CN116821589B - 促进生态服务功能提升的植被覆盖度恢复上限计算方法 - Google Patents
促进生态服务功能提升的植被覆盖度恢复上限计算方法 Download PDFInfo
- Publication number
- CN116821589B CN116821589B CN202311093156.4A CN202311093156A CN116821589B CN 116821589 B CN116821589 B CN 116821589B CN 202311093156 A CN202311093156 A CN 202311093156A CN 116821589 B CN116821589 B CN 116821589B
- Authority
- CN
- China
- Prior art keywords
- fvc
- service
- upper limit
- ecosystem
- ies
- 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.)
- Active
Links
- 238000004364 calculation method Methods 0.000 title claims abstract description 43
- 230000001737 promoting effect Effects 0.000 title claims abstract description 14
- 230000006872 improvement Effects 0.000 title claims abstract description 8
- 238000011084 recovery Methods 0.000 title description 4
- 238000000034 method Methods 0.000 claims abstract description 47
- 238000010586 diagram Methods 0.000 claims abstract description 11
- 238000012952 Resampling Methods 0.000 claims abstract description 7
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 27
- 229910052799 carbon Inorganic materials 0.000 claims description 27
- 239000002689 soil Substances 0.000 claims description 22
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 19
- 230000008569 process Effects 0.000 claims description 11
- 238000004162 soil erosion Methods 0.000 claims description 11
- 238000001556 precipitation Methods 0.000 claims description 10
- 230000002159 abnormal effect Effects 0.000 claims description 9
- 230000009919 sequestration Effects 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 7
- 238000012423 maintenance Methods 0.000 claims description 5
- 238000004088 simulation Methods 0.000 claims description 4
- 230000007423 decrease Effects 0.000 claims description 3
- 230000008030 elimination Effects 0.000 claims description 3
- 238000003379 elimination reaction Methods 0.000 claims description 3
- 230000003628 erosive effect Effects 0.000 claims description 3
- 230000007547 defect Effects 0.000 abstract description 4
