本文仅作为科研分享交流，版权归原文献作者所有，若感兴趣，欢迎点击底部“阅读原文”进行阅读
![]()
Abstract：
面对气候变化和人类活动，提高我们对生态系统服务(ESs)未来动态的认识，为应对复杂的环境挑战提供了重要基础，这些挑战对于实现可持续发展至关重要，尤其是在城市地区。然而，在全面预测权衡和协同作用的复杂相互作用以及不同未来情景下的生态系统服务捆绑方面，现有的缺乏仍然存在。本文采用一体化研究框架，对长株潭城市群在共享社会经济路径(SSP126、SSP245和SSP585)和代表性集聚路径(SSP-RCP)情景下的生态环境时空动态进行了研究。我们的未来情景表明，预计到2050年，CZTUA的核心城区将以森林和农田为代价扩大。此外，人类活动引起的城市化，特别是湘江流域的高强度土地利用/土地覆盖变化，显著影响了生态环境ESs值，导致生态环境ESs值降低。ESs之间的权衡效应主要是在WY(产水量)和其他ESs之间观察到的。以前由WY主导的生态系统服务包(ESB)已经明显转变为CS(碳储存)-HQ(栖息地质量)束，特别是在CZTUA的城市核心，它可以作为与水资源相关的潜在挑战的早期预警。本研究利用最新的气候和土地利用变化预测对城市群生态系统进行评价，并采用基于ESs的分层区划策略，为决策者探索生态系统变化提供了可复制的工具。
Introduction：
图2所示。社会经济和环境因素共同影响下土地利用/土地覆盖变化系统动力学模型的因果反馈回路图
2.3.2.2. 未来土地覆盖变化模拟。X. Liang et al. (2021)开发和设计的PLUS模型可以充分识别土地扩张和项目景观动态的驱动因素。建模分为两个阶段。第一阶段涉及土地扩展分析策略(LEAS)的转换规则挖掘框架。在第一阶段，LEAS 通过分析历史土地利用数据，探索各种驱动因素之间的空间关系，发现不同土地利用类型的转换规则，形成土地利用转换的自适应图集。这一阶段的结果为模拟研究区域未来的土地利用做了准备。第二阶段，多类型随机森林(CARS)模型在第一阶段土地扩展转换规则的基础上，利用迭代时间内阈值递减规则的元胞自动机进行空间分配。这一过程模拟和预测了未来土地利用的空间布局(X.Liang et al.,2021)。对土地覆盖变化进行预测的影响因子分为自然环境数据、社会经济数据、交通网络数据和气候数据。因此，我们总共选择了11个驱动因素(图S4)，包括DEM、坡度、坡向、GDP、夜间灯光数据、温度、降水、蒸发、到公路的距离、到公路的距离、到水体的距离(X.Liang et al.,2021)。模拟未来土地利用的验证方法通常依赖于历史数据。我们使用Liu et al .(2020)开发的LUCC产品对模拟的LUCC需求进行了比较和验证。一般来说，如果误差小于5%，则认为模型可以有效地模拟土地利用变化趋势。2.3.3.1. PLUS仿真结果的精度验证。为了有效验证模拟的未来土地利用，我们使用PLUS模型中内置的Kappa系数来验证其适用性(X. Liang et al .， 2021)。Kappa系数结合了用户精度和映射精度，通常用于预测和观察之间的一致性测试。将PLUS模型模拟的2020年LUCC空间格局与Liu et al .(2020)开发的2020年LUCC产品进行对比。公式如下:式中，pa为正确模拟的比例，Pb为预测模拟的期望比例。Kappa值在0-1的范围内，数值越大，模拟精度越高。一般来说，当Kappa值超过0.75时，认为LUCC的空间模拟结果是可靠的(Xu et al.,2022)。考虑到人类与生态系统之间错综复杂的相互作用，本研究将重点放在五种不同类型的生态系统上(表2)。使用InVEST模型进行定量评估，以提供服务，包括水量、栖息地质量、土壤保持和水净化。此外，为了解释森林年龄变化引起的碳储量的预期变化，采用了SkyCenter模型进行量化(Zhao et al., 2023)。有关计算方法和模型验证的详细说明见补充资料。表2 本研究评估的生态系统服务概述
