EN中文

经济地理 >

2025 , Vol. 45 >Issue 4: 133 - 145

DOI: https://doi.org/10.15957/j.cnki.jjdl.2025.04.013

三农、土地与生态

生态系统服务流视角下的流域横向生态补偿研究——以长江干流为例

  • 沈菊琴 , 1, 2 ,
  • 池辰 2 ,
  • 黄昕 , 1, ※ ,
  • 高鑫 3 ,
  • 胡佩 1
展开
  • 1.河海大学 农业科学与工程学院，中国江苏 南京 211100
  • 2.河海大学 商学院，中国江苏 南京 211100
  • 3.上海交通大学 安泰经济与管理学院，中国 上海 200030
※黄昕（1996—），男，博士研究生，研究方向为生态补偿、排水权、水资源管理。E-mail:

沈菊琴（1962—），女，博士，教授，博士生导师，研究方向为生态补偿、环境资源会计、水资源管理。E-mail:

收稿日期: 2024-01-07

  修回日期: 2024-09-24

  网络出版日期: 2025-06-24

基金资助

国家自然科学基金青年项目(72404169)

上海交通大学新进教师启动计划(23X010502005)

江苏省研究生创新课题(KYCX24_0891)

江西水利科技项目(822056116)

收起

Horizontal Ecological Compensation of Watershed from the Perspective of Ecosystem Services Flow: A Case of the Yangtze River Mainstream

  • SHEN Juqin , 1, 2 ,
  • CHI Chen 2 ,
  • HUANG Xin , 1, ※ ,
  • GAO Xin 3 ,
  • HU Pei 1
Expand
  • 1. College of Agricultural Science and Engineering，Hohai University，Nanjing 211100，Jiangsu，China
  • 2. Business School，Hohai University，Nanjing 211100，Jiangsu，China
  • 3. Antai College of Economics and Management，Shanghai Jiao Tong University，Shanghai 200030，China

Received date: 2024-01-07

  Revised date: 2024-09-24

  Online published: 2025-06-24

Fold

摘要

文章基于2005—2020年长江干流11个省份的土地利用数据，采用水足迹法引入自身生态消费价值系数，结合生态系统服务价值法，通过考量生态价值的供给与消费，探究了不同省份的生态系统服务外溢价值；并在确定流域横向生态补偿标准的基础上，引入比较生态辐射力模型，从生态系统服务流的角度优化了长江干流各省份横向生态补偿资金分配方案。结果表明：①2005—2020年长江干流的生态系统服务价值先缓慢下降后陡增，总体上涨幅为3.16%。②长江干流的自身生态消费价值呈倒“U”型变化，但总体上略有增长，且呈现从西向东逐渐递增的趋势。③研究期间长江干流整体生态系统服务处于外溢状态，补偿标准从高到低依次为西藏、青海、四川、云南、江西、湖南、重庆、湖北、安徽、上海和江苏。④江苏需支付占比超过总额的60%，是长江干流横向生态补偿资金的主要来源；安徽与上海分别在2005和2015年、2010和2020年承担的生态补偿责任最少。⑤西藏获得的补偿资金占比超过总额的50%，是长江干流横向生态补偿的主要受偿对象；安徽在2010和2020年获得补偿最少；2005和2015年受偿最低的是湖北和重庆，占比均不足0.7%。

关键词： 流域横向生态补偿; 生态系统服务流; 补偿标准; 资金分配; 长江干流

本文引用格式

沈菊琴 , 池辰 , 黄昕 , 高鑫 , 胡佩 . 生态系统服务流视角下的流域横向生态补偿研究——以长江干流为例[J]. 经济地理, 2025 , 45(4) : 133 -145 . DOI: 10.15957/j.cnki.jjdl.2025.04.013

Abstract

Based on the land use data of 11 provincial-level regions of the Yangtze River mainstream from 2005 to 2020, this study adopts the water footprint method to introduce self eco-consumption value coefficient, combines with the ecosystem services value method, and considers the supply and consumption of ecological value to explore the spillover value of ecosystem services in different provinces. Based on the determination of horizontal ecological compensation (HEC for short) standards, a comparative ecological radiation force model is introduced to optimize HEC funds allocation scheme for 11 provinces in the Yangtze River mainstream from the perspective of ecosystem services flow. The results show that: 1) The ecosystem service value of the Yangtze River mainstream declines slowly at first and then increases steeply from 2005 to 2020, with an overall increase of 3.16%. 2) The value of ecological consumption in the Yangtze River mainstream shows an inverted-U shape, but increases slightly in general, and shows a trend of gradual growth from the west of the Yangtze River mainstream to the east of the Yangtze River mainstream. 3) The overall ecosystem services of the Yangtze River mainstream are in a spillover state during the study period. The compensation standards, in descending order, are Xizang, Qinghai, Sichuan, Yunnan, Jiangxi, Hunan, Chongqing, Hubei, Anhui, Shanghai and Jiangsu. 4) Jiangsu is required to pay more than 60% of the total, and is the main source of HEC funds in the Yangtze River mainstream. Anhui and Shanghai were the least responsible for compensation in 2005 and 2015, 2010 and 2020, respectively. 5) Xizang receives more than 50% of the total compensation funds, and is the main recipient of HEC. Anhui receives the least compensation in 2010 and 2020. Hubei and Chongqing receive the least compensation in 2005 and 2015, accounting for less than 0.7%.

