长株潭城市群生态系统服务权衡与协同关系的空间异质性及其驱动因素

doi:10.16258/j.cnki.1674-5906.2024.06.014

生态环境学报 ›› 2024, Vol. 33 ›› Issue (6): 969-979.DOI: 10.16258/j.cnki.1674-5906.2024.06.014

• 研究论文【环境科学】 • 上一篇下一篇

长株潭城市群生态系统服务权衡与协同关系的空间异质性及其驱动因素

王鹭莹¹(), 李小马¹^,^*(), 甘德欣¹, 刘鹏翱²^,³^,⁴, 郭胜²^,³^,⁴, 李毅⁵

1.园林生态与规划设计湖南省普通高等学校重点实验室/湖南农业大学风景园林与艺术设计学院，湖南长沙 410128
2.湖南省国土资源规划院，湖南长沙 410007
3.国土资源评价与利用湖南省重点实验室，湖南长沙 410007
4.自然资源部南方丘陵区自然资源监测监管重点实验室，湖南长沙 410007
5.湖南农业大学新农村发展研究院/湖南农业大学商学院，湖南长沙 410128

收稿日期:2024-02-28 出版日期:2024-06-18 发布日期:2024-07-30
通讯作者: * 李小马。E-mail: lixiaoma@hunau.edu.cn
作者简介:王鹭莹（1999年生），女，硕士研究生，主要研究方向为生态系统服务与权衡。E-mail: wangluying1999@163.com
基金资助:
湖南省自然资源厅项目([2024]000416-4);湖南省自然科学基金项目(2021JJ30368);湖南省研究生科研创新项目(QL20220169)

Spatial Heterogeneity and Driving Factors of Ecosystem Service Trade-offs and Synergies in the Changsha-Zhuzhou-Xiangtan Urban Agglomeration

WANG Luying¹(), LI Xiaoma¹^,^*(), GAN Dexin¹, LIU Pengao²^,³^,⁴, GUO Sheng²^,³^,⁴, LI Yi⁵

1. Hunan Provincial Key Laboratory of Landscape Ecology and Planning & Design in Regular Higher Educational Institutions/College of Landscape Architecture and Art Design, Hunan Agricultural University, Changsha 410128, P. R. China
2. Hunan Land Resources Planning Institute, Changsha 410007, P. R. China
3. Hunan Provincial Key Laboratory of Land Resources Evaluation and Utilization, Changsha 410007, P. R. China
4. Key Laboratory of Natural Resources Monitoring and Supervision in Southern Hilly Region, Ministry of Natural Resources, Changsha 410007, P. R. China
5. New Rural Development Research Institute of Hunan Agricultural University/Business School of Hunan Agricultural University, Changsha 410128, P. R. China

Received:2024-02-28 Online:2024-06-18 Published:2024-07-30

摘要/Abstract

摘要：

生态系统服务间存在复杂的权衡或协同关系并表现出显著空间异质性，明确生态系统服务权衡与协同关系的空间分异特征并阐明其驱动因素，对生态系统可持续规划与管理具有重要意义。利用InVEST模型和城市生态智慧管理系统（IUEMS）量化2020年长株潭城市群6项关键生态系统服务物质量（水源涵养 (WC)、土壤保持 (SC)、碳固存 (CS)、生境质量 (HQ)、粮食供给 (FP) 和景观美学 (LA)），并运用相关系数法揭示1 km格网尺度的生态系统服务权衡与协同关系及其空间分异特征，最后通过逻辑斯蒂回归分析阐明其驱动因素。结果显示，1）2020年长株潭城市群SC、WC、CS、HQ和LA均呈现东南高西北低的空间分布特征，FP呈现西北高东南低的分布特征。2）长株潭城市群生态系统服务间权衡与协同关系空间差异明显。SC与CS、WC、HQ、LA间协同关系面积占比超过60%，协同关系主要分布在研究区东北部和南部的山区以及西部农田地区，而权衡关系主要位于建成区及其周边地区。FP与CS、WC、HQ、LA间权衡关系面积占比超过65%，权衡关系主要位于北部的平原区域和南部的山区，而协同关系主要位于城市区域及其周边非林地区域。3）自然、社会经济和政策管理因素共同影响生态系统服务间权衡与协同关系的空间异质性。陡坡会抑制生态系统服务之间的协同；温度、降水、NDVI的增加能够促进调节服务、支持服务和文化服务间的协同，但抑制FP与其他生态系统服务间的协同；社会经济发展会促使生态系统服务间趋向低-低协同或权衡关系；绿心保护政策促进SC与其他生态系统服务，以及CS与LA之间的协同。

关键词: 生态系统服务, 权衡与协同, 逻辑斯蒂回归, 生态保护政策, 城市群

Abstract:

Different types of ESs have intricate trade-offs or synergies, and these relationships exhibit strong spatial heterogeneity. Understanding spatial heterogeneity and its driving factors is important for sustainable ecosystem planning and management. Using the Changsha-Zhuzhou-Xiantan Urban Agglomeration (CZTUA) as the study area, we first quantified six important ESs (water conservation (WC), soil conservation (SC), carbon sequestration (CS), habitat quality (HQ), food production (FP), and landscape aesthetics (LA)) in 2020 using the InVEST model and the Intelligent Urban Ecosystem Management System (IUEMS). Then, the correlation coefficients between these ESs were estimated for each 1 km grid to investigate the trade-offs or synergies and their spatial patterns. Finally, logistic regression analysis was used to identify the factors influencing trade-offs or synergies between ESs. The results showed that 1) the spatial patterns of SC, WC, CS, HQ, and LA were high in the southeast and low in the northwest, whereas FP was high in the northwest and low in the southeast in 2020. 2) The trade-offs or synergies between ESs are spatially heterogeneous in the CZTUA. More than 60% of the study area showed synergistic relationships between SC and CS, SC and WC, SC and HQ, SC, and LA, which were mainly distributed in northeastern and southern mountainous areas and western farmlands. Trade-offs between ESs were mainly found in built-up areas and their peripheries. Trade-offs between FP and CS, FP and WC, FP-HQ and FP, and LA covered over 65% of the study area, mainly in the northern plain and southern mountainous areas, and were primarily found in urban and surrounding non-forested areas. 3) The spatial heterogeneity of trade-offs and synergies between ESs is influenced by natural and socioeconomic factors as well as management policies. Synergies between ESs are hindered by steep areas. Synergies between regulating, supporting, and cultural services were promoted by increases in temperature, precipitation, and NDVI. However, synergies between FP and other ESs showed opposite responses to temperature, precipitation, and NDVI increase. Socioeconomic development leads to few synergies or trade-offs between ESs. Ecological protection measures promote synergy between the CS and LA, SC and HQ, SC and LA, SC and CS, and SC and WC.

Key words: ecosystem services, trade-offs and synergies, logistic regression, ecological protection policy, urban agglomeration

中图分类号:

X171.1
X21

王鹭莹, 李小马, 甘德欣, 刘鹏翱, 郭胜, 李毅. 长株潭城市群生态系统服务权衡与协同关系的空间异质性及其驱动因素[J]. 生态环境学报, 2024, 33(6): 969-979.

