一种基于生态系统服务视角的区域生态修复规划方法与流程

1.本发明涉及生态保护修复技术领域，尤其涉及一种基于生态系统服务视角的区域生态修复规划方法及其制备方法。


背景技术：

2.随着对维护国家生态安全、建设美丽中国要求的不断提升，开展区域生态保护与恢复已经成为国家的重大战略。《全国重要生态系统保护和修复重大工程总体规划(2021-2035年)》的印发对于全国各地区开展生态恢复工作具有良好的指导意义。《规划》指出要以统筹山水林田湖草一体化保护和修复为主线，科学布局和组织实施重要生态系统保护和修复重大工程，提升生态系统功能，推进形成生态保护和修复新格局。
3.但是，目前还存在部分生态恢复工程简单拼凑的问题，生态恢复规划忽视当地自然禀赋，缺乏对生态系统服务提升的重视，导致区域生态系统服务功能整体提升成效不明显，生态恢复未能发挥出最大的生态、经济和社会效益。此外，将生态系统服务纳入生态恢复规划有助于在迭代规划过程中发现生态系统服务的协同效应并最小化权衡，也有助于克服科学家、决策者和利益相关者，及跨部门和学科之间的沟通困难。
4.因此，在国内大规模开展生态修复工程的背景下，需开展基于生态系统服务提升的山水林田湖草一体化的区域生态修复规划设计，实现区域生态恢复项目合理布局，达到因地制宜、最大化提升区域多种生态系统服务的目标要求。


技术实现要素：

5.本发明实施例所要解决的技术问题在于，针对目前部分生态恢复工程存在简单拼凑的问题，生态恢复规划忽视当地自然禀赋，缺乏对生态系统服务提升的重视，导致区域生态系统服务功能整体提升成效不明显，生态恢复未能发挥出最大的生态、经济和社会效益的问题，提出了一种基于生态系统服务视角的区域生态修复规划方法及其制备方法。
6.为了解决上述技术问题，本发明提供了一种基于生态系统服务视角的区域生态修复规划方法，包括以下步骤：
7.步骤一、基于区域特征以及面临的典型生态问题，筛选研究区域关键生态系统服务；收集研究区植被、土壤、气候、地形相关数据，开展关键生态系统服务评估，并通过聚类分析识别不同生态系统服务主导功能区；
8.步骤二、基于问卷调查和政府访谈，识别主导功能区内对关键生态系统服务的提升需求程度；
9.步骤三、识别研究区内人类活动导致的植被覆盖度显著降低区，并基于土地利用数据补充研究区内裸地、荒地，排除建设用地、水体所占用的无法恢复区域，形成潜在恢复区域，对应制作潜在恢复区域图；
10.步骤四、开展植被生态适宜性评估，识别农田、森林、灌丛、草地、荒漠的生态适宜区，将各植被生态适宜区空间叠加，形成区域植被生态适宜性分区，对应制作生态适宜性分
区图；
11.步骤五、将步骤三中潜在恢复区域图与步骤四中植被生态适宜性分区图进行空间叠加，形成研究区潜在恢复路径空间分布，并制作潜在恢复路径空间分布图；
12.步骤六、基于土地利用数据和步骤二中评估的各生态系统服务以及主导功能区分区结果，提取各主导功能区内不同植被类型下主要生态系统服务均值；基于步骤五中识别的潜在恢复路径空间分布，以主导功能区内主导生态系统服务加权提升程度最大作为目标，识别生态恢复的最佳植被类型，即最佳生态恢复路径；
13.步骤七、构建基于可行性-紧迫性-重要性的生态恢复优先区评估指标体系，包括人口密度、距道路距离、距居民点距离、植被退化程度、植被覆盖度、生态系统服务提升潜力，识别生态恢复优先区级别与分布。
14.其中，步骤一中，不同生态系统服务包括：供给服务、调节服务、支持服务和文化服务；供给服务包括食物生产，即单位耕地面积粮食产量与单位土地面积牲畜数量，调节服务包括水土保持、防风固沙、水源涵养、洪水调节、水质净化、固碳释氧，支持服务包括生境维持，文化服务包括旅游观光和科研与文化。
15.其中，步骤一中，生态系统服务功能主导区识别方法包括：
16.根据研究区面积大小，利用arcgis中的fishnet工具构建1-5km网格，并提取每个网格的各项生态系统服务均值，为了消除生态系统服务在指标维度上的不一致性，采用最小-最大归一化方法将指标标准化到0-1之间；
