生态保护红线划定指南.doc

《生态保护红线划定指南.doc》由会员分享，可在线阅读，更多相关《生态保护红线划定指南.doc（41页珍藏版）》请在得力文库 - 分享文档赚钱的网站上搜索。

1、【精品文档】如有侵权，请联系网站删除，仅供学习与交流生态保护红线划定指南.精品文档.附件生 态 保 护 红 线 划 定 指 南环境保护部 国家发展改革委 2017 年 5 月附录 A生态系统服务功能重要性评估方法目前，生态系统服务功能采用的评估方法主要有模型评估法和 净初级生产力（NPP）定量指标评估法。其中，模型评估法所需参数 较多，对数据需求量较大，准确度较高；定量指标法以 NPP 数据为 主，参数较少，操作较为简单，但其适用范围具有地域性。为提高 评估结论的准确性以及与实地的相符性，评估方法的参数选取可在 评估过程进行适当调整和细化，尽可能采用国内权威的、分辨率更 高的基础数据。评估结果

2、还需根据实地观测、调查结果进一步校验。对于全国和各省生态保护红线划定，可使用 NPP 定量指标法、 模型法及其他常用评估方法。鉴于国家发展改革委在资源环境承载 力评估中使用的方法为模型法，为保持评估结果的一致性，建议各 地优先使用模型法。A.1 模型评估法A.1.1 水源涵养功能重要性评估 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。A.1.1.1 评估模型采用水量平衡

3、方程来计算水源涵养量，计算公式为：TQ =i=1(P - R - ET ) A 103式中：TQ为总水源涵养量（m3），P 为降雨量（mm），R 为地表径ii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。A.1.1.2 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，具体信息见表 A1。表 A1水源涵养功能重要性评估数据表名称类型分辨率数据来源生态系统类型数据集矢量-全国生态状况遥感调查与评估成果气象数据集文本-中国气象科学数据共享服务

4、网蒸散发数据集栅格1km国家生态系统观测研究网络科技资源服 务系统网站（2）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：R=Pa式中：R为地表径流量（mm），P为多年平均降雨量（mm），为 平均地表径流系数，如表 A2 所示。表 A2各类型生态系统地表径流系

5、数均值表生态系统类型 1生态系统类型 2平均地表径流系数（%）森林常绿阔叶林2.67常绿针叶林3.02针阔混交林2.29落叶阔叶林1.33落叶针叶林0.88稀疏林19.20灌丛常绿阔叶灌丛4.26落叶阔叶灌丛4.17针叶灌丛4.17稀疏灌丛19.20草地草甸8.20草原4.78草丛9.37稀疏草地18.27湿地湿地0.00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

6、为矢量数据，通过 ArcGIS 软 件转为 250m 空间分辨率的栅格图。A.1.1.3 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（Spatial AnalystRaster Calculator）中，根据公式计算得 到生态系统水源涵养量。A.1.2 水土保持功能重要性评估 水土保持是生态系统（如森林、草地等）通过其结构与过程减少由于水蚀所导致的土壤侵蚀的作用，是生态系统提供的重要调节 服务之一。水土保持功能主要与气候、土壤、地形和植被有关。以 水土保持量，即潜在土壤侵蚀量与实际土壤侵蚀量的差值，作为生 态系统水土保持功能的评估指标。A.1.2.1 评

7、估模型 采用修正通用水土流失方程（RUSLE）的水土保持服务模型开展评价，公式如下：Ac = Ap - Ar = R K L S (1 - C )式中，Ac为水土保持量（t/hm a）；Ap为潜在土壤侵蚀量；Ar为 实际土壤侵蚀量；R为降雨侵蚀力因子（MJmm/hm2ha）；K为土壤可 蚀性因子（thm2h/hm2MJmm）；L、S为地形因子，L表示坡长因子， S表示坡度因子；C为植被覆盖因子。A.1.2.2 数据准备（1）数据来源与获取 根据上述模型，水土保持功能重要性评估需收集高程数据集、气象数据集和土壤数据集等数据，具体信息见表 A3。表 A3水土保持功能重要性评估数据表名称类型分辨率数

