生态学报  2024, Vol. 44 Issue (9): 3897-3910

文章信息

王培家, 章锦河, 杨良健, 郭丽佳, 马小宾, 阚越, 陈敏
WANG Peijia, ZHANG Jinhe, YANG Liangjian, GUO Lijia, MA Xiaobin, KAN Yue, CHEN Min
典型旅游城市生态系统服务时空演变及其影响因素——以黄山市为例
Spatio-temporal evolution of ecosystem services in a typical tourist city and its influencing factors: a case study of Huangshan City
生态学报. 2024, 44(9): 3897-3910
Acta Ecologica Sinica. 2024, 44(9): 3897-3910
http://dx.doi.org/10.20103/j.stxb.202308021655

文章历史

收稿日期: 2023-08-02
网络出版日期: 2024-02-01
典型旅游城市生态系统服务时空演变及其影响因素——以黄山市为例
王培家1,2 , 章锦河1,2 , 杨良健1,2 , 郭丽佳1,2 , 马小宾1,2 , 阚越1,2 , 陈敏3     
1. 南京大学地理与海洋科学学院, 南京 210023;
2. 黄山公园生态系统教育部野外科学观测研究站, 黄山 245899;
3. 安徽大学商学院, 合肥 230601
摘要: 明晰社会-生态因素对旅游目的地生态系统服务时空格局影响, 对实现区域旅游高质量发展和生态环境保护具有重要的现实意义。以典型旅游城市黄山市为案例地, 剖析了黄山市2000-2020年的产水量、土壤保持、碳固存、生境质量、旅游休闲5类生态系统服务时空演变特征及其社会-生态因子的作用强度, 旨在揭示生态系统服务的时空分异与旅游目的地经济发展之间的联系。结果表明: ①时间序列上, 2000-2020年黄山市的产水量均值先增长后下降, 土壤保持服务呈上升趋势, 碳固存、生境质量和旅游休闲3项生态系统服务呈下降趋势; ②空间分布上, 产水和土壤保持服务的高值区分布在黄山山脉和南部低山丘陵处, 低值区广泛分布在中部和北部; 碳固存、生境质量和旅游休闲服务除黄山风景区、黔县和新安江河谷盆地的数值较低外, 其余区域高值区集聚明显。5类生态系统服务冷热点空间分布差异明显, 但整体有重叠性。③影响因子方面, 自然因子影响力最强, 经济因子和旅游因子次之。然而, 经济因子和旅游因子的影响力在不断提升, 自然因子虽仍占主导地位, 但解释作用在不断减弱。两两因子交互作用主要表现为非线性增强或者双因子增强的关系, 即产生"1+1>2"的效果。④驱动机制方面, 旅游城镇化系统-土地系统-自然环境系统之间相互博弈又协同发展, 共同影响黄山市生态系统服务。本研究为旅游导向型城市生态系统服务与旅游经济发展之间的积极互动提供理论支撑。
关键词: 生态系统服务    时空分布    影响因素    旅游目的地    黄山市    
Spatio-temporal evolution of ecosystem services in a typical tourist city and its influencing factors: a case study of Huangshan City
WANG Peijia1,2 , ZHANG Jinhe1,2 , YANG Liangjian1,2 , GUO Lijia1,2 , MA Xiaobin1,2 , KAN Yue1,2 , CHEN Min3     
1. School of Geography and Ocean Science, Nanjing University, Nanjing 210023, China;
2. Huangshan Park Ecosystem Observation and Research Station, Ministry of Education, Huangshan 245899, China;
3. School of Business, Anhui University, Hefei 230601, China
Abstract: Clarifying the influence of socio-ecological factors on the spatial and temporal patterns of ecosystem services in tourism destinations is of great practical significance for achieving high-quality development of regional tourism and ecological environmental protection. This paper analyzed the spatial and temporal evolution of five types of ecosystem services in Huangshan City from 2000 to 2020, including water production, soil conservation, carbon sequestration, habitat quality, and tourism culture. In addition, we also analyzed the intensity of the role of socio-ecological factors, aiming to reveal the link between the spatial and temporal differentiation of ecosystem services and the economic development of tourism destinations. The results showed that: (1) In terms of temporal distribution, the mean value of water production in Huangshan City increased and then decreased, and the soil conservation service showed an increasing trend, while the remaining three ecosystem services of water production, carbon sequestration and tourism culture showed a decreasing trend from 2000 to 2020. (2) In terms of spatial distribution, the high value areas of water production and soil conservation services were distributed in the Mount Huangshan Mountains and low mountains and hills in the south, and the low value areas were widely distributed in the middle and north; Carbon sequestration, habitat quality and tourism and leisure services, except for Mount Huangshan Scenic Spot, Qianxian County and Xin'anjiang River Valley Basin, were low in value, and other high value areas gathered significantly. The spatial distribution of cold and hot spots in the five types of ecosystem services was significantly different, but there was overall overlap. (3) As for the influence factors, the geographic factor had the strongest explanatory power, followed by the economic factor and the tourism factor. However, the influence of the economic factor and tourism factor was increasing, and although the geographic factor was dominant, the explanatory role was diminishing. The interaction between the two factors was mainly in the form of non-linear enhancement or two-factor enhancement, i.e., the effect of "1+1>2". (4) The tourism-oriented cities influenced regional ecosystem services by strengthening tourism development orientation, guiding industrial clustering, and adjusting land use types; meanwhile, the optimization of the ecological environment in the region positively affected the tourism development environment. Therefore, we proposed a development framework of "tourism economic system-land system-ecosystem" virtuous cycle in order to provide theoretical support for the positive interaction between tourism-oriented urban ecosystem services and tourism economic development.
Key Words: ecosystem services    spatio-temporal differentiation    influencing factors    tourist destinations    Huangshan City    

