CN115049164A - 耦合社会网络模型和碳抵消的生态网络优化方法 - Google Patents
耦合社会网络模型和碳抵消的生态网络优化方法 Download PDFInfo
- Publication number
- CN115049164A CN115049164A CN202210971133.8A CN202210971133A CN115049164A CN 115049164 A CN115049164 A CN 115049164A CN 202210971133 A CN202210971133 A CN 202210971133A CN 115049164 A CN115049164 A CN 115049164A
- Authority
- CN
- China
- Prior art keywords
- ecological
- carbon
- network
- target area
- 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
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 169
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 169
- 238000005457 optimization Methods 0.000 title claims abstract description 64
- 238000000034 method Methods 0.000 title claims abstract description 37
- 230000008878 coupling Effects 0.000 title claims abstract description 13
- 238000010168 coupling process Methods 0.000 title claims abstract description 13
- 238000005859 coupling reaction Methods 0.000 title claims abstract description 13
- 238000012545 processing Methods 0.000 claims abstract description 8
- 238000004458 analytical method Methods 0.000 claims description 20
- 230000000877 morphologic effect Effects 0.000 claims description 15
- 239000002689 soil Substances 0.000 claims description 11
- 238000010586 diagram Methods 0.000 claims description 7
- UONOETXJSWQNOL-UHFFFAOYSA-N tungsten carbide Chemical compound [W+]#[C-] UONOETXJSWQNOL-UHFFFAOYSA-N 0.000 claims description 6
- 230000015556 catabolic process Effects 0.000 claims description 5
- 238000006731 degradation reaction Methods 0.000 claims description 5
- 239000011148 porous material Substances 0.000 claims description 5
- 239000013598 vector Substances 0.000 claims description 4
- 230000007613 environmental effect Effects 0.000 claims description 3
- 239000005416 organic matter Substances 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims 1
- 241000894007 species Species 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 8
- 238000011160 research Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 5
- 241000282414 Homo sapiens Species 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000009792 diffusion process Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000004575 stone Substances 0.000 description 3
- 239000002028 Biomass Substances 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000000470 constituent Substances 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000006386 neutralization reaction Methods 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 206010003694 Atrophy Diseases 0.000 description 1
