基于多源遥感数据的区域生态系统服务价值年际动态监测——以中原城市群为例

王万同, 孙汀, 王金霞, 付强, 安传艳

地理科学 ›› 2019, Vol. 39 ›› Issue (4) : 680-687.

PDF(4767 KB)
EN中文
PDF(4767 KB)
地理科学 ›› 2019, Vol. 39 ›› Issue (4) : 680-687. DOI: 10.13249/j.cnki.sgs.2019.04.018

基于多源遥感数据的区域生态系统服务价值年际动态监测——以中原城市群为例

作者信息 +

Annual Dynamic Monitoring of Regional Ecosystem Service ValueBased on Multi-source Remote Sensing Data: A Case of Central Plains Urban Agglomeration Region

Author information +
文章历史 +

摘要

通过对多源遥感数据在生态系统服务价值（ESV）遥感模型中的尺度效应分析,选择满足最佳空间分辨率和长时间序列的遥感数据,对中原城市群区域2001~2013年的ESV实现了逐年逐像元水平的动态监测。结果表明：该区应用于遥感模型输入数据的最适空间分辨率为30~1 000 m,相对于30 m尺度,其他尺度估算结果的相对偏差均小于0.4%;结合年际动态监测的需求,选择了MODIS数据产品（空间分辨率500 m,时间尺度1 a）作为遥感模型的最佳数据源;研究区ESV总值在研究期内整体上呈显著增长趋势,增速约为8.6亿元/a,但在持续增长过程中经历了3次波动,且表现得越来越剧烈;在空间上,研究区ESV多年均值呈现出明显的不均衡性,表现为从西南向东部递减的趋势。研究表明此方法简单易行,初步实现了区域ESV年际动态监测遥感模型的准业务化运行。

Abstract

Ecosystem service value (ESV) is not only one of the important parameters to study regional ecological economic harmony, but also a key indicator to improve the sustainable development. In recent years, based on remote sensing data, the ESV model has been gradually developed and widely used, whereas it is lacking in the application of regional ESV dynamic monitoring year by year. Here, the optimal spatial resolution and long time series of remote sensing data was selected by analyzing the scale effect, and regional ESV dynamic monitoring of year level was carried out on the pixel scale from 2001 to 2013 in Central Plains Urban Agglomeration region. The results showed that: 1) The range of the optimal spatial resolution was 30 m to 1 000 m for multi-source remote sensing data, and the relative deviation of the estimation results of different scales was less than 0.4%. With the demand of dynamic monitoring, the MODIS data products (spatial resolution was 500 m, and time scale was 1 year) were selected as the optimal data source for ESV model. 2) The total value of ESV in the study region showed a significant increasing trend from 2001 to 2013, with an increase of approximately 860 million yuan/a, but experienced three fluctuations in the continuous increasing process, and the performance was more and more intense. The dynamic change of ESV in the study region was uneven in the spatial distribution, and the growth area was slightly larger than the degraded area. Overall, the method of this article was simple and feasible, and the quasi-business operation of ESV remote sensing model was implemented.

关键词

生态系统服务价值 / 动态监测 / 多源遥感数据 / 尺度效应 / 中原城市群

Key words

ecosystem services value / dynamic monitoring / multi-source remote sensing data / scale effect / Central Plains Urban Agglomeration region

引用本文

EndNote

Ris (Procite)