- 230000004044 response Effects 0.000 abstract description 4
- 230000008859 change Effects 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000035772 mutation Effects 0.000 description 3
- 238000007619 statistical method Methods 0.000 description 3
- 238000005192 partition Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000002028 Biomass Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000001747 exhibiting effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000005416 organic matter Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000000746 purification Methods 0.000 description 1
- 238000013077 scoring method Methods 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及生态恢复工程规划技术领域，具体涉及一种促进生态服务功能提升的植被覆盖度恢复上限计算方法，包括：获取生态工程区的多组植被及服务数据；计算各组的生态系统综合服务指数IES；以FVC为横坐标，以IES为纵坐标，绘制FVC与IES的关系散点图，并利用滑动窗口沿横坐标正方向依次滑动，得到n个子集；对每个子集中的散点进行局部回归，得到n个局部回归函数；计算n个局部回归函数的中心点值，并用曲线拟合连接，得到FVC与IES的关系曲线；根据FVC与IES的关系曲线估计FVC的上限点；利用重采样方法估计FVC的上限区间。本发明可弥补生态系统服务对植被覆盖度的响应上限的缺陷，提高结果准确度。
Description
技术领域
本发明涉及生态恢复工程规划技术领域，更具体的说是涉及一种促进生态服务功能提升的植被覆盖度恢复上限计算方法。
背景技术
植树造林是世界各国普遍采用的一种强有力的生态恢复手段。植被是影响生态系统服务的重要因素，在生态管理实践中，管理者倾向于通过改善植被达到提升生态系统服务的目标。然而，生态系统服务对植被覆盖度的响应是一个复杂的过程，尽管各种研究发现植被覆盖度与生态系统服务之间存在相关关系，但其线性或非线性特征仍不清楚，广泛植树造林而不根据当地降水条件和其他生态限制来选择树种与最佳覆盖度是不可持续的，反而会使生态系统服务功能下降，并造成社会经济后果。因此植被覆盖度应以维持一定水平为宜，生态恢复的人为干预存在一个合理上限，超过该上限，生态系统功能不会显着增加，反而可能会下降。寻找维持最大生态系统服务功能的植被覆盖度的确定方法显得尤为重要，是一个重要的科学问题。
目前常用的上限确定方法多依托统计分析方法，但这些传统方法存在一些不足。比如：探索性统计分析类的方法只能洞察上限的数量和一般形式的关系，也即只能用来选择模型，随后还需另选合适模型进行拟合。推断性统计分析类的方法有的可能无法检测到低水平的突变点，而有的虽然数据要求相对较低，但总是只找到单个上限，存在忽略考虑真正的函数关系是否包含上限以及包含多少个上限的问题。
因此，如何实现对突变点数量的判断以及拟合模型的选择，是本领域技术人员亟需解决的问题。
发明内容
有鉴于此，本发明提供了一种促进生态服务功能提升的植被覆盖度恢复上限计算方法,可弥补生态系统服务对植被覆盖度的响应上限的缺陷，提高结果准确度。
为了实现上述目的，本发明采用如下技术方案：
一种促进生态服务功能提升的植被覆盖度恢复上限计算方法，包括以下步骤：
获取生态工程区的多组植被及服务数据，每组植被及服务数据分别包含植被覆盖度FVC及对应的多个生态系统服务指标；
分别对每组中的多个所述生态系统服务指标进行加权求和，得到各组的生态系统综合服务指数IES；
以FVC为横坐标，以IES为纵坐标，绘制FVC与IES的关系散点图，并利用滑动窗口沿横坐标正方向依次滑动，得到n个子集；
对每个子集中的散点进行局部回归，得到n个局部回归函数；
计算n个局部回归函数的中心点值，并用曲线拟合连接，得到FVC与IES的关系曲线；
根据FVC与IES的关系曲线估计FVC的上限点；
利用重采样方法估计FVC的上限区间。
进一步的，每组数据中的生态系统服务指标包括：碳固存服务、土壤保持服务和水源涵养服务；
其中，所述碳固存服务以生态系统碳储量为指标，计算公式为：
；
