近20年藏东南生态系统服务功能空间异质性与驱动力分析

Analysis of spatial heterogeneity and driving forces of ecosystem service functions in southeastern Xizang over past two decades

摘要

目的 厘清藏东南生态脆弱区生态系统服务的时空分异特征与核心驱动机制，明确不同地理分区的主导影响因子，为该区域差异化生态保护管控与可持续发展决策提供科学支撑。 方法 以藏东南地区为研究区，先量化了2000—2020年区域产水量、土壤保持、碳储存、生境质量4项核心生态系统服务，再结合主成分分析、地理探测器、地理加权回归模型，解析其空间分异规律与不同分区的驱动机制差异。 结果 （1） 2000—2020年藏东南地区产水量、土壤保持与碳储存三项服务，均呈现东南高、西北低的空间分布特征，生境质量的空间分异现象更明显，高值区主要集中在北部与西南部；（2） 研究期内，区域土壤保持、碳储存、生境质量整体向好，三者分别提升14.21%，14.82%，15.79%；产水量则整体下降20.69%，降幅主要集中在东南部区域；（3） 生态系统服务的主导驱动因子存在明显的地理分区差异，降水量对西部区域的解释力最强，东南部区域则以蒸散量、土地利用类型的解释力更强；（4） 植被类型与其他影响因子的交互作用，能大幅提升单因子对生态系统服务空间分异的解释能力。 结论 藏东南地区生态系统服务存在明显的时空异质性，气候因子与土地利用、植被类型的交互作用，是驱动其空间分异的核心原因，不同地理分区的主导驱动因子差异显著。

Abstract

Objective This study aims to clarify the spatiotemporal differentiation characteristics and core driving mechanisms of ecosystem services in the ecologically fragile region of southeastern Xizang， and to identify the dominant influencing factors across different geographical subregions， providing scientific support for differentiated ecological protection management and sustainable development decision-making in this region. Methods Taking the southeastern Xizang as the study area， four core ecosystem services-water yield， soil conservation， carbon storage， and habitat quality-were quantified for the period 2000—2020. Subsequently， principal component analysis， Geodetector， and geographically weighted regression （GWR） models were employed for analyzing the spatial differentiation patterns and variations in driving mechanisms across different regions. Results （1） From 2000 to 2020， water yield， soil conservation， and carbon storage in southeastern Xizang exhibited a spatial distribution pattern of higher values in the southeast and lower values in the northwest. Habitat quality showed more pronounced spatial differentiation， with high-value areas primarily concentrated in the northern and southwestern regions. （2） During the study period， soil conservation， carbon storage， and habitat quality in the region showed an overall improving trend， increasing by 14.21%， 14.82%， and 15.79%， respectively. In contrast， water yield decreased overall by 20.69%， with the decline mainly concentrated in the southeastern region. （3） The dominant driving factors of ecosystem services exhibited significant differences across geographical subregions. Precipitation had the strongest explanatory power in the western region， whereas evapotranspiration and land use types demonstrated stronger explanatory power in the southeastern region. （4） The interactions between vegetation types and other influencing factors significantly enhanced the explanatory capacity of single factors regarding the spatial differentiation of ecosystem services. Conclusion Ecosystem services in southeastern Xizang exhibit marked spatiotemporal heterogeneity. The interaction effects of climatic factors with land use and vegetation types constitute the core drivers of their spatial differentiation， with significant variations in dominant driving factors across different geographical subregions.

Graphical abstract

关键词

生态系统服务 / 地理探测器 / 驱动因素 / 藏东南 / GWR模型

Key words

ecosystem services / Geodetector / driving factors / southeastern Xizang / geographically weighted regression （GWR） model

全球气候变化表现为温度格局转变和水文循环重构，威胁着生态系统服务（Ecosystem Services， ESs）的可持续供给^［1-2］。在全球气候变化与人类活动叠加的背景下，青藏高原作为“亚洲水塔（Asian Water Towers）”与生态屏障的核心区，其生态系统服务功能及其驱动机制成为区域生态安全与可持续发展研究的关键议题^［3］。ESs是人类从自然系统中获取的直接与间接收益，是维系生态安全与人类福祉的基础。然而，全球范围内自然资源的过度开发导致ES功能显著衰减，尤其在青藏高原等地理、社会与经济异质性显著的区域，环境脆弱性与人类活动的叠加效应进一步加剧了供需失衡^［4-5］。量化ES的时空分异特征并解析其驱动机制，已成为缓解气候变化、实现可持续发展目标的关键科学议题^［6-7］。生态系统服务评估方法主要有价值量核算法，如等效因子法^［8］、MEA框架^［9］。目前相关评估方法逐步向多尺度空间量化演进，例如结合地理探测器等空间统计模型，为解析自然—社会耦合作用下的ES动态提供了有效工具^［10］。现有研究多聚焦低海拔区域或单一服务类型，对青藏高原这类生态屏障区缺乏系统性研究，且在解析多服务协同效应与多尺度驱动机制方面存在不足^［11-12］。