生态系统服务(ES)是生态系统形成并维持人类赖以生存的自然环境条件与效用[1], 可以通过生态系统的结构、过程和功能直接或间接为人类生存发展提供多种物质和非物质产品[2]。然而, Millennium Ecosystem Assessment(MA)评估指出受到人类活动的影响, 全球60%的生态系统服务处于退化态势[3], 人类对于生态环境的影响越来越直接和显著。同时, 生态系统服务的持续退化导致人类低层次的生理需求和进一步的自我实现受到冲击。因此, 在这一背景下, 生态系统服务变化及驱动机制的相关研究能够为应对全球气候变化、维护区域生态平衡、保障国土空间安全、提升人类福祉等方面提供重要理论参考。

自Costanza等[4]提出生态系统服务价值核算的原理、方法以及MA项目发布以来, 生态系统服务的相关研究呈现几何级爆发, 在全球范围内成为了热点话题[3]。目前, 学者们基于森林、草地、流域、湿地、城市、山区等多种生态系统, 对生态系统服务空间格局、服务之间相互作用关系、服务受益方赔偿支付、生态系统服务集成优化及其管理等方面开展了深入的研究[56]。因此, 开展不同尺度的生态系统服务量化评估, 对理解生态系统服务传输路径、生态安全构建和区域可持续发展具有重要意义[7]。生态系统服务与生态系统的类型、组成和结构有关, 气候变化影响下的生态系统服务也具有很大的不确定性[89]。而人类经济活动, 如人口增长、城市扩张和基础设施建设等不断地改变土地利用方式, 致使整体生态系统服务的降低[1011]。因此, 开展生态系统服务空间分异的驱动因子及其因子间相互作用关系的研究, 对特定区域或案例地采取有针对性的生态环境管理决策、刻画人地系统耦合作用机制、增进人类福祉等具有重要意义。生态系统服务的影响因素主要包括自然生态因素和社会经济因素。生态因素方面, 气候变化、植被类型、土壤质地、海拔、坡度等因素对生态系统服务产生影响; 在社会因素方面, 研究表明城市扩张[1213]、人口增长[14]、农业活动[15]、植被恢复工程[16]等影响生态系统服务。在驱动因子分析方面, 主要采用回归分析、相关性分析等统计学方法, 近年来也逐渐运用GIS空间制图[17]、遥感定量反演[18]、情景预测[19]等量化分析方法。总结现有研究发现, 生态系统服务经历了几十年的快速发展, 已经形成较为成熟的研究框架, 即量化服务价值——权衡/协同关系——驱动机制——制定优化措施。尽管如此, 由于存在不同生态系统类型、尺度效应以及社会-生态关系, 强化独特地区生态系统服务相关研究仍然是当前学术界重要的主流趋势。

旅游作为一种满足人类美好生活方式的重要方式, 是人类福祉的重要成分。与此同时, 旅游逐步在全球成为最大的经济产业链之一[20], 其辐射和带动能力不断加强, 伴随着大众旅游时代的到来, 旅游在特殊地区成为支柱产业, 例如塞浦路斯、巴塞罗那、中国三亚、九寨沟等等, 在这些区域旅游成为改变土地利用方式关键因素。旅游虽然有“朝阳产业”之称, 但旅游本身也具有资源依托和能源消耗的特征, 旅游活动带来经济社会发展, 同时也带来了食物消耗、能源消耗、碳排放的转移等客观问题, 多地为了满足旅游发展, 强化了旅游基础设施的供给, 不断改变了土地地理利用方式, 典型的就是由耕地、林地、草地转为建设用地[2122]。以旅游驱动的土地利用方式转变导致生态系统服务的变化成为旅游学者关注的焦点, 如乡村旅游、城市旅游、滨海旅游、农业旅游、生态旅游等不同旅游方式对土地利用和生态系统产生的影响[2325]。Drius等从生态系统服务的视角探讨了地中海地区可持续沿海旅游受到的威胁和挑战[26]; Li等以乡村旅游发展区洱海为案例地, 通过使用InVEST模型和社会经济数据刻画了旅游驱动的土地利用变化带来的生态系统服务的改变[24]。旅游业的发展过程也是对各种生态系统服务取舍的过程, 不同地区存在独特性, 对于不同生态系统服务的选择也不尽相同。研究表明, 产业要素驱动的城镇化对生态系统服务的影响显著, 但很少人基于特定产业主导型城市(如旅游城市、资源型城市)的视角, 探讨生态系统服务空间分异及其驱动因素, 而这对决策却非常重要。

鉴于此, 本研究以我国最具典型性的旅游城市黄山市为案例地, 通过定量分析黄山市生态系统服务时空分布格局、识别影响生态系统服务时空分异的社会生态因素, 揭示生态系统服务的时空差异与旅游目的地发展之间的联系, 有助于探索旅游业驱动的新型城市化背景下生态系统服务与社会经济发展之间的积极互动, 为旅游目的地的可持续管理和生态旅游的可持续发展提供理论支持。

1 研究区概况和研究方法 1.1 研究区概况

黄山市位于安徽省南部地区(东经117°02′—118°55′, 北纬29°24′—0°24′), 下辖屯溪区、徽州区、黄山区3个区和祁门县、歙县、黟县、休宁县4个县, 总面积9807km2(图 1)。黄山市旅游资源丰富, 自然风光优美, 徽文化浓厚, 具有丰富的文化底蕴, 是国内外著名的旅游城市, 2000年黄山市GDP为85.2亿元, 其中旅游收入为17.72亿元, 旅游收入占GDP的20.80%;2019年GDP为816.3亿元, 其中旅游收入为659.45元, 占比高达80.80%。2020年受新冠疫情的影响, 旅游收入骤降为370.19亿元, 占GDP的43.53%。以黄山市为案例地, 定量分析社会-生态因素对生态系统服务的响应机制, 有助于将生态系统服务价值理论纳入到旅游经济发展中, 促进旅游目的地经济高质量发展和旅游产业可持续发展。