2.3.5.1. 地理加权回归。为了检验变量的空间非平稳性，在传统回归框架的基础上改进了地理加权回归模型。它基于变量与预测因子之间的强度和方向可能被环境因素修正的假设(Gao and Zuo,2021)。这与产生ESs的权衡和协同效应的机制一致，其中多个ESs可以受到共同驱动因素的集体影响。此外，由于我们只使用ESs变量作为自变量和因变量，因此不存在自变量之间的多重共线性问题，如标称或分类数据(Xia et al.,2023)。GWR模型的公式如下:式中，(μi, vi)表示数据i的空间位置;P是自变量的个数;Yi为因变量;XJK为自变量;εi为随机误差;βk(μi, vi)为数据i的截距;β0(μi, vi)分别为回归系数。GWR结果中的回归系数可以用来表示权衡和协同关系(Xia et al.,2023)。回归系数为正表示协同关系，而系数为负表示权衡关系。2.3.5.2. ES束的识别。在探索ESs之间的关系时，权衡/协同关系只能反映每对ESs之间的线性或单调关系。将ES束的空间结果与权衡和协同关系联系起来，可以更清楚地揭示出CZTUA中ES束的空间特征。ESs聚类有助于识别多个ESs之间的共同交互模式，反映它们在时间和空间上的共发生(spoke et al., 2017)。为了更好地表征ES束的空间格局，根据其数字高程模型(DEM)将研究区划分为360个流域。然后在流域水平上识别和分析所有ES束。该研究采用自组织映射(SOM)算法来识别CZTUA中的ESB (Xia et al., 2023)。SOM是一种无监督学习神经网络方法，它根据每个分水岭的ESs与特定ESB的ESs的相似性将其分配给相应的ESB (Dou et al.,2020; Liu et al., 2019)。在计算ESB之前，要执行ESs的规范化，以确保不同场景之间的可比性。CZTUA各土地利用类型模拟数据与卫星观测数据差异不显著，相对误差小于5%(表S3)。这种紧密的一致性表明，可持续发展模型在捕捉土地利用变化的动态方面是有效的。此外，对于土地覆盖变化空间模拟结果的验证，Kappa系数达到0.845，总体精度达到92.29%(表S4)。因此，验证过程证实，SD-PLUS模型似乎是模拟CZTUA土地利用和景观格局的强大工具。本研究估算的ESs采用多种数据来源进行验证，详细结果可在补充材料中找到。生境质量、碳储存服务与以往研究数据具有高度相似性(Mu et al.,2022;Chen et al.,2020)， R2分别为0.73和0.96(图2)。S1, S2)。与净水服务值和湖南省农村统计年鉴的统计数据比较，发现县域相似性较高，R2为0.76(图S3)。将土壤保持和产水服务与整个研究区域的统计数据进行比较，误差最小，差异分别为0.46%和1.23%(表S1和S2)。所有的估计值都与观测值吻合良好，表明该模型在我们的研究中评估ESs的有效性和可靠性。3种情景下林地面积和建设用地面积均呈上升趋势，耕地面积均呈下降趋势(图3)。SSP126情景下林地面积增长率最高，SSP245和SSP585情景次之。三种情景下的建设用地扩张趋势相似。2020~2050年，耕地面积呈相反的下降趋势，减少幅度从大到小依次为SSP126、SSP245、SSP585。2050年3个情景中，SSP126情景的建设用地和林地面积最大，ssp585情景的耕地面积最大。图3所示。3种情景(SSP126、SSP245、SSP585)下2020-2050年长江三角洲耕地(a)、建设用地(b)和林地(c)土地利用需求轨迹的SD模型模拟三种情景下的土地覆盖变化空间细节模拟如图4所示。在2020-2050年的研究期内，SSP126情景的其他类型耕地转化比例最大，其中大部分转化为建设用地，达到780.67km2(见补充资料表S5)。其次是转为林地，面积达到393.74平方公里，是唯一出现林地面积增加的情景。在研究区东北、东南等具有生态保护区的区域(如桃园洞国家级自然保护区)，林地面积迅速增加，而长江经济带核心区建设用地扩张速度放缓。在SSP245情景下，土地转换主要发生在林地。最大的转变是将林地转化为建设用地，面积为1067.64平方公里(表S5)。同时，退耕还林面积达到454.67 km2(表S5)。建设用地周边林地面积逐渐减少，建设用地扩张速度放缓。在SSP585情景下，长江三角洲地区耕地的快速扩张导致林地被侵占，成为林地减少幅度最大的情景。图4所示。(a) 2020年、(b) 2050年SSP126、(c) 2050年SSP245和(d) 2050年SSP585条件下PLUS模式模拟的CZTUA地区土地利用变化空间分布。
