EN中文

自然资源学报 >

2025 , Vol. 40 >Issue 6: 1620 - 1643

DOI: https://doi.org/10.31497/zrzyxb.20250612

自然保护地体系建设

自然保护区域农地生态补偿的空间综合决策模型及其运用研究

  • 郑宇梅 , 1, 2, 3
展开
  • 1.中南林业科技大学经济管理学院，长沙 410004
  • 2.湖南省生态文明建设研究基地，长沙 410001
  • 3.湖南绿色发展研究院，长沙 410004

郑宇梅（1979- ），女，湖南辰溪人，博士，副教授，研究方向为自然保护地可持续发展、生态保护补偿、耕地绿色利用。E-mail:

收稿日期: 2024-10-21

  修回日期: 2025-01-26

  网络出版日期: 2025-05-26

基金资助

国家自然科学基金重点项目(U20A2089)

湖南省哲学社会科学基金项目(23YBA118)

湖南省教育厅科学研究重点项目(23A0226)

收起

A comprehensive spatial decision model and its application of ecological compensation for agricultural land in reserve areas

  • ZHENG Yu-mei , 1, 2, 3
Expand
  • 1. School of Economics and Management, Central South University of Forestry and Technology, Changsha 410004, China
  • 2. Research Base for Ecological Civilization Construction of Hunan Province, Changsha 410001, China
  • 3. Institute of Green Development of Hunan Province, Changsha 410004, China

Received date: 2024-10-21

  Revised date: 2025-01-26

  Online published: 2025-05-26

Fold

摘要

自然保护区域是中国当前生态保护补偿重点覆盖区域。剖析了自然保护区域生态补偿的一般性和特殊性，综合考虑生态补偿决策的系统性和效应的多维性，并重视对决策中不确定性的表达，构建以“GIS（地理信息系统）—BN（贝叶斯网络）”为核心的决策模型。选择湖南毛里湖国家湿地公园所在的毛里湖流域为案例区，设计减施化肥等四种以改善毛里湖水环境为目标的农地利用调整措施，并形成多个待选生态补偿方案；通过自编程序开发决策工具集，实现案例区农地生态补偿优先方案与优先区域的精细决策。研究表明：（1）自然保护区域农地生态补偿具有多维效应，其决策应在保护地保护需求和区域经济社会稳定与发展间寻求协同。（2）农地生态补偿决策由农地利用调整措施、目标地类、补偿标准、实施区域等多个决策组件构成，其不同组合会形成效应各异的综合决策方案，综合决策相较单一组件决策更为全面和系统。（3）案例区农地生态补偿优先方案为面向水田和旱地实施“轮作休耕”，补偿标准为二级；在村级行政区进行区域优选可获得更高的实施效率。（4）基于BN的决策模型可自微观地块尺度向中观流域尺度完整地传递不确定信息，评价结果可同时提示决策的潜在收益与可能风险。

关键词： 保护区生态补偿; 精细空间尺度; 多目标综合效应; 资金利用效率; 贝叶斯网络; 决策工具开发

本文引用格式

郑宇梅 . 自然保护区域农地生态补偿的空间综合决策模型及其运用研究[J]. 自然资源学报, 2025 , 40(6) : 1620 -1643 . DOI: 10.31497/zrzyxb.20250612

Abstract

Reserve areas are the key coverage areas of ecological protection compensation in China. In this paper, the generality and particularity of eco-compensation decision in reserve areas were analyzed, and a decision framework for eco-compensation was built considering the systematicness of decision and multi-dimensional effects. Based on the emphasis on expressing uncertainty in decision information, a decision model with "GIS (Geographic Information System)-BN (Bayesian Network)" as the core was constructed. The Maoli Lake Watershed, where the Hunan Maoli Lake National Wetland Park is located, was selected as a case area to design four agricultural land-use adjustment measures aimed at improving the water environment of the Maoli Lake, such as the reduction of chemical fertiliser application, and to form a number of eco-compensatory schemes to be selected. The decision tools were developed by self-programming to realize the fine decision of priority scheme and implementation area of agricultural land eco-compensation in the case area. The results showed that: (1) Ecological compensation for agricultural land in nature reserve areas had a multidimensional effect, and its decision-making should seek synergies between the conservation needs of the reserve and regional economic and social stability and development. (2) Ecological compensation for agricultural land comprised multiple key components, such as land use adjustment measures, target land types, compensation standards, and implementation areas. These elements could be combined in various ways to form comprehensive decision-making plans. This multi-component approach offerd a more systematic and holistic framework compared to single-factor decision-making models. (3) The priority programme for ecological compensation of agricultural land in the case area was the implementation of crop rotation and fallow for paddy fields and drylands, with compensation rates at the second level; regional preferences at the village level of the administrative districts could be implemented more efficiently. (4) The decision model in this paper could entirely transfer uncertainty information from the microscale of plot to the mesoscale of watershed, and the assessment results could simultaneously suggest the potential benefits and possible risks of the decision.

Key words： reserves eco-compensation; fine spatial scale; multi-objective comprehensive effect; fund utilization efficiency; Bayesian Network; decision tool development

自然保护地是生态文明建设的核心载体，在维护国家生态安全和实现人与自然和谐共生中居于首要地位[1]。中国自然保护地建设历经60多年，现已形成十余种形式的自然护地共12000余个，覆盖陆域国土面积约18%[2,3]。当前以国家公园为主体的自然保护地体系仍在加快建设中，然而这项具有开创性和挑战性的工作仍面临诸多困难和问题，其中尤为凸显的是保护与发展间的矛盾[4]。由于历史遗留等原因，目前中国大多数自然保护地域内及其毗邻区域分布有不少原住居民，他们大多依赖于农地开展生计活动，保护地建设与农地利用冲突现象日益增多[5,6]。“保护优先”从多个方面限制了自然保护地及周边区域的社区发展，开展生态保护补偿是弥补发展受限，实现自然保护价值的有效途径[6,7]。中国于2016年就提出在重点生态功能区等重要区域实现生态保护补偿全覆盖；2021年中共中央、国务院印发《关于深化生态保护补偿制度改革的意见》中明确提出建立健全以国家公园为主体的自然保护地体系生态保护补偿机制。如何实现自然保护区域生态补偿的高效决策，已成为协调保护地建设与区域发展矛盾的重要议题。
中国的生态补偿实践一直以来与农地密切相关。20世纪末开始的退耕还林、退田还湖等一系列大型生态修复工程取得了全球瞩目的显著成效[8,9]，近年以农地休养生息为目标的轮作休耕正逐年扩大应用范围[10]。农地生态补偿以调整农地利用方式和补偿相应损失为手段，以植被恢复、土壤修复、湿地恢复等为目标，其实质是对区域人地关系的调整[11]，目前进一步在面源污染防治、耕地保护等领域推广，其实施不但改变生态环境，还对区域农业生产、农户生计、人口迁移[12-14]等产生影响。已有农地生态补偿决策研究主要集中在标准核算、农户响应、效应估测、绩效评价[15-18]等；还有研究关注生态补偿的实施效率，探讨补偿方式[19]、补偿对象的优选[20]以及考虑区域异质性的空间瞄准[21]和区域识别[22]。另外，近年来对农业政策效果不确定性的关注引发了进一步优化决策设计的思考[23,24]，这与农业活动处于复杂动态的自然社会背景有关。在已有研究中，贝叶斯网络（Bayesian Network，BN）作为一种可实现不确定信息完整传递，且能灵活综合处理多种类变量的工具[25]，被应用于农业选址优化策略[23]、河岸带农业活动的情景效应评价[26]、干旱区水资源动态管理[27]等。然而，现有研究多忽视了生态补偿决策组件的多样性，系统化生态补偿决策的研究方法和工具有待进一步探索与开发；另外，专门针对自然保护区域的生态补偿决策研究相对匮乏；而且，农地生态补偿处于复杂多变的自然、社会背景中，决策因子与结果往往具有不确定性特征，但鲜有研究将此纳入决策过程；此外，农地生态补偿的空间化研究仍处于起步阶段，且多集中在国家、省（区）际、市际等中宏观尺度上，鲜见精细空间尺度的生态补偿空间决策研究。
因此，本文剖析自然保护区域农地生态补偿综合决策的概念与内涵，充分考虑处于复杂自然社会背景中农地生态补偿效应的多维性和不确定性，以农田尺度地理空间为决策单元、以补偿资金高效利用为目标，构建自然保护区域农地生态补偿精细化空间决策模型；并以湖南毛里湖国家湿地公园所在的毛里湖流域为案例区，结合湿地型自然保护地保护需求和区域农地利用特点，以农地面源污染防治为目标，制定四种可行的农地利用调整措施；通过收集高精度地理数据、水文模型模拟、田野调查、农户问卷、利益相关者座谈、专家咨询等方式，形成决策数据集；并开发以“GIS-BN”为核心的决策工具集，最终实现案例区农地生态补偿方案与区域的精细决策。

