劉建軍　田勇　姜騰龍　孫軍　劉貴芬　楊曉鈺

摘要：為探究濟南市的水源涵養(yǎng)量，利用Arcgis軟件劃定泉域范圍，通過解譯2000年、2005年、2010年、2015年和2020年的Landsat遙感影像數(shù)據(jù)，獲取范圍內土地利用類型；基于InVEST模型并結合氣象、土壤、地形等數(shù)據(jù)估算泉域水源涵養(yǎng)量，分析了近20a來泉域水源涵養(yǎng)量和涵養(yǎng)能力的時空變化及影響因素。結果表明，與2000年相比，泉域內土地利用類型變化較大，其中耕地面積變化最大，減少了470.1 km2；城鄉(xiāng)居民點和工礦用地增長較快，增幅為9.1%；林地草地面積也呈增長態(tài)勢，增幅為4.1%，面積占比達到了32.3%。泉域水源涵養(yǎng)量為157.9～238.3 mm，均值為188.8 mm，受降水影響較大；泉域水源涵養(yǎng)率為23.5%～25.9%，平均為24.2%，水源涵養(yǎng)能力較低。時間上，多年水源涵養(yǎng)率基本保持穩(wěn)定；空間上，南部山區(qū)水源涵養(yǎng)能力較之前有所提升，中部受城市化影響而下降顯著。各土地利用類型水源涵養(yǎng)量從大到小依次為：林地>草地>耕地>未利用土地>城鄉(xiāng)居民點和工礦用地>水域濕地，水源涵養(yǎng)率分別為49.15%、30.32%、20.09%、17.69%、8.62%和8.31%。區(qū)域內水源涵養(yǎng)功能區(qū)以一般重要區(qū)為主，面積占比為40%，極重要區(qū)內林地占比為94.62%。植被類型和氣象因素是影響區(qū)域水源涵養(yǎng)的主要因素，應結合土壤類型適當調整植被配置。

關鍵詞：水源涵養(yǎng)；InVEST模型；土地利用；濟南泉域

中圖分類號：X826? ? ? ?文獻標志碼：A? ? ? ? 文章編號：1674-3075（2023）05-0048-10

生態(tài)系統(tǒng)是人類生存發(fā)展的自然環(huán)境和必然條件，根據(jù)其結構、過程與生態(tài)系統(tǒng)服務功能的關系，能有效評價其服務功能。水源涵養(yǎng)功能作為陸地生態(tài)系統(tǒng)調節(jié)服務的重要功能之一，通過植被及土壤將降水攔蓄、吸收、積蓄在系統(tǒng)內，具有抑制蒸發(fā)、調節(jié)徑流、凈化水質等功能（呂一河等，2015）。在不同尺度的生態(tài)區(qū)劃中，水源涵養(yǎng)重要性評價都是必不可少的內容。

濟南被譽為“泉城”，降雨是泉水的主要補給來源（邢立亭等，2018）。隨著經濟快速發(fā)展，城市建設規(guī)模迅速擴大，地面硬化造成降水滲入補給泉水的區(qū)域減少，加之地下水超量開采，2000年前后泉群出現(xiàn)間歇性噴涌甚至常年停噴的現(xiàn)象，流域范圍內的水源涵養(yǎng)量直接關系到區(qū)域的水資源供給。目前，國內外學者對水源涵養(yǎng)功能評價方法主要包括水量平衡法（張彪等，2008；崔景軒等，2019）、降水貯存法（劉澤彬等，2017）、土壤蓄水能力法（田璐，2019）、綜合蓄水能力法（劉璐璐和曹巍，2016）與多因子分析法等（周佳雯等，2018；Chen et al，2020）?；谒科胶夥ǖ纳鷳B(tài)系統(tǒng)服務和權衡綜合評估模型（The integrate valuation of ecosystem services and tradeoffs tool， InVEST）充分考慮土壤物理性質、地形起伏和地表覆蓋狀況等對水源涵養(yǎng)量的影響，更適用于區(qū)域尺度研究（劉越等，2021）。如利用InVEST模型對漢江（陳澤怡等，2022）、岷江（劉菊等，2019）等流域以及遼寧?。▍螛锋玫?，2022）、安徽省（李瑩瑩等，2022）等區(qū)域開展了水源涵養(yǎng)量及其時空變化特征研究，其研究大多基于較大空間尺度。