青藏高原ES驱动机制研究主要依赖于两类方法：一是基于InVEST等模型的ES空间量化评估，为驱动分析提供数据基础^［13-14］；二是在驱动因子识别方面，相关性分析、主成分分析（PCA）及多元回归等传统统计方法常被用于探究气候、地形、植被及人类活动等因子与ES间的关联，初步揭示了影响服务供给与需求的关键变量及其相对重要性^［15-16］。然而，现有方法在应对高原复杂环境时存在明显局限。主要表现为对多ES协同机制解析不足。多数研究侧重于单项ES的驱动分析，对多种ES之间复杂的权衡与协同关系及其共同驱动机制的集成解析不足。尽管有研究引入综合ES指数来衡量整体服务水平，但其驱动机制解析往往仍停留在对综合指数的单一回归分析层面，未能深入解构多ES间复杂的相互作用网络及其背后的共同主导因子，限制了从系统视角理解驱动机制^［17］。同时，各因子驱动机制的空间异质性被忽视。多数分析未能有效剥离和量化同一驱动因子在不同区域的差异化影响，从而难以精准刻画驱动机制的复杂空间格局^［18］。这些方法论上的局限，导致现有研究难以充分揭示青藏高原ES变化多维、非线性且空间异质的驱动关系网络。

藏东南地处青藏高原腹地，受南亚季风与复杂地形影响，既是高寒生态脆弱区，也是生物多样性保护与水源涵养的核心区。该区域对全球气候变化响应敏感，冰川消融、降水格局改变等信号在此表现出早期性和显著性^［19］。尽管其生态战略地位突出，但现有研究仍面临两大局限：一是多ES时空协同演变规律不明，缺乏气候—植被—社会经济多维度驱动因子的定量解析；二是评估尺度单一，未能揭示不同海拔梯度下ES的空间分异特征^［20］。本文以2000—2020年藏东南地区为研究对象，定量评估产水量、土壤保持、碳储存和生境质量四项核心ES，结合气候、植被、地形及社会经济等多源数据，通过主成分分析与地理探测器方法，筛选主要影响因子，在此基础上利用地理加权回归（Geographically Weighted Regression， GWR）探究栅格尺度上各驱动因子对ES影响的空间异质性。本研究创新性地集成PCA-地理探测器-GWR模型链，实现从因子筛选、全局归因到局部非平稳性解析的递进式驱动机制挖掘，显著提升驱动机制解析的深度与精度，为青藏高原ES的精准管理提供方法论支撑。

1 材料与方法

1.1 研究区域

藏东南地区（91°45′52″—98°52′52″E，27°48′42″—31°34′7″N，约为14.91万km²）地处念青唐古拉山东缘、喜马拉雅山东缘与横断山西段，为中国海洋性冰川集中分布区（图1）。该区位于中国第一、二级地形阶梯过渡带，地势东南低、西北高，最大高差达6 900 m，高山峡谷地貌显著。受复杂地形与季风影响，水资源自东南向西北递减。植被以青藏高原高山植被为主，兼有热带季雨林、亚热带常绿阔叶林及高山草甸。其多样气候与独特地貌赋予了该地区极高的生态与生物多样性保护价值，生态安全维护是该区保护的核心目标。

1.2 数据来源

本研究使用的数据集主要包括降水数据、土壤数据、土地利用数据、DEM数据和NDVI数据。表1列出了主要数据集的详细信息。经过拼接、对齐、裁剪、投影转换和重采样等一系列预处理后，将上述数据转换为30 m分辨率的栅格数据，并使用WGS 1984 UTMZone46N坐标系进行投影。

1.3 方法

1.3.1 生态系统服务的计算

（1）产水。采用InVEST模型的产水模块计算地表年产水量，并将其作为衡量水分保持能力的指标。计算主要基于Budyko水—能量耦合平衡方程，具体公式如下^［21］：

Y_x=\left(\mathrm{1}-\frac{\mathrm{A}\mathrm{E}{\mathrm{T}}_x}{P_x}\right)\times P_x（1）

式中：Y_x 表示研究区域网格单元x的年产水量（mm）；P_x 表示网格单元x的年降水量（mm）；AET _x 表示网格单元x的年实际蒸散量（mm）。

（2）土壤保持。使用InVEST模型中的SDR模块评估土壤保持服务。通过GIS技术，量化了给定单元内的土壤侵蚀量，具体公式如下：

\mathrm{S}\mathrm{C}=\mathrm{R}\mathrm{K}\mathrm{L}\mathrm{S}-\mathrm{U}\mathrm{S}\mathrm{L}\mathrm{E}（2）

\mathrm{R}\mathrm{K}\mathrm{L}\mathrm{S}=R\times K\times L\times S（3）

\mathrm{U}\mathrm{S}\mathrm{L}\mathrm{E}=R\times K\times L\times S\times P\times C（4）

