1 引言
甘肃省位于黄土高原、 青藏高原和蒙古高原的交会地带（程玉菲等， 2023）， 地处东部季风区、 西北干旱半干旱区和青藏高寒区三大自然区的交界处， 属气候敏感区和生态脆弱区（菅煜婷等， 2022）。黄河流经甘肃省境内913 km， 甘肃黄河流域是黄河流域生态保护的关键地区， 拥有黄河天然生态廊道、 祁连山、 陇中陇东黄土高原、 渭河源等多个重要生态功能区。由于生态基础总体脆弱， 生态历史欠账多， 陇中陇东黄土高原等地区的水土流失尚未得到有效遏制（甘肃省人民政府， 2021）。该地区是一个生态问题和发展问题交织在一起的自然-社会-经济复合生态系统， 其生态系统土壤保持服务具有控制土壤侵蚀、 拦截泥沙、 生产粮食和清洁水质等功能， 是防止水土流失和推动高质量发展的重要保障。现有的土壤保持服务数据产品， 如《青藏高原8 km分辨率土壤保持数据集（1990 - 2015）》（获取地址为http： //dx.doi.org/10.11888/Ecolo.tpdc.271032）， 《2010年中国生态系统服务空间数据集》的土壤保持子数据集（获取地址为https： //doi.org/10.11922/sciencedb.458）， 以及2000年、 2010年和2015年《全国土壤保持功能》数据集（获取地址为https： //www.ecosystem.csdb.cn/ecogj/tpcclasses_detail.jsp？id=4DCC016FEE12E999644FFD6D68E0641E）， 其空间范围未能完全覆盖研究区， 或者仅为1年或间隔5年的数据， 缺少多年连续性的数据集。此外， 修正通用土壤流失方程（Revised Universal Soil Loss Equation， RUSLE）是目前应用最广泛的土壤侵蚀预报和土壤保持服务评估模型（Kenneth et al， 1991； 冯强和赵文武， 2014）。为此， 本文使用降水、 土地利用类型、 植被指数、 数字高程模型和土壤数据库等数据， 运用修正通用土壤流失方程（RUSLE方程）， 在Pycharm 2017软件平台下调用ArcPY等Python运算库， 计算得到了2001 -2015年甘肃黄河流域的土壤保持服务年度数据集， 以期为该地区提升土壤保持服务和预防水土流失制定措施提供科学依据， 也为评估生态安全和构建生态安全格局提供重要的数据支撑。
2 数据采集和处理方法
2.1 数据来源及处理
本文使用的数据见表1 ， 其中降水量（月度）、 土地利用类型（年度）和植被指数（年度）数据的时段为2001 -2015年。
表1 使用的数据及其来源Table 1 The data utilized in this study and its corresponding sources |
| 类别 | 数据名称及其属性 | 文献来源 |
|---|---|---|
| 降水量 | 降水量数据集， 月度， 1 km | 彭守璋， 2020 |
| 土地利用类型 | MCD12Q1， 年度， 500 m | 来源于Level-1 and Atmosphere Archive & Distribution System（LAADS， https： //ladsweb.modaps.eosdis.nasa.gov/）， 使用植被功能型分类方案的土地利用类型数据 |
| 植被指数 | 归一化植被指数NDVI， 年度， 1 km | 徐新良， 2018 |
| 地形地貌 | 数字高程模型DEM数据， 250 m | 中国科学院资源环境科学与数据中心， 使用最近邻法重采样至1 km |
| 土壤理化性质 | 土壤质地与有机碳含量， 1 km | 从HWSD v1.1数据库（国家冰川冻土沙漠科学数据中心获取， 中国境内数据源为第二次全国土地调查南京土壤所提供）提取 |
2.2 数据计算与生产方法
采用RUSLE方程的土壤保持服务评估模型计算土壤保持服务（Zhang et al， 2015）：
式中： Ac 为土壤保持量（单位： t·hm-2·a-1）； R为降雨侵蚀力因子（单位： MJ·mm·hm-2·h-1·a-1）； K 为土壤可蚀性因子（单位： t·hm2·h·hm-2·MJ-1·mm-1）； LS 表示地形因子； C 为植被覆盖与管理因子； P为水土保持措施因子。
2.2.1 R参数计算
2.2.2 土壤可蚀性因子K参数计算
采用《生态保护红线划定指南》（环境保护部和国家发展改革委， 2017）推荐的方法计算土壤可蚀性因子K：
式中： K 为修正后的土壤可蚀性因子； K EPIC为修正前的土壤可蚀性因子； m clay 、 m silt 、 m sand和C分别为黏粒、 粉粒、 砂粒和有机碳的百分比含量（单位： %）， 从HWSD v1.1土壤数据库提取。
