CN111815102A - 一种基于空间技术的生物多样性综合调查抽样方法 - Google Patents
一种基于空间技术的生物多样性综合调查抽样方法 Download PDFInfo
- Publication number
- CN111815102A CN111815102A CN202010296445.4A CN202010296445A CN111815102A CN 111815102 A CN111815102 A CN 111815102A CN 202010296445 A CN202010296445 A CN 202010296445A CN 111815102 A CN111815102 A CN 111815102A
- Authority
- CN
- China
- Prior art keywords
- species
- sample area
- investigation
- sample
- area
- 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
- 238000011835 investigation Methods 0.000 title claims abstract description 117
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000005070 sampling Methods 0.000 title claims abstract description 36
- 238000005516 engineering process Methods 0.000 title claims abstract description 26
- 238000004458 analytical method Methods 0.000 claims abstract description 44
- 238000004088 simulation Methods 0.000 claims abstract description 30
- 239000000203 mixture Substances 0.000 claims abstract description 17
- 241000894007 species Species 0.000 claims description 128
- 238000011160 research Methods 0.000 claims description 27
- 238000012216 screening Methods 0.000 claims description 12
- 239000000284 extract Substances 0.000 claims description 10
- 230000001681 protective effect Effects 0.000 claims description 10
- 238000000605 extraction Methods 0.000 claims description 9
- 241001465754 Metazoa Species 0.000 claims description 7
- 239000002689 soil Substances 0.000 claims description 7
- 238000001556 precipitation Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 239000003513 alkali Substances 0.000 claims description 3
- 230000004927 fusion Effects 0.000 claims description 3
- 238000011161 development Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000009897 systematic effect Effects 0.000 description 3
- 241000196324 Embryophyta Species 0.000 description 2
- 238000013173 literature analysis Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 241000251539 Vertebrata <Metazoa> Species 0.000 description 1
- 239000002585 base Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 238000012732 spatial analysis Methods 0.000 description 1
- 230000004083 survival effect Effects 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Abstract
本发明属于生态学及生物学领域,公开了一种基于空间技术的生物多样性综合调查抽样方法,该方法包括调查样区标准化、生态系统空间构成分析、重要物种潜在生境模拟、交通可达性分析、空间叠加技术和调查样区抽取六个步骤。本发明有机融合了空间信息分析技术及物种分布模型模拟技术,科学、客观的筛选出生物多样性调查样区。该发明方法集成了调查区域生成、生态系统空间构成、重要物种潜在生境模拟、交通可达性分析等技术,利用空间叠加法,可以快速识别出生物多样性调查样区,并能做到全覆盖和重点突出,应用性较强。
Description
技术领域
本发明涉及一种生物多样性综合调查抽样方法,具体而言,涉及一种基于空间技术的生物多样性综合调查抽样方法,属于生态学及生物学领域。