图 1 研究区位置图 Fig. 1 Location of the study area
1.2 数据来源

本研究所使用的黄山市2000、2010、2020年三期的土地利用数据, 均来源于中国科学院资源环境科学与数据中心(http://www.resdc.cn/), 空间分辨率30m。气象数据来源于中国气象数据网的逐年年均气温、年均降水数据集(http://data.cma.cn/), 空间分辨率1km。土壤数据来自于世界土壤数据库(HWSD)和中国土壤数据集(1∶100万)。DEM数据采用ASTER GDEM, 来源于地理空间数据云(http://www.gscloud.cn/), 空间分辨率为30m。其他人口、经济等社会统计数据来源于2001—2021年的《黄山市统计年鉴》。

1.3 研究方法 1.3.1 生态系统服务量化

本文遵循以下三个标准来筛选生态系统服务指标: (1) 参照普遍接受的千年生态系统评估分类框架(MA)[3]和生态系统服务的一般国际分类(CIECS), 将生态系统服务分为三类: 供给、调节和文化服务。(2) 利益相关者的关注点。本文选取的指标与人类福祉密切相关, 是政府部门、相关企业、当地居民和游客等相关利益者关注的焦点。(3) 数据的可得性和空间表达。鉴于此, 本研究选择了产水服务、土壤保持、碳固存、生境质量和旅游休闲等5类服务作为黄山市关键的生态系统服务。

(1) 产水服务

产水量是采用Budyko水热耦合平衡原理[19], 运用InVEST模型的产水模块进行估算, 产水量越多, 水资源供给量越大。具体计算公式如下:

(1)

式中, Y(x)为某土地利用类型的年产水量(mm); AET(x)为栅格单元的年实际蒸散发量(mm); P(x)为栅格单元的年降水量(mm)。

(2) 土壤保持

土壤保持服务基于通用土壤流失方程(RUSLE)进行评估[27]。土壤侵蚀越强, 泥沙输出量越高, 土壤保持服务越低。具体计算公式如下:

(2)
(3)
(4)

式中, RKLS、USLE、SD分别表示为潜在土壤侵蚀量、土壤实际侵蚀量和土壤保持量; R为降雨侵蚀力因子、K为土壤可蚀性因子、LS为坡度坡长因子、C为植被覆盖管理因子、P为水土保持措施因子。

(3) 碳固存

本研究基于InVEST模型中的四大碳库来评估碳固存服务, 碳储量由碳密度与各土地利用类型的面积相乘所得[28]。基本原理如下:

(5)

式中, CaboveCbelowCdeadCsoil、Cz分别表征含义为地上碳储量、地下碳储量、死亡有机质碳储量、土壤碳储量和总碳储量。

(4) 生境质量

生境质量对维持生物多样性具有重要作用。基于InVEST模型, 参考前期研究[29]、专家访谈结果和模型使用手册并结合研究区特点对模型的主要参数进行了设置。计算原理如下:

(6)

式中, Qxj为土地利用类型j中栅格x的生境质量指数; Hj为土地利用类型j的生境适宜度; Dxjz为土地利用类型j中栅格x的生境退化度; k为半饱和常数; z为模型默认参数。

(5) 旅游休闲

有研究表明, 林地、草地和水域景观对居民开展旅游休闲活动更具有吸引力[30]。参考相关研究[3132], 我们测算出黄山市各土地利用类型单位面积的旅游休闲价值, 具体为: 林地(1940元/hm2)、草地(60元/hm2)、耕地(20元/hm2)、水域(6580元/hm2)、滩涂(6580元/hm2)和建设用地(0元/hm2)。

1.3.2 热点分析法

热点分析法在局部空间自相关关系分析中, 用来探索数据集高值或低值在空间上的聚集趋势[33]。运用ArcGIS 10.3软件, 通过计算使用Gi*指数, 以标准化Z值检验生态系统服务的冷热点区域。若Z>0, 值越高, 说明热点聚类(高值区)越密切; 若Z<0, 值越低, 说明冷点聚类(低值区)越密切。具体公式如下:

(7)

式中, Gi*为斑块i的局部自相关指数; wij为空间权重矩阵; xixj为斑块ij的属性值; n为斑块数目; x为空间内xixj的均值; S为标准差。

1.3.3 核密度分析法

核密度分析主要用来分析要素周边范围内密度的均衡程度[34]。本研究通过设置合适带宽, 分析旅游点要素在栅格像元周围范围内的聚集程度。核密度值越高, 表明旅游点分布越密集。具体计算公式如下:

(8)

式中, 为核函数, h为搜索带宽; (x-xi)表示估计点xxi处的距离。

1.3.4 地理探测器

地理检测器是一种定量探测地理现象空间分异性并分析其驱动机理的统计学方法, 由因子探测器、交互作用探测器、风险区探测器和生态探测器组成[35]。本文利用地理探测器中的因子探测和交互探测两个模块, 采用q统计量值来衡量影响生态系统服务的因子贡献值大小及其交互作用。q∈[0, 1], q值越大, 说明解释力越大, 影响力越强。具体计算公式如下:

(9)

式中, h=1, …, L为变量Y或因子X的分层(分类或分区); NhN分别为层h和全区单元数; δh2δ2分别是层h和全区Y值的方差; SSW为层内方差之和; SST为全区总方差。

2 结果分析 2.1 生态系统服务时空分布格局

产水方面, 2000—2020年黄山市产水量呈现先增加后减少的趋势(图 2)。其中, 2000—2010年变化幅度较大, 产水量均值增幅高达36.81%, 2010—2020年均值则减少9.104%。产水量高值区分布在西北部黄山山脉和黄山市南部等地, 在中部新安江盆地高值区呈扩张趋势。低值区在北部、东部和西部呈零散分布。

图 2 2000—2020年山市生态系统服务时空分异 Fig. 2 Spatio-temporal distribution of ecosystem services in Huangshan city from 2000 to 2020

