EN中文

Arid Zone Research >

2024 , Vol. 41 >Issue 6: 1032 - 1044

DOI: https://doi.org/10.13866/j.azr.2024.06.12

Ecology and Environment

Ecosystem services trade-offs and synergies drived by landuse changes in Ningxia

  • DONG Pengbei , 1 ,
  • REN Zongping , 1 ,
  • LI Peng 1 ,
  • WANG Kaibo 2 ,
  • HE Guokai 1 ,
  • WANG Pu 1
Expand
  • 1. State Key Laboratory of Eco-hydraulic in Northwest Arid Region, Xi’an University of Technology, Xi’an 710048, Shaanxi, China
  • 2. Institute of Earth Environment, Chinese Academy of Sciences, Xi’an 710061, Shaanxi, China

Received date: 2023-12-04

  Revised date: 2024-02-28

  Online published: 2025-08-12

Fold

Abstract

Ningxia is an important region in Northwest China. Thus, it is imperative to study land use change and its impact on ecosystem services to improve the ecological environment of Ningxia and put forward environmental protection measures for the future. However, previous studies have primarily focused on the changes in the ecosystem services during historical periods but lacked a prediction of the ecosystem services and their trade-offs and synergistic relationships under future scenarios. Therefore, this study simulated the land use status under three future scenarios, quantified the four ecosystem services of carbon storage, soil conservation, water yield, and grain yield under the different land use types, and ascertained their trade-offs and synergies at various spatial scales. The main conclusions are as follows: in the future, the water yield of the three scenarios was lower than that of the current year, and the soil conservation and carbon storage were the largest in the ecological protection scenario, reaching 7.98×107 and 4.72×107 tons, respectively. In contrast, the grain yield was the largest in the farmland protection scenario, reaching 1.52×107 tons. The trade-off relationship between ecosystem services mainly occurred between the regulating and supplying services and the synergy relationship between the regulating services. At the provincial scale, only carbon storage and soil conservation services demonstrated a high synergistic relationship; at the regional and county scales, the synergy between water yield and carbon storage services was also remarkable.

Key words： landuse; ecosystem services; trade-offs and synergy; spatial scales; Ningxia

Cite this article

DONG Pengbei , REN Zongping , LI Peng , WANG Kaibo , HE Guokai , WANG Pu . Ecosystem services trade-offs and synergies drived by landuse changes in Ningxia[J]. Arid Zone Research, 2024 , 41(6) : 1032 -1044 . DOI: 10.13866/j.azr.2024.06.12

生态系统服务（Ecosystem Service）是直接或间接地影响人类可持续福祉的一个或多个生态特征、生态功能或生态过程[1]，研究生态系统服务及其变化能够有效和持续地解决人类资源短缺问题[2]，也能够在一定程度上为自然资源的管理提供基础。然而，生态系统服务之间的关系并不是单一的，通常表现出此消彼长的权衡关系或相互促进的协同关系[3]，因此，为了保证生态系统的可持续发展，缓解各生态系统服务之间的权衡关系，促进其协同关系至关重要[4]。以往研究发现，生态系统服务的变化主要受控于气候、土地利用以及海拔高度[5⇓-7]等因素，其中，土地利用的变化是主要的驱动因素。
土地利用变化主要包括土地利用类型和土地利用空间格局的变化，与地表物质循环和生命过程息息相关[8]，被认为是影响生态系统服务的重要因素。如罗丹等[9]的研究发现，在喀斯特地区，土地利用格局的改变会导致生态系统碳储量的显著变化；Petroni等[10]的研究发现，土地利用的变化会对研究区的产水量产生积极或消极的影响。土地利用变化受诸多因素影响，但目前多数土地利用变化都是由于人类活动引起的[11]，如城市化扩张使得一些生态用地转化为建设用地，进而导致生态系统服务功能的流失[12]。尽管，目前已经采取了许多措施去减缓生态退化，但实行生态恢复措施不仅无法弥补生态退化所引起的生态系统服务功能的流失，还会导致生态系统服务之间产生权衡关系，如姚礼堂等[13]对张掖市的生态系统服务之间的权衡协同关系进行了评价，发现随着植被恢复的推进，粮食生产与其余服务之间呈现出权衡关系。土地利用的变化引起的生态系统服务变化并非是线性相关的，未来条件下土地利用发生变化，是否显著影响生态系统变化，是否影响着区域“双碳”的实施以及区域水土保持措施的配置是目前研究仍需探索的方向。
宁夏地区是黄土高原川滇生态屏障和北方防风防沙带的重要组成部分，研究生态系统服务的变化及其权衡协同关系可为宁夏地区的高质量发展提供参考依据。本研究采用PLUS模型对宁夏地区2030年三种情景下的土地利用类型进行了模拟，并基于InVEST模型对不同情景下的生态系统服务进行了量化评估，利用相关分析法对生态系统服务对之间的权衡协同关系进行了分析，为宁夏地区生态保护和生态恢复提供科学参考。