Bibtex

导出引用
王万同, 孙汀, 王金霞, 付强, 安传艳. 基于多源遥感数据的区域生态系统服务价值年际动态监测——以中原城市群为例[J]. 地理科学, 2019, 39(4): 680-687 https://doi.org/10.13249/j.cnki.sgs.2019.04.018
Wang Wantong, Sun Ting, Wang Jinxia, Fu Qiang, An Chuanyan. Annual Dynamic Monitoring of Regional Ecosystem Service ValueBased on Multi-source Remote Sensing Data: A Case of Central Plains Urban Agglomeration Region[J]. SCIENTIA GEOGRAPHICA SINICA, 2019, 39(4): 680-687 https://doi.org/10.13249/j.cnki.sgs.2019.04.018
生态系统不仅提供给人类重要的生物资源（如食物、建筑材料、燃料以及药用原料等）,还提供对人类生存具有极为重要的生态服务功能（如调节气候、保持水土、涵养水源等）,是作为人类实现可持续发展的重要资源[1]。从Costanza等[2]建立以货币形式计量生态系统服务价值（ESV）的估算体系之后,国内外对于ESV的相关研究成为热点[3,4,5,6,7,8]。尤其是近年来,随着全球环境恶化,资源枯竭和人口增长,生态环境价值日益被各国重视,其动态变化已经成为判定区域可持续发展的关键表征指标之一[9],也成为国民经济发展和生态环境保护的一项重要和基础性工作[7]。
当前对ESV评估体系的研究还不成熟,表现为标准不一。代表性的估算方法主要有2种：单位面积价值估算法[10]和遥感模型法[7]。前者属于静态的估算方法,难以把握区域ESV的动态特征;而后者基于遥感技术的优势,无论是对区域ESV的格局评估,还是对其动态变化规律的分析,都具备前者不可比拟的优势。ESV遥感评估模型的相关研究在近年来得到了飞速发展和广泛应用,国内出现了很多基于遥感模型法的优秀成果,如：彭保发等[11]、李毅等[12]、刘家福等[13]、李真等[14]分别对常德市、长株潭地区、长三角地区、甘肃省的生态资产价值格局及变化进行了评估和分析。但遥感模型法在应用中存在两点问题：① 模型的数据来源不一,导致结果缺乏可比性。比如生态系统类型的分布及面积,主要来源于土地覆被/土地利用（LUCC）数据,在实际应用中大多依靠人工解译得到,精度难以得到保证;还有植被净初级生产力（NPP）数据,则需要借助另外的遥感模型来估算如光能利用率模型（CASA）等,而各个不同的NPP模型之间也存在差异。② 较难实现对区域ESV进行短周期长时间尺度的动态监测,尤其在大区域尺度的应用中。主要原因在于对遥感影像的人工解译、遥感评估模型的构建等过程都是非常繁琐复杂的,工作难度比较大。而国家和地区在经济快速发展过程中,为了及时、准确地了解经济发展与生态效益之间的协调程度,从而制定相应的政策决策,对该领域的需求变得尤为迫切,也对遥感模型法的应用提出了新的挑战。
遥感技术的飞速发展,使得获取不同空间分辨率、不同时间尺度的多源遥感数据变得便利。这些多源遥感数据各有优势和劣势,给遥感模型在数据来源上提供了更多的选择,尤其是很多成熟的遥感数据产品（如MODIS产品）可以直接输入模型使用,从而进一步提高了模型估算结果的可比性,同时流程的简化也使得区域ESV短周期动态监测的业务化实现成为可能。但因为传感器的限制,一般高空间分辨率的数据其时间尺度较长（如Landsat卫星、资源卫星、HJ星数据）,而短时间尺度的数据其空间分辨率较低（如NOAA、MODIS数据）[15]。因此,要实现区域尺度ESV动态监测,必须评估模型能够接受的最适空间分辨率范围,再结合动态监测对时间周期的要求进一步筛选出最佳的遥感数据源。
当前选择遥感数据最佳空间分辨率,有基于地学统计的局部方差法[16],基于分形理论的分形维数法[17],但这些方法均不具有普适性且方法繁琐复杂,在应用上难以推广。刘良云[18]认为,地表空间异质性的普遍存在,遥感模型的非线性必然会导致不同分辨率观测的遥感结果不一致,从而产生尺度效应。许多研究也表明尺度效应的影响因子主要为土地覆盖类型[15,19~21]。利用多源、多空间分辨率的遥感数据进行尺度效应机理的研究,探索遥感像元级观测的尺度效应,并辅助从多源遥感数据中选择最佳空间分辨率变得更加重要和具有挑战性[17]。
作为中国七大国家级城市群之一的中原城市群,是实现中国中部崛起的重要空间平台[22]。随着该区生态环境承载力与经济开发之间矛盾的不断加剧,区域内生态系统服务功能降低、生态服务价值加剧流失,对该区的可持续发展带来严重威胁[23]。在此背景下研究该区ESV空间格局及动态特征具有重要意义,也对中国其他快速发展地区具有重要的借鉴价值。本文基于遥感模型法,采用多源遥感数据,在尺度效应分析的基础上,选择最佳尺度的遥感数据作为模型输入参数,对中原城市群区域2001~2013年ESV值进行了估算,并实现了像元水平的区域ESV空间格局分析及逐年动态监测。

1 研究区概况与研究方法

1.1 研究区概况

中原城市群是以郑州为核心,以开封、新乡、焦作、济源、洛阳、平顶山、许昌、漯河地区性中心城市为节点形成的相互紧密关联的经济圈（图1）。该区域位于111°08′~115°15′E,33°08′~35°50′N,面积约5.87万km2[18],约占河南省总面积的1/3。区域内地貌类型多样,以平原为主。地势西高东低,由西部的高原山地向东部的平原过渡,西和西北方向至太行山,西南方向靠伏牛山,东部为黄河冲积平原,为全省主要的农业耕作区。属于湿润半湿润气候,四季分明,雨热同期。
图1 中原城市群位置

