王金鳳,劉 方, 白曉永,代 穩(wěn),李 琴,吳路華

1 貴州大學(xué)資源與環(huán)境工程學(xué)院,貴陽 550001 2 中國科學(xué)院地球化學(xué)研究所環(huán)境地球化學(xué)國家重點(diǎn)實(shí)驗(yàn)室,貴陽 550001 3 中國科學(xué)院普定喀斯特生態(tài)系統(tǒng)觀測研究站,安順 562100 4六盤水師范學(xué)院旅游與歷史文化學(xué)院,六盤水 553004

生態(tài)系統(tǒng)服務(wù)價(jià)值(ecosystem service values,ESV)是以貨幣形式評估生態(tài)系統(tǒng)提供維持人類賴以生存的環(huán)境和商品服務(wù)能力[1- 2],西南地區(qū)地處長江、珠江兩江上游是我國重要的生態(tài)屏障,同時(shí)該地區(qū)自然地理環(huán)境復(fù)雜多樣,喀斯特地貌廣泛分布,也是我國生態(tài)環(huán)境極度脆弱的區(qū)域,因此該地區(qū)ESV的時(shí)空格局演化,對構(gòu)建我國生態(tài)安全格局和實(shí)現(xiàn)區(qū)域可持續(xù)發(fā)展具有至關(guān)重要的作用。ESV作為生態(tài)環(huán)境重要組成部分和實(shí)現(xiàn)生態(tài)資產(chǎn)轉(zhuǎn)化的重要途徑,早已引起了國內(nèi)外眾多學(xué)者的關(guān)注[3- 8],他們從不同尺度區(qū)域生態(tài)景觀轉(zhuǎn)變引起的 ESV 變化進(jìn)行探討。Costanza 等率先對全球16種生態(tài)景觀用地的服務(wù)功能進(jìn)行貨幣價(jià)值評估。謝高地等[9]結(jié)合中國的實(shí)情,構(gòu)建了符合中國實(shí)情的ESV計(jì)算體系,并對不同生態(tài)景觀的ESV大小進(jìn)行了評估[10- 11]。陳永春等基于土地利用變化和ESV評估模型對安徽省市域尺度上土地利用變化對ESV的影響進(jìn)行了評估分析[12]。張斯嶼等基于InVEST模型對縣域尺度ESV進(jìn)行了評估[13]。與此同時(shí),一些專家[14- 16]還采用灰色模型和系統(tǒng)動力學(xué)等模型進(jìn)行區(qū)域ESV的預(yù)測,為區(qū)域可持續(xù)發(fā)展提供參考。近年來,Sutton等使用人類消費(fèi)和實(shí)際的生產(chǎn)力損失兩個(gè)數(shù)據(jù)集來描述對ESV的影響,獲取了每年損失的ESV量化數(shù)據(jù)[17]。Teoh 等利用與人類有關(guān)的可操作性、國內(nèi)生產(chǎn)總值和ESV稀缺性等因素解釋了全球文化ESV經(jīng)濟(jì)價(jià)值趨勢[18],這些研究推動了ESV在重大決策中的應(yīng)用,使得ESV在國家戰(zhàn)略中具有十分重要的意義。

盡管國內(nèi)外學(xué)者在計(jì)算不同地區(qū)ESV變化和提供政策參考方面取得了大量成果,但以往研究大多為單一的數(shù)據(jù)闡述,難以在空間上明確過去-現(xiàn)在ESV盈虧的具體位置,這就使得在空間位置上落實(shí)生態(tài)補(bǔ)償機(jī)制面臨困境。此外,對不同區(qū)域ESV 未來盈虧走向空間格局演化研究較少,難以明確這些地區(qū)未來時(shí)空演化格局,摸清未來發(fā)展方向,致使這些地區(qū)在用地布局和明確經(jīng)濟(jì)發(fā)展方向上存在嚴(yán)重制約。基于此,本文以生態(tài)環(huán)境極富代表性的西南地區(qū)為研究對象,運(yùn)用ESV計(jì)算體系對該區(qū)過去-現(xiàn)在(10年)ESV空間盈虧格局演變分析,采用Logistic-CA-Markov耦合模型預(yù)測其ESV未來10年空間演變格局。通過揭示西南地區(qū)過去-現(xiàn)在-未來ESV時(shí)空演化規(guī)律,提供長時(shí)間序列的時(shí)空演化圖譜,將有助于西南地區(qū)制定詳細(xì)生態(tài)規(guī)劃和落實(shí)生態(tài)資產(chǎn)轉(zhuǎn)換政策,為西南地區(qū)社會經(jīng)濟(jì)發(fā)展和生態(tài)環(huán)境保護(hù)提供決策支持。

