张家口市生态系统服务权衡–协同关系分析及情景优选

Acta Scientiarum Naturalium Universitatis Pekinensis, Vol. 62, No. 2 (Mar. 2026)

国家自然科学基金(42301288)和河南省哲学社会科学规划项目(2022BJJ110)资助

中国农业大学土地科学与技术学院, 北京 100193; †通信作者, E-mail: xmoonq@sina.com

摘要为保障首都重点水源涵养区和京津冀生态安全屏障功能, 以张家口市为研究对象, 集成 PLUS 模型、地理加权回归(GWR)模型, 量化 2000—2020 年并预测 2030 年不同发展情景下土地利用变化与防风固沙、粮食生产、土壤保持和水源涵养 4 类生态系统服务及其权衡–协同关系, 基于权衡–协同视角, 筛选适宜张家口市发展的最优情景, 得到如下结果。1)2000—2020 年, 张家口市林地面积扩张 40.63%, 耕地、草地和水域显著减少, 生态系统服务间的空间冲突加剧, 权衡关系成为主要特征。2)自然发展、耕地保护、生态保护及综合发展 4 种情景的模拟结果显示, 生态系统服务在 4 种情景下均呈现优化趋势, 粮食生产服务与生态调节服务间的冲突较为突出, 生态保护情景提升了防风固沙与水源涵养服务间的协同效应, 综合发展情景提高了粮食生产与多种生态调节服务间的协同效应。3)综合发展情景综合考虑了经济发展、耕地保护和生态保护之间的协同发展关系, 是适宜张家口市发展的最优情景, 未来需优先推进张家口市综合发展规划的实施。

关键词 生态系统服务; 权衡与协同; 情景优选; 土地利用模拟; 张家口市

生态系统服务是自然生态系统通过结构组分及功能过程产生的综合效益, 也是维护区域生态稳定与生态安全的关键支撑[1–2]。由于生态系统服务的类型多样性、空间分布的不均衡性和人类需求的差异性, 生态系统服务之间存在此消彼长的权衡关系或同减同增的协同关系[3–4]。当人类活动谋求某种特定生态系统服务最大化而改变生态过程时, 会影响其他生态系统服务的发挥以及生态系统服务之间的关系, 甚至威胁到整个生态系统的稳定。因此, 生态系统服务的定量评估及其权衡–协同关系研究成为学科研究热点和前沿[5–8]。

土地利用变化影响生态系统的格局与过程, 进而显著地改变生态系统的供给能力, 引起生态系统服务间的权衡–协同关系变化, 是生态系统服务变化的重要驱动因素[9–11]。通过设定不同的发展政策情景, 模拟未来不同情景下的土地利用格局, 可以揭示未来土地利用变化对生态系统供给能力及其作用关系的影响, 进而为土地利用决策和国土空间规划提供决策支撑[12]。因此, 不同发展情景下土地利用格局与生态系统服务间的关系研究得到众多学者的关注[13–17]。在干旱、半干旱的生态脆弱山区, 水源涵养服务起到调节水循环和改善水文情况的作用。作为生态屏障, 防风固沙服务能够有效地减少由风蚀引起的土地沙化, 从而改善环境, 提高生态系统的稳定性。土壤保持服务则通过防止水土流失和改善土壤结构, 在维持生态安全与粮食安全方面发挥重要作用。随着生态工程的实施, 林地资源面积持续增加, 土地利用结构不断变化, 进而对水源涵养、防风固沙及土壤保持服务产生综合影响。与此同时, 山区的农业生产结构在不断调整, 粮食生产服务是山区农业生产发展情况的表征载体。

冀北山区地处河北省北部, 土地沙化、草场退化、自然灾害频发, 是我国典型的生态脆弱山区。立足于首都水源涵养区和京津冀生态环境支撑区的发展定位, 冀北山区担负着水源涵养、防风固沙和土壤保持等生态重任[18–19]。近年来, 国家和相关部门在冀北山区陆续实施“三北”防护林建设、退耕还林(草)和京津冀风沙源治理等一系列工程[20]。同时, 随着京津冀一体化和区域协调联动战略的推进, 冀北山区城市化和工业化进程加速, 不同产业、不同部门之间用地竞争日益突出, 土地利用结构变化显著, 生态系统服务供给能力及其相互关系随之重构。因此, 迫切需要对该特殊地域内的生态系统服务关系进行定量的评估, 模拟未来不同发展情景下生态系统服务的权衡–协同关系, 确定最优发展情景方案, 以便实现生产、生活和生态的有机融合, 推进冀北山区的可持续发展。

鉴于上述背景, 本文以冀北山区张家口市为例, 基于 2000, 2010 和 2020 年土地利用、气象及社会经济等相关数据, 设定自然发展、生态保护、耕地保护和综合发展 4 种情景, 利用 PLUS 模型, 模拟 4 种发展情景下 2030 年张家口市土地利用格局。选取粮食生产、防风固沙、水源涵养和土壤保持作为张家口市 4 类关键生态系统服务, 评估不同情景下 4类关键生态系统服务及其权衡–协同关系, 筛选土地利用最优情景方案, 为张家口市和冀北山区土地资源可持续利用和“三生”协调发展提供决策支持。技术路线如图 1 所示。

1 研究区概况与数据来源

1.1 研究区概况

张家口位于河北省西北部(113°50′—116°30′E, 39°30′—42°10′N), 土地总面积为 3.68 万 km2, 地势西北高、东南低, 以阴山山脉为界划分出的坝上高原与坝下低中山盆地为其典型地貌(图 2)。全市属大陆性季风气候, 四季分明, 多年平均降水量在400mm 左右, 干旱、风蚀和寒流等自然灾害频发, 生态环境脆弱[21]。

