最新生态保护红线划定指南.docx

最新生态保护红线划定指南.docx

《最新生态保护红线划定指南.docx》由会员分享，可在线阅读，更多相关《最新生态保护红线划定指南.docx（37页珍藏版）》请在冰豆网上搜索。

最新生态保护红线划定指南

生态保护红线划定指南

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

j

采用水量平衡方程来计算水源涵养量，计算公式为：

TQ=

∑i=1

（P-R-ET）⨯A⨯103

iiii

式中：

TQ为总水源涵养量（m3），P为降雨量（mm），R为地表径

ii

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SpatialAnalyst工具中选择InterpolatetoRaster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=P⨯α

式中：

R为地表径流量（mm），P为多年平均降雨量（mm），α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（SpatialAnalyst→RasterCalculator）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）

2

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（MJ⋅mm/hm2⋅h⋅a）；K为土壤可蚀性因子（t⋅hm2⋅h/hm2⋅MJ⋅mm）；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：

24

R=∑R半月k

k=1

_

式中，R为多年平均年降雨侵蚀力（MJ⋅mm/hm2⋅h⋅a）；R

为第k

半月k

个半月的降雨侵蚀力（MJ⋅mm/hm2⋅h⋅a）；k为一年的24个半月，k＝1,2,…,24；i为所用降雨资料的年份，i＝1,2,…,n；j为第i年第k个半月侵蚀性降雨日的天数，j＝1,2,…,m；Pi,j,k为第i年第k个半月第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。

α为参数，暖季时α＝0.3937，冷季时α＝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+0.51575KEPIC）⨯0.1317

K={0.2+0.3exp[-0.0256ms（1-msilt/100）]}⨯[m

/（m+m

）]0.3

EPICsiltcsilt

⨯{1-0.25orgC/[orgC+exp（3.72-2.95orgC）]}

⨯{1-0.7（1-ms/100）/{（1-ms/100）+exp[-5.51+22.9（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（＜0.002mm）、粉粒（0.002mm～0.05mm）、砂粒（0.05mm～2mm）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。

利用ConversionTools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SpatialAnalyst下使用NeighborhoodStatistics，设置StatisticType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SpatialAnalyst下使用栅格计算器RasterCalculator，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=0.221-0.595logc1

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

<10

10-30

30-50

50-70

70-90

>90

森林

0.1

0.08

0.06

0.02

0.004

0.001

灌丛

0.4

0.22

0.14

0.085

0.04

0.011

草地

0.45

0.24

0.15

0.09

0.043

0.011

乔木园地

0.42

0.23

0.14

0.089

0.042

0.011

灌木园地

0.4

0.22

0.14

0.087

0.042

0.011

A.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（SpatialAnalyst→RasterCalculator）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、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-SL

2

S=2⋅zQ

⋅e-（z/s）

LS2

MAX

S=150.71⋅（WF⨯EF⨯SCF⨯K'⨯C）-0.3711

Qmax=109.8[WF⨯EF⨯SCF⨯K'⨯C]

S=2⋅zQ

-（z/s潜）2

L潜2

潜

MAX潜

QMAX潜=109.8[WF⨯EF⨯SCF⨯K']

S潜=150.71（WF⨯EF⨯SCF⨯K'）

-0.3711

式中，SR为固沙量（tkm-2a-1）；S

为潜在风力侵蚀量（tkm-2a-1）；

L潜

-2-1

SL为实际风力侵蚀量（tkm

a）；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WF

WF=Wf

⨯

ρ⨯SWg

⨯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，ρ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SpatialAnalyst工具中选择InterpolatetoRaster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EF

29.09+0.31sa+0.17si+0.33（sa/cl）-2.59OM-0.95Caco3

EF=

100

式中，sa为土壤粗砂含量（0.2mm～2mm）（%）；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SCF

SCF=

1

1+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。

r

地表糙度因子K'

K'=

e（1.86Kr

-2.41K0.934-0.127Crr）

Kr=0.2⋅

（∆H）2

L

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；ΔH为距离L范围内的海拔高程差，在GIS软件中使用Neighborhoodstatistics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（SpatialAnalyst→RasterCalculator）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（SpeciesDistributionModels，SDMs）量化物种对环境的依赖关系，从而预测任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（调查人、文献等）应记录在数据库中。

数据库软件可采用MSAccess。

（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。

①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。

②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（GeneralizedLinearModels）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，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

AkaikeInformationCriterioin（AIC）或BayesianInformationCriteria（BIC）去除冗余变量，减少共线性。

随机森林（RandomForest）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。

③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.2NPP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SpatialAnalyst工具中选择InterpolatetoRaster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Fslo：

根据评估区域高程数据集，采用ArcGIS软件中SpatialAnalyst工具条下的SurfaceAnalysis→Slope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（SpatialAnalyst→RasterCalculator）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：

Spro

=NPPmean⨯（1-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