我國區域多源土地覆被數據生態系統服務價值比較研究

宋宏利， 張曉楠

(1.河北工程大學地球科學與工程學院，河北邯鄲 056038；2. 河北省煤炭資源綜合開發與利用協同創新中心，河北邯鄲 056038； 3. 河北工程大學礦業與測繪工程學院，河北邯鄲 056038)

土地覆被是地球表層各種物質類型及其自然屬性與特征的綜合體[1]，是大氣循環、生態環境保護、生物多樣性監測、地理國情調查、糧食安全等領域的重要基礎信息[2-6]。近年來，隨著航空航天遙感技術的發展，一系列全球或區域尺度的土地覆被數據集相繼問世[7-9]，特別是在我國國家科技計劃的支持下，我國國家基礎地理信息中心和清華大學率先研制出代表2010年時間基點的2套30 m分辨率全球尺度土地覆被數據集[10-11]。盡管這些數據集的出現為眾多科研領域相關理論模型提供了豐富的數據來源，但由于傳感器、分類算法、空間分辨率及分類體系不同，現有的全球或區域尺度土地覆被遙感數據存在一定的差異。近年來，國內外學者針對以上問題，已在全球或區域尺度進行了大量工作，并取得了重要的成果。經分析發現，現有的研究工作主要集中于土地覆被遙感產品本身的專題精度的比較和驗證，而關于不同土地覆被數據用于特定應用模型計算結果的比較則鮮有報道。

生態系統是人類生存發展的基礎，是無法替代的自然資源和自然資產，而基于生態系統類型而產生的服務則具有極高的價值，對人類生存具有重要的意義[12]。因此，本研究以生態系統服務價值為研究對象，擬在我國區域對3種常用的全球土地覆被數據集MODIS COLLECTION5(moderate resolution imaging spectroradiometer collection5，簡稱MODIS COLLECTION5)、GLOBCOVER、ESACCI(European space agency climate change initiative，簡稱ESACCI)進行比較研究，進而分析3種數據集在生態系統類型價值和生態系統服務類型價值2個方面的差異，為我國區域用戶合理選擇數據進行生態服務建模提供一定的參考，也為未來大尺度生態系統類型制圖提供一定的研究方向。

1 數據來源及預處理

1.1 數據來源

本研究所采用的3種全球土地覆被數據集的具體信息如表1所示。其中，GLOBCOVER是由歐洲航天局以MERIS(medium resolution imaging spectrometer，簡稱MERIS)遙感數據為基礎，采用監督時空聚類及專家分類相結合的分類方法獲取的全球尺度300 m分辨率土地覆被數據集，該數據集采用聯合國聯農組織推薦的LCCS(land cover classification system，簡稱LCCS)土地分類體系，共包含22個類別[9]；MODIS COLLECTION5數據是由美國波士頓大學以MODIS數據為基礎，結合EVI(enhanced vegetation index，簡稱EVI)及LST(land surface temperature，簡稱LST)數據，采用監督決策樹分類方法獲取的500 m分辨率全球尺度土地覆被數據集，該數據采用國際地圈生物圈計劃的IGBP(international geosphere biosphere program，簡稱IGBP)分類體系，將全球陸表劃分為17種土地覆被類別[7]；ESACCI是由歐洲航天局在研制GLOBCOVER數據的經驗基礎上，為特別滿足氣候建模需求而研制的300 m分辨率全球尺度土地覆被數據集，該數據集基于MERIS和SPOT VGT(SPOT vegetation，簡稱SPOT VGT)時間序列數據，采用非監督時空聚類算法將陸表劃分為22個土地覆被類別[13]。

表1 土地覆被數據信息

1.2 數據預處理

首先采用我國區域邊界數據對上述3種土地覆被數據集進行掩膜裁剪，以獲取代表我國區域范圍的土地覆被數據。如上所述，MODIS COLLECTION5采用IGBP分類體系，而GLOBCOVER、ESACCI則采用LCCS分類體系，為了便于比較分析，須對3種數據進行分類體系的轉換。文獻[12]將我國區域生態系統類型劃分為農田、森林、草地、濕地、荒漠、水域等6種一級生態系統類型，水田、旱地等14種二級生態系統類型。經分析發現，MODIS COLLECTION5 數據并未對農田進行水田和旱地的二級劃分，而二者在生態服務價值上的數值差別較大，為了減小計算誤差，同時考慮到3種土地覆被數據自身的特點，本研究并未將農田生態系統納入計算范圍，最終將3種土地覆被數據聚合為闊葉林、針葉林、混合林、草原、灌木叢、濕地、水系、冰川積雪、荒漠等9種生態系統類型。生態系統類型劃分的具體情況如表2所示。

