基于SD模型的上海市濕地生態系統服務變化過程與情景研究

易阿嵐,孫 清,王 鈞

北京大學深圳研究生院城市規劃與設計學院, 深圳 518055

生態系統服務是指人類從生態系統中直接或間接獲取的益處,其對人類福祉的貢獻是全球人均國內生產總值(GDP)的兩倍以上[1]。濕地是地球上初級生產力最高、最有價值的生態系統之一,是重要的自然資源[2]。濕地在生產食物、降解污染物、改善水質、減弱風暴潮、減少洪水、維持物種多樣性、氣候調節以及文化價值等方面發揮著重要作用[3-4]。隨著人們對濕地認識的不斷加深,濕地提供的生態系統服務越來越受到人們的重視[5]。盡管中國政府出臺了相關保護政策,濕地退化問題仍然嚴峻,因此需要將生態系統服務納入到濕地保護政策中[6]。對生態系統服務進行估值可以量化這些服務價值的變化對人類福祉所產生的收益或損失,還可用于指導政策制定和土地管理,以控制生態系統服務變化的人類驅動因素[7]。此外,研究濕地生態系統服務價值有助于探索資源和經濟的可持續發展[8]。

在城市化進程中,濕地面積不斷縮減,濕地生態系統服務嚴重退化[9]。濕地面積的變化和人口的變化會引起濕地生態系統服務的變化[10]。濕地管理者需要對生態系統服務進行可靠、合理地評估,即對生態系統服務進行全面的生物、物理以及經濟評估才能輔助決策者做出科學決策[11]。在過去20年中,研究者們運用各種方法進行生態系統服務價值(ecosystem service value, ESV)評估,例如,實際市場法、替代市場法、虛擬市場法等[12]。Costanza等提出的ESV估算方法以及謝高地提出的單位面積價值當量是目前ESV評估的基礎并被廣泛引用[1,13],但參數的時效性存在著不確定性。雖然現有的ESV評估方法各有特點,但絕大多數研究都以千年生態系統評估的分類方法為依據將每種ESV進行單獨評估,很少能將生態系統服務與自然及人類影響因素結合起來進行綜合評估。此外,在評估ESV時應考慮單位面積價值當量的時效性。將生態系統服務納入到政策議程中已成為一種趨勢,可以協調社會經濟發展和環境保護之間的沖突[14]。

上海市位于東海沿岸線和長江口沿岸,該地區的沿海和河口濕地在動態變化中,受到自然和人為的影響[15]。2003—2013年,上海市因經濟發展和城鎮建成區擴張損失了約5.05×104hm2的濕地[16]。上海市濕地面積的變化,一方面是由于長江上游輸送的沉積物導致河口濕地擴張;另一方面是由于人口的增長、城市化進程的加快以及海平面上升所帶來的海水侵蝕導致濕地面積不斷縮減[17]。濕地面積減少導致上海市ESV在1989—2010年間損失了約4.45億美元[7]。現有研究不能很好地解釋濕地面積變化對生態系統服務的影響程度,也未能量化不同影響因素對生態系統服務的影響程度,有的甚至忽略了自然因素對生態系統服務的影響[18-19]。河口濕地生態系統影響因素以及空間異質性大,要對濕地生態系統進行評估,需要綜合濕地生態系統各個方面的評估指標[20]。現階段自然因素和人為因素對生態系統服務的影響研究大都處于定性水平或者僅研究兩個生態系統服務之間的協同或權衡關系[10,21-22],某一特定時期的ESV價值估算眾多,對未來生態系統服務動態變化的預測很少[19,23]。綜上,雖然對ESV的評估研究眾多,但仍缺乏對城市內濕地生態系統的動態評估以及對未來生態系統服務變化的預測。本文構建的系統動力學(system dynamics, SD)模型,借助Vensim PLE建模平臺對上海市ESV進行仿真模擬及預測,并考察各因素變化對生態系統服務的影響,將有助于決策者在將來制定有效的政策。為此,本文旨在：(1)通過構建SD模型對上海市1993—2025年濕地生態系統服務變化過程進行模擬與預測;(2)分析1993—2025年上海市濕地ESV構成的變化;(3)識別影響上海市ESV變化的主要驅動因素。

