CN110135585B - 一种南方红壤区小流域水土保持生态服务功能优化方法 - Google Patents
一种南方红壤区小流域水土保持生态服务功能优化方法 Download PDFInfo
- Publication number
- CN110135585B CN110135585B CN201910306114.1A CN201910306114A CN110135585B CN 110135585 B CN110135585 B CN 110135585B CN 201910306114 A CN201910306114 A CN 201910306114A CN 110135585 B CN110135585 B CN 110135585B
- Authority
- CN
- China
- Prior art keywords
- water
- soil
- ecological service
- conservation
- small watershed
- 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.)
- Active
Links
- 239000002689 soil Substances 0.000 title claims abstract description 164
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 136
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000005457 optimization Methods 0.000 claims abstract description 70
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 31
- 230000002068 genetic effect Effects 0.000 claims abstract description 29
- 238000013210 evaluation model Methods 0.000 claims abstract description 13
- 238000004364 calculation method Methods 0.000 claims abstract description 8
- 238000004088 simulation Methods 0.000 claims description 27
- 238000007726 management method Methods 0.000 claims description 15
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 8
- 229910052799 carbon Inorganic materials 0.000 claims description 8
- 238000003860 storage Methods 0.000 claims description 7
- 238000011161 development Methods 0.000 claims description 6
- 108090000623 proteins and genes Proteins 0.000 claims description 6
- 230000014759 maintenance of location Effects 0.000 claims description 5
- 238000012271 agricultural production Methods 0.000 claims description 4
- 230000007613 environmental effect Effects 0.000 claims description 4
- 230000003628 erosive effect Effects 0.000 claims description 4
- 238000011156 evaluation Methods 0.000 claims description 4
- 230000008020 evaporation Effects 0.000 claims description 4
- 238000001704 evaporation Methods 0.000 claims description 4
- 238000001556 precipitation Methods 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000002411 adverse Effects 0.000 claims description 2
- 238000004162 soil erosion Methods 0.000 claims description 2
- 230000009286 beneficial effect Effects 0.000 abstract description 5
