EN中文

地理学报 >

2024 , Vol. 79 >Issue 5: 1303 - 1317

DOI: https://doi.org/10.11821/dlxb202405013

土地利用与生态系统

生态风险与生态系统健康对生态系统服务的影响

  • 朱青 , 1, 2, 3 ,
  • 蔡永立 , 1, 2, 3
展开
  • 1.上海交通大学设计学院风景园林系，上海 200240
  • 2.自然资源部国土空间生态治理数字工程技术创新中心，上海 200240
  • 3.云南洱海湖泊生态系统国家野外科学观测研究站，大理 671000
蔡永立(1963-), 男, 安徽怀远人, 教授, 博士生导师, 主要从事城市与区域生态安全和可持续发展研究。E-mail:

朱青(1995-), 男, 江西都昌人, 博士生, 主要从事区域生态安全与国土空间生态修复研究。E-mail:

收稿日期: 2023-09-22

  修回日期: 2024-04-22

  网络出版日期: 2024-05-31

基金资助

教育部哲学社会科学研究重大课题攻关项目(19JZD023)

收起

Impact of ecological risk and ecosystem health on ecosystem services

  • ZHU Qing , 1, 2, 3 ,
  • CAI Yongli , 1, 2, 3
Expand
  • 1. Department of Landscape Architecture, School of Design, Shanghai Jiao Tong University, Shanghai 200240, China
  • 2. Digital Engineering Technology Innovation Center for Territorial Ecological Governance, Ministry of Natural Resources, Shanghai 200240, China
  • 3. National Observation and Research Station of Erhai Lake Ecosystem in Yunnan, Dali 671000, Yunnan, China

Received date: 2023-09-22

  Revised date: 2024-04-22

  Online published: 2024-05-31

Supported by

Key Philosophy and Social Science Foundation of Ministry of Education of China(19JZD023)

Fold

摘要

生态风险、生态系统健康和生态系统服务是描述区域生态安全的关键特征。生态风险和生态系统健康分别代表生态系统的压力侧和状态侧，二者相互作用共同影响着生态系统服务。鲜有研究将生态风险、生态系统健康和生态系统服务联系起来分析三者之间的影响机制。本文选择淮河流域为研究区，通过InVEST模型和最大熵模型从空间上量化生态系统的供给服务、调节服务和文化服务；采用增强回归树算法和结构方程模型探究生态风险要素（自然灾害风险、人类活动风险和景观格局风险）和生态系统健康要素（活力、组织力和恢复力）对不同生态系统服务类型的影响程度和路径。结果表明，2020年淮河流域的生态系统供给服务、调节服务和文化服务的空间异质性明显，三者整体处于较低等级水平。区域生态安全特征之间的作用路径包括生态风险→生态系统服务和生态风险→生态系统健康→生态系统服务，其中活力对供给服务的直接正向影响较大，但恢复力的直接抑制作用更为明显，相对重要性为32.79%；恢复力对调节服务的直接促进作用最强，相对重要性为70.52%，其次是人类活动风险的间接抑制作用；人类活动风险对文化服务具有最高的直接正向影响和较弱的间接负向影响，相对重要性为55.40%。研究结果有助于深化人们对生态风险、生态系统健康与生态系统服务之间内在关系的认识，为区域生态系统管理和决策提供科学依据。

关键词： 生态安全特征; 内在关系; 影响机制; 淮河流域

本文引用格式

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 . DOI: 10.11821/dlxb202405013

Abstract

Ecological risk (ER), ecosystem health (EH), and ecosystem services (ESs) are key features that describe the status of regional ecological security. While ER and EH respectively represent the pressure on and state of ecosystems, these two components interact with each other and jointly impact ESs. However, there is a paucity of studies linking ER, EH, and ESs to decipher their intrinsic impact mechanisms. Here, we spatially quantified the provisioning, regulating, and cultural ecosystem services of the Huaihe River Basin using the InVEST and maximum entropy models. We then explored the impact levels and paths of ER elements (natural hazard risk, human activity risk, and landscape pattern risk) and EH elements (vigor, organization, and resilience) on different types of ESs using the boosted regression tree algorithm and the partial least squares path model. Results showed that there was significant spatial heterogeneity in the provisioning, regulating, and cultural services of the Huaihe River Basin in 2020, all of which were classified into overall low grades. The paths of action among the regional ecological security features encompassed ER→ESs and ER→EH→ESs. Although vigor was a major direct positive contributor to provisioning service, resilience exhibited a greater direct impact with the relative importance of 32.79%. Resilience was also the greatest direct positive contributor to regulating service with the relative importance of 70.52%, followed by human activity risk exhibiting an indirect inhibitory effect. Human activity risk had the greatest direct positive effect and low indirect negative effect on cultural service, with the relative importance of 55.40%. Our findings are helpful to enhance the understanding of intrinsic relationships among ER, EH, and ESs, and provide scientific evidence for regional ecosystem management and decision making.

Key words： ecological security features; intrinsic relationship; impact mechanism; Huaihe River Basin

