安寧河流域生態系統服務價值地形梯度分異及其驅動因素

摘要：探究安寧河流域生態系統服務價值（ecosystem service value， ESV）的地形梯度分布規律及其空間分異的驅動因子，對流域實施因地制宜的國土空間規劃和生態環境保護策略具有積極意義。利用2000—2020年高精度土地利用數據，通過CA-Markov模型預測流域2030年土地利用結構，分析2000—2030年安寧河流域ESV變化，并借助地形因子和地理探測器分析ESV的地形梯度分布特征和空間分異驅動因素。結果表明：（1）2000—2020年安寧河流域ESV減少0.51%，2020—2030年預計受林地銳減影響，ESV將繼續減少；（2）林地貢獻了安寧河流域74%以上的ESV；氣候調節和水文調節是ESV貢獻率突出的生態系統服務功能，合計達47.79%以上；（3）總ESV和各項生態系統服務功能的ESV隨海拔、坡度和地形起伏度增大呈先增后減的分布特征，坡向上分布較均勻；其中2 300～2 579 m海拔、30.92°～35.73°坡度、507～602 m地形起伏度和西坡分布最多；（4）流域ESV空間分異受自然和經濟因子的共同作用影響，其中地形起伏度為主導因子。

關鍵詞：生態系統服務價值；地形梯度；驅動因素；安寧河流域

中圖分類號：X24；F301.24" " " " 文獻標志碼：A" " " " 文章編號：1674-3075（2025）01-0001-10

生態系統服務指人類通過生態系統的結構、過程和功能直接或間接獲得的生命支持產品和服務（Costanza et al，1998），是衡量區域生態環境質量的重要指標（Costanza，2020）。作為人類生存與現代文明的基礎（黃木易等，2019a），生態系統服務的可持續供給對人類未來發展至關重要（李理等，2020）。

隨著社會經濟高速發展和人口激增，頻繁的人類活動使全球土地利用格局發生顯著變化，對人類自身福祉產生了負面影響（Yuan et al，2019），生態系統服務受到了廣泛關注。自Costanza等（1998）提出生態系統服務價值（ecosystem service value， ESV）核算模型，謝高地等（2015a）在此基礎上依據我國國情改進得到中國陸地生態系統服務價值當量表以來，ESV正成為環境、生態、地理等學科領域的研究熱點（雷金睿等，2020）。從研究尺度看，學者多注重于對城市、流域和島嶼等自然和行政單元進行平面層面的研究（雷金睿等，2020；李理等，2020；喬斌等，2020），但鮮有從垂直角度對ESV進行研究。從研究方法來看，多以物質量評價法和價值量評價法進行研究（趙景柱等，2000）；其中價值量評價法因具有數據需求少、操作簡單、結果易于比較且評估全面等優點（徐煖銀等，2019）而被廣泛采用。隨研究深入，學者更注重將ESV評估和生態風險評估相結合（李輝等，2021），也注重借助地理探測器、空間回歸模型等方法對ESV變化和空間分異的驅動因子進行分析（黃木易等，2019a）。其中，不少學者從格網尺度對ESV和生態風險進行評估，發現兩者具有正向或負向的相關關系（李俊翰和高明秀，2019；李輝等，2021）。地理探測器作為新型的空間統計方法，可分析驅動因子及其交互作用對地理要素空間分異的影響。眾多學者發現土地利用程度、人口密度等社會因子較自然因子對經濟較發達地區ESV空間分異產生的影響更為顯著（黃木易等，2019b；李魁明等，2022），經濟較落后地區則歸一化植被指數（normalized difference vegetation index，NDVI）、海拔等自然因子較為顯著（孫夢華等，2021；王波和楊太保，2021）；但多數學者選取ESV空間分異研究的驅動因子較少，存在無法全面反映區域實際情況的問題。此外，CA-Markov和PLUS等模型使ESV研究進一步提升至未來預測（左玲麗等，2021）。

