CN103345567A - 一种基于遥感影像测量生态补偿量的方法 - Google Patents

Abstract

本发明公开了一种基于遥感影像测量生态补偿量的方法，其步骤包括：1)在目标区域内，结合所获得的遥感影像数据和气象站点的温度数据，分别调查勘验针对所述目标区域的光合有效辐射指数、实际光能利用率指数；2)输入NPP参数估算模块，构建CASA模型进行净初级生产力估算；3)通过数据提取模块提取NPP参数估算模块中的NPP参数，输入区域景观价值估算模块按照区域景观价值估算模型进行估算，所得即为测量区植被类型生态补偿量的值。本发明的优点在于，通过有限遥感数据即可大致测量出不同植被类型生态补偿量。

Description

一种基于遥感影像测量生态补偿量的方法

技术领域

本发明涉及一种生态补偿量的测量方法，尤其涉及一种通过有限遥感数据测量不同植被类型生态补偿量的方法。

背景技术

长期以来，人类一直从自然生态系统及其生境中获得经济产品，来满足自身发展的需要，而漠视系统本身的生态服务功能和自然承载力，结果造成生态系统服务功能的丧失及其生境的恶化，突出表现在系统生产力下降、生物多样性降低、环境的退化；特别是全球变化的自然因素与人类活动的负面效应耦合在一起，更加剧了生态系统及其生境负荷，使生态系统变得更加脆弱。世界各国学者开始从不同角度对生态系统与人类社会经济发展的关系进行研究，以求实现人类社会经济与自然生态系统的可持续发展。人们也越来越倾向于用经济手段对人类的生产、生活行为进行调控，因而受到了人们的普遍关注和青睐，生态补偿作为联系自然环境与人类社会经济的桥梁，已成为当代科学研究的的焦点和热点问题之一。但如何针对不同类型的植被进行科学的生态补偿值的测量，尚是空白。

发明内容

本发明的目的在于针对现有技术存在的不足，提供一种基于遥感影像测量生态补偿量的方法，其通过有限遥感数据即可大致测量出不同植被类型生态补偿量。

为实现上述发明目的，本发明的技术方案是：一种基于遥感影像测量生态补偿量的方法，其步骤包括：1)在目标区域内，结合所获得的遥感影像数据和气象站点的温度数据，分别调查勘验针对所述目标区域的光合有效辐射指数、实际光能利用率指数；2)输入NPP参数估算模块，构建CASA模型进行净初级生产力估算，估算模型为：NPP＝APAR(x，t)×ε(x，t)，式中，APAR(x，t)为像元x在t月所吸收的光合有效辐射，ε(x，t)为像元x在t月实际光能利用率；3)通过数据提取模块提取NPP参数估算模块中的NPP参数，输入区域景观价值估算模块按照区域景观价值估算模型进行估算，区域景观价值估算模型为：

式中，Wnppj为目标区域不同植被类型年净初级生产力，P为标煤的市场价格，所得即为测量区植被类型生态补偿量的值。

采用了上述技术方案，本发明的有益效果为：操作简便，所得测量数据可靠。一方面通过估算不同区域不同植被类型的净初级生产力，能综合反映反映了植物固定和转化光合产物的效率，以及其受气候、土壤、植物特性及其它自然和人为因素的影响，以此为基础再应用CASA模型从而能较准确地模拟目标区域不同植被净初级生产力，并以此反演出不同植被的单位生态补偿价值，更可靠。

具体实施方式

下面结合实施例对本发明进一步说明。

实施例：一种基于遥感影像测量生态补偿量的方法，其步骤包括：1)在目标区域内，结合所获得的遥感影像数据和气象站点的温度数据，分别调查勘验针对所述目标区域的光合有效辐射指数、实际光能利用率指数；2)输入NPP参数估算模块，构建CASA模型进行净初级生产力估算，估算模型为：，式中，APAR(x，t)为像元x在t月所吸收的光合有效辐射，ε(x，t)为像元x在t月实际光能利用率；3)通过数据提取模块提取NPP参数估算模块中的NPP参数，输入区域景观价值估算模块按照区域景观价值估算模型进行估算，区域景观价值估算模型为：Vj＝××P×10-6，式中，Wnppj为目标区域不同植被类型年净初级生产力，P为标煤的市场价格，所得即为测量区植被类型生态补偿量的值。

其中：野外调查数据：生物量(用于验证模拟的npp数据)；气象数据：青海湖流域及其周边地区12个气象站点的月均温(℃)，使用ArcGIS9.3中的IDW(Inverse Distance Weighting)进行插值。3.影像数据：MOD15A2(1000m×1000m)2007年2月-12月8天最大合成数据，用于提取APARMOD09A1(500m×500m)2007年2月-12月8天最大合成地表反射率数据，其中包括MODIS1-2波段(500m×500m)，以及3-7波段(500m×500m)用于提取LISW。MOD17A3(1000m×1000m)2006年NPP数据产品(验证反演数据)。DEM数据，分辨率为90m×90m，使用ArcGIS9.3的SolarRadiation模块用于提取研究区太阳辐射(MJ/m²)空间数据。

