CN107480889A - 一种湿地生态安全预警等级评定方法 - Google Patents
一种湿地生态安全预警等级评定方法 Download PDFInfo
- Publication number
- CN107480889A CN107480889A CN201710704721.4A CN201710704721A CN107480889A CN 107480889 A CN107480889 A CN 107480889A CN 201710704721 A CN201710704721 A CN 201710704721A CN 107480889 A CN107480889 A CN 107480889A
- Authority
- CN
- China
- Prior art keywords
- index
- land use
- index factor
- wetland
- factor
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 230000004044 response Effects 0.000 claims abstract description 16
- 238000011156 evaluation Methods 0.000 claims abstract description 15
- 230000008569 process Effects 0.000 claims abstract description 12
- 238000004088 simulation Methods 0.000 claims abstract description 8
- 230000008859 change Effects 0.000 claims description 37
- 238000009826 distribution Methods 0.000 claims description 33
- 238000011160 research Methods 0.000 claims description 16
- 238000004458 analytical method Methods 0.000 claims description 13
- 239000002689 soil Substances 0.000 claims description 8
- 238000011161 development Methods 0.000 claims description 7
- 238000013467 fragmentation Methods 0.000 claims description 7
- 238000006062 fragmentation reaction Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000008901 benefit Effects 0.000 claims description 5
- 230000000694 effects Effects 0.000 claims description 5
- 230000001788 irregular Effects 0.000 claims description 4
- 238000007477 logistic regression Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 claims description 3
- 238000010835 comparative analysis Methods 0.000 claims description 2
- 238000011835 investigation Methods 0.000 claims 1
- 238000013459 approach Methods 0.000 abstract description 3
- 239000003337 fertilizer Substances 0.000 description 5
- 239000000126 substance Substances 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 4
- 230000002776 aggregation Effects 0.000 description 3
- 238000004220 aggregation Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000012937 correction Methods 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000013210 evaluation model Methods 0.000 description 2
- 230000003862 health status Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 235000014676 Phragmites communis Nutrition 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 239000000356 contaminant Substances 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- 238000003911 water pollution Methods 0.000 description 1
