基于GEE的土地利用变化对生态系统服务价值的影响研究——以京津冀地区为例

董 欣，刘鹏程*

(1.华中师范大学地理过程分析与模拟湖北省重点实验室，武汉 430079；2.华中师范大学城市与环境科学学院，武汉 430079)

生态系统服务(Ecosystem services)是指人类从生态系统所获得的所有惠益，包括供给服务、调节服务、文化服务以及支持服务[1]，生态系统服务常常通过生态系统服务价值(Ecosystem Service Value,ESV)进行量化.土地利用变化与当下全球环境变化、生态系统过程、生态功能和结构密切相关，进而对ESV产生影响，ESV可为地区生态保护措施的制订提供科学依据，因此研究区域内土地利用变化下的ESV变化具有重要的意义.近年来，对生态系统服务价值的研究成为生态学领域的热点.国外学者Costanza等[2]最先用经济学的研究方法给出了生态系统服务价值量化模型，该模型阐明了生态系统服务价值的内涵.国内学者欧阳志云等[3]基于生态系统中物质的循环运用和生态功能通过影子价格等方法评价了中国陆地生态系统及生态经济价值.谢高地等[4]学者基于Costanza等提出的方法，在生物量订正的基础，对中国不同类型自然草地生态系统单项服务价值及构成进行了评估.何玲[5]等学者在生态系统服务价值的基础上对生态安全格局进行构建，基于生态安全格局通过马尔可夫模型和元胞自动机对河北省黄骅市进行土地利用格局模拟.王航等[6]根据淮河市统计年鉴及土地利用数据，通过居民消费指数对生态系统服务价值系数进行修订，分析淮河上游土地利用变化及土地景观格局对ESV的影响.岳书平等[7]基于中国陆地生态系统服务单位面积价值的平均值对东北森林-草原陆地样带的生态系统服务价值的时空变化进行分析.

Google Earth Engine(GEE)是谷歌公司研发的专门处理卫星图像和其他地球观测数据云端运算平台，提供Landsat、MODIS、Sentinel等全球尺度下的多源遥感数据，用户能够使用JavaScript、Python语言编程调用平台的多种模型解译影像，为遥感工作者提供极大便.本文基于GEE平台的Sentinel 2影像数据和随机森林算法解译出研究区2017年—2019三年间的土地利用数据，对研究区内单元的ESV进行定量估算，分析研究区近三年的土地利用数据及ESV的变化规律，发现研究区内ESV的波动的影响因素．

1 研究区概况与数据获取

1.1 研究区概况

选取京津冀地区作为研究区，包括北京、天津两个直辖市和河北省的11个地级市(如图1所示).研究区地理位置优越，坐落于华北平原北部，地处113°27′～119°50′E，36°05′～42°40′N之间，其北部与燕山山脉相接，西部与太行山相依，东部相邻渤海湾，西北和北部地势较高，以山地、高原为主，南部和东部地区地形较为平坦，以平原为主.研究区总面积约21.8 ×106hm2，占全国土地面积的2.3%，其中北京市面积为1.64 ×106hm2，天津市面积为1.19×106hm2，河北省面积为18.88×106hm2.在此区域范围内，常住人口1.11亿，占全国人口总数的8.1%．

图1 研究区范围Fig.1 Range of research region

1.2 数据获取

原始影像选取自GEE平台提供的空间分辨率为10 m的Sentinel 2卫星影像2017年—2019年数据，为保证研究区内云量降至最低，基于GEE 编程筛选成像时间为每年1～12月云量小于8%的影像.辅助数据包括京津冀地区矢量数据及30 m空间分辨率的 DEM 数据、源于中国统计局的社会经济数据.训练样本数据源于Google Earth Pro软件中目视解译标定．

2 研究方法

2.1 基于GEE的随机森林算法(Random Forest)土地利用分类

随机森林算法是机器学习方法的一种，通过在原始训练样本中随机有放回的抽取n个样本，构成不同的训练样本集，从而构造决策树，决策树的每一个非叶子节点为一次判断，叶子节点为判断结果，决策树从根节点开始依次对像元进行判断，得到判断结果，通过生成大量互相独立的决策树，综合所有决策树的判断结果进行投票，得出分类结果(如图2所示).随机森林算法能够有效处理大量的输入指标，并且提供快捷的、可靠性高的分类结果.对于处理大量数据而言，与其他遥感分类器相比，随机森林算法的训练速度快且不容易产生过拟合，其运算量相对较大，计算速度慢的缺点通过调用GEE云端服务器计算解决．