17.利用r软件中的“nbclust”包确定最优聚类数，然后采用k-means聚类方法完成生态系统服务的聚类分析；
18.利用arcgis对聚类结果进行映射，完成生态系统服务功能主导区的空间显示。
19.其中，步骤二中，对于主导功能区进行分区调查，针对各项主导生态系统服务进行打分，极重要打5分，重要打4分，一般重要打3分，不重要打2分，极不重要打1分，其中政府相关部门打分权重为0.6，当地居民打分权重为0.4，综合判别各主导功能区内生态系统服务提升重要性级别。
20.其中，步骤三中，识别研究区内人类活动导致的植被覆盖度显著降低区的方法包括以下步骤：
21.采用趋势分析法识别植被覆盖度随时间的变化趋势，计算公式如下：
[0022][0023]
式中，s为植被覆盖度斜率；n为年数；xi为第i年的植被覆盖度的值；斜率为正表示总体呈上升趋势，斜率为负表示总体呈下降趋势；
[0024]
采用mann-kendall进行植被覆盖度变化的显著性检验，其计算公式为：
[0025]
[0026][0027][0028][0029]
式中，z为检验结果，s为中间参数；i、j为年份；n为年数；fvc为植被覆盖度；取显著水平α＝0.05，则|z|≥1.96为显著变化，|z|《1.96为不显著变化；
[0030]
通过开展植被覆盖度与气温、降水的复相关分析，识别植被覆盖度变化受气温和降水变化影响的主导区域；复相关分析及f检验法的显著性检验计算公式如下：
[0031][0032][0033]
式中，r
xyz
为因变量x与自变量y和z的复相关系数，n为样本数，m为自由度；
[0034]
采用残差分析量化人类活动对植被覆盖度变化的影响，其计算公式如下：
[0035]
ε＝fvc
真实值-fvc
预测值
[0036]
fvc
预测值
＝α*t
t
β*p
t
[0037]
式中，fvc为植被覆盖度，ε为残差值，即为人类活动对植被覆盖度的影响；当ε＞0时，人类活动促进植被覆盖度提升，当ε＜0时，人类活动导致植被覆盖度下降；t
t
和p
t
分别为标准化的t月的气温和降水量；α和β分别为气温和降水的预测植被覆盖度的回归系数；
[0038]
最后，通过叠加以上步骤，获得植被覆盖度变化图、复相关图和残差图，得出研究区植被覆盖度变化的气候和人为驱动格局。
[0039]
其中，步骤4中，采用geosos-flus模型评估植被生态适宜性：将研究区土地利用数据进行分类合并，结合气温、降水、海拔、坡度、土壤质地、道路的环境数据作为基础数据，将基础数据输入geosos-flus模型神经网络分析模块后，在ann training框中设置获取训练样本的采样模式为random sampling；运行后即得到各植被类型的空间分布适宜性概率；在同一栅格上，适宜性概率最大的植被类型即为该栅格最适植被类型；适宜性达到0.85以上的区域即为该植被类型生态适宜区。
[0040]
其中，步骤七中，可行性、紧迫性和重要性的权重分别为0.25、0.35和0.40，人口密度、距道路距离、距居民点距离、植被退化程度、植被覆盖度和生态系统服务提升潜力的权重分别为0.15、0.45、0.40、0.65、0.35和1.00。
[0041]
实施本发明，具有如下有益效果：
[0042]
本发明的基于生态系统服务视角的区域生态修复规划方法，通过将不同生态系统服务提升纳入生态恢复目标，促进了生态系统服务评估在生态恢复规划中的应用，且以目标为导向的生态恢复规划可有效提高区域内相关生态系统服务供给水平；
[0043]
本发明的基于生态系统服务视角的区域生态修复规划方法，综合考虑了当地自然资源禀赋以及政府工作人员和当地居民等利益相关者的诉求，制定了基于某些生态系统服务提升的生态恢复目标，可提高生态恢复规划的科学性与合理性；
[0044]