背景技术
生物多样性是人类社会赖以生存和发展的物质基础,具有供给、调节、支持、文化等重要生态服务功能,对维持生态平衡具有不可替代的作用。开展生物多样性调查是摸清生物多样性本底、掌握动态变化趋势、识别威胁因素的基础工作。
目前,英国、日本等发达国家按照网格法布设生物多样性调查区域。20世纪50年代以来,我国开展了一批生物多样性调查项目,其调查样区、样线、样点的确认,一般采用专家决策法确定,即专家根据经验及文献记载,在调查区域选择某一片森林、湿地、荒漠等作为调查区域,并根据调查类群特征布设样线、样方等。上述抽样方法受专家知识水平及调查资金的限制,往往难以实现对物种(类群)和区域的全覆盖。
目前,按照生物多样性调查目的不同,调查样区的确定方法主要有两类:
(1)集中于自然保护区等物种分布相对丰富的地区,在保护区内调查样区的确定一般是采取随机抽样法,即在保护区内的某一片山地、或河流、或湿地,随机选取一个区域布设样方、样线,该方法适用于小范围的生物多样性调查。
(2)以某一重点物种为主,开展较为详细的生境和物种多样性调查,这类调查工作,调查样区的选取方法主要是专家决策法。这两种方法具有很强的随机性,并受专家经验知识影响较大,样区选择的系统性、全面性较差,不宜用于开展区域(全国、全省、全市、全县)生物多样性综合调查工作的样区确定。
上述现有选择生物多样性调查样区的方法有一定的局限性:(1)在物种分布丰富的地区随机选择区域法,只适用于小面积调查,如某个自然保护区的某个片区;且受样区选择人的知识水平的限制,选取的样区有较大的不确定性,该方法不适用于大面积系统调查。(2)以某一重点物种为主要调查对象开展调查时,采用专家决策法布设调查样区,该方法受专家的知识水平及主观意愿影响较大,且难以整合其他物种数据,不适合大面积开展生物多样性普查。
我国是世界上生物多样性最丰富的国家之一,拥有高等植物34500多种,居世界第三位;脊椎动物6400多种,占世界总种数的13.7%。我国也是生物多样性受威胁最严重的国家之一。近年来,尽管各级政府和相关部门分别在不同区域和领域开展了一批生物多样性调查项目,采取了积极的应对措施,并取得一定进展,但生物多样性丧失的总体趋势尚未得到有效遏制。同时,财力、人力、技术水平和数据共享条件制约了生物多样性保护与监管工作顺利开展,因此,急需发明一种科学、系统、全面,且适用于区域生物多样性综合调查工作的调查样区的确定方法。
发明内容
本发明所要解决的技术问题是:提供一种基于空间技术的生物多样性综合调查抽样方法, 解决调查方法各异、标准不统一、调查空白的问题,为构建多源、多尺度的国家级生物多样性和生态环境协同整合的资源库提供数据支撑,本发明方法科学、系统、全面,且适用于遴选区域生物多样性综合调查工作的调查样区。
本发明提供的技术方案是:一种基于空间技术的生物多样性综合调查抽样方法,其特征在于包括调查样区标准化、生态系统空间构成分析、重要物种潜在生境模拟、交通可达性分析、空间叠加和调查样区抽取六个步骤:
(1)调查样区标准化
利用ArcGIS的fishnet功能将研究区划分为若干个样区,并将各样区进行样区编号,利用地理信息系统技术生成包含每个样区4个顶点的文件,然后获得每个样区4个顶点的经纬度坐标;
(2)生态系统空间构成分析
利用ArcGIS的Extract功能分别提取草地、灌丛、湿地、森林、荒漠、农田等生态系统类型的空间分布。
(3)重要物种潜在生境模拟
筛选研究区重点保护物种,将筛选得到的物种利用物种分布模型MAXENT进行潜在分布模拟,获得重点物种潜在分布生境;其中,重点保护物种筛选标准:①中国珍稀濒危动物;②IUCN濒危物种红色名录、CITES物种名录;③国家级、省级重点保护物种;④区域特有种或中国特有种;⑤对生态系统和生态过程具有重要指示意义的物种;
(4)交通可达性分析
利用ArcGIS提取不同等级的道路数据,并利用密度分析评价到达干线道路网的便捷程度;
(5)空间叠加技术
利用ArcGIS的空间叠加功能,按每种生态系统类型,叠加道路可达性分析结果,调查样区、潜在物种生境模拟结果,尽量覆盖同一生态系统类型的不同分布区,获取各生态系统类型的调查样区,实现分层样区抽样;
(6)调查样区抽取
根据布局均衡原则,对选取的样区进行调整,并力求覆盖所有生境类型,植被带、海拔梯度,从而获取最终的调查样区,生成调查样区空间分布图,提取出每个拟开展调查的样区的四至边界。
所述的方法,步骤(1)中,利用ArcGIS的fishnet功能将研究区划分为若干个10km×10km的样区,样区编号采用8位编号,前四位为(X坐标+5000)/10取整后乘以10,后四位为Y坐标/10取整后乘以10,X、Y坐标均以km表示。以全国生物多样性综合调查为例,样区四至范围为:上下(5926515.209684 m,1876585.548743 m),左右(-2638293.110529 m,2211625.887005 m);若调查区域为某县,则以该县的行政边界范围内的10km×10km样区为调查样区,一般情况下,当样区面积在该县面积≥25 km2,即样区面积的25%,则该样区视为工作样区。
所述的方法,步骤(2)中,所述森林是落叶阔叶林、常绿阔叶林、针阔混交林、落叶阔叶灌丛;草原是温性草原、高寒草原;草甸是温性草原、温性草甸、高寒草甸;湿地是乔、灌湿地和草本湿地;荒漠是戈壁、裸土、沙漠。
所述的方法,其特征在于:步骤(3)中,所述物种分布模型MAXENT所应用的数据图层包括:气候数据、地形数据、土地利用数据、植被类型数据和物种数据。其中,气候数据采用年均温和年均降水量;地形数据是根据90m DEM数据得到的海拔、坡度和坡向;土地利用数据采用最新解译数据;植被类型采用全国1:100万植被数据;物种数据采用实际调查和文献资料等调研获得的至少5个点位数据。
所述的方法,步骤(5)中,按以下步骤实现分层抽样:
(1)按照调查区域的生态系统类型,以全域性为原则,抽取覆盖研究区的各个生态系统类型的样区获得调查样区图层1;
