CN115034425A - 耦合水量-水质-水生物的集合群落动态模拟、调度方法及装置 - Google Patents
耦合水量-水质-水生物的集合群落动态模拟、调度方法及装置 Download PDFInfo
- Publication number
- CN115034425A CN115034425A CN202210219240.5A CN202210219240A CN115034425A CN 115034425 A CN115034425 A CN 115034425A CN 202210219240 A CN202210219240 A CN 202210219240A CN 115034425 A CN115034425 A CN 115034425A
- Authority
- CN
- China
- Prior art keywords
- population
- representing
- water
- water quality
- community
- 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.)
- Pending
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 267
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000005094 computer simulation Methods 0.000 title claims abstract description 30
- 230000008878 coupling Effects 0.000 title claims abstract description 23
- 238000010168 coupling process Methods 0.000 title claims abstract description 23
- 238000005859 coupling reaction Methods 0.000 title claims abstract description 23
- 230000000694 effects Effects 0.000 claims abstract description 29
- 230000008569 process Effects 0.000 claims abstract description 19
- 238000011160 research Methods 0.000 claims abstract description 13
- 230000003993 interaction Effects 0.000 claims abstract description 11
- 230000007613 environmental effect Effects 0.000 claims description 66
- 230000005012 migration Effects 0.000 claims description 45
- 238000013508 migration Methods 0.000 claims description 45
- 238000004088 simulation Methods 0.000 claims description 29
- 238000011144 upstream manufacturing Methods 0.000 claims description 25
- 239000002028 Biomass Substances 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000010276 construction Methods 0.000 claims description 10
- 230000006870 function Effects 0.000 claims description 10
- 150000001875 compounds Chemical class 0.000 claims description 9
- 238000009826 distribution Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 5
- 238000005457 optimization Methods 0.000 claims description 2
- 230000004044 response Effects 0.000 abstract description 10
- 241000251468 Actinopterygii Species 0.000 description 20
- 241001465754 Metazoa Species 0.000 description 11
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 11
- 229910052760 oxygen Inorganic materials 0.000 description 11
- 239000001301 oxygen Substances 0.000 description 11
- 230000008859 change Effects 0.000 description 6
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 4
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000005315 distribution function Methods 0.000 description 4
- 239000013505 freshwater Substances 0.000 description 4
- VEXZGXHMUGYJMC-UHFFFAOYSA-M Chloride anion Chemical compound [Cl-] VEXZGXHMUGYJMC-UHFFFAOYSA-M 0.000 description 3
- MMDJDBSEMBIJBB-UHFFFAOYSA-N [O-][N+]([O-])=O.[O-][N+]([O-])=O.[O-][N+]([O-])=O.[NH6+3] Chemical compound [O-][N+]([O-])=O.[O-][N+]([O-])=O.[O-][N+]([O-])=O.[NH6+3] MMDJDBSEMBIJBB-UHFFFAOYSA-N 0.000 description 3
- 230000009141 biological interaction Effects 0.000 description 3
