基于地理国情普查成果的生态系统服务价值核算方法

徐子蒙，李广泳，周 旭，程 滔，姜广辉，白 驹

1. 武汉大学经济与管理学院，湖北 武汉 430072； 2. 国家基础地理信息中心，北京 100830； 3. 北京师范大学自然资源学院，北京 100875

生态系统服务是生态系统在生态过程中通过生态系统的功能直接或间接提供给人类的福祉，以满足维持人类赖以生存和发展的环境条件与效用[1]。文献[2]首次提出了对生态系统提供的生态服务进行货币化核算，并对全球生态系统服务价值进行了核算。然而，由于生态系统服务价值核算涉及生态、经济、地理和环境等多学科知识的交叉，因此，生态系统服务价值核算自提出以来一直是学术界研究的热点，其成果也备受政府、社会组织的关注，并在实际管理、政策制定中得到广泛应用。改革开放以来，随着中国经济快速发展，过度的不合理人类活动导致生态系统退化趋势日益严重，人民对优美生态环境的需求与生态系统生态产品供给之间的矛盾凸显。自20世纪以来，对各级政府的考核一直局限在以传统的国民经济核算为主，忽略了生态环境损害的修复代价和资源消耗的不可恢复性，导致了自然界生态系统对社会经济服务不断弱化。准确、快速地核算陆地生态系统生态服务价值，形成一套全国范围、多尺度动态变化监测的生态服务价值数据产品已成为生态系统恢复、生态功能区划、生态补偿机制构建和保障国家生态安全的重大战略任务，更是生态文明建设的重要依据。

联合国千年生态系统评估理事会于2001年首次开启了在全球多尺度系统、全面的生态系统服务价值综合评估工作，确定了生态系统服务的内涵、概念与分类，厘清了生态系统服务功能与人类福祉的密切关系，提出了生态系统服务核算的框架等[3]。2014年联合国、欧盟等机构联合发布了《2012年环境经济核算体系-中心框架(SEEA)》和《2012年环境经济核算体系-实验性生态系统核算》，对生态系统服务价值核算的原则、方法、货币价值表达方法等方面都进行了细化，进一步丰富了该领域的相关理论、方法，构建了完善的生态系统服务价值核算平台[4-5]。随着国际社会及公众对生态环境保护重要性认知度的提升，部分发达国家相继开展了生态服务价值核算的研究工作。美国斯坦福大学等机构联合研发的InVEST模型，可以在土地覆被与气候变化双重情境下对生态系统服务提供的物质量和价值空间动态变化进行快速核算，但是模型中大量的模拟假设情境、简化的算法以及部分输入源数据精度的限制性增加了结果的不确定性[6]。针对特定的服务功能或区域，国际组织、机构先后开发了Encision、SolVES、MIMES等10种以上模型。然而，模型受区域适用性、条件约束等因素的限制并不适合我国国情需要[7]。目前国内学者对生态服务价值评估模型的研究没有突破性创新，应用最广的以文献[8]提出的当量因子法居多。国内生态服务价值核算多针对特定生态系统或区域尺度下开展[9]，全国尺度下生态服务价值核算以文献[8，10—11]发布结果为主。纵观国内生态系统服务价值核算研究工作，仍存在以下不足：

(1) 基于地表覆盖数据的生态系统服务价值核算中地表覆盖与生态系统分类内容指标对应性混乱；

(2) 适宜不同尺度下的生态系统服务价值空间化、多粒度变换制图表达技术薄弱；

(3) 同一生态系统其服务功能的空间差异化区别不清晰；

(4) 欠缺对生态系统服务价值动态化监测的精度和连续性分析。

针对全国尺度下生态系统服务价值核算存在的以上问题，在总结国内外相关研究的基础上，笔者利用地理国情普查和常态化监测的矢量化地表覆盖数据，运用优化的单位面积价值当量因子法，对全国尺度下陆地生态系统服务价值展开精准化核算和空间化表达，为生态补偿标准提供一定的理论依据与参考。

