昆明市生態系統服務價值時空演變及驅動因素研究

楊磊 劉鳳蓮

引用格式：楊磊，劉鳳蓮.昆明市生態系統服務價值時空演變及驅動因素研究[J].國土資源導刊，2023，20（04）：125-136.

Reference format：Yang Lei， Liu Fenglian.Study on spatial-temporal evolution and driving factors of ecosystem service value in Kunming prefecture[J].Land & Resources Herald，2023，20（04）：125-136.

摘 要：生態系統服務價值評估是合理配置土地資源、制定生態保護政策和生態補償標準的前提和基礎。本文基于遙感影像解譯的5期昆明市土地利用數據，通過土地利用動態度、轉移矩陣、當量因子法，分析土地利用和ESV的時空動態變化，借助地理探測器模型探究ESV空間分異的驅動因素。結果表明：（1）林地、草地、耕地是研究區的主要用地類型，研究期內三者面積不斷減少，建設用地大幅增加。（2）2000—2020年昆明市ESV持續下降，總量減少了77 200萬元，其中調節服務占主導地位（67.13%）；ESV高值區主要分布在西山、晉寧、呈貢、官渡、石林、祿勸和尋甸，研究期內高值區鄉鎮數量減少，低值區數量增多；冷點區集中在昆明的5個主城區且數量有所增加。（3）人類活動強度和土地利用強度是昆明市ESV空間分異的主導因素，且人為因素的作用效果明顯高于自然因素；因子間交互作用效果相較于單因子作用明顯增強。因此，在未來的城市發展進程中應關注人類活動密集區的生態系統服務價值變化，避免因人為干擾導致生態環境惡化。

關鍵詞：土地利用變化；生態系統服務價值；地理探測器；驅動因素；昆明市

中圖分類號：TU982? ? ? ? 文獻標志碼：A? ? ? ? ? 文章編號：1672-5603（2023）01-125-12

Study on Spatial-temporal Evolution and Driving Factors of Ecosystem Service Value in Kunming Prefecture

Yang Lei， Liu Fenglian

（Institute of Land Resources and Sustainable Development， Yunnan University of Finance and Economics， Kunming Yunnan 650221）

Abstract：The evaluation of ecosystem service value is the prerequisite and foundation for rational allocation of land resources， formulation of ecological protection policies， and ecological compensation standards. Based on five periods of land use data of Kunming City interpreted from remote sensing images， this paper analyzes the spatio-temporal dynamic changes of land use and ESV through land use dynamic degree， Stochastic matrix and equivalent factor method， and explores the driving factors of spatial differentiation of ESV with the help of geographical detector model. The results indicate that： （1） Forest land， grassland， and arable land are the main types of land used in the study area. During the study period， the area of these three types of land continued to decrease， while construction land increased significantly. （2） From 2000 to 2020， the ESV in Kunming continued to decline， with a total decrease of 7.72×108 yuan， of which regulation service is dominant （67.13%）; The high value areas of ESV are mainly distributed in Xishan， Jinning， Chenggong， Guandu， Shilin， Luquan， and Xundian. During the research period， the number of towns in high value areas decreased， while the number of low value areas increased; The cold spots are concentrated in the five main urban areas of Kunming and the number has increased. （3） Human activity intensity and land use intensity are the dominant factors of spatial differentiation of ESV in Kunming， and the effect of human factors is significantly higher than that of natural factors; The interaction effect between factors is significantly enhanced compared to the single factor effect. Therefore， in the future urban development process， attention should be paid to the changes in the value of ecosystem services in areas with dense human activities， to avoid the deterioration of the ecological environment caused by human interference.

Keywords： land use change; ecosystem service value; geographical detector; driving factors; Kunming prefecture

0 引言

生態系統服務是人類賴以生存的物質基礎和環境條件[1]。城鎮化、工業化引發的土地利用劇烈變化，對生態系統結構、功能和空間分布格局產生較大影響，進而影響生態系統提供生態產品的能力，將直接威脅區域生態安全。因此開展生態系統服務研究，對保障區域生態安全具有重要意義[2]。生態系統服務價值作為衡量生態安全的重要指標，關乎人類福祉和區域可持續發展[3]。

