CN106940830A - 未来气候变化对生物多样性影响与风险综合评估技术 - Google Patents
未来气候变化对生物多样性影响与风险综合评估技术 Download PDFInfo
- Publication number
- CN106940830A CN106940830A CN201610000571.4A CN201610000571A CN106940830A CN 106940830 A CN106940830 A CN 106940830A CN 201610000571 A CN201610000571 A CN 201610000571A CN 106940830 A CN106940830 A CN 106940830A
- Authority
- CN
- China
- Prior art keywords
- climate change
- species
- distribution
- bio
- risk
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Complex Calculations (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明名称未来气候变化对生物多样性影响与风险综合评估技术,属于生态环境保护和应对气候变化技术领域。是在综合调查我国生物多样性特征基础上,利用气候变化情景预估技术、蒙特卡罗方法、计算机模拟、GIS和风险评估技术,及气候学、概率论等学科理论和实践,建立气候变化对生物多样性影响与风险评估指标及物种分布损失规则、随机化气候情景、生态位模型与气候情景结合、模拟气候变化影响、评估气候变化对生物多样性影响与风险。为建立生物多样性保护适应气候变化的技术对策,有效保护生物多样性发挥重要的社会、经济和环境效益。这些技术操作性强、成本低、维护费用低、适合广,特别是适合对气候变化对我国生物多样性影响与风险开展评估。
Description
技术领域:
本技术发明属于环境保护和气候变化影响评估领域,目的是通过利用气候变化情景预估技术、蒙特卡罗方法、计算机模拟方法、GIS技术、风险评估技术,以及生物分类学、保护生物学、生态学、生物地理学、气候学、生物数学、模糊数学、概率论、统计学等学科的理论与方法,建立一种对未来气候变化对生物多样性影响与风险进行评估的综合技术,为气候变化影响下科学保护生物多样性而发挥重要的社会、经济和环境效益。
背景技术:
生物多样性是地球生命经过几十亿年发展进化的结果,给人类提供了丰富的食物、药物资源,是人类赖以生存的物质基础;而且在保持土、调节气候、维持自然平衡等方面起着不可替代的作用,是人类社会可持续发展的生存支持系统。加强生物多样性保护,是提升生态系统服务功能、提高资源环境承载力、实现永续发展的有力保障;是维持生态平衡、改善环境质量,满足人民群众对良好生态环境期待的重要途径;是维护国家生态安全、加快推进生态文明建设的迫切要求。气候变化对生物多样性的影响与风险成为目前和未来生物多样性保护面临的重大挑战。科学评估未来气候变化对生物多样性的影响与风险,将是在气候变化影响下科学保护生物多样性面临的重大课题。
纵观国内外对未来气候变化对生物多样性影响与风险的研究,大致经历了4个阶段,在20世纪70-80年代,评估未来气候变化对生物多样性影响与风险主要采用基于历史数据和现场观测进行的主观定性推断或统计分析技术;到了20世纪90年代,随着对气候变化对生物多样性影响问题的关注和气候变化预测技术的发展,开始利用了增量气候变化情景与物种分布模拟方法结合的技术或统计回归的技术,评估未来气候变化对生物多样性的影响与风险;到20世纪末至21世纪初,随着对未来气候变化预测技术发展和生物多样性评估技术的进步,开始采用基于温室气体排放的区域或全球气候模式预估的连续高空间分辨率气候变化情景与生物多样性评估方法结合的技术,评估气候变化对生物多样性影响与风险;自2007年政府间气候变化专门委员会第四次气候变化评估报告发布,以及2014年第五次气候变化评估报告发布到目前,随着对全球气候变化和生物多样性保护问题进一步关注,及未来气候变化预测技术的进一步发展,加上风险评估技术与生物多样性评估研究的深入,风险评价技术逐渐被应用到气候变化影响的评价中,开始采用基于路径排放辐射强迫的气候变化情景及概率气候变化情景与生物多样性评估结合的技术,评估未来气候变化对生物多样性的影响与风险。
我国是生物多样性大国,也是受气候变化影响强烈而生态环境十分脆弱的国家。气候变化对我国生物多样性已产生了一定的影响,对这些影响已有一定的认识;但由于缺少对未来气候变化对生物多样性影响与风险评估的系统技术手段,对未来气候变化对我国生物多样性影响与风险还缺少科学全面的认识,这严重制约了气候变化影响下生物多样性保护对策的制定和生物多样性保护适应气候变化工作的有效开展。为此,本发明通过建立气候变化对生物多样性影响与风险评估的指标和物种分布时空变化分析技术、筛选关键气候要素指标、产生随机化气候情景、计算未来气候变化下指标、及气候驱动与物种生态位模型结合评估气候变化对物种分布影响,建立气候变化影响下物种分布范围损失规则,分析物种分布损失级别,以及建立随机化气候变化情景和物种生态位模型相结合的技术,分析随机化气候变化情景下物种分布损失概率及物种丰富度变化与概率,综合评估气候变化对生物多样性影响与风险等技术环节的发展与有机结合,建立一种对未来气候变化对生物多样性影响与风险进行综合评估的技术。
发明内容:
本发明目的是通过利用新气候变化情景预估技术、蒙特卡罗方法、计算机模拟方法、GIS技术、风险评估技术,以及生物分类学、保护生物学、生态学、气候学、生物数学、模糊数学、概率论、统计学等学科的理论与方法,建立一种综合评估未来气候变化对生物多样性影响与风险的技术。为了上述目的,采取以下技术方案:
1、基于气候变化影响下物种分布变化程度与可能性,建立未来气候变化对生物多样性影响与风险评估的指标。
