CN117251520B - 生物多样性关键区域识别方法、装置和电子设备 - Google Patents
生物多样性关键区域识别方法、装置和电子设备 Download PDFInfo
- Publication number
- CN117251520B CN117251520B CN202311532141.3A CN202311532141A CN117251520B CN 117251520 B CN117251520 B CN 117251520B CN 202311532141 A CN202311532141 A CN 202311532141A CN 117251520 B CN117251520 B CN 117251520B
- Authority
- CN
- China
- Prior art keywords
- climate
- evaluation result
- variable data
- climate change
- biological
- 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
- 238000000034 method Methods 0.000 title claims abstract description 41
- 230000008859 change Effects 0.000 claims abstract description 167
- 238000009826 distribution Methods 0.000 claims abstract description 143
- 238000011156 evaluation Methods 0.000 claims abstract description 129
- 230000007613 environmental effect Effects 0.000 claims abstract description 70
- 238000010586 diagram Methods 0.000 claims description 36
- 230000006870 function Effects 0.000 claims description 31
- 238000004458 analytical method Methods 0.000 claims description 20
- 238000013439 planning Methods 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 15
- 238000004891 communication Methods 0.000 claims description 14
- 238000002922 simulated annealing Methods 0.000 claims description 12
- 238000010606 normalization Methods 0.000 claims description 10
- 238000000513 principal component analysis Methods 0.000 claims description 8
- 238000009792 diffusion process Methods 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 5
- 238000013508 migration Methods 0.000 claims description 4
- 230000005012 migration Effects 0.000 claims description 4
- 238000013461 design Methods 0.000 abstract description 2
- 230000000875 corresponding effect Effects 0.000 description 38
- 239000000463 material Substances 0.000 description 16
- 230000004083 survival effect Effects 0.000 description 8
- 238000005457 optimization Methods 0.000 description 7
- 230000001276 controlling effect Effects 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000001556 precipitation Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 102100031184 C-Maf-inducing protein Human genes 0.000 description 1
- 101000993081 Homo sapiens C-Maf-inducing protein Proteins 0.000 description 1
- 238000012952 Resampling Methods 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012913 prioritisation Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/188—Vegetation
-
- 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
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Tourism & Hospitality (AREA)
- Mathematical Physics (AREA)
- Databases & Information Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Algebra (AREA)
- Probability & Statistics with Applications (AREA)
- Computational Linguistics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Multimedia (AREA)
