昆明市生态系统服务价值时空演变及驱动因素研究

杨磊 刘凤莲

引用格式：楊磊，刘凤莲.昆明市生态系统服务价值时空演变及驱动因素研究[J].国土资源导刊，2023，20（04）：125-136.

Reference format：Yang Lei， Liu Fenglian.Study on spatial-temporal evolution and driving factors of ecosystem service value in Kunming prefecture[J].Land & Resources Herald，2023，20（04）：125-136.

摘 要：生态系统服务价值评估是合理配置土地资源、制定生态保护政策和生态补偿标准的前提和基础。本文基于遥感影像解译的5期昆明市土地利用数据，通过土地利用动态度、转移矩阵、当量因子法，分析土地利用和ESV的时空动态变化，借助地理探测器模型探究ESV空间分异的驱动因素。结果表明：（1）林地、草地、耕地是研究区的主要用地类型，研究期内三者面积不断减少，建设用地大幅增加。（2）2000—2020年昆明市ESV持续下降，总量减少了77 200万元，其中调节服务占主导地位（67.13%）；ESV高值区主要分布在西山、晋宁、呈贡、官渡、石林、禄劝和寻甸，研究期内高值区乡镇数量减少，低值区数量增多；冷点区集中在昆明的5个主城区且数量有所增加。（3）人类活动强度和土地利用强度是昆明市ESV空间分异的主导因素，且人为因素的作用效果明显高于自然因素；因子间交互作用效果相较于单因子作用明显增强。因此，在未来的城市发展进程中应关注人类活动密集区的生态系统服务价值变化，避免因人为干扰导致生态环境恶化。

关键词：土地利用变化；生态系统服务价值；地理探测器；驱动因素；昆明市

中图分类号：TU982        文献标志码：A          文章编号：1672-5603（2023）01-125-12

Study on Spatial-temporal Evolution and Driving Factors of Ecosystem Service Value in Kunming Prefecture

Yang Lei， Liu Fenglian

（Institute of Land Resources and Sustainable Development， Yunnan University of Finance and Economics， Kunming Yunnan 650221）

Abstract：The evaluation of ecosystem service value is the prerequisite and foundation for rational allocation of land resources， formulation of ecological protection policies， and ecological compensation standards. Based on five periods of land use data of Kunming City interpreted from remote sensing images， this paper analyzes the spatio-temporal dynamic changes of land use and ESV through land use dynamic degree， Stochastic matrix and equivalent factor method， and explores the driving factors of spatial differentiation of ESV with the help of geographical detector model. The results indicate that： （1） Forest land， grassland， and arable land are the main types of land used in the study area. During the study period， the area of these three types of land continued to decrease， while construction land increased significantly. （2） From 2000 to 2020， the ESV in Kunming continued to decline， with a total decrease of 7.72×108 yuan， of which regulation service is dominant （67.13%）; The high value areas of ESV are mainly distributed in Xishan， Jinning， Chenggong， Guandu， Shilin， Luquan， and Xundian. During the research period， the number of towns in high value areas decreased， while the number of low value areas increased; The cold spots are concentrated in the five main urban areas of Kunming and the number has increased. （3） Human activity intensity and land use intensity are the dominant factors of spatial differentiation of ESV in Kunming， and the effect of human factors is significantly higher than that of natural factors; The interaction effect between factors is significantly enhanced compared to the single factor effect. Therefore， in the future urban development process， attention should be paid to the changes in the value of ecosystem services in areas with dense human activities， to avoid the deterioration of the ecological environment caused by human interference.

Keywords： land use change; ecosystem service value; geographical detector; driving factors; Kunming prefecture

0 引言

生态系统服务是人类赖以生存的物质基础和环境条件[1]。城镇化、工业化引发的土地利用剧烈变化，对生态系统结构、功能和空间分布格局产生较大影响，进而影响生态系统提供生态产品的能力，将直接威胁区域生态安全。因此开展生态系统服务研究，对保障区域生态安全具有重要意义[2]。生态系统服务价值作为衡量生态安全的重要指标，关乎人类福祉和区域可持续发展[3]。