WANG Luying, LI Xiaoma, GAN Dexin, LIU Pengao, GUO Sheng, LI Yi. Spatial Heterogeneity and Driving Factors of Ecosystem Service Trade-offs and Synergies in the Changsha-Zhuzhou-Xiangtan Urban Agglomeration[J]. Ecology and Environment, 2024, 33(6): 969-979.

图/表 9

图1 研究区概况

Figure 1 Overview of the studied area

表1 数据来源与描述

Table 1 Data description

数据类型	数据用途	数据格式	数据来源及处理方法	空间分辨率
土地利用数据	CS, SC, WC, HQ, LA, FP, PD	栅格数据	GLC_FCS30-2020数据集 (Zhang et al., 2021a) (https://essd.copernicus.org/)。通过ArcGIS10.8重分类为农田、林地、草地、水体、建设用地、灌木、湿地7类	30 m
土壤数据	SC	栅格数据	世界土壤数据库 (https://www.fao.org/), 通过ArcGIS 10.8提取土壤砂粒、粘粒、粉粒、有机质含量栅格图层	30 m
降水数据	SC, WC, PD	文本	来源于中国气象局气象数据中心 (http://data.cma.cn) 的 “中国地面气候资料日值数据集 (V3.0)”, 并利用IUEMS平台进行插值处理为30 m×30 m的栅格数据	‒
归一化植被指数（NDVI）	SC, PD	栅格数据	NASA地球数据中心 (https://ladsweb.modaps.eosdis.nasa.gov) 的MODIS产品MOD13A2, 获取月NDVI数据, 并通过ArcGIS 10.8栅格计算器计算年平均NDVI	1 km
DEM数据	SC, PD	栅格数据	美国地质勘探局公开数据集 (https://lpdaac.usgs.gov) 的MODIS产品MODIS SRTMGL1 v003	30 m
蒸散量数据	WC	栅格数据	美国国家航空航天局公开数据集 (https://disc.gsfc.nasa.gov/)	1 km
温度数据	PD	栅格数据	国家地球系统科学数据中心 (http://www. geodata.cn)	1 km
人口密度数据	PD	栅格数据	LandScan人口数据集 (Rose et al., 2021) (https://landscan.ornl.gov/)	1 km
GDP数据	PD	栅格数据	GDP预测数据集 (Zhao et al., 2017) (https://github.com/thestarlab/ChinaGDP)	1 km
道路数据	HQ	矢量图层	开放街道地图 (https://www.openstreetmap.org/), 提取铁路、高速公路、一级道路数据, 并利用ArcGIS 10.8转化为30 m×30 m的道路威胁源栅格图层	‒
粮食供给	FP	文本	湖南省统计局 (http://tjj.hunan.gov.cn) 湖南统计年鉴2021	‒
森林公园名单	LA	文本	湖南省林业局 (https://lyj.hunan.gov.cn/lyj) 湖南省森林公园名录	‒
森林公园经纬度	LA	矢量图层	高德地图API, 利用Python爬取森林公园位置	‒
景观保护区域	PD	矢量图层	湖南省自然资源厅 (https://zrzyt.hunan.gov.cn) 长株潭城市群生态绿心地区总体规划(2010‒2030)	‒

表1 数据来源与描述

Table 1 Data description

数据类型	数据用途	数据格式	数据来源及处理方法	空间分辨率
土地利用数据	CS, SC, WC, HQ, LA, FP, PD	栅格数据	GLC_FCS30-2020数据集 (Zhang et al., 2021a) (https://essd.copernicus.org/)。通过ArcGIS10.8重分类为农田、林地、草地、水体、建设用地、灌木、湿地7类	30 m
土壤数据	SC	栅格数据	世界土壤数据库 (https://www.fao.org/), 通过ArcGIS 10.8提取土壤砂粒、粘粒、粉粒、有机质含量栅格图层	30 m
降水数据	SC, WC, PD	文本	来源于中国气象局气象数据中心 (http://data.cma.cn) 的 “中国地面气候资料日值数据集 (V3.0)”, 并利用IUEMS平台进行插值处理为30 m×30 m的栅格数据	‒
归一化植被指数（NDVI）	SC, PD	栅格数据	NASA地球数据中心 (https://ladsweb.modaps.eosdis.nasa.gov) 的MODIS产品MOD13A2, 获取月NDVI数据, 并通过ArcGIS 10.8栅格计算器计算年平均NDVI	1 km
DEM数据	SC, PD	栅格数据	美国地质勘探局公开数据集 (https://lpdaac.usgs.gov) 的MODIS产品MODIS SRTMGL1 v003	30 m
蒸散量数据	WC	栅格数据	美国国家航空航天局公开数据集 (https://disc.gsfc.nasa.gov/)	1 km
温度数据	PD	栅格数据	国家地球系统科学数据中心 (http://www. geodata.cn)	1 km
人口密度数据	PD	栅格数据	LandScan人口数据集 (Rose et al., 2021) (https://landscan.ornl.gov/)	1 km
GDP数据	PD	栅格数据	GDP预测数据集 (Zhao et al., 2017) (https://github.com/thestarlab/ChinaGDP)	1 km
道路数据	HQ	矢量图层	开放街道地图 (https://www.openstreetmap.org/), 提取铁路、高速公路、一级道路数据, 并利用ArcGIS 10.8转化为30 m×30 m的道路威胁源栅格图层	‒
粮食供给	FP	文本	湖南省统计局 (http://tjj.hunan.gov.cn) 湖南统计年鉴2021	‒
森林公园名单	LA	文本	湖南省林业局 (https://lyj.hunan.gov.cn/lyj) 湖南省森林公园名录	‒
森林公园经纬度	LA	矢量图层	高德地图API, 利用Python爬取森林公园位置	‒
景观保护区域	PD	矢量图层	湖南省自然资源厅 (https://zrzyt.hunan.gov.cn) 长株潭城市群生态绿心地区总体规划(2010‒2030)	‒

