综述：环境治理如何影响陆地生态系统服务的价值？基于SD-PLUS模型的案例研究

《Ecological Indicators》：How does environmental governance influence terrestrial ecosystem service values? A case study based on the SD-PLUS model

基于SD-PLUS耦合模型，本研究以宁德市为例分析环境治理对生态系统服务价值（ESV）的影响。结果表明，传统发展（CDS）、经济导向（EDS）和生态保护（EPS）情景下2030年ESV分别为2173.17亿、2197.32亿和2205.22亿人民币，其中EPS通过 cropland-to-forest 转化显著减少低温区面积。研究提出空间分层的生态市场、产业生态融合及ESV绩效审计等政策框架，强调需超越传统面积保护，重视空间功能与制度协同。

　　本研究聚焦于生态环境治理对生态系统服务价值（ESV）的影响，以福建省南平市为案例，探索了如何将政策因素纳入土地利用变化的模拟中，从而更准确地评估其对生态系统服务价值的长远影响。通过整合系统动力学（System Dynamics, SD）与基于斑块生成的土地利用模拟（Patch-generating Land-Use Simulation, PLUS）模型，研究团队构建了一个政策敏感的SD-PLUS框架，该框架不仅能够反映土地利用的动态变化，还能捕捉政策实施过程中空间异质性带来的影响。研究发现，政策因素在土地利用变化中的作用远比以往认为的更为复杂，它不仅影响土地利用类型的变化，还深刻地塑造了生态系统服务价值的空间分布模式。

南平市位于福建省西北部，地处闽江上游流域，其森林覆盖率高达78.85%，是福建省重要的生态屏障。作为该省面积最大的县级市，南平市的土地利用类型以森林为主，但其经济发展相对滞后，2020年的GDP仅为2007.40亿元。研究团队选取了三种典型的发展情景：常规发展情景（CDS）、经济发展情景（EDS）和生态保护情景（EPS），分别代表不同的政策导向和土地利用模式。在CDS中，经济增长是核心驱动力，城市化和工业化进程加快，导致大量森林被转化为耕地，而耕地则因经济发展而减少。相比之下，EPS则强调生态保护，通过严格的土地利用限制和生态恢复政策，推动耕地向森林和水域的转化，从而提升生态系统服务价值。研究还发现，政策的实施并非一蹴而就，其效果往往存在时间滞后性，需要长期的政策连续性和制度性保障。

研究中使用的SD模型用于预测土地利用需求，结合了经济、人口和土地利用三个子系统。模型通过统计回归分析历史数据，构建了土地利用变化的反馈机制。在经济发展的驱动下，人口增长和城市扩张促使土地利用需求上升，特别是建设用地的扩张。然而，这一扩张趋势会引发生态系统的退化，形成负反馈机制，抑制人口增长。为应对这一问题，环境治理措施如生态补偿政策和环境激励机制被引入，以减缓生态系统的退化，实现社会-生态系统的动态平衡。SD模型的结果显示，当经济和人口参数调整在±10%范围内时，模型的总体敏感性低于5%，表明其具有良好的稳定性和预测能力。同时，模型的误差控制在10%以内，其中森林和未利用土地的模拟精度最高，年误差低于2%，这表明SD模型在预测土地利用变化方面具备较高的可靠性。

PLUS模型则用于模拟土地利用的空间格局，通过分析12种驱动因素（如交通基础设施、人口密度、土地利用类型等），预测未来土地利用的变化趋势。研究中采用的PLUS模型在模拟精度和对土地利用变化驱动因素的解释能力方面表现优异，其Kappa指数达到0.7890，整体准确率达到95.93%。模型结果表明，不同情景下的土地利用变化呈现出显著的空间异质性。在CDS情景下，建设用地的扩张最为显著，其面积从2010年的14,100公顷增长至2030年的33,700公顷，增长比例达139%。而耕地面积在CDS情景下于2020年达到峰值，随后在EDS和EPS情景下分别下降了5.2%和9.9%。相比之下，EPS情景下森林覆盖率有所回升，显示出政策干预对生态恢复的积极作用。

从生态系统服务价值的角度来看，CDS情景下ESV呈现下降趋势，2030年的ESV为217.317亿元，相比2020年下降了1.43%。EDS情景下，ESV下降幅度较小，仅为0.34%，而EPS情景下则实现了0.02%的微小增长。这表明，尽管经济增长在短期内可能对ESV产生负面影响，但通过合理的政策干预，生态保护可以部分抵消这种影响。同时，研究还通过热点分析（Hot Spot Analysis）揭示了ESV的空间分布模式。结果显示，CDS情景下冷热点（冷区和热区）的分布更为集中，而EPS情景下冷热点的比例有所下降，热区则呈现出分散趋势。这种空间分布的变化反映了政策干预对生态系统服务价值分布的调节作用，即通过土地利用的合理规划，可以减少低价值区域的扩张，提升高价值区域的连通性。