1 研究區(qū)與數(shù)據(jù)來源

1.1 研究區(qū)概況

圖1 研究區(qū)空間位置分布示意圖Fig.1 The spatial distribution of the study area

西南地區(qū)由四川省、重慶市、貴州省、云南省、廣西壯族自治區(qū)及西藏、青海的部分地區(qū)組成,地處21°48′—37°36′ N,82°42′—113°41′ E,總面積約230萬km2(圖1)。平均海拔3600m,最高海拔高度為7195m。地跨中國一、二級階梯,地勢西高東低呈階梯狀下降,具有高原、平原、盆地、丘陵等多種地貌類型。氣候類型從低緯到高緯具有熱帶季風(fēng)氣候、亞熱帶季風(fēng)氣候、溫帶大陸性氣候,高原山地氣候等類型。降水量200—2700mm,降水差異大,主要集中于夏季,干濕分明。植被具有熱帶雨林、常綠闊葉林、草原等多樣類型。該區(qū)橫跨多種地貌類型,生態(tài)類型復(fù)雜,具有ESV研究典型性和代表性。

1.2 數(shù)據(jù)來源

本文所需數(shù)據(jù)主要包括西南地區(qū)土地利用圖、海拔、人口密度、國內(nèi)生產(chǎn)總值 、統(tǒng)計(jì)年鑒等數(shù)據(jù),數(shù)據(jù)來源具體如下(表1)。

2 研究方法

2.1 生態(tài)服務(wù)價(jià)值測算

據(jù)Constanza等人[1]估算ESV方法,其計(jì)算公式為：

ESV=∑AiVCi

(1)

ESVS=∑AiVCsi

(2)

式中,ESV為某類生態(tài)景觀的總體生態(tài)系統(tǒng)服務(wù)價(jià)值,Ai為第i類生態(tài)景觀類型的面積,VCi為第i類生態(tài)景觀生態(tài)價(jià)值系數(shù);ESVs為某類生態(tài)景觀的單項(xiàng)服務(wù)價(jià)值,VCsi為單項(xiàng)ESV系數(shù)。每類生態(tài)景觀的單項(xiàng)服務(wù)價(jià)值主要包括食物生產(chǎn)、原材料生產(chǎn)、水源涵養(yǎng)、氣體調(diào)節(jié)、氣候調(diào)節(jié)、廢物處理、娛樂文化價(jià)值、生物多樣性保護(hù)。研究區(qū)的生態(tài)景觀類型為耕地、林地、草地、水域、未利用地和建設(shè)用地6個(gè)類型,分別對應(yīng)于農(nóng)田、森林、草地、水體&濕地、荒漠生態(tài)系統(tǒng)類型,建設(shè)用地參考董家華[19]、石垚等[20]的研究,確定其在水源涵養(yǎng)和廢物處理方面生態(tài)效益為負(fù)值,其他方面生態(tài)價(jià)值為0。其余各類生態(tài)景觀的單項(xiàng)服務(wù)價(jià)值系數(shù)參照謝高地中國生態(tài)系統(tǒng)單位面積生態(tài)服務(wù)價(jià)值當(dāng)量表。1個(gè)生態(tài)服務(wù)價(jià)值當(dāng)量因子的經(jīng)濟(jì)價(jià)值以糧食產(chǎn)量的凈利潤為計(jì)算準(zhǔn)則,同時(shí)結(jié)合王航等[21]提出的CPI指數(shù)修正ESV系數(shù)法進(jìn)行西南地區(qū)ESV系數(shù)的計(jì)算,2005年的西南地區(qū)平均CPI為101.8%,2015年為101.4%,為了后期預(yù)測模擬時(shí)的ESV對比研究,以2015年為基準(zhǔn)計(jì)算整個(gè)西南地區(qū)不同生態(tài)景觀類型ESV系數(shù)(表2)。

