摘" " 要：為探究江西省生態(tài)系統(tǒng)服務(wù)價(jià)值（ESV）時(shí)空演變及其影響因素，基于江西省2000年、2010年、2020年3期土地利用數(shù)據(jù)，構(gòu)建土地利用轉(zhuǎn)移矩陣，運(yùn)用當(dāng)量因子法計(jì)算ESV，并引入地理加權(quán)回歸模型（GWR）分析關(guān)鍵驅(qū)動(dòng)因子對(duì)江西省ESV時(shí)空演變的影響程度。結(jié)果表明：（1）江西省2000—2020年主要土地利用類(lèi)型是林地和耕地，土地利用轉(zhuǎn)移主要是耕地和林地轉(zhuǎn)化為建設(shè)用地、林地和草地的相互轉(zhuǎn)化。（2）2000—2020年江西省ESV由4 390.88億元下降為4 389.90億元，并且空間異質(zhì)性顯著。（3）年均降水、高程、人均GDP、城鎮(zhèn)化率、距鐵路距離、距公路距離是影響ESV變化的關(guān)鍵驅(qū)動(dòng)因子，年均降水對(duì)ESV影響表現(xiàn)為北向南遞減，從正值到負(fù)值過(guò)渡的特征；高程、城鎮(zhèn)化率、人均GDP負(fù)向影響ESV；距鐵路距離、距公路距離正向影響ESV。綜上，土地利用變化是影響江西省ESV變化的直接原因，建設(shè)用地的增加大量占用林地和未利用地，導(dǎo)致生態(tài)系統(tǒng)服務(wù)價(jià)值降低，未來(lái)應(yīng)控制建設(shè)用地?cái)U(kuò)張規(guī)模，確保各地類(lèi)間相互平衡狀態(tài)，以便協(xié)同推進(jìn)經(jīng)濟(jì)社會(huì)發(fā)展和生態(tài)環(huán)境保護(hù)。

關(guān)鍵詞：江西?。簧鷳B(tài)系統(tǒng)服務(wù)價(jià)值；驅(qū)動(dòng)力；GWR模型

中圖分類(lèi)號(hào)：X321" " " "文獻(xiàn)標(biāo)識(shí)碼：A" " " DOI 編碼：10.3969/j.issn.1006-6500.2024.10.007

Spatial and Temporal Evolution of the Value of Ecosystem Services and Drivers in Jiangxi Province

LIU Meifang1，2，ZHANG Liting1，2

（1. School of Surveying and Geoinformation Engineering， East China University of Technology， Nanchang， Jiangxi 330013， China; 2. Key Laboratory of Mine Environmental Monitoring and Improving around Poyang Lake of Ministry of Natural Resources， East China University of Technology， Nanchang， Jiangxi 330013， China）

Abstract： In order to investigate the spatial and temporal evolution of ecosystem service value （ESV） and its influencing factors in Jiangxi Province， we constructed a land-use transfer matrix based on three periods of land-use data in Jiangxi Province in 2000， 2010 and 2020， calculated the ESV by using the equivalent factor method， and introduced a geographically weighted regression （GWR） model to analyse the degree of influence of the key driving factors on spatial and temporal evolution of ESV in Jiangxi Province. The results showed that： （1） the main land use types in Jiangxi Province from 2000 to 2020 were forest land and arable land， and the land use transfer mainly consists of the conversion of arable land and forest land into construction land， and the mutual conversion of forest land and grassland. （2） The ESV of Jiangxi Province decreased from 439.088 billion yuan to 438.990 billion yuan from 2000 to 2020， and the spatial heterogeneity was significant. （3） Mean annual precipitation， elevation， per capita GDP， urbanisation rate， distance from railway， distance from road were the key driving factors affecting the change of ESV. The influence of mean annual precipitation on ESV exhibits the characteristics of decreasing from north to south， and transitioning from positive to negative values， elevation， urbanisation rate， per capita GDP negatively affected ESV， and the distance from railway， distance from road positively affected ESV. In conclusion， land use change is the direct cause of the change of ESV in Jiangxi Province， and the increase of construction land occupies a large amount of forest land and unused land， which leads to the decrease of ecosystem service value. In the future， we should control the scale of the expansion of construction land， and ensure the mutual balance status among the various categories， in order to synergistically promote the economic and social development and ecological and environmental protection.

Key words： Jiangxi Province; ecosystem service value; driving force; GWR model

生態(tài)系統(tǒng)服務(wù)價(jià)值（ecosystem services value，ESV）是人們從生態(tài)系統(tǒng)中獲取生產(chǎn)生活所需的物質(zhì)資料的經(jīng)濟(jì)衡量指標(biāo)[1]，是對(duì)生態(tài)系統(tǒng)結(jié)構(gòu)和功能變化的反映。近年來(lái)，隨著城鎮(zhèn)化進(jìn)程的不斷加快和社會(huì)生產(chǎn)需求的增加，土地利用劇烈變化導(dǎo)致生態(tài)系統(tǒng)服務(wù)價(jià)值降低，嚴(yán)重威脅區(qū)域生態(tài)安全格局[2-3]?？茖W(xué)評(píng)估生態(tài)系統(tǒng)服務(wù)價(jià)值，分析區(qū)域生態(tài)系統(tǒng)服務(wù)價(jià)值時(shí)空演變及影響因素對(duì)區(qū)域經(jīng)濟(jì)、社會(huì)、生態(tài)協(xié)調(diào)可持續(xù)發(fā)展具有重要意義。