(2)将调查样区图层1与交通可达性图层2进行空间叠加,剔除在现有交通条件下不能到达的样区;若相邻样区生境相同,可选取其中之一进行调查,获得调查样区图层3。
(3)在重点物种潜在生境分析结果上,遴选重点物种的调查样区,并与调查样区图层3叠加,获得调查样区图层4。
同时,本发明还提供一种基于空间技术的生物多样性综合调查抽样系统,该系统包括调查样区标准化模块、生态系统空间构成分析模块、重要物种潜在生境模拟模块、交通可达性分析模块、空间叠加模块和调查样区抽取模块:
(1)调查样区标准化模块,其利用ArcGIS的Fishnet功能将研究区划分为若干个样区,并将各样区进行样区编号,利用地理信息系统技术生成包含每个样区4个顶点的文件,然后获得每个样区4个顶点的经纬度坐标;
(2)生态系统空间构成分析模块,其利用GIS的Extract功能提取森林、草原、草甸、湿地、河流、湖泊、荒漠、盐碱地、冰川雪线、城市、农田等生态系统类型的空间分布;
(3)重要物种潜在生境模拟模块,用于筛选研究区重点保护物种,将筛选得到的物种利用物种分布模型MAXENT进行潜在分布模拟,获得重点物种潜在分布生境;其中,重点保护物种筛选标准:①中国珍稀濒危动物;②IUCN濒危物种红色名录、CITES物种名录;③国家级、省级重点保护物种;④区域特有种或中国特有种;⑤对生态系统和生态过程具有重要指示意义的物种;
(4)交通可达性分析模块,其利用ArcGIS提取不同等级的道路数据,并利用密度分析评价到达干线道路网的便捷程度;
(5)空间叠加模块,其利用ArcGIS的空间叠加功能,按每种生态系统类型,叠加调查样区、潜在物种生境模拟结果、道路可达性分析结果,尽量覆盖同一生态系统类型的不同分布区,获取各生态系统类型的调查样区,实现分层样区抽样;
(6)调查样区抽取模块,用于根据布局均衡原则,对选取的样区进行调整,覆盖所有生境类型,植被带、海拔梯度,从而获取最终的调查样区,生成调查样区空间分布图,提取出每个拟开展调查的样区的四至边界。
进一步地,所述的基于空间技术的生物多样性综合调查抽样系统,其中:所述的调查样区标准化模块,其利用ArcGIS的fishnet功能将研究区划分为若干个10km×10km的样区,样区编号采用8位编号,前四位为(X坐标+5000)/10取整后乘以10,后四位为Y坐标/10取整后乘以10,X、Y坐标均以km表示。以全国生物多样性综合调查为例,样区四至范围为:上下(5926515.209684 m,1876585.548743 m),左右(-2638293.110529 m,2211625.887005 m);若调查区域为某县,则以该县的行政边界范围内的10km×10km样区为调查样区,一般情况下,当样区面积在该县面积≥25 km2,即样区面积的25%,则该样区视为工作样区;所述生态系统空间构成分析模块中,所述森林是落叶阔叶林、常绿阔叶林、针阔混交林、落叶阔叶灌丛;草原是温性草原、高寒草原;草甸是温性草甸、高寒草甸;湿地是乔、灌湿地和草本湿地;荒漠是戈壁、裸土、沙漠;所述的重要物种潜在生境模拟模块中,所述物种分布模型MAXENT所应用的数据包括:气候数据、地形数据、土地利用数据、植被类型数据和物种数据;其中,气候数据采用年均温和年均降水量;地形数据是根据90m DEM数据得到的海拔、坡度和坡向;土地利用数据采用最新解译数据;植被类型采用全国1:100万植被数据;物种数据采用实际调查和文献资料等调研获得的至少5个点位数据;所述的空间叠加模块,按以下步骤实现分层样区抽样:
(1)按照调查区域的生态系统类型,以全域性为原则,抽取覆盖研究区的各个生态系统类型的样区,并考虑各类群调查物种分布生境,将选取的样区进行空间融合,获得调查样区图层1;
(2)在重点物种潜在生境分析结果上,遴选重点物种的调查样区,并与调查样区图层1叠加,获得调查样区图层2;
(3)将调查样区图层2与交通可达性进行空间叠加,剔除在现有交通条件下不能到达的样区,若相邻样区生境相同,可选取其中之一进行调查,获得调查样区图层3。
采用本发明方法所选择生物多样性调查样区,具有以下优点:
(1)使大尺度生物多样性调查样区更具代表性、系统性。本发明研发的生物多样性调查样区确定方法适用于较大尺度的生物多样性调查,调查区域在空间上涵盖整个区域,布局均衡,全面反映研究区域植被和生态全貌,调查区域包含所有代表性的生态系统类型和群落类型;所选取的调查区域具有代表性和全面性,能够反映区域生物多样性现状特征。
(2)将空间分析技术用于生物多样性综合调查样区布设中,可有效避免随机抽样及专家决策法选择样区的主观性,使所选的生物多样性调查样区更加科学、客观,该方法简单易行,具有推广价值。
本发明可应用于生态学及生物学领域,即通过综合分析区域生态系统构成及其代表性、物种分布特征、交通可达性、生物多样性重点区等,利用空间信息叠加技术选取生物多样性调查样区,解决全国及区域尺度生物多样性调查的抽样强度问题,以期在财力物力有限的情况下尽可能系统全面的调查清楚全国及区域的生态系统、高等植物、陆生动物、水生生物的本底状况,为区域生物多样性保护与监管提供基础数据支持。
本发明有机融合了空间信息分析技术及物种分布模型模拟技术,科学、客观的筛选出生物多样性调查样区。该发明方法集成了调查区域生成、生态系统空间构成、重要物种潜在生境模拟、交通可达性分析等技术,利用空间叠加法,可以快速识别出生物多样性调查样区,并能做到全覆盖和重点突出,应用性较强。
附图说明
图1是青海祁连山区网格标准化(10km×10km)图(图层1)。
图2是祁连山区生态系统类型空间分布图(图层2)。
图3是祁连山区物种潜在生境模拟图(图层3)。
图4是祁连山区道路密度图(图层4)。
图5是祁连山区各主要生态系统类型调查区域抽样结果图(图层5)。
图6是遴选的所有调查网格图(图层6)。
图7是祁连山不同生态系统类型生物多样性综合调查抽样的样区分布图。
具体实施方式
下面通过具体实施方式的详细描述来进一步阐明本发明,但并不是对本发明的限制,仅仅作示例说明。