1 SD模型構建

SD采取定性分析和定量分析相結合的方式來解決實際問題,模型可以實現動態模擬[24]。SD模型本質上是一個微分方程系統,通過數值分析來模擬復雜系統的行為[25],且方程中的參數可根據實際情況調整,從而使得模擬結果更加貼近實際情況并可進行多方案的比較分析[24]。SD模型利用系統動力學的原理和方法對上海市快速城市化導致的濕地面積變化進行模擬分析,并結合人口因素以及經濟因素構建模型流程圖(圖1)。

圖1 上海市濕地生態系統服務價值系統動力學模型流程圖Fig.1 System dynamics model flow chart of wetland ecosystem service values in Shanghai

將表1中的方程所涉及的參數輸入Vensim PLE平臺以搭建供給服務價值、調節服務價值以及文化服務價值計算子系統,再根據式(1)建立ESV模型,之后將濕地面積、濕地保護系數等參數納入系統,考慮到上海市濕地面積的變化并非線性,濕地面積增長率采用表函數的形式輸入模型。模型主要包含人口因素子系統、供給服務子系統、文化服務子系統、調節服務子系統中以及經濟因素子系統。結合上海市人均GDP和上海市人均ESV可輸出ESV/GDP的值,濕地保護系數采用“IF THEN ELSE”函數,即濕地保護系數的值由ESV/GDP值確定,根據濕地保護系數就可以判斷是否要采取適當的濕地保護政策來調節濕地面積增長率,在本文的研究中,濕地保護系數值取1,即不采取任何保護政策的情況。通過ESV/GDP的值,可以判斷ESV在經濟發展中的地位,進而給環境規劃與管理提供科學依據。此外,上海市濕地生態系統的發展狀況可根據ESV、人均ESV來判斷。

2 材料與方法

2.1 研究區概況

上海市位于中國東部,地處長江入海口(30°40′—31°53′N, 120°52′—122°12′E)。2018年末,上海市行政區劃面積為6340.5km2,除西南部有少數丘陵山脈外,絕大多數土地為沖積平原,平均海拔約2.19m,全市常住人口2423.78萬人。上海市被認為是中國現代經濟的樞紐,在全國經濟建設和社會發展中具有十分重要的地位。該市擁有豐富的河口、河流、運河、溪流和湖泊等濕地資源,包括兩個國家級濕地站點,四個自然保護區,十三個市級濕地。上海市濕地主要分布于郊區,近30年來,濕地面積變化顯著(圖2)。

2.2 數據來源

本研究中的土地利用/覆蓋數據主要采用監督分類方法結合目視解譯分別從Landsat TM/ETM遙感影像(1990年和2000年)、Landsat-TM遙感影像(1995年、2005年以及2010年)、Landsat 8遙感影像(2015年和2018年)獲取。遙感影像無云,空間分辨率為30m。在ENVI 5.3和ArcGIS 10.2軟件中進行輻射定標和波段融合。根據《全國濕地資源調查與監測技術規程(試行)》將上海市土地利用/覆蓋數據分為“濕地”和“其他用地”兩種類型。“濕地”包含近海與海岸濕地、河流濕地、湖泊濕地、沼澤濕地以及人工濕地;“其他用地”則為“濕地”以外的土地(圖2)。上海市地處長江入海口,長江流域上海段水下地形復雜,故本文的研究區范圍不涉及長江流域上海段的河口濕地。

圖2 上海市濕地時空分布圖(1990—2018年)Fig.2 Spatial-temporal distribution of wetland in Shanghai from 1990 to 2018

表1 系統動力學模型主要方程

t: 當年數據;t-1: 上一年的數據

1993—2017年的總人口、農林牧漁業從業人口、其他人口(除了濕地農從業人口之外的人口)、商品零售價指數、GDP、人均GDP、農林牧漁業總產值數據來源于中國知網上海市經濟社會發展統計數據庫(http://data.cnki.net/area/Yearbook/Single/N2019040068?z=D09)。濱海濕地面積變化的主要影響因素是農林牧漁業和人口[31]。因缺失濕地農業產值數據,而濕地農業是指在天然濕地基礎上改造成以稻田、葦塘、魚塘、小型水庫為主體的農、林、牧、副、漁綜合發展的人工農業復合生態系統[32],因此采用上海市農林牧漁業從業人口年平均產值、農林牧漁業從業人口、農林牧漁業總產值分別近似代替濕地農業從業人口年平均產值、濕地農業從業人口以及濕地農業總產值。

上海市1995—2017年的市轄區旅游總收入數據來源于上海市人民政府年鑒(http://www.shanghai.gov.cn/nw2/nw2314/nw24651/nw45010/index.html)。2000—2017年河流年輸沙量數據來源于中國人民共和國水利部《中國河流泥沙公報》(http://www.mwr.gov.cn/sj/tjgb/zghlnsgb/),1993—1999年大通站的河流年輸沙量因無具體統計數據,故以公報中大通站1953—1999年平均年輸沙量4.36億t代替1993—1999年的河流年輸沙量,依據水庫泥沙容重1.5t/m3換算單位[28]。

2.3 研究方法

上海市濕地ESV的計算方法表達如下：

TESV=Vp+Vr+Vc=∑Vpi+∑Vri+∑Vci

(1)

式中,TESV為濕地ESV,Vp、Vr、Vc分別為濕地生態系統提供的供給服務價值、調節服務價值和文化服務價值。∑Vpi、∑Vri、∑Vci則分別表示各服務指標的總價值。

上海市濕地ESV核算模型的部分公式及輸入參數參考商慧敏等[10]、張緒良等[28]、鐘水映等[24]的核算方法(表1)。其中為簡化供給服務價值的計算,本研究參考崔麗娟等[27]的核算方法將濕地的供給服務價值等價為濕地農業總產值和水資源價值。設定濕地農業總產值等于濕地農業從業人口乘以濕地農業從業人口年平均產值。濕地年平均凈初級生產力取自然濕地年平均凈初級生產力和人工濕地年平均凈初級生產力的算術平均值25.58t/hm2[28]。

2010年的碳稅率為702.95元/t[33]。2002年的單位圍墾工程單價為8.00元/t[28]。2002年單位面積生物多樣性維持服務價值為2786.90元 hm-2a-1,1998年單位自然面積濕地氮吸收能力為0.30t/kg,1998年建設人工濕地吸收單位質量氮成本5750元/t[28]。2002年單位水資源價值為3.52元/t[30]。1997年的單位面積科研教育價值為5880元/hm2[34]。2010年單位釋氧價值為352.93元/t[33]。由于1993—2017年的25年間物價變化較大,故1993—2017年期間的碳稅率、單位圍墾工程價格、單位面積濕地生物多樣性維持服務價值、單位自然面積濕地氮吸收能力、建設人工濕地吸收單位質量氮成本、單位水資源價值(取單位地表水價值和單位地下水價值的算術平均值)、單位面積科研教育價值以及單位釋氧價值根據文獻提供的數據,按照張緒良等[28]的方法采用全國零售物價總指數進行換算,保證計算結果的可比性。

濕地光合作用每形成1g有機質需要吸收1.63g二氧化碳量并釋放1.19g氧氣量[28]。年單位濕地水面蒸發量為2177.78m3/hm2,單位體積水量轉化為蒸汽耗電量約為125kWh[27]。電價參考國家電網提供的上海市銷售電價表,取0.61元/kWh。單位面積水源涵養量為744.48m3/hm2,[35]。

濕地生態系統模型方程中既有線性方程,也存在一些非線性關系。Vensim PLE軟件針對非線性關系可以采取表函數的形式輸入,即可以用圖表的方式來反映兩個變量之間的非線性關系,當部分自變量缺失時,系統可以用線性插值法取其近似值,從而彌補因部分數據缺失而無法估算的不足。表函數的輸入數據均來源于已知的統計年鑒數據或經過全國零售物價總指數換算后的數據。市轄區旅游總收入的統計數據缺失1993—1994年的數據,遙感數據難以有連續年份的數據,所以在該模型輸入數據時市轄區旅游總收入和濕地面積都采取表函數的形式輸入。此外,為了更好地反映自變量和因變量之間的特殊非線性關系,在該模型中,其他人口增長率、濕地農業從業人口增長率、濕地農業從業人口年平均產值、GDP、濕地面積增長率、單位面積濕地生物多樣性維持服務價值、單位水資源價值、碳稅率、單位釋氧價值、年單位自然面積濕地氮吸收能力、建設人工濕地吸收單位質量氮成本、單位圍墾工程價格以及河流年輸沙量共13個變量也采用表函數的方式建模。表函數的運用可以使模型更加接近實際情況,減小實際值與模擬值之間的誤差。現階段生態系統支持服務核算方法尚未成熟,且支持服務通常又是其他三類服務的形成條件,所以學界已達成共識,不再核算支持服務的價值量,以避免重復核算,因而在本文中不涉及生態系統支持服務的計算。根據模型的主要方程(表1),在Vensim PLE平臺繪制成系統流圖(圖1)。輸入相應的參數和經驗數據,設定模型的初始年為1993年,終止年為2017年,步長為1年。模擬結果使用Origin 2019軟件處理。