安寧河流域是四川省西南部的重要供水源，作為攀西城市群的重要經濟增長極，流域生態系統的可持續發展對經濟高速發展起重要推動作用。同時，作為大小涼山地區的經濟中心和糧食基地，安寧河流域高質量的生態供給對維護地區的穩定發展具有重要意義。21世紀以來，受快速城鎮化、人口激增和不合理土地利用方式等因素影響，流域生態文明建設面臨諸多挑戰。為此，基于高精度遙感解譯數據，分析流域ESV的變化規律及其地形梯度分布特征，并借助CA-Markov模型和地理探測器對未來ESV和ESV空間分異進行研究，以期為安寧河流域及其他類似區域制定因地制宜的環境保護和國土空間規劃政策提供科學依據。

1" "材料與方法

1.1" "研究區概況

安寧河源于四川省涼山彝族自治州冕寧縣北部拖烏山，位于101°47′～102°44′ E、26°36′～28 °56′ N，為雅礱江下游左岸最大支流，流域面積約11 053.49 km2，干流（長約268.2 km）縱貫涼山州冕寧縣、西昌市、德昌縣及攀枝花市米易縣（圖1）。安寧河流域屬亞熱帶季風氣候，年降水量約1 133 mm、集中于夏秋，年平均氣溫約12.71 ℃（邵秋芳等，2016）。安寧河流域為橫斷山區攀西大裂谷的主體部位（許向寧，2004），是長江上游重要的生態屏障；流域內河谷沖積平原是四川省內僅次于成都平原的第2大平原，地勢開闊平坦，水熱條件優越，礦產資源豐富，清潔能源富集，是攀西城市群經濟發展的重要增長極。

1.2" "數據來源

土地利用數據（2000、2010和2020年）源于自然資源部GlobeLand 30平臺（https：//www.globallandcover.com/），分辨率為30 m，總體精度在83.50%以上，Kappa系數達0.78以上（Chen et al，2016），滿足研究需求。年均溫、年均降水、人口密度、GDP、≥10 ℃積溫、NDVI數據源自中國科學院資源環境科學數據中心（http：//www.resdc.cn/）。DEM源于地理空間數據云（http：//www.gscloud.cn/），分辨率為30 m，并由此處理得到坡度、坡向和地形起伏度。鐵路、高速公路、一級道路、二級道路、政府駐地、河流、湖泊和水庫源自國家基礎地理信息中心（https：//www.webmap.cn/）。

1.3" "研究方法

1.3.1" "CA-Markov模型" "元胞自動機（cellular automata，CA）具有強大的空間運算能力，能有效模擬系統的空間變化（Zheng amp; Hu，2018）。表示公式如下：

C（t+1） = f [C（t）， N]" " " " " " " " " " ①

式中：C為元胞有限、離散的狀態集合；N為元胞的鄰域；t和t+1為不同時期；f為局部空間元胞轉態的轉化規則。

馬爾科夫（Markov）模型依據馬爾科夫隨機過程理論，可研究隨機事件的變化規律，預測事件未來變化（Keshtkar amp; Voigt，2016）。表示公式如下：

St+1 =" St [×] Tij ②

式中：St和St+1為不同時期土地利用系統的狀態；Tij為狀態轉移矩陣。

CA-Markov模型綜合了上述2個模型的優勢（Chen et al，2018），可有效表現土地利用的時間和空間變化。

1.3.2" "生態系統服務價值評估" "基于ESV評估模型（Costanza et al，1998），參照中國陸地生態系統單位面積ESV當量表（謝高地等，2015b），依據研究期內安寧河流域主要縣級行政區平均糧食產量5 389.86 kg/hm2及2020年四川省主要農作物收購價格2.41元/kg，按“單位面積農田ESV等于平均糧食單產市場經濟價值的1/7”（謝高地等，2015a），得出安寧河流域ESV當量因子的經濟價值為1 855.65元/hm2，后由價值當量表計算得到研究區ESV，公式如下：

式中：VES， T為生態系統服務價值總量，單位為元；Ai為評價格網第i種地類的面積，單位為hm2；Sij為第i種地類第j種生態系統服務類型單位面積所提供的ESV當量；i為地類數量，即m=6；j為生態系統服務類型，即n=1。