式中：SC为土壤保持量〔t/（hm² · a）〕；RKLS为潜在土壤侵蚀量〔t/（hm² · a）〕；USLE为潜在土壤流失量〔t/（hm² · a）〕；R为降雨侵蚀力因子〔MJ · mm/（hm² · h · a）〕；K为土壤可蚀性因子〔t · hm² · h/（hm² · MJ · mm）〕；L为坡长因子；S为坡度因子；C为植被覆盖因子；P为土壤与水土保持措施因子。

（3）碳储存。使用NPP作为碳储存的替代指标。相应的栅格数据来自MODIS卫星数据。

（4）生境质量。生境质量反映了一个地区生态系统为物种提供适宜栖息和繁殖条件的潜力。它是生物多样性和生态系统服务功能的重要指标。使用InVEST模型对研究区域的生境质量进行评估，以反映其生物多样性保护能力，具体公式如下：

Q_{xj}=H_j\left(\mathrm{1}-\frac{D_{xj}^z}{D_{xj}^z+k^z}\right)（5）

式中：D_xj 为土地利用类型j中像元x的胁迫水平；H_j 为土地利用类型 j的生境适宜性；z为归一化常量；k为半饱和常数。

1.3.2 主成分分析（PCA）

主成分分析（PCA）是创建最小数据集的核心方法，通过降维将多个指标转化为少量相互独立的指标，消除相关性。本文利用多源数据研究藏东南区域生态系统服务空间异质性的空间驱动因素，从气候、植被、地形、社会经济和土地利用类型等领域选择了9个潜在驱动因素，具体情况如表2所示。

\mathrm{P}{\mathrm{C}}_i=l_{i\mathrm{1}}{X}_{\mathrm{1}}+l_{i\mathrm{2}}{X}_{\mathrm{2}}+\dots +l_{in}{X}_n（6）

式中： PC _i 为第i个PC； X_j 为第j个预测变量；l_ij 为X_j （i， j=1， 2，…， n）的系数。

1.3.3 地理探测器模型

地理探测器模型是一种用于评估地理统计变量的空间分布是否与独立变量相似的定量工具^［22］。其核心概念是，如果因子X影响Y，它们的空间分布将相似。地理探测器模型通过决定力（q）来衡量这种空间相关性。本研究采取自然断点法将各驱动因素进行离散化处理。

q_x=\mathrm{1}-\frac{\mathrm{1}}{N{\sigma }^{\mathrm{2}}}{\displaystyle \sum _{i=\mathrm{1}}^m}{\sigma }_{\mathrm{1}}^{\mathrm{2}}（7）

式中：m表示研究区域内影响因素的分类数量；N和N_i 分别表示整个研究区和第i层的观测单元总数；σ和σ_i 分别表示被解释变量在整个研究区和i层的方差；q值的取值范围为0~1；q值越高，表示影响因素X_i 对因变量Y的贡献越大。

1.3.4 GWR模型

传统回归模型仅使用一个方程来描述预测变量与结果之间的全局关系，忽略了重要的局部变化。GWR通过结合地理信息创建多个局部方程，捕捉非平稳关系^［23-24］。

Y_i={\beta }_o\left(u_i,v_i\right)+{\displaystyle \sum _{k=\mathrm{1}}^k}{\beta }_k\left(u_i,v_i\right)x_{ik}+{\epsilon }_i（8）

式中：Y_i 为观测变量；X_ik 为第k个自变量；（u_i， v_i）表示第i个元素的时空坐标；u_i， v_i 表示观测i的纬度、经度；β_o （u_i， v_i）表示斜率值；β_k （u_i， v_i）为X_ik 的系数；ε_i 为第i点的残差。

2 结果与分析

2.1 生态系统服务的空间异质性

产水量、土壤保持和碳储存服务的时空格局空间异质性明显，从东南向西北逐渐减少，高值区在东南部森林和中部河谷地区，低值区在西部草地和未利用土地（图2）。2000年区域产水量在326.85~368.90 mm/a，2020年产水量有所下降，在243.78~297.93 mm/a，以东南部减少为主。区域平均土壤保持2000—2020年提升了14.21%，增加区域集中在西南部。在2000—2020年平均碳储存量提升了14.82%，增幅分别集中于西南部与南部。生境质量平均提升了15.79%，空间变化显著，高值区集聚于西部、北部、西南部及中部草地林地，低值区分布于西部及中部未利用地，中部生境质量呈增减交错格局。总体而言，2000—2020年区域产水量逐年减少，而土壤保持、碳储存和生境质量则逐年增加。

