四川盆地多重生態系統服務景觀指數評價與服務簇識別

彭 立,鄧 偉,黃 佩,劉 穎

四川師范大學地理與資源科學學院, 成都 610068

生態系統服務是指人類直接或者間接從生態系統中獲取的產品和服務,可分為供給服務、調節服務、文化服務和支持服務4大類型[1- 3]。生態系統服務在維系環境的動態平衡、保障人類的生產生活等方面起著不可代替的作用[4- 5]。然而,人口增長和經濟發展增加了全球對生態系統供給服務的需求,為滿足這些需求而進行的土地轉換改變了全球生態系統,加劇了生態系統的壓力,同時其他服務(如調節服務)呈現減少趨勢[6]。這對于充分發揮生態系統服務功能和維護區域生態安全格局具有抑制作用。定量評估生態系統服務供需能力,明確其空間格局特征及其轉移和流動,可有效表征區域生態安全格局[7- 8]。依據生態系統服務評價結果,識別生態系統服務間的權衡與協同關系,探索區域多重生態系統服務格局特征,明確區域生態系統服務簇的空間分布與內部結構,對維護區域生態安全格局至關重要。

國內外生態系統服務的研究已在其分類、評估、模擬與預測、集成應用等方面已經積累了大量的成果[9-10]。協調生態系統管理的多目標沖突和緩解生態服務間的權衡成為當前實現可持續發展的必然選擇[11- 12]。已有研究表明,生態系統服務間的權衡和協同作用在不同位置表現出空間多樣性和異質性,同時也表現出復雜和非線性的響應[13]。學者們定量評估了生態系統服務經濟價值及其權衡與協同關系[14- 16],且側重于研究權衡與協同關系的形成機制,尤其集中于研究土地利用變化、生態建設對生態系統服務權衡與協同的影響[17- 18]。

多重生態系統服務景觀指數(Multiple Ecosystem Services Landscape Index,MESLI)代表了不同生態系統同時提供多種服務的能力,是識別多種生態系統服務的冷點和熱點的一項綜合性和有價值的環境指標[13,19]。Rodriguez-Loinaz[20]等人在2015年首次提出該指標概念,并運用該指數研究了巴斯克地區景觀的多重生態系統服務,闡明了MESLI是衡量區域/地方景觀多功能性的有效工具。生態系統服務簇(Ecosystem Service Bundles, ESB)是指一系列在空間和時間范圍內生態系統服務的集合,可用于定量分析多重生態系統服務在空間上的集聚特征[21],識別主導生態系統服務[22]以及開展生態功能區劃[23]等。生態系統服務簇是一個較新的概念,由Kareiva[24]等于2007年首次提出。國內外學者主要采用空間聚類的方法對生態系統服務簇進行劃分,包括K-均值聚類、二階聚類、自組織神經網絡[21,25]等,涉及國家[22]、區域[1]、景觀[26]等尺度。近年來,生態系統服務簇方面的研究也取得了一定的研究成果。例如,Orsi[27]等人計算了各生態系統服務,評估了生態系統服務之間的協同和權衡關系,并確定了整個歐盟和成員國內部的生態系統服務簇空間格局。祁寧[28]等人基于K-均值聚類方法對東北地區進行了生態功能區劃,明確了生態系統服務的組成類型、協同與權衡關系、形成機制和區域差異。

四川盆地位于中國西南部,地處長江上游地區,是長江上游地區生態屏障的重要組成部分,對于維持整個長江生態安全格局的具有重要作用。隨著城鎮化水平的推進,生態環境保護壓力日益加大。在快速城鎮化和自然生態保護的雙重壓力下,迫切需要明確四川盆地生態系統服務間的權衡與協同關系以及服務簇的空間格局,對于維護區域生態安全具有重要意義。綜上,本文分析了四川盆地生態系統服務供給本底特征,識別了生態系統服務間權衡與協同關系,明確了區域提供多種服務功能的能力,進一步劃分了生態系統服務簇,并探討了每種生態系統服務簇空間格局與內部結構特征,以期為研究區的土地管理、環境保護和生態建設等提供科學依據。