此外，研究还指出，环境治理政策在实施过程中往往面临空间异质性带来的挑战。例如，尽管EPS情景在总体上提升了ESV，但在东部一些县区，仍存在局部的生态损失。这表明，政策的效果不仅取决于其设计，还受到地方治理能力和执行力度的影响。因此，建立一个能够反映地方差异的生态治理框架至关重要。例如，在生态资源丰富的区域，可以通过跨区域的生态市场机制，将生态保护成果转化为经济价值；而在生态资源较少的区域，则需要通过绩效导向的财政激励措施，鼓励当地通过恢复植被来提升生态价值。这种分层的生态治理策略不仅能够增强政策的实施效果，还能促进生态资源的公平分配。

研究还强调了政策与土地利用之间的复杂关系。在常规发展情景（CDS）下，城市扩张往往导致生态系统服务价值的持续下降，特别是在城市周边地区，如建阳区。这种下降主要源于土地利用类型的变化，如森林转化为耕地，导致生态系统服务功能的削弱。而在EPS情景下，尽管耕地向森林和水域的转化有助于提升ESV，但这种转变受到过去城市化遗留问题的制约，例如部分区域的基础设施已形成，难以逆转。因此，政策设计需要考虑历史遗留因素，并通过合理的空间规划来缓解生态损失。例如，在森林覆盖率较高的区域，可以优先发展生态农业或菌类种植等可持续产业，以维持生态系统的稳定性，同时促进农村经济的发展。

研究还指出，政策的实施效果往往需要长期的跟踪和评估。ESV的变化具有时间滞后性，例如在EPS情景下，虽然生态系统服务价值呈现小幅上升，但这一变化需要时间才能显现。因此，政策制定者应认识到，环境治理并非立竿见影，而是需要持续的投入和调整。此外，政策的实施效果还受到社会制度和管理机制的影响。例如，在某些地区，由于政策执行力度不足，尽管有生态保护政策，但实际的土地利用变化仍然偏离预期。因此，建立一个能够反映政策执行效果的评估体系，对于优化环境治理策略至关重要。

本研究的创新之处在于，它首次将环境治理因素作为动态、空间异质性的变量，整合到土地利用变化的模拟中。传统的ESV评估方法往往忽略了政策的复杂性，将其视为静态的背景因素。而本研究通过SD-PLUS模型，不仅能够预测土地利用需求，还能分析政策干预对生态系统服务价值的空间分布模式的影响。这一方法为未来环境治理政策的制定和评估提供了新的思路，即通过定量模型，将政策目标与土地利用变化联系起来，实现政策与生态系统的动态平衡。

研究还指出，当前的ESV评估方法在某些方面存在局限性。例如，许多研究依赖于历史数据进行回溯分析，而未能充分考虑政策的未来影响。此外，政策的实施效果往往受到多种因素的制约，如经济活动、人口增长、基础设施建设等，这些因素在传统的模型中未能得到充分体现。因此，未来的研究需要进一步优化模型，使其能够更全面地反映政策与土地利用之间的互动关系。例如，可以引入气候变量、社会经济变量等，以提高模型的预测精度和适用性。

最后，研究提出了几种具有实践意义的政策建议。首先，建立分层的生态市场机制，将生态保护成果与区域发展需求相结合，有助于实现生态与经济的双赢。其次，推动产业与生态的协同发展，例如在森林资源丰富的地区，发展生态农业或生态旅游等产业，可以减少对自然资源的过度开发，同时提升当地经济水平。第三，实施基于生态系统服务价值的绩效审计，将生态保护成果转化为可量化的指标，有助于政策制定者更科学地评估治理效果。这些政策建议不仅适用于南平市，也为其他面临类似生态挑战的地区提供了可借鉴的经验。

总之，本研究通过SD-PLUS模型，揭示了政策干预对土地利用变化和生态系统服务价值的深远影响。它强调了环境治理在土地利用规划中的重要性，并提出了分层的生态市场、产业-生态融合以及基于ESV的绩效审计等策略，以更好地实现生态保护与经济发展的平衡。这些发现不仅为政策制定者提供了科学依据，也为未来土地利用规划和生态系统服务价值评估提供了新的视角和方法。