基于遥感数据的大尺度区域水田空间格局及生态服务价值变化分析

基于遥感数据的大尺度区域水田空间格局及生态服务价值变化分析

刘园 1, 周清波 2*, 余强毅 1, 吴文斌 1

1.中国农业科学院农业资源与农业区划研究所 /农业农村部农业遥感重点实验室，北京 100081； 2.中国农业科学院农业信息研究所，北京 100081

摘要: 受经济和气候驱动，长江经济带水田空间格局发生了显著变化，影响区域粮食安全与生态安全。本研究基于1990-2015年土地利用遥感监测数据，利用GIS的空间分析功能，探究长江经济带水田空间格局动态变化特征，采用当量因子法计算生态系统服务价值（ESV），分析了水田变化的综合影响。结果表明：1）1990-2015年长江经济带水田规模持续缩减，共减少了17390km²，减幅呈增长态势具有显著地域差异，长江中上游与下游的水田减幅相差约为9.56%。其中下游减幅较大，水田占区域比例随之降低，中上游恰好相反。2）由于经济建设及水产养殖的发展，水田主要转化为建设用地和水系，水田主要由水系、旱地和湿地等转化而来。长江三角洲城市群、长江中游及成渝城市群的水田变化最为剧烈，建设用地侵占水田扩张的现象分布广泛，水田转为水系主要在两湖平原局部地区。3）水田与其他生态系统的转化对ESV是正影响，水田转为水系对此贡献最大，其转化规模决定了不同时期ESV净增量的大小，水系转化为水田损失的价值最多，建设用地侵占水田次之。不同市域的水田变化情况不一致，因此ESV增减情况具有明显差异。4）生态系统服务中水文调节、水资源供给增强的同时，食物生产、气体调节受到严重损害，与水资源规模扩大和水田资源大量流失有直接关系。研究结果有助于揭示长江流域水田的时空变化过程及其对各项生态系统服务的影响，可为区域土地利用规划、农业政策与生态可持续发展提供理论支持。

关键词: 水田；生态系统服务价值；长江经济带；权衡协同；时空变化;遥感数据

中图分类号: X171.1；F301.21 文献标志码: A 文章编号: 202001-SA002

引文格式：刘园, 周清波, 余强毅, 吴文斌. 基于遥感数据的大尺度区域水田空间格局及生态服务价值变化分析[J]. 智慧农业（中英文）, 2020, 2(1): 43-57.

Citation:Liu Yuan, Zhou Qingbo, Yu Qiangyi, Wu Wenbin. Analysis of spatial pattern and ecological service value changes of large-scale regional paddy fields based on remote sensing data[J]. Smart Agriculture, 2020, 2(1): 43-57.

1 引言

水田面积约占全球农田总面积的11%^[1]，是农业土地系统的重要组成部分。水田的主要作物产出为水稻，而水稻作为世界上最重要的粮食作物之一，供养着世界50%以上的人口^[2]，同时水田具备多项关键的生态功能。研究表明水田可视为一种人造湿地^[3]，能够发挥自然湿地的部分生态功能。但水田也会消耗大量灌溉用水，是甲烷(CH₄)的重要排放源^[4]，对全球气候变化和水文循环有深远影响。因此水田的面积和空间分布不仅关乎人类粮食安全，也驱动着区域乃至全球生态环境变化。在当前全球变化背景下，清晰地刻画水田动态变化过程尤为紧要。日臻成熟的遥感技术为水田动态监测提供了基础^[5]，学者主要关注于水田时空变化的驱动因素分析^[2,6]，但聚焦于水田变化的生态环境效应的研究较为少见。

尽管农业土地系统驱动着区域乃至全球生态环境变化，但长期以来其主要作用被视为粮食生产，直到近些年它们对其他生态系统服务（Ecosystem Services，ES）的贡献才逐渐受到认可^[7]。生态系统服务价值（Ecosystem Services Value，ESV）能够直观地体现出ES的内在价值，具有多种潜在用途。自从早期一些研究成果激起人们对ESV的兴趣和关注后，其理论与方法快速发展完善^[8]，成为土地变化与生态环境科学的热点。目前土地利用/覆被变化对ESV^[9,10]的影响受到极大关注，但是多数研究将水田与旱地统一视作农田生态系统，未单独考虑水田在ESV变化中的重要性。水稻种植过程中的灌溉、排水、回流等人为活动^[3]，赋予水田季节动态性的浅水表层，由此水田在大气调节、水源涵养等功能上与旱地、水资源等生态系统有着显著区别^[11]。以往有学者基于试验田或特定地区对水田生态系统的ESV进行了测定^[12,13]，提高了人们对水田ES的认识，但未描述水田ES的动态演变规律，研究结果地域与时间限制性也较大。2015年长江经济带水田面积约为307 786km²，占中国水田面积的66.29%，是中国稻米的主要产地，对保障国家粮食安全至关重要。然而长江经济带水田已出现缩减态势

