《Journal of Cleaner Production》:Towards sustainable land-use systems: Multiscale water-wetland-food trade-offs and governance pathways in China
编辑推荐:
摘要可持续土地利用系统需要在农业集约化、城市扩张和气候变化不断加大的压力下,平衡水资源安全、湿地保护和粮食生产。本研究构建了一个综合的水—湿地—粮食(WWF)框架,以评估中国2000年至2020年生态系统服务之间的权衡、协同及治理路径。利用多源空间数据和生态系统服务模型,对产
摘要
可持续土地利用系统需要在农业集约化、城市扩张和气候变化不断加大的压力下,平衡水资源安全、湿地保护和粮食生产。本研究构建了一个综合的水—湿地—粮食(WWF)框架,以评估中国2000年至2020年生态系统服务之间的权衡、协同及治理路径。利用多源空间数据和生态系统服务模型,对产水量、洪水调控、休闲娱乐和粮食产量进行了量化。在省级、市级、县级和像元尺度上,通过可解释的机器学习和结构方程模型分析了权衡与协同关系,以识别各类生态系统服务的关键预测因子、非线性响应和结构路径。结果表明,中国的水—湿地—粮食系统在空间上具有异质性,但在时间上相对稳定。低协同区域覆盖近全国80%的面积,而强权衡区域在各尺度上占比30%–50%。持续性冲突主要集中在主要粮食产区,尤其是湿地调控或娱乐服务与农业生产之间,而湿地资源丰富的长江流域和沿海地区则表现出更强的多功能协同效应。尺度聚合放大了表观协同效应,但掩盖了局部冲突热点,表明粗略的行政评估可能低估了集约化土地利用地区的生态风险。气候条件主要控制着水和湿地服务,而土地利用强度和植被状况则塑造了粮食生产。研究识别了四个功能治理区域,以支持差异化策略,包括水资源约束、湿地保护、高标准农田管理、基于自然的解决方案和生态补偿。该框架为提高资源效率、生态保护与粮食安全提供了空间明确的证据。
引言
在快速城市化和气候变化的驱动下,人类活动对自然生态系统的干扰日益加剧,导致人们对水资源短缺(Liu et al., 2025; Zeng et al., 2024)、湿地退化(Gao et al., 2024; Wei et al., 2025)和粮食安全(Yue et al., 2025)的担忧不断增加。在中国,人口增长和经济发展显著增加了水资源和粮食需求,同时持续侵占湿地栖息地(Li et al., 2024; Wang et al., 2024b)。这些问题不仅表现出显著的空间异质性,还涉及多种生态系统服务(ESs)之间复杂的权衡与协同关系,对区域生态安全和实现可持续发展目标(SDGs)构成了严峻挑战。
生态系统服务为理解人与自然的关系提供了重要的理论框架(Lanceman et al., 2025)(Neugarten et al., 2025)。现有研究表明,不同生态系统服务之间普遍存在权衡与协同关系(Bennett et al., 2009; Seppelt et al., 2011);例如,农业生产增加往往伴随着更高的水资源消耗和生态调控功能的下降。然而,这种关系具有高度的情境依赖性,在不同区域和尺度上表现出明显差异。因此,从多维度系统刻画生态系统服务之间的交互关系,对于阐明区域生态系统功能的演变具有重要意义。
在此背景下,跨系统资源关联分析逐渐受到关注。该领域的早期研究主要源于水—能—粮(WEF)系统;WEF纽带通过水、能和粮食资源的分配、消耗和协调管理来解释跨部门的相互依赖性(Bazilian et al., 2011; Ringler et al., 2013)。然而,这种资源投入—产出逻辑无法完全捕捉湿地丰富地区水文过程、生态系统完整性和农业生产之间的交互作用。与能源不同,湿地是连接水调控、生态系统服务供给和土地利用变化的活态生态系统。因此,水—湿地—粮食(WWF)框架将分析焦点从部门资源分配转向涉及水文支撑、湿地调控和粮食生产的耦合社会—生态系统过程。在此基础上,将这一分析视角延伸到由WWF构成的复杂系统(图1),有助于全面理解水调控、湿地生态过程(Salimi et al., 2021; Xu et al., 2020)和农业生产活动(Janse et al., 2019; Mitsch et al., 2015)之间的相互联系。WWF系统通过两条相互关联的路径运行。在正向路径中,水文条件维持湿地结构和功能,湿地将水的输入转化为洪水调控、水质净化、栖息地维护等服务,支持农业生产和生态韧性。在反向路径中,灌溉取水、耕地扩张、排水、开垦和农业污染改变了水的分配并削弱湿地功能。湿地因此既充当生态缓冲,又是资源竞争的节点。其状况决定了水—湿地—粮食交互是产生协同效应还是加剧权衡,这构成了WWF与传统WEF框架之间的关键理论区别。然而,现有研究往往聚焦于单一组分或局部区域,或仅从生态系统服务的角度分析权衡与协同关系(Chen et al., 2025; Li et al., 2021),在综合多组分分析和时空分辨率方面存在不足。