1 自然保护区域农地生态补偿的空间综合决策模型

1.1 自然保护区域农地生态补偿综合决策概念框架

本文自然保护区域为自然保护地及与其毗邻的具有密切地理关联的一定区域。对本文农地生态补偿决策的内涵进行进一步分析。现有研究提示农地生态补偿决策涉及对象、标准、方式、区域等多方面[13,16-18]，本文开展统筹多个决策组件的综合研究，将农地生态补偿决策定义为：以农户为补偿对象，包括“农地利用调整措施”“目标地类”“补偿标准”“实施区域”四个决策组件的综合决策。进而，从农地生态补偿的一般性及其在自然保护区域的特殊性两方面展开决策内涵分析。
（1）农地生态补偿的一般性。农地生态补偿本质是对区域人地关系的一种调整，其实施会对区域农地利用、农户生计乃至社会和谐等产生影响，故其决策应综合考虑产生的多重效应。已有研究多以人地关系理论等为依据，从生态环境、社会、经济三个相对独立的维度对政策效果进行综合评价或预估[28,29]；另外，系统的农地利用效应评价也多基于这三个维度开展[30,31]。因此本文选择从这三个维度考虑农地生态补偿实施效应。
（2）自然保护区域农地生态补偿的特殊性。一定区域内的人地系统具有密切联动关系和反馈机制[32]。《生物多样性公约》（CBD）将自然保护地定义为：具有一定地理界限、为达到特定保护目标而指定或实行管制和管理的地区。显然，自然保护地具有异于其他地域的功能定位和管理目标。因此，以调整人地关系为本质的农地生态补偿应寻求与保护地保护目标的协同，将保护目标的需求纳入决策中。然而，目前无论在实践还是研究中都尚未对自然保护区域生态补偿的特殊性给予重视。本文从两方面将这一特殊性纳入决策：首先，应考虑不同类型自然保护地的生态系统特征和生物多样性保护目标的差异。中国现有十余类自然保护地，其保护和管理目标各异，同类型保护地也会因自然社会本底差异而大相径庭[33]。因此，应重视特定保护地的特殊性，进行农地生态补偿策略的“量身定制”。其次，全球自然保护理念由纯自然保护、抢救性保护，向为了人类生存而保护自然、人与自然和谐而演变[34,35]，可见促进人与自然协同共生是自然保护区域生态补偿决策的又一特殊性要求。
综上，将农地生态补偿效应多维性和自然保护区域的特殊性要求相结合，并考虑自然地理、社会经济、农地利用等背景性因素，形成自然保护区域农地生态补偿综合决策概念框架（图1）。可见，本文决策要素存在主客观、异质性共存，要素间关系具有非线性、不确定性等特征，因此这类决策面临着复杂的多学科交叉背景，以及多级尺度交叠、数据集异质性等挑战。
图1 综合多维效应的自然保护区域农地生态补偿决策概念框架

Fig. 1 Framework of eco-compensation decision-making based on multi-dimension effect for agricultural land in reserve areas

1.2 空间综合决策模型构建

1.2.1 决策思路

以上述综合决策概念框架为基础，以高精度地理空间单元为对象，以补偿资金的高效利用为目标，提出本文决策思路（图2）。首先，结合自然保护地类型与保护需求、农地利用特征、区域经济社会、政策背景等，提出待选目标地类和农地利用调整措施，并基于实地调研计算补偿标准以形成备选方案；其次，收集建立案例区自然地理数据集、社会经济信息数据集、农地利用调整的生态环境响应数据集等，以构建农地生态补偿多维效应评价的贝叶斯网络模型；然后，开发以“GIS-BN”为核心的农地生态补偿效应“多维度+空间化”评价工具，并以高精度农地栅格为评价单元开展各生态补偿方案的综合效应估算；最后，以补偿标准、调整措施、目标地类、实施区域为决策变量，以单位生态补偿资金产生的效应提升概率为目标函数，实现生态补偿最佳方案与优先区域的精细空间决策。
图2 自然保护区域农地生态补偿空间综合决策思路

Fig. 2 Research ideas on spatial decision-making of eco-compensation of agricultural land in reserve areas

1.2.2 农地生态补偿决策的组件设计

本文农地生态补偿决策为包含农地利用调整措施、目标地类、补偿标准和实施区域的多组件综合决策。以因地制宜、切实可行为原则对组件的设计进行探讨。（1）农地利用调整措施。根据现有实践，可综合考虑国家政策背景、应用区农地利用和社会经济现状，并结合利益相关者调研和专家经验确定。首先，从国家政策来看，中国现已实施的退耕还林还草、退田还湖等工程均与农地生态补偿紧密相关[36]；另外，轮作休耕是近年来一项重要的农业资源休养生息工程，自2016年中国正式开展轮作休耕制度试点以来，其推广范围逐渐扩大[10]。因此待选措施可考虑退耕还林、农地休耕、退耕还湿、退牧还草等。其次，为确认农地利用调整措施在应用区的可行性，需进行深度实地调研，收集各方利益相关者的看法和意愿，选择有较高接纳度的措施。（2）目标地类。中国的自然保护地根据保护对象和目标被划分为生态系统保护、生物物种保护、自然公园等多个大类和细分小类，可根据应用区生态系统特征，甄别其核心生态组分，进而在农地利用调查基础上选取对保护地核心生态组分影响较大的农地；此外，还应考虑应用区农地结构、不同农地的生计贡献度，优先选择占比较大、生计依赖小的农地。（3）补偿标准。首先确定补偿标准计算方法，并围绕目标地类进行成本收益调查，初步计算各农地利用调整措施下的补偿标准，进而设计调研问卷收集农户对预设标准的看法和建议，最后确定用于决策的补偿标准上下限和分级。

1.2.3 评价生态补偿综合效应的BN模型构建

采用贝叶斯网络（BN）建立农地生态补偿多目标综合效应评价模型。BN以概率论和图论为基础，可对受多个因素影响事件的发生概率进行推理和过程表达[37]。近年来随着对决策过程中不确定性因素的关注，BN被应用于涉农生态环境决策模拟和诊断中[23-27]。本文采用BN的优势在于，农地利用处于复杂多变的自然社会经济环境下，评价变量自身存在概率分布且变量间的关系往往呈现不确定性特征。BN具有强大的不确定信息处理能力，可通过各级节点依次传递不确定信息至最终的推理结果，可为决策提供更完整的信息[25]；且BN具有结构灵活性特征，可方便实现不同类型、属性变量的分簇和综合处理，适于应对农业政策效应评价面临的数据多源、异质性和不完整情境[24,38]。
一个BN由拓扑结构和参数构成。拓扑结构由以随机变量为节点的有向无环图（Directed Acyclic Graph，DAG）呈现，参数表达为描述各节点间关系的条件概率表（Conditional Probability Tables，CPTs），两者综合表达了一组随机变量的交互关系及与之对应的概率密度函数。根据材料和应用场景的不同，BN构建可分为全学习建模、经验建模和两阶段建模等。本文根据研究场景采用两阶段建模法。首先，运用经验知识解构决策事件的关键因子及因子间的因果关系，以建立DAG；进而，逐一求解各父子节点间的概率分布，完成CPTs估计；最后，进行模型校验和参数调整，以获得最接近真实的贝叶斯网络。
（1）BN节点遴选与DAG搭建
基于前述决策概念框架，选择农地利用综合效应、生态环境效应、经济效应、社会效应为初始节点构建DAG核心结构；进而采用机理剖析、文献研究、专家征询等方法逐层遴选各节点的关键影响因子（各级父节点变量），最后连结所有父子节点以完成DAG的搭建。最终共获得BN节点27个，完成父子节点间有向弧连接，进一步结合专家知识进行校验和调整，形成DAG如图3。主要节点及其影响因子的遴选分析如下。
图3 农地生态补偿综合效应评价的贝叶斯网络拓扑结构

Fig. 3 Topological structure of BN for eco-compensation multi-effect evaluation of agricultural land

① 生态环境效应的影响因子。首先，农地是半自然生态系统，有研究提示不同耕作方式下的农地生态系统具有显著的生物多样性差异，这与农用化学药品的使用密切相关[39]；另外农地周边人类活动被认为会显著影响生物多样性[40]。其次，应考虑生态补偿实施对保护地保护的影响。目前中国自然保护地按保护强度具有不同功能分区，可知保护地保护收益与目标农地离保护区距离成正比[41]；另外，顶级消费者是保护成效的重要指征[42]，因此可通过测度措施对顶级消费者生境的影响来表达保护收益。根据图1，生态环境效应还应考虑维系保护地生态系统的关键非生物因子，该节点需根据应用区生态系统特征确定，其数量有可能是一个或多个；相应地，该节点的影响因子也需留待应用阶段选取。综上，获得生态环境效应的影响因子B1~B3，及其各自对应的影响因子A1、A4~A7和A?。
② 经济效应的影响因子。本文决策的核心组件之一是农地利用调整措施，其实施会影响相应农地的农作收入。根据已有研究和实地调研，纯收入和劳动力投入是影响农地净收入的关键因子。显然这些因子会因为地类，以及农产品类型、农地管理方式、劳动力质量等相异而具有不确定特征。因此，选择经济效应的影响因子为B4、B5，以及两者对应的影响因子A1。
③ 社会效应的影响因子。生态环境政策的社会效应可从宏、微观多层面多角度进行测度评价。考虑到农地生态补偿面向案例区广大农户，因而选择从微观农户视角考虑社会效应的影响因素。根据既有研究，农户对生态补偿的参与意愿和对既有政策的信任会显著影响现行政策的推行，并表现为政策实施的社会效应[43,44]。进一步分析农户参与意愿和政策信任度的影响因素，实地调研发现补偿标准是影响农户参与意愿的最重要因素，另外农户对于不同类型农地的参与意愿也具有较大差异；此外，生计稳定性[36]、公平程度和对已实施政策的好感度[45]是影响农户对未来政策预期与信任度的重要因素[46]。综上，获得社会效应的影响因子B9、B10；参与意愿的影响因子A1、A2；政策信任度的影响因子B6~B8。进一步分析和征询专家意见甄选对应影响因子A8~A12。另外，多个研究显示同一政策在不同行政区的农户参与意愿和政策评价等具有明显差异[46,47]，因此，选择A3作为A10~A12的影响因子。
（2）参数估计
BN参数估计主要是其条件概率表（CPTs）的确定。本文BN各节点对应指标集具有学科交叉、属性异质、尺度各异等特征，因此采用主观和客观两大类方法来确定参数。CPTs的获取方法基于对相应节点可获得观测数据的诊断。本文BN各父子节点间的CPTs获取方法详见表1。
表1 不同节点间的条件概率表获取方法

