关中城市群生态系统服务对城市化响应阈值

时间：2024-05-23

焦春萌符鑫鑫

(长安大学地球科学与资源学院，陕西西安 710054)

生态系统服务是生态系统形成和维持的人类赖以生存的自然环境条件与效用，能直接或间接地为人类提供各种惠益[1]。随着全球城市规模快速扩张，城镇化已成为社会经济发展中最显著的特点[2]。当前，我国城镇化正处于加速增长期，常住人口城镇化率由1978年的17.9%跃升到2018年的59.6%[3]。城镇化促进了农村人口大量向城市转移，推动了不同产业之间的融合与不同区域之间的交融，对国家社会、经济、文化的发展产生积极影响[4]。但过度城市化会导致生态系统的结构和功能的改变，对区域生态环境造成严重威胁，对资源环境保护带来巨大压力和挑战[5]。如何协调城镇化扩张和区域环境保护之间的关系，如何降低快速城镇化对生态系统的负面影响，推进城镇化与生态系统协同发展，已成为学术界关注的热点话题。

阈值特征是生态系统服务变化的重要特征[6]，阈值点通常认为是生态系统动态变化过程中的转折点，对此，学术界进行了大量探索。Wu等[7]使用分段线性回归识别NDVI变化过程的转折点。Cao等[8]研究发现在人工生态恢复过程中植被影响存在明显阈值效应。具体到生态系统服务阈值的研究。Peng等[9]整合多种生态系统服务获取总体生态系统服务，定量识别城市化因素的影响阈值。张琨等[10]采用弹性系数研究黄土高原地区植被覆盖变化对生态系统服务的影响，并对不同生态系统的影响阈值进行定量识别。Foudi[11]分析绿色屋顶覆盖度对城市生态系统服务的影响，并重点分析该影响的非线性特征和阈值效应。然而，目前对城镇化阈值效应的识别尚不完善，研究相对较少，尤其是对城市群地区快速的城镇化发展带来的生态环境效应研究仍然不全面，因此，探究城市群集聚地区城镇化发展对生态系统服务的影响的阈值效应至关重要。

城市群作为区域经济、城镇化和工业化快速发展的地区，同样也是社会问题、资源枯竭、环境恶化和土地利用问题等一系列矛盾最为突出的地方[10]。关中城市群处中国内陆中心，是西部面向东中部地区的重要门户，在国家现代化建设大局和全方位开放格局中具有独特战略地位。近年来，该地区城市化水平快速提高，伴随着大量的景观变化和生态系统服务功能的退化。因此，本文以关中城市群为研究区，探讨了城市生态系统服务的空间格局及其对城市化的响应，并确定了响应的阈值。利用多个模型分别估算了土壤保持服务(SC)、固碳服务(CS)、产水服务(WY)和食物供给服务(FP)，得到了生态系统服务总量(TES)和生态系统服务多级优势区。此外，基于人口、经济和土地城镇化指标，分析了城市化的空间格局。利用简单线性回归和分段线性回归分析了人口城市化、经济城市化和土地城市化对TES的影响及其阈值。

1 研究方法与数据来源

1.1 研究区概况

关中城市群以西安为中心，见图1，横跨3省，包括陕西省5市西安、宝鸡、咸阳、铜川、渭南，杨凌示范区及商洛市部分区县，山西省运城市和临汾市的部分区县和县级市，甘肃省天水市、庆阳市区、平凉市下辖的部分区县。面积约10.71万km2，该区南依秦岭、东跨黄河，属暖温带大陆性季风气候。关中城市群处中国内陆中心，是西部面向东中部地区的重要门户，在国家现代化建设大局和全方位开放格局中具有独特战略地位。

