Mutual Feedback Relationships and Mechanisms of Ecosystem Four Regulating Services in the Greater Bay Area of Guangdong, Hongkong and Macao

doi:10.16258/j.cnki.1674-5906.2024.07.014

Ecology and Environment ›› 2024, Vol. 33 ›› Issue (7): 1130-1141.DOI: 10.16258/j.cnki.1674-5906.2024.07.014

• Research Article [Environmental Science] • Previous Articles Next Articles

Mutual Feedback Relationships and Mechanisms of Ecosystem Four Regulating Services in the Greater Bay Area of Guangdong, Hongkong and Macao

WANG Xuerong(), GONG Jianzhou^*(), YU Fangyuan

School of Geography and Remote Sensing, Guangzhou University, Guangzhou 510006, P. R. China

Received:2024-04-10 Online:2024-07-18 Published:2024-09-04
Contact: GONG Jianzhou

粤港澳大湾区4种生态系统调节服务的互馈关系及机制

王雪融(), 龚建周^*(), 俞方圆

广州大学地理科学与遥感学院，广东广州 510006

通讯作者: 龚建周
作者简介:王雪融（2001年生），女，硕士，主要研究方向为生态系统服务与生物多样性。E-mail: 2112301032@e.gzhu.edu.cn
基金资助:
国家自然科学基金项目(42071123)

Abstract

Abstract:

Regulating services are the benefits provided by ecosystems for maintaining or improving human living environments. Various regulatory services interact with each other or have reciprocal feeding relationships, and show certain regularity or divergence at different spatial and temporal scales. Thus, clarifying the relationships between ecosystem regulatory services and their influencing factors at different scales is of great significance for optimizing ecosystem management in a regional context. In this study, the spatial and temporal patterns of four ecosystem regulating services (carbon storage, nitrogen export, soil conservation, and pollinator abundance) were calculated at the 1-kilometre grid and sub-basin scales in 2000, 2010, and 2020, and the temporal and spatial heterogeneity of ecosystem service relationships in the Greater Bay Area of Guangdong, Hong Kong, and Macao were analyzed using Spearman’s correlation index and the geographic regression model. Finally, the main factors influencing ecosystem regulatory services and their interactions are identified using an optimal geodetector. The results showed that 1) the distribution pattern of ecosystem regulating services in the Greater Bay Area remained stable over time and showed spatial heterogeneity; however, the spatial distribution patterns varied according to the type of regulating service. 2) There were significant changes in the trade-off/synergistic relationships among ecosystem regulating services over the 20-year period in the Greater Bay Area, with different degrees of mutual feedback. The strengths of these relationships vary with their spatial and temporal scales. The strength of these relationships varies with time and space. This study identified optimal combinations of mutual feedback, including carbon stock-nitrogen export, carbon stock-soil conservation, carbon stock-pollinator abundance, nitrogen export-soil conservation, and pollinator abundance-soil conservation, where the latter service factor had a significant influence on the former. Service factors had stronger explanatory power for the former service factors. 3) There were complex interactions and non-linear relationships in the ecosystems, which significantly affected the spatial patterns of the ecosystems, and the interactions between the regulating service factors and natural-socioeconomic influences increased with increasing scale. The results of this study provide important scientific reference for regionally differentiated ecosystem management policies.

Key words: regulating services, mutual feedback relationship, trade-offs and synergies, scale effect, social-ecological factors, optimal geodetector, Guangdong-Hong Kong-Macao Greater Bay

摘要：

调节服务是生态系统为维持或改善人类生存环境提供的惠益。各种调节服务相互作用或存在互馈关系，并在不同时空尺度上呈现一定规律性或分异性，厘清不同尺度下生态系统调节服务间的关系及其影响因子对优化生态系统区域管理具有重要意义。以粤港澳大湾区为例，计算了2000、2010、2020年碳储量、氮输出量、土壤保持量和授粉者丰度等4种生态系统调节服务，在千米格网和二级流域尺度下分析生态系统服务时空格局变化，利用Spearman相关指数和地理回归模型分析了粤港澳大湾区生态系统服务间关系的时空异质性，最后通过最优地理探测器识别生态系统调节服务的主要影响因子及其交互作用力。结果表明：1）研究区生态系统调节服务的分布格局在时间上保持稳定，在空间上呈现异质性，但因调节服务的类型不同，其空间分布模式有所不同；2）研究区20年间生态系统调节服务间权衡/协同关系存在显著变化，且彼此存在不同程度的互馈关系，这些关系的作用强度随时空尺度的变化而变化。该研究确定了最佳互馈组合，包括碳储量-氮输出量、碳储量-土壤保持量、碳储量-授粉者丰度、氮输出量-土壤保持量和授粉者丰度-土壤保持量，这些组合中的后者服务因子对前者服务因子的解释力更强；3）生态系统中存在复杂的相互作用和非线性关系，这些关系对生态系统空间格局有显著影响，且调节服务因子与自然-社会经济影响因子的交互作用随着尺度的增大而增强。该研究可为区域差异化生态系统管理政策提供重要的科学参考。

关键词: 调节服务, 互馈关系, 权衡与协同, 尺度效应, 自然-社会经济因子, 最优地理探测器, 粤港澳大湾区

CLC Number:

X171.1

WANG Xuerong, GONG Jianzhou, YU Fangyuan. Mutual Feedback Relationships and Mechanisms of Ecosystem Four Regulating Services in the Greater Bay Area of Guangdong, Hongkong and Macao[J]. Ecology and Environment, 2024, 33(7): 1130-1141.