- 230000037444 atrophy Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000005119 centrifugation Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000003012 network analysis Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000010937 topological data analysis Methods 0.000 description 1
- 238000012800 visualization 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
- G06Q10/04—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
- 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)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种耦合社会网络模型和碳抵消的生态网络优化方法，包括：获取目标区域的土地利用类型栅格图像；对土地利用类型栅格图像进行二值化处理，提取生态源地；计算土地利用类型栅格图像中各栅格单元的生境质量，构建生态阻力面；基于生态源地和生态阻力面识别出生态廊道；基于生态源地和生态廊道构建生态网络拓扑结构；根据生态网络拓扑结构计算网络拓扑指标，确定第一优化方案；计算土地利用类型栅格图像中各栅格单元的碳储量；生成目标区域的碳排放空间分布图；根据碳储量和碳排放空间分布图计算碳抵消率，确定第二优化方案；根据第一优化方案和第二优化方案形成目标区域的生态网络优化方案。本发明为生态网络的优化提供了新方法。
Description
技术领域
本发明属于生态优化技术领域，特别是涉及一种耦合社会网络模型和碳抵消的生态网络优化方法。
背景技术
优化国土空间开发保护格局和提升区域生态安全是生态文明建设的重要任务之一。粗放模式下的经济增长和城镇发展，常以牺牲生态安全和生态环境为代价，导致生物多样性减少、土地退化等问题日益突出，生态安全水平提升和生态保护修复迫在眉睫。国土空间生态保护修复作为恢复受损生态系统原有结构和功能的重要实施路径，已逐渐成为区域生态安全研究热点。识别并优化生态网络对于提升区域生态系统的完整性具有重大意义，是控制生态空间萎缩、维护生态功能、保障生态底线、实现区域生态安全的重要途径，也是优化区域国土空间结构的有效方法。
生态网络识别和优化应以人类对生态系统服务的需求为导向，以生态环境问题为着力点，以优化景观格局解决生态环境问题和保护自然生态过程为目的，探索人类活动与生态环境要素的耦合机制。但是现有的研究主要集中在基于栅格尺度的空间识别及优化技术，忽略了错综复杂、类型多样的空间拓扑关系，忽略了各生态源地和生态廊道的位置和空间组合所映射的复杂网络结构，其单一的分析方法较难获得关于生态网络系统化的知识和整体化的信息。而本发明所采用的社会网络模型有助于识别不同生态源地或生态廊道对整体网络结构的重要性，揭示整体生态网络格局中存在的脆弱点。
经过长时间的发展，目前生态网络识别已经形成“生态源地提取-生态阻力面构建-生态网络识别”的识别范式，而生态网络优化主要从数学模型、景观生态、土地利用配置等角度出发。现有的方案主要为：（1）在识别生态源地时，采用“贡献力-恢复力-组织力”生态源地识别体系，即从功能视角出发，对生态源地进行识别；（2）在构建生态阻力面时，在设置阻力因子权重和占比时，采用主观赋值法；（3）借助MCR模型识别生态网络，利用空间句法判断生态廊道的保护优先级，提出分类和优化方案；（4）基于ArcGIS的空间叠加技术，将雨洪、地质灾害、指示物栖息地等的综合评价进行叠加，并对研究区生态网络进行优化；（5）采用CLUE-S模型进行情景模拟，最终将研究区分为生态保护核心区、重点优化配置区、潜在优化配置区等六大分区, 为基于生态网络的土地利用优化配置提供了空间参考。
在识别生态源地时，现有技术单方面地考虑了景观的功能属性，忽略了景观结构对景观功能起着决定性作用的景观生态学原理。此外，在构建生态阻力面时，现有技术所采用的MCR模型在对生态阻力值的设置上，仍存在一定的主观性。
对生态网络的结构及功能优化，应当是系统的多目标过程。当前学术界仍缺乏对生态网络构成要素与整体格局间的相互联系等微观层面的思考，较少考虑格局构成要素的系统性和结构性对整体格局的影响。此外，生态系统本身也是人类基本的活动场所，随着人民生活消费引致能源消费增加，致使碳排放量也随之增加，因此也有必要考虑在生态保护过程中，生态网络优化如何能更有效地满足当前“双碳”战略的需求。比如，目前对生态网络识别结果的评价研究仍较为缺乏，在对生态网络进行优化时，往往忽略了生态网络的拓扑结构上的分析，并缺少对生态源地碳抵消效果的考虑，尤其是结合网络拓扑结构的视角来引入碳抵消，仍然存在着技术空白。
发明内容
本发明的目的在于克服现有技术的不足，提供一种耦合社会网络模型和碳抵消的生态网络优化方法。
本发明的目的是通过以下技术方案来实现的：耦合社会网络模型和碳抵消的生态网络优化方法，包括：
获取目标区域的土地利用类型栅格图像；
对土地利用类型栅格图像进行二值化处理，利用形态学空间格局分析方法提取目标区域中的生态源地；
计算土地利用类型栅格图像中各栅格单元的生境质量，并构建目标区域中的生态阻力面；
基于生态源地和生态阻力面识别出目标区域中的生态廊道；
以生态源地的质心为节点、生态廊道为边构建生态网络拓扑结构；