- 238000002474 experimental method Methods 0.000 description 6
- 241000282414 Homo sapiens Species 0.000 description 3
- 235000013399 edible fruits Nutrition 0.000 description 3
- 241000219000 Populus Species 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Tourism & Hospitality (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Biology (AREA)
- Marketing (AREA)
- Biomedical Technology (AREA)
- Strategic Management (AREA)
- Primary Health Care (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Physiology (AREA)
- Genetics & Genomics (AREA)
- Artificial Intelligence (AREA)
- General Business, Economics & Management (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种南方红壤区小流域水土保持生态服务功能优化方法，将流域划分为不同管理单元，每个管理单元可配置几种可能的水保措施，通过优化算法随机产生流域潜在的水保措施空间配置情景，利用生态服务评价模型对每个情景进行评价，随着优化算法的迭代计算，将生态服务功能最优的水保措施空间配置方案提供给决策者。本发明的有益效果为：可以充分利用遗传算法全局寻优能力，在小流域尺度，结合南方红壤区现有的水土保持综合治理模式，因地制宜地开展水土保持生态服务功能优化，为水土工作提供有益的技术支撑。
Description
技术领域
本发明涉及生态建设工程领域，具体来说，涉及一种南方红壤区小流域水土保持生态服务功能优化方法。
背景技术
南方红壤区是我国粮食生产、经济作物及经济林果的重要基地，也是我国水土流失严重的地区之一，该地区水土流失强度大、范围广，是制约社会、经济可持续发展的重要因素。水土保持工作在保障水土环境可持续发展的同时，也为我国水土安全创造了良好的条件。
水土保持生态服务功能是指在水土保持过程中，所采用的各项措施对维持、改良和保护人类及人类社会赖以生存的自然环境条件的综合效用，包括保持和涵养水源、保持和改良土壤、维持生物多样性功能、固碳供氧、净化空气、防风固沙和维持环境景观7项功能，其中前三项功能为主要功能。水土保持生态服务功能评价是在特定尺度和区域范围内对水土保持措施为人类和社会提供的服务进行货币计量的研究。由于在不同流域空间位置，水土保持措施提供的生态服务功能不同，水土保持生态服务功能优化是将流域划分为不同管理单元，每个管理单元可配置几种可能的水保措施，通过优化算法随机产生流域潜在的水保措施空间配置情景，利用生态服务评价模型对每个情景进行评价，随着优化算法的迭代计算，将生态服务功能最优的水保措施空间配置方案提供给决策者。基于优化算法的水土保持生态服务功能优化方法与传统的几个情景对比实验法，能够从成千上万可能的情景中搜索最优的水保措施空间配置方案，对于水土保持工作具有重要的指导意义和现实意义。
由于南方红壤坡地土质脆弱，抗蚀性差等原因，土壤侵蚀类型及成因复杂，所以要因地制宜地实施水土保持综合治理。本发明根据南方红壤区小流域农业生产现状，结合南方红壤区现有的水土保持综合治理模式，包括：反坡梯田、林-灌-草、顶林-腰果-低谷养殖、封禁-补种-管控、排水沟及沉沙池等。
以往传统方法以小区对比实验来评价水土保持措施的生态服务功能效益，这种方法耗时长，需要投入大量的人力物力，且对比实验得到的结果仅在实验条件限制的几种情景范围内，无法对成千上万的水土保持措施可能组合进行评价和优化，基于多目标遗传算法，提出了一种南方红壤区小流域水土保持生态服务功能优化方法。
针对相关技术中的问题，目前尚未提出有效的解决方案。
发明内容
针对相关技术中的上述技术问题，本发明的目的是提供一种南方红壤区小流域水土保持生态服务功能优化方法，克服现有技术中的不足，结合南方红壤区现有的水土保持综合治理模式，因地制宜地开展水土保持生态服务功能优化，为水土保持工作提供技术支撑。
本发明的目的是通过以下技术方案来实现：一种南方红壤区小流域水土保持生态服务功能优化方法，包括以下步骤：
S1、根据南方红壤区小流域特点，确定水土保持生态服务功能优化目标，由优化目标导向收集数据，并将获得到的数据进行数据预处理；
S2、基于多目标遗传算法，搭建小流域水土保持生态服务功能优化框架，生态服务功能优化框架的生态服务采用生态服务评价模型计算，生态服务功能优化框架的水土保持措施的投入成本采用投入产出统计经济模型；
S3、构建生态服务评价的基线模型，并对基线模型模拟结果进行验证；
S4、通过多目标遗传算法的多值基因编码进行遗传编码自动生成不同的水土保持措施，在生态服务功能优化框架下，利用验证后的模型评价不同水土保持措施情景的生态服务状况，所述遗传算法包括种群规模、变异概率和进化代数；