图2 随机森林结构图Fig.2 Structure of random forest

首先基于GEE遥感云平台检索出Sentinel 2影像，对影像进行镶嵌、裁剪、云掩膜和影像融合等处理，提取归一化植被指数 NDVI、归一化水域指数NDWI、归一化建筑指数NDWI和增强植被指数EVI等光谱特征，通过DEM数据计算坡度、坡向以及高程等地形特征.将研究区土地利用类型根据2019年发布的土地利用现状分类国家标准划分为耕地、林地、草地、水域、未利用地及建设用地，按照上述标准在 Google Earth Pro中对2017年—2019年3个时间段的高分辨率影像进行目视解译圈定样本，样本点分布如图3所示，表1给出样本点类别及数量．

图3 样本分布图Fig.3 Distribution of samples

表1 各土地利用类型的样本数量Tab.1 Number of samplesintypes of land use

选取多种光谱特征及地形特征作为分类器训练参数，其中光谱特征为Sentinel 2影像的 B2、B3、B4、B8、B11、B12、NDVI、NDWI、NDBI和EVI，地形特征为通过DEM数据计算得到的坡度、坡向、高程数据.将样本在0～1之间随机赋值，小于0.7的作为训练数据，大于0.7的作为验证数据，根据以上数据通过随机森林分类器对影像分类并验证精度.将基于验证样本测试后的误差混淆矩阵导出，以总体精度和Kappa系数作为精度评价标准，结果显示研究区2017年—2019年3个时期土地利用分类的总体精度分别为0.86、0.84及0.87，Kappa系数分别为0.82、0.80及0.84，分类数据总体精度较高，可以利用该数据进行后续土地利用变化分析．

2.2 生态系统服务价值计算

基于研究区社会经济发展状况，根据相关学者[10-12]提出的理论对研究区单位面积粮食产量创造的经济价值进行修正.查询研究区各单元统计年鉴可知，2017年—2019年北京市平均粮食产量6 155.2 kg·hm-2，天津市平均粮食产量为6 201.4 kg·hm-2，河北省平均粮食产量为5 995.2 kg·hm-2.本文以当年该地区平均粮食单产市场价值的1 /7为该地区1个生态服务价值当量的经济价值作为计算依据，结合2017年—2019年各地区平均粮食价格，以北京市平均粮食价格为2.03元·kg-1，天津市平均粮食价格为1.923元·kg-1，河北省平均粮食价格为1.904元·kg-1进行计算，得出北京市、天津市以及河北省农田自然粮食产的经济价值分别为1 785.0元·hm-2、1 703.6元·hm-2、1 630.7元·hm-2，由此计算出研究区生态系统单位面积生态服务价值(表3).计算公式如式(1)：

ESV=∑Ak×VCk，

(1)

式中，ESV是生态系统服务价值，单位为元· a-1，Ak是研究区第k种土地利用类型的面积，单位为hm2，VCk是第k种土地利用类型对应的生态价值系数，单位为元·hm-2·a-1．

表2 研究区土地生态系统服务价值系数VCkTab.2 The coefficient of ecosystem service value of each land use type in research region yuan 元·hm-2·a-1

2.3 敏感性分析方法

本文借用敏感性指数(Coefficient of Sensitivity，CS)来确定价值系数(VC)随着时间变化引起生态系统服务价值(ESV)的变化程度.通过调整50%的价值系数来计算敏感性系数，从而计算生态系统服务价值(ESV)对价值系数(VC)的敏感程度，如果CS>1，说明ESV对VC是具有一定弹性的；如果CS<1，则说明ESV对VC是缺乏弹性的，VC的变化对ESV的影响较小，结果具有可靠性.敏感性指数计算说明公式如式(2)：

(2)

其中，CSk是第k种土地利用类型对应的敏感性指数，VCik是k种土地利用类型对应的初始生态价值系数，VCjk是第k种土地利用类型调整50%后的生态价值系数，单位为元·hm-2·a-1，ESVi是初始生态系统服务价值，ESVj是价值系数调整50%后对应的生态系统服务价值，单位为元·a-1．

