《Frontiers in Environmental Science》：Spatiotemporal associations between ecosystem service value and human activity intensity: a case study of the Chengdu metropolitan area, China
编辑推荐：
理解生态系统服务价值（ESV）与人类活动强度（HAI）之间的时空关联，对于协调区域生态保护与可持续社会经济发展至关重要。研究人员利用成都都市圈2000—2020年的地理空间数据，采用ESV核算模型和HAI评估模型估算ESV与HAI，并运用双变量空间自相关和耦合
理解生态系统服务价值（ESV）与人类活动强度（HAI）之间的时空关联，对于协调区域生态保护与可持续社会经济发展至关重要。研究人员利用成都都市圈2000—2020年的地理空间数据，采用ESV核算模型和HAI评估模型估算ESV与HAI，并运用双变量空间自相关和耦合协调度模型考察其时空格局及关联。结果表明：(1) 时间上，总ESV先增后降，总体下降人民币3700万元（CNY 37 million）。空间上，ESV自西部龙门山和中部龙泉山向外递减，高值区主要沿沱江和岷江分布。(2) HAI持续增加。低值集中于西部龙门山和东部丘陵区，高值以成都主城区为中心并向周边扩展。(3) HAI与ESV呈显著且日益增强的负空间相关。高-低集聚集中于成都主城区及邻近建成区，低-高集聚稳定于植被茂密的西部龙门山，低-低集聚广泛分布于东部丘陵农业区。(4) 总体耦合协调度较低，以低协调为主。严重失调和中度失调区域持续扩张，在中心区域形成连片向外扩展的格局。通过揭示都市圈尺度ESV与HAI的时空关联，本研究为类似城市化地区构建生态安全格局和可持续规划提供了理论依据。
论文主体部分解读
研究背景与问题：生态系统服务是人类直接或间接从自然生态系统获得的支撑性产品与服务，包括供给、调节、支持和文化服务，并支撑人类生存与发展。人口增长和经济快速发展加速资源消耗，对自然生态系统造成空前压力；全球约60%的生态系统服务正在衰减，人类活动已影响约75%的陆地和66%的海洋。高强度、大规模人类活动改变生态系统结构与功能，削弱服务供给，导致生态系统退化、生物多样性丧失和污染增加。与此同时，生态系统服务对人类活动的约束日益突出，影响可持续发展目标。量化生态系统服务价值（ecosystem service value, ESV）有助于显化生态系统产品与服务，提高保护意识并支撑区域可持续发展。人类活动强度（human activity intensity, HAI）是描述人类生产与日常活动影响陆地表面程度的综合指标。既有HAI研究使用夜间灯光、人口密度、土地利用等单一指标，或构建多指标系统，但存在指标选择不一致、长时间序列数据受限、权重分歧和跨区域可比性有限等问题。已有ESV-HAI关系研究多集中于国家、省级、城市群或单个城市尺度，对介于城市与城市群之间的都市圈尺度研究不足，且较少考察二者耦合协调。成都都市圈位于长江上游核心生态屏障，是成渝双城经济圈主要增长极和西部人口密集、城市化程度高的经济区，2000—2020年城市化率由约40%升至70.3%，面临经济发展与生态保护冲突。因此，研究人员选择成都都市圈，旨在估算ESV与HAI、分析其时空格局与关联，并为类似快速城市化地区协调生态系统服务提供方法参考，为成都都市圈生态保护与可持续发展提供科学支撑。
方法概述：研究人员使用2000、2010和2020年地理空间与社会经济数据，包括土地利用（30 m、1 km）、夜间灯光（1 km）和人口密度（1 km），数据来自中国科学院资源环境科学与数据中心、国家青藏高原科学数据中心与WorldPop；行政边界来自National Geomatics Center of China，粮食产量来自《四川统计年鉴》和农产品成本收益资料。采用等效因子法估算ESV，并以土地利用转移矩阵构建ESV流量增益-损失模型；HAI由夜间灯光、人口密度和土地利用转换系数加权，权重分别为0.3、0.3和0.4；运用双变量空间自相关（bivariate spatial autocorrelation）和耦合协调度模型（coupling coordination degree model），在1 km网格尺度分析关联，使用GeoDa和ArcGIS。
研究结果：
3.1 ESV时空变化
