从地理空间数据云下载1996年、2006年和2016年3期无云TM/OLI遥感影像,利用ENVI 5.2进行图像预处理,并基于eCognition 9.0软件应用面向对象与目视解译相结合的分类方法对遥感影像进行信息提取^[17],将土地利用类型分为耕地、林地、草地、建设用地、水域和未利用地,同时参考Google Earth影像数据辅助工具对其进行修正,得到分辨率为30 m的土地利用图,具体制图结果见图1。对于价值转移分析所需的社会经济因素数据如人口密度和人均GDP,可以通过吉林统计年鉴(1997年、2007年、2017年),延边统计年鉴(1997年、2007年、2017年)获得。

本文文献数据来源于中国学术期刊网络出版总库,从2003—2018年发表的有关土地利用变化对生态系统服务价值评估的相关研究文献论文进行逐一检索。根据大量的研究文献表明,政策地与研究地两者之间在自然、社会经济和地理变量等因素的统一性会使Meta分析方法得到的转移价值更精准,误差就会减小。为了更好运用Meta分析估算生态系统服务价值,需要收集整理大量的研究文献。为此,本研究在中国知网网络平台上以“土地利用变化”、“生态系统服务价值”为关键词,主题语检索相关文献,共查阅收集了487篇文献。并根据研究所需数据类型和数据完整性对文献进行筛选,获取47篇文献,共有229个数据作为Meta分析的样本数据,研究地区涉及国内23个省份和直辖市,分布样本点见图2。整理好并筛选出的文献可利用信息,输入到Excel中建立价值转移数据库,数据根据所需要的变量将被逐一提取,包括文献名、文献作者、出版年份、出处、研究时间、研究区域、区域面积、评估方法、经济变量(人均GDP)、人口变量(人口密度)和各类型生态系统服务价值等信息。

图1 延边州土地利用类型

图2 研究样本点分布

从图3可以看出,根据获取收集的数据,按土地利用类型分类的生态系统服务价值进行数据处理,主要是为了减少研究分析中的误差和错误,因此选择所选取样本中的5种土地利用类型的生态系统服务价值进行误差检验,对每个变量的价值样本数量、平均值和标准差进行分析,选取符合适用于Meta分析的样本数据。

图3 不同土地利用类型生态系统服务价值的平均值、中位数、标准差和误差棒

生态学上应用于生态系统服务价值转移评估的Meta分析一般具有3个作用:(1)对某一指定类型的生态系统服务价值进行评估;(2)建立相关模型对生态系统服务价值变化的影响因素进行分析;(3)通过构建的Meta评估模型估算其生态系统服务价值^[18]。目前,国内外学者针对构建生态系统服务价值的Meta回归模型的相关研究做出了许多理论指导意见并提供了大量的宝贵经验^[19-21]。本文通过构建Meta回归模型,并研究分析生态系统服务价值转移其相关因素的定量关系,根据土地利用类型划分标准,共建立5个回归方程式。Meta回归模型的公式为:

Y_n=b_pX_p+b_eX_e+b_sX_s+b_tX_t+b_mX_m+b_aX_a

式中:Y_n(n取1,2,…,5)分别为耕地、林地、草地、水域和未利用地的单位面积生态系统服务价值[元/(hm²·a)]。b为相应变量的回归系数,解释变量共有6个,其中X_p为数值型变量,表示人口密度; X_e为数值型变量,表示人均GDP; X_s为数值型变量,表示时间; X_t为虚拟变量,表示研究分区(X_t1为东部为X_t2:中部为X_t3为西部); X_m为虚拟变量,表示评估方法(X_m1为直接法; X_m2为调整法; X_m3为综合法; X_m4为其他法)。根据统计学和计量数据的相关要求,对各个变量逐一进行编码和赋值,具体见表1。

表1 基于Meta分析价值转移的变量名称及赋值

关于目前已有研究,土地利用变化对生态系统服务价值转移的研究一般会包括土地利用类型、评估方法、研究区面积、研究时间年代、所在区域的经济社会综合水平以及其他要素对生态系统服务价值变化的影响。鉴于社会经济因素在已有的相关文献中略有欠缺,本文是在前人研究成果的基础上又增加的要素,为研究区域生态系统服务价值的变化起到重要决定性作用。借鉴国内外已有研究所用到的影响因素^[22],根据收集到的文献数据的具体情况,选择适用于Meta回归模型的相关自变量:

(1)区域分区变量。不同地理位置的研究区所得的生态系统服务价值大小会有一定的差异,因此本文依据文献获取的实际数据和根据有关全国地理位置及经济发展水平的划分标准将分区变量分为东部地区、中部地区、西部地区3个地区,从而分析不同地区对生态系统服务价值影响程度的大小。

(2)评估方法变量。在Meta分析的数据收集整理中,不同的文献论文运用不同的研究方法会得出不同的生态系统服务价值评估结果,所以需要考虑分析每一个评估方法得到研究结果所产生的影响。根据上述本文将评估方法分为直接法、调整法、综合法和其他法,直接引用Costanza估算值和谢高地估算值的称为直接法; 根据不同研究地粮食价格和谢高地当量因子等情况对单位面积价值进行调整的称为调整法; 综合利用直接法和调整法的称为综合法; 利用费用直接法、市场价值法等或运用相关模型的统称为其他法。