表2 生态系统服务量化方法

Table 2 Methods for quantifying ecosystem services

类别	生态系统服务类型	计算方法	计算公式
调节服务	土壤保持 (SC)	IUEMS模型减少泥沙淤积模块 (韩宝龙等, 2021)	该模块采用修正后的通用水土流失方程 (RUSLE) 来计算土壤保持量, 计算公式如下: Q_sc=R×K×L×S×(1−C×P) 式中: Q_sc——土壤保持量; R——降雨侵蚀力因子, 基于月降水量计算得到; K——土壤可蚀性因子, 通过土壤砂粒、粘粒、粉粒、有机质含量计算得到 (Renard et al., 1997); L——坡长因子; S——坡度因子, 通过DEM数据计算得到; C——植被覆盖因子, 通过NDVI数据换算得到; P——水土保持措施因子。水土保持措施因子参考《生态产品总值核算规范》(国家发展和改革委员会等, 2022), 其中耕地、林地、草地和灌丛的水土保持因子为1, 水体、湿地和建设用地的水土保持因子为0
	水源涵养 (WC)	IUEMS模型水源涵养模块 (韩宝龙等, 2021)	本研究参考Ouyang et al. (2016) 在中国生态系统评估框架中所使用的水源涵养模型, 基于降水量、暴雨径流量、蒸散量和土地利用类型来计算水源涵养量。计算公式如下: ${{Q}_{wc}}\mathrm{=}\sum\nolimits_{i=1}^{n}{{{A}_{i}}}\times ({{P}_{i}}-{{R}_{i}}-{{E}_{i}})\times {{10}^{-3}}$ 式中: Q_wc ——为涵养水源量; P_i——降雨量; R_i ——地表径流量; E_i ——为蒸散发量; A_i——i类土地利用类型。R_i ——降水量和径流系数的乘积，其中径流系数参考Ouyang et al. (2016)和《生态产品总值核算规范》(国家发展和改革委员会等, 2022), 耕地、林地、草地、水体、建设用地、灌丛和湿地的径流系数分别为24.78%、2.00%、9.37%、0.00%、100%、4.20%和0.00%
	碳固存 (CS)	IUEMS模型固碳释氧模块 (韩宝龙等, 2021)	该模块将植被吸收二氧化碳的量作为碳固存的指标, 可通过NPP估算, 计算公式如下: Q_t_,CO2=M_CO2/M_C×C_NEP C_NEP=aC_NPPM_C6/M_C6H10O5 式中: Q_t_,CO2——生态系统二氧化碳固定量; M_CO2/M_C——C转化为CO₂的系数, 44/12; C_NEP——净生态系统生产力; α——NEP和NPP的转换系数; C_NPP——净初级生产力; M_C6/M_C6H10O5——干物质转化为C的系数, 72/162。NEP和NPP的转换系数参考《生态产品总值核算规范》(国家发展和改革委员会等，2022), 其中耕地、林地、草地、水体、建设用地、灌丛和湿地的NPP与NEP转换系数分别为0.0700、0.0970、0.084、0.0000、0.0000、0.0700和0.0840
支持服务	生境质量 (HQ)	InVEST模型生境质量模块 (Sharp et al., 2014)	该模块通过计算威胁因子对生境的负面影响来获得生境退化程度, 并根据生境退化程度和生境适宜性计算生境质量 (Sharp et al., 2014), 计算公式如下: ${{Q}_{xj}}\mathrm{=}{{H}_{j}}\times \left( 1-\frac{D_{xj}^{z}}{D_{xj}^{z}+{{k}^{z}}} \right)$ 式中: Q_xj ——土地利用类型j中栅格x的生境质量; H_j ——土地利用类型j的生境适宜度 (表4), 值域为0‒1; k——半饱和常数, 设定为0.05; z——归一化常量, 设定为2.5; D_xj ——土地利用类型j中栅格x的生境胁迫水平 ${{D}_{xj}}\mathrm{=}\sum\nolimits_{r=1}^{R}{\sum\nolimits_{y=1}^{{{Y}_{r}}}{\left( \frac{{{w}_{r}}}{\sum\nolimits_{r=1}^{R}{{{w}_{r}}}} \right){{r}_{y}}{{i}_{rxy}}}}{{\beta }_{x}}{{S}_{jr}}$ ${{i}_{rxy}}\mathrm{=1}-\left( \frac{{{d}_{xy}}}{{{d}_{r,\max }}} \right)$(线性衰减) ${{i}_{rxy}}\mathrm{=exp}\left( -\left( \frac{2.99}{{{d}_{r,\max }}} \right){{d}_{xy}} \right)$(指数型衰减) R——威胁因子; Y_r——威胁因子r的栅格个数; w_r——威胁因子权重 (表3); r_y——栅格y的威胁因子值; i_rxy——栅格y的威胁因子值r_y对于栅格x的胁迫程度; β_x——栅格x的可达性, 设定为1; S_jr——土地利用类型j对于威胁因子r的敏感度 (表4); d_xy——生境栅格x与威胁因子栅格y的距离; d_r_,_max——威胁因子r的最大威胁距离 (表3)
供给服务	粮食供给 (FP)	基于农作物产量与NDVI线性关系的评估 (Groten et al., 1993)	将各区县粮食产量根据NDVI占比分配至农田栅格 (Peng et al., 2019; Yang et al., 2021), 计算公式如下: ${{F}_{ij}}\mathrm{=}\frac{{{N}_{ij}}}{{{N}_{j}}}\times {{F}_{j}}$ 式中: F_ij ——j县的栅格 $i$ 的粮食供给; F_j ——j县粮食总产量，通过地区统计年鉴获取区县尺度上的粮食产量; N_ij ——j县的栅格i的NDVI; N_j ——是第j县农田的NDVI之和
文化服务	景观美学 (LA)	基于景观指标的评估 (Xia et al., 2023)	基于景观度的方法来评估景观美学服务 (Frank et al., 2013; Xia et al., 2023), 计算公式如下: ${{Q}_{\mathrm{L}{{\mathrm{A}}_{i}}}}\mathrm{=}\frac{1}{3}\times ({{Q}_{\mathrm{N}{{\mathrm{T}}_{i}}}}+{{Q}_{\mathrm{N}{{\mathrm{S}}_{i}}}}+{{Q}_{\mathrm{L}{{\mathrm{D}}_{i}}}})$ 式中: Q_LA_i——栅格i的景观美学量; Q_NT_i——栅格i的自然度，利用hemeroby指数来表征 (Xia et al., 2023), 耕地、林地、草地、水体、建设用地、灌丛和湿地的自然度标准化后的值分别为33.33、100、66.67、83.33、0、0、83.33; Q_NS_i——为栅格i的自然景观可达性，通过到森林公园的欧氏距离来反映，距离越近景观可达性越高; Q_LD_i——栅格i的基于土地利用类型的香农多样性指数。3个值均标准化到1‒100范围