Table 1 Calculation methods of CPTs for different nods

观测数据与节点分级数 CPTs获取方法 对应节点
数据完整或较少缺失 观测数据完整，
节点分级较少		 根据极大似然估计，采用频数统计得出 A5, A8~A12, B4, B5
观测数据完整，
节点分级较多		 先采用频数统计得出单独每对父子节点的概率，再根据“概率和为1”的原则，采用乘法定理求得多个父节点对应一个子节点的概率 B3
观测数据缺失较少 采用常规统计方法修补数据，再按上述方法计算 A7
数据较多缺失 节点间关系满足常规概率模型 采用常规统计学方法估计概率模型的统计学参数，代入节点分级值后换算而得 B9, B12
节点间关系可按权重进行量化 按常规统计方法对多个父节点两两比较而综合计算得相对权重，加权求和后换算得 B1, B2, B11, B8, B10
节点间的关系难以用概率模型刻画或权重关系量化，但父子节点属于同一学科领域 专家咨询法。主要步骤：① 针对单个父节点和单个子节点，将父节点与子节点的可取值状态两两组合，形成用于咨询每个组合发生概率的概率引导表；② 针对各对父子节点的概率引导表，咨询多位该领域专家，收集专家给出的概率并计算其均值；③ 根据单个父节点和单个子节点之间的概率关系，以父节点之间的独立性为原则，计算多个父节点对应单个子节点时的概率，从而形成CPT B6, B7, B13
父子节点的学科领域差异较大 “领土假想”参与讨论法。主要步骤：① 提出以改善生态环境为目标的“领土假想情境”，并提供多个可选补偿方案；② 邀请保护地管理者、农户、学者等多方利益相关者进行观点表达，记录并汇总整理获得环境、经济、社会各效应权重；③ 对各效应按高中低分级，加权求和得出综合效应值，并根据效应值的分级和分布情况换算得CPT C1

注：参数估计的观测数据来源于在应用区的调研、模型模拟、统计计算等。

1.2.4 基于GIS-BN的集成处理工具开发及精细化空间决策实现

中国自然保护区域农地通常具有小斑块交错分布特征，为实现生态补偿的精细决策，设定10 m精度栅格作为评价的空间单元。另外本文构建的BN节点较多且关联复杂，属于中大型BN，故采用MATLAB语言编制集成处理工具以实现所需的大型运算及决策优化任务。其主要模块包括：数据预处理；BN参数估计；各方案下BN网络推理与结果空间化；方案优选与决策。
方案优选以补偿资金利用效率最大化为决策目标。以各地类现状下的综合效应为基准，计算各“地类”“标准”和“措施”组合下单位资金产生的综合效应增量，并以此为决策变量，采用单变量逐项优化法确定最佳生态补偿方案，最终以行政区划和总经费为约束条件识别优先实施区域。步骤和计算过程包括：
（1）综合效应变化率计算：按下式计算第i类现状地类的第j个栅格在第m种调整措施和第n级补偿标准下，单位补偿资金产生的高综合效应概率增率 D i ,   j m ,   n（即生态补偿的资金利用效率），式中 P i ,   j m ,   n C 1 = 高 为该农地栅格应用相应措施和标准后综合效应为高的概率， P i ,   j 0 ,   0 C 1 = 高 为现状地类下综合效应为高的概率， Q n为第n级补偿标准对应的补偿资金（元/亩）（1亩≈667 m2），其计算公式如下：
D i ,   j m ,   n = P i ,   j m ,   n C 1 = 高 - P i ,   j 0 ,   0 C 1 = 高 / Q n
（2）综合效应变化率均值计算：按下式计算第i类现状地类应用相应措施和标准后的高综合效应概率增率均值 E i m ,   n，式中 J i为第i类现状地类的栅格总数，其计算公式如下：
E i m ,   n = ∑ j D i ,   j m ,   n / J i
（3）最佳方案确定：对比不同现状地类应用不同“农地利用调整措施”和“补偿标准”组合后的 E i m ,   n，获得最佳方案并定义为F(m, n, i)，F为“调整措施+目标地类+补偿标准”的组合。
（4）优先区域识别：假设整个案例区的目标地类均按F实施生态补偿，针对案例区辖内的不同区域（可精确至乡镇级、村域级、农田级尺度），计算各区域的高综合效应概率增率 D i ,   j m ,   n的均值 D -，按 D -值排序确定出不同区域的实施优先级，最终以生态补偿总经费为约束，识别应用区农地生态补偿优先实施区域。

2 自然保护区域农地生态补偿空间综合决策模型运用

2.1 案例区概况及决策BN模型建立

2.1.1 案例区概况

以湖南毛里湖国家湿地公园所在的毛里湖流域为案例区（图4）。毛里湖国家湿地公园于2016年获批建立，其主体湖泊毛里湖是典型山溪型湖泊，还是湖南省第二大天然淡水湖，具有重要的湿地生态系统维系、生物多样性保护、洪水调蓄、水源涵养等功能。毛里湖流域位于湖南省常德市，面积为387.63 km2，区内地表升降明显，海拔跨度23~378 m，密布大小100多条溪流，其中永久性溪流8条；案例区涉及的主要行政区有常德市津市市毛里湖镇、药山镇和白衣镇。区内农业以种植和水产养殖业为主，主要作物有水稻、油菜、棉花等，主要水产品有鱼、虾、蟹等。主要农地为水田、旱地、坑塘、果园、林地，各类农地总计占流域面积75.31%，景观呈不同类型农地中小斑块交错分布态。
图4 毛里湖流域位置、地形及国家湿地公园红线

Fig. 4 Location and topography of the Maoli Lake Watershed, and the red line of the National Wetland Park

2.1.2 案例区BN拓扑结构确定

根据本文BN确定思路，节点（B3）及其影响因子（A?）需要根据应用区保护地特征确定。案例区保护地毛里湖国家湿地公园为内陆湿地和水域生态系统。水，是湿地生态系统的核心生态因子，水质水量在很大程度上决定湿地型保护地生态系统功能和健康的可持续[48]。因此，良好的水环境状态维系可作为本文案例区生态系统的核心非生物因子。
进一步对案例区农地利用与区域水环境的关联进行分析。毛里湖流域是洞庭湖传统农区，20世纪中后期开始，由于种植业化肥施用不断增加以及畜禽、水产养殖集约化发展，流域水体富营养化持续增长，导致毛里湖水质不断恶化，一度降至劣V类[49]。2011年左右，当地针对畜禽养殖等点源污染开展了一系列治理措施。但该区地处中亚热带向北亚热带过度潮湿气候区且农地分布广泛，导致雨季极易形成大面积面源污染；另外结合洞庭湖区水环境问题的相关研究[50,51]，可判定由农地利用所致的面源污染是毛里湖水环境的最大潜在威胁。因此，确定“农地面源污染负荷”作为案例区的B3节点。
对于B3节点的影响因子，则基于分布式水文模型SWAT（Soil and Water Assessment Tool）中农地面源污染的形成和迁移机理进行选择。该模型通常以流域为研究对象，将流域划分为若干由不同土地利用类型、土壤类型和坡度区间组成的水文响应单元，可对一定农地利用方式下氮、磷等营养物在土壤和水系的输移进行模拟[52]，其在国内小型农业流域取得了良好的模拟效果[53]。根据模型机理确定影响B3的主要因子为农地类型（A1）、降水量、坡度、土壤类型、施肥量（A13~A16），代入图3即获得本文案例区BN拓扑结构。

2.1.3 案例区农地利用调整措施设计

根据案例区实际，可确定农地利用调整目标是防治面源污染以改善毛里湖水环境。已有研究发现，农地营养要素施用是影响农业流域水环境的主要原因[54]，因此以“控制化肥施用”为导向，综合考虑国家政策和案例区实际进行农地利用调整措施设计。于2020—2021年间在案例区开展了大范围深度田野调查和农户调研，并走访了环湖三镇和常德市、津市市的多个政府管理部门，开展了利益相关者座谈，并咨询相关领域专家，最终提出减施化肥、轮作休耕、退耕还林、坑塘转产4个调整措施见表2。
表2 毛里湖流域农地利用调整措施设计