- 230000033228 biological regulation Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 241000894007 species Species 0.000 description 3
- 238000003911 water pollution Methods 0.000 description 3
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 2
- KRHYYFGTRYWZRS-UHFFFAOYSA-M Fluoride anion Chemical compound [F-] KRHYYFGTRYWZRS-UHFFFAOYSA-M 0.000 description 2
- JVMRPSJZNHXORP-UHFFFAOYSA-N ON=O.ON=O.ON=O.N Chemical compound ON=O.ON=O.ON=O.N JVMRPSJZNHXORP-UHFFFAOYSA-N 0.000 description 2
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 2
- QAOWNCQODCNURD-UHFFFAOYSA-L Sulfate Chemical compound [O-]S([O-])(=O)=O QAOWNCQODCNURD-UHFFFAOYSA-L 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 239000003344 environmental pollutant Substances 0.000 description 2
- 230000004907 flux Effects 0.000 description 2
- 229910052757 nitrogen Inorganic materials 0.000 description 2
- 150000002894 organic compounds Chemical class 0.000 description 2
- 229910052698 phosphorus Inorganic materials 0.000 description 2
- 239000011574 phosphorus Substances 0.000 description 2
- 231100000719 pollutant Toxicity 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 241000206761 Bacillariophyta Species 0.000 description 1
- 241000192700 Cyanobacteria Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 239000005422 algal bloom Substances 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000029602 competition with other organism Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003292 diminished effect Effects 0.000 description 1
- 230000003467 diminishing effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 150000002484 inorganic compounds Chemical class 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000037323 metabolic rate Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 230000000050 nutritive effect Effects 0.000 description 1
- 230000029553 photosynthesis Effects 0.000 description 1
- 238000010672 photosynthesis Methods 0.000 description 1
- 230000001850 reproductive effect Effects 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 231100000331 toxic Toxicity 0.000 description 1
- 230000002588 toxic effect Effects 0.000 description 1
- 230000003313 weakening 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
- G06Q10/04—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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A20/00—Water conservation; Efficient water supply; Efficient water use
- Y02A20/152—Water filtration
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Animal Husbandry (AREA)
- Agronomy & Crop Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供耦合水量‑水质‑水生物的集合群落动态模拟、调度方法及装置,能够量化水生群落对水量和水质的生态响应,为关键河湖生态流量、生态修复、调度提供科学依据。方法包括:步骤1.确定研究情景,收集研究区域的实测数据,并确定种群动态的影响因子与决策变量;步骤2.考虑多种群间相互作用关系、水量和水质效应、种群迁入和迁出以及其他因素的影响,构建耦合水量‑水质‑水生物的集合群落动态模型;步骤3.对于集合群落动态模型中的生态位宽度、环境最佳值、竞争系数参数值,基于分位数回归方法和生态位理论进行计算;步骤4.模拟集合群落中多种群系统的协同演进过程,确定水量和水质对集合群落动态的影响程度。
Description
技术领域
本发明属于水生态模拟技术领域,具体涉及耦合水量-水质-水生物的集合群落动态模拟、调度方法及装置。
技术背景
