矿山生态修复区生态系统服务时空演变与权衡/协同分析

Spatiotemporal evolution and trade-off/synergy analysis of ecosystem services in mine ecological restoration areas

摘要

目的 揭示干旱—半干旱地区矿山生态修复对生态系统服务功能变化的影响，明确生态系统服务之间权衡/协同关系的动态响应特征。 方法 基于2000—2020年五期土地利用及自然环境数据，采用InVEST模型评估产水量、碳储量、土壤保持与生境质量4类生态系统服务，结合皮尔逊相关分析与地理加权回归方法，识别在矿山生态修复影响下各类生态系统服务的时空演变和服务间的权衡/协同关系。 结果 （1） 单项生态系统服务呈现差异化演变，产水量、土壤保持呈整体上升趋势，碳储量相对稳定，生境质量持续下降。（2） 权衡关系上，产水量与碳储量、土壤保持、生境质量整体表现为权衡关系，且二者权衡程度随时间推移不断增强。空间维度上，产水量与碳储量、生境质量的权衡分布区域占比长期高于98%。产水量与土壤保持的关系于2020年首次由“协同占优”转为“权衡占优”，表明水资源已成为生态系统服务功能提升的主要制约因素。（3） 协同关系上，碳储量、土壤保持与生境质量之间呈现协同关系，但协同程度整体趋于减弱。空间上，碳储量与生境质量协同面积长期超过90%；其余两组协同面积总体增加并呈现出“强度减弱、范围扩张”的演变态势，彰显了协同格局由局部集中向广域均衡的扩散态势，且修复效益可能存在边际递减的特征。 结论 矿山生态修复在推动单一生态系统服务恢复的同时，也深刻影响了服务之间的权衡/协同关系与空间分布格局。应以生态系统服务权衡/协同关系为基础，构建“分区识别—差异治理—动态优化”的精细化修复体系，实现资源开发与生态恢复的同步提升。

Abstract

Objective This study aims to reveal the impact of mine ecological restoration on changes in ecosystem service functions in arid and semi-arid regions， and to clarify the dynamic response characteristics of trade-offs and synergies among ecosystem services. Methods Five-period land-use and natural environmental datasets （2000—2020） were compiled. The InVEST model was used to quantify four ecosystem services—water yield， carbon storage， soil retention， and habitat quality. Pearson correlation analysis and geographically weighted regression were then employed to characterize the spatiotemporal evolution of ecosystem services and to identify inter-service trade-offs/synergies under the influence of mine ecological restoration. Results （1） Individual ecosystem services exhibited differentiated evolution. Water yield and soil retention increased overall， carbon storage remained relatively stable， whereas habitat quality continuously declined. （2） In terms of trade-off relationships， water yield shows an overall trade-off with carbon storage， soil conservation and habitat quality， and the trade-off intensity increases over time. Spatially， the proportion of areas with such trade-offs between water yield， carbon storage and habitat quality is consistently higher than 98%. Notably， the relationship between water yield and soil retention shifted for the first time in 2020 from “synergy-dominated” to “trade-off-dominated”， indicating that water resources have emerged as the primary constraint on improving ecosystem service functions. （3） In terms of synergies， carbon storage， soil retention， and habitat quality were synergistically related， yet the overall degree of synergy tended to weaken. Spatially， the synergistic area between carbon storage and habitat quality remained above 90% throughout the study period. For the other two ecosystem service pairs， the synergistic areas generally expanded and followed a trajectory of “weaker intensity but broader extent”， reflecting a diffusion from localized clustering toward broader spatial balance and suggesting potential diminishing marginal returns to restoration. Conclusion Mine ecological restoration not only promotes the recovery of individual ecosystem services but also profoundly reshapes inter-service trade-offs/synergies and their spatial distribution patterns. A refined restoration framework of “zonal identification-differentiated management-dynamic optimization”， grounded in ecosystem service trade-offs/synergies， is recommended to promote coordinated resource development and ecological restoration.

Graphical abstract

关键词

土地生态 / 生态系统服务 / 权衡与协同 / 矿山生态修复 / InVEST模型 / 准格尔旗

Key words

land ecology / ecosystem services / trade-offs and synergies / mine ecological restoration / InVEST model / Jungar Banner

生态系统服务（Ecosystem Services， ESs）是指生态系统所形成和维持的人类赖以生存和发展的环境条件与效用，为人类直接或间接从生态系统得到的所有收益^［1］，主要可分为供给服务、调节服务、支持服务和文化服务4类^［2］。近年来，随着人口增长与经济活动加剧，全球逾60%的生态系统服务已出现退化，生态系统的稳定性与服务供给能力显著下降^［2］。在资源开采与生态修复同步推进的矿区，矿山生态系统服务因功能诉求差异与资源分配约束而呈现此消彼长或互促共赢的多维互动格局，进而呈现为显著的权衡/协同关系^［3-4］。准确识别矿山生态修复过程中各项生态系统服务之间的变化及权衡/协同关系，探讨修复过程对生态服务权衡/协同的影响，有助于厘清服务间的互动机制，制定更科学的生态修复与空间治理策略，实现矿区生态系统服务效益的整体提升。

