湘江流域(24.33°-29.50°N，111.50°-114.50°E)主要分布于湖南省、广东省和广西壮族自治区交界处，总面积约为95 474 km²(图 1)。湘江流域属于亚热带季风气候区，年降雨量为1 000 ~1 400 mm，年平均温度为14~19 ℃，平均海拔为329.2 m，地势呈由南向北逐渐降低的趋势，土壤类型以红壤和黄壤为主，植被类型丰富，以常绿阔叶林为主。湘江流域涵盖广东省连山壮族瑶族自治县、广西壮族自治区的全州县、灌阳县以及湖南省的长沙县、湘潭县、祁东县等69个县级行政区。截至2020年，湘江流域湖南段人口数为3 713.34万人，占湖南省人口总数的55.88%，城镇化水平为63.16%^[27]，是湖南省人口最稠密、经济最发达的地区。

① 土地利用数据(2000、2010、2020年)来源于国家地球系统科学数据中心(https://www.geodata.cn/)，分辨率为30 m，共划分为耕地、林地、灌木林地、草地、水域、未利用地、建设用地七大类；②气象数据包括降水、温度、太阳辐射等，数据来源于国家气象信息中心(https://data.cma.cn)，通过普通克里金插值方法进行空间化处理，空间分辨率为100 m；③潜在蒸散发数据(2000-2020年)来源于国家地球系统科学数据中心(https://www.geodata.cn/)，分辨率为1 km，通过线性插值降低分辨率至100 m；④地表高程(DEM)数据来源于国家青藏高原科学数据中心(https://data.tpdc.ac.cn/)，分辨率为30 m；⑤核标准化植被指数(kernel Normalized Difference Vegetation Index，kNDVI)在中分辨率成像光谱仪(MODIS/061/MOD13Q1)中获取，该数据涵盖了2000年2月至2020年12月时间段，分辨率为250 m；⑥人口密度来源于LandScan人口密度数据集(https://landscan.ornl.gov/)，分辨率为1 km；⑦夜间灯光指数来源于国家地球系统科学数据中心(https://www.geodata.cn/)，分辨率为500 m。⑧渔网数据根据泰森多边形原理，在ArcGIS中根据湘江流域边界建立5 km六边形渔网。

湘江流域作为典型的经济密集区和人地矛盾突出区域，其生态系统服务管理需优先聚焦在与区域发展核心需求紧密关联的供给与调节服务上，以解决当前最紧迫的“发展—保护”矛盾。因此，本研究选取粮食生产(供给服务)和碳固存、土壤保持、水源涵养(调节服务)作为研究对象^[28]。粮食生产保障区域粮食安全，碳固存、土壤保持与水源涵养则分别响应减缓气候变化、控制水土流失及缓解水资源短缺的核心生态挑战，以此系统揭示流域内经济发展与生态保护间的权衡/协同机制^[22]。

粮食生产是自然生态系统服务中最重要的供给服务之一，对人类生产生活至关重要，本研究主要在县域粮食统计年鉴的基础上，采用归一化植被指数(Normalized Difference Vegetation Index，NDVI)校正法将县域粮食重新分配至栅格尺度^[29]。公式如下：

式中：FP_x为栅格单元x的粮食产量(t/km²)；FP_sum，i为县域粮食产量；NDVI_x为单个栅格单元x的NDVI；NDVI_mean，i为县域i耕地的NDVI平均值。

植被净初级生产力(Net Primary Productivity，NPP)反映了植被群落的生产能力和生态过程，对调节全球碳平衡、增强生态服务功能具有重要的意义，本研究基于CASA模型^[30]对湘江流域的NPP进行计算，表征生态系统碳固存能力。公式如下：

式中：NPP(x，t)为像元x在第t个月的净初级生产力[g/(m²·a)]；APAR(x，t)为吸收的光合有效辐射(MJ/m²)；ε(x，t)是像元x在第t个月的实际光合利用效率(g/MJ)。

土壤保持指潜在土壤侵蚀和实际侵蚀之间的差异，在维护生态系统功能、保护土地资源、促进可持续发展等方面发挥着重要作用。本研究使用修订的通用土壤流失方程(Revised Universal Soil Loss Equation，RUSLE)计算土壤侵蚀量^[31]，公式如下：

式中：SR为土壤保持量(t/hm²)；R为降雨侵蚀力因子[MJ·mm/(hm²·h)]；K为土壤可蚀性因子[t·hm²·h/(hm²·MJ·mm)]；L、S为坡长、坡度因子；C为植被覆盖因子；P为水土保持措施因子；L、S、C、P均为无量纲因子。