^[14]，对水稻生产构成威胁，而且随着气候变暖，高温热害发生的频次和强度均显著增加，水稻生产和水田分布势必会受到影响^[15]，因此有必要准确评估长江经济带水田空间格局动态变化。不仅如此，水田变化对于区域生态环境保护也有着重要意义。鉴于此，本研究选择长江经济带为研究区域，分别基于1990—2015年每间隔五年的6期土地利用空间数据，通过GIS空间叠加分析方法，分析水田的时空格局动态变化及其与其他生态系统的转化特征，并进一步评估对ESV的影响，以期为区域粮食安全和生态安全保障提供依据，为遥感数据在大范围智慧农业体系中的应用提供参考。此外，本文为智慧农业体系中生态环境质量变化的衡量提供了研究思路。

2 研究区域

长江经济带覆盖上海、江苏、浙江、安徽、江西、湖北、湖南、重庆、四川、云南和贵州11个省市，面积205.7万平方公里，占全国总面积的21.27%。结合地理划分，将上海、江苏、浙江、安徽视为长江下游，江西、湖北、湖南视为中游，重庆、四川、云南、贵州视为上游^[16]。长江经济带生态系统类型多样，河流、湖泊和沼泽等湿地资源密集分布^[17]，是全球生物多样性的热点地区之一^[18]，承担着重要的生态功能。该区域地处亚热带季风气候区，光热水土配比条件优越，成都平原、江汉平原、洞庭湖平原、鄱阳湖平原、江淮地区和太湖平原六大商品粮基地分布于此^[19]，是中国重要的粮食主产区与水稻优势区。受到复杂多样的地貌、气候等自然条件和密集的人口、经济分布与大量的资源消耗等人类活动干扰，该区域面临灾害威胁加大、环境污染加重和生态退化加快等问题，大气、水环境质量下降尤为突出^[17]。

3 数据与方法

3.1　数据来源　

本研究基于1990年、1995年、2000年、2005年、2010年和2015年6期来源于中国科学院资源环境科学数据中心（http://www.resdc.cn）的中国土地利用遥感监测数据。该数据集以各期Landsat TM/ETM遥感影像为主要数据源，通过构建的高分辨率遥感—无人机—地面调查观测技术体系，结合基于地学知识的人机交互解译方法获得全国土地利用矢量现状数据集，进而得到1km栅格百分比土地利用数据集。土地系统被分为6个一级地类和25个二级地类，综合评价精度均达到90%以上^[20,21]。该数据中的水田是指有水源保证和灌溉设施，在一般年景能正常灌溉，用以种植水稻、莲藕等水生农作物的耕地。由于长江经济带莲藕等其他水生农作物种植面积较小，不及水稻播种面积的1%，故本研究将此处的水田即代表水稻种植空间分布。为便于ESV核算与分析，对部分二级地类进行以下调整：其他林地并入疏林地，河渠、湖泊、水库坑塘归类为水系，滩涂、滩地、沼泽地归类为湿地，城镇用地、农村居民点、其他建设用地归类为建设用地，裸土地、裸岩石质地、其他用地归类为裸地，调整后共有14个二级地类（表1），以上数据处理均在ArcGIS 10.2平台中实现。行政区、湖泊河流、主要公路和主要铁路等数据来源于1：400万国家基础地理信息数据库，DEM数据来源于地理空间数据云平台(http://www.gscloud.cn），分辨率为90m，2010年净初级生产力（Net Primary Productivity，NPP）来源于中国科学院资源环境科学数据中心。1991-2016年粮食产量数据来源于《中国统计年鉴》，2002-2016年粮食价格数据来源于《全国农产品成本收益资料汇编》。

表1 长江经济带土地利用分类体系

Table 1 Land use classification systems of the Yangtze river economic belt

3.2　研究方法　

首先利用1990-2015年全国粮食价格和单位面积粮食产量计算得到1个标准单位生态系统服务价值当量因子的平均价值量，即标准当量，考虑到标准当量的时空异质性，分别采用区域和时间调节因子对其进行调整，获得1990-2015年长江经济带各省份（市）的标准当量。然后结合标准当量与修正后的单位面积ESV当量表（表5），便可得到1990-2015年长江经济带各省（市）各土地利用类型的单位面积ESV。最后基于长江经济带重分类后的土地利用栅格数据，计算得出1990-2015年长江经济带各省（市）的ESV。具体的研究技术路线如图1所示。

图1　研究技术路线图

Fig.1 Technical flowchart of the research

3.2.1　生态服务价值核算方法　

目前，ESV核算方法主要有功能价值法和当量因子法，Costanza等^[22]评估全球自然资产时所使用的即为当量因子法。该方法假设单位面积生态系统的ESV为常量，此常量与生态系统的面积相乘便得出总价值。相对功能价值法而言，当量因子法直观易用，数据需求少，特别适用于区域和全球尺度ESV的评估^[23]。然而该方法缺少生态机理的支撑，掩盖了生态系统内部的复杂性，限制评估结果的精度。尽管如此，Zhang等^[24]发现经过横向比较和修正后，当量因子法可以获得与功能价值法较为一致的结果，因此本研究最终选择当量因子法。其计算公式为：

（1）

（2）

其中，A_k为土地利用类型k的面积，hm²；VC_k是土地利用类型k的单位面积价值系数，元/（hm²·a）；ESV_f为第f 项ES的价值；VC_fk是土地利用类型k的第f 项ES的单位面积价值系数，元/（hm²·a）。

