退耕还林还草工程对陕北地区生态系统服务价值时空演变的影响

邓元杰,侯孟阳,谢怡凡,高 晴,姚顺波,*,龚直文,鲁亚楠,贾 磊,李园园

1 西北农林科技大学经济管理学院, 杨凌 712100 2 西北农林科技大学资源经济与环境管理研究中心, 杨凌 712100

生态系统服务(Ecosystem Services, ES)是指对人类生存和发展具有重要意义的一系列环境条件和产品,人类可以直接或间接地从中受益[1]。土地利用在维持生态系统服务方面起着决定性作用[2]。土地利用变化作为生态过程的载体,会直接引起生态系统类型、面积以及空间分布状况的变化,进而对生态系统服务的结构和功能产生影响[3]。量化生态系统服务价值(Ecosystem Services Value, ESV)能够更好的评估和反映土地利用变化对生态系统服务所产生的影响,是生态环境保护、生态功能区划、环境经济核算和生态补偿决策的重要依据和基础[4-6]。因此生态系统经济学和生物多样性(The Economics of Ecosystems and Biodiversity, TEEB)、生物多样性和生态系统服务政府间科学——政策平台(The Intergovernmental Science-Policy Platform on Biodiversity and Ecosystem Services, IPBES)、联合国千年生态系统评估(Millennium Ecosystem Assessment, MA)均将评估ESV作为了研究的重点。自Costanza等[1]实现了对全球ESV的量化后,便在全球范围内掀起了对ESV量化的研究热潮,世界各国学者使用Costanza等提出的评估模型对全球[5]、亚洲[4]、美洲[7]、非洲[8]和欧洲[9]范围内的ESV进行了量化评估。中国学者谢高地等[10-11]以Costanza等提出的ESV评估模型为基础,根据中国陆地生态系统的实际情况,编制出了可用于计算中国陆地ESV的评估价值体系,由此拉开了我国学者在全国范围内针对不同尺度范围的ESV研究序幕,如全国[12]、城市[13]、流域[14]、山区[15]等。

退耕还林还草工程(以下简称工程)自1999年在四川、陕西、甘肃三省试点开展,再到2002年在全国全面启动、2014年新一轮工程启动,至今已过了20年。截止到2018年,我国退耕还林还草近2亿亩,总投资已经达5000亿元[16]。通过20年来的建设,全国工程建设取得了显著成效：首先,减少了水土流失和风沙的危害,扭转了生态恶化的趋势[17]。其次,调整了农村产业和结构[18],转移了农村剩余劳动力[19],改变了生产方式和生活方式[20]。同时,因工程实施,我国的地表覆盖发生了前所未有的大尺度、转换性变化,对我国的生态系统结构和服务功能产生了重大的影响。因此对由退耕还林还草工程实施引起的ESV变化进行量化,不仅能从退耕还林与生态系统服务的角度评估20年来退耕还林还草工程实施的效果,还能为今后退耕还林还草工程的继续实施及资金有效的使用提出科学合理的政策建议。然而,以主题词“退耕还林还草工程”和“生态系统服务价值”在中国知网(CNKI)上进行检索发现,国内仅有16篇文献研究了两者的关系；以主题词“Sloping Land Conversion Program”和“Ecosystem Services Value”或“Grain For Green”和“Ecosystem Services Value”使用Web of Science核心合集进行检索发现,国际上也仅有36篇研究论文。由此可得,对退耕还林还草工程实施和ESV关系研究还亟待扩充完善。此外,从现有研究来看,虽然学者们从流域[21]、县域[22]、地形地貌区[23]、聚落区[24]等不同区域出发,探究了工程实施对上述区域ESV所产生的影响。然而,前人主要集中在研究工程对ESV的时间变化影响上,而缺少从空间的视角出发研究工程对ESV的影响；此外,前人选择的研究范围相对较小,这可能会导致不能从宏观上全面把握工程对ESV的影响。

