《Frontiers in Environmental Science》：Multi-scale spatiotemporal trade-offs and synergies of ecosystem services: implications for zoned ecological governance in the Shanxi section of the Yellow River Basin
编辑推荐：
阐明多尺度生态系统服务（Ecosystem Services, ESs）的空间分布和演化特征对于维持生态稳定性和可持续性至关重要。本研究利用InVEST（Integrated Valuation of Ecosystem Services and Trade-
阐明多尺度生态系统服务（Ecosystem Services, ESs）的空间分布和演化特征对于维持生态稳定性和可持续性至关重要。本研究利用InVEST（Integrated Valuation of Ecosystem Services and Trade-offs）模型评估了2005年至2020年黄河山西段（Shanxi section of the Yellow River Basin, SYRB）生态系统服务的时空变化。研究人员分析了多生态系统服务景观指数（Multi-Ecosystem Services Landscape Index, MESLI）及其驱动因素，探讨了县级和1公里尺度上的权衡与协同关系，并根据当地生态特征制定了差异化的生态管理策略。结果表明：（1）土地利用变化是影响ESs的主导驱动因素；（2）碳储存（Carbon Storage, CS）和生境质量（Habitat Quality, HQ）在县级和1公里尺度上均表现出较强的协同关系；（3）在1公里尺度上，生态系统服务簇（Ecosystem Service Bundles, ESBs）分为四种类型：CS–HQ协同簇、低协同簇、关键协同簇和综合生态簇；而在县级尺度上，则划分为CS–HQ协同簇、关键协同簇、水净化–产水量–土壤保持协同簇（Water Purification–Water Yield–Soil Conservation Synergistic Bundle）和综合生态簇。从2005年到2020年，越来越多的地区从单一ES向协同ES转变。本研究揭示了SYRB中ESs权衡与协同的空间机制，构建了有效的分区方案和针对性的生态管理策略，对区域生态保护和可持续发展具有重要意义。
**论文解读：多尺度生态系统服务权衡与协同对黄河山西段分区生态治理的启示**
**研究背景与问题**
在全球快速经济发展和城市化背景下，人类活动对自然生态系统的干扰日益加剧，导致生态空间破碎化和生态功能退化。生态系统服务（Ecosystem Services, ESs）作为自然生态系统对人类福祉的贡献，其科学评估与管理对区域可持续发展和生态安全至关重要。然而，ESs的生成与传递具有显著的尺度依赖性，不同尺度下自然地理过程与社会经济活动的交互作用深刻影响ESs的空间格局与动态变化。当前研究多采用单一空间尺度（如高分辨率网格或行政单元），但存在明显局限：网格尺度分析虽能捕捉精细生态异质性，却难以直接转化为行政管理政策；而县级尺度分析易掩盖县域内部地形和土地利用差异导致的生态功能细微变化，陷入“平均陷阱”。这种尺度不匹配问题在黄土高原沟壑区尤为突出，尤以黄河山西段（Shanxi section of the Yellow River Basin, SYRB）为典型——该区域位于黄土高原东缘，土壤侵蚀风险高、生态环境脆弱，同时是防止风沙南侵东移的重要生态屏障。2019年黄河流域生态保护与高质量发展上升为国家战略，SYRB作为中游核心区，其ESs研究具有区域代表性和国家战略价值。然而，现有研究较少针对SYRB进行精细网格与行政单元的多尺度对比分析，亟需构建多尺度比较框架以揭示自然生态边界与人为行政边界之间的空间错配，并制定跨尺度的协调治理策略。
