CN111460744B - 一种内陆河上游地区的土地利用规划方法及规划系统 - Google Patents
一种内陆河上游地区的土地利用规划方法及规划系统 Download PDFInfo
- Publication number
- CN111460744B CN111460744B CN202010306214.7A CN202010306214A CN111460744B CN 111460744 B CN111460744 B CN 111460744B CN 202010306214 A CN202010306214 A CN 202010306214A CN 111460744 B CN111460744 B CN 111460744B
- Authority
- CN
- China
- Prior art keywords
- vegetation
- data
- ecological
- eagleson
- model
- 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
- 238000011144 upstream manufacturing Methods 0.000 title claims abstract description 91
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000004458 analytical method Methods 0.000 claims abstract description 45
- 230000008859 change Effects 0.000 claims abstract description 41
- 238000012795 verification Methods 0.000 claims abstract description 39
- 238000004088 simulation Methods 0.000 claims abstract description 27
- 238000002474 experimental method Methods 0.000 claims abstract description 18
- 238000004519 manufacturing process Methods 0.000 claims abstract description 9
- 239000002689 soil Substances 0.000 claims description 108
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 94
- 238000001704 evaporation Methods 0.000 claims description 25
- 230000008020 evaporation Effects 0.000 claims description 24
- 230000000630 rising effect Effects 0.000 claims description 12
- 230000005068 transpiration Effects 0.000 claims description 11
- 238000012423 maintenance Methods 0.000 claims description 8
- 238000009304 pastoral farming Methods 0.000 claims description 7
- 230000009467 reduction Effects 0.000 claims description 4
- 230000009471 action Effects 0.000 claims description 3
- 238000004445 quantitative analysis Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims 2
- 238000004364 calculation method Methods 0.000 description 16
- 230000005855 radiation Effects 0.000 description 15
- 230000000694 effects Effects 0.000 description 14
- 229920006395 saturated elastomer Polymers 0.000 description 9
- 238000009826 distribution Methods 0.000 description 8
- 230000005251 gamma ray Effects 0.000 description 8
- 241000196324 Embryophyta Species 0.000 description 7
- 239000011521 glass Substances 0.000 description 6
- 239000003673 groundwater Substances 0.000 description 6
- 239000011148 porous material Substances 0.000 description 6
- 238000001556 precipitation Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 230000001186 cumulative effect Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 238000009792 diffusion process Methods 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 238000002844 melting Methods 0.000 description 4
- 241000968367 Picea crassifolia Species 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000008018 melting Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000010200 validation analysis Methods 0.000 description 3
- 208000005156 Dehydration Diseases 0.000 description 2
- 241001198066 Solanum aethiopicum Species 0.000 description 2
- 235000018650 Solanum gilo Nutrition 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000035699 permeability Effects 0.000 description 2
- 238000001179 sorption measurement Methods 0.000 description 2
- 238000009834 vaporization Methods 0.000 description 2
- 230000008016 vaporization Effects 0.000 description 2
- 206010003694 Atrophy Diseases 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000037444 atrophy Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- HPNSNYBUADCFDR-UHFFFAOYSA-N chromafenozide Chemical class CC1=CC(C)=CC(C(=O)N(NC(=O)C=2C(=C3CCCOC3=CC=2)C)C(C)(C)C)=C1 HPNSNYBUADCFDR-UHFFFAOYSA-N 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000013277 forecasting method Methods 0.000 description 1
