基于生態系統服務價值的生態足跡計算與分析*
——以瑪納斯河流域為例

李鵬輝，張茹倩，徐麗萍

（石河子大學理學院，新疆石河子 832000）

0 引言

自然資本和生態服務是人類賴以生存和現代文明得以延續的基礎，是社會經濟可持續發展的重要支持系統[1]。隨著工業化、城鎮化、全球化的快速推進，人類對于自然資源的過速消耗所帶來的一系列生態環境效益縮減和區域發展瓶頸問題愈加凸顯。據IPBES 全球評估報告，受氣候變化和人類活動共同影響，全球正面臨自然衰退“史無前例”和物種滅絕率“加速”的局面[2]。構建科學的評價方法和指標體系，充分反映區域的資源利用和生態狀況已成為當前亟待解決的熱點問題。生態足跡將人類發展所消耗的資源及其產生的廢棄物轉化為相應的生物生產性土地面積，實現了對自然資本消耗的統一性核算，為可持續評價提供了有效途徑[3]。憑借其框架簡明、思路清晰、操作簡便的獨特優勢，生態足跡在不同空間尺度上都展示了良好的普適性，并被廣泛地應用在生態安全[4]、生態補償[5]、生態效率[6]、綠色發展[7]、土地優化[8]等相關領域，但該方法仍存在部分缺憾。理論層面，生態足跡理論側重于土地的生物生產性功能，僅考慮土地初級產品供給能力，忽略了生態系統的氣候調節、土壤保持、美學景觀等其他服務功能；方法層面，生態足跡模型忽視了區域社會經濟和地理環境的異質性，易導致間接折算誤差[9]，且通用因子在局域小尺度上的適用性不佳[10]。

生態系統服務是可持續發展研究的核心內容之一，單一的生態足跡或生態系統服務價值方法均難以充分反映區域生態環境質量的實際狀況[11]，如何將生態系統服務與生態足跡模型有機結合，仍在進一步探索中。閔慶文等[12]在對傳統生態足跡局限性分析的基礎上，提出基于生態系統服務的生態足跡概念，并構建污染足跡模型進一步完善。張義和焦雯珺等[13,14]以水生態系統為突破點，基于水生態系統的多種生態服務功能，構建了基于生態系統服務的水生態足跡。曹智等[15]認為生態系統服務是生態系統提供給人類生存和發展的限制性資源，以“生態系統—生態系統服務—人口和經濟（承載力）”為研究主線，構建了基于生態系統服務的生態承載力評估模型。曹瑞芬等[16]和陳芳淼等[17]將生態服務價值引入到土地資源供需平衡研究中，并展開生態補償和土地資源承載力評估。王恒博等[18]將生態足跡與生態服務價值法相結合，提出生態足跡-服務價值法，并對山西省縣域生態承載力進行時空動態分析。朱文博等[19]基于生態系統服務足跡分析了中國省域間食物供給足跡、淡水供給足跡、固碳服務足跡的動態流動規律。郭慧等[20]基于生態系統服務價值測算了北京市門頭溝區耕地、林地、水域的均衡因子和產量因子。上述研究對生態系統服務與生態足跡的結合進行了有益探索，極大地豐富了相關研究成果，但同時也存在部分缺陷，如放棄均衡因子、產量因子，只能分類比較，無法形成整體判斷，或僅展開單一類型生態系統研究，無法實現對區域生態狀況的統一核算。

瑪納斯河流域屬典型的干旱區內陸河流域，該流域是“天山北坡經濟帶”和“絲綢之路”經濟帶核心區的重要組成部分。隨著人類活動的不斷增強，人工綠洲規模持續擴張，流域濕地退化嚴重，生態服務價值整體下降[21]，區域發展面臨著巨大的現實困境及潛在的生態安全風險，亟需對該流域的生態狀況進行系統評價。文章在生態足跡的模型框架下，以生態系統服務價值理論為指導思想，構建了基于生態系統服務價值的生態足跡模型，對瑪納斯河流域的生態足跡進行統一核算，以期為流域的社會經濟發展和綠洲生態穩定提供參考依據，同時有助于進一步完善和補充基于生態系統服務的生態足跡模型研究。

