政策干预下山西省生态系统服务的时空异质性及其驱动机制解析

《Environmental and Sustainability Indicators》：Spatiotemporal heterogeneity of ecosystem services in the context of policy intervention in Shanxi Province

　　本研究针对资源依赖型区域生态系统服务（CES）时空相互作用及政策驱动机制认识不足的问题，以山西省（2000-2023年）为案例，综合运用时空立方体、新兴热点分析、GeoDetector（GD）和地理加权回归（GWR）等方法，揭示了CES的时空演变规律及多尺度驱动机制。研究发现，CES整体呈上升趋势，但存在显著空间异质性，最优探测尺度为10 km。自然因子（如NDVI）是CES的主要驱动力，而社会经济因子（如GDP、HFP）的影响日益凸显且空间分异显著。研究强调了将生态成本纳入国民经济核算、加强生态功能区管理以及优化城市绿地规划对于实现区域可持续发展的重要性，为资源型省份的生态保护与政策制定提供了科学依据。

　　

在人类活动深刻影响地球系统的时代，如何协调经济发展与生态保护成为可持续发展的核心挑战。资源依赖型区域，如中国的山西省，长期以煤炭资源开采为支柱产业，在支撑国家能源安全的同时，也付出了生态退化的沉重代价：地表沉陷、水土流失、植被破坏等问题日益突出，生态系统结构与功能受到严重干扰。尽管已有大量研究关注生态系统服务的评估，但对于在政策干预背景下，多重驱动因子如何共同塑造资源依赖型区域生态系统服务的时空动态，仍缺乏系统性的认识。特别是，政策调控在生态轨迹形成中的作用尚不明确，这限制了对症下药的保护策略的制定。为了填补这一空白，一项发表在《Environmental and Sustainability Indicators》上的研究，以山西省为典型范例，深入探究了2000年至2023年间政策驱动环境下综合生态系统服务（CES）的动态变化。

为了回答上述问题，研究人员开展了一项综合性研究。他们首先构建了1公里分辨率的时空立方体，以捕捉CES的连续时空动态。在此基础上，采用时间序列聚类识别CES的变化轨迹，并运用新兴热点分析（结合Getis–Ord Gi*统计量和Mann–Kendall趋势检验）在多尺度上（1-30公里邻域距离）探测CES的时空演变格局，最终确定10公里为最优分析尺度。为了解析驱动机制，研究团队结合了两种空间统计方法：地理探测器（GeoDetector, GD）用于量化各驱动因子的全局解释力及其交互作用，而地理加权回归（Geographically Weighted Regression, GWR）则用于揭示驱动因子影响的局部空间异质性。同时，研究人员系统梳理了与CES相关的政策，并结合驱动因子的时空演化，定性评估了政策的调控路径和影响强度。研究所用的数据包括土地利用、气象（降水、潜在蒸散）、地形（DEM、坡度）、植被（NDVI）、社会经济（GDP、人口密度）以及人类足迹等多种来源的空间数据。

4.1. CES的时间序列聚类分析

基于时空立方体的分析显示，山西省CES在2000-2023年间呈现显著上升趋势。时间序列聚类将CES动态划分为两类具有明显差异的模式。第一类分布在人类活动密集的盆地（如大同、太原、临汾盆地）和西部低山丘陵区，其CES初始值较低（0.3-0.4）但增长趋势强劲。第二类则集中在生态本底较好的高山地区（如吕梁山、太行山），其CES初始值较高（0.6-0.7）但增长趋势相对平缓，部分区域趋于稳定。这表明生态本底优越的区域其CES提升空间可能受限，而人类活动区通过有效干预可实现CES的快速提升。

4.2. 多尺度新兴热点分析结果

新兴热点分析结果表明，CES的热点区（高值聚集区）与冷点区（低值聚集区）空间分异明显。热点区主要以山地为核心，并向周边过渡，其类型以“增强型热点”和“不稳定型热点”为主，表明这些核心生态功能区CES持续较高但存在波动风险。冷点区则呈带状分布于各大盆地及西部丘陵，类型包括“增强型冷点”、“持续型冷点”和“衰减型冷点”，反映了这些区域CES长期偏低，部分区域甚至持续恶化，而部分区域（如西部丘陵）则出现改善迹象。尺度效应分析发现，当邻域距离达到10公里时，空间自相关指标（H₉₅(d), T(d), Moran's I）的相对边际增益降至5%以下，表明10公里是捕捉山西省CES时空异质性的最优尺度。

