CN111275254A - 基于潮间带面积变化模型预测未来潮间带面积发展趋势的方法 - Google Patents
基于潮间带面积变化模型预测未来潮间带面积发展趋势的方法 Download PDFInfo
- Publication number
- CN111275254A CN111275254A CN202010050464.9A CN202010050464A CN111275254A CN 111275254 A CN111275254 A CN 111275254A CN 202010050464 A CN202010050464 A CN 202010050464A CN 111275254 A CN111275254 A CN 111275254A
- Authority
- CN
- China
- Prior art keywords
- area
- vegetation
- model
- biomass
- plant
- 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
Images
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"
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Cultivation Of Plants (AREA)
Abstract
一种基于潮间带面积变化模型预测未来潮间带面积发展趋势的方法,包括以下步骤:S1.根据单一植被的生长物候期特点及生物量数据,确定植物的生长率、死亡率及分解率年变化趋势,构建植物生长模型;S2.根据潮汐的水位高度、周期及大小潮的时间资料,得到区域内潮汐变化方程,构建潮汐模型;S3.根据区域不同地带多年面积数据,并根据沉积与侵蚀作用构建动力学模型体系,构建沉积模型;S4.根据潮汐对潮间带的影响作用、单一一年生植被生长对潮间带的作用,将潮汐模型、植物生长模型与沉积模型耦合,组成完成的潮间带面积变化模型,进行潮间带不同面积模拟及预测。
Description
技术领域
本发明是一种基于STELLA系统动力学软件构建的模拟预测潮间带湿地面积变化的方法,特别是一种适用于模拟预测单一的一年生植被潮间带湿地面积。
背景技术
潮间带湿地是指由于潮汐作用有时被水淹没,有时又露出水面,其上部经常出露水面下部经常被水淹没的地带。
潮间带湿地作为一种介于水路生态系统之间的生态系统,拥有脆弱性、初级生产力、生物多样性高的特点,是全球生态系统中重要的一环,潮间带植被面积变化与其生态结构及功能密切相关,修复潮间带湿地面积及植被对恢复及生态系统结构及功能有着重要的作用,因此,为更加直观、动态的监测潮间带湿地面积与未来发展趋势,除了许多实际工作以外还需要构建一些模型来预测潮间带湿地在未来的发展趋势。
近代关于滩涂湿地面积变化的研究方法主要是利用长时间序列的遥感影像数据进行解译,用来监测滩涂湿地面积的变化,然后这个方法只是对滩涂湿地面积的被动的监测,并未将滩涂湿地沉积侵蚀过程考虑进去,而且忽视了滩涂植被对湿地面积的影响。
发明内容
针对上述技术问题,本发明提供一种基于潮间带面积变化模型预测未来潮间带面积发展趋势的方法,用于预测潮间带面积的变化趋势,本发明预测方法能够更加有效地预测潮间带湿地面积变化趋势,为潮间带保护和修复提供更加科学合理的参考数据和建议。
为了实现上述技术目的,本发明的技术方案是:
一种基于潮间带面积变化模型预测未来潮间带面积发展趋势的方法,包括以下步骤:
S1.根据单一植被的植物生长物候期特点及生物量数据,确定植物的生长率、死亡率及分解率年变化趋势,并构建单一植被的植物生长模型;
S2.根据潮汐的水位高度、周期及大小潮的时间资料,得到区域内潮汐变化方程,并构建潮汐模型;
S3.根据区域不同地带多年面积数据,并根据沉积与侵蚀作用构建动力学模型体系,构建沉积模型;
S4.根据潮汐对潮间带的影响作用、单一一年生植被生长对潮间带的作用,将潮汐模型、植物生长模型与沉积模型进行耦合,组成完成的潮间带面积变化模型;
S5.进行潮间带不同面积模拟及预测。
所述步骤S1具体通过实地考察,确认潮间带主要植被类型,采样确定所述单一植被生物量数据。
3.根据权利要求1所述的基于潮间带面积变化模型预测未来潮间带面积发展趋势的方法,其特征在于,所述步骤S3具体包括下载示范区域或研究区域遥感影像,通过辐射校正、裁剪,通过软件进行地物分类、以及进行面积统计,得到区域不同地带多年面积数据。
所述潮汐模型中,通过周期、大潮最低和最高水位、小潮最低和最高水位,对最低潮水位线处潮汐水位进行动态水位变化的模拟,为沉积模型提供潮汐影响作用:潮汐携带沉积作用所需要的泥沙,周期性潮汐水流对滩涂冲刷侵蚀;
所述植物生长模型描述单一一年生植被生长和分解,植物生长模型包括4个状态变量:地上部分生物量、地上部分枯落物、地下部分生物量和地下部分枯落物;其中,地上部分生物量进行光合作用进行营养物质积累,影响地下部分生物量累积;地上部分生物量和地下部分生物量根据单一一年生植被的植物物候期特点设置生长率和死亡率,并用生物量数据进行验证;地上部分枯落物和地下部分枯落物分解效率与示范区域或研究区域气温有关,根据当地多年月平均气温,进行拟合,得到气温曲线方程;地上部分生物量和地上部分枯落物质量影响潮间带泥沙沉积;
所述沉积模型描述光滩区和植被区在潮汐和植被共同作用下,沉积和侵蚀状态下面积变化情况,沉积模型包括2个状态变量:光滩区面积和植被区面积;光滩区面积受潮汐变化影响,并接受植被区单一植被的植物死亡转化为光滩区的面积输入;
