基于SSPs-RCPs耦合情景的汾河流域土地利用变化对生态系统服务影响的多情景模拟

Multi-scenario simulation of impact of land use change on ecosystem services in Fenhe River Basin under SSPs-RCPs coupling scenarios

摘要

目的 揭示气候变化与社会经济共同驱动下，土地利用转型对流域生态系统服务格局及其权衡/协同关系的影响，为优化国土空间格局和提升生态系统服务协同效应提供科学依据。 方法 基于SSPs-RCPs耦合情景的模拟框架，综合运用InVEST模型、一元线性趋势分析方法和地理加权回归模型，对2020—2050年汾河流域的生境质量、产水量和碳储量的时空演化特征及其相互权衡/协同关系进行解析。 结果 （1） 2020—2050年汾河流域土地利用格局显著变化，表现为耕地持续减少、建设用地快速扩张、林地面积稳步上升。在2050年SSP585情景下，建设用地由1 077 km²扩张至6 960 km²，主要通过占用耕地、草地和林地实现，主要集中于太原盆地和临汾盆地。（2） 生态系统服务整体退化，生境质量均值由2020年的0.701下降至2050年SSP585情景下的0.609，碳储量由73.738 t/hm²降至62.412 t/hm²，产水量变化则表现出明显情景差异。（3） 不同情景下生态系统服务的变化趋势差异显著，生境质量整体以退化为主，产水量在SSP126情景下有82.62%的区域呈现显著减少，碳储量变化相对稳定，80%以上区域无明显变化。（4） 生境质量与碳储量始终表现出较强协同性，显著协同区域占比超60%。产水量与碳储量间存在较强权衡性，2020年权衡比例为83.52%，SSP126下降至43.01%，但SSP585上升至51.60%。 结论 汾河流域在未来土地利用转型背景下生态系统服务面临较大的退化趋势，生境质量与碳储量协同性稳定但产水量与碳储量权衡关系突出，应在国土空间规划中强化建设用地扩张管控与关键生态功能区保护，协同推进生态安全维护与区域可持续发展。

Abstract

Objective This study aims to reveal the impact of land use transition on the spatial patterns of ecosystem services and their trade-offs and synergies under the combined drivers of climate change and socioeconomic development， thereby providing a scientific basis for optimizing territorial spatial patterns and enhancing ecosystem service synergies. Methods Based on the simulation framework of SSPs-RCPs coupling scenarios， this study comprehensively applied the InVEST model， univariate linear trend analysis， and geographically weighted regression model to analyze the spatiotemporal evolution of habitat quality， water yield， and carbon storage， as well as their trade-offs and synergies in the Fenhe River Basin from 2020 to 2050. Results （1） From 2020 to 2050， land use patterns in the Fenhe River Basin showed significant variations， characterized by a continuous decline in cropland， rapid expansion of construction land， and a steady increase in forest land. Under the SSP585 scenario in 2050， construction land expanded from 1 077 km² to 6 960 km²， mainly through the occupation of cropland， grassland， and forest land， with expansion primarily concentrated in the Taiyuan and Linfen basins. （2） Overall， ecosystem services showed a declining trend. The mean habitat quality decreased from 0.701 in 2020 to 0.609 under the SSP585 scenario in 2050， and carbon storage declined from 73.738 t/hm² to 62.412 t/hm²， while changes in water yield exhibited significant scenario-dependent differences. （3） The variation trends of ecosystem services differed significantly under different scenarios. Habitat quality was predominantly characterized by degradation. Under the SSP126 scenario， 82.62% of the area showed a significant decline in water yield， while changes in carbon storage remained relatively stable， with over 80% of the area showing no marked change. （4） Habitat quality and carbon storage consistently exhibited strong synergies， with significantly synergistic areas accounting for more than 60%. In contrast， a strong trade-off was observed between water yield and carbon storage， with trade-off areas accounting for 83.52% in 2020， decreasing to 43.01% under the SSP126 scenario， but increasing to 51.60% under the SSP585 scenario. Conclusion Under the background of future land use transition， ecosystem services in the Fenhe River Basin are expected to face a pronounced degradation trend. The synergy between habitat quality and carbon storage remains stable， whereas the trade-off between water yield and carbon storage is prominent. Therefore， it is necessary to strengthen the control of construction land expansion and enhance the protection of key ecological function zones in territorial spatial planning， thereby jointly promoting ecological security and regional sustainable development.

Graphical abstract

关键词

土地利用变化 / 生态系统服务 / 地理加权回归 / 多情景模拟 / 汾河流域

Key words

land use change / ecosystem services / geographically weighted regression / multi-scenario simulation / Fenhe River Basin

在全球气候变化日趋严峻以及人类活动强度持续增强的背景下，土地利用变化所引发的生态系统退化与服务功能削弱等问题日益突出^［1］。联合国政府间生物多样性与生态系统服务平台发布的评估报告指出，全球超过75%的陆地生态系统受到不同程度的人类干扰，生态系统稳定性与服务能力面临着严重威胁^［2］。尤其是随着建设用地大规模扩张，耕地和生态空间被持续侵占，导致生境破碎、水源涵养能力下降、碳汇功能减弱等一系列生态问题^［3］。这种以牺牲生态系统服务为代价的土地利用模式，已成为制约区域可持续发展的重要障碍^［4］。因此，厘清未来土地利用变化对生态系统服务的潜在影响路径，特别是在多种社会经济发展情景下的变化趋势，对于支撑区域高质量发展与生态环境治理具有重要意义。