表1 主要數(shù)據(jù)來源

POP: Population density map;DEM: Digital elevation model map

表2 西南地區(qū)各生態(tài)景觀單位面積ESV系數(shù)/(元/hm2)

ESV系數(shù)(Ecological service values coefficient, ESVC)

2.2 Logistic-CA-Markov預(yù)測模型

運(yùn)用 Logistic回歸獲取分布適宜性圖集,Markov模塊得到轉(zhuǎn)移概率,在CA驅(qū)動模塊實(shí)現(xiàn)模擬運(yùn)算,完成模擬預(yù)測。

2.2.1Logistic回歸

利用Logistic回歸方程構(gòu)建研究區(qū)因變量與影響生態(tài)景觀類型產(chǎn)生變化的自變量之間的模型[22],具體公式如下：

(3)

(4)

式中,pi表示出現(xiàn)某種生態(tài)景觀類型的概率,b0b0為回歸模型常數(shù)項(xiàng),b1-bmb1-bm為回歸系數(shù),x1-xmx1-xn表示驅(qū)動力因子。Logistic回歸結(jié)果ROC曲線,取值范圍從0.5到1,當(dāng)ROC>0.75時(shí)表明擬合結(jié)果能夠滿足預(yù)測要求。

2.2.2CA-Markov 模型

Markov轉(zhuǎn)移矩陣[23]的表達(dá)式如下：

(5)

(6)

式中,S表示面積；P表示概率；i、j(i=1,,2…,n,j=1,,2…,n)分別表示轉(zhuǎn)移前與轉(zhuǎn)移后的生態(tài)景觀類型。生態(tài)景觀類型si轉(zhuǎn)為sjsj的轉(zhuǎn)移概率p(si→sj)=p(si|sj)=pij。

CA具備模擬復(fù)雜空間動態(tài)變化的能力[24],Markov模型具有長期預(yù)測的優(yōu)點(diǎn),CA-Markov 耦合提高了預(yù)測精度,能在空間上較好地體現(xiàn)生態(tài)景觀格局的演化特征。

3 結(jié)果分析

3.1 西南地區(qū)生態(tài)系統(tǒng)服務(wù)價(jià)值演變

西南地區(qū)自然地理環(huán)境空間差異大,異質(zhì)性較強(qiáng),精確地計(jì)算各個(gè)省份的 ESV難度較大,采用統(tǒng)一的ESV系數(shù)(表2)來計(jì)算西南地區(qū)各省份各類生態(tài)景觀單位面積的 ESV,雖然難以給各省生態(tài)環(huán)境制定一個(gè)絕對的價(jià)格標(biāo)簽,但能相對準(zhǔn)確地揭示西南各省區(qū)時(shí)空二維動態(tài)演變格局和推演未來演變趨勢,為科學(xué)制定西南各省區(qū)生態(tài)規(guī)劃提供參考。

3.1.12005—2015年ESV時(shí)間變化

總體ESV演變。 2005—2015年西南地區(qū)總體ESV凈增20.85億元,每年增加2.09億元,增長率0.07%(表3)。從生態(tài)景觀ESV來看,水域的ESV明顯增加,增幅3.37%。其他生態(tài)景觀的價(jià)值均減少,建設(shè)用地減少最為明顯,減少了28.68億元。從ESV變化率可以發(fā)現(xiàn),建設(shè)用地和水域的變化率最大,建設(shè)用地和水域ESV變動,一定程度上控制了西南地區(qū)ESV的變化。