截至 2020 年, 张家口市辖 6 区 10 县, 总人口达411.89 万, GDP 达 1600.01 亿元。依托独特的自然资源与区位优势, 逐步形成“稳粮、兴草、精菜、壮特、优牧、强果”的农业生产结构。工业产业结构不断调整, 设备制造、食品加工行业快速增长, 数字化转型发展持续推进。第三产业发展迅速, 形成以冰雪旅游、文化康养和大数据产业为核心的多元化服务业体系。三次产业结构比例为 16.7:26.9: 56.4。2000 年以来, 由于“三北”防护林工程、退耕还林还草和京津风沙源治理等生态建设工程的实施, 张家口市土地利用格局变化显著, 生态系统服务能力及其相互关系不断变化, 是研究山区土地利用变化与生态系统服务关系研究的典型区域。

1.2 数据来源及预处理

本研究使用的数据包括遥感、地形、土壤、气象、植被及社会经济数据(表 1)。其中, 遥感数据源为 2000 年和 2010 年的 Landsat-TM 影像以及 2020年的 Landsat OLI 影像。通过遥感影像进行土地利用数据提取后, 融合 Google Earth 历史影像库与实地核查数据构建验证样本集, 进行精度验证。三期土地利用数据的总体分类精度分别达到 88.92%, 90.46%和 86.38%, 对应的 Kappa 系数依次为 0.87, 0.88 和 0.83。数字高程模型(DEM)数据主要用于高程和坡度分析。土壤数据用于计算土壤深度数据、土壤可蚀性因子及植物有效含水量。气象数据主要包括逐月降水量、风速、平均气温和相对湿度的站点数据。本研究采用克里金插值法获得研究所需的张家口市气象空间分布数据。社会经济数据包括国内生产总值、道路、人口密度和粮食总产量数据。在 ArcGIS 10.8 中使用欧式距离分析道路数据。粮食总产量数据来源于不同年份的《河北农村统计年鉴》和《张家口经济年鉴》。

2 研究方法

2.1 关键生态系统服务评估

2.1.1 粮食生产服务

粮食生产服务指生态系统为人类提供粮食产品的能力。归一化植被指数(NDVI)是反映农作物长势和营养信息及其生产率特征的重要参数之一[22]。因此, 本研究将粮食总产量按照栅格 NDVI 值与耕地总 NDVI 值的比值进行分配, 确定每个栅格的粮食生产量。计算公式为

其中, Gij是 j地区第 i个栅格的粮食生产服务(t/a), Gj为 j地区的年际粮食总产量(t), NDVIij表示 j地区第i个栅格的植被覆盖指数, NDVIsumij表示 j地区耕地的年际 NDVI 值之和。

2.1.2 防风固沙服务

防风固沙服务指由生态系统的内部结构与过程减弱风力侵蚀引起的土壤侵蚀, 主要影响因素有气象因子(风速和降水)、植被净初级生产力、土壤可蚀性和地表粗糙度等。本研究使用生态系统防风固沙服务能力指数, 对土地防风固沙服务量进行估算。计算公式[23]为

式中, Sws是防风固沙服务值, NPPmean为多年平均植被净初级生产力, K是土壤可蚀性因子, Fq表示多年平均气候侵蚀力, u表示 2m 高处的月平均风速, u1和 u2分别为 z1=5m 和 z2=2m 高度处的风速, ETPi表示月潜在蒸发量(mm), Pi为月平均降水量(mm), d是当月天数, Ti代表月平均气温, ri代表月平均相对湿度(%), D为地表粗糙度因子, θ为弧度(用坡度换算得到)。

2.1.3 土壤保持服务

土壤保持指防止土壤侵蚀、水土流失和土地退化, 通过储积泥沙减少流失, 是维护土壤资源和生态系统健康的重要调控手段。InVEST 模型中的泥沙输送比例模块整合多个独立的环境因子, 充分考虑这些因子之间的复杂交互作用, 弥补了 USLE 方程在处理动态情景和综合评估方面的技术缺陷。本研究使用 InVEST 模型的泥沙输送比例模块, 测算土壤保持服务[24]:

式中, Qsr, Qse_p和 Qse_a分别为土壤保持量、潜在土壤侵蚀量和实际土壤侵蚀量(t/km2), R为降水侵蚀力因子, K为土壤可蚀性因子, LS 为坡度坡长因子; C为植被覆盖因子, P为水土保持措施因子。

2.1.4 水源涵养服务

水源涵养服务指自然条件下地表和地下水系统对水资源的积蓄和保持作用, 包括地表水和地下水的储存、净化和调蓄功能, 对维持生态系统的水循环和生物多样性具有重要意义。对 InVEST 模型计算的产水量通过径流系数进行修正后, 得到水源涵养服务值[25]:

式中, Yi表示栅格 i的年产水量, AETi为栅格 i的年蒸散发量, Pi代表栅格 i的年降水量。

得到产水量后, 通过 ArcGIS 10.8 软件对产水量进行修正, 得到水源涵养量。计算公式[26]为

式中, Wi为栅格 i的年水源涵养量, Yi为栅格 i的年产水量, Ri为栅格 i的地表径流量, Xi为栅格 i的地表径流系数。

2.2 生态系统服务权衡–协同关系的量化

地理加权回归(GWR)模型可针对每个地理位置的变量之间关系来单独拟合方程, 进行局部回归建模, 捕捉变量关系在局部空间的差异。因此, 本研究采用地理加权回归模型进行生态系统服务权衡–协同关系的量化评估。为确保研究区不同生态系统服务间权衡–协同关系的可比性, 首先对 4 种生态系统服务进行标准化处理, 将标准化值作为自变量和因变量进行回归分析, 使用 R 4.3.2 平台的“GWmo-del”软件包, 在 1km×1km 格网尺度上执行GWR 模型, 借助模型运行得到的相关性强度, 衡量权衡–协同关系(相关性强度<0 代表权衡关系, 相关性强度>0 代表协同关系), 并使用自然断点法划分为 6 个等级(强权衡、中权衡、弱权衡、弱协同、中协同和强协同)。计算公式[27]为:

式中, yi表示因变量, (ui,vi)为第 i点的空间位置, p为独立变量的个数, xik为独立变量,εi为随机误差, β0(ui,vi)表示第 i点的截距, βk(ui,vi)表示回归系数。

2.3 土地利用模拟情景设置

根据张家口市社会经济发展功能定位, 综合考虑其社会经济发展特征、土地利用演变过程以及相关社会经济发展和生态保护规划, 本研究设定自然发展情景、耕地保护情景、生态保护情景和综合发展情景 4 种土地利用模拟情景。地类转换概率指在特定的时空条件下一种土地利用类型转换为另一种土地利用类型的概率值, 通过数值形式反映某种土地利用变化的倾向性。这一概率值只表征政策要求背景下地类转换的优先程度, 不能表征真实的转换值[28]。4 种情景下的地类转换概率设定如下。

1 )自然发展情景: 遵循 2000—2020 年的土地利用发展规律, 不设置政策和自然限制条件, 模拟2030 年自然状态下的张家口市土地利用格局, 并将该情景作为其他情景的设定基础。

2 )耕地保护情景: 《河北省国土空间规划(2021—2035 年)》中表示“要严格耕地用途管制, 稳定优质耕地布局”。《张家口市国土空间规划(2021 —2035 年)》要求至 2030 年, 全市耕地保有量不低于 9729.4km2 (约占全市总面积的 26.11%), 永久基本农田保护面积不低于 8459.3km2 (约占全市总面积的 22.99%)。因此, 该情景以重点保护耕地资源和永久基本农田为目标, 严格遵守相关文件的具体要求, 首先将永久基本农田作为限制转化区域, 并且将规划中划定的坝上农业种植区、南部壶流河及桑干河流域的农业区及张家口市自然资源局耕地质量监测数据中确定的优质耕地作为该情景中的限制转换区域, 即禁止此类耕地向其他用地类型转移。此外, 限制耕地向林草地和水域转移, 将耕地向建设用地转移的概率降低 70%, 未利用地向耕地过渡的概率提高 50%。

3 )生态保护情景: 《张家口市国土空间生态修复规划(2021—2035 年)》对生态质量的相关指标明确规定: 生态保护红线面积的目标值不低于 8759.9km2 (约占全市总面积的 23.72%), 森林覆盖率在现状 22.94%的基础上根据上级要求持续提升; 同时要求统筹增强水源涵养、防风固沙和水土保持等生态系统服务功能, 严格控制人类活动尤其是开发建设对生态系统的破坏和扰动。因此, 该情景模拟中将洋河、桑干河、白河和察汗淖尔等河流湿地作为限制转换区, 耕地向林草地的转换概率提高 30%, 林地和水域向建设用地转换的概率降低 70%, 草地向林地转换的概率提高 20%。

4 )综合发展情景: 综合考虑张家口市资源承载能力、人口经济现状与增长趋势以及城镇发展阶段和潜力, 严格限制优质耕地和重点生态功能区向其他用途转换, 实现生产、生态与经济社会的协同发展。将现有优质耕地和永久基本农田作为生产空间的限制转换区域, 耕地向建设用地的转换概率降低40%; 将《张家口市国土空间生态修复规划(2021 —2035 年)》中划定的坝上防风固沙林带、坝缘山地防护林和坝上内陆区淖泊湿地以及坝下河流和水库湿地等作为限制转换区域, 林地、草地和水域向耕地和建设用地转移的概率降低 60%; 将未利用地向建设用地转换的概率提高 40%。

2.4 PLUS模型模拟

PLUS 模型是一款斑块生成土地利用变化模拟模型, 该模型集成了 LEAS(用地扩张分析策略)与CARS(基于多类随机斑块种子的 CA)模块, 融入Markov 转移矩阵和模型精度验证等功能, 能够实现精细化的斑块级多情景土地利用格局模拟[29], 广泛用于土地利用转型和生态系统服务等研究领域。为验证模型的模拟精度, 本研究基于 2000—2010 年土地利用变化数据, 以 10 年为步长, 得到 2020 年土地利用模拟结果。在精度验证结果中, Kappa 系数为 0.83, FoM 系数为 0.05, 总体模拟精度为 0.87。这说明 PLUS 模型的模拟精度较高, 模拟结果与现实情况基本上一致, 可以用于张家口市未来土地利用情景的模拟。

LEAS 模块基于两期土地利用数据提取用地扩张样本, 利用随机森林算法(RFC)对各类型用地的扩张样本进行训练, 并通过变量重要性分析来量化多驱动因子对各类型用地扩张的贡献度, 进而获得各土地利用类型的扩张概率[30]。

