主体功能区（Major Function Zone, MFZ）政策下城市化对生态系统服务（Ecosystem Services, ES）的差异化影响——以长江中游城市群（Middle Reaches of the Yangtze River Urban Agglomeration, MRYRUA）为例

《Ecological Indicators》：The varied impacts of urbanization on ecosystem services under spatial zoning policy: a case study in the Middle Reaches of Yangtze River Urban Agglomeration, China

　　

理解不同空间规划分区下城市化如何影响生态系统服务（Ecosystem Services, ES）对于可持续土地管理至关重要。在中国，主体功能区（Major Function Zone, MFZ）框架为审视这些相互作用提供了独特视角，但该系统下城市化—ES动态的空间异质性仍未被充分揭示。本研究以长江中游城市群（Middle Reaches of the Yangtze River Urban Agglomeration, MRYRUA）为研究对象，整合InVEST模型、耦合协调度（Coupling Coordination Degree, CCD）模型及PLUS土地利用模拟，评估历史时段（2000–2020年）趋势并在共享社会经济路径—典型浓度路径（Shared Socioeconomic Pathways?Representative Concentration Pathways, SSP?RCP）下预测未来轨迹（2020–2035年）。结果表明：各MFZ城市化均稳步增长，国家重点开发区（National Key Development Zones, NDZs）增幅最大；ES呈分化趋势——产水量（Water Yield, WY）与土壤保持（Soil Conservation, SC）上升，生境质量（Habitat Quality, HQ）、碳储存（Carbon Sequestration, CS）及水质净化（Water Purification, WP，以氮磷输出表征）下降；城市化与ES的耦合协调度（CCD）小幅提升（0.18–0.38），由中度失调转为轻度失调，但整体仍处于较低水平。城市化—ES关系的空间格局清晰反映了MFZ层级：CCD最高见于NDZs，最低见于国家重点生态功能区（National Key Ecological Functional Zones, NEZs）。未来情景模拟表明SSP119最有利于平衡城市发展与生态保护，契合长期可持续发展目标。研究发现强调了MFZ规划在调节城市—生态权衡中的关键作用，并为使区域发展对接全球可持续性目标提供了可操作依据。

论文解读：《The varied impacts of urbanization on ecosystem services under spatial zoning policy: a case study in the Middle Reaches of the Yangtze River Urban Agglomeration, China（Ecological Indicators）》

研究背景与意义

现有研究虽广泛承认城市化与生态系统服务（Ecosystem Services, ES）关系存在空间异质性，且多采用自下而上的行政或自然地理分区进行分析，但鲜有从自上而下的国家空间规划框架——即主体功能区（Major Function Zone, MFZ）角度系统探讨二者在不同功能分区中的时空交互机制及未来演变。长江中游城市群（Middle Reaches of the Yangtze River Urban Agglomeration, MRYRUA）涵盖国家级重点开发区（National Key Development Zones, NDZs）、省级重点开发区（Provincial Key Development Zones, PDZs）、国家级农产品主产区（National Agricultural Production Zones, NAZs）、国家重点生态功能区（National Key Ecological Functional Zones, NEZs）及省级重点生态功能区（Provincial Key Ecological Functional Zones, PEZs）全部MFZ类型，是研究此问题的理想典型区。快速城市化对该区域ES造成显著胁迫，厘清MFZ导向下城市化—ES耦合协调关系的时空分异及未来情景，对优化MFZ规划和实现区域可持续发展具有重要理论与现实意义。研究人员以MRYRUA为案例区，集成InVEST模型、耦合协调度（Coupling Coordination Degree, CCD）模型及斑块生成土地利用模拟（Patch?generating Land Use Simulation, PLUS）模型，在SSP?RCP（Shared Socioeconomic Pathways?Representative Concentration Pathways）情景下开展历史回溯（2000、2005、2010、2015、2020年）与未来预测（2035年，SSP119、SSP245、SSP585），量化并比较了各MFZ内城市化水平与各单项ES及ES综合指数（Composite Index of ES, CIES）的空间分布、双变量空间自相关及CCD演化特征，最终提出分区差异化管控建议。