本发明的技术方案以区域生态系统构成及其代表性、地形地貌、生态系统服务功能、物种丰富度、物种分布特征、生态多样性重点区等为基础,基于生物多样性自然地理特征实现生物多样性调查区域的确定,以期为生物多样性保护监管提供科学依据。以下为本发明的具体实施例。
本发明方法分为6个步骤,调查样区标准化、生态系统空间构成分析、重要物种潜在生境模拟、交通可达性分析、空间叠加和调查样区抽取。以下详细介绍各个步骤:
1、调查样区标准化
利用ArcGIS的fishnet功能将研究区划分为10km×10km(根据研究区面积及需要设定)的样区。利用地理信息系统技术生成包含每个样区4个顶点的文件,然后获得每个样区4个顶点的经纬度坐标。根据需要进行样区编号。一般建议样区采用8位编号,前四位为(X坐标+5000)/10取整后乘以10,后四位为Y坐标/10取整后乘以10,X、Y坐标均以km表示。以全国生物多样性综合调查为例,样区四至范围为:上下(5926515.209684 m,1876585.548743 m),左右(-2638293.110529 m,2211625.887005 m)。若调查区域为某县,则以该县的行政边界范围内的10km×10km样区为调查样区,一般情况下,当样区面积在该县面积≥25 km2(即样区面积的25%),则该样区视为工作样区。通过这一步,获得调查样区标准化图层1。
2、生态系统空间构成分析
利用GIS的Extract功能分别提取草地、灌丛、湿地、森林、荒漠、农田等生态系统类型的空间分布,获得调查区域的基本图层2。
、重要物种潜在生境模拟
通过文献分析、现场调研、专家访谈等形式筛选研究区重点保护物种。重点保护物种筛选标准:①中国珍稀濒危动物;②IUCN濒危物种红色名录、CITES物种名录;③国家级、省级重点保护物种;④区域特有种或中国特有种;⑤对生态系统和生态过程具有重要指示意义的物种。
将筛选得到的物种利用物种分布模型MAXENT进行潜在分布模拟,获得重点物种潜在分布生境。该模型所用的数据包括:气候数据采用年均温和年均降水量;地形数据采用根据90m DEM数据得到的海拔、坡度和坡向;土地利用数据采用最新解译数据;植被类型采用全国1:100万植被数据;物种数据采用实际调查和文献资料等调研获得的至少5个点位数据。
通过这一步获得调查样区的基本图层3。
、交通可达性分析
利用ArcGIS提取不同等级的道路数据,并利用密度分析评价到达干线道路网的便捷程度,获得调查样区的基本图层4。
、空间叠加技术
利用ArcGIS的空间叠加功能,按每种生态系统类型,叠加道路可达性分析结果、调查样区潜在物种生境模拟结果,尽量覆盖同一生态系统类型的不同分布区,获取各生态系统类型的调查样区,实现分层样区抽样。
(1)将图层1、2、4叠加,并综合考虑不同生态系统类型的空间分布均匀性、基于全域覆盖的原则,抽取样区,获得各个生态系统类型的样区,图层5;
(2)将图层3与图层5叠加,确保图层5中所选的调查样区包含重点物种的分布区,若个别样区未包含,应再增加样区,以此获得调查样区图层6;
(3)若相邻样区生境相同,可选取其中之一进行调查,获得调查样区图层7。
、调查样区抽取
根据布局均衡原则,对选取的样区进行调整,并力求覆盖所有生境类型,植被带、海拔梯度,从而获取最终的调查样区,生成调查样区空间分布图,提取出每个拟开展调查的样区的四至边界。
应用实施例:
采用本发明方法,本发明人在青海祁连山区开展了基于空间技术的生物多样性综合调查抽样,最终选取了70个10km×10km的调查网格。具体操作步骤如下:
1、调查样区标准化
利用ArcGIS的Fishnet功能将研究区划分为10km×10km的样区(图1)。利用地理信息系统技术生成包含每个样区4个顶点的文件,然后获得每个样区4个顶点的经纬度坐标。进行样区编号,样区采用8位编号,前四位为(X坐标+5000)/10取整后乘以10,后四位为Y坐标/10取整后乘以10,X、Y坐标均以km表示。通过调查样区标准化获得图层1(参见图1)。
、生态系统空间构成分析
利用GIS的Extract功能分别提取草地、灌丛、湿地、森林、荒漠、农田等生态系统类型的空间分布,由此获得图层2(参见图2)。
、重要物种潜在生境模拟
通过文献分析、现场调研、专家访谈等形式筛选研究区重点保护物种。重点保护物种筛选标准:①中国珍稀濒危动物;②IUCN濒危物种红色名录、CITES物种名录;③国家级、省级重点保护物种;④区域特有种或中国特有种;⑤对生态系统和生态过程具有重要指示意义的物种。
将筛选得到的物种利用物种分布模型MAXENT进行潜在分布模拟,获得重点物种潜在分布生境。该模型所用的数据包括:气候数据、地形数据、土地利用数据、植被类型数据和物种数据。其中,气候数据采用年均温和年均降水量;地形数据采用根据90m DEM数据得到的海拔、坡度和坡向;土地利用数据采用最新解译数据;植被类型采用全国1:100万植被数据;物种数据采用实际调查和文献资料等调研获得的至少5个点位数据。
通过这一步,获得图层3(参见图3)。
、交通可达性分析
利用ArcGIS提取不同等级的道路数据,并利用密度分析评价到达干线道路网的便捷程度,以此获得图层4(参见图4)。
、空间叠加
利用ArcGIS的空间叠加功能,按每种生态系统类型,叠加潜在物种生境模拟结果、道路可达性分析结果,尽量覆盖同一生态系统类型的不同分布区,获取各生态系统类型的调查样区,实现分层抽样。其具体实施步骤如下:
(1)将图层1、2、4叠加,并综合考虑不同生态系统类型的空间分布均匀性,基于全域覆盖的原则,抽取样区,获得各生态系统类型的抽样调查样区,即图层5(参见图5);
(2)将图层3与图层5叠加,确保图层5中所选的调查样区包含重点物种的分布区,若个别重点物种分区样区未包含在图层5中,应增加其调查样区;若相邻样区生境相同,可选取其中之一进行调查,获得调查样区成果,即图层6(参见图6)。
、调查样区抽取