本文以小范圍的濟南泉域為研究對象，運用InVEST模型綜合評估濟南泉域內2000-2020年水源涵養(yǎng)量，分析其時空變化特征，驗證模型結果的可靠性，探究影響水源涵養(yǎng)能力的主要因素，以期為濟南市兼顧城市發(fā)展和泉水保護以及提升區(qū)域水源涵養(yǎng)力提供理論依據(jù)。

1? ?材料與方法

1.1? ?區(qū)域概況

濟南市位于山東省中西部，南依泰山，北跨黃河，地勢南高北低，高差超過500 m；氣候屬于暖溫帶半濕潤季風型氣候，四季分明，年均氣溫13.8℃，年均降水量685 mm，且主要集中在6-8月，占年降水量的65.9%。市內泉水屬于巖溶泉類型，地下石灰?guī)r發(fā)育，因其獨特的地形地質構造，利于地表水和地下水向城區(qū)匯集，城內分布有趵突泉、黑虎泉、五龍?zhí)?、珍珠泉四大泉群。濟南境內河流主要有黃河、小清河兩大水系；其中，小清河發(fā)源于濟南境內，上游水源補給主要來自市內各泉。小清河作為濟南市泉域內的主要出境河流，流域內的水源涵養(yǎng)量直接關系到泉域地下水的補給量。

1.2? ?研究方法

InVEST模型是由美國斯坦福大學、世界自然基金會和大自然保護協(xié)會聯(lián)合開發(fā)的生態(tài)系統(tǒng)服務功能評估工具，主要是針對淡水、海洋和陸地三大生態(tài)系統(tǒng)的評估模塊，每個模塊由于生態(tài)系統(tǒng)功能不同又包含不同的評估項目（Tallis & Ricketts，2011）。本文利用的InVEST產水模塊是基于水量平衡原理，通過降水、地表蒸發(fā)、植物蒸騰、土壤深度和根系深度等參數(shù)計算產水量；在此基礎上，利用土壤飽和導水率、地形指數(shù)和流速系數(shù)等因子對產水量結果進行修正，進而得出水源涵養(yǎng)量。

1.3? ?泉域提取

濟南泉域地下水分布受地質構造、地層巖性等自然因素控制，南部山區(qū)丘陵石灰?guī)r裸露，溶蝕裂隙普遍發(fā)育，為地下水直接補給區(qū)；北部平原區(qū)地下裂隙巖溶發(fā)育，受煤系地層或巖溶巖體阻隔，上涌成泉噴泄。因此，根據(jù)濟南水文地質實際，結合DEM數(shù)據(jù)，運用Arcgis軟件水文學模塊（Hydrology），選取濟南市小清河流域出境斷面作為泉域流域的出口，建立濟南市泉域范圍（圖1）。

1.4? ?InVEST產水模型

InVEST產水模型是基于Budyko水熱耦合平衡原理提出的一種水量平衡估算方法（王亞慧等，2020），即以各柵格單元降水量與實際蒸散量之差作為該柵格單元產水量，計算公式如下：

式中：Drainage area為集水區(qū)柵格數(shù)量，SoilDepth為土壤深度（mm）；Slope為百分比坡度，由DEM在Arcgis軟件中求得。

1.5.2? ?基于資料統(tǒng)計估算? ?區(qū)域降水量與蒸散量以及其他水資源消耗的差值即為本區(qū)域的水源涵養(yǎng)量，計算公式如下：

水源涵養(yǎng)量 = （降水量-水資源量-用水量×耗水率）/區(qū)域面積-蒸散量 14

1.6? ?數(shù)據(jù)來源

1.6.1? ?土地利用類型? ?采用美國地質勘探局網站下載2000年、2005年、2010年、2015年、2020年30 m分辨率的Landsat 5、Landsat 8遙感數(shù)據(jù)，運用ENVI、Arcgis軟件對原始數(shù)據(jù)進行預處理，通過目視解譯的方法，獲取泉域土地利用類型。經野外現(xiàn)場核查，解譯準確率達到90%以上。