根据生态网络拓扑结构计算预设的网络拓扑指标，并根据网络拓扑指标确定第一优化方案；
计算土地利用类型栅格图像中各栅格单元的碳储量；
生成目标区域的碳排放空间分布图；
根据栅格单元的碳储量和碳排放空间分布图计算每个栅格单元的碳抵消率，并根据碳抵消率确定第二优化方案；
根据第一优化方案和第二优化方案形成目标区域的生态网络优化方案；
其中，栅格单元的碳抵消率为该栅格单元内碳储量占碳排放量的百分比。
进一步的，对土地利用类型栅格图像进行二值化处理，利用形态学空间格局分析方法提取目标区域中的生态源地，包括：
对土地利用类型栅格图像进行二值化处理得到二值栅格图像；
利用形态学空间格局分析方法将二值栅格图像识别并分割为七类景观，所述七类景观包括核心区、分支、边缘、孔隙、孤岛、桥接区和环线区；
选择一个或多个核心区作为生态源地。
进一步的，计算土地利用类型栅格图像中各栅格单元的生境质量，并构建目标区域中的生态阻力面，包括：
计算目标区域中各景观的生境质量；
根据所述生境质量计算各景观的生态阻力值，所述景观的生态阻力值为该景观的生境质量的倒数；
利用所述景观的生态阻力值和电路理论连接度模型得到目标区域中的生态阻力面。
进一步的，所述景观的生境质量的计算公式为：
式中，Qxj为第j种景观类型x栅格单元的生境质量指数；Hj为第j种景观类型的生境适宜度，取值范围为0—1；z为尺度常数，取2.5；k为半饱和常数；Dxj为生境退化度。
进一步的，基于生态源地和生态阻力面识别出目标区域中的生态廊道，包括：
基于所述生态源地和生态阻力面，利用电路理论连接度模型识别出生态廊道，所述生态廊道为生态源地之间各物种流动的最低阻力障碍通道。
进一步的，所述网络拓扑指标包括中介中心度、接近中心度、特征向量中心性、聚类系数、度、三角形和离心度。
进一步的，所述碳储量的计算公式为:
Ctotal=Cabove+Cbelow+Csoil+Cdead
式中，Ctotal是栅格单元总的碳储量；Cabove是栅格单元地上生物中的碳储量；Cbelow是栅格单元地下生物中的碳储量； Csoil是栅格单元土壤中的碳储量；Cdead是栅格单元死亡有机物中的碳储量；碳储量的单位均为mg/hm2。
进一步的，所述碳排放空间分布图中各像元的碳排放数值的计算公式为：
式中：TCit为i区域第t年的碳排放统计值；DNi为i区域内的夜间灯光值；n为像元数量；K为拟合系数；c为某一像元；NCct为线性调整后的碳排放像元值；NCit为线性调整后的区域碳排放平均值；FCct为像元c第t年最终的碳排放数值。
进一步的，生成目标区域的碳排放空间分布图，包括：
基于县级碳排放统计数据和夜间灯光数据生成目标区域的碳排放空间分布图。
进一步的，根据碳抵消率确定第二优化方案，包括：
获取碳抵消率小于阈值的栅格单元作为碳抵消率低值区；
根据所述碳抵消率低值区确定第二优化方案。
本发明的有益效果是：
（1）本发明将碳抵消的理念运用到生态网络优化过程中，借助碳抵消率指标探讨碳储量抵消能源碳排放的效果，以体现碳抵消效果的空间差异；在对生态网络进行优化时，重点关注这些碳抵消效果较差的区域，通过为这些区域增加踏脚石或生态廊道，增加这些脆弱区与整体生态网络之间的联系，使生态环境改善和能源碳排放之间的矛盾得以缓解，对推进碳达峰、碳中和具有重要意义；
（2）本发明中采用形态学空间格局分析方法来识别核心区，由于形态学空间格局分析方法是将景观结构连通性和功能连通性相结合的一种景观格局分析方法，因而能够识别出具有较大面积的、对生态系统完整性和维持生态系统多样性起着十分重要的作用的核心区斑块，充分考虑到了景观结构决定景观功能的景观生态学原理；
（3）由于生境质量是根据土地利用类型数据、威胁因子数据以及威胁源等数据，采用InVEST模型中的生物多样性模块进行运算的，因此本发明中通过对生境质量取倒数所得到的生态阻力值的方法显然优于现有技术中采用主观赋予生态阻力值的方法；
（4）由于拓扑结构是植被变化的重要驱动因素之一，因此本发明中从社会网络理论推导出的拓扑指标可以充分表示生态源地之间的相对空间关系，即生态源地之间的拓扑关系；基于社会网络模型的生态网络拓扑特征分析方法快捷方便，可视化功能强，可弥补当前生态网络识别和优化中对生态网络拓扑特征考虑不足的短板。
（5）本发明中对于碳抵消率的计算所需的基础数据可得性强，其中对碳排放的计算还有助于体现能源碳排放的空间分布差异，弥补了当前生态网络识别和优化中对能源碳排放考虑不足的短板，同时能够促进生态网络识别和优化更好地满足碳中和、碳达峰需求；
（6）本发明通过探索生态网络拓扑网络结构特征，同时基于碳抵消率指标的空间分布特征，对生态结构和功能脆弱处进行优化，为生态网络的优化提供了新方法、新依据、新思路。
附图说明
图1为本发明中生态网络优化方法的一个实施例的流程图；
图2为某地区2005年生态源地的空间分布状况示意图；
图3为某地区2018年生态源地的空间分布状况示意图；
图4为某地区2005年的阻力面空间分布状况示意图；
图5为某地区2018年的阻力面空间分布状况示意图；
图6为某地区2005年的生态网络示意图；
图7为某地区2018年的生态网络示意图；
图8为某地区2005生态网络拓扑分析结果示意图；
图9为某地区2018生态网络拓扑分析结果示意图；
图10为某地区碳储量的空间分布示意图；
图11为某地区碳排放的空间分布示意图；
图12为某地区碳抵消率的空间分布示意图；
图13为某地区拓扑网络优化图；
图14为某地区碳抵消率和生态源地叠加分析图；
图15为某地区生态网络优化方案图。
具体实施方式
下面将结合实施例，对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有付出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
参阅图1-图15，本实施例提供了一种耦合社会网络模型和碳抵消的生态网络优化方法：
如图1所示，耦合社会网络模型和碳抵消的生态网络优化方法，包括：