目前，大多學者從省[4]、市[5]、縣[6]、流域[7]、城市群[8]等不同空間尺度對濕地[9]、草地[10]、森林[11]、農田[12]等生態系統類型展開研究，而對于西南不發達地區的相關研究較少。隨著研究的不斷深入，研究內容從單一的生態系統服務價值評估，開始轉向生態系統服務權衡協同以及ESV與土地利用變化[13]、景觀格局[14]、生態安全格局[15]之間關系的綜合研究，尤其是ESV的驅動機制逐漸成為研究熱點[16]。周渝等[17]通過回歸模型探究重慶ESV的驅動力，結果表明城鎮化率和工業生產總值與ESV具有負相關關系；范曉敏等[18]基于廣義線性模型分析了青海海南、海北州生態系統服務的驅動因素；孟孟等[19]利用SPSS軟件中的相關性分析和主成分分析探究南京土地生態系統服務價值的驅動力，發現人口對南京ESV時空變化的影響高于經濟因素。當前，對驅動機制的研究多采用回歸分析，相關性分析等傳統的數理統計分析方法，在解釋ESV的驅動因素上，缺乏對驅動因子作用強度空間差異的研究[20]。

昆明是云南省社會經濟發展的核心，也是長江水源的重要涵養地和生態屏障、長江經濟帶和“一帶一路”建設的交匯點。近年來其城鎮化水平急速上升，2020年城市化率為73.6%，人類活動的劇烈干擾對區域生態環境質量和生態系統健康產生較大威脅。鑒于此，本研究借助ArcGIS軟件，基于昆明市土地利用變化探討ESV在時間上的變化趨勢和空間分布情況，采用熱點分析工具測度ESV空間變化特征，并在地理探測器的支持下，深入分析ESV空間分異的驅動因素，以期為土地資源的有效配置以及制定合理的生態保護政策提供參考。

1 研究區概況

昆明市地處長江上游，位于“一帶一路”和長江經濟帶的交匯區域，介于102°10'～103°40' E、24°23'～26°22' N之間，總體地勢“北高南低”，平均海拔? 1 891 m，是云貴高原的中心城市、西部大開發的重點城市、滇中城市群核心，也是長江流域上游重要的水源涵養區和生態安全屏障。昆明市總面積為21 012.54 km2，下轄7區、3縣、3個自治縣和1個縣級市，共139個鄉鎮（街道）。2020年末，轄區內總人口為846.30 萬人，約占云南省總人口數的17.92%；GDP為7 222.5億元，約占云南省GDP總量的29.45%。

昆明是云南省人口、經濟最集中的地區，生態環境受人為干擾程度較高，以石林為代表的喀斯特地貌區石漠化嚴重，水土保持工作任務艱巨；滇池在20世紀90年代遭到嚴重污染，水體污染改變了滇池的生態系統服務功能價值結構，污染治理難度大、成本高，不僅影響生態環境水平，也對社會經濟發展造成了較大損失[21]。

2數據來源及研究方法

2.1 數據來源與預處理

本研究用到的土地利用數據經RS技術解譯得來，昆明市2000、2005、2010、2015、2020年遙感影像來源于地理空間數據云（http：//www.gscloud.cn），行列號為129-42、129-43、130-42、130-43，為確保影像的清晰度，所選影像的云量均在10%以下。運用ENVI 5.3軟件首先進行幾何校正、輻射定標和大氣校正，在此基礎上融合、鑲嵌、裁剪，最后通過監督分類提取信息，再進行實地調查對解譯后的數據進行檢查修正，解譯精度均在85%以上，滿足研究需要。根據《土地利用現狀分類》（GB/T 21010—2017）中的分類標準，結合昆明實際情況，將土地利用類型劃分為耕地、林地、草地、水域、建設用地和未利用地。其他數據來源如下所示（表1）。

2.2 研究方法

2.2.1 土地利用動態度

單一土地利用動態度能夠定量描述特定研究區在研究時段內不同土地利用類型的變化速度，反映不同用地類型變化的劇烈程度，計算公式為：

式中，[A]為[T]時間段內某種土地利用類型的動態度，用來衡量土地利用增減變化的程度及速度；[Sa]表示研究初期某種用地類型的面積；[Sb]表示研究期末該種土地利用類型的面積[22]。

2.2.2 土地利用轉移矩陣

土地利用轉移矩陣作為一種系統分析的定量研究方法，能夠從靜態、動態兩個方面反映土地利用變化，被廣泛應用于LUCC相關研究之中[23]。其數學表達式為：

式中，Sij的含義是研究期初i地類轉換成研究期末j地類的面積。n表示土地利用類型數目。

2.2.3 當量因子法

本研究以謝高地等[24]的研究成果作為參考，結合昆明市各植被類型特征及面積占比進行調整，得到適合本研究區的單位面積生態系統服務價值系數表（表2），采用平均糧食單產市場經濟價值的1/7計算當量因子。2020年昆明市平均單位面積糧食產量為4 549 kg/hm2，平均糧食價格為2.45元/kg，計算得出昆明市農田自然糧食產量的經濟價值為1 592.15元/hm2。本研究將2000、2005、2010、2015、2020年30 m×30 m的土地利用柵格數據與昆明市鄉鎮尺度的行政區劃圖疊加分析，利用ArcGIS10.3軟件中的面積制表工具，統計昆明市每個鄉鎮街道不同土地利用類型的面積，結合如下公式計算各鄉鎮的生態系統服務價值：

式中，[ESV]、[ESVk]和[AESV]分別代表生態系統服務價值總量、單項生態系統服務價值和地均生態系統服務價值；q為地類；[Sq]為地類q的面積；[VCq]、[VCqk]分別表示地類q的單位面積生態系統服務價值和第k項生態系統服務的價值系數[25]。

2.2.4熱點分析

熱點分析法能夠判斷研究區ESV是否存在高低值集聚現象，進而識別ESV熱點區及冷點區的空間分布位置，揭示研究區生態系統服務價值的空間差異[26]。計算方法為：

式中，[G*i]指數為正值，則為ESV增加較多的熱點區，[G*i]指數為負值，則為ESV損失較多冷點區；n為網格數量；[xi]、[xj]分別為第i和j個網格的生態系統服務價值。

2.2.5生態系統服務價值敏感性分析

敏感性指數與經濟學中彈性系數的原理相似，用來驗證利用不同用地類型生態系統服務價值系數計算得到的ESV結果的可靠性，進而分析不同土地利用類型變化對生態系統服務價值的影響[27]。公式如下：

式中，CS為彈性系數，表示不同土地利用類型變化對生態系統服務價值的影響程度，ESVb、ESVa 分別表示研究期末和研究期初的生態系統服務價值；VCik、VCjk分別表示調整前后第k種土地利用類型的生態系統服務價值系數。

2.2.6 地理探測器

地理探測器是一種統計分析模型[28]，主要包括生態、因子、風險和交互探測器四部分，每種探測器的功能不盡相同。本文意在探究昆明市ESV的驅動因素，考慮到昆明屬于高原山地城市，且近年來經濟發展速度較快，故而從自然環境和人為影響兩個方面選取12個指標，探究不同因子對研究區ESV空間分異的影響程度。首先，借助SPSS軟件對各項驅動因子與ESV進行相關性分析，結果顯示各因子均通過顯著性檢驗；其次，將12項驅動因子在ArcGIS中柵格化并統一投影坐標系，重分類后進行離散處理；最后，導入地理探測器進行驅動因素分析。計算方法如下：

式中，q表示某個因子對ESV的解釋力大小，取值為0～1，q值越大，說明該因子對ESV的解釋力越強；h為自變量的分區序號；L為分區總數；[Nh]和N分別為每個分區和全區內總共的樣本數；[σ2h]和[σ2]分別為每個分區方差和全區內ESV的方差；SSW和SST分別是層內方差之和及全區總方差。

2.2.7土地利用綜合程度指數

土地利用綜合程度指數作為一項衡量土地利用變化的重要指標，能夠反映人為活動對土地的改變程度、區域土地開發利用水平以及測度該地區土地利用的深度與廣度[29]。計算公式如下：

式中，[L]為研究區域土地利用程度綜合指數；[n]指土地利用類型個數；[A]i指不同土地利用類型的面積；[P]指土地利用程度參數；At指研究區總面積。參照以往的研究成果，根據開發情況與人為干擾程度將未利用地、林地、草地、水域、耕地與建設用地劃分為4個級別，賦值為1～4級;[C]i為第i類土地利用類型面積。

