熵視角下延安市生態系統服務價值時空遞變規律及其影響因子

謝明陽， 焦春萌， 韓小雨， 焦 峰,

(1.中國科學院水利部水土保持研究所，水利部水土保持生態工程技術研究中心，陜西 楊凌 712100；2.中國科學院大學，北京 100049；3.長安大學大學地球科學與資源學院，西安 710000；4.西北農林科技大學水土保持研究所,陜西 楊凌 712100)

生態系統服務是自然系統反饋于人類的重要資源，是人類賴以生存和發展的資源與環境基礎。人類福祉高度依賴生態系統服務，包括供給服務、調節服務、支持服務和文化服務。人類在土地上的經營活動對地表的土地覆蓋狀況產生了巨大的影響，影響著生態系統服務提供能力的變化。其中，土地利用變化、經濟發展、人口增長等因素被認為是影響生態系統服務與人類福祉時空關系的重要因素。對于生態系統服務的價值評估是進行生態環境保護、生態功能區規劃等決策的重要依據和基礎。

自生態系統服務的類型、價值科學測算的原理及方法被Costanza等提出并發展后，現已逐漸成為國內外相關領域的研究熱點。Jafarzadeh等使用土地利用沖突識別策略模型分析伊朗西部扎格羅斯地區的土地利用分配制度及生態系統服務之間的協同和權衡發現，該地區在產水和防止土壤侵蝕之間實現了最高協同，林地、果園是該地區優化配置的最優選擇；Gouhari等對阿富汗Shah Foladi保護區的林地生態系統服務進行了經濟評估發現，該地區通過植樹造林，增加了木材、薪材的產量，可用以替代支持社區的生計來源，緩解土地退化。在對于生態系統服務價值(ESV)變化的研究中，當前多是基于土地利用變化的離散時相研究或雙時相變化檢測，如Han等利用探索性空間數據分析對安塞區1980-2018年的ESV和土地利用變化特征，而在長時序、逐像元的連續動態變化檢測方面仍有可供研究的空間，遙感技術與信息論的發展為時間序列的變化檢測奠定了理論與數據基礎。隨著遙感數據的積累，長時間序列的遙感影像完整地記錄了地表的變化過程。通過時間序列變化檢測可以充分地挖掘研究對象在時間維的變化信息，更好地反映其時空變化規律。王超軍等提出時間信息熵方法，綜合、定量化地反映了延河流域長時間序列植被覆蓋的時空變化特征，并與應用最為廣泛的回歸分析法進行了對比發現，時空信息熵方法更為客觀、準確，從熵的視角出發分析研究對象的時空變化特征，也為長時間序列遙感影像的變化檢測提供了新方法、新思路。但目前在該方法的應用層面，僅圍繞NDVI、地表溫度等遙感數據展開研究，鮮有利用該方法探究某區域ESV時空變化特征的研究，該方法在ESV時空變化特征研究中的適用性也有待進一步評估。

自1999年起，我國逐步實行了林業生態建設史上規模最大、任務最重、投入最多、群眾參與度最高的生態建設工程——退耕還林還草工程，而延安市作為先期試點地區，是退耕還林還草工程實施的主戰場。本研究基于延安市的遙感影像，以謝高地等制定的當量因子表為基礎，評估延安市的生態系統服務價值，引入時間信息熵模型，分析1990—2020年ESV時空遞變規律，并借助地理探測器識別來自自然、氣候、社會與經濟等方面的影響因子，以期為延安市土地資源管理和生態修復提供參考依據。

1 研究地區與研究方法

1.1 研究區概況

延安市位于黃土高原中南部，陜西省北部，地理坐標35°21′—37°31′N,107°41′—110°31′E(圖1)。延安市屬暖溫帶半濕潤易旱氣候區，四季分明，日照充足，晝夜溫差大，年均無霜期162天，年均氣溫7.7～10.6 ℃，年均日照時間2 400 h，年均降水量500 mm。降水多集中夏季，且多暴雨，強度大。延安市屬于黃土高原丘陵溝壑區，境內溝壑縱橫、地表支離破碎，植被稀少，地貌以高原、丘陵為主。地勢西北高東南低，平均海拔1 200 m，黃河自北而南沿延安東界流過，境內兩大河流分別為南部的北洛河及北部的延河。研究區屬于森林草原區，延安南部地區植被類型以森林植被類型為主，而延安北部灌草植被類型占優勢。

