南方山地丘陵是我国主体功能区划中“两屏三带”生态安全战略格局的重要组成部分, 是我国华南和西南地区的生态屏障带, 是长江流域与珠江流域的分水岭及源头区, 对于区域乃至全球的气候调节、水土保持及水源涵养等具有重要的作用^[1-2]。人类活动会对该区域的土地利用/土地覆盖变化产生影响, 进而影响生态系统服务功能。生态系统服务是通过生态系统的功能直接或间接得到的产品和服务, 是由自然资本的能流、物流、信息流构成的生态系统服务和非自然资本结合在一起所产生的人类福利, 其变化与人类福祉有着密切联系^[3-6]。因此对南方山地丘陵带的生态系统服务价值进行定量化评估, 并分析其对人为干扰的响应具有重要的现实意义。该研究有利于该区域合理开展可持续的社会经济活动, 从而保持其重要的生态价值。

Costanza等^[4]于1997年在Nature上发表了关于全球生态系统服务价值评估的文章, 该文章推动了生态系统服务相关领域的研究。当前, 生态系统服务的一大研究热点是运用模型进行不同尺度的生态系统服务价值评估及其时空差异分析, 其中包括森林^[7-8]、河流^[9]、农田^[10]和城市^[11]等相关区域的研究。人为干扰度是人类对于生态系统影响的衡量标准, 其等级取决于人类活动阻碍生态系统自然发展的程度大小^[12-13]。刘晓娜^[14], 冯志贤^[15], 郑文武^[16]等人进行了人为干扰的时空动态分析；刘吉平^[17]、孙永光^[18]、张月^[19]、肖翠^[20]等人分析了湿地景观格局及其与人为干扰度的相互关系；刘富强^[21]等分析了海岸带景观格局对人为干扰度的动态响应。目前关于人为干扰度的研究大多集中于河口湿地区域, 进行景观格局与人为干扰度的动态响应分析。对于森林覆盖率高的山地丘陵地区的人为干扰及其与生态系统服务价值之间的空间关系研究还较为少见。

本研究以赣南地区为研究区, 将该区域划分为5个地形梯度, 并基于地形梯度进行土地利用/覆被变化、生态系统服务价值时空差异及其对人为干扰度的空间响应研究。赣南地区为南方山地丘陵带的主要组成部分, 地形条件较为复杂, 故选取综合地形位指数作为地形梯度的划分标准。该指数综合了坡度和海拔两大地形因素, 能够较为综合地反映每一位置的地形条件^[22-24]。在此基础上, 本研究通过python编程语言对6.0036万网格样方内的生态系统服务价值及人为干扰度进行计算和空间插值, 并将结果进行空间聚类分析。将空间聚类分析结果结合地形梯度图和行政区划图进行相关的分析, 有利于该区域进行定点的生态环境改善和制定适合每一地域社会经济发展的合理政策。本研究对促进该区域生态环境改善和人与自然的和谐发展具有重要意义, 对山地丘陵区域的相关研究及区域规划发展具有参考价值。

1 研究区概况

赣南地区位于江西省南部, 赣江上游, 地处24°29′—27°09′N, 113°54′—116°38′E之间。全区海拔高度在78—1827 m之间, 坡度范围为0°—20°之间, 地形位指数在0.2164—3.4293之间(图 1), 山地、丘陵占总面积的80.98%, 是我国南方丘陵山地屏障带的重要组成部分。全区总面积3934700 hm², 占江西总面积的23.6%, 为江西省最大的行政区。该区林业资源丰富, 森林覆盖率高达75%, 远高于同期全国水平, 是我国商品林基地和重点开发的林区之一。该区丰富的林地资源和保护良好的原生生态系统, 对区域气候调节具有极为重要的作用。该区属于山地丘陵区, 地形较为复杂, 故全区各县的发展差异较大, 西部的崇义县和南部的区县地形梯度较高, 是森林的主要分布区, 中部和东北部的区县整体地形梯度较低, 地形条件较好。对该区域的生态系统服务价值和人为干扰度进行空间定点评估和空间聚类分析, 有助于找出目前已经产生人为干扰和生态系统服务价值聚类的地区, 从而进行区域发展优化和促进区域与经济的可持续发展。