当前学界围绕生态系统服务已开展较为系统的研究，主要聚焦于：概念框架与分类体系^［5-6］、供给—需求—价值评估^［7-8］、时空格局演变^［9］及驱动机制^［10］、权衡/协同关系识别^［11-13］以及治理应用等^［14］方向。其中，在权衡/协同关系识别方面，已经形成了“整体—空间”的分析范式。整体层面主要通过相关性分析^［15］、贝叶斯信念网络等^［16］方法揭示服务之间的权衡/协同关系；空间层面则利用地理加权回归^{［11，17］}、双变量空间自相关^［13］等手段刻画其空间异质性与聚集模式。相关研究区域已涵盖流域^［11-12］、城市群^［17］、省市域^［18］、自然保护区^{［13，19］}以及国家公园等^［20］多层级区域类型。然而，矿山生态修复作为典型的人为主导过程，在“边开采、边修复”的治理导向下，现有研究多以修复模式、修复技术、效果评估与政策机制为主^［21］。尽管已有成果表明矿山生态修复措施可以通过土地利用结构调整与生态过程优化，在一定程度上提升单项生态系统服务功能^［22-24］，但对于多种服务间权衡/协同关系的系统识别与空间分析仍相对薄弱。因此，有必要聚焦于典型矿山生态修复区域，系统开展生态系统服务的时空演变与权衡/协同关系的分析，探讨修复过程对生态服务权衡/协同的影响，以期推动资源型区域生态系统服务的优化配置，实现更加科学的空间治理策略制定。

鄂尔多斯市准格尔旗位于黄土高原与内蒙古高原过渡带，是我国煤炭资源最为富集的地区之一。全旗已探明煤炭储量582亿t，远景储量超过1 000亿t，含煤面积分别占国土面积的37%（探明）和74%（远景），呈现显著的“全域矿区化”特征，在全国同类地区中极具代表性。此外，准格尔旗还属于典型的干旱—半干旱区域，生态系统对资源开发扰动与生态修复干预的响应十分敏感。自20世纪90年代末以来，准格尔旗持续开展了系统化的矿山生态修复工程，历时逾20年，截至目前，全旗已建成2座5A级绿色矿山，黑岱沟露天煤矿生态修复工程于2024年入选自然资源部首批15个生产矿山生态修复典型案例，因而具有典型性与研究价值。当地矿山生态修复主要采取地貌整治、土壤重构与植被重建等措施，形成了以复垦复绿与生态功能恢复为导向的综合治理体系。基于此，本文以准格尔旗为研究区，选取产水量、碳储量、土壤保持与生境质量4类生态系统服务指标，以表征矿山生态修复成效。其中，产水量反映干旱—半干旱气候条件下水量供给变化及其对修复增绿的响应；碳储量表征植被重建带来的碳积累与碳汇功能变化；土壤保持刻画地貌整治与水土保持措施对侵蚀过程的调控成效；生境质量则综合反映高强度开采扰动下生态空间完整性及其恢复程度。在此基础上，采用InVEST模型定量评估4类生态系统服务的时空演变特征，结合皮尔逊相关分析与地理加权回归模型，在3 km×3 km网格尺度下识别服务间的权衡/协同关系及其空间异质性。研究旨在以典型矿山生态修复区域为实证场景，系统揭示矿山生态修复对生态系统服务以及各类服务间权衡/协同关系的影响，弥补当前在矿山生态修复对多项服务间权衡/协同关系上的研究不足，为干旱—半干旱资源型地区的矿山生态修复与国土空间优化治理提供理论支撑与实践参考。

1 研究区概况与数据来源

1.1 研究区概况

准格尔旗（39°10′—40°13′N，110°16′—111°51′E）位于内蒙古自治区西南部，地处鄂尔多斯市东部、晋陕蒙三省区交界地带，毗邻毛乌素沙漠东南缘，属鄂尔多斯高原丘陵沟壑地貌区，总面积7 692 km²（图1）。地势起伏明显，地表以台塬、沙地与沟壑相间分布。气候类型为中温带大陆性半干旱气候，年均气温7.9 ℃，年降水量418.6 mm，降水集中于夏季，极端天气频发，旱涝急转，对生态系统稳定性影响显著。区域内矿产资源禀赋突出，煤炭资源集中度高。长期煤炭开发与工业快速扩张导致生态环境问题突出，土地利用结构剧烈变动，局部生态系统破碎化程度高。近年来，在绿色矿山建设与生态修复政策引导下，准格尔旗以煤矿区生态治理为重点，逐步形成覆盖西南与东部的典型修复格局，该地区生态系统服务格局持续演化，服务间权衡/协同特征日益凸显。

1.2 数据来源及处理

本文采用多源数据集对生态系统服务时空演变及其权衡/协同关系进行分析（表1），所有数据统一重采样至30 m×30 m空间分辨率，并投影至WGS1984_UTM_Zone_49 N坐标系。

2 研究方法

2.1 生态系统服务评估方法

准格尔旗作为资源型煤矿开采区域，生态系统服务功能受扰动显著，生态修复任务重、恢复周期长。为科学识别其关键生态系统服务的时空演变特征，本文选取产水量、碳储量、土壤保持和生境质量四项具有代表性的生态系统服务进行评估。

2.1.1 产水量

本文采用InVEST模型中的Water Yield模块对产水量进行评估。该模块基于水量平衡原理和Budyko水热耦合平衡假设，综合考虑降水、蒸散发、土壤性质、植被覆盖及土地利用类型等多种影响因子，以栅格单元为单位，计算其年平均产水量。计算公式如下：

Y(x)=〔\mathrm{1}-\frac{\mathrm{A}\mathrm{E}\mathrm{T}(x)}{P(x)}〕\cdot P(x)（1）

\frac{\mathrm{A}\mathrm{E}\mathrm{T}(x)}{P(x)}=\mathrm{1}+\frac{\mathrm{P}\mathrm{E}\mathrm{T}(x)}{P(x)}-{〔\mathrm{1}+{\left(\frac{\mathrm{P}\mathrm{E}\mathrm{T}(x)}{P(x)}\right)}^{\omega }〕}^{\frac{\mathrm{1}}{\omega }}（2）

\mathrm{P}\mathrm{E}\mathrm{T}(x)=K_{\mathrm{c}}(l_x)\times \mathrm{E}{\mathrm{T}}_{\mathrm{0}}(x)（3）