随着全球范围内以牺牲生态环境效益为代价的社会经济发展,湿地生态系统的可持续发展越来越受到国家重视。然而,淡水生态系统正日益受到大坝调控、引水和水质污染的威胁,这使得河流水文情势和水质发生巨大变化,对水生群落的功能、结构和动态产生不利影响。
现有研究表明,河流生态系统的结构和功能在很大程度上取决于水量和水质。与水量和水质相关的变量构成了影响水生生物的重要环境因素。水量和水质条件的年际变化通过改变繁殖成功率、天然流量和生物相互作用在种群动态中发挥重要作用。流量事件的大小、持续时间、时间、变化率和频率通常是维持鱼类、浮游植物和无脊椎动物多样性的关键驱动因素;富营养化水流可以显著改变物种组成和丰度;流速超过一定阈值可以有效避免与浮游植物有关的水华事件的发生;在一定的流速或流量范围内,特定鱼类和底栖生物的代谢率可以提高,从而为产卵提供重要的水动力条件;营养盐污染严重的水体往往会加速有毒蓝藻的猖獗生长;当污染物浓度超过水生生物的耐受极限时,会对水生生物的生存构成直接威胁;水质的变化(如溶解氧和有机化合物)可直接或间接影响水生生物的分布和密度。因此,生物和非生物环境之间的相互作用是理解和管理水生生态系统的基础。
从历史上看,用于整合生物和非生物环境之间相互作用的信息非常有限,因此很难建立复杂的模型,虽然在过去十年内,这一现状逐渐改善,然而,应用生态学在历史上惯于使用简化的单一物种或单一框架来处理决策问题,并且水量和水质效应在现有的生态模型中很少被详细地考虑。
因此,迫切需要一种能够识别并量化水量和水质效应的水生集合群落动态模型,从而为生态系统层面的生态修复奠定基础。
发明内容
本发明是为了解决上述问题而进行的,目的在于提供一种耦合水量-水质-水生物的集合群落动态模拟、调度方法及装置,能够基于生态位的集合群落动态模型来量化水生群落对水量和水质的生态响应,并模拟在这种生态响应下的多种群动态,从而为关键河湖生态流量、生态修复、调度提供科学依据。
本发明为了实现上述目的,采用了以下方案:
<模拟方法>
本发明提供了耦合水量-水质-水生物的集合群落动态模拟方法,其特征在于,包括以下步骤:
步骤1.确定研究情景,收集研究区域的河流基本资料及多站点水量数据、水质数据和生物量数据作为模型输入的实测数据,并确定种群动态的影响因子与决策变量;种群动态的影响因子包括以下变量的全部或部分变量:时序t,上一时段的水量因子FR1(t-1)、FR2(t-1)、……、FRm(t-1),上一时段的水质因子WQ1(t-1)、WQ2(t-1)、……、 WQl(t-1),上一时段的种群密度Ni(t-1),上一时段的种群迁入量Ii(t-1)、上一时段的种群迁出量Ei(t-1);种群动态的决策变量为当前时段的种群密度Ni(t);
步骤2.考虑多种群间相互作用关系、水量和水质效应、种群迁入和迁出(存在于集合群落内部的物种迁移)以及其他因素的影响,构建耦合水量-水质-水生物的集合群落动态模型:
式中,Ni表示种群i的密度;ri表示种群i的内禀增长率;Ki表示种群i的环境容纳量;αij表示种群i对种群j的竞争系数;t表示当前时段,t-1表示上一时段;J表示种群数量;M表示水量指标数量;FRm表示第m个水量指标的值;表示种群i对指标m的环境最佳值;表示种群i沿指标m的生态位宽度,这影响了由于和FRm之间的差异所导致的种群增长速度降低;L表示水质指标数量;WQl表示第l个水质指标的值;表示种群i对指标l的环境最佳值;表示种群i沿指标l的生态位宽度,这影响了由于和WQl之间的差异所导致的种群增长速度降低;Ii表示种群i从集合群落其他地方的迁入量;Oi指种群密度的其他未解释因素引起的变量(例如,人类活动影响);种群i对某一确定环境指标的ri、Ki、αij、和是常数,其中和的值均在0到1范围内;FRm和WQl的值均不小于0;Ei表示种群i向集合群落其他地方的迁出量;
式中,表示种群i向上游的迁出量;表示种群i向下游的迁出量;E′i表示种群i的理论迁出量,其服从二项分布E′i~B(Ni,Pi),其中表示种群i向上游迁移的权重;表示种群i向下游迁移的权重;Lup表示当前站点与上游站点的地理间距;Ldown表示当前站点与下游站点的地理间距;种群迁入与迁出取决于空间连通性、集合群落中子群落之间的距离、迁移强度和种群密度;对于河流生态系统中的串联群落,种群i在某一子群落的迁入量可由迁出量推求;
水量效应(FRE)和水质效应(WQE)分别定义为和 以种群i对水量指标m为例,当水量条件FRm等于环境最佳值时, FRE=0,这种情况下,水量条件对种群密度的增长无削弱作用;当水量条件FRm小于环境最佳值时,这种情况下,FRE随着FRm从0到递增而从到0递减,由于环境条件逐渐偏离环境最佳值,水量条件对种群密度增长的削弱作用增加;当水量条件FRm大于环境最佳值时,0<FRE<1,这种情况下,FRE 随着FRm从递增至无穷大而从0到无限接近于1递增,水量条件对种群密度增长的削弱作用增加到最大值,这是因为极端的环境条件不再适合物种生存;
集合群落模型将非生物环境、生态位和种间竞争有机地结合起来,集合群落模型通过生态位宽度和竞争系数来揭示水文和水质状况如何影响多种群动态,集合群落模型可广泛应用于从上游到下游具有多个栖息地的河流生态系统;
步骤3.对于集合群落动态模型中的生态位宽度、环境最佳值、竞争系数参数值,基于分位数回归方法和生态位理论进行计算;
生态位宽度采用下式计算:
式中,表示种群i沿环境指标f的生态位宽度;R表示环境变量的离散个数;f表示环境指标;F表示环境指标f的某一确定条件;F-表示F的左极限;表示种群i的个体偏好环境条件F的概率;基于分位数回归的生态位宽度计算方法,能有效地描述不同分位数的解释变量 (如生物量)和解释变量(如非生物环境因子)之间的分布函数(可设置多种函数类型,如线性、多项式、指数和对数),尤其是在多个解释变量的情况下;分位数回归的结果可用于推导生态位、环境最佳值和种间竞争系数;
种间竞争系数采用下式计算:
式中,αij表示在考虑所有M个水量指标和L个水质指标的情况下,种群j对种群i的综合竞争系数;表示仅考虑某一环境指标f的情况下,种群j对种群i的竞争系数;表示种群i的个体偏好环境条件F的概率;注意,且αij≠αji;
步骤4.模拟集合群落中多种群系统的协同演进过程,确定水量和水质对集合群落动态的影响程度。
优选地,本发明提供的耦合水量-水质-水生物的集合群落动态模拟方法,还可以具有以下特征:在步骤3中,对于分位数回归时采用的不同函数类型,通过评估分位数回归曲线的关键参数的稳健性,确定每对种群密度和环境因子的适合函数类型,以最终确定环境最佳值和生态位宽度。
优选地,本发明提供的耦合水量-水质-水生物的集合群落动态模拟方法,还可以具有以下特征:在步骤4中,先根据实测生物量数据对各种群的内禀增长率和环境容纳量参数进行率定和验证(率定期:验证期=2:1),直至达到预期;然后再模拟集合群落中多种群系统的协同演进过程,确定水量和水质对集合群落动态的影响程度。
优选地,本发明提供的耦合水量-水质-水生物的集合群落动态模拟方法,还可以具有以下特征:在步骤4中,通过优化控制模拟结果的纳什效率系数和皮尔逊相关系数对各种群的内禀增长率和环境容纳量参数进行率定和验证。
