EN中文

Remote Sensing for Natural Resources >

2025 , Vol. 37 >Issue 6: 191 - 200

DOI: https://doi.org/10.6046/zrzyyg.2024321

Spatiotemporal evolution and trade-off/synergy analysis of ecosystem services in the Xi’an section of the Qinling Mountains

  • ZHANG Yiwen , 1 ,
  • LI Fengxia , 2 ,
  • ZHANG Rui 1 ,
  • FENG Xiaogang 2 ,
  • LI Meng 2 ,
  • HU Moqing 2
Expand
  • 1. School of Resources Engineering, Xi’an University of Architecture and Technology, Xi’an 710055, China
  • 2. School of Architecture, Xi’an University of Architecture and Technology, Xi’an 710055, China

Received date: 2024-10-08

  Revised date: 2025-04-22

  Online published: 2026-06-03

Fold

Abstract

This study aims to investigate the spatiotemporal evolution and trade-off/synergy relationships of ecosystem services in the Xi'an section of the Qinling Mountains. To this end, it quantitatively assessed the spatiotemporal evolution patterns of four ecosystem services-water yield, soil conservation, carbon reserves, and food supply-from 2003 to 2023 based on the integrated valuation of ecosystem services and trade-offs (InVEST) model. By integrating Spearman's rank correlation coefficient and geographically weighted regression (GWR), this study identified and quantified trade-off/synergy relationships among ecosystem services. Finally, the impacts of changes in land use on ecosystem services were analyzed. The results showed that water yield and soil conservation generally showed a rapidly decreasing trend followed by a slow increase, while carbon reserves and food supply exhibited a slow decline. In addition, synergistic relationships were observed between water yield and soil conservation, between water yield and carbon reserves, and between carbon reserves and soil conservation. In contrast, trade-off relationships were identified between food supply and water production, soil conservation, and carbon reserves. In the study area, increases in forestland and grassland led to a diminution in water yield. The expansion of construction land and the loss of arable land resources directly triggered a reduction in carbon reserves, while an increase in forestland contributed to soil conservation. These findings can provide a scientific basis for the eco-environmental protection and sustainable development of the Qinling area.

Key words： land use change; ecosystem service; integrated valuation of ecosystem services and trade-offs (InVEST) model; tradeoff/synergy

Cite this article

ZHANG Yiwen , LI Fengxia , ZHANG Rui , FENG Xiaogang , LI Meng , HU Moqing . Spatiotemporal evolution and trade-off/synergy analysis of ecosystem services in the Xi’an section of the Qinling Mountains[J]. Remote Sensing for Natural Resources, 2025 , 37(6) : 191 -200 . DOI: 10.6046/zrzyyg.2024321

0 引言

生态系统作为人类赖以生存发展的资源与环境基础,其服务功能是生态系统与人类社会之间的关键纽带,它为人类提供了诸多益处,与人类福祉紧密相关。正确认识我国生态系统服务的空间格局及演变特征,对保障我国生态安全、实现生态系统的可持续利用具有重要意义[1]。生态系统服务之间存在相互作用,表现为权衡/协同关系。权衡是指一种生态系统服务的增加会导致另一种生态系统服务的减少; 协同是指2种生态系统服务表现为同时增加或同时减少[2]。土地利用是当前全球变化的前沿与重要课题[3],与生态系统服务有密切的相关性[4],正确认识土地利用变化对生态系统服务的影响,有助于生态系统服务的可持续发展和土地资源的合理配置。
目前,国内外学者已在生态系统服务动态演变及其关系方面取得了重要成果。Shifaw等[5]综合评价青尼罗河上游流域4种生态系统服务的时空演变,并使用交叉表列矩阵进行生态系统服务对地类转换的响应分析; Xia等[6]通过子流域尺度和栅格尺度对生态系统进行权衡/协同研究, 并确定了主要的社会驱动因素; Zhang等[7]从供需平衡的角度分析不同生态系统服务间的关系; 于媛等[8]从土地覆被变化角度评估了土壤保持、碳储量及产水量3种生态系统服务的时空分布及其权衡协同关系; 龙文芹等[9]从年际变化趋势、空间分布格局及重点变化区域等多维度探究西洞庭湖自然保护区近20 a碳储量时空演变特征,并对其进行成因分析。
近年来,随着社会快速发展和人口急剧增长,人们对自然资源的持续开采以及对森林的乱砍滥伐等活动引发土地利用结构剧烈变化。土地利用结构的变化对生态系统服务的演变有着重要影响,同时不同的生态系统之间又相互影响[10]。研究生态系统服务对保护生物多样性和维持生态平衡有着重要意义,我国始终把秦岭生态保护视为国家生态安全战略的核心,秦岭西安段属于秦岭山脉的一部分,是秦岭山脉中与城市紧密相连的生态门户。因此,本研究选取秦岭西安段为研究区域,基于遥感数据、土壤数据、社会经济数据等多元数据,利用InVEST模型、Spearman相关分析、地理加权回归(geographically weighted regression,GWR)等方法,深入探讨2003—2023年秦岭西安段生态系统服务时空变化特征及权衡/协同关系,以期为该地区生态环境保护及生态系统服务功能评价提供科学依据,实现可持续健康发展。