式中，C为总碳存储量；Ca为地上碳存储量；Cb为地下碳存储量；Cs为土壤碳存储量；Cd为死亡有机质碳存储量；
土壤保持服务指标以土壤保持量作为指标，计算公式为：
；
式中，S、Sp和Sv分别对应表示土壤保持量、潜在土壤侵蚀和实际土壤侵蚀；R表示降水侵蚀因子；K表示土壤侵蚀因子；L表示坡长因子；F表示坡度因子；C表示植被覆盖因子；P表示管理因子；
水源涵养服务以产水量为指标，计算公式为：
；
式中，W为产水量；P为降水量；ET为蒸散量。
进一步的，获取生态工程区的多组植被及服务数据之后，还包括：
检验植被覆盖度FVC与各生态系统服务指标之间是否存在相关关系。
进一步的，所述生态系统综合服务指数IES的计算过程包括：
将各组中的多个所述生态系统服务指标进行处理，消除量纲差异，处理公式为：
；
式中，Zr为第r个消除量纲差异后的生态系统服务指标，r为生态系统服务指标；ESr表示第r个生态系统服务数据，ESr,mean表示各组数据中第r个生态系统服务指标的平均值；
利用变异系数法对各生态系统服务指标进行赋权，得到生态系统综合服务指数IES，计算公式为：
；
；
；
式中，σr为第r个生态系统服务指标的变异系数，r=1、2、3；R为生态系统服务指标的个数；为第r个生态系统服务指标的平均值，Dr为第r个生态系统服务指标的权重；IES为生态系统综合服务指数。
进一步的，n个子集的获得过程包括：
以FVC为横坐标、IES为纵坐标，绘制FVC与IES的关系散点图，得到(FVC1，IES1)~(FVCi，IESi)~(FVCn，IESn)的二维散点图，其中FVC1≤FVCi≤FVCn，i为散点图中第i个点，i=1、2、3、…、n，n为总散点个数；
利用一个宽度为s的滑动窗口，将以FVCi为中心s为宽度的附近的点组成为一个子集，i=1、2、3、…、n；
将该滑动窗口沿着横坐标的正方向依次滑动，得到n个子集；其中，滑动窗口的宽度计算方法如下：
；
式中，s为滑动窗口的宽度，g为子集中散点的个数占总散点个数的比例，n为总散点个数，g取值在0.2~0.7之间。
进一步的，局部回归函数的中心点值的计算过程，包括：
利用权重来调整子集中散点对局部回归函数的贡献，局部回归的计算公式如下：
；
；
；
；
其中，为第i个拟合出的生态系统综合服务指数，即局部回归函数的中心点值；a和b为局部回归函数的参数；FVCij为第i个子集中的第j个点的FVC，j=1、2、3、…、s；/>为第i个子集中FVC平均值；IESij为第i个子集中第j个点的生态系统综合服务指数；/>为第i个子集中生态系统综合服务指数的平均值；/>为第i个子集中第j个点的权重。
进一步的，所述根据FVC与IES的关系曲线估计FVC的上限点，包括：
将生态系统综合服务指数IES随植被覆盖度FVC增加而无变化或开始下降时的点作为拐点，上限点为所有拐点中生态系统综合服务指数IES为最高的点。
进一步的，通过分析相邻增长率来确定拐点的位置，并确定上限点，计算公式如下：
；
；
；
式中，为相邻增长率，代表相邻两个点内生态系统综合服务指数随着FVC增加而变化的程度；k为拐点，表示生态系统综合服务指数随着FVC增加而几乎不变化甚至下降的点；K为上限点，取拐点中生态系统综合服务指数最大的点为上限点。
进一步的，所述利用重采样方法估计FVC的上限区间，包括：
通过调整滑动窗口s的宽度，重新对原始数据集进行子集选取，并重复多次模拟计算上限点，得到多个FVC上限点；
通过绘制各项生态系统综合服务指数对应的FVC上限点的箱图，剔除异常值，保留上四分位数Q3和下四分位数Q1作为有效上限点；
将筛选出的有效上限点作为最终结果，组成上限区间。
进一步的，异常值的剔除方式为：根据分位数回归的原理，将异常值定义为低于(Q1-1.5*IQR)或高于(Q3+1.5*IQR)的值，其中，IQR表示四分位数范围，IQR=Q3-Q1。
经由上述的技术方案可知，与现有技术相比，本发明具有以下有益效果：
1、本发明以获得促进生态服务功能提升的植被覆盖度恢复上限区间而非上限点为目的，通过重复模拟选取突变最明显的点作为有效点，进而构建出上限区间，解决单次拟合得到误差较大阈值点的问题。弥补了生态系统服务对植被覆盖度的响应上限的缺陷，准确性更高，且更易实施于具体的生态恢复工程。
2、本发明摒弃传统的专家打分方法对单项服务功能指标进行加权进而得到一个综合服务指数，也就避免掺杂主观判断或统计误差，本发明采用变异系数通过确定指标中的差异性来确定权重，反映出指标之间的相互作用和综合效应。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本发明提供的促进生态服务功能提升的植被覆盖度恢复上限计算方法在一个实施例中的流程图；
图2为本发明提供的促进生态服务功能提升的植被覆盖度恢复上限计算方法在另一个实施例中的流程图；
