基于享樂價格-結構方程雙模型的西寧城市濕地生態系統服務價值及影響因素研究

佟玲玲,魏曉燕,宋秀華,毛旭鋒,*,金 鑫,金彥香,季海川,唐文家

1 青藏高原地表過程與生態保育教育部重點實驗室；青海省自然地理與環境過程重點實驗室, 西寧 810008

2 高原科學與可持續發展研究院,青海師范大學地理科學學院, 西寧 810008

3 青海師范大學經濟與管理學院, 西寧 810008

4 青海湟水國家濕地公園生態管理服務中心, 西寧 810008

5 青海省林草局, 西寧 810008

6 青海省生態環境廳, 西寧 810008

濕地為周圍居民提供凈化空氣、美化環境及凈化水質等諸多生態系統服務[1—6]。開展濕地生態系統服務價值評估[7—10],是濕地管理和相關決策的重要基礎和依據,有利于濕地保護、恢復和可持續利用[11—12]。2007年Constaza對全球生態系統開展價值評估引起巨大反響,諸多國內外學者對濕地服務進行了評價。在MA提出生態系統分類的基礎上,謝高地等學者對于生態系統服務價值時動態評估方面提出綜合的評估方案,推動了當量因子法價值評估的應用與發展[13]；Kingsfor等學者側重于濕地生態系統服務與其結構,提出了基于 3S 技術的動態監測生態數據,降低了濕地服務的重復估算[14—16]。上述研究促進了濕地生態系統服務評價體系和方法的進步。綜合已有研究成果發現,基于現行的評價體系和方法核算出的濕地價值,通常是未被市場認可的“理想狀態”,其價值往往未能完全轉化為真正的市場價值。主要原因包括但不限于以下問題：(1)偏差問題：應用支付意愿小于因破壞或污染相同質量或數量的濕地資源的受償意愿[17]；(2)全部價值和部分價值：核算出來的是濕地的全部價值,但實際使用的僅為部分價值。

為解決上述問題,學者采用不同的價值量評估法對濕地的“市場認可”的價值進行估算。有學者結合濕地分布面積,運用當量因子法對其市場價值進行評估[18—19],有學者開展基于享樂價值的濕地生態系統服務價值研究[20]。將濕地的價值從房產的價格中“剝離”出來,進而核算出濕地真實的“市場價值”。諸多研究結果證明人們愿為濕地周邊的住宅區支付更高的價格,利用濕地附近住宅區價值可反映濕地提供多樣的生態系統服務的真實市場價值。值得進一步研究的是,上述方法雖然可以核算出濕地被市場認可的價值,但價值空間存在的差異,影響濕地被市場“認可價值”的關鍵因素不明確,亟需適當的研究方法找出濕地生態系統服務價值的關鍵空間過程和因素。本研究以中國高原城市濕地為例,采用價格享樂法,將濕地諸多服務轉化為市場認可的“房價”因素,計算出2020年湟水城市濕地生態系統服務被市場認可的價值；同時,分析濕地價值量的空間分布差異及隨距離的變化,揭示城市濕地生態系統服務價值的關鍵空間過程和影響因素,為濕地管理和決策提供科學依據。

1 研究區概況

研究區位于青海省西寧市城區段(圖1)。其位于青海省東部、河湟谷地中部,平均海拔約2261m；地勢西北高,東南低；屬于高原寒溫帶半干旱氣候區,氣壓低,日照長,晝夜溫差大；年平均氣溫為5.8℃,年平均降水量為380mm。湟水是黃河上游最大的一級支流,全長374km,流域面積3200多km2。

圖1 西寧市湟水國家濕地公園概況圖Fig.1 Overview Map of Xining Wetland Park

隨著湟水國家濕地公園和西寧海綿城市的建設,湟水河沿線濕地生態系統服務功能日益凸顯。海湖濕地公園(36°38′57″—36°39′29″N,101°40′24″—101°43′24″E),在湟水河的南北岸兩側分布,南北兩岸建滿住宅區。(2)火燒溝區(36°38′15″—36°39′01″N,101°42′40″—101°43′55″E),其下游河道梯級水壩景觀提升了購房者對火燒溝附近住宅區的購買意愿。(3)北川濕地公園(36°40′40″—36°43′32″N,101°45′41″—101°46′11″E),呈南北條狀分布,水景和綠景占全濕地公園面積的70%以上,改善了濕地周圍住宅區的小氣候。(4)寧湖濕地公園(36°34′12″—36°33′48″N,101°52′43″—101°54′27″E)是一處人工濕地,集水質凈化與生物多樣性維持等多重功能的濕地生態系統。