2、通过主分量分析分析方法,筛选影响生物多样性的关键气候要素指标;利用全球气候RCP模式产生的情景数据,通过计算机分析程序,分析未来气候变化情景下气候要素的时空变化。
3、利用蒙特卡罗方法,产生随机化的气候变化情景数据,利用计算机程序,分析未来随机化气候要素时空变化。
4、基于模糊数学的隶属度分析方法,建立气候要素驱动的表征物种分布时空变化的生态位模型,与GIS技术结合,建立以分析未来气候变化驱动下物种丰富度及生物多样性时空变化的模拟技术。
5、以确定性的气候变化情景下气候要素为驱动,利用生态位模型,评估未来气候变化对物种分布的影响;以随机气候变化情景的气候要素为驱动,利用生态位模型,评估未来随机气候变化情景下物种分布的变化。
6、基于气候变化影响物种分布变化的程度,建立未来气候变化影响下物种分布损失的评估规则,分析未来气候变化影响下物种分布损失的程度。
7、以随机气候变化情景下的气候要素为驱动,利用物种生态位模型,模拟分析随机气候变化情景下气候变化对物种分布影响的程度与可能性,评估气候变化单物种分布影响的风险。
8、综合分析气候变化影响下各物种分布变化,分析气候变化影响下物种丰富度变化与概率,综合评估气候变化对生物多样性的影响与风险。
具体实施方式:
依据上述设计方案,对本发明作进一步的说明。
1.基于气候变化影响下物种分布范围改变程度,建立评估气候变化对生物多样性影响的指标,即根据气候变化驱动下物种分布范围变化程度反映气候变化对物种分布范围的影响,通过分析气候变化影响下各物种分布变化导致的物种丰富度变化来表征气候变化对生物多样性影响。考虑物种目前适宜分布范围、新适宜分布范围和总适宜分布范围变化,分析气候变化影响下物种分布范围变化。物种分布范围通过中国地名录中物种分布点个数表示,或通过把物种分布点绘制到GIS图上,通过计算物种分布范围面积来反映物种的分布范围。具体如下:
设某物种目前分布范围为S1,气候变化驱动下物种适宜分布范围变为S2,则气候变化对物种分布范围的影响为:Δs=S2-S1,如果Δs=0,表明气候变化对物种分布范围没有产生影响,如果Δs>0,表明气候变化影响下物种范围扩大,如果Δs<0,表明气候变化影响下物种分布范围缩小。在分析气候变化对各个物种分布影响基础上,进一步分析气候变化影响下物种丰富度的变化,确定气候变化对生物多样性的影响。设一定区域内有N个物种,分析确定气候变化影响下分布范围增加物种数有M1种,分布范围减少物种数有M2种,分布范围没有变化的物种数有M3种,则定义气候变化对生物多样性的影响表示为:
气候变化使物种范围增加的物种比例
气候变化使物种范围减少的物种比例
气候变化使物种分布范围没有改变的物种比例
在全国或区域内,基于分析每个点物种适宜度进一步确定在单点上气候变化对物种丰富度的影响,即设在气候没有变化下任意点A上适宜分布的物种数为W1,气候变化影响下点A上适宜分布的物种数为W2,则气候变化对点A上物种丰富度的影响为ΔW=W2-W1,如果ΔW=0,反映气候变化对点A上物种丰富度没有影响,如果ΔW>0,反映气候变化影响使点A上物种丰富度增加,如果ΔW<0,反映气候变化影响使点A上物种丰富度减小。
2、建立气候变化对生物多样性风险评估指标:按照风险一般定义,气候变化对物种的风险指未来气候变化对物种带来不利影响的可能性。由于气候变化影响下物种比较敏感的响应是其分布范围改变,依据保护生物学原理,如果气候变化影响下物种分布范围扩大,则有利于物种的生存,如果物种分布范围减少,则对物种的生存不利,如果物种分布范围完全消失,则可能引起物种的灭绝。因此,把未来气候变化对物种风险的定义为未来气候变化影响下物种分布范围极大丧失的可能性或物种分布范围极大丧失的概率。物种分布范围丧失30%以上,对物种生存将有一定不利,丧失60%以上,将使物种面临濒危,丧失90%以上,将使物种面临极危险,丧失100%,则物种濒临灭绝。因此,按照分布范围丧失程度定义气候变化对物种不同级别的风险(表1)。
表1气候变化对物种分布范围丧失风险指标
注:上表中P表示概率,W1和W2分别表示物种在没有气候变化影响和有气候变化影响下的分布范围,n1,n2,n3,n4分别为发生易危、濒危、极危和灭绝的次数,N为模拟的总次数。
气候变化对物种丰富度的风险按照气候变化影响下物种数量变化来定义。设有N个物种,气候变化影响下处于易危、濒危、极危和灭绝物种数分别为M1、M2、M3和M4,则易危、濒危、极危和灭绝物种数比例及概率与指标分别按照表2计算:
表2气候变化下物种丰富度改变风险
3、选择影响生物多样性气候指标:考虑到影响生物物种的气候指标包括热量、水分、辐射和风因素的平均值和极端值,以及气候因素的综合指标,所以选择年均温、年极端最高、年极端最低、BT、PET、PER、WI、CI、HI、1月均温、7月均温、1月极端最高、7月极端最高、1月极端最低、7月极端最低、春季极端高温、夏季极端高温、秋季极端高温、冬季极端高温、春季极端低温、夏季极端低温、秋季极端低温、冬季极端低温、春季均温、夏季均温、秋季均温、冬季均温、年降水、春季降水、夏季降水、秋季降水、冬季降水、≥0℃年积温、≥0℃天数、≥5℃年积温、≥5℃天数、≥10℃年积温、≥10℃天数共38个指标(表3)。
表3选择的气候要素指标
由于这些指标间存在一定的相关性,并且一些指标并不重要。为了减少指标变量间的相关性,并且选出关键的气候指标,对这些指标按照表4矩阵进行处理,获得各空间分布点气候要素,再利用主分量分析方法(方程5),计算各个气候要素的主分量,把这些指标转换为互相没有相关性的综合指标。
根据主分量方程,计算不同气候要素主分量载荷矩阵(表5)。根据不同气候要素载荷矩阵中累积贡献率,选择累积贡献率80-85%以上,并且特征值大于1的主分量,根据主分量载荷矩阵,进一步找到最主要气候要素指标。
表4气候要素指标矩阵
点数 | X1 | X2 | X38 | |
1 | x11 | x12 | …… | x138 |