图3为云贵高原分区中不同滑动宽度窗口下的植被覆盖度上限曲线。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中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，本领域普通技术人员在没有做出创造性劳动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。
如图1所示，本发明实施例公开了一种促进生态服务功能提升的植被覆盖度恢复上限计算方法，包括以下步骤：
S1、获取生态工程区的多组植被及服务数据，每组植被及服务数据分别包含植被覆盖度FVC及对应的多个生态系统服务指标；
S2、分别对每组中的多个所述生态系统服务指标进行加权求和，得到各组的生态系统综合服务指数IES；
S3、以FVC为横坐标，以IES为纵坐标，绘制FVC与IES的关系散点图，并利用滑动窗口沿横坐标正方向依次滑动，得到n个子集；
对每个子集中的散点进行局部回归，得到n个局部回归函数；
计算n个局部回归函数的中心点值，并用曲线拟合连接，得到FVC与IES的关系曲线；
S4、根据FVC与IES的关系曲线估计FVC的上限点；
S5、利用重采样方法估计FVC的上限区间。
在另一个实施例中，如图2所示，S1中，获取生态工程区的多组植被及服务数据之后，还包括：
检验植被覆盖度FVC与各生态系统服务指标之间是否存在相关关系。
下面对上述各步骤做进一步说明。
S1、数据获取与预处理：
（1）植被覆盖度FVC；
选用植被覆盖度FVC作为反映植被结构恢复程度的指标，FVC指植被覆盖的面积占整个研究区域的比例，且与植被的生物量密切相关，通过遥感影像的处理和分析，可以快速获取FVC值，从而实时监测和评估植被结构的恢复情况。
（1）；
NDVImin为地表非植被覆盖时的最小NDVI值，NDVImax是地表完全被植被覆盖时的最大NDVI值，NDVI是具体地表区域的NDVI值。
（2）生态系统服务指标；
每组数据中的生态系统服务指标包括：碳固存服务、土壤保持服务和水源涵养服务；
其中，所述碳固存服务以生态系统碳储量为指标，计算公式为：
（2）；
式中，C为总碳存储量；Ca为地上碳存储量；Cb为地下碳存储量；Cs为土壤碳存储量；Cd为死亡有机质碳存储量；
土壤保持服务指标以土壤保持量作为指标，土壤保持量为土地在没有植被覆盖和人类管理条件下的潜在土壤侵蚀量与实际土壤侵蚀量之差，计算公式为：
（3）；
式中，S、Sp和Sv分别对应表示土壤保持量、潜在土壤侵蚀和实际土壤侵蚀；R表示降水侵蚀因子；K表示土壤侵蚀因子；L表示坡长因子；F表示坡度因子；C表示植被覆盖因子；P表示管理因子；
水源涵养服务以产水量为指标，是指森林生态系统通过林冠层截留降水、枯落物层吸收水分和土壤层蓄渗降水，实现对降水的再分配，从而达到调节径流、净化水质等功能，计算公式为：
（4）；
式中，W为产水量；P为降水量；ET为蒸散量。
（2）验证FVC及生态系统服务的相关性：
检验FVC与各生态系统服务指标之间是否存在相关关系，以判断用植被覆盖度变化来判断生态系统服务的增加特征是否可靠的。使用相关系数进行检验，公式如下：
（5）；
式中：FVCi代表第i个FVC，ESi,r为不同生态系统服务指标的第i个数据（i=1，2，3，…，n），n表示共获取n组数据。
当相关系数≥0.5时，则认为FVC与该生态系统服务指标有相关性，该指标继续参与余下步骤的计算；若相关系数<0.5，则认为FVC与该生态系统服务指标无相关性，不参与余下步骤计算。
S2、计算生态系统综合服务指数：
S21、剔除生态系统服务指标的量纲差异；
将各组中的多个所述生态系统服务指标进行处理，消除量纲差异，将不同单位的物理量转化为相同的比例尺度，既能方便进行比较和分析，又能有效消除变量量纲和变异范围影响，使生态系统综合服务指数能够反映各类生态系统服务指数的特性，处理公式为：
（6）；
式中，Zr为第r个消除量纲差异后的生态系统服务指标，r为碳固存服务、土壤保持服务和水源涵养服务；ESr表示第r个生态系统服务数据，ESr,mean表示各组数据中第r个生态系统服务指标的平均值；
S22、利用变异系数法赋予权重；
生态系统服务指标的重要性根据区域差异有所不同，为能够使碳固存服务、土壤保持服务和水源涵养服务较为综合地反映当地生态系统服务整体，需对各生态系统服务指标进行赋权。为科学分配各生态系统服务指标占生态系统综合服务指数中的权重，利用变异系数法对各生态系统服务指标赋权，通过确定指标中的差异性来确定权重，避免了专家打分带来的主观性。计算公式为：
（7）；
（8）；
（9）；
式中，σr为第r个生态系统服务指标的变异系数，r=1、2、3；R为生态系统服务指标的个数；为第r个生态系统服务指标的平均值，Dr为第r个生态系统服务指标的权重；IES为生态系统服务综合指数，由固碳服务、水源涵养服务、水土保持服务分别赋值加权相加得到。
