【文献分享】基于生态系统服务的供给、需求和敏感性识别生态安全格局——以黄河流域为例

摘要：生态安全是生态系统向人类提供各种生态系统服务（ESs）的基础。识别生态安全格局（ESPs）是确定优先保护区、保障区域生态安全的有效途径。然而，以往对 ESPs 的研究大多主要基于 ESs 的供给，而没有充分考虑 ESs 的需求和敏感性。在这项研究中，通过将 ES 的供应、需求和敏感性与模糊多准则决策和电路理论相结合，开发了一个全面的 ESP 识别框架。以黄河流域（YRB）为例，我们的研究结果表明，黄河流域的生态源（139,633 km2 或 17.3%）主要位于青藏高原与黄土高原的过渡区，秦岭和东部平原；这些地区可靠地表现出高保护效率和低决策风险和权衡水平。然而，由于ES的供需和敏感性之间的不匹配，YRB北部和西部的生态资源很少。根据回路理论，生态廊道（36,905 米和 76,878 平方公里）有效地连接了长江流域的西部、南部和东部。这些生态源和廊道均以草地、森林和农田为主。然而，在长江流域东部也发现了十个主要由农田覆盖的夹点，应被视为生态保护的优先区域。此外，我们的结果表明，这种全面的 ESP 识别框架可以为决策者维护 ES 和生态保护提供有用的指导。

Note：生态安全格局和生态网络，可以分为三个方面来研究，即源地、廊道、阻力面。近期的研究重点在于源地的识别和廊道构建后形成的网络的稳健性和脆弱性的评估。本文侧重在源地的识别，从供应、需求和敏感性来识别源地确实是一个不错的方向。

一、研究进展

1、研究背景

社会经济的快速发展和人类活动的增加导致了广泛的生态退化，这威胁了生态安全。在这方面，已发现识别生态安全模式（ESP）是确定优先保护区和调节社会经济发展与生态保护之间平衡的有效方法。ESP的识别可以通过识别和保护关键的生态功能和区域，为区域规划和管理提供强有力的支持。

在过去的几十年里，社会经济的快速发展和人类活动的增加导致了广泛的生态退化（Kowe 等，2020），这极大地威胁了可持续发展和生态安全（Hu 等，2019）。因此，作为生态系统向人类提供各种生态系统服务（ESs）的基础，生态安全得到了广泛的考虑，相关理论也得到了很好的发展（Lu et al., 2020; Peng et al., 2018a）。在这方面，已发现识别生态安全模式（ESP）是确定优先保护区和调节社会经济发展与生态保护之间平衡的有效方法（Su等，2016）。 ESPs通常包括生态源、走廊和夹点内各种ESs的流动和阻力，所有这些都对其中生态过程的安全和健康至关重要（Yu，1996）。因此，ESP的识别可以通过识别和保护关键的生态功能和区域，为区域规划和管理提供强有力的支持（Tzoulas et al., 2007, Zhao et al., 2019）。

作为 ESPs 识别的第一步也是最关键的一步，生态源识别通常通过直接选择自然保护区和历史遗迹

2、研究目的

（1）通过将 ES 的供应、需求和敏感性与 OWA 和电路理论相结合，开发一个全面的 ESP 识别框架；

（2）确定长江流域ESP的重要生态源、走廊和临界点；

（3）根据已识别的 ESP 为长江流域生态保护提出建议。

二、数据与方法

1、数据

Dataset	Data type	Data time	Spatial resolution	Data source
Land use/land cover	Raster	2018	500 m	MCD12Q1 Dataset https://ladsweb.modaps.eosdis.nasa.gov/
DEM	Raster	–	30 m	ASTER GDEM http://www.gscloud.cn
NPP	Raster	2018	500 m	MOD17A3 Dataset https://ladsweb.modaps.eosdis.nasa.gov/
Soil data	Raster	–	250 m	ISRIC-SoilGrids Dataset https://soilgrids.org/
NDVI	Raster	2018	250 m	MOD13Q1 Dataset https://ladsweb.modaps.eosdis.nasa.gov/
Meteorological data	Point	2018	–	Daily meteorological dataset of basic meteorological elements of China National Surface Weather Station (V3.0) http://data.cma.cn/