植被区受到潮汐和植被对泥沙的截留作用影响,单一植被的植物发生死亡植被退化,植被区面积转换为光滩区;
两个区域坡度不同,但可以互相转换,光滩区面积持续沉积,高度达到植物可生长的程度,开始有植物生长,光滩区开始转换为植被区,而植被区高度低于植物可生长的程度,植物开始死亡,植被开始退化,植被区开始转换为光滩区。
所述潮汐模型的潮汐水位通过以下公式获得:
H=0.4·SIN(2·PI/0.5·t)+0.4,其中,H为最低潮位时水位线处潮汐水位(m);
PI为圆周率π;t为时间函数,单位为天;
所述植物生长模型中单一植被的植物生长与分解模拟过程公式为:
Balin=RBal·(1-Bal/40000),其中,Balin为单一植被的植物地上部分生物量生长量(g/m2);RBal为植物地上部分生物量生长率(g/(m2·d));Bal为植物地上未死亡部分生物量(g/m2);
Balout=RBad
Badout为植物地上部分死亡生物量水解量(g/m2);RBad为植物地上部分生物量死亡率(g/(m2·d));
Bal(t)=Bal(t-dt)+(Balin–Balout)·dt
Bal(t)为植物地上未死亡部分生物量,是植物生长模型随时间变化的状态变量(g/m2);
Bad(t)=Bad(t-dt)+(Balout–Badout)·dt
Bad(t)为植物地上部分已死亡未水解部分生物量,是植物生长模型随时间变化的状态变量(g/m2);Badout为植物地上部分死亡生物量水解量(g/m2);
Badout=Radout·(Bad/22)
Radout为植物地上部分死亡生物量水解率(g/(m2·d));
Radout=EXP(-0.0003·Tep·t)
EXP是以自然常数e为底的指数函数;Tep为示范区域或研究区域年际温度变化(℃);
Tep=15·SIN(2·PI/12·(t/30-4))+12
Bulin=RBul·Bal·(1-Bul/6000)/100
Bulin为植物地下部分生物量生长量(g/m2);RBul为植物地下部分生物量生长率(g/(m2·d));Bul为植物地下未死亡部分生物量(g/m2);
Bulout=RBud
Bulout为植物地下部分死亡量(g/m2);RBud为植物地下部分生物量死亡率(g/(m2·d));
Bul(t)=Bul(t-dt)+(Bulin–Bulout)·dt
Bul(t)为植物地下未死亡部分生物量,是植物生长模型随时间变化的状态变量(g/m2);
Bud(t)=Bud(t-dt)+(Bulout–Budout)·dt
Bud(t)为植物地下部分已死亡未水解部分生物量,是植物生长模型随时间变化的状态变量(g/m2);Budout为植物地下部分死亡生物量水解量(g/m2);
Budout=Rudout·(Bud/28)
Rudout为植物地上部分死亡生物量水解率(g/(m2·d));
Rudout=EXP(-0.0001·Tep·t)
所述沉积模型潮间带沉积与侵蚀影响的面积变化模拟过程公式为:
A1(t)=A1(t-dt)+(Ain1–Aout1)·dt
A1(t)为光滩区(Zone1)面积(m2),是沉积模型随时间变化的状态变量;Ain1为光滩区单位时间沉积量(m2);Aout1为光滩区单位时间侵蚀量(m2);
Ain1=(((Rwf1·M·Rs1)/S1)/1)/(TAN(An1)·1)·(A1/1)+A21
Rwf1为光滩区潮流量(m3/day);M为潮水中悬浮物浓度(g/m3),数据来源于实地采样测定;Rs1为光滩区自然状态下沉积速率;S1为光滩区土壤容重(g/m3),数据来源于实地采样测定;An1为光滩区坡度;A21为植被区植物死亡退化为光滩区的面积(m2);
Aout1=((Re1·Rwf1)/1)/(TAN(An1))·1+A12+Af
Re1为光滩区自然状态下侵蚀速率;A12为光滩区生长植物变成滩涂区的面积(m2);Af为光滩区潮水侵蚀淹没区域面积(m2);
A2(t)=A2(t-dt)+(Ain2–Aout2)·dt
A2(t)为植被区面积(m2),是沉积模型随时间变化的状态变量;Ain2为植被区单位时间沉积量(m2);Aout2为滩涂区单位时间侵蚀量(m2);
Ain2=((((Rwf2·M·Rs2)/S2)/1+(Atp+Aod)/S2))/(TAN(An2)·1)·(A2/1)+A12
Rwf2为滩涂区潮流量(m3/day);Rs2为植被区自然状态下沉积速率;S2为植被区土壤容重(g/m3),数据来源于实地采样测定;Atp为植物地上部分泥沙的截留作用截留的泥沙量速率(g/(m2·d));Aod为植物地上部分生物有机沉积的速率(g/(m2·d));An2为植被区坡度;A12为光滩区生长植物变成滩涂区的面积(m2);
Aout2=((Rwf2·Re2)/1)/(TAN(An2))·1+A21+Adp
Re2为植被区自然状态下侵蚀速率;An2为植被区坡度;Adp为植被区植物死亡区域面积(m2);
其中,植被区面积转换成光滩区面积判断公式如下:
H1为光滩区高度(m);Hp为植物可以正常生长的区域高度(m);
光滩区面积转换成植被区面积判断公式如下:
H1=A1/1400·(SIN(An1))
Aod=0.047·0.0000001·(Bal+Bad)
Atp=1.7·0.0000001·706·(0.0725·((Bad+Bal)-156.6·1+422.7))·0.16
Rwf1=H·1
其中,植被区潮汐量判断公式如下:
