基于城乡梯度的北京生态涵养区生态系统服务权衡空间异质性及驱动机制研究

《Landscape Ecology》：Spatial heterogeneity and driving factors of ecosystem service trade-offs in Beijing’s ecological conservation area: Insights for spatial planning and management

本文针对快速城市化背景下生态系统服务（ESs）权衡关系空间变异机制不清的难题，以北京生态涵养区（BECA）为研究对象，创新性地融合最优参数地理探测（OPGD）与贝叶斯信念网络（BBN）模型，揭示了城乡梯度上ESs权衡的时空分异规律。研究发现土地利用类型是主导驱动因子，并识别出生态-农业过渡带为优先优化区域，为差异化生态管理提供了科学依据。

　　

当城市像潮水般向四周蔓延，高楼取代森林、道路切割田野，我们赖以生存的生态系统正悄然发生着深刻变化。作为人类从自然中获得的各种惠益，生态系统服务（Ecosystem Services, ESs）——从洁净的水源、丰饶的食物，到气候调节、水土保持，乃至休闲游憩带来的精神愉悦——构成了区域可持续发展的基石。然而，这些服务并非总是协同增效，更常呈现“鱼与熊掌不可兼得”的权衡关系（Trade-offs）。特别是在快速城市化的背景下，人类活动剧烈改变着景观格局，使得不同服务之间的冲突更为复杂。如何精准刻画这些权衡关系的空间分异，揭示其背后的驱动机制，并找到优化调控的“关键区域”，成为景观可持续性研究的核心挑战。

北京生态涵养区（BECA）作为首都重要的生态安全屏障，承载着水源涵养、水土保持、生物多样性保护等多重生态功能，同时面临着城乡发展不平衡、生态保护与经济发展矛盾突出等现实压力。该区域从城市建成区到偏远山区，形成了典型的城乡梯度（Urban-rural gradient），为研究人类活动与自然过程的交互作用对ESs权衡的影响提供了理想场所。以往研究多关注自然环境梯度（如海拔、降水）的影响，而对城乡梯度这一深刻体现人地关系变化的空间维度关注不足。此外，传统线性回归方法难以捕捉ESs之间复杂的非线性因果关系，也缺乏对空间优化区域的识别。正因如此，杨媛媛等人发表在《Landscape Ecology》上的研究，聚焦于BECA内ESs权衡的空间异质性及其驱动因子，旨在为区域空间规划与管理提供新见解。

为回答上述问题，研究团队开展了一项多维度、多方法的综合研究。首先，他们从人口-土地-产业维度选取5个社会经济指标，并结合5个景观格局指数，通过K-Means聚类将BECA划分为城市核心区、城乡扩张区、农业生产区、农业开垦区、生态功能区及生态修复区六类梯度带，精准刻画了从高度人工化到自然主导的城乡过渡序列。其次，利用InVEST模型、核密度分析等方法，量化了2000-2020年间六类关键ESs：产水量（Water Yield, WY）、食物生产（Food Production, FP）、碳固存（Carbon Sequestration, CS）、土壤保持（Soil Conservation, SC）、休闲游憩（Leisure Recreation, LR）和生境质量（Habitat Quality, HQ）的时空动态。进而，采用皮尔逊相关系数和均方根误差（Root Mean Squared Error, RMSE）分析了ESs之间的定量关系与空间权衡强度。最后，创新性地整合了最优参数地理探测器（Optimal parameters-based geographical detector, OPGD）和贝叶斯信念网络（Bayesian belief network, BBN）模型，深入挖掘了ESs权衡的关键驱动因子，并通过情景模拟识别了优先优化区域。

3.1 城乡梯度识别

研究识别出的六类梯度带空间分布特征明显。城市核心区面积占比最小（0.85%），主要集中在东部；城乡扩张区环绕其外；农业生产区（21.68%）广泛分布于城乡扩张区外围，尤其在东部呈条带状；生态功能区面积最大（67.13%），位于远离城市中心的山区；农业开垦区和生态修复区则作为过渡带分布其间。梯度带指标特征显示，从城市到乡村生态区，人口密度（PD）、核心建设用地比例（PCCLA）和夜间灯光强度（NL）递减，而核心生态用地比例（PCELA）递增；景观破碎度（LFI）下降，斑块形状复杂性（AWMSI, AWMPFD）和景观多样性（SHDI）上升，清晰反映了从人为规划到自然主导的景观格局演变。