- Computational Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Pure & Applied Mathematics (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Remote Sensing (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供了一种生物多样性关键区域识别方法、装置和电子设备,涉及生态环境设计技术领域,该生物多样性关键区域识别方法包括:获取生物环境变量数据、生物气候变量数据和目标物种的分布点位数据。计算待研究区域包括的多个像元的环境指标值,并根据多个像元的至少包括地貌多样性、高程范围和湿地密度的环境指标值,确定环境评价结果。根据生物气候变量数据和环境评价结果,确定气候变化避难所潜力的评价结果。根据生物环境变量数据、生物气候变量数据和分布点位数据,确定目标物种的分布概率图。根据气候变化避难所潜力的评价结果和分布概率图,识别待研究区域包括的生物多样性关键区域。本方案可以提升生物多样性关键区域识别的准确性。
Description
技术领域
本申请实施例涉及生态环境设计技术领域,尤其涉及一种生物多样性关键区域识别方法、装置和电子设备。
背景技术
生物多样性关键区域是保护生物多样性的特定地理区域,经常被用作保护工作和确定优先级的协调中心,因此,生物多样性关键区域识别是至关重要的。
目前,现有技术是通过对物种对应的环境变量进行相关性分析,然后结合物种的分布数据进行区域识别,获得生物多样性关键区域。
然而,生物多样性关键区域还和气候变化相关,导致生物多样性关键区域识别不准确。
发明内容
有鉴于此,本申请实施例提供了一种生物多样性关键区域识别方法、装置和电子设备,以至少解决上述部分问题。
根据本申请实施例的第一方面,提供了一种生物多样性关键区域识别方法,所述方法包括:获取生物环境变量数据、生物气候变量数据和目标物种的分布点位数据,其中,所述生物气候变量数据包括当前时期和未来时期对应的气候变量数据。计算待研究区域包括的多个像元的环境指标值,并根据所述多个像元的环境指标值,确定环境评价结果,其中,所述环境指标值至少包括地貌多样性、高程范围和湿地密度的值。根据所述生物气候变量数据和所述环境评价结果,确定气候变化避难所潜力的评价结果。根据所述生物环境变量数据、所述生物气候变量数据和所述分布点位数据,确定所述目标物种的分布概率图。根据所述气候变化避难所潜力的评价结果和所述分布概率图,识别所述待研究区域包括的生物多样性关键区域。
根据本申请实施例的第二方面,提供了一种生物多样性关键区域识别装置,所述装置包括:获取模块,用于获取生物环境变量数据、生物气候变量数据和目标物种的分布点位数据,其中,所述生物气候变量数据包括当前时期和未来时期对应的气候变量数据。第一计算模块,用于计算待研究区域包括的多个像元的环境指标值,并根据所述多个像元的环境指标值,确定环境评价结果,其中,所述环境指标值至少包括地貌多样性、高程范围和湿地密度的值。第二计算模块,用于根据所述生物气候变量数据和所述环境评价结果,确定气候变化避难所潜力的评价结果。第三计算模块,用于根据所述生物环境变量数据、所述生物气候变量数据和所述分布点位数据,确定所述目标物种的分布概率图。识别模块,用于根据所述气候变化避难所潜力的评价结果和所述分布概率图,识别所述待研究区域包括的生物多样性关键区域。
根据本申请实施例的第三方面,提供了一种电子设备,包括:处理器、通信接口、存储器和通信总线,处理器、存储器和通信接口通过通信总线完成相互间的通信。存储器用于存放至少一可执行指令,可执行指令使处理器执行如上述第一方面所述的生物多样性关键区域识别方法对应的操作。
由上述技术方案,首先获取生物环境变量数据、生物气候变量数据和目标物种的分布点位数据,然后计算待研究区域包括的多个像元的环境指标值,并根据多个像元的环境指标值,确定环境评价结果,环境评价结果越高代表在不适宜的气候条件下形成适宜物种生存的局部气候的潜力越强,接着根据生物气候变量数据和环境评价结果,即结合气候变化和物理环境两大因素确定气候变化避难所潜力的评价结果,使得气候变化避难所潜力的评价结果更加准确,然后根据分布点位数据,结合气候变化和物理环境确定目标物种的分布概率图,进而根据气候变化避难所潜力的评价结果和分布概率图这两个指标,识别待研究区域包括的生物多样性关键区域,提升了识别生物多样性关键区域的准确性。
附图说明
为了更清楚地说明本申请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,下面描述中的附图是本申请的一些实施例,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,还可以根据这些附图获得其他的附图。
图1是本申请一个实施例提供的生物多样性关键区域识别方法的流程图;
图2是本申请另一个实施例提供的生物多样性关键区域识别方法的流程图;
图3是本申请一个实施例提供的生物多样性关键区域识别装置的示意图;
图4是本申请一个实施例提供的电子设备的示意性框图。
具体实施方式
为了使本领域的人员更好地理解本发明实施例中的技术方案,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、详细地描述,显然,所描述的实施例仅是本发明实施例一部分实施例,而不是全部的实施例。基于本发明实施例中的实施例,本领域普通技术人员所获得的所有其他实施例,都应当属于本发明实施例保护的范围。
在下面的详细描述中对附图进行参考,这些附图形成详细描述的一部分并且图示了示例性实施例。另外,要理解,可以利用其他实施例,并且可以进行结构和/或逻辑改变,而不脱离要求权利的主题的范围。还应该注意的是,方向和参考(例如上、下、顶、底等)可以仅仅用于便于附图中特征的描述。因此,以下详细描述将不在限制意义上被理解,并且要求权利的主题的范围仅由所附权利要求及其等效物来限定。
在下面的描述中,阐述了众多细节。然而,对于本领域技术人员来说将显而易见的是,可以在没有这些特定细节的情况下实践本文中的实施例。在一些情况下,公知的方法和装置以框图形式示出,而不是详细示出,以避免模糊本文中的实施例。在此说明书通篇对“实施例”或“一个实施例”或“一些实施例”的引用意味着结合该实施例描述的特定特征、结构、功能或特性被包括在本文中的至少一个实施例中。因此,在此说明书通篇各处中出现短语“在实施例中”或“在一个实施例中”或“一些实施例”不一定是指同一实施例。此外,在一个或多个实施例中,特定特征、结构、功能或特性可以以任何合适的方式组合。例如,第一实施例可以在与两个实施例关联的特定特征、结构、功能或特性不相互排斥的任何情况下与第二实施例组合。
如在描述和所附权利要求中所使用的,单数形式“一(a、an)”和“该”意图也包括复数形式,除非上下文另有明确指示。还将理解,如本文中使用的术语“和/或”指的是并且包含关联的列出项中一个或多个的任何和所有可能的组合。