土壤保持方面, 2000—2020年黄山市土壤保持量呈持续增长的趋势, 增幅高达56.50%(图 2)。其中, 2000—2010年增长幅度较大, 单位面积土壤保持量增幅为32.47%, 2010—2020年增幅为18.14%。土壤保持量高值区分布在黄山山脉和南部、东部低山丘陵区, 且高值区有持续扩张和增强的趋势, 低值区广泛分布在中部地区。

碳固存方面, 2000—2020年黄山市固碳服务呈现微弱的下降趋势, 下降幅度为0.22%(图 2)。固碳服务除黄山风景区、祁县盆地和新安江盆地属于低值区外, 其余大部分地区的碳固存值较高。值得注意的是, 在新安江盆地, 固碳服务低值区有向北部和东部持续扩张的趋势。

生境质量方面, 2000—2020年黄山市生境质量呈下降趋势, 下降幅度为11.27%(图 2)。黄山市生境质量虽有所下降, 但绝大部分地区生态环境质量整体良好, 且生态保护措施较为完善。但在人类活动干扰频繁的祁县盆地、新安江盆地和黄山风景区的生境质量均较低, 特别是新安江盆地生态质量恶化明显。低值区在黄山市北部、黄山山脉也呈零散分布, 这些地区属于黄山市主城区及其毗邻区, 说明城市扩张和人类经济活动在一定程度上导致生态质量恶化。

旅游休闲服务方面, 2000—2020年黄山市的旅游休闲服务总体呈下降趋势(图 2)。具体来说, 旅游休闲服务由2000年的2234.47元下降至2020年的2215.36元, 下降了19.22元。旅游休闲服务高值区主要分布在河流、林地等区域, 低值区主要分布在建筑用地的中心城区及其周边区域。

2.2 生态系统服务冷热点分析

根据黄山市2000—2020年5类生态系统服务的年均值, 通过计算Gi*指数进行冷热点分析。由图 3可知, 碳固存和生境质量的冷热点分布基本一致, 冷点区主要分布在黄山区北部、黄山风景区、黄山山脉、黔县以及新安江河谷盆地, 热点区广泛分布在黄山市其余大部分区域。产水和土壤保持的冷热点空间分布区域大致相似, 冷点区分布在黄山区北部、新安江盆地和黔县等区域, 热点区分布在南部山地丘陵地区和黄山山脉一侧。但这两种生态系统服务在局部地区的冷热点有所不同, 如黄山市西部属于产水量冷点区域, 而在土壤保持则无显著关系。旅游休闲服务的冷点区域分布在黄山风景区、黔县和新安江河谷盆地, 黄山山脉呈零散分布, 热点区零散分布在黄山区北部以及东部新安江沿岸, 其余区域为无显著区。

图 3 2000—2020年黄山市生态系统服务冷热点分布 Fig. 3 Distribution of cold and hot spots of ecosystem services in Huangshan City from 2000 to 2020

综上, 黄山市5项生态系统服务的冷点区域存在高度重叠, 主要重叠区域在黄山风景区、黔县和新安江盆地, 冷点聚集效应明显。热点分布方面, 碳固存和生境质量之间、产水和土壤保持之间存在高度重叠区; 而旅游休闲在热点区聚集不明显。

2.3 生态系统服务的地理探测与影响因素 2.3.1 驱动因素选择与地理探测

通过对比不同案例地[24, 31, 36]研究以及其数据的可行性, 分别从自然—经济—旅游三大维度选取12个指标, 探讨对生态系统服务的影响。其中, 自然维度包括: 年均降水量、年均气温、海拔和归一化植被指数(NDVI); 经济维度包括: 国内生产总值、路网密度、人口密度、到市中心的距离和土地利用类型; 旅游维度包括: 旅游吸引力、住宿接待能力和旅游商业。具体要素指标和变量说明详见表 1

表 1 影响因素的选取和表征意义 Table 1 Selection of influencing factors and the meaning of characterization
维度
Dimension
要素指标
Elementary indicators
变量说明
Variable description
变量缩写
Factor code
自然维度 年均降水量 研究区年均降水量变化/mm MAP
Natural dimension 年均气温 研究区年均气温变化/℃ MAT
海拔 研究区内的海拔/m EL
归一化植被指数 研究区的归一化植被指数 NDVI
经济维度 国内生产总值 研究区内的栅格GDP分布/元 GDP
Economic dimension 路网密度 路网长度与研究单位面积之比/(km/km2) RD
人口密度 研究区内的人口密度 POP
到市中心的距离 到市中心的直线距离/m DC
土地利用类型 研究区的土地利用分类强度 LUCC
旅游维度 旅游吸引力 距离最近A级以上景点的距离/km TA
Tourism dimension 住宿接待能力 距离三星级以上最近酒店的距离/km AC
旅游商业 单位面积休闲娱乐设施数量/(个/25km2) TB

通过地理探测器单因子探测显示(图 4), 黄山市的产水量主要受年均降水量的影响, 2000年和2020年的影响力q值分别为0.33、0.34。年均气温、海拔等自然因子对产水量的影响力也较大, 两者的q值分别2000年的0.21、0.17和2020年的0.18、0.15, q值有所下降。此外, 产水量还受国内生产总值、土地利用类型、人口密度等社会生态因子的影响较为明显, 且社会生态因子的影响呈上升趋势。由此看出, 社会经济因子对产水量的作用力在增强。土壤保持方面, 受年均降水量、NDVI和海拔影响较为明显, 其中, 2000年年均降水量、NDVI和海拔的q值分别为0.27、0.19、0.17;2020年q值则分别为0.25、0.15、0.20。碳固存方面, 主要受NDVI、年均降水量、海拔等自然因素的影响, 除海拔在2020年的q值为0.19外, 其他q值均高于0.2。黄山市植被覆盖率高, 水热光合作用影响植物生长, 有利于固碳量的增加。此外, 土地利用类型、人口密度、GDP、旅游吸引力等社会经济因子也影响固碳服务且影响力有所提高, 说明随着黄山市旅游城镇化的发展, 人类经济活动范围扩大, 土地利用方式发生改变, 致使市区的祁县盆地和新安江盆地等地固碳量降低明显。生境质量方面, 主要受NDVI、土地利用类型、年均降水量等因子影响, 但旅游吸引力、住宿接待能力、旅游商业等旅游因子的解释力也在不断增强。旅游休闲方面, 主要受土地利用类型、NDVI、人口密度、住宿接待能力、海拔等因素的影响, 说明自然因子, 经济因子和旅游因子都不同程度上影响黄山市的旅游休闲服务。虽然自然因子仍主要影响黄山市的生态系统服务, 但黄山市旅游产业历经了发展、升级和成熟等不同阶段, 旅游、经济、社会等因子对生境质量的影响力在不断提高。