\omega (x)=Z\cdot \frac{\mathrm{A}\mathrm{W}\mathrm{C}(x)}{P(x)}+\mathrm{1.25}（4）

式中：Y（x）为流域内每个栅格单元x的年产水量（mm）；AET（x）为栅格单元x的年实际蒸散发量（mm）；P（x）为栅格单元x的年降水量（mm）；PET（x）为栅格单元x的潜在蒸散量；K_c （l_x ）为栅格单元x上LUCC l_x 相关植物蒸散发系数；ET₀（x）为生长在该地区的参考植被的蒸散发；AWC（x）为植物有效含水量（mm），由植物有效水分能力（Plant Available Water Capacity， PAWC）与根系约束层深度和植被生根深度最小值的乘积来估计；ω（x）为自然气候—土壤性质的非物理参数；Z为经验常数，依据内蒙古自治区水资源公报中产水系数进行率定。本文参考已有的相关研究确定模型运行所需的生物物理系数表^［25］。

2.1.2 碳储量

采用InVEST模型中的Carbon Storage and Sequestration模块对碳储量进行评估。该模块依据地上生物量碳库、地下生物量碳库、土壤碳库和死亡有机物碳库这4种碳库的碳密度，结合评估面积计算碳储量。计算公式如下：

C_{\mathrm{t}\mathrm{o}\mathrm{t}\mathrm{a}\mathrm{l}}=C_{i,\mathrm{a}\mathrm{b}\mathrm{o}\mathrm{v}\mathrm{e}}+C_{i,\mathrm{b}\mathrm{e}\mathrm{l}\mathrm{o}\mathrm{w}}+C_{i,\mathrm{s}\mathrm{o}\mathrm{i}\mathrm{l}}+C_{i,\mathrm{d}\mathrm{e}\mathrm{a}\mathrm{d}}（5）

C_{\mathrm{t}\mathrm{o}\mathrm{t}\mathrm{a}\mathrm{l}}={\displaystyle \sum _{i=\mathrm{1}}^n}{C}_i\times A_i（6）

式中：C_total为总碳储量（t）；i为第i种土地利用类型；C_{i， above}为地上生物碳储量（t/hm²）；C_{i， below}为地下生物碳储量（t/hm²）；C_{i， soil}为土壤碳储量（t/hm²）；C_{i， dead}为死亡有机碳储量（t/hm²）；A_i 为地类i的面积（hm²）；碳密度数据参考已有以及相近区域的碳密度研究成果^［26］。

2.1.3 土壤保持

采用InVEST模型中的Sediment Delivery Ratio模块对土壤保持量进行评估。该模块基于修正通用土壤流失方程（Revised Universal Soil Loss Equation， RUSLE），综合考虑坡度、土壤可蚀性、植被覆盖及降雨侵蚀力等因子，模拟每个栅格单元的潜在与实际土壤侵蚀量。在此基础上，模型分别估算侵蚀减少量（即潜在侵蚀量与实际侵蚀量的差值）和泥沙持留量（表示地表对上坡泥沙的截留能力）从而量化区域土壤保持能力。计算公式如下：

\mathrm{S}\mathrm{E}\mathrm{D}\mathrm{R}\mathrm{E}{\mathrm{T}}_x=\mathrm{R}\mathrm{K}\mathrm{L}{\mathrm{S}}_x-\mathrm{U}\mathrm{S}\mathrm{L}{\mathrm{E}}_x（7）

\mathrm{R}\mathrm{K}\mathrm{L}{\mathrm{S}}_x=R_x\times K_x\times \mathrm{L}{\mathrm{S}}_x（8）

\mathrm{U}\mathrm{S}\mathrm{L}{\mathrm{E}}_x=R_x\times K_x\times \mathrm{L}{\mathrm{S}}_x\times C_x\times P_x（9）

式中：SEDRET _x 为栅格x的土壤保持量（t）；RKLS _x 为栅格x的潜在土壤侵蚀量（t）；USLE _x 为栅格x的实际土壤侵蚀量（t）；R_x， K_x， LS _x， C_x， P_x 分别为栅格x的降水侵蚀性因子、土壤可侵蚀性因子、坡度坡长因子、植被覆盖管理因子和土壤保持措施因子；P， C，K因子及详细计算方法参考相关研究^［27-28］及InVEST模型用户指南赋值。

2.1.4 生境质量

采用InVEST模型中的Habitat Quality模块对生境质量进行评估。该模块以土地利用/覆盖类型为基础，结合多个生态威胁因子及其影响距离、强度和敏感性参数，综合计算栅格尺度的生境质量指数。模型输出范围为0~1，数值越高表示生境越优、生态完整性越强，反之则代表干扰越严重。能有效反映土地利用变化对生态系统结构和生物多样性格局的影响。计算公式如下：

Q_{xi}=H_i〔\mathrm{1}-\left(\frac{D_{xi}^z}{D_{xi}^z+k^z}\right)〕（10）

式中：Q_xi 为土地利用i类中x栅格的生境质量；k为半饱和常数，取D_xi 最大值的1/2；H_i 为土地利用i类的生境适宜度；z为归一化常数，取2.5。

2.2 生态系统服务权衡/协同研究方法

生态系统服务之间的协同与权衡关系，本质上反映了生态系统不同功能在资源利用、生态恢复与人类活动干扰下的相互作用特征。为揭示准格尔旗矿山生态修复区域生态系统服务的权衡/协同关系，本文从整体相关性与空间异质性两个维度出发，分别采用皮尔逊相关分析与地理加权回归模型对生态系统服务间权衡/协同关系进行定量识别与空间刻画。

为支持相关性分析与空间建模的实施，本文首先在ArcGIS Pro 3.1.5中构建3 km×3 km的规则渔网面，并按研究区范围进行空间裁剪，生成937个分析单元。将2000—2020年5个时段的各类生态系统服务数据提取至渔网面中，为后续的相关性计算与回归建模提供一致的数据基础。