2.2 生态系统服务的时空变化

藏东南整体生态系统服务在整个研究时段呈净下降趋势，年均变化率为-3.70 mm/a，但下降过程并非线性，其中2010—2020年呈现小幅回升（图3）。其中，2000—2010年产水量年变化率为-4.01 mm/a，2010—2020年年变化率为3.39 mm/a。土壤保持服务整体呈现波动中上升趋势。2000—2010年土壤保持年变化率为-2.45 t/（hm² · a），减少区域集中在中部和东南部。2010—2020年土壤保持年变化率为3.31 t/（hm² · a），增加区域集中在西北部。碳储存服务在2000—2020年略有改善。2000—2010年碳储存的平均值保持稳定，东南部略有减少，西部地区略有增加。2010—2020年碳储存增加了1.99 g/（m² · a），东南部地区显著增加，西部地区略有下降。2000—2010年生境质量年变化率为0.05/a，中部地区是主要增加区域，而西部地区有所下降。2000—2020年生境质量整体变化不大。2010—2020年生境质量的平均值保持稳定，中部地区下降，而西部地区普遍有所改善。

2.3 生态系统服务空间异质性的驱动因素

2.3.1 生态系统服务的主导因素

选取PCA来筛选影响藏东南生态系统服务的主导因素，并消除变量间的多重共线性。首先借助ArcGIS将9个潜在指标统一提取到1 km×1 km的渔网中，使用PCA将9个变量转换为9个相互独立的主成分（PC1—PC9）。表3揭示PCA的结果。2020年PC1，PC2，…，PC5携带超过90%的总方差，可用于后续分析。其他主成分舍去。其中，PC1和PC2的方差贡献率最高，携带超过60%的原始数据信息。

表4显示了每个变量对主成分PC1和PC2的贡献率。基于PC1和PC2的方差贡献率，很明显，地均GDP、人口密度、坡度、温度变量携带的原始数据信息最少，并且对主成分的影响最小。因此，高程、蒸散发、土地利用类型、植被指数和降雨量是主导因素，对主成分有显著的影响。

2.3.2 生态系统服务空间分异的因子归因

地理探测器因子探测表明，藏东南生态系统服务空间分异受自然因素主导（图4）。产水量主要受降雨量（q=0.33）和潜在蒸散发（q=0.17）控制，土壤保持的关键驱动因子为高程（q=0.31）和潜在蒸散发（q=0.30），而碳储存与生境质量则分别由高程（q=0.58）、降雨量（q=0.58）和归一化植被指数（NDVI）（q=0.56）以及NDVI（q=0.24）主导。自然因子（地形、气候、植被）的解释力显著高于社会经济因子（土地利用类型），印证了高寒生态脆弱区生态系统服务对自然条件的强依赖性。

多因子交互作用进一步揭示了驱动机制的复杂性（图5）。所有生态系统服务空间格局均表现为双因子增强或非线性增强效应，且交互解释力普遍高于单因子贡献。气候因子间的协同效应对产水量与土壤保持影响最为显著：2000—2020年降雨量∩潜在蒸散发对产水量和土壤保持的交互解释力最强，2000年、2010年和2020年，降雨量∩潜在蒸散发对产水量的解释力分别为0.521，0.486，0.445，表明水热耦合过程是水文服务分异的根本驱动力。碳储存与生境质量则受气候—植被交互作用主导，典型如降雨量∩NDVI对碳储存的交互解释力达0.76（2000—2010年），而潜在蒸散发∩NDVI（2000年）和降雨量∩NDVI（2010年）对生境质量的解释力最高。气候与土地利用的交互效应随时间增强，2020年降雨量∩土地利用类型对土壤保持和生境质量的解释力分别跃升至0.742，0.205，反映了人类活动干预下自然—社会耦合驱动机制的动态演变。

2.3.3 生态系统服务空间异质性的驱动因素

本研究应用GWR模型识别驱动因素的空间异质性。模型构建过程中，考虑到样点分布的空间局部特征，采用自适应双平方（Adaptive Bi-square）作为空间核函数，并选取修正赤池信息准则（Akaike Information Criterion， AICc）筛选最优带宽，当AICc值最小时，空间拟合精度达到最优。基于GWR模型分析表明，高程（DEM）、潜在蒸散发（PET）、土地利用类型（LUT）、归一化植被指数（NDVI）及降雨量（PRE）对藏东南生态系统服务空间格局的驱动作用具有显著局部性与时空异质性。回归系数绝对值表征其影响强度。如图6所示：PET与LUT在大部分区域对产水量呈负效应（图6）。DEM回归系数值由西北向东南递减并转为负值，东南部负效应显著。2000—2020年PRE回归系数多为正值且绝对值较大，表明其对产水量具强正向驱动。NDVI对产水量的负效应分布广泛。各因子驱动作用的空间异质性随时间呈减弱趋势，局部异常簇（尤其在西部）显著减少。

