江苏省海岸带生态系统服务价值演变分析

吉 玮，仲 露，汤萩贞，李 俊，李 丽*

（1.江苏智绘空天技术研究院有限公司，江苏 南京 210042；2.江苏海洋大学 海洋技术与测绘学院，江苏 连云港 222005；3.速度时空信息科技股份有限公司，江苏 南京 210042）

生态系统服务是指人类从生态系统中所获取的所有惠益[1]。开展生态系统服务价值评估，可以为优化生态系统结构提供决策信息，对促进区域经济和生态系统的可持续发展具有重要作用[2]。而海岸带是地球表面人类活动最为活跃的自然区域，拥有着优越的资源条件及环境条件，且该区域在调解气候、维持生物多样性和区域生态安全等方面发挥着不可替代的作用[3]。近些年来，随着“沿海大开发”等发展战略的实施，沿海区域的经济发展步伐明显加快，海岸带土地开发出现了前所未有的高潮[4]。海岸带越来越多的生态资源被开采利用，导致了沿海区域生态系统中物料和能源发生改变，生态系统服务价值（ecosystem service value，ESV）也随之产生变化。海岸带ESV的变动在很大程度上反映了海岸带生态环境的状况。

近年来，利用模型方法结合GIS（Geographic Information System，地理信息系统）和RS（Remote Sensing，遥感）技术探究ESV变化与驱动机制成为海岸带生态环境研究的热点。刘玉卿等[5]使用Landsat TM/ETM+卫星影像数据，对1997-2014年的盐城海岸带生态系统服务价值进行计算及对比，发现21世纪初期，ESV在渐渐变小，湿地面积的缩减是其主要原因。刘桂林等[6]分析了1980-2010年长三角ESV的变化，表明研究区内建筑面积、闲置空地、河流增加，农田、草地、森林减少。ESV中值区面积减少，低值区高值区面积持续扩张。卢霞等[7]采用单元面积价值当量因子法，对连云港海岸带进行ESV总值计算，得出具备较高服务价值的元素有营养输送、水分调节、水分供应。连云港海岸带生态系统处于健康状态。张兴榆[8]、张蒙蒙[9]、徐丽芬[10]等探索了生态系统服务价值与土地使用变更之间的关联。张秀英等[11]参照千年生态系统评估的分类体系，并考虑污染等因素，评估得出了海州湾生态系统的潜在和实际服务价值。宁立新等[12]结合集权法、层次分析法和PSR模型建立了江苏省海岸带生态系统健康评价指标体系。

本研究利用GIS和RS技术，开展江苏省海岸带遥感影像景观分类，参考谢高地等[13]更正的单位ESV当量进行江苏省海岸带格网尺度的景观ESV评估研究。在此基础上，结合空间自相关、敏感性指数等分析ESV评估结果的时空分布特征、空间集聚特征及其敏感性。本研究通过空间信息技术深入了解江苏省海岸带生态系统的运行过程及内在机制，以期为江苏省海岸带生态系统结构优化、生态建设规划、实现从“海洋大省”向“海洋强省”的跨越提供数据参考。

1 研究区概况与数据来源

江苏省海岸带是由黄海与中国陆地相互作用形成的，经连云港、盐城、南通三区，长度约954 km，占中国大陆海岸线的5.3%。江苏省海岸带景观主要包括农耕地、林地、建筑用地、盐田、湿地和河流等。由于江苏省海岸多为淤泥质，使得其沿海滩涂面积宽广，约占中国沿海滩涂面积的1/4，滩涂资源丰富。海岸带作为第一海洋经济区，近几十年以来，由于人类对海岸带滩涂的围垦，以及退盐还耕等措施的实施，使得江苏省海岸带景观格局与生态系统服务价值均发生了变化。本研究依据江苏省滨海湿地的区域特点以及土地使用状况，参考中国全国海岸线和海涂资源综合调查规定，将海岸带的范围定义为：由海岸线向陆地以及海洋两侧各延伸10 km。研究区域范围如图1所示。

图1 研究区位置图

本研究所使用的数据包括江苏省遥感影像数据、江苏省行政区划矢量图以及江苏省海岸线矢量数据。其中江苏省行政区划矢量图以及江苏省海岸线数据来自于CSDN技术交流平台（https：//www.csdn.net/）；江苏省遥感影像数据来源于地理空间数据云平台（http：//www.gscloud.cn/），选取了2008年Landsat TM影像以及2018年的Landsat OLI影像研究10年来江苏省海岸带生态系统服务价值演变，条带号分别为118/38、119/37、119/36以及120/36。

