长江黄河流域生态系统服务时空特征及驱动因素

Spatiotemporal characteristics and driving factors of ecosystem services in Yangtze River and Yellow River Basins

摘要

目的 科学评价长江黄河流域生态系统服务时空特征，揭示其影响因素的空间异质性特征，为生态系统保护政策制定和土地利用政策调控提供科学支撑。 方法 基于2000年、2010年和2020年长江黄河流域土地利用现状遥感监测数据以及其他多源数据，借助InVEST模型和综合得分法刻画了长江黄河流域综合生态系统服务时空演变特征，利用热点分析工具分析了综合生态系统服务的空间聚集性，并基于地理加权回归模型揭示了驱动因素的空间异质性特征。 结果 （1） 研究期间长江流域综合生态系统服务由2000年的0.43持续增加到2020年的0.46，黄河流域综合生态系统服务由2000年的0.30持续增加到2020年的0.33。高值区主要分布在长江中下游的丘陵山区，低值区主要分布在长江上游山区和黄河中游的平原地区。（2） 2000年、2010年和2020年长江黄河流域综合生态系统服务指数显著热点区占10.642%、12.512%和12.412%。主要分布在长江中游地区的湖南、江西以及黄河流域下游地区，冷点地区分布在长江黄河流域上游的青海甘肃地区；（3） 回归结果显示：经济社会因子与生态系统服务具有显著的负相关；自然本底因子中平均海拔升高1%会导致生态系统服务下降0.08%，而降水呈现出正相关；土地利用程度增加1%会导致生态系统服务降低0.065%，合理的土地利用结构才能有效促进生态系统服务的提升。 结论 综合生态系统服务存在显著的空间依赖性，自然环境本底（如气候、地形、土地利用）和社会经济驱动因素呈现出显著的空间异质性。

Abstract

Objective To scientifically evaluate the spatiotemporal characteristics of ecosystem services in the Yangtze River and Yellow River Basins， uncover the spatial heterogeneity of their influencing factors， and provide scientific evidence for ecosystem protection policy formulation and land use policy regulation. Methods This study utilized remote sensing monitoring data of land use status in the Yangtze River and Yellow River Basins from 2000， 2010， and 2020， along with other multi-source data. The InVEST model and integrated scoring method were used to describe the spatiotemporal evolution characteristics of comprehensive ecosystem services in the two river basins. The spatial clustering of comprehensive ecosystem services was analyzed using hotspot analysis tools， and spatial heterogeneity of driving factors was revealed based on the geographically weighted regression （GWR） model. Results （1） During the study period， the comprehensive ecosystem service index showed sustained growth from 0.43 in 2000 to 0.46 in 2020 in the Yangtze River Basin and from 0.30 in 2000 to 0.33 in 2020 in the Yellow River Basin. High-value areas were predominantly distributed in the hilly mountainous area of the middle and lower reaches of the Yangtze River， while low-value areas were concentrated in the mountainous area of the upper reach of the Yangtze River and plains in the middle reaches of the Yellow River. （2） The significant hot spots of comprehensive ecosystem service index in the Yangtze River and Yellow River Basins accounted for 10.642%， 12.512%， and 12.412% in 2000， 2010， and 2020， respectively. These were primarily distributed in Hunan and Jiangxi provinces of the middle Yangtze River regions， as well as the lower reaches of the Yellow River Basin. The cold spots were mainly located in Qinghai and Gansu provinces in the upper reach of both river basins. （3） The regression results showed that socioeconomic factors had a significant negative correlation with ecosystem services. Among natural baseline factors， an increase of 1% in average altitude led to a decrease of 0.08% in ecosystem services， while precipitation showed a positive correlation. An increase of 1% in land use intensity resulted in a decrease of 0.065% in ecosystem services. A rational land use structure could effectively enhance ecosystem services. Conclusion Comprehensive ecosystem services exhibit significant spatial dependence. Natural environmental baseline factors （e.g.， climate， topography， land use） and socioeconomic driving factors demonstrate significant spatial heterogeneity.

Graphical abstract

关键词

生态系统服务 / 时空异质性 / 热点分析 / 驱动因素 / InVEST模型 / 地理加权回归模型 / 长江黄河流域

Key words

ecosystem services / spatiotemporal heterogeneity / hotspot analysis / driving factors / InVEST model / geographically weighted regression model / Yangtze River and Yellow River Basins

