2. 环境保护部环境保护对外合作中心, 北京 100035;
3. 环境保护部南京环境科学研究所, 江苏 南京 210042;
4. 环境保护部卫星环境应用中心, 北京 100094
2. Foreign Economic Cooperation Office, Ministry of Environmental Protection, Beijing 100035, China;
3. Nanjing Institute of Environmental Science, Ministry of Environmental Protection, Nanjing 210042, China;
4. Satellite Environment Center, Ministry of Environmental Protection, Beijing 100094, China
生态系统服务(ecosystem services)指生态系统提供给人类的收益, 包括供给服务(例如食物、水、木材、纤维和遗传资源)、调节服务(例如调节气候、洪涝、疾病、水质和处理废弃物)、文化服务(例如消遣、美学享受和满足精神世界)和支持服务(例如土壤形成、授粉和养分循环)[1]。开展生态系统服务的量化评估是进行生态系统科学管理的前提, 对保障区域的可持续发展和人类福祉意义重大[2]。运用模型对生态系统服务进行量化评估备受关注[3]。在众多的生态系统服务量化评估模型中, 生态系统服务和交易的综合评估模型(integrated valuation of ecosystem services and trade-offs, InVEST)因参数调整灵活、评估结果可空间化表达等优点, 在生态系统服务评估中得到了广泛应用[2]。在利用InVEST模型进行生态系统服务评估方面, 产水、营养物质输移和沉积物持留评估因数据易获取、结果可信度高而受到广泛关注。潘韬等[4]利用该模型对1980—2005年间三江源区水源供给服务的时空变化进行分析; 李婷等[5]利用该模型对2012年秦岭山地的土壤流失与土壤保持功能进行评估; 吴哲等[6]利用该模型对2008年海南岛氮磷营养物负荷的风险进行评估。土地利用/覆盖变化(LUCC)是陆地生态系统服务变化的主要驱动因子[7]。小区域土地利用转换及其效应模型(the conversion of land use and its effects at small region extent, CLUE-S)通过对土地利用变化与社会、经济、技术及自然环境等驱动因子之间关系的定量分析, 探索土地利用时空演变的基本规律, 进而对未来土地利用变化进行预测[8-9]。利用InVEST模型结合土地利用/覆盖情景模拟数据, 开展未来不同土地覆盖情景下区域生态系统服务的量化评估, 了解生态系统服务对不同社会发展情景的响应正日渐受到重视[10-11]。
2014年4月贵州省人民政府出台了《贵州省赤水河流域水污染防治生态补偿暂行办法》, 在贵州省赤水河流域建立生态补偿机制, 并进行生态补偿实践探索[12]。五马河是贵州省赤水河右岸对酒类企业取水、用水影响最大的支流, 五马河河口距下游茅台酒厂取水口仅13 km[13]。近年来, 五马河流域生态环境遭到破坏, 导致流域内水源涵养、土壤保持和水质净化等生态系统服务功能下降, 并威胁到下游企业尤其是酒类企业的正常生产[12-14]。
选择五马河流域作为研究区域, 利用CLUE-S模型结合情景分析技术获取流域2030年土地覆盖情景数据, 通过InVEST模型对当前(2015年)及2种发展情景下2030年流域生态系统的产水、营养物质输移及沉积物持留3项生态系统服务进行量化评估, 以期为进一步开展五马河流域生态系统服务价值评估和科学制定发展规划提供基础数据。
1 研究区概况五马河是赤水河27条主要支流之一, 全长39.3 km, 河床宽15~44 m, 水深0.2~0.6 m[15]。五马河流域(27.5°~27.8° N, 106.1°~106.6° E)主要包括贵州省仁怀市下辖的长岗、鲁班、五马和茅坝4个(乡)镇, 总面积约45 075 hm2(图 1)。