S3、拟合FVC与生态系统综合服务指数的关系曲线：
由于FVC与生态系统综合服务指数之间的关系为非线性关系，呈现出波动相关，因此不能以简单线性方式拟合FVC与生态系统服务之间的关系。相比于简单线性方式拟合，稳健平滑局部回归能更好地排除异常值干扰且适应非线性关系，提供更准确的拟合曲线。该方法通过得到以FVCi为中心的n个子集，对每个子集进行局部回归，进而得到n个局部回归函数，从而得到各局部回归函数的中心值（FVCi，IESi），将n个中心值（FVCi，IESi）连接即得到FVC与生态系统综合服务指数的关系曲线。具体如下：
S31、绘制FVC与生态系统综合服务指数的关系散点图；
以FVC为横坐标，以IES为纵坐标，绘制FVC与IES的关系散点图，得到(FVC1，IES1)~(FVCi，IESi)~(FVCn，IESn)的二维散点图，其中FVC1≤FVCi≤FVCn，i为散点图中第i个点，i=1、2、3、…、n，n为总散点个数。
S32、利用滑动窗口获取子集；
利用一个宽度为s的滑动窗口，将以FVCi为中心s为宽度的附近的点组成为一个子集，即(FVCi-s/2,IESi-s/2)~(FVCi+s/2,IESi+s/2)，i=1、2、3、…、n；
将该滑动窗口沿着横坐标的正方向依次滑动，得到n个子集；其中，滑动窗口的宽度计算方法如下：
（10）；
式中，s为滑动窗口的宽度，g为子集中散点的个数占总散点个数的比例，n为总散点个数，g取值在0.2~0.7之间。
S33、对子集内所有散点进行局部回归；
对得到的n个子集中的散点进行局部回归，得到n个局部回归函数。由于在数据获取过程中，会采集到一些水体、居民地、未利用地的点数据，这种点数据的FVC与生态系统服务关系因不能反映植树造林情况而被视为异常值，为避免异常值干扰，利用权重来调整子集中散点对局部回归函数的贡献，局部回归的计算公式如下：
（11）；
（12）；
（13）；
（14）；
其中，为第i个拟合出的生态系统综合服务指数，即局部回归函数的中心点值；a和b为局部回归函数的参数；FVCij为第i个子集中的第j个点的FVC，j=1、2、3、…、s；/>为第i个子集中FVC平均值；IESij为第i个子集中第j个点的生态系统综合服务指数；/>为第i个子集中生态系统综合服务指数的平均值；/>为第i个子集中第j个点的权重。
S34、连接n个中心点得到关系曲线；
通过上述步骤计算每个数据点FVCi的中心点拟合值,将这些点用曲线连接起来，即得到FVC与生态系统综合服务指标的平滑曲线。
S4、根据FVC与IES的关系曲线估计FVC的上限点：
将生态系统综合服务指数IES随植被覆盖度FVC增加而无变化或开始下降时的点作为拐点，上限点为所有拐点中生态系统综合服务指数IES为最高的点。
通过分析相邻增长率来确定拐点的位置，并确定上限点，计算公式如下：
（15）；
（16）；
（17）；
式中，为相邻增长率，代表相邻两个点内生态系统综合服务指数随着FVC增加而变化的程度；k为拐点，表示生态系统综合服务指数随着FVC增加而几乎不变化甚至下降的点；K为上限点，取拐点中最大的点为上限点。
S5、所述利用重采样方法估计FVC的上限区间：
传统研究仅将一次拟合分析所得上限点作为结果，没有考虑一次分析所得到的FVC不太可能是唯一代表变化点的值，且结果若是区间准确性会更高。因此，为了避免这种情况带来的误差，也为了提供给实际恢复工程所需的更有用的上限区间，本发明对原始数据集进行重新采样与模拟计算，接着剔除异常上限点获取有效值，最终转化为上限区间。具体包括：
S51、进行数据重新采样与模拟计算；
通过调整滑动窗口s的宽度，重新对原始数据集进行子集选取，并重复多次模拟计算上限点，得到多个FVC上限点；本实施例重复10次模拟计算上限点，得到10个FVC上限点。
S52、通过分位数回归法进行异常值剔除；
通过绘制各项生态系统综合服务指数对应的FVC上限点的箱图，剔除异常值，保留上四分位数Q3和下四分位数Q1作为有效上限点；异常值的剔除方式为：根据分位数回归的原理，将异常值定义为低于(Q1-1.5*IQR)或高于(Q3+1.5*IQR)的值，其中，IQR表示四分位数范围，IQR=Q3-Q1。
S53、建立上限区间；
将筛选出的有效上限点作为最终结果，组成上限区间。
下面以一具体实例对本发明做详细说明。
以退耕还林区中云贵高原分区为例，该区域由于土层较薄、土壤有机质含量低加之人类活动的不合理开发而石漠化严重，生态系统易受外界干扰而发生退化，是比较典型的生态脆弱区，也是实施退耕还林和原始林保护的主要实施区。根据本发明方法计算云贵高原的植被覆盖度促进生态系统服务增长的上限区间。