长江与黄河流域作为中华文明的摇篮，自古以来就是中国经济社会发展的核心区域，承载着丰富的自然资源与深厚的历史文化底蕴^［1-2］。这两条河流不仅是中国水资源的重要来源，也是维系国家生态安全、支撑经济社会可持续发展的关键命脉。然而，随着城镇化的快速推进，长江黄河流域的生态系统面临着前所未有的压力和挑战，生态环境问题日益凸显，如水土流失、水质污染、生物多样性丧失等，严重制约了区域经济可持续发展和人民生活质量提升^［2-3］。近年来，党中央、国务院高度重视长江黄河流域生态保护与治理工作，先后出台了一系列重大政策文件和规划纲要，如《长江经济带发展规划纲要》《黄河流域生态保护和高质量发展规划纲要》等，明确提出了加强流域生态系统保护、促进绿色发展的战略要求。这些政策文件不仅体现了国家对长江黄河流域生态问题的高度重视，也为开展相关研究提供了重要指引和坚实保障。在此背景下，深入研究长江黄河流域生态系统服务的时空演化特征及影响因素，对于准确把控流域生态系统现状、揭示生态系统服务变化规律、探索生态系统保护与修复有效路径具有重要意义。这不仅有助于提升流域生态系统稳定性和功能，促进区域经济社会与生态环境协调发展，还能为国家制定更加科学、合理的生态保护政策提供有力支持。

生态系统服务是自然生态系统为人类提供的各种惠益，包括供给服务（如食物、水资源）、支持服务（如土壤保持、生物多样性维持）、调节服务（如气候调节、水文调节）和文化服务（如休闲旅游、美学价值）^［4］。生态系统服务的概念经历了从“环境服务”到“自然服务”，再到“生态系统服务”的演变^［5］，生态系统服务概念的提出很好地将自然环境与人类福祉联系起来^［6-8］。1997年由Costanza等在《Nature》杂志上发表的文章中，对全球生态系统服务的价值进行了量化评估，推动了该领域的研究热潮^［9］。生态系统服务的稀缺性和不可替代性成为了当前地理学、生态学等领域学者们研究的热点领域和重点方向。目前，生态系统服务的评估主要依赖于市场理论基础上的两种方法，即直接评估法和间接评估法^{［7，10-11］}。其中直接评估法包括：客观评估法和主观评估法^［12］。客观评估法基于实际或替代物的市场价值，而主观评估则依据条件选择或个人感受进行^［13］。间接评估法则涉及市场理论的应用，通过物质转换法和能值转换法来推算生态系统服务的价值^［14-15］。通过系统集成模型，物质转换法将多源数据转化为中间态或最终要素的质量，从而进行价值评估。能值转换法则将基础数据转换为太阳能值来评估^［16］。本研究采用间接评估法中的物质转换法对长江黄河流域生态系统服务进行核算，具体采用InVEST模型来开展研究，为了衡量长江黄河流域生态系统服务综合供给能力，本研究引入综合生态系统服务指数来测度长江黄河流域生态系统服务综合供给能力时空演化格局^［17］。

Millennium Ecosystem Assessment（2005）研究结果表明，在评估的24项全球生态系统服务中，有15项（超过60%）处于退化或不可持续的状态，并且预计这些生态系统服务在21世纪上半叶会持续下降^［4］。全球人口数量的激增以及经济社会活动的加强对生态系统产生的压力日益加剧^［18］。随着全球生态系统服务的持续降低，如何有效缓解生态系统服务退化逐渐引起了规划者以及决策者的关注，定量评估生态系统服务，探索生态系统服务变化驱动因素成为了当前研究的热点和前沿问题^［19-21］。生态系统服务的研究内容涵盖广泛，主要包括评估方法^［22-23］、时空演变^［24-25］、驱动机制分析^［26-27］、权衡与协同关系^{［24，28］}、供需平衡、服务流以及生态补偿等领域^［28］。在这些研究中，大多数集中于评估生态系统服务及其时空变化，尤其是从空间依赖性角度，通过空间回归模型分析影响因素对生态服务的驱动作用。然而，针对生态系统服务的空间异质性特征的探讨仍较为有限。

影响生态系统服务的因素涉及自然条件、社会经济要素及政策因素的复杂交互作用。自然因素，如气候、地形、土壤和水文条件，是生态系统服务提供的基础，其变化往往具有深远的影响。与此同时，人类活动对生态系统服务的影响也不可忽视，经济发展、人口增长、城市化进程、工业化水平及政策导向等因素对生态系统的变化起着重要作用^［29］。在研究尺度上，虽然已有研究在不同空间尺度上对生态系统服务及其驱动因素进行了分析，但鲜有研究采用综合生态系统服务指数方法结合地理加权回归模型，对长江黄河流域格网尺度的生态系统服务及其空间非平稳性特征进行深入分析。因此，本研究的创新之处在于进一步利用地理加权回归模型分析生态系统服务的空间非平稳性，探索不同区域生态服务变化的空间异质性及其驱动因素。通过综合考虑自然背景和社会经济驱动因子，进一步深入探讨其对生态系统服务空间差异的影响机制。研究的理论价值在于填补了长江黄河流域格网尺度生态系统服务空间异质性研究的不足，为制定更加精确和针对性的生态保护政策提供科学依据。