**研究内容与结论**
本研究以SYRB为对象，利用InVEST（Integrated Valuation of Ecosystem Services and Trade-offs）模型量化2005–2020年五种核心ESs（产水量Water Yield, WY；碳储存Carbon Storage, CS；土壤保持Soil Conservation, SC；生境质量Habitat Quality, HQ；水净化Water Purification, WP）的时空格局，计算多生态系统服务景观指数（Multi-Ecosystem Services Landscape Index, MESLI），采用地理探测器（Geographical Detector, GD）解析驱动因素，通过Spearman秩相关和地理加权回归（Geographically Weighted Regression, GWR）探讨1公里网格与县级行政单元两种尺度下的权衡与协同关系，并利用自组织映射（Self-Organizing Map, SOM）识别生态系统服务簇（Ecosystem Service Bundles, ESBs），最终提出分区差异化生态管理策略。研究得出以下核心结论：土地利用变化是影响ESs的主导驱动因素；CS与HQ在两种尺度上均表现出最强的协同关系，而CS与WP_P（磷输出）呈现最强权衡关系；不同尺度下ESBs类型存在差异，但2005–2020年间更多区域从单一ES向协同ES转变。该研究揭示了SYRB中ESs权衡与协同的空间机制，构建了有效的分区方案和针对性管理策略，对区域生态保护与可持续发展具有重要意义。论文发表在《Frontiers in Environmental Science》。
**关键技术方法**
本研究主要采用以下关键技术方法：**InVEST模型**（评估产水量、碳储存、土壤保持、生境质量、水净化五种ESs）；**地理探测器（Geographical Detector, GD）**（分析自然与 socioeconomic 因素对ESs空间异质性的解释力）；**Spearman秩相关与地理加权回归（Geographically Weighted Regression, GWR）**（量化多尺度ESs对的权衡与协同关系，并揭示空间非平稳性）；**自组织映射（Self-Organizing Map, SOM）**（识别不同尺度下的生态系统服务簇）。数据来源包括气象、土壤、数字高程模型（DEM）、土地利用、GDP、人口密度、NDVI等公开数据集，所有数据统一重采样至30m分辨率，并聚合至1公里网格用于多尺度分析。
**研究结果**
**3.1 生态系统服务的时空分布**
通过InVEST模型模拟发现，WY、CS、SC、HQ高值区集中在东西两侧山区，低值区位于中部城市化盆地；WP_N（氮输出）与WP_P（磷输出）空间分布相反，高值区集中于中部耕作带。2005–2020年，WY南部减少、北部增加；HQ变化微弱，下降区与建设用地扩张区空间一致；CS相对稳定，增加区与耕地、建设用地转为林地吻合；SC总体上升，与2006年以来山西省生态修复工程时间重叠；WP_N与WP_P相对稳定，但建设用地周边输出较高。趋势分析显示，WY、SC、WP_P波动上升，而WP_N、CS、HQ下降。
**3.2 MESLI的时空分布**
MESLI高值区集中于东西两侧山区，低值区位于中部盆地城市化区域，总体呈上升趋势，平均值从2005年的2.057增至2020年的2.247。空间变化上，中北部改善最明显，东南部略有下降。
**3.3 生态系统服务的影响因素**
地理探测器（GD）单因子检测结果表明，土地利用类型对CS（多年平均q>0.980）、WP_N（平均q=0.785）、WP_P（平均q≈0.713）解释力最强；对WY解释力为平均q=0.535，年降水量次之（平均q=0.437）。NDVI、DEM、年平均温度对CS、SC、HQ也有显著影响。GDP和人口密度解释力极低（q<0.03），表明自然因素主导ESs空间变异，但社会经济因素可能通过中介变量间接影响。
