CN113159560A - 一种沙生植物产业的优化配置方法 - Google Patents
一种沙生植物产业的优化配置方法 Download PDFInfo
- Publication number
- CN113159560A CN113159560A CN202110407216.XA CN202110407216A CN113159560A CN 113159560 A CN113159560 A CN 113159560A CN 202110407216 A CN202110407216 A CN 202110407216A CN 113159560 A CN113159560 A CN 113159560A
- Authority
- CN
- China
- Prior art keywords
- water
- vegetation
- industry
- soil
- ecological
- 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
- 238000000034 method Methods 0.000 title claims abstract description 57
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 347
- 238000011161 development Methods 0.000 claims abstract description 87
- 238000005457 optimization Methods 0.000 claims abstract description 30
- 239000002689 soil Substances 0.000 claims description 116
- 230000012010 growth Effects 0.000 claims description 53
- 241000196324 Embryophyta Species 0.000 claims description 44
- 238000001704 evaporation Methods 0.000 claims description 37
- 230000008020 evaporation Effects 0.000 claims description 37
- 238000001556 precipitation Methods 0.000 claims description 34
- 238000004364 calculation method Methods 0.000 claims description 31
- 230000002262 irrigation Effects 0.000 claims description 29
- 238000003973 irrigation Methods 0.000 claims description 29
- 230000008901 benefit Effects 0.000 claims description 26
- 230000005068 transpiration Effects 0.000 claims description 22
- 238000004519 manufacturing process Methods 0.000 claims description 20
- 241001104824 Nitraria tangutorum Species 0.000 claims description 15
- 238000009826 distribution Methods 0.000 claims description 10
- 241001632080 Haloxylon Species 0.000 claims description 9
- 239000008235 industrial water Substances 0.000 claims description 9
- 241000804384 Cynomorium songaricum Species 0.000 claims description 8
- 238000011081 inoculation Methods 0.000 claims description 8
- 230000035945 sensitivity Effects 0.000 claims description 8
- 238000010206 sensitivity analysis Methods 0.000 claims description 6
- 230000001419 dependent effect Effects 0.000 claims description 5
- 230000008635 plant growth Effects 0.000 claims description 5
- ZINJLDJMHCUBIP-UHFFFAOYSA-N ethametsulfuron-methyl Chemical compound CCOC1=NC(NC)=NC(NC(=O)NS(=O)(=O)C=2C(=CC=CC=2)C(=O)OC)=N1 ZINJLDJMHCUBIP-UHFFFAOYSA-N 0.000 claims description 3
- 238000000611 regression analysis Methods 0.000 claims description 3
- 241001104795 Nitraria sibirica Species 0.000 claims description 2
- 238000013468 resource allocation Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 11
- 238000013439 planning Methods 0.000 abstract description 6
- 230000009286 beneficial effect Effects 0.000 abstract description 4
- 230000004083 survival effect Effects 0.000 abstract description 4
- 230000001737 promoting effect Effects 0.000 abstract description 3
- 239000002699 waste material Substances 0.000 abstract description 3
- 230000018109 developmental process Effects 0.000 description 69
- 241001632052 Haloxylon ammodendron Species 0.000 description 28
- 239000004576 sand Substances 0.000 description 19
- 238000010586 diagram Methods 0.000 description 15
- 235000013175 Crataegus laevigata Nutrition 0.000 description 14
- 238000010276 construction Methods 0.000 description 13
- 238000011160 research Methods 0.000 description 12
- 244000265913 Crataegus laevigata Species 0.000 description 10
- 238000012937 correction Methods 0.000 description 8
- 238000009933 burial Methods 0.000 description 6
- 239000004927 clay Substances 0.000 description 6
- 239000003673 groundwater Substances 0.000 description 6
- 239000010865 sewage Substances 0.000 description 6
- 238000004088 simulation Methods 0.000 description 6
- 241000005787 Cistanche Species 0.000 description 5
- 230000008859 change Effects 0.000 description 5
- 230000007613 environmental effect Effects 0.000 description 5
- 244000144972 livestock Species 0.000 description 5
- 239000013589 supplement Substances 0.000 description 5
- 240000000171 Crataegus monogyna Species 0.000 description 4
- 241001632054 Haloxylon persicum Species 0.000 description 4
- 239000003621 irrigation water Substances 0.000 description 4