五马河流域属中亚热带湿润季风气候区, 四季分明, 雨热同期, 年平均气温为15.9~18.5 ℃, 年降雨量为800~1 000 mm; 地貌属山原、中山峡谷喀斯特地貌, 地势起伏较大; 土壤多为石灰土、黄壤、紫色土、水稻土和黄棕壤等[15]。五马河流域地势陡峭, 35%的区域斜坡坡度在25°以上, 森林覆盖率为32.68%, 远低于环境保护部(70%)和贵州省政府(47%)设定的标准值。
2 研究方法 2.1 数据来源及处理研究区当前土地覆盖数据基于高分一号(成像日期为2016-02-09)和高分二号(成像日期为2015-05-18)遥感影像, 通过人机交互目视解译获得。基于刘纪远[16]提出的中国土地资源分类系统, 同时结合研究区土地覆盖实际和研究需要, 将研究区土地覆盖分为水田、旱地、有林地、灌木林地、疏林地、高覆盖度草地、中覆盖度草地、低覆盖度草地、河渠坑塘、城镇建设用地和农村居民点11类(图 2)。野外实地验证表明解译的总体精度达91.5%。其他数据来源及处理方法见表 1。
以上所有数据均利用ArcGIS 9.3软件转换成同一投影坐标系(WGS_1984_Albers, 中央经线:105° E), 栅格数据转化成相同的空间分辨率(30 m×30 m)。
2.2 土地覆盖情景设计 2.2.1 经济发展情景(scenario of economic development, SED)在参考《仁怀市城市总体规划(2008—2030)》《贵州省赤水河流域产业发展规划(2013—2020)》及《仁怀市土地利用总体规划(2013—2020年)》等有关规划基础上依据专家知识制定该情景。假设研究区今后将重点关注经济发展, 提高人口城镇化率。经济发展情景下, 2030年研究区各地类的面积如表 2所示。到2030年, 与当前现状相比情况如下:研究区耕地总面积将保持不变; 林地总面积将保持不变, 但随着时间的推移, 疏林地将部分演变成为有林地; 草地总面积减少; 河渠坑塘总面积不变; 城镇建设用地将增加2/3;农村居民点略有增加。
在参考《贵州省赤水河流域环境保护规划(2013—2020)》及《遵义市赤水河流域“四河四带”总体规划(2014—2020年)》等有关规划基础上依据专家知识制定该情景。假设研究区今后将重点关注生态环境的保护, 加大“退耕还林”和“天然林保护工程”等生态保护政策的推进力度。生态保护情景下, 2030年研究区各地类面积如表 2所示。到2030年, 与当前现状相比情况如下:研究区耕地总面积将减少约1/5;林地总面积将增加15%, 但随着时间推移, 疏林地将部分演变成有林地; 草地总面积保持不变, 但随着时间的推移高覆盖度草地比例将会提高, 中、低覆盖度草地比例将会下降; 河渠坑塘总面积保持不变; 城镇建设用地面积将增加1/4;农村居民点将略有减少。
2.3 土地覆盖变化模拟CLUE-S模型分为土地利用需求模块和空间分配模块2个模块。土地利用需求模块通过对社会经济、人口以及政策法规等土地利用变化驱动因素的分析, 计算每年研究地区对不同土地利用类型的需求变化; 逐年需求再基于栅格数据的空间分配模块进行空间分配, 最终实现对土地利用时空变化的模拟。空间分配模块主要揭示土地利用空间分布与其备选驱动因素以及空间制约因素的关系, 生成不同土地利用类型概率分布适宜图, 衡量不同土地利用类型在每一栅格单元分布的适合程度。CLUE-S模型中, 根据土地利用格局和备选驱动因素数据, 运用逻辑斯蒂逐步回归式对每一栅格可能出现某一土地利用类型的概率进行诊断[8, 20]。其计算公式为
$ \lg \frac{{{P_i}}}{{1-{P_i}}} = {\beta _0} + {\beta _1}{x_1} + {\beta _2}{x_2} + \cdots + {\beta _n}{x_n}。$ | (1) |
