2000—2020年安宁河流域生态系统服务权衡协同关系及驱动因素分析

Analysis for Synergistic Relationships and Drivers of Ecosystem Service Trade-offs in the Anning River Basin from 2000 to 2020

摘要

安宁河流域是川西南地区重要的生态屏障，明晰该区域生态系统服务间的复杂关系及成因并采取差异化的管理措施是实施可持续发展战略的关键.采用InVEST模型，评估安宁河流域2000—2020年4种主要生态系统服务（碳储量、产水量、生境质量与土壤保持）的时空变化，并运用Pearson相关性分析与双变量空间自相关来探讨生态系统服务时空上权衡协同关系的分异特征，同时结合地理探测器分析其变化的主导因素.结果表明：1） 研究期内，安宁河流域碳储量、生境质量轻微下降，碳储量下降0.06×10⁷ t/hm²、生境质量下降0.02.产水量、土壤保持显著增加，产水量增加10.26×10⁷ m³/hm²，土壤保持增加17.99×10⁷ t/hm²；2） 安宁河流域不同的生态系统服务间均存在显著的权衡协同关系，WY-SDR、WY-HQ和WY-CS为显著的权衡关系且在2000—2020年均表现为“W”的变化趋势，而CS-HQ、CS-SDR和HQ-SDR均呈现显著的协同关系，聚集程度较高，流域整体环境较为稳定；3） 通过对相关影响因素分析发现，该区域生态系统服务变化为多个驱动因子共同作用的结果，其中NDVI、坡度和降水量的协同影响最为显著.本研究可为安宁河流域土地利用及生态管理提供更具针对性的策略支持.

Abstract

As an important ecological barrier in southwest Sichuan， clarifying the complex relationships and causes between ecosystem services in the Anning River basin and implementing differentiated management measures are key to implementing a sustainable development strategy. Using the InVEST model， this study assessed four primary ecosystem services （carbon storage， water production， habitat quality， and soil conservation） in the Anning River Basin from 2000 to 2020. Pearson correlation analysis and bivariate spatial autocorrelation were employed to explore the spatial and temporal trade-off characteristics of ecosystem services， while geographic detector analysis was used to identify the dominant factors driving these changes. The results showed that： 1） During the study period， carbon storage and habitat quality in the Anning River Basin slightly decreased， with carbon storage decreasing by 0.06 × 10⁷ t/hm² and habitat quality decreasing by 0.02. Water production and soil conservation significantly increased， with water production increasing by 10.26 × 10⁷ m³/hm² and soil conservation increasing by 17.99 × 10⁷ t/hm². 2） Significant trade-off synergistic relationships exist among different ecosystem services in the Anning River Basin. WY-SDR， WY-HQ， and WY-CS exhibit significant trade-off relationships and show a “W” trend from 2000 to 2020， while CS-HQ， CS-SDR， and HQ-SDR exhibit significant synergistic relationships with high aggregation levels， indicating overall environmental stability in the basin. 3） Analysis of relevant influencing factors revealed that changes in ecosystem services in this region are the result of multiple driving factors acting together， with the synergistic effects of NDVI， slope， and precipitation being the most significant. This study can provide more targeted strategic support for land use and ecological management in the Anning River Basin.

Graphical abstract

关键词

生态系统服务评估 / 安宁河流域 / 权衡协同关系 / 驱动因素 / InVEST模型

Key words

ecosystem services assessment / Anning River Basin / trade-offs and synergies / drivers / InVEST modle

生态系统与人类生产生活密切相关，它不仅为人类生存发展提供必要的物质基础，还能提供各类生态产品与生态服务^［1］.然而，随着全球经济社会快速发展以及人口的急剧增长使得人类对生态系统的干预和侵占日益增加，自然环境面临巨大压力^［2］.同时，城市化的进程加快导致土地利用模式的显著改变，带来了环境污染、资源枯竭以及不可逆转的生物多样性丧失和其他挑战，加剧了人类活动与自然之间的冲突，成为生态系统服务功能退化的主要影响因素，对区域的生态安全构成了严重威胁^［3］.因此，明晰生态系统服务间的复杂关系及主导因素并采取差异化的管理措施，对于维持区域生态安全及促进未来可持续发展至关重要.

