研究方法
2.1生态系统服务评估
根据《全国生态功能区划》和《芜湖市国土空间总体规划(2020—2035年)》对芜湖市域主要生态系统服务的定位，及芜湖市自然本底与经济社会发展对生态系统服务的需求，本研究选取碳固定(CarbonSequestration，CS)、生境质量(HabitatQuality，HQ)、土壤保持(SoilConservation，SC)、洪水调节(FloodMitigation，FM)和粮食生产(FoodProduction，FP)作为芜湖市5种关键生态系统服务。
为协助芜湖市国土空间总体规划，研究基于《生态保护红线划定指南》中推荐的生态系统服务计算方法，在数据可获取前提下，综合多种模型测算2000、2010、2020年5种生态系统服务空间格局(表2)。
为消除测算结果量纲差异对聚类分析造成的影响，方便生态系统服务评估指标年际对比，本研究将生态系统服务评估指标结果进行离差标准化。
在获得栅格尺度测算结果基础上，本研究以行政村为基础分析单元，采用ArcGIS10.2分区统计工具分别计算各行政村边界范围内每种生态系统服务平均值，以此表征该村生态系统服务供给能力。
2.2自组织特征映射网络
得益于自组织、自学习、客观性强、并行处理等优势，自组织特征映射网络(SelfOrganizingFeatureMap，SOFM)被广泛用于识别ESB[22-23]。SOFM属于非监督学习类神经网络，是一种将高维数据集映射至低维空间并以此得到数据间的相似关系的网络模型，该模型可以在保持数据集拓扑结构不变的前提下实现自下而上的聚类过程，同时根据优胜节点向量特征可以揭示输入指标在聚类类型中的贡献程度[24]。
本研究基于python的Minisom包训练SOFM，以研究范围内807个行政村单元作为样本，各村5类生态系统服务指标作为输入向量，采用粗调和微调邻域半径进行训练，经过10000次迭代得到聚类成果，并参考相关文献采用的方法确定SOFM最佳聚类数[23-25]。