生态系统服务作为自然生态系统支持人类福祉的核心功能，涵盖生境维持、水源涵养、碳储量等多个方面^［5］。当前，相关研究已建立起较为完善的理论框架与定量评估方法，尤其是在城市群等典型区域开展了广泛应用^［6］。其中，InVEST模型因其生态过程逻辑清晰、数据适应性强和结果空间表达能力强，成为生态系统服务评估的主流工具。同时，生态系统服务之间权衡与协同关系的识别也成为研究热点。已有研究多采用空间自相关分析方法，以莫兰指数来表征不同服务之间的权衡与协同关系^［7］；也有学者通过随机点采样结合相关性分析方法对其进行探讨^［8］。然而，这些方法在分析和量化生态系统服务权衡与协同的空间异质性特征方面仍存在不足。作为一种局部回归模型，地理加权回归能够考虑各空间位置的回归参数差异。近年来，一些学者已尝试将其引入生态系统服务权衡与协同分析，包括耦合退耕还林还草工程，揭示其对干旱区生态系统服务影响程度的空间差异^［9］；或构建人类活动强度指数，以识别人类活动对生态系统服务的空间交互作用^［10］。

此外，随着土地利用变化模拟工具的不断发展，CA-Markov^［11］、FLUS^［12］等模型广泛用于不同情景下土地利用的未来预测。然而，现有研究多采用“历史趋势延续”“耕地保护优先”或“生态保护优先”等情景设定，此类方法往往未能充分反映未来气候、社会与生态系统之间的复杂交互关系^［13］。为更准确地捕捉未来不确定性背景下的土地格局演化趋势，IPCC第六次评估报告提出了共享社会经济路径（Shared Socioeconomic Pathways， SSPs）与典型浓度路径（Representative Concentration Pathways， RCPs）耦合的多情景分析框架，能够系统模拟不同政策、技术发展与人口经济条件下的土地利用变化^［14-15］。例如，通过耦合FLUS-InVEST模型，对滹沱河流域2030—2070年在典型SSPs-RCPs情景下的土地利用格局及生境质量演变进行了模拟分析^［15］。事实证明，SSPs-RCPs框架不仅为生态系统服务的多情景模拟提供了坚实的理论与方法支撑，也有助于识别气候变化与人类活动的相对驱动效应，从而提升生态系统服务管理的前瞻性与适应能力。

黄河流域是我国生态安全格局中的关键区域，其生态系统服务变化直接关系到西部与中部地区协调发展^［16］。2021年发布的《黄河流域生态保护和高质量发展规划纲要》明确指出，要加强流域土地资源的统筹利用和生态系统服务能力提升，严控建设用地无序扩张，推进生态保护与修复^［17］。在此背景下，汾河流域作为黄河流域中游的重要支流，不仅是山西省经济社会发展的核心区域，也是华北地区重要的生态屏障。然而，近年来在城镇化与工业化快速推进下，汾河流域土地利用格局发生显著变化，导致生态系统退化的风险加剧^［18］。基于此，本研究以汾河流域为研究区域，结合区域特征选取生境质量、产水量和碳储量3类典型生态系统服务，构建基于SSPs-RCPs耦合情景的生态系统服务分析框架。引入一元线性趋势方法的趋势量化能力，分析趋势的方向和强度；在权衡/协同关系分析中选用地理加权回归模型，将空间异质性引入研究中，以更加全面揭示生态系统服务在空间上的复杂关系。研究成果可为汾河流域未来土地利用规划与生态服务协同优化提供科学支撑。

1 材料与方法

1.1 研究区概况

汾河流域位于中国华北地区，是黄河第二大支流，在黄河流域中发挥着重要的生态屏障作用（图1）。流域范围主要分布于山西省境内，地理坐标介于北纬35°20′—39°00′、东经110°30′—113°32′。汾河干流发源于山西省宁武县管涔山，自北向南穿过忻州、太原、晋中、吕梁、临汾、运城等地，最终于万荣县汇入黄河，全长约716 km，流域面积约3.94万km²，约占山西省总面积的25.14%。该区域地势总体呈北高南低格局，海拔362~2 791 m，地貌类型复杂多样，涵盖山地、丘陵、盆地和平原。流域属温带大陆性季风气候，四季分明，年均降水量400~600 mm。

汾河流域是山西省政治、经济、文化的中心区域，常住人口约2 100万人，贡献全省65%以上的经济总量，形成以太原都市圈为核心的发达区域。近年来，在生态文明建设的推动下，流域生态环境治理不断加强，植被覆盖度由2000年的55%提升至2020年的72%^［19］，为生态系统功能的恢复与提升奠定了良好的政策与实践基础。然而，流域生态环境仍面临一定压力，气候因素对区域生态脆弱性的影响呈逐步增强态势^［20］。由此可见，如何在保持经济快速发展的同时兼顾生态环境保护，协调二者关系已成为未来流域生态系统管理的核心议题^［18］。

1.2 数据来源与处理

本文的基础数据涵盖SSPs-RCPs的土地利用数据、气象数据和DEM数据。SSPs-RCPs的土地利用数据来自于Zhang等^［13］的研究，这套数据基于ESA-CCI历史土地利用数据，使用GCAM模型估算未来土地利用面积需求，该数据集以未来气候变化与人类活动数据作为驱动，考虑土地利用的斑块聚集性以及空间分层异质性，达到Kappa=0.94，OA=0.97的模拟精度，其中SSP126表示可持续发展和低排放情景、SSP245表示折中发展和中等排放情景、SSP585表示高速发展和高排放情景^［13］；气象数据包括降水量、蒸散量，均来源于国家青藏高原科学数据中心（data.tpdc.ac.cn）；DEM数据来源于地理空间数据云（www.gscloud.cn）。为确保数据的空间一致性，所有数据均通过ArcGIS软件进行配准处理，并统一采用GCS_WGS_1 984地理坐标系和UTM投影，分辨率为1 km。

1.3 生态系统服务评估

结合汾河流域的自然地理格局与突出生态问题，本研究选取生境质量、产水量和碳储存3类生态系统服务作为研究对象。生境质量反映了城市扩张对自然栖息地的挤压与破碎化过程，是衡量区域生态完整性的核心指标；汾河流域作为典型半干旱区，人均水资源量远低于全国平均水平，产水量能够揭示区域水源涵养能力及供需矛盾；此外，作为黄河流域的重要生态屏障，其碳汇能力因耕地减少与城镇扩张而持续下降，因此碳储存可作为衡量生态系统变化的关键指标。