Fig.1 The location of Central Plains Urban Agglomeration region

Full size|PPT slide

1.2 研究方法

1.2.1 ESV评估模型
基于潘耀忠[7]的“中国陆地生态系统服务价值评估模型”,对中原城市群区域ESV的分布格局进行评估。其计算公式如下：
ESV=∑c=1m∑i=1nRi×Vcp×Si （1）
式中,ESV表示区域ESV总值（元）;c =1,2,...,m,表示生态系统的类型（本研究划分为耕地、林地、草地和水域4类生态系统,即m=4,对于建设用地和未利用地未作考虑）。生态系统分类来源于LUCC数据,分别对应于4种覆被类型：农田、林地、草地和水体）;Vcp表示第c类生态系统单位面积ESV（元/hm2）;i =1,2,...,n,表示区域内第c类生态系统在空间上分布的像元数;Si 表示各像元的面积（hm2）;Ri 表示Vcp在不同像元的调整系数（无量纲）,是由该像元处生态系统的质量状况决定的,其计算公式为：
Ri=NPPiNPPmean+fifmean2 （2）
式中,NPPmean和 fmean 分别为NPP和植被覆盖度（f）的平均值;NPPi 和 fi 为第 i像元的NPP和f。其中,f采用像元二分模型计算得到,公式如下：
Math input error （3）
式中,NDVI 为归一化植被指数;NDVIveg 和NDVIsoil分别表示完全被植被覆盖的像元和裸地或无植被覆盖区域的NDVI值,可以由区域内的NDVI最大值和最小值代替。
Vcp 的计算参考谢高地等制定的“中国陆地生态系统单位面积ESV当量表” [24],结合河南省粮食单产及其经济价值进行了修正,使得ESV估算过程中的价值标准体系能符合区域特征,保证最终结果的准确度。ESV单位当量价值E1计算公式如下：
E1=Q1×F17 （4）
Vcp=E1×ac （5）
式中,Q1为河南省2001~2013年粮食单产平均为5 194.3 kg/hm2,F1为2013年全国粮食的收购价格2.78元/kg,由此估算出ESV单位的当量价值为2 062.88元/hm2;ac为不同生态系统的ESV当量值。由式（5）得到各个生态系统单位面积ESV标准值：林地为580.08万元/km2;草地为240.74万元/km2;耕地为162.97万元/km2;水域为935.51万元/km2;建设用地为0。
1.2.2 尺度效应分析
本研究选择了30 m分辨率的LUCC数据作为模型的数据来源,在中原城市群区域进行模型的尺度效应分析。30 m的LUCC数据主要以Landsat卫星数据经过人工解译生成,也是目前应用最广泛、精度相对较高的一种数据。本研究假定以此得到的估算结果精度最高,并以此为基准,再分别设置几种常用遥感数据对应的分辨率100 m、250 m、500 m、1 000 m、4 000 m和8 000 m,将现有的 30 m 分辨率的LUCC数据采用像元聚合法重采样到上述几种分辨率后输入模型,将得到的结果进行对比,从中选择适合于该区域ESV评估的最适空间分辨率范围,再结合动态监测的需求,选择最短时间尺度的数据作为最佳数据源。
为了更好地分析模型本身的尺度效应以及对多源遥感数据的响应情况,分别设立了2种情景：① 情景1,不考虑模型的影响,单纯用各生态系统类型的面积与其对应的单位ESV值的乘积计算ESV总值,借此通过分析不同尺度下区域ESV总值的变化特征来探讨最适空间尺度范围;② 情景2,考虑模型本身的效应,对 LUCC数据的尺度进行扩展后,采用模型对研究区的ESV总值进行估算,并分析其变化特征来探讨最适空间尺度范围。

1.3 数据来源和处理

尺度效应分析采用的LUCC数据（30 m空间分辨率）来源于中国科学院资源环境科学数据中心（http://www.resdc.cn）中国土地利用数据（2000年）;基于遥感模型进行ESV动态监测采用的LUCC数据来源于MODIS卫星的数据产品MCD12Q1（https://lpdaac.usgs.gov）,其空间分辨率为500 m,时间尺度为2001~2013年。采用的NPP数据来源于MODIS卫星的MOD17A3数据,空间分辨率为30″;NDVI数据来源于地理空间数据云平台 (http://www.gscloud.cn) 中国 500 m NDVI 月合成产品,时间尺度均为2001~2013年。矢量边界数据来自国家基础地理信息系统网站下载的1∶400万数据。

2 结果与分析

2.1 尺度效应及最佳尺度选择

2.1.1 情景1
随着尺度的扩展,研究区各土地覆被类型的面积均发生了变化（表1）。分辨率从30 m扩展到8 000 m,耕地、林地、草地、水域、建设用地和未利用地之间都存在相互转化。林地、水域、建设用地和未利用地总体表现为减少趋势,而耕地和草地则表现为增加趋势。除了建设用地和未利用地,林地、草地、耕地、水域均在30~1 000 m尺度范围内面积变化不大。相对30 m来说,除了水域略高之外,其他类型在1 000 m尺度范围内的几个尺度相对偏差均低于0.4%;而在1 000 m以上尺度,所有类型的相对偏差均较大且呈现出递增的趋势（水域最大到48.8%）。
表1 研究区2000年多尺度的土地覆被类型面积变化（km2）

Table 1 Changes of land cover type area with different resolutions in study area in 2000 (km2)

分辨率 30 m 100 m 250 m 500 m 1000 m 4000 m 8000 m
林地 12347.77 12349.35 12344.56 12336.75 12397.00 12032.00 11968.00
草地 2110.98 2111.80 2105.13 2118.25 2108.00 2128.00 2368.00
水域 999.76 1000.56 1000.56 1001.75 1016.00 1104.00 512.00
耕地 36963.05 36961.58 36960.69 36961.75 37022.00 37280.00 39040.00
建设用地 6339.73 6337.57 6350.00 6340.75 6227.00 6336.00 5056.00
未利用地 16.28 16.20 17.56 19.75 16.00 16.00 0.00
不考虑遥感模型的影响,单纯考虑尺度扩展后各个覆被类型面积的变化,并结合单位面积ESV价值,对研究区ESV总值进行计算。研究区ESV总值在不同尺度的变化情况及相对30 m尺度的偏差如图2。可以看出,除了8 000 m尺度外,其他几个尺度的相对偏差均在±0.4%以下。其中,100 m、250 m和500 m相对偏差最小,均在0.02%以下;4 000 m尺度次之,为-0.2%;1 000 m尺度则明显偏大,约为0.36%。各个覆被类型在不同尺度对ESV总值相对偏差的贡献程度也存在明显差异（图3）。
图2 情景1下多尺度的研究区ESV总值及相对偏差