S100. 获取目标区域的土地利用类型栅格图像。
例如，所述土地利用类型栅格图像可以在网上下载得到，下载地址为http://www.dsac.cn/DataProduct/Detail/200804。
S200. 对土地利用类型栅格图像进行二值化处理，利用形态学空间格局分析方法提取目标区域中的生态源地。
在一个实施例中，对土地利用类型栅格图像进行二值化处理，利用形态学空间格局分析方法提取目标区域中的生态源地，包括：
S210. 对土地利用类型栅格图像进行二值化处理得到二值栅格图像。
在一个实施例中，所述二值栅格图像的生成方法为：将土地利用类型栅格图像中具有生态效应的用地（如林地、草地等）设置为前景、其他非生态用地设为背景，利用ArcGIS软件平台进行二值化重分类得到二值栅格图像。
S220.利用形态学空间格局分析方法将二值栅格图像识别并分割为七类景观，所述七类景观包括核心区、分支、边缘、孔隙、孤岛、桥接区和环线区；
即，利用形态学空间格局分析方法通过数学形态学原理采用腐蚀、膨胀、开运算、闭运算等数学运算，将目标区域的二值栅格图像识别并分割为七类互斥的景观要素（七类景观为核心区、分支、边缘、孔隙、孤岛、桥接区和环线区）。具体的，将目标区域的二值栅格图像导入GuidoToolbox2.8_64windows软件平台中，通过一系列图形处理方法得到功能不同的七类景观，即核心区、分支、边缘、孔隙、孤岛、桥接区和环线区。
S230.选择一个或多个核心区作为生态源地，如选取面积大小排序前P的核心区作为生态源地，P为生态源地的数量。
由于核心区斑块作为较大的生境斑块，能够提供更为充足的栖息空间和资源，因此本实施例中将核心区斑块作为供给筛选生态源地的对象。
S300.计算土地利用类型栅格图像中各栅格单元的生境质量，构建所述目标区域中的生态阻力面。
在一个实施例中，计算土地利用类型栅格图像中各栅格单元的生境质量，构建所述目标区域中的生态阻力面，包括：
S310.计算目标区域中各景观的生境质量。
生境质量指数是对区域土地利用类型的生境适宜性和生境退化程度状况进行评价的一个无量纲综合性指标，所述景观的生境质量的计算公式为：
式中，Qxj为第j种景观类型x栅格单元的生境质量指数；Hj为第j种景观类型的生境适宜度，取值范围为0—1；z为尺度常数，取2.5；k为半饱和常数；Dxj为生境退化度。
S320.根据所述生境质量计算各景观的生态阻力值。
所述景观的生态阻力值为该景观的生境质量的倒数。生境质量越好的地区，生物种类越多，生态信息传递越畅通，物种流动与信息传递效率越高，生态阻力值越低。
S330.利用所述景观的生态阻力值和电路理论连接度模型得到目标区域中的生态阻力面。
电路理论连接度模型利用电荷在电路中随机游走的特性来模拟物种个体在某一景观中的迁移扩散过程，将复杂景观中的物种个体或基因流类比于电荷，经过的景观视为电阻面（即生态阻力面），根据是否利于某种生态过程为各类景观赋予相应的电阻值（即生态阻力值）。电路理论连接度模型因结合了物种运动的随机性而更具有解释力。
S400. 基于生态源地和生态阻力面识别出目标区域中的生态廊道。
在一个实施例中，基于生态源地和生态阻力面识别出目标区域中的生态廊道，包括：基于所述生态源地和生态阻力面，利用电路理论连接度模型识别出生态廊道。
生态廊道是生态源地之间物种流动、信息传递的重要线路，也是最低阻力障碍的通道。生态廊道通过联系不同生态源地，增加了区域生态景观的连通性，维护了区域生态的稳定性。
在一个实施例中，基于电路理论，利用依托Circuitscape平台的Linkage Mapper工具，对生态网络进行初步识别（对生态网络进行初步识别包括提取生态源地、构建生态阻力面和识别生态廊道）。
S500. 以生态源地的质心为节点、生态廊道为边构建生态网络拓扑结构。
在一个实施例中，利用ArcGIS平台提取面要素质点技术，将生态源地面要素的质心提取出来，并将其抽象为拓扑网络结构（生态网络拓扑结构）中的节点。生态廊道是生态能量流动的路径，也是生态源地之间进行物质信息交换的重要通道，故将生态廊道提取为拓扑网络结构的边。最后，建立目标区域的无权无向的拓扑网络结构（生态网络拓扑结构）。
S600. 根据生态网络拓扑结构计算预设的网络拓扑指标，并根据网络拓扑指标确定第一优化方案。
所述网络拓扑指标包括中介中心度、接近中心度、特征向量中心性、聚类系数、度、三角形和离心度。
本实施例中，通过计算预设的网络拓扑指标，分析生态网络的节点特征以及整个网络的复杂性和结构特性，同时探讨网络拓扑指标所揭示的景观生态学含义及其空间分异规律，能够全面了解某地区生态网络的形态特征和空间格局特征。同时，从社会网络的层面探讨生态网络的拓扑结构特征，有助于发掘传统方法尚未注意到的特性，进而揭示生态网络的形成和演化，能够为生态网络的识别和优化提供一种新的依据。
S700. 计算土地利用类型栅格图像中各栅格单元的碳储量。
在一个实施例中，在计算碳储量时采用生态系统服务功能评估模型，通过四个碳库（地上生物量碳储量，地下生物量碳储量，土壤碳储量和有机质碳储量）密度相加来估算碳储量。所述碳储量的计算公式为:
Ctotal=Cabove+Cbelow+Csoil+Cdead （2）
式中，Ctotal是栅格单元总的碳储量；Cabove是栅格单元地上生物中的碳储量；Cbelow是栅格单元地下生物中的碳储量； Csoil是栅格单元土壤中的碳储量；Cdead是栅格单元死亡有机物中的碳储量；碳储量的单位均为mg/hm2。
S800. 生成目标区域的碳排放空间分布图。