- 230000002262 irrigation Effects 0.000 description 1
- 238000003973 irrigation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000005413 snowmelt Substances 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 108020001568 subdomains Proteins 0.000 description 1
- 239000008400 supply water Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
- 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)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Cultivation Of Plants (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种内陆河上游地区的土地利用规划方法，包括驱动验证步骤：通过模型驱动数据和模型验证数据，驱动并验证Eagleson生态水文模型；产流量影响分析步骤：根据Eagleson生态水文模型模拟得到的数据，通过植被控制实验量化分析植被动态变化对产流的影响；生态系统影响分析步骤：根据Eagleson生态水文模型模拟的生态最优植被盖度，分析植被动态变化对内陆河上游地区生态系统的影响；土地利用规划步骤：对比产流量影响分析步骤和生态系统影响分析步骤的分析结果，制定土地利用规划方案。本发明方法，应用了年尺度动态变化的土地利用遥感数据与Eagleson生态水文模型结合，首次将Eagleson生态水文模型应用于内陆河上游地区，提出针对内陆河上游产流和生态的土地利用规划方法。
Description
技术领域
本发明涉及生态环境土地规划技术领域，具体地，涉及一种应用于内陆河水塔地区的土地利用规划方法及规划系统。
背景技术
在干旱和半干旱地区，上游对整个内陆河流域的社会经济发展和维持生态可持续起着至关重要的作用。尤其是在中国西北地区，内陆河流域上游一般位于山区，大量的降水和冰川、积雪的融水提供了可以满足中下游用水需求的水资源。来自上游的径流通常用来维持绿洲并供应给绿洲社会经济用水，如果农业发展造成的人工绿洲的扩张，使中游的用水量急剧增加，那么可用于维持下游生态系统的水量就会减少，从而导致自然绿洲退化、荒漠化和终端湖泊萎缩等问题。总之，缺水是根本原因。然而，未来人口增长、社会经济发展和气候变化将进一步增加水供应压力。因此，对于内河上游流域，除了维持生态平衡，还需要考虑如何保证产流量，植被通过改变下垫面水热条件来调节产流，是生态系统的关键要素。近年来，植被动态受到大规模生态恢复的显著影响，尤其是内陆河地区，然而，植被动态对上游生态稳定与水量平衡的影响程度尚不清楚，部分原因是可以用来量化区域植被动态的监测数据稀缺。
为了保证产流，必须首先明确植被动态对产流量的影响。可以定量评价植被动态对产流量影响的模型有两类。一类是基于Budyko水平衡框架的经验模型，其结构相对简单，所需输入变量较少，易于应用和调试，然而，该模型没有充分考虑物理模型的不确定性。Budyko框架一般将下垫面条件处理为单个参数，该参数仅与研究流域有关，缺乏将框架推广到其他区域的物理机制。与此类模型相比，SWAT和Noah-MP等模型具有更详细的模型结构来表示物理机制，但是，这类模型需要校准和验证，由于对物理机制的了解有限，经常会产生不确定性。以上描述的所有模型都可以用来量化植被动态对产流量变化的影响，但由于缺乏理论依据都无法评估植被动态对生态系统的影响。也就是说，现有的应用于内陆河上游的模型不能同时评价植被动态对产流变化和生态系统变化的影响，也不能探索如何同时保持上游产流和生态稳定。因此，必须发展一个能够同时满足这两个目标的模型。
经过对现有技术的检索，申请公布号为CN 107944636 A发明专利公开了一种流域生态干旱评估与预报方法，基于流域栅格单元的垂向混合产流模型模拟的月流量过程，采用P-III型分布函数拟合理论概率分布，将偏态分布转化为标准正态分布，得到流域生态干旱指数值，依据Tennant法计算河道生态需水量，并将不同等级所需生态径流量值标准化，确定流域生态干旱指数的干旱等级划分标准。该方法无法获得可以兼顾产流和生态稳定的土地利用方案，所以无法为内陆河上游地区提供精确的生态修复方法。
发明内容
针对现有技术中的缺陷，本发明的目的是提供一种内陆河上游地区的土地利用规划方法及规划系统。
本发明的目的是通过以下方案实现的：
本发明的第一方面提供一种内陆河上游地区的土地利用规划方法，包括以下步骤：
驱动验证步骤：通过模型驱动数据和模型验证数据，驱动并验证Eagleson生态水文模型
所述模型驱动数据包括气象数据、土壤数据和植被数据(包括土地利用类型、归一化植被指数以及植被属性等模型所需参数，植被属性参数指表1植被数据中非计算获得的部分)；所述气象数据来源为中国气象驱动数据集和GLASS数据集；所述植被数据来源为MODIS数据集、AVHRR数据集、欧洲太空总署的土地利用数据以及来自寒区旱区数据中心的植被属性统计数据；所述土壤数据来源为土壤水力参数数据集；所述模型验证数据来源为GLEAM蒸散发数据集，内陆河上游地区水文站点实测径流数据以及内陆河上游地区土壤水实测数据；
产流量影响分析步骤：根据Eagleson生态水文模型模拟得到的数据，通过植被控制实验量化分析植被动态变化对生长季产流量的影响；植被控制实验为将驱动验证步骤的植被数据中的植被参数及受植被影响的潜在蒸散发Eps(在本发明中Eps参照水文学手册，使用中国气象驱动数据集和GLASS数据集中的数据直接计算完成)控制在某一年的水平；量化方法为，用年季动态变化的植被参数计算得到生长季产流量，用控制在某一年水平的植被参数计算得到相应的生长季产流量，二者之差即为在自然演化和生态修复共同作用下的植被动态变化对生长季产流量的影响，差值越小，证明植被动态变化对产流的影响越小；
生态系统影响分析步骤：根据Eagleson生态水文模型模拟的生态最优植被盖度，分析植被动态变化对内陆河上游地区生态系统的影响；根据生态最优植被盖度Meq和实际植被盖度M之间的差值，判断植被动态变化是否让植被向生态最优方向发展；如果实际植被盖度低于生态最优植被盖度，植被会继续向最优状态生长，如果实际植被盖度超过生态最优植被盖度，当地植物会因缺水而死亡(如果生态最优植被盖度Meq和实际植被盖度M之差的绝对值大于0.05就视为有差异，有差异就意味着对生态系统有影响)。生态最优植被盖度Meq通过调试Eagleson生态水文模型得到，方法是：向模型中输入0-1(步长为0.01)的植被盖度M，结合表1中的其他数据，会得到每一个M值对应的土壤含水量s0，当土壤含水量最大时对应的M值为生态最优植被盖度Meq；
土地利用规划步骤：对比产流量影响分析步骤和生态系统影响分析步骤的分析结果，统计植被动态向着偏离生态平衡方向变化并且导致生长季产流量减少的区域占比，从而判断增加内陆河上游生长季产流量的植被动态变化和维持生态稳定(维持生态稳定就是让实际植被盖度M接近生态最优植被盖度Meq)是否矛盾，在维持生态稳定的前提下探究可以增加内陆河上游产流的土地利用方案。所述土地利用方案包括放牧、保持原有植被状态或种植树木等。
进一步地，所述驱动验证步骤具体包括：
S11、一方面，本发明中数据需要处理到同样大小的网格中，输入到模型进行计算，由于土壤数据存在较大的空间异质性，因此将所有数据插值到与土壤数据相同的0.008°×0.008°的网格上；另一方面，本发明中部分气象数据(包括平均暴雨深度、平均降雨历时、平均降雨间隔期、平均次降水强度，气象数据来自中国气象驱动数据集)和植被输入数据(植被盖度M)需要进行计算得到，计算方法如下：
平均暴雨深度mh：
mh＝κ0/λ0 (2)