當(dāng)前評(píng)估ESV的常用方法有功能價(jià)值法[4]、模型計(jì)算法[5]、生產(chǎn)函數(shù)法[6]等。Costanza等[7]利用單位面積價(jià)值當(dāng)量法量化ESV，謝高地等[8]在此基礎(chǔ)上，通過(guò)面向多位專(zhuān)家的問(wèn)卷調(diào)查構(gòu)建了適合中國(guó)的ESV動(dòng)態(tài)量化方法，并得到廣泛應(yīng)用，學(xué)者在福建省[9]、伊犁河谷[10]、張掖綠洲[11]等不同尺度區(qū)域，以行政區(qū)[12]、格網(wǎng)[13]等不同尺度研究單元展開(kāi)研究，取得了一定的成果。學(xué)者們?cè)谔骄縀SV的驅(qū)動(dòng)因素方面取得了相應(yīng)進(jìn)展，楊曉帆等[14]采用地理探測(cè)器發(fā)現(xiàn)植被覆蓋變化是影響研究大南昌都市圈ESV產(chǎn)生空間分異的關(guān)鍵因子，鄧靈稚等[15]采用Pearson系數(shù)和回歸分析發(fā)現(xiàn)了影響重慶市水ESV的關(guān)鍵因子，李蘊(yùn)琪等[16]使用灰色關(guān)聯(lián)度分析生態(tài)服務(wù)價(jià)值與土地利用類(lèi)型之間的關(guān)系。由于不同驅(qū)動(dòng)因素影響ESV變化具有空間差異性，傳統(tǒng)方法難以厘清，帶有空間距離權(quán)重的GWR模型可以探究空間差異性。

江西作為全國(guó)唯一兼具國(guó)家生態(tài)文明試驗(yàn)區(qū)和生態(tài)產(chǎn)品價(jià)值實(shí)現(xiàn)機(jī)制國(guó)家試點(diǎn)的省份，生態(tài)質(zhì)量指數(shù)居全國(guó)前列，具有重要的生態(tài)資源地位，社會(huì)經(jīng)濟(jì)快速發(fā)展的同時(shí)，評(píng)估ESV及其驅(qū)動(dòng)力有利于平衡開(kāi)發(fā)利用與保護(hù)間的關(guān)系。本研究基于江西省土地利用數(shù)據(jù)探究土地利用變化與ESV時(shí)空變化，并構(gòu)建“自然-社會(huì)經(jīng)濟(jì)”驅(qū)動(dòng)因子指標(biāo)體系，利用最小二乘法模型及GWR模型分析ESV驅(qū)動(dòng)因子的空間分異，以期為改善研究區(qū)生態(tài)環(huán)境提供參考。

1 材料與方法

1.1 研究區(qū)概況

江西?。?4°29'～30°04'N，113°34'～118°28'E）地屬中亞熱帶溫暖濕潤(rùn)季風(fēng)氣候，雨量充沛，光照充足，冬暖夏熱，年均氣溫約19 ℃，年均降水約1 896 mm。江西省東南西三面環(huán)山，中部丘陵和河谷平原交錯(cuò)分布，地勢(shì)中間低四周高，山地和丘陵占全省面積的78%。全省現(xiàn)有11個(gè)市100個(gè)區(qū)縣（圖1），面積16.69萬(wàn)km2。2020年底，全省總?cè)丝跒? 518.86萬(wàn)人，全省GDP為25 691.5 億元，人均GDP為56 854元，城鎮(zhèn)化率為61.46%，綜合實(shí)力呈上升趨勢(shì)。

1.2 數(shù)據(jù)來(lái)源

江西省2000年、2010年、2020年3期1 km分辨率土地利用數(shù)據(jù)下載于中科院資源環(huán)境科學(xué)數(shù)據(jù)中心（https：//www.resdc.cn/），參照國(guó)家標(biāo)準(zhǔn)GB/T 21010—2017《土地利用現(xiàn)狀分類(lèi)》[17]，將土地利用類(lèi)型劃分為：耕地、林地、草地、水域、建設(shè)用地和未利用地6類(lèi)（圖2）。

30 m分辨率DEM數(shù)據(jù)來(lái)源于地理空間數(shù)據(jù)云（https：//www.gscloud.cn/）；1 km分辨率年均氣溫源于國(guó)家地球系統(tǒng)科學(xué)數(shù)據(jù)中心（www.geodata.cn），1 km分辨率年均降水來(lái)源于地球資源數(shù)據(jù)云（http：//gis5g.com/）；500 m分辨率夜間燈光數(shù)據(jù)、250 m分辨率NDVI數(shù)據(jù)來(lái)自中科院資源環(huán)境科學(xué)數(shù)據(jù)中心（https：//www.resdc.cn/），鐵路、公路數(shù)據(jù)來(lái)自O(shè)pen Street Map（https：//www.openstreetmap.org/），其他社會(huì)經(jīng)濟(jì)數(shù)據(jù)來(lái)源于江西省統(tǒng)計(jì)年鑒[18]、統(tǒng)計(jì)公報(bào)[19]、《全國(guó)農(nóng)產(chǎn)品成本收益資料匯編》[20]。

1.3 研究方法

1.3.1 土地利用變化估算 本文借助ArcGIS處理得到土地利用轉(zhuǎn)移矩陣，分析研究期內(nèi)各地類(lèi)的轉(zhuǎn)入、轉(zhuǎn)出去向和面積大小，具體原理和公式參考Akber等[21]、于海霞等[22]的研究。