基于此,本文将位于工程重点实施区域的陕北地区(包括榆林市和延安市)作为研究区,基于1990、2000、2015年3个时期的土地利用数据,首先通过对工程实施前(1990—2000年)和工程实施后(2000—2015年)的ESV进行估算和对比,定量揭示由工程引起的土地利用变化对研究区ESV在时间上的变化；其次运用探索性空间分析法(Exploratory spatial data analysis,ESDA)定量揭示由工程引起的土地利用变化对研究区ESV在空间分布、集聚和演化的影响,以期能科学全面评估工程实施对陕北地区ESV时空格局演变的影响,这将对评估由工程实施所带来的生态资产价值变化具有重要的指导意义,同时将为巩固工程实施成果和未来工程的继续实施提供科学依据。

1 数据来源与研究方法

1.1 研究区概况

陕北地区位于陕西省北部,境内辖延安市和榆林市的25个县(区),总面积8.03×104km2,占全省面积的39.05%。地理位置介于34°49′—39°35′N,107°10′—111°14′E之间,海拔高度约500—2000 m(图1)。陕北地势西北高,东南低,北部为风沙区,南部是丘陵沟壑区,土壤以黄绵土和草原风沙土为主,气候上处于暖温带大陆性季风半湿润气候向温带半干旱气候的过渡区,年平均气温8—12 ℃,年平均降水量350—600 mm,区域内气温和降水的空间分布差异较大,植被类型多样,植被分布差异较大。2000年以前,由于在农牧业等生产中过度毁林开荒、陡坡耕种,造成森林面积不断减少,土壤涵养水源、保持水土的功能降低,一度成为了我国水土流失和遭受风沙危害严重地区。2000年后,随着工程的有效实施,以陕北地区为核心的黄土高原地区生态环境得到了极大的改善,土壤涵养水源和保持水土功能得到了显著提升,陕北地区更是成为全国连片增绿幅度最大的地区[25]。

图1 陕北地区位置示意图

1.2 数据来源

本研究所使用的陕北地区延安、榆林两市的土地利用数据来源于中国科学院资源环境数据中心(http：//www.resdc.cn),共包括1990年、2000年和2015年三期,其空间分辨率为30 m。该数据集的生产是以各期Landsat TM、ETM+及OLS遥感影像为数据源,通过人工目视解译生成。并经过实地验证,误差修正后的土地利用以及类型综合评价精度达到93%以上[26-28]。土地利用类型根据“国家资源环境遥感宏观调查与动态研究”项目所建立的中国土地资源分类系统标准[29],本文将陕北地区土地利用类型重新分为耕地、林地、草地、水域、建设用地和未利用地六类(图2)。研究区的DEM数据下载于地理空间数据云(www.gscloud.cn),数据类型为GDEM V2, 其分辨率为30 m；陕北地区行政边界矢量数据来源于2017年国家基础信息中心公布的全国1：100万基础地理数据库(www.webmap.cn)。本研究所使用的空间坐标系为WGS_1984_UTM_zone_49 N。

图2 1990—2015年陕北地区土地利用分类

1.3 研究方法

1.3.1ESV估算

(1)标准单位生态系统面积服务价值当量因子的确定

1个标准单位ESV当量因子是指单位面积上农田每年自然粮食产量的经济价值的1/7[6],以此当量可以表征和量化不同类型生态系统对生态服务功能的潜在贡献能力。基于研究区粮食价格的价值当量修订方法,是目前广泛使用的对确定“生态系统单位面积服务价值当量”的调整方法之一。其计算公式为：

(1)

式中,VC0为1个标准单位ESV当量因子(元/hm2)；P为平均粮食价格(元/kg)；Q为研究区平均粮食产量(kg/hm2)；n为年份数。本研究从《全国农产品成本收益汇编(1991—2016)》中获取到陕西省1990—2015年小麦、玉米及水稻三种粮食作物平均粮食价格P为1.32元/kg,3种粮食作物的单位面积平均粮食产量Q为3174.15 kg/hm2。

为了消除物价上涨对粮食价格的影响,本文参考王航等[30]和Li等[31]的研究,引入居民消费价值指数对基于粮食价格和粮食产量求到的单位农田ESV当量进行修正,以求更为精确的求得陕北地区单位面积ESV的当量因子。修正具体公式为：

ai=CPI/100

(2)