1 研究区概况与数据源

1.1 研究区概况

本文的研究区域为秦岭西安段(图1),范围在33°42'~34°45'N,107°40'~109°49'E之间。秦岭是中国地理上最重要的南北分界线,也是重要的生态安全屏障。秦岭西安段是秦岭山脉中经济发展最迅速、人为活动最活跃、土地覆被变化较多的区域。研究区包括周至县、鄠邑区、长安区和蓝田县,面积为7 843.17 km2,属暖温带半湿润大陆性季风气候,年平均温度约13.3 ℃。
图1 研究区概况示意图

Fig.1 Schematic of the study area

1.2 数据来源及处理

本研究以2003年、2013年、2023年Landsat遥感影像为基础数据,将土地利用类型分为草地、耕地、建设用地、林地及水域及建设用地5大类。使用最大似然法,借助ENVI 5.6软件对3期遥感影像进行判读,结合野外实地采样数据进行人机交互式修正,并对解译结果进行精度检验。

2 研究方法

2.1 土地利用变化

2.1.1 土地利用动态度与土地利用转移矩阵

单一土地利用动态度[11]可用于分析研究区内某种土地利用类型的变化量,可定量描述在特定时间内单一土地利用类型的变化速率[12]。土地利用转移矩阵[13]可以清晰地表达某种土地利用类型向其他类型的转化情况和变化结果。

2.1.2 土地利用强度图谱

直接使用土地转移矩阵并不能确定土地利用与地类转化的潜在关系[14],李帅呈等[15]提出的强度分析框架进一步探究了不同的地类转换趋势判定标准,并提出采用强度图谱模型构建土地利用变化强度图谱(图2)以实现对土地利用转移矩阵信息的可视化表达。x轴代表初期某地类i,y轴代表末期某地类j。每个单元中包含A,B,C和D共4个元素,分别代表绝对转入强度、绝对转出强度、相对转入强度和相对转出强度,4种情形的判定条件见表1。
图2 土地利用变化强度图谱

Fig.2 Intensity map of land use change

表1 不同强度类型下的地类变化判定标准

Tab.1 Criteria for determining land use changes at different intensity types

强度类型 地类流向 判定条件 趋势描述
绝对强度 获取转入 绝对转入强度>平均绝对转入强度 倾向于从地类i获得转入,反之受到抑制
均匀转出 绝对转出强度>平均绝对转出强度 倾向于转出为地类j,反之受到抑制
相对强度 获取转入 相对转入强度>平均相对转入度 相对倾向于从地类i获得转入,反之受到抑制
均匀转出 相对转出强度>平均相对转入度 相对倾向于转出为地类j,反之受到抑制

2.2 生态系统服务评估

本研究基于InVEST模型系统评估秦岭西安段各生态系统服务。在产水方面,采用 Annual Water Yield模块进行量化分析,模型中涉及的系数参考《陕西统计年鉴》反复校验得出,具体计算方法可参考文献[16-17]。土壤保持的测算通过Sediment Delivery Ratio模块实现,计算方法参考文献[18]。针对碳储量,运用Carbon Storage模块进行计算,不同地类的碳密度数据(表2)与计算方法参考李倩等[19]的研究成果。在粮食供给评估中,依据赵文亮等[20]的研究,归一化植被指数(normalized difference vegetation index,NDVI)与农作物产量之间有显著的线性关系,基于研究区耕地栅格NDVI,对总产量进行空间分配[21-22]。
表2 不同地类的碳密度数据