本研究在 LEAS 模块中的相关设置如下: 叠加2000 与 2020 年(基期与末期)两期土地利用数据, 提取发生变化的栅格单元, 将其输入 LEAS 模块; 采样方式为随机采样, 采样率默认为 0.01; 为提高模型的预测准确性, 减少过拟合风险, 通过交叉验证将决策树数量设置为 20; 依据易获取性、空间差异性、与土地利用及设定情景的相关性原则, 结合研究区的实际情况, 筛选出 4 个自然驱动因子(高程、坡度、降水量和气温)和 5 个社会经济驱动因子(人口密度、GDP、距高速公路距离、距一级公路距离和距二级公路距离); 随机森林参数不超过驱动因子数量, 设置为 8; 为提高运行速度, 将运行参数设置为 20; 借助 Markov 链, 对不同情景下的土地利用需求量进行预测。

CARS 模块将 LEAS 模块计算的扩张概率与预测年份的土地利用需求量、转换成本矩阵、邻域因子权重、随机斑块种子生成及阈值递减机制等相结合, 通过轮盘赌选择机制, 对各类型用地的变化进行迭代计算, 最终生成空间连续的土地覆被模拟斑块[31]。其中, 邻域因子权重是用于衡量某一土地斑块周围环境对其转换潜力影响程度的参数, 取值范围为 0～1, 数值越大代表该地类的扩张能力越强; 转换成本矩阵用于定义不同土地利用类型之间的转换难易程度, 取值为 0 或 1, 0 代表限制转换, 1 代表允许转换。本研究中 4 种模拟情景下土地利用转换成本矩阵见表 2。各情景下的邻域因子权重根据各地类的扩张面积在扩张总面积的占比确定, 土地利用需求量通过模型中的线性回归分析模块确定[32]。在 PLUS 软件中, 经不断调试和验证, 将斑块生成衰减阈值设为 0.5, 斑块扩张系数设定为 0.3, 种子百分比设为 0.02。LEAS 模块及 CARS 模块中的相关计算公式均来自文献[33]。

3 结果分析

3.1 土地利用变化分析

3.1.1 2000—2020年土地利用变化特征

张家口市主要土地利用类型为耕地、林地和草地, 2020 年分别约占总面积的 26%, 31%和 29%。其中, 耕地主要分布在坝上高原与坝下的洋河流域、桑干河和壶流河谷地, 林地集中分布在燕山北部的赤城、崇礼两县及南部太行山脉附近, 草地分布范围较广, 集中于张北县和尚义县等坝上地区, 园地和建设用地分别约占总面积的 4%, 均集中分布于地势平坦的洋河谷地, 交通用地、水域和未利用地的占比均低于 4% (图 3)。

2000—2020 年间, 林地、园地、水域、建设用地和交通用地面积呈持续增长趋势, 其中林地面积显著增加, 增幅为 40.63%。耕地、草地、水域和未利用地面积呈持续减少趋势, 其中未利用地面积减少最多, 转出比例为 91.19%, 水域次之, 转出占比为 24.92%(表 3)。这一变化主要归因于该区域退耕还林等生态工程的陆续实施和经济社会发展, 使得张家口市林地持续稳定扩张, 耕地和未利用面积持续减少。

3.1.2 4种情景模拟下的土地利用变化特征

4种情景下模拟得到的土地利用空间格局及地类数量见图 4 和表 4。与 2020 年土地利用格局相比, 2030 年不同情景下的土地利用空间分布格局无显著差别, 但土地利用数量变化存在差异。自然发展情景下, 2030 年张家口市耕地、园地、草地和未利用地的面积持续减少, 比 2020 年分别下降 571.53, 101.58, 1642.35 和 104.71km2, 林地面积显著扩张, 增加 2173.69km2。耕地保护情景下, 2030 年耕地面积将比 2020 年增加 120.47km2, 草地面积将减少102.2km2, 不同区域内耕地面积均有一定程度的增加, 且耕地破碎化的情况减少。生态保护情景下, 林地和草地面积大幅度增加, 分别增加 81.34km2和36.95km2。综合发展情景中, 耕地、未利用地及建设用地面积分别降低 97.59, 2.47 和 84.73km2, 2020 —2030 年其余地类面积呈现平稳发展趋势。在 4 种情景中, 水域面积基本上保持不变。

说明: a, b, c, d, e, f, g 和 h 分别代表耕地、园地、林地、草地、建设用地、交通用地、水域和未利用地; 矩阵的行表示转出, 列表示转入。

3.2 生态系统服务及权衡–协同关系变化分析

3.2.1 生态系统服务变化

由表 5 可知, 2000—2020 年张家口市粮食生产、防风固沙及土壤保持服务呈整体上升趋势, 水源涵养服务能力略有下降。在此期间, 粮食产量呈现持续增加趋势, 其年均值 20 年间增长 129.96%。防风固沙量呈现先增加后减少的趋势, 2000—2010年间防风固沙量的年均值由 54.91t/km2增至 76.09t/km2; 2020 年防风固沙量比 2010 年减少 12.99%。水源涵养量在 20 年间呈现小幅度减少, 土壤保持量20 年间年均值增加 49.36%, 主要得益于林草面积的增加, 植被根系作用能够有效地改善土壤结构, 减少地表径流, 维持区域水分循环的动态平衡, 从而增强土壤保持功能, 维持水源涵养功能。