1 研究區與數據

1.1 研究區概況

瑪納斯河流域地處天山北麓中段、準噶爾盆地南緣，地理位置處于43°05′N～45°58′N，85°01′E～86°32′E，行政區劃上包括石河子市、瑪納斯縣、沙灣縣、兵團第六師的新湖總場以及克拉瑪依市的小拐鄉等（圖1）。流域發育有干旱區典型的“山地—綠洲—荒漠”生態系統，上游山區是流域的集水匯流區和水源涵養地，中游綠洲區是流域水土資源的精華，撫育了89.4 萬人，創造的經濟總值年均增長12.4%[22]，下游荒漠區約占流域總面積的1/3。該流域灌溉農業發達，是新疆重要的商品棉和糧食生產基地，但長期以來農業用水嚴重擠占工業、生活和生態用水，進一步加劇了流域水資源的供需矛盾，同時也誘發了濕地退化、鹽漬化擴大、生態服務價值下降等生態環境效應[23,24]。21世紀以來，瑪納斯河流域工業化和城鎮化發展進入快速階段，人類干擾活動愈加強烈，綠洲規模持續擴張，土地利用類型轉換復雜，荒漠化與綠洲化演替頻繁[25]，目前該流域已成為我國典型的生態脆弱區[26]。總體而言，瑪納斯河流域是一個生態單元完整、經濟發展快速而潛在生態安全風險巨大，且相對獨立的干旱區內陸河流域。

圖1 研究區概況

1.2 數據來源及處理

該研究采用的數據主要包括瑪納斯河流域土地利用數據和社會經濟統計數據兩類，前者主要用來測算流域的生態承載力，后者主要用來測算模型參數和流域生態足跡。流域土地利用數據來源于中國科學院資源環境科學數據中心（數據獲取地址：http://www.resdc.cn/），空間分辨率為30m，結合流域景觀特征和研究需要，依據“中國土地利用/土地覆蓋遙感監測數據分類系統”對2000年、2005年、2010年、2015年、2018 年研究區的土地利用類型進行重分類，分為耕地、林地、草地、水域、建設用地和未利用地6類。在均衡因子和產量因子計算過程中，全國不同生態系統的當量因子采用謝高地等的研究成果[27]，全國糧食作物的種植和生產數據來自《中國統計年鑒》，各類糧食作物的價格來自于相應年份的《中國農產品價格調查年鑒》。流域生態足跡的核算內容及社會統計基礎數據來源見表1。

2 研究方法

2.1 基于生態系統服務價值的生態足跡模型

2.1.1 生態足跡模型

生態足跡的核心思想是將區域發展消耗的資源及排放的廢棄物轉化為一定面積的生物生產性土地，進而從供需兩個層面的比較來判斷區域可持續發展狀況[28]。雖然有效地測度了人類對自然環境的生態占用狀況，但忽略了土地的多功能性，無法體現資源消耗所帶來的生態服務功能變化，難以精準追蹤生態系統服務價值的流動過程[29]。因此，該文基于生態足跡和生態系統服務價值兩大理論，構建了基于生態系統服務價值的生態足跡模型（圖2）。此時，生態足跡反映生態系統的需求，表示為維持一個區域人類生存和發展所需要的具有完整生態服務功能的地域面積；生態承載力反映生態系統的供給，表示一個區域能夠提供給人類社會發展的各類生態系統面積總和。

圖2 基于生態系統服務價值的生態足跡模型框架

式（1）（2）（3）中，EF表示生態足跡，N為區域人口數量，ef為人均生態足跡，ri為第i類生態系統的均衡因子，aai為人均占用交易商品折算后的第i類生態系統面積，EC表示生態承載力，ec為人均生態承載力，ai為實際人均占有的第i類生態系統面積，yi為第i類生態系統的產量因子，ER表示生態盈余，ED表示生態赤字。當EC＞EF時，表示生態系統服務供給能力＞耗損能力，區域處于生態盈余狀況，EC-EF=ER；當EC＜EF時，表示生態系統服務供給能力＜耗損能力，區域處于生態赤字狀況，EC-EF=ED。