Key words： horizontal ecological compensation of watershed; ecosystem services flow; compensation standards; fund allocation; Yangtze River mainstream

流域是自然地理和经济发展的复合型区域，其生态服务功能与人类社会的可持续发展密切相关。然而，受气候变化和人类活动的影响，全球流域生态系统持续退化。《联合国水资源世界评估报告》显示，全球每年约有4000多亿m³污水排入流域，导致淡水污染体积超过全球径流量的14%[1]。中国是世界上受水污染最严重的地区之一，尤其是长江流域。据统计，长江流域水土流失面积约100万km2，中游天然湿地较1950年减少约70%，长江流域的生态安全面临严重威胁[2]，极大地制约了经济社会的可持续和高质量发展。
为化解流域内各地区生态保护与经济利益的冲突，并促进生态修复与环境改善，我国逐步推行生态补偿机制。该机制通过市场和经济手段调节流域相关利益方关系，旨在修复生态系统功能并实现可持续利用，既能协调上下游生态保护与发展的矛盾，又能平衡“绿水青山”保护者与“金山银山”受益者的利益[3]。目前，我国已先后出台《关于建立健全长江经济带生态补偿与保护长效机制的指导意见》《生态综合补偿试点方案》等政策，推动了流域生态补偿实践的有效开展。据统计，近5年长江流域水质优良断面比例保持较高水平[4]。然而，现行机制仍以中央或上级政府财政转移支付为主，尽管这种纵向补偿可缓解预算收支不对称问题，但既使得中央难以承担巨额生态补偿投入，也无法直接体现生态服务的收益补偿关系。截至2019年，中央财政累计投入生态补偿资金1.8万亿元。大额政府支出导致制度实施的可持续性不足，生态保护效果受限[3]。
随着《支持长江全流域建立横向生态保护补偿机制的实施方案》等政策的出台，横向生态补偿逐渐成为缓解政府生态环境支出压力的有效手段。该模式通过受益生态地区向保护地区支付补偿，化解环境保护成本与收益的外部性矛盾。目前，我国流域横向生态补偿模式实践时间较短，跨区域补偿标准量化研究仍处于探索阶段，现有案例多限于上下游相邻地区签订的局部协议[3]。对于长江流域这类跨区域大型流域，生态要素的复杂性与空间关联性导致生态系统服务价值在地理上分布不均，其溢出效应常涉及多个非相邻区域[5]。然而，相邻地区的双边协商效率低下，易形成碎片化补偿体系，难以满足全流域系统性保护需求。因此，科学划定补偿区域、制定核算标准、优化资金分配，并探索大型多区域间横向支付机制，已成为当前政策实施的关键问题。
目前，国内外计算流域生态补偿标准的主要方法包括条件价值评估法[6]、机会成本法[7]、水资源价值法[8]和生态系统服务价值法[9]。但这些方法仍存在某些局限，如条件价值评估法过度依赖受访者的主观意愿和认知水平；机会成本法对数据的准确性和完整性要求很高，这在实践中难以实现；水资源价值法需要完善的市场交易机制作为基础，而我国目前尚不具备这一条件；生态系统服务价值法的测算结果往往偏离实际可执行范围。现有流域横向生态补偿资金分配研究多集中于相邻省份或城市群尺度，主要考量水质水量[10]、节水减排潜力[11]、水源涵养能力[12]等方面，采用最优最劣法、熵值法等指标评价方法确定分配比例[13]。例如，Fu等[10]基于水质的角度构建了流域水资源分配和多目标优化模型，以此作为生态补偿资金分配的基础；Lu等[13]从水土保持、水资源贡献、水质改善和水资源利用效率4个维度建立了河南水生态补偿资金分配体系；戈健宅等[14]从生态供给和生态风险两个维度构建了生态补偿优先指数，提出了洞庭湖生态经济区的补偿权重确定方法。
总体而言，现有流域横向生态补偿的标准核算与资金分配研究虽取得了重大进展，但仍存在以下不足：①现行方法多基于静态的生态系统服务价值存量，导致测算结果偏高，既加重财政负担，又削弱政策可持续性。②针对流域横向生态补偿资金分配的研究较少，或将其与补偿标准混为一谈。以某一时段水环境成效为依据，并不能充分量化生态要素多元性与服务流动性，致使分配结果偏离实际价值。③现有研究集中于相邻省份或城市群间，缺乏非毗邻区域的补偿机制设计，难以统筹全流域生态系统贡献者与受益者的利益关系，制约整体生态保护成效。
基于此，本文拟从以下两方面进行完善：①基于大型跨区域流域视角，通过量化生态系统服务价值的时空溢出效应，构建更合理的补偿标准核算体系。②从流域完整性的角度出发，引入生态系统服务流的概念，解析多区域间生态系统价值的网络化流动特征，设计全流域协同的贡献—受益补偿机制，提升补偿政策公平性与实施效果。具体而言，本文基于2005—2020年长江干流11个省份的土地利用数据和社会经济数据，在运用GIS技术综合评估生态系统服务的供给和自身消费的基础上，采用水足迹法构建生态消费价值系数，结合生态系统服务价值法量化区域生态消费，建立外溢价值核算模型，确定补偿标准。最后，基于比较生态辐射力模型优化资金分配，以期为完善流域横向生态补偿机制提供科学支撑。

1 研究方法与数据来源

1.1 研究区概况

长江流域作为世界第三大流域，横跨我国东部、中部和西部三大经济区，经济总量占全国1/3，流域面积占中国国土面积的18.8%。其中，长江干流流经我国11个省、自治区和直辖市（文中简称省份），地貌类型多样，水资源量占全国36.0%，拥有众多自然保护区和水源地，既是重要经济带，也是关键生态屏障[4]（图1）。
图1 研究区域概况

Fig.1 Geographical location of the study area

然而，快速工业化和城市化导致了流域生态环境恶化：根据《2019年度全国地下水动态监测评价结果公报》，2019年长江流域地下水劣Ⅴ类比例达46.5%，水土流失面积约100万km²；国家卫星气象中心风云气象卫星监测数据显示，2022年洞庭湖、鄱阳湖频繁干涸，天然湿地较1950年代萎缩70.0%；森林覆盖率下降20.0%，过半重大污染事件发生于本流域[15]。资源分布与经济水平空间错位明显：上游人均水资源是下游100倍，但人均GDP仅为下游一半[4]。
这种生态与经济的不平衡，亟需建立全流域横向生态补偿机制。通过科学制定补偿标准和资金分配方案，协调跨区域生态利益，既可为长江保护提供制度保障，也能为全球大型流域治理提供中国方案。