式(1)中, Pi为每个栅格可能出现某一土地利用类型i的概率, %; xn为第n项备选驱动因素, n=1, 2, …, k; β0为常数项; β1, β2, …, βn为解释变量xn对应的回归系数。
各地类逻辑斯蒂回归的结果用受试者曲线(receiver operating characteristic, ROC)下面积(area under the curve, AUC)进行检验。AUC取值范围为0~1, 其中, >0.9~1为极好, >0.8~0.9为好, >0.7~0.8为一般, >0.6~0.7为差, ≤0.6为失败[21]。在模拟获取2种发展情景下研究区2030年土地覆盖数据的基础上, 通过马尔可夫转移矩阵[22]对2种发展情景下研究区2030年土地覆盖相对于当前条件下土地覆盖的转换特征进行分析。
2.4 生态系统服务评估利用InVEST 3.3.2模型的产水量评估模块(water yield)、营养物质输移率模块(nutrient delivery ratio model)及沉积物输移率模块(sediment delivery ratio model)对研究区当前及2种发展情景下2030年流域的年产水量、年氮磷削减与输出量、年沉积物持留与输出量进行评估。
InVEST模型产水量评估基于Budyko水热耦合平衡假设和年平均降水量开展,公式[4],[23]116-160为
$ Y\left( x \right) = \left[{1-\frac{{{\rm{AET}}\left( x \right)}}{{P\left( x \right)}}} \right] \times P\left( x \right)。$ | (2) |
式(2)中, Y(x)为栅格单元x的年产水量, mm; AET(x)为栅格单元x的年实际蒸散量, mm; P(x)为栅格单元x的年降水量, mm。
$ \begin{array}{l} \frac{{{\rm{AET}}\left( x \right)}}{{P\left( x \right)}} = 1 + \frac{{{\rm{PET}}\left( x \right)}}{{P\left( x \right)}}- \\ \;\;\;\;\;\;\;\;\;\;\;\;\;{\left\{ {1 + {{\left[{\frac{{{\rm{PET}}\left( x \right)}}{{P\left( x \right)}}} \right]}^{\omega \left( x \right)}}} \right\}^{1/\omega (x)}}, \end{array} $ | (3) |
$ \omega \left( x \right) = Z \times \frac{{{\rm{AWC}}\left( x \right)}}{{P\left( x \right)}} + 1.25。$ | (4) |
式(3)~(4)中, PET(x)为栅格单元x的年潜在蒸散量, mm; AWC(x)为栅格单元x的植物可利用含水量, %; ω(x)为气候土壤的无量纲参数; Z为季节性因子, 是表征季节性降雨特征的常数。
InVEST模型水质净化评估是用水体中氮磷含量来表征水质状况, 忽略其他的污染源, 只考虑非点源污染, 氮磷输出量越高, 水质净化功能就越弱, 该服务主要基于系数途径进行评价, 计算公式[23]116-160,[24]为
$ {\rm{ALV}}\left( x \right) = {\rm{HSS}}\left( x \right) \times {\rm{pol}}\left( x \right), $ | (5) |
$ {\rm{HSS}}\left( x \right) = {\lambda _x}/{{\bar \lambda }_w}。$ | (6) |
式(5)~(6)中, ALV(x)为栅格单元x调节的负载值, kg; pol(x)为栅格单元x的输出系数; HSS(x)为栅格单元x的水文敏感性得分; λx为栅格单元x的径流系数; λw为研究区流域的平均径流系数。