术语“耦合”和“连接”连同它们的派生词在本文中可以用来描述组件之间的功能或结构关系。应该理解,这些术语不意图作为彼此的同义词。相反,在特定实施例中,“连接”可用于指示两个或多于两个元件与彼此直接物理、光或电接触。“耦合”可以用于指示两个或多于两个元件与彼此直接或间接(在它们之间有其他中间元件)物理接触或电接触,和/或两个或多于两个元件与彼此协作或交互(例如,如在因果关系中)。
如本文中所使用的术语“在…上方”、“在…下方”、“在…之间”和“在…上”是指一个组件或材料相对于其他组件或材料的相对位置,其中此类物理关系是值得注意的。例如,在材料的上下文中,设置在另一材料上方或下方的一个材料或材料可以直接接触,或者可以具有一个或多个中间材料。而且,设置在两个材料或材料之间的一个材料可以与两个层直接接触,或者可以具有一个或多个中间层。相比之下,第二材料或材料“上”的第一材料或材料与该第二材料/材料直接接触。在组件组装的上下文中要进行类似区分。
如在此描述通篇以及在权利要求中所使用的,由术语“中的至少一个”或“中的一个或多个”连接的项目的列表可意味着所列出项目的任何组合。例如,短语“A、B或C中的至少一个”可意味着A;B;C;A和B;A和C;B和C;或者A、B和C。
术语“电路”或“模块”可以指一个或多个无源和/或有源组件,它们被布置成与彼此协作以提供期望的功能。术语“信号”可以指至少一个电流信号、电压信号或磁信号。术语“基本上”、“靠近”、“近似”、“接近”和“大约”通常指在目标值的+/-10%内。
下面结合本发明实施例附图进一步说明本发明实施例的具体实现。
本申请实施例提供了一种生物多样性关键区域识别方法,以下通过多个实施例对该生物多样性关键区域识别方法进行详细说明。
图1是本申请实施例提供的一种生物多样性关键区域识别方法的流程图,如图1所示,该生物多样性关键区域识别方法包括如下步骤:
步骤S102:获取生物环境变量数据、生物气候变量数据和目标物种的分布点位数据。
生物环境变量数据反映了中观的尺度下物理环境的多样性。
生物气候变量数据包括当前时期和未来时期对应的气候变量数据,用于研究物种的分布与气候之间的关系。
目标物种的分布点位数据反映了在空间上观测目标物种记载的分布情况。
步骤S104:计算待研究区域包括的多个像元的环境指标值,并根据多个像元的环境指标值,确定环境评价结果。
环境评价结果是基于环境多样性的评价,评价环境多样性的前提是物理环境的异质性(具有多种非生物特征)会影响生物多样性模式,即具有更多的非生物特征类型,会提升生物多样性的组成部分(物种、种群、生态系统等)对气候变化的适应能力。
首先,以地貌多样性、高程范围和湿地密度这三个环境指标作为衡量环境多样性的指标,还可以根据需要计算其它类型的环境指标值,本申请对此不做限定。
然后,从生物环境变量数据中提取地貌类型、高程和湿地分布的数据,并将提取的数据重新采样为一致大小的像元。将待研究区域划分为多个像元,对每个像元进行环境多样性的单独分析。具体地,分别计算待研究区域的每个像元的环境指标值,进而根据每个像元的环境指标值确定环境评价结果。像元的环境评价结果越高,代表该像元所在区域在不适宜的气候条件下形成适宜物种生存的局部气候的潜力越强。
步骤S106:根据生物气候变量数据和环境评价结果,确定气候变化避难所潜力的评价结果。
气候变化是生物多样性丧失的重要驱动因素,气温上升、降水模式改变和极端天气事件都会破坏生态系统和栖息地,使许多物种难以生存。气候变化避难所(climatechange refugia)指生物多样性组成部分在气候条件发生变化时撤退、存在和潜在扩张的栖息地,它代表具有较稳定气候的区域。
因此,根据生物气候变量数据和环境评价结果,即结合气候变化和物理环境两大因素,使得确定气候变化避难所潜力的评价结果更加的准确。气候变化避难所潜力的评价结果越高,代表对应区域具有更高的气候稳定性,也就具有更高的气候变化避难潜力。
步骤S108:根据生物环境变量数据、生物气候变量数据和分布点位数据,确定目标物种的分布概率图。
目标物种的分布点位数据无法完整的代表目标物种的空间分布情况,而物种的分布与物理环境和气候变化都有关系,因此,获取分布点位数据后,还要结合生物环境变量数据和生物气候变量数据,确定目标物种的分布概率图。
步骤S110:根据气候变化避难所潜力的评价结果和分布概率图,识别待研究区域包括的生物多样性关键区域。
随着气候的变化,物种的分布可能会发生变化,根据气候变化避难所潜力的评价结果和分布概率图,可以更好的确定哪些区域在气候变化时目标物种适宜生存,从而能够识别出待研究区域包括的生物多样性关键区域。
在本申请实施例中,首先获取生物环境变量数据、生物气候变量数据和目标物种的分布点位数据,然后计算待研究区域包括的多个像元的环境指标值,并根据多个像元的环境指标值,确定环境评价结果,环境评价结果越高代表在不适宜的气候条件下形成适宜物种生存的局部气候的潜力越强,接着根据生物气候变量数据和环境评价结果,即结合气候变化和物理环境两大因素确定气候变化避难所潜力的评价结果,使得气候变化避难所潜力的评价结果更加准确,然后根据分布点位数据,结合气候变化和物理环境确定目标物种的分布概率图,进而根据气候变化避难所潜力的评价结果和分布概率图这两个指标,识别待研究区域包括的生物多样性关键区域,提升了识别生物多样性关键区域的准确性。
在一种可能的实现方式中,在计算待研究区域包括的多个像元的环境指标值,并根据所述多个像元的环境指标值,确定环境评价结果时,包括:通过地理空间信息系统,对待研究区域包括的每个像元分别计算以该像元为中心、预定半径范围内的区域的环境指标值,作为该像元的环境指标值,对多个像元的多个环境指标值进行归一化处理后,对归一化处理结果进行等权重的空间叠加,获得环境评价结果。
从生物环境变量数据中提取地貌类型、高程和湿地分布的数据,并将提取的数据重新采样为一致大小的像元。将待研究区域划分为多个像元,对每个像元,通过地理空间信息系统中的焦点分析方法,分别计算以该像元为中心、预定半径范围内的区域的环境指标值,环境指标值至少包括地貌多样性、高程范围和湿地密度的值,例如,相关文件划分了26种地貌类型,包括低海拔平原、中海拔平原、高海拔平原、极高海拔平原等。在此过程中,需要对焦点分析的不同半径值进行测试和判断,确定出合理的预定半径范围,以实现分析结果中不同像元的环境指标值的最大差异性。完成环境指标值的计算之后,对多个像元的多个环境指标值进行归一化处理,然后对归一化处理结果进行等权重的空间叠加,进而获得环境评价结果。通常,环境评价结果的值范围为0-1,环境评价结果的值越高,说明在不适宜的气候条件下形成适宜物种生存的局部气候的潜力越强。
在本申请实施例中,通过地理空间信息系统,对待研究区域包括的每个像元分别计算以该像元为中心、预定半径范围内的区域的环境指标值,比如地貌多样性、高程范围和湿地密度的值,然后对多个像元的多个环境指标值进行归一化处理,对归一化处理结果进行等权重的空间叠加,进而获得环境评价结果,为确定气候变化避难所潜力的评价结果提供依据。
