基于多源遥感数据的生态系统保育土壤价值评估——以河北省北部四地市为例

许 旭，李晓兵，韩念龙

基于多源遥感数据的生态系统保育土壤价值评估
——以河北省北部四地市为例

许 旭1，2，李晓兵1，韩念龙1

(1.北京师范大学资源学院地表过程与资源生态国家重点实验室，北京 100875;2.深圳市规划国土发展研究中心，深圳 518034)

为了给合理地利用土地资源和科学地进行环境保护提供依据，利用多源遥感影像数据，结合气象数据、土壤属性数据与DEM，对河北北部地区生态系统的土壤保持量进行了评估，并参考《森林生态系统服务功能评估规范》，对生态系统保护土壤肥力的价值与固土价值进行了评估。结果表明，研究区2008年度生态系统的土壤保持总量达到7.55亿t，对应的价值量为1.08×104亿元。林地、灌丛及草地生态系统分别为平均土壤保持量与保持价值最大的3种生态系统类型，它们在区域土壤保持中起着重要的作用。从空间分布来看，研究区的中部山区，植被覆盖良好，土壤保持量及保持价值较高，而东西部平原及坝上地区，地势平坦，植被覆盖稍差，土壤保持量及保持价值均较低。中部山区虽然植被覆盖良好，但由于地势起伏大，容易发生水土侵蚀，因此加强中部山区自然植被的保护和建设，是减缓区域水土流失，提高生态系统保育土壤服务价值的关键。

生态系统;土壤保持量;保育土壤价值;河北北部

0 引言

土壤侵蚀引起的土壤肥力下降、河道淤积、土地退化、荒漠化等一系列的生态环境问题，严重威胁着人类的生存和发展，已成为区域性和世界性的重大环境问题［1］。我国是世界上土壤侵蚀最严重的国家之一，尤其在农牧交错带以及生态脆弱地区［2］，由于土壤侵蚀而导致的粮食减产、水质污染、灾害频发等问题已成为限制地区经济发展的首要问题［3－4］。

植被具有防止土壤侵蚀的积极功能，可以有效地缓解区域土壤侵蚀问题［5］，这是生态系统重要的服务功能。1997年，Costanza等人对全球生态系统服务的价值进行了评估研究［6］，引起了学术界广泛的关注和讨论，使得生态系统服务及其价值评估研究成了生态学研究中的前沿和热点。作为生态系统重要的服务功能，土壤保持受到了人们持续的关注，有关水土保持及其经济效益评估的研究也日益增多［7－13］。USLE方程作为最广泛应用的土壤侵蚀预报模型，虽然是诸多研究中最常用的模型之一，但研究中存在量纲混乱、概念不清、数据时序不统一等问题，而对于水土保持经济价值的评估，也由于评估参数选择的多样、随意性而导致评估结果之间差异显著。

本研究总结了USLE方程应用中易出错的问题，并提出依据LY/T 1721－2008《森林生态系统服务功能评估规范》［14］来进行生态系统服务价值的评估，其对于正确使用USLE方程、统一评估标准、增强评估结果间的可比性具有一定的意义，同时对于量化地区生态系统水土保持效益、防治区域水土流失、指导区域生态环境建设、科学管理生态系统等也有着一定的指导作用。

1 研究区概况

研究区位于河北省北部，包括张家口、承德、唐山、秦皇岛4区，总面积为9.77万km2。本区位于华北平原的北部，属温带大陆性季风型气候，四季分明。区内地貌复杂多样，有山地、丘陵、高原、平原和盆地，地势起伏较大。土壤类型以潮土、棕壤、褐土及栗钙土为主［15，16］。本区域内植被覆盖类型多样，坝上地区处于华北平原到内蒙古高原的过渡区，属于我国北方农牧交错带，有大面积的草原分布，山区则分布着森林、灌丛及高山草甸等，平原地区主要为农田。

2 数据获取及预处理

研究采用的遥感影像数据包括空间分辨率为30 m的Landsat TM影像以及空间分辨率为250 m的MODIS NDVI影像。TM数据为2008年7～9月覆盖研究区的数景影像，经几何纠正、辐射校正、拼接及裁剪而成。本文将研究区土地覆盖类型分为林地、灌丛、草地、农田、水体、未利用地和建设用地7种，并采用监督分类的方法得到了研究区的土地利用图;同时利用研究区2008年9月份实地调查的土地利用信息对该土地利用图进行了精度验证，分类精度为83%，达到了精度要求。MODIS影像数据为采用最大值合成法合成的2008年度16 d归一化植被指数(NDVI)(下载自美国国家航空与宇航局(NASA)网站)，经投影转换、裁剪等得到的研究区影像数据。

