干旱内陆河流域生态系统服务空间权衡与协同作用分析.docx

该【干旱内陆河流域生态系统服务空间权衡与协同作用分析 】是由【科技星球】上传分享，beplayapp体育下载一共【37】页，该beplayapp体育下载可以免费在线阅读，需要了解更多关于【干旱内陆河流域生态系统服务空间权衡与协同作用分析 】的内容，可以使用beplayapp体育下载的站内搜索功能，选择自己适合的beplayapp体育下载，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此beplayapp体育下载到您的设备，方便您编辑和打印。干旱内陆河流域生态系统服务空间权衡与协同作用分析??潘竟虎,李真?干旱内陆河流域生态系统服务空间权衡与协同作用分析潘竟虎,李真(西北师范大学地理与环境科学学院,兰州730070)为了测度生态系统服务的空间权衡/协同关系,该文以干旱内陆河流域典型地区嘉峪关-酒泉地区为研究区,对其2000年和2010年食物供给、碳储存、水源涵养和土壤保持4种生态系统服务物质量进行定量测算。利用相关分析法和空间热点制图等方法,分析了生态系统服务时空变化,从县域尺度和区域尺度上分析了生态系统服务之间的权衡协同关系,识别了某种服务的物质量或价值量极高的热点区。结果表明:研究区单位面积食物供给的高值区分布在中东部的肃州区及嘉峪关市,碳储存表现为东部及南部较高的分布格局;土壤保持在2000年和2010年变化不大,呈现出从西到东逐渐增大的分布趋势;/(m2·a)/(m2·a)。县域尺度上,各种生态系统服务之间大多为协同关系,其中食物-碳和水源-碳之间的协同程度较高;区域尺度上,食物供给和土壤保持、水源涵养和土壤保持生态系统服务间存在此消彼长的权衡关系。%%。该研究结果可为制定差别化的区域发展与生态保护双赢政策提供科学参考。生态;地貌;遥感;生态系统服务;权衡与协同;嘉酒地区;干旱内陆河0引言人类社会永续发展在很大程度上取决于持续供给的生态系统服务。生态系统服务定义为人类从自然、半自然或人工生态系统中所获得的种类众多的产品及服务等惠宜[1]。生态系统服务存在多样化的类型、不均衡性的空间分布,加之人类对生态系统服务使用和管理的选择性、多样性,生态系统服务之间往往存在着复杂的相互作用,表现为为此消彼长的权衡(trade-offs)和相互促进的协同(synergies或co-benefits)[2-3]。如果某类生态系统服务供给受其它类型生态系统服务获取的增加而减少,称之为权衡;反之,如果2种或多种生态系统服务同时增强,则称为协同[4]。洞悉生态系统服务权衡与协同的形成机制、表现类型、尺度依存和空间差异,对于实现区域社会经济发展与生态保护“双赢”,科学引导人类理性开发利用自然资源等活动具有重大意义。但是,当前学术界针对生态系统服务权衡/协同的研究尚处于起步阶段,急需在多种空间尺度上进行生态系统服务权衡/协同关系研究,以支持生态系统服务的管理和规划[5-6]。21世纪初以来,国内外学者开展了大量生态系统服务权衡/协同关系研究。从研究内容来看,主要集中在生态系统服务权衡/协同的理论基础、表现形式、驱动机制、尺度效应、效益优化以及不确定性研究[7]。学者们将生态系统服务的偏好优先度从高到低归纳为以下4种:供给服务、调节服务、文化服务和支持服务[8]。