长江黄河流域，作为中国乃至世界的重要水系之一，其独特的自然环境特征不仅塑造了丰富的生态系统服务，也深刻影响着流域内及周边地区的经济、社会与生态环境。长江黄河流域的生态系统，以其独特的自然环境和丰富的生物多样性，为中国乃至全球的生态安全与经济发展提供了重要支撑。21世纪以来，长江黄河流域经济迅速发展，城镇化、工业化驱动土地利用活动日益加剧，显著扰动生态系统的结构和效用^［1-2］。鉴于此，本研究基于2000年、2010年、2020年长江黄河流域土地利用现状遥感监测数据，借助综合生态系统服务指数方法刻画2000—2020年长江黄河流域综合生态系统服务指数的时空分布格局；借助热点分析工具（Getis-Ord G_i^*）评估长江黄河流域综合生态系统服务指数高低值区域的聚集情况；运用地理加权回归模型对长江黄河流域格网尺度综合生态系统服务指数影响因素以及形成机理进行深入解析，以期为生态系统管理政策和国土空间规划编制给予科学支撑。

1 研究区概况与数据来源

1.1 研究区概况

长江流域总面积约180万km²，占中国国土面积的18.8%，是中国第一大河，也是世界第三长河，仅次于非洲的尼罗河和南美洲的亚马孙河。黄河发源于青海省巴颜喀拉山脉的霍尔果斯河，流经9个省、自治区，最终注入渤海。黄河流域总面积约75.2万km²，是中国第二长河，也是世界著名的长河之一（图1）。长江黄河流域不仅是中国重要的水资源基地和农业生产区，也是国家经济发展的重要支撑区域。两大流域的生态系统服务功能在保障生态平衡、支持经济和环境可持续发展方面发挥着关键作用。同时，长江黄河流域的生态环境保护工作也是全球生态环境保护的重要组成部分，对于应对全球气候变化、保护生物多样性等全球性挑战具有重要影响。长江黄河流域作为中国乃至世界的重要自然地理单元，不仅承载着丰富的自然资源和文化底蕴，还提供了多种生态系统服务，对区域乃至全球的环境保护、经济发展和社会福祉具有不可替代的作用。然而，随着人类活动的加剧，长江黄河流域生态系统面临着水污染、生境破碎化、过度开发等严峻挑战，长江黄河流域的生态环境遭受严重破坏，植被破坏、水土流失、湿地萎缩等问题严重威胁着流域内的生物多样性和生态安全。因此，有必要揭示长江黄河流域生态系统服务的时空演化特征及其影响因素。

1.2 数据来源

本研究所使用的2000年、2010年和2020年长江黄河流域土地利用现状的遥感监测数据，来源于中国科学院资源环境科学数据中心（http：∥www.resdc.cn）。这些数据集主要基于各个时期的Landsat TM/ETM遥感影像进行制作，通过人工目视解译生成，分辨率为1 km。土地利用类型被划分为耕地、建设用地、林地、水域、湿地、草地和未利用地7个一级类型，以及25个二级类型^［15-16］。该数据集精度较高，已在中国的土地资源调查、水文和生态研究中发挥了重要作用，并取得了显著的社会和经济效益。行政边界数据源于中国国家地理信息中心（National Geomatics Center of China， NGCC）（http：∥ngcc.sbsm.gov.cn/）。DEM数据来源于中国科学院计算机网络信息中心地理空间数据云平台（http：∥www.gscloud.cn），分辨率为1 km。植被覆盖数据NDVI、年平均降水、土地利用强度、人口密度、地均GDP等数据同样源于中国科学院资源环境科学数据中心，经过ArcGIS软件重采样后分辨率统一为1 km。此外，土壤数据来源于“黑河计划数据管理中心”（http：∥westdc.westgis.ac.cn）；长江黄河流域各个行政单元粮食产量数据来源于相应行政单元2001年、2011年、2021年统计年鉴。5种类型的生态系统服务实量都在InVEST模型中计算得到。本研究在5 km×5 km格网尺度揭示长江黄河流域生态系统服务的时空特征及其影响因子，打破以行政单元为评价单元的传统，样本量充足，可靠性较高。

2 研究方法

2.1 综合生态系统服务指数测度

为了测度长江黄河流域综合生态系统服务指数，本研究从供给服务、调节服务和支持服务维度选了粮食生产力、产水量、碳储存、土壤保持和生物多样性等5个生态系统服务指标^{［17，22］}，具体计算公式参考相应文献^［17］，计算过程在InVEST模型中完成，可以快速有效地评估5个子服务的实物量，适用于中低尺度。在测度综合生态系统服务指数（Comprehensive Ecosystem Services）之前，本研究先将不同类型生态系统服务进行标准化，以消除量纲的不一致性^［17］。然后借助层次分析方法对标准化后的生态系统服务进行权重赋值，最后采用综合得分法计算长江黄河流域综合生态系统服务指数，计算公式如下：

