基于不同主體的生態系統服務流時空特征及影響因素研究

陳文婷 陳海 賈哲 耿甜偉

摘要 揭示食物供給服務流的時空特征及影響因素是保證糧食安全、確保該服務持續供給的必要前提和重要依據。以蘋果供給服務為例，首先構建了研究理論框架，隨后采用空間自相關、地理探測器等方法分析了客商、企業、電商3類主體作用下蘋果供給服務流（apple provision service flow，APEF）的時空特征及影響因素。結果表明：①APEF時間上呈季節式變化，秋季流量最高，夏季最少，受節假日影響 “波峰”型態勢明顯，不同主體差異較大；②空間上呈“喇叭”狀多核心分布，主要流向為華東、華南、西南地區，其中客商呈“南—北”走向的放射狀，企業呈“三核三線”狀，電商呈“多核心串珠狀 ”；③APEF的主要影響因素包括蘋果產量、經濟發展和消費水平。研究結論可為解決生態系統服務供需時空錯配及科學管理提供理論參考。

關鍵詞 生態系統服務流；主體；時空變化；影響因素

Spatiotemporal characteristics and influencing factors of ecosystem

services flow based on different entities： A case

study of apple provisioning services

Abstract Revealing the spatiotemporal characteristics and influencing factors of food supply service flow is a necessary prerequisite and important basis for ensuring food security and sustainable supply of this service. Taking Apples supply services as an example， a research theoretical framework was first constructed. Then， methods such as spatial autocorrelation and geographic detectors were used to analyze the spatiotemporal characteristics and influencing factors of Apple Provision Service Flow （APEF） under the influence of three main entities： merchants， enterprises， and e-commerce. The results show that ① the APEF time shows a seasonal variation， with the highest flow in autumn and the lowest in summer. The "peak" trend is significantly affected by holidays， and there are significant differences among different subjects. ②In terms of space， it is distributed in a "trumpet" shape with multiple cores， mainly flowing towards the eastern， southern， and southwestern regions of China. Among them， customers are in a radial shape with a "south-north" direction， enterprises are in a "three core and three line" shape， and e-commerce is in a "multi-core bead string" shape. ③The main influencing factors of APEF include apple production， economic development， and consumption level. The research conclusion can provide theoretical reference for solving the spatiotemporal mismatch between supply and demand of ecosystem services and scientific management.

Keywords ecosystem service flow; entities; spatiotemporal variations; influencing factors

作為未來地球（Future Earth）、地球觀測生物多樣性觀測網絡（GEO-BON）、生物多樣性和生態系統服務政府間平臺（The Intergovernmental Science-Policy Platform on Biodiversity and Ecosystem Services，IPBES）等計劃的核心研究內容之一［1-2］，如何從生態和社會的綜合視角來理解生態系統服務（ecosystem services，ES）從生態系統到人類社會的流動過程已逐漸受到學術界的關注［3-4］。其中，探討不同主體對生態系統服務流時空傳輸的影響，揭示ESF（ecosystem services flow，ESF）的流動特征與影響因素已經成為當前ESF研究的熱點內容［5-6］。研究對于揭示生態系統服務流的流動機制［7］，探討不同主體對 ESF的差異化影響，實現ES在供給區與受益區間的合理流動，促進 ES的持續發展與科學管理具有重要的理論和現實意義［8-9］。

生態系統服務流實質上是要建立供給區與需求區之間的時空關聯［10］，從供需關系揭示ESF時空特征已經逐漸得到學界廣泛應用，并在近年來成為ESF研究的主流［11］。學者早期多關注ESF研究理論框架的提出，如Liu和Villamagna等從ESF流動過程到涉及主體入手，建立ES的因果反饋聯系，提出了人與自然耦合系統中遠程生態系統服務流傳遞過程框架［12-13］，也有學者從供需關聯及ESF傳遞過程構建了生態系統服務的流動框架［14］，在框架討論的基礎上揭示ES供給區與受益區的空間關系，并開始嘗試繪制ESF成為當前研究的重點［15］。特別是近年來有學者通過供需比或供需差的方式模擬流量［16］，基于服務屬性模擬流向的方式，實現了對ESF流向與流量的計算與繪圖。目前分析單一服務流已經成為揭示ESF特征的主要途徑［17-18］，如水源涵養服務、碳固持服務、防風固沙服務［19-23］。已有研究成功探索了ESF的研究內容并建立了ESF的研究范式，為ESF研究提供了重要參考。但目前研究主要聚焦于基于單一服務尤其是基于自然屬性流動的ES，對于傳遞過程或傳遞載體依托人力完成ESF的研究還不多見，缺乏不同主體對ESF的差異性影響的研究。如其中最典型的供給服務，包括糧食、果蔬等，與其他服務相比，該類服務往往存在較為明顯的供需時空錯配問題［6］，為了實現供需平衡，在人力等主體作用下，該服務從供給區向受益區流動［6，24］，特別是在不同主體影響下，其流動路徑與過程差異顯著［25］。