长江三角洲地区ESs的空间分布与人类活动高度相关。三峡库区的生境质量、碳储量、土壤保有量呈现出中心低、外围高的格局(图5)。三峡库区的中心核心区出现极值，出水量最高，生境质量、碳储量、土壤保有量、水质净净度最低。如图5a所示，研究区东部WY显著增加，SSP245增加幅度较小。HQ也观察到类似的特征(图5b);有趣的是，SSP245的HQ值较低，仅为0.61。三种情景下，CS均呈现明显的上升趋势。从最大到最小的增加顺序为:SSP126、SSP245和SSP585, 2050年的平均CS分别为29.84 Mg ha-1、28.46 Mg ha-1和28.23 Mg ha-1(图5c)。在SR方面(图5d)， SSP126表现出最好的SR能力，其总价值为2.02×108Mg。SSP245和SSP585的SR值远低于SSP126，分别为1.52×108Mg和1.50×108Mg。如图5e, f所示，CZTUA的氮(N)和磷(P)负荷呈现一致的空间分布。氮、磷元素的负荷量呈逐渐增加的趋势。3种情景下，研究区总氮负荷分别为7.722×106Kg、7.480×106Kg和7.791×106Kg。磷总负荷分别为0.489×106Kg、0.462×106Kg和0.481×106Kg。图5所示。不同情景下，2020-2050年长江三角洲流域水量、生境质量、碳储量、土壤保有量、净化水等5个生态系统的空间分布与时空趋势根据图6所示的GWR结果，SR与HQ、CS与HQ、CS与SR、WP与HQ、WP与SR、WP与CS之间存在明显的协同关系。具体而言，ESs在湘江沿岸城市建设区表现出最强的协同关系。然而，这些关系在城乡过渡地带相对较弱，如 WP 与 HQ、WP 与 CS、WP 与 SR 之间的协同关系。同时，WY 与其他 ES 之间表现出取舍关系，这在 CZTUA 的城市核心区尤为明显。比较各情景之间的差异，发现SSP126情景的权衡关系显著大于其他情景。同时，SSP245情景中CS和SR的协同关系强于其他情景。SSP126情景中具有高度协同关系的面积比例大于SSP245和SSP585情景，而SSP585情景中具有权衡关系的面积比例大于SSP126和SSP245情景。图6所示。因子得分的空间变化代表了五个ESs之间的权衡和协同效应。红色表示权衡关系，蓝色表示协同关系;颜色的强度代表关系的强度，颜色越深表示关系越强。WY:出水量;总部:生境质量;CS:碳储存;SR:土壤保持;WP:水净化。
在本研究中，我们对2020年和2050年CZTUA三种不同情景下的ESs进行了聚类分析(图7)，并计算了不同情景下每个聚类的面积占比(图7b)。根据优势ES，将束主要分为4种类型(图7c):产水束、生态涵养束、综合生态束和HQ-CS协同束。产水量束主要分布在城市群的核心城市建设区，2020年占53%，但预计在SSP126、SSP245和SSP585情景下，产水量束将分别下降到16.5%、15.4%和20.6%。生态涵养束表现出HQ、SR和WP之间的协同关系。该束主要分布在研究区的东南部和东北部。综合生态束主要集中在长江经济带的东北角和东南角。它涉及多个ESs的权衡，包括HQ、CS和WP。该bundle在SSP245场景中所占比例最大，在SSP585场景中所占比例最小。HQ-CS协同束覆盖区域比例较高，主要分布在湘江沿岸。这个包有突出的总部和CS供应能力。![]()
图 7. 生态系统服务束的结果。(a) 生态系统服务束的时空分布。(b) 各方案中生态系统服务包的比例。(c) ESB 中生态系统服务的组成和相对大小。ESB I 代表水产量束，ESB II 代表生态保护束，ESB III 代表综合生态束，ESB IV 代表 HQ-CS 协同束。本研究提出了一个新的SD-PLUS-InVEST框架，以增强气候社会影响背景下的区域生态系统服务(ESs)估算和土地利用/土地覆盖变化优化。SD模拟了长期的人与环境相互作用和政策影响，这是模拟SSP-RCP情景下LULC变化的先决条件。PLUS模型动态模拟空间格局和土地利用变化。InVEST模型为ESs提供了估值和有效的可视化。SD-PLUS-InVEST框架的引入有以下优势:与直接使用LUH2数据集(0.25◦空间分辨率)的其他研究(Kim et al.,2018)相比，这些研究可能会遗漏土地利用变化和生态系统变化的细节，我们的框架可以产生更高分辨率的LULC预测，捕捉特定的当地土地利用动态。此外，我们的土地利用模拟的总体精度为92.29%，个别土地利用类型的总体精度超过90%(表S4)，说明了其在LULC结构和分布模拟中的可靠性。