4.3. 基于模型的CES驱动因子分析

4.3.1. 基于地理探测器（GD）的分析

地理探测器的因子探测结果显示，从全局看，NDVI对CES的解释力（q值）最高，其次是土地利用强度（LUI）和年均降水量（Pre）。然而，在热点区和冷点区，主导驱动因子有所不同：热点区以LUI和NDVI为主导，而冷点区则以LUI、坡度和人类足迹（HFP）为主导。交互作用探测进一步揭示，任何两个因子的交互作用均表现为非线性增强或双因子增强，表明CES的变化是多种因子协同作用的结果。时序变化上，2000-2020年间，地形（DEM、坡度）和社会经济因子（GDP、人口密度POP、HFP）的解释力呈上升趋势，而自然因子（Pre、NDVI、LUI）的解释力有所下降，暗示社会经济活动对CES的影响日益凸显。

4.3.2. 地理加权回归（GWR）的构建与结果

GWR模型的诊断指标（R2 > 0.699, AIC降低）优于普通最小二乘回归，且残差空间自相关不显著，表明GWR能有效捕捉CES驱动机制的空间非平稳性。回归系数分析显示，NDVI是CES最稳定的正向驱动因子，但其正向影响在山区更强，在城市化区域则不确定性增加。坡度与CES主要呈正相关，而HFP和POP则主要呈负相关。GDP和LUI的影响方向则表现出复杂的空间异质性，在部分区域为正，部分区域为负。时序上，NDVI的正向影响在2010年后有所减弱，而HFP的负向影响则在加强。

4.4. 基于GWR的CES驱动因子时空异质性

4.4.1. 自然因子对CES的影响

DEM和坡度在大部分区域与CES呈正相关，高海拔和陡坡地区通常生态质量较好。NDVI的正向效应在植被覆盖度高的山区（如吕梁山、太行山）最为显著，但在盆地城市区影响不确定。降水（Pre）在降雨相对充沛的晋南地区（如临汾、运城）与CES正相关，但在降雨较少的晋北地区（如大同、朔州）关系则较复杂。2000-2020年间，DEM的影响范围有所扩大，而NDVI的边际效应在山区出现减弱迹象。

4.4.2. 社会经济因子对CES的影响

GDP对CES的影响方向存在显著空间变异。在煤炭资源密集区（如大同、朔州），GDP与CES持续负相关，反映资源依赖型经济的生态代价。而在部分经过产业升级和生态修复的山区（如吕梁山西部），GDP的影响由负转正。人口密度（POP）和人类足迹（HFP）在绝大多数地区与CES呈负相关，且这种负向效应随时间推移在加强，表明人类活动压力的累积效应。土地利用强度（LUI）的影响方向不一，其影响不仅取决于强度高低，更与土地利用的优化和管理有效性相关。

5. 讨论

研究结果揭示了政策干预在塑造CES时空动态中的关键作用。退耕还林、煤矿资源整合、生态保护红线划定、“三区三线”管控等一系列政策，通过影响NDVI、LUI、HFP等驱动因子，间接调控了CES的演变轨迹。例如，植被恢复政策（如退耕还林）在实施初期显著提升了NDVI及其对CES的正向贡献，但随植被覆盖接近饱和，其边际效应出现递减。这表明未来生态修复应更注重提升生态系统质量（如优化林分结构、提升生物多样性），而非单纯追求植被覆盖度的量的增长。对于GDP，政策引导下的产业转型在部分区域成功实现了经济发展与生态改善的协同（GDP影响由负转正），但在另一些资源依赖度高的区域，经济增长仍以牺牲生态为代价（GDP持续负相关）。这凸显了将生态系统服务价值纳入国民经济核算体系（如绿色GDP）的重要性，从而内在化生态成本。HFP的空间异质性则反映了政策执行力度和配套措施的差异，在生态红线区内，受控的人类活动（如生态旅游）可能产生正向效应，而在生态脆弱区与矿区重叠地带，历史欠账和持续扰动导致HFP的负向影响强烈。因此，未来需加强对关键生态功能区和脆弱区的精准保护与修复，并在城市规划中强化绿地空间布局，以缓解人类活动压力。

6. 结论

本研究系统解析了政策干预下山西省综合生态系统服务（CES）的时空异质性及其驱动机制。研究发现CES整体改善但空间分异明显，10公里是识别其时空格局的最优尺度。自然因子（尤其是NDVI）是CES的主要驱动力，而社会经济因子（如GDP、HFP）的影响日益显著且存在空间异质性。政策通过调控这些驱动因子，深刻影响了CES的演变路径。研究强调，在资源依赖型区域，单一的植被恢复策略不足以应对复杂的生态挑战，政策重点应从增加NDVI转向提升生态系统整体质量。将生态成本纳入经济规划、强化生态功能区管理、优化城市绿色空间规划，对于协同提升GDP和CES、实现区域可持续发展至关重要。该研究为资源型省份制定差异化的生态保护与恢复策略、完善生态补偿机制提供了科学依据。