與農業生態系統中的作物產品相關的ESF被描述為復雜的人類-環境系統，該系統從農業領域的作物生產到最終消費者［7］。作為典型的供給服務，蘋果供給服務的流動實際上是將自然資源（來自大自然的營養素、水和能量）和人類投入（化肥、種子、能源和勞動力）有機結合［26-28］，而后從自然生態中向人類社會中流通，它的流量、流向、流速等均受人類活動影響，但目前有關蘋果供給服務流動的研究報道較少。本研究以中國唯一符合蘋果生產氣候指標要求的優生區——洛川蘋果為例，在分析不同主體影響下（apple provision service flow， APEF）的空間聚類及時間變化特征的基礎上，探討了影響APEF的驅動因子及因子間的交互作用。研究結果可從理論上揭示不同主體對APEF的時空特征差異化影響，也為在實踐中制定合理的產業發展政策提供參考。

1 研究區概況及研究基礎

1.1 研究區概況

洛川縣地處渭北黃土高原溝壑地帶，暖溫濕潤干旱大陸季風氣候，平均海拔1 100 m，土層厚達80～200 m，年平均氣溫9.2 ℃，年降雨量622 mm， 無霜期170 d，日照2 552 h，晝夜溫差15.7 ℃［29］。洛川縣海拔較高，光照充足，晝夜溫差大，雨熱同季，得天獨厚的自然資源優勢，使洛川成為全國唯一符合蘋果生產氣候指標要求的優生區。洛川縣域面積約為1 804 km2，截止2020年，耕地約4.33×104 hm2，其中蘋果種植面積約3.53×104 hm2，蘋果種植面積占比耕地比重高達83％，占縣域面積接近20％，人均蘋果種植面積0.35×104 hm2，居全國之首。2020年全縣總人口22.06萬人，其中農業人口16.1萬人。全縣95％的農民種植蘋果，農民收入的95％來源于蘋果［30］。蘋果種植已成為洛川縣的支柱性產業，并在蘋果的倉儲、物流、銷售方面已經形成了較為完善的產業鏈，因此以洛川為例，為本研究的開展提供了理想的研究平臺。

1.2 研究框架

本研究提出了不同主體影響下的APEF概念框架（見圖1），從以下3個層次論述該框架。

1）理論基礎。生態系統服務通過不同尺度的空間流動（從局地到全球）為人類提供福利，不同載體的生態系統服務受多種因素影響，其流動過程均有不同，生態系統服務流傳遞到需求區所需時間也有明顯差異［31］。蘋果作為可以全年流通的食物供給產品，不同時間段APEF的流量、流速均有不同。更為重要的是其流動過程受主體影響較大，主體不同，往往流通方式不同，最終會影響流量與流速。

2）主體劃分。本研究基于已有成果并結合實地走訪，特別是對洛川縣蘋果產業中心年報、周報的文本進行分析，提出3類主體在蘋果流動過程中發揮的重要作用，即客商、企業和電商。

具體而言，主體（客商）是指外來的專業蘋果采購商，由當地的“代辦”與農戶交易，一部分蘋果直通市場（冷鏈專線運輸），一部分存儲冷庫，根據需求按時按量向市場發貨，直達目的地，量大次數多，客商一般都有固定市場檔口和銷售渠道。主體（企業）是指在本地有自持的蘋果基地的公司，由“經理人”與合作農戶聯系、收購蘋果，存儲在冷庫中。企業在一、二線城市建立專賣店，經營方式包括企業自營、合作經營或授權經營。專賣店銷售區域以市內為主，基本可以覆蓋各城市主城區。主要由線下店倉一體化實體門店、線上APP、市區內免費配送的物流服務（冷鏈專線運輸）3個部分構成。主體（電商）是指網上自主經營的個體戶，隨著互聯網技術的不斷發展，傳統的APEF流通模式也發生了改變。一些公司和微商利用互聯網有效選擇、并自發建立了一些網絡信息平臺，用來推進蘋果流通（快遞運輸）。

3）框架解釋。 如圖1所示， APEF分為4個組成部分： 供給區、 流通主體、 流通方式和受益區。 總體而言， APEF流通過程是指不同的主體（客商／企業／電商）通過不同形式（代辦／經理人／自行購買）采用不同的運輸方式（冷鏈／專線／快遞）通過不同的流通過程（線下購買／企業派送／客戶自提／線上下單）實現從生產者到消費者流通的全過程。該概念框架的核心在于突出主體作用的差異性，即主體不同，服務的流通方式不同，最終會影響蘋果流通的數量與方向。在圖中用線條的粗細來表示不同的購買途徑或運輸方式之間流動強度及數量差異，用線條的顏色表示不同主體產生的流向路徑。