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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种湿地生态安全预警等级评定方法，涉及生态环境领域。该方法包括：根据压力‑状态‑响应模型，确定预警体系指标因子；通过灰色数列预测模型，获取压力指标因子的预测数值；通过Clue‑S模型，获取所需年份土地利用预测模拟图，结合软件FRAGSTATS，确定状态指标因子预测数值和响应指标因子预测数值；采用层次分析法通过构造判断矩阵，确定各预警体系指标因子的权重；通过逻辑斯蒂增长曲线模型，确定各预警体系指标因子的生态安全指数；通过综合评价法，确定湿地生态安全值。本发明的湿地生态安全预警标准能够定量计算出未来相应区域的生态安全预警等级，并依据具体预测结果提出对区域湿地生态环境有效的保护途径和措施。
Description
技术领域
本发明涉及生态环境领域，更具体的涉及一种湿地生态安全预警等级评定方法。
背景技术
辽河河口湿地位于辽河流域最末端，是辽河流域的重要组成部分，是我国第一大河口芦苇湿地和我国重要的自然生态保护区，也是项目的重点研究区域之一。目前，随着国家对辽河上游污染物的有效阻控和治理，水体污染对河口湿地的影响有所缓解，河口湿地生态环境有一定程度的改善，但仍面临很多较为严重的生态环境问题，如：湿地面积继续萎缩、生物资源锐减和人类开发活动的影响强烈等。但从目前已有的研究看，对于未来主要因子的胁迫作用、湿地格局的生态安全和未来生态安全保护体系的构建研究还相对薄弱。
现有技术中，湿地生态安全预警标准技术，通常是定性分析湿地生态影响因素，给出粗略的湿地生态安全预警结论，预警精确度不高，预警可靠性低，不能对湿地未来生态安全状况做出客观准确的预测。
综上所述，现有技术中，存在湿地生态安全预警精确度不高，可靠性低，不能对湿地未来生态安全状况做出客观准确的预测的问题。
发明内容
本发明实施例提供一种湿地生态安全预警等级评定方法，用以解决现有技术中存在湿地生态安全预警精确度不高，可靠性低，不能对湿地未来生态安全状况做出客观准确的预测的问题。
本发明实施例提供一种湿地生态安全预警等级评定方法，包括：
根据压力-状态-响应模型，确定预警体系指标因子，所述预警体系指标因子包括；压力指标因子、状态指标因子和响应指标因子；其中，所述压力指标因子包括：人口密度、GDP密度和第三产业增加值密度；所述状态指标因子包括：斑块数、平均斑块面积、边界密度、多样性指数、均匀度指数和优势度指数；所述响应指标因子包括：破碎度指数和聚集度指数；
通过灰色数列预测模型，获取压力指标因子的预测数值；
通过Clue-S模型，获取所需年份土地利用预测模拟图，并结合景观格局指数计算软件FRAGSTATS，确定状态指标因子预测数值和响应指标因子预测数值；并且通过Kappa指数方法评价Clue-S模型模拟精度；
采用层次分析法，通过构造判断矩阵，确定各预警体系指标因子的权重；
通过逻辑斯蒂增长曲线模型，确定各预警体系指标因子的生态安全指数；
根据压力指标因子的预测数值、状态指标因子预测数值、响应指标因子预测数值、各预警体系指标因子的权重和各预警体系指标因子的生态安全指数，通过综合评价法，确定湿地生态安全值；
根据所述湿地生态安全值，确定生态安全预警等级。
较佳地，对区域内调查分析的人类活动因子采用二元Logistic回归分析法，获取每个指示变量的事件发生比率，通过分析每个指示变量的事件发生比率大小，确定所述压力指标因子。
较佳地，所述事件发生比率为β系数的以E为底的指数值，即EXP(β)；当EXP(β)＞1时，表示事件发生比率增加；当EXP(β)＝1时，表示事件发生比率不变；当EXP(β)＜1时，表示事件发生比率减少。
较佳地，通过比较分析景观格局指数特征，且利用景观格局指数计算软件FRAGSTATS，确定所述状态指标因子和所述响应指标因子。
较佳地，所述灰色数列预测模型是以时间序列性资料为基础，通过对无规律的原始数列进行转换、建立有规律的生成数列的回归方程，并应用该方程对事物的动态发展趋势进行预测的一种较为常见的分析方法。
较佳地，所述Clue-S模型是在对区域土地利用变化经验理解的基础上，以栅格数据为单元进行研究，通过计算各土地利用类型在某一研究单元上的分布比例大小来确定优势土地利用，通过这个研究单元内的优势土地利用类型来显示该栅格内具体的土地利用状况。
较佳地，所述Clue-S模型模拟的前提条件是：某一区域的土地利用变化情况是受该地区土地利用需求情况影响的，并且某一区域的土地利用格局分布基本与土地需求以及该地区的自然和社会状况处于动态平衡；所述动态平衡的基础是具体分析土地利用的空间分布概率情况、土地利用变化规则和研究初期土地利用分布状况，依照总概率大小对土地利用需求进行空间分配的复杂过程；空间分配具体包括：
1)确定栅格系统中被允许参与变化模拟的栅格；
2)计算栅格适合土地利用类型的总概率；
3)对各土地利用类型赋相同的迭代变量值，按照每一栅格对不同土地利用类型分布的总概率从大到小对各栅格的土地利用变化进行初次分配；
4)比较不同土地利用类型的初次分配面积和需求面积；若土地利用初次分配的面积大于需求面积，就减小迭代变量值；反之，就增大迭代变量值；然后进行土地利用变化的第二次分配。
5)重复步骤2)～4)，直到各土地利用变化的分配面积等于需求面积为止，然后，保存该年的分配图并开始对下一年土地利用变化的分配。
较佳地，所述Kappa指数的取值范围在0到1之间，当Kappa指数≥0.75时，表示两幅图像一致性较高；当Kappa指数0.4≤Kappa指数≤0.75时，表示两幅图像一致性一般；当Kappa指数＜0.4时，表示两幅图像一致性较差。
较佳地，所述生态安全预警等级包括：
当湿地生态安全值为0.0≤I＜0.2时，Ⅰ级生态安全预警等级为重警；
当湿地生态安全值为0.2≤I＜0.4时，Ⅱ级生态安全预警等级为中警；
当湿地生态安全值为0.4≤I＜0.6时，Ⅲ级生态安全预警等级为预警；
