Multi-scale characteristics and driving factors of trade-off / synergy of ecosystem services in the ecological conservation area of western Beijing

doi:10.7522/j.issn.1000-694X.2025.00136

Journal of Desert Research ›› 2025, Vol. 45 ›› Issue (6): 206-219.DOI: 10.7522/j.issn.1000-694X.2025.00136

Multi-scale characteristics and driving factors of trade-off / synergy of ecosystem services in the ecological conservation area of western Beijing

Lutong Wan¹(), Xiaodan Liu², Hanqing Guo¹(), Wanlai Xue², Kexuan Liu², Jin Li³, Lili Wang⁴, Honghao Liu⁵

^1.College of Forestry，Shanxi Agricultural University，Taigu 030801，Shanxi，China
^2.Beijing Institute of Water Science and Technology，Beijing 100048，China
^3.Beijing Center for Water Ecological Protection and Soil and Water Conservation，Beijing 101117，China
^4.Beijing North Canal Management Office，Beijing 101100，China
^5.Fengtai District Water Supply and Drainage Management Office，Beijing 101100，China

Received:2025-04-11 Revised:2025-06-26 Online:2025-11-20 Published:2025-11-26
Contact: Hanqing Guo

Abstract

Abstract:

Exploring the dynamic changes and driving mechanisms of ecosystem service functions can provide scientific references for the implementation of regional ecosystem protection and restoration. A large number of studies have described the trade-offs and synergies of ecosystem services within a single scale in a region， but research on the trade-offs and synergies of ecosystem services at multiple scales and the differences in the impacts among multiple ecosystem services is still lacking. This paper takes the ecological conservation area of western Beijing as the research object， uses four periods of remote sensing data from 2000， 2010， 2020， and 2023， and quantifies four major ecosystem service functions， including water yield， carbon storage， soil retention， and habitat quality， using models such as InVEST. The Geographically Weighted Regression model and the Optimal Geodetector model are used to analyze the trade-offs and synergies at different scales. The results show that：（1） From 2000 to 2023， the habitat quality in the ecological conservation area of western Beijing remained basically unchanged， while water yield and soil retention increased by 2.96×10⁸ m³ and 1.69×10⁸ t respectively， and carbon storage decreased by 3×10⁶ t. The areas with the most significant reduction mainly involved Xiaoyunling Township， Liangzhuang Township， and Douzhen Town in Fangshan District. Spatially， the high-value areas of ecosystem services were mainly distributed in the northern and northwestern parts of the study area， while the low-value areas were mainly located in the southeastern part. （2） Overall， the ecosystem services in the ecological conservation area of western Beijing were mainly synergistic； spatially， the area of synergy between each service was greater than the area of trade-off， and the area of trade-off decreased continuously with the expansion of the scale. （3） Elevation and evapotranspiration were the main factors affecting the trade-offs and synergies of ecosystem services in the study area， and the interaction between each factor and elevation and annual average evapotranspiration showed strong explanatory power. The research results reveal the spatio-temporal evolution trend of the ecosystem service supply capacity in the ecological conservation area of western Beijing， as well as the degree of trade-offs and synergies among ecosystem services at different scales， providing a scientific basis for the ecological protection and restoration of the ecological conservation area of western Beijing.

Key words: InVEST model, ecosystem service function, trade-off/synergy, driving factors, western Beijing

CLC Number:

Q146

Lutong Wan, Xiaodan Liu, Hanqing Guo, Wanlai Xue, Kexuan Liu, Jin Li, Lili Wang, Honghao Liu. Multi-scale characteristics and driving factors of trade-off / synergy of ecosystem services in the ecological conservation area of western Beijing[J]. Journal of Desert Research, 2025, 45(6): 206-219.