Fig.2 Total ESV and relative deviation of study area under Scene 1

Full size|PPT slide

图3 各覆被类型对ESV总值相对偏差的贡献率

Fig.3 Contribution rates of each land cover type to the relative deviation of ESV

Full size|PPT slide

林地对尺度变化最为敏感,随着尺度的扩展,其对ESV相对偏差的贡献率在43.5% ~ 63%之间,在100~4 000 m分辨率范围内总体表现为上升趋势;水域除了100 m尺度之外,在250~8 000 m范围内的贡献率表现出较强的增加趋势,由17%增加到42.4%;耕地随尺度的扩展,其对ESV相对偏差的贡献率也呈现出与水域相同的趋势,由11.4%增加到31.4%;而草地在1 000 m以上的尺度表现为不敏感,对ESV相对偏差的贡献较低且变化不大。总的来说,随着尺度的扩展,各个覆被类型中林地和水域对ESV总值的影响最为显著,耕地次之,草地最小。研究区的地表覆被特征决定了尺度扩展对ESV总值的影响程度。对该区域来说,最适分辨率范围确定在30~500 m为宜,其中30 m、100 m、250 m及500 m为最佳尺度。
2.1.2 情景2
为了评价遥感模型的尺度效应,将LUCC数据进行尺度扩展,采用模型分别在不同尺度对研究区的ESV总值进行估算,结果及相对30 m的偏差值如图4。可以看出,在100~1 000 m尺度,ESV总值变化不大,相对偏差均小于0.4%。情景2与情景1相比表现出较大的一致性,差异主要在于500 m尺度,前者的相对偏差为0.35%,而后者仅为0.02%,可能与遥感模型中其他因子的影响有关。总体来说,模型来源数据最适分辨率范围确定在30~1 000 m为宜,其中30 m、100 m、250 m和500 m为最佳尺度,也表明该区影响遥感模型尺度效应的因子主要为土地覆被类型,这与许多尺度效应相关研究的结论相一致。
图4 情景2下多尺度的研究区ESV总值变化及相对偏差

Fig.4 Total ESV and relative deviation of study area under Scene 2

Full size|PPT slide

结合情景1和情景2,可以看出研究区最适分辨率范围为30~1 000 m,最佳尺度的选择次序依次为30 m、100 m、250 m、500 m和1 000 m。

2.2 中原城市群区域ESV的格局及动态变化特征

基于前述尺度效应分析结果,选择了MODIS数据土地分类产品（MCD12Q1）作为遥感评估模型的最佳输入数据,该数据空间分辨率为500 m,时间尺度为1 a,且为广泛成熟使用的产品数据。在进行动态监测时,由于分类方法等标准的一致性,结果较为准确。
2.2.1 空间格局
图5为研究区2001~2013年单位面积ESV的多年平均值分布格局。由图5可以看出,研究区ESV多年均值在空间分布上呈现出明显的不均衡性,表现为从西南向东部递减的趋势。单位面积ESV高值区主要分布在洛阳西南部、济源和焦作以及新乡的北部、郑州西部和平顶山西部,这和其所在的伏牛山区和太行山区分布有大面积的林地和草地资源有关;单位面积ESV低值区主要分布在各城市建成区的周边区域,也是地表覆被变化最剧烈的区域,大多由耕地、林地及水域转换为来,受到城市化进程的影响最为直接。由此可见区域ESV的分布规律和地表覆被类型的分布格局具有极为密切的关系,城市建设过程中的土地开发及占用要尽量避开ESV值高的覆被类型,并要做好生态补偿以保护区域生态环境,从而更好地实现生态与经济发展的双赢局面,促进区域经济的可持续发展。
图5 研究区2001~2013年单位面积ESV年均值空间分布格局

Fig.5 Spatial distribution of per area ESV annual mean of study area in 2001-2013

Full size|PPT slide

2.2.2 年际变化特征
研究区2001~2013年ESV总值年际变化整体上呈显著增长趋势（图6）,增加速率约为8.6亿元/a（P< 0.001）。13 a间研究区ESV总值在持续增长过程中经历了3次波动,第一次出现在2001~2007年,第二次出现在2007~2011年,第三次出现在2011~2013年。3次波动均表现为先增加后减小的过程,峰值分别出现在2006年、2010年和2012年,波动周期也由6 a缩短为4 a和2 a。由此可见,研究区在2001~2013年间,由于受到城市化进程的持续影响,其生态环境质量一直处于改善和破坏的不断波动之中,且这种波动越来越剧烈。
图6 研究区2001~2013年ESV总值年际变化特征

Fig.6 Annual changes of ESV in the study area from 2001 to 2013

Full size|PPT slide

2.2.3 ESV与植被覆盖度及NPP的相关分析
将研究区2001~2013年的逐年ESV总值和平均植被覆盖度以及NPP 进行相关分析（图7）。可以看出,区域ESV和植被覆盖度及NPP有着显著的正相关关系,表明区域植被的保护和恢复程度是影响ESV的关键因素。
图7 ESV与f及NPP的相关分析