1.2 研究方法

1.2.1 生态系统服务价值核算模型

生态系统服务价值法最初是由Costanza等[16]提出，用于评估区域生态系统服务产品的供给的能力。为提升研究结果在长江干流的适用性，本文基于谢高地等[17]提出的中国生态系统服务价值系数表，采用式（1）进一步调整参数。土地利用数据方面，通过ArcMap 10.2将长江干流的25种二级地类整合为耕地、森林、草地、水域、湿地和荒漠六大类生态系统，最终构建区域生态系统服务价值模型如下：
D r , t = 1 7 ∑ i = 1 n p i q i m i M
E S V r , t = ∑ k ∑ l D r , t · V C k , l · S k , t
式中： E S V r , t和 D r , t分别代表地区r在t时期的生态系统服务价值和单位生态系统服务当量因子经济价值；pi、qi和mi分别为各地区粮食作物i的单位价格、单位产量和面积，由于本研究时间跨度较长，年度粮食作物单位价格以2005年全国农产品市场价格为基础，根据不同年份的CPI指数平减得到；M为研究区域所有粮食作物的总面积； S k , t为t时期土地利用类型k的面积； V C k , l表示土地利用类型k上生态系统服务l的价值系数。

1.2.2 自身生态消费价值核算模型

水是人类生存的最基本要素和重要经济资源，流域的发展建立在水资源的流动之上。本文参考王奕淇等[18]的成果，通过流域内各地区水资源需求和供给的比值来定义地区的自身生态消费系数，用于反映人类对流域生态系统的利用程度。由此，本文构建的地区自身生态消费价值核算模型如下：
C E S V r , t = E S V r , t · C V r , t
C V r , t = W D r , t / W S r , t
式中： C E S V r , t、 C V r , t、 W D r , t和 W S r , t分别表示地区r在t时期的自身生态消费价值、自身生态消费系数、水资源需求量和水资源供给量。
Hoekstra[19]最早提出水足迹的概念，指的是国家、地区或个人在一定时间内消费所有产品和服务所需要的水资源量。水足迹理论在水资源与人类经济社会活动之间建立连接，从消费的角度反映了人类对水资源的利用。近年来，水足迹模型被学术界广泛应用于水资源需求的衡量[15]。根据水足迹模型，水足迹包括农业用水、工业用水、居民生活用水、生态环境用水和净贸易水量5个方面。由此，本文的水资源需求核算模型如下：
W D r , t = A W D r , t + I W D r , t + L W D r , t + E W D r , t + N I W D r , t
式中：AWDr，t、IWDr，t、LWDr，t、EWDr，t和NIWDr，t分别表示地区r在t时期的农业、工业、居民生活、生态环境用水量和净贸易水量。其中，农业用水量和净贸易水量一般采用虚拟水足迹计算。前者通过计算地区各类主要农畜产品的单位质量虚拟水含量与产量乘积的加总求和得到；后者为地区万元GDP用水量与进出口贸易额差额的乘积。

1.2.3 流域横向生态补偿标准核算模型

生态系统服务贡献区在满足自身需求的同时，通过服务外溢对受益区产生额外效用[20]。因此，受益区应根据其获得的生态外溢价值向贡献区支付补偿。横向补偿标准可基于流域生态外溢价值计算，即生态系统服务总价值减去贡献区自身消费部分。该方法避免了传统静态评估导致的补偿标准偏离实际需求的问题[21]，提升了可操作性。此外，食物生产、原材料生产和水资源供给等供给服务价值已通过市场交易实现，故未纳入补偿标准模型[22]。模型构建如下：
E C r , t = N E S V r , t - C E S V r , t
式中：ECr，t和NESVr，t分别是指地区r在t时期的横向生态补偿标准和非市场化生态系统服务价值。当NESVr，t-CESVr，t>0时，表示该地区存在生态系统服务价值外溢，为生态系统服务贡献区，是横向生态补偿的客体；当NESVr，t-CESVr，t<0时，表示该地区存在生态系统服务价值占用，为生态系统服务受益区，是横向生态补偿的主体。

1.2.4 流域横向生态补偿资金分配模型

生态系统服务通过自然媒介（如空气、水）和人为作用在空间上流动，学术界用生态系统服务流描述这种从供给区到需求区的跨时空传输过程。贡献区的盈余价值会沿特定路径流向受益区，且可能惠及多个地区，其影响范围随距离增加而递减，并受介质（水、风、生物）和地形等因素影响[23]。因此，区域间的生态利益关系不仅取决于供需身份，还取决于服务流的空间范围。
本文借鉴陈江龙等[24]提出的比较生态辐射力（衡量某地区生态服务对外部的相对价值影响），结合指数距离衰减函数，量化单路径生态服务流动。计算公式如下：
W s o = e - D s o / D m a x
C E R F s o = W s o 1 + N E S V s / N E S V o
式中：Wso、Dso和CERFso分别代表横向生态补偿主体s与横向生态补偿客体o之间的指数距离衰减系数、核心距离以及比较生态辐射力；Dmax是Dso中的最大值，即横向生态补偿主体与横向生态补偿客体之间的最大距离；NESVs和NESVo分别是横向生态补偿主体s与横向生态补偿客体o的非市场生态系统服务价值。
从生态系统服务贡献的角度来看，横向生态补偿主体s应该支付给横向生态补偿客体o的资金金额CASso为：
C A S s o = E C o · C E R F s o ∑ o = 1 n C E R F s o
由于流域生态系统服务价值存在外溢效应，部分价值使流域外地区受益，因此横向生态补偿资金分配应基于实际受益情况确定。考虑到生态系统服务的公共物品属性和区域发展差异，本文引入支付意愿系数（反映公众生态认知）和支付能力系数（体现经济水平差异），对补偿标准进行修正。最终补偿主体s需要支付给横向生态补偿客体o的资金金额CANso为：
C A N s o = E C s · C A S s o ∑ o = 1 n C A S s o · W T P s · A T P s
式中： W T P s和 A T P s分别为横向生态补偿主体s的生态补偿支付意愿系数和支付能力系数。
由于生态系统服务具有公共物品属性，公众的生态补偿支付意愿会随社会发展呈S型增长（类似Logistic生长曲线）。与此同时，地区经济发展水平越高，其支付能力越强。马慧强等[25]的实证研究表明，人均GDP能有效表征区域经济实力（第一主成分方差贡献率达93.7%）。因此，横向生态补偿主体s的生态补偿支付意愿系数和支付能力系数分别可以用式（11）和（13）来表示：
W T P s = 1 1 + e - t s
t s = 1 E n s - 3
A T P s = G D P s G D P t o t a l
式中：e为自然常数； t s为横向生态补偿主体s的社会发展阶段，用恩格尔系数En表示； G D P s和 G D P t o t a l分别为横向生态补偿主体s和整个研究区域的人均GDP。