1.6.2? ?DEM數(shù)據(jù)? ?濟南市30 m分辨率的DEM數(shù)據(jù)來自地理空間數(shù)據(jù)云，運用Arcgis軟件疊加泉域邊界裁剪獲得泉域的DEM數(shù)據(jù)。

1.6.3? ?氣象數(shù)據(jù)? ?氣象數(shù)據(jù)來自美國國家氣候數(shù)據(jù)中心（NCDC），包含氣溫、氣壓、露點、風向風速、云量、降水量等日值數(shù)據(jù)，本研究利用其溫度和降水量數(shù)據(jù)。

1.6.4? ?土壤數(shù)據(jù)? ?數(shù)據(jù)來源于聯(lián)合國糧農組織（FAO）和維也納國際應用系統(tǒng)研究所（IIASA）所構建的世界土壤數(shù)據(jù)庫（Harmonized World Soil Database version 1.1， HWSD）。中國境內數(shù)據(jù)源為第二次全國土地調查南京土壤所提供的1：100萬土壤數(shù)據(jù)。經查詢計算，泉域內土壤參數(shù)見表1。

1.6.5? ?生物物理系數(shù)? ?模型需要的生物物理系數(shù)主要包含土地利用類型、根系深度、作物蒸散系數(shù)以及流速系數(shù)等。具體指標參考文獻（劉越等，2021；傅斌等，2013；杜佳衡和王錦，2021）及模型用戶手冊確定（表2）。

2? ?結果與分析

2.1? ?土地利用變化

經統(tǒng)計，濟南泉域面積約為3 100 km2，將其劃分為耕地、林地、草地、水域濕地、城鄉(xiāng)居民點和工礦用地以及未利用土地共計6類土地利用類型（圖2）。其中利用類型以耕地、城鎮(zhèn)居民點和工礦用地、林地為主。2020年耕地占比為33.9%，城鎮(zhèn)居民點和工礦用地占比為29.1%，林地占比為27.6%，未利用土地面積最小，僅0.13%。

空間分布上，泉域地勢南高北低，土地利用類型主要受地形變化影響，南部山區(qū)以林地、草地為主；北部地形平坦，以耕地為主；中西部為濟南市主城區(qū)，主要為城鄉(xiāng)居民點和工礦用地。

時間變化上，泉域耕地面積變化最大，2020年較2000年減少14.8%，面積減少了470.1 km2；而相對的城鄉(xiāng)居民點和工礦用地面積逐年增加，2020年較2000年增加9.1%，面積增加了290.8 km2；林地和草地面積較2000年增加4.1%，面積占比達到了32.3%。水域濕地面積占比較小，但增幅最大，較2000年增加了76.6%。

2.2? ?產水量時空變化

運用InVEST年產水模型計算得到的2000-2020年濟南泉域產水量時空分布見圖3。

濟南泉域年產水量變化在656～980 mm，產水量的空間分布格局與土地利用類型空間分布格局一致，城區(qū)產水量明顯高于周邊其他土地利用類型；而南部植被覆蓋度較高的山區(qū)產水量低，結合產水模型的計算原理，分析原因為植被蒸散作用的影響，城區(qū)植被覆蓋較少，區(qū)域植被蒸散系數(shù)低，水分蒸散損耗少。

2.3? ?水源涵養(yǎng)量

2.3.1? ?時空變化? ?產水量的變化與分布直接影響區(qū)域的水源含養(yǎng)量（劉嬌等，2021），受流速系數(shù)、地形指數(shù)、土壤飽和導水率等因素的影響，水源涵養(yǎng)量與產水量的空間分布呈顯著的空間異質性，中西部城區(qū)低，南部山區(qū)高；各年度的水源涵養(yǎng)量在空間分布上存在一致性（圖4）。