2 研究方法

2.1 海岸带景观分类

海岸带景观分类主要是通过监督分类结合人工目视解译来进行分类和结果修正。在分类之前，分别对2008年和2018年的Landsat数据进行图像预处理，包括辐射定标、大气校正、数据镶嵌和数据裁剪。对预处理后的遥感影像建立分类特征库，利用监督分类方法中分类效果较好的最大似然分类法对研究区海岸带景观进行分类，结合人工目视解译对分类结果进行修正。本研究将江苏省海岸带分为了水域、湿地、建筑用地、耕地、林地和盐场共6种景观类型，采用总体分类精度开展分类结果的精度验证。

2.2 生态系统服务价值估算

参考谢高地等[13]和索安宁等[14]的研究成果，确定了江苏省海岸带各生态系统类型的当量表。其中，林地的当量因子取自森林；建筑用地的生态结构简单且脆弱，其气候气体调节功能与荒漠的该功能相同，文化娱乐功能与森林的相同，其他功能忽略不计；盐场主要提供供给服务，其单位面积的生态系统服务价值为7 920元/hm2/a[14-15]。1个标准当量是1 hm2农田每年平均粮食自然产量的经济价值，自然产量一般按实际产量的1/7计算，即将单位面积农田生态系统粮食生产的净利润作为1个标准当量因子的生态系统服务价值量。本研究选取2008年和2018年江苏省海岸带大规模栽种的稻米、麦子以及苞米作为农作物的代表，根据平均产量（8 188.33kg/hm2）和多年粮食采购单价（1.97元/kg），计算得出耕地在食品生产方面单位面积产值为2 304.43元/hm2/a（数据出自连云港、盐城、南通三市的《统计年鉴》和《全国农产品成本收益资料汇编》）。最终确定江苏省海岸带单位面积ESV，见表1。

表1 江苏省海岸带各景观类型单位面积生态服务价值（元/hm2/a）

由于基于景观类别或行政地域进行ESV估算，只能得出ESV在时间尺度上的变化，无法反映空间尺度上的变化，因此在研究区内按照6 km×6 km大小建立格网，共计得到412个格网，将单个格网当作ESV分析的最小计量对象进行ESV的计算分析。其计算公式如下所示。

式（1）中：VESh是第h个格网的ESV指数；Ah为第h个格网的面积；Ahi为第h个格网第i种景观类型的面积；Ei为第i种景观类型的生态系统服务价值系数；n为格网中景观类型的数量。

2.3 空间自相关分析

空间自相关分析分为全局空间自相关分析和局部空间自相关分析，空间自相关分析是指临近空间区域单位上某变量的同一属性值之间的相关程度，主要通过空间自相关系数来衡量并且检验区域单位的这一属性在空间区域上是否具有高高相邻、低低相邻或者高低间错分布，即看其是否具有集群性。如果属性值在空间区域上呈高的地方其临近区域也呈高，则是空间正相关；反之，就是负相关。本研究在选用了全局Moran's I的同时，又引入了局部空间自相关LISA（Local Indicators of Spatial Association）来分析研究区生态风险空间分布模式及局部小区域上生态风险的异常相关关系和相关程度。全局Moran's指数能识别出空间要素的某属性变量是属于聚集分布、分散分布还是无规则分布，它的范围在-1.0与+1.0之间。Moran's I大于0时，表示数据呈现空间正相关，值越大空间相关性越明显；Moran's I小于0时，表示数据呈现空间负相关，值越小空间差异越大；Moran's I为0时，空间呈随机性。解读莫兰指数的时候，需要有P值和Z得分来判定，二者要结合在一起分析。P值表示概率，当P很小时，表示所观测到的空间模式不太可能产生于随机过程（小概率事件）。Z表示标准差倍数，反映一个数据集的离散程度。

LISA的实质在于将Moran's I分解并呈现到各个空间单元，根据空间单元的Moran's I值来识别局部空间高高聚集和低低聚集，以及高低间错分布的空间集群，并由此形成LISA聚类图，对有意义的局部空间关联进行显著性检验，探析局部空间异常特征[16-17]。式（2）为全局莫兰指数计算公式，式（3）为局部莫兰指数计算公式。