2020年云贵高原分区的植被覆盖度与生态系统综合服务关系表现为凸形，以s=0.2为起始窗口，以0.05为窗口间隔，如图3所示，得到滑动窗口s=0.2、0.25、0.3、0.35、0.4、0.45、0.5、0.55、0.6、0.65时，取得FVC上限点分别为76.5%、74.8、77%、77.5%、77.5%、78%、77.5%、78%、77.5%、77.5%、78%、78.5%。经过分位数回归后，所有上限点均为有效上限点，无异常上限点，因此FVC上限区间为[74.8%，78.5%]。当FVC小于74.8%时，生态系统综合服务指数随着FVC的增加而增加，当FVC大于78.5%时，生态系统综合服务指数随着FVC的增加而降低。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (7)
1.一种促进生态服务功能提升的植被覆盖度恢复上限计算方法，其特征在于，包括以下步骤：
获取生态工程区的多组植被及服务数据，每组植被及服务数据分别包含植被覆盖度FVC及对应的多个生态系统服务指标；
分别对每组中的多个所述生态系统服务指标进行加权求和，得到各组的生态系统综合服务指数IES；
以FVC为横坐标，以IES为纵坐标，绘制FVC与IES的关系散点图，并利用滑动窗口沿横坐标正方向依次滑动，得到n个子集；
对每个子集中的散点进行局部回归，得到n个局部回归函数；
计算n个局部回归函数的中心点值，并用曲线拟合连接，得到FVC与IES的关系曲线；
根据FVC与IES的关系曲线估计FVC的上限点，将生态系统综合服务指数IES随植被覆盖度FVC增加而无变化或开始下降时的点作为拐点，上限点为所有拐点中生态系统综合服务指数IES为最高的点；
通过分析相邻增长率来确定拐点的位置，并确定上限点，计算公式如下：
式中，为相邻增长率，代表相邻两个点内生态系统综合服务指数随着FVC增加而变化的程度；k为拐点，表示生态系统综合服务指数随着FVC增加而几乎不变化甚至下降的点；K为上限点，取拐点中生态系统综合服务指数最大的点为上限点；
利用重采样方法估计FVC的上限区间，包括：
通过调整滑动窗口s的宽度，重新对原始数据集进行子集选取，并重复多次模拟计算上限点，得到多个FVC上限点；
通过绘制各项生态系统综合服务指数对应的FVC上限点的箱图，剔除异常值，保留上四分位数Q3和下四分位数Q1作为有效上限点；
将筛选出的有效上限点作为最终结果，组成上限区间。
2.根据权利要求1所述的促进生态服务功能提升的植被覆盖度恢复上限计算方法，其特征在于，每组数据中的生态系统服务指标包括：碳固存服务、土壤保持服务和水源涵养服务；
其中，所述碳固存服务以生态系统碳储量为指标，计算公式为：
C＝Ca+Cb+Cs+Cd；
式中，C为总碳存储量；Ca为地上碳存储量；Cb为地下碳存储量；Cs为土壤碳存储量；Cd为死亡有机质碳存储量；
土壤保持服务指标以土壤保持量作为指标，计算公式为：
S=Sp-Sv＝R×K×L×F×(1-C×P)；
式中，S、Sp和Sv分别对应表示土壤保持量、潜在土壤侵蚀和实际土壤侵蚀；R表示降水侵蚀因子；K表示土壤侵蚀因子；L表示坡长因子；F表示坡度因子；C表示植被覆盖因子；P表示管理因子；
水源涵养服务以产水量为指标，计算公式为：
W=P-ET；
式中，W为产水量；P为降水量；ET为蒸散量。
3.根据权利要求1所述的促进生态服务功能提升的植被覆盖度恢复上限计算方法，其特征在于，获取生态工程区的多组植被及服务数据之后，还包括：
检验植被覆盖度FVC与各生态系统服务指标之间是否存在相关关系。
4.根据权利要求1所述的促进生态服务功能提升的植被覆盖度恢复上限计算方法，其特征在于，所述生态系统综合服务指数IES的计算过程包括：
将各组中的多个所述生态系统服务指标进行处理，消除量纲差异，处理公式为：
Zr＝ESr/ESr，mean；
式中，Zr为第r个消除量纲差异后的生态系统服务指标，r为生态系统服务指标；ESr表示第r个生态系统服务数据，ESr,mean表示各组数据中第r个生态系统服务指标的平均值；
利用变异系数法对各生态系统服务指标进行赋权，得到生态系统综合服务指数IES，计算公式为：
式中，σr为第r个生态系统服务指标的变异系数，r＝1、2、3；R为生态系统服务指标的个数；为第r个生态系统服务指标的平均值，Dr为第r个生态系统服务指标的权重；IES为生态系统综合服务指数。
5.根据权利要求1所述的促进生态服务功能提升的植被覆盖度恢复上限计算方法，其特征在于，n个子集的获得过程包括：
以FVC为横坐标、IES为纵坐标，绘制FVC与IES的关系散点图，得到(FVC1，IES1)～(FVCi，IESi)～(FVCn，IESn)的二维散点图，其中FVC1≤FVCi≤FVCn，i为散点图中第i个点，i=1、2、3、…、n，n为总散点个数；
利用一个宽度为s的滑动窗口，将以FVCi为中心s为宽度的附近的点组成为一个子集，i＝1、2、3、...、n；
将该滑动窗口沿着横坐标的正方向依次滑动，得到n个子集；其中，滑动窗口的宽度计算方法如下：