Figures/Tables 10

Fig.1 Overview of the study area

Table 1 Data source and processing table

输入数据	数据来源	数据处理
土地利用数据	Landsat卫星影像数据解译	根据《土地利用现状分类》(GB/T21010—2017)将土地利用类型分为六大类
高程（DEM）	地理空间数据云平台(http://www.gscloud.cn)	利用ArcGIS计算坡度、坡向
夜间灯光数据（OLS）	国家地球系统科学数据中心	利用ArcGIS提取研究区范围
气候数据	国家青藏高原科学数据中心(tpdc.ac.cn)	包括温度、降水、蒸散量
植物可用水分含量数据	世界土壤数据库(http://www.fao.org/nr/land/soils/harmonized-worldsoil-database/en/)	根据经验估算模型计算^[15]
流域/子流域	地理空间数据云平台(http:// www.gscloud.cn)	通过DEM数据获取
人口	WorldPop数据（https://www.worldpop.org/）	裁剪和定义投影
归一化植被指数（NDVI）	中国科学院资源环境科学与数据中心(https://www.resdc.cn/)	裁剪和定义投影
地区生产总值数据	中国科学院资源环境科学与数据中心(https://www.resdc.cn/)	裁剪和定义投影

Table 2 Evaluation methods for ecosystem service functions

类别	方法	备注
产水量（WC）	参数设置参考相关研究，模型计算公式如下^[18-19]： $Y x = 1 - A E T x P x × P x$	式中: $Y x$ 为栅格单元 $x$ 的年产水量(mm);AET(x)为栅格单元 $x$ 的年实际蒸散量(mm $); P x$ 为栅格单元 $x$ 的年降水量(mm)
碳储量（CS）	简化碳循环过程，以每种土地利用类型为单元确定地上、地下、土壤和死亡有机质碳密度，根据不同土地利用类型计算平均碳密度，再用各土地利用类型面积乘以碳密度并求和得到碳总量，碳密度计算公式如下^[20]： $C i = C i - a b o v e + C i - b e l o w + C i - d e a d + C i - s o i l$	式中:C_i 为第 $i$ 种地类碳密度（t·hm^-2）；C_i_-above为第i种地类地上生物碳密度（t·hm^-2）；C_i_-below为第i种地类地下生物碳密度（t·hm^-2）；C_i_-dead为第i种地类死亡有机质碳密度（t·hm^-2）；C_i_-soil为第i种地类土壤有机质碳密度（t·hm^-2）
土壤保持（SC）	运用改进的通用流失方程RUSLE来评估该流域的土壤保持能力，模型参数设置参考模型帮助文件和前期研究,计算原理如下^[21]： $X = R × K × L S × 1 - C × P$	式中： $X$ 为单位面积土壤保持量(t·hm^-2); $R$ 为降雨侵蚀性因子 $; K$ 为土壤可蚀性因子;LS为坡长坡度因子; $C$ 和 $P$ 分别为植被与作物管理因子和水土保持因子
生境质量（HQ）	结合研究区土地覆被图，提取5种威胁源(农田、建设用地、裸地、公路和铁路)对生境的影响展开生境质量评价。模型参数设置参考模型帮助文件和前期研究,计算原理如下^[22-23]： $Q x = H x 1 - D x z D x z + k z$	式中： $Q x$ 为土地利用类型中栅格 $x$ 的生境质量指数; $H x$ 为土地利用 $x$ 的生境属性 $; z$ 为归一化指数 $; k$ 为半饱和常数; $D x z$ 为土地利用类型中栅格 $x$ 的生境退化度

