水是人类赖以生存的重要资源^[1]，同时也是自然界最主要的物质载体，对生态系统服务功能具有重要影响。水源涵养服务作为生态系统调节服务的重要组成部分，反映生态系统对水的保留与调控能力，具体体现在促进降水拦截、调节径流、改善水质以及维持生态平衡等方面^[2]。水源涵养服务不仅直接关系到区域经济、社会及生态系统的韧性与可持续发展^[3]，也是衡量区域生态水文效益和降水再分配能力的重要指标。在全球尺度上，随着人口增长、城市扩张以及工农业快速发展，人类活动导致的水环境污染、资源浪费与生态退化问题日益严峻，水资源短缺逐渐成为制约许多地区可持续发展的关键因素。在这一背景下，科学评估与提升区域水源涵养服务，对实现水资源的可持续管理具有重要意义。

当下水源涵养服务评估模型主要分为传统的水文模型(如SWAT模型)与新兴的生态系统服务模型(如InVEST模型)两大类。传统的水文模型侧重于分析生态系统服务的驱动因素，但参数不确定性较大，模型校正存在巨大难度；此外，在量化水源涵养服务时，这类模型容易忽视修正的作用，存在评估结果偏高的风险。相比之下，InVEST模型以终端服务评估与空间可视化见长，具有数据需求较低、操作简便、结果可空间化表达等优势^[2]，已被广泛应用于不同区域的水源涵养服务评估^[3-4]。例如，Kim等^[5]借助InVEST模型量化了朝鲜森林的保水能力；马丽^[6]应用该模型评估了滦河小流域水土保持与水源涵养功能；陈德权等^[7]利用该模型分析了广州市海绵城市建设过程中的水源涵养服务变化。

明确地区水源涵养量时空分布特征及其主要影响因素，是区域经济和社会可持续发展的重要前提。已有研究表明气候变化和人类活动是导致水源涵养量变化的主要影响因子^[8]，其中气候变化对流域水源涵养量的影响主要表现为降水量与蒸散量的波动^[9-11]，人类活动主要通过改变土地覆盖类型作用于流域水源涵养量^[12-14]。气候变化与人类活动对水源涵养量的驱动机制存在区域异质性，如杜欢等^[15]研究了不同土地利用类型对岷江上游流域径流的影响，发现耕地具有增加径流的作用，而林地、草地对径流有拦截作用，其中林地的截留作用更为明显。李娟娟^[16]通过情景模拟分析进一步揭示，在气候要素中，降水量对水源涵养量的影响远大于气温。郑诚蔚等^[17]将人类足迹指数与InVEST模型结合，揭示了河西地区人类活动与水源涵养功能之间的空间正相关关系；Ma等^[18]采用InVEST模型对2000—2020年产水量和水守恒的时空动态进行分析并探讨水资源保护对气候因素和人为干扰的响应，结果显示影响水源涵养量的主要因素是气候，降水量对水源涵养量的影响最大。当前，对水源涵养量变化驱动机制的研究普遍依赖于相关性分析^[19]、聚类分析^[20]等经典手段，而在地理分异视角下，结合空间异质性和多因子交互作用的定量归因研究尚显不足^[21]。这种综合性、多维度的分析方法对深入解析水源涵养量变化的复杂机制至关重要。同时，因地区不同，驱动要素的影响也存在差异。

南宁市是北部湾经济区核心城市，地处喀斯特山地与非喀斯特盆地之间的生态过渡带，凭借其独特的环境和丰富的生物多样性，发挥着重要的区域生态屏障作用^[22-23]。但随着城市化进程加快，城市形态发生剧烈变化、城市规模急速扩张，导致生态斑块破碎化与土地利用失调等问题，使城市生态安全面临严峻挑战。当前南宁市生态系统服务相关研究主要集中在生境质量、碳储量等方面，缺少对水源涵养服务及其时空变化的科学评估。综上，本研究首先基于土地利用、高程、气象及土壤数据，利用ArcGIS 10.2软件提取气温、降水量、蒸散量等关键指标，并结合土壤属性栅格数据与其他模型变量(如流速系数等)，运用InVEST模型对南宁市水源涵养服务进行量化评估；然后，运用空间自相关分析方法深入探究其空间分异特性；最后，借助地理探测器对其变化进行归因分析，揭示其时空演变规律及背后的驱动机制，旨在为南宁市水资源的合理利用与可持续发展提供科学依据和决策参考。