(3)时间变量。大量文献数据的收集我们会发现每一篇论文评估时间都会不同,所以对研究区生态系统服务价值的研究需要考虑时间年代对价值转移评估结果的影响。

(4)人口变量。研究区域的人口变化会制约着生态系统服务价值量,我们要根据人口的数量进行分析^[23]。依据收集到的数据实际情况,也为了使Meta回归模型数据库更加丰富,或出现文献中出现缺失的情况,再对每一个地区利用不同研究区的统计年鉴进行人口密度的收集。

(5)经济变量。生态系统服务价值估算的大小与所在区域的社会经济发展水平有着密不可分的关系,本文在建立数据库时又结合研究区域的人均GDP,使得待研究区域价值评估的影响因素更全面,有助于增加生态系统服务转移价值的可靠性。数据来源于统计年鉴以及各研究区的国民经济和社会发展统计公报。

(6)研究区面积变量。研究区面积表示所在区域的空间特征,生态系统服务的产生依赖于各土地利用类型的面积,通过统计年鉴的查阅,收集文献中47个区域面积数据。

根据上述选取的自变量,利用线性回归模型将所有数据代入SPSS 22.0软件进行数据处理,以逐步回归法作为模型的研究分析方法,以期得出依据不同变量的结果统一应用于各土地利用类型的生态系统服务价值转移模型。回归结果见表2。

在进行统计分析时,需要将时间、人口密度、人均GDP和研究区面积等数值转换为对数形式并进行回归分析,减小数据的整个值域中的不同区间的差异,主要是为了使所得到的数据易消除异方差问题^[19]。同时也对线性回归模型中解释变量和被解释变量之间的线性关系进行分析,以提高其运用模型的精确度,使得回归模型更具有合理性。

(1)耕地:

Y₁=0.175X_p+0.061X_e+0.278X_s-0.173X_t1-0.358X_t2+0.225X_t3+0.647X_m1+0.531X_m2+1.243X_m4+0.052X_a

(2)林地:

Y₂=0.077X_p+0.409X_e+0.141X_s+0.012X_t2+0.138X_t3-1.062X_m1-0.872X_m3+0.366X_m4+0.152X_a

(3)草地:

Y₃=0.285X_p+0.297X_e+0.416X_s-0.440X_t1-0.031X_t2+0.835X_t3-1.034X_m1+0.242X_m2-0.453X_m3+0.062X_a

(4)水域:

Y₄=-0.503X_p+0.716X_e+0.111X_s-2.143X_t1-1.715X_t2+1.582X_t3-0.981X_m1+1.895X_m3-2.034X_m4+3.162X_a

(5)未利用地:

Y₅=-0.541X_p-0.383X_e+1.143X_s-0.743X_t2-0.662X_t3+0.594X_m1+0.638X_m3-0.725X_m4+0.486X_a

表2 土地利用类型Meta分析结果

通过对所有样本数据的罗列整理,并利用SPSS 22.0计量软件进行回归分析,得到各指标因子的回归分析结果。从而可以看出不同类型生态系统服务价值评估结果的各项指标中,对于单位面积价值量有的指标因子呈正相关,也有的指标因子具有负相关关系,从而说明Meta回归模型借助虚拟变量的应用使得模型分析过程更加具体和完善,所得研究结果更为精确。

对于运用Meta回归分析模型通过使用价值转移方法得到实际研究成果后需要对该方法进行有效性检验,主要是为了检验价值转移模型的样本例子中的生态系统服务价值与回归方程分析研究得到的生态系统服务价值之间是否具有一致性^[24]。本文采用预测转移误差的方法来对价值转移模型的可靠性与有效性进行检验,转移误差(TE)的一般计算公式为:

TE=(Y_obs-Y_est)/(Y_obs)×100%

式中:Y_obs表示样本中直接列出的生态系统服务价值; Y_est表示回归方程计算的生态系统服务价值。一般认为,转移误差的值越小,说明价值转移的相对差值也就越小,价值转移评估越准确。

关于转移误差的大小,目前国内外研究普遍认为误差在20%～40%是较为合理的范围^[25-26],本文根据不同土地利用类型的价值转移回归模型的结果对样本中的每一个土地利用类型价值进行检验。通过计算,得到样本中各土地利用类型价值转移的转移误差范围均在合理范围,在回归方程的样本值中,样本中整体价值转移的平均转移误差为26.35%,根据得到的数据表明所构建的Meta分析价值模型进行价值转移具有很好的价值与意义,因此可以进行价值转移。