2 研究數據與方法

2.1 數據來源

本文數據主要通過實地調研與線上搜索整理獲得，其中通過實地走訪洛川縣213家冷庫企業，獲得每家冷庫出入庫記錄單，得到洛川縣客商蘋果物流數據。通過實地走訪135家營銷企業，獲得63家專賣店蘋果流通數據。通過洛川縣郵政局獲得2019年9月—2020年8月蘋果在線成交交易數據。此外，其余數據如人均可支配收入、居民消費品零售總額等通過查詢洛川縣統計年鑒獲得。

2.2 研究方法

2.2.1 空間自相關

可揭示數據的空間依賴和空間異質性，以及探測變量的空間關聯性和集聚特征，分為全局空間自相關和局部空間自相關［32］。全局Morans I計算公式為

式中：I為全局Moran指數，取值范圍為［-1， 1］，用以衡量蘋果流量的聚集特征;n為市級行政單元的數量;xi和xj分別為市i、j的蘋果流量，為蘋果流量平均值，Moran指數為正，表明蘋果流量空間分布呈正相關，且值越大，相關性越顯著。

由于全局自相關不能明確表示空間集聚或異常的具體位置，因此為探究各市域蘋果流量與相鄰市的空間關聯及差異程度，進一步采用局部空間自相關進行分析，其計算公式為

式中：Ii為正時表示高值被高值包圍（高-高），即某市蘋果流量較高，其周圍城市流量也較高;或低值被低值包圍（低-低），即某市蘋果流量較低，周圍城市流量也較低;Ii為負表示低值被高值包圍（高-低），即某市蘋果流量較高，周圍城市流量較低;或高值被低值包圍（低-高），即某市蘋果流量較低，周圍城市流量較高。

2.2.2 地理探測器

地理探測器是探測空間分層異質性及其背后驅動因素的空間統計學方法，地理探測器的因子探測可以識別影響因子，交互探測可以解釋影響因子對因變量的交互作用，是研究復雜地理因素驅動作用機理的有效工具［33］。本文運用地理探測器下的因子探測器對蘋果服務流的空間分布差異進行探討，因子探測能夠探測某因子X在多大程度上解釋了屬性Y的空間分異，再進一步使用交互作用探測器，評估影響APEF流動空間分布的兩兩因子之間的交互作用。某因子X對屬性Y的影響程度用q值度量，表達式為

式中：h=1，2，…，L，L為變量Y或因子X的分層;Nh和N分別為層h和全區的單元數;σ2h和σ2分別是層h 和全區的Y 值的方差。p值為顯著性檢驗，q值為解釋力，q值越大表示自變量X對屬性Y的解釋力越強，反之則越弱。在本文中，某指標的q值越大，表明該指標對流量的解釋作用就越強，該指標對流量的影響就越大。

本文中將整體數量（Y1）、客商（Y2）、企業（Y3）、電商（Y4）4種APEF設為因變量，從生產、人口、經濟和交通因素4個維度出發，選取各省蘋果產量（X1）、常住人口（X2）、人均可支配收入（X3）、居民消費品零售總額（X4）、GDP（X5）、空間距離（X6）、貨運量（X7）、運輸網密度（X8）8個因子為自變量。

3 APEF的時空分布特征

3.1 APEF時間變化特征

3.1.1 年內變化特征

洛川縣APEF年內流量的時間變化呈波浪型走勢（見圖2），單樣本卡方檢驗結果顯示，APEF流量與季節、月份的p值均小于0.001，說明APEF流量隨季節、月份的變化特征存在統計學意義。本圖時間序列基于蘋果生長周期制定，9月多為蘋果成熟期，故將其設定為研究期初。由圖2可知，研究時段內APEF流量集中于秋季（9—11月），占比高達46％，冬季流量占比為21％，次年 1月中下旬流量出現了一定反彈，春季流量占比為23％，4、5月有兩次小高峰，夏季流量占比為10％，7、8月份流通量最少。

從不同的主體來看，客商秋季流量占全年客商總量的41％，全年流量峰值均在10月，5、6月銷量基本持平，夏季7、8月份銷量最少。企業秋季流量總量占企業總量40％，全年流量峰值也在10月，電商秋季流量占電商總量的38％，全年流量峰值在11月，12月消費意愿減弱較多，3月電商流量還高于企業，7、8月份發貨量極少。

綜上所述，洛川縣各主體流量年內變化特征與總體特征基本一致，年內均呈現較為明顯的波峰，依次為9月、1月、11月、2月、4月和5月，與我國主要節假日時間高度吻合，說明洛川縣蘋果流量變化受特殊日期變化明顯。

