解文艷，付永虎，楊殿闖，劉俊青，魏范青，郭 赟，趙彬玉

(1.江蘇海洋大學 文法學院，江蘇 連云港 222005； 2.中國地質大學(武漢) 公共管理學院，武漢 430074； 3.江蘇省海洋資源開發(fā)研究院，江蘇 連云港 222005)

0 引言

生態(tài)系統(tǒng)服務(ecosystem services, ES)是指在生態(tài)環(huán)境、人口增長與社會經(jīng)濟發(fā)展等多重約束下，生態(tài)系統(tǒng)通過生態(tài)結構、功能與過程為人類生存所提供自然環(huán)境條件與效用[1]。作為人類賴以生存和發(fā)展的環(huán)境條件與效用基礎，生態(tài)系統(tǒng)作用于人類社會，同時又受到人類活動的影響。人類對土地的開發(fā)與利用改變了地表土地利用結構，深刻影響著生態(tài)系統(tǒng)的結構布局、生態(tài)過程與功能，引起不同生態(tài)系統(tǒng)類型面積以及空間分布格局的變化，從而改變生態(tài)系統(tǒng)服務與產(chǎn)品供給能力。生態(tài)系統(tǒng)服務是土地利用結構和功能的具體體現(xiàn)，土地利用類型和結構是生態(tài)系統(tǒng)產(chǎn)品與服務的格局表現(xiàn)。近年來，受社會經(jīng)濟發(fā)展需求所驅動，人類對土地利用開發(fā)的廣度和深度持續(xù)提高，尤其是城市化進程的不斷推進，導致自然生態(tài)系統(tǒng)結構遭受破壞，并在一定程度上損害了生態(tài)系統(tǒng)的功能[2-3]。據(jù)調查，全球24項主要生態(tài)系統(tǒng)服務中有15項處于退化狀態(tài)[4]。因此，探討土地利用變化下生態(tài)系統(tǒng)服務價值的演變規(guī)律已成為當前區(qū)域可持續(xù)發(fā)展領域的重要研究課題[5]。

探究土地利用變化下區(qū)域生態(tài)系統(tǒng)服務價值的時空演變特征，可為提高區(qū)域資源利用效率、制定生態(tài)補償和國土空間規(guī)劃與土地整治政策提供理論與方法支撐[6-7]。自20世紀90年代以來，隨著R.Costanza等[8]和G.C.Daily[9]對生態(tài)系統(tǒng)服務價值(ecosystem service value, ESV)研究的逐漸深入，相關學者采用貨幣形式對生態(tài)系統(tǒng)服務價值進行測度[10-12]，為人類評估生態(tài)系統(tǒng)服務功能提供了新的量化思路。隨后以千年生態(tài)系統(tǒng)評估計劃(millennium ecosystem assessment, MA)為代表的一系列項目的實施極大地推動了生態(tài)系統(tǒng)服務價值評估的快速發(fā)展[13]。目前，有關ESV的研究主要涉及生態(tài)系統(tǒng)服務分類和價值評估等方面，在理論、研究方法和應用實踐層面不斷細化與擴展，形成了較為完善的ESV評估理論和方法體系[14-18]。如M.Lacayo等將生態(tài)系統(tǒng)網(wǎng)絡服務形式引入生態(tài)系統(tǒng)測度過程，構建基于OWS網(wǎng)絡分析法的生態(tài)系統(tǒng)服務價值評估框架，有效增強了生態(tài)系統(tǒng)服務評估的科學性及決策的有效性[19]。在研究方法上，部分學者聚焦生態(tài)系統(tǒng)服務功能價值指數(shù)、當量因子分析、模型模擬等方法。如霍思高等借助SolVES模型，運用生態(tài)系統(tǒng)服務功能價值指數(shù)定量評估了浙江省武義縣南部生態(tài)公園的文化服務價值[20]。L.Zhang等采用當量因子分析法，在區(qū)位因素修正的基礎上，以三江平原為例，對6種地類的9種生態(tài)系統(tǒng)進行測度與評價[21]。M.Y.Li等采用InVEST模型，分析2000—2019年丹江口流域水資源涵養(yǎng)的時空動態(tài)變化及其對氣候、土地利用與土壤變化的響應特征[22]。雖然ES模型計算方法能較好地考慮到生態(tài)系統(tǒng)的整體性，但該方法側重于單一生態(tài)系統(tǒng)服務功能評估，且涉及參數(shù)較多，增加了評估結果的不確定性。相比較而言，當量因子評估法能夠更加靈活有效地對大尺度不同生態(tài)系統(tǒng)的多種服務功能進行評估[23-24]。同時，隨著謝高地等[23]對單位面積價值當量因子進行修正，有效解決了ES模型計算方法參數(shù)眾多且運用復雜的問題，當量因子評估法已成為生態(tài)系統(tǒng)服務價值測度的主流工具[25-26]?？v觀上述研究，隨著ESV研究的不斷深入，針對不同生態(tài)系統(tǒng)、不同空間尺度已有大量研究成果，然而，既有研究大多為歷史與現(xiàn)勢情景下的統(tǒng)計分析，從土地利用變化角度預測模擬未來ESV的空間分布，進而評估ESV空間盈虧特征及重心轉移態(tài)勢的相關研究還鮮有報道。