- 230000000670 limiting effect Effects 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- UHDGCWIWMRVCDJ-CCXZUQQUSA-N Cytarabine Chemical compound O=C1N=C(N)C=CN1[C@H]1[C@@H](O)[C@H](O)[C@@H](CO)O1 UHDGCWIWMRVCDJ-CCXZUQQUSA-N 0.000 description 3
- 241000159206 Nitraria Species 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 241001465754 Metazoa Species 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000009189 diving Effects 0.000 description 2
- 238000001035 drying Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000009304 pastoral farming Methods 0.000 description 2
- 230000002360 prefrontal effect Effects 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 150000003839 salts Chemical class 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 241000336315 Cistanche salsa Species 0.000 description 1
- 235000008733 Citrus aurantifolia Nutrition 0.000 description 1
- 235000011941 Tilia x europaea Nutrition 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 239000003513 alkali Substances 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000035784 germination Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000000338 in vitro Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000004571 lime Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000001766 physiological effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 230000002195 synergetic effect Effects 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 238000005303 weighing 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
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- 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)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Biodiversity & Conservation Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Cultivation Of Plants (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种沙生植物产业的优化配置方法，包括：获取目标区域土壤‑植被系统水分平衡现状数据和沙生植物需水特性数据，建立三生用水系统模型，计算沙生植物产业的适宜发展规模数据；选取出适宜性指标和可行性指标，量化沙生植物产业的优先发展程度数据；根据所述目标区域植被耗水与天然降水之间的水分平衡关系，计算出沙生植物的适宜种植密度数据；对目标区域的沙生植物产业的空间布局进行优化配置。该方法配置优化过程合理、简单，利于改善目标区域脆弱的生态环境，提高沙生植物的成活率，减少种植资源浪费；用于指导合理规划种植沙生植物，促进生态环境绿色发展，实现人与自然和谐发展。
Description
技术领域
本发明属于环境治理和修复领域，特别一种沙生植物产业的优化配置方法。
背景技术
沙漠化是困扰全球生态脆弱区居民生产生活的核心问题之一，严重影响各地区经济、社会和生态环境的可持续发展。为修复干旱区生态环境，许多国家和地区实施了一系列生态工程并探索生态产业发展模式，如通过区域性的特色沙生植物产业来实现经济-生态协同发展。然而，干旱区存在严重的资源性缺水问题，难以维持大规模人工林的生长和发展；伴随着经济发展速度的加快和城镇化水平的提高，再加上以沙产业为代表的生态用水涨幅较大，水资源的供需矛盾日益突出。
如何基于干旱区沙生植物产业的水资源承载能力，建立平衡的水资源开发利用策略和产业空间布局方案，成为当前研究的关键问题。
发明内容
鉴于上述问题，本发明提供一种至少解决上述部分技术问题的沙生植物产业的优化配置方法，该方法基于干旱区沙生植物产业的水资源承载能力，建立平衡的水资源开发利用策略和产业空间的最优布局。
本发明实施例提供一种沙生植物产业的优化配置方法，包括：
获取目标区域土壤-植被系统水分平衡现状数据和沙生植物需水特性数据，利用系统动力学-多目标优化建立耦合沙生植物产业的三生用水系统模型，计算沙生植物产业的适宜发展规模数据；
根据沙生植物的生长发育和目标区域生态产业发展的需求，选取出适宜性指标和可行性指标，量化沙生植物产业的优先发展程度数据；
根据所述目标区域植被耗水与天然降水之间的水分平衡关系，计算出沙生植物的适宜种植密度数据；
基于所述沙生植物产业的适宜发展规模数据、优先发展程度数据和沙生植物的适宜种植密度数据，对目标区域的沙生植物产业的空间布局进行优化配置。
与现有技术相比，本发明公开提供了一种沙生植物产业的优化配置方法，具有如下优点：
将目标区域栅格化，可根据每个栅格内的产业发展优先程度大小和适宜种植适宜密度，对沙生植物整体发展规模分别进行最优空间匹配。利于改善目标区域脆弱的生态环境，提高沙生植物的成活率，减少种植资源浪费；用于指导合理规划种植沙生植物，促进生态环境绿色发展，实现人与自然和谐发展。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明实施例提供的沙生植物产业的优化配置方法流程图；
图2为本发明实施例提供的沙生植物产业的优化配置方法技术路线图；
图3为阿拉善“三生”用水系统结构图；
图4为阿拉善“三生”用水系统动力学流图；
图5为生产用水模块结构系统动力学流图；
图6为生活用水模块结构系统动力学流图；
图7为生态用水模块结构系统动力学流图；
图8为供水模块结构系统动力学流图；
图9为沙生植物产业空间优化配置示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
参见附图1所示，本发明实施例公开了一种沙生植物产业的优化配置方法，具体包括如下步骤：
S100、获取目标区域土壤-植被系统水分平衡现状数据和沙生植物需水特性数据，利用系统动力学-多目标优化建立耦合沙生植物产业的三生用水系统模型，计算沙生植物产业的适宜发展规模数据；
S200、根据沙生植物的生长发育和目标区域生态产业发展的需求，选取出适宜性指标和可行性指标，量化沙生植物产业的优先发展程度数据；
S300、根据所述目标区域植被耗水与天然降水之间的水分平衡关系，计算出沙生植物的适宜种植密度数据；
S400、基于所述沙生植物产业的适宜发展规模数据、优先发展程度数据和沙生植物的适宜种植密度数据，对目标区域的沙生植物产业的空间布局进行优化配置。
该方法配置优化过程合理、简单，利于改善目标区域脆弱的生态环境，提高沙生植物的成活率，减少种植资源浪费；用于指导合理规划种植沙生植物，促进生态环境绿色发展，实现人与自然和谐发展。
本发明在解释具体技术方案时，皆以阿拉善盟(以下简称“阿拉善”)为主的内蒙古干旱荒漠区为例，进行描述。阿拉善是我国沙漠化最严重的地区之一，同时也是沙生植物产业发展最迅速的地区。
该方法比如选择阿拉善为典型目标区域，以该地区种植面积最广、最具代表性的梭梭-肉苁蓉、白刺-锁阳两类特色沙生植物产业为研究对象，在明确土壤-植被系统水分平衡现状和沙生植物需水特性的基础上，利用系统动力学-多目标优化建立耦合特色沙生植物产业的阿拉善“三生”用水系统模型，计算沙生植物产业的适宜发展规模；根据气候、土壤、水分等适宜性指标，以及天然植被距离、道路距离等可行性指标来量化沙生植物产业的优先发展程度；根据植被耗水与天然降水之间的水分平衡关系计算沙生植物的适宜种植密度；最后综合以上指标形成沙生植物产业的空间布局方案。
参照图2所示，为本发明实施例提供的沙生植物产业的优化配置方法技术路线图，下面通过三大板块进行描述，还是以阿拉善地区举例说明；当然该方法并非只应用于阿拉善地区，其它干旱地区、甚至其它非干旱地区皆可使用。上述三大板块分别为：阿拉善土壤-植被系统的水分平衡分析；特色沙生植物产业整体规模与水资源优化调控；特色沙生植物产业的空间优化布局。