3.1.2 特殊日期變化特征

蘋果本質上作為商品存在，其流動方向與過程表現出明顯的經濟屬性，因此受節假日，電商活動日等特殊日期影響較大。統計表明APEF流量最大的時間段多發生于節假日?；诜ǘü澕偃找约啊半p十一”分別考察不同主體作用下的蘋果流量在特殊時間節點的變化特征，蘋果從供給區流動到需求區需要提前備貨，包裝，發出，所以選取節假日前的一周流量考察特殊節點時間的變化特征（見圖3），由于中秋與國慶、春節與元宵發貨時間基本重疊，故分析過程中將放在一起加以分析。

節假日變化特征為，在科技助力下，蘋果可在冷庫中長時間存放以確保全年流通。節假日蘋果流量占比40％，相應的流通速度較快?？傮w上，客商在節假日流量占比最大，企業次之，電商最少。中秋節與國慶節蘋果流通速率全年最高，春節和元宵節蘋果需求較大，清明、五一和端午節也有小高峰?！半p十一”蘋果流量為50 000 t，是電商日均銷售的最高峰。

客商中秋節流量占總流量的2/3，為其流量峰值;企業對節假日因素更為敏感;電商對節假日敏感度最低，中秋、雙十一、春節分列所有節假日流量前三位，其他節日流量相差不大。

3.2 APEF的空間分布特征

3.2.1 APEF總體分布特征

根據企業訂單量，客商發貨量，以及全年電商訂單量的流通路徑信息，繪制從供給區到需求區的點對點連線圖（省域落點標記在各省行政中心），以此分析APEF的流向和流量，進而揭示空間流動路徑〔見圖4（a）〕。按照自然斷點分級法分為5級，從圖中可知APEF總體流向分布極不均衡，呈“喇叭”狀多核心空間格局，核心流入區位于胡煥庸線東南側，其中廣東、福建、浙江、上海、四川、廣西位居前列，而東北及西北區域流入較少。進一步使用冷熱點分析法探究省域尺度空間分布規律〔見圖4（b）〕，發現冷熱點分布區都呈現出明顯的核心-邊緣結構，99％置信度下的熱點區位于廣東、福建、廣西、湖北等地區，屬于極高值聚類。其外圍是置信度為90％的臨近省份浙江、重慶、云南等熱點區，屬于次高值聚類。99％的冷點區為吉林省，其外圍是置信度為 90％的鄰近省份黑龍江、遼寧、內蒙。

3.2.2 客商APEF分布特征

對客商APEF按市域分布進行探討〔見圖5（a）〕?？梢钥闯?，客商APEF呈“南—北”走向放射狀空間分布格局。其中，華南和華東地區流量最大，主要是以廣州、深圳、東莞、江門等為主的 “大灣區”和以上海、杭州、南京、蘇州、福州、廈門等為主的東部沿海地區。西南地區則以成都、重慶、南寧等城市為主。選取市域尺度進行空間自相關分析，運用全局自相關中的Morans I衡量APEF的集聚特征，Morans I指數為0.073（p=0.004），表明客商APEF在空間分布具有明顯的空間集聚特征（顯著水平為0.01）。進一步采用局部空間自相關分析揭示空間分布格局及其集聚特征。計算Local Morans I，在通過顯著性檢驗的基礎上繪制了LISA集聚圖〔見圖5（b）〕?？蜕藺PEF的高-高類型區主要分布在廣州、東莞、深圳、桂林、杭州、嘉興、福州。部分高-高類型區（如廣州、杭州等城市）周圍分布一些低-高地區（贛州、 茂名、 江門、 溫州、 寧波、 蘇州等城市）。 低-低類型區主要分布在吉林、沈陽、呼和浩特、銀川、太原等地區。高低類型區分布在北京。

3.2.3 企業APEF分布特征

進一步對企業APEF進行探討〔見圖5（c）〕。企業APEF呈“南—北”走向“三核三線”狀。主要是以北京、上海、廣州特大城市為核心呈線狀分布。企業的專賣店以點狀門店向面狀區域提供蘋果供給服務，主要布局在一、二線城市。專賣店布局在北京、上海、廣深一線城市的有23家。同時，除杭州、福州、成都等省會城市外，還有一些非省會城市如廈門、泉州、三亞、無錫、蘇州等。此外還有部分布局在陜西各個地級市。企業全局自相關中的Morans I指數為0.079（p=0.005），表明在空間分布上具有明顯的空間集聚特征（顯著水平為0.01）。根據LISA圖〔見圖5（d）〕可以看出高高類型區主要分布在上海、東莞。高-低類型區主要分布在桂林和南昌。低-高類型區分布在高-高類型區附近如惠州，低-低類型區分布在南寧、鄂爾多斯或呼和浩特。