3.2.2　标准当量的确定与修正　

标准当量即1个标准单位生态系统服务价值当量因子的价值量，为1hm²农田每年平均粮食产量经济价值的1/7^[25]，以此为参照可以确定其他生态系统服务的当量因子。不同地区生态系统之间服务功能的差异较大，考虑到生物量可以在很大程度上反映该差异^[23]，使用NPP确定区域调节因子，根据2010年全国NPP数据计算得出长江经济带区域调节因子（表2）。此外，考虑到ESV变化具有时间效应，借鉴王航等^[26]提出的居民消费价格指数（Consumer Price Index，CPI）修订方法，引用全国粮食类CPI(1990=100)作为时间调节因子，以消除通货膨胀带来的物价波动的影响（表3）。经区域和时间调节因子修正后，得到长江经济带各年份标准当量的值。

表2 长江经济带各省市的区域调节因子

Table 2 Regional regulatory factors of provinces/cities of the Yangtze river economic belt

注：根据2010年全国NPP数据计算得出长江经济带各省市的区域调节因子。

表3 标准当量的计算与时间修正

Table 3 Calculation of standard equivalent and correction of time-based

注：粮食价格系基于《全国农产品成本收益资料汇编》3种粮食平均成本收益情况表中每50kg主产品的平均出售价格计算得出；以2015年全国粮食类CPI为基线，根据不同年份的CPI进行标准当量的经济价值修正。

3.2.3　基础当量表的确定　

基础当量是指不同生态系统单位面积各类ES年均价值当量，引用谢高地等^[23]的单位面积ESV当量表对各土地利用类型的ESV进行评估。如表4所示，水田、旱地、有林地、灌木林、高覆盖度草地、水系、永久性冰川雪地、湿地、沙地、裸地的基础当量分别对应谢高地等研究中的水田、旱地、针阔混交、灌木、草原、水系、冰川积雪、湿地、荒漠、裸地。有林地和疏林地分别指郁闭度>30%和郁闭度在10%~30%的林地，故按郁闭度的比例定义疏林地的基础当量为有林地的1/3。同样地，高覆盖度、中覆盖度与低覆盖度草地分别指覆盖度>50%、20%~50%与5%~20%的草地，根据覆盖度比例，中覆盖度与低覆盖度草地ESV分别定义为高覆盖草地ESV的1/2、1/5。建设用地的水资源供给、气体调节、净化环境、水文调节功能的基础当量参考夏淑芳等^[27]的结果，生物多样性、美学景观功能则参考赵育恒等^[28]的结果。由于基础当量确定方法不同，各个研究中同一地类的基础当量有较大差异，直接引用其他研究中的标准当量并不合适。为保持所有地类基础当量的统一，在引用夏淑芳等^[27] 与赵育恒等^[28]结果中的建设用地基础当量时，以旱地生态功能的基础当量为标杆，计算得到本研究所采用的最终值，即确保建设用地与旱地生态功能基础当量的比例是一致的。建设用地其他功能的基础当量赋值为0，最后得到长江经济带单位面积ESV当量表（表5）。

表4 长江经济带单位面积生态系统服务价值当量修正土地利用类型对应关系

Table 4 Corresponding relationship of land use type during the revision process of ecosystem services equivalent value per unit area of the Yangtze River economic belt

表5 长江经济带单位面积生态系统服务价值当量表

Table 5 Ecosystem services equivalent value per unit area of the Yangtze River economic belt

注：生态系统服务功能的分类与参考文献[23]一致。

3.2.4　空间格局变化研究方法　

为更好地展示水田的空间格局变化，在ArcGIS 10.2中将各年份的水田分布从重分类后的土地利用栅格数据中单独提取出来，并通过“栅格计算器”功能制作不同年份水田分布的差值图像，得到水田的空间格局变化图。将计算得出的ESV通过“属性表链接”功能输入至长江经济带行政区划矢量图层中，经过属性字段计算、统计分析和空间可视化操作，从而获得各省份（市）的ESV变化图。天门市、潜江市、仙桃市、神农架林区为湖北省的4个省直辖县级行政单位，在图中前三者显示为一个单元，称之为湖北省直辖县，神农架林区则单独列为一个单元。

4 结果与分析

4.1　水田面积与空间分布变化特征　

4.1.1　水田面积变化特征　

为详细了解长江经济带水田面积变化特征，本研究从变化数量、减少幅度、与其他地类的转换情况三方面展开分析。通过数据整理，表6是1990-2015年长江经济带水田变化情况。

表6 1990-2015年长江经济带水田变化

Table 6 Change of paddy field of the Yangtze River economic belt from 1990 to 2015

由数据可知，1990-2015年来，长江经济带水田规模呈缩减趋势，共减少17 390km²，减幅为5.35%。水田减幅有显著地域差异，长江下游的减幅较大，为12.90%。中游与上游相对较小，分别为3.03%和3.66%。上海的减幅最大，为24.65%。而江西的最小，为1.90%。水田减幅的地域差异性导致下游水田占长江经济带的比例随之降低，中上游则恰好相反。其中江苏、浙江、上海的水田占比分别下降了0.67、0.65、0.28个百分点，湖南、江西、四川、安徽的水田占比上升得较多，分别提高了0.42、0.37、0.24和0.23个百分点，这种变化可以体现出长江经济带水田重心的移动。此外，除浙江、江西、湖南外，其他地区水田占当地耕地的比例均有所下降，上海、江苏下降得相对较多，长江经济带总体水田占耕地比重则由50.55%跌至49.81%。

