【文献分享】生态系统服务的空间溢出效应： 以中国长江经济带为例

本研究在现有研究的基础上进行了拓展，有两个具体贡献。首先，在研究方法上，本研究定量分析了区域间ESV关系，并通过引入应用较少的复杂网络理论工具构建省际  ESV 空间关联矩阵，对ESV-SCN的结构属性和驱动力进行了时空动态研究。其次，在空间尺度上，与相关研究相比，本研究基于面积明显更大的岳麓区，呈现出更为复杂的ESV空间关联网络，尤其是其相互作用机制和时空评价。因此，本研究有助于深入了解生态系统的功能，为生态学、环境科学和其他相关学科提供了一个新的视角。

1.ESV的时空分析

1990年至2000年，YREB的总体ESV呈波动下降趋势（图2）。图3更清楚地显示了这种下降趋势，图中大部分地区的ESV年平均变化率为负值，呈绿色。具体来说，YREB的ESV变化可分为三个不同的阶段。第一阶段从1990年到2000年，ESV大幅下降。随后的阶段是2000年至2010年，ESV逐步上升。这一增长主要归功于中国的 "退耕还林 "工程，植被恢复效果显著。从2010年到2020年的最后阶段，由于永利娱乐网站城市化和工业化进程的加快，以及经济和社会发展的长足进步，ESV呈逐步下降趋势。需要强调的是两个关键年份：2005年之后，永登经济和社会发展局的ESV呈下降趋势，这需要本文立即予以关注。有意思的是，永定区生态环境局响应国家生态修复和恢复政策，实施了土地利用转型项目。自2015年以来，随着城市用地的扩张得到一定程度的缓解，ESV的下降趋势出现了好转迹象。

2.ESV-SCN的整体网络特征

从图4可以看出，粤东西北地区ESV-SCN呈现出明显的网络结构特征，1990-2020年区域间ESV关系强度呈明显上升趋势。具体而言，自2005年以来，YREB区域间ESV相关强度发生了显著变化，尤其是江苏、浙江和安徽三省。2015年，湖北省和湖南省之间的关系明显增强。值得注意的是，ESV的空间相关性超越了传统的空间地理邻近性，形成了错综复杂的跨区域空间网络。这一网络反过来又影响着ES的增强。因此，对ESV-SCN进行全面分析势在必行。在本研究中，本文将重点从两个方面进行全面分析：空间联系的强度和相关网络的互连性。(参见图5）。

从空间相关性的强度来看，YREB的ESV-SCN显示出更强的网络相关性。从1990年到2020年，网络连接数从1990年的101个增加到2020年的139个（9.04%），网络密度从1990年的0.545增加到2020年的0.564（3.49%）。这种持续上升的趋势表明，岳麓区ESV的空间相关性在逐渐增强。然而，由于网络密度的最大值仍然较低（0.564），区域间ESV空间相关性的紧密度仍然较低。要促进区域间ESV更紧密的交流与合作，还有很大的改进空间。

结果还表明，在YREB中，ESV-SCN的恒定性有了明显改善。网络相关度为1，表明ESV高度相关，空间相关性显著，并具有溢出效应，从而使SCN相对稳健。值得注意的是，网络层次和网络效率呈现出截然不同的趋势。具体而言，1990年至2020年间，网络层次结构逐渐下降了44.51%。这一下降标志着空间网络层次结构的不断瓦解，导致空间相关性不断上升，有利于区域间ESV协调发展与合作的趋势逐步形成。相反，从1990年到2020年，网络效率呈逐步上升趋势，增幅为8.47%。这一趋势表明，当前区域间ESV关联网络内的连接数量有所增加，凸显出重叠效应的重要性日益增强，相应的空间网络结构的稳健性也稳步提高。值得注意的是，2005年以后，网络层次下降速度加快，以往严格的空间网络结构不断被打破，空间关联性逐渐加强，逐步形成了有利于区域间ESV协调发展与合作的趋势。此外，网络效率在2005年后有明显的上升趋势，说明当前区域间ESV关联网络的连接数量在不断增加，多重叠加效应越来越显著，相应的空间网络结构的稳定性也在逐步增强。总之，网络层次结构的整体下降表明对SCN内单个或少数节点的依赖性降低，而网络效率的提高则反映了相关网络内相关线的增加。因此，ESV-SCN的稳定性稳步增强。

