CN115481943A - 一种生态系统恢复力的评价方法 - Google Patents

一种生态系统恢复力的评价方法 Download PDF

Info

Publication number
CN115481943A
CN115481943A CN202211388328.6A CN202211388328A CN115481943A CN 115481943 A CN115481943 A CN 115481943A CN 202211388328 A CN202211388328 A CN 202211388328A CN 115481943 A CN115481943 A CN 115481943A
Authority
CN
China
Prior art keywords
formula
index
soil
vegetation
restoring force
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202211388328.6A
Other languages
English (en)
Inventor
于慧
赵涛
张律
骆训
李鹏山
欧阳雪珂
刘柯李
张丹
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chengdu Land Improvement And Ecological Restoration Center
Land Consolidation Center Of Sichuan Province
Neijiang City Land Consolidation And Reserve Center
Sichuan Institute Of Land Science And Technology Sichuan Satellite Application Technology Center
Institute of Mountain Hazards and Environment IMHE of CAS
Original Assignee
Chengdu Land Improvement And Ecological Restoration Center
Land Consolidation Center Of Sichuan Province
Neijiang City Land Consolidation And Reserve Center
Sichuan Institute Of Land Science And Technology Sichuan Satellite Application Technology Center
Institute of Mountain Hazards and Environment IMHE of CAS
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Chengdu Land Improvement And Ecological Restoration Center, Land Consolidation Center Of Sichuan Province, Neijiang City Land Consolidation And Reserve Center, Sichuan Institute Of Land Science And Technology Sichuan Satellite Application Technology Center, Institute of Mountain Hazards and Environment IMHE of CAS filed Critical Chengdu Land Improvement And Ecological Restoration Center
Priority to CN202211388328.6A priority Critical patent/CN115481943A/zh
Publication of CN115481943A publication Critical patent/CN115481943A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Image Processing (AREA)

Abstract

本发明提出了一种生态系统恢复力的评价方法，涉及生态保护与恢复技术领域。包括以下步骤：根据不同类型的生态系统选取一级指标，将若干一级指标划分为若干的二级指标，归为恢复力评价因子；将所述二级指标进行归一化处理，计算公式如下：E=
Figure 335018DEST_PATH_IMAGE001
；式中：E为恢复力水平；k为恢复力评价因子（k=1,2,3…）；fk为第k个恢复力评价因子的水平值；Wk为第k个恢复力评价因子的权重；通过此方式来构建生态系统恢复力测度指标体系，并展开实证分析，以为区域可持续发展研究提供理论与实践指导，为生态修复提供方向；同时根据不同的生态系统而选取若干不同的指标，其囊括的范围更大、更加全面，能够较精准的评定出不同生态系统的恢复力。