InVEST模型中的土壤保持评估是采用通用土壤流失方程模拟一定区域的土壤侵蚀速率, 土壤侵蚀量越小, 则土壤保持功能越好。土壤流失量用下列方程[6],[23]116-160计算:
$ {\rm{USLE}}\left( x \right) = R\left( x \right) \times K\left( x \right) \times {\rm{LS}}\left( x \right) \times C\left( x \right) \times P\left( x \right)。$ | (7) |
式(7)中, USLE(x)为栅格单元x的土壤侵蚀量, t; R(x)为栅格单元x的降雨侵蚀力因子; K(x)为栅格单元x的土壤可蚀性因子, t·hm2·MJ-1·mm-1; LS(x)为栅格单元x的坡度和坡长因子; C(x)为栅格单元x的植被覆盖和作物管理因子; P(x)为栅格单元x的水土保持工程措施因子。
InVEST模型中产水量评估模块、营养物质输移率模块及沉积物输移率模块主要生物物理参数取值如表 3所示。
蒸散系数又称作物系数(Kc), 指不同发育期植物需水量与可能蒸散量之比, 是取值为0~1之间的无量纲数[25]。该研究中各地类的Kc系数通过参考已有研究成果[24]及查阅联合国粮农组织(FAO)《灌溉与园艺手册》 (http://www.fao.org/docrep/X0490E/x0490e0b.htm)获得。植被覆盖和作物管理因子C表示地表有植被覆盖时土壤流失量与地表完全裸露时土壤流失量之比, 也是取值为0~1之间的无量纲数[26]。各地类C因子的取值采用蔡崇法等[27]提出的方法确定。水土保持工程措施因子P表示对采用相关水土保持工程措施后的土壤流失量与顺坡种植情景下的土壤流失量之比, 同样为取值0~1之间的无量纲数, 0表示使用了较好的水土保持工程措施, 土壤几乎不会被侵蚀, 1表示没有采取任何水土保持工程措施[28]。研究区耕地的氮磷负载量通过查阅《遵义统计年鉴2014》(http://www.zunyi.gov.cn/zwgk/jcxxgk/tjxx/tjnj/tjnj2015.htm)确定, 其他各地类氮磷负载量通过借鉴InVEST模型示例数据的方法获得。
3 结果与分析现状土地覆盖条件下各地类与驱动因子间的逻辑斯蒂回归分析结果如表 4所示。除旱地、有林地、灌木林地、疏林地、中覆盖度草地和城镇建设用地5种地类的AUC值小于0.8, 属于一般水平外, 其余6种地类的AUC值均大于0.8, 属于好及以上水平, 表明回归模型具有较高的精度。2种情景下研究区土地覆盖的马尔可夫转移矩阵见表 5~6。
经济发展和生态保护2种情景下研究区2030年土地覆盖空间分布如图 3~4所示。从空间分布上看, 2种发展情景下研究区2030年土地覆盖整体状况与当前条件下的差异均不显著。经济发展和生态保护2种发展情景下, 2030年流域各地类相对于当前条件下变化的比例分别为4.3%和11.4%, 2种情景下地类转化集中的区域均主要位于研究区西部和南部。从地类之间的转换关系看, 经济发展情景下, 疏林地、中覆盖度草地和低覆盖度草地为转出的源, 部分疏林地转成有林地, 部分中覆盖度草地转成高覆盖度草地, 部分低覆盖度草地转成高覆盖度草地、城镇建设用地和农村居民点3类(表 5); 生态保护情景下, 水田、旱地、中覆盖度草地和低覆盖度草地为转出的源, 部分水田、旱地转成疏林地, 部分中覆盖度草地转成高覆盖度草地, 部分低覆盖度草地转成中覆盖度草地(表 6)。
从表 7可知, 相对于现状条件, 2030年经济发展和生态保护情景下研究区总产水量分别减少约170×104和600×104 m3; 经济发展情景下研究区净产水量减少约320×104 m3, 生态保护情景下则增加约570×104 m3; 现状条件、2030年经济发展和生态保护情景下, 研究区的净产水量占总产水量的比例分别为40.8%、40.0%和44.0%。