8、据来源高程数据集栅格30m地理空间数据云网站气象数据集文本中国气象科学数据共享服务网土壤数据集矢量/Excel全国生态环境调查数据库 中国 1：100 万土壤数据库（2）数据预处理降雨侵蚀力因子 R：是指降雨引发土壤侵蚀的潜在能力，通过多 年平均年降雨侵蚀力因子反映，计算公式如下：24R = R半月kk =1_式中，R为多年平均年降雨侵蚀力（MJmm/hm2ha）；R为第 k半月 k个半月的降雨侵蚀力（MJmm/hm2ha）；k为一年的 24 个半月，k 1,2,24；i为所用降雨资料的年份，i1,2,n；j为第 i年第 k个半月侵蚀性降雨日的天数，j1,2,m；Pi,j,k为第 i年第 k个

9、 半月第 j个侵蚀性日降雨量（mm），可以根据全国范围内气象站点多 年的逐日降雨量资料，通过插值获得；或者直接采用国家气象局的 逐日降雨量数据产品。为参数，暖季时0.3937，冷季时 0.3101。土壤可蚀性因子 K：指土壤颗粒被水力分离和搬运的难易程度， 主要与土壤质地、有机质含量、土体结构、渗透性等土壤理化性质 有关，计算公式如下：K = (-0.01383 + 0.51575K EPIC ) 0.1317K= 0.2 + 0.3exp -0.0256m s(1- m silt / 100) m/ (m + m) 0.3EPICsiltcsilt1 - 0.25orgC / orgC +

10、exp(3.72 - 2.95orgC) 1 - 0.7(1 - ms / 100) / (1 - ms / 100) + exp-5.51 + 2 2.9(1- ms / 100)式中，KEPIC表示修正前的土壤可蚀性因子，K表示修正后的土壤可蚀 性因子，mc、msilt、ms和 orgC分别为粘粒（0.002 mm）、粉粒（0.002 mm 0.05 mm）、砂粒（0.05 mm2 mm）和有机碳的百分比含量（%），数 据来源于中国 1：100 万土壤数据库。在 Excel 表格中，利用上述公 式计算 K值，然后以土壤类型图为工作底图，在 ArcGIS 中将 K值连 接（Join）到底图上

11、。利用 Conversion Tools 中矢量转栅格工具， 转换成空间分辨率为 250m 的土壤可蚀性因子栅格图。地形因子 L、S：L表示坡长因子，S表示坡度因子，是反映地形 对土壤侵蚀影响的两个因子。在评估中，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估的地形指标。 选 择 高 程 数 据 集 ， 在 Spatial Analyst 下 使 用 Neighborhood Statistics，设置 Statistic Type 为最大值和最小值，即得到高程 数据集的最大值和最小值，然后在 Spatial Analyst 下使用栅格计 算器 Raster Calc

12、ulator，公式为最大值-最小值，获取地形起伏 度，即地形因子栅格图。植被覆盖因子 C：反映了生态系统对土壤侵蚀的影响，是控制土 壤侵蚀的积极因素。水田、湿地、城镇和荒漠参照 N-SPECT 的参数 分别赋值为 0、0、0.01 和 0.7，旱地按植被覆盖度换算,计算公式如 下：C旱 =0.221-0.595log c1式中，C 旱为旱地的植被覆盖因子，c1 为小数形式的植被覆盖度。 其余生态系统类型按不同植被覆盖度进行赋值，如表 A4 所示。表 A4不同生态系统类型植被覆盖因子赋值生态系统类型植被覆盖度90森林0.10.080.060.020.0040.001灌丛0.40.220.140.

13、0850.040.011草地0.450.240.150.090.0430.011乔木园地0.420.230.140.0890.0420.011灌木园地0.40.220.140.0870.0420.011A.1.2.3 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（Spatial AnalystRaster Calculator）中，根据公式计算得 到生态系统水土保持量。A.1.3 防风固沙功能重要性评估 防风固沙是生态系统（如森林、草地等）通过其结构与过程减少由于风蚀所导致的土壤侵蚀的作用，是生态系统提供的重要调节 服务之一。防风固沙功能主要与风速、降雨、

14、温度、土壤、地形和 植被等因素密切相关。以防风固沙量（潜在风蚀量与实际风蚀量的 差值）作为生态系统防风固沙功能的评估指标。A.1.3.1 评估模型 采用修正风蚀方程来计算防风固沙量，公式如下：SR=SL潜 -SLS = 2 z Q e-( z / s )LS 2MAXS = 150.71 (WF EF SCF K C)-0.3711Qmax = 109.8WF EF SCF K CS= 2 z Q-(z / s潜)2L潜2潜MAX 潜QMAX 潜 =109.8WF EF SCF K S潜 =150.71(WF EF SCF K )-0.3711式中，SR为固沙量（t km-2 a-1）；S为潜