1.3.3" "地形特征數據提取" "選取海拔、坡度、坡向和地形起伏度4個地形要素來分析安寧河流域ESV的地形梯度分布。其中海拔和坡度通過自然斷點法（張學斌等，2020）進行分級（表1），坡向依據前人研究成果（付建新等，2021）進行分級，地形起伏度由范建容等（2015）提出的移動窗口法計算而得。

1.3.4" "地理探測器" "地理探測器（Geodetector）可探索要素的空間分異特征（Wang et al，2010），采用因子及分異探測器和交互作用探測器對選取的影響安寧河流域ESV空間分異的自然和經濟因子及其交互作用進行探測，公式如下：

式中：q為因子對ESV空間分異的影響程度；L、h為變量Y或因子X的分層/分區；[σ2h]和[σ2]分別為h區和全區ESV的方差；[Nh]和N分別為h區和全區單元數。

2" "結果與分析

2.1" "生態系統服務價值變化

選用海拔、坡度、水域距離、道路距離和政府駐地距離等驅動因子對土地利用變化進行限制，運用CA-Markov模型，制作適宜性圖集并對2030年安寧河流域土地利用進行預測。為驗證模型準確性，以2010年為基年，預測2020年土地利用結構（圖2），并與實際2020年土地利用進行對比，總體Kappa系數為0.908 2，預測可信度較高。后以2020年為基年，模擬得到2030年安寧河流域土地利用格局（圖2）。安寧河流域林地（約60%）占主導，其次為耕地（約25%）和草地（約9%），水域、建設用地和未利用地較少。除林地和建設用地在2000—2020年呈增長趨勢，林地和未利用地在2020—2030年呈減少趨勢外，其余各類土地利用在2個時期均不同程度減少或增加。

從ESV時間變化看，2000—2020年，安寧河流域ESV總體呈下降趨勢（表2）。2000—2010年，受能提供極高價值的水域面積縮減影響，ESV由2000年的343.92億元跌至2010年的342.08億元。2010—2020年，隨著水域面積的再恢復，2020年ESV增至342.18億元。2020—2030年，在建設用地擴張和林地面積減少影響下，預計ESV將減少3.71%（12.70億元）。從不同地類的ESV貢獻度（表2）來看，林地是安寧河流域ESV貢獻的主體，貢獻率在74.28%以上；其次為水域（6.58%以上）、草地（6.07%以上）和耕地（5.98%以上）；建設用地和未利用地的貢獻比重極低，均在0.10%以下。從不同生態系統服務類型（表3）看，氣候調節的ESV貢獻度最高，達25.04%以上，其次為水文調節（21.75%以上），土壤保持（11.70%以上）、生物多樣性（9.63%以上）、氣體調節（9.33%以上）和凈化環境（7.74%以上）的貢獻度也較高，其余類型均在4.36%以下。表明林地對流域生態系統穩定具有重要作用。

2.2" "生態系統服務價值地形梯度分布

以2020年為代表年，分析ESV的地形梯度分布。由圖3可知，ESV隨海拔、坡度和地形起伏度均呈先增后減的變化趨勢。其中Ⅴ級海拔和地形起伏度內ESV占比最高，分別達16.69%（56.11億元）和17.35%（58.44億元）；坡度上，Ⅵ級ESV最大，為16.63%（55.83億元）；坡向上，除Ⅰ級內ESV僅占1.80%（6.03億元）外，其余各級坡向內均在11.30%（37.95億元）～13.16%（44.17億元），最大值在Ⅷ級。單位面積ESV隨海拔、坡度和地形起伏度增大呈上升—下降的變化規律，最大值在Ⅷ級海拔和坡度、Ⅸ級地形起伏度，分別為3.61、3.68和3.67萬元/hm2；坡向上除最大值17.79萬元/hm2在Ⅰ級外，其余各級單位面積ESV相差不大，為2.88～3.17萬元/hm2。