(3)

(4)

最后根据(4)式求得研究时间段内陕北地区1个标准单位生态系统面积生态服务价值当量因子为868.88元/hm2。

(2)生态服务价值系数修正

在确定标准单位生态系统面积生态服务价值当量因子基础上,根据划分的陕北地区实际的土地利用类别情况,综合参考谢高地等[10-11]经过两次修订的“中国陆地生态系统单位面积服务价值当量表”,和高振斌等[32]和李晓赛等[33]在研究中确定的建设用地单位面积价值当量,计算得到各生态系统服务的生态服务价值系数(表1)。计算公式为：

表1 陕北地区各类生态系统服务价值系数/(元/hm2)

VCij=eijVC0′,i=1,2,…,6;j=1,2,…,9

(5)

式中,VCij为i种生态系统j种生态服务功能的系数(元/hm2)；eij为i种生态系统j种生态服务功能相对于单位农田生态系统提供食物生产的生态服务功能；i为生态系统类型；j为生态服务功能；VC0为单位农田生态系统提供生产服务功能的经济价值(元/hm2)。本文的生态系统为耕地、林地、草地、水域、未利用地和建设用地6种,其中前5种分别对应“中国陆地生态系统单位面积服务价值当量表”中的农田、森林、草地、水域及荒漠。

(3)生态系统服务价值计算

陕北地区ESV计算公式为：

(6)

式中,ESV表示陕北地区生态系统服务功能总价值(元)；Aj为土地利用类型j的面积(hm2),VCij表示j类土地利用类型的i类生态服务功能价值系数(元/hm2)；i表示生态系统服务功能,j表示土地利用类型。

ESDA分析方法是利用GIS空间分析技术,通过邻接关系定义空间权重矩阵,运用空间自相关、空间关联指数等探测、描绘事物在空间上的分布,利用模型将分析结果进行可视化表达,以此揭示事物在空间上的相互作用关系[34]。常用的统计量有衡量全局自相关的Moran′I或Geary′sC统计量,以及衡量局部自相关的LISA散点图或Getis-Ord Gi*统计量。前两者主要用来探测整个研究区的空间关联结构模式；后两者用来识别不同空间位置的高值簇和低值簇的空间分布特征。

(1)全局空间自相关

本研究采用计量地理学常用的空间自相关模型——Moran′I统计量来度量陕北地区经过格网重建后的ESV在空间分布上的集聚和扩散特征。其具体公式为：

(7)

式中,S2为ESV的方差值；n为样本数；Yi和Yj分别为i单元格网内和j单元格网内的ESV值；Wij为空间权重矩阵的相应要素。Moran′I指数的趋势范围为[-1,1],当I>0时,表示格网化后陕北地区的ESV在空间分布上具有正相关性,即高值与高值邻近或低值与低值邻近的现象显著；当I<0时,表示ESV在空间分布上具有负相关性,即高值与低值或低值与高值邻近的现象显著；当I=0时,表示ESV在空间上是随机分布的状态,即不存在空间自相关性。对其分析结果,采用Z值显著性检验,在0.05的显著性水平下,当Z值大于1.96时,表明具有显著的正相关性；当Z值小于-1.96时,表明具有显著的负相关性。

(2)热点分析

本研究采用热点分析(Getis-Ord Gi*)统计量度量局部空间自相关。尽管与Moran′I对应的LISA散点图同样可以反映局部空间自相关,但是与LISA散点图相比,基于正态分布假设检验的Getis-Ord Gi*比基于随机分布假设检验的LISA更具敏感性[35],进而探测出空间集聚的关键位置及区域相关的程度,确定具体区域对于全局自相关的贡献度,并揭示Moran′I在何种程度上掩饰了局部的不稳定。热点分析(Getis-Ord Gi*)可以识别具有统计显著性的高值(热点)和低值(冷点)空间聚类,通过计算每个要素的Getis-Ord Gi*值,得到每个要素的Z得分和P值[36]。Getis-Ord Gi*局部统计可表示为：

(8)