2 研究方法 2.1 数据来源及处理

本研究采用1990年、1995年、2000年、2005年、2010年和2015年6个时段的Landsat TM/ETM遥感影像, 数据影像时段为6—10月期间, 植被生长良好。结合研究区域1:25万地形图、1:100万植被专题图进行分析。基于ENVI 4.0软件对遥感影像进行图像拼接、几何校正、裁剪、融合和增强等预处理, 再利用监督分类模型, 结合区域土地类型特征, 将赣南地区的土地利用类型分为两级, 其中包括耕地、林地、草地、水体、建设用地和未利用地6类一级用地及13类二级用地类型, 对每期数据进行精度检验, 精度分别达到85%以上, 满足研究对土地利用分类数据的精度要求。

2.2 地形梯度分级

地形位指数是对海拔和坡度情况进行综合描述的地形指数, 能够较为全面的展现出某点的地形条件, 可用于定量分析不同地形条件下的土地利用结构和生态系统服务价值的差异。海拔越低和坡度越小的点, 其地形位指数越小, 反之则越高；海拔较高但坡度较小或海拔较低坡度较大的点, 其地形位指数居中^[25-26]。本研究通过公式计算出每个栅格的地形位指数, 根据计算结果运用自然断点法将研究区划分为5个地形梯度, 每个地形梯对应的地形位指数分别为：0.2164—0.6826、0.6826—1.0984、1.0984—1.5141、1.5141—1.9929、1.9929—3.4294。

地形位指数计算公式为：

式中, T为地形位指数, E为某点的海拔(m), S为某点的坡度(°), E₀和S₀分别为研究区的平均海拔(m)和坡度(°)。

2.3 生态系统服务价值评估

本文结合近年关于区域生态系统服务价值评估的相关研究, 运用谢高地等的价值当量换算方法确定研究区生态系统服务价值。根据谢高地^[27]等人的研究结果, 确定中国2010年1个生态系统价值当量的经济价值为3406.5000元/hm², 根据《2010年赣州市统计年鉴》(赣州市统计局, 2011)资料^[28], 确定赣南地区2010年单位面积粮食产量为5345 kg/hm², 同期全国的单位面积粮食产量为4974 kg/hm², 以此确定赣南地区的修正系数为1.075, 即赣南地区的一个生态系统服务功能当量为3661.9853元/hm²。由修正后的价值当量和各用地类型的面积得到研究区生态系统服务价值。

生态系统服务功能价值的评估公式为：

式中, ESV表示生态系统的总服务价值；A_i表示第i种土地利用类型的面积(hm²)；VC_i表示第i种土地利用类型的生态系统服务价值系数；ESV_f表示生态系统第f项服务功能的价值；VC_fi表示第i种土地利用类型的第f项生态系统服务价值系数。

2.4 人为干扰度评价

根据近年关于人为干扰和土地利用程度综合数模型的研究^{[17-21, 29-32]}, 本文依据陈爱莲等^[29]的相关研究确定不同景观类型的干扰系数表(表 1), 在此基础上构建人为干扰指数模型^[29-32]。利用2 km×2 km网格进行空间采样(图 1), 通过Python编程语言对6期数据共计6.0036万网格样方内的人为干扰度进行计算, 获得不同时期的人为干扰度值。运用ArcGIS中的自断点法将人为干扰度分为3个等级, 并将结果与赣南地区行政区划及地形梯度分级结果进行综合分析, 得到人为干扰度的空间分布特征。

某个网格单元的人为干扰度：

式中, D为某个网格单元的人为干扰度, HI_i为第i类景观类型的干扰度指数, S_i为第i类景观类型的面积, S为网格单元的总面积。

2.5 空间相关性分析

本文利用Geo Da空间分析软件中的全局双变量Moran′ s I指数及局部双变量Local Moran′ s I指数分析研究区生态系统服务价值及人为干扰度的空间相关性, 绘制空间集聚图, 并判断两者在空间上聚集与否及空间要素间的分异特征。空间集聚图把区域划分为：不显著、高-高型、低-低型、低-高型和高-低型。Moran′ s I＞0, 表示两者之间存在正相关关系, Moran′ s I＜0, 表示两者之间存在负相关关系。通过软件进行蒙特卡罗模拟检验进行数据检验, 设置随机模拟次数9999次(Randomization=9999)。