优选地,本发明提供的耦合水量-水质-水生物的集合群落动态模拟方法,还可以具有以下特征:集合群落动态模型输出项包含各种群对不同环境因子的分位数回归结果、各种群沿不同环境因子轴的生态位宽度、各种群对不同环境因子的环境最佳值、两两种群对不同环境因子的竞争系数、各种群在不同站点的协同演进过程、水量和水质效应对各种群动态的影响程度。
<调度方法>
优选地,本发明还提供一种基于耦合水量-水质-水生物的集合群落动态模拟的水库生态调度方法,其特征在于:采用上文<模拟方法>中任意一项所描述的集合群落动态模拟方法模拟集合群落中多种群系统的协同演进过程,确定水量和水质变化对集合群落动态的影响,并根据此优化和决定水库调度。
<装置>
进一步,本发明还提供了一种基于上述<方法>的水库生态调度装置,其特征在于,包括:
数据获取部,获取研究区域河流基本资料及多站点水量数据、水质数据和生物量数据作为模型输入的实测数据,并确定种群动态的影响因子与决策变量;种群动态的影响因子包括以下变量的全部或部分变量:时序t,上一时段的水量因子FR1(t-1)、FR2(t-1)、……、 FRm(t-1),上一时段的水质因子WQ1(t-1)、WQ2(t-1)、……、WQl(t-1),上一时段的种群密度Ni(t-1),上一时段的种群迁入量Ii(t-1)、上一时段的种群迁出量Ei(t-1);种群动态的决策变量为当前时段的种群密度Ni(t);
模型构建部,考虑多种群间相互作用关系、水量和水质效应、种群迁入和迁出以及其他因素的影响,构建耦合水量-水质-水生物的集合群落动态模型:
式中,Ni表示种群i的密度;ri表示种群i的内禀增长率;Ki表示种群i的环境容纳量;αij表示种群i对种群j的竞争系数;J表示种群数量;M表示水量指标数量;FRm表示第m个水量指标的值;表示种群i对指标m的环境最佳值;表示种群i沿指标m的生态位宽度,这影响了由于和FRm之间的差异所导致的种群增长速度降低;L表示水质指标数量;WQl表示第l 个水质指标的值;表示种群i对指标l的环境最佳值;表示种群i沿指标l的生态位宽度,这影响了由于和WQl之间的差异所导致的种群增长速度降低;Ii表示种群i从集合群落其他地方的迁入量;Oi指种群密度的其他未解释因素引起的变量;种群i对某一确定环境指标的 ri、Ki、αij、和是常数,其中和的值均在0到1范围内;FRm和WQl的值均不小于0;Ei表示种群i向集合群落其他地方的迁出量;
式中,表示种群i向上游的迁出量;表示种群i向下游的迁出量;E′i表示种群i的理论迁出量,其服从二项分布E′i~B(Ni,Pi),其中表示种群i向上游迁移的权重;表示种群i向下游迁移的权重;Lup表示当前站点与上游站点的地理间距;Ldown表示当前站点与下游站点的地理间距;
计算部,对于集合群落动态模型中的生态位宽度、环境最佳值、竞争系数参数值,基于分位数回归方法和生态位理论进行计算;
生态位宽度采用下式计算:
种间竞争系数采用下式计算:
模拟部,模拟集合群落中多种群系统的协同演进过程,确定水量和水质对集合群落动态的影响程度;
水库调度部,根据模拟部确定的水量和水质对集合群落动态的影响程度,优化和决定水库优化调度决策,并据此控制水库运行;以及
控制部,与数据获取部、模型构建部、计算部、模拟部、水库调度部均通信相连,控制它们的运行。
优选地,本发明提供的基于耦合水量-水质-水生物的集合群落动态模拟的水库生态调度装置,还可以包括:输入显示部,与控制部通信相连,用于让用户输入操作指令,并进行相应显示。
优选地,本发明提供的基于耦合水量-水质-水生物的集合群落动态模拟的水库生态调度装置,还可以具有以下特征:输入显示部能够根据操作指令对集合群落动态模型的输入和输出参数进行显示,并能够对模拟部模拟的协同演进过程和水量和水质对集合群落动态的影响程度进行动态显示,还能够对水库调度部的调度决策及水库运行状况进行展示。
发明的作用与效果
与现有技术相比,本发明的有益效果在于:
能够量化水生群落对水量和水质的生态响应,并模拟在这种生态响应下的多种群动态,从而指导关键河湖生态流量、生态修复策略的制定,适应多种淡水生态系统。
(1)本发明能够基于河流基本资料及多站点水量数据、水质数据和生物量数据,通过耦合水量-水质-水生物的集合群落动态模拟方法,科学合理地描述水生群落对水量和水质变化的生态响应。
(2)本发明全面考虑了水生群落系统多种群相互作用关系、水量和水质效应、种群迁入和迁出和其他影响因素,能够有效模拟多种群系统在变化环境下的协同演进过程。
(3)本发明在受大坝调控和水污染而急需生态修复的淡水生态系统中有广泛的应用潜力,模型较易纳入环境变量的随机性,从而探索“水量-水质-水生物”系统的稳定性和阈值问题,此外,与大数据相关的研究可以将该模型扩展到更广泛的生物群落,并为生物多样性保护、水库生态调度和生态流量提供重要科研数据。
(4)本发明能够根据水量和水质对集合群落动态的影响程度,优化和决定水库优化调度决策,并据此控制水库运行,使得水库调度能够充分考虑到对河流生态系统的影响,为科学改善、修复生态系统和水质提供可靠保障。
附图说明
图1为本发明实施例涉及的耦合水量-水质-水生物的集合群落动态模拟方法的流程图;
图2为本发明实施例涉及的生态位宽度和环境最佳值推求示意图;
图3为本发明实施例涉及的鱼类生物量与各环境指标的分位数回归结果图;
图4为本发明实施例涉及的各种群沿不同环境因子轴的生态位宽度图;
图5为本发明实施例涉及的种间竞争系数图;
图6为本发明实施例涉及的集合群落不同站点的多种群动态协同演进模拟结果图;
图7为本发明实施例涉及的集合群落动态模型的模拟效果评估图;
图8为本发明实施例涉及的集合群落动态的生物相互作用、水量效应和水质效应对比图。
具体实施方式
以下结合附图对本发明涉及的耦合水量-水质-水生物的集合群落动态模拟、调度方法及装置进行详细地说明。
<实施例>
如图1所示,本实施例所提供的耦合水量-水质-水生物的集合群落动态模拟方法包括以下步骤:
步骤1.确定研究情景,收集河流基本资料及多站点水量数据、水质数据和生物量数据,确定种群动态的影响因子与决策变量。
本实施例中,将汉江中下游由于其丰富的水资源和水生生物资源选为研究区域,沿汉江中下游共设置了6个测量站,用于观测生物量、水文和水质数据。从上游到下游的六个站点分别是黄家岗、襄阳、黄庄、沙阳、仙桃和汉川,它们可以被视为集合群落中通过迁移联系起来的多个子群落。数据包含5个生物量指标、1个水量指标和15个水质指标。生物量的5个指标分别是鱼类、浮游植物、浮游动物、底栖动物和大型水生植物,它们代表了汉江中下游的主要水生生物资源;水量的1个指标是流量,在许多水文变异的相关研究中,流量已被广泛用作直接反映河流水文情势的关键指标;水质的15个指标分别是气温(AT)、水温(WT)、酸碱度(pH)、悬浮物(SS)、溶解氧(DO)、化学需氧量(CODMn)、生化需氧量 (BOD5)、硫酸盐(SO4)、氨氮(NH3-N)、亚硝酸盐氮(NO2-N)、硝酸盐氮(NO3-N)、总磷(TP),氟化物(F)、氯化物(Cl)和总硬度(TH),它们涵盖了理化指标、无机化合物和有机化合物,是影响汉江中下游水生群落动态的关键因素。所有数据均在汉江中下游的6 个观测站进行观测,数据的时间尺度为月,其中生物量数据每月测量一次,水量和水质数据为月平均值。数据系列的长度因数据类别和站点而异,最长为七年半,最短为一年半。由于不同的测量仪器、不同的天气、人类活动等,数据中可能存在不可避免的误差,但通过审查数据的一致性、代表性和准确性,误差在可接受的范围内。
