工业化城镇化粮食生产论文提纲

论文题目：长江中游城市群生态系统健康时空演变及其城镇化驱动机制研究

摘要：一、研究背景“人类世”概念的提出表明人类活动已经对整个地球表层系统产生了深远影响,人类活动对地球表层系统的影响已经远远超过了自然要素对地球表层系统的影响。城市群是经济、工业化和城镇化快速发展的区域,同时也是社会问题、资源枯竭、环境恶化和土地利用问题等人地矛盾突出的地区。随着全球化的深入和全球范围内竞争的日益激烈,城市群越来越成为全球经济竞争的新空间。《国家新城镇化规划（2014-2020）》指出,中国的城市群是促进中国城镇化发展的主体形态。当前中国主要的国家级城市群包括长三角城市群、京津冀城市群、珠三角城市群、成渝城市群和长江中游城市群,这些城市群在当前的中国经济发展中扮演着重要角色,同时经历着大规模的城镇化进程。以充满活力的城市群为动力,完善中国城镇化的主体形态将成为中国特色城镇化道路的重要选择。中国的新城镇化正处于从土地城镇化到人口城镇化的过渡时期,城市人口集聚、非农产业集聚、经济集聚和景观格局变化将促进土地利用转型,同时严重影响生态系统健康。另外,城市群快速城镇化和工业化,极大地促进了城乡转型的转型升级,加剧了土地利用转型,导致城市无序扩张、耕地占用和严重的生态环境问题。同时,生产用地、生活用地和生态用地的扩张将严重威胁粮食安全和生态安全。生态系统健康的演变是自然因素和社会经济因素相互作用的结果。城镇化过程中暴露的各种社会经济和生态问题在一定程度上可以反映在当前的生态系统健康状况中。因此,研究重点城市群地区生态系统健康的时空演化机制,对于协调重点城市群中土地利用转型、土地资源的节约集约利用、生态系统保护、人口城镇化和土地城镇化具有重要意义。本研究选择长江中游城市群作为典型区,全面深入的分析了长江中游城市生态系统健康时空演化机理。本研究中,长江中游城市群包括武汉城市群、长株潭城市群、环鄱阳湖城市群和宜荆荆城市群,位于长江中游的湖北省、湖南省和江西省境内,是我国新兴的一个国家级城市群。长江中游城市群交通便利,京广线、京九线、湘黔线和浙赣线穿过境内,另外长江中游城市群临江达海,经济腹地广阔,拥有一批现代化港口群、区域枢纽机场,基本形成了密集的立体化交通网络,在中国综合交通网络中具有十分重要的地位。在中部崛起战略和长江经济带战略带动下,长江中游城市群城镇化迅速发展,成为了中西部新型城镇化先行区、内陆开放合作示范区和”两型”社会建设引领区。快速的城镇化导致了生态系统健康的迅速恶化,因此本文选择长江中游城市群作为研究区,探索城镇化发展水平与生态系统健康之间的线性和非线性、空间和非空间关系,以期对长江中游城市群地区土地资源可持续利用、生态系统健康管理以及城镇化的健康发展提供科学指导。然而,以往关于生态系统健康研究主要集中在单一城市或者单一城市群,缺乏对城市群集聚区的生态系统健康研究。另外,当前生态系统健康研究主要集中于对生态系统健康的评价,很少研究探索了生态系统健康演变驱动机制。在少量的生态系统健康驱动机制研究中,很少有研究关注生态系统健康的空间溢出效应。一个单元的生态系统健康不仅受到本单元要素的影响,而且受相邻单元要素的影响,即一个单元周边的生态系统健康状况恶化,可能会导致本单元的生态系统健康恶化。缺乏对生态系统健康溢出的全面了解会在一定程度上限制了城市群地区跨区域土地利用和生态环境保护的协调管理。因此,在理解生态系统健康时空演化驱动机制时,尤其是在城市群中,应考虑空间关联和邻域因素。此外,以往研究已经表明生态系统健康和城镇化之间具有负相关关系,但是不同城市群之间城镇化对生态系统健康的影响有没有区别、不同行政等级城市之间城镇化对生态系统健康的影响有没有区别以及城镇化与生态系统健康是否存在环境库兹涅兹曲线仍然是不清楚的。