2 研究方法和數據來源

2.1 享樂價格法

享樂價格模型:P=P(Z1,Z2,Z3,...,Zn)式中,P為住宅價格,Z為住宅價格影響因子(如房屋結構、區位條件等)。它通過揭示不同的房地產價格與其不同的環境屬性,采用多重回歸方法來研究房地產價格與可能影響房價的許多變量的關系。本文采用線性形式和線性對數形式函數模型：

Pi=β0+β1S1+β2Si+β3Qi+εi

(1)

In(Pi)=β0+β1S1+β2S2+β3Qi+εi

(2)

式中,Pi表示第i個住宅社區的平均單價;Si表示住房結構屬性特征向量矩陣,為住房的結構屬性特征向量矩陣;Ni表示住房鄰里屬性特征向量矩陣;Qi為模型引入的虛擬變量,為第i個社區住宅區與濕地公園間距離;βi為相應系數矩陣。模型通過F檢驗(F=8.479,P<0.05)。

2.2 斷裂點理論和加權Voronoi圖模型

采用斷裂點理論和加權Voronoi圖模型研究濕地價值發揮的空間范圍。1949年,康弗斯提出斷裂點理論[21],定量計算不同濕地公園生態系統服務的作用邊界[22—23]。斷裂點公式[23]:

(3)

式中:Di為公園i到斷裂點的距離；Dij為公園j中心點與公園i中心點間的距離；Pi、Pj分別為公園i和公園j生態系統價值量。采用歐氏距離,式(3)變換為:

(4)

由式(4)可得,兩個相鄰濕地公園到其斷裂點的距離與兩公園的生態系統服務價值的平方根呈正比。設研究區有兩個濕地斑塊a(x1,y1)和b(x2,y2),其生態系統服務價值量分別為Pa、Pb。a,b,范圍分界上的任一點的坐標點P(x,y)。基于兩點間距離公式,當Pa≠Pb時,可將公式(4)整理化簡為:

(5)

Voronoi圖模擬濕地價值的空間影響范圍時,將濕地生態系統服務價值作為權重對Voronoi圖進行加權[24— 25]。加權Voronoi圖的定義：

(6)

式中,Pi是二維歐式空間上的n個點;λi為給定n個正實數,由Vn(Pi,λi)確定的對平面的分割稱為點上加權的Voronoi圖,λi是Pi的權重[26]。

2.3 結構方程模型

生態系統服務價值法僅能反映濕地整體價值,對不同服務類型的生態系統價值無法準確估算。因此,引入結構方程模型,具體分析湟水濕地不同類型生態系統服務對價值的影響。結構方程模型(structural equation model,SEM)分為測量與結構模型。測量模型公式：

X=Λxξ+δ

(7)

Y=Λyη+ε

(8)

(7)(8)式中ξ為外生潛變量矩陣,X為ξ的測量變量矩陣,Λx為測量變量X和外生潛變量矩陣ξ之間的關系的測量系數矩陣,δ為方程殘差矩陣,η為內生潛變量矩陣,Y為η的測量變量矩陣,Λy為內生潛變量矩陣,η和Y之間關系的測量系數矩陣,ε為方程殘差矩陣。結構模型公式：

η=Bη+Γξ+ζ

(9)

(9)中,ξ為外源潛變量,η為內生潛變量,B為內生潛變量系數矩陣,Γ為外生潛變量系數矩陣,ζ為方程的殘差。

本文構建濕地公園服務滿意度理論模型,選取供給服務、調節服務、文化服務、支持服務四個潛變量[27—30]。經過專家小組評論和查閱相關文獻[31]等兩個步驟,設置潛變量的具體觀測指標,得到較合理的觀測指標25項。例如,研究區濕地灌叢和森林濕地較多,過去附近居民采集薪柴作燃料,雖現已禁止采集薪柴,但仍有其市場價值。故將此類指標也納入觀測變量中。問卷中每個指標分為五個評判標準,分別為“特別愿意”“愿意”“一般”“不愿意”“非常不愿意”。其含義如表1所列。