3.1.1 ESV时间变化：总ESV先增后降，总体减少人民币3700万元（CNY 37 million，0.05%）；2000年为783.48亿元，2010年增至785.83亿元，2020年降至783.11亿元。土地利用类型贡献排序为林地>耕地>水体>草地>未利用地。水体ESV增加人民币14.07亿元（CNY 1.407 billion，9.31%）；林地ESV先增后降但总体增加人民币3.97亿元（CNY 397 million，1.16%）；耕地和草地ESV分别持续减少人民币15.38亿元（CNY 1.538 billion，6.78%）和人民币3.07亿元（CNY 307 million，4.80%）。一级服务类别中，调节服务贡献最大，占73.26%、73.35%和73.49%；文化服务贡献最小；供给服务持续增加人民币0.88亿元（CNY 88 million）；调节服务先增后降、净增人民币1.52亿元（CNY 152 million）；文化服务净减人民币0.06亿元（CNY 6 million）；支持服务持续减少人民币2.71亿元（CNY 271 million）。
3.1.2 ESV空间变化：以1 km×1 km网格和自然断点法将ESV分为低、中低、中、较高和高五类。ESV空间异质性显著，西部龙门山和中部龙泉山最高并向周边递减，高值区主要沿沱江和岷江分布；较高值集中于西部成都、西北德阳和西南眉山等植被密集、生态条件较好的山区；中值主要在东部和南部丘陵耕地区；低和中低值在主要城市建成区形成大面积斑块，成都平原最明显。
3.2 ESV增益与损失：基于土地利用转移矩阵估算，2000—2020年ESV总增益人民币53.40亿元（CNY 5.340 billion），总损失人民币53.77亿元（CNY 5.377 billion），净损失人民币3700万元（CNY 37 million）。耕地向林地和水体转换产生人民币38.57亿元（CNY 3.857 billion），占总增益72.17%；林地向水体转换产生人民币6.08亿元（CNY 608 million），占11.38%。最大损失为耕地转建设用地，达人民币14.84亿元（CNY 1.484 billion），占总损失27.58%；林地转耕地损失人民币14.63亿元（CNY 1.463 billion），占27.19%；两者合计占54.77%，是HAI影响ESV的主要路径。
3.3 HAI时空变化
3.3.1 HAI时间变化：低和中低HAI面积占比分别持续下降1.25和6.72个百分点；中和高HAI面积占比分别持续增加4.67和3.70个百分点；较高HAI先降后增，总体变化?0.39个百分点。低和中低HAI仍占主导，但中等及以上HAI面积增加，表明人类活动持续增强。
3.3.2 HAI空间变化：HAI呈强中心化格局，高值集中于成都主城区并逐渐扩张，2010—2020年尤为明显；成都向德阳东北向形成高HAI走廊，并连接都市圈核心、承接产业外溢。其他高值斑块分布在成都周边建成区，如Yanjiang、Dongpo、Shifang、Jianyang和Renshou。较高HAI围绕城市分布；中低值主要在东部丘陵农业区；低HAI集中于西部龙门山，因海拔高、森林密、人口稀疏而保持空间稳定。
3.4 HAI与ESV空间分异关联：双变量Moran’s I在2000、2010和2020年分别为?0.281、?0.283和?0.291（p<0.05），表明HAI较高区域ESV一般较低，负空间相关随时间增强。五类集聚排序稳定，非显著单元最大（38.44%—41.09%），低-低为最广显著类型；显著类型合计从61.56%降至58.91%。高-低和高-高集聚分别收缩13.67%和15.41%，低-低集聚增长2.10%，其占四类显著类型比例由34.86%升至37.20%；变化几乎均发生在2010年前。空间上，低-低集聚主要在东部丘陵，低-高集聚稳定于西部密林山地，高-低集聚集中于成都主城区及周边，高-高集聚主要沿岷江和沱江，因水体极高ESV主导网格均值。
3.5 ESV与HAI耦合协调：按严重失调[0,0.2）、中度失调[0.2,0.4）、低协调[0.4,0.5）、初级协调[0.5,0.6）、良好协调[0.6,0.8）和优质协调[0.8,1]分类。总体耦合协调有限，低协调覆盖近半区域，其后为良好协调，优质协调最少，20年分布较稳定。六类面积占比变化分别为1.56、4.21、?5.15、?0.17、?0.54和0.09个百分点；严重和中度失调持续扩张，低协调、初级协调和良好协调下降。空间上呈中心低、外围高格局：优质协调集中于眉山东部黑龙滩水库，良好协调集中于西部龙门山，初级协调主要在混合林农区，低协调广泛分布于成都平原，严重失调在成都主城区及周边建成区形成簇状。20年间中心区域变化最明显，严重失调从主城外扩，中度失调在成都平原农业用地扩张。