1611年帕多瓦版《图像学》的卷首部分，书商保罗·托奇（Pietro Paolo Tozzi）依据其丰富的徽志类图书出版经验，自作主张为里帕的读者们提供了一系列索引表（Tavole），其中甚至包含“所引用的作家目录”（Tavola degl'autori citati）。托奇此举令里帕大为满意——这不仅是他们后续几个帕多瓦版《图像学》合作愉快的起点，甚至成为此后大部分《图像学》修订本和译本的“标配”。

2 结果分析

2.1 退耕还林还草工程实施前后土地利用类型转移变化

以陕北地区1990年、2000年和2015年3期土地利用类型图为基础,运用ArcGIS 10.3软件中空间统计工具箱(Spatial Statistics Tools)的面积制表工具(Tabulate Area)计算得到陕北地区1990—2000年和2000—2015年两期土地利用转移矩阵,并运用Excel软件将各土地利用类型转入转出面积统计可视化可得图3。

工程实施前,陕北地区土地利用变化最主要的类型为未利用地、草地、林地和耕地。其中未利用地为转出最多的地类,10年间共转出136065 hm2,其主要向草地转出,10年间共有129080 hm2未利用地转为草地,占总转出面积94.87%。受到未利用地大面积转换为草地的影响,草地在这一阶段为转入面积最多的地类,未利用地转入占草地总转入面积的84.61%,此外耕地和林地向草地转入面积分别占草地总转入面积的7.91%和6.61%。草地主要转出为耕地和林地,10年分别转出32978.8 hm2和33599.1 hm2,分别占草地总转出面积的44.03%和44.86%。而这也是林地和耕地转入面积最多的地类,草地向耕地和林地转出的面积分别占耕地和林地转入面积的73.58%和79.52%(图3)。

工程实施后,耕地、林地、草地和建设用地依次为变化最为剧烈的土地利用类型。耕地为转出最多的地类,15年间共转出419144 hm2,其中有288179 hm2耕地转出为草地,占耕地总转出面积68.75%,占草地总转入面积89.66%；耕地向林地转出99586.3 hm2,占总转出面积23.76%,占林地总转入面积67.60%；耕地向建设用地转出25686.5 hm2,占总转出面积6.13%,占建设用地总转入面积32.38%。此外,林地转入面积中,有31.41%的转入面积来自于草地向林地的转出；耕地面积转入则主要来自于草地面积的转出,15年间共有87009.8 hm2转为耕地,占耕地转入总面积71.27%,占草地转出总面积47.43%；建设用地转入面积除了来源于耕地转出,还主要来源于草地和未利用地向建设用地的转出,其中草地向建设用地的转出为建设用地转入最多的类型,占总转入面积43.52%(图3)。

图3 1990—2015年陕北地区土地利用转移情况

2.2 陕北地区ESV时间变化

陕北地区1990年、2000年和2015年ESV分别为858.53亿元、871.97亿元和891.35亿元,ESV总体呈持续增长趋势,25年间共增长32.82亿元。ESV在工程实施后明显高于工程实施前,工程实施前(1990—2000年),陕北地区ESV增长了13.44亿元,增长率为1.57%,工程实施后(2000—2015年)ESV增长了19.38亿元,较工程实施前多增长了5.93亿元,增幅达2.22%。由表2可得,草地、林地和耕地为陕北地区产生ESV最多的三种土地生态系统,25年间三种土地生态系统占陕北地区总ESV的平均比例分别为40.56%、38.27%和17.20%。

表2 1990—2015年陕北地区各类生态系统服务价值变化

由各生态系统ESV变化趋势可得(图4),林地、草地两种生态系统ESV呈持续上升趋势,且工程实施后的增幅显著高于工程实施前。工程实施前林地和草地ESV分别增长了5.79亿元和8.44亿元,而在工程实施后林地和草地则分别增长了28.30亿元和15亿元,ESV增量分别为工程实施前的4.89倍和1.78倍。未利用地、水域和建设用地ESV呈持续减少趋势,三种土地生态系统ESV在25年间分别减少0.99亿元、2.07亿元和6.45亿元。耕地ESV呈先增加后减少的趋势,工程实施前,耕地ESV增加了1.13亿元,而在工程实施后,耕地ESV呈大幅减少,15年间共减少了16.33亿元。