就总氮负载量比较而言, 2030年经济发展情景和现状条件差别不明显, 生态保护情景相对于现状条件减少约17.4%;就总氮输出量比较而言, 经济发展情景和现状条件下差别亦不明显, 生态保护情景相对于现状条件减少约34.8%;现状条件、2030年经济发展和生态保护情景下, 研究区总氮持留量占负载量的比例分别为75.1%、75.1%和80.4%。
就3种土地覆盖条件下研究区总磷负载量比较而言, 2030年经济发展情景和现状条件下差别不明显, 生态保护情景相对于现状条件减少约17.9%;就总磷输出量比较而言, 经济发展情景和现状条件下差别亦不明显, 生态保护情景相对于现状条件减少约35.4%;现状条件、2030年经济发展和生态保护情景下, 研究区总磷持留量占负载量的比例分别为75.0%、75.0%和80.3%。
从3种土地覆盖条件下研究区沉积物持留量看, 2030年经济发展和生态保护情景相对于现状条件分别增加约0.1×106和0.7×106 t; 从3种土地覆盖条件下研究区沉积物输出量看, 2030年经济发展和生态保护情景相对于现状条件分别减少约1.6%和23.7%。
4 讨论与结论研究将CLUE-S模型与InVEST模型有机结合, 分析未来2种发展情景下五马河流域产水、营养物质输移和沉积物持留3项生态系统服务的变化特征, 在研究区乃至整个赤水河流域尚属首次。研究表明未来五马河流域上述3项生态系统服务与流域的土地覆盖状况密切相关。结合该研究结果, 在地区未来发展中依据地区实际制定合理的发展规划, 将对保护流域生态环境, 维持地区特色产业健康发起到十分积极的作用。当前土地覆盖条件下、2030年经济发展及生态保护情景下, 研究区单位面积的沉积物输出量分别为60、59和46 t·hm-2。虽然生态保护情景下2030年研究区单位面积沉积物输出量明显减少, 但仍明显高于全国平均水平(14 t·hm-2)[29]。赤水河流域特殊的气候、地形、土壤和植被条件, 造成流域水土流失严重[30-31], 未来必须加强研究区水土流失的治理。
笔者利用InVEST模型评估的是生态系统服务的物质量, 为更好地服务于生态系统管理和生态补偿, 需要建立生态系统服务物质量和价值量之间的联系。目前常见的生态系统服务价值量评价方法主要包括市场价值法、显示偏好法和陈述性偏好法[32]。就InVEST模型评估的生态系统服务而言, 会具有两面性[33], 如该研究中的产水量, 从水资源的角度, 利用市场价格法进行评估, 显然当前条件下价值量最高, 生态保护情景下价值量最低, 但从防洪的角度利用避免成本法进行评估, 则生态保护情景下价值量最高, 当前条件下最低。另外, 某一项生态系统服务可能具有多方面的价值[34], 如土壤保持不仅具有保证土壤肥力的价值, 如果流域内建有水库, 同样具有减少水库清淤所带来的成本损失。因此, 今后必须加强生态系统服务物质量和价值量之间转换关系的方法研究。
总体而言, 五马河流域产水、营养物质输移和沉积物持留3项生态系统服务与土地覆盖状况密切相关; 经济发展情景下2030年五马河流域上述3项生态系统服务的物质量与当前差别不大, 而生态保护情景下2030年上述3项生态系统服务功能较当前则有明显的提高。
研究存在一定的不足, 主要表现在:(1)评估的生态系统服务项目有限。受制于数据的可获取性, 得到评估的生态系统服务与生态系统提供的全部服务相比仍十分有限, 如COSTANZA等[35]在估计全球生态系统服务价值时将生态系统服务分为17种。(2)栅格数据空间分辨率有待提高。研究中除土地覆盖数据的空间分辨率较高外, 其余数据的分辨率均较低。(3)相关因子情景数据缺乏。在进行土地覆盖数据情景模拟和生态系统服务情景分析时, 假设研究区道路、降水等在未来保持不变, 缺乏有关这些因子可靠的情景数据。因此, 未来有必要加强研究区相关数据的采集、精细化等工作。
[1] |
Millennium Ecosystem Assessment.Ecosystems and Human Well-Being:Synthesis[Z].Washington DC, USA:Island Press, 2005.