2.2.1 相关性分析

为识别生态系统服务之间的整体权衡/协同关系，使用R 4.4.2软件中的corrplot包，基于皮尔逊相关系数（Pearson Correlation Coefficient）对生态系统服务进行相关性分析，该方法可定量反映两个变量之间的线性相关程度，计算公式如下：

r=\frac{{\displaystyle \sum _{i=\mathrm{1}}^n}(x_i-\overline{x})(y_i-\overline{y})}{\sqrt[]{{\displaystyle \sum _{i=\mathrm{1}}^n}(x_i{-\overline{x})}^{\mathrm{2}}}\cdot \sqrt[]{{\displaystyle \sum _{i=\mathrm{1}}^n}(y_i{-\overline{y})}^{\mathrm{2}}}}（11）

式中：r为皮尔逊相关系数；x_i， y_i 分别为第i个网格单元中两类生态系统服务的标准化值；\overline{x}，\overline{y}为其均值；n为样本数量。当r<0时，表示存在权衡关系；当r>0时，表示两个生态系统服务之间呈现协同关系；|r|值越大，代表生态系统服务间交互强度越高。

2.2.2 地理加权回归分析

在整体相关性分析的基础上，为进一步揭示生态系统服务关系的空间异质性，使用R 4.4.2软件中的GW model包，基于地理加权回归模型（Geographically Weighted Regression， GWR），探讨生态系统服务间在局部空间的协同/权衡特征。GWR通过在地理空间上引入回归系数的变化，能够有效刻画生态系统服务之间权衡/协同关系的空间异质性。

GWR是在传统回归模型的基础上发展而来，允许模型参数在空间上变化，能够有效处理回归系数的空间非平稳性^［29］。其基本假设是因变量与自变量之间的关系会随着地理位置而改变，受到环境背景的调节。该特性与生态系统服务间存在共同驱动因子的机制相契合，即多个生态系统服务常由相同的驱动因子同时影响，进而导致它们之间的空间权衡/协同关系出现空间差异。

GWR模型表达式如下：

y_i={\beta }_{\mathrm{0}}(u_i,v_i)+{\displaystyle \sum _{k=\mathrm{1}}^p}{\beta }_k(u_i,v_i)x_{ik}+{\epsilon }_i（12）

式中：y_i 为第i个空间单元中的因变量，即待解释的生态系统服务；x_ik 为第i个空间单元中第k个解释变量，即另一生态系统服务；β₀（u_i，v_i）为空间位置（u_i，v_i）处的回归截距项；β_k （u_i，v_i）为空间位置（u_i，v_i）处第k个解释变量对应的局部回归系数；（u_i，v_i）为第i个空间单元的地理坐标；{\epsilon }_i为误差项，表示模型无法解释的残差部分。

该模型的核心特征是回归系数β_k 随地理位置而变化，从而揭示变量之间的关系在空间上的非平稳性。这使得GWR能够刻画出生态系统服务之间权衡或协同关系在不同区域的差异化表现。当β_k （u_i，v_i）<0时，说明该地理位置处两个变量之间呈现权衡关系；当β_k （u_i，v_i）>0时，说明两者在该地呈现协同关系；绝对值越大，说明关系越显著，交互强度越高。

3 结果与分析

3.1 生态系统服务时空变化特征

为全面揭示准格尔旗矿山生态修复区域生态系统服务的时空演变特征，本文从时间与空间两个维度出发，系统分析产水量、碳储量、土壤保持与生境质量4类生态系统服务的时空变化特征（图2）。

2000—2020年产水量服务总体呈先降后升的波动增长趋势，水源涵养功能明显增强。区域年均产水量由2000年的35.37 mm降至2005年的25.96 mm，随后逐步回升，至2020年达到58.86 mm，较基期增长约66.4%。产水总量由2.67亿m³增至4.44亿m³。空间格局方面，产水量长期表现为北高南低的分布特征。2000—2005年区域大部分为浅蓝色低值区，2010年后，北部及西南部的产水能力明显提升，高值区范围不断扩大，2020年已在北部区域形成多个连片高值区。

碳储量服务在研究期内整体保持相对稳定，呈现轻微波动下降趋势。区域总储量由2000年的9.003×10⁷ t上升至2010年的峰值9.193×10⁷ t，之后缓慢下降，2020年为8.744×10⁷ t，整体降幅约2.88%。空间格局稳定，持续呈现南高北低的分布特征。高值区主要集中于林地与高覆盖草地密集区域，低值区则主要以耕地、城镇建设用地、工矿开发区和未利用地为主，空间格局变化幅度较小，仅在边缘区域存在局部增强或减弱。整体来看，碳储量服务的空间异质性与土地利用类型高度相关，林草地长期维持较高碳汇能力，而耕地与非植被覆盖区则持续处于低值状态。

土壤保持服务呈显著提升态势，水土流失调控能力显著增强。总量由2000年的3.72×10⁸ t升至2020年的9.03×10⁸ t，增长率达142.9%，年均保持量由40.83 t提升至113.58 t。空间格局呈南高北低的分布特征，高值区主要集中于南部和中部地形起伏较大、林草覆盖良好的丘陵区域，服务功能持续增强；低值区主要分布在北部相对平缓的区域，以耕地、城镇建设用地和工矿用地为主，地表扰动强烈、植被覆盖度低。2010年后，高值区逐步向西南部矿山生态修复区域、坡地林草过渡带扩展。土壤保持服务的演变受到坡度条件、土地类型以及人类活动强度的综合影响，生态修复与植被恢复成为推动该服务提升的关键因素。