图4 1990—2015年陕北地区各类生态服务价值变化

2.3 陕北地区ESV空间分布格局

为了从更精细的角度测度陕北地区ESV空间相关性变化的总体趋势,分析陕北地区ESV时空分异特征,揭示陕北地区ESV空间演化规律,本文在参考相关研究[37-39]的基础上,拟定以3 km×3 km的格网作为探究陕北地区ESV空间变化规律的基本研究单元,并经过ArcGIS 10.3软件计算处理得到陕北地区1990年、2000年和2015年3期ESV格网图,再运用ArcGIS 10.3软件中的自然断点法(Natural Jecks)根据3个时期陕北地区ESV的高低将其划分为5个等级：低、较低、中等、较高和高,最终得到陕北地区1990年、2000年和2015年ESV空间格局分布图(图5)。

图5 1990—2015年陕北地区生态系统服务价值等级空间分布图

由图5可得,陕北地区ESV等级的空间分布基本格局较为稳定,整体呈“南高北低”的空间分布格局。2015年陕北地区ESV高等级区域主要分布在陕北地区南部,低和较低等级区域主要分布在陕北地区西北部,中等和较高等级区域主要分布在陕北地区中部。从1990—2015年陕北地区ESV的空间演化来看,陕北地区南部ESV高等级区域保持稳定不变；中部ESV较高和中等等级区域呈不断扩大趋势,且变化主要集中在工程实施后；陕北地区西北部ESV较低和低等级区域在1990—2015年间呈不断缩小态势,且变化主要集中在工程实施前。

2.4 陕北地区ESV空间变化分析

2.4.1全局空间自相关分析

根据式(7),运用ArcGIS 10.3软件中的空间统计工具箱对经过格网空间重构的陕北地区1990年、2000年、2015年ESV进行Moran′sI计算(表3)：陕北地区3个时段全局空间自相关Moran′sI在1%显著性水平下均为正值,表明3 km×3 km格网的ESV指数在99.9%置信度下存在显著的空间正相关性,且较为稳定,表明ESV在空间分布上有着明显的高低值集聚特征,总体表现为单元格网内ESV指数较高的格网趋于和ESV较高的格网相邻,ESV较低的格网趋于同ESV较低的格网相邻,这与陕北地区自南向北随着地形地貌变化依次从林地过渡为耕地、草地再到荒漠的土地利用基本分布格局相一致(图1、图2)。

表3 1990—2015年陕北地区生态系统服务价值Moran′s I各统计量

2.4.2热点分析

根据式(8),运用ArcGIS 10.3软件中的空间统计工具箱对经过格网空间重构的陕北地区1990年、2000年及2015年ESV进行冷热点计算,并采用ArcGIS 10.3软件中的自然断点法(Natural Jecks)依据冷热点Gi-Z值高低将其划分为ESV冷点区、次冷点区、次热点区和热点区4种类型,最终得到陕北地区1990年、2000年和2015年ESV空间冷热点分布图(图6)。由图6可得,1990—2015年陕北地区ESV冷热点分布总体上呈“南热北冷”的空间格局,且较为稳定。ESV热点区集中分布在南部,ESV次热点区集中分布在热点区周围, ESV次冷点区主要分布在中部和北部,ESV冷点区主要分布在陕北地区西北部和西部。由陕北地区1990—2015年ESV冷热点分布空间演化来看,陕北地区南部ESV热点区在25年间趋于稳定不变。ESV次热点区在1990—2000年间出现零星小范围增长,主要分布在陕北地区东部的清涧县境内；而到了2000—2015年,ESV次热点区则在陕北地区中部的吴起县、志丹县、子长县等地境内呈集中连片扩大趋势。1990—2015年,ESV冷点区范围总体呈集中连片缩小趋势,主要集中分布在陕北地区北部米脂县、佳县和横山县等地。