Table 2 Adjustment measures design of agricultural land for Maoli Lake Watershed

农地利用调整措施 可调整的地类
措施名称 简称 具体措施
维持现状 基准 维持现状不变 —
减施化肥 减施 减少50%化肥施用量 水田、旱地、果园
轮作休耕 休耕 每耕作1年即休耕1年 水田、旱地
退耕还林 退耕 改耕地为经济林 水田、旱地
坑塘转产 转产 改动物水产为水生经济作物 坑塘

2.1.4 数据来源

采用田野调查、遥感数据收集、统计资料收集、文献查阅、农户问卷调查、政府访谈、文件资料搜集、专家咨询等方法获取原始数据。整理加工形成由自然地理数据集、农地利用面源污染负荷数据集、农地利用社会经济数据集三大部分构成的综合数据库如表3。
表3 数据简介与来源

Table 3 Data introduction and sources

数据集 数据名称 简介和来源
自然地理数据集 坐标、高程 中国科学院地理空间数据云平台（http://www.gscloud.cn），分辨率30 m
坡度 基于高程进行梯度计算得出
土壤 国家寒区旱区科学数据中心（http://www.nieer.cas.cn/kyfw/kxsj），分辨率1 km
降雨量 SWAT软件官方网站（https://swat.tamu.edu/software）、常德市澧县气象局（http://hn.cma.gov.cn/dsqx/cds）、常德市安乡县气象局（http://hn.cma.gov.cn/dsqx/cds）
水文水质 来自当地环保局、毛里湖国家湿地公园管理部门以及现场实测
生境质量 野外调研、资料查阅
面源污染负荷数
据集		 总氮 不同调整措施下农地利用形成的面源污染总氮、总磷迁移至流域水系的负荷，来自基于实测数据校准的SWAT模型模拟
总磷
社会经济数据集 土地利用 包括水田、旱地、坑塘、果园、林地、建设用地等，来自管理部门，分辨率10 m
人类活动 基于土地利用数据，采用经验公式通过空间统计计算得出
农地管理 包括作物种类、种植制度、化肥农药施用、耕作方式等，由田野调查得出
农地收入/成本 包括主要农产品收入、生产资料投入、劳动力投入等，由农户调研得出
补偿标准 根据案例区农户社会调研数据，采用机会成本法等测算得出
农户参与意愿 包括农户环保认知、对既有政策好感、政府宣传力度等，由农户调研得出
离城镇距离 根据坐标数据，通过MATLAB编程计算得出
离保护区距离 结合案例区土地利用和DEM数据，通过MATLAB编程计算得出
对原始数据获取和数据处理进一步说明：（1）农地利用面源污染负荷数据。通过经实测数据[21]校准的SWAT模型模拟获得。采用SUFI-2算法[52]进行参数率定，并以2014—2020年的实测值为依据，采用纳什效率系数、判定系数、相对误差三指标[55]评价模型效果；在本文的前期研究中[21]采用该模型模拟了本文案例区现状地类和四个农地利用调整措施下的流域营养物负荷情况，模拟结果与实测数据吻合良好[21]。按栅格提取后，所有措施在全流域总计获得了1038.2万个观测数据组，从而形成本文农地面源污染负荷数据集。
（2）社会经济数据集。在案例区开展了大范围农地田野调查和各类资料收集，并进行深度农户访谈和问卷调查。整理获得案例区农地利用模式及相应生境的分布数据；农户访谈和问卷调查通过随机抽样法采用半结构深入访谈相结合的形式开展，收集数据包括农地生产管理、劳动力投入、农产品成本收益、生态补偿参与意愿等42个题项。累计调查毛里湖流域各乡镇52个自然村，共收集401份答卷，经整理后得到有效问卷370份。
（3）生态补偿标准计算。采用机会成本法计算补偿标准。鉴于实施可行性，仅考虑措施对农户收入造成的直接损失，即实施前后农户的农地净收入变化。另外考虑到案例区农地利用情况复杂，结合农地类型和利用模式来分类计算农地净收入，并假设其服从正态分布从而确定出上下限值，具体过程限于篇幅不详细展示。最终确定出补偿标准的{1、2、3、4、5} 级对应为 {428、826、1223、1621、2018} 元/亩，其中2018元/亩为根据坑塘养殖的净收入均值上浮3倍标准差而确定，该补偿标准囊括了绝大部分农户的收入情况，从而充分考虑农户的得失，以利于全面考虑农地生态补偿的利弊。

2.1.5 BN节点分级与评价空间单元赋值

各节点数据收集完备后，进行节点状态离散化。根据数据离散或连续性等不同情况，分别采用等间隔分割法、自然断点法或根据相关标准，参考专家意见进行分级，获得BN各节点的分级情况如表4。借助ArcGIS在全流域共获得10 m分辨率目标栅格共计2076486个，其中水田1068352个、旱地694377个、坑塘239626个、果园74131个。并根据表4中的分级含义，采用MATLAB编程判断后对每个栅格赋予分级值，最终形成所有栅格输入层节点状态的空间分布图如表4的末列。
表4 输入层中部分父节点描述及分级情况表

Table 4 Parent node description and hierarchy of the input layer

节点 描述 分级 含义 依据及来源 空间分布图
A1
农地
类型		 现状地类及调整后的地类 1 水田 农地利用调整措施设计
（右图以基准即地类现状为例）
2 旱地
3 果园
4 坑塘
5 休耕后的水田
6 休耕后的旱地
7 减施后的水田
8 减施后的旱地
9 退耕后的水田
10 退耕后的旱地
11 减施后的果园
12 转产后的坑塘
A3
行政区划		 乡镇尺度下的区划 1
2
3
4		 白衣镇
毛里湖镇
药山镇
其余乡镇		 国土部门的区划图
A4
离城镇
距离		 至最近城镇中心区的直线距离/m 1
2
3		 近：[0, 2000]
中：(2000, 4000)
远：[4000, 12810]		 根据当前栅格至到各乡镇城区
中心的直线距离最小值分级
A6
离保护
地距离		 离湿地公园的直线距离/m 1
2
3		 近：[0, 1000]
中：(1000, 3000)
远：[3000, 8501]		 根据当前栅格至公园红线的最短
直线距离分级
A13
降雨量		 多年平均降雨量/(mm/年) 1
2		 小：1215
大：1332		 根据最近10年的气象数据计算
均值并分级
A14
土壤
属性		 栅格处的土壤属性 1
2
3
4
5
6		 普通强淋溶土（ACh3）
高活性强酸土（ALf2）
人为土（ATc2）
铁铝始成土（CMo2）
饱和冲积土（FLe2）
水体（WR）		 取自世界土壤数据库（HWSD）
A15
坡度		 地势坡度，单位/(°) 1
2		 缓：[0, 6]
陡：(6, 15]		 按已有退耕还林规范判定分级

2.2 不同生态补偿方案的效应计算及其空间分布

根据BN节点指标，在案例区收集原始数据，通过模型模拟、计算整理形成证据数据库，采用表1中方法计算BN参数，从而获得毛里湖流域农地生态补偿效应评价贝叶斯网络模型。进而运用基于MATLAB编制的空间化集成处理工具，开展案例区各效应概率值的推理计算，即各生态补偿方案的综合效应估算，为后续生态补偿方案和区域优选提供依据。
由节点A1（农地类型）的1~4级表达农地利用现状（即基准状态），5~12级表达各调整措施下的农地利用状态，将案例区所有相同现状地类的栅格赋值为同一A1值，在此基础上与A2（补偿标准）各分级进行组合，对每一目标栅格依其属性赋值，将B11、B12、B13、C1四个效应节点作为查询变量，并采用集成处理工具进行BN推理计算，可获得4个效应节点的后验概率推理值。其中基准状态由于未开展生态补偿，其农地类型（A1）与补偿标准（A2）所有组合的参与意愿（B9）均设置其为“中”的概率为1，其他节点按既有参数计算。完整的推理结果包含4个调整措施与5个等级的补偿标准相互组合下，案例区2076486个目标栅格的4种效应分别为高、中、低3个概率级别时的概率结果，以综合效应（C1）为例，共获得57588225个概率值。采用MATLAB绘制各措施和补偿标准组合下4个效应各级概率空间分布图共252幅，选取基准状态和各措施下各效应为高时的20幅形成图5。
图5 案例区目标栅格B11、B12、B13、C1后验概率的空间分布

Fig. 5 Spatial distribution of the probability calculation of nod B11, B12, B13, C1 for target grids in the case area

从图5a1~图5a4可看出，研究区各待选农地生态补偿方案的各维效应均有空间差异性，其中生态环境效应（B11）的差异最为显著，这也从一个侧面说明本文的空间决策具有实现意义。通过图5b~图5e可以看出各调整措施（m）和补偿标准（i）组合下的农地利用生态环境效应、经济效应和社会效应在全域与精细局地上均呈现较大差异。从基准状态与其他组合的比对可知，各措施的实施均产生了明显的生态环境效应；而农地利用经济效应则有不同程度的下降；从社会效应来看，各组合的社会效应较现状有一定提升，不过目前展示图幅均为高综合效应发生概率的分布情况，在补偿标准为最低或较低分级时其社会效可能较现状低。
通过图5不同情景下各效应概率值分布间的纵向比对可为从某一效应维度进行方案优选提供依据。比对各组合P(B11=高) 可知退耕措施明显可获得最好的生态环境效应，而休耕、减施与转产措施依次降低；从P(B12=高) 在各组合的比对中可知5级补偿下的坑塘转产的经济效应最高，显然这与高补偿标准相关，即坑塘转产需要在5级补偿标准下才具有高的综合效应；休耕、减施和退耕措施分别在2级、4级和3级补偿标准下可获得高综合效应概率高值。从P(B13=高) 的各组合比对可以看出，农户对休耕和减施措施的响应更佳，而坑塘转产的社会效应最低，反映了该措施的推行有可能面临较大阻力。对比案例区各组合综合效应P(C1=高) 值的分布可知尽管各农地利用调整措施不一，但均能较现状提高农地利用的综合效应。其中休耕和减施的综合效应提高最为显著，然而高综合效应概率值在案例区的空间分布具有明显差异，可知调整措施（m）、补偿标准（i）、目标地类（n）组合时的对应情况非常复杂，不同地类高综合效应对应的补偿标准不同，而补偿标准又涉及方案推行的资金成本，这无疑又进一步增加了决策的复杂度。