本研究基于InVEST模型的产水量模块计算产水量，进一步结合径流系数及地形指数等计算水源涵养量。公式如下^[32]：

式中：WY为产水量(mm)；AET_x为栅格x的年实际蒸散发(mm/a)；P_x为年降雨量(mm)；WR为水源涵养量(mm)；V为流域内各地类的径流流速系数，流速系数通过查阅参考文献[29]获得；TI为地形指数，通过流域DEM计算得到，为常量；K为土壤饱和导水率。

Spearman相关性分析通常用来量化不同变量之间的相互关系及强度^[10]，本研究以栅格为统计单元，采用相关性分析得出研究区2000、2010、2020年4种生态系统服务在空间上的权衡/协同关系，公式如下：

式中：r_xy为变量X和Y之间的简单相关系数；r_xz是变量X和控制变量Z之间的简单相关系数；r_yz是变量Y和控制变量Z之间的简单相关系数。若R＞0，表明两种生态系统服务间为协同关系，若R＜0，则表明两种生态系统服务间呈权衡关系。此外，当p＞0.05时，相关性较弱；当p＜0.05时，相关性显著；当p＜0.01时，相关性极显著。

极端梯度提升决策树(eXtreme Gradient Boosting，XGBoost)通过迭代训练多棵弱决策树(如CART)，每棵树学习前序模型的残差，最终以加权投票或累加预测值的方式提升整体模型精度，与SHAP(SHapley Additive exPlanations)的结合是一种将高性能机器学习算法与可解释性框架融合的先进方法，其核心优势在于精准预测能力与透明决策解释的有机统一，具体公式详见赵慧等^[33]的研究。在本研究中，主要选取了4项自然因子和4项人类干扰因子(表 1)，探究生态系统服务权衡/协同关系对驱动因子变化的响应。生态学研究中，空间分析单元的选择直接影响研究结果的准确性。传统的方形网格存在几何畸变和方向偏差等局限性，而六边形网格在空间离散中具有较低的采样偏差和更均匀的邻域结构，有助于减少方向性误差^[34]，已成为生态学研究中的一种新方法。

基于ArcGIS 10.8将2000、2020年湘江流域土地利用数据进行叠加分析，生成土地利用转移矩阵，并采用数据透视表格展示2000年与2020年间的地类转化面积(表 2)，结果表明，林地(58.99%)和耕地(36.45%)构成2020年流域主导地类，合计占比超95%，而建设用地(3.12%)和水域(1.33%)占比较低。2000年到2020年间，建设用地增幅显著(102.32%)，林地、草地、灌木林地及水域面积持续下降，其中林地年均减少约0.28%，与农业开垦及建设用地扩张相关。空间上，耕地集中分布于北部、西部及中部平原，并向南部低山丘陵区扩张，呈“北密南疏”梯度格局(图 2)；林地集中于南部中高山及流域边缘生态屏障区，呈“边缘集中、核心稀疏”特征；建设用地沿湘江干流带状分布，北部城市群密度最高，并向中下游扩散，形成“沿江走廊+组团扩张”模式。

2000、2010、2020年间，湘江流域粮食生产、碳固存、水源涵养、土壤保持呈现显著空间异质性，并与土地利用覆盖空间分布高度耦合(图 3)。

粮食生产多年均值为67.98 t/km²，北部受城市化和退耕还林影响表现为显著下降趋势，南部因低山丘陵耕地扩张呈上升趋势，空间上呈“北高南低”梯度分布，高值区主要位于北部洞庭湖平原，粮食产量＞200 t/km²，低值区(＜50 t/km²)则位于南部中高山。水源涵养量多年均值为1 271.88 mm，受当年降水量及温度的扰动较大，其时空变异最为明显，呈现“中心低、四周高”的圈层分布，高值区位于流域东北部、西南部山区，低值区集中于中部河谷平原区。碳固存多年均值为922.89 g/(m²·a)，并在研究期内呈持续上升态势。其空间格局具有显著的“南高北低”特征，高值区主要分布于植被覆盖度较高(＞70%)的东部和南部山区，包括雪峰山、南岭北麓和武陵山等地[＞1 000 g/(m²·a)]。相比之下，北部长株潭城市群受快速城市化扩张影响，植被覆盖度下降，形成碳固存低值区[＜500 g/(m²·a)]；土壤保持多年均值为1 118.73 t/hm²，整体呈缓慢增长趋势。土壤保持呈“北低南高”带状分布，高值区(＞3 000 t/hm²)位于南部及东南部高覆盖林地丘陵区，低值区(＜500 t/hm²)分布在湘江北部平原，其空间分布与碳固存一致，主要得益于高覆盖林地的截留拦蓄功能。