3 结果与分析 3.1 基于地形梯度的土地利用变化

根据LUCC分类体系和赣南地区地形梯度划分, 分别提取5个地形梯度的土地利用类型面积并计算各用地类型面积所占的比例, 随着地形梯度的升高各个类型用地面积所占的比例也随之发生变化(图 2)。在5个梯度中占主导地位的土地利用类型均为林地, 但各类型用地面积的比例随地形梯度变化较大, 面积比例的变化大致表现为3种类型：①持续减少型, 该类型包括耕地、水体及建设用地。耕地和建设用地受人为干扰较强, 且受地形条件限制较多。随着地形梯度的上升, 海拔和坡度都有所提升, 整体条件不利于耕地的耕作与建设用地的建设。水体具备从高海拔和高坡度地区流向低海拔和低坡度地区的特征, 即其具备向低地形梯度聚集的特征, 因而地形梯度越低, 水体的面积越大。②持续增加型, 该类型为林地。林地是所有用地类型中受地形制约最小的用地类型, 随着地形梯度的上升, 人类活动变小, 有利于林地的自然生长, 故林地面积的比重随着地形梯度的上升而持续升高。③先减少后增加型, 该类型包括草地和未利用地。由于草地和耕地之间互相转换频繁, 且耕地受地形影响较大, 故草地的变化受到地形和政策的双重影响, 海拔与坡度的升高不利于耕地的进行, 则耕地部分很容易转换为草地, 故出现了高地形梯度处草地面积比例增加的现象。未利用地由于在整个研究区的面积极少, 故其变化存在很大的不确定性和偶然性。

3.2 基于地形梯度的生态系统服务价值时空变化

根据赣南地区生态系统服务价值计算结果可知, 研究期内赣南地区生态系统服务价值整体为下降的状态。时间尺度和地形梯度尺度的生态系统服务价值变化结果显示(表 2), 1990—2015年各个地形梯度的生态系统服务价值变化趋势明显。地形梯度1呈持续下降状态, 地形梯度2和地形梯度4的变化趋势为下降-上升-下降-上升的波动上升状态, 地形梯度3和地形梯度5为上升-下降-上升的波动上升状态。整体而言, 地形梯度1和地形梯度3的变化最为明显, 地形梯度1为极显著的下降状态, 地形梯度3为显著的上升状态, 其他3个地形梯度的变化较为平缓。地形梯度1的主要分布在低海拔和低坡度区域, 是人类活动较频繁的区域, 受到人为干扰的程度更高, 且主要为负向干扰。随着梯度的上升, 坡度和海拔中有一项或者两项都处于高值, 人类干扰较小, 故对其的负向影响小。

3.3 基于网格分析的人为干扰时空变化

人为活动的强度影响土地利用结构, 从而导致生态系统服务价值的变化。对赣南全区的人为干扰度进行计算, 得出赣南地区1990—2015年人为干扰度指数分别为：0.5795、0.5796、0.5803、0.5811、0.5811、0.5816, 人为干扰呈现极为显著的上升状态。对赣南地区6.0036万个空间网格的人为干扰度指数进行计算和空间插值, 得到6个时段人为干扰度的空间分布特征(图 3)。赣南大部分地区为低人为干扰状态, 高干扰度和中干扰度区域主要集中在城市。1990年以来, 高干扰度的区域呈现出逐渐扩大的趋势, 在2005年后扩大的趋势更加显著。从图 3可知, 高干扰度分布呈现明显的区域集聚现象, 大余县、信丰县、南康市、赣州市区、会昌县等县市的现象最为显著, 集聚现象大都集中分布在地形梯度1区域。将高干扰度分布区域与地形梯度图的空间叠置分析可知, 赣南地区1990—2015年分布在地形梯度1的高干扰度的网格数分别占高干扰度的总网格数的比例为0.8974、0.9213、0.9267、0.9173、0.9175、0.9185, 可见高干扰度在地形梯度1分布的比重极高。地形梯度1的地形位指数在0.2164—0.6826之间, 地形特征为低海拔和低坡度, 为人类密集居住区, 该区域是最适宜人类活动和开发利用的。可知, 地形梯度对人为干扰度的影响较大, 随着地形梯度上升人为干扰度随之下降。

