GEE支持下的1988—2...其对生态系统服务价值的影响_吴鹏海.pdf

2023年2月第29卷第1期安庆师范大学学报（自然科学版）Journal ofAnqing Normal University（Natural Science Edition）Feb.2023Vol.29 No.1GEE支持下的19882022年淮北市土地利用变化及其对生态系统服务价值的影响吴鹏海1,2,3*，方红梅1，黄晓涵1，汪燕妮1，夏心月1（1.湿地生态保护与修复安徽省重点实验室（安徽大学），安徽 合肥 230601；2.安徽省地理信息工程中心，安徽 合肥 230601；3.信息材料与智能感知安徽省实验室，安徽 合肥 230601）摘要：淮北矿区是全国重要的煤炭生产基地之一，其在安徽省经济发展中占据重要地位，分析该区域土地利用变化对生态系统服务价值（ESV）的影响具有重要意义。本文以淮北市为研究区，基于谷歌地球引擎云平台和分类决策树算法，对研究区内19882022年的Landsat影像进行分类，得到7个时期的土地利用分类数据，进而分析该市土地利用变化情况及其对ESV的影响。研究结果表明：（1）19882022年淮北市建设用地面积不断扩张至初始的8倍，而林地和草地面积则不断递减，主要转为建设用地和耕地，且水体面积在波动中不断增加，主要与采煤沉陷有关；（2）林地和草地退缩以及建设用地扩张导致了研究区ESV总值不断减少，已减少50%，影响了ESV的空间分布；（3）ESV对耕地较敏感，且其他土地利用系数敏感性均小于1，说明在研究以耕地为主的淮北市时，应当对ESV当量因子进行针对性改进。本文结果为推进淮北矿区可持续发展和高效合理配置土地资源提供了技术支持和科学依据。关键词：生态系统服务价值；谷歌地球引擎；土地利用变化；决策树中图分类号：X171.1文献标志码：A文章编号：1007-4260（2023）01-0001-08Land Use Change and Its Impact on Ecosystem Services Valuein Huaibei City from 1988 to 2022 Supported by GEEWU Penghai1,2,3*,FANG Hongmei1,HUANG Xiaohan1,WANG Yanni1,XIAXinyue1(1.Anhui Key Laboratory of Wetland Ecological Protection and Restoration(Anhui University),Hefei 230601,China;2.Engineering Center for Geographic Information ofAnhui Province,Hefei 230601,China;3.Anhui Provincial Laboratory of Information Materials and Intelligent Perception,Hefei 230601,China)Abstract:Huaibei mining area is one of the important coal production bases in China,which plays an important role inthe economic development of Anhui province.It is of great significance to analyze the impact of land use change on ecosystemservice value(ESV).Taking Huaibei City as the study area,we used the classification decision tree algorithm to classify theLandsat images from 1988 to 2022 for obtaining the land use type data of seven periods,based on Google Earth Engine cloudplatform.Then,we analyze the land use changes in Huaibei City and their effects on ESV.The results show that:(1)From1988 to 2022,the area of construction land in Huaibei city expanded to eight times of the initial amount,while the area ofwoodland and grassland decreased,mainly converted to construction land and farmland;the water area increased in the fluctua-tion,which was mainly related to coal mining subsidence.(2)The shrinking of woodland and grassland,and the expansion ofconstruction land led to a continuous decrease of the total ESV value in the study area,which was about 50%,and also affect-ed the spatial distribution of ESV.