1.3 数据来源

本文使用的2005—2020年土地利用数据来源于中国科学院资源环境科学数据中心（https://www.resdc.cn），原始数据来自30m Landsat TM/ETM+/OLI、ZY-3、HJ-1A等遥感卫星影像，通过目视解译得到[26]。播种面积、产量和平均价格等主要农作物数据，以及GDP、人口和进出口贸易额等社会经济数据来自国家统计局（http://www.stats.gov.cn/）的《中国农村统计年鉴》《中国农产品价格调查年鉴》，以及长江干流11个省份的统计年鉴。水土流失面积、万元GDP用水量和水资源供给量数据来源于中华人民共和国水利部（http://www.mwr.gov.cn/）和长江干流11个省份的水资源公报。囿于遥感数据的滞后性和可得性，本文未能将研究时段拓展至当前年份。未来将继续深化与流域管理机构的合作，致力获取更新更高精度的数据。

2 结果与分析

2.1 长江干流的生态系统服务价值

本文基于长江干流各省份的主要粮食作物，包括稻谷、小麦和玉米等，通过式（1）~（2）计算得到2005—2020年生态系统服务价值（表1）。结果显示，长江干流生态系统服务价值总量从2005年的16.98万亿元增加至2020年的17.52万亿元，总体增长3.16%。其中，2005—2015年下降至16.33万亿元（降幅3.83%），2015—2020年则显著回升（增幅7.27%）。这表明其生态服务功能总体增强。从土地利用变化看，不同地类的影响存在差异。2005—2015年，虽然长江干流水资源丰富带来生态系统服务价值的增加，但难以抵消农田、森林和草地减少造成的损失；2015—2020年，尽管荒漠扩张产生了负面影响（贡献度最低），但新建水库、湿地公园及退耕还林工程促使森林、水域和湿地面积大幅增加，完全抵消了负面效应。据2020年监测，全国退耕还林年产生生态效益达1.42万亿元，为总投入的2倍多[25]。需注意的是，全球经济社会环境影响粮食种植成本和粮食作物产量，加之城市化导致农业劳动力流失，引致粮价会波动，进而影响单位标准生态系统服务价值，最终造成长江干流生态系统服务价值的阶段性差异。
表1 2005—2020年长江干流生态系统服务价值（亿元）

Tab.1 Ecosystem service value in the Yangtze River mainstream from 2005 to 2020 （100 million CNY）

类型 2005年 2010年 2015年 2020年
生态系统服务 供给服务 10713.32 10506.03 10323.09 11148.75
调节服务 117897.49 115508.84 113730.55 123191.29
支持服务 33941.06 33315.04 32318.69 33377.76
文化服务 7280.08 7153.70 6961.26 7486.73
土地利用类型 农田 5942.29 5783.83 5757.25 6020.79
森林 47639.29 46764.37 46951.34 51685.01
草地 79172.37 77619.52 73232.24 67587.52
水域 30428.45 29601.89 30710.96 38013.90
湿地 5982.63 6058.59 6018.06 10976.05
荒漠 666.92 655.41 663.74 921.26
长江干流 总计 169831.95 166483.61 163333.59 175204.53
在四类生态系统服务中，2005—2020年均呈现先缓降后急升的趋势，仅支持服务的价值在2020年（33377.76亿元）未超过2005年（33941.06亿元）。研究期间，调节服务始终占据主导地位，并在2020年达123191.29亿元（增幅4.49%）。其后为支持服务、供应服务和文化服务。2005—2015年，供应服务和文化服务价值分别下降3.64%和4.38%，至2020年回升至11148.75和7486.73亿元。从土地利用类型看，生态系统服务价值排序为：草地>森林>水系>湿地>农田>荒漠。值得注意的是，2005—2020年价值最高的草地系统持续减少17.14%（从79172.37亿元降至67587.52亿元）。农田、森林、水系和荒漠先是略有下降，然后持续回升并在2020年超过最初状态，分别为6020.79、51685.01、38013.90和921.26亿元，其中农田的变化相对较为平缓。湿地价值经历波动增长，从2005年的5982.63亿元增至2020年的10976.05亿元。荒漠系统的贡献始终最低（<1000.00亿元）。
结合ArcGIS软件，绘制2005、2010、2015和2020年长江干流生态系统服务价值的空间分布图（图2）。采用自然断点法将ESV划分为5组，确保组内同质性最大而组间异质性最大。结果显示：长江干流ESV空间分异整体上呈现西高东低的梯度格局。其中，高值区（332.41亿元~746.98亿元）主要分布在干流西部；中等价值区（118.12亿元~332.40亿元）在2015—2010年主要位于干流中部，并向北扩展，至2020年，该区域ESV总量有所提升；低值区（4.42亿元~118.11亿元）空间分布变化显著，2005和2015年集中分布在干流东部，2010和2020年则向南延伸至南部。
图2 长江干流生态系统服务价值的时空分布演变

Fig.2 Spatiotemporal distribution in the ecosystem service value of the Yangtze River mainstream from 2005 to 2020

分省份看，研究期间西藏的生态系统服务始终最高（2020年达746.98亿元），而上海一直最低（<9.00亿元）。这种差异主要源于区域发展不平衡：西藏等西部地区有着得天独厚的地理条件和丰富的森林等自然资源，而上海等东部沿海地区一直是我国经济发展的发动机，工业化进程对生态环境造成了一定影响。云南的生态系统服务价值变化趋势最为显著，2005—2020年呈现先降低（-19.35%）后升高（23.67%）再下降（-13.78%）的波动趋势。江西和安徽也表现出类似的起伏变化，但波动幅度较小。重庆、湖南、江苏和上海的生态系统服务价值则保持稳步增长，2020年分别增至38.16、84.98、43.56和8.09亿元，增幅达28.70%、11.70%、10.92%和83.18%。青海、四川和湖北在2005—2015年缓慢减小随后持续上升到2020年的332.40、210.55和71.30亿元。这一转变得益于长江大保护战略的实施，包括退耕还林还草、破除化工围江等生态环保和修复工程。