对1990-2015年长江经济带水田减少幅度的波动进行分析，如图2所示。

图2　1990-2015年长江经济带水田减少幅度的波动

Fig.2 Fluctuation of paddy field reduction rate of the Yangtze River economic belt from 1990 to 2015

可见，水田减幅随着时间变化而剧烈波动。2000-2005年长江经济带总体的水田减幅较大，1995-2000年与2005-2010年两个时期的减幅相较前一时期的水田减幅明显减缓，25年来总体表现为减幅增长态势。以上数据表明，长江经济带的水田生态系统受到愈来愈强烈的干扰，主要由于城市化进程与全球变化等综合作用，不断被其他生态系统侵蚀，可能会给区域粮食产量和生态环境带来负面影响。

为进一步了解水田资源流失的去向以及补充的来源，利用ArcGIS 10.2的“栅格计算器”功能得到1990-2015年长江经济带的土地利用类型转换矩阵，对1990-2015年水田与其他土地利用类型之间的转换情况进行统计分析，结果如图3所示。

图3　1990-2015年长江经济带水田主要转换类型占比情况

Fig. 3 Proportion of main conversion type related to paddy field of the Yangtze River economic belt from 1990 to 2015

图3只显示了占比大于1%的转换类型，水田与水系、旱地、湿地相互转换的比例均大于1%，可见他们之间相互转换的比重较大。1990-2015年，长江经济带最主要的水田转换类型为“水田—建设用地”，规模为15 102km²，占水田变化总面积的71.56%，反映了建设用地的蔓延扩张是区域水田规模不断缩减的主要原因。其次是“水田—水系”的转化，占比11.97%。新增水田面积1 848km²，主要来源是水系、旱地与湿地。总体水田流失面积远大于水田新增面积。一方面由于长江经济带战略地位的提升，推动城市快速发展，不断牺牲水田空间，水产养殖相对水稻种植较高的比较效益也导致养殖水面对水田空间的侵蚀。而另一方面，长江经济带的平原区已经较为充分地利用了耕地资源，其他丘陵山区的后备耕地资源稀少，直接限制了新耕地的补充。

4.1.2　水田空间分布变化特征　

从空间分布看（图4），水田空间分布变化较大的区域集中分布在长江三角洲、长江中游及成渝城市群。长江三角洲和成渝城市群主要是水田向建设用地转化，这些地区是长江经济带的重要增长极，人口密集、经济发展需求迫切，城镇工矿交通等建设用地的增长速度较快。贵阳、昆明周边及浙江沿海地区的建设用地侵占水田空间的扩张也十分明显，后者与港口集群的发展建设有关。长江中游城市群不仅有大批建设用地侵占水田，地处江汉平原的潜江、仙桃、荆州东还有大量水田转为水系。这种变化源于水产经济效益带动了养殖水面的增多，湖南常德东、鄱阳湖周边、苏中、苏南及浙北等地也存在这种情况。在“湿地恢复”推动下，江西南昌、临川有部分水田向湿地转化。受“退耕还林”的影响，浙东、川东、黔南、湘南及安徽安庆等地有部分水田向林地转换。此外，安徽六安北部有少量旱地转为水田，而鄱阳湖周边、浙北、安徽六安北、武汉等地较为严重的人地矛盾引发的围湖造田行为使得部分水系转为水田。

（a）为1990-2015年长江经济带水田与其他生态系统转换情况的分布图，（b）、（c）、（d）为（a）的局部放大图，具体区域分别为浙江、两湖平原与鄱阳湖平原以及上海、苏南与皖东南；分布图仅显示其中面积比例大于1%的转换类型。

图4　1990-2015年长江经济带水田空间变化情况

Fig.4 Spatial change of paddy field of the Yangtze River economic belt from 1990 to 2015

4.2　生态系统服务价值变化特征　

4.2.1　生态系统服务价值数量变化特征　

1990-2015年各个时期水田与其他土地利用类型的转化对ESV的影响结果如表7所示。

表7 1990-2015年长江经济带水田转化及生态系统服务价值变化

Table 7 ESV change lead by paddy field conversion of the Yangtze River economic belt from 1990 to 2015

长江经济带水田与其他生态系统的转化总体上对ESV是正面影响。1990-2015年ESV净增692.75亿元。对此起决定作用的转换类型为“水田—水系”，主要为水田向水库坑塘的转变，带来将近1000亿元的ESV增量，同时水田向湿地、疏林地、有林地的转化也令ESV有小幅增长。与之相逆的生态系统转化过程则不同程度上削减了区域ESV，其中水系转变为水田损失的价值最多，其次建设用地侵占水田，分别为196亿元和125.46亿元。其他类型的转化影响较小，如水田与旱地相互转换让ESV增加0.12亿元，水田与高、中、低覆盖度草地的相互转换分别使ESV减少0.09亿元、增加0.11亿元、减少0.03亿元。ESV增量远大于减量，故最终ESV呈增长态势。不同时期来看，2000-2005年的ESV增量最大，因为该时期有更多的水田转为水系，1995-2000年的ESV增量较小，主要由于较少的水田转为水系而较多逆向转化，而且这5年水田转为建设用地的规模显著增多。