Fig.7 Correlation analysis of ESV with f and NPP

Full size|PPT slide

3 讨论

从宏观上来讲,不同空间分辨率下各土地覆被类型的空间格局是一致的,只是在尺度扩展中各覆被类型斑块的界限、大小形态及数量发生了变化[19]。而随着尺度的升高,各个斑块的这些变化会密切影响到各覆被类型的整体变化趋势：一般来说,斑块越破碎、越离散则会随着尺度升高而被相邻的覆被类型融合造成该类型面积增加,斑块对应的覆被类型面积则减少;斑块越大、越连续的覆被类型往往成为背景类型进一步融合多个小斑块而面积增加,被融合的斑块对应覆被类型的面积则减少;处于中间大小的斑块对应覆被类型的面积变化则会有不同情况的波动[21]。本文结果表明,面积变化对区域ESV的影响也体现在不同的土地覆被类型上,单位ESV较高的覆被类型在空间分布上越破碎、离散,就会在尺度扩展时被低ESV值的类型所兼并,则最终ESV总值会减少,反之则表现为增加。因此,区域地表覆被特征对ESV评估的结果影响很大,另一方面,本文对尺度扩展过程中的最适分辨率范围的研究结果明显也不具有普适性,仅提供了一个解决思路,具体应用时还需要针对具体区域的地表覆被特征进行最适分辨率范围的求取。
数据源的空间分辨率越高,利用遥感模型评估ESV结果的准确程度也越高,因此在评估区域ESV格局时,应该在最适分辨率范围内优先选择靠前的分辨率作为最佳尺度。已有对叶面积指数[18]、蒸散发[19]、净初级生产力[20]等遥感模型的研究中,均表明尺度的选择对模型结果精度的影响很大。如果能在保证足够精度的前提下还能实现区域ESV短周期长序列的动态监测,无疑变得更加理想,这也正是本文研究的初衷。
在对区域ESV的动态分析过程中,需要注意的是几个拐点的出现,这个现象表明对区域ESV的动态变化分析不能单纯依靠有限的几个时段的评估结果。但从很多已发表的研究结果[11~14,25,26]来看,往往都是依靠离散的某几个时间的评估结果对区域ESV动态进行分析,几乎没有连续的短周期动态研究,得出的结论则很可能会忽略变化过程中的拐点,从而很难体现区域ESV的真实变化特征。多源遥感数据的特性提供了更多选择,因此完全可以根据具体的需求有针对性的选择遥感数据（如现状评估、动态监测等）,并利用遥感模型的优点更准、更便捷地实现对区域ESV的连续动态监测。
本文虽然仅仅用潘耀忠的模型进行分析和验证,但基于相同的机理应该也适用于其他遥感评估模型;另外,本研究没有考虑对价值标准设定上的差异,因为当量因子法也在不同改进之中,标准单位当量因子的价值依据还没有统一的制定,比如物价水平的影响、单位价值时间基准的判定等等。本文目的在于动态监测过程中如何充分利用多源遥感数据的优势,提高评估效率、减少业务流程以及评估结果的不确定性,以方便快捷地研究区域ESV的变化规律,给政府部门在制定区域经济发展决策过程中如何兼顾生态环境效益提供参考依据,因此没有过多考究价值标准问题。

4 结论

本文结合遥感定量分析过程中的尺度效应问题,分析了中原城市群区域ESV评估中所需数据源的最适空间分辨率范围,并针对动态监测的目的,从多源遥感数据中选择了最佳数据源,对中原城市群区域的ESV实现了动态监测。结果表明：① 该区最适分辨率范围为30~1 000 m,最佳分辨率的选择排序依次靠后;② 考虑研究区域ESV动态监测实现的便利性和结果的准确性及可比性,选择了MODIS的数据产品MCD12Q1作为遥感模型的最佳数据源;③ 该区ESV值的空间分布明显不均衡,主要集中在西南部的洛阳和平顶山,这和其分布有大面积生态服务价值相对较高的森林、草地资源有密切的相关性。时间变化上,研究区2001~2013年间ESV总值整体呈显著增长趋势,增幅约为8.6亿元/a,且在持续增长过程中经历了3次波动,这种波动也表现得越来越剧烈,意味着中原城市群区域经济快速发展和生态环境保护之间的协调性需要引起足够重视。
本文方法意义在于简单易行,对区域ESV的动态监测变得更便利快捷,且为解决多源遥感数据在大尺度的遥感分析与应用中所面临的尺度问题提供了一个较好的思路,后续可以结合区域经济发展过程中的经济指标如GDP的变化,进一步探寻区域经济活动与生态保护之间的协调程度,从而为国家政府部门制定区域可持续发展决策提供数据支撑。