1.2 数据来源

主要数据包括：气象数据，研究区逐日的降水、气压、相对湿度、日照时数、最高温度和最低温度，下载自中国气象数据共享网(http://data.cma.cn)，采用专业的气象插值软件ANUSPLIN批量插值[12]；土壤数据，采用基于世界土壤数据库(HWSD)的中国土壤数据集(V1.1)，来源于寒区旱区科学数据中心(http://westdc.westgis.ac.cn)；归一化植被指数(NDVI),2018年逐月的NDVI数据，下载自地理空间数据云(http://www.gscloud.cn/)，采用最大合成法得到逐年NDVI数据，主要用于食物供给服务的空间化；人口密度数据，2018年关中城市群范围内1km栅格数据，下载自WorldPop(https://www.worldpop.org/)；土地利用数据，2018年的土地利用数据和，空间分辨率为30m，用于计算建设用地比例。数据下载于资源环境科学与数据中心(http://www.resdc.cn/)；社会经济数据，关中城市群GDP数据，来自于各市统计年鉴。

1.3 主要方法

1.3.1 产水服务

产水服务是指生态系统从降雨中拦截或储存水资源的能力，同时减轻地径流[13]。本文采用水量平衡原理计算产水服务量。公式：

WY(x)=P(x)-ET(x)

(1)

(2)

式中，WY(x)为产水供给量；P(x)为降水量；ET(x)为实际蒸散量，通过Zhang等提出的经验模型来实现；PET(x)为潜在蒸散量，根据Penman-Monteith公式计算。

1.3.2 食物供给

食物供给作为基础的供给服务之一，对于人类生存与发展有着至关重要的作用[14]。根据农作物和畜产品产量与NDVI之间具有显著的线性关系[15]。基于土地利用类型，将粮食、油料和蔬菜的总产量按照栅格NDVI值与耕地总NDVI值比值来分配，肉、蛋和奶类的产量按照栅格NDVI值与草地NDVI值比值来分配，水产品产量按照栅格NDVI值与水域总NDVI值比值来分配，进而表征各栅格的食物供给能力。公式：

(3)

式中，FP(x)为栅格x上分配的粮食、肉类、奶类和水产品的产量；FPsum为各省粮食总产量、肉类、奶类和水产品总产量；NDVIx为栅格x的归一化植被指数；NDVIsum为黄河流域各省耕地、草地或水域的NDVI值之和。

1.3.3 固碳服务

固碳服务是生态系统中一项重要的调节服务[16]。本研究中采用植被净初级生产力(NPP)表征固碳服务的供给量。CASA模型因其计算精度较高、数据和参数容易获取等优势，是计算NPP的常用模型。公式：

NPP(x,t)=APAR(x,t)×ε(x,t)

(4)

式中，NPP(x,t)为植被净初级生产力；APAR(x,t)为植被吸收的光合有效辐射；ε(x,t)为像元x在时间t内的实际光能利用率。

1.3.4 土壤保持服务

土壤保持服务以潜在土壤侵蚀量与实际土壤侵蚀量之差作为衡量指标[17]。本文采用基于修正土壤流失通用方程(RUSLE)，计算公式：

Ac=R×K×LS×(1-C×P)

(5)

式中，Ac为土壤保持量；R为降水侵蚀因子；K为土壤侵蚀因子；LS为坡长坡度因子；C为植被覆盖因子；P为水土保持因子；C为植被覆盖因子。

1.3.5 生态系统服务综合指数

对各类生态系统服务进行标准化并累加，获取生态系统服务综合指数(以下简称综合指数)，表征区域生态系统服务的总体水平[10]。具体处理方法：

(6)

(7)

式中，ESS为生态系统服务的标准化结果；ES为生态系统服务初始值；ESmax为生态系统服务最大值；ESmin为生态系统服务最小值。为避免异常值的干扰，将ESmax与ESmin分别取95%和5%分位数。TES为综合生态系统服务指数；ESbi为第i类生态系统服务的标准化结果；n为4。

1.3.6 分段线性回归

分段线性回归是阈值识别中一种简单有效的方法，可以识别一个或者多个阈值[9]。主要通过对断点前后采用分段线性回归，通过分段线性回归过程中出现的残差平方和最小的点来体现。其中分段线性回归方法的原理：

