中国三大城市群生态系统服务对城市化的差异化响应：基于整体与内部服务簇的多维解析

针对快速城市化背景下生态系统服务(ES)与城镇化(CUL)的非线性关系不明问题，本研究整合InVEST模型、RUSLE模型和熵权法，结合XGBoost-SHAP和SOM-FCM技术，揭示了中国长三角(YRD)、珠三角(PRD)和京津冀(BTH)三大城市群2000-2020年间ES的时空演变特征，发现城市化对栖息地质量(HQ)和碳储存(CS)呈U型影响，并识别出5类典型生态系统服务簇(ESB)，为区域生态-城市协同发展提供决策支持。

　　

随着中国城市化进程加速，三大城市群——长三角(YRD)、珠三角(PRD)和京津冀(BTH)已成为国家经济发展的核心引擎。然而，这种快速扩张伴随着建设用地扩张、人口集聚和资源过度消耗，严重破坏了区域生态系统的结构与功能。当前研究存在三大瓶颈：多数聚焦单一城市或城市群，缺乏多区域对比；主要关注线性关系，忽视ES与城市化间的复杂非线性交互；较少从生态系统服务簇(ESB)尺度解析内部异质性。这些问题导致难以制定差异化的生态管控策略，制约了区域可持续发展目标的实现。

为破解这些难题，广州大学的研究团队在《Ecological Indicators》发表了一项开创性研究。他们采用多模型融合的方法，首先通过InVEST模型量化了2000-2020年间碳储存(CS)、产水量(WY)、栖息地质量(HQ)、水土保持(SC)、食物生产(FP)和文化景观(CL)六类ES；运用熵权法构建综合城市化水平(CUL)指标；进而结合机器学习(XGBoost)与事后解释模型(SHAP)揭示非线性关系；最后采用自组织映射-模糊C均值(SOM-FCM)识别ESB。研究样本覆盖中国19个城市群中发展程度最高的YRD、PRD和BTH区域，空间分辨率统一为1km网格。

研究结果呈现出三大核心发现：

时空演变特征方面，2000-2020年间三大城市群的HQ、CS和CL整体呈下降趋势，WY波动明显，SC在2000-2010年增长5%-14%后转为下降1%-3%。空间上，PRD呈现"核心-边缘"结构，YRD显示南北梯度差异，BTH则表现为西北生态区与东南城市区的鲜明对比。

非线性响应机制上，XGBoost-SHAP模型显示CUL对多数ES的影响呈阈值效应：当CUL<0.1时对HQ有正向作用，超过阈值后转为负向且持续增强。特别值得注意的是，PRD区域CS的负向影响最强（SHAP值-0.72），而BTH对FP的影响呈现独特抛物线特征，峰值出现在CUL=0.05时。

ESB尺度分析揭示了更精细的规律：在PRD的P1(产水主导)簇中，CUL对CS的强负影响区从7%激增至28%；而作为生态屏障的P5(HQ-CS-CL供给)簇则表现出>90%的正向效应。YRD的Y1(城市)簇中HQ负影响持续扩大，但Y4(HQ-CS供给)簇通过54%的正向效应形成生态补偿。BTH的B3(粮食生产)簇展现出独特的FP维持能力，尽管城市化压力下正向影响区仍保持74%。

这项研究的创新价值体现在三方面：方法学上，首次将SOM-FCM与XGBoost-SHAP结合，解决了传统SOM模型神经元过多的问题；理论上，证实了"低城市化促进-高城市化抑制"的ES响应规律，完善了城市生态学理论；实践上，提出的分区管控策略——如PRD应重点优化P2/P3过渡簇的植被结构，BTH需在B3簇实施耕地保护补偿机制——为《全国生态功能区划》的修订提供了科学依据。

研究也存在两点局限：受数据分辨率限制，未细化建成区内部ES变异；未考虑ES供需平衡维度。未来研究可结合多源大数据，从"供给-流动-需求"全链条视角深化城市化对ES作用机制的认识。这些发现不仅为中国城市群的可持续发展提供了精准管控工具，也为全球快速城市化地区的生态安全格局构建提供了东方范式。