15、在风力侵蚀量（t km-2 a-1）；L潜-2-1SL为实际风力侵蚀量（t kma ）；QMAX为最大转移量（kg/m)；Z为最大风蚀出现距离（m)；WF为气候因子（kg/m）；K为地表糙度因子；EF 为土壤可蚀因子；SCF为土壤结皮因子；C为植被覆盖因子。A.1.3.2 数据准备（1）数据来源与获取 根据上述评估模型，防风固沙功能重要性评估需用到遥感数据集、高程数据集、气象数据集和土壤数据集等数据，具体信息见表 A5。表 A5防风固沙功能重要性评估数据表名称类型分辨率数据来源遥感数据集栅格250m美国国家航空航天局（NASA）网站或地 理空间数据云网站高程数据集栅格30m地理空间数据云网站气

16、象数据集文本中国气象科学数据共享服务网土壤数据集矢量/Excel全国生态环境调查数据库 中国 1：100 万土壤数据库中国地区 Modis 雪盖产 品数据集栅格0.05 度寒区旱区科学数据中心（2）数据预处理 气候因子 WFWF = Wf r SW g SD式中，WF为气候因子，单位为 kg/m，12 个月 WF总和得到多年 年均 WF；Wf为各月多年平均风力因子，为空气密度，g为重力加速 度；在 Excel 中计算出区域所有气象站点的多年平均风力，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

17、 Interpolate to Raster 选项，选择相应的插值方法得到各月多年平均风力因子栅格图。SW 为各月多年平均土壤湿度因子，无量纲；SD为雪盖因子，无量纲。 雪盖数据来源于寒区旱区科学数据中心的中国地区 Modis 雪盖产品 数据集。土壤可蚀因子 EF29.09 + 0.31sa + 0.17si + 0.33 (sa / cl )- 2.59OM - 0.95Caco 3EF =100式中，sa为土壤粗砂含量（0.2 mm2 mm）（%）；si为土壤粉 砂含量（%）；cl 为土壤粘粒含量（%）；OM为土壤有机质含量（%）； Caco3为碳酸钙含量（%），可不予考虑。土壤结皮因子

18、SCFSCF =11 + 0.0066(cl)2 + 0.021(OM )2式中，cl 为土壤粘粒含量（%）；OM为土壤有机质含量（%）。 植被覆盖因子 C不同植被类型的防风固沙效果不同，研究将植被分为林地、灌 丛、草地、农田、裸地和沙漠六个植被类型，根据不同的系数计算 各植被覆盖因子 C值：C = eai (SC )式中，SC为植被覆盖度，计算公式见 A.1.2.2；ai为不同植被类 型的系数，分别为：林地 0.1535，草地 0.1151，灌丛 0.0921，裸地 0.0768，沙地 0.0658，农田 0.0438。地表糙度因子 KK =e (1 .86 K r- 2 .41 K 0 .

19、934 - 0 .127 Crr )Kr = 0.2 (DH )2L式中，Kr为土垄糙度，以 Smith-Carson 方程加以计算，单位 cm； Crr为随机糙度因子，取 0，单位 cm；L为地势起伏参数；H为距离 L范围内的海拔高程差，在 GIS 软件中使用 Neighborhood statistics 工具计算 DEM 数据相邻单元格地形起伏差值获得。A.1.3.3 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（Spatial AnalystRaster Calculator）中，根据公式计算得 到生态系统防风固沙量。A.1.4 生物多样性维护功能

20、重要性评估 生物多样性维护功能是生态系统在维持基因、物种、生态系统多样性发挥的作用，是生态系统提供的最主要功能之一。生物多样 性维护功能与珍稀濒危和特有动植物的分布丰富程度密切相关，主要以国家一、二级保护物种和其他具有重要保护价值的物种（含旗 舰物种）作为生物多样性保护功能的评估指标。A.1.4.1 评估模型 以国家一、二级保护物种和其他具有重要保护价值的物种为保护目标，全面收集区域动植物多样性和环境资源数据，建立物种分 布数据库。根据关键物种分布点的环境信息和背景信息，应用物种 分布模型（Species Distribution Models，SDMs）量化物种对环境 的依赖关系，从而预测任

