成都-重庆城市聚集区特征尺度下生态系统自然-文化服务权衡/协同的阈值效应及其驱动机制

《Ecological Frontiers》：Threshold effects and driving mechanisms of ecosystem natural-cultural service trade-offs/synergies at the characteristic scale in Chengdu-Chongqing urban agglomeration

生态系统服务权衡与协同的空间尺度效应及阈值驱动机制研究。采用波粒转化分析确定成都-重庆都市圈ENS-ECS相互作用特征尺度（栅格3.47km、乡镇8.26km、县39.31km），基于InVEST-MaxEnt模型量化2010-2023年时空演变，结合XGBoost-SHAP分析揭示驱动因子非线性阈值效应，发现协同区集中在平原过渡带，权衡区呈U型分布于山地和建成区，阈值强度随尺度增大而增强。

　　

钱敏|张宏|马瑞|王宇杰|潘明晨

重庆师范大学地理与旅游学院，中国重庆401331

摘要

理解生态系统自然服务（ENS）与生态系统文化服务（ECS）之间权衡/协同作用的尺度效应对于阐明空间依赖性并指导精准空间治理至关重要。本研究建立了一个综合研究框架，包括尺度识别、服务量化、权衡/协同作用分析以及机制解释。该框架旨在克服尺度选择的主观性以及线性驱动因素分析的局限性。首先，使用小波变换来识别ENS-ECS相互作用的特征空间尺度，并构建最佳分析序列。其次，应用InVEST-MaxEnt模型来量化2010年至2023年间这些特征尺度上ENS和ECS的时空模式及权衡/协同作用。最后，引入XGBoost-SHAP模型来分析驱动因素阈值随尺度变化的非线性响应和特征。研究结果表明：（1）识别出三个关键特征尺度：栅格（3.47公里）、乡镇（8.26公里）和县（39.31公里）。从时间上看，ENS平均值先增加后减少（0.245 → 0.259 → 0.254），空间上呈现中心值较低、边缘值较高的分布模式；ECS平均值则稳步上升后趋于稳定（0.179 → 0.196 → 0.197），空间上表现为中心区域高值分散、西北-东南方向高值聚集。（2）ENS和ECS主要受权衡关系支配，权衡相关系数/面积随空间尺度的增加而增加，但相关系数始终低于-0.236。权衡区域沿外围山区和中心建成区呈U形分布，而协同区域集中在中部平原以及西南丘陵与山区之间的过渡带。权衡相关系数/面积在2015年达到峰值。（3）核心驱动因素包括PRE、TRI、GDP和DMSP。在小尺度（栅格）上，权衡受到当地自然条件的制约；在大尺度（县/区）上，则受到宏观社会经济因素的控制。此外，核心因素的响应阈值随空间尺度的增加而上升。（4）基于县级分析，划分出四个功能区以指导差异化的空间管理：生态文化特征展示区侧重于增强协同作用，生态潜力激活区强调激活ECS潜力，生态文化振兴培育区注重基础建设，文化韧性提升区则加强ENS的刚性约束。该框架旨在为优化区域空间管理提供科学依据。

引言

生态系统服务（ESs）作为自然系统与社会系统之间的纽带，通过提供、调节、支持和文化服务等多重效益，支撑区域生态社会复合体的协调发展[10]。ESs之间的权衡/协同作用表现出明显的时空尺度依赖性和非线性特征[1]、[15]、[26]。具体而言，ESs之间的相互作用强度及其潜在驱动机制在不同观测尺度上存在显著差异，导致控制这些关系的驱动因素阈值随尺度变化[24]。因此，科学识别关键尺度并揭示其内在机制对于平衡人类日益增长的需求与生态系统可持续性至关重要。

尽管关于ESs的研究已经从早期的价值估算[13]、[16]、时空差异特征[9]、[14]、[38]发展到尺度效应分析[30]，但目前的研究仍存在局限性。现有研究主要集中在食物供应、碳封存和水资源生产等ESs之间的权衡/协同作用[30]、[31]，对代表人类需求的文化服务与其他ESs之间的权衡/协同作用关注不足。缺乏从ENS-ECS耦合角度深入探讨它们之间关系的研究[33]，这使得难以有效识别自然基线与人类文化需求之间的不匹配。在尺度选择方面，大多数研究依赖于行政单元[2]、[17]、[31]、流域[9]或单分辨率网格[30]、[31]等经验尺度，这些方法忽略了ESs相互作用的内在特征尺度，无法捕捉生态信息的真实空间变异性。此外，现有关于驱动机制的研究分别讨论了尺度依赖性和阈值效应，未能建立它们之间的概念联系。驱动因素发挥作用的阈值并非固定不变，而是与时空尺度密切相关。很少有研究定量描述ENS-ECS相互作用中驱动因素的阈值如何随尺度变化，这限制了跨尺度精细管理策略的发展。