当湿地生态安全值为0.6≤I＜0.8时，Ⅳ级生态安全预警等级为较安全；
当湿地生态安全值为0.8≤I＜1.0时，Ⅴ级生态安全预警等级为安全。
本发明实施例中，提供一种湿地生态安全预警等级评定方法，与现有技术相比，其有益效果为：本发明的湿地生态安全预警标准能够定量计算出未来相应区域的生态安全预警等级，并依据具体预测结果提出对区域湿地生态环境有效的保护途径和措施，湿地生态安全预警是湿地保护重要的前瞻性措施，对湿地未来生态安全状况做出客观准确的预测，可以为制订合理的湿地保护对策提供依据，为相关部门针对未来湿地健康状况制定管理政策和保护措施提供理论依据，能够根据湿地现有发展状况，依据合理的分析预测，适时预警辽河口湿地生态安状况，合理开发利用湿地资源，更好的保护湿地生态系统生态服务功能。本发明能够对适用区域内的未来生态安全状况进行预测，并量化评级，根据数据的可收集性，预测区域范围可以细化到以乡镇为预测单位。
附图说明
图1为本发明实施例提供的一种湿地生态安全预警等级评定方法流程图。
具体实施方式
下面将结合本发明实施例中的附图，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。
图1为本发明实施例提供的一种湿地生态安全预警等级评定方法流程图。如图1所示，该方法包括：
S101，根据压力-状态-响应模型，确定预警体系指标因子，所述预警体系指标因子包括；压力指标因子、状态指标因子和响应指标因子；其中，所述压力指标因子包括：人口密度、GDP密度和第三产业增加值密度；所述状态指标因子包括：斑块数、平均斑块面积、边界密度、多样性指数、均匀度指数和优势度指数；所述响应指标因子包括：破碎度指数和聚集度指数。
需要说明的是，本发明的预警体系指标包括：人口密度、GDP密度、第三产业增加值密度、斑块数、平均斑块面积、边界密度、多样性指数、均匀度指数、优势度指数、破碎度指数和聚集度指数。各指标的概念分别为：
(1)人口密度：单位面积土地上居住的人口数。
(2)GDP密度：每平方公里土地创造的GDP。
(3)第三产业增加值：一定时期内第三产业单位产值的增加值。
(4)斑块数：景观中所有斑块或某一种斑块的数量。
(5)平均斑块面积：景观中所有斑块或某一种斑块的平均面积。
(6)边界密度：
Pij是景观类型i与j之间为邻的概率，A为斑块面积，n为景观类型总数
(7)多样性指数：反映景观要素的多少和各景观要素所占比例的变化，
m为景观类型数，Pi为第i类景观所占比例。
(8)均匀度指数：反映景观里不同景观类型的分配均匀程度，
H表示修正了的Simpson指数，Hmax是最大可能均匀度。
(9)优势度指数：表示景观多样性对最大多样性的偏离程度，或描述景观结构中一种或几种景观类型支配景观的程度。
(10)破碎度指数：指景观被分割的破碎程度，它在一定程度上指人为对景观的干扰程度。
(11)聚集度指数：反映景观中不同斑块类型的非随机性或聚集程度。
需要说明的是，依据“辽河口湿地生态演变根据与生态保护体系构建”研究内容，针对区域内调查分析的人类活动因子应用二元Logistic回归方程，产生针对每个指示变量的事件发生比率，这个比率就是β系数的以E为底的指数值，即EXP(β)。二元Logistic回归分析主要是用于研究土地利用类型与土地利用类型变化的驱动力之间的影响程度，是研究筛选土地利用变化影响因子的常用手段。该方法可以在多种影响土地利用变化的驱动因子中确定各因子对各个土地利用类型的影响程度情况。表示了人口密度、GDP密度、第三产业增加值密度、建设用地指标、化肥施用强度等人为影响因子发生自然变化时，对湿地生态格局的影响。因此，当EXP(β)＞1时，表示发生比率增加；当EXP(β)＝1时，表示发生比率不变；当EXP(β)＜1时，表示发生比率减少。
(1)水田方面，二元Logistic回归方程包括11个解释变量，化肥施用强度、坡度和农业人口密度仍然是影响较大的驱动因子，EXP(β)分别为1.013374、0.980464、1.013989。与水田的发生率有正相关关系的驱动因子有：河流、人口密度、化肥施用强度，而有负相关性的驱动因子有：到海岸线距离、到村镇居名点距离、到交通线距离、坡度、人口密度、第三产业增加值密度、GDP密度。
(2)旱地方面，包括6个解释变量，坡度、农业人口密度和化肥施用强度是影响旱地分布的重要驱动因子。
(3)河流方面，回归结果基本与1988年情况有较大相同，增加了农业人口密度这一因子，剔除了到海岸线距离、到村镇居民点距离、到交通线距离、人口密度这4个因子。
(4)建成区方面，驱动因子的变化较小，只是由农业人口密度的负相关关系变为正相关关系。由于经济的增长，建设用地的扩张，因此社会经济因素在盘锦市以后的土地发展变化方面的影响将愈加重要。
(5)林地方面，包括4个解释变量，与之呈正相关性的有：坡度、到交通线距离，与之呈负相关性的有：到村镇居民点距离、农业人口密度。
(6)水库/坑塘方面，剔除了到海岸线距离、到村镇居民点距离和农业人口密度这三个驱动因子。
(7)草本沼泽方面，包括10个解释变量。
综上可知，人口密度、第三产业增加值密度、化肥施用强度、GDP密度是引起盘锦市土地利用变化的主要驱动因素。同时考虑到地区实际情况和调查数据的可获取性，确定在指标体系的建立中，选定人口密度、GDP密度和第三产业增加值密度作为人为影响因子，即压力指标因子。
需要说明的是，通过比较景观格局指数特征，选取包括研究区总的斑块数(NP)、平均斑块面积(MPS)、边界密度(ED)以及各生态系统类型的斑块平均面积、斑块数和分维数(D)来对斑块多样性进行描述。利用景观格局指数计算软件FRAGSTATS得到上述指标。根据前人经验，类型多样性指标主要包括多样性指数、优势度和均匀度指数。多样性指数反映景观要素的多少和各景观要素所占比例的变化。优势度指数表示景观多样性对最大多样性的偏离程度，或描述景观结构中一种或几种景观类型支配景观的程度。均匀度指数(E)反映景观里不同景观类型的分配均匀程度。利用景观格局指数计算软件FRAGSTATS得到上述指标。参考其他研究，选取描述格局多样性的指标包括景观聚集度指数(RC)和破碎度指数(FN)。聚集度指数反映景观中不同斑块类型的非随机性或聚集程度。破碎度指数指景观被分割的破碎程度，它在一定程度上指人为对景观的干扰程度。