表1 模型觀測指標Table 1 Model observation indicators

2.4 數據來源

于2020年11月—2021年1月前往濕地周圍住宅區調查問卷發放。共發放460份問卷,各濕地回收115份,剔除無效問卷20份,有效回收率95.65%。

具體遙感數據來源于地理空間數據云網站,房價數據來源于西寧市房管局網。本文基于Fan[31]等相關文獻及研究區社區實際情況,來控制社區的特征和位置屬性,篩選出10種因子,通過ArcGIS10.2軟件計算住房與其最近中學(為全市前七所中學)、醫院(西寧市三甲醫院)、市中心(以西寧市政府為代表)及與四個濕地公園間距離(因各濕地斑塊屬性特征和影響力度不同,且需計算各濕地公園價值,所以將四塊濕地公園距離各作為分析指標),如表2。

表2 住宅特征變量統計Table 2 Statistics of residential characteristic variables

3 研究結果與分析

3.1 基于享樂模型的湟水濕地生態系統服務價值

采用線性模型探索高原城市濕地對周圍住宅區房價的影響,計算購買者的邊際支付意愿。表3結果表明,(1)住房價格(元/m2)與總建面積、綠化率、容積率、車位配比、物業管理費呈正相關關系,與各濕地公園距離、最近中學距離、成交面積呈負相關關系。四塊濕地,與海湖濕地距離負相關關系最為顯著,系數值為-0.175。(2)基于多元線性回歸模型,購房者對住宅區與濕地公園的最近距離邊際支付意愿為β3,四個濕地公園平均估計結果為0.120(元/m2)/m,即購買者愿意為住宅區與濕地公園之間的距離縮小1m而多支付0.120元/m2。結合社區平均價格7434.629元/m2,邊際支付意愿占整個房價的2.04%。(3)湟水國家公園濕地平均生態系統服務價值為151.916元/m2,由大到小排列: 火燒溝濕地公園>海湖濕地公園>寧海濕地公園>北川濕地公園；據房產總成交價值量,2020年湟水濕地的總價值達到3.367億元,四處濕地價值量分別為1.632億元、0.710億元、0.629億元和0.330億元。

表3 享樂價格模型的回歸結果Table 3 The regression result of the hedonic price model

3.2 湟水濕地生態系統服務價值空間及距離衰減

基于享樂價格法,得到濕地公園生態系統服務價值量(表4)。基于斷裂點理論,將濕地公園生態系統服務價值量的平方根為其權重[32—33],得到濕地公園生態系統服務價值影響范圍加權Voronoi圖(圖2)。

表4 濕地公園生態系統服務價值Table 4 Ecosystem Service Value of Huangshui Wetland Park

運用公式(5)計算出各濕地有關指標(表5)。結合表3和圖2可知：(1)110個社區樣點,平均社區房價隨著與濕地公園可達性的減小而降低(圖2),雖并非完全由濕地距離主導,也從側面反映濕地對房價的影響。(2)以住宅平均價格和濕地距離的平均值,濕地公園邊際隱含價格為173.622元。即與海湖濕地的距離每減少1km,住房價格每m2增加173.622元。由此,北川、火燒溝和寧湖濕地公園邊際隱含價格為131.937元/m2、144.343元/m2、157.761元/m2。

表5 空間分布范圍有關指標Table 5 Relevant indicators of the spatial distribution range

圖2 湟水濕地生態系統服務價值空間分布Fig.2 Spatial distribution of the service value in the Huangshui Wetland ecosystem

3.3 湟水濕地生態系統服務價值的影響因素

本文構建了濕地生態系統服務滿意度結構方程模型,以探究濕地生態系統服務主要影響因素,分析不同類型生態系統服務對總價值的影響。本次調查中購房者普遍是中年人,受教育程度主要為高中學歷。潛變量的克朗巴哈系數和KMO值均>0.6,通過信效度檢驗,滿足結構方程建模需要(表6)。

表6 樣本數據信效度統計檢驗Table 6 Reliability validity of sample data

本文采用絕對擬合指標： CMIN/DF、GFIA、GFI,相對擬合指標：NFI,替代性指標：CFI、RMSEA,對結構方程模型擬合效果進行判斷。擬合效果如表7所示。

表7 結構方程模型擬合效果檢驗Table 7 Fitting effect test of the structural equation model

檢驗結果顯示,模型CMIN/DF= 2.926；RMSEA<0.1, GFI>0.85；CFI>0.90,NFI =0.882,模型的擬合效果較好。

由圖3可知,(1)文化服務對濕地生態系統服務價值影響最大,其標準路徑系數為 1.404>0,P<0.001,具有較高顯著性,表明文化服務越好,越有利于提升濕地生態系統服務價值；(2)文化服務潛變量中,X11(濕地公園提供休閑娛樂)對文化服務影響最大,標準路徑系數為0.80。(3)對影響濕地價值量的顯變量標準化路徑系數按所占比例初步運算,文化服務占總影響因素的47.19%,供給服務23.26%、支持服務15.85%、調節服務13.71%,相關結果見表8。