区域土地利用变化是生态系统服务功能退化的主要驱动力之一^［4-6］，土地利用方式的改变直接会影响生态系统的结构与过程，进而削弱生态系统服务的供给能力.因此，在生态系统服务评估中，土地利用的类型、数量结构和空间格局都是重要的考量因素^［7］.通过对土地利用类型的数量变化、程度变化进行分析^［8-9］，可以定量分析土地利用结构变化所引起的区域生态系统服务功能的价值损益^［10-11］.但由于生态系统服务种类的多样性、空间分布的不均衡性以及人类使用的选择性^［12］，使生态系统服务之间的关系表现出此消彼长的权衡和相互增益的协同等形式^［13-14］，这种关系会综合影响区域生态系统服务的整体效能，使得生态系统服务在不同空间、时间尺度下的表现更加复杂多样.当前关于生态系统服务权衡协同的研究方法主要有：统计学分析法^［15］、空间分析法^［16］、情景模拟法^［17］、多目标决策分析^［18］和生态系统服务簇^［19］，这些方法通常不会孤立地去使用，可以通过整合时空数据，并借助空间分析平台以及生态系统服务评估模型来充分发挥各种方法的优势，更全面、深入地揭示生态系统服务权衡与协同的空间分异特征，为生态系统服务的综合研究提供更有力的支撑^［20-22］.虽然关于生态系统服务间关系的研究已取得丰硕成果，但多聚焦于单一服务或短期线性变化，对多种服务间复杂关系在时空上的长期动态变化趋势及驱动机制的系统分析还有待深入研究，尤其在自然与社会经济因子交互作用及其空间异质性方面的探讨较为薄弱.

安宁河流域地处青藏高原向云贵高原过渡的生态敏感带，承担着水土保持、生物多样性保育等关键生态功能，流域自然资源丰富，是川西南地区发展条件最好、人口分布最密集以及产业集中度最高的区域.作为川西南地区重要的生态屏障，其生态系统稳定性直接影响区域生态安全.根据《安宁河流域国土空间规划（2022—2035年）》要求：到2035年，区域生态安全保障能力稳步提升、重要生态系统服务功能进一步增强，安宁河岸线整治取得明显成效，水土流失情况持续改善.这一规划目标与安宁河流域当前生态系统服务面临的诸多问题紧密相关，也凸显了深入分析该区域生态系统服务间相互关系及驱动因素的紧迫性与必要性.基于此，本文融合InVEST模型与多源数据，对安宁河流域2000—2020年4种主要生态系统服务进行综合评估，并系统解析不同生态系统服务间关系的动态变化规律与空间分异特征，同时揭示多因子间的非线性交互效应，为该区域土地利用决策和生态高质量发展提供科学依据.

1 研究区域概况

安宁河流域（E101°51'~E102°48'、N26°38'~

N28°53'）为四川省内第二大平原，涵盖冕宁县、盐源县、会理市等11个县（市、区），是青藏高原向云贵高原过渡的生态敏感带.流域总面积约11 150 km²，地貌以山地、丘陵为主，地势西北高东南低，海拔介于571~5 264 m之间.气候属亚热带季风气候，年均气温13~19 ℃，年降水量800~1 200 mm.主要土地利用类型包括林地、耕地、草地、水域和建设用地，其中林地占研究区总面积80%以上（图1）且植被类型丰富多样，分布着稀疏灌木丛、常绿阔叶林、人工针叶林等，同时拥有森林、草原、湿地等典型生态系统.流域地势开阔平坦、水热条件优越、矿产资源丰富、清洁能源富集，是攀西城市群经济发展的重要增长极.2020年末，GDP约960.51亿元、人口约192.61万人、城镇化率约52.65%.然而，随着气候变化及城市化进程加快使得安宁河流域面临森林质量下降、草原退化、水土流失，以及生物多样性丧失等多种生态问题.

2 数据来源及研究方法

2.1 数据来源

本研究所采用的数据包括数字高程模型（DEM）、土地利用数据、气象数据、土壤数据、社会经济数据和归一化植被指数（NDVI）等，具体可参考表1.由于各类数据的分辨率均存在差别，为方便后续计算，通过ArcGIS重采样工具将上述数据分辨率统一为30 m.

