CN115391973A - 一种小流域景观生态空间数据处理方法 - Google Patents
一种小流域景观生态空间数据处理方法 Download PDFInfo
- Publication number
- CN115391973A CN115391973A CN202210720673.9A CN202210720673A CN115391973A CN 115391973 A CN115391973 A CN 115391973A CN 202210720673 A CN202210720673 A CN 202210720673A CN 115391973 A CN115391973 A CN 115391973A
- Authority
- CN
- China
- Prior art keywords
- node
- ecological
- landscape
- complex network
- nodes
- 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
- 238000003672 processing method Methods 0.000 title claims description 11
- 238000004088 simulation Methods 0.000 claims abstract description 50
- 238000011156 evaluation Methods 0.000 claims abstract description 49
- 230000008859 change Effects 0.000 claims abstract description 30
- 238000012545 processing Methods 0.000 claims abstract description 27
- 238000000034 method Methods 0.000 claims abstract description 24
- 238000005457 optimization Methods 0.000 claims abstract description 24
- 230000003068 static effect Effects 0.000 claims abstract description 5
- 239000002689 soil Substances 0.000 claims description 30
- 238000004458 analytical method Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 11
- 230000001186 cumulative effect Effects 0.000 claims description 8
- 230000003628 erosive effect Effects 0.000 claims description 5
- 230000006870 function Effects 0.000 description 19
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 16
- 238000011160 research Methods 0.000 description 15
- 238000010586 diagram Methods 0.000 description 14
- 238000010276 construction Methods 0.000 description 9
- 238000011161 development Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 5
- 230000008595 infiltration Effects 0.000 description 5
- 238000001764 infiltration Methods 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 230000002093 peripheral effect Effects 0.000 description 4
- 239000004575 stone Substances 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000002829 reductive effect Effects 0.000 description 3
- 238000011144 upstream manufacturing Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000005094 computer simulation Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000035515 penetration Effects 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 230000009897 systematic effect Effects 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 241000579895 Chlorostilbon Species 0.000 description 1
- 241000218691 Cupressaceae Species 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 229910052876 emerald Inorganic materials 0.000 description 1
- 239000010976 emerald Substances 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000002262 irrigation Effects 0.000 description 1
- 238000003973 irrigation Methods 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 230000000116 mitigating effect Effects 0.000 description 1
- 230000001483 mobilizing effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 238000004162 soil erosion Methods 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000009182 swimming Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
-
- 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
-
- 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
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/60—Ecological corridors or buffer zones
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Tourism & Hospitality (AREA)
- Computer Hardware Design (AREA)