(8)

式中，y为综合生态系统服务(TES)；x为城市化指标；β0和β1为系数项；∈为残差项。

2 结果

2.1 生态系统服务空间分布

如图2所示，生态系统服务功能(土壤保持服务、固碳服务、产水服务和食物供给服务)存在显著的空间变异。产水服务在0～65万m3·km-2。渭南市东侧最高，天水市和平凉市次之，商洛市和铜川市最低。固碳服务在0～1131t·km-2。宝鸡市西南部最高，其次是平凉市、咸阳市，西安市中心最低。土壤保持服务范围为0～8229t·km-2。以顺义和平谷宝鸡南部、天水西侧和平凉南侧最高，咸阳市、渭南市、运城市和临汾市等的土壤保持服务较低。食物供给服务在0～1726.59t·km-2，整体空间分布具有不均匀性，城市中心的食物供给服务较低，郊区整体较高。

表1 不同土地利用类型的生态系统服务

在不同土地利用类型中，如表1所示，耕地是区域生态系统服务的主要提供者。耕地对产水服务(WY)、固碳服务(CS)和食物供给服务(FP)的贡献率分别为39.71%、40.12%和49.20%。对土壤保持服务而言，林地和草地是主要的提供者，贡献率分别为42.58%和35.91%，除了土壤保持服务之外，草地的生态系统服务贡献均高于林地。未利用地、水域提供的4种生态系统服务功能均较弱，其中未利用地对各生态系统服务功能的贡献均小于1%。

如图3所示，TES最大值为2.11，较高值分布在宝鸡市南侧，天水市东侧和平凉市西侧。在西安市、咸阳市、渭南市和铜川市等地区，TES值较低(平均值<1)。这主要是由于建设用地大幅扩张导致生态用地总量不足，导致生态系统服务总量减少。宝鸡市和西安市南侧由于秦岭山脉的存在，林地是主要的土地利用类型。因而该地区提供的食物供给服务相对较少，且固碳服务、土壤保持服务和产水服务提供的量较大。各市区周围郊区耕地分布较广，TES值总体较高。

为进一步明确各生态系统服务之间的关系，采用空间叠加的方法对生态系统服务优势区进行识别。即选择各生态系统服务价值最高的前50%区域作为优势区域。然后对固碳服务、产水服务、土壤保持服务和食物供给服务的优势区域进行了覆盖。将具有2个或2个以上有利区的区域定义为多级优势区，包括二级优势区、三级优势区。将只有1个优势区域的区域定义为一级优势区域；同样，没有有利区域的区域被定义为非优势区。

如图3所示，天水市东北部、平凉市西南侧产水服务、固碳服务、食物供给服务呈明显优势，形成三级优势区。由于秦岭山脉的存在，西安市南部产水服务和固碳服务较高，表现为二级优势区。宝鸡市南部、铜川市、运城市西侧等地区的产水服务表现为明显优势，形成一级优势区。宝鸡市中部、渭南中北部和运城市部分地区，食物供给服务具有明显优势，形成一级优势区。临汾东南部、庆阳市地区和天水市西北部都表现为非优势区。综上所述，研究区主要生态系统服务具有明显空间的聚集性，二级以上优势区占比较少，大部分区域都充分发挥了单一生态系统服务的优势。有必要对该地区建立生态保护地，以保证研究区生态系统服务的数量和质量。

2.2 城市化空间分布

人口城市化、经济城市化和土地城市化的空间格局基本一致，见图4，均为从城市群中心向外围逐渐降低。3种城市化模式之间存在着一定的差异：与经济城市化和土地城市化相比，人口城市化的空间集聚特征更为显著，集中于城市群中心位置，经济城市化和土地城市化从城市群中心向城市群边缘呈现逐渐衰退趋势。这种趋势很大程度上由于人口迁移导致城市群中心人口的突然增加，而经济增长和建设用地扩张则不能短时期内与之同步。