结合不同土地利用类型的生态系统服务价值回归方程中所得到的数据信息,需要对延边州各县市进行各自变量的筛选与确定。其中方法变量,鉴于无法确定虚拟变量的评估方法,所以选取直接法、调整法、综合法和其他法4种方法的平均值; 关于区域变量,延边州位于吉林省东部,属于中国中部地区,因此区域变量选取中部地区; 数据库文献收集至2018年,为便于比较将延边州的生态系统服务价值统一到2018年,因此年代变量选为2018年; 根据作为数值型变量的人口变量、社会经济变量和研究区面积变量,通过延边州相关年份的统计年鉴和国民经济和社会发展统计公报查询得到。

将待研究区的各自变量分别代入得到的价值转移回归模型中,可以得出延边州1996年、2006年和2016年各土地利用类型的单位面积生态系统服务转移价值,并且根据已有各土地利用类型的土地总面积可以得到转移总价值(表3)及其变化趋势(图4)。并将价值转移后的延边州各县市的土地利用类型生态系统服务价值进行空间可视化表达^[5],并分成4个等级(图5)。

表3 延边州各土地利用类型生态系统服务价值转移结果

图4 土地利用类型转移价值和延边州总面积及转移价值变化

利用Meta分析价值转移模型得出延边州1996年、2006年和2016年3个时间段的各土地利用类型总生态系统服务价值分别为10 239 885万元、10 090 646万元、10 121 093万元。通过价值转移模型得到,其中耕地的生态系统服务价值分别为192 584.99万元、218 341.65万元、215 392.97万元,呈现“先增后减”的趋势; 林地的生态系统服务价值分别为8 893 896.69万元、8 797 362.51万元、8 798 104.07万元,呈现“先减后增”的趋势,综合分析耕地和林地的价值转移,主要是1996—2006年耕地大幅度的增加,由于人口增多需要增加农作物的种植,而从2006—2016年进行“退耕还林”。草地的生态系统服务价值分别为123 980.53万元、109 842.88万元、108 120.75元,1996—2006年迅速减少,到2016年趋势缓慢; 水域的生态系统服务价值分别为1 027 440.21万元、962 814.55万元、997 439.72万元; 未利用地的生态系统服务价值分别为1 983.67万元、2 284.65万元、2 035.78万元; 草地转移价值的减少,水域转移价值的“先减后增”以及未利用地转移价值的“先增后减”这都也与耕地的增加有关,另一方面是因为城镇现代化建设使得建设用地面积的增加,从而导致草地面积和生态系统服务价值的减少。这些结果都与其他学者基于生态系统服务研究得到的价值结果大致相同。针对回归模型得出的结果与已有研究成果进行对比,本文根据价值转移模型得到的生态系统服务价值与侯炎臻等^[27]得出的延边州研究成果有所差距,本文结果略有些偏高,这与研究方法和所选取的时间不同有一定的关联。

综上所述,延边州1996—2016年各土地利用类型的生态系统服务价值的变化,以及生态系统服务转移总价值呈“先减后增”的趋势。针对延边州各土地利用类型的分布格局,为促进城镇化的发展,多年来进行建设用地的扩张,使得耕地、草地面积的减少,也是为区域的生态系统结构的变化和土地利用结构的调整带来促进作用,同时可提高整体生态系统的发展水平。因此,这都与城镇化建设和生态保护有着密切的关系。

通过图4看出,延边州从1996—2016年,在各土地利用类型总面积减少14 780 hm²的情况下,总的生态系统服务转移价值有所提高,2016年较2006年总生态系统服务价值增加了30 447万元。不同土地利用类型面积的增加或减少,如土地利用类型中的耕地、草地和未利用地的减少,林地、水域的增加,都是以人类更好的生存和发展为基础而变化。进而说明,在生态保护和协调发展的背景下,合理规划区域土地利用空间结构可以增加生态系统服务总价值,提高土地利用生态效益,这不仅对人类社会福祉产生重要影响,还对研究区未来做出合理的土地利用规划、实现区域可持续发展和确保区域稳定具有一定的价值和深远的意义^[28]。

本文将价值转移结果(表4)的2016年延边州地区各土地利用类型的生态系统服务价值分等级进行空间格局分析(图5)。延边州地区不同县市的不同土地利用类型得到的各生态系统服务价值大小不同,我们通过区域等级划分,具体分析比较延边州区域尺度生态系统结构的不同。以2016年的生态系统服务价值具体分析研究区延边州各县市空间变化特征,也为延边州区域协调发展提出合理的建议。

表4 2016年延边州各土地利用类型的生态系统服务价值万元

图5 2016年延边州生态系统服务价值空间格局

生态系统服务价值分为4个等级,一级生态系统服务价值最高,四级最低。将延边州8个县市的生态系统服务价值按4个等级进行空间可视化表达。通过图可以清晰看到敦化市的耕地、林地、草地和水域的生态系统服务价值相对于其他7个县市都是最高的,延吉市是最低的。林地的生态系统服务价值除了最高的敦化市,汪清县排名第二; 草地的生态系统服务价值其中和龙市、汪清县和安图县均为第二; 水域的生态系统服务价值与耕地的空间格局大致相似,只有珲春市的水域价值等级高,仅次于敦化市; 对于未利用地的生态系统服务价值,安图县和珲春市排名最高,其次为敦化市和汪清县。