3.ESV-SCN的个体网络属性

本研究从度中心度、接近中心度和中介中心度三个方面考察了ESV-SCN的个体特征。总体而言，长江经济带ESV-SCN形成了以长江流域中下游为网络中心、上游为网络边缘的 "核心-边缘 "结构。随着经济的发展，中下游在长江流域网中的作用逐步加强。

3.1. 度中心度

图6显示1990年至2020年的平均度中心度值分别为10.91、10.90、10.82、11.97、12.89、12.48和12.87。值得注意的是，在ESV-SCN中，YREB下游地区呈现出持续的高度中心度，在网络中长期占据着举足轻重的地位。例如，江苏、安徽、湖北和浙江等省的度中心度值一直超过年度平均度中心度值。这一现象可归因于其发达的经济、快速的城市化进程以及从其他地区吸引劳动力和其他与ESV发展相关的资源要素的能力。此外，这些省市拥有丰富的水系资源，水域面积占总面积的18%，是上游地区的8倍，中游地区的2倍。因此，由于水系分布不均，下游地区的ESV比中上游地区更具吸引力。随着ESV空间网络的发展，云南东部和南部地区的中心区域逐渐接近网络的中心，而上游地区在整个发展过程中长期处于ESV-SCN的边缘。然而，值得注意的是，某些上游省份（如云南）在某些年份的度中心度值超过了年平均度中心度值，离度值大大超过了内度值。这一现象可能是由于上游的森林覆盖率明显高于中下游，约为下游的两倍。换句话说，这些上游地区的省市本身就拥有大量的ES资源，从而促进了资源要素向中下游地区的进一步输送。

此外，还对各地区的净度值（净度值减去净度值）进行了分析（表4）。从相关性的角度来看，净度值为正的省份主要位于YREB的中下游，包括江西、湖北、上海、江苏和浙江。这表明，这些地区具有较强的ESV发展潜力，经济发展水平较高，在正在进行的现代化和城市化进程中占有重要地位。值得注意的是，这些地区的ESV水平相对较低，其吸收能力的增强进一步促进了区域生态系统的完善和发展。相反，重庆、四川、贵州、云南等长江流域上游省份的ESV值大多为负值。这些地区本身就拥有更多的土地资源，并受益于更有利的水热条件，但其经济发展却相对滞后。因此，与ESV发展相关的大多数因素都会外溢到其他地区，促进与更多地区建立联系。这种现象反过来又有助于提升区域内的ESV水平。实质上，辐射能力越强，ESV的优势就越明显。

3.2.接近中心度

利用接近中心度可以评估区域间ESV的空间联系生成，如图7所示。从1990年到2020年，平均接近中心度分别为16.03、12.43、14.32、15.65、14.89、15.02和18.43。值得注意的是，接近中心度超过了YREB的平均接近中心度。大部分地区位于YREB的上游和下游地区，而中游地区的接近中心度较低。更具体地说，江苏、浙江和安徽等下游地区通过接受中上游地区流入的与ESV相关的要素（包括劳动力、能源和资源），与其他地区的ESV在空间上相互联系。此外，由于经济发展水平相对较高，这些地区还对外进行投资和技术输出。因此，这些省市的接近中心度在相当长的时间内持续超过平均接近中心度。相反，云南、四川、重庆等上游地区的省市，受益于丰富的土地资源和优越的环境服务，向其他地区输出资源、能源和其他要素。因此，这些地区的接近中心度也很高。

3.3.中介中心度

中介中心度值越高，间度的影响就越明显，如图8所示。从1990年到2020年，省际中心度的算术平均值分别为2.54、2.76、2.87、3.02、3.43、3.82和3.64。进一步说明，位于YREB上游和下游地区的省份表现出更高的中介中心度值，这表明它们对各自地区的生态SCN具有相当大的影响。这一突出现象主要是由两个不同的因素造成的。首先，这些地区能够通过输出能源和资本来刺激其他地区生态服务的恢复和改善。此外，这些省市提供的最佳生态服务也同时影响着其他地区的进步。值得注意的是，云南、湖北和安徽等省市的中介中心度值超过了中介中心度的年平均值，从而凸显了其在生态服务空间网络中的关键作用。随后，随着有关加强和恢复生态服务的政策逐渐深入人心，再加上宏观经济治理的统一，中介中心度值的差距逐渐缩小。这标志着更多地区参与到生态系统服务资源在SCN内的流动和传播中。因此，YREB区域内ES的SCN网络度继续上升，实现了从单侧主导结构向多焦点配置结构的过渡。