2、方法

ESP构建的常规方法，这里说一下他文章的亮点供应、需求和敏感性与 OWA 和电路理论相结合的这套框架。首先我们需要看一下他的研究框架图。如下图所示，本研究就是从三个方面来识别源地的，这一块是研究的重点，之前有人做过供需来识别源地相关研究，但引入敏感性是本文的特色，其余电路理论是目前研究比较多的，不值得一提。阻力面方面本研究是根据生境质量来构建的，在以往的研究中很少用生境质量来构建，这块我觉得用生境质量来做是很合理的，但具体解释那方面可以学习一下文章的做法。下面我将把供应、需求和敏感性与具体方法相结合说一下具体实现。

（1）供给

用生态系统的三种服务表示：水土保持（土壤流失方程）、水源涵养（InVEST模型中的模块）、固碳（NPP用来表示固碳）。

（2）需求和敏感性

需求：
$$ESD{F}_i=\frac{PDW{I}_i\ast PDH{I}_i}{EDI}$$
其中 ESDFi 是指假设网格 i 是生态源，人类对 ES 的需求得到满足的程度； PDWIi是指以10公里为半径的圆形人口密度的核密度指数，代表周末的ESDF； PDHIi是指以100公里为半径的圆形人口密度的核密度指数，代表节假日的ESDF； EDI 指网格 i 到其附近居民区的最短距离指数。

敏感性：
$$ES{S}_i=\frac{E{I}_i\ast S{I}_i\ast F{I}_i\ast P{I}_i}{SDC{I}_i}$$
其中 ESSi 是网格单元 i 的 ES 灵敏度指数； EIi 是网格单元 i 的高程指数； SIi 是网格单元 i 的斜率指数； FIi 是网格单元 i 的植被覆盖指数； PIi 是网格单元 i 以 100 km 为半径的圆形人口密度指数； SDCIi 是网格 i 到其附近农田区域的最短距离指数。每个 ESS 指数采用分位数分类法表示五个等级，对应值分别为 5、4、3、2 和 1。

(3)生态源地识别

OWA 模型对各种标准的属性进行排序，并为其分配不同的订单权重。将 ES 的供需和敏感性中的各个因素作为 OWA 的输入数据，采用最小-最大归一化方法进行归一化，OWA 值可以计算如下：
$$OWA(x_i)=\sum _{j=1}^k{w}_j\times s_{ij}(w_j=[0,1],\sum _k^j{w}_j=1)$$
其中 OWA(xi) 是基于所有标准图的第 i 个像素的 OWA 值； xi 是指基于所有标准图的第 i 个像素的标准数据集； sij 为栅格值中 ES 因子指标对应的 xi 归一化后得到的新数据集；Wi 表示重新排序的映射的有序权重 (sij)； k 是标准图的总数。

在OWA模型中，风险是指决策的风险。因此，各种选定订单权重下的风险和权衡可以表述如下

$$risk=(n-1{)}^{-1}\sum _i^n{w}_i,(0\le risk\le 1)$$

$$tradeoff=1-\sqrt{\frac{n{\sum }_i^n(w_i-\frac{1}{n})}{N}}(0\le tradeoff\le 1)$$

其中n是标准栅格层的总数，wi是第i个网格给出的顺序权重。在 OWA 模型中，通过改变风险和权衡水平获得了无数的场景。为了平衡时间和效果，选择了 0 和 1 之间的风险水平，间隔为 0.1，以建立 11 个具有不同风险和权重组合的情景（表 S1）。在本文中，使用 TerrSet 软件（美国，克拉克实验室）进行 OWA 分析。在每种情况下，前 20% 的 OWA 价值区域被视为候选生态源（帕累托原则，20-80 规则）。（这一块值得借鉴，在源地的识别方面，大部分研究都是直接用的聚类分析或者其他分析的方法，这块的方法其实没有定式，这块需要做到合理即可。）

Table S1 The risk and trade-off under different scenarios.