Description

一种生态系统恢复力的评价方法
技术领域
本发明涉及生态保护与恢复技术领域，具体而言，涉及一种生态系统恢复力的评价方法。
背景技术
生态系统恢复力是生态系统受到扰动后恢复到稳定状态的能力，包括维持其重要特征，如生物组成、结构、生态系统功能和过程速率的能力。保持和提高生态系统恢复力是区域可持续发展的基础。受气候变化和人类活动等影响，生物多样性减少、生态系统生产力下降等导致了区域乃至全球生态系统恢复力的不断下降，成为制约生态系统可持续发展能力因素之一。
生态系统的多稳态机制导致系统状态受到外部干扰时会发生突变而进入不理想的状态，因而通过定量评估提取出恢复力的主要影响因子从而确定生态系统恢复力是恢复力定量评价的重要途径，而目前存在评价方法不够全面，导致恢复力定量评价结果不够准确，因此，提出一种生态系统恢复力的评价方法。
发明内容
本发明的目的在于提供一种生态系统恢复力的评价方法，以解决上述背景技术中存在的问题。
本发明的实施例是这样实现的：
本申请实施例提供了一种生态系统恢复力的评价方法，其包括以下步骤：
根据不同类型的生态系统选取若干一级指标，分别将若干一级指标划分为若干的二级指标，并归为恢复力评价因子；
将所述二级指标进行归一化处理，计算公式如下：
Figure 905422DEST_PATH_IMAGE001
；
式中：E 为恢复力水平；n 为评价因子的个数；k 为恢复力评价因子
（k=1,2,3…）； fk 为第k 个恢复力评价因子的水平值；Wk 为第k 个恢复力
评价因子的权重，并采用层次分析法对k 进行赋值。
在本发明的一些实施例中，上述所述一级指标包括生态存储指标，且所述生态存储指标包括：
生态系统净初级生产力指标，并基于CASA 光能利用率模型进行计算，
其计算公式如下：
Figure 963508DEST_PATH_IMAGE002
；
式中，APAR(x,t)表示像元x 在t 月吸收的光合有效辐射，
Figure 195775DEST_PATH_IMAGE003
表示像
元x 在t 月的实际光能利用率；
上述APAR(x,t)的计算公式如下：
Figure 856564DEST_PATH_IMAGE004
；
式中：SOL(x,t)表示t月在像元x处的太阳总辐射量，FPAR(x,t)植被层对入射光合有效辐射的吸收比例，常数0.5表示植被所能利用的太阳有效辐射占太阳总辐射的比例；
上述FPAR(x,t)的计算公式如下：
Figure 608619DEST_PATH_IMAGE005
或
Figure 883612DEST_PATH_IMAGE006
；
式中：NDVIi,max和NDVIi,min分别对应第i种植被类型的NDVI最大和最小值；FPARmin和FPARmax的取值与植被类型无关，分别为0.001和0.95； SRi,max和SRi,min分别对应第i种植被类型NDVI的95%和5%下侧百分位数；
上述SR(x,t)由以下公式表示：
Figure 557169DEST_PATH_IMAGE007
；
在上述FPAR(x,t)的两计算公式，取其加权平均或平均值作为FPAR(x,t)的值，即：
Figure 21649DEST_PATH_IMAGE008
；
在公式：
Figure 143058DEST_PATH_IMAGE009
中，
Figure 277367DEST_PATH_IMAGE010
；
式中：
Figure 562855DEST_PATH_IMAGE011
和
Figure 752396DEST_PATH_IMAGE012
表示低温和高温对光能利用率的胁迫作用；
Figure 416727DEST_PATH_IMAGE013
为 水分胁迫影响系数，反映水分条件的影响；
Figure 377730DEST_PATH_IMAGE014
是理想条件下的最大光能利用率；
上述
Figure 275147DEST_PATH_IMAGE015
由以下公式表示：
Figure 81429DEST_PATH_IMAGE016
；
式中：Topt(x) 为植物生长的最适温度，定义为某一区域一年内NDVI 值
达到最高时的当月平均气温℃，并当某一月平均温度小于或等于-10℃时，
其值取0；
上述
Figure 662584DEST_PATH_IMAGE017
由以下公式表示：
Figure 653542DEST_PATH_IMAGE018
；
式中，当某一月平均温度T(x, t)比最适温度Topt(x)高10℃或低13℃时，月平均温 度T(x, t)为最适温度Topt(x)时，该月的
Figure 913622DEST_PATH_IMAGE017
值等于最适温度Topt(x)值的一半；
上述
Figure 195699DEST_PATH_IMAGE013
由以下公式表示：
Figure 83889DEST_PATH_IMAGE019
；
式中：ET为区域实际蒸散量（mm）； PET为区域潜在蒸散量（mm）；
植被指数NDVI指标，其计算公式如下：
NDVI=（NIR-R）/（NIR+R）以及
Figure 386695DEST_PATH_IMAGE020
；
式中：NIR 为近红外波段，R 为可见光红波段；NDVIveg 为完全植
被覆盖地表所贡献的信息，NDVIsoil 为无植被覆盖地表所贡献的信息。
在本发明的一些实施例中，上述所述一级指标还包括生态系统服务指
标，且所述生态系统服务指标包括：
水土保持指标，并使用修正通用水土流失方程的功能算法进行计算，
其模型结构为：
Ac = Ap - A r＝ R× K× L×S×（1- C）；
式中： Ac为土壤保持量，Ap为潜在土壤侵蚀量，Ar为实际土壤侵蚀量，R为降水因子，K为土壤侵蚀因子，L、S为地形因子，C为植被覆盖因子；其中，R－降水因子表示为：
Figure 743858DEST_PATH_IMAGE021
；
式中：Pi为月均降水量，P为年均降水量,α=0.3589，β= 1.9462；
K－土壤侵蚀因子表示为：
K = fcsand×fcl-si×forgc×fhisand；而上式中：fcsand = 0.2 + 0.3 exp [-0.0256ms (1-msilt/100)]；
fcl-si = [msilt/(mc + msilt)]0.3；
forgc = 1- 0.25orgC / [orgC + exp(3.72 - 2.95 orgC)]；
fhisand = 1-0.7(1-ms/100)/{(1-ms/100)+exp[-5.51+22.9(1-ms/100)]}；
式中：ms为土壤粗砂含量，msilt为土壤粉砂含量，mc为土壤粘粒含量，orgC为有机碳含量；