1.3.1 生境质量（HQ）

利用InVEST模型中的生境质量模块进行评估。根据不同土地利用方式对威胁因子的敏感性和外部因子的威胁强度，综合考虑威胁因子的作用距离和空间权重等因素，对不同土地利用单元下的生境状况进行评估，其计算方法如下所示：

Q_{ij}=H_j〔\mathrm{1}-\left(\frac{D_{ij}^{\alpha }}{D_{ij}^{\alpha }+K^{\mathrm{2}}}\right)〕（1）

式中：Q_{ij}表示第j类土地类型的第i个栅格的生境质量指数；H_j表示第j类土地类型的生境适宜性；D_{ij}表示第j类土地类型的第i个栅格所受到的总胁迫水平；K表示半饱和系数，默认值为0.5；\alpha表示归一化常量，通常取2.5。

1.3.2 产水量（WY）

采用InVEST模型中的产水量模块进行评估。基于Budyko曲线的水热耦合平衡假设，每个栅格单元年产水量等于年降雨总量与年蒸散总量的差值，其计算方法如下所示：

\mathrm{W}{\mathrm{Y}}_i=\left(\mathrm{1}-\frac{\mathrm{A}\mathrm{E}{\mathrm{T}}_i}{P_i}\right)\times P_i（2）

\frac{\mathrm{A}\mathrm{E}{\mathrm{T}}_i}{P_i}=\frac{\mathrm{1}+\omega R}{\mathrm{1}+\omega R+\mathrm{1}/R}（3）

\omega =Z\times \frac{\mathrm{A}\mathrm{W}{\mathrm{C}}_i}{P_i}（4）

R=K_i\times \frac{\mathrm{E}{\mathrm{T}}_i}{P_i}（5）

式中：\mathrm{W}{\mathrm{Y}}_i表示产水服务年供给量（mm）；\mathrm{A}\mathrm{E}{\mathrm{T}}_i表示为第i个栅格的实际蒸散量（mm）；P_i表示第i个栅格的年降水量（mm）；\omega表示流域特征的非物理参数；R表示干燥度指数；Z表示季节常数；\mathrm{A}\mathrm{W}{\mathrm{C}}_i表示第i个栅格的土壤有效含水量（mm）；K_i表示第i个栅格的植被蒸散系数；\mathrm{E}{\mathrm{T}}_i表示第i个栅格的潜在蒸发量（mm）。

1.3.3 碳储量（CS）

采用InVEST模型中的碳储量模块进行评估。陆地生态系统的碳密度包括地上、地下、土壤和死亡有机质四大碳库，汾河流域不同土地类型的碳密度数据参考相关研究^［21］，其计算方法如下：

C_i=C_{\mathrm{1}}+C_{\mathrm{2}}+C_{\mathrm{3}}+C_{\mathrm{4}}（6）

C_{\mathrm{t}\mathrm{o}\mathrm{t}\mathrm{a}\mathrm{l}}={\displaystyle \sum _{i=\mathrm{1}}^n}{C}_i\times S_i（7）

式中：C_i表示第i类土地类型的碳总密度；C_{\mathrm{1}}、C_{\mathrm{2}}、C_{\mathrm{3}}、C_{\mathrm{4}}\mathrm{、}C_{\mathrm{t}\mathrm{o}\mathrm{t}\mathrm{a}\mathrm{l}}分别表示陆地表层存活植被碳密度、地下植被活根的碳密度、土壤碳密度、死亡植被及枯枝落叶的有机碳密度和总碳储量；S_i表示第i类土地类型的面积。

1.4 一元线性趋势分析

线性趋势分析是一种常用于探究变量随时间变化规律的方法，能够定量揭示其变化趋势及强度^［22］。该方法广泛应用于NDVI等生态环境指标的时序变化研究^［23］。通过对时间序列数据进行线性回归建模，趋势分析可有效识别变量的增长或衰减趋势，其计算方法如下所示：

\mathrm{S}\mathrm{l}\mathrm{o}\mathrm{p}\mathrm{e}=\frac{n{\displaystyle \sum _{i=\mathrm{1}}^n}\left(i\times \mathrm{E}{\mathrm{S}}_i\right)-{\displaystyle \sum _{i=\mathrm{1}}^n}i\times {\displaystyle \sum _{i=\mathrm{1}}^n}\mathrm{E}{\mathrm{S}}_i}{n{{\displaystyle \sum _{i=\mathrm{1}}^n}{i}^{\mathrm{2}}-\left({\displaystyle \sum _{i=\mathrm{1}}^n}i\right)}^{\mathrm{2}}}（8）

式中：\mathrm{S}\mathrm{l}\mathrm{o}\mathrm{p}\mathrm{e}表示像元回归方程的斜率，其正负代表生态系统服务在研究期内的变化趋势，当\mathrm{S}\mathrm{l}\mathrm{o}\mathrm{p}\mathrm{e}>\mathrm{0}时，表示生态系统服务为改善趋势，当\mathrm{S}\mathrm{l}\mathrm{o}\mathrm{p}\mathrm{e}=\mathrm{0}时，表示生态系统服务无变化，当时，表示生态系统服务为退化趋势；n表示研究期的时间序列长度；i表示第i年；\mathrm{E}{\mathrm{S}}_i表示第i年的生态系统服务值。

1.5 地理加权回归

为揭示生态系统服务之间权衡/协同关系的空间异质性特征，本文引入地理加权回归（GWR）模型进行分析^［24］。首先对选取的3类生态系统服务指标进行归一化处理，以确保其可比性。随后，将标准化后的数值作为回归模型中的自变量与因变量，通过R语言平台中的“GWmodel”包，在像元尺度上构建GWR模型，其计算方法如下：

y_i={\beta }_{\mathrm{0}}\left({\mu }_i,v_i\right)+{\displaystyle \sum _{k=\mathrm{1}}^p}{\beta }_k\left({\mu }_i,v_i\right)x_{jk}+{\epsilon }_i（9）