另外,研究单一尺度单元生态系统健康与城镇化之间的空间关系,如特定网格尺度和行政尺度,可能会错过或扭曲生态系统健康与城镇化之间的真实相互作用。明确不同规模尺度的生态系统健康和城镇化之间的空间关系对生态系统的可持续管理至关重要。基于此本研究采用多种模型和多源数据来测度长江中游城市群县域尺度和乡镇尺度城镇化发展水平和生态系统健康的时空演化特征,并且结合一套完整的空间回归模型探测了生态系统健康与城镇化之间的线性和非线性、空间和非空间关系。以期为长江中游城市群生态系统健康和城镇化之间的协调发展提供科学支撑。二、研究目标及问题本研究拟通过构建生态系统健康评估理论框架,对1995-2015年长江中游城市群县域和乡镇尺度单元生态系统健康时空特征进行评价。综合考虑生态系统健康的空间依赖性（Spatial dependence）和空间异质性（Spatial heterogeneity）,结合普通最小二乘法（Ordinary least squares,OLS）、空间滞后模型（Spatial lag model,SLM）、空间误差模型（Spatial error model,SEM）以及加入空间滞后项的空间误差模型（Spatial error model with lag dependence,SEMLD）对长江中游城市群地区城镇化对生态系统健康的全局影响进行测度。并且采用分区加入空间滞后项的空间误差模型（Spatial regime SEMLD,SRSEMLD）测度不同城市群以及不同等级行政单元城镇化对生态系统健康影响的区别;采用地理加权回归模型（Geographically weighted regression,GWR）探索城镇化对生态系统健康影响的空间异质性特征,解释隐藏在全局回归中的局部特征。基于此,本研究有以下四个方面的目标:（1）测度1995-2015年间长江中游城市群县域和乡镇综合生态系统服务指数的时空演化特征。本研究中的综合生态系统服务指数是基于InVEST模型综合估计粮食生产力、水产量、碳储存、土壤保持、水净化、生物多样性和文化服务供给能力来衡量。（2）测度1995-2015年间长江中游城市群县域和乡镇单元生态系统自然健康的时空演化特征。生态系统自然健康主要通过生态系统组织力、生态系统活力和生态系统恢复力来衡量。（3）评估1995-2015年间长江中游城市群县域和乡镇单元生态系统健康的时空演化特征。生态系统健康主要通过综合生态系统服务指数和生态系统自然健康来表征。（4）评估1995-2015年间长江中游城市群县域和乡镇单元城镇化和生态系统健康之间的线性和非线性、空间和非空间关系。基于一整套的空间回归分析模型,从全局以及局部的角度检验城镇化和生态系统健康之间的线性和非线性、空间和非空间关系。本文主要的研究问题主要包括如下四个方面:（1）如何基于生态系统服务和景观格局指数构建生态系统健康评估框架?（2）1995-2015年间长江中游城市群县域和乡镇尺度生态系统服务和生态系统自然健康时空分布格局演化特征是什么?（3）1995-2015年间长江中游城市群县域和乡镇尺度生态系统健康的时空分布格局演化特征是什么?（4）如何全面有效评估长江中游城市群县域和乡镇尺度城镇化对生态系统健康的影响?三、数据来源本研究中涉及的数据主要有土地利用数据、DEM高程数据、气象数据、土壤数据、植被覆盖指数、粮食产量统计数据和社会经济数据。具体的数据来源和类型如下:表1研究数据来源与描述数据类型 数据格式 数据来源和描述土地利用/覆被变化数 GeoTIFF 中国科学院资源环境科学数据中心（http://www.resdc.cn）,空间分辨据 率是30×30 m.