1阿拉善土壤-植被系统的水分平衡分析
1.1土壤-植被系统水分平衡研究方法
根据农业气象学中与植被蒸散耗水相关的理论，可以认为某种植被的生态需水量能通过直接计算植被正常生长状态下的蒸散耗水量来确定，即在适宜的水分供给条件下，植被的生理蒸腾量和植被分布范围内土壤的蒸发量之和。在栅格尺度上计算区域内的植被生态需水量，则需要划分1km×1km的栅格图层来计算，每个栅格可分为植被覆盖区域和非植被覆盖区域，植被生态需水量W可表示为：
W＝Ec+Es (1)
Ec在此处可表示为每个栅格内植物生长蒸腾耗水量(mm)，除与植被本身的叶面蒸腾强度有关以外，还与植被的覆盖度有关，覆盖度越大，在相同蒸发强度下的蒸发量越大，则导致需水量越大。计算方法为：
Ec＝ET×fc (2)
式中，ET为的某种特定植被的蒸腾耗水量(mm)；fc为植被的覆盖度，与NDVI值有关。
Es是植被群落间(或无植被覆盖区域)的蒸散量(mm)，此处无植被蒸腾，因此仅有土壤蒸发量部分，或称为裸地潜水蒸发量。计算方法为：
Es＝Ep×(1-fc) (3)
其中，Ep为非植被覆盖区的土壤年蒸发量或潜水蒸发强度(mm)。
综合水量平衡原理和植被生态需水计算公式，可以根据区域平均降水状况和生态需水量来计算系统中土壤水分的盈亏，从而得到水资源供需差额。
P-W＝Δw (4)
当Δw大于0时，系统内的土壤水分盈余，满足植物生长的适宜水分条件，同时说明仅依靠降水的情况下，区域水资源量能满足植被生态需水；相反，Δw小于0时，系统内的土壤水分亏损，无法达到植物正常的适宜水分条件，同时说明仅依靠降水的情况下，区域水资源量不能完全供给植被生态需水。
1.2参数计算
1.2.1蒸腾耗水量计算
通过联合国粮农组织(FAO)推荐的Penman-Monteith公式(1975)来计算植被蒸腾耗水量ET，同时在FAO作物系数法的基础上，考虑土壤水分条件限制因素，其计算方法如下：
ET＝PE×KC×KS (5)
式中，PE为潜在蒸散量(mm)，由温度和降水等气候条件决定。KC为植被的耗水系数；KS为土壤水分系数，受土壤质地和实际土壤含水量来控制。
潜在蒸散量PE只与当地的气象条件有关。研究采用彭曼公式计算，利用气象数据获得整个区域的栅格数据。Penman-Monteith的修正式如下：
式中：PE为参考作物的潜在蒸散量(mm/d)；P0—标准大气压，
P0＝1013.25(hPa)；Pa—计算地点平均大气压(hPa)；Δ—平均气温时饱和水气压随温度的变化率，Δ＝deo/dt；γ—温度计常数，γ＝0.66(hPa/e)；Rn—太阳净辐射，以所能蒸发的水层深度计(mm/d)；Ea—干燥力(mm/d)或称安全检查气动力学项。
植被耗水系数KC可通过某一地点某种植物的最大蒸腾量和潜在蒸散量来计算，其计算公式为：
式中，ETc为充分供水条件下植被的最大需水量，即实际最大蒸腾量(mm)。可通过野外试验观测，即应用离体快速称重法，对充分供水条件下不同树龄(1-5年生)的梭梭、白刺进行蒸腾耗水量的试验观测；然后参照实验地点的PE值计算出两种沙生植物的KC值。
土壤水分系数KS由实际土壤含水量(S)、田间持水量(S*)、凋萎含水量(SW)和各植被的适宜土壤含水量等参数的来决定，根据Jensen公式，当SW≦S≦S*时，KS计算的表达式如下：
KS＝ln[(S-SW)/(S*-SW)×100+1]/ln101 (8)
其中，S值代入某种植被的临界土壤含水量(最小适宜含水量)时，所求KS用于计算保证植被正常生长情况下的蒸腾耗水量。计算土壤田间持水量S*需要利用Saxton等推导的土壤水势和土壤含水量间的土壤转换函数计算公式：
ψ＝AθB (9)
A＝EXP(-4.396-0.0715*clay-0.000488*sand*sand-4.285e-005*sand*sand*clay)*100 (10)
B＝-3.14-0.00222*clay*clay-3.484e-005*sand*sand*clay (11)
式中，ψ表示土壤水势(kPa)，θ表示土壤含水量(mm)。本研究中假定阿拉善地区的土壤质地在不同的剖面深度是一致的，考虑植被根系的影响，利用土壤水势ψ＝30kPa时求得的土壤含水量作为单位深度内(1m)田间持水量。A和B是根据Saxton等提出的经验公式提出的系数；clay表示粘粒含量；sand表示砂粒含量。根据所求A、B值，单位深度内(1m)凋萎含水量可由Saxton等提出的经验公式获得：
SW＝EXP(LN(1500/A)/B) (12)
临界土壤含水量，是指能保证植物正常生长的适宜含水量最小值，当土壤含水量低于这个值时，植物生长缓慢甚至衰退，无法正常进行各种生理活动。各种沙生植物临界土壤含水量的获取主要依靠文献调研的方法来获取。
表1特色沙生植物临界土壤含水量参考值整理
1.2.2植被覆盖度计算
植被覆盖度fc可由遥感方法获取的归一化指数NDVI计算得到。NDVI栅格数据由中科院资源环境科学数据中心获取，掩膜提取阿拉善地区2000-2015年NDVI值。由于每个像元的NDVI值可以看成是植被覆盖区域的NDVI值与无植被区域(包括裸地、建设用地、水域等)的NDVI值的加权平均，因此植被覆盖度fc计算方法为：
fc＝(NDVI-NDVIsoil)/(NDVIveg-NDVIsoil) (13)
NDVIsoil为无植被覆盖区域的NDVI值，其变化范围一般在-0.1～0.2之间，主要与环境条件相关。NDVIveg指植被完全覆盖区域的像元的NDVI值。阿拉善1km分辨率植被类型图由全国1:100万植被类型图获得，结合阿拉善NDVI分布图获得每种植被覆盖区的NDVI值；另外，根据阿拉善土壤类型图可提取各土壤类型的NDVI。本研究对NDVIveg和NDVIsoil取值时，取给定置信区间(置信度为0.5％)的最大值和最小值，观察各植被或土壤类型NDVI概率分布表中累积概率分布，取植被NDVI概率表中最大值即为NDVIveg，取土壤NDVI概率表中的最小值即为NDVIsoil。再根据得到的NDVIveg和NDVIsoil参数，分别对各植被类型和土壤类型的NDVI赋值，得到NDVIveg参数图和NDVIsoil参数图。
3.2.3土壤蒸发量计算
土壤蒸发量的大小取决于潜水蒸发强度，且与土壤的供水特性有关，而土壤供水特性主要由潜水埋深和土壤水分两个方面来表征。因此根据潜水蒸发强度的影响因素，可以基于潜水埋深的角度，建立潜水蒸发与地下水埋深的关系，从而获得某一区域内不同地下水埋深时的潜水蒸发强度；另一方面，可以基于土壤水分的角度，利用实验测量建立表层土壤含水量与蒸发量的函数关系，通过系数校正获得不同土壤水分条件下的潜水蒸发量。
由于实验条件等因素限制，研究区地下水空间分布数据难以获取。因此首先根据研究区地下水埋深的大致范围，查表获得潜水蒸发强度的值域，然后采用实际土壤含水量来推算潜水蒸发强度，将计算结果与查表结果进行对比，检验数据是否具有可用性。根据干旱区草原荒漠及裸地土壤蒸发规律与时空分异研究结果，利用表层土壤含水率与微型蒸发器测得的土壤蒸发量建立的函数关系，推算整个区域的潜水年蒸发强度。其计算方法为：
Ep＝0.0345S2-1.66S+20.829 (14)
式中，S为实际土壤含水量(mm)。实际土壤含水量与土壤质地、降水量、潜在蒸散量有关，可根据CASA模型的土壤水分模块计算获得。CASA(Carnegie Ames StanfordApproach,CASA)模型是以光能利用率模型为基础的模型，综合考虑植被生理生态过程，模型参数相对简单且易于获得。CASA模型中的土壤水分子模型是基于综合考虑降雨与蒸散之间关系以及土壤属性的基础上建立的。
具体方法为：
当平均降水量小于潜在蒸散量时：
S＝max(soilm0-(PE-P)×rdr,0) (15)
当平均降水量大于或等于潜在蒸散量时：
S＝min(soilm0+(PE-P),S*) (16)
式中：soilm0是指各种植被的临界土壤含水量；rdr表示相对干燥率，根据Saxton等的经验公式，rdr的计算可以通过下面公式实现：
rdr＝(1+A)/(1+AθB) (17)
式中：θ表示参考土壤含水量(mm)，这里用前面所求各种植被的临界土壤含水量表示。
当土壤含水量过小或过大均对土壤蒸发量的计算结果有一定影响，因此需要建立动态、连续的校正系数方程。从土壤含水量和蒸发估算值的回归分析的结果可知，利用校正系数方程对前面计算出的栅格中的土壤蒸发数据进行校正，能够在相对减少土壤含水量过高或过低时的结果精度。校正系数方程为：
α＝-0.0052S2+0.2716S-2.5513 (18)
根据阿拉善实际土壤含水量数据可代入求出土壤蒸发量(mm)。将阿拉善实际土壤含水量数据代入上述校正系数方程后，再将校正系数α与潜水蒸发强度的计算公式(14)相结合，即土壤蒸发量(mm)等于校正系数α与潜水年蒸发强度Ep的乘积。
2特色沙生植物产业整体规模与水资源优化调控
利用系统动力学模型来建立生产用水、生活用水、生态用水与水资源供给条件之间的定量关系；多目标优化方法可以弥补既考虑了各部门用水的经济-生态双重效益，又能避免水资源调控过程中的供需矛盾问题。将多目标优化的变量结果代入系统动力学模型中，可模拟得到优化后的特色沙生植物产业整体规模及其合理用水量。
2.1“三生”用水系统动力学模型的搭建
2.1.1模型结构与框架
以阿拉善盟所辖的三个旗为系统边界，模型模拟时间为2006-2030年，基准年为2005年，步长为1年，2006-2015年的模拟结果用来检验模型有效性，2016-2030年的模拟结果用来刻画未来水资源供需结构。根据各部门用水结构特点和要素之间的反馈关系划分结构，将整个系统划分为生产用水、生活用水、生态用水、供水系统四个模块，以水资源供需比为模型的核心变量：参照图3所示，为阿拉善“三生”用水系统结构图。参照图4所示，为阿拉善“三生”用水系统动力学流图。