2.2 生态系统服务评估

在考虑流域规划目标、社会经济条件及数据可获得性的基础上，采用InVEST模型^［23］对4种主要生态系统服务（碳储量、产水量、生境质量与土壤保持）的时空变化进行评估.碳储量评估是基于碳固持模块，通过土地利用数据和碳密度数据^［24］计算该区域的碳储量.产水量评估是基于产水模块，采用水量平衡的假设估算方法，以某个栅格单元的降水量减去实际蒸散发量即为产水量^［25］，在参考相关研究的基础上本文Z系数取值为2.1^［26］.生境质量指数反映不同生境对物种持续发展的支持能力，通常介于0~1之间，越接近1说明该区域生境质量越高；反之，受农业开发活动、城市扩张等影响生境质量越差^［27］，在参考前人研究结果的基础上设置威胁源因子以及敏感性因素对生境质量进行评估^［28］.土壤保持评估是基于模型中的土壤保持模块，采用修正的通用土壤流失方程计算该区域的水土保持能力，相关因子计算参考文献［29］的使用手册.表2为各类生态系统服务的具体评估方法.

2.3 权衡协同分析

尽管InVEST模型可评估区域生态系统服务水平的高低，但无法明确各类生态系统服务间的相互关系^［30］.因此，有必要进一步分析各类生态系统服务间的权衡与协同关系.Pearson相关性分析主要用于衡量2个连续变量之间的线性关系，该方法多用于确定两两交互关系的方向和强度，生态系统服务之间的正相关意味着协同，而负相关则意味着权衡^［31］.利用R语言中的“corrplot”数据包来判断不同生态系统服务之间的线性关系^［32］.然而，单一的线性关系只能证明各类生态系统服务间存在一定的联系，无法在空间上表明其聚集特征.因此，本研究通过引入双变量空间自相关的方法，来表明各类生态系统服务在空间上的交互作用及聚集程度.空间自相关是空间依赖性的重要形式^［33］，是用来分析研究区域范围内各空间位置与各自周围邻近位置的同一属性值是否显著地具有关联性，分为全局自相关和局部自相关^［34］.与单变量空间自相关分析相比，双变量空间自相关提供了一种更全面的方法来探索2个不同变量在空间分布上的相互关系与聚集程度.计算公式如下：

I_{\mathrm{a}\mathrm{b}}^i=Z_{\mathrm{a}}^i{\displaystyle \sum _{j=\mathrm{1}}^n}{w}_{ij}{z}_{\mathrm{b}}^j，（1）

式中：I_{\mathrm{a}\mathrm{b}}^i为空间单元i的双变量，即地理属性\mathrm{a}和\mathrm{b}的全局空间自相关系数；w_{ij}为空间单元i、j之间的空间连接矩阵；Z_{\mathrm{a}}^i=\frac{X_{\mathrm{a}}^i-{\overline{X}}_{\mathrm{a}}}{H_{\mathrm{a}}}，z_{\mathrm{b}}^j=\frac{X_{\mathrm{b}}^j-{\overline{X}}_{\mathrm{b}}}{H_{\mathrm{b}}}，X_{\mathrm{a}}^i、X_{\mathrm{b}}^j分别表示空间单元i、j的属性\mathrm{a}和\mathrm{b}的值；{\overline{X}}_{\mathrm{a}}、{\overline{X}}_{\mathrm{b}}分别为属性\mathrm{a}和\mathrm{b}的平均值；H_{\mathrm{a}}、H_{\mathrm{b}}分别表示属性\mathrm{a}和\mathrm{b}的方差.

