《Land Degradation & Development》:From Past to Future: Overall Patterns, Nonlinear Relationships, Spatial Heterogeneity and Drivers of Ecosystem Service Trade-Offs and Synergies in the Yangtze River Economic Belt
编辑推荐:
土地利用变化和气候变化正在重塑流域生态功能,并可能加剧局部生态退化的风险。然而,现有研究主要关注历史时期生态系统服务(ESs)的时空格局,而对未来土地利用情景下ESs权衡与协同的非线性变化、空间异质性及驱动机制的理解仍不充分。以长江经济带(YREB)为研究区域
土地利用变化和气候变化正在重塑流域生态功能,并可能加剧局部生态退化的风险。然而,现有研究主要关注历史时期生态系统服务(ESs)的时空格局,而对未来土地利用情景下ESs权衡与协同的非线性变化、空间异质性及驱动机制的理解仍不充分。以长江经济带(YREB)为研究区域,本研究开发了一个整合未来土地利用情景模拟、ESs评估、权衡/协同诊断、非线性边界识别和可解释驱动因素分析的集成框架。该框架用于系统揭示2000年至2050年间碳储存(CS)、生境质量(HQ)、泥沙输移比(SDR)和产水量(WY)的时空演变、权衡与协同、非线性约束及空间分异,并识别与不同ESs相关的关键驱动因素、相对贡献和阶段性效应。结果表明:(1)从2000年到2020年,CS和HQ总体保持稳定。平均CS为110.41 t ha-1,平均HQ为0.74,仅下降了0.01。平均SDR为6428.03 t ha-1,增加了2.57 t ha-1,而平均WY为844.63 mm,减少了1.27 mm。在未来情景下,CS、HQ和WY总体呈下降趋势,而SDR表现出显著的情景依赖性和阶段性波动。在SSP126、SSP245和SSP585情景下,CS分别下降了0.29、0.40和0.52 t ha-1,表明在高强度发展情景下生态功能退化风险更大。(2)四种ESs之间的关系总体上以协同为主导,CS和HQ之间的协同最强。SDR与CS和HQ呈中等程度协同,相关系数范围分别为0.458至0.572和0.451至0.550。相比之下,WY与其他服务的协同关系相对较弱,WY–SDR相关系数仅介于0.046至0.146之间。非线性边界分析进一步表明,ESs之间的关系并非稳定的线性响应,而是表现出阈值变化、边际变化、边界约束和情景依赖性分异。在空间上,协同关系主要集中于长江中下游地区,而权衡则更多见于四川和云南等上游地区。(3)ESs格局由自然背景约束和人类活动调控共同塑造,其中坡度(Slope)、降水(PRE)、数字高程模型(DEM)和归一化植被指数(NDVI)被识别为主要自然驱动因素。坡度对CS的贡献率为23.5%,降水对WY的贡献率为25.3%,DEM和坡度对SDR的贡献率分别为18.9%和17.2%。包括人口(POP)、国内生产总值(GDP)和人类足迹(HFP)在内的人为因素对HQ和WY的影响表现出显著的服务特异性和阶段性特征。通过将未来土地利用情景、非线性生态系统服务关系和可解释驱动机制整合在一个统一的分析框架内,本研究为长江经济带的生态功能保护、区域差异化生态修复和可持续土地管理提供了科学依据。
**论文解读:从过去到未来:长江经济带生态系统服务权衡与协同的整体格局、非线性关系、空间异质性及驱动因素**
**研究背景与问题**
生态系统服务(ESs)是人类生存与发展的重要支撑,但全球超过一半的生态系统服务正面临退化风险。土地利用变化(LUC)和气候变化是重塑流域生态功能的关键驱动力,可能加剧局部生态退化。然而,现有研究多聚焦于历史时期ESs的时空格局,对未来土地利用情景下ESs权衡与协同的非线性变化、空间异质性及驱动机制的认识仍不充分。长江经济带(YREB)作为中国生态安全格局的核心载体和经济发展的战略轴线,面临着土地利用开发、工业生产与城乡建设带来的生态保护与经济发展的突出矛盾。因此,有必要系统揭示YREB在历史与未来情景下核心ESs的演变规律、服务间关系及其驱动机制,为区域生态功能保护、生态修复和可持续土地管理提供科学依据。该研究论文发表在《Land Degradation》。