S5、根据所述步骤S3和所述步骤S4，将不同水土保持措施情景模拟结果与基线模型模拟结果做差值，分别计算各优化目标的差异，以最大化目标差异、最小化投入成本进行多目标优化，直至达到遗传算法设定的迭代终止条件，最终获得的新一代种群为精英集，根据流域治理的环境目标以及预算从所述精英集中选取出一个个体作为小流域整体的最优水土保持措施方案。
进一步的，所述步骤S1包括以下步骤：
S11、针对南方红壤区小流域特点，确定生态服务最大化优化目标，以及水土保持成本投入最小化优化目标；
S12、根据选定的优化目标，收集需要优化的小流域数据，对数据进行空间栅格化，建立统一的投影坐标系、相同大小的栅格单元。
进一步的，所述步骤S11中南方红壤区小流域特点包括气候、植被、水土流失状况、农业经济发展和人口密度，生态服务最大化优化目标包括保水、保土、生物多样性、碳存储和美学价值，所述步骤S12中小流域数据包括降水量、蒸发量、土地利用、DEM、降雨侵蚀力指数、土壤可蚀性因子和植被根深。
进一步的，所述步骤S2包括以下步骤：
S21、所建立的生态服务功能优化框架，根据南方红壤区小流域地形进行空间离散化，同时根据不同地形地貌的特征，选择和配置相应的水土保持措施；
S22、所建立的生态服务功能优化框架，根据南方红壤区小流域农业生产现状，选择相应的水土保持措施；
S23、所建立的生态服务功能优化框架，根据所述步骤S21空间离散化后，形成空间管理单元，每个管理单元上选择和配置所述步骤S22的水土保持措施。
进一步的，所述步骤S21中小流域地形包括山顶、山腰和沟谷，所述步骤S22中水土保持措施包括反坡梯田、林-灌-草、顶林-腰果-低谷养殖、封禁-补种-管控、排水沟和沉沙池。
进一步的，所述步骤S3包括以下步骤：
S31、所构建的基线模型是在小流域当前水土保持措施现状下，对该小流域的水土保持生态服务采用生态服务评价模型进行建模和计算；
S32、构建的基线模型在建模过程中，需要校正模型参数，使其模拟的结果与观测数据基本一致，或误差在可接受的范围；
S33、经过参数校正后的模型，用不同时间段的输入数据模拟，用观测数据对模拟结果进行验证，如果误差在可接受的范围，模型验证成功，否则重复所述步骤S32，继续校正参数以降低模拟结果的误差，直到模型验证成功。
进一步的，所述步骤S4包括以下步骤：
S41、在生态服务功能优化框架下，小流域空间离散化后，形成不同管理单元，每个管理单元上通过多目标遗传算法的多值基因编码进行遗传编码自动生成潜在的水土保持措施；
S42、按照设定的遗传算法种群规模，每个种群个体就是一套小流域水土保持措施情景的方案，对每个这样的情景，利用验证后的生态服务评价模型评价其生态服务状况，以及计算每个情景的成本投入。
进一步的，所述步骤S5包括以下步骤：
S51、所选定的生态服务最大化优化目标，其目标的差异计算表达式如下：
其中，FESi(X)表示某个生态服务在实施水土保持措施情景X后与基线模型模拟结果的增加量，V(0)表示基线模型模拟结果，V(X)表示一套小流域水土保持措施情景的生态服务模型模拟结果，ESi表示某个生态服务，包括保水、保土、生物多样性、碳存储和美学价值；
S52、所选定的水保措施成本最小化优化目标，水保措施成本计算表达式如下：
其中，Fc为水保措施方案总体成本，i为地块编号，Area(i)表示第i个地块的面积，C(id)表示编号为id的水保措施单位面积投入成本。
本发明的有益效果为：可以充分利用遗传算法全局寻优能力，在小流域尺度，结合南方红壤区现有的水土保持综合治理模式，因地制宜地开展水土保持生态服务功能优化，为水土工作提供有益的技术支撑。
附图说明
下面根据附图对本发明作进一步详细说明。
图1是本发明实施例所述一种南方红壤区小流域水土保持生态服务功能优化方法的步骤流程图；
图2是本发明实施例所述一种南方红壤区小流域水土保持生态服务功能优化方法的框架流程图；
图3是本发明实施例所述一种南方红壤区小流域空间位置图；
图4是本发明实施例所述一种南方红壤区小流域水土保持生态服务功能优化结果图。
具体实施方式
如图1-4所示，本发明实施例所述的一种南方红壤区小流域水土保持生态服务功能优化方法，基于多目标遗传算法，以及生态服务评价模型，在小流域尺度进行水土保持生态服务功能评价和优化，其具体步骤如图1所示；
S1、根据南方红壤区小流域特点，确定水土保持生态服务功能优化目标，由优化目标导向收集数据，并将获得到的数据进行数据预处理；
S11、针对南方红壤区小流域的气候、植被、水土流失状况、农业经济发展、人口密度等特点，确定保水、保土、生物多样性、碳存储和美学价值等几个维度生态服务最大化优化目标，以及水土保持成本投入最小化优化目标；
S12、根据选定的优化目标，收集需要优化的小流域数据，包括降水量、蒸发量、土地利用、DEM、降雨侵蚀力指数、土壤可蚀性因子和植被根深等数据，对数据进行空间栅格化，建立统一的投影坐标系、相同大小的栅格单元。
S2、基于多目标遗传算法，如NSGA-3算法，搭建小流域水土保持生态服务功能优化框架，如图2所示，生态服务功能优化框架的生态服务采用生态服务评价模型计算，如InVEST模型，生态服务功能优化框架的水土保持措施的投入成本采用投入产出统计经济模型；
S21、所建立的生态服务功能优化框架，根据南方红壤区小流域地形山顶、山腰、沟谷进行空间离散化，同时根据不同地形地貌的特征，选择和配置相应的水土保持措施；