2.2 长江干流的自身生态消费价值

基于水资源需求核算模型，结合长江干流各省份的实际情况，核算得出2005—2020年水足迹数据（表2）。其中，农业虚拟水足迹采用各省份的粮食、蔬菜、棉花、猪牛羊禽肉、蛋奶、水产品以及水果等农产品所转换的虚拟水量来表示，其单位质量虚拟水含量参考孙才志等的研究成果[27]。结果显示，长江干流水足迹呈持续增长的趋势，反映经济发展对水资源需求的提升。2020年长江流域粮食产量较2005年的1.87亿t增加到了2.25亿t，增幅为20.04%[28]。且随着物质需要和生活水平的提高，居民对牛羊肉等动物农产品的需求进一步加大，直接导致了农业虚拟水足迹的增加，进而提升了长江流域的水资源消耗，2020年相对2005年干流总水足迹的涨幅为22.74%。从结构看，农业虚拟水足迹占比最高（2005—2020年均值85.96%），凸显农业生产和消费结构亟待优化。其后依次为进口虚拟水足迹、出口虚拟水足迹、工业水足迹、生活水足迹，生态水足迹占比最低（5.35%）。
表2 2005—2020年长江干流水足迹（亿m³）

Tab.2 Water footprint of the Yangtze River mainstream from 2005 to 2020 （100 million m³）

年份 农业
虚拟
水足迹		 工业
水足迹		 生活
水足迹		 生态
水足迹		 进口
虚拟水
足迹		 出口
虚拟水
足迹		 总水
足迹
2005 5192.56 686.20 254.30 16.10 439.56 461.67 6127.05
2010 5797.92 775.60 297.80 21.20 330.94 439.19 6784.27
2015 6461.23 757.40 323.30 22.30 203.74 293.69 7474.29
2020 6555.65 621.90 353.30 49.20 200.39 259.91 7520.53
从时间变化上看，研究期间各省份的自身生态消费价值均呈现不同程度的波动。长江干流整体的自身生态消费价值虽略有增长，但经历了倒“U”型变化过程：从2005年的397.54亿元缓慢增长至2015年的435.11亿元，随后回落至2020年的400.52亿元。究其原因，主要在于年均占比排名第三的湖北省（对长江干流总自身生态消费价值影响较大）2020年自身消费系数从2015年的1.11骤降至0.65。一方面，作为全国最严格水资源管理制度的试点省份之一，湖北省2016年后出台《湖北省取水许可和水资源费征收管理办法》《湖北省用水定额》等政策，投入1亿元建设水资源监控体系，严控水效率红线。这直接推动了再生水利用效率的提高，促进了供用水结构优化[29]。另一方面，2020年突发疫情导致地区农工业用水量（尤其是城市地区）显著下降现象[30]，进一步加剧了自身生态消费价值的减少。
图3 长江干流自身生态消费价值时空分布演变

Fig.3 Spatiotemporal distribution in the self ecological consumption value of the Yangtze River mainstream from 2005 to 2020

从空间分布来看，研究期间长江干流自身生态消费价值空间格局变化较小。江苏自身生态消费价值稳居最高，且变化幅度相对平缓；消费价值中等水平省份则包括青海、四川、云南、湖北、湖南、江西和安徽等；重庆和西藏一直是低值区，其中西藏最低，2005—2020年自身消费价值分别为6.20、6.89、9.82和8.98亿元。值得一提的是，上海在2010年由中值区转变为低值区，这种空间差异主要受经济发展水平和土地利用规模的影响。西藏由于经济相对滞后，人口持续外流，生态消费价值较低，但其增长幅度显著高于其他省份。这得益于西部大开发战略和东部对口支援政策，通过资本、人才、产业资源的倾斜，推动了西藏新兴产业和城镇化建设。相比之下，重庆和上海尽管经济发达且自身消费系数较大，但由于土地面积有限和生态系统服务价值总量较低，其自身生态消费价值仍处于较低水平。

2.3 长江干流横向生态补偿标准

根据不同地区的生态系统服务价值和自身生态消费价值，可判断其生态系统服务盈余或赤字情况。生态盈余地区在满足本地需求后仍有剩余，形成生态系统服务外溢，因此被视为横向生态补偿客体（贡献区）；而生态系统赤字地区的本地供给不足以支撑消费需求，生态资源量消耗超载，需依赖外部资源维持发展，因而成为横向生态补偿主体（受益区）。基于各地区生态系统服务价值（非市场部分）与自身生态消费价值的净差值，可得到2005—2020年长江干流各省份的盈亏状态（图4）。
图4 长江干流生态系统服务贡献区和受益区空间分布演变

Fig.4 Distribution of contributing and benefiting areas of the ecosystem services in the Yangtze River mainstream

