首都西部生态涵养区生态系统服务功能权衡/协同的多尺度特征及驱动因素

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

首都西部生态涵养区生态系统服务功能权衡/协同的多尺度特征及驱动因素

万路通^,¹, 刘小丹², 郭汉清^,¹, 薛万来², 刘可暄², 李瑾³, 汪丽丽⁴, 刘洪浩⁵

1.山西农业大学林学院，山西太谷 030801

2.北京市水科学技术研究院，北京 100048

3.北京市水生态保护与水土保持中心，北京 101117

4.北京市北运河管理处，北京 101100

5.北京市丰台区供排水管理所，北京 101100

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

Wan Lutong^,¹, Liu Xiaodan², Guo Hanqing^,¹, Xue Wanlai², Liu Kexuan², Li Jin³, Wang Lili⁴, Liu Honghao⁵

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

通讯作者: 郭汉清（E-mail： ghqbxm@126.com）

收稿日期: 2025-04-11 修回日期: 2025-06-26

基金资助:

北京市科技计划课题. Z221100005222013
2024年北京水务科技开放项目. SK-2024-001-STS

Received: 2025-04-11 Revised: 2025-06-26

作者简介 About authors

万路通（1999—），男，陕西咸阳人，硕士研究生，主要从事流域生态系统服务及碳汇评价研究E-mail：13152314905@163.com , E-mail：13152314905@163.com

摘要

探究生态系统服务功能动态变化特征及其驱动机制，可为实施区域生态系统保护与修复提供科学参考。大量研究以单一尺度对区域内生态系统服务权衡/协同关系进行描述，有关多尺度下生态系统服务权衡协同关系及多种生态系统服务影响差异性的研究尚缺乏。本文选取首都西部生态涵养区为研究对象，采用2000、2010、2020、2023年遥感数据，运用InVEST等模型量化产水量、碳储量、土壤保持和生境质量共4类主要生态系服务功能，并用地理加权回归模型与最优地理探测器模型分析不同尺度下的权衡/协同关系。结果表明：（1）2000—2023年，首都西部生态涵养区生境质量基本保持不变，产水量、土壤保持量分别上升了2.96×10⁸ m³、1.69×10⁸ t，碳储量下降了3×10⁶t，减少区域主要涉及房山区霞云岭乡、良乡镇、窦店镇等；空间上，生态系统服务高值区主要分布在研究区北部、西北部地区，低值区主要分布在研究区东南部。（2）整体上首都西部生态涵养区生态系统服务以协同为主；空间上各服务之间协同面积均大于权衡面积，并且随着尺度扩展，权衡面积不断减小。（3）高程和蒸散发是影响研究区生态系统服务协同和权衡的主要因素，各因素与高程、年蒸散发之间的交互影响呈现出较强的解释力。研究结果揭示首都西部生态涵养区生态系统服务供给能力的时空演替态势，以及从不同尺度揭示生态系统服务之间的权衡协同度，为首都西部生态涵养区生态保护修复提供科学依据。

关键词： InVEST模型 ; 生态系统服务功能 ; 权衡/协同 ; 驱动因素 ; 首都西部

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.

Keywords： InVEST model ; ecosystem service function ; trade-off/synergy ; driving factors ; western Beijing

PDF (11269KB) 元数据多维度评价相关文章导出 EndNote| Ris| Bibtex 收藏本文

本文引用格式

万路通, 刘小丹, 郭汉清, 薛万来, 刘可暄, 李瑾, 汪丽丽, 刘洪浩. 首都西部生态涵养区生态系统服务功能权衡/协同的多尺度特征及驱动因素. 中国沙漠[J], 2025, 45(6): 206-219 doi:10.7522/j.issn.1000-694X.2025.00136

Wan Lutong, Liu Xiaodan, Guo Hanqing, Xue Wanlai, Liu Kexuan, Li Jin, Wang Lili, Liu Honghao. Multi-scale characteristics and driving factors of trade-off / synergy of ecosystem services in the ecological conservation area of western Beijing. Journal of Desert Research[J], 2025, 45(6): 206-219 doi:10.7522/j.issn.1000-694X.2025.00136