圖1 研究區域

1.2 數據來源

研究選取1990年、1995年、2000年、2005年、2010年、2015年、2020年7個研究時間節點。通過地理空間數據云網站(http://www.gscloud.cn/)，下載7個時期延安地區的Landsat系列遙感圖像為本研究的主要數據源，其中1990-2010年為Landsat 5遙感圖像，2015-2020年為Landsat 8遙感圖像。各時期遙感圖像空間分辨率為30 m×30 m，每景圖像的含云量均小于5%，圖像鑲嵌后研究區范圍內含云量小于1%，圖像時間以各對應年份7-9月為主?；贓NVI遙感數字圖像處理軟件平臺，對不同土地利用類型的空間位置及其在遙感圖像上的特征，以及不同樣地的地表覆蓋特征等進行了調查。采用支持向量機(support vector machine，SVM)監督分類方法，根據國家標準《土地利用現狀分類》(GB/T 21010—2017)將延安地區土地利用類型分為建設用地、水域、耕地、未利用地、林地及草地6大類。經過隨機抽樣檢查，Kappa檢驗精度達到90%以上。再通過Matlab R2018b軟件對各土地利用類型進行賦值，得到7期延安市ESV分布。

從影響ESV空間分異的自然因素和人為因素中，結合數據可獲得性和研究區實際情況，選擇7個影響因子：(1)自然因素，包括年均溫度、年降水、高程、坡度、歸一化植被指數(NDVI)；(2)人為因素，包括地區生產總值和人口密度。自然因子數據來源于國家科技基礎條件平臺—國家地球系統科學數據中心-黃土高原分中心(http://loess.geodata.cn)，通過Matlab R2018b軟件將月均數據換算為年數據；地區生產總值和人口密度數據來源于中國科學院資源環境科學數據中心(http://www.resdc.cn/)。由于現有數據時間跨度缺失，參考延安市統計年鑒對1990年、2020年的缺失數據進行了估算、補足。以上數據最后通過ArcGIS軟件進行雙線性內插重采樣統一至30 m×30 m精度。

1.3 生態系統服務價值計算

本研究采用焦春萌等對延安市校正后的生態系統服務價值系數計算延安市生態系統服務價值(表1)，延安市ESV計算公式為：

表1 延安市1990-2020年各土地利用生態系統服務價值變化

(1)

式中：為地區差異性系數，根據1990-2020延安市和全國的平均氣溫和年降水量，按公式計算延安地區差異性系數，焦春萌等研究計算值為0.91；為延安市生態服務價值當量因子的經濟價值，經焦春萌等計算為406.29元/hm，該結果與靳甜甜等對子午嶺區的生態系統服務價值當量因子相近，適用性較好。ESV為研究區生態系統服務總價值(元)；為土地利用類型，=6；為第種土地利用類型的面積(hm)。

1.4 時間序列信息熵模型

王超軍等在借鑒信息熵概念的基礎上，提出了時間信息熵、時間序列信息熵來挖掘研究對象在時間維的變化特征，表征其在某一時期的變化強度和變化趨勢信息。時間信息熵(temporal information entropy)用來反映研究對象在時間維的變化強度特征，計算公式為：

(2)

其中：

式中：≤≤…≤，是像元不同時期的觀測值,…,按照從小到大的順序排列后得到的(即表示研究對象任意像元第期的值)；為“時間頻率”因子，通過選取不同的值(為不超過/2的正整數)可以反映研究對象在不同時間尺度上的變化特征。本文中，由于數據跨度為5年1期，故該要素變化的時間尺度為5年1期，計算時取=1，=7；Δ為“縮放系數”，表示對不同數據源進行標準化處理，使得計算結果具有可比性，在本研究中Δ=1。