(1)生产用水模块
生产用水是指满足区域经济发展所需要的水资源量，除农灌用水和畜牧用水外，还包括工业、建筑业、第三产业用水。其系统动力学流图如图5所示。
农灌用水量受农田灌溉面积、灌溉用水定额和节水灌溉率控制(公式19)，节水灌溉率与当地技术发展条件有关。
IM＝[In×(1-ISR)+Is×ISR]×(1-0.127PCR) (19)
式中，IM代表灌溉用水定额(m3/亩)；In代表未实施节水灌溉措施的亩均灌溉用水量，平均为320m3/亩；Is代表实施节水灌溉措施的亩均灌溉用水量，平均为210m3/亩；ISR代表农田的节水灌溉率；PCR代表降水变化率。
畜牧用水量由牲畜数量、单位牲畜用水定额和林牧渔GDP共同决定(公式20)。
L＝L0×(1+NGR)×1.108FGR+3.664 (20)
L代表牲畜数量(万头)；NGR代表牲畜自然增长率；FGR代表林牧渔GDP增长率。
工业、建筑业、第三产业用水量取决于产业发展速度以及单位GDP用水量有，在保持当前经济发展速度不变的情况下，通过改进生产技术提高生产用水效率，从而减少单位GDP的用水量，可以达到节水生产、绿色发展的目的。另外，农田灌溉面积增量、工业GDP增量、建筑业GDP增量和第三产业GDP增量都受到水资源供需比的反馈作用，水资源供需比小于1时，代表水资源供不应求，供需矛盾加重，势必会影响生产用水模块各要素的增长。
(2)生活用水模块
生活用水包括城乡居民用水和城镇公共用水。其系统动力学流图如图6所示：
城乡生活用水量由人口数量与居民用水定额共同决定。其中，人口的出生率、死亡率和水资源供需比共同决定了本年的人口数量(公式21)；通过城镇化率这一变量来进一步区分城镇人口和农村人口对生活用水的影响，即随着人均GDP的增大，城镇化水平不断提高(公式22)；城镇和农村的居民用水定额均通过表函数来确定。
P＝P0×[1+(BR-DR)×(0.932SDR+0.068)] (21)
PGDP＝2.29UR2×10-4-1.935UR×10-3+0.7362 (22)
式中，P代表人口数量(万人)；P0代表上一年人口数量(万人)；BR代表出生率；DR代表死亡率；SDR代表水资源供需比；PGDP代表人均GDP(万元/人)；UR代表城镇化率。
城镇公共用水量由单位建设面积用水定额和建设用地面积来决定。建设用地面积受城镇人口数量、人均建设用地面积来控制。其中，人均建设用地面积可通过查阅年鉴来获取。
(3)生态用水模块
在本模块中，生态用水是可以通过人为控制和管理，维持各类生态系统正常发育和区域可持续发展所必须消耗的的水资源，由城市绿化用水和农村生态用水两部分组成。其系统动力学流图如图7所示。
城市绿化用水量受城市绿化面积和绿化用水定额直接影响。两者都可通过年鉴和水资源公报查询。
农村生态用水量包括绿洲补水量、河湖补水量和特色沙生植物产业用水量三部分。其中，绿洲补水量取决于其灌溉面积和其灌溉定额，灌溉面积受到水资源供需的反馈，灌溉定额与降水量高低相关；河湖补水量受黑河分水调度控制。
另外，特色沙生植物产业用水由沙生植物面积和其耗水定额来确定：梭梭用水和接种肉苁蓉用水共同组成了梭梭-肉苁蓉产业用水量，种植白刺用水和接种锁阳用水共同组成了白刺-锁阳用水量。梭梭、白刺的种植面积以及肉苁蓉、锁阳的接种面积，除受当地政策因素控制外，还与水资源供需状况由密切关系。梭梭、白刺的耗水定额根据其生态需水量的平均值来厘定(用修正后的彭曼公式计算)，肉苁蓉、锁阳的灌溉定额根据实地调研考察获取，综合其接种、田间管理等全生命周期的人工灌水量，确定两者的灌溉定额分别为1.8t、1.5t。
(4)供水模块
在供水模块中，可供水资源总量为核心变量，可表示为除去裸地土壤蒸发和天然林蒸散消耗之后，其他直接可以为其他三个模块中各用水单元所用的水资源量，参照图8所示。
模块中的供水要素主要为天然降水和调水，阿拉善整体降水量大约为115mm，降水提供的水资源量占总供水量的97％左右，调水量占总供水量的3％左右，其中包括黑河调水(5-7亿m3)和黄河调水(0.5亿m3)。
除此之外，有一些居民生活污水和工业污水，也会通过回收处理作为水资源供给量的一部分。污水排放总量受各自的排放系数控制，阿拉善工业污水排放系数和城镇生活污水排放系数分别为0.097和0.590。
裸地蒸发量由裸地面积和土壤蒸发强度来决定，其中，裸地面积受控于当年的整体植被覆盖度；土壤蒸发强度根据经验公式来计算。天然植被耗水量有天然植被面积和天然植被蒸散强度来决定，其中，天然植被面积为在区域总面积基础上，扣除裸地面积、城镇建设用地面积、农田灌溉面积、绿洲灌溉面积、城市绿化用地面积、梭梭和白刺种植面积、肉苁蓉和锁阳接种面积之后剩余的面积；天然植被蒸散强度由植被整体的生态需水量来表示。
2.1.2模型有效性检验与敏感性分析
采用历史回顾检验法检验系统动力学模型的有效性，即将所有准备好的数据输入到模型中(手动输入的数据主要为表函数、用水定额和特定的参数)，将得到的仿真结果与历史数据进行比较，验证其吻合程度。选取工业用水量、生活用水量、农村生态用水量和可供水资源量等4个变量作为检验模型的验证变量，并选择2006—2015年为模型的历史检验期。若模型模拟结果与历史发展结果基本吻合，误差均未超过10％，则认为模型有效性良好并可以用于实际用水系统模拟。
采用VENSIM DSS软件自带的敏感性分析工具Sensitivity Simulation Setup，并选取出生率、节水灌溉率、工业GDP增长率、梭梭种植面积增长率、肉苁蓉接种面积增长率、中水回用率等参数，每个参数的最大值和最小值分别为各自的1.5倍和0.5倍，考察其对生产用水量、生活用水量、生态用水量、可供水资源总量等四个模型主变量的影响。由于参数变化所引起的模型主变量浮动范围的平均值可定义为敏感度。当变量的敏感度大于5％时，在设计优化调控方案时可优先选择。
2.1.3基准情景下的变量设定
在进行多目标优化之前，首先根据研究区经济社会发展趋势和生态环境修复需求，确定模型中各变量在2016-2030年的数值。其中，各旗的出生率、死亡率、各产业增长率均参照当地2006-2015年数据的平均值，各产业用水定额、生活用水定额等均参考当地行业用水定额标准和水资源公报等资料来确定，节水灌溉率、沙生植物面积增长率、绿化用地增长、污水处理率、中水回用率等数据均参考了当地的土地利用规划和水利发展规划，年份缺少的数据采用插值处理，其中下表展示了模型的8个敏感性变量在2030年的设定值；另外，在此情景下假设气候背景不发生改变，即降水量、土壤蒸发强度、植被耗水定额等保持恒定，因此系统内的可供水资源总量取决于不同年份土地利用的变化。根据以上变量设定规则，将2016-2030年的数据输入到模型中并运行，将各响应变量的模拟结果输出。
2.2水资源的多目标优化调控
多目标优化是计算模型变量的最优解的过程，基本思路是：利用回归方程组搭建敏感性变量(调控变量)与各部门用水量(响应变量)之间的关系，以经济和生态的双重效益来确定优化目标函数，并根据研究区发展趋势和水资源利用要求来设定约束条件，最后基于约束条件和效益最大化来计算调控变量的优化结果。
2.2.1建立回归方程组
首先，根据“三生”用水系统动力学模型的敏感性分析结果，选择影响区域用水结构和水资源供给的敏感性因素作为自变量，包括：农田灌溉面积增长率x1、节水灌溉率x2、工业GDP增长率x3、单位工业GDP用水定额x4、梭梭种植面积增长率x5、肉苁蓉接种面积增长率x6、白刺种植面积增长率x7、锁阳接种面积增长率x8；将各部门用水分别设为因变量，包括：农田灌溉用水量y1、工业用水量y2、梭梭-肉苁蓉产业用水量y3、白刺-锁阳产业用水量y4、生产用水量y5、生活用水量y6、生态用水量y7。
然后，建立各部门用水量与敏感性因素间的回归方程，具体如以下公式：
式中，yi为各部门的用水量；ar为模型参数，根据模型运行校正后获得；xr为影响各部门用水量的敏感性因素。
分别将多个自变量组合带入模型中，运行模型并整理相应的因变量结果，利用MINITAB软件进行回归分析后，建立的回归方程组如下：
2.2.2建立优化目标函数
水资源作为重要的经济资源，在社会生产活动中对水资源的配置方式和利用方式不同，其产生的经济价值也有所差异；良好的水资源供应能不仅能够保障天然林的恢复，还有利于人工林和经济林规模的扩展，从而提升了当地生态系统的服务功能价值。因此，本文将经济效益和生态效益作为区域水资源配置的优化目标。优化目标函数可设定为：
Z＝max(Z1+Z2) (25)
式中，Z表示区域水资源系统的总目标效益；Z1为经济效益目标，Z2为生态效益目标。
其中，经济效益的目标函数为：
式中，ki为各类用水的经济效益系数，本发明用各产业的单位用水产值来表示，即某一产业总产值(百亿元)与总用水量(亿m3)之比的多年平均值，具体计算参数可查阅内蒙古自治区或阿拉善盟的统计年鉴及水资源公报。
由于y5中已经包含了y1和y2，y7中包含了y3和y4，且y6不具备经济效益，因此本文仅计算y1、y2、y3、y4的经济效益系数。经计算，k1为0.012，k2为0.675，k3为0.098，k4为0.147。
生态效益的目标函数为：
式中，pi为各类用水的生态效益系数，用各类产业的绿当量系数来表示，指其涉及的植被类型所具有相当的生态功能的“绿量”，在计算时通常以林地的生态功能为基准，以目标植被的绿量相对于等量林地面积绿量的比值来表示。