图6 1990—2015年陕北地区生态系统服务价值冷热点空间分布图

3 讨论

3.1 退耕还林还草工程对土地利用变化的影响

退耕还林还草工程是我国林业建设史上覆盖范围最广、政策性最强、投资规模最大、群众参与度最高、造林效果最佳的生态建设工程,工程的有效实施使得全国土地覆被发生了大规模、转换性的变化,且主要集中在耕地、林地和草地三种土地利用类型[40]。由表4可得,工程实施后耕地、林地和草地变化相比于工程实施前更为活跃,变化程度更为剧烈。受退耕政策的影响,耕地、林地和草地的动态度由工程实施前的4.84%、12.02%、16.36%分别变成了工程实施后的-69.77%、57.68%、28.38%。

表4 1990—2015年陕北地区耕地、林地、草地变化动态度/%

陕北地区作为工程实施的核心区域,积极贯彻执行退耕还林还草政策,工程实施取得了显著成效,境内水土流失得到了有效控制[41]。由图7可得,工程实施前陕北地区仅有4954.59 hm2耕地转化为林地、12064.41 hm2耕地转化为草地,而在工程实施后,耕地向林地和草地转化面积分别增至99581.58 hm2和288159.1 hm2。且从耕地向林地和草地转化面积在不同坡度范围内的分布来看,工程实施后,陕北地区耕地向林地和草地转化面积相比于工程实施前均出现了不同程度的显著增长,转化面积最多的坡度范围为6°—15°和15°—25°。耕地在以上两个坡度范围内向林地分别转化了48386.88 hm2和31809.69 hm2,转化面积比工程实施前分别增长了24倍和36倍；耕地在以上两个坡度范围内向草地分别转化了141895 hm2和84372.75 hm2,转化面积比工程实施前分别增长了49倍和124倍。工程实施后,陕北地区林地和草地覆盖率分别提升了1.43%和1.73%,生态环境得到了显著改善。

图7 1990—2015年陕北地区耕地在不同坡度范围内向林地和草地转化面积

3.2 退耕还林还草工程对土地生态系统服务价值的影响

土地利用变化对生态系统服务提供及其价值变化有着显著的影响[42],实施退耕还林还草工程能有效增加区域生态系统服务价值[43]。工程实施后,陕北地区ESV共增长了19.38亿元,比工程实施前多增长了5.93亿元,增速明显快于工程实施前,这在支再兴等[44]、封建民等[45]及赵永华等[46]的研究中也得到了印证。为了能更加充分了解由退耕还林还草工程所引起的土地覆被变化造成的生态系统服务价值增减变化,本文基于陕北地区退耕还林前、后两期土地利用转移矩阵,结合不同生态系统类型的当量因子计算得到陕北地区在退耕前后两个时期的ESV损益矩阵(表5)。工程实施前,受三北防护林、治沙种草等生态修复工程的影响[47],榆林市西北部的毛乌素沙地得到了有效的治理,大量的沙地、荒地等未利用地转化为草地[48],使得未利用地在工程实施前是对陕北地区ESV增长贡献最多的地类,共转出14.22亿元,其中向草地转化共转出13.19亿元,占总转出ESV的92.76%。耕地在工程实施前仅转出1.27亿元,其中耕地向林地和草地转化所贡献的ESV仅为0.96亿元和0.65亿元。然而在工程实施后,随着大面积坡耕地转化为林地和草地,使得耕地成了对陕北地区ESV增长贡献最多的地类,耕地在工程实施后共转出32.06亿元,其中耕地向林地和草地转化分别贡献了19.23亿元和15.49亿元,显著高于工程实施前。此外,工程实施期间也是我国城镇化进程高速发展时期,城市扩张占用了大量耕地、草地以及其他地类,导致自然生态系统遭到破坏,ESV出现下降,2000—2015年间因建设用地扩张共导致ESV流失13.27亿元,然而由退耕还林还草工程实施所带来的ESV不仅补偿了因建设用地扩张所导致的ESV损失,还使陕北地区ESV增长19.34亿元,从而确保区域生态资产价值损益平衡,并保持稳步增长。