3 结果与讨论

3.1 土地利用变化

由图4及表3可知，研究区主要土地利用类型为耕地、草地及林地，共占总面积的85%，耕地主要分布于中部平原地区，地形平坦，适宜农作物的耕种.草地和林地分布于西部及西北部燕山、太行山山麓地带，该地带地势较高，地形复杂，气候较为湿润，适宜灌木从、阔叶林等植物的自然生长.研究区主要土地利用类型及空间分布存在一定差异.北京市土地类型以林地、草地以及建设用地为主，约占总面积的80%，其中2017年林地、草地面积占比分别为42.63%、27.25%，主要分布于西北部山地地带.建设用地及耕地主要分布于中部和东部平原地区；天津市地势以平原和洼地为主，耕地、建设用地占比较大，2017年面积占比分别为39.20%、25.06%，林地、草地多分布于天津北部与燕山南侧接壤山地.天津东部相邻渤海地区，拥有丰富的水资源，相比北京、河北，其水域面积占比最多，2017年为25.06%，其于两地分别为14.74%、9.20%；河北省平原面积广阔，土地利用类型以耕地、草地、林地为主，2017年草地、耕地、林地分别占比33.44%、32.67%、22.04%，林地及草地主要分布于西部及北部山地地区，耕地主要大面积分布于中部及东南部．

图4 2017年—2019年研究区土地利用变化Fig.4 Land use change in research region from 2017 to 2019

2017年—2019年，研究地区的土地利用变化见表3，总体来看，三年间研究区各土地利用类型均有一定变化，其中草地的面积变化幅度最大，三年间，研究区草地面积占比减少了4.12%，北京市草地面积变化幅度最大，面积占比减少8.44%，其余河北省、天津市草地面积占比分别减少3.80%、3.14%；其次面积变化幅度较大的为林地，研究区林地面积占比由2017年的22.96%增加至2019年的25.49%，增幅为2.53%，其中2017年—2019年间北京市、河北省的林地面积占比持续增长，增幅分为5.56%、2.32%，天津市林地面积先增后减，林地面积占比由2017年的9.87%增加至2018年的15.75%，于2019年减少为11.27%，最终林地面积增加1.41%；研究区耕地、建设用地面积占比均有一定幅度增长，分别为1.25%、0.48%.其中北京市、河北省耕地面积分别增长1.40%、1.30%，天津市耕地面积先减后增，呈现较大波动，天津市耕地面积2017年—2018年减少4.40%，2018年—2019年增加4.70%，2017年—2019年总体仍增加0.3%；未利用地面积变化最小，三年间研究区未利用地面积仅增加0.03%，北京市、天津市未利用地面积分别增加0.06%、0.39%，河北省未利用地面积先减后增，最终无明显变化；此外，2017年—2019年以来，研究区内的水域面积总体上具有波动下降的趋势，2019年水域面积占比为1.73%，相比2017年下降了0.16%.其中天津市、河北省2017年—2019年体面积占比分别降低了0.71%、0.75%，北京市水域面积占比先降后增，2017年—2019年水域面积占比增加了0.06%．

由表4可知，2017年—2019年，研究区各单元分别有1.41%、2.41%、0.95%的耕地转化为林地，1.54%、3.62%、2.73%的耕地转化为草地，说明近些年来研究区内退耕还林、退耕还草等政策的实施有一定的成效；其次发现各单元分别有3.26%、4.37%、4.08%的草地转化为耕地，1.90%、2.51%、1.07%的草地转化为建设用地，是表3中研究区内草地面积占比降低的主要原因；建设用地的面积亦有小幅度变动，研究发现此现象主要来源于草地、耕地的转化；水域及未利用地的变化幅度较小，水域主要转化为草地及未利用地，其中天津市0.35%的水域转化为草地、0.36%的水域转化为未利用地．

表3 2017年—2019年研究区土地利用类型占比变化格局Tab.3 Land use proportion change pattern in research region from 2017 to 2019 %

表4 2017年—2019年研究区土地利用转移矩阵Tab.4 Land use transfer matrix in research region from 2017 to 2019 %