本实施例中,种群动态的影响因子包括以下变量:时序t,上一时段的水量因子FR1(t- 1)、FR2(t-1)、……、FRm(t-1),上一时段的水质因子WQ1(t-1)、WQ2(t-1)、……、 WQl(t-1),上一时段的种群密度Ni(t-1),上一时段的种群迁入量Ii(t-1)、上一时段的种群迁出量Ei(t-1);种群动态的决策变量为当前时段的种群密度Ni(t)。
步骤2.考虑多种群间相互作用关系、水量和水质效应、种群迁入和迁出以及其他因素影响,构建集合群落动态模型。
在本实施例中,集合群落模型将非生物环境、生态位和种间竞争有机地结合起来,集合群落模型通过生态位宽度和竞争系数来揭示水文和水质状况如何影响多种群动态,集合群落模型可广泛应用于从上游到下游具有多个栖息地的河流生态系统。
以种群i为例,耦合“水量-水质-水生物”的集合群落动态模型表示如下:
式中,Ni表示种群i的密度;ri表示种群i的内禀增长率;Ki表示种群i的环境容纳量;αij表示种群i对种群j的竞争系数;J表示种群数量;M表示水量指标数量;FRm表示第m个水量指标的值;表示种群i对指标m的环境最佳值;表示种群i沿指标m的生态位宽度,这影响了由于和FRm之间的差异所导致的种群增长速度降低;L表示水质指标数量;WQl表示第l 个水质指标的值;表示种群i对指标l的环境最佳值;表示种群i沿指标l的生态位宽度,这影响了由于和WQl之间的差异所导致的种群增长速度降低;Ii表示种群i从集合群落其他地方的迁入量;Ei表示种群i向集合群落其他地方的迁出量;Oi指种群密度的其他未解释因素引起的变量(例如,人类活动影响);种群i对某一确定环境指标的ri、Ki、αij、 和是常数,其中和的值均在0到1范围内;FRm和WQl的值均不小于0。
其他未解释因素引起的变量(例如,人类活动影响)用观测值和模拟值差值的概率分布函数来描述,在原模拟值的基础上增加该差值的期望值,使模拟值得到更新,反复进行多次。
种群迁入与迁出取决于空间连通性、集合群落中子群落之间的距离、迁移强度和种群密度。对于河流生态系统中的串联群落,种群i在某一子群落的迁入量可由迁出量推求。迁出量采用下式计算:
式中,Ei表示种群i向集合群落其他地方的迁出量;表示种群i向上游的迁出量;表示种群i向下游的迁出量;E′i表示种群i的理论迁出量,其服从二项分布E′i~B(Ni,Pi),其中表示种群i向上游迁移的权重;表示种群i向下游迁移的权重;Lup表示当前站点与上游站点的地理间距;Ldown表示当前站点与下游站点的地理间距。
在本实施例中,6个站点之间的5段距离自上游至下游依次为121km、109km、78km、121km和70km。
步骤3.基于分位数回归方法和生态位理论,计算集合群落动态模型中的生态位宽度、环境最佳值、竞争系数等参数值。
生态位宽度采用下式计算:
在本实施例中,分位数回归时采用线性、多项式、指数和对数四种不同的函数类型,通过评估分位数回归曲线的关键参数(如最高次系数和截距)的稳健性,确定每对被解释变量 (种群密度)和解释变量(环境因子)的适合函数类型,以最终确定环境最佳值和生态位宽度。
种间竞争系数采用下式计算:
式中,αij表示在考虑所有M个水量指标和L个水质指标的情况下,种群j对种群i的综合竞争系数;表示仅考虑某一环境指标f的情况下,种群j对种群i的竞争系数;表示种群i的个体偏好环境条件F的概率。注意,且αij≠αji。
步骤4.根据实测生物量数据对各种群的内禀增长率和环境容纳量参数进行率定和验证。在本实施例中,通过优化控制模拟结果的纳什效率系数和皮尔逊相关系数对各种群的内禀增长率和环境容纳量参数进行率定和验证(率定期∶验证期=2∶1),直至达到满意效果。
步骤5.模拟集合群落中多种群系统的协同演进过程,分析水量和水质对多种群系统动态的影响程度。
最后,结合经验证据对各参数(包括生态位宽度、环境最佳值、竞争系数等)的合理性以及水量和水质对集合群落动态的影响程度进行定性评估,以评估模型性能。
在本实施例中,耦合水量-水质-水生物的集合群落动态模型的输入项包含各站点的地理信息、各站点的水量数据、水质数据、生物量数据时间序列,输出项包含各种群对不同环境因子的分位数回归结果、各种群沿不同环境因子轴的生态位宽度、各种群对不同环境因子的环境最佳值、两两种群对不同环境因子的竞争系数、各种群在不同站点的协同演进过程、水量和水质效应对各种群动态的影响程度。
由图2可知,在某种确定函数类型下,可以得到不同环境条件(如F1、F2、F3)下所有分位处种群密度值的概率分布函数,将概率分布函数最高点对应的种群密度值连接起来从而得到综合拟合曲线,综合拟合曲线的峰值表示环境最佳值,对综合拟合曲线进行积分运算得到种群个体偏好特定条件的概率。为便于观察,图中仅展示了0.1、0.3、0.5、0.7和0.9分位数,实际上,实施例中的分位数从0.01到0.99,以0.01为增量。
由图3可知,从综合拟合曲线可以看出,鱼类种群对流量和水温表现出显著的生态响应,而气温、悬浮物、硝酸盐氮和氯化物与鱼类生物量没有明显的相关关系,但是,相关性不强的环境指标可能对鱼类生长至关重要。从不同分位数的回归结果来看,气温、悬浮物、溶解氧、氟化物、氯化物和总硬度等指标的高分位回归曲线与其综合拟合曲线有很大的偏差,这可以因为鱼类种群受这些指标的影响较小,而在其他关键指标的主导下,出现高分位样本值。此外,随着环境指标值的增加(或减少),不同分位下的回归曲线可能会显示出发散趋势,这表明当环境指标超过某一阈值时,种群动态受其主导作用大大减弱。
由图4可知,对于流量、水温和氨氮三个环境指标,鱼类的生态位宽度在所有种群中最窄,这表明鱼类种群对这三个指标的需求较为苛刻;对于气温、悬浮物、溶解氧、生化需氧量、氨氮和亚硝酸盐氮六个环境指标,底栖动物的生态位宽度在所有种群中最宽,这表明底栖动物不太可能在利用这些环境资源方面与其他种群竞争;对于气温、悬浮物、化学需氧量、生化需氧量、硝酸盐氮和总磷六个环境指标,大型水生植物的生态位宽度在所有种群中最窄,这表明在该研究区域中,大型水生植物对这些指标较为敏感;流量对鱼类种群的影响大于其他种群,导致鱼类在流量维度上的生态位宽度最窄;溶解氧是浮游植物光合作用所必需的,因此,就溶解氧而言,浮游植物的生态位宽度比其他种群(尤其是底栖动物)窄。类似地,各种群沿不同环境因子轴的生态位宽度可以用同样的方式进行分析。