2 | x21 | x22 | …… | x238 |
…… | ||||
n | xn1 | xn2 | …… | xn38 |
注:表中表示空间n个点,每个点都有38个气候要素。
主分量方程
··································
表5载荷矩阵
注:表中有n个主分量,每个主分量包括38个气候要素组合。
4.未来气候变化的分析利用采用ISI-MIP(The Inter-Sectoral Impact ModelIntercomparison Project,http://www.isi-mip.org)提供的5套全球气候模式(GFDL-ESM2M、HadGEM2-ES、IPSL-CM5A-LR,MIROC-ESM-CHEM,NorESM1-M,包括平均气温、最高气温、最低气温、降水量、太阳总辐射、平均相对湿度,地面气压,地面风速日值)产生的RCP2.6、RCP4.5、RCP6.0和RCP8.5情景数据(RCP是Representative Concentration Pathways简写,即代表浓度路径,其中RCP2.6、RCP4.5、RCP6.0和RCP8.5分别代表大气中辐射强迫为2.6W.m-2,4.5W.m-2,6.0W.m-2和8.5W.m-2),以1951-2000年数据为基准,以2001-2100年为未来时段,每个时段点空间分辨率2.5×2.5°(表6)。
表6未来气候变化情景
基准 | RCP2.6 | RCP4.5 | RCP6.0 | RCP8.5 | |
GFDL | 1951-2000 | 2.6w.m-2 | 4.5w.m-2 | 6.0w.m-2 | 8.5w.m-2 |
HADGEM | 1951-2000 | 2.6w.m-2 | 4.5w.m-2 | 6.0w.m-2 | 8.5w.m-2 |
IPSL | 1951-2000 | 2.6w.m-2 | 4.5w.m-2 | 6.0w.m-2 | 8.5w.m-2 |
MTN | 1951-2000 | 2.6w.m-2 | 4.5w.m-2 | 6.0w.m-2 | 8.5w.m-2 |
NORTH | 1951-2000 | 2.6w.m-2 | 4.5w.m-2 | 6.0w.m-2 | 8.5w.m-2 |
对不同气候情景都按技术环节2中选择的气候要素指标,利用FORTRAN程序计算每个空间点在基准情景1951-2000年、未来2001-2100年时段每年的气候要素指标值(表7),这些结果中每个气候要素为1个矩阵,N个气候指标对应N个矩阵。
表7各气候要素计算矩阵
空间点数 | 1951-2000 | 2001 | 2002 | …… | 2100 |
1 | q01 | q11 | q11 | q11 | |
2 | q01 | q11 | q11 | q11 | |
…… | |||||
n | q0n | q1n | q1n | q1n |
注:表中n表示n个空间点。
5.基于确定性的气候变化情景,利用蒙特卡罗方法产生随机化气候变化情景:包括计算每个模式各情景下每个点各个气候要素指标值的最小值、最大值、平均值、标准方差、极差(如下表所示)。设各个气候要素为遵循正态分布、三角分布、均匀分布方式的随机变量,然后按照正态分布、三角分布、均匀分布随机变量的方式,用蒙特卡罗方法进行随机抽样,产生随机的气候变化要素。具体计算如表8。
表8每个气候模式各气候情景下参数
指标 | 基准 | RCP2.6 | RCP4.5 | RCP6.0 | RCP8.5 |
平均值 | pj | pj | pj | pj | pj |
最小值 | zx | zx | zx | zx | zx |
最大值 | zd | zd | zd | zd | zd |
标准方差 | bz | bz | bz | bz | bz |
极差 | jc | jc | jc | jc | jc |
设气候要素遵循均匀分布U[a,b]随机变量,密度函数为:
则按均匀分布抽样的随机气候要素为
x=a+(b-a)×r (7)r是随机数。
设气候要素遵循三角分布Triang(a,b,m)的随机变量,密度函数为:
则按三角分布抽样的随机气候要素为
ri是随机数。
设气候要素遵循正态分布N(m,σ)的随机变量,密度函数为
则按正态分布抽样的随机气候要素为
对空间n个点分别进行抽样,每个点抽样m次,则每个点上产生各对气候要素抽样数为m的随机样本,每个样本计算如表9所示。
表9随机产生气候要素矩阵
注:表示空间n个点进行m次抽样,Qij表示第i次第j个气候指标。
6.基于模糊数学隶属度的分析方法,建立以气候要素驱动的表征生物多样性时空变化模拟技术:包括以Cauchy模糊隶属度函数分析各物种各气候要素适宜性,对平均状态气候要素选择中间型函数,对极端最小值气候要素选择偏大型函数,对极端最大值的气候指标选择偏小型函数(隶属度函数见表10所示)。
偏小型
中间型
α>0,β为正偶数 (14)
偏大型
表10各气候要素的隶属度函数
利用中国地名录,收集物种目前分布数据,利用GIS方法输入到GIS软件中,然后把气候观测数据也输入到GIS软件中,按照插值方法,产生地名录气候数据,建立物种分布与气候要素匹配的数据库,再根据物种分布范围内各分布点的气候要素,利用FORTARN计算机程序计算各物种适宜分布气候参数,包括各气候要素指标值平均值、最小和最大值,其中最大与最小值分别是分布范围内所有分布点最小和最大值,平均值是分布范围内所有点上平均。根据这些气候要素值,通过对比方法确定隶属度函数中的a;利用最适宜点、最不适宜点的隶属度,通过优化迭代计算方法获得不同模糊隶属度模型的参数α,β。
根据各气候要素隶属度函数,计算各个气候要素隶属度后,再利用以下公式加权综合计算各气候要素总适宜隶属度作为物种的适宜度。
式中Wij表示i个气候要素权重,Aij表示第j个物种的i个气候要素隶属度。