4.2.2　生态系统服务价值空间变化特征　

如图5所示，1990-2015年长江经济带不同市域ESV的增减情况有明显差异，64个地级市的ESV起伏较小，占所有地级市的49.61%，变化量范围为-100~100万元，45%地级市的ESV锐增，另有5%的地级市处于ESV衰减状态。长江中下游平原水田变化规模大， ESV波动大，上游地区则相对稳定。ESV显著增长的区域位于两湖平原及江苏西南部，湖北荆州市与直辖县的ESV增量最大，其次是南京市、苏州市、常德市。ESV显著增长的这些区域水产养殖业较为发达，养殖水面扩张成为ESV变动的主导因子，如荆州市水田转水系的ESV增量高达81.35亿元，水田转建设用地、水系与湿地转水田仅使ESV损失5.58亿元。湖北省直辖县的ESV增长主要来自仙桃市。ESV下滑的地区主要有成都市、六安市、绍兴市及赣北。与增长区域不同，水田转建设用地及水系转水田是这些地区的主导因子，两者共同或两者之一致使ESV急剧下跌。其中上饶市减量最大，主要由于围湖造田造成水资源流失。在一些地区，湿地与水田的相互转换对ESV的涨跌也有较大影响。

图5　1990-2015年长江经济带市域生态系统服务价值对水田变化的响应

Fig.5 Response of urban ESV to paddy field change of

the Yangtze River economic belt from 1990 to 2015

4.2.3　生态系统服务价值权衡与协同关系　

为了解不同生态系统功能间的权衡与协同关系，计算分析1990-2015年长江经济带水田转化对不同生态系统功能价值的影响（表8）。水田变化受益的生态系统功能主要为水文调节与水资源供给，生物多样性、美学景观、土壤保持及净化环境功能也有小幅提升。这跟水田向水系转变从而扩大水资源储量有直接关系，但水田转为建设用地却是水资源供给功能的增强的关键，这是因为作物生长会消耗大量水资源，而建设用地内部的林地、湖泊、湿地等生态空间具备水源涵养功能，人类在消耗水资源的同时实现水资源的调节与平衡，因此水田转为建设用地会增强水资源供给功能。不可忽视的是，水田转为建设用地、水系使食物生产、气体调节、气候调节、原料生产及维持养分循环功能受到较大损害，特别是食物生产和气体调节功能，价值量分别减少70亿元和57亿元，归咎于建设用地扩张，大量水田资源流失。总体而言，水田与水系、建设用地的空间动态格局关系左右着长江经济带生态系统功能的价值变化。

表8 1990-2015年长江经济带水田转换及各类生态系统功能价值变化

Table 8 Different ecosystem functions value change lead by paddy field conversion of

the Yangtze River economic belt from 1990 to 2015

5 结论

本研究分别基于1990-2015年每五年的6期土地利用矢量数据，利用GIS空间叠加分析和分级渲染功能探究了长江经济带水田空间格局动态变化特征，并采用当量因子法衡量水田变化对不同ES的影响，结果发现水田生态系统空间不断被挤压，尽管ESV呈现增长态势，但重要生态功能遭到削弱，对粮食安全和大气环境产生威胁，不利于区域经济与生态可持续发展。具体结论如下。

（1）1990-2015年，长江经济带水田规模持续缩减，减幅表现为增长态势且具有显著地域差异，长江下游较大，中游与上游较小。下游水田占区域比例随之降低，中游和上游则相反。与此同时，长江经济带水田占耕地的比例由50.55%降至49.81%。水田主要转化为建设用地，表明水田成为经济增长的代价。其次是水田转为水系，与水田种植和水产养殖的比较效益差有关。新增水田主要来自水系、旱地与湿地，水田流失面积远大于新增面积。

（2）长江经济带水田变化规模大的区域集中分布在长江三角洲、长江中游及成渝城市群。建设用地侵占水田的现象分布广泛。水田转为水系主要发生于两湖平原，鄱阳湖附近、苏中南及浙北等地也存在这种情况。江西南昌、临川有部分水田向湿地转变，局部地区有水田向林地转化，如浙东、川东、黔南等。此外，安徽六安北有少量旱地转为水田，鄱阳湖附近、浙北、安徽六安北、武汉则有部分水系转为水田。

（3）1990-2015年，长江经济带水田与其他生态系统的转化对ESV是正影响，ESV净增692.75亿元。水田转向水系对此贡献最大，其规模决定了不同时期ESV净增量的大小，水田向湿地、疏林地、有林地的转化带来ESV的小幅增长。与之相逆的转化则令ESV减少，水系转水田损失的ESV最多，其次是建设用地侵占水田。不同市域的生态系统类型转化不同，因此ESV增减情况具有明显差异。水文调节和水资源供给功能增强的同时，食物生产和气体调节功能受到较大损害，与水资源规模扩大和水田资源大量流失有直接关系。

