CN118037135A - 植被覆盖度变化对生态系统服务影响的定性分析方法 - Google Patents

Abstract

本发明系一种植被覆盖度变化对生态系统服务影响的定性分析方法，属于生态恢复评估技术领域。具体包括获取植被数据；确定植被数据对应的总恢复时段内植被覆盖度的变化趋势；将总恢复时段划分，确定分恢复时段内植被覆盖度的变化趋势；逐像元确定植被覆盖度的变化显著性；以及根据总恢复时段内植被覆盖度的变化趋势、分恢复时段内植被覆盖度的变化趋势，以及植被覆盖度的变化显著性，确定植被显著恢复区域和不显著恢复区域；根据植被显著恢复区域和不显著恢复区域对应的生态服务数据，对生态系统服务所受影响进行分析。本发明不仅能科学有效的分析植被覆盖度变化对生态系统服务的影响，还能分析该种影响的显著性。

Description

植被覆盖度变化对生态系统服务影响的定性分析方法

技术领域

本发明涉及生态恢复评估技术领域，更具体的说是涉及植被覆盖度变化对生态系统服务影响的定性分析方法。

背景技术

植被是生态系统服务产生和传递的重要基础，适宜的植被覆盖可有效防止水土流失、提高生态系统碳汇能力、提升水源涵养能力。然而当前研究多侧重于气候变化及人类活动对植被恢复的影响，却忽略了植被恢复后对生态系统的反馈作用，这关系到植被恢复是否可持续。因此在工程实施后系统监测并评估植被恢复情况以及对生态系统服务的影响显得尤为重要，为深刻理解生态治理工程对区域生态系统服务的作用与影响提供了方法和途径。

生态系统服务对植被覆盖度的响应是一个复杂的过程，目前，在分析植被恢复情况对生态系统服务的影响时，多通过野外调研的方式获取相关数据，该种方式获取的数据不仅空间尺度小，而且时间不连续，仅仅揭示了样地或小流域尺度上植被覆盖度对生态系统服务的影响，难以满足大尺度生态修复监管的决策需求；同时，传统方法只是简单检验两者之间的相关性，或者通过空间相关性方法对其时空变化一致性进行对比，来判断植被覆盖变化对生态服务是否有影响，然而并没有检验这种影响到底是否显著。

对此，本申请提供了一种针对植被覆盖度变化对生态系统服务影响的定性分析方法，以至少部分解决上述技术问题。

发明内容

有鉴于此，本发明提供了一种植被覆盖度变化对生态系统服务影响的定性分析方法。为了实现上述目的，本发明采用如下技术方案：

一种植被覆盖度变化对生态系统服务影响的定性分析方法，包括：

获取植被数据；

确定植被数据对应的总恢复时段内植被覆盖度的变化趋势；

将总恢复时段划分，确定分恢复时段内植被覆盖度的变化趋势；

逐像元确定植被覆盖度的变化显著性；

根据总恢复时段内植被覆盖度的变化趋势、分恢复时段内植被覆盖度的变化趋势，以及植被覆盖度的变化显著性，确定植被显著恢复区域和不显著恢复区域；

根据植被显著恢复区域和不显著恢复区域对应的生态服务数据，对生态系统服务所受影响进行分析。

作为优选，植被覆盖度的变化显著性，通过如下公式获得；

式中，为总恢复时段内植被覆盖度平均值，/>为总恢复时段内植被覆盖度的变化趋势，/>为年份平均值，x_i为年份，/>为i年的拟合植被覆盖度，y_i为i年的实际植被覆盖度，N为总恢复时段对应的年数，U为误差平方和，Q为回归平方和，P为植被覆盖度的变化显著性。