式中：y_i表示因变量；\left({\mu }_i,v_i\right)表示点i的空间位置；{\beta }_{\mathrm{0}}\left({\mu }_i,v_i\right)表示点i处的截距；p表示自变量的数量；{\beta }_k\left({\mu }_i,v_i\right)表示回归系数；x_{jk}表示自变量；{\epsilon }_i表示随机误差。

2 结果与分析

2.1 土地利用空间分布及变化结果

汾河流域的土地利用分布呈现显著的空间差异性，耕地主要集中于太原盆地和临汾盆地，林地和草地则分布在盆地两侧的山地丘陵区，而建设用地则围绕城市中心呈集聚分布（图2）。2020年汾河流域耕地面积为15 867 km²，是主要的土地利用类型，其次为草地（12 576 km²）和林地（9 849 km²），建设用地仅为1 077 km²，占比较小（表1）。进入2030年，3种情景下耕地面积均有所减少，尤其在SSP585情景下降至14 621 km²，建设用地则大幅增加，最大增至3 825 km²。到2050年，这一趋势更为明显，耕地在3种情景下继续减少，其中SSP585下降至12 149 km²。与此同时，建设用地持续扩张，在SSP585情景下达到6 960 km²，几乎为2020年的6.5倍，其中太原盆地和临汾盆地扩张最为明显，这主要受快速城市化和人口集聚的驱动，反映出城市化进程加快所带来的用地扩张驱动力。林地在SSP126情景下增加至11 411 km²，表明低碳发展路径更有利于生态用地增加和生态系统结构修复，反映了生态保护政策导向下的土地利用方式对缓解土地利用冲突有积极作用。总体来看，汾河流域未来土地利用变化呈现出“耕地持续减少、建设用地迅速扩张、林地稳步提升”的总体特征，经济增长和城市化是主导力量，而政策干预和生态修复措施则在一定程度上缓解了生态系统退化的风险。

结合汾河流域在3种情景下土地利用的转变情况来看，大部分地类之间存在相互转化的趋势。其中，建设用地扩张最为显著，主要通过占用耕地、草地和林地实现，特别是在太原盆地和临汾盆地呈现出“向建设用地集中转化”的趋势（图3）。在SSP126情景下，转为建设用地的面积为3 572 km²，而在SSP245和SSP585情景下分别上升至4 327 km²，6 012 km²（表2）。特别是在SSP585情景下，耕地转为建设用地达3 783 km²，是SSP126的近1.8倍；草地和林地转为建设用地面积也分别上升至1 756 km²，473 km²，说明在高排放路径下，快速工业化和城市化显著增强了对生态与农业用地的挤压效应。此外，生态用地内部也存在较大调整，特别是在丘陵山地区的大量草地转为林地，在SSP126中达1 183 km²，远高于SSP585的600 km²，表明生态保护导向情景更有利于生态系统用地结构的恢复与拓展。耕地新增面积较为有限，各情景均在200 km²左右，主要来源于草地和建设用地的退化或调整，这显示耕地虽有一定补充，但其新增来源多为边际性或质量较低的土地，难以抵消城市化扩张带来的耕地净损失。总体来看，建设用地扩张驱动明显，生态用地间存在空间置换关系，耕地则在开发压力下受到压缩。

2.2 生态系统服务空间分布及变化结果

汾河流域生境质量的计算结果如图4所示，2020—2050年汾河流域生境质量整体呈下降趋势，不同发展情景之间差异明显。2020年生境质量均值为0.701，在西北部的吕梁山和中部的太岳山等山地丘陵区生境质量普遍较高，大部分地区的生境质量在0.6以上，而太原盆地、临汾盆地等平原区较低，太原市区及沿汾河干流的低值区最为集中。进入2030年，汾河流域生境质量均值下降至0.673（SSP126），0.659（SSP245）和0.649（SSP585），低值区面积明显扩大，尤其是在太原市区及周边地区，低值斑块向南北方向延伸并逐渐连片，中部平原区生境质量劣化趋势明显。到2050年，这一趋势进一步加剧，SSP585情景下降幅度最大，生境质量均值仅为0.609，低值区在太原盆地、临汾盆地等平原区大范围分布并呈现连片化特征。SSP245次之，其生境质量均值为0.638，而SSP126下降幅度最小（0.659），低值区扩展相对有限。生境质量下降主要受建设用地快速扩张驱动，尤其在SSP585情景下，大量耕地、草地和林地被转为建设用地，导致核心生境破碎化加剧，生态用地退化明显。而在SSP126情景中，政策约束与生态修复措施强化，草地大规模转为林地，不仅提升了植被覆盖度，也增强了山地生态系统的稳定性和恢复力，从而有效减缓了生境质量下降。总体来看，流域未来生境质量演变呈现“平原区快速劣化、山地丘陵区相对稳定”的空间特征。

汾河流域产水量的计算结果如图5所示，2020—2050年汾河流域产水量呈现明显的时序波动和空间差异。2020年流域平均产水量为147.733 mm，高值区主要分布在西北部吕梁山和中部太岳山等山地丘陵区，多在150 mm以上，低值区则集中于太原盆地、临汾盆地等平原区及主要城市周边地区，部分区域不足50 mm。到2030年，SSP126和SSP245情景下产水量显著下降，分别为73.783 mm和68.665 mm，空间上大部分地区产水量降至100 mm以下，尤其太原盆地和临汾盆地低值区分布的连续性增强。SSP585情景下产水量显著上升至190.266 mm，高值区在沿汾河流域的东南部区域明显扩大，局地超过200 mm。到2050年，SSP126情景下降至51.813 mm，大部分区域产水量不足100 mm，低值区几乎覆盖整个流域。SSP245情景的产水量恢复至131.392 mm，西北部山区和太岳山部分区域形成多个高值斑块。SSP585情景依然保持最高水平，为140.871 mm，超过150 mm的区域在南部地带连片分布，不过在太原市区及周边地区的低值分布较为明显。从机制上看，汾河流域产水量变化主要受气候因子与土地利用结构双重影响。在SSP126和SSP245情景下，由于气候趋向干旱化、植被覆盖度提升及蒸散发增加，流域整体水量输出显著减少；与此同时，草地、林地面积增加虽有助于涵养水源，却因水分消耗较大而抑制了产水过程。

