重庆市生态保护红线内的生态系统服务动态变化评估

官冬杰， 黄大楠， 殷博灵

(重庆交通大学 建筑与城市规划学院，重庆 400074)

0 引 言

生态系统服务起源于W.VOGT等[1]提出的自然资本概念。文献[2]提出“生态系统服务是指自然生态系统及其物种所提供的能够满足和维持人类生活需要的条件和过程”。在经济社会持续快速发展同时，我国生态环境形势日益严峻，资源环境问题亟待解决，为此国家制订了相关政策。文献[3]将生态保护红线定义为：维护国家和区域生态安全及经济社会可持续发展，保障人民群众健康具有关键作用，在提升生态功能、改善环境质量、促进资源高效利用等方面必须严格保护的最小空间范围与最高或最低数量限值。为响应国家号召，积极推进生态保护与建设，奠定长江经济带上游区良好的生态基础，重庆市也颁布了《重庆市生态保护红线》[4]，森林生态系统和湿地生态系统是重庆市生态保护红线的主要生态系统类型。

现阶段对生态保护红线的研究侧重于生态保护红线划定，使得划定结果符合当地的生态、经济效益[5]，但对生态保护红线政策实施后的生态效益评价研究相对缺少，即现阶段科学信息与政策机制无法完全满足管理决策者和政策制定者对信息需求，生态保护红线实践和优化面临着执行匮缺和信息匮缺等多方面挑战[6]。生态系统服务研究对资源环境管理及生态效益评价具有十分重要的意义。国外很多学者利用InVEST模型对全球不同区域的生态系统服务进行了评估并取得了不错的效果。J.H.GOLDSTEIN等[7]运用InVEST模型对夏威夷O’ahu岛进行了生态系统服务功能评估，为地方投资700万美元进行灌溉系统改善和农业生产优化提供建议。Z.ASADOLAHI等[8]运用InVEST模型中的土壤保持、食物供给、生境质量等模块对伊朗东北部的戈尔甘鲁德流域进行了较详尽的生态系统服务功能评估。E.NELSON等[9]运用InVEST模型分析了威拉米特河流域土地利用的变化并探索了生态系统服务功能空间特征，并同时进行了情景模拟。国内InVEST模型已被成功运用于北京山区、四川宝兴县、岷江上游及长江中上游等地区的生态系统服务评估[10-13]，为笔者的研究提供了模型使用经验。

基于此，笔者结合重庆市划定的生态保护红线并对其范围内2015、2018年这两期的生态系统服务进行评估及对比分析，补充了现阶段重庆市生态保护红线范围内有关生态系统服务数据信息，以期为重庆市生态保护红线生态系统服务优化提供相应参考。

1 研究区概况与数据来源

1.1 研究区概况

重庆市生态保护红线区域在重庆市各个区县均有分布，主要分布在重庆市东北和东南部的生态系统稳定、森林覆盖率高地区，在重庆市的主城区、西部地区也有少量分布。全市生态保护红线区域面积共30 790.9 km2，占全市总面积的37.3%。重庆市生态保护红线分布见图1。

图1 重庆市生态保护红线分布Fig. 1 Distribution map of ecological conservation redline inChongqing

1.2 数据来源

笔者研究所使用数据有：① 生态保护红线矢量边界数据，来源于2016年重庆市人民政府办公厅关于印发重庆市生态保护红线划定方案通知[渝府办发〔2016〕230号][4]；② 土地利用数据，2015年重庆市土地利用数据来源于文献[14]，分辨率为30 m；2018年土地利用数据基于2015年土地利用数据和美国陆地卫星Landsatsat8遥感影像和通过人工目视解译获取。根据研究需要，在进行生态系统服务动态变化评估时，将土地利用类型分为耕地、有林地、灌木林、疏林地、其他林地、草地、水域、城乡工矿居民用地和裸土地这9种土地利用/覆盖类型；③ 碳密度数据，本研究的碳密度基于重庆市森林资源规划设计调查报告和相关文献资料整理分析形成，见表1。因研究区内的死亡有机物碳储量数据难以获取，笔者将碳储量默认设置为0；④ 土壤数据，来源于文献[15]；⑤ DEM数据来源于中国科学院计算机网络信息中心地理空间数据云平台(http:∥www.gscloud.cn)，分辨率为30 m。

表1 重庆市碳密度汇总Table 1 Summary of carbon density in Chongqing kg/m2

2 研究方法

2.1 InVEST模型

InVEST(the integrate valuation of ecosystem services and tradeoffs tool)全称为生态系统服务综合估价和权衡得失评估模型，该模型由美国斯坦福大学、TNC和世界自然基金会合作联合开发，其初衷是为了计算自然资本，使其能够直观地在地图上表示。