\mathrm{C}\mathrm{E}\mathrm{S}{\mathrm{I}}_i={{\displaystyle \sum _{j=\mathrm{1}}^n}{w}_j\cdot \mathrm{E}\mathrm{S}}_{ij}^{\mathrm{\text{'}}}（1）

式中：w_j 是生态系统服务的权重；\mathrm{E}{\mathrm{S}}_{ij}^{\mathrm{\text{'}}}是标准化后生态系统服务；n是生态系统服务类型。

在层次分析法中，参考现有研究和流域的现实情况，分别两两对比子服务的重要性，计算出权重。最大特征根5.144，CI值0.036，结果通过一致性检验（表1—2）。

2.2 空间计量模型

2.2.1 空间自相关检验

空间自相关检验是一种用于分析地理数据中空间分布模式的方法，主要目的是确定某一变量在空间上的分布是否存在显著的相关性^［29］。本研究基于全局空间自相关分析判断长江黄河流域综合生态系统服务指数空间分布的聚类模式、离散模式和随机模式。根据长江黄河流域邻域格网及其综合生态系统服务指数的变化，本文采用Global Moran′s I指数分析了研究期间两流域综合生态系统服务的空间依赖性。Moran′s I值计算公式如下：

\mathrm{M}\mathrm{o}\mathrm{r}\mathrm{a}\mathrm{n}\mathrm{\text{'}}\mathrm{s}I=\frac{n}{{\displaystyle \sum _{i=\mathrm{1}}^n}{\displaystyle \sum _{j=\mathrm{1}}^n}{W}_{ij}}\cdot \frac{{\displaystyle \sum _{i=\mathrm{1}}^n}{\displaystyle \sum _{j=\mathrm{1}}^n}{W}_{ij}(x_i-\overline{x})(x_j-\overline{x})}{{\displaystyle \sum _{i=\mathrm{1}}^n}(x_i{-\overline{x})}^{\mathrm{2}}}（2）

式中：x_i， x_j 分别为空间单元属性的观测值；\overline{x}为观测值的均值；w_ij 为空间权重矩阵；n为县域单元数量；Moran′s I值的显著性检验通常用Z得分来衡量，计算公式如下：

Z=\frac{I-E(I)}{\sqrt[]{\mathrm{v}\mathrm{a}\mathrm{r}(I)}}（3）

式中： I为观测的Moran's I值；E（I）为Moran's I的期望值；var（I）为其方差。为了深入分析集聚区的具体位置，本文采用（Getis-Ord G_i^* ）指数测度长江黄河流域综合生态系统服务指数统计显著的热点和冷点空间分布^［15］。其中0.01，0.05，0.1是典型概率，Z得分对应的典型置信区间分别为：90%置信水平下，Z<-1.65或Z>1.65；95%置信水平下，Z<-1.96或Z>1.96；99%置信水平下，Z<-2.58或Z>2.58。Getis-Ord G_i^* 分析在ArcGIS 10.3中空间统计工具中实现。

2.2.2 地理加权回归模型

传统的线性回归模型假设自变量与因变量的关系在空间上保持不变，然而很多情况下，变量之间的关系随位置的变化而变化，即变量之间存在空间非平稳性关系。地理加权回归模型在传统的线性回归模型基础上引入局部平滑的思想，基于局部和可变参数回归，弥补了全局回归模型的缺陷。地理加权回归模型是以局部特征作为权重，探讨具有空间分布特征的两个或多个变量之间数量关系的回归方法。计算公式如下：

y_i={\beta }_{\mathrm{0}}(u_i,v_i)+{\displaystyle \sum _{k=\mathrm{1}}^p}{\beta }_{ik}(u_i,v_i)x_{ik}+{\epsilon }_i（4）

式中：（u_i，v_i ）为第i个单元的经纬度坐标；β_k （u_i， v_i）是第i个单元的第k个回归参数；ε_i 是第i个样点的随机误差。

CESI空间分布格局由自然环境特征与人类活动共同塑造^［21-22］。因此本研究从自然基底和人类经济活动两个维度，经共线性检验，最终筛选出5个探索长江黄河流域生态系统服务的驱动因子（表3）。其中自然本底包括地形因子、气候因子和土地利用强度等3个方面，经济社会发展因子包括人口密度和GDP密度两个方面。地形因子作为自然地理要素的重要组成部分，是区域土地利用结构、生态系统类型空间分布的重要本底^［29-30］。气候因子是影响生态系统结构和功能的最敏感因子^［25］，本研究选择年平均降水来代表气候因子。土地利用变化是地球表面最突出的景观标志特征，土地利用变化通过导致土地性质和功能的变化，进而影响生态过程的结构和功能。土地利用强度可以反映人类活动对土地自然综合体干扰程度，因此本研究选择土地利用强度作为影响生态系统服务的土地利用因子^［25］。人口密度和地均GDP做为人类社会经济活动指标用来反映人类社会经济活动对生态系统服务的干扰强度^［26］。对比人均GDP，地均GDP可以更好地反映人和地之间的相互作用关系。

