生态服务价值对土地利用变化的时空响应研究——以徐州市为例

时间：2024-07-28

汪清川，奚砚涛，刘欣然，周文，徐欣冉

(中国矿业大学资源与地球科学学院，徐州 221000)

0 引言

生态系统服务是指通过生态系统的结构、过程和功能直接或间接得到的生命支持产品和服务,其价值评估是生态环境保护、生态功能区划、环境经济核算和生态补偿决策的重要依据和基础[1]，人类的生产生活离不开对生态系统服务的依赖，它与人类的发展密切相关。Costanza[2]在1997年就对生态系统的功能进行了相关研究，并在全球范围内进行了相关划分和价值评估，一经发表便成为当时研究生态系统服务价值(ecosystem service value，ESV)的基础。谢高地等[3-5]在此基础上，经过充分的实地调查，根据我国的具体国情改进了该评估模型，并发表了“中国陆地生态系统单位面积生态服务价值当量表”，此后，该研究成果被我国学者广泛用于生态系统服务功能的研究。

土地利用变化是全球生态环境变化的重要因素[6-8]，随着经济和人口快速增长，城市基础建设不断扩张，建设用地需求越来越大，导致各用地类型转换剧烈，尤其是耕地和建设用地的转换，并最终导致区域ESV和功能发生变化，近年来越来越多的专家学者将研究重点放在土地利用变化对生态系统服务功能和价值的影响上，相关研究俨然已经成为生态学和地理学的研究重点。Carpenter等[9]认为土地利用类型的改变会导致生态系统的结构和过程发生变化，从而影响生态系统服务功能，Radford等[10]研究发现，土地利用格局会影响单项ESV从而影响其总值。国内学者在借鉴了国外的研究成果，对国内的ESV进行了相关研究[11-13]。胡和兵等[14]发现，土地利用程度与服务价值存在明显的负相关关系；李涛等[15]以洞庭湖为研究区域，探讨了土地利用变化与ESV的时空演变，发现其ESV变化表现出了很强的空间自相关现象。

近年来，随着徐州正式确立为淮海经济区中心城市，其未来城市的发展必然导致土地利用方式的剧变，因此，急需对徐州市的生态服务功能和土地利用变化的关系进行分析研究，探讨各类土地利用类型的生态服务功能的价值，从而为徐州市未来生态环境保护和城市健康发展提供保障，因此，本文以Costanza和谢高地等人的研究成果为基础，利用3期遥感影像，结合GIS(geo-information system)的空间分析功能，研究2005—2015年间徐州市的土地利用变化，进而计算其ESV并掌握其空间变化情况，为徐州市的可持续化发展及未来土地利用和生态环境保护提供数据保障。

1 研究区概况与数据源

1.1 研究区概况

徐州，作为江苏省地级市，淮海经济区中心城市，地处江苏省西北部，地理坐标为E116 °22 ′～118 °40 ′，N33 °43 ′～34 °58 ′之间，总面积为11 258 km2，除中部和东部少数丘陵外，大部分为平原，受温带季风气候影响，全年平均气温为14 ℃，年降水量为800～930 mm。截至2017年底，全市总人口为836.35万人，国内生产总值为6 605.95亿元，人均生产总值为75 611元。徐州市下辖5个区，2个县级市，3个县(图1)。

图1 研究区域Fig.1 Study area

1.2 数据源

本文使用到的数据主要为Landsat系列遥感影像数据、统计年鉴数据和行政边界数据。通过对遥感影像进行相关预处理，经过人工解译，将土地利用类型分为6类，从统计年鉴数据中获取徐州市的粮食产量和价格数据，进行相关修正系数的计算，通过行政边界数据获取徐州市的县区级别的边界范围。数据具体信息如表1所示。

表1 基本数据信息汇总Tab.1 Summary of basic data information

2 研究方法

2.1 单一土地利用类型动态度

单一土地利用类型动态度K表示的是某单一土地利用类型在一定时间范围内的面积变化量[16]，表达式为：

(1)

式中:Sj和Si分别为研究区域在末期和初期的某种土地利用类型的面积;t为研究时间范围，当t的单位是年时，K的值即为年变化率。

2.2 土地利用转移矩阵

土地利用类型转移矩阵可以计算出土地利用类型之间的相互转移的数量和方向，可以对某一时期内各种土地利用类型的演变方向与程度进行描述[17]，其表达式为：

式中:S为土地面积;n为土地利用的类型数;i,j分别为研究期间开始和结束时的土地利用的类型。

2.3 ESV

Finlayson等[18]的研究为ESV研究提供了基本的指导理论和研究方向。当国内学者将其引入我国的一些区域进行相关研究时发现其方法存在一些不足，对我国的ESV估算不太合理。谢高地等[19]通过对200多位专家学者问卷调查的形式，对该方法进行改进，经过2次修订，制定了如表2所示的中国ESV当量表。

