[發明專利]一種生態干旱的監測與評估方法

有效

• 申請號: 202110056150.4
• 申請日: 2021-01-15
• 公開（公告）號: CN112765808B
• 公開（公告）日: 2022-11-15
• 發明（設計）人: 付健;張金良;譚培穎;雷添杰;黃錦濤;李翔宇
• 申請（專利權）人: 黃河勘測規劃設計研究院有限公司;中國水利水電科學研究院
• 主分類號: G06F30/20
• 分類號: G06F30/20;G01D21/02
• 代理公司: 北京正華智誠專利代理事務所(普通合伙) 11870
• 代理人: 何凡

本發明公開了一種生態干旱的監測與評估方法，首先采集研究區域的多源數據并構建生態干旱災害數據庫，再根據多源數據計算水文氣象與水文干旱指標，并提取水文干旱特征，然后對水文干旱特征進行時空規律與演變特征分析，根據分析結果實現對研究區域的生態干旱監測，同時構建Biome?BGC模型計算生態系統凈初級生產力，最后采用隨機森林模型得到研究區域的綜合生態系統生產力，實現對研究區域的生態干旱評估。本發明采用隨機森林模型得出的綜合生態系統生產力值，不僅考慮了生態因素，還包括導致水文干旱的因素與人為因素，對于生態干旱的評估更加全面而精確，并解決了傳統生態干旱損失評估方法考慮因素少和參數難以調節的問題。

技術領域

本發明屬于生態環境治理技術領域，具體涉及一種生態干旱的監測與評估方法的設計。

背景技術

近年來，與生態文明建設相關的譬如生態水循環、生態干旱的監測與評估等研究方向逐漸成為研究熱點。開展多因素影響下干旱對流域生態系統影響的研究，不僅對易發生態干旱區域的生態環境治理有重要的現實意義，而且還對促進生態學與水文學等學科的交叉性研究具有重大的促進和理論意義。

決策樹是機器學習中的一種以實例為基礎的歸納學習，采用的是自頂向下的歸納方法。決策樹算法的最大優點它可以自主學習，并且在學習的過程中不需要使用者了解過多的知識背景，只需要對訓練實例進行較好的標注，就能夠進行學習，屬于有監督學習。隨機森林模型是使用隨機的方式建立一個由很多決策樹組成的模型，隨機森林的每一棵決策樹之間是沒有關聯的。隨機森林模型通過自助法(bootstrap)重采樣技術，從原始訓練樣本集N中有放回地重復隨機抽取k個樣本生成新的訓練樣本集合，然后根據自助樣本集生成k個分類樹組成隨機森林，新數據的分類結果按分類樹投票多少形成的分數而定，其實質是對決策樹算法的一種改進，將多個決策樹合并在一起，每棵樹的建立依賴于一個獨立抽取的樣品，森林中的每棵樹具有相同的分布，分類誤差取決于每一棵樹的分類能力和它們之間的相關性。特征選擇采用隨機的方法去分裂每一個節點，然后比較不同情況下產生的誤差，能夠檢測到的內在估計誤差、分類能力和相關性決定選擇特征的數目。

現有的生態系統干旱損傷評估方法多以實驗觀測、遙感監測和模型模擬等定性或半定量評價為主。實驗觀測方法主要是利用實驗和數理統計方法建立的損失統計模型；遙感監測方法利用遙感數據計算各種植被相關的干旱指數監測植被生長；模型模擬方法是通過溫度、降水等氣象數據計算植被生物期內各階段相對蒸散發量，主要方法是通過構建水分生產函數和氣候生產潛力模型開展植被減產評估。

然而，現有的生態系統干旱損傷評估方法也存在相應的缺陷，實驗觀測方法相對簡單，忽略了干旱的成災過程對植被生長的物理影響，也未考慮土壤水分、養分以及二氧化碳對植被的作用，方法的時效性差、估算結果精度較低。模型模擬方法對植被生長機理過程描述較差，決定評估因素較少，模型參數多且不易確定與調節。

發明內容

本發明的目的是提出一種生態干旱的監測與評估方法，定量化揭示不同水文干旱的影響程度和時空規律，明確不同類型的水文干旱演變和生態系統之間的響應關系，構建水文干旱演變和生態系統損失評估的模型。

本發明的技術方案為：一種生態干旱的監測與評估方法，包括以下步驟：

S1、采集研究區域的多源數據，并利用多源數據構建生態干旱災害數據庫。

S2、根據多源數據計算研究區域的水文氣象與水文干旱指標，并提取水文干旱特征。

S3、對水文干旱特征進行時空規律與演變特征分析，根據分析結果實現對研究區域的生態干旱監測。

S4、根據多源數據構建Biome-BGC模型，計算得到研究區域的生態系統凈初級生產力。

S5、根據水文干旱特征和生態系統凈初級生產力，采用隨機森林模型得到研究區域的綜合生態系統生產力，并將綜合生態系統生產力作為生態干旱損失的評估值，實現對研究區域的生態干旱評估。