從不同生態系統服務類型的地形梯度分布來看（圖4），除水文調節的ESV在坡度和地形起伏度梯度呈先降后增再降的分布特征外，其余各類型的價值量在海拔、坡度和地形起伏度梯度均呈先增后降的分布特征。海拔梯度上，食物生產、水資源供給和水文調節在Ⅱ級達最大值，分別為19.63%（1.65億元）、19.13%（1.22億元）和19.55%（14.88億元）；其余類型最大值位于Ⅴ級，分別為原料生產16.86%（1.83億元）、氣體調節17.32%（5.63億元）、氣候調節17.86%（15.77億元）、凈化環境17.21%（4.61億元）、土壤保持17.18%（6.99億元）、維持養分循環16.85%（0.55億元）、生物多樣性17.57%（5.89億元）和美學景觀17.46%（2.59億元）。坡度上，食物生產和水文調節的最大值在Ⅰ級，分別為16.91%（1.42億元）和23.14%（17.59億元）；其余類型最大值在Ⅵ級，分別為原料生產16.06%（1.74億元）、水資源供給13.64%（0.87億元）、氣體調節17.05%（5.54億元）、氣候調節18.12%（15.97億元）、凈化環境17.46%（4.67億元）、土壤保持16.75%（6.81億元）、維持養分循環16.06%（0.53億元）、生物多樣性17.84%（5.97億元）和美學景觀17.72%（2.62億元）。在地形起伏度梯度，水文調節和食物生產分別在Ⅰ級和Ⅳ級達最大值14.38%（10.96億元）和18.43%（1.55億元）；其余類型最大值在Ⅴ級，分別為原料生產17.67%（1.92億元）、水資源供給14.26%（0.91億元）、氣體調節18.06%（5.88億元）、氣候調節18.49%（16.35億元）、凈化環境17.88%（4.80億元）、土壤保持17.95%（7.31億元）、維持養分循環17.67%（0.58億元）、生物多樣性18.25%（6.12億元）和美學景觀18.13%（2.69億元）。坡向梯度上，各類型除在Ⅰ級內ESV較少外，其余各級坡向內分布較為均勻，隨坡向增加，總體呈上升—下降—上升—下降的變化規律。食物生產為Ⅴ級的13.61%（1.14億元）；其余類型的最大值在Ⅷ級，分別為原料生產13.62%（1.48億元）、水資源供給12.31%（0.79億元）、氣體調節13.57%（4.41億元）、氣候調節13.57%（11.96億元）、凈化環境13.36%（3.58億元）、水文調節12.26%（9.32億元）、土壤保持13.58%（5.52億元）、維持養分循環13.60%（0.45億元）、生物多樣性13.51%（4.52億元）和美學景觀13.44%（1.99億元）。

2.3" "生態系統服務價值空間分異的驅動因素

選取海拔（X1）、坡度（X2）、坡向（X3）、地形起伏度（X4）、NDVI（X5）、≥10 ℃積溫（X6）、年均降水（X7）、年均溫（X8）、距河流距離（X9）、距湖泊和水庫距離（X10）、GDP（X11）、人口密度（X12）、距政府駐地距離（X13）、距鐵路距離（X14）、距高速公路距離（X15）、距一級道路距離（X16）和距二級道路距離（X17）共17個自然和經濟因素，分析安寧河流域ESV的空間分異。由圖5可知，各驅動因子的解釋力（q）由高到低排序為：X4gt;X2gt;X12gt;X5gt;X1gt;X13gt;X11gt;X8gt;X6gt;X16gt;X14gt;X9gt;X7gt;X17gt;X15gt;X10gt;X3。其中X4為主導因子；其解釋力達0.25，其次為X2（0.20）；X1、X5、X8、X11、X12和X13為較為重要的因子，解釋力為0.10～0.17；其余因子的解釋力較小，但也對ESV空間分異產生影響。