S102，通过灰色数列预测模型，获取压力指标因子的预测数值。
需要说明的是，本发明中，由于人口密度、GDP密度和第三产业增加值密度三个压力指标拟通过已知数据，应用灰色数列预测模型进行2018年对应值的预测。基于灰色系统的灰色预测模型,对自然、社会、经济预测具有重要的意义。灰色预测模型GM(1,1)是以时间序列性资料为基础,通过对无规律的原始数列进行转换、建立有规律的生成数列的回归方程,并应用该方程对事物的动态发展趋势进行预测的一种较为常见的分析方法。GM(1,1)模型是GM模型中的一种,数学上它是根据最小二乘法原理求解单一变量的一阶微分方程的过程,虽然它具有思路简单、数据单纯、运算简便等特点。
需要说明的是，GM(1,1)模型的原理为：
对于给定的原始时间数据序列：{X(0)(i)}，(i＝1，2，…，n)一般不能直接用于建模，因为时间数据多为随机的、无规律的。若将原始数据序列经过累加生成，可获得新的数据序列{X(1)(i)}，(i＝1，2，…，n)，其中：
累加生产曲线，显然增加了原数列序列的规律性，随机性被弱化，而且有明显的减小。一般来说，对于非负的数据序列，累加次数越多，则随机性弱化也越显著，规律性越强。这样，就很容易用指数曲线逼近。
GM(1,1)模型就是根据上述原理而建立起来的。
对原始序列X(0)＝(x(0)(1)，x(0)(2)，…，x(0)(n))累加后得：X(1)＝(x(1)(1)，x(1)(2)，…，x(1)(n))对x(0)(k)作均值生成：Z(1)(k)＝0.5x(1)(k-1)+0.5x(1)(k)，构造数据矩阵B为：
构造数据向量：YN＝[x(0)(1)，x(0)(2)，…，x(0)(n)]T
采用微分方程预测模型：
辨识微分方程参数：
得时间序列预测模型：
预测数据还原即为预测值：
目前，随着计算机的普及,可以根据需要建立基于Excel灰色预测模型,来完成GM(1,1)模型的预测。
S103，通过Clue-S模型，获取所需年份土地利用预测模拟图，并结合景观格局指数计算软件FRAGSTATS，确定状态指标因子预测数值和响应指标因子预测数值；并且通过Kappa指数方法评价Clue-S模型模拟精度。
需要说明的是，利用遥感影像数据，进行大气校正、正射校正和几何校正等处理以及对影像的时相、云量、波段、噪音、变形、条带、像元大小等进行检查后，基于构建的土地利用分类体系，对遥感影像分类解译，获得CLUE-S模型所要求的土地利用/覆被数据。运用ARCGIS软件对盘锦市土地利用/覆被变化情况进行分析。通过对影像的数字化并进行统一的配准后，再结合研究年份的纸质、数字图纸进行进一步校正以及分类获得。社会经济数据通过查阅《盘锦统计年鉴》等相关资料获得。
需要说明的是，CLUE-S模型是在对区域土地利用变化经验理解的基础上，以栅格数据为单元进行研究，通过计算各土地利用类型在某一研究单元上的分布比例大小来确定优势土地利用，通过这个研究单元内的优势土地利用类型来显示该栅格内具体的土地利用状况。CLUE-S模型包含了驱动土地利用变化的自然和社会经济因子，在空间上显现土地利用变化的具体过程和最终结果，在和其它土地利用模型比较时发现，CLUE-S模型可信度和解释力都更好。CLUE-S模型模拟的前提条件是，某一区域的土地利用变化情况是受该地区土地利用需求情况影响的，并且某一区域的土地利用格局分布基本与土地需求以及该地区的自然和社会状况处与动态平衡
需要说明的是，动态模拟的基础是具体分析土地利用的空间分布概率情况、土地利用变化规则和研究初期土地利用分布状况，依照总概率TPROP大小对土地利用需求进行空间分配的复杂过程。通过多次迭代来实现这一分配过程，具体的过程如下：
TPROPi，u＝Pi，u+ELASu+ITERu
1)确定栅格系统中被允许参与变化模拟的栅格。保护用地或其它不允许发生类型转变的栅格(规则1)将不参与下一步的计算。
2)根据上式计算栅格i适合土地利用类型u的总概率。ELAS是根据上述土地利用转变规则设置的参数。
3)对各土地利用类型赋相同的迭代变量值(ITero)，按照每一栅格对不同土地利用类型分布的总概率(TPROP)从大到小对各栅格的土地利用变化进行初次分配。
4)比较不同土地利用类型的初次分配面积和需求面积。若土地利用初次分配的面积大于需求面积，就减小ITero的值；反之，就增大ITero的值，然后进行土地利用变化的第二次分配。
5)重复第2)～4)步，直到各土地利用变化的分配面积等于需求面积为止，然后，保存该年的分配图并开始对下一年土地利用变化的分配。
需要说明的是，应用Kappa指数的方法来评价模型模拟的精度，Kappa指数可以定量的显示模拟的精确程度。Kappa指数常被用于评价遥感影像的分类精度，也可显示两幅图像的相似性，其表达式为：
Kappa＝(Po-Pc)/(Pp-Pc)
式中，Po表示两幅图中一致性的比例；Pc表示随机情况下期望的一致性的比例；Pp表示理想情况下一致性的比例；Kappa指数的取值范围在0到1之间，当Kappa指数≥0.75时，表示两幅图像一致性较高；当Kappa指数0.4≤Kappa指数≤0.75时，表示两幅图像一致性一般；当Kappa指数＜0.4时，表示两幅图像一致性较差。根据Kappa指数的大小说明Clue-S模型能否较好的模拟盘锦市土地利用/覆被变化。