3 结果与分析

3.1 长江黄河流域生态系统服务时空分布特征

3.1.1 产水服务

2000年、2010年、2020年长江流域产水量分别是331.926 mm，384.448 mm和411.677 mm，以3.740 mm/a的速度呈现出增加的趋势。空间上，发现长江流域的产水量总体呈现由西向东逐渐增加。2000年，产水能力较高的区域分布在四川盆地以及湖南、贵州等地区，2010年产水能力较高的地区主要分布在江西和安徽等地区，2020年产水能力较高的地区分布在四川盆地和长江中下游的大部分地区。区域产水量由实际蒸散发量和年均降水量共同决定，不同年份之间存在空间差异（图2）。2000年、2010年、2020年黄河流域产水量分别是43.817 mm，56.697 mm和72.378 mm，以1.319 mm/a的速度呈现出增加的趋势。黄河流域的产水量呈现出北低南高的分布特征，黄河流域大部分地区产水服务都有所增加。空间总体可以发现，长江流域产水服务显著高于黄河流域。

3.1.2 粮食生产

2000年、2010年、2020年长江流域粮食产量分别是4.726 t/hm²，4.981 t/hm²和5.665 t/hm²，呈现出以0.046 t/hm²每年的趋势增加。空间上，粮食产量格局较为稳定，高值区主要分布在四川盆地、长江中下游平原（图3）。2000年、2010年、2020年黄河流域粮食产量分别是2.358 t/hm²，3.113 t/hm²和4.072 t/hm²，呈现出以0.088 t/hm²每年的趋势增加。在长江黄河中下游地区粮食产量增加较为明显，黄河流域单位面积粮食产量低于长江流域。

3.1.3 生境质量

2000年、2010年、2020年长江流域生境质量分别是0.752，0.751，0.749，呈现出逐年下降的趋势。对比而言，平原地区生境质量低于周边的丘陵山区，长江流域上游的青海地区生境质量相对较弱（图4）。2000年、2010年、2020年黄河流域生境质量分别是0.619，0.620，0.622，呈现出逐年上升的趋势。黄河流域生境质量在空间上同样呈现出山地高于平原地区。黄河流域生境质量总体低于长江流域，但是总体上有所改善。

3.1.4 固碳服务

2000年、2010年、2020年长江流域碳储存分别为21.193 t/hm²，21.181 t/hm²和21.186 t/hm²，年变化-0.004 t/hm²。2000年、2010年、2020年黄河流域碳储存分别为17.225，17.249，17.250 t/hm²，年变化率为-0.002 t/hm²。长江流域的碳储存服务高于黄河流域；空间上固碳服务总体呈现出先降低后增加的趋势，碳储存和生境质量空间分布格局基本一致（图5）。

3.1.5 土壤保持服务

2000年、2010年、2020年长江流域土壤保持服务分别为1.459万t/（hm²·a），1.713万t/（hm²·a）和1.863万t/（hm²·a），年变化968.675 t/m²，呈现出持续增加的趋势。2000年、2010年、2020年黄河流域土壤保持服务分别为1.692万t/（hm²·a），2.065万t/（hm²·a）和2.400万t/（hm²·a），年变化279.439 t/m²，同样呈现持续增加趋势。丘陵山区土壤保持能力显著高于平原地区（图6），黄河流域土壤保持服务强于长江流域。

研究期间长江黄河流域综合生态系统服务指数总体上呈现增加趋势，长江流域综合生态系统服务由2000年的0.43持续增加到2020年的0.46，黄河流域综合生态系统服务由2000年的0.30持续增加到2020年的0.33。局地范围升降明显，流域范围内总体升高幅度不大，生态系统服务的改善与恶化趋于平衡，形成总体稳定的供给格局。这也表明长江大保护战略和黄河流域生态保护和高质量发展对提升流域生态系统供给能力效果显著。2000年、2010年、2020年，长江流域综合生态系统服务指数位于0~0.3的县域占比分别为10.524%，10.724%和10.111%，超过30%的格网单元综合生态系统服务指数处于0.4~0.5；黄河流域综合生态系统服务指数位于0~0.3的单元占比分别为52.294%，41.998%和30.959%，其次分别有37.974%，45.413%和51.240%的单元处于0.3~0.4。

