CN108053072A - 沙漠化动态模拟模型的构建及应用 - Google Patents
沙漠化动态模拟模型的构建及应用 Download PDFInfo
- Publication number
- CN108053072A CN108053072A CN201711399654.6A CN201711399654A CN108053072A CN 108053072 A CN108053072 A CN 108053072A CN 201711399654 A CN201711399654 A CN 201711399654A CN 108053072 A CN108053072 A CN 108053072A
- Authority
- CN
- China
- Prior art keywords
- npp
- land
- desertification
- data
- vegetation
- 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
- 238000005094 computer simulation Methods 0.000 title claims abstract description 18
- 239000002689 soil Substances 0.000 claims abstract description 31
- 238000000034 method Methods 0.000 claims abstract description 29
- 244000144980 herd Species 0.000 claims abstract description 27
- 241001465754 Metazoa Species 0.000 claims abstract description 23
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 16
- 230000000694 effects Effects 0.000 claims abstract description 7
- 238000004088 simulation Methods 0.000 claims description 51
- 238000010276 construction Methods 0.000 claims description 38
- 241001494479 Pecora Species 0.000 claims description 28
- 230000008859 change Effects 0.000 claims description 17
- 238000006243 chemical reaction Methods 0.000 claims description 10
- 238000009304 pastoral farming Methods 0.000 claims description 10
- 238000011160 research Methods 0.000 claims description 8
- 244000144972 livestock Species 0.000 claims description 6
- 208000035752 Live birth Diseases 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000013139 quantization Methods 0.000 claims description 4
- 230000007704 transition Effects 0.000 claims description 4
- 241001269238 Data Species 0.000 claims description 3
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 claims description 3
- 239000004927 clay Substances 0.000 claims description 3
- 238000000205 computational method Methods 0.000 claims description 3
- 239000002245 particle Substances 0.000 claims description 3
- 239000004576 sand Substances 0.000 claims description 3
- 244000144977 poultry Species 0.000 claims description 2
- 238000005303 weighing Methods 0.000 abstract description 3
- 238000011161 development Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 7
- 238000012795 verification Methods 0.000 description 7
- 244000025254 Cannabis sativa Species 0.000 description 4
- 230000001413 cellular effect Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 238000012417 linear regression Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000000052 comparative effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 230000004308 accommodation Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000001520 comb Anatomy 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000001373 regressive effect Effects 0.000 description 1
