南昌市生態服務價值變化及其驅動因素分析

冉鳳維, 羅志軍, 曹麗萍, 趙 杰, 趙 越

(1.江西農業大學 國土資源與環境學院, 南昌330045;2.江西省鄱陽湖流域農業資源與生態重點實驗室, 南昌330045)

生態系統服務是人類維持生存的前提與基礎，是指生態系統與生態過程所形成及所維持的人類賴以生存的自然效用[1]。生態服務價值主要是人類從生態系統中直接或間接地獲得利益，包括向經濟社會系統輸入有用物質和能量、接受和轉化來自經濟社會系統的廢棄物，及直接向人類社會成員提供服務[2]。Costanza等[3]最先估算了全球生態服務價值，在他的基礎上，很多學者對ESV進行了不同程度的研究。傅伯杰等[4]較為詳細地論述了生態系統服務價值的概念，謝高地等[5-6]在Costanza等的研究方法的基礎上進行多次改進，最終算出適合我國國情的ESV當量系數。目前很多學者研究了由于土地利用/覆被變化引起的生態系統服務價值變化[7-10],這些研究均表明以土地利用結構為指標來對ESV進行評估是可行且可靠的。師慶三等[11]、岳東霞等[12]、唐秀美等[13]、孫晨等[14]學者對生態服務價值變化的驅動因素進行了研究，同時孫洪波等[15]將分析環境影響因素的STIRPAT模型[16-17]用于分析生態服務價值變化的驅動因素。已有研究對ESV的時空格局演變分析日益完善，但對其變化的原因分析尚顯不足，而這方面的研究對揭示ESV的時空分布特征和變化規律具有重要意義。

南昌市是我國首批低碳試點城市，也是鄱陽湖生態經濟區的核心城市。近10 a來是中國城市化快速推進的時期，也是江西省實施中部地區崛起規劃、鄱陽湖生態經濟區規劃、贛南等原中央蘇區振興發展等國家區域發展戰略的時期，隨著南昌市社會經濟的快速發展和城市化進程的加快推進，其土地利用的廣度、深度及速度都發生了改變[18]，同時與土地利用密切相關的生態服務價值隨之發生改變。為此，本文借助RS和GIS技術，對2000年、2005年、2010年、2015年遙感影像進行處理和分析，以獲得各期土地利用數據，然后通過修訂研究區生態服務價值系數，分析南昌市生態服務價值時空變化特征，最后用STIRPAT模型和地理加權回歸模型研究南昌市生態服務價值驅動因素及差異性，為區域生態環境保護和可持續發展提供參考。

1　研究區概況

南昌市是江西省的省會，位于115°27′—116°35′E，28°09′—29°11′N，地處江西省中北部，贛江尾間，撫河下游，鄱陽湖之濱，是長江中游城市群中心城市之一，是鄱陽湖生態經濟區核心城市，是生態文明先行示范區，是國家級新區贛江新區中心城市，是全國首批低碳試點城市，中國重要的綜合交通樞紐和現代制造業基地。境內以平原為主，東南較平坦，西北丘陵起伏，水網密布，湖泊眾多。境內氣候為亞熱帶季風氣候，是“夏炎冬寒”的典型城市，夏冬兩季時間較長、溫差大，年降水量2 059.8 mm。南昌市下轄5區4縣，分別是東湖區、西湖區、青云譜區、青山湖區、灣里區、新建縣、南昌縣、進賢縣、安義縣。截至2016年底，全市土地總面積7 412.52 km2，占全省4.31%，全市總人口為537.14萬人，比上年末增加6.85萬人。