從各驅動因子的交互結果來看（圖5），任意2個因子的交互作用均大于單個因子的影響：其中X4與X12的交互對ESV空間分異的影響最為顯著，解釋力達0.33。此外，交互作用對ESV空間分異解釋力在0.25以上的還有：X2∩X13、X2∩X14、X7∩X12為0.26；X1∩X2、X1∩X5、X2∩X5、X4∩X10、X4∩X15、X4∩X17為0.27；X2∩X11、X3∩X4、X4∩X6、X4∩X8、X4∩X9、X4∩X16和X5∩X12為0.28；X1∩X4、X2∩X4、X4∩X13為0.29；X2∩X12、X4∩X7和X4∩X14為0.30；X4∩X5、X4∩X11分別達0.30和0.32。表明安寧河流域ESV空間分異受自然和經濟因素的雙重影響，地形起伏度、坡度和NDVI等自然因子較人口密度、距政府駐地距離和GDP等經濟因子對其空間分異的影響更為顯著，自然因子和經濟因子間兩兩交互對ESV空間分異的影響也更為顯著。

3" "討論

2000—2020年安寧河流域ESV總體呈減少趨勢，2020—2030年預計將持續減少。緣于快速城鎮化和人口激增背景下，大量能創造極高單位面積ESV的林地和水域被價值較低的建設用地所侵占（李輝等，2021；羅芳等，2021）。隨著成昆鐵路復線、樂（山）西（昌）高速和西（昌）香（格里拉）高速等交通大動脈的建設，安寧河流域“一核一軸一帶”發展規劃和攀西城市群建設的推進，平坦安寧河谷地帶的優質耕地和林地面臨被建設用地進一步侵占的風險；需加強用地管控，扼制建設用地的無序擴張。林地和水域是流域ESV的主要貢獻者，二者面積減少引發的氣候調節和水文調節能力下降會導致ESV下降。總ESV、單位面積ESV和各項生態服務功能的ESV隨海拔、坡度和地形起伏度增大呈上升—下降的變化規律，與前人研究結果相似（張學斌等，2020），原因在于安寧河流域景觀類型隨上述3個地形因子增加呈現建設用地—耕地—林地—草地—未利用地的變化規律；坡向上分布則較為均勻。其中2 300～2 579 m海拔、30.92°～35.73°坡度、507～602 m地形起伏度和西坡4個地形因子區間內ESV最高，上述區間林地密集，受人類活動影響小，ESV較高。

ESV空間分異受自然和經濟因素的雙重影響（黃木易等，2019a；孫夢華等，2021；王波和楊太保，2021）。但多數學者所選取的驅動因子較少（黃木易等，2019b；陳睿等，2022；李魁明等，2022），難以全面考量自然和經濟因子在ESV空間分異中的作用。本文選取17個驅動因子分析安寧河流域ESV空間分異的驅動力，得出地形起伏度、坡度、NDVI和海拔等自然因子較人口密度、距政府駐地距離、GDP和距一級道路距離等經濟因子對流域ESV空間分異具有更為顯著的影響；同時，發現任意兩兩因子的交互作用較單因子而言對ESV空間分異的影響具有增強作用，自然因子和經濟因子的交互尤為明顯。可見自然因子對安寧河流域ESV空間分異起主導作用，經濟因子也同樣起重要作用，結果與前人研究一致（黃木易等，2019a；李魁明等，2022）。為此，需充分考量驅動因子間的交互作用，采取因地制宜的用地開發模式，避免流域生態環境的進一步惡化。

本文采用地形因子和地理探測器分析了安寧河流域ESV的地形梯度分布規律及其空間分異驅動因素，有別于傳統ESV研究僅從平面層面進行分析（雷金睿等，2020；喬斌等，2020），能從垂直梯度反映ESV的分布規律；此外，選取大量驅動因子可較為全面分析ESV空間分異的驅動因素。但仍有不足之處，受數據源限制，人口密度、GDP、年均降水和年均溫等數據精度較低，難以與流域實際相貼合，未來需注重更高精度數據庫的完善。

參考文獻

陳睿， 楊燦， 楊艷， 等， 2022. 洞庭湖生態經濟區生態系統服務價值的時空演繹及其驅動因素[J]. 應用生態學報， 33（1）：169-179.

CHEN R， YANG C， YANG Y， et al， 2022. Spatial-temporal evolution and drivers of ecosystem service value in the Dongting lake eco-economic zone， China[J]. Chinese Journal of Applied Ecology， 33（1）：169-179.

范建容， 張子瑜， 李立華， 2015. 四川省山地類型界定與山區類型劃分[J]. 地理研究， 34（1）：65-73.

FAN J R， ZHANG Z Y， LI L H， et al， 2015. Mountain demarcation and mountainous area divisions of Sichuan Province[J]. Geographical Research， 34（1）：65-73.

付建新， 曹廣超， 郭文炯， 2021. 1980—2018年祁連山南坡土地利用地形梯度變化及其地形因子地理探測[J]. 水土保持研究， 28（6）：371-381.

FU J X， CAO G C， GUO W J， et al， 2021. Terrain gradient change of land use and its geographical detector of terrain factors on the south-facing slope of Qilianshan mountains from 1980 to 2018[J]. Research of Soil and Water Conservation， 28（6）：371-381.

黃木易， 方斌， 岳文澤， 等， 2019a. 近20a來巢湖流域生態服務價值空間分異機制的地理探測[J]. 地理研究， 38（11）：2790-2803.

HUANG M Y， FANG B， YUE W Z， et al， 2019a. Spatial differentiation of ecosystem service values and its geographical detection in Chaohu basin during 1995-2017[J]. Geographical Research， 38（11）：2790-2803.

黃木易， 岳文澤， 方斌， 等， 2019b. 1970—2015年大別山區生態服務價值尺度響應特征及地理探測機制[J]. 地理學報， 74（9）：1904-1920.

HUANG M Y， YUE W Z， FANG B， et al， 2019b. Scale response characteristics and geographic exploration mechanism of spatial differentiation of ecosystem service values in Dabie mountain area， central China from 1970 to 2015[J]. Acta Geographica Sinica， 74（9）：1904-1920.

雷金睿， 陳宗鑄， 陳小花， 等， 2020. 1980—2018年海南島土地利用與生態系統服務價值時空變化[J]. 生態學報， 40（14）：4760-4773.

LEI J R， CHEN Z Z， CHEN X H， et al， 2020. Spatio-temporal changes of land use and ecosystem services value in Hainan island from 1980 to 2018[J]. Acta Ecologica Sinica， 40（14）：4760-4773.

李輝， 周啟剛， 李斌， 等， 2021. 近30年三峽庫區生態系統服務價值與生態風險時空變化及相關性研究[J]. 長江流域資源與環境， 30（3）：654-666.

LI H， ZHOU Q G， LI B， et al， 2021. Spatiotemporal change and correlation analysis of ecosystem service values and ecological risk in Three Gorges Reservoir area in the past 30 years[J]. Resources and Environment in the Yangtze Basin， 30（3）：654-666.

李俊翰， 高明秀， 2019. 濱州市生態系統服務價值與生態風險時空演變及其關聯性[J]. 生態學報， 39（21）：7815-7828.

LI J H， GAO M X， 2019. Spatiotemporal evolution and correlation analysis of ecosystem service values and ecological risk in Binzhou[J]. Acta Ecologica Sinica， 39（21）：7815-7828.

李魁明， 王曉燕， 姚羅蘭， 等， 2022. 京津冀地區生態系統服務價值時空變化及驅動因子分析[J]. 環境工程技術學報， 12（4）：1114-1122.

LI K M， WANG X Y， YAO L L， et al， 2022. Spatio-temporal change and driving factor analysis of ecosystem service value in the Beijing-Tianjin-Hebei region[J]. Journal of Environmental Engineering Technology， 12（4）：1114-1122.

李理， 朱連奇， 朱文博， 等， 2020. 生態系統服務價值與人類活動強度關聯性分析及權衡：以淇河流域為例[J]. 中國環境科學， 40（1）：365-374.

LI L， ZHU L Q， ZHU W B， et al， 2020. The correlation between ecosystem service value and human activity intensity and its trade-offs： take Qihe river basin for example[J]. China Environmental Science， 40（1）：365-374.

羅芳， 潘安， 陳忠升， 等， 2021. 四川省土地利用變化對生態系統服務價值的影響研究[J]. 云南農業大學學報（自然科學版）， 36（4）：734-744.

LUO F， AN P， CHEN Z S， et al， 2021. Impact of land use change on the ecosystem service value in Sichuan Province[J]. Journal of Yunnan Agricultural University （Natural Science）， 36（4）：734-744.

喬斌， 祝存兄， 曹曉云， 等， 2020. 格網尺度下青海瑪多縣土地利用及生態系統服務價值空間自相關分析[J]. 應用生態學報， 31（5）：1660-1672.

QIAO B， ZHU C X， CAO X Y， et al， 2020. Spatial autocorrelation analysis of land use and ecosystem service value in Maduo County， Qinghai Province， China at the grid scale[J]. Chinese Journal of Applied Ecology， 31（5）：1660-1672.

邵秋芳， 彭培好， 黃潔， 等， 2016. 長江上游安寧河流域生態環境脆弱性遙感監測[J]. 國土資源遙感， 28（2）：175-181.

SHAO Q F， PENG P H， HUANG J， et al， 2016. Monitoring eco-environmental vulnerability in Anning River Basin in the upper reaches of the Yangtze River using remote sensing techniques[J]. Remote Sensing for Land and Resources， 28（2）：175-181.

孫夢華， 牛文浩， 張蚌蚌， 等， 2021. 黃河流域土地利用變化下生態系統服務價值時空演變及其響應：以陜甘寧地區為例[J]. 應用生態學報， 32（11）：3913-3922.

SUN M H， NIU W H， ZHANG B B， et al， 2021. Spatial-temporal evolution and responses of ecosystem service value under land use change in the Yellow River basin： a case study of Shaanxi-Gansu-Ningxia region， northwest China[J]. Chinese Journal of Applied Ecology， 32（11）：3913-3922.

王波， 楊太保， 2021. 1980—2018年銀川市生態系統服務價值評價及驅動力分析[J]. 干旱區地理， 44（2）：552-564.

WANG B， YANG T B， 2021. Value evaluation and driving force analysis of ecosystem services in Yinchuan city from 1980 to 2018[J]. Arid Land Geography， 44（2）：552-564.

謝高地， 張彩霞， 張昌順， 等， 2015a. 中國生態系統服務的價值[J]. 資源科學， 37（9）：1740-1746.

XIE G D， ZHANG C X， ZHANG C S， et al， 2015a. The value of ecosystem services in China[J]. Resources Science， 37（9）：1740-1746.

謝高地， 張彩霞， 張雷明， 等， 2015b. 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， 30（8）：1243-1254.

XIE G D， ZHANG C X， ZHANG L M， et al， 2015b. Improvement of the evaluation method for ecosystem service value based on per unit area[J]. Journal of Natural Resources， 30（8）：1243-1254.

徐煖銀， 郭濼， 薛達元， 等， 2019. 贛南地區土地利用格局及生態系統服務價值的時空演變[J]. 生態學報， 39（6）：1969-1978.

XU N Y， GUO L， XUE D Y， et al， 2019. Land use structure and the dynamic evolution of ecosystem service value in Gannan region， China[J]. Acta Ecologica Sinica， 39（6）：1969-1978.

許向寧， 2004. 長江上游安寧河流域主要生態環境地質問題及其效應[J]. 山地學報， （5）：572-577.

XU X N， 2004. Eco-environmental geological issues and effects in Anning river， upper Yangtze[J]. Journal of Mountain Research， （5）：572-577.

張學斌， 羅君， 石培基， 等， 2020. 格網尺度下張掖生態系統服務價值時空演變及地形梯度分異特征[J]. 應用生態學報， 31（2）：543-553.

ZHANG X B， LUO J， SHI P J， et al， 2020. Spatial-temporal evolution pattern and terrain gradient differentiation of ecosystem service value in Zhangye， northwest China at the grid scale[J]. Chinese Journal of Applied Ecology， 31（2）：543-553.

趙景柱， 肖寒， 吳剛， 2000. 生態系統服務的物質量與價值量評價方法的比較分析[J]. 應用生態學報， （2）：290-292.

ZHAO J Z， XIAO H， WU G， 2000. Comparison analysis on physical and value assessment methods for ecosystems services[J]. Chinese Journal of Applied Ecology， （2）：290-292.