2.1.2 均衡因子

在生態足跡測算過程中，由于不同類型生物生產性土地的生產能力不同，無法直接比較，因此通過均衡因子將其轉化為同一生產性質的土地面積，進行統一核算。在基于生態系統服務價值的生態足跡框架中，均衡因子表示某一生態系統類型的生態服務能力與區域所有生態系統的平均生態服務能力的差異，可由研究區某一生態系統類型單位面積提供的生態系統服務價值與該區域所有生態系統類型平均單位面積所能提供的生態系統服務價值的比值表示[20]。計算公式為：

式（4）中，Pi為研究區第i類生態系統單位面積的生態系統服務價值量，單位：元/（hm2·年）為研究區所有生態系統單位面積的平均生態系統服務價值量，單位：元/（hm2·年）；Dt為t年度研究區1個標準當量因子的生態系統服務價值量，單位：元/hm2；Fi為研究區第i類生態系統的服務價值當量因子之和；Si為研究區第i類生態系統的面積，單位：hm2。

2.1.3 產量因子

在生態承載力測算過程中，由于同一生物生產性土地在不同區域之間的生產能力存在差異，因此通過產量因子的橋梁作用，使區域之間的生物生產性土地面積具有可比性。在基于生態系統服務價值的生態足跡模型中，產量因子表示區域某一生態系統類型的生態服務能力與全國同類生態系統的平均生態服務能力的差異，可由研究區某一生態系統類型單位面積提供的生態系統服務價值與全國同類的生態系統平均單位面積所能提供的生態系統服務價值的比值表示[20]。計算公式為：

式（5）中，為全國第i類生態系統單位面積的生態系統服務價值量，單位：元/（hm2·年）；為t年度全國1 個標準當量因子的生態系統服務價值量，單位：元/hm2；為全國第i類生態系統的服務價值當量因子之和；Pi、Dt、Fi含義同上。

2.2 單位面積生態系統服務價值測算

依托謝高地等[27]提出的中國單位面積生態系統服務價值當量因子，借鑒已有相關成果，結合干旱區內陸河流域不同土地類型的生態系統特征和綠洲實際生產活動狀況，修正了瑪納斯河流域的單位面積生態系統服務價值當量因子表（表2）。由于瑪納斯河流域年均降水量不足200mm，蒸散量高達1 521mm[30]，水文調節能力顯著低于全國平均水平[31]，同時流域冰川積雪面積達6.76×104hm2，占水域面積的33.26%（冰川積雪的水文調節當量僅7.13[27]），結合朱增云等[32]的研究成果，最終將研究區水域的水文調節當量確定為44.53。謝高地等[33]提出將單位面積農田生態系統糧食生產的凈利潤作為1 個標準當量因子的生態系統服務價值量，但查閱《全國農產品成本收益資料匯編》發現部分年份（如2016年、2017年和2018年）糧食生產凈利潤為負值，導致該方法失效。且已有研究表明，沒有生產力投入的自然土地利用/覆被類型生態系統所提供的服務價值是現有農田單位面積所能提供的食物生產價值的1/7[34,35]。因此標準當量因子的生態系統服務價值量可由下式得到：

式（6）（7）（8）中，Dt為t年度1個標準當量因子的生態系統服務價值量，j為糧食作物種類，mj為第j類糧食作物的播種面積，單位：hm2；pj為第j類糧食作物的價格，單位：元/kg；qj為第j類糧食作物的單位面積產量，單位：kg/hm2；Mt為t年度n種糧食作物的總播種面積。Fi為第i類生態系統的服務價值當量因子之和，eik表示第i類生態系統的第k種生態服務價值的當量因子（表2）。Pi為第i類生態系統單位面積的生態系統服務價值量。

表2 瑪納斯河流域單位面積生態系統服務價值當量因子

2.3 敏感性指數

基于生態系統服務價值的生態足跡模型中均衡因子和產量因子的確定均與研究區單位面積生態系統服務價值的當量因子有關，為反映測算結果對當量因子的依賴程度，該文引入基于經濟學中彈性系數的敏感性指數（Coefficient of Sensitive，CS）分析方法[36]，用兩個變量變動的比率，來驗證當量因子對生態足跡測算結果的影響程度。

