冉鳳維, 羅志軍, 曹麗萍, 趙 杰, 趙 越

(1.江西農(nóng)業(yè)大學(xué) 國土資源與環(huán)境學(xué)院, 南昌330045;2.江西省鄱陽湖流域農(nóng)業(yè)資源與生態(tài)重點實驗室, 南昌330045)

生態(tài)系統(tǒng)服務(wù)是人類維持生存的前提與基礎(chǔ)，是指生態(tài)系統(tǒng)與生態(tài)過程所形成及所維持的人類賴以生存的自然效用[1]。生態(tài)服務(wù)價值主要是人類從生態(tài)系統(tǒng)中直接或間接地獲得利益，包括向經(jīng)濟(jì)社會系統(tǒng)輸入有用物質(zhì)和能量、接受和轉(zhuǎn)化來自經(jīng)濟(jì)社會系統(tǒng)的廢棄物，及直接向人類社會成員提供服務(wù)[2]。Costanza等[3]最先估算了全球生態(tài)服務(wù)價值，在他的基礎(chǔ)上，很多學(xué)者對ESV進(jìn)行了不同程度的研究。傅伯杰等[4]較為詳細(xì)地論述了生態(tài)系統(tǒng)服務(wù)價值的概念，謝高地等[5-6]在Costanza等的研究方法的基礎(chǔ)上進(jìn)行多次改進(jìn)，最終算出適合我國國情的ESV當(dāng)量系數(shù)。目前很多學(xué)者研究了由于土地利用/覆被變化引起的生態(tài)系統(tǒng)服務(wù)價值變化[7-10],這些研究均表明以土地利用結(jié)構(gòu)為指標(biāo)來對ESV進(jìn)行評估是可行且可靠的。師慶三等[11]、岳東霞等[12]、唐秀美等[13]、孫晨等[14]學(xué)者對生態(tài)服務(wù)價值變化的驅(qū)動因素進(jìn)行了研究，同時孫洪波等[15]將分析環(huán)境影響因素的STIRPAT模型[16-17]用于分析生態(tài)服務(wù)價值變化的驅(qū)動因素。已有研究對ESV的時空格局演變分析日益完善，但對其變化的原因分析尚顯不足，而這方面的研究對揭示ESV的時空分布特征和變化規(guī)律具有重要意義。

南昌市是我國首批低碳試點城市，也是鄱陽湖生態(tài)經(jīng)濟(jì)區(qū)的核心城市。近10 a來是中國城市化快速推進(jìn)的時期，也是江西省實施中部地區(qū)崛起規(guī)劃、鄱陽湖生態(tài)經(jīng)濟(jì)區(qū)規(guī)劃、贛南等原中央蘇區(qū)振興發(fā)展等國家區(qū)域發(fā)展戰(zhàn)略的時期，隨著南昌市社會經(jīng)濟(jì)的快速發(fā)展和城市化進(jìn)程的加快推進(jìn)，其土地利用的廣度、深度及速度都發(fā)生了改變[18]，同時與土地利用密切相關(guān)的生態(tài)服務(wù)價值隨之發(fā)生改變。為此，本文借助RS和GIS技術(shù)，對2000年、2005年、2010年、2015年遙感影像進(jìn)行處理和分析，以獲得各期土地利用數(shù)據(jù)，然后通過修訂研究區(qū)生態(tài)服務(wù)價值系數(shù)，分析南昌市生態(tài)服務(wù)價值時空變化特征，最后用STIRPAT模型和地理加權(quán)回歸模型研究南昌市生態(tài)服務(wù)價值驅(qū)動因素及差異性，為區(qū)域生態(tài)環(huán)境保護(hù)和可持續(xù)發(fā)展提供參考。