公式(1)中Γ()和γ()分别代表完全和不完全Gamma分布，h代表次暴雨深[cm]，κ0和λ0分别代表形状参数和尺度参数，通过拟合得到。
平均降雨历时mtr：
mtr＝1/δ (4)
公式(3)和(4)中tr代表降雨历时[days]，δ为参数，通过拟合得到。
平均降雨间隔期：
mtb＝1/υ (6)
公式(5)和(6)中，tb代表降雨间隔期[days]，υ为参数，通过拟合得到。
平均次降水强度：
f(i)＝τe-τi (7)
mi＝1/τ (8)
公式(7)和(8)中，i代表降雨强度[cm/day]，τ为参数，通过拟合得到。
植被盖度M计算方法如下：
当叶面积指数Lt>3时：
M＝(NDVI-NDVImin)/(NDVImax-NDVImin) (9)
叶面积指数Lt<3时：
公式(9)和(10)中NDVI代表归一化植被指数(数据来源为MODIS数据集和AVHRR数据集)，通过统计得到其最小值和最大值，并被代入上式进行计算。
S12、模拟Eagleson生态水文模型，输入气象数据、土壤数据和植被数据(包括土地利用类型、归一化植被指数以及植被属性等模型所需参数)，构建Eagleson生态水文模型，根据水量平衡原理得到土壤含水量s0，同时通过土壤含水量s0和输入参数计算得到模拟的蒸散发量和生长季产流量；其中，土壤含水量s0是指相对含水量，代表土壤孔隙被水填充的比例，例如饱和土壤的含水量就是1。生长季产流量数据是Eagleson生态水文模型模拟的降雨产流数据，包括地表径流Rs、深层渗漏Rd、毛管上升水Rg，所以生长季产流数据一般比实测径流数据要小，趋势也并不会完全一致。模拟的蒸散发量包括截留蒸发Ei、植被蒸腾Ev、土壤蒸发Es。
Eagleson的生态水文模型描述了生长季节土壤、气候和植被之间的水平衡相互作用，水量平衡公式为
/>
其中，mh为平均暴雨深度、Ei为截留蒸发、Ev为植被蒸腾、Es为土壤蒸发、Rs为地表径流、Rd为深层渗漏、Rg毛管上升水和ΔS为土壤含水量变化，共8个水量平衡分量(单位都是cm)。
输入参数经过处理和统计被列在表1中：
表1.模型主要输入参数
8个分量通过以下公式详细介绍：
截留蒸发Ei
植被蒸腾Ev
其中，潜在蒸散发Eps的计算方法如下：
公式(14)中，λ(MJ/kg)是蒸发潜热，
在本发明中为常数0.408；Δ(Pa.K-1)为饱和水汽压-温度曲线的斜率；γ0(Pa.K-1)是湿度常数；Rn(MJ.m-2.day-1)为净辐射；ρ(kg.cm-3)是干燥的空气密度，一般使用常数1.29；cp(MJ.kg-1.K-1)是空气在恒压下的比热容，此处为恒定值1.013×10-3；D(Pa)为饱和水汽压与实际水汽压之差；γa(s.m-1)空气动力阻力；γs(s.m-1)是植物表面阻力，对于一种植被类型值为200除以叶面积指数Lt。
公式(14)中各参数计算方法如下：
γ0＝0.665×Pr (15)
Pr代表气压(Pa)，来自中国气象驱动数据集。
Δ＝4098×0.6108×exp(17.27×T/(237.3+T))/((T+237.3)2) (16)
T是气温(℃)，来自中国气象驱动数据集。
Rn＝Rnshot+Rnlong (18)
Rns＝(1-albedo)Rsd (19)
Rnl＝Rld-Rlu (20)
Rlu＝σT4 (21)
其中，Rn是净辐射(MJ.m-2.day-1)，Rns和Rnl分别为净短波辐射(MJ.m-2.day-1)和净长波辐射(MJ.m-2.day-1)。albedo是地表反照率，来自GLASS数据集。Rsd是向下短波辐射(MJ.m-2.day-1)，来自中国气象驱动数据集；Rld是向下的长波辐射(MJ.m-2.day-1)，Rlu是向上的长波辐射(MJ.m-2.day-1)。T是气温(℃)，来自中国气象驱动数据集，此处要加273.3换算成开氏温度(K)。Z是观测高度(m)，wind代表风速(m/s)，来自中国气象驱动数据集；h是植株高度(m),来自寒区旱区数据中心的植被属性统计数据。
D＝es-ea (22)
es＝0.6108×exp(17.27T/(T+237.3)) (23)
es是饱和水汽压(Pa)；ea是实际水汽压(Pa)；T是气温(℃)，shum是比湿(kg.kg-1)，Pr是气压(Pa)，均来自中国气象驱动数据集。
Δ代表饱和水汽压温度曲线的斜率；γ0代表湿度常数，这两个参数都是参照水文学手册计算得到的；
表2.不同植被类型冠层参数
土壤蒸发Es
Es＝(1-M)βsmtbEps (29)
其中，γ()代表不完全Gamma分布；
c＝3+2/m，这是个土壤渗透性指数，无单位
φe是解析扩散率(dimensionless)，d为(2+1/m)取整的结果；C(d,n)代表从d个数字中选出n个进行组合的结果。s0是土壤含水量，是模型模拟得到的。
地表径流Rs
φi是吸附扩散系数(dimensionless)，d为(2+1/m)取整的结果；C(d,n)代表从d个数字中选出n个进行组合的结果。
深层渗漏Rd
毛管上升水Rg
Zw为地下水埋深；没有用到这个变量，因为地下水在本研究区域没有起到作用。
输入表1中气候、土壤和植被参数，构建Eagleson生态水文模型，根据水量平衡原理得到土壤含水量s0，同时通过土壤含水量s0和输入参数计算得到模拟的蒸散发量和生长季产流量；其中，土壤含水量s0是指相对含水量，代表土壤孔隙被水填充的比例，例如饱和土壤的含水量就是1。生长季产流量数据是Eagleson
生态水文模型模拟的降雨产流数据，包括地表径流Rs、深层渗漏Rd、毛管上升水Rg，所以生长季产流数据一般比实测径流数据要小，趋势也并不会完全一致。模拟的蒸散发量包括截留蒸发Ei、植被蒸腾Ev、土壤蒸发Es。由于本发明的水量衡是基于生长季节期间多个暴雨过程的平均状态，一个暴雨过程包括降雨期和降雨间隔期。因此在平均状态下，且没有准确的测量数据，本发明中土壤含水量ΔS被视为0。
S13、验证Eagleson生态水文模型
使用选定的内陆河上游地区观测点的生长季径流数据(就是指水文站点观测到的实际河川径流数据，在内陆河上游，观测到的径流数据来源一般包括降水产流、地下水补给、冰川积雪融水三部分)、土壤水分观测值和蒸散发遥感观测值(使用的是GLEAM蒸散发数据集，是一种遥感数据)对步骤S12中Eagleson生态水文模型模拟的生长季产流量、模拟的土壤含水量s0和模拟的蒸散发量进行验证，用相关系数R、均方根误差RMSE和相对偏差BIAS表征验证结果。其中，生长季产流量数据是Eagleson生态水文模型模拟的降雨产流数据，包括地表径流Rs、深层渗漏Rd、毛管上升水Rg，所以生长季产流数据一般比实测径流数据要小，趋势也并不会完全一致。模拟的蒸散发量包括截留蒸发Ei、植被蒸腾Ev、土壤蒸发Es。
进一步地，所述步骤S13中，内陆河上游地区观测点的生长季径流数据对Eagleson生态水文模型模拟的生长季产流量进行验证后，相关系数R为0.5-1，相对偏差BIAS小于0，RMSE小于上游地区观测点的生长季径流数据最低值，即认为模拟结果有效；
内陆河上游地区观测点的土壤水分观测值对Eagleson生态水文模型模拟的模拟土壤水分进行验证后，相关系数R为0.5-1，RMSE小于0.2，即认为模拟结果有效；
内陆河上游地区观测点的蒸散发遥感观测值对Eagleson生态水文模型模拟的蒸散发量进行验证后，两者之间的差异范围在正负120mm之间即认为模拟结果有效。
本发明的第二方面提供一种内陆河上游地区的土地利用规划系统，包括以下模块：
驱动验证模块：通过模型驱动数据和模型验证数据，驱动并验证Eagleson生态水文模型，所述模型驱动数据包括气象数据、土壤数据和植被数据；
产流量影响分析模块：根据Eagleson生态水文模型模拟得到的数据，通过植被控制实验量化分析植被动态变化对生长季产流量的影响；
生态系统影响分析模块：根据Eagleson生态水文模型模拟的生态最优植被盖度，分析植被动态变化对内陆河上游地区生态系统的影响；
土地利用规划模块：对比产流量影响分析模块和生态系统影响分析模块的分析结果，制定土地利用规划方案。
与现有技术相比，本发明具有如下的有益效果：
(1)本发明方法及系统，通过采用高分辨率年际变化遥感数据与Eagleson生态水文模型相结合的方法，分析了区域尺度内陆河上游植被动态对产流和生态的影响。
(2)通过采用本发明方法，得出了针对内陆河上游地区有效的土地利用规划方案，分别量化了内陆河上游生态恢复对产流和生态的作用，并使二者达到平衡。