2.3 案例区农地生态补偿方案的确定

基于各方案C1计算结果，以补偿资金高效利用为目标，将补偿标准、农地类型纳入决策变量，通过比较各方案下单位补偿资金产生的高综合效应概率增率（即D值）及其均值（即E值）来确定最佳方案。

2.3.1 各方案下各类农地高综合效应概率增量的空间分布

根据各方案综合效应C1的推理结果，按前述式（1）计算 D i ,   j m ,   n，即各方案下各栅格的高综合效应概率增量，进而按前述式（2）计算各地类E值，即全流域所有栅格高综合效应变化率均值，并绘制4个目标地类E值最高时所对应方案的D值空间分布如图6。
图6 各地类在其E值最高方案下的D值空间分布

Fig. 6 Spatial distribution of D values for each grid under its highest E value scheme

分析图6可知：（1）在一定方案下，案例区不同位置的同类型农地栅格的D值存在差异，如坑塘转产和5级补偿标准组合时坑塘栅格最高的D值（3.29×10-4）是最低D值（1.24×10-4）的2.65倍，这可能是其栅格离河流、城镇、保护区等距离不同而导致生态环境效应有显著差异所致。（2）不同类型农地在其E值最高方案下的D值存在明显差异，比对上图不同组合可知“旱地+休耕+2级标准”为最优组合，其最低D值（8.15×10-4）高于其他三类组合中的最高D值（7.38×10-4）；其他三类组合D值排序为“水田+休耕+2级标准”>“果园+减施+4级标准”>“坑塘+转产+5级标准”。

2.3.2 案例区农地生态补偿方案的确定

绘制各调整措施与目标地类及补偿标准组合（即农地生态补偿方案）下E值的变化规律如图7。对比各农地利用调整措施可知：（1）轮作休耕措施的E值先升后降，其在 1级、2级补偿标准中明显高于其他措施，在3级补偿标准下其综合效应虽有所降低，但仍处于较高水平，可以看出水田休耕在2级补偿标准下的综合效应在所有方案中最优。（2）减施化肥措施的E值在各方案中一直处于中等区间，在补偿标准为1级时旱地减施明显优于水田减施，在补偿标准达到2级后，两者差距急剧缩小，旱地略优于水田；果园减施在1~3级标准下，其综合效应一直相对较低，其后差距缩小。（3）退耕还林措施的E值根据地类不同有较大差异，其中旱地退耕还林是3级补偿标准下综合效应最高方案，水田退耕还林的E值一直显著低于其他方案，在补偿标准达到4级时才与其他方案靠近。（4）转产措施仅面向坑塘，其E值一直随补偿标准增加而单调递增，其最大效应出现在5级标准下。
图7 各地类在不同调整措施与补偿标准组合下的E值

Fig. 7 E-values of each category under different combinations of adjustment measures and cost standards

进一步分析可知：（1）从农地类型看，水田和旱地的综合效应大多优于其他地类，不同标准下的最优效应均出现在水田或旱地。值得注意的是水田基准状态的综合效应高于其他地类，因此虽然其E值绝对值较高，但其相较于现状的增量低于旱地。坑塘地类的最大效应需对应最高补偿标准。果园的最高效应对应4级标准，且果园在案例区农地中占比较小。（2）从补偿标准来看，高的E值出现在2级与3级标准下，其中2级标准下旱地休耕效应明显高于其他组合，其后为2级标准下水田休耕与3级标准下旱地退耕；从各方案E值走势可见补偿标准达到3级以后，除坑塘转产外，其他方案再提高补偿标准无助于综合效应的提高。因此，2级标准下的旱地、水田休耕和3级标准下的旱地退耕为初步最优方案，进一步考虑到案例区旱地与水田呈现出复杂的小斑块交错分布态，且具有较易互相转化的特点，因此从推行可行性角度应将旱地和水田同时列为目标地类开展生态补偿。（3）从农地调整措施看，旱地和水田在轮作休耕措施下其高E值出现在2级标准下，而其他措施的较高E值则需在3~4级标准下，因此将调整措施确定为轮作休耕。
综上，案例区最优生态补偿方案为F(m, n, i)=F(调整措施=休耕、补偿标准=2级、目标地类=旱地和水田)。需要说明的是，上述方案为理论上的最佳方案，如方案推行在农户执行层面遇到较大困难，仍可考虑旱地退耕3级补偿等更利于农户接受的次优方案，虽然此时E值有所降低但仍处于较高水平，且与水田的最佳方案相当，本文计算结果也为这类情况提供了权衡的依据。

2.4 案例区农地生态补偿优先实施区域识别

从案例区农地生态补偿的各维效应空间分布可以看出，特定方案的实施效应在不同区域存在明显差异，因此在补偿经费一定的情况下，可考虑实施区域优先级的区别。对不同尺度（农田尺度、村域尺度、乡镇尺度）下案例区农地生态补偿实施的优先区域进行识别。

2.4.1 农田尺度的优先区域识别

以最佳生态补偿方案为前提，面向案例区所有水田和旱地栅格，采用集成处理工具逐个栅格运行BN，以查询该栅格的高综合效应后验概率，绘制全流域空间分布如图8a；进一步计算D值，并绘制其全流域空间分布如图8b。分析可知：（1）对比图8a和表2中输入层各节点空间分布情况，可见案例区的C1值具有较明显的空间分布规律，其中高值的红色栅格多分布在离毛里湖较近而距离城镇较远区域，说明对这些区域的水田和旱地开展轮作休耕后有较大概率获得高综合效应；（2）图8b中D值根据C1的增率进行计算，其空间分布较图8a更错综复杂，这反映了案例区农地利用的复杂性，以及在其影响下生态补偿实施效应增率的不确定性。需要说明的是，按农田尺度进行实施区域优选理论上可获得最优效应，但具有较大技术和管理难度，在现有条件下难以实现，远期可考虑与卫星遥感及无人机航拍技术相结合，开发高精度可视化农地利用监测管理系统以实施农田级尺度生态补偿。
图8 最佳方案下的P(C1=高) 和D值分布

Fig. 8 Distribution of P(C1= High) and D values in optimal scheme

2.4.2 基于行政区划的优先区域识别

中国现有农地生态补偿以行政区为推行单元，因此可基于行政区划识别优先区域。案例区涉及两类行政区，一是乡镇级，主要为药山镇、毛里湖镇、白衣镇三个环湖乡镇；二是村级，包括红光村、柏林村、白衣庵社区、石板滩社区等共计89个行政村（社区）。首先，计算获得最佳方案下案例区各乡镇所有目标农地栅格 D -值如图9a，可见案例区乡镇高综合效应由高至低为药山镇、白衣镇、毛里湖镇。但通过 D -值比对发现乡镇间的效应差值仅为1.6%，故其优先级无现实意义。
图9 最佳方案下各级行政区的 D -值的空间分布

Fig. 9 Spatial distribution of the D --values for different administrative districts under the optimal scheme

进一步计算案例区各村的所有目标地类的 D -值并绘于图9b，图中连续分布的同一颜色代表同一个村。分析可知：（1）各村 D -最高值与最低值相差31.5%，故村级行政区具有实施优先级的区别，即应优先对 D -值高的村域实施生态补偿，具体补偿优先级以图9b的 D -值高低为序执行。（2）对比各村 D -值和表2中各节点的空间分布情况，可知各村 D -值在离城镇远且离毛里湖近的区域相对较高，即这类区域大概率具有较高推行价值。（3）对比各村 D -值和表2中的现状地类空间分布情况可知，旱地占比越高的村，其实施优先级也通常越高。以上结果也可为其他湿地型自然保护区域的农地生态补偿决策提供参考，即优先考虑在离城镇距离远且离保护区距离近，以及旱地占比较高的区域实施。

3 结果分析

3.1 节点敏感性分析

为进一步明确本文节点间的依赖关系并量化其影响，选取可进行人为调整的代表性节点开展敏感性分析。以农地收入重要度节点（A8）为例，该节点状态共有“高、中、低”三个分级。在最佳生态补偿方案下，将所有176.3万个旱地和水田栅格的A8均赋为“高”并计算P(B13=高) 的均值和P(C1=高) 的均值，同理获得A8均取“中”“低”值时的结果并汇总于表5，表中的变化率=(赋值后计算的均值/赋值前计算的均值-1)×100%；同样处理，还可获得农业化学品投入（A5）的结果。
表5 本文贝叶斯网络A8、A5节点敏感性分析结果

Table 5 Results of sensitivity analysis of nodes A8 & A5 of BN constructed in this study

