《Habitat International》：Ecological management zoning in China based on ecosystem services tradeoffs and synergies: a multi-scenario perspective
编辑推荐：
•协同效应是生态系统服务相关性的主导因素。•权衡效应仅存在于作物生产与其他生态系统服务之间。•不同的生态系统服务组合反映了偏向生态方面或生产方面的倾向。•将中国各县划分为六种类型的生态管理区。引言生态系统服务（ESs）被定义为人类从生态系统中获得的各种惠益（Costanza
- •
协同效应是生态系统服务相关性的主导因素。
- •
权衡效应仅存在于作物生产与其他生态系统服务之间。
- •
不同的生态系统服务组合反映了偏向生态方面或生产方面的倾向。
- •
将中国各县划分为六种类型的生态管理区。
引言
生态系统服务（ESs）被定义为人类从生态系统中获得的各种惠益（Costanza 等，1997；千年生态系统评估，2005），通过多维功能构成连接自然系统和人类社会的重要桥梁（Peng、Hu 等，2017；Wang、Gao 等，2020）。在中国，显著的地域异质性和复杂的地形气候梯度造成了生态系统服务供给的时空异质性（Zeng 等，2023a）。快速的城市化和密集的人类活动进一步改变了这些格局，从而在不同功能之间产生复杂的权衡或协同效应（Bai 等，2019；Zeng 等，2023b）。因此，全面诊断生态系统服务之间的相互关系对于识别不同区域的主导功能和管理挑战是必要的（Bai 等，2018；Dong 等，2022）。基于此类诊断，生态管理区的科学划分是必要的，以便将生态系统功能的时空异质性转化为差异化的保护、恢复和生产策略。
各种生态系统服务并非孤立存在，而是通过复杂的生态过程相互关联，表现为一种服务削弱另一种服务的权衡效应或相互促进的协同效应（Ding 等，2026；Gong 等，2019）。因此，生态管理区的科学划分不应仅依赖单一生态系统服务层次，而应基于权衡和协同效应来识别具有相似供给特征和管理挑战的空间单元（Zhi 等，2026）。生态系统服务组合（ESB）作为生态系统服务权衡与协同的空间表现，将多种生态系统服务的反复组合和相对供给格局浓缩为空间明确的生态系统功能类型，从而为将生态系统服务之间的复杂相互关系转化为生态管理分区提供了直接依据（Li 等，2023；Peng、Zhao 等，2017）。然而，尽管权衡和协同效应从根本上决定了增强某一服务是否会损害或有益于其他服务，但这种相互关系，尤其是反映多种服务组合结构的生态系统服务组合，尚未完全整合到全国尺度的生态管理分区体系中（Bai 等，2026；Lyu 等，2024）。此外，当前对权衡和协同效应的表征在很大程度上依赖于静态或历史数据，而多情景演化很少被纳入考虑（Wang 等，2024）。作为生态系统服务动态的关键驱动因素，土地利用变化将在不同政策路径下重塑生态系统服务的相互关系（Huang 等，2024；Wu 等，2022）。这意味着生态系统服务组合的组成和空间范围可能随之改变，而仅基于历史条件的分区方案可能不足以应对未来的挑战。因此，核心科学问题是如何识别生态系统服务的权衡/协同效应并将其转化为生态系统服务组合，以及如何将这些生态系统服务组合的历史和多情景演化纳入前瞻性的生态管理分区中。为解决上述问题，有必要将土地利用模拟、生态系统服务评估以及权衡/协同效应分析整合到一个统一的框架中。
未来土地利用模拟为前瞻性区域管理提供了最直接的方法。然而，土地利用变化受自然条件和社会经济因素等多种因素的非线性驱动，需要选择能够有效揭示复杂驱动机制并实现高精度空间模拟的模型。结合元胞自动机（CA）和机器学习的方法，包括 CA-Markov、FLUS 和 PLUS，显著提高了模拟的准确性和效率（Liang 等，2021；Wang、Ma 等，2020；Yu 等，2020）。每种模型都有其独特的优势。其中，PLUS 模型将土地扩张分析策略（LEAS）规则挖掘框架与基于多种随机种子的元胞自动机模型（CARS）相结合，并采用随机森林揭示各种土地利用变化的非线性驱动机制（Li & Chen, 2022；Luan 等，2024），使其能够更灵活地应对政策情景的约束。同时，基于斑块生成的土地利用模拟有助于产生更接近真实景观的土地利用动态（Liu & Song, 2025）。