讨论部分总结：ESV先增后降反映生态保护与快速城市化的竞争。2000—2010年退耕还林增加森林面积并使林地ESV增加人民币6.40亿元（CNY 640 million），抵消城市发展的ESV损失；2010—2020年退耕还林仍在实施，但林地ESV减少人民币2.43亿元（CNY 243 million），城市化加速，耕地转建设用地增强，导致总ESV下降。成渝经济圈成为国家战略后，产业和人口集聚扩大人类活动足迹，说明快速城市化地区的人类活动可逐步抵消生态保护政策收益，需要限制生态干扰、实施城市增长边界并推动可持续城市化。HAI与ESV的负空间关联增强，与珠江三角洲和山东半岛城市群等快速城市化地区一致。高HAI的成都主城区及周边形成高-低集聚，西部龙门山限制开发维持低-高集聚，东部耕地主导丘陵呈低-低集聚。土地利用定向转换是直接驱动：耕地转建设用地造成不可逆ESV损失人民币14.84亿元，林地转耕地损失人民币14.63亿元，抵消并扰动退耕还林恢复收益，两者合计占总损失54.77%。景观破碎化可能进一步强化负关联。耦合协调总体低且以低协调为主，严重和中度失调扩张，中心低、外围高支持负关联；冲突最明显在成都主城及周边，西部龙门山和黑龙滩水库协调较好。城市核心外扩使生态干扰越过建成区，工业走廊成都—德阳协调下降，区域规划应将生态保护扩展到既有生态功能区之外，并预见和调控开发扩展影响。政策上，高ESV集中于西部龙门山和中部龙泉山“两山”，与“三区两山”空间结构对应；建议将生态保护修复与ESV-HAI耦合协调结果衔接，沿ESV递减梯度实施差异化空间管控，优先保护生态热点。成都平原应结构优化、防止侵占，通过高标准农田建设和存量建设用地再开发提高单位面积ESV。成都至德阳高HAI走廊表明生态风险跨行政边界传播，应建立综合生态补偿和跨区域协同治理，以高HAI走廊为空间单元开展跨城协同调控，补偿资金从中心城区等高HAI区流向龙门山、龙泉山等高ESV区，并与ESV维持结果挂钩。严格执行永久基本农田和生态保护红线。局限包括：HAI权重来自既往研究，最佳权重可能随城市化阶段变化；研究未建立因果关系或非线性响应；名义粮食均价通胀可能影响ESV绝对变化；未来可采用消费价格指数（CPI）平减、多尺度地理加权回归（MGWR）、随机森林和机器学习、更细分辨率及决策支持平台。
研究结论翻译：基于成都都市圈2000—2020年地理空间数据，研究人员估算ESV和HAI，并使用双变量空间自相关和耦合协调度模型考察其时空演变与关联格局。主要结论如下。总ESV略降并呈明显结构分异：ESV先增后降，总体损失人民币3700万元（CNY 37 million）。不同土地利用类型贡献不同：林地和 水体ESV分别增加人民币3.97亿元（CNY 397 million）和人民币14.07亿元（CNY 1.407 billion），耕地和草地ESV分别减少人民币15.38亿元（CNY 1.538 billion）和人民币3.07亿元（CNY 307 million）。调节服务保持主导，供给服务是唯一持续增加类别，支持服务在整个研究期下降。ESV增益主要来自有限土地利用转换：总增益人民币53.40亿元（CNY 5.340 billion），总损失人民币53.77亿元（CNY 5.377 billion），净损失人民币3700万元（CNY 37 million）。耕地向林地和水体转换占总增益72.17%。耕地转建设用地和林地转耕地合计占总损失54.77%，是ESV下降的两条主要路径。ESV与HAI呈显著负空间相关并持续增强：双变量全局Moran’s I由?0.281降至?0.291。空间集聚呈明显梯度：高-低集聚集中于成都主城区及周边建成区，低-高集聚稳定于植被茂密的西部龙门山，低-低集聚集中于东部丘陵农业区。总体耦合协调保持较低水平，核心失衡区连片向外扩展。低协调是主导类别。2000—2020年严重和中度失调区域持续扩张，初级和良好协调区域收缩。空间上协调中心低、外围高；严重失调从成都主城区向外扩散，中度失调在成都平原农业区扩张，形成连片协调下降区。