生態(tài)景觀是ESV的載體,ESV的變化與生態(tài)景觀面積的(圖4)變動具有一致性。10年間水域和建設(shè)用地面積不斷增加,耕地、林地、草地、未利用地面積不斷減小。西南地區(qū)河網(wǎng)密布,湖沼、濕地眾多,具有三江源等重要的水源保護(hù)地。為加強(qiáng)水源保護(hù),近年來新建了大量的人工河湖、水庫和濕地。同時(shí)在氣候變暖的背景下,雪線不斷后退,西藏、青海等地的冰川雪山大量融化,水域面積不斷增長,ESV增加。由于西部大開發(fā)的速度加快,建設(shè)用地增長迅速,建設(shè)過程中不可避免地占用了耕地、林地、草地,使得ESV減少。西南地區(qū)的ESV在生態(tài)景觀用地兩增四減的過程中呈現(xiàn)穩(wěn)步增長的趨勢。

表3 2005—2015年ESV貢獻(xiàn)和變化

單項(xiàng)ESV演變。西南地區(qū)2005—2015年的生態(tài)系統(tǒng)單項(xiàng)服務(wù)價(jià)值變化不顯著(圖2)。廢物處理、水源涵養(yǎng)、氣體調(diào)節(jié)、氣候調(diào)節(jié)、娛樂文化價(jià)值在增加,廢物處理功能增加最明顯,增長0.35%,與水域大面積的增長相關(guān)；土壤形成與保護(hù)、食物生產(chǎn)、原材料生產(chǎn)、生物多樣性保護(hù)的價(jià)值在減少,土壤形成與保護(hù)單項(xiàng)服務(wù)價(jià)值降低明顯,減少0.19%,是建設(shè)用地增加占用耕地、林地、草地所致。

2005—2015年西南地區(qū)生態(tài)系統(tǒng)服務(wù)價(jià)值的構(gòu)成中,土壤形成與保護(hù)單項(xiàng)服務(wù)價(jià)值在整個(gè)生態(tài)服務(wù)中占據(jù)著主導(dǎo)地位,其所形成的價(jià)值占總價(jià)值的18%以上。林地、草地生態(tài)景觀為西南地區(qū)主要用地類型,其面積占總面積的70%以上,且分布廣泛,故具有較高的土壤形成與保護(hù)能力。最小的生態(tài)系統(tǒng)單項(xiàng)服務(wù)價(jià)值是食物生產(chǎn),占總價(jià)值的3%以下,食物生產(chǎn)的單項(xiàng)服務(wù)價(jià)值在ESV構(gòu)成中最小,同時(shí)西南地區(qū)地表起伏大,耕地面積小且分布零星,因此食物生產(chǎn)價(jià)值難以體現(xiàn)。

圖2 2005和2015年單項(xiàng)ESV/億元雷達(dá)圖Fig.2 The radar map of single ESV/billion RMB in 2005 and 2015

3.1.22005—2015年ESV空間演變

ESV空間盈虧流動。基于ESV流動[25],從表4可以看出,各類生態(tài)景觀的ESV在空間上進(jìn)行了不同程度的相互轉(zhuǎn)換,耕地受城市建設(shè)占用,退耕變成林地草地,少量轉(zhuǎn)化為水域和未利用地,ESV盈虧流動中凈減少13.58億元。林地被河湖淹沒轉(zhuǎn)化為水域ESV增加,林地被建設(shè)損失價(jià)值最大,達(dá)23.70億元。草地轉(zhuǎn)化為水域盈利價(jià)值高達(dá)41.44億元,流向耕地、建設(shè)用地和未利用地其價(jià)值明顯虧損。未利用地是一種后備資源,景觀轉(zhuǎn)換中ESV變動不顯著?？傮w而言,耕地、林地、草地、水域以及未利用地向建設(shè)用地虧損流動,減少的價(jià)值不足以抵消其他生態(tài)景觀向水域的流動帶來的盈利,西南地區(qū)的ESV凈增長。