3.2.4 電商APEF分布特征

對電商APEF進行探討〔見圖5（e）〕。電商因其終點位置既定，蘋果流空間分布相對廣泛、分散，圍繞供給區呈“南—北”走向的“多核心串珠狀”?？臻g分布上主要有三個聚集地，珠三角、長三角，以及陜西內部，而東北、新疆、西藏等偏遠地區較少，其余在其他地區零散分布。全局自相關中的Morans I指數為0.034（p=0.000），在空間分布上具有明顯的空間集聚特征（顯著水平為0.001）。根據LISA圖〔見圖5（f）〕可以看出高高類型區主要分布在距離供給區較近的西安、寶雞、安康等城市。其他兩個高-高類型區和客商、企業較為相似，主要分布在長三角和珠三角。低-高類型區分布在高-高類型區附近。低低類型區連片集中分布于東北地區和西北地區，包圍著高低類型區（如北京、天津，沈陽、哈爾濱）。

4 APEF空間流動路徑的影響因素

4.1 單因子探測結果

使用地理探測器分析各因子的影響強度，結果如表1所示。

1）整體流量影響因子由表1可知，APEF空間分布差異的主要因素影響大小依次為GDP（0.547）>蘋果產量（0.421）>人均可支配收入（0.407）>居民消費品零售總額（0.403）>貨運量（0.401）>運輸網密度（0.400）>常住人口（0.393）。說明經濟基礎、自然條件、市場活力、交通通達性和貨運承載力是影響洛川APEF空間分布差異的主要因素。常住人口屬于次級解釋因子，而僅有空間距離的因子解釋力未通過顯著性檢驗，說明隨著交通運輸技術的發展，空間距離對蘋果跨區域需求影響越來越小，即消費者不會因為空間距離過遠而不產生需求，也不會因為空間距離較近而產生需求。

2）影響不同主體的APEF空間分布差異的主要因素?？蜕痰臏y算結果中，GDP、蘋果產量和居民消費品零售總額是核心影響因子，說明經濟較發達且不屬于蘋果供給區的城市對蘋果需求量較大。企業的測算結果中人均可支配收入、居民消費品零售總額和GDP是核心影響因子，因為企業在一些發達城市鋪設專賣店，大多以禮盒裝形式銷售，目標群體主要是企事業單位，大型公司年貨訂單等等，受眾群體較小，蘋果流量總體不大，所以受人均可支配收入和地方經濟消費水平影響較大，常住人口和空間距離影響力較小。電商的測算結果中人均可支配收入、居民消費品零售總額和空間距離是核心影響因子。由于電商的APEF屬于消費者線上隨機下單，因此人均可支配收入和居民消費品零售總額為核心因子。值得注意的是快遞運輸存在保鮮問題，尤其到了夏季，溫度太高不利于蘋果長途運輸，電商流通量很小，因此空間距離、交通通達性、貨運承載力也是重要因素。電商流量整體較小，隨機性比較大，因此受GDP和常住人口影響較小。

4.2 交互探測結果

APEF空間流動分布差異是由多種影響因子共同作用的結果，進一步運用地理探測器的交互作用探測器來獲取各個影響因子對蘋果整體服務流空間流動分布的交互作用（見表2）。

探測結果顯示，影響因子兩兩之間均為增強關系，包括非線性增強型和雙因子增強型，不存在獨立及減弱的關系，雙因子增強說明兩因子交互作用的影響力均大于各單一因子的影響力，非線性增強說明兩個因素交互作用的影響力要大于其分別單獨作用時的影響力之和。其中，對APEF空間分布差異性影響力水平最高的關鍵交互因子是蘋果產量和人均可支配收入，影響力達到0.889，這說明城市經濟消費水平和蘋果稀缺性在空間疊加后，對APEF空間分布起到主導作用。例如我國大多南方城市屬于蘋果需求區，加之蘋果比可替代水果（例如柑橘、梨）售價高，因此南方發達城市因經濟發達消費水平較高，對蘋果消費能力較強，APEF流量較大。同時，蘋果產量和居民消費品零售總額、常住人口、運輸網密度、貨運量、空間距離、GDP的交互影響力分別為0.846、0.828、0.803、0.798、0.785、0.781，表明蘋果產量直接決定了供給區與需求區，在不種植蘋果的地區經濟越發達，交通通達性越好，貨物承載力越大，蘋果流量越大。而居民消費品零售總額與空間距離、GDP與空間距離、人均可支配收入與常住人口也會產生很強的非線性增強，將在很大程度上提高其對APEF空間分布差異的影響力水平。

綜上所述，基于單因子探測結果可發現經濟要素對流量的影響較大，而在交互探測中發現兩兩因子交互作用均呈增強型，尤其是常住人口、空間距離和運輸網密度，雖然單個因子決定力較小，但在與其他因子空間疊加后，呈現出交互效應大幅度躍升的現象。因此，無論對于企業、電商或是客商，在設計產品銷路時應首先考慮經濟水平較高的區域，在此基礎上綜合考慮常住人口、空間距離、運輸網密度等交互后作用顯著提升的影響因子，以便于拓展銷路、增加銷量。