6 讨论

城镇建设、坑塘与养殖水面扩张、退耕还林、围湖造田、旱改水等是驱动长江经济带水田变化的主要人类活动。水田生存空间不断被挤压，人地矛盾日益加剧，新的水田来源却极为有限，水田变化严重失衡。旱地转为水田局限大、不能改变耕地总量、围湖造田不可持续等问题难以扭转水田缩减的趋势。与水田相关的生态系统类型转化中，长江经济带ESV表现为净增长，水文调节与水资源供给功能大获裨益。而生态系统提供食物生产、气体气候调节功能的能力大打折扣，作为国家重要粮食产区及生态安全屏障，这两项生态功能对长江流域至关重要。

上述ES变化模式亟需优化改善，在提升水文调节、水资源供给等功能的同时保证食物生产、气体气候调节功能的稳定，所以，寻求新增水田来源、激励水田作物种植以平衡水田空间格局动态变化应纳入区域可持续发展的重点，同时应维持水资源数量与质量。还需着力探寻水田生态系统与人类动态平衡的共存方式，增强系统弹性及其固有生态功能^[29]。为解决水田生态系统弹性较低问题，提升水田生物多样性是关键^[30]，如可以在田块四周设置草丛或灌木缓冲带、种植多年生植物、采取共生系统等。生态系统是开放性系统，水田与区域内其他生态系统应构成异质且功能互补的统一整体，实现生态系统间ES的良性流动。建议制定政策推广利于ES的农田管理措施，为当前无市场的ESV创造市场。

当量因子法的核算结果不是十分精确，并不能直接表征水田提供的生态功能的价值量，但是清晰地展示出了水田与其他土地利用类型转换所带来的生态功能损益，因此可以对土地利用活动进行指导。作为ESV研究的基石，基础当量表的确定至关重要，决定了研究结果的科学性。各个研究中采用的确定方法差异较大，导致结果无法横向比较，阻碍了ESV研究的进一步传播与发展。建议在全国具有代表性的地域建立试验区，实现各种生态系统生态功能的长期观察、测量与记录，以此为基础建立统一的基础当量参考值。在该方法框架下，多数研究基于生态系统一级类进行分析，二级类间的功能差异未得到体现，不利于生态系统服务领域的深入与精细化发展。除本研究提及的水田与旱地外，不同的草地类型在其大气、土地和生物等自然条件及其相互关系等方面有着很大的差异，其他二级类间自身固有的功能异质性也应被进一步探索和考量。建设用地往往被排出生态体系，实际上建设用地具备多项生态系统服务和负服务(dis-services)^[31]，应予以更多关注。另外，在数据处理中，水库坑塘被并入水系，采用与水系一致的基础当量，但养殖水面与天然水体在水文调节等方面的ESV有一定差异，这为结果带来更多的不确定性。如何更精确地获取不同地类的基础当量值，从而提高研究结果的科学性是下一步需要解决的问题。

参考文献

[1] 刘元亮, 李艳, 吴剑亮. 基于LSWI和NDVI时间序列的水田信息提取研究[J]. 地理与地理信息科学, 2015, 31(3): 32-37, 2.

Liu Y, Li Y, Wu J. Study on extraction of paddy fields based on LSWI and time series NDVI[J]. Geography and Geo-Information Science, 2015, 31(3): 32-37, 2.

[2] Xiao X, Boles S, Frolking S, et al. Mapping paddy rice agriculture in South and Southeast Asia using multi-temporal MODIS images[J]. Remote Sensing of Environment, 2006, 100(1): 95-113.

[3] Natuhara Y. Ecosystem services by paddy fields as substitutes of natural wetlands in Japan[J]. Ecological Engineering, 2013, 56: 97-106.

[4] 王兴, 赵鑫, 王钰乔, 等. 中国水稻生产的碳足迹分析[J]. 资源科学, 2017, 39(04): 713-722.

Wang X, Zhao X, Wang Y, et al. Assessment of the carbon footprint of rice production in China[J]. Resources Science, 2017, 39(04): 713-722.

[5] 陈仲新, 郝鹏宇, 刘佳, 等. 农业遥感卫星发展现状及我国监测需求分析[J]. 智慧农业, 2019, 1(1): 32-42.

Chen Z, Hao P, Liu J, et al. Technical demands of agricultural remote sensing satellites in China[J]. Smart Agriculture, 2019, 1(1): 32-42.

[6] 张文琦, 宋戈. 三江平原典型区水田时空变化及驱动因素分析[J]. 农业工程学报, 2019, 35(6): 244-252.

Zhang W, Song G. Spatial-temporal variations and driving factor analysis of paddy fields in typical regions of Sanjiang Plain[J]. Transactions of the CSAE, 2019, 35(6): 244-252.

[7] Power A G. Ecosystem services and agriculture: tradeoffs and synergies[J]. Philosophical Transactions: Biological Sciences, 2010, 365(1554): 2959-2971.

[8] Costanza R, de Groot R, Sutton P, et al. Changes in the global value of ecosystem services[J]. Global Environmental Change, 2014, 26: 152-158.