**研究内容与结论**
研究人员构建了一个集成未来土地利用情景模拟、ESs评估、权衡/协同诊断、非线性边界识别和可解释驱动因素分析的框架,以YREB为研究区,系统评估了2000–2050年间碳储存(CS)、生境质量(HQ)、泥沙输移比(SDR)和产水量(WY)四种核心ESs的时空演变、权衡与协同关系及驱动机制。研究得出以下主要结论:(1)历史时期(2000–2020年)CS和HQ总体稳定,SDR略有增加,WY轻微下降;未来情景下(2030–2050年),CS、HQ和WY普遍下降,SDR表现出情景依赖性和阶段性波动,高排放高强度发展情景(SSP585)下生态功能退化风险更大。(2)四种ESs之间以协同关系为主导,CS与HQ协同最强,SDR与CS和HQ中度协同,WY与其他服务协同较弱且存在局部权衡;非线性边界分析揭示了服务间关系的阈值变化、边际效应和情景依赖性分异;空间上,协同主要分布于长江中下游,权衡集中于上游四川和云南等地。(3)ESs格局由自然背景(地形、气候、植被)和人类活动(人口、经济、人类足迹)共同驱动,坡度(Slope)对CS贡献最大(23.5%),降水(PRE)对WY贡献最大(25.3%),DEM和坡度对SDR贡献分别为18.9%和17.2%,人为因素对HQ和WY的影响具有服务特异性和阶段性特征。该研究的重要意义在于将未来土地利用情景、非线性ESs关系和可解释驱动机制纳入统一分析框架,为YREB分区差异化生态管理和可持续土地政策提供了科学依据。
**关键技术与方法**
研究人员主要采用了以下关键技术方法:(1)耦合系统动力学(SD)模型和斑块生成土地利用模拟(PLUS)模型,模拟SSP126、SSP245和SSP585三种未来气候情景下2030、2040和2050年的土地利用格局;(2)利用生态系统服务与权衡综合评估(InVEST)模型评估历史时期(2000、2010、2020年)和未来情景下CS、HQ、SDR和WY四种ESs;(3)通过Pearson相关分析和非线性边界(约束线)方法,识别ESs间的整体相关性和潜在阈值响应;(4)采用极端梯度提升(XGBoost)模型结合Shapley加法解释(SHAP)算法,量化地形、气候、植被、社会经济和人类活动等因素对ESs的相对贡献及非线性响应特征。样本数据来源包括土地利用、气候、土壤、地形、植被等多元数据集,研究区域为YREB的11个省份(直辖市)。
**研究结果**
**3.1 生态系统服务的时空演变与差异化响应**
**3.1.1 历史时期ESs变化**:通过InVEST模型评估2000–2020年ESs,发现CS和WY变化幅度小,HQ轻微下降(平均0.74,下降0.01),SDR轻微增加(平均6428.03 t ha
-1,增加2.57 t ha
-1)。空间上,CS西高东低,WY西北低东南高,HQ东北低西南高,SDR东北低西南高,格局稳定。
**3.1.2 未来情景下ESs响应**:基于SD-PLUS模型模拟的未来土地利用,结合InVEST评估,发现2030–2050年CS、HQ、WY均下降,CS在SSP126、SSP245、SSP585下分别下降0.29、0.40、0.52 t ha
-1;HQ下降0.01–0.02;WY下降1.63–2.57 mm;SDR在SSP126下降,SSP245和SSP585上升。空间格局延续历史,但低值区扩大。
**3.1.3 四种ESs的差异化变化**:通过对比历史与未来不同时期的ESs变化图,发现CS和WY变化温和,HQ下降空间连续性强,SDR局部波动大。未来情景下,CS和HQ低值区扩大,WY下降区增多,SDR呈增强与减弱共存格局。
**3.2 生态系统服务权衡与协同及其非线性约束**
**3.2.1 整体权衡与协同关系**:通过Pearson相关分析,发现四种ESs总体呈协同(p<0.01),CS-HQ协同最强(相关系数>0.9),SDR与CS(0.458–0.572)和HQ(0.451–0.550)中度协同,WY与其他服务协同较弱(WY-SDR仅0.046–0.146)。SSP245情景下部分相关值异常,SSP126下关系更稳定。
**3.2.2 非线性边界响应**:采用约束线法分析2020年与2050年不同情景下的ESs对关系,发现CS-HQ上、下边界均呈上升趋势,下边界斜率更大(基线协同更强);CS-SDR上边界上升,下边界水平(低CS区解耦);CS-WY上边界呈“稳定-促进”两阶段,下边界U形(阈值效应);HQ-SDR上边界随HQ增加而增强,下边界弱;WY-HQ上边界先降后升(U形),下边界负相关;SDR-WY上边界线性增强,下边界拟合差。不同情景下边界形态变化,如SSP126下HQ-CS上边界斜率降低(边际效应下降),SSP585下低HQ区SDR损失加剧。