ESV空間分布變化。根據(jù)ESV的數(shù)值大小,采用自然斷點(diǎn)法,將研究區(qū)的ESV分為6個(gè)級別,從圖3可以看出,西南地區(qū)各省ESV等級空間上呈現(xiàn)出西北部和東南部高、中部和北部低的空間分布特點(diǎn)。極高ESV區(qū)主要分布在青海、西藏高原區(qū)和廣西壯族自治區(qū)山區(qū)丘陵地帶,青海、西藏地區(qū),人口稀少,植被茂盛,水源保護(hù)地較多,生態(tài)優(yōu)良。廣西壯族自治區(qū)山區(qū)丘陵地帶雨熱同期,植被覆蓋度高,生態(tài)環(huán)境良好。極低ESV區(qū)主要分布在四川省、貴州省和云南省三省交界的周邊區(qū)域。三省交界的周邊區(qū)域山巒眾多,溝壑縱橫,喀斯特地貌廣泛發(fā)育,植被覆蓋度低。

表4 2005—2015年ESV盈虧流動表/億元

10年期間西南地區(qū)的各個(gè)等級的ESV相互流轉(zhuǎn),西藏低級ESV向中級ESV轉(zhuǎn)化,中級ESV向較高ESV轉(zhuǎn)化。云南省較高ESV向高值ESV,高值ESV向極高ESV演變。盡管存在高等級向低等級ESV轉(zhuǎn)化,但低等級ESV向高等級ESV轉(zhuǎn)化較為明顯,ESV凈增長,表明生態(tài)環(huán)境治理過程中,生態(tài)環(huán)境不斷改善,生態(tài)環(huán)境逐步變好。

圖3 2005年和2015年不同等級ESV空間分布圖Fig.3 Spatial distribution of ESV at different levels in 2005 and 2015

3.2 西南地區(qū)生態(tài)系統(tǒng)服務(wù)價(jià)值預(yù)測

ESV的變化主要受生態(tài)景觀變化的影響,要對ESV進(jìn)行有效預(yù)測,則需要對生態(tài)景觀進(jìn)行準(zhǔn)確的模擬,在此基礎(chǔ)上對進(jìn)一步對ESV進(jìn)行預(yù)測。

3.2.1預(yù)測驅(qū)動因子分析

采用Logistic回歸模型分析生態(tài)景觀與驅(qū)動其變化的因子之間的數(shù)量關(guān)系,以高程(DEM)、坡度(SLOPE)、距離水域的距離(DOR)3個(gè)自然因子和人口密度(POP)、國內(nèi)生產(chǎn)總值(GDP)、距離建設(shè)用地的距離(DOB)3個(gè)人文因子[26]與6種生態(tài)景觀類型進(jìn)行Logistic回歸。從邏輯回歸分析方程的回歸系數(shù)可以看出(表5),耕地分布與人口密度、坡度密切相關(guān),主要分布于多分布于人口極為集中,坡度較為平緩的區(qū)域。水域分布與高程和人口密度相關(guān),多分布于海拔較低的區(qū)域。建設(shè)用地分布受國民生產(chǎn)總值和人口密度的影響,多分布于人口密度大,國民生產(chǎn)總值高的區(qū)域。林地、草地、未利用地的分布主要受自然因子驅(qū)動。

盡管驅(qū)動生態(tài)景觀分布發(fā)生變化的因子各不相同,但生態(tài)景觀類型的分布受自然的驅(qū)動較人文更明顯,是自然背景約束下人類活動的結(jié)果。從ROC的回歸結(jié)果可以看出,各生態(tài)景觀類型的ROC值均在0.87以上,所選驅(qū)動因子能夠較好的解釋生態(tài)景觀的分布狀況,生態(tài)景觀表面概率分布和真實(shí)分布之間具有較好的一致性。

表5 邏輯回歸方程和ROC檢驗(yàn)

DOB: 距離建設(shè)用地的距離;DEM: 高程;GDP: 國內(nèi)生產(chǎn)總值; POP: 自然因子和人口密度; DOR: 距離水域的距離; SLOPE: 坡度