在一种可能的实现方式中,在根据生物气候变量数据和环境评价结果,确定气候变化避难所潜力的评价结果时,包括:根据生物气候变量数据进行主成分分析,选取代表气候变量的关键信息的多个主成分;获取多个主成分对应的现在时期和未来时期的生物气候变量数据,通过如下公式分别计算每个像元对应的气候变化速度:
用于表征像元对应的气候变化速度;d用于表征当前时期的像元与具有当前时期对应的气候类型的未来时期的其他像元之间的距离中的最小值,或者未来时期的像元与具有未来时期对应的气候类型的现在时期的其他像元之间的距离中的最小值;t用于表征当前时期与未来时期之间的时间差;
根据各所述像元对应的气候变化速度,获得气候变化速度图;
根据所述气候变化速度图和所述环境评价结果,确定所述气候变化避难所潜力的评价结果。
气候变化速度是确定宏观尺度的气候变化避难所的一种指标。气候变化速度较低的地区具有较高的避难所潜力,因为此类区域的物种为适应不断变化的气候而必须迁移的距离相对有限。
当前时期和未来时期的生物气候变量数据可以从ScenarioMIP/CMIP6 的共享社会经济路径 (SSP) 和代表性浓度路径 (RCP) 组合情景中选取,例如,SSP1-2.6,年份:2050年,分辨率:30秒,全球气候模型:CMCC-ESM2、MIROC6和 IPSL-CM6A-LR,并从可获取的数据库,如WorldClim数据库,取得相应的数据。由于不同的全球气候模型的预测数据具有差异性和不确定性,可依据文献选取在待研究区域常用或表现良好的若干全球气候模型,对每个全球气候模型进行气候变化速度分析,并将结果进行平均化处理,获得气候变量基准数据。
进行气候变化速度分析时,使用当前时期和未来时期的生物气候变量数据或气候变量基准数据构建主成分分析(PCA),以减少气候变量的维度。选取能够解释超过90%的气候变异性的前n个主成分,这些主成分可以有效地代表气候变量的关键信息。然后,获取选取的n个主成分对应的现在时期和未来时期的生物气候变量数据,通过如下公式分别计算每个像元对应的气候变化速度:
气候变化速度分为前向气候变化速度和后向气候变化速度两类,前向气候变化速度计算的是某一像元当前气候类型与未来时期具有相同气候类型的最近的单元之间的距离(d)与时间(t)的比值。反之,后向气候变化速度计算的是某一像元未来时期的气候类型与当前时期具有相同气候类型的最近的像元之间的距离(d)与时间(t)的比值。这两个互为补充的指标反映了物种为追踪其气候生态位而需要迁移或扩散的速度。
在进行主成分分析的过程中,需要定义每个主成分变量的阈值,如果该变量在某一像元的数值和另一像元的数值的差异小于该阈值,则可视为相同。需要使用若干个PCA单位作为阈值进行测试分析,选取适当的阈值,以防止过宽的阈值带来的信息损失,同时防止使用过狭的阈值导致难以找到相似气候类型的像元。此外,需设置搜索相同气候类型的地理距离范围。基于所选取的主成分和上述参数设置,对待研究区域内的每个像元进行移动窗口式搜索,计算所得的气候变化速度的单位是公里每年(km/yr)。气候变化速度越低,说明该处具有更高的气候稳定性,故具有更高的气候变化避难所潜力。
完成计算后,就能根据每个像元的气候变化速度获得气候变化速度图。进而根据气候变化速度图和环境评价结果,确定气候变化避难所潜力的评价结果。
在本申请实施例中,根据生物气候变量数据进行主成分分析,选取代表气候变量的关键信息的多个主成分,然后获取所述多个主成分对应的现在时期和未来时期的生物气候变量数据,基于距离计算每个所述像元对应的气候变化速度,气候变化速度越低代表对应区域具有更高的气候变化避难所潜力,从而获得气候变化速度图,进而结合气候变化速度图和环境评价结果这两个指标,确定气候变化避难所潜力的评价结果,为识别生物多样性关键区域提供依据。
在一种可能的实现方式中,在根据气候变化速度图和环境评价结果,确定气候变化避难所潜力的评价结果时,包括:对气候变化速度图进行反向缩放并进行归一化处理,获得气候变化分析结果;对气候变化分析结果与环境评价结果进行等权重空间叠加,获得气候变化避难所潜力的评价结果。
气候变化速度图中包括的每个像元对应的气候变化速度与气候变化避难所潜力成负相关,即气候变化速度越大,气候变化避难所潜力越低,因此需要对气候变化速度图进行反向缩放处理,使得处理后的每个像元对应的气候变化速度值越大,气候变化避难所潜力也越高,然后再对反向缩放处理后的结果进行归一化处理,获得气候变化分析结果,这样气候变化分析结果中包括的每个像元对应的气候变化值的范围为0-1,环境评价结果中每个像元的环境多样性的范围也是0-1,将气候变化分析结果与环境评价结果进行等权重空间叠加,即得到气候变化避难所潜力的评价结果。
在本申请实施例中,对气候变化速度图进行反向缩放并进行归一化处理,获得气候变化分析结果,使得气候变化分析结果中包括的每个像元对应的气候变化的值范围为0-1,且与气候变化避难所潜力成正相关,然后将气候变化分析结果与环境评价结果进行等权重空间叠加,获得气候变化避难所潜力的评价结果,为识别生物多样性关键区域提供依据。
在一种可能的实现方式中,图2是本申请另一个实施例提供的一种生物多样性关键区域识别方法的流程图。如图2所示,在根据生物环境变量数据、生物气候变量数据和分布点位数据,确定目标物种的分布概率图时,包括如下步骤:
步骤S202:根据生物气候变量数据中包括的当前时期对应的气候变量数据、生物环境变量数据和分布点位数据,拟合目标物种的分布模型。
由于目标物种的分布点位数据,无法完整的代表目标物种的空间分布概率,因此需要模拟目标物种在待研究区域内连续的分布概率。同时,随着气候变化,目标物种的分布可能会发生变化。所以,获取当前时期的生物气候变量数据,并纳入高程、土壤类型等生物环境变量数据,然后基于分布点位数据拟合目标物种的分布模型。
拟合的目标物种的分布模型,可以用来预测目标物种的不同时期的分布概率,为了提高分布模型的准确性,对于每个物种,使用至少10次重复运行的平均输出作为最终物种分布模型。同时使用接收者操作特征曲线下面积(Area Under the Receiver OperatingCharacteristic Curve,AUC)来评估模型性能,该指标度量了模型的一致性和预测准确性。AUC值为1表示模型完美拟合数据,AUC值为0.5表示不优于随机模型。AUC值≥ 0.7表示“有用”模型,≥ 0.9表示“高性能”模型。因此,筛选AUC<0.7的物种分布模型,排除性能不佳的模型,最终获得有效的目标物种的分布模型。
步骤S204:将生物气候变量数据中包括的当前时期和未来时期对应的气候变量数据作为分布模型的输入,获得分布模型输出的目标物种对应当前时期和未来时期的初始分布图。
将生物气候变量数据中包括的当前时期的气候变量数据输入最终获得的有效的目标物种的分布模型,获得分布模型输出的目标物种对应当前时期的初始分布图,将生物气候变量数据中包括的未来时期的气候变量数据输入最终获得的有效的分布模型,获得分布模型输出的目标物种对应未来时期的初始分布图。
步骤S206:对初始分布图进行修正处理,获得目标物种的分布概率图。