步骤S5具体是输入模型初始值,包括植物生物量、枯落物质量和潮间带不同地带面积数据,通过软件运行模型,得到运行结果,进行潮间带不同面积模拟及预测。
本发明的有益效果:
1.通过大量数据收集工作和不同模块及模块间生态作用的耦合,可以更好的综合生态系统中多个要素的作用,更加有效地预测潮间带湿地面积变化趋势,为潮间带保护和修复提供更加科学合理的参考数据和建议。
2.本发明针对一年生单一植被潮间带湿地进行分析、模拟及预测,对植被单一的潮间带湿地面积预测更有针对性,对潮间带生态系统研究有着长期且深远的影响。
附图说明
图1为本发明潮间带面积变化模型流程图;
图2为本发明潮间带面积变化模型概念图;
图3为在STELLA软件中构建的潮间带面积变化模型结构图;
图4为潮间带面积模拟结果;
图5为潮间带面积预测结果。
具体实施方式
下面结合具体实施方式对本发明作进一步说明。
本发明由三部分组成,如图1所示:潮汐模型、植物生长模型和沉积模型。
如图2所示,潮汐模型主要模拟潮间带所受的周期性潮汐淹没作用。植物生长模型主要模拟潮间带典型一年生植被全年生物量及枯落物质量的变化及其对潮间带沉积的影响。沉积模型模拟潮间带湿地在潮汐及植被影响下潮间带沉积和侵蚀动力学过程,输出面积变化数据。
一种基于潮间带面积变化模型预测未来潮间带面积发展趋势的方法,步骤如下:
(1)实地考察,确认潮间带主要植被类型,采样确定植被生物量输数据,根据单一植被的生长物候期特点及生物量数据,确定单一植被的生长率、死亡率及分解率年变化趋势,在STELLA软件中构建单一植被模型;
(2)收集示范区域(或研究区域)潮汐数据,根据潮汐的水位高度、周期及大小潮的时间资料,得到区域内潮汐变化方程,在STELLA软件中构建潮汐模型;
(3)下载示范区域(或研究区域)遥感影像,通过辐射校正、裁剪,利用易康软件进行地物分类,使用ARCGIS软件进行面积统计,得到区域不同地带多年面积数据,并根据沉积与侵蚀作用构建动力学模型体系,并在STELLA软件中构建沉积模型;
(4)根据潮汐对潮间带的影响作用、典型一年生单一植被生长对潮间带的作用,将潮汐模型、植物生长模型与沉积模型耦合,组成完成的潮间带面积变化模型,如图3所示;
所述潮汐模型中,通过周期、大潮最低和最高水位、小潮最低和最高水位,对最低潮水位线处潮汐水位进行动态水位变化的模拟,为沉积模型提供潮汐影响作用:潮汐携带的泥沙、潮汐水流影响沉积与侵蚀;
所述植物生长模型描述一年生单一植被生长和分解,植物生长模型包括4个状态变量:地上部分生物量(茎叶花果)、地上部分枯落物(已死亡但未分解的茎叶花果)、地下部分生物量(根)和地下部分枯落物(已死亡但未分解的根);地上部分进行光合作用进行营养物质积累,对地下部分有影响作用;地上和地下部分生物量根据一年生单一植被物候期特点设置单一植被生长率和死亡率,并用生物量数据进行验证;地上和地下部分枯落物分解效率与示范区域(或研究区域)气温有关,根据当地多年月平均气温,进行拟合,得到气温曲线方程;地上部分生物量和枯落物质量对潮间带(植被区)泥沙沉积有一定作用;
所述沉积模型描述潮间带(光滩区和植被区)在潮汐和植被共同作用下,沉积和侵蚀状态下面积变化情况,沉积模型包括2个状态变量:光滩区面积(Zone1)和植被区面积(Zone2);光滩区面积受潮汐变化影响,并接受植被区单一植被死亡转化为光滩区的面积输入;植被区受到潮汐和植被对泥沙的截留作用影响,单一植被发生死亡植被退化,植被区面积转换为光滩区;两个区域坡度不同,但可以互相转换,光滩区沉积到一定的面积,高度达到单一植被可生长的程度,开始有单一植被生长,光滩区开始转换为植被区,而植被区高度低于单一植被可生长的程度,单一植被开始死亡,植被开始退化,植被区开始转换为光滩区。
潮汐模型潮汐水位公式为:
H=0.4·SIN(2·PI/0.5·t)+0.4
t=TIME
H为最低潮位时水位线处潮汐水位(m);
SIN为STELLA软件内置正弦函数;
PI为STELLA软件内置参数,为圆周率π;
t为时间函数,在公式中作自变量;
TIME为STELLA模型中内置时间函数,按照设置的步长与时间范围内变化,本模型中单位为天(d);
植物生长模型单一植被生长与分解模拟过程相关参数赋值为:
Bal=0
Bad=200
Bul=0
Bud=100
RBal=GRAPH(TIME)(0.00,0.00),(33.2,0.00),(66.4,0.00),(99.5,1.00),(133,2.00),(166,7.00),(199,6.00),(232,5.00),(265,5.00),(299,3.00),(332,0.00),(365,0.00)
RBad=GRAPH(TIME)(0.00,0.00),(33.2,0.00),(66.4,0.00),(99.5,0.00),(133,0.00),(166,1.00),(199,2.00),(232,5.00),(265,6.00),(299,7.00),(332,8.00),(365,10.0)
RBul=GRAPH(TIME)(0.00,0.00),(33.2,0.00),(66.4,1.00),(99.5,1.00),(133,1.00),(166,2.00),(199,2.00),(232,1.00),(265,1.00),(299,1.00),(332,0.00),(365,0.00)
RBud=GRAPH(TIME)(0.00,0.00),(33.2,0.00),(66.4,0.00),(99.5,0.00),(133,0.00),(166,2.00),(199,3.00),(232,4.00),(265,4.00),(299,5.00),(332,7.00),(365,8.00)