1.3.2 ESV估算 根據(jù)謝高地等[23]構(gòu)建的價(jià)值當(dāng)量表，結(jié)合2020年江西省土地覆被狀況，并基于同年江西省單位耕地面積主要農(nóng)作物（水稻、棉花、花生、油菜）收購(gòu)價(jià)格和年產(chǎn)量，對(duì)ESV當(dāng)量因子進(jìn)行修正。參考朱潤(rùn)苗等[24]的研究方法，得出單個(gè)ESV因子的經(jīng)濟(jì)價(jià)值，為1 502.25 元·hm-2，由此確定江西省不同生態(tài)系統(tǒng)單位面積ESV，如表1所示。ESV評(píng)估公式如下：

ESV=Ak×Vc，k （1）

式中，ESV為生態(tài)系統(tǒng)服務(wù)價(jià)值（元）；Ak為研究區(qū)第k種地類(lèi)面積（hm2）；Vc，k為第k種地類(lèi)單位面積ESV當(dāng)量系數(shù)（元·hm-2）。

為了提高研究結(jié)果的準(zhǔn)確性，借鑒經(jīng)濟(jì)學(xué)中的彈性系數(shù)概念，選用敏感性指數(shù)（Coefficients of sentivity，CS）來(lái)定量探究ESV對(duì)各地類(lèi)生態(tài)系統(tǒng)服務(wù)價(jià)值系數(shù)的依賴(lài)程度[25]，將各地類(lèi)價(jià)值系數(shù)上下調(diào)整50%，計(jì)算江西省各地類(lèi)CS系數(shù)。具體公式如下：

CS=（2）

式中，CS為敏感性指數(shù)；k為土地利用類(lèi)型；i、j分別為調(diào)整前和調(diào)整后的各項(xiàng)系數(shù)；VC為ESV系數(shù)。

1.3.3 空間自相關(guān)分析 空間自相關(guān)性通常用來(lái)測(cè)量空間數(shù)據(jù)的分布特點(diǎn)及其相互關(guān)聯(lián)程度[26]，本研究通過(guò)計(jì)算全局Moran’s I指數(shù)來(lái)揭示江西省ESV空間異質(zhì)性和相關(guān)性趨勢(shì)，Moran’s I指數(shù)取值范圍為［-1，1］[27]。具體計(jì)算公式如下：

Moran’s I=（3）

式中，n為空間單元的數(shù)量；xi、xj分別為第i、j個(gè)空間單元的屬性值； x為屬性的平均值；wij為空間權(quán)重矩陣。

1.3.4 普通最小二乘法模型 普通最小二乘法模型（OLS）可以解釋單一變量與多個(gè)自變量之間的驅(qū)動(dòng)關(guān)聯(lián)[28]，運(yùn)用OLS模型進(jìn)行因子篩選。具體公式如下：

yi=β0+βk xik+εi（4）

式中，yi是空間i位置因變量；β0是常數(shù)項(xiàng)；βk是第k項(xiàng)自變量的回歸系數(shù)；xik是第k項(xiàng)自變量在空間i位置的取值；εi是隨機(jī)誤差項(xiàng)。

1.3.5 地理加權(quán)回歸模型 地理加權(quán)回歸模型（GWR）是建立在傳統(tǒng)回歸模型（OLS）基礎(chǔ)上的對(duì)參數(shù)進(jìn)行估計(jì)的一種空間分析技術(shù)[29]。GWR模型在考慮空間異質(zhì)性的前提下，對(duì)樣本點(diǎn)賦予不同的權(quán)重進(jìn)行局部回歸估計(jì)，可實(shí)現(xiàn)“局部”取代“全局”參數(shù)計(jì)算，從而克服了普通最小二乘法忽略空間效應(yīng)、回歸系數(shù)基于區(qū)域平均的缺陷[30]。模型公式如下[31]：

yi=β0（ui，vi）+βm（ui，vi）xim+εi （5）

式中，yi為第i個(gè)樣本點(diǎn)的因變量；第i個(gè)樣本點(diǎn)的坐標(biāo)為（ui，vi）；xim為自變量xm在第i個(gè)樣本點(diǎn)上的數(shù)值；βm（ui，vi）為第i個(gè)樣本點(diǎn)上第m個(gè)回歸系數(shù)；εi為隨機(jī)誤差項(xiàng)[32]。

2 結(jié)果與分析

2.1 土地利用變化分析

由表2和表3可知，江西省以林地和耕地生態(tài)系統(tǒng)為主，分別約占區(qū)域總面積的62%和26%。研究期間，江西省土地利用類(lèi)型變化趨勢(shì)表現(xiàn)為未利用地明顯減少、建設(shè)用地明顯增加、其他土地類(lèi)型面積變化較小。

從土地利用轉(zhuǎn)移矩陣來(lái)看，耕地和林地轉(zhuǎn)化為建設(shè)用地、林地和草地的相互轉(zhuǎn)化以及未利用地轉(zhuǎn)化為水域是江西省研究期內(nèi)土地利用轉(zhuǎn)移的主要特征。2000—2020年，1 507 km2耕地和888 km2林地轉(zhuǎn)化為建設(shè)用地，分別占建設(shè)用地轉(zhuǎn)入總面積的57.63%和33.96%；401 km2草地轉(zhuǎn)化為林地，占林地總面積的73.18%；484 km2林地轉(zhuǎn)化為草地，占草地轉(zhuǎn)入總面積的95.84%；459 km2未利用地轉(zhuǎn)化為水域，占水域轉(zhuǎn)入總面積的58.62%。