具有绿当量的土地利用类型主要包括林地、耕地、草地，相对应的产业即为农业和各类特色沙生植物产业，而城镇、工矿、道路等建设用地及沙漠、裸土、戈壁滩等未利用地，由于没有植被覆盖则不具备绿当量。因此，通过查阅相关文献，参考内蒙古自治区呼和浩特等地不同类型用地的生态系统绿当量，确定y1、y2、y3、y4的生态效益系数：p1为0.26，p2为0，p3为0.62，p4为0.39。同理，由于y5中已经包含了y1和y2，y7中包含了y3和y4，且y6不具备生态效益，均不予考虑。
2.2.3建立约束条件
根据阿拉善地区自然环境条件实际情况，结合未来经济社会发展规划和生态建设需求，将水资源优化配置的约束条件归纳为4部分：农田面积保有量、经济增长保有量、最小需水量、水资源供给量。约束条件所应用的有效时间限度为2030年之前。
(1)农田面积保有量
农田面积保有量即基本农田数量，与一定时期内人口和社会经济发展对农产品(主要为粮食)的需求量有关。因此，在确保阿拉善地区粮食生产能够自给自足的基础上，以保证400kg/(人·年)的粮食红线作为阿拉善农田面积保有量的测算指标，由此可得三个旗农田面积保有量分别为：阿拉善左旗19.5万亩、阿拉善右旗2.4万亩、额济纳旗1.8万亩。若要保持上述指标，阿拉善地区三个旗的农田面积增长率分别为：阿拉善左旗x1≥-2.8％，阿拉善右旗x1≥-2.2％，额济纳旗x1≥-1.5％。
(2)经济增长保有量
阿拉善第二产业比重最高，工业产值增长速度较快。因此，为保证区域经济稳定增长，需要将经济增长保有量设定为水资源优化的约束条件，即用工业GDP最小增长率来表征。在本研究中，假设阿拉善地区工业GDP增长率不低于内蒙古自治区平均水平，即x3≥5.7％。
(3)最小需水量
根据水利部门的相关政策及模型的运行结果，可得到各用水部门的最小需水量和水资源的最大供给量，以此作为多目标优化模型的一系列约束条件。具体计算公式为：
yi≥Qi (28)
式中，Qi为各用水部门的最小需水量。其中，农田灌溉最小需水量根据农田面积保有量和单位灌溉面积最少用水量计算获得；工业最小需水量为基于经济增长保有量前提下，到2030年各旗所能满足工业生产的最低水资源量；生活最小需水量为按目前人口增长速度、城市化速度和最低居民生活用水标准，当前居民生活和城市建设在2030年达到的用水量；生态最小需水量是为了维持生态系统完整性和保护生态环境所需要的最低水资源量，这里用2006-2015年生态用水量的平均值来表示。
(4)水资源供给限制
农田灌溉用水和农业用水都是生产用水中所包含的部分。除此之外，生产用水中也包括林牧渔用水、建筑业用水和第三产业用水等，这些约占生产用水量的10％左右，因此工农业用水的供给条件情况为：
y1+y2<y5×90％ (29)
除梭梭-肉苁蓉产业和白刺-锁阳产业的用水之外，阿拉善地区的生态用水还包括城市绿化用水、绿洲补水和河湖补水等。对于阿拉善阿拉善左旗和阿拉善右旗来说，梭梭和白刺生态产业的用水量均占到当地生态用水的97％以上，因此阿拉善左旗和阿拉善右旗的水资源模型中有约束条件：
y3+y4<y7×97％ (30)
对于额济纳旗来说，85％以上的生态用水为绿洲补水和河湖补水，梭梭和白刺生态产业用水占比较少，因此额济纳旗的水资源模型中有约束条件：
y3+y4<y7×15％ (31)
另外，为保证区域水资源的供需平衡，所有用水量之和原则上不得超过可供水资源总量，因此限制条件为：
y5+y6+y7≤W (32)
式中，W为2030年区域的可供水资源总量，根据模型初次模拟结果得出。其中，在气候不发生变化的背景下，阿拉善左旗为7.8亿m3，阿拉善右旗为6.6亿m3，额济纳旗为9.1亿m3。
2.2.4沙生植物产业规模与用水量的获取
根据优化目标函数和一系列约束条件，求解回归方程组，将得到的自变量结果(敏感性变量)代入到系统动力学模型中。保持其他参数数值不变并运行模型后，将主要变量的结果进行输出和整理，包括梭梭、白刺的适宜种植面积(沙生植物产业发展规模)，梭梭、白刺产业全生命周期的用水量等。
3特色沙生植物产业的空间优化布局
特色沙生植物产业发展依赖一定的自然环境条件和区位条件，只有种植区域具备一定的适宜性和可行性，沙生植物才能发挥其应有的经济-生态效益。另外，水资源等环境条件存在明显的空间异质性，这导致特色沙生植物产业在不同区域的发展规模存在差异。综合来看，沙生植物产业的空间布局优化主要考虑两个方面：空间布局的优先程度、水资源承载力的空间差异。因此，首先明确各类特色沙生植物的生理特性，进一步确定适宜这些植物生长发育的环境条件，以及当前各类环境因素对其生长的限制作用，并据此识别不同区域对于发展沙生植物产业的优先程度；然后基于水量平衡原理，计算并分析不同降水形势下的沙生植物整体发展规模，结合产业整体发展规模提出空间优化配置方案。
3.1空间布局的优先程度
根据沙生植物的生长发育和沙区生态产业发展的需要，选取年平均温度、年平均降水量、土壤质地、土壤水分含量、NDVI、坡度共6个适宜性指标，以及天然植被距离、城镇距离、道路距离、人口密度、经济密度共5个可行性指标来衡量和比较不同地区对于发展特色沙生植物产业的优先程度。根据每个指标的空间分布情况，可将整个阿拉善地区划分为高(赋值为2)、中(赋值为1.5)、低(赋值为1)三个等级。各指标等级的划分标准如表2和表3所示。在发展优先程度评价指标体系的基础上，分别计算梭梭、白刺在每个栅格发展的优先程度Pi，作为产业优化布局的重要依据，其计算方法为：
式中，S为适宜性指标；F为可行性指标；AT为年平均温度；AR为年平均降水量；ST为土壤质地；SW为土壤水分含量；SL为坡度；VD为天然植被距离；TD为城镇距离；RD为道路距离；PD为人口密度；ED为经济密度。
表2梭梭产业发展优先程度指标体系
表3白刺产业发展优先程度指标体系
以下为各个指标等级的划分依据：
(1)适宜性指标
温度。在阿拉善地区，梭梭种子萌发的最适温度为10℃，其基本生长在年平均气温在2-8℃的范围内，2℃以下的地区很少有梭梭的分布；而白刺的适宜温度范围较广，种子在平均气温5℃时即可萌发，在0℃的年平均气温下分布较少。因此，将研究区年平均气温8℃以上和5℃的区域分别作为梭梭和白刺发展的高等级区域，分别将2-8℃和0-5℃的区域作为梭梭和白刺发展的中等级区域，其余划分为低等级区域。
降水量。梭梭、白刺等沙生植物在生长发育过程中对降水有很大的依赖性，降水量的高低同样决定了各种主要沙生植物的主要分布区域。根据相关研究人员的试验结果，人工种植梭梭在年平均降水量65mm以上的地区存活率相对较高，在降水量超过125mm以上的地区长势较好；白刺在降水量48mm以上的条件下可维持其生长，在降水量超过110mm的区域内生长状况良好。因此，根据以上标准，分别将降水量125mm以上和110mm以上的地区作为梭梭和白刺发展的高等级区域，分别将65mm以下和48mm以下的地区作为梭梭和白刺发展的低等级区域，其他地区为中等级区域。
土壤质地。梭梭和白刺对土壤的要求较低，可在盐化程度较轻的沙土或细砂中进行种植，粘重和排水不良的土壤相对不宜。因此在沙生植物种植过程中大多选择轻沙壤土、轻盐碱土，即粘粒含量在6.8％～12.5％之间，砂粒含量在82％以下的区域，因此可将这部分地区作为发展的高等级区域。此外，在半固定风沙土，草甸型沙土，棕钙土等土壤环境中，梭梭和白刺也有零散分布且可正常生长，即粘粒含量在6.8％以下，砂粒含量在82％以上的区域，以此可将这部分地区作为发展的中等级区域。
土壤水分含量。当沙土的土壤含水量2％以上时，梭梭基本可以正常生长；当土壤含水量在1％—2％时，梭梭生长速度减慢，长势较差；土壤含水量在1％以下时，梭梭大部分失去生命体征。对于白刺，其生长初期沙包的平均土壤水分为1.43％，不同演化阶段中白刺沙堆的土壤水分变化明显，不同位置的土壤水分有差异，如迎风坡和背风坡土壤含水量分别为1.54％和1.79％。根据以上标准，将土壤水分含量2％和1.5％分别作为梭梭高、中等级区域下限，将土壤水分含量1.79％和1.43％分别作为白刺发展高、中等级区域下限。
NDVI。地下水位的高低直接影响植物的生长和发育。若地下水埋深较小，潜水蒸发强度则相对较大，地下水和土壤中的大量盐分会逐渐在地表累积，植被生长受到抑制；但地下水埋深较大时，土壤水分条件不充足，梭梭和白刺等旱生植被的生长同样受到抑制，甚至开始死亡。由于研究条件的限制，阿拉善地下水埋深的完整空间数据暂时无法获取。但各种天然植被在不同地下水位埋深范围内的出现频率有明显差异，即天然植被主要分布于其适宜的地下水位埋深范围内。归一化植被指数NDVI常被用来进行区域植被状态的研究，当地下水埋深小于或超过某一植被生长的适宜范围时，这一类型植被很难正常生长发育，覆盖度会明显偏低，而梭梭林地的NDVI基本在0.09以下；而地下水埋深达到一个适宜的位置时，植被发育良好，覆盖度明显升高，梭梭林地的NDVI大都处于0.11以上，所以可以据此来划分梭梭发展的各等级区域。由于白刺天然植被覆盖度平均比梭梭小20％，因此将白刺的适宜性等级阈值确定为0.072和0.088。
坡度。坡度影响一个地区的水土保持能力，而且制约着土壤养分与盐分的分布，因此坡度较大的土地往往不适合作物生长。梭梭对于坡度的适宜要求是10°以下，当沙丘坡面达到30°时，梭梭也可生存；白刺对于坡度的要求相对较低，坡度小于15°土地均达到白刺生长要求，在坡度40°以上的沙丘上可以生存。因此，将坡度10°和30°分别作为梭梭高、中等级区域下限，将坡度15°和40°分别作为白刺高、中等级区域下限。
(2)可行性
天然植被距离。分别以梭梭和白刺的天然植被范围做2km和5km的缓冲区，来分别作为梭梭和白刺发展的高、中等级区域。
城镇距离。区位条件对于植树造林等生态工程项目的开展也是必不可少的。相对于农村，城镇具备沙生植物产业发展的技术和经济基础。分别以城镇居民点做2km和5km的缓冲区，来分别作为沙生植物产业发展的高、中等级区域。
道路距离。沙生植物产业的过程中，沙区道路的通达性对于财力、人力和治沙材料的运输十分必要。在道路分布密集，交通性良好的区域，往往会相对有较少的运输时间和运输成本。分别将距离道路2km和5km的范围作为沙生植物发展的高、中等级区域。