S＝g×n；
式中，s为滑动窗口的宽度，g为子集中散点的个数占总散点个数的比例，n为总散点个数，g取值在0.2～0.7之间。
6.根据权利要求5所述的促进生态服务功能提升的植被覆盖度恢复上限计算方法，其特征在于，局部回归函数的中心点值的计算过程，包括：
利用权重来调整子集中散点对局部回归函数的贡献，局部回归的计算公式如下：
其中，为第i个拟合出的生态系统综合服务指数，即局部回归函数的中心点值；a和b为局部回归函数的参数；FVCij为第i个子集中的第j个点的FVC，j＝1、2、3、...、s；/>为第i个子集中FVC平均值；IESij为第i个子集中第j个点的生态系统综合服务指数；/>为第i个子集中生态系统综合服务指数的平均值；ωij为第i个子集中第j个点的权重。
7.根据权利要求1所述的促进生态服务功能提升的植被覆盖度恢复上限计算方法，其特征在于，异常值的剔除方式为：根据分位数回归的原理，将异常值定义为低于(Q1-1.5×IQR)或高于(Q3+1.5×IQR)的值，其中，IQR表示四分位数范围，IQR＝Q3-Q1。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311093156.4A CN116821589B (zh) | 2023-08-29 | 2023-08-29 | 促进生态服务功能提升的植被覆盖度恢复上限计算方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311093156.4A CN116821589B (zh) | 2023-08-29 | 2023-08-29 | 促进生态服务功能提升的植被覆盖度恢复上限计算方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116821589A CN116821589A (zh) | 2023-09-29 |
| CN116821589B true CN116821589B (zh) | 2023-11-14 |
Family
ID=88120663
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311093156.4A Active CN116821589B (zh) | 2023-08-29 | 2023-08-29 | 促进生态服务功能提升的植被覆盖度恢复上限计算方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116821589B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104376204A (zh) * | 2014-11-06 | 2015-02-25 | 中国测绘科学研究院 | 一种采用改进的像元二分法反演植被覆盖度的方法 |
| CN107909607A (zh) * | 2017-12-11 | 2018-04-13 | 河北省科学院地理科学研究所 | 一种年度区域植被覆盖度计算方法 |
| WO2022063839A1 (de) * | 2020-09-22 | 2022-03-31 | Swiss Reinsurance Company Ltd. | Überwachungs- und risikoindexmesssystem basierend auf gemessenen ökosystemleistungen in abhängigkeit von sektor-bezogenen wirtschaftsleistungen, und entsprechendes verfahren |
-
2023
- 2023-08-29 CN CN202311093156.4A patent/CN116821589B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104376204A (zh) * | 2014-11-06 | 2015-02-25 | 中国测绘科学研究院 | 一种采用改进的像元二分法反演植被覆盖度的方法 |
| CN107909607A (zh) * | 2017-12-11 | 2018-04-13 | 河北省科学院地理科学研究所 | 一种年度区域植被覆盖度计算方法 |
| WO2022063839A1 (de) * | 2020-09-22 | 2022-03-31 | Swiss Reinsurance Company Ltd. | Überwachungs- und risikoindexmesssystem basierend auf gemessenen ökosystemleistungen in abhängigkeit von sektor-bezogenen wirtschaftsleistungen, und entsprechendes verfahren |