王雪融, 龚建周, 俞方圆. 粤港澳大湾区4种生态系统调节服务的互馈关系及机制[J]. 生态环境学报, 2024, 33(7): 1130-1141.

Figures/Tables 11

References 47

[1]	ALEJANDRE E M, SCHERER L, AIZEN M A, et al., 2023. Characterization factors to assess land use impacts on pollinator abundance in life cycle assessment[J]. Environmental Science and Technology, 57(8): 3445-3454. DOI PMID
[2]	BAI Y, ZHUANG C W, OUYANG Z Y, et al., 2011. Spatial characteristics between biodiversity and ecosystem services in a human-dominated watershed[J]. Ecological Complexity, 8(2): 177-183.
[3]	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
[4]	BENNETT E M, CRAMER W, BEGOSSI A, et al., 2015. Linking biodiversity, ecosystem services, and human well-being: three challenges for designing research for sustainability[J]. Current Opinion Environmental Sustainability, 14: 76-85.
[5]	CLARK C M, THOMAS R Q, HORN K J, 2023. Above-ground tree carbon storage in response to nitrogen deposition in the U.S. is heterogeneous and may have weakened[J]. Communications Earth & Environment, 4(1): 35.
[6]	COSTANZA R, GROOT R D, BRAAT L, et al., 2017. Twenty years of ecosystem services: How far have we come and how far do we still need to go?[J]. Ecosystem Services, 28(Part A): 1-16.
[7]	GALLOWAY J N, TOWNSEND A R, ERISMAN J W, et al., 2008. Transformation of then nitrogen cycle: Recent trends, questions, and potential solutions[J]. Science, 320(5878): 889-892.
[8]	GAO J B, JIANG Y, WANG H, et al., 2020. Identification of dominant factors affecting soil erosion and water yield within ecological red line areas[J]. Remote Sensing, 12(3): 399.
[9]	GROFF S C, LOFTIN C S, DRUMMOND F, et al., 2016. Parameterization of the InVEST Crop Pollination Model to spatially predict abundance of wild blueberry (Vaccinium angustifolium Aiton) native bee pollinators in Maine, USA[J]. Environmental Modelling and Software, 79: 1-9.
[10]	JIAN Y X, JI X C, YAN X L, 2020. Partitioned responses of ecosystem services and their tradeoffs to human activities in the Belt and Road region[J]. Journal of Cleaner Production, 276: 123205.
[11]	KICKLIGHTER D W, MELILLO J M, MONIER E, et al., 2019. Future nitrogen availability and its effect on carbon sequestration in Northern Eurasia[J]. Nature Communication, 10(1): 3024.
[12]	LAL R, 2003. Soil erosion and the global carbon budget[J]. Environment International, 29(4): 437-450. PMID
[13]	MONTGOMERY D R, 2007. Soil erosion and agricultural sustainability[J]. Proceedings of the National Academy of Sciences of the United States of America, 104(33): 13268-13272. PMID
[14]	ONTL T A, SCHULTE L A, 2012. Soil carbon storage[J]. Nature Education Knowledge, 3(10): 35.
[15]	PAN Y D, BIRDSEY R A, PHILLIPS O L, et al., 2013. The structure, distribution, and biomass of the world’s forests[J]. Annual Review of Ecology, Evolution, and Systematics, 44: 593-622.
[16]	SONG Y Z, WANG J F, GE Y, et al., 2020. An optimal parameters-based geographical detector model enhances geographic characteristics of explanatory variables for spatial heterogeneity analysis: cases with different types of spatial data[J]. GIScience & Remote Sensing, 57(5): 593-610.
[17]	SUN X, WU J, TANG H, et al., 2022. An urban hierarchy-based approach integrating ecosystem services into multiscale sustainable land use planning: The case of China[J]. Resources, Conservation and Recycling, 178: 106097.
[18]	SUTHERLAND I J, VILLAMAGNA A M, DALLAIRE C O, et al., 2018. Undervalued and under pressure: A plea for greater attention toward regulating ecosystem services[J]. Ecological Indicators, 94(2): 23-32.
[19]	WALTER V R, 2005. Millennium ecosystem assessment: Ecosystems and human well-being[M]. Washington DC: Island Press.
[20]	WINGREE R, DUSHOFF J, CRONE E E, et al., 2005. Testing simple indices of habitat proximity[J]. American Naturalist, 165(6): 707-717.
[21]	XIA H, YUAN S F, ALEXANDER 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: 106767.
[22]	ZHENG D F, WANG Y H, HAO S, et al., 2020. Spatial-temporal variation and tradeoffs/synergies analysis on multiple ecosystem services: A case study in the Three-River Headwaters region of China[J]. Ecological Indicators, 116: 106494.
[23]	邓钰栎, 王丹, 许涵, 2023. 双尺度下广东韶关市生态系统服务及其权衡/协同关系及社会生态驱动因素[J]. 应用生态学报, 34(11): 3073-3084. DOI
	DENG Y Y, WANG D, XU H, 2023. Trade-offs and synergies relationships of ecosystem services and their socio-ecological driving factors under different spatial scales in Shaoguan City, Guangdong, China[J]. Chinese Journal of Applied Ecology, 34(11): 3073-3084. DOI
[24]	董斯齐, 黄翀, 2021. 粤港澳大湾区陆源氮污染来源结构与空间分布[J]. 环境科学, 42(11): 5384-5393.
	DONG S Q, HUANG C, 2021. Land-based nitrogen pollution source structure and spatial distribution in Guangdong-Hong Kong-Macao Greater Bay Area[J]. Environmental Science, 42(11): 5384-5393.
[25]	高阳, 沈振, 张中浩, 等, 2024. 生态系统服务视角下的社会——生态系统耦合模拟研究进展[J]. 地理学报, 79(1): 134-146. DOI
	GAO Y, SHEN Z, ZHANG Z H, et al., 2024. Advance in simulation of social-ecological system coupling under the perspective of ecosystem services[J]. Acta Geographica Sinica, 79(1): 134-146. DOI
[26]	韩会庆, 罗绪强, 游仁龙, 等, 2016. 基于InVEST模型的贵州省珠江流域水质净化功能分析[J]. 南京林业大学学报: 自然科学版, 40(5): 87-92.
	HAN H Q, LUO X Q, YOU R L, et al., 2016. Analysis of water purification function in the Pearl River basin in Guizhou Province using InVEST model[J]. Journal of Nanjing Forestry University (Natural Sciences Edition), 40(5): 87-92.
[27]	林媚珍, 刘汉仪, 周汝波, 等, 2021. 多情景模拟下粤港澳大湾区生态系统服务评估与权衡研究[J]. 地理研究, 40(9): 2657-2669. DOI