2.4 驱动因素分析

地理探测器是一种用于量化地理现象空间差异性，并揭示其驱动因素的统计分析方法^［35］.本研究选用地理探测器中的单因子探测和交互探测，分析各驱动因子及因子组合对生态系统服务的解释程度^［36］.参考相关研究^［37］并结合研究区的自然地理特征、生态系统服务的关键影响因素及数据可行性，选取自然因子（DEM、坡度、NDVI、气温、降水量）以及社会经济因子（GDP、人口密度）共7类驱动因子来衡量对生态系统服务的影响，并采用q值作为衡量指标.q值的物理意义在于量化驱动因子对地理现象空间异质性的解释力，范围在0~1之间，值越大，表明该因子对空间异质性的解释力越强、影响越显著；反之，则影响较小^［38］.计算公式如下：

q=\mathrm{1}-\frac{\mathrm{1}}{N{\sigma }^{\mathrm{2}}}{\displaystyle \sum _{i=\mathrm{1}}^n}{N}_i{\sigma }_i^{\mathrm{2}},（2）

式中：q为驱动因子的解释程度，i为自变量或因变量的分层，N_i为i层的单元数量，N为全域的单元数量，{\sigma }_i^{\mathrm{2}}为i层内因变量的方差，{\sigma }^{\mathrm{2}}为全域内因变量的方差.

3 结果与分析

3.1 安宁河流域生态系统服务动态变化分析

安宁河流域的4种主要生态系统服务在空间分布上呈现显著的异质性（图2）.碳储量与生境质量的空间分布及变化较为类似，高值区主要集中在流域内高海拔山区和森林覆盖密集区域以及远离人类活动干扰的高山草甸区域，而城镇中心、农田集中区和河流沿线普遍较低.产水量高值区域集中在流域东部的河谷地区，总体呈现出东部增加、西部减少、中部不变的趋势，分析认为可能是受到降水量季节性波动的影响.土壤保持的空间分布特征与地形坡度和植被覆盖状况紧密相连，坡度较陡、植被覆盖良好的高海拔区域土壤保持能力较强，而缓坡地带和农田区域则面临较为严重的水土流失风险，整体变化情况与产水量类似.

结合表3的数量变化分析可知，2000—2020年间安宁河流域的碳储量整体变化幅度较小，由2000年101.40×10⁷ t/hm²降至2020年101.34×10⁷ t/hm²，减少了0.06×10⁷ t/hm².但在局部区域存在差异，例如冕宁县的碳储量在研究期内略有波动，从2000年的11.96×10⁷ t/hm²升至2020年的12.03×10⁷ t/hm²，变化幅度仅为0.59%，反映出该区域森林资源相对稳定；而盐边县的碳储量则呈现缓慢下降趋势，从9.75×10⁷ t/hm²降至9.73×10⁷ t/hm²，这可能与当地人类活动和建设用地扩张导致植被破坏有关.产水量总体由2000年123.60×10⁸ m³/hm²增至2020年133.86×10⁸ m³/hm²，增加了10.26×10⁸ m³/hm².部分区域有所波动，如盐源县的产水量下降显著，减少了2.82×10⁸ m³/hm²；宁南县的产水量增加显著，增加了1.56×10⁸ m³/hm².生境质量总体呈下降趋势，2000—2020年下降了0.02.由于冕宁县、盐源县、宁南县、喜德县森林植被覆盖度高且人类活动干预较少，这些区域生境质量未发生明显变化；其余地区生境质量均有不同程度的下降，其中仁和区、米易县降幅最大，均下降了0.03.土壤保持总体呈现显著增加趋势，增加了17.99×10⁷ t/hm².其中冕宁县的土壤保持增加最为显著，从26.10×10⁷ t/hm²增至30.13×10⁷ t/hm²；但在南部深丘地带、盐源盆地及河谷地带，不合理的土地利用方式导致土壤侵蚀加剧，土壤保持功能出现退化迹象.

总体而言，安宁河流域的生态系统服务在时空上呈现出复杂的分布格局且具有一定的关联性，为明晰这种空间异质性和动态变化特征，需要进一步探究各类生态系统服务之间的相互关系.

3.2 安宁河流域生态系统服务权衡协同研究

3.2.1 安宁河流域生态系统服务相关性分析

为进一步探究流域内各类生态系统服务间的相互作用关系，本文借助Person相关性分析安宁河流域 2000—2020年4类主要生态系统服务间关系的时间演变特征，由图3可以看出各类生态系统服务间存在显著的相关性.