Tab.2 Carbon density data of different land use types (t/hm2)

类型 地上生物
量碳密度		 地下生物
量碳密度		 土壤碳密度 死亡有机
物碳密度
草地 39.99 97.99 113.17 0.50
耕地 52.68 91.42 122.80 0.70
建设用地 2.83 0.00 88.36 0.00
林地 48.03 131.29 116.34 2.00
水域 3.40 0.00 0.00 0.00

2.3 生态系统服务权衡/协同分析

本研究采用 Spearman 相关分析法评估研究区在 2003—2023年生态系统服务间的权衡/协同关系,正相关表明2种生态系统服务表现为协同关系,负相关则反映其权衡关系,以上分析借助R4.4.1软件中 “corrplot”包。
另外,本研究使用GWR来解释生态系统服务权衡/协同关系的空间异质性。为确保各生态系统服务间权衡/协同关系的可比性,对 4 项生态系统服务进行标准化处理,将标准化后的值作为自变量和因变量,基于 R4.4.1软件中 “GWmodel”包进行栅格尺度的空间回归分析。

3 结果与分析

3.1 秦岭土地利用空间格局演变分析

3.1.1 土地利用空间分布

研究区3期土地利用分类结果如图3所示。将Kappa 系数和总体分类精度作为精度检验的标准,结果表明,3期土地利用分类的Kappa系数分别为0.89,0.88和0.79,总精度分别为 94.15%,93.68%和89.88%,因此可以使用该数据进行土地利用变化分析。由2003—2023年秦岭西安段的土地利用类型面积及占比(表3)与空间分布图(图3)可知: ①土地利用类型的面积与分布总体态势较为稳定,林地始终为最主要的土地利用类型,主要分布在研究区南部,林地面积由4 638.90 km2增加至5 105.56 km2,增加了466.66 km2; ②耕地面积占比保持在总面积的24%以上,但面积由2 556.74 km2减少至1 977.13 km2,减少了579.61 km2; ③建设用地的面积整体呈现增加趋势,由489.82 km2增加至709.64 km2,增加了219.82 km2,西安市城市化进程加快、人口密度的增加以及经济发展等原因,均会导致建设用地规模扩大; ④草地的面积大幅降低,由138.85 km2减少至31.75 km2,减少了107.10 km2,这是由于人为活动的影响; ⑤水域的面积整体态势稳定,面积占比0.24%。
图3 土地利用类型空间分布图

Fig.3 Spatial distribution map of land use types

表3 土地利用类型面积及占比

Tab.3 Area and proportion of land use types

类型 2003年 2013年 2023年
面积/km2 占比/% 面积/km2 占比/% 面积/km2 占比/%
草地 138.85 1.77 25.26 0.32 31.75 0.40
耕地 2 556.74 32.60 1 929.38 24.60 1 977.13 25.21
建设用地 489.82 6.25 633.47 8.08 709.64 9.05
林地 4 638.90 59.14 5 226.24 66.63 5 105.56 65.10
水域 18.86 0.24 28.82 0.37 19.09 0.24
2003—2023年,秦岭西安段的单一土地利用和综合土地利用动态度见表4。由表4可知,2003—2013年,研究区的综合土地利用动态度为0.94%,变化较为剧烈,水域显著扩张,草地大幅度减少; 2013—2023年,该区域的综合土地利用动态度仅为0.17%,变化平缓,草地恢复增长。2003—2023年间,建设用地持续扩张,耕地稳定减少。
表4 单一类型土地利用动态度及综合土地利用动态度

Tab.4 Dynamics degree of single land use and comprehensive land use (%)

年份 草地 耕地 建设用地 林地 水域 综合
2003—2013年 -8.18 -2.45 2.93 1.27 5.28 0.94
2013—2023年 2.57 -0.25 1.20 -0.23 -3.38 0.17
2003—2023年 -7.71 -2.27 4.49 1.01 -0.12 0.88

3.1.2 土地利用转移矩阵

由2003—2023年的土地利用转移矩阵(表5)可知,20 a间,秦岭西安段的土地利用转移面积共为1 196.54 km2。从转出角度考虑,面积转化较多的地类为耕地,主要转出为建设用地、林地和水域,面积分别为380.38 km2,399.14 km2和8.21 km2; 从转入角度考虑,建设用地和林地的面积在20 a间呈现稳步增加的趋势,转入部分主要由耕地转化而来。
表5 土地利用转移矩阵