根据布局均衡原则,对选取的样区进行调整,并力求覆盖所有生境类型,植被带、海拔梯度,从而获取最终的调查样区,生成调查样区空间分布图,提取出每个拟开展调查的样区的四至边界,获得祁连山区生物多样性调查抽样样区分布图(参见图7)。
Claims (10)
1.一种基于空间技术的生物多样性综合调查抽样方法,其特征在于包括调查样区标准化、生态系统空间构成分析、重要物种潜在生境模拟、交通可达性分析、空间叠加技术和调查样区抽取六个步骤:
(1)调查样区标准化
利用ArcGIS的Fishnet功能将研究区划分为若干个样区,并将各样区进行编号,利用地理信息系统技术生成包含每个样区4个顶点的文件,然后获得每个样区4个顶点的经纬度坐标;
(2)生态系统空间构成分析
利用ArcGIS的Extract功能提取森林、草原、草甸、湿地、河流、湖泊、荒漠、盐碱地、冰川雪线、城市、农田等生态系统类型的空间分布;
(3)重要物种潜在生境模拟
筛选调查区域重点保护物种,将筛选得到的物种利用物种分布模型MAXENT进行潜在分布模拟,获得重点物种潜在分布生境,其中,重点保护物种筛选标准:①中国珍稀濒危动植物;②IUCN濒危物种红色名录、CITES物种名录;③国家级、省级重点保护物种;④区域特有种或中国特有种;⑤对生态系统和生态过程具有重要指示意义的物种;
(4)交通可达性分析
利用ArcGIS提取不同等级的道路数据,并利用密度分析评价到达干线道路网的便捷程度;
(5)空间叠加
利用ArcGIS的空间叠加功能,按每种生态系统类型,叠加调查样区、潜在物种生境模拟结果、道路可达性分析结果,尽量覆盖同一生态系统类型的不同分布区,获取各生态系统类型的调查样区,实现分层样区抽样;
(6)调查样区抽取
根据布局均衡原则,对选取的样区进行调整,并力求覆盖所有生境类型,植被带、海拔梯度,从而获取最终的调查样区,生成调查样区空间分布图,提取出每个拟开展调查的样区的四至边界。
2.按照权利要求1所述的方法,其特征在于:步骤(1)中,利用ArcGIS的fishnet功能将研究区划分为若干个10km×10km的样区,样区编号采用8位编号,前四位为(X坐标+5000)/10取整后乘以10,后四位为Y坐标/10取整后乘以10,X、Y坐标均以km表示,
以全国生物多样性综合调查为例,样区四至范围为:上下(5926515.209684 m,1876585.548743 m),左右(-2638293.110529 m,2211625.887005 m);若调查区域为某县,则以该县的行政边界范围内的10km×10km样区为调查样区,一般情况下,当样区面积在该县面积≥25 km2,即样区面积的25%,则该样区视为工作样区。
3.按照权利要求1所述的方法,其特征在于:步骤(2)中,所述森林是落叶阔叶林、常绿阔叶林、针阔混交林、落叶阔叶灌丛;草原是温性草原、高寒草原;草甸是温性草甸、高寒草甸;湿地是乔、灌湿地和草本湿地;荒漠是戈壁、裸土、沙漠。
4.按照权利要求1所述的方法,其特征在于:步骤(3)中,所述物种分布模型MAXENT所应用的数据包括:气候数据、地形数据、土地利用数据、植被类型数据和物种数据;其中,气候数据采用年均温和年均降水量;地形数据是根据90m DEM数据得到的海拔、坡度和坡向;土地利用数据采用最新解译数据;植被类型采用全国1:100万植被数据;物种数据采用实际调查和文献资料等调研获得的至少5个点位数据。
5.按照权利要求1所述的方法,其特征在于:步骤(5)中,按以下步骤实现分层样区抽样:
(1)按照调查区域的生态系统类型,以全域性为原则,抽取覆盖研究区的各个生态系统类型的样区,并考虑各类群调查物种分布生境,将选取的样区进行空间融合,获得调查样区图层1;
(2)在重点物种潜在生境分析结果上,遴选重点物种的调查样区,并与调查样区图层1叠加,获得调查样区图层2;
(3)将调查样区图层2与交通可达性进行空间叠加,剔除在现有交通条件下不能到达的样区,若相邻样区生境相同,可选取其中之一进行调查,获得调查样区图层3。
6.一种基于空间技术的生物多样性综合调查抽样系统,其特征在于,该系统包括调查样区标准化模块、生态系统空间构成分析模块、重要物种潜在生境模拟模块、交通可达性分析模块、空间叠加模块和调查样区抽取模块:
(1)调查样区标准化模块,其利用ArcGIS的Fishnet功能将研究区划分为若干个样区,并将各样区进行样区编号,利用地理信息系统技术生成包含每个样区4个顶点的文件,然后获得每个样区4个顶点的经纬度坐标;
(2)生态系统空间构成分析模块,其利用ArcGIS的Extract功能提取森林、草原、草甸、湿地、河流、湖泊、荒漠、盐碱地、冰川雪线、城市、农田等生态系统类型的空间分布;
(3)重要物种潜在生境模拟模块,用于筛选研究区重点保护物种,将筛选得到的物种利用物种分布模型MAXENT进行潜在分布模拟,获得重点物种潜在分布生境;其中,重点保护物种筛选标准:①中国珍稀濒危动植物;②IUCN濒危物种红色名录、CITES物种名录;③国家级、省级重点保护物种;④区域特有种或中国特有种;⑤对生态系统和生态过程具有重要指示意义的物种;
(4)交通可达性分析模块,其利用ArcGIS提取不同等级的道路数据,并利用密度分析评价到达干线道路网的便捷程度;
(5)空间叠加模块,其利用ArcGIS的空间叠加功能,按每种生态系统类型,叠加调查样区、潜在物种生境模拟结果、道路可达性分析结果,尽量覆盖同一生态系统类型的不同分布区,获取各生态系统类型的调查样区,实现分层样区抽样;
(6)调查样区抽取模块,用于根据布局均衡原则,对选取的样区进行调整,覆盖所有生境类型,植被带、海拔梯度,从而获取最终的调查样区,生成调查样区空间分布图,提取出每个拟开展调查的样区的四至边界。