地理国情是从地理空间的视角来表征一个国家或区域的自然、经济以及人文的信息综合，包括地理区域特征、地形地貌特征、土地利用与土地覆盖、道路交通网络、城镇化扩张、科技教育文化及工矿企业等基本情况，以挖掘各类国情信息直接或间接的内在关联，用来解释区域自然资源、经济社会、生态环境时空动态变化规律及其驱动机制等[12]。为了满足现阶段国内经济社会发展和生态文明建设的需要，全面掌握我国地理国情现状及动态变化趋势，2013年国务院印发《关于开展第一次全国地理国情普查的通知》，决定于2013—2015年开展第一次全国地理国情普查。随后，基于地理国情普查的本底数据开展常态化地理国情监测，构建了地理国情监测成果数据库。地表覆盖数据就是地理国情普查和监测工作中形成的重要成果之一。地理国情地表覆盖数据包含耕地、园地、林地、草地、房屋建筑(区)、构筑物、道路、人工堆掘地、荒漠与裸露地、水域10个一级类。监测过程中综合利用全球导航卫星系统(GNSS)、航空航天遥感技术(RS)和地理信息系统技术(GIS)等现代测绘技术，结合优于1 m分辨率的多源遥感影像，秉承“所见即所得”的数据生产原则对地表覆盖进行人工解译和野外核查，能够准确地反映地表各类资源、环境、生态等要素的空间分布现状及其时空动态变化规律。本文在全国陆地生态系统生态服务价值核算过程中，主要应用2015年完成的地理国情普查地表覆盖数据作为生态系统服务价值核算的本底数据。

1 核算流程与方法

1.1 核算流程

为了解决全国尺度下生态系统服务价值核算过程中的不足，本文设计了适用地理国情普查矢量化地表覆盖成果的生态系统服务价值核算流程(图1)，主要包括4个部分：陆地生态系统矢量化数据生产，生态系统服务价值核算模型构建，植被生理特征参数数据生产，全国尺度下生态服务价值数据集生产。陆地生态系统矢量化数据生产即利用地理国情普查或常态化地理国情监测地表覆盖矢量化数据为数据源，根据地理国情地表覆盖与生态系统分类指标对应性，在ArcGIS环境下利用Python脚本将地表覆盖数据批量转换为全国尺度下的陆地生态系统矢量化数据。生态系统服务价值核算模型构建过程中，结合国内外相关研究成果，确定符合我国国情的生态系统服务功能类型，并构建适宜转化形成的陆地生态系统矢量化数据，且满足多尺度下生态系统服务价值核算、动态变化监测需求的模型。植被生理特征参数数据生产是根据选定的生态系统服务价值核算模型，对价值核算过程中需要的反映植被生理特征指标参数数据进行生产。最后，基于全国尺度下陆地生态系统矢量化数据，运用构建的生态系统服务价值核算模型，选用植被生理特征指标参数数据，采用地理格网空间化表达技术，生产全国尺度下生态系统服务价值数据集，包括生态系统服务价值总量及供给、调节、支持和文化服务子功能价值量。

图1 生态系统服务价值核算流程Fig.1 Flow chart of ecosystem service value accounting

1.2 核算方法

1.2.1 地理国情数据的转换表达

由于地理国情地表覆盖与中国陆地生态系统分类目的、原则和体系的迥异，即使两套分类中名称一致的指标，由于其指标内容、概念语义等方面存在差异，也不能简单、直接的将两个指标进行盲目对应[13]。笔者选取《中国生态系统》中的陆地生态系统分类体系作为标准生态系统分类指标[14]，依据各生态系统类型的内部结构、功能，内容指标的概念语义对地理国情地表覆盖三级指标进行归并(不存在三级指标的按照二级指标进行归并)，构建地理国情地表覆盖与生态系统分类内容指标转换表达关系。分类过程中，结合中国1∶100万植被数据集、中国陆地生态系统数据库区分草地与草甸生态系统。湿地生态系统虽然是陆地重要的生态系统，但由于当前湿地仍无统一的定义，造成其范围难以界定[15]。因此，在本文地理国情地表覆盖与生态系统内容指标转化中不考虑该类别。通常状况下，城镇生态系统不参与生态系统服务价值的核算，该部分内容指标将不在转换表达对应关系构建内。具体地理国情地表覆盖与生态系统内容指标对应关系见文献[13]。

1.2.2 生态系统服务价值核算模型

本文研究采用文献[8]提出的生态系统服务分类及当量因子表，将生态系统服务分为供给、调节、支持和文化服务4个一级类，并进一步细分为食物生产、原料生产、水资源供给、气体调节、气候调节、净化环境、水文调节、土壤保持、维持养分循环、生物多样性和美学景观11种服务功能二级类，并建立全国单位面积生态服务价值基础当量表。用于农业生产的温室、大棚被塑料薄膜覆盖呈现同外界环境半隔离状态，对外界的气体调节、气候调节等部分生态服务功能几近丧失。在生态服务功能标准价值当量设计过程中，将温室生态系统视作农田生态系统中单独的子系统，并针对各项服务功能对价值当量因子进行核算。各生态系统服务标准价值当量因子表见文献[13]。