1 材料与方法

1.1 研究区概况

宁夏地处35°14′~39°23′N，104°17′~107°39′E之间，总面积达6.64×105 km2，东邻陕西，西、北接内蒙古，南连甘肃[14]。该地区的高程在956~3531 m之间，整体呈南部高，北部低的分布趋势（图1），黄河从中卫市进入宁夏，从石嘴山地区流出[15]。宁夏属典型的温带大陆性气候，冬季长，夏季短热，春暖快，秋季凉爽，干旱少雨，日照充足，蒸散发强，年降水量在150~600 mm之间[15]，年均温在7.5~10.2 ℃之间。在气候和地形的共同影响下，宁夏地区的植被类型以农田、荒漠和草原为主，同时在南部和北部山区还分布有一些针叶林和阔叶林[16]。
图1 研究区概况图

Fig. 1 Overview of the study area

1.2 研究方法

1.2.1 生态系统服务量化评估

本研究选取碳储存、土壤保持、水源涵养和粮食产量四项主要服务类型，对宁夏全区生态系统服务进行评估。
（1） 碳储量
一般而言，碳储存和封存模块（Carbon Storage and Sequestration）中的碳库分为四个部分：地上生物量、根系生物量、死亡有机物碳和土壤碳库，用如下公式表示：
C t o t a l = C a b o v e + C b e l o w + C d e a d + C s o i l
式中：Ctotal、Cabove、Cbelow、Cdead、Csoil分别表示总碳（t）、地上生物量（t）、根系生物量（t）、死亡有机物碳（t）、土壤碳库（t）。
鉴于死亡有机物碳在碳库中占比较小且较难获得，故本研究不考虑死亡有机物碳[17]。根据前人[18-19]的研究成果，采用公式（2）~（8）对全国的碳密度进行修正，便可得到宁夏地区各土地利用类型的碳密度。结果如表1所示。
表1 宁夏碳密度

Tab. 1 Carbon density in Ningxia /(t·hm-2)

土地利用
类型		 地上生物量碳密度 根系生物量碳密度 土壤碳库 死亡
有机物碳
耕地 0.8 11.7 88.0 0.0
林地 6.1 16.8 158.8 0.0
草地 5.1 12.5 81.1 0.0
水域 0.4 0.0 0.0 0.0
建设用地 0.4 0.0 0.0 0.0
未利用地 0.2 0.0 21.6 0.0
C S P = 3.3968 × M A P + 3996.1   ( R 2 = 0.11 )
C B P = 6.798 × e 0.0054 × M A P ( R 2 = 0.70 )
C B T = 28 × M A T + 398   ( R 2 = 0.47 , P < 0.1 )
K B P = C B P ' C B P ″
K B T = C B T ' C B T ″
K B = K B P × K B T
K S = C S P ' C S P ″
式中：CSP为根据年降水量得到的土壤碳密度（t·hm-2）；CBP、CBT分别为根据年降水量和年均温得到的生物量碳密度（t·hm-2）；MAP为年均降水量（mm）；MAT为年均气温（℃）；KBP、KBT分别为生物量碳密度的降水因子和气温因子修正系数； C '和 C ″分别是宁夏和中国的碳密度数据；KB、KS分别为生物量碳密度修正系数和土壤碳密度修正系数。
（2） 土壤保持量
使用InVEST模型中泥沙输移比模块（Sediment Delivery Ratio model）评估研究区的土壤侵蚀量及土壤保持量[20]，根据公式（9）~（11），得到研究区的土壤保持量（SD），计算公式如下：
U S L E = R × K × S × L × P × C
R K L S = R × K × L × S
S D = R K L S - U S L E
式中：USLE为实际土壤侵蚀量（t）；RKLS为潜在土壤侵蚀量（t）；R为降雨侵蚀力因子（MJ·mm·hm-2·h-1）；K为土壤可蚀性因子（t·hm·h·MJ-1·hm-2·mm-1）；L为坡长因子；S为坡度因子；P为工程措施因子；C为植被覆盖和管理因子。
（3） 产水量
使用InVEST模型中的水量提供模块(Annual Water Yield)评估研究区的产水量。计算公式如下所示：
Y x = 1 - A E T x P x × P x
A E T x P x = 1 + P E T x P x - 1 + P E T x P x ω x 1 / ω ( x )
P E T x = K c l x × E T 0 x
ω x = Z A W C x P x + 1.25
式中：Y(x)表示栅格单元的年产水量（mm）；AET(x)表示栅格单元x的年实际蒸散量（mm）；P(x)表示栅格单元x的年降水量（mm）；PET(x)表示潜在蒸散量（mm）；ω(x)表示自然气候-土壤性质的非物理参数；ET0(x)表示栅格单元x的参考作物蒸散（mm）；Kc(lx)表示栅格单元x中特定土地利用类型的植物（植被）蒸散系数；AWC(x)为植物有效含水量（mm）；Z为经验常数，可根据年降水事件计算获得。
（4） 粮食产量
本研究通过《宁夏统计年鉴》统计各县的粮食产量，根据各县的归一化植被指数[21]，将粮食产量从县级空间尺度降低到像元尺度，具体采用如下公式进行计算。
G i j = N D V I i j N D V I m e a n , j × G j
式中：Gij为j县i栅格的粮食产量（t）；NDVIij为j县i耕地栅格的归一化植被指数；NDVImean，j表示j县耕地的归一化植被指数的平均值；Gj为j县统计年鉴中的粮食产量（t）。

