摘 要：“退耕還林還草”工程使黃土高原土地利用和生態(tài)環(huán)境發(fā)生了顯著變化?；冢玻埃埃?年、２０１０ 年、２０２０ 年土地利用數(shù)據(jù)、植被因子、社會(huì)經(jīng)濟(jì)數(shù)據(jù)等，對(duì)改進(jìn)的生態(tài)系統(tǒng)服務(wù)價(jià)值當(dāng)量因子表進(jìn)行修正，采用空間自相關(guān)分析和地理探測(cè)器等方法，核算了各網(wǎng)格單元生態(tài)系統(tǒng)服務(wù)價(jià)值，探討了生態(tài)系統(tǒng)服務(wù)價(jià)值時(shí)空變化特征及空間分異性驅(qū)動(dòng)機(jī)制。結(jié)果表明：與２０００ 年相比，２０２０ 年林地和建設(shè)用地面積增加，草地面積略有減少，耕地面積顯著減少；２０００ 年、２０１０ 年和２０２０ 年生態(tài)系統(tǒng)服務(wù)價(jià)值分別為７ ５６５．５４億、１１ ４７３．２６ 億、１４ ３３５．５１ 億元，草地和林地的生態(tài)系統(tǒng)服務(wù)價(jià)值占比較大；在生態(tài)系統(tǒng)服務(wù)功能中，調(diào)節(jié)服務(wù)價(jià)值最大，其次為支持服務(wù)；生態(tài)系統(tǒng)服務(wù)價(jià)值空間集聚特征以高高集聚和低低集聚為主；歸一化植被指數(shù)（ＮＤＶＩ）、降水量、凈初級(jí)生產(chǎn)力（ＮＰＰ）、生態(tài)用地面積占比和土地利用程度對(duì)生態(tài)系統(tǒng)服務(wù)價(jià)值空間分異性影響顯著。

關(guān)鍵詞：生態(tài)系統(tǒng)服務(wù)價(jià)值；驅(qū)動(dòng)力分析；退耕還林；地理探測(cè)器；黃土高原

中圖分類號(hào)：Ｘ１７１．１ 文獻(xiàn)標(biāo)志碼：Ａ ｄｏｉ：１０．３９６９／ ｊ．ｉｓｓｎ．１０００－１３７９．２０２４．１２．０１５

引用格式：黃會(huì)平，李盼中，韓宇平，等．黃土高原生態(tài)系統(tǒng)服務(wù)價(jià)值演變及驅(qū)動(dòng)力分析［Ｊ］．人民黃河，２０２４，４６（１２）：９０－９７．

０ 引言

生態(tài)系統(tǒng)服務(wù)（ＥＳ）是生態(tài)系統(tǒng)為人類福祉提供的直接或間接貢獻(xiàn)。對(duì)生態(tài)系統(tǒng)服務(wù)的貨幣價(jià)值進(jìn)行量化和分類，是評(píng)估人類從生態(tài)系統(tǒng)中獲得利益進(jìn)而輔助資源管理、土地利用規(guī)劃和資源保護(hù)的重要途徑［１－２］ 。Ｃｏｓｔａｎｚａ 等［２］ 采用當(dāng)量因子法對(duì)１７ 種類型的生態(tài)系統(tǒng)服務(wù)價(jià)值進(jìn)行了全球評(píng)估；謝高地等［３］ 在當(dāng)量因子法基礎(chǔ)上，核算出符合我國(guó)經(jīng)濟(jì)社會(huì)發(fā)展特征的生態(tài)系統(tǒng)服務(wù)價(jià)值當(dāng)量因子修正系數(shù)，提出了適用于我國(guó)的生態(tài)系統(tǒng)服務(wù)價(jià)值當(dāng)量因子表。但全國(guó)尺度的單位面積生態(tài)系統(tǒng)服務(wù)價(jià)值當(dāng)量因子法忽略了生態(tài)系統(tǒng)的空間異質(zhì)性。因此，需要進(jìn)一步調(diào)整生態(tài)系統(tǒng)服務(wù)價(jià)值當(dāng)量因子表，以反映區(qū)域甚至網(wǎng)格尺度的自然和社會(huì)經(jīng)濟(jì)條件差異，進(jìn)而提高生態(tài)系統(tǒng)服務(wù)價(jià)值評(píng)估的準(zhǔn)確性。

識(shí)別影響生態(tài)系統(tǒng)服務(wù)價(jià)值變化的關(guān)鍵因子，對(duì)于增強(qiáng)區(qū)域生態(tài)安全和制定區(qū)域生態(tài)保護(hù)策略至關(guān)重要。生態(tài)系統(tǒng)服務(wù)價(jià)值影響因子大致可以分為自然因子和社會(huì)經(jīng)濟(jì)因子兩類。自然因子包括地形（坡度、坡向、高程）、氣象（降水）、土壤和植被［４－７］ 等，社會(huì)經(jīng)濟(jì)因子主要包括人口密度、距主要公路的距離、國(guó)內(nèi)生產(chǎn)總值（ＧＤＰ）、城鎮(zhèn)化率、產(chǎn)業(yè)結(jié)構(gòu)等。研究表明，同一影響因子對(duì)不同區(qū)域生態(tài)系統(tǒng)服務(wù)價(jià)值的影響存在差異，同一區(qū)域不同時(shí)期影響因子也不同［８－９］ 。多因子交互作用對(duì)生態(tài)系統(tǒng)服務(wù)價(jià)值的影響比單一因子更顯著。

黃土高原位于我國(guó)中北部，是世界上分布范圍最廣、人口最密集的黃土覆蓋區(qū)，也是全球土壤侵蝕最嚴(yán)重的地區(qū)之一，生態(tài)環(huán)境脆弱，存在氣象災(zāi)害頻發(fā)、土地沙漠化、水資源匱乏等問(wèn)題。１９９９ 年啟動(dòng)的“退耕還林還草”工程使區(qū)域土地利用和生態(tài)環(huán)境發(fā)生了顯著變化。因此，以黃土高原為研究對(duì)象，評(píng)估和描述不同時(shí)期土地利用變化及生態(tài)系統(tǒng)服務(wù)價(jià)值時(shí)空變化特征，探討各影響因子對(duì)生態(tài)系統(tǒng)服務(wù)價(jià)值變化的影響，以期為黃土高原地區(qū)生態(tài)和社會(huì)經(jīng)濟(jì)可持續(xù)發(fā)展提供依據(jù)。