除了加权法外,用最大墒法或气候要素隶属度交集方法计算各个物种对气候要素总适宜度,设总隶属度在0.5以上,则物种适宜分布,否则物种不适应分布。
分析各物种各个气候要素适宜性,根据每分布点上适宜性大小,计算物种适宜分布,如果适宜性在0.5以上,则适宜度为1,如果适宜性在0.5以下,则适宜度为0。根据各分布点上适宜性函数值,计算各个物种在分布点上适宜度,所有适宜点组成物种范围(表11),再利用中国地名录,把这些适宜性数据转换为EXCEL文件,利用GIS系统中加载地理坐标的工具,把各个点加载到地图上显示。计算每个点物种丰富度值,根据所有的点上物种丰富度变化表征生物多样性空间变化特征。
表11利用适宜度函数计算物种范围与丰富度
点号 | S1 | S2 | S3 | …… | Sm | 丰富度 |
1 | S11 | S12 | S12 | S12 | ||
2 | S21 | S22 | S22 | S22 | ||
3 | ||||||
…… | ||||||
n | Sn1 | Sn2 | Sn3 | Snm | ||
物种范围 |
注:Snm表示第n个点第m个物种适宜性;每个点物种丰富度为把所有适宜物种加起来;每个物种范围是把适宜点加起来。
7.把确定性气候变化情景下气候要素作为输入变量输入到模糊隶属度生态位模型,评估确定性气候变化对物种分布的影响:包括以确定性情景下的气候要素为驱动,输入到模糊适宜性模型中,分析各分布点每年每个气候要素的隶属度,再通过加权方法或最小方法计算每个点每年的综合隶属度,根据综合隶属度大小,转化为每个分布点的适宜度(表12)。
表12确定性气候变化影响下物种分布范围变化
1951-2000 | 2001 | 2002 | …… | 2100 | |
1 | y11 | y12 | y13 | y1m | |
2 | y21 | y22 | y23 | y2m | |
3 | y31 | y23 | Y33 | y2m | |
…… | |||||
n | yn1 | yn2 | Yn3 | ynm | |
分布范围 | N1 | N2 | N3 | Nm |
注:分布范围为N个点中适宜物种分布点数量,每个点适宜性是各个气候要素适宜性综合。
以10年平均计算物种在每个分布点适宜度,再利用GIS技术加载地理坐标技术,加载到GIS平台中,显示物种分布范围,比较不同时段分布范围,利用气候变化对物种分布范围影响指标,分析气候变化对物种分布影响(表12)。根据各个物种分析,综合分析气候驱动下物种丰富度的变化,分析气候变化对生物多样性的影响。
用kappa统计学方法检验模型,计算如下
k=[(a+d)-(((a+c)(a+-b)+(b+d)(c+d))÷N)]÷9N-(((a+c)(a+b)+(b+d)(c+d))÷N)] (17)
a=实际与预测都有的点数量
b=实际没有预测有的点数
c=实际有预测没有的点数量
d=预测与实际都没有的点数量
N=a+b+c+d (18)
8.把随机性气候变化情景下气候要素作为输入变量输入到生态位模型,分析随机气候变化驱动下物种分布变化,评估随机气候变化对生物多样性的影响,包括进行n次模拟,每次以概率气候变化情景为驱动,把气候要素输入到模糊适宜性模型,分析计算各分布点每年每个气候要素下隶属度,然后再通过加权方法计算每个点每年综合隶属度,根据综合隶属度大小,转化为每个分布点的适宜度,按10年平均计算每个物种在每个分布点的适宜度,再利用GIS加载地理坐标方法,加载到GIS平台中,显示物种分布范围,比较不同时段分布范围,利用气候变化对物种分布范围影响指标,与基准情景下物种分布进行比较,然后计算n次的平均值、最小值和最大值,分析随机气候变化情景下气候变化对物种分布的影响(表13)。
表13随机气候变化情景下物种分布范围变化
1951-2000 | 2001 | 2002 | …… | 2100 | 物种范围 | |
1 | z11 | z12 | z13 | z1n | F1 | |
2 | z21 | z22 | z23 | z2n | F2 | |
n | zn1 | zn2 | zn3 | znn | Fn | |
平均 | ZJ1 | ZJ1 | ZJ1 | …… | ZJ1 | ZJ1 |
注:随机抽样n次,每次抽样下物种在不同时间段下分布范围,比较不同时间段范围差异,反映气候变化对物种分布的影响。
根据分析各物种分布范围变化确定气候驱动下物种丰富度变化,分析气候变化对生物多样性的影响。
9、按照物种目前适宜范围变化、总适宜范围变化的程度,建立未来气候变化影响下物种分布损失评估规则和损失级别,具体如下:
物种目前适宜范围稳定的点数占基准情景下点数比例(=0,≥0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9,1);
物种目前适宜范围丧失的点数占基准情景下点数比例(=0,≥0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9,1);
新增加适宜范围的点数占基准情景下点数比例(=0,≥0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9,1);
总适宜分布范围的点数占基准情景下点数比例(=0,≥0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9,1)。
表14气候变化影响下物种分布范围损失影响判断矩阵
指标 | 30% | 60% | 90% | 100 |
目前适宜分布范围 | 易危 | 濒危 | 极危 | 灭绝 |
总适宜分布范围 | 易危 | 濒危 | 极危 | 灭绝 |
综合 | 易危 | 濒危 | 极危 | 灭绝 |
在分析各个物种分布范围损失的基础上(见表14),进一步分析判断物种丰富度变化。
10、利用确定性气候变化情景数据,分析气候变化对物种分布影响基础上,进一步按照未来气候变化影响下物种分布范围损失评估规则,分析未来气候变化影响下单个物种分布损失程度(表15)。