	LIN M Z, LIU H Y, ZHOU R B, et al., 2021. Evaluation and trade-offs of ecosystem services in Guangdong-Hong Kong-Macao Greater Bay Area under multi-scenario simulation[J]. Geographical research, 40(9): 2657-2669.
[28]	欧阳芳, 王丽娜, 闫卓, 等, 2019. 中国农业生态系统昆虫授粉功能量与服务价值评估[J]. 生态学报, 39(1): 131-145.
	OU Y F, WANG L N, YAN Z, et al., 2019. Evaluation of insect pollination and service value in China's agricultural ecosystems[J]. Acta Ecologica Sinica, 39(1): 131-145.
[29]	沈中健, 曾坚, 2021. 闽南三市城镇发展与地表温度的空间关系[J]. 地理学报, 76(3): 566-583. DOI
	SHEN Z J, ZENG J, 2021. Spatial relationship of urban development to land surface temperature in three cities of southern Fujian[J]. Acta Geographica Sinica, 76(3): 566-583. DOI
[30]	孙翠清, 赵芝俊, 2016. 中国农业对蜜蜂授粉的依赖形势分析——基于依赖蜜蜂授粉作物的种植情况[J]. 中国农学通报, 32(8): 13-21. DOI
	SUN C Q, ZHAO Z J, 2016. Chinese Agriculture's dependence on bee pollination: Plantation status of crops depending on bee pollination[J]. Chinese Agricultural Science Bulletin, 32(8): 13-21.
[31]	王成武, 罗俊杰, 唐鸿湖, 2023. 基于InVEST模型的太行山沿线地区生态系统碳储量时空分异驱动力分析[J]. 生态环境学报, 32(2): 215-225. DOI
	WANG C W, LUO J J, TANG H H, 2023. Analysis on the driving force of spatial and temporal differentiation of carbon storage in the Taihang Mountains based on InVEST Model[J]. Ecology and Environmental Sciences, 32(2): 215-225.
[32]	王劲峰, 徐成东, 2017. 地理探测器: 原理与展望[J]. 地理学报, 72(1): 116-134. DOI
	WANG J F, XU C D, 2017. Geodetector: Principle and prospective[J]. Acta Geographica Sinic, 72(1): 116-134.
[33]	王晶, 赵文武, 刘月, 等, 2019. 植物功能性状对土壤保持的影响研究述评[J]. 生态学报, 39(9): 3355-3364.
	WANG J, ZHAO W W, LIU Y, et al., 2019. Effects of plant functional traits on soil conservation: A review[J]. Acta Ecologica Sinica, 39(9): 3355-3364.
[34]	王启名, 杨昆, 李立晓, 等, 2023. 滇池流域水文生态系统服务权衡与协同时空异质性及其归因分析[J]. 生态学报, 43(12): 4876-4891.
	WANG Q M, YANG K, LI L X, et al., 2023. Spatial-temporal heterogeneity and attribution analysis of hydrological ecosystem services tradeoffs and synergies in Dianchi Lake Basin[J]. Acta Ecologica Sinica, 43(12): 4876-4891.
[35]	王世豪, 黄麟, 徐新良, 等, 2020. 粤港澳大湾区生态系统服务时空演化及其权衡与协同特征[J]. 生态学报, 40(23): 8403-8416.
	WANG S H, HUANG L, XU X L, et al., 2020. Spatial and temporal evolution of ecosystem services and its trade-offs and synergies in Guangdong-Hong Kong-Macao Greater Bay Area[J]. Acta Ecologica Sinica, 40(23): 8403-8416.
[36]	王万忠, 焦菊英, 1996. 中国的土壤侵蚀因子定量评价研究[J]. 水土保持通报, 16(5): 1-20.
	WANG W Z, JIAO J Y, 1996. Quantitative evaluation on factors influencing soil erosion in China[J]. Bulletin of Soil and Water Conservation, 16(5): 1-20.
[37]	危小建, 辛思怡, 张颖艺, 等, 2023. 不同格网尺度下生态系统服务价值空间分异及其影响因素差异——以大南昌都市圈为例[J]. 生态学报, 43(18): 7585-7597.
	WEI X J, XIN S Y, ZHANG Y Y, et al., 2023. Spatial difference of ecological services and its influencing factors under different scales: Taking the Nanchang Urban Agglomeration as an example[J]. Acta Ecologica Sinica, 43(18): 7585-7597.
[38]	吴隽宇, 张一蕾, 江伟康, 2020. 粤港澳大湾区生态系统碳储量时空演变[J]. 风景园林, 27(10): 57-63.
	WU J Y, ZHANG Y L, JIANG W K, 2020. Spatial-temporal evolution of ecosystem carbon storage in Guangdong-Hong Kong-Macao Greater Bay Area[J]. Landscape Architecture, 27(10): 57-63.
[39]	吴佩君, 刘小平, 黎夏, 等, 2016. 基于InVEST模型和元胞自动机的城市扩张对陆地生态系统碳储量影响评估——以广东省为例[J]. 地理与地理信息科学, 32(5): 2-28.
	WU P J, LIU X P, LI X, et al., 2016. Impact of urban expansion on carbon storage in terrestrial ecosystems based on InVEST Model and CA: A case study of Guangdong Province, China[J]. Geography and Geo-information Science, 32(5): 22-28.
[40]	吴哲, 陈歆, 刘贝贝, 等, 2013. 基于InVEST模型的海南岛氮磷营养物负荷的风险评估[J]. 热带作物学报, 34(9): 1791-1797.
	WU Z, CHEN X, LIU B B, et al., 2013. Risk Assessment of nitrogen and phosphorus loading in Hainan Island based on InVEST Model[J]. Chinese Journal of Tropical Crops, 34(9): 1791-1797.
[41]	杨阳, 窦艳星, 王云强, 等, 2022. 黄土丘陵沟壑区典型小流域生态系统服务权衡与协同关系研究[J]. 生态学报, 42(20): 8152-8168.
	YANG Y, DOU Y X, WANG Y Q, et al., 2022. Ecosystem service tradeoffs and synergies in typical small watersheds of the hilly and gully region of the Loess Plateau[J]. Acta Ecologica Sinica, 42(20): 8152-8168.
[42]	尹礼唱, 王晓峰, 张琨, 等, 2019. 国家屏障区生态系统服务权衡与协同[J]. 地理研究, 38(9): 2162-2172. DOI
	YIN L C, WANG X F, ZHANG K, et al., 2019. Trade-offs and synergy between ecosystem services in National Barrier Zone[J]. Geographical Research, 38(9): 2162-2172.
[43]	张碧天, 闵庆文, 焦雯珺, 等, 2021. 生态系统服务权衡研究进展[J]. 生态学报, 41(14): 5517-5532.
	ZHANG B T, MIN Q W, JIAO W J, et al., 2021. Research progress and perspective on ecosystem services trade- offs[J]. Acta Ecologica Sinica, 41(14): 5517-5532.
[44]	张学锋, 罗岳雄, 梁正之, 2004. 广东蜜源概况及蜜蜂授粉现状[J]. 中国养蜂 (1): 13-14.
	ZHANG X F, LUO Y X, LIANG Z Z, 2004. Overview of nectar sources in Guangdong and the current situation of honey bee pollination[J]. Apiculture of China (1): 13-14.
[45]	张永民, 2007. 生态系统与人类福祉: 评估框架: 千年生态系统评估[M]. 北京: 中国环境科学出版社.
	ZHANG Y M, 2007. Ecosystems and human well-being: Millennium Ecosystem Assessment[M]. Beijing: China Environmental Science Press.
[46]	周璟, 张旭东, 何丹, 等, 2011. 基于GIS与RUSLE的武陵山区小流域土壤侵蚀评价研究[J]. 长江流域资源与环境, 20(4): 468-474.
	ZHOU J, ZHANG X D, HE D, et al., 2011. Soil erosion evaluation of small watershed in Wuling mountain based on GIS and RUSLE[J]. Resources and Environment in the Yangtze Basin, 20(4): 468-474.
[47]	左丽媛, 姜远, 高江波, 等, 2022. 生态保护红线区生态系统服务多维驱动力的定量分离[J]. 地理学报, 77(9): 2174-2188. DOI
	ZUO L Y, JIANG Y, GAO J B, et al., 2022. Quantitative separation of multi-dimensional driving forces of ecosystem services in the ecological conservation red line area[J]. Acta Geographica Sinica, 77(9): 2174-2188. DOI