人口密度。人口密度是指单位面积区域内的人口数量(人/km2)。由于沙生植物产业的发展依赖大量的人力，人口密度较大的地区往往可以提供更多的劳动力资源。利用几何断点法，将人口密度的高、中等级阈值分别确定为15万元/km2和2万元/km2。
经济密度。经济密度是指单位面积区域内的生产总值(元/km2)，反映每个栅格区域内的经济发展水平。沙生植物产业全生命周期过程包含育苗、种植、灌溉、田间管理等一系列环节，其发展需要一定成本，因此区域内的经济能力的沙生植物产业发展的重要保障。利用几何断点法，将经济密度的高、中等级阈值分别确定为15万元/km2和2万元/km2。
3.2特色沙生植物产业的适宜密度评价
依据水量平衡原理，采用区域水资源供需平衡分析法，根据可利用水资源总量及水资源需求量等数据计算得到不同植被类型理论覆盖率，并据此计算各植被的适宜种植密度。假定阿拉善地区植被建设仅靠天然降水维持，即植被蒸散全部来自于区域内的有效降水。当土壤水分收支平衡，即Δw＝0时，综合水量平衡方程和生态需水量计算方法得到：
Ec+Es＝P (36)
将各参数代入公式中，整理后得到平均降水量可承载的植被覆盖度，计算方法为：
在获得当前降水情况下的植被覆盖度后，可根据每种植物的单株林冠投影面积获得每个栅格内的植株数量和种植密度，计算方法为：
N＝106×fc/LA (38)
D＝N/1500 (39)
式中，N为每个栅格内的植株数量(株)；LA为单株林冠投影面积(㎡)；D为植被的适宜种植密度(株/亩)。
3.3空间优化布局方案
参照图9所示，沙生植物产业空间优化配置示意图。根据每个栅格内的产业发展优先程度大小和适宜种植适宜密度，对之前求得的梭梭、白刺整体发展规模分别进行空间匹配。例如，首先选择梭梭适宜性最高的栅格，根据适宜密度进行数量配置(即严格按照适宜密度来种植)，然后依次类推，直到所有的梭梭植株都配置完成。白刺也按照相同方法进行配置。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种沙生植物产业的优化配置方法，其特征在于，包括：
获取目标区域土壤-植被系统水分平衡现状数据和沙生植物需水特性数据，利用系统动力学-多目标优化建立耦合沙生植物产业的三生用水系统模型，计算沙生植物产业的适宜发展规模数据；
根据沙生植物的生长发育和目标区域生态产业发展的需求，选取出适宜性指标和可行性指标，量化沙生植物产业的优先发展程度数据；
根据所述目标区域植被耗水与天然降水之间的水分平衡关系，计算出沙生植物的适宜种植密度数据；
基于所述沙生植物产业的适宜发展规模数据、优先发展程度数据和沙生植物的适宜种植密度数据，对目标区域的沙生植物产业的空间布局进行优化配置。
2.如权利要求1所述的一种沙生植物产业的优化配置方法，其特征在于，获取目标区域土壤-植被系统水分平衡现状数据，包括：
将植被的生理蒸腾量和植被分布范围内土壤的蒸发量之和，作为目标区域土壤-植被系统水分平衡现状数据；
在栅格尺度上计算区域内的植被生态需水量，每个栅格分为植被覆盖区域和非植被覆盖区域，植被生态需水量W表示为：
W＝Ec+Es (1)
Ec表示为每个栅格内植物生长蒸腾耗水量，单位mm；Es表示植被群落间的蒸散量，单位mm。
3.如权利要求2所述的一种沙生植物产业的优化配置方法，其特征在于，所述Ec的计算包括：
Ec＝ET×fc (2)
式中，ET表示某种特定植被的蒸腾耗水量，单位mm；fc表示植被的覆盖度，与NDVI值相关；
所述Es的计算包括：
Es＝Ep×(1-fc) (3)
其中，Ep表示非植被覆盖区的土壤年蒸发量或潜水蒸发强度，单位mm。
4.如权利要求2所述的一种沙生植物产业的优化配置方法，其特征在于，所述获取沙生植物需水特性数据，包括：
根据目标区域平均降水状况和生态需水量，计算土壤水分的盈亏，得到水资源供需差额：
P-W＝Δw (4)
P表示目标区域平均降水状况和生态需水量；W表示植被生态需水量；当Δw表示水资源供需差额；当Δw大于0时，系统内的土壤水分盈余，满足植物生长的适宜水分条件；相反，Δw小于0时，系统内的土壤水分亏损，无法达到植物正常的适宜水分条件。
5.如权利要求4所述的一种沙生植物产业的优化配置方法，其特征在于，所述某种特定植被的蒸腾耗水量ET，计算过程包括：
ET＝PE×KC×KS (5)
式中，PE作物的潜在蒸散量，单位mm/d，由温度和降水等气候条件决定；KC表示植被的耗水系数；KS表示土壤水分系数，受土壤质地和实际土壤含水量来控制。
6.如权利要求1所述的一种沙生植物产业的优化配置方法，其特征在于，利用系统动力学-多目标优化建立耦合沙生植物产业的三生用水系统模型，计算沙生植物产业的适宜发展规模数据，包括：
根据目标区域各部门用水结构特点和要素之间的反馈关系划分结构，划分为生产用水模块、生活用水模块、生态用水模块以及供水模块，并将水资源供需比作为模型的核心变量；
进行有效性检验与敏感性分析，确定是否满足预设条件；
当满足预设条件时，对水资源的多目标优化调控；包括：建立各部门用水量与敏感性因素间的回归方程，建立优化目标函数和约束条件；
根据优化目标函数和约束条件，求解回归方程，得到沙生植物产业规模与用水量的获取数据，作为沙生植物产业的适宜发展规模数据。
7.如权利要求6所述的一种沙生植物产业的优化配置方法，其特征在于，建立各部门用水量与敏感性因素间的回归方程，包括：
根据敏感性分析结果，选择影响区域用水结构和水资源供给的敏感性因素作为自变量，包括：农田灌溉面积增长率x1、节水灌溉率x2、工业GDP增长率x3、单位工业GDP用水定额x4、梭梭种植面积增长率x5、肉苁蓉接种面积增长率x6、白刺种植面积增长率x7、锁阳接种面积增长率x8；
将各部门用水分别设为因变量，包括：农田灌溉用水量y1、工业用水量y2、梭梭-肉苁蓉产业用水量y3、白刺-锁阳产业用水量y4、生产用水量y5、生活用水量y6、生态用水量y7；
根据所述自变量和所述因变量建立各部门用水量与敏感性因素间的回归方程，具体公式为：
式中，yi表示各部门的用水量；ar为模型参数，根据模型运行校正后获得；xr为影响各部门用水量的敏感性因素；
分别将多个自变量组合带入模型中，运行模型并整理相应的因变量结果，进行回归分析后，建立的回归方程组如下：
8.如权利要求7所述的一种沙生植物产业的优化配置方法，其特征在于，建立优化目标函数包括：
将经济效益和生态效益作为区域水资源配置的优化目标，优化目标函数：
Z＝max(Z1+Z2) (25)
(25)式中，Z表示区域水资源系统的总目标效益；Z1表示经济效益目标，Z2表示生态效益目标；
其中，经济效益的目标函数为：
式中，ki表示各类用水的经济效益系数；
生态效益的目标函数为：
式中，pi表示各类用水的生态效益系数，用各类产业的绿当量系数来表示；
建立约束条件，包括：农田面积保有量、经济增长保有量、最小需水量和水资源供给量。
9.如权利要求1所述的一种沙生植物产业的优化配置方法，其特征在于，根据沙生植物的生长发育和目标区域生态产业发展的需求，选取出适宜性指标和可行性指标，量化沙生植物产业的优先发展程度数据；包括：
根据沙生植物的生长发育和目标区域生态产业发展的需求，所述适宜性指标包括年平均温度、年平均降水量、土壤质地、土壤水分含量、NDVI和坡度；所述可行性指标包括天然植被距离、城镇距离、道路距离、人口密度和经济密度；
分别计算沙生植物在每个栅格发展的优先程度Pi：
式中，S表示适宜性指标；F表示可行性指标；AT表示年平均温度；AR表示年平均降水量；ST表示土壤质地；SW表示土壤水分含量；SL表示坡度；VD表示天然植被距离；TD表示城镇距离；RD表示道路距离；PD表示人口密度；ED为经济密度。
10.如权利要求5所述的一种沙生植物产业的优化配置方法，其特征在于，根据所述目标区域植被耗水与天然降水之间的水分平衡关系，计算出沙生植物的适宜种植密度数据，包括：
当土壤水分收支平衡Δw＝0时，综合水量平衡方程和生态需水量计算方法得到：
Ec+Es＝P (36)
将各参数代入公式中，整理后得到平均降水量可承载的植被覆盖度，计算方法为：
在获得当前降水情况下的植被覆盖度后，根据每种植物的单株林冠投影面积获得每个栅格内的植株数量和种植密度，计算方法为：
N＝106×fc/LA (38)
D＝N/1500 (39)
式中，N为每个栅格内的植株数量株；LA为单株林冠投影面积，单位㎡；
D为植被的适宜种植密度，单位，株/亩。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110407216.XA CN113159560B (zh) | 2021-04-15 | 2021-04-15 | 一种沙生植物产业的优化配置方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110407216.XA CN113159560B (zh) | 2021-04-15 | 2021-04-15 | 一种沙生植物产业的优化配置方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113159560A true CN113159560A (zh) | 2021-07-23 |
| CN113159560B CN113159560B (zh) | 2023-12-05 |
Family
ID=76867980