Table 2 Evaluation methods for ecosystem service functions

类别	方法	备注
产水量（WC）	参数设置参考相关研究，模型计算公式如下^[18-19]： $Y x = 1 - A E T x P x × P x$	式中: $Y x$ 为栅格单元 $x$ 的年产水量(mm);AET(x)为栅格单元 $x$ 的年实际蒸散量(mm $); P x$ 为栅格单元 $x$ 的年降水量(mm)
碳储量（CS）	简化碳循环过程，以每种土地利用类型为单元确定地上、地下、土壤和死亡有机质碳密度，根据不同土地利用类型计算平均碳密度，再用各土地利用类型面积乘以碳密度并求和得到碳总量，碳密度计算公式如下^[20]： $C i = C i - a b o v e + C i - b e l o w + C i - d e a d + C i - s o i l$	式中:C_i 为第 $i$ 种地类碳密度（t·hm^-2）；C_i_-above为第i种地类地上生物碳密度（t·hm^-2）；C_i_-below为第i种地类地下生物碳密度（t·hm^-2）；C_i_-dead为第i种地类死亡有机质碳密度（t·hm^-2）；C_i_-soil为第i种地类土壤有机质碳密度（t·hm^-2）
土壤保持（SC）	运用改进的通用流失方程RUSLE来评估该流域的土壤保持能力，模型参数设置参考模型帮助文件和前期研究,计算原理如下^[21]： $X = R × K × L S × 1 - C × P$	式中： $X$ 为单位面积土壤保持量(t·hm^-2); $R$ 为降雨侵蚀性因子 $; K$ 为土壤可蚀性因子;LS为坡长坡度因子; $C$ 和 $P$ 分别为植被与作物管理因子和水土保持因子
生境质量（HQ）	结合研究区土地覆被图，提取5种威胁源(农田、建设用地、裸地、公路和铁路)对生境的影响展开生境质量评价。模型参数设置参考模型帮助文件和前期研究,计算原理如下^[22-23]： $Q x = H x 1 - D x z D x z + k z$	式中： $Q x$ 为土地利用类型中栅格 $x$ 的生境质量指数; $H x$ 为土地利用 $x$ 的生境属性 $; z$ 为归一化指数 $; k$ 为半饱和常数; $D x z$ 为土地利用类型中栅格 $x$ 的生境退化度

Fig.2 Temporal and spatial changes of ecosystem services

Fig.3 Mean values of ecosystem services per unit area of different land use types in the study area

Fig.4 Total ecosystem services of different land use types in the study area

Fig.5 Ecosystem services correlation diagram

Fig.6 Geographical weighted regression analysis of ecosystem services

Table 3 Single-factor detection results

影响因子	碳储量-产水量		土壤保持-产水量		土壤保持-碳储量		生境质量-产水量		碳储量-生境质量		土壤保持-生境质量
影响因子	q值	排序	q值	排序	q值	排序	q值	排序	q值	排序	q值	排序
高程（X₁）	0.792	2	0.732	1	0.369	3	0.846	2	0.814	1	0.322	3
坡度（X₂）	0.587	6	0.157	6	0.267	7	0.581	7	0.243	9	0.214	7
坡向（X₃）	0.182	10	0.063	10	0.049	10	0.113	10	0.132	10	0.036	10
年均气温（X₄）	0.447	9	0.191	5	0.181	9	0.437	9	0.301	7	0.199	9
年降水量（X₅）	0.753	3	0.314	3	0.535	2	0.768	3	0.451	3	0.457	2
人口密度（X₆）	0.619	5	0.115	8	0.313	6	0.647	5	0.341	5	0.233	6
地区生产总值（X₇）	0.563	7	0.103	9	0.235	8	0.635	6	0.326	6	0.211	8
植被覆盖度（X₈）	0.529	8	0.136	7	0.384	4	0.579	8	0.286	8	0.245	5
夜间灯光指数（X₉）	0.715	4	0.288	4	0.381	5	0.754	4	0.433	4	0.314	4
年蒸散发（X₁₀）	0.836	1	0.588	2	0.826	1	0.912	1	0.795	2	0.778	1