图 4 黄山市2000—2020年生态系统服务的因子探测结果 Fig. 4 Detection results of ecosystem services in Huangshan City from 2000 to 2020 MAP: 年均降水量Mean annual precipitation; MAT: 年均气温Mean annual temperature; EL: 海拔Elevation; NDVI: 归一化植被指数Normalized difference vegetation index; GDP: 国内生产总值Gross domestic product; RD: 路网密度Road network density; POP: 人口密度Population density; DC: 到市中心的距离Distance to city centre; LUCC: 土地利用类型Land-use type; TA: 旅游吸引力Tourist attraction; AC: 住宿接待能力Accommodation capacity; TB: 旅游商业Tourism business

整体来说, 黄山市生态系统服务受三大因子解释力排序大致为: 自然因子>经济因子>旅游因子。但2020年与2000年相比, 自然因子的影响力有所下降, 经济因子和旅游因子的影响力总体呈上升趋势。可见, 黄山市早期的旅游发展规模有限, 社会经济发展较为缓慢, 黄山市的生态系统服务主要受气候、植被、地形等(自然环境系统)的影响。但随着旅游产业的蓬勃发展, 经济发展迅猛, 城市扩张进一步加快, 自然因子的贡献值有所下降, 经济因子和旅游因子的影响日益凸显。这也说明黄山市旅游产业发展驱动下的城镇化(旅游城镇化)以及城市扩张带来的土地利用变化(土地系统)对区域生态环境质量产生了深远影响。

进一步分析2020年黄山市生态系统服务的交互影响因子, 可以看出, 黄山自然环境之间的交互作用影响力最大, 比如年均气温∩年均降水量对黄山市产水的影响力q值高达0.49;年均降水量∩NDVI对固碳服务的q值高达0.46。自然环境与社会经济因子间的交互作用也比较明显, 比如在产水服务中, 土地利用类型∩年均降水量的交互因子为0.42;土壤服务中土地利用类型∩年均降水量的交互作用力为0.35。旅游发展因子之间的交互作用最弱, 大部分的q值在0-0.2之间。此外, 我们还发现, 两两交互因子的叠加大于单个因子, 且表现为非线性增强或者双因子增强的关系(图 5)。换言之, 各因子对区域生态系统服务的影响并不是单独起作用, 而是与其他因子交互影响, 且交互作用决定性更为明显。

图 5 黄山市2000—2020年生态系统服务的因子探测结果 Fig. 5 Interaction detection results of ecosystem services in Huangshan City from 2000—2020
2.3.2 影响因素探析

如前所述, 本研究发现黄山市5种关键生态生态系统服务虽仍受自然环境的影响明显, 但经济因子和旅游因子的作用力正在日益凸显。这是因为黄山市是典型的旅游导向型城市, 城镇化发展围绕着旅游产业展开, 而旅游业发展与城市土地规划之间也存在密不可分的关系。旅游城镇化与自然环境之间, 以土地利用为载体, 存在明显的双向作用关系, 彼此相互影响, 相互成就。旅游发展基于自然系统, 区域内的生态环境变迁会影响旅游核心吸引力和旅游者体验, 关系到旅游目的地可持续发展。因此, 自然环境系统、旅游城镇化系统、土地系统三个子系统之间是相互博弈又相互寻求协同发展的关系, 三者共同影响黄山市的生态系统服务。

自然环境系统的内生动力作用促进了生态系统服务的自我保护更新(图 6)。植物是生态系统重要的组成部分, 对气候调节、水源涵养、固碳服务、生物多样性等生态系统服务产生深远影响。植物生长时间越长, 生物量越大, 生态系统服务价值越高。而植物生长越茂盛的区域, 对水热组合条件要求更高[32]。这是因为年均降水量是生态系统的重要水分来源之一, 可以增加土壤湿度, 促进作物生长, 增加作物生产力[19]。年均气温是植物进行光合作用和呼吸作用的重要影响因素, 通过影响有机物的合成和运输等代谢过程来影响植物的生长[31]。NDVI是植物生长状态和植被空间分布密度的最佳指示因子, 在稳定土壤质地、降低降水侵蚀力、水土流失等方面发挥积极影响。黄山市2020年的植被覆盖率为93%, 说明黄山市的植被覆盖状态良好且处于快速增长的趋势, 这有利于固碳量的增加。水热组合有利于植物生长, 适宜的气候对植物生长具有促进作用, 能够增加植物的生产力和生产量, 最终会提升生态系统服务能力。地形塑造了城市的基本形态, 黄山市境内山丘屏列, 岭谷交错, 以山地丘陵为主, 占总面积的87.1%, 河谷主要分布在黔县盆地和新安江盆地, 这两大盆地地势平缓, 且靠近水源地, 交通更为便捷, 人类活动密度更大, 更容易形成聚居, 因而生态系统服务整体较低。山地丘陵位于城市边缘区, 以草地、林地和耕地为主, 且受人为活动的干扰较小, 生态系统服务价值较高。河谷盆地和山地丘陵的地形、气候差异致使生态系统服务空间异质性明显。