- General Health & Medical Sciences (AREA)
- Computational Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Primary Health Care (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Computer Networks & Wireless Communication (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种小流域景观生态空间数据处理方法,包括:对小流域景观生态空间原始数据进行处理,之后,对小流域景观生态空间现状特征进行仿真,得到景观生态空间现状仿真模型;然后,根据景观生态空间现状仿真模型,对景观生态空间静态韧性进行评估,得到第一评估结果;根据景观生态空间现状仿真模型,对景观生态空间动态变化进行仿真,得到动态变化仿真模型;根据动态变化仿真模型,对景观生态空间动态韧性进行评估,得到第二评估结果;根据第一评估结果或第二评估结果,对景观格局或生态网络进行优化,得到第一优化结果或第二优化结果;根据第一优化结果和/或第二优化结果,得到优化后的小流域景观生态空间,以完成数据处理。
Description
技术领域
本发明涉及景观生态技术领域,具体涉及一种小流域景观生态空间数据处理方法。
背景技术
黄土高原占国土面积的40%,大都为丘陵沟壑区。黄土丘陵沟壑区主要位于黄河中游,是由数百个小流域构成。它不但承担着当地粮食生产、水源涵养与土壤保持等生态功能,还向下游提供水源涵养、灌溉等外溢生态服务。生态景观的恢复应当是一种可持续的过程,需要体现出持续适应、积极应对的韧性思维。韧性即对扰动的适应,在复杂且动态变化中评估生态景观韧性的研究意义重大。它是对区域生态修复的前提。
生态景观韧性是生态景观受扰动后系统发生重组并维持系统基本结构和功能的能力。当前的韧性评估研究主要有两类,第一类是主流的基于韧性指标叠加的评估方式,以Kristine提出的快速评估方法为代表,涵盖多样性、可变性、模块化、社会资本等。相关定性研究还包括韧性联盟提出的工作手册。然而,基于定量叠加的研究方法忽视了小流域生态景观系统的复杂性、动态性与多尺度空间结构。第二类是基于空间的研究方法。基于系统内部和外部元素的空间排列、差异和相互作用等揭示与评估空间韧性。相关研究丰富了空间韧性评估手段,加入了形态的可变化性、多样性与连通性等评估指标。然而,部分生态景观节点与联系在生态景观系统的中具有突出贡献,仍需要提升对它们的评估技术。此外,基于空间的研究方法对于空间要素的关系研究薄弱,韧性评估指标匮乏。
发明内容
本发明的目的在于提供一种小流域景观生态空间数据处理方法,以解决现有的基于空间的研究方法对于空间要素的关系研究薄弱,韧性评估指标匮乏的问题。
本发明解决上述技术问题的技术方案如下:
本发明提供一种小流域景观生态空间数据处理方法,所述小流域景观生态空间数据处理方法包括:
S1:获取小流域景观生态空间原始数据;
S2:对所述小流域景观生态空间原始数据进行处理,得到处理结果;
S3:根据所述处理结果,对所述小流域景观生态空间现状特征进行仿真,得到景观生态空间现状仿真模型;
S4:根据所述景观生态空间现状仿真模型,对景观生态空间静态韧性进行评估,得到第一评估结果;
S5:根据所述景观生态空间现状仿真模型,对景观生态空间动态变化进行仿真,得到动态变化仿真模型;
S6:根据所述动态变化仿真模型,对景观生态空间动态韧性进行评估,得到第二评估结果;
S7:根据所述第一评估结果,对景观格局进行优化,得到第一优化结果,和/或,根据所述第二评估结果,对生态网络进行优化,得到第二优化结果;
S8:根据所述第一优化结果和/或所述第二优化结果,得到优化后的小流域景观生态空间,以完成数据处理。
可选择地,所述步骤S2中,所述处理结果包括植被覆盖特征、土地利用特征、地形地貌特征和土壤可侵蚀度;所述植被覆盖特征包括NDVI植被指数和植被覆盖度;所述植被覆盖特征包括NDVI植被指数和植被覆盖度;
所述NDVI植被指数为:
NDVI=(NIR-R)/(NIR+R)
所述植被覆盖度为Ci:
Ci=(NDVI-NDVIsoil)/(NDVIveg-NDVIsoil)
其中,NIR表示近红外波段,R表示红波段,NDVIsoil和NDVIveg分别表示NDVI的频率统计表中累计频率为5%与95%的值;
所述地形地貌特征包括地形起伏度,所述地形起伏度Lsi为:
Lsi=Hmax-Hmin
其中,Hmax表示一定范围内海拔的最大值,Hmin表示一定范围内海拔的最小值;
所述土壤可侵蚀度SSi为:
其中,Ri表示降雨侵蚀力指标,Ki表示土壤类型,LSi表示地形起伏度, Ci表示植被覆盖度。
可选择地,所述步骤S3包括:
S31:确定生态源地;
S32:根据所述生态源地确定复杂网络的节点和所述生态源地的功能属性;
S33:根据所述生态源地的功能属性得到所述复杂网络的节点属性;
S34:获取所有阻力因子对所述生态源地产生的累计最小阻力值;
S35:根据所述累计最小阻力值提取生态廊道;
S36:根据所述生态廊道,得到所述复杂网络的边的属性;
S37:根据所述复杂网络中的节点属性和边的属性,得到景观生态空间现状仿真模型。
可选择地,所述累计最小阻力值MCR为:
其中,fmin表示最小累计阻力和生态过程的正相关关系,Dpq表示生态用地从源p到q的空间距离,Rp表示源p对景观生态空间扩张的阻力系数,m 和n分别表示常数。
可选择地,所述步骤S3中,所述景观生态空间现状仿真模型G为:
G=(E,F,SE,SF)
其中,E表示生态空间中节点的集合且E={ei},i=1,2,…,N,ei表示拓扑网中第i个节点,N表示拓扑网中节点的数量;F表示生态空间中边的集合且F={eij},i,j=1,2,…,N,i≠j,若节点i与节点j相连,则eij=1,反之,则eij=0;SE与SF分别代表复杂网络中节点的属性和边的属性。
可选择地,所述步骤S4中,所述第一评估结果包括:独立性、协作性、连通性、相互依赖性、稳定性和功能性;
所述独立性通过节点度Ki体现,所述节点度Ki为:
Ki=∑i,j∈E,i≠jeij
其中,i表示计算度值的节点,j表示与i相连的节点,eij表示与节点i 相连的边;
所述协作性通过复杂网络中节点结构洞Ci体现,所述复杂网络中节点结构洞Ci为:
Ci=∑jCij
其中,Cij表示复杂网络的约束系数且Cij=(Pij+∑qPiqPqj)2,节点q是节点i 与节点j的共同邻接点;Pij表示在节点i的所有邻接点中节点j所占权重比例,Piq和Pqj分别表示节点q在节点i和节点j的邻接节点中所占的权重比例;
所述连通性通过节点介数Bi和边介数Bij体现,所述节点介数Bi为:
所述边介数为:
其中,s和t分别表示复杂网络中的随机两个节点编号,nst表示连接节点es与et的最短路径数,nst(ei)表示连接节点es与et并经过节点ei的最短路径数,nst(eij)表示连接节点es与et并经过边eij的最短路径数;
所述相互依赖性通过所述复杂网络中的节点聚类系数ECci和网络聚类系数ECCi体现,所述节点聚类系数ECci为:
ECci=Ei/Ei_2
所述网络聚类系数ECCi为:
其中,Ei表示节点ei的一级邻居数,Ei_2为节点ei的邻近一级节点实际存在连接的边数;
所述稳定性通过所述复杂网络中的k-核体现,所述k-核表示所述复杂网络中的一个子图中全部点都至少与所述子图中其他k个点相邻,k-核所占比例越高,k值越大,则所述复杂网络稳定的部分越多;
所述功能性通过所述复杂网络中的平均测地长度E(G)体现,所述平均测地长度E(G)为:
其中,N为网络的节点数,dij为网络中节点ei与ej之间的最短路径。
可选择地,所述步骤S5包括:
S51:根据景观生态空间现状,利用情景分析法,确定预测复杂网络;
S52:按照完全随机条件和/或优先条件选择目标节点;
S53:根据所述目标节点确定与所述目标节点相连的边;
S54:根据所述景观生态空间现状仿真模块、所有所述目标节点和所有与所述目标节点相连的边,得到新的复杂网络;