由图4看出，研究期间长江干流各省份的横向生态补偿主客体身份存在变化。其中，青海、西藏、四川、云南、重庆、湖南和江西始终作为生态补偿客体（需接受补偿）；江苏和上海则均作为生态补偿主体（需支付补偿）；而湖北和安徽的补偿身份发生了动态转化。湖北在2005—2010年为生态补偿客体，2015年转变为补偿主体，主要因为其生态系统服务价值下降的同时自身消费系数上升。已有研究表明，城市化扩张是土地利用变化的主要原因之一，而土地利用变化影响着生态系统服务价值供给和发展需求的空间格局和变化过程。2010—2015年湖北省城市化扩张加速，城镇人口增长带来的建设用地压力持续增加，建设用地面积增加约27.11%，城镇周边大片耕地、草地被征收占用。此后，湖北严格执行耕地保护政策，通过《湖北省人民代表大会关于大力推进长江经济带生态保护和绿色发展的决定》整治136个省级以上工业园区，使得一部分水域、林地及其它生态领域得以恢复并扩张，在2020年又恢复为补偿客体身份。安徽在2005—2020年身份多次转变：2005和2015年为生态补偿主体，2010和2020年转变为生态补偿客体。可能的原因在于，2010—2015年安徽经济发展和城镇化加速，产业结构变化大，促使各地类相互转移频繁，共计1349.90km2的耕地和97.40km2林地转为建设用地，占各自减少总量的77.23%和35.27%[31]。2015—2020年安徽响应国家坚持绿色发展之路的号召，落实永久基本农田划定工作、推行耕地占补平衡新政，使得建设用地增加与耕地减少的趋势明显减弱，土地利用与环保成效显著。
从区域可持续发展角度，依据“谁受益，谁补偿”原则，以横向生态补偿客体向横向生态补偿主体提供的生态系统服务价值流动量为基础，综合考虑不同地区支付意愿与支付能力的差异，可制定更易被接受的补偿标准。基于式（6）计算得到2005—2020年长江干流横向生态补偿标准（图5）。从总体趋势看，补偿总额呈先降后升趋势，从2005年1193.04亿元降至2015年1107.12亿元，2020年回升至1236.09亿元（较2005年增长3.61%），这表明研究期间长江干流整体生态系统服务是处于外溢状态，生态向好发展。从区域差异看，平均补偿额由高到低依次为西藏（666.51亿元）>青海（288.17亿元）>四川（103.11亿元）>云南（83.12亿元）>江西（38.29亿元）>湖南（35.24亿元）>重庆（14.05亿元）>湖北（9.29亿元）>安徽（0.27亿元）>上海（-12.37亿元）>江苏（-52.09亿元），正值表示应获补偿，负值表示应支付补偿。
图5 不同年份长江干流各省份横向生态补偿标准变化

Fig.5 Changes of the HEC standard of the Yangtze River mainstream from 2005 to 2020

2.4 长江干流横向生态补偿资金分配

生态补偿标准的核算可以判别流域横向生态补偿的主体与客体，并基于外溢价值占用价值，确定各地区的支付或获偿标准。然而，补偿主体与客体之间并非一一对应，如何将补偿标准金额在多方之间合理分配，是流域横向生态补偿机制落地实施的关键[32]。从区域可持续发展的角度出发，依据生态系统服务价值的外部性和“谁保护，谁获偿；谁受益，谁补偿”的原则，可通过生态系统服务流动量（从贡献区到受益区）分配补偿标准金额。具体而言，通过比较生态辐射力占比来分配资金，能使补偿方案更容易被补偿利益相关方所接受。根据式（7）~式（8），计算得到2005—2020年长江干流补偿客体的生态系统服务经过价值流动对各补偿主体的比较生态辐射力（图6）。
图6 不同年份长江干流各省份的比较生态辐射力

Fig.6 Comparative ecological radiation force of the Yangtze River mainstream from 2005 to 2020

从补偿客体的角度来看，2005—2020年长江干流中游（如江西、湖南和湖北）比较生态辐射力较大，占干流总量的40%左右，生态系统服务价值向外流动的能力较强。究其原因，尽管这类省份的生态系统服务价值并非最高，但其地处干流中部，距离受益区较近，生态服务流动过程中价值衰减较少。而西藏、云南和青海等省份虽然生态系统服务价值较高，但其地处长江干流上游，与受益区的距离较远。生态服务外溢过程中受水文、地形等介质影响，价值随地理距离增加显著衰减，因此比较生态辐射力相对较小。从补偿主体的角度，研究期间上海一直是长江干流生态系统服务流最主要的受益区。这与其长江干流最下游的区位优越性，以及作为国家经济中心的地位密切相关。
基于不同地区的生态补偿标准和主客体之间生态辐射力占比，本文通过流域横向生态补偿资金分配模型（考虑支付意愿与支付能力差异），核算了2005、2010、2015和2020年长江干流横向生态补偿的方案（图7）。结果表明，补偿主体应支付的生态补偿资金总额为：2005年68.80亿元、2010年58.27亿元、2015年48.59亿元、2020年55.66亿元。各补偿主体之间支付金额的差异显著。上海在2005年支付35.20亿元，为当年最高；2010—2020年支付额分别为9.44、4.76和8.77亿元。2010年后，江苏因经济规模与生态受益程度更高（2010年48.83亿元、2015年28.67亿元、2020年46.89亿元）超过上海，占比超总额60%，成为长江干流横向生态补偿资金的主要来源。安徽2005和2015年也需分别提供补偿资金1.02和0.76亿元，是当年需承担生态补偿责任最少的省份；湖北2015年需支付14.40亿元。
图7 不同年份长江干流各省份横向生态补偿资金分配（亿元）

Fig.7 Fund allocation of HEC of the Yangtze River mainstream from 2005 to 2020 （100 million CNY）