１ 研究區(qū)概況與數(shù)據(jù)來(lái)源

１．１ 研究區(qū)概況

本文研究區(qū)為廣義黃土高原，包括寧夏和山西全省、陜西中北部、甘肅中東部、青海東部、河南西部小部分地區(qū)，以及內(nèi)蒙古河套平原和鄂爾多斯高原，總面積約６４ 萬(wàn)ｋｍ２，約占我國(guó)國(guó)土面積的６．７％［１０］ 。海拔為８１～４ ９４５ ｍ，年平均氣溫為３．６～１４．３ ℃，年降水量為１５０～７５０ ｍｍ，降水量由東南向西北遞減。此外，實(shí)際蒸發(fā)量通常超過(guò)降水量［１１］ 。黃土高原土地利用以耕地和草地為主，是我國(guó)重要的旱作農(nóng)業(yè)區(qū)。

１．２ 數(shù)據(jù)來(lái)源

２０００ 年、２０１０ 年、２０２０ 年土地利用、人口密度、地均ＧＤＰ、降水量、氣溫、土壤類型數(shù)據(jù)來(lái)源于中國(guó)科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心，土地利用數(shù)據(jù)分辨率為３０ ｍ，其他數(shù)據(jù)分辨率為１ ０００ ｍ；歸一化植被指數(shù)（ＮＤＶＩ）、植被凈初級(jí)生產(chǎn)力（ＮＰＰ）來(lái)源于美國(guó)國(guó)家航空航天局；ＤＥＭ 數(shù)據(jù)來(lái)源于地理空間數(shù)據(jù)云；公路、鐵路和水域數(shù)據(jù)來(lái)源于ＯｐｅｎＳｔｒｅｅｔＭａｐ；糧食作物產(chǎn)量、種植面積、牲畜數(shù)量、恩格爾系數(shù)、ＧＤＰ、城鎮(zhèn)化率等數(shù)據(jù)來(lái)源于各省市統(tǒng)計(jì)年鑒。

２ 研究方法

２．１ 土地利用動(dòng)態(tài)度

土地利用動(dòng)態(tài)度是反映特定時(shí)期不同土地利用變化速率的指標(biāo)［１２］ ，包括單一土地利用動(dòng)態(tài)度和綜合土地利用動(dòng)態(tài)度。

式中：Ｋ 為單一土地利用動(dòng)態(tài)度，Ｕｂ、Ｕａ 分別為研究期末、研究期初某土地利用類型的面積，Ｔ 為研究時(shí)長(zhǎng)，ＬＣ 為綜合土地利用動(dòng)態(tài)度，ｎ 為土地利用類型數(shù)量，ＬＵｉ 為研究期初第ｉ 類土地利用類型的面積，ΔＬＵｉ － ｊ 為研究時(shí)段內(nèi)第ｉ 類土地利用類型轉(zhuǎn)化為第ｊ 類土地利用類型面積的絕對(duì)值。

２．２ 生態(tài)系統(tǒng)服務(wù)價(jià)值評(píng)估

基于植被因子（ＮＰＰ、ＮＤＶＩ）和社會(huì)經(jīng)濟(jì)數(shù)據(jù)，對(duì)Ｃｏｓｔａｎｚａ 等［２］ 提出并由謝高地等［１３］ 改進(jìn)的生態(tài)系統(tǒng)服務(wù)價(jià)值當(dāng)量因子表進(jìn)行修正，以更準(zhǔn)確估算黃土高原地區(qū)生態(tài)系統(tǒng)服務(wù)價(jià)值。

式中：ＳＥＳＶ 為研究區(qū)某年的生態(tài)系統(tǒng)服務(wù)總價(jià)值；ａ 為采用ＡｒｃＧＩＳ 軟件Ｃｒｅａｔｅ ｆｉｓｈｎｅｔ 功能生成的網(wǎng)格單元編號(hào)，本文采用５ ｋｍ × ５ ｋｍ 的網(wǎng)格；Ａ 為網(wǎng)格單元總數(shù)；Ｓａｉ 為第ａ 個(gè)網(wǎng)格單元第ｉ 類土地利用類型的面積；Ｎａ 為第ａ 個(gè)網(wǎng)格單元的空間異質(zhì)性修正系數(shù)；Ｋ′ 為社會(huì)發(fā)展修正系數(shù)；Ｍａｉｐ 為第ａ 個(gè)網(wǎng)格單元第ｉ 類土地利用類型第ｐ 類生態(tài)系統(tǒng)服務(wù)的價(jià)值；ｍ 為生態(tài)系統(tǒng)服務(wù)類型數(shù)量。

不同地區(qū)相同類型生態(tài)系統(tǒng)內(nèi)部結(jié)構(gòu)和外部形態(tài)差異會(huì)導(dǎo)致生態(tài)系統(tǒng)服務(wù)價(jià)值不同。研究發(fā)現(xiàn)植被覆蓋度和生物量是影響生態(tài)系統(tǒng)服務(wù)功能的關(guān)鍵因素［１４］ ，因此以植被凈初級(jí)生產(chǎn)力（ＮＰＰ）和歸一化植被指數(shù)（ＮＤＶＩ）為指標(biāo)，對(duì)黃土高原生態(tài)系統(tǒng)服務(wù)價(jià)值進(jìn)行空間異質(zhì)性修正，實(shí)現(xiàn)價(jià)值當(dāng)量表從區(qū)域到網(wǎng)格尺度的轉(zhuǎn)換?？臻g異質(zhì)性修正系數(shù)Ｎ 為

式中：ＳＮＰＰａ 、ＳＮＰＰ ｍｅａｎ 分別為網(wǎng)格ａ 的植被凈初級(jí)生產(chǎn)力、研究區(qū)植被凈初級(jí)生產(chǎn)力均值，ＳＦＶＣａ 、ＳＦＶＣｍｅａｎ 分別為網(wǎng)格ａ 的植被覆蓋度、研究區(qū)植被覆蓋度均值，ＳＮＤＶＩｓｏｉｌ 為純土壤網(wǎng)格單元的ＮＤＶＩ 值，ＳＮＤＶＩｖｅｇ 為純植被網(wǎng)格單元的ＮＤＶＩ 值，ＳＮＤＶＩ 為網(wǎng)格單元的ＮＤＶＩ值。