Tab.5 Land use transfer matrix (km2)

2003年 2023年 转出
总计
草地 耕地 建设用地 林地 水域
草地 19.34 2.75 1.59 108.84 0.23 113.41
耕地 0.43 1 776.73 380.38 399.14 8.21 788.16
建设用地 0.38 114.69 308.59 56.06 3.39 174.52
林地 11.47 81.52 13.06 4 536.28 1.55 107.60
水域 0.03 3.41 5.81 3.60 5.69 12.85
转入总计 12.31 202.37 400.84 567.64 13.38 1 196.54

3.1.3 土地利用强度图谱

基于强度图谱模型计算分析,得到秦岭西安段的土地利用强度图谱(图4)。图中直观展示了各地类的转变趋势,符合我国地类转变特征的一般规律[23]。同时,强度图谱也体现了土地利用的共性规律,2003—2023年,耕地转变为建设用地始终具有系统倾向性,而草地转变为耕地与建设用地始终呈现系统抑制性,建设用地转变为草地等呈现系统抑制性。
图4 土地利用强度图谱

Fig.4 Land use intensity map

3.2 生态系统服务演变分析

3.2.1 产水服务

借助InVEST模型产水模块得到秦岭西安段的产水量时空分布图(图5),秦岭西安段的3期产水服务总量分别为 44.02×108 m3,26.55×108 m3和30.51×108 m3,2003—2023年的产水量经历了迅速下降—缓慢回升的过程。在空间视野下探究其分布,2003—2023年产水量高值区集中在研究区南部,产水量是诸多因素交互影响的结果,其中,气候因素与土地利用的改变是影响产水量的关键因素[24]。据统计,2013年研究区气候干旱且年降水量低于常年平均水平,而降水量与产水量之间呈现正相关。同时,研究区林地与草地面积的增加也会通过增加蒸散发而减少产水量。从产水量变化来看,林地的产水量相对稳定,研究区北部的产水增加量显著高于南部。
图5 研究区产水量时空分布及变化

Fig.5 Spatiotemporal distribution and variation of water yield in the study area

3.2.2 土壤保持服务

借助InVEST 模型土壤保持模块得到秦岭西安段的土壤保持量时空分布(图6),秦岭西安段的3期土壤保持总量分别为129.97×106 t,70.27×106 t和82.02×106 t,2003—2023 年的土壤保持量呈迅速降低—平缓回升的变化特征。从空间分布上来看,土壤保持表现为南高北低,研究区南部分布着大面积的林地与草地,植被覆盖率较高,能够有效地维持水土。低值区集中分布在研究区北部,该区域地类主要为耕地和建设用地,农业耕种与密集的人为活动会加速水土流失,进而导致土壤保持服务降低。从土壤保持量变化上看,土壤保持量的减少区域主要集中在耕地与林地的交界处。
图6 研究区土壤保持量时空分布及变化

Fig.6 Spatiotemporal distribution and variation of soil conservation in the study area

3.2.3 碳储量服务

借助InVEST 模型碳储量模块得到秦岭西安段的碳储量时空分布图(图7),秦岭西安段3个阶段的总碳储量分别为214.47×106 t,213.67×106 t和212.17×106 t,2003—2023年研究区的总碳储量整体呈现缓慢下降的趋势。空间分布上,碳储量低值区稳定分布在研究区北部,该地区主要以建设用地为主且绿化程度有限,所以碳储量服务相对较弱,碳储量中高值区主要稳定分布在研究区南部,该地区主要地类为林地和草地,植被覆盖率高,固碳能力相对较高; 从碳储量变化上看,林地的碳储量变化较有限,研究区内绝大部分区域未发生显著变化。
图7 研究区碳储量时空分布及变化

Fig.7 Spatiotemporal distribution and variation of carbon storage in the study area

3.2.4 粮食供给服务

通过NDVI与农作物的线性相关计算得到粮食供给服务时空分布图(图8),2003年、2013年和2023年秦岭西安段的粮食供给总量分别为2.71×106 t,2.40×106 t和2.22×106 t,呈逐年递减的趋势,这与秦岭生态环境保护总体规划倡导的退耕还林还草政策一致。空间分布显示,粮食供给量高值区主要集中于研究区北部,此处地势平坦开阔,土地利用类型以耕地为主,为农业发展提供了优越的自然条件; 从粮食供给变化上看,长安区的供给量显著增加。
图8 研究区粮食供给量时空分布及变化