藏东南土壤保持的驱动机制呈现显著时空分异（图7）。地形因子（高程DEM）全域呈负向效应（系数<-0.2），反映陡坡地形对土壤稳定性的抑制作用。气候因子中，潜在蒸散发（PET）的正向驱动核心区（系数>0.4）集中于南部季风通道及西部干旱河谷，与局地水热再分配过程密切相关；降水因子（PRE）则呈现东西分异：西部草原区以高值负相关为主导（系数<-0.6），东部森林区为低值正相关（系数0.1~0.3），暗示降水增加对草原区土壤侵蚀的加剧效应强于森林覆盖区的持水调节作用。2010年后降水驱动由单一格局转为正负交替分布，反映极端降雨事件频发对区域水文过程的扰动。植被与人类活动因子的驱动响应具有差异化特征。NDVI回归系数趋近中性（|β|<0.1），表明植被覆盖对土壤保持的调控作用趋于平衡；土地利用类型（LUT）的显著负向关联（系数<-0.3）仅出现于东南部2010—2020年建设用地扩张区，揭示高强度人类活动对地表稳定性的阶段性冲击。整体而言，降水因子主导土壤保持的时空异质性，其驱动强度（|β|max=0.82）显著高于其他因子，气候变暖背景下水热格局突变或加剧区域土壤退化风险。

如图8所示，2000—2020年降雨量回归系数随时间呈现显著正向扩展趋势，在中部地区表现尤为突出。各驱动因子对碳储存的作用方向存在明显分异：高程以负向效应为主，而潜在蒸散发（PET）、土地利用类型及NDVI则主要呈正向关联。随时间推移，后三者的回归系数保持相对稳定，全域尺度系数趋近于 0。与产水量、土壤保持及生境质量相比，碳储存驱动因子的绝对系数值及年际波动幅度均较低，表明其驱动效应具有弱影响、高稳定性的特征。

图9揭示了2000—2020年影响生境质量的驱动因子时空分异规律。高程回归系数以负向为主，主要分布于北部和西部高海拔区域。降水因子在中部和北部呈现持续增强的空间扩张，但其影响在多数区域仍以负相关为主。潜在蒸散发（PET）表现为全域分散式正向分布，时间维度波动较小，反映出持续稳定的促进效应。NDVI的回归系数时空变化较小，全域尺度趋近中性，仅局部区域存在微弱正负关联。土地利用类型在东部地区呈现显著空间集聚的持续性负向胁迫，凸显该区域人类活动对生境退化的长期影响。此外，高程、潜在蒸散发、降雨量及土地利用类型的回归系数呈现正负交替格局，且存在大量分散小集群，反映生境质量具有显著空间异质性；但2000—2020年多数小集群消失，空间异质性随时间逐渐减弱，其中西部地区高度负相关集群数量下降尤为明显。从作用强度看，潜在蒸散发的促进作用最强，土地利用类型的抑制作用最显著，平均回归系数分别为0.23和-0.15。降雨量对生境质量影响的空间分布与其对产水量的影响一致，在西部地区表现尤为突出。总体而言，降雨量的正向影响呈显著上升趋势，而土地利用类型的负向影响最为集中，表明降水与土地利用变化是影响生境质量的关键驱动因素。

3 讨论

3.1 土地利用变化对生态系统服务的影响

土地利用变化是影响生态系统服务空间异质性的关键因素。2000—2020年研究区土地利用以林地、草地和未利用地为主，合计占比超过92%（图10）。在2000—2010年林地、草地与未利用地之间发生了显著的相互转换：24.77%的林地转为草地，这与该区域产水服务增强而土壤保持、碳储存及生境质量服务减弱的现象相对应；同期，24.35%的草地转为林地，则伴随该区域产水服务减弱及土壤保持、碳储存和生境质量服务增强的情况；此外，16.19%和37.68%的未利用地分别转为林地和草地。这一时期的土地利用变化剧烈且导致景观破碎化加剧，成为2000—2010年生态系统服务水平整体下降的关键驱动因素。

2010—2020年土地利用类型趋于相对稳定，主要变化发生在水体、建设用地和未利用地之间。这种变化规律与生态系统服务的变化趋势相吻合。随着林地面积趋稳、草地面积增加以及未利用地面积减少，藏东南区域生态系统服务的整体稳定性逐步提升。草地的扩张有利于土壤保持和碳储存功能的提升，但也改变了水文服务的空间格局，尤其是在森林集中分布区。例如，东南部地区草地的扩张导致森林产水量显著下降（图10A）。综上，土地利用的空间格局变化与生态系统服务的动态演变密切相关，深刻反映了土地利用决策对区域生态功能的显著影响。

3.2 驱动因素的空间异质性

基于多源数据对藏东南产水量、土壤保持、碳储存和生境质量四项关键生态系统服务及其驱动因素开展定量分析（图2，表2），评估结果与既有研究结论相符。例如Dai和Lan^［25］等利用InVEST模型对青藏高原产水量服务的定量评估表明，藏东南产水总量整体下降且呈现“东南高、西北低”的空间格局，与本研究结果一致；Wang等基于修订的通用土壤流失方程（RUSLE）的研究显示，青藏高原土壤保持服务整体下降，但藏东南呈上升趋势^［26］，这与本研究中该区域土壤保持波动上升的结论一致。类似地，既有研究也证实藏东南土壤保持呈波动上升趋势^［27］，生境质量略有改善，与本研究结果相印证。

