黄土丘陵沟壑区耕地生态系统服务交互的时空格局与非线性驱动机制：基于InVEST、GWR与GeoShapley的延川县案例

《Frontiers in Environmental Science》：Spatiotemporal patterns and driving mechanisms of interactions among cropland ecosystem services in the Loess Hilly–Gully Region: a case study of Yanchuan County, Shaanxi Province

　　

引言：在退耕还林工程（Grain for Green Program）与治沟造地（gully land consolidation）耦合实施下，黄土丘陵沟壑区（Loess Hilly–Gully Region）经历了深刻的土地利用转型。然而，这些干预如何重塑多种耕地生态系统服务（ecosystem services, ESs）之间的交互及其驱动机制，仍未得到充分理解。方法：以延川县为案例，研究人员利用InVEST模型（InVEST model）和统计降尺度（statistical downscaling）量化了2000、2010和2020年的产水量（water yield, WY）、土壤保持（soil conservation, SC）和粮食生产（food production, FP）。采用Spearman相关分析（Spearman correlation analysis）和地理加权回归（geographically weighted regression, GWR）表征成对ES关系及其空间异质性，并应用基于GeoShapley的可解释机器学习模型（GeoShapley-based interpretable machine learning model）识别单个ES及其成对交互的驱动因素。结果：三种服务均显示净增加，在治沟造地集中实施的西部沟谷系统中增幅最大。三对服务表现出不同模式：WY–SC在所有时期均呈稳定中等正相关，SC–FP保持弱负相关，WY–FP未显示稳定的空间关联。GWR揭示了显著空间异质性，西部沟谷系统中WY–SC正相关更强。对于单个服务，温度是WY的主要负向驱动因素，坡度是SC的主要正向驱动因素，国内生产总值（Gross Domestic Product, GDP）与WY和SC正相关；FP的归因受限。对于ES交互强度，分组地理成分（grouped geographic component）在所有服务对中主导GeoShapley幅度。在实质性预测因子中，GDP对WY–SC排名第一，降水对WY–FP排名第一，夜间灯光强度（nighttime light intensity）对SC–FP排名第一；由于空间可迁移性（spatial transferability）有限，WY–SC归因被谨慎解释。讨论：这些发现表明，在生态恢复与治沟造地协同下，耕地空间重组与ES交互的差异化变化相关——一些服务对呈稳定正相关，另一些呈弱负相关或可忽略关联——为半干旱黄土景观中空间靶向的多功能耕地管理提供科学支持。

黄土丘陵沟壑区耕地生态系统服务交互的时空格局与驱动机制——延川县案例解读

研究背景与问题：黄土高原是中国乃至全球侵蚀最严重的区域之一，生态脆弱且人地矛盾强烈。退耕还林工程（Grain for Green Program）大规模恢复植被并显著减少土壤侵蚀，但坡耕地退耕压缩了农业生产空间和农户生计基础，粮食安全与生态保护矛盾日益突出。为缓解这一困境，延安等地实施治沟造地（gully land consolidation），将沟谷荒地、低效水域和未利用地改造为高产坝地和梯田，补偿造林占用的耕地并优化耕地资源配置。由此形成“梁峁退耕还林、沟谷整治造田”的异质农业景观，耕地生态系统服务（cropland ecosystem services, ESs）交互是否被重塑及其驱动机制尚不清楚。已有研究多评估单项服务或土地利用变化影响，主要从全局识别ES相关性，忽视驱动因子的空间非平稳性，难以揭示自然禀赋、工程干预和农户管理行为如何在不同景观位置差异调节服务交互。延川县是治沟造地先行和典型示范区，退耕还林与治沟造地共同驱动耕地面积、空间配置和内部组成变化，为分析耕地ES交互时空动态提供了理想案例。研究人员因此以延川县为例，量化产水量（water yield, WY）、土壤保持（soil conservation, SC）和粮食生产（food production, FP），整合相关分析、地理加权回归（geographically weighted regression, GWR）和GeoShapley可解释机器学习，考察ES交互时空格局及非线性驱动机制，以深化对黄土丘陵沟壑区耕地生态系统多功能交互的科学理解，并为优化耕地配置、协调生计与生态保护提供参考。

关键技术方法：以延川县为案例，研究人员基于InVEST模型（InVEST model）年产水量模块和沉积物输移比模块，分别量化WY和SC；结合县级粮食统计与Dai et al. (2025)约1 km收获面积数据，对FP进行统计降尺度并聚合到1 km网格。采用Spearman相关分析识别服务对权衡/协同，GWR估计局部系数；以GeoShapley可解释机器学习对2020年单个ES及GWR局部Pearson r归因，预测因子包括人类足迹强度（human footprint intensity, HFP）、夜间灯光指数（nighttime lighting index, LACC）、蒸散发（PET）、人口密度（population density, POP）、降水（PRE）、温度（TMP）、高程（ELE）、坡度（SL）、国内生产总值（GDP），坐标变量作为分组地理成分（grouped geographic component, GEO）。数据来自国家地球系统科学数据中心、资源环境科学与数据中心、国家地理信息目录服务、地理空间数据云及县级统计等，模型用80/20留出、五折交叉和空间块交叉验证。