3.2.2預(yù)測精度評價(jià)

模擬結(jié)果的準(zhǔn)確性是預(yù)測的關(guān)鍵,盡管2015模擬圖與真實(shí)圖空間布局極為相似,但生態(tài)景觀受自然背景和人類活動的制約,要精確的預(yù)測是比較困難的。Kappa系數(shù)是一種計(jì)算分類精度的方法,運(yùn)用IDRISI中的精度檢驗(yàn)?zāi)K對2015年西南地區(qū)生態(tài)景觀類型圖模擬結(jié)果進(jìn)行驗(yàn)證,Kappa結(jié)果為0.86,Kappa結(jié)果越接近1說明模擬精度越高,可以在整體上能較準(zhǔn)確的反映其空間演變軌跡,較好地對ESV進(jìn)行模擬預(yù)測。

為了進(jìn)一步驗(yàn)證各類景觀的模擬精度,將各類生態(tài)景觀分別提取出來,逐個(gè)做Kappa檢驗(yàn)(見表6),可以看出整體的精度驗(yàn)證只能說明整體模擬與實(shí)際的擬合程度,不能代表每一類生態(tài)景觀的擬合程度。建設(shè)用地和水域Kappa系數(shù)相對較低,建設(shè)用地相對于其他生態(tài)景觀而言,面積小,元胞個(gè)數(shù)少,空間分布較零散,受人類活動影響顯著,因此相對于生態(tài)景觀類型面積大,分布相對集中,主要受自然背景的控制的景觀而言,其模擬精度相對較低。水域是研究區(qū)增長面積最多,增長幅度最快的景觀,準(zhǔn)確模擬其空間位置難度較大。每種類型的Kappa系數(shù)均在0.59以上,表明預(yù)測的各類生態(tài)景觀及ESV空間布局具有可信性。

3.2.32025年ESV預(yù)測

基于2005—2015年的生態(tài)景觀轉(zhuǎn)移矩陣和Logistic回歸分析生成的適宜性圖集,運(yùn)行CA-Markov得到2015年和2025年生態(tài)景觀預(yù)測結(jié)果(圖4)。利用預(yù)測出的2025年生態(tài)景觀圖,進(jìn)行2025年ESV分析。未來10年,西南地區(qū)廢物處理、水源涵養(yǎng)、氣候調(diào)節(jié)、娛樂文化單項(xiàng)價(jià)值服務(wù)價(jià)值將持續(xù)增加。林地、草地、和水域依然是ESV的主要貢獻(xiàn)景觀?？傮w的ESV在2015年的基礎(chǔ)上增長6.02%,2025年將達(dá)到31398億元。

圖4 西南地區(qū)生態(tài)景觀分布圖Fig.4 The map of landscape in Southwest China

盡管自然環(huán)境持續(xù)向良性發(fā)展,但ESV未來演化的過程中,明確那些區(qū)域的ESV在增加,那些區(qū)域在減少,對實(shí)施卓有成效的生態(tài)規(guī)劃具有十分重要的意義?；贓SV空間轉(zhuǎn)移,在空間上提取了ESV增加和減少的圖斑(圖5)。

表6 生態(tài)景觀類型模擬精度評價(jià)表

ESV空間上盈虧流轉(zhuǎn),ESV增加3081.15億元,其增加的區(qū)域主要分布在青海西北部和西藏東南部和云南省,主要是水域面積增加,引起了生態(tài)效益的增長。ESV減少1158.50億元,主要受建設(shè)用地繼續(xù)增加,各項(xiàng)景觀向建設(shè)用地虧損流動所致。ESV減少的區(qū)域主要集中在四川省成都平原周邊、廣西壯族自治區(qū)中部,以及重慶市的大部分區(qū)域。ESV盈利區(qū)域大于虧損區(qū)域,西南地區(qū)ESV持續(xù)增加,生態(tài)環(huán)境繼續(xù)好轉(zhuǎn)。

圖5 2025年預(yù)測EVS區(qū)域分布變化趨勢圖Fig.5 Prediction of the distribution trend of EVS in 2025