4.ESV-SCN的溢出效应分析

同一区块内的区域表现出相似的功能，ESV的溢出效应表现在区块内部和区块之间。图9展示了ESV-SCN中区块内部和区块之间错综复杂的相互关系，揭示了每个区块随着时间的推移所承担的独特角色和功能。

从1990年到2020年，每个区块都呈现出独特的内部相关性，以及跨区块的空间相关性。位于YREB上游的区块I对其他区块具有更明显的溢出关系，而获得的溢出程度较低。Ⅱ区块吸收了其他区块的溢出效应，表现出双向溢出特性，从而成为网络中的一个枢纽区块。从地理位置上看，它位于YREB的中游。第三区块既是其他区块外溢关系的来源，也是其他区块外溢关系的接受者。第三区块的成员分散在YREB的各个区域。相比之下，IV区块从其他区块接收的关系人数量明显多于其外溢的关系人数量，从而限制了其外溢效应的范围。该区块内的大多数个体都位于YREB的下游地区。值得注意的是，2005年区块间的溢出效应发生了变化。与1990年相比，不仅第三区块内出现了相关性，第二区块内也出现了相关性。这标志着区块II所涵盖省市内部的资源流动和相互流动逐渐加强。2015年，在原有网络关联关系的基础上，区块IV向区块II的溢出关系增强。快进到2020年，与1990年的情况相比，区块内的溢出效应和区块间的溢出效应都明显增强。这表明，在ESV-SCN的发展轨迹中，区块间和区块内的相互影响和溢出效应不断加强，俱乐部内部集群效应明显。在ESV关联网络中，每个区块都拥有自己独特的优势，发挥着自己独特的作用。这凸显了各省市在ESV-SCN中的协同共同发展。

ESV-SCN核心省份的吸引力进一步增强。核心省份的积聚效应和虹吸效应日益显著，长江经济带中游与ESV相关的要素进一步向上下游地区集中，这也是重庆、四川等长江流域中游省份从掮客板块转变为净溢出板块的重要原因。上海从净受益区块转变为中介区块，可能是由于其GDP增速低于江浙等地区，江浙等地区分散了其吸引的ESV相关要素。上海的技术扩散、产业转移、投资和其他活动也增加了其对外关系的数量。云南和四川从净外溢区块进入双向外溢区块。云南可能得益于国家对少数民族地区的扶持和经济协调发展战略的实施，进一步拉动了当地经济的发展，吸引了周边要素的流入。而四川则主要得益于自身经济的发展，增强了对各种要素的吸引力和对其他地区的辐射力。

总之，ESV的空间溢出效应主要表现为区域间溢出，即不同区块间的空间相关性超过区块内的相关性。图8显示，在长江经济带内部，长江流域中上游省市所包含的区块在大多数年份始终是ESV要素的主要溢出源。相反，由长江流域下游地区组成的区块则在大多数年份成为ESV要素的主要接受区块。ESVSCN内部的这种分化受到多种因素的影响，包括自然资源、地理位置和经济发展等，这些因素都会影响各种要素的流动。下游地区经济繁荣，便于吸收各种要素，自然成为ESV要素的主要接受者。

通过进一步研究区块间的联系和ESV的转移效应，揭示了SCN-ESV的密度矩阵和图像矩阵，使本文能够直观地理解ESV-SCN区域间各区块之间存在的关联关系和传播机制（图10）。值得注意的是，图像矩阵对角线上的元素值均为1，这表明每个区块内的ESV之间存在很大的相关性，并表现出俱乐部集群效应。特别是在1990年至2020年期间，每个区块都表现出其固有的相关性。1990年至2000年期间，区块I对区块II产生影响，而区块III则对区块II和区块IV产生外部效应。此外，区块IV也与区块II产生关系。根据上述分析，第二区块显然可以定义为自然科学网络内的净效益。2005年和2010年观察到的区块间联系与2000年的区块间联系一致。然而，2015年，在之前网络相关关系的基础上，从IV区块到II区块的溢出关系增加。这一时期积极推动宏观调控，促进经济体的发展，进而导致省际关联度显著提高。到2020 ，各区块之间的联系更加紧密。第三区块通过第四区块的传输功能与第一区块和第二区块建立错综复杂的互联关系，从而形成溢出关系。因此，IV区块在ESV-SCN中起着中介作用。随着ESV区域间空间联系模式在YREB地区的不断发展，各区块内部和各区块之间的相互影响和扩散效应不断增强，并伴有明显的内部集聚效应。每个区块都表现出独特的优势，并在自然科学网络中发挥着独特的作用，强调了相互关联性和集体发展影响。