本发明的基于生态系统服务视角的区域生态修复规划方法，包含了一种快速识别植被覆盖度变化的气候和人为驱动格局的方法，能够简单有效识别人类活动导致的植被退化区域。
具体实施方式
[0045]
下面将对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0046]
本发明提供了一种基于生态系统服务视角的区域生态修复规划方法，包括以下步骤：
[0047]
步骤一、基于区域特征以及面临的典型生态问题，筛选研究区域关键生态系统服务；收集研究区植被、土壤、气候、地形等相关数据，开展关键生态系统服务评估，并通过聚类分析识别不同生态系统服务主导功能区。
[0048]
不同生态系统服务包括：供给服务、调节服务、支持服务和文化服务；其具体生态系统服务类型与评估方法为：供给服务主要包括食物生产(单位耕地面积粮食产量与单位土地面积牲畜数量)，调节服务主要包括水土保持(通用土壤流失方程(rusle))、防风固沙(修正风蚀方程(rweq))、水源涵养(水量平衡方程)、洪水调节(invest模型seasonal water yield模块)、水质净化(nutrient delivery ratio模块)、固碳释氧(净初级生产力模型(casa))等，支持服务主要包括生境维持(invest模型habitat quality模块)等，文化服务主要包括旅游观光和科研与文化(solves模型)等。
[0049]
生态系统服务功能主导区识别方法包括：
[0050]
根据研究区面积大小，利用arcgis中的fishnet工具构建1-5km网格，并提取每个网格的各项生态系统服务均值，为了消除生态系统服务在指标维度上的不一致性，采用最小-最大归一化方法将指标标准化到0-1之间；
[0051]
利用r软件中的“nbclust”包确定最优聚类数，然后采用k-means聚类方法完成生态系统服务的聚类分析；
[0052]
利用arcgis对聚类结果进行映射，完成生态系统服务功能主导区的空间显示。
[0053]
步骤二、基于问卷调查和政府访谈，识别主导功能区内对关键生态系统服务的提升需求程度。
[0054]
对于主导功能区进行分区调查，针对各项主导生态系统服务进行打分，极重要打5分，重要打4分，一般重要打3分，不重要打2分，极不重要打1分，其中政府相关部门打分权重为0.6，当地居民打分权重为0.4，综合判别各主导功能区内生态系统服务提升重要性级别。
[0055]
步骤三、识别研究区内人类活动导致的植被覆盖度显著降低区，并基于土地利用数据补充研究区内裸地、荒地等，排除建设用地、水体等无法恢复区域，形成潜在恢复区域，对应制作潜在恢复区域图。
[0056]
识别研究区内人类活动导致的植被覆盖度显著降低区的方法包括以下步骤：
[0057]
采用趋势分析法识别植被覆盖度随时间的变化趋势，计算公式如下：
[0058][0059]
式中，s为植被覆盖度斜率；n为年数；xi为第i年的植被覆盖度的值；斜率为正表示总体呈上升趋势，斜率为负表示总体呈下降趋势；
[0060]
采用mann-kendall进行植被覆盖度变化的显著性检验，其计算公式为：
[0061][0062][0063][0064][0065]
式中，z为检验结果，s为中间参数；i、j为年份；n为年数；fvc为植被覆盖度；取显著水平α＝0.05，则|z|≥1.96为显著变化，|z|《1.96为不显著变化；
[0066]
通过开展植被覆盖度与气温、降水的复相关分析，识别植被覆盖度变化受气温和降水变化影响的主导区域；复相关分析及f检验法的显著性检验计算公式如下：
[0067][0068][0069]
式中，r
x,yz
为因变量x与自变量y和z的复相关系数，n为样本数，m为自由度；
[0070]
采用残差分析量化人类活动对植被覆盖度变化的影响，其计算公式如下：
[0071]
ε＝fvc
真实值-fvc