1　研究區(qū)概況

南昌市是江西省的省會，位于115°27′—116°35′E，28°09′—29°11′N，地處江西省中北部，贛江尾間，撫河下游，鄱陽湖之濱，是長江中游城市群中心城市之一，是鄱陽湖生態(tài)經(jīng)濟(jì)區(qū)核心城市，是生態(tài)文明先行示范區(qū)，是國家級新區(qū)贛江新區(qū)中心城市，是全國首批低碳試點城市，中國重要的綜合交通樞紐和現(xiàn)代制造業(yè)基地。境內(nèi)以平原為主，東南較平坦，西北丘陵起伏，水網(wǎng)密布，湖泊眾多。境內(nèi)氣候為亞熱帶季風(fēng)氣候，是“夏炎冬寒”的典型城市，夏冬兩季時間較長、溫差大，年降水量2 059.8 mm。南昌市下轄5區(qū)4縣，分別是東湖區(qū)、西湖區(qū)、青云譜區(qū)、青山湖區(qū)、灣里區(qū)、新建縣、南昌縣、進(jìn)賢縣、安義縣。截至2016年底，全市土地總面積7 412.52 km2，占全省4.31%，全市總?cè)丝跒?37.14萬人，比上年末增加6.85萬人。

2　數(shù)據(jù)來源與研究方法

2.1　數(shù)據(jù)來源

本文的遙感數(shù)據(jù)選用南昌市2000年、2005年、2010年的Landsat/ETM數(shù)據(jù)和2015年的Landsat/OLI數(shù)據(jù)，空間分辨率均為30 m，數(shù)據(jù)均來源于美國地質(zhì)調(diào)查局(USGS官網(wǎng):http:∥landsat.usgs.gov/)。遙感數(shù)據(jù)處理時，首先借助Erdas 9.2軟件對遙感數(shù)據(jù)進(jìn)行幾何校正、圖像拼接、圖像裁剪和圖像增強(qiáng)等預(yù)處理；然后進(jìn)行人工目視解譯，對四期遙感影像進(jìn)行解譯，利用ArcGIS 10.2軟件的空間分析功能和屬性數(shù)據(jù)統(tǒng)計功能，得到各時期南昌市土地利用類型圖；再依據(jù)國家標(biāo)準(zhǔn)化管理委員會頒布的《土地利用現(xiàn)狀分類》(GB/T2010—2007)，結(jié)合南昌市土地資源的特點和實際情況，將土地分類進(jìn)行合并，得到6大類土地利用類型：耕地、園林地、草地、建設(shè)用地、水域和未利用地(表1)。同時利用政府提供的土地利用變更數(shù)據(jù)對2000年和2005年解譯結(jié)果進(jìn)行評定、修正，利用2010年和2015年二調(diào)數(shù)據(jù)對2010年和2015年數(shù)據(jù)精度進(jìn)行驗證。此外，文中驅(qū)動因素指標(biāo)數(shù)據(jù)均來源于2000—2015年的《江西省統(tǒng)計年鑒》和《南昌市統(tǒng)計年鑒》。

2.2　研究方法

2.2.1生態(tài)服務(wù)價值的計算謝高地等在Costanza研究模型的基礎(chǔ)上，研究得出“中國生態(tài)系統(tǒng)服務(wù)價值當(dāng)量因子表”[19]，并確定1個生態(tài)服務(wù)價值當(dāng)量因子的經(jīng)濟(jì)價值量等于當(dāng)年全國平均糧食單產(chǎn)市場價值的1/7。本文根據(jù)2000—2015年南昌市平均糧食單產(chǎn)5 995.5 kg/hm2與2015年糧食平均單價3.95元/kg，結(jié)合生態(tài)價值的區(qū)域修正系數(shù)[20]，計算出南昌市1個生態(tài)服務(wù)價值當(dāng)量因子的經(jīng)濟(jì)價值為3 383.17元。依據(jù)南昌市具體情況，把每種土地利用類型與最接近的生態(tài)系統(tǒng)類型結(jié)合，可確定南昌市不同土地利用類型單位面積的生態(tài)服務(wù)價值(表2)。其中，本文對建設(shè)用地的生態(tài)服務(wù)價值不進(jìn)行估算，故文中建設(shè)用地的生態(tài)服務(wù)價值為0[19-21]。

計算生態(tài)服務(wù)價值公式為：

(1)