S55:判断所述新的复杂网络是否与所述预测复杂网络匹配,若是,进入步骤S56,否则返回步骤S52;
S56:计算所述新的复杂网络的相关指标,并根据所述相关指标,得到动态变化仿真模型。
可选择地,所述动态变化仿真模型为:
G’=(E’,F’,S’E,S’F)
其中,E’表示当前生态空间中节点的集合且E’={e’i},i=1,2,…,N’, e’i表示新的复杂网络中第i个节点,N’表示新的复杂网络中节点的数量;F 表示当前生态空间中边的集合且F’={e’ij},i,j=1,2,…,N’,i≠j,若节点i与节点j相连,则e’ij=1,反之,则e’ij=0;S’E与S’F分别代表新的复杂网络中节点的属性和边的属性。
可选择地,所述第二评估结果包括:动态独立性、动态协作性、动态连通性、动态相互依赖性、动态稳定性和动态功能性;
其中,EKi表示新的复杂网络中全部节点度之和,n为新的复杂网络中的节点数。
所述动态协作性通过新的复杂网络中节点结构洞占比率体现,所述新的复杂网络中节点结构洞占比率为ECi为:
ECi=NEC/n
其中,NEC表示大于Ci的结构洞数,Ci表示新的复杂网络中节点结构洞且Ci=∑jCij,Cij表示新的复杂网络的约束系数且Cij=(Pij+∑qPiqPqj)2,节点q 是节点i与节点j的共同邻接点;Pij表示在节点i的所有邻接点中节点j所占权重比例,Piq和Pqj分别表示节点q在节点i和节点j的邻接节点中所占的权重比例;
其中,EBi表示新的复杂网络中全部节点介数之和,n为新的复杂网络中的节点数;
所述动态相互依赖性通过所述当前的新的复杂网络中的网络聚类系数 ECC’i体现,所述当前的新的复杂网络中的网络聚类系数ECC’i为:
ECC'i=∑i∈E(ECci)/n,0≤ECCi≤1
所述动态稳定性通过所述新的复杂网络中的k-核所占比例体现,所述k- 核所占比例EK为:
EK=NK/n
其中,NK表示大于阈值的k-核节点数,n为新的复杂网络的节点数;
所述动态功能性通过所述当前新的复杂网络中的平均测地长度E'(G)体现,所述平均测地长度E'(G)为:
其中,n为新的复杂网络的节点数,dij为网络中节点ei与ej之间的最短路径。
本发明具有以下有益效果:
(1)解决主流研究以要素叠加测度生态景观韧性导致的合成谬误,本技术基于复杂网络研究真实的生态景观空间关系,具有系统性思维,评估更准确;
(2)解决了复杂系统在空间上变化的问题,以复杂网络仿真景观生态空间从现在到未来的时空间变化,具有动态性思维,实用性更强;
(3)将多元异构数据在空间上以“图”与“属性”的形式表达,解决了空间上多元异构、大小数据的耦合的问题。
(4)丰富了现有基于网络模型评估生态景观韧性的指标体系。
附图说明
图1为本发明小流域景观生态空间数据处理方法的流程图;
图2为小流域生态景观演变的情景分析图;
图3为景观生态空间动态变化仿真流程图;
图4为本发明实施区域及其DEM数据的示意图;
图5为汃河流域景观生态空间数据处理的示意图;
图6为生态重要性评价及生态源地识别结果示意图;
图7为汃河流域生态源地与廊道识别结果示意图;
图8为汃河流域景观生态空间现状仿真模型示意图;
图9为汃河流域景观生态空间及其变化仿真示意图;
图10为节点度及其在网络中的变化示意图;
图11为结构洞及其在网络中的变化示意图;
图12为点边介数及其在网络中的变化示意图;
图13为聚类系数及其在网络中的变化示意图;
图14为“k-核”与“核心-边缘”及它们在网络中的变化示意图;
图15为基于不同优先级的景观生态空间演变的平均测地长度示意图;
图16为生态发展轴线与重要景观生态空间示意图;
图17为生态廊道与生态源地的分类优化结果示意图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实例只用于解释本发明,并非用于限定本发明的范围。
实施例1
本发明提供一种小流域景观生态空间数据处理方法,参考图1所示,所述小流域景观生态空间数据处理方法包括:
S1:获取小流域景观生态空间原始数据;
在本发明中,小流域景观生态空间原始数据来源包括:①Landsat OLI 遥感数据与DEM数据来源于地理空间数据云(http://www.gscloud.cn/)。②土壤数据来源于中国科学院资源环境科学与数据中心 (https://www.resdc.cn)。③地质灾害、景观文化及文化遗产数据来源于小流域所在区县的总体规划与实地调查。④历史地图数据来源于美国地质勘探局(https://www.usgs.gov)⑤水系、道路、居民点、行政边界等相关数据来源于全国地理信息资源目录服务系统 (http://www.webmap.cn/main.do?method=index)。在进行空间仿真前,需要对相关原始数据预处理,以获得植被覆盖特征、土地利用特征、地形地貌特征与土壤可侵蚀度等指标。
S2:对所述小流域景观生态空间原始数据进行处理,得到处理结果;
所述处理结果包括植被覆盖特征、土地利用特征、地形地貌特征和土壤可侵蚀度;所述植被覆盖特征包括NDVI植被指数和植被覆盖度;所述NDVI 植被指数为:
NDVI=(NIR-R)/(NIR+R)
所述植被覆盖度为Ci:
Ci=(NDVI-NDVIsoil)/(NDVIveg-NDVIsoil)
其中,NIR表示近红外波段,R表示红波段,它们分别为当地Landsat 8 卫星遥感数据的band5与band4数据集,NDVIsoil和NDVIveg分别表示NDVI 的频率统计表中累计频率为5%与95%的值。
在本发明中使用ENVI5.3软件对遥感图像进行辐射定标、大气校正、镶嵌、裁剪后,借助Google Earth卫星图的参考划定聚落、水域、耕地、林地与草地五类训练样本。最后采用ENVI5.3软件中的“支持向量机”模块完成对土地利用特征的划分。
流域生态景观系统及地质灾害密切相关的指标为坡度与地形起伏度。它们都能由DEM数据转化生成。其中,地表坡度能通过ArcGIS软件中使用“3D Analyst”模块生成,而地形起伏度LSi是一定范围内海拔的最大值与最小值之差。
所述地形地貌特征包括地形起伏度,所述地形起伏度Lsi为:
Lsi=Hmax-Hmin
其中,Hmax表示一定范围内海拔的最大值,Hmin表示一定范围内海拔的最小值。
参考国家《生态保护红线划定技术指南(2017)》选取降雨侵蚀Ri、土壤类型Ki、地形起伏度LSi与植被覆盖度Ci共同评价土壤可侵蚀指标SSi。其中,表1摘自《指南》。降雨侵蚀力Ri指标可根据王万忠等利用降水资料计算的中国100多个城市的R值,采用内插法得出。
所述土壤可侵蚀度SSi为:
其中,Ri表示降雨侵蚀力指标,Ki表示土壤类型,LSi表示地形起伏度, Ci表示植被覆盖度。
表1土壤可侵蚀特征评估与计算表
S3:根据所述处理结果,对所述小流域景观生态空间现状特征进行仿真,得到景观生态空间现状仿真模型;
小流域生态景观系统由系统内景观生态主体及其相互之间的联系共同构成,它们在空间上天然的形成生态网络。在系统中,生态源地是承载主体、联系与景观功能的最小空间单元。它在复杂网络中以节点的形式存在。生态源地之间如果存在功能连通或生态廊道,那么对应的节点之间存在边。
因此,首先确定生态源地。
S31:确定生态源地;
本发明以大于3平方公里的生态景观斑块为阈值提取核心的景观生态空间,将其作为生态源地。
S32:根据所述生态源地确定复杂网络的节点和所述生态源地的功能属性;
S33:根据所述生态源地的功能属性得到所述复杂网络的节点属性;
在本发明中,将生态源地几何中心的坐标点拓扑化为复杂网络的节点,源地生态功能属性即为节点属性。
S34:获取所有阻力因子对所述生态源地产生的累计最小阻力值;
阻力面代表空间韧性研究中的渗透力,能评估过程和生物运动的障碍和桥梁。首先,根据当地景观生态功能选取承载、生产、服务三类阻力因素建立综合阻力指标体系(表2)。并采用多因子叠加的方法构建阻力面。其次,在阻力面的基础上,通过“最小阻力模型”计算源地之间的生态连接;并以基本满足区域生态源地相连的累计最小阻力值为源地之间连接的阈值,提取生态廊道。最后,是生态廊道的拓扑化。如果生态廊道连接节点p和节点q,且p和q之间没有其他的节点,则认为节点之间存在边。生态廊道属性即为边的属性,涵盖道路、山体、水域与游憩四类。