图 6 黄山市旅游城镇化系统、土地系统与自然环境系统间的关系 Fig. 6 Relationships among tourism economic system, land system and ecosystem in Huangshan City

旅游城镇化系统和土地系统的交互胁迫作用深刻而剧烈的影响生态系统服务(图 6)。旅游导向型城市通过强化旅游发展定位、引导产业集聚、调整用地类型等方式影响区域生态系统服务[36]。研究发现, 生态系统服务低值区主要分布在以屯溪和徽州为核心的城市旅游片区、以西递宏村为核心组成的黟县旅游片区及以黄山风景区为核心组成的黄山区旅游片区。究其原因, 在旅游发展初期, 大规模的旅游开发意味着土地利用优先向旅游倾斜, 带动了物质流、人流、资金流等流, 以黄山风景区、西递、宏村等徽派景点为中心, 在其附近构建完善的交通、管网、电力、通讯等配套基础设施, 依托优质的资源禀赋, 将旅游聚集地进一步发展成为城镇, 通过不同景区或小镇间的联动逐步发展成为具有一定规模的现代化城镇[36]。在这一过程中, 黄山市的空间扩张、基础设施、产业结构和配套服务都以旅游业为基础, 政府、企业和开发商为代表的主体会将旅游发展作为主要的考量因素, 当地旅游用地、农业用地、房地产用地及其配套服务业用地的需求急剧增加, 城市面积向外极速扩张, 这在很大程度上改变了用地结构和景观格局, 进一步激化了土地供需矛盾, 进而对区域生态系统服务产生深远影响, 环境问题也进一步凸显。例如: 大量基础设施建设占用了绿地, 影响区域内的径流量与蒸发量、生物多样性和局地气候等[37]。此后, 黄山市开始注重环境保护, 划定生态用地保护红线, 土地规划与旅游规划也相应调整, 相关措施对生态系统服务的变化产生了积极影响, 维持了区域生态平衡和可持续发展。

3 结论与讨论 3.1 结论

厘清旅游目的地生态系统服务的影响因素, 能够为区域旅游高质量发展和生态环境保护提供重要理论支撑。通过InVEST模型、局部空间自相关关系以及地理探测器等, 我们分析了黄山市5类生态系统服务的时空分异格局, 定量识别了影响生态系统服务的社会-生态因素, 揭示了旅游导向型城市在自然环境系统-旅游城镇化系统-土地系统之间的关系。得到了以下结论:

(1) 从时间序列看, 黄山市2000—2020年的碳固存、生境质量、旅游休闲服务呈下降趋势, 产水量先增长后下降, 土壤保持服务则呈持续上升趋势。空间分布方面, 黄山市2000—2020年产水和土壤保持服务的高值区分布在黄山山脉和南部低山丘陵处, 低值区广泛分布在中部和北部; 碳固存、生境质量和旅游休闲服务的低值区分布在黄山风景区、黔县和新安江河谷盆地等地, 其余区域生态系统服务高值集聚明显。热点分析表明, 产水和土壤保持、碳固存和生境质量之间的冷热点存在高度重合。

(2) 黄山市2000—2020年5类生态系统服务主要受年均降水、植被、年均气温等地理因子的影响, 但GDP、土地利用类型等经济因子和旅游吸引力、住宿接待能力等旅游因子的影响日益明显。且各因子不是单独起作用, 而是与其他因子交互影响黄山市生态系统服务, 即黄山市生态系统服务的空间异质性受众多因子共同作用。

(3) 自然环境系统—旅游城镇化系统—土地系统之间相互影响, 存在相互博弈又相互寻求协同发展的关系。黄山市旅游产业驱动下的城镇化对区域生态环境质量产生了深远影响, 特别是在主城区及其毗邻区, 旅游产业发展改变了用地结构和景观格局, 影响区域生态环境。

3.2 讨论

本研究以黄山市为例, 揭示了经济发展特别是旅游要素对生态系统服务的影响, 是对当前生态系统服务相关研究的有益补充。同时, 也为旅游导向型城镇实现可持续发展提供了实证案例。但本文还存在一些不确定性, 未来可进一步完善。

本研究从自然-经济-旅游三个维度选取指标, 分析了影响典型旅游目的地黄山市生态系统服务的影响因素。结果显示, 年均降水量是影响黄山市产水和土壤保持服务最主要的因子, 这与其他研究得出降水是影响地表径流、降雨侵蚀力大小以及植被生长最为重要的因素的结论相符合[3839]。NDVI是影响固碳服务最为重要的因子, 这与其他学者的研究基本一致[4041], 植被覆盖率高, 植物的初级生产力大, 植物通过光合作用增加生产力和生产量, 最终会提高固碳能力。此外, NDVI和土地利用类型是影响生境质量的主控因子, 这与彭建[32]、刘永婷等人[42]对黄山市、皖江城市带生境质量的研究相吻合, 但与陈实[43]指出长三角中心区生境质量主要受人类活动影响, 受自然因素影响较小的结论相悖。这与研究区有关, 长三角中心区经济发展迅速, 城市化和工业化进程日新月异, 生境质量主要受人为干扰影响较大; 而黄山市植被覆盖率高, 生态环境良好, 且主要以旅游业为主, 因此NDVI等自然因子影响力较大。研究也发现, 经济因子和旅游因子的影响力虽然不如自然因子, 但影响力在不断提高, 尤其近几年旅游业的发展, 黄山市的产业结构、居民从业类型、用地结构、景观格局都发生了质的变化, 城市不断向交通便利、地形平坦、资源丰富的中心毗邻区扩张, 致使生态系统服务的空间差异显著[34]。因此, 土地利用类型、人口密度、旅游吸引力等社会经济因素对黄山市生态系统服务的影响力日渐明显。