数据			年份	数据来源
类型	名称	格式	年份	数据来源
土地利用数据	到二级分类的土地利用数据	栅格数据 (30 m)	2000、2010、2020	中国科学院资源环境科学数据中心 (http://www.resdc.cn)
地形数据	DEM数字高程数据	栅格数据 (30 m)		中国科学院资源环境科学数据中心 (http://www.resdc.cn)
地形数据	二级流域	矢量数据		中国科学院资源环境科学数据中心 (http://www.resdc.cn)
气象数据	逐日降雨量数据	txt文档	2000、2010、2020	国家气象信息中心 (http://data.cma.cn)
气象数据	逐月潜在蒸散发数据	栅格数据 (1 km)	2020	国家地球系统科学数据中心 (https://www.geodata.cn)
土地土壤数据	基于世界土壤数据库 (HWSD) 的中国土壤数据集 (v1.1)	栅格数据 (1 km)		国家冰川冻土沙漠科学数据中心 (http://www.ncdc.ac.cn)
植被数据	归一化植被指数	栅格数据 (1 km)	2020	国家地球系统科学数据中心 (https://www.geodata.cn)
社会经济数据	人口密度空间分布数据	栅格数据 (1 km)	2020	美国能源部橡树岭国家实验室 (ORNL) (https://landscan.ornl.gov)
社会经济数据	中国公里网格GDP数据集 (百万元)	栅格数据 (1 km)	2020	国家地球系统科学数据中心 (https://www.geodata.cn)