1 引言

区域生态安全是国家安全和全球可持续发展的重要组成部分，已成为开展宏观生态系统保护与修复的重要手段和研究热点[1-2]。一般来说，当一个生态系统结构与功能处于健康状态，并且在为人类提供产品和服务同时处于低风险或可接受的风险范围内，那么这个生态系统就是安全的[1,3 -4]，这其中就包含了生态风险、生态系统健康和生态系统服务3个关键特征[3-4]。换言之，只有生态风险、生态系统健康和生态系统服务三者的管理相互适应、彼此协调、良性互动，才能确保区域生态系统安全[4-5]。因此，科学认识生态风险、生态系统健康和生态系统服务三者之间的关系，揭示其内在影响机制是实施生态系统有效管理的前提和关键，这对于保障区域生态安全、推动社会经济可持续发展以及提升人类福祉具有重要意义。
国内外学者围绕生态风险、生态系统健康和生态系统服务三者之间的关系开展了大量研究。就生态风险与生态系统健康的关系而言，生态风险的增加一般会对生态系统健康产生负面影响，尤其是社会经济发展所带来的风险。例如，Qian等[6]研究指出在县域范围内土地城市化水平与生态系统健康表现出显著的负向空间关系；但也有研究表明，城市化与生态系统健康呈倒“U”型关系[7]。在城市化初期，生态系统容易受到严重干扰；但随着城市化水平的提高，生态系统健康会逐渐得到改善。在生态风险与生态系统服务的关系上，当前存在正相关、负相关和无显著相关性3种不同的观点。李俊翰等[8]研究表明单位面积生态系统服务价值与生态风险指数之间存在正向的空间相关性；Huang等[9]发现生态风险与生态系统服务总量呈负相关，与生态系统服务损失量呈正相关；Zhang等[10]证实了景观生态风险与生态系统服务不存在显著相关性，防止景观破碎化并不能提高生态系统服务水平。对于生态系统健康与生态系统服务的关系，学界普遍认为健康的生态系统可以持续地为人类社会提供产品和服务[11⇓-13]，然而并非每一种服务类型都与生态系统健康存在严格意义上的协同关系。在类似的研究中，Zhu等[14]发现区域生态质量越高，食物供给服务越低，并且与产水服务无明显相关。可以看出，虽然生态风险、生态系统健康和生态系统服务之间存在着紧密联系，但三者间的关联性因区域生态环境、发展阶段和服务类型的不同而存在差异。此外，以往研究大多停留在相关性的检验上，且主要以生态风险或生态系统健康这一综合概念展开分析，少有学者从其内部构成要素进行相关探讨[15]。因此，有必要进一步深入挖掘生态风险、生态系统健康和生态系统服务之间的内在复杂关系。
实际上，生态风险可以看作是对生态系统造成的干扰和胁迫[8-9]（即压力源），包括自然灾害、人类活动和景观格局等风险构成要素[16-17]。先前的研究已经广泛评估了多个风险要素对不同生态系统服务类型的影响，例如随着人类活动风险加剧，城镇建设用地会不断挤占农业用地，对粮食供给服务产生负面影响[18-19]；但由于建设用地不透水面比例高、降水入渗低以及洪峰流量大等原因，产水服务会有所提升[20-21]。不过，目前的研究内容主要集中在生态风险对生态系统服务的直接作用关系上[22-23]，忽视了生态系统健康在生态风险和生态系统服务之间所发挥的中介作用。生态系统健康是生态系统结构和功能状态的体现，包括活力、组织力和恢复力等健康构成要素[11-12]。从这个意义上说，健康要素是生态系统为人类提供各种产品和服务的基础和保障，在风险压力的作用下维持着生态系统的稳定性和完整性[12,24 -25]。显然，生态风险可以通过改变生态系统健康影响生态系统服务的供给能力，这是一个值得重点关注的影响路径。遗憾的是，鲜有研究将生态风险、生态系统健康和生态系统服务三者联系起来进行系统分析[3⇓-5]，特别是对于风险—健康要素如何相互关联以及它们如何相互作用对不同生态系统服务类型产生影响的表现形式还有待进一步明确。
淮河流域是中国人口密度最高、城镇化率最低和水旱灾害频发的七大流域之一[2,26]。该区域社会经济发展与生态环境保护矛盾突出，维护区域生态安全是当前亟待解决的关键问题[2,27]。鉴于此，本文以淮河流域为例，从区域生态安全的视角出发，定量分析2020年生态系统供给服务、调节服务和文化服务的空间分布特征，揭示生态风险和生态系统健康的构成要素与不同生态系统服务类型的相关性，探讨风险—健康要素对不同生态系统服务类型的相对重要性、交互作用及影响路径。本文试图通过厘清生态风险、生态系统健康与生态系统服务之间的内在关系来增进人们对区域生态安全的理解与认识，为优化生态系统管理和保障淮河流域生态安全提供决策支持。
基于压力—状态—响应（Pressure-State-Response, PSR）模型，本文将区域生态安全的3个基本特征：生态风险、生态系统健康和生态系统服务，分别看作是生态系统的压力层、状态层和响应层（图1）。具体来看，由于区域生态系统不仅受到特定景观格局的影响，还受到自然和社会经济因素的共同作用[17,28]，因此生态风险包括了自然灾害（如干旱、洪涝）、人类活动（如城市扩张、农业活动）和景观格局（如景观破碎化）等3个方面的压力源[16-17,28 -29]，其对生态系统健康和生态系统服务具有重要影响[24,30 -31]。生态系统健康是生态系统活力、组织力和恢复力的综合表征，它不仅会影响生态系统服务的产生和供给[11-12]，而且对生态风险具有一定的放大或缩小作用，例如入侵物种可能会加剧气候变化的负面影响，同时增加当地的生物多样性[32]；集约化农业通常会促进作物的生长和发育，增加粮食产量，但也会导致生物多样性和功能发生改变，对调节服务（如土壤保持、水源涵养）产生负面影响[30,33]。生态系统服务是指通过生态系统的结构、过程和功能直接或间接得到的生命支持产品和服务[34]，是生态风险和生态系统健康的最终效应体现，一方面生态系统服务是风险因果链模型中的“生态终点”，即生态系统在遭受风险要素扰动后产生的潜在损失程度[35-36]；另一方面，生态系统服务作为连接自然生态系统与人类社会系统的桥梁，是生态系统健康对人类福祉产生的贡献程度[12-13]。综上，生态风险、生态系统健康和生态系统服务三者之间相互作用共同构成了区域生态安全的因果关系链。据此，本文提出的研究假设为：生态风险对生态系统服务存在直接和间接影响，生态系统健康在其中起着中介作用。
图1 生态风险、生态系统健康与生态系统服务之间的因果关系

Fig. 1 Causal relationships among ecological risk, ecosystem health, and ecosystem services

2 研究区概况与研究方法

2.1 研究区概况

淮河流域地处中国东部（30°55'N~36°20'N, 111°55'E~121°20'E），总面积约为2.70×105 km2。流域东北部、西部和南部为山地和丘陵地区，海拔为50~2133 m，其余为广阔平原地区（图2）。流域内分为淮河和沂沭泗河两大水系，淮河以北属暖温带半湿润气候，以南为北亚热带湿润气候。流域年均气温在11~16 ℃，由北向南递增且内陆大于沿海；年均降水量约为853 mm，由南向北递减且沿海大于内陆[2]。
图2 淮河流域地理位置、高程和土地利用类型

Fig. 2 Location, elevation, and land use types of the Huaihe River Basin

淮河流域是中国重要的粮食生产基地，耕地面积为2.30×105 km2，旱地和水田是其主要土地利用类型。该区经济发展水平总体滞后，2020年城镇化水平（58.90%）在中国七大流域中最低[26]。另外，由于研究区地处中国南北气候过渡带，对全球气候变化十分敏感；加之城市化和工业化发展导致该区自然资源不断消耗，生态环境整体较为脆弱，生态安全形势不容乐观[27]。2018年国务院批复《淮河生态经济带发展规划》，标志着淮河流域在中国社会经济发展大局和生态安全全局中占据着重要地位[2]。因此，以淮河流域为例开展生态安全研究具有典型性和代表性。

2.2 数据来源

本文涉及的数据类型包括基础地理、遥感产品、气候地形、土壤基岩、社交网络和社会经济（表1），将土地利用数据集划分为旱地、水田、阔叶林、针叶林、草地、湿地、水体、建设用地和未利用地等9种类型[37]。为确保数据集的空间一致性，所有空间数据的坐标系重投影为WGS 1984 UTM Zone 49，分辨率统一重采样为500 m；同时为避免因量纲差异造成偏差，研究数据采用最大—最小值方法进行归一化处理[2-3,15]。
表1 研究数据来源和描述