Bal为单一植被地上未死亡部分生物量(g/m2);
Bad为单一植被地上部分已死亡未水解部分生物量(g/m2);
Bul为单一植被地下未死亡部分生物量(g/m2);
Bud为单一植被地下部分已死亡未水解部分生物量(g/m2);
RBal为单一植被地上部分生物量生长率(g/(m2·d)),该参数是通过STELLA软件中图形输入法进行赋值,GRAPH代表图形输入,以(33.2,0.00)为例,33.2代表时间(d),0.00代表生长率;
RBad为单一植被地上部分生物量死亡率(g/(m2·d)),该参数是通过STELLA软件中图形输入法进行赋值,GRAPH代表图形输入,以(33.2,0.00)为例,33.2代表时间(d),0.00代表生长率;
RBul为单一植被地下部分生物量生长率(g/(m2·d)),该参数是通过STELLA软件中图形输入法进行赋值,GRAPH代表图形输入,以(33.2,0.00)为例,33.2代表时间(d),0.00代表生长率;
RBud为单一植被地下部分生物量死亡率(g/(m2·d)),该参数是通过STELLA软件中图形输入法进行赋值,GRAPH代表图形输入,以(33.2,0.00)为例,33.2代表时间(d),0.00代表生长率;
植物生长模型单一植被生长与分解模拟过程相关公式为:
Balin=RBal·(1-Bal/40000)
Balout=RBad
Bal(t)=Bal(t-dt)+(Balin–Balout)·dt
Bad(t)=Bad(t-dt)+(Balout–Badout)·dt
Badout=Radout·(Bad/22)
Radout=EXP(-0.0003·Tep·TIME)
Tep=15·SIN(2·PI/12·(TIME/30-4))+12
Bulin=RBul·Bal·(1-Bul/6000)/100
Bulout=RBud
Bul(t)=Bul(t-dt)+(Bulin–Bulout)·dt
Bud(t)=Bud(t-dt)+(Bulout–Budout)·dt
Budout=Rudout·(Bud/28)
Rudout=EXP(-0.0001·Tep·TIME)
Balin为单一植被地上部分生物量生长量(g/m2);
Balout为单一植被地上部分死亡量(g/m2);
Bal(t)为单一植被地上未死亡部分生物量,是植物生长模型随时间变化的状态变量(g/m2);
Bad(t)为单一植被地上部分已死亡未水解部分生物量,是植物生长模型随时间变化的状态变量(g/m2);
Badout为单一植被地上部分死亡生物量水解量(g/m2);
Radout为单一植被地上部分死亡生物量水解率(g/(m2·d));
Tep为示范区域(或研究区域)年际温度变化(℃);
Bulin为单一植被地下部分生物量生长量(g/m2);
Bulout为单一植被地下部分死亡量(g/m2);
Bul(t)为单一植被地下未死亡部分生物量,是植物生长模型随时间变化的状态变量(g/m2);
Bud(t)为单一植被地下部分已死亡未水解部分生物量,是植物生长模型随时间变化的状态变量(g/m2);
Budout为单一植被地下部分死亡生物量水解量(g/m2);
Rudout为单一植被地上部分死亡生物量水解率(g/(m2·d));
沉积模型潮间带(光滩区和植被区)沉积与侵蚀影响的面积变化模拟过程中相关参数赋值为:
S1=1.4545·1000000
Re1=0.003
Rs1=0.001
An1=ARCTAN(0.5/585)
M=17.1667
A1=908709.65
S2=1.4423·1000000
Re2=0.003
Rs2=0.001
An2=ARCTAN(1/600)
A2=481304.90
Hp=1
Adp=1400·0.02
Af=1400·0.018
S1为光滩区(Zone1)土壤容重(g/m3),数据来源于实地采样测定;
Re1为光滩区(Zone1)自然状态下侵蚀速率;
Rs1为光滩区(Zone1)自然状态下沉积速率;
An1为光滩区(Zone1)坡度;
M为潮水中悬浮物浓度(g/m3),数据来源于实地采样测定;
A1为光滩区(Zone1)面积(m2);
S2为植被区(Zone2)土壤容重(g/m3),数据来源于实地采样测定;
Re2为植被区(Zone2)自然状态下侵蚀速率;
Rs2为植被区(Zone2)自然状态下沉积速率;
An2为植被区(Zone2)坡度;
A2为植被区(Zone2)面积(m2);
Hp为单一植被可以正常生长的区域高度(m);
Adp为植被区单一植被死亡区域面积(m2);
Af为光滩区潮水侵蚀淹没区域面积(m2);
沉积模型潮间带(光滩区和植被区)沉积与侵蚀影响的面积变化模拟过程中相关公式为:
A1(t)=A1(t-dt)+(Ain1–Aout1)·dt
Aout1=(((Rwf1·M·Rs1)/S1)/1)/(TAN(An1)·1)·(A1/1)+A21
Aout1=((Re1·Rwf1)/1)/(TAN(An1))·1+A12+Af
A2(t)=A2(t-dt)+(Ain2–Aout2)·dt
Ain2=((((Rwf2·M·Rs2)/S2)/1+(Atp+Aod)/S2))/(TAN(An2)·1)·(A2/1)+A12
Aout2=((Rwf2·Re2)/1)/(TAN(An2))·1+A21+Adp
H1=A1/1400·(SIN(An1))
Aod=0.047·0.0000001·(Bal+Bad)
