山区-绿洲-荒漠系统中的生态系统服务流动态：黑河流域的空间流动格局与驱动力

《Ecological Indicators》：Ecosystem service flow dynamics across a Mountain-Oasis-Desert system: spatial flow patterns and driving forces in the Heihe River basin, China

　　

干旱半干旱内陆河流域具有生态系统脆弱和生态梯度显著的特点，有限的水资源制约了生态系统服务（ESs）的供给，并导致供需之间持续的空间失衡。现有研究多聚焦于静态供需格局，往往忽视了生态系统服务流（ESFs）在缓解空间错配中的再分配作用。为弥补这一研究空白，本研究以黑河流域（HRB）为对象，构建了一个整合生态系统服务供需评估、空间流动模拟和基于机器学习的归因分析的综合框架，以量化粮食生产（FP）、水源涵养（WC）、土壤保持（SC）和防风固沙（SF）四种服务在山-绿洲-荒漠复合系统中的空间流动格局，并探究其与区域社会经济驱动因素的动态耦合关系。研究结果表明：（1）四种生态系统服务的供需比（ESDR）沿山-绿洲-荒漠梯度呈现持续的空间异质性，其中粮食生产持续改善，水源涵养赤字加深，土壤保持略有缓解，防风固沙持续处于赤字状态。（2）粮食生产流通过多源汇聚缓解了供需失衡（最大3.68×10¹¹ kcal），水源涵养流则通过持续的上游-下游传输调节下游赤字（最大9.12×10⁷ m³）。土壤保持流表现出显著的局地调节作用，而防风固沙流则作为指向下游荒漠地区的定向防护流，两者均受限于较弱的跨区域再分配能力。（3）不同驱动因子对生态系统服务流的影响表现出显著异质性，驱动机制正从自然因子主导转向社会-生态系统耦合模式。粮食生产流对社会经济因子的响应日益增强，而土壤保持流和防风固沙流主要受植被和地形因子控制，水源涵养流则由干旱胁迫、土地利用和人类需求共同调节。本研究揭示了生态系统服务流在缓解干旱半干旱地区生态梯度上供需错配中的关键作用，通过可转移服务的跨区域协调和提供防护服务的关键源区定向生态保护，为差异化的生态系统管理策略提供了科学支撑。

**生态系统服务流动态研究：山-绿洲-荒漠系统的空间流动格局与驱动力分析——以黑河流域为例**

**一、研究背景与科学问题**

生态系统服务（Ecosystem Services, ESs）是人类从生态系统中直接或间接获得的生命维持惠益，是连接生态系统结构与过程同人类福祉的桥梁。然而，随着环境退化导致的服务供给能力下降与快速社会经济发展驱动的需求增长之间的矛盾日益尖锐，生态系统服务的供需空间错配问题愈发突出。传统研究多聚焦于静态的供需格局评估，往往假定生态系统服务在空间上不可移动，难以揭示服务从供给区向受益区转移的实际过程。生态系统服务流（Ecosystem Service Flows, ESFs）概念的引入为理解这一过程提供了新视角，其被定义为生态系统服务从供给区向受益区转移的生态过程，构成了缓解供需错配的关键途径。然而，现有研究主要存在三方面不足：其一，多聚焦于单一服务类型，难以揭示多种服务间差异化的流动特征；其二，对由不同生态和社会经济过程共同调控的服务整合不足；其三，对驱动因子作用于服务流的复杂非线性效应捕捉有限。在此背景下，黑河流域作为中国"两屏三带"生态安全战略格局中的关键区域，其典型山-绿洲-荒漠复合系统呈现出显著的生态梯度特征，是研究生态系统服务流动态及其驱动机制的理想区域。

**二、研究方法概述**

研究人员以黑河流域为研究区（97.12°E-101.94°E，37.71°N-42.68°N），构建了整合多源数据的分析框架。研究选取2000年、2005年、2010年、2015年和2020年五个时间断面，所有数据统一投影至WGS_1984_Albers坐标系并重采样至1000米空间分辨率。技术方法主要包括：（1）生态系统服务供需量化：采用植被状态指数（VCI）法核算粮食生产（FP）供给、以修正通用土壤流失方程（RUSLE）评估土壤保持（SC）、基于InVEST模型水源涵养模块结合土壤饱和导水率等地形因子修正计算水源涵养（WC）、利用修正风蚀方程（RWEQ）量化防风固沙（SF）供需；（2）基于Spearman相关分析确定县域为最优分析尺度；（3）分别采用服务路径归因网络（SPANs）模型模拟粮食生产流（沿道路网络传输）、D8流向算法模拟水源涵养和土壤保持流（沿水文路径传输）、结合局域莫兰指数和HYSPLIT前向轨迹模型模拟防风固沙流（沿大气传输路径）；（4）采用极端梯度提升（XGBoost）模型结合SHapley Additive exPlanations（SHAP）归因分析揭示15个自然、景观和社会经济因子对四类服务流的非线性驱动机制。

