其他潜在关键因素作用的理解。此外, 在本研究中, 运用逐像元分析方法表达了极重要区权衡协同时空间分布规律, 并利用随机森林部分依赖图展示了土地利用强度对权衡协同转化的阈值范围, 但这一分析成果还难以直接映射规划管理过程中的调控指标工具。针对上述不足, 认为未来研究应将权衡协同驱动因素分析与空间规划实践紧密结合, 筛选符合规划要求的可控指标作为备选潜在驱动因素, 并基于地方性特征和规划实践导向进一步细化驱动因素作用机理, 同时依托规划过程拓展多层次的数据获取渠道。

5 结论

本研究分析了1990—2020年间芜湖市“生态系统服务极重要区”的三种关键ES权衡协同时空分布规律及其内在驱动因素与影响作用。主要得到以下结论：

(1) 长时间序列ES分析背景下, ES变化趋势表现出明显的空间差异性。生境质量、土壤保持和碳固定服务增高趋势区多分布于海拔位置较高, 具有良好自然本底和气候条件的区域。降低区主要分布于河岸两侧地势平缓的城市中心及边缘地区人为活动密集的区域。

(2) 极重要区受权衡协同显著影响的面积数量大且空间分布广泛。有必要通过权衡协同驱动因素研究识别并管理促进权衡向协同转化的关键驱动力, 以维系该区域多种ES可持续供给。

(3) 权衡协同关系转化受气候和土地利用变化共同影响。降水量和土地利用强度是研究区权衡协同转化的关键驱动因素。其中, 土地利用强度是管理ES权衡向协同转化的主导因素。土地利用强度对权衡协同的影响并非随土地利用强度数值提升线性变化, 而是表现出非线性阶段特征并且存在影响阈值。