由图5可知,由于底栖动物在环境指标的多个维度上占据着较宽的生态位,因此,其它种群占据底栖动物所需环境资源而产生的竞争系数通常较大,相比之下,其它种群占据大型水生植物所需环境资源而产生的竞争系数通常较小。此外,对于流量和水温,其它种群对鱼类的竞争系数相对较小,这是由于鱼类不太可能与其他种群发生生态位重叠,因为其在流量和水温维度上的生态位宽度比其他种群窄。两两种群的综合竞争系数均保持在较高水平 (>0.7),这符合复杂河流生态系统的特征。生态位宽度和竞争系数的相互印证分析表明实施例对它们的计算结果是合理的。
由图6可知,各种群动态模拟结果与观测值基本一致,其中动物种群的模拟结果优于植物种群,这可能是由于动物种群系统具有较强的稳定性和抵抗外部环境干扰的能力。
由图7可知,鱼类的纳什效率系数和皮尔逊相关系数分别为0.94和0.97,底栖动物的什效率系数和皮尔逊相关系数分别为0.76和0.88,因此,鱼类和底栖动物的模拟结果较好。模拟效果较差的是浮游植物,其什效率系数和皮尔逊相关系数分别为0.30和0.64,但这是可接受的,因为冬季水温低、水位低导致光照充足、流速慢并且水生植被自然枯萎释放营养物质,使得浮游植物(尤其是硅藻)在冬季快速生长。此外,鱼类、浮游植物和浮游动物在上游站(即黄家港和襄阳)的模拟效果更好,而底栖动物和大型植物在下游站(即仙桃和汉川)的模拟效果更好,这是因为底栖动物和大型植物往往生活在河流底部或河岸,流速低于河心和上游,其生长受水量变化的影响较小。
由图8可知,对于上游站点,水量对鱼类的影响大于对其它种群,水质对浮游植物和大 型水生植物的影响大于其它种群,水量对鱼类的影响程度比水质大,水质对浮游植物和大型 水生植物的影响程度比水量大。这是由于坝下的上游河段水文情势变化,鱼类对水量变化的 生态响应更显著;水量变化会对水质状况产生较大影响,因此,浮游植物和大型水生植物在 上游站对水质变化的响应比在下游站更显著。从上游到下游,水量对不同种群的影响程度趋 于均衡,水质对浮游植物、浮游动物、底栖动物和大型水生植物的影响程度逐渐降低。对于 下游站点,水量对各种群的影响程度均达到最小,这是由于下游站点的水量最小且水文情势 最稳定。对于所有站点,水质对浮游植物、浮游动物和大型植物的影响程度大于水量。此外, 各种群在所有站点的动态主要受生物相互作用主导。
综上,本实施例提供的耦合水量-水质-水生物的集合群落动态模拟方法,能够科学合理地描述水生群落对水量和水质变化的生态响应;全面考虑了水生群落系统多种群相互作用关系、水量和水质效应、种群迁入和迁出和其他影响因素,能够有效模拟多种群系统在变化环境下的协同演进过程;首次采用分位数回归方法来计算生态位宽度;在受大坝调控和水污染而急需生态修复的淡水生态系统中有广泛的应用潜力,为探索“水量-水质-水生物”系统的稳定性和阈值问题奠定了基础,有利于科学合理地制定生物多样性保护、水库生态调度和生态流量策略。
进一步,本实施例还提供了能够自动实现上述方法的水库生态调度装置,该装置包括数据获取部、模型构建部、计算部、模拟部、水库调度部、输入显示部、控制部。
数据获取部能够执行上文步骤1所描述的内容,获取研究区域河流基本资料及多站点水量数据、水质数据和生物量数据作为模型输入的实测数据,并确定种群动态的影响因子与决策变量。
模型构建部执行上文步骤2所描述的内容,考虑多种群间相互作用关系、水量和水质效应、种群迁入和迁出以及其他因素的影响,构建耦合水量-水质-水生物的集合群落动态模型。
计算部执行上文步骤3所描述的内容,对于集合群落动态模型中的生态位宽度、环境最佳值、竞争系数参数值,基于分位数回归方法和生态位理论进行计算。
模拟部执行上文步骤4所描述的内容,模拟集合群落中多种群系统的协同演进过程,确定水量和水质对集合群落动态的影响程度。
水库调度部根据模拟部确定的水量和水质对集合群落动态的影响程度,优化和决定水库优化调度决策,并据此控制水库运行。
输入显示部用于让用户输入操作指令,并进行相应显示。具体地,输入显示部能够根据操作指令对集合群落动态模型的输入和输出参数进行显示,并能够对模拟部模拟的协同演进过程和水量和水质对集合群落动态的影响程度进行动态显示,还能够对水库调度部的调度决策及水库运行状况进行展示。例如,本实施例中,输入显示部能够根据操作指令,对图 2~8的内容进行显示。
控制部与数据获取部、模型构建部、计算部、模拟部、水库调度部、输入显示部均通信相连,控制它们的运行。
以上实施例仅仅是对本发明技术方案所做的举例说明。本发明所涉及的耦合水量-水质-水生物的集合群落动态模拟、调度方法及装置并不仅仅限定于在以上实施例中所描述的内容,而是以权利要求所限定的范围为准。本发明所属领域技术人员在该实施例的基础上所做的任何修改或补充或等效替换,都在本发明的权利要求所要求保护的范围内。
Claims (9)
1.耦合水量-水质-水生物的集合群落动态模拟方法,其特征在于,包括以下步骤:
步骤1.确定研究情景,收集研究区域的河流基本资料及多站点水量数据、水质数据和生物量数据作为模型输入的实测数据,并确定种群动态的影响因子与决策变量;种群动态的影响因子包括以下变量的全部或部分变量:时序t,上一时段的水量因子FR1(t-1)、FR2(t-1)、……、FQm(t-1),上一时段的水质因子WQ1(t-1)、WQ2(t-1)、……、WQl(t-1),上一时段的种群密度Ni(t-1),上一时段的种群迁入量Ii(t-1)、上一时段的种群迁出量Ei(t-1);种群动态的决策变量为当前时段的种群密度Ni(t);
步骤2.考虑多种群间相互作用关系、水量和水质效应、种群迁入和迁出以及其他因素的影响,构建耦合水量-水质-水生物的集合群落动态模型:
式中,Ni表示种群i的密度;ri表示种群i的内禀增长率;Ki表示种群i的环境容纳量;αij表示种群i对种群j的竞争系数;t表示当前时段,t-1表示上一时段;J表示种群数量;M表示水量指标数量;FRm表示第m个水量指标的值;表示种群i对指标m的环境最佳值;表示种群i沿指标m的生态位宽度,这影响了由于和FRm之间的差异所导致的种群增长速度降低;L表示水质指标数量;WQl表示第l个水质指标的值;表示种群i对指标l的环境最佳值;表示种群i沿指标l的生态位宽度,这影响了由于和WQl之间的差异所导致的种群增长速度降低;Ii表示种群i从集合群落其他地方的迁入量;Oi指种群密度的其他未解释因素引起的变量;种群i对某一确定环境指标的ri、Ki、αij、和是常数,其中和的值均在0到1范围内;FQm和WQl的值均不小于0;Ei表示种群i向集合群落其他地方的迁出量;
式中,表示种群i向上游的迁出量;表示种群i向下游的迁出量;E′i表示种群i的理论迁出量,其服从二项分布E′i~B(Ni,Pi),其中Ni是种群规模;表示种群i向上游迁移的权重;表示种群i向下游迁移的权重;Lup表示当前站点与上游站点的地理间距;Ldown表示当前站点与下游站点的地理间距;
步骤3.对于集合群落动态模型中的生态位宽度、环境最佳值、竞争系数参数值,基于分位数回归方法和生态位理论进行计算;
生态位宽度采用下式计算:
种间竞争系数采用下式计算:
步骤4.模拟集合群落中多种群系统的协同演进过程,确定水量和水质对集合群落动态的影响程度。