研究结果：
3.1 耕地利用空间的时空分异：通过土地利用制图和高程分布分析，2000—2020年耕地总面积持续小幅下降，累计净损1,102.77 ha（约1.1%）；坡上耕地退耕为林草，沟谷通过治沟造地新增梯田和坝地部分抵消。耕地平均高程在2010—2020年下降超过24 m，表明耕地由坡面向谷底重组。
3.2 耕地生态系统服务的时空格局：通过InVEST和统计降尺度，WY、SC、FP县域尺度均净增。WY从2.33×10⁶ t增至2.35×10⁷ t，近十倍；SC从9.91×10⁵ t增至2.16×10⁶ t，翻倍多；FP从18,165 t升至45,917 t后降至36,164 t，较2000年净增约99%，但较2010年峰值下降约21%。西部Qingjian River沟谷系统治沟造地集中，增益最大；东部和东北部靠黄河，地形更陡、黄土较薄，增益较小。2000—2010年早期退耕还林带来生态水文收益，2010年后WY和SC加速与治沟造地扩大、生态恢复和气候年际变异有关；FP下降可能因坡耕地继续退耕、新造地达产滞后。
3.3 耕地生态系统服务交互：通过Spearman和GWR，WY–SC呈稳定中等正相关，局部相关系数为0.346、0.373、0.377，带宽约20邻域（约2.13 km）且稳定；SC–FP呈弱负相关，为?0.098、?0.038、?0.100；WY–FP接近零，为?0.013、0.019、0.034，无稳定空间关联。FP相关模型带宽从2,200邻域降至300邻域，关系尺度收缩。结论是服务对轨迹不同，需成对和尺度敏感解释。
3.4 耕地生态系统服务演变的影响因素分析：通过GeoShapley，WY模型强，留出R²=0.956、空间CV R²=0.918，温度主导负向，GDP持续正向；SC模型中等，留出R²=0.298、空间CV R²=0.234，坡度主导正向，温度负向，GDP正向；FP空间泛化差，留出R²=0.480、空间CV R²=?0.084，仅弱方向信号。交互强度中，WY-FP和SC-FP模型强，留出R²=0.994和0.990，空间块R²=0.926和0.915；WY-SC留出R²=0.621、空间块R²=0.130。GEO占WY-FP、SC-FP、WY-SC平均绝对GeoShapley幅度的95.5%、96.2%、70.5%；实质预测因子分别以降水、夜间灯光、GDP排名第一，但GEO主导，WY-SC归因应视为探索性。

讨论总结：讨论指出，三种服务总量增加，但空间关系并未统一走向协同。WY–SC稳定正相关、SC–FP弱负、WY–FP近零，这种成对差异与耕地从易蚀坡地向沟谷沉积区重组有关：谷底深土、水分和保护条件可同时促进产量、保土和产水，治沟造地形成的新坝地和梯田截留上坡径流泥沙，使局部关系由权衡转向协同。WY–SC受降水共同控制较稳定，SC–FP弱负未消除，WY–FP在1 km尺度上空间解耦。时间上，2000—2010年退耕还林带来早期生态水文收益，2010年后治沟造地扩大。空间异质性明显，西部沟谷系统WY–SC关联最强。驱动机制呈空间非平稳，WY受温度负向、GDP正向影响，SC受坡度正向、温度负向影响，FP模型不可靠；交互模型中GEO主导，说明模型更多重现GWR响应面平滑空间结构而非因果效应。政策上支持“梁峁退耕还林、沟谷治沟造地”的空间策略，但需空间靶向，不能假定所有服务组合统一协同。局限包括单县案例、未纳入碳固持、GeoShapley为相关非因果、缺乏田块长期监测、三时段难以解析年际波动和滞后响应。

研究结论翻译：本研究调查了延川县在退耕还林工程与治沟造地耦合影响下耕地生态系统服务交互的时空格局与驱动机制。主要结论为：2000—2020年三种耕地ES在县域尺度均净增益，但幅度和轨迹不同；WY近十倍，SC翻倍多，FP从18,165 t升至45,917 t后降至36,164 t，较2000年净增约99%，但低于2010年峰值；增益集中于西部沟谷系统，2010年后FP下降可能因坡耕地继续退耕、新造地达产滞后和管理强度波动。三对ES交互模式不同而非统一协同：WY–SC稳定中等正，SC–FP弱负，WY–FP无稳定空间关联；交互成对且空间异质，西部WY–SC更强，东部弱或可变。单个ES与成对交互驱动机制均空间非平稳，但证据强度不同：WY温度主导负、GDP正；SC坡度正、温度负，但模型中等需谨慎；FP证据有限，仅初步方向；WY-FP和SC-FP模型强，降水、夜间灯光为领先实质预测因子，但GEO主导；WY-SC空间可迁移有限，GDP与GEO应视为探索性。总体看，退耕还林与治沟造地耦合下的耕地空间重组与ES交互差异化变化相关：部分服务对稳定正相关，部分弱负或可忽略，并呈现显著空间异质；强调土地利用政策需考虑空间配置和成对关系，可解释机器学习具有价值，同时需严格模型验证和田块证据支持政策结论。