- GOLXNESZZPUPJE-UHFFFAOYSA-N spiromesifen Chemical compound CC1=CC(C)=CC(C)=C1C(C(O1)=O)=C(OC(=O)CC(C)(C)C)C11CCCC1 GOLXNESZZPUPJE-UHFFFAOYSA-N 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000010200 validation analysis 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/067—Enterprise or organisation modelling
-
- 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
-
- 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)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种沙漠化动态模拟模型的构建及应用,该方法包括步骤为:选择气候、土壤水分、人口、经济、畜牧业、土地利用作为模拟区域沙漠化的动态演变的驱动因子,以植被NPP作为衡量沙漠化变化以及不同驱动力作用的共性指标;收集各驱动因子的数据并进行栅格化;量化气候、土壤水对植被NPP的影响,量化经济、人口对植被NPP的影响,量化放牧对植被NPP的影响,量化土地利用对植被NPP的影响;汇总驱动因子对植被NPP影响量化后的数据,计算出当年实际NPP的值,并根据不同沙漠化等级对应的NPP范围,来对区域内沙漠化等级进行分类。本发明能反映未来不同情景下各种驱动力的作用特征,满足其在区域沙漠化动态模拟及政策调控的需求。
Description
技术领域
本发明涉及生态保护技术领域,具体涉及一种沙漠化动态模拟模型的构建及应用。
背景技术
我国沙漠化的防治形势十分严峻,制定并实施区域沙漠化防治政策是防止沙漠化进一步扩张、改善区域生态环境的关键。然而,目前区域沙漠化防治政策的制定往往缺乏数量化的模型方法的支撑,难以在政策制定之初对政策调控下未来沙漠化的可能发展态势及相关影响进行有效预见和评价,以至于影响沙漠化防治政策制定的科学性、针对性以及政策的实施效果。
区域沙漠化动态模拟是理解沙漠化驱动力作用过程、支撑区域沙漠化防治政策制定的重要前提和基础。以空间系统动力学为基础,耦合不同自然、人文等沙漠化驱动要素,构建支撑区域沙漠化防治政策制定的沙漠化动态模拟模型,并以此为基础开展不同沙漠化防治政策的模拟与实施效果评价研究,对于实现政府政策制定的科学化以及高效开展区域沙漠化防治工作具有重要意义。
近年来,国内外学者围绕沙漠化动态模拟模型的构建开展了一定的研究,其利用的模型方法主要包括回归预测模型、马尔科夫模型、元胞自动机模型以及系统动力学模型等。
基于回归模型的区域沙漠化动态预测方法是通过识别历史时期沙漠化动态及其关键区域因子,并建立其相关关系来预测未来沙漠化发展的一种方法。例如,苏里坦等在分析塔里木河下游土地沙漠化对地下水位动态的基础上,以河底至水面高度、距河道距离等为自变量构、以沙漠化动态为因变量构建了塔里木河下游土地沙漠化动态预测模型。
基于马尔科夫模型的区域沙漠化动态预测方法是通过分析历史时期沙漠化土地转化概率,以此来预测未来沙漠化土地转化情况的一种方法,并在青海共和盆地、锡林河流域等地区的沙漠化动态模拟中得以应用。
由于回归模型、马尔科夫模型是以历史时期沙漠化动态与驱动力间的关系为基础来预测未来沙漠化发展态势,难以反映未来不同情景下的各种驱动力的作用特征,因此也很难以此为基础开展政策调控研究。元胞自动机(CA)模型是一个空间上的相互作用和时间上的因果关系皆局部的格网动力模型,并被广泛应用于土地利用变化,包括土地沙漠化的动态模拟与政策调控研究。尽管元胞自动机模型“自下而上”的建模思路以及能充分反映周围环境作用的特点使其易于在地学领域应用,但是由于其难以模拟系统各要素相互作用与反馈,致使其在区域沙漠化动态模拟以及政策调控方面仍显不足。
系统动力学是1956年由美国麻省理工学院Forrester J W创立的一门分析研究信息反馈的学科。沙漠化土地及其驱动力系统非线性、多层次、多重反馈等特征使得系统动力学成为模拟沙漠化动态的一种理想的工具和方法。近年来,系统动力学的思想和方法也逐渐应用于区域沙漠化动态模拟与政策调控研究,然而基于空间系统动力学开展沙漠化动态模拟研究的方法仍然较少。
因此,急需一种能够反映未来不同情景下的各种驱动力的作用特征的区域沙漠化动态模拟以及政策调控的空间系统动力学方法。
发明内容
本发明要解决的技术问题是提供一种基于空间系统动力学的沙漠化动态模拟模型的构建及应用,本发明能够实现模拟系统中各要素相互作用与反馈,满足其在区域沙漠化动态模拟以及政策调控方面的需求。
为解决上述技术问题,本发明的技术思路如下:
沙漠化的驱动力分为两种类型:一种是自然因素,如降雨、温度、风速、土壤质地、植被覆盖等;另外一种是人文因素,如人口、放牧、土地利用、沙漠化防治政策等。这些因素在不同的时空尺度对沙漠化变现出不同的影响。在系统梳理以往相关文献的基础上,综合考虑区域尺度沙漠化演变及其驱动过程的基础上,本发明选择气候、土壤水分、人口、经济、畜牧业、土地利用6大驱动因子来模拟区域沙漠化的动态演变。同时,选择植被净初级生产力(NPP)作为衡量沙漠化变化以及不同驱动力作用的共性指标,并以此来反映不同驱动力对沙漠化的影响。NPP与驱动力之间关系如图1所示。
本发明采用的详细技术方案如下:
设计一种沙漠化动态模拟模型的构建方法,包括以下步骤:
(1)选择气候、土壤水分、人口、经济、畜牧业、土地利用作为模拟区域沙漠化的动态演变的驱动因子,以植被NPP作为衡量沙漠化变化以及不同驱动力作用的共性指标;