**三、研究结果**

**（1）供需时空格局与尺度优化**：2000-2020年间，水源涵养供给量由4.41×10⁸ m³下降至2.89×10⁸ m³，粮食生产供给量由1.85×10¹² kcal上升至3.26×10¹² kcal，土壤保持供给量先升后降至1.83×10⁶ t，防风固沙供给量波动下降至2.86×10⁷ kg。供需比（ESDR）分析显示，水源涵养盈余集中于祁连山水源核心区而赤字分布于中游绿洲农业区并沿绿洲边缘扩展；粮食生产盈余高度集中于中游灌溉绿洲且供给能力随时间增强；土壤保持盈余集中于祁连山而负值区域分布于平原和荒漠带；防风固沙在全流域普遍呈现赤字状态。跨尺度比较表明，县域尺度最能清晰捕捉供需的空间异质性和集聚特征，且与行政管理边界一致，更适宜作为服务流分析的基准尺度。

**（2）生态系统服务流模拟与时空动态**：粮食生产流总量在研究期内下降37.95%（由3.68×10¹¹ kcal降至2.28×10¹¹ kcal），空间格局由分散多源传输演变为核心节点主导的集中传输，最终形成以金塔、高台为主要供给源、嘉峪关市为主要受惠中心的单核结构。水源涵养流呈现阶段性下降趋势（由9.12×10⁷ m³降至5.83×10⁷ m³，降幅约36%），县级层面以肃南裕固族自治县和祁连县为稳定核心供给源，张掖市同时承担主要供给和受惠中心职能。土壤保持流先升后降（由1.74×10⁵ t升至2.09×10⁵ t后降至1.27×10⁵ t），呈现稳定的双极格局，主要局限于甘肃省内循环。防风固沙流持续下降（由1.80×10⁷ kg降至1.22×10⁷ kg），呈现源汇两极分化，额济纳旗为主要受惠区，形成甘肃、青海为净输出省、内蒙古为净输入省的跨省单向汇聚格局。

**（3）驱动因素分析**：XGBoost模型对四类服务流的预测性能良好（FP和WC的R²分别为0.907和0.869，SC和SF分别为0.704和0.594）。SHAP归因分析显示：粮食生产流受自然因子（土地利用和植被指数为主导）和社会经济因子（人口和GDP）共同调控，且社会经济因子的贡献随时间递增；水源涵养流由自然因子主导（贡献率68.2%），干旱指数（AI）为最强预测因子且呈负效应，降水与土地利用为次要驱动；土壤保持流中自然因子占74.6%，NDVI和DEM为主要正向驱动因子；防风固沙流中自然因子占83.7%，DEM为最强负向预测因子，AI次之。

**四、讨论与结论**

研究揭示，将服务流纳入分析后，粮食生产、水源涵养和土壤保持的供需比空间均值趋于零且标准差显著下降，表明跨区域再分配显著弱化了原有的"高盈余-高赤字"格局。相比之下，防风固沙流因受大气传输和局地生态调控约束，其赤字缓解率仅0.46%-0.53%，即使在高度需求区也仅为2.0%-2.9%，难以从根本上改变赤字空间格局。基于服务流特征的差异化管理策略包括：粮食生产应优先保障核心供给节点稳定性并优化运输网络；水源涵养需强化上游水源涵养能力与跨区域水资源配置效率；土壤保持应侧重源区坡面植被恢复与生态补偿机制；防风固沙则强调就地保护与工程治沙相结合。研究框架的局限性包括统计数据的空间分辨率有限、ESDR标准化方法对局地错配的表征不足、概念化流动框架对路径连续性和衰减过程的简化处理以及未纳入跨流域外部交互等。未来研究应整合更高分辨率数据、发展物理过程模型、采用地理加权机器学习方法以提升服务流评估的物理真实性和空间精度。研究结论表明，黑河流域关键生态系统服务的流动在方向、空间范围和强度上呈现显著差异，可转移服务主要受地形、水文和路网等自然过程控制，而防护性服务受生态背景和景观结构约束；机器学习结合SHAP归因揭示不同服务类型对多驱动因子的响应因服务类型而异，各因子在方向、量级和时间动态上均呈现差异化影响。该框架为干旱区流域生态系统服务流格局的表征提供了新方法，未来应整合动态社会经济过程和多情景模拟以提高对服务流演化的理解与预测能力。该研究发表于《Ecological Indicators》。