式中：ESV為研究區(qū)生態(tài)系統(tǒng)服務(wù)價值；Ai為第i種土地利用類型的面積；VCij為第i種土地利用類型第j種生態(tài)系統(tǒng)服務(wù)價值的系數(shù)，i為土地利用類型，j為生態(tài)系統(tǒng)服務(wù)功能的類型。

表1　2000-2015年南昌市地類面積及所占比重

表2　南昌市不同土地利用類型單位面積生態(tài)服務(wù)價值

2.2.2生態(tài)服務(wù)價值轉(zhuǎn)移公式土地利用類型變化會引起相應(yīng)地類生態(tài)服務(wù)價值是變化[22]，根據(jù)南昌市土地利用轉(zhuǎn)移計算ESV的轉(zhuǎn)移，計算公式為：

(2)

式中：PLij為研究期內(nèi)第i類土地向第j類轉(zhuǎn)化的生態(tài)服務(wù)價值；i為第一時期土地利用類型；j為第二時期土地利用類型；VCi和VCj分別為研究期i和j的生態(tài)服務(wù)價值系數(shù)；Aij為研究期內(nèi)第i類土地向第j類轉(zhuǎn)化的面積。

2.2.3STIRPAT模型STIRPAT模型是Dietz和Rosa[23]在IPAT模型的基礎(chǔ)上對隨機(jī)回歸影響模型的重新定義，該模型可模擬變量對環(huán)境的影響。STIRPAT模型表達(dá)式為：

I=aPbAcTde

(3)

式中：I表示環(huán)境壓力；P表示人口數(shù)量；A表示富裕度；T表示技術(shù)水平；a為常系數(shù)；e為模型誤差；b，c，d為彈性系數(shù)STIRPAT模型是一個非線性多變量模型，對等式兩邊同時取對數(shù)可得：

(4)

本文在生態(tài)服務(wù)價值變化的驅(qū)動因素選擇上，參考前人[16,24]基于STIRPAT模型的分析，選取南昌市以下社會經(jīng)濟(jì)發(fā)展指標(biāo)：總?cè)丝?P)、人均GDP(A1)、固定資產(chǎn)投資(A2)、城市化率(T1)、第二產(chǎn)業(yè)比重(T2)、第三產(chǎn)業(yè)比重(T3)、萬元GDP能耗(T4)，環(huán)境壓力用人均ESV(E)表示。因此，STIRPAT模型擴(kuò)展為：

lnE=lna+b(lnP)+c1(lnA1)+c2(lnA2)+d1(lnT1)+d2(lnT2)+d3(lnT3)+d4(lnT4)+lne

(5)

3　南昌市生態(tài)服務(wù)價值變化

3.1　生態(tài)服務(wù)價值時間變化分析

以2000—2015年南昌市遙感解譯的土地利用數(shù)據(jù)為基礎(chǔ)，根據(jù)計算生態(tài)服務(wù)價值公式及表2的數(shù)據(jù)，可知2000—2015年南昌市生態(tài)服務(wù)價值及其變化和各單項生態(tài)服務(wù)價值，即表3，表4.由表3可知，不同土地利用類型的生態(tài)服務(wù)價值按大小排序為水域、園林地、耕地、草地和未利用地，研究期內(nèi)水域ESV與總ESV之比大于50%。南昌市2000年、2005年、2010年、2015年總生態(tài)服務(wù)價值分別為390.35億元、392.64億元、388.30億元、393.30億元。15 a來，生態(tài)服務(wù)價值總量增加2.95億元，變化率為0.01%，其中生態(tài)服務(wù)價值在各子研究期內(nèi)先增加后減少再增加，2000—2005年增加量為2.29億元，2005—2010年減少量為4.33億元，2010—2015年增加5.00億元。土地利用類型生態(tài)服務(wù)價值變化最大的是耕地，減少11.74億元，其次是水域，增加10.82億元。