尤其需要注意的是,单一尺度的分析可能会掩盖生态系统服务之间的真实关系。生态系统服务表现出显著的空间异质性和尺度依赖性,其统计特征随分析尺度的变化而变化(Bi et al., 2025; Deng et al., 2025a; Zhao et al., 2025)。在较粗尺度上,不同功能区被空间聚合,局部权衡可能被平均化,导致相关性减弱甚至出现伪协同;在较细尺度上,虽然可以反映局部差异,但分析易受局部扰动影响,导致整体趋势不稳定。这种由空间聚合引起的偏差与可变空间单元问题密切相关。现有研究表明,多尺度分析有助于更准确地识别生态系统服务之间的关系及其空间分异特征(Cord et al., 2017; Dade et al., 2019)。因此,从多尺度视角进行分析是深化生态系统服务研究的重要方向。
此外,生态系统服务之间的交互作用由气候、地形和社会经济因素共同驱动,其内在机制通常表现出非线性和多路径特征。虽然机器学习方法在识别驱动因子方面具有优势,但其可解释性有限;而结构方程模型(SEM)可以揭示变量之间的潜在影响路径,但在捕捉复杂非线性关系方面有所欠缺。因此,结合可解释机器学习与SEM方法,有助于实现从识别相关性到阐明机制的转变。
为弥补上述不足,本研究构建了一个综合WWF框架,以考察在快速城市化和农业集约化背景下土地利用过程如何塑造生态系统服务的权衡、资源使用效率和可持续性成果。以中国2000年至2020年为全国尺度案例,本研究整合了多源空间数据集、生态系统服务建模、多尺度权衡分析、可解释机器学习、结构方程模型和分区诊断,评估了产水量、洪水调控、休闲娱乐和粮食生产之间的相互作用。具体而言,本研究旨在:(1)量化WWF系统中关键生态系统服务的时空动态;(2)识别权衡与协同关系在省级、市级、县级和像元尺度上的差异;(3)识别各类生态系统服务的关键预测因子、非线性交互和结构路径,并探讨其对观测到的权衡与协同格局的潜在启示;(4)将空间证据转化为可持续土地利用管理的差异化治理路径。通过建立生态系统服务交互与水资源约束、湿地保护、高标准农田管理、生态补偿和基于自然的解决方案之间的关联,本研究为提高资源效率、减少生态冲突以及在多功能土地系统中平衡保护与粮食安全提供了可操作的证据。
章节摘要
研究区域
本研究以中国为研究区域(图2)。中国横跨温带和亚热带区域,表现出显著的气候梯度,从西北的干旱和半干旱条件到东南的湿润条件。年均降水量和温度的显著空间变异性促成了多样的水文和生态格局。中国拥有广泛而多样的湿地资源,包含多种湿地类型,发挥着……
中国WWF系统中生态系统服务的空间格局与尺度依赖性变化
2000年至2020年期间,中国的产水量(WY)、洪水调控(FR)、休闲娱乐(LR)和粮食产量(GY)表现出显著的空间异质性,但全国尺度的空间格局总体保持稳定(图5)。具体而言,产水量呈现出明显的南高北低梯度,其高值区(最大值为379)与东南沿海地区及长江中下游的降水梯度和地形格局高度耦合。洪水调控在南方较高,而……
与现有研究的比较
生态系统服务关系的研究已从评估单一服务转向分析多服务间的协同与权衡(Xia et al., 2023),其空间范围也从代表性流域扩展到全国评估(Gong et al., 2025a; Zhang et al., 2025)。在此基础上,本研究针对两个空白进行了探讨:缺乏将水、湿地和粮食生产相联系的综合框架,以及生态系统服务尺度依赖性的关注不足……
结论
本研究构建了一个综合的WWF框架,以考察2000年至2020年中国土地利用过程如何塑造生态系统服务的权衡、资源使用效率和可持续性成果。通过结合多源空间数据、生态系统服务建模、多尺度权衡分析、可解释机器学习、结构方程模型以及基于SOM-SWOT的分区方法,本研究为产水量、洪水调控、休闲娱乐和粮食……之间的相互作用提供了空间明确的证据。
CRediT作者贡献声明
Lai Shuhui:写作—审阅与编辑,写作—初稿,方法论,概念化。 Jiang Weiguo:写作—审阅与编辑,项目管理,经费获取。 Song Changchun:写作—审阅与编辑,概念化。 Hou Peng:写作—审阅与编辑。 Li Xiao:可视化。 Zhang Ze:调查研究。 Sun Jun:资源支持。 Xiao Zhijie:软件开发。
利益冲突声明
作者声明不存在任何已知的竞争性经济利益或个人关系可能影响本文所报告的工作。
致谢
本研究得到了国家重点研发计划(2023YFF0807204, 2024YFF1306105)的资助。
Lai Shuhui| Jiang Weiguo| Song Changchun| Hou Peng| Li Xiao| Zhang Ze| Sun Jun| Xiao Zhijie