21、何一点某物种分布的概率，结合关键物种 的实际分布范围最终划定确保物种长期存活的保护红线。A.1.4.2 数据准备（1）物种分布数据库 物种分布数据库是以物种名、经纬度和调查时间为核心信息的数据库。物种名分为中文名和拉丁名两个字段；经纬度字段以度为 单位，保留小数点后 5 位数字，并记录数据精度，野外调查中通过 GPS 记录的数据精度一般在十几米，根据地名信息（县名、乡镇名、 河流、山脉等）匹配的经纬度精度一般在几公里至几十公里；时间 字段为年（如 1998，2005 等），记录日期与时间、调查的时间阶段 等信息。此外，可增加备注字段（memo），记录任何相关信息（该字 段不限长度）。各数据来源

22、（调查人、文献等）应记录在数据库中。 数据库软件可采用 MS Access。（2）利用物种分布模型预测物种的分布 建立物种分布的数据库后，配合环境变量，即可应用物种分布模型预测物种的分布。环境变量每个环境变量以 GIS 图层的形式储存和管理，范围覆盖整个中 国。对于空间范围超过 1000 万平方公里的分析，精度为 1 平方公里 的栅格数据是最常用的。常用的环境变量有： 地形地貌变量：海拔、坡度、坡向； 地表类型变量：土地覆被类型、植被类型、土壤类型；气候变量：年均温、年均降水量的季节变异、1 月最低温、1 月 均温、1 月降水量、7 月最高温、7 月均温、7 月降水量、年均温度 变化范围、干燥

23、度、辐射强度；生态指标：植被净初级生产力、NDVI、土层厚度、土壤氮含量、 土壤碳含量等;人文指标：GDP、人口密度、道路密度、乡镇密度、河流密度等。物种分布模型 常用的物种分布模型主要包括回归模型、分类树和混合大量简单模型的神经网络、随机森林等。其中逻辑斯蒂回归是最为简单、 应用最广的模型。机器学习类复杂模型（如随机森林、神经网络、 Maxent 等）的预测精度较高，近年来应用较多。逻辑斯蒂回归是广义线性模型（Generalized Linear Models） 的一种形式。广义线性模型是一般线性模型的扩展，允许因变量为 二项分布、泊松分布等离散型的分布；而一般线性模型要求因变量 为连续变量

24、，而且其残差为正态分布。大多数统计软件在运行广义 线性模型时，都可以应用逐步回归，依据模型拟合优度的统计量Akaike Information Criterioin (AIC) 或 Bayesian Information Criteria (BIC)去除冗余变量，减少共线性。随机森林（Random Forest）应用 Breiman 的随机森林算法，通 过对大量的分类树的计算来进行分类和回归。随机森林把一组解释 变量的值（一个向量）输入森林中的每棵分类树中，每棵树都给出 这个向量的分类结果（例如物种存在还是不存在）。随机森林对所有 的树的分类结果进行打分，并选择得分最高的分类树。整个算法包

25、括树的生长阶段和投票选择阶段。随机森林在树的构建过程中，随 机地从源数据集获取训练集，随机地选择训练集的变量，因此和其 他树分类器的工作原理完全不同。随机森林构建的组合树的误差率 更加小且稳定。预测分布范围 物种的每个分布点都对应着环境变量的信息，如海拔 1500 米，植被类型为灌丛，人口密度为 5 人/平方公里等。根据物种分布点的 环境信息和背景信息（整个区域），物种分布模型可以量化物种对环 境的依赖关系，从而预测任何一点（该点必须有环境变量的信息） 物种分布的概率。一般可随机选择地点预测物种分布的概率，也可以按照 0.2 度的间隔在全国选择预测点（如动物红线划分中选择 23953 个），预

26、测 物种在这些预测点的分布概率。有两种物种分布模型（即 Maxent 和 GARP）直接调用环境变量的 GIS 图层，并生成预测图层，所以不需 要选择预测点。在生成 23953 点表示物种分布的概率后，可以通过 几个途径划出等值线。例如，GIS 的空间插值法可以生成等值线图，等值线取值范围在 0-1 之间，代表了物种分布的概率，或者生境适 宜度。A.2 NPP 定量指标评估方法A.2.1 水源涵养功能重要性评估A.2.1.1 评估模型 以生态系统水源涵养服务能力指数作为评估指标，计算公式为：WR = NPPmean Fsic Fpre (1 - Fslo )式中，WR为生态系统水源涵养服务能力