1 材料与方法 1.1 研究区概况

南宁市地处广西壮族自治区中部偏南(22°12′—24°02′N, 107°19′—109°38′E)，是中国西部陆海新通道枢纽城市(图 1)。区域地形以平原、丘陵和盆地为主，邕江蜿蜒流经盆地中央^[24]。全市国土空间面积约22 112 km²，辖青秀区、兴宁区、江南区、良庆区、邕宁区、西乡塘区、武鸣区7个城区，以及横州市、隆安县、马山县、上林县、宾阳县5个县(市)。南宁市属亚热带季风气候，气候温和湿润、雨量充沛，年均气温约21.6 ℃，年均降水量约1 304.2 mm，年日照时数1 481.58 h。降水时空分布不均，汛期集中于4—9月，夏季高温多雨，冬季相对干燥，不同季节均可能出现不同程度的旱情^[25]。该地区河流同属珠江流域西江水系，河网密布，水资源丰富。地表水资源总量达148亿m³，人均水资源量约2 114 m³。流域内集水面积超过200 km²的河流共39条，主要包括郁江、左江、右江、香山河等，构成支撑南宁市经济社会发展的重要水网体系^[26]。在土地利用方面，2005—2020年南宁市以林地为主要类型，约占土地总面积的52.63%。建设用地面积持续增加，而耕地、林地、草地、湿地、水域及其他未利用地面积均呈减少趋势^[27]。

1.2 数据来源与处理

2000、2005、2010、2015、2020年土地利用数据，数字高程模型(DEM)数据来源于资源环境科学数据平台(https://www.resdc.cn/)，空间分辨率为30 m。气温、降水、蒸散量数据来源于国家地球系统科学数据中心(http://www.geodata.cn/data/)，空间分辨率为1 km。土壤属性数据来源于寒旱区科学大数据中心(http://bdc.casnw.net/sjfw/tssjj/index.shtml)，涵盖土层厚度及砂粒、粉砂粒、黏粒、有机质含量等，用于估算植物可利用水含量(PAWC)和土壤饱和导水率。GDP数据来源于地球资源数据云平台(http://gis5g.com/)。人口密度数据来源于World Pop(https://hub.worldpop.org/)(表 1)。模型其余变量包括根系深度(Root depth)和蒸散系数(K_c)，经参考其他地区相关研究成果^[28-30]、InVEST用户指南手册^[31]并结合研究区实际情况获得(表 2)。另外，模型所需PAWC数据的计算参考赵亚茹等^[32]的研究。

1.3 方法 1.3.1 产水量计算

InVEST模型产水量模块基于水量平衡原理，以栅格为单元计算产水量，其值为降水量与实际蒸散量之差。该模型综合考量了气象、土壤与地表覆盖等多重因素，但简化了汇流过程，并忽略了地表水与地下水的相互作用。产水量计算公式为

$ Y_{j x}=\left(1-\frac{\mathrm{AET}_{x j}}{P_x}\right) \times P_x, $

(1)

式中：Y_jx为第j类土地利用栅格x中的年产水量；AET_xj为第j类土地利用栅格x中的年蒸散量；P_x为栅格单元的年降水量。蒸散量与降水量的比值源于傅抱璞^[33]、Zhang等^[34]对Budyko水文平衡曲线理论进行的区域性拓展，计算公式为

$ \frac{\mathrm{AET}_{x j}}{P_x}=\frac{1+\omega_x R_{x j}}{1+\omega_x R_{x j}+\frac{1}{R_{x j}}}, $

(2)

式中，R_xj为第j类土地利用栅格x的Budyko干燥度指数；ω_x为气候—土壤非物理参数，计算公式为

$ R_{x j}=\frac{K_{\mathrm{c} x} \times E T_{0 x}}{P_x}, $

(3)

$ \omega_x=Z \times\left(\frac{\mathrm{AWC}_x}{P_x}\right), $

(4)

式中，K_cx为栅格x的植被蒸散系数，其数值会因植被类型的差异而有所不同；ET_0x为栅格x的潜在蒸散量；Z为多年平均降水特征的季节常数，取值范围为[1, 30]，根据《2020年广西壮族自治区水资源公报》^[35]中南宁市的产水系数来调整，最终发现，当Z设定为15时，该模型所模拟的产水量与该公报中实际观测结果更为吻合；AWC_x为栅格x的植被有效利用水含量，计算公式为

$ \mathrm{AWC}_x=\operatorname{MIN}\left(\mathrm{MSD}_x, R D_x\right) \times \mathrm{PAWC}_x, $

(5)