(2)基于气象站点数据,LUCC数据,GDP数据、城镇化率数据、净迁入人口数据,羊、大牲畜的出生率数据、出生成活率数据、死亡率数据、自宰自食率数据、出售率数据,城镇人口数据、城镇人口人均建设用地数据,退耕还林数据、未利用地植树造林的政策数据,收集各驱动因子的数据并进行栅格化;
(3)量化气候、土壤水对植被NPP的影响,量化经济、人口对植被NPP的影响,量化放牧对植被NPP的影响,量化土地利用对植被NPP的影响;
(4)汇总驱动因子对植被NPP影响量化后的数据,计算出当年实际NPP的值,并根据不同沙漠化等级对应的NPP范围,来对区域内沙漠化等级进行分类。
优选的,在所述步骤(2)中,所述栅格化的分辨率为1km。
进一步的,所述量化气候、土壤水对植被NPP的影响的步骤如下:
a. 基于气象站点的月降雨、平均气温数据,根据Penman-Monteith模型计算的PET数据,逐月建立PET与降雨、平均气温的拟合方程,进行逐月PET模拟;并根据PET模拟结果,计算植被NPP模拟的水分、温度限制因子数据;
b. 基于降雨、平均气温、PET、土壤沙粒含量、土壤粘粒含量数据,根据CASA模型的土壤水分模块,进行逐土壤水分模拟;
c. 基于LUCC数据计算不同LUCC类型、不同月份的植被对FPAR和最大光能利用率数据;
d. 基于日照时数、水分、温度限制因子、FPAR和最大光能利用率数据,根据CASA模型,计算得出逐月潜在植被NPP;在此基础上,加和得出年潜在植被NPP;
e. 根据当年与上一年潜在植被NPP的差值,计算得出气候变化引起的NPP变化值。
进一步的,所述量化经济、人口对植被NPP的影响的步骤如下:
a. 基于GDP、城镇化率数据,建立城镇化率与GDP之间的拟合方程,用于模拟GDP对城镇化率影响;
b. 基于GDP、净迁入人口数据,建立净迁入人口与GDP之间的拟合方程,用于模拟GDP对净迁入人口的影响;
c. 基于人口出生率、死亡率、净迁入人口数量,模拟得出人口总量;
d. 根据人口总量及城镇化率,模拟得出城镇人口和农村人口数量;
e. 根据农村人口数量及人均樵采量,模拟得出樵采植被的NPP值。
进一步的,所述量化放牧对植被NPP的影响的步骤如下:
a. 基于羊、大牲畜的出生率、出生成活率、死亡率、自宰自食率和出售率模拟羊、大牲畜数量;
b. 将羊以及马、牛等大牲畜统一换算为羊单位用于计算牲畜数量;
c. 利用禁牧率、休牧率以及自由放牧率模拟放牧政策对实际放牧的牲畜数量的影响;
d. 基于LUCC数据,提取草地空间分布图,将实际放牧的羊单位离散到草地栅格图上;
e. 按每个羊单位每天消耗1.8kg含水量14%的标准干草的标准计算放牧引起的NPP降低。
优选的,新出生羊的折算比为0.5,大牲畜的折算比为5。
进一步的,所述量化土地利用对植被NPP的影响的步骤如下:
a. 基于城镇人口数据、城镇人口人均建设用地数据,模拟未来建设用地的面积;
b. 基于退耕还林、未利用地植树造林的政策数据,获取未来退耕、新增草地、新增林地的面积;
c. 参考CA模型的计算,通过计算某一时期不同土地利用类型分量转换的适宜性、邻域性和继承性性来计算土地转出率,然后根据总量需求和转出率来选择土地利用类型转换的栅格;
d. 基于上述计算方法,模拟得出逐年的土地利用数据;
e. 基于不同土地利用类型的平均NPP数据,计算当年和上一年土地利用变化引起的NPP变化数据。
优选的,在计算转移概率的基础上,确定被转换的栅格还需要遵循以下规则:
建设用地不能转换为别的土地利用类型,而其他土地利用类型均可转换为建设用地;当新形成建设用地时,其来自农田、草地、林地、未利用地的比例由过去10年研究区的农田、草地、林地、未利用地转换为建设用地的均值来确定;土地利用的转换按一定顺序进行计算,依次为:建设用地、农田、草地、林地、未利用地。
在所述步骤(4)中,优选以气候、土地利用、人口樵采、放牧以及草地的自然恢复引起的NPP变化,来决定当年实际NPP的值,即
NPP i,t=NPP i,t-1+ΔNPP i,t,c+ΔNPP i,t,l-NPP i,t,gp-NPP i,t,gc+NPP i,t,gr
式中,NPP i,t是指t年的实际NPP;NPP i,t-1是上一年的实际NPP;ΔNPP i,t,c是气候变化引起的NPP,即不考虑土地利用等人为因素,仅考虑气候、土壤水等自然因素下当年与上一年植被潜在NPP的差值;ΔNPP i,t,l是由土地利用引起的NPP变化,未考虑气候因素的影响;NPP i,t,gp是放牧引起的草地NPP降低;NPP i,t,gc是农村人口樵采引起的NPP降低;NPP i,t,gr是放牧后草地NPP的自然恢复。
以及所述的沙漠化动态模拟模型的构建方法在鄂尔多斯区域的应用。
与现有技术相比,本发明的有益技术效果在于:
1.本发明的沙漠化动态模拟的空间系统动力学方法能处理高阶次、非线性、多重反馈、复杂时变的系统问题、能进行政策模拟;
2.本发明的沙漠化动态模拟的空间系统动力学方法能够反映未来不同情景下的各种驱动力的作用特征;
3.本发明的沙漠化动态模拟的空间系统动力学方法能够模拟系统各要素相互作用与反馈,满足其在区域沙漠化动态模拟以及政策调控方面的需求;
4.本发明能广泛地应用于水资源管理、土地利用规划、社会可持续发展等领域。
附图说明
图1为NPP与驱动力之间关系示意图;
图2为区域沙漠化动态模拟空间系统动力学模型框架结构图;
图3为气候-土壤水分-潜在植被NPP关系与模拟图;
图4为经济-人口-植被NPP关系与模拟图;
图5为放牧-植被NPP关系与模拟图;
图6为土地利用-植被NPP关系与模拟图;
图7为人口、GDP、羊、大牲畜的验证图;
图8为NPP的验证图;
图9为基准情景下鄂尔多斯2010、2020、2030年沙漠化空间分布图;
图10为保持现状情景下鄂尔多斯2010、2020、2030年沙漠化空间分布图;
图11为积极治理情景下鄂尔多斯2010、2020、2030年沙漠化空间分布图;
图12为消极治理情景下鄂尔多斯2010、2020、2030年沙漠化空间分布图。
具体实施方式
下面结合附图和实施例来说明本发明的具体实施方式,但以下实施例只是用来详细说明本发明,并不以任何方式限制本发明的范围。以下实施例中所涉及或依赖的建模工具均为本技术领域的常规工具,本领域技术人员均能根据具体应用场景做出常规选择或者适应性调整。以下实施例中所涉及的方法,如无特别说明,则均为常规方法。
实施例1:建立耦合自然-人文要素的区域沙漠化动态模拟空间系统动力学模型