2.2 ESV時(shí)空演變分析

2.2.1 時(shí)間特征 2000年、2010年、2020年江西省生態(tài)系統(tǒng)服務(wù)總價(jià)值分別為4 390.88、4 400.27、

4 389.90億元，呈現(xiàn)先增加后減少的趨勢(shì)（表4）。其中，林地和水域是ESV的主要供給來(lái)源，二者占比之和超過(guò)90%。2000—2010年，未利用地ESV變化最大，ESV減少30.92%，其次是草地，ESV減少6.23%。2010—2020年，同樣是未利用地的ESV變化最大為減少15.17%，其次是草地，增加4.77%。相比于2000—2010年，未利用地面積減少幅度降低，草地面積有所增加，表明2010—2020年江西省在發(fā)展的同時(shí)也注重改善綠化問(wèn)題。

根據(jù)公式（2），計(jì)算江西省各土地利用類(lèi)型ESV的CS，結(jié)果如表5所示。江西省各土地利用類(lèi)型CS值均小于1，表明江西省ESV對(duì)各土地利用類(lèi)型的價(jià)值系數(shù)相對(duì)不敏感，本研究選取的價(jià)值系數(shù)適用于江西省。

按照服務(wù)類(lèi)型統(tǒng)計(jì)江西省各項(xiàng)ESV，結(jié)果如表6所示。從第一類(lèi)服務(wù)看，調(diào)節(jié)服務(wù)和支持服務(wù)是主要服務(wù)類(lèi)型，二者之和占總價(jià)值的90%以上。2000—2020年，供給和調(diào)節(jié)服務(wù)價(jià)值小幅增加，支持服務(wù)和文化服務(wù)價(jià)值小幅減少；從第二類(lèi)服務(wù)看，氣候調(diào)節(jié)和水文調(diào)節(jié)是主要服務(wù)類(lèi)型，二者之和占比超過(guò)55%。2000—2020年，除了水文調(diào)節(jié)服務(wù)價(jià)值增加1.37%，其他二類(lèi)服務(wù)價(jià)值均呈減少趨勢(shì)，其中水資源供給服務(wù)價(jià)值減少最為顯著，為9.04%。

2.2.2 空間特征 本研究利用ArcGIS10.2空間統(tǒng)計(jì)工具分析江西省ESV空間相關(guān)性趨勢(shì)，根據(jù)公式（3）計(jì)算2000年、2010年、2020年江西省ESV分布的全局Moran’s I指數(shù)，分別為0.306、0.320、0.318。3期ESV數(shù)據(jù)的全局Moran’s I指數(shù)均大于0，整體趨勢(shì)是先增加后減少，并且增加幅度比減少幅度更大，這表明江西省ESV空間分布不斷趨于集聚。

本研究以江西省100個(gè)區(qū)縣作為評(píng)價(jià)單元，分區(qū)統(tǒng)計(jì)2000—2020年3期ESV，用自然斷點(diǎn)法將其從低值區(qū)到高值區(qū)劃分為5個(gè)區(qū)間，并進(jìn)行可視化表達(dá)。由圖3可知，江西省ESV低值區(qū)分布不規(guī)則，零星分布在面積較小的地區(qū)；高值區(qū)縣分布在修水縣、武寧縣、鄱陽(yáng)縣等，高值區(qū)數(shù)量小幅增加。較低值區(qū)、中值區(qū)、較高值區(qū)數(shù)量占比較大，并且較高值區(qū)大多分布在江西省南部，較低值區(qū)和中值區(qū)大多分布在江西省北部。

2.3 江西省ESV驅(qū)動(dòng)因子分析

2.3.1 驅(qū)動(dòng)模型構(gòu)建與識(shí)別 基于以往研究并結(jié)合江西省實(shí)際情況[33-35]，本研究驅(qū)動(dòng)因子指標(biāo)體系中，自然因素選擇年均氣溫、年均降水、高程和NDVI指數(shù)、耕地面積占比、林地面積占比，社會(huì)經(jīng)濟(jì)因素選擇人口密度、城鎮(zhèn)化率、GDP、人均GDP、社會(huì)消費(fèi)品零售總額、城鎮(zhèn)和農(nóng)村人均可支配收入、距鐵路距離、距公路距離、夜間燈光指數(shù)（表7）。由于數(shù)據(jù)的可獲得性和研究時(shí)效性，以2020年ESV作為代表研究對(duì)象對(duì)驅(qū)動(dòng)因子進(jìn)行分析。

為了避免驅(qū)動(dòng)因子之間可能存在多重共線性，將以上16個(gè)因子利用SPSS 27.0軟件進(jìn)行共線性檢驗(yàn)，有12項(xiàng)因子VIF小于7.5（表8），可用于后續(xù)研究。

將表8中12項(xiàng)因子與ESV進(jìn)行首次OLS線性回歸，X1、X7、X9、X11、X12、X13概率不顯著，故剔除。最后，對(duì)剩余6個(gè)因子X(jué)2、X3、X8、X10、X14、X15再次進(jìn)行OLS線性回歸，6個(gè)因子都通過(guò)概率檢驗(yàn)，模型擬合效果提高（表9）。因此，本研究將X2、X3、X8、X10、X14、X15作為關(guān)鍵驅(qū)動(dòng)因子。