式（9）中，CS為敏感性指數，Y為生態足跡的測算結果，e為當量因子，0、1 分別表示初始值和調整50%之后的數值。當CS=0 時，表明Y對e完全無彈性；當0＜CS＜1 時，表明Y對e缺乏彈性；當CS=1時，表明Y對e單位彈性；當CS＞1時，表明Y對e富有彈性。CS值越大，說明Y對e的依賴度越高，當量因子的準確性對測算結果越關鍵。

3 結果與分析

3.1 瑪納斯河流域生態足跡模型參數分析

3.1.1 均衡因子

瑪納斯河流域耕地、林地、草地、水域和未利用地生態系統的均衡因子存在年際差異，均是在2015年達到最高值，在2000 年處于最低值，但總體波動幅度不大（表3）。世界自然基金會（WWF）發布的《Living Planet Repot 2012》中將能源用地定義為“用于吸收化石能源燃燒排放的溫室氣體的森林”[37]，但實際上草地和耕地也同樣具有碳匯功能，考慮到瑪納斯河流域林地僅占總面積的4%左右，若僅以林地為測算對象，難以反映流域實際情況，因此能源用地的均衡因子平均值由林地、草地和耕地按比例確定為1.39。隨著城鎮化的快速發展，建設用地多由耕地轉入，因此建設用地的均衡因子選取與傳統模型一樣，由耕地數值代替。各類生態系統的均衡因子平均值按照大小排序為：水域（16.87）＞林地（4.62）＞能源用地（1.39）＞草地（1.37）＞耕地（1.07）=建設用地（1.07）＞未利用地（0.30）。其中水域和林地的均衡因子顯著高于其他土地類型，這與干旱區內陸河流域的資源稟賦特征密切相關，充分體現了水資源和森林資源對于綠洲生態穩定和可持續發展的重要意義。

表3 2000—2018年瑪納斯河流域不同生態系統的均衡因子

3.1.2 產量因子

瑪納斯河流域耕地、林地、草地、水域和未利用地生態系統的產量因子存在年際差異，其中耕地的波動幅度最大，未利用地的波動幅度最?。ū?）。由于自然系統中沒有專門用來生產能源的土地，傳統生態足跡模型將能源用地的產量因子確定為0，建設用地的產量因子則由耕地數值代替[38]。為使核算內容完整統一，該研究對能源用地和建設用地產量因子的處理方法與傳統生態足跡模型保持一致。各類生態系統的產量因子平均值按照大小排序為：耕地（1.42）=建設用地（1.42）＞水域（1.31）＞林地（1.04）＞草地（0.95）＞未利用地（0.45），可以發現耕地、水域和林地生態系統單位面積的生態服務價值高于全國水平，而草地和未利用地則低于全國平均水平。其主要原因是瑪納斯河流域是新疆重要的商品棉和糧食生產基地，糧食單產較高于全國平均水平，從而引起標準當量因子值較高。對比發現，各類生態系統產量因子的最大值出現在2005年，最小值出現在2015年。這主要與兩個年份標準當量因子的生態系統服務價值量有關，受作物收成和市場價格影響，2005 年瑪納斯河流域的標準當量因子數值是全國的1.6倍，而在2015年是1.2倍。