在分别收集6大驱动因子及相关参数数据并进行栅格化(1km分辨率)的基础上,通过量化6大驱动因子内部以及驱动因子之间的动态过程及其对植被NPP影响与反馈,利用ArcEngine建立耦合自然-人文要素的区域沙漠化动态模拟空间系统动力学模型。模型的总体框架与结构如图2所示。
实施例2:气候-土壤水-潜在植被NPP的关系与模拟
气候、土壤水、潜在植被NPP的关系结构图如图3所示。
气候、土壤水、潜在植被NPP的关系模拟方法为:
(1)基于气象站点的月降雨、平均气温数据,以及根据Penman-Monteith模型计算的最大潜在蒸散(PET)数据,逐月建立PET与降雨、平均气温的拟合方程,进行逐月PET模拟;并根据PET模拟结果,计算植被NPP模拟的水分、温度限制因子数据;
(2)基于降雨、平均气温、最大潜在蒸散(PET)、土壤沙粒含量、土壤粘粒含量数据,根据CASA(Carnegie Ames Stanford Approach,CASA)模型的土壤水分模块,进行逐土壤水分模拟;
(3)基于土地利用/覆被(LUCC)数据,根据表1计算得出不同LUCC类型、不同月份的植被对入射光吸收比例(FPAR)和最大光能利用率数据;
(4)基于日照时数、水分、温度限制因子、FPAR和最大光能利用率数据,根据CASA模型,计算得出逐月潜在植被NPP;在此基础上,加和得出年潜在植被NPP;
(5)根据当年与上一年潜在植被NPP的差值,计算得出气候变化引起的NPP变化值。
表1 不同LUCC类型对应的FPAR和最大光能利用率
实施例3:经济-人口-植被NPP的关系与模拟
经济、人口、植被NPP的关系结构图如图4所示。
经济、人口、植被NPP的关系模拟方法为:
(1)基于地区生产总值(GDP)、城镇化率数据,建立城镇化率与GDP之间的拟合方程,用于模拟GDP对城镇化率影响;
(2)基于地区生产总值(GDP)、净迁入人口数据,建立净迁入人口与GDP之间的拟合方程,用于模拟GDP对净迁入人口的影响;
(3)基于人口出生率、死亡率、净迁入人口数量,模拟得出人口总量;
(4)根据人口总量及城镇化率,模拟得出城镇人口和农村人口数量;
(5)根据农村人口数量及人均樵采量(换算成NPP),模拟得出樵采植被的NPP值。
实施例4:放牧-植被NPP的关系与模拟
放牧、植被NPP的关系结构图如图5所示。
放牧、植被NPP的关系模拟方法为:
(1)基于羊、大牲畜的出生率、出生成活率、死亡率、自宰自食率以及出售率这5个参数,利用下述方程模拟羊、大牲畜数量;
(2)将羊以及马、牛等大牲畜统一换算为羊单位用于计算牲畜数量,其中新出生羊的折算比为0.5,大牲畜的折算比为5;
(3)利用禁牧率、休牧率以及自由放牧率三个参数(三者之和等于1)来模拟放牧政策对实际放牧的牲畜数量的影响;其中,对于休牧又设定了休牧时间以及休牧后的放牧行为选择(自由放牧和按草畜平衡放牧)两个参数。对于自由放牧,即在休牧期外,不考虑草地的实际承载力,采用完全自由放牧的方式将所有的羊单位进行放牧;对于按草畜平衡放牧,即考虑草地的可恢复性,将草地NPP的50%来计算最大可被放牧消耗的NPP量;
(4)基于土地利用/覆被(LUCC)数据,提取草地空间分布图;将实际放牧的羊单位离散到草地栅格图上;
(5)按每个羊单位每天消耗1.8kg含水量14%的标准干草的标准(NY/T 635-2002)来计算放牧引起的NPP降低。
实施例5:土地利用-植被NPP的关系与模拟
土地利用、植被NPP的关系结构图如图6所示。
土地利用、植被NPP的关系模拟方法为:
(1)基于城镇人口数据,以及城镇人口人均建设用地数据,模拟未来建设用地的面积;
(2)基于退耕还林(草)、未利用地植树造林的政策数据,获取未来退耕、新增草地、新增林地的面积;
(3)参考元胞自动机(CA)模型的计算思路,通过计算某一时期不同土地利用类型分量(即以0和1表示的某类土地利用图)转换的适宜性、邻域性和继承性性来计算其转出的总概率,然后根据总量需求和转出概率来选择土地利用类型转换的栅格。
对于土地利用类型A,某一时期t、空间位置位于(x,y)的栅格转换为土地利用B的概率定义如下:
式中,D为栅格距公路的距离;a是一个修订的距离衰减的通达性系数,表示土地利用类型A对交通干线因素的通达性依赖程度,对于建设用地、耕地、草地、林地、未利用地分别取100、10、1、1、1。
坡度适宜性对于不同土地利用类型采用不同的标准,并以条件函数来进行表示。对于其他土地利用类型向建设用地转移:
对于除建设用地外其他土地利用类型向耕地转移:
对于耕地向草地、林地转移:
将邻域性定义为某一时期t、空间位置位于(x,y)、土地利用类型为A的栅格,受周围栅格B的影响而转换为土地利用B的概率。若该栅格被越多的B包围,则该栅格由A转为B的概率就越大。在计算过程中,利用3×3的移动窗口对以二值变量表示的土地利用类型A和B的空间分布图进行运算,进而得到领域性概率:
式中,是以二值变量表示的土地利用类型A的空间分布图为基础,用3×3的移动窗口计算的窗口内土地利用类型A的栅格总数;是以二值变量表示的土地利用类型B的空间分布图为基础,用3×3的移动窗口计算的窗口内土地利用类型B的栅格总数。
在计算转移概率的基础上,确定被转换的栅格还需要遵循以下规则:
规则1:建设用地不能转换为别的土地利用类型,而其他土地利用类型均可转换为建设用地。当新形成建设用地时,其来自农田、草地、林地、未利用地的比例由过去10年研究区的农田、草地、林地、未利用地转换为建设用地的均值来确定。
规则2:土地利用的转换按一定顺序进行计算。依次为:建设用地、农田、草地、林地、未利用地。
(4)基于上述计算方法,模拟得出逐年的土地利用图;
(5)基于不同土地利用类型的平均NPP数据,计算当年和上一年土地利用变化引起的NPP变化数据。
实施例6:植被NPP-沙漠化的关系与模拟
将不同驱动力对植被NPP的影响进行汇总,包括气候、土地利用、人口、放牧以及草地的自然恢复等引起的NPP变化,来决定当年实际NPP的值,并根据不同沙漠化等级对应的NPP范围,来对区域内沙漠化等级进行分类。
NPP i,t=NPP i,t-1+ΔNPP i,t,c+ΔNPP i,t,l-NPP i,t,gp-NPP i,t,gc+NPP i,t,gr