黄山市是典型的旅游城市, 而旅游城镇化的本质是促进生态环境、经济发展、人类福祉之间的协同发展。旅游业相较于其他产业, 对环境的污染较小, 能够在一定程度上缓解工业化带来的一系列“城市病”。但旅游城镇化的发展是否使得生态环境压力更小?旅游发展对城市生态系统服务产生“赋能”还是“负能”效应?问题的答案需要政府在进行城市规划时, 更多的权衡旅游经济发展与生态环境的关系。为了实现旅游发展对城市生态系统服务产生“赋能”, 黄山市要树立长期、中期、短期目标管理。(1)长期目标要坚持生态旅游的发展模式。着重关注并协调人与自然耦合系统, 基于生态系统服务统筹城镇发展规划、旅游发展规划、相关法律法规等, 促进旅游主导型城镇的高质量可持续发展。(2)中期目标要实现分区分级管理。其中, 在屯溪和徽州城市片区、黔县旅游片区建设用地占比大, 徽文化浓郁, 可深度融合徽文化, 培育徽文化旅游度假区, 同时, 要控制城市扩张速度, 促进城市更新, 在现有建设用地周边增加绿色斑块用地, 引入绿地系统; 此外, 流经主城区的新安江周边应建立生态廊道, 作为主城区与生态功能区之间的缓冲地带; 在北部黄山区的太平湖、黄山风景区以自然保护区为主, 多为生态用地, 但周边存在不同规模的生活生产区, 要建立缓冲区, 严格依据环境容量和资源承载力, 适当控制开发强度, 建设黄山遗产旅游区、太平湖生态休闲度假区等生态旅游区; 在黄山市西部景点较多, 多为生态用地, 南部也多为生态保育用地, 可发展生态旅游, 例如, 黟县-祁门生态旅游区、休宁森林疗养与生态农业旅游区等。(3)短期目标要加强生态系统服务监测与评估。在明确利益相关者的前提下, 将生态系统服务纳入国土空间规划中, 构建多维度、多层次的生态系统服务动态监测体系, 建立可持续的旅游动态管理决策机制, 实现生态友好的适应性管理与更新维护, 为黄山市分区管理提供数据支撑。