作為我國社會經(jīng)濟最具活力的省份之一，江蘇省近年來伴隨著城鎮(zhèn)化和工業(yè)化的快速推進，建設用地規(guī)模迅速擴張，區(qū)域土地利用結構發(fā)生了顯著變化，從而影響了區(qū)域生態(tài)系統(tǒng)服務價值。基于此，本研究以江蘇省為研究區(qū)，參考薛明皋等[27]和謝高地等[28]的修正方法，對單位面積價值當量因子進行空間修正，評估生態(tài)系統(tǒng)服務價值的時空演變特征，借助GeoSOS-FLUS模型預測未來土地利用情況，探討未來江蘇省生態(tài)系統(tǒng)服務價值的時空分布特征，為經(jīng)濟發(fā)達地區(qū)國土空間規(guī)劃編制、生態(tài)補償與土地整治政策的制定提供參考。

1 研究區(qū)域、數(shù)據(jù)來源與研究方法

1.1 研究區(qū)概況

江蘇省地處中國東部沿海地區(qū)，位于長江下游，地理坐標介于30°45′～35°20′N，116°18′～121°57′E(圖1)。東瀕黃海，西北連安徽省、山東省，東南與上海市、浙江省接壤，下轄13個地級市，總面積10.72萬 km2，約占全國國土面積的1.12%。江蘇屬溫帶向亞熱帶過渡氣候，四季分明，氣候溫和，年均氣溫13～16 ℃；雨量適中，年均降水量在800～1 200 mm。江蘇省地勢平坦，雨熱同期，土地肥沃。以平原為主，占江蘇省總面積的70%。轄區(qū)內(nèi)自然資源豐富多樣，河湖眾多，林地、草地、濕地、灘涂等生態(tài)用地類型均有分布，沿海灘涂面積資源豐富，占全國總灘涂面積的25%。

圖1 研究區(qū)示意圖Fig.1 Schematic diagram of the study area

1.2 數(shù)據(jù)來源

選取1995年、2000年、2005年、2010年、2015年和2020年江蘇省土地利用和社會經(jīng)濟數(shù)據(jù)。其中，1995年、2000年、2005年、2010年與2015年土地利用柵格數(shù)據(jù)、高程、NPP、降雨量數(shù)據(jù)來源于中國科學院資源環(huán)境科學與數(shù)據(jù)中心(https://www.resdc.cn/)，2020年土地利用數(shù)據(jù)來源于地理國情監(jiān)測云平臺(http:www.dsac.cn/)。為研究需要，將研究區(qū)用地類型重歸類為耕地、林草地、濕地、水域、裸地和建設用地6類。社會經(jīng)濟統(tǒng)計數(shù)據(jù)來源于2016—2021年的《江蘇統(tǒng)計年鑒》和2021年的《全國農(nóng)產(chǎn)品成本收益資料匯編》。