1 研究區與數據來源

1.1 研究區概況

四川盆地(102°50′—109°15′E,27°39′—32°45′N)位于中國西南部,地處高原大地形和東部平原的過渡帶,西依青藏高原和橫斷山脈,北近秦嶺,東接湘鄂西山地,南連云貴高原,覆蓋面積20余萬平方公里,橫跨四川省中東部和重慶市大部分地區,是中國第三大盆地。盆地內地形復雜多變,自西向東可分為成都平原、川中丘陵和川東平行嶺谷3個地形區。氣候以亞熱帶季風氣候為主,夏季高溫多雨,冬季溫和少雨,降水分布不均,年降水量達800—1700 mm[29],年無霜期長達280—350 d。盆地內成渝城市群城鎮化、工業化進程推進迅速,是盆地內高速發展和經濟發達的核心地區之一。隨著經濟的顯著增長和城市的快速擴張,截至2015年底,四川盆地國內生產總值(GDP)達到6056億元,人口總數達到9885萬。本文主要借鑒前人的相關界定[30- 31],結合四川省和重慶市的數字高程模型(DEM)數據,并考慮研究的完整性和數據的可獲得性以縣域為基礎單元劃定了四川盆地的范圍,共計146個區/縣(圖1)。

圖1 研究區地理位置Fig.1 Location of the study area

1.2 數據來源

本研究使用的數據主要包括遙感數據、地形數據、氣候數據、社會經濟數據等。統計數據來自《四川統計年鑒2016》和《重慶統計年鑒2016》;行政邊界數據來自地理國情監測云平臺(http://www.dsac.cn/);DEM 數據來源于CIAT-CSI SRTM (http://srtm.csi.cgiar.org),空間分辨率為90 m×90 m;植被凈初級生產力(NPP)和蒸散發(ET)遙感產品來自美國國家航空航天局(NASA)提供的地球觀測數據(https://neo.sci.gsfc.nasa.gov/)。土壤數據來源于世界土壤數據庫(HWSD)(http://webarchive.iiasa.ac.at/Research/LUC/External-World-soil-database),空間分辨率為1 km×1 km。氣象數據包括降水、氣溫、日照時數等來源于中國氣象科學數據共享服務網(http:/cdc.Cma.Gov.cn);土地利用現狀數據來自全球地表覆蓋數據集(http://data.ess.tsinghua.edu.cn/),空間分辨率為30 m×30 m;人口空間分布數據來自于資源環境數據云平臺(http://www.resdc.cn),空間分辨率為1km×1km;道路數據和酒店、學校等能反應人類活動的興趣點(Point of interest,POI)數據基于Python爬蟲技術從百度地圖上獲取。由于不同的數據源具有不同的空間分辨率,最終評價結果均統一到1 km×1 km空間分辨率。

2 研究方法

2.1 生態系統服務

InVEST模型(Integrated valuation of ecosystem services and trade-offs)也稱為“生態系統服務功能與權衡交易綜合評價模型”,它整合了多種生物物理模型,被廣泛用于生態系統服務評價,可有效揭示生態系統服務功能空間分布與動態變化規律,在生態系統服務功能評估和管理中具有重要意義[32]。

考慮到不同生態系統對人類福祉的相對重要性、主要生態系統類別的代表性以及量化生態系統的數據可用性,選擇了6種關鍵生態系統服務：碳匯、產水、糧食供給、生境質量、水土保持和娛樂服務,z主要運用InVEST模型并結合糧食產量模型和娛樂服務評價模型對各類服務進行了定量評估。具體而言,以土地利用類型為評估單元,以土地利用/覆被類型的碳密度及面積計算研究區碳匯服務。每種土地利用類型的單位面積生物量碳儲量來源于前人的研究成果[33- 34];利用水分平衡原理[35]計算各評價單元的產水量;運用生境質量評價模型[36]計算生境質量服務;利用植被凈初級生產力和統計年鑒數據(各行政單位的糧食產量)估算研究區域的糧食單產[35],實現糧食供給服務空間化表達;采用改進的土壤流失方程[35]計算水土保持服務;基于四川盆地自然與社會經濟狀況,從生態系統面積、娛樂機遇、人口聚集臨近度和道路臨近度四個維度,評估了娛樂服務[37]。