在一个实施例中，生成目标区域的碳排放空间分布图，包括：基于县级碳排放统计数据和夜间灯光数据生成目标区域的碳排放空间分布图。具体的，在计算碳排放时，基于夜间灯光数据模拟栅格尺度上的碳排放。为了夜间灯光指标能够更好地拟合碳排放，将区域夜间灯光总强度与县级碳排放统计数据进行相关性分析，并构建拟合模型。考虑到降尺度模型反演精度，本实施例选用不含截距的线性模型，其拟合关系见公式（3）和公式（4）。借助拟合系数K，基于夜间灯光数据初步估算碳排放。为进一步提高碳排放空间化的精度，本实施例使用初步估算的碳排放和县级碳排放统计数据，对碳排放网格数据进行线性调整，这样可以提高碳排放空间化的准确度，生成目标区域的碳排放空间分布图。所述碳排放空间分布图中各像元的碳排放数值的计算公式为：
式中：TCit为i区域第t年的碳排放统计值；DNi为i区域内的夜间灯光值；n为像元数量；K为拟合系数；c为某一像元；NCct为线性调整后的碳排放像元值；NCit为线性调整后的区域碳排放平均值；FCct为像元c第t年最终的碳排放数值。
S900. 根据栅格单元的碳储量和碳排放空间分布图计算每个栅格单元的碳抵消率，并根据碳抵消率确定第二优化方案。
所述栅格单元的碳抵消率为该栅格单元内碳储量占碳排放量的百分比。即，某地区森林植被的碳抵消作用界定为：某地区森林植被的年碳储量占区域能源碳排放量的比重，即通过每个栅格内碳储量占碳排放量的百分比来计算碳抵消率。
在一个实施例中，根据碳抵消率确定第二优化方案，包括：获取碳抵消率小于阈值的栅格单元作为碳抵消率低值区；根据所述碳抵消率低值区确定第二优化方案。
S1000. 根据所述第一优化方案和第二优化方案形成目标区域的生态网络优化方案。
例如，对于网络拓扑结构脆弱点，可通过为该节点增加生态廊道，强化其与整个生态网络间的联系。对未被生态源地所覆盖的碳抵消率低值区，通过设置关键点作为物种扩散的"踏脚石"，从而进一步提升生态源地的碳抵消能力。
下面以采用本实施例方案进行生态网络优化的一个案例。
基于形态学空间格局分析提取核心区斑块，筛选生态源地。借助形态学空间格局分析模型，提取出核心区斑块，将面积大小排序前200的核心区斑块提取为生态源地。图2和图3为2005年与2018年某地区生态源地的空间分布状况，2005年生态源地总面积为68631.39km2，2018年生态源地总面积为66018.76km2。
构建生态阻力面。基于生态系统服务功能评估模型，模拟出目标区域生境质量分布，并根据生境质量高低，对其取反比，构建出阻碍目标区域生态流动格局的阻力面，如图4和图5所示。
识别生态网络。利用Circuitscape平台和Linkage Mapper工具，识别出初步的生态网络，如图6和图7所示。
拓扑网络抽象化。基于生态网络识别结果，借助社会网络分析方法，对两期生态网络拓扑特征进行了分析，如图8和图9所示。2005-2018年，由9个模块变为8个模块。2005年，生态网络结构较为简单，网络易形成包含节点较少的模块，不同模块间的联系相对较少。2018年，各模块内的聚类系数普遍有所上升，说明随着生态治理工程和生态保护政策的实施，生态网络关系也随之变得复杂起来，更易形成包含大量生态源地的复杂模块，模块间的联系变得紧密。此外，通过2005-2018年拓扑指标值的对比分析可知，集聚系数有所降低，平均廊道长度、平均度和三角形个数增加，表明生态网络整体变得更加松散，辐射面更广，生态网络更为稳定。特征向量中心性有明显改善，说明相邻的生态源地能起到生态功能重要性互助提升的作用，如表1所示。
表1 拓扑指标值对比
碳抵消效果分析。基于生态系统服务功能评估模型的Carbon模块，计算得到碳储量的空间分布图，如图10所示。通过融合县级碳排放统计数据和夜间灯光数据，对某地区的碳排放进行网格化计算，从而得到碳排放的空间分布图，如图11所示。通过每个栅格内碳储量值占到碳排放量的百分比来计算2018年碳抵消率指标，计算结果如图12所示。
生态网络优化。通过两期生态网络拓扑指标的对比分析，从拓扑结构优化的角度，对生态网络进行了优化，如图13所示。首先，选择32号节点和14号节点，即中介中心性较大的两个节点进行优化。由于中介中心性越大，意味着节点更容易拥塞，并成为网络的瓶颈。因此，所提出的优化策略是通过增加生态走廊和减少通过这些森林节点的最短路径来降低节点的中介中心性，以提高节点的碳储存能力。32号节点是119号节点通往其他节点之间的唯一“桥梁”，同时，14号节点也是179号节点通往其他节点之间的唯一“桥梁”，因此，所提出的优化建议是在119号节点和96号节点、164号节点、147号节点、10号节点、3号节点之间建立生态廊道，并在179号节点和42号节点、193号节点、5号节点、111号节点之间建立生态廊道，从而降低32号节点和14号节点的中介中心性。此外，152号节点的聚类系数是0，可见该节点的聚集程度较低。因此所提出的优化策略是在59号、109号、135号、168号、134号、23号、7号和19号节点之间建立生态廊道，以增加152号节点的聚类系数。
将2018年碳抵消率图层和2018年生态源地图层进行叠加分析如图14所示，可知碳抵消率低值区往往没有很好的被生态源地所覆盖，表示该研究区的植被碳抵消能力仍有待提升。因此，在这些生态脆弱区，即碳抵消率低值区以及生态源地未覆盖处，设置关键点作为物种扩散的"踏脚石"，从而进一步提升研究区生态源地的碳抵消能力。最终研究区的生态网络的优化方案如图15所示。
以上所述仅是本发明的优选实施方式，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。
Claims (10)
1.耦合社会网络模型和碳抵消的生态网络优化方法，其特征在于，包括：
获取目标区域的土地利用类型栅格图像；
对土地利用类型栅格图像进行二值化处理，利用形态学空间格局分析方法提取目标区域中的生态源地；
计算土地利用类型栅格图像中各栅格单元的生境质量，并构建目标区域中的生态阻力面；
基于生态源地和生态阻力面识别出目标区域中的生态廊道；
以生态源地的质心为节点、生态廊道为边构建生态网络拓扑结构；
根据生态网络拓扑结构计算预设的网络拓扑指标，并根据网络拓扑指标确定第一优化方案；
计算土地利用类型栅格图像中各栅格单元的碳储量；
生成目标区域的碳排放空间分布图；