Non-Patent Citations (3)
| Title |
|---|
| The Value of Ecosystem Traffic Noise Reduction Service Provided by Urban Green Belts: A Case Study of Shenzhen;Li Liu, et al;Land;全文 * |
| 中国植被覆盖度时空特征及其影响因素分析;马梓策;于红博;曹聪明;张巧凤;侯丽丽;刘月璇;;长江流域资源与环境(第06期);全文 * |
| 基于生态系统服务改进的贵州省农业生态效率对比研究;卢雨点;中国优秀硕士学位论文全文数据库工程科技Ⅰ辑;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116821589A (zh) | 2023-09-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111797129B (zh) | 一种气候变化情景下水文旱情评估方法 | |
| Oo et al. | Analysis of streamflow response to changing climate conditions using SWAT model | |
| CN112765808B (zh) | 一种生态干旱的监测与评估方法 | |
| CN107316095B (zh) | 一种耦合多源数据的区域气象干旱等级预测方法 | |
| Donner et al. | Spatial patterns of linear and nonparametric long-term trends in Baltic sea-level variability | |
| CN111665575B (zh) | 一种基于统计动力的中长期降雨分级耦合预报方法及系统 | |
| CN111191193A (zh) | 一种基于自回归滑动平均模型的长期土壤温湿度高精度预测方法 | |
| CN108920427B (zh) | 一种月尺度水文模型时变参数的动态估计方法 | |
| CN112883558B (zh) | 一种水文模型参数时变形式构造方法 | |
| CN116451879A (zh) | 一种干旱风险预测方法、系统及电子设备 | |
| CN113887972A (zh) | 一种基于水文过程的综合旱情监测与评估方法 | |
| Martí et al. | An artificial neural network approach to the estimation of stem water potential from frequency domain reflectometry soil moisture measurements and meteorological data | |
| CN116128141B (zh) | 风暴潮预测方法、装置、存储介质及电子设备 | |
| CN114357737B (zh) | 针对大尺度水文模型时变参数的代理优化率定方法 | |
| CN115495991A (zh) | 一种基于时间卷积网络的降水区间预测方法 | |
| CN115236005A (zh) | 一种融合光谱和空间特征的土壤重金属含量反演方法 | |
| CN109272144B (zh) | 基于bpnn的中国北方草原地区ndvi的预测方法 | |
| Colantoni et al. | Soil aridity under climate change and implications for agriculture in Italy | |
| CN116796799A (zh) | 无水文资料地区中小流域洪水降雨量阈值模型创建方法 | |
| CN116821589B (zh) | 促进生态服务功能提升的植被覆盖度恢复上限计算方法 | |
| CN112989557A (zh) | 基于神经网络可选择模型提高水储量变化预测可靠性方法 | |
| CN112287299A (zh) | 河流健康变化定量归因方法、装置及系统 | |
| CN116777079A (zh) | 一种基于贝叶斯层间结构模型的沙漠化侵扰灾害预测方法 | |
| CN116401962A (zh) | 水质模型最优特征方案的推求方法 | |
| CN115630337A (zh) | 基于大尺度气候遥相关的极端降雨归因的定量评估方法及系统 |
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 |