研究社会生态系统（SES）之间的耦合关系，可以更全面地了解人类活动对生态系统的影响，从而有助于制定更合理的环境保护政策。对这种关系的深入了解可以促进环境的可持续利用和管理。赣州市自然资源丰富，是中国南方丘陵地区最典型的生态区位。本研究构建了一个可持续复合因子框架来分析复合因子对生态系统服务供给（ESS）的影响。该框架强调了水、森林、湖泊、草原和治理等评估指标对ESS的积极作用，这些指标与可持续发展目标（SDG）的目标直接相关，其中包括森林保护、生物多样性维护和水资源管理。结果表明：(1)2005 - 2020年，赣州中西部地区ESS总体指数呈现北低南高的趋势，中西部以外地区呈逐年上升趋势；(2)水、森林、湖泊、草原、治理指标对ESS总量有正向影响，山、沙、社会、行动者等指标对ESS总量有负向影响。(3) 2005 - 2020年，赣州中北部和南部地区的耦合协调关系逐渐加强，大部分地区从功能失调状态转向低耦合状态。到2030年，宁都、于都、会昌、崇义、寻乌等县的ESS总指数预计将下降。预计到2035年，东北和南部部分地区将呈现上升趋势。本研究将密切相关的复合因素整合到可持续的SES框架中，进一步深入研究影响ESS的因素，为实现可持续发展目标提供实践指导，将对SDG的实现做出重大贡献。
在当前全球生态危机的背景下，实现可持续发展目标（SDG）变得越来越紧迫。生态系统管理不仅对维持生物多样性和生态平衡至关重要，而且是促进社会经济可持续发展的基石。Ostrom的社会生态系统（SES）理论框架对资源系统、资源单元、管理系统、用户等关键子系统有深刻的见解，结合“山、水、林、田、湖、草、沙的生命共同体”的概念，形成了复合因子可持续的SES框架。该框架为实现可持续发展目标15（陆地生命）提供了理论支持和实践指导。然而，如何将不同的因素整合到SES框架中进行系统和全面的分析尚不清楚。大多数研究没有全面考虑社会经济体系中各种因素之间的相互作用及其对社会经济体系的累积影响，也没有量化每个因素对社会经济体系的具体贡献。因此，本研究在SES框架的基础上，通过深入研究SES的复杂性，量化复合因素对ESS的影响，构建可持续的复合因素框架。通过这种方法，本文的目标是填补现有的研究空白，为生态系统的可持续管理提供科学依据。同时，城市化对生态系统服务的影响也不容忽视。
本研究采用可持续生态系统框架，以山、水、林、田、湖、草地、沙7个关键生态要素为重点，对生态系统总质量进行评价。它突出了水资源和湖泊生态系统在可持续发展中的重要性和独特性。通过将这些要素作为一个整体来考虑，旨在促进生态系统的健康和平衡，这与可持续发展目标的多个具体目标密切相关，包括水资源管理（可持续发展目标6）、陆地生命（可持续发展目标15）和气候行动（可持续发展目标13）。山脉、水、森林、田野、湖泊、草原和沙区已被确定为促进整个生态系统。这些区域可被视为生态系统的关键要素，是生态系统健康与平衡的基础。本文选择水和湖泊是为了突出它们在生态系统中的重要性和特殊性。水是生态系统的基本要素，是生物生存和繁殖的基础。湖泊作为一种水体，具有独特的特征和功能，有自己的生态系统和生物多样性。通过识别水和湖泊，可以更多地关注和强调水资源的保护和管理，从而促进水资源和湖泊生态系统的保护。SES子系统是生态系统的重要组成部分，为人类提供自然资源和环境服务，是维持地球生命支持系统的重要因素。因此，对这些子系统的研究已成为生态学、环境科学、社会科学等领域的热门课题。在生态系统可持续SES框架下，广泛采用各种研究方法来研究山、水、森林、农田、湖泊、草原和沙子等复合因子的特征和功能。常用的研究方法包括ESS评估、可视化、分类和定量评估。许多研究主要关注单一因素或少数因素的影响，未能对多个生态要素进行综合整合。