0 引言

生态系统服务（Ecosystem Services，ESs）指生态系统为人类提供的多种服务，直接或间接地为人类带来益处，构成了人类生存和发展的基础^［1］。近些年，随着人口增加和社会经济的快速发展，城镇化、工业化及自然资源的过度开发对生态系统服务造成的负面影响愈加严重。生态系统服务与人类福祉紧密相连，全面深刻地认识生态系统服务类型及其效用，剖析不同生态系统服务之间的相互作用，探究影响生态系统服务供给的深层动因，确保生态系统服务的可持续性发展，对生态系统保育与社会高质量发展至关重要^［2］。

随着遥感技术的迭代发展，涌现出众多生态系统服务评估模型，例如InVEST模型、SoIV-ES模型以及ARIES模型等^［3-4］。其中InVEST模型能够量化多种生态系统服务，如碳储量、生境质量、土壤保持、产水服务等，与其他模型相比，具有操作简便、需求数据少、模拟精度高等优点而被广泛应用。例如张恺等^［5］、王卓尧等^［6］、廖钟淇等^［7］分别基于InVEST模型对川西高原、云南省和长三角地区的生态系统服务功能进行评估，明确重要生态系统服务的时空分布格局，并分析其影响因素。而对生态系统服务进行量化评估以及影响因素分析，可为区域保护政策制定提供数据支撑，对区域生态系统管理保护具有关键作用。

生态系统服务之间存在权衡、协同以及中性关系^［8］。正确识别生态系统服务关系是进行区域可持续发展决策的前提。目前，生态系统服务权衡/协同关系的研究方法主要包括图形叠加法、数据统计分析法和情景模拟法，其中相关性分析最为常用^［9-10］。通过皮尔逊和斯皮尔曼相关系数分析生态系统服务权衡/协同关系，可以捕捉生态系统服务之间的相关性，但忽略了生态系统服务之间的空间异质性^［11］。而地理加权回归模型是针对空间异质性数据的局部回归分析方法，通过将空间位置嵌入模型，允许回归系数随地理位置动态变化，从而更精准地捕捉空间非平稳性^［12］。在此基础上，通过耦合相关性分析和地理加权回归模型，可以更好地从整体和局部两种角度解释生态系统服务权衡/协同关系。但由于生态系统服务之间的关系极为复杂，受到时空尺度、区域位置及其他因素的影响而呈现差异，仅通过某一地区单一尺度的成对生态系统服务相关系数，难以全面准确地反映生态系统服务之间的关系^［13-14］。目前，关于多时空尺度的生态系统服务关系的研究仍然较少。因此，基于多尺度定位下的生态系统服务关系研究可以更准确地定量描述生态系统服务关系，为生态系统服务的保护与管理提供科学依据。

首都西部生态涵养区是维护首都生态安全的关键保障。研究区内最高峰东灵山与大房山相连，森林茂密，构成了京津冀地区抵御沙尘的最后一道防线。该区域在生态保护、安全保障等多方面扮演着重要角色，合理保护与利用首都西部生态涵养区资源对于维护生态平衡、推动经济发展具有深远影响。本研究以首都西部生态涵养区为研究对象，运用InVEST等模型对2000、2010、2020、2023年4期遥感数据的碳储量、产水量、生境质量、土壤保持等4项主要生态系统服务功能进行量化评估，通过斯皮尔曼相关性、地理加权回归等模型，从不同尺度视角分析生态系统服务间的相互作用关系，基于最优地理探测器探讨影响生态系统服务功能协同/权衡的驱动因素，旨在为首都西部生态涵养区的可持续发展提供科学参考。

1 研究区概况

首都西部生态涵养区涉及北京市门头沟区和房山区所辖行政区域（图1），位于39°30′—40°10′N，115°25′—116°14′E，由永定河流域的永定河山峡段、清水河，大清河流域的拒马河、大石河4个流域单元组成。该区域总面积3 394 km²，海拔为9~2 274 m，地貌以山地和丘陵为主。该区域属于暖温带季风气候，年均气温为10.5~11.6 ℃，年降水量为602.5~645.2 mm。土壤类型以草甸土和褐土为主。研究区内的百花山-东灵山-霞云岭-上方山位于太行山生物多样性保护优先区范围内，是中国生物多样性保护重点区域，是全市7个生物多样性中心之一。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1 研究区概况