基于R中corrplot包的Spearman相关性分析(双尾检验，p＜0.01/p＜0.05分别界定极显著/显著区)量化了湘江流域生态系统服务的权衡/协同关系并进行空间可视化(图 4)，通过ArcGIS对不同分区面积进行统计(表 3)。研究结果表明：粮食生产—碳固存/土壤保持/水源涵养均以权衡关系为主导，体现“人类活动—自然服务”冲突格局。粮食生产—碳固存显著权衡区(21.29%)主要分布于北部及中部城市扩展带与平原农垦区，显著协同区(18.16%)集中于西南部低山丘陵，反映城镇化、农业与高植被覆盖对碳汇的差异化影响；粮食生产—土壤保持显著权衡区(11.22%)与≥25°陡坡耕地高度耦合，揭示中高海拔、陡坡地的农业扩张可能会加剧水土流失；粮食生产—水源涵养显著权衡区(20%)与粮食高产带重叠，表明高强度农业会削弱水文调节能力。

生态调节型服务间则呈现显著正向关联。水源涵养—碳固存强协同(33.80%)，主要分布于北部及流域边缘平缓区，表明森林、草地具有高水源涵养与固碳功能，但协同强度随海拔升高而降低；水源涵养—土壤保持空间异质性显著，显著权衡区(16.44%)与粮食高产区高度耦合，显著协同区(24.77%)与粮食低产区重叠，反映人类活动会加剧自然生态系统服务间的权衡效应；碳固存—土壤保持显著协同区(27.19%)主要分布于低山丘陵林地，原因在于高覆盖植被有利于截留降水、固土及有机质的积累且较低的海拔降雨冲刷力较小，而显著权衡区(10.8%)主要位于南部高海拔区域以及受人类扰动较大的坡耕地区域。

本研究基于XGBoost+SHAP模型，揭示了湘江流域生态系统服务权衡/协同关系对社会—自然驱动因素的响应(图 5)。结果表明，耕地面积占比和海拔是影响湘江流域生态系统服务权衡/协同的关键驱动因子(均位于因子重要性排序前四位)。根据蜂群图结果，高耕地面积占比通过替代林草地，降低植被覆盖度和景观连通性进一步加剧粮食生产与调节服务的权衡效应(SHAP值为-0.60~0.10)，耕地面积占比越大，权衡效应越明显；中高海拔区域(DEM＞500 m)对生态系统服务的协同关系具有显著的正向贡献(SHAP值为0.10~0.30)，原因在于该区域植被类型以森林为主且具有较低的气温和较高的湿度，有利于植被的生长和土壤的保持。kNDVI是碳固存相关的服务关系中的重要驱动因子(位于因子重要性排序前三位)，高kNDVI在碳固存—土壤保持、水源涵养—碳固存中主要表现为正向驱动作用(SHAP值为0.10~0.50)，而在粮食生产—碳固存中则表现为负向驱动作用(SHAP值为-0.40~0)。降水与温度(SHAP值为0.10~0.40)可能通过影响植被生长、蒸散和土壤水分过程调节，促进与水源涵养相关关系的协同效应。此外，夜间灯光指数、建设用地面积占比(平均|SHAP值|＜0.1)等人类干扰因子在因子重要性排序中均为低位。

厘清生态系统服务权衡/协同对自然环境与人类干扰的响应，有助于深化对其动态转化过程的认知，从而为制定科学的土地利用管理政策提供可参考的依据。湘江流域海拔呈由南向北递减，林地集中分布在南部、东部及流域边缘海拔较高的区域，农田、建设用地主要分布在北部的洞庭湖平原，因此水源涵养、碳固存、土壤保持高值区集中在南部、东南部区域，粮食生产高值区分布在北部及中部区域，这与刘俊宇^[37]在湘江流域的研究结果一致。湘江流域生态系统服务权衡/协同关系的空间异质性主要受土地利用强度和空间分布的影响。粮食生产—碳固存/土壤保持/水源涵养呈现显著的权衡关系，这与农业集约化导致的自然植被退化密切相关，与Foley等^[38]提出的“农业扩张—生态功能衰减”研究结论一致。湘江流域北部区域因耕地扩张和城市蔓延，导致林地碎片化，进而使得碳固存和水源涵养功能显著下降，反映了快速土地利用变化与生态系统服务功能之间存在显著权衡关系^[39-40]，进一步印证了“人类活动—生态服务非线性衰减”理论。而生态调节服务间呈现协同效应则主要源于森林、草地生态系统的多功能耦合特性，表明这些生态系统在提供多种生态服务时，能够通过内部功能的相互作用和协同增效，实现服务之间的正向反馈和优化组合，从而在整体上提升生态系统的功能稳定性和服务供给能力^[41-42]。此外，丘陵和山地区域的坡耕地使粮食生产与土壤保持之间的权衡更加显著，呈现出“地形—管理交互效应”，即地形条件与农业之间的相互作用加剧了水土流失。这一发现与韩磊等^[43]在黄土高原的研究结论一致，表明退耕还林还草(特别是坡耕地退耕还林还草)等生态管理措施是缓解服务权衡的关键措施。

本研究采用XGBoost+SHAP模型，识别和量化不同驱动因素对生态系统服务权衡/协同关系的影响程度，有助于深入探究生态系统服务关系的变化机制。结果表明，耕地面积占比是调控服务间相互作用的核心驱动因子，其作用强度与方向受地形梯度、土地利用强度及生态系统结构异质性的共同影响。这是由于大面积的耕地开发通常伴随着自然植被的减少和生态系统结构的简化^[44]，从而削弱了生态系统服务之间的协同效应，导致权衡关系的加剧。在自然因素中，海拔对生态系统服务的协同与权衡关系具有显著的调节作用。一般而言，海拔越高的区域，植被覆盖率越高且植被类型越丰富，这有利于碳固存和水源涵养，使二者呈现出协同关系。然而，海拔越高也意味着坡度越大，陡坡区域更容易发生水土流失，从而降低土壤保持和碳固存的能力。因此，在海拔500~1 000 m时^[45-46]，土壤保持、碳固存、水源涵养能呈现出显著协同关系。此外，水源涵养—碳固存、水源涵养—土壤保持关系中，降水、温度、植被指数和海拔是驱动权衡/协同关系变化的主要因素，表明在这一特定的生态系统服务关系中，气候条件和植被覆盖对生态系统服务的协同或权衡关系起到了重要的调节作用^[47]。在多种生态系统服务权衡/协同关系中，夜间灯光指数和建设用地面积占比的影响力相对较小，表明城市化进程加快、建设用地面积有所增加，但其在生态系统服务权衡/协同关系中的整体影响仍然有限。这可能是因为城市化和建设用地扩张主要集中在局部区域，且其对生态系统服务的影响具有一定的滞后性，因此在当前的时间尺度上尚未表现出显著的驱动作用^[48]。然而，这并不意味着城市化和建设用地扩张对生态系统服务没有影响，其潜在的长期影响仍需进一步关注和研究。

本研究通过量化湘江流域生态系统服务的时空演变及权衡/协同的关键驱动因子，得出以下结论：

1) 2000-2020年，碳固存、水源涵养、土壤保持整体呈现出增加趋势，三者空间分布相对一致，流域南部及东部区域供给能力相较其他区域强，由北向南呈现出递增趋势；粮食生产在北部平原区轻微下降，在南部低山丘陵区呈增加趋势。

2) 6对生态系统服务关系在空间上均呈现权衡/协同关系并存的特征。其中水源涵养—碳固存、水源涵养—土壤保持、碳固存—土壤保持以协同作用为主，主要集中在南部、东南部区域；而粮食生产—碳固存、粮食生产—土壤保持、粮食生产—水源涵养以权衡效应为主，分布在北部洞庭湖平原及坡耕地区域。

3) 耕地面积占比和海拔是调控服务间权衡/协同关系的核心驱动因子。耕地扩张会显著增强权衡效应；中高海拔区域可以维持碳固存、土壤保持与水源涵养之间的协同关系，降水、温度与植被是水源涵养相关服务的关键因子。受空间局部性与时间滞后性限制，夜间灯光指数与建设用地占比对当前服务关系的驱动较弱，但其长期生态效应需持续监测。

因此，优化耕地空间布局、保留关键海拔带植被完整性、加强陡坡水土保持工程，是缓解服务权衡关系、提升协同的关键路径。