5 結論與討論

5.1 結論

本文以蘋果供給服務為例，借助空間自相關、地理探測器模型等方法，在揭示客商、企業、電商3類主體作用下蘋果供給服務流的時空轉移特征的基礎上，分析了其時空特征的影響因素，主要結論如下。

1）時間分布特征。APEF受季節月份變化影響明顯，其中秋季流量最高，占比46％，冬季和春季較少;夏季最少。同時，蘋果流量受節假日影響呈“峰”型態勢;不同主體變化量差距較大，客商最高，企業次之，電商最少，但各主體變化過程與總體變化特征基本吻合。

2）空間分布特征。APEF在空間上呈“喇叭”狀多核心分布格局，主要流向華東、華南及西南地區。需求區集聚特征明顯，冷熱點分布區都呈現出明顯的核心-邊緣結構，熱點區呈現以廣東、福建、廣西、湖南等省份的圓團狀分布;冷點區呈現出以內蒙古、吉林、黑龍江等省份的帶狀分布。其中，客商APEF主要流向了大灣區和東部沿海地區?？臻g分布呈“南—北”走向的放射狀，東部沿海地區為高-高、低-高聚集，中部城市大多為不顯著地區，西北和東北地區呈低-低聚集;企業APEF在空間上呈現出“三核三線”狀，主要是以北上廣特大城市為核心的線狀分布特征;電商APEF在空間上呈“ 多核心串珠狀”，高-高類型區分布在陜西省以及長三角和珠三角。低-低類型區連片集中分布于東北地區和西北地區。

3）時空特征影響因素。APEF空間分布差異的影響因素大小依次為GDP、蘋果產量、人均可支配收入、居民消費品零售總額、貨運量、運輸網密度常住人口以及空間距離。由單因子探測可知，影響客商APEF空間分布的主要因素是GDP、蘋果產量和居民消費品零售總額，影響企業APEF空間分布的主要因素是人均可支配收入、居民消費品零售總額和GDP，影響電商APEF空間分布的主要因素是人均可支配收入、居民消費品零售總額和空間距離。由因子交互作用探測可知，所有交互因子對APEF空間分布差異的影響力相對于單個因子都有所增強。其中，對APEF空間分布差異性影響力水平最高的關鍵交互因子是蘋果產量和人均可支配收入，而常住人口、空間距離、運輸網密度雖然單個因子決定力較小，但在與其他因子空間疊加后，呈現出交互效應大幅度躍升的現象。

5.2 討論

通過上述分析可發現，APEF流量最明顯的時間特征是其波峰與節假日高度吻合，按季節排序，秋季流量最高，其余依次為春季、冬季、夏季。這是由于秋季是蘋果的鮮果流通季節，且中秋與國慶雙節流量效應明顯;春季的清明節、勞動節等，處在新季水果上市之前，市場其他水果青黃不接，是庫存蘋果流通的黃金時間，農歷正月的春節和元宵節也刺激了蘋果需求量;冬季則主要銷售庫存蘋果，運輸成本較高，終端價格上升，而其他可替代性水果的上市沖擊了蘋果市場，使得流量迅速下降;夏季大量鮮果上市，因此夏季流量最低。就主體而言，客商總體特征符合預期結果，春節期間銷量最好，夏季主要用于依靠固定渠道備貨。因為蘋果禮品屬性更強，受節假日影響因素更大，春節、清明節、勞動節等節假日會使企業有可觀的流量。電商流量高峰主要在節假日和電商特有的“雙十一”購物節，夏季因為氣溫過高，快遞運輸沒有冷鏈不利于蘋果保鮮，電商發貨量極少。

通過分析APEF空間特征發現，雖然3類主體均呈東、南部流量高、流向密集的特征，但電商流向目的地更發散，城市分布較為均勻，企業則明顯集中于上海、廣州等大城市，客商介于兩者之間。APEF出現這種分布特征的主要原因是受主體作用的影響。由于采用線上交易，電商可以突破空間的限制，其目標群體分布也更為廣泛。企業專賣店以點狀門店向面狀城市區域提供服務，承接企業的APEF往往需要大型市場和雄厚的資本作為依托，因此，在企業作用下呈現出明顯的一二線城市聚集特征?？蜕痰倪\輸費用及采買費用較高，這也對客商提出了要求，銷售范圍基本包括了中國南部的大中型城市?？蜕藺PEF的高-高類型城市不僅為當地吸引了大量的蘋果需求量，還通過溢出效應流向周邊的需求區;低-高類型城市主要集中于南部省會城市的周邊地區;低-低類型經濟發展水平較低，消費力不高，并且周邊有其他蘋果供給區;高-低類型區某個特定高需求區，且周邊區域因靠近環渤海產區為低需求區。因此，相較于企業而言客商來源更加廣泛，而與電商相比，其空間聚集性又更加突出。由于不同主體的目標群體及流通方式不同，從而導致了不同主體影響下APEF呈現不同的特征。