InVEST模型具有强大的生态系统服务评估能力，其最大优势是能定量计算生态服务价值并进行空间化展示；其次由于模型可输入较多的参数且模块参数较容易获取，有较大的适用范围。InVEST模型具有许多不同模块的生态服务计算，根据本次研究目的及研究区概况，笔者决定选取水源供给、碳储存和土壤保持这3个模块来综合评估重庆市生态保护红线生态系统服务。

2.2 InVEST模型碳储存评估原理

生态系统环境中的碳主要储存在4种基本的碳库中，分别为地上生物量、地下生物量、土壤和死亡有机物[16]。故生态系统碳储存总量为4个碳库之和，其计算如式(1)：

ctotal=cabove+cbelow+csoil+cdead

(1)

式中：ctotal为碳总储存量；cabove为地上生物量的碳储存量；cbelow为地下生物量的碳储存量；csoil为土壤中的碳储存量；cdead为死亡有机物中的碳储存量。

2.3 InVEST模型水源供给功能评估原理

水源供给模型适用于模拟一个区域的地表水量供给，该区域水量供给越充足表示水源供给能力越强，生态系统服务评估价值越高。水源供给评估模型基于水量平衡原理，其计算如式(2)：

Yx=Px-Aetx

(2)

式中：Yx为研究区每个栅格单元x的水源供给量，mm；Px为研究区栅格x的年平均降雨量，mm；Aetx为栅格单元x的年平均实际蒸散量，mm。

2.4 InVEST模型土壤保持模块构建原理

InVEST模型中土壤保持模型称为泥沙输入比例模型，是通过定量计算研究区域裸地情况的潜在土壤侵蚀量Qrkls、有植被和工程管理措施覆盖的实际土壤侵蚀量Qulse和下游对上游拦截量E[17]，从而获取该区域不同土地利用/覆盖类型的土壤保持量。其计算如式(3)：

(3)

式中：Qsr为土壤保持量；Qrkls为潜在土壤侵蚀量；Qusle为实际土壤侵蚀量；E为泥沙持流量；R为降雨侵蚀力因子，(MJ·mm·ha-1·h-1·a-1)；K为土壤可蚀性因子，(t·ha·MJ-1·mm-1)；Qls为坡长坡度因子；C为植被覆盖和作物管理因子；P为水土保持措施因子。

3 研究结果

3.1 碳储存功能评估结果

笔者分别导入2015、2018年这两期的生态保护红线区域土地用类型图及碳密度汇总表格至InVEST模型Carbon模块，再利用ArcGIS显示结果进行处理，如图2。

图2 2015、2018年重庆市碳储量分布Fig. 2 Carbon reserve distribution map of Chongqing in 2015 and 2018注：基于国家测绘地理信息局地图审图号为渝S(2015)022的标准地图制作，底图无修改。

据统计结果：2015年生态红线区域碳储存总量为6.821×107t，单元栅格(900 m2)碳储量最大值为2.864 t，最小值为1.117 t；2018年生态红线区域碳储存总量为7.063×107t，单元栅格碳储量最大值为2.864 t，最小值为1.117 t。由于林地碳密度值高，因此高碳储量分布区域与土地利用类型为林地的区域相吻合，在整个研究区内都有分布，较为均匀。

从时间角度分析，2018年碳储量比2015年增加了2.417×106t，增幅为3.54%，这主要是林地面积增加所致。同时，2018年碳储量功能增强也说明生态保护红线的管控对整个研究区生态系统服务保持稳定起到了一定作用。

3.2 水源供给功能评估结果

笔者运用InVEST模型的产水量模块评估了2015、2018年重庆市生态保护红线区域水源供给能力分布及能力分布变化，如图3。统计表明：2015年重庆市生态保护红线区域水源供给量为2.788×1010mm，单元栅格最大水源供给量为1367.97 mm；2018年水源供给量为2.573×1010mm，单元栅格最大水源供给量为1 195.84 mm。从时间角度而言，2015年水源供给能力大于2018年，一方面是2015年年平均降雨量大于2018年，另一方面是蒸散量减少。从区域角度分析，重庆市生态保护红线的东北部和东南部水源供给能力突出，而中西部地区水源供给则相对匮乏。

图3 2015、2018年重庆市水源供给量分布Fig. 3 Distribution map of water supply in Chongqing in 2015 and 2018注：基于国家测绘地理信息局地图审图号为渝S(2015)022的标准地图制作，底图无修改。