表2 中国生态系统单位面积生态服务价值当量表(2007年)Tab.2 Ecological service value equivalent per unit area of China’s ecosystem (2007)

谢高地等认为1 hm2农田食物生产的ESV当量为1，单位面积农田食物生产的ESV相当于当年研究区域的平均粮食市场价格的1/7[19-21]。该方法在国内得到了众多学者的广泛应用。由于该当量表是基于全国大尺度的研究，直接使用该方法肯定会造成较大偏差，因此本文根据徐州市的区位因素和研究期间徐州市的粮食产量和价格等因素，对徐州市ESV当量进行修正计算。具体有以下几个方面：①谢高地等的研究中，对我国不同省份的农田生态系统生物量因子继续计算，得到江苏省的生物量因子为1.74[22]；②将土地利用类型与最接近的生态系统相对应，森林、草地、农田、河流湖泊和荒漠分别对应林地、草地、耕地、水域和未利用地；由于目前对建设用地的理论研究尚少，未形成一些公认的研究方法，因此本文研究ESV时，建设用地没有参与相关计算；③根据徐州市的统计年鉴数据和江苏省粮油交易中心粮食价格统计数据，得到徐州市2005—2015年间平均粮食产量为6 068 kg/hm2，2015年徐州市的粮食收购价格为2.71元/kg，以2015年徐州市的粮食收购价格为基础，消除年与年间价格的波动，计算得到徐州市单位农田食物生产的ESV为2 349.18元/hm2。进而得到徐州市单位面积ESV系数表，如表3所示，该表经过一系列修正，比较符合研究区域的实际情况。

表3 徐州市生态系统单位面积生态服务价值系数表Tab.3 Ecological service value coefficient per unit area of Xuzhou ecosystem

以修正过的ESV表为计算基础，徐州市的生态系统服务功能价值的计算公式为：

(3)

(4)

式中:ESV为研究区内生态系统服务总价值;Vi为某单一土地利用类型i的ESV系数;Ai为某单一土地利用类型i的面积;ESVk为第k项ESV;Vki为第i种土地利用类型的第k项ESV。

2.4 生态系统敏感性

ESV敏感性指数(CS)可以很好地验证生态系统类型对各土地利用类型的代表性和价值系数的准确性[23-25]。CS值越大，说明单项服务功能价值系数V对ESV的影响程度大，ESV易受V的影响产生大的波动。当CS>1时，表明当1%的自变量发生变化时，其引起的因变量的变化将大于1%，这种情况下我们认为结果可信度低，不予采纳；反之，当CS<1时，表明V和ESV的关系是缺乏弹性的，即1%的自变量发生变化时，其引起的因变量的变化将小于1%，这种情况是可信的。

本文分别将徐州市各土地利用类型的V值各调整50%，以此来计算CS值，从而探究V对ESV的影响程度，其具体的计算公式如下：

(5)

式中:CS为敏感性指数;m,n分别为初始时的价值和调整生态价值系数后的价值;l为某单一土地利用类型。

3 结果与分析

3.1 徐州市土地利用变化分析

徐州市2005—2015年间土地利用变化情况如图2和表4所示，结合图2和表4可知，研究期间徐州市的主要用地类型为耕地，占总面积约69.3%，其次为建设用地，占总面积约21.3%，接着是林地和水域，占总面积分别为5%和3.96%，草地占总面积约为0.4%，面积最小的是未利用地，仅占总面积约0.04%。从总体变化来看，研究期间徐州市的土地利用变化呈现出两增四减的变化趋势，具体表现为建设用地和未利用地面积增加，耕地、林地、草地和水域面积减少，其中建设用地和耕地分别是增加面积最多和减少面积最多的用地类型，同时也是增长速度最快和减少速度最快的土地利用类型，在此期间建设用地共增加了499 630.5 hm2，占比增加了4.5%，耕地共减少了311 217.3 hm2，占比减少了2.81%。研究期间耕地和林地面积逐年下降，建设用地和未利用地逐年上升，而草地和水域面积在2005—2010年间都单调递减，在2010—2015年间又有少量增加。2005—2015年间，徐州市各土地利用类型相互转化如表5所示，其中草地向其他土地转移的规模很小，转移面积最大的为向耕地转移了4 977 hm2，耕地主要转移向建设用地、林地和草地，占转出总面积90%以上，说明徐州的建设用地面积的增加主要是占用周边耕地形成。林地和水域的转出土地利用类型均为耕地和建设用地，占总的转出面积均达到了90%以上。