L、S—地形因子表示为：
L = (λ/22.13)m；
S = 10.8sinθ + 0.03 θ＜5°；
16.8sinθ— 0.5 5°≤θ＜10°；
21.91sinθ— 0.96 θ≥ 10°；
式中：λ为坡长（m），m为坡长指数，θ为坡度（°）；
水源涵养指标，并采用水量平衡方程来计算，其计算公式为：
Figure 157522DEST_PATH_IMAGE022
；
式中：TQ为总水源涵养量（m3），P 为降雨量（mm），R 为地表径流量（mm），ET 为蒸散发（mm），A 为 i类生态系统面积（km2），i为研究区第 i类生态系统类型，j为研究区生态系统类型数。
在本发明的一些实施例中，上述所述一级指标还包括生态敏感性指标，且所述生态敏感性指标包括：
水土流失敏感性指标，计算公式如下：
Figure 962536DEST_PATH_IMAGE023
；
式中：SSi 为i 空间单元水土流失敏感性指数，评价因子包括降雨侵蚀
力、土壤可蚀性、坡长坡度、地表植被覆盖；
土地沙化敏感性指标，计算公式如下：
Figure 311608DEST_PATH_IMAGE024
；
式中：Di为i评价区域土地沙化敏感性指数；Ii、Wi、Ki、Ci分别为
Figure 15122DEST_PATH_IMAGE025
评价区域干燥指 数、起沙风天数、土壤质地和植被覆盖的敏感性等级值；
石漠化敏感性指标，计算公式如下：
Figure 91532DEST_PATH_IMAGE026
；
式中：Si为i评价区域石漠化敏感性指数；Di、Pi、Ci为i评价区域碳酸盐出露面积百分比、地形坡度和植被覆盖度；Di是区域单元范围内碳酸盐出露面积占单元总面积的百分比；Pi根据评价区数字高程（DEM）在地理信息系统下进行处理和分级；Ci的数据来源和处理方法参照土地沙化敏感性。
相对于现有技术，本发明的实施例至少具有如下优点或有益效果：
通过本申请中的方式来构建生态系统恢复力测度指标体系，并展开实证分析，旨在为区域可持续发展研究提供理论与实践指导，为生态修复提供方向；
相比目前存在的生态系统恢复力的评价方式，本申请中根据不同的生态系统而选取若干指标，其囊括的范围更大、更加全面，能够较精准的评定出不同生态系统的恢复力。
具体实施方式
实施例
本申请实施例提供了一种生态系统恢复力的评价方法，具体方式如下：
目前大量学者探究了生态系统恢复力的影响因素，并积累了较多的区域案例。但整体而言，目前对生态系统恢复力影响因素的理解依然有限，缺少一致的观点和表征生态系统恢复力的指标体系，而已有文献中的恢复力指标没得到充分利用，根据大量文献对生态恢复的影响因素分析和结合不同地方的实际情况，例如四川省，本实施例中通过林地生态系统和草地生态系统进行进一步的说明，而林地选取8个一级指标，33个二级指标对四川省林地生态系统恢复力进行评价，以及4个修正指标进行评价；
将二级指标进行归一化处理，并采用限制系数法计算恢复力水平。计算公式如下：
Figure 767363DEST_PATH_IMAGE001
；
式中：E 为恢复力水平；n 为评价因子的个数；k 为恢复力评价因子
（k=1,2,3…）； fk 为第k 个恢复力评价因子的水平值；Wk 为第k 个恢复力
评价因子的权重，并采用层次分析法对k 进行赋值。
具体评价因子如下：
林地恢复力水平评价因子构成
Figure 411971DEST_PATH_IMAGE027
Figure 727415DEST_PATH_IMAGE028
而草地选取8个一级指标，32个二级指标对四川省草地生态系统恢复力进行评价，以及4个修正指标进行评价；
具体评价因子如下：
草地恢复力水平评价因子构成
Figure 482882DEST_PATH_IMAGE029
而上述各指标的数据可通过以下的渠道获得：
指标数据来源
Figure 747641DEST_PATH_IMAGE030
而上述的一级指标中，地形地貌：
地形地貌及其特征是植被恢复能力的关键，一般地，高山、极高山、高原地区，气候恶劣、空气稀薄、极端气候频发，海拔越高植被恢复能力越差，同时，太阳辐射对植被生长过程进行光合作用较大，阴坡半阴坡地区的光照时间短于阳坡，植被恢复能力相对差，地形还会对径流产生影响，从而影响地形湿度。
气候条件：
气候主要是通过温度、光照和降水对植物的光合作用及呼吸作用的速率及其它生理过程产生影响。在温度适宜和阳光照射充沛条件下，植物光合作用的速率与其水分的吸收成正比。在湿度适宜条件下，植物呼吸作用的速率与温度成正比。
蒸散发：蒸散发量为植物蒸腾量与株间土壤蒸发量之和。蒸散发是一个复杂的物理和生理过程，与作物种类、生育期、生长状况、土壤含水量及气象条件有密切关系。蒸散发采用彭曼公式进行计算。
干旱指数，为年蒸发能力和年降水量的比值。
公式为：r=E0/P；是反映气候干旱程度的指标。对林草、农田植被生长产生影响。
干燥度指数表征一个地区干湿程度的指标，也称干燥度指数，一般以某个地区水分收支与热量平衡的比值来表示, 其倒数称为湿润指数(Humidity index, HI)。干燥度表达公式如下：K=W0/R；
式中：K为干燥度；W0水面可能蒸发量；R为同期降水量。
以K值为1.0的等值线来区分湿润地区和半湿润地区的指标。K<1为湿润地区，1≤k≤1.25为半湿润地区。这条等值线大致相当于秦岭——淮河线。但此线以北的大、小兴安岭，长白山地，胶东半岛的K值亦小于1。k<1的地区表示降水量大于可能蒸发量，植被为森林；1≤k≤1.25为半湿润区，植被为森林草原，草甸草原，土壤中有一些石灰质积累，有些地区有盐渍现象，旱患频率较大，1.25＜k≤4为半干旱地区，包括广大的西北地区和青藏高原，半干旱地区与干草原区相当。 K>4为干旱地区，植被为干荒漠，发展农业需进行灌溉;土壤中含有较多的可溶性盐类。
土壤条件：
土壤条件包括土壤理化性质。土壤有机质含量和土壤全氮以及土壤腐殖质是土壤肥力的重要指标，土壤肥力越好，越利于林草植被的生长。
土壤湿度表征的是土壤含水量，一般土壤含水量越高，越利于植被的生长。
土壤结皮指数：生物结皮又称生物土壤结皮、土壤微生物结皮等，其是由微细菌、真菌、藻类、地衣、苔藓等隐花植物及其菌丝、分泌物等与土壤砂砾粘结形成的复合物，是干旱半干旱区重要的地表覆盖类型（40%以上）。生物结皮也是干旱半干旱沙漠最具有特色的生物景观之一，生物结皮的存在对沙漠的固定、土壤表面的物理化学生物学特性、土壤抗风蚀水蚀等方面具有重要意义。生物结皮也是沙漠植被演替的先锋种，对促进沙漠植被演化具有重要作用。土壤结皮有利于抵抗风蚀，防止土地沙化，是干旱半干旱区域植物生态恢复力的重要指标。
人工干扰：