Tab. 1 Data sources and descriptions

数据类型 数据名称 年份 数据来源(网站) 数据格式(分辨率) 数据用途
基础地理 行政边界 2020 全国地理信息资源目录服务系统(https://www.webmap.cn/) 矢量 掩膜提取/分区统计
流域边界 2002 国家冰川冻土沙漠科学数据中心(http://www.ncdc.ac.cn/) 矢量 掩膜提取/分区统计
子流域边界 2006 美国地质调查局的HydroSHEDS数据集(https://www.hydrosheds.org) 矢量 掩膜提取/分区统计
道路数据 2020 全国地理信息资源目录服务系统(https://www.webmap.cn/) 矢量 生境质量评价
遥感产品 Landsat-8遥感影像 2020 美国国家航空航天局官网(https://www.nasa.gov/) 栅格(30 m/100 m) 生态系统特征分析
土地利用/覆被类型 2020 中国科学院空天信息创新研究院(http://www.aircas.cn/) 栅格(30 m) 生态系统特征分析
耕地复种指数 2019 Scientific data期刊(https://doi.org/10.6084/m9.figshare.14099402) 栅格(250 m) 食物供给服务计算
气象地形 降水量/潜在蒸散 1991—2020 中国科学院水利部成都山地灾害与环境研究所(http://www.imde.ac.cn/) 栅格(30 m) 产水服务计算
降雨侵蚀力 1991—2020 中国科学院水利部成都山地灾害与环境研究所(http://www.imde.ac.cn/) 栅格(30 m) 土壤保持服务计算
极端暴雨 2001—2019 中国科学数据(http://csdata.org/en/p/618/) 栅格(0.1°) 洪涝风险评价
标准化降水蒸散指数 1901—2020 全球SPEI数据库(https://spei.csic.es/database.html) 栅格(0.5°) 干旱风险评价
数字高程模型 2022 布里斯托大学研究数据存储库(https://doi.org/10.5523/bris.s5hqmjcdj8yo2ibzi9b4ew3sn) 栅格(30 m) 地质风险评价
土壤基岩 土壤理化性质 1980 国家青藏高原科学数据中心(https://data.tpdc.ac.cn/) 栅格(10 km) 产水服务计算
土壤湿度 2020 国家青藏高原科学数据中心(https://data.tpdc.ac.cn/) 栅格(9 km) 干旱风险评价
土壤可蚀性 2020 国家青藏高原科学数据中心(https://data.tpdc.ac.cn/) 栅格(250 m) 土壤保持服务计算
基岩深度 2020 Scientific data期刊(http://globalchange.bnu.edu.cn/research/cdtb.jsp) 栅格(100 m) 产水服务计算
生态系统碳密度 2010 国家科技资源共享服务平台(http://www.nesdc.org.cn/) Excel 碳储存服务计算
社交网络 地图兴趣点 2020 高德地图网站(https://www.amap.com/) Excel 文化服务计算
路网/居民点/水域 2020 开放街道地图(https://www.openstreetmap.org/) 矢量 文化服务计算
社会经济 人类足迹指数 2020 野生动物保护协会(https://wcshumanfootprint.org) 栅格(300 m) 人类活动风险评价
农林牧渔业产量 2021 淮河流域各省(市)统计年鉴(https://data.cnki.net/) Excel 食物供给服务计算

2.3 研究方法

2.3.1 生态系统服务类型的评估与分级

生态系统服务包括供给服务、调节服务、文化服务和支持服务等4种一级类型[34]。由于支持服务是其他生态系统服务的基础，其已在生态系统健康的构成要素中有所体现。因此，本文根据研究区特点和数据可获取性，以食物供给服务为代表衡量供给服务；选择土壤保持、产水、水质净化和碳储存等服务类型，采用等权求和的方法计算调节服务[3,14,38]；基于风景名胜兴趣点实现文化服务的空间制图[39]。生态系统服务类型的计算过程见表2。最后，利用ArcGIS Pro 2.6的自然断点工具将评估结果划分成5个等级：低、较低、一般、较高和高。
表2 生态系统服务类型的计算过程

Tab. 2 Computational process for ecosystem service types

一级类型 二级类型 计算过程 参考文献
供给服务 食物供给 采用归一化植被指数和耕地复种指数对淮河流域农林牧渔业产量进行空间栅格化处理。 [19]
调节服务 土壤保持 基于通用土壤流失方程，利用潜在土壤侵蚀量减去实际土壤侵蚀量得出。 [3,14]
产水 利用InVEST模型的Water Yield模块计算得到。当Zhang系数(降水特征常数)取值为1时，子流域模拟结果与2020年《中国泥沙水文公报》提供的淮河流域蚌埠水文监测站的多年平均径流量261.70×108 m³相接近，相对误差为9.79%。 [40⇓-42]
水质净化 利用InVEST模型的Nutrient Delivery Ratio模块计算得到。当Boreselli k(水文连通性校正参数)设置为2时，淮河流域总氮输出量(8.69×104 t)和总磷输出量(0.90×104 t)与《安徽省第二次全国污染源普查公报》结果相接近，相对误差分别为5.75%和21.74%。 [40⇓-42]
碳储存 利用InVEST模型的Carbon Storage and Sequestration模块计算得到。参考前人研究，结合2010年中国陆地生态系统碳密度数据集，按照区域相近性、成果可取性等原则，生成地上生物碳、地下生物碳、土壤碳和死亡有机碳等碳库表。 [40,43 -44]
文化服务 风景名胜 利用MaxEnt模型计算得到。其中，风景名胜兴趣点为样本，海拔、坡度、坡向、距水域距离、土地利用类型、距道路距离、距居民点距离和距食宿点距离为环境变量。模型模拟的准确度较高，受试者工作特征曲线下的面积为0.78。 [39]

2.3.2 生态风险和生态系统健康的构成要素量化

区域生态风险是指自然灾害、人类活动和景观格局等风险要素对生态系统产生的多重压力[16-17,28 -29]。考虑到研究区旱涝灾害频发以及水土流失现象严重[2,27]，本文通过干旱风险、洪涝风险和地质风险3个指标来体现自然灾害风险；从人类足迹、城市扩张和热岛效应3个方面来反映人类活动风险[17,45]；利用景观干扰度和景观脆弱度2个指数的乘积值来表征景观格局风险[8,10]，计算过程见表3。
表3 生态风险构成要素的计算过程