根據(jù)2000—2015年南昌市單項生態(tài)服務(wù)價值及其變化(表4)可知，研究期內(nèi)，南昌市各單項生態(tài)服務(wù)價值總量及結(jié)構(gòu)均變化不大。單項生態(tài)服務(wù)價值功能以水源涵養(yǎng)和廢物處理為主，土壤形成與保護(hù)和生物多樣性保護(hù)為輔，然后依次為娛樂文化、氣候調(diào)節(jié)、氣體調(diào)節(jié)、食物生產(chǎn)、原材料。生態(tài)服務(wù)價值減少的功能有氣候調(diào)節(jié)、氣體調(diào)節(jié)、土壤形成與保護(hù)、生物多樣性保護(hù)和食物生產(chǎn)，其中食物生產(chǎn)的變化率最大。水源涵養(yǎng)、廢物處理、原材料、娛樂文化的生態(tài)服務(wù)價值增加，其中水源涵養(yǎng)的變化相對較為顯著。研究期2000—2005年內(nèi)，氣候調(diào)節(jié)、氣體調(diào)節(jié)、水源涵養(yǎng)、土壤形成與保護(hù)、娛樂文化、原材料、生物多樣性保護(hù)的生態(tài)服務(wù)價值增加，其中原材料的變化率最大，氣體調(diào)節(jié)次之；在2005—2010年期間，除娛樂文化這一項生態(tài)服務(wù)價值外，其他單項ESV價值量均增加；在2010—2015年期間，水源涵養(yǎng)、廢物處理、娛樂文化的生態(tài)服務(wù)價值量增加，其余單項ESV減少，其中水源涵養(yǎng)和廢物處理變化最顯著。

表3　2000-2015年南昌市生態(tài)服務(wù)價值及變化

表4　2000-2015年南昌市單項生態(tài)服務(wù)價值及變化

3.2　生態(tài)服務(wù)價值空間差異分析

在ArcGIS 10.2軟件上按手動分類法將南昌市單位面積生態(tài)服務(wù)價值分為4個等級，得出4個時期南昌市單位面積生態(tài)服務(wù)價值空間特征，生態(tài)服務(wù)價值高于74 000元/hm2的地區(qū)主要是新建縣東部和進(jìn)賢縣北部，其中2010年新建縣生態(tài)服務(wù)價值高于74 000元/hm2的地區(qū)明顯擴(kuò)大，其原因是水域面積增加,同時水域的ESV系數(shù)較高；生態(tài)服務(wù)價值介于25 000～74 000元/hm2的主要是灣里區(qū)、安義縣北部、新建縣西部及進(jìn)賢縣東南部；生態(tài)服務(wù)價值1 500～25 000元/hm2分布范圍廣泛，主要在南昌縣、新建縣西部、安義縣南部、新建縣東部；而低于1 500元/hm2的低生態(tài)服務(wù)價值區(qū)主要集中在南昌市城區(qū)，2005—2010年低生態(tài)服務(wù)價值區(qū)擴(kuò)張明顯，原因是建設(shè)用地的快速增長。

3.3　生態(tài)服務(wù)價值轉(zhuǎn)移分析

由公式(2)可得2000—2015年南昌市生態(tài)服務(wù)價值轉(zhuǎn)移情況(表5)。

由表5可知，2000—2015年，土地利用類型之間的轉(zhuǎn)移導(dǎo)致南昌市生態(tài)服務(wù)價值總量增加2.95億元。但每一種土地利用類型向其他土地利用類型轉(zhuǎn)移所造成的生態(tài)服務(wù)價值變化不同，水域向其他土地利用類型的轉(zhuǎn)移導(dǎo)致了ESV減少62.16億元，其中水域轉(zhuǎn)為耕地生態(tài)服務(wù)價值減少最多，占比65.04%；園林地轉(zhuǎn)為非園林地也導(dǎo)致了ESV減少21.07億元；耕地向其他地類的轉(zhuǎn)移，引起了生態(tài)服務(wù)價值的增加，增加量為43.13億元，草地、建設(shè)用地和未利用地向其他地類的轉(zhuǎn)移也引起了生態(tài)服務(wù)價值的增加。