7.按照权利要求6所述的基于空间技术的生物多样性综合调查抽样系统,其特征在于:所述的调查样区标准化模块,其利用ArcGIS的fishnet功能将研究区划分为若干个10km×10km的样区,样区编号采用8位编号,前四位为(X坐标+5000)/10取整后乘以10,后四位为Y坐标/10取整后乘以10,X、Y坐标均以km表示,以全国生物多样性综合调查为例,样区四至范围为:上下(5926515.209684 m,1876585.548743 m),左右(-2638293.110529 m,2211625.887005 m);若调查区域为某县,则以该县的行政边界范围内的10km×10km样区为调查样区,一般情况下,当样区面积在该县面积≥25 km2,即样区面积的25%,则该样区视为工作样区。
8.按照权利要求6所述的基于空间技术的生物多样性综合调查抽样系统,其特征在于:所述的生态系统空间构成分析模块中,所述森林是落叶阔叶林、常绿阔叶林、针阔混交林、落叶阔叶灌丛;草原是温性草原、高寒草原;草甸是温性草甸、高寒草甸;湿地是乔、灌湿地和草本湿地;荒漠是戈壁、裸土、沙漠。
9.按照权利要求6所述的基于空间技术的生物多样性综合调查抽样系统,其特征在于:所述的重要物种潜在生境模拟模块中,所述物种分布模型MAXENT所应用的数据包括:气候数据、地形数据、土地利用数据、植被类型数据和物种数据;其中,气候数据采用年均温和年均降水量;地形数据是根据90m DEM数据得到的海拔、坡度和坡向;土地利用数据采用最新解译数据;植被类型采用全国1:100万植被数据;物种数据采用实际调查和文献资料等调研获得的至少5个点位数据。
10.按照权利要求6所述的基于空间技术的生物多样性综合调查抽样系统,其特征在于:所述的空间叠加模块,按以下步骤实现分层样区抽样:
(1)按照调查区域的生态系统类型,以全域性为原则,抽取覆盖研究区的各个生态系统类型的样区,并考虑各类群调查物种分布生境,将选取的样区进行空间融合,获得调查样区图层1;
(2)在重点物种潜在生境分析结果上,遴选重点物种的调查样区,并与调查样区图层1叠加,获得调查样区图层2;
(3)将调查样区图层2与交通可达性进行空间叠加,剔除在现有交通条件下不能到达的样区,若相邻样区生境相同,可选取其中之一进行调查,获得调查样区图层3。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010296445.4A CN111815102B (zh) | 2020-04-15 | 2020-04-15 | 一种基于空间技术的生物多样性综合调查抽样方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010296445.4A CN111815102B (zh) | 2020-04-15 | 2020-04-15 | 一种基于空间技术的生物多样性综合调查抽样方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111815102A true CN111815102A (zh) | 2020-10-23 |
CN111815102B CN111815102B (zh) | 2024-01-26 |
Family
ID=72848482
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010296445.4A Active CN111815102B (zh) | 2020-04-15 | 2020-04-15 | 一种基于空间技术的生物多样性综合调查抽样方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111815102B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113157847A (zh) * | 2021-04-28 | 2021-07-23 | 浙江师范大学 | 森林植物调查数据快速检核方法及装置 |
CN113220810A (zh) * | 2021-04-16 | 2021-08-06 | 昆明理工大学 | 一种多源物种分布数据处理方法及装置 |
CN114399415A (zh) * | 2021-12-23 | 2022-04-26 | 广东贝源检测技术股份有限公司 | 一种生物多样性的调查评估系统 |
CN114937029A (zh) * | 2022-06-21 | 2022-08-23 | 西南林业大学 | 森林碳储量抽样估测方法、装置、设备及存储介质 |
CN117556586A (zh) * | 2023-09-12 | 2024-02-13 | 云南大学 | 生物多样性调查样点优化设置方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20050082053A (ko) * | 2004-02-17 | 2005-08-22 | 학교법인 이화학당 | 소수계 물관리 진단시스템 및 방법 |
CN101894120A (zh) * | 2010-01-06 | 2010-11-24 | 北京师范大学 | 一种区域生态敏感性评价方法 |
CN106844688A (zh) * | 2017-01-23 | 2017-06-13 | 环境保护部南京环境科学研究所 | 基于空间叠加和gap分析的植物生境保护红线划定方法 |
US20180173820A1 (en) * | 2016-12-15 | 2018-06-21 | International Business Machines Corporation | Inferring ecological niche model input layers |
CN108229859A (zh) * | 2018-02-09 | 2018-06-29 | 中国环境科学研究院 | 一种确定生物多样性保护的关键区域的方法及系统 |
CN108510568A (zh) * | 2018-04-08 | 2018-09-07 | 南京信息工程大学 | 一种等高线分段标注方法 |