表2阻力面评估指标体系
所述累计最小阻力值MCR为:
其中,fmin表示最小累计阻力和生态过程的正相关关系,Dpq表示生态用地从源p到q的空间距离,Rp表示源p对景观生态空间扩张的阻力系数,m 和n分别表示常数。
S35:根据所述累计最小阻力值提取生态廊道;
S36:根据所述生态廊道,得到所述复杂网络的边的属性;
S37:根据所述复杂网络中的节点属性和边的属性,得到景观生态空间现状仿真模型。
最后,通过识别得出的节点及节点属性、边及边的属性,可以得到基于复杂网络的现状景观生态空间仿真结果G,它可以被定义为一个四元组集合,并可以在ArcGIS软件中可视化表达。所述景观生态空间现状仿真模型G为:
G=(E,F,SE,SF)
其中,E表示生态空间中节点的集合且E={ei},i=1,2,…,N,ei表示拓扑网中第i个节点,N表示拓扑网中节点的数量;F表示生态空间中边的集合且F={eij},i,j=1,2,…,N,i≠j,若节点i与节点j相连,则eij=1,反之,则eij=0;SE与SF分别代表复杂网络中节点的属性和边的属性。
S4:根据所述景观生态空间现状仿真模型,对景观生态空间静态韧性进行评估,得到第一评估结果;
生态景观韧性评估指标涵盖独立性、协作性、连通性、相互依赖性、稳定性与功能性等6类指标。他们在复杂网络中能被点度、结构洞、点边介数、聚类系数、k-核与核心-边缘、平均测地长度等6类网络评估模型评估。
(1)独立性
指生态景观系统内各个生态节点或子系统受到干扰时,保持最低可接受功能水平的能力。当生态节点与周边联系越丰富,失去部分联系仍具有较强的功能水平,它的独立性越强。在复杂网络中,节点度Ki能反馈这种能力,它为网络中与节点ei相连的边数。节点度越高,它代表的生态节点与周边联系越紧密,更有利于物种扩散、迁移与交换等生态功能。
所述节点度Ki为:
Ki=∑i,j∈E,i≠jeij
其中,i表示计算度值的节点,j表示与i相连的节点,eij表示与节点i 相连的边(Ki就是节点度,公式的意思是就是网络中与节点i相连的全部边的总数)。
(2)协作性
协作性是指生态节点能协调不同功能主体的能力。通常作为联系的桥梁,在区域中相互沟通并调动资源。在复杂网络中节点结构洞Ci为节点ei对网络其他节点的依赖程度,能反馈节点的区域协作性。例如,当多个生态景观系统、生态节点仅能通过某一生态节点相互联系时,后者往往具有信息和资源的优势,占据了结构洞。当生态节点结构洞的值越小,那么它受到周边节点的功能约束越小。此外,生态网络整体结构洞越少,生态网络越稳定。所述复杂网络中节点结构洞Ci为:
Ci=∑jCij
其中,Cij表示复杂网络的约束系数且Cij=(Pij+∑qPiqPqj)2,节点q是节点i 与节点j的共同邻接点;Pij表示在节点i的所有邻接点中节点j所占权重比例,Piq和Pqj分别表示节点q在节点i和节点j的邻接节点中所占的权重比例。
(3)连通性
连通性是指生态景观系统内,生态功能主体依靠生态网络相互连通的能力。通常来说,处于网络枢纽地位的节点与边具有更好的连通性,承担着最频繁的生态联系功能。在复杂网络中,节点介数bi与边介数bij能反馈这种能力。节点与边的介数的值越大,它们在整个网络中的地位越重要。所述节点介数Bi为:
所述边介数为:
其中,s和t分别表示复杂网络中的随机两个节点编号,nst表示连接节点es与et的最短路径数,nst(ei)表示连接节点es与et并经过节点ei的最短路径数,nst(eij)表示连接节点es与et并经过边eij的最短路径数。
(4)相互依赖性
相互依赖性指生态景观系统内,生态功能主体或子系统作为生态网络的一部分,与其他功能主体或子系统建立物理和功能的关系,并相互获得支持的能力。它通常体现在生态节点之间联系的紧密程度。在复杂网络中,节点聚类系数ECci与网络聚类系数ECCi能反馈这种能力。前者反映该节点周边节点的集团化程度,是否形成组团与子系统;后者能表征生态网络整体的集团化程度。所述节点聚类系数ECci为:
ECci=Ei/Ei_2
所述网络聚类系数ECCi为:
其中,Ei表示节点ei的一级邻居数,Ei_2为节点ei的邻近一级节点实际存在连接的边数。
(5)稳定性
稳定性是生态景观系统保持稳定与持续运行的能力,可表现为整个空间系统及子系统的稳定。在复杂网络中,k-核表示网络中的一个子图中全部点都至少与子图中其他k个点相邻。k-核所占比例越高,k值越大,则网络稳定的部分越多。“核心—边缘”能反映网络密集地区所占整体网络的比例,同时能发现网络中最“韧性”的部分。上述两类指标共同反映空间的稳定性,两类指标的计算可通过Ucinet软件中相应计算模块完成。
(6)功能性
对于生态景观系统而言,提升内部功能主体之间的连通性与可达性能使系统更快地传递与组织资源,从而强化生态功能。在复杂网络中,平均测地长度能揭示网络整体的连通性与结构的可达性。所述平均测地长度E(G) 为:
其中,N为网络的节点数,dij为网络中节点ei与ej之间的最短路径。
上述6类韧性评估指标大都可以写入Pajek软件,由软件完成全部或部分计算。
S5:根据所述景观生态空间现状仿真模型,对景观生态空间动态变化进行仿真,得到动态变化仿真模型;
(1)情景分析下的生态景观变化
小流域未来的生态景观变化可以由情景分析法得出。它是在推测的基础上,通过将一些有关联的单独预测集成一个总体的综合预测,通常以缓和负面结果和增强积极效果为目标,对未来可能出现的情形描述。基于小流域50 年来生态景观演化的历程、特征与趋势,协同当地生态修复政策与城郊公园建设等相关要求,景观生态格局会依托于现有连通生态基质、开放空间基础与生态渗透条件下形成新的连通(图2);也会因为生产建设失去少量生态源地,共同导致原有生态景观发生改变。在这个过程中,形成新的生态源地由生态踏脚石的位置与大小决定。因此,在情景分析的基础上,将具有一定面积与潜力的生态源地中识别为可能的生态踏脚石,形成新的生态节点与边以补充原有的拓扑网络。
(2)生态景观变化的动态仿真
进一步仿真情景分析条件下小流域生态景观的动态演变,本研究以情景分析结果的网络模型为目标,逐步在相应位置增加潜在的生态源地(踏脚石) 及相联系的边仿真生态景观空间的变化(图3)。可以仿真四种情形:第一种情况是完全随机的生态景观演变,可以通过完全随机的方式在复杂网络中新增节点与边实现。其它三种情况分别是优先在现有连通生态基质、开放空间基础与生态渗透条件的基础上产生生态景观的演变,可以通过确定不同的优先级,在复杂网络中按优先条件新增对应的节点与边实现。与此同时,第一种情形还能作为其他三种情形的空白对照条件。
具体地,根据所述景观生态空间现状仿真模型,对景观生态空间动态变化进行仿真,得到动态变化仿真模型包括:
S51:根据景观生态空间现状,利用情景分析法,确定预测复杂网络;
本发明情景分析法包括:现有连通生态基质、开放空间基础与生态渗透条件的基础上产生生态景观的演变。
S52:按照完全随机条件和/或优先条件选择目标节点;
S53:根据所述目标节点确定与所述目标节点相连的边;
S54:根据所述景观生态空间现状仿真模块、所有所述目标节点和所有与所述目标节点相连的边,得到新的复杂网络;
S55:判断所述新的复杂网络是否与所述预测复杂网络匹配,若是,进入步骤S56,否则返回步骤S52;
S56:计算所述新的复杂网络的相关指标,并根据所述相关指标,得到动态变化仿真模型。
所述动态变化仿真模型为:
G’=(E’,F’,S’E,S’F)
其中,E’表示当前生态空间中节点的集合且E’={e’i},i=1,2,…,N’, e’i表示新的复杂网络中第i个节点,N’表示新的复杂网络中节点的数量;F 表示当前生态空间中边的集合且F’={e’ij},i,j=1,2,…,N’,i≠j,若节点i与节点j相连,则e’ij=1,反之,则e’ij=0;S’E与S’F分别代表新的复杂网络中节点的属性和边的属性。
S6:根据所述动态变化仿真模型,对景观生态空间动态韧性进行评估,得到第二评估结果;