需要说明的是，得到土地利用预测模拟图后，应用FRAGSTATS软件进行景观格局指数分析。FRAGSTATS软件是由俄勒冈州立大学森林科学系开发的一个景观格局指数计算软件。国内一般采用此软件的栅格版本。FRAGSTATS软件栅格版本可以计算多达277个景观指标，其中斑块指数22个，类型水平指数123个，景观水平指数132个，但许多指标之间都是高度相关的。主要技术流程为：遥感图像矢量化(用ArcView生成shp文件)——将shp文件导出成ArcGrid格式——用FRAGSTATS软件计算——用excel软件读取结果文件，进行后处理。
综上所述方法，得到目标预测年份的景观格局指数影响因子指标。
S104，采用层次分析法，通过构造判断矩阵，确定各预警体系指标因子的权重。
表1 辽河口湿地生态安全评价体系
需要说明的是，权重表示在生态安全多指标评价过程中，选取的评价指标在总体评价中相对于评价结果的相对重要程度。通过建立递阶层次分析结构，构建两两比较各指标层评价问卷，通过专家问卷法对指标进行两两比较打分，逐渐分析评价指标的关联性和重要程度，进而将定性的问题转化变成定量计算问题，实现生态安全评价指标权重值的确定。
需要说明的是，本发明采用层次分析法，首先，在PSR概念模型的指导下，湿地生态安全评价指标体系分3个层次，以湿地生态安全综合指数为目标层，由“压力”、“状态”、“响应”3个子系统构成准则层，子系统下各具体指标构成指标层。其次，构造判断矩阵，形式如下：
表2 A-B判断矩阵
表中aij＝Bi/Bj，表示对于A这一总体评价目标而言，因素Bi对因素Bj相对重要性的判断值，数值大小由因素Bi与因素Bj的相对重要性决定。一般采用1、3、5、7、9为标度，具体如下：
表2 相对重要性标度
上述构建的矩阵要进一步检验矩阵的一致性，当一致性检验结果≤0.1时，表明计算结果对原矩阵具有满意的一致性。
需要说明的是，使用层次分析法，在PSR概念模型的指导下，形成1个目标，3个准则，10个测度指标的指标体系，有效地将指标体系的层次结构建立起来。
S105，通过逻辑斯蒂增长曲线模型，确定各预警体系指标因子的生态安全指数。
需要说明的是，逻辑斯蒂增长曲线模型又称自我抑制型曲线，是20世纪20年代Lotka和Volterra在种群生态学中的种群数量增长过程的研究中提出的，至今应用仍比较广泛。林茂昌、李永健使用此模型分别对闽江河口区湿地、拉鲁湿地生态系统健康进行了单因子评价：
式中，P表示单项指标的生态安全评价指标评价值，R表示单项指标测度值。a、b均为常数，确定方法为：当R＝0.01时，P的值近似取0.001；当R＝0.99时，P的值近似取0.999，则此时方程中的a和b的值求解分别为4.595和9.19，因此，单项指标评价模型最终为：
在单因子评价中，对于指标量值增加与生态环境质量的增加方向相同时的单项指标采用公式2来求得单因子指标评价值；当单项指标量值的增加方向与生态环境质量增加方向相反时，采用公式3进行评价。经过计算得出各单项指标的生态安全指数。
S106，根据压力指标因子的预测数值、状态指标因子预测数值、响应指标因子预测数值、各预警体系指标因子的权重和各预警体系指标因子的生态安全指数，通过综合评价法，确定湿地生态安全值。
需要说明的是，根据上述计算所得到的指标权重及单项指标评价值，本文采用综合评价法计算辽河口湿地生态安全度的等级。公式如下：
其中，I为生态安全最终得分；Wj为各因子指标权重；Xj为单项指标的生态安全指数；n为指标数量。通过综合评价法计算出研究区湿地生态安全值，从而得到了辽河口湿地生态安全的定量化评价。
S107，根据所述湿地生态安全值，确定生态安全预警等级。
需要说明的是，本标准设置了辽河口湿地区生态安全预警评判标准(见下表4)，拟定5档确定评价区域的生态环境安全度，计算得到的预警值能对应于某个级别的安全预警状况。综合预警值越高，说明区域的生态安全状况越好；相反，综合预警值越低，说明区域的生态安全状态越差。
表4 生态安全预警判别标准
本发明的湿地生态安全预警标准能够定量计算出未来相应区域的生态安全预警等级，并依据具体预测结果提出对区域湿地生态环境有效的保护途径和措施，湿地生态安全预警是湿地保护重要的前瞻性措施，对湿地未来生态安全状况做出客观准确的预测，可以为制订合理的湿地保护对策提供依据，为相关部门针对未来湿地健康状况制定管理政策和保护措施提供理论依据，能够根据湿地现有发展状况，依据合理的分析预测，适时预警辽河口湿地生态安状况，合理开发利用湿地资源，更好的保护湿地生态系统生态服务功能。本发明能够对适用区域内的未来生态安全状况进行预测，并量化评级，根据数据的可收集性，预测区域范围可以细化到以乡镇为预测单位。
以上公开的仅为本发明的几个具体实施例，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (9)
1.一种湿地生态安全预警等级评定方法，其特征在于，包括：
根据压力-状态-响应模型，确定预警体系指标因子，所述预警体系指标因子包括；压力指标因子、状态指标因子和响应指标因子；其中，所述压力指标因子包括：人口密度、GDP密度和第三产业增加值密度；所述状态指标因子包括：斑块数、平均斑块面积、边界密度、多样性指数、均匀度指数和优势度指数；所述响应指标因子包括：破碎度指数和聚集度指数；
通过灰色数列预测模型，获取压力指标因子的预测数值；
通过Clue-S模型，获取所需年份土地利用预测模拟图，并结合景观格局指数计算软件FRAGSTATS，确定状态指标因子预测数值和响应指标因子预测数值；并且通过Kappa指数方法评价Clue-S模型模拟精度；
采用层次分析法，通过构造判断矩阵，确定各预警体系指标因子的权重；
通过逻辑斯蒂增长曲线模型，确定各预警体系指标因子的生态安全指数；
根据压力指标因子的预测数值、状态指标因子预测数值、响应指标因子预测数值、各预警体系指标因子的权重和各预警体系指标因子的生态安全指数，通过综合评价法，确定湿地生态安全值；
根据所述湿地生态安全值，确定生态安全预警等级。