数字高程模型 GeoTIFF 中国科学院计算机网络信息中心地理空间数据云系统（http www.gscloud.cn）.气候数据 GeoTIFF 年平均气温、年平均气温来源于中国科学院资源环境科学数据中心（http://www.resdc.cn）;年均潜在蒸散量来源于全球干旱和潜在蒸散数据库（www.cgiar-csi.org/data/global-aridity-and-pet-database）.土壤数据 MDB 土壤数据源于“黑河计划数据管理中心”（http://westdc.westgis.ac.cn）.粮食生产数据 Excel 1996-2016年湖北省、湖南省和江西省统计年鉴.植被覆盖指数 GeoTIFF 中国科学院资源环境科学数据中心（http://www.resdc.cn）.中国GDP和人口空间 GeoTIFF 中国科学院资源环境科学数据中心（http://www.resdc.cn）,空间分辨分布公里网格数据集 率是1×1 km.四、研究结果（1）生态系统服务评估结果作为生态系统健康评估的重要指标,本研究中使用InVEST模型测度了长江中游城市群地区多种生态系统服务的时空格局特征,包括粮食生产、产水量、碳储存、土壤保持、水净化、生物多样性和文化服务。然后根据层次分析方法确定了每种类型生态系统服务的权重,采用综合得分法计算长江中游城市群地区综合生态系统服务指数。1995年、2000年、2005年、2010年和2015年长江中游城市群地区综合生态系统服务指数的平均值分别为0.452、0.438、0.442、0.439和0.443,表明研究期间长江中游城市群综合生态系统服务指数总体呈现下降趋势。在湖北省北部的大别山、西部的巫山;湖南省中西部的雪峰山、南部的南岭山脉和江西省东部的武夷山以及江西省和湖南省的罗霄山脉的综合生态系统服务指数高于0.50。而分布在江汉平原、洞庭湖平原、鄱阳湖平原的县域和乡镇,尤其是武汉城市群、长株潭城市群、鄱阳湖生态经济区和一些主要城市周边的县域和乡镇,综合生态系统服务指数明显较低。另外平原地区县域和乡镇的综合生态系统服务指数显着下降,特别是在武汉、长沙、南昌等省会城市的周边县域和乡镇。（2）生态系统健康评估结果结合生态系统健康评估框架以及生态系统组织力、生态系统活力、生态系统恢复力和综合生态系统服务指数等要素的评价结果,对长江中游城市群县域和乡镇的生态系统健康评价进行建模。评价结果表明:研究期间长江中游城市群整体生态系统健康指数呈现逐渐下降的趋势,表明长江中游城市群的生态系统健康状况在1995-2015年间有所恶化。长江中游城市群生态系统健康指数的平均值设定为生态系统健康状况的一般水平。研究期间低于生态系统健康指数均值的县域单元比例分别为55.07%、54.59%、53.62%、54.11%和52.17%,而低于生态系统健康指数均值的乡镇单元比例分别为53.22%、53.78%、53.78%、53.33%和53.22%。我们可以发现较多比重的县域和乡镇单元生态系统健康状态低于长江中游城市群生态系统健康状况的一般水平。从生态系统健康的空间分布来看,可以发现显著的空间异质性。在江汉平原、洞庭湖平原以及武汉、长沙、南昌等周边县域和乡镇单元的生态系统健康指数大多在0.35以下。周边山区县域和乡镇的生态系统健康指数多在0.65以上。另外,主要交通路线沿线单元的生态系统健康指数也低于其他地区。可以得出结论:生态系统健康和地形条件、交通条件、位置条件、经济发展水平密切相关。