总体而言，在关中城市群中，中心位置西安城市化水平最高，其人口密度最高值为20435人·km-2，GDP最高值为316579万元·km-2，建设用地比例最高值为98%。紧邻西安市的宝鸡、咸阳、渭南等地城市化水平次之。以西安为中心向外围不同方向城市化水平各异，其东北向渭南、运城、临汾等地城市化显著，其西北平凉、东南商洛等地城市化水平最低。

2.3 生态系统服务对城市化的响应阈值

如图5所示，土地、人口和经济城市化对TES的影响存在明显的阈值效应。阈值前后城市化对TES的影响呈现出明显不同的特征。其中，经济城市化在阈值前后表现差异明显，在阈值之前，经济城市化的增强对TES有微弱的正向影响，但在阈值之后，TES随着城市化程度的增加而显著降低。土地城市化和人口城市化与TES呈显著的线性负相关关系，且存在临界值，临界点前后城市化对TES的影响有所差异。

经济城镇化方面，当GDP密度超过27.54万元·km-2时，TES随着经济发展程度的增加而显著下降，线性关系的斜率为-0.11(P=0，R2=0.14878)，在此阈值之前，TES随经济发展增加呈现上升趋势(P=0，R2=0.14878)。在人口城镇化方面，在人口密度较低时，TES随着人口的增加显著下降(P=0，R2=0.32)。当人口密度达到32人·km-2时，下降趋势有所放缓，线性关系的斜率为-0.14(P=0，R2=0.13)。在土地城镇化方面，当建设用地占比超10%时下降速率也有明显放缓。

众所周知，随着城市的扩张，建设用地正在占用生态用地，包括耕地、林地、草地和水体[18]。一个直接的后果是生态系统服务的提供者减少，生态系统服务减少发现，城市化对生态系统服务影响的阈值，整体呈现显著的负向影响。其中，经济城市化对生态系统服务影响阈值效应最为明显，即在经济发展水平相对较低的时候，经济的增加对生态系统服务影响呈现出促进作用，但经济发展过度会对生态系统服务产生显著负向影响。土地城市化和人口城市化对生态系统服务的影响虽然也存在阈值效应，但整体来看，两者在城市化各个水平都表现为显著下降。超过一定的阈值，两者对生态系统服务负向影响都有所减弱，这可能是由于城市化水平对生态系统服务结构和功能造成损害达到一定程度所出现的现象。综上所述，不同城市化指标对TES的影响存在明显差异，其中经济城市化在一定阶段表现为对TES的促进作用，这对于关中城市群经济发展和生态规划可以提供一定参考。

3 讨论与结论

3.1 讨论

生态系统服务是生态系统健康的关键指标。确定城市化生态系统服务响应的阈值可以定量描述城市化生态效应的阶段特性[9]。这些信息为区域可持续性发展提供了科学指导。本文基于遥感和模型模拟，对4种生态系统服务功能(SC、CS、WY和FP)进行了研究。然后对4种生态系统服务功能进行标准化，得到关中城市群的TES。利用简单线性回归评价了生态系统服务对城市化的响应，确定了人口和经济城市化对TES的影响阈值。其中经济发展对TES的影响阈值效应最为明显，因此，可以通过区域经济均衡发展、产业布局调整等战略来保证该地区生态系统服务的供给能力。土地城市化和人口城市化整体对TES负向效应明显，因此有必要在一定程度上限制人口和土地的过度城市化。

本文也存在一定的局限性。生态系统在评价生态系统服务功能时，采用了RUSLE模型、水平衡方程、CASA模型和基于NDVI的粮食产量空间化模型。不同模型在评价生态系统服务过程中，会产生不确定性。在后续研究中可以加强相关模型的对比分析。采样点的选取问题，本文采用格网点进行采样，而不同的采样单元会对阈值的结果产生明显差异，后续可以采用不同采样单元，如流域、城镇等。本文针对阈值的研究忽略了这种影响的空间异质性，不同气候区、地貌区对城市化的响应应该存在空间差异性。这在后续研究中可以进行补充讨论。