2.2.8人為影響指數

人為影響指數一般用來描述生態系統與人類活動干擾程度之間的關系，公式如下：

式中，HAI表示人為影響指數；TA表示景觀總面積；Ai表示第i種景觀類型的面積；Pi表示第i種景觀類型的人為影響強度系數；n表示景觀類型數量。結合昆明市土地利用類型特征和前人研究成果[30]，本研究采用Delphi法對不同土地利用類型的人為影響強度系數賦值，其中耕地0.67、林地0.13、草地0.13、水域0.10、建設用地0.96、未利用地0.05。

3 結果分析

3.1 土地利用動態變化

從昆明市土地利用空間分布圖（圖1）可以看出，林地、草地和耕地三種土地利用類型面積較大，研究期內建設用地以滇池為中心，不斷向外擴張，向東北部擴張趨勢最為顯著。從土地利用結構看（表3），林地、草地、耕地為研究區主要用地類型，三者面積之和占研究區總面積的90%以上，水域面積、建設用地面積和未利用地面積較少。2000—2020年，耕地、林地、草地面積不斷縮減，分別減少了251.39 km2、125.99 km2和320.5 km2；水域在2005—2010年間有所增加；建設用地面積增長劇烈，其增加面積接近耕地、林地、草地面積減少之和，且在2005—2010年和2015—2020年兩個時段漲幅較大。

從土地利用變化速度看，耕地、林地和草地的土地利用動態度在各個研究時段均小于0（表4），說明20年來這3種地類面積持續減少，其中耕地、林地面積在2015—2020年間減少速度最快，草地面積在2005—2010年間減少速度最快；水域的土地利用動態度在2015—2020年間最大；建設用地面積增速最快，其在各研究時段的土地利用動態度均比其他地類的大，尤其是2015—2020年其動態度達9.71%。

從土地利用轉移方向來看，昆明市土地利用轉移以耕地、林地和草地的相互轉化以及三者向建設用地的轉移為主（表5），究其原因一方面在于昆明市20年來退耕還林還草工程取得顯著成效，另一方面是城鎮化速度加快，社會經濟的快速發展需要較多的用地空間，使得大量自然半自然用地轉為建設用地。從流出量來看，草地（853.31 km2）、耕地（702.45 km2）和林地（686.87 km2）的流出量居于前三，耕地的流出以建設用地為主（355.63 km2），其次是林地（168.48 km2）和草地（153.34 km2）；從流入量來看，建設用地的流入量最大，為703.57 km2，其中有一半左右來自耕地（50.5%），其他大部分來自草地和林地。

3.2 生態系統服務價值時空演變

3.2.1 生態系統服務價值時序變化

2000—2020年昆明市生態系統服務價值總量持續降低（表6），總量減少7.72×108元。不同地類生態系統服務價值表現由大致小依次為：林地，草地，水域，耕地，未利用地，建設用地，其中林地對ESV貢獻率較高，占研究區ESV總量的56%左右。6種土地利用類型的ESV總體表現出“四減兩增”特征，即耕地、林地、草地、建設用地的ESV都有不同程度的減少，ESV減少最多的地類是草地（5.83×108元）和林地（3.95×108元），水域ESV增長幅度最大（8.52×108元）。值得注意的是，2015—2020年這一時段，土地利用結構發生較大轉變，導致各地類ESV變化顯著，表明土地利用轉型對區域生態系統服務價值影響較大。

昆明市各項生態系統服務中調節服務占主導地位（表7），約占總ESV的67.13%，支持服務次之（約為21.72%），供給服務和調節服務相對較弱。單項生態系統服務中氣候調節（121.26×108元）和水文調節（165.92×108元）最為突出，水資源供給和維持養分循環功能最弱。從變化趨勢來看，只有凈化環境和水文調節的生態系統服務價值有所增加，其余各項均有不同程度的降低，尤其是水資源供給和氣候調節的ESV下降最多，原因在于林地和草地在研究期內面積不斷在減少，而建設用地面積顯著增加，生態系統服務功能的ESV降低與高ESV地類（林地、草地、水域、耕地）向低ESV地類（建設用地）轉移有較大關聯。