黃土高原不同省域社會(huì)經(jīng)濟(jì)發(fā)展水平存在差異，通過(guò)查閱文獻(xiàn)［１５－１６］ ，以恩格爾系數(shù)和ＧＤＰ 為指標(biāo)，對(duì)黃土高原生態(tài)系統(tǒng)服務(wù)價(jià)值進(jìn)行社會(huì)發(fā)展空間異質(zhì)性修正，以此確保生態(tài)系統(tǒng)服務(wù)價(jià)值當(dāng)量與社會(huì)經(jīng)濟(jì)發(fā)展階段相符。社會(huì)發(fā)展修正系數(shù)為

式中：Ｗ 為支付生態(tài)系統(tǒng)服務(wù)價(jià)值意愿；Ａ 為支付生態(tài)系統(tǒng)服務(wù)價(jià)值能力；ＳＧＤＰ ｓｔ 、ＳＧＤＰ ｃｎ 分別為第ｔ 年研究區(qū)和全國(guó)人均ＧＤＰ；Ｅｎ 為恩格爾系數(shù)，Ｅｎ ＝Ｅｎｔ Ｕ＋Ｅｎｒ Ｒ，Ｅｎｔ、Ｅｎｒ分別為某年城鎮(zhèn)、農(nóng)村的恩格爾系數(shù)，Ｕ、Ｒ 分別為城鎮(zhèn)、農(nóng)村人口比例。

本文參考謝高地等［３］ 提出的生態(tài)系統(tǒng)服務(wù)價(jià)值當(dāng)量因子表等，通過(guò)研究區(qū)糧食產(chǎn)量和價(jià)格計(jì)算得到生態(tài)系統(tǒng)服務(wù)價(jià)值［１７］ 。為了使各研究年份之間具有可比性，采用２０２０ 年各糧食作物的產(chǎn)量和價(jià)格，糧食作物收益參照《全國(guó)農(nóng)產(chǎn)品成本收益資料匯編２０２１》，得到黃土高原生態(tài)系統(tǒng)單位價(jià)值量為１ ７６６．９２ 元／ｈｍ２。將此與生態(tài)系統(tǒng)服務(wù)當(dāng)量因子表相乘，得到修正后的生態(tài)系統(tǒng)服務(wù)單位面積價(jià)值系數(shù)，見(jiàn)表１。

２．３ 空間自相關(guān)分析

全局自相關(guān)性反映相鄰或相近單元屬性的空間相似程度，用于分析要素的集聚和離散程度［１８］ ，常用全局莫蘭指數(shù)Ｉ 表示。Ｉ 值范圍為［－１，１］，當(dāng)Ｉ＞０ 時(shí)，屬性值呈空間集聚性，且正相關(guān)；Ｉ＜０ 時(shí)，屬性值呈空間離散分布狀態(tài)，負(fù)相關(guān)；Ｉ ＝ ０ 時(shí)，表示空間不相關(guān)。局部空間自相關(guān)性（ＬＩＳＡ）可以揭示局部區(qū)域空間關(guān)聯(lián)性和異質(zhì)性，常用局部莫蘭指數(shù)表示。

２．４ 地理探測(cè)器

地理探測(cè)器可以探測(cè)空間分異性并揭示因變量與自變量之間的關(guān)系，本文采用因子探測(cè)器和交互探測(cè)器研究影響黃土高原生態(tài)系統(tǒng)服務(wù)價(jià)值空間分異性的主導(dǎo)因子及其交互作用。其中交互探測(cè)器用于識(shí)別兩個(gè)地理因子之間的交互作用，通過(guò)交互探測(cè)器可以確定兩個(gè)因子對(duì)生態(tài)系統(tǒng)服務(wù)價(jià)值的影響是增強(qiáng)還是減弱，或者彼此獨(dú)立。

２．５ 敏感性分析

生態(tài)系統(tǒng)服務(wù)價(jià)值敏感性主要反映生態(tài)系統(tǒng)服務(wù)價(jià)值對(duì)生態(tài)價(jià)值系數(shù)的依賴程度，若生態(tài)系統(tǒng)服務(wù)價(jià)值敏感性指數(shù)ＣＳ＞１，則表明生態(tài)系統(tǒng)服務(wù)價(jià)值對(duì)生態(tài)價(jià)值系數(shù)是富有彈性的；若ＣＳ＜１，則說(shuō)明是缺乏彈性的，計(jì)算公式［１９］ 為

式中：Ｓ′ＥＳＶ、Ｓ″ＥＳＶ 分別為生態(tài)系統(tǒng)服務(wù)初始總價(jià)值、生態(tài)價(jià)值系數(shù)調(diào)整以后的總價(jià)值，Ｓ′ＶＣｉ 、Ｓ″ＳＶｉ 分別為第ｉ 類土地利用類型的初始生態(tài)價(jià)值系數(shù)、調(diào)整后的生態(tài)價(jià)值系數(shù)。

３ 結(jié)果與分析

３．１ 土地利用變化

根據(jù)２０００ 年、２０１０ 年和２０２０ 年黃土高原土地利用狀況，草地、耕地和林地是黃土高原主要的土地利用類型，２０２０ 年面積占比分別為４１． ５７％、３０． ７０％ 和１５．６３％；未利用地、建設(shè)用地和水域占比相對(duì)較小。草地和耕地呈交錯(cuò)分布格局，不存在大面積同一土地利用類型連續(xù)分布。草地主要位于鄂爾多斯、內(nèi)蒙古沙漠地區(qū)、陜西中北部丘陵溝壑區(qū)，以及寧夏中南部和甘肅大部分地區(qū)。林地主要分布在研究區(qū)東南部，集聚在陜西中部、山西中部以及河南西部。耕地主要分布在研究區(qū)東南部和西北部。水域零星分布于整個(gè)研究區(qū)。

２０００—２０１０ 年林地、草地和建設(shè)用地面積均呈增加趨勢(shì)，其中建設(shè)用地面積增加最顯著，增加６ ６２２．１ｋｍ２；耕地、未利用地和水域面積呈下降趨勢(shì)，耕地減少最顯著，減少７ ６１８．０ ｋｍ２。耕地、建設(shè)用地、林地、未利用地、草地、水體的單一土地利用動(dòng)態(tài)度分別為－０．３７％、４．３９％、０．３３％、－０．５９％、０．０２％、－０．３１％，綜合土地利用動(dòng)態(tài)度為０．４８％。

２０１０—２０２０ 年，耕地面積減少５ ４８６．０ ｋｍ２，建設(shè)用地面積增加４ ８６０．７ ｋｍ２，草地面積減少，未利用地、水體、林地面積增加。耕地、建設(shè)用地、草地、未利用地、水域、林地的單一土地利用動(dòng)態(tài)度分別為－０．２７％、２．２４％、－０．０４％、０．１９％、０．７０％、０．０３％，綜合土地利用動(dòng)態(tài)度為０．３４％。