人类的生产和活动一般对植被生长会产生一定的影响，依据土地利用类型，将建设用地、耕地、园地和其他土地利用类型作为负向因子进行影响力分析，对建设用地和耕地做欧氏距离分析，距离越远，影响越小；园地对周边植被的影响相对较小，因此，将园地和非园地分为两类区；最后将所有图层做空间叠加，得到人工干扰度。
生态存储：
生态存储是影响生态系统恢复力的重要因素，恢复力是由其生态系统中生物和环境决定的，因而保证系统的生态存储具有重要意义。生态存储通常分为内部存储和外部存储。内部存储是指受到干扰后，生态系统所存在的原有生物及其环境的重新组合的能力，外部存储是指受到干扰后，借助系统外围或没有受到干扰的区域内生物进行重新组合的能力。对生态系统恢复力进行评价，要确定生态系统内外部存储的数量、种类、分布以及其他因素的影响。
生态存储表征生态系统的能量和物质基础，一般的，生态存储越丰富，生态系统的抵抗力越高，受到破坏时越容易恢复。针对森林生态系统，主要考虑林业数据中的优势树种、郁闭度、龄级、平均胸径、单位面积株数等因子；针对草地生态系统，主要考虑植被净初级生产力、植被覆盖度因子。
生态系统净初级生产力（NPP）可基于CASA光能利用率模型计算。CASA模型认为NPP是由植物光合作用与其对光能利用率的大小共同决定的。所以，CASA模型中NPP的估算可以由植物的光合有效辐射（APAR）和实际光能利用率（ε）两个因子来表示，其估算公式如下：
Figure 422205DEST_PATH_IMAGE031
；
式中，APAR(x,t)表示像元x在t月吸收的光合有效辐射（g C·m-2·month-1），ε(x,t)表示像元x在t月的实际光能利用率（g C·MJ-1）。
APAR的估算：APAR的值由植被所能吸收的太阳有效辐射和植被对入射光合有效辐射的吸收比例来确定。
Figure 365890DEST_PATH_IMAGE032
；
式中：SOL(x,t)表示t月在像元x处的太阳总辐射量，FPAR(x,t)植被层对入射光合有效辐射的吸收比例，常数0.5表示植被所能利用的太阳有效辐射占太阳总辐射的比例。
FPAR的估算：由于在一定范围内，FPAR与NDVI之间存在着线性关系，这一关系可以根据某一植被类型NDVI的最大值和最小值以及所对应的FPAR最大值和最小值来确定。
Figure 597151DEST_PATH_IMAGE033
；
式中：NDVIi,max和NDVIi,min分别对应第i种植被类型的NDVI最大和最小值。FPAR与比值植被指数（SR）也存在着较好的线性关系，可由以下公式表示：
Figure 434526DEST_PATH_IMAGE034
；
式中，FPARmin和FPARmax的取值与植被类型无关，分别为0.001和0.95； SRi,max和SRi,min分别对应第i种植被类型NDVI的95%和5%下侧百分位数， SR(x,t)由以下公式表示：
Figure 889778DEST_PATH_IMAGE035
；
通过对FPAR-NDVI和FPAR-SR所估算结果的比较发现，由NDVI所估算的FPAR比实测值高，而由SR所估算的FPAR则低于实测值，但其误差小于直接由NDVI所估算的结果，因此我们可以将二者结合起来，取其加权平均或平均值作为估算FPAR的估算值：
Figure 196126DEST_PATH_IMAGE036
；
光能利用率的估算：光能利用率是在一定时期单位面积上生产的干物质中所包含的化学潜能与同一时间投射到该面积上的光合有效辐射能之比。环境因子如气温、土壤水分状况以及大气水汽压差等会通过影响植物的光合能力从而调节植被的NPP。
Figure 214766DEST_PATH_IMAGE037
；
式中：Tε1(x,t)和Tε2(x,t)表示低温和高温对光能利用率的胁迫作用；Wε(x,t)为水分胁迫影响系数，反映水分条件的影响；εmax是理想条件下的最大光能利用率（g C/MJ）。
温度胁迫因子的估算：Tε1(x, t)的估算：其反映在低温和高温时植物内在的生化作用对光合的限制而降低第一性生产力。
Figure 47593DEST_PATH_IMAGE038
；
式中：Topt(x)为植物生长的最适温度，定义为某一区域一年内NDVI值达到最高时的当月平均气温（℃）；当某一月平均温度小于或等于-10℃时，其值取0。 Tε2(x, t)的估算：表示环境温度从最适温度Topt(x)向高温或低温变化时植物光能利用率逐渐变小的趋势，这是因为低温和高温时高的呼吸消耗必将会降低光能利用率，生长在偏离最适温度的条件下，其光能利用率也一定会降低。
Figure 549112DEST_PATH_IMAGE039
；
当某一月平均温度T(x, t)比最适温度Topt(x)高10℃或低13℃时，月平均温度T(x, t)为最适温度Topt(x)时，该月的Tε2(x, t)值等于最适温度Topt(x)值的一半。
水分胁迫因子的估算：水分胁迫影响系数Wε(x,t)反映了植物所能利用的有效水分条件对光能利用率的影响，随着环境中有效水分的增加，Wε(x,t)逐渐增大,它的取值范围为0.5(在极端干旱条件下)到1(非常湿润条件下)。
Figure 467390DEST_PATH_IMAGE040
；
式中：ET为区域实际蒸散量（mm）； PET为区域潜在蒸散量（mm）；
最大光能利用率的确定：月最大光能利用率εmax的取值因不同的植被类型而有所不同，在CASA模型中全球植被的最大光能利用率为0.389 g C·MJ-1。
全国尺度上利用CASA模型计算NPP时主要采用MODIS250米每16天合成的NDVI数据产品和反射率数据产品，以及MODIS1千米每8天合成的陆地表面温度(LST)数据产品，并利用气象站点太阳辐射量数据作为遥感估测模型的补充，通过克里金插值得到250米分辨率日照时数数据，以实现NPP估算由点向面的推演和扩展。在数据条件允许的情况下，可使用更高时空分辨率数据进行计算。
植被覆盖度
地表植被覆盖是影植被恢复能力的一个重要因素，在植被覆盖高的地区，一般生物多样性丰富，生态系统受损后恢复能力强；相反，植被稀少区域生物多样性低下、土壤较贫瘠，生态系统恢复能力弱。
归一化植被指数NDVI，又称标准化植被指数，定义为近红外波段NIR（0.7-1.1微米）与可见光红波段R （ 0.4-0.7微米）数值之差和这两个波段数值之和的比值，即公式：
Figure 492984DEST_PATH_IMAGE041
Figure 914738DEST_PATH_IMAGE042
式中：NDVIveg为完全植被覆盖地表所贡献的信息，NDVIsoil为无植被覆盖地表所贡献的信息。