另外，由于時間信息熵的計算方法在計算時對遙感觀測數據進行了排序處理，結果只能反映出環境要素變化的強度信息，而無法體現出其在時間維的變化趨勢信息。王超軍等又提出了時間序列信息熵(time-series information entropy)來反映某一段時間內研究對象在時間維的變化趨勢信息。時間序列信息熵的計算和說明：

(3)

通過時間信息熵可以反映某一時段內研究對象在時間維的變化強度情況：值越大反映出這一段時間內其變化強度越大；反之則表示變化強度越小。時間序列信息熵則包含有趨勢信息：′值為正表示在某一時段內研究對象的變化呈增加趨勢；反之則表示研究對象呈減少趨勢?！浣^對值越大，表明增加(或減少)的趨勢越明顯。利用上述時間信息熵、時間序列信息熵可以挖掘研究對象在時間維的變化特征，定量、客觀地反映出長時序研究對象的變化強度和變化趨勢信息。同時，在計算得到上述熵值的基礎上，對其直方圖進行分割，進而得到研究對象的變化等級分布，在本研究中可為區域生態環境的保育和治理提供更為方便、宏觀的參考。

1.5 生態系統服務價值空間遞變影響因子的地理探測

地理探測器是由王勁峰等提出的探測空間分異性，以及揭示其背后影響因子的一種新統計學方法，包括因子探測、交互作用探測、風險探測和生態探測4個探測器。在本研究中采用因子探測器及交互作用探測器對影響延安市ESV空間分異的自然因素和人為因素影響力進行探測?？臻g分異性用值度量，表達式為：

(4)

式中：為ESV空間遞變影響因子探測力值，∈[0,1]，值越大，表明該影響因子對于研究區ESV空間分布影響力越高；和分別為研究區的取樣數和第層的樣本數；和分別是研究區ESV總方差和其在第層的離散方差；為研究區某影響因子的分類類型數。

交互作用探測可探測每2個影響因子之間的交互作用類型，共有非線性減弱、單因子非線性減弱、雙因子增強、獨立和非線性增強5種交互作用類型，這五種類型的各因子間交互作用依次增強。

2 結果與分析

2.1 生態系統服務價值總體演變特征

在研究期內，延安市生態系統服務總值呈現先下降后上升的變化趨勢(圖2)，轉折點出現在2000年。從整個研究時期來看，延安市ESV總體增加了7.7億元，增幅約32.4%。耕地ESV從1990年的3.35億元下降至2020年的0.87億元，降幅達74.1%；林地ESV從1990年的13.97億元，上升至2020年25.22億元，增加11.25億元，增幅為80.5%，說明延安市原來毀林開荒嚴重，1999年實行退耕還林還草工程后成效顯著，且研究期內延安市ESV的增加主要來自于耕地向林地的轉變。水域ESV在研究期內增加了0.12億元，增幅為36.6%；同時城市化也導致了建設用地面積增加，研究期內建設用地ESV下降了0.17億元，下降了6.31倍之多，但這些減損被林地、水域的擴張帶來的生態系統服務增益所彌補。

圖2 延安市生態系統服務價值分布

將延安市30 m×30 m ESV柵格數據逐年對比可知，延安市ESV整體呈現東南、西南部高，中南部、北部地區低的趨勢，隨著退耕還林還草工程的推進，北部和中南部地區大面積區域ESV由低轉高，這是由于延安市地處荒漠草原—森林生態系統的過渡地帶，在退耕還林還草工程推行前，延安北部大部分是農耕地或低覆蓋度草地，而南部則有天然林、經濟林等林地，可以直觀看到1995年相較于1990年，北部ESV進一步降低，2000年較之于1995年仍保持著相似的下降趨勢，自2000年開始，延安市整體ESV逐步上升。