S22、所建立的生态服务功能优化框架，根据南方红壤区小流域农业生产现状，选择相应的水土保持措施，包括反坡梯田、林-灌-草、顶林-腰果-低谷养殖、封禁-补种-管控、排水沟及沉沙池等；
S23、所建立的生态服务功能优化框架，根据所述步骤S21空间离散化后，形成空间管理单元，每个管理单元上选择和配置所述步骤S22的水土保持措施。
S3、构建生态服务评价的基线模型，并对基线模型模拟结果进行验证；
S31、所构建的基线模型是在小流域当前水土保持措施现状下，对该小流域的水土保持生态服务采用生态服务评价模型进行建模和计算；
S32、构建的基线模型在建模过程中，需要校正模型参数，使其模拟的结果与观测数据基本一致，或误差在可接受的范围；
S33、经过参数校正后的模型，用不同时间段的输入数据模拟，用观测数据对模拟结果进行验证，如果误差在可接受的范围，模型验证成功，否则重复所述步骤S32，继续校正参数以降低模拟结果的误差，直到模型验证成功。
S4、通过多目标遗传算法的多值基因编码进行遗传编码自动生成不同的水土保持措施，在生态服务功能优化框架下，利用验证后的模型评价不同水土保持措施情景的生态服务状况，同时，设定遗传算法的种群规模、变异概率、进化代数等参数；
S41、在生态服务功能优化框架下，小流域空间离散化后，形成不同管理单元，每个管理单元上通过多目标遗传算法的多值基因编码进行遗传编码自动生成潜在的水土保持措施；
S42、按照设定的遗传算法种群规模，每个种群个体就是一套小流域水土保持措施情景的方案，对每个这样的情景，利用验证后的生态服务评价模型评价其生态服务状况，以及计算每个情景的成本投入。
S5、根据所述步骤S3和所述步骤S4，将不同水土保持措施情景模拟结果与基线模型模拟结果做差值，分别计算各优化目标的差异，以最大化目标差异、最小化投入成本进行多目标优化，直至达到遗传算法设定的迭代终止条件，最终获得的新一代种群为精英集，根据流域治理的环境目标以及预算从所述精英集中选取出一个个体作为小流域整体的最优水土保持措施方案；
S51、所选定的生态服务最大化优化目标，其目标的差异计算表达式如下：
其中，FESi(X)表示某个生态服务在实施水土保持措施情景X后与基线模型模拟结果的增加量，V(0)表示基线模型模拟结果，V(X)表示一套小流域水土保持措施情景的生态服务模型模拟结果，ESi表示某个生态服务，包括保水、保土、生物多样性、碳存储和美学价值；
S52、所选定的水保措施成本最小化优化目标，水保措施成本计算表达式如下：
其中，Fc为水保措施方案总体成本，i为地块编号，Area(i)表示第i个地块的面积，C(id)表示编号为id的水保措施单位面积投入成本。
本实验选择江西省宁都县小洋小流域的水保措施工程优化问题，小洋小流域总面积46.85km2，其空间位置如图3所示。
采用NSGA-III算法，小洋小流域的水保措施优化以20年的投入产出效益最高优化为总体目标，具体目标包括：成本(万元)最小、粮食和果木等经济产出(万元)最大、保土量(吨)最大、蓄水量最大。通过实地勘察将小洋小流域划分52个地块，表1为小杨小流域52个地块的部分属性数据，表2为在这些地块上可选择的水保措施工程及其相关属性信息；
表1小杨小流域52个地块的部分属性数据
表2所选择的水保措施工程及其相关属性信息
生态服务评价模型采用了InVEST模型，其输入数据包括：降水量、蒸发量、土地利用、DEM、降雨侵蚀力指数、土壤可蚀性因子、植被根深等数据。在ArcGIS软件中，对数据进行空间栅格化，建立统一的投影坐标系、相同大小的栅格单元，栅格单元设置为90m。
利用InVEST模型进行水土保持措施模拟时，需要修改相应的输入参数，具体方式见表3；
表3.南方红壤区小流域水土保持措施在InWEST模型中的模拟方法
注：模拟的生态服务功能包括：1.保水；2.保土；3.生物多样性；4.碳存储；5.美学价值。
(2)实验结果
NSGA-3设定不同进化代数(Gen为50代、100代、500代、1000代)，算法的其他参数，如crossover.rate为1.0、crossover.eta为30％、mutation.eta为20％。对小洋小流域的水保措施进行优化，优化目标分别为：成本(F1)最小、粮食和果木等经济产出(F2)最大、保土量(F3)最大、保水量(F4)最大，实验结果如图4所示；图中每条折线代表一个水土保持措施空间配置方案的各个目标属性，同时，可以根据当地经济发展状况，选择适合当地的水土保持措施空间配置方案，为当地水土保持工程的总体设计、规划和生态工程建设提供科学支撑。
综上所述，借助于本发明的上述技术方案，可以充分利用遗传算法全局寻优能力，在小流域尺度，结合南方红壤区现有的水土保持综合治理模式，因地制宜地开展水土保持生态服务功能优化，为水土工作提供有益的技术支撑。
本发明不局限于上述最佳实施方式，任何人在本发明的启示下都可得出其他各种形式的产品，但不论在其形状或结构上作任何变化，凡是具有与本申请相同或相近似的技术方案，均落在本发明的保护范围之内。
Claims (6)
1.一种南方红壤区小流域水土保持生态服务功能优化方法，其特征在于，包括以下步骤：
S1、根据南方红壤区小流域特点，确定水土保持生态服务功能优化目标，由优化目标导向收集数据，并将获得到的数据进行数据预处理；