4 討論

生態(tài)服務(wù)補(bǔ)償制度的推行,使得生態(tài)服務(wù)價(jià)值的研究越來越受到重視,國內(nèi)外對ESV定量評估日益增多。本研究對西南地區(qū)2005—2015ESV動態(tài)演變進(jìn)行定量分析,采用耦合模型預(yù)測2025年ESV格局,盡管揭示了西南地區(qū)過去-現(xiàn)在-未來ESV時(shí)空演化規(guī)律,對該地區(qū)實(shí)施卓有成效的生態(tài)規(guī)劃及可持續(xù)發(fā)展提供了重要參考。但在評估方法上仍存在不確定性,由于生態(tài)服務(wù)與生態(tài)功能不可能完全匹配,致使ESV的精確計(jì)算存在難以克服的障礙,在未來的研究中需要對各種生態(tài)系統(tǒng)服務(wù)功能進(jìn)行更為詳細(xì)的分類并設(shè)計(jì)更為準(zhǔn)確的價(jià)值核算體系,利于更加準(zhǔn)確闡明生態(tài)服務(wù)價(jià)值的演變特征。其次，本文運(yùn)用Logistic-Markov-CA耦合模型精確模擬各類生態(tài)景觀,預(yù)測ESV空間演變。與僅依靠轉(zhuǎn)移概率來預(yù)判未來演化趨勢的研究相比,本研究在空間布局模擬上取得了一定進(jìn)展,ESV未來空間布局具有可信性。生態(tài)景觀受到自然背景和人類活動的影響,其變化是一個(gè)復(fù)雜的過程,演化驅(qū)動機(jī)制龐大,因此每類生態(tài)景觀Kappa結(jié)果與整體的Kappa系數(shù)難以一致。第三,ESV的進(jìn)一步研究,還需要考慮經(jīng)濟(jì)發(fā)展與生態(tài)環(huán)境之間的協(xié)同與制約關(guān)系,經(jīng)濟(jì)收益與生態(tài)損失相關(guān)聯(lián),通過動態(tài)變化模型研究不同發(fā)展路徑下,經(jīng)濟(jì)發(fā)展與環(huán)境變化之間耦合變化趨勢,建立生態(tài)服務(wù)權(quán)衡閾值動態(tài)數(shù)據(jù)庫,為當(dāng)權(quán)者提供不同ESV變化與人類福祉之間的演變譜系,為政府提供決策支持。

5 結(jié)論

基于ESV計(jì)算體系,評估西南地區(qū)近10年ESV演變特征,為該地區(qū)生態(tài)規(guī)劃和土地利用管理提供了決策參考。2005—2015年該地區(qū)總體ESV穩(wěn)步增長,增長了0.07%,其增長主要來源于水域貢獻(xiàn),單項(xiàng)ESV動態(tài)變化不顯著；空間上各類生態(tài)景觀和不同等級的ESV進(jìn)行了不同程度相互流轉(zhuǎn),低等級向高等級ESV轉(zhuǎn)化較為明顯,其他生態(tài)景觀向建設(shè)用地虧損流動減少的價(jià)值不足以抵消向水域流動增加的價(jià)值,生態(tài)環(huán)境不斷改善,生態(tài)效益持續(xù)增長。

運(yùn)用Logistic-Markov-CA耦合模型對西南地區(qū)2025年ESV進(jìn)行預(yù)測,Logistic回歸分析結(jié)果表明,各類生態(tài)景觀的ROC值均大于0.87,擬合結(jié)果能夠滿足預(yù)測要求。整體Kappa系數(shù)為0.86,可以在整體上較準(zhǔn)確的反映其空間演變格局。2025年總體的ESV在2015年的基礎(chǔ)上增加1783.44億元,ESV盈利區(qū)域大于虧損區(qū)域。盡管ESV持續(xù)增長,但建設(shè)用地增加的生態(tài)負(fù)效應(yīng)不可忽視,在未來生態(tài)規(guī)劃過程中,還需慎重考慮。