3.4 赣南地区生态系统服务价值对人为干扰的响应

生态系统服务价值(ESV, ecosystem service value)和人为干扰度(HI, human interference)的全局空间相关性及数据检验结果显示(表 3, 图 4), 赣南地区1990—2015年的Moran′s I指数分别为-0.2021、-0.2030、-0.2155、-0.2235、-0.2163、-0.2223。因而, 赣南地区1990—2015年间人为干扰度与生态系统服务价值呈现出极强的负相关, 且25年来Moran′s I指数呈现出上升的趋势, 说明ESV和HI的空间相关性效应趋于增强。通过查表可知, 在置信度99%的情况下, Z值的绝对值大于2.58则接受原假设, 即该数据在空间上具有相关性的概率大于99%, 且Z值的绝对值越高说明空间聚类的效果越好。

ESV和HI的局部空间聚类效应的结果显示(表 4, 图 5), 赣南地区在95%的置信度下发生空间聚类效应的网格数占比超过15%, 且在25年间具有显著的上升趋势。发生聚类效应的总网格数中高-低型和低-高型聚类效应的网格比重较高。其中, 低-高型聚类效应在地形梯度1的表现更为明显, 将其与地形梯度1进行叠置分析可以看出, 产生集聚效应的网格大多分布在地形梯度1。赣南地区1990—2015年间地形梯度1发生低-高型聚类效应的网格数分别为674、714、746、753、755、765, 分别占全区的低-高型聚类效应网格数的0.9096、0.9533、0.9419、0.9401、0.9438、0.9468。从统计结果可知, 地形梯度1上低生态系统服务价值和高人为干扰度的聚类效应极为显著, 且呈上升的趋势。说明随着人为干扰度的上升, 生态系统服务价值下降, 且产生了极为显著的集聚效应。

将图 5和图 1进行比对得出, 发生低-高型聚类效应的主要区域为大余县、南康市、赣州市区、信丰县、瑞金市、会昌县、兴国县、于都县等8个县市。其中西部地区的大余县、南康市和信丰县3个县市的集中效应最为显著。地形梯度1集中分布的县市有9个, 其中8个县市都产生了明显的低-高型聚类效应, 只有赣县的未出现明显的空间集聚现象。产生聚类效应的这8个县市包含了高人为干扰度的主要聚集区, 高人为干扰聚集区域均呈现出显著的生态系统服务较低的情况。可见, 生态系统服务价值会随着人为干扰度的上升而下降。发生高-低型聚类效应的主要集中区有西部的崇义县和上犹县。根据该结果, 结合江西省主体功能区划和实地调研数据发现, 崇义县是国家级重点生态功能区, 全域的生态环境良好, 水源清澈, 县城分布在中央盆地, 四周分布高山, 人为干扰情况较低。虽然该区地形梯度较大, 坡度和海拔都较高, 很多区域不适宜进行农业耕种和其他产业利用。但是该区善于利用自身的优势, 重点发展生态旅游产业, 全区旅游规划为7个核心景区、2个特色小镇和1个旅游县域, 生态旅游业发达。该区素有竹子之乡的美誉, 因此拥有较多竹林, 竹木市场运行状况良好。因而, 崇义县虽然城镇化水平、交通可达度以及可开发的土地资源水平都处于赣南地区的中下水平, 但是其人均GDP、GDP增长态势在整个赣南地区的排名都在前3。崇义因地制宜的发展模式不仅为其带来了较高的经济产值, 同时也保护了其原本的青山绿水, 使其依旧拥有较高的植被覆盖率, 调节服务及支持服务价值都较高, 使其具有较高的生态系统服务价值。故该区域发生了显著的低人为干扰-高生态系统服务价值的集聚模式。