气象数据为研究区33个气象站点的2008年度的逐月降水数据(来自于中国气象局)，剔除异常值后按研究所需格式建立的气象数据集。

土壤属性数据采用1∶100万中国土壤数据库中的河北部分数据(来源于中国科学院资源环境科学数据中心)，包括了矢量格式及相应的属性数据库。对于数据中缺失的部分土壤属性数据，又通过查询《河北土壤志》［16］和通过野外实测进行了补充，建立了研究区土壤属性数据集。

此外还包括了分辨率为90 m的研究区数字高程模型(DEM)数据(下载自中国科学院国际科学数据服务平台)。

3 研究方法

3.1 模型选择

通用的土壤流失方程USLE(Universal Soil Loss Equation)［17］是由美国学者 Wischmeier 等人提出的，是目前预测土壤侵蚀使用最为广泛的方法。该模型认为，区域内的土壤侵蚀量与降雨、坡度、坡长、地表植被、土壤类型及管理措施等6个因素有关，即

式中，Ar为现实的土壤侵蚀量，单位为(t·hm－2·a－1);R为降雨侵蚀力因子，本研究统一采用国际制单位，其单位为(MJ·mm·hm－2·h－1·a－1);K 为土壤可侵蚀因子，单位为(t·hm2·h·MJ－1·mm－1·hm－2);L为坡长因子，量纲为1;S为坡度因子，量纲为1;C为植被覆盖因子，量纲为1;P为土壤保持措施因子，量纲为1。

若不考虑地表植被覆盖以及土壤保持措施因子，则所得出的侵蚀量即为区域潜在的土壤侵蚀量，即没有地表植被保护时的最大土壤侵蚀量。

式中，Ap为潜在的土壤侵蚀量，单位为(t·hm－2·a－1)。

式(1)、(2)相减，即可得到区域的土壤保持量。土壤保持量反映了地表植被以及土壤保持措施对土壤侵蚀的防治效应，即

式中，H 为土壤保持量，单位为(t·hm－2·a－1)。

图1为生态系统保育土壤价值评估技术路线图，包括了数据集、土壤保持量评估模型以及保育土壤价值量评估模型3个部分。

图1 保育土壤价值评估流程Fig.1 Flow chart of the research

3.2 土壤侵蚀量的估算

3.2.1 降雨侵蚀力因子

降雨侵蚀力因子R反映了降雨导致土壤侵蚀的潜在能力。Wischmeier等人通过对降雨特性与土壤侵蚀量的回归分析，提出用一次降雨的总动能E与该次30 min的最大降雨强度I的乘积EI作为降雨侵蚀力的定量指标［18］，并提出为了保证指标的精度，应使用至少20 a以上时段的降雨过程资料计算。然而在实际应用中，单次30 min最大降雨强度以及长达20 a的降雨数据较难获取，因此众多学者利用日降雨、月度降雨以及年度降雨来建立简易的降雨侵蚀力模型［19－21］。本文选择徐丽等人所建立的基于年降雨量估算的年降雨侵蚀力简易算法［22］进行计算。该算法采用北京地区10个水文站25 a间的2 894次降雨过程资料，地理范围与本研究区较为接近，并给出了与EI指标的估计误差(小于20%)。

式中，R为年降雨侵蚀力指标，单位为(MJ·mm·hm－2·h－1·a－1);W 为年降雨量，单位为 mm。研究区 2008年的 R值为 2 381.97 ～6 891.52(MJ·mm·hm－2·h－1·a－1)，平均值为 4 196.99(MJ·mm·hm－2·h－1·a－1)。