3.2 生态系统服务价值时间变化

由表5及图5可知，2017年—2019年间，研究区ESV总值共增加99.99亿元，其中北京市、河北省ESV总值分别增加22.11、82.47亿元，天津市ESV总值减少4.59亿元.2017年—2019年研究区6种土地利用类型贡献的ESV中，耕地、林地、未利用地贡献的ESV增加，草地、水域贡献的ESV减少，其中ESV变化幅度最大的为林地.2017年—2019年研究区林地贡献的ESV总值增加208.38亿元，其中北京、河北林地贡献的ESV分别增加36.22、165.93亿元，是其ESV总值主要的增长来源，天津市林地贡献的ESV先增后减，增加6.23亿；其次为草地，研究区各地区草地贡献的ESV均呈下降趋势，总值共减少112.82亿元，其中河北省草地贡献的ESV价值减少90.3亿元，北京市、天津市草地贡献的ESV价值分别减少17.9、4.63亿元；2017年—2019年研究区耕地贡献的ESV增加32.66亿元，北京市、天津市及河北省耕地贡献的ESV分别增加2.83、0.42及29.4亿元；研究区水域贡献的ESV总体呈下降趋势，从2017年的100.47亿元减少至2019年的93.83亿元，共减少28.27亿元，其中河北省、天津市水域贡献的ESV总值分别减少22.57、6.64亿元；未利用土地所贡献的ESV总体呈波动上升趋势，但未利用地贡献的ESV较少，且增加幅度较小．

表5 2017年—2019年研究区土地生态系统服务价值Tab.5 ESV in different land use in research region from 2017 to 2019 ×108yuan·a-1

图5 2017年—2019年研究区土地生态系统服务价值趋势图Fig.5 The trend of ESV in different land use in research region from 2017 to 2019

综上所述，2017年—2019年间研究区林地贡献的ESV最多，其中北京市、河北省的林地及天津市的水域，分别为当地ESV总值的主要来源，所贡献的ESV占其总值的70%、50%及42%.因此加强建设林地、保护草地资源，推进水域治理，优化水生态环境，是京津冀一体化协调发展，改善京津冀地区生态环境、提高生态系统服务价值的关键．

3.3 价值系数敏感性分析

根据上文所述敏感性研究方法，将研究区土地利用类型对应的生态价值系数进行50%的调整，计算对应的敏感性系数，结果如表6所示，2017年—2019年间，研究区各地区各土地类型敏感性系数均不高于1，其中研究区内未利用地的CS最低，为0.000 1～0.000 5，表明研究区内未利用地对应的VC每变化1%时，研究区内ESV总价值仅有0.000 1～0.000 5的变化，北京市林地的CS最高，为0.71～0.76，表明北京市林地对应的VC每变化1%时，北京市ESV总价值波动0.71%～0.76%.表明ESV对三地的生态价值系数缺乏弹性，生态系统服务价值系数对ESV的影响较小，结果具有可靠性

4 结论

2017年—2019年间，研究区土地利用状况有一定程度地改变，其中耕地、林地、建设用地及未利用地面积均有一定增长，北京市、河北省内林地及耕地面积增长最多，其次为天津市内建设用地；草地及水域面积减少，其中北京市草地面积占比减少8.44%，天津市水域面积占比减少0.71%.三年间六种土地类别有一定程度的互相转化，其中林地增长的面积主要转化自耕地，草地减少的面积主要转化为建设用地，部分水域转化为草地及未利用地.从六种土地利用类型的增减状况可以看出，京津冀地区三北防护林、太行山绿化等工程在林地建设中发挥了一定的作用，但是草地流失严重，草原过度垦殖、草场退化、沙化，水土面积流失严重，水资源不断萎缩，需要加强生态环境的优化建设，在保证耕地面积的基础上，合理推进退耕还草的实施，推进水域环境治理及生态修复．

2017年—2019年间，研究区内ESV总值从3 914亿元增长至4 013.99亿元，共增加99.99亿元，其中北京市、河北省ESV总值增加，天津市ESV总值减少.各土地利用类型中贡献ESV最多的是林地，其次是耕地和草地，未利用地最少.北京市、河北省ESV主要来源于林地，其次是草地和耕地；天津市ESV主要来源于水域，其次是耕地和林地.根据研究区各单元ESV主要来源以及变化状况，应合理规划土地资源，加强对草地和水域的保护，高效优化开发未利用地，增强生态环境的建设，

2017年—2019年间，研究区6种土地利用类型对价值系数的均低于1，表明生态系统服务价值对调整后的各土地利用类型对应的生态价值系数缺乏弹性，证明本研究结果可信性．