(3)本发明方法，获得的土地利用方案可以兼顾产流和生态稳定，为内陆河上游地区提供精确的生态修复方法。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为黑河上游生长季径流验证图(图中黑色小方块对应的横坐标代表观测值Qobs、纵坐标代表模拟值Qmod，)；
图2为黑河上游土壤水分模拟验证图(图中黑色小方块对应的横坐标代表观测值SWobs、纵坐标代表模拟值SWmod)；
图3为黑河上游蒸散发验证图(图(a)表示黑河上游Eagleson模拟蒸散发1992-2015年平均值，图(b)表示黑河上游GLEAM蒸散发数据1992-2015年平均值，图(c)是图(a)中数值减去图(b)中数值的结果)；
图4为黑河上游植被动态变化对产流量影响量化图(横轴代表年份，左边纵轴代表径流量，对应折线图；右边纵轴代表由于植被动态引起的径流变化量Q-Qveg_1992，对应柱状图，图中Q是实际气候土壤植被条件下模拟的产流、Qveg_1992是控制植被动态保持在1992年状态下的模拟产流，Q-Qveg_1992代表实际模拟产流与控制植被动态情景下模拟产流的差值)；
图5为黑河上游实际植被盖度与平衡态植被盖度对比图(图(a)表示基于遥感观测的实际植被盖度，图(b)表示模拟得到的平衡态植被盖度，图(c)是图(a)中数值减去图(b)中数值的结果)；
图6为黑河上游模拟实验对产流影响累计图(横坐标表示1992-2015年黑河上游模拟实验相对实际情况径流之差的累积值)。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。
Eagleson在一维尺度上构建了生长季节平均暴雨周期的水平衡方程(Eagleson生态水文模型)，提出了生态最优理论。一方面，Eagleson生态水文模型是基于物理机制建立在理想条件下的，不需要调整参数，在气候、植被和土壤参数充足的情况下，植被动态对产流的影响可以被分离和量化。另一方面，在自然条件下，生态最优理论表明，植被盖度和其他植被特征是由光、能源、水和土壤长期平均状态特征决定的，可以根据水平衡原理得到最低水分胁迫下的平衡态植被盖度。同时，随着遥感技术的发展，高分辨率年际变化土地利用和植被数据监测越来越精确，可以有效地应用到模型中。将遥感数据与Eagleson生态水文模型相结合，可以有效地模拟植被动态与水资源的关系，评价生态修复效果。并通过模拟试验，设计出既能增加产流量又能保持内陆河流域上游生态稳定的土地利用优化方案。
接下来结合实施例进行详细说明。
一种内陆河上游地区的土地利用规划方法，包括以下步骤：
驱动验证步骤：通过模型驱动数据和模型验证数据，驱动并验证Eagleson生态水文模型
模型驱动数据包括：气象数据、土壤数据和植被数据(包括土地利用类型、归一化植被指数以及植被属性等模型所需参数)。
气象数据来源包括：中国气象驱动数据集(CMFD)，分辨率为0.1°×0.1°，本发明使用该数据集中1992-2015年的降水、风速、气压、比湿、气温和辐射数据；GLASS数据集，1992-2015年分辨率为0.05°×0.05°的反照率数据。
植被数据来源包括：MODIS数据集2001-2015年分辨率为500米的NDVI(归一化植被指数)数据；AVHRR数据集1992-2000年分辨率为0.05°的NDVI数据；来自欧洲太空总署1992-2015年300米分辨率的土地利用数据(LU-CCI)；来自寒区旱区数据中心的植被属性统计数据。
土壤数据来源为土壤水力参数数据集，分辨率为0.008°×0.008°，本发明主要使用了其中的饱和水力传导度、饱和基质势、土壤有效孔隙度和土壤孔隙分布指数数据。
模型验证数据包括：用于验证蒸散发模拟结果的GLEAM蒸散发数据集；用于验证黑河上游产流的水文站点实测径流数据；用于验证土壤水模拟结果的黑河上游土壤水实测数据；
驱动验证步骤具体包括：
S11、一方面，本发明中数据需要处理到同样大小的网格中，输入到Eagleson生态水文模型进行计算，由于土壤数据存在较大的空间异质性，因此将所有数据插值到与土壤数据相同的0.008°×0.008°的网格上；另一方面，本发明中部分气候数据(包括平均暴雨深度、平均降雨历时、平均降雨间隔期、平均次降水强度)和植被输入数据(植被盖度M)需要进行计算得到，计算方法如下：
平均暴雨深度mh：
mh＝κ0/λ0 (2)
公式(1)中Γ()和G()分别代表完全和不完全Gamma分布，h代表次暴雨深[cm]，κ0和λ0分别代表形状参数和尺度参数，通过拟合得到。
平均降雨历时mtr：
mtr＝1/δ (4)
公式(3)和(4)中tr代表降雨历时[days]，δ为参数，通过拟合得到。
平均降雨间隔期：
mtb＝1/υ (6)
公式(5)和(6)中tb代表降雨间隔期[days]，υ为参数，通过拟合得到。
平均次降水强度：
f(i)＝τe-τi (7)
mi＝1/τ (8)
公式(7)和(8)中i代表降雨强度[cm/day]，τ为参数，通过拟合得到。
植被盖度M计算方法如下：
当叶面积指数Lt>3时：
M＝(NDVI-NDVImin)/(NDVImax-NDVImin) (9)
叶面积指数Lt<3时：
公式(9)和(10)中NDVI代表归一化植被指数，通过统计得到其最小值和最大值，并被代入上式进行计算。
S12、模拟Eagleson生态水文模型，输入处理后的气象数据、土壤数据和植被数据，构建Eagleson生态水文模型，根据水量平衡原理得到土壤含水量s0，同时通过土壤含水量s0和输入参数计算得到模拟的蒸散发量和生长季产流量；其中，土壤含水量s0是指相对含水量，代表土壤孔隙被水填充的比例，例如饱和土壤的含水量就是1。生长季产流量数据是Eagleson生态水文模型模拟的降雨产流数据，包括地表径流Rs、深层渗漏Rd、毛管上升水Rg，所以生长季产流数据一般比实测径流数据要小，趋势也并不会完全一致。模拟的蒸散发量包括截留蒸发Ei、植被蒸腾Ev、土壤蒸发Es。
Eagleson的生态水文模型描述了生长季节土壤、气候和植被之间的水平衡相互作用，水量平衡公式为：
其中，mh为平均暴雨深度、Ei为截留蒸发、Ev为植被蒸腾、Es为土壤蒸发、Rs为地表径流、Rd为深层渗漏、Rg毛管上升水和ΔS为土壤含水量变化，共8个水量平衡分量。
输入参数经过处理和统计被列在表1中：
表1.模型主要输入参数
各个分量通过以下公式详细介绍：
截留蒸发Ei
计算植被蒸腾Ev的主要公式和公式中各个指标计算方法：
其中，
潜在蒸散发Eps的计算方法如下：
公式(14)中，λ(MJ/kg)是蒸发潜热，
本发明中为常数0.408；Δ(Pa.K-1)为饱和水汽压-温度曲线的斜率；γ0(Pa.K-1)是湿度常数；Rn(MJ.m-2.day-1)为净辐射；ρ(kg.cm-3)是干燥的空气密度，一般使用常数1.29；cp(MJ.kg-1.K-1)是空气在恒压下的比热容，此处为恒定值1.013×10-3；D(Pa)为饱和水汽压与实际水汽压之差；γa(s.m-1)空气动力阻力；γs(s.m-1)是植物表面阻力，对于一种植被类型值为200除以叶面积指数Lt。
公式(14)中各参数计算方法如下：
γ0＝0.665×Pr (15)
Pr代表气压(Pa)，来自中国气象驱动数据集。
Δ＝4098×0.6108×exp(17.27×T/(237.3+T))/((T+237.3)2) (16)
T是气温(℃)，来自中国气象驱动数据集。
Rn＝Rnshot+Rnlong (18)
Rns＝(1-albedo)Rsd (19)
Rnl＝Rld-Rlu (20)
Rlu＝σT4 (21)
其中，Rn是净辐射(MJ.m-2.day-1)，Rns和Rnl分别为净短波辐射(MJ.m-2.day-1)和净长波辐射(MJ.m-2.day-1)。albedo是地表反照率，来自GLASS数据集。Rsd是向下短波辐射(MJ.m-2.day-1)，来自中国气象驱动数据集；Rld是向下的长波辐射(MJ.m-2.day-1)，Rlu是向上的长波辐射(MJ.m-2.day-1)。T是气温(℃)，来自中国气象驱动数据集，此处要加273.3换算成开氏温度(K)。Z是观测高度(m)，wind代表风速(m/s)，来自中国气象驱动数据集；h是植株高度(m),来自寒区旱区数据中心的植被属性统计数据。
D＝es-ea (22)
es＝0.6108×exp(17.27T/(T+237.3)) (23)