注：基于自然资源部标准地图服务网站标准地图（审图号：京S（2023）063号）制作，底图边界无修改

Fig.1 Overview of the study area

2 研究方法

2.1　数据来源

本文所使用的数据详见表1，数据均通过ArcGIS软件重采样统一30 m分辨率，投影坐标均采用Krasovsky1940_Albers^［15］。

表1 数据来源及处理

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

新窗口打开| 下载CSV

2.2　生态系统服务功能评估

InVEST模型由大自然保护协会、世界自然基金会与其他机构共同开发^［16］。该模型具有较高的可靠性，能够综合评估流域内生态系统服务整体状况。而产水量、碳储量、土壤保持、生境质量，这些关键功能在生态系统服务中扮演着重要的角色，反映了生态系统服务的整体健康状况，通过对这些功能的检测研究，可以深入了解生态系统服务功能的稳定性，为流域生态保护管理提供科学依据^［17］。因此本文使用InVEST模型和ArcGIS10.8软件对首都西部生态涵养区产水量、碳储量、土壤保持、生境质量4种生态系统服务功能进行评估，模型所需参数以及计算过程^［18-23］如表2所列。

表2 生态系统服务功能评估方法

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]： $Y (x) = (1 - \frac{A E T (x)}{P (x)}) \times P (x)$	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]： $X = R \times K \times L S \times (1 - C \times P)$	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]： $Q_{x} = H_{x} (1 - \frac{D_{x}^{z}}{D_{x}^{z} + k^{z}})$	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

新窗口打开| 下载CSV

2.3　相关性分析

斯皮尔曼非参数相关性分析被广泛用于定量识别生态系统服务之间的权衡和协同作用，这些关系的方向和强度是研究的关键^［8］。正相关性指示协同作用，而负相关性则表明权衡关系。利用R 4.2.3软件平台，结合“corrplot”包，对研究区各生态系统服务进行斯皮尔曼相关性分析，以探究不同时间尺度上生态系统服务的交互作用。

2.4　地理加权回归

除了评估生态系统服务间的协同效应与权衡，研究还深入探讨了空间明确性对ES权衡和协同作用理解的增强作用。地理加权回归（GWR）被应用于识别ESs之间的局部空间交互相关性^［24］。

y_{i} = β_{0} (a_{i}, b_{i}) + \sum_{k = 1}^{m} β_{k} (a_{i}, b_{i}) \times x_{i k} + ε_{i}

式中： $y_{i}$ 为第 $i$ 个区域的因变量值；（ $a_{i}, b_{i}$ ）为第 $i$ 个区域的地理坐标； $β_{0} (a_{i}, b_{i})$ 为第 $i$ 个点的常数项； $β_{k} (a_{i}, b_{i})$ 表示第 $i$ 个区域的局域回归系数， $k$ 为自变量的个数（ $k = 1,2, \dots, m$ ）； $x_{i k}$ 为第 $i$ 个区域的第 $k$ 个自变量值； $ε_{i}$ 表示第 $i$ 个区域的随机误差项。

2.5　最优地理探测器

地理探测器是一种能够定量揭示地理环境因子间交互作用及其对地理现象解释力的空间统计方法。本研究使用因子探测器来量化气候变化和人类活动对首都西部生态涵养区的影响^［10］。

q = 1 - \frac{\sum_{h = 1}^{L} N_{h} σ_{h}^{2}}{N σ^{2}} = 1 - \frac{S S W}{S S T}

式中： $q$ 为驱动因素解释力，值域为［0，1］， $q = 0$ 表示随机分布， $q$ 值越大，表明驱动因素的解释力越强； $h = 1,2, \dots$ ，L为变量； $N_{h}$ 和 $N$ 分别为第 $h$ 层和全区的单元数； $σ_{h}^{2}$ 和 $σ^{2}$ 分别是第 $h$ 层和全区的方差值。SSW、 $S S T$ 分别为层内方差之和、全区方差之和。