节点 状态 P(B13=高) 的均值 P(C1=高) 的均值
赋值前的 赋值后的 变化率/% 赋值前的 赋值后的 变化率/%
A8农地收
入重要度		 低 0.682 0.812 19.1 0.765 0.841 9.9
中 0.682 0.743 9.0 0.765 0.800 4.6
高 0.682 0.648 -5.0 0.765 0.744 -2.8
节点 状态 P(B11=高) 的均值 P(C1=高) 的均值
赋值前的 赋值后的 变化率/% 赋值前的 赋值后的 变化率/%
A5农业化
学品投入		 低 0.558 0.734 31.5 0.765 0.821 7.3
中 0.558 0.344 -38.5 0.765 0.681 -10.9
高 0.558 0.140 -74.9 0.765 0.604 -21.1
分析表5结果可知：（1）农地收入重要度降低后，社会效应（B13）为高的概率增大且全流域均值增加了19.1%，反之则降低了5.0%，结合图3拓扑图的因果关系分析可知，农地收入重要度降低说明受生态补偿影响的农地在农户收入中的占比降低，即农户的生计稳定性（B6）受生态补偿政策影响较小、P(B6=高) 的概率会相应提高，农户更可能倾向于信任生态补偿政策（B10）而产生较高的社会效应，P(B13=高) 增高后综合效应（C1）为高的概率也会相应增加；（2）农业化学品投入（A5）的高低及对生态环境效应（B11）、C1的影响机制和增减规律也与A8类似。可见，这些节点投入对其后代节点的影响规律与常理相符，这验证了本文节点间依赖关系的合理性。

3.2 权重敏感性分析

权重确定往往是多学科交叉问题中的难点，虽然理论上存在一个最为公平客观的“最优权重”，但在应用中通常很难得到该“最优权重”的精确值。本文生态补偿各效应的权重实质上涉及多方利益相关者的冲突和权衡。本文采用“领土假想”参与讨论法（表1）并从便于决策推行的角度出发，确定出生态环境效应（B11）、经济效应（B12）、社会效应（B13）三个父节点对子节点综合效应（C1）影响的权重分别为WB11=0.4、WB12=0.2、WB13=0.4。B11~B13三节点权重的相对大小影响最终的决策结果，进行权重敏感性分析有助于明确其对决策结果的影响并评估本文决策的可靠性。
按B11的权重变化±25%WB11（B12和B13的权重相应变化±12.5%WB11）的情况，针对所有地类207.6万个栅格的所有调整措施和补偿标准组合，采用已构建决策模型重新计算并得到相应的E值如图10。
图10 WB11变化±25%后的E值

Fig. 10 E-values after ±25% change in WB11

与图7对比可知：（1）B11的权重减小25%后，最佳方案为F(m, n, i)=F(休耕, 2级, 旱地和水田)，仍与权重变化前的最佳方案完全一致，可见此时权重的减小对决策结果影响不大；（2）B11的权重增大25%后，水田的最佳方案（休耕2级补偿）仍与权重变化前一致，但旱地的最佳方案为退耕2级补偿，可见B11的权重增大后凸显了“旱地退耕时生态环境效应的改善程度大概率优于休耕”这一有利效果、并淡化了“相同补偿标准下退耕措施的社会效应大概率不如休耕”这一不利效果，从而使对旱地实施退耕生态补偿后的高综合效应概率增率均值（E值）超过了休耕；（3）虽然图10中权重变化后的E值绝对大小与图7有较显著差异，但对本文研究目的而言重要的是得出不同方案间E值的相对大小以供决策优选。故采用本文的综合决策模型，即使所用权重与“最优权重”存在±25%程度的较大偏离，最终的决策结果仍具有较好的鲁棒性，即本文方法对权重的误差具有较好的适应性。

4 结论与讨论

4.1 结论

本文主要结论有：（1）农地生态补偿实质是对区域人地关系的一种调整，自然保护区域农地生态补偿具有多维综合效应，其政策设计应在保护地保护需求和区域经济社会稳定与发展间寻求更好的协同。不同农地生态补偿方案的生态环境、经济、社会效应均存在差异，基于多个维度的综合考虑可为识别自然保护区域农地生态补偿最佳方案提供更完整的科学依据。
（2）农地生态补偿决策由农地利用调整措施、目标地类、补偿标准、实施区域等多个决策组件构成，这些组件的不同组合会形成效应各异的综合决策方案，本文研究表明综合决策相较单一组件的决策更为全面和系统。另外，一定农地生态补偿方案并非在所有类型或区域的农地上均是最佳方案，因此为提升生态补偿效果，应尽可能实施更精准的差异化生态补偿。
（3）农地生态补偿等涉农环境修复决策面临复杂的自然和社会情境。一方面，中国自然保护区域具有农地分布错杂和农地利用模式丰富等特点，使得决策要素与决策方案效应间的关系往往呈现不确定和非线性特征；另一方面，充分考虑农户等相关者的利益和参与意愿，是制订有效可行决策方案的重要要求。因此决策工具应重视对决策过程不确定性的完整表述，并为多方利益相关者的参与提供便利和途径。
（4）本文案例区毛里湖流域农地生态补偿最佳方案为：针对旱地和水田开展“轮作休耕”；坑塘型农地的生态补偿资金利用效率较低，短期内不宜大规模推行，但其具有较高的生态环境效应，可考虑设计高收益的水生作物转产方案以提高转产收益并降低农户损失，从而提高坑塘转产方案的可行性；果园型农地因占地较小且实施效率较差，建议不列入生态补偿实施地类。另外，进行区域优选可提高补偿资金使用效率，案例区可基于村级行政区进行生态补偿实施区域优选。

4.2 讨论

本文剖析了自然保护区域农地生态补偿决策的一般性和特殊性，并构建了这一特殊区域农地生态补偿综合决策概念框架，开发了将决策要素和结果的不确定性纳入生态补偿精细化空间决策的GIS-BN模型；以湖南毛里湖国家湿地公园为例，将湿地型自然保护地保护需求纳入农地生态补偿方案设计，最终实现案例区高精度农地生态补偿空间决策。对本文的研究设计、研究方法、应用研究等进一步讨论如下。
（1）农地生态补偿方案的适用性及实施策略。本文研究表明生态补偿方案的实施会因地类、区域不同而形成各异的生态环境效应、经济效应和社会反响。因此，农地生态补偿应因地制宜开展。就本文案例区来说，在一定补偿标准下距离湿地公园较近且旱地占比较高的村镇应作为生态补偿实施的优先区；此外，坑塘作为案例区占比可观、潜在污染负荷大的农地，对其开展措施具有重要的水环境改善价值，需要注意的是其补偿标准应充分考虑水产养殖户利益，可探索将保护地生态价值融入转产作物经济效益的配套措施，以提升坑塘转产补偿方案的切实可行性。
（2）农地生态补偿长期实施的潜在问题与应对。本文基于案例区现状提出了农地生态补偿近期优选方案，可预见其实施会引致流域水环境等因子状态变化，且案例区社会经济因子也非恒常不变。因此应建立方案的动态调整机制，如定期开展效果评价并根据节点因子状态变化更新BN参数，进而进行最优方案的更新；此外，生态补偿还应重视长期可持续性，对于目标乡镇、农户可能产生的政策依赖，应继续探索兼具生态与经济效应的农地利用调整措施，如将湿地动植物资源的产业化开发纳入生态补偿目标范畴，促进形成农地绿色产业增长点，以实现“造血式”的农地生态补偿。
（3）生态补偿决策中的不确定性表达。本文采用空间化贝叶斯网络在精细空间尺度上刻画了生态补偿决策中的不确定性。通过贝叶斯节点间的传输，实现了将不确定性信息从地块尺度向流域尺度的完整传递，从而在评价中同时提示环境政策的潜在收益与可能风险。相比通常只能给出收益或风险其中一项结果的传统方法，基于贝叶斯网络的决策可减少多属性因子综合决策过程中产生的信息损失，其结果可提供更完整的决策依据。
（4）生态补偿精细化空间决策工具开发。本文提出了一套集成自然、社会和工程多学科知识的协作工具集，以GIS-BN为核心实现了多学科知识和多属性影响因子的系统整合。该工具集可将生态补偿决策过程和结果可视化呈现，这提高了决策信息表达效率，有利于各利益相关方参与到决策过程中，从而提高了决策的科学性和可行性。
未来研究可尝试从以下方面拓展：（1）中国现行自然保护区域生态补偿多数依赖纵向资金，往往面临长期可持续难题，未来可结合保护地生态产品价值开发，探索具有产业发展潜力的农地利用调整措施，以实现具有造血效应的农地生态补偿。（2）在乡村振兴背景下农地生态补偿社会效应内涵广泛，限于研究条件本文仅考虑农户层面的社会效应，未来可从更多利益相关者或区域层面扩充社会效应范畴。（3）本文以湿地型自然保护区域为例进行了应用研究，未来可增加不同区域湿地型或不同类型自然保护区域的案例研究，以丰富贝叶斯网络观测和证据数据库，从而提高决策模型性能和应用范围。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
蔡晓梅, 苏杨, 吴必虎, 等. 生态文明建设背景下中国自然保护地发展的理论思考与创新实践. 自然资源学报, 2023, 38(4): 839-861.