计算过程为：

CASA模型中NPP估算是植被所吸收的光合有效辐射(AbsorbedPhotosynthesis Active Radiation，APAR)与光能转化率(ε)的函数。

NPP＝APAR(x，t)×ε(x，t)

式中，APAR(x，t)为像元x在t月所吸收的光合有效辐射(gc/m²·m)，ε(x，t)表示像元x在t月实际光能利用率(gc/MJ)。

APAR＝SOL(x，t)×FPAR(x，t)×0.5

式中，SOL(x，t)为像元x在t月的太阳总辐射量(MJ/m²·m)；FPAR(x，t)为植被层吸收入射光合有效辐射(Photosynthetically Available Radiation，PAR)的比例；常数0.5表示植被所能利用的太阳有效辐射(波长0.4～0.7μm)占太阳总辐射的比例。

ε＝T_ε1(x，t)×T_ε2(x，t)×W_ε(x，t)×ε^*

式中，T_ε1(x，t)和T_ε2(x，t)是光能利用率低温和高温胁迫因子，T_ε1(x，t)反映在低温和高温时植物内在生化作用对光合的限制。T_ε2(x，t)反映环境温度向高温或低温转变时植物光能利用率降低的趋势。在偏离最适温度的条件下，高温与低温植被光能利用率也会降低。W_ε(x，t)为水分胁迫影响系数，ε^*是理想条件下的最大光能利用率(gc/MJ)，本文取CASA模型最大光能利用率0.389gc/MJ与Running等人根据生理生态过程模型BIOME-BGC得到草地的ε^*为0.608gC/MJ均值0.4475gc/MJ为模型反演的最大光能利用率。

T_ε1(x，t)＝0.8+0.02×T_opt(x)-0.0005×[T_opt(x)]²

式中，T_opt(x)是植物生长的最适温度，即某区域年内NDVI值达到最高时的当月平均气温(℃)，当月平均温度小于或等于-10℃时，T_ε1(x，t)取0。

$T_{\mathrm{\ϵ}2}(x,t)=\frac{1.184}{1+e^{(0.2\×(T_{\mathrm{opt}}\left(x\right)-10-T(x,t)))}}\×\frac{1}{1+e^{(0.3\×(-T_{\mathrm{opt}}\left(x\right)-10+T(x,t)))}}$

式中，T(x，t)为像元x在t月月平均气温，当某一月平均温度T(x，t)比最适温度T_opt(x)高10℃或低13℃时，该月的T_ε2(x，t)值等于月平均温度T(x，t)为最适温度T_opt(x)时T_ε2(x，t)值的一半。

$W_{\mathrm{\ϵ}}(x,t)=\frac{1+\mathrm{LSWI}(x,t)}{1+{\mathrm{LSWI}}_{\max }}$

W_ε(x，t)为水分胁迫影响系数，反映植物所能利用的有效水分条件对光能转化率的影响。传统方法中该系数一般为土壤湿度或地表实际蒸散的函数，其局限性在于空间降水和土壤质地数据的空间异质性表达。地表湿润指数(Land Surface Water Index，LSWI)是新发展的遥感反演地表湿润指数方法，该方法空间异质性表现较好，能够从时空尺度上较准确地反映地表的湿润状况，从而能更准确地计算影响生产力形成的湿度控制因子。

$\mathrm{LSWI}(x,t)=\frac{{\mathrm{\ρ}}_{\mathrm{nir}}-{\mathrm{\ρ}}_{\mathrm{swir}}}{{\mathrm{\ρ}}_{\mathrm{nir}}+{\mathrm{\ρ}}_{\mathrm{swir}}}$

式中，LSWI(x，t)表示t月在像元x处的近红外波段(ρ_nir)和短波红外波段(ρ_swir)的归一化指数，在MODIS影像中ρ_nir和ρ_swir的波段范围分别为841-875nm和1628-1652nm。LSWI_max是每个象元中全年最大的地表湿润度指数。LSWI的取值范围在-1-1之间，W_ε的取值范围在0-1之间。

以青海海流域为例：

青海湖流域位于青海省东北部，介于36°15′～38°20′N，97°50′～101°22′E。是一个四周环山封闭式内陆盆地，面积29660km²，海拔范围3194m～5174m，气候属高原大陆性气候，年均温度在-0.80℃～1.10℃之间，年降水量在412.80mm～324.50mm之间，年蒸发量达1502mm，降水的季节变化明显，大多集中在5～9月份且雨热同季^[21]。主要土壤类型有高山草甸土、高山草原土、高山寒漠土、沼泽土、风沙土等；主要植被类型有高寒草甸、温性草原、高寒稀疏植被、灌木、沼泽和耕地。