为了体现不同生态系统对各项生态系统服务贡献潜在能力的差异，文献[8]以全国农田每年自然平均粮食产量的经济价值作为参考标准，将2010年1个标准生态系统服务价值当量因子确定为3 406.50元/hm2。本文利用经济学上的可比价概念，将2010年标准生态系统服务当量因子经济价值统一到待核算年份的价格基础上，以2015年为例，计算方法如下

ESV2015标准=ESV2010标准×(1+(CPI2015标准-CPI2010标准)/CPI2010标准×100%)

(1)

根据2010、2015年CPI指数，确定ESV2015标准为1.055 4。按照2010年标准生态系统服务当量因子经济价值为3 406.50元/hm2，2015年应该调整为3 595.22元/hm2。

为了实现生态系统服务价值的空间化表达，首先将待核算区域的陆地生态系统矢量数据进行地理格网化处理，每个网格单元独立作为该区域生态系统服务价值统计的粒度细胞；然后，对每个地理格网内各类生态系统的逐项生态系统服务价值进行核算，各格网内核算值的累计值即为该格网内所有生态系统提供的生态系统服务价值量。以1 km×1 km格网为核算单元，核算方法如下

(2)

(3)

式中，ESVi为第i格网内各类生态系统服务价值总量(i=1，2，…)；ESV2015标准为标准生态系统服务价值当量因子经济价值量；ESVai是第i格网内的所有覆盖类型的a项生态系统服务功能的生态系统服务价值当量总量(a=1，2，3，4)；Aij第i格网内j类覆盖类型图斑面积(j=1，2，3，4，5，6)；Vaij是第i格网内j类覆盖类型某图斑a项生态系统服务功能的生态服务价值当量。

植被是生态系统中的主要组分，决定着生态系统的形态和结构。植被动态变化特征对于生态系统的直接、间接生态服务供给量产生较大的影响[16]。增强植被指数(enhanced vegetation index，EVI)直接反映植被活性年内、年际动态变化特征，对气候变化和人类活动响应敏感，不仅与生态系统内植被群落结构、功能密切相关，还间接反馈生态系统内水文变量、土壤碳库储量的动态变化。植被净初级生产力(net primary productivity，NPP)是单位时间、面积上的植物所产生的有机干物质总量，是反映生态系统功能状况的重要指标和地球生物物理化学过程中物质、能量循环的关键环节[17]。植被生长季长度是植被从返青到枯黄阶段的历时，直接反映植被进行光合作用的时间长度。植被物候期中生长季参数时间的延长、缩短直接在时间维度上决定植被生态系统提供气候调节、美学景观的时间长度，从而控制生态系统提供调节、文化服务的供给总量[18-20]。因此，在传统Costanza生态服务价值统计模型的基础上，将选取的EVI、NPP和生长季3个指标融入模型中，构建生态服务价值核算优化模型，各项生态服务功能选用的优化指标见表1，各生态系统生态服务功能当量的修正模型如下。

表1 生态服务功能优化指标

供给服务当量修正方法

(4)

调节服务当量修正方法

(5)

支持服务当量修正方法

(6)

文化服务当量修正方法

(7)

式中，Vaig、Vait、Vaiz、Vaiw分别为校正后i格网单元内供给、调节、支持及文化生态服务价值当量值；NPPi第i格网内的特定覆盖类型(农田、森林或草地)的NPP；NPP′为全国特定覆盖类型的生态系统的基年平均NPP；EVIi第i格网内的特定覆盖类型(耕地、森林或草地)的EVI；EVI′为全国特定覆盖类型的生态系统的平均EVI。GSi第i格网内的特定覆盖类型(农田、森林或草地)的生长季；GS′为全国特定覆盖类型的生态系统的平均生长季。

