中科院生态环境研究中心张岩副研究员一作兼通讯ES：生态恢复项目对生态系统服务流的影响

保护和管理自然资本(natural capital)需要深入了解不同政策背景下生态系统服务（ES）的复杂流动动态。针对生态恢复项目如何影响生态系统服务流这一问题，该研究以中国陕西省黑河流域为例，探究了天然林保护项目（Natural Forest Conservation Project，NFCP）和退耕还林项目（Grain to Green Project ，GTGP）这两个全球最大的生态恢复项目对研究区生态系统服务流的影响，旨在改善区域生态系统效益，并为可持续的政策管理提供决策支持。通过预设场景的定量分析显示，天然林保护项目和退耕还林项目联合实施时，与两个项目分别实施所产生的效益相比，三种生态系统服务在研究区的各个区域间和各自区域内的生态系统服务流都在增加，且这三种生态系统服务的协同区域更广。在一年中的6月至9月期间服务流的流量更高，南部地区的区域内环境服务流量显著增加。该研究结果突显了在系统性保护规划中考虑多个项目综合效应的重要性。

生态系统服务（ES）具有在不同时空尺度上运行的复杂流动状态。生态系统服务流的概念通过分析生态系统服务供应区与需求区的空间异质性及其流动特征，将自然生态系统与人类社会联系起来。虽然生态系统服务流的定量分析为保护规划和资源管理提供了有用的工具，但生态恢复项目对生态系统服务流的影响程度尚未得到很好的理解，尤其是考虑到生态系统服务流在时间和空间上的非线性变化。了解生态系统服务流及其对人类干预措施的响应可为决策者提供信息，使其了解如何以最佳方式分配资源以改善生态系统对人类的益处。

自上世纪末以来，中国启动了一系列生态修复工程，如天然林保护工程（NFCP）和退耕还林工程（GTGP）等，旨在确保可持续地提供人类福祉。该研究将政策评估与生态系统服务评估相结合，量化研究NFCP和GTGP单独或者联合实施对中国陕西省黑河流域生态系统服务流产生的效应，并对对这种整合及其可能带来的启示进行了说明。本研究的主要目标是1）揭示不同政策情景下生态系统服务流的变化及其权衡协同效应；2）从空间上识别GTGP和NFCP对生态系统服务流的影响，一方面是生态恢复项目对生态系统服务流的影响进行空间明确的估算，另一方面可以提供政策效果与生态系统服务供给之间的匹配信息。此外，该研究还通过将区域内和区域间的生态恢复项目及其政策效应联系起来，为跨区域可持续管理做出了贡献。

黑河流域位于中国陕西省南部，南依秦岭，北临渭河（Fig 1）。该地区属于温带大陆性季风气候，年平均降水量为570毫米，年平均气温为13.3℃。地形由南部山地向北部平原过渡的多级地貌组成。该流域是关中平原的重要水源区，由于大量引水和不可持续的土地利用给生态安全带来了巨大压力。自上世纪末以来，流域内启动了包括天然林保护项目和退耕还林项目在内的生态修复工程。

天然林保护项目(NFCP)通过集体林声明和森林资源利用限制等限制性措施保护森林，退耕还林项目(GTGP)则将陡坡上的耕地变为森林。NFCP通过稳定生态系统的结构和组成来改善生态系统功能，GTGP增加了自然生态系统的面积，而多个项目的不同组合可产生不同的结果，这是因为它们具有互补和溢出 效应。首先根据土地利用模式数据模拟了四种不同项目组合的政策情景（Fig 2）。然后使用不同的定量模型评估了三种生态系统服务的供给和人类需求。再根据生态系统供需的空间匹配情况，估算了区域间和区域内的生态系统服务流。通过分析不同情景下服务流强度的变化，评估生态修复项目的影响。

3.1政策情景设定

由于生态恢复项目的效果具有时间滞后性，因此以2000年为基线，模拟四种情景，以评估ES流量对不同项目的响应：1)无政策干预(Business as Usual)  。假设1990-2000年期间土地利用变化的历史趋势在未来20年内将持续，且不同土地利用的转变率仍与历史时期相同。2)退耕还林项目(GTGP)。根据坡度、到森林边缘的欧氏距离和到最近居民点的欧氏距离等数据，建立每个网格单元参与GTGP的概率空间层。再根据概率图（Fig A.1），将GTGP的总面积随机分布到整个流域。将参与GTGP斑块的位置与2000年基线情景下的土地利用模式进行叠加，评估GTGP对生态系统服务流的影响。3)天然林保护项目(NFCP)。根据当前土地利用模式划定了森林边缘，与基线情景下的土地利用数据叠加，确定参与NFCP斑块，以评估NFCP对生态系统服务流的影响。4)GN (联合实施GTGP和NFCP)。2020年的土地利用模式说明了NFCP和GTGP的共同影响。

3.2生态系统服务流(ESF)的量化

对于基于水文的生态系统服务，其流动方向被视为数字高程模型划定的水流方向，将生态系统服务盈余计算为生态系统服务供需之差（Fig 2）。元耦合的概念包括系统内耦合（系统内人与自然的相互作用）和相邻系统间耦合（相邻系统间人与自然的相互作用），根据元耦合的概念，通过处理从流域流向相邻区域的区域间流动和流域内从上游像素点流向下游像素点的区域内流动来评估生态系统服务流的变化。