2.3.2 基于GWR模型驅(qū)動(dòng)結(jié)果分析 將6個(gè)關(guān)鍵驅(qū)動(dòng)因子進(jìn)行GWR模型擬合并與OLS模型做比較（表10）。根據(jù)Brunsdon 等[36]的觀點(diǎn)，若GWR模型的AICc值與OLS模型的AICc值相差大于3，則說(shuō)明GWR模型的擬合效果更優(yōu)。從對(duì)比結(jié)果可知，GWR擬合效果更優(yōu)，并且GWR模型的R2與調(diào)整后R2均大于OLS的結(jié)果數(shù)值，表明GWR模型更適用于本次驅(qū)動(dòng)研究。

將關(guān)鍵因子的影響系數(shù)在ArcGIS中用自然斷點(diǎn)法分成5類(lèi)并進(jìn)行可視化，由圖4可知，6個(gè)關(guān)鍵因子對(duì)ESV的影響空間異質(zhì)性顯著。

年均降水與江西省ESV呈現(xiàn)南部微弱負(fù)相關(guān)、北部較強(qiáng)正相關(guān)的驅(qū)動(dòng)特征，空間上表現(xiàn)為北向南遞減的趨勢(shì)，相同等級(jí)區(qū)域聚集性強(qiáng)。主要原因是南部比北部更靠近海洋洋流，降雨較多，發(fā)生洪澇災(zāi)害概率大于北部，洪澇災(zāi)害嚴(yán)重影響林木與農(nóng)作物等的生長(zhǎng)，對(duì)ESV呈負(fù)向影響關(guān)系。北部地區(qū)水系眾多，如鄱陽(yáng)湖具有較強(qiáng)的蓄水保水功能，既能減少洪澇災(zāi)害的影響，又能為周?chē)耐寥垒斔宛B(yǎng)分，故年均降水對(duì)江西省北部ESV呈正向影響關(guān)系。

高程與江西省ESV呈現(xiàn)全局負(fù)相關(guān)的驅(qū)動(dòng)特征，其原因主要是江西省地形以山地、丘陵為主，地勢(shì)起伏較大，不利于大范圍養(yǎng)殖與種植。從影響系數(shù)的絕對(duì)值看，高程對(duì)ESV的影響從東南向西北遞增。主要原因是江西省東南部有武夷山脈，西北部有幕阜山和廬山，因東南部水熱條件優(yōu)于西北部，故在相似的地形下，高程對(duì)西北部的影響對(duì)比東南部較大。

城鎮(zhèn)化率對(duì)江西省ESV呈現(xiàn)全局負(fù)相關(guān)的驅(qū)動(dòng)特征。從影響系數(shù)的絕對(duì)值看，負(fù)向影響從西向東逐漸增強(qiáng)。主要原因是東部區(qū)縣政府近年來(lái)大力推進(jìn)基礎(chǔ)設(shè)施建設(shè)，吸引大量投資項(xiàng)目，經(jīng)濟(jì)增長(zhǎng)速度迅猛，并且東部區(qū)縣受江浙滬等經(jīng)濟(jì)大省輻射作用比西部區(qū)縣強(qiáng)。

人均GDP與江西省ESV呈現(xiàn)全局負(fù)相關(guān)的驅(qū)動(dòng)特征，從影響系數(shù)的絕對(duì)值看，人均GDP對(duì)ESV的影響從南向北逐漸增強(qiáng)，其中影響程度最低區(qū)縣集中在吉安市和萍鄉(xiāng)市。主要原因是南部地區(qū)和吉安市區(qū)縣、萍鄉(xiāng)市區(qū)縣工作崗位較少，人口外流嚴(yán)重，當(dāng)?shù)厝司鵊DP較低，而北部區(qū)縣靠近省會(huì)城市經(jīng)濟(jì)發(fā)展較快，吸引就業(yè)多，人均GDP高，人均GDP是消費(fèi)需求和經(jīng)濟(jì)發(fā)展的直接反映，同時(shí)也會(huì)對(duì)生態(tài)環(huán)境造成威脅進(jìn)而減少ESV。

距鐵路距離與江西省ESV呈現(xiàn)全局正相關(guān)的驅(qū)動(dòng)特征，表明距離鐵路越近，影響ESV降低的可能性越大，影響系數(shù)在空間上表現(xiàn)為從南向北逐漸增大。主要原因是南部重要鐵路樞紐數(shù)量少，鐵路線數(shù)量不及北部，而北部重要鐵路樞紐數(shù)量多且鐵路密度大，如南昌、九江、上饒等，鐵路線縱橫交錯(cuò)，鐵路的建設(shè)及維護(hù)需要占用生態(tài)林地，故引起北部ESV降低程度強(qiáng)。

距公路距離與江西省ESV呈現(xiàn)全局正相關(guān)的驅(qū)動(dòng)特征，表明距離公路距離越短，環(huán)境與噪聲污染越嚴(yán)重，影響ESV降低的可能性越大，影響系數(shù)在空間上表現(xiàn)為由東向西逐漸增大，即單位距公路距離的增加導(dǎo)致東部區(qū)縣ESV減少程度低于西部區(qū)縣。西部影響系數(shù)高的區(qū)縣多屬九江市和宜春市，九江市2020年公路旅客運(yùn)輸量5 560萬(wàn)人，公路貨物運(yùn)輸量15 638萬(wàn)t；宜春市公路汽車(chē)客運(yùn)量2 624.42萬(wàn)人，公路貨運(yùn)量27 246.57萬(wàn)t，公路使用頻率較高。同時(shí)，東部區(qū)縣靠近海洋，季風(fēng)和濕潤(rùn)的洋流對(duì)于汽車(chē)尾氣和灰塵有較好的清理作用，而西部區(qū)縣靠近大陸內(nèi)部，污染物質(zhì)難以自清潔，故距公路距離對(duì)江西省西部的影響更為顯著。