**3.2.3 权衡与协同关系的空间分异**:通过网格尺度Pearson相关空间可视化,发现HQ-WY协同主要分布在长江中下游(江西、浙江、江苏),权衡集中于四川、云南;CS-HQ整体强协同,仅在四川西北部有弱协同和零星权衡;HQ-SDR在三大城市群协同更显著;CS-WY协同在上中下游均有分布,权衡在四川南部和云南北部;SDR-WY协同普遍,权衡在江西和湖南;SDR-CS以协同为主,下游有少量权衡。
**3.3 驱动因素分析**
**3.3.1 关键驱动因素的相对贡献**:基于XGBoost-SHAP模型对2000、2010、2020年四种ESs分别分析,发现CS主要受地形和植被因素驱动,坡度贡献率23.5%,NDVI(12.8%)和DEM(11.2%)次之;HQ受自然和人为因素共同影响,坡度(16.7%)、POP(14.3%)和HFP(8.5%)为前三;SDR主要受DEM(18.9%)、坡度(17.2%)和PRE(13.6%)影响;WY由PRE主导(25.3%),DEM和GDP(7.6%)也有贡献。自然因素贡献较稳定,人为因素(如GDP对WY)呈现阶段性变化。
**3.3.2 ESs对驱动因素的非线性响应**:SHAP依赖图显示,坡度10°–30°、NDVI>0.6、DEM 1000–3000 m对CS有正贡献,HFP>40负贡献;HQ对坡度10°–30°正响应,POP>20000和HFP>30负响应;SDR对坡度10°–30°、DEM 1000–4000 m、PRE 50–150 mm正响应,GDP高值在2010年负贡献;WY对PRE 50–200 mm单调正响应,DEM 1000–4000 m正贡献,TMP 5°C–20°C和PET 40–100 mm负贡献,GDP从2010年负贡献转为2020年部分正贡献。自然因素响应稳定,人为因素存在阶段性变化。
**讨论与结论**
**讨论总结**:研究发现ESs间以协同为主,但受非线性边界约束和空间异质性影响。CS与HQ协同最强,SDR与两者中度协同,WY与其他服务弱协同。驱动因素分析表明,CS、HQ和SDR主要受地形和植被背景控制,WY受气候水分可用性主导,人为因素表现出阶段性影响。基于此,研究人员提出了“上游生态屏障保护–中游土地利用结构调整–下游发展强度控制”的区域治理框架,强调分区差异化生态管理。研究存在局限性,如SD-PLUS模型和CMIP6数据的不确定性、InVEST模型参数空间异质性不足、未纳入文化服务等,未来需结合高分辨率数据、因果推断等方法改进。
**研究结论翻译**:本研究构建了耦合SD–PLUS–InVEST的多模型框架,并整合Pearson相关分析、约束线方法和基于XGBoost–SHAP的可解释机器学习,系统考察了YREB在2000–2020年历史时期和2030–2050年三种SSP情景下四种核心ESs的时空演变、权衡与协同及驱动机制。结果揭示了四种生态系统服务间显著的空间分异和差异化变化模式。从2000年到2020年,CS和HQ总体保持稳定。平均CS为110.41 t/ha,平均HQ为0.74,仅下降0.01。平均SDR为6428.03 t·hm
-2,增加了2.57 t·hm
-2,而平均WY为844.63 mm,减少了1.27 mm。在未来情景下,所有四种服务在2030年普遍达到较高水平,但到2050年下降。CS在SSP126、SSP245和SSP585下分别下降0.29、0.40和0.52 t/ha,表明高排放和高强度发展路径下生态功能退化风险更大。ESs之间的关系以协同为主导,但表现出显著的非线性约束和空间异质性。CS与HQ之间协同最强,SDR与CS和HQ呈中度协同,相关系数分别为0.458–0.572和0.451–0.550。WY与其他服务的协同较弱,WY与SDR的相关系数仅为0.046–0.146。在驱动机制方面,四种ESs受自然背景约束和人类活动调控的共同影响。CS主要受坡度和NDVI影响;HQ受坡度、POP和HFP共同约束;SDR主要受DEM、坡度和PRE影响;PRE是影响WY的主导因素。基于平均绝对SHAP值的贡献分解显示,坡度对CS贡献23.5%,PRE对WY贡献25.3%,DEM和坡度对SDR贡献分别为18.9%和17.2%。总体而言,YREB的ESs演变是土地利用变化、气候条件、地形植被背景和人类活动共同作用的结果。未来的生态管理应从追求单一服务最大化转向多服务协同治理。上游应加强生态屏障保护和土壤保持;中游应优化农业-城市土地利用结构;下游应控制开发强度并恢复蓝绿空间。这些措施将有助于维护区域生态功能、生态修复和可持续土地管理。