生态系统服务是多因素共同作用的结果，然而，厘清这些因素间的耦合机制并量化其各自贡献仍面临重大挑战^［28］。为此，本研究整合主成分分析（PCA）与地理探测器模型，旨在识别生态系统服务时空异质性的关键驱动因素。结果表明：气候因素是生态系统服务时空异质性的主要驱动力，这与既有研究结论一致。尽管如此，其他因素的影响亦不容忽视。尤为重要的是，降水与植被类型、降水与土地利用类型之间的交互作用，对生态系统服务时空异质性的贡献显著。

基于GWR模型的分析表明，高程、潜在蒸散发、降雨量、NDVI及土地利用类型等驱动因素对生态系统服务的影响存在显著时空异质性。其中，土地利用类型在东南部对产水量、土壤保持及生境质量的负向影响显著，需加强该区域土地用途管制。研究区降雨量回归系数呈现正负交替分布特征，西部表现最为突出，揭示出降雨量对西部生态系统服务空间分异的显著驱动作用，也凸显了该区域生态系统服务对降水变率的高度敏感性。此外，西部地区驱动因素的回归系数波动较大且多为负值，这可能导致生态系统稳定性下降及服务功能弱化，因此需强化保护措施以保障西部草地生态系统的稳定与可持续性。高程主要对产水量产生正向影响，在高海拔区域表现尤为明显；NDVI的影响则相对稳定且较弱。潜在蒸散发在南部和西部地区对生态系统服务具有显著正向作用，区域差异显著，但其影响随时间推移趋于稳定，需结合区域气候与地形特征制定针对性管理策略。总体而言，尽管驱动因素的时空影响机制复杂，但降雨量和土地利用类型作为生态系统服务的核心驱动因素，其作用尤为关键，这为区域生态保护与资源管理提供了重要科学依据。

3.3 生态恢复政策与管理

藏东南地区生态系统服务时空异质性研究（2000—2020）表明，实施差异化管理是保障区域生态安全和可持续发展的关键。研究期内，该区土地利用格局发生显著转型：未利用地和水域面积缩减，而耕地、林地等类型扩张（图10）。这一转变主要受区域经济快速发展、城市化进程加速、人口增长及自然条件变化等因素驱动，导致大规模土地开发和人类活动范围扩大，印证了自然条件演变与区域经济社会快速发展共同构成的复合驱动机制。研究揭示，土地开发强度提升与人类活动范围扩展，实质上是生态—社会经济系统耦合作用的空间表征^［29］。另一方面，针对中西部草地生态系统的研究表明，尽管草地面积维持相对稳定，但其服务功能呈现衰减趋势。未利用地—水域系统萎缩与冰川消融的耦合效应，通过改变地表径流及土壤水热条件，加剧了草地退化风险。GWR模型结果进一步揭示，各服务功能的驱动机制存在显著的局部性与分区特征，这要求区域生态管理必须从宏观统筹转向基于空间异质性的差异化治理。本研究识别出“西部降水主导、东南部人类活动干扰”的驱动格局。对于西部草原区，降水（PRE）对土壤保持表现为强负相关（系数<-0.6），表明气候变暖背景下的降水增加反而加剧了草原侵蚀风险。因此，该区应以“水土平衡”为核心，在禁牧、轮牧基础上，重点针对极端降雨频发区实施坡面细沟治理与沟壑侵蚀防控。对于东南部地区，土地利用类型（LUT）对生境质量的负向胁迫最为集中，尤其在2010年后建设用地扩张明显的区域。参考金贵等^［30］在长江经济带国土空间优化中的思路，东南部应严守城镇开发边界（UGB），通过划定高产水量与高碳储存区的“保护禁区”，限制城镇空间向高生态价值区域无序蔓延。

4 结论

2000—2020年藏东南地区生态系统服务呈现显著空间异质性：产水量、土壤保持、碳储存功能整体呈现“东南高、西北低”的空间分异格局；生境质量空间格局从“东南高、西北次之、中部最低”逐步演变为“东南及北部部分区域高、西部次之、东北最低”。

研究期内，产水服务因降雨与蒸发平衡改变而逐年波动减少，东南部河谷降幅显著；受益于植被恢复工程，土壤保持与碳储存服务显著提升，西南部林区增幅突出；生境质量指数整体回升，高寒草甸与森林生态系统的改善对区域生态安全贡献最大。2000—2010年林地向草地的转化导致区域产水服务下降；与此相反，草地面积的增加则促进了土壤保持与碳储存功能的提升；随着土地利用格局趋于稳定，生态系统服务的变化幅度亦随之减小。气候因素与土地利用或植被类型的交互作用对生态系统服务变化的影响显著，且这种影响具有时间动态特征。GWR模型揭示了驱动机制的空间分区特征：西部地区受降水因素主导，降雨增加显著扰动了草地水土保持稳定性；东南部地区则受人类活动显著驱动，建设用地扩张对生境质量产生了集中性负向胁迫。林地—草地的转换是生态系统服务功能波动的核心因素。