Fig.8 Spatiotemporal distribution and variation of food supply in the study area

3.3 不同地类的生态系统服务对比

为探究不同地类在各生态系统服务的差异,通过玫瑰图直观展示归一化处理后的结果(图9)。水域提供的生态系统服务趋近于0; 草地和林地在产水、碳储量及土壤保持方面表现突出; 耕地的粮食供给与碳储量能力较高,土壤保持能力较低。从时间变化角度,耕地的粮食供给能力呈缓慢上升趋势,林地与草地的碳储量和土壤保持趋于稳定,建设用地的产水能力随时间推移呈下降趋势。
图9 不同地类之间的生态系统服务功能对比

Fig.9 Comparative analysis of ecosystem service functions across land use types

3.4 生态系统服务权衡/协同时空演变分析

3.4.1 相关性分析

对2003—2023年秦岭西安段4项生态系统服务进行相关性分析,并进行显著性检验。结果显示,生态系统服务间表现为显著协同/权衡关系,见图10。产水与土壤保持、碳储量均表现为协同,相关系数先增加后缓慢减小; 碳储量与土壤保持呈现协同关系,相关系数先增加后缓慢减小; 粮食供给与产水、土壤保持、碳储量表现为权衡关系,20 a间,粮食供给与产水、土壤保持、碳储量均在协同方向优化。
图10 2003—2023年研究区生态系统服务间的相关性

Fig.10 Correlation between ecosystem in the study area from 2003 to 2023

3.4.2 空间变化分析

基于栅格尺度探究秦岭西安段 2003—2023年生态系统服务间的权衡/协同关系(图11)。回归结果显示,研究区生态系统服务的权衡/协同关系具有空间异质性,且不同生态系统服务权衡/协同关系在空间变化上存在差异。产水与土壤保持、产水与碳储量、土壤保持与碳储量的空间协同关系强于权衡关系,表明这些生态系统服务在研究区内主要呈现为协同关系。其中,产水与土壤保持在整个研究区的大面积区域表现为弱协同与中协同,存在着小范围的弱权衡关系; 产水与碳储量之间存在的强协同区域主要分布于研究区南部; 土壤保持与碳储量在中部区域表现为权衡关系。产水与粮食供给、土壤保持与粮食供给、碳储量与粮食供给主要表现为权衡关系。产水与粮食供给在研究区的大面积区域主要表现为弱权衡与中权衡,研究区北部小面积区域呈现协同关系; 土壤保持与粮食供给之间权衡区域主要集中在南部,协同区域主要集中在北部地区。2003—2023年产水和碳储量、碳储量与粮食供给的权衡/协同关系上呈现相对稳定的空间格局。
图11 2003—2023年研究区生态系统服务权衡/协同空间分布

Fig.11 Spatial patterns of ecosystem service trade-offs/synergies in the study area from 2003 to 2023