es是饱和水汽压(Pa)；ea是实际水汽压(Pa)；T是气温(℃)，shum是比湿(kg.kg-1)，Pr是气压(Pa),均来自中国气象驱动数据集。
Δ代表饱和水汽压温度曲线的斜率；γ0代表湿度常数，这两个参数都是参照水文学手册计算得到的；
表2.不同植被类型冠层参数
土壤蒸发Es的主要公式和各个指标的计算方法：
Es＝(1-M)βsmtbEps (29)
其中，γ()代表不完全Gamma分布；
c＝3+2/m，这是个土壤渗透性指数，无单位
φe是解析扩散率(dimensionless)，d为(2+1/m)取整的结果；C(d,n)代表从d个数字中选出n个进行组合的结果，s0是土壤含水量，是模型模拟得到的。
地表径流Rs
φi是吸附扩散系数(dimensionless)，d为(2+1/m)取整的结果；C(d,n)代表从d个数字中选出n个进行组合的结果。
深层渗漏Rd、毛管上升水Rg的计算方法如下：
Zw为地下水埋深；没有用到这个变量，因为地下水在本研究区域没有起到作用。
输入表1中气候、土壤和植被参数，构建Eagleson生态水文模型，根据水量平衡原理得到土壤含水量s0，同时通过土壤含水量s0和输入参数计算得到模拟的蒸散发量和生长季产流量；其中，土壤含水量s0是指相对含水量，代表土壤孔隙被水填充的比例，例如饱和土壤的含水量就是1。生长季产流量数据是Eagleson生态水文模型模拟的降雨产流数据，包括地表径流Rs、深层渗漏Rd、毛管上升水Rg，所以生长季产流数据一般比实测径流数据要小，趋势也并不会完全一致。模拟的蒸散发量包括截留蒸发Ei、植被蒸腾Ev、土壤蒸发Es。由于本发明的水量平衡是基于生长季节期间多个暴雨过程的平均状态，一个暴雨过程包括降雨期和降雨间隔期。因此在平均状态下，且没有准确的测量数据，本发明中土壤含水量ΔS被视为0。
S13、验证Eagleson生态水文模型，使用选定的内陆河上游地区观测点的生长季径流数据(就是指水文站点观测到的实际河川径流数据，在内陆河上游，观测到的径流数据来源一般包括降水产流、地下水补给、冰川积雪融水三部分)、土壤水分观测值SWobs和蒸散发遥感观测值(使用的是GLEAM蒸散发数据集，是一种遥感数据)对步骤S12中Eagleson生态水文模型模拟的生长季产流量、模拟的土壤含水量s0和模拟的蒸散发量进行验证，用相关系数R、均方根误差RMSE和相对偏差BIAS表征验证结果。其中，生长季产流量数据是Eagleson生态水文模型模拟的降雨产流数据，包括地表径流Rs、深层渗漏Rd、毛管上升水Rg，所以生长季产流数据一般比实测径流数据要小，趋势也并不会完全一致。模拟的蒸散发量包括截留蒸发Ei、植被蒸腾Ev、土壤蒸发Es。
本发明以黑河上游流域为例，验证结合了植被动态数据的Eagleson生态水文模型在内陆河地区应用的有效性。生长季产流量Q由降水量Pτ与蒸散发量ET之差计算，包括地表径流Rs、深层渗漏Rd，同时，内陆河上游的地下水深度使得这里的毛管上升水Rg可以忽略不计。该模型只进行了一维的垂直模拟，没有考虑多年积雪，即只模拟降水径流，不包括基流和融雪径流。
生长季产流量Q计算公式如下：
Q＝Pτ-ET (41)
其中，Q(mm)代表模拟的生长季产流；Pτ(mm)是生长季降水总量，与表1中意义相同；ET(mm)是模拟的生长季蒸散发量。
用于表征验证结果的参数包括相关系数R、均方根误差RMSE和相对偏差BIAS。
计算方法如下：
S(t)代表模拟值；O(t)代表观测值；Cov(O(t),S(t))代表S(t)和O(t)的协方差；Var代表方差；T代表时间序列长度；
和/>
分别代表S(t)和O(t)的平均值。
一、Eagleson生态水文模型模拟的生长季产流的验证
使用黑河上游6个子流域生长季径流数据Qobs对Eagleson生态水文模型模拟的生长季产流量进行验证，验证结果如图1所示。6个子流域的R值在0.53～0.74之间，RMSE在32.46～233.18mm之间，偏差在-0.66～-0.0005之间。在较大的子流域中偏差和RMSE相对较小，R也相对较高，可以看出黑河上游的干流和较大的子流域模拟结果较为可靠。
二、Eagleson生态水文模型的模拟土壤水分的验证
对土壤水分(SW)模拟的验证，由2014-2015年黑河上游22个观测点生长期平均值进行验证，结果如图2所示。观测值和模拟土壤水分(SWmod)之间的R为0.61，RMSE为0.17cm3/cm3。土壤水分(SW)需要用模型输出的s0乘以土壤孔隙度ne得到，这里的差别在于模型输出的s0是相对含水量，代表土壤孔隙中水分占比；而SWmod是体积含水量，代表单位土壤中水的体积；观测数据观测到的都是体积含水量，因此在验证时用模型输出的s0乘以土壤孔隙度ne得到的SWmod与观测的SWobs对比验证
三、Eagleson生态水文模型的模拟蒸散发的验证
将模拟蒸散发(ET)与GLEAM ET进行对比，从图3结果可以看出，模拟蒸散发Simulated ET与GLEAM ET的空间变异性相似，但大部分地区，特别是研究区东南部的模拟值小于GLEAM ET，模拟蒸散发Simulated ET值减去GLEAM ET值，两者之间的差异范围从-115.36毫米到44.1毫米。
综上所述，经过验证，Eagleson生态水文模型的模拟结果是合理的。
产流量影响分析步骤：根据Eagleson生态水文模型模拟得到的数据，分析植被动态变化对产流的影响；
植被控制实验为将驱动验证步骤的植被数据中的植被参数及受植被影响的潜在蒸散发Eps(在本发明中Eps参照水文学手册，使用中国气象驱动数据集和GLASS数据集中的数据直接计算完成)控制在1992年的水平；被控制的参数包括：植被盖度、土地利用类型和反照率。量化方法为，用年季动态变化的植被参数通过Eagleson生态水文模型模拟得到生长季产流量，用控制在1992年水平的植被参数通过Eagleson生态水文模型模拟得到控制植被在1992年状态的生长季产流量，二者之差即为在自然演化和生态修复共同作用下的植被动态变化对生长季产流量的影响，差值越小，证明植被动态变化对产流的影响越小；
以黑河上游为例：如图4所示，虽然生态修复导致的植被动态变化很大，但对径流的影响并不明显。黑河上游东南部大部分地区植被变化导致径流量减少，而西北部地区植被动态变化导致生长季产流量增加，由于这些影响相互抵消，整个黑河上游的总产流量变化很小。通过模型运算得到，黑河上游多年平均产流波动范围为-39.43-27.52mm，1992-2015年期间植被变化导致的产流累计变化仅为-15.30mm。图中，两条折线是重合的，表明植被动态对区域平均产流状态的影响不大，所以，证明黑河上游生态修复引起的植被动态变化对流域尺度上的生长季产流影响不明显。
生态系统影响分析步骤：根据Eagleson生态水文模型模拟的生态最优植被盖度，分析植被动态变化对内陆河上游地区生态系统的影响；根据生态最优植被盖度Meq和实际植被盖度M之间的差值，判断植被动态变化是否让植被向生态最优方向发展；如果实际植被盖度低于生态最优植被盖度，植被会继续向最优状态生长，如果实际植被盖度超过生态最优植被盖度，当地植物会因缺水而死亡(如果生态最优植被盖度Meq和实际植被盖度M之差的绝对值大于0.05就视为有差异，有差异就意味着对生态系统有影响)。生态最优植被盖度Meq通过调试Eagleson生态水文模型得到，方法是：向模型中输入0-1(步长为0.01)的植被盖度M，结合表1中的其他数据，会得到每一个M值对应的土壤含水量s0，当土壤含水量最大时对应的M值为生态最优植被盖度Meq；
生态最优理论假设植被盖度朝着使水分胁迫最小化的方向变化，以适应自然条件下的气候和土壤环境；土壤水分先随植被盖度的增加而增加，达到最高值后随植被盖度的不断增加而急剧下降；土壤含水量最高时对应的植被盖度是自然条件下最适合区域气候和土壤条件的植被条件，此时，生态系统处于动态平衡状态，可以认为是生态最优状态，此时的植被盖度为平衡态植被盖度即生态最优盖度。如果实际植被盖度低于平衡态植被盖度，植被会继续向最优状态生长，一旦实际植被盖度超过平衡态植被盖度，当地植物会因缺水而死亡。以上原理的前提是没有人为干扰(如灌溉)。