生境质量服务整体呈现轻度下降趋势，区域平均指数由2000年的0.532 5降至2020年的0.497 7，下降幅度为6.5%，标准差由0.215 0增至0.226 4。空间格局表现为南高北低特征，高值区主要集中于南部与中西部林草分布密集、生态干扰程度较低的区域；低值区广泛分布于北部、东北部与东部，主要为矿区、城镇开发区及交通干道沿线，生态威胁因子密度高、景观破碎化严重。2010年后北部与东部区域低生境质量斑块显著扩展，原本处于中等生态服务能力的生态过渡区逐步被建设用地、工矿用地等低服务能力地类所取代，高值区呈现出明显收缩趋势，生境质量空间均衡性持续下降，整体稳定性面临一定压力。

3.2 生态系统服务的权衡/协同关系

3.2.1 生态系统服务权衡/协同相关性分析

对准格尔旗2000—2020年期间的四项生态系统服务（碳储量CS、产水量WY、土壤保持SC、生境质量HQ）之间的权衡/协同关系进行分析。所有服务之间的相关性结果均达到了统计学显著性（p<0.01）。结果（图3）表明，产水量与碳储量（WY-CS）、产水量与土壤保持（WY-SC）、产水量与生境质量（WY-HQ）之间存在显著的权衡关系，而碳储量与生境质量（CS-HQ）、碳储量与土壤保持（CS-SC）、土壤保持与生境质量（SC-HQ）之间则为显著的协同关系。

在权衡关系方面，产水量与生境质量（WY-HQ）表现为最强的负相关，二者之间的权衡关系最为显著。2000年相关系数为-0.75，2020年相关系数进一步加深至-0.84，整体呈现波动上升的趋势。这表明随着水资源需求的上升，生境改善与生物多样性保护受到显著抑制，生境质量受到更大压制。此外，这种权衡不仅体现为产水过程对栖息地环境的负面影响，也反映出生境退化对水资源调控功能的反馈作用。产水量与碳储量（WY-CS）之间的权衡关系同样显著。相关系数从2000年的-0.47和2005年的-0.39，急剧加深至2010年的-0.69，变化幅度较大，并在2020年达到最值（-0.78），反映了水资源开发与碳储量之间竞争关系的加剧，产水量的提升依赖于减少植被覆盖、降低蒸散损耗，从而抑制碳汇积累；反之，碳储量提升依赖植被恢复，可能导致产水功能削弱。产水量与土壤保持（WY-SC）之间的权衡关系相对较弱，相关系数从2000年的-0.15增强至2020年的-0.27，两者之间虽然存在负相关关系，但变化幅度有限，呈现为较为温和的权衡关系。

在协同关系方面，碳储量与生境质量（CS-HQ）之间的协同关系最为显著，相关系数始终保持较高值，2000年相关系数为0.70，2010年降至0.60，在2015年和2020年相关系数回升至0.61，0.69。表明二者在植被恢复过程中呈现出一致的生态响应，体现了生态修复工程的长期正效应。相较之下，碳储量与土壤保持（CS-SC）以及土壤保持与生境质量（SC-HQ）之间呈现出弱协同关系。碳储量与土壤保持（CS-SC）的相关系数从2000年的0.35逐步下降至2020年的0.25，土壤保持与生境质量（SC-HQ）的相关系数从2000年的0.33降至2020年的0.23，协同效应均有所减弱，但正向反馈作用依然存在。生态恢复区域内的土壤保持措施仍有助于减少土壤侵蚀，促进碳封存与生境结构的改善，但随着恢复过程的推进，其边际效益趋于递减，协同强度亦随之降低。

3.2.2 生态系统服务权衡/协同关系空间变化特征

为揭示不同生态系统服务之间交互关系的空间异质性及其时序演变特征，采用地理加权回归（GWR）对2000—2020年典型生态系统服务之间的空间关系进行了分析。结果显示（图4，图5），研究区内生态系统服务之间的权衡/协同关系存在显著的空间异质性，根据该特征，生态系统服务之间的权衡/协同关系可划分为强权衡型、强协同型与波动型3类。

产水量与碳储量（WY-CS）、产水量与生境质量（WY-HQ）构成典型的强权衡型服务对，在整个研究期内均表现出显著的负相关关系。产水量与碳储量（WY-CS）服务对的权衡面积占比始终超过98%，2010年后达到100%，此后未再出现协同区域，表明二者之间存在长期且显著的生态功能冲突，其权衡高值区主要集中于研究区中部，且呈扩展趋势。产水量与生境质量（WY-HQ）服务对同样呈现显著的权衡关系，除2010年权衡面积占比最低为97.28%以外，其余年份均高于98%，权衡高值区域分布于研究区的北部，协同区域极为有限，仅零星分布于东南部区域。

相较之下，碳储量与生境质量（CS-HQ）构成典型的强协同型服务对，在2000—2020年各时期协同面积占比均超过90%。强协同区域主要集中于研究区北部和西南部，在空间上呈现出高度一致的演化特征。

其余三组服务对——碳储量与土壤保持（CS-SC）、土壤保持与生境质量（SC-HQ）、产水量与土壤保持（WY-SC）在时间序列与空间格局上均存在明显变化，属于波动型服务对。碳储量与土壤保持（CS-SC）整体以协同关系为主，但协同面积占比波动显著，2000年协同面积占比为63.8%，2010年下降至55.0%，2020年回升至66.5%。其权衡区域集中于北部和西南部，协同区域则主要分布于南部，呈现出权衡与协同交错分布的格局。土壤保持与生境质量（SC-HQ）以协同关系占主导，协同面积占比从2000年的57.84%逐步提升至2010年的67.36%，2015年下降至最低值54.35%，2020年再次上升至75.26%。协同高值区主要位于东南部，呈现出协同包围权衡的空间特征。产水量与土壤保持（WY-SC）为波动型服务对中变化幅度最大的一组。2000—2015年协同与权衡面积比例均围绕50%上下波动，最大差值仅为5.3%，但在2020年权衡面积占比迅速增加，达到58.78%，首次超过协同面积占比（41.22%），差值也达到研究期间的最大值，体现出协同关系向权衡关系转化的趋势，主要集中于研究区的北部区域。