(0) |
[2] |
包玉斌, 李婷, 柳辉, 等. 基于InVEST模型的陕北黄土高原水源涵养功能时空变化[J]. 地理研究, 2016, 35(4): 664-676. BAO Yu-bin, LI Ting, LIU Hui, et al. Spatial and Temporal Changes of Water Conservation of Loess Plateau in Northern Shaanxi Province by InVEST Model[J]. Geographical Research, 2016, 35(4): 664-676. (0) |
[3] |
BAGSTAD K J, SEMMENS D J, WAAGE S, et al. A Comparative Assessment of Decision-Support Tools for Ecosystem Services Quantification and Valuation[J]. Ecosystem Services, 2013, 5: 27-39. DOI:10.1016/j.ecoser.2013.07.004 (0) |
[4] |
潘韬, 吴绍洪, 戴尔阜, 等. 基于InVEST模型的三江源区生态系统水源供给服务时空变化[J]. 应用生态学报, 2013, 24(1): 183-189. PAN Tao, WU Shao-hong, DAI Er-fu, et al. Spatiotemporal Variation of Water Source Supply Service in Three Rivers Source Area of China Based on InVEST Model[J]. Chinese Journal of Applied Ecology, 2013, 24(1): 183-189. (0) |
[5] |
李婷, 刘康, 胡胜, 等. 基于InVEST模型的秦岭山地土壤流失及土壤保持生态效益评价[J]. 长江流域资源与环境, 2014, 23(9): 1242-1250. LI Ting, LIU Kang, HU Sheng, et al. Soil Erosion and Ecological Benefits Evaluation of Qinling Mountains Based on the InVEST Model[J]. Resources and Environment in the Yangtze Basin, 2014, 23(9): 1242-1250. (0) |
[6] |
吴哲, 陈歆, 刘贝贝, 等. 基于InVEST模型的海南岛氮磷营养物负荷的风险评估[J]. 热带作物学报, 2013, 34(9): 1791-1797. WU Zhe, CHEN Xin, LIU Bei-bei, et al. Risk Assessment of Nitrogen and Phosphorus Loads in Hainan Island Based on InVEST Model[J]. Chinese Journal of Tropical Crops, 2013, 34(9): 1791-1797. (0) |
[7] |
CABRAL P, FEGER C, LEVREL H, et al. Assessing the Impact of Land-Cover Changes on Ecosystem Services:A First Step Toward Integrative Planning in Bordeaux, France[J]. Ecosystem Services, 2016, 22(Part B): 318-327. (0) |
[8] |
VERBURG P H, OVERMARS K P. Combining Top-Down and Bottom-up Dynamics in Land Use Modeling:Exploring the Future of Abandoned Farmlands in Europe With the Dyna-CLUE Model[J]. Landscape Ecology, 2009, 24: 1167-1181. DOI:10.1007/s10980-009-9355-7 (0) |
[9] |
刘静怡, 蔡永立, 於家, 等. 基于CLUE-S和灰色线性规划的嘉兴北部土地利用优化配置研究[J]. 生态与农村环境学报, 2013, 24(2): 529-536. LIU Jing-yi, CAI Yong-li, YU Jia, et al. Optimization of Land Use Arrangement in North Jiaxing Based on CLUE-S and Grey Linear Programming Models[J]. Journal of Ecology and Rural Environment, 2013, 24(2): 529-536. (0) |
[10] |
WU C F, LIN Y P, CHIANG L C, et al. Assessing Highway's Impacts on Landscape Patterns and Ecosystem Services:A Case Study in Puli Township, Taiwan[J]. Landscape and Urban Planning, 2014, 128: 60-71. DOI:10.1016/j.landurbplan.2014.04.020 (0) |
[11] |
TRISURAT Y, EAWPANICH P, KALLIOLA R. Integrating Land Use and Climate Change Scenarios and Models Into Assessment of Forested Watershed Services in Southern Thailand[J]. Environmental Research, 2016, 147: 611-620. DOI:10.1016/j.envres.2016.02.019 (0) |
[12] |
杨荣芳, 赵先进, 曾得峰. 赤水河流域生态补偿机制的建立[J]. 水利水电快报, 2012, 33(1): 35-38. YANG Rong-fang, ZHAO Xian-jin, ZENG De-feng. Establishment of Ecological Compensation Mechanism for Chishui River Basin[J]. Express Water Resource & Hydropower Information, 2012, 33(1): 35-38. (0) |