3 討論與結(jié)論

3.1 討論

江西省處于長(zhǎng)江中下游南岸，區(qū)域內(nèi)森林、山地廣布，生態(tài)資源豐富，是中國(guó)生態(tài)系統(tǒng)價(jià)值較高的省份之一[37]，本文基于土地利用數(shù)據(jù)，采用修正的當(dāng)量因子法分析江西省2000—2020年ESV的時(shí)空變化特征，從“自然-社會(huì)經(jīng)濟(jì)”角度構(gòu)建驅(qū)動(dòng)體系探究ESV空間格局發(fā)生變化的驅(qū)動(dòng)因素，以期為江西省生態(tài)文明建設(shè)提供決策依據(jù)。

林地、水域是江西省高ESV的代表，體現(xiàn)了其優(yōu)越的生態(tài)功能，為實(shí)現(xiàn)江西省生態(tài)系統(tǒng)可持續(xù)管理，引導(dǎo)形成利于提高ESV的土地利用格局，應(yīng)加強(qiáng)這兩種地類(lèi)的保護(hù)和修復(fù)。未利用地和建設(shè)用地是導(dǎo)致ESV變化幅度較大的地類(lèi)，建設(shè)用地不斷增加占用大量未利用地，體現(xiàn)了政策導(dǎo)向?qū)SV的影響，這與袁騰躍等[38]的研究結(jié)果相似，未來(lái)應(yīng)控制建設(shè)用地?cái)U(kuò)張規(guī)模，確保未利用地面積維持平衡的狀態(tài)，提高土地利用效率。

江西省ESV受自然因素和社會(huì)經(jīng)濟(jì)因素的共同影響，本研究通過(guò)GWR論證了年均降水、高程、人均GDP、城鎮(zhèn)化率、距公路、鐵路距離是關(guān)鍵驅(qū)動(dòng)因子，這與談旭等[10]、楊曉帆等[14]、楊屹[39]等部分研究結(jié)果一致。不同區(qū)縣受到驅(qū)動(dòng)因子影響程度各不相同，因此各區(qū)縣應(yīng)合理利用自身資源，嚴(yán)格落實(shí)國(guó)土空間規(guī)劃，因地制宜地制定生態(tài)環(huán)境保護(hù)政策。

本研究有利于增強(qiáng)對(duì)江西省土地利用情況和ESV變化的認(rèn)識(shí)，對(duì)其生態(tài)系統(tǒng)可持續(xù)發(fā)展有一定的參考價(jià)值。局限性是以年度的ESV和驅(qū)動(dòng)因子數(shù)據(jù)進(jìn)行探究，時(shí)間跨度較大，未來(lái)可從季度或月度數(shù)據(jù)進(jìn)行更細(xì)化的研究；驅(qū)動(dòng)因子指標(biāo)體系還有不夠完善之處，未來(lái)可以從更多角度來(lái)綜合評(píng)估ESV影響因子。在ESV研究中，未來(lái)可以與城市發(fā)展、鄉(xiāng)村振興、居民福祉等內(nèi)容耦合分析，為提高ESV提供更全面的參考。

3.2 結(jié)論

本研究基于江西省土地利用變化與ESV時(shí)空演變，構(gòu)建驅(qū)動(dòng)因子指標(biāo)體系，以江西省縣域?yàn)檠芯砍叨?，結(jié)合OLS模型、GWR模型等篩選ESV關(guān)鍵驅(qū)動(dòng)因子，并分析其對(duì)ESV的影響程度，結(jié)論如下：

（1）江西省2000—2020年土地利用類(lèi)型主要是林地和耕地，林地和耕地之和占比超過(guò)88%。土地利用轉(zhuǎn)移主要是耕地和林地轉(zhuǎn)化為建設(shè)用地、林地和草地的相互轉(zhuǎn)化以及未利用地轉(zhuǎn)化為水域，其中耕地、林地、未利用地面積分別減少0.68%、0.74%、0.24%，水域和建設(shè)用地面積分別增加0.2%、15.26%。

（2）江西省ESV呈先增后減的趨勢(shì)，2000年、2010年、2020年總ESV分別為4 390.88億元、4 400.27億元、4 389.90億元，服務(wù)類(lèi)型以調(diào)節(jié)服務(wù)和支持服務(wù)為主。從空間上看，5個(gè)分區(qū)分布較不規(guī)則，空間異質(zhì)性顯著。

（3）各驅(qū)動(dòng)因子對(duì)ESV的影響各有差異。影響江西省ESV變化的關(guān)鍵驅(qū)動(dòng)因子有年均降水、高程、人均GDP、城鎮(zhèn)化率、距鐵路距離、距公路距離。年均降水對(duì)ESV影響表現(xiàn)從北向南遞減，從正值到負(fù)值過(guò)渡的特征；高程、城鎮(zhèn)化率、人均GDP對(duì)ESV表現(xiàn)為負(fù)向影響；距鐵路距離、距公路距離對(duì)ESV表現(xiàn)為正向影響。

參考文獻(xiàn)：

[1]方林， 蔡俊， 劉艷曉， 等. 1990-2020年霍山縣生態(tài)系統(tǒng)服務(wù)價(jià)值空間格局及其動(dòng)態(tài)演化[J]. 資源與產(chǎn)業(yè)， 2022， 24（2）： 119-131.