濟南泉域多年水源涵養(yǎng)量均值為188.8 mm。以2005年最大，為238.3 mm；2015年最低，為157.9 mm；2000年和2020年分別為173.6 mm和176.3 mm，水源涵養(yǎng)量趨勢與降水量變化趨勢一致（圖5）；這與秦嶺（寧亞洲等，2020）和三江源國家公園（呂樂婷等，2020）等區(qū)域的研究結果一致。2020年降水量較2000年減少了41.9 mm，但水源涵養(yǎng)量卻增加了2.72 mm，說明濟南泉域水源涵養(yǎng)能力較2000年有很大提升。水源涵養(yǎng)率為水源涵養(yǎng)量與降水量的比值，能有效評價區(qū)域的水源涵養(yǎng)能力，泉域多年水源涵養(yǎng)率在23.5%～25.9%，平均值為24.2%；與國內其他地區(qū)如貴州卡斯特地區(qū)10.1%（夏林等，2019）、金沙江干熱河谷區(qū)10.8%（劉嬌等，2021）、都江堰21.7%（傅斌等，2013）、岷江上游25.8%～43.9%（劉菊等，2019）、福建森林26.5%～37.8%（劉業(yè)軒等，2021）以及甘肅黑河流域45%（張福平等，2018）相比，泉域的水源涵養(yǎng)能力較低。對比濟南泉域2020年與2000年水源涵養(yǎng)率的變化情況（圖6），在區(qū)域分布上，可見南部山區(qū)的水源涵養(yǎng)能力提升明顯，中部及北部區(qū)域水源涵養(yǎng)能力有所下降，尤其中部受城市化影響下降顯著。

2.3.2? ?基于土地利用的水源涵養(yǎng)量? ?各年度不同土地類型水源涵養(yǎng)量見圖7。各類型土地利用的水源涵養(yǎng)量差別較大，從大到小依次為：林地>草地>耕地>未利用土地>城鄉(xiāng)居民點和工礦用地>水域濕地，分別為384.4 mm、234.8 mm、156.9 mm、138.4 mm、67.2 mm和64.7 mm，其水源涵養(yǎng)率分別為49.15%、30.32%、20.09%、17.69%、8.62%和8.31%。2020年草地水源涵養(yǎng)率較之前有較大提升，對比草地分布的空間變化發(fā)現(xiàn)，部分山區(qū)草地隨著不斷加大的生態(tài)保護修復力度土地利用類型轉出為林地，而山區(qū)草地受土壤類型及地形指數(shù)（TI）影響，水源涵養(yǎng)量低于其他草地，其他土地利用類型水源涵養(yǎng)率年度變化不大（表3）。

從各土地利用類型的水源涵養(yǎng)水量來看，耕地涵養(yǎng)水源量占比呈明顯逐年下降趨勢，林地呈明顯的上升趨勢，城鄉(xiāng)居民點和工礦用地呈緩慢的上升趨勢，其他類型變化不明顯。這種變化趨勢與土地利用類型變化趨勢一致，但兩者之間的變化速率與各土地利用類型的產水能力和水源涵養(yǎng)能力有關。大量減少的耕地和快速增加的城鄉(xiāng)居民點和工礦用地使泉域的水源涵養(yǎng)能力持續(xù)降低，由于林地、草地水源涵養(yǎng)量的提升，泉域近20年水源涵養(yǎng)率也基本保持穩(wěn)定（表3）。

2.3.3? ?水源涵養(yǎng)功能重要性? ?根據(jù)《資源環(huán)境承載能力和國土空間開發(fā)適宜性評價指南（試行）》評價標準，將累積水源涵養(yǎng)量最高的前50%區(qū)域確定為水源涵養(yǎng)極重要區(qū)域，同時參照《國家生態(tài)保護紅線——生態(tài)功能紅線劃定技術指南》的分位數(shù)分級方法，本文將水源涵養(yǎng)重要性評價標準劃分為：（1）分位數(shù)≥50%的區(qū)域為極重要區(qū)；（2）分位數(shù)≥40%且<50%的區(qū)域為高度重要區(qū)；（3）分位數(shù)≥30%且<40%的區(qū)域為中等重要區(qū)；（4）分位數(shù)≥20%且<30%的區(qū)域為較重要區(qū)；（5）分位數(shù)＜20%的區(qū)域為一般重要區(qū)。