式中,NPP i,t是指t年的实际NPP;NPP i,t-1是上一年的实际NPP;ΔNPP i,t,c是气候变化引起的NPP,即不考虑土地利用等人为因素,仅考虑气候、土壤水等自然因素下当年与上一年植被潜在NPP的差值;ΔNPP i,t,l是由土地利用引起的NPP变化,未考虑气候因素的影响;NPP i,t,gp是放牧引起的草地NPP降低;NPP i,t,gc是农村人口樵采引起的NPP降低;NPP i,t,gr是放牧后草地NPP的自然恢复。
实施例7:区域沙漠化动态模拟空间系统动力学模型的应用
1. 方法验证
从过程参数和最终结果两个方面对模型的模拟进行验证。其中,过程参数包括人口、GDP、羊、大牲畜、土地利用5个指标,最终结果包括实际NPP和沙漠化程度2个指标。
在具体验证时,对于经济社会领域的人口、GDP、羊、大牲畜指标,通过对比研究区2000~2010年的实际值与模拟值,计算线性回归系数和R2、均方根误差(RMSE)进行综合比较验证。
RMSE 的计算公式为:
式中,d为观测值(模拟值)与实际值的偏差。
对于自然方面的空间数据,根据沙漠化程度随机选择100个验证点(每个沙漠化等级约20个),分别提取2005和2010年两个时间断面的实际数据和模拟数据。其中,实际NPP的验证与社会领域数据一样,通过计算线性回归系数和R2、均方根误差(RMSE)进行综合比较验证;对于土地利用、沙漠化程度这两个指标,则通过“被正确分类的验证点数占总数的比例”来进行验证,其中沙漠化程度只对比2010年的模拟和实际结果。
(1)过程参数验证
从验证结果来看,模型对经济社会数据模拟精度较高,其中人口、GDP的模拟精度要高于羊、大牲畜的模拟精度,这主要是因为在模型的畜牧业模块中仅考虑了出生率、出生成活率、死亡率、自宰自食率、售卖率5个因素,而实际上羊、大牲畜的模拟受多种因素影响,如外部市场、价格、农户自身偏好等,这些因素则因缺乏统计数据而没有考虑在内,因此模拟精度相对人口和GDP低一些。
如图7所示,通过对比随机100个点提取的2005年和2010年的实际土地利用和模拟土地利用的结果,正确分类的点数为188个,占总数的89%,即土地利用模拟的总体精度为89%。
(2)最终结果的验证
通过对比随机100个点提取的2005年和2010年的利用CASA模型计算的NPP(即实际NPP)和模拟NPP的结果,两者线性回归模型的决定系数R2达到0.927,RMSE为27.7gC/m2/y。可以看出,模型的模拟精度较为理想。通过对比随机100个点提取的模型模拟的2010年沙漠化程度数据和基于CASA模型反演NPP按分级标准分类的2010年沙漠化程度数据,计算总体分类精度,即被准确分类的点数占总数的比例。
经计算,如图8所示,沙漠化程度的总体模拟精度为83%;尽管低于土地利用及NPP的模拟精度,但由于其模拟本身受多种因素影响,存在许多不确定性,因此该精度也基本体现出了模型良好的模拟效果。
2. 模拟结果-气候趋于湿润的综合情景模拟结果对比
基准及气候趋于湿润情景下鄂尔多斯2010、2020、2030年沙漠化空间分布模拟方法为:
(1)基于以上区域沙漠化动态模拟空间系统动力学模型,利用ArcEngine和C#语言编程,模拟不同情景下研究区未来时段沙漠化空间分布范围;
(2)以鄂尔多斯为例,设置基准情景和气候趋于湿润情景如下:
基准情景:2011-2030年,气候变化,经济发展、沙漠化治理政策(包括禁牧率、休牧率、休牧后放牧行为选择,退耕还林还草面积增长率、未利用地造林面积增长率等,基准情景主要变量的参考值如表2所示,均与2000-2010年保持一致,模拟结果如图9所示。
表2 基准情景主要变量参考值
气候趋于湿润情景又分为3类:
一是气候趋于湿润,经济社会发展与沙漠化治理保持现状。2011-2030年,降雨量每5年增加5%,平均气温无显著变化;经济发展、沙漠化治理政策均与2000-2010年保持一致,模拟结果如图10所示。
二是气候趋于湿润,经济社会可持续发展与沙漠化积极治理。2011-2030年,降雨量每5年增加5%,平均气温无显著变化;经济发展中GDP增长率2015年为12%,此后每5年降低2个百分点;放牧政策中,禁牧率每5年提高10%,休牧率相应每5年能降低10%,休牧后放牧行为采取草畜平衡策略;禁止农村居民的樵采行为;退耕还林还草面积和未利用地造林面积每5年增加10%,模拟结果如图11所示。
三是气候趋于湿润,经济社会发展保持现状与沙漠化消极治理。2011-2030年,降雨量每5年增加5%,平均气温无显著变化;经济发展中GDP增长率与2000-2010年平均值保持一致;放牧政策中,禁牧率和休牧率每5年能降低10%,休牧后放牧行为自由放牧;不禁止农村居民的樵采行为;退耕还林还草面积和未利用地造林面积每5年减少10%,模拟结果如图12所示。
上面结合附图和实施例对本发明作了详细的说明,但是,所属技术领域的技术人员能够理解,在不脱离本发明宗旨的前提下,还可以对上述实施例中的各个具体参数进行变更,形成多个具体的实施例,均为本发明的常见变化范围,在此不再一一详述。
Claims (10)
1.一种沙漠化动态模拟模型的构建方法,其特征在于,包括以下步骤:
(1)选择气候、土壤水分、人口、经济、畜牧业、土地利用作为模拟区域沙漠化动态演变的驱动因子,以植被NPP作为衡量沙漠化变化以及不同驱动力作用的共性指标;
(2)基于气象站点数据,LUCC数据,GDP数据、城镇化率数据、净迁入人口数据,羊、大牲畜的出生率数据、出生成活率数据、死亡率数据、自宰自食率数据、出售率数据,城镇人口数据、城镇人口人均建设用地数据,退耕还林数据、未利用地植树造林的政策数据,收集各驱动因子的数据并进行栅格化;
(3)量化气候、土壤水对植被NPP的影响,量化经济、人口对植被NPP的影响,量化放牧对植被NPP的影响,量化土地利用对植被NPP的影响;
(4)汇总所述驱动因子对植被NPP影响量化后的数据,计算出当年实际NPP的值,并根据不同沙漠化等级对应的NPP范围,来对区域内沙漠化等级进行分类。
2.根据权利要求1所述的沙漠化动态模拟模型的构建方法,其特征在于,在所述步骤(2)中,所述栅格化的分辨率为1km。
3.根据权利要求1所述的沙漠化动态模拟模型的构建方法,其特征在于,在所述步骤(3)中,所述量化气候、土壤水对植被NPP的影响的步骤如下:
a. 基于气象站点的月降雨、平均气温数据,根据Penman-Monteith模型计算的PET数据,逐月建立PET与降雨、平均气温的拟合方程,进行逐月PET模拟;并根据PET模拟结果,计算植被NPP模拟的水分、温度限制因子数据;
b. 基于降雨、平均气温、PET、土壤沙粒含量、土壤粘粒含量数据,根据CASA模型的土壤水分模块,进行逐土壤水分模拟;
c. 基于LUCC数据计算不同LUCC类型、不同月份的植被对FPAR和最大光能利用率数据;
d. 基于日照时数、水分、温度限制因子、FPAR和最大光能利用率数据,根据CASA模型,计算得出逐月潜在植被NPP;在此基础上,加和得出年潜在植被NPP;
e. 根据当年与上一年潜在植被NPP的差值,计算得出气候变化引起的NPP变化值。
4.根据权利要求1所述的沙漠化动态模拟模型的构建方法,其特征在于,在所述步骤(3)中,所述量化经济、人口对植被NPP的影响的步骤如下:
a. 基于GDP、城镇化率数据,建立城镇化率与GDP之间的拟合方程,用于模拟GDP对城镇化率影响;
b. 基于GDP、净迁入人口数据,建立净迁入人口与GDP之间的拟合方程,用于模拟GDP对净迁入人口的影响;
c. 基于人口出生率、死亡率、净迁入人口数量,模拟得出人口总量;
d. 根据人口总量及城镇化率,模拟得出城镇人口和农村人口数量;
e. 根据农村人口数量及人均樵采量,模拟得出樵采植被的NPP值。
5.根据权利要求1所述的沙漠化动态模拟模型的构建方法,其特征在于,在所述步骤(3)中,所述量化放牧对植被NPP的影响的步骤如下:
a. 基于羊、大牲畜的出生率、出生成活率、死亡率、自宰自食率和出售率模拟羊、大牲畜数量;
b. 将羊以及马、牛等大牲畜统一换算为羊单位用于计算牲畜数量;
c. 利用禁牧率、休牧率以及自由放牧率模拟放牧政策对实际放牧的牲畜数量的影响;
d. 基于LUCC数据,提取草地空间分布图,将实际放牧的羊单位离散到草地栅格图上;
e. 按每个羊单位每天消耗1.8kg含水量14%的标准干草的标准计算放牧引起的NPP降低。
6.根据权利要求5所述的沙漠化动态模拟模型的构建方法,其特征在于,在所述步骤b中,新出生羊的折算比为0.5,大牲畜的折算比为5。
7.根据权利要求1所述的沙漠化动态模拟模型的构建方法,其特征在于,在所述步骤(3)中,所述量化土地利用对植被NPP的影响的步骤如下:
a. 基于城镇人口数据、城镇人口人均建设用地数据,模拟未来建设用地的面积;
b. 基于退耕还林、未利用地植树造林的政策数据,获取未来退耕、新增草地、新增林地的面积;
c. 基于CA模型的计算,通过计算某一时期不同土地利用类型分量转换的适宜性、邻域性和继承性性来计算土地转出率,然后根据总量需求和转出率来选择土地利用类型转换的栅格;
d. 基于上述计算方法,模拟得出逐年的土地利用数据;
e. 基于不同土地利用类型的平均NPP数据,计算当年和上一年土地利用变化引起的NPP变化数据。
8.根据权利要求7所述的沙漠化动态模拟模型的构建方法,其特征在于,在所述步骤c中,在计算转移概率的基础上,确定被转换的栅格还需要遵循以下规则:
建设用地不能转换为别的土地利用类型,而其他土地利用类型均可转换为建设用地;当新形成建设用地时,其来自农田、草地、林地、未利用地的比例由过去10年研究区的农田、草地、林地、未利用地转换为建设用地的均值来确定;土地利用的转换按一定顺序进行计算,依次为:建设用地、农田、草地、林地、未利用地。
9.根据权利要求1所述的沙漠化动态模拟模型的构建方法,其特征在于,在所述步骤(4)中,以气候、土地利用、人口樵采、放牧以及草地的自然恢复引起的NPP变化,来决定当年实际NPP的值,即
NPP i,t=NPP i,t-1+ΔNPP i,t,c+ΔNPP i,t,l-NPP i,t,gp-NPP i,t,gc+NPP i,t,gr
式中,NPP i,t是指t年的实际NPP;NPP i,t-1是上一年的实际NPP;ΔNPP i,t,c是气候变化引起的NPP,即不考虑土地利用等人为因素,仅考虑气候、土壤水等自然因素下当年与上一年植被潜在NPP的差值;ΔNPP i,t,l是由土地利用引起的NPP变化,未考虑气候因素的影响;NPP i,t,gp是放牧引起的草地NPP降低;NPP i,t,gc是农村人口樵采引起的NPP降低;NPP i,t,gr是放牧后草地NPP的自然恢复。
10.依照权利要求1所述方法构建的沙漠化动态模拟模型在土地沙漠化预测或监测中的应用。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711399654.6A CN108053072A (zh) | 2017-12-22 | 2017-12-22 | 沙漠化动态模拟模型的构建及应用 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711399654.6A CN108053072A (zh) | 2017-12-22 | 2017-12-22 | 沙漠化动态模拟模型的构建及应用 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108053072A true CN108053072A (zh) | 2018-05-18 |
Family
ID=62130732
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711399654.6A Pending CN108053072A (zh) | 2017-12-22 | 2017-12-22 | 沙漠化动态模拟模型的构建及应用 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108053072A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108876017A (zh) * | 2018-05-30 | 2018-11-23 | 中国科学院地理科学与资源研究所 | 家畜放牧率空间格局分析方法 |
CN109919515A (zh) * | 2019-03-25 | 2019-06-21 | 中国气象科学研究院 | 生态环境质量评价方法及装置 |