在所有横向生态补偿客体中，西藏和青海是获得生态补偿资金的主要受偿地区。其中，西藏获得横向生态补偿资金超过总额的50%，2005、2010、2015和2020年分别达到35.27、31.92、27.84和实现生态环境保护与经济发展的协同共赢。基于29.99亿元；青海分别为16.60、13.75、11.27和12.35亿元；四川和云南合计应获得12.03、8.15、6.10和8.24亿元；安徽在2010和2020年获得补偿资金最少，分别为362.97和2479.88万元；2005和2015年受偿最少的则分别是湖北和重庆，占比均不足0.7%。作为全国生态环境的重要屏障，中国西部地区被限制和禁止开发的面积大。西部地区面临着更大的生态保护与发展经济的矛盾，很难走东部地区那样的工业化和城市化道路。因此，重点对西部进行生态补偿是维护西部乃至全国生态安全的必要措施。尤其是西藏，该地区提供的生态系统服务价值最多，加上当地对草原等生态资源的消费较少，使得其生态价值向外辐射最多，理应获得最高的生态补偿资金。
生态补偿资金配置标准合理性，直接决定了流域跨区域横向生态补偿政策实施效果和可持续性。现行生态补偿政策要么采取“一刀切”的固定标准，要么仅相邻地区基于水质和水量等指标的自主协商，既无法有效解决区域发展不平衡和环境保护的公平性问题，也难以促进流域整体的生态经济协调发展，导致政策实施效果有限[33]。研究表明，设计科学的生态补偿政策能显著改善生态环境并提升社会福祉水平；反之，不合理的补偿标准可能加剧区域发展不平衡，制约政策实施效果[34]。由于生态资源禀赋和经济社会发展水平具有异质性，各地区提供或获得生态系统服务在流向、规模和价值上存在显著差异，因而受生态补偿政策的影响程度也不尽相同。作为生态补偿客体，这些地区通过提供生态系统服务为其他区域创造价值，应当获得合理补偿。值得注意的是，这些地区往往经济发展相对滞后，生态补偿既能弥补因生态保护而牺牲的发展机会，又能增强其环境保护能力和可持续发展水平。作为生态补偿主体，经济发达地区通过资金支付生态系统服务供给区的环境保护和生态修复，有助于生态系统服务流测度的横向生态补偿资金分配，能够清晰量化区域间的生态贡献与获益关系：既明确补偿主体获得的生态系统服务价值，又科学核定补偿客体应得的补偿额度。该方法为完善流域生态补偿机制、协调区域生态环境保护与利益分配矛盾提供科学依据。进一步结合各地区的支付意愿与支付能力差异确定补偿金额，不仅能优化跨区域流域生态政策设计，更能促进区域协作，推动大尺度流域的生态共建共享。

3 结论与建议

3.1 主要结论

本文以长江干流11个省份为研究对象，运用生态系统服务价值法测算区域生态系统服务供给，并引入水足迹法的自身生态消费价值系数量化地区生态系统服务消费水平，综合评估了2005—2020年长江干流11省份生态系统服务外溢价值及其时空演变特征。在此基础上，从生态系统服务流的角度引入比较生态辐射力，构建长江干流横向生态补偿标准核算模型与资金分配模型，确立区域差异化生态补偿标准，优化生态补偿资金分配方案。主要结论如下：
①研究期间长江干流整体生态系统服务价值先缓慢下降随后显著回升至2020年的17.52万亿元，且空间分布上呈现出西北部高，东中部低的态势。其中西藏最高，在2020年达746.98亿元；而上海最低，研究期间未超过9亿元。长江干流自身生态消费价值呈倒“U”型变化，但总体上看略有增长。且空间分布变化不大，呈东高西低梯度，其中江苏稳居最高消费区域，西藏的自身生态消费价值最低。
②研究期间长江干流横向生态补偿标准总额呈先降后升趋势，其中2005年1193.04亿元，2010年1158.16亿元，2015年1107.12亿元，2020年1236.09亿元。整体生态系统服务处于外溢状态，生态向好发展。获得横向生态补偿标准平均值最高的是西藏（666.51亿元），其后依次为青海、四川、云南、江西、湖南、重庆、湖北、安徽，而上海和江苏则应提供横向生态补偿标准的平均值分别为12.37亿元和52.09亿元。
③2005、2010、2015、2020年长江干流横向生态补偿方案资金总额分别为68.80、58.27、48.59和55.66亿元。各补偿主体支付金额的差异较大，江苏在4个年份节点分别达到32.58、48.83、28.67和46.89亿元，支付额占比超60%，是资金的主要来源；安徽（2005和2015年）和上海（2010和2020年）是当年支付金额最低的补偿主体。
④在所有横向生态补偿客体中，西藏和青海是获得生态补偿资金的主要受偿地区。其中，西藏获得补偿资金占比超50%，2005、2010、2015、2020分别达到35.27、31.92、27.84和29.99亿元。安徽在2010和2020年获得补偿资金最少，分别为362.97和2479.88万元；2005和2015年受偿最少的则分别是湖北和重庆占比均不足当年总额的0.7%。

3.2 政策建议与展望

结合近年来长江流域生态保护成果并对比本研究结果可以发现，长江流域生态补偿与环境修复成效显著，但仍存保护责任划分不明确、补偿资金分配依据不足等问题。为此，本文提出如下建议：①相关部门应建立长江流域土地利用监测体系，提高生态系统服务价值测算的准确性，加强自然生态系统连通性维护，促进流域生态整体健康发展。②各省份需构建生态系统服务价值产生与消费的实时监测平台，定期核算和评估区域生态系统服务盈亏状态，助力区域生态经济社会的协调可持续发展。③政府应设立横向生态补偿专项资金管理部门，监督标准核算、协调资金分配，通过规范化管理推动补偿机制长期有效实施，实现生态保护与经济发展的平衡。
基于流域整体性和生态价值流动性的横向生态补偿标准与资金分配方案，可为建立流域横向生态补偿机制、激励相关利益方参与生态保护提供重要实践支撑。囿于研究资料和数据的可获得性，本文仍存在以下局限：①基于2005—2020年数据受限于遥感数据的滞后性和可得性，未来将深化与流域管理机构的合作，致力获取更新更高精度的数据，以便能更精准的为制定差异化、可落地的分区治理政策提供更具操作性的科学依据。②生态系统服务贡献区和受益区之间距离是根据各省份发展中心测算得到，与实际的生态影响可能存在一定偏差，后续将结合GIS空间分析与实地验证提升模拟精度。③下一步研究将选取长江流域19个省份为样本，构建生态补偿生态—经济—社会效益评估框架，应用多期双重差分倾向得分匹配模型，评估长江流域横向生态补偿资金使用效果。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Zeng J, Cui X, Chen W, et al. Impact of urban expansion on the supply-demand balance of ecosystem services:An analysis of prefecture-level cities in China[J]. Environmental Impact Assessment Review, 2023, 99:107003.

[2]
朱媛媛, 张瑞, 顾江, 等. “双碳”目标下长江中游城市群生态福利绩效变化的经济—环境效应[J]. 经济地理, 2023, 43(5):89-96.

DOI

[3]
程常高, 周海炜, 唐彦, 等. 横向生态补偿对流域环境治理的重要性——基于央地协同视角的考察[J]. 中国管理科学, 2023, 31(9):278-286.