２０００—２０２０ 年，耕地、未利用地和草地面積呈減少趨勢(shì)，分別減少１３ １０４．０、１ ７５３．０、４９９．０ ｋｍ２；建設(shè)用地、林地和水域面積呈增加趨勢(shì)，分別增加了１１ ４８２．８、３ ５３８．５、３１７．４ ｋｍ２。耕地、林地、草地、水域、建設(shè)用地和未利用地的單一土地利用動(dòng)態(tài)度分別為－０．３１％、０．１８％、－０．０１％、０．１８％、３．８０％、０．２０％，綜合土地利用動(dòng)態(tài)度為０．２３％。

２０００—２０２０ 年土地利用總轉(zhuǎn)移面積為５７ ６１１．２１ｋｍ２，約占研究區(qū)總面積的９．０７％。轉(zhuǎn)出的土地利用類型主要為耕地、草地、林地，轉(zhuǎn)入的土地利用類型主要為草地、建設(shè)用地、耕地、林地。草地轉(zhuǎn)移為耕地和林地的面積分別為８ ２９８．１９、４ ３４０．９０ ｋｍ２，分別占轉(zhuǎn)出草地面積的４３．６８％、２２．８５％；轉(zhuǎn)移為草地的地類中，耕地占比達(dá)６６．１４％，表明耕地與草地之間的相互轉(zhuǎn)移較顯著。耕地轉(zhuǎn)移為草地、建設(shè)用地、林地的面積分別為１２ ２３９．６７、８ ０６０．９８、３ ５４８．０５ ｋｍ２。轉(zhuǎn)移為林地的地類中，草地、耕地占比分別為５１．４８％、４２．０８％。轉(zhuǎn)移為建設(shè)用地的面積僅次于草地，主要來(lái)源是耕地和草地，表明２０００—２０２０ 年城鎮(zhèn)化進(jìn)程迅速發(fā)展。

３．２ 生態(tài)系統(tǒng)服務(wù)價(jià)值

３．２．１ 敏感性分析

各土地利用類型的生態(tài)價(jià)值系數(shù)經(jīng)±５０％調(diào)整后，黃土高原生態(tài)系統(tǒng)服務(wù)價(jià)值敏感性指數(shù)均小于１（見(jiàn)表２），從高到低排序?yàn)椴莸兀玖值兀靖兀剿颍疚蠢玫?。表明研究區(qū)生態(tài)系統(tǒng)服務(wù)價(jià)值對(duì)生態(tài)價(jià)值系數(shù)變化缺乏彈性，研究結(jié)果是合理、可靠的。

３．２．２ 生態(tài)系統(tǒng)服務(wù)價(jià)值分析

由表３ 可知，２０００ 年、２０１０ 年和２０２０ 年黃土高原ＳＥＳＶ分別為７ ５６５．５４ 億、１１ ４７３．２６ 億、１４ ３３５．５１ 億元，黃土高原ＳＥＳＶ 和各土地利用類型的ＳＥＳＶ 均呈增加趨勢(shì)，研究時(shí)段內(nèi)黃土高原ＳＥＳＶ總共增長(zhǎng)了８９．４８％。草地面積平均占總面積的４１．６６％，草地ＳＥＳＶ平均占比為３９．２７％；林地面積平均占總面積的１５．４３％，林地ＳＥＳＶ平均占比為３７．１２％；水體面積平均僅占總面積的１．３８％，水域ＳＥＳＶ平均占比為１１．６２％；耕地和未利用地的ＳＥＳＶ平均占比較小，分別為１１．７９％、０．２０％。

在生態(tài)系統(tǒng)服務(wù)功能中，調(diào)節(jié)服務(wù)價(jià)值最大，平均占黃土高原ＳＥＳＶ 的６４．８８％，其次是支持服務(wù)、供應(yīng)服務(wù)、文化服務(wù)，其平均占比分別為２２．０３％、９．１１％、３．９８％，見(jiàn)表４。調(diào)節(jié)服務(wù)和支持服務(wù)３ ａ 平均占黃土高原ＳＥＳＶ的８６．９１％，在區(qū)域生態(tài)系統(tǒng)中發(fā)揮著至關(guān)重要的作用。研究區(qū)各生態(tài)系統(tǒng)服務(wù)的價(jià)值均呈增加趨勢(shì)，但不同生態(tài)系統(tǒng)服務(wù)功能之間的變化幅度存在顯著差異，在所有生態(tài)服務(wù)類型的價(jià)值中，水文調(diào)節(jié)、氣候調(diào)節(jié)、土壤保持貢獻(xiàn)最顯著，其平均占比分別為２５．８９％、２２．１５％和１２．１３％。

３．２．３ 生態(tài)服務(wù)價(jià)值空間差異

２０００—２０２０ 年，ＳＥＳＶ 高值逐漸從南部和東部擴(kuò)展至中部，見(jiàn)圖１?；冢?ｋｍ×５ ｋｍ 網(wǎng)格，將黃土高原ＳＥＳＶ分為６ 個(gè)等級(jí)，分別為極低值區(qū)（０，３ ４００）萬(wàn)元、低值區(qū)［３ ４００，６ ７００）萬(wàn)元、中低值區(qū)［６ ７００，１０ ９００）萬(wàn)元、中值區(qū)［１０ ９００，１５ ７００）萬(wàn)元、中高值區(qū)［１５ ７００，２４ ６００）萬(wàn)元、高值區(qū)［２４ ６００，４６ ７００）萬(wàn)元。２０００ 年榆林市、內(nèi)蒙古自治區(qū)和甘肅省各市州主要屬ＳＥＳＶ 極低值區(qū)。陜西省各城市、青海省和山西省部分城市屬ＳＥＳＶ低值區(qū)，２０００ 年這些城市ＳＥＳＶ均小于１０ ９００ 萬(wàn)元。２０１０ 年和２０２０ 年的空間分布格局與２０００ 年的相似。研究區(qū)黃河、汾河、涇河、渭河等水域所在地區(qū)ＳＥＳＶ 明顯大于其他地區(qū)的。