3.2.2 土壤可侵蚀因子

土壤可蚀性因子K是评价土壤对侵蚀敏感程度的重要指标，K值越大，表明土壤越容易遭到侵蚀。一般来说，质地越粗或越细的土壤具有低的K值，而质地适中的土壤K值反而较高。K值的直接测算较为复杂，因此研究中常采用Wischmeier等人提出的可蚀性诺模图，根据土壤性质得出K值，然而此法对土壤资料的完备度要求很高，现有的土壤普查资料往往不能满足要求。而Wischmeier等人在EPIC模型中发展的K值估算方法［23］，由于只需要土壤有机碳和颗粒组成资料即可，因此得到了广泛的应用。

式中，K 为土壤可蚀性因子，单位为(t·hm2·h·MJ－1·mm－1·hm－2)，Ma、Me、Ml分别为土壤中砂粒、粉粒、黏粒的百分含量;Ms为土壤中有机碳的百分含量;M=1－Ma/100。

张科利等人应用以上公式对我国部分区域土壤K值的计算结果表明，除东北地区白浆土和棕壤等冻融土壤外，计算的其他地区的土壤可蚀性值和实测值之间具有较好的相关性［24］。因此本研究采用上述公式对河北北部的土壤可蚀性因子进行了计算，研究区 K 值为 0.000 9 ～0.058 0，平均值为0.037 0，易蚀性较强。

3.2.3 地形因子

地形因子包括坡长因子L和坡度因子S，反映的是地形地貌特征对土壤侵蚀的影响。当区域其他条件相同时，较长的坡长和较大的坡度可以增加汇集到坡面上的地表径流，同时也增加了降水的动能，从而加重了侵蚀程度。可通过数字高程模型(DEM)计算L和S，根据黄炎和等人建立的以下方程［25］，即可获得 LS的空间分布特征，即

式中，l为坡长，单位为m;a为百分比坡度。研究区的地形因子值为0～62.88，平均值为5.56。

3.2.4 地表覆盖因子

植被覆盖因子C反映的是地表植被覆盖对土壤侵蚀的作用，在数值上等于当其他条件相同时，有植被覆盖区与裸露地表土壤侵蚀量的比值，其值为0～1。近年来，将植被覆盖度因子引进C值的求算过程被众多学者认可，基于遥感的大面积植被盖度估算不仅提高了估算的准确度，而且克服了传统研究方法以点带面的缺点。本文植被覆盖因子C值的估算采用了文献［26］的公式，即

式中，f为植被覆盖度，单位为%。植被盖度的估算采用了2008年全年16 d合成的MODIS NDVI数据产品，并借助Gutman模型估算了河北北部2008年全年植被平均盖度，另外根据式(7)得到了研究区植被覆盖因子C值空间分布特征，均值为0.059。

需要指出的是，用USLE方程计算出的土壤侵蚀量的时间单位为年，因此计算植被覆盖因子C时所采用的植被覆盖度也应该是年度的平均盖度。目前的一些研究中，常采用一期TM、SPOT等高分辨影像来计算植被覆盖因子C，由于其所表达的仅仅是成像时间的植被覆盖度情况，因此在以年为计量单位的USLE方程中使用并不合理，而且造成了计算结果的不准确。本文使用了16 d合成的MODIS NDVI数据产品，并采用最大值合成法(MVC)［27，28］来生成数据，生成的数据消除了云雾天气的影响，可以反映研究区一年之内的植被平均盖度的空间分布情况。

3.2.5 水土保持措施因子

水土保持措施因子P反映的是耕作、平整、建立梯田等管理措施对土壤侵蚀量的影响，在数值上等于其他条件相同时，采取水土保持措施与无水土保持措施土壤侵蚀量的比值，其值为0～1。水土保持措施因子P一般可通过设定实验小区来确定，然而在大面积的土壤侵蚀估算中，实验小区的方法受到了限制。研究中常见的方法是根据土地利用类型图，依照不同的土地利用方式进行赋值。本研究利用2008年8月份河北省北部TM遥感影像通过目视解译得到的研究区土地利用类型图。参照美国农业部手册703号及其他相关文献［29－31］，确定了研究区不同的土地利用类型的水土保持措施因子P值。农田赋值0.4，居民地及水体赋值为0，其他地类赋值1。