数据			年份	数据来源
类型	名称	格式	年份	数据来源
土地利用数据	到二级分类的土地利用数据	栅格数据 (30 m)	2000、2010、2020	中国科学院资源环境科学数据中心 (http://www.resdc.cn)
地形数据	DEM数字高程数据	栅格数据 (30 m)		中国科学院资源环境科学数据中心 (http://www.resdc.cn)
地形数据	二级流域	矢量数据		中国科学院资源环境科学数据中心 (http://www.resdc.cn)
气象数据	逐日降雨量数据	txt文档	2000、2010、2020	国家气象信息中心 (http://data.cma.cn)
气象数据	逐月潜在蒸散发数据	栅格数据 (1 km)	2020	国家地球系统科学数据中心 (https://www.geodata.cn)
土地土壤数据	基于世界土壤数据库 (HWSD) 的中国土壤数据集 (v1.1)	栅格数据 (1 km)		国家冰川冻土沙漠科学数据中心 (http://www.ncdc.ac.cn)
植被数据	归一化植被指数	栅格数据 (1 km)	2020	国家地球系统科学数据中心 (https://www.geodata.cn)
社会经济数据	人口密度空间分布数据	栅格数据 (1 km)	2020	美国能源部橡树岭国家实验室 (ORNL) (https://landscan.ornl.gov)
社会经济数据	中国公里网格GDP数据集 (百万元)	栅格数据 (1 km)	2020	国家地球系统科学数据中心 (https://www.geodata.cn)

生态系统服务	模型模块	计算过程
碳储量	InVEST模型碳储存和封存模块	C_i_{_tot}=C_i_{_above}+C_i_{_below}+C_i_{_soil}+C_i_{_dead} C_i_{_tot}——第i种土地利用类型的碳总量 (t∙hm⁻²∙a⁻¹); C_i_{_above}、C_i_{_below}、C_i_{_soil}、C_i_{_dead}——第i种土地利用类型地上植被的碳密度、地下根系植被的碳密度、土壤的碳密度和死亡有机物的碳密度。InVEST碳储量模型计算所需要的碳库数据参考InVEST官方手册和相关文献 (吴佩君等, 2016; 吴隽宇等, 2020)
氮输出量	InVEST模型养分输送模块	X_export_,_i=L_surf_,_i×N_surf_,_i +L_subs_,_i×N_subs_,_i ${{X}_{\mathrm{export }\!\!\_\!\!\text{ tot}}}\mathrm{=}\sum\limits_{i}{{{X}_{\mathrm{export,} i}}}$ 式中: X_{export_tot}——某区域上的氮输出总量 (t∙hm⁻²∙a⁻¹); X_export_{, i}——单位像素i上的氮输出量 (t∙hm⁻²∙a⁻¹); L_surf_,_i和L_subs_,_i——像素i上的地表和地下氮载荷量; N_surf_, _i和N_subs_, _i ——像素i上的氮输出载荷因子。该模块所需参数参考相关区域的文献整理确定 (吴哲等, 2013; 韩会庆等, 2016)
土壤保持量	InVEST模型泥沙输移比例模块	S_conserv,_x=S_rkls,_x−S_usle,_x=R_x×K_x×L_x×1−(C_x×P_x) S_conserv,_x——栅格x的土壤保持量, 计算结果的单位为t∙hm⁻²∙a⁻¹; S_rkls_,x——栅格x的土壤潜在侵蚀量; S_usle,_x——栅格x的土壤实际侵蚀量; R_x——降雨侵蚀力因子 (MJ∙mm∙hm⁻²∙h⁻¹∙a⁻¹); K_x——土壤侵蚀因子 (t∙hm²∙h∙hm⁻²∙MJ⁻¹∙mm⁻¹); C_x——作物/植被覆盖和管理因子; P_x——水土保持措施因子。其中土壤保持模块所需要的生物物理属性表的参数来源于官网提供的模型参考数据和相似地区的研究成果 (王万忠等, 1996; 周璟等, 2011)。L_x——坡度坡长因子, 由InVEST模型自动计算, 流域采用中国二级流域数据
授粉者丰度	InVEST模型授粉模块	${{P}_{x\beta }}\mathrm{=}{{N}_{j}}\frac{\sum\nolimits_{m=1}^{M}{{{F}_{jm}}{{\mathrm{e}}^{-{{D}_{mx}}/{{\alpha }_{\beta }}}}}}{\sum\nolimits_{m=1}^{M}{{{\mathrm{e}}^{-{{D}_{mx}}/{{\alpha }_{\beta }}}}}}$ ${{P}_{ox\beta }}\mathrm{=}\frac{{{P}_{x\beta }}{{\mathrm{e}}^{-{{D}_{ox}}\alpha \beta }}}{\sum\nolimits_{m=1}^{M}{{{\mathrm{e}}^{-{{D}_{ox}}/{{\alpha }_{\beta }}}}}}$ x——单元栅格; β——物种; N_j ——土地利用类型j筑巢的重要性; F_j ——土地利用类型j产生的花卉资源的相对数量; D_mx——单元格m和x之间的欧氏距离; α_β——传粉者β的预期觅食距离; P_x_β——传粉者类型β在栅格x上的供应量; D_ox——栅格x到农业栅格o之间的距离; α_β——传粉者种类β的标准觅食距离。其中，模型所需要的土地利用属性表和传粉属性数据参考官网提供的模型参考数据和相似地区的研究成果 (Groff et al., 2016; 张学锋等, 2004; 欧阳芳等, 2019)