Tab. 3 Computational process for the constituent elements of ecological risk

要素层 指标层 计算过程 参考文献
自然灾害风险 干旱风险 采用变异系数法对12月标准化降水蒸散指数(表征气象干旱)、土壤湿度指数(表征土壤干旱)和归一化差异水分指数(表征植被干旱)进行赋权，构建综合指数。 [46]
洪涝风险 采用变异系数法对2001—2019多年平均暴雨次数、暴雨等级和暴雨量进行赋权，构建综合指数。 [47]
地质风险 基于数字高程模型计算坡度指数，设定2°以下为无风险，25°以上为最大风险，对2°~25°进行归一化处理。 [45]
人类活动风险 人类足迹 该指标从人口密度、土地利用类型、电力基础设施和可达性4个方面进行综合计算。数据来源见表1。 [48]
城市扩张 基于谷歌地球引擎平台提供的Landsat-8地表反射率影像，根据归一化干度指数公式进行计算。 [49]
热岛效应 基于谷歌地球引擎平台提供的Landsat-8地表反射率影像，对地表温度指数进行反演。 [45]
景观格局风险 景观干扰度 通过Fragstats软件的移动窗口法计算景观破碎度(PD)、景观分离度(SPLIT)和景观分维度(DIVISION)，按照0.5、0.3、0.2权重进行求和。 [8,10]
景观脆弱度 根据已有研究成果，对土地利用类型进行排名打分，并作求和归一化处理，最终得到裸地(0.25)>湿地(0.21)>水体(0.18)>耕地(0.14)>草地(0.11)>林地(0.07)>建设用地(0.04)。 [8,10]
区域生态系统健康可以通过活力、组织力和恢复力等健康要素来体现[11-12]。其中，活力指维持生态系统的新陈代谢能力，常用归一化差异植被指数来衡量[6,13]；组织力反映了生态系统结构的复杂性，由景观异质性、景观连通性和生境连通性三者加权求和得到[7,13]；恢复力指生态系统在外界压力消失的情况下逐步恢复的能力，其与生物多样性密切相关[50]，可以采用生境质量指数来表征[7]。健康要素的计算过程见表4。另外，本文对风险—健康要素的多重共线性进行了检验，发现方差膨胀因子值在1.38~4.56，表明要素选取合理，不存在多重共线性问题[21,38]。
表4 生态系统健康构成要素的计算过程

Tab. 4 Computational process for the constituent elements of ecosystem health

要素层 指标层 计算过程 参考文献
活力 归一化差异植被指数 基于谷歌地球引擎平台提供的Landsat-8地表反射率影像，计算归一化差异植被指数的最大值。 [6,13]
组织力 景观异质性 通过Fragstats软件的移动窗口法计算景观多样性(SHDI)和景观分形维数(AWMPFD)，权重分别设置为0.25和0.10。 [7,13]
景观连通性 通过Fragstats软件的移动窗口法计算景观破碎度(LFN)和景观蔓延度(CONTAG)，权重分别设置为0.25和0.10。 [7,13]
生境连通性 通过Fragstats软件的移动窗口法分别计算林地、草地和水域的斑块破碎度(PFN)和斑块连接度(COHESION)，权重设置为0.07和0.03。 [7,13]
恢复力 生境质量 利用InVEST模型的Habitat Quality模块计算得到。半饱和常数k为生境退化度最大值的1/2，本文取0.097。 [7,19,40]

2.3.3 统计分析

考虑到研究区大小和运算效率，本文选择5 km×5 km蜂巢网格作为分析单元[3]，该尺度可以有效减少与较小尺度相关的噪声；同时与较大尺度相比，可以呈现更详细的空间分布特征。对于每个分析单元，使用ArcGIS Pro 2.6软件的分区统计工具提取自变量（风险—健康要素）和因变量（生态系统服务类型）的像素平均值。
通过IBM SPSS 25软件的Pearson相关系数检验风险—健康要素与生态系统服务类型的相关性[2,39]。在R语言中调用“dismo”和“gbm”程序包进行增强回归树（Boosting Regression Tree, BRT）分析，揭示风险—健康要素对供给服务、调节服务和文化服务的相对重要性及交互作用。BRT是建立在传统分类回归树算法之上的一种机器学习方法，能够适应复杂的非线性变化，对数据的缺失值、异常值和多重共线性不敏感，具有很好的灵活性和稳定性[51]。在BRT模型构建过程中，本文根据Elith等[52]的建议，将模型参数设置为：学习率（0.005）、树复杂度（5）和袋分数（0.75），并选择高斯分布和10次交叉验证来估计最佳决策树数量，检验模型拟合效果。
在R语言中使用“plspm”程序包构建偏最小二乘路径模型（Partial Least Squares Path Modelling, PLS-PM），用以测度风险—健康要素对供给服务、调节服务和文化服务的直接效应、间接效应和总效应。PLS-PM是结构方程模型的一种基于方差的形式，可以处理复杂系统建模时的多重共线性问题，并且放宽了参数估计过程中多元正态分布的假设[53]。根据Sanchez[54]的建议，本文采用bootstrap方法（重复次数=1000）来验证模型路径系数和决定系数（R2）的估计，使用拟合优度（Goodness-of-Fit, GoF）衡量整个模型质量。

3 结果分析

3.1 供给服务、调节服务和文化服务的空间分布

2020年淮河流域的供给服务、调节服务和文化服务整体处在较低等级水平，变异系数分别为152.18%、29.88%和57.30%，表明三者的空间分布不均匀，存在较强的空间异质性（图3）。供给服务在空间上表现出“东南低、西北高”的分布格局，低等级面积占比最大（59.18%）；较高等级和高等级面积占比最少，仅在东部地区有小范围聚集。调节服务的低等级和较低等级二者面积之和占研究区总面积的88.89%，广泛分布在平原地区；而高等级（3.44%）与较高等级（3.66%）面积相持平，集中分布在西部、南部和东北部的山地和丘陵地区。文化服务的较低等级面积占比最大（39.20%），其次是低等级（30.83%）；高等级区域（5.56%）呈零星点状分散在城镇中心，与人类活动关系密切。
图3 2020年淮河流域生态系统供给服务、调节服务和文化服务的等级结构空间分布

Fig. 3 Spatial distribution and hierarchical structure of provisioning, regulating, and cultural ecosystem services in the Huaihe River Basin in 2020

3.2 风险—健康要素与生态系统服务的相关关系

Pearson相关分析结果表明（表5），供给服务与景观格局风险、活力呈正相关（P <0.01），但与自然灾害风险、组织力和恢复力均表现为显著负相关（P < 0.01），其中与恢复力的负相关性最强（r = -0.319）。值得注意的是，仅供给服务与人类活动风险的相关性不显著。调节服务与自然灾害风险、活力、组织力和恢复力呈正相关（P < 0.01），其中与恢复力的关系最为紧密（r = 0.775）；而调节服务与人类活动风险、景观格局风险均为负相关，r分别为-0.418和-0.343。文化服务与人类活动风险、景观格局风险和组织力为正相关关系（P < 0.01），其中与人类活动风险的相关性最强（r = 0.688）；而文化服务与自然灾害风险、活力和恢复力存在显著负向关系（P < 0.01）。
表5 淮河流域风险—健康要素与生态系统服务类型的相关系数

Tab. 5 Correlation coefficients between risk-health elements and ecosystem service types in the Huaihe River Basin

服务类型 风险要素 健康要素
自然灾害 人类活动 景观格局 活力 组织力 恢复力
供给服务 -0.232** -0.011 0.212** 0.253** -0.184** -0.319**
调节服务 0.308** -0.418** -0.343** 0.377** 0.299** 0.775**
文化服务 -0.066** 0.688** 0.127** -0.210** 0.236** -0.366**