2.根据权利要求1所述的耦合水量-水质-水生物的集合群落动态模拟方法,其特征在于:
其中,在步骤3中,对于分位数回归时采用的不同函数类型,通过评估分位数回归曲线的关键参数的稳健性,确定每对种群密度和环境因子的适合函数类型,以最终确定环境最佳值和生态位宽度。
3.根据权利要求1所述的耦合水量-水质-水生物的集合群落动态模拟方法,其特征在于:
其中,在步骤4中,先根据实测生物量数据对各种群的内禀增长率和环境容纳量参数进行率定和验证,直至达到预期;然后再模拟集合群落中多种群系统的协同演进过程,确定水量和水质对集合群落动态的影响程度。
4.根据权利要求1所述的耦合水量-水质-水生物的集合群落动态模拟方法,其特征在于:
其中,在步骤4中,通过优化控制模拟结果的纳什效率系数和皮尔逊相关系数对各种群的内禀增长率和环境容纳量参数进行率定和验证。
5.根据权利要求1所述的耦合水量-水质-水生物的集合群落动态模拟方法,其特征在于:
其中,集合群落动态模型输出项包含各种群对不同环境因子的分位数回归结果、各种群沿不同环境因子轴的生态位宽度、各种群对不同环境因子的环境最佳值、两两种群对不同环境因子的竞争系数、各种群在不同站点的协同演进过程、水量和水质效应对各种群动态的影响程度。
6.基于耦合水量-水质-水生物的集合群落动态模拟的水库生态调度方法,其特征在于:
采用权利要1至5中任意一项所述的集合群落动态模拟方法模拟集合群落中多种群系统的协同演进过程,确定水量和水质变化对集合群落动态的影响,并根据此优化和决定水库调度。
7.基于耦合水量-水质-水生物的集合群落动态模拟的水库生态调度装置,其特征在于,包括:
数据获取部,获取研究区域河流基本资料及多站点水量数据、水质数据和生物量数据作为模型输入的实测数据,并确定种群动态的影响因子与决策变量;种群动态的影响因子包括以下变量的全部或部分变量:时序t,上一时段的水量因子FR1(t-1)、FR2(t-1)、……、FRm(t-1),上一时段的水质因子WQ1(t-1)、WQ2(t-1)、……、WQl(t-1),上一时段的种群密度Ni(t-1),上一时段的种群迁入量Ii(t-1)、上一时段的种群迁出量Ei(t-1);种群动态的决策变量为当前时段的种群密度Ni(t);
模型构建部,考虑多种群间相互作用关系、水量和水质效应、种群迁入和迁出以及其他因素的影响,构建耦合水量-水质-水生物的集合群落动态模型:
式中,Ni表示种群i的密度;ri表示种群i的内禀增长率;Ki表示种群i的环境容纳量;αij表示种群i对种群j的竞争系数;J表示种群数量;N表示水量指标数量;FRm表示第m个水量指标的值;表示种群i对指标m的环境最佳值;表示种群i沿指标m的生态位宽度,这影响了由于和FRm之间的差异所导致的种群增长速度降低;L表示水质指标数量;WQl表示第l个水质指标的值;表示种群i对指标l的环境最佳值;表示种群i沿指标l的生态位宽度,这影响了由于和WQl之间的差异所导致的种群增长速度降低;Ii表示种群i从集合群落其他地方的迁入量;Oi指种群密度的其他未解释因素引起的变量;种群i对某一确定环境指标的ri、Ki、αij、和是常数,其中和的值均在0到1范围内;FRm和WQl的值均不小于0;Ei表示种群i向集合群落其他地方的迁出量;
式中,表示种群i向上游的迁出量;表示种群i向下游的迁出量;E′i表示种群i的理论迁出量,其服从二项分布E′i~B(Ni,Pi),其中Ni是种群规模;表示种群i向上游迁移的权重;表示种群i向下游迁移的权重;Lup表示当前站点与上游站点的地理间距;Ldown表示当前站点与下游站点的地理间距;
计算部,对于集合群落动态模型中的生态位宽度、环境最佳值、竞争系数参数值,基于分位数回归方法和生态位理论进行计算;
生态位宽度采用下式计算:
种间竞争系数采用下式计算:
模拟部,模拟集合群落中多种群系统的协同演进过程,确定水量和水质对集合群落动态的影响程度;
水库调度部,根据所述模拟部确定的水量和水质对集合群落动态的影响程度,优化和决定水库优化调度决策,并据此控制水库运行;以及
控制部,与所述数据获取部、所述模型构建部、所述计算部、所述模拟部、所述水库调度部均通信相连,控制它们的运行。
8.根据权利要求7所述的基于耦合水量-水质-水生物的集合群落动态模拟的水库生态调度装置,其特征在于,还包括:
输入显示部,与所述控制部通信相连,用于让用户输入操作指令,并进行相应显示。
9.根据权利要求8所述的基于耦合水量-水质-水生物的集合群落动态模拟的水库生态调度装置,其特征在于,还包括:
其中,所述输入显示部能够根据操作指令对所述集合群落动态模型的输入和输出参数进行显示,并能够对所述模拟部模拟的协同演进过程和水量和水质对集合群落动态的影响程度进行动态显示,还能够对所述水库调度部的调度决策及水库运行状况进行展示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210219240.5A CN115034425A (zh) | 2022-03-08 | 2022-03-08 | 耦合水量-水质-水生物的集合群落动态模拟、调度方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210219240.5A CN115034425A (zh) | 2022-03-08 | 2022-03-08 | 耦合水量-水质-水生物的集合群落动态模拟、调度方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115034425A true CN115034425A (zh) | 2022-09-09 |
Family
ID=83118920
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210219240.5A Pending CN115034425A (zh) | 2022-03-08 | 2022-03-08 | 耦合水量-水质-水生物的集合群落动态模拟、调度方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115034425A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115575363A (zh) * | 2022-09-27 | 2023-01-06 | 北京航空航天大学 | 一种获取生态影响机制的方法及系统 |
CN117198385A (zh) * | 2023-11-07 | 2023-12-08 | 陕西延长石油(集团)有限责任公司 | 一种油藏微生物群落竞争演化方法 |
-
2022
- 2022-03-08 CN CN202210219240.5A patent/CN115034425A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115575363A (zh) * | 2022-09-27 | 2023-01-06 | 北京航空航天大学 | 一种获取生态影响机制的方法及系统 |