4 讨论与结论

4.1 讨论

生态系统服务的演变与若干因素相关,气候条件、土地利用变化、社会经济水平和城市化程度等都会对当地生态系统产生影响,进而影响生态系统服务的动态发展。其中,土地利用转变是主导因素。不同土地利用类型其产水能力不同,秦岭西安段的产水量主要由林地和草地提供,2003—2023年间,研究区的林地和草地总面积增加了359.56 km2,植被覆盖度增加,植物蒸腾旺盛,土壤中的水分被大量消耗使得地表径流和地下水补给减少,从而导致产水量减少[25]。期间,研究区土壤保持量的变化受退耕还林工程以及秦岭违建别墅拆除的影响,林地面积的增加,降低了侵蚀模数同时显著提升了土壤保持能力,违建别墅的拆除对修复土壤和恢复当地的生态环境具有重要意义。从秦岭西安段的土地利用转移变化来看,2003—2023年耕地转移为建设用地的面积为380.38 km2,碳储量减少了2.30×106 t,这是由于具有高碳汇效能的耕地向低碳汇效能的建设用地转化所引发的生态效应[26],城市化进程加速使得建设用地扩张与耕地资源流失,这种土地利用的变化直接引发研究区的碳储量降低。粮食供给服务对维持生态系统稳定性有着重要作用。但是仅耕地有的粮食供给与其他生态系统服务进行权衡/协同分析时,耕地的地类转化会破坏当地的生态平衡,使得粮食供给与产水、土壤保持、碳储量表现权衡作用。
本研究使用InVEST模型模拟秦岭西安段的产水、土壤保持及碳储量,研究结果基本符合研究区域的实际情况。因受模型设定、参数算法、基础数据质量及人类活动等多方因素的影响,本研究仍存在一定程度的不确定性。为验证产水与碳储量,使用GLEAM v4.2a[27]数据直接替代InVEST模型中产水模块中的蒸散发数据,实现独立验证,结果表明,模拟的产水量与基于GLEAM数据得出的产水量具有较高的相关性,相关系数均达0.81以上,可见InVEST模型在产水模拟方面的可信度和适用性。基于R语言核算碳储量并进行参数敏感性分析,结果表明基准情形碳储量与模型模拟结果一致性较高(相对误差率为0.54%),碳密度数据与碳储量呈线性关系(β=1.000 5),为未来生态系统碳储量评估提供了重要的参数敏感性信息。

4.2 结论

1)在2003—2023年,秦岭西安段土地利用类型面积与分布总体态势稳定,林地始终是主要土地利用类型; 期间耕地面积减少了579.61 km2,林地面积增加了466.66 km2,水域面积整体态势趋于稳定。耕地是面积转化最多的地类,主要转出为建设用地、林地和水域。
2)2003—2023年间,研究区产水和土壤保持总体呈现先迅速减少后缓慢增加的趋势,碳储量和粮食供给均表现为缓慢减少的趋势,这与当年的降水量和地类转换密切相关。不同地类对生态系统服务的贡献各有侧重,这种侧重与不同地类在生物量、土壤特性、水资源调控以及人类活动干扰等方面的独特属性相关。例如,林地的产水和碳储量能力较高,耕地的粮食供给与碳储量能力较高。
3)研究区的产水与土壤保持、产水和碳储量、碳储量与土壤保持之间均表现为协同关系,耕地仅有的粮食供给与产水、土壤保持、碳储量表现权衡作用。2003—2023年间,产水与碳储量在协同方向弱化,空间分布显示,二者的强协同区域主要分布于研究区南部,权衡/协同空间格局较稳定。
4)土地利用转变是生态系统服务演变的主要影响因素,研究区林地与草地面积增加,蒸腾作用旺盛,导致产水量减少。林地面积的增加降低了侵蚀模数,提升了土壤保持。2003—2023年间,研究区建设用地扩张与耕地资源流失导致碳储量降低。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
傅伯杰, 周国逸, 白永飞, 等. 中国主要陆地生态系统服务功能与生态安全[J]. 地球科学进展, 2009, 24(6):571-576.

DOI

Fu B J, Zhou G Y, Bai Y F, et al. The main terrestrial ecosystem services and ecological security in China[J]. Advances in Earth Science, 24(6):571-576.

[2]
戴尔阜, 王晓莉, 朱建佳, 等. 生态系统服务权衡/协同研究进展与趋势展望[J]. 地球科学进展, 2015, 30(11):1250-1259.

DOI

Dai E F, Wang X L, Zhu J J, et al. Progress and perspective on ecosystem services trade-offs[J]. Advances in Earth Science, 2015, 30(11):1250-1259.

DOI

[3]
王建庆. 东南沿海地区城镇土地利用效益评价研究——以浙江省百强县为例[D]. 宁波: 宁波大学, 2014.

Wang J Q. Study on the evaluation of land use efficiency in the town of southeast coastal areas:In case of the top 100 counties in Zhejiang[D]. Ningbo: Ningbo University, 2014.

[4]
Song W, Deng X Z. Land-use/land-cover change and ecosystem service provision in China[J]. Science of The Total Environment, 2017,576:705-719.

[5]
Shifaw E, Sha J M, Li X M, et al. Ecosystem services dynamics and their influencing factors:Synergies/tradeoffs interactions and implications,the case of upper Blue Nile Basin,Ethiopia[J]. Science of The Total Environment, 2024,938:173524.

[6]
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.