预测值
[0072]
fvc
预测值
＝α*t
t
β*p
t
[0073]
式中，fvc为植被覆盖度，ε为残差值，即为人类活动对植被覆盖度的影响；当ε＞0时，人类活动促进植被覆盖度提升，当ε＜0时，人类活动导致植被覆盖度下降；t
t
和p
t
分别为标准化的t月的气温和降水量；α和β分别为气温和降水的预测植被覆盖度的回归系数；
[0074]
最后，通过叠加以上步骤，获得植被覆盖度变化图、复相关图和残差图，得出研究区植被覆盖度变化的气候和人为驱动格局。
[0075]
步骤四、开展植被生态适宜性评估，识别农田、森林、灌丛、草地、荒漠的生态适宜
区，将各植被生态适宜区空间叠加，形成区域植被生态适宜性分区，对应制作生态适宜性分区图。
[0076]
采用geosos-flus模型评估植被生态适宜性：将研究区土地利用数据进行分类合并，结合气温、降水、海拔、坡度、土壤质地、道路的环境数据作为基础数据，将基础数据输入geosos-flus模型神经网络分析模块后，在ann training框中设置获取训练样本的采样模式为random sampling；运行后即得到各植被类型的空间分布适宜性概率；在同一栅格上，适宜性概率最大的植被类型即为该栅格最适植被类型；适宜性达到0.85以上的区域即为该植被类型生态适宜区。
[0077]
步骤五、将步骤三中潜在恢复区域图与步骤四中植被生态适宜性分区图进行空间叠加，形成研究区潜在恢复路径空间分布，并制作潜在恢复路径空间分布图。
[0078]
步骤六、基于土地利用数据和步骤二中评估的各生态系统服务以及主导功能区分区结果，提取各主导功能区内不同植被类型下主要生态系统服务均值；基于步骤五中识别的潜在恢复路径空间分布，以主导功能区内主导生态系统服务加权提升程度最大作为目标，识别生态恢复的最佳植被类型，即最佳生态恢复路径。
[0079]
步骤七、构建基于可行性-紧迫性-重要性的生态恢复优先区评估指标体系，包括人口密度、距道路距离、距居民点距离、植被退化程度、植被覆盖度、生态系统服务提升潜力，识别生态恢复优先区级别与分布。
[0080]
基于可行性、紧迫性与重要性三个维度评估生态恢复优先区，评估指标及其权重如表1所示。可行性、紧迫性和重要性的权重分别为0.25、0.35和0.40，人口密度、距道路距离、距居民点距离、植被退化程度、植被覆盖度和生态系统服务提升潜力的权重分别为0.15、0.45、0.40、0.65、0.35和1.00。其中，植被退化程度为植被覆盖度变化斜率，植被覆盖度降低越显著，植被退化程度越高；生态系统服务提升潜力是指采用最佳恢复类型开展生态恢复前后生态系统服务变化，生态系统服务提升越高，其提升潜力越大。
[0081]
表1生态恢复优先区评估指标体系
[0082][0083]
实施例1
[0084]
步骤1，基于研究区特征以及面临的典型生态问题，筛选区域关键生态系统服务。研究区地处青藏高原西北部，是重要的水源涵养区和动植物栖息地。同时，大面积的森林和高寒草甸也使该地区成为重要的碳汇区。由于其具有独特的高山、湖泊和农牧景观，近年来旅游业逐渐发展成为当地主导产业之一。此外，研究区东部地势陡峭，降水丰富，导致其极易发生水土流失，研究区周边低海拔地区气候干燥，土地趋于荒漠化，导致其土壤风蚀严重。因此，选择水源涵养、水土保持、防风固沙、生境维持、固碳和旅游观光6种关键生态系统
服务，其计算方法如下：
[0085]
1)水源涵养服务评估
[0086]
采用水量平衡方程对研究区水源涵养服务进行评估。该方程根据降水量和实际蒸散发的差异计算每个像素的产水量，输入参数包括潜在蒸散量、降水、土地利用类型、植物有效含水量、根系最大深度和生物物理参数表。主要计算公式如下：
[0087][0088]
式中，y
xj
为土地利用类型j下给定栅格x的年水源涵养量(mm)；aet
xj
为土地利用类型j下给定栅格x的年实际蒸散发量(mm)；p
x