参考文献

列表( 原文顺序 | 文献年度倒序 | 文中引用次数倒序 ) 可视化分析
[1]
Westaman W E.How much are nature' services worth?[J]. Science,1977,197:960-964.
https://doi.org/10.1126/science.197.4307.960
http://www.sciencemag.org/cgi/doi/10.1126/science.197.4307.960
本文引用 [1]
[2]
Constanza R,D' Arge R,De Groot R et al. The value of the world's ecosystem services and natural capital[J]. Nature,1997,387(6630):253-260.
https://doi.org/10.1038/387253a0
本文引用 [1]
[3]
Daily G.Nature's Services: Societal dependence on Natural Ecosystems[M]. Washington D C: Island Press,1997.
本文引用 [1]
[4]
Song P F,Hao Z Q,Zhang J.Valuing eco-assets: a note on valuation methods[J]. International Journal of Sustainable Development and World Ecology,2008,15(6): 512-517.
https://doi.org/10.1080/13504500809469846
https://www.tandfonline.com/doi/full/10.1080/13504500809469846
本文引用 [1]
[5]
Norgaar R B.Ecosystem services:From eye-opening metaphor to complexity blinder[J]. Ecological Economics,2010, 69(6):1219-1227.
https://doi.org/10.1016/j.ecolecon.2009.11.009
https://linkinghub.elsevier.com/retrieve/pii/S0921800909004583
本文引用 [1]
[6]
史培军,潘耀忠,陈云浩,等. 多尺度生态资产遥感综合测量的技术体系[J]. 地球科学进展,2002,17(2):169-173.着重论述了如何建立多尺度生态资产遥感综合测量的技术体系，具体包括以下主要内容：①如何建立一整套生态资产遥感监测、野外抽样调查以及监测结果质量控制的技术标准与规范；②并在此基础上，设计出生态资产遥感测量的技术规程、主要研究内容以及野外抽样调查与检验方案；③通过建立生态资产遥感测量和野外抽样测量与检验的集成系统，实现系统的业务化运行。
[Shi Peijun,Pan Yaozhong,Chen Yunhao et al. Technical system of ecological capital integrated measurement using multi-scale remotely sensed data. Advance in Earth Science,2002,17(2): 169-173.]
本文引用 [1]
[7]
潘耀忠,史培军,朱文泉,等. 中国陆地生态系统生态资产遥感定量测量[J]. 中国科学(D辑),2004,34(4): 375-384.
[Pan Yaozhong,Shi Peijun,hu Wenquan et al. ZQuantitative remote sensing on ecological assessment of Chinese terrestrial ecosystem. Science in China (Series D), 2004,34(4): 375-384.]
本文引用 [4]
[8]
谢高地. 甄霖, 鲁春霞, 等. 一个基于专家知识的生态系统服务价值化方法[J]. 自然资源学报,2008,23(5):911-919.Costanza等提出的生态服务价值化评估方法在中国直接运用存在一些缺陷:低估或者忽略了某些生态系统服务价值。因此,笔者在其生态系统服务价值评估体系的基础上分别在2002年和2006年对中国700位具有生态学背景的专业人员进行问卷调查,得出了新的生态系统服务评估单价体系。通过对比发现,调查获得的基于专家知识的生态系统服务单价体系与基于物质量估算的生态系统服务价值之间具有较好的可比性。该基于专家知识的生态系统服务评估体系可以用于已知土地利用面积的生态系统服务价值估算,能在较短时间内获得较为精确的结果。
https://doi.org/10.11849/zrzyxb.2008.05.019
http://www.cnki.com.cn/Article/CJFDTotal-ZRZX200805019.htm
[Xie Gaodi, Zhen Lin, Lu Chunxia et al. Expert knowledge based valuation method of ecosystem services in China. Journal of Natural Resources, 2008, 23(5): 911-919.]
本文引用 [1]
[9]
史培军, 张淑英, 潘耀忠, 等. 生态资产与区域可持续发展[J]. 北京师范大学学报(社会科学版), 2005(2):131-137.
[Shi Peijun, Zhang Shuying, Pan Yaozhong et al. Ecosystem capital and regional sustainable development. Journal of Beijing Normal University: Social Science Edition,2005(2): 131-137.]
本文引用 [1]
[10]
Bolund P, Hunhammar S.Ecosystem services in urban areas[J]. Ecological Economics,1999,29:293-301.
https://doi.org/10.1016/S0921-8009(99)00013-0
https://linkinghub.elsevier.com/retrieve/pii/S0921800999000130
本文引用 [1]
[11]
彭保发,陈端吕. 常德市土地覆被的生态服务价值空间变异分析[J]. 经济地理,2012,32(1):141-145.
[Peng Baofa, Chen Duanlv.Spatial differences on ecosystem value of land cover types in Changde City. Economic Geography,2012, 32(1): 141-145.]
本文引用 [2]
[12]