CN111241962A (zh) * | 2020-01-06 | 2020-06-05 | 中国矿业大学 | 一种剥离人类活动对生态系统生境质量影响的方法 |
CN111259963A (zh) * | 2019-12-27 | 2020-06-09 | 南京林业大学 | 一种区域植被指标的驱动因素分析方法、装置及存储介质 |
CN112240869A (zh) * | 2020-11-16 | 2021-01-19 | 内蒙古自治区农牧业科学院 | 一种基于高分遥感影像的草原地块信息提取方法 |
CN112527442A (zh) * | 2020-12-24 | 2021-03-19 | 中国科学院地理科学与资源研究所 | 一种环境数据多维显示方法、装置、介质及终端设备 |
CN112598200A (zh) * | 2021-01-29 | 2021-04-02 | 中国科学院西北生态环境资源研究院 | 一种自然保护区未来人类活动情景的构建方法 |
CN112668448A (zh) * | 2020-12-24 | 2021-04-16 | 中国科学院地理科学与资源研究所 | 一种生态进程变化分析方法、装置、介质及终端设备 |
CN112733361A (zh) * | 2021-01-06 | 2021-04-30 | 中国科学院地理科学与资源研究所 | 一种草地畜牧业的优化调控方法及相关产品 |
CN112861658A (zh) * | 2021-01-14 | 2021-05-28 | 中国科学院地理科学与资源研究所 | 一种基于多源数据的沙漠化治理重点区域识别方法 |
NL2027951A (en) * | 2020-04-16 | 2021-07-13 | Nanjing Institute Of Environmental Sciences Mini Of Ecological Environment | Fine-scale delineation method for assessing land sensitivity to desertification |
-
2017
- 2017-12-22 CN CN201711399654.6A patent/CN108053072A/zh active Pending
Non-Patent Citations (3)
Title |
---|
杨文冰: "气候与土地利用覆被变化对中国南方草地NPP的影响", 《中国优秀硕士学位论文全文数据库(电子期刊)》 * |
罗君 等: "2000-2010年鄂尔多斯地区沙漠化动态及其气候变化和人类活动驱动影响的辨识", 《冰川冻土》 * |
许端阳 等: "耦合自然_人文因素的沙漠化动态系统动力学模型", 《中国沙漠》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108876017A (zh) * | 2018-05-30 | 2018-11-23 | 中国科学院地理科学与资源研究所 | 家畜放牧率空间格局分析方法 |
CN109919515A (zh) * | 2019-03-25 | 2019-06-21 | 中国气象科学研究院 | 生态环境质量评价方法及装置 |
CN111259963A (zh) * | 2019-12-27 | 2020-06-09 | 南京林业大学 | 一种区域植被指标的驱动因素分析方法、装置及存储介质 |
CN111259963B (zh) * | 2019-12-27 | 2023-10-13 | 南京林业大学 | 一种区域植被指标的驱动因素分析方法、装置及存储介质 |
CN111241962A (zh) * | 2020-01-06 | 2020-06-05 | 中国矿业大学 | 一种剥离人类活动对生态系统生境质量影响的方法 |
NL2027951A (en) * | 2020-04-16 | 2021-07-13 | Nanjing Institute Of Environmental Sciences Mini Of Ecological Environment | Fine-scale delineation method for assessing land sensitivity to desertification |
CN112240869A (zh) * | 2020-11-16 | 2021-01-19 | 内蒙古自治区农牧业科学院 | 一种基于高分遥感影像的草原地块信息提取方法 |
CN112527442A (zh) * | 2020-12-24 | 2021-03-19 | 中国科学院地理科学与资源研究所 | 一种环境数据多维显示方法、装置、介质及终端设备 |
CN112668448A (zh) * | 2020-12-24 | 2021-04-16 | 中国科学院地理科学与资源研究所 | 一种生态进程变化分析方法、装置、介质及终端设备 |
CN112733361A (zh) * | 2021-01-06 | 2021-04-30 | 中国科学院地理科学与资源研究所 | 一种草地畜牧业的优化调控方法及相关产品 |
CN112861658A (zh) * | 2021-01-14 | 2021-05-28 | 中国科学院地理科学与资源研究所 | 一种基于多源数据的沙漠化治理重点区域识别方法 |
CN112598200B (zh) * | 2021-01-29 | 2023-04-07 | 中国科学院西北生态环境资源研究院 | 一种自然保护区未来人类活动情景的构建方法 |
CN112598200A (zh) * | 2021-01-29 | 2021-04-02 | 中国科学院西北生态环境资源研究院 | 一种自然保护区未来人类活动情景的构建方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108053072A (zh) | 沙漠化动态模拟模型的构建及应用 | |
Lasanta-Martínez et al. | Mountain Mediterranean landscape evolution caused by the abandonment of traditional primary activities: a study of the Spanish Central Pyrenees | |