目前，大多学者从省[4]、市[5]、县[6]、流域[7]、城市群[8]等不同空间尺度对湿地[9]、草地[10]、森林[11]、农田[12]等生态系统类型展开研究，而对于西南不发达地区的相关研究较少。随着研究的不断深入，研究内容从单一的生态系统服务价值评估，开始转向生态系统服务权衡协同以及ESV与土地利用变化[13]、景观格局[14]、生态安全格局[15]之间关系的综合研究，尤其是ESV的驱动机制逐渐成为研究热点[16]。周渝等[17]通过回归模型探究重庆ESV的驱动力，结果表明城镇化率和工业生产总值与ESV具有负相关关系；范晓敏等[18]基于广义线性模型分析了青海海南、海北州生态系统服务的驱动因素；孟孟等[19]利用SPSS软件中的相关性分析和主成分分析探究南京土地生态系统服务价值的驱动力，发现人口对南京ESV时空变化的影响高于经济因素。当前，对驱动机制的研究多采用回归分析，相关性分析等传统的数理统计分析方法，在解释ESV的驱动因素上，缺乏对驱动因子作用强度空间差异的研究[20]。

昆明是云南省社会经济发展的核心，也是长江水源的重要涵养地和生态屏障、长江经济带和“一带一路”建设的交汇点。近年来其城镇化水平急速上升，2020年城市化率为73.6%，人类活动的剧烈干扰对区域生态环境质量和生态系统健康产生较大威胁。鉴于此，本研究借助ArcGIS软件，基于昆明市土地利用变化探讨ESV在时间上的变化趋势和空间分布情况，采用热点分析工具测度ESV空间变化特征，并在地理探测器的支持下，深入分析ESV空间分异的驱动因素，以期为土地资源的有效配置以及制定合理的生态保护政策提供参考。

1 研究区概况

昆明市地处长江上游，位于“一带一路”和长江经济带的交汇区域，介于102°10'～103°40' E、24°23'～26°22' N之间，总体地势“北高南低”，平均海拔  1 891 m，是云贵高原的中心城市、西部大开发的重点城市、滇中城市群核心，也是长江流域上游重要的水源涵养区和生态安全屏障。昆明市总面积为21 012.54 km2，下辖7区、3县、3个自治县和1个县级市，共139个乡镇（街道）。2020年末，辖区内总人口为846.30 万人，约占云南省总人口数的17.92%；GDP为7 222.5亿元，约占云南省GDP总量的29.45%。

昆明是云南省人口、经济最集中的地区，生态环境受人为干扰程度较高，以石林为代表的喀斯特地貌区石漠化严重，水土保持工作任务艰巨；滇池在20世纪90年代遭到严重污染，水体污染改变了滇池的生态系统服务功能价值结构，污染治理难度大、成本高，不仅影响生态环境水平，也对社会经济发展造成了较大损失[21]。

2数据来源及研究方法

2.1 数据来源与预处理

本研究用到的土地利用数据经RS技术解译得来，昆明市2000、2005、2010、2015、2020年遥感影像来源于地理空间数据云（http：//www.gscloud.cn），行列号为129-42、129-43、130-42、130-43，为确保影像的清晰度，所选影像的云量均在10%以下。运用ENVI 5.3软件首先进行几何校正、辐射定标和大气校正，在此基础上融合、镶嵌、裁剪，最后通过监督分类提取信息，再进行实地调查对解译后的数据进行检查修正，解译精度均在85%以上，满足研究需要。根据《土地利用现状分类》（GB/T 21010—2017）中的分类标准，结合昆明实际情况，将土地利用类型划分为耕地、林地、草地、水域、建设用地和未利用地。其他数据来源如下所示（表1）。

2.2 研究方法

2.2.1 土地利用动态度

单一土地利用动态度能够定量描述特定研究区在研究时段内不同土地利用类型的变化速度，反映不同用地类型变化的剧烈程度，计算公式为：

式中，[A]为[T]时间段内某种土地利用类型的动态度，用来衡量土地利用增减变化的程度及速度；[Sa]表示研究初期某种用地类型的面积；[Sb]表示研究期末该种土地利用类型的面积[22]。