在生态景观演化过程中,每出现景观节点的变化都可以连续对动态的独立性、协作性、连通性、相互依赖性、稳定性与功能性进行动态韧性评估。动态韧性评估指标为网络整体韧性指标,涵盖平均节点度、结构洞占比率、平均节点介数、网络聚类系数、k-核所占比例、平均测地长度等。动态韧性评估指标体系如表3所示,表中,n为当前网络中的节点数。相关指标可以由Pajek软件完成部分计算。
在对不同演变条件动态仿真的基础上,基于四类变化的仿真网络,动态韧性评估可进一步对比不同优先级下,景观生态空间在不同演变过程中的生态景观韧性。
表3动态韧性评估指标体系
因此,具体地,所述第二评估结果包括:动态独立性、动态协作性、动态连通性、动态相互依赖性、动态稳定性和动态功能性;
其中,EKi表示新的复杂网络中全部节点度之和,n为新的复杂网络中的节点数。所述动态协作性通过新的新的复杂网络中节点结构洞占比率体现,所述新的新的复杂网络中节点结构洞占比率ECi为:
ECi=NEC/n
其中,NEC表示大于Ci的结构洞数,Ci表示新的复杂网络中节点结构洞且Ci=∑jCij,Cij表示新的复杂网络的约束系数且Cij=(Pij+∑qPiqPqj)2,节点q 是节点i与节点j的共同邻接点;Pij表示在节点i的所有邻接点中节点j所占权重比例,Piq和Pqj分别表示节点q在节点i和节点j的邻接节点中所占的权重比例。
其中,EBi表示新的复杂网络中全部节点介数之和,n为新的复杂网络中的节点数;
所述动态相互依赖性通过所述新的新的复杂网络中的网络聚类系数 ECC’i体现,所述新的新的复杂网络中的网络聚类系数ECC’i为:
ECC'i=∑i∈E(ECci)/n,0≤ECCi≤1
所述动态稳定性通过所述新的新的复杂网络中的k-核所占比例体现,所述k-核所占比例EK为:
EK=NK/n
其中,NK表示大于阈值的k-核节点数,n为新的复杂网络的节点数,;
所述动态功能性通过所述新的新的复杂网络中的平均测地长度E'(G)体现,所述平均测地长度E'(G)为:
其中,n为新的复杂网络的节点数,dij为网络中节点ei与ej之间的最短路径。
S7:根据所述第一评估结果,对景观格局进行优化,得到第一优化结果,和/或,根据所述第二评估结果,对生态网络进行优化,得到第二优化结果;
(1)景观格局优化
在空间仿真与韧性评估的基础上,选择优建设或保护的生态发展轴线与生态功能区。生态发展轴线的选取可基于原有生态源地与廊道特征,依据连通性(主要为边介数)与功能性指标确定。生态功能片区的划定可依据原有生态源地与廊道特征、聚类系数、k-核与核心-边缘指标确定。最后,以情景分析结果为可能的演变趋势,在时间演变下进一步判别区域生态空间结构演变趋势,并提出生态空间引导建议。
(2)生态网络优化
为提升小流域景观生态空间的连通性与韧性,可协同景观生态空间的演变规律,依据韧性评估结果,对流域生态网络优化。主要从以下两个方面展开:一是基于生态廊道的原有特征与连通性(主要为边介数)确定廊道的功能属性,并提出相应发展策略。二是对生态源地分类管控。基于点度、结构洞与点介数指标,选取对全域生态连通度影响重大的源地优先发展与保护。确定重点建设(保护)、次重点建设(保护)与人工增加斑块面积的生态源地,并分类提出生态修复策略。
S8:根据所述第一优化结果和/或所述第二优化结果,得到优化后的小流域景观生态空间,以完成数据处理。
本发明的目的是对小流域景观生态要素及它们之间的相互关系进行全面深入的研究,分析它们和流域生态景观系统韧性的内部关系。以复杂网络仿真小流域景观生态空间及其变化,基于网络韧性指标评估空间韧性,提出空间优化方案,实现资源开发与生态修复的协同。生态景观韧性评估的目的在于:(1)确定小流域生态格局与演变趋势,并提出生态空间引导建议。 (2)确定小流域内不同生态景观要素是对区域韧性的贡献,确定各级生态保护范围与生态廊道功能,并提出生态修复策略。
本发明的优点在于:
(1)解决主流研究以要素叠加测度生态景观韧性导致的合成谬误,本技术基于复杂网络研究真实的生态景观空间关系,具有系统性思维,评估更准确;
(2)解决了复杂系统在空间上变化的问题,以复杂网络仿真景观生态空间从现在到未来的时空间变化,具有动态性思维,实用性更强;
(3)将多元异构数据在空间上以“图”与“属性”的形式表达,解决了空间上多元异构、大小数据的耦合的问题。
(4)丰富了现有基于网络模型评估生态景观韧性的指标体系。
实施例2
本实施例对汃河流域景观生态空间仿真
一、具体实施的地点在咸阳市旬邑县的汃河流域,总面积约1203.3平方公里,汃河从东北向西南穿过。该地区属于温带大陆性气候,海拔差异较大,土质较为疏松,因此形成了复杂的自然环境与多样的生态景观系统。当地自然资源、景观资源与历史遗存丰富,但土壤易侵蚀,也是地质灾害易发区(图4)。
二、景观生态空间数据处理
(1)数据信息
本研究的数据获取时段如下:①Landsat OLI遥感数据为2021年1月小流域所在地区的Landsat 8OLI_TIRS卫星数字产品;DEM数据为对应时间段的GDEMV3 30M分辨率数字高程数据。②土壤数据来源于中国科学院资源环境科学与数据中心的“中国土壤质地空间分布数据”。③地质灾害、景观文化及文化遗产数据来源于旬邑县总体规划(2012-2020)与2020年8月至 2021年1月的三次实地调查。⑤水系、道路、居民点、行政边界等相关数据来源于全国地理信息资源目录服务系统中的图幅(i49c001001)数据,时间为2017年。
(2)数据处理
采用ArcGIS作为数据处理与可视化平台,对汃河流域生态基础数据处理。分别得到汃河流域的NDVI指数、植被覆盖度、土地利用特征、地形起伏特征、坡度与土壤可侵蚀特征(图5)。
三、汃河流域景观生态空间仿真
(1)生态空间现状特征仿真
首先,基于景观生态空间现状仿真模型,进一步对汃河流域景观生态基础数据处理,可以初步得到区域的生态源地(图6)。其次,以承载功能、生产功能与服务功能构建阻力面,通过“最小阻力模型”形成区域生态廊道。最后,以基本满足生态节点能两两相连为阈值,提取生态廊道并拓扑形成复杂网络(图7-8)。
如图8所示,当前汃河流域拥有生态节点36个。61%位于东南部湖区、湿地、石窟景点、森林公园、纪念公园等水源涵养及游憩功能较强的地区,其他位于中部、北部的灾害敏感区、生态保育区及动物活动频繁区。生态廊道60条,它们通常沿水系、沟谷、林带、道路两侧山体分布。
(2)景观生态空间动态变化仿真
如图9所示,未来汃河流域将新增生态节点16个。其中,节点37、38、 39、41、42、46、50基于连通生态基质形成,节点40、43、47、52基于开放空间基础形成,节点44、45、48、49、51基于生态渗透条件形成,它们补充并强化了生态景观系统稳定性。新增生态廊道38条,它们更有效地组织与联系节点,提升了区域生态连通度与游憩功能。
四、汃河流域生态景观韧性评估
分别基于6类复杂网络韧性评估指标评估汃河流域生态景观韧性。静态韧性评估的结果如下:
(1)独立性
如图10所示,流域现状生态节点的平均度值为3.28。从柏岭水库(17) 出发、经汃河(20)、马栏河(26、27)、生态湿地(29)、乔儿水库(33) 到森林公园(31、35)一带的生态节点度值较高且连成一片,形成的湿地走廊能提供良好的生态服务功能;然而,流域中部、北部生态节点连接薄弱,网络较为脆弱。未来流域生态节点的平均度值上升了14.9%,它们将更为独立。当完成翠屏湖(47)与周边公园的游憩走廊建设并形成生态渗透节点48、 49,将极大的优化南部景观生态空间;如能保护并人工增加节点38、39、42、 43的生态斑块面积,流域整体景观生态空间将更为稳固。
(2)协作性
结构洞在一定程度上反映景观生态空间的脆弱地区。如果某生态节点结构洞较高,其依赖的周边节点或者廊道一旦失去,它将成为“孤岛”。如图 11所示,目前流域的结构洞主要位于景观生态空间与乡村聚落生产、生活空间的交界地区,通常位于台塬边缘与坡地(14、15、16、18、19)。因此需要重视当地的生态景观恢复。而结构洞小的节点如7、17、23、27、29是网络中的“桥梁”,应该得到发展与保护。如以0.56作为阈值,目前位于结构洞的节点占比36.11%。未来,该比例能下降至25.00%,整体协作性提升10.4%,形成更为有效的生态景观协作。