5.3 展望

本文深入探析了不同主體APEF的時空特征與影響因素。與現有研究相比，本研究實現了對典型供給服務流量與流向的模擬，且揭示了影響流向和流量的關鍵因子，可對制定合理的產業發展政策以及市場營銷提供參考。但本文使用數據，特別是物流、快遞、訂單等數據，僅能顯示發貨數量與發貨（供給）時間，而無法顯示接收（消費）時間，特別是消費者具體的消費時間節點，囿于數據限制，因此文中僅分析了蘋果供給服務的流量與流向，而流速則尚未涉及。流速是生態系統服務研究的重要內容，也是本研究后續亟待突破的領域。此外，研究時段僅限于2019年9月至2020年8月，研究時段較短，數據量較少，對于長時間序列分析不足。隨著數據的進一步完善，揭示長時期跨度下不同主體APEF的時空特征及影響因子也是日后需要關注的重點。

參考文獻

［1］ DAWSON N， MARTIN A. Assessing the contribution of ecosystem services to human wellbeing： A disaggregated study in western Rwanda［J］. Ecological Economics， 2015， 117： 62-72.

［2］ 李雙成. 生態系統服務地理學［M］. 北京： 科學出版社， 2014.

［3］ MEHRING M， OTT E， HUMMEL D. Ecosystem services supply and demand assessment： Why social-ecological dynamics matter［J］.Ecosystem Services， 2018， 30： 124-125.

［4］ 傅伯杰， 歐陽志云， 施鵬， 等. 青藏高原生態安全屏障狀況與保護對策［J］. 中國科學院院刊， 2021， 36（11）： 1298-1306.

FU B J， OUYANG Z Y， SHI P， et al. Current condition and protection strategies of Qinghai-Tibet Plateau Ecological security barrier［J］. Bulletin of Chinese Academy of Sciences， 2021，36（11）：1298-1306.

［5］ 劉慧敏， 劉綠怡， 丁圣彥. 人類活動對生態系統服務流的影響［J］. 生態學報， 2017， 37（10）： 3232-3242.

LIU H M， LIU L Y， DING S Y. The impact of human activities on ecosystem service flows［J］. Acta Ecologica Sinica， 2017， 37（10）：3232-3242.

［6］ 耿甜偉. 基于供需關系的生態系統服務流時空特征及調節機制研究［D］.西安：西北大學， 2022.

［7］ BURKHARD B， KANDZIORA M， HOU Y， et al. Ecosystem service potentials， flows and demands-concepts for spatial localisation， indication and quantification［J］. Landscape Online， 2014， 34： 1-32.

［8］ SHI Y S， SHI D H， ZHOU L L， et al. Identification of ecosystem services supply and demand areas and simulation of ecosystem service flows in Shanghai［J］. Ecological Indicators， 2020， 115： 106418.

［9］ 趙雪雁， 馬平易， 李文青， 等. 黃土高原生態系統服務供需關系的時空變化［J］. 地理學報， 2021， 76（11）： 2780-2796.

ZHAO X Y， MA P Y， LI W Q， et al. The spatiotemporal changes in the supply-demand relationship of ecosystem services in the Loess Plateau［J］. Acta Geographica Sinica，2022， 76（11）：2780-2796.

［10］DU H Q， ZHAO L， ZHANG P T， et al. Ecological compensation in the Beijing-Tianjin-Hebei region based on ecosystem services flow［J］. Journal of Environmental Management， 2023， 331： 117230.

［11］XU L Y， HANG Y， JIN F. Evaluating the supply-demand relationship for urban green parks in Beijing from an ecosystem service flow perspective［J］. Urban Forestry ＆ Urban Greening，2023，85：127974.

［12］LIU J G， YANG W， LI S X. Framing ecosystem services in the telecoupled Anthropocene［J］. Frontiers in Ecology and the Environment， 2016， 14（1）： 27-36.

［13］VILLAMAGNA A M， ANGERMEIER P L， BENNETT E M. Capacity， pressure， demand， and flow： A conceptual framework for analyzing ecosystem service provision and delivery［J］. Ecological Complexity， 2013， 15： 114-121.

［14］FELIPE-LUCIA M R， MARTN-LPEZ B， LAVOREL S， et al. Ecosystem services flows： Why stakeholders power relationships matter［J］.PLoS One， 2015， 10（7）：

e0132232.

［15］劉慧敏， 劉綠怡， 任嘉衍， 等. 生態系統服務流定量化研究進展［J］. 應用生態學報， 2017， 28（8）： 2723-2730.

LIU H M， LIU L Y， REN J Y， et al. Progress in quantitative research on ecosystem service flow［J］.Chinese Journal of Applied Ecology， 2017， 28（8）： 2723-2730.

［16］ZHANG J X， HE C Y， HUANG Q X， et al. Understanding ecosystem service flows through the metacoupling framework［J］. Ecological Indicators， 2023， 151： 110303.