2.6　空间尺度选择

在生态系统服务研究中，尺度选择主要依赖于决策依据和经验两方面。在大多数相关研究中，空间尺度的下限由数据的原始分辨率决定，而上限通常与乡镇级行政区的面积相关^［25］。首都西部生态涵养区面积为3 394 km²，涵盖60多个乡镇级行政区，平均每个乡镇面积约为56 km²。7 km×7 km的栅格尺度更易于与乡镇尺度匹配，有助于实现网格尺度向行政尺度的过渡。此外，尺度过大时，数据的过度聚合容易导致信息丢失。因此，本研究将尺度下限设定为1 km，在1~7 km内，以2 km为步长，逐步探讨空间尺度变化对生态系统服务权衡与协同的影响。

3 结果分析

3.1　生态系统服务时空变化

2000—2023年首都西部生态涵养区的产水总量呈增加趋势，2000、2010、2020、2023年产水总量分别为9.07×10⁸、10.02×10⁸、11.20×10⁸、12.03×10⁸ m³。产水量分布表现为北部、西北部高，东南部低的空间分布格局。产水量高的地区呈带状分布于西山褶皱山地带，其中百花山（门头沟西北部）、霞云岭（房山西北部）等区域维持核心产水地位。产水量低的地区主要在研究区的东南部，农业、工业用地多，需水量大（图2）。不同土地利用类型单位面积产水量中草地最大，其次是耕地、林地和建设用地，未利用地和水域最低（图3）。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2 生态系统服务时空变化

注：基于自然资源部标准地图服务网站标准地图（审图号：京S（2023）063号）制作，底图边界无修改

Fig.2 Temporal and spatial changes of ecosystem services

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3 研究区不同地类单位面积生态系统服务均值

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

2000—2023年首都西部生态涵养区的碳储量呈先减少后稳步增加趋势（图4），2000、2010、2020、2023年碳储量分别为1.09×10⁸、1.04×10⁸、1.05×10⁸、1.06×10⁸ t。碳储量分布表现为北部、西北部高，东南部低的空间分布格局。高碳储存区集中分布于门头沟区全域及房山区西北部山地，此区域的土地利用以林地为主，乔木植被的高生物量密度使其成为稳定的碳汇核心区。低值斑块主要沿永定河冲积平原呈带状分布，该区域分布有大量耕地与建设用地（图2）。不同土地利用类型单位面积碳储量中林地最大，其次是草地，耕地和建设用地次之，未利用地和水域最低（图3）。

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4 研究区不同地类各生态系统服务总量

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

2000—2023年首都西部生态涵养区的土壤保持量呈增加趋势（图4），2000、2010、2020、2023年土壤保持量分别为5.23×10⁸、6.21×10⁸、5.13×10⁸、6.92×10⁸ t。高土壤保持量区域沿太行山脉北段主脊线分布，覆盖百花山、白草畔等中山地带，与天然次生林区高度重合。中低保持量区域则呈放射状向东南方向延伸，沿永定河、大石河等河谷地带形成生态功能梯度带，平原农垦区与城镇建成区则成为低值核心区（图2）。各土地利用类型单位面积土壤保持量林地>草地>未利用地>水域>耕地>建设用地（图3）。

2000—2023年首都西部生态涵养区生境质量指数呈减小趋势（图4），2000、2010、2020、2023年生境质量指数分别0.77、0.73、0.75、0.74。空间格局上，高值区以西部以及门头沟百花山至房山霞云岭为核心，低值区呈“章鱼触手式”沿京周路和京昆高速等交通干线蔓延。总体来说，西北部高，而东南部低，自然保护区高，人为活动区低（图2）。各土地利用类型平均生境质量指数林地>草地>水域>耕地>建设用地>未利用土地（图3）。