2　數據來源與研究方法

2.1　數據來源

本文的遙感數據選用南昌市2000年、2005年、2010年的Landsat/ETM數據和2015年的Landsat/OLI數據，空間分辨率均為30 m，數據均來源于美國地質調查局(USGS官網:http:∥landsat.usgs.gov/)。遙感數據處理時，首先借助Erdas 9.2軟件對遙感數據進行幾何校正、圖像拼接、圖像裁剪和圖像增強等預處理；然后進行人工目視解譯，對四期遙感影像進行解譯，利用ArcGIS 10.2軟件的空間分析功能和屬性數據統計功能，得到各時期南昌市土地利用類型圖；再依據國家標準化管理委員會頒布的《土地利用現狀分類》(GB/T2010—2007)，結合南昌市土地資源的特點和實際情況，將土地分類進行合并，得到6大類土地利用類型：耕地、園林地、草地、建設用地、水域和未利用地(表1)。同時利用政府提供的土地利用變更數據對2000年和2005年解譯結果進行評定、修正，利用2010年和2015年二調數據對2010年和2015年數據精度進行驗證。此外，文中驅動因素指標數據均來源于2000—2015年的《江西省統計年鑒》和《南昌市統計年鑒》。

2.2　研究方法

2.2.1生態服務價值的計算謝高地等在Costanza研究模型的基礎上，研究得出“中國生態系統服務價值當量因子表”[19]，并確定1個生態服務價值當量因子的經濟價值量等于當年全國平均糧食單產市場價值的1/7。本文根據2000—2015年南昌市平均糧食單產5 995.5 kg/hm2與2015年糧食平均單價3.95元/kg，結合生態價值的區域修正系數[20]，計算出南昌市1個生態服務價值當量因子的經濟價值為3 383.17元。依據南昌市具體情況，把每種土地利用類型與最接近的生態系統類型結合，可確定南昌市不同土地利用類型單位面積的生態服務價值(表2)。其中，本文對建設用地的生態服務價值不進行估算，故文中建設用地的生態服務價值為0[19-21]。

計算生態服務價值公式為：

(1)

式中：ESV為研究區生態系統服務價值；Ai為第i種土地利用類型的面積；VCij為第i種土地利用類型第j種生態系統服務價值的系數，i為土地利用類型，j為生態系統服務功能的類型。

表1　2000-2015年南昌市地類面積及所占比重

表2　南昌市不同土地利用類型單位面積生態服務價值

2.2.2生態服務價值轉移公式土地利用類型變化會引起相應地類生態服務價值是變化[22]，根據南昌市土地利用轉移計算ESV的轉移，計算公式為：

(2)

式中：PLij為研究期內第i類土地向第j類轉化的生態服務價值；i為第一時期土地利用類型；j為第二時期土地利用類型；VCi和VCj分別為研究期i和j的生態服務價值系數；Aij為研究期內第i類土地向第j類轉化的面積。

2.2.3STIRPAT模型STIRPAT模型是Dietz和Rosa[23]在IPAT模型的基礎上對隨機回歸影響模型的重新定義，該模型可模擬變量對環境的影響。STIRPAT模型表達式為：

I=aPbAcTde

(3)

式中：I表示環境壓力；P表示人口數量；A表示富裕度；T表示技術水平；a為常系數；e為模型誤差；b，c，d為彈性系數STIRPAT模型是一個非線性多變量模型，對等式兩邊同時取對數可得：

(4)

本文在生態服務價值變化的驅動因素選擇上，參考前人[16,24]基于STIRPAT模型的分析，選取南昌市以下社會經濟發展指標：總人口(P)、人均GDP(A1)、固定資產投資(A2)、城市化率(T1)、第二產業比重(T2)、第三產業比重(T3)、萬元GDP能耗(T4)，環境壓力用人均ESV(E)表示。因此，STIRPAT模型擴展為：

lnE=lna+b(lnP)+c1(lnA1)+c2(lnA2)+d1(lnT1)+d2(lnT2)+d3(lnT3)+d4(lnT4)+lne

(5)