3.3 土壤保持功能评估结果

笔者将InVEST模型计算结果在ArcGIS中进行展示，得出2015、2018年重庆市生态保护红线区域土壤保持分布量(图4)。2015年重庆市生态保护红线区域土壤保持总量为9.696×1010t，单元栅格最大土壤保持量为6.151×105t，最小土壤保持量为0 t，因为水域在模型中默认为无土壤保持；2018年重庆市生态保护红线区域土壤保持总量为7.782×1010t，单元栅格最大值降低为3.813×105t。

图4 2015、2018年重庆市土壤保持量分布Fig. 4 Distribution map of soil conservation in Chongqing in 2015 and 2018注：基于国家测绘地理信息局地图审图号为渝S(2015)022的标准地图制作，底图无修改。

3.4 生态系统服务动态变化分析

3.4.1 服务数量变化

笔者统计出2015、2018年研究区内碳储存、水源供给和土壤保持这3大生态系统服务数量变化，如表2。

表2 生态系统服务数量变化Table 2 Quantity changes of ecosystem services

重庆市生态保护红线区域碳储量有所增加，2015年生态红线区域碳储存总量为6.821×107t，单元栅格碳储量最大值为2.864 t，最小值为1.117 t；2018年生态红线区域碳储存总量为7.063×1010t，单元栅格碳储量最大值为2.864 t，最小值为1.117 t。2018年碳储量相较于2015年增加了2.417×106t，增幅为3.54%。

2015年重庆市生态保护红线区域水源供给量为2.788×1010mm，单元栅格最大产水量为1 367.97 mm；2018年水源供给量为2.573×1010mm，单元栅格最大产水量为1 195.84 mm。从时间角度而言，2015年水源供给能力大于2018年，一方面是2015年年平均降雨量大于2018年，另一方面是蒸散量减少。从区域角度分析，重庆市生态保护红线的东北部和东南部水源供给能力突出，而中西部地区水源供给则相对匮乏。

土壤保持服务水平有所降低，2015年重庆市生态保护红线区域土壤保持总量为9.696×1010t，单元栅格最大土壤保持量为6.151×105t，最小土壤保持量为0 t，因为水域在模型中默认为无土壤保持；2018年土壤保持量为7.782×1010t，相比于2015年降低了1.914×1010t，单元栅格最大值降低为3.813×105t，相比2015年最大值降低2.338×105t。土壤保持量降低主要是降雨侵蚀力增强导致土壤流失量增加，从而导致土壤保持量下降。

3.4.2 服务空间变化

笔者利用ArcGIS对重庆市生态保护红线范围内2015、2018年的碳储量分布、水源供给量分布和土壤保持量分布进行处理，再进行重分类得到图5。表3为2015—2018年生态系统服务空间变化重分类统计。

由图5(a)可看出：重庆市生态保护红线区域碳储量分布呈现三面环绕布局，即东部、东南、东北部地区碳储量丰富，中西部地区较少。从图5和表3可看出：2015、2018年碳储量保持稳定的区域面积高达91.23%，两年碳储量空间分布变化很小。

由图5(b)可看出：2015年强供水量区域集中分布在东北部和东南部区域，其他区域分布相对比较均匀；2018年仍然维持原有格局。据表3统计可知：相较于2015年，2018年56.08%区域的水源供给量减少，42.36%区域水源供给量增加，仅有5.27%区域水源供给量保持稳定。

图5 2015—2018年重庆市生态系统服务变化Fig. 5 Chongqing ecosystem services change map from 2015 to 2018注：基于国家测绘地理信息局地图审图号为渝S(2015)022的标准地图制作，底图无修改。

表3 2015—2018级配沥青稳定碎石疲劳方程类统计Table 3 Reclassified statistical table on spatial change of ecosystem services from 2015 to 2018

图5(c)为2015、2018年土壤保持量在整个研究区内均匀分布。2018年重庆市生态保护红线区域生态系统服务水平总体呈现东南、东北两头高，中间低的空间布局。由表3发现：与2015年土壤保持量相比，2018年有79.52%区域土壤保持量下降，仅有19.65%区域土壤保持量增加，且主要分布在研究区的东南部。