对于初始分布图,需要修正处理以划定“适宜”区域和“不适宜”区域,才能获得较好描述目标物种的分布概率图。
在本申请实施例中,根据生物气候变量数据中包括的当前时期对应的气候变量数据和分布点位数据,拟合目标物种的分布模型,然后通过分布模型预测目标物种对应当前时期和未来时期的初始分布图,对初始分布图进行修正处理,获得最终的能较好描述目标物种的分布概率图,从而可以为生物多样性关键区域识别提供有效的输入数据。
在一种可能的实现方式中,在对初始分布图进行修正处理,获得目标物种的分布概率图时,包括:通过最大熵模型对初始分布图包括的多个像元的适宜度值进行处理,获得适宜度阈值;根据适宜度阈值,将初始分布图中对应适宜度值小于适宜度阈值的像元的适宜度值修正为0,获得中间分布图;将中间分布图包括的对应适宜度值大于0的分布区域中的超出合理扩散距离的区域删除,获得目标物种的分布概率图,其中,所述合理扩散距离用于表征所述目标物种所能迁徙的最大距离。
通过最大熵模型对初始分布图包括的多个像元的适宜度值进行处理,具体地,使用“最大训练灵敏度加特异性逻辑阈值”,获得适宜度阈值,同一物种对应的适宜度阈值相同。然后分别比较初始分布图中的每个像元的适宜度值和适宜度阈值,如果像元的适宜度值大于或等于适宜度阈值则保留,如果像元的适宜度值小于适宜度阈值,则将该适宜度值修正为0,最终获得中间分布图。
考虑到目标物种在未来气候下的迁徙速度是有限的,超出合理扩散距离的未来适宜分布区域需要被删除,以获得更符合现实的物种未来的分布概率图。例如,合理扩散距离为:鸟类和哺乳动物——1.5km/yr,植物、两栖动物和爬行动物——0.1km/yr。
在本申请实施例中,通过最大熵模型对初始分布图包括的多个像元的适宜度值进行处理,获得适宜度阈值,然后将每个像元的适宜度值与适宜度阈值进行比较,将小于适宜度阈值的适宜度值修正为0 ,接着,考虑到目标物种在未来气候下的迁徙速度是有限的,删除超出合理扩散距离的未来适宜分布区域,获得更符合现实的物种的未来的分布概率图。
在一种可能的实现方式中,在根据气候变化避难所潜力的评价结果和分布概率图,识别待研究区域包括的生物多样性关键区域时,包括:根据气候变化避难所潜力的评价结果构建模拟退火算法包括的目标函数;将分布概率图作为目标函数中规划函数的输入,通过模拟退火算法对待研究区域的生物多样性关键区域进行识别。
通过改进应用模拟退火算法确定生物多样性区域的常规方法,将气候变化避难所转化为控制空间优先考虑的成本,并根据气候变化避难所潜力的评价结果构建目标函数。接着,通过目标函数中的规划函数确定规划单元,比如可选择几何单元或小流域等基于研究区域生态自然特征的单元。以规划单元作为生物多样性关键区域识别的最小单位,将物种的分布概率图作为保护特征输入规划函数。然后设置模拟退火算法包括的保护目标,主要依据物种的现有分布的普遍性和物种保护等级来确定。最后进行空间迭代优化,可以定义模拟退火算法生成的优化方案个数和每个优化方案的迭代次数,例如,生成100 个优化方案,每个优化方案经过1000 万次迭代,最终从所有优化方案中选择目标函数解最小的方案,并可以通过地理信息系统对所选的规划单元进行空间可视化,完成生物多样性关键区域的识别。
在本申请实施例中,改进了应用模拟退火算法确定生物多样性关键区域的常规方法,将气候变化避难所潜力转化为控制空间优先考虑的成本,并根据气候变化避难所潜力的评价结果构建目标函数,然后分布概率图作为目标函数中规划函数的输入,通过模拟退火算法对待研究区域的生物多样性关键区域进行识别,使得生物多样性关键区域的识别更加准确。
在一种可能的实现方式中,目标函数包括:
PUs用于表征规划函数;Cost用于表征成本参数;BLM用于表征边界长度修正参数;Boundary用于表征边界参数;Features 用于表征保护特征;FPF用于表征每个保护特征的重要性;Feature Penalty用于表征特征惩罚参数,其中,Cost与气候变化避难所潜力的评价结果成负相关,Feature Penalty代表了在生成的空间优化解未满足某一保护特征的指定保护目标时产生的惩罚值。
Cost参数代表了空间迭代中被选择的规划单元的全部成本,通过该参数,可以纳入实际获得生物多样性目标的机会成本(例如,生产量和土地购置成本)以及其他研究所必须的约束因素。因此,通过Cost参数将气候变化避难所潜力与生物多样性关键区域的优化识别进行关联,将气候变化避难所潜力的评价结果输入规划函数,并将输出值进行反向缩放处理,经过处理后,每个规划单元的Cost与气候变化避难所潜力的评价结果成负相关,即规划单元的气候变化避难所潜力的评价结果越高,则成本值越低,模拟退火算法更容易选择这样的规划单元以实现更小的目标函数解,来识别生物多样性关键区域。
在本申请实施例中,目标函数通过Cost参数将气候变化避难所潜力与生物多样性关键区域的优化识别进行关联,将气候变化避难所潜力的评价结果输入规划函数,使优化更倾向于气候变化避难所潜力的评价结果高的区域。
图3是本申请一个实施例提供的生物多样性关键区域识别装置的示意图,如图3所示,生物多样性关键区域识别装置300可以包括:获取模块302、第一计算模块304、第二计算模块306、第三计算模块308和识别模块310。
获取模块302,用于获取生物环境变量数据、生物气候变量数据和目标物种的分布点位数据。
生物环境变量数据反映了中观的尺度下物理环境的多样性。
生物气候变量数据包括当前时期和未来时期对应的气候变量数据,用于研究物种的分布与气候之间的关系。
目标物种的分布点位数据反映了在空间上观测目标物种记载的分布情况。
第一计算模块304,用于计算待研究区域包括的多个像元的环境指标值,并根据多个像元的环境指标值,确定环境评价结果。
环境评价结果是基于环境多样性的评价,评价环境多样性的前提是物理环境的异质性(具有多种非生物特征)会影响生物多样性模式,即具有更多的非生物特征类型,会提升生物多样性的组成部分(物种、种群、生态系统等)对气候变化的适应能力。
通过第一计算模块304确定环境评价结果,首先,以地貌多样性、高程范围和湿地密度这三个环境指标作为衡量环境多样性的指标,还可以根据需要计算其它类型的环境指标值,本申请对此不做限定。
然后,从生物环境变量数据中提取地貌类型、高程和湿地分布的数据,并将提取的数据重新采样为一致大小的像元。将待研究区域划分为多个像元,对每个像元进行环境多样性的单独分析。具体地,分别计算待研究区域的每个像元的环境指标值,进而根据每个像元的环境指标值确定环境评价结果。像元的环境评价结果越高,代表该像元所在区域在不适宜的气候条件下形成适宜物种生存的局部气候的潜力越强。
第二计算模块306,用于根据生物气候变量数据和环境评价结果,确定气候变化避难所潜力的评价结果。
气候变化是生物多样性丧失的重要驱动因素,气温上升、降水模式改变和极端天气事件都会破坏生态系统和栖息地,使许多物种难以生存。气候变化避难所(climatechange refugia)指生物多样性组成部分在气候条件发生变化时撤退、存在和潜在扩张的栖息地,它代表具有较稳定气候的区域。