具体而言，在研究期内WY-SDR、WY-HQ和WY-CS均呈现出显著的权衡关系，其中WY-SDR呈现出强权衡关系，R值多年平均值为-0.13，表明流域产水量的增加会导致土壤保持率的下降，存在潜在的水土流失风险.WY-HQ、WY-CS呈现出弱权衡的关系，R值多年平均值为-0.64、-0.8，说明产水量的增加对生境质量、碳储量的影响相对较小.同时，2000—2020年WY-SDR、WY-HQ和WY-CS的权衡关系变化趋势相同，均为2005年先下降、2010年增加、2015年再下降，至2020年又增加，在时间序列上呈现出“W”的变化趋势.而CS-HQ、CS-SDR和HQ-SDR均呈现出显著的协同关系，其中CS-HQ表现出强协同关系，R值多年平均值为0.77，2000—2010年保持0.77不变，2015年下降至0.76后，至2020年保持0.76不变，这主要得益于流域内大量林地对碳储量、生境质量的贡献.CS-SDR、HQ-SDR呈中度协同关系，R值多年平均值分别为0.31、0.43，时间序列上CS-SDR在2005年先下降、2005—2015年连续增长后保持不变，HQ-SDR则较为稳定未发生变化.分析认为，主要是受地形影响，建设用地的增加使得地表径流作用增强，同时产水量的增加对土壤保持能力的提高起到促进作用，从而对生境质量和碳储量的时空分布表现为协同关系.总体而言，安宁河流域4类主要生态系统服务间存在显著的权衡协同关系，但相关性系数变化波动较小，表明流域内整体环境较为稳定.

3.2.2 安宁河流域生态系统服务聚类分析

2000—2020年安宁河流域生态系统服务的空间集聚性呈现差异性变化（表4）.CS-HQ的莫兰指数稳定于0.175~0.179，表明二者在空间上具有稳定且显著的协同集聚特征，这与林地的空间分布密切相关；林地覆盖区既提供较高碳储量，也维持优质生境，反映了高植被覆盖生态系统的稳定性.HQ-SDR的莫兰指数最高，显示二者空间协同性进一步增强，这表明生境完整性与水土保持功能之间具有良好的连通性.CS-SDR的莫兰指数由2000年0.109降至2020年0.101，空间协同性轻微减弱；可能原因是耕地收缩导致的土壤保持功能局部优化，但陡坡区域侵蚀加剧，抵消了碳储量的空间协同效应.WY-SDR的莫兰指数显著上升，由0.047上升至0.109，增幅134.4%，表明二者协同性提升；降水量主导的产水量增加与流域水土保持工程的耦合，促进产水与土壤保持的空间优化配置.WY-CS与WY-HQ的莫兰指数为负并且持续下降，反映产水量与碳储量、生境质量的空间排斥.

3.3 安宁河流域生态系统服务驱动因素分析

3.3.1 单因子探测

安宁河流域生态系统服务的时空分布及相互关系，受到不同程度的自然因素以及人为因素影响.因此，将4种生态系统服务作为因变量，同时选取具有代表性的自然因子（DEM、坡度、NDVI、气温、降水量）以及社会经济因子（GDP密度、人口密度）作为自变量，基于地理探测器来对安宁河流域2000—2020年生态系统服务的驱动因素进行探测.由表5可知，2000—2020年碳储量变化的主导因素为NDVI，其次是坡度、DEM、气温、人口和降水量，GDP次之.NDVI对碳储量的解释力增加，q值从0.18增加到0.25，高植被覆盖区域的碳储量较高，这与前文研究结果保持一致.产水量的主导因素为降水量，其次是NDVI、气温和DEM，坡度、GDP和人口次之，其中部分因子的解释力有所下降.生境质量变化的主导因素为坡度、NDVI，其次是DEM、人口和气温.降水量对生境质量的解释力较低，q值最小，最小值为0.01.土壤保持的主导因素为坡度，解释度最高，q值最高为0.61，其次为降水量、NDVI，GDP的解释力逐渐下降，q值由0.03降至0.02.