表4 2000—2018年瑪納斯河流域不同生態系統的產量因子

3.2 瑪納斯河流域生態足跡測算結果分析

3.2.1 瑪納斯河流域生態赤字呈擴大之勢

由于流域和全國的單位面積生態系統服務價值均存在年度波動，難以厘清兩種變動對產量因子的具體貢獻，為避免可能導致的“生態足跡幻覺”，該研究用均衡因子和產量因子的多年平均值對瑪納斯河流域的生態足跡和生態承載力進行測算。結果顯示，瑪納斯河流域生態足跡持續增加，生態承載力波動變化，可持續狀態由生態盈余轉為生態赤字，且生態赤字呈擴大之勢（圖3）。流域生態足跡在2000—2018 年呈增加趨勢，由2000 年的2.58×106hm2增加到2018 年的11.25×106hm2，增長速度達0.48×106hm2/年；而生態承載力則呈波動變化趨勢，在均值3.68×106hm2附近波動，變化幅度在-0.41×106～0.49×106hm2，最高值出現在2005 年，為4.18×106hm2，最低值出現在2015 年，為3.27×106hm2；流域2000年處于生態盈余（0.95×106hm2），之后進入生態赤字狀況，2018 年赤字高達-7.49×106hm2，年均增速為-0.47×106hm2/年。從人均水平來看，瑪納斯河流域的人均生態足跡穩定增加，由2000 年的3.76hm2/人增加至2018年的12.59hm2/人，18年間增加了2.35倍；而人均生態承載力呈現波動變化，最高值出現在2005年為5.99 hm2/人，最低值出現在2015 年為3.88 hm2/人，總體上呈略有下降的趨勢，由2000 年的5.14 hm2/人下降至2018 年的4.21 hm2/人；人均生態赤字快速擴大，由2000 年的生態盈余（1.38 hm2/人）增大到2018年的-8.38 hm2/人，年均擴張速度達-0.54 hm2/（人·年）。其中，生態足跡的變化主要受人口增長和經濟高速發展影響較大，而生態承載力的變化則與流域的耕地擴張和造林活動關系密切。

圖3 2000—2018年瑪納斯河流域生態足跡與生態承載力

3.2.2 瑪納斯河流域生態足跡呈不均衡變化

瑪納斯河流域生態足跡和生態承載力均呈現不均衡變化（表5）。生態足跡各組分差異懸殊，各地類對流域生態足跡總量的平均貢獻率依次為：草地（54.71%）＞能源用地（30.34%）＞耕地（8.16%）＞水域（4.27%）＞林地（1.51%）＞建設用地（1.01%）；變化趨勢上，除林地、能源用地在2010 年有所下降隨后上升外，其余類型的生態足跡均呈現出逐年增加的趨勢，各類型生態足跡增長速度依次為：草地（33.54×104hm2/年）＞能源用地（9.94×104hm2/年）＞耕地（2.26×104hm2/年）＞水域（1.82×104hm2/年）＞林地（0.38×104hm2/年）＞建設用地（0.22×104hm2/年）。生態承載力各組分變化差異較大，水域和草地的生態承載力呈下降趨勢，下降速度分別為3.55×104hm2/年和0.25×104hm2/年；耕地持續增加，增長速度達3.92×104hm2/年；林地和建設用地在2010 年略有下降隨后上升，增長速度分別為0.68×104hm2/年和0.33×104hm2/年；未利用地呈波動變化，總體增加速度為0.16×104hm2/年。各土地類型對流域生態承載力總量的貢獻能力也不相同，以2018 年為例，耕地（37.39%）＞草地（29.46%）＞水域（13.06%）＞林地（11.13%）＞未利用地（5.83%）＞建設用地（3.13%）。

表5 2000—2018年瑪納斯河流域生態足跡與生態承載力計算結果 萬hm2

3.3 瑪納斯河流域生態足跡敏感性指數分析

瑪納斯河流域基于生態系統服務價值的生態足跡測算結果對當量因子比較敏感，尤其是各土地利用類型的生態赤字對當量因子的準確性依賴度較高。計算結果顯示：生態足跡的敏感性指數為0，生態承載力的敏感性指數為1，生態赤字的敏感性指數逐漸降低，由2000 年的1.78 下降至2018 年的0.26（圖4），即在當量因子變化1%時，生態足跡未發生變化，生態承載力增加或減少100%，生態赤字的變化量則呈遞減趨勢，由2000 年的變化178%下降到2018 年的變化26%。表明生態足跡對當量因子完全無彈性，生態承載力對當量因子為單位彈性，生態赤字對當量因子的敏感度在下降，在2000 年富有彈性，在2005年、2010年、2015年和2018年缺乏彈性。不難發現，這一結果主要是由計算原理決定的，由式（4）（5）可知當各土地利用類型的當量因子調整一定比例時，該地類的均衡因子并未改變，而產量因子卻發生相同比例變化，因而生態足跡值沒有變化，生態承載力同比例變化。由圖3可知流域生態足跡持續增加，生態承載力基本不變，二者差距持續拉大，生態承載力發生100%的變化對生態赤字的影響逐漸減弱，因此生態赤字的敏感性指數呈下降趨勢。