与 2020 年相比, 2030 年 4 种发展情景下的粮食产量年均值均呈上升趋势, 其中耕地保护情景下的粮食产量均值增幅最大(61.67%)。防风固沙服务在耕地保护情景中略有减小(减少幅度为 3.99%), 在生态保护情景下增幅最大(6.81%)。生态保护和综合发展情景下, 林地、草地、水域面积的稳定增加促使水源涵养服务能力基本上保持平稳, 使得其年均值高于自然发展和耕地保护情景下的水源涵养均值。自然发展情景下的土壤保持服务年均值增幅最大(68.94%), 主要原因在于, 自然发展情景下的林地面积比 2020 年增长 2173.69km2, 森林的根系控制土壤流失量, 增强降雨节流功能, 从而增强了土壤保持能力。

3.2.2 2020年生态系统服务权衡–协同关系

本研究在对 4 种生态系统服务进行标准化处理的基础上, 采用 GWR 模型计算 2020 年生态系统服务间的 6 种权衡–协同关系, 并进行空间制图(图5)。结果表明, 2020 年粮食生产与防风固沙服务间的权衡–协同关系基本上持平, 占比分别为 50.05%和 49.95%。权衡区域主要位于燕山北麓的赤诚、崇礼两县以及洋河流域的怀来县和涿鹿县的大部分区域, 其中弱权衡关系占比最大(42.76%)。协同关系中, 弱协同关系和强协同关系分别集中布局在坝上高原与坝下的桑干河和壶流河谷地, 面积占比分别为 29.19%和 9.59%; 中协同关系的布局较为零散, 占比为 11.17%。粮食生产与水源涵养服务的空间关系呈碎片化分布, 权衡关系与协同关系占比分别为 54.9%和 45.1%, 分别集中分布在坝上与坝下地区, 二者之间以弱权衡关系为主。粮食生产与土壤保持服务间主要表现为弱权衡效应, 权衡关系占全市面积的 96.87%。防风固沙与水源涵养服务之间以权衡关系占据主导, 且主要表现为弱权衡, 在全市范围内均有分布。防风固沙与土壤保持服务间整体上表现为协同关系, 其中弱协同关系占比最高, 为 43.86%, 集中于赤城县、蔚县和涿鹿县等地区。水源涵养与土壤保持服务间主要表现为协同效应, 其中弱权衡和弱协同效应的面积占比最大, 分别为39.84%和 25.25%, 弱协同区主要分布于赤城县和崇礼县, 权衡关系分布较为分散, 在坝上和坝下均有分布。

总体来看, 除防风固沙与土壤保持、水源涵养和土壤保持表现为协同关系外, 其余生态系统服务组合间的空间关系均表现为权衡, 反映张家口市生态系统服务供需的不平衡和资源利用中的矛盾, 进而会导致张家口市生态与社会经济可持续发展面临严峻挑战。因此, 亟需通过寻找最优发展路径来优化土地利用结构, 提高生态系统的综合功能和稳定性, 为张家口市建设京津冀重要生态屏障和发展绿色经济奠定坚实的基础。

3.2.3 不同情景下的生态系统服务权衡–协同关系

2030年各发展情景下生态系统服务间权衡–协同关系空间格局和等级占比见图 6 和 7。

与 2020 年相比, 不同情景下同一种生态系统服务间权衡–协同关系的空间分布特征基本上一致, 但局部存在差异。粮食生产与防风固沙服务、防风固沙与土壤保持服务、水源涵养和土壤保持服务间在 4 种情景下整体上均表现为协同关系, 在协同关系的等级占比中, 粮食生产与防风固沙服务在耕地保护情景下的强协同占比增幅最大(3.63%)。防风固沙与土壤保持服务在自然发展、耕地保护及生态保护情景下的弱协同关系增幅最大(7.5%左右), 增加的区域集中在坝上高原区、崇礼县和怀来县, 而综合发展情景下的强协同关系增幅最大(4.18%), 主要分布于坝上的张北、尚义和康保三县。水源涵养和土壤保持服务的弱协同关系占比在生态保护情景下的增幅最大(18.45%), 增长区域主要为燕山山脉北部的赤城县和崇礼县以及太行山脉北段的怀来县和涿鹿县; 两者的强协同关系在综合发展情景下增幅最大(2.65%), 强协同关系在坝上、洋河流域、阳原县和蔚县呈分散分布; 自然发展情景下 3 种程度的协同关系均呈增加趋势。

粮食生产与水源涵养服务间的权衡关系在 4 种发展情景下均占据主导, 其中, 耕地保护、生态保护和综合发展 3 种情景下两种服务间的权衡占比均呈下降趋势, 生态保护情景下的弱权衡关系占比减幅最大(14.32%); 自然发展情景下两种服务间的空间关系显著恶化, 权衡关系占比增加 24.83%, 坝上地区的协同关系向权衡关系过渡显著, 在关系等级占比中, 中协同关系占比减少 11.42%, 强协同与弱协同的占比分别减少 2.47%和 10.94%。在粮食生产与土壤保持服务的空间关系中, 权衡关系占据主导, 4 种情景下两种服务间的权衡关系占比均超过 88%, 但也表现出权衡占比减少、协同占比增加的优化趋势, 其中协同关系增加区域主要分布在坝上的张北县、尚义县和康保县以及坝下的洋河流域和桑干河流域。防风固沙与水源涵养服务间整体上呈权衡关系, 4 种情景下的强权衡和中权衡关系占比均呈上升趋势, 弱权衡关系占比有所下降, 其中综合发展情景下的强权衡与中权衡关系占比增幅最大(分别为 0.83%和 2.86%), 生态保护情景下的弱权衡关系占比减幅最大(4.09%)。

