讨论与结论

 

 

本研究基于长时间序列数据绘制芜湖市ESB，探索不同时期ESB空间分布特征及其主导生态系统服务，并依据ESB演变特征刻画生态功能分区。该方法有利于明晰生态系统服务组合与地理单元空间依赖，动态把握生态系统服务特征时空演化规律，提高基于ESB的生态功能分区可靠性。

 

但由于长时间序列分析对基础数据收集、处理要求更高，如何破除数据获取及处理障碍是未来深入研究的前提；除此，完善ESB评估的准确性使生态功能分区更为科学有效是今后研究的又一挑战。此外，本研究基于ESB演变特征的功能分区是综合考量区域生态系统管理要求、区位和现状的结果，缺乏生态功能区产生的规则和标准。因此，如何定量化构建基于ESB演变特征的生态功能分区框架，促进生态功能区产生的稳定性和可重复性是未来研究的重点。

 

 

相较于其他ESB识别方法，SOFM被认为能更加客观地表征区域多重生态系统服务聚类，可以在生态功能分区中克服主观性较强的缺陷。但算法模型本身只是一种工具，尤其是SOFM作为非监督类学习算法，算法运行始末期竞争层数量、迭代次数等都需要人为确定，如何规范参数设置，制定相应的遴选原则无法脱离专家经验，需要更加深入研究。因此，算法模型评估结果应作为生态功能分区决策的重要依据之一，而不是替代专家经验的区划方法。有效结合算法模型评估结果与专家经验区划成果是生态功能分区科学性提升的关键。

 

 

本研究以行政村为基本分析单元，探索了该尺度下生态系统服务、ESB空间格局及演变特征，并划分生态功能区提出相应管理建议。这一尺度边界与生态系统管理政策实施基本单元相一致，有利于研究成果向实践转化。但该尺度下难以保持分区内部自然地理、气候环境一致性，管理政策施行边界与生态过程作用边界难以匹配，这限制了生态系统管理的有效性和针对性。未来应开展不同尺度条件下ESB空间格局及其演变特征研究，综合多尺度ESB研究成果优化生态功能分区使其更加完善可靠。