表2 生态系统服务量化方法

Table 2 Methods for quantifying ecosystem services

类别	生态系统服务类型	计算方法	计算公式
调节服务	土壤保持 (SC)	IUEMS模型减少泥沙淤积模块 (韩宝龙等, 2021)	该模块采用修正后的通用水土流失方程 (RUSLE) 来计算土壤保持量, 计算公式如下: Q_sc=R×K×L×S×(1−C×P) 式中: Q_sc——土壤保持量; R——降雨侵蚀力因子, 基于月降水量计算得到; K——土壤可蚀性因子, 通过土壤砂粒、粘粒、粉粒、有机质含量计算得到 (Renard et al., 1997); L——坡长因子; S——坡度因子, 通过DEM数据计算得到; C——植被覆盖因子, 通过NDVI数据换算得到; P——水土保持措施因子。水土保持措施因子参考《生态产品总值核算规范》(国家发展和改革委员会等, 2022), 其中耕地、林地、草地和灌丛的水土保持因子为1, 水体、湿地和建设用地的水土保持因子为0
	水源涵养 (WC)	IUEMS模型水源涵养模块 (韩宝龙等, 2021)	本研究参考Ouyang et al. (2016) 在中国生态系统评估框架中所使用的水源涵养模型, 基于降水量、暴雨径流量、蒸散量和土地利用类型来计算水源涵养量。计算公式如下: ${{Q}_{wc}}\mathrm{=}\sum\nolimits_{i=1}^{n}{{{A}_{i}}}\times ({{P}_{i}}-{{R}_{i}}-{{E}_{i}})\times {{10}^{-3}}$ 式中: Q_wc ——为涵养水源量; P_i——降雨量; R_i ——地表径流量; E_i ——为蒸散发量; A_i——i类土地利用类型。R_i ——降水量和径流系数的乘积，其中径流系数参考Ouyang et al. (2016)和《生态产品总值核算规范》(国家发展和改革委员会等, 2022), 耕地、林地、草地、水体、建设用地、灌丛和湿地的径流系数分别为24.78%、2.00%、9.37%、0.00%、100%、4.20%和0.00%
	碳固存 (CS)	IUEMS模型固碳释氧模块 (韩宝龙等, 2021)	该模块将植被吸收二氧化碳的量作为碳固存的指标, 可通过NPP估算, 计算公式如下: Q_t_,CO2=M_CO2/M_C×C_NEP C_NEP=aC_NPPM_C6/M_C6H10O5 式中: Q_t_,CO2——生态系统二氧化碳固定量; M_CO2/M_C——C转化为CO₂的系数, 44/12; C_NEP——净生态系统生产力; α——NEP和NPP的转换系数; C_NPP——净初级生产力; M_C6/M_C6H10O5——干物质转化为C的系数, 72/162。NEP和NPP的转换系数参考《生态产品总值核算规范》(国家发展和改革委员会等，2022), 其中耕地、林地、草地、水体、建设用地、灌丛和湿地的NPP与NEP转换系数分别为0.0700、0.0970、0.084、0.0000、0.0000、0.0700和0.0840
支持服务	生境质量 (HQ)	InVEST模型生境质量模块 (Sharp et al., 2014)	该模块通过计算威胁因子对生境的负面影响来获得生境退化程度, 并根据生境退化程度和生境适宜性计算生境质量 (Sharp et al., 2014), 计算公式如下: ${{Q}_{xj}}\mathrm{=}{{H}_{j}}\times \left( 1-\frac{D_{xj}^{z}}{D_{xj}^{z}+{{k}^{z}}} \right)$ 式中: Q_xj ——土地利用类型j中栅格x的生境质量; H_j ——土地利用类型j的生境适宜度 (表4), 值域为0‒1; k——半饱和常数, 设定为0.05; z——归一化常量, 设定为2.5; D_xj ——土地利用类型j中栅格x的生境胁迫水平 ${{D}_{xj}}\mathrm{=}\sum\nolimits_{r=1}^{R}{\sum\nolimits_{y=1}^{{{Y}_{r}}}{\left( \frac{{{w}_{r}}}{\sum\nolimits_{r=1}^{R}{{{w}_{r}}}} \right){{r}_{y}}{{i}_{rxy}}}}{{\beta }_{x}}{{S}_{jr}}$ ${{i}_{rxy}}\mathrm{=1}-\left( \frac{{{d}_{xy}}}{{{d}_{r,\max }}} \right)$(线性衰减) ${{i}_{rxy}}\mathrm{=exp}\left( -\left( \frac{2.99}{{{d}_{r,\max }}} \right){{d}_{xy}} \right)$(指数型衰减) R——威胁因子; Y_r——威胁因子r的栅格个数; w_r——威胁因子权重 (表3); r_y——栅格y的威胁因子值; i_rxy——栅格y的威胁因子值r_y对于栅格x的胁迫程度; β_x——栅格x的可达性, 设定为1; S_jr——土地利用类型j对于威胁因子r的敏感度 (表4); d_xy——生境栅格x与威胁因子栅格y的距离; d_r_,_max——威胁因子r的最大威胁距离 (表3)
供给服务	粮食供给 (FP)	基于农作物产量与NDVI线性关系的评估 (Groten et al., 1993)	将各区县粮食产量根据NDVI占比分配至农田栅格 (Peng et al., 2019; Yang et al., 2021), 计算公式如下: ${{F}_{ij}}\mathrm{=}\frac{{{N}_{ij}}}{{{N}_{j}}}\times {{F}_{j}}$ 式中: F_ij ——j县的栅格 $i$ 的粮食供给; F_j ——j县粮食总产量，通过地区统计年鉴获取区县尺度上的粮食产量; N_ij ——j县的栅格i的NDVI; N_j ——是第j县农田的NDVI之和
文化服务	景观美学 (LA)	基于景观指标的评估 (Xia et al., 2023)	基于景观度的方法来评估景观美学服务 (Frank et al., 2013; Xia et al., 2023), 计算公式如下: ${{Q}_{\mathrm{L}{{\mathrm{A}}_{i}}}}\mathrm{=}\frac{1}{3}\times ({{Q}_{\mathrm{N}{{\mathrm{T}}_{i}}}}+{{Q}_{\mathrm{N}{{\mathrm{S}}_{i}}}}+{{Q}_{\mathrm{L}{{\mathrm{D}}_{i}}}})$ 式中: Q_LA_i——栅格i的景观美学量; Q_NT_i——栅格i的自然度，利用hemeroby指数来表征 (Xia et al., 2023), 耕地、林地、草地、水体、建设用地、灌丛和湿地的自然度标准化后的值分别为33.33、100、66.67、83.33、0、0、83.33; Q_NS_i——为栅格i的自然景观可达性，通过到森林公园的欧氏距离来反映，距离越近景观可达性越高; Q_LD_i——栅格i的基于土地利用类型的香农多样性指数。3个值均标准化到1‒100范围

表3 长株潭城市群生境质量威胁因子的最大影响距离和权重

Table 3 Influence distance and weight of threat factors of habitat quality in Changsha-Zhuzhou-Xiangtan urban agglomeration

威胁因子	最大影响距离/km	权重	衰减类型
耕地	8	0.7	指数型
建设用地	12	1	指数型
铁路	10	1	线性
一级公路	5	0.3	线性

表4 长株潭城市群不同土地利用类型的生境适宜度及其对威胁因子的敏感度

Table 4 Habitat suitability and sensitivity of various land use types to threat factors in Changsha-Zhuzhou-Xiangtan urban agglomeration

序号	土地利用类型	生境适宜度	敏感度
序号	土地利用类型	生境适宜度	耕地	建设用地	铁路	一级公路
1	耕地	0.4	0.3	0.5	0.1	0.15
2	林地	1	0.8	0.9	0.55	0.65
3	草地	0.8	0.45	0.8	0.25	0.3
4	水体	1	0.7	0.7	0.9	0.4
5	建设用地	0	0	0	0	0
6	灌丛	0.9	0.4	0.4	0.2	0.25
7	湿地	1	0.85	0.9	0.35	0.65

图2 长株潭城市群生态系统服务空间分布

Figure 2 Spatial distribution of ecosystem services in the Changsha-Zhuzhou-Xiangtan urban agglomeration