**3.4 多尺度生态系统服务的权衡与协同**
Spearman相关分析显示，1公里尺度上15对ES关系中有12对呈协同，HQ-CS协同最强（平均Spearman r2=0.66，p<0.01），CS-WP_P权衡最强（平均r2= -0.40，p<0.01）。县级尺度上协同关系普遍增强，但CS-WP_P在县级尺度转为协同（方向反转）。Fisher r-to-z检验表明，CS-SC对在2010、2015、2020年以及HQ-WP_N对在2020年存在显著尺度差异。GWR分析揭示空间异质性：强权衡区集中于东西两侧森林山区，强协同区分布于中部盆地；1公里尺度上多数ES对协同面积比例高于权衡，但CS-WP_P权衡面积始终占优；县级尺度上所有ES对协同面积更广，但权衡区随时间持续扩大。
**3.5 生态系统服务簇的时空分布与特征**
通过SOM识别，1公里尺度下分为4种ESBs：CS-HQ协同簇（面积最大但减少4600 km2）、低协同簇（增加5088 km2）、关键协同簇（减少435 km2）、综合生态簇（减少53 km2）。县级尺度下也分为4种：CS-HQ协同簇（面积先增后减，净增603.8 km2）、关键协同簇（减少12697.5 km2）、WP-WY-SC协同簇（不变）、综合生态簇（增加12093.7 km2）。两种尺度下CS-HQ协同簇均占主导，但1公里尺度低协同簇持续扩张，综合生态簇收缩，表明ESs供给能力面临挑战；县级尺度则呈现向多功能协同转型趋势。
**讨论与结论**
**讨论部分**重点阐述了驱动因素的多重含义：土地利用作为主导驱动因子，并非单纯因果变量，而是耦合人地系统动态的综合指标，反映了地形约束、植被条件和人为干预（如退耕还林政策）的叠加效应。多尺度管理影响方面，ESs权衡与协同关系随尺度变化，CS-WP_P对在1公里尺度呈权衡，在县级尺度转为协同，归因于可塑性面积单元问题（Modifiable Areal Unit Problem）和主导驱动因素的尺度转换。针对不同ESBs提出了差异化策略：CS-HQ协同簇需协调保护与限制耕地扩张；综合生态簇应划为严格保护红线；低协同簇需嵌入城市发展约束；WP-WY-SC协同簇需流域综合管控。最后提出跨尺度治理框架：1公里网格作为精细生态预警工具，县级单元作为政策实施平台，通过层级链接机制解决尺度错配。**结论**部分翻译如下：自然因素对ESs的解释力强于社会经济因素。土地利用是SYRB中ESs的主要驱动因素：CS（平均q>0.980）、WP_N（平均q=0.785）、WP（平均q=0.713）。此外，WY受年降水量（平均q=0.437）强烈影响，CS和SC受NDVI（CS: 平均q=0.364, SC: 平均q=0.172）、DEM（CS: 平均q=0.246, SC: 平均q=0.234）和年平均温度（CS: 平均q=0.215, SC: 平均q=0.194）驱动。HQ受DEM（平均q=0.113）和年平均温度（平均q=0.116）影响，其次为NDVI（平均q=0.082）和土地利用类型（平均q=0.075）。尽管不同年份驱动因素影响顺序略有变化，但整体发展相对稳定。在1公里尺度上，15对ES关系中有12对呈协同关系。除SC-WP_N外，其余14对关系在研究年份均呈高度显著相关。两种尺度下协同最强的是HQ-CS（1公里尺度平均Spearman r2=0.66, p<0.01；县级尺度r2=0.70, p<0.01），权衡最强的是CS-WP_P（1公里尺度平均r2= -0.40, p<0.01；县级尺度r2= -0.27, p<0.05）。1公里尺度下划分出四种ESBs：CS-HQ协同簇、低协同簇、关键协同簇和综合生态簇。2005–2020年间不同ESBs之间的转换不显著，关键协同簇转换面积为-435 km2，CS-HQ协同簇为-4600 km2，综合生态簇为-53 km2，低协同簇为+5088 km2。县级尺度下观测到四种ESBs：CS-HQ协同簇、关键协同簇、WP-WY-SC协同簇和综合生态簇。2005–2020年，关键协同簇转换面积为-12697.5 km2，CS-HQ协同簇为+603.8 km2，综合生态簇为+12093.7 km2，WP-WY-SC协同簇保持不变。从2005年到2020年，越来越多的区域从单一ES向多协同ES转变。