DOI

[CAI X M, SU Y, WU B H, et al. Theoretical debates and innovative practices of the development of China's nature protected area under the background of ecological civilization construction. Journal of Natural Resources, 2023, 38(4): 839-861.]

[2]
欧阳志云, 杜傲, 徐卫华. 中国自然保护地体系分类研究. 生态学报, 2020, 40(20): 7207-7215.

[OUYANG Z Y, DU A, XU W H. Research on China's protected area system classification. Acta Ecologica Sinica, 2020, 40(20): 7207-7215.]

[3]
中国生态环境部. 中国生态环境状况公报. 北京: 中国生态环境部, 2023. https://www.mee.gov.cn/hjzl/sthjzk/zghjzkgb/202406/P020240604551536165161.pdf.

[Ministry of Ecology and Environment of China. China Ecological and Environmental Status Bulletin. Beijing: Ministry of Ecology and Environment of China, 2023. https://www.mee.gov.cn/hjzl/sthjzk/zghjzkgb/202406/P020240604551536165161.pdf.]

[4]
蔡晓梅, 苏杨. 从冲突到共生: 生态文明建设中国家公园的制度逻辑. 管理世界, 2022, 38(11): 131-154.

[CAI X M, SU Y. From conflict to mutualism: The institutional logic of national parks in the construction of ecological civilization. Journal of Management World, 2022, 38(11): 131-154.]

[5]
杨君杰, 杨茜好. 生态旅游语境下自然保护地人与野生动物关系的重构研究. 旅游学刊, 2023, 38(4): 10-12.

[YANG J J, YANG X H. Study on the reconstruction of the relationship between human and wild animals in nature reserve in the context of eco-tourism. Tourism Tribune, 2023, 38(4): 10-12.]

[6]
王宇飞, 刘婧一. 中国自然保护地的发展历程、研究进展及前瞻. 环境保护, 2023, 51(8): 17-24.

[WANG Y F, LIU J Y. Development history, research process and prospects on protected areas in China. Environmental Protection, 2023, 51(8): 17-24.]

[7]
BLICHARSKA M, HEDBLOM M, JOSEFSSON J, et al. Operationalisation of ecological compensation-obstacles and ways forward. Journal of Environmental Management, 2022, 304: 114277, Doi: 10.1016/j.jenvman.2021.114277.

[8]
SUN W Y, SONG X Y, MU X M, et al. Spatiotemporal vegetation cover variations associated with climate change and ecological restoration in the Loess Plateau. Agricultural and Forest Meteorology, 2015, 209: 87-99.

[9]
赵安周, 张安兵, 刘海新, 等. 退耕还林(草)工程实施前后黄土高原植被覆盖时空变化分析. 自然资源学报, 2017, 32(3): 449-460.

DOI

[ZHAO A Z, ZHANG A B, LIU H X, et al. Spatiotemporal variation of vegetation coverage before and after implementation of grain for green project in the Loess Plateau. Journal of Natural Resources, 2017, 32(3): 449-460.]

[10]
宋戈, 张红梅. 东北典型黑土区耕地轮作休耕的空间重构. 自然资源学报, 2022, 37(9): 2231-2246.

DOI

[SONG G, ZHANG H M. Spatial reconstruction of farmland rotation and fallow in the typical black soil region of Northeast China. Journal of Natural Resources, 2022, 37(9): 2231-2246.]

DOI

[11]
樊杰. “人地关系地域系统”是综合研究地理格局形成与演变规律的理论基石. 地理学报, 2018, 73(4): 597-607.

DOI

[FAN J. "Territorial system of human-environment interaction": A theoretical cornerstone for comprehensive research on formation and evolution of the geographical pattern. Acta Geographica Sinica, 2018, 73(4): 597-607.]

DOI

[12]
郎宇, 王桂霞. 农户分化、价值认知与农户融入市场化生态补偿: 以化肥减量施用为例. 山西财经大学学报, 2024, 46(2): 68-83.

[LANG Y, WANG G X. Farmers' differentiation, value cognition and farmers' integration into market-oriented ecological compensation: Taking the reduced amount of chemical fertilizer application as an example. Journal of Shanxi University of Finance and Economics, 2024, 46(2): 68-83.]

[13]
罗万云, 周杨, 王福博. 生计资本对国家重点生态功能区农户受偿意愿的影响. 生态学报, 2023, 43(10): 3971-3983.

[LUO W Y, ZHOU Y, WANG F B. Impact of livelihood capital on farmers' willingness to receive compensation in national key ecological function areas. Acta Ecologica Sinica, 2023, 43(10): 3971-3983.]

[14]
胥梦娇, 赵伟, 蔡俊飞, 等. 基于土地利用变化的四川省凉山州移民生态效应研究. 生态学报, 2024, 44(8): 3241-3252.

[XU M J, ZHAO W, CAI J F, et al. Ecological effects of resettlement based on land use change in Liangshan Yi Autonomous Prefecture of Sichuan province. Acta Ecologica Sinica, 2024, 44(8): 3241-3252.]

[15]
范庆泉, 刘惠, 刘祎男, 等. 京津冀生态补偿是否具有“增绿”效应: 来自国家重点生态功能区转移支付重点补助的证据. 经济学报, 2024, 11(1): 416-444.

[FAN Q Q, LIU H, LIU Y N, et al. Does ecological compensation in the Beijing-Tianjin-Hebei Region affect eco-environmental protection: Evidence from the key subsidies for transfer payment in national key ecological functional areas. China Journal of Economics, 2024, 11(1): 416-444.]

[16]
徐珂, 庞洁, 尹昌斌. 生态公益林补偿标准及其影响因素：基于农户受偿意愿视角. 中国土地科学, 2022, 36(6): 76-87.

[XU K, PANG J, YIN C B. Eco-compensation standard and its influencing factors of ecological forests: From the perspective of farmers' willingness to accept. China Land Science, 2022, 36(6): 76-87.]

[17]
任以胜, 陆林, 程豪, 等. 流域生态补偿与乡村居民可持续生计互动的研究进展与展望. 自然资源学报, 2024, 39(5): 1039-1052.

DOI

[REN Y S, LU L, CHENG H, et al. Research progress and prospect of the interaction between watershed eco-compensation and sustainable livelihoods of rural residents. Journal of Natural Resources, 2024, 39(5): 1039-1052.]

[18]
陈廷贵, 刘芳, 杨杨. 长江流域禁捕生态补偿政策绩效评价及影响因素分析: 以湖北和贵州为例. 自然资源学报, 2021, 36(12): 3144-3155.

DOI

[CHEN T G, LIU F, YANG Y. Performance evaluation and influence factors of ecological compensation policy in the Yangtze River Basin: The case study of Hubei and Guizhou provinces. Journal of Natural Resources, 2021, 36(12): 3144-3155.]

[19]
陈海江, 司伟, 赵启然. 粮豆轮作补贴: 规模导向与瞄准偏差: 基于生态补偿瞄准性视角的分析. 中国农村经济, 2019, (1): 47-61.

[CHEN H J, SI W, ZHAO Q R. The scale orientation and targeting deviation of grain-soybean rotation subsidy: An analysis based on the targeting perspective of ecological compensation. Chinese Rural Economy, 2019, (1): 47-61.]

[20]
杨小军, 费梓萱, 任林静. 组态视角下流域多元化生态补偿的差异化驱动路径分析. 中国农村经济, 2023, (12): 106-125.

[YANG X J, FEI Z X, REN L J. Differentiated driving path of diversified watershed eco-compensation from the perspective of configuration. Chinese Rural Economy, 2023, (12): 106-125.]

[21]
ZHENG Y M, LEI G C, YU P. Eco-compensation schemes for controlling agricultural non-point source pollution in Maoli Lake watershed. Water, 2021, 13(11): 1536, Doi: 10.3390/w13111536.

[22]
HAVINGA I, HEIN L, VEGA-ARAYA M, et al. Spatial quantification to examine the effectiveness of payments for ecosystem services: A case study of Costa Rica's Pago de Servicios Ambientales. Ecological Indicators, 2020, 108: 105766, Doi: 10.1016/j.ecolind.2019.105766.

[23]
DANG K B, WINDHORST W, BURKHARD B, et al. A Bayesian Belief Network-based approach to link ecosystem functions with rice provisioning ecosystem services. Ecological Indicators, 2019, 100: 30-44.

[24]
DEAN A J, EBERHARD R, BARESI U, et al. Scrutinizing the impact of policy instruments on adoption of agricultural conservation practices using Bayesian expert models. Conservation Letters, 2023, 16(6): e12988, Doi: 10.1111/conl.12988.

[25]
CARRIGER J F, BARRON M G, NEWMAN M C. Bayesian networks improve causal environmental assessments for evidence-based policy. Environmental Science & Technology, 2016, 50(24): 13195-13205.

[26]
BRUEN M, HALLOUIN T, CHRISTIE M, et al. A Bayesian modelling framework for integration of ecosystem services into freshwater resources management. Environmental Management, 2022, 69(4): 781-800.

DOI PMID

[27]
ZHANG L Y, YU Y, GUO Z K, et al. Investigating agricultural water sustainability in arid regions with Bayesian network and water footprint theories. Science of the Total Environment, 2024, 951: 175544, Doi: 10.1016/j.scitotenv.2024.175544.