Atp=1.7·0.0000001·706·(0.0725·((Bad+Bal)-156.6·1+422.7))·0.16
Rwf1=H·1
A1(t)为光滩区(Zone1)面积(m2),是沉积模型随时间变化的状态变量;
Ain1为光滩区(Zone1)单位时间沉积量(m2);
Rwf1为光滩区(Zone1)单位时间侵蚀量(m2);
A21为单一植被区(Zone2)单一植被死亡退化为光滩区的面积(m2);
A12为光滩区(Zone1)生长单一植被变成滩涂区的面积(m2);
TAN为STELLA内置函数,是三角函数中的正切函数;
A2(t)为植被区(Zone2)面积(m2),是沉积模型随时间变化的状态变量;
Ain2为植被区(Zone2)单位时间沉积量(m2);
Atp为单一植被地上部分泥沙的截留作用截留的泥沙量速率(g/(m2·d));
Aod为单一植被地上部分生物有机沉积的速率(g/(m2·d));
Aout2为植被区(Zone2)单位时间侵蚀量(m2);
H1为光滩区(Zone1)高度(m);
SIN为STELLA内置函数,是三角函数中的正弦函数;
(5)输入模型初始值,包括单一植被生物量、枯落物质量和潮间带不同地带(光滩区和植被区)面积数据,在STELLA软件界面设置运行时长及步长,本模型中运行时长为365天(d),步长为0.1天(d),再运行模型,得到运行结果,进行潮间带不同面积模拟及预测。
模拟实例:输入2005年山东省潍坊市昌邑市国家级海洋生态保护区的光滩区(Zone1)和植被区(Zone2)面积数据,分别为870681.5和789241.79m2,模拟结果如下表:
每月潮间带面积(m2);
参数值为相关文献和实地数据测定所得,对山东省潍坊市昌邑市国家级海洋生态保护区的潮间带面积进行模拟及预测,模拟结果如图4,预测结果如图5。通过模拟和预测结果,可以看出光滩区(Zone1)面积逐渐增加,植被区(Zone2)面积逐渐减少,植被区(Zone2)减少趋势大于光滩区(Zone1),潮间带总面积逐渐减少。
以上所述,仅是本发明的较佳实例而已,并非对本发明作其他形式的限制,任何熟悉本专业的技术人员可能利用以上揭示的技术内容加以变更或改型为等同变化的等效实施例。但是凡是未脱离本发明技术方案内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与改型,仍属于本发明技术方案的保护范围。
Claims (6)
1.一种基于潮间带面积变化模型预测未来潮间带面积发展趋势的方法,其特征在于,包括以下步骤:
S1.根据单一植被的植物生长物候期特点及生物量数据,确定植物的生长率、死亡率及分解率年变化趋势,并构建单一植被的植物生长模型;
S2.根据潮汐的水位高度、周期及大小潮的时间资料,得到区域内潮汐变化方程,并构建潮汐模型;
S3.根据区域不同地带多年面积数据,并根据沉积与侵蚀作用构建动力学模型体系,构建沉积模型;
S4.根据潮汐对潮间带的影响作用、单一一年生植被生长对潮间带的作用,将潮汐模型、植物生长模型与沉积模型进行耦合,组成完成的潮间带面积变化模型;
S5.进行潮间带不同面积模拟及预测。
2.根据权利要求1所述的基于潮间带面积变化模型预测未来潮间带面积发展趋势的方法,其特征在于,所述步骤S1具体通过实地考察,确认潮间带主要植被类型,采样确定所述单一植被生物量数据。
3.根据权利要求1所述的基于潮间带面积变化模型预测未来潮间带面积发展趋势的方法,其特征在于,所述步骤S3具体包括下载示范区域或研究区域遥感影像,通过辐射校正、裁剪,通过软件进行地物分类、以及进行面积统计,得到区域不同地带多年面积数据。
4.根据权利要求1所述的基于潮间带面积变化模型预测未来潮间带面积发展趋势的方法,其特征在于,
所述潮汐模型中,通过周期、大潮最低和最高水位、小潮最低和最高水位,对最低潮水位线处潮汐水位进行动态水位变化的模拟,为沉积模型提供潮汐影响作用:潮汐携带沉积作用所需要的泥沙,周期性潮汐水流对滩涂冲刷侵蚀;
所述植物生长模型描述单一一年生植被生长和分解,植物生长模型包括4个状态变量:地上部分生物量、地上部分枯落物、地下部分生物量和地下部分枯落物;其中,地上部分生物量进行光合作用进行营养物质积累,影响地下部分生物量累积;地上部分生物量和地下部分生物量根据单一一年生植被的植物物候期特点设置生长率和死亡率,并用生物量数据进行验证;地上部分枯落物和地下部分枯落物分解效率与示范区域或研究区域气温有关,根据当地多年月平均气温,进行拟合,得到气温曲线方程;地上部分生物量和地上部分枯落物质量影响潮间带泥沙沉积;
所述沉积模型描述光滩区和植被区在潮汐和植被共同作用下,沉积和侵蚀状态下面积变化情况,沉积模型包括2个状态变量:光滩区面积和植被区面积;光滩区面积受潮汐变化影响,并接受植被区单一植被的植物死亡转化为光滩区的面积输入;
植被区受到潮汐和植被对泥沙的截留作用影响,单一植被的植物发生死亡植被退化,植被区面积转换为光滩区;
两个区域坡度不同,但可以互相转换,光滩区面积持续沉积,高度达到植物可生长的程度,开始有植物生长,光滩区开始转换为植被区,而植被区高度低于植物可生长的程度,植物开始死亡,植被开始退化,植被区开始转换为光滩区。
5.根据权利要求4所述基于潮间带面积变化模型预测未来潮间带面积发展趋势的方法,其特征在于,所述潮汐模型的潮汐水位通过以下公式获得:
H=0.4·SIN(2·PI/0.5·t)+0.4,其中,H为最低潮位时水位线处潮汐水位(m);
PI为圆周率π;t为时间函数,单位为天;
所述植物生长模型中单一植被的植物生长与分解模拟过程公式为:
Balin=RBal·(1-Bal/40000),其中,Balin为单一植被的植物地上部分生物量生长量(g/m2);RBal为植物地上部分生物量生长率(g/(m2·d));Bal为植物地上未死亡部分生物量(g/m2);
Balout=RBad
Badout为植物地上部分死亡生物量水解量(g/m2);RBad为植物地上部分生物量死亡率(g/(m2·d));
Bal(t)=Bal(t-dt)+(Balin–Balout)·dt
Bal(t)为植物地上未死亡部分生物量,是植物生长模型随时间变化的状态变量(g/m2);
Bad(t)=Bad(t-dt)+(Balout–Badout)·dt
Bad(t)为植物地上部分已死亡未水解部分生物量,是植物生长模型随时间变化的状态变量(g/m2);Badout为植物地上部分死亡生物量水解量(g/m2);
Badout=Radout·(Bad/22)
Radout为植物地上部分死亡生物量水解率(g/(m2·d));
Radout=EXP(-0.0003·Tep·t)
EXP是以自然常数e为底的指数函数;Tep为示范区域或研究区域年际温度变化(℃);
Tep=15·SIN(2·PI/12·(t/30-4))+12
Bulin=RBul·Bal·(1-Bul/6000)/100
Bulin为植物地下部分生物量生长量(g/m2);RBul为植物地下部分生物量生长率(g/(m2·d));Bul为植物地下未死亡部分生物量(g/m2);
Bulout=RBud
Bulout为植物地下部分死亡量(g/m2);RBud为植物地下部分生物量死亡率(g/(m2·d));
Bul(t)=Bul(t-dt)+(Bulin–Bulout)·dt
Bul(t)为植物地下未死亡部分生物量,是植物生长模型随时间变化的状态变量(g/m2);
Bud(t)=Bud(t-dt)+(Bulout–Budout)·dt
Bud(t)为植物地下部分已死亡未水解部分生物量,是植物生长模型随时间变化的状态变量(g/m2);Budout为植物地下部分死亡生物量水解量(g/m2);
Budout=Rudout·(Bud/28)
Rudout为植物地上部分死亡生物量水解率(g/(m2·d));
Rudout=EXP(-0.0001·Tep·t)
所述沉积模型潮间带沉积与侵蚀影响的面积变化模拟过程公式为:
A1(t)=A1(t-dt)+(Ain1–Aout1)·dt
A1(t)为光滩区(Zone1)面积(m2),是沉积模型随时间变化的状态变量;Ain1为光滩区单位时间沉积量(m2);Aout1为光滩区单位时间侵蚀量(m2);
Ain1=(((Rwf1·M·Rs1)/S1)/1)/(TAN(An1)·1)·(A1/1)+A21
Rwf1为光滩区潮流量(m3/day);M为潮水中悬浮物浓度(g/m3),数据来源于实地采样测定;Rs1为光滩区自然状态下沉积速率;S1为光滩区土壤容重(g/m3),数据来源于实地采样测定;An1为光滩区坡度;A21为植被区植物死亡退化为光滩区的面积(m2);
Aout1=((Re1·Rwf1)/1)/(TAN(An1))·1+A12+Af
Re1为光滩区自然状态下侵蚀速率;A12为光滩区生长植物变成滩涂区的面积(m2);Af为光滩区潮水侵蚀淹没区域面积(m2);
A2(t)=A2(t-dt)+(Ain2–Aout2)·dt
A2(t)为植被区面积(m2),是沉积模型随时间变化的状态变量;Ain2为植被区单位时间沉积量(m2);Aout2为滩涂区单位时间侵蚀量(m2);
Ain2=((((Rwf2·M·Rs2)/S2)/1+(Atp+Aod)/S2))/(TAN(An2)·1)·(A2/1)+A12
Rwf2为滩涂区潮流量(m3/day);Rs2为植被区自然状态下沉积速率;S2为植被区土壤容重(g/m3),数据来源于实地采样测定;Atp为植物地上部分泥沙的截留作用截留的泥沙量速率(g/(m2·d));Aod为植物地上部分生物有机沉积的速率(g/(m2·d));An2为植被区坡度;A12为光滩区生长植物变成滩涂区的面积(m2);
Aout2=((Rwf2·Re2)/1)/(TAN(An2))·1+A21+Adp
Re2为植被区自然状态下侵蚀速率;An2为植被区坡度;Adp为植被区植物死亡区域面积(m2);
其中,植被区面积转换成光滩区面积判断公式如下:
H1为光滩区高度(m);Hp为植物可以正常生长的区域高度(m);
光滩区面积转换成植被区面积判断公式如下:
H1=A1/1400·(SIN(An1))
Aod=0.047·0.0000001·(Bal+Bad)
Atp=1.7·0.0000001·706·(0.0725·((Bad+Bal)-156.6·1+422.7))·0.16
Rwf1=H·1
其中,植被区潮汐量判断公式如下:
6.根据权利要求5所述基于潮间带面积变化模型预测未来潮间带面积发展趋势的方法,其特征在于,步骤S5具体是输入模型初始值,包括植物生物量、枯落物质量和潮间带不同地带面积数据,通过软件运行模型,得到运行结果,进行潮间带不同面积模拟及预测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010050464.9A CN111275254B (zh) | 2020-01-17 | 2020-01-17 | 基于潮间带面积变化模型预测未来潮间带面积发展趋势的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010050464.9A CN111275254B (zh) | 2020-01-17 | 2020-01-17 | 基于潮间带面积变化模型预测未来潮间带面积发展趋势的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111275254A true CN111275254A (zh) | 2020-06-12 |