植被信息提取：参考国家土地利用现状分类标准(GB/T21010-2007)及青海湖流域的土地利用特征，将青海湖流域划分：①城乡、居民用地(简称居民地)、②耕地、③灌丛、④高寒草甸、高寒草原(简称草地)⑤湖泊湿地、沼泽湿地(简称湿地)⑥湖泊、河流(简称水域)⑦裸岩冰川沙地及永久积雪(简称裸岩冰川沙地)等7个一级景观类型。另外，为研究生态补偿标准，结合研究区实际情况，根据遥感数据的可判读性以及前人已有的研究成果和研究需要，在对2007年的遥感影像解译时，将青海湖流域灌丛又分为山地灌木林和河谷灌木林，草地又划分为温性草原和高寒草甸，沼泽又分为湖滨沼泽、河谷沼泽和高寒沼泽，未利用土地又分为石砾地、裸地、沙地和裸岩冰川，建立青海湖流域植被类型遥感图像解译标志。参考青海湖流域1∶500000植被类型图及DEM高程数据，在Arcinfo Arcedit模块下，以遥感影像作为底图，创建并叠加矢量图层进行目视解译，勾绘研究区植被类型界线，并标注属性。解译后的矢量图用CLEAN及BUILD命令建立多边形的拓扑关系，并进行查错、修正、融斑等处理，完成解译的初期工作，最后对解译结果进行野外踏点校正，对分类结果进行精度评价。

NPP的计算：净初级生产力反映了植物固定和转化光合产物的效率，受气候、土壤、植物特性及其它自然和人为因素的影响，是生态系统自身健康和生态平衡的重要指示因子，也是估算地球承载力和评价陆地生态系统可持续发展能力的重要生态指标。目前有关NPP估算方法主要为传统的实测调查法，统计回归模型，半经验半验理论模型，生理生态过程模型。近20年来NPP建模及其应用得到迅速发展，一系列适用于区域和全球尺度的NPP估算模型相继而出，基于资源平衡理论的CASA(Carnegie-Ames-Stanford Approach)模型是一个充分考虑环境条件和植被本身特征的光能利用率模型。CASA模型中NPP估算是植被所吸收的光合有效辐射(APAR)与光能转化率(ε)的函数。NPP＝APAR(x，t)×ε(x，t)，式中，APAR(x，t)为像元x在t月所吸收的光合有效辐射(gC/m2·m)，ε(x，t)表示像元x在t月实际光能利用率(gC/MJ)。

区域景观价值估算：研究采用市场价格法、能量替代法估算青海湖流域区域景观价值V_j，公式为：式中，W_nppj为研究区不同植被类型年净初级生产力(g/m²·a)(见表3-4)，10为标煤的热值(kJ/g)，19.24为生物量热值(kJ/g)，高寒地区植被干重生物量的热值为16.54-21.94kJ/g^[9]，本研究取其平均值19.24kJ/g，P为为标煤的市场价格354元/t，在此将景观价值作为植被的生态补偿标准。

测量研究表明：青海湖流域包括7个一级景观类型，有山地灌木林、河谷灌木林、温性草原、高寒草甸、耕地、湖滨沼泽、河谷沼泽、高寒沼泽、高山流石坡共九类植被景观。九类植被景观的分布差异明显，其中高寒草甸面积分布最广(13745.32km2)，高山流石坡稀疏植被(3520.09km2)、温性草原(3191.84km2)次之，最小为河谷灌木林(75.41km2)，草地占青海湖流域面积的85％。

(2)CASA模型能够较准确地模拟青海湖流域植被净初级生产力(NPP)，并以此反演出青海湖流域不同植被的单位生态补偿价值，各植被类型的生态补偿标准分别为山地灌木林5467元/hm².a、耕地5303元/hm².a、河谷灌木林5028元/hm².a、高寒草甸4923元/hm².a、湖滨沼泽4898元/hm².a、高寒沼泽4525元/hm².a、温性草原4507元/hm².a、河谷沼泽4058元/hm².a、高山流石坡稀疏植被2575元/hm².a。

(3)2007年青海湖流域植被生态补偿总价值为98.73×108元，其中青海湖流域天峻县植被生态补偿价值为47.61×108元、青海湖流域刚察县植被生态补偿价值为29.18×108元、青海湖流域海晏县植被生态补偿价值为5.63×108元、青海湖流域共和县植被生态补偿价值为16.31×108元，流域内高寒草甸、温性草原、高山流石坡稀疏植被贡献较大，草地生态系统在青海湖流域具有重要的生态安全地位。

本发明不局限于上述具体的实施方式，本领域的普通技术人员从上述构思出发，不经过创造性的劳动，所作出的种种变换，均落在本发明的保护范围之内。

Claims (1)

1.一种基于遥感影像测量生态补偿量的方法，其特征在于，其步骤包括：

1)在目标区域内，结合所获得的遥感影像数据和气象站点的温度数据，分别调查勘验针对所述目标区域的光合有效辐射指数、实际光能利用率指数；

2)输入NPP参数估算模块，构建CASA模型进行净初级生产力估算，估算模型为：NPP＝APAR(x，t)×ε(x，t)，式中，APAR(x，t)为像元x在t月所吸收的光合有效辐射，ε(x，t)为像元x在t月实际光能利用率；

3)通过数据提取模块提取NPP参数估算模块中的NPP参数，输入区域景观价值估算模块按照区域景观价值估算模型进行估算，区域景观价值估算模型为：

式中，Wnppj为目标区域不同植被类型年净初级生产力，P为标煤的市场价格，所得即为测量区域植被类型生态补偿量的值。