因此,通过第二计算模块306根据生物气候变量数据和环境评价结果,即结合气候变化和物理环境两大因素,使得确定气候变化避难所潜力的评价结果更加的准确。气候变化避难所潜力的评价结果越高,代表对应区域具有更高的气候稳定性,也就具有更高的气候变化避难潜力。
第三计算模块308,用于根据生物环境变量数据、生物气候变量数据和分布点位数据,确定目标物种的分布概率图。
目标物种的分布点位数据无法完整的代表目标物种的空间分布情况,而物种的分布与物理环境和气候变化都有关系,因此,获取分布点位数据后,还要结合生物环境变量数据和生物气候变量数据,通过第三计算模块308确定目标物种的分布概率图。
识别模块310,用于根据气候变化避难所潜力的评价结果和分布概率图,识别待研究区域包括的生物多样性关键区域。
随着气候的变化,物种的分布可能会发生变化,通过识别模块310根据气候变化避难所潜力的评价结果和分布概率图,可以更好的确定哪些区域在气候变化时目标物种适宜生存,从而能够识别出待研究区域包括的生物多样性关键区域。
在本申请实施例中,首先通过获取模块302获取生物环境变量数据、生物气候变量数据和目标物种的分布点位数据,然后通过第一计算模块304计算待研究区域包括的多个像元的环境指标值,并根据多个像元的环境指标值,确定环境评价结果,环境评价结果越高代表在不适宜的气候条件下形成适宜物种生存的局部气候的潜力越强,接着通过第二计算模块306根据生物气候变量数据和环境评价结果,即结合气候变化和物理环境两大因素确定气候变化避难所潜力的评价结果,使得气候变化避难所潜力的评价结果更加准确,同时通过第三计算模块308根据分布点位数据,结合气候变化和物理环境确定目标物种的分布概率图,进而通过识别模块310根据气候变化避难所潜力的评价结果和分布概率图这两个指标,识别待研究区域包括的生物多样性关键区域,提升了识别生物多样性关键区域的准确性。
图4是本申请实施例提供的一种电子设备的示意性框图,本申请具体实施例并不对电子设备的具体实现作限定。如图4所示,该电子设备400可以包括:处理器(processor)402、通信接口(Communications Interface)404、存储器(memory)406、以及通信总线408。其中:
处理器402、通信接口404、以及存储器406通过通信总线408完成相互间的通信。
通信接口404,用于与其它电子设备或服务器进行通信。
处理器402,用于执行程序410,具体可以执行前述任一生物多样性关键区域识别方法实施例中的相关步骤。
具体地,程序410可以包括程序代码,该程序代码包括计算机操作指令。
处理器402可能是CPU,或者是特定集成电路ASIC(Application SpecificIntegrated Circuit),或者是被配置成实施本申请实施例的一个或多个集成电路。智能设备包括的一个或多个处理器,可以是同一类型的处理器,如一个或多个CPU;也可以是不同类型的处理器,如一个或多个CPU以及一个或多个ASIC。
存储器406,用于存放程序410。存储器406可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
程序410具体可以用于使得处理器402执行前述任一实施例中的生物多样性关键区域识别方法。
程序410中各步骤的具体实现可以参见前述任一生物多样性关键区域识别方法实施例中的相应步骤和单元中对应的描述,在此不赘述。所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的设备和模块的具体工作过程,可以参考前述方法实施例中的对应过程描述,在此不再赘述。
本申请实施例的电子设备,首先获取生物环境变量数据、生物气候变量数据和目标物种的分布点位数据,然后计算待研究区域包括的多个像元的环境指标值,并根据多个像元的环境指标值,确定环境评价结果,环境评价结果越高代表在不适宜的气候条件下形成适宜物种生存的局部气候的潜力越强,接着根据生物气候变量数据和环境评价结果,即结合气候变化和物理环境两大因素确定气候变化避难所潜力的评价结果,使得气候变化避难所潜力的评价结果更加准确,然后根据分布点位数据,结合气候变化和物理环境确定目标物种的分布概率图,进而根据气候变化避难所潜力的评价结果和分布概率图这两个指标,识别待研究区域包括的生物多样性关键区域,提升了识别生物多样性关键区域的准确性。
需要说明的是,在本申请的描述中,术语“第一”、“第二”仅用于方便描述不同的部件或名称,而不能理解为指示或暗示顺序关系、相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请。
需要说明的是,虽然结合附图对本申请的具体实施例进行了详细的描述,但不应理解为对本申请的保护范围的限定。在权利要求书所描述的范围内,本领域技术人员不经创造性劳动即可作出的各种修改和变形仍属于本申请的保护范围。
本申请实施例的示例旨在简明地说明本申请实施例的技术特点,使得本领域技术人员能够直观了解本申请实施例的技术特点,并不作为本申请实施例的不当限定。
最后应说明的是:以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (5)
1.一种生物多样性关键区域识别方法,其特征在于,所述方法包括:
获取生物环境变量数据、生物气候变量数据和目标物种的分布点位数据,其中,所述生物气候变量数据包括当前时期和未来时期对应的气候变量数据;
计算待研究区域包括的多个像元的环境指标值,并根据所述多个像元的环境指标值,确定环境评价结果,其中,所述环境指标值至少包括地貌多样性、高程范围和湿地密度的值;
根据所述生物气候变量数据和所述环境评价结果,确定气候变化避难所潜力的评价结果;
根据所述生物环境变量数据、所述生物气候变量数据和所述分布点位数据,确定所述目标物种的分布概率图;
根据所述气候变化避难所潜力的评价结果和所述分布概率图,识别所述待研究区域包括的生物多样性关键区域;
所述计算待研究区域包括的多个像元的环境指标值,并根据所述多个像元的环境指标值,确定环境评价结果,包括:通过地理空间信息系统,对所述待研究区域包括的每个像元分别计算以该像元为中心、预定半径范围内的区域的环境指标值,作为该像元的环境指标值;对所述多个像元的多个环境指标值进行归一化处理后,对归一化处理结果进行等权重的空间叠加,获得所述环境评价结果;
所述根据所述生物气候变量数据和所述环境评价结果,确定气候变化避难所潜力的评价结果,包括:根据所述生物气候变量数据进行主成分分析,选取代表气候变量的关键信息的多个主成分;获取所述多个主成分对应的现在时期和未来时期的生物气候变量数据,通过如下公式分别计算每个所述像元对应的气候变化速度:
用于表征像元对应的气候变化速度;d用于表征当前时期的像元与具有当前时期对应的气候类型的未来时期的其他像元之间的距离中的最小值,或者未来时期的像元与具有未来时期对应的气候类型的现在时期的其他像元之间的距离中的最小值;t用于表征当前时期与未来时期之间的时间差;根据各所述像元对应的气候变化速度,获得气候变化速度图;根据所述气候变化速度图和所述环境评价结果,确定所述气候变化避难所潜力的评价结果;