27、指数，NPPmean为多年植被 净初级生产力平均值，Fsic为土壤渗流因子，Fpre为多年平均降水量因 子，Fslo 为坡度因子。A.2.1.2 数据准备（1）数据来源与获取 根据上述评估模型，水源涵养服务功能评估所需数据包括 NPP 数据集、土壤数据集、气象数据集、高程数据集等，具体信息见表 A6。表 A6水源涵养服务功能评估数据表名称类型分辨率数据来 源NPP 数据集栅格250m全国生态状况遥感调查与评估成果土壤数据集栅格1km寒区旱区科学数据中心气象数据集文本中国气象科学数据共享服务网高程数据集栅格30m地理空间数据云网站（2）数据预处理土壤渗流因子 Fsic：采用 ArcGIS 软件打

28、开土壤数据集中的栅格 图 HWSD_China_Albers.img ， 将 该 栅 格 图 属 性 中 的 value 字 段 与HWSD.mdb（土壤属性表）的字段 MU_GLOBAL 连接，将字段 T_USDA_TEX 的属性值除以 13，得到土壤渗流因子栅格图。多年平均降水量因子 Fpre：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多年平均降 水量栅格图。坡度因子 F

29、slo：根据评估区域高程数据集，采用 ArcGIS 软件中 Spatial Analyst 工具条下的 Surface AnalysisSlope 选项计算 得到坡度栅格图。A.2.1.3 模型运算将各因子数据统一成 250m 分辨率的栅格数据，在 ArcGIS 栅格 计算器（Spatial AnalystRaster Calculator）中，采用最大最 小值法将数据归一化到 0-1 之间，根据公式计算得到生态系统水源 涵养服务能力指数。A.2.2 水土保持功能重要性评估A.2.2.1 评估模型 以生态系统水土保持服务能力指数作为评估指标，计算公式为：S pro= NPPmean (1 -

30、K ) (1 - Fslo )式中：Spro为水土保持服务能力指数，NPPmean为多年植被净初级 生产力平均值，Fslo 为坡度因子，K为土壤可蚀性因子。A.2.2.2 数据准备（1）数据来源与获取根据上述评估模型，水土保持服务功能评估所需数据包括 NPP 数据集、土壤数据集、高程数据集等，具体信息见表 A7。表 A7水土保持服务功能评估数据表名称类型分辨率数据来 源NPP 数据集栅格250m全国生态状况遥感调查与评估成果土壤数据集栅格1km寒区旱区科学数据中心高程数据集栅格30m地理空间数据云网站（2）数据预处理坡度因子 Fslo：计算方法同 A.2.1.2。 土壤可蚀性因子 K:计算方法

31、同 A.1.2.2。A.2.2.3 模型运算将 K值数据重采样至 250m 栅格，采用最大最小值法将重采样数 据归一化到 0-1 之间，根据公式计算得到生态系统水土保持服务能 力指数。A.2.3 防风固沙功能重要性评估A.2.3.1 评估模型 以生态系统防风固沙服务能力指数作为评估指标，计算公式为：Sws = NPPmean K Fq D 112u 3 ETPi - Pi Fq=100 1=1 dETPiETPi=0.19(20+Ti)2(1-ri)u2=u1(z2 /z1)1/7D = 1 / cos(q)式中：Sws为防风固沙服务能力指数，NPPmean为多年植被净初级生产 力平均值，K为

32、土壤可蚀性因子，Fq为多年平均气候侵蚀力，u为 2m 高 处的月平均风速，u1、u2分别表示在 z1、z2高度处的风速，ETPi为月潜 在蒸发量(mm)，Pi为月降水量(mm)，d为当月天数，Ti为月平均气温， ri为月平均相对湿度(%)，D为地表粗糙度因子，为坡度（弧度）。A.2.3.2 数据准备（1）数据来源与获取 根据上述评估模型，防风固沙服务功能评估所需数据包括 NPP数据集、气象数据集、DEM 数据集等，具体信息见表 A8。表 A8防风固沙服务功能评估数据表名称类型分辨率数据来 源NPP 数据集栅格250m全国生态状况遥感调查与评估成果气象数据集文本中国气象科学数据共享服务网DEM