S2、基于多目标遗传算法，搭建小流域水土保持生态服务功能优化框架，生态服务功能优化框架的生态服务采用生态服务评价模型计算，生态服务功能优化框架的水土保持措施的投入成本采用投入产出统计经济模型；
其中，步骤S2包括以下步骤：
S21、所建立的生态服务功能优化框架，根据南方红壤区小流域地形进行空间离散化，同时根据不同地形地貌的特征，选择和配置相应的水土保持措施；
S22、所建立的生态服务功能优化框架，根据南方红壤区小流域农业生产现状，选择相应的水土保持措施；
S23、所建立的生态服务功能优化框架，根据所述步骤S21空间离散化后，形成空间管理单元，每个管理单元上选择和配置所述步骤S22的水土保持措施；
S3、构建生态服务评价的基线模型，并对基线模型模拟结果进行验证；
其中，步骤S3包括以下步骤：
S31、所构建的基线模型是在小流域当前水土保持措施现状下，对该小流域的水土保持生态服务采用生态服务评价模型进行建模和计算；
S32、构建的基线模型在建模过程中，需要校正模型参数，使其模拟的结果误差在可接受的范围；
S33、经过参数校正后的模型，用不同时间段的输入数据模拟，用观测数据对模拟结果进行验证，如果误差在可接受的范围，模型验证成功，否则重复所述步骤S32，继续校正参数以降低模拟结果的误差，直到模型验证成功；
S4、通过多目标遗传算法的多值基因编码进行遗传编码自动生成不同的水土保持措施，在生态服务功能优化框架下，利用验证后的模型评价不同水土保持措施情景的生态服务状况，所述遗传算法包括种群规模、变异概率和进化代数；
S5、根据所述步骤S3和所述步骤S4，将不同水土保持措施情景模拟结果与基线模型模拟结果做差值，分别计算各优化目标的差异，以最大化目标差异、最小化投入成本进行多目标优化，直至达到遗传算法设定的迭代终止条件，最终获得的新一代种群为精英集，根据流域治理的环境目标以及预算从所述精英集中选取出一个个体作为小流域整体的最优水土保持措施方案。
2.根据权利要求1所述的一种南方红壤区小流域水土保持生态服务功能优化方法，其特征在于，所述步骤S1包括以下步骤：
S11、针对南方红壤区小流域特点，确定生态服务最大化优化目标，以及水土保持成本投入最小化优化目标；
S12、根据选定的优化目标，收集需要优化的小流域数据，对数据进行空间栅格化，建立统一的投影坐标系、相同大小的栅格单元。
3.根据权利要求2所述的一种南方红壤区小流域水土保持生态服务功能优化方法，其特征在于，所述步骤S11中南方红壤区小流域特点包括气候、植被、水土流失状况、农业经济发展和人口密度，生态服务最大化优化目标包括保水、保土、生物多样性、碳存储和美学价值，所述步骤S12中小流域数据包括降水量、蒸发量、土地利用、DEM、降雨侵蚀力指数、土壤可蚀性因子和植被根深。
4.根据权利要求1所述的一种南方红壤区小流域水土保持生态服务功能优化方法，其特征在于，所述步骤S21中小流域地形包括山顶、山腰和沟谷，所述步骤S22中水土保持措施包括反坡梯田、林-灌-草、顶林-腰果-低谷养殖、封禁-补种-管控、排水沟和沉沙池。
5.根据权利要求1所述的一种南方红壤区小流域水土保持生态服务功能优化方法，其特征在于，所述步骤S4包括以下步骤：
S41、在生态服务功能优化框架下，小流域空间离散化后，形成不同管理单元，每个管理单元上通过多目标遗传算法的多值基因编码进行遗传编码自动生成潜在的水土保持措施；
S42、按照设定的遗传算法种群规模，每个种群个体就是一套小流域水土保持措施情景的方案，对每个这样的情景，利用验证后的生态服务评价模型评价其生态服务状况，以及计算每个情景的成本投入。
6.根据权利要求1所述的一种南方红壤区小流域水土保持生态服务功能优化方法，其特征在于，所述步骤S5包括以下步骤：
S51、所选定的生态服务最大化优化目标，其目标的差异计算表达式如下：
其中，FESi(X)表示某个生态服务在实施水土保持措施情景X后与基线模型模拟结果的增加量，V(0)表示基线模型模拟结果，V(X)表示一套小流域水土保持措施情景的生态服务模型模拟结果，ESi表示某个生态服务，包括保水、保土、生物多样性、碳存储和美学价值；
S52、所选定的水保措施成本最小化优化目标，水保措施成本计算表达式如下：
其中，Fc为水保措施方案总体成本，i为地块编号，Area(i)表示第i个地块的面积，C(id)表示编号为id的水保措施单位面积投入成本。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910306114.1A CN110135585B (zh) | 2019-04-17 | 2019-04-17 | 一种南方红壤区小流域水土保持生态服务功能优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910306114.1A CN110135585B (zh) | 2019-04-17 | 2019-04-17 | 一种南方红壤区小流域水土保持生态服务功能优化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110135585A CN110135585A (zh) | 2019-08-16 |
| CN110135585B true CN110135585B (zh) | 2021-08-03 |
Family
ID=67570168