2.2 MESLI計算

多重生態系統服務景觀指數(Multiple Ecosystem Services Landscape Index,MESLI)能有效識別區域同時提供多種生態系統系統服務的能力大小[13,38]。不同的生態系統服務指數使用不同的指標,其量綱之間存在著顯著差別。因此,首先應對各項指標進行標準化以去除量綱差異。MESLI被定義為標準化生態系統服務指標的總和,以幫助識別和理解多種生態系統服務[20]。其計算公式為：

(1)

式中,i為生態系統服務類型;n為生態系統服務種類數;xi為第i類生態系統服務觀測值,max (xi)為第i類生態系統服務最大值,min (xi)為第i類生態系統服務最小值。

2.3 生態服務間的權衡協同

盡管MESLI可表征整體的綜合生態系統服務水平的高低,但無法明確各類生態系統服務間的相關關系。然而,這對于維護區域的生態安全格局具有重要作用。因此,有必要進一步分析各類生態系統服務間的權衡與協同關系。

空間自相關是一種多方向、多維度的自相關方法,全局 Moran′sI指數可度量一個評價單元與其鄰近單元之間生態系統服務的空間聚集、離散以及空間自相關的程度[39]。Moran′sI指數值域范圍為[-1,1],若Moran′sI>0,表明區域生態系統服務呈現空間正相關關系;若Moran′sI<0,表明區域生態系統服務呈現空間負相關關系,若Moran′sI=0,表明區域生態系統服務呈現完全隨機分布狀態。其計算公式如下：

(2)

式中,n為評價單元總數,xa、xb分別表示評價單元a、b不同的指標值,Wab表示鄰接單元a與b的空間權重矩陣。

借助RStudio平臺,采用皮爾遜積矩(Pearson) 相關系數法[40]量化不同生態系統服務空間上的權衡與協同關系。其計算公式如下：

(3)

式中,X、Y為兩個變量,N為 變量取值的個數。當ρXY= 0時,X和Y不具有線性相關的關系;當ρXY> 0 時,X和Y具有協同關系;當ρXY< 0,X和Y具有權衡關系;當ρXY越接近 ±1時,相關性越高。

為更加直觀地表達不同生態系統服務間權衡與協同關系,本研究將相關系數擴大了100倍,以圓圈的大小代表權衡與協同關系的高低,以不同顏色代表權衡與協同關系類型。

2.4 K-均值聚類

聚類分析通過衡量不同生態系統服務之間的相似性,把具有較高相似性的評價單元劃分至同一生態系統服務簇,把具有較高相異度的單元劃分為不同生態系統服務簇。為了得到較為穩定的聚類結果,本文采用K-均值聚類分析方法。K-均值聚類是一種非監督學習的聚類方法,具有運算速度快、計算量小的特點,廣泛應用于分類問題中[41-42]。計算公式如下：

(4)

C(l)=argmin1≤l≤Kd(xi,vl)i=1,2,…,N

(5)

vl=argminv∑i∈Cld(xi,v)i=1,2,…,N

(6)

式中,d(xi,xj)代表該樣本在聚類時計算的歐式距離;xi為第i個樣本;xir為第i個樣本的第r個特征參數;C(l)為l類包含的樣本集合;vl為l類的重心。重復上述步驟進行迭代,達到迭代終止條件時終止聚類過程。

針對不同聚類數量的生態系統服務簇,其聚類結果存在顯著差異。本研究采用斑塊類型間的連通性來確定K-均值聚類的最佳生態系統服務簇數量。蔓延度指數(Contagion Index,CONTAG)和斑塊結合度指數(Patch Cohesion Index,COHESION)指標是景觀格局的重要指標,常被用來量化斑塊類型間的連通性。CONTAG描述的是景觀中不同斑塊類型的團聚程度或延展趨勢[43]。一般而言,高蔓延度值說明景觀中的某種優勢斑塊類型形成了良好的連接性;反之則表明景觀是具有多種要素的密集格局,景觀的破碎化程度較高。COHESION描述的是某一種斑塊類型和周圍相鄰斑塊類型的空間連接程度[44],其值越大,表明斑塊類型間的連通性越強;越小,表明連通性越弱。CONTAG和COHESION在Fragstats軟件中計算所得,不再贅述。

基于不同聚類兩指數的計算結果,可確定生態系統服務簇的最佳數量(圖2)。隨著聚類數量(即生態系統服務簇數量)的增加,CONTAG和CHOESION指數均在聚類數為4時達到最大值。這表明,當聚類數為4時,研究區各斑塊類型間的團聚程度以及連通性最強,最有利于生態系統的穩定發展。因此,本研究選擇K-均值算法聚類為4類時的生態系統服務簇作為最終分析結果。

圖2 不同聚類數下景觀指數對比Fig.2 Landscape index under different cluster number

3 結果分析

3.1 生態系統服務及MESLI空間分布

3.1.1生態系統服務評價

由圖3可知,就碳匯服務、生境質量服務和水土保持服務而言,整體均呈現出盆地四周高中部低的空間分布規律,生態系統服務均值分別為16.28 t/hm2、0.75 t/hm2和166.61 t/hm2。上述三種生態系統服務高值區主要分布在盆地邊緣以及東部的平行嶺谷區,盆地內水田和旱地分布區服務值較低,其中城鎮及其附近地區最低。原因在于,盆地邊緣以及東部的平行嶺谷區森林和草地分布廣泛,植被覆蓋度較高,人類活動強度相對較小,因此具有較強的碳匯、土壤保持、生境質量服務的能力。就產水服務而言,東南部產水服務高于西北部,平均值為70.35 m3/km2,可能與降水量差異導致相關。其中,城鎮及其周邊地區產水服務較高,主要與城市熱島效應顯著、建設用地不透水面比例高、降水入滲低以及洪峰流量大等因素有關,這與申嘉澍[37]等人的研究一致。就糧食供給服務而言,其空間分布與碳匯、生境質量和水土保持等服務相反,呈現盆地中部高四周低分布規律,平均值為193.60 t/km2。糧食供給服務高值區集中分布于成都平原區和川中丘陵區,其中成都平原糧食供給能力更強。就娛樂服務而言,高值區主要分布于成都市和重慶市主城區,且有沿道路延伸的空間分布規律,平均娛樂服務指數為0.28。原因在于,該區域經濟發達,人口分布相對集中,交通基礎設施較為完善,通達性高,娛樂服務水平以及可獲得性較其他地區更高。

圖3 生態系統服務空間分布Fig.3 Ecosystem services

3.1.2MESLI空間分布

通過計算MESLI來比較四川盆地不同生態系統同時提供多種服務的能力 (圖4)。四川盆地MESLI具有明顯的空間分異性,整體上呈現出東南高西北低的空間分布格局,高值區主要分布在川東平行嶺谷區,而成都平原相對較低。就土地利用類型而言,以林地和草地為主的區域MESLI最高,城市建成區及其鄰近地區的MESLI值最低。原因在于,盆地四周及川東平行嶺谷區地勢起伏大,坡度較陡,林地草地分布較廣,植被豐茂,生物多樣性豐富,受人類活動的影響相對較小,而成都平原區和川中丘陵區由于地勢平坦,土壤肥沃,交通便利,耕地和建設用地占據主導,受人類活動影響大。因此,碳匯、生境質量、水土保持和產水等服務均整體上呈現川東平行嶺谷區及盆地四周高,成都平原和川中丘陵區低的空間分布特征。且由前文分析可知,研究區碳匯、生境質量與水土保持服務之間存在極顯著的協同關系,產水服務與其他服務之間也基本呈現協同關系,權衡關系極弱(相關系數趨近于0),因此川東平行嶺谷區及盆地四周地區提供多種生態系統服務的能力就越強,這也就進一步可以解釋林地和草地分布區MESLI指數高的原因。同理,城市建成區主要以單一的娛樂服務為主,因此同時提供多種服務的能力低,這也與我們的主觀認知相符。整體來看,四川盆地MESLI閾值范圍為[0.11,5.65],平均MESLI指數為3.12。

圖4 MESLI空間分布Fig.4 Spatial distribution of MESLI MESLI：多重生態系統服務景觀指數,Multiple Ecosystem Services Landscape Index

3.2 生態系統服務間的權衡與協同關系

基于四川盆地的格網評價單元,計算出2015年四川盆地生態生態系統全局 Moran′sI指數(表1)。從表1中明顯看出,四川盆地 6 種生態系統服務的全局 Moran′sI指數均在0.50以上,均大于0,P值均小于0.01,Z值均大于顯著性水平0.05下的臨界值1.96,進一步表明四川盆地6種生態系統服務都存在顯著的空間聚集特征(正向空間自相關),這同時也說明了開展空間聚類分析以識別生態系統服務簇的必要性。

表1 各生態系統服務 Moran′s I 指數

由圖5可知,在顯著性水平0.01下,所有生態系統服務都是顯著相關的。水土保持服務與生境質量、碳匯服務均呈現出較強的正向相關關系,具有相互增益的協同關系,其中與生境質量的協同關系最強,相關系數達0.48;水土保持與娛樂服務、糧食供給服務間呈現出較強的負相關關系,相關系數分別為-0.36和-0.33,具有此消彼長的權衡關系;水土保持與產水量之間的相關系數為-0.01,盡管呈現出權衡關系,但這種權衡關系是非常微弱的。此外,生境質量與碳匯服務、產水服務呈現出協同關系,其中生境質量與碳匯服務之間的協同關系最強,相關系數達0.74;生境質量與糧食生產和娛樂服務功能呈現出較強權衡關系,相關系數分別為-0.34和-0.33。碳匯服務與娛樂服務、糧食供給服務之間仍然呈現較強的權衡關系,相關系數為-0.22。而娛樂服務與糧食供給服務之間呈現出較強的協同關系,相關系數達0.17。產水服務與其他服務之間的權衡與協同關系均較弱,其中產水服務與糧食供給服務之間的相關性最低,相關系數僅為-0.03。整體而言,水土保持、生境質量、碳匯服務三者之間均存在顯著的協同關系,三者與娛樂服務和糧食供給服務之間均存在顯著的權衡關系。原因可能在于,高生境質量服務的區域,人類活動強度小,生物多樣性豐富,植被豐茂,植被根系有助于土壤的保持,可有效抑制土壤沙化和水土流失,同時,植被光合作用強盛,增加了植物的固碳能力[28]。娛樂服務和糧食供給服務高值區,人類活動強度大,人類在追求經濟建設和糧食產量的同時,加大了對森林和草地生態系統的破壞,水土保持、生境維持和固碳服務均很低。

圖5 各生態系統服務相關性Fig.5 Pearson correlations between pairs of ecosystem services

3.3 生態系統服務簇識別

從各生態系統服務簇的玫瑰圖(圖6)來看,第一類簇以娛樂服務和產水服務為主,且娛樂服務占據主導地位,在該類服務簇中占比達46.96%,故將此類簇定義為文化旅游型服務簇。從生態系統服務簇的空間布局來看(圖7),文化旅游型服務簇基本位于城鎮區域,主要分布于成都和重慶主城區及都市連綿區、以及其他中小城市建成區等地,其面積在所有服務簇中最小,僅占研究區總面積的3.11%。第二類簇以糧食供給服務為主導,糧食供給服務在該類服務簇中占比達24.20%。且該類簇的糧食供給服務在四類簇中最大,約占四類簇的糧食供給服務總和的48.66%。因此,將此類簇定義為食物供給型服務簇。從空間布局來看,食物供給型服務簇主要位于成都平原、淺丘及部分河谷區域,其面積約為7.42萬km2,占研究區總面積的36.23%。第三類簇以碳匯服務和生境質量服務為主,二者在該服務簇中的占比接近50%,而產水服務其占比也達17.61%因此將此類簇定義為生態保育型服務簇。從空間分布來看,生態保育型服務簇主要分布于盆周山地,包括大巴山、龍門山脈以及川東平行嶺谷等區域,約占四川盆地總面積的22.61%。在第四類簇中,除水土保持服務以外,其他各項生態系統服務占比均在15%以上,且差異較小。相對而言,該類生態系統服務簇內部結構較為均衡。因此,將此類服務簇定義為多功能復合均衡型服務簇。從空間分布上而言,多功能復合均衡型服務簇主要位于川中、川東丘陵及平行嶺谷的槽谷區域,其面積在四種服務簇中為最大,為7.79萬km2,約占研究區總面積的38.04%。