３．２．４ 生態(tài)系統(tǒng)服務(wù)價(jià)值空間異質(zhì)性

２０００ 年、２０１０ 年、２０２０ 年全局莫蘭指數(shù)分別為０．７８５、０．７８４、０．７５９，通過(guò)了顯著性水平０．００１ 的顯著性檢驗(yàn)，研究期全局莫蘭指數(shù)略有下降，表明空間集聚性減弱。研究區(qū)ＳＥＳＶ 主要分布在第一象限（高高集聚）和第三象限（低低集聚），表明黃土高原ＳＥＳＶ 的空間分布具有集聚特征，第二象限（低高集聚）和第四象限（高低集聚）的點(diǎn)分布較少，見(jiàn)圖２（其中ＳＥＳＶ標(biāo)準(zhǔn)值為網(wǎng)格ＳＥＳＶ與ＳＥＳＶ均值的偏差，ＳＥＳＶ空間滯后值為網(wǎng)格ＳＥＳＶ與鄰近網(wǎng)格ＳＥＳＶ空間加權(quán)后的平均值，第三象限很多點(diǎn)重合，未直觀顯示）。第三象限各點(diǎn)分布密集，表明低ＳＥＳＶ網(wǎng)格之間差異較小；第一象限點(diǎn)分布較為分散，表明高ＳＥＳＶ網(wǎng)格之間存在一定差異；第二象限和第四象限變化幅度較小，但出現(xiàn)了一些離散點(diǎn)，說(shuō)明在ＳＥＳＶ高低值交錯(cuò)分布區(qū)域，部分網(wǎng)格與周圍網(wǎng)格ＳＥＳＶ存在顯著差異。

從ＬＩＳＡ 聚類圖上可以有效識(shí)別ＳＥＳＶ 空間聚類特征，基于聚類結(jié)果，將研究區(qū)劃分為５ 類：高高集聚、低低集聚、低高集聚、高低集聚和不顯著。２０００ 年、２０１０年和２０２０ 年，黃土高原ＳＥＳＶ空間集聚主要表現(xiàn)為高高集聚和低低集聚，不同年份之間差異不顯著，見(jiàn)圖３。研究區(qū)東南部、東部和南部呈高高集聚，西北部、西部和中部呈低低集聚，高低集聚、低高集聚不明顯。２０００—２０２０ 年，陜西榆林和甘肅白銀低低集聚區(qū)范圍縮小，內(nèi)蒙古鄂爾多斯和巴彥淖爾低低集聚區(qū)范圍擴(kuò)大，同時(shí)在研究區(qū)南部和東部等局部地區(qū)擴(kuò)散，青海省海北藏族自治州和山西省忻州高高集聚區(qū)范圍縮小，而研究區(qū)低高集聚和高低集聚區(qū)變化不明顯。

３．２．５ 生態(tài)系統(tǒng)服務(wù)價(jià)值空間分異驅(qū)動(dòng)因素

由表５ 可見(jiàn)，各因子對(duì)ＳＥＳＶ 空間分異影響力ｑ 由大到小依次為ＮＤＶＩ＞年降水量＞ＮＰＰ ＝土地利用程度＞生態(tài)用地面積占比＞土壤類型＞牲畜數(shù)量＞坡度＞糧食播種面積＞海拔＞距鐵路距離＞距主要公路距離＞年平均氣溫＞距主要河流距離＞人均ＧＤＰ＞人口密度；所有參數(shù)均通過(guò)顯著性檢驗(yàn)。自然因子為主要驅(qū)動(dòng)因子，與植被（ＮＤＶＩ、ＮＰＰ）相關(guān)的因子ｑ 均大于０．３５，與降水相關(guān)的因子ｑ 大于０．３８。社會(huì)經(jīng)濟(jì)因子的影響相對(duì)較小，但生態(tài)用地面積占比和土地利用程度的ｑ 等于或大于０．３０，表明土地利用對(duì)研究區(qū)ＳＥＳＶ 空間分異影響力較大；糧食播種面積、牲畜數(shù)量、距鐵路距離和距主要公路距離的ｑ 均大于０．０３；距主要河流的距離、人均ＧＤＰ、人口密度等因子的影響力較小。

由表６ 可見(jiàn)，區(qū)域ＳＥＳＶ 空間分異受多個(gè)因子交互影響，而非單個(gè)因子驅(qū)動(dòng)。土地利用程度和ＮＤＶＩ 交互作用對(duì)生態(tài)系統(tǒng)服務(wù)價(jià)值空間分異的影響力最強(qiáng)，ｑ為０．７４１，其次是生態(tài)用地面積占比和ＮＤＶＩ 的交互作用，ｑ 為０．７３４。生態(tài)用地面積占比和ＮＰＰ、土地利用程度和ＮＰＰ 的ｑ 均大于０．７０。ＮＤＶＩ 與坡度、年降水量、年平均氣溫和土壤類型等自然因子的交互作用，以及ＮＤＶＩ 與人均ＧＤＰ、人口密度、糧食播種面積等社會(huì)經(jīng)濟(jì)因子的交互作用對(duì)生態(tài)系統(tǒng)服務(wù)價(jià)值空間分異的影響力均大于０．５０；ＮＰＰ 與１５ 個(gè)因子之間交互作用的ｑ 均大于０．５０，表明ＮＤＶＩ 和ＮＰＰ 與其他因子的交互作用會(huì)增強(qiáng)對(duì)生態(tài)系統(tǒng)服務(wù)價(jià)值空間分異的影響力。社會(huì)經(jīng)濟(jì)因子中的生態(tài)用地面積占比和土地利用程度交互作用，也對(duì)生態(tài)系統(tǒng)服務(wù)價(jià)值的空間分異產(chǎn)生了重要影響。因此，黃土高原地區(qū)生態(tài)系統(tǒng)服務(wù)價(jià)值空間分異受自然因子和社會(huì)經(jīng)濟(jì)因子的共同影響。