作为优选，根据如下公式确定植被显著恢复区域和不显著恢复区域；

式中，为总恢复时段内植被覆盖度的变化趋势，h₁和h₂为分恢复时段内植被覆盖度的变化趋势，P为植被覆盖度的变化显著性。

作为优选，植被显著恢复区域和不显著恢复区域对应的生态服务数据，包括固碳服务数据、产水服务、水源涵养服务数据、土壤保持服务数据，和/或综合服务。

作为优选，对生态系统服务所受影响进行分析的步骤包括：

获取植被显著恢复区域的生态服务数据集M，和不显著恢复区域的生态服务数据集L，假设数据集M的样本容量不小于数据集L；

对数据集M和数据集L中的样本进行混合排序，得到每个样本等级，根据各样本等级，计算数据集M的秩和R_M；

根据秩和R_M计算检验统计量U，并对U进行显著性检验得到植被覆盖度变化对生态系统服务影响。

作为优选，根据秩和R_M计算检验统计量U的过程为：

式中，n₁和n₂分别为数据集M和数据集L的样本容量，且n₁≥n₂。

作为优选，对U进行显著性检验得到植被覆盖度变化对生态系统服务影响的过程包括：

按如下公式计算检验值，

当检验值t_s大于临界值时，植被恢复对生态系统服务起促进作用。

作为优选，所述植被数据通过卫星遥感技术获取。

作为优选，植被覆盖度的变化趋势通过如下公式获得：

式中，h表示变化趋势，n´为恢复时段对应的年数，F_i为第i年的像元植被覆盖度FVC。

作为优选，像元植被覆盖度FVC通过如下公式获得；

式中，NDVI是地表区域植被指数值，NDVI_soil为地表非植被覆盖时的最小植被指数值，NDVI_veg是地表完全被植被覆盖时的最大NDVI值。

经由上述的技术方案可知，本发明公开提供了一种植被覆盖度变化对生态系统服务影响的定性分析方法，与现有技术相比，本发明不仅分析了植被覆盖度变化对生态系统服务的影响，还分析了这种影响的显著性。

具体通过考虑总恢复时段与分恢复时段两个方面的植被覆盖度变化以及植被覆盖度的变化显著性，来定位出生态修复区域的植被显著恢复区域和不显著恢复区域，弥补了当前造林修复工程中对后期植被恢复程度监测的缺陷，具有能够更系统地监测治理反馈的有益效果，选用这些区域的数据进行影响分析，结果更科学、结果更具有效性；

同时，本发明提供的统计学方法定性分析植被覆盖度变化如何影响综合生态系统服务及该影响是否显著，能帮助造林管理者及时了解植被恢复后对生态系统服务的反馈作用，以便进一步制定或完善生态修复措施；

再一方面，本发明采用大尺度、长时间序列的卫星遥感数据，易于实施、应用，可用于反馈多个造林修复工程的后期恢复效果，从而便于进一步制定或完善造林治理措施。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为植被覆盖度变化对生态系统服务影响的定性分析方法流程图；

图2为植被覆盖度变化对生态系统服务影响的定性分析方法在另一个实施例中的流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例提供了一种基于统计学方法分析植被覆盖度变化对生态系统服务是否产生显著的影响，弥补了当前造林修复工程中植被覆盖度对生态系统服务的影响分析中，仅仅简单检验两者之间的相关性，或者通过空间相关性方法对他们的时空变化一致性进行对比，来判断植被覆盖变化对生态服务是否有影响，而并没有检验这种影响到底是否显著这一不足；本申请能够更加科学、准确地评估植被恢复情况对生态系统服务的影响。

具体地，如图1所示，本申请中植被覆盖度变化对生态系统服务影响的定性分析方法，包括如下步骤：

S1、获取植被数据；

S2、确定植被数据对应的总恢复时段内植被覆盖度的变化趋势；

S3、将总恢复时段划分，确定分恢复时段内植被覆盖度的变化趋势；

S4、逐像元确定植被覆盖度的变化显著性；

S5、根据总恢复时段内植被覆盖度的变化趋势、分恢复时段内植被覆盖度的变化趋势，以及植被覆盖度的变化显著性，确定植被显著恢复区域和不显著恢复区域；

S6、根据植被显著恢复区域和不显著恢复区域对应的生态服务数据，对生态系统服务所受影响进行分析。

一种示例性的实施方式中，流程图如图2所示，包括：

S1、利用卫星遥感技术快速获取待测地表的长时间植被序列数据，以使数据更全面、更连续；本技术提出的影响评估方法采用大尺度、长时间序列的卫星遥感数据，易于实施、应用，可用于反馈多个造林修复工程的后期恢复效果，以及便于进一步制定或完善造林治理措施。

S2、确定植被数据对应的总恢复时段内植被覆盖度的变化趋势；定位总恢复时段内植被覆盖度增长的区域；

本实施例中，时间尺度为2000-2020年，通过逐像元计算总恢复时段内植被覆盖度的总变化趋势，为：

式中，为植被覆盖度的整体变化斜率，N为总恢复时段对应的年数，F_i为第i年的像元植被覆盖度FVC。

示例性地，像元植被覆盖度FVC通过如下公式获得；

式中，NDVI是地表区域植被指数值，NDVI_soil为地表非植被覆盖时的最小植被指数值，NDVI_veg是地表完全被植被覆盖时的最大NDVI值。NDVI数据来源于NASA官网的MOD13A1数据集，时间分辨率为月，利用平均值合成法合成植被覆盖度年平均数据。