李毅,杨仁斌,毕军平,等. 长株潭地区生态资产变化格局分析[J]. 经济地理,2015,35(2):184-188.
[Li Yi, Yang Renbin, Bi Junping et al. Analysis on the pattern of ecological capital in CZT region. Economic Geography, 2015, 35(2): 184-188.]
本文引用 [1]
[13]
刘家福,孙洪泉,占文凤. 长江三角洲地区生态资产变化驱动力分析[J]. 水土保持研究,2013,20(1):182-192.
[Liu Jiafu, Sun Hongquan, Zhan Wenfeng.Analysis on driving forces of ecological capital in the Yangtze River Delta region. Research of Soil and Water Conservation, 2015, 20(1): 182-192.]
本文引用 [1]
[14]
李真,潘竞虎,胡艳兴. 甘肃省生态资产价值和生态-经济协调度时空变化格局[J]. 自然资源学报,2017,32(1): 64-75.
[Li Zhen, Pan Jinghu, Hu Yanxing.The spatio-temporal variation of ecological property value and eco-economic harmony in Gansu Province. Journal of Natural Resource, 2017, 32(1): 64-75.]
本文引用 [2]
[15]
布和敖斯尔,马建文,王勤学. 多传感器不同分辨率遥感数字图像的尺度转换[J]. 地理学报,2004,59(1):101-110.
[Buhe Aosier, Ma Jianwen, Wang Qinxue.Scaling transformation of remote sensing digital image with multiple resolution from different sensors. Acta Geographica Sinica, 2004,59(1):101-110.]
本文引用 [2]
[16]
Tran T D B, Puissant A, Badariotti Det al. Optimizing spatial resolution of imagery for urban form detection—The cases of France and Vietnam[J]. Remote Sensing Article,2011,3(10):2128-2147.
https://doi.org/10.3390/rs3102128
http://www.mdpi.com/2072-4292/3/10/2128
本文引用 [1]
[17]
冯桂香,明冬萍. 分形定量选择遥感影像最佳空间分辨率的方法与实验[J]. 地球信息科学学报,2015,17(4):478-485.遥感影像观测尺度是遥感信息提取研究的重要内容之一,也是遥感信息提取的焦点。以往,遥感影像尺度特征的分析大多基于地统计学,其主要体现遥感影像中的线性特征,而实质上遥感影像中既存在线性特征,又存在非线性特征。因此,在深入剖析遥感影像尺度效应及分形特征机理的基础上,本文探讨了分形理论定量选择遥感影像最佳空间分辨率(也称最佳像元观测尺度)的方法。以IKONOS全色影像的建筑用地、耕地、林地为研究对象,分别使用FBM、DBM、TPM 3种分形维数计算模型,实现了3种地物在不同空间分辨率下分形维数的计算。实验结果表明,每种地物的分形维数是随空间分辨率的增大,总体呈下降趋势,且在某些特征空间分辨率上会出现拐点。从遥感影像尺度效应分析可知,遥感影像空间格局随尺度的不同,其内部结构也不同。且随着尺度的增大,很多细节将会被忽略,影像的粗糙度也随着降低。而分形维数是目前为止描述对象自相似性和不规则度的唯一基本量化值,其直观上与物体表面的粗糙程度相吻合。因此,这些拐点对应的分形维数对地物的最佳空间分辨率的选择具有一定指示意义。通过本文研究可知,使用分形理论方法研究遥感影像最佳空间分辨率(或最佳像元观测尺度),打破以往观测尺度方法研究范畴,从不同角度去分析遥感影像观测尺度问题对GIS研究与地学应用具有一定的理论和指导意义。
https://doi.org/10.3724/SP.J.1047.2015.00478
[Feng Guixiang, Ming Dongping.Fractal based method on selecting the optimal spatial resolution for remote sensing image. Journal of Geo-information Science, 2015, 17(4): 478-485.]
本文引用 [2]
[18]
刘良云. 叶面积指数遥感尺度效应与尺度纠正[J]. 遥感学报,2014,18(6):1158-1168.
[Liu Liangyun.Simulation and correction of spatial scaling effects for leaf area index. Journal of Remote Sensing, 2014,18(6):1158-1168.]
本文引用 [3]
[19]
张亚丽,王万同. 遥感估算伊洛河流域地表蒸散空间尺度转换[J]. 测绘学报,2013,42(6): 906-912.
[Zhang Yali, Wang Wantong.Spatial scaling transformation of evapotranspiration based on remote sensing in Yiluo River basin. Acta Geodaetica et Cartographica Sinica, 2013, 42(6): 906-912.]
本文引用 [3]
[20]
王培娟,谢东辉,张佳华. 基于过程模型的长白山自然保护区森林植被净第一性生产力空间尺度转换方法[J]. 生态学报,2007,27(8):3215-3223.净第一性生产力（Net&nbsp;Primary&nbsp;Productivity,&nbsp;NPP）是反映林分和生态系统结构特征的最重要的参数之一，其空间分布可为自然资源管理和可持续发展提供高度综合的信息，是全球变化和碳循环研究中的一个非常重要的组成部分。为了得到NPP的空间尺度转换算法，利用改进的北部生态系统生产力模拟模型（Improved&nbsp;Boreal&nbsp;Ecosystem&nbsp;Productivity&nbsp;Simulator,&nbsp;IBEPS），分别采用高分辨率（30&nbsp;m）的ETM+和低分辨率（1&nbsp;km）的MODIS遥感数据，模拟了长白山自然保护区不同分辨率森林植被的净第一性生产力。对模拟得到的30&nbsp;m分辨率的NPP结果，采用尺度上推（upscaling）的方法将其转换为1&nbsp;km分辨率的NPP结果（分布式的NPP，Distributed&nbsp;NPP），并将转换后的NPP与直接利用1&nbsp;km分辨率的遥感数据计算得到的NPP结果（聚合式的NPP，Lumped&nbsp;NPP）进行比较，以分布式模式计算的结果为基准，对聚合式的计算结果进行尺度效应校正。在对NPP进行尺度效应校正时，根据不同分辨率下土地覆盖类型（Land&nbsp;cover）的亚像元面积比信息，采用基于结构的分析方法对模拟的NPP结果进行校正，结果表明经过尺度效应校正后NPP的模拟精度要比原始的NPP计算精度有所提高，相关系数从校正前的0.898提高到0.960，标准偏差由校正前的49.84&nbsp;gC/m<SUP>2</SUP>减小到41.02&nbsp;gC/m<SUP>2</SUP>。采用这种方法可以很好的解决大尺度遥感应用的需要，为定量遥感分析和应用提供理论基础。