[9] 高奇, 师学义, 黄勤, 等. 区域土地利用变化的生态系统服务价值响应[J]. 中国人口资源与环境, 2013, 23(S2): 308-312.

Gao Q, Shi X, Huang Q, et al. Ecosystem service value respond to regional land use change[J]. China Population Resources and Environment, 2013, 23(S2): 308-312.

[10] Lawler J J, Lewis D J, Erik N, et al. Projected land-use change impacts on ecosystem services in the United States[J]. Proceedings of the National Academy of Sciences of the United States of America, 2014, 111(20): 7492-7497.

[11] Yan F, Zhang S, Su F. Variations in ecosystem services in response to paddy expansion in the Sanjiang Plain, Northeast China[J]. International Journal of Agricultural Sustainability, 2019, 17(2): 158-171.

[12] Yu X, Kai A, Gaodi X, et al. Evaluation of ecosystem services provided by 10 typical rice paddies in China[J]. Journal of Resources and Ecology, 2011, 2(4): 328-337.

[13] 刘利花, 尹昌斌, 钱小平. 稻田生态系统服务价值测算方法与应用——以苏州市域为例[J]. 地理科学进展, 2015, 34(1): 92-99.

Liu L, Yin C, Qian X. Calculation methods of paddy ecosystem service value and application: a case study of Suzhou City[J]. Progress in Geography, 2015, 34(1): 92-99.

[14] 刘珍环, 李正国, 唐鹏钦, 等. 近30年中国水稻种植区域与产量时空变化分析[J]. 地理学报, 2013, 68(5): 680-693.

Liu Z, Li Z, Tang P, et al. Spatial-temporal changes of rice area and production in China during 1980-2010[J]. Acta Geographica Sinica, 2013, 68(5): 680-693.

[15] 王品, 魏星, 张朝, 等. 气候变暖背景下水稻低温冷害和高温热害的研究进展[J]. 资源科学, 2014, 36(11): 2316-2326.

Wang P, Wei X, Zhang Z, et al. A review of cold injury and heat damage to rice growth under global warming[J]. Resources Science, 2014, 36(11): 2316-2326.

[16] 刘园, 周勇. 长江经济带生态系统服务价值时空变化特征分析及灰色预测[J]. 生态经济, 2019, 35(4): 196-201.

Liu Y, Zhou Y. Spatiotemporal dynamics and grey forecast of ecosystem services value in the Yangtze River Economic Belt[J]. Ecological Economy, 2019, 35(4): 196-201.

[17] 杨桂山, 徐昔保, 李平星. 长江经济带绿色生态廊道建设研究[J]. 地理科学进展, 2015, 34(11): 1356-1367.

Yang G, Xu X, Li P, Research on the construction of green ecological corridors in the Yangtze River Economic Belt[J]. Progress in Geography, 2015, 34(11): 1356-1367.

[18] 吴丹, 邹长新, 林乃峰, 等. 长江经济带生态系统宏观结构变化特征分析[J]. 生态与农村环境学报, 2018, 34(6): 499-503.

Wu D, Zou C, Lin N, et al. Characteristic analysis of ecosystem spatial pattern and structure in the Yangtze River Economic Belt[J]. Journal of Ecology and Rural Environment, 2018, 34(6): 499-503.

[19] 李裕瑞, 杨乾龙, 曹智. 长江经济带农业发展的现状特征与模式转型[J]. 地理科学进展, 2015, 34(11): 1458-1469.

Li Y, Yang Q, Cao Z. Current status and pattern transformation of agricultural development in the Yangtze River Economic Belt[J]. Progress in Geography, 2015, 34(11): 1458-1469.

[20] 刘纪远, 匡文慧, 张增祥, 等. 20世纪80年代以来中国土地利用变化的基本特征与空间格局 [J]. 地理学报, 2014, 24(2): 195-210.

Liu J, Kuang W, Zhang Z, et al. Spatiotemporal characteristics, patterns and causes of land use changes in China since the late 1980s[J]. Acta Geographica Sinica, 2014, 24(2): 195-210.

[21] 刘纪远, 宁佳, 匡文慧, 等. 2010-2015年中国土地利用变化的时空格局与新特征[J]. 地理学报, 2018, 73(5): 789-802.

Liu J, Ning J, Kuang W, et al. Spatio-temporal patterns and characteristics of land-use change in China during 2010-2015[J]. Acta Geographica Sinica, 2018, 73(5): 789-802.

[22] Costanza R, Arge R, De Groot R, et al. The value of the world's ecosystem services and natural capital[J]. Nature, 1997, 387: 253-260.

[23] 谢高地, 张彩霞, 张雷明, 等. 基于单位面积价值当量因子的生态系统服务价值化方法改进[J]. 自然资源学报, 2015, 30(8): 1243-1254.

Xie G, Zhang C, Zhang L, et al. Improvement of the evaluation method for ecosystem service value based on per unit area[J]. Journal of Natural Resourses, 2015, 30(8): 1243-1254.

[24] Zhang L, Yu X, Jiang M, et al. A consistent ecosystem services valuation method based on total economic value and equivalent value factors: A case study in the Sanjiang Plain, Northeast China[J]. Ecological Complexity, 2017, 29: 40-48.