此外，考虑到仅使用全球SSP-RCP情景的局部研究存在较大的不确定性，我们结合以往研究提出的自上而下和自下而上的方法，对SSP-RCP情景进行改进、调整和本地化，以模拟社会经济和气候变化背景下的未来ES及其权衡关系(Zhong et al.,2023)。《长株潭城市群生态绿色心心区国土空间生态修复(2021-2035)》和《长株潭城市群国土空间规划(2021-2035)》(Tang et al.,2022)等政策文件指导了模型框架的本土化。更具体地说，我们的模型通过制定限制性发展矩阵和改进系统动力学方程来严格控制土地类型。比如，严格规范无序占用耕地，防止长江三角洲“绿心区”过度开发，保护水资源。这些措施保证了我们未来研究的合理性和相关性。政策引导下的未来情景本土化可以更好地描述未来，激励城市群平衡扩张与自然资源。因此，SD-PLUS-InVEST耦合模型的应用证明了其在“过去-现在-未来”较长的时间序列中详细评价生态环境未来演变的有效性，该模型具有普适性，可以估计不同生态需求城市的未来生态环境。该研究揭示了到2050年，在三种SSP-RCP情景下，ESs的不同结果。造成这些结果的潜在因素可能确实存在很大差异，其中气候变化和土地利用/土地覆盖变化尤为明显。气候变化通过改变生态系统过程和功能影响某些ESs的可用性(Saifullah et al.,2016)。土地覆盖变化直接影响生态系统的结构和功能，并影响生态系统的ESs供应水平(Fu et al.,2015)。水量对土地利用变化的响应因地理、社会经济和气候特征的不同而不同。林地的变化、农作物的生长和城市的扩张都会影响水量(Guo et al.,2023)。我们的研究结果表明，植被地的WY低于耕地和建设用地(图5a)。以往的研究表明，植被的冠层、覆盖度和根系增强了植物的蒸散、水土保持和水分入渗以及植物的水分捕获能力(Wu et al.,2022; X.Wang et al., 2022)。此外，植被类型的变化有可能导致产水量的改变，即植物根系深而发达的森林和草地的产水量可能较低。由于不透水表面减少了渗透和水流积累时间，建筑和农田可能会产生更多的WY。此外，在SSP126情景下，WY服务相对于其他情景有所增强，反映了人类对气候变化的有效适应、温室气体排放的减少和气候环境的总体改善。这一结果与前人关于温度、降水等气候因子对WY服务影响的研究一致(Alizadeh et al.,2022)。氮磷出口较低的地区，WP服务较好(图5e)。WP的空间结构和分布与土地利用类型密切相关(J. Liang et al.,2021)。本研究氮磷输出在湘江支流末端达到最大值(图5e)。这是因为支流地区主要是城乡之间的过渡地区，以耕地为主。氮磷是植物营养的必需营养素，通过施肥广泛应用于农业生产，导致耕地氮磷输出水平较高(J. Liang et al., 2021)。这也清楚地揭示了WP服务与人类社会经济活动之间的高度相关性。以往的研究表明，SR与DEM、坡度和植被覆盖度之间存在很强的相关性(Li et al.,2021)。这与我们的研究结果一致，即在坡度较大的丘陵地区，土壤侵蚀更为严重(图5d)，这意味着生态系统内的自然和人为因素驱动了SR的变化。此外，未来土地覆盖变化分布的差异导致了三种情况下SR的差异。森林已被证明在SR中有效，可以减少土壤侵蚀和防止水源污染(Li et al., 2021)。树木的根系将土壤固定在适当的位置，形成一个纤维网络，稳定土壤结构，防止土壤侵蚀(Keshtkar et al.,2022)。相反，没有保护植被覆盖的裸露土壤极易受到土壤侵蚀，特别是在强降雨期间。结果表明，森林面积较大的SSP126情景比其他情景具有更好的SR服务。人类活动强度对总部的影响显著。总部也可以通过水文、地理、基础设施和立法的改变间接受到人类活动的影响。栖息地退化在人类活动强烈的地区更为常见，如城市和矿区(Bai et al.,2019)。同样，我们的结果也显示出一致性，即长江三角洲低HQ地区主要分布在湘江沿岸，以建设用地和耕地等土地利用为主(图5b)。同时，SSP585情景作为2050年人口最多的高排放情景，其总部业务表现最差(图5b)。HQ的空间分布机制与其他研究高度一致(Zhang et al.,2020; Sun et al.,2019; Nematollahi et al.,2020)。在 CS 方面，研究结果表明 CS 显著增加（图5c），这与之前的一些研究明显不同，这些研究忽视了未来林龄对 CS 的实质性影响（Zhao et al.,2019）。