從多年平均水源涵養(yǎng)重要性分級的空間分布來看（圖8），泉域水源涵養(yǎng)極重要區(qū)和重度重要區(qū)主要分布在南部山區(qū)，一般重要區(qū)為中西部的中心城區(qū)，東北部的平原耕地為水源涵養(yǎng)的中等重要區(qū)；其中，極重要區(qū)面積占比為16.62%，高度重要區(qū)為5.14%，中等重要區(qū)為12.89%，較重要區(qū)為25.35%，一般重要區(qū)為40.00%。

結合土地利用類型，極重要區(qū)以林地為主，平均面積占比達到94.62%；高度重要區(qū)以林地和草地為主，平均占比分別為75.85%和20.61%；中等重要區(qū)以耕地、草地和林地為主，占比分別為54.91%、21.89%和21.88%；較重要區(qū)以耕地為主，占比為90.11%；一般重要區(qū)以城鄉(xiāng)居民點和工礦用地和耕地為主，占比為60.22%和33.52%。由此可見，林草地是較高等級區(qū)域的主要土地利用類型。

2.3.4? ?結果驗證? ?為驗證InVEST模型水源涵養(yǎng)量結果的可靠性，通過查閱2020年度濟南市水資源公報的降水量、水資源量、用水量等統(tǒng)計數(shù)據(jù)（表4），計算水源涵養(yǎng)量，以此來驗證模型計算結果的準確性。為使數(shù)據(jù)有更好的可比性，查詢數(shù)據(jù)區(qū)域泉域所在的濟南市區(qū)和歷城區(qū)。

通過計算得出，2020年濟南市區(qū)和歷城區(qū)平均的水源涵養(yǎng)量為173.02 mm，與模型計算結果176.30 mm僅相差約3.3 mm，說明模型計算結果可靠。

3? ?討論

泉域水源涵養(yǎng)量的時空變化與降水和土地利用類型密切相關，降水是區(qū)域產水的水源，其大小直接決定區(qū)域的產水量；土地利用類型影響了地表的徑流速度、水分蒸發(fā)量以及水分滲透和保持能力。通過分析產水模型和水源涵養(yǎng)估算模型的運算原理，影響單元產水能力的因素主要是單元土地上植被類型（植被蒸散系數(shù)）、土壤因素（土壤深度、土壤質地）以及氣象條件（溫度、降水），影響水源涵養(yǎng)能力的因素主要是植被類型（流速系數(shù)）、地形因素（坡度）以及土壤因素（飽和導水率），土壤因素和地形因素長期穩(wěn)定，由此可知植被類型和氣象因素是影響單元水源涵養(yǎng)的主要因素。因此，在自然氣象條件下，充分考慮區(qū)域發(fā)展規(guī)劃，結合土壤結構，適當調整土地利用類型，有利于提高水源涵養(yǎng)量。

盡管InVEST模型充分考慮氣象數(shù)據(jù)、土壤屬性數(shù)據(jù)、地形數(shù)據(jù)和土地覆蓋類型數(shù)據(jù)，但Polasky等（2011）指出，該模型運用水量平衡估算產水量時，未考慮土壤深層含水量，使得估算結果高于真實值，同時模型基于土地利用/覆蓋單元建立的參數(shù)，是對現(xiàn)實中地表覆蓋的簡化，模擬略微存在偏差（張福平等，2018）。下一步需結合野外調查，需制定更為詳細的土地利用分類類型；且本研究使用多年平均降水特征常數(shù)Z作為模型關鍵參數(shù)，因缺少流域實測徑流量數(shù)據(jù)，采用默認的固定值，未能對其進行數(shù)據(jù)校驗，也可能導致產水量的計算結果與實際值存在較大差異。因此，在后期研究中，需加強有關實測實驗，以進一步校正模型，提升模擬精度。

參考文獻

陳澤怡，余珮珩，陳奕云，等，2022. 漢江流域水源涵養(yǎng)和水質凈化服務時空分析[J]. 生態(tài)經濟， 38（4）：193-200.

崔景軒，李秀芬，鄭海峰，等，2019. 典型氣候條件下東北地區(qū)生態(tài)系統(tǒng)水源涵養(yǎng)功能特征[J]. 生態(tài)學報， 39（9）：3026-3038.