式中，MSD_x为栅格x的土壤最大深度；RD_x为栅格x的根系最大深度；PAWC_x为栅格x的植物可利用水含量，依据Zhou等^[36]提出的基于土壤物理与化学特性估算的方法，计算公式为

$ \begin{aligned} & \quad\quad \mathrm{PAWC}_x=54.509-0.132 \varphi_{\text {sand }}-0.003\left(\varphi_{\text {sand }}\right)^2- \\ & 0.055 \varphi_{\text {silt }}-0.006\left(\varphi_{\text {silt }}\right)^2-0.738 \varphi_{\text {clay }}+ \\ & 0.007\left(\varphi_{\text {clay }}\right)^2-2.688 \sigma_{\mathrm{OM}}+0.501\left(\sigma_{\mathrm{OM}}\right)^2, \end{aligned} $

(6)

式中，φ_sand、φ_silt、φ_clay和σ_OM分别为土壤砂粒、粉粒、黏粒和有机质的质量分数(%)。

1.3.2 水源涵养量计算

本研究利用InVEST模型中的产水量模块，以栅格为单元，定量评估南宁市不同土地类型的年产水量。该模块基于水量平衡原理，将不同地块在特定年份内的年产水量计算为年降水量与年蒸散发总量的差值。在此基础上，进一步扣除地表径流量，得到水源涵养量。该方法的核心理念在于将流域生态系统视为一个封闭的“系统”，这个“系统”具有明确的水量流入和流出点^[37]。基于水量守恒的原理，通过计算特定时段内流入水量与流出水量的差值，可以准确评估该流域水资源的动态变化与利用情况。水源涵养量计算公式为

$ W=P-E_t-R_s, $

(7)

式中，W为水源涵养量(mm)，P为年降水量(mm)，E_t为年蒸散发总量(mm)，R_s为地表径流量(mm)。

1.3.3 空间自相关分析

空间自相关分析是通过计算某一特定位置的方差与其相邻位置的方差之间的关系，以判断两者是否具有相互依赖性的地统计学方法^[38]。本研究通过全局莫兰指数(Global Moran′s I)反映南宁市2000—2020年水源涵养服务的空间异质性，计算公式为

$ I=\frac{n \sum\limits_{i=1}^n \sum\limits_{j=1}^n W_{i j}\left(x_i-\bar{x}\right)\left(x_j-\bar{x}\right)}{\sum\limits_{i=1}^n \sum\limits_{j=1}^n W_{i j} \sum\limits_{i=1}^n\left(x_i-\bar{x}\right)^2}, $

(8)

式中，I代表全局莫兰指数，值域为[-1, 1]。当I取正值时，指示空间上的聚集趋势，即相似属性值在地理空间上呈现聚集状态；反之，负值则反映空间的离散现象，即属性值在空间分布上表现出差异性；而当I值为0时，表明空间分布呈现随机性。n代表观测样本总数；W_ij代表空间权重，如果斑块i与j相邻，那么W_ij为1，反之则为0。

1.3.4 地理探测器

地理探测器是一种用于探测空间分异性并量化其背后驱动因素的统计分析方法^[39]。本研究选取降水量、蒸散量、气温、高程、坡度、土地利用类型、GDP及人口密度8个驱动因子，运用地理探测器分析南宁市不同年份水源涵养服务的空间异质性，计算公式为

$ q=1-\frac{\sum\limits_{h=1}^L N_h \sigma_h^2}{N \sigma^2}, $

(9)

式中，q为自变量对因变量的解释力，取值范围为[0, 1]，q值越大，表明该因子对因变量的解释力越强；L为变量的分层；层h=1，2，…；N_h、N、σ²、σ_h²分别为层h的单元数、总单元数、总方差、层h的方差。

2 结果与分析 2.1 水源涵养量时空分布特征

2000、2005、2010、2015、2020年南宁市水源涵养量均值分别为1 246.54、1 497.11、1 411.67、1 765.00、1 340.57 mm，多年平均水源涵养量为1 452.18 mm。由图 2可知，整体上水源涵养量在2015年达到峰值(2 053 mm)，最小值在2020年降至较低水平(29 mm)，年际间波动幅度较大。这种剧烈的波动与同期降水量的变化(图 3)呈现出高度的同步性：2015年南宁市降水量达到峰值(2 095 mm)，充沛的“水源”输入是其直接诱因；而2020年为研究期内较干旱的年份，较低的降水量则是该年水源涵养量骤降的直接原因，表明气候因素是南宁市水源涵养量年际变化的关键驱动力。然而，2020年水源涵养量的急剧回落并不能完全由气候波动解释，它可能揭示了人类活动带来的结构性风险。尽管从长期序列(2000—2015年)来看，区域水源涵养功能的“基准水平”在波动中趋于改善，反映了生态保护措施(如植被恢复)的积极成效，但2020年水源涵养量的骤降则是一个强烈的警示。对比2000年与2020年的土地利用情况(表 3)可以发现，在此期间快速的城镇扩张可能挤占了部分林地、草地等具有高水源涵养能力的地表覆盖类型。这种下垫面的不可逆变化，削弱了区域整体的水文调节弹性，使得生态系统在应对2020年此类极端干旱事件时更为脆弱，从而放大了水源涵养功能的衰退幅度。