４ 討論

４．１ 土地利用與生態(tài)系統(tǒng)服務(wù)價(jià)值的相互作用

土地利用變化，林地和草地面積增加對(duì)ＳＥＳＶ 的提高產(chǎn)生了積極影響［２０－２２］ 。林地和水體面積增加，耕地面積顯著減少， 對(duì)區(qū)域ＳＥＳＶ 也產(chǎn)生了重要影響。２０００—２０２０ 年研究區(qū)ＳＥＳＶ增大了約８９．４８％，相較于其他研究結(jié)果［２３－２４］ 略高，這可能是本文修正了生態(tài)系統(tǒng)服務(wù)價(jià)值當(dāng)量因子，考慮了自然因子和社會(huì)經(jīng)濟(jì)因子對(duì)生態(tài)系統(tǒng)服務(wù)價(jià)值的影響引起的。除了“退耕還林還草”工程，城市化進(jìn)程也成為影響生態(tài)系統(tǒng)服務(wù)價(jià)值的主要因素。不同土地利用類型之間的轉(zhuǎn)化主要集中在林地、耕地和草地，凈轉(zhuǎn)入面積最大的是建設(shè)用地，其次是林地和水體；凈轉(zhuǎn)出面積最大的是耕地，其次是未利用地和耕地。由于單位面積建設(shè)用地的ＳＥＳＶ 為０，因此建設(shè)用地的大幅增加必然會(huì)對(duì)區(qū)域ＳＥＳＶ帶來(lái)負(fù)面影響。研究表明，“退耕還林還草”期間土地利用變化較為復(fù)雜，因此必須制定合理的發(fā)展策略，以協(xié)調(diào)生態(tài)保護(hù)與城市擴(kuò)張之間的關(guān)系。

４．２ 生態(tài)系統(tǒng)服務(wù)價(jià)值空間分異的驅(qū)動(dòng)機(jī)制

通過(guò)交互探測(cè)發(fā)現(xiàn)，與單一驅(qū)動(dòng)因子相比，雙因子交互對(duì)ＳＥＳＶ 分異的影響更顯著［２５］ 。從人地關(guān)系角度來(lái)看，土地利用相關(guān)驅(qū)動(dòng)因子在空間分異中起到了至關(guān)重要的作用，ＮＤＶＩ、降水、ＮＰＰ、土地利用程度、生態(tài)用地面積占比對(duì)生態(tài)系統(tǒng)服務(wù)價(jià)值的影響較為顯著。ＮＤＶＩ 和ＮＰＰ 密切相關(guān)，是驅(qū)動(dòng)ＳＥＳＶ 空間分異的主導(dǎo)因素，其中ＮＤＶＩ 是反映植被生長(zhǎng)狀況的指標(biāo)，對(duì)ＳＥＳＶ至關(guān)重要，這與其他研究結(jié)果一致［２６－２７］ ；降水通過(guò)影響物種空間格局和生態(tài)群落發(fā)展來(lái)驅(qū)動(dòng)生態(tài)系統(tǒng)服務(wù)功能；生態(tài)用地單位面積ＳＥＳＶ 顯著超過(guò)耕地和未利用地，是區(qū)域ＳＥＳＶ的重要組成部分；土地利用程度作為人類活動(dòng)的標(biāo)志，對(duì)黃土高原ＳＥＳＶ影響顯著。在黃土高原地區(qū)開(kāi)展生態(tài)系統(tǒng)優(yōu)化和生態(tài)風(fēng)險(xiǎn)管理實(shí)踐時(shí)，應(yīng)綜合考慮不同驅(qū)動(dòng)因子的特征及其協(xié)同作用，選擇與區(qū)域自然資源和社會(huì)經(jīng)濟(jì)發(fā)展相適應(yīng)的土地利用政策。

５ 結(jié)論

采用改進(jìn)的單位面積生態(tài)系統(tǒng)服務(wù)價(jià)值當(dāng)量因子法和地理探測(cè)器模型，分析了黃土高原ＳＥＳＶ 時(shí)空變化特征及其驅(qū)動(dòng)因素。２０２０ 年草地、耕地和林地面積占比分別為４１．５７％、３０．７０％、１５．６３％，與２０００ 年相比，耕地面積顯著減少，草地面積減少，建設(shè)用地和林地面積增加。區(qū)域ＳＥＳＶ持續(xù)增加，２０００ 年、２０１０ 年、２０２０ 年研究區(qū)ＳＥＳＶ 分別為７ ５６５． ５４ 億、１１ ４７３． ２６ 億、１４ ３３５．５１億元。在生態(tài)系統(tǒng)服務(wù)功能中，調(diào)節(jié)服務(wù)價(jià)值最大，其次是支持服務(wù)，在所有生態(tài)服務(wù)類型的價(jià)值中，水文調(diào)節(jié)、氣候調(diào)節(jié)、土壤保持的價(jià)值較大。ＳＥＳＶ空間分異是自然因子和社會(huì)經(jīng)濟(jì)因子共同作用的結(jié)果，ＮＤＶＩ、ＮＰＰ、降水等自然因子和生態(tài)用地面積占比、土地利用程度等社會(huì)經(jīng)濟(jì)因子是主要影響因子，多因子交互作用顯著增強(qiáng)了區(qū)域生態(tài)系統(tǒng)服務(wù)價(jià)值的空間分異。

參考文獻(xiàn)：

［１］ ＣＯＳＴＡＮＺＡ Ｒ，ＤＥ ＧＲＯＯＴ Ｒ，ＢＲＡＡＴ Ｌ，ｅｔ ａｌ．Ｔｗｅｎｔｙ Ｙｅａｒｓ ｏｆ Ｅｃｏｓｙｓｔｅｍ Ｓｅｒｖｉｃｅｓ：Ｈｏｗ Ｆａｒ Ｈａｖｅ Ｗｅ Ｃｏｍｅ ａｎｄ Ｈｏｗ Ｆａｒ Ｄｏ Ｗｅ Ｓｔｉｌｌ Ｎｅｅｄ ｔｏ Ｇｏ？ ［Ｊ］．Ｅｃｏｓｙｓｔｅｍ Ｓｅｒｖｉｃｅｓ，２０１７，２８：１－１６．

［２］ ＣＯＳＴＡＮＺＡ Ｒ，Ｄ’ＡＲＧＥ Ｒ，ＤＥ ＧＲＯＯＴ Ｒ，ｅｔ ａｌ．Ｔｈｅ Ｖａｌｕｅ ｏｆ ｔｈｅ Ｗｏｒｌｄ’ｓ Ｅｃｏｓｙｓｔｅｍ Ｓｅｒｖｉｃｅｓ ａｎｄ Ｎａｔｕｒａｌ Ｃａｐｉｔａｌ［Ｊ］．Ｎａｔｕｒｅ，１９９７，３８７：２５３－２６０．

［３］ 謝高地，張彩霞，張雷明，等．基于單位面積價(jià)值當(dāng)量因子的生態(tài)系統(tǒng)服務(wù)價(jià)值化方法改進(jìn)［Ｊ］．自然資源學(xué)報(bào)，２０１５，３０（８）：１２４３－１２５４．