CN111275254B CN111275254B (zh) | 2022-08-05 |
Family
ID=71001733
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010050464.9A Active CN111275254B (zh) | 2020-01-17 | 2020-01-17 | 基于潮间带面积变化模型预测未来潮间带面积发展趋势的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111275254B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113591032A (zh) * | 2021-07-15 | 2021-11-02 | 清华大学深圳国际研究生院 | 一种红树植物最适生长高程的计算方法 |
CN115063437A (zh) * | 2022-06-16 | 2022-09-16 | 广西壮族自治区气象科学研究所 | 一种红树林冠层可见光图像指数特征分析方法及系统 |
CN115100537A (zh) * | 2022-06-27 | 2022-09-23 | 中国科学院地理科学与资源研究所 | 一种基于遥感影像的潮汐能资源评估方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103616496A (zh) * | 2013-12-19 | 2014-03-05 | 江苏大学 | 一种测定滩涂湿地早晚潮间期土壤co2通量的方法 |
CN109190538A (zh) * | 2018-08-24 | 2019-01-11 | 华北水利水电大学 | 一种基于遥感技术的多泥沙河流三角洲海岸带演化分析方法 |
-
2020
- 2020-01-17 CN CN202010050464.9A patent/CN111275254B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103616496A (zh) * | 2013-12-19 | 2014-03-05 | 江苏大学 | 一种测定滩涂湿地早晚潮间期土壤co2通量的方法 |
CN109190538A (zh) * | 2018-08-24 | 2019-01-11 | 华北水利水电大学 | 一种基于遥感技术的多泥沙河流三角洲海岸带演化分析方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113591032A (zh) * | 2021-07-15 | 2021-11-02 | 清华大学深圳国际研究生院 | 一种红树植物最适生长高程的计算方法 |
CN113591032B (zh) * | 2021-07-15 | 2023-06-16 | 清华大学深圳国际研究生院 | 一种红树植物最适生长高程的计算方法 |
CN115063437A (zh) * | 2022-06-16 | 2022-09-16 | 广西壮族自治区气象科学研究所 | 一种红树林冠层可见光图像指数特征分析方法及系统 |
CN115100537A (zh) * | 2022-06-27 | 2022-09-23 | 中国科学院地理科学与资源研究所 | 一种基于遥感影像的潮汐能资源评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111275254B (zh) | 2022-08-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111275254B (zh) | 基于潮间带面积变化模型预测未来潮间带面积发展趋势的方法 | |
Kaldellis et al. | Environmental and social footprint of offshore wind energy. Comparison with onshore counterpart | |
Zhao et al. | A review of methodologies and success indicators for coastal wetland restoration | |
Chirol et al. | Parametrizing tidal creek morphology in mature saltmarshes using semi-automated extraction from lidar | |
CN112307420B (zh) | 一种河口湿地植被生境修复方法 | |
CN113468773B (zh) | 全球台风浪数值模拟方法及系统 | |
Peng et al. | Development and evaluation of a real-time forecasting framework for daily water quality forecasts for Lake Chaohu to Lead time of six days | |