所述根据所述气候变化速度图和所述环境评价结果,确定所述气候变化避难所潜力的评价结果,包括:对所述气候变化速度图进行反向缩放并进行归一化处理,获得气候变化分析结果;对所述气候变化分析结果与所述环境评价结果进行等权重空间叠加,获得所述气候变化避难所潜力的评价结果;
所述根据所述气候变化避难所潜力的评价结果和所述分布概率图,识别所述待研究区域包括的生物多样性关键区域,包括:根据所述气候变化避难所潜力的评价结果构建模拟退火算法包括的目标函数;将所述分布概率图作为所述目标函数中规划函数的输入,通过所述模拟退火算法对所述待研究区域的生物多样性关键区域进行识别;
所述目标函数包括:
PUs用于表征规划函数;Cost用于表征成本参数;BLM用于表征边界长度修正参数;Boundary用于表征边界参数;Features 用于表征保护特征;FPF用于表征每个保护特征的重要性;Feature Penalty用于表征特征惩罚参数,其中,Cost与气候变化避难所潜力的评价结果成负相关,Feature Penalty代表了在生成的空间优化解未满足某一保护特征的指定保护目标时产生的惩罚值。
2.根据权利要求1所述的方法,其特征在于,所述根据所述生物环境变量数据、所述生物气候变量数据和所述分布点位数据,确定所述目标物种的分布概率图,包括:
根据所述生物气候变量数据中包括的当前时期对应的气候变量数据、所述生物环境变量数据和所述分布点位数据,拟合所述目标物种的分布模型;
将所述生物气候变量数据中包括的当前时期和未来时期对应的气候变量数据作为所述分布模型的输入,获得所述分布模型输出的所述目标物种对应当前时期和未来时期的初始分布图;
对所述初始分布图进行修正处理,获得所述目标物种的分布概率图。
3.根据权利要求2所述的方法,其特征在于, 所述对所述初始分布图进行修正处理,获得所述目标物种的分布概率图,包括:
通过最大熵模型对所述初始分布图包括的多个像元的适宜度值进行处理,获得适宜度阈值;
根据所述适宜度阈值,将所述初始分布图中对应适宜度值小于所述适宜度阈值的像元的适宜度值修正为0,获得中间分布图;
将所述中间分布图包括的对应适宜度值大于0的分布区域中的超出合理扩散距离的区域删除,获得所述目标物种的分布概率图,其中,所述合理扩散距离用于表征所述目标物种所能迁徙的最大距离。
4.一种生物多样性关键区域识别装置,其特征在于,所述装置包括:
获取模块,用于获取生物环境变量数据、生物气候变量数据和目标物种的分布点位数据,其中,所述生物气候变量数据包括当前时期和未来时期对应的气候变量数据;
第一计算模块,用于计算待研究区域包括的多个像元的环境指标值,并根据所述多个像元的环境指标值,确定环境评价结果,其中,所述环境指标值至少包括地貌多样性、高程范围和湿地密度的值;
第二计算模块,用于根据所述生物气候变量数据和所述环境评价结果,确定气候变化避难所潜力的评价结果;
第三计算模块,用于根据所述生物环境变量数据、所述生物气候变量数据和所述分布点位数据,确定所述目标物种的分布概率图;
识别模块,用于根据所述气候变化避难所潜力的评价结果和所述分布概率图,识别所述待研究区域包括的生物多样性关键区域;
所述计算待研究区域包括的多个像元的环境指标值,并根据所述多个像元的环境指标值,确定环境评价结果,包括:通过地理空间信息系统,对所述待研究区域包括的每个像元分别计算以该像元为中心、预定半径范围内的区域的环境指标值,作为该像元的环境指标值;对所述多个像元的多个环境指标值进行归一化处理后,对归一化处理结果进行等权重的空间叠加,获得所述环境评价结果;
所述根据所述生物气候变量数据和所述环境评价结果,确定气候变化避难所潜力的评价结果,包括:根据所述生物气候变量数据进行主成分分析,选取代表气候变量的关键信息的多个主成分;获取所述多个主成分对应的现在时期和未来时期的生物气候变量数据,通过如下公式分别计算每个所述像元对应的气候变化速度:
用于表征像元对应的气候变化速度;d用于表征当前时期的像元与具有当前时期对应的气候类型的未来时期的其他像元之间的距离中的最小值,或者未来时期的像元与具有未来时期对应的气候类型的现在时期的其他像元之间的距离中的最小值;t用于表征当前时期与未来时期之间的时间差;根据各所述像元对应的气候变化速度,获得气候变化速度图;根据所述气候变化速度图和所述环境评价结果,确定所述气候变化避难所潜力的评价结果;
所述根据所述气候变化速度图和所述环境评价结果,确定所述气候变化避难所潜力的评价结果,包括:对所述气候变化速度图进行反向缩放并进行归一化处理,获得气候变化分析结果;对所述气候变化分析结果与所述环境评价结果进行等权重空间叠加,获得所述气候变化避难所潜力的评价结果;
所述根据所述气候变化避难所潜力的评价结果和所述分布概率图,识别所述待研究区域包括的生物多样性关键区域,包括:根据所述气候变化避难所潜力的评价结果构建模拟退火算法包括的目标函数;将所述分布概率图作为所述目标函数中规划函数的输入,通过所述模拟退火算法对所述待研究区域的生物多样性关键区域进行识别;
所述目标函数包括:
PUs用于表征规划函数;Cost用于表征成本参数;BLM用于表征边界长度修正参数;Boundary用于表征边界参数;Features 用于表征保护特征;FPF用于表征每个保护特征的重要性;Feature Penalty用于表征特征惩罚参数,其中,Cost与气候变化避难所潜力的评价结果成负相关,Feature Penalty代表了在生成的空间优化解未满足某一保护特征的指定保护目标时产生的惩罚值。
5.一种电子设备,其特征在于,包括:处理器、通信接口、存储器和通信总线,处理器、存储器和通信接口通过通信总线完成相互间的通信;
存储器用于存放至少一可执行指令,可执行指令使处理器执行如权利要求1-3中任一项所述的生物多样性关键区域识别方法对应的操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311532141.3A CN117251520B (zh) | 2023-11-17 | 2023-11-17 | 生物多样性关键区域识别方法、装置和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311532141.3A CN117251520B (zh) | 2023-11-17 | 2023-11-17 | 生物多样性关键区域识别方法、装置和电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117251520A CN117251520A (zh) | 2023-12-19 |
CN117251520B true CN117251520B (zh) | 2024-03-08 |
Family