左玲麗， 彭文甫， 陶帥， 等， 2021. 岷江上游土地利用與生態系統服務價值的動態變化[J]. 生態學報， 41（16）：6384-6397.

ZUO L L， PENG W F， TAO S， et al， 2021. Dynamic changes of land use and ecosystem services value in the upper reaches of the Minjiang river[J]. Acta Ecologica Sinica， 41（16）：6384-6397.

CHEN F， CHEN J， WU H， et al， 2016. A landscape shape index-based sampling approach for land cover accuracy assessment[J]. Science China Earth Sciences， 59（12）：2263-2274.

CHEN L P， SUN Y J， SAEED S， 2018. Monitoring and predicting land use and land cover changes using remote sensing and GIS techniques： a case study of a hilly area， Jiangle， China[J]. Biochemical and Biophysical Research Communications， 13（7）：e0200493.

COSTANZA R， 2020. Valuing natural capital and ecosystem services toward the goals of efficiency， fairness， and sustainability[J]. Ecosystem Services， 43：101096.

COSTANZA R， D'ARGE R， GROOT R， et al， 1998. The value of the world's ecosystem services and natural capital[J]. Ecological Economics， 25（1）：3-15.

KESHTKAR H， VOIGT W， 2016. A spatiotemporal analysis of landscape change using an integrated Markov chain and cellular automata models[J]. Modeling Earth Systems amp; Environment， 2（1）：1-13.

WANG J F， LI X H， CHRISTAKOS G， et al， 2010. Geographical detectors-based health risk assessment and its application in the neural tube defects study of the Heshun region， China[J]. International Journal of Geographical Information Science， 24（1/2）：107-127.

YUAN Y J， CHEN D X，WU S H， et al， 2019. Urban sprawl decreases the value of ecosystem services and intensifies the supply scarcity of ecosystem services in China [J]. Science of the Total Environment， 697：134170.

ZHENG F Y， HU Y C， 2018. Assessing temporal-spatial land use simulation effects with CLUE-S and Markov-CA models in Beijing[J]. Environmental Science amp; Pollution Research International， 25（32）：32231-32245.

Terrain Gradient Differentiation of Ecosystem Service

Values and Driving Factors in the Anning River Basin

Abstract：The Anning River basin is a critical water resource in southwestern Sichuan Province， and the sustainable development of its ecosystem is important for promoting local economic growth. In this study， we explored the terrain gradient distribution and spatial differentiation driving factors of ecosystem service values （ESV） in the basin using the geodetector statistical package. Based on high-precision land use data from 2000 to 2020， we predicted the land use structure of the basin in 2030 using the CA-Markov model and analyzed the changes of ESV in the Anning River basin from 2000 to 2030. This study provides important support for land use planning and ecological environment protection that is adapted to local conditions. Results show that： （1） The ESV in the Anning River basin decreased from 34.392 billion yuan in 2000 to 34.208 billion yuan in 2010， and then increased to 34.218 billion yuan in 2020. This is an overall decrease of 0.51%， but the sharp decrease in forest land expected from 2020 to 2030 would decrease the ESV by an additional 3.71% （1.270 billion yuan）. （2） Forest land contributed more than 74% of ESV in the Anning River basin， followed by surface water （gt; 6.58%）， grass land （gt; 6.07%） and farmland （gt; 8.98%）. In terms of ecological serve functions， climate regulation and water regulation were the primary contributors to the ESV （gt; 47.79%）. （3） A total of 17 natural and economic factors were included in the analysis of factors driving the ESV. We found that the total ESV， and the ESV of each ecosystem service， initially increased and then decreased with increasing elevation， slope and degree of relief， but was more evenly distributed with slope aspect. The largest contribution to ESV occurred at an elevation of 2 300-2 579 m， a slope of 30.92-35.73° and a terrain relief of 507-602 m on slopes that face west. （4） Spatial differentiation of ESV in the basin tended to be affected by single natural and economic factors and their interactions， and terrain relief was the dominant factor.

Key words：ecological service value （ESV）; terrain gradient; driving factor; Anning River basin