3.3 土地利用最优情景筛选

区域最优土地利用情景选定能够帮助决策者在不同政策中做出最具效益的选择, 从而合理地配置土地资源, 实现多种生态系统服务的平衡发展。同时, 生态系统服务间的协同发展与区域综合发展效益间呈现正向关联, 生态系统服务间的协同发展有助于优化区域内自然资源的利用效率, 实现生产、生活和生态发展的有机融合。诸多研究已聚焦于增强生态系统服务间的协同效益[34–35]。因此, 本研究立足生态系统服务权衡–协同关系视角, 比较 4 种情景下 1km×1km 格网尺度的协同–权衡关系在全市范围内的面积占比, 遵循协同发展优先的原则, 若协同关系的面积占比越大, 则区域内获得的综合效益越高。通过不同情景下生态系统服务间的关系等级来判定不同发展情景的优劣, 筛选出适宜张家口市发展的最优土地利用情景。筛选规则描述如下。

优先考虑生态系统服务间的协同关系给予, 即协同关系主导的情景优于权衡关系主导的情景; 其次, 生态系统服务间的协同关系存在强弱程度差异。本研究依据协同关系的强弱程度划定 6 级判别规则, 第一级为“强协同>中协同>弱协同”, 即优先选择服务组合在全市范围内强协同面积占比最大、弱协同面积占比最小的发展情景作为最优情景; 第二级为“强协同>弱协同>中协同”, 即在服务组合强协同面积占比最大的情况下, 若弱协同关系较中协同关系面积占比高, 则以该规则作为情景筛选依据; 第三、四级分别为“中协同>强协同>弱协同”和“中协同>弱协同>强协同”, 即在中协同关系面积占比占优的情况下, 优先选择强协同关系面积占比大于中协同关系面积占比的发展情景; 第五、六级筛选规则为“弱协同>强协同>中协同”和“弱协同>中协同>强协同”, 即若某种服务组合在全市范围内的弱协同关系面积占比最大, 优先选择该前提下强协同关系面积大于中协同关系面积的发展情景。在筛选过程上, 若两种及以上发展情景的筛选规则相同, 则依次对其规则中强协同、中协同和弱协同关系的面积占比进行比较, 优先选择强协同关系面积占比高的情景。基于以上筛选规则, 本文将不同情景下的空间关系划分为优、次优、较差和差 4 个等级, 分别赋予分值 4, 3, 2 和 1。服务组合在不同情景下的空间关系及等级得分列于表 6 中, 通过纵向相加6 种服务组合在同一种发展情景下的关系等级得分, 比较不同发展情景的优劣程度, 总得分最高(即高等级数量最多)的情景被选为最优情景。

由表 6 可见, 生态系统服务组合在自然发展情景下呈现出较差的空间发展关系, 粮食生产服务与生态调节服务及生态调节服务间的关系等级多数集中在差和较差, 该情景的最终得分为 11。耕地保护情景提高了粮食生产与 3 类生态调节服务间的关系等级得分(粮食生产与防风固沙、土壤保持服务间的关系等级分别为优和次优), 最终得分为 15。生态保护情景下, 防风固沙与水源涵养、土壤保持服务间的协同发展趋势较强(关系等级分别表现为优和次优), 但该情景忽略了对粮食生产与生态之间协同发展的兼顾(粮食生产与防风固沙、土壤保持两类生态调节服务间的关系等级为差和较差), 该情景的最终得分为 15。综合发展情景下, 6 种服务组合的关系等级得分均较高(关系等级集中在优和次优), 能够推进多种生态系统服务间的协同发展, 最终得分为 19。综上所述, 张家口市 2030 年 4种发展情景的顺序为综合发展情景(等级得分为19)>耕地保护情景(等级得分为 15)=生态保护情景(等级得分为 15)>自然发展情景(等级得分为 11), 综合发展情景为张家口市未来的最优发展情景。

在京津冀协同发展规划中, 张家口市承担着首都水源涵养、防风固沙等屏障功能。《张家口首都水源涵养功能区和生态环境支撑区建设规划(2019 —2035 年)》和《张家口市国土空间生态修复规划(2021—2035 年)》相继对张家口市的生态发展定位提出要求。在生态保护的背景下, 作为生态脆弱地区, 张家口市的生态保护与经济发展之间冲突和竞争日益尖锐。综合发展情景是破解张家口市“生态约束—经济落后—社会失衡”难题的优化路径, 可实现区域生产、生活和生态的协同发展。

4 结论与讨论

4.1 结论

本文基于张家口市 2000—2020 年土地利用变化的特征分析, 借助 PLUS 模型, 模拟 2030 年不同发展情景下的土地利用格局, 并对 2020 年及不同发展情景下的生态系统服务及其权衡–协同关系进行计算, 结合权衡–协同关系视角, 筛选出最优发展情景。主要结论如下。

1 )2000—2020 年, 张家口市林地面积大幅度增长, 耕地、草地和水域面积持续减少。通过 PLUS模型模拟的 2030 年不同发展情景下的土地利用结构差异显著, 自然发展情景下林地扩张, 但耕地锐减, 耕地保护情景下耕地大幅度增加, 生态保护情景下的林草地面积通过对生态地类转换的严格约束实现显著的提升, 综合发展情景则在平衡生态与经济发展需求的基础上减缓建设用地无序扩张趋势。