运用地理信息系统软件进行图像处理，获取植被NDVI影像图，进而计算植被覆盖度。由于大部分植被覆盖类型是不同植被类型的混合体，所以不能采用固定的NDVIsoil和NDVIveg值，通常根据NDVI的频率统计表，计算NDVI的频率累积值，累积频率为5%的NDVI值为NDVIsoil，累积频率为58%的NDVI值为NDVIveg。
生态系统服务（ecosystem services）是指人类从生态系统获得的所有惠益，一般的，生态系统服务功能越重要，其生态系统恢复力就越强。主要考虑生物多样性、水土保持、水源涵养生态系统服务功能。
生物多样性维护功能重要性
生物多样性维护功能重要性在生态系统、物种和遗传资源三个层次进行评价。
在生态系统层次，将原真性和完整性高，需优先保护的森林、灌丛、草地、湿地、荒漠、内陆湿地、海洋生态系统评定为生物多样性维护极重要区，其他需保护的生态系统评定为生物多样性维护重要区。
在物种层次，以具有重要保护价值的物种为保护目标，将国家重点保护野生动植物和列入IUCN红色名录中的极危、濒危物种的集中分布区、极小种群野生动植物的主要分布区评定为生物多样性维护极重要区，将省级重点保护物种等其他具有重要保护价值物种的集中分布区评定为生物多样性维护重要区。
在遗传资源层次，将重要的野生农作物、水产、畜牧重要种质资源的主要天然分布区评定为生物多样性维护极重要区。
修正通用水土流失方程（USLE）的水土保持服务功能算法。
模型结构：Ac = Ap - A r＝ R× K× L×S×（1- C）；
式中： Ac为土壤保持量，Ap为潜在土壤侵蚀量，Ar为实际土壤侵蚀量，R为降水因子，K为土壤侵蚀因子，L、S为地形因子，C为植被覆盖因子。
R－降水因子
Figure 915055DEST_PATH_IMAGE043
；
式中：Pi为月均降水量，P为年均降水量, α= 0.3589，β= 1.9462。
K－土壤侵蚀因子
K = fcsand×fcl-si×forgc×fhisand
fcsand = 0.2 + 0.3 exp [-0.0256 ms (1-msilt/100)]
fcl-si = [msilt/(mc + msilt)]0.3
forgc = 1- 0.25orgC / [orgC + exp(3.72 - 2.95 orgC)]
fhisand = 1-0.7(1-ms/100)/{(1-ms/100)+exp[-5.51+22.9(1-ms/100)]}
式中：ms为土壤粗砂含量，msilt为土壤粉砂含量，mc为土壤粘粒含量，orgC为有机碳含量。
L、S—地形因子
L = (λ/22.13)m
S = 10.8sinθ + 0.03 θ＜5°
16.8sinθ— 0.5 5°≤θ＜10°
21.91sinθ— 0.96 θ≥ 10°
式中：λ为坡长（m），m为坡长指数，θ为坡度（°）。
水源涵养功能重要性评估
通过降雨量减去蒸散量和地表径流量得到的水源涵养量，评价生态系统水源涵养功能的相对重要程度。降雨量较大、蒸散量及地表径流量较小的区域，水源涵养功能重要性较高。森林、灌丛、草地和湿地生态系统质量较高的区域由于地表径流量小，水源涵养功能相对较高。一般地，将累积水源涵养量最高的前50%区域划分为极重要区。在此基础上，结合大江大河源头区、饮用水水源地等边界进行适当修正。
水源涵养是生态系统（如森林、草地等）通过其特有的结构与水相互作用，对降水进行截留、渗透、蓄积，并通过蒸散发实现对水流、水循环的调控，主要表现在缓和地表径流、补充地下水、减缓河流流量的季节波动、滞洪补枯、保证水质等方面。以水源涵养量作为生态系统水源涵养功能的评估指标。
评估模型
采用水量平衡方程来计算水源涵养量，计算公式为：
Figure 179683DEST_PATH_IMAGE044
；
式中：TQ为总水源涵养量（m3），P 为降雨量（mm），R 为地表径流量（mm），ET 为蒸散发（mm），A 为 i类生态系统面积（km2），i为研究区第 i类生态系统类型，j为研究区生态系统类型数。
数据准备
（1）数据来源与获取根据上述模型，水源涵养功能重要性评估需收集生态系统类型
数据集、气象数据集和蒸散发数据集等，具体信息如下：
水源涵养功能重要性评估数据表
Figure 618754DEST_PATH_IMAGE045
数据预处理
降雨量因子：根据气象数据集处理得到。在 Excel 中计算出区域所有气象站点的多年平均降水量，将这些值根据相同的站点名与 ArcGIS 中的站点（点图层）数据相连接（Join）。在 Spatial Analyst 工具中选择 Interpolate to Raster 选项，选择相应的插值方法得到降水量因子栅格图。
地表径流因子：降雨量乘以地表径流系数获得，计算公式如下：
Figure 35960DEST_PATH_IMAGE046
；
式中：R为地表径流量（mm），P为多年平均降雨量（mm），α为平均地表径流系数，如表如下。
各类型生态系统地表径流系数均值表
Figure 535075DEST_PATH_IMAGE048
蒸散发因子：根据国家生态系统观测研究网络科技资源服务系统网站提供的产品数据。原始数据空间分辨率为 1km，通过 ArcGIS 软件重采样为 250m 空间分辨率，得到蒸散发因子栅格图。
生态系统面积因子：根据全国生态状况遥感调查与评估成果中的生态系统类型数据集得到。原始数据为矢量数据，通过ArcGIS软件转为 250m 空间分辨率的栅格图。
模型运算
将各因子统一成 250m 分辨率的栅格数据，在ArcGIS栅格计算器（SpatialAnalyst→Raster Calculator）中，根据公式计算得到生态系统水源涵养量。
（7）生态敏感性
生态敏感性包括了水土流失敏感性、石漠化敏感性和土地沙化敏感性。一般的，生态越敏感其生态系统恢复力越低，反之则越高。
①水土流失敏感性评价
根据土壤侵蚀发生的动力条件，水土流失类型主要有水力侵蚀和风力侵蚀。以风力侵蚀为主带来的水土流失敏感性将在土地沙化敏感性中进行评价；本节主要对水动力为主的水土流失敏感性进行评价，根据原国家环保总局生态功能区划技术规范的要求，并结合研究区的实际情况，选取降水侵蚀力、土壤可蚀性、坡度坡长和地表植被覆盖等评价指标，并根据研究区的实际对分级评价标准作相应的调整。将反映各因素对水土流失敏感性的单因子分布图，用地理信息系统技术进行乘积运算，公式如下：
Figure 83737DEST_PATH_IMAGE049
式中：SSi为i空间单元水土流失敏感性指数，评价因子包括降雨侵蚀力（Ri）、土壤可蚀性（Ki）、坡长坡度（LSi）、地表植被覆盖（Ci）。不同评价因子对应的敏感性等级值见水土流失敏感性的评价指标及分级赋值表。
Ri—降水侵蚀力值
可利用降水资料计算的中国100多个城市的R值，采用内插法，用地理信息系统绘制R值分布图。