1.2.2 土地利用变化模拟

PLUS（Patch-generating Landuse simulation）模型源自于CA（Cellular Automata）模型，该模型通过将影响土地利用变化的空间因素与地理细胞动力学相结合，增强了CA模型的时空动态表达和预测能力[22]。该模型通过提取两期土地利用数据之间各类用地相互转化的样本进行训练，基于转化概率对未来土地利用进行模拟，并采用随机森林算法对各类土地利用扩张和驱动力因素进行计算，得到各类用地的发展概率及驱动因素对该时段各类用地扩张的贡献，进而结合随机斑块的生成和用户设置的转移过渡矩阵来确定未来的土地利用情况。PLUS模型主要包括土地扩张分析策略（LEAS）和基于多类随机斑块种子的CA模型（CARS）两个模块。
驱动因子是导致土地利用类型变化的重要因素，本研究选择地形因子、自然环境因子、地理位置因子和社会经济因子等作为研究区土地利用变化的驱动因子。其中，地形因子包括坡度、坡向、高程；自然环境因子采用年降水量和年平均气温来表征；采用道路、城镇（乡镇居民点）、河流（四级河流）的距离来表征地理位置因子；GDP和人口密度被选取作为影响宁夏地区土地利用变化的社会经济因子。选取的各因子如图2所示。
图2 PLUS模型主要驱动因子

Fig. 2 Main drivers of the PLUS model

首先，基于2000年和2010年数据对宁夏地区2020年的土地利用进行了模拟率定，并采用2020年实际土地利用类型图对PLUS模型进行验证，结果显示，Kappa系数达到0.79，总体精度达0.87，满足研究要求。在此基础上，本研究设置三种情景模拟宁夏地区2030年土地利用类型。自然情景下，对土地利用的转化不做任何限制；在耕地保护情景下，限制耕地不可转换为其他任何一种土地利用类型；在生态保护情景下，限制林地和草地不可转化为其他任何一种土地利用类型。

1.2.3 生态系统服务权衡与协同

为消除各生态系统服务单位不一致带来的误差，首先基于像元尺度，对各生态系统服务进行了标准化处理（式17）[23]，其次使用Spearman相关系数来确定生态系统服务对之间的权衡/协同关系[24]，相关系数为正表明两种生态系统服务之间表现为协同关系，反之则为权衡关系，Spearman相关系数计算采用R 4.0软件中的“corrplot”软件包来实现。
E S s t d = E S o b s - E S m i n E S m a x - E S m i n
式中：ESstd为经过标准化后的生态系统服务值；ESobs、ESmax、ESmin分别为某种生态系统服务的原值、最大值以及最小值。