2.如权利要求1所述的湿地生态安全预警等级评定方法，其特征在于，对区域内调查分析的人类活动因子采用二元Logistic回归分析法，获取每个指示变量的事件发生比率，通过分析每个指示变量的事件发生比率大小，确定所述压力指标因子。
3.如权利要求2所述的湿地生态安全预警等级评定方法，其特征在于，所述事件发生比率为β系数的以E为底的指数值，即EXP(β)；当EXP(β)＞1时，表示事件发生比率增加；当EXP(β)＝1时，表示事件发生比率不变；当EXP(β)＜1时，表示事件发生比率减少。
4.如权利要求1所述的湿地生态安全预警等级评定方法，其特征在于，通过比较分析景观格局指数特征，且利用景观格局指数计算软件FRAGSTATS，确定所述状态指标因子和所述响应指标因子。
5.如权利要求1所述的湿地生态安全预警等级评定方法，其特征在于，所述灰色数列预测模型是以时间序列性资料为基础，通过对无规律的原始数列进行转换、建立有规律的生成数列的回归方程，并应用该方程对事物的动态发展趋势进行预测的一种较为常见的分析方法。
6.如权利要求1所述的湿地生态安全预警等级评定方法，其特征在于，所述Clue-S模型是在对区域土地利用变化经验理解的基础上，以栅格数据为单元进行研究，通过计算各土地利用类型在某一研究单元上的分布比例大小来确定优势土地利用，通过这个研究单元内的优势土地利用类型来显示该栅格内具体的土地利用状况。
7.如权利要求6所述的湿地生态安全预警等级评定方法，其特征在于，所述Clue-S模型模拟的前提条件是：某一区域的土地利用变化情况是受该地区土地利用需求情况影响的，并且某一区域的土地利用格局分布基本与土地需求以及该地区的自然和社会状况处于动态平衡；所述动态平衡的基础是具体分析土地利用的空间分布概率情况、土地利用变化规则和研究初期土地利用分布状况，依照总概率大小对土地利用需求进行空间分配的复杂过程；空间分配具体包括：
1)确定栅格系统中被允许参与变化模拟的栅格；
2)计算栅格适合土地利用类型的总概率；
3)对各土地利用类型赋相同的迭代变量值，按照每一栅格对不同土地利用类型分布的总概率从大到小对各栅格的土地利用变化进行初次分配；
4)比较不同土地利用类型的初次分配面积和需求面积；若土地利用初次分配的面积大于需求面积，就减小迭代变量值；反之，就增大迭代变量值；然后进行土地利用变化的第二次分配；
5)重复步骤2)～4)，直到各土地利用变化的分配面积等于需求面积为止，然后，保存该年的分配图并开始对下一年土地利用变化的分配。
8.如权利要求1所述的湿地生态安全预警等级评定方法，其特征在于，所述Kappa指数的取值范围在0到1之间，当Kappa指数≥0.75时，表示两幅图像一致性较高；当Kappa指数0.4≤Kappa指数≤0.75时，表示两幅图像一致性一般；当Kappa指数＜0.4时，表示两幅图像一致性较差。
9.如权利要求1所述的湿地生态安全预警等级评定方法，其特征在于，所述生态安全预警等级包括：
当湿地生态安全值为0.0≤I＜0.2时，Ⅰ级生态安全预警等级为重警；
当湿地生态安全值为0.2≤I＜0.4时，Ⅱ级生态安全预警等级为中警；
当湿地生态安全值为0.4≤I＜0.6时，Ⅲ级生态安全预警等级为预警；
当湿地生态安全值为0.6≤I＜0.8时，Ⅳ级生态安全预警等级为较安全；
当湿地生态安全值为0.8≤I＜1.0时，Ⅴ级生态安全预警等级为安全。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710554831 | 2017-07-10 | ||
| CN2017105548317 | 2017-07-10 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107480889A true CN107480889A (zh) | 2017-12-15 |
Family
ID=60598875
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710704721.4A Pending CN107480889A (zh) | 2017-07-10 | 2017-08-17 | 一种湿地生态安全预警等级评定方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107480889A (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108388715A (zh) * | 2018-02-08 | 2018-08-10 | 广州地理研究所 | 一种流域尺度下水生态因子安全阈限的确定方法 |
| CN108764655A (zh) * | 2018-05-02 | 2018-11-06 | 山西省林业科学研究院 | 一种林地生产潜力评价方法 |
| CN109447363A (zh) * | 2018-11-08 | 2019-03-08 | 青海大学 | 草地生态预警方法及装置 |
| CN109657995A (zh) * | 2018-12-24 | 2019-04-19 | 恒瑞通（福建）信息技术有限公司 | 一种生态环境网格监管热点指数的方法及存储介质 |
| CN109858692A (zh) * | 2019-01-25 | 2019-06-07 | 广西财经学院 | 一种土地生态安全预警等级评定方法 |
| CN110490465A (zh) * | 2019-08-22 | 2019-11-22 | 电子科技大学 | 服役过程中高速列车动态损失定量分析方法 |
| CN110765406A (zh) * | 2019-10-21 | 2020-02-07 | 长沙理工大学 | 一种用于反演识别分析的多响应信息融合方法 |
| CN111260264A (zh) * | 2020-05-06 | 2020-06-09 | 成都四方伟业软件股份有限公司 | 一种资源型城市生态安全预警的方法及装置 |