2.2.2 土地利用轉移矩阵

土地利用转移矩阵作为一种系统分析的定量研究方法，能够从静态、动态两个方面反映土地利用变化，被广泛应用于LUCC相关研究之中[23]。其数学表达式为：

式中，Sij的含义是研究期初i地类转换成研究期末j地类的面积。n表示土地利用类型数目。

2.2.3 当量因子法

本研究以谢高地等[24]的研究成果作为参考，结合昆明市各植被类型特征及面积占比进行调整，得到适合本研究区的单位面积生态系统服务价值系数表（表2），采用平均粮食单产市场经济价值的1/7计算当量因子。2020年昆明市平均单位面积粮食产量为4 549 kg/hm2，平均粮食价格为2.45元/kg，计算得出昆明市农田自然粮食产量的经济价值为1 592.15元/hm2。本研究将2000、2005、2010、2015、2020年30 m×30 m的土地利用栅格数据与昆明市乡镇尺度的行政区划图叠加分析，利用ArcGIS10.3软件中的面积制表工具，统计昆明市每个乡镇街道不同土地利用类型的面积，结合如下公式计算各乡镇的生态系统服务价值：

式中，[ESV]、[ESVk]和[AESV]分别代表生态系统服务价值总量、单项生态系统服务价值和地均生态系统服务价值；q为地类；[Sq]为地类q的面积；[VCq]、[VCqk]分别表示地类q的单位面积生态系统服务价值和第k项生态系统服务的价值系数[25]。

2.2.4热点分析

热点分析法能够判断研究区ESV是否存在高低值集聚现象，进而识别ESV热点区及冷点区的空间分布位置，揭示研究区生态系统服务价值的空间差异[26]。计算方法为：

式中，[G*i]指数为正值，则为ESV增加较多的热点区，[G*i]指数为负值，则为ESV损失较多冷点区；n为网格数量；[xi]、[xj]分别为第i和j个网格的生态系统服务价值。

2.2.5生态系统服务价值敏感性分析

敏感性指数与经济学中弹性系数的原理相似，用来验证利用不同用地类型生态系统服务价值系数计算得到的ESV结果的可靠性，进而分析不同土地利用类型变化对生态系统服务价值的影响[27]。公式如下：

式中，CS为弹性系数，表示不同土地利用类型变化对生态系统服务价值的影响程度，ESVb、ESVa 分别表示研究期末和研究期初的生态系统服务价值；VCik、VCjk分别表示调整前后第k种土地利用类型的生态系统服务价值系数。

2.2.6 地理探测器

地理探测器是一种统计分析模型[28]，主要包括生态、因子、风险和交互探测器四部分，每种探测器的功能不尽相同。本文意在探究昆明市ESV的驱动因素，考虑到昆明属于高原山地城市，且近年来经济发展速度较快，故而从自然环境和人为影响两个方面选取12个指标，探究不同因子对研究区ESV空间分异的影响程度。首先，借助SPSS软件对各项驱动因子与ESV进行相关性分析，结果显示各因子均通过显著性检验；其次，将12项驱动因子在ArcGIS中栅格化并统一投影坐标系，重分类后进行离散处理；最后，导入地理探测器进行驱动因素分析。计算方法如下：

式中，q表示某个因子对ESV的解释力大小，取值为0～1，q值越大，说明该因子对ESV的解释力越强；h为自变量的分区序号；L为分区总数；[Nh]和N分别为每个分区和全区内总共的样本数；[σ2h]和[σ2]分别为每个分区方差和全区内ESV的方差；SSW和SST分别是层内方差之和及全区总方差。

2.2.7土地利用综合程度指数

土地利用综合程度指数作为一项衡量土地利用变化的重要指标，能够反映人为活动对土地的改变程度、区域土地开发利用水平以及测度该地区土地利用的深度与广度[29]。计算公式如下：

式中，[L]为研究区域土地利用程度综合指数；[n]指土地利用类型个数；[A]i指不同土地利用类型的面积；[P]指土地利用程度参数；At指研究区总面积。参照以往的研究成果，根据开发情况与人为干扰程度将未利用地、林地、草地、水域、耕地与建设用地划分为4个级别，赋值为1～4级;[C]i为第i类土地利用类型面积。

2.2.8人为影响指数

人为影响指数一般用来描述生态系统与人类活动干扰程度之间的关系，公式如下：

式中，HAI表示人为影响指数；TA表示景观总面积；Ai表示第i种景观类型的面积；Pi表示第i种景观类型的人为影响强度系数；n表示景观类型数量。结合昆明市土地利用类型特征和前人研究成果[30]，本研究采用Delphi法对不同土地利用类型的人为影响强度系数赋值，其中耕地0.67、林地0.13、草地0.13、水域0.10、建设用地0.96、未利用地0.05。