1.3 数据来源

表2为本研究使用数据的基本信息。其中，DEM数据来源于地理空间数据云（https://www.gscloud.cn/），空间分辨率为30 m。
表2 数据来源

Tab. 2 Data sources

数据类型 年份 分辨率 数据来源
气象数据 2020年 1 km 中国地面气候资料日值数据集（V3.0）
地形数据 - 30 m 地理空间数据云（https://www.gscloud.cn/）
植被数据 2020年 1 km 中国科学院资源与环境数据中心（https://www.resdc.cn）
土壤数据 - 1 km 中国科学院资源与环境数据中心（https://www.resdc.cn）
土地利用数据 2020年 30 m 中国科学院资源与环境数据中心（https://www.resdc.cn）
社会经济数据 2020年 - 宁夏统计年鉴
基础国情数据 - - 中国科学院资源与环境数据中心（https://www.resdc.cn）
气象数据来自于中国地面气候资料日值数据集（V3.0）。该数据集包含了中国699个基准、基本气象站1951年1月以来气压、气温、降水量、蒸发量、相对湿度、风向、风速、日照时数和0 cm地温要素的日值数据。本研究选取了宁夏及周边地区42个气象站点2020年1月1日至12月31日的降水数据，并将这些数据从日尺度处理成为月尺度，利用ArcGIS软件中的克里金法进行插值，并设定空间分辨率为30 m，得到宁夏地区2020年的降水数据。
土壤类型数据来源于第二次全国土地调查中中国科学院南京土壤研究所所提供的1：1000000土壤数据。投影为WGS1984。
土地利用和NDVI数据均来自中国科学院资源与环境数据中心（https://www.resdc.cn）。其中，土地利用数据分辨率为30 m，根据土地资源及其利用属性，分为耕地、林地、草地、水域、建设用地和未利用地六类。
NDVI数据空间分辨率为1 km，该数据集始于1998年，覆盖范围为全国，本研究通过裁剪、投影等方法对其进行处理得到宁夏地区的NDVI数据。
社会经济数据来自于宁夏统计年鉴，该统计年鉴始于2001年，涵盖宁夏各县区人口、劳动力、农业、工业、建筑业等共21个部分的发展及变化状况。

2 结果与分析

2.1 土地利用变化分析

研究区的耕地和建设用地主要分布在北部黄河灌区；草地在全区均匀分布，但在中部地区最为集中；林地主要分布在南部的六盘山区和北部的贺兰山区（图3）。三种情景下宁夏地区2030年土地利用类型均以耕地和草地为主，其中，耕地占比约34.2%~35.0%，草地占比约44.1%~44.6%（表3）。与现状年份相比，自然情景下，研究区的耕地、林地和草地均呈减少趋势，其中，草地减少的趋势最为剧烈，减少量为114.5 km2，建设用地表现为增加趋势，增加量为185.6 km2；耕地保护情景下，研究区的林地和草地呈减少趋势，其中，减少最剧烈的为草地，减少量为197.0 km2，耕地和建设用地分别增加194.7 km2和119.1 km2；生态保护情景下，研究区的林地和草地均呈增加趋势，其余用地类型呈减少趋势。三种情景下研究区的未利用地都呈减少趋势。
图3 研究区不同情景下土地利用类型

Fig. 3 Landuse types under different scenarios in the study area

表3 宁夏地区土地利用类型面积

Tab. 3 Area of landuse types in Ningxia

土地利用类型 现状 自然情景 耕地保护情景 生态保护情景
面积/104 km2 占比/% 面积/104 km2 占比/% 面积/104 km2 占比/% 面积/104 km2 占比/%
耕地 1.8 34.6 1.8 34.6 1.8 35.0 1.8 33.8
林地 0.3 5.3 0.3 5.3 0.3 5.1 0.3 5.7
草地 2.3 44.4 2.3 44.2 2.3 44.1 2.3 45.1
水域 0.1 2.0 0.1 1.9 0.1 1.9 0.1 1.9
建设用地 0.2 4.2 0.2 4.6 0.2 4.4 0.2 4.2
未利用地 0.5 9.5 0.5 9.4 0.5 9.4 0.5 9.3
整体而言，自然情景下除建设用地外，其余用地类型的面积都呈减少趋势；耕地保护情景下耕地和建设用地都较现状年份增加；生态保护情景下，仅草地和林地呈增加趋势。