3.3.2 交互探测

由图4可知，2000—2020年安宁河流域生态系统服务的影响因子均有差异.NDVI与其他因子的交互作用是2000—2005年安宁河流域生态系统服务的主要影响因素，其中NDVI与坡度的交互作用最强，q值最高为0.18，表明生态系统服务受植被覆盖状况与地形坡度的共同影响（在高植被覆盖的陡坡区，由于地形起伏较大，土壤保持、产水量等对植被的依赖程度更高，植被的根系和冠层在保持水土、截留降水等方面发挥着重要作用，因此生态系统服务易受影响）.2010年NDVI与坡度、DEM的交互作用较强，q值分别为0.15、0.14.原因在于此时安宁河流域的生态系统服务不仅受植被和坡度的影响，还与整个地形地貌特征密切相关；DEM反映了区域的整体地形状况，与坡度等因素共同作用决定了不同区域的水热条件、土壤类型等，从而影响植被生长和生态系统服务功能的分布与强度.2015—2020年安宁河流域生态系统服务在各因子间的交互作用总体有所下降，但降水量与其他因子的交互作用仍然较强，其中降水量与NDVI、坡度的交互值最高.降水量作为生态系统服务的关键驱动因素之一，其变化会改变植被的生长状况和分布，进而影响生态系统的结构和功能.同时，降水量与坡度的交互作用也会影响地面径流和土壤侵蚀等过程，从而对生态系统服务产生重要影响.

4 结论与讨论

本文运用InVEST模型、Pearson相关性分析和地理探测器等方法系统评估安宁河流域在2000—2020年4种主要生态系统服务（碳储量、产水量、生境质量与土壤保持）的时空变化，并探讨其时间上的权衡协同关系及主导因素.通过明晰安宁河流域的生态系统服务区域特征及相关影响因素，来为该区域的土地利用决策提供信息以及为生态安全保障提供参考.研究结果如下：

1） 安宁河流域碳储量整体变化幅度较小，减少了0.06×10⁷ t/hm²；产水量与土壤保持均表现为显著增长趋势并且区域差异明显，产水量增加了10.26×10⁸ m³/hm²、土壤保持增加了17.99×10⁷ t/hm²；生境质量小幅下降，下降了0.02，流域森林植被高密度覆盖区的生境质量较高.

2） 生态系统服务间的权衡协同关系呈现显著时空异质性.产水量与其他服务呈现动态权衡关系且WY-SDR与WY-HQ的空间聚集度较低，存在潜在的水土保持压力与生境破碎化.而CS-HQ、HQ-SDR等协同关系较强且在空间上呈现稳定集聚特征，得益于森林生态系统多功能的协同效应.

3） 自然因子的解释力显著大于社会经济因子.其中，坡度、降水量、NDVI的非线性交互效应主导服务间关系演变且因子交互解释力显著高于单因子作用，表明安宁河流域生态系统服务变化为多个驱动因子共同作用的结果.

进一步分析发现，森林在维持生态系统服务的稳定性中扮演着重要角色.安宁河流域生态系统服务整体表现良好，表明区域环境保护政策和生态恢复工程的实施效果显著.同时，各生态系统服务间存在着显著的权衡协同关系，碳储量与生境质量、土壤保持之间存在显著的协同关系，这表明碳储量的增加也会带来生境质量与土壤保持功能的增加；然而，产水量与土壤保持、碳储量、生境质量均呈显著负相关，表明产水量较高的区域存在着生境退化与水土流失风险.因此，未来需针对不同区域采取差异化的管理措施.NDVI、降水量、坡度作为关键驱动因子，其对生态系统服务的影响最为显著，凸显了自然因素在区域生态系统服务的重要性，提示在生态系统管理中需优先考虑地形、植被覆盖等自然因素的影响.上述研究结果可为制定针对性的生态保护和恢复措施提供科学依据.基于此，安宁河流域应在未来加强森林保护和恢复，特别是在森林植被高密度覆盖区，可以提高生境质量和碳储量；合理规划土地利用，控制建设用地的无序扩张，减少对生态系统服务的负面影响，增强气候变化适应能力，特别是提高对极端气候事件的应对能力；推动多部门合作，综合考虑生态保护、农业发展与城市建设等多方面的需求，实现区域可持续发展.