Grassini et al. | High-yield irrigated maize in the Western US Corn Belt: II. Irrigation management and crop water productivity | |
Verburg et al. | From land cover change to land function dynamics: A major challenge to improve land characterization | |
Murdoch | Sustainable rural development: towards a research agenda | |
Gibon et al. | Modelling and simulating change in reforesting mountain landscapes using a social-ecological framework | |
Brown | A review of bio-economic models | |
Yuan et al. | Assessing the effects of rural livelihood transition on non-point source pollution: a coupled ABM–IECM model | |
Harris et al. | Rangeland responses to pastoralists’ grazing management on a Tibetan steppe grassland, Qinghai Province, China | |
Acosta-Michlik et al. | An agent-based framework for assessing vulnerability futures | |
Munthali et al. | Modeling deforestation in Dzalanyama Forest Reserve, Lilongwe, Malawi: a multi-agent simulation approach | |
Chen et al. | Economic development of local communities and biodiversity conservation: A case study from Shennongjia National Nature Reserve, China | |
Walker et al. | A procedure for multidisciplinary ecosystem research: with reference to the South African Savanna Ecosystem Project | |
Vacquie et al. | Adapting grazing practices to limit the reforestation of mountainous summer pastures: A process-based approach | |
Vafakhah et al. | Optimizing management of soil erosion in Orazan sub-basin, Iran | |
de Vries | Can crop models contain economic factors? | |
Nayak et al. | Review and comparison of models used for land allocation and nature valuation | |
Boke-Olén et al. | Estimating grazing potentials in Sudan using daily carbon allocation in dynamic vegetation model | |
Sefat et al. | Application of artificial neural network (ANN) for modelling the economic efficiency of broiler production units | |
Muya et al. | Using range condition assessment to optimize wildlife stocking in Tindress Wildlife Sanctuary, Nakuru District, Kenya | |
Laine et al. | Comparing agent-based learning models of land-use decision making | |
Mackay et al. | Landscape Models—Aquatic and Terrestrial | |
Kuria et al. | Technical efficiency of rice producers in Mwea Irrigation Scheme | |
Izar Tenorio | Evaluation of the Food-Energy-Water nexus through case studies in the United States and East Africa | |
Blanchard et al. | Inventions and innovations to promote the contribution of livestock grazing systems to the agroecological transition of agriculture |
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: 20180518 |
|
RJ01 | Rejection of invention patent application after publication |