(3)连通性
如图12所示,目前,汃河流域的枢纽生态廊道自北向南依次经过汃河周边的生态斑块(7、8、9、10、13)后,途经北部森林与河谷(11、12) 回到河滩地(13)。随后,一支途经小乔水库保护区(23),到达生态湿地(29),另一支继续沿汃河到流域出口。它们具有明显的湿地涵养功能。未来,森林廊道的作用将逐步弱化,沿河流的生态廊道的作用将逐步增强。并催生出柏岭水库(17)经石窟景点(20)到翠屏湖(47)的新枢纽廊道,它具有一定的游憩功能。基于介数值计算得出整体连通性提升10.0%。此外,位于北侧森林地区的生态节点11、12的枢纽地位也将逐步被河谷地区的生态节点43取代。
(4)相互依赖性
目前,汃河流域中部、北部地区生态节点的聚集程度较低,如以0.36 作为阈值,聚类系数较低的节点的占比为52.8%;网络整体的聚类系数为 0.422(图13)。未来生态节点聚类系数将得到显著提升,并形成了围绕柏岭水库(17)、旬邑县城(22)、森林公园(31、35)的三大生态节点聚集群。聚类系数较低的节点占比降低至46.2%,网络整体的聚类系数上升为 0.639。相互依赖性提升了51.4%,节点集团化程度升高。优化核心生态功能区与连通边缘生态景观节点是提升相互依赖性的重要手段。
(5)稳定性
如图14所示,目前汃河流域内“k-核”的最大值为4-核,它与周边3- 核地区共同形成生态景观稳定性高的地区,当地生态节点数占比为46.15%,主要位于南部湿地及周边。1-核的及以下的脆弱地区高达33.3%。目前网络中核心节点数为12个,核心区密度为0.382,边缘区密度为0.085。未来, 3-核与2-核地区进一步扩张,区域生态节点数占比达到了51.92%,生态景观系统稳定性提升了5.77%。网络中核心节点19个,核心区密度为0.208,边缘区密度为0.060。区域韧性地带扩张的同时,区域的生态核心区逐步由森林公园向县城的广场、公园,以及县城周边的开放空间聚集。因此,联系紧密的开放空间将成为新的生态核心区域。
(6)功能性
目前,基于平均测地长度的汃河流域生态景观的功能性指数为1.48,当更多的生态踏脚石成为生态节点时,复杂网络的平均测地长度将一直增长,生态系统的功能性会逐步提升。在演变末期,当地生态景观整体的功能性将提升33.20%。
五、动态韧性评估
动态韧性评估指标同样为上述6类,在具体实施中本文不再详述,仅以功能性指标作为本技术的案例展示。
如图15所示,在汃河流域的景观生态空间演变过程中,优先基于生态渗透条件形成新的生态连通将更有效的提升汃河流域生态景观系统的功能性,其次是依托于开放空间基础。在这个过程中,新增的生态节点39、44、45、47、48、49、51会起到了突出的作用,它们大都基于生态渗透条件形成。因此,提升当地生态景观系统功能性最有效的方法是沿原有森林、河流、水库、湿地等边缘逐步向外建设与拓宽景观生态空间。此外,对关键地区的开放空间的建设也能取得较好效果,如生态景观节点47。
六、汃河流域景观生态空间优化
(1)汃河流域景观格局优化
基于汃河流域景观生态空间的发展演变与生态景观韧性评估结果,需要重视台塬边缘与坡地生态恢复,强化河流生态走廊,提升边缘生态节点的连通,优先生态渗透与城市周边开放空间建设。原围绕生态湿地(29)、森林公园(31、35)的生态核心区将逐渐扩张,形成完整的生态功能片区。县城周边的开放空间将得到进一步连通,城郊休闲游憩功能得到强化。如图16 所示,流域将形成水源涵养区、休闲游憩区与山林保育区。对于水源涵养区,需要在外围控制或建设大于30m的林地缓冲带,迁出煤矿企业,限制对湿地水源的消耗,减少开发建设活动对湿地的破坏,实现区域生态恢复。对于休闲游憩区,需要基于旅游线路建设连续的开放空间与游憩绿道,复兴周边乡村聚落的传统文化,并依托翠屏湖、革命公园逐步开发县城东侧山林。对于山林保育区,需要对山体裸露地区进行边坡复绿,引导山上聚落向山下迁并,控制森林公园的游客数量,并严格禁止野外用火。同时,沿汃河中上游的生态轴线进一步强化,沿河流下游的游憩轴线初步形成,沿南侧山体的生态节点也将逐步连通。因此,流域还将形成湿地涵养轴、休闲游憩轴与山地景观轴。需要优先满足上述三条轴线的生态连通与景观生态建设。
如图17所示,汃河流域的生态廊道以山体型为主,大都位于水源涵养区与山林保育区;由于当地缺乏高等级的道路,道路型生态廊道较为破碎。汃河上游、中游仍将保持为水域型生态廊道,但下游水域会逐步演化为游憩型生态廊道。因此,需要在上游控制20m的林地缓冲带,在下游适当拓宽河岸绿化带宽度,建设亲水平台。区域将形成三大旅游路线:一是围绕森林公园(31、35)并逐步连通七里水库(52)的生态休闲游线;二是由县城的文化公园出发,经翠屏湖(47)、石窟景点(20)、到达柏岭水库(17)的健身路跑游线;三是从县城革命公园(22)出发,经石窟景点(20、19)、马家堡革命旧址(18)、阳坡头革命旧址(15)到马栏革命博物馆(10)的红色旅游路线。建议用生态绿道、城乡绿道的形式优先强化上述三条旅游路线,并结合游线上重要开放空间逐级配置游览设施与服务设施。生态源地发展 (保护)的重要性可分为4类,空间优化策略如表5所示。
表5生态源地的空间优化策略
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种小流域景观生态空间数据处理方法,其特征在于,所述小流域景观生态空间数据处理方法包括:
S1:获取小流域景观生态空间原始数据;
S2:对所述小流域景观生态空间原始数据进行处理,得到处理结果;
S3:根据所述处理结果,对所述小流域景观生态空间现状特征进行仿真,得到景观生态空间现状仿真模型;
S4:根据所述景观生态空间现状仿真模型,对景观生态空间静态韧性进行评估,得到第一评估结果;
S5:根据所述景观生态空间现状仿真模型,对景观生态空间动态变化进行仿真,得到动态变化仿真模型;
S6:根据所述动态变化仿真模型,对景观生态空间动态韧性进行评估,得到第二评估结果;
S7:根据所述第一评估结果,对景观格局进行优化,得到第一优化结果,和/或,根据所述第二评估结果,对生态网络进行优化,得到第二优化结果;
S8:根据所述第一优化结果和/或所述第二优化结果,得到优化后的小流域景观生态空间,以完成数据处理。
2.根据权利要求1所述的小流域景观生态空间数据处理方法,其特征在于,所述步骤S2中,所述处理结果包括植被覆盖特征、土地利用特征、地形地貌特征和土壤可侵蚀度;
所述植被覆盖特征包括NDVI植被指数和植被覆盖度;
所述NDVI植被指数为:
NDVI=(NIR-R)/(NIR+R)
所述植被覆盖度为Ci:
Ci=(NDVI-NDVIsoil)/(NDVIveg-NDVIsoil)
其中,NIR表示近红外波段,R表示红波段,NDVIsoil和NDVIveg分别表示NDVI的频率统计表中累计频率为5%与95%的值;
所述地形地貌特征包括地形起伏度,所述地形起伏度Lsi为:
Lsi=Hmax-Hmin
其中,Hmax表示一定范围内海拔的最大值,Hmin表示一定范围内海拔的最小值;
所述土壤可侵蚀度SSi为:
其中,Ri表示降雨侵蚀力指标,Ki表示土壤类型,LSi表示地形起伏度,Ci表示植被覆盖度。
3.根据权利要求1所述的小流域景观生态空间数据处理方法,其特征在于,所述步骤S3包括:
S31:确定生态源地;
S32:根据所述生态源地确定复杂网络的节点和所述生态源地的功能属性;
S33:根据所述生态源地的功能属性得到所述复杂网络的节点属性;
S34:获取所有阻力因子对所述生态源地产生的累计最小阻力值;
S35:根据所述累计最小阻力值提取生态廊道;
S36:根据所述生态廊道,得到所述复杂网络的边的属性;
S37:根据所述复杂网络中的节点属性和边的属性,得到景观生态空间现状仿真模型。
5.根据权利要求1、3、4中任意一项所述的小流域景观生态空间数据处理方法,其特征在于,所述步骤S3中,所述景观生态空间现状仿真模型G为:
G=(E,F,SE,SF)
其中,E表示生态空间中节点的集合且E={ei},i=1,2,…,N,ei表示拓扑网中第i个节点,N表示拓扑网中节点的数量;F表示生态空间中边的集合且F={eij},i,j=1,2,…,N,i≠j,若节点i与节点j相连,则eij=1,反之,则eij=0;SE与SF分别代表复杂网络中节点的属性和边的属性。
6.根据权利要求1所述的小流域景观生态空间数据处理方法,其特征在于,所述步骤S4中,所述第一评估结果包括:独立性、协作性、连通性、相互依赖性、稳定性和功能性;
所述独立性通过节点度Ki体现,所述节点度Ki为:
Ki=∑i,j∈E,i≠jeij
其中,i表示计算度值的节点,j表示与i相连的节点,eij表示与节点i相连的边;
所述协作性通过复杂网络中节点结构洞Ci体现,所述复杂网络中节点结构洞Ci为:
Ci=∑jCij
其中,Cij表示复杂网络的约束系数且Cij=(Pij+∑qPiqPqj)2,节点q是节点i与节点j的共同邻接点;Pij表示在节点i的所有邻接点中节点j所占权重比例,Piq和Pqj分别表示节点q在节点i和节点j的邻接节点中所占的权重比例;
所述连通性通过节点介数Bi和边介数Bij体现,所述节点介数Bi为:
所述边介数为:
其中,s和t分别表示复杂网络中的随机两个节点编号,nst表示连接节点es与et的最短路径数,nst(ei)表示连接节点es与et并经过节点ei的最短路径数,nst(eij)表示连接节点es与et并经过边eij的最短路径数;
所述相互依赖性通过所述复杂网络中的节点聚类系数ECci和网络聚类系数ECCi体现,所述节点聚类系数ECci为:
ECci=Ei/Ei_2
所述网络聚类系数ECCi为:
其中,Ei表示节点ei的一级邻居数,Ei_2为节点ei的邻近一级节点实际存在连接的边数;
所述稳定性通过所述复杂网络中的k-核体现,所述k-核表示所述复杂网络中的一个子图中全部点都至少与所述子图中其他k个点相邻,k-核所占比例越高,k值越大,则所述复杂网络稳定的部分越多;
所述功能性通过所述复杂网络中的平均测地长度E(G)体现,所述平均测地长度E(G)为:
其中,N为网络的节点数,dij为网络中节点ei与ej之间的最短路径。
7.根据权利要求1所述的小流域景观生态空间数据处理方法,其特征在于,所述步骤S5包括:
S51:根据景观生态空间现状,利用情景分析法,确定预测复杂网络;
S52:按照完全随机条件和/或优先条件选择目标节点;
S53:根据所述目标节点确定与所述目标节点相连的边;
S54:根据所述景观生态空间现状仿真模块、所有所述目标节点和所有与所述目标节点相连的边,得到新的复杂网络;
S55:判断所述新的复杂网络是否与所述预测复杂网络匹配,若是,进入步骤S56,否则返回步骤S52;
S56:计算所述新的复杂网络的相关指标,并根据所述相关指标,得到动态变化仿真模型。
8.根据权利要求1或7所述的小流域景观生态空间数据处理方法,其特征在于,所述动态变化仿真模型为:
G’=(E’,F’,S’E,S’F)
其中,E’表示当前生态空间中节点的集合且E’={e’i},i=1,2,…,N’,e’i表示新的复杂网络中第i个节点,N’表示新的复杂网络中节点的数量;F表示当前生态空间中边的集合且F’={e’ij},i,j=1,2,…,N’,i≠j,若节点i与节点j相连,则e’ij=1,反之,则e’ij=0;S’E与S’F分别代表新的复杂网络中节点的属性和边的属性。
9.根据权利要求1所述的小流域景观生态空间数据处理方法,其特征在于,所述第二评估结果包括:动态独立性、动态协作性、动态连通性、动态相互依赖性、动态稳定性和动态功能性;
其中,EKi表示新的复杂网络中全部节点度之和,n为新的复杂网络中的节点数。
所述动态协作性通过新的复杂网络中节点结构洞占比率体现,所述新的复杂网络中节点结构洞占比率为ECi为:
ECi=NEC/n
其中,NEC表示大于Ci的结构洞数,Ci表示新的复杂网络中节点结构洞且Ci=∑jCij,Cij表示新的复杂网络的约束系数且Cij=(Pij+∑qPiqPqj)2,节点q是节点i与节点j的共同邻接点;Pij表示在节点i的所有邻接点中节点j所占权重比例,Piq和Pqj分别表示节点q在节点i和节点j的邻接节点中所占的权重比例;
其中,EBi表示新的复杂网络中全部节点介数之和,n为新的复杂网络中的节点数;
所述动态相互依赖性通过所述当前的新的复杂网络中的网络聚类系数ECC’i体现,所述当前的新的复杂网络中的网络聚类系数ECC’i为:
ECC'i=∑i∈E(ECci)/n,0≤ECCi≤1
所述动态稳定性通过所述新的复杂网络中的k-核所占比例体现,所述k-核所占比例EK为:
EK=NK/n
其中,NK表示大于阈值的k-核节点数,n为新的复杂网络的节点数;
所述动态功能性通过所述当前新的复杂网络中的平均测地长度E'(G)体现,所述平均测地长度E'(G)为:
其中,n为新的复杂网络的节点数,dij为网络中节点ei与ej之间的最短路径。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210720673.9A CN115391973B (zh) | 2022-06-23 | 2022-06-23 | 一种小流域景观生态空间数据处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210720673.9A CN115391973B (zh) | 2022-06-23 | 2022-06-23 | 一种小流域景观生态空间数据处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115391973A true CN115391973A (zh) | 2022-11-25 |
CN115391973B CN115391973B (zh) | 2023-06-23 |
Family
ID=84116618
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210720673.9A Active CN115391973B (zh) | 2022-06-23 | 2022-06-23 | 一种小流域景观生态空间数据处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115391973B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116427342A (zh) * | 2023-04-17 | 2023-07-14 | 上海勘测设计研究院有限公司 | 一种河流廊道生态空间布局及构建方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112990661A (zh) * | 2021-02-07 | 2021-06-18 | 华中农业大学 | 一种小流域生态空间健康评估系统及方法 |
CN113537827A (zh) * | 2021-08-04 | 2021-10-22 | 中国水利水电科学研究院 | 一种流域生态空间布局的评价方法 |
CN113807269A (zh) * | 2021-09-22 | 2021-12-17 | 河海大学 | 一种具有时空一致性的景观尺度植物多样性评价方法 |
CN114386816A (zh) * | 2021-12-31 | 2022-04-22 | 四川农业大学 | 一种国土空间生态修复关键区识别系统 |
-
2022
- 2022-06-23 CN CN202210720673.9A patent/CN115391973B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112990661A (zh) * | 2021-02-07 | 2021-06-18 | 华中农业大学 | 一种小流域生态空间健康评估系统及方法 |