本研究虽系统分析了安宁河流域生态系统服务权衡协同关系及驱动因素，但仍存在以下局限.首先，InVEST模型参数的选取过于依赖已有研究，存在一定的主观性；其次，驱动因子选取局限于自然和社会经济维度，未纳入土地管理政策、生态工程等具体干预措施的空间异质性影响，同时未充分考虑时间滞后效应及极端气候事件的扰动，可能弱化了驱动机制的动态响应特征.未来可融合多源数据与先进模型，深入分析生态系统服务的内在变化规律及影响机制，更全面地挖掘驱动因素的复杂作用机制并拓展研究尺度，将微观实地调研与宏观分析相结合，深化对人类活动与生态系统服务相互作用的理解，为区域土地利用及生态管理提供更具针对性的策略支持.

参考文献

[1] Hua Y X， Yan D， Liu X J. Assessing synergies and trade-offs between ecosystem services in highly urbanized area under different scenarios of future land use change［J］. Environmental and Sustainability Indicators，2024，22：100350.

[2] 董威威，蒋贵国，梁小雅，等.基于改进引力模型的成渝地区双城经济圈城市经济联系网络演变研究［J］.四川师范大学学报（自然科学版），2025，48（1）：82-93.

[3] 宗浩，陈文祥，黄翔，等. 成都市生态系统服务功能价值探讨［J］. 四川师范大学学报（自然科学版），2007， 30（5）：636-641.

[4] Kertész á， Nagy L A， Balázs B. Effect of land use change on ecosystem services in Lake Balaton Catchment［J］. Land Use Policy，2019，80：430-438.

[5] Kusi K K， Khattabi A， Mhammdi N， et al. Prospective evaluation of the impact of land use change on ecosystem services in the Ourika watershed， Morocco［J］. Land Use Policy，2020，97：104796.

[6] Basu T， Das A. Urbanization induced changes in land use dynamics and its nexus to ecosystem service values： a spatiotemporal investigation to promote sustainable urban growth［J］. Land Use Policy，2024，144：107239.

[7] 庞萬隆，冀鹏浩，庞立东，等. 内蒙古大兴安岭土地利用格局和生态系统服务功能的时空演变特征［J］. 水土保持通报，2024，44（4）：340-351.

[8] 翟家祺，罗永忠，罗昕，等. 土地利用变化背景下山东省生态系统服务及权衡与协同关系［J］. 环境科学，2025，46（9）：519-530.

[9] 司嵬，樊丹，王冲. 成渝地区双城经济圈旅游共生水平测度及协同发展研究［J］. 四川师范大学学报（自然科学版），2025，48（1）：94-104.

[10] 游桂璇，王沛然，曹嘉铄，等. 资源型城市土地利用和生态系统服务功能的时空变化与耦合效应分析［J］. 西南林业大学学报（自然科学），2025，45（1）：117-127.

[11] Mathewos Y， Abate B， Dadi M， et al. The nexus between spatiotemporal land use/land cover dynamics and ecosystem service values in the wabe river catchment， Omo Gibe River Basin， Ethiopia［J］. Environmental Challenges，2024，17：101053.

[12] 傅伯杰，于丹丹. 生态系统服务权衡与集成方法［J］. 资源科学，2016，38（1）：1-9.

[13] 李双成，张才玉，刘金龙，等. 生态系统服务权衡与协同研究进展及地理学研究议题［J］. 地理研究，2013，32（8）：1379-1390.

[14] 戴尔阜，王晓莉，朱建佳，等. 生态系统服务权衡/协同研究进展与趋势展望［J］. 地球科学进展，2015，30（11）：1250-1259.

[15] Schroder S A， Tóth S F， Deal R L， et al. Multi-objective optimization to evaluate tradeoffs among forest ecosystem services following fire hazard reduction in the Deschutes National Forest， USA［J］. Ecosystem Services，2016，22：328-347.

[16] 杨强强，徐光来，李爱娟，等. 青弋江流域生态系统服务评估与权衡研究［J］. 生态学报，2021，41（23）：9315-9327.

[17] Jin M， Han X L， Li M Y. Trade-offs of multiple urban ecosystem services based on land-use scenarios in the Tumen River cross-border area［J］. Ecological Modelling，2023，482：110368.