表5 不同时期陕北地区生态系统服务价值损益矩阵/亿元

综上,退耕还林还草工程实施对陕北地区ESV提升和保障区域生态资产价值安全做出了巨大贡献,并使区域生态系统得到了有效改善,生态系统服务功能可持续效益也得到了显著提升。此外,在我国城市化、工业化进程不断加快的背景下,还有一部分耕地被大量消耗占用。由此可得,耕地在陕北地区不仅承担着生态退耕、保护生态的作用,还为社会经济发展做出了巨大牺牲。因此,为了保证工程实施效益能够可持续、最大化的发挥以及保证耕地数量安全,为此我们提出了以下几点建议：第一,要加强对基本农田的保护,严守耕地红线,并加强对耕地占补平衡工作的监管,以确保耕地数量安全。第二,工程实施不可避免的会导致粮食生产服务功能下降,对区域粮食安全造成威胁,因此陕北地区要以基本农田建设为重点,突出淤地坝和坡改梯建设,完善小型水利设施,提高水土资源利用效率,提升农业机械化水平,进而提高耕地质量和粮食单产水平,确保区域粮食安全。第三,提高退耕还林还草工程实施管理效率,巩固工程实施成果,严防复耕放牧现象发生；提升工程规划质量,做好工程动态监测工作,做好退耕还林还草工程营造地的补植补造工作,避免重复退耕,以保证退耕还林还草工程生态系统服务价值的最大化发挥。第四,在土地利用规划中,规划好城市和工业用地的扩张方向和规模,避免建设用地无序发展。此外,要深入开展城市建设用地节约集约利用评价工作,消化盘活存量用地,提升城市土地利用效率,从而缓解耕地与建设用地之间的供需矛盾。

3.3 退耕还林还草工程对陕北地区ESV空间变化的影响

陕北地区ESV和陕北地区ESV冷热点分布总体呈“南高北低”的空间格局。陕北地区ESV高等级区域和ESV热点区范围均分布在陕北地区南部黄陵县、黄龙县、富县和宜川县境内(图5、图6)。上述区域主要分布在子午岭、黄龙山土石山区等林草生态资源较为丰富地区,其中黄陵县和黄龙县森林覆盖率均高达74.3%以上,两县被誉为陕北黄土高原的“黄河绿洲”、“陕西的叶肺”,该区域生态系统服务功能突出,生态系统服务价值高,所以该区域也是陕北地区ESV的热点分布区(图5、图6),这与侯孟阳等[43]、杜国明等[49]的研究结果相同。对此,要对该区域内的林地和草地制定严格的保护措施,加大森林资源保护力度,完善自然保护区制度,发挥好生态屏障的调节作用,确保区域生态资产安全。陕北地区ESV低等级区域和ESV冷点分布区主要分布在陕北地区北部榆阳区、横山县、神木县、佳县、米脂县等地(图5、图6)。上述地区位于毛乌素沙地和黄土高原沟壑纵横,丘陵茆梁交错地区,生态环境脆弱,林草覆盖率低,水土流失较为严重[48],生态系统类型多为未利用地和耕地,生态系统服务功能弱,产生的生态系统服务价值低,因此上述区域为陕北地区ESV低等级和ESV冷点分布区。对此,首先要将区域内产量低、质量差的耕地纳入新一轮退耕还林还草工程中；其次坚持治沙造林、种草,进一步消灭荒漠化,提高生态系统服务价值。

1990—2015年,从陕北地区ESV和冷热点空间格局演化可得陕北地区ESV增加和ESV次热点区范围的扩大均主要集中分布在陕北地区中部吴起县、志丹县、子长县、延川县等地境内,且演化主要集中在工程实施后(图5、图6)。原因在于上述地区位于陕北黄土高原丘陵沟壑核心区域,水土流失和土壤侵蚀问题严重,自工程实施起上述地区便是工程实施力度最大的区域[50]。由图8可得,上述地区在工程实施后,境内大量耕地转化为了林地和草地,使得林地和草地面积得到了大面积增加,境内水土流失、土壤侵蚀情况得到了有效的控制和改善[41],生态环境状况得到了明显改善,生态系统服务功能得到了显著提升,生态系统服务价值增长显著。受此影响,陕北地区中部ESV中等和较高等级区域呈集中连片增长趋势,陕北地区中部也成为了ESV增值次热点区(图9、图10)。对于以上工程实施效果显著地区,要巩固好退耕还林还草工程成果,加强退耕还林还草工程建设和管理。对此,我们提出了以下几点建议：第一,加大退耕还林补植补造投资力度,弥补完善退耕还林地块,巩固好退耕还林成果。第二,加强封山禁牧工作,巩固好退耕还草成果。第三,推进生态环境保护制度建设,让巩固退耕还林还草工程成果有法可依。