3.2.2 生態系統服務價值空間變化

從昆明市ESV空間分布圖（圖2）可知，2000年昆明市生態系統服務價值高值區包括祿勸彝族苗族自治縣的撒盤營鎮，九龍鎮；尋甸回族彝族自治縣的功山鎮、河口鎮、仁德街道；西山區的團結街道、碧雞街道；晉寧區的昆陽街道；呈貢區的大漁街道；官渡區的大板橋街道以及石林彝族自治縣的鹿阜街道。低值區圍繞在滇池周圍，包括五華區、盤龍區、官渡區、西山區交界處的26個街道，此外還涉及呈貢區的龍城街道、洛龍街道、馬龍街道、雨花街道和安寧市的連然街道。與2000年相比，2020年昆明市ESV總體水平降低，一些鄉鎮ESV水平向下一層級轉變，如官渡區的大板橋街道由高值區變為較高值區，馬街街道、前衛街道、阿拉街道和矣六街道由較低值區轉為低值區；也有個別鄉鎮ESV增加，如云龍鄉從較高值區變為高值區，原因在于云龍水庫的投入使用發揮了重要的生態服務功能。

熱點分析結果顯示（圖3），ESV熱點區分布在昆明周邊的四個區縣，冷點區集中在西南部地區。具體來說，熱點區包括祿勸的云龍鄉和撒營盤鎮；尋甸的功山鎮、河口鎮、七星街道；晉寧區的二街鎮、六街鎮、昆陽街道、上蒜鎮；石林的鹿阜街道和宜良的狗街鎮，共計11個鄉鎮。與ESV低值區相對應，冷點區主要集中在昆明市五個中心城區（五華、盤龍、官渡、西山和呈貢）的42個街道。研究期內冷點區涉及鄉鎮街道數量增多，表明研究區生態系統服務功能減弱。

3.3 生態系統服務價值敏感性分析

研究發現，昆明市各土地利用類型的敏感性系數從高到低依次為林地、草地、水域、耕地、未利用地和建設用地（表8），這與各土地利用類型對ESV的貢獻是一致的。林地的敏感性系數最高，在研究期間保持在0.6以上，其次是草地，敏感性系數約為0.2。與其他土地類型不同的是，建設用地的敏感性系數在不同年份均為負值，表明建設用地的增加會導致研究區生態系統服務價值的降低；未利用地的敏感性系數較低，表明研究區未利用地的變化對ESV的變化沒有顯著影響。此外，各時期土地利用類型的敏感性系數均小于1，表明ESV對土地利用變化缺乏彈性，ESV評估結果可靠。

3.4生態系統服務價值驅動因素分析

3.4.1 因子探測結果分析

本文采用地理探測器中的因子探測器來分析各驅動因子對昆明市ESV空間分異 的貢獻率。ESV空間分異驅動因子的q值從大到小依次是：人類活動強度、土地利用強度、人口密度、夜光遙感、GDP、降水量、海拔、坡度、NDVI、土壤侵蝕度、土壤類型和氣溫（表9）。其中，人類活動

強度和土地利用強度是引起昆明市生態系統服務價值空間分異最重要的驅動因素（圖4），其q值分別為0.776 7和0.766 7，自然因素中降水量和海拔是導致昆明ESV空間分布差異較為重要的因素。此外，研究發現，貢獻率排在前五的驅動因子均屬于人為因素，說明人為因素是研究區生態系統服務價值空間分異的主要驅動力。

3.4.2 交互探測結果分析

昆明市生態系統服務價值空間分異的驅動因子交互探測結果表明，因子間的交互作用相較于單一驅動因子而言，對ESV的空間分異具有一定的增強效應，尤其是q值較高的因子與其他因子耦合協調會擴大對ESV空間分異的影響。由圖5可知，土地利用強度∩NDVI，人類活動強度∩土壤侵蝕度的交互作用效果最強。除此之外，q值大于0.9的交互類型還有17種，主要以土地利用強度和人類活動強度與自然因素的交互作用為主。因此，昆明未來的生態安全格局優化和景觀生態風險防范應著重考量驅動因子的作用特征和相互作用機理，采取差異化策略選擇與本區域自然稟賦和社會經濟水平相符的土地利用方式和城市發展模式，避免人類活動的過分干擾，以及各因子協同增強作用對生態環境造成較大壓力。

4 結論與討論

4.1 討論

（1）研究期內昆明市耕地、林地、草地面積不斷減小。耕地面積減小一方面是由于退耕還林還草工程的實施，2000—2019年間，昆明市共完成退耕還林1 670.67 km2，全市森林覆蓋率顯著提升，水土流失得到有效遏制。另一方面城鎮化速度加快，建設用地需求激增，研究期末的建設用地約為研究期初的2.35倍，增加的面積中有52.3%來源于耕地。未來應控制建設用地擴張規模，深入挖潛城市建設用地存量，提高土地利用效率。

