Page 85 - 2025年第56卷第7期

2）量化各空间单元特定生态服务的供需比（Ecosystem Service Swpply-Demand Ratios，ESDR）。为显
化水利工程体系生态服务供给与需求之间的空间异质性及不匹配问题，需计算各空间单元 j 上第 i 类生
态服务的供需比（ESDR ）。该指标综合反映了区域尺度上服务的供需平衡状况，其计算公式如下：
ij
S D
ES ij - ES ij
ESDR ij = （1）
Smax Dmax
(ES i + ES i )/2
D
S
式中：ESDR 为计算单元 j 中 i 型生态服务的供需比；ES ij 为计算单元 j 中 i 型生态服务的供给量；ES ij 为
ij
计算单元 j 中 i 型生态服务的需求量；ES i Smax 为计算单元 j 中 i 型生态服务供给的最大值，ES i Dmax 为网格单
元 j 中 i 型生态服务需求的最大值。
3）解读生态服务供需平衡状况。基于计算得到的 ESDR 值，分析各单元生态服务的供需平衡状
ij
态。当 ESDR 值接近或等于 1 时，表示供需相对平衡；ESDR 值大于 1（正值）表示服务盈余；ESDR 值
ij
ij
ij
小于 1（负值）表示服务赤字 ［18］ 。通过空间可视化 ESDR ，可直观展示供需关系的整体空间格局。
ij
4）识别生态服务供需关系簇群。采用自组织映射神经网络等降维与聚类分析方法，对各空间单元
由多种服务 ESDR 构成的向量进行处理，识别具有相似供需特征的空间聚类特征，从而形成不同的生
ij
态服务供需关系簇群 ［19］ 。为确定最优的簇群数量，计算不同簇数下的戴维森堡丁指数（Davies-Bouldin
Index，DBI），选取使 DBI 最小的簇数作为最佳分类方案。
5）判定生态服务供需关系的协同与权衡。利用斯皮尔曼相关性分析方法，检验不同生态服务（基
于其 ESDR 值）在空间分布上的相关性，以判定服务间是否存在显著的协同（正相关）或权衡（负相关）
ij
关系。研究中可借助 R 语言 corrplot 等可视化工具包生成相关系数矩阵，并进一步采用网络分析方法
（如 R igraph 包或 Python NetworkX 包），构建基于功能单元数据的加权网络模型，识别协同/权衡网络中
的关键服务类型（节点）及其多级关联模式（如“伞形”结构），量化不同生态服务功能的协同程度 ［20］ 。
同时，应对所用元数据的合理性进行评价，以确保分析结果的可靠性。
6）探索供需关系簇群的社会-自然驱动因素。针对识别出的不同供需关系簇群，采用冗余分析并
结合正向逐步选择等变量筛选算法，确定在不同簇群类型中显著影响生态服务供需关系的社会-自然
驱动因素（如气候、地形、土地利用、人口密度、经济发展水平等）的关键组合。通过对单个生态服务
供需关系进行深入分析（如层次分析、统计回归），量化驱动因素的影响程度与作用方式 ［21］ 。
综上所述，在完成水利工程生态服务功能的供需分析、空间格局刻画、关系簇群识别、协同/权
衡判定及驱动因素探索后，给出最终价值量化成果。本文在整合上述分析结果的基础上，运用线性回
归模型测算水利工程生态服务价值。该模型旨在建立水利工程生态服务价值与其关键影响因素之间的
定量关系，结构如下：
V = β 0 + β 1 ⋅ C + β 2 ⋅ F + β 3 ⋅ V pred + ε （2）
式中：V 为生态服务总价值；β 为常数项；C、F 和 V 代表影响服务价值的三组不同的自变量或调节
0 pred
变量组，分别为环境背景因子、功能类型因子和社会经济因子；β 、β 、β 分别为对应变量组的（综
1 2 3
合）回归系数；ε 为随机误差项，假定服从独立同分布的正态分布。
2.2 ESV 综合评估与归并计算 在评估水利工程体系整体生态效益时，需对不同类型生态要素提供
的同类型 ESV 进行汇总。然而，简单的价值加和可能因忽略生态系统各组分间的相互作用及综合功效
而低估总价值。ESV 的货币化有助于有效体现生态资源的稀缺性，为筛选经济上更具可行性的生态保
护与恢复措施、提升流域整体生态健康水平提供科学依据。同时，评估结果可通过水生态补偿、水权
交易置换、水生态品市场化交易等方式实现价值转化与区域间生态资源的合理配置，从而在一定程度
上克服单一货币估值的局限性。
2.2.1 理论背景与现实挑战 近年来，生态系统方法作为指导全球生物多样性评估的一项关键原则，
已受到广泛认可并在实践中得到充分应用。然而，人类活动加剧对全球生态系统造成了一定程度的负
面影响，致使人类从中获得的惠益持续受到威胁。水利工程生态服务价值同样易受外界干扰。为确保
价值测算结果的科学性与合理性，需对生态资源或生态产品所承载的服务功能量进行定量评估。其

— 911 —