3.2.6 土壤保持量的计算

在地理信息系统(GIS)软件的支持下，根据式(3)计算即可得到河北北部2008年度生态系统的土壤保持量。

3.3 生态系统保育土壤价值评估

进行生态系统服务价值评估的最终目的是将评估结果纳入生态－环境－经济综合核算体系，以便为环境管理和决策服务。目前制约这一目标实现的瓶颈在于价值内涵以及评估方法的不确定性。由于不同学者对价值内涵的理解不同，所采用的评估方法及价格参数不同，因此造成评估结果的差别较大，说服力不强，远远达不到为环境管理和决策服务的目的。为了解决这一问题，需要对生态系统服务价值评估进行标准化研究。2008年3月，国家林业局颁布了中华人民共和国林业行业标准——LY/T 1721－2008《森林生态系统服务功能评估规范》，对用于森林生态系统服务价值评估的指标体系、计算公式、价格参数等进行了规范，制定了森林生态系统服务价值评估的标准和准则，为评估结果在森林生态系统管理决策中的应用奠定了基础。作为森林生态系统重要的服务功能，保育土壤的价值评估方法在标准中有着详细的论述和规定。因此本研究借鉴了规范中的方法，对研究区的生态系统保育土壤价值进行了评估。

3.3.1 保护土壤肥力价值

土壤中含有氮(N)、磷(P)、钾(K)以及有机质等营养物质，由于生态系统起到保持土壤的作用，减少了大量土壤营养物质的流失，因此可以根据营养物质的市场价值来评估生态系统保护土壤肥力的价值。

式中，Vf为单位面积生态系统保护土壤肥力的经济效益，单位为(元·hm－2·a－1);H(x)为像元 x处每年单位面积的土壤保持量，单位为(t·hm－2·a－1);i分别代表 N、P、K 元素;Mi为土壤中 N、P、K 的含量，单位为%;Qi为N肥、P肥、K肥的价格，单位为(元·t－1);Ti为化肥中纯 N、P、K 的百分含量;Mm为土壤中有机质含量;Qm为有机质价格，单位为(元·t－1)。

3.3.2 固土价值

生态系统固定土壤的价值，可以采用影子工程法，即假定挖取和运输同样体积的土方所需的费用来进行估算。

式中，Vg为单位面积生态系统年固土价值，单位为(元·hm－2·a－1);H(x)为像元 x处每年单位面积的土壤保持量，单位为(t·hm－2·a－1);Qt为挖取和运输单位体积土方所需的费用，单位为(元·m－3);ρ为土壤密度，单位为(t·m－3)。

根据计算得出的研究区土壤保持量，再按照上述计算方法计算固土及保肥的价值，最终即可得到研究区生态系统保育土壤的价值。计算中涉及的价格参数见表1。

表1 保育土壤价值计算中的价格参数值Tab.1 Price index in calculating of soil conservation value

4 结果与分析

4.1 土壤保持量

图2为2008年度河北省北部地区土壤保持量的空间分布情况。

图2 河北北部2008年度土壤保持量空间分布Fig.2 The spatial distribution of soil conservation capacities in northern Hebei，2008

2008年度研究区生态系统的土壤保持总量为7.55 亿 t，平均为 0.078(万 t·hm－2·a－1)，土壤保持量巨大。从土壤保持量的空间分布来看，研究区中部的承德地区及张家口东部地区的土壤保持量较高，大部分地区的土壤保持量在0.10(万 t·hm－2·a－1)左右，最高达 1.29(万 t·hm－2·a－1)，出现在承德市东南部植被覆盖度较高的山区，该区域降雨侵蚀力因子R值较高，且地形起伏较大，潜在的土壤侵蚀量较大，但由于本区分布了大面积覆盖度较高的森林，使得同时具有很低的植被覆盖因子C和水土保持措施因子P值，土壤保持效果良好，因此有着较高的土壤保持量。研究区西部的张家口坝上草原区以及唐山南部的土壤保持量较小，主要原因在于这些区域主要以平原为主，地形因子LS值较小，虽然同样有着较低的植被覆盖因子C和水土保持措施因子P值，但潜在的土壤侵蚀量与实际的土壤侵蚀量均较小，因此土壤保持量较低。