此外,可以发现研究期间武汉、长沙和南昌等主要城市周边的单元的生态系统健康状况同样经历了严重的恶化。（3）城镇化发展水平评估结果本研究分别选择人口密度、经济密度和已开发土地面积比重来表征人口城镇化、经济城镇化和土地城镇化水平,然后采用等权重加权方法来综合评价长江中游城市群城镇化发展水平。评价结果表明,研究期间长江中游城市群已开发土地面积比重不断扩大、人口密度不断增加、GDP密度不断增加,城镇化水平呈现逐步增加的趋势。城镇化水平较高的县域和乡镇单元主要集中在长江中游城市群主要城市的核心区域,尤其是宜昌、武汉、长沙和南昌等城市的周边县域和乡镇,总体呈现出以这些城市为中心向外围逐渐下降的趋势,另外在主要的交通道路沿线地区城镇化水平同样较高,总体呈现出“点-线-面”的空间分布格局特征。人口增长、经济增长和已开发土地扩张的空间格局在长江中游城市群主要城市周围显示出高度一致性,这三个指标的不一致性可以在大城市的郊区可以发现。GDP密度和人口密度值逐渐从城市中心向外围郊区降低迅速,而郊区已开发土地扩张仍然较为迅速。在长江中游城市群仍然可以发现类似的城镇化发展问题—人口城镇化和经济城镇化落后于土地城镇化。生态系统健康与城镇化指标要素（人口城镇化、经济城镇化、土地城镇化和城镇化水平）之间的关系在县域和乡镇单元都呈现出“U”型关系,证明城镇化的初级阶段城镇化将导致生态系统健康的恶化,而城镇化超过一定水平时反而会促进生态系统健康改善。（4）城镇化对生态系统健康的影响机制本研究采用一系列的回归分析方法来测度城镇化与生态系统健康之间的线性和非线性以及空间和非空间关系。生态系统健康与城镇化之间的全局双变量Moran’s Ⅰ值均低于0,并且在0.1%水平上显著,表明城镇化的发展会导致生态系统健康退化。根据全局回归模型的回归结果,可以发现1995到2015年间在所有模型中生态系统健康与城镇化发展水平都呈现出显著的负相关,且城镇化对生态系统健康的影响在逐渐减弱。另外城镇化发展水平平方项的回归系数均为正且显著,进一步证明生态系统健康与城镇化之间存在“U”型关系（环境库兹涅兹曲线）。1995年、2000年、2005年、2010年和2015年县域单元对称轴分别为0.334、0.293、0.313、0.364 和 0.459。1995 年,2000 年,2005 年,2010 年和 2015 年乡镇单元对称轴分别为0.656、0.780、0.603、0.520和0.500。此外,土地利用强度与生态系统健康呈显著负相关,而降水、地形起伏和与河流的距离与生态系统健康呈现正相关。SEMLD模型在县域尺度和乡镇尺度的空间滞后项都显著,除了 2010年和2015年县域尺度模型,这表明生态系统健康的空间溢出效应在长江中游城市群中很常见。1995-2015年间,在乡镇尺度,每个乡镇相邻的乡镇单元加权生态系统健康每增加一个百分点分别会导致本乡镇单元生态系统健康指数增加0.118%、0.129%、0.149%、0.152%和 0.161%。生态系统健康的 0.118%、0.129%、0.149%、0.152%和0.161%的增长并非源于“自身”增长,而是作为邻域单元的“礼物”而增加。城镇化对生态系统健康的回归系数在不同的城市群中差异很大。总体可以发现城镇化对生态系统健康的影响在所有城市群中以及不同等级城市中都呈现逐渐减弱的态势。根据SRSEMLD模型回归结果,宜荆荆城市群的城镇化发展水平对生态系统健康的干扰程度最为严重,武汉城市群中城镇化发展水平对生态系统健康的影响最弱。另外,城镇化对区级别研究单元生态系统健康的影响最弱,城镇化对县级市级别研究单元生态系统健康干扰最强。在GWR模型中探测了生态系统健康对城镇化的空间非平稳响应,城镇化对生态系统健康的影响在不同时期在空间上变化显著。