2.2 不同情景下各生态系统服务量化预测

图4所示为研究区不同情景下各生态系统服务空间分布，图5为生态系统服务实物量在不同情景下的变化，具体分析如下：
图4 不同情景下各生态系统服务空间分布

Fig. 4 Spatial distribution of ecosystem services under different scenarios

图5 不同情景下各生态系统服务实物量变化

Fig. 5 Changes in ecosystem services under different scenarios

研究区的碳储量在空间上分布较为均匀，在四种情景下，研究区的碳储量稳定在4.60×108~4.72×108 t之间，其中，生态保护情景下的碳储量最多，为4.72×108 t，自然情景下的碳储量最少，为4.60×108 t。不同情景下各县总碳储量的排名基本保持不变，面积较大且林草分布较多的同心县、海原县和盐池县的总碳储量最高，而植被覆盖度较差且面积相对较小的永宁县、惠农县和大武口区的总碳储量最低。
土壤保持量与植被覆盖度、土地管理实践状况以及人类活动有关，研究区土壤保持能力较好的地区主要分布在南部植被覆盖度较高的地区以及北部的贺兰山地区，整体而言，生态保护情景下的土壤保持状况最好，达到了7.98×107 t。从县区尺度来看，西吉县、彭阳县和泾源县的土壤保持状况最好，青铜峡市、永宁县和利通区的土壤保持状况最差。
产水量在空间上总体呈南部多，北部少，由北部向南部逐渐递增的趋势，未来情景下的产水量都少于现状的产水量，其中，生态保护情景下的产水量最少，为1.76×109 m3，耕地保护情景下的产水量与现状的产水量差距最小，仅为0.2×109 m3。基于现状年份，不同情景下研究区各县的产水量有增有减，如中宁县和原州区的产水量在自然情景和生态保护情景下呈下降趋势，在耕地保护情景下呈增加趋势，但增加或减少趋势不显著（P<0.05）。
研究区的粮食产量具有明显的集聚特征，粮食产量较高的地区集中分布在宁夏北部和南部的部分地区，这是因为这些地区地势平坦，耕地面积大，水热条件好，适合农作物生长。受耕地面积变化的影响，除耕地保护情景外，其余两种情景下的粮食产量都小于现状的粮食产量，其中，生态保护情景下的粮食产量最少，仅为1.47×107 t。从各县区粮食总量来看，沙坡头区、西吉县和平罗县最高，泾源县、大武口区和隆德县最低，且不同情景下各县区的粮食产量相较于现状而言都有显著变化（P<0.05）。

2.3 生态系统服务权衡与协同关系多尺度分析

宁夏全区生态系统调节服务之间总体表现为协同关系，其中，土壤保持和产水之间的协同关系最为明显（Rmean=0.49），且在未来情景下的协同关系好于现状；供给服务与调节服务之间基本不相关或表现出微弱的权衡或协同关系（图6）。
图6 宁夏全区各生态系统服务的权衡协同关系

注：CS为固碳服务，SC为土壤保持服务，WY为产水服务，GY为粮食生产服务。下同。

Fig. 6 Trade-offs and synergies of ecosystem services in Ningxia

基于地形、气候因子将研究区进一步划分为北部黄灌区、中部风沙区和南部丘陵区三个区域（表4），分析不同区域四种生态系统服务的权衡协同关系。不同情景下各生态系统服务之间的权衡与协同关系保持一致，如在北部黄灌区，四种情景下的协同关系都主要发生在土壤保持服务和固碳服务之间。从生态系统服务对之间的关系强弱来看，粮食生产与产水服务的权衡关系在南部丘陵区最为明显（R北，mean=-0.05，R中，mean=-0.04，R南，mean=-0.54）；土壤保持与碳储存服务的协同关系在中部风沙区生态保护情景下最为突出（RSC-CS=0.71）；北部黄灌区各生态系统服务之间的权衡与协同关系相对较弱（图7）。
表4 不同分区的基础信息

Tab. 4 Basic information for different regions

分区 平均海拔高度/m 平均气温/℃ 包含县区
北部黄灌区 1269.61 9.49 青铜峡市、永宁县、贺兰县、利通区、西夏区、惠农区、灵武市、兴庆区、金凤区、大武口区、平罗县
中部风沙区 1581.14 9.08 沙坡头区、同心县、红寺堡区、盐池县、海原县、中宁县
南部丘陵区 1898.65 7.21 隆德县、彭阳县、原州区、西吉县、泾源县
图7 不同分区下各生态系统服务的权衡协同关系

Fig. 7 Trade-offs and synergies of ecosystem services under different zones

分析宁夏22个县区在不同情景下各生态系统服务之间的权衡与协同关系基本相似，但各生态系统服务之间的关系在不同县区之间有所不同（图8）。其中，永宁县以协同关系为主，而彭阳县则表现为权衡关系。产水服务与固碳服务之间的协同关系在金凤区最强（Rmean=0.97），在大武口区最弱（Rmean=-0.65）；泾源县、西吉县和中宁县水碳协同关系较好（Rmean>0.5），产水服务与土壤保持服务协同关系较好的地区为贺兰县和西夏区。从固碳服务和土壤保持服务的分布来看，北部黄灌区以协同关系为主，中部风沙区的协同关系较北部地区变弱，南部丘陵区以权衡关系为主。
图8 不同县区各生态系统服务的权衡协同关系