根据栅格单元的碳储量和碳排放空间分布图计算每个栅格单元的碳抵消率，并根据碳抵消率确定第二优化方案；
根据第一优化方案和第二优化方案形成目标区域的生态网络优化方案；
其中，栅格单元的碳抵消率为该栅格单元内碳储量占碳排放量的百分比。
2.根据权利要求1所述的耦合社会网络模型和碳抵消的生态网络优化方法，其特征在于，对土地利用类型栅格图像进行二值化处理，利用形态学空间格局分析方法提取目标区域中的生态源地，包括：
对土地利用类型栅格图像进行二值化处理得到二值栅格图像；
利用形态学空间格局分析方法将二值栅格图像识别并分割为七类景观，所述七类景观包括核心区、分支、边缘、孔隙、孤岛、桥接区和环线区；
选择一个或多个核心区作为生态源地。
3.根据权利要求1所述的耦合社会网络模型和碳抵消的生态网络优化方法，其特征在于，计算土地利用类型栅格图像中各栅格单元的生境质量，并构建目标区域中的生态阻力面，包括：
计算目标区域中各景观的生境质量；
根据所述生境质量计算各景观的生态阻力值，所述景观的生态阻力值为该景观的生境质量的倒数；
利用所述景观的生态阻力值和电路理论连接度模型得到目标区域中的生态阻力面。
4.根据权利要求3所述的耦合社会网络模型和碳抵消的生态网络优化方法，其特征在于，所述景观的生境质量的计算公式为：
式中，Qxj为第j种景观类型x栅格单元的生境质量指数；Hj为第j种景观类型的生境适宜度，取值范围为0—1；z为尺度常数，取2.5；k为半饱和常数；Dxj为生境退化度。
5.根据权利要求1所述的耦合社会网络模型和碳抵消的生态网络优化方法，其特征在于，基于生态源地和生态阻力面识别出目标区域中的生态廊道，包括：
基于所述生态源地和生态阻力面，利用电路理论连接度模型识别出生态廊道，所述生态廊道为生态源地之间各物种流动的最低阻力障碍通道。
6.根据权利要求1所述的耦合社会网络模型和碳抵消的生态网络优化方法，其特征在于，所述网络拓扑指标包括中介中心度、接近中心度、特征向量中心性、聚类系数、度、三角形和离心度。
7.根据权利要求1所述的耦合社会网络模型和碳抵消的生态网络优化方法，其特征在于，所述碳储量的计算公式为:
Ctotal=Cabove+Cbelow+Csoil+Cdead
式中，Ctotal是栅格单元总的碳储量；Cabove是栅格单元地上生物中的碳储量；Cbelow是栅格单元地下生物中的碳储量； Csoil是栅格单元土壤中的碳储量；Cdead是栅格单元死亡有机物中的碳储量；碳储量的单位均为mg/hm2。
8.根据权利要求1所述的耦合社会网络模型和碳抵消的生态网络优化方法，其特征在于，所述碳排放空间分布图中各像元的碳排放数值的计算公式为：
式中：TCit为i区域第t年的碳排放统计值；DNi为i区域内的夜间灯光值；n为像元数量；K为拟合系数；c为某一像元；NCct为线性调整后的碳排放像元值；NCit为线性调整后的区域碳排放平均值；FCct为像元c第t年最终的碳排放数值。
9.根据权利要求1所述的耦合社会网络模型和碳抵消的生态网络优化方法，其特征在于，生成目标区域的碳排放空间分布图，包括：
基于县级碳排放统计数据和夜间灯光数据生成目标区域的碳排放空间分布图。
10.根据权利要求1所述的耦合社会网络模型和碳抵消的生态网络优化方法，其特征在于，根据碳抵消率确定第二优化方案，包括：
获取碳抵消率小于阈值的栅格单元作为碳抵消率低值区；
根据所述碳抵消率低值区确定第二优化方案。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210971133.8A CN115049164B (zh) | 2022-08-15 | 2022-08-15 | 耦合社会网络模型和碳抵消的生态网络优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210971133.8A CN115049164B (zh) | 2022-08-15 | 2022-08-15 | 耦合社会网络模型和碳抵消的生态网络优化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115049164A true CN115049164A (zh) | 2022-09-13 |
| CN115049164B CN115049164B (zh) | 2022-10-21 |
Family
ID=83166546
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210971133.8A Active CN115049164B (zh) | 2022-08-15 | 2022-08-15 | 耦合社会网络模型和碳抵消的生态网络优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115049164B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115730833A (zh) * | 2022-10-31 | 2023-03-03 | 湖北省规划设计研究总院有限责任公司 | 一种基于InVEST模型的陆地生态系统碳储量估算方法 |
| CN116151413A (zh) * | 2022-11-10 | 2023-05-23 | 东南大学 | 一种乡村生态系统碳储量预测方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105205466A (zh) * | 2015-09-21 | 2015-12-30 | 广州地理研究所 | 一种基于夜间灯光影像的能源碳排放量遥感估算方法 |