表5　2000-2015年南昌市生態(tài)服務(wù)價值轉(zhuǎn)移矩陣　108元

4　南昌市生態(tài)服務(wù)價值變化驅(qū)動因素分析

4.1　總體驅(qū)動因素分析

4.1.1STIRPAT模型回歸分析將南昌市2000—2015年所選取的社會經(jīng)濟(jì)指標(biāo)數(shù)據(jù)及人均ESV數(shù)據(jù)均取對數(shù)，根據(jù)式(5)，利用SPSS 22.0軟件按自變量逐步進(jìn)入方程的方法進(jìn)行回歸分析，構(gòu)建南昌市人均ESV變化的STIRPAT方程，見表6。

各模型的調(diào)整R2介于0.995～0.998，說明各模型的擬合度較好。模型1是以lnP為自變量的STIRPAT方程，該模型可以解釋所選變量對生態(tài)服務(wù)價值的影響，其擬合度為99.5%，在0.001的顯著性水平下存在極顯著影響；模型2，3，4是在模型1的基礎(chǔ)上分別加入自變量lnT3，lnT4，lnA1，調(diào)整R2分別為0.997，0.997，0.996，表明相對于模型1，模型2，3，4對因變量的解釋能力提高，且lnT3和lnA1在0.05的顯著性水平下對lnE存在顯著影響，lnT4在顯著性水平為0.01時對lnE影響顯著；模型5在模型4的基礎(chǔ)上增加變量lnA2和lnT1，此時lnA1，lnA2對lnE影響不顯著(Sig>0.05)，lnT1對lnE影響顯著(Sig<0.05)；模型6分析了lnP，lnT3，lnT4對lnE的影響，該模型擬合度達(dá)99.8%，3個自變量分別在0.001，0.05，0.01的顯著性水平下對自變量產(chǎn)生顯著影響。因此，對lnE產(chǎn)生顯著影響的自變量有l(wèi)nP，lnT3與lnT4，即這些因素為人均ESV變化的主要驅(qū)動因素，而lnA1，lnA2，lnT1，lnT2對因變量影響不顯著。

表6　STIRPAT模型分析

注：*Sig.<0.05；**Sig.<0.01；***Sig.<0.001。

4.1.2驅(qū)動因素差異性分析從模型6看，南昌市2000—2015年人均生態(tài)服務(wù)價值變化的驅(qū)動因素為總?cè)丝?、第三產(chǎn)業(yè)比重和萬元GDP能耗，且3個自變量都與因變量人均ESV呈負(fù)相關(guān)關(guān)系。各自變量的彈性系數(shù)表明，3個因素對人均ESV的影響力依次為：總?cè)丝谟绊懽畲螅f元GDP能耗次之，第三產(chǎn)業(yè)比重最小?？?cè)丝诿吭黾?%，人均ESV減少0.923%；第三產(chǎn)業(yè)比重每增加1%，人均ESV減少0.031%；萬元GDP能耗每增加1%，會引起人均ESV減少0.076%。

4.2　不同時期驅(qū)動因素分析

以STIRPAT模型為依據(jù)對研究區(qū)不同時段生態(tài)服務(wù)價值的驅(qū)動因素進(jìn)行分析，利用SPSS軟件建立的模型如下：

2000—2005年STIRPAT模型：

lnE=21.871-1.453lnP+0.039lnA1-0.033lnT3-0.048lnT4

(6)

方程(6) 通過了0.01顯著性水平的檢驗，其調(diào)整R2=0.976，說明該方程擬合度好，D-W值=2.170<10，說明進(jìn)入方程的各變量之間不存在多重共線性問題，各自變量的顯著性水平分別為0.001，0.05，0.05，0.01。

2005—2010年STIRPAT模型：

(7)

方程(7) 通過了0.01顯著性水平的檢驗，其調(diào)整R2=0.998，說明該方程擬合度好，D-W值=2.422<10，說明進(jìn)入方程的各變量之間不存在多重共線性問題，各自變量的顯著性水平分別為0.001，0.01，0.05。

2010—2015年STIRPAT模型：

lnE=19.918-0.994lnP-2.77lnT1-0.079lnT3-0.061lnT4

(8)