S3、将总恢复时段划分，确定分恢复时段内植被覆盖度的变化趋势，定位分恢复时段内植被覆盖度增长的区域；

本实施例中，将总时段均分为二，其中第一时段为2000-2010，第二时段为2010-2020；分别按如下公式逐像元计算两个时间段内植被覆盖度的变化趋势，计算公式为：

式中，h_{2000-2010/2010-2020}为两个时段内植被覆盖度的变化斜率，n为各时段对应的研究年数，F_i为第i年的像元植被覆盖度FVC。

本发明同时利用总恢复时段与分恢复时段内植被的变化趋势，来定位出植被显著恢复区域和不显著恢复区域，规避了传统方法仅利用总恢复时段内植被恢复趋势来定义恢复程度的不准确、不全面的问题。

S4、逐像元确定植被覆盖度的变化显著性；即植被覆盖度恢复程度检验；

为了进一步评估总时段内植被覆盖度变化状况，对逐像元对植被覆盖度变化斜率进行分析，用来判断植被覆盖度变化是否显著。

判断方法为：

式中，为总恢复时段内植被覆盖度平均值，/>为总恢复时段内植被覆盖度的变化趋势，/>为年份平均值，x_i为年份，/>为i年的拟合植被覆盖度，y_i为i年的实际植被覆盖度，N为总恢复时段对应的年数，U为误差平方和，Q为回归平方和，P为植被覆盖度的变化显著性。

S5、根据总恢复时段内植被覆盖度的变化趋势、分恢复时段内植被覆盖度的变化趋势，以及植被覆盖度的变化显著性，确定植被显著恢复区域和不显著恢复区域；

传统方法仅用总体植被覆盖度变化趋势来识别显著恢复区与不显著恢复区，不科学且不准确。本发明在识别植被覆盖度总体变化趋势的基础上，将研究时段均分为二，分别识别两个分时段内植被覆盖度的变化趋势，并采用以下方法定位植被覆盖度显著恢复区域与不显著恢复区域；

式中，为总恢复时段内植被覆盖度的变化趋势，h₁和h₂为分恢复时段内植被覆盖度的变化趋势，P为植被覆盖度的变化显著性。

本申请将总体植被覆盖度变化斜率大于0，但两个分时段内的植被覆盖度变化斜率一个大于0一个小于0的情况，不视为植被显著恢复，而只有当两个分时段内的植被覆盖度变化斜率同时大于0，才认为植被显著恢复。较传统方法更为准确。

S6、根据植被显著恢复区域和不显著恢复区域对应的生态服务数据，对生态系统服务所受影响进行分析。

通常，生态系统服务的变化由植被覆盖度变化和气候变化共同推动，因此有必要排除气候变化对生态系统服务的影响。2020年，研究区域受到气候变化的一致影响，但植被覆盖度变化只影响了植被显著恢复的区域。因此，比较植被显著恢复区域与植被未显著恢复区域的生态系统服务，即可分析植被覆盖度变化对生态系统服务的影响。

基于此思想，采用如下步骤对生态系统服务所受影响进行分析，包括：

S61、获取植被显著恢复区域的生态服务数据集M，和不显著恢复区域的生态服务数据集L，假设数据集M的样本容量不小于数据集L；

本发明中生态服务数据包括：

①固碳服务数据

固碳服务利用净初级生产力（NPP）来表示，时间尺度为2000-2020年，固碳服务数据来源于NASA官网的MOD17A3数据集，该数据集提供了空间分辨率为500m的净初级生产力数据集。

②产水服务

基于In-VEST模型的产水模块，通过计算降水量与实际蒸散发量之间的差值，来表征区域产水服务，计算公式为:

式中：Yx、AETx、Px分别为栅格x的年均产水量(mm)、年实际蒸散量(mm)和年降水量(mm)；Rx为栅格x的干燥度指数，无量纲，ET0,x为栅格x内的潜在蒸散量(mm)；wx为经验参数，用来描述气候-土壤属性；AWCx为植被可利用含水量(mm)；Z为Zhang系数，表示季节降雨分布和降雨深度的参数；MSDx为最大土壤深度(mm)，RDx为根系深度(mm)；PAWC为植物可利用含水率(单位)；SAN为土壤沙粒(%)，SIL为土壤粉粒(%)，CLA为土壤黏粒(%)；C为土壤有机碳的含量(%)。降水量和潜在蒸散发数据来源于国家地球系统科学数据中心，土壤颗粒数据来自世界土壤数据库（Harmonized World Soil Database，HWSD)，植物可利用水量根据土壤质地计算获得，蒸散系数根据叶面积指数计算获得。

③水源涵养服务数据

根据水量平衡方程来计算水源涵养量，具体公式如下：

式中：Qwr为水源涵养量，m³/a；P_i为产流降雨量，mm/a；R_i为地表径流量，mm/a；ET_i为蒸散发量，mm/a；A_i为i类生态系统的面积，m²；i为第i类生态系统类型；n为生态系统类型总数。

④土壤保持服务数据

利用土壤保持量作为土壤保持服务指标，土壤保持量为土地在没有植被覆盖和人类管理条件下的潜在土壤侵蚀量与实际土壤侵蚀量之差，计算公式为：

S=R×K×L×F×(1−C)×P

式中：S表示土壤保持量，t/hm²；R表示降水侵蚀因子；K表示土壤侵蚀因子；L表示坡长因子；F表示坡度因子；C表示植被覆盖因子；P表示管理因子。

⑤综合服务

对固碳服务、产水服务、水源涵养服务、土壤保持服务进行标准化并累加，获取生态系统服务综合指数（以下简称综合指数），表征区域生态系统服务的总体水平。将此处理应用于历年数据，获取综合指数时间序列。具体处理方法如下：

式中：ES_b为生态系统服务的标准化结果；ES为生态系统服务初始值；ES_max为生态系统服务最大值；ES_min为生态系统服务最小值。为避免异常值的干扰，将ES_max与ES_min分别取95%和5%分位数。CIES为综合指数；ES_bi为第i类生态系统服务的标准化结果；n为4；

本发明所用的综合生态系统服务性指标，不仅关注单项生态系统服务，同时把握整体生态系统的复杂性和互联。

进一步，在极显著恢复区域，随机选取2020年的生态系统服务对应数据集M（m₁,m₂,...,m_i，i=200）；在不显著恢复区域，随机选取2020年的生态系统服务对应数据集L（l₁,l₂,...,l_i，i=200）。

事先判断第一个总体M不可能比另一个总体L小，只是希望了解第一个总体是否大于第二个总体，本技术采用单侧检验的方法，分析植被覆盖度变化对生态系统服务的影响：

原假设H0：两个总体的大小没有显著差异M=L

对立假设H1：第一个总体显著大于第二个总体M>L（α=0.05）；

S62、对数据集M和数据集L中的样本进行混合排序，得到每个样本等级，根据各样本等级，计算数据集M的秩和R_M，以及数据集L的秩和R_L；

用秩代替原始数据，考虑了数据的大小，同时数据相对大小意义仍然存在，用于后续比较两组数据。

具体为：

（1）对混合样本M+L从小到大进行排序：

m₁≤l₂≤⋯m_x≤l_x⋯≤m₄₀₀（顺序号x为该值的等级，并列数值的等级相同）；

（2）分别计算两组样本的等级和，即秩和，本申请中只利用样本量大的数据集来计算U，由于n₁≥n₂，所以只需计算数据集M的秩和RM；即

S63、根据秩和R_M计算检验统计量U，并对U进行显著性检验得到植被覆盖度变化对生态系统服务影响。

本实施例中，计算检验统计量U，以检验两个总体的分布函数是否相等，计算过程为：

式中，n₁和n₂分别为数据集M和数据集L的样本容量，均为200。

进一步，由于样本量远远高于20，检验值U趋向正态分布，即自由度为无穷的t-分布，按下式计算检验值，以检验两组样本是否存在显著差异，分析植被覆盖度变化是否显著影响生态系统服务，

对照t-检验临界值表，如果t_s>t_α，那么拒绝原假设，两总体存在明显差异。即植被显著恢复区域的生态系统服务变化显著高于植被未显著恢复的区域，表明植被恢复对生态系统服务具有促进作用。