生态系统服务	模型模块	计算过程
碳储量	InVEST模型碳储存和封存模块	C_i_{_tot}=C_i_{_above}+C_i_{_below}+C_i_{_soil}+C_i_{_dead} C_i_{_tot}——第i种土地利用类型的碳总量 (t∙hm⁻²∙a⁻¹); C_i_{_above}、C_i_{_below}、C_i_{_soil}、C_i_{_dead}——第i种土地利用类型地上植被的碳密度、地下根系植被的碳密度、土壤的碳密度和死亡有机物的碳密度。InVEST碳储量模型计算所需要的碳库数据参考InVEST官方手册和相关文献 (吴佩君等, 2016; 吴隽宇等, 2020)
氮输出量	InVEST模型养分输送模块	X_export_,_i=L_surf_,_i×N_surf_,_i +L_subs_,_i×N_subs_,_i ${{X}_{\mathrm{export }\!\!\_\!\!\text{ tot}}}\mathrm{=}\sum\limits_{i}{{{X}_{\mathrm{export,} i}}}$ 式中: X_{export_tot}——某区域上的氮输出总量 (t∙hm⁻²∙a⁻¹); X_export_{, i}——单位像素i上的氮输出量 (t∙hm⁻²∙a⁻¹); L_surf_,_i和L_subs_,_i——像素i上的地表和地下氮载荷量; N_surf_, _i和N_subs_, _i ——像素i上的氮输出载荷因子。该模块所需参数参考相关区域的文献整理确定 (吴哲等, 2013; 韩会庆等, 2016)
土壤保持量	InVEST模型泥沙输移比例模块	S_conserv,_x=S_rkls,_x−S_usle,_x=R_x×K_x×L_x×1−(C_x×P_x) S_conserv,_x——栅格x的土壤保持量, 计算结果的单位为t∙hm⁻²∙a⁻¹; S_rkls_,x——栅格x的土壤潜在侵蚀量; S_usle,_x——栅格x的土壤实际侵蚀量; R_x——降雨侵蚀力因子 (MJ∙mm∙hm⁻²∙h⁻¹∙a⁻¹); K_x——土壤侵蚀因子 (t∙hm²∙h∙hm⁻²∙MJ⁻¹∙mm⁻¹); C_x——作物/植被覆盖和管理因子; P_x——水土保持措施因子。其中土壤保持模块所需要的生物物理属性表的参数来源于官网提供的模型参考数据和相似地区的研究成果 (王万忠等, 1996; 周璟等, 2011)。L_x——坡度坡长因子, 由InVEST模型自动计算, 流域采用中国二级流域数据
授粉者丰度	InVEST模型授粉模块	${{P}_{x\beta }}\mathrm{=}{{N}_{j}}\frac{\sum\nolimits_{m=1}^{M}{{{F}_{jm}}{{\mathrm{e}}^{-{{D}_{mx}}/{{\alpha }_{\beta }}}}}}{\sum\nolimits_{m=1}^{M}{{{\mathrm{e}}^{-{{D}_{mx}}/{{\alpha }_{\beta }}}}}}$ ${{P}_{ox\beta }}\mathrm{=}\frac{{{P}_{x\beta }}{{\mathrm{e}}^{-{{D}_{ox}}\alpha \beta }}}{\sum\nolimits_{m=1}^{M}{{{\mathrm{e}}^{-{{D}_{ox}}/{{\alpha }_{\beta }}}}}}$ x——单元栅格; β——物种; N_j ——土地利用类型j筑巢的重要性; F_j ——土地利用类型j产生的花卉资源的相对数量; D_mx——单元格m和x之间的欧氏距离; α_β——传粉者β的预期觅食距离; P_x_β——传粉者类型β在栅格x上的供应量; D_ox——栅格x到农业栅格o之间的距离; α_β——传粉者种类β的标准觅食距离。其中，模型所需要的土地利用属性表和传粉属性数据参考官网提供的模型参考数据和相似地区的研究成果 (Groff et al., 2016; 张学锋等, 2004; 欧阳芳等, 2019)

生态系统服务	年份
生态系统服务	2000年	2010年	2020年
碳储量/(t∙hm⁻²)	37.20	36.39	36.10
氮输出量/(kg∙hm⁻²)	1.45	1.51	1.51
土壤保持量/(t∙hm⁻²)	9161	9583	7958
授粉者丰度	0.36	0.35	0.34

Mutual Feedback Relationships and Mechanisms of Ecosystem Four Regulating Services in the Greater Bay Area of Guangdong, Hongkong and Macao

粤港澳大湾区4种生态系统调节服务的互馈关系及机制

RichHTML

PDF

Knowledge

Abstract

Cite this article

share this article

Figures/Tables 11

References 47

Related Articles 7

Recommended Articles

Metrics

Comments

因变量	自变量	空间回归系数均值		因变量	自变量	空间回归系数均值
因变量	自变量	千米格网尺度	二级流域尺度	因变量	自变量	千米格网尺度	二级流域尺度
碳储量	氮输出量	−0.641	−2.863	氮输出量	碳储量	−0.206	−0.209
碳储量	土壤保持量	3.602	21.639	土壤保持量	碳储量	0.032	0.011
碳储量	授粉者丰度	1.172	1.313	授粉者丰度	碳储量	0.389	0.608
氮输出量	土壤保持量	−1.143	−3.840	土壤保持量	氮输出量	−0.038	−0.021
授粉者丰度	氮输出量	−0.262	−1.653	氮输出量	授粉者丰度	−0.204	−0.285
授粉者丰度	土壤保持量	1.490	12.055	土壤保持量	授粉者丰度	0.027	0.018

因变量		研究尺度	自变量
因变量		研究尺度	X₁	X₂	X₃	X₄	X₅	X₆	X₇	X₈
碳储量	∩氮输出量	千米格网	0.657	0.678	0.617	0.704	0.623	0.634	0.684	0.669
	∩氮输出量	二级流域	0.919	0.919	0.802	0.966	0.744	0.899	0.857	0.868
	∩土壤保持量	千米格网	0.473	0.506	0.441*	0.532	0.451	0.467	0.491	0.481
	∩土壤保持量	二级流域	0.882	0.852	0.839*	0.963	0.833	0.860	0.883	0.920
	∩授粉者丰度	千米格网	0.696	0.712	0.685*	0.697	0.690	0.696	0.705	0.704
	∩授粉者丰度	二级流域	0.963	0.965	0.969*	0.969	0.958	0.971	0.969	0.970
氮输出量	∩碳储量	千米格网	0.668	0.654	0.673	0.649	0.668	0.645	0.646	0.645
	∩碳储量	二级流域	0.753	0.693	0.788*	0.662	0.714	0.665	0.828	0.847
	∩土壤保持量	千米格网	0.203	0.213	0.226*	0.213	0.217	0.204	0.299	0.298
	∩土壤保持量	二级流域	0.588	0.461	0.739*	0.608	0.639	0.591	0.770	0.804
	∩授粉者丰度	千米格网	0.231	0.234	0.237*	0.233	0.227.0	0.219	0.333	0.331
	∩授粉者丰度	二级流域	0.765	0.727	0.824*	0.702	0.737	0.718	0.818	0.831
土壤保持量	∩碳储量	千米格网	0.177	0.195	0.152	0.144	0.150	0.170	0.147	0.169
	∩碳储量	二级流域	0.803	0.842	0.812	0.713	0.774	0.771	0.689	0.717
	∩氮输出量	千米格网	0.213	0.244	0.175*	0.189	0.180	0.216	0.188	0.209
	∩氮输出量	二级流域	0.787	0.879	0.795*	0.731	0.679	0.860	0.727	0.744
	∩授粉者丰度	千米格网	0.165	0.192	0.150*	0.136	0.136	0.167	0.140	0.164
	∩授粉者丰度	二级流域	0.751	0.848	0.809*	0.682	0.744	0.773	0.671	0.712
授粉者丰度	∩碳储量	千米格网	0.839	0.835	0.764	0.836	0.787	0.779	0.803	0.784
	∩碳储量	二级流域	0.962	0.959	0.965	0.959	0.960	0.960	0.967	0.965
	∩氮输出量	千米格网	0.545	0.520	0.402*	0.596	0.435	0.419	0.565	0.514
	∩氮输出量	二级流域	0.933	0.915	0.873*	0.958	0.792	0.886	0.893	0.882
	∩土壤保持量	千米格网	0.531	0.532	0.439*	0.577	0.469	0.451	0.530	0.493
	∩土壤保持量	二级流域	0.888	0.863	0.876*	0.961	0.851	0.852	0.921	0.932