CN108717044A (zh) * | 2018-05-24 | 2018-10-30 | 青海师范大学 | 一种去除植被覆盖影响的表层土壤含水量卫星遥感估算方法 |
US20190171657A1 (en) * | 2016-07-29 | 2019-06-06 | Queensland Electricity Transmission Corporation | Geospatial mapping system |
CN110689563A (zh) * | 2019-09-27 | 2020-01-14 | 佛山科学技术学院 | 一种用于提取遥感图像中违法建筑信息的数据处理方法 |
-
2020
- 2020-04-15 CN CN202010296445.4A patent/CN111815102B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20050082053A (ko) * | 2004-02-17 | 2005-08-22 | 학교법인 이화학당 | 소수계 물관리 진단시스템 및 방법 |
CN101894120A (zh) * | 2010-01-06 | 2010-11-24 | 北京师范大学 | 一种区域生态敏感性评价方法 |
US20190171657A1 (en) * | 2016-07-29 | 2019-06-06 | Queensland Electricity Transmission Corporation | Geospatial mapping system |
US20180173820A1 (en) * | 2016-12-15 | 2018-06-21 | International Business Machines Corporation | Inferring ecological niche model input layers |
CN106844688A (zh) * | 2017-01-23 | 2017-06-13 | 环境保护部南京环境科学研究所 | 基于空间叠加和gap分析的植物生境保护红线划定方法 |
CN108229859A (zh) * | 2018-02-09 | 2018-06-29 | 中国环境科学研究院 | 一种确定生物多样性保护的关键区域的方法及系统 |
CN108510568A (zh) * | 2018-04-08 | 2018-09-07 | 南京信息工程大学 | 一种等高线分段标注方法 |
CN108717044A (zh) * | 2018-05-24 | 2018-10-30 | 青海师范大学 | 一种去除植被覆盖影响的表层土壤含水量卫星遥感估算方法 |
CN110689563A (zh) * | 2019-09-27 | 2020-01-14 | 佛山科学技术学院 | 一种用于提取遥感图像中违法建筑信息的数据处理方法 |
Non-Patent Citations (3)
Title |
---|
史娜娜等: ""青海省生物多样性保护区划及管理对策"", 《生态经济》, vol. 35, no. 11, pages 188 - 193 * |
王芳等: ""重庆澎溪河湿地自然保护区生物多样性空间格局及热点区"", 《重庆澎溪河湿地自然保护区生物多样性》, vol. 31, no. 5, pages 1682 - 1690 * |
陈章等: ""区域生物多样性调查的空间样点设置方法及应用"", 《内蒙古大学学报(自然科学版)》, vol. 52, no. 1, pages 33 - 40 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113220810A (zh) * | 2021-04-16 | 2021-08-06 | 昆明理工大学 | 一种多源物种分布数据处理方法及装置 |
CN113220810B (zh) * | 2021-04-16 | 2022-02-18 | 昆明理工大学 | 一种多源物种分布数据处理方法及装置 |
CN113157847A (zh) * | 2021-04-28 | 2021-07-23 | 浙江师范大学 | 森林植物调查数据快速检核方法及装置 |
CN113157847B (zh) * | 2021-04-28 | 2022-07-12 | 浙江师范大学 | 森林植物调查数据快速检核方法及装置 |
CN114399415A (zh) * | 2021-12-23 | 2022-04-26 | 广东贝源检测技术股份有限公司 | 一种生物多样性的调查评估系统 |
CN114937029A (zh) * | 2022-06-21 | 2022-08-23 | 西南林业大学 | 森林碳储量抽样估测方法、装置、设备及存储介质 |
CN114937029B (zh) * | 2022-06-21 | 2023-01-31 | 西南林业大学 | 森林碳储量抽样估测方法、装置、设备及存储介质 |
CN117556586A (zh) * | 2023-09-12 | 2024-02-13 | 云南大学 | 生物多样性调查样点优化设置方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111815102B (zh) | 2024-01-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111815102B (zh) | 一种基于空间技术的生物多样性综合调查抽样方法 | |
Zhu et al. | Detecting ecological spatial-temporal changes by Remote Sensing Ecological Index with local adaptability | |