本发明首先从总恢复时段与分恢复时段两个方面的植被覆盖度变化，来定位植被显著恢复与不显著恢复的区域，与现有技术中仅通过整体植被覆盖度总变化趋势来判断恢复显著与否相比，弥补了当前造林修复工程中对后期植被恢复程度监测的缺陷，具有能够更系统地监测治理反馈的有益效果。

其次，本申请提供一种统计学方法分析植被覆盖度变化对生态系统服务是否产生显著的影响，弥补了当前造林修复工程中植被覆盖度对生态系统服务的影响分析中，仅仅简单检验两者之间的相关性，或者通过空间相关性方法对他们的时空变化一致性进行对比，来判断植被覆盖变化对生态服务是否有影响，而并没有检验这种影响到底是否显著这一不足，能够更加科学、准确地评估植被恢复情况对生态系统服务的影响。

最后，本发明提出的影响评估方法采用大尺度、长时间序列的卫星遥感数据，易于实施、应用，可用于反馈多个造林修复工程的后期恢复效果，以便于进一步制定或完善造林治理措施。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种植被覆盖度变化对生态系统服务影响的定性分析方法，其特征在于，包括：

获取植被数据；

确定植被数据对应的总恢复时段内植被覆盖度的变化趋势；

将总恢复时段划分，确定分恢复时段内植被覆盖度的变化趋势；

逐像元确定植被覆盖度的变化显著性；

根据总恢复时段内植被覆盖度的变化趋势、分恢复时段内植被覆盖度的变化趋势，以及植被覆盖度的变化显著性，确定植被显著恢复区域和不显著恢复区域；

根据植被显著恢复区域和不显著恢复区域对应的生态服务数据，对生态系统服务所受影响进行分析。

2.根据权利要求1所述的定性分析方法，其特征在于，植被覆盖度的变化显著性，通过如下公式获得；

；

式中，为总恢复时段内植被覆盖度平均值，/>为总恢复时段内植被覆盖度的变化趋势，/>为年份平均值，x_i为年份，/>为i年的拟合植被覆盖度，y_i为i年的实际植被覆盖度，N为总恢复时段对应的年数，U为误差平方和，Q为回归平方和，P为植被覆盖度的变化显著性。

3.根据权利要求1所述的定性分析方法，其特征在于，根据如下公式确定植被显著恢复区域和不显著恢复区域；

；

；

式中，为总恢复时段内植被覆盖度的变化趋势，h₁和h₂为分恢复时段内植被覆盖度的变化趋势，P为植被覆盖度的变化显著性。

4.根据权利要求1所述的定性分析方法，其特征在于，植被显著恢复区域和不显著恢复区域对应的生态服务数据，包括固碳服务数据、产水服务、水源涵养服务数据、土壤保持服务数据，和/或综合服务。

5.根据权利要求1所述的定性分析方法，其特征在于，对生态系统服务所受影响进行分析的步骤包括：

获取植被显著恢复区域的生态服务数据集M，和不显著恢复区域的生态服务数据集L，假设数据集M的样本容量不小于数据集L；

对数据集M和数据集L中的样本进行混合排序，得到每个样本等级，根据各样本等级，计算数据集M的秩和R_M；

根据秩和R_M计算检验统计量U，并对U进行显著性检验得到植被覆盖度变化对生态系统服务影响。

6.根据权利要求5所述的定性分析方法，其特征在于，根据秩和R_M计算检验统计量U的过程为：

；

式中，n₁和n₂分别为数据集M和数据集L的样本容量，且n₁≥n₂。

7.根据权利要求6所述的定性分析方法，其特征在于，对U进行显著性检验得到植被覆盖度变化对生态系统服务影响的过程包括：

按如下公式计算检验值，

；

当检验值t_s大于临界值时，植被恢复对生态系统服务起促进作用。

8.根据权利要求1所述的定性分析方法，其特征在于，所述植被数据通过卫星遥感技术获取。

9.根据权利要求1所述的定性分析方法，其特征在于，植被覆盖度的变化趋势通过如下公式获得：

；

式中，h表示变化趋势，n´为恢复时段对应的年数，F_i为第i年的像元植被覆盖度FVC。

10.根据权利要求9所述的定性分析方法，其特征在于，像元植被覆盖度FVC通过如下公式获得；

；

式中，NDVI是地表区域植被指数值，NDVI_soil为地表非植被覆盖时的最小植被指数值，NDVI_veg是地表完全被植被覆盖时的最大NDVI值。