[25] 谢高地, 鲁春霞, 冷允法, 等. 青藏高原生态资产的价值评估[J]. 自然资源学报, 2003，18(2): 189-196.

Xie G, Lu C, Leng Y, et al. Ecological assets valuation of the Tibetan Plateau[J]. Journal of Natural Resources,2003, 18(2): 189-196.

[26] 王航, 秦奋, 朱筠, 等. 土地利用及景观格局演变对生态系统服务价值的影响[J]. 生态学报, 2017, 37(4): 1286-1296.

Wang H, Qin F, Zhu J, et al. The effects of land use structure and landscape pattern change on ecosystem service values[J]. Acta Ecologica Sinica, 2017, 37(4): 1286-1296.

[27] 夏淑芳, 陈美球, 刘馨, 等. 基于地理国情信息的赣州市土地生态系统服务价值核算[J]. 农业机械学报, 2019, 50(6): 184-193.

Xia S, Chen M, Liu X, et al. Land resources ecosystem service value accounting of Ganzhou city based on geographic national condition information[J]. Transactions of the CSAM, 2019, 50(6): 184-193.

[28] 赵育恒, 曾晨. 武汉城市圈生态服务价值时空演变分析及影响因素[J]. 生态学报, 2019, 39(4): 1426-1440.

Zhao Y, Zeng C. Analysis of spatial-temporal evolution and factors that influences ecological service values in Wuhan Urban Agglomeration, China[J]. Acta Ecologica Sinica, 2019, 39(4) : 1426-1440．

[29] Takeuchi K. Rebuilding the relationship between people and nature: the Satoyama Initiative[J]. Ecological Research, 2010, (25): 891-897.

[30] Wood S A, Karp D S, DeClerck F, et al. Functional traits in agriculture: Agrobiopersity and ecosystem services[J]. Trends in Ecology & Evolution, 2015, 30(9): 531-539.

[31] Elmqvist T, Fragkias M， Goodness J， et al. Urbanization, biopersity and ecosystem services: Challenges and opportunities[M]. Springer, 2013.

Analysis of spatial pattern and ecological service value changes of large-scale regional paddy fields based on remote sensing data

Yuan Liu¹, Qingbo Zhou^2*, Qiangyi Yu¹, Wenbin Wu¹

(1.Institute of Agricultural Resources and Regional Planning, Chinese Academy of Agricultural Sciences， Beijing 100081, China；

2.Agricultural Information Institute, Chinese Academy of Agricultural Sciences, Beijing 100081, China)

Abstract: Under the pressure of economy development and climate change, rice production and distribution in the Yangtze River basin have undergone great changes, which may pose a great threat to the ecological environment and food security. Based on land use remote sensing-monitoring data from1990 to 2015, the GIS spatial analysis method was used to explore the spatial pattern variation characteristics of paddy fields in the Yangtze River economic belt. Meanwhile, Ecosystem services value (ESV) was calculated by using the equivalent factor method corrected by region and time factor to measure the comprehensive impact of paddy field change. The results showed that, to begin with, paddy fields number of the Yangtze River economic belt continued to decrease, with a total decrease of 17 390km², and the decrease rate presented a trend of growth with significant regional differences. The difference between the reduction rate of paddy fields in the middle upper and the lower reaches of the Yangtze River was about 9.56%. Among them, in the lower reaches of the Yangtze River, the proportion of paddy fields decreased, while in the middle and upper reaches which was just the opposite. Then, paddy fields mainly flowed to construction land and water, resulting from economic construction and aquaculture development. Paddy fields chiefly came from water, dry land and wetland, etc. Furthermore, paddy fields in the Yangtze River Delta, the middle reaches of the Yangtze River and the Chengdu-Chongqing urban agglomerations changed the most dramatically. The expansion of construction land to paddy fields was widespread, and paddy fields flooded by water primarily distributed in the two lake plains. In addition, the conversion of paddy fields and other ecosystems had a positive impact on ESV, in which the paddy-water persion type contributed the most. Its scale determined the net increase of ESV in different periods. Value loss lead by conversion from water to paddy fields was the largest, and construction land invading paddy fields was the second. The conversions in different cities were different, so the difference in ESV increases and decreases. In addition, the tradeoffs within ecosystem services were mainly between hydrological regulation, water supply and food production, gas regulation, which were directly related to the increase of water resources and the loss of paddy fields. The research results are helpful to reveal the spatio-temporal changes process of paddy fields in the Yangtze River basin and its impact on ecological functions, and provide theoretical support for regional land use planning, agricultural policy and ecological sustainable development.

Key words: paddy fields; ecosystem services value; the Yangtze river economic belt; tradeoffs; spatio-temporal changes； remote sensing data

收稿日期：2020-01-15 修订日期：2020-03-12

基金项目：国家自然科学基金项目（41871356）

作者简介：刘 园（1993－），男，博士研究生，研究方向：农业土地利用，Email：ccnuliuyuan@163.com。

^* 通讯作者：周清波（1965－），男，研究员，博士生导师，研究方向：农业遥感，电话：010-82105885，Email：zhouqingbo@caas.cn。

doi： 10.12133/j.smartag.2020.2.1.202001-SA002