［４］ 黃木易，方斌，岳文澤，等．近２０ ａ 來(lái)巢湖流域生態(tài)服務(wù)價(jià)值空間分異機(jī)制的地理探測(cè)［Ｊ］． 地理研究，２０１９，３８（１１）：２７９０－２８０３．

［５］ ＳＨＯＫＯ Ｃ，ＭＵＴＡＮＧＡ Ｏ，ＤＵＢＥ Ｔ．Ｒｅｍｏｔｅｌｙ Ｓｅｎｓｅｄ Ｃ３ ａｎｄ Ｃ４ Ｇｒａｓｓ Ｓｐｅｃｉｅｓ Ａｂｏｖｅｇｒｏｕｎｄ Ｂｉｏｍａｓｓ Ｖａｒｉａｂｉｌｉｔｙ ｉｎ Ｒｅ?ｓｐｏｎｓｅ ｔｏ Ｓｅａｓｏｎａｌ Ｃｌｉｍａｔｅ ａｎｄ Ｔｏｐｏｇｒａｐｈｙ［Ｊ］．Ａｆｒｉｃａｎ Ｊｏｕｒ?ｎａｌ ｏｆ Ｅｃｏｌｏｇｙ，２０１９，５７（４）：４７７－４８９．

［６］ 郭椿陽(yáng)，高尚，周伯燕，等．基于格網(wǎng)的伏牛山區(qū)土地利用變化對(duì)生態(tài)服務(wù)價(jià)值影響研究［Ｊ］．生態(tài)學(xué)報(bào)，２０１９，３９（１０）：３４８２－３４９３．

［７］ 王若思，潘洪義，劉翊涵，等．基于動(dòng)態(tài)當(dāng)量的樂(lè)山市生態(tài)系統(tǒng)服務(wù)價(jià)值時(shí)空演變及驅(qū)動(dòng)力研究［Ｊ］．生態(tài)學(xué)報(bào)，２０２２，４２（１）：７６－９０．

［８］ 冉鳳維，羅志軍，曹麗萍，等．南昌市生態(tài)服務(wù)價(jià)值變化及其驅(qū)動(dòng)因素分析［Ｊ］．水土保持研究，２０１８，２５（３）：１７７－１８３．

［９］ 鄧靈稚，楊振華，蘇維詞．城市化背景下重慶市水生態(tài)系統(tǒng)服務(wù)價(jià)值評(píng)估及其影響因子分析［Ｊ］．水土保持研究，２０１９，２６（４）：２０８－２１６．

［１０］ ＤＥＮＧ Ｌ，ＬＩＵ Ｇ，ＳＨＡＮＧ Ｇ Ｚ．Ｌａｎｄ?Ｕｓｅ Ｃｏｎｖｅｒｓｉｏｎ ａｎｄ Ｃｈａｎ?ｇｉｎｇ Ｓｏｉｌ Ｃａｒｂｏｎ Ｓｔｏｃｋｓ ｉｎ Ｃｈｉｎａ’ｓ “Ｇｒａｉｎ ‐ ｆｏｒ ‐ Ｇｒｅｅｎ” Ｐｒｏｇｒａｍ：Ａ Ｓｙｎｔｈｅｓｉｓ ［Ｊ］． Ｇｌｏｂａｌ Ｃｈａｎｇｅ Ｂｉｏｌｏｇｙ，２０１４，２０（１１）：３５４４－３５５６．

［１１］ ＷＡＮＧ Ｘ，ＷＵ Ｊ，ＬＩＵ Ｙ，ｅｔ ａｌ．Ｄｒｉｖｉｎｇ Ｆａｃｔｏｒｓ ｏｆ Ｅｃｏｓｙｓｔｅｍ Ｓｅｒｖｉｃｅｓ ａｎｄ Ｔｈｅｉｒ Ｓｐａｔｉｏｔｅｍｐｏｒａｌ Ｃｈａｎｇｅ Ａｓｓｅｓｓｍｅｎｔ Ｂａｓｅｄ ｏｎ Ｌａｎｄ Ｕｓｅ Ｔｙｐｅｓ ｉｎ ｔｈｅ Ｌｏｅｓｓ Ｐｌａｔｅａｕ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆ Ｅｎｖｉｒｏｎｍｅｎｔａｌ Ｍａｎａｇｅｍｅｎｔ，２０２２，３１１：１１４８３５．

［１２］ 劉霞，郭澍，王琳．區(qū)域一體化地區(qū)的土地利用與生態(tài)服務(wù)價(jià)值研究：以雙萊先行區(qū)為例［Ｊ］．生態(tài)環(huán)境學(xué)報(bào)，２０２３，３２（６）：１１６３－１１７２．

［１３］ 謝高地，甄霖，魯春霞，等．一個(gè)基于專家知識(shí)的生態(tài)系統(tǒng)服務(wù)價(jià)值化方法［Ｊ］．自然資源學(xué)報(bào)，２００８，２３（５）：９１１－９１９．

［１４］ 張瑜，趙曉麗，左麗君，等．黃土高原生態(tài)系統(tǒng)服務(wù)價(jià)值動(dòng)態(tài)評(píng)估與分析［Ｊ］．水土保持研究，２０１８，２５（３）：１７０－１７６．

［１５］ ＳＵ Ｋ，ＷＥＩ Ｄ，ＬＩＮ Ｗ．Ｅｖａｌｕａｔｉｏｎ ｏｆ Ｅｃｏｓｙｓｔｅｍ Ｓｅｒｖｉｃｅｓ Ｖａｌｕｅ ａｎｄ Ｉｔｓ Ｉｍｐｌｉｃａｔｉｏｎｓ ｆｏｒ Ｐｏｌｉｃｙ Ｍａｋｉｎｇ ｉｎ Ｃｈｉｎａ：Ａ Ｃａｓｅ Ｓｔｕｄｙ ｏｆ Ｆｕｊｉａｎ Ｐｒｏｖｉｎｃｅ［Ｊ］．Ｅｃｏｌｏｇｉｃａｌ Ｉｎｄｉｃａｔｏｒｓ，２０２０，１０８：１０５７５２．

［１６］ 吳淼，康琦，程永輝，等．西安都市圈生態(tài)系統(tǒng)服務(wù)價(jià)值演變及其與經(jīng)濟(jì)發(fā)展協(xié)調(diào)性［Ｊ］．人民黃河，２０２３，４５（７）：９７－１０２．

［１７］ 謝高地，魯春霞，冷允法，等．青藏高原生態(tài)資產(chǎn)的價(jià)值評(píng)估［Ｊ］．自然資源學(xué)報(bào)，２００３，１８（２）：１８９－１９６．