圖6 各生態系統服務簇功能結構Fig.6 Functional structure of in each ecosystem service bundle

圖7 生態系統服務簇空間分布及占比 Fig.7 Spatial distribution and proportion of ecosystem service bundles

不同的生態系統服務簇受到土地使用類型的強烈驅動,并可由MESLI充分反映。分析各生態系統服務簇的MESLI均值,可以進一步明確各生態系統服務簇同時提供多種功能的能力。從各生態系統服務簇MELSI均值的三維柱狀圖來看(圖8),生態保育型>多功能復合均衡型>食物供給型>文化旅游型服務簇,MELSI均值分別為3.56、3.24、2.81和1.90。整體而言,生態保育型服務簇同時提供多種功能的能力最強,文化旅游型服務簇最弱。這也與前文分析結果一致。

圖8 各生態系統服務簇MELSI均值與土地利用結構Fig.8 MELSI average values and land use structures of each ecosystem service bundle

就生態系統服務簇內部的土地利用結構而言,各服務簇差異較為明顯。文化旅游型服務簇以建設用地占據主導,其面積約0.4萬km2,超過該服務簇總面積的60%;耕地次之,面積占比約為29.19%。食物供給型服務簇以耕地為主導,耕地面積為5.42萬km2,約占該服務簇總面積的73.07%。生態保育型服務簇以林地為主導,林地和草地面積最大,約為3.33萬km2,在該服務簇總面積的占比超過70%。多功能復合均衡型服務簇內部土地利用結構與食物供給型服務簇類似,仍以耕地為主,其他土地利用類型面積僅占26.93%。盡管二者具有相似土地利用結構,且多功能復合均衡型服務簇中耕地面積略高于食物供給型服務簇,但需要明確的是,食物供給型服務簇主要位于成都平原,由于地形、土壤肥力、取水便利性、集約化水平等方面的優勢,農作物產量明顯高于多功能復合均衡型服務簇所在區域。

4 討論

維護區域的生態安全應充分考慮不同生態服務間權衡關系與協同關系,逐步提升生態系統服務所帶來的惠益。針對不同的生態系統服務簇可采取差異化的優化措施以提升區域提供多種生態系統服務的能力。文化旅游型服務簇區域應以協同關系為抓手,在發揮娛樂服務以及產水服務優勢的同時,加強區域的綠色生態規劃,如生態公園、公園城市的建設等,進一步降低城鎮區域娛樂服務與固碳、生境質量等服務間的權衡關系,促進區域可持續發展。食物供給型服務簇區域首應保護耕地紅線,促進土地集約利用,鞏固糧食供給服務的主導地位;實施嚴格耕地占補平衡制度,特別要避免占用高質量農田;減少不合理的耕作方式,注重水土保持和生物多樣性的維護,同時提升其固碳、生境支質量、水土保持等服務功能。生態保育型服務簇區域應當加強生態集約化管理,嚴格實施退耕還林還草政策和天然林保護工程;減少區域不合理的開發與建設活動,建立不同形式的緩沖帶,如河岸帶、防護林帶等,提升區域整體生態系統服務功能;對于龍門山地以及東部平行嶺谷區域可因地制宜發展生態旅游[45],逐步提升其文化旅游服務功能,促進區域碳匯生境支持、水土保持等服務與文化娛樂服務協調發展,實現經濟社會發展和生態保護間的良性互動。多功能復合均衡型服務簇區域可采取改變坡面微地形,增加植被覆蓋度,并輔以護坡、護溝工程等措施提升水土保持及生境質量服務功能;同時立足于現階段的農業發展條件,引進先進的農業科學技術,積極開展土地規?；洜I,逐步提升區域的食物供給服務功能。