3　南昌市生態服務價值變化

3.1　生態服務價值時間變化分析

以2000—2015年南昌市遙感解譯的土地利用數據為基礎，根據計算生態服務價值公式及表2的數據，可知2000—2015年南昌市生態服務價值及其變化和各單項生態服務價值，即表3，表4.由表3可知，不同土地利用類型的生態服務價值按大小排序為水域、園林地、耕地、草地和未利用地，研究期內水域ESV與總ESV之比大于50%。南昌市2000年、2005年、2010年、2015年總生態服務價值分別為390.35億元、392.64億元、388.30億元、393.30億元。15 a來，生態服務價值總量增加2.95億元，變化率為0.01%，其中生態服務價值在各子研究期內先增加后減少再增加，2000—2005年增加量為2.29億元，2005—2010年減少量為4.33億元，2010—2015年增加5.00億元。土地利用類型生態服務價值變化最大的是耕地，減少11.74億元，其次是水域，增加10.82億元。

根據2000—2015年南昌市單項生態服務價值及其變化(表4)可知，研究期內，南昌市各單項生態服務價值總量及結構均變化不大。單項生態服務價值功能以水源涵養和廢物處理為主，土壤形成與保護和生物多樣性保護為輔，然后依次為娛樂文化、氣候調節、氣體調節、食物生產、原材料。生態服務價值減少的功能有氣候調節、氣體調節、土壤形成與保護、生物多樣性保護和食物生產，其中食物生產的變化率最大。水源涵養、廢物處理、原材料、娛樂文化的生態服務價值增加，其中水源涵養的變化相對較為顯著。研究期2000—2005年內，氣候調節、氣體調節、水源涵養、土壤形成與保護、娛樂文化、原材料、生物多樣性保護的生態服務價值增加，其中原材料的變化率最大，氣體調節次之；在2005—2010年期間，除娛樂文化這一項生態服務價值外，其他單項ESV價值量均增加；在2010—2015年期間，水源涵養、廢物處理、娛樂文化的生態服務價值量增加，其余單項ESV減少，其中水源涵養和廢物處理變化最顯著。

表3　2000-2015年南昌市生態服務價值及變化

表4　2000-2015年南昌市單項生態服務價值及變化

3.2　生態服務價值空間差異分析

在ArcGIS 10.2軟件上按手動分類法將南昌市單位面積生態服務價值分為4個等級，得出4個時期南昌市單位面積生態服務價值空間特征，生態服務價值高于74 000元/hm2的地區主要是新建縣東部和進賢縣北部，其中2010年新建縣生態服務價值高于74 000元/hm2的地區明顯擴大，其原因是水域面積增加,同時水域的ESV系數較高；生態服務價值介于25 000～74 000元/hm2的主要是灣里區、安義縣北部、新建縣西部及進賢縣東南部；生態服務價值1 500～25 000元/hm2分布范圍廣泛，主要在南昌縣、新建縣西部、安義縣南部、新建縣東部；而低于1 500元/hm2的低生態服務價值區主要集中在南昌市城區，2005—2010年低生態服務價值區擴張明顯，原因是建設用地的快速增長。

3.3　生態服務價值轉移分析

由公式(2)可得2000—2015年南昌市生態服務價值轉移情況(表5)。

由表5可知，2000—2015年，土地利用類型之間的轉移導致南昌市生態服務價值總量增加2.95億元。但每一種土地利用類型向其他土地利用類型轉移所造成的生態服務價值變化不同，水域向其他土地利用類型的轉移導致了ESV減少62.16億元，其中水域轉為耕地生態服務價值減少最多，占比65.04%；園林地轉為非園林地也導致了ESV減少21.07億元；耕地向其他地類的轉移，引起了生態服務價值的增加，增加量為43.13億元，草地、建設用地和未利用地向其他地類的轉移也引起了生態服務價值的增加。

表5　2000-2015年南昌市生態服務價值轉移矩陣　108元

4　南昌市生態服務價值變化驅動因素分析

4.1　總體驅動因素分析

4.1.1STIRPAT模型回歸分析將南昌市2000—2015年所選取的社會經濟指標數據及人均ESV數據均取對數，根據式(5)，利用SPSS 22.0軟件按自變量逐步進入方程的方法進行回歸分析，構建南昌市人均ESV變化的STIRPAT方程，見表6。