图3 长株潭城市群生态系统服务权衡与协同所占面积比例 SC：土壤保持Soil conservation；WC：水源涵养Water conservation；CS：碳固存Carbon sequestration；HQ：生境质量Habitat quality；FP：粮食供给Food production；LA：景观美学Landscape aesthetics

Figure 3 Area proportion of ecosystem services trade off and synergies in the Changsha-Zhuzhou-Xiangtan urban agglomeration

图4 长株潭城市群生态系统服务权衡与协同空间分布

Figure 4 Spatial distribution of ecosystem services trade off and synergies in Changsha-Zhuzhou-Xiangtan urban agglomeration

表5 生态系统服务权衡与协同关系的驱动因素

Table 5 Driving factors of ecosystem services trade off and synergies

生态系统服务	指标	驱动因素
生态系统服务	指标	SLO	PRE	TEM	NDVI	GDP	POP	CLP	EPP
SC-HQ	回归系数	−0.120* ³⁾	−0.123***	0.616***	0.931***	−0.00900	0.119***	−0.678***	0.366*
SC-HQ	Wald统计值	4.820	13.761	352.932	262.312	0.227	21.530	350.358	5.317
SC-CS	回归系数	−0.481***¹⁾	−0.106***	0.329***	0.609***	−0.0340	0.107***	−0.816***	0.342**
SC-CS	Wald统计值	147.872	20.750	162.913	171.843	2.193	15.247	498.439	6.951
SC-WC	回归系数	−0.0890	−0.183***	0.578***	0.974***	0.00800	0.0890***	−0.632***	0.400**
SC-WC	Wald统计值	3.257	38.410	362.366	321.619	0.141	11.358	311.639	6.831
SC-LA	回归系数	−0.795***	−0.117***	0.409***	0.640***	0.020	0.0990***	−0.742***	0.363*
SC-LA	Wald统计值	320.194	19.301	220.192	145.947	1.105	15.162	460.464	5.161
SC-FP	回归系数	−0.389***	0.0260	−0.356***	−0.267*	−0.0330	0.0750*	0.126*	0.00500
SC-FP	Wald统计值	14.338	0.183	38.129	6.617	1.021	4.479	4.756	0.000
CS-HQ	回归系数	−0.969***	−0.0600	0.476***	1.640***	0.0390	−0.187	2.535***	13.707
CS-HQ	Wald统计值	118.281	1.186	101.138	192.042	0.0370	2.277	60.108	0.00300
CS-WC	回归系数	−0.782***	−0.0210	0.249***	0.615***	1.880	0.225	8.637***	−0.428
CS-WC	Wald统计值	101.332	0.250	44.074	24.875	0.977	0.621	48.321	0.676
CS-LA	回归系数	−0.932***	−0.0650	0.314***	0.868***	0.011	−0.176**	1.076***	1.260*
CS-LA	Wald统计值	212.495	3.091	86.596	94.205	0.023	7.681	53.695	4.670
CS-FP	回归系数	−1.872***	−0.0330	−0.229**	−1.349***	−0.194***	−0.0600	3.564***	0.0150
CS-FP	Wald统计值	359.116	0.707	10.539	277.810	44.096	1.685	1154.520	0.00800
FP-HQ	回归系数	−7.159***	−0.357***	−0.539***	−0.461***	−0.0980***	−0.161***	3.188***	−0.291
FP-HQ	Wald统计值	972.797	38.800	24.332	23.413	10.998	11.863	1085.881	1.746
FP-WC	回归系数	−6.105***	−0.290***	−0.393***	−1.117***	−0.432***	−0.153*	7.033***	−0.172
FP-WC	Wald统计值	907.020	29.529	15.469	101.194	110.532	4.950	1428.355	0.605
FP-LA	回归系数	−5.007***	−0.169** ²⁾	−0.733***	−0.544***	−0.0750**	−0.060	2.379***	−0.301
FP-LA	Wald统计值	703.614	9.942	52.164	40.258	6.953	1.763	959.568	2.169
LA-HQ	回归系数	−1.445***	0.360***	0.544***	−0.636*	−0.132	19.371***	−2.262***	10.448
LA-HQ	Wald统计值	126.688	25.227	111.804	5.391	0.0120	20.529	30.932	0.001
LA-WC	回归系数	−1.350***	0.225***	0.373***	−1.530***	0.158	−0.419***	−0.563	11.029
LA-WC	Wald统计值	158.104	15.756	70.232	47.915	2.435	11.075	2.231	0.00200
HQ-WC	回归系数	−1.029***	0.100	0.437***	−0.947	0.224	7.635	−2.058***	11.203
	Wald统计值	19.219	0.513	20.975	2.675	0.00500	2.420	17.301	0.000

表5 生态系统服务权衡与协同关系的驱动因素

Table 5 Driving factors of ecosystem services trade off and synergies

生态系统服务	指标	驱动因素
生态系统服务	指标	SLO	PRE	TEM	NDVI	GDP	POP	CLP	EPP
SC-HQ	回归系数	−0.120* ³⁾	−0.123***	0.616***	0.931***	−0.00900	0.119***	−0.678***	0.366*
SC-HQ	Wald统计值	4.820	13.761	352.932	262.312	0.227	21.530	350.358	5.317
SC-CS	回归系数	−0.481***¹⁾	−0.106***	0.329***	0.609***	−0.0340	0.107***	−0.816***	0.342**
SC-CS	Wald统计值	147.872	20.750	162.913	171.843	2.193	15.247	498.439	6.951
SC-WC	回归系数	−0.0890	−0.183***	0.578***	0.974***	0.00800	0.0890***	−0.632***	0.400**
SC-WC	Wald统计值	3.257	38.410	362.366	321.619	0.141	11.358	311.639	6.831
SC-LA	回归系数	−0.795***	−0.117***	0.409***	0.640***	0.020	0.0990***	−0.742***	0.363*
SC-LA	Wald统计值	320.194	19.301	220.192	145.947	1.105	15.162	460.464	5.161
SC-FP	回归系数	−0.389***	0.0260	−0.356***	−0.267*	−0.0330	0.0750*	0.126*	0.00500
SC-FP	Wald统计值	14.338	0.183	38.129	6.617	1.021	4.479	4.756	0.000
CS-HQ	回归系数	−0.969***	−0.0600	0.476***	1.640***	0.0390	−0.187	2.535***	13.707
CS-HQ	Wald统计值	118.281	1.186	101.138	192.042	0.0370	2.277	60.108	0.00300
CS-WC	回归系数	−0.782***	−0.0210	0.249***	0.615***	1.880	0.225	8.637***	−0.428
CS-WC	Wald统计值	101.332	0.250	44.074	24.875	0.977	0.621	48.321	0.676
CS-LA	回归系数	−0.932***	−0.0650	0.314***	0.868***	0.011	−0.176**	1.076***	1.260*
CS-LA	Wald统计值	212.495	3.091	86.596	94.205	0.023	7.681	53.695	4.670
CS-FP	回归系数	−1.872***	−0.0330	−0.229**	−1.349***	−0.194***	−0.0600	3.564***	0.0150
CS-FP	Wald统计值	359.116	0.707	10.539	277.810	44.096	1.685	1154.520	0.00800
FP-HQ	回归系数	−7.159***	−0.357***	−0.539***	−0.461***	−0.0980***	−0.161***	3.188***	−0.291
FP-HQ	Wald统计值	972.797	38.800	24.332	23.413	10.998	11.863	1085.881	1.746
FP-WC	回归系数	−6.105***	−0.290***	−0.393***	−1.117***	−0.432***	−0.153*	7.033***	−0.172
FP-WC	Wald统计值	907.020	29.529	15.469	101.194	110.532	4.950	1428.355	0.605
FP-LA	回归系数	−5.007***	−0.169** ²⁾	−0.733***	−0.544***	−0.0750**	−0.060	2.379***	−0.301
FP-LA	Wald统计值	703.614	9.942	52.164	40.258	6.953	1.763	959.568	2.169
LA-HQ	回归系数	−1.445***	0.360***	0.544***	−0.636*	−0.132	19.371***	−2.262***	10.448
LA-HQ	Wald统计值	126.688	25.227	111.804	5.391	0.0120	20.529	30.932	0.001
LA-WC	回归系数	−1.350***	0.225***	0.373***	−1.530***	0.158	−0.419***	−0.563	11.029
LA-WC	Wald统计值	158.104	15.756	70.232	47.915	2.435	11.075	2.231	0.00200
HQ-WC	回归系数	−1.029***	0.100	0.437***	−0.947	0.224	7.635	−2.058***	11.203
	Wald统计值	19.219	0.513	20.975	2.675	0.00500	2.420	17.301	0.000