4 讨论与结论 4.1 讨论

本研究关于生态系统服务价值的评估选取了价值系数模型进行, 该方法适合进行大区域的生态系统服务价值评估, 在近年关于江西省及赣江流域的相关研究有较多选用了该方法^[33-35]。人为干扰度选用了较多学者都参考的陈爱莲等人提出的基于景观类型的干扰系数权重赋值^{[17-21, 28-31]}, 该方法便于进行大批量网格的人为干扰度的计算和处理, 且该方法打破了参考经济因素测定的方式所带来的行政区划的限制。本研究的数据处理借助Python编程语言对赣南地区数6.0036万网格的生态系统服务价值和人为干扰度进行计算, 保证了数据处理的准确性和可靠性。

研究结果显示赣南地区生态系统服务价值整体呈现下降的状态, 尤其是林地的损失较为严重, 这与杨丽^[36]在该地区所做的相关研究结果相一致。生态系统服务价值与人为干扰度的响应研究结果显示两者存在极为显著的负相关关系, 这也验证了Brentrup等^[12]提出的人为干扰度越高, 生态系统服务价值越低的研究结果。在此基础上, 文章还进行了两者的空间聚类效应分析, 明确地指出了发生响应的热点区位, 并通过实地调研探究发生该聚类效应的原因及验证研究结果。文章采用的方法适当, 得到的结果具有极显著的统计学差异。虽然研究方法较为常规, 但是该研究通过较为创新的分析视角研究了生态系统服务与人为干扰度的空间响应模式, 为区域生态规划和生态补偿等政策提供了数据基础, 也值得将此方法运用到其他相关区域的研究当中。

4.2 结论

本文利用江西省赣南地区6期遥感分类数据, 计算了该区域基于地形梯度的土地利用结构及生态系统服务价值变化, 基于网格法分析了全区人为干扰度分布及其与地形梯度的关系, 并对生态系统服务价值与人为干扰度进行空间聚类分析, 得到已经发生空间聚类效应的地区, 为当地决策提供更为精确的区域发展指导。根据研究结果得到的主要结论如下：

(1) 赣南地区的主要用地类型为林地, 随着地形梯度的上升, 赣南地区的林地面积比重逐渐上升, 其他用地类型比重逐渐下降, 其中耕地面积的比例下降最为明显。

(2) 赣南地区在1990—2015年间的生态系统服务价值处于下降状态, 随着地形梯度的上升, 单位面积生态系统服务价值下降；根据结果可知25年间地形梯度1的单位面积生态系统服务价值呈现出极为显著的下降状态。

(3) 人为干扰分级结果显示, 25年间全区人为干扰度呈上升状态, 局部分析表明, 高干扰度的网格有90%分布在地形梯度1, 其他梯度有较为零散的分布, 这说明地形梯度对人为干扰度有较大的影响。

(4) 全局相关性分析结果显示, 赣南地区生态系统服务价值和人为干扰度值呈现出极强的负相关关系。局部相关性结果显示, 两者存在极为显著的空间聚类效应, 高-低型集聚区主要分布在地形梯度1的大余县、南康市、赣州市区、信丰县、瑞金市、会昌县、兴国县、于都县等8个县市, 低-高型集聚区主要分布在崇义县和上犹县。结合赣南地区的行政区划图和地形梯度图可知, 发生高人为干扰和低生态系统服务价值聚类效应中主要的8个县市都呈现出明显的抵海拔和低坡度的特征, 说明这几个县市的人为干扰度值已经突破当地所能承受的阈值范围, 因而对生态系统服务价值产生较为负面的影响。同时, 低-高型聚类效应结果也显示了崇义县良好的经济发展模式。因此, 在进行区域规划时, 应参考崇义县因地制宜的发展模式, 优先对这几个区域进行合理的生态规划, 使其恢复人与自然生态系统发展的平衡。