本发明通过Eagleson生态水文模型模拟实验获得生态最优盖度，并将实际植被盖度与其进行对比，判断生态恢复导致的植被动态变化对区域生态系统的影响。以黑河上游为例，如图5所示，基于遥感的多年平均植被盖度由西北向东南逐渐增大，但变化不显著。东南部的平衡态植被盖度值较高，而西北部和北部的大部分值接近于零，实际植被盖度和平衡态植被盖度在大部分区域存在明显差异。实际植被盖度超过平衡态植被盖度的地区占57.5％，而低于平衡态植被盖度的地区占42.5％。综上所述，黑河上游基于遥感的实际植被盖度在大部分地区不符合生态最优状态，即生态修复并没有让植被向生态最优方向发展。
土地利用规划步骤：对比产流量影响分析步骤和生态系统影响分析步骤的分析结果，统计是否存在植被动态向着偏离生态平衡方向变化并且导致产流减少的区域、区域占比如何，从而判断增加内陆河上游产流和维持生态稳定是否矛盾，在维持生态稳定的前提下探究可以增加内陆河上游产流的土地利用方案。
以黑河上游为例，通过对比产流量影响分析步骤和生态系统影响分析步骤所得结果发现，黑河上游大部分地区植被动态偏离生态稳定态且产流减少。根据本发明方法，设计4项模拟实验：
实验1，假设1992-2015年在整个区域全面实施放牧；
实验2，在实际植被盖度大于平衡态植被盖度的区域放牧，其他区域保持原有植被状态；
实验3，在实际植被盖度大于平衡态植被盖度的区域保持原有植被状态，而其他区域种植树木(青海云杉)；
实验4，在实际植被盖度大于平衡态植被盖度的区域放牧，而其他区域则种植树木(青海云杉)。
如图6所示的模拟结果表明：在1992年至2015年期间，在实验1情景下，径流将累计减少163.69mm(约-31.33×108m3)；实验2情景下，径流平均每年增加约7.3％(累计约30.92×108m3)；在实验3情景下，径流平均每年约增加2.9％(累计约23.40×108m3)；如果按照实验4中土地利用规划情景进行，1992-2015年期间径流大约可以累计增加54.32×108m3。所以，根据模拟结果，可以采用实验4的方案，即在实际植被盖度大于平衡态植被盖度的区域放牧，而其他区域则种植树木(青海云杉)。
本发明方法，应用了年尺度动态变化的土地利用遥感数据与Eagleson生态水文模型结合，充分体现基于遥感的动态植被监测对区域水文循环的作用；首次将Eagleson生态水文模型应用于内陆河上游地区，提出针对内陆河上游产流和生态的土地利用规划方法，将Eagleson生态水文模型与区域土地规划实践结合了起来。
一种内陆河上游地区的土地利用规划系统，包括以下模块：
驱动验证模块：通过模型驱动数据和模型验证数据，驱动并验证Eagleson生态水文模型，所述模型驱动数据包括气象数据、土壤数据和植被数据；
产流量影响分析模块：根据Eagleson生态水文模型模拟得到的数据，通过植被控制实验量化分析植被动态变化对生长季产流量的影响；
生态系统影响分析模块：根据Eagleson生态水文模型模拟的生态最优植被盖度，分析植被动态变化对内陆河上游地区生态系统的影响；
土地利用规划模块：对比产流量影响分析模块和生态系统影响分析模块的分析结果，制定土地利用规划方案。
本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的系统及其各个装置、模块、单元以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统及其各个装置、模块、单元以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同功能。所以，本发明提供的系统及其各项装置、模块、单元可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置、模块、单元也可以视为硬件部件内的结构；也可以将用于实现各种功能的装置、模块、单元视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。
Claims (8)
1.一种内陆河上游地区的土地利用规划方法，其特征在于，包括以下步骤：
驱动验证步骤：通过模型驱动数据和模型验证数据，驱动并验证Eagleson生态水文模型，所述模型驱动数据包括气象数据、土壤数据和植被数据；所述驱动验证步骤具体包括：
S11、处理待输入的部分气象数据和植被数据，然后将气象数据和植被数据插值到与土壤数据相同的0.008°×0.008°的网格上；
S12、模拟Eagleson生态水文模型
输入气象数据、土壤数据和植被数据，构建Eagleson生态水文模型，根据水量平衡原理得到土壤含水量s0，同时通过土壤含水量s0和输入参数计算得到模拟的蒸散发量和生长季产流量；
S13、验证Eagleson生态水文模型
使用选定的内陆河上游地区观测点的生长季径流数据、土壤水分观测值和蒸散发遥感观测值对步骤S12中Eagleson生态水文模型模拟的生长季产流量、模拟的土壤含水量s0和模拟的蒸散发量进行验证，用相关系数R、均方根误差RMSE和相对偏差BIAS表征验证结果；
产流量影响分析步骤：根据Eagleson生态水文模型模拟得到的数据，通过植被控制实验量化分析植被动态变化对生长季产流量的影响；
生态系统影响分析步骤：根据Eagleson生态水文模型模拟的生态最优植被盖度，分析植被动态变化对内陆河上游地区生态系统的影响；
土地利用规划步骤：对比产流量影响分析步骤和生态系统影响分析步骤的分析结果，制定土地利用规划方案；具体步骤为：结合产流量影响分析步骤和生态系统影响分析步骤的分析结果，统计植被动态向着偏离生态平衡方向变化并且导致生长季产流量减少的区域占比，从而判断增加内陆河上游生长季产流量的植被动态变化和维持生态稳定是否矛盾，在维持生态稳定的前提下探究可以增加内陆河上游产流的土地利用方案，所述土地利用方案包括放牧、保持原有植被状态或种植树木。
2.根据权利要求1所述的一种内陆河上游地区的土地利用规划方法，其特征在于，步骤S11中，需要处理的数据包括：平均暴雨深度、平均降雨历时、平均降雨间隔期、平均次降水强度和植被盖度。
3.根据权利要求1所述的一种内陆河上游地区的土地利用规划方法，其特征在于，步骤S12中，Eagleson生态水文模型的水量平衡公式为mh＝Ei+Ev+Es+Rs+Rd-Rg-ΔS，其中，mh为平均暴雨深度、Ei为截留蒸发、Ev为植被蒸腾、Es为土壤蒸发、Rs为地表径流、Rd为深层渗漏、Rg毛管上升水和ΔS为土壤含水量变化，其中，土壤含水量变化ΔS为0。
4.根据权利要求1所述的一种内陆河上游地区的土地利用规划方法，其特征在于，步骤S13中，内陆河上游地区观测点的生长季径流数据对Eagleson生态水文模型模拟的生长季产流量进行验证后，若相关系数R为0.5-1，相对偏差BIAS小于0，RMSE小于上游地区观测点的生长季径流数据最低值，即认为模拟结果有效；
内陆河上游地区观测点的土壤水分观测值对Eagleson生态水文模型模拟的模拟土壤水分进行验证后，若相关系数R为0.5-1，RMSE小于0.2，即认为模拟结果有效；
内陆河上游地区观测点的蒸散发遥感观测值对Eagleson生态水文模型模拟的蒸散发量进行验证后，两者之间的差异范围在正负120mm之间即认为模拟结果有效。
5.根据权利要求1所述的一种内陆河上游地区的土地利用规划方法，其特征在于，所述产流量影响分析步骤中，植被控制实验为将驱动验证步骤的植被数据中的植被参数及受植被影响的潜在蒸散发Eps控制在某一年的水平；量化方法为，用年季动态变化的植被参数计算得到生长季产流量，用控制在某一年水平的植被参数计算得到相应的生长季产流量，二者之差即为在自然演化和生态修复共同作用下的植被动态变化对生长季产流量的影响。
6.根据权利要求1所述的一种内陆河上游地区的土地利用规划方法，其特征在于，所述生态系统影响分析步骤中，根据生态最优植被盖度Meq和实际植被盖度M之间的差值，判断植被动态变化是否让植被向生态最优方向发展；如果实际植被盖度低于生态最优植被盖度，植被会继续向最优状态生长，如果实际植被盖度超过生态最优植被盖度，当地植物会因缺水而死亡。
7.根据权利要求1所述的一种内陆河上游地区的土地利用规划方法，其特征在于，所述气象数据来源为中国气象驱动数据集和GLASS数据集；所述植被数据来源为MODIS数据集、AVHRR数据集、欧洲太空总署的土地利用数据以及来自寒区旱区数据中心的植被属性统计数据；所述土壤数据来源为土壤水力参数数据集；所述模型验证数据来源为GLEAM蒸散发数据集，内陆河上游地区水文站点实测径流数据以及内陆河上游地区土壤水实测数据。
8.一种内陆河上游地区的土地利用规划系统，其特征在于，包括以下模块：