表2对研究区内各种生态系统的潜在、实际的土壤侵蚀量及土壤保持量进行了统计。林地、灌丛、草地、农田是发生潜在侵蚀的主要生态系统类型，四者潜在的土壤侵蚀量占到了区域总潜在土壤侵蚀量的96.19%，其中林地、灌丛、草地平均潜在的土壤侵蚀量较大。潜在的土壤侵蚀量由降雨侵蚀力因子R、土壤可蚀性因子K与地形因子LS决定。由于邻近区域内降雨侵蚀力因子R、土壤可蚀性因子K的变化范围并不大，因此地形因子LS成为决定潜在的土壤侵蚀量的主要因子。由于林地、灌丛及草地多分布于山区，地形因子LS值较高，因此导致平均潜在的土壤侵蚀量较大，而农田、水域、裸地、建设用地等多分布于地势较为平坦的地区，平均潜在的土壤侵蚀量较小。

表2 各类生态系统土壤潜在、实际侵蚀量与保持量Tab.2 Potential/actual soil losses and soil conversation capacities of different ecosystems

由于植被的防护作用，研究区实际的土壤侵蚀量为1.26亿t，占潜在土壤侵蚀量的1.60%。可见植被可减少近98.40%的土壤侵蚀量。林地、灌丛、草地和农田仍然是发生实际侵蚀的主要生态系统类型，但与平均潜在的土壤侵蚀量不同的是，林地、灌丛及草地的平均实际的土壤侵蚀量呈递减趋势，相应的平均土壤保持量呈递增趋势，说明在减轻土壤侵蚀的作用方面，林地＞灌丛＞草地，这与研究区内3种植被类型的平均盖度趋势相一致。虽然建设用地、水域、裸地等也具有较高的平均土壤保持量，但总量较小，因此治理区域水土流失，应从保护自然植被、提高地表植被覆盖度、加强实施水土保持措施等方面入手。

4.2 生态系统土壤保育价值

根据式(8)、(9)计算出的2008年研究区保护土壤肥力的价值及固土价值的总和为1.08×104亿元，平均每公顷生态系统的土壤保持价值为11.13万元。从空间分布来看，中部广大山区的土壤保持价值较高，其中最高值为156.56万元·hm－2，出现在土壤保持量最大的承德东南部山区。本区东北部及东南部水土保持价值很低，这是由于这2个区域分别属于坝上草原地区及沿海平原，地势平坦，几乎没有土壤侵蚀发生的缘故。

图3 河北北部2008年度生态系统保育土壤价值空间分布图Fig.3 The spatial distribution of soil conservation value in northern Hebei，2008

从不同类型生态系统的土壤保持价值来看(表3)，草地生态系统的土壤保持价值最高，占到了区域总价值的32.70%，其次为林地、灌丛及农田，分别占总价值的23.03%、22.19%和18.74%。由于不同类型生态系统的分布面积不同，因此平均土壤保持价值比总价值更能说明不同类型生态系统的土壤保持价值的大小，林地的平均土壤保持价值最大，其次为灌丛和草地，三者的平均值都高于区域各类型生态系统的土壤保持价值的整体均值，说明三者是防治水土流失的主要生态系统类型，且土壤保持效果良好。

表3 各类生态系统土壤保持价值Tab.3 Soil conservation values of different ecosystems

5 结论

(1)采用USLE方程，对河北省北部地区2008年度生态系统的土壤保持量进行了评估。2008年度研究区生态系统的土壤保持总量为7.55亿t，中部山区的土壤保持量大于东西部平原地区，平均土壤保持量最高的3类生态系统为林地、灌丛和草地。

(2)研究区保护土壤肥力的价值及固土价值的总和为1.08×104亿元，平均每公顷生态系统的土壤保持价值为11.13万元，中部山区的土壤保持价值较高，东北部及东南部的水土保持价值很低，林地的平均土壤保持价值最大，其次为灌丛和草地。

(3)本文充分利用了不同遥感数据源的以下特点:MODIS NDVI影像具有较高的时间分辨率，可以完整地反映一年或一个生长期内地表植被的时空变动状况;TM影像空间分辨率较高，可以很好地进行地表土地利用/覆盖类型的识别。两者结合即可在USLE方程的不同因子求取研究中，对量纲和计算公式的选择、水土保持措施因子P计算、遥感影像的要求等目前研究中存在的一些问题进行充分的探讨，同时提出基于森林生态系统服务功能评估规范的土壤保持价值评估，这对于正确使用USLE方程和增强价值评估的统一性、可比性具有一定的意义。

由于目前关于生态系统服务价值的地面实测工作开展还较少，或者由于受评估方法的限制，还很难进行实测，因而对于生态系统服务价值的精度评估，只能通过不同研究之间的对比或通过对实物量的验证来进行间接评估。随着遥感数据获取、处理等技术手段的不断更新以及生态系统服务价值评估体系、方法的不断完善和标准化，辅助以地面实测工作的开展，遥感生态系统服务价值评估的精度将不断得到提高，对于区域生态系统建设及管理政策的支持力度也将会不断得到加强。

［1］ 许月卿，邵晓梅.基于GIS和RUSLE的土壤侵蚀量计算:以贵州省猫跳河流域为例［J］.北京林业大学学报，2006，28(4):67－71.