[7]
Zhang J W, Wang M, Liu K, et al. Social-ecological system sustainability in China from the perspective of supply-demand balance for ecosystem services[J]. Journal of Cleaner Production, 2025,497:145039.

[8]
于媛, 韩玲, 李明玉, 等. 哈长城市群生态系统服务时空特征及其权衡/协同关系研究[J]. 水土保持研究, 2021, 28(2):293-300.

Yu Y, Han L, Li M Y, et al. Study on the spatial-temporal characteristics of ecosystem services and tradeoffs/synergies in the Ha-Chang urban agglomeration[J]. Research of Soil and Water Conservation, 2021, 28(2):293-300.

[9]
龙文芹, 职露, 郭娅迪, 等. 西洞庭湖自然保护区2000—2020 年间碳储量时空演变及成因分析[J]. 自然资源遥感, 2024, 36(4):185-192.doi:10.6046/zrzyyg.2023265.

Long W Q, Zhi L, Guo Y D, et al. Spatiotemporal evolution and origin of carbon stock in the West Dongting Lake National Nature Reserve over the last two decades[J]. Remote Sensing for Natural Resources, 2024, 36(4):185-192.doi:10.6046/zrzyyg.2023265.

[10]
崔璐. 秦岭陕西段生态系统服务评估及多情景预测研究[D]. 西安: 长安大学, 2023.

Cui L. Ecosystem service assessment and multi-scenario prediction in the Shaanxi section of the Qinling Mountains[D]. Xi’an: Chang’an University, 2023.

[11]
丘海红, 胡宝清, 张泽. 基于土地利用变化的广西近20年生态系统服务价值研究[J]. 环境工程技术学报, 2022, 12(5):1455-1465.

Qiu H H, Hu B Q, Zhang Z. Study on ecosystem service value of Guangxi in the past 20 years based on land use change[J]. Journal of Environmental Engineering Technology, 2022, 12(5):1455-1465.

[12]
李丹, 周嘉, 战大庆. 黑龙江省耕地时空变化及驱动因素分析[J]. 地理科学, 2021, 41(7):1266-1275.

DOI

Li D, Zhou J, Zhan D Q. Spatial and temporal changes and driving factors of cultivated land in Heilongjiang Province[J]. Scientia Geographica Sinica, 2021, 41(7):1266-1275.

DOI

[13]
牛乐乐, 张必成, 贾天忠, 等. 青海省海西州土地利用变化强度分析与稳定性研究[J]. 水土保持学报, 2021, 35(2):152-159.

Niu L L, Zhang B C, Jia T Z, et al. Analysis on intensity and stabi-lity of land use change in Haixi Mongolian and Tibetan Autonomous Prefecture of Qinghai Province[J]. Journal of Soil and Water Conservation, 2021, 35(2):152-159.

[14]
朱灵伟, 陈晨, 彭云飞, 等. 基于LUCC强度图谱的耕地时空演变模式研究[J]. 中国国土资源经济, 2024, 37(12):52-63.

Zhu L W, Chen C, Peng Y F, et al. A study on spatiotemporal evolution patterns of cultivated land based on LUCC intensity chroma-togram[J]. Natural Resource Economics of China, 2024, 37(12):52-63.

[15]
李帅呈, 龚健, 杨建新, 等. 兰西城市群土地利用/覆被变化模式特征——基于强度分析框架[J]. 资源科学, 2023, 45(3):480-493.

DOI

Li S C, Gong J, Yang J X, et al. Characteristics of LUCC patterns of the Lanzhou-Xining urban agglomeration:Based on an intensity analysis framework[J]. Resources Science, 2023, 45(3):480-493.

DOI

[16]
范亚宁, 刘康, 陈姗姗, 等. 秦岭北麓陆地生态系统水源涵养功能的空间格局[J]. 水土保持通报, 2017, 37(2):50-56.

Fan Y N, Liu K, Chen S S, et al. Spatial pattern analysis on water conservative functionality of land ecosystem in northern slope of Qinling Mountains[J]. Bulletin of Soil and Water Conservation, 2017, 37(2):50-56.

[17]
周苹苹, 罗艺, 宋小燕, 等. 基于InVEST-PLUS模型的陕西省水源涵养量估算及预测[J]. 水土保持学报, 2024, 38(3):187-194.