1.3 研究方法

1.3.1土地利用動態(tài)度。土地利用動態(tài)度是指單位時間內(nèi)某地類變化的程度，公式如下：

式中：k為研究時段內(nèi)某一地類變化的動態(tài)度；Sa和Sb分別表示研究期初和研究期末某一地類的面積，單位為hm2；T為研究時段長，單位設定為年。

1.3.2生態(tài)系統(tǒng)服務價值測度。① 單位面積當量因子時空修正。以謝高地等[23]提出的單位面積價值當量因子作為修正對象，參考已有研究[27]，對食物生產(chǎn)、氣體調節(jié)、氣候調節(jié)、維持養(yǎng)分循環(huán)、凈化環(huán)境、生物多樣性和美學景觀等服務功能分別進行初級凈生產(chǎn)力(NPP)、降水量、可達性的時空修正。② 生態(tài)系統(tǒng)服務價值計算。在謝高地等[23]提出的中國陸地生態(tài)系統(tǒng)單位面積生態(tài)系統(tǒng)服務價值當量表的基礎上，借鑒薛明皋等[27]的修正方法進行當量因子系數(shù)的區(qū)域修正。其中，各地類單個當量因子的生態(tài)系統(tǒng)服務的經(jīng)濟價值量，在借鑒謝高地等[29]研究的基礎上，選取江蘇省2015—2019年平均糧食產(chǎn)量和2013—2018年平均糧食價格乘積的1/7，進而得到江蘇省各生態(tài)系統(tǒng)服務價值當量因子表(表1)。

1.3.3土地利用變化預測。采用GeoSOS-FLUS(以下簡稱為FLUS)模型，模擬研究區(qū)未來土地利用的結構變化與空間分布特征。FLUS模型采用了多層前饋神經(jīng)網(wǎng)絡算法(BP-ANN)，通過某一時期土地利用數(shù)據(jù)和土地利用變化驅動因子，測算未來土地利用變化的適宜性概率，然后基于輪盤賭的自適應慣性競爭機制，得到土地利用變化的預測結果[30-31]。計算方法參考林沛鋒等[32]的研究。本研究采用均勻采樣法(uniform sampling)對土地利用數(shù)據(jù)和驅動因子數(shù)據(jù)進行采樣。在此基礎上，將4種驅動因子(高程、坡度、鐵路距離和公路距離)輸入到BP-ANN模型中，經(jīng)人工神經(jīng)網(wǎng)絡計算，得出各地類的發(fā)展概率，進而得到各地類的適宜性概率。參考已有研究成果[33]，選取3×3 Moore鄰域模型計算。本研究認為建設用地擴張能力最強，裸地擴張能力最弱，分別取值1.0和0.3。各類用地擴張能力由大到小依次為建設用地、林草地、耕地、水域與濕地、裸地[34-35]。

表1 江蘇省各地類生態(tài)系統(tǒng)服務價值當量因子 元/(hm2·a)

1.3.4生態(tài)系統(tǒng)服務價值空間變化。① 生態(tài)系統(tǒng)服務價值重心變化分析。土地覆被重心遷移模型可以很好地從空間上描述主要土地利用類型的時空演變過程。本研究采用土地覆被重心遷移模型測度土地利用類型的時空演變過程，探討江蘇省生態(tài)系統(tǒng)服務價值的重心變化。計算方法參考王欣等[36]和王思遠等[37]的研究。② 生態(tài)系統(tǒng)服務價值時空流轉盈虧分析。為反映土地利用變化引起的生態(tài)系統(tǒng)服務價值變化，測度生態(tài)系統(tǒng)服務價值在空間上的損益情況，以土地面積轉移矩陣為基礎，結合不同地類間生態(tài)系統(tǒng)服務價值系數(shù)的差值，分析ESV時空流轉盈虧狀況。計算方法參考王庭輝等[38]的研究。