在K-均值聚類方法中,聚類數并不能直接被計算,需人為設定。因此,聚類數的確定具有較強的主觀性。本文中為避免這一主觀性,依據景觀生態學原理,采用了景觀生態指標中的CONTAG和COHESION指數客觀劃定了研究區的生態系統服務簇,并取得了良好的效果。此方法可為今后生態系統服務簇的研究提供一定的借鑒意義。

MESLI為直接刻畫區域的多種生態系統服務功能提供了良好工具,可廣泛應用于多種生態系統服務的研究。生態系統服務簇是多種生態系統服務的組合,生態系統服務簇的有效識別能夠表征多種生態系統服務的空間集聚特征和區域主導服務功能,明確其內部空間結構特征可揭示不同生態系統服務的組合規律[21],對于開展生態系統服務管理具有重要指導意義。將MESLI與生態系統服務簇相結合,探討不同服務簇內部多種生態系統功能布局、景觀組分結構可為目前多層級國土空間規劃的開展提供一種思路,對于區域生態安全格局的構建與促進區域可持續發展具有啟示意義。

需指出的是,本文僅對四川盆地截面上的生態系統服務的權衡與協同關系、多重服務功能以及生態服務簇的內部空間格局開靜態研究,缺乏動態變化特征的揭示。在今后研究中,長時間序列的生態系統服務及服務簇時空分異規律有待進一步揭示和深入探討。

5 結論

本文基于生態系統服務理論,分析了四川盆地生態系統服務的空間特征、權衡與協同關系以及區域提供多重生態系統服務的能力,基于K-均值聚類法劃分了生態系統服務簇類型,明確了其空間分異性及內部結構特征,并提出了相應的優化建議。主要得出以下結論：

(1)四川盆地生態系統服務具有較強的空間異質性,同時提供多種生態系統服的能力整體較高。碳匯、生境質量和水土保持服務均呈現出盆地四周高中部低的空間分布規律;產水服務東南部高于西北部,且城鎮區域顯著高于其他地區;糧食供給服務高值區集中于成都平原區和川中丘陵區;娛樂服務高值區主要分布于成都市和重慶市主城區,且有沿道路延伸的空間分布規律。MESLI具有明顯的空間分異性,整體上呈現出東南高西北低的空間分布格局,區域MESLI均值達3.12,高值區主要分布在川東平行嶺谷區,而成都平原相對較低;以林地和草地為主的區域MESLI最高,城市建成區及其鄰近地區的MESLI值最低。

(2)四川盆地各生態服務間協同與權衡關系并存。6種生態系統服務都存在顯著的空間聚集特征,所有生態系統服務類型都是顯著相關的。碳匯、生境質量和水土保持服務三者間協同關系十分顯著,三者與娛樂服務和糧食供給服務之間均存在顯著的權衡關系;產水服務與其他服務之間的權衡與協同關系均較弱。

(3)四川盆地可劃分為文化旅游、食物供給、生態保育和多功能復合均衡型4種服務簇,其空間布局與內部結構分異明顯。文化旅游型服務簇面積最小,主要分布于成都和重慶主城區及都市連綿區、以及其他中小城市建成區等地,其提供多重生態系統服務功能的能力最弱,應以協同關系為抓手,加強區域的綠色生態規劃;食物供給型服務簇主要位于成都平原、淺丘及部分河谷區域,以耕地為主導,應保護耕地紅線,促進土地集約利用;生態保育型服務簇主要分布于盆周山地,包括大巴山、龍門山脈以及川東平行嶺谷等區域,以林地為主導,其提供多重生態系統服務功能的能力最強,應實 施退耕還林還草政策,減少區域不合理的開發與建設活動;多功能復合均衡型服務簇分布最廣,主要位于川中、川東丘陵及平行嶺谷的槽谷區域,仍以耕地為主導,應注重提升水土保持功能生境質量和食物供給功能。