方程(8) 通過了0.01顯著性水平的檢驗，其調(diào)整R2=0.985，說明該方程擬合度好，D-W值=2.840<10，說明進(jìn)入方程的各變量之間不存在多重共線性問題，各自變量的顯著性水平分別為0.001，0.05，0.01，0.05。

由方程(6)、(7)、(8)可以得出：不同時期生態(tài)服務(wù)價值的驅(qū)動因素不同，同一驅(qū)動因素在不同時期的彈性系數(shù)不同，所承受的壓力不同。研究期2000—2005年人均ESV的驅(qū)動因素為人口、人均GDP、第三產(chǎn)業(yè)比重和萬元GDP能耗；研究期2005—2010年人均ESV的影響因素為人均GDP、第三產(chǎn)業(yè)比重和萬元GDP能耗；研究期2010—2015年人均ESV的驅(qū)動因素為人口、城市化率、第三產(chǎn)業(yè)比重和萬元GDP能耗。在2000—2005年與2011—2015年，總?cè)丝诘膹椥韵禂?shù)為1.453，0.994，說明在人口方面，研究期2000—2005年承受了比2010—2015年更大的壓力；3個時期第三產(chǎn)業(yè)比重的彈性系數(shù)均為負(fù)值，依次為0.033，0.088，0.079，表明研究期2005—2010年承受了更多來自第三產(chǎn)業(yè)的壓力；3個時期萬元GDP能耗的彈性系數(shù)均為負(fù)值，依次為0.048，0.096，0.061，說明較其他兩個研究期來說，研究期2005—2010年在萬元GDP能耗上承受了更多的壓力。

4.3　不同區(qū)域驅(qū)動因素分析

由于STIRPAT模型分析在揭示縣域生態(tài)服務(wù)價值的驅(qū)動因素上存在局限，因此，本文以表6的模型6為依據(jù)，運(yùn)用ArcGIS 10.2軟件對模型6進(jìn)行地理加權(quán)回歸分析，建立基于地理加權(quán)回歸分析的STIRPAT模型(表7)，GWR分析所得方程擬合度為87.4%，表明回歸方程對因變量的解釋能力較好，同時，方程通過了0.01顯著性水平檢驗。由表7可知，從總?cè)丝趯Ω骺h區(qū)的影響力看，所有縣區(qū)總?cè)丝诘膹椥韵禂?shù)都為負(fù)值，表明人口增加會造成各縣區(qū)生態(tài)服務(wù)價值減少；第三產(chǎn)業(yè)驅(qū)動因素方面，東湖區(qū)、西湖區(qū)、青云譜區(qū)和青山湖區(qū)的第三產(chǎn)業(yè)比重的彈性系數(shù)為負(fù)值，其他縣區(qū)第三產(chǎn)業(yè)彈性系數(shù)為正值，說明在這些地區(qū)經(jīng)濟(jì)的增加會帶來人均生態(tài)服務(wù)價值的增加；萬元GDP能耗方面，各縣區(qū)萬元GDP能耗的彈性系數(shù)均為負(fù)值，表明在各縣區(qū)萬元GDP能耗的增加均會引起人均生態(tài)服務(wù)價值的減少。彈性系數(shù)可以解釋變量承受壓力，彈性系數(shù)大，變量所承受的壓力大，反之，變量所承受的壓力小。人口驅(qū)動因素方面，東湖區(qū)、西湖區(qū)、青山湖區(qū)和安義縣的彈性系數(shù)比總?cè)丝趶椥韵禂?shù)的均值大，說明這些縣區(qū)承受了來自人口方面更大的壓力；從第三產(chǎn)業(yè)比重看，東湖區(qū)、青山湖區(qū)、南昌縣、新建縣及進(jìn)賢縣的彈性系數(shù)大于均值，則相應(yīng)區(qū)域在第三產(chǎn)業(yè)比重上承受了更多的壓力；萬元GDP能耗方面，南昌縣、進(jìn)賢縣和安義縣的彈性系數(shù)大于均值0.075，說明這些縣區(qū)在萬元GDP能耗方面承受了比其他縣區(qū)更多的壓力。