研究期间长江黄河流域综合生态系统服务指数的空间分布格局基本保持稳定（图7）。综合生态系统服务指数的高值区主要分布在丘陵山区，这些区域以自然生境为主，具备较强的生态系统服务供给能力（例如，土壤保持、生境质量、碳储存），这些区域粮食生产功能较低。长江黄河流域上游的青海地区同样是综合生态系统服务指数的低值区，主要原因是自然条件恶劣，生态环境脆弱，生态环境承载力低下。低值区主要分布在四川盆地、江汉平原以及黄河中下游地区等人口集聚区。这些区域高强度的人类活动对自然生态系统产生严重干扰，降低了生态系统服务的供给能力。

3.2 长江黄河流域综合生态系统服务指数影响因素分析

3.2.1 长江黄河流域综合生态系统服务指数冷热点空间演变特征

2000年、2010年、2020年长江黄河流域综合生态系统服务指数Moran′s I统计值分别为0.844，0.846，0.827，而且p值在0.001水平上显著，表明长江黄河流域综合生态系统服务指数在研究期间存在显著的空间自相关。采用ArcGIS 10.3热点分析工具，进行局部空间自相关分析，结果如图8所示。2000年、2010年、2020年间长江流域的热点地区主要分布在湖南、江西和湖北西部，冷点地区主要分布在长江流域上游的青海地区以及四川的部分地区。2000年、2010年、2020年间黄河流域的热点地区主要分布在流域的中下游地区以及流域的南部地区，冷点地区主要分布在几字湾地区以及流域上游的部分地区。研究期间，长江流域99%置信度的热点区占比分别为10.642%，12.512%和12.412%，范围有所扩张；99%置信度的冷点区占比分别为10.936%，10.911%和11.395%，范围有所扩张。黄河流域99%置信度的热点区占比分别为9.854%，9.550%和9.230%，范围有所缩小；99%置信度的冷点区占比分别为6.923%，7.233%和7.266%，范围有所增加。

3.2.2 长江黄河流域综合生态系统服务指数空间计量分析

VIF检验结果显示所选影响因子在2000年、2010年、2020年模型设定中都低于7，说明变量之间不存在多重共线性，模型设定合理。OLS模型结果显示，所选变量在研究年份均能很好地解释综合生态系统服务时空分异特征，2000年、2010年、2020年模型拟合优度分别为66.2%，63.5%和61.4%。具体地，除了2000年GDP密度对综合生态系统服务的影响不显著之外，其他年份所选影响因素均在0.01水平上显著。海拔对综合生态系统服务的影响为负，说明在长江黄河流域随着海拔的增加综合生态系统服务会降低。

年均降水对生态系统服务的影响为正，说明降水的增加会促进生态系统服务的改善。土地利用强度对生态系统服务的显著为负，土地利用活动的加剧会导致严重的生态系统服务退化。人口密度和GDP密度对生态系统服务的影响同样显著为负，社会经济的发展同样会导致生态系统服务的降低。

对比GWR的回归结果可以发现，研究期间GWR模型的拟合优度分别为91.8%，91.7%和89.9%，显著优于OLS模型。OLS模型中AIC值远大于GWR中AICc值，再次证明GWR的拟合效果优于OLS模型（表4—5）。为了进一步揭示长江黄河流域生态系统服务影响因素的空间非平稳性特征，本研究绘制了各要素回归系数的时空分布特征（图9—11）。

和以往研究不同的是，虽然平均海拔对长江黄河流域生态系统服务的影响总体为负，但是局部尺度海拔的增加会促进生态系统服务改善。在长江黄河的下游地区更为明显，而在长江黄河的上游地区虽然海拔比较高，但是气温和降水限制了生态系统服务的供给。年均降水总体上促进了生态系统服务的改善，但是仍然存在大量的区域降水的增加会导致生态系统服务的降低，例如四川的中部、长江中下游地区以及黄河流域的下游。

土地利用强度总体上会导致生态系统服务的降低，与以往研究相同^［25］，这在长江黄河流域大部分地区得到了验证，但是在长江流域的上游地区（四川的西部以及青海的部分地区）和黄河流域中上游地区（黄河几字湾以及上游的青海部分地区）。人口密度总体上导致长江黄河流域生态系统服务的降低，也存在一些地区人口密度的增加会导致生态系统服务的降低，例如在湖南和湖北与重庆和贵州等地的交界处以及流域的上游地区。对比而言，长江黄河流域的上游地区每一单位人口密度的增加会导致更多的生态系统服务损失。GDP密度总体对生态系统服务产生负向影响，一些正向影响区域零星地分布在流域内部，类似于长江黄河流域的上游地区每一单位GDP密度的增加会导致更多的生态系统服务增长。可能是由于在本身生态就很脆弱的地区中，经济水平更高的零星区域代表有人居住，也就是当地原生资源条件较优越，提供的生态系统服务更多。

4 结 论

（1） 长江黄河流域综合生态系统服务指数低值区主要分布在四川盆地、江汉平原以及黄河流域中下游地区等人类活动集聚区以及长江黄河流域上游自然条件较为恶劣的甘肃青海地区。长江黄河流域综合生态系统服务指数存在显著的空间依赖性，热点主要分布在湖南和江西以及黄河流域的中下游地区，冷点地区主要分布在长江黄河流域上游的青海地区、黄河几字湾地区。