| CN114120144A (zh) * | 2021-11-19 | 2022-03-01 | 广东省科学院广州地理研究所 | 湿地生态环境的遥感检测方法、装置、设备以及存储介质 |
| CN114254963A (zh) * | 2022-03-01 | 2022-03-29 | 航天宏图信息技术股份有限公司 | 自然灾害综合风险评估方法、装置、电子设备及存储介质 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104361418A (zh) * | 2014-12-05 | 2015-02-18 | 北京师范大学 | 一种流域水生态安全监控预警平台及其预警方法 |
| CN105205330A (zh) * | 2015-09-30 | 2015-12-30 | 西安科技大学 | 一种基于渔网模型的生态安全评价方法 |
-
2017
- 2017-08-17 CN CN201710704721.4A patent/CN107480889A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104361418A (zh) * | 2014-12-05 | 2015-02-18 | 北京师范大学 | 一种流域水生态安全监控预警平台及其预警方法 |
| CN105205330A (zh) * | 2015-09-30 | 2015-12-30 | 西安科技大学 | 一种基于渔网模型的生态安全评价方法 |
Non-Patent Citations (2)
| Title |
|---|
| 吴玮: "基于CLUE-S模型的土地利用空间格局模拟研究", 《中国优秀硕士学位论文全文数据库》 * |
| 朱卫红等: "基于3S技术的图们江流域湿地生态安全评价与预警研究", 《生态学报》 * |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108388715A (zh) * | 2018-02-08 | 2018-08-10 | 广州地理研究所 | 一种流域尺度下水生态因子安全阈限的确定方法 |
| CN108764655A (zh) * | 2018-05-02 | 2018-11-06 | 山西省林业科学研究院 | 一种林地生产潜力评价方法 |
| CN109447363A (zh) * | 2018-11-08 | 2019-03-08 | 青海大学 | 草地生态预警方法及装置 |
| CN109657995A (zh) * | 2018-12-24 | 2019-04-19 | 恒瑞通（福建）信息技术有限公司 | 一种生态环境网格监管热点指数的方法及存储介质 |
| CN109858692A (zh) * | 2019-01-25 | 2019-06-07 | 广西财经学院 | 一种土地生态安全预警等级评定方法 |
| CN110490465B (zh) * | 2019-08-22 | 2023-03-10 | 电子科技大学 | 服役过程中高速列车动态损失定量分析方法 |
| CN110490465A (zh) * | 2019-08-22 | 2019-11-22 | 电子科技大学 | 服役过程中高速列车动态损失定量分析方法 |
| CN110765406A (zh) * | 2019-10-21 | 2020-02-07 | 长沙理工大学 | 一种用于反演识别分析的多响应信息融合方法 |
| CN111260264B (zh) * | 2020-05-06 | 2020-10-30 | 成都四方伟业软件股份有限公司 | 一种资源型城市生态安全预警的方法及装置 |
| CN111260264A (zh) * | 2020-05-06 | 2020-06-09 | 成都四方伟业软件股份有限公司 | 一种资源型城市生态安全预警的方法及装置 |
| CN114120144A (zh) * | 2021-11-19 | 2022-03-01 | 广东省科学院广州地理研究所 | 湿地生态环境的遥感检测方法、装置、设备以及存储介质 |
| CN114254963A (zh) * | 2022-03-01 | 2022-03-29 | 航天宏图信息技术股份有限公司 | 自然灾害综合风险评估方法、装置、电子设备及存储介质 |
| CN114254963B (zh) * | 2022-03-01 | 2022-05-20 | 航天宏图信息技术股份有限公司 | 自然灾害综合风险评估方法、装置、电子设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107480889A (zh) | 一种湿地生态安全预警等级评定方法 | |
| Khosravi et al. | Meteorological data mining and hybrid data-intelligence models for reference evaporation simulation: A case study in Iraq | |
| Gao et al. | Artificial neural network model for ozone concentration estimation and Monte Carlo analysis | |
| Sajedi‐Hosseini et al. | Spatial prediction of soil erosion susceptibility using a fuzzy analytical network process: Application of the fuzzy decision making trial and evaluation laboratory approach | |
