Page 112 - 《环境工程技术学报》2022年第5期

· 1468 · 环境工程技术学报 第 12 卷

一级土地利用类型。DE M 数据（30 m）来源于地理
空间数据云（http://www.gscloud.cn）。气象数据来
源于中国地面气候资料日值数据集（V3.0）（http://
data.cma.cn），包括清水河流域及周边地 区 4 个气象
站 2000—201 年降水量、相对湿度、温度等数据。
8
由 Penman-Monteit 公式计算得到每个站点作物参
h
考蒸散量，最后由克里金插值法得 到 30 m的蒸散量
栅格数据（与降水量数据分辨率一致）。年降水量栅
格数据（1 km）来源于国家地球系统科学数据中心
（http://www.geodata.cn/），相比于插值法得到的降水
量数据，栅格数据具有更好的空间分布，空间分辨率
经过重采样达到 了 30 m。流域及子流域矢量图由
ArcMa 软件中水文分析工具提取得到。粮食产量
p
数据来源于《张家口经济年鉴》（2000—201 年），
9
粮食价格来源于《中国农产品价格调查年 鉴 2019》，
均下载于中国知网（https://www.cnki.net/）。
1.3 研究方法
图 2 研究技术路线
1.3.1 技术路线
Fig.2 Research technology roadmap
元胞自助机（cellular automata，CA）模型是在空
间上相互作用、时间上又具有因果关系的一种网格 以表示产水服务，计算公式如下：

动力学模型，具有处理复杂空间系统的能力。Markov ( AET ij )
Y ij = 1− P i （1）
模型基 于 Marko 链，因其较好的稳定性和无后效 P i
v
性，能够预测土地利用变化中各时刻的变动过程。 [ ( ) w ] 1
AET i PET i PET i w （2）
CA-Marko 模型综合 了 Marko 模型的时序预测和 = 1+ − 1+
v
v
P i P i P i
C 模型的空间分布模拟，已经被广泛应用于土地利
A
PET i = K c,j ET 0,i （3）
用数量变化、空间格局变化的模拟中 [16-17] 。不同于
AWC i
CLUE- 模型以 及 FLU 模型，CA-Marko 模型可以 w = Z +1.25 （4）
v
S
S
P i
将上一阶段的土地利用转移矩阵作 为 Marko 链，进
v
AWC i =min[max(layer_depth i ), root_depth i ]PAWC i
而根据以往时期的土地流转趋势作为预测未来土地 （5）
格局的方向，因此该模拟方法符合本研究中的自然 式中：Y 为栅 格 i 中土地利用类 型 j 的年产水量，
j
i
发展情景，即土地利用变化向着原本的趋势发展。 mm/a；AET 为栅 格 i 中土地利用类 型 j 的年实际蒸
j
i
分 析 2000—201 年清水河流域的土地利用时 散量，mm/a；P 为栅 格 i 的年降水量，mm/a；PET 为
i
i
8
i
空变化，利 用 CA-Marko 模型预测未来自然发展情 栅 格 i 的年潜在蒸散量，mm/a；ET 为栅 格 i 的年参
v
0,
形下的土地利用情景；在此基础上，通 过 ArcMa 软 考作物蒸散量，mm/a；K c， j 为土地利用类 型 j 的蒸散
p
件中重分类工具设计未来的退耕还林、还草发展情 系数，无量纲； 为气候-土壤的非物理参数； 为季
Z
w
景，得到不同时空尺度下的土地利用情景；根据 节性常数；max(layer_depth ) 为栅 格 i 的最大土壤深
i
i
InVEST（ integrated valuation of ecosystem services 度 ，mm ；root_depth 为 栅 格 i 的 最 大 根 系 限 制 深
and trade-offs）模型、当量因子法和当量系数表来模 度，mm；AWC 为栅格 i 的土壤有效含水量，mm；
i
i
拟不同时空尺度下的产水量、土壤保持量、碳储量 PAWC 为栅 格 i 的植物可利用含水量，其值处 于 [0，1]。
以及生态系统服务价值，最后实现清水河流域近 1.3.3 固碳服务
2 年来的生态系统服务及价值的评估。研究技术路 InVES 碳储量模型中需要的输入数据为土地
T
0
线如 图 2 所示。 利用数据以及基本的四大碳库（地上碳库、地下碳
1.3.2 产水服务 库、土壤碳库和死亡有机质碳库）数据，输出结果为
使 用 InVES 模型中的产水量模块计算产水量， 总碳储量以及不同土地利用类型的碳储量。本研究
T