2 )与 2020 年相比, 2030 年 4 种情景下的生态系统服务年均值基本上呈现增加趋势。地理加权回归(GWR)模型揭示, 生态系统服务间权衡–协同关系的空间异质性显著, 粮食生产服务与水源涵养、土壤保持两类生态调节服务间权衡关系均占据主导, 其中粮食生产与土壤保持服务冲突最为突出(4 种情景下的权衡占比均超过 88%); 生态调节服务间的协同发展关系居多, 其中防风固沙与土壤保持服务间、水源涵养与土壤保持服务间均主要表现为弱协同关系; 只有防风固沙与水源涵养服务间以弱权衡关系为主。

3 )遵循协同发展优先和等级筛选原则, 进行适宜张家口市发展的最优土地利用情景的判定。结果表明, 综合发展情景为最优情景, 该情景通过优化土地结构配置, 显著地提升生态系统服务间的协同效应, 验证了以复合发展为导向的土地利用路径对张家口市发展的科学性和必要性, 未来需加强综合发展的政策落地实施, 推动综合发展情景从规划走向实践。

4.2 讨论

本研究弥补了现有研究停留在对不同发展情景中生态系统服务及权衡–协同关系简单对比分析的缺陷[36–37], 提出生态系统服务协同发展优先的情景筛选规则, 构建“土地利用情景模拟–生态系统服务权衡–协同关系评估–最优情景筛选”的集成框架, 可为张家口市首都水源涵养功能区和生态环境支撑区建设、产业转型升级等实施以及类似山区的国土空间布局优化提供有益的参考。然而, 本研究局限于权衡–协同关系视角, 未引入量化指标来进一步评估情景差异。未来可通过建立情景适宜性评价指标体系以及评价不同情景下生态系统服务间的复杂阈值效应等方式, 实现对情景差异的量化评估。此外, 气候变化、社会经济发展等驱动因素具有高度的动态性和不确定性, 致使情景模拟需具备较高的动态响应能力。本文在情景模拟时仅基于静态约束, 未充分考虑未来气候变化或政策调整对土地利用变化及生态系统服务的潜在影响, 需进一步耦合气候情景, 整合人口迁移与产业转型等驱动因子, 利用机器学习算法, 挖掘土地利用变化的深层驱动机制和复杂非线性关系, 提高模型预测精度, 从而提高情景模拟的前瞻性和决策支撑价值。

[1] Daily G. Nature’s services: societal dependence on natural ecosystems. Washington DC: Island Press, 1997: 1–10

[2] Costanza R, d’Arge R, de Groot R, et al. The value of the world’s ecosystem services and natural capital. Na-ture, 1997, 387: 253–260

[3] Aryal K, Maraseni T, Apan A. How much do we know about trade-offs in ecosystem services? A systematic review of empirical research observations. Science of the Total Environment, 2022, 806: 151229

[4] 彭建, 胡晓旭, 赵明月, 等. 生态系统服务权衡研究进展: 从认知到决策. 地理学报, 2017, 72(6): 960–973

[5] 王鹏涛, 张立伟, 李英杰, 等. 汉江上游生态系统服务权衡与协同关系时空特征. 地理学报, 2017, 72 (11): 2064–2078

[6] 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. 农业工程学报, 2017, 33 (17): 280–289

[7] 毛倩鸿, 田雅丝. 权衡协同视角下城市边缘区生态系统服务优化研究——以苏州市为例. 生态学报, 2024, 44(15): 6567–6583

[8] 庞彩艳, 文琦, 丁金梅, 等. 黄河上游流域生态系统服务变化及其权衡协同关系. 生态学报, 2024, 44 (12): 5003–5013

[9] Yang Y, Wang K, Liu D, et al. Effects of land-use con-versions on the ecosystem services in the agro-pastoral ecotone of northern China. Journal of Cleaner Produc-tion, 2020, 249: 119360

[10] 李云霞, 王晨旭, 刘焱序. 基于生态系统服务簇分区的土地利用多目标优化——以巴彦淖尔市为例. 生态学杂志, 2023, 42(5): 1205–1213

[11] 张晓瑶, 张潇, 李冬花, 等. 城市土地利用变化对生态系统服务价值影响的多情景模拟——以深圳市为例. 生态学报, 2022, 42(6): 2086–2097

[12] Xiao Y, Huang M, Xie G, et al. Evaluating the impacts of land use change on ecosystem service values under multiple scenarios in the Hunshandake region of China. Science of The Total Environment, 2022, 850: 158067

[13] 解铭威, 周慧荻, 陈耸, 等. 银川市生态系统服务价值评估及多情景模拟. 水土保持研究, 2025, 32 (1): 294–304

[14] 冯琰玮, 甄江红, 马晨阳. 城市用地扩展对生态风险影响的多情景模拟——以内蒙古呼和浩特市为例. 生态学报, 2021, 41(3): 1199–1208

[15] 李岩, 吴浩, 朱连奇, 等. 基于土地利用变化多情景模拟的郑州市生态系统服务退化风险识别及其启示. 自然资源学报, 2025, 40(2): 493–513

[16] 林媚珍, 刘汉仪, 周汝波, 等. 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. 地理研究, 2021, 40(9): 2657–2669

[17] 支俊俊, 韩陈勖, 王雪婷, 等. 中国建设用地扩张未来情景模拟及其对景观格局演化的影响. 地理研究, 2024, 43(4): 843–860

[18] 刘天昊, 冀正欣, 段亚明, 等. “双碳”目标下张家口市“三生”空间格局演化及碳效应研究. 北京大学学报(自然科学版), 2023, 59(3): 513–522