3.2　生态系统服务整体协同与权衡关系

利用斯皮尔曼相关性分析计算首都西部生态涵养区4种尺度（1、3、5 km、乡镇尺度）下4种生态系统服务功能之间的相关性（图5），各生态系统服务功能之间全部为显著正相关关系，生态系统服务功能以协同为主。碳储量与产水量的平均相关系数为0.49，随着尺度的增加，相关系数逐渐升高，在乡镇尺度达到最高0.56。土壤保持与产水量的平均相关系数为0.58，随着尺度的增加，相关系数呈现出先升后降的趋势，当尺度增加到5 km时达到最高值0.62。生境质量与产水量平均相关系数为0.45，随着尺度增加，相关系数不断增加，在乡镇尺度达到最高值0.54。土壤保持与碳储量的平均相关系数为0.74，随着尺度增加，相关系数呈现下降趋势。生境质量与碳储量之间保持高度协同，平均相关系数高达0.97，随着尺度增加，相关系数先升后降。生境质量与土壤保持之间平均相关系数为0.74，随着尺度增加呈现出下降趋势，在1 km尺度达到最大值0.76。

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5 生态系统服务相关系数

Fig.5 Ecosystem services correlation diagram

3.3　生态系统服务局部协同与权衡关系

利用地理加权回归模型计算研究区4种尺度下2000—2023年4种生态系统服务权衡/协同关系。图6中左下部分表示生态系统服务权衡/协同，>0表示协同，<0表示权衡，右上部分表示其对应R²大小，取值范围0~1，值越大，表明模型拟合效果越好。由图可知，4种生态系统服务功能两两之间协同面积均大于权衡面积，且4种尺度具有明显的空间异质性，在1、3、5 km和乡镇尺度下综合R²分别是0.815、0.762、0.505、0.455。在1 km尺度下，碳储量与产水量、生境质量与产水量在矾山镇、东花园镇、霞云岭乡等地出现大块权衡斑块。土壤保持与产水量、土壤保持与碳储量在研究区北部、西北部出现密集点状权衡斑块。生境质量与碳储量在清水镇、大台街道、十渡镇等少部分地区出现权衡斑块。生境质量与土壤保持在霞云岭乡、东花园镇等地出现少部分条状权衡斑块。在3 km尺度下，大块权衡斑块出现收缩，中心权衡指数上升。点状权衡斑块减少，权衡斑块密集区汇聚成大块权衡斑块，但总体权衡面积减少。5 km尺度与乡镇尺度下，碳储量与产水量、土壤保持与产水量、生境质量与产水量、生境质量与土壤保持、生境质量与碳储量呈现出全域协同，仅在乡镇尺度土壤保持与碳储量在霞云岭乡附近出现权衡斑块。

图6

新窗口打开| 下载原图ZIP| 生成PPT

图6 生态系统服务地理加权回归分析

注：基于自然资源部标准地图服务网站标准地图（审图号：京S（2023）063号）制作，底图边界无修改

Fig.6 Geographical weighted regression analysis of ecosystem services

3.4　生态系统服务协同和权衡关系驱动因素

根据地理加权回归综合R²大小，选取1 km尺度探究首都西部生态涵养区生态系统服务协同和权衡的驱动因素。单因子探测结果表明（表3），自然因素是影响研究区生态系统服务协同和权衡的主导因素。影响碳储量∩产水量的主导因素为年蒸散发（0.836），高程也产生了不可忽视的作用（0.792）。影响土壤保持∩产水量的主导因素为高程（0.732），年蒸散发也有较强的解释力（0.588）。影响土壤保持∩碳储量的主导因素为年蒸散发（0.826）。影响生境质量∩产水量的主导因素为年蒸散发（0.912），高程也产生了不可忽视的影响（0.846）。影响碳储量∩生境质量的主导因素为高程（0.814），年蒸散发也产生了不可忽视的作用（0.795）。影响土壤保持∩生境质量的因素为年蒸散发。总的来说，高程与年蒸散发对首都西部生态涵养区4类生态系统服务协同/权衡产生主要的影响作用。

表3 单因子探测结果

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

新窗口打开| 下载CSV

交互因子探测结果显示（图7），因子间存在非线性增强和双因子增强两种交互作用类型，且以非线性增强为主。年蒸散发（X₁₀）∩年均气温（X₄）对碳储量-产水量、土壤保持-产水量、碳储量-生境质量的影响最大（0.7489、0.5933、0.7563），且与年蒸散发和高程交互的因子都具有较强的解释力。年蒸散发（X₁₀）∩年降水量（X₅）对碳储量-土壤保持、产水量-生境质量、土壤保持-生境质量的影响最大（0.7681、0.6853、0.709）且与年蒸散发交互的因子都具有较强的解释力。