参考文献 61

[1]	BENNETT E M, PETERSON G D, GORDON L J, 2009. Understanding relationships among multiple ecosystem services[J]. Ecology Letters, 12(12): 1394-1404. DOI PMID
[2]	BENTON T G, VICKERY J A, WILSON J D, 2003. Farmland biodiversity: is habitat heterogeneity the key?[J]. Trends in Ecology & Evolution, 18(4): 182-188.
[3]	CAO Y N, KONG L Q, ZHANG L F, et al., 2021. The balance between economic development and ecosystem service value in the process of land urbanization: A case study of China’s land urbanization from 2000 to 2015[J]. Land Use Policy, 108(2): 105536.
[4]	CAO Y C, ZHOU Z, LIAO Q L, et al., 2023. Effects of landscape conservation on the ecohydrological and water quality functions and services and their driving factors[J]. Science of the Total Environment, 861: 160695.
[5]	CARPENTER S R, DEFRIES R, DIETZ T, et al., 2006. Millennium ecosystem assessment: research needs[J]. Science, 314(5797): 257-258.
[6]	CHAN K M A, SHAW M R, CAMERON D R, et al., 2006. Conservation planning for ecosystem services[J]. PLoS biology, 4(11): e379.
[7]	COSTANZA R, D' ARGE R, DE GROOT R, et al., 1997. The value of the world's ecosystem services and natural capital[J]. Nature, 387(6630): 253-260.
[8]	DE VAL G D L F, ATAURI J A, DE LUCIO J V, 2006. Relationship between landscape visual attributes and spatial pattern indices: A test study in Mediterranean-climate landscapes[J]. Landscape and Urban Planning, 77(4): 393-407.
[9]	DENG C X, LIU J Y, NIE X D, et al., 2021. How trade-offs between ecological construction and urbanization expansion affect ecosystem services[J]. Ecological Indicators, 122(8): 107253.
[10]	DITTRICH A, SEPPELT R, VÁCLAVÍK T, et al., 2017. Integrating ecosystem service bundles and socio-environmental conditions: A national scale analysis from Germany[J]. Ecosystem Services, 28(Part C): 273-282.
[11]	FENG Q, ZHAO W W, FU B J, et al., 2017. Ecosystem service trade-offs and their influencing factors: A case study in the Loess Plateau of China[J]. Science of the Total Environment, 607-608: 1250-1263.
[12]	FENG Q, ZHAO W W, HU X P, et al., 2020. Trading-off ecosystem services for better ecological restoration: A case study in the Loess Plateau of China[J]. Journal of Cleaner Production, 257: 120469.
[13]	FENG X M, FU B J, PIAO S L, et al., 2016. Revegetation in China’s Loess Plateau is approaching sustainable water resource limits[J]. Nature Climate Change, 6(11): 1019-1022.
[14]	FRANK S, FÜRST C, KOSCHKE L, et al., 2013. Assessment of landscape aesthetics—Validation of a landscape metrics-based assessment by visual estimation of the scenic beauty[J]. Ecological Indicators, 32: 222-231.
[15]	GHOSH S, DINDA S, CHATTERJEE N D, et al., 2022. Spatial-explicit carbon emission-sequestration balance estimation and evaluation of emission susceptible zones in an Eastern Himalayan city using Pressure-Sensitivity-Resilience framework: An approach towards achieving low carbon cities[J]. Journal of Cleaner Production, 336: 130417.
[16]	GROTEN S M E, 1993. NDVI-crop monitoring and early yield assessment of Burkina Faso[J]. TitleREMOTE SENSING, 14(8): 1495-1515.
[17]	HU J Y, ZHANG J X, LI Y Q, 2022. Exploring the spatial and temporal driving mechanisms of landscape patterns on habitat quality in a city undergoing rapid urbanization based on GTWR and MGWR: The case of Nanjing, China[J]. Ecological Indicators, 143: 109333.
[18]	HUI E C, BAO H, 2013. The logic behind conflicts in land acquisitions in contemporary China: A framework based upon game theory[J]. Land Use Policy, 30(1): 373-380.
[19]	IOJĂ C I, NIŢĂ M R, VÂNĂU G O, et al., 2014. Using multi-criteria analysis for the identification of spatial land-use conflicts in the Bucharest Metropolitan Area[J]. Ecological Indicators, 42: 112-121.
[20]	JIANG W G, DENG Y, TANG Z H, et al., 2017. Modelling the potential impacts of urban ecosystem changes on carbon storage under different scenarios by linking the CLUE-S and the InVEST models[J]. Ecological Modelling, 345: 30-40.
[21]	LAUTENBACH S, KUGEL C, LAUSCH A, et al., 2011. Analysis of historic changes in regional ecosystem service provisioning using land use data[J]. Ecological Indicators, 11(2): 676-687.
[22]	LI B J, CHEN D X, WU S H, et al., 2016. Spatio-temporal assessment of urbanization impacts on ecosystem services: Case study of Nanjing City, China[J]. Ecological Indicators, 71: 416-427.
[23]	LI G Y, JIANG C H, GAO Y, et al., 2022. Natural driving mechanism and trade-off and synergy analysis of the spatiotemporal dynamics of multiple typical ecosystem services in Northeast Qinghai-Tibet Plateau[J]. Journal of Cleaner Production, 374: 134075.
[24]	LI R N, ZHENG H, O’CONNOR P, et al., 2021. Time and space catch up with restoration programs that ignore ecosystem service trade-offs[J]. Science Advances, 7(14): eabf8650.
[25]	LUO J, ZHOU X L, ZHANG Z H, et al., 2021. Evaluation of wetland ecosystem services in green core of Changzhutan urban agglomeration, Hunan[J]. IOP Conference Series Earth and Environmental Science, 859(1): 012111.
[26]	MA, Millennium Ecosystem Assessment, 2005. Ecosystems and human well-being: Synthesis[M]. Washington, DC: Island Press.
[27]	OUYANG Z Y, ZHENG H, XIAO Y, et al., 2016. Improvements in ecosystem services from investments in natural capital[J]. Science, 352(6292): 1455-1459. DOI PMID
[28]	PENG J, SHEN H, WU W H, et al., 2016. Net primary productivity (NPP) dynamics and associated urbanization driving forces in metropolitan areas: A case study in Beijing City, China[J]. Landscape Ecology, 31(5): 1077-1092.
[29]	PENG J, TIAN L, LIU Y X, et al., 2017. Ecosystem services response to urbanization in metropolitan areas: Thresholds identification[J]. Science of the Total Environment, 607-608: 706-714.
[30]	PENG J, HU X X, QIU S J, et al., 2019. Multifunctional landscapes identification and associated development zoning in mountainous area[J]. Science of the Total Environment, 660: 765-775.
[31]	PICKETT S R, SIRIWARDENA G M, 2011. The relationship between multi-scale habitat heterogeneity and farmland bird abundance[J]. Ecography, 34(6): 955-969.
[32]	QIU J X, TURNER M G, 2013. Spatial interactions among ecosystem services in an urbanizing agricultural watershed[J]. Proceedings of the National Academy of Sciences, 110(29): 12149-12154.
[33]	QIU S J, PENG J, DONG J Q, et al., 2021. Understanding the relationships between ecosystem services and associated social-ecological drivers in a karst region: A case study of Guizhou Province, China[J]. Progress in Physical Geography: Earth and Environment, 45(1): 98-114.
[34]	RENARD K G, 1997. Predicting soil erosion by water: A guide to conservation planning with the Revised Universal Soil Loss Equation (RUSLE)[M]. Washington, DC: United States Government Printing.