[13] |
王露伟, 任晓冬, 罗鼎. 社区居民参与EPWS项目的意愿影响因素研究:以五马河流域龙塘坝社区为例[J]. 湖北农业科学, 2015, 54(6): 1517-1523. WANG Lu-wei, REN Xiao-dong, LUO Ding. Factors Affecting the Willingness of Community Households to Participate in EPWS Project:Taking Long Tangba Community of Wuma River Watershed as an Example[J]. Hubei Agricultural Sciences, 2015, 54(6): 1517-1523. (0) |
[14] |
邱凉, 郑艳霞, 翟红娟, 等. 赤水河流域生态补偿机制研究[J]. 人民长江, 2013, 44(13): 94-96, 108. QIU Liang, ZHENG Yan-xia, ZHAI Hong-juan, et al. Research on Ecological Compensation Mechanism of Chishui River Basin[J]. Yangtze River, 2013, 44(13): 94-96, 108. DOI:10.3969/j.issn.1001-4179.2013.13.023 (0) |
[15] |
李亮, 但文红. 五马河流域土地利用格局时空变化及驱动因子分析[J]. 贵州师范大学学报(自然科学版), 2013, 31(3): 1-6. LI Liang, DAN Wen-hong. The Analysis of Driving Factors and Spatial and Temporal Variation of Land Using Pattern of Wuma Lake Basin[J]. Journal of Guizhou Normal University (Natural Sciences), 2013, 31(3): 1-6. (0) |
[16] |
刘纪远. 中国资源环境遥感宏观调查与动态研究[M]. 北京: 中国科学技术出版社, 1996, 7-10. LIU Ji-yuan. Study on China Resource & Environment Survey and Dynamic Using Remote Sensing[M]. Beijing: China Science and Technology Press, 1996, 7-10. (0) |
[17] |
ZHOU W Z, LIU G H, PAN J J, et al. Distribution of Available Soil Water Capacity in China[J]. Journal of Geography Science, 2005, 15(1): 3-12. DOI:10.1007/BF02873101 (0) |
[18] |
宋春风, 陶和平, 刘斌涛, 等. 长江上游地区土壤可蚀性空间分异特征[J]. 长江流域资源与环境, 2012, 21(9): 1123-1130. SONG Chun-feng, TAO He-ping, LIU Bin-tao, et al. Spatial Distribution Characteristics of Soil Erodibility K Value in the Upper Yangtze River[J]. Resources and Environment in the Yangtze Basin, 2012, 21(9): 1123-1130. (0) |
[19] |
刘斌涛, 陶和平, 宋春风, 等. 1960-2009年中国降雨侵蚀力的时空变化趋势[J]. 地理研究, 2013, 32(2): 245-256. LIU Bin-tao, TAO He-ping, SONG Chun-feng, et al. Temporal and Spatial Variations of Rainfall Erosivity in China During 1960 to 2009[J]. Geographical Research, 2013, 32(2): 245-256. (0) |
[20] |
张永民, 赵士洞, VERBURGP H. CLUE-S模型及其在奈曼旗土地利用时空动态变化模拟中的应用[J]. 自然资源学报, 2003, 18(3): 310-318. ZHANG Yong-min, ZHAO Shi-dong, VERBURG P H. CLUE-S and Its Application for Simulating Temporal and Spatial Change of Land Use in Naiman Banner[J]. Journal of Natural Resource, 2003, 18(3): 310-318. DOI:10.11849/zrzyxb.2003.03.008 (0) |
[21] |
COHEN J. A Coefficient of Agreement for Nominal Scales[J]. Educational and Psychological Measurement, 1960, 20: 37-46. DOI:10.1177/001316446002000104 (0) |
[22] |
赵锐锋, 姜朋辉, 赵海莉, 等. 黑河中游湿地景观破碎化过程及其驱动力分析[J]. 生态学报, 2013, 33(14): 4436-4449. ZHAO Rui-feng, JIANG Peng-hui, ZHAO Hai-li, et al. Fragmentation Process of Wetlands Landscape in the Middle Reaches of the Heihe River and Its Driving Forces Analysis[J]. Acta Ecologica Sinica, 2013, 33(14): 4436-4449. (0) |
[23] |
SHARP R, TALLIS H T, RICKETTS T, et al.InVEST 3.3.2 User's Guide[M].The Natural Capital Project, Stanford University, University of Minnesota, the Nature Conservancy, and World Wildlife Fund, 2016.