另外可以发现,GWR回归结果具有显著的尺度依赖性,并且尺度效应在核类型、带宽确定和不同尺度单元中特别显着。五、研究创新性点与展望（1）把生态系统服务融入生态系统健康评估框架中生态系统服务是连接自然环境与人类福祉的桥梁（Chen et al.,2019a;Zhao et al.,2018a）,也是生态系统健康评估的重要指标（Rapport,1995a）。生态系统服务是指人类赖以生存的生态系统和生态过程所形成的自然效应。生态系统服务包括大气调节、气候调节、干扰调节、水文调节、产水量和土壤保持等服务（Xie et al.,2008）。生态系统服务以长期服务流的形式出现,能够带来这些服务流的生态系统是自然资本,包括土地、矿物、水等不同生态系统（Costanza et al.,1997）。生态系统提供有价值的商品或服务以维持生命支持系统是生态工程的主要设计目标,从而使人类和整个自然世界受益（Costanza,2012）。然而,以往的研究更多地关注生态系统的完整性和可持续性,在生态系统健康评估时对生态系统服务的关注较少（Rapport et al.,1998）。土地是各种生态系统的载体,土地利用活动极大地改变了地域表面的组成和结构（Kindu et al.,2016;Ma and Swinton,2011）。频繁的土地使用活动严重影响了区域生态系统服务的持续有效供给,从而损害了生态系统健康。在生态系统健康评估中只考虑生态系统活力、生态系统组织和生态系统恢复力,不考虑生态系统服务是不完整的。Costanza et al.（1992）提出的生态系统健康评估框架已广泛应用于生态系统健康评估领域（He et al.,2019;Peng et al.,2015;Ou et al.,2018）。然而,生态系统服务并不总是被提及作为生态系统服务指标,甚至在景观尺度上也没有被提及（Patil et al.,2001;Styers et al.,2010）。以往的研究考虑了基于专家知识的生态系统服务（Peng et al.,2015）,但很少有研究将基于InVEST模型的生态系统服务（提供服务、支持服务、调节服务和文化服务）与生态系统健康评估联系起来。生态系统服务供应能力是反映生态系统健康状况的重要组成部分。在现有文献的基础上,本研究将粮食生产能力、产水量、碳储量、土壤保持、水净化、生物多样性和文化服务供给等指标纳入生态系统健康评估。但是,InVEST模型测度的生态系统服务结果单位量纲不统一,本研究结合极差标准化方法对不同种类生态系统服务进行标准化,创新的结合层次分析方法对不同种类的生态系统服务进行加权综合得到长江中游地区综合生态系统服务指数,然后融入到生态系统健康评估框架中。（2）综合考虑生态系统健康的空间依赖性和异质性大量文献对生态系统健康进行了评估（Patil et al.,2001;Peng et al.,2015;Spiegel et al.,2001;Su and Fath,2012）,然而以往很少有研究关注生态系统健康演化的驱动机制。城市群地区的快速城镇化严重威胁着区域生态系统健康,因此系统地量化城镇化发展对生态系统健康的影响是区域可持续性的必要条件。此外以往生态系统健康驱动力的研究忽视了生态系统服务具有显著的空间溢出效应（Feng et al.,2017;Ou et al.,2018;He et al.,2019）。关于生态系统健康的现有文献通常侧重于个别城市或单一城市群的研究（Peng et al.,2015;Ou et al.,2018）,在对发展中国家城市群集聚区的生态系统健康及其空间驱动因素进行研究很少。