为保障区域生态系统的长期稳定性和可持续发展，应于退化草地及森林变化显著区域实施差异化生态保护与恢复策略。藏东南的生态安全屏障建设不适合“全域一体”模式，应充分考虑GWR模型所揭示的驱动因子局部异质性，结合区域社会经济发展情景进行动态优化。本研究通过GWR模型识别了生态系统服务驱动因子的空间局部性，但在以下方面仍存在局限：本文侧重于历史时期的驱动因子分析，虽识别了驱动强度的空间分异，但对未来社会经济发展与气候变化耦合下的动态阈值识别不足。未来研究可进一步引入PLUS或FLUS模型，模拟不同SSP情景下藏东南生态系统服务的权衡关系，为国土空间布局优化提供更具预见性的支撑。

参考文献

[1] 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（6630）：253-260.

[2] Dong W， Wu X， Zhang J J， et al. Spatiotemporal heterogeneity and driving factors of ecosystem service relationships and bundles in a typical agropastoral ecotone［J］. Ecological Indicators， 2023，156：111074.

[3] Wu X， Liu S L， Zhao S， et al. Quantification and driving force analysis of ecosystem services supply， demand and balance in China［J］. Science of the Total Environment， 2019，652：1375-1386.

[4] Wang L J， Zhang L， Xiao Y， et al. Identifying suitable areas for cropland and urban development in the Qinghai-Tibet Plateau［J］. Land Use Policy， 2025，150：107462.

[5] Du Z Y， Ji X B， Zhao W Y， et al. Integrating revised DPSIR and ecological security patterns to assess the health of Alpine grassland ecosystems on the Qinghai-Tibet Plateau［J］. Science of the Total Environment， 2024，957：177833.

[6] 王晓峰，尧文洁，冯晓明，等.青藏高原生态系统服务供需变化及其驱动因素［J］.生态学报，2023，43（17）：6968-6982.

[7] Wang X F， Yao W J， Feng X M， et al. Changes and driving factors of ecosystem services supply and demand on the Tibetan Plateau［J］. Acta Ecologica Sinica， 2023，43（17）：6968-6982.

[8] 贺大为，金贵，王新生，等.长江经济带国土空间开发与保护路径优化［J］.生态学报，2023，43（14）：5776-5787.

[9] He D W， Jin G， Wang X S， et al. Optimization of development and protection pattern of territorial space in the Yangtze River Economic Belt［J］. Acta Ecologica Sinica， 2023，43（14）：5776-5787.

[10] 张贤，刘彦随，王伟，等.基于PLUS-InVEST模型的中国多情景土地利用变化模拟及其对生态系统服务功能的影响［J］.生态学报，2025，45（19）：9577-9593.

[11] Zhang X， Liu Y S， Wang W， et al. Simulation of multi-scenario land use change and its impact on ecosystem services in China based on PLUS-InVEST model［J］. Acta Ecologica Sinica， 2025，45（19）：9577-9593.

[12] 刘世梁，董玉红，王方方，等.生态系统服务价值评估在生态修复中的应用［J］.中国生态农业学报（中英文），2023，31（8）：1343-1354.

[13] Liu S L， Dong Y H， Wang F F， et al. Application of ecosystem service valuation in ecological restoration［J］. Chinese Journal of Eco-Agriculture， 2023，31（8）：1343-1354.

[14] 欧阳志云，王效科，苗鸿.中国陆地生态系统服务功能及其生态经济价值的初步研究［J］.生态学报，1999，19（5）：19-25.

[15] Ouyang Z Y， Wang X K， Miao H， et al. A primary study on Chinese terrestrial ecosystem services and their ecological-economic values ［J］. Acta Ecologica Sinica， 1999，19（5）：19-25.

[16] 谢高地，鲁春霞，冷允法，等.青藏高原生态资产的价值评估［J］.自然资源学报，2003，18（2）：189-196.

[17] Xie G D， Lu C X， Leng Y F， et al. Ecological assets valuation of the Tibetan Plateau［J］. Journal of Natural Resources， 2003，18（2）：189-196.

[18] Degefu M A， Argaw M， Feyisa G L， et al. Dynamics of urban landscape nexus spatial dependence of ecosystem services in rapid agglomerate cities of Ethiopia［J］. Science of the Total Environment， 2021，798：149192.

[19] 马泽钰，李鹏，肖列，等.青海省生态修复关键区识别及修复分区划分［J］.水土保持学报，2024，38（3）：252-265.

[20] Ma Z Y， Li P， Xiao L， et al. Identification of key areas for ecological restoration and division of restoration zones in Qinghai Province［J］. Journal of Soil and Water Conservation， 2024，38（3）：252-265.

[21] 肖建英，戴津津，方昕然，等.基于PLUS模型的徐州市生态系统服务价值多情景模拟研究［J］.中国土地科学，2024，38（4）：125-134.

[22] Xiao J Y， Dai J J， Fang X R， et al. Multiple scenario simulation of ecosystem service value in Xuzhou City based on PLUS model［J］. China Land Science， 2024，38（4）：125-134.