注：**表示P < 0.01。

3.3 风险—健康要素对生态系统服务的相对重要性及交互作用

BRT模型的训练数据相关性为0.86~0.98，验证数据相关性为0.77~0.97（图4），表明模型的拟合和验证结果良好。就供给服务而言，恢复力的相对重要性最高，为32.79%；其次是活力（19.62%）和人类活动风险（18.26%）；组织力的相对重要性最低，仅为6.40%。恢复力和人类活动风险的交互作用对供给服务的影响最大（Int = 0.15）。就调节服务而言，恢复力的相对重要性高达70.52%，其次是活力和组织力，相对重要性均在10%以上。其中，恢复力与活力的交互作用程度最为明显（Int = 2.57）。就文化服务而言，人类活动风险和恢复力是其主要影响要素，相对重要性分别为55.40%和24.90%，且二者的交互作用最强（Int = 0.45）；相比之下，其余要素的影响程度均未超过10%。总的来说，人类活动风险在很大程度上决定着文化服务；而供给服务和调节服务更多地受到健康要素的影响，尤其是恢复力。
图4 淮河流域风险—健康要素对生态系统供给服务、调节服务和文化服务的相对重要性及交互作用

注：Int表示两要素间交互作用，数字大小代表相对作用强度；上三角表示生态系统健康的构成要素，倒三角表示生态风险的构成要素。

Fig. 4 Relative importance and interaction of risk-health elements on provisioning, regulating and cultural ecosystem services in the Huaihe River Basin

3.4 风险—健康要素对生态系统服务的直接和间接影响

PLS-PM模型的整体拟合效果较好（GoF = 0.62），其中供给服务R2 = 0.37、调节服务R2 = 0.80和文化服务R2 = 0.61（图5）。风险—健康要素的作用路径系数均通过了显著性检验（P < 0.01）。在供给服务中，虽然活力的正向促进作用较为明显（0.33），但恢复力的直接抑制作用更大（-0.69）。自然灾害风险主要通过健康要素对供给服务产生间接负向影响（-0.27）；景观格局风险对供给服务的直接正向影响（0.24）大于间接负向影响（-0.05）。尽管人类活动风险对供给服务产生较大的直接负向影响（-0.53），但部分被间接正向影响（0.41）所抵消，总效应为-0.12。
图5 淮河流域风险—健康要素对生态系统供给服务、调节服务和文化服务的直接/间接影响路径以及总效应

注：实线和虚线分别表示显著正效应和显著负效应（P<0.05）；箭头旁边的数字为标准化路径系数，线宽度与影响强度成正比；R2表示模型解释因变量的方差比例。

Fig. 5 Direct/indirect impact paths and total effect of risk-health elements on provisioning, regulating, and cultural ecosystem services in the Huaihe River Basin

在调节服务中，恢复力的直接促进作用最为明显（0.77）；其次是组织力和活力，路径系数分别为0.37和0.34。自然灾害风险对调节服务的直接和间接影响均为正向，总效应为0.20；景观格局风险则主要起直接负向作用（-0.16）。需要注意的是，人类活动风险对调节服务具有直接正向影响（0.31），但在作用于健康要素后产生的间接负向影响更大（-0.63），总效应为-0.32。在文化服务中，人类活动风险的直接正向影响最高（0.85），但在作用于健康要素后表现出较弱的间接负向影响，总效应为0.74；组织力次之，总效应为0.40。自然灾害风险和景观格局风险对文化服务存在直接负向效应和间接正向效应，总效应分别为0.04和-0.13。另外，恢复力和活力对文化服务的影响相对偏弱，路径系数仅为0.10和-0.06。整体来看，供给服务、调节服务和文化服务更多地受到风险—健康要素的直接影响，且PLS-PM模型识别出的主控要素与BRT模型结果保持一致。

4 讨论

4.1 生态风险、生态系统健康与生态系统服务之间的概念关系

本文基于PSR模型建立了生态风险、生态系统健康与生态系统服务之间的因果关系框架（图1），明确了三者之间的相互作用路径。Rounsevell等[55]采取了类似的方法来概念化生态系统服务的影响因素和作用机制，描述了由“压力”（如气候变化、土地利用变化、物种入侵等）决定着生态—社会系统的“状态”，进而影响生态系统服务的供给；同样地，Mach等[56]将人类活动产生的压力源及其对生态系统服务提供者的直接和间接影响相联系起来，建立了生态系统服务管理的概念框架。与前人研究不同的是，本文基于区域生态安全的科学内涵，首次将生态风险、生态系统健康和生态系统服务之间的关系关联起来。① 考虑了风险要素可以通过非生物条件的控制改变生态系统类型、格局以及生态过程，从而直接影响生态系统服务的供给[24,30 -31]。② 强调了生态系统健康的中介作用，即活力、组织力和恢复力等健康要素可以通过各种机制放大或缩小风险要素对不同生态系统服务类型的影响。相关的实证研究也证实了这一点[30-31,33]，如Liu等[24]分析发现人类活动和环境变化可以通过影响植被状况来改变生态系统服务的供给；Reader等[25]研究指出生物多样性通过为生态系统提供恢复力来调节人为驱动因素对生态系统服务的影响。③ 建立了生态系统服务对生态风险和生态系统健康的响应路径，将生态系统服务作为生态系统的潜在损失度和贡献度整合到PSR模型中。综上，本文提出的框架不仅丰富和拓展了区域生态安全的理论研究，而且为后续实证分析提供了可靠的思路和方向。