5.ESV-SCN的驱动因素

表5所示的二次分配程序（QAP）回归分析结果表明，调整后的R²值分别为0.3318、0.4371、0.4197、0.4642、0.5521、0.5630 和 0.5686（P均小于0.001）。研究结果表明，在1990年至2020年期间，ESV-SCN与降水、湿度、净植被覆盖率、土地利用和政策管理之间存在明显的正相关关系。相反，气温、人口密度、城市化和国内生产总值则呈显著负相关。

此外，本研究利用每年平均值的差异构建差异矩阵，然后将其用于QAP回归，以评估分析的稳健性。如表6所示，ESV-SCN驱动因素的回归分析结果显示出相当程度的稳健性。使用平均矩阵得出的回归结果与每个具体年份得出的结果一致。

（1）地理空间邻近系数为显著正值，表明相邻地区之间更容易实现要素交换，从而形成空间相关性。具体而言，地理空间邻近性的年系数从0.514增加到0.557，表明随着时间的推移，地理空间邻近性在形成ESV空间相关性方面的作用越来越突出。

（2）温度、降水、湿度和NPP的差异系数呈现显著负值，表明区域间自然资源和水热条件越接近，ESV-SCN越强。这一现象可归因于上述事实，即相似的自然资源和气候条件导致区域间相似的土地利用模式和生态系统服务，促进了生态系统服务要素在区域间的流动。

（3）林地比例的地区差异系数为正且持续显著，表明地区间林地比例差异越大，越有利于建立SCN。这可能是因为林地比例的差异在一定程度上反映了不同地区不同的土地利用方式。这方面的差异越大，与ESV相关的要素在地区间的转移就越快。

（4）在整个研究期间，创新水平差异和城市化水平差异的系数均为负且显著，表明区域间较小的技术创新和城市化水平差异有助于ESV-SCN的建立。这一现象可以归因于前文所述的事实，即相似的技术创新水平代表着相当的人才、技术设施和设备储备，有利于创新水平相似的地区之间顺利进行技术和专业知识的交流。同样，城市化水平结构差异越小，意味着两个区域间要素需求的相似度越高，从而促进要素流通，推动跨区域流动。值得注意的是，从1990年到2020年，这两个变量系数的绝对值和显著性都有所提高，这可能是由于交通和信息网络的改善，加快了技术交流和能源传输。

（5）经济发展水平的区域差异系数呈现显著负值，表明区域间经济发展水平越接近，ESV-SCN的空间关联性越强。这一现象可归因于前述事实，即相似的经济发展水平对应着相似的土地利用模式以及共同的技术和劳动力需求。在市场机制的影响下，驱动力更容易在经济发展阶段相适应的省份之间流动。

本研究证实了相邻和非相邻区域间ESV的空间相关性。从1990年到2020年，ESV-SCN的网络相关性和稳定性逐渐增强，呈现出有利于区域间ESV协调发展与合作的轨迹，从而有利于进一步加强区域间ESV的交流与合作。进一步从宏观层面，构建了基于复杂空间网络视角的盐田区 ESV-SCN，发现了整体网络与局部网络形成机制的差异。ESV-SCN表现出明显的空间聚类模式，从单中心辐射型过渡到多中心配置，并倾向于连接更有利的节点。SCN的演变揭示了明显的分层和聚类趋势，同时复杂性也逐渐增加。在ESV-SCN的整个演变过程中，在区块内部和区块之间都观察到了显著的相关性和流量溢出效应，其特点是网络内明显的俱乐部集群效应。这一现象表明，网络内各区域之间存在协调发展的模式。从新的空间网络视角，揭示了区域ESV的发展现状以及不同区域的作用和地位，为决策者制定差异化战略、促进ESV的整体提升提供了科学指导和合理建议。最后，本研究将自然属性和社会属性纳入QAP模型。降水、温度、净初级生产力（NPP）、林地比例等自然因素与创新水平、人均GDP等社会经济因素共同成为影响ESV-SCN形成和成熟的主导因素。