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910306114.1A Active CN110135585B (zh) | 2019-04-17 | 2019-04-17 | 一种南方红壤区小流域水土保持生态服务功能优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110135585B (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112627151A (zh) * | 2020-06-02 | 2021-04-09 | 中国科学院地理科学与资源研究所 | 增强多项生态服务功能的小流域水土保持措施配置方法 |
| CN112001083A (zh) * | 2020-08-25 | 2020-11-27 | 南京林业大学 | 一种小流域水土保持植被缓冲带优化方法及系统 |
| CN112365063B (zh) * | 2020-11-13 | 2023-11-17 | 中国科学院地理科学与资源研究所 | 一种黄土高原地区开挖坡面沟坡防护措施优化配置方法 |
| CN113191663B (zh) * | 2021-05-18 | 2023-05-12 | 北京师范大学 | 一种石漠化生态治理技术配置方法 |
| CN114780659B (zh) * | 2022-04-21 | 2024-05-07 | 中国科学院地理科学与资源研究所 | 南方红壤丘陵区流域水土保持措施多目标空间配置方法 |
| CN114547919B (zh) * | 2022-04-27 | 2022-09-23 | 江西省水利科学院 | 一种沙山区风力侵蚀监测及防治模拟系统和方法 |
| CN118520779A (zh) * | 2024-07-19 | 2024-08-20 | 水利部交通运输部国家能源局南京水利科学研究院 | 黄土高原小流域植被空间结构多目标优化配置方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108846565A (zh) * | 2018-06-04 | 2018-11-20 | 福建师范大学地理研究所 | 南方红壤侵蚀区生态恢复适时介入与安全退出的评估方法 |
| CN109033701A (zh) * | 2018-08-22 | 2018-12-18 | 北京林业大学 | 一种基于水土保持功能的黄土高原林分结构设计方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102360453A (zh) * | 2011-09-28 | 2012-02-22 | 北京林业大学 | 一种防护林水平配置方法 |
-
2019
- 2019-04-17 CN CN201910306114.1A patent/CN110135585B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108846565A (zh) * | 2018-06-04 | 2018-11-20 | 福建师范大学地理研究所 | 南方红壤侵蚀区生态恢复适时介入与安全退出的评估方法 |
| CN109033701A (zh) * | 2018-08-22 | 2018-12-18 | 北京林业大学 | 一种基于水土保持功能的黄土高原林分结构设计方法 |
Non-Patent Citations (3)
| Title |
|---|
| 基于InVEST模型小流域水土保持治理优化研究;谢坤坚;《中国优秀硕士学位论文全文数据库农业科技辑》;20190115(第01期);全文 * |
| 基于多目标遗传算法的水土资源优化配置研究;黄苏宁等;《中国农村水利水电》;20131230(第５期);第33-41页 * |
| 基于遗传算法的水土保持措施空间优化配置;陆在宝;《中国优秀硕士学位论文全文数据库农业科技辑》;20180615(第6期);第2-5章 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110135585A (zh) | 2019-08-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110135585B (zh) | 一种南方红壤区小流域水土保持生态服务功能优化方法 | |
| Uen et al. | Exploring synergistic benefits of Water-Food-Energy Nexus through multi-objective reservoir optimization schemes | |
| CN111783360B (zh) | 高分辨率土地利用及森林景观过程耦合模拟系统及方法 | |
| Suiadee et al. | A combined simulation–genetic algorithm optimization model for optimal rule curves of a reservoir: a case study of the Nam Oon Irrigation Project, Thailand | |