[1]	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.
[2]	HE Yanhu, GONG Zhenjie, WU Haibin, CAI Yanpeng, YANG Zhifeng, CHEN Xiaohong. Spatiotemporal Evolution of Urban Eco-efficiency and Its Influencing Factors in Guangdong-Hong Kong-Macao Greater Bay Area [J]. Ecology and Environment, 2023, 32(3): 469-480.
[3]	RUAN Huihua, XU Jianhui, ZHANG Feifei. Spatiotemporal Changes of Vegetation and Land Surface Temperature during 2001 and 2020 in the Guangdong-Hong Kong-Macao Greater Bay Area of China [J]. Ecology and Environment, 2022, 31(8): 1510-1520.
[4]	WEI Jiayi, LI Cheng, WU Zhifeng, ZHANG Li, JI Dongqing, CHENG Jiong. Identifying Ecological Security Patterns and Prioritizing Ecological Corridors in the Guangdong-Hong Kong-Macao Greater Bay Area [J]. Ecology and Environment, 2022, 31(4): 652-662.
[5]	XUAN Jin, LI Zuchan, ZOU Cheng, QIN Zibo, WU Yahua, HUANG Liujing. Multi-scale Effects of Central Bar Landscape Class and Pattern on Plant Diversity in Minjiang River: The Case of Minjiang River Basin (Fuzhou Section) Planning [J]. Ecology and Environment, 2022, 31(12): 2320-2330.
[6]	LIAO Tong, XIONG Xin, WANG Zaihua, YANG Xiajie, HUANG Yingnan, FENG Jiaying. The Experience of Prevention and Control of Air Pollution in International Advanced Bay Areas and Its Enlightenment to Guangdong-Hong Kong-Macao Greater Bay Area in China [J]. Ecology and Environment, 2022, 31(11): 2242-2250.
[7]	HU Lin, LI Siyue. Scale Effects of Land Use Structure and Landscape Pattern on Water Quality in the Longchuan River Basin [J]. Ecology and Environment, 2021, 30(7): 1470-1481.

自变量－影响因子 (X)		因变量
		千米格网尺度				二级流域尺度
		碳储量	氮输出量	土壤保持量	授粉者丰度	碳储量	氮输出量	土壤保持量	授粉者丰度
自然因子	年均温度	0.329	0.098	0.143	0.441	0.749	0.326	0.625	0.756
	高程	0.431	0.160	0.183	0.459	0.820	0.368	0.802	0.801
	年均降雨量	0.043	0.041	0.037	0.068	0.201	0.273	0.238	0.196
	归一化植被指数	0.473	0.167	0.114	0.551	0.945	0.546	0.565	0.934
	年均蒸发量	0.154	0.066	0.076	0.215	0.392	0.277	0.386	0.408
	坡度	0.288	0.128	0.135	0.274	0.836	0.462	0.743	0.805
社会经济因子	年均生产总值	0.322	0.252	0.095	0.434	0.734	0.680	0.514	0.806
社会经济因子	人口密度	0.321	0.256	0.138	0.384	0.744	0.671	0.526	0.753
生态系统服务因子	碳储量	－	0.565	0.122	0.743	－	0.598	0.566	0.945
	氮输出量	0.589	－	0.137	0.344	0.641	－	0.343	0.636
	土壤保持量	0.426	0.174	－	0.401	0.752	0.370	－	0.743
	授粉者丰度	0.678	0.180	0.111	－	0.946	0.615	0.564	－

自变量－影响因子 (X)		因变量
		千米格网尺度				二级流域尺度
		碳储量	氮输出量	土壤保持量	授粉者丰度	碳储量	氮输出量	土壤保持量	授粉者丰度
自然因子	年均温度	0.329	0.098	0.143	0.441	0.749	0.326	0.625	0.756
	高程	0.431	0.160	0.183	0.459	0.820	0.368	0.802	0.801
	年均降雨量	0.043	0.041	0.037	0.068	0.201	0.273	0.238	0.196
	归一化植被指数	0.473	0.167	0.114	0.551	0.945	0.546	0.565	0.934
	年均蒸发量	0.154	0.066	0.076	0.215	0.392	0.277	0.386	0.408
	坡度	0.288	0.128	0.135	0.274	0.836	0.462	0.743	0.805
社会经济因子	年均生产总值	0.322	0.252	0.095	0.434	0.734	0.680	0.514	0.806
社会经济因子	人口密度	0.321	0.256	0.138	0.384	0.744	0.671	0.526	0.753
生态系统服务因子	碳储量	－	0.565	0.122	0.743	－	0.598	0.566	0.945
	氮输出量	0.589	－	0.137	0.344	0.641	－	0.343	0.636
	土壤保持量	0.426	0.174	－	0.401	0.752	0.370	－	0.743
	授粉者丰度	0.678	0.180	0.111	－	0.946	0.615	0.564	－