33、数据集栅格30m地理空间数据云网站（2）数据预处理土壤可蚀性因子 K：计算方法同 A.1.2.2。月潜在蒸发量因子 ETPi：在 Excel 中计算出区域所有气象站点 的月潜在蒸发量，在 ArcGIS 软件中 Spatial Analyst 工具条下选择 Interpolate to Raster 选项，选择相应的插值方法得到多年潜在蒸 发量栅格图。多年平均气候侵蚀力因子 Fq：根据公式将 2m 高处的月平均风速 换算成 10m 高处的月平均风速；根据公式在 Excel 中计算出区域所有 气象站点的多年平均气候侵蚀力，在 ArcGIS 软件中 Spatial Analyst工具条下选择 Int

34、erpolate to Raster 选项，选择相应的插值方法 得到多年平均气候侵蚀力栅格图。地表粗糙度因子 D：在 ArcGIS 栅格计算器（Spatial Analyst Raster Calculator）中计算 1/cos(坡度（）3.1415926/180)。A.2.3.3 模型运算将 各 因 子 数 据 重 采 样 至 250m 栅 格 ， 在 ArcGIS 栅 格 计 算 器（Spatial AnalystRaster Calculator）中，采用最大最小值法将 重采样数据归一化到 0-1 之间，根据公式计算得到生态系统防风固 沙服务能力指数。A.2.4 生物多样性维护功能重要

35、性评估A.2.4.1 评估模型 以生物多样性维护服务能力指数作为评估指标，计算公式为：Sbio = NPPmean Fpre Ftem (1 - Falt )式中：Sbio为生物多样性维护服务能力指数，NPPmean为多年植被 净初级生产力平均值，Fpre为多年平均降水量，Ftem为多年平均气温， Falt 为海拔因子。A.2.4.2 数据准备（1）数据来源与获取 根据上述评估模型，生物多样性维护功能评估所需数据包括 NPP数据集、气象数据集、高程数据集等，具体信息见表 A9。表 A9生物多样性维护功能评估数据表名称类型分辨率数据来 源NPP 数据集栅格250m全国生态状况遥感调查与评估成果气

36、象数据集文本中国气象科学数据共享服务网高程数据集栅格30m地理空间数据云网站（2）数据预处理多年平均降水量因子 Fpre：计算方法同 A.2.1.2。 多年平均气温因子 Ftem：在 Excel 中计算出区域所有气象站点的多年平均气温，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多年平均气 温栅格图。A.2.4.3 模型运算将 各 因 子 数 据 重 采 样 至 250m 栅 格 ， 在 ArcGIS 栅

37、 格 计 算 器（Spatial AnalystRaster Calculator）中，采用最大最小值法将 重采样数据归一化到 0-1 之间，根据公式计算得到生物多样性维护 服务能力指数。A.3 评估分级通过模型计算，得到不同类型生态系统服务值（如水源涵养量） 栅 格 图 。 在 地 理 信 息 系 统 软 件 中 ， 运 用 栅 格 计 算 器 ， 输 入 公 式 “Int(某一功能的栅格数据/某一功能栅格数据的最大值 100)”，得到归一化后的生态系统服务值栅格图。导出栅格数据属性 表，属性表记录了每一个栅格像元的生态系统服务值，将服务值按 从高到低的顺序排列，计算累加服务值。将累加服务值

38、占生态系统 服务总值比例的 50%与 80%所对应的栅格值，作为生态系统服务功能 评估分级的分界点，利用地理信息系统软件的重分类工具，将生态 系统服务功能重要性分为 3 级，即极重要、重要和一般重要。表 A10生态系统服务功能评估分级重要性等级极重要重要一般重要累积服务值占服务总值 比例（%）503020附录 B生 态 环 境 敏 感 性 评 估 方 法陆地生态环境敏感性评估主要包括水土流失敏感性、土地沙化 敏感性、石漠化敏感性、盐渍化敏感性评估，具体评估方法如下。 各地可根据区域生态环境实际，开展其他类型敏感性评估，如地质 灾害敏感性评估。为提高评估结论的准确性以及与实地的相符性， 评估方法