注：横轴中c、n、f、e分别代表现状、自然情景、耕地保护情景和生态保护情景；纵轴中S、N、M分别代表宁夏南部、宁夏北部和宁夏中部的区县。

Fig. 8 Trade-offs and synergies of ecosystem services in different counties

3 讨论

生态系统服务受土地利用和气候的影响，在不同情景下表现出不同的权衡或协同关系[25]。本研究结果表明，生态系统服务的协同关系主要发生在固碳、产水以及土壤保持之间，这与以往的研究较为一致[26]。但在北部黄灌区，调节服务之间发生权衡关系。一方面，北部气候较为干燥，年均产水量仅为1.31 m3<35.21 m3（宁夏全区），但由于林地分布较多，利于固碳，故该地区的固碳和产水表现为权衡关系；另一方面，植被在一定程度上对土壤保持有促进作用，贺兰山地区林地的分布使得宁夏北部的土壤保持效果较好而植被的分布会在一定程度上对产流造成影响，因此，北部黄灌区的土壤保持与产水之间发生权衡。
此外，本研究还发现，在不同尺度下，各生态系统服务之间的权衡协同关系也有所不同[27]。如从全区尺度上来看，仅固碳和土壤保持服务之间表现出较高的协同关系，但在区域尺度和县区尺度下，产水和固碳服务之间的协同关系也较为显著。一方面，某一主导驱动因子与土地利用变化可能在不同尺度上发生变化，从而改变生态系统服务之间的关系[28]；另一方面，在对全区尺度上进行采样并分析区域或县区尺度上的生态系统服务关系时，采样的方法及密集程度会在一定程度上影响生态系统服务之间的权衡或协同关系。从生态系统服务的总量分布来看，宁夏南部和宁夏北部总量较高，中部总量较低，因此，有必要因地制宜地制定发展规划并建立生态系统分区治理措施，在此基础上，要建立健全生态系统服务权衡识别机制，在时间和空间上加强对权衡关系的治理，合理规划城乡建设，保护基本农田及水资源，减弱权衡关系，增强协同关系。
在土地利用规划和管理决策中，决策者往往会考虑生态系统的功能和结构，因此，使用生态系统服务去优化土地利用是一种有用且重要的策略[29]。本研究表明，在未来不同的土地利用情景下，不同生态系统服务的增加或减少趋势有所不同，如在生态保护情景下，碳储量与土壤保持量协同增加，而产水量和粮食产量表现为减少的趋势，林地面积的增加会使碳储量和土壤保持量增加，但同时植被增加也会对产流产生负影响，从而导致产水量减少[30]。
此外，由于不同地区的经济条件、自然条件以及社会条件等有所不同，相同的管理措施可能会造成不同的结果。以往研究表明[31]，生态系统对人为干预措施的反馈是不可预测的。因此，在进行土地利用管理时，需要考虑生态系统服务在空间上的差异性以及生态系统服务之间的权衡与协同关系，执行的管理措施不能以牺牲一种服务为前提去满足另外一种服务，决策者需要根据不同地区的特色，制定不同的政策以推动土地利用的可持续发展。
本研究采用PLUS模型模拟了未来三种情景下土地利用的变化并量化了三种情景下生态系统服务的变化情况，该方法合理可靠，但仍存在一些不确定性因素。首先，由于驱动因子选取的不够全面，并且未考虑到宁夏地区相关政策对土地利用变化的影响，模拟的土地利用与真实情况会产生一定的偏差；其次，碳储量的变化受气候、植被覆盖、土壤特性等多重因素影响[32]，但在InVEST模型中，碳储量的变化仅与土地利用以及碳密度相关，单位面积不同土地利用类型的碳密度在不同情景下保持一致，会在一定程度上增加计算结果的不准确性，因此，在未来的研究中，应进一步采用野外采样得到的数据去验证碳密度的合理性，增加计算结果的可靠性。

4 结论

（1） 宁夏地区的土地利用类型均以耕地和草地为主，其中，耕地占比约34.2%~35.0%，草地占比约44.1%~44.6%。与现状年份相比，自然情景下，研究区的耕地、林地和草地均呈减少趋势；耕地保护情景下，研究区的林地和草地呈减少趋势；生态保护情景下，研究区的林地和草地均呈增加趋势，其余用地类型呈减少趋势。三种情景下研究区的未利用地都呈减少趋势。
（2） 研究区的碳储量在空间上分布较为均匀，总量稳定在4.60×108~4.72×108 t之间；土壤保持能力较好的地区主要分布在南部植被覆盖度较高的地区以及北部的贺兰山地区，生态保护情景下的土壤保持状况最好，达到了7.98×107 t；产水量在空间上呈南部多，北部少，由北部向南部逐渐递增的趋势，且未来情景下的产水量少于现状；受耕地面积变化的影响，除耕地保护情景外，其余两种情景下的粮食产量小于现状，其中，生态保护情景下的粮食产量最少，仅为1.47×107 t。
（3） 整体而言，生态系统服务的协同关系主要发生在固碳、产水以及土壤保持之间。但在不同空间尺度下，生态系统服务之间的权衡协同关系有所不同，从全省尺度上来看，固碳服务与土壤保持服务呈现出协同关系，而从区域尺度上来看，北部黄灌区以协同关系为主，中部风沙区的协同关系较北部地区变弱，南部丘陵区以权衡关系为主。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
Robert C. Valuing natural capital and ecosystem services toward the goals of efficiency, fairness, and sustainability[J]. Ecosystem Services, 2020, 43: 101096.