图8 2015年陕北地区耕地转为林地和草地空间分布图

图9 2015年陕北地区生态系统服务价值等级空间分布图

图10 2015年陕北地区生态系统服务价值冷热点空间分布图

3.4 ESV核算

本文用于核算陕北地区ESV的方法为谢高地等在Costanza等研究基础上经过修正后的单位面积生态系统价值当量因子评估法。虽然该方法相比于其他核算ESV的方法操作方便,简单易行[6],但是该方法将土地利用分类简单对应为自然生态系统类型,而实际上自然生态系统与土地利用的分类并非完全对应,尤其是对不同林分和类型的草场无法进行区分[51],因此各种土地利用类型单位面积服务价值的取值只是一种近似[52],因此如何更好的细分土地利用类型,以准确的对应自然生态系统,实现ESV更为精确的估算,这在今后是一个重要的研究方向。

此外,本文在使用价值当量法核算陕北地区ESV时,虽然基于陕西省的粮食价格和居民消费价格指数对核算方法进行了一定的修正,但是由于数据获取有限,没能使用延安、榆林两市的粮食产量和价格来表征陕北地区的土地生产能力,使得修正结果还不够精确,因此在以后的研究中获取研究区域更为准确的数据,将会进一步推动ESV核算的进步。

4 结论

本文以退耕还林还草工程实施核心区域——陕北地区为例,基于退耕前后的土地利用变化数据,首先运用单位面积生态系统价值当量因子法、数理统计法分析了1990—2015年退耕前后陕北地区ESV在时间上的变化；其次基于格网法、采用ESDA法分析了1990—2015年退耕前后陕北地区ESV在空间上的变化,得到的主要结论如下：

(1)退耕还林还草工程实施效果显著,陕北地区林草覆盖率由2000年57.33%增长至2015年60.50%。工程实施共使陕北地区耕地减少了297066 hm2,其中288179 hm2耕地转化为了草地, 99586.3 hm2耕地转化为了林地,且主要集中发生陕北地区中部,转化坡度范围为6°—15°和15°—25°。

(2)退耕还林还草工程有效提升了陕北地区的ESV,且为陕北地区ESV增长最重要的来源。工程实施前,陕北地区ESV由858.53亿元增长至871.97亿元,10年间共增长了13.44亿元,而在工程实施后,陕北地区ESV由871.97亿元增长至891.35亿元,共增长了19.38亿元,相比于工程实施前多增加了5.93亿元。工程实施前,促使陕北地区ESV增长最重要的原因为未利用地向草地的转化,耕地转化为林地和草地仅贡献了1.27亿元ESV,而在工程实施后,由耕地退耕还林和还草带来的ESV为32.06亿元,是促使陕北地区ESV增长最重要的原因,并由此使得陕北地区中部ESV中等等级以上区域在工程实施后呈集中连片扩大趋势。

(3)生态系统服务价值空间集聚上,由ESDA法分析可得,陕北地区1990年、2000年和2015年ESV全局Moran′sI均大于0.74,表明陕北地区ESV在3 km3 km的格网尺度下表现出正向的空间关联性和依存性。冷热点分析显示,陕北地区ESV的热点区和冷点区的空间集聚效果显著,热点区集聚分布在陕北地区南部,冷点区集聚分布在陕北地区北部。工程实施后,陕北地区中部ESV次热点区呈集中连片扩大趋势,北部ESV冷点区呈集中连片缩小趋势。