LSi—坡度坡长因子：对于大尺度的分析，坡度坡长因子LS是很难计算的。这里采用地形的起伏大小与土壤侵蚀敏感性的关系来估计。在评价中，可以应用地形起伏度，即地面一定距离范围内最大高差，作为区域土壤侵蚀评价的地形指标。然后用地理信息系统绘制区域土壤侵蚀对地形的敏感性分布图。
Ki—土壤质地因子：可用雷诺图表示。通过比较土壤质地雷诺图和K因子雷诺图，将土壤质地对土壤侵蚀敏感性的影响分为5级。根据土壤质地图，绘制土壤侵蚀对土壤的敏感性分布图。
Ci—覆盖因子：地表覆盖因子与潜在植被的分布关系密切。根据植被分布图的较高级的分类系统，将覆盖因子对土壤侵蚀敏感性的影响分为5级，并利用植被图绘制土壤侵蚀对植被的敏感性分布图。
水土流失敏感性的评价指标及分级赋值
Figure 201865DEST_PATH_IMAGE051
在数据条件具备的条件下也可采用通用水土流失方程（USLE）计算评价区土壤侵蚀量的空间分布值，根据土壤侵蚀量大小进行水土流失敏感性分级。
土地沙化敏感性评价
根据原国家环保总局生态功能区划技术规范的要求，并结合研究区的实际情况，选取干燥指数、起沙风天数、土壤质地、植被覆盖度等评价指标，并根据研究区的实际对分级评价标准作相应的调整。
根据各指标敏感性分级标准及赋值（土地沙化敏感性评价指标及分级表），利用地理信息系统的空间分析功能，将各单因子敏感性影响分布图进行乘积运算，得到评价区的土地沙化敏感性等级分布图，公式如下：
Figure 332632DEST_PATH_IMAGE052
；
式中：Di为i评价区域土地沙化敏感性指数；Ii、Wi、Ki、Ci分别为
Figure 127282DEST_PATH_IMAGE025
评价区域干燥指 数、起沙风天数、土壤质地和植被覆盖的敏感性等级值。
土地沙化敏感性评价指标及分级
Figure 913972DEST_PATH_IMAGE053
Ii—干燥指数：表征一个地区干湿程度，反映了某地、某时水分的收入和支出状况。
Figure 694847DEST_PATH_IMAGE055
式中：∑10℃指日温≥10℃持续期间活动积温总和；r为同期降水量（mm）。
Wi—起沙风天数：风力强度是影响风对土壤颗粒搬运的重要因素。已有研究资料表明，砂质壤土、壤质砂土和固定风砂土的起动风速分别为6.0、6.6和5.1m/s，选用冬春季节大于6m/s起沙风天数这个指标来评价土地沙化敏感性。根据研究区各气象站点的气象数据，在地理信息系统中利用插值生成土地沙化对起沙风天数敏感性的单因素评价图。
Ki—土壤质地：不同粒度的土壤颗粒具有不同的抗蚀力，粘质土壤易形成团粒结构，抗蚀力增强；在粒径相同的条件下，沙质土壤的起沙速率大于壤质土壤的起沙速率；砾质结构的土壤和戈壁土壤的风蚀速率小于沙地土壤；基岩质土壤供沙率极低，受风蚀的影响不大。以土壤质地图为底图，在地理信息系统中得出土壤质地对土地沙化敏感性的单因素评价图。
Ci—植被覆盖度
地表植被覆盖是影响沙化敏感性的一个重要因素，在水域、冰雪和植被覆盖高的地区，不会发生土壤的沙化；相反，地表裸露、植被稀少都会使土壤沙化的机会增加。因此，植被覆盖是评价土地沙化敏感性的又一重要指标。
Figure 70333DEST_PATH_IMAGE057
式中：NDVIveg为完全植被覆盖地表所贡 献的信息，NDVIsoil为无植被覆盖地表所贡献的信息。
运用地理信息系统软件进行图像处理，获取植被NDVI影像图，进而计算植被覆盖度。由于大部分植被覆盖类型是不同植被类型的混合体，所以不能采用固定的NDVIsoil和NDVIveg值，通常根据NDVI的频率统计表，计算NDVI的频率累积值，累积频率为2%的NDVI值为NDVIsoil，累积频率为98%的NDVI值为NDVIveg。
③石漠化敏感性评价
石漠化敏感性主要取决于是否为喀斯特地形、地形坡度、植被覆盖度
等因子。根据各单因子的分级及赋值（见下表格），利用地理信息系统的空间叠加功能，将各单因子敏感性影响分布图进行乘积计算，得到石漠化敏感性等级分布图，公式如下：
Figure 911250DEST_PATH_IMAGE059
；
式中：Si为i评价区域石漠化敏感性指数；Di、Pi、Ci为i评价区域碳酸盐出露面积百分比、地形坡度和植被覆盖度；Di是区域单元范围内碳酸盐出露面积占单元总面积的百分比；Pi根据评价区数字高程（DEM）在地理信息系统下进行处理和分级；Ci的数据来源和处理方法参照土地沙化敏感性。
土地石漠化敏感性评价指标及分级
Figure 185237DEST_PATH_IMAGE060
生态系统连通性
图斑大小即景观面积(TA)，单位: ha。
景观面积决定了景观的范围以及研究和分析的最大尺度，也是计算其它指标的基础。图斑面积越大对于维护高数量的物种，维持稀有种、濒危种以及生态系统的稳定具有重要作用。
连片度代表了各类生态景观的连接程度，一般的，越连片的生态系统其抵抗力越强，生态系统越稳定，生态系统生物多样性维护能力越强。
地块形状指数
地块形状指数代表生态景观类型的聚集程度，一般生态景观的地块形状指数越大、地块形状越规则（越接近于圆形），其聚集程度越高，生态系统越稳定。
结果：
依据集成评价结果，四川省林地生态系统恢复力综合评分74.51分，整体表现为生态系统恢复力较高。其中，高值区分布于龙门山区，秦巴山区及大小凉山，低值区主要分布于城镇及其周边区域，川西干热河谷地带，及高山低植被覆盖区。
根据分级标准，四川省全域处于中等和较高水平的恢复力所占比重最大，其中，恢复力达到强或较强水平以上的区域面积为141362.88 km2，占区域总面积的29.03%，主要分布在门山区，秦巴山区及大小凉山，该区域降雨丰富，植被覆盖度高，土壤肥力好，光热条件好，利于植被再生长；恢复力为一般水平的面积为42046.57km2，占比8.64%，主要分布在四川盆地内植被覆盖度较高的丘陵、山区，以及盆周山地人为活动较为频繁区域；恢复力为弱和较弱的区域面积为303418.89 km2，占比62.33%，主要分布在四川盆地内植被覆盖度低的丘陵区，人类活动频繁的城镇及其周边区域，川西高山、高寒区。具体评价结果见图（见林地生态系统恢复力分级表）。
林地生态系统恢复力分级表
Figure 628856DEST_PATH_IMAGE061
对于本领域技术人员而言，显然本申请不限于上述示范性实施例的细节，而且在不背离本申请的精神或基本特征的情况下，能够以其它的具体形式实现本申请。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本申请的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

Claims (4)

1.一种生态系统恢复力的评价方法，其特征在于，包括以下步骤：
根据不同类型的生态系统选取若干一级指标，分别将若干一级指标划分为若干的二级指标，并归为恢复力评价因子；
将所述二级指标进行归一化处理，计算公式如下：
Figure 252040DEST_PATH_IMAGE001
；
式中：E为恢复力水平；n为评价因子的个数；k为恢复力评价因子（k=1,2,3…）；fk为第k个恢复力评价因子的水平值；Wk为第k个恢复力评价因子的权重，并采用层次分析法对k进行赋值。
2.根据权利要求1所述的一种生态系统恢复力的评价方法，其特征在于，所述一级指标包括生态存储指标，且所述生态存储指标包括：
生态系统净初级生产力指标，并基于CASA光能利用率模型进行计算，其计算公式如下：
Figure 879330DEST_PATH_IMAGE002
；
式中， NPP(x ,t )生态系统净初级生产力指标；表示APAR(x,t)表示像元x在t月吸收 的光合有效辐射，
Figure 387672DEST_PATH_IMAGE003
表示像元x在t月的实际光能利用率；
上述
Figure 784018DEST_PATH_IMAGE004
的计算公式如下：
Figure 719613DEST_PATH_IMAGE005
；
式中：SOL(x,t)表示t月在像元x处的太阳总辐射量，FPAR(x,t)植被层对入射光合有效辐射的吸收比例，常数0.5表示植被所能利用的太阳有效辐射占太阳总辐射的比例；
上述FPAR(x,t)的计算公式如下：
Figure 834199DEST_PATH_IMAGE007
或
Figure 615074DEST_PATH_IMAGE009
；
式中：NDVIi,max和NDVIi,min分别对应第i种植被类型的NDVI最大和最小值；FPARmin和FPARmax的取值与植被类型无关，分别为0.001和0.95； SRi,max和SRi,min分别对应第i种植被类型NDVI的95%和5%下侧百分位数；
上述SR(x,t)由以下公式表示：
Figure 397085DEST_PATH_IMAGE010
；
在上述FPAR(x,t)的两个计算公式，取其加权平均或平均值作为FPAR(x,t)的值，即：
Figure 503581DEST_PATH_IMAGE011
；
在公式：
Figure 636622DEST_PATH_IMAGE013
中，
Figure 221187DEST_PATH_IMAGE014
；
式中：
Figure 592126DEST_PATH_IMAGE015
和
Figure 892961DEST_PATH_IMAGE016
表示低温和高温对光能利用率的胁迫作用；
Figure 982140DEST_PATH_IMAGE017
为水分胁迫影响系数，反映水分条件的影响；
Figure 635975DEST_PATH_IMAGE018
是理想条件下的最
大光能利用率；
上述
Figure 861420DEST_PATH_IMAGE019
由以下公式表示：
Figure 44140DEST_PATH_IMAGE020
；
式中：Topt(x) 为植物生长的最适温度，定义为某一区域一年内NDVI 值
达到最高时的当月平均气温℃，并当某一月平均温度小于或等于-10℃时，
其值取0；
上述
Figure 886194DEST_PATH_IMAGE021
由以下公式表示：
Figure 78140DEST_PATH_IMAGE023
；
式中，当某一月平均温度T(x, t)比最适温度Topt(x)高10℃或低13℃时，月平均温度T (x, t)为最适温度Topt(x)时，该月的
Figure 423671DEST_PATH_IMAGE024
值等于最适温度Topt(x)值的一半；
上述
Figure 42871DEST_PATH_IMAGE025
由以下公式表示：
Figure 106642DEST_PATH_IMAGE027
；
式中：ET为区域实际蒸散量；PET为区域潜在蒸散量；
植被指数NDVI指标，其计算公式如下：
NDVI=（NIR-R）/（NIR+R）以及
Figure 102280DEST_PATH_IMAGE028
以及
Figure 302317DEST_PATH_IMAGE030
；
式中：NIR 为近红外波段，R 为可见光红波段；NDVIveg 为完全植被覆
盖地表所贡献的信息，NDVIsoil 为无植被覆盖地表所贡献的信息。
3.根据权利要求 2 所述的一种生态系统恢复力的评价方法，其特征在
于，所述一级指标还包括生态系统服务指标，且所述生态系统服务指标包
括：
水土保持指标，并使用修正通用水土流失方程的功能算法进行计算，
其模型结构为：
Ac = Ap - A r ＝ R× K× L×S×（1- C）；
式中： Ac为土壤保持量，Ap为潜在土壤侵蚀量，Ar为实际土壤侵蚀量，R为降水因子，K为土壤侵蚀因子，L、S为地形因子，C为植被覆盖因子；其中，R－降水因子表示为：
Figure 92419DEST_PATH_IMAGE031
；
式中：Pi为月均降水量，P为年均降水量,α=0.3589，β= 1.9462；
K－土壤侵蚀因子表示为：
K = fcsand ×fcl-si ×forgc ×fhisand；
而上式中：fcsand = 0.2 + 0.3 exp [-0.0256 ms (1-msilt/100)]；
fcl-si = [msilt/(mc + msilt)]0.3；
forgc = 1- 0.25orgC / [orgC + exp(3.72 - 2.95 orgC)]；
fhisand = 1-0.7(1-ms/100)/{(1-ms/100)+exp[-5.51+22.9(1-ms/100)]}；
式中：ms为土壤粗砂含量，msilt为土壤粉砂含量，mc为土壤粘粒含量，orgC为有机碳含量；
L、S—地形因子表示为：
L = (λ/22.13)m；
S = 10.8sinθ + 0.03 θ＜5°；
16.8sinθ — 0.5 5°≤ θ ＜10°；
21.91sinθ — 0.96 θ ≥ 10°；
式中：λ为坡长，m为坡长指数，θ为坡度；
水源涵养指标，并采用水量平衡方程来计算，其计算公式为：
Figure DEST_PATH_IMAGE032
；
式中：TQ为总水源涵养量，P为降雨量，R为地表径流量，ET为蒸散发，A 为i类生态系统面积，i为研究区第i类生态系统类型，j为研究区生态系统类型数。
4.根据权利要求1所述的一种生态系统恢复力的评价方法，其特征在于，所述一级指标还包括生态敏感性指标，且所述生态敏感性指标包括：
水土流失敏感性指标，计算公式如下：
Figure DEST_PATH_IMAGE033
式中：SSi为i 空间单元水土流失敏感性指数，评价因子包括降雨侵蚀
力、土壤可蚀性、坡长坡度、地表植被覆盖；
土地沙化敏感性指标，计算公式如下：
Figure DEST_PATH_IMAGE034
式中：Di为i评价区域土地沙化敏感性指数；Ii、Wi、Ki、Ci分别为
Figure DEST_PATH_IMAGE035
评价区域干燥指数、起 沙风天数、土壤质地和植被覆盖的敏感性等级值；
石漠化敏感性指标，计算公式如下：
Figure DEST_PATH_IMAGE037
；
式中：Si为i评价区域石漠化敏感性指数；Di、Pi、Ci为i评价区域碳酸盐出露面积百分比、地形坡度和植被覆盖度；Di是区域单元范围内碳酸盐出露面积占单元总面积的百分比；Pi根据评价区数字高程在地理信息系统下进行处理和分级；Ci的数据来源和处理方法参照土地沙化敏感性。
CN202211388328.6A 2022-11-08 2022-11-08 一种生态系统恢复力的评价方法 Pending CN115481943A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211388328.6A CN115481943A (zh) 2022-11-08 2022-11-08 一种生态系统恢复力的评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211388328.6A CN115481943A (zh) 2022-11-08 2022-11-08 一种生态系统恢复力的评价方法