从空间尺度上看，水源涵养量呈现明显的空间异质性，表现为北部和中部较高、南部较低的分布格局。高值区主要分布在地势较高的西北部丘陵山地，该地区植被覆盖度较高、土壤蓄水能力强，因此水源涵养能力突出；低值区则多集中于东南部地势较低、人类活动密集的区域(图 2)。

2.2 不同土地利用类型的水源涵养量

南宁市各土地利用类型水源涵养量的变化趋势(图 2、图 4)与年平均降水量的变化趋势(图 3)大体一致，均非单调变化，而是呈现多阶段的波动特征。从年均值来看，不同土地利用类型单位面积水源涵养量最高的是水域，其后依次是林地、建设用地、未利用地、耕地、草地；水源涵养总量最高的是林地，其后依次是耕地、水域、建设用地、草地、未利用地(表 4)。林地、耕地、草地因其中的植被枝叶、根茎及枯落物能够对降水等水源进行有效地截留、存储，水源涵养能力较强。建设用地缺少植被并且人口集中，受人为影响较大，因此水源涵养能力一般。由于未利用地的面积较小，所以其单位水源涵养量偏大。值得注意的是，建设用地的水源涵养总量在2020年较2000年上升，这是2020年建设用地面积较2000年有所增加(表 3)所致。

2.3 水源涵养服务空间自相关格局

2000、2005、2010、2015、2020年南宁市水源涵养服务空间自相关的全局莫兰指数分别为0.570、0.581、0.552、0.556和0.595，P值均小于0.001，均通过了99.9%的置信水平检验，表明南宁市的水源涵养量在空间分布上呈现出显著的依赖性和相关性。具体来说，水源涵养量的空间分布主要呈现两种模式：“高—高聚集”(HH)和“低—低聚集”(LL)，即水源涵养量较高的区域倾向于与其周边的高值区相邻，而水源涵养量较低的区域则与其周边的低值区相邻(图 5)。这反映出南宁市水源涵养服务在空间分布上的非随机性特点。20年间，“高—高聚集”型主要分布在南宁市北部，与中高值水源涵养量分布区(图 2)基本一致；“低—低聚集”型主要分布在南宁市南部。在土地利用类型中，耕地和建设用地占据主导地位，然而这些区域的水源涵养能力相对较弱，加之年降水量偏低，而年潜在蒸散量偏高，这些因素共同导致水源涵养量在空间分布上呈现出显著的“低—低聚集”特征。“低—高聚集”(LH)和“高—低聚集”(HL)的分布模式在整体中所占比例较小，反映出水源涵养服务在空间分布上的不均衡性。

2.4 水源涵养服务驱动因素分析

单因子探测结果表明，8个因子对水源涵养量变化均表现出显著的驱动效应(P＜0.05)，但各因子对水源涵养量的影响程度有所不同，其中2020年q值由高到低依次为土地利用类型、蒸散量、高程、气温、降水量、坡度、人口密度、GDP。土地利用类型在所有年份均拥有最高q值，且显著高于其余因子(表 5)。这表明土地利用类型是南宁市水源涵养量变化的主要决定因素。同时，蒸散量、高程、气温、降水量和坡度等因素也对南宁市的水源涵养量具有不同程度的影响。相对而言，人口密度和GDP对水源涵养量的影响程度较小，说明人类社会经济活动对水源涵养服务空间分异的直接作用有限。时序变化上，土地利用类型的q值长期维持高位；降水量、高程、气温的q值总体呈现小幅波动上升趋势；人口密度、GDP的q值长期处于较低水平。