空间自相关（或依赖）和空间异质性通常存在于被解释变量和解释变量中,但是以往鲜有研究在研究生态系统健康的过程中考虑这些问题。为了充分解释城镇化发展对生态系统健康的影响,本研究综合采用空间回归方法包括普通最小二乘模型（Ordinary least squares,OLS）、空间滞后模型（Spatial lag model,SLM）、空间误差模型（Spatial error model,SEM）、加入空间滞后项的空间误差模型（Spatial error model with lag dependence,SEMLD）、分区加入空间滞后项的空间误差模型（Spatial regime SEMLD,SRSEMLD）以及地理加权回归模型（Geographically weighted regression,,GWR）来从不同的方面测度长江中游城市群城镇化发展对生态系统健康的影响。具体来说,使用普通最小二乘法模型可能导致对回归结果的不完全解释,因为它忽略了空间效应（Anselin,1988a,1988b）。在本研究中使用了三种全局空间回归模型,包括空间滞后模型、空间误差模型和加入空间滞后项的空间误差模型（Chi,2010）。空间滞后模型假设空间自相关发生在因变量中,强调邻域效应,并考虑空间扩散现象（溢出效应）（Chi and Zhu,2008）。空间误差模型侧重于变量之间被忽视和未观察到误差项的空间相互依赖性。加入空间滞后项的空间误差模型包括空间滞后和空间误差模型,是通过加入空间滞后被解释变量而加强的空间自回归模型。另外,分区加入空间滞后项的空间误差模型用于检查不同分区的回归系数集;地理加权回归模型用于测度城镇化水平与生态系统健康之间的空间异质性,揭示隐藏在全局回归中的局部特征。本研究采用用各种模型和多源数据来测度长江中游城市群生态系统健康和城镇化发展水平。结合一套完整的空间回归模型探测了生态系统健康与城镇化之间的线性和非线性、空间和非空间关系。然而,本研究仍然存在不足。例如,在本研究选择基于土地利用类型的植被覆盖度指数作为生态系统活力的度量指标,但植被覆盖度指数不能完全表征生态系统活力（如不能很好地反映纯林生态系统的活力差异）。相反,净初级生产力（Net Primary Productivity,NPP）或者碳密度可能是更好的指标来衡量生态系统活力,需要在未来的研究中进一步探索和优化。本研究对以往生态系统健康评估模型（活力-组织-弹性）进行了拓展,提出了活力-组织-弹性-生态系统服务的评估框架来测度生态系统健康。然而,该方法主要强调生态系统健康的自然属性,在一定程度上忽视社会经济因素。压力-状态-响应（Pressure-State-Response,PSR）模型不仅可以表征生态系统健康状况的自然属性,而且还可以考虑人类活动的影响因素,可用于未来的生态系统健康评估中。此外,本研究采用一整套的横截面空间回归方法来确定生态系统健康的空间决定因素,来来的研究中可以采用动态空间面板数据模型全面考虑混合个体间差异和个体内动态（Hsiao,2007）。本研究的重点是探测城镇化对生态系统健康的影响,虽然选择了一系列的控制变量,但是仍然缺乏对其他自然因素和社会经济因素的全面考虑和深入探索。例如土地利用转型的显性形态（例如,数量、结构和多样性）以及隐性形态（例如,质量、产权、产出能力和土壤质量）的影响也在生态系统健康演变中起重要作用。因此,未来的研究应该考虑显性和隐性土地利用转型形态。此外,本研究还考察了长江中游城市群中生态系统健康的溢出效应,但没有研究溢出效应的形成过程和空间分布（正面和负面以及直接和间接影响）,将来的研究中应该考虑这样的工作。