[2] CHEN W X， CHI G Q， LI J F. The spatial association of ecosystem services with land use and land cover change at the county level in China， 1995-2015[J]. Science of the Total Environment， 2019， 669： 459-470.

[3] 溫玉玲， 張小林， 魏佳豪， 等. 鄱陽(yáng)湖環(huán)湖區(qū)生態(tài)系統(tǒng)服務(wù)價(jià)值時(shí)空變化及權(quán)衡協(xié)同關(guān)系[J]. 地理科學(xué)， 2022， 42（7）： 1229-1238.

[4] 張艷春， 毛旭鋒， 魏曉燕， 等. 湟水國(guó)家濕地公園濕地價(jià)值及其輻射格局研究[J]. 生態(tài)學(xué)報(bào)， 2022， 42（2）： 569-580.

[5] MA S， WANG L J， ZHU D Z， et al. Spatiotemporal changes in ecosystem services in the conservation priorities of the southern hill and mountain belt， China[J]. Ecological Indicators， 2021， 122： 107225.

[6] GMEZ-BAGGETHUN E， BARTON D N. Classifying and valuing ecosystem services for urban planning[J]. Ecological Economics， 2013， 86： 235-245.

[7] COSTANZA R， D'ARGE R， DE GROOT R， et al. The value of the world’s ecosystem services and natural capital[J]. Nature， 1997， 387（6630）： 253-260.

[8] 謝高地， 甄霖， 魯春霞， 等. 一個(gè)基于專(zhuān)家知識(shí)的生態(tài)系統(tǒng)服務(wù)價(jià)值化方法[J]. 自然資源學(xué)報(bào)， 2008， 23（5）： 911-919.

[9] 林晨宇， 宋羽， 葉玲蘭. 福建省生態(tài)系統(tǒng)服務(wù)價(jià)值時(shí)空演變及驅(qū)動(dòng)因素[J]. 自然保護(hù)地， 2024， 4（2）： 81-94.

[10] 談旭， 王承武. 伊犁河谷生態(tài)系統(tǒng)服務(wù)價(jià)值時(shí)空演變及其驅(qū)動(dòng)因素[J]. 應(yīng)用生態(tài)學(xué)報(bào)， 2023， 34（10）： 2747-2756.

[11] TAN Z， GUAN Q Y， LIN J K， et al. The response and simulation of ecosystem services value to land use/land cover in an oasis， Northwest China[J]. Ecological Indicators， 2020， 118： 106711.

[12] 高熳佳， 崔佳. 基于LUCC的山西省碳排放和生態(tài)系統(tǒng)服務(wù)價(jià)值時(shí)空關(guān)系[J/OL]. 環(huán)境科學(xué)： 1-19[2024-09-10]. https：//doi.org/10.13227/j.hjkx.202405102.

[13] ZHAO Y F， ZHANG X W， WU Q R， et al. Characteristics of spatial and temporal changes in ecosystem service value and threshold effect in Henan along the Yellow River， China[J]. Ecological Indicators， 2024， 166： 112531.

[14] 楊曉帆， 蔡海生， 張學(xué)玲， 等. 大南昌都市圈生態(tài)系統(tǒng)服務(wù)價(jià)值時(shí)空演變及其驅(qū)動(dòng)因素[J]. 生態(tài)學(xué)雜志， 2024， 43（8）： 2275-2284.

[15] 鄧靈稚， 楊振華， 蘇維詞. 城市化背景下重慶市水生態(tài)系統(tǒng)服務(wù)價(jià)值評(píng)估及其影響因子分析[J]. 水土保持研究， 2019， 26（4）： 208-216.

[16] 李蘊(yùn)琪， 韓磊， 朱會(huì)利， 等. 基于土地利用的延安市退耕還林前后生態(tài)服務(wù)價(jià)值變化[J]. 西北林學(xué)院學(xué)報(bào)， 2020， 35（1）： 203-211.

[17]中華人民共和國(guó)國(guó)家質(zhì)量監(jiān)督檢驗(yàn)檢疫總局， 中國(guó)國(guó)家標(biāo)準(zhǔn)化管理委員會(huì). 土地利用現(xiàn)狀分類(lèi)： GB/T 21010—2017[S]. 北京： 中國(guó)標(biāo)準(zhǔn)出版社， 2017.

[18]" 江西省統(tǒng)計(jì)局， 國(guó)家統(tǒng)計(jì)局江西調(diào)查總隊(duì). 2020江西統(tǒng)計(jì)年鑒[M]. 北京： 中國(guó)統(tǒng)計(jì)出版社有限公司， 2020.

[19]" 江西省統(tǒng)計(jì)局， 國(guó)家統(tǒng)計(jì)局江西調(diào)查總隊(duì). 江西省2020年國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展統(tǒng)計(jì)公報(bào)[EB/OL]. （2021-03-23）[2024-08-01]. http：//tjj.jiangxi.gov.cn/module/download/downfile.jsp？classid=0amp;showname=%E6%B1%9F%E8%A5%BF%E7%9C%812020%E5%B9%B4%E5%9B%BD%E6%B0%91%E7%BB%8F%E6%B5%8E%E5%92%8C%E7%A4%BE%E4%BC%9A%E5%8F%91%E5%B1%95%E7%BB%9F%E8%AE%A1%E5%85%AC%E6%8A%A5.pdfamp;filename=2b375c5abacd44aea26d7ffebff40ca7.pdf.