（2） 从自然环境本底因素来看，海拔因子和土地利用强度对生态系统服务的影响是负向的，而年均降水的影响是正向的。长江黄河流域综合生态系统服务的时空分布格局由气候、地形和土地利用等因素共同塑造。虽然膨胀的经济发展需求显著扩大了人类对生态系统的扰动范围和强度，但自然环境基础仍然是长江黄河流域生态系统服务指数空间格局的决定性因素。土地利用强度对长江黄河流域综合生态系统服务指数具有显著的负向作用，因此把控土地增量，盘活土地存量，是国土空间规划的重点内容。

（3） 从经济社会发展因子来看，经济社会因子对生态系统服务具有显著的负相关。说明社会经济的发展必然会导致生态系统服务的降低，未来的经济发展中需要充分考虑生态系统的保护，尤其是流域上游生态敏感区，另外生态环境保护投资需要考虑区位因子，不同等区位单元生态系统服务的差异不容忽视。

（4） 长江黄河流域综合生态系统服务指数存在显著的空间依赖性和空间异质性。长江黄河流域综合生态系统服务指数不仅受各单元自身要素的影响，还受到相邻单元或更远要素的影响。因此在未来生态修复规划过程中，可考虑分层次规划和生态获益相关者的协同，避免生态修复与经济发展之间的冲突，实现了经济、社会与生态的良性互动。

参考文献

[1] Chen W X， Yuan Y， Liu Z L， et al. Ecosystem health in the Yangtze and Yellow River Basins in China： regional differences and driving forces［J］. Ecological Indicators， 2024，166：112422.

[2] 陈万旭，梁加乐，卞娇娇，等.黄河流域景观破碎化对土壤保持服务影响研究［J］.地理科学，2022，42（4）：589-601.

[3] Chen W X， Liang J L， Bian J J， et al. Impact of landscape fragmentation on soil conservation services in the Yellow River Basin［J］. Scientia Geographica Sinica， 2022，42（4）：589-601.

[4] Reid W V， Mooney H A， Cropper A， et al. Millennium ecosystem assessment： ecosystems and human well-being［M］. Washington D C： Island Press， 2005.

[5] Ehrlich P R， Ehrlich A H. Extinction： the causes and consequences of the disappearance of species［M］. New York， USA： Randomhouse， 1981.

[6] 赵文武，刘月，冯强，等.人地系统耦合框架下的生态系统服务［J］.地理科学进展，2018，37（1）：139-151.

[7] Zhao W W， Liu Y， Feng Q， et al. Ecosystem services for coupled human and environment systems［J］. Progress in Geography， 2018，37（1）：139-151.

[8] Liu Y X， Fu B J， Wang S， et al. Global assessment of nature′s contributions to people［J］. Science Bulletin， 2023，68（4）：424-435.

[9] 高阳，沈振，张中浩，等.生态系统服务视角下的社会—生态系统耦合模拟研究进展［J］.地理学报，2024，79（1）：134-146.

[10] Gao Y， Shen Z， Zhang Z H， et al. Advance in simulation of social-ecological system coupling under the perspective of ecosystem services［J］. Acta Geographica Sinica， 2024，79（1）：134-146.

[11] 于德永.生态系统服务研究进展［J］.北京师范大学学报：自然科学版，2025，61（1）：108-117.

[12] Yu D Y. Summary and review of the research progress in ecosystem services［J］. Journal of Beijing Normal University： Natural Science， 2025，61（1）：108-117.

[13] Costanza R， d′Arge R， de Groot R， et al. The value of the world′s ecosystem services and natural capital［J］. Nature， 1997，387：253-260.

[14] Athukorala D， Murayama Y， Madduma Bandara C M， et al. Effects of urban land change on ecosystem service values in the Bolgoda Wetland， Sri Lanka ［J］. Sustainable Cities and Society， 2024，101：105050.

[15] Zhou S Y， Li W， Lu Z G， et al. An analysis of multiple ecosystem services in a large-scale urbanized area of northern China based on the food-energy-water integrative framework［J］. Environmental Impact Assessment Review， 2023，98：106913.

[16] 李丽，王心源，骆磊，等.生态系统服务价值评估方法综述［J］.生态学杂志，2018，37（4）：1233-1245.

[17] Li L， Wang X Y， Luo L， et al. A systematic review on the methods of ecosystem services value assessment［J］. Chinese Journal of Ecology， 2018，37（4）：1233-1245.

[18] Ouyang Z Y， Zheng H， Xiao Y， et al. Improvements in ecosystem services from investments in natural capital［J］. Science， 2016，352（6292）：1455-1459.