杜佳衡，王錦，2021. 基于InVEST模型的大理州永平縣水生態(tài)系統(tǒng)服務功能時空變化分析[J]. 西部林業(yè)科學， 50（6）：91-102．

傅斌，徐佩，王玉寬，等，2013．都江堰市水源涵養(yǎng)功能空間格局[J]. 生態(tài)學報， 33（3）：789-797．

李瑩瑩，馬曉雙，祁國華，等，2022. 基于參數(shù)本地化InVEST 模型的安徽省水源涵養(yǎng)功能研究[J]. 長江流域資源與環(huán)境， 31（2）：313-325.

劉嬌，郎學東，蘇建榮，等，2021．基于InVEST模型的金沙江流域干熱河谷區(qū)水源涵養(yǎng)功能評估[J]. 生態(tài)學報， 41（20）：8099-8111．

劉菊，傅斌，張成虎，等，2019. 基于InVEST模型的岷江上游生態(tài)系統(tǒng)水源涵養(yǎng)量與價值評估[J]. 長江流域資源與環(huán)境， 28（3）：577-585.

劉璐璐，曹巍，2016. 南北盤江森林生態(tài)系統(tǒng)水源涵養(yǎng)功能評價[J]. 地理科學， 36（4）：603-611.

劉業(yè)軒，石曉麗，史文嬌，2021. 福建省森林生態(tài)系統(tǒng)水源涵養(yǎng)服務評估：InVEST模型與meta分析對比[J]. 生態(tài)學報， 41（4）：1349-1361.

劉越，李雨珊，單姝瑤，等，2021. 甘肅祁連山國家級自然保護區(qū)水源涵養(yǎng)量的時空變化[J]. 草業(yè)科學， 38（8）：1420-1431.

劉澤彬，王彥輝，田奧，等，2017. 六盤山半濕潤區(qū)坡面華北落葉松林冠層截留的時空變化及空間尺度效應[J]. 水土保持學報， 31（5）：231-239.

呂樂婷，李青，楊勇，2022. 遼寧省2001－2020年水源涵養(yǎng)量變化及其影響因素[J]. 水土保持通報， 42（1）：290-296.

呂樂婷，任甜甜，孫才志，等，2020. 1980－2016年三江源國家公園水源供給及水源涵養(yǎng)功能時空變化研究[J]. 生態(tài)學報， 40（3）：993-1003.

呂一河，胡健，孫飛翔，等，2015. 水源涵養(yǎng)與水文調節(jié)：和而不同的陸地生態(tài)系統(tǒng)水文服務[J]. 生態(tài)學報， 35（15）：5191-5196.

寧亞洲，張福平，馮起，等，2020．秦嶺水源涵養(yǎng)功能時空變化及其影響因素[J]. 生態(tài)學雜志， 39（9）：3080-3091.

田璐，2019. 不同覆蓋措施對干化土壤水分的影響研究[D]. 北京：中國科學院大學.

王亞慧，戴爾阜，馬良，等，2020. 橫斷山區(qū)產水量時空分布格局及影響因素研究[J]. 自然資源學報， 35（2）：371-386.

夏林，安裕倫，姜海峰，等，2019. 基于InVEST模型的喀斯特流域水源涵養(yǎng)量——以貴州省內烏江流域為例[J]. 貴州科學， 37（1）：27-32.

邢立亭，周娟，宋廣增，等，2018. 濟南四大泉群補給來源混合比探討[J]. 地學前緣， 25（3）：260-272.

張彪，李文華，謝高地，2008. 北京市森林生態(tài)系統(tǒng)的水源涵養(yǎng)功能[J]. 生態(tài)學報， 28（11）：5619-5624.

張福平，李肖娟，馮起，等，2018. 基于InVEST模型的黑河流域上游水源涵養(yǎng)量[J]. 中國沙漠， 38（6）：1321-1329.

周佳雯，高吉喜，高志球，2018. 森林生態(tài)系統(tǒng)水源涵養(yǎng)服務功能解析[J]. 生態(tài)學報， 38（5）：1679-1686.