式（2）和式（3）中：I为全局Moran's指数；Ii为局部Moran's指数；n为参与分析的研究区格网总数；i，j为相邻的格网；xi，xj为变量x在相邻格网中的取值；wij是相邻格网i和j之间的空间权重；x是变量的平均值，是所有空间权重的聚合。

2.4 敏感性分析

为了解ESV系数变化对ESV产生的影响程度，本研究采用敏感性指数进行验证，ESV系数的改变是通过调整当量因子的值来实现的。计算公式为：

式（4）中：CVn为调整前的生态系统服务价值系数；ESVn为价值系数调整前的生态系统服务价值；CVm为调整后的ESV系数；ESVm为调整价值系数后的ESV；CS为敏感性系数。CS＞1表明ESV的估算结果可信度低，CS＜1则表明研究结果是可信的。

3 结果分析与讨论

3.1 江苏省海岸带景观类型变化分析

江苏省海岸带景观遥感分类空间分布结果如图2所示，其统计结果见表2。综合图2和表2可知，江苏省海岸带景观自2008年至2018年的面积变化特征如下：水域和耕地是研究区内所占面积最多的两种类型。面积增长的景观类别有耕地、建筑用地以及水域；面积下降的景观类别有林地、湿地和盐场。10年间，耕地面积增长最快变化最大。其次是水域景观面积，有较为明显的增长。建筑用地面积增长缓慢，仅增加了约20 km2。相反，盐场景观面积减少的最多，高达580多km2，这得益于“退盐还耕”政策的实施。此外，湿地景观面积以及林地景观面积都有不同程度的减少。

表2 江苏省海岸带景观类型面积 （单位：km2）

图2 江苏省海岸带景观类型分类结果图

3.2 江苏省海岸带景观类型ESV分析

表3为江苏海岸带不同景观类型的ESV评估结果。分析表3可知，江苏省海岸带2008和2018年的ESV分别为645.82亿元和650.23亿元。ESV在2008-2018年间大体上呈不断上升的趋势，主要原因是研究区水域面积、耕地面积以及建筑用地面积的增加。由于水域生态功能各当量因子总和相对较高，使得ESV总体上呈现增长的趋势。水域、耕地以及建筑用地ESV的增长在极大水平上弥补了因林地、湿地、盐场面积减少而带来的ESV损失。由ESV整体组成可知，水域和湿地两类景观占到了ESV总和的80%以上，建筑用地、林地和盐场三类景观占比较少。湿地ESV下降幅度较大，是由于人类对湿地的开发利用导致湿地范围缩小、湿地生态功能损伤。虽然耕地面积扩张较大，但由于耕地单位面积ESV较低，所以耕地ESV在ESV价值总和中所占比例较低，仅由2008年的8.09%增长到2018年的9.77%。水域对ESV变化的贡献最大，是由于水域单位面积ESV较高和水域面积增加共同造成的。

表3 江苏省海岸带不同景观类型ESV

在研究区内按照6 km×6 km大小建立格网，共计得到412个格网。将单个格网当作ESV分析的最小计量对象，依据式（1）计算得出每个格网的ESV系数，单位格网ESV为各ESV系数与相应的格网面积的乘积。依照标准差对所有格网ESV进行等级划分，共分为4个等级：低区（VES≤9 070.49万元）、中区（9 070.49万元＜VES≤21 907.25万元）、较高区（21 907.25万元＜VES≤34 744.01万元）、高区（VES＞34 744.01万元），其空间分布情况如图3所示。并根据已划分好的ESV等级，统计其分布情况见表4。从表4可以看出：2008-2018年ESV低区分布面积减少，格网数由2008年的179个下降到2018年的171个，面积减少了约161 km2；ESV高区分布面积也呈现出下降的趋势，格网数由2008年的60个降低到2018年的52个，面积减少了约275 km2；VES中区分布面积增加，格网数由2008年的104个增加到2018年的112个，面积增加了约210 km2；VES较高区分布面积也呈现出上升的趋势，格网数由2008年的69个增加到2018年的77个，面积增加了约242 km2。总体而言，10年间ESV 4个等级的面积和地理位置都发生了变化，但ESV各等级所占比例变化不大。