［１８］ 危小建，趙莉，程朋根，等．中國(guó)土地利用與生態(tài)服務(wù)價(jià)值空間動(dòng)態(tài)研究：以地級(jí)及以上城市為例［Ｊ］．水土保持研究，２０２２，２９（４）：３７０－３７６．

［１９］ 熊鷹，張方明，龔長(zhǎng)安，等．ＬＵＣＣ 影響下湖南省生態(tài)系統(tǒng)服務(wù)價(jià)值時(shí)空演變［Ｊ］．長(zhǎng)江流域資源與環(huán)境，２０１８，２７（６）：１３９７－１４０８．

［２０］ ＧＵＯ Ｐ，ＺＨＡＮＧ Ｆ，ＷＡＮＧ Ｈ．Ｔｈｅ Ｒｅｓｐｏｎｓｅ ｏｆ Ｅｃｏｓｙｓｔｅｍ Ｓｅｒｖｉｃｅ Ｖａｌｕｅ ｔｏ Ｌａｎｄ Ｕｓｅ Ｃｈａｎｇｅ ｉｎ ｔｈｅ Ｍｉｄｄｌｅ ａｎｄ Ｌｏｗｅｒ Ｙｅｌｌｏｗ Ｒｉｖｅｒ：Ａ Ｃａｓｅ Ｓｔｕｄｙ ｏｆ ｔｈｅ Ｈｅｎａｎ Ｓｅｃｔｉｏｎ［Ｊ］．Ｅｃｏ?ｌｏｇｉｃａｌ Ｉｎｄｉｃａｔｏｒｓ，２０２２，１４０：１０９０１９．

［２１］ ＳＵ Ｃ，ＦＵ Ｂ．Ｅｖｏｌｕｔｉｏｎ ｏｆ Ｅｃｏｓｙｓｔｅｍ Ｓｅｒｖｉｃｅｓ ｉｎ ｔｈｅ Ｃｈｉｎｅｓｅ Ｌｏｅｓｓ Ｐｌａｔｅａｕ Ｕｎｄｅｒ Ｃｌｉｍａｔｉｃ ａｎｄ Ｌａｎｄ Ｕｓｅ Ｃｈａｎｇｅｓ［Ｊ］．Ｇｌｏｂａｌ ａｎｄ Ｐｌａｎｅｔａｒｙ Ｃｈａｎｇｅ，２０１３，１０１：１１９－１２８．

［２２］ 孫才志，郝帥．黃河流域生態(tài)系統(tǒng)服務(wù)價(jià)值核算及生態(tài)管理分區(qū)［Ｊ］．人民黃河，２０２４，４６（９）：９０－９８．

［２３］ ＬＩＵ Ｌ，ＺＨＡＮＧ Ｈ，ＺＨＡＮＧ Ｙ，ｅｔ ａｌ．Ｓｐａｔｉｏｔｅｍｐｏｒａｌ Ｈｅｔｅｒｏ?ｇｅｎｅｉｔｙ Ｃｏｒｒｅｃｔｉｏｎ ｉｎ Ｌａｎｄ Ｅｃｏｓｙｓｔｅｍ Ｓｅｒｖｉｃｅｓ ａｎｄ Ｉｔｓ Ｖａｌｕｅ Ａｓｓｅｓｓｍｅｎｔ：Ａ Ｃａｓｅ Ｓｔｕｄｙ ｏｆ ｔｈｅ Ｌｏｅｓｓ Ｐｌａｔｅａｕ ｏｆ Ｃｈｉｎａ［Ｊ］．Ｅｎｖｉｒｏｎｍｅｎｔａｌ Ｓｃｉｅｎｃｅ ａｎｄ Ｐｏｌｌｕｔｉｏｎ Ｒｅｓｅａｒｃｈ，２０２３，３０（１６）：４７５６１－４７５７９．

［２４］ 張瑜，趙曉麗，左麗君，等．黃土高原土地利用變化對(duì)生態(tài)系統(tǒng)服務(wù)價(jià)值的影響［Ｊ］．國(guó)土資源遙感，２０１９，３１（３）：１３２－１３９．

［２５］ 李魁明，王曉燕，姚羅蘭，等．京津冀地區(qū)生態(tài)系統(tǒng)服務(wù)價(jià)值時(shí)空變化及驅(qū)動(dòng)因子分析［Ｊ］．環(huán)境工程技術(shù)學(xué)報(bào)，２０２２，１２（４）：１１１４－１１２２．

［２６］ 李紫健，陳江平，張偉康，等．湖北省生態(tài)系統(tǒng)服務(wù)價(jià)值演變及影響因素分析［Ｊ］．測(cè)繪科學(xué)，２０２３，４８（１）：２４５－２５７．

［２７］ ＺＨＡＮＧ Ｋ，ＦＥＮＧ Ｒ，ＨＡＮ Ｊ，ｅｔ ａｌ．Ｔｅｍｐｏｒａｌ ａｎｄ Ｓｐａｔｉａｌ Ｄｉｆｆｅｒｅｎｔｉａｔｉｏｎ Ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｏｆ Ｅｃｏｓｙｓｔｅｍ Ｓｅｒｖｉｃｅ Ｖａｌｕｅｓ Ｂａｓｅｄ ｏｎ ｔｈｅ Ｅｃｏｇｅｏｇｒａｐｈｉｃａｌ Ｄｉｖｉｓｉｏｎ ｏｆ Ｃｈｉｎａ：Ａ Ｃａｓｅ Ｓｔｕｄｙ ｉｎ ｔｈｅ Ｙｅｌｌｏｗ Ｒｉｖｅｒ Ｂａｓｉｎ，Ｃｈｉｎａ［Ｊ］．Ｅｎｖｉｒｏｎｍｅｎｔａｌ Ｓｃｉｅｎｃｅ ａｎｄ Ｐｏｌｌｕｔｉｏｎ Ｒｅｓｅａｒｃｈ，２０２３，３０（３）：８３１７－８３３７．

【責(zé)任編輯 呂艷梅】

基金項(xiàng)目：新疆維吾爾自治區(qū)寒旱區(qū)水資源與生態(tài)水利工程研究中心（院士專家工作站）資助項(xiàng)目（２０２４．Ｂ－００１）；河南省科技攻關(guān)項(xiàng)目（２４２１０２３２０３２２）；河南省自然科學(xué)基金面上項(xiàng)目（２３２３００４２１２４９）