4 讨 论

如何在保障资源开发的同时统筹推进生态修复、功能恢复与服务提升，已成为生态文明建设的重要议题。研究结果表明，矿山生态修复对单项生态系统服务产生了显著而异质的影响，也深刻影响了生态系统服务间的权衡/协同关系与空间格局。

研究期内，四项生态系统服务呈现出差异化的演变特征，产水量和土壤保持服务显著提升，碳储量服务总体保持稳定，生境质量服务持续下降。矿山生态修复通过坡面修整、采坑回填与土壤改良等工程措施增强了土体稳定性与抗侵蚀能力，降低了坡面侵蚀风险，从而有效抑制了水土流失并促进了土壤保持服务的提升；通过铺设防渗层及修筑排洪沟、暗沟、截水墙等设施重构截排水系统，减少下渗并增强地表径流汇集外排，影响了降水与蒸散的格局，推动产水量总体回升。在地貌、土壤和水文条件得到修复的基础上，植被重建进一步促进生物量积累与枯落物输入，增强了土壤有机碳形成与固碳潜力。然而，在资源开发与生态修复并行推进的情境下，采矿扰动与土地利用调整所引致的碳库损失与修复增量在时空上交织叠加，导致碳储量呈现总体稳定、局部起伏的变化特征。植被恢复局部提升了栖息地适宜度，但在矿区开发活动延续、道路扩张与建设用地增长持续发生时，威胁因子累积与边缘效应往往会在更大尺度上削弱甚至抵消修复带来的正向效应，最终表现为生境质量服务持续下降。

在单项生态系统服务差异化演变的基础上，矿山生态修复强化了以产水量为核心的权衡关系。产水量与碳储量、土壤保持、生境质量之间呈现出显著的权衡关系，且权衡程度持续加强。空间格局上，产水量与碳储量及产水量与生境质量的权衡区域广泛分布并长期占优势，高值区域呈现扩张趋势，产水量与土壤保持的空间关系则更具动态性，权衡与协同面积波动变化，且于2020年首次由协同面积占优转为权衡面积占优。矿山开发与修复共同改变了地表覆盖、土体结构与水分循环条件，进而影响径流与蒸散等水文过程，而碳储量提升、土壤侵蚀抑制与生境质量改善更依赖植被恢复与土壤结构优化，这些过程往往伴随蒸散能力增强、土壤水分消耗增加或生态需水量提高，从而强化与产水量之间的水分竞争与权衡关系，表明水资源已成为生态系统服务功能提升的主要制约因素。因此，在干旱—半干旱资源型地区开展矿山生态修复时，应当将水资源承载阈值纳入修复方案论证与效果评估体系，依据区域水分约束实施分区治理、差异化植被重建与修复强度控制，促进多项生态系统服务提升。

相较于产水量主导的权衡关系，碳储量、土壤保持与生境质量3类生态系统服务之间呈现出协同关系，但其协同程度均有所下降。空间格局上，碳储量与生境质量形成稳定且强化的协同核心区，而碳储量与土壤保持以及土壤保持与生境质量的协同面积呈阶段性波动并在后期明显增加。这一协同范围扩大而协同程度下降的特征，反映出矿山修复由局部高强度改善向广域均衡扩散发展的阶段性转变。在早期修复投入集中区域，植被恢复与土壤改良等措施通过提高固碳潜力、增强土壤抗侵蚀能力并改善栖息地条件，提升了碳储量、土壤保持能力与生境质量，产生显著协同效应并形成高协同区域；但随着修复在更大范围铺开，高协同区域逐步趋于饱和并进入边际效益递减阶段，而新增修复区域由于投入强度、基底条件与扰动背景差异，其服务提升幅度相对有限，进而导致总体相关强度下降而协同范围扩张。揭示了矿山修复效益可能存在边际递减的规律，提示后续治理不应仅停留于修复面积的扩张，而应转向生态质量提升与关键生态过程调控，通过优化修复模式、构建多层次的植被结构并增强景观连通性，从而巩固生态系统服务之间的协同增益。

本文的贡献在于：（1） 在理论机制层面，以“边开采、边修复”情境下的干旱—半干旱典型矿区为对象，识别并量化多项生态系统服务之间的权衡/协同关系，并揭示了其空间异质性的特征。研究结果不仅印证了已有研究中关于“矿山生态修复有助于提升单项生态系统服务功能”的结论，也为资源型区域生态系统服务机制的深化理解和空间优化提供了新的理论支撑与实证依据。（2） 在研究情境方面，聚焦于矿山生态修复这一生态干扰与恢复并存的典型区域，系统开展多项生态系统服务的动态评估与权衡/协同分析，为高强度人类干扰背景下的生态系统服务研究提供实证支撑。（3） 在研究尺度与方法层面，选取县域这一小尺度作为分析单元，该尺度更贴近矿山生态修复政策的实际执行层面。同时采用3 km×3 km的规则网格划分研究单元，结合地理加权回归（GWR）方法，揭示了生态系统服务权衡/协同关系的空间异质性特征，为生态系统服务交互关系的空间刻画提供了更精细的表达框架。