2.2 生態系統服務價值的時空變化特征分析

運用時間信息熵模型對延安地區ESV進行分析，計算得出延安市ESV時間信息熵分布圖、延安市ESV時間序列信息熵分布(圖3)。對時間信息熵值分布直方圖進行分割(自然間斷法)，確定時間信息熵值在4.76以下的區域所發生的變化不大，進一步對時間序列信息熵直方圖進行分割，確定時間序列信息熵值在-7.5以下的區域ESV嚴重降低，熵值在-7.5～0的區域ESV降低，熵值在0～4.5的區域ESV增加，熵值在4.5以上的區域ESV明顯增加。

圖3 延安市生態系統服務價值時間信息熵及時間序列信息熵分布

統計得，延安市ESV基本不變的區域占68.5%，主要分布在延安市的東南部和西南部；ESV嚴重降低的區域占0.4%，大部分分布在各區縣城郊地帶，表明造成這些地區ESV嚴重降低的主導因素是城市化；ESV降低的區域占6%；ESV增加的區域占14%；ESV明顯增加的區域占11.1%，大部分分布在延安市的北部和中南部，也正是在這些地區，大面積的耕地在退耕還林還草工程中轉變為林地和草地(圖4)。

圖4 延安市生態系統服務價值變化等級分布

2.3 生態系統服務價值空間分異的影響因子探測

從自然因素和人為因素中選擇高程、坡度、NDVI、年均溫度、年降水量、人口密度、GDP等7個因素作為影響延安市ESV空間分異的影響因子，使用地理探測器“因子探測”部分，可以得到延安市ESV空間分異的單因子影響程度(表2)，結果顯示，2020年延安市各影響因子對生態系統價值空間分異的解釋力由高到低依次為NDVI>年均溫度>高程>人口密度>GDP>坡度≈降水量，NDVI對空間分異的解釋力最高。

表2 延安市生態系統服務價值空間分異影響因子探測結果

對比歷年各影響因子探測結果，NDVI一直是對空間分異解釋力最高的影響因子，說明植被覆蓋對ESV空間分異的貢獻處主導地位，且NDVI的解釋力從1995年的0.42驟增到2000年的0.68，之后又下降到2005年的0.40，最終在2020年降低到最低的0.20；年降水量的解釋力也在2000年發生驟增，從1995年的0.07增加到2000年的0.28，之后逐漸下降，到2020年下降到最低的0.02。其他影響因子的影響程度雖然仍是顯著的，但對空間分異的解釋力均未超過10%。

通過延安市ESV空間分異影響因子的交互探測結果(圖5)可以看出，所選擇的7個影響因子兩兩交互后對ESV空間分異的解釋力大多為雙因子增強作用或非線性增強作用。因此，延安市ESV的空間分異更多是不同影響因子之間交互作用的結果，其中NDVI與其他因子的交互作用也明顯強于其他各因子間的交互作用，在2000年NDVI與其他因子交互作用最強，接近0.70，而后NDVI與其他因子的交互作用逐漸減弱，但仍高于其他因子間交互作用，這也印證了植被覆蓋的影響力強于其他影響因子，處于主導地位。且2000年降水與其他因子的交互作用也較強，這一點也符合單因子探測中出現的突變。隨著退耕還林還草工程的推進，到2020年，各因子之間交互作用類型也更多地從雙因子增強型提高為非線性增強型。

注：DEM為高程；Slope為坡度；NDVI為歸一化植被指數；PD為人口密度；Tem為溫度；Pre為降水；GDP為國內生產總值.圖5 延安市生態系統服務價值空間分異影響因子的交互探測