圖4 2000—2018年瑪納斯流域生態足跡、承載力、赤字的敏感性指數分析

對各地類生態赤字的敏感性指數進行計算發現，除草地的敏感性指數在2010年、2015年和2018年低于1 外，其他類型始終≥1，表明各土地利用類型的生態赤字對當量因子富有彈性（圖5）。從變化趨勢上看，水域呈顯著上升趨勢，由1.16上升至41.80；耕地呈緩慢增加趨勢，由1.78增至2.02；林地基本不變，在均值1.37 附近波動，波動范圍在-0.14～0.09；建設用地在均值3.62 附近呈波動變化，波動幅度為-40.5%～27.0%；草地的敏感性指數呈下降趨勢，由3.03 下降至0.19；未利用地始終為1。由于能源用地只產生生態足跡，未利用地只提供生態承載力，合計流域總體生態盈虧時，易將不同地類間生態盈余與赤字進行抵消，因而導致總生態赤字對當量因子的敏感性低于各地類生態赤字對當量因子的敏感性。

圖5 2000—2018年瑪納斯流域各地類生態赤字的敏感性指數分析

4 結論與討論

4.1 結論

（1）瑪納斯河流域的均衡因子和產量因子均存在年際差異，均衡因子在2015 年達到最高值，在2000年處于最低值，產量因子的最大值出現在2005年，最小值出現在2015年，從多年平均值看，水域的均衡因子最高，達16.87，耕地的產量因子最高，為1.42，而未利用地的均衡因子和產量因子均最低，分別為0.30和0.45。

（2）瑪納斯河流域生態赤字不斷擴大，區域發展面臨的生態壓力持續增大，18 年間流域生態足跡增加了3.35 倍，而生態承載力無顯著變化，生態赤字年均增速為-0.47hm2/年。其中，生態足跡呈明顯的不均衡增長，草地和能源用地對流域生態足跡貢獻率最高，分別為54.71%和30.34%，二者的生態足跡增速同樣最快，分別為33.54×104hm2/年和9.94×104hm2/年。

（3）瑪納斯河流域基于生態系統服務價值的生態足跡測算結果對流域單位面積生態系統服務價值當量因子比較敏感，受計算方法影響，生態足跡敏感性指數為0，生態承載力敏感性指數為1，生態赤字的敏感性指數不斷下降，在各類型的生態赤字敏感性指數中，除草地敏感性指數下降至0.19，未利用地為1外，其余類型敏感性指數均大于1。因此研究區域生態服務價值當量因子的準確性對生態足跡測算結果尤其是在揭示地類差異方面起關鍵作用。

4.2 討論

4.2.1 與傳統生態足跡模型的比較

將該研究測算的模型參數平均值與國家參數和省域參數相比，發現存在明顯差異（圖6）。其中國家參數來自于全球生態足跡網（Global Footprint Network）2017 年發布的《Working Guidebook to the National Footprint Accounts》數據[39]，省域參數來自于劉某承等基于凈初級生產力對新疆均衡因子和產量因子的測算結果[38,40]。就均衡因子而言，水域的均衡因子高達16.87，遠遠高于國家參數和省域參數；林地和草地的均衡因子均高于國家參數和省域參數，分別為4.62和1.37；能源用地的均衡因子高于國家參數而低于省域參數，為1.39；耕地和建設用地的均衡因子均低于國家參數和省域參數，均為1.07；未利用地的均衡因子為0.30。該結果主要與測算方法有關，基于生態系統服務價值獲得的均衡因子反映的是區域不同土地類型的生態服務能力差異，而傳統生態足跡模型的均衡因子反映的是區域不同土地類型的生物生產能力差異。干旱區內陸河流域水域的生態服務功能顯著，而生物資源產品提供能力相對較弱，因而基于生態系統服務能力的均衡因子較高，而基于生物生產能力的均衡因子較低。傳統模型中國家參數的水域均衡因子約為該研究中水域均衡因子的1/48，這一數值與郭慧等[20]的研究結果相近。就產量因子而言，耕地、建設用地和水域的產量因子均高于國家參數和省域參數，分別為1.42、1.42和1.31；林地的產量因子略高于省域參數而低于全國參數，為1.04；草地的產量因子明顯高于省域參數而低于全國參數，為0.95；未利用地的產量因子為0.45?；谏鷳B系統服務價值獲得的產量因子中，耕地的產量因子與國家參數較接近，林地的產量因子與省域參數近似，表明耕地的生態服務價值與其生產力相關，而林地的生態服務價值與其凈初級生產力密切相關。