Fig.7 Interaction factor detection results

References 43

[1]	杜景龙，龚瑶，朱进，等.生态系统服务权衡/协同关系时空变化及其对土地利用变化的响应：以苏州市为例［J］.苏州科技大学学报（自然科学版），2024，41（4）：103-113.
[2]	龚金玉，胡琛，何林轩，等.基于自然解决方案探究气候变化对生态系统服务的影响［J］.生态学报，2025（13）：6623-6633.
[3]	许宝荣，刘一川，董莹，等.基于InVEST模型的兰州地区生境质量评价［J］.中国沙漠，2021，41（5）：120-129.
[4]	周德良，杨明霞，苏靖雅，等.流域生态系统服务价值评估研究进展［J］.中国沙漠，2024，44（4）：149-164.
[5]	张恺，易桂花，张廷斌，等.川西高原生态系统服务功能权衡协同关系及其归因分析［J］.水土保持研究，2025，32（2）：366-376.
[6]	王卓尧，任宇飞，姜群鸥，等.基于InVEST模型云南省生态系统服务功能综合评估［J］.北京林业大学学报，2024，46（11）：103-112.
[7]	廖钟淇，范业婷，王君櫹，等.长三角耕地生态系统服务功能时空演变及其驱动机制［J］.环境科学，2025，46（6）：3681-3692.
[8]	冯琳，雷国平.东北地区生态系统服务及权衡/协同关系时空演变特征与功能分区研究［J］.中国土地科学， 2023，37（7）：100-113.
[9]	张能能，刘兆刚.基于InVEST模型的小兴安岭生态系统服务功能权衡/协同效应［J］.环境科学，2025，46（7）：4628-4640.
[10]	刘颂，张浩鹏，裴新生，等.长时间序列生态系统服务权衡与协同驱动因素：以芜湖市生态系统服务功能极重要区为例［J］.生态学报，2024，44（5）：1780-1790.
[11]	魏雷晗冰，时鹏，魏勇，等.窟野河流域生态系统服务功能变化及其驱动因素分析［J］.水土保持学报，2024，38（4）：222-235.
[12]	韩晓佳，王继军，温昕.退耕区域生态系统服务作用关系尺度效应及分异机制：以安塞区为例［J］.生态学报，2024，44（5）：1791-1807.
[13]	孙才志，于涵，郝帅.辽河流域生态系统服务权衡-协同效应及其驱动因素［J］.生态学报，2025，45（6）：2952-2967.
[14]	甄婷，崔秀萍，刘宇，等.呼和浩特市多情景生态系统碳储存及碳汇价值研究［J］.土壤通报，2024，55（6）：1555-1564.
[15]	Yao Y， Yang Y. Spatiotemporal effects of landscape structure on the trade-offs and synergies among ecosystem service functions in Yangtze River Economic Belt， China［J］.Scientific Reports，2025，15（1）：15767.
[16]	马良，金陶陶，文一惠，等.InVEST模型研究进展［J］.生态经济，2015，31（10）：126-131.
[17]	王蓓，赵军，胡秀芳.石羊河流域生态系统服务权衡与协同关系研究［J］.生态学报，2018，38（21）：65-78.
[18]	张耀文，张勃，姚荣鹏，等.2000-2020年渭河流域植被覆盖度及产水量时空变化［J］.中国沙漠，2022，42（2）：223-233.
[19]	夏鸿华，杨林山，冯起，等.石羊河流域产水服务供需时空变化及驱动因子［J］.中国沙漠，2024，44（6）：87-99.
[20]	冯永忠，尹振良，王凌阁，等.1980-2020年气候和土地利用变化对甘肃省陆地生态系统碳储量的影响［J］.中国沙漠，2023，43（4）：168-179.
[21]	杜可心，张福平，冯起，等.黑河流域生态系统服务的地形梯度效应及生态分区［J］.中国沙漠，2023，43（2）：139-149.
[22]	胡佶熹，朱玉莹，王卫林，等.赣粤运河江西沿线区域生境质量时空预测［J/OL］.环境科学，1-16［2025-09-16］..