3 结果分析

3.1 土地利用动态变化

从昆明市土地利用空间分布图（图1）可以看出，林地、草地和耕地三种土地利用类型面积较大，研究期内建设用地以滇池为中心，不断向外扩张，向东北部扩张趋势最为显著。从土地利用结构看（表3），林地、草地、耕地为研究区主要用地类型，三者面积之和占研究区总面积的90%以上，水域面积、建设用地面积和未利用地面积较少。2000—2020年，耕地、林地、草地面积不断缩减，分别减少了251.39 km2、125.99 km2和320.5 km2；水域在2005—2010年間有所增加；建设用地面积增长剧烈，其增加面积接近耕地、林地、草地面积减少之和，且在2005—2010年和2015—2020年两个时段涨幅较大。

从土地利用变化速度看，耕地、林地和草地的土地利用动态度在各个研究时段均小于0（表4），说明20年来这3种地类面积持续减少，其中耕地、林地面积在2015—2020年间减少速度最快，草地面积在2005—2010年间减少速度最快；水域的土地利用动态度在2015—2020年间最大；建设用地面积增速最快，其在各研究时段的土地利用动态度均比其他地类的大，尤其是2015—2020年其动态度达9.71%。

从土地利用转移方向来看，昆明市土地利用转移以耕地、林地和草地的相互转化以及三者向建设用地的转移为主（表5），究其原因一方面在于昆明市20年来退耕还林还草工程取得显著成效，另一方面是城镇化速度加快，社会经济的快速发展需要较多的用地空间，使得大量自然半自然用地转为建设用地。从流出量来看，草地（853.31 km2）、耕地（702.45 km2）和林地（686.87 km2）的流出量居于前三，耕地的流出以建设用地为主（355.63 km2），其次是林地（168.48 km2）和草地（153.34 km2）；从流入量来看，建设用地的流入量最大，为703.57 km2，其中有一半左右来自耕地（50.5%），其他大部分来自草地和林地。

3.2 生态系统服务价值时空演变

3.2.1 生态系统服务价值时序变化

2000—2020年昆明市生态系统服务价值总量持续降低（表6），总量减少7.72×108元。不同地类生态系统服务价值表现由大致小依次为：林地，草地，水域，耕地，未利用地，建设用地，其中林地对ESV贡献率较高，占研究区ESV总量的56%左右。6种土地利用类型的ESV总体表现出“四减两增”特征，即耕地、林地、草地、建设用地的ESV都有不同程度的减少，ESV减少最多的地类是草地（5.83×108元）和林地（3.95×108元），水域ESV增长幅度最大（8.52×108元）。值得注意的是，2015—2020年这一时段，土地利用结构发生较大转变，导致各地类ESV变化显著，表明土地利用转型对区域生态系统服务价值影响较大。

昆明市各项生态系统服务中调节服务占主导地位（表7），约占总ESV的67.13%，支持服务次之（约为21.72%），供给服务和调节服务相对较弱。单项生态系统服务中气候调节（121.26×108元）和水文调节（165.92×108元）最为突出，水资源供给和维持养分循环功能最弱。从变化趋势来看，只有净化环境和水文调节的生态系统服务价值有所增加，其余各项均有不同程度的降低，尤其是水资源供给和气候调节的ESV下降最多，原因在于林地和草地在研究期内面积不断在减少，而建设用地面积显著增加，生态系统服务功能的ESV降低与高ESV地类（林地、草地、水域、耕地）向低ESV地类（建设用地）转移有较大关联。