[19] 冀正欣, 许月卿, 黄安, 等. 冀北山区“三生”空间识别与演化特征分析——以张家口市为例. 北京大学学报(自然科学版), 2022, 58(1): 123–134

[20] 许月卿, 卢龙辉, 冀正欣, 等. 国土空间精细化管理视角下“三生”空间细分类型的演化特征与驱动机制研究——以河北省张家口市为例. 北京大学学报(自然科学版), 2024, 60(4): 732–744

[21] 冀正欣, 刘超, 许月卿, 等. 基于土地利用功能测度的“三生”空间识别与优化调控. 农业工程学报, 2020, 36(18): 222–231

[22] 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. 地理研究, 2012, 31 (12): 2310–2320

[23] 冀正欣, 许月卿, 胡起源, 等. 农牧交错区生态工程建设对生态系统服务的影响. 农业工程学报, 2024, 40(18): 262–271

[24] 张徐, 李云霞, 吕春娟, 等. 基于InVEST模型的生态系统服务功能应用研究进展. 生态科学, 2022, 41(1): 237–242

[25] 刘业轩, 石晓丽, 史文娇. 福建省森林生态系统水源涵养服务评估: InVEST模型与meta分析对比. 生态学报, 2021, 41(4): 1349–1361

[26] 申梦姝, 刘悦忆, 郑航, 等. 长江流域水源涵养服务价值及其空间转移评估. 长江科学院院报, 2024, 41(4): 14–22

[27] Xia H, Yuan S, Prishchepov A V. Spatial-temporal he-terogeneity of ecosystem service interactions and their social-ecological drivers: implications for spatial plan-ning and management. Resources, Conservation and Recycling, 2023, 189: 106767

[28] 杨子韬, 田莉. 基于PLUS模拟未来土地利用变化的可持续发展评估——以江西省为例. 地理科学, 2024, 44(10): 1826–1836

[29] 朱雨芯, 贾培宏, 程嘉璇, 等. 长江上游土地利用多情景碳汇模拟分析. 中国土地科学, 2024, 38 (11): 129–140

[30] 胡舒云, 陆玉麒, 胡国建. 中国中海拔地区冷凉型农业生态资源识别、开发与启示. 自然资源学报, 2024, 39(2): 446–464

[31] 方露露, 许德华, 王伦澈, 等. 长江、黄河流域生态系统服务变化及权衡协同关系研究. 地理研究, 2021, 40(3): 821–838

[32] 梁冠敏, 肖瑶, 刘渺渺, 等. 交通规划背景下福州市土地利用与碳储量变化模拟及其启示. 自然资源学报, 2023, 38 (12): 3074–3092

[33] Liang X, Guan Q, Clarke K C, et al. Understanding the drivers of sustainable land expansion using a patch-generating land use simulation (PLUS) model: a case study in Wuhan, China. Computers, Environment and Urban Systems, 2021, 85: 101569

[34] 熊紫怡, 徐昔保, 何宝师, 等. 环渤海滨海区生态系统服务权衡协同关系演变及驱动机制. 生态学杂志, 1–12

[35] 王聪, 张守红, 杜自强, 等. 黄土高原小流域生态系统综合治理与生态系统服务协同提升. 生态学报, 2025, 45(8): 1–7

[36] 许澳康, 胡梦珺, 石晶, 等. 石羊河流域生态系统碳储量时空变化及多情景模拟. 中国环境科学, 2024, 44(6): 3365–3375

[37] 韩楚翘, 郑江华, 王哲, 等. 基于 PLUS-InVEST 模型吐哈盆地陆地生态系统碳储量时空变化及多情景模拟. 干旱区地理, 2024, 47(2): 260–269

Trade-offs/Synergies of Ecosystem Services and Optimal Scenario Selection for Zhangjiakou City

College of Land Science and Technology, China Agricultural University, Beijing 100193; † Corresponding author, E-mail: xmoonq@sina.com

Abstract This study focused on Zhangjiakou City, a key water conservation area in the capital region and an ecological barrier in the Beijing-Tianjin-Hebei region. By integrating the Patch-generating Land Use Simulation (PLUS) model and the Geographically Weighted Regression (GWR) model, we quantified land-use changes and the trade-offs/synergies among four ecosystem services (windbreak and sand fixation, food production, soil conservation and water conservation), under different development scenarios from 2000 to 2020 and for the 2030 projection. Based on the trade-off/synergy perspective, we identified the optimal development scenario for Zhangjiakou City. The results indicated that: 1) From 2000 to 2020, the area of forestland in Zhangjiakou City expanded by 40.63%, while cultivated land, grassland, and water bodies declined significantly, intensifying spatial conflicts among ecosystem services, with trade-offs becoming dominant. 2) Four development scenarios, including natural development, cultivated land protection, ecological protection, and comprehensive development, were simulated. The multi-scenario simulations showed that ecosystem services generally exhibited an improving trend across all scenarios. However, conflicts between food production services and ecological regulation services remained prominent. The ecological protection scenario enhanced the synergy between windbreak and sand fixation and water conservation services. The comprehensive development scenario improved the synergy between food production and various ecological regulation services. 3) The comprehensive development scenario, which balanced the coordinated economic development, cultivated land protection and ecological protection, was identified as the optimal scenario for Zhangjiakou City. Future efforts should focus on strengthening comprehensive development planning in Zhangjiakou City to achieve sustainable regional development.

Key words ecosystem services; trade-off/synergy; optimal scenario selection; land use simulation; Zhangjiakou City