尽管本文在理论框架构建、研究情境设定、空间尺度设计与技术路径选择等方面做出了积极探索，但仍存在以下局限性：（1） 模型的适应性限制。InVEST作为典型的经验驱动型生态模拟工具，其内部参数设定与运行机制在一定程度上依赖于通用假设与既有经验。当应用于矿山生态修复区域这一地形复杂、人为干扰强烈的特殊环境时，模型的适配性和估算精度可能受到影响，从而影响部分生态系统服务量化结果的可靠性。（2） 指标体系的覆盖不足。为确保研究的针对性与可操作性，仅选取产水量、碳储量、土壤保持和生境质量4类生态系统服务开展分析，尚未涵盖供给服务、文化服务等其他重要维度，整体指标体系仍不够全面。在一定程度上限制了对服务间权衡与协同关系的系统识别与深入刻画。未来研究应构建更加多元与精细的服务指标体系，并结合动态模拟方法，以提升对生态系统服务交互机制的全面把握与量化表达能力。

5 结 论

（1） 矿山生态修复对生态系统服务产生了差异化的影响。产水量和土壤保持服务在矿山生态修复工程的持续作用下显著提升，年均产水量增长约66.4%，土壤保持总量增长率达142.9%。碳储量总体保持稳定呈小幅波动下降趋势，降幅为2.88%，生境质量持续下降，下降幅度为6.5%。

（2） 矿山生态修复过程强化了以产水量为核心的权衡格局。产水量与碳储量（WY-CS）、土壤保持（WY-SC）、生境质量（WY-HQ）呈现显著的权衡关系，且权衡程度随时间推移不断增强，其中产水量与生境质量（WY-HQ）之间的负相关性最为突出。空间上，产水量与碳储量（WY-CS）和产水量与生境质量（WY-HQ）的权衡区域面积占比长期超过98%，且高值区域呈扩张趋势；产水量与土壤保持（WY-SC）在多数年份仍以协同面积占比较高为特征，但在2020年空间面积首次由“协同占优”转为“权衡占优”，转变主要集中于研究区北部区域。

（3） 矿山生态修复推动了碳储量、土壤保持与生境质量之间生态系统服务的协同关系，碳储量与生境质量（CS-HQ）、碳储量与土壤保持（CS-SC）以及土壤保持与生境质量（SC-HQ）总体呈协同关系，但协同程度整体趋于减弱。空间上，碳储量与生境质量（CS-HQ）协同面积占比长期超过90%，协同核心区集中于研究区北部以及西南部。碳储量与土壤保持（CS-SC）、土壤保持与生境质量（SC-HQ）的协同面积总体增加，且在研究期内呈阶段性波动。

综上所述，矿山生态修复在推动单一生态系统服务恢复的同时，也深刻影响了服务之间的权衡/协同关系与空间分布格局。应以生态系统服务权衡/协同关系为基础，构建“分区识别—差异治理—动态优化”的精细化修复策略体系，特别是在功能冲突高发区，强化监测与动态调控机制，以期实现资源开发与生态恢复的协同提升，进而为干旱—半干旱资源型地区的生态系统保护与区域高质量发展提供理论支撑与实践参考。

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] Assessment M E. Ecosystems and human well-being［M］. Washington， D C： Island Press， 2005.

[3] Bennett E M， Peterson G D， Gordon L J. Understanding relationships among multiple ecosystem services［J］. Ecology Letters， 2009，12（12）：1394-1404.

[4] Spake R， Lasseur R， Crouzat E， et al. Unpacking ecosystem service bundles： Towards predictive mapping of synergies and trade-offs between ecosystem services［J］. Global Environmental Change， 2017，47：37-50.

[5] 谢高地，鲁春霞，成升魁.全球生态系统服务价值评估研究进展［J］.资源科学，2001，23（6）：5-9.

[6] Xie G D， Lu C X， Cheng S K. Progress in evaluating the global ecosystem services［J］. Resources Science， 2001，23（6）：5-9.

[7] 李琰，李双成，高阳，等.连接多层次人类福祉的生态系统服务分类框架［J］.地理学报，2013，68（8）：1038-1047.

[8] Li Y， Li S C， Gao Y， et al. Ecosystem services and hierarchic human well-being： Concepts and service classification framework［J］. Acta Geographica Sinica， 2013，68（8）：1038-1047.

[9] 谢高地，张彩霞，张雷明，等.基于单位面积价值当量因子的生态系统服务价值化方法改进［J］.自然资源学报，2015，30（8）：1243-1254.

[10] Xie G D， Zhang C X， Zhang L M， et al. Improvement of the evaluation method for ecosystem service value based on per unit area［J］. Journal of Natural Resources， 2015，30（8）：1243-1254.

[11] 欧阳志云，林亦晴，宋昌素.生态系统生产总值（GEP）核算研究：以浙江省丽水市为例［J］.环境与可持续发展，2020，45（6）：80-85.

[12] Ouyang Z Y， Lin Y Q， Song C S. Research on gross ecosystem product（GEP）： Case study of Lishui City， Zhejiang Province［J］. Environment and Sustainable Development， 2020，45（6）：80-85.

[13] 潘韬，吴绍洪，戴尔阜，等.基于InVEST模型的三江源区生态系统水源供给服务时空变化［J］.应用生态学报，2013，24（1）：183-189.

[14] Pan T， Wu S H， Dai E F， et al. Spatiotemporal variation of water source supply service in Three Rivers Source Area of China based on InVEST model［J］. Chinese Journal of Applied Ecology， 2013，24（1）：183-189.

[15] 严恩萍，林辉，王广兴，等.1990—2011年三峡库区生态系统服务价值演变及驱动力［J］.生态学报，2014，34（20）：5962-5973.

[16] Yan E P， Lin H， Wang G X， et al. Analysis of evolution and driving force of ecosystem service values in the Three Gorges Reservoir region during 1990-2011［J］. Acta Ecologica Sinica， 2014，34（20）：5962-5973.

[17] 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.

[18] 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.

[19] Qian C Y， Gong J， Zhang J X， et al. Change and tradeoffs-synergies analysis on watershed ecosystem services： a case study of Bailongjiang Watershed， Gansu［J］. Acta Geographica Sinica， 2018，73（5）：868-879.