3.2.2 生态系统服务价值空间变化

从昆明市ESV空间分布图（图2）可知，2000年昆明市生态系统服务价值高值区包括禄劝彝族苗族自治县的撒盘营镇，九龙镇；寻甸回族彝族自治县的功山镇、河口镇、仁德街道；西山区的团结街道、碧鸡街道；晋宁区的昆阳街道；呈贡区的大渔街道；官渡区的大板桥街道以及石林彝族自治县的鹿阜街道。低值区围绕在滇池周围，包括五华区、盘龙区、官渡区、西山区交界处的26个街道，此外还涉及呈贡区的龙城街道、洛龙街道、马龙街道、雨花街道和安宁市的连然街道。与2000年相比，2020年昆明市ESV总体水平降低，一些乡镇ESV水平向下一层级转变，如官渡区的大板桥街道由高值区变为较高值区，马街街道、前卫街道、阿拉街道和矣六街道由较低值区转为低值区；也有个别乡镇ESV增加，如云龙乡从较高值区变为高值区，原因在于云龙水库的投入使用发挥了重要的生态服务功能。

热点分析结果显示（图3），ESV热点区分布在昆明周边的四个区县，冷点区集中在西南部地区。具体来说，热点区包括禄劝的云龙乡和撒营盘镇；寻甸的功山镇、河口镇、七星街道；晋宁区的二街镇、六街镇、昆阳街道、上蒜镇；石林的鹿阜街道和宜良的狗街镇，共计11个乡镇。与ESV低值区相对应，冷点区主要集中在昆明市五个中心城区（五华、盘龙、官渡、西山和呈贡）的42个街道。研究期内冷点区涉及乡镇街道数量增多，表明研究区生态系统服务功能减弱。

3.3 生态系统服务价值敏感性分析

研究发现，昆明市各土地利用类型的敏感性系数从高到低依次为林地、草地、水域、耕地、未利用地和建设用地（表8），这与各土地利用类型对ESV的贡献是一致的。林地的敏感性系数最高，在研究期间保持在0.6以上，其次是草地，敏感性系数约为0.2。与其他土地类型不同的是，建设用地的敏感性系数在不同年份均为负值，表明建设用地的增加会导致研究区生态系统服务价值的降低；未利用地的敏感性系数较低，表明研究区未利用地的变化对ESV的变化没有显著影响。此外，各时期土地利用类型的敏感性系数均小于1，表明ESV对土地利用变化缺乏弹性，ESV评估结果可靠。

3.4生态系统服务价值驱动因素分析

3.4.1 因子探测结果分析

本文采用地理探测器中的因子探测器来分析各驱动因子对昆明市ESV空间分异 的贡献率。ESV空间分异驱动因子的q值从大到小依次是：人类活动强度、土地利用强度、人口密度、夜光遥感、GDP、降水量、海拔、坡度、NDVI、土壤侵蚀度、土壤类型和气温（表9）。其中，人类活动

强度和土地利用强度是引起昆明市生态系统服务价值空间分异最重要的驱动因素（图4），其q值分别为0.776 7和0.766 7，自然因素中降水量和海拔是导致昆明ESV空间分布差异较为重要的因素。此外，研究发现，贡献率排在前五的驱动因子均属于人为因素，说明人为因素是研究区生态系统服务价值空间分异的主要驱动力。

3.4.2 交互探测结果分析

昆明市生态系统服务价值空间分异的驱动因子交互探测结果表明，因子间的交互作用相较于单一驱动因子而言，对ESV的空间分异具有一定的增強效应，尤其是q值较高的因子与其他因子耦合协调会扩大对ESV空间分异的影响。由图5可知，土地利用强度∩NDVI，人类活动强度∩土壤侵蚀度的交互作用效果最强。除此之外，q值大于0.9的交互类型还有17种，主要以土地利用强度和人类活动强度与自然因素的交互作用为主。因此，昆明未来的生态安全格局优化和景观生态风险防范应着重考量驱动因子的作用特征和相互作用机理，采取差异化策略选择与本区域自然禀赋和社会经济水平相符的土地利用方式和城市发展模式，避免人类活动的过分干扰，以及各因子协同增强作用对生态环境造成较大压力。

4 结论与讨论

4.1 讨论

（1）研究期内昆明市耕地、林地、草地面积不断减小。耕地面积减小一方面是由于退耕还林还草工程的实施，2000—2019年间，昆明市共完成退耕还林1 670.67 km2，全市森林覆盖率显著提升，水土流失得到有效遏制。另一方面城镇化速度加快，建设用地需求激增，研究期末的建设用地约为研究期初的2.35倍，增加的面积中有52.3%来源于耕地。未来应控制建设用地扩张规模，深入挖潜城市建设用地存量，提高土地利用效率。