[Wang Peijuan, Xie Donghui, Zhang Jiahua.Spatial scaling of net primary productivity based on process model in changbai mountain natural reserve. Acta Ecologica Sinica, 2007,27(8):3215-3223.]
本文引用 [1]
[21]
马红梅,王苗苗,刘勇. 多源遥感数据土地覆被空间尺度效应探讨[J]. 遥感信息,2017,32(2):149-155.
[Ma Hongmei, Wang Miaomiao, Liu Yong.Spatial scale effect of land cover based on multi-source remote sensing data. Remote Sensing Information, 2017,32(2):149-155.]
本文引用 [2]
[22]
王发曾,刘静玉,徐晓霞,等. 中原城市群整合研究[M]. 北京:科学出版社,2007.
[Wang Fazeng,Liu Jingyu, Xu Xiaoxia et al. Integration research of Central Plains Urban Agglomeration. Beijing: Science Press, 2007.]
本文引用 [1]
[23]
张改素,丁志伟,赵威. 中原城市群生态环境保护的技术整合研究[J]. 生态经济,2014,30(10):170-174.
[Zhang Gaisu, Ding Zhiwei, Zhan Wei.A study on technology integration of ecological environment protection among Central Plains Urban Agglomeration. Ecological Economy, 2014, 30(10):170-174.]
本文引用 [1]
[24]
谢高地,甄霖,鲁春霞,等. 一个基于专家知识的生态系统服务价值化方法[J]. 自然资源学报,2008,23(5):911-919.Costanza等提出的生态服务价值化评估方法在中国直接运用存在一些缺陷:低估或者忽略了某些生态系统服务价值。因此,笔者在其生态系统服务价值评估体系的基础上分别在2002年和2006年对中国700位具有生态学背景的专业人员进行问卷调查,得出了新的生态系统服务评估单价体系。通过对比发现,调查获得的基于专家知识的生态系统服务单价体系与基于物质量估算的生态系统服务价值之间具有较好的可比性。该基于专家知识的生态系统服务评估体系可以用于已知土地利用面积的生态系统服务价值估算,能在较短时间内获得较为精确的结果。
https://doi.org/10.11849/zrzyxb.2008.05.019
http://www.cnki.com.cn/Article/CJFDTotal-ZRZX200805019.htm
[Xie Gaodi, Zhen Lin, Lu Chunxia et al. Expert knowledge based valuation method of ecosystem services in China. Journal of Natural Resource, 2008, 23(5): 911-919.]
本文引用 [1]
[25]
曾杰,李江风,姚小薇. 武汉城市圈生态系统服务价值时空变化特征[J]. 应用生态学报,2014,25(3):883-891.基于武汉城市圈1990、2000和2009年3期土地利用矢量数据,参照&ldquo;中国生态系统单位面积生态服务价值当量&rdquo;采用Costanza等提出的生态系统服务价值计算公式,估算武汉城市圈不同地域的生态系统服务价值,分析期间的时序变化和空间分异特征;并采用相关分析方法,探讨了武汉城市圈生态系统服务价值与不同土地利用类型变化之间的关联特征.结果表明: 得益于水域面积的大幅增长,1990&mdash;2009年武汉城市圈生态系统服务价值总体呈不断上涨的时序变化趋势,增幅达9.5%,其中,水文调节、废物处理等服务价值的增幅明显;各地区变化存在明显的差异,仙桃市、新洲区、云梦县等地的增长最显著.生态系统服务价值在空间上总体呈东南高、西北低的分布格局,且随时间推移，在东、西、北方向逐步形成以武汉市区为中心的&ldquo;低-高-低&rdquo;层级分布特征,北部山地丘陵地区的生态优势逐步消减,而南部的高价值组团到2009年发生了结构性扩张.研究区生态系统服务价值的时序变化与林地、水域、草地、耕地的面积变化呈正相关,而其空间分布的均衡性与耕地和未利用地的空间离散程度呈负相关.
[Zeng Jie, Li Jiangfeng, Yao Xiaowei.Spatio-temporal dynamics of ecosystem service value in Wuhan Urban Agglomeration. Chinese Journal of Applied Ecology, 2014, 25(3):883-891.]
本文引用 [1]
[26]
王士君,王雪微,范大龙,等. 吉林中部城市群域城镇化的生态效应评估[J]. 人文地理,2017,32(1):90-98.
[Wang Shijun, Wang Xuewei, Fan Dalong et al. Ecological effects assessment of urbanization in Jinlin central urban agglomeration area. Human Geography, 2017, 32(1):90-98.]
本文引用 [1]

脚注

The authors have declared that no competing interests exist.

基金

河南省软科学项目（172400410147）、国家自然科学基金项目（41501435）、河南师范大学博士启动基金（qd15148, qd14215）资助
PDF(4767 KB)
可视化

Accesses

Citation

Detail
段落导航
相关文章

/

〈 〉