驱动验证模块：通过模型驱动数据和模型验证数据，驱动并验证Eagleson生态水文模型，所述模型驱动数据包括气象数据、土壤数据和植被数据；所述驱动验证模块的驱动验证步骤具体包括：
S11、处理待输入的部分气象数据和植被数据，然后将气象数据和植被数据插值到与土壤数据相同的0.008°×0.008°的网格上；
S12、模拟Eagleson生态水文模型
输入气象数据、土壤数据和植被数据，构建Eagleson生态水文模型，根据水量平衡原理得到土壤含水量s0，同时通过土壤含水量s0和输入参数计算得到模拟的蒸散发量和生长季产流量；
S13、验证Eagleson生态水文模型
使用选定的内陆河上游地区观测点的生长季径流数据、土壤水分观测值和蒸散发遥感观测值对步骤S12中Eagleson生态水文模型模拟的生长季产流量、模拟的土壤含水量s0和模拟的蒸散发量进行验证，用相关系数R、均方根误差RMSE和相对偏差BIAS表征验证结果；
产流量影响分析模块：根据Eagleson生态水文模型模拟得到的数据，通过植被控制实验量化分析植被动态变化对生长季产流量的影响；
生态系统影响分析模块：根据Eagleson生态水文模型模拟的生态最优植被盖度，分析植被动态变化对内陆河上游地区生态系统的影响；
土地利用规划模块：对比产流量影响分析模块和生态系统影响分析模块的分析结果，制定土地利用规划方案；土地利用规划模块的规划步骤为：结合产流量影响分析步骤和生态系统影响分析步骤的分析结果，统计植被动态向着偏离生态平衡方向变化并且导致生长季产流量减少的区域占比，从而判断增加内陆河上游生长季产流量的植被动态变化和维持生态稳定是否矛盾，在维持生态稳定的前提下探究可以增加内陆河上游产流的土地利用方案，所述土地利用方案包括放牧、保持原有植被状态或种植树木。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010306214.7A CN111460744B (zh) | 2020-04-17 | 2020-04-17 | 一种内陆河上游地区的土地利用规划方法及规划系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010306214.7A CN111460744B (zh) | 2020-04-17 | 2020-04-17 | 一种内陆河上游地区的土地利用规划方法及规划系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111460744A CN111460744A (zh) | 2020-07-28 |
| CN111460744B true CN111460744B (zh) | 2023-05-23 |
Family
ID=71678654
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010306214.7A Active CN111460744B (zh) | 2020-04-17 | 2020-04-17 | 一种内陆河上游地区的土地利用规划方法及规划系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111460744B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112036093A (zh) * | 2020-08-13 | 2020-12-04 | 河海大学 | 一种陆面水文耦合模型 |
| CN112288186A (zh) * | 2020-11-18 | 2021-01-29 | 中国水利水电科学研究院 | 基于山区植被的遥感数据调整山区产流量的方法 |
| CN113469440B (zh) * | 2021-07-02 | 2023-11-14 | 河海大学 | 一种预测月尺度生活需水量的方法 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6262024B1 (en) * | 1993-09-01 | 2001-07-17 | Philadelphia, Health And Education Corporation | Neuron regulatory factor for promoting neuron survival |
| CN102034027A (zh) * | 2010-12-16 | 2011-04-27 | 南京大学 | 流域尺度土壤湿度遥感数据同化方法 |
| JP2015004245A (ja) * | 2013-06-21 | 2015-01-08 | 株式会社東芝 | 浸水予測システム、浸水予測方法およびプログラム |
| CN104992376A (zh) * | 2015-06-25 | 2015-10-21 | 河北省水利水电勘测设计研究院 | 一种河流流域水资源规划利用方法 |
| US20170004236A1 (en) * | 2014-01-23 | 2017-01-05 | Urban Planning & Desing Institute Of Shenzhen (Updis) | Method for early warning analysis of eutrophication of designed artificial water body |
| CN107168926A (zh) * | 2017-06-02 | 2017-09-15 | 武汉大学 | 考虑水库调度影响的洪水频率分析方法 |
| CN107423566A (zh) * | 2017-07-27 | 2017-12-01 | 北京师范大学 | 一种兼顾生态节水和污染控制的土地利用优化方法 |
| CN109003199A (zh) * | 2018-07-25 | 2018-12-14 | 浙江瑞坤生态科技有限公司 | 一种滞洪区的水文研究方法 |
| CN109308375A (zh) * | 2018-08-20 | 2019-02-05 | 河海大学 | 一种基于地貌参数的流域最优流速的测算方法 |
| CN110738358A (zh) * | 2019-09-23 | 2020-01-31 | 中国水利水电科学研究院 | 基于土地利用方式优化的生态流量保障方法和装置 |
-
2020
- 2020-04-17 CN CN202010306214.7A patent/CN111460744B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6262024B1 (en) * | 1993-09-01 | 2001-07-17 | Philadelphia, Health And Education Corporation | Neuron regulatory factor for promoting neuron survival |
| CN102034027A (zh) * | 2010-12-16 | 2011-04-27 | 南京大学 | 流域尺度土壤湿度遥感数据同化方法 |
| JP2015004245A (ja) * | 2013-06-21 | 2015-01-08 | 株式会社東芝 | 浸水予測システム、浸水予測方法およびプログラム |
| US20170004236A1 (en) * | 2014-01-23 | 2017-01-05 | Urban Planning & Desing Institute Of Shenzhen (Updis) | Method for early warning analysis of eutrophication of designed artificial water body |
| CN104992376A (zh) * | 2015-06-25 | 2015-10-21 | 河北省水利水电勘测设计研究院 | 一种河流流域水资源规划利用方法 |
| CN107168926A (zh) * | 2017-06-02 | 2017-09-15 | 武汉大学 | 考虑水库调度影响的洪水频率分析方法 |
| CN107423566A (zh) * | 2017-07-27 | 2017-12-01 | 北京师范大学 | 一种兼顾生态节水和污染控制的土地利用优化方法 |