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110407216.XA Active CN113159560B (zh) | 2021-04-15 | 2021-04-15 | 一种沙生植物产业的优化配置方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113159560B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114048900A (zh) * | 2021-11-07 | 2022-02-15 | 天津大学 | 一种灌区水库调度管理系统 |
| CN114557269A (zh) * | 2022-03-21 | 2022-05-31 | 中国科学院新疆生态与地理研究所 | 基于汊渗轮灌调整荒漠河岸系统的方法 |
| CN115795229A (zh) * | 2023-02-07 | 2023-03-14 | 河海大学 | 一种适用于水相关生态系统服务反馈回路的量化研究方法 |
| CN116681262A (zh) * | 2023-07-28 | 2023-09-01 | 山东锋士信息技术有限公司 | 一种基于遥感数据的水资源优化配置方法 |
| CN116822723A (zh) * | 2023-06-08 | 2023-09-29 | 淮阴工学院 | 一种自循环减碳系统及其优化方法 |
| CN118195155A (zh) * | 2024-03-29 | 2024-06-14 | 中国水利水电科学研究院 | 一种确定旱区植被生态修复适宜种植间距的方法 |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2006102246A2 (en) * | 2005-03-18 | 2006-09-28 | Aerulean Plant Identification Systems, Inc. | System and method for plant selection |
| JP2008000052A (ja) * | 2006-06-21 | 2008-01-10 | Mebiol Kk | 植物栽培用器具および植物栽培方法 |
| US20090077884A1 (en) * | 2007-09-20 | 2009-03-26 | Diblik Roy E | Method for planting design |
| US20110036002A1 (en) * | 2009-08-11 | 2011-02-17 | Pioneer Hi-Bred International, Inc. | Methods to increase yield of plants grown at high populations |
| CA2853757A1 (en) * | 2011-07-07 | 2013-01-10 | Tim Dewey Carpenter | Tower planter growth arrangement and method |
| CA2797425A1 (en) * | 2011-11-30 | 2013-05-30 | Dow Agrosciences Llc | Three-dimensional animation technology for describing and manipulating plant growth |
| WO2016033240A2 (en) * | 2014-08-27 | 2016-03-03 | Et Water Systems, Inc. | Environmental services platform |
| CN106635045A (zh) * | 2017-01-06 | 2017-05-10 | 郑州盛润生物质能源化工研究院 | 一种缓解土传病害及抑制土壤病害的生物制剂 |
| CN108229065A (zh) * | 2018-02-06 | 2018-06-29 | 北京林业大学 | 一种基于木本植物叶片表型特征的净光合速率预测模型的构建方法和预测方法 |
| CN108549986A (zh) * | 2018-04-17 | 2018-09-18 | 北京师范大学 | 基于水位梯度的退化湿地生态需水量的测量方法 |
| CN109858180A (zh) * | 2019-02-26 | 2019-06-07 | 中国农业大学 | 一种区域作物耗水空间格局优化设计方法 |
| KR101992575B1 (ko) * | 2018-10-17 | 2019-06-25 | 영 성 왕 | 수위조절을 위한 저면자동관수용 식물재배관리기 |
| CN110249893A (zh) * | 2019-07-19 | 2019-09-20 | 中国科学院地理科学与资源研究所 | 一种城市群内部生态廊道的绿化带系统 |
| CN111524214A (zh) * | 2020-06-04 | 2020-08-11 | 广州西山居世游网络科技有限公司 | 一种植被生物群落的制作方法及装置 |
-
2021
- 2021-04-15 CN CN202110407216.XA patent/CN113159560B/zh active Active
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2006102246A2 (en) * | 2005-03-18 | 2006-09-28 | Aerulean Plant Identification Systems, Inc. | System and method for plant selection |
| JP2008000052A (ja) * | 2006-06-21 | 2008-01-10 | Mebiol Kk | 植物栽培用器具および植物栽培方法 |
| US20090077884A1 (en) * | 2007-09-20 | 2009-03-26 | Diblik Roy E | Method for planting design |
| US20110036002A1 (en) * | 2009-08-11 | 2011-02-17 | Pioneer Hi-Bred International, Inc. | Methods to increase yield of plants grown at high populations |
| CA2853757A1 (en) * | 2011-07-07 | 2013-01-10 | Tim Dewey Carpenter | Tower planter growth arrangement and method |
| CA2797425A1 (en) * | 2011-11-30 | 2013-05-30 | Dow Agrosciences Llc | Three-dimensional animation technology for describing and manipulating plant growth |
| WO2016033240A2 (en) * | 2014-08-27 | 2016-03-03 | Et Water Systems, Inc. | Environmental services platform |
| US20160057949A1 (en) * | 2014-08-27 | 2016-03-03 | Et Water Systems, Inc. | Environmental services platform |
| CN106635045A (zh) * | 2017-01-06 | 2017-05-10 | 郑州盛润生物质能源化工研究院 | 一种缓解土传病害及抑制土壤病害的生物制剂 |
| CN108229065A (zh) * | 2018-02-06 | 2018-06-29 | 北京林业大学 | 一种基于木本植物叶片表型特征的净光合速率预测模型的构建方法和预测方法 |
| CN108549986A (zh) * | 2018-04-17 | 2018-09-18 | 北京师范大学 | 基于水位梯度的退化湿地生态需水量的测量方法 |
| KR101992575B1 (ko) * | 2018-10-17 | 2019-06-25 | 영 성 왕 | 수위조절을 위한 저면자동관수용 식물재배관리기 |
| CN109858180A (zh) * | 2019-02-26 | 2019-06-07 | 中国农业大学 | 一种区域作物耗水空间格局优化设计方法 |
| CN110249893A (zh) * | 2019-07-19 | 2019-09-20 | 中国科学院地理科学与资源研究所 | 一种城市群内部生态廊道的绿化带系统 |
| CN111524214A (zh) * | 2020-06-04 | 2020-08-11 | 广州西山居世游网络科技有限公司 | 一种植被生物群落的制作方法及装置 |
Non-Patent Citations (13)
| Title |
|---|
| 张明丽;秦俊;王丽勉;张卫军;胡永红;: "绿色建筑植物资源信息系统的构建及应用", 生态与农村环境学报, no. 04 * |
| 张晓宇等: ""基于系统动力学的阿拉善"三生"用水系统演化模拟与调控"", 《干旱区资源与环境》, vol. 33, no. 8, pages 107 - 113 * |
| 张鹏;王冬梅;贺康宁;李平;: "黄土高原-青藏高原过渡带小流域立地类型划分及植被优化配置", 中国水土保持科学, no. 02 * |
| 柳平增;王雪;宋成宝;张超;奥宝平;吕涛;张立欣;: "基于大数据的西藏荒漠化治理植物优选与验证", 农业工程学报, no. 10 * |