ID=89126833
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311532141.3A Active CN117251520B (zh) | 2023-11-17 | 2023-11-17 | 生物多样性关键区域识别方法、装置和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117251520B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108229859A (zh) * | 2018-02-09 | 2018-06-29 | 中国环境科学研究院 | 一种确定生物多样性保护的关键区域的方法及系统 |
CN116663960A (zh) * | 2023-04-25 | 2023-08-29 | 湖南大学 | 基于气候变化下生境可达性和可用性的生态网络构建方法 |
CN116933985A (zh) * | 2023-09-19 | 2023-10-24 | 中国标准化研究院 | 一种适用于多区域的生物多样性物种监测方法及系统 |
-
2023
- 2023-11-17 CN CN202311532141.3A patent/CN117251520B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108229859A (zh) * | 2018-02-09 | 2018-06-29 | 中国环境科学研究院 | 一种确定生物多样性保护的关键区域的方法及系统 |
CN116663960A (zh) * | 2023-04-25 | 2023-08-29 | 湖南大学 | 基于气候变化下生境可达性和可用性的生态网络构建方法 |
CN116933985A (zh) * | 2023-09-19 | 2023-10-24 | 中国标准化研究院 | 一种适用于多区域的生物多样性物种监测方法及系统 |
Non-Patent Citations (3)
Title |
---|
1990~2013年来洞庭湖区鸟类生物多样性热点区时空动态及变动机理;李涛;齐增湘;王宽;李晖;杨喜生;;长江流域资源与环境(11);全文 * |
Identifying the impacts of land use landscape pattern and climate changes on streamflow from past to future;yingshuo lyu;Journal of Environmental Management;第345卷;全文 * |
Integrated multi-hazard risk to social-ecological systems with green infrastructure prioritization: A case study of the Yangtze River Delta, China;Xiaoyang Ou 等;ecological indicators;第136卷;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117251520A (zh) | 2023-12-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20170184393A1 (en) | Method for identifying air pollution sources based on aerosol retrieval and glowworm swarm algorithm | |
CN112069281B (zh) | 兴趣点位置的确定方法、装置、计算机设备及存储介质 | |
CN113344291B (zh) | 城市内涝淹没范围的预报方法、装置、介质和设备 | |
CN109238227B (zh) | 一种表征地面沉降时空演变的方法 | |
US11719858B2 (en) | Determination of location-specific weather information for agronomic decision support | |
CN117093832B (zh) | 一种用于空气质量数据缺失的数据插补方法及系统 | |
CN113269240A (zh) | 一种雨量站选址信息输出方法、装置、电子设备和介质 | |
CN116341841A (zh) | 径流预报误差校正方法、装置、设备、介质和程序产品 | |
CN113779113B (zh) | 基于雨洪时空过程相似性挖掘的洪水动态预估方法及系统 | |
KR20140056828A (ko) | 사용자 단말을 이용한 유동 인구 분석 장치, 방법 및 컴퓨터 판독 가능한 기록 매체 | |
CN117251520B (zh) | 生物多样性关键区域识别方法、装置和电子设备 | |
KR102168427B1 (ko) | 지역별 공간 특성이 반영되는 규모 상세화 방법 | |
CN116451088A (zh) | 基于多要素特征相似性和地理区划聚类的优选代站方法 | |
Zhang et al. | The change of land use/cover and characteristics of landscape pattern in arid areas oasis: an application in Jinghe, Xinjiang | |
CN115271332A (zh) | 一种旱情监测方法 | |
CN114220017A (zh) | 遥感数据尺度自适应调整方法、装置、存储介质及设备 | |
CN114880373A (zh) | 一种土壤采样方法、系统、存储介质和电子设备 | |
CN110175215B (zh) | 一种划分地理过渡带的方法 | |
CN113159426A (zh) | 天气型相似性判断方法、装置、电子设备及可读存储介质 | |
CN117576324B (zh) | 基于数字孪生的城市三维空间模型构建方法及系统 | |
CN116634378B (zh) | 一种出行道路轨迹识别方法、装置、设备及存储介质 | |
CN114297939B (zh) | 适用于南极地区的对流层延迟预测方法及系统 | |
CN118052377A (zh) | 一种基于水生境自动反演的水生态综合评价方法和系统 | |
CN117332903A (zh) | 未来耕地分布预测方法、装置、电子设备及存储介质 | |
CN118312919A (zh) | 融合数据的降雨径流预测方法、装置、设备及存储介质 |
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 |