[23] 刘颂，张浩鹏，裴新生，等.长时间序列生态系统服务权衡与协同驱动因素：以芜湖市生态系统服务功能极重要区为例［J］.生态学报，2024，44（5）：1780-1790.

[24] Liu S， Zhang H P， Pei X S， et al. Drivers of ecosystem service trade-off and synergy in long-term sequence：a case study of the extremely important ecosystem service function area in Wuhu City［J］. Acta Ecologica Sinica， 2024，44（5）：1780-1790.

[25] 丁延龙，刘丽梅，刘斌，等.格网尺度下内蒙古库布齐七星湖国家沙漠公园生态系统服务价值时空演化特征［J］.干旱区资源与环境，2024，38（9）：106-114.

[26] Ding Y L， Liu L M， Liu B， et al. Spatio-temporal evolution of ecosystem service value in Inner Mongolia Kubuqi Qixing Lake National Desert Park at a grid scale［J］. Journal of Arid Land Resources and Environment， 2024，38（9）：106-114.

[27] Bai L， Tian J L， Peng Y， et al. Effects of climate change on ecosystem services and their components in southern hills and northern grasslands in China［J］. Environmental Science and Pollution Research， 2021，28（33）：44916-44935.

[28] Yao W J， Wang X F， Wang X X， et al. Grazing on the Tibetan Plateau currently exceeds the safe boundary of its ecosystem services［J］. Journal of Environmental Management， 2025，373：123761.

[29] Immerzeel W W， van Beek L P H， Bierkens M F P. Climate change will affect the Asian water towers［J］. Science， 2010，328（5984）：1382-1385.

[30] 马晓琳，郭莎莎，徐扬，等.生态脆弱区生态安全格局构建研究［J］.生态学报，2023，43（22）：9500-9513.

[31] Ma X L， Guo S S， Xu Y， et al. Research on ecological security pattern construction in vulnerable ecological region［J］. Acta Ecologica Sinica， 2023，43（22）：9500-9513.

[32] Tran D X， Pearson D， Palmer A， et al. Quantifying spatial non-stationarity in the relationship between landscape structure and the provision of ecosystem services：an example in the New Zealand hill country［J］. Science of the Total Environment， 2022，808：152126.

[33] 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.

[34] Wang J F， Xu C D. Geodetector：principle and prospective［J］. Acta Geographica Sinica， 2017，72（1）：116-134.

[35] Abdul-Wahab S A， Bakheit C S， Al-Alawi S M. Principal component and multiple regression analysis in modelling of ground-level ozone and factors affecting its concentrations［J］. Environmental Modelling & Software， 2005，20（10）：1263-1271.

[36] Brunsdon C， Fotheringham A S， Charlton M E. Geographically weighted regression：a method for exploring spatial nonstationarity［J］. Geographical Analysis， 1996，28（4）：281-298.

[37] 石海韵，倪天华.青藏高原生态保护红线管控与生态补偿机制协同关键问题与对策［J］.环境保护，2025，53（7）：71-74.

[38] Shi H Y， Ni T H. Key issues and strategies for coordinating ecological conservation redlines and ecological compensation mechanisms on the Qinghai-Xizang Plateau［J］. Environmental Protection， 2025，53（7）：71-74.

[39] 王欠鑫，曹巍，黄麟.青藏高原生态系统功能稳定性演化特征及分区［J］.地理学报，2023，78（5）：1104-1118.

[40] Wang Q X， Cao W， Huang L. Evolutionary characteristics and zoning of ecosystem functional stability on the Qinghai-Tibet Plateau［J］. Acta Geographica Sinica， 2023，78（5）：1104-1118.

[41] 朱殿珍，初磊，马帅，等.青藏高原生态屏障区生态系统服务权衡与协同关系［J］.水土保持研究，2021，28（4）：308-315.

[42] Zhu D Z， Chu L， Ma S， et al. Tradeoff and synergistic relationship among ecosystem services［J］. Research of Soil and Water Conservation， 2021，28（4）：308-315.

[43] 戴尔阜，王亚慧.横断山区产水服务空间异质性及归因分析［J］.地理学报，2020，75（3）：607-619.

[44] Dai E F， Wang Y H. Spatial heterogeneity and driving mechanisms of water yield service in the Hengduan Mountain region［J］. Acta Geographica Sinica， 2020，75（3）：607-619.

[45] 李晴婉，古晋锴，李庆琳，等.西藏退化草地植被和土壤特征及其关系［J］.环境科学，2024，45（9）：5341-5350.

[46] Li Q W， Gu J K， Li Q L， et al. Characteristics of vegetation and soil of degraded grasslands and their relationships in Xizang［J］. Environmental Science， 2024，45（9）：5341-5350.

[47] 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.

[48] 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.

基金资助

国家电网公司总部科技项目“高海拔地形破碎及地势陡峭区特高压工程设计与施工技术研究”(5200-202356401A-2-4-KJ)