喜马偕尔喜马拉雅地区景观变化下生态系统服务的海拔梯度与驱动机制

《Watershed Ecology and the Environment》：Altitudinal gradients and drivers of ecosystem services under changing landscapes in the Himachal Himalaya

　　

研究人员识别了四种生态系统服务（ecosystem services, ESs）的空间分布及其相互关系。支持服务在喜马偕尔喜马拉雅地区表现出强烈的协同关系。通过随机森林（Random Forest, RF）模型确定了生态系统服务的主要驱动机制。降水（precipitation, PRE）、数字高程模型（Digital Elevation Model, DEM）和归一化植被指数（Normalized Difference Vegetation Index, NDVI）对多种生态系统服务的空间权衡与协同关系具有显著影响。

生态系统服务（ecosystem services, ESs）是自然系统为人类提供福祉的基础，其可持续供给对于区域生态安全与可持续发展至关重要。山地生态系统因气候多变、垂直带谱复杂，对土地利用/覆盖变化和气候变化极为敏感，是ESs权衡与协同关系研究的热点区域。然而，喜马拉雅西部地区尤其喜马偕尔喜马拉雅的ESs定量评估仍很有限，已有研究多基于粗分辨率数据，难以反映短距离内强烈的海拔梯度对服务空间异质性的影响，也缺乏对服务间相互作用驱动机制的深入解析。为解决这一问题，研究人员选取萨特卢季河流域（Satluj River basin, SRB）作为研究区，该流域高程跨度332–6558 m，生态系统类型分异显著，是探讨海拔梯度下ESs变化规律的理想对象。

研究人员利用InVEST模型量化了产水量（water yield, WY）、生境质量（habitat quality, HQ）、土壤保持（soil retention, SR）和碳储量（carbon storage, CS）四种关键服务在1996、2011和2023年的时空分布；运用Spearman相关与权衡-协同指数（trade-off synergy index, TSI）刻画服务间的相互关系；采用随机森林（Random Forest, RF）模型识别主要驱动因子，并进一步在DEM、降水（precipitation, PRE）和NDVI的多级梯度上分析这些因子对服务关系的影响；最后通过单因子敏感性分析检验参数不确定性。

主要结果如下：

**3.1 生态系统服务的时空分布特征**。InVEST模型模拟表明，WY年均值由1996年的897.08 mm小幅降至2023年的886.22 mm，呈先降后升趋势，高海拔的Z3和Z4带降幅明显，而低海拔的Z1和Z2带有所增加。HQ由0.42升至0.53，表明生物多样性生境整体改善，以Z3带提升最为显著。SR从27.68吨/公顷降至23.45吨/公顷，总体下降，但Z1和Z2带上升，Z3和Z4带下降。CS持续增加，由89.45 g C/m²升至115.46 g C/m²，增量集中在Z3带。综合生态系统服务指数由0.32升至0.38，说明服务供给能力自2011年以来逐步增强。

**3.2 生态系统服务间的权衡与协同**。Spearman相关结果表明，HQ与CS始终呈强协同关系（2023年R=0.90），WY与HQ、WY与CS的协同关系也较为显著；WY与SR在1996年为权衡关系（R=?0.05），至2023年转为协同关系。空间上，权衡关系主要出现在高海拔的Z3和Z4带（稀疏植被与裸地为主），协同关系则集中在低海拔Z1和Z2带（草地与农田为优势地类），反映了土地利用与气候梯度对服务相互作用的控制作用。

**3.3 生态系统服务的驱动因素**。RF模型对WY、HQ、CS的预测精度较高（测试R²分别为0.99、0.92和0.91），对SR精度中等（R²=0.58）。PRE是WY的首要控制因子（重要性97.59%）；NDVI对CS（90.07%）和HQ（87.59%）贡献最大；SR主要受土壤可蚀性（32.70%）和DEM（14.30%）影响；人口密度对四种ESs影响均不显著。

**3.4 驱动因子对服务关系的影响**。按海拔、降水和NDVI分级分析发现，ESs间的协同关系在海拔1500–3000 m（Z2带）和降水900–1050 mm区间最强；WY与SR的关系随海拔升高由权衡转为协同。在NDVI为0.3–0.5区间，WY、HQ、CS之间呈现显著协同；而NDVI增高导致HQ与SR的权衡加剧。

**3.5 敏感性分析**。单因子±10%扰动显示，WY对降水最敏感（降水+10%引起WY增加10.69%）；HQ对威胁因子权重响应较强；SR主要由土壤可蚀性因子控制；CS对碳库值呈近线性响应。整体模型行为合理稳定。

**讨论与结论**。研究表明，SRB的ESs空间分布与海拔和降水梯度高度一致，植被覆盖变化是驱动HQ和CS提升的关键，而低海拔地区的人类活动与土地转换削弱了SR服务。政策启示在于应依据海拔带实施差异化管理：低海拔流域需严格控制林地转用并发展生态农业；中海拔区域应保护植被并优化水土资源管理；高海拔地区应限制基础设施扩张并恢复退化草地。研究也指出仅评估四种服务、缺少文化服务、数据分辨率差异等局限，未来需加强多因素整合与气候变化的季节性影响研究。

研究结论为：第一，ESs空间分布与降水及植被覆盖梯度一致，从南向北递减；WY先降后升，支持服务呈上升趋势，流域下游ESs值较高。第二，高海拔（Z3、Z4带）综合生态系统服务值随时间增加。第三，WY、HQ、CS之间的协同关系随时间显著增强，且在NDVI为0.3–0.5区间协同最强。第四，DEM、PRE和NDVI显著影响SRB的ESs，协同关系在降水900–1050 mm和海拔1500–3000 m处最强，故应设计多尺度空间策略与生态管理政策。第五，该研究揭示了ESs空间分布、权衡/协同关系及其主控因子，为喜马拉雅地区可持续发展与生态系统管理决策提供了关键科学依据。