| WO2017192484A2 (en) * | 2016-05-02 | 2017-11-09 | Arizona Board of Regents of behalf of Arizona State University | Systems and methods for simultaneous control of carbon dioxide and nitric oxide and generation of nitrous oxide |
| CN108875583A (zh) * | 2018-05-23 | 2018-11-23 | 河海大学 | 一种基于城市建筑分类的tnl-gdp回归模型构建方法 |
| CN109919819A (zh) * | 2019-01-17 | 2019-06-21 | 华南理工大学 | 区域生态网络的构建、评价和优化方法 |
| CN111553237A (zh) * | 2020-04-23 | 2020-08-18 | 江西理工大学 | 一种基于多态叠加Gamma分布的LJ1-01夜间灯光数据去噪方法 |
| CN111861170A (zh) * | 2020-07-07 | 2020-10-30 | 河南大学 | 一种碳排放空间制图方法、密度空间分布确定方法与装置 |
-
2022
- 2022-08-15 CN CN202210971133.8A patent/CN115049164B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105205466A (zh) * | 2015-09-21 | 2015-12-30 | 广州地理研究所 | 一种基于夜间灯光影像的能源碳排放量遥感估算方法 |
| WO2017192484A2 (en) * | 2016-05-02 | 2017-11-09 | Arizona Board of Regents of behalf of Arizona State University | Systems and methods for simultaneous control of carbon dioxide and nitric oxide and generation of nitrous oxide |
| CN108875583A (zh) * | 2018-05-23 | 2018-11-23 | 河海大学 | 一种基于城市建筑分类的tnl-gdp回归模型构建方法 |
| CN109919819A (zh) * | 2019-01-17 | 2019-06-21 | 华南理工大学 | 区域生态网络的构建、评价和优化方法 |
| CN111553237A (zh) * | 2020-04-23 | 2020-08-18 | 江西理工大学 | 一种基于多态叠加Gamma分布的LJ1-01夜间灯光数据去噪方法 |
| CN111861170A (zh) * | 2020-07-07 | 2020-10-30 | 河南大学 | 一种碳排放空间制图方法、密度空间分布确定方法与装置 |
Non-Patent Citations (5)
| Title |
|---|
| 孙亚男等: "中国省际碳排放的空间关联性及其效应研究――基于SNA的经验考察", 《上海经济研究》 * |
| 张德钢等: "中国碳排放的空间关联及其解释――基于社会网络分析法", 《软科学》 * |
| 彭立等: "四川盆地多重生态系统服务景观指数评价与服务簇", 《生态学报》 * |
| 莫振淳等: "基于综合重要度评价的生态空间网络关键节点识别", 《湖南工业大学学报》 * |
| 贾婉琳等: "基于InVEST模型的赤水河流域生态系统服务功能评估研究", 《中国水利水电科学研究院学报》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115730833A (zh) * | 2022-10-31 | 2023-03-03 | 湖北省规划设计研究总院有限责任公司 | 一种基于InVEST模型的陆地生态系统碳储量估算方法 |
| CN115730833B (zh) * | 2022-10-31 | 2024-03-12 | 湖北省规划设计研究总院有限责任公司 | 一种基于InVEST模型的陆地生态系统碳储量估算方法 |
| CN116151413A (zh) * | 2022-11-10 | 2023-05-23 | 东南大学 | 一种乡村生态系统碳储量预测方法 |
| CN116151413B (zh) * | 2022-11-10 | 2024-04-26 | 东南大学 | 一种乡村生态系统碳储量预测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115049164B (zh) | 2022-10-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Qian et al. | Ecological network construction and optimization in Guangzhou from the perspective of biodiversity conservation | |
| Luo et al. | Can policy maintain habitat connectivity under landscape fragmentation? A case study of Shenzhen, China | |
| Nikolakaki | A GIS site-selection process for habitat creation: estimating connectivity of habitat patches | |
| CN115049164B (zh) | 耦合社会网络模型和碳抵消的生态网络优化方法 | |