Scenarios	Risk	Tradeoff	W1	W2	W3	W4	W5
1	0	0	0	0	0	0	1
2	0.1	0.38	0	0	0.04	0.33	0.63
3	0.2	0.57	0	0.04	0.18	0.32	0.46
4	0.3	0.72	0.04	0.12	0.20	0.28	0.36
5	0.4	0.86	0.12	0.16	0.20	0.24	0.28
6	0.5	1	0.20	0.20	0.20	0.20	0.20
7	0.6	0.86	0.28	0.24	0.20	0.16	0.12
8	0.7	0.72	0.36	0.28	0.20	0.12	0.04
9	0.8	0.57	0.46	0.32	0.18	0.04	0
10	0.9	0.38	0.63	0.33	0.04	0	0
11	1.0	0	1	0	0	0	0

Note: maximum value will be assigned to order weight W1; minimum value will be assigned to order weight W5

多个 OWA 情景可以产生具有不同保护效率的不同候选生态源。候选生态源的保护效率可以用来识别实际生态源，因此可以将场景中保护效率最高的源确定为实际生态源。表达式定义如下：（11个场景和20%的生态源，这样也只是一个状态的选取，而重要的是进行比较和体现动态的变化，这两点比较重要，也是需要做的。）
$$C{E}_i=\frac{EII(av{g}_i)}{EI{I}_w(av{g}_i)}$$
式中 CEi 为生态源区指标 i 的保护效率； EIIp(avgi)为生态源区指标i的平均值； EIIw(avgi)是指标i在整个区域的平均值。

三、研究结果与讨论

供给

需求与敏感性

不同情景下的情况

Scenarios	Ecosystem services supply	Ecosystem services demand	Ecosystem services sensitivity	Average
Soil conservation	Carbon sequestration	Water yield
1	2.37	1.33	1.20	0.94	3.06	1.78
2	2.48	1.41	1.35	1.11	3.35	1.94
3	2.49	1.45	1.47	1.32	3.28	2.00
4	2.28	1.50	1.48	1.87	3.30	2.09
5	1.83	1.48	1.23	2.72	2.77	2.01
6	1.65	1.48	1.18	2.79	2.45	1.91
7	1.59	1.47	1.14	2.88	2.33	1.88
8	1.50	1.47	1.11	2.93	2.17	1.84
9	1.41	1.46	1.09	2.98	2.07	1.80
10	1.31	1.45	1.05	3.02	1.89	1.74
11	1.28	1.46	1.06	2.91	1.71	1.68

最终确定的生态源地（在这一块我觉得生态源地的识别是可以的）

结论

（1）阐述自己研究的框架

（2）夹点和保护的问题

此外，夹点的最大累积电流随着电阻阈值的增加而逐渐减小。这可能主要是因为更宽的走廊大大增加了生态源之间的联系，最终导致每个走廊的电流分散（Jiang et al.，2021）。尽管夹点的累积电流随着电阻阈值的增加而减小，但夹点的空间模式和位置没有显着变化。这表明，在这些关键点解决生态问题和改善生态系统可能是确保区域生态安全的关键有效途径（Omer等，2021）。本研究考虑到长江流域面积广、生态系统脆弱，生态保护预算有限，假设生态保护财政投入仅能支持全流域的30%。因此，选择 200 k 的阈值来描绘生态廊道的范围，导致生态廊道面积达到约 76,878 平方公里（占 YRB 的 9.28%）（夹点可以把范围扩大，但其相对重点区不会变化）

（3）支持了黄河流域的保护

讨论

确定ESPs是确定优先保护区、保障区域生态安全的有效途径。然而，以往对 ESPs 的研究大多主要基于 ESs 的供给，而没有充分考虑 ESs 的需求和敏感性。在这项研究中，通过将 ES 的供需和敏感性与 OWA 和电路理论相结合，开发了一个全面的 ESP 识别框架。基于此框架，结果表明，长江流域生态源主要分布在青藏高原与黄土高原的过渡区以及秦岭和东部平原地区；这些地区可靠地表现出高保护效率和低决策风险和权衡水平。然而，由于ES的供需和敏感性之间的不匹配，YRB北部和西部的生态资源很少。确定的生态走廊可以有效地连接长江流域的西部、南部和东部。然而，在长江流域东部确定了十个夹点，应被视为生态保护的优先领域。这些结果表明，基于 ES 的供应、需求和敏感性的综合框架有助于在区域范围内识别 ESP。此外，研究结果表明，在人类活动和气候变化加剧的情况下，识别长江流域的 ESP 对区域生态保护和可持续发展具有重要意义。
部的生态资源很少。确定的生态走廊可以有效地连接长江流域的西部、南部和东部。然而，在长江流域东部确定了十个夹点，应被视为生态保护的优先领域。这些结果表明，基于 ES 的供应、需求和敏感性的综合框架有助于在区域范围内识别 ESP。此外，研究结果表明，在人类活动和气候变化加剧的情况下，识别长江流域的 ESP 对区域生态保护和可持续发展具有重要意义。