Zhou P P, Luo Y, Song X Y, et al. Estimation and prediction of water conservation capacity in Shaanxi Province based on the InVEST-PLUS model[J]. Journal of Soil and Water Conservation, 2024, 38(3):187-194.

[18]
翟睿洁, 赵文武, 贾立志. 基于RUSLE、InVEST 和USPED 的土壤侵蚀量估算对比研究——以陕北延河流域为例[J]. 农业现代化研究, 2020, 41(6):1059-1068.

Zhai R J, Zhao W W, Jia L Z. A comparative study of soil erosion estimation based on RUSLE,InVEST and USPED models:A case study of Yanhe River Basin in Northern Shaanxi[J]. Research of Agricultural Modernization, 2020, 41(6):1059-1068.

[19]
李倩, 王成军, 冯涛, 等. 基于SD-PLUS耦合模型的陕西省土地利用变化及碳储量多情景预测[J]. 水土保持学报, 2024, 38(3):195-206,215.

Li Q, Wang C J, Feng T, et al. Multi-scenario prediction of land use change and carbon storage in Shaanxi Province based on the SD-PLUS coupled model[J]. Journal of Soil and Water Conservation, 2024, 38(3):195-206,215.

[20]
赵文亮, 贺振, 贺俊平, 等. 基于MODIS-NDVI的河南省冬小麦产量遥感估测[J]. 地理研究, 2012, 31(12):2310-2320.

Zhao W L, He Z, He J P, et al. Remote sensing estimation for winter wheat yield in Henan based on the MODIS-NDVI data[J]. Geographical Research, 2012, 31(12):2310-2320.

[21]
周凡, 周冬梅, 金银丽, 等. 疏勒河流域生态系统服务供需空间匹配特征[J]. 干旱区地理, 2023, 46(3):471-480.

DOI

Zhou F, Zhou D M, Jin Y L, et al. Spatial matching characteristics of supply and demand of ecosystem services in the Shule River Basin[J]. Arid Land Geography, 2023, 46(3):471-480.

DOI

[22]
武文欢, 彭建, 刘焱序, 等. 鄂尔多斯市生态系统服务权衡与协同分析[J]. 地理科学进展, 2017, 36(12):1571-1581.

DOI

Wu W H, Peng J, Liu Y X, et al. Tradeoffs and synergies between ecosystem services in Ordos City[J]. Progress in Geography, 2017, 36(12):1571-1581.

DOI

[23]
刘纪远, 宁佳, 匡文慧, 等. 2010—2015年中国土地利用变化的时空格局与新特征[J]. 地理学报, 2018, 73(5):789-802.

DOI

Liu J Y, Ning J, Kuang W H, et al. Spatio-temporal patterns and characteristics of land-use change in China during 2010—2015[J]. Acta Geographica Sinica, 2018, 73(5):789-802.

[24]
魏培洁, 吴明辉, 贾映兰, 等. 基于InVEST模型的疏勒河上游产水量时空变化特征分析[J]. 生态学报, 2022, 42(15):6418-6429.

Wei P J, Wu M H, Jia Y L, et al. Spatiotemporal variation of water yield in the upstream regions of the Shule River Basin using the InVEST Model[J]. Acta Ecologica Sinica, 2022, 42(15):6418-6429.

[25]
胡文敏, 杨睿瀚, 贾冠宇, 等. 长江流域产水功能对土地利用变化的响应及其驱动因素[J]. 生态学报, 2022, 42(17):7011-7027.

Hu W M, Yang R H, Jia G Y, et al. Response of water yield function to land use change and its driving factors in the Yangtze River Basin[J]. Acta Ecologica Sinica, 2022, 42( 17) :7011-7027.

[26]
贾纪昂, 郭伟玲, 徐刘洋, 等. 耦合PLUS-InVEST-GeoDetector模型的安徽省碳储量时空演变及驱动力分析[J]. 环境科学, 2025, 46(3):1703-1715.

Jia J A, Guo W L, Xu L Y, et al. Spatio-temporal evolution and driving force analysis of carbon storage in Anhui Province coupled with PLUS-InVEST-GeoDetector model[J]. Environmental Science, 2025, 46(3):1703-1715.

[27]
Martens B, Miralles D G, Lievens H, et al. GLEAM v4.2a:Global land evaporation amsterdam model dataset[EB/OL].[2025-04-01].https://www.gleam.eu.

Options
Outlines

/

〈 〉