Song et al. | Regionalization of hydrological model parameters using gradient boosting machine | |
Wang et al. | Modeling hydrodynamic and hydrological processes in tidal wetlands | |
England et al. | Modelling wave-induced disturbance in highly biodiverse marine macroalgal communities: support for the intermediate disturbance hypothesis | |
Bacopoulos et al. | Sea-level rise impact on salt marsh sustainability and migration for a subtropical estuary: GTMNERR (Guana Tolomato Matanzas National Estuarine Research Reserve) | |
Dunlop et al. | Restoring estuarine ecosystems using nature-based solutions: Towards an integrated eco-engineering design guideline | |
Zhao et al. | Improving the accuracy of nonpoint-source pollution estimates in inland waters with coupled satellite-UAV data | |
Aldridge et al. | Modelling the distribution and growth of ‘problem’green seaweed in the Medway estuary, UK | |
Schläppy et al. | Impact hypothesis for offshore wind farms: explanatory models for species distribution at extremely exposed rocky areas | |
Al-Safi et al. | Hydrological impacts of climate change on the future streamflow of three unregulated catchments of the Australian hydrologic reference stations | |
Perez-Trejo | Landscape response units: process-based self-organising systems | |
Chirol et al. | Morphological evolution of creek networks in 10 restored coastal wetlands in the UK | |
Jiang et al. | Wetland ecosystem integrity and its variation in an estuary using the EBLE index | |
Bunta et al. | Runoff and sediment yield modeling of Meki river watershed using SWAT model in Rift Valley lakes basin, Ethiopia | |
Pasquale et al. | Modern comprehensive approach to monitor the morphodynamic evolution of restored river corridors. | |
Bhattacharya et al. | Spatio-temporal prediction of suspended sediment concentration in the coastal zone using an artificial neural network and a numerical model | |
Biddle et al. | Modeling impacts of submersed aquatic vegetation on sediment dynamics under storm conditions in upper Chesapeake Bay | |
Pezy et al. | Towards an ecosystem approach to assess the impacts of marine renewable energy | |
Misbari et al. | Temporal and spatial dynamics of submerged seagrass at Merambong, Johor using Landsat data |
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 |