4.2 生态风险、生态系统健康与生态系统服务之间的影响关系

本文发现风险—健康要素对不同生态系统服务类型具有显著影响，且影响机制存在明显差异。从影响程度和方向来看，恢复力是决定供给服务和调节服务的关键因素，但影响方向相反。有充分证据表明，生物多样性与恢复力具有强关联性和一致性[50]，生物多样性的提高会对土壤形成、养分循环和能量转移等生态过程产生积极影响，有利于调节服务能力的整体提升[33,57]，因此恢复力通常与调节服务表现出正向关系。与自然景观相比，农业用地为提高粮食产量会通过杀虫剂、除草剂和单一栽培等方式来降低生物多样性[25]，因此恢复力往往与供给服务呈负相关。就文化服务而言，人类活动风险是提高其供给水平的主控因素，原因在于文化服务主要依靠政策或人为干预来实现，特别是景区、公园等场所的布局和可达性[58]。然而这一结果与Liu等[24]研究相矛盾，他们认为人类活动和景观破碎化的加剧会在一定程度上阻碍人们对视觉的感知和可及性，从而导致文化服务减少。这种差异是由评估文化服务的侧重点不同造成的，本文主要以风景名胜为代表进行量化，而他们则聚焦于景观美学服务。
从影响路径和效应来看，虽然人类活动风险对供给服务和调节服务分别表现出直接抑制作用和直接促进作用，但当健康要素作为中介变量后，人类活动风险产生的间接效应与直接效应的作用方向相反。就直接效应而言，① 城市扩张会直接占用耕地，导致粮食产量减少[18-19]；相反，建设用地的增加会导致降水入渗量减少，增加产水服务[21]。② 受退耕还林、封山育林等生态工程建设影响，大量耕地转化为林地和草地，土壤保持、水质净化和碳储存等调节服务得到了有效改善[2,38,42]。对于间接效应，虽然农业活动（如施肥、灌溉等）在短期内有利于农作物生长，增强生态系统活力，提高粮食产量，但该过程会加速有机氮等污染物和养分进入水体，引起的面源污染会导致生态系统稳定性下降，进而给调节服务带来负面影响[41,57]。总的来说，人类活动风险对供给服务和调节服务的负向效应均大于正向效应，这与主流观点一致[3,18,23]。自然灾害风险对供给服务表现出负向总效应，而对调节服务的直接影响和间接影响均为正向。一方面是因为农业生产对气候变化极为敏感，作物生长和粮食产量容易受到旱涝灾害的影响[59]；另一方面，在山地丘陵地区，自然灾害风险的适度扰动有利于提高生物多样性和调节服务能力[60-61]。
从影响机制来看，本文提出的研究假设得到了证实，即风险—健康要素通过生态风险→生态系统服务和生态风险→生态系统健康→生态系统服务两条路径对不同生态系统服务类型产生正向或负向影响，这在以往研究中并没有得到足够重视。众所周知，良好的生态系统健康能够有效抵御风险，使生态系统提供的服务更加稳定和可持续[12-13]。然而，健康要素并非都对生态系统服务产生促进作用。已有研究表明，干旱地区的高植被覆盖度会导致生态需水量大幅增加，进而促使产水服务减少[38]。另外，本文发现部分风险要素在作用于健康要素后甚至会从直接正向影响转变为间接负向影响，这也说明健康要素的中介调节作用仅存在于特定的生态系统服务类型中。因此，当地政府在进行生态系统管理时，应该充分认识到风险—健康要素对不同生态系统服务类型的影响差异，具体建议如下：① 在供给服务方面，要严格控制建设用地规模，减少对农业用地的侵占；增加农田植被覆盖度并延长植被覆盖时间，在有条件地区采取秸秆还田、绿肥种植和水旱轮作等措施进行改良，缓解自然灾害对作物生长造成的不利影响；积极发展生态农业和绿色农业，防治农业面源污染，保护农田生物多样性。② 在调节服务方面，积极推进生态修复工程建设，增加生态用地数量，构建生态廊道和生态网络；加大对调节服务高值区（如研究区西部边缘的山地丘陵地带）的保护力度，减少人类活动对自然生境的干扰和破坏。③ 在文化服务方面，不断完善城市绿色基础设施建设，优化蓝绿空间布局，减轻景观破碎化程度；丰富区域景观多样性和景观连通性，提高生态系统的恢复能力。鉴于研究区是中国粮食主产区，而文化服务高值区主要集中在城镇中心，未来可以依托当地农业资源优势，着力发展观光休闲旅游类产业，以提高公共文化服务的数量和质量。④ 政策制定者还应该考虑到生态系统服务之间的权衡关系，协调不同利益相关方对服务的需求，实现综合效益的最大化。

4.3 不足与展望

① 基于单一网格尺度和时间节点得到的分析结果可能是片面的[14]。不同尺度的生态系统结构、过程和功能是维持生态系统服务供给的基础[33,38]，风险—健康要素可能会在多个尺度上相互影响，从而改变与生态系统服务之间的响应关系[18]。② 未能将生态系统服务之间的相互关系纳入研究范畴，风险—健康要素的影响可能会因生态系统服务之间的权衡和协同作用而放大或减弱[57]。③ InVEST模型评估存在局限性，如产水计算模块仅考虑了降水和蒸散量；而碳储存计算模块则忽略了同一土地利用类型中4个碳库的差异[38]。未来研究除对上述不足进行完善外，还可以将生态风险、生态系统健康和生态系统服务之间的关系与外部环境因素（包括自然、社会经济、政策和技术等）结合起来分析，以深化对区域生态安全的整体认识。

5 结论

本文从区域生态安全的视角切入，基于PSR模型建立了生态风险、生态系统健康与生态系统服务之间的因果关系框架，并以淮河流域为例进行实证分析，定量探究了生态风险和生态系统健康对生态系统服务的内在影响机制。研究发现，2020年淮河流域的供给服务、调节服务和文化服务存在明显的空间异质性，这与生态风险和生态系统健康之间的相互作用密不可分，生态风险不仅可以直接影响生态系统服务，还可以通过生态系统健康的中介作用对生态系统服务产生间接影响。从生态风险和生态系统健康的构成要素层面来看，恢复力在供给服务和调节服务中发挥着关键作用，而文化服务水平主要取决于人类活动风险。根据路径分析结果，风险—健康要素对不同生态系统服务类型产生了显著影响，但健康要素并非和所有生态系统服务类型表现出预期的正向关系，如恢复力对供给服务存在明显的制约作用。并且部分风险要素在作用于健康要素后对生态系统服务的影响方向发生了改变，如人类活动风险对供给服务产生了直接负向影响和间接正向影响。这些发现为制定有效的生态系统管理措施提供了参考依据。更为重要的是，本文为进一步开展区域生态安全的理论和实践研究奠定了坚实基础。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Liu C L, Li W L, Xu J, et al. Global trends and characteristics of ecological security research in the early 21st century: A literature review and bibliometric analysis. Ecological Indicators, 2022, 137: 108734. DOI: 10.1016/j.ecolind.2022.108734.

[2]
Sang S, Wu T X, Wang S D, et al. Ecological safety assessment and analysis of regional spatiotemporal differences based on earth observation satellite data in support of SDGs: The case of the Huaihe River Basin. Remote Sensing, 2021, 13(19): 3942. DOI: 10.3390/rs13193942.

[3]
Li W J, Kang J W, Wang Y. Spatiotemporal changes and driving forces of ecological security in the Chengdu-Chongqing urban agglomeration, China: Quantification using health-services-risk framework. Journal of Cleaner Production, 2023, 389: 136135. DOI: 10.1016/j.jclepro.2023.136135.

[4]
Pan N H, Du Q Q, Guan Q Y, et al. Ecological security assessment and pattern construction in arid and semi-arid areas: A case study of the Hexi region, NW China. Ecological Indicators, 2022, 138: 108797. DOI: 10.1016/j.ecolind.2022.108797.

[5]
Zhu Q, Cai Y L. Integrating ecological risk, ecosystem health, and ecosystem services for assessing regional ecological security and its driving factors: Insights from a large river basin in China. Ecological Indicators, 2023, 155: 110954. DOI: 10.1016/j.ecolind.2023.110954.

[6]
Qiao W Y, Huang X J. The impact of land urbanization on ecosystem health in the Yangtze River Delta urban agglomerations, China. Cities, 2022, 130: 103981. DOI: 10.1016/j.cities.2022.103981.

[7]
Chen W X, Gu T C, Zeng J. Urbanisation and ecosystem health in the middle reaches of the Yangtze River urban agglomerations, China: A U-curve relationship. Journal of Environmental Management, 2022, 318: 115565. DOI: 10.1016/j.jenvman.2022.115565.

[8]
Li Junhan, Gao Mingxiu. Spatiotemporal evolution and correlation analysis of ecosystem service values and ecological risk in Binzhou. Acta Ecologica Sinica, 2019, 39(21): 7815-7828.

[李俊翰, 高明秀. 滨州市生态系统服务价值与生态风险时空演变及其关联性. 生态学报, 2019, 39(21): 7815-7828.]

[9]
Huang S W, Song W, Gao H, et al. Association between ecological risks and ecosystem services in an urban agglomeration in arid China. Frontiers in Environmental Science, 2023, 10: 1101080. DOI: 10.3389/fenvs.2022.1101080.

[10]
Zhang D H, Jing P Q, Sun P J, et al. The non-significant correlation between landscape ecological risk and ecosystem services in Xi'an Metropolitan Area, China. Ecological Indicators, 2022, 141: 109118. DOI: 10.1016/j.ecolind.2022.109118.

[11]
Costanza R. Ecosystem health and ecological engineering. Ecological Engineering, 2012, 45: 24-29.

[12]
Hernández Blanco M, Costanza R, Chen H J, et al. Ecosystem health, ecosystem services, and the well‐being of humans and the rest of nature. Global Change Biology, 2022, 28(17): 5027-5040.

[13]
Peng J, Liu Y X, Wu J S, et al. Linking ecosystem services and landscape patterns to assess urban ecosystem health: A case study in Shenzhen city, China. Landscape and Urban Planning, 2015, 143: 56-68.

[14]
Zhu Q, Guo J X, Guo X, et al. Relationship between ecological quality and ecosystem services in a red soil hilly watershed in southern China. Ecological Indicators, 2021, 121: 107119. DOI: 10.1016/j.ecolind.2020.107119.

[15]
Li W J, Wang Y, Xie S Y, et al. Coupling coordination analysis and spatiotemporal heterogeneity between urbanization and ecosystem health in Chongqing municipality, China. Science of The Total Environment, 2021, 791: 148311. DOI: 10.1016/j.scitotenv.2021.148311.

[16]
Li S K, He W X, Wang L, et al. Optimization of landscape pattern in China Luojiang Xiaoxi Basin based on landscape ecological risk assessment. Ecological Indicators, 2023, 146: 109887. DOI: 10.1016/j.ecolind.2023.109887.

[17]
Li Qingpu, Zhang Zhengdong, Wan Luwen, et al. Landscape pattern optimization in Ningjiang River Basin based on landscape ecological risk assessment. Acta Geographica Sinica, 2019, 74(7): 1420-1437.

DOI

[李青圃, 张正栋, 万露文, 等. 基于景观生态风险评价的宁江流域景观格局优化. 地理学报, 2019, 74(7): 1420-1437.]

DOI

[18]
Wang J L, Zhou W Q, Pickett S T A, et al. A multiscale analysis of urbanization effects on ecosystem services supply in an urban megaregion. Science of The Total Environment, 2019, 662: 824-833.

[19]
Nie Mingxuan, Huang Sihua, Pu Lijie, et al. Spatial and temporal dynamics and trade-offs and synergies analysis of ecosystem services in rapidly urbanizing areas: A case study of the Su-Xi-Chang region. Resources and Environment in the Yangtze Basin, 2021, 30(5): 1088-1099.

[聂名萱, 黄思华, 濮励杰, 等. 快速城镇化地区生态系统服务的时空动态及权衡与协同分析: 以苏锡常地区为例. 长江流域资源与环境, 2021, 30(5): 1088-1099.]

[20]
Zhang J, Guo W, Cheng C J, et al. Trade-offs and driving factors of multiple ecosystem services and bundles under spatiotemporal changes in the Danjiangkou Basin, China. Ecological Indicators, 2022, 144: 109550. DOI: 10.1016/j.ecolind.2022.109550.

[21]
Wang Y X, Wang H M, Liu G, et al. Factors driving water yield ecosystem services in the Yellow River Economic Belt, China: Spatial heterogeneity and spatial spillover perspectives. Journal of Environmental Management, 2022, 317: 115477. DOI: 10.1016/j.jenvman.2022.115477.

[22]
Al-Qubati A, Zhang L L, Pyarali K. Climatic drought impacts on key ecosystem services of a low mountain region in Germany. Environmental Monitoring and Assessment, 2023, 195(7): 800. DOI: 10.1007/s10661-023-11397-1.

PMID

[23]
Han R, Feng C C, Xu N Y, et al. Spatial heterogeneous relationship between ecosystem services and human disturbances: A case study in Chuandong, China. Science of the Total Environment, 2020, 721: 137818. DOI: 10.1016/j.scitotenv.2020.137818.

[24]
Liu Y X, Lü Y H, Zhao M Y, et al. Multiple pressures and vegetation conditions shape the spatiotemporal variations of ecosystem services in the Qinghai-Tibet Plateau. Frontiers in Plant Science, 2023, 14: 1127808. DOI: 10.3389/fpls.2023.1127808.

[25]
Reader M O, Eppinga M B, de Boer H J, et al. Biodiversity mediates relationships between anthropogenic drivers and ecosystem services across global mountain, island and delta systems. Global Environmental Change, 2023, 78: 102612. DOI: 10.1016/j.gloenvcha.2022.102612.

[26]
Song Jianjun. Comparison and prospect of economic and population development in seven major river basins. Natural Resource Economics of China, 2023, 36(6): 14-20.

[宋建军. 我国七大流域经济、人口发展比较及展望. 中国国土资源经济, 2023, 36(6): 14-20.]

[27]
Li Xuyong, Zhang Wangshou, Liu Yun, et al. Ecosystem Evaluation in the Huaihe River Basin. Beijing: Science Press, 2017.

[李叙勇, 张汪寿, 刘云, 等. 淮河流域生态系统评估. 北京: 科学出版社, 2017.]

[28]
Xu M L, Matsushima H. Multi-dimensional landscape ecological risk assessment and its drivers in coastal areas. Science of the Total Environment, 2024, 908: 168183. DOI: 10.1016/j.scitotenv.2023.168183.

[29]
Zhang Xuemao, Dong Tingxu, Du Huaming, et al. Optimization of landscape pattern in Fujiang River Basin based on landscape ecological risk assessment. Acta Ecologica Sinica, 2021, 41(10): 3940-3951.

[张雪茂, 董廷旭, 杜华明, 等. 基于景观生态风险评价的涪江流域景观格局优化. 生态学报, 2021, 41(10): 3940-3951.]

[30]
Le Provost G, Schenk N V, Penone C, et al. The supply of multiple ecosystem services requires biodiversity across spatial scales. Nature Ecology and Evolution, 2023, 7(2): 236-249.

[31]
Allan E, Manning P, Alt F, et al. Land use intensification alters ecosystem multifunctionality via loss of biodiversity and changes to functional composition. Ecology Letters, 2015, 18(8): 834-843.

DOI PMID

[32]
Laliberté E, Tylianakis J M. Cascading effects of long-term land-use changes on plant traits and ecosystem functioning. Ecology, 2012, 93(1): 145-155.

PMID

[33]
Gallardo B, Aldridge D C, González Moreno P, et al. Protected areas offer refuge from invasive species spreading under climate change. Global Change Biology, 2017, 23(12): 5331-5343.

DOI PMID

[34]
Millennium Ecosystem Assessment. Ecosystems and Human Well-being. Washington, DC: Island Press, 2005.

[35]
Cao Qiwen, Zhang Xiwen, Ma Hongkun, et al. Review of landscape ecological risk and an assessment framework based on ecological services: ESRISK. Acta Geographica Sinica, 2018, 73(5): 843-855.

DOI

[曹祺文, 张曦文, 马洪坤, 等. 景观生态风险研究进展及基于生态系统服务的评价框架: ESRISK. 地理学报, 2018, 73(5): 843-855.]

DOI

[36]
Du Yueyue, Peng Jian, Zhao Shiquan, et al. Ecological risk assessment of landslide disasters in mountainous areas of Southwest China: A case study in Dali Bai Autonomous Prefecture. Acta Geographica Sinica, 2016, 71(9): 1544-1561.

DOI

[杜悦悦, 彭建, 赵士权, 等. 西南山地滑坡灾害生态风险评价: 以大理白族自治州为例. 地理学报, 2016, 71(9): 1544-1561.]

DOI

[37]
Zheng Q H, Chen W, Li S L, et al. Accuracy comparison and driving factor analysis of LULC changes using multi-source time-series remote sensing data in a coastal area. Ecological Informatics, 2021, 66: 101457. DOI: 10.1016/j.ecoinf.2021.101457.

[38]
Hu B A, Kang F F, Han H R, et al. Exploring drivers of ecosystem services variation from a geospatial perspective: Insights from China's Shanxi province. Ecological Indicators, 2021, 131: 108188. DOI: 10.1016/j.ecolind.2021.108188.

[39]
Fan Yifan, Wang Ke, Huang Lu. Trade-offs and synergies of ecosystem services in rural areas: A case study of Huzhou. Acta Ecologica Sinica, 2022, 42(17): 6875-6887.

[范逸凡, 王珂, 黄璐. 乡村地区生态系统服务权衡与协同关系: 以湖州市为例. 生态学报, 2022, 42(17): 6875-6887.]

[40]
Sharp R, Tallis H T, Ricketts T, et al. InVEST3.3.3 user's guide. The Natural Capital Project, Stanford University, University of Minnesota: The Nature Conservancy, and World Wildlife Fund, 2016.

[41]
Guo M, Ma S, Wang L J, et al. Impacts of future climate change and different management scenarios on water-related ecosystem services: A case study in the Jianghuai Ecological Economic Zone, China. Ecological Indicators, 2021, 127: 107732. DOI: 10.1016/j.ecolind.2021.107732.

[42]
Liang J, Li S, Li X D, et al. Trade-off analyses and optimization of water-related ecosystem services (WRESs) based on land use change in a typical agricultural watershed, southern China. Journal of Cleaner Production, 2021, 279: 123851. DOI: 10.1016/j.jclepro.2020.123851.

[43]
Fang Jingyun, Liu Guohua, Xu Songling. Biomass and net production of forest vegetation in China. Acta Ecologica Sinica, 1996, 16(5): 497-508.

[方精云, 刘国华, 徐嵩龄. 我国森林植被的生物量和净生产量. 生态学报, 1996, 16(5): 497-508.]

[44]
Huang Mei, Ji Jinjun, Cao Mingkui, et al. Modeling study of vegetation shoot and root biomass in China. Acta Ecologica Sinica, 2006, 26(12): 4156-4163.

[黄玫, 季劲钧, 曹明奎, 等. 中国区域植被地上与地下生物量模拟. 生态学报, 2006, 26(12): 4156-4163.]

[45]
Luo F H, Liu Y X, Peng J, et al. Assessing urban landscape ecological risk through an adaptive cycle framework. Landscape and Urban Planning, 2018, 180: 125-134.

[46]
Cao S P, Zhang L F, He Y, et al. Effects and contributions of meteorological drought on agricultural drought under different climatic zones and vegetation types in Northwest China. Science of The Total Environment, 2022, 821: 153270. DOI: 10.1016/j.scitotenv.2022.153270.

[47]
Li Y, Gong S Y, Zhang Z R, et al. Vulnerability evaluation of rainstorm disaster based on ESA conceptual framework: A case study of Liaoning province, China. Sustainable Cities and Society, 2021, 64: 102540. DOI: 10.1016/j.scs.2020.102540.

[48]
Venter O, Sanderson E W, Magrach A, et al. Sixteen years of change in the global terrestrial human footprint and implications for biodiversity conservation. Nature Communications, 2016, 7: 12558. DOI: 10.1038/ncomms12558.

PMID

[49]
Xu Hanqiu. A remote sensing index for assessment of regional ecological changes. China Environmental Science, 2013, 33(5): 889-897.

[徐涵秋. 区域生态环境变化的遥感评价指数. 中国环境科学, 2013, 33(5): 889-897.]

[50]
Isbell F, Craven D, Connolly J, et al. Biodiversity increases the resistance of ecosystem productivity to climate extremes. Nature, 2015, 526(7574): 574-577.

[51]
Breiman L I, Friedman J H, Olshen R A, et al. Classification and regression trees. Encyclopedia of Ecology, 2015, 57(3): 582-588.

[52]
Elith J, Leathwick J R, Hastie T. A working guide to boosted regression trees. Journal of Animal Ecology, 2008, 77(4): 802-813.

DOI PMID

[53]
Tenenhaus M, Vinzi V E, Chatelin Y M, et al. PLS path modeling. Computational Statistics and Data Analysis, 2005, 48(1): 159-205.

[54]
Sanchez G. PLS Path Modeling with R. Berkeley: Trowchez Editions, 2013.

[55]
Rounsevell M, Dawson T P, Harrison P A. A conceptual framework to assess the effects of environmental change on ecosystem services. Biodiversity and Conservation, 2010, 19: 2823-2842.

[56]
Mach M E, Martone R G, Chan K M A. Human impacts and ecosystem services: Insufficient research for trade-off evaluation. Ecosystem Services, 2015, 16: 112-120.

[57]
Huang C B, Zhao D Y, Liao Q P, et al. Linking landscape dynamics to the relationship between water purification and soil retention. Ecosystem Services, 2023, 59: 101498. DOI: 10.1016/j.ecoser.2022.101498.

[58]
Huang F X, Zuo L Y, Gao J B, et al. Exploring the driving factors of trade-offs and synergies among ecological functional zones based on ecosystem service bundles. Ecological Indicators, 2023, 146: 109827. DOI: 10.1016/j.ecolind.2022.109827.

[59]
Duflot R, San-Cristobal M, Andrieu E, et al. Farming intensity indirectly reduces crop yield through negative effects on agrobiodiversity and key ecological functions. Agriculture, Ecosystems and Environment, 2022, 326: 107810. DOI: 10.1016/j.agee.2021.107810.

[60]
Viljur M L, Abella S R, Adámek M, et al. The effect of natural disturbances on forest biodiversity: An ecological synthesis. Biological Reviews, 2022, 97: 1930-1947.

[61]
Thom D, Rammer W, Dirnböck T, et al. The impacts of climate change and disturbance on spatio-temporal trajectories of biodiversity in a temperate forest landscape. Journal of Applied Ecology, 2017, 54: 28-38.

DOI PMID

Options
文章导航

/

〈 〉