| Qian et al. | Construction of ecological security pattern in coastal urban areas: A case study in Qingdao, China | |
| Liu et al. | A method of linking functional and structural connectivity analysis in urban green infrastructure network construction | |
| CN109919819B (zh) | 区域生态网络的构建、评价和优化方法 | |
| CN115759883B (zh) | 基于网络群组特征的生态管理分区方法 | |
| Men et al. | Ecological network identification and connectivity robustness evaluation in the Yellow River Basin under a multi-scenario simulation | |
| Wang et al. | Integrating ecosystem services and landscape connectivity into the optimization of ecological security pattern: a case study of the Pearl River Delta, China | |
| Wang et al. | Identifying ecological security patterns to prioritize conservation and restoration: A case study in Xishuangbanna tropical region, China | |
| CN115759669A (zh) | 一种基于复合功能的城市蓝绿生态网络构建方法 | |
| Chang et al. | Urban landscape pattern design from the viewpoint of networks: A case study of Changzhou city in Southeast China | |
| Zhang et al. | Application of MSPA-MCR models to construct ecological security pattern in the basin: A case study of Dawen River basin | |
| Chen et al. | Construction and optimization of regional ecological security patterns based on MSPA-MCR-GA Model: A case study of Dongting Lake Basin in China | |
| Peng et al. | Integrating potential land use conflict into ecological security pattern in response to land use/cover changes at a county scale in Yangtze River Delta, China | |
| Godoy et al. | Modelling intra-urban dynamics in the Savassi neighbourhood, Belo Horizonte city, Brazil | |
| Vanegas et al. | Allocating reforestation areas for sediment flow minimization: an integer programming formulation and a heuristic solution method | |
| Zhou et al. | Multilevel green space ecological network collaborative optimization from the perspective of scale effect | |
| CN113554221B (zh) | 一种“流空间”视角下的城镇开发边界模拟预测方法 | |
| Wang et al. | Study on the characteristics of ecological network and critical areas of ecological restoration in Hebei-Tianjin coastal wetlands | |
| CN108304576A (zh) | 一种智能交互式的生态控制线划定方法及装置 | |
| Ramachandra et al. | Ecologically sensitive regions in Belgaum district, Karnataka, Central Western Ghats | |
| Liu et al. | Modeling Potential Dispersal Routes for Giant Pandas in Their Key Distribution Area of the Qinling Mountains, China | |
| Liu et al. | Modeling Potential Dispersal Routes for Giant Pandas in Their Key Distribution Area of the Qinling Mountains |
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 |