[19] Zhang C， Su B， Beckmann M， et al. Emergy-based evaluation of ecosystem services： progress and perspectives［J］. Renewable and Sustainable Energy Reviews， 2024，192：114201.

[20] 陈万旭，赵雪莲，钟明星，等.长江中游城市群生态系统健康时空演变特征分析［J］.生态学报，2022，42（1）：138-149.

[21] Chen W X， Zhao X L， Zhong M X， et al. Spatiotemporal evolution patterns of ecosystem health in the Middle Reaches of the Yangtze River Urban Agglomerations［J］. Acta Ecologica Sinica， 2022，42（1）：138-149.

[22] Yang L Y， Xu H， Pan S P， et al. Identifying the impact of global human activities expansion on natural habitats［J］. Journal of Cleaner Production， 2024，434：140247.

[23] Li G D， Fang C L， Li Y J， et al. Global impacts of future urban expansion on terrestrial vertebrate diversity［J］. Nature Communications， 2022，13（1）：1628.

[24] Ren Q， He C Y， Huang Q X， et al. Impacts of urban expansion on natural habitats in global drylands［J］. Nature Sustainability， 2022，5：869-878.

[25] Li X C， Zhou Y Y， Hejazi M， et al. Global urban growth between 1870 and 2100 from integrated high resolution mapped data and urban dynamic modeling［J］. Communications Earth & Environment， 2021，2：201.

[26] Yu C Y， Zhang Z H， Jeppesen E， et al. Assessment of the effectiveness of China′s protected areas in enhancing ecosystem services［J］. Ecosystem Services， 2024，65：101588.

[27] Liu W Y， Chiang C Y， Yap J L， et al. Assessing the ecosystem service values of tea plantations using conventional and organic farming methods： is organic farming always better？［J］. Ecological Indicators， 2024，158：111355.

[28] 杨宜男，李敬，王立，等.长三角地区城市化对典型生态系统服务供需的影响［J］.自然资源学报，2022，37（6）：1555-1571.

[29] Yang Y N， Li J， Wang L， et al. Impact of urbanization on supply and demand of typical ecosystem services in Yangtze River Delta［J］. Journal of Natural Resources， 2022，37（6）：1555-1571.

[30] 陈万旭，曾杰.中国土地利用程度与生态系统服务强度脱钩分析［J］.自然资源学报，2021，36（11）：2853-2864.

[31] Chen W X， Zeng J. Decoupling analysis of land use intensity and ecosystem services intensity in China［J］. Journal of Natural Resources， 2021，36（11）：2853-2864.

[32] 朱青，蔡永立.生态风险与生态系统健康对生态系统服务的影响［J］.地理学报，2024，79（5）：1303-1317.

[33] Zhu Q， Cai Y L. Impact of ecological risk and ecosystem health on ecosystem services［J］. Acta Geographica Sinica， 2024，79（5）：1303-1317.

[34] 邱坚坚，刘毅华，陈澄静，等.生态系统服务与人类福祉耦合的空间格局及其驱动方式：以广州市为例［J］.自然资源学报，2023，38（3）：760-778.

[35] Qiu J J， Liu Y H， Chen C J， et al. Spatial structure and driving pathways of the coupling between ecosystem services and human well-beings： a case study of Guangzhou［J］. Journal of Natural Resources， 2023，38（3）：760-778.

[36] 夏沛，彭建，徐子涵，等.生态系统服务流概念内涵与量化方法［J］.地理学报，2024，79（3）：584-599.

[37] Xia P， Peng J， Xu Z H， et al. Conceptual connotation and quantification methods of ecosystem service flows［J］. Acta Geographica Sinica， 2024，79（3）：584-599.

[38] Chen W X， Chi G Q. Urbanization and ecosystem services： the multi-scale spatial spillover effects and spatial variations［J］. Land Use Policy， 2022，114：105964.

[39] 陈万旭，李江风，曾杰，等.中国土地利用变化生态环境效应的空间分异性与形成机理［J］.地理研究，2019，38（9）：2173-2187.

[40] Chen W X， Li J F， Zeng J， et al. Spatial heterogeneity and formation mechanism of eco-environmental effect of land use change in China［J］. Geographical Research， 2019，38（9）：2173-2187.

[41] Peng Y L， Chen W X， Pan S P， et al. Identifying the driving forces of global ecosystem services balance， 2000—2020［J］. Journal of Cleaner Production， 2023，426：139019.

[42] 金贵，郭柏枢，成金华，等.基于资源效率的国土空间布局及支撑体系框架［J］.地理学报，2022，77（3）：534-546.

[43] Jin G， Guo B S， Cheng J H， et al. Layout optimization and support system of territorial space： an analysis framework based on resource efficiency［J］. Acta Geographica Sinica， 2022，77（3）：534-546.

基金资助

国家自然科学基金项目(42371258)

长江勘测规划设计研究有限责任公司项目(CX2022Z23)