表2 生態系統類型劃分

2 生態服務價值計算方法

自1997年Costanza提出生態服務價值概念以來[14]，國內外學者針對生態系統服務價值的量化方法進行了深入研究，并形成了基于單位服務功能價格和基于單位面積價值當量因子的2類計算方法，其中基于單位服務功能價格的計算方法涉及的參數較多，計算過程較復雜，主要適用于較小尺度的生態服務價值估算；基于單位面積價值當量因子的計算方法需求的參數較少，且計算過程較為簡單，適用于全球或區域尺度生態服務價值估算。本研究以我國區域為研究對象，研究范圍尺度較大，因此，選擇基于單位面積價值當量因子的計算方法作為生態服務價值的估算依據。

謝高地等在Costanza等的研究基礎上，結合我國區域生態系統類型特點，提出了適合該區域的生態服務類型劃分及單位面積生態系統服務價值當量標準，并依據《中國統計年鑒2011》[15]、《全國農產品成本收益資料匯編2011》[16]，結合稻谷、小麥及玉米的種植面積及單價，計算得出代表我國區域2010年的1個標準當量因子的生態系統服務價值量為 3 406.5元/hm2[17]，以此數值為基準，依據單位面積生態系統服務價值當量標準，本研究計算出生態系統類型各服務類型的價值如表3所示。

3 結果與分析

3.1 生態系統類型空間分布

由圖1可知，在我國西北地區，3種數據集的生態系統均以荒漠為主，三者表現出較好的類別分布一致性，但MODIS數據集在新疆北部地區表現出明顯的草原分布；在青藏高寒區，三者生態系統均以草地為主，但MODIS和ESACCI數據集中草地的面積明顯高于GLOBCOVER數據集。在西南、東南及東北地區，MODIS數據集與GLOBCOVER、ESACCI數據集表現出較為明顯的差異，其中MODIS數據集在西南和東南地區生態系統以混合林及灌木叢為主，而GLOBCOVER和ESACCI數據集則以闊葉林及灌木叢為主；在東北區域，MODIS數據集在黑龍江及吉林、遼寧東部區域以混合林為主，GLOBCOVER數據集在黑龍江地區以針葉林為主，但在吉林、 遼寧東部區域地區則呈現出混合林、針葉林、灌木叢交錯分布的特征，相對于MODIS和GLBCOVER數據集，EASCII數據集在整個東北地區均以針葉林為主，其他生態系統分布較少。

表3 生態系統服務類型價值

3.2 基于生態系統類型的價值比較

由圖2可知，由于3種土地覆被數據關于冰雪、荒漠2種生態系統的面積較為接近，因此兩者的生態服務價值差異較小。但闊葉林、針葉林、混合林、草原、灌木及水系的生態服務價值差異較為明顯，其中，ESACCI數據集闊葉林的生態服務價值最高，達14 015億元，MODIS數據集闊葉林的生態服務價值最低，僅為3 062.75億元，二者相差10 952.25億元；GLOBCOVER數據集的針葉林的生態服務價值最高，為 7 253.98 億元，MODIS數據集的針葉林的生態服務價值最低，僅為550.92億元，ESACCI數據集的生態服務價值介于二者之間，為6 174.49億元；與闊葉林及針葉林相反，MODIS數據集中混合林的生態服務價值最高，為15 946.20億元，ESACCI數據集的生態服務價值最低，僅為452.78億元，二者相差15 493.42億元；草地和灌木呈現出相似的生態服務價值特征，MODIS和ESACCI數據集二者的服務價值相似，GLOBCOVER數據集的數值均小于前兩者。

3.3 基于生態服務類型的價值比較

由圖3可知，3種數據的11種服務類型服務價值差距相對較小，特別是食物生產、原料生產、水源供給、養分循環等4種服務類型具有幾乎相同的生態服務價值；對于氣體調節、凈化環境、生物多樣性、美學景觀等4種服務類型，MODIS、ESACCI 2種數據集幾乎具有相同的生態服務價值，且二者的生態服務價值均高于GLOBCOVER數據集的生態服務價值；3種數據集在氣候調節和水文調節2種服務類型具有較大的生態服務價值差距，其中MODIS數據集具有最大的氣候調節生態服務價值，為9 578.10億元，ESACCI數據集的生態服務價值最小，僅為3 350.66億元，二者相差6 227.44億元，GLOBCOVER數據集的生態服務價值介于二者之間，為 6 897.01億元；與氣候調節相反，ECACCI數據集在水文調節方面具有最大的生態服務價值，為11 894.17億元，GLOBCOVER數據集的生態服務價值最小，為9 366.70億元，MODIS數據集的生態服務價值介于二者之間，為9 841.62億元。