(3)ESV is sensitive to cultivated land,and the sensitivity of other land use coefficients isless than 1,indicating that the study of Huaibei city which is mainly cultivated land should be targeted to improve the equiva-lent factor of ESV.The results provide technical support and scientific basis for promoting sustainable development and allo-cating land resources efficiently and rationally in Huaibei mining area.Key words:ecosystem service value;google earth engine;land use change;decision tree收稿日期：2022-08-29基金项目：安徽省科技重大专项（201903a07020014）通信作者：吴鹏海（1987），男，安徽祁门人，安徽大学资源与环境工程学院副教授，主要研究方向为遥感信息处理与应用。E-mail：DOI：10.13757/34-1328/n.2023.01.001安庆师范大学学报（自然科学版）2023年生态系统服务是指从生态系统的结构、过程和功能中得到的生命支持产品和服务1。土地利用作为生态系统服务变化的主要驱动因子，直接或间接影响着生态系统服务价值（Ecosystem services value,ESV）2-3。长时序下土地利用变化亦会影响ESV，其对于优化土地资源、构建生态安全格局、制定生态补偿方案及环境保护政策、实现双碳目标等具有重要意义4。因此，以土地利用为载体的不同尺度（时间跨度与空间范围）、不同生态系统（森林、湿地、草原等）的ESV评价倍受国内外学者关注5-7。安徽两淮矿区覆盖了淮南矿区和淮北矿区，是全国14个亿吨煤炭的生产基地之一。由于特定的水文地质条件，两淮矿区的采煤活动导致了大规模沉陷，并形成了大面积积水区，原有农田向水域转化，使得矿区的ESV也在不断变化8。沉陷区所在的原土地利用类型面积减少，相应ESV受损；而沉陷区存储的淡水资源却隐藏着巨大的生态服务价值，如水资源供给、生物多样性保护和渔业生产等。国内外学者针对煤炭矿区的ESV开展了系列研究。例如，国外学者研究了澳大利亚某矿区采矿活动对泥沙保持这一生态系统服务的累积影响9；国内学者以江苏徐州矿区10、山西平朔露天矿区11、黄土高原轩岗矿区12、新疆五彩湾矿区13等煤炭资源型地区为研究对象，在矿区ESV模型修正与评估分析等方面取得了丰硕的研究成果。近年来，针对两淮矿区的ESV研究也取得了一定进展，如学者基于土地利用变化数据从不同角度分析了煤炭资源型城市（淮南市）生态系统服务功能的时空变化特征14-15；也有学者基于谷歌地球引擎云平台分析了淮南市ESV的时空变化16。总的来看，针对两淮矿区生态服务价值的研究多集中在煤炭总储量丰富的淮南矿区，而很少研究地形较为复杂、煤种稀缺且优质的淮北矿区。本文以淮北矿区所在的淮北市为研究对象，基于谷歌地球引擎云平台和分类决策树算法对LandsatTM/OLI 影像进行分类处理，得到了1988、1993、1998、2003、2010、2016、2022等7个年份的土地利用数据，定量分析了19882022年淮北市土地利用的时空动态变化；在此基础之上，结合已有单位面积生态系统服务价值当量表及研究区实际情况，建立了淮北市单位面积生态系统服务价值表；同时，根据土地利用数据计算了该市7个年份的ESV，并定量分析了其时空动态变化特征以及价值系数敏感性。1研究区域与数据1.1研究区域概况作为两淮矿区的重要组成部分，淮北矿区位于安徽省北部（1155811712E，33203428N），其北起陇海铁路一线的苏鲁皖交界，南起蚌埠隆起北缘的寒武奥陶纪石灰岩的露头固镇-蒙城一线，东起徐州-固镇一线，西至皖豫边界。矿区由丘陵山地和平原构成，总面积9 600平方公里，含煤面积约7 000平方公里；属于季风暖温半温润气候，年降水量为（5061 481）毫米；气温介于-23C41C之间。鉴于淮北矿区大多数煤矿集中在淮北市内，本文选取淮北市作为研究区域，其地理位置如图1所示。1.2GEE简介GEE（Google Earth Engine）是由谷歌、卡内基梅隆大学和美国地质调查局共同开发的云端计算平台17，集成了海量遥感数据和大量应用程序编程接口，可为本研究提供近40多年跨度的Landsat系列卫星影像数据集和高程数据（Digital Ele-vation Model,DEM）。通过JavaScript或Python语言调用应用程序编程接口，可以在GEE云平台上对遥感影像进行批量的去云和裁剪等处理，同时可结合高程数据以实现对遥感影像的快速分类。1.3数据源与预处理本研究使用了 GEE 平台提供的 Landsat TM（1988、1993、1998、2003、2010）和 Landsat OLI（2016、图1淮北市地理位置116 40E117 0EN34 0N33 40N33 20N34 0N33 40N33 20N116 40E117 0E05102030千米图例河流市界县界高程/m35212 2第1期2022）的7个年份影像。为保证研究区内的影像云量最低，本文基于GEEAPI编程，筛选了每年1至12月份云量小于5%的所有Landsat影像；当数据量不够时，筛选范围可延至前一年。辅助数据包括淮北市矢量数据、30 m空间分辨率SRTM DEM（Shuttle Radar Topography Mission）数据和我国国家统计局的社会经济数据。GEE平台可对影像数据进行投影转换、辐射定标等预处理18，并转换为大气表观反射率（Topof atmosphere reflectance,TOA）。参考高分辨率谷歌影像或待分类数据本身，在GEE API中通过目视解译的方式来随机选择训练样本点，并将其70%作为