[35]	ROSE A, MCKEE J, SIMS K, et al., 2021. LandScan Global 2020 [EB/OL]. Oak Ridge National Laboratory. https://doi.org/10.48690/1523378.
[36]	SETO K C, GüNERALP B, HUTYRA L R, 2012. Global forecasts of urban expansion to 2030 and direct impacts on biodiversity and carbon pools[J]. Proceedings of the National Academy of Sciences, 109(40): 16083-16088.
[37]	SHARP R, TALLIS H T, RICKETTS T, et al., 2014. InVEST user’s guide[M/OL]. [s.l.]:The Natural Capital Project. ttps://naturalcapitalproject.stanford.edu/software/invest.
[38]	TURNER K G, ODGAARD M V, BØCHER P K, et al., 2014. Bundling ecosystem services in Denmark: Trade-offs and synergies in a cultural landscape[J]. Landscape and Urban Planning, 125: 89-104.
[39]	WANG P J, WANG J W, ZHANG J H, et al., 2022. Spatial-temporal changes in ecosystem services and social-ecological drivers in a typical coastal tourism city: A case study of Sanya, China[J]. Ecological Indicators, 145(3): 109607.
[40]	XIA H, YUAN S F, PRISHCHEPOV A V, 2023. Spatial-temporal heterogeneity of ecosystem service interactions and their social-ecological drivers: Implications for spatial planning and management[J]. Resources, Conservation and Recycling, 189(1): 106767.
[41]	XIE Y L, LEI X D, SHI J N, 2020. Impacts of climate change on biological rotation of Larix olgensis plantations for timber production and carbon storage in northeast China using the 3-PGmix model[J]. Ecological Modelling, 435: 109267.
[42]	YANG M H, GAO X D, ZHAO X, et al., 2021. Scale effect and spatially explicit drivers of interactions between ecosystem services: A case study from the Loess Plateau[J]. Science of the Total Environment, 785: 147389.
[43]	YUAN Y J, WU S H, YU Y N, et al., 2018. Spatiotemporal interaction between ecosystem services and urbanization: Case study of Nanjing City, China[J]. Ecological Indicators, 95(Part 1): 917-929.
[44]	YUE W, XU J, TAN W, et al., 2007. The relationship between land surface temperature and NDVI with remote sensing: application to Shanghai Landsat 7 ETM+ data[J]. International Journal of Remote Sensing, 28(15): 3205-3226.
[45]	ZHANG H, DENG W, ZHANG S Y, et al., 2022a. Impacts of urbanization on ecosystem services in the Chengdu-Chongqing Urban Agglomeration: Changes and trade-offs[J]. Ecological Indicators, 139(1): 108920.
[46]	ZHANG X, LIU L Y, CHEN X D, et al., 2021a. GLC_FCS30: Global land-cover product with fine classification system at 30 m using time-series Landsat imagery[J]. Earth System Science Data, 13(6): 2753-2776.
[47]	ZHANG Y S, LU X, LIU B Y, et al., 2021b. Spatial relationships between ecosystem services and socioecological drivers across a large-scale region: A case study in the Yellow River Basin[J]. Science of the Total Environment, 766(47): 142480.
[48]	ZHANG Y, SHE J Y, LONG X R, et al., 2022b. Spatio-temporal evolution and driving factors of eco-environmental quality based on RSEI in Chang-Zhu-Tan metropolitan circle, central China[J]. Ecological Indicators, 144: 109436.
[49]	ZHANG Y, LI J, LIU X F, et al., 2023. Do carbon sequestration and food security in urban and rural landscapes differ in patterns, relationships, and responses?[J]. Applied Geography, 160(9): 103100.
[50]	ZHANG Z Y, LIU Y F, WANG Y H, et al., 2020. What factors affect the synergy and tradeoff between ecosystem services, and how, from a geospatial perspective?[J]. Journal of Cleaner Production, 257(1): 120454.
[51]	ZHAO J L, WANG Z G, DONG Y F, et al., 2022. How soil erosion and runoff are related to land use, topography and annual precipitation: Insights from a meta-analysis of erosion plots in China[J]. Science of the Total Environment, 802: 149665.
[52]	ZHAO N Z, LIU Y, CAO G F, et al., 2017. Forecasting China’s GDP at the pixel level using nighttime lights time series and population images[J]. GIScience & Remote Sensing, 54(3): 407-425.
[53]	国家发展和改革委员会, 国家统计局, 2022. 生态产品总值核算规范[M]. 北京: 人民出版社.
	National Development and Reform Commissionof the People’s Republic of China, National Bureau of Statistics of the People’s Republic of China, 2022. The Technical Guideline on Gross Ecosystem Product[M]. Beijing: People’s Publishing House.
[54]	韩宝龙, 欧阳志云, 2021. 城市生态智慧管理系统的生态系统服务评估功能与应用[J]. 生态学报, 41(22): 8697-8708.
	HAN B L, OUYANG Z Y, 2021. The comparing and applying Intelligent Urban Ecosystem Management System (IUEMS) on ecosystem services assessment[J]. Acta Ecologica Sinica, 41(22): 8697-8708.
[55]	李成, 赵洁, 庄智程, 等, 2022. 长三角城市群生态系统服务权衡强度时空演变及影响因素研究[J]. 生态学报, 14(42): 5708-5720.
	LI C, ZHAO J, ZHUANG Z C, et al., 2022. Spatiotemporal dynamics and influencing factors of ecosystem service trade-offs in the Yangtze River Delta urban agglomeration[J]. Acta Ecologica Sinica, 42(14): 5708-5720.
[56]	黎佳君, 廖秋林, 沈守云, 等, 2022. 长株潭城市群绿心地区生态系统服务价值时空变化研究[J]. 中国园林, 38(1): 100-105.
	LI J J, LIAO Q L, SHEN S Y, et al., 2022. Study on the spatiotemporal changes of land use and ecosystem services value (ESV) of the green heart area in the Changsha-Zhuzhou-Xiangtan (CZT) city group[J]. Chinese Landscape Architecture, 38(1): 100-105.
[57]	刘洋, 毕军, 吕建树, 2019. 生态系统服务权衡与协同关系及驱动力——以江苏省太湖流域为例[J]. 生态学报, 39(19): 7067-7078.
	LIU Y, BI J, LÜ J S, 2019. Trade-off and synergy relationships of ecosystem services and the driving forces: A case study of the Taihu Basin,Jiangsu Province[J]. Acta Ecologica Sinica, 39(19): 7067-7078.
[58]	刘园, 周勇, 杜越天, 2019. 基于InVEST模型的长江中游经济带生境质量的时空分异特征及其地形梯度效应[J]. 长江流域资源与环境, 28(10): 2429-2440.
	LIU Y, ZHOU Y, DU Y T, 2009. Study on the Spatio-Temporal Patterns of Habitat Quality and Its Terrain Gradient Effects of the Middle of the Yangtze River Economic Belt Based on InVEST Model[J]. Resources and Environment in the Yangtze Basin, 28(10): 2429-2440.
[59]	梅予健, 贺清云, 欧阳晓, 等, 2023. 长株潭城市群城镇化水平与生态质量的冲突与交互作用研究[J]. 生态学报, 43(11): 4527-4538.
	MEI Y J, HE Q Y, OUYANG X, et al., 2023. Conflict and interaction between urbanization level and ecological quality in Changsha- Zhuzhou-Xiangtan urban agglomeration[J]. Acta Ecologica Sinica, 43(11): 4527-4538.
[60]	欧阳晓, 朱翔, 贺清云, 2019. 城市化与生态系统服务的空间交互关系研究——以长株潭城市群为例[J]. 生态学报, 39(20): 7502-7513.
	OUYANG X, ZHU X, HE Q Y, 2019. Spatial interaction between urbanisation and ecosystem services: A case study in Changsha-Zhuzhou-Xiangtan urban agglomeration, China[J]. Acta Ecologica Sinica, 39(20): 7502-7513.
[61]	张自正, 张蕾, 孙桂英, 等, 2023. 清江流域生态系统服务权衡时空效应及驱动因素[J]. 应用生态学报, 34(4): 1051-1062. DOI
	ZHANG Z Z, ZHANG L, SUN G Y, et al., 2023. Spatial and temporal effect and driving factors of ecosystem service trade-off in the Qingjiang River Basin, China[J]. Chinese Journal of Applied Ecology, 34(4): 1051-1062. DOI