[2]
王晓峰, 吕一河, 傅伯杰. 生态系统服务与生态安全[J]. 自然杂志, 2012, 34(5): 273-276.

[Wang Xiaofeng, Lv Yihe, Fu Bojie. Ecosystem services and ecological security[J]. Chinese Journal of Nature, 2012, 34(5): 273-236. ]

[3]
孙艺杰, 任志远, 郝梦雅, 等. 黄土高原生态系统服务权衡与协同时空变化及影响因素——以延安市为例[J]. 生态学报, 2019, 39(10): 3443-3454.

[Sun Yijie, Ren Zhiyuan, Hao Mengya, et al. Spatial and temporal changes in the synergy and trade-off between ecosystem services, and its influencing factors in Yanan, Loess Plateau[J]. Acta Ecologica Sinica, 2019, 39(10): 3443-3454. ]

[4]
Ilse R G, Berta M, Philip K Roche. Improving the identification of mismatches in ecosystem services assessments[J]. Ecological Indicators, 2015, 52: 320-331.

[5]
Jiang W J, Guo P P, Lin Z M, et al. Factors influencing the spatiotemporal variation in the value of ecosystem services in Anxi county[J]. Heliyon, 2023, 9(8): e19182.

[6]
Yu F, Li C L, Yuan Z Q, et al. How do mountain ecosystem services respond to changes in vegetation and climate? An evidence from the Qinling Mountains, China[J]. Ecological Indicators, 2023, 154: 110922.

[7]
Suchana A, Tomoharu H, Saroj K. Assessing the spatio-temporal impact of landuse landcover change on water yield dynamics of rapidly urbanizing Kathmandu valley watershed of Nepal[J]. Journal of Hydrology: Regional Studies, 2023, 50: 101562.

[8]
Peng J, Tian L, Zhang Z M, et al. Distinguishing the impacts of land use and climate change on ecosystem services in a karst landscape in China[J]. Ecosystem Services, 2020, 46: 101199.

[9]
罗丹, 周忠发, 陈全, 等. 喀斯特地区碳储量对土地利用模式的响应——以南北盘江流域为例[J]. 生态学报, 2023, 43(9): 3500-3516.

[Luo Dan, Zhou Zhongfa, Chen Quan, et al. Responses of carbon storage to land use pattern in karst area: A case study of Nanbei Panjiang River Basin[J]. Acta Ecologica Sinica, 2023, 43(9): 3500-3516. ]

[10]
Petroni Maria Luiza, Siqueira-Gay Juliana, Gallardo Amarilis Lucia Casteli Figueiredo. Understanding land use change impacts on ecosystem services within urban protected areas[J]. Landscape and Urban Planning, 2022, 223: 104404.

[11]
Pedro C, Clément F, Harold L, et al. Assessing the impact of land-cover changes on ecosystem services: A first step toward integrative planning in Bordeaux, France[J]. Ecosystem Services, 2016, 22: 318-327.

[12]
Erik Gómez-Baggethun, Marian Tudor, Mihai Doroftei, et al. Changes in ecosystem services from wetland loss and restoration: An ecosystem assessment of the Danube Delta (1960-2010)[J]. Ecosystem Services, 2019, 39: 100965.

[13]
姚礼堂, 张学斌, 周亮, 等. “山地-绿洲-荒漠”复合系统土地利用变化的生态系统服务权衡与协同效应——以张掖市为例[J]. 生态学报, 2022, 42(20): 8138-8151.

[Yao Litang, Zhang Xuebin, Zhou Liang, et al. Ecosystem service tradeoffs and synergies effects of land use change in Mountain-Oasis-Desert complex system: A case studly of Zhangye City[J]. Acta Ecologica Sinica, 2022, 42(20): 8138-8151. ]

[14]
Tan C P, Yang J P, Wang X M, et al. Drought disaster risks under CMIP5 RCP scenarios in Ningxia Hui Autonomous Region, China[J]. Natural Hazards, 2020, 100(3): 909-931.