2 結果與分析

2.1 土地利用動態(tài)變化

總體上，1995—2020年江蘇省各地類動態(tài)變化特點存在差異，其中僅建設用地和裸地兩種地類面積有所增加，而耕地、林草地、濕地和水域面積均呈不同程度的減少態(tài)勢(表2)。1995—2020年江蘇省裸地土地利用動態(tài)度最高，達11.86%；在最嚴格的耕地保護制度下，1995—2020年江蘇省耕地面積波動幅度較小，土地利用動態(tài)度僅為-0.20%。從土地利用結構上看，研究時段內(nèi)，裸地始終是江蘇省面積最小的土地利用類型，占比不超過全省總面積的0.12%，其中2005—2010年裸地面積變化幅度最大，增加197.38 km2；耕地占比最大，基本保持在65%左右。具體來說，伴隨著新型城鎮(zhèn)化與工業(yè)化的快速推進，建設用地經(jīng)歷了先規(guī)模擴張后趨于穩(wěn)定的兩個階段。1995—2010年，伴隨著各類產(chǎn)業(yè)用地需求的急劇上升，建設用地動態(tài)度在1995—2000年這一階段達到峰值，達6.96%，在2000—2005年和2005—2010年兩階段保持在3%左右。2010—2020年，隨著土地利用結構優(yōu)化、產(chǎn)業(yè)結構調整等一系列嚴控建設用地總量措施的實施，建設用地持續(xù)增長的態(tài)勢得到有效控制，其用地規(guī)模趨向穩(wěn)定，動態(tài)度由1995—2010年的正向提高轉為負向減少。研究時段內(nèi)，作為保障區(qū)域生態(tài)安全的重要生態(tài)類型，林草地和水域的變幅均較小，濕地面積變化則較為明顯。濕地的動態(tài)度在2010—2015年達到最大值，為11.20%。近年來，受湖口退化、產(chǎn)業(yè)集群、城鎮(zhèn)擴張等多重因素影響，水域面積存在不同程度的減少，其中2010—2015年變化最為劇烈，水域動態(tài)度為-2.37%。

表2 江蘇省土地利用類型動態(tài)度變化

2.2 江蘇省ESV的時空演變

1995—2020年江蘇省ESV整體上呈先增長后減少的態(tài)勢，并在2005年達到峰值。研究期內(nèi)，江蘇省ESV凈增261.94億元，年均增加10.48億元，整體增幅3.70%。為更好地分析局部地區(qū)ESV的變化特征，借助ArcGIS 9.3軟件，采用10 km×10 km將江蘇省劃分為 1 162 個網(wǎng)格，然后將江蘇省ESV劃分為5類(低值區(qū)：ESV<3.5萬元；中低值區(qū)：3.5萬元≤ESV<8.5萬元；中值區(qū)：8.5萬元≤ESV<16萬元；中高值區(qū)：16萬元≤ESV<28萬元；高值區(qū)：ESV≥28萬元)(表3，圖2)。低值區(qū)以集中連片的方式廣泛分布在江蘇省全域范圍內(nèi)，2020年其占比達58.91%；中低值區(qū)則呈零星分布的態(tài)勢；高值區(qū)主要集中在水域區(qū)域，且面積占比最小，大多年份在4.50%左右。1995—2020年，低值、中值和中高值區(qū)面積均有所增加。其中，中高值區(qū)面積增加最為明顯，集中分布在連云港南部和鹽城北部交界沿海地區(qū)和泰州、淮安和鹽城邊界交匯處，這主要是由于濕地保護力度的加強使得沿海、沿湖灘涂面積增加，提升了生態(tài)環(huán)境效益。中低值和高值區(qū)則有所減少。高值類型面積變化幅度最大，減少了1.92%，且主要集中在徐州東南部、常州南部和蘇州北部。1995—2020年常州和蘇州多由高值區(qū)轉為中高值區(qū)域，徐州則多由高值區(qū)轉為中低值區(qū)，這主要是由于水域面積的減少。針對此類區(qū)域，應減少生態(tài)用地向建設用地的轉化，以維持該地區(qū)生態(tài)系統(tǒng)穩(wěn)定，保障生態(tài)環(huán)境質量與生態(tài)安全。