[20] Zheng D F， Wang Y H， Hao S， et al. Spatial-temporal variation and tradeoffs/synergies analysis on multiple ecosystem services： a case study in the Three-River Headwaters region of China［J］. Ecological Indicators， 2020，116：106494.

[21] 谢余初，张素欣，林冰，等.基于生态系统服务供需关系的广西县域国土生态修复空间分区［J］.自然资源学报，2020，35（1）：217-229.

[22] Xie Y C， Zhang S X， Lin B， et al. Spatial zoning for land ecological consolidation in Guangxi based on the ecosystem services supply and demand［J］. Journal of Natural Resources， 2020，35（1）：217-229.

[23] Lyu R F， Clarke K C， Zhang J M， et al. Spatial correlations among ecosystem services and their socio-ecological driving factors： a case study in the city belt along the Yellow River in Ningxia， China［J］. Applied Geography， 2019，108：64-73.

[24] Dang K B， Windhorst W， Burkhard B， et al. A Bayesian Belief Network-Based approach to link ecosystem functions with rice provisioning ecosystem services［J］. Ecological Indicators， 2019，100：30-44.

[25] Chang B L， Chen B M， Chen W， et al. Analysis of trade-off and synergy of ecosystem services and driving forces in urban agglomerations in Northern China［J］. Ecological Indicators， 2024，165：112210.

[26] 刘立程，刘春芳，王川，等.黄土丘陵区生态系统服务供需匹配研究：以兰州市为例［J］.地理学报，2019，74（9）：1921-1937.

[27] Liu L C， Liu C F， Wang C， et al. Supply and demand matching of ecosystem services in Loess Hilly Region： a case study of Lanzhou［J］. Acta Geographica Sinica， 2019，74（9）：1921-1937.

[28] 钟绍卓，孙浩源.不同情景下祁连山国家级自然保护区生态系统服务时空变化及权衡与协同关系［J］.水土保持研究，2023，30（5）：358-369.

[29] Zhong S Z， Sun H Y. Assessment on spatiotemporal variation and synergies/tradeoffs relationships of ecosystem services in Qilian Mountain national nature reserve under different scenarios［J］. Research of Soil and Water Conservation， 2023，30（5）：358-369.

[30] 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.

[31] Ran X， Li Y， Guo Y L， et al. Ecosystem services assessment and trade-off synergy relationships in Qianjiangyuan National Park based on InVEST model［J］. Resources and Environment in the Yangtze Basin， 2023，32（9）：1932-1948.

[32] 胡振琪，赵艳玲.矿山生态修复面临的主要问题及解决策略［J］.中国煤炭，2021，47（9）：2-7.

[33] Hu Z Q， Zhao Y L. Main problems in ecological restoration of mines and their solutions［J］. China Coal， 2021，47（9）：2-7.

[34] 肖武，张文凯，吕雪娇，等.西部生态脆弱区矿山不同开采强度下生态系统服务时空变化：以神府矿区为例［J］.自然资源学报，2020，35（1）：68-81.

[35] Xiao W， Zhang W K， Lyu X J， et al. Spatio-temporal patterns of ecological capital under different mining intensities in an ecologically fragile mining area in Western China： a case study of Shenfu mining area［J］. Journal of Natural Resources， 2020，35（1）：68-81.

[36] 龙精华，张卫，付艳华，等.鹤岗矿区生态系统服务价值［J］.生态学报，2021，41（5）：1728-1737.

[37] Long J H， Zhang W， Fu Y H， et al. The value of ecosystem services in Hegang coal mining area［J］. Acta Ecologica Sinica， 2021，41（5）：1728-1737.

[38] 程子捷，陈志，纪超，等.江西省兴国县矿山生态修复对生态系统服务影响研究［J］.中国矿业，2024，33（6）：120-128.

[39] Cheng Z J， Chen Z， Ji C， et al. Research on the impact of mine ecological restoration on ecosystem services in Xingguo County， Jiangxi Province［J］. China Mining Magazine， 2024，33（6）：120-128.

[40] 杨洁，谢保鹏，张德罡.基于InVEST模型的黄河流域产水量时空变化及其对降水和土地利用变化的响应［J］.应用生态学报，2020，31（8）：2731-2739.

[41] Yang J， Xie B P， Zhang D G. Spatio-temporal variation of water yield and its response to precipitation and land use change in the Yellow River Basin based on InVEST model［J］. Chinese Journal of Applied Ecology， 2020，31（8）：2731-2739.

[42] 曹鹏辉，齐晓明，杨雯，等.内蒙古土地利用多情景模拟与碳储量预测分析［J］.干旱区资源与环境，2023，37（9）：83-90.

[43] Cao P H， Qi X M， Yang W， et al. Multi scenario simulation and prediction of carbon storage for land use types in Inner Mongolia［J］. Journal of Arid Land Resources and Environment， 2023，37（9）：83-90.

[44] Zhou W Z， Liu G H， Pan J J， et al. Distribution of available soil water capacity in China［J］. Journal of Geographical Sciences， 2005，15（1）：3-12.

[45] 吴志俊，王永强，鄢波，等.基于InVEST模型的鄂尔多斯市土壤侵蚀及土壤保持功能研究［J］.水电能源科学，2021，39（8）：31-34，98.

[46] Wu Z J， Wang Y Q， Yan B， et al. Research on soil erosion and soil conservation function of Ordos City based on InVEST model［J］. Water Resources and Power， 2021，39（8）：31-34，98.

[47] Gollini I， Lu B B， Charlton M， et al. GWmodel： an R package for exploring spatial heterogeneity using geographically weighted models［J］. Journal of Statistical Software， 2015，63（17）：1-50.

基金资助

国家自然科学基金(42261047)

内蒙古自然科学基金(2025MS07023)

内蒙古自然科学基金(2025QN07006)