森林年龄结构的变化已被确定为影响森林生态系统CS变化的主要因素，特别是在年龄结构相对较年轻的地区(Hern´andez-Alonso et al., 2023)。由于地处亚热带植被资源丰富的地区，CZTUA具有以中青年林为主的年轻林龄结构(Chen et al.,2019;Zhang et al.,2014)。这表明随着森林的成熟，CZTUA的CS服务会发生巨大的变化，这也揭示了自然生态系统的内部结构也会影响一些ESs。根据SPP126在2050年三种SSPRCP情景中ESs的可持续性，我们将空间规划和管理与SSP126保持一致，并将这些策略置于ESB中(图8)。在SSP585情景中，由于化石燃料的广泛使用和仅仅为了经济利益最大化而进行的森林砍伐，会发生重大的森林损失。在SSP245情景中也发生了相同的林地转化过程，这是一种社会发展过程中适度的自然转化方式。相比之下，SSP126情景在生态上更好，人类活动(如畜牧生产、原木出口)表现出“自我约束”，能够实现保护天然林的目标(Li et al.,2020)。图8所示。SSP126情景下生态系统服务束视角下CZTUA空间规划与区域管理策略
鉴于ESs的特殊性，准确识别ESB对于阐明景观的复杂特征、促进生态管理和政策制定具有重要意义(Chen et al.,2023)。将ESB引入区域土地空间规划，为生态环境治理和社会经济发展带来了一系列新的机遇和见解(Chen et al.,2023;Shen et al.,2023)。为增强理解ESs与空间管理决策的实用性和应用性，本研究特别以运营尺度流域为研究对象。首先，未来空间规划应优先保护生态涵养区，生态涵养区具有丰富的ESs资源(Y. Zhang et al.,2023)。在区域土地空间规划中保护这些区域对于避免过度开发和人为干扰至关重要。其次，应谨慎引导产水束的开发(Yuan et al.,2023)。这些束位于城市群的核心建设区域，有效引导城市发展，确保可持续供水，避免对WY造成过度压力至关重要。第三，在城市发展中，平衡生态束的综合发展是必要的，以考虑多样化的ESs规定，实现多重生态效益。最后，在基于高层总部和总部服务的HQ-CS协同捆绑中，管理者应更加重视生态土地的保护，因为生态土地是保证CS和总部主要供应的基础。更准确地说，CS服务的高水平主要来源于未来森林生态系统的成熟，这也强调了合理森林经营的重要性。碳储量的显著增加有助于实现未来的社会目标，如“碳中和”和“节能减排”(Ke et al.,2023)。例如，考虑到一辆普通汽油车的全生命周期(行驶里程为15万公里)碳排放量为39.7 Mg (Wu et al., 2018)， CZTUA中CS的增加可以抵消83万辆至195万辆汽车的碳排放量。因此，通过植树造林、再造林和保护等措施，可以增加碳储量，为建设“生态友好型城市”做出贡献。总体而言，基于ESB的空间规划允许对ESs进行集成管理，从而提高决策的科学性和有效性。此外，ESB分析可促进跨区域合作（Li et al.,2022）。例如，多个相邻城市经常面临共同的环境压力。通过共同识别和管理跨区域ESBs，这些城市可以更好地协调行动。此外，未来生态系统的确定为未来城市之间甚至国际间的生态保护合作提供了机会。因此，建立全面的监测和评估体系，动态了解ESs的变化，可以为不同的气候变化和经济发展转型过程提供科学依据(Shen et al.,2023;Liu et al.,2023)。本研究探讨了不同SSP-RCP情景下CZTUA土地利用变化的动态，并量化了ES。它还探讨了未来ES之间的相互关系，并定义了ESB。从2020年到2050年，城市化进程将在不同SSP-RCP情景中继续进行，导致城市群内核心城区的扩张。同时，在所有三种情况下，农田都经历了不同程度的减少。其中，SSP126情景的森林面积到2050年将增加到19071km2，而SSP245和SSP585情景的森林面积将分别减少到18207km2和17818km2。CZTUA的ESs表现出显著的空间异质性。WP、HQ、CS、SR等服务沿湘江方向值低，东北、东南方向值高。在不同场景组合下对ESs的描述显示出显著的一致性，将所有场景划分为四个ESB。每个束中的主导ES保持不变。以初级生态系统为基础的生态系统包括产水束、生态保护束、综合生态束和生境质量-碳储量协同束。本文的研究结果为地方政府在土地利用规划中做出更合理的选择，促进CZTUA城市群的可持续发展提供了一种分层区划方法。