主要技术方法概述

研究人员选取MRYRUA（湘鄂赣三省共211个县级行政区）为研究区，以30 m分辨率土地利用/覆被（Land Use/Land Cover, LULCC）、气象、土壤、植被及社会经济数据为基础。ES包括生境质量（Habitat Quality, HQ，InVEST Habitat Quality模块）、碳储存（Carbon Sequestration, CS，InVEST Carbon模块，四碳库法）、年产水量（Water Yield, WY，InVEST Annual Water Yield模块，水平衡原理）、土壤保持量（Soil Conservation, SC = RKLS潜在侵蚀 ? USLE实际侵蚀，InVEST Sediment Delivery Ratio模块）及水质净化（Water Purification, WP，以氮输出NO、磷输出PO表征，InVEST Nutrient Delivery Ratio模块），CIES由各ES极小值—极大值标准化后等权加和得到。城市化综合指数由人口密度、经济密度和建设用地占比三指标极小值—极大值标准化后等权加和计算。采用双变量全局空间自相关（Moran's I）分析城市化与ES的空间关联，采用CCD模型（耦合度C与协调度D = √(C×T)，T = a·x_ij+b·s_i，a = b = 0.5）划分失调—过渡—磨合—协调四个阶段。未来土地利用利用PLUS模型（Land Expansion Analysis Strategy提取扩张规律 + Cellular Automata模拟），驱动因子含DEM、降水、温度、NDVI、GDP、人口及距河流/铁路/高速公路/城市中心距离，水域湿地设为不变约束层，需求源自LUH2（Land?Use Harmonization 2）数据集匹配SSP?RCP情景。历史精度经Kappa系数与FoM（Figure of Merit）检验。

研究结果

3.1. Spatiotemporal heterogeneity of urbanization and ES during 2000–2020（2000–2020年城市化与ES的时空异质性）

3.1.1节通过空间分布图与分区均值统计发现：城市化呈"武汉—长沙—南昌"核心向外递减的核心—边缘梯度，高值集中于NDZs（如江汉区、芙蓉区），低值（＜0.03）集中于NEZs/PEZs山地生态敏感区（如兴山县、五峰县）；2000–2020年各MFZ城市化持续上升（全域均值0.037→0.062），年均增速PEZs(89.18%)＞PDZs(69.85%)＞NDZs(68.05%)＞NEZs(40.45%)＞NAZs(37.72%)，水平始终维持NDZs＞PDZs＞NAZs＞PEZs＞NEZs序列。

3.1.2节通过ES时空制图发现：ES高值区分布于宜昌、九江、上饶等林草覆盖率高区，低值区分布于鄂东南耕地与建设用地密集区；2000–2020年WY与SC波动上升（NEZs增幅最大，WY 54.48%、SC 78.09%；NDZs次之），HQ与CS各MFZ均降（NDZs降幅最大，HQ ?6.22%、CS ?5.01%），NO与PO在NDZs与NEZs升而其他MFZ降；CIES各MFZ总体微升，水平排序为PEZs＞NEZs＞NAZs＞PDZs＞NDZs。

3.2. Heterogeneous relationship between urbanization and ES across MFZs during 2000–2020（2000–2020年跨MFZ的城市化—ES异质关系）

3.2.1节双变量Moran's I显示：城市化与CIES稳定负相关（I = ?0.310～?0.321, p＜0.001），HQ(I = ?0.303～?0.353)与CS(I = ?0.370～?0.384)呈强负自相关且随时间略增强，SC负相关性减弱(?0.236→?0.195)，WY由负转正(?0.261→0.009)反映区域保水政策效果，NO(I = 0.087→0.268)与PO(I = 0.173→0.353)呈稳定正相关——表征建成区扩张伴生面源污染压力。