[28]
BENNETT D E, GOSNELL H. Integrating multiple perspectives on payments for ecosystem services through a social-ecological systems framework. Ecological Economics, 2015, 116: 172-181.

[29]
丁佳佳, 蔡庆, 牛晋兰, 等. 基于组合赋权模型的重庆市流域生态补偿政策绩效评价. 环境生态学, 2023, 5(6): 21-26, 46.

[DING J J, CAI Q, NIU J L, et al. Performance evaluation of basin ecological compensation policy in Chongqing city based on combination weighting model. Environmental Ecology, 2023, 5(6): 21-26, 46.]

[30]
RAMANKUTTY N, MEHRABI Z, WAHA K, et al. Trends in global agricultural land use: Implications for environmental health and food security. Annual Review of Plant Biology, 2018, 69: 789-815.

DOI PMID

[31]
唐秀美, 蔡玉梅, 刘玉, 等. 可持续发展视角下自然资源综合利用效益评估方法与实证. 自然资源学报, 2022, 37(9): 2418-2428.

DOI

[TANG X M, CAI Y M, LIU Y, et al. The evaluation of natural resources comprehensive utilization benefits from the perspective of sustainable development. Journal of Natural Resources, 2022, 37(9): 2418-2428.]

[32]
钟敬秋, 高梦凡, 韩增林, 等. 基于生态系统文化服务的人地关系空间重构. 地理学报, 2024, 79(7): 1682-1699.

DOI

[ZHONG J Q, GAO M F, HAN Z L, et al. Spatial reconstruction of the human-land relationship based on cultural ecosystem services. Acta Geographica Sinica, 2024, 79(7): 1682-1699.]

DOI

[33]
赵文飞, 宗路平, 王梦君. 中国自然保护区空间分布特征. 生态学报, 2024, 44(7): 2786-2799.

[ZHAO W F, ZONG L P, WANG M J. Spatial distribution of nature reserves in China. Acta Ecologica Sinica, 2024, 44(7): 2786-2799.]

[34]
雷光春, 曾晴. 世界自然保护的发展趋势对我国国家公园体制建设的启示. 生物多样性, 2014, 22(4): 423-425.

DOI

[LEI G C, ZENG Q. Perspectives on national parks: Enlightenment from the development of global nature conservation. Biodiversity Science, 2014, 22(4): 423-425.]

DOI

[35]
史培军, 宋长青, 程昌秀. 地理协同论: 从理解“人—地关系”到设计“人—地协同”. 地理学报, 2019, 74(1): 3-15.

DOI

[SHI P J, SONG C Q, CHENG C X. Geographical synergetics: From understanding human-environment relationship to designing human-environment synergy. Acta Geographica Sinica, 2019, 74(1): 3-15.]

[36]
刘婷, 郑宇梅. 中国退耕还林生态补偿研究. 林业经济问题, 2020, 40(1): 21-28.

[LIU T, ZHENG Y M. Analysis of ecological compensation for returning farmland to forests in China. Issues of Forestry Economics, 2020, 40(1): 21-28.]

[37]
LANDUYT D, BROEKX S, GOETHALS P L M. Bayesian belief networks to analyse trade-offs among ecosystem services at the regional scale. Ecological Indicators, 2016, 71: 327-335.

[38]
郑涛, 陈爽, 张童, 等. 基于贝叶斯网络的生态用地流失机制研究. 自然资源学报, 2020, 35(12): 2980-2994.

DOI

[ZHENG T, CHEN S, ZHANG T, et al. Research on driving mechanism of ecological land loss based on Bayesian network. Journal of Natural Resources, 2020, 35(12): 2980-2994.]

DOI

[39]
STOECKLI S, BIRRER S, ZELLWEGER-FISCHER J, et al. Quantifying the extent to which farmers can influence biodiversity on their farms. Agriculture, Ecosystems & Environment, 2017, 237: 224-233.

[40]
王建, 赵牡丹, 樊艺, 等. 黄土高原人类活动与生物多样性的演变及关联性. 水土保持研究, 2022, 29(6): 154-160.

[WANG J, ZHAO M D, FAN Y, et al. Evolution and correlation of human activities and biodiversity in the Loess Plateau. Research of Soil and Water Conservation, 2022, 29(6): 154-160.]

[41]
王立, 陆林, 杨永峰, 等. 基于生态系统服务权衡的自然保护区功能区划: 以安徽升金湖国家级自然保护区为例. 国家公园(中英文), 2023, (3): 151-162.

[WANG L, LU L, YANG Y F, et al. Functional zoning of nature reserves based on ecosystem service trade-offs: A case study of Anhui Shengjin Lake National Nature Reserve. National Park, 2023, (3): 151-162.]

[42]
马克明, 孔红梅, 关文彬, 等. 生态系统健康评价: 方法与方向. 生态学报, 2001, 21(12): 2106-2116.

[MA K M, KONG H M, GUAN W B, et al. Ecosystem health assessment: Methods and directions. Acta Ecologica Sinica, 2001, 21(12): 2106-2116.]

[43]
李晓平, 谢先雄, 赵敏娟. 资本禀赋对农户耕地面源污染治理受偿意愿的影响分析. 中国人口·资源与环境, 2018, 28(7): 93-101.

[LI X P, XIE X X, ZHAO M J. Analysis about the influence of capital on the willingness to accept for controlling the nonpoint pollution of cultivated land. China Population, Resources and Environment, 2018, 28(7): 93-101.]

[44]
李辉婕, 鲁盼, 汪兴东. 农村居民生态产品购买受偿水平影响因素及补偿标准研究:基于江西省的调查. 中国农业资源与区划, 2023, 44(4): 140-149.

[LI H J, LU P, WANG X D. The research on influencing factors of the level of compensation and the measurement of the compensation standards for ecological products purchased by rural residents: Survey based on Jiangxi province. Chinese Journal of Agricultural Resources and Regional Planning, 2023, 44(4): 140-149.]

[45]
赵晶晶, 葛颜祥, 李颖. 公平感知、 社会信任与流域生态补偿的公众参与行为. 中国人口·资源与环境, 2023, 33(6): 196-205.

[ZHAO J J, GE Y X, LI Y. Fairness perception, social trust, and public participation in watershed eco-compensation. China Population, Resources and Environment, 2023, 33(6): 196-205.]

[46]
朱庆莹, 陈银蓉, 胡伟艳, 等. 参照依赖、公平感知与农户农地转出满意度. 中国土地科学, 2019, 33(10): 84-92.

[ZHU Q Y, CHEN Y R, HU W Y, et al. A study on the relationship between reference dependence, perceived fairness and farmers' satisfaction with farmland transfer. China Land Science, 2019, 33(10): 84-92.]

[47]
俞振宁. 农户参与耕地休耕行为研究进展与展望. 中国国土资源经济, 2023, 36(7): 79-88.

[YU Z N. Research progress and prospects on farm households' participation in fallow land behavior. Natural Resource Economics of China, 2023, 36(7): 79-88.]

[48]
郑宇梅, 沈洁, 雷光春. 湿地生态系统管理: 热点领域与研究方法. 世界林业研究, 2022, 35(6): 1-9.

[ZHENG Y M, SHENG J, LEI G C. Wetland ecosystem management: Focus area and research methods. World Forestry Research, 2022, 35(6): 1-9.]

[49]
曹娴. 毛里湖: 从浊到清的蜕变. 湖南日报, 2015-10-20.

[CAO X. Maoli Lake: Transformation from turbidity to cleanliness. Hunan Daily, 2015-10-20.]

[50]
SMITH L E D, SICILIANO G. A comprehensive review of constraints to improved management of fertilizers in China and mitigation of diffuse water pollution from agriculture. Agriculture, Ecosystems & Environment, 2015, 209: 15-25.

[51]
文高辉, 王子诚, 何庆, 等. 洞庭湖平原化肥面源污染生态环境风险及脱钩效应. 水土保持研究, 2023, 30(4): 301-308.

[WEN G H, WANG Z C, HE Q, et al. Eco-environmental risks and decoupling effects of fertilizer non-point source pollution in Dongting Lake Plain. Research of Soil and Water Conservation, 2023, 30(4): 301-308.]

[52]
ABBASPOUR K C. SWAT-CUP 2012: SWAT calibration and uncertainty programs: A user manual. Science and Technology, 2014, Doi: 10.4236/ce.2019.1010160.

[53]
张展羽, 司涵, 孔莉莉. 基于SWAT模型的小流域非点源氮磷迁移规律研究. 农业工程学报, 2013, 29(2): 93-100.

[ZHANG Z Y, SI H, KONG L L. Migration of non-point source nitrogen and phosphorus in small watershed based on SWAT model. Transactions of the CSAE, 2013, 29(2): 93-100.]

[54]
宋晓明, 柳王荣, 姜珊, 等. 湖南省农业面源污染与农村水环境质量的响应关系分析. 农业环境科学学报, 2022, 41(7): 1509-1519.

[SONG X M, LIU W R, JIANG S, et al. Analysis on response relationship between agricultural non-point source pollution and rural water environmental quality in Hunan province, China. Journal of Agro-Environment Science, 2022, 41(7): 1509-1519.]

[55]
RAHBEH M, CHANASYK D, MILLER J. Two-way calibration-validation of SWAT model for a small prairie watershed with short observed record. Revue Canadienne Des Ressources Hydriques, 2011, 36(3): 247-270.

Options
文章导航

/

〈 〉