总体而言，2015、2018年碳储量变化率仅为3.54%，水源供给量变化率也低于10%，但土壤保持量变化率高达19.74%。

3.4.3 服务综合评估

通过对重庆市生态保护红线区域2015、2018年两期的碳储存、水源供给和土壤保持这3大生态系统服务评估，并分析其变化情况，在此基础上对水源供给、土壤保持和碳储存这3大功能进行综合评估。通过对研究区综合评估，得出生态保护红线生态系统服务功能等级最低区域。根据文献[18,19]对生态系统服务重要性划分标准，经过调整制定生态系统服务重要区分类(表4)，这3种生态系统服务功能重要性叠加结果如图6。其中：等级1表示得分为3分，即碳储量、水源供给量和土壤保持量均为脆弱，以此类推。

表4 生态系统服务分级Table 4 Classification of ecosystem services

由图6可知：等级1表示该区域碳储存、水源供给和土壤保持功能均为一般稳定，总体得分最低，为生态保护红线区域脆弱区；等级7表示该区域碳储存、水源供给和土壤保持功能均为非常稳定，得分最高，为生态保护红线稳定区域。

图6 2015、2018年重庆市生态保护红线生态系统服务功能分区Fig. 6 Zoning map of ecosystem services of ecological conservation redline in Chongqing in 2015 and 2018注：基于国家测绘地理信息局地图审图号为渝S(2015)022的标准地图制作，底图无修改。

2018年重庆市生态保护红线区域，碳储存、水源供给和土壤保持这3大生态系统服务功能均非常稳定的区域位于重庆市东北部和东南部，呈现双翼形状，占整个生态保护红线面积的0.7%；碳储存、水源供给、土壤保持这3大生态系统服务功能综合评定等级为第6级的区域面积占比为5.66%；第5级面积占比为17.75%；第4级面积占比29.15%，该级别在整个研究区域占有最高比例，主要分布在研究区域的东部地区，被西部低等级生态系统服务区、北部及南部高等级生态系统服务区所环绕包围；第3级别生态系统服务区面积占比为27.23%，与第4级别相接近，主要分布在研究区中东部地区；第3、4级生态系统服务区面积之和占了整个研究区的56%，最具有代表性，基本上代表了重庆市生态红线保护生态系统服务水平处于中等水平。第2级别生态系统服务区面积占比为11.14%，最低级别的生态系统服务区面积占比8.35%，两者主要分布在研究区的中部和西部地区。一方面，重庆市中西部地区是重庆市的人口中心和经济中心，生态系统服务水平相对较低；另一方面，该区域土地利用类型有较多耕地分布，也一定程度降低了其生态系统服务综合水平。

3.5 重庆市生态保护红线土地利用变化

根据重庆市生态保护红线范围内生态系统服务动态变化情况，为进一步了解生态系统服务变化内在因素，笔者结合2015、2018年的土地利用类型进行分析。利用Excel统计分析数据，可获取2015—2018年重庆市生态保护红线范围内土地利用转移矩阵，见表5。

表5 2015—2018年重庆市生态保护红线土地利用转移矩阵Table 5 Land use transfer matrix of Chongqing ecological conservation redline from 2015 to 2018 km2

借助R语言绘制土地利用转移和弦图，直观生动地表现出2015—2018年重庆市生态保护红线范围内土地利用变化情况，见图7。

图7中：外圈数字表示2015、2018年各土地利用类型的面积(km2)。以A11耕地弧段为例，最左侧表示由耕地转出，其中转出的大部分转变为B21有林地；同一颜色之间转换表示土地利用类型未发生改变；中间部分表示由其他土地利用类型转入；其他以此类推。具体数值变化可参考表5。

根据表5和图7可得出：2015年重庆市生态保护红线区域的耕地总面积为9 160.48 km2，2015—2018年期间耕地向各土地利用类型都有转变，转变总量为879 km2，主要转变为有林地(401.6 km2)、灌木林(140.68 km2)、疏林地(176.65 km2)和草地(108.29 km2)，分别占耕地转变总量的45.69%、16%、19.98%、12.32%；同时，其他各土地利用类型也均有一部分转为耕地，其中主要有有林地和草地，分别贡献了38.28%和25.59%；但从总变化量来看，耕地总面积减少了473.07 km2，呈减少趋势，减少率为5.16%。2015年有林地总面积为11 821.4 km2，这3年期间向其他各土地利用类型均有转变，转变总量为260.57 km2，其中有59.53%转为耕地；同样，其他各土地利用类型均有一部分转变为有林地，其中耕地贡献了67.4%；从总变化量来看，有林地面积增加了335.25 km2，增加率为2.84%，总体呈增加趋势。除此之外，重庆生态保护红线区域灌木林、疏林地、其他林地、水域、城乡工矿居民用地面积均有增加，增加率分别为3.93%、1.89%、2.85%、4.37%、4.01%；草地和裸土地面积则呈减少趋势，分别减少1.51%和18.65%。