| Zhang et al. | Ecological vulnerability assessment based on multi-sources data and SD model in Yinma River Basin, China | |
| Aguilera et al. | Application of the Kohonen neural network in coastal water management: methodological development for the assessment and prediction of water quality | |
| Chung et al. | Prioritization of water management for sustainability using hydrologic simulation model and multicriteria decision making techniques | |
| Zhou et al. | Impacts of building configurations on urban stormwater management at a block scale using XGBoost | |
| Jafari et al. | Dynamic simulation of urban expansion through a CA-Markov model Case study: Hyrcanian region, Gilan, Iran | |
| Feng et al. | Spatially explicit assessment of land ecological security with spatial variables and logistic regression modeling in Shanghai, China | |
| CN106295233A (zh) | 一种地质灾害易发性评价方法以及装置 | |
| He et al. | Spatiotemporal evaluation and analysis of cultivated land ecological security based on the DPSIR model in Enshi autonomous prefecture, China | |
| Ma et al. | How China’s linked urban–rural construction land policy impacts rural landscape patterns: A simulation study in Tianjin, China | |
| CN111539904B (zh) | 一种基于降雨量的灾害易发性预测方法 | |
| CN107423564A (zh) | 流域生态修复策略的决策分析方法 | |
| Kavusi et al. | Optimal design of groundwater monitoring network using the combined Election-Kriging method | |
| CN105243503A (zh) | 基于空间变量和logistic回归的海岸带生态安全评估方法 | |
| Hao et al. | Prediction of the landscape pattern of the Yancheng Coastal Wetland, China, based on XGBoost and the MCE-CA-Markov model | |
| CN109118004A (zh) | 一种工程构筑选址适宜区预测方法 | |
| Meysami et al. | Evaluating robustness of waste load allocation under climate change using multi-objective decision making | |
| Moayedi et al. | A novel problem-solving method by multi-computational optimisation of artificial neural network for modelling and prediction of the flow erosion processes | |
| Masood et al. | Prediction of PM2. 5 concentrations using soft computing techniques for the megacity Delhi, India | |
| Jieying et al. | Spatial and temporal variation and driving factors of ecological carrying capacity in the Pan-Pearl River Basin, China | |
| Zhang et al. | Modeling for regional ecosystem sustainable development under uncertainty—A case study of Dongying, China | |
| CN112749907A (zh) | 文化生态系统的空间特征分析方法及装置 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171215 |
|
| RJ01 | Rejection of invention patent application after publication |