长株潭城市群生态系统服务权衡与协同关系的空间异质性及其驱动因素

Spatial Heterogeneity and Driving Factors of Ecosystem Service Trade-offs and Synergies in the Changsha-Zhuzhou-Xiangtan Urban Agglomeration

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 9

参考文献 61

相关文章 15

编辑推荐

Metrics

本文评价

[1]	向男, 王明旭, 张宏锋, 廖宝淦. 生态保护重要性分区及其长时间序列生境状况时空分异研究——以广东省为例[J]. 生态环境学报, 2024, 33(6): 958-968.
[2]	杨非凡, 何浩. 基于“EVI-ESV”伊犁河谷生态环境评估及生态分区构建[J]. 生态环境学报, 2024, 33(4): 655-664.
[3]	李荣杰, 李惠梅, 武非非, 赵明德, 王诗涵, 孙雪颖. 青海湖流域生态系统服务空间分异规律及驱动力研究[J]. 生态环境学报, 2024, 33(2): 301-309.
[4]	李惠梅, 李荣杰, 晏旭昇, 武非非, 高泽兵, 谭永忠. 青海湖流域生态风险评价及生态功能分区研究[J]. 生态环境学报, 2023, 32(7): 1185-1195.
[5]	徐梓津, 张雪松, 陈明曼. 山地岩溶区生态系统服务时空演变特征分析——以贵州省为例[J]. 生态环境学报, 2023, 32(7): 1196-1206.
[6]	方云皓, 赵丽元, 窦碧莹, 王书贤. 基于MSPA-CIRCUIT的长江中游城市群热环境网络识别与评价研究[J]. 生态环境学报, 2023, 32(7): 1237-1248.
[7]	王琳, 卫伟. 黄土高原典型县域生态系统服务变化特征及驱动因素[J]. 生态环境学报, 2023, 32(6): 1140-1148.
[8]	张钧韦, 夏圣洁, 陈慧儒, 刘艳红. 山西中部城市群景观格局演变对其热环境的影响研究[J]. 生态环境学报, 2023, 32(5): 943-955.
[9]	许静, 廖星凯, 甘崎旭, 周茅先. 基于MSPA与电路理论的黄河流域甘肃段生态安全格局构建[J]. 生态环境学报, 2023, 32(4): 805-813.
[10]	夏美君, 李健, 闫永蚕. 京津冀城市群生态福利绩效时空格局及演进特征[J]. 生态环境学报, 2023, 32(4): 814-824.
[11]	张平江, 党国锋. 基于MCR模型与蚁群算法的洮河流域生态安全格局构建[J]. 生态环境学报, 2023, 32(3): 481-491.
[12]	朱锦维, 柯新利, 何利杰, 周婷, 王青, 任妍钰. 基于价值链理论的生态产品价值实现机制理论解析[J]. 生态环境学报, 2023, 32(2): 421-428.
[13]	丁诗雨, 贾夏, 赵永华, 钱会, 王欢元, 康宏亮, 孙婴婴. 秦巴山生态功能区生态系统服务供需关系时空演变研究[J]. 生态环境学报, 2023, 32(12): 2236-2248.
[14]	叶深, 王鹏, 黄祎, 折远洋, 丁明军. 长三角城市群城市空间形态对PM_2.5与O₃污染空间异质性特征的影响研究[J]. 生态环境学报, 2023, 32(10): 1771-1784.
[15]	郑晓豪, 陈颖彪, 郑子豪, 郭城, 黄卓男, 周泳诗. 湖北省生态系统服务价值动态变化及其影响因素演变[J]. 生态环境学报, 2023, 32(1): 195-206.