[4]
王兆峰, 黄冬春. 长江经济带与黄河流域交通碳排放效率的比较及其影响因素[J]. 经济地理, 2023, 43(8):1-15.

[5]
王健, 曹巍, 黄麟. 基于水供需服务流及外溢价值核算的太湖流域横向生态补偿机制[J]. 生态学报, 2024, 44(3):1-11.

[6]
谢慧明, 毛狄, 沈满洪. 流域上游居民接受生态补偿意愿及其偏好研究——以新安江流域为例[J]. 生态学报, 2022, 42(16):6633-6643.

[7]
Rao Q, Lin X, Chen F, et al. Research into an ecological compensation standard in the Minjiang River Basin under the combined scenario of ‘clear property rights,water quality and quantity,and opportunity cost'[J]. Water Science & Technology:Water Supply, 2022, 22(10):7873-7883.

[8]
高慧忠, 许凤冉, 陈娟, 等. 基于水资源价值流的跨多区域横向生态补偿标准研究[J]. 中国水利水电科学研究院学报(中英文), 2023, 21(3):203-211.

[9]
Gao X, Shen J Q, He W J, et al. Spatial-temporal analysis of ecosystem services value and research on ecological compensation in Taihu Lake Basin of Jiangsu Province in China from 2005 to 2018[J]. Journal of Cleaner Production, 2021, 317:128241.

[10]
Fu Y, Zhang J, Zhang C, et al. Payments for ecosystem services for watershed water resource allocations[J]. Journal of Hydrology, 2018, 556:689-700.

[11]
邢敏, 葛晓颖, 杨荣金, 等. 基于节水减排潜力的流域生态补偿资金分配——以张家口市为例[J]. 生态经济, 2021, 37(6):140-146.

[12]
Zhai T, Zhang D, Zhao C. How to optimize ecological compensation to alleviate environmental injustice in different cities in the Yellow River Basin? A case of integrating ecosystem service supply,demand and flow[J]. Sustainable Cities and Society, 2021, 75:103341.

[13]
Lu Y, Ding W, Li Z. A New EWM-FCM Approach to Optimize the Allocation of Water Ecology Compensation Funds[J]. Water Resources Management, 2022, 36(10):3779-3795.

[14]
戈健宅, 李涛, 齐增湘, 等. 基于生态风险评估的生态补偿空间识别及分配:以洞庭湖生态经济区为例[J]. 生态与农村环境学报, 2022, 38(4):472-484.

[15]
Kong Y, He W, Yuan L, et al. Decoupling economic growth from water consumption in the Yangtze River Economic Belt,China[J]. Ecological Indicators, 2021, 123:107344.

[16]
Costanza R,Arge, Groot R D, et al. The value of the world's ecosystem services and natural capital[J]. Nature, 1997, 387(15):253-260.

[17]
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.

[18]
王奕淇, 李国平, 延步青. 流域生态服务价值横向补偿分摊研究[J]. 资源科学, 2019, 41(6):1013-1023.

DOI

[19]
Hoekstra A Y, Chapagain A K. Water footprints of nations:Water use by people as a function of their consumption pattern[J]. Water Resources Management, 2007, 21(1):35-48.

[20]
Xu Z, Peng J, Dong J, et al. Spatial correlation between the changes of ecosystem service supply and demand:An ecological zoning approach[J]. Landscape and Urban Planning, 2022, 217:104258.

[21]
余红红, 杨加猛, 万紫璇. 基于水源涵养服务视角的汀江(韩江)流域森林横向生态补偿标准[J]. 林业科学, 2023, 59(2):1-9.

[22]
顾丹丹, 彭鹏, 赵椿溪, 等. 纳入健康损失的生态补偿额度测算——基于省域尺度[J]. 经济地理, 2021, 41(9):193-203.

DOI

[23]
Koellner T, Bonn A, Arnhold S, et al. Guidance for assessing interregional ecosystem service flows[J]. Ecological Indicators, 2019, 105:92-106.

DOI

[24]
陈江龙, 徐梦月, 苏曦, 等. 南京市生态系统服务的空间流转[J]. 生态学报, 2014, 34(17):5087-5095.

[25]
马慧强, 廉倩文, 韩增林, 等. 基本公共服务—城镇化—区域经济耦合协调发展时空演化[J]. 经济地理, 2020, 40(5):19-28.

DOI

[26]
Morya C P, Punia M. Impact of urbanization processes on availability of ecosystem services in National Capital Region of Delhi (1992-2010)[J]. Environment Development and Sustainability, 2022, 24:7324-7348.

[27]
孙才志, 张梦飞. 中国海洋等效虚拟水初步测算及结构性特征分析[J]. 资源科学, 2018, 40(9):1843-1854.

DOI

[28]
徐玉婷, 黄贤金, 徐国良, 等. “三权分置”背景下多元经营主体农地利用效率——来自长江中下游地区的实证经验[J]. 长江流域资源与环境, 2021, 30(10):2557-2568.

[29]
贾诗琪, 张鑫, 彭辉, 等. 湖北省水生态足迹时空动态分析[J]. 长江科学院院报, 2022, 39(3):27-32.

DOI

[30]
李豪, 赵和松, 赵红莉, 等. 新冠疫情对区域用水量及社会用水行为的影响研究综述[J]. 水利水电技术(中英文), 2022, 64(5):1-9.

[31]
李彦旻, 沈育生, 王世航. 基于土地利用变化的安徽省陆地碳排放时空特征及效应[J]. 水土保持学报, 2022, 36(1):182-188.

[32]
黎元生. 基于生命共同体的流域生态补偿机制改革——以闽江流域为例[J]. 中国行政管理, 2019, 35(3):93-98.

[33]
Deng X, Yan S, Song X, et al. Spatial targets and payment modes of win-win payments for ecosystem services and poverty reduction[J]. Ecological Indicators, 2022, 136:108612.

[34]
Le W, Leshan J. How Eco-compensation contribute to poverty reduction:a perspective from different income group of rural households in Guizhou,China[J]. Journal of Cleaner Production, 2020, 275:122962.

Options
文章导航

/

〈 〉