各模型的調整R2介于0.995～0.998，說明各模型的擬合度較好。模型1是以lnP為自變量的STIRPAT方程，該模型可以解釋所選變量對生態服務價值的影響，其擬合度為99.5%，在0.001的顯著性水平下存在極顯著影響；模型2，3，4是在模型1的基礎上分別加入自變量lnT3，lnT4，lnA1，調整R2分別為0.997，0.997，0.996，表明相對于模型1，模型2，3，4對因變量的解釋能力提高，且lnT3和lnA1在0.05的顯著性水平下對lnE存在顯著影響，lnT4在顯著性水平為0.01時對lnE影響顯著；模型5在模型4的基礎上增加變量lnA2和lnT1，此時lnA1，lnA2對lnE影響不顯著(Sig>0.05)，lnT1對lnE影響顯著(Sig<0.05)；模型6分析了lnP，lnT3，lnT4對lnE的影響，該模型擬合度達99.8%，3個自變量分別在0.001，0.05，0.01的顯著性水平下對自變量產生顯著影響。因此，對lnE產生顯著影響的自變量有lnP，lnT3與lnT4，即這些因素為人均ESV變化的主要驅動因素，而lnA1，lnA2，lnT1，lnT2對因變量影響不顯著。

表6　STIRPAT模型分析

注：*Sig.<0.05；**Sig.<0.01；***Sig.<0.001。

4.1.2驅動因素差異性分析從模型6看，南昌市2000—2015年人均生態服務價值變化的驅動因素為總人口、第三產業比重和萬元GDP能耗，且3個自變量都與因變量人均ESV呈負相關關系。各自變量的彈性系數表明，3個因素對人均ESV的影響力依次為：總人口影響最大，萬元GDP能耗次之，第三產業比重最小。總人口每增加1%，人均ESV減少0.923%；第三產業比重每增加1%，人均ESV減少0.031%；萬元GDP能耗每增加1%，會引起人均ESV減少0.076%。

4.2　不同時期驅動因素分析

以STIRPAT模型為依據對研究區不同時段生態服務價值的驅動因素進行分析，利用SPSS軟件建立的模型如下：

2000—2005年STIRPAT模型：

lnE=21.871-1.453lnP+0.039lnA1-0.033lnT3-0.048lnT4

(6)

方程(6) 通過了0.01顯著性水平的檢驗，其調整R2=0.976，說明該方程擬合度好，D-W值=2.170<10，說明進入方程的各變量之間不存在多重共線性問題，各自變量的顯著性水平分別為0.001，0.05，0.05，0.01。

2005—2010年STIRPAT模型：

(7)

方程(7) 通過了0.01顯著性水平的檢驗，其調整R2=0.998，說明該方程擬合度好，D-W值=2.422<10，說明進入方程的各變量之間不存在多重共線性問題，各自變量的顯著性水平分別為0.001，0.01，0.05。

2010—2015年STIRPAT模型：

lnE=19.918-0.994lnP-2.77lnT1-0.079lnT3-0.061lnT4

(8)

方程(8) 通過了0.01顯著性水平的檢驗，其調整R2=0.985，說明該方程擬合度好，D-W值=2.840<10，說明進入方程的各變量之間不存在多重共線性問題，各自變量的顯著性水平分別為0.001，0.05，0.01，0.05。

由方程(6)、(7)、(8)可以得出：不同時期生態服務價值的驅動因素不同，同一驅動因素在不同時期的彈性系數不同，所承受的壓力不同。研究期2000—2005年人均ESV的驅動因素為人口、人均GDP、第三產業比重和萬元GDP能耗；研究期2005—2010年人均ESV的影響因素為人均GDP、第三產業比重和萬元GDP能耗；研究期2010—2015年人均ESV的驅動因素為人口、城市化率、第三產業比重和萬元GDP能耗。在2000—2005年與2011—2015年，總人口的彈性系數為1.453，0.994，說明在人口方面，研究期2000—2005年承受了比2010—2015年更大的壓力；3個時期第三產業比重的彈性系數均為負值，依次為0.033，0.088，0.079，表明研究期2005—2010年承受了更多來自第三產業的壓力；3個時期萬元GDP能耗的彈性系數均為負值，依次為0.048，0.096，0.061，說明較其他兩個研究期來說，研究期2005—2010年在萬元GDP能耗上承受了更多的壓力。