表4 2005—2015年徐州市土地利用变化Tab.4 Xuzhou City land use change from 2005 to 2015

表5 徐州市2005—2015年土地利用转移矩阵Tab.5 Land use transfer matrix in Xuzhou from 2005 to 2015 (hm2)

3.2 徐州市ESV变化

3.2.1ESV总体变化

2005—2015年徐州市各类土地利用类型ESV变化如表6所示，从表6中可以发现，徐州市的ESV总量一直在不断减少，从2005年的4.15×1010元，到2015年的3.86×1010元，10 a间共减少了2.9×109元，变化率为-6.9%，其中2005—2010年间的变化比较剧烈。2005—2010年，除了未利用地，其他各土地利用类型的ESV均出现大幅度的下降，2010—2015年耕地仍处于大幅下降的趋势，林地的下降幅度减小，草地、水域和未利用地的ESV出现小幅度的上升。总体上看，除了未利用地，其他各土地利用类型的ESV均处于下降趋势，其中林地的ESV下降量最大，共减少了1.43×109元，变化率为-22.45%，其次是耕地，共减少了1×109元，变化率为-3.95%，接下来是草地和水域，分别减少了2.47×108元和2.5×108元，变化率分别为-62.3%和2.65%，最后是未利用地，其ESV增加了1.47×106元，变化率为75.77%，但其对ESV总量影响最小。从历年土地利用类型的ESV所占比例来看，徐州市的ESV组成结构相对稳定，依次为耕地、水域、林地、草地、未利用地，与此同时水域，林地和耕地的ESV之和占比超过95%以上。耕地所占比重一直是最大的，这是因为其面积所占比例始终最大，水域虽然面积占比小，仅为4.5%左右，但其产生的ESV比较大，故而所占比例也比较大。

表6 徐州市各用地类型ESV变化Tab.6 Changes in ESV of various land types in Xuzhou City

3.2.2 单项ESV变化

徐州市单项ESV及其变化如表7所示，从表7中可以看出，2005—2015年间徐州市各单项生态系统服务功能均呈现下降趋势。这是因为研究期间除了建设用地和未利用地，其他地类面积均处于明显的下降趋势。各单项ESV中减少量最多的是水文调节的功能，价值共减少了4.5×108元，这主要是因为研究期间，水域面积的减少所造成的。变化最小的是娱乐文化功能，共减少了1.7×108元。从一级类型来看，对ESV贡献最大的是调节服务功能，贡献率约为56.35%，其次是支持服务功能，贡献率约为25.88%，供给服务功能，贡献率约为13.08%，最后是文化服务功能，贡献率约为4.69%。从二级类型来看，徐州市提供的废物处理功能价值最大，其次是水文调节功能，且这2个功能价值主要由水域面积提供。

表7 徐州市单项ESV及其变化Tab.7 Xuzhou City’s single ecosystem service value and its change (106元)

3.2.3ESV空间变化

2005—2015年，徐州市总的ESV持续下降，由于总量的变化无法反映出其在空间上的差异，因此在ArcGIS软件中计算各县域的ESV总量及其单位面积ESV。计算结果如表8和图3—4所示，从空间变化上来看，研究期间，徐州市ESV低值区域由城区向周边扩散，尤其在泉山区、鼓楼区、云龙区，变化最为明显，这是由于城市发展，建设用地不断扩张，占用了很多的耕地、林地和水域资源，而本文中鉴于建设用地对ESV的研究尚不明确，故其并没有参与相关计算，从而导致徐州市ESV降低。2005—2010年间，ESV变化量较大的区域有丰县、沛县和邳州市，较小的有贾汪区，2010—2015年ESV变化量较大的有丰县、贾汪区和新沂市，较小的有邳州市。各县级行政区域除了贾汪区以外，均呈现出持续下降的趋势，其中下降总量最多的是丰县，共减少了7.6×108元，下降总量最小的是贾汪区，共减少了0.7×108元，在县级行政区域中，ESV最高的是邳州市，这主要是因为其行政区面积较大，耕地面积多，比较高的有铜山区、新沂市和丰县，较低的区域有泉山区和云龙区。贾汪区在2005—2015年间先减少后增加，增加的主要原因是在2010—2015年间，水域和草地面积的大幅度增加。由于各县域土地面积不同，直接比较存在一定的差异性，因此采用单位面积ESV进行比较，在2005年，单位面积ESV最高的是泉山区，达到了5.04×104元/hm2，但在此之后，泉山区内水域面积和林地面积大幅度减少，导致其ESV总量锐减，在2010—2015年间，单位面积ESV最高的均为新沂市，这是因为新沂市建设用地占比和增长较小，耕地、林地、水域面积占比较高，因此其ESV较高。研究期间，单位面积ESV变化最大的是泉山区，下降了4.23×104元/hm2，变化最小的是贾汪区，减少了0.1×104元/hm2，同时可以看出，单位面积ESV较高的区域有贾汪区和铜山区，较低的有睢宁县、云龙区、鼓楼区和沛县。