参考文献
[1]
Daily G C. Nature's services: societal dependence on natural ecosystems. Washington, DC: Island Press, 1997.
[2]
Carpenter S R. Ecological futures: building an ecology of the long now. Ecology (Durham), 2002, 83(8): 2069-2083.
[3]
Hassan R M, Scholes R, Ash N. Ecosystems and human well-being. Washington: Island Press, 2005.
[4]
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 Total Value of the World's Ecosystem Services and Natural Capital. Nature, 1997, 387(6630): 253-260. DOI:10.1038/387253a0
[5]
Fang L, Wang L, Chen W, Sun J, Cao Q, Wang S, Wang L. Identifying the impacts of natural and human factors on ecosystem service in the Yangtze and Yellow River Basins. Journal of Cleaner Production, 2021, 314: 127995. DOI:10.1016/j.jclepro.2021.127995
[6]
傅伯杰, 于丹丹. 生态系统服务权衡与集成方法. 资源科学, 2016, 38(1): 1-9.
[7]
周鹏, 周婷, 彭少麟. 生态系统服务价值测度模式与方法. 生态学报, 2019, 39(15): 5379-5388. DOI:10.5846/stxb201803300658
[8]
Gao J, Li F, Gao H, Zhou C B, Zhang X L. The impact of land-use change on water-related ecosystem services: a study of the Guishui River Basin, Beijing, China. Journal of Cleaner Production, 2017, 163: S148-S155.
[9]
张宇硕, 吴殿廷, 吕晓. 土地利用/覆盖变化对生态系统服务的影响: 空间尺度视角的研究综述. 自然资源学报, 2020, 35(5): 1172-1189.
[10]
黄莘绒, 管卫华, 陈明星, 胡昊宇. 长三角城市群城镇化与生态环境质量优化研究. 地理科学, 2021, 41(1): 64-73.
[11]
de Groot R S, Alkemade R, Braat L, Hein L, Willemen L. Challenges in integrating the concept of ecosystem services and values in landscape planning, management and decision making. Ecological Complexity, 2010, 7(3): 260-272. DOI:10.1016/j.ecocom.2009.10.006
[12]
Deng C X, Liu J Y, Nie X D, Li Z W, Liu Y J, Xiao H B, Hu X Q, Wang L X, Zhang Y T, Zhang G Y, Zhu D M, Xiao L H. How trade-offs between ecological construction and urbanization expansion affect ecosystem services. Ecological Indicators, 2021, 122: 107253. DOI:10.1016/j.ecolind.2020.107253
[13]
李嘉译, 匡鸿海, 王佩佩. 重庆市主城区城市扩张对生态系统服务影响的时空评估. 长江流域资源与环境, 2020, 29(4): 859-868.
[14]
Rimba A B, Mohan G, Chapagain S K, Arumansawang A, Payus C, Fukushi K, Husnayaen, Osawa T, Avtar R. Impact of population growth and land use and land cover (LULC) changes on water quality in tourism-dependent economies using a geographically weighted regression approach. Environmental Science and Pollution Research, 2021, 28(20): 25920-25938. DOI:10.1007/s11356-020-12285-8
[15]
Kusi K K, Khattabi A, Mhammdi N, Lahssini S. Prospective evaluation of the impact of land use change on ecosystem services in the Ourika watershed, Morocco. Land Use Policy, 2020, 97: 104796. DOI:10.1016/j.landusepol.2020.104796
[16]
黄麟, 祝萍, 曹巍. 中国退耕还林还草对生态系统服务权衡与协同的影响. 生态学报, 2021, 41(3): 1178-1188. DOI:10.5846/stxb202001200156
[17]
Estoque R C, Murayama Y, Myint S W. Effects of landscape composition and pattern on land surface temperature: an urban heat island study in the megacities of Southeast Asia. Science of the Total Environment, 2017, 577: 349-359. DOI:10.1016/j.scitotenv.2016.10.195
[18]
Villa F V, Bagstad K, Johson G, Voigt B. Scientific instruments for climate change adaptation: estimating and optimizing the efficiency of ecosystem service provision. Economía Agrariay Recursos Naturales, 2011, 11(1): 83-98. DOI:10.7201/earn.2011.01.04
[19]
林媚珍, 刘汉仪, 周汝波, 龚建周. 多情景模拟下粤港澳大湾区生态系统服务评估与权衡研究. 地理研究, 2021, 40(9): 2657-2669.
[20]
马勇, 凌旋, 童昀. 格网尺度下典型旅游城市生态服务价值估算和时空分异特征——以三亚为例. 生态学报, 2021, 41(19): 7542-7554. DOI:10.5846/stxb202002280364
[21]
Inostroza L, Zasada I, König H J. Last of the wild revisited: assessing spatial patterns of human impact on landscapes in Southern Patagonia, Chile. Regional Environmental Change, 2016, 16(7): 2071-2085. DOI:10.1007/s10113-016-0935-1
[22]
Chen H J. Land use trade-offs associated with protected areas in China: current state, existing evaluation methods, and future application of ecosystem service valuation. Science of the Total Environment, 2020, 711: 134688. DOI:10.1016/j.scitotenv.2019.134688
[23]
朱顺顺, 章锦河, 胡欢, 陈草惠. 旅游发展的生态系统服务价值增值效应研究. 长江流域资源与环境, 2019, 28(3): 603-613.
[24]
Li J H, Bai Y, Alatalo J M. Impacts of rural tourism-driven land use change on ecosystems services provision in Erhai Lake Basin, China. Ecosystem Services, 2020, 42: 101081. DOI:10.1016/j.ecoser.2020.101081
[25]
Drius M, Bongiorni L, Depellegrin D, Menegon S, Pugnetti A, Stifter S. Tackling challenges for Mediterranean sustainable coastal tourism: an ecosystem service perspective. Science of the Total Environment, 2019, 652: 1302-1317. DOI:10.1016/j.scitotenv.2018.10.121
[26]
Zhang Y, Lu X, Liu B, Wu D, Fu G, Zhao Y, Sun P. Spatial relationships between ecosystem services and socioecological drivers across a large-scale region: a case study in the Yellow River Basin. Science of the total environment, 2020, 142480.
[27]
张玲玲. 甘肃白龙江流域生态系统服务评估及影响因素. 兰州: 兰州大学, 2016.
[28]
王蓓, 赵军, 胡秀芳. 石羊河流域生态系统服务权衡与协同关系研究. 生态学报, 2018, 38(21): 7582-7595. DOI:10.5846/stxb201711272126
[29]
张文静, 孙小银, 周俊. 南四湖流域关键生态系统服务的时空权衡关系. 生态学报, 2021, 41(20): 8003-8015. DOI:10.5846/stxb202011102900
[30]
Weyland F, Laterra P. Recreation potential assessment at large spatial scales: a method based in the ecosystem services approach and landscape metrics. Ecological Indicators, 2014, 39(apr.): 34-43.
[31]
孙枫, 章锦河, 王培家, 魏国恩, 储光, 曹禹. 城市生态安全格局构建与评价研究: 以苏州市区为例. 地理研究, 2021, 40(9): 2476-2493.
[32]
彭建, 吴见, 徐飞雄, 吕俭. 基于价值评估的黄山市生境质量时空演变特征分析. 生态学报, 2021, 41(2): 665-679. DOI:10.5846/stxb201904020639
[33]
王培家, 章锦河, 孙枫, 曹姗姗, 阚越, 王昶, 徐冬. 中国西南地区传统村落空间分布特征及其影响机理. 经济地理, 2021, 41(9): 204-213.
[34]
彭建, 徐飞雄, 吴见, 邓凯, 胡婷. 典型旅游城市生境质量空间分异及其影响机理研究——以黄山市为例. 长江流域资源与环境, 2019, 28(10): 2397-2409.
[35]
王劲峰, 徐成东. 地理探测器: 原理与展望. 地理学报, 2017, 72(1): 116-134.
[36]
钟莉娜, 滕菲菲, 李正欢, 王军. 生态系统服务视域下的旅游导向型城镇化: 框架与展望. 生态环境学报, 2020, 29(10): 2130-2140.
[37]
Andereck K L, Valentine K M, Knopf R C, Vogt C A. Residents' perceptions of community tourism impacts. Annals of Tourism Research, 2005, 32(4): 1056-1076.
[38]
Evans K L, Greenwood J J D, Gaston K J. The positive correlation between avian species richness and human population density in Britain is not attributable to sampling bias. Global Ecology and Biogeography, 2007, 16(3): 300-304.
[39]
方露露, 许德华, 王伦澈, 牛自耕, 张明. 长江、黄河流域生态系统服务变化及权衡协同关系研究. 地理研究, 2021, 40(3): 821-838.
[40]
高江波, 张怡博, 左丽媛. 喀斯特山地土壤侵蚀和产水量的最优解释力. 地理学报, 2022, 77(11): 2920-2934.
[41]
景海超, 刘颖慧, 贺佩, 张家琦, 董婧怡, 汪怡. 青藏高原典型区生态系统服务空间异质性及其影响因素——以那曲市为例. 生态学报, 2022, 42(7): 2657-2673. DOI:10.5846/stxb202104140965
[42]
刘永婷, 杨钊, 徐光来, 刘斌, 章翩, 池建宇. 基于MGWR模型的皖江城市带生境质量对城镇化的响应研究. 地理科学, 2023, 43(2): 280-290.
[43]
陈实, 金云翔, 黄银兰. 长三角中心区生境质量时空变化及其影响机制. 生态学杂志, 2023, 42(5): 1175-1185.