［17］楊正忠，徐昔保，李景宜， 等. 生態系統服務流研究進展與展望［J］. 生態與農村環境學報， 2023， 39（7）： 827-838.

YANG Z Z， XU X B， LI J Y， et al. Research progress and prospects of ecosystem service flow［J］.Journal of Ecology and Rural Environment， 2023，39（7）：827- 838.

［18］GUAN D J， DENG Z， ZHOU L L， et al. How can multiscenario flow paths of water supply services be simulated？ A supply-flow-demand model of ecosystem services across a typical basin in China［J］. Science of the Total Environment， 2023， 893： 164770.

［19］李晶，任志遠.基于 GIS 的陜北黃土高原土地生態系統固碳釋氧價值評價［J］.中國農業科學， 2011， 44（14）：2943-2950.

LI J， REN Z Y. Research on the values of CO2 fixation and O2 release by landuse ecosystem in loess plateau in northern Shaanxi Province［J］.Scientia Agricultura Sinica， 2011， 44（14）：2943-2950.

［20］ZHANG C， LI J， ZHOU Z X， et al. Application of ecosystem service flows model in water security assessment： A case study in Weihe River Basin， China［J］. Ecological Indicators， 2021， 120： 106974.

［21］XIE G D， LIU J Y， XU J， et al. A spatio-temporal delineation of trans-boundary ecosystem service flows from Inner Mongolia［J］. Environmental Research Letters， 2019， 14（6）： 065002.

［22］張欣蓉， 王曉峰， 程昌武， 等. 基于供需關系的西南喀斯特區生態系統服務空間流動研究［J］. 生態學報， 2021， 41（9）： 3368-3380.

ZHANG X R， WANG X F， CHENG C W， et al. Research on spatial flow of ecosystem services in southwest karst region based on supply and demand relationship［J］.Acta Ecologica Sinica， 2021，41（9）：3368-3380.

［23］陳梓隆， 林靜玉， 黃金良. 水質脅迫下閩東南地區流域淡水生態系統服務流研究［J］. 生態與農村環境學報， 2022， 38（8）： 1051-1063.

CHEN Z L， LIN J Y， HUANG J L. A study on the service flow of freshwater ecosystems in the southeast fujian basin under water quality stress［J］.Journal of Ecology and Rural Environment， 2022， 38（8）：1051-1063.

［24］GENG T W， CHEN H， LIU D， et al. Research on mediating mechanisms and the impact on food provision services in poor areas from the perspective of stakeholders［J］. International Journal of Environmental Research and Public Health， 2021，18（19）： 10510.

［25］劉慧敏. 基于生態系統服務流視角的人地系統動態演化評估［J］. 環境生態學， 2023， 5（7）： 21-32.

LIU H M. Evaluation of dynamic evolution of human earth system from the perspective of ecosystem service flow［J］. Environmental Ecology， 2023，5（7）：21-32.

［26］BUKEVICIUTE L， DIERX A， ILZKOVITZ F. The functioning of the food supply chain and its effect on food prices in the European Union［M］. Brussels：Office for Infrastructures and Logistics of the European Communities， 2009.

［27］MLLER F， BICKING S， AHRENDT K， et al. Assessing ecosystem service potentials to evaluate terrestrial， coastal and marine ecosystem types in Northern Germany： An expert-based matrix approach［J］. Ecological Indicators， 2020， 112： 106116.

［28］姚婧， 何興元， 陳瑋. 生態系統服務流研究方法最新進展［J］. 應用生態學報， 2018， 29（1）： 335-342.

YAO J， HE X Y， CHEN W. The latest progress in research methods for ecosystem service flows［J］.Chinese Journal of Applied Ecology， 2018， 29（1）： 335-342.

［29］孫梨梨. 洛川縣水資源承載力評價及優化配置研究［D］. 西安： 長安大學， 2023.

［30］劉樂彤. 鄉村振興背景下洛川蘋果生產現狀及轉型升級研究［D］. 楊凌： 西北農林科技大學， 2023.

［31］馮文彬. 基于供需關系的粵港澳大灣區生態系統服務流研究［D］. 廣州： 廣州大學， 2023.

［32］連虎剛， 曲張明， 劉春芳， 等. 北方防沙帶河西走廊段景觀格局時空演變及其防風固沙服務響應［J］. 應用生態學報， 2023， 34（9）： 2518-2526.

LIANG H G， QU Z M， LIU C F， et al. The spatiotemporal evolution of landscape pattern in the Hexi Corridor section of the northern sand prevention belt and its response to wind and sand fixation services［J］. Chinese Journal of Applied Ecology， 2023，34（6）：25-33.

［33］王勁峰， 徐成東. 地理探測器： 原理與展望［J］. 地理學報， 2017， 72（1）： 116-134.

WANG J F， XU C D. Geodetectors： Principles and prospects［J］.Acta Geographica Sinica， 2017， 72（1）：116-134.