1.2.3 不同粒度格网变换核算试验

随着生态环境保护成为当前人类面临的共同问题，国际国内对于认识国家区域大尺度的生态系统服务价值核算愈加重视。然而，当前大、中尺度下的生态系统服务价值空间化表达受核算粒度较粗的影响，对于较小尺度下生态系统和生态环境管理和指导的意义并不直接、明确。在行政区域层面的省、市、区(县)，自然区域层面的重点流域和各类保护区加强中、小尺度的生态系统服务价值核算是未来的一个重要方向[21]。同时，考虑探究不同尺度生态系统之间以及与外部因素之间的相互作用及影响机制，对于理解生态系统服务的动力学机制及其对人类福利的意义是至关重要的[22]。利用地理格网技术进行不同尺度、多粒度的生态服务价值核算是否可行仍不确定。针对该问题，本文选取黑龙江省呼兰区开展不同粒度的生态服务价值核算(图2)，并从核算耗时、成果数据量、变化监测和可视化效果角度出发对不同粒度核算结果进行评估。结果表明，地理格网可以根据生态服务价值动态变化监测、驱动力分析的需求变换格网粒度，其生态服务价值核算结果、精度不会发生改变。

图2 黑龙江省呼兰区不同粒度生态服务价值总量空间格局Fig.2 Spatial pattern of the total ecosystem service value of different granularity of Hulan District, Heilongjiang Province

1.3 参数数据生产

反映植被生理特征指标的参数数据包括年内最大EVI、NPP和生长季3类数据。EVI是通过影像光谱波段运算得到能够反映植被活性的参数，较归一化植被指数(normalized differential vegetation index，NDVI)改进了大气噪声、土壤背景的干扰，消除了饱和度问题，能够更准确地反映植被动态变化特征[23]。EVI序列数据选用2015年16天合成的MODIS13Q1 250 m空间分辨率产品，来源于美国国家航空航天局(NASA)网站(http:∥landsweb.nascom.nasa.gov/data/)。将预处理完成的年内序列EVI数据进行整理，在ArcGIS 10.1平台下采用最大合成法(maximum value composite，MVC)提取逐个栅格年内最大值形成年内最大EVI值数据。根据植被物候动态模型，植被生长季内植被指数的累积值可以代表植被的NPP[24]。为了保证数据的统一性，NPP、植被生长季长度数据生产均以2015年内序列EVI数据为输入源数据，选用阈值法物候模型[24]。参考多个生态系统植被物候期提取阈值[16-18]，将植被返青期阈值设置为0.2，枯黄期阈值设置为0.6。基于阈值法物候模型，在Matlab 7.0环境下开发数据生产程序，批量生产NPP和生长季长度指标参数数据(图3)。利用不同生态系统类型矢量数据掩膜提取的2015年各生态系统植被生理特征指标均值见表2。

图3 2015年EVI年内最大值、NPP和植被生长季数据Fig.3 EVI,NPP and vegetation growth season data of China in 2015

表2 2015年各生态系统植被动态特征指标均值

2 结果与分析

2.1 结果

以2015年完成的第一次全国地理国情普查地表覆盖矢量化成果为源数据，采用1 km×1 km格网核算全国尺度下(澳门、香港、台湾除外)陆地生态系统供给、调节、支持、文化服务和生态系统服务价值总量(图4)。2015年全国生态服务价值总量为402 503.54亿元，其中供给服务价值为27 059.71亿元，调节服务价值为290 940.69亿元，支持服务价值为70 134.96亿元，文化服务价值为14 699.58亿元。生态系统调节服务价值占生态系统服务价值总量比重最大，达到72.28%。2015年全国生态服务价值总量均值为412.92万元/km2，其中供给服务价值均值为27.76万元/km2，调节服务价值均值为298.47万元/km2，支持服务价值均值为71.95万元/km2，文化服务价值均值为15.08万元/km2。

图4 2015年中国陆地生态系统供给、调节、支持、文化服务和生态服务价值总量空间格局Fig.4 Spatial pattern of the supply, regulation, support, cultural services and the total ecosystem service value of China’s terrestrial ecosystem in 2015

根据图4可以看出，中国陆地生态系统提供的总服务和各项子功能服务强度地域分异规律明显。整体来看，中国东北部、中部和南部地区生态系统服务价值总量和各项子功能服务价值量较高，西北部地区较低。在全国范围，生态系统供给、调节服务价值量空间格局较支持、文化服务价值量更趋于均匀。东北部大、小兴安岭和长白山地区，中部秦岭地区以及喜马拉雅山东麓生态系统支持、文化服务价值量明显高于周边区域。青藏高原多湖泊分布，其生态服务价值总量和各项子功能服务价值量集聚分布明显。