表7　STIRPAT模型的GWR分析

5　結(jié) 論

(1) 本文參照前人研究成果，依據(jù)生態(tài)服務(wù)價值當(dāng)量因子法分析了2000—2015年南昌市生態(tài)服務(wù)價值時空變化特征，并利用STIRPAT模型和地理加權(quán)回歸分析法對南昌市生態(tài)服務(wù)價值變化的驅(qū)動因素及差異性進(jìn)行分析，為區(qū)域環(huán)境保護(hù)與生態(tài)系統(tǒng)管理提供科學(xué)依據(jù)，對促進(jìn)區(qū)域經(jīng)濟(jì)、社會與生態(tài)的協(xié)調(diào)發(fā)展具有重要意義。

(2) 研究表明，2000—2015年南昌市生態(tài)服務(wù)價值總量及結(jié)構(gòu)均變化不大，各子研究期內(nèi)生態(tài)服務(wù)價值變化呈“S”型，即先增加后減少再增加；不同土地利用類型生態(tài)服務(wù)價值由大到小為水域、園林地、耕地、草地和未利用地；2000—2015年高生態(tài)服務(wù)價值區(qū)集中新建縣東部和進(jìn)賢縣北部，該區(qū)土地利用類型為水域，低生態(tài)服務(wù)價值區(qū)主要是在南昌市城區(qū)，土地利用類型以建設(shè)用地為主。

(3) 通過STIRPAT模型分析表明，總?cè)丝凇⒌谌a(chǎn)業(yè)比重與萬元GDP能耗是南昌市人均ESV變化的主要驅(qū)動因素，且都與人均ESV呈負(fù)相關(guān)關(guān)系。不同時期生態(tài)服務(wù)價值的驅(qū)動因素不同，同一驅(qū)動因素在不同時期的彈性系數(shù)不同，所承受的壓力不同。通過地理加權(quán)回歸分析發(fā)現(xiàn)，各縣區(qū)之間驅(qū)動因素影響程度不同，東湖區(qū)、西湖區(qū)、青山湖區(qū)和安義縣在人口因素上承受了更多的壓力；東湖區(qū)、青山湖區(qū)、南昌縣、新建縣及進(jìn)賢縣承受了更多第三產(chǎn)業(yè)比重的壓力；而南昌縣、進(jìn)賢縣和安義縣在萬元GDP能耗方面承受了比其他縣區(qū)更多的壓力。

(4) 區(qū)域生態(tài)服務(wù)價值變化受到諸多因素的共同作用，由于資料和方法的局限性，本文生態(tài)服務(wù)價值變化驅(qū)動因素考慮得不夠全面，如人均公共綠地面積、生態(tài)用地比率等因素，今后仍需進(jìn)一步深入研究。

參考文獻(xiàn):

[1]Daily G C. Nature′s services: societal dependence on natural ecosystems[J]. Corporate Environmental Strategy, 2000,6(2):220-221.

[2]邵雪亞,劉勇,王三,等.快速城市化地區(qū)土地利用變化對生態(tài)服務(wù)價值的影響:以重慶市北碚區(qū)為例[J].西南師范大學(xué)學(xué)報自然科學(xué)版,2011,33(6):80-85.

[3]Costanza R, D′Arge R, Groot R D, et al. The value of the world′s ecosystem services and natural capital[J]. World Environment, 1997,25(1):3-15.

[4]傅伯杰,張立偉.土地利用變化與生態(tài)系統(tǒng)服務(wù):概念、方法與進(jìn)展[J].地理科學(xué)進(jìn)展,2014,33(4):441-446.

[5]謝高地,甄霖,魯春霞,等.一個基于專家知識的生態(tài)系統(tǒng)服務(wù)價值化方法[J].自然資源學(xué)報,2008,23(5):911-919.

[6]謝高地,張彩霞,張雷明,等.基于單位面積價值當(dāng)量因子的生態(tài)系統(tǒng)服務(wù)價值化方法改進(jìn)[J].自然資源學(xué)報,2015(8):1243-1254.