4.3　不同區域驅動因素分析

由于STIRPAT模型分析在揭示縣域生態服務價值的驅動因素上存在局限，因此，本文以表6的模型6為依據，運用ArcGIS 10.2軟件對模型6進行地理加權回歸分析，建立基于地理加權回歸分析的STIRPAT模型(表7)，GWR分析所得方程擬合度為87.4%，表明回歸方程對因變量的解釋能力較好，同時，方程通過了0.01顯著性水平檢驗。由表7可知，從總人口對各縣區的影響力看，所有縣區總人口的彈性系數都為負值，表明人口增加會造成各縣區生態服務價值減少；第三產業驅動因素方面，東湖區、西湖區、青云譜區和青山湖區的第三產業比重的彈性系數為負值，其他縣區第三產業彈性系數為正值，說明在這些地區經濟的增加會帶來人均生態服務價值的增加；萬元GDP能耗方面，各縣區萬元GDP能耗的彈性系數均為負值，表明在各縣區萬元GDP能耗的增加均會引起人均生態服務價值的減少。彈性系數可以解釋變量承受壓力，彈性系數大，變量所承受的壓力大，反之，變量所承受的壓力小。人口驅動因素方面，東湖區、西湖區、青山湖區和安義縣的彈性系數比總人口彈性系數的均值大，說明這些縣區承受了來自人口方面更大的壓力；從第三產業比重看，東湖區、青山湖區、南昌縣、新建縣及進賢縣的彈性系數大于均值，則相應區域在第三產業比重上承受了更多的壓力；萬元GDP能耗方面，南昌縣、進賢縣和安義縣的彈性系數大于均值0.075，說明這些縣區在萬元GDP能耗方面承受了比其他縣區更多的壓力。

表7　STIRPAT模型的GWR分析

5　結 論

(1) 本文參照前人研究成果，依據生態服務價值當量因子法分析了2000—2015年南昌市生態服務價值時空變化特征，并利用STIRPAT模型和地理加權回歸分析法對南昌市生態服務價值變化的驅動因素及差異性進行分析，為區域環境保護與生態系統管理提供科學依據，對促進區域經濟、社會與生態的協調發展具有重要意義。

(2) 研究表明，2000—2015年南昌市生態服務價值總量及結構均變化不大，各子研究期內生態服務價值變化呈“S”型，即先增加后減少再增加；不同土地利用類型生態服務價值由大到小為水域、園林地、耕地、草地和未利用地；2000—2015年高生態服務價值區集中新建縣東部和進賢縣北部，該區土地利用類型為水域，低生態服務價值區主要是在南昌市城區，土地利用類型以建設用地為主。

(3) 通過STIRPAT模型分析表明，總人口、第三產業比重與萬元GDP能耗是南昌市人均ESV變化的主要驅動因素，且都與人均ESV呈負相關關系。不同時期生態服務價值的驅動因素不同，同一驅動因素在不同時期的彈性系數不同，所承受的壓力不同。通過地理加權回歸分析發現，各縣區之間驅動因素影響程度不同，東湖區、西湖區、青山湖區和安義縣在人口因素上承受了更多的壓力；東湖區、青山湖區、南昌縣、新建縣及進賢縣承受了更多第三產業比重的壓力；而南昌縣、進賢縣和安義縣在萬元GDP能耗方面承受了比其他縣區更多的壓力。

(4) 區域生態服務價值變化受到諸多因素的共同作用，由于資料和方法的局限性，本文生態服務價值變化驅動因素考慮得不夠全面，如人均公共綠地面積、生態用地比率等因素，今后仍需進一步深入研究。

參考文獻:

[1]Daily G C. Nature′s services: societal dependence on natural ecosystems[J]. Corporate Environmental Strategy, 2000,6(2):220-221.