3.2.2节CCD空间与时段分析显示：CCD由中心城市向外围递减，低协调区（如兴山、铜鼓、保康县）位于NEZs/PEZs；SC—城市化CCD排序为NDZs＞PDZs＞PEZs＞NAZs＞NEZs，其余ES—城市化CCD排序为NDZs＞PDZs＞NAZs＞PEZs＞NEZs，反映MFZ功能定位对耦合水平的塑造。时序上CCD由2000年0.18升至2020年0.37左右，主导类型由中度失调（[0.20,0.30)）转为轻度失调（[0.30,0.40)）；CIES—城市化CCD线性缓增（2005–2010年增速峰值9.56%），中度失调面积比降32.31%、轻度失调升33.53%。各MFZ CCD最大值对应不同ES：NDZs为NO—城市化(0.492)、PDZs与NAZs为HQ—城市化(0.393、0.322)、NEZs与PEZs为SC—城市化(0.261、0.300)。

3.3. Future trend of the relationship between urbanization and ES（城市化与ES关系的未来趋势）

3.3.1节未来城市化模拟表明：三情景空间格局与历史一致，MFZ排序不变；SSP585下PDZs增幅最大（+40.23%）、NAZs最小（+11.11%），SSP119下全域增幅最低但更可持续（NDZs +11.94%）。

3.3.2节未来ES模拟表明：HQ与CS空间排序维持PEZs＞NEZs＞NAZs＞PDZs＞NDZs，SSP119下其值最高（林地草地减幅最小），SSP585下CS最低；NEZs在SSP119与SSP245下NO、PO、WY、SC预期下降（区别于历史上升趋势）。CIES增幅SSP119最大（全域+3.58%：NDZs 4.25%、PEZs 4.83%等），SSP585下WY均值最高(+10.54%)但CS最低。

3.3.3节未来城市化—ES关系显示：除WY(Moran's I ≈ 0)外，各ES与城市化仍呈较强负相关，SSP119下|Moran's I|最大、SSP585最小。2035年CCD各MFZ均升：PDZs与NEZs最高CCD见于SSP585，NAZs多现于SSP585，NDZs与PEZs多现于SSP245；CIES—城市化CCD在NDZs、NAZs、PEZs以SSP119最高(分别0.42、0.30、0.29)。HQ与CS—城市化平均CCD以SSP119最高（较2020年+2.46%、+2.22%），其余ES最高平均CCD见于SSP585；WY与城市化主导类型为轻度失调，NO/PO/SC为中度失调。CIES—城市化CCD排序为SSP585(0.349)＞SSP119(0.348)＞SSP245(0.346)。

讨论与结论翻译（Conclusion部分浓缩翻译）

讨论指出MFZ边界显著塑造城市化轨迹与ES动态，NDZs因高强度开发CCD最高但ES退化明显，NEZs受严格生态约束CCD最低但ES供给能力强——量化了自上而下空间规划对区域可持续性路径的调节效应；不同ES类型对城市化响应各异（HQ/CS强负、WY转正相关、NO/PO正关联系污染压力），需分区靶向施策——NDZs/PDZs推绿色产业与生态廊道、NEZs/PEZs强化生态补偿与兼容产业、NAZs发展气候智慧农业。SSP119虽CCD略低于SSP585，但因抑制生态用地损失最利于协调城市—生态保护，是MRYRUA最优发展路径。

结论：通过InVEST、CCD及PLUS模型，研究人员从MFZ视角揭示了MRYRUA 2000–2020年城市化—ES时空交互及SSP情景下2035年趋势。2000–2035年城市化持续上升（SSP585增幅最大），MFZ水平序为NDZs＞PDZs＞NAZs＞PEZs＞NEZs；ES中WY与SC波动上升、HQ/CS/WP下降，SSP119最有效缓解退化；CCD由0.18升至约0.38，主导类型由中度失调转轻度失调，NDZs平均CCD最高、NEZs最低；未来SSP585伴高CCD但严重ES退化，SSP119最利平衡发展与保护。研究为主体功能区规划优化及MRYRUA可持续发展提供理论依据。