表15气候变化对物种分布影响的程度
1950-2000 | 2001 | 2002 | …… | 2100 | |
目前适宜分布范围 | X1 | X2 | X3 | Xn | |
总适宜分布范围 | Z1 | Z2 | Z3 | Zn |
分析全部物种分布范围损失程度的基础上,进一步分析气候变化影响下物种丰富度的变化,确定气候变化对生物多样性影响的程度(表16)。
表16气候变化对物种丰富度影响程度计算
易危 | 濒危 | 极危 | 灭绝 | |
S1 | X1 | X1 | X1 | X1 |
S2 | X2 | X2 | X2 | X2 |
Sn | Xn | Xn | Xn | Xn |
丰富度 | y | y | y | y |
注:n个物种,每个物种分布损失级别,综合分析每个级别下物种数量或丰富度。
11.基于未来气候变化影响下物种分布损失评估和损失级别规则,利用蒙特卡罗方法产生的随机气候变化情景为驱动,输入到物种生态位模型,分析未来气候变化影响下单个物种分布范围损失的程度(表17和表18)。
表17随机气候变化情景下物种目前适宜范围分析矩阵
次数 | 1950-2000 | 2001 | 2002 | …… | 2100 |
1 | Ls1x | Ls1x | Ls1x | Ls1x | |
2 | Ls2x | Ls2x | Ls2x | Ls2x | |
n | Lsnx | Lsnx | Lsnx | Lsnx | |
平均 | Pj1xn | Pj1xn | Pj1xn | Pj1xn |
注:次数表示随机产生的气候情景的次数,n次就是随机产生了n次气候变化情景,计算每次气候变化情景每个时段物种分布范围。
表18随机气候变化情景下物种分布范围变化分析
1950-2000 | 2001 | 2002 | …… | 2100 | |
目前适宜分布范围 | Ls1x | Ls1x | Ls1x | Ls1x | |
总适宜分布范围 | Ls2x | Ls2x | Ls2x | Ls2x |
注:比较不同时段分布范围变化差异,确定物种分布范围损失程度
分析全部物种分布范围损失程度,进一步分析物种丰富度的变化。
12.在计算分析随机气候变化情景下物种分布范围损失的基础上,利用物种分布损失评估规则和损失级别规则,计算物种分布范围不同损失下概率(见表19-20)。
物种目前适宜范围稳定的点数占基准情景下点数比例(=0,≥0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9,1)概率;
物种目前适宜范围丧失的点数占基准情景下点数比例(=0,≥0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9,1)概率;
新增加适宜范围的点数占基准情景下点数比例(=0,≥0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9,1)概率;
总适宜分布范围的点数占基准情景下点数比例(=0,≥0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9,1)概率。
表19计算物种范围变化次数
损失比例 | 1 | 2 | …… | n | |
0 | X0 | X0 | X0 | Y0 | |
0.1 | X1 | X1 | X1 | Y1 | |
0.2 | X2 | X2 | X2 | Y2 | |
0.3 | X3 | X3 | X3 | Y3 | |
0.4 | X4 | X4 | X4 | Y4 | |
0.5 | X5 | X5 | X5 | Y5 | |
0.6 | X6 | X6 | X6 | Y6 | |
0.7 | X7 | X7 | X7 | Y7 | |
0.8 | X8 | X8 | X8 | Y8 | |
0.9 | X9 | X9 | X9 | Y9 | |
1.0 | X10 | X10 | X10 | Y10 |
注:Yi是模拟了n次,不同损失比例的次数。
表20计算物种范围变化概率
损失比例 | 目前稳定适宜范围 | 目前适宜范围丧失 | 新增加适宜范围 | 总适宜范围 |
0 | X0 | X0 | X0 | X0 |
0.1 | X1 | X1 | X1 | X1 |
0.2 | X2 | X2 | X2 | X2 |
0.3 | X3 | X3 | X3 | X3 |
0.4 | X4 | X4 | X4 | X4 |
0.5 | X5 | X5 | X5 | X5 |
0.6 | X6 | X6 | X6 | X6 |
0.7 | X7 | X7 | X7 | X7 |
0.8 | X8 | X8 | X8 | X8 |
0.9 | X9 | X9 | X9 | X9 |
1.0 | X10 | X10 | X10 | X10 |
注:不同损失比例的下分布范围变化概率。
13.基于物种丧失程度和概率,进行气候变化影响下物种分布损失等级划分,按照世界自然保护联盟规则,对气候变化影响下按物种损失程度把物种划分归为易危、濒危、极危和灭绝四种级别。根据物种目前分布范围损失30%、60%和90%及其概率划分为易危、濒危、极危、灭绝风险的事件,以及总适宜范围占目前范围的30%、60%和90%的物种划分为易危、濒危、极危、灭绝风险事件,对气候变化影响下物种分布范围损失程度进行划分(表21和22)。
表21气候变化影响下按照目前分布范围变化风险指标
注:不同概率不同损失程度下判别矩阵.
表22气候变化影响下按照物种总适宜范围变化风险指标
指标 | 30% | 60% | 90% | 100 |
0.3 | 易危 | 濒危 | 极危 | 灭绝 |
0.6 | 易危 | 濒危 | 极危 | 灭绝 |
0.9 | 易危 | 濒危 | 极危 | 灭绝 |
注:不同概率不同损失程度下下的判别矩阵.