为应对这些挑战，迫切需要开发一个能够捕捉尺度依赖性并识别非线性阈值的综合分析框架。传统的线性回归或地理检测方法难以捕捉ESs之间的复杂非线性响应和拐点[4]、[40]。此外，传统的固定尺度分析掩盖了因素相互作用的尺度效应。因此，本研究构建了一个多模型融合分析系统。首先，引入小波一致性分析来克服经验尺度选择的主观性，科学识别ESs之间权衡/协同作用的关键特征尺度[7]、[21]；其次，选择InVEST模型来量化水资源保护、碳封存和栖息地质量等ENS指标，实现高精度空间量化与可视化[20]、[22]；最后，运用MaxEnt模型解决大尺度上ECS量化难题，这些问题具有挑战性且缺乏客观性[33]。最后，整合XGBoost-SHAP机器学习框架，利用其在处理高维非线性数据方面的优势，专注于分析不同尺度上驱动因素的阈值特征[18]、[28]。

作为中国西部高密度城市化与多样化生态资源交汇的代表区域，成都-重庆城市聚集区（CCUA）存在明显的人地关系紧张以及ENS与ECS之间的复杂相互作用。以CCUA为案例研究，本研究旨在：（1）量化ENS和ECS的时空演变，识别其权衡/协同作用的特征尺度；（2）阐明ENS-ECS权衡/协同作用对时空尺度的响应模式，从而揭示尺度依赖性与阈值效应之间的内在联系；（3）确定多个时空尺度上关键驱动因素的阈值区间，为打破行政边界和制定多层次生态系统管理与监管政策提供科学依据。

研究区域

根据《成都-重庆城市聚集区发展规划》，CCUA涵盖重庆市的27个区县和四川省的15个城市，总面积达185,000平方公里。该地区位于四川盆地中心，属于亚热带季风气候，年平均气温为16–18°C，年降水量在1000至1300毫米之间[5]。该区域生态系统多样，森林覆盖率为42.3%，湿地面积

特征尺度检测与最佳尺度序列构建

2010年、2015年和2023年Transect-1的小波边界效应值范围为2.07–176.51公里，Transect-2为2.07–117.8公里（图3a～c）。以2023年的分析为例，小波一致性分析结果一致。在Transect-1中，黑色实线所围区域内ENS和ECS表现出显著的相关性，表明其特征尺度范围为3.7–43.43公里。

基于小波变换的特征尺度识别

特征尺度的识别是研究地理特征空间异质性并选择多尺度适用测量单元的基础。通过对CCUA中ESs的时空数据进行小波一致性分析，本研究基于识别出的特征尺度构建了最佳研究序列。研究发现，在栅格（3.47×3.47公里）、乡镇和县等尺度上，ESs的时空演变表现出

结论

• （1）
  本研究的创新之处在于验证了小波一致性分析在识别因素空间非平稳性方面的有效性，确定了栅格（3.47公里）、乡镇（8.26公里）和县（39.31公里）作为CCUA ENS和ECS权衡/协同作用研究的最佳空间尺度序列。从趋势演变来看，由于生态工程与城市化之间的竞争，ENS先增加后减少，而ECS则迅速增加并趋于稳定

CRediT作者贡献声明

钱敏：撰写——初稿、验证、软件开发、概念构思。张宏：撰写——审稿与编辑、监督、资金获取、概念构思。马瑞：撰写——初稿、数据可视化、数据管理。王宇杰：数据可视化、软件应用、资源协调。潘明晨：软件应用、资源协调、数据管理。

利益冲突声明

作者声明不存在可能影响本文研究的已知财务利益冲突或个人关系。

致谢

本研究得到了国家自然科学基金（项目编号：42071217）、国家社会科学基金（项目编号：22JYB01594）以及重庆师范大学科学基金（项目编号：22XLB002、22XLB003）的资助。