［2］ 李 京，李晓兵，宫阿都.基于遥感方法的小流域土壤侵蚀研究［J］.自然灾害学报，2008，17(6):77 －81.

［3］ 刘宝元，谢 云，张科利.土壤侵蚀预报模型［M］.北京:中国科学技术出版社.2001.

［4］ Zhang Qing － feng，Wang Li，Wu Fa － qi.GIS － Based Assessment of Soil Erosion at Nihe Gou Catchment［J］.Agricultural Sciences in China，2008，7(6):746 －753.

［5］ 李 鹏，李占斌，郑良勇.植被保持水土有效性研究进展［J］.水土保持研究，2002，9(1):76 －80.

［6］ Costanza R，d’Arge R，De Groot R，et al.The Value of the World’s Ecosystem Services and Natural Capital［J］.Nature，1997，387(6630):253 －260.

［7］ Mati B M，Morgan R P C，Gichuki F N，et al.Assessment of Erosion Hazard with the USLE and GIS:A case study of the Upper Ewaso Ng’iro North Basin of Kenya［J］.International Journal of Applied Earth Observation and Geoinformation，2000，2(2):78－86.

［8］ Meusburger K，Konz N，Schaub M，et al.Soil Erosion Modelled with USLE and PESERA Using QuickBird Derived Vegetation Parameters in an Alpine Catchment［J］.International Journal of Applied Earth Observation and Geoinformation，2010，12(3):208－215.

［9］ Beskow S，Mello C R，Norton L D，et al.Soil Erosion Prediction in the Grande River Basin，Brazil Using Distributed Modeling［J］.CATENA，2009，79(1):49 －59.

［10］秦 伟，朱清科.绿色GDP核算中森林保育土壤价值的研究进展［J］.中国水土保持科学，2006，4(3):109 －116.

［11］于德勇，潘耀忠，龙中华，等.基于遥感技术的云南省生态系统水土保持价值测量［J］.水土保持学报，2006，20(2):174－178.

［12］李 晶，任志远.基于GIS的陕北黄土高原土地生态系统水土保持价值评价［J］.中国农业科学，2007，40(12):2796 －2803.

［13］姚文波，刘文兆，赵安成，等.水土保持效益评价指标研究［J］.中国水土保持科学，2009，7(1):112 －117.

［14］中国林业科学研究院森林生态环境与保护研究所.LY/T1721－2008森林生态系统服务功能评估规范［S］.北京:中国标准出版社，2008.

［15］门明新，赵同科，彭正萍，等.基于土壤粒径分布模型的河北省土壤可蚀性研究［J］.中国农业科学，2004，37(11):1647－1653.

［16］丁鼎治.河北土种志［M］.石家庄:河北科学技术出版社，1992.

［17］ Wischmeier W H，Smith D D.Predicting Rainfall－erosion Losses from CroplandEastoftheRockyMountains［M］.USDA Agricultural Handbook，1965:282.

［18］周伏建，陈明华，林福兴.福建省降雨侵蚀力指标R值［J］.水土保持学报，1995，9(1):13 －18.

［19］ Wischmeier W H，Smith D D.Rainfall Energy and Its Relationship to Soil Loss［J］.Transactions American Geophysical Union，1958，39:285－291.

［20］章文波，付金生.不同类型雨量资料估算降雨侵蚀力［J］.资源科学，2003，25(1):35 －41.

［21］赵文武，朱 婧，郭雯雯.基于降雨量和降雨时间的月降雨侵蚀力简易算法［J］.中国水土保持科学，2007，5(6):8 －14.

［22］徐 丽，谢 云，符素华，等.北京地区降雨侵蚀力简易计算方法研究［J］.水土保持研究，2007，14(6):433 －437.