圖6 與傳統生態足跡模型因子對比

基于生態系統服務價值的瑪納斯河流域生態足跡測算結果與國家參數和省域參數的測算結果相比，生態足跡顯著高于省域參數和國家參數的測算結果；生態承載力高于省域參數，而與國家參數的測算結果近似，在2000 年、2005 年和2010 年略高于國家參數的測算結果，在2015 年和2018 年略低于國家參數的測算結果；生態赤字在2000年和2005年高于國家參數的測算結果而低于省域參數的測算結果，在2015年和2018 年略高于省域參數的測算結果而低于國家參數的測算結果（圖7）。從平均值上看，該研究測算的流域生態足跡是國家參數的1.60 倍，是省域參數的1.24 倍，生態承載力是國家參數的1.02 倍，是省域參數的2.20倍；生態赤字是國家參數的3.81倍，是省域參數的0.85倍。對比已有研究成果[41]，該研究的測算結果符合流域生態服務功能的實際變化。

圖7 2000—2018年不同參數下瑪納斯河流域生態足跡測算結果對比

4.2.2 方法內涵與結果指引

相較于傳統的生態足跡模型，該文構建的基于生態系統服務價值的生態足跡模型具有以下優勢。

（1）強調了生態系統服務功能的多樣性。傳統生態足跡模型的均衡因子和產量因子是由各地類生物生產性能力決定，僅考慮了土地的糧食生產和原材料供給的初級功能；而該研究模型中的均衡因子和產量因子是由生態系統服務價值決定，完整地考慮了不同土地利用類型的多種生態系統服務功能。

（2）生態承載力核算內容更加豐富準確。傳統的生態足跡模型依據世界環境與發展委員會（WCED）的建議[42]，生態承載力需扣除12%的生物多樣性保護面積，由于不同區域生境質量差異明顯，這種“一刀切”的籠統做法，難以準確反映區域實際承載能力，而該研究模型中已對生物多樣性保護功能進行核算，因此無需再次扣除。此外，傳統生態足跡模型忽略了荒漠、沼澤等未利用地的生態供給能力，而對于西北干旱區而言，荒漠面積遼闊，其生態服務能力不容忽視，該研究模型將未利用地納入生態承載力的測算對象，使結果更加合理客觀。

（3）模型參數本地化，增強了普適性。由于區域氣候、地形、生物生產力等不同，傳統生態足跡模型中的全球或全國的因子難以真實反映小尺度（特定區域）的生態狀況[43]，而該研究模型參數是根據研究區各類生態系統的服務價值確定，有效解決了這一問題，同時也使得區域間的測算結果具有直接可比性。

基于生態系統服務價值的生態足跡模型可量化人地系統間生態資產的供需情況和可持續程度，有助于揭示生態系統服務價值流動規律及平衡機理，探索社會經濟活動與生態服務功能的耦合關聯機制，同時測算結果還可服務于生態補償、綠洲適度規模等相關研究。該文構建的基于生態系統服務價值的生態足跡模型既反映了人類對于生物生產性土地的占用面積，也體現了區域發展對于生態系統服務功能的消耗狀況，能夠有效地反映區域的生態狀況。然而建設用地的模型參數沿用傳統生態足跡模型的處理方法，雖實現了對生態系統服務供給能力和人類對之占用程度的全面核算，但同時一定程度上也增加了測算結果的不確定性。因此，未來對于模型中建設用地的均衡因子與產量因子的確定有待進一步深入研究。