关键词：景观格局;生态系统健康;城镇化;空间回归;长江中游城市群

学科专业：土地资源管理

作者简历

摘要

abstract

Chapter1 Introduction

1.1 Research background

1.1.1 The increasingly severe contradiction between human and natural systems

1.1.2 Rapid urbanization in urban agglomerations

1.1.3 The need to identify the impact of urbanization on ecosystem health

1.1.4 The need for ecological civilization construction

1.2 Literature review

1.2.1 Land use/land cover change

1.2.2 Landscape pattern index

1.2.3 Ecosystem services

1.2.4 Ecosystem health

1.2.5 Shortcomings in previous studies

1.3 Research objectives,questions,and contributions

1.3.1 Research objectives

1.3.2 Research questions

1.3.3 Research contributions

1.3.4 Outline of the dissertation

Chapter2 Research theoretical basis

2.1 Main conceptual definition

2.1.1 Landscape pattern index

2.1.2 Ecosystem services

2.1.3 Ecosystem health

2.2 Theoretical basis

2.2.1 Man-land relationship systems

2.2.2 Sustainable development theory

2.2.3 First law of geography

2.2.4 Environmental Kuznets curve

2.2.5 Telecoupling

Chapter3 Ecosystem health assessment in the MRYRUA

3.1 Study area

3.1.1 Location and natural environment

3.1.2 Socioeconomic background

3.1.3 Policy background

3.2 Land use change analysis in the MRYRUA from1995 to 2015

3.2.1 Materials and methods

3.2.2 Quantity change of land use

3.2.3 Spatial change of land use

3.3 Modeling ecosystem health in the MRYRUA from1995 to 2015

Chapter4 Ecosystem physical health assessment in the MRYRUA

4.1 Ecosystem organization

4.1.1 Landscape pattern metrics

4.1.2 Spatiotemporal landscape pattern in the MRYRUA from 1995 to 2015

4.1.3 Spatiotemporal ecosystem organization pattern in the MRYRUA from to 2015

4.2 Ecosystem vigor

4.3 Ecosystem resilience

4.4 Spatiotemporal evolution pattern of ecosystem physical health in the MRYRUA from1995 to

Chapter5 Ecosystem services assessment in the MRYRUA

5.1 Quantifying ecosystem services

5.1.1 Grain productivity

5.1.2 Water yield

5.1.3 Carbon storage

5.1.4 Soil conservation

5.1.5 Water purification

5.1.6 Biodiversity conservation

5.1.7 Cultural services

5.2 Mapping comprehensive ecosystem services index

5.3 Spatiotemporal evolution pattern of ecosystem services in the MRYRUA from 1995 to 2015

5.3.1 Changes of multiple ecosystem services from1995 to 2015

5.3.2 Spatiotemporal evolution pattern of grain productivity from1995 to 2015

5.3.3 Spatiotemporal evolution pattern of water yield from1995 to 2015

5.3.4 Spatiotemporal evolution pattern of carbon storage from 1995 to 2015

5.3.5 Spatiotemporal evolution pattern of soil conservation from 1995 to 2015

5.3.6 Spatiotemporal evolution pattern of water purification from 1995 to 2015

5.3.7 Spatiotemporal evolution pattern of biodiversity conservation from 1995 to 2015

5.3.8 Spatiotemporal evolution pattern of culture services from 1995 to 2015

5.4 Spatial pattern of comprehensive ecosystem services index in the MRYRUA from 1995 to 2015

Chapter6 Spatiotemporal evolution pattern of ecosystem health in the MRYRUA

6.1 Spatiotemporal distribution pattern of ecosystem health in the MRYRUA from 1995 to 2015

6.2 Hotspot analysis of ecosystem health in the MRYRUA from1995 to 2015

Chapter7 Influence mechanism of urbanization on ecosystem health in the MRYRUA

7.1 Driving factors of ecosystem health in the MRYRUA

7.1.1 Conceptual framework for dynamic mechanism of ecosystem health

7.1.2 Dependent variable

7.1.3 Explanatory variables

7.1.4 Control variables

7.2 Urbanization measurement in the MRYRUA from 1995 to 2015

7.2.1 Spatiotemporal evolution pattern of urbanization in the MRYRUA from 1995 to 2015

7.2.2 The relationship between urbanization and ecosystem health in the MRYRUA from1995 to

7.3 Spatial regression model

7.3.1 Spatial autocorrelation test

7.3.2 Spatial regression dealing with spatial dependence

7.3.3 Spatial regression dealing with spatial heterogeneity

7.3.4.Performance comparisons

7.4 Spatial regression results at global and local levels

7.4.1 Spatial correlations between ecosystem health and urbanization

7.4.2 Spatial regression results at global level

7.4.3 Spatial regression results at local level

7.4.4 Scale-dependent spatial non-stationarity

7.4.5 Advantage of GWR

Chapter8 Conclusions and policy implications

8.1 Main conclusions

8.1.1 Quantifying ecosystem services in the MRYRUA

8.1.2 Modeling ecosystem health in the MRYRUA

8.1.3 Mapping urbanization level in the MRYRUA

8.1.4 Influence mechanism of urbanization on ecosystem health in the MRYRUA

8.2 Policy implications

8.2.1 Bringing spatial spillover effect into ecosystem governance and land use decisions

8.2.2 Impact of urbanization on ecosystem health in the telecoupled world

8.2.3 Implication of spatial relationship between ecosystem health and urbanization for urban landscape planning

8.3 Limitations and future directions

致谢

References