本研究引入了灰色预测模型（GM）和人工神经网络（ANN）的组合方法。GM-ANN模型不仅具有数据驱动和自适应学习能力，而且可以管理复杂系统中的多个非线性关系，提供更准确可靠的预测。与传统方法相比，GM-ANN模型可以动态模拟不同复合因子之间的相互作用，提供更全面的ESS评估。
本研究采用了一个新的可持续社会经济体系框架来量化与可持续发展目标相关的指标。以南方丘陵区代表性地区赣州市为例，分析了可持续SES框架内部的耦合动态以及可持续SES框架对ESS模式的驱动效应。利用GM-ANN模型预测了ESS模式的发展轨迹。总体而言，总目标是为可比地区的生态环境保护和可持续发展提供科学决策支持，同时为更广泛的全球生态建设和可持续发展做出贡献。
1.可持续SES框架的构建
可持续SES框架中的每个子系统都包含全面和典型的评价指标。基于该框架（图3），本文从生态系统、社会系统、资源系统、资源单位、管理系统和行为主体六个维度选择指标。生态系统和社会系统作为核心宏观系统相互作用，为资源系统和管理系统提供能量和信息。资源系统为资源单元提供物质输入，而管理系统为参与者的行为制定规则。这些相互作用共同塑造了可持续的SES景观。可持续SES框架中的六维子系统可以完全覆盖SES所包含的要素；因此，将生态系统中土壤侵蚀面积、污水处理率和年产水量作为表征水子系统的典型指标。以森林覆盖率、退耕还林面积和林业产值作为森林子系统的典型指标。利用资源系统中的山区面积、平均地形起伏度和沟壑密度作为表征山地子系统的指标。以农业面积与经济作物的比值和耕地面积作为田间子系统的表征指标。资源单元中包含的河湖面积和河流径流量作为表征湖泊子系统的指标。采用归一化植被指数（NDVI）、植被净初级生产力（NPP）和草地总面积作为表征草地子系统的指标。全氮和全磷含量、土壤平均pH值和沙土面积被用作表征砂子系统的指标。为了更全面地评估可持续SES框架，本文结合了能够表征社会系统、管理系统、行动者系统、生态系统、资源系统和资源单元的典型指标（图3）。
2.ESS的时空分布
在可持续SES框架下分析ESS驱动因素之前，首先考察了赣州市2005 - 2020年不同ESS类型的空间分布（图4）。2005 - 2015年，赣州市产水量呈现北高南低的格局，高值区受降水和蒸发速率变化的影响，先增加后减少，到2020年向西南延伸。粮食产量呈“增-减-增”格局，北方耕地丰饶地区产量较高，南方耕地稀少，产量较低。由于人类活动，中部和北部地区的生境质量较低，南部地区由于森林丰富，生境质量较高。由于集约化农业的影响，土壤保持水平一直较低，而碳储量保持稳定，但扩散幅度较小。标准化ESS总指数显示，中西部和中北部地区由于大规模建设和经济快速发展而处于低值区，南部地区生态条件良好，生物多样性丰富，处于高值区。总体而言，赣州除中西部少数地区外，ESS高值区呈逐年上升趋势。
3.可持续SES框架对整体ESS的驱动因素
空间自相关测试评估了可持续社会经济体系框架内指标对社会经济体系模式的影响。2005 - 2020年，赣州18个区县的ESS的Moran's I指数显著为正。固定效应的空间Durbin模型（Spatial Durbin Model， SDM）效果最佳。水对ESS有显著的正影响（P < 0.01），森林、湖泊、草原和治理对ESS有显著的正影响（P < 0.001）。相比之下，山、沙、社会和行动者指标有负向影响（P < 0.001）。田间指标无显著差异。湖泊对ESS的影响最大，驱动系数值最大（17.498），其次是山地和草原（分别为- 6.349和3.592）（表3）。