图7

新窗口打开| 下载原图ZIP| 生成PPT

图7 交互因子探测结果

Fig.7 Interaction factor detection results

4 讨论

4.1　生态系统服务时空变化

本研究基于InVEST模型量化了首都西部生态涵养区2000—2023年产水量、碳储量、土壤保持和生境质量等共4项生态系统服务。在空间格局方面，生态系统服务高值区主要分布在研究区北部、西北部地区，主要涉及百花山、东灵山、上方山、石花洞等自然保护区域，这些区域地形起伏大，且植被丰富，为生态系统服务提供了良好的自然条件。低值区主要分布在研究区东南部，涉及良乡镇、窦店镇、长阳镇等区域，这些区域地形平缓，耕地与建设用地相互交错，人为活动频繁，对生态系统服务产生了较大影响。这一特征与土地利用格局高度一致，与周杰等^［26］、黄语晨等^［27］和薛曾辉等^［28］的研究结果类似。2000—2023年，产水量、土壤保持量总体呈上升趋势，碳储量呈现出先下降后稳步上升趋势，但相较于2000年减少了0.03×10⁸ t，生境质量则呈下降趋势，下降区域主要涉及霞云岭乡、良乡镇、窦店镇等地。碳储量的研究结论与林海庆等^［29］和薛万来等^［30］的研究结果相似。同时，黄璐等^［31］的研究表明，城市扩张导致区域土地的破碎化，从而生境质量降低。不同土地利用类型对不同生态系统服务产生直接影响^［32］。在产水功能中，草地产水量最大，其次是耕地，林地和建设用地次之，未利用地和水域最低，而林地通过林冠层和落叶枯枝截留，从而产水效果较差；在碳储存功能中林地最大，其次是草地，耕地和建设用地次之，研究结果与李芳等^［33］、侯雅迪等^［34］相同。在土壤保持功能方面，林地最大，草地次之，建设用地最低，这与陶勤等^［35］的结果相似，但值得注意的是川滇生态屏障区低土壤保持功能区出现在高海拔区，而首都西部生态涵养区低土壤保持功能区出现在低海拔、地势平缓区，可能由于首都西部垂直地带性明显，而地势平缓区多为人类活动聚集地，对植被扰动较大，从而影响了土壤保持功能；在生境质量服务中，林地最高，草地次之，未利用土地最低。首都西部生态涵养区林地面积超过60%，对生物多样性以及碳储量有显著的影响，但林地面积的增加不足以弥补草地面积减少所带来的负面效果，导致碳储量减少。同时，建设用地的大幅度扩张也对生境质量造成了威胁。首都西部生态涵养区未来应该严格遵守永久基本农田保护制度和耕地保护红线，优化土地利用结构，防止建设用地大幅扩张。

4.2　生态系统服务协同和权衡及驱动因素

通过对首都西部生态涵养区4类生态系统服务进行斯皮尔曼整体分析，在1、3、5 km、乡镇尺度下各服务之间存在6组协同关系，揭示了该区域生态系统服务的主要协同特性。研究结果表明，碳储量、生境质量、产水量、土壤保持之间长期存在协同关系，这一结果与诸多研究成果相一致^［36-37］。而陈竹安等^［38］、吴朝巧等^［39］发现在江西省、太原市等地区部分生态系统服务呈现出权衡关系，通过对比发现其原因在于土地利用类型结构的不同，首都西部生态涵养区以林地为主体的植被覆盖区域是该区域碳储量和水土保持的主要来源，同时也是生境质量的关键。土壤保持量较大的地区，其生境质量和碳储量相对较高，因此各服务之间呈现出协同或弱协同关系，鞠琴等^［40］、段如梦等^［41］对黄河水源涵养区、吉林西部等林地为主体的地区研究发现各生态系统服务也呈现协同关系。