3 模型檢驗和情景模擬

3.1 SD模型驗證

模型驗證的作用一方面通過模型檢驗評估其是否能夠準確反映現實狀態,另一方面通過靈敏度分析評估模型系統在運行中是否具有穩定的置信度。

3.1.1模型檢驗

本研究從人口因素子系統、供給服務子系統、文化服務子系統、調節服務子系統、以及經濟因素子系統中共選取10個變量,分別為總人口、河流年輸沙量、濕地農業從業人口、其他人口、濕地農業從業人口年平均產值、人均GDP、GDP、濕地農業總產值、市轄區旅游總收入以及濕地面積。以1993—2017年間上海市統計年鑒、中國河流泥沙公報以及中國統計年鑒等數據為基礎,對10個變量的模型模擬值與歷史實際值進行相對誤差檢驗,因濕地遙感數據沒有連續年份的數據,故濕地面積只采用1995年、2000年、2005年、2010年以及2015年的歷史實際值與相應年份的模擬值進行相對誤差檢驗。結果表明(圖3)：1993—2017年間所有檢驗指標的平均相對誤差均小于10%,模型的仿真值與實際值擬合較好,因此可以認為SD模型具有可靠性,可以進行實際仿真操作。

3.1.2靈敏度分析

靈敏度分析可以評估關鍵參數的變化對模型輸出結果的影響程度。根據顧朝林等的方法,通過增加或減少10%關鍵參數值來確定其影響程度[29]。若模型對大部分參數的變化表現不靈敏,則說明模型具有很好的穩健性。

SD模型的靈敏度分析分別從人口因素子系統、供給服務子系統、文化服務子系統、調節服務子系統、以及經濟因素子系統中選取15個變量,考察這15個變量對上海市濕地生態系統服務的影響程度即變化幅度均值。這15個變量分別為濕地農業從業人口增長率、其他人口增長率、單位圍墾工程價格、濕地面積增長率、單位釋氧價值、碳稅率、單位面積科研教育價值、濕地年平均凈初級生產力、單位面積濕地蒸發量、市轄區旅游總收入、年單位面積濕地氮吸收能力、河流年輸沙量、單位水資源價值、濕地農業從業人口年平均產值以及單位面積濕地生物多樣性維持服務價值。靈敏度檢驗結果表明(表2)：除了3個變量(單位面積濕地蒸發量、市轄區旅游總收入以及濕地農業從業人口年平均產值)的靈敏度較高外,其他12個變量的靈敏度值均未超過10%,這說明SD模型具有穩健性,能對實際情況進行可靠的預測。

圖3 1993—2017年關鍵變量系統存流量檢驗結果Fig.3 The system stock-flow test of key variables in the system dynamics model from 1993 to 2017

靈敏度的大小代表著各變量對濕地ESV的影響程度。靈敏度較高的變量既是對系統影響最大的因素,也是日后影響濕地生態系統服務變化的主要動力。靈敏度最高的4個變量分別為單位面積濕地蒸發量、市轄區旅游總收入、濕地農業從業人口年平均產值以及濕地面積增長率(表2),因此可以確定這4個因素是影響上海市濕地生態系統服務的主要因素,對整個模型的影響最大。其他人口增長率和單位圍墾工程價格這兩個變量的靈敏度最小,即這兩個變量的波動對上海市濕地生態系統服務的影響甚微。

3.2 情景模擬3.2.1 情景模擬參數設定

2017年12月上海市出臺《上海市濕地保護修復制度實施方案》(簡稱《上海實施方案》),該方案明確,到2020年,上海濕地面積不少于46.4×104hm2。利用Vensim PLE軟件進行仿真模擬,設置單位時限為1年,以1993年為起始年,終止年為2025年,進行為期33年的模擬,初始參數值為1993年所對應的實際值。模型仿真的時長涵蓋“十四五”規劃期(2021—2025年),可以為“十四五”規劃期的濕地保護決策提供參考。

表2 1993—2017年關鍵變量系統靈敏度分析結果

SM+: 增10%靈敏度均值 Sensitivity mean (+10%); SM-: 減10%靈敏度均值 Sensitivity mean (-10%)