考虑到SDM模型的估计系数，本文使用偏微分法将影响分解为直接效应、溢出效应和总效应。森林、草原和管理系统对该区域及周边地区的ESS具有显著的正向影响（表4）。相反，山区、沙区、社会系统和行动者系统对该区域及周边地区的ESS具有显著的负向影响。农田的直接效应显著，但溢出效应和总效应不显著，表明农田在不影响周边地区的情况下显著提高了区域ESS。水体和湖泊系统的直接效应、溢出效应和总效应不显著，对区域和周边生态环境的影响相对较小。
4.可持续SES框架之间的耦合协调时空变化
可持续SES框架之间良好协调的关系对生态系统的可持续性至关重要。本文分析了2005 - 2020年赣州市各区SES框架间耦合协调的演变（图5）。赣州市中北部的宁都和于都从低耦合向高耦合提升，南部的龙南从低耦合向中耦合提升。南康、章贡、瑞金、会昌、安远、寻乌、定南、全南等地区从功能失调状态过渡到低耦合状态。这些趋势表明近年来赣州可持续SES框架之间的耦合发展良好。
5.基于可持续SES框架的总ESS预测
为了预测基于可持续SES框架的总ESS，本文使用了2005年、2010年和2015年的指标，并以7:3的比例将它们分为训练集和验证集。以2020年的指标为测试集。历史SES框架指数为输入变量，预测总ESS指数为输出变量。采用反向传播算法对人工神经网络模型进行预测。模型的r2为0.9865，拟合良好。表5和图6a比较了2020年ESS指数值的预测值和实际值，显示出绝对误差和相对误差的密切一致性，分别为0.001至0.051和0.001 %至4.593%。这证明了人工神经网络模型预测ESS指标的可靠性。
利用GM（1,1）模型，预测了2030年可持续SES框架指数，并将这些值与2005年、2010年、2015年和2020年的历史数据一起输入到训练模型中。输出提供了2030年和2035年预测的ESS总指数值（图6b）。趋势表明，到2030年，宁都、于都、会昌、崇义、寻乌县的ESS总指数将比2020年有所下降。到2035年，赣州整体ESS指数预计将进一步下降。东北的宁都、于都、会昌和南部的寻乌、全南、龙南呈上升趋势，2035年指数高于2030年。
今后可以收集更小尺度的数据，如乡镇和网格尺度的数据，研究可持续社会经济地位框架指标的演变规律，进一步提高研究结果的准确性。同时，在区域尺度分析可持续 SES 框架指标的趋势往往会忽略区域内的空间异质性。因此，研究结果的一致性一般较高，但由于空间平滑化，其准确性和粒度会受到一定影响。此外，未来的研究应将ESS研究与气候因素结合起来，构建气候变量指标体系，以更好地预测ESS的变化。具体来说，可以引入温度、降水和气候异常频率等关键气候变量作为自变量进行分析。这种方法可以更精确地评估气候变化对 ESS 的直接影响，从而制定更有效的生态保护和管理政策。未来的研究必须扩大数据的时间覆盖面，提高空间分辨率，同时纳入气候变量，建立更全面的指标体系。这将提高预测结果的准确性和适用性，为类似地区生态系统的可持续发展提供更科学、更全面的支持。
初审：严 露
审核：徐彩瑶
排版编辑：王永成
文献推荐人：王永成
参考文献：Chang You, Hongjiao Qu, Luo Guo, A framework of composite factors for assessing ecosystem service supply drivers: A sustainable socio-ecological perspective, Ecological Indicators, Volume 169, 2024, 112811, ISSN 1470-160X.
以上内容仅代表个人对文章的理解，详情请点击阅读原文。
推荐阅读
探索基于自然的生态文明解决方案，助力实现“双碳”战略目标，协同推进人与自然和谐共生与全体人民共同富裕的中国式现代化建设，让我们一起加油！