汾河流域碳储量的计算结果如图6所示，2020—2050年汾河流域碳储量呈现持续下降的总体趋势，且不同情景之间的差异逐步扩大。2020年流域平均碳储量为73.738 t/hm²，空间格局上，西北部吕梁山、太岳山及东南部中低山丘陵区普遍高于65 t/hm²，形成连续高值带；而太原盆地、临汾盆地等平原及城市集中区碳储量水平相对较低，部分区域不足25 t/hm²。到2030年，各情景下碳储量均出现下降，SSP126情景为68.786 t/hm²，SSP245情景为67.392 t/hm²，SSP585情景最低，为67.054 t/hm²。碳储量的低值区进一步扩大，尤其太原市区及汾河干流沿线区域下降趋势最为突出。到2050年，这一趋势进一步强化，SSP126情景为67.242 t/hm²，SSP245情景降至65.241 t/hm²，而SSP585情景下降最为明显，仅62.412 t/hm²，低值区在盆地及沿河区域大范围分布，连片化程度显著增加。平原区建设用地的持续扩张是碳储量衰减的主要驱动因素，大量耕地和草地被占用，使得区域植被碳汇显著减少；同时，城市化过程中地表硬化和生态斑块破碎化进一步削弱了生态系统的固碳能力。相较而言，山地丘陵区受开发强度限制，林地与草地分布稳定，因而维持了较高的碳储量水平，成为流域碳汇的重要支撑带。总体来看，汾河流域碳储量在时间序列上表现为持续衰减，空间格局仍保持“山区高、盆地低”的基本特征，但高值区范围不断缩小，低值区持续扩张。

2.3 生态系统服务变化趋势

采用一元线性趋势分析方法，对生境质量、产水量以及碳储量在不同情景下的变化趋势进行解析，研究结果如图7和表3所示。总体上，生境质量以不显著减少类型为主，少量区域存在显著减少类型，这些区域主要集中在城镇扩展带，特别是太原市区的外围新增建设用地地区。在SSP126情景下，生境质量的不显著减少类型占比71.25%，其次为无变化类型13.08%与不显著增加类型11.72%，只有3.66%的区域为显著下降类型。在SSP245中，不显著减少类型占比与126基本相当，为71.11%，但无变化类型的区域占比上升至15.69%，不显著增加类型区域占比降至8.54%。到SSP585情景时，格局出现拐点，虽然不显著减少类型区域仍占多数，但比例降至61.09%，而不显著增加类型区域占比明显提升至21.41%，显示在局部区域的生境质量出现恢复或提升趋势，但是显著减少类型区域占比也提高到5.67%，这些变化说明流域内部分生态“源地”向周边扩展的提升信号更为清晰，但整体仍以弱变化为主。

汾河流域的产水量在不同情景下的变化趋势分化最为明显，在SSP126情景下呈现出全域衰退特征，显著减少类型占比超过80%，不显著减少类型占比为17.19%，几乎没有稳定或增长区。在SSP245情景下，下降压力明显缓解，不显著减少类型占比转变为70.35%，同时有25.63%的区域转变为不显著增加类型，这些增加的区域主要集中在汾河流域的东部和南部地区。在SSP585情景中，增长趋势进一步增强，不显著增加类型占比升至34.96%，显著增加类型占比提升到4.41%，但不显著减少类型仍占53.25%。汾河流域南北区域分化明显，南部地区表现为增加趋势，特别是在靠近汾河汇入黄河的万荣县区域，增加趋势最为明显。而北部地区主要表现为减少趋势，其中显著减少区域集中在太原市区。

汾河流域的碳储量变化趋势在不同情景下表现出相对稳定的特征，是3类指标中波动幅度最小的。从总体比例来看，无变化类型始终占据绝对优势，SSP126，SSP245和SSP585下的占比分别为84.89%，85.62%和81.85%，显示大部分区域的碳储量格局在研究期内未出现明显改变。然而，随着情景强度增加，显著减少类型占比从SSP126的9.11%增至SSP245的11.03%，在SSP585中进一步升至15.31%，呈持续扩张趋势。不显著增加和显著增加类型的面积占比始终偏低，合计不超过5%，说明在当前干扰格局下，碳储量的提升区域有限，且多为小斑块。碳储量呈现减少趋势的地区主要集中在耕地转变为建设用地的城郊过渡带与线性基础设施沿线，部分区域甚至与生境质量的显著减少类型区域高度重叠。零散上升的区域多出现在山区、丘陵以及部分生态修复程度较高的区域，然而这些正向斑块的空间连续性较差，难以形成区域性碳储功能提升。总体来看，碳储量的变化体现出“稳定为主、局部退化、区域分异明显”的特征，且SSP585下碳储功能面临更大压力，潜在的生态服务风险增加。

2.4 生态系统服务权衡/协同结果

2020年HQ-WY关系整体呈现出以权衡为主的格局，其中表现为权衡的区域占比为60.19%，显著权衡的区域占比为11.61%，而协同和显著协同区域仅占28.2%（图8，表4）。显著权衡区主要集中在城市化走廊、经济发达的盆地平原及其周边地区，如太原都市区及下游密集农业区，表现出生境质量提升和产水量提升之间存在明显冲突。进入SSP126情景，HQ-WY的权衡格局明显缓解，显著权衡和权衡比例降至6.16%和48.39%，显著协同区域显著扩大到 21.99%，主要分布于太原盆地和临汾盆地。在SSP245情景下，权衡比例与SSP126情景相近，但显著协同比例略降至20.02%，在SSP585情景中，权衡格局再度强化，显著权衡区面积扩大至9.84%，权衡区占比57.42%，表明在高强度人类活动和气候干扰背景下，HQ与WY关系再度恶化，表现出更明显的权衡关系。相较于SSP126和SSP245情景，协同区域进一步缩小，显著协同比例仅为10.72%，而且主要分布在太原盆地。