结合表4和图3可以看出，研究区2008-2018年间生态系统服务价值在地理位置上变化显著。ESV高区主要位于研究区东部，ESV高区的主要景观类型为湿地与水域，由于湿地遭到围垦，湿地的面积减少，这与ESV高区格网数下降相对应。ESV较高区和ESV中区主要位于ESV高区周围区域，较高区和中区的主要景观类型较为混杂，整体上呈现由中心向周边扩张趋势。ESV低区主要位于研究区靠近陆地的边缘地带，ESV低区的主要景观类型为耕地，整体上呈现缩减趋势。

图3 江苏省海岸带ESV等级空间分布图

表4 江苏省海岸带2008年-2018年不同等级ESV统计

3.3 ESV空间自相关分析

利用空间自相关分析方法，开展ESV的空间集聚特征分析。通过全局自相关计算，得出2008年和2018年全局自相关关联指标Moran's I的值分别为0.43和0.41（表5），均都处于[0，1]之间，可知结果分布在正态分布的右侧，为聚集型。说明ESV在地理格局上呈现正相关关联，邻近格网ESV具有相像性和集聚性。P值为0，代表所观查测量得到的空间形式不可能是随机生成的，结果可靠。由Z得分得知，2008年和2018年大概分别是标准差的16倍和15倍，Z验证结果突出。由2018年Moran's I指数低于2008年可知，江苏省海岸带研究期间邻近格网ESV密集程度有所降低，即各类景观慢慢地互相渗透，交错分布。

表5 江苏省海岸带ESV全局自相关指数

通过局部自相关指标Local Moran's I计算得出ESV局部空间自相关格局（图4）。将图4属性表中的数据导出，对研究区各等级格网数目进行累计，结果见表6。综合图4和表6分析可知：江苏省海岸带ESV高-高集聚区大致上处于海岸带的东侧及其邻近地段，其主要的景观类型包括湿地和水域。随着人类对湿地的围垦，ESV高-高集聚区面积持续缩减，2008-2018年ESV高-高集聚区格网数量从75个减少到67个，所占总格网数的比例减少了10.67%。研究区ESV低-低集聚区大致上处于海岸带的东部边缘上，低-低集聚区范围在持续扩大，ESV低-低集聚区格网数量从23增加到36个。研究区内存在低-高集聚区，主要位于高-高集聚区东部周边，格网数量不变，空间位置上略有变化。

表6 江苏省海岸带ESV局部自相关指数

图4 江苏省海岸带ESV局部空间自相关格局图

3.4 敏感性分析

通过将当量因子±50%来实现ESV系数的变更，采用传统敏感性指数Cs来评估ESV系数变化对ESV产生的影响程度，即ESV对系数的依附程度，ESV变化及其对应的敏感系数见表7。由表7可以看出：改变各景观类型ESV系数后，计算得到的敏感性指数都小于1。由此可知，江苏省海岸带ESV对单位面积ESV当量变化不敏感，表明研究结果具有较高的可信度。

表7 江苏省海岸带ESV对价值系数的敏感程度

4 结论

本文以江苏省海岸带为研究区，基于2008年、2018年两期遥感影像开展了海岸带景观分类，并在分类结果的基础上进行了生态系统服务价值的评估和空间集聚特征及敏感性分析，得出以下结论：（1）江苏省海岸带景观以水域和耕地两类为主。占地面积由大到小依次是水域、耕地、盐场、湿地、建筑用地、林地。（2）10年间，江苏省海岸带生态系统服务价值总体上呈不断上升的趋势，主要源于研究区域内水域面积、耕地面积以及建筑用地面积的增加。水域、耕地以及建筑用地ESV的增长补偿了林地、湿地、盐场ESV的损失。（3）研究期内江苏省海岸带ESV在空间上变化显著。ESV低区与ESV高区面积有所减少，ESV中区与较高区面积有所增加。结合全局自相关和局部自相关分析可知，江苏省海岸带ESV在空间上具有一定的集聚分布特征。高-高集聚区缩小，主要类型为湿地与水域；低-低集聚区扩张，主要类型为建筑用地与耕地；低-高集聚区面积不变，由多种景观类型构成。（4）经调整各景观类型价值系数后，计算得出的景观类型敏感性指数都小于1。由此可知，江苏省海岸带生态系统服务价值对单位面积生态服务价值当量变化不敏感，研究结果具有较高的可信度。研究结果可为江苏省海岸带生态系统结构优化、生态建设规划提供科学参考。