3 討 論

退耕還林還草工程直接改變了土地利用/土地覆蓋，從而提高了區域生態系統服務價值，在這一點上本研究與已有研究結論一致。焦春萌等研究表明，自1999年開展退耕還林還草工程起，延安北部成為建設用地、林地、水域的競爭優勢區，中部市區周圍成為草地的優勢競爭區，在縣區級行政區劃尺度上揭示了延安地區的ESV變化趨勢，得出了各區縣ESV均值分布南高北低、ESV變化率北高南低的結論；而本研究在探測延安市ESV時空遞變規律方面，創新性地引入了時間序列信息熵方法，較為客觀地表征了長時間序列ESV的變化強度和變化趨勢信息，并在像元尺度上得出了更為細化的結果：在退耕還林還草工程實施前，延安北部地區存在大面積的耕地，而南部的天然次生林則保存較好，退耕還林還草工程帶動的ESV價值提高也主要來源于耕地向林地、灌草地的轉變，與此同時城市化增加的建設用地是主要的ESV降低區域。同時，時間信息熵模型在探究ESV時空遞變規律中的適用性較好，在像元尺度上能準確地甄別研究時序內研究對象的變化趨勢及變化幅度。

本研究在評估延安市ESV變化情況的同時，為延安市生態環境的進一步改善提供了科學的參考依據：延安市應在守住耕地紅線的基礎上，繼續保持北部地區的退耕還林生態恢復態勢，同時豐富林地、草地配置體系，使用擴展生態位(發展林下經濟)、開發第三產業等措施以期進一步提高延安市尤其是南部地區的ESV體量，同時合理控制城市化的擴張進程，盡可能少地為延安市的ESV帶來減益。

在對延安市生態系統價值空間分異影響因子進行探測時，本研究部分結論已有研究一致，孫夢華等對陜甘寧地區的ESV空間分異影響因子進行探測，得出NDVI是ESV空間分異的主導因子的結論；李理等對淇河流域生態系統服務進行了探測，得出了NDVI對固碳與土壤保持服務間的權衡影響最強(達到0.306)的結論，且大部分影響因子間交互作用類型也都是雙因子增強或非線性增強。在本研究中出現了2個影響因子解釋力突變的時間點，在2000年，NDVI和年降水量的解釋力驟增，原因可能為退耕還林還草工程初期，地表植被覆蓋情況劇變，導致NDVI的增長，從而影響了ESV的變化；另外，已有研究表明，植被恢復是黃土高原地區土壤干燥的主要原因，而農田生態系統的土壤水分是跟隨降雨量變化的，因此在退耕還林還草初期，降水量是影響ESV的關鍵因素；在2010年后，NDVI的解釋力逐漸降低，但伴隨這一過程，各影響因子間的交互作用逐漸強烈，交互作用類型更多地從雙因子增強變為非線性增強，說明延安市退耕還林還草工程推進過程中，初期單因子影響占主導地位的模式逐漸被因子間共同影響的模式所取代。

4 結 論

(1)研究期內延安市ESV總體增加7.7億元，增幅約32.4%，其增益主要來源于林地的擴張；調節服務占比高達50%，高于供給服務、支持服務和文化服務。

(2)延安市ESV空間分布大致表現出“南高北低”趨勢，并且以2000年為拐點實現了ESV由降低到升高的轉折。時間信息熵模型運行結果表明延安北部和中南部ESV明顯增加，占延安市25.1%，延安市的東南、西南部ESV基本不變，一直保持在較高的水平，占延安市的68.5%，各縣區的城郊地帶ESV嚴重下降，原因是城市化導致的其他土地利用類型向建筑用地轉變。

(3)延安市ESV空間分異受到自然因子和人為因子的共同影響，其中NDVI是影響ESV空間分異的主要因子，影響因子間的交互作用是雙因子增強或非線性增強，以NDVI和降水的交互作用解釋力最高。

時間序列信息熵模型在探究區域ESV時空遞變規律上具有結果準確、捕捉能力敏銳的優點，可以探知研究對象像元尺度上的時空變化信息；本研究對時間信息熵模型輸出結果的2個熵值分割中，均采用自然間斷法，但在如何確定其熵值分割標準及分割數量上仍需根據自身需要進一步研究。對于地理探測器的運用，本研究所收集的因子均為自然因素或人為因素中具有代表性的因子，在未來研究中為細化結果可根據需要收集更多數據進行因子探測。