表8 徐州市ESV空间变化Tab.8 Spatial changes of ecosystem service value in Xuzhou

3.3 生态系统服务敏感性分析

敏感性指数变化如表9所示，徐州市ESV的敏感性从低到高依次为未利用地、草地、水域、林地和耕地，最高为耕地的0.633 0，说明徐州市的耕地生态价值系数变化1%时，耕地的ESV增加0.633%，最低为未利用地的0.000 47。不同时期各用地类型的敏感性系数均小于1，这表明ESV和ESV系数是缺乏弹性的，即这种研究结果是可信的，符合徐州市的实际情况。

表9 敏感性指数变化Tab.9 Changes in sensitivity index

3.4 土地利用变化对ESV的影响

各土地利用类型面积的变化趋势与ESV的变化趋势情况如图5所示，从图5中可以发现，在2000—2015年间，耕地和林地的变化趋势与ESV的变化呈现完全的正相关关系，这是因为本身研究区域内的耕地和林地面积所占比例较大，故而其变化趋势呈现出相同的趋势，而草地和水域面积变化则是在2005—2010与ESV的变化趋势保持相同，在2010—2015年间与ESV变化趋势保持相反，这是因为2005—2010年间虽然水域面积和草地面积是增加的，但与2000—2005年相比，其增加的面积量较小，故而其ESV增加值被耕地和林地减少的ESV所抵消，所以整体上呈现出下降的趋势，而未利用地面积的变化与ESV的变化趋势一直呈现相反的趋势，这是因为未利用地面积所占比例极小，对ESV变化的影响也很小，更多的是其他4种地类影响着ESV的变化。结合表9看，各土地利用类型对ESV的敏感性是不同的，且在研究期间，林地、耕地和水域的敏感系数较高，说明其对ESV的贡献较大，是未来生态环境发展与保护的重点对象。

(a)耕地 (b)林地 (c)草地

4 结论

ESV的评估本身是一个很复杂的过程，其影响因素众多，评估方法也不尽相同。不同的评估方法计算出来的ESV价值可能不太相同，但是其时空变化特征相差不会太大。本文以谢高地等人的研究为基础，根据研究区域的实际情况修正了相关计算系数，得到了徐州市生态系统单位面积生态服务价值系数表，并通过3期遥感影像数据对徐州市土地利用类型进行分类，在GIS中进行相关叠加运算，统计出各土地利用类型的面积及其时空变化，研究得到了近10 a来徐州市ESV随土地利用变化的时空变化。主要结论如下：

1)2005—2015年间徐州市耕地、林地、草地和水域面积均不同程度的减少，未利用地面积小幅度上升，建设用地大幅增加。同时各用地类型相互转换，建设用地增加的面积主要由耕地贡献，水域和林地也贡献了较小的一部分，耕地同时也向林地和草地转移了部分面积，但转出面积远远大于转入面积，这使得研究期间，徐州市的耕地面积大幅减少，建设用地面积不断增加，各土地利用类型相互之间转换频繁。

2)研究期间徐州市ESV随土地利用变化而变化。从时间上看，研究期间徐州市ESV处于逐年下降的趋势，尤其是2005—2010年这一阶段，ESV锐减。就不同地类生态服务价值来说，水域和耕地的生态服务价值较高，未利用地对ESV贡献率最小，这主要是由于耕地面积所占比例高，而水域ESV系数较高，因此对ESV贡献率高。从单项ESV来看，水文调节和废物处理对ESV贡献率较高，这是因为水域面积对这2项生态系统服务功能影响较大，未来徐州市应加强对水域面积的管理，同时加强未利用地向林地和草地的转换，避免ESV继续下降。从空间上看，徐州市ESV差异比较明显，高生态服务价值区域主要分布在林地，水域面积大的区域如贾汪区、铜山区，低ESV区主要分布在建设用地集中的地区，占比高的区域如睢宁县云龙区等。

3)本文最后计算所得敏感性系数均小于1，说明研究结果是可靠的，对于徐州市未来的土地利用和规划，本文可提供数据上的支撑，确保经济和生态的协调发展。

4)各土地利用类型面积之间的相互转化对徐州市ESV影响较大。尤其是耕地和建设用地的转换，林地、草地向耕地的转换，这些转换都是由高ESV系数向低ESV系数的转换，打破了原有的平衡性，所以会导致研究区域内ESV总量的流失。因此，徐州市应该合理调整土地利用结构，加强耕地、林地和水域用地的保护。