2.2.3 地形因子LS参数计算
采用《生态保护红线划定指南》推荐的地形起伏度（即地面一定距离范围内最大高差）计算地形因子LS。使用Arcpy函数库的NeighborhoodStatistics函数， 以DEM为输入参数， 统计类型设置为最大值和最小值， 即得到高程最大值和最小值栅格数据， 然后通过栅格计算器， 输入［高程最大值-高程最小值］， 获得LS栅格数据。
2.2.4 植被覆盖与管理因子C参数计算
（1） 植被覆盖度FVC计算
采用像元二分模型（Zhang et al， 2013）计算植被覆盖度（Fractional Vegetation Cover， FVC）：
式中： NDVI为归一化植被指数； NDVI veg和NDVI soil分别为纯植被（地表完全被植被覆盖）和纯土壤（地表没有植被）部分的植被指数， 其值分别取研究区所有NDVI值的最大值和最小值。
（2） C参数计算
参照N-SPECT模型参数， 结合王丽霞等（2020）的研究结果和《生态保护红线划定指南》的推荐方法， 计算植被覆盖与管理因子C（表2 ）， 如水体的C值为0.0， 植被覆盖度<10%的林地， 其C值为0.1， 而耕地的C值按0.221-0.595Ln（FVC）计算， 其中Ln为自然对数。
表2 植被覆盖度与管理因子C计算方法Table 2 The calculation method of vegetation cover and management factor （C） |
| 土地利用 类型 | 植被覆盖度/% | |||||
|---|---|---|---|---|---|---|
| <10 | 10~30 | 30~50 | 50~70 | 70~90 | >90 | |
| 林地 | 0.1 | 0.08 | 0.06 | 0.02 | 0.004 | 0.001 |
| 灌木 | 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 |
| 耕地 | 0.221-0.595Ln（FVC） | |||||
| 水体 | 0.00 | |||||
| 城市与建设用地 | 0.01 | |||||
| 永久积雪和冰 | 0.00 | |||||
| 荒漠 | 0.70 | |||||
2.2.5 P参数赋值
参考陈朝良等（2021）研究成果， 对MCD12Q1产品植被功能型分类方案的土地利用数据赋值。耕地（谷类作物、 阔叶作物）、 草地、 林地（常绿针叶林、 常绿阔叶林、 落叶针叶林和落叶阔叶林）、 灌木、 水体、 永久积雪和冰、 城市与建设用地和荒漠对应的水土保持措施因子P分别赋值为0.30、 0.16、 0.05、 0.05、 1.00、 1.00、 1.00和1.00。
2.3 数据集元数据简介
《甘肃黄河流域土壤保持服务数据集（2001 - 2015年）》元数据主要包括名称、 时间范围、 地理区域、 空间分辨率、 数据量、 数据格式、 数据集组成和获取路径等信息（表3 ）。
表3 数据集元数据简介Table 3 Introduction of dataset metadata |
| 数据集中文名称 | 甘肃黄河流域土壤保持服务数据集（2001-2015年） |
|---|---|
| 数据集英文名称 | A soil conservation service dataset for Gansu-Yellow River basin from 2001-2015 |
| 数据时间范围 | 2001 -2015年 |
| 地理区域 | 地理范围为33°6′29″N -40°0′6″N， 97°23′38″E -108°42′38″E |
| 空间分辨率 | 0.01°×0.01°， 约1 km |
| 数据量 | 76.20 MB（含Python源代码及2015年的驱动参数数据） |
| 数据格式 | .tif |
| 审图号 | GS（2019）3333号 |
| 基金项目 | 甘肃省自然科学基金项目“基于生态服务视角的甘肃黄河流域生态风险评估及归因研究”（22JR5R194）； 甘肃省高等学校青年博士项目“基于生态系统服务与风险的甘肃黄河流域生态安全格局构建研究”（2022QB-143）。 |
| 数据集组成 | 数据集由3部分数据组成， 其一为.tif格式的栅格数据（如Ac2001.tif， 即2001年土壤保持服务， t·hm-2·a-1）， 可用遥感或地理信息等软件（如ENVI、 ArcGIS）打开； 其二为.tfw格式数据（如Ac2001.tfw）， 描述空间参考（1984世界大地坐标系统）等信息； 其三为.xml格式数据（如Ac2001.tif.aux.xml）， 描述数据的最大值、 最小值等统计信息。 |