[20] 國(guó)家發(fā)展和改革委員會(huì)價(jià)格司. 全國(guó)農(nóng)產(chǎn)品成本收益資料匯編2020[M]. 北京： 中國(guó)市場(chǎng)出版社， 2021.

[21] AKBER M A， KHAN M W R， ISIAM M A， et al. Impact of land use change on ecosystem services of southwest coastal Bangladesh[J]. Journal of Land Use Science， 2018， 13（3）： 238-250.

[22] 于海霞， 王禹驍. 東江流域生態(tài)系統(tǒng)服務(wù)價(jià)值的時(shí)空演變及空間分異機(jī)制[J]. 應(yīng)用生態(tài)學(xué)報(bào)， 2023， 34（9）： 2498-2506.

[23] 謝高地， 張彩霞， 張雷明， 等. 基于單位面積價(jià)值當(dāng)量因子的生態(tài)系統(tǒng)服務(wù)價(jià)值化方法改進(jìn)[J]. 自然資源學(xué)報(bào)， 2015， 30（8）： 1243-1254.

[24] 朱潤(rùn)苗， 陳松林. 1980-2020年福建省景觀生態(tài)風(fēng)險(xiǎn)與生態(tài)系統(tǒng)服務(wù)價(jià)值的空間關(guān)系[J]. 應(yīng)用生態(tài)學(xué)報(bào)， 2022， 33（6）： 1599-1607.

[25] 李濤， 甘德欣， 楊知建， 等. 土地利用變化影響下洞庭湖地區(qū)生態(tài)系統(tǒng)服務(wù)價(jià)值的時(shí)空演變[J]. 應(yīng)用生態(tài)學(xué)報(bào)， 2016， 27（12）： 3787-3796.

[26] ZHANG C Y， ZHAO L， ZHANG H T， et al. Spatial-temporal characteristics of carbon emissions from land use change in Yellow River Delta region， China[J]. Ecological Indicators， 2022， 136： 108623.

[27] 李云燕， 張雪瑩. 基于空間視角的交通運(yùn)輸規(guī)模對(duì)交通碳排放的影響路徑[J]. 環(huán)境科學(xué)， 2024， 45（11）： 6392-6402.

[28] 邵明， 董宇翔， 林辰松. 基于GWR模型的成渝城市群生態(tài)系統(tǒng)服務(wù)時(shí)空演變及驅(qū)動(dòng)因素研究[J]. 北京林業(yè)大學(xué)學(xué)報(bào)， 2020， 42（11）： 118-129.

[29] KASHKI A， KARAMI M， ZANDI R， et al. Evaluation of the effect of geographical parameters on the formation of the land surface temperature by applying OLS and GWR， A case study Shiraz City， Iran[J]. Urban Climate， 2021， 37： 100832.

[30] 周婷， 王強(qiáng)， 梁加樂(lè)， 等. 景觀格局對(duì)生態(tài)系統(tǒng)服務(wù)的影響研究——以漢江生態(tài)經(jīng)濟(jì)帶為例[J]. 世界地理研究， 2023， 32（8）： 152-165.

[31] 耿甜偉， 陳海， 張行， 等. 基于GWR的陜西省生態(tài)系統(tǒng)服務(wù)價(jià)值時(shí)空演變特征及影響因素分析[J]. 自然資源學(xué)報(bào)， 2020， 35（7）： 1714-1727.

[32] 馬勇， 黃智洵. 長(zhǎng)江中游城市群綠色發(fā)展指數(shù)測(cè)度及時(shí)空演變探析——基于GWR模型[J]. 生態(tài)環(huán)境學(xué)報(bào)， 2017， 26（5）： 794-807.

[33] 黃木易， 岳文澤， 方斌， 等. 1970-2015年大別山區(qū)生態(tài)服務(wù)價(jià)值尺度響應(yīng)特征及地理探測(cè)機(jī)制[J]. 地理學(xué)報(bào)， 2019， 74（9）： 1904-1920.

[34] 朱瑕. 江西省生態(tài)系統(tǒng)服務(wù)價(jià)值時(shí)空演變及其驅(qū)動(dòng)因素分析[D]. 撫州： 東華理工大學(xué)， 2021.

[35] 李紫健， 陳江平， 張偉康， 等. 湖北省生態(tài)系統(tǒng)服務(wù)價(jià)值演變及影響因素分析[J]. 測(cè)繪科學(xué)， 2023， 48（1）： 245-257.

[36] BRUNSDON C， FOTHERINGHAM S， CHARLTON M. Geographically weighted regression[J]. Journal of the Royal Statistical Society： Series D（The Statistician）， 1998， 47（3）： 431-443.

[37] ZHANG X M， XIE H L， SHI J Y， et al. Assessing changes in ecosystem service values in response to land cover dynamics in Jiangxi Province， China[J]. International Journal of Environmental Research and Public Health， 2020， 17（9）： 3018.

[38] 袁騰躍， 萬(wàn)大娟， 向熠繁， 等. 瀟水流域生態(tài)系統(tǒng)服務(wù)價(jià)值時(shí)空變化及其驅(qū)動(dòng)因素[J]. 經(jīng)濟(jì)地理， 2024， 44（5）： 182-189.

[39] 楊屹， 梁晨雪. 黃河流域水資源生態(tài)系統(tǒng)服務(wù)價(jià)值時(shí)空變化及驅(qū)動(dòng)分析——以關(guān)中平原城市群為例[J]. 技術(shù)經(jīng)濟(jì)， 2023， 42（5）： 189-200.