HQ-CS的关系在研究区表现出高度稳定且显著的协同特征，是3类指标中正向耦合最明显的一组。2020年显著协同区域占比高达66.17%，其余区域为协同关系（33.83%），完全不存在权衡区。这种格局说明生境质量的提升几乎必然伴随碳储量的增加。空间上，显著协同区域主要分布于研究区内的森林覆盖率高、植被生长稳定且人为干扰较低的山地和丘陵地带，协同区则多分布于过渡地带，如太原盆地和临汾盆地，表现出协同性不及核心区显著。在3种情景下，这种协同关系依旧稳定，SSP126和SSP245中显著协同比例分别为61.09%和62.23%，协同比例维持在37%~39%，仅有零星区域（不足0.2%）出现弱权衡，主要位于西北部的小部分水域增加区。SSP585情景下，显著协同比例依旧高达61.92%，未出现结构性变化。这种稳定性表明，无论未来发展情景如何，HQ与CS的协同关系是区域生态安全格局中最稳定的部分。

WY-CS是3类指标中矛盾最为突出的一组。2020年，显著权衡区域比例高达83.52%，协同与显著协同合计不足5%，表明产水过程与碳储功能之间存在强烈冲突。SSP126情景下，权衡关系显著缓解，显著权衡比例下降至43.01%，显著协同和协同区域明显扩大，分别为18.90%和23.05%，显著协同区域主要位于地势平坦的偏远地区，特别是太原盆地。SSP245情景下权衡与显著权衡比例合计仍接近59%，显著协同比例略微下降至18.81%，协同格局基本稳定，其空间格局与SSP126情景相似。SSP585情景下WY和CS冲突再次加剧，显著权衡区回升至51.60%，显著协同比例降至4.66%，协同区显著收缩。

3 讨 论

3.1 城市扩张与土地利用转型对生态空间格局的重构效应

城市扩张过程本质上是反映了经济增长与生态保护之间的空间博弈，是土地高质量发展进程中亟待破解的结构性矛盾^［25-26］。从研究结果来看，汾河流域未来土地利用格局在不同情景下均呈现出显著的城市扩张趋势，尤其在SSP585情景下表现最为突出。到2050年，建设用地面积从2020年的1 077 km²上升至6 960 km²，增长超过6倍，主要通过占用耕地和部分生态用地实现。城市空间的外溢与产业集聚效应促使建设用地不断向农业区和生态区渗透，从而打破了原有的土地功能分区平衡，导致生态空间呈现出“核心区收缩、边缘区破碎”的格局特征。尽管在SSP126情景下林地面积的增加与草地向林地的转化反映出低碳发展路径和生态修复政策的积极成效，其导向性措施在一定程度上缓解了城市扩张造成的生态空间压力，体现了政策调控对国土空间布局优化的支撑作用^［26］。然而，总体趋势仍显示城市扩张的主导效应显著强于生态恢复效应，生态空间的净损失在所有情景下均不可逆。因此，在未来的国土空间治理中，应将土地高质量发展与生态安全格局优化统筹考虑，通过严格落实空间分区管控、优化城市增长边界和完善生态补偿机制，实现城市扩张与生态空间保护的动态平衡与协调演化。

3.2 生态系统服务对土地变化的敏感性及其空间异质性

生态系统服务对土地利用变化的响应呈现出显著的类型差异和空间异质性。不同服务类型对土地利用变化的响应机制并不一致，反映出生态系统功能对人类活动与气候变化的复合敏感性。在3类服务中，产水量对土地利用变化最为敏感，其波动不仅体现出城市扩张对下垫面特征的改变，也揭示出流域水文过程对气候条件的适应性调整。在SSP126情景下产水量快速下降，显著减少区域占比超过80%。而在SSP585情景中，尽管整体人类干扰更强，但产水量却反弹至140.871 mm，这反映出气候变暖导致的降水变化及蒸散调节效应可能在一定程度上抵消了土地利用变化带来的不利影响。生境质量与碳储量的空间格局差异更能揭示生态系统结构的稳定性。高值区主要分布于吕梁山、太岳山等地形起伏较大的丘陵地带，低值区集中于太原盆地、临汾盆地等城市化密集区域。在SSP585情景下，生境质量与碳储量持续下降且低值区连片化加剧，揭示出城市扩张对生态核心区的外溢性胁迫正在强化，生态安全格局的连通性受到破坏。这一异质响应也揭示出不同服务类型的“空间敏感区”存在差异，应通过构建流域一体化管理机制，加强上下游、城乡之间的生态补偿与利益协调，从空间正义的视角推动区域间的公平与协作^［27］。

3.3 生态系统服务权衡/协同关系优化路径和管理启示

生态系统服务之间的相互关系在不同情景下表现出显著的变化特征，体现了区域发展目标之间的内在冲突与协同潜力。在三组服务关系中，HQ-CS始终保持高比例的显著协同，说明生态质量提升与碳汇增强具有内在一致性，这种协同关系体现了生态恢复与碳储积累的正反馈机制，为生态保护与“双碳”目标的协同推进提供了重要基础。WY-CS关系则在三组服务中权衡最强，2020年显著权衡区高达83.52%，即便在SSP126情景下仍有43.01%的区域存在权衡。森林扩张和植被固碳虽提升了碳汇能力，却增加了水分消耗，而流域水资源短缺又可能限制碳汇潜力的持续性。因此，生态系统服务的优化不应仅停留在提升单项功能上，而应着眼于多服务的空间协调与系统弹性构建。未来土地空间管控应强化系统思维，通过区域功能分区、多目标情景模拟、生态补偿机制等手段，优化生态系统服务的配置效率，减少不可逆转的服务损失，实现生态系统整体功能的提升与维持。同时，在社会经济快速发展的背景下，需要综合考虑经济发展需求与生态保护目标，探索多目标优化的土地空间治理路径^［28］。