[23]	Tang J， Jin X， Mu H，et al.Impacts of human footprint on habitat quality and permafrost environment in Northeast China［J］.Ecological Indicators，2025，175：113587.
[24]	苗峻瑜.沿黄九省工业水资源效率及其影响因素的时空异质性［J］.中国沙漠，2022，42（6）：142-152.
[25]	章双双，李少坤，李明，等.多尺度下江西省主体功能区生态系统调节服务权衡协同及驱动因素［J/OL］.水生态学杂志，1-16（2025-05-23）［2025-05-25］. .
[26]	周杰，杨洁，张文柳.甘南州生态系统服务时空变化及权衡协同关系［J］.环境科学，2025，46（4）：2398-2409.
[27]	黄语晨，胡佳怡，冷骏杰，等.北京市非中心城区土地利用-人口-经济协同预测［J］.测绘通报，2024（8）：165-171.
[28]	薛曾辉，高驭洋，卢枰达，等.基于土地利用和地形的生态系统服务空间分布及权衡-协同-独立关系：以安塞区为例［J］.水土保持研究，2024，31（2）：240-251.
[29]	林海庆，杨旭楠，黄心怡，等.林地保护政策驱动的城市碳库时空演变规律：以广东江门为例［J］.中国环境科学，2025，45（4）：2135-2146.
[30]	薛万来，朱莎莎，朱梦洵，等.基于FLUS-InVEST模型的永定河流域碳储量功能变化分析［J］.水利水电技术（中英文），2023，54（9）：13-25.
[31]	黄璐，严力蛟，赵海艳.城市化背景下的小城市景观格局变化分析：以浙江省乐清市为例［J］.华中建筑，2014，32（11）：90-94.
[32]	周豹，陈国平，赵俊三，等.滇东南喀斯特地区生态系统服务时空演变及权衡协同关系［J］.水利水电技术（中英文），2024，55（11）：123-142.
[33]	李芳，张金龙，杨环.基于InVEST模型的黑河流域上游1990-2018年产水量模拟［J］.高原气象，2022，41（3）：698-707.
[34]	侯雅迪，文东新，王忠诚，等.基于PLUS-InVEST模型的洞庭湖流域碳储量时空演变及多情景预测［J/OL］.环境科学，1-19（2025-04-08）［2025-05-25］. .
[35]	陶勤，王世航，王奇，等.基于InVEST模型的川滇生态屏障区土壤保持功能评价［J］.土壤学报，2024，61（6）：1548-1556.
[36]	王耕，戴梓鑫.基于VOSviewer的区域生态系统演变影响因素的研究趋势与热点分析［J］.辽宁师范大学学报（自然科学版），2024，47（3）：383-393.
[37]	陈登帅，李晶，张渝萌，等.延河流域水供给服务供需平衡与服务流研究［J］.生态学报，2020，40（1）：112-122.
[38]	陈竹安，陈雅斯，刘子强.江西省生态系统服务权衡协同关系时空演变与预测［J/OL］.环境科学，1-17（2025-05-23）［2025-05-25］ .
[39]	吴朝巧，余晓成，宁彧杰，等.太原市多尺度生态系统服务权衡/协同关系及生态功能分区［J/OL］.环境科学，1-16（2025-05-23）［2025-05-25］. .
[40]	鞠琴，卜媛媛，申同庆，等.黄河水源涵养区生态系统服务要素时空演变及权衡与协同分析［J］.水资源保护，2025，41（2）：38-46.
[41]	段如梦，李晓宇，张清.吉林西部生态系统服务功能权衡/协同关系及生态服务簇时空演变［J/OL］.环境科学，1-20（2025-05-23）［2025-05-25］. .
[42]	何刘洁，郑博福，万炜，等.长江经济带生态系统服务权衡与协同及其驱动因素［J］.环境科学，2024，45（6）：3318-3328.
[43]	汪仕美，靳甜甜，燕玲玲，等.子午岭区生态系统服务权衡与协同变化及其影响因素［J］.应用生态学报，2022，33（11）：3087-3096.