39、的参数选取可在评估过程进行适当调整和细化，尽可能采 用国内权威的、分辨率更高的基础数据。B.1 水土流失敏感性评估B.1.1 评估模型 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 敏感性中进行评估，本节主要对水动力为主的水土流失敏感性进行 评估。参照原国家环保总局发布的生态功能区划暂行规程，根据 通用水土流失方程的基本原理，选取降水侵蚀力、土壤可蚀性、坡 度坡长和地表植被覆盖等指标。将反映各因素对水土流失敏感性的 单因子评估数据，用地理信息系统技术进行乘积运算，公式如下：SSi =4 Ri Ki LSi Ci式中：SSi 为

40、 i 空间单元水土流失敏感性指数，评估因子包括降 雨侵蚀力（Ri）、土壤可蚀性（Ki）、坡长坡度（LSi）、地表植被覆盖（Ci）。B.1.2 数据准备（1）数据来源与获取 根据上述评估模型，水土流失敏感性评估所需数据包括气象数据集、土壤数据集、高程数据集、遥感数据集等，具体信息见表 B1。表 B1水土流失敏感性评估数据表名称类型分辨率数据来源气象数据集文本文献土壤数据集矢量/Excel全国生态环境调查数据库 中国 1：100 万土壤数据库高程数据集栅格30m地理空间数据云遥感数据集栅格250m美国国家航空航天局（NASA）网站 地理空间数据云网站（2）数据预处理降雨侵蚀力因子 Ri：可根据西北

41、农林科技大学王万忠教授等利 用降水资料计算的中国 100 多个城市的 R值，用 ArcGIS 软件，在 Spatial Analyst 工具中选择 Interpolate to Raster 选项，采用相 应的插值方法绘制 R 值栅格分布图。坡度坡长因子 LSi：计算方法同 A.1.2.2。 土壤可蚀性因子 Ki：计算方法同 A.1.2.2。植被覆盖度因子 Ci：植被覆盖度信息提取是在对光谱信号进行 分析的基础上，通过建立归一化植被指数与植被覆盖度的转换信息， 直接提取植被覆盖度信息。Ci=(NDVI-NDVIsoil)/(NDVIveg-NDVIsoil)式中：NDVIveg为完全植被覆盖地

42、表所贡献的信息，NDVIsoil 为无植 被覆盖地表所贡献的信息。覆 盖 全 国 的 MODIS NDVI 数 据 ， 来 源 于 美 国 国 家 航 空 航 天 局（NASA） 的 EOS/MODIS 数据产品（http:/e4ft101.cr.usgs.gov）， 空间分辨率为 250 m250 m，时间分辨率为 16d。运用地理信息系统 软件进行图像处理，获取植被 NDVI影像图。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 ND

43、VIsoil，累积频率为 98%的 NDVI值为 NDVIveg。 然后在 Spatial Analyst 下使用栅格计算器 Raster Calculator，进 而计算植被覆盖度。各项指标综合采用自然分界法与专家知识确定分级赋值标准， 不同评估指标对应的敏感性等级值见表 B2。表 B2水土流失敏感性的评估指标及分级指标降雨侵蚀力土壤可蚀性地形起伏度植被覆盖度分级赋值一般敏感600砂粉土、粉土3000.25B.1.3 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（Spatial AnalystRaster Calculator）中，根据评估模型计 算得到

44、水土流失敏感性指数。B.2 土地沙化敏感性评估B.2.1 评估模型 参照生态功能区划暂行规程，选取干燥度指数、起沙风天数、土壤质地、植被覆盖度等指标。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，得到评估区的土地沙 化敏感性等级分布图，公式如下：Di =4 Ii Wi Ki Ci式中：Di为 i评估区域土地沙化敏感性指数；Ii、Wi、Ki、Ci分 别为评估区域干燥度指数、起沙风天数、土壤质地和植被覆盖的敏 感性等级值。B.2.2 数据准备（1）数据来源与获取 根据上述评估模型，土地沙化敏感性评估所需数据包括气象数据、土壤数据、遥感数据等，具体信息见表 B3。表 B3土地沙化敏感性评估数据表名称类型分辨率数据来 源气象数据集文本中国气象科学数据共享服务网土壤数据集矢量/Excel全国生态环境调查数据库 中国 1：100 万土壤数据库遥感数据集栅格250m美国国家航空航天局（NASA）网站 地理空间数据云网站（2） 数据预处理干燥度指数因子 Ii：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。采用修正的谢良尼诺夫公式计算干燥度 指数。在 Excel 中计算出区域所有气象站点全年10的积温和全年10期间的降雨量，然后利用下