表3 1995—2020年江蘇省ESV變化

圖2 1995—2020年江蘇省ESV變化

2.3 FLUS模型模擬結果

以2015年江蘇省土地利用數(shù)據(jù)作為初始數(shù)據(jù)，將經(jīng)過歸一化處理的驅動力因子數(shù)據(jù)輸入BP-ANN模型，通過均勻采樣方法提取20%的柵格像元作為訓練樣本得到區(qū)域土地利用類型適宜性概率。將在土地利用數(shù)據(jù)中提取的水域類型設置為限制發(fā)展區(qū)域，進而得到各地類元胞自動機(CA)轉換參數(shù)，將其用于模擬2020年土地利用格局；再將模擬結果與2020年江蘇省土地利用實際格局采用FOM指數(shù)及Kappa指數(shù)驗證FLUS模型的有效性。經(jīng)驗證，Kappa系數(shù)結果為0.76，F(xiàn)OM指數(shù)為0.005，模擬結果可信，可用于對2025年土地利用格局的模擬預測。

2025年江蘇省仍以耕地和建設用地為主，耕地占比最多，達61.85%，裸地占比最小，僅為0.06%。與2020年相比，2025年江蘇省林草地、水域、裸地和建設用地面積均減少，其中裸地面積下降最明顯，為52.53%，耕地和濕地面積均增加。經(jīng)計算得到2025年江蘇省ESV值(表4)。2025年江蘇省ESV為7 083.85億元，其中水域仍是江蘇省ESV的主要貢獻者，占比最高，達81.72%；耕地類型次之，占11.80%。較之于2020年，2025年江蘇省ESV總體下降1.52%。具體而言，林草地、水域和裸地的ESV均有所下降，而耕地和濕地的ESV均有所提高。受土地利用變化影響，2025年耕地和濕地的生態(tài)功能有所提升。在最嚴格的耕地保護政策約束影響下，耕地面積平穩(wěn)發(fā)展略有回升。以生態(tài)文明理念為主導，以綠色發(fā)展為驅動，以科學規(guī)劃、合理布局為指導，提高閑置廢棄地的利用效率，對耕地進行提質增效，對生態(tài)用地進行整治修復，逐步恢復生態(tài)系統(tǒng)結構，仍是未來提升生態(tài)系統(tǒng)服務功能的重要途徑。

表4 2020年與2025年江蘇省ESV變化

2.4 江蘇省ESV重心遷移與流轉盈虧特征

2.4.1江蘇省ESV重心遷移分析。1995—2025年江蘇省ESV重心主要集中于蘇中地區(qū)的泰州和揚州一帶，低值、中低值、中值、中高值和高值重心分別集中在揚州北部、揚州中部、泰州中部邊緣、泰州中部和揚州南部邊緣(圖3，表5)。1995—2025年低值和中值重心總體向東北方向偏移，中低值、中高值和高值區(qū)的重心則向西南方向偏移。其中低值區(qū)重心偏移距離最少，研究期內(nèi)總體向東北方向遷移4.73 km。中低值重心偏移量最多，經(jīng)歷了由西南向東南的轉變過程，研究期內(nèi)總共向西南方向遷移了10.35 km。

圖3 1995—2025年江蘇省各ESV級別標準差橢圓分布

從標準差橢圓的長軸指示方向來看，1995—2025年低值和中低值重心均位于揚州市，低值重心呈向北遷移的態(tài)勢，高值重心位于揚州與鎮(zhèn)江的邊界且不斷向西南方向遷移。低值和中低值重心變化軌跡大多位于耕地轉為建設用地的變化地類周圍，高值重心變化軌跡附近主要經(jīng)歷了耕地轉水域、建設用地轉耕地和濕地轉建設用地的地類變化過程。由于區(qū)域經(jīng)濟發(fā)展水平的南北差異，蘇北地區(qū)(如鹽城市)建設用地向海一側擴張態(tài)勢明顯，從而侵占了部分水域、濕地。中高值類型逐漸向蘇南方向轉移，表明蘇南地區(qū)通過產(chǎn)業(yè)結構調整、資源利用率提高等方式顯著提升了生態(tài)系統(tǒng)服務供給能力。