Multi-scale characteristics and driving factors of trade-off / synergy of ecosystem services in the ecological conservation area of western Beijing

RichHTML

PDF

Knowledge

Abstract

Cite this article

share this article

Figures/Tables 10

References 43

Related Articles 15

Recommended Articles

Metrics

Comments

[1]	Pengfei Zhang, Jiaqi Han, Zhenjiang Zhao, Yanyan Dai, Geng Liu, Jinlong Chao, Lei Zhang. Coupling characteristics and the driving factors of agricultural water poverty and food production vulnerability in Fenhe River basin， China [J]. Journal of Desert Research, 2025, 45(5): 13-23.
[2]	Siqi Li, Haibing Wang, Xiaofei Yuan, Huricha Ao, Haoqin Yang. Temporal and spatial evolution of landscape ecological risks and driving forces in the Mu Us Sandy Land [J]. Journal of Desert Research, 2025, 45(5): 230-240.
[3]	Delong Zhou, Yongfang Wang, Enliang Guo, Ying Hong, Haowen Ma, Quanfei Mu, Yanli Wang. Evolution and prediction of habitat quality in the Horqin Sandy Land [J]. Journal of Desert Research, 2025, 45(4): 211-226.
[4]	Shiyao Zhong, Chuanhua Li, Pengfei Qiao. Vegetation abrupt changes and attribution in the arid and semi-arid regions of Northwest China under aridity gradients from 2000 to 2020 [J]. Journal of Desert Research, 2025, 45(2): 275-283.
[5]	Hong Jia, Jianpeng Zhang, Lianyou Liu, Jifu Liu, Siqi Yang. Variation and multi-scenario simulation of habitat quality in the Gonghe Basin， China [J]. Journal of Desert Research, 2025, 45(2): 29-36.
[6]	Yanyan Dai, Yiting Jiang, Pengfei Zhang, Geng Liu, Lei Zhang. Coupling coordination and driving factors between water resources and planting structure in Shanxi， China [J]. Journal of Desert Research, 2024, 44(6): 37-47.
[7]	Honghua Xia, Linshan Yang, Qi Feng, Yingqing Su, Xingyi Zou, Wanghan He. Spatio-temporal variation and driving factors of water supply and demand in Shiyang River Basin [J]. Journal of Desert Research, 2024, 44(6): 87-99.
[8]	Ziao Shen, Jing Wu, Chunbin Li. Temporal and spatial changes of vegetation cover and its driving forces in the Hexi inland river basin from 2000 to 2020 [J]. Journal of Desert Research, 2024, 44(3): 119-127.
[9]	Wei Hang, Yongxing Lu, Hao Guo, Xing Guo, Shihang Zhang, Yuanming Zhang, Xiaobing Zhou. Spatial variation in soil nitrogen content along aridity gradients in the northwest desert region in China [J]. Journal of Desert Research, 2024, 44(3): 259-268.
[10]	Xiaoyu Zhang, Zixiang Zhou, Zhixiong Tang, Yanxu Sun. Spatio-temporal variation and prediction of habitat quality in Wuding River Basin [J]. Journal of Desert Research, 2024, 44(3): 75-84.
[11]	Chengwei Zheng, Xiaohong Deng, Zongxing Li, Jian Xue, Libang Ma, Juan He, Shuxiang Lu, Jianxiong Shao, Shiyu Cai, Peiyi Zhao. Analysis of the spatial and temporal evolution of water resources conservation and human activity intensity in the Hexi region of Gansu Province [J]. Journal of Desert Research, 2024, 44(1): 189-200.
[12]	Tiaoxue Lu, Linshan Yang, Qi Feng, Meng Zhu, Naiyu Li. The change of oasis structure / scale and its influencing factors in Zhangye Basin in recent 20 years [J]. Journal of Desert Research, 2023, 43(6): 131-141.
[13]	Shilin Fu, Jiaqiang Lei, Yiqi Zhou, Na Zhou, Malicha Loje Hare, Zinabu Bora Jorro. Analysis of land degradation trends and driving factors in Ethiopia based on NPP-WUE [J]. Journal of Desert Research, 2023, 43(1): 128-141.
[14]	Xiaoyun Cheng, Qin Zhang, Fangfang Lan, Yuan Li, Yaxuan Han, Limin Zhang, Yanke Yang, Xinyuan Wang. Dynamic characteristics and driving factors of grassland desertification in Hexi Corridor [J]. Journal of Desert Research, 2022, 42(6): 134-141.
[15]	Yun Chen, Yuqiang Li, Xuyang Wang, Caiping Yao, Yayi Niu. Risk and countermeasures of global change in ecologically vulnerable regions of China [J]. Journal of Desert Research, 2022, 42(3): 148-158.