| CN114997480A (zh) | 基于mop-plus模型的低碳导向下省域国土空间分区优化模拟方法 | |
| Jin et al. | Land system evolution of Qinghai-Tibetan Plateau under various development strategies | |
| Smith et al. | Potential impact of climate change on carbon in agricultural soils in Canada 2000–2099 | |
| Jing et al. | Global sensitivity based prioritizing the parametric uncertainties in economic analysis when co-locating photovoltaic with agriculture and aquaculture in China | |
| Cheng et al. | The effects of urbanization on ecosystem services for biodiversity conservation in southernmost Yunnan Province, Southwest China | |
| CN113868963B (zh) | 基于机器学习的仿自然生态植被构建方法、系统及设备 | |
| CN110414115A (zh) | 一种基于遗传算法的小波神经网络番茄产量预测方法 | |
| CN114925974A (zh) | 一种面向市县国土空间规划的分类逐步双评价方法 | |
| Adeyeri et al. | Land use and land cover dynamics: Implications for thermal stress and energy demands | |
| Sharifazari et al. | Optimal reservoir operation using Nash bargaining solution and evolutionary algorithms | |
| Xu et al. | The impact of climate change on yield potential of maize across China | |
| Mei et al. | The Temporal and Spatial Evolution Characteristics and Driving Factors of Ecosystem Service Bundles in Anhui Province, China | |
| Llera et al. | Evolving and comparing greenhouse control strategies using model-based multi-objective optimization | |
| Hou et al. | Multi-scenario Simulation and Spatial-temporal Analysis of LUCC in China’s Coastal Zone Based on Coupled SD-FLUS Model | |
| CN115841042A (zh) | 一种基于韧性理论构建的城市生态韧性三维评价方法 | |
| Scheffran et al. | A spatial-dynamic model of bioenergy crop introduction in Illinois | |
| NA et al. | Optimal regeneration regime under continuous crown cover requirements in cork oak woodlands | |
| Yuan et al. | Effects of patterns of urban green-blue landscape on carbon sequestration using XGBoost-SHAP model | |
| Volk et al. | Increase the adaptive potential of dried land in changeable climatic conditions | |
| Lautenbach et al. | Quantifying trade-offs between bioenergy production, food production, water quality and water quantity aspects in a German case study | |
| Rokochynskiy et al. | Necessity and ways to increase adaptive potential of dried land in changeable climatic conditions |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |