杨光宗，吕 凯，李 峰

（山西农业大学乡村调查研究院，山西 太原 030031）

1 引言

联合国千年生态系统评估计划（Millennium Ecosystem Assessment, MIA）将生态系统服务（ecosystem service）定义为生态系统的结构、过程和功能直接或间接对人类产生的福祉，并概括为供给（如食品、淡水和纤维）、调节（空气和水净化、气候调节和病虫害控制）、文化（娱乐、教育和精神充实）和支持（土壤形成、营养循环）服务，可作为区域可持续发展的核心指标[1]。中国在过去几十年追求经济快速发展的过程中，产生了许多环境问题，如生物多样性损失、生态系统和土地资源大规模退化[2]。为了应对上述问题，中国正在为提高生态系统服务并增强生态系统服务价值（Ecosystem Service Value, ESV）而努力，ESV评估是对国土资源和生态系统服务功能进行资本量化[3]。土地利用/覆被变化（Land Use/Cover Change, LUCC）是社会经济活动与自然耦合的结果，是影响生态系统服务功能的主要驱动力，LUCC通过从结构、质量、过程等几方面深刻影响生态系统，从而驱动着生态系统服务发生变化[4-7]。LUCC及ESV的空间量化与协同研究正逐渐成为生态学和地理学的研究热点[8]。因此，开展ESV评估对优化土地利用类型、制定差异化的生态补偿政策以及生态系统服务权衡具有重要意义。

目前关于ESV的研究主要集中在土地利用变化时空对比分析[9]、ESV评估[10-11]以及将二者结合分析[12-14]，对ESV空间格局量化评估较少[15-17]。梳理文献发现，对ESV评估的尺度主要集中在流域尺度[18]、行政区尺度[19-20]、国土安全尺度[21-22]、典型地区[23-24]，尺度往往具有依赖性，在这些尺度上开展ESV评估存在空间信息表达不足的缺点。已有研究多聚焦于宏观尺度，而对微观尺度的关注不够。相关ESV评估研究结果不精细化、普适度较低、空间表达欠缺。此外ESV随着尺度变化并在更细的尺度上具有粒度与幅度效应，会影响ESV的准确评估，进而对国土空间管控与利用产生一定影响。部分学者基于3 km×3 km、10 km×10 km、25 km×25 km格网尺度开展ESV的研究，相比流域及行政区等尺度得到了更为精细的结果。本文基于生态系统服务价值和空间自相关经典分析方法对土地利用变化与生态系统服务价值进行时空变化分析，并根据相关结果提出国土空间用途管制策略，可为国土空间格局优化、编制相关专项规划与用途管制、制定差异化生态补偿方案提供依据。

随着鄱阳湖生态经济区被提升为国家级生态经济区，作为环鄱阳湖重要城市，南昌市的土地利用方式将影响到区域可持续发展。有研究表明，鄱阳湖地区生态经济发展综合指数并不高，这与生态经济区内的重要城市发展方式密切相关[25]。目前针对鄱阳湖生态经济区的ESV相关研究较少，特别是以格网更为精细的尺度研究，因此以经济区内最为重要的南昌市开展相关研究具有科学意义与现实意义。综上，本文以南昌市为研究区，基于格网尺度从土地利用角度分析ESV的动态变化特征以及近10年来土地利用变化对ESV的影响，深入揭示LUCC与ESV时空变化相关空间关系，为南昌市政府制定差异化的生态补偿政策、调整国土空间用地布局、助力鄱阳湖生态经济区生态与经济协调可持续等提供智库咨询和理论支撑。

2 研究区域与数据来源

2.1 研究区域

南昌市位于江西省北部（115°27′E～116°35′E，28°10′N～29°11′N），鄱阳湖西南岸，地处赣江、抚河下游，下辖4县5区即西湖区、青山湖区、东湖区、青云谱区、湾里区、安义县、进贤县、新建县及南昌县，总面积为7 194.61km2。2018年南昌市城镇化率75.38%，GDP为5 239.17亿元，是鄱阳湖生态经济区经济最发达、人口最密集、城镇化率最高地区。近年来，工业化城市化加快，建设用地面积年均增长1 000 hm2[26]，建设占用大量非农用地，生态用地不断萎缩，生态环境日益脆弱，生态文明建设愈加重要，开展ESV评估对实现生态保护与经济协调发展具有重要意义。

2.2 数据获取与处理

基于研究区遥感解译数据进行ESV评估，2009年、2013年以及2018年土地利用数据以Landsat-8遥感影像数据为数据源，为30 m×30 m的分辨率，在选取遥感影像数据时为了减少误差将云量控制在10%以下。然后利用ENVI5.3对数据源进行辐射校正和几何校正、裁剪等预处理，并采用基于CART算法的决策树分类方法，结合野外实测及参考国家标准（GB/T 21010—2017）将研究区分为建设用地、耕地、林地、草地、水域、未利用地6个类别。Kappa系数均在92%以上，精度达到研究要求。

非遥感数据主要包括南昌市土地利用现状图，粮食单产、总产量、总产值均来自于南昌市统计年鉴（2009—2018）以及政府统计公报。根据COSTANZA[27]和谢高地等[28]确定的ESV系数，结合单位面积ESV的研究结果及南昌市具体情况，以南昌市2009—2018年平均粮食单产和粮食平均单价为基准。结合相关文献[29]和区域自然情况，以人类零投入的自然系统提供的经济价值的七分之一为依据，并根据市场调节系数计算出南昌市一个当量因子的价格为3 383.17元/hm2。参照式（1）计算得到南昌市单位面积土地生态系统服务价值（表1）。

表1 南昌市生态系统服务价值系数Tab.1 Value coef fi cient of ecosystem service in Nanchang city （元/hm2）

式（1）中：ESV代表研究区生态系统服务价值当量（总量）；VCi代表第i类土地利用类型的单位面积生态系统服务价值（当量/hm2）；Ai代表第i类土地利用类型的面积（hm2）；n为研究区所有土地利用类型个数。

2.3 研究方法

2.3.1 土地利用变化动态度模型个数

为了更加准确的表达土地利用变化幅度，可以利用土地利用变化动态度模型，计算某用地面积在研究时期内的变化量[30]，计算公式为：

式（2）—式（3）中：Ua和Ub为研究区基期年和末期年任一土地利用类型的面积；T为时间长度；K为土地利用动态度；Qm为多样性指数；xi为研究区内第i种土地利用类型面积。

2.3.2 基于格网的ESV空间表达

格网是微观尺度下量化土地利用时空演变的有效评估单元，作为表达空间分布格局的重要方法和手段，基于格网尺度下对ESV开展研究，可以定量分析土地利用空间异质性和精细化表达土地利用空间信息。结合南昌市地形特征、面积大小和地势海拔等因素，参考相关文献[31]的基础上构建了500 m×500 m、1 km×1 km、2 km×2 km格网作为预选评价单元，并借助ArcGIS 10.2软件Greate Fishnet、Dissolve、Clip、Merge等分析工具，最终确定了1 km×1 km大小的格网，共计7 569个。以每一个格网内的土地利用类型数据为基础，分别计算小格网内每一种土地利用类型的生态系统服务价值，最后相加得到格网的生态系统服务价值。具体公式如下：

式（4）—式（5）中：ESVn为每一个格网单元内第n类土地利用类型的ESV；Smn为第m个格网第n种土地利用类型的面积（hm2）；LUm为第m种土地利用类型的ESV系数；k为土地利用类型个数。

2.3.3 空间自相关分析

空间自相关方法普遍用于测度某种属性的空间分布及其临近地区存在的某种相关性及相关程度的方法，可以直观地表达某类空间现象的差异性和关联性[32]。全局空间自相关是通过计算Moran’s I指数来揭示南昌市生态系统服务价值空间相关性的总体趋势，如式（6），莫兰指数的值为[-1，1]，值大于0表示空间正相关，值越大正相关性越显著，空间集聚性越强，值小于0表示空间负相关，值越小负相关性越显著。局部空间自相关是反映某种属性的局部空间相关性特征，Moran’s Ii指数值大于0表示高—高或低—低集聚，值小于0表示高—低或低—高聚集，如式（7）。

式（6）—式（8）中：n为空间单元个数；xi、xj分别表示第i、j个空间单元的ESV值；x为ESV的平均值；wij为空间权重矩阵；m0为方差。

3 结果与分析

3.1 土地利用结构变化

2009—2018 年，南昌市土地利用类型主要为耕地、林地、水域和建设用地，3个时期4种地类面积之和占南昌市总面积的90.53%、90.80%和91.65%（表2）。鄱阳湖生态经济区在2009年上升为国家战略规划以后，南昌市作为鄱阳湖生态经济区的核心城市，建设用地面积近10年间共增加了16 845.16 hm2，占总面积2.34%，成为增加值最大的土地利用类型，其中水域面积近10年增加了2 369.82 hm2，占总面积0.33%；说明南昌市近年来城市化、工业化进程加快的同时也更加注重生态与经济协同。

表2 2009—2018年南昌市土地利用动态变化Tab.2 Dynamic changes of land use in Nanchang City from 2009 to 2018

近10年，耕地面积共减少6 642.38 hm2，是减少面积最多的一种类型，约占总面积的0.92%，这表明南昌市的耕地保护压力较大；林地、草地、未利用地分别减少4 477.86 hm2、4 184.17 hm2和3 910.57 hm2，非农用地持续减少，表明人类活动对土地利用变化的影响逐渐加强，生态保护压力增加；这与城市化、工业化加速推进以及耕地占补平衡政策执行不彻底相关。

3.2 土地利用变化动态度和多样性指数分析

3.2.1 土地利用变化动态度分析

土地利用变化动态度是反映土地利用变化速度的百分率，是表征人类活动对自然环境的影响程度，根据式（2）及表2，得到南昌市土地利用变化动态度K（表3）。

表3 2009—2018年南昌市土地利用变化动态度Tab.3 Dynamic attitudes of land use change in Nanchang City from 2009 to 2018

由表3可知，首先南昌市2009—2018年期间各土地利用类型变化动态度整体较小，其中草地变化最大，为负数（-0.65%）；耕地变化最小，为负数（-0.02%）；说明草地面积年比例减少最多，耕地面积年比例减少最小，其中建设用地（0.15%）和水域（0.04%）为正数，表明建设用地面积年比例增加最多，其次是水域，林地和未利用地面积年比例减少相对较少。就年变化量来说，10年间减少最多的为耕地，其次为林地，分别达到664.24 hm2和447.79 hm2。此外2009—2013年这个阶段，未利用地的变化动态度减少最大，耕地的变化动态度减少最小，建设用地呈现增加趋势。2013—2018年这个阶段，草地的变化动态度减少最多，水域和耕地的变化动态度较少最小，建设用地相比上一阶段增量更多。近年来国家虽然严格实行耕地保护制度，但是随着城市产业发展以及“官员晋升锦标赛”，地方政府在与中央政府博弈中采取诸如耕地占补平衡及耕地指标补充等灵活措施侵占局域内一些耕地，这使得本地生态系统服务总价值减少。

3.2.2 多样性指数分析

根据式（2），计算得到南昌市各土地利用类型的多样性指数，2009年、2013年、2018年分别为0.647 8、0.641 2和0.625 9。3个时期的土地利用多样性指数均大于0.6，表明近10年来南昌市的土地利用结构相对较为稳定，土地多元化程度仍然处于中等水平，但土地利用多样性指数正在持续缓慢下降，其中最主要原因是建设用地面积持续增加，建设占用耕地面积增加以及耕地的撂荒加剧，意味着南昌市在接下来的土地利用过程中，应重视土地利用占补平衡、优化土地利用结构、提高土地利用效率。

3.3 ESV空间分布格局特征

根据南昌市生态系统服务价值系数（表1），计算得到2009—2018年南昌市的ESV（表4），结果表明，ESV总体呈先增加再下降趋势,这段时间内，由于南昌市城镇化工业化快速发展，ESV整体呈现减少趋势，2009—2013年ESV由353.91亿元增加到356.33亿元，共增加了2.42亿元。2013—2018年ESV由356.33亿元减少到351.79亿元，共减少了4.55亿元。2009—2018年，ESV由353.91亿元减少到351.79亿元，共减少2.12亿元；这表明南昌市近十年来，城市建设占用面积的不断增大，进一步侵占了相关生态用地进而导致ESV呈现减少趋势，土地利用结构需要更加优化。但随着高质量协同发展及生态文明指引下的新经济业态，三期格网的ESV平均值为1.72×105元、1.76×105元和1.74×105元，ESV下降趋势在将来会一定程度上得到控制。

表4 2009—2018年南昌市生态系统服务价值量及变化Tab.4 Values and changes of ecosystem service in Nanchang City from 2009 to 2018

2009—2018 年南昌市食物生产价值量持续下降，这与近10年来，南昌市耕地面积持续减少相关，水资源供给与水文调节价值量呈现先增加再减少的趋势，这与鄱阳湖生态经济区与“昌九一体化”相关，在政策初期，各级地方政府能够有效执行，但经济增长压力、城市化工业化的因素影响，土地利用结构则需进一步优化。其中水资源供给与水文调节是占比最大的两项生态系统服务，这与南昌市水域面积占比较大相关，结果进一步揭示了南昌市的耕地和水域对生态系统服务价值具有重要影响。

根据自然断点法将南昌市ESV划分为5个区域，分别为高值区、较高值区、中值区、较低值区、低值区（图1）。从空间格局分布上看，高值区主要位于军山湖、青岚湖、南矶乡湿地以及赣江抚河区，较高值区集中在湾里区及西北角，中值区与较低值区交错分布，低值区主要位于中心城区，这区域主要为建设用地，表明ESV与建设用地呈现负相关关系，受人类活动的影响较大。2009—2018年高值区面积持续减少，低值区面积持续增加（表5）；南昌市ESV主要集中在中值区和较低值区，这表明南昌市生态系统服务价值整体上偏低，在未来土地利用上应更重视生态用地的保护。

图1 2009—2018年南昌市生态系统服务价值空间分布Fig.1 Spatial distribution of ESV in Nanchang City from 2009 to 2018

表5 2009—2018年南昌市生态系统服务价值分区Tab.5 Ecosystem service value zoning in Nanchang City from 2009 to 2018 （hm2）

3.4 ESV空间自相关分析

3.4.1ESV全局空间自相关分析

由表6、图2可知，根据Geoda软件计算得到2009年、2013年、2018年南昌市生态系统服务价值的全局Moran’sI值均大于0，P值均小于0.001，表明南昌市生态系统服务价值整体上呈显著的空间正相关关系，Moran’sI值持续增加，表明南昌市近10年来，生态系统服务价值更加集聚，相关性逐渐增强，在空间上表现为整体较为分散、小范围集聚的特点。这与南昌市近年来的城市发展模式及城市扩张方向有一定关系，中心城区由于交通区位优势、地价优势，主要以建设用地为主，进而导致ESV在某些范围内呈现小聚集、大分散格局。

表6 南昌市生态系统服务价值各年份Moran’s I统计值Tab.6 Moran’s I statistics of ESV in Nanchang City

图2 南昌市ESV Moran’s I散点图Fig.2 ESV Moran’s I scatter plot of Nanchang City

3.4.2ESV局部空间自相关分析

LISA分布图可以反映事件与周边事件的局域空间关系，主要分为4种类型，即高—高值聚集、高—低值聚集、低—高值聚集、低—低值聚集区。由图3看出，南昌市2009年、2013年、2018年ESV呈现显著的高—高值聚集区和低—低值聚集区，表现为显著正相关，呈现空间聚集格局。三个时期，ESV高—高值聚集区大体一致，主要集中在军山湖、青岚湖及南矶乡附近。在中心城区边缘地带，高—高值聚集区面积逐年减少，表明这一区域面临较大的生态保护压力。低—低值聚集区主要集中在中心城区，形成“一江两岸分布”，而且低—低值聚集区面积逐年增加，这与建设用地扩张相关。南昌市东北角呈现低—低值集聚区与高—高值集聚区镶嵌分布格局，这表明该区域人类活动频繁，应当重视生态环境的保护，对于不适合开发的地区项目严禁进行开发活动，严格落实国家环境保护政策，腾退一些低产工业用地、低效率用地。高—高值、低—低值聚集区整体上呈现东南西北分布格局，这与南昌市高程分布格局具有相似性，这表明在市域范围内研究ESV的时空变化，需要极其关注地理因素的作用，某些地理要素对研究结果具有很强的扰动作用，随着尺度变化这种相关性可能表现得更加强烈。与其关注ESV的整体分布格局，本文研究南昌市ESV的高低值聚集区是为了从空间整体上了解全市ESV的分布格局，重点关注城区范围内的ESV与土地利用变化的关系，了解土地利用变化带来的ESV损失情况，从而更加针对性的保护生态环境。相比自然环境变化引发的生态系统服务价值损失，更加关注对人类社会产生福祉产生影响的生态系统服务进行研究才具有科学意义。

图3 南昌市ESV的LISA分布图Fig.3 LISA aggregation of ESV in Nanchang City

4 结论与讨论

本文基于2009年、2013年、2018年遥感数据以及修正后的ESV参数体系，在1 km×1 km的格网尺度下，估算了南昌市土地利用变化导致的ESV的时空变化，并运用多样性指数、生态系统服务价值评估模型、空间自相关分析方法，探究南昌市土地利用变化对ESV的影响及其空间格局的动态演化，主要研究结果如下：

（1）2009—2018年，南昌市建设用地面积增加最多，为126 639.47 hm2，耕地减少数量最多，为293 268.76 hm2，土地利用程度较高，多样性指数均在0.6以上，处于中等水平，且土地利用结构相对稳定。近年南昌市城市建设快速发展，占用了城市周边大量良田，但整体上还处于快速城市化时期，各种地类演变较为复杂。

（2）2009—2018年南昌市生态系统服务价值总体上呈现先增加后减少的趋势，由353.91亿元降至351.79亿元，其主要原因是南昌市处于城市化工业化的发展期，土地利用不合理，相关政策执行不彻底；其中，生态系统服务功能排序为：水资源供给＞水文调节＞气候调节＞气体调节＞保持水土＞净化环境＞生物多样性＞养分循环＞娱乐文化＞原料生产＞食物生产。水资源供给是生态系统服务主要功能，占生态系统服务价值的28.26%。

（3）南昌市2009—2018年3个时期生态系统服务价值主要集中在较低值区，分别占总面积的41.90%、43.05%和42.21%；3个时期，Moran’sI值分别为0.601、0.603和0.606，空间格局上主要呈现高—高聚集、低—低聚集，高—高聚集在军山湖、青岚湖及南矶乡附近，低—低聚集在中心城区。南昌市中心城区遍布众多大型湖泊，进而形成了高生态系统服务价值区域。

生态系统中形成和维持的生态系统服务对实现人类生存和绿色发展具有重要作用，开展ESV评估的最终目的是辅助决策者制定更好的生态保护规划与管理，实现人与自然可持续发展。利用格网法可定量分析ESV空间异质性和精细化表达土地利用空间信息，1 km×1 km的尺度可较好识别南昌市土地利用变化信息。与有关研究利用3 km×3 km的网格单元研究县域ESV，本文利用更为精细的网格单元研究市域范围，在揭示地类镶嵌格局、契合度、稳定度方面更具优势。同时，基于格网表达的ESV空间信息不均衡和异质性，可为南昌市生态空间规划与生态用途管制方案提供依据。基于空间自相关分析，识别重点区域的ESV变化关系，可为制定差异化的生态系统补偿政策提供借鉴，这对实现鄱阳湖生态经济区生态保护与高质量协同发展具有重要意义。

随着“双碳”目标的提出，通过逐步修复生态环境，践行绿化行动，提升生态系统碳汇能力是实现“双碳”目标的技术手段。开展ESV的精细化研究，明晰ESV空间格局分布，有助于摸清生态环境质量本底，为协调保护与发展提供空间依据。在新发展格局下“双碳”目标与ESV关系建设上的基本方向为：政策导向与技术集成相结合，以ESV评估为基础搭建生态银行，以生态银行鼎托“双碳目标”实现，建设既富又美的低碳型城市。

基于格网法与空间自相关性分析确定的ESV空间分布格局，对厘清土地利用与ESV空间格局相关性具有重要作用，但土地利用与ESV空间特征具有复杂性、多维性、异质性和不确定性，同时ESV不仅仅是简单的货币量化估算，越来越多的人要求将社会需求、观念和社会偏好纳入到ESV评估中，值得注意的是ESV评估是为了提高政策的相关性和生态系统在城市运营管理中的实际应用。基于人地关系系统理论，ESV是由人类主体、自然资源禀赋、社会经济等多因素在特定的时间和空间上相互作用、相互影响的共同结果，呈现出复杂的非线性关系，在研究ESV空间变化因注意到因资源利用变化而产生的权衡与协同关系，应通过施加持续性的限制加以各类因素，然后以成本效益高的方式加以满足，以空间目标的政策才能产生对社会有重大利益的影响，从人地系统关系出发全面综合的考虑土地利用与ESV关系是下一步研究的重点。