表5 1995—2025年ESV重心變化

2.4.2江蘇省ESV流轉盈虧。1995—2025年江蘇省ESV總體上增加2.21%。其中ESV的盈利主要源自于耕地向水域的轉變，而水域向耕地和建設用地的轉變是ESV減少的主要原因(表6)。具體來看，1995—2005年江蘇省ESV增加7.89%。蘇南地區(qū)由于大量耕地轉為建設用地導致其在此階段生態(tài)環(huán)境質量總體呈下降趨勢；蘇北及蘇中地區(qū)ESV增減基本趨于平衡，但ESV增加量略高于減少量，生態(tài)系統(tǒng)服務供給能力得到提升。2005年以后由于社會經(jīng)濟的快速發(fā)展，全域內(nèi)ESV變化較大。與1995—2005年相比，林草地向耕地和建設用地的轉變成為2005—2025年江蘇省ESV減少的重要原因之一。2005—2015年ESV總體減少4.46%，水域的轉用，尤其是水域轉為耕地和建設用地是該階段ESV減少的主要因素。伴隨著社會經(jīng)濟不斷發(fā)展，生產(chǎn)、生活用地需求的不斷提高造成了林地轉耕地、耕地轉建設用地的城鎮(zhèn)無序擴張局面，導致生態(tài)系統(tǒng)服務供給下降。2015—2025年江蘇省ESV減少0.84%。較之于2005—2015年，雖然2015—2025年ESV仍表現(xiàn)為減少趨勢，但減少幅度放緩，江蘇省生態(tài)環(huán)境質量得到逐步控制，且持續(xù)向好的方向發(fā)展。主要是由于2015—2025年水域轉耕地的速率放緩，這與該時期退耕措施、生態(tài)保護治理政策等的實施關系密切。

表6 1995—2025年江蘇省ESV流轉盈虧 億元

3 結論和討論

3.1 結論

(1)1995—2020年江蘇省土地利用類型僅建設用地和裸地兩種地類面積有所增加。受土地利用變化的影響，1995—2020年江蘇省ESV整體上呈先增后減的態(tài)勢，并在2005年達到峰值。

(2)模型預測結果顯示，2025年江蘇省仍以耕地和建設用地為主，耕地占比最大，裸地占比最小。與2020年相比，2025年江蘇省ESV下降1.52%。林草地、水域和裸地的ESV均下降，耕地和濕地的ESV均提高。

(3)1995—2025年江蘇省ESV重心主要集中在江蘇中部的泰州和揚州一帶，除中值和低值類別重心向東北方向遷移，其余類別均向西南方向遷移。1995—2025年江蘇省ESV的盈利主要源自于耕地轉水域，而水域向耕地和建設用地的轉變是ESV減少的主要原因。

3.2 討論

土地利用結構與生態(tài)系統(tǒng)服務價值關系密切，從土地利用變化出發(fā)，通過對未來ESV的模擬預測，可為區(qū)域生態(tài)保護、國土空間規(guī)劃提供有力的理論支撐，將更有助于提升生態(tài)系統(tǒng)服務功能對區(qū)域政策制定的指導作用。針對ESV的測算問題，本研究借鑒已有成果，以江蘇省為研究區(qū)，在謝高地等[23]提出的當量因子系數(shù)的基礎上，通過NPP、降水量、可達性的時空修正，得到研究區(qū)各地類生態(tài)系統(tǒng)服務價值系數(shù)，進而評估區(qū)域ESV的時空分布特征，在ESV測度上能較為客觀全面地反映區(qū)域生態(tài)系統(tǒng)的地域特征。為反映土地類型變化引起的ESV空間變化，本研究采用ESV重心遷移與時空流轉盈虧分析方法，能較準確地界定ESV在空間上的重心轉移及損益情況，為研究區(qū)制定空間差異化生態(tài)保護策略提供了重要的方法支撐。但是，本研究也存在不完善的地方，鑒于當量因子分析方法的不足，本研究未考慮各地類之間生態(tài)系統(tǒng)的完整性。此外，囿于數(shù)據(jù)所限，利用GeoSOS-FLUS模型對土地利用格局進行預測，僅考慮了歷史與現(xiàn)勢外推情景下土地利用情景的空間演變情況，未進行不同情景下(如生態(tài)保護情景、經(jīng)濟發(fā)展情景、規(guī)劃情景等)ESV的空間模擬。未來需選取更多社會經(jīng)濟驅動因子，進一步開展更為精細的多情景預測與模擬，以便為未來國土空間規(guī)劃制定與生態(tài)安全的維持提供更為精準的決策依據(jù)。