[18] Byrd K B， Woo I， Hall L， et al. Birdwatching preferences reveal synergies and tradeoffs among recreation， carbon， and fisheries ecosystem services in Pacific Northwest estuaries， USA［J］. Ecosystem Services，2024，69：101656.

[19] 黄贤凤，勾容，苏维词. 贵州省生态系统服务权衡/协同与簇情景模拟［J］. 中国环境科学，2025，45（2）：966-980.

[20] 冯漪，曹银贵，李胜鹏，等. 生态系统服务权衡与协同研究：发展历程与研究特征［J］. 农业资源与环境学报，2022，39（1）：11-25.

[21] 曹祺文，卫晓梅，吴健生. 生态系统服务权衡与协同研究进展［J］. 生态学杂志，2016，35（11）：3102-3111.

[22] 钱彩云，巩杰，张金茜，等. 甘肃白龙江流域生态系统服务变化及权衡与协同关系［J］. 地理学报，2018，73（5）：868-879.

[23] 冉璇，李渊，郭宇龙，等. 基于InVEST模型的钱江源国家公园生态系统服务评估及权衡协同关系研究［J］. 长江流域资源与环境，2023，32（9）：1932-1948.

[24] 伍丹，朱康文，张晟，等. 基于PLUS模型和InVEST模型的成渝经济区碳储量演化分析［J］. 三峡生态环境监测，2022，7（2）：85-96.

[25] 韩念龙，张亦清，张伟璇. 海南岛土地利用及产水量时空变化模拟［J］. 水资源保护，2022，38（2）：119-127.

[26] 刘娇，郎学东，苏建荣，等. 基于InVEST模型的金沙江流域干热河谷区水源涵养功能评估［J］. 生态学报，2021，41（20）：8099-8111.

[27] 赵荟. 基于InVEST模型的洱海流域生境质量时空演变研究［J］. 西南林业大学学报（自然科学版），2025，45（3）：121-130.

[28] Yang F， Yang L Y， Fang Q Y， et al. Impact of landscape pattern on habitat quality in the Yangtze River Economic Belt from 2000 to 2030［J］. Ecological Indicators，2024，166：112480.

[29] 盛艳，秦富仓，刘林甫，等. 基于InVEST模型的黄河流域砒砂岩区土壤保持功能演化及驱动机制［J］. 西北林学院学报，2024，39（3）：144-152.

[30] 彭立，邓伟，黄佩，等. 四川盆地多重生态系统服务景观指数评价与服务簇识别［J］. 生态学报，2021，41（23）：9328-9340.

[31] 闫语，秦耀伟，东嘉琪，等. 京津冀地区生态系统服务权衡与协同关系及驱动因素分析［J］. 环境科学学报，2025，45（3）：493-506.

[32] 孟斌，王劲峰，张文忠，等. 基于空间分析方法的中国区域差异研究［J］. 地理科学，2005，25（4）：393-400.

[33] 刘竞妍，张可，王桂华. 综合评价中数据标准化方法比较研究［J］. 数字技术与应用，2018，36（6）：84-85.

[34] 张经度，梅志雄，吕佳慧，等. 纳入空间自相关的FLUS模型在土地利用变化多情景模拟中的应用［J］. 地球信息科学学报，2020，22（3）：531-542.

[35] 王劲峰，徐成东. 地理探测器：原理与展望［J］. 地理学报，2017，72（1）：116-134.

[36] 黄学煜，修丽娜，陆志翔. 陇东黄土高原生态系统服务权衡效应及其驱动因素［J］. 干旱区地理，2025，48（3）：480-493.

[37] 郭婷婷，丁洪伟，张浩，等. 中国西南喀斯特地区生态系统服务权衡/协同研究及展望［J］. 自然资源学报，2024，39（6）：1384-1398.

[38] 王天雯，罗明良，白雷超. 嘉陵江流域生态系统服务动态变化及权衡协同分析［J］. 生态环境学报，2025，34（6）：888-901.

基金资助

四川省科技厅软科学项目(2022JDR0099)

中央高校基本科研业务费专项资金(2023SYB08)