[7]Gascoigne W R, Hoag D, Koontz L, et al. Valuing ecosystem and economic services across land-use scenarios in the Prairie Pothole Region of the Dakotas, USA[J]. Ecological Economics, 2011,70(10):1715-1725.

[8]劉桂林,張落成,張倩.長三角地區(qū)土地利用時空變化對生態(tài)系統(tǒng)服務(wù)價值的影響[J].生態(tài)學(xué)報,2014,34(12):3311-3319.

[9]張舟,吳次芳,譚榮.生態(tài)系統(tǒng)服務(wù)價值在土地利用變化研究中的應(yīng)用:瓶頸和展望[J].應(yīng)用生態(tài)學(xué)報,2013,24(2):556-562.

[10]曾杰,李江風(fēng),姚小薇.武漢城市圈生態(tài)系統(tǒng)服務(wù)價值時空變化特征[J].應(yīng)用生態(tài)學(xué)報,2014,25(3):883-891.

[11]師慶三,王智,吳友均,等.新疆生態(tài)系統(tǒng)服務(wù)價值測算與NPP的相關(guān)性分析[J].干旱區(qū)地理,2010,33(3):427-433.

[12]岳東霞,杜軍,鞏杰,等.民勤綠洲農(nóng)田生態(tài)系統(tǒng)服務(wù)價值變化及其影響因子的回歸分析[J].生態(tài)學(xué)報,2011,31(9):2567-2575.

[13]唐秀美,郝星耀,劉玉,等.生態(tài)系統(tǒng)服務(wù)價值驅(qū)動因素與空間異質(zhì)性分析[J].農(nóng)業(yè)機(jī)械學(xué)報,2016(5):336-342.

[14]孫晨.土地利用變化的人文驅(qū)動因子對和田市生態(tài)系統(tǒng)服務(wù)價值的影響[D].烏魯木齊:新疆大學(xué),2014.

[15]孫洪波,楊桂山,萬容容,等.昆山生態(tài)系統(tǒng)服務(wù)價值變化及其驅(qū)動力差異性分析[J].長江流域資源與環(huán)境,2009,18(8):759-764.

[16]陳志建,王錚.中國地方政府碳減排壓力驅(qū)動因素的省際差異：基于STIRPAT模型[J].資源科學(xué),2012,34(4):718-724.

[17]陳慶,周敬宣,李湘梅,等.基于STIRPAT模型的武漢市環(huán)境影響驅(qū)動力分析[J].長江流域資源與環(huán)境,2011(S1):100-104.

[18]趙麗紅,王屏,歐陽勛志,等.南昌市植被覆蓋度時空演變及其對非氣候因素的響應(yīng)[J].生態(tài)學(xué)報,2016,36(12):3723-3733.

[19]謝高地,魯春霞,冷允法,等.青藏高原生態(tài)資產(chǎn)的價值評估[J].自然資源學(xué)報,2003,18(2):189-195.

[20]謝高地,肖玉,甄霖,等.我國糧食生產(chǎn)的生態(tài)服務(wù)價值研究[J].中國生態(tài)農(nóng)業(yè)學(xué)報,2005,13(3):10-13.

[21]胡金龍,王金葉,周志翔,等.桂林市區(qū)土地利用變化對生態(tài)服務(wù)價值的影響[J].中南林業(yè)科技大學(xué)學(xué)報,2012,32(10):89-93.

[22]Peng W F, Zhou J M, Fan S Y. Effects of the Land Use Change on Ecosystem Service Value in Chengdu, Western China from 1978 to 2010[J]. Journal of the Indian Society of Remote Sensing, 2016,44(2):197-206.

[23]Dietz T, Rosa E A. Rethinking the environmental impacts of population, affluence and technology[J]. Human Ecology Review 1,1994,2:277-300.

[24]Wang P, Wang X. Spatiotemporal change of ecological footprint and sustainability analysis for Yangtze Delta Region[J]. Journal of Geographical Sciences, 2011,21(5):859-868.