Chen H， Chen K，Yang M H， 2020. A new hysteresis model of the water retention curve base donporeex-pansion and contraction[J]. Elsevier Ltd， 121：103482.

Droogers P， Allen R G， 2002. Estimating reference evapotranspiration under inaccurate data conditions[J]. Irrigation and Drainage Systems 16： 33-45.

Jafarzadeh A A， Mahdavi A， Shamsi S F， et al， 2019. Annual water yield estimation for different land uses by GIS-Based InVEST model（Case Study： Mish-khas Catchment， Ilam Province， Iran）[J]. Journal of Rangel and Science， 9（1）：1-12.

Polasky S， Nelson E， Pennington D， et al， 2011．The impact of land-use change on ecosystem service，biodiversity and returns to landow ners： a case study in the state of Minnesota[J]. Environmental ＆Resource Economics， 48：219-242．

Tallis H， Ricketts T， 2011. InVEST2.4.4 Beta Users Guide：Integrated Valuation of Ecosystem Services and Tradeoffs[M]. Stanford（CA）： The Natural Capital Project.

Zhang L， Hickel K， Dawes W R， et al， 2004. Arational function appotranspiration[J]. Water Resources Research， 40（2）：W02502.

（責任編輯? ?萬月華）

Temporal and Spatial Variation of Water Conservation Capacity

in the Jinan Spring Basin over the Past 20 Years

LIU Jian‐jun， TIAN Yong， JIANG Teng‐long， SUN Jun， LIU Gui‐fen， YANG Xiao‐yu

（Shandong Jinan Center for Ecological Environment Monitoring， Jinan? ?250014， P.R. China）

Abstract：In this study， the spring basin of Jinan City was selected for research， and we estimated the water conservation volume within the spring area in 2000， 2005， 2020， 2015 and 2020 using the Integrated Valuation of Ecosystem Services and Tradeoffs （InVEST） model and annual data on the meteorology， soil and landform. Further， the spatial-temporal variation of the water conservation volume and capacity as well as the influencing factors during the period 2000-2020 were analyzed. Our aim was to provide theoretical evidence for the conservation of spring and spring conservation capacity in the context of urban development. ArcGIS software was used to delineate the spring areas， and land use types within the areas （2000， 2005， 2010， 2015 and 2020） were obtained by interpreting Landsat remote sensing image data. Land use changed significantly during the investigation period， with the largest variation in cultivated land area， which decreased by 14.8% （470.1 km2）. Residential and industrial land increased rapidly， with a combined increase of 9.1% （290.8 km2）. The area of forest and grassland， accounting for 32.3% of the total area， also increased by 4.1%. Water source conservation capacity in the spring area was in the range， 157.9-238.3 mm， and the average value， 188.8 mm， was greatly affected by precipitation. The water conservation rate in the spring area ranged from 23.5% to 25.9%， with an average of 24.2%， and the water conservation capacity was relatively low. Temporarily， the water conservation rate has remained stable for many years. Spatially， the water conservation capacity of the southern mountain area has improved over the past 20 years， while the water conservation capacity of the central area has significantly decreased due to urbanization. Water conservation for each land use type， in descending order， was forest land>grassland>cultivated land>unused land>residential and industrial land>water bodies and wetlands， with respective water conservation rates of 49.15%， 30.32%， 20.09%， 17.69%， 8.62% and 8.31%. The functional water source conservation area within the region was primarily in a few important areas， accounting for 40% of the conservation and forest land was extremely important， accounting for 94.62%. The vegetation type and meteorological conditions were the primary factors affecting water conservation， and the vegetation type should therefore be adjusted according to soil type.

Key words：water conservation; InVEST model; land use type; Jinan spring basin

收稿日期：2022-02-21? ? ? 修回日期：2023-04-13

基金項目：黃河流域生態(tài)狀況評估（2015-2020年）（魯環(huán)函[2020]202號）。

作者簡介：劉建軍，1982年生，男，高級工程師，主要從事生態(tài)環(huán)境監(jiān)測研究。E-mail：272781784@qq.com

通信作者：姜騰龍，1985年生，男，高級工程師，主要從事生態(tài)遙感監(jiān)測研究。 E-mail：304282486@qq.com