Publications (1)

Publication Number Publication Date
CN115481943A true CN115481943A (zh) 2022-12-16

Family

ID=84395137

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211388328.6A Pending CN115481943A (zh) 2022-11-08 2022-11-08 一种生态系统恢复力的评价方法

Country Status (1)

Country Link
CN (1) CN115481943A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116562681A (zh) * 2023-03-30 2023-08-08 深圳市城市公共安全技术研究院有限公司 灾害后森林恢复评价方法、装置、存储介质及电子设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112668158A (zh) * 2020-12-15 2021-04-16 四川省国土科学技术研究院(四川省卫星应用技术中心) 一种水力侵蚀下的生态系统水土流失脆弱性评估方法
CN113610421A (zh) * 2021-08-17 2021-11-05 东莞理工学院 一种基于地形和土地利用数据的流域生态资产价值评估方法
CN114626750A (zh) * 2022-04-01 2022-06-14 中邦山水规划设计有限公司 基于多要素分析的生态保护重要性评估方法及其集成系统
CN114943404A (zh) * 2022-03-30 2022-08-26 北京师范大学 一种基于生态系统服务权衡的湿地缺水生态风险评估方法
CN115293473A (zh) * 2022-01-19 2022-11-04 中国建筑股份有限公司 一种林草生态修复效果评价方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112668158A (zh) * 2020-12-15 2021-04-16 四川省国土科学技术研究院(四川省卫星应用技术中心) 一种水力侵蚀下的生态系统水土流失脆弱性评估方法
CN113610421A (zh) * 2021-08-17 2021-11-05 东莞理工学院 一种基于地形和土地利用数据的流域生态资产价值评估方法
CN115293473A (zh) * 2022-01-19 2022-11-04 中国建筑股份有限公司 一种林草生态修复效果评价方法
CN114943404A (zh) * 2022-03-30 2022-08-26 北京师范大学 一种基于生态系统服务权衡的湿地缺水生态风险评估方法
CN114626750A (zh) * 2022-04-01 2022-06-14 中邦山水规划设计有限公司 基于多要素分析的生态保护重要性评估方法及其集成系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116562681A (zh) * 2023-03-30 2023-08-08 深圳市城市公共安全技术研究院有限公司 灾害后森林恢复评价方法、装置、存储介质及电子设备

Similar Documents

Publication Publication Date Title
Xu et al. Human activity intensity of land surface: Concept, methods and application in China
Ni A simulation of biomes on the Tibetan Plateau and their responses to global climate change
Zhou et al. Vegetation coverage change and its response to topography in a typical karst region: the Lianjiang River Basin in Southwest China
Dudiak et al. Soil and climatic bonitation of agricultural lands of the steppe zone of Ukraine
Wang et al. Identifying ecologically valuable and sensitive areas: A case study analysis from China
Zhai et al. Spatial-temporal changes and driving forces of aeolian desertification of grassland in the Sanjiangyuan region from 1975 to 2015 based on the analysis of Landsat images
CN115481943A (zh) 一种生态系统恢复力的评价方法
CN114925974A (zh) 一种面向市县国土空间规划的分类逐步双评价方法
CN112649370A (zh) 一种基于遥感的区域蒸散发计算方法
Huang et al. Grasslands changes in the northern songnen plain, China during 1954–2000
Wang et al. Land use changes in Northeast China driven by human activities and climatic variation
Qin et al. Climate, environmental, and socioeconomic characteristics of China
CN114936339B (zh) 一种提升农业面源污染防治效果的模拟方法
Li et al. RETRACTED ARTICLE: Research on scenic beauty estimation of plant landscape on the roof on SBE method
Deng et al. Evapotranspiration and humidity variations in response to land cover conversions in the Three Gorges Reservoir Region
Zhang et al. Wind mediates the responses of net ecosystem carbon balance to climatic change in a temperate semiarid steppe of Northern China
Sumartono et al. Assessment Model Impact of Climate Change on Potential Production for Food and Energy Needs for the Coastal Areas of Bengkulu, Indonesia
Song et al. Spatial distribution pattern of MODIS-NDVI and correlation between NDVI and meteorology factors in Shandong Province in China
CN116485219A (zh) 基于遥感云计算平台的生态环境质量评价方法
CN115689395B (zh) 一种生态系统调节服务价值核算方法
Yang et al. Spatio-temporal variation of vegetation coverage and its response to climatic factors from 2001 to 2015: a case study in Anhui, China.
Yu et al. The Evaluation of Urban Green Space Landscape Changes and Ecosystem Services in Beijing
Wang et al. Spatiotemporal variations in ecosystem services and their trade-offs and synergies against the background of the gully control and land consolidation project on the Loess Plateau, China
Ye et al. Temporal and spatial distribution characteristics of drought and flood considering the influence of underlying surface in Hainan Island, tropical areas of China
Liang CHARACTERISTICS OF TEMPORAL AND SPATIAL VARIATION OF NDVI IN BEIJING AND THE RELATIONSHIP WITH URBAN HEAT ISLAND EFFECT

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20221216

RJ01 Rejection of invention patent application after publication