由地理加权回归分析结果可知，空间尺度的不同会影响生态系统服务功能之间的权衡协同系数，随着尺度增加，样本数量逐渐降低，相关系数产生异质性变化。在1、3 km尺度，大部分地区的生态系统服务之间既存在相互增益的协同效益，也存在此增彼减的权衡关系，这与何刘洁等^［42］的研究结果一致。而在5 km、乡镇尺度上，各生态系统服务之间的关系趋于全域协同。对研究区权衡区域观察，发现其权衡区域多出现在垂直地带性明显或生态交错地带，而随着尺度的增加逐渐趋向于整体关系。因此，在今后的研究中，应根据不同地形，选择不同的尺度，在地貌平坦区或生态结构单一的区域建议选取大尺度，而在垂直地带性明显或生态交错地带应尽可能地选取小尺度范围进行研究。本研究还发现，高程和年蒸散发是影响生态系统服务协同和权衡的主要因素。这与汪仕美等^［43］研究结果较为一致，高程不仅影响物种的分布和多样性，还影响水文运动、气温、降水等自然环境因素，而蒸散发通过水循环调节影响降水分布、能量平衡，植物的蒸腾作用与光合作用耦合间接影响碳循环。在交互因子探测中，各因素与高程、年蒸散发之间的交互影响都对首都西部生态涵养区生态系统权衡和协同有较强的解释力。

4.3　不足与展望

本研究从不同尺度视角出发，分析各生态系统服务时空演变及其作用关系，并揭示了不同生态系统服务关系之间的影响因子，研究结果可为首都西部生态建设提供科学依据。但本研究中生态系统服务计算依赖于InVEST模型，模型参数主要通过参考文献得出，缺乏野外实测数据，在未来研究中可考虑模型与实测数据相结合，进一步提升生态系统服务评估的准确性。此外，本研究虽然探究了各生态系统服务关系之间的驱动因素，但基于2000、2010、2020、2023年4期数据综合得出，未探究各服务的驱动因素以及驱动因素在长时间序列下的变化，未来可进一步探究驱动因素时空变化以及各驱动因素之间的相互关系，进一步解释生态系统服务及其权衡协同关系。

5 结论

本文基于首都西部生态涵养区2000、2010、2020、2023年4期数据，利用InVEST模型分析了产水量、碳储量、土壤保持、生境质量4类主要生态系统服务时空动态变化，从不同尺度视角，结合斯皮尔曼相关性、地理加权回归模型，探讨生态系统服务权衡/协同关系及空间分异特征，并通过地理探测器识别影响生态系统服务权衡变化的驱动因子。主要研究结论如下：

2000—2023年，首都西部生态涵养区生境质量基本保持不变，产水量、土壤保持量分别上升了2.96×10⁸ m³、1.69×10⁸ t，碳储量下降了3×10⁶ t，减少区域主要涉及霞云岭乡、良乡镇、窦店镇等地。空间上，生态系统服务高值区主要分布在研究区北部、西北部地区，主要涉及百花山、东灵山、上方山、石花洞等自然保护区域，低值区主要分布在研究区东南部，涉及良乡镇、窦店镇、长阳镇等区域。建设用地的大幅度扩张对生态系统服务功能造成了威胁。

首都西部生态涵养区生态系统服务以协同为主，且不同尺度下各生态系统服务具有明显的异质性。随着尺度的增加，各生态系统服务之间的关系会逐渐趋向于整体关系。在1、3 km尺度，大部分地区生态系统服务之间既存在相互增益的协同效益，也存在此增彼减的权衡关系，而在5 km、乡镇尺度上，各生态系统服务之间的关系趋于全域协同。权衡区域多出现在垂直地带性明显或生态交错地带，而随着尺度的增加逐渐趋向于整体关系。高程和蒸散发是影响首都西部生态涵养区生态系统服务协同和权衡的主要因素。在交互因子探测中，因子间存在非线性增强和双因子增强两种交互作用类型，且以非线性增强为主，各因素与高程、年蒸散发之间的交互影响都对首都西部生态涵养区生态系统权衡和协同有较强的解释力。

综上所述，为提升首都西部生态涵养区生态系统服务功能，需结合不同尺度，准确把握生态系统服务间的关系，正确理解其驱动机理，持续开展山水工程、小流域治理等建设；结合国土空间管控，遏制建设用地无序扩张，促进流域生态可持续发展。

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[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.