CN117198385A (zh) * | 2023-11-07 | 2023-12-08 | 陕西延长石油(集团)有限责任公司 | 一种油藏微生物群落竞争演化方法 |
CN117198385B (zh) * | 2023-11-07 | 2024-03-19 | 陕西延长石油(集团)有限责任公司 | 一种油藏微生物群落竞争演化方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Dodds | Trophic state, eutrophication and nutrient criteria in streams | |
Fulton et al. | Biogeochemical marine ecosystem models II: the effect of physiological detail on model performance | |
Buzhdygan et al. | Biodiversity increases multitrophic energy use efficiency, flow and storage in grasslands | |
Certain et al. | The Nature Index: A general framework for synthesizing knowledge on the state of biodiversity | |
CN115034425A (zh) | 耦合水量-水质-水生物的集合群落动态模拟、调度方法及装置 | |
Sutela et al. | Response of fish assemblages to water quality in boreal rivers | |
CN102831297A (zh) | 一种湖泊污染成因诊断的集成方法 | |
Whitehead et al. | Dynamic modelling of multiple phytoplankton groups in rivers with an application to the Thames river system in the UK | |
Wang et al. | A DPSIR model for ecological security assessment through indicator screening: A case study at Dianchi Lake in China | |
Marcel et al. | Modelling diatom life forms and ecological guilds for river biomonitoring | |
CN105260820A (zh) | 调水工程受水区水生态系统风险评估方法 | |
Fornaroli et al. | Optimal flow for brown trout: Habitat–prey optimization | |
Zhang et al. | Deterministic diversity changes in freshwater phytoplankton in the Yunnan–Guizhou Plateau lakes in China | |
CN115953061A (zh) | 一种水资源短缺度估算方法、装置及计算机可读存储介质 | |
Yuniarti et al. | An application of Bayesian Belief Networks to assess management scenarios for aquaculture in a complex tropical lake system in Indonesia | |
Carlson et al. | Comparing stream-specific to generalized temperature models to guide salmonid management in a changing climate | |
Brun et al. | Clonal building, simple growth rules and phylloclimate as key steps to develop functional–structural seagrass models | |
Vázquez-Burgos et al. | An Analytical Hierarchy Process to manage water quality in white fish (Chirostoma estor estor) intensive culture | |
CN116562698A (zh) | 蓄滞洪区协调发展评估方法、系统、设备和存储介质 | |
Wang et al. | Effect of land use and environmental variables on phytoplankton community structure in high-elevation river, upper Yangtze river, China | |
Zhao et al. | Construction and application of an aquatic ecological model for an emergent-macrophyte-dominated wetland: A case of Hanshiqiao wetland | |
Millie et al. | Neural net modeling of estuarine indicators: Hindcasting phytoplankton biomass and net ecosystem production in the Neuse (North Carolina) and Trout (Florida) Rivers, USA | |
Liu et al. | Functional diversity and redundancy of rotifer communities affected synergistically by top-down and bottom-up effects in tropical urban reservoirs | |
CN109460869B (zh) | 水环境预警方法和装置 | |
Oliveira et al. | Influence of Ecological Multiparameters on Facets of β-Diversity of Freshwater Plankton Ciliates |
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 |