InVEST 模型的模块化结构支持利用在野外测量有限时仍可获得的土地利用格局和生物物理参数对生态系统服务进行及时评估，使其适用于大规模研究（Ma 等，2026；Sharma 等，2019），并经常与土地利用模拟模型结合使用。评估物理量的方法直接反映了生态系统的实际供给能力，使结果更加客观且具有生态意义（Chen 等，2020；Costanza 等，2017；Tolessa 等，2017）。在此基础上，Pearson 相关性和 Spearman 秩相关性等相关分析为探索内部权衡/协同效应提供了直观且易于解释的度量方法（Meerow & Newell, 2017；Tang 等，2026）。然而，仅靠相关性分析不足以揭示多种生态系统服务之间的相互依赖关系（Zhang 等，2022）。生态系统服务组合可以揭示在时空上共同发生且具有相似组织结构的生态系统服务组合，有助于基于权衡和协同效应管理多种生态系统服务（Abera 等，2021；Clements & Cumming, 2017）。K-means 聚类算法可以直接基于多种生态系统服务的组合结构提取若干个不同的生态系统服务组合，并轻松将这些生态系统服务组合映射到空间单元上，使其适用于分区（Liu 等，2022）。针对中国面临的核心生态挑战，本研究选择了五个关键生态系统服务进行量化，包括作物生产（CP）、碳储量（CS）、水源涵养（WY）、土壤保持（SC）和生境质量（HQ），这些服务可以全面反映生态系统功能。因此，结合相关性分析和聚类分析可以更深入地理解生态系统服务之间的相互关系，为分区奠定基础。
在此背景下，本研究将 2000–2020 年的土地利用数据与 PLUS 模型相结合，模拟中国在多情景下的 2030 年土地利用情况。结合统计年鉴数据，采用 InVEST 模型量化五个关键生态系统服务。随后，使用 Spearman 秩相关和 K-means 聚类算法识别中国各县的成对权衡/协同效应以及生态系统服务组合的组合结构。最后，基于生态系统服务组合的历史和多情景演化，为每个县划分了生态管理区。该框架为中国差异化生态管理提供了决策支持，架起了科学研究与生态文明建设需求之间的桥梁。
章节摘要
数据来源与处理
本研究采用的数据集涵盖 2000–2020 年期间的多个类别，包括：(1) 土地利用/土地覆盖数据；(2) 地形参数（高程和坡度）；(3) 气象变量（年平均气温、年平均降水量和潜在蒸散发）；以及 (4) 土壤特征（土壤类型和土壤理化性质）。详细说明见表 1。
土地利用多情景模拟
为验证 PLUS 模型的可行性，该模型
土地利用特征
从 2000 年到 2020 年，耕地减少 1.03%，草地减少 10.15%，这在很大程度上可归因于建设用地的迅速扩张，其激增了 30.53%，这一趋势与城市化加速密切相关。与此同时，湿地增加了 26.57%，林地略有增长 0.61%，表明在扩展特定生境类型方面取得了初步成效。在 2030 年的多种情景下，出现了不同的土地利用动态，由不同因素驱动
生态系统服务的空间分异与权衡/协同效应
本研究在中国县级层面量化了五个关键生态系统服务，以应对国家面临的核心生态挑战。所选生态系统服务主要包括供给服务、调节服务和支持服务，这些服务共同反映了自然生态系统的功能完整性。文化服务更倾向于人类审美享受，因此未纳入本研究（Li 等，2026，Li 等，2026，Li 等，2026；Sun 等，2026）。因此，
结论
本研究系统评估了中国县级层面生态系统服务在多情景下的时空演化，并建立了包含权衡/协同效应分析、生态系统服务组合识别和分区管理的分析框架。研究发现，碳储量（CS）、水源涵养（WY）、土壤保持（SC）和生境质量（HQ）呈现出显著的高东南低西北空间分异格局，主要由气候梯度、植被覆盖和土地利用格局的综合效应驱动。
CRediT 作者贡献声明
Xinyu Cui：概念构思、数据管理、方法论、资源、软件、监督、验证、可视化、撰写——初稿、撰写——审阅与编辑。Yi Zeng：数据管理、软件、撰写——初稿、撰写——审阅与编辑。Daojun Zhang：概念构思、资金获取、方法论、资源、监督、验证。Jie Zeng：方法论、资源、监督、验证。Ailong Dong：数据管理、软件、撰写——初稿。
资金
中国国家自然科学基金（批准号：42071416）。
利益冲突声明
作者声明他们没有已知的可能影响本文报告工作的竞争性经济利益或个人关系。
Xinyu Cui|Yi Zeng|Daojun Zhang|Jie Zeng|Ailong Dong