2.2 成果对比与分析

生态系统服务价值核算模型在文献[8]的当量因子法基础上进行了修正，继承了原模型直观易用，对数据需求少的优点基础上，注重植被对生态系统服务的贡献，增加了反映植被生理特征指标的修正参数，发展成了一种动态的核算方法，对生态系统类型、质量状况的时空差异进行了区分，能够准确地反映生态系统功能在时间、空间上的动态变化。生态服务价值核算过程中可以应用多级格网技术，将逐个格网作为生态服务价值核算的粒度单元，直接应用矢量化数据进行生态服务价值核算，满足不同尺度对粒度大小的要求，不会改变生态服务价值核算的精度和区域内生态服务价值核算总量。较文献[2]基于生态系统单元进行核算，InVEST模型不能变换核算粒度具有很大的进步，可以适应政府、社会对不同尺度管理单元不同粒度的需求。该方法结合常态化地理国情监测数据将实现生态系统服务价值高精度、高频度动态变化监测，实现了气候变化和土地利用变化对生态系统服务价值动态变化贡献的区分[18]。在核算过程中本底数据选择上，地理国情普查地表覆盖矢量化成果转化的陆地生态系统数据，保留了生态系统内部最小的异质性斑块，更准确地反映生态系统内部结构特征，较国内、国际大尺度上生态系统服务价值核算采用的30 m、250 m、1000 m栅格数据核算的生态服务价值更准确[8,11,23]。

2015年全国生态服务价值总量比文献[8]核算的2010年总量增加了21 469.32亿元。其主要原因为受国内通胀率的影响，2015年标准生态系统服务当量因子经济价值比2010年增长1.055 4倍。在不考虑通胀率的前提下，2015年生态服务价值总量比2010年略微增加。相比2010年，各省生态服务价值总量变化差异较大(图5)。东北、西部地区省份生态服务价值总量增加明显，以内蒙古、新疆、西藏、黑龙江和青海增量最大，其主要原因为近年来国家对西部地区实施了大量生态环境保护、修复工程，以及在东北实施森林禁伐等政策利于该地区生态系统服务功能强度的提升[25]。西南、中东和南部省份生态服务价值总量减少的省份较多，以云南、四川、江西、广东省减量尤其突出，其主要原因是生态服务价值核算的数据源精度差异所致。基于地理国情监测成果转化形成的陆地生态系统数据能够将上述省份农村分散的大量独户农村居民点区分出来，不参与生态服务价值的核算。而分辨率较高的栅格数据忽略这些信息，将农村居民点归并到周边占优势的生态系统类型中，参与生态服务价值的核算，导致生态服务价值总量核算值偏高。另一方面，部分省份经济发展态势迅猛，城市化进程促进大面积高生态服务强度生态系统向城镇生态系统转变也是导致生态服务价值总量降低的原因之一[26]。

图5 2010、2015年各省生态系统服务价值总量变量Fig.5 Variable of total ecosystem service value of every province between 2010 and 2015

中国陆地生态系统服务价值总量空间格局呈现明显的地域分异规律，与文献[8，27]研究结果基本一致。在全国尺度下，中国东北部、中部和南部地区较西北部区域土壤肥沃，气候条件等更适宜植物生长，植被生物多样性、覆盖度较高[28]。因此，该区域生态系统服务强度、价值量都明显高于其他地区。中国西北部气候类型以干旱为主，多荒漠、戈壁等脆弱生态系统分布。因此，其生态系统服务强度较弱，单位面积地域提供的各项生态服务价值量较低。总之，我国幅员辽阔，不同地域气候、地貌类型等因素的明显差异决定了陆地生态系统的空间分异，生态系统服务价值空间格局差异性也主要受我国自然生态系统地域分异规律和不同生态系统各项生态服务功能供给量强度的影响[27]。

3 结 论

本文结合当前国内生态文明建设的需求，提出了地理国情普查和监测成果在生态系统服务价值核算领域的应用，建立了地理国情地表覆盖与生态系统分类内容指标转换表达关系，应用植被生理特征指标构优化了当量因子法生态系统服务价值核算模型，运用地理格网法实现了生态服务价值的空间化准确表达，形成了一套完善的基于地理国情地表覆盖矢量化数据的生态系统服务价值核算方法。结果表明，该技术方法能够快速地进行生态系统服务价值的核算，并可实现多尺度下的空间化表达粒度变换，利于生态系统服务价值动态变化监测和驱动力分析。基于该方法生产的中国陆地生态系统服务价值数据集成果将为我国生态补偿政策制定、生态功能区划提供服务，在国家生态安全重大战略方面发挥重要作用。