| CN109003199A (zh) * | 2018-07-25 | 2018-12-14 | 浙江瑞坤生态科技有限公司 | 一种滞洪区的水文研究方法 |
| CN109308375A (zh) * | 2018-08-20 | 2019-02-05 | 河海大学 | 一种基于地貌参数的流域最优流速的测算方法 |
| CN110738358A (zh) * | 2019-09-23 | 2020-01-31 | 中国水利水电科学研究院 | 基于土地利用方式优化的生态流量保障方法和装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111460744A (zh) | 2020-07-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Ozdogan et al. | Simulating the effects of irrigation over the United States in a land surface model based on satellite-derived agricultural data | |
| Houle et al. | Projections of future soil temperature and water content for three southern Quebec forested sites | |
| Talebmorad et al. | Evaluation of uncertainty in evapotranspiration values by FAO56-Penman-Monteith and Hargreaves-Samani methods | |
| CN111460744B (zh) | 一种内陆河上游地区的土地利用规划方法及规划系统 | |
| Meng et al. | A comparison of soil moisture models using soil climate analysis network observations | |
| CN104361249B (zh) | 基于作物生长模型的作物旱灾致灾强度指数计算方法 | |
| Cai et al. | Simulation of the soil water balance of wheat using daily weather forecast messages to estimate the reference evapotranspiration | |
| Valmassoi et al. | Evaluation of three new surface irrigation parameterizations in the WRF-ARW v3. 8.1 model: the Po Valley (Italy) case study | |
| Oguntunde | Evapotranspiration and complimentarity relations in the water balance of the Volta Basin: Field measurements and GIS-based regional estimates | |
| Wang | Simulation of evapotranspiration and its response to plant water and CO2 transfer dynamics | |
| Alfieri et al. | Estimation of the minimum canopy resistance for croplands and grasslands using data from the 2002 International H 2 O Project | |
| Sudharsan et al. | Evaluation of weather-based rice yield models in India | |
| Lei et al. | Coupling land surface and crop growth models for predicting evapotranspiration and carbon exchange in wheat-maize rotation croplands | |
| Golabi et al. | Evaluation of SALTMED model performance in irrigation and drainage of sugarcane farms in Khuzestan province of Iran | |
| McNider et al. | A real-time gridded crop model for assessing spatial drought stress on crops in the Southeastern United States | |
| Seo et al. | Role of remotely sensed leaf area index assimilation in eco-hydrologic processes in different ecosystems over East Asia with Community Land Model version 4.5–Biogeochemistry | |
| Gedam et al. | Investigating the accuracies in short-term weather forecasts and its impact on irrigation practices | |
| Chen et al. | Quantitative Assessment of Agricultural Practices on Farmland Evapotranspiration Using EddyCovariance Method and Numerical Modelling | |
| Banihashemi et al. | The impact of climate change on wheat, barley, and maize growth indices in near-future and far-future periods in qazvin plain, Iran | |
| Cordery et al. | Forecasting wheat yields using a water budgeting model | |
| Van den Hurk et al. | Comparison of land surface hydrology in regional climate simulations of the Baltic Sea catchment | |
| Schüttemeyer | The surface energy balance over drying semi-arid terrain in West Africa | |
| Cai et al. | Effects of optimized root water uptake parameterization schemes on water and heat flux simulation in a maize agroecosystem | |
| Sharif et al. | Multidecadal high-resolution hydrologic modeling of the Arkansas–Red River basin | |
| Vazifedoust | Development of an agricultural drought assessment system: integration of agrohydrological modelling, remote sensing and geographical information |
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 |