[15]
Yang P, Zhai X Y, Huang H Q, et al. Association and driving factors of meteorological drought and agricultural drought in Ningxia, Northwest China[J]. Atmospheric Research, 2023, 289: 106753.

[16]
潘金金, 任宗萍, 胥世斌, 等. 宁夏不同植被类型NDVI变化特征及其对气候的响应[J]. 地球科学与环境学报, 2023, 45(4): 819-832.

[Pan Jinjin, Ren Zongping, Xu Shibin, et al. Variation characteristics of NDVl of different vegetation types in Ningxia, China and their responses to climate[J]. Journal of Earth Sciences and Environment, 2023, 45(4): 819-832. ]

[17]
祁迷, 王飞, 滑永春, 等. 基于PLUS与InVEST模型的内蒙古自治区土地利用变化及碳储量评估[J]. 水土保持学报, 2023, 37(6): 194-200.

[Qi Mi, Wang Fei, Hua Yongchun, et al. Assessment of landuse change and carbon storage in Inner Mongolia Autonomous Region based on PLUS and InVEST models[J]. Journal of Soil and Water Conservation, 2023, 37(6): 194-200. ]

[18]
Alam S A, Starr Mike R, Clark Barnaby J F. Tree biomass and soil organic carbon densities across the Sudanese woodland savannah: A regional carbon sequestration study[J]. Journal of Arid Environments, 2013, 89: 67-76.

[19]
陈光水, 杨玉盛, 刘乐中, 等. 森林地下碳分配(TBCA)研究进展[J]. 亚热带资源与环境学报, 2007(1): 34-42.

[Chen Guangshui, Yang Yusheng, Liu Lezhong, et al. Research review on total below ground carbon allocation in forest ecosystems[J]. Journal of Subtropical Resources and Environment, 2007(1): 34-42. ]

[20]
申草, 任宗萍, 李鹏, 等. 宁夏水土保持生态补偿优先区识别[J]. 干旱区研究, 2023, 40(9): 1527-1536.

[Shen Cao, Ren Zongping, Li Peng, et al. ldentification of priority areas for ecological compensation under soil and water conservation in Ningxia[J]. Arid Zone Research, 2023, 40(9): 1527-1536. ]

[21]
Wang X Y, Peng J, Luo Y H, et al. Exploring social-ecological impacts on trade-offs and synergies among ecosystem services[J]. Ecological Economics, 2022, 197: 107438.

[22]
Li X, Fu J Y, Jiang D, et al. Land use optimization in Ningbo City with a coupled GA and PLUS model[J]. Journal of Cleaner Production, 2022, 375: 134004.

[23]
Wu F, Liang Y J, Peng S Z, et al. Challenges in trade-off governance of ecosystem services: Evidence from the Loess Plateau in China[J]. Ecological Indicators, 2022, 145: 109686.

[24]
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.

[25]
Vuong H P, Sperotto A, Torresan S, et al. Coupling scenarios of climate and land-use change with assessments of potential ecosystem services at the river basin scale[J]. Ecosystem Services, 2019, 40: 101045.

[26]
Pan Q, Wen Z, Wu T, et al. Trade-offs and synergies of forest ecosystem services from the perspective of plant functional traits: A systematic review[J]. Ecosystem Services, 2022, 58: 101484.

[27]
Liao Q, Li T, Wang Q Y, et al. Exploring the ecosystem services bundles and influencing drivers at different scales in southern Jiangxi, China[J]. Ecological Indicators, 2023, 148: 110089.

[28]
Qiu J X, Carpenter S R, Booth E G, et al. Understanding relationships among ecosystem services across spatial scales and over time[J]. Environmental Research Letters, 2018, 13(5): 1-15.

[29]
Zhao M M, He Z B, Du J, et al. Assessing the effects of ecological engineering on carbon storage by linking the CA-Markov and InVEST models[J]. Ecological Indicators, 2019, 98: 29-38.

[30]
Hu B A, Wu H F, Han H R, et al. Dramatic shift in the drivers of ecosystem service trade-offs across an aridity gradient: Evidence from China’s Loess Plateau[J]. Science of the Total Environment, 2023, 858: 159836.

[31]
Benton T G, Bailey R, Froggatt A, et al. Designing sustainable landuse in a 1.5 °C world: the complexities of projecting multiple ecosystem services from land[J]. Current Opinion in Environmental Sustainability, 2018, 31: 88-95.

[32]
Wang H H, Yue C, Mao Q Q, et al. Vegetation and species impacts on soil organic carbon sequestration following ecological restoration over the Loess Plateau, China[J]. Geoderma, 2020, 371: 114389.

Options
Outlines

/

〈 〉