为了评估生态恢复项目对ESF的影响，根据不同ESF的强度，计算其货币价值，其中考虑了水资源的市场价格（用于保水）、下游洪水的平均成本（用于防洪）和减少疏浚成本（用于保土）。

4.1区域间生态系统服务流

2020年，流出流域的所有服务的货币价值为131亿元人民币，占流域当地生态系统产生的总价值的62.7%。约65.5%的防洪减灾服务是向外提供的，高于水源涵养和土壤保持服务。在单独或联合实施生态恢复项目的情景下，区域间流量持续增加（Fig 3a）。GN情景下的区域间流量超过了针对每项服务单独实施天然林保护项目(NFCP)和退耕还林项目(GTGP)情景下的总和。以2000年为基准年，在GN情景下，区域间流量的增长远高于NFCP情景下的增长，其次是GTGP情景带来的流量增长最少，只有无政策干预情景中区域间流量出现了下降。此外，不同ES的区域间流量显示，6月至9月是一年之中的一致高点（Fig 3c）。

4.2区域内生态系统服务流

在不同的假设情况下，区域内流量显示出相似的模式（Fig A.3），从南部地区到北部地区总体呈下降趋势。所有服务的区域内流量变化都呈现出空间集群模式，南部地区出现大幅增长（Fig 4a），而北部地区则集中出现下降。

4.3不同生态系统服务流之间的关系

相关性分析表明，区域内洪水减缓服务流与土壤保持服务流之间总体上存在协同关系（Fig 5b），但这两种服务流与水保持服务流之间存在权衡关系。在GN情景下，与2000年基线情景相比，区域内洪水减缓和土壤保持服务流之间的协同关系主导区域增加了6.9%，而权衡关系主导区域减少了4.0%。叠加分析显示，在联合实施NFCP和GTGP的情况下，在南部边缘地区，水源涵养和洪水减缓服务的流量相对较高，而在中部和北部地区，土壤保持服务的流量相对较高。此外，所有服务的高流量地点占流域面积的11.7%。

GTGP和NFCP通过解决与生态保护和社会经济发展相关的问题产生了一系列效益，并在提高生态系统服务供给能力方面表现出很高的效率。区域间流量的增加部分源于恢复过程中植被覆盖面积的扩大和生态系统功能的增强，并表明邻近地区对流域的依赖性增强。生态恢复项目改善的土壤和植被条件可降低疏水性，从而提高土壤的水分渗透和储存能力。这可以降低土壤的侵蚀性，提高植物群落对环境压力（如土壤侵蚀、洪水）的恢复能力，从而为下游地区提供更多的生态系统服务。

不同生态系统服务流(ESF)之间的协同和权衡作用可归因于多种服务的共同驱动因素和相互作用的差异。如保护和恢复森林可提高地表径流的拦截率和渗透率，并通过保持水资源来强化水文循环，从而提高水源涵养和洪水缓解能力及其流量强度。植被覆盖率增加的植树造林可以改善营养循环过程中的水土条件，从而提高水土保持能力。此外，虽然土地利用的变化与自然斑块的迁移会改变不同服务之间的关系，在该研究中，区域内水流之间协同作用的增加可能来自于恢复过程中景观完整性的改善。与单一项目的情景相比，在GTGP和NFCP的共同作用下，流量强度的增加和协同区域的扩大显示了多重政策努力对生态系统功能的增强和物种组成的补充。此外，在土壤和植物群落恢复过程中，由于气候和植被条件之间复杂的相互作用，水热条件的改善有利于微生物组和生物多样性的生长，而微生物组和生物多样性对生态系统功能起着基础性作用。

生态系统服务流评估的重要意义之一是明确认识到，生态系统服务的提供不仅取决于源头发送系统的区域条件，还取决于区域外接收系统的需求模式。 所以提供有关生态系统服务流动态及其远程耦合影响的信息，对于确保跨区域可持续生态系统服务管理至关重要。对生态系统服务流具有不同影响的各种政策工具使人们认识到建立跨界治理与合作制度的重要性。联合实施NFCP和GTGP对改善生态系统服务流的影响远远超过单独实施的总影响，这部分归因于政策互动对不同社会生态过程的协同效应，这些社会生态过程整合了不同的实践和恢复目标。但这一保守结果应谨慎对待，因为恢复项目的效率受到不同环境因素的影响，如政策类型和阶段、服务类型和气候条件。

本研究将生态系统服务流评估与政策评估相结合，并根据情景分析研究了NFCP和GTGP如何影响生态系统服务流。在提高流向人类社会的生态系统效益方面，NFCP和GTGP表现出了高效性。还对不同生态系统服务流之间的协同作用和权衡产生了重大影响。通过考虑政策效应的空间变化来实现预期结果的最大化。本研究加深了我们对生态系统服务流对生态恢复项目的定量响应的理解，但还可以进一步分析更多种类的生态系统服务流及其尺度依赖性 。基于更多定量方法对不同项目的影响及其相互作用进行全面分析，将有助于我们理解人类干预对生态系统服务流的影响。还需要考虑更多环境因素和过程及其内在驱动机制的动态模型，以改进我们的政策工作。