[2]邵雪亞,劉勇,王三,等.快速城市化地區土地利用變化對生態服務價值的影響:以重慶市北碚區為例[J].西南師范大學學報自然科學版,2011,33(6):80-85.

[3]Costanza R, D′Arge R, Groot R D, et al. The value of the world′s ecosystem services and natural capital[J]. World Environment, 1997,25(1):3-15.

[4]傅伯杰,張立偉.土地利用變化與生態系統服務:概念、方法與進展[J].地理科學進展,2014,33(4):441-446.

[5]謝高地,甄霖,魯春霞,等.一個基于專家知識的生態系統服務價值化方法[J].自然資源學報,2008,23(5):911-919.

[6]謝高地,張彩霞,張雷明,等.基于單位面積價值當量因子的生態系統服務價值化方法改進[J].自然資源學報,2015(8):1243-1254.

[7]Gascoigne W R, Hoag D, Koontz L, et al. Valuing ecosystem and economic services across land-use scenarios in the Prairie Pothole Region of the Dakotas, USA[J]. Ecological Economics, 2011,70(10):1715-1725.

[8]劉桂林,張落成,張倩.長三角地區土地利用時空變化對生態系統服務價值的影響[J].生態學報,2014,34(12):3311-3319.

[9]張舟,吳次芳,譚榮.生態系統服務價值在土地利用變化研究中的應用:瓶頸和展望[J].應用生態學報,2013,24(2):556-562.

[10]曾杰,李江風,姚小薇.武漢城市圈生態系統服務價值時空變化特征[J].應用生態學報,2014,25(3):883-891.

[11]師慶三,王智,吳友均,等.新疆生態系統服務價值測算與NPP的相關性分析[J].干旱區地理,2010,33(3):427-433.

[12]岳東霞,杜軍,鞏杰,等.民勤綠洲農田生態系統服務價值變化及其影響因子的回歸分析[J].生態學報,2011,31(9):2567-2575.

[13]唐秀美,郝星耀,劉玉,等.生態系統服務價值驅動因素與空間異質性分析[J].農業機械學報,2016(5):336-342.

[14]孫晨.土地利用變化的人文驅動因子對和田市生態系統服務價值的影響[D].烏魯木齊:新疆大學,2014.

[15]孫洪波,楊桂山,萬容容,等.昆山生態系統服務價值變化及其驅動力差異性分析[J].長江流域資源與環境,2009,18(8):759-764.

[16]陳志建,王錚.中國地方政府碳減排壓力驅動因素的省際差異：基于STIRPAT模型[J].資源科學,2012,34(4):718-724.

[17]陳慶,周敬宣,李湘梅,等.基于STIRPAT模型的武漢市環境影響驅動力分析[J].長江流域資源與環境,2011(S1):100-104.

[18]趙麗紅,王屏,歐陽勛志,等.南昌市植被覆蓋度時空演變及其對非氣候因素的響應[J].生態學報,2016,36(12):3723-3733.

[19]謝高地,魯春霞,冷允法,等.青藏高原生態資產的價值評估[J].自然資源學報,2003,18(2):189-195.

[20]謝高地,肖玉,甄霖,等.我國糧食生產的生態服務價值研究[J].中國生態農業學報,2005,13(3):10-13.

[21]胡金龍,王金葉,周志翔,等.桂林市區土地利用變化對生態服務價值的影響[J].中南林業科技大學學報,2012,32(10):89-93.

[22]Peng W F, Zhou J M, Fan S Y. Effects of the Land Use Change on Ecosystem Service Value in Chengdu, Western China from 1978 to 2010[J]. Journal of the Indian Society of Remote Sensing, 2016,44(2):197-206.

[23]Dietz T, Rosa E A. Rethinking the environmental impacts of population, affluence and technology[J]. Human Ecology Review 1,1994,2:277-300.

[24]Wang P, Wang X. Spatiotemporal change of ecological footprint and sustainability analysis for Yangtze Delta Region[J]. Journal of Geographical Sciences, 2011,21(5):859-868.