图7 2015—2018年重庆市生态保护红线土地利用转移弦图Fig. 7 Land use transfer circle of Chongqing ecological conservationredline from 2015 to 2018

4 讨 论

4.1 土地利用变化对生态系统服务影响

不同土地利用类型由于其本身属性差异，其所具有的生态系统服务必然会有差异。如耕地由于受人为改造影响较大，其植被多为人工种植的粮食作物或经济作物，土壤中有机物一直会被吸收利用；而受人为干扰程度较小的林地，土壤中有机物会一直累积，因此其碳储量会高于耕地。

InVEST模型碳储存功能计算中，总碳储存量等于地上生物量、地下生物量、土壤碳储量和死亡有机物中碳储量这4个碳库之和，各土地利用类型具有不同的碳密度值。故研究计算的碳储量仅仅与土地利用类型及碳密度有关。2015—2018年期间，耕地总面积减少，林地总面积增加，从而导致2018年碳储量较2015年增加。

水源供给量方面，降雨量和各土地利用类型潜在蒸散量起到了决定性作用，两者差值决定了水源供给量大小。由图3可看出：水域这一土地利用类型具有最低的水源供给量，这是因其降雨量与其周围一致，但其蒸散系数远高于其他土地利用类型。

土壤保持量方面，有林地具有最高的土壤保持能力，与相关的研究结果一致[20-22]。InVEST模型的泥沙输移比模块的作用是描述坡面土壤侵蚀和流域输沙的空间过程，能一定程度评估研究区的土壤保持能力。由于研究区域为生态保护红线区域，有林地占有比例超过研究区域1/3，灌木林、疏林地、其他林地和草地也占有很高比例，故整个研究区域土壤保持量较高。

4.2 模型运用中的不足

碳储存模块方面，模型核心是在相关数据基础上最终获得碳汇价值空间分布图[19]。由于我国没有美国那样标准的木材经营方式，同时资料也难以获得，笔者只进行了研究区碳储存量评估计算。

水源供给模块方面，根据水源供给量计算原理，长江流经重庆市生态保护红线区域必然会带来水量供给，其水源供给量应该等于流入量与流出量之差。仅从这一角度分析，本研究计算的水源供给量应是小于实际水源供给量。为使研究结果更加符合实际情况，下一步工作拟对InVEST模型进行校正或利用ArcGIS统计研究区域集水区流入量和流出量。

土壤保持模块方面，在有关土壤保持研究中，对侵蚀量影响最大的是植被覆盖和作物管理因子C和水土保持措施因子P，与C因子直接相关的是土地利用类型和植被覆盖度，与P因子直接相关的是水土保持措施[21,22]。显然，不同的水土保持措施必然会导致土壤保持量变化。本研究中的C、P因子均参考了对应的土地利用类型取值，并没有根据研究区域特征进行调整，故应进一步研究并不断修正C、P取值，以提高模型评估的准确性和科学性。

5 结 论

笔者应用InVEST模型，分别评估了重庆市生态保护红线区域的碳储存、水源供给、土壤保持这3大生态系统服务，将其进行叠加分析，并综合评估了研究区综合生态系统服务水平及动态变化，最后讨论了土地利用变化分析及其对生态系统服务的影响。得出结论如下：

1)重庆市生态保护红线区域碳储量有所增加，2018年碳储量相较于2015年增加了2.417×106t，增幅为3.54%；碳储量分布呈现三面环绕布局，即东部、东南、东北部地区碳储量丰富，中西部地区碳储量较少。水源供给能力降低，2018年水源供给能力低于2015年，减幅为7.70%；强供水量区域仍集中分布在东北部和东南部区域，其他区域分布相对比较均匀。土壤保持服务水平有所降低，2018年土壤保持量相比于2015年降低了1.914×1010t，减幅为19.74%，土壤保持量在整个研究区内均匀分布。根据生态系统服务水平等级划分，仅有0.7%区域的3大生态系统服务水平均很稳定，56%区域生态系统服务水平等级在3、4级，即中等水平生态系统服务区域占比较重，仍有8.35%研究区域生态系统服务的3大功能均处于一般稳定水平；

2)土地利用变化会影响研究区域内生态系统服务水平。耕地减少、林地增加都会导致碳储量增加；降雨量和各土地利用类型潜在蒸散量对水源供给能力起到决定性作用，两者差值决定了水源供给量大小；有林地具有最高的土壤保持能力。