分析未来气候变化影响单个物种损失程度,再分析全部物种损失程度,进一步分析物种丰富度的变化,以及概率,具体见技术环节16。
14.分析随机气候变化情景下物种分布损失程度的概率,通过随机气候变化情景下气候要素驱动下物种分布变化,利用气候变化影响下物种分布损失等级划分规则,分析物种分布范围不同级别损失的概率。设模拟了n次,则物种分布范围损失发生易危、濒危、极危、灭绝随机事件次数为m1、m2、m3、m4,则各个事件的概率为
根据表23和24过程,计算物种目前分布范围损失、总适宜分布范围损失程度不同的概率。
表23物种目前分布范围损失程度计算矩阵
易危 | 濒危 | 极危 | 灭绝 | |
1 | X1 | X1 | X1 | X1 |
2 | X2 | X2 | X2 | X2 |
n | Xn | Xn | Xn | Xn |
次数 | Y | Y | Y | Y |
注:Y是模拟n次产生不同程度损失的次数,根据这些次数与总次数计算概率。
即模拟n次,分析物种目前或者总适宜分布范围不同损失下的次数,计算物种目前或总适宜分布范围不同损失程度下的概率。
表24物种总分布范围损失程度计算矩阵
易危 | 濒危 | 极危 | 灭绝 | |
1 | x1 | x1 | x1 | x1 |
2 | x2 | x2 | x2 | x2 |
n | x1n | xn | xn | xn |
次数 | y | y | y | y |
注:Y是模拟n次产生不同程度损失的次数,根据这些次数与总次数计算概率。
在计算单个物种分布范围损失概率的基础上,进一步计算在n次模拟中,每个物种分布范围不同程度损失次数,进一步计算每个物种分布范围不同程度损失(易危、濒危、极危、灭绝)的概率,并且计算不同概率、不同损失范围物种丰富度的变化(表25)。
表25物种分布范围损失程度综合计算矩阵
S1 | S2 | …… | Sm | |
1 | X1 | X1 | X1 | |
2 | X2 | X2 | X2 | |
…… | ||||
n | Xn | Xn | Xn | |
次数 | Y1 | Y2 | Ym |
注:Sm表示第m个物种,根据每次模拟下分布不同程度改变下的物种数量,计算在n次模拟中分布不同程度改变下的物种数量范围的次数,计算概率。
15.分析气候变化对单个物种的风险,计算气候变化影响下物种风险主要利用物种分布范围丧失的程度与概率,包括丧失范围与概率的二纬矩阵。
R=L×P (23)
表26物种分布范围丧失风险评价矩阵
概率 | 0 | 10% | 20% | 30% | 40% | 50% | 60% | 70% | 80% | 90% | 100% |
0 | X0 | X0 | X0 | X0 | X0 | X0 | X0 | X0 | X0 | X0 | X0 |
0.1 | X1 | X1 | X1 | X1 | X1 | X1 | X1 | X1 | X1 | X1 | X1 |
0.2 | X2 | X2 | X2 | X2 | X2 | X2 | X2 | X2 | X2 | X2 | X2 |
0.3 | X3 | X3 | X3 | X3 | X3 | X3 | X3 | X3 | X3 | X3 | X3 |
0.4 | X4 | X4 | X4 | X4 | X4 | X4 | X4 | X4 | X4 | X4 | X4 |
0.5 | X5 | X5 | X5 | X5 | X5 | X5 | X5 | X5 | X5 | X5 | X5 |
0.6 | X6 | X6 | X6 | X6 | X6 | X6 | X6 | X6 | X6 | X6 | X6 |
0.7 | X7 | X7 | X7 | X7 | X7 | X7 | X7 | X7 | X7 | X7 | X7 |
0.8 | X8 | X8 | X8 | X8 | X8 | X8 | X8 | X8 | X8 | X8 | X8 |
0.9 | X9 | X9 | X9 | X9 | X9 | X9 | X9 | X9 | X9 | X9 | X9 |
1.0 | X10 | X10 | X10 | X10 | X10 | X10 | X10 | X10 | X10 | X10 | X10 |
注:计算不同概率、不同损失范围下的物种数量。
在进行了物种风险筛选后,根据物种丧失范围的危险水平和概率,进一步利用评价矩阵计算风险(表26和27)。
表27气候变化影响下物种风险评价表
易危 | 濒危 | 极危 | 灭绝 | |
概率 | P1 | P2 | P3 | P4 |
对物种分布范围的每个点,分析气候变化影响下适宜性丧失概率,包括先计算单个物种分布丧失的概率(表28),再计算所有物种在这个点适宜性丧失的概率,以及不同概率下该点物种丰富度变化(表29)。
表28计算单个物种在各个点适宜性丧失的概率
1 | 2 | m | ||
1 | z1 | z1 | z1 | |
2 | z2 | z2 | z2 | |
n | zn | zn | zn | |
N1 | N2 | Nm |
注:模拟n次,nm表示物种在m个点适宜丧失次数。
表29计算各个点适宜性不同丧失概率下物种丰富度变化
1 | 2 | ………… | n | |
S1 | X1 | X1 | X1 | |
S2 | X2 | X2 | X2 | |
S3 | X3 | X3 | X3 | |
…… | ||||
Sm |
注:Sm表示第m个物种,n表示n个点,Xi表示在n个点上物种分布丧失的概率。
16、分析气候变化生物多样性的风险,对不同的类群(包括鸟类、两栖类、爬行类、兽类或植物)全部物种,如果一个类群中有物种数为M,其中受到气候变化影响的物种数为N,受到影响物种平均风险为R,则类群风险为
根据气候变化对物种分布范围有无影响来确认N,平均风险根据每个物种风险来计算。
根据表30计算不同概率下不同物种分布适宜性丧失的状况,根据表31计算不同物种适宜范围丧失不同程度的概率。
表30各物种风险综合评价的概率矩阵
注释:Sn表示第n个物种,X表示不同概率下分布范围丧失状况。
表31生物多样性风险评价范围变化矩阵
0 | 10 | 20 | 30 | 40 | 50 | 60 | 70 | 80 | 90 | 100 | |
S1 | X1 | X1 | X1 | X1 | X1 | X1 | X1 | X1 | X1 | X1 | X1 |
S2 | X2 | X2 | X2 | X2 | X2 | X2 | X2 | X2 | X2 | X2 | X2 |
…… | |||||||||||
sn | xn | xn | xn | xn | xn | xn | xn | xn | xn | xn | xn |
∑ | Y1 | Y1 | Y1 | Y1 | Y1 | Y1 | Y1 | Y1 | Y1 | Y1 | Y1 |
注释:sn是第n个物种,X表示分布范围丧失不同比例下的概率。
根据表30和31分析结果,利用表32计算各个物种在不同濒危程度下概率,综合反映气候变化对物种丰富度的风险。
表32生物多样性风险概率评价矩阵
易危 | 濒危 | 极危 | 灭绝 | |
S1 | X1 | X1 | X1 | X1 |
S2 | X2 | X2 | X2 | X2 |
S3 | Xn | Xn | Xn | Xn |
Sn | Yn | Yn | Yn | Yn |
平均 | Pj | Pj | Pj | Pj |
注:Sn表示第n个物种,Xn表示不同危险程度下的概率。
在气候变化影响下,物种分布每个点都可以计算风险,设一个点物种丰富度为n,则气候变化影响下物种丰富度变化的概率可以通过以下表33进行分析,综合反映每个点物种丰富度的风险。
表33每个点生物多样性风险概率评价矩阵
物种 | 1 | 2 | …… | n次 |
S1 | X1 | X1 | X1 | |
S2 | X2 | X2 | X2 | |
…… | ||||
Sm | Xm | Xm | Xm | |
丰富度 | N1 | N2 | …… | Nn |
注:Sm表示第m个物种,n表示有n个点,其中每个点不同物种丰富度下概率根据每个物种适宜性变化概率计算,或者通过模拟q次,计算物种不同丰富度变化下次数而得到。
表34计算各点物种丰富度变化程度不同的概率
注:通过分析模拟q次,计算不同丰富度下的次数,计算丰富度变化的概率。
在以上表30-34分析基础上,进一步根据表35进行气候变化影响下物种丰富度变化风险的计算。
表35物种丰富度变化风险判断矩阵
极度危险 | 中度危险 | 危险 | 低危险 | 无危险 | |
指标 | 100 | 80 | 60 | 40 | 0 |
结合GIS技术,根据每个点上的变化概率,把这些点概率在图上显示,显示不同风险的区域。
通过以上技术步骤,评估未来气候变化对生物多样性的影响与风险。
Claims (1)
1.本发明涉及利用新气候变化情景预估技术、蒙特卡罗方法、计算机模拟方法、GIS技术、风险评估技术,以及生物分类学、保护生物学、生态学、气候学、生物数学、模糊数学、概率论、统计学等学科的理论与方法,建立一种综合评估未来气候变化对生物多样性影响与风险的技术。为了上述目的,采取以下技术方案:
1、基于气候变化影响下物种分布变化程度与可能性,建立未来气候变化对生物多样性影响与风险评估的指标。
2、通过主分量分析分析方法,筛选影响生物多样性的关键气候要素指标。
3、利用全球气候RCP模式产生的情景数据,利用计算机程序,分析未来气候变化情景下气候要素的时空变化。
4、利用蒙特卡罗方法,产生随机化的气候变化情景数据;利用计算机程序,分析未来随机化气候要素时空变化。
5、基于模糊数学的隶属度的分析方法,建立气候要素驱动的表征物种分布时空变化的生态位模型,与GIS技术结合,建立以分析未来气候变化驱动下物种丰富度及生物多样性时空变化的模拟技术。
6、以确定性和随机的气候变化情景数据,利用生态位模型,评估未来气候变化对物种分布的影响。
7、基于气候变化影响物种分布变化的程度,建立未来气候变化影响下物种分布损失评估规则,包括物种易危、濒危、极危和灭绝的评估规则。
8、以随机的气候变化情景,利用生态位模型,根据物种分布损失评估规则,评估未来气候变化影响下物种分布损失的程度。
9、以随机气候变化情景要素为驱动,结合生态位模型,模拟分析随机气候变化情景下气候变化对物种分布影响的程度与概率,评估气候变化单个物种分布损失的风险。
10、利用风险评价范围变化矩阵和概率评价矩阵方法,综合分析气候变化影响下各物种分布变化,确定气候变化影响下物种丰富度变化与概率,综合评估气候变化对生物多样性的影响与风险。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610000571.4A CN106940830B (zh) | 2016-01-04 | 2016-01-04 | 未来气候变化对生物多样性影响与风险综合评估技术 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610000571.4A CN106940830B (zh) | 2016-01-04 | 2016-01-04 | 未来气候变化对生物多样性影响与风险综合评估技术 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106940830A true CN106940830A (zh) | 2017-07-11 |
CN106940830B CN106940830B (zh) | 2022-02-18 |
Family
ID=59468548
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610000571.4A Active CN106940830B (zh) | 2016-01-04 | 2016-01-04 | 未来气候变化对生物多样性影响与风险综合评估技术 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106940830B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109376978A (zh) * | 2018-08-20 | 2019-02-22 | 天津科技大学 | 基于蒙特卡罗啤酒设备环境影响评价的不确定性分析方法 |
CN111639803A (zh) * | 2020-05-29 | 2020-09-08 | 福州市规划设计研究院 | 一种应用于气候变化情景下区域未来植被指数的预估方法 |
WO2022165612A1 (en) * | 2021-02-08 | 2022-08-11 | Riskthinking.Ai Inc. | Systems and methods for computer models for climate financial risk measurement |
CN116415841A (zh) * | 2023-02-24 | 2023-07-11 | 北京师范大学 | 一种确定生物多样性丰富区信息的方法及装置 |
WO2024098445A1 (zh) * | 2022-11-10 | 2024-05-16 | 东南大学 | 一种乡村生境质量评估及预测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7249007B1 (en) * | 2002-01-15 | 2007-07-24 | Dutton John A | Weather and climate variable prediction for management of weather and climate risk |
CN102496070A (zh) * | 2011-12-07 | 2012-06-13 | 中国海洋大学 | 一种河口生态风险评价模型的构建方法 |
CN103810537A (zh) * | 2014-02-12 | 2014-05-21 | 南京大学 | 一种基于水质模型的区域环境风险评估方法 |
CN104992245A (zh) * | 2015-07-09 | 2015-10-21 | 南京信息工程大学 | 一种基于广义熵理论的水环境风险管理动态智能综合分析方法 |
CN105023067A (zh) * | 2015-08-04 | 2015-11-04 | 环境保护部南京环境科学研究所 | 基于层次分析法-模糊综合评价的化工项目环境风险评价体系 |
-
2016
- 2016-01-04 CN CN201610000571.4A patent/CN106940830B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7249007B1 (en) * | 2002-01-15 | 2007-07-24 | Dutton John A | Weather and climate variable prediction for management of weather and climate risk |
CN102496070A (zh) * | 2011-12-07 | 2012-06-13 | 中国海洋大学 | 一种河口生态风险评价模型的构建方法 |
CN103810537A (zh) * | 2014-02-12 | 2014-05-21 | 南京大学 | 一种基于水质模型的区域环境风险评估方法 |
CN104992245A (zh) * | 2015-07-09 | 2015-10-21 | 南京信息工程大学 | 一种基于广义熵理论的水环境风险管理动态智能综合分析方法 |
CN105023067A (zh) * | 2015-08-04 | 2015-11-04 | 环境保护部南京环境科学研究所 | 基于层次分析法-模糊综合评价的化工项目环境风险评价体系 |
Non-Patent Citations (2)
Title |
---|
吕佳佳 等: "气候变化对植物及植被分布的影响研究进展", 《环球科学与技术》 * |
李辉霞 等: "基于NDVI的三江源地区植被生长对气候变化和人类活动的响应研究", 《生态学报》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109376978A (zh) * | 2018-08-20 | 2019-02-22 | 天津科技大学 | 基于蒙特卡罗啤酒设备环境影响评价的不确定性分析方法 |
CN109376978B (zh) * | 2018-08-20 | 2021-07-16 | 天津科技大学 | 基于蒙特卡罗啤酒设备环境影响评价的不确定性分析方法 |
CN111639803A (zh) * | 2020-05-29 | 2020-09-08 | 福州市规划设计研究院 | 一种应用于气候变化情景下区域未来植被指数的预估方法 |
WO2022165612A1 (en) * | 2021-02-08 | 2022-08-11 | Riskthinking.Ai Inc. | Systems and methods for computer models for climate financial risk measurement |
GB2618945A (en) * | 2021-02-08 | 2023-11-22 | Riskthinking Ai Inc | Systems and methods for computer models for climate financial risk measurement |