4 结 论

（1） 汾河流域在2020—2050年土地利用变化呈现出“耕地持续减少、建设用地迅速扩张、林地稳步提升”的总体特征。2020年耕地占比最高，但在2050年SSP585情景下将锐减至12 149 km²，建设用地则从1 077 km²扩张至6 960 km²，尤其在太原盆地和临汾盆地形成连片扩张带。

（2） 生态系统服务功能整体退化，生境质量与碳储量持续下降。生境质量均值从2020年的0.701降至2050年SSP585情景的0.609，低值区在平原区连片扩展，碳储量同步衰减，SSP585情景下从73.738 t/hm²降至62.412 t/hm²。产水量变化呈现情景分异，2030年SSP585情景下从147.733 mm升至190.266 mm，而2050年SSP126情景则锐减至51.813 mm。

（3） 不同情景下生态系统服务的变化趋势差异显著。生境质量以不显著减少为主在SSP126情景下占71.25%，尽管SSP585情景下局部出现恢复信号，但整体仍以退化为主。产水量变化最为极端，SSP126情景下82.62%的区域产水量显著减少，而SSP585情景下34.96%区域产水量不显著增加。碳储存变化相对稳定，超过80%的区域为无变化区，但SSP585下显著减少区占比升至15.31%，主要分布在城市扩张带。

（4） HQ与CS始终保持高度协同关系，显著协同区域占比超60%。HQ与WY在2020年显著权衡和权衡区占比达71.8%，但在SSP126情景下，权衡比例降至48.39%，显著协同区扩大至21.99%。WY-CS冲突最显著，2020年权衡比例达83.52%，SSP126虽缓解至43.01%，但SSP585下再度恶化至51.60%。

参考文献

[1] 金晓斌，韩博，李权荃，等.面向土地退化中和的国土空间生态修复规划：逻辑框架与关键问题［J］.自然资源学报，2025，40（2）：287-301.

[2] Jin X B， Han B， Li Q Q， et al. Territorial ecological restoration planning towards Land Degradation Neutrality： Logical framework and key issues［J］. Journal of Natural Resources， 2025，40（2）：287-301.

[3] Brondizio E， Settele J， Díaz S， et al. Global assessment report on biodiversity and ecosystem services of the Intergovernmental Science-Policy Platform on Biodiversity and Ecosystem Services［J］. IPBES secretariat， 2019.1148.

[4] 欧阳晓，王坤，魏晓.城乡建设用地关联对生态系统服务的影响：以洞庭湖地区为例［J］.生态学报，2022（21）：8713-8722.

[5] Ouyang X， Wang K， Wei X. Impacts of urban-rural construction land linkages on ecosystem services： a case study of Dongting Lake area［J］. Acta Ecologica Sinica， 2022（21）：8713-8722.

[6] Kong W L， Shen W C， Yu C Y， et al. The neglected cost： Ecosystem services loss due to urban expansion in China from a triple-coupling perspective［J］. Environmental Impact Assessment Review， 2025，112：107827.

[7] 彭建，胡晓旭，赵明月，等.生态系统服务权衡研究进展：从认知到决策［J］.地理学报，2017，72（6）：960-973.

[8] Peng J， Hu X X， Zhao M Y， et al. Research progress on ecosystem service trade-offs： from cognition to decision-making ［J］. Acta Geographica Sinica， 2017，72（6）：960-973.

[9] 王凯平，冯悦，邱陈澜，等.环京津城市群生态系统服务的时空演变与驱动因素［J］.生态学报，2022，42（19）：7871-7883.

[10] Wang K P， Feng Y， Qiu C L， et al. Spatial and temporal evolution and drivers of ecosystem services in Beijing， Tianjin and the Beijing-Tianjin Ring urban agglomeration ［J］. Acta Ecologica Sinica， 2022，42（19）：7871-7883.

[11] 张恺，易桂花，张廷斌，等.川西高原生态系统服务功能权衡协同关系及其归因分析［J］.水土保持研究，2025，32（2）：366-376.

[12] Zhang K， Yi G H， Zhang T B， et al. Analysis of trade-off and synergistic relationships and attribution of ecosystem services in Western Sichuan Plateau［J］. Research of Soil and Water Conservation， 2025，32（2）：366-376.

[13] 朱俊俊，高周冰，王君櫹，等.南京都市圈生态系统服务时空变化及权衡协同关系［J］.水土保持研究，2023，30（3）：383-394.

[14] Zhu J J， Gao Z B， Wang J Q X， et al. Spatiotemporal changes and trade-off/synergy relationship of ecosystem services in Nanjing Metropolitan area ［J］. Research of Soil and Water Conservation， 2023，30（3）：383-394.

[15] 李金梦，祝宏辉，胡芳榕，等.“退耕还林还草” 工程对干旱区生态系统服务的影响［J］. 水土保持研究，2025，32（5）：298-307.

[16] Li J M， Zhu H H， Hu F R， et al. Effects of Grain for Green Program on ecosystem services in arid regions［J］. Research of Soil and Water Conservation， 2025，32（5）：298-307.

[17] 赵雪雁，丁静，马平易.人类活动对黄土高原生态系统服务权衡/协同关系影响的多尺度研究［J］. 地理学报，2025，80（7）：1920-1936.

[18] Zhao X Y， Ding J， Ma Y P. Multi-scale study of the impact of human activities on the trade-off/synergy relationship of ecosystem services in the Loess Plateau［J］. Acta Geographica Sinica， 2025，80（7）：1920-1936.

[19] 张春悦，白永平，杨雪荻，等.多情景模拟下宁夏平原生态系统服务簇识别研究［J］. 地理研究，2022，41（12）：3364-3382.