（2）林地是昆明市的主要生態用地，原因在于林地提供的生態系統服務價值最多，占ESV總量的56%左右，研究期內林地、草地、耕地面積的減少以及建設用地面積的增加是研究區ESV下降的主要原因，與前人研究相符[31]；水域雖面積較小，卻以2%左右的面積提供了超13%的生態系統服務價值，其面積的增加具有明顯的生態效益。因此，未來應著重關注林地、水域等生態系統服務功能較強用地類型的動態變化，加強對滇池流域的保護，以期改善昆明生態環境質量和人居環境。

（3）通過分析ESV驅動因素，發現人類活動強度和土地利用強度對研究區ESV空間分異的影響較大，這點與前人研究結果相似[32]。此外，本研究僅以2020年數據分析研究區整體ESV的驅動因素，忽視了驅動因素的時間變化趨勢以及不同鄉鎮街道之間的差異，未來應進一步探究ESV時空演變的驅動因素，針對不同鄉鎮的特點，提出差異化生態保護政策。

4.2 結論

（1）林地、草地、耕地是昆明市的主要土地利用類型，三者占總面積的90%以上。研究期內耕地、林地、草地面積不斷減??；水域面積在2005—2010年間明顯增加；建設用地面積劇烈增長，以占用其他地類的方式擴張，增加的建設用地一半以上來自耕地（50.5％），剩余部分主要來源于林地和草地。

（2）昆明市2000—2020年間ESV持續下降，ESV總量減少了77 200 萬元，其中2015—2020年間下降幅度最大。單項ESV中凈化環境和水文調節的ESV上升，水資源供給和氣候調節的ESV損失相對較多。研究區生態系統服務價值高值區分布在祿勸、尋甸、呈貢、西山、官渡、晉寧、石林7個區縣，低值區主要集中在昆明市5個主城區的交界處；冷點區與ESV低值區空間分布相符，且數量增加。

（3）自然因子中貢獻率較大的因子是降水量、海拔和坡度，人為因子中貢獻率較大的因子是人類活動強度、土地利用強度和人口密度。綜合來看，人為因素是研究區ESV變化的主要驅動因素，其中人類活動強度和土地利用強度對ESV空間分異的貢獻率最高。昆明市ESV的空間分異是多因子協同作用的結果，因子間交互作用的效果要明顯比因子單獨作用的好。

參考文獻/References

[1] 孫夢華，牛文浩，張蚌蚌，等.黃河流域土地利用變化下生態系統服務價值時空演變及其響應—以陜甘寧地區為例[J].應用生態學報，2021，32（11）：3913-3922.

[2] 姚志強，陳實，胡文海，等.皖江城市帶生態系統服務價值演變及驅動分析[J].環境科學與技術，2022，45（4）：218-226.

[3] 李孝永，匡文慧.京津冀1980—2015年城市土地利用變化時空軌跡及未來情景模擬[J].經濟地理，2019，39（3）：187-194+200.

[4] 彭文甫，周介銘，楊存建，等.基于土地利用變化的四川省生態系統服務價值研究[J].長江流域資源與環境，2014，23（7）：1053-1062.

[5] Chen S R， Feng Y J， Tong X H， et al. Modeling ESV losses caused by urban expansion using cellular automata and geographically weighted regression[J]. Science of the Total Environment， 2020， 712： 136509.

[6] 肖建設，喬斌，陳國茜，等.黃河源區瑪多縣土地利用和生態系統服務價值的演變[J].生態學報，2020，40（2）：510-521.

[7] Li W S， Wang L Q， Yang X， et al. Interactive influences of meteorological and socioeconomic factors on ecosystem service values in a river basin with different geomorphic features[J]. Science of The Total Environment， 2022， 829： 154595.

[8] 婁佩卿，付波霖，林星辰，等.基于GEE的1998～2018年京津冀土地利用變化對生態系統服務價值的影響[J].環境科學，2019，40（12）：5473-5483.

[9] Walters D， Kotze D C， Rebelo A， et al. Validation of a rapid wetland ecosystem services assessment technique using the Delphi method[J]. Ecological Indicators， 2021， 125： 107511.

[10] Gascoigne W R， Hoag D， Koontz L， et al. Valuing ecosystem and economic services across land-use scenarios in the Prairie Pothole Region of the Dakotas， USA[J]. Ecological Economics， 2011， 70（10）： 1715-1725.

[11] Kibria A S M G， Behie A， Costanza R， et al. The value of ecosystem services obtained from the protected forest of Cambodia： The case of Veun Sai-Siem Pang National Park[J]. Ecosystem Services， 2017， 26： 27-36.

[12] Liao J J， Yu C Y， Feng Z， et al. Spatial differentiation characteristics and driving factors of agricultural eco-efficiency in Chinese provinces from the perspective of ecosystem services[J]. Journal of Cleaner Production， 2021， 288： 125466.

[13] Long H L， Liu Y Q， Hou X G， et al. Effects of land use transitions due to rapid urbanization on ecosystem services： Implications for urban planning in the new developing area of China[J]. Habitat international， 2014， 44： 536-544.

[14] Estoque R C， Murayama Y. Landscape pattern and ecosystem service value changes： Implications for environmental sustainability planning for the rapidly urbanizing summer capital of the Philippines[J]. Landscape and Urban planning， 2013， 116： 60-72.

[15] Wang Y， Pan J H. Building ecological security patterns based on ecosystem services value reconstruction in an arid inland basin： A case study in Ganzhou District， NW China[J]. Journal of Cleaner Production， 2019， 241： 118337.

[16] 趙曉慧，朱明暢，雷軍成，等.東江源區生態系統服務價值時空變化及驅動力研究[J].水生態學雜志，2023，44（2）：26-33.

[17] 周渝，鄧偉，劉婷，等.重慶都市區生態系統服務價值時空演變及其驅動力[J].水土保持研究，2020，27（1）：249-256.

[18] 范曉敏，井新，肖博文，等.氣候和土地利用變化共同驅動青海海南、海北州生態系統服務的時空變化[J].草業學報，2022，31（12）：17-30.

[19] 孟孟，張運，支俊俊，等.快速城市化背景下生態系統服務價值時空演變——以南京市為例[J].水土保持通報，2021，41（3）：296-304.

[20] 趙琪琛，余敦，王檢萍，等.低山丘陵縣域生態系統服務價值的時空分異及影響因素分析——以江西德興市為例[J].環境工程技術學報，2023，13（2）：704-714.

[21] 高偉，杜展鵬，嚴長安，等.污染湖泊生態系統服務凈價值評估——以滇池為例[J].生態學報，2019，39（5）：1748-1757.

[22] 王秀蘭，包玉海.土地利用動態變化研究方法探討[J].地理科學進展，1999，18（1）：83-89.

[23] 佟光臣，林杰，陳杭，等.1986-2013年南京市土地利用/覆被景觀格局時空變化及驅動力因素分析[J].水土保持研究，2017，24（2）：240-245.

[24] 謝高地，肖玉，甄霖，等.我國糧食生產的生態服務價值研究[J].中國生態農業學報，2005，13（3）：10-13.

[25] 陳萬旭，李江風，朱麗君.長江中游地區生態系統服務價值空間分異及敏感性分析[J].自然資源學報，2019，34（2）：325-337.

[26] 張艷芳，李云.1995—2015年關中平原城市群生態系統服務價值（ESV）及其時空差異[J].浙江大學學報（理學版），2020，47（5）：615-623+629.

[27] 吳愛林，陳燕，燕彩霞，等.長江三角洲生態系統服務價值分析及趨勢預測[J].水土保持通報，2017，37（4）：254-259+265.

[28] 王勁峰，徐成東.地理探測器：原理與展望[J].地理學報，2017，72（1）：116-134.

[29] 曾志偉，楊華，寧啟蒙，等.洞庭湖區土地利用強度演變及其對生態系統服務的影響[J].經濟地理，2022，42（9）：176-185.

[30] 陳睿，楊燦，楊艷，等.洞庭湖生態經濟區生態系統服務價值的時空演繹及其驅動因素[J].應用生態學報， 2022， 33（1）：169-179.

[31] 李志英，李媛媛，薛夢柯，等.昆明市景觀格局變化及其生態環境效應研究[J].西南林業大學學報（自然科學），2023，43（4）：152-163.

[32] 武燕，吳映梅，高彬嬪，等.成渝城市群生態系統服務價值與人類活動強度空間關系[J].水土保持研究，2023，30（1）：173-182.