4 結論與討論

本研究基于謝高地等提出的我國區域生態系統服務價值計算方法，從生態系統類型及生態服務類型2個方面定量比較了MODIS COLLECTION5、GLBOCOVER、ESACCI等3種數據集計算的生態服務價值。結果表明，除冰雪、荒漠及濕地3種生態系統類型，3種數據的闊葉林、針葉林、混合林、草地等生態系統服務價值存在較為明顯的差異，其中ESACCI數據集的闊葉林、灌木叢2種生態系統具有最高的生態服務價值；MODIS數據集的混合林及草原具有最高的生態服務價值；GLOBCOVR數據集的針葉林及水系則具有最高的生態服務價值。相對于系統類型服務價值的明顯差距，3種數據的生態服務類型服務價值的差距則相對較小，尤其在食物生產、原料生產、水源供給、養分循環、美學景觀等服務類型方面，3種數據集計算的服務價值幾乎相同，三者僅在氣候調節、水文調節等2個服務類型方面存在一定的差距。盡管從相對角度的定量比較可以揭示3種數據在生態系統類型及生態服務類型2個方面的生態服務價值特征，為未來我國區域生態系統建模數據的選擇提供一定的科學依據，但并不能客觀評價3種數據集的服務價值與真實情況的差距。隨著30 m分辨率土地覆被遙感產品Globeland30、From GLC(fine resolution observation and monitoring of global land cover，簡稱From GLC)等數據集的公開使用，筆者下一步將進行基于高分辨率數據絕對服務價值的比較研究，從而更加精確地評價現有全球尺度土地覆被數據在生態服務價值領域的計算精度。

致謝：感謝河北省煤炭資源綜合開發與利用協同創新中心及河北省一流學科“地質資源與地質工程”為本研究提供的資金支持。

[1]廖安平，陳利軍，陳 軍，等. 全球陸表水體高分辨率遙感制圖[J]. 中國科學：地球科學，2014，44(8)：1634-1645.

[2]周書貴，邵全琴，曹 巍. 近20年黃土高原土地利用/覆被變化特征分析[J]. 地球信息科學學報，2016，18(2)：190-199.

[3]Verburg P H，Neumann K，Nol L. Challenges in using land use and land cover data for global change studies[J]. Global Change Biology，2011，17(2)：974-989.

[4]唐華俊，吳文斌，余強毅，等. 農業土地系統研究及其關鍵科學問題[J]. 中國農業科學，2015，48(5)：900-910.

[5]陳 軍，陳 晉，宮 鵬，等. 全球地表覆蓋高分辨率遙感制圖[J]. 地理信息世界，2011，9(2)：12-14.

[6]Lafontaine J H，Hay L E，Viger R J，et al. Effects of climate and land cover on hydrology in the southeastern US：potential impacts on watershed planning[J]. Journal of the American Water Resources Association，2015，51(5)：1235-1261.

[7]Friedl M A，Mciver D K，Hodges J，et al. Global land cover mapping from MODIS：algorithms and early results[J]. Remote Sensing of Environment，2002，83(1/2)：287-302.

[8]Bartholomé E，Belward A S. GLC2000：a new approach to global land cover mapping from earth observation data[J]. International Journal of Remote Sensing，2006，26(9)：1959-1977.

[9]Arino O，Bicheron P，Achard F，et al. GLOBCOVER：the most detailed portrait of earth[J]. Bulletin-European Space Agency，2008，136(4)：24-31.

[10]Gong P，Wang J，Yu L，et al. Finer resolution observation and monitoring of global land cover：first mapping results with Landsat TM and ETM+ data[J]. International Journal of Remote Sensing，2013，34(7)：2607-2654.

[11]Chen J，Chen J，Liao A，et al. Global land cover mapping at 30 m resolution：a POK-based operational approach[J]. Isprs Journal of Photogrammetry & Remote Sensing，2015，103：7-27.

[12]謝高地，張彩霞，張昌順，等. 中國生態系統服務的價值[J]. 資源科學，2015，37(9)：1740-1746.

[13]Tsendbazar N E，de Bruin S，Mora B，et al. Comparative assessment of thematic accuracy of GLC maps for specific applications using existing reference data[J]. International Journal of Applied Earth Observation and Geoinformation，2016，44：124-135.

[14]Costanza R，D’Arge R,de Groot R，et al.The value of the world’s ecosystem services and natural capital[J]. Nature，1997，387：253-260.

[15]中華人民共和國國家統計局. 中國統計年鑒(2011)[M]. 北京：中國統計出版社，2011.

[16]國家發展和改革委員會價格司. 全國農產品成本收益資料匯編(2011)[M]. 北京：中國統計出版社，2011.

[17]謝高地，張彩霞，張雷明，等. 基于單位面積價值當量因子的生態系統服務價值化方法改進[J]. 自然資源學報，2015(8)：1243-1254.