Nie et al. | Increase or decrease? Integrating the CLUMondo and InVEST models to assess the impact of the implementation of the Major Function Oriented Zone planning on carbon storage | |
Liu et al. | Spatiotemporal characteristics, patterns, and causes of land-use changes in China since the late 1980s | |
Zhang et al. | Using species distribution modeling to improve conservation and land use planning of Yunnan, China | |
Brown et al. | Guidelines for phytosociological classifications and descriptions of vegetation in southern Africa: checklist | |
CN108090694A (zh) | 区域生态系统多因子综合敏感性评价方法 | |
Lahiji et al. | Scenario-based estimation of catchment carbon storage: Linking multi-objective land allocation with InVEST model in a mixed agriculture-forest landscape | |
Chen et al. | Study on Ancient Chu Town Urban Green Space Evolution and Ecological and Environmental Benefits. | |
Midatana et al. | Site suitability analysis for industries using GIS and multi criteria decision making | |
CN111144775A (zh) | 基于景观格局的乡级土地利用总体规划生态风险评价方法 | |
Chen et al. | Land cover change in different altitudes of Guizhou-Guangxi karst mountain area, China: patterns and drivers | |
Liu et al. | Security patterns and resistance surface model in urban development: Case study of Sanshui, China | |
Li et al. | Quantitative analysis of urban expansion using RS and GIS, a case study in Lanzhou | |
Olivero-Ortíz et al. | An AHP-GIS based approach for site suitability analysis of solar-wind projects in Santa Marta, Colombia | |
Wu et al. | Landscape Character Diversity and Zoning Management: Case of Wuhan Metropolitan Area | |
Li et al. | Self-Organizing Feature Zoning and Multiple Hotspots Identification of Ecosystem Services: How to Promote Ecological Refined Management of Chengdu-Chongqing Urban Agglomeration | |
Roy | Geospatial characterization of biodiversity: need and challenges | |
Roy et al. | Biodiversity information in India: Status and future scope | |
Liu et al. | Using the RS Method to Analyse Construction Land Changes in Tongren during 2002 and 2016. | |
Reddy | Survey-gap analysis for botanical research using integrated approach through taxonomical data and geoinformatics | |
Li | Research Progress of Landscape Ecology | |
ZHANG | Pedodiversity studies in China | |
Kalubarme et al. | Cotton suitability analysis using geoinformatics in Punjab State, India | |
Xiao et al. | Agreement Analysis and Accuracy Assessment of Multiple Mangrove Datasets in Guangxi Beibu Gulf and Guangdong-Hong Kong-Macau Greater Bay, China, for 2000-2020 |
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 |