发现生态系统服务权衡具有空间上和时间上的可逆性和外部性等特征[9],并从地理学视角认为[10],生态系统服务的时空分异性[11]、生态系统服务供给和受益的区域差异及空间流动[12]、多尺度综合效应分析与模拟[13]、权衡/协同关系的自然和人文驱动因素[14]等,既是学科理论基础,也是主要研究的切入点。从研究方法来看,现有生态系统服务/权衡研究方法可概括为4类[15]:统计学方法、GIS空间分析方法、情景模拟和生态系统服务流动性分析方法。常用的生态系统服务权衡模型包括InVEST、ARIES、EcoAIM、ESValue、Envisio、EPM、NAIS等[16]。尽管取得了很大进展,但还存在以下问题[7]:研究内容上,生态系统服务分类体系不统一,存在着重复和遗漏,造成了生态系统服务权衡研究的不确定性。研究方法上,生态系统服务权衡/协同的数量模型缺乏。研究视角上,生态系统服务权衡与协同的驱动机制研究不够深入。研究尺度上,虽然学者们分别从全球、洲际、国家、地区和流域尺度开展了研究,然而从某个尺度上获得的权衡/协同关系往往与另一尺度上获得的结果存在差异。研究实践上,现有研究案例不能很好地指导生态规划和生态补偿实践,与具体政策执行相脱节。在这种背景下,从全球尺度到局地小尺度,诸多生态系统服务空间权衡/协同的重要科学问题亟需在不同区域上开展研究案例,继而进行总结与提升。中国干旱区面积占国土面积的三分之一,且以区域内不足10%的绿洲支撑了85%的人口和经济产出。干旱内陆河流域由于自然条件限制,生态环境极其脆弱,加之人口的持续增长和社会经济的快速发展,对于资源的利用强度不断增大,近几十年来,各大内陆河流域普遍出现了上游水源植被退化、涵养功能下降,中游地下水位下降、用水矛盾突出,下游沙漠化等问题。近年来,诸多学者[17-21]已对塔里木河、石羊河、黑河等流域的生态系统服务及其质量进行了研究,但多数研究只是通过对流域土地利用和景观生态格局的时空变化反映流域生态环境质量的变化,或是简单利用他人在青藏高原或全球尺度上建立的生态系统服务价值测算标准,估算流域生态服务价值[22]。嘉峪关-酒泉地区(以下简称嘉酒地区)作为内陆河流域生态环境脆弱区的典型代表,研究其生态系统服务空间权衡/协同关系,可为区域生态恢复治理提供基础性参考,为区域间、流域上下游间的生态补偿和生物多样性保护提供科学依据。1研究区概况嘉酒地区位于甘肃省西北部,河西走廊西端的阿尔金山、祁连山与马鬃山之间,地处38°19′~42°47′N、92°45′~100°15′E,,约占甘肃省面积的42%。由酒泉和嘉峪关2个地级市组成,行政上包括酒泉市所辖7个县(市、区)和嘉峪关市(图1)。嘉酒地区地势南高北低,自西南向东北倾斜。南部祁连山地区是本区河流发源地,中部为河流洪冲积扇平原,北部多为砾质和沙质戈壁区。境内河流分疏勒河、黑河、哈尔腾河3大水系,。本区属大陆性干旱气候,干燥寒冷,降水奇缺,~℃,年日照总时数达3300h。降水量由南向北递减,蒸发量较大,干旱多风。嘉酒地区是甘肃省确立的“中心带动,两翼齐飞”区域发展战略中的“西翼”。2016年末,嘉酒地区总人口约136万,地区生产总值753亿元。由于嘉峪关市是不辖任何县区的地级市,为了行文方便,本文在县域尺度层面分析时,将嘉峪关市看作1个单元,与酒泉市所辖的7县(市、区)一起进行对比分析。嘉酒地区是河西走廊乃至甘肃省重要的生态屏障,2014年被列入国家生态安全屏障综合试验区重点建设区域。疏勒河和讨赖河流域自汉代以来就一直是著名的“粮仓”,灌溉农业发达。嘉酒地区自1996年起开始执行农业灌溉暨移民安置综合开发项目,安置了甘肃中、,使得流域的人口和耕地面积激增。