[20] Zhang C Y， Bai Y P， Yang X D， et al. Identification of ecosystem service bundles in Ningxia Plain under multi-scenario simulation［J］. Geographical Research， 2022，41（12）：3364-3382. .

[21] 李井浩，柳书俊，王志杰.基于FLUS和InVEST模型的云贵高原土地利用与生态系统服务时空变化多情景模拟研究［J］. 水土保持研究，2024，31（3）：287-298.

[22] Li J H， Liu S J， Wang Z J. Multi-scenario simulation of spatiotemporal changes of land use pattern and ecosystem services in Yunnan-Guizhou Plateau based on FLUS and InVEST models［J］. Research of Soil and Water Conservation， 2024，31（3）：287-298.

[23] Zhang T Y， Cheng C X， Wu X D. Mapping the spatial heterogeneity of global land use and land cover from 2020 to 2100 at a 1 km resolution［J］. Scientific Data， 2023，10：748.

[24] 金贵，贺念慈，刘志远，等.共享社会经济路径下长江经济带国土空间模拟预测与布局优化［J］.生态学报，2024，44（18）：8084-8093.

[25] Jin G， He N C， Liu Z Y， et al. Simulation prediction and layout optimization of territorial space in the Yangtze River Economic Belt under the shared socio-economic pathways［J］. Acta Ecologica Sinica， 2024，44（18）：8084-8093.

[26] 张雪，韦锐，齐清，等. SSPs-RCPs典型情景下滹沱河流域土地利用及生境质量时空演变［J］.环境科学，2025，46（12）：7947-7957.

[27] Zhang X， Wei R， Qi Q， et al. Spatial-temporal evolution of land use and habitat quality in the Hutuo River Basin Under Typical SSPs-RCPs Scenarios［J］. Environmental Science， 2025，46（12）：7947-7957.

[28] 陆大道，孙东琪.黄河流域的综合治理与可持续发展［J］. 地理学报，2019，74（12）：2431-2436.

[29] Lu D D， Sun D Q. Development and management tasks of the Yellow River Basin：a preliminary understanding and suggestion［J］. Acta Geographica Sinica 2019（12）：2431-2436.

[30] 黄河流域生态保护和高质量发展规划纲要［N］.人民日报，2021-10-09（1）.

[31] Outline of the Plan for Ecological Protection and High-Quality Development of the Yellow River Basin［N］. People′s Daily，2021-10-09（1）.

[32] 刘海龙，王改艳，张鹏航，等.汾河流域新型城镇化与生态韧性耦合协调时空演变及协调影响力研究［J］. 自然资源学报，2024，39（3）：640-667.

[33] Liu H L， Wang G Y， Zhang P H， et al. Spatio-temporal evolution and coordination influence of coupling coordination between new urbanization and ecological resilience in Fenhe River Basin［J］. Journal of Natural Resources， 2024，39（3）：640-667.

[34] 马小红，林菲，原黎明，等.2000—2020年汾河流域植被覆盖度变化及其对生态工程的响应［J］. 中国沙漠，2023，43（3）：86-95.

[35] Ma X H， Lin F， Yuan L M， et al. Vegetation coverage change and its response to ecological protection project in Fenhe River Basin［J］. Journal of Desert Research， 2023（3）：86-95.

[36] 王钰帆，白强，孙虎，等.2000—2020年汾河流域生态脆弱性时空演变与驱动因素［J］.浙江大学学报：理学版，2023，50（5）：607-618.

[37] Wang Y F， Bai Q， Sun H， et al. Spatial-temporal evolution and driving factors of ecological vulnerability in Fenhe river basin from 2000 to 2020［J］. Journal of Zhejiang University： Science Edition， 2023，50（5）：607-618.

[38] Xuli Tang X Z. Carbon pools in China′s terrestrial ecosystems［J］. Proceedings of the National Academy of Sciences of the United States of America， 2018，115（16）：4021-4026.

[39] Stow D A， Hope A， McGuire D， et al. Remote sensing of vegetation and land-cover change in Arctic Tundra Ecosystems［J］. Remote Sensing of Environment， 2004，89（3）：281-308.

[40] 马炳鑫，和彩霞，靖娟利，等.1982—2019年中国西南地区植被变化归因研究［J］. 地理学报，2023，78（3）：714-728.

[41] Ma B X， He C X， Jing J L， et al. Attribution of vegetation dynamics in Southwest China from 1982 to 2019［J］. Acta Geographica Sinica， 2023（3）：714-728.

[42] Xia H， Yuan S F， Prishchepov A V. Spatial-temporal heterogeneity of ecosystem service interactions and their social-ecological drivers： Implications for spatial planning and management［J］. Resources， Conservation and Recycling， 2023，189：106767.

[43] Jin G， Peng J， Zhang L X， et al. Understanding land for high-quality development［J］. Journal of Geographical Sciences， 2023，33（2）：217-221.

[44] 董寅，金贵，邓祥征.中国国土空间布局优化研究［J］. 地理学报，2024，79（3）：672-687.

[45] Dong Y， Jin G， Deng X Z. Optimization of territorial space layout in China［J］. Acta Geographica Sinica， 2024（3）：672-687.

[46] Luo S K， Luo Z J. The equity and coupling coordination of ecosystem services and residents' well-being in Jiangxi Province from the perspective of spatial justice［J］. Sustainable Cities and Society， 2025，126：106395.

[47] 王田雨，岳文泽.面向碳增汇的国土空间格局优化：理论框架与行动逻辑［J］.自然资源学报，2024，39（5）：1008-1021.

[48] Wang T Y， Yue W Z. Optimizing territorial spatial pattern for carbon sink growth： Theoretical framework and action logic［J］. Journal of Natural Resources， 2024，39（5）：1008-1021.

基金资助

江苏省地质局科技项目“双碳目标下国土空间全域综合整治减排增汇关键技术研究”(2024KY18)