| 许可协议 | 本作品采用 知识共享署名 4.0 国际许可协议进行许可 |
| 发布时间 | 2023年7月4日 |
| 实体数据集 获取路径 | http： //www.ncdc.ac.cn/portal/metadata/a918f7ed-5988-44ea-80ad-ee14acab89aa |
3 数据样本描述
该数据集包含2001 -2015年间连续的15年土壤保持服务年度数据（单位： t·hm-2·a-1）。命名方式为“AcXXXX.tif”， “Ac”表示土壤保持服务， “XXXX”代表年份， 如“Ac2001.tif”表示2001年的土壤保持服务。图1 为两年时间间隔的土壤保持服务空间分布图， 图中的甘肃省省界矢量数据来源于资源环境科学数据注册与出版系统（徐新良， 2023）， 底图无修改。
甘肃黄河流域土壤保持服务呈南部高、 北部低的分布格局， 其高值区主要位于地形起伏度大、 植被覆盖度高的陇南山地和祁连山山地， 低值区主要位于地形平坦、 植被稀疏、 降水较少的河西走廊北部荒漠区。该空间格局与一些已发布的土壤保持服务空间格局基本一致， 如2010年《全国土壤保持功能》（中国生态系统评估与生态安全数据库， https： //www.ecosystem.csdb.cn/showimage.do？id=6738）， 以及《2010年中国生态系统服务空间数据集》子数据集土壤保持服务（图2 ）。
图2 2010年土壤保持量的空间分布（单位： t·hm-2·a-1）（a）土壤保持量数据为本文研究结果； （b）土壤保持量数据来自《2010年中国生态系统服务空间数据集》的子数据集（引自张路等， 2017） Fig.2 The spatial distribution of soil conservation amount in 2010.Unit： t·hm-2·a-1.（a）the soil conservation amount data of this study result； （b）the soil conservation amount data from A spatial dataset of ecosystem services in China （2010） produced by Zhang et al （2017） |
4 数据质量控制和评估
RUSLE模型参数众多， 为确保长时间序列的输入参数、 运算结果的正确性及其命名的规范性， 本文通过编写Python计算机代码计算土壤保持量。
遥感图像成像过程中， 因受云量、 雨雪等天气条件、 卫星运行状态等的影响， 遥感数据（NDVI、 MCD12Q1）的部分像元值存在过大或过小等异常值， 导致计算的土壤保持量为负值， 本文统一处理为0。研究区共涵盖212143个像元， 2001-2015年， 2015年土壤保持量<0的像元数为9个， 不超过1/100000， 其他各年的土壤保持量均≥0。
5 讨论和总结
RUSLE模型是目前应用最为广泛的土壤侵蚀/土壤保持服务估算模型， 其模型参数的计算存在较大差异， 本文采用了较为常用的计算方法或者综合了常用方法的优势。例如， 参数植被覆盖与管理因子C的计算方法， 主要有标准小区法、 手册查询法、 土地利用类型赋值法、 光谱混合分析法、 植被覆盖度关系式法等（冯强和赵文武， 2014）。土地利用类型赋值法简单易行， 但未考虑同一土地利用类型的时空异质性， 特别是陇东黄土高原田块破碎、 祁连山等山区植被覆盖不均， 将C值设定为一恒定常数是不合适的， 应考虑纳入植被覆盖。植被覆盖度关系式法简单便捷， 只需植被覆盖度即可推算出C值。因此， 本文综合土地利用类型赋值与植被覆盖度关系式法， 计算了甘肃黄河流域的C因子。但不同研究区具有不同的植被覆盖度关系式如： ， 黄土高原地区的西峰和淳化（刘秉正等， 1999）； ， 全国（环境保护部和国家发展改革委， 2017）。未来可在农田等土地利用类型建立标准小区， 通过标准小区法率定适合研究区的C因子与植被覆盖的关系式。
该数据集是长时间序列的甘肃黄河流域土壤保持服务分布数据（空间分辨率0.01°×0.01°）。它是提升土壤保持服务和预防水土流失措施制定的支撑数据， 也是评估生态安全和构建生态安全格局重要基础数据。实体数据集可从国家冰川冻土沙漠科学数据中心（http： //www.ncdc.ac.cn/portal/metadata/a918f7ed-5988-44ea-80ad-ee14acab89aa）获取， 具体请参阅获取说明（http： //www.ncdc.ac.cn/portal/about/guide#normal_data_download）。