CN113537827A (zh) * | 2021-08-04 | 2021-10-22 | 中国水利水电科学研究院 | 一种流域生态空间布局的评价方法 |
CN113807269A (zh) * | 2021-09-22 | 2021-12-17 | 河海大学 | 一种具有时空一致性的景观尺度植物多样性评价方法 |
CN114386816A (zh) * | 2021-12-31 | 2022-04-22 | 四川农业大学 | 一种国土空间生态修复关键区识别系统 |
Non-Patent Citations (3)
Title |
---|
QUANHUA HOU 等: "Smart city oriented ecological corridor layout of Sanshui River Basin in arid area of Loess Plateau", 《SUSTAINABLE ENERGY TECHNOLOGIES AND ASSESSMENTS》, vol. 44, pages 1 - 13 * |
潘竟虎 等: "疏勒河流域景观生态风险评价与生态安全格局优化构建", 《生态学杂志》, vol. 35, no. 3, pages 791 - 799 * |
蒙吉军 等: "基于最小累积阻力模型的贵阳市景观生态安全格局构建", 《长江流域资源与环境》, vol. 25, no. 7, pages 1052 - 1061 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116427342A (zh) * | 2023-04-17 | 2023-07-14 | 上海勘测设计研究院有限公司 | 一种河流廊道生态空间布局及构建方法 |
CN116427342B (zh) * | 2023-04-17 | 2023-11-24 | 上海勘测设计研究院有限公司 | 一种河流廊道生态空间布局及构建方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115391973B (zh) | 2023-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kim et al. | Landscape character, biodiversity and land use planning: The case of Kwangju City Region, South Korea | |
Zhang et al. | Construction of ecological security patterns and ecological restoration zones in the city of Ningbo, China | |
CN112465332A (zh) | 一种城市人工湿地公园生态地质环境稳定性的评价方法 | |
CN111210142A (zh) | 一种景观综合管理单元划分方法 | |
CN115438855A (zh) | 一种山地城市土地利用优化配置方法 | |
Shuai et al. | Construction and optimization of ecological networks in karst regions based on multi-scale nesting: A case study in Guangxi Hechi, China | |
CN112242003B (zh) | 一种顾及地类与流向的城市子汇水区划分方法 | |
Zhang et al. | Identification and extraction of a current urban ecological network in Minhang District of Shanghai based on an optimization method | |
Yao et al. | Simulation study of urban expansion under ecological constraint—Taking Yuzhong County, China as an example | |
CN112434937A (zh) | 一种自然保护地保护空缺分析方法及系统 | |
CN114925974A (zh) | 一种面向市县国土空间规划的分类逐步双评价方法 | |
CN115391973A (zh) | 一种小流域景观生态空间数据处理方法 | |
CN116976692A (zh) | 一种基于适应性循环路径的传统村落分类分区保护控制方法 | |
Ardahanlıoğlu et al. | GIS-based approach to determine suitable settlement areas compatible with the natural environment | |
Yuan et al. | Identifying ecological strategic points based on multi-functional ecological networks: A case study of Changzhi City, China | |
Mahmoud et al. | Towards a sustainable capital city: an approach for flood management and artificial recharge in naturally water-scarce regions, Central Region of Saudi Arabia | |
CN114943377A (zh) | 一种村镇空间形态与格局演变识别方法 | |
Lin et al. | Ecological sensitivity evaluation of tourist region based on remote sensing image–taking Chaohu Lake Area as a case study | |
Navale et al. | A morphological study for identified the potential of ganpatipule coastal tourism in Western Maharashtra (India): Analytical hierarchy process | |
Hashidu et al. | Road transport development and urban growth in Gombe metropolis, Gombe state, Nigeria | |
Siervo et al. | Geomorphic analysis and semi-automated landforms extraction in different natural landscapes | |
CN112598200A (zh) | 一种自然保护区未来人类活动情景的构建方法 | |
Lin et al. | An eco‐city design methodology for hilly areas of western China | |
Ammar | Evaluating rainwater harvesting systems in arid and semi-arid regions | |
Li et al. | [Retracted] Analysis of the Spatial Distribution Pattern of the Urban Landscape in the Central Plains under the Influence of Multiscale and Multilevel Morphological Geomorphology |
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 |