交互因子探测结果表明，不同驱动因子之间的协同作用对水源涵养量的解释力显著超越单一因子所能达到的水平，这进一步凸显了多因素综合作用在水源涵养服务分析中的重要性。多年探测规律稳定：包含土地利用类型的交互组合q值显著高于其他组合，其中土地利用类型与降水量交互效应历年均为最强；气候、地形、社会经济因子内部两两之间交互作用强度整体偏低。综合以上分析，南宁市水源涵养服务空间分异由土地利用类型主导，受气候、地形条件共同调控；土地覆被与区域水热条件形成耦合协同作用，进一步扩大了水源涵养服务的区域差异。以2020年为例，降水量与土地利用类型的交互作用对水源涵养服务的影响效应最强；其次为土地利用类型与气温的交互作用，并且土地利用类型与其他因子的交互作用解释力均远大于其他因子间的交互作用(图 6)。

3 讨论

本研究基于InVEST模型定量评价南宁市的水源涵养能力并探讨影响南宁市水源涵养服务空间分异的驱动因子，结果表明南宁市水源涵养量具有较为明显的时间和空间差异性，这与何秋琴等^[30]关于山西省水源涵养功能时空格局的研究结果相似。本研究进一步分析发现，南宁市不同时期水源涵养量空间分布格局变化较为稳定，呈现一定的规律性。从空间分布特征来看，南宁市水源涵养量高值区多具有降水量充沛、植被群落丰富、土地利用类型以林地为主、潜在蒸散量偏低的特点。因此，推断降水量、土地利用类型、潜在蒸散量等因素与水源涵养量呈正相关关系，是影响水源涵养量的主要因素，这与赵亚茹等^[32]关于石羊河上游产水量时空格局的研究结果一致。该研究表明，水资源的产出及其生成潜力深受降水量与实际蒸散量以及二者之间平衡关系的调控，其中，实际蒸散量不仅受气温、风速、相对湿度和日照时数等气象条件的直接影响，还与下垫面的土地利用/覆被状况紧密相关；土地利用/覆被对实际蒸散量的影响主要通过改变下垫面的物理特性，进而影响产水量^[32]。

驱动因素分析结果表明，土地利用类型、降水量、蒸散量、气温等因素对水源涵养量有重要影响，并且交互作用分析发现降水量、蒸散量、气温等气候要素与土地利用类型的协同作用会强烈影响南宁市的水源涵养量，这与张福平等^[40]研究发现黑河流域上游水源涵养量变化的主要驱动因素是气候变化的结论存在差异，这可能是研究区地理地貌不同造成的^[41]。本研究结果提示，人类活动对自然水文过程的改造效应不容忽视。为提升区域水源涵养服务，应优化土地利用结构，严守生态保护红线，重点加强对森林、草地、湿地等生态用地的封育与恢复，遏制建设用地的无序扩张，并通过实施退耕还林等生态工程，提升山地林区与滨海湿地的生态连通性。此外，还需要建立气候适应性管理机制，加强对气候变化的监测与预测，并依据降水—植被响应关系，动态优化植被配置，如在低强度降水区域优先选种深根系植物以增强土壤水分保持能力。

然而本研究仍存在一些不足和缺陷，如产水量计算输出结果为年均值，难以在月度尺度上进行精准分析；模型参数范围选择主要侧重于现有文献经验，在一定程度上影响了水文过程模拟及评估结果的准确性。

4 结论

研究期内南宁市水源涵养服务整体向好、格局稳定，存在明显的时空分异特征。区域水源涵养量年际波动提升，生态保育成效总体显著，空间上稳定呈现“北、中部高，南部低”的分布特征，但2020年出现小幅退化，表明区域水源涵养功能受气候与土地利用变化的潜在扰动。不同土地利用类型水源涵养能力差异显著，林地为区域水源涵养的核心支撑类型。水域、林地单位面积水源涵养能力较优，林地因分布面积最大，对全市水源涵养总量贡献最强；未利用地对全市水源涵养总量贡献最弱，是区域水文调节功能的主要薄弱用地类型。南宁市水源涵养服务具有显著且稳定的空间正自相关性。研究期内水源涵养量呈现明显的空间集聚特征，以“高—高聚集”“低—低聚集”格局为主，空间分布并非随机离散，区域本底环境与土地格局对其有较强的约束作用。南宁市水源涵养服务空间分异受多因子协同调控，土地利用类型为核心主导因子。单因子层面，土地利用类型驱动作用显著高于气候、地形及社会经济因子，其中GDP与人口密度影响较弱；因子交互层面，因子协同作用显著强于单因子作用，其中土地利用类型与降水量耦合效应最强，是主导区域水源涵养格局演变的关键驱动因素，该驱动特征与干旱区气候主导模式存在明显差异，具有显著的区域特殊性。