［23］ United States Department of Agriculture.EPIC － Erosion/productivity Impact Calculator 1.Model Documentation［R］.Technical Report，Bulletin Numher 1768.Washington，DC，USA:USDA －ARS，1990.

［24］张科利，彭文英，杨红丽.中国土壤可蚀性值及其估算［J］.土壤学报.2007，44(1):8 －13.

［25］黄炎和，卢程隆，付 勤，等.闽东南土壤流失预报研究［J］.水土保持学报，1993，7(4):13 －18.

［26］蔡崇法，丁树文，史志华，等.应用USLE模型与地理信息系统IDRISI预测小流域土壤侵蚀量的研究［J］.水土保持学报，2000，14(2):19 －24.

［27］ Townshend J，Justice C，Li W，et al.Global Land Cover Classification by Remote Sensing:Present Capabilities and Future Possibilities［J］.Remote Sensing of Environment，1991，35(2 －3):243 －255.

［28］ Loveland T R，Merchant J W，Ohlen D O，et al.Development of A Land－cover Characteristics Database for the Conterminous U S［J］.Photogrammetric Engineering and Remote Sensing，1991，57(11):1453－146.

［29］ Renard K G，Foster G R，Weesies G A，et al.Predicting Soil Erosion by Water:A Guide to Conservation Planning with the Revised Universal Soil Loss Equation(RUSLE)［M］.Handbook No.703，Washington，USA:Department of Agriculture，1997.

［30］张宪奎，许靖华，卢秀芹，等.黑龙江省土壤流失方程的研究［J］.水土保持通报，1992，12(4):1 －9.

［31］游松财，李文卿.GIS支持下的土壤侵蚀量估算［J］.自然资源学报，1999，14(1):62 －68.

［32］水利部水利建设经济定额站.水利建筑工程预算定额［M］.郑州:黄河水利出版社，2009.

［33］ 农业部中国农业信息网［EB/OL］.http://www.agri.gov.cn.

The Evaluation of the Ecological Service of Soil Conservation Based on Multisource Remote Sensing Data:A Case Study of Four Areas in Northern Hebei

XU Xu1，2，LI Xiao － bing1，HAN Nian － long1
(1.College of Resources Science ＆ Technology，State Key Laboratory of Earth Surface Processes and Resource Ecology，Beijing Normal University，Beijing 100875，China;2.Shenzhen Urban Planning and Land Development Research Center，Shenzhen 518034，China)

Based on multi－ source remote sensing data，rainfall data，DEM and soil property data obtained in northern Hebei，the authors used Universal Soil Loss Equation(USLE)to make a quantitative analysis of soil conservation capacities with the support of GIS technique.Then the soil conservation capacities were converted into capital stocks by making reference to the Specifications for Assessment of Forest Ecosystem Services in China，which was stipulated on May 1，2008.Two kinds of ecosystem service values were considered，i.e.，the value of preserved nutrient and the value of fixed soil.The results reveal that the total soil conservation capacity of northern Hebei was 7.55 × 108t in 2008，and the corresponding value of this ecosystem service was 1.08 × 1012Yuan.The soil conservation capacities and soil conservation values of woodland，scrubland and grassland are the largest three among the seven kinds of ecosystem values，so these three ecosystems play key roles in conserving soil in northern Hebei.The spatial distribution characteristics of soil conservation values of northern Hebei show that the average value of central mountain areas is higher than the average value of western plateau and eastern plain，because dense vegetation prevents soil from erosion in mountain areas and soil erosion intensity is slight due to flat terrain in the western and eastern parts.For solving the problem of soil erosion in northern Hebei，natural vegetation should be protected，especially in central mountain areas.

Ecosystem;Soil conservation capacities;Value of soil conservation;Northern Hebei

TP 79:X 826;S 157

A

1001－070X(2011)03－0123－07

2010－11－08;

2011－03－30

国家自然科学基金重点项目“内蒙古温带典型草原生态系统服务功能变化与区域生态安全”(编号:41030535)资助。

许 旭(1984－)，男，博士研究生。主要研究方向:土地资源管理、资源与环境遥感。

李晓兵(1967－)，男，教授。主要研究方向:全球变化与陆地生态系统、资源与环境遥感、自然资源评估与生态系统管理。E －mail:xbli@ires.cn

(责任编辑:丁 群)