表示给定栅格x的年降水量(mm)。
[0089][0090]
式中，r
xj
为土地利用类型j下给定栅格x的budyko系数，计算公式如下：
[0091][0092]
式中，k
xj
土地利用类型j下给定栅格x的蒸散发系数；eto
x
是栅格x的相对蒸散发(mm)；w
x
给定栅格x的有效水系数，表征植被对土壤水分利用的响应，计算公式如下：
[0093][0094]
式中，z为季节或气候格局系数(范围是1-10)，表示降水量的大小和分布；awc
x
为某一土地利用类型下给定栅格有效含水量。
[0095]
2)水土保持服务评估
[0096]
采用通用土壤流失方程(rusle)量化潜在和实际土壤侵蚀量，进而对水土保持服务进行评估。该模型所需的数据主要包括日降水量、dem、土地利用类型、土壤类型和管理因子数据。首先计算每月的土壤保持量，并将其相加得到年土壤保持量，计算公式如下：
[0097]
waep＝r
·k·
ls
·
(1-c
·
p)
[0098]
式中，waep为年水土保持量(t
·
hm2/a)；r为降水侵蚀因子(mj
·
mm/(hm2·
h))；k为土壤可蚀性因子(t
·
hm2·
h/(hm2·
mj
·
mm))；ls为坡长坡度因子(无量纲)；c和p分别为植被覆盖因子和管理因子(无量纲)。
[0099]
r因子计算公式如下：
[0100][0101][0102]
式中，ri是第i月的r因子(mj
·
mm
·
hm-2
·
h-1
)；k是每月的天数；pj第i月第j天的有效降水量，即日降水量≥12mm的降水量，否则记为0mm。
[0103]
参数α和β定义如下：
[0104][0105]
a＝21.586
·
β-7.1891
[0106]
式中，p
d12
为≥12mm日均降水量；p
y12
日均降水量≥12mm的年均降水量。
[0107]
k因子计算公式如下：
[0108][0109]
式中，sa、si、cl、soc分别为土壤沙粒、粉粒、黏粒和有机碳含量。
[0110]
ls因子代表了坡长和坡度对土壤流失的影响，计算公式如下：
[0111][0112]
λ＝di/cosθi[0113]
α＝n/(1 n)
[0114]
n＝(sinθ/0.0896)/(3.0sin
0.8
θ 0.56)
[0115][0116]
式中，l为坡长因子；λ为坡长因子；α为坡长指数；di为各栅格沿径流方向坡度的水平投影距离；θi是每个栅格的坡度；s是坡度因子；θ为坡度。
[0117]
植被覆盖因子c计算公式如下：
[0118][0119]
式中，vc为植被覆盖度，可以由归一化植被指数计算。
[0120]
3)防风固沙服务评估
[0121]
利用修正风蚀方程(rweq)计算有无植被覆盖的土壤风蚀量差异，进而评估防风固沙服务。该模型考虑了多种因素(如气候、土壤性质、积雪、地形等)，可以相对准确地预测风蚀量。首先在月尺度上计算风蚀量，然后对其进行累加得到年风蚀量，计算公式如下：
[0122][0123]qpmar
＝109.8(wf
×
ef
×
scf
×k′
)
[0124]sp
＝150.71(wf
×
ef
×
scf
×k′
)-0.3711
[0125]qamax
＝109.8(wf
×
ef
×
scf
×k′×
cog)
[0126]
sa＝150.71(wf
×
ef
×
scf
×k′×
cog)-0.3711
[0127]
式中，wiep为防风固沙量；we
p
和wea分别代表潜在和实际风蚀量(kg/m2)；q
pmax
和q
amax
分别为潜在和实际最大输沙能力(kg/m)；s
p
和sa分别为潜在临界长度(m)和实际临界长度(m)；z为最大下风向侵蚀距离(m)；wf为气象因子(kg/m)；ef、scf、k
′
和cog分别为土壤可蚀性因子、土壤结皮因子、地表粗糙度因子和植被因子(无量纲)。
[0128]
wf因子计算公式如下：