（2）林地是昆明市的主要生态用地，原因在于林地提供的生态系统服务价值最多，占ESV总量的56%左右，研究期内林地、草地、耕地面积的减少以及建设用地面积的增加是研究区ESV下降的主要原因，与前人研究相符[31]；水域虽面积较小，却以2%左右的面积提供了超13%的生态系统服务价值，其面积的增加具有明显的生态效益。因此，未来应着重关注林地、水域等生态系统服务功能较强用地类型的动态变化，加强对滇池流域的保护，以期改善昆明生态环境质量和人居环境。

（3）通过分析ESV驱动因素，发现人类活动强度和土地利用强度对研究区ESV空间分异的影响较大，这点与前人研究结果相似[32]。此外，本研究仅以2020年数据分析研究区整体ESV的驱动因素，忽视了驱动因素的时间变化趋势以及不同乡镇街道之间的差异，未来应进一步探究ESV时空演变的驱动因素，针对不同乡镇的特点，提出差异化生态保护政策。

4.2 结论

（1）林地、草地、耕地是昆明市的主要土地利用類型，三者占总面积的90%以上。研究期内耕地、林地、草地面积不断减小；水域面积在2005—2010年间明显增加；建设用地面积剧烈增长，以占用其他地类的方式扩张，增加的建设用地一半以上来自耕地（50.5％），剩余部分主要来源于林地和草地。

（2）昆明市2000—2020年间ESV持续下降，ESV总量减少了77 200 万元，其中2015—2020年间下降幅度最大。单项ESV中净化环境和水文调节的ESV上升，水资源供给和气候调节的ESV损失相对较多。研究区生态系统服务价值高值区分布在禄劝、寻甸、呈贡、西山、官渡、晋宁、石林7个区县，低值区主要集中在昆明市5个主城区的交界处；冷点区与ESV低值区空间分布相符，且数量增加。

（3）自然因子中贡献率较大的因子是降水量、海拔和坡度，人为因子中贡献率较大的因子是人类活动强度、土地利用强度和人口密度。综合来看，人为因素是研究区ESV变化的主要驱动因素，其中人类活动强度和土地利用强度对ESV空间分异的贡献率最高。昆明市ESV的空间分异是多因子协同作用的结果，因子间交互作用的效果要明显比因子单独作用的好。

参考文献/References

[1] 孙梦华，牛文浩，张蚌蚌，等.黄河流域土地利用变化下生态系统服务价值时空演变及其响应—以陕甘宁地区为例[J].应用生态学报，2021，32（11）：3913-3922.

[2] 姚志强，陈实，胡文海，等.皖江城市带生态系统服务价值演变及驱动分析[J].环境科学与技术，2022，45（4）：218-226.

[3] 李孝永，匡文慧.京津冀1980—2015年城市土地利用变化时空轨迹及未来情景模拟[J].经济地理，2019，39（3）：187-194+200.

[4] 彭文甫，周介铭，杨存建，等.基于土地利用变化的四川省生态系统服务价值研究[J].长江流域资源与环境，2014，23（7）：1053-1062.

[5] Chen S R， Feng Y J， Tong X H， et al. Modeling ESV losses caused by urban expansion using cellular automata and geographically weighted regression[J]. Science of the Total Environment， 2020， 712： 136509.

[6] 肖建设，乔斌，陈国茜，等.黄河源区玛多县土地利用和生态系统服务价值的演变[J].生态学报，2020，40（2）：510-521.

[7] Li W S， Wang L Q， Yang X， et al. Interactive influences of meteorological and socioeconomic factors on ecosystem service values in a river basin with different geomorphic features[J]. Science of The Total Environment， 2022， 829： 154595.

[8] 娄佩卿，付波霖，林星辰，等.基于GEE的1998～2018年京津冀土地利用变化对生态系统服务价值的影响[J].环境科学，2019，40（12）：5473-5483.

[9] Walters D， Kotze D C， Rebelo A， et al. Validation of a rapid wetland ecosystem services assessment technique using the Delphi method[J]. Ecological Indicators， 2021， 125： 107511.

[10] Gascoigne W R， Hoag D， Koontz L， et al. Valuing ecosystem and economic services across land-use scenarios in the Prairie Pothole Region of the Dakotas， USA[J]. Ecological Economics， 2011， 70（10）： 1715-1725.