本文研究濕地的變化對上海市濕地生態系統服務的影響,上海市2017年濕地面積年增長率為-1.30%,因此通過設置不同的濕地面積增長率來分析不同情景下上海市濕地生態系統服務變化趨勢。在4種情景中,2018—2025年的濕地面積增長率分別設置為：將維持現狀背景下的發展模式定義為情景1,即濕地面積增長率為-1.30%;將優先發展經濟,濕地總面積維持不變的模式設定為情景2,即濕地面積增長率為0;假設從2017年后開始逐漸保護濕地生態環境,劃定濕地面積生態紅線,將這種濕地面積逐漸擴大的發展模式設定為情景3,設定濕地面積增長率為2017年濕地面積增長率的絕對值,即濕地面積增長率為1.30%;若在情景3中的模式下,每年濕地增長的面積不足以彌補因自然因素損失的濕地,需要繼續加大濕地恢復力度的模式設定為情景4,設定濕地面積增長率為2017年濕地面積增長率的絕對值的2.5倍,即濕地面積增長率為3.50%。

將設定的參數輸入模型,根據表3中的結果可以看出,到2020年底,按照情景1、情景2、情景3、情景4預測,上海市濕地面積將分別為40.44×104、42.04×104、43.70×104、46.61×104hm2。4種情景中,只有按照情景4的發展模式,上海市濕地面積在2020年才能達到《上海實施方案》中的要求,即2018—2020年年濕地面積增長率設定在3.50%。在情景1和情景2中,ESV和人均ESV均呈下降趨勢,即維持濕地面積不變或減少濕地面積都會導致ESV和人均ESV的下降,但濕地面積不管是逐年增長、逐年減少還是年際間保持不變,供給服務價值并未增長,反而逐年下降。1993—2025年期間,在生態系統服務構成中,隨著上海市濕地面積逐年減少(圖2),調節服務價值在ESV中的比例總體上呈下降趨勢,供給服務價值在ESV中的比例總體上呈下降趨勢,而文化服務價值在ESV中的比例總體上呈上升趨勢(圖4)。

3.2.2情景模擬結果及分析

綜合4種情景下的模擬結果,可以發現,在2017—2025年上海市濕地生態系統服務構成中,除本文未涉及的生態系統支持服務外,文化服務價值最高(占總價值的64%以上),研究時段內呈增長趨勢;調節服務價值次之(占ESV的30%以上),呈增長趨勢;供給服務價值最低(占ESV的6%以下),呈下降趨勢。依據中國知網上海市經濟社會發展統計數據,在1993—2017上海市三大產業產值中,第三產業產值增長最快,第一產業最慢,到2017年,第三產業產值占比最大(>69%)。這是上海市濕地生態系統文化服務價值占比最高且不斷增長、供給服務價值占比最低且不斷下降的原因之一。

1993—2025年,ESV/GDP的值總體上呈下降趨勢(圖4)。盡管生態系統服務的估值與經濟活動或GDP之間沒有必要的關系,但ESV/GDP的值對于理解生態系統對人類的福祉非常有用,2010年全國人均ESV為28569元(以2010年美元平均匯率6.77計算),ESV/GDP為0.87[26]。2017年—2025年,ESV/GDP的值除了在情景1和情景2中逐年下降外(表3),其他兩種情景中ESV/GDP的值均逐年增大,即ESV占上海市GDP的份額逐年增大。

圖4 1993—2025年上海市濕地面積及其生態系統服務價值的相關預測Fig.4 Predictions of wetland areas and ecosystem service values in Shanghai from 1993 to 2025

到2025年,情景1、情景2、情景3、情景4中上海市濕地ESV/GDP的值分別為0.20、0.22、0.24以及0.25,相比2010年全國ESV/GDP的值,上海市ESV/GDP值遠低于全國平均水平。在上海市今后的發展中,應該逐步增加濕地面積,恢復濕地的生態系統服務功能,朝著情景2, 3的模式發展。此外,模型也可根據ESV/GDP的值來判斷是否應設置適當的濕地保護系數來促進濕地面積的增長。例如可以在Vensim PLE軟件中將“濕地保護系數”設置為“IF THEN ELSE((“生態系統服務價值/國內生產總值”≥1), (1), (1.2))”,這表示如果ESV/GDP<1時,系統會將“濕地保護系數”設定為1.2,即需要加大濕地保護力度;若ESV/GDP>1時,系統則將“濕地保護系數”設定為1,即維持濕地面積現狀不變。