[0129][0130]
wf＝u2(u
2-u1)2×
nd[0131][0132][0133][0134]
sd＝1-p(snow depth＞25.4mm)
[0135]
式中，wf为风力因子(m3·
s-3
)；ρ为空气密度(kg
·
m-3
)；g为重力加速度(m
·
s-2
)；sw为土壤湿度因子(无量纲)；sd为雪盖因子(无量纲)；u1为2m高处的临界风速(m
·
s-1
)，设定为6m
·
s-1
(li et al.，2014)；u2为2m高处的实际风速(m
·
s-1
)；nd为每个月内风速超过临界风速的天数；el为海拔(km)；t是绝对温度(k)；et
p
为潜在蒸散发(mm)；r为降水量(mm)；rd是每月降水天数；sr太阳辐射(cal
·
cm-2
)；dt为平均气温(℃)；p为降雪深度≥25.4mm的概率。
[0136]
ef和scf计算公式如下：
[0137][0138][0139]
式中，sa、si、cl、som和cc分别代表沙粒、粉粒、黏粒、土壤有机质和碳酸钙含量(％)。假定ef和scf不随时间改变。
[0140]
植被因子(c)计算公式如下：
[0141]
c＝e-0.0483(vc)
[0142][0143]
式中，vc为植被覆盖度(％)；ndvi为归一化植被指数；ndvi
soil
为土壤的归一化植被指数；ndvi
veg
为植被的最大归一化植被指数。在本研究中，ndvi
veg
和ndvi
soil
分别代表了
累积频率为95％和5％的ndvi值。
[0144]k′
计算公式如下：
[0145]k′
＝cosα
[0146]
式中，α代表坡度，由dem数据计算得到。
[0147]
由于风蚀导致的土壤流失对水库泥沙沉积影响不大，因此防风固沙服务的经济价值通过两个方面核算，即土壤养分保持的价值和减少废弃土地的价值，计算方法与水土保持服务的价值计算相同。
[0148]
4)固碳服务评估
[0149]
固碳服务是指植被通过光合作用固存碳，而减少大气中二氧化碳含量的生态系统服务，以净初级生产力(npp)作为评价固碳服务的代理指标。npp通过casa模型进行估算，即通过植被吸收的光合有效辐射和植物将太阳辐射转化为有机物的效率估算。
[0150]
5)生境维持服务评估及价值核算
[0151]
生境维持服务采用invest模型中的habitat quality模块进行评估，该模块利用土地利用数据对每种土地利用类型进行生境适宜性评分，同时考虑人类威胁因素及其对栖息地质量的负面影响。
[0152]
6)旅游观光服务评估
[0153]
采用social values for ecosystem services(solves 3.0)软件对旅游观光服务进行评估。通过中国兴趣点(poi)地图得到研究区旅游景点分布，然后根据不同景点星级分配权重。5a级景区分配100，4a级景区分配90，以此类推。该模型整合maxent最大信息熵模型，考虑环境变量和社会经济因素的空间分布(距道路距离、距水体距离、山体阴影、高程、土地利用类型)，完成社会价值从单个点向整个研究区的转化。
[0154]
进一步，各生态系统服务主导功能区识别方法如下：
[0155]
1)研究区面积约10万km2，利用arcgis中的fishnet工具构建2km网格，并提取每个网格的各项生态系统服务均值。为了消除生态系统服务在指标维度上的不一致性，采用最小-最大归一化方法将各项服务标准化到0-1之间。
[0156]
2)利用r软件中的“nbclust”包确定最优聚类数，然后采用k-means聚类方法完成生态系统服务的聚类分析。
[0157]
3)利用arcgis对聚类结果进行映射，完成生态系统服务功能主导区的空间显示。
[0158]