(0) |
[24] |
白杨, 郑华, 庄长伟, 等. 白洋淀流域生态系统服务评估及其调控[J]. 生态学报, 2013, 33(3): 711-717. BAI Yang, ZHENG Hua, ZHUANG Chang-wei, et al. Ecosystem Services Valuation and Its Regulation in Baiyangdian Basin:Based on InVEST Model[J]. Acta Ecologica Sinica, 2013, 33(3): 711-717. (0) |
[25] |
云文丽, 侯琼, 王永利, 等. 内蒙古典型草原作物系数和实际蒸散量的时空分布特征[J]. 自然资源学报, 2013, 28(2): 300-311. YUN Wen-li, HOU Qiong, WANG Yong-li, et al. Spatial and Temporal Distribution of Crop Coefficient and Actual Evapotranspiration in Typical Steppe of Inner Mongolia[J]. Journal of Natural Resource, 2013, 28(2): 300-311. DOI:10.11849/zrzyxb.2013.02.011 (0) |
[26] |
ALLEN R G, PRUITT W O, RAES D, et al. Estimating Evaporation From Bare Soil and the Crop Coefficient for the Initial Period Using Common Soils Information[J]. Journal of Irrigation and Drainage Engineering, 2005, 131(1): 14-23. DOI:10.1061/(ASCE)0733-9437(2005)131:1(14) (0) |
[27] |
蔡崇法, 丁树文, 史志华, 等. 应用USLE模型与地理信息系统IDRISI预测小流域土壤侵蚀量的研究[J]. 水土保持学报, 2000, 14(2): 19-24. CAI Chong-fa, DING Shu-wen, SHI Zhi-hua, et al. Study of Applying USLE and Geographical Information System IDRISI to Predict Soil Erosion in Small Watershed[J]. Journal of Soil and Water Conservation, 2000, 14(2): 19-24. (0) |
[28] |
胡胜, 曹明明, 刘琪, 等. 不同视角下InVEST模型的土壤保持功能对比[J]. 地理研究, 2014, 33(12): 2393-2406. HU Sheng, CAO Ming-ming, LIU Qi, et al. Comparative Study on the Soil Conservation Function of InVEST Model Under Different Perspectives[J]. Geographical Research, 2014, 33(12): 2393-2406. (0) |
[29] |
国家环境保护总局. 2005年中国环境状况公报[R]. 北京, 2006. State Environmental Protection Administration of China.China Environment Bulletin 2005[R].Beijing, 2006. (0) |
[30] |
邹翔, 薛小红, 赵健. 赤水河流域水土流失特点与分区防治研究[J]. 长江科学院院报, 2010, 27(8): 12-15. ZOU Xiang, XUE Xiao-hong, ZHAO Jian. Study on Soil Loss Characteristics and Different Preventive Measures in Chishui River Basin[J]. Journal of Yangtze River Scientific Research Institute, 2010, 27(8): 12-15. (0) |
[31] |
杨世凡, 安裕伦, 王培彬, 等. 贵州赤水河流域生态红线区划分研究[J]. 长江流域资源与环境, 2015, 24(8): 1405-1411. YANG Shi-fan, AN Yu-lun, WANG Pei-bin, et al. Study of Ecological Red-Line Zones in Guizhou Chishui River Basin[J]. Resources and Environment in the Yangtze Basin, 2015, 24(8): 1405-1411. (0) |
[32] |
杜乐山, 李俊生, 刘高慧, 等. 生态系统与生物多样性经济学(TEEB)研究进展[J]. 生物多样性, 2016, 24(6): 686-693. DU Lei-shan, LI Jun-sheng, LIU Gao-hui, et al. Progress in the Researches on the Economics of Ecosystems and Biodiversity (TEEB)[J]. Biodiversity Science, 2016, 24(6): 686-693. DOI:10.17520/biods.2016033 (0) |
[33] |
TURNER K G, ODGAARD M V, BØCHER P K, et al. Bundling Ecosystem Services in Denmark:Trade-Offs and Synergies in a Cultural Landscape[J]. Landscape and Urban Planning, 2014, 125: 89-104. DOI:10.1016/j.landurbplan.2014.02.007 (0) |
[34] |
GÍMEZ-BAGGETHUN E, BARTON D N. Classifying and Valuing Ecosystem Services for Urban Planning[J]. Ecological Economics, 2013, 86: 235-245. DOI:10.1016/j.ecolecon.2012.08.019 (0) |
[35] |
COSTANZA R, D'ARGE R, DE GROOT R, et al. The Value of the World's Ecosystem Services and Natural Capital[J]. Ecological Economics, 1998, 25(1): 3-15. DOI:10.1016/S0921-8009(98)00020-2 (0) |