表3 2017—2025年上海市濕地生態系統服務價值及濕地面積情景模擬結果

4 討論

近30年來,上海市經濟發展突飛猛進,城市化不斷推進。在經濟發展的過程中上海市濕地面積不斷被開墾為其他的用地,以滿足經濟發展的需求。濕地的ESV日益受到人們的重視,ESV受自然因素和人為因素的影響,各種影響因素動態變化,這使得在實際估算模擬當中,模擬方程往往呈非線性。而vensim PLE中的表函數的出現,使得非線性方程的使用成為現實,它允許用戶通過列舉自變量值和因變量值的方式來構建模型。且當某個自變量為非已知點或數據缺失時,可以用線性插值的方法取得其近似值,這樣就能讓模型更加接近實際情況,同時,表函數的使用可以讓復雜的生態系統服務核算方程變得更為簡便。關于ESV的核算,現階段的研究主要采用價值當量因子方法計算,但這種方法存在依賴主觀判斷的風險,SD模型在ESV的核算方面,多采用較為精細的計算方式,在很大程度上減少了依賴主觀判斷的風險。

目前,ESV的評估眾多,但往往都是基于某一時期的估算,對于ESV的變化難以持續模擬。這使得決策者難以通過某一時期或幾個時期的ESV來判斷該地區的生態系統服務變化趨勢。SD模型可以同時實現多變量多年份連續動態模擬,這使得ESV的變化趨勢變得更為直觀,也可量化ESV構成之間的變化,具有實際參考價值。本文通過設定不同的濕地面積增長率分別模擬上海市在采取不同的政策下濕地ESV未來發展情況,這種模擬可以為劃定生態紅線以及其他政策的制定提供超前評估,預防政府決策失誤。

“濕地保護系數”采用“IF THEN ELSE”函數,可以理解為模型能夠依據期望設定ESV/GDP的閾值,再把實際的ESV/GDP值與期望閾值作比較,根據比較結果再采取不同的濕地保護系數,這樣就使得這個函數實際上具有了兩種含義。它能提前發現未來ESV/GDP的變化,從而為構建生態安全格局提供參考依據。

本文所構建的SD模型雖然部分參數采用了上海市尺度之外的參數,但理論上各要素之間的相互關系可在本文所確定的概念框架之上通過結合研究區的特點而靈活調整參數,從而使得模型更加貼近實際情況。此外,本文采用全國零售物價總指數對不同年份的單位價值量進行換算,從而減小通貨膨脹等因素所帶來的估算偏差,使得模擬結果更具有時效性。但本文所構建的SD模型仍有待將土地因素、氣候因素、社會經濟情況等因素嵌入模型之中,并嘗試將其量化,以便在其他尺度的區域進行推廣。

5 結論

本文通過構建SD模型對上海市濕地ESV動態變化過程進行仿真模擬,可以得出如下結論：

(1)基于1993—2017年的經驗數據,通過對該模型進行系統存流量檢驗和系統靈敏度分析,顯示該模型有效且具有實際仿真的可操作性,可根據政策要求設定參數,對上海市濕地ESV變化進行模擬與預測。

(2)4種基于不同的“濕地面積增長率”情景模擬顯示了未來經濟發展在不同增速條件下的濕地面積及ESV變化。按此4種情景預測,到2020年底上海市濕地面積將分別為40.44×104hm2、42.04×104hm2、43.70×104hm2和46.61×104hm2。無論哪種情景,在濕地生態系統服務構成中,文化服務價值最高,約占總價值的64%以上,研究時段內呈增長趨勢;調節服務價值次之,呈增長趨勢;供給服務價值最低,呈下降趨勢。在影響上海市濕地ESV變化的因素中,最重要的4個影響因素分別為單位面積濕地蒸發量、市轄區旅游總收入、濕地農業從業人口年平均產值、濕地面積增長率。對比4種情景,只有情景4滿足當下對于濕地面積的要求,適合當前的發展方向,即年濕地面積增長率設定在3.50%。

(3)到2025年,即“十四五”規劃末期,按照現行的政策(情景1),上海市濕地面積將減少至37.92×104hm2,濕地ESV將減少至4711.56×108元,其中文化服務價值為3085.67×108元,調節服務價值為1441.27×108元,供給服務價值為184.62×108元。人均ESV為1.95×104元,濕地ESV占上海市GDP的20%。