步骤2，对于不同主导功能区分区进行调查，每个主导功能区按距离均匀调研5个乡镇，每个乡镇调研20人。调研过程中，针对各项主导生态系统服务进行打分，极重要打5分，重要打4分，一般重要打3分，不重要打2分，极不重要打1分。政府相关部门打分权重为0.6，当地居民打分权重为0.4，综合判别各主导功能区内生态系统服务提升重要性级别。
[0159]
步骤3，首先识别研究区内人类活动导致的植被覆盖度显著降低区，其识别方法如下：
[0160]
1)采用趋势分析法识别植被覆盖度随时间的变化趋势，时间尺度为1980-2018年，计算公式如下：
[0161][0162]
式中，s为植被覆盖度斜率；n为年数；xi为第i年的植被覆盖度的值。斜率为正表示
总体呈上升趋势，斜率为负表示总体呈下降趋势。
[0163]
采用mann-kendall进行植被覆盖度变化的显著性检验，其计算公式为：
[0164][0165][0166][0167][0168]
式中，z为检验结果，s为中间参数；i、j为年份；n为年数；fvc为植被覆盖度；取显著水平α＝0.05，则|z|≥1.96为显著变化，|z|《1.96为不显著变化。
[0169]
2)通过开展植被覆盖度与气温、降水的复相关分析，识别植被覆盖度变化受气温和降水变化影响的主导区域。复相关分析及f检验法的显著性检验计算公式如下：
[0170][0171][0172]
式中，r
x,yz
为因变量x与自变量y和z的复相关系数；n为样本数；m为自由度。
[0173]
3)采用残差分析量化人类活动对植被覆盖度变化的影响，其计算公式如下：
[0174]
ε＝fvc
真实值-fvc
预测值
[0175]
fvc
预测值
＝α*t
t
β*p
t
[0176]
式中，fvc为植被覆盖度；ε为残差值，即为人类活动对植被覆盖度的影响。当ε＞0时，人类活动促进植被覆盖度提升，当ε＜0时，人类活动导致植被覆盖度下降。t
t
和p
t
分别为标准化的t月的气温和降水量；α和β分别为气温和降水的预测植被覆盖度的回归系数。
[0177]
4)通过叠加以上步骤获得的植被覆盖度变化图、复相关图和残差图，得出研究区植被覆盖度变化的气候和人为驱动格局。
[0178]
其次，在识别人类活动驱动的植被显著退化区基础上，基于土地利用数据，选择研究区内裸地、荒地等，排除建设用地、水体等无法恢复区域，形成潜在恢复区域；
[0179]
步骤4，将研究区土地利用数据分类合并为农田、森林、灌丛、草地、荒漠等类型，结合气温、降水、海拔、坡度、土壤质地、道路等环境数据，将基础数据输入geosos-flus模型神经网络分析模块后，在ann training框中设置获取训练样本的采样模式为random sampling，运行模型。
[0180]
运行后即得到各植被类型空间分布的适宜性概率。在同一栅格上，适宜性概率最大的植被类型即为该栅格最适类型。适宜性达到0.85以上的区域即为该植被类型适宜区。将各植被生态适宜区空间叠加，形成区域植被生态适宜性分区。
[0181]
步骤5，将步骤3中潜在恢复区域图与步骤4中植被生态适宜性分区图进行空间叠加，形成研究区潜在恢复路径空间分布。
[0182]
步骤6，基于土地利用数据、步骤2中评估的各生态系统服务以及主导功能区分区结果，提取各主导功能区内不同土地利用类型下主要生态系统服务均值。基于步骤5中识别的潜在恢复路径空间分布，以主导功能区内主导生态系统服务加权提升程度最大作为目标，识别生态恢复的最佳植被类型。
[0183]
步骤7，基于步骤6中生态恢复的最佳植被类型，计算不同植被类型下生态恢复前后的生态系统服务变化。基于表1所列指标及权重，从可行性、紧迫性与重要性三个维度评估生态恢复优先区。
[0184]
本发明通过将不同生态系统服务提升纳入生态恢复目标，促进了生态系统服务评估在生态恢复规划中的应用，规划实施后可有效提高区域内相关生态系统服务供给水平。
[0185]
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。