圖3 模型標準化系數路徑圖Fig.3 Path Map of the Model Standardization FactorX11,休閑娛樂; X12,宗教審美;X13,存在價值;X14,遺產價值;X15,科研價值;X16,文教價值; X21,凈化空氣; X22,釋放氧氣;X23,溫度調節;X24,水質凈化;X25,吸收二氧化碳;X26,地表水補給;X27,污染物降解; X31,香蒲種子;X32,觀賞風景;X33,魚類產品;X34,蘆葦種子;X35,淡水資源;X36,綠化用水;X37,薪柴; X41,護岸防災;X42,植物多樣性保護;X43,動物多樣性保護;X44,固定營養物質;X45,降低土壤侵蝕;X46,提供棲息地； e1,e2,...,en 為其誤差項

表8 路徑系數估計結果Table 8 Path coefficient estimation results

4 討論

濕地生態系統服務評估法有直接評估法和間接評估法[34]。與傳統的評估方法比較,價格享樂法評估數據容易獲取且可快速得到結果,采用真實數據模擬市場,避免了主觀意識干擾。張艷春[35]等利用中間物質轉換法,計算得到湟水濕地2020年的生態系統服務價值為6.18億元,本研究計算得到其2020年的生態系統服務價值為3.36億元。造成計算結果大小差別的原因：(1)前者的計算是理想狀態下的濕地價值,而后者是被市場承認的價值；(2)后者計算結果是基于2020年房產總成交量計算得到的,尚有不少房產尚未銷售。上述兩種方法各有優缺點：前者可以將濕地生態系統各分項的價值核算得較為清楚,但需要多源數據的支撐；后者需要的數據相對較為簡單,但不能計算出各分項服務的價值。

在生態系統服務的空間份上,張艷春等[35]人通過ArcGIS10.2等空間方法,基于斷裂點模型研究了濕地生態系統服務價值空間分布格局。其探究輻射范圍,以某濕地公園中心為圓心,濕地公園生態系統服務作用半徑為輻射半徑,向四周輻射,雖實現各類服務可視化,但物理情況下其輻散過程并不是均質擴散,不會出現以固定的半徑,輻散成一個正圓的空間分布格局。本文將斷裂點理論與加權空間Voronoi圖模型相結合,在獲得各濕地公園生態系統服務價值量后,基于城市斷裂點理論確定權重,以研究區4個濕地公園生態系統服務價值量的平方根為權重,采用歐式距離的柵格算法,通過ArcGIS10.2形成各濕地公園生態系統服務價值影響范圍加權Voronoi圖。此方法因考慮了權重,使濕地服務價值擴散過程更接近實際。

論文存在不足之處包括：(1)享樂模型評估指標不完善。本文選取了其他環境因子,但未考慮濕地在住宅用地中的價值受到周圍土地利用模式等因素的影響[36]；(2)忽略了房產價格存在空間自相關性。杜學軍[37]采用空間滯后模型,均來解決住宅價格的空間自相關性；由于未考慮到相鄰房產間空間自相關性,模型估計存在一定的偏差。

5 結論

本文通過收集西寧市房屋特征與價格資料,基于ArcGIS10.2、EMVI5.3和SPSS25.0軟件平臺,采用享樂價格模型、斷裂點模型和結構方程模型,定量表征了城市濕地公園的生態系統服務價值、空間影響范圍及其影響因素。主要結論如下:

(1)由享樂價格模型計算得到的2020年湟水濕地生態系統服務價值約為3.367億元,約有54.3%的濕地生態系統服務通過房產被市場轉化。

(2)濕地生態系統服務價值占房產總價值的比例達到2.04%,湟水濕地的存在增加了周邊房產的價值。

(3)各濕地服務的空間影響范圍大小為火燒溝>海湖濕地>寧湖濕地>北川濕地,購買者對濕地的邊際支付意愿是0.12元/m2。

(4)購房者對濕地的文化服務支付意愿最大,在總服務比例中高達47.19%,主要體現在濕地提供的休閑娛樂服務上。