| 王瀚文;杨智勇;万娟;李准;: "基于层次分析法的风电场边坡生态修复植物优选", 湖北工业大学学报, no. 04 * |
| 胡广录;赵文智;: "干旱半干旱区植被生态需水量计算方法评述", 生态学报, no. 12 * |
| 蒋德明;张娜;阿拉木萨;周全来;王永翠;苗仁辉;押田敏雄;: "科尔沁沙地人工固沙植被优化配置模式试验研究", 干旱区研究, no. 01 * |
| 蔡向辉;: "基于可持续发展的绿洲水资源优化配置研究――以塔里木河下游铁干里克绿洲为例", 新疆农业大学学报, no. 06, pages 56 - 57 * |
| 谭勇;王长如;梁宗锁;杜峰;: "黄土高原半干旱区林草植被建设措施", 草业学报, no. 04 * |
| 赵微;黄介生;姜海;杨琳;杨朝晖;: "面向生态的水资源协调优化配置模型", 水电能源科学, no. 03 * |
| 郑海峰;陈利顶;于洪波;: "黄土丘陵沟壑区乔灌草植物空间优化配置――以甘肃省定西地区为例", 地理研究, no. 01 * |
| 阿拉木萨;蒋德明;李雪华;骆永明;: "科尔沁沙地典型人工植被区土壤水分动态研究", 干旱区研究, no. 05 * |
| 马波;田军仓;沈晖;潘永霞;张会梅;: "基于PI模型的阿拉善绿洲节水型种植结构优化", 节水灌溉, no. 02 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114048900A (zh) * | 2021-11-07 | 2022-02-15 | 天津大学 | 一种灌区水库调度管理系统 |
| CN114557269A (zh) * | 2022-03-21 | 2022-05-31 | 中国科学院新疆生态与地理研究所 | 基于汊渗轮灌调整荒漠河岸系统的方法 |
| CN115795229A (zh) * | 2023-02-07 | 2023-03-14 | 河海大学 | 一种适用于水相关生态系统服务反馈回路的量化研究方法 |
| CN116822723A (zh) * | 2023-06-08 | 2023-09-29 | 淮阴工学院 | 一种自循环减碳系统及其优化方法 |
| CN116681262A (zh) * | 2023-07-28 | 2023-09-01 | 山东锋士信息技术有限公司 | 一种基于遥感数据的水资源优化配置方法 |
| CN118195155A (zh) * | 2024-03-29 | 2024-06-14 | 中国水利水电科学研究院 | 一种确定旱区植被生态修复适宜种植间距的方法 |
| CN118195155B (zh) * | 2024-03-29 | 2024-09-17 | 中国水利水电科学研究院 | 一种确定旱区植被生态修复适宜种植间距的方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113159560B (zh) | 2023-12-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113159560B (zh) | 一种沙生植物产业的优化配置方法 | |
| Luo et al. | Spatiotemporal variations of cultivated land use efficiency in the Yangtze River Economic Belt based on carbon emission constraints | |
| Yang et al. | Spatio-temporal changes in water-related ecosystem services provision and trade-offs with food production | |
| Lecina et al. | Irrigation modernization and water conservation in Spain: The case of Riegos del Alto Aragón | |
| Yang et al. | Assessment of changes in oasis scale and water management in the arid Manas River Basin, north western China | |
| Lecina et al. | Irrigation modernization in Spain: Effects on water quantity and quality—A conceptual approach | |
| Zhu et al. | Agricultural irrigation in China | |
| CN113177345B (zh) | 一种网格化作物种植布局优化方法 | |
| Liu et al. | Optimization of planning structure in irrigated district considering water footprint under uncertainty | |
| Zhang et al. | Enhancement of root systems improves productivity and sustainability in water saving ground cover rice production system | |
| Yu et al. | Spatiotemporal changes in water, land use, and ecosystem services in Central Asia considering climate changes and human activities | |
| Chen et al. | Crop pattern optimization for the coordination between economy and environment considering hydrological uncertainty | |
| CN113641946B (zh) | 耗水作物种植布局优化方法及装置 | |
| CN110503283A (zh) | 一种县域高标准基本农田建设综合成效的评估方法 | |
| CN114925974A (zh) | 一种面向市县国土空间规划的分类逐步双评价方法 | |
| Fan et al. | A novel approach to dynamically optimize the spatio-temporal distribution of crop water consumption | |
| Shi et al. | Influence of climate and socio-economic factors on the spatio-temporal variability of soil organic matter: A case study of Central Heilongjiang Province, China | |
| Wu et al. | Land engineering and its role for sustainable agriculture in the agro-pastoral ecotone: A case study of Yulin, Shaanxi Province, China | |
| Du et al. | Regional differences in the green use level of cultivated land in the Heilongjiang reclamation area | |
| Guan et al. | Risk assessment and regulation strategy of farmland marginalization: A case study of mengjin county, henan province | |
| CN103593576B (zh) | 一种人工增雨环境效应测评方法 | |
| Shi et al. | Best management practices for agricultural non-point source pollution control using PLOAD in Wuliangsuhai watershed | |
| Zuo et al. | Analysis of the gains and losses of ecosystem service value under land use change and zoning in Qiqihar | |
| Li et al. | Farmland productivity and its application in spatial zoning of agricultural production: a case study in Zhejiang province, China | |
| Wang et al. | Study on the response and prediction of SDGs based on different climate change scenarios: The case of the urban agglomeration in central Yunnan |
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 |