WO2024098445A1 (zh) * | 2022-11-10 | 2024-05-16 | 东南大学 | 一种乡村生境质量评估及预测方法 |
CN116415841A (zh) * | 2023-02-24 | 2023-07-11 | 北京师范大学 | 一种确定生物多样性丰富区信息的方法及装置 |
CN116415841B (zh) * | 2023-02-24 | 2023-12-08 | 北京师范大学 | 一种确定生物多样性丰富区信息的方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN106940830B (zh) | 2022-02-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | Random forest regression evaluation model of regional flood disaster resilience based on the whale optimization algorithm | |
Gibson et al. | Future land cover change scenarios in South African grasslands–implications of altered biophysical drivers on land management | |
Dobbs et al. | Assessing the drivers shaping global patterns of urban vegetation landscape structure | |
Lin et al. | Systematically designating conservation areas for protecting habitat quality and multiple ecosystem services | |
Nie et al. | Simulating future land use by coupling ecological security patterns and multiple scenarios | |
Gremer et al. | Desert grassland responses to climate and soil moisture suggest divergent vulnerabilities across the southwestern United States | |
Liu et al. | Identification of urban flight corridors for migratory birds in the coastal regions of Shenzhen city based on three-dimensional landscapes | |
Ma et al. | Boundary delineation and grading functional zoning of Sanjiangyuan National Park based on biodiversity importance evaluations | |
CN106940830A (zh) | 未来气候变化对生物多样性影响与风险综合评估技术 | |
Kati et al. | Towards the use of ecological heterogeneity to design reserve networks: a case study from Dadia National Park, Greece | |
CN112765912B (zh) | 基于气候模式集合的洪涝灾害社会经济暴露度的评估方法 | |
Qi et al. | Planning for cooler cities: A framework to support the selection of urban heat mitigation techniques | |
Huang et al. | Modeling the impacts of drying trend scenarios on land systems in northern China using an integrated SD and CA model | |
CN106716479A (zh) | 从局部模型导出性能的计算机实现方法 | |
Fairbanks et al. | Species and environment representation: selecting reserves for the retention of avian diversity in KwaZulu-Natal, South Africa | |
Liu et al. | Climate change will constrain the rapid urban expansion in drylands: A scenario analysis with the zoned Land Use Scenario Dynamics-urban model | |
Li et al. | Geographical boundary and climatic analysis of Pinus tabulaeformis in China: Insights on its afforestation | |
Han et al. | Integrated modeling to identify priority areas for the conservation of the endangered plant species in headwater areas of Asia | |
Zhang et al. | Optimal allocation of local climate zones based on heat vulnerability perspective | |
Wan et al. | Developing conservation strategies for Pinus koraiensis and Eleutherococcus senticosus by using model-based geographic distributions | |
Segurado et al. | Sensitivity of river fishes to climate change: The role of hydrological stressors on habitat range shifts | |
Liu et al. | Research and application of city ventilation assessments based on satellite data and GIS technology: a case study of the Yanqi Lake Eco‐city in Huairou District, Beijing | |
Xu et al. | Multi‐scenario simulation of desertification in North China for 2030 | |
Ratha et al. | A digraph permanent approach to evaluation and analysis of integrated watershed management system | |
Wang et al. | Migration risk of fall armyworm (Spodoptera frugiperda) from North Africa to Southern Europe |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20211210 Address after: 100012 Beijing city Chaoyang District Dayangfang Beiyuan No. 8 Applicant after: CHINESE RESEARCH ACADEMY OF ENVIRONMENTAL SCIENCES Address before: 100012 Beijing city Chaoyang District Dayangfang Beiyuan No. 8 Applicant before: CHINESE RESEARCH ACADEMY OF ENVIRONMENTAL SCIENCES Applicant before: Wu Jianguo |
|
GR01 | Patent grant | ||
GR01 | Patent grant |