[11] Kibria A S M G， Behie A， Costanza R， et al. The value of ecosystem services obtained from the protected forest of Cambodia： The case of Veun Sai-Siem Pang National Park[J]. Ecosystem Services， 2017， 26： 27-36.

[12] Liao J J， Yu C Y， Feng Z， et al. Spatial differentiation characteristics and driving factors of agricultural eco-efficiency in Chinese provinces from the perspective of ecosystem services[J]. Journal of Cleaner Production， 2021， 288： 125466.

[13] Long H L， Liu Y Q， Hou X G， et al. Effects of land use transitions due to rapid urbanization on ecosystem services： Implications for urban planning in the new developing area of China[J]. Habitat international， 2014， 44： 536-544.

[14] Estoque R C， Murayama Y. Landscape pattern and ecosystem service value changes： Implications for environmental sustainability planning for the rapidly urbanizing summer capital of the Philippines[J]. Landscape and Urban planning， 2013， 116： 60-72.

[15] Wang Y， Pan J H. Building ecological security patterns based on ecosystem services value reconstruction in an arid inland basin： A case study in Ganzhou District， NW China[J]. Journal of Cleaner Production， 2019， 241： 118337.

[16] 赵晓慧，朱明畅，雷军成，等.东江源区生态系统服务价值时空变化及驱动力研究[J].水生态学杂志，2023，44（2）：26-33.

[17] 周渝，邓伟，刘婷，等.重庆都市区生态系统服务价值时空演变及其驱动力[J].水土保持研究，2020，27（1）：249-256.

[18] 范晓敏，井新，肖博文，等.气候和土地利用变化共同驱动青海海南、海北州生态系统服务的时空变化[J].草业学报，2022，31（12）：17-30.

[19] 孟孟，张运，支俊俊，等.快速城市化背景下生态系统服务价值时空演变——以南京市为例[J].水土保持通报，2021，41（3）：296-304.

[20] 赵琪琛，余敦，王检萍，等.低山丘陵县域生态系统服务价值的时空分异及影响因素分析——以江西德兴市为例[J].环境工程技术学报，2023，13（2）：704-714.

[21] 高伟，杜展鹏，严长安，等.污染湖泊生态系统服务净价值评估——以滇池为例[J].生态学报，2019，39（5）：1748-1757.

[22] 王秀兰，包玉海.土地利用动态变化研究方法探讨[J].地理科学进展，1999，18（1）：83-89.

[23] 佟光臣，林杰，陈杭，等.1986-2013年南京市土地利用/覆被景观格局时空变化及驱动力因素分析[J].水土保持研究，2017，24（2）：240-245.

[24] 谢高地，肖玉，甄霖，等.我国粮食生产的生态服务价值研究[J].中国生态农业学报，2005，13（3）：10-13.

[25] 陈万旭，李江风，朱丽君.长江中游地区生态系统服务价值空间分异及敏感性分析[J].自然资源学报，2019，34（2）：325-337.

[26] 张艳芳，李云.1995—2015年关中平原城市群生态系统服务价值（ESV）及其时空差异[J].浙江大学学报（理学版），2020，47（5）：615-623+629.

[27] 吴爱林，陈燕，燕彩霞，等.长江三角洲生态系统服务价值分析及趋势预测[J].水土保持通报，2017，37（4）：254-259+265.

[28] 王劲峰，徐成东.地理探测器：原理与展望[J].地理学报，2017，72（1）：116-134.

[29] 曾志伟，杨华，宁启蒙，等.洞庭湖区土地利用强度演變及其对生态系统服务的影响[J].经济地理，2022，42（9）：176-185.

[30] 陈睿，杨灿，杨艳，等.洞庭湖生态经济区生态系统服务价值的时空演绎及其驱动因素[J].应用生态学报， 2022， 33（1）：169-179.

[31] 李志英，李媛媛，薛梦柯，等.昆明市景观格局变化及其生态环境效应研究[J].西南林业大学学报（自然科学），2023，43（4）：152-163.

[32] 武燕，吴映梅，高彬嫔，等.成渝城市群生态系统服务价值与人类活动强度空间关系[J].水土保持研究，2023，30（1）：173-182.