3.2 ESs及其权衡的时空格局沿城乡梯度变化

3.2.1 ESs动态

2000-2020年间，WY、FP、SC和LR的平均值增加，而CS和HQ略有下降。空间上，沿城乡梯度，WY和LR从城市向乡村生态区递减，CS、SC和HQ则逐步提升，FP呈先升后降趋势。城市及城乡过渡区WY和LR增长显著，而仅在生态修复区内CS和HQ呈现正增长，印证了生态修复措施的积极效果。不同梯度带主导服务各异：城市及过渡区提供高WY和LR；乡村农业区以高FP为特征；乡村生态区则成为CS、SC和HQ供给的关键区域。

3.2.2 ESs权衡的多维特征

定量上，权衡关系主导了ESs间相互作用。2020年，15对ES组合中仅5对呈现协同关系，其中CS_HQ协同性最强。WY_FP、WY_CS和WY_HQ的关系从协同转向权衡。沿城乡梯度，部分ES对（如WY_FP, CS_LR）的关系发生转变，乡村生态区内CS_SC、CS_HQ和SC_HQ的协同性显著增强。

空间上，RMSE值揭示了ESs权衡的显著空间异质性。除CS_HQ外，其余ES对均表现出不同程度的权衡。城市及城乡过渡区，权衡利益明显偏向WY和LR；乡村农业区偏向FP；乡村生态区则偏向CS和SC。沿城乡梯度，文化服务与其他服务间的权衡在城市及过渡区尤为突出，而调节服务与供给服务间的权衡在乡村生态区最为明显。

3.3 ESs权衡驱动因子与优先优化区域识别

3.3.1 OPGD因子探测

OPGD分析从12个潜在驱动因子中识别出7个对至少一对ES关系有显著影响的因子：土地利用类型（LUT）、高程（DEM）、人口密度（PD）、距居民点距离（DTRP）、距道路距离（DTR）、蒸散发（ET）和坡度（Slope）。其中，LUT是最主要的驱动因子（q值最高达0.91），其次是DEM和ET。

3.3.2 BBN敏感性分析识别的关键驱动因子

基于BBN的敏感性分析进一步确认LUT是六组ES权衡关系中最敏感的驱动因子。此外，CS_HQ权衡受ET和温度（TMP）显著影响；WY_FP权衡受ET和DEM驱动；FP_HQ和FP_CS权衡也受到ET和地形位置指数（TPI）的影响。

3.3.3 情景模拟下的优先优化区域

情景模拟表明，当单一ES权衡（情景1）或两对ES权衡同时增强（情景2）时，优先优化区域主要分布在生态功能区，并尤其集中在乡村生态区与乡村农业区之间的过渡地带。这些区域既是地形过渡带，也是人类生产与生态保护功能交错区，生态系统更脆弱，是权衡加剧的潜在热点，需优先进行生态管理干预。

研究的讨论部分深入剖析了上述发现的深层含义。ESs的变化深受城市化和土地利用变化驱动。城市扩张导致不透水面增加，提升了WY，却也降低了CS和HQ；农业集约化在提高FP的同时，可能损害调节服务；而生态修复措施则有效提升了生态区内的CS、LR和HQ。ESs权衡的空间异质性源于不同梯度带下主导驱动力的差异：城市及过渡区权衡主要由人类需求和土地利用变化主导；乡村农业区则体现农业生产活动的影响；乡村生态区内，自然生态过程和政策规制成为主要驱动力。尤为重要的是，乡村生态区与农业区之间的过渡带，因其复杂的自然条件和人地功能交错，成为权衡易加剧的关键区域，应作为优先优化区域。

该研究的意义在于，它强调了将ESs权衡关系纳入景观规划对于实现区域景观可持续性的重要性。通过精准识别权衡的空间异质性、关键驱动因子及优先区域，为北京生态涵养区乃至类似快速城市化区域的差异化、精细化生态管理提供了切实可行的科学依据。研究提出的建立多功能生态缓冲带、优化城市空间格局、促进农业可持续转型、发展林下经济与生态旅游等政策启示，为实现生态保护与经济社会发展的协同共赢指明了路径。