近年来,随着中国最大的千万千瓦级风力发电基地和甘肃省最大的光伏发电基地、煤化工、电解铝、钢铁产业在流域大规模建设,流域生态压力进一步增大。《千年生态系统评估》[23]所提出的生态系统服务分类方案,并遵循全面性、重要性、数据可获取性的原则,选择食物供给、碳储存、土壤保持和水源涵养4种生态系统服务类型作为嘉酒地区空间权衡与协同研究的对象。之所以选取这4种生态系统服务类型,一方面是考虑到嘉酒地区的实际,这4种生态系统服务是与研究区人类生活息息相关的,是嘉酒地区生态系统供给给人类的4大关键服务。嘉酒地区是甘肃省河西走廊商品粮基地的重要组成部分,也是甘肃优质棉花、甜菜、瓜类、水果的主要产地,疏勒河和讨赖河流域历史上就是水草丰美的灌溉农业区。肃北县和阿克塞县被列入国家重点生态功能区中的祁连山冰川与水源涵养生态功能区,主要生态功能是水源涵养。疏勒河和讨赖河下游是《全国生态环境保护纲要》划定的重要土壤保持区。疏勒河、哈尔腾河、党河、讨赖河等流域大面积分布的草原、绿洲、森林植被也是重要的“碳源”。另一方面,粮食紧缺、水资源不足、土壤流失严重、沙漠化、乱砍乱伐等一系列的问题,是全世界密切关注的问题,也是干旱内陆河流域所面临的共性生态问题。不同生态系统服务的测算模型如下。,按照其质量转化为相应的能量。其中,奶类和食草动物肉类对应的土地利用类型为草地,粮食、油料、甜菜、蔬菜和水果对应的土地利用类型为耕地,水产品对应的土地利用类型为水域。具体的测算公式为[24]式中P为区域提供的食物总能量,MJ;A为区域内食物在土地利用类型中所占面积,m2;P为对应的食物的单位面积供给量,kJ/m2。根据式(1)及各参数所代表的具体含义,可以算出某一区域内食物在单位面积的供给量,计算公式为式中Y为不同食物类型的产量,kg;E为不同食物所含的热量kJ/kg。(RUSLE)对嘉酒地区的土壤保持能力进行测算。首先,在裸地的情形下计算各种土地利用类型潜在的土壤侵蚀量RKLS,计算式为RKLS=LS(3)式中为降雨侵蚀力因子,MJ·mm/(hm2·h·a);为土壤可蚀性因子,t·hm2·h/(hm2·MJ·mm);LS为通过数字高程模型(DEM)测算得到的坡度及坡长因子,无量纲。其次,在植被覆盖及工程措施等情形下计算潜在土壤流失量USLE,计算式为[25]USLE=LS(4)式中表示植被覆盖和管理因子,表示工程措施因子。根据上述在裸地情形及工程措施情形2类情况下的结果,得到土壤保持量SD,t/(hm2·a),计算式为SD=RKLS-USLE(5)根据式(5),土壤保持量即可以通过潜在土壤侵蚀量减去潜在土壤流失量得到。采用Wischmeier等[26]提出的月尺度计算降雨侵蚀力因子。并且为了避免单年数据的低代表性又要与2期的土地利用数据相对应,本文采用2个时段的5a平均降雨量数据1996-2000年和2006-2010年,来分别计算2000年和2010年的因子,计算式为[26]式中为年平均降水量,mm/a;Y为月平均降水量,mm/月。由于RUSLE中的单位是英制单位,1000ft×t×in/(ac×h×a),×mm/(hm2×h×a),=1,2,…,12。因子一般采用诺谟图确定,计算过程中需要用到土壤渗透指数和土壤结构指数,由于难以获得研究区的这2个数据,本文采用Williams等[27]提出的利用土壤有机碳数据和土壤颗粒组成数据进行计算的方法,公式为LS因子计算时,经过多次试验[25],本文将坡度边坡阈值设定为25°(%),当坡度小于该阈值时,计算式为[28]