模型构建与模块功能
发布网友
发布时间：2022-04-22 07:55
共1个回答
热心网友
时间：2022-06-18 03:35
生态预警分析涉及诸多生态要素。塔里木河流域生态预警分析系统模型构建包括从基于单项指标变化的预警模型，到基于多项指标的综合预警模型，在系统功能上具体表现为不仅实现了单一生态专题要素预警，而且可以对指定区域进行综合预警分析。其中建模研究、生态安全的界定和生态危机阈值的确定，是生态预警分析分系统建设的关键技术(刘振波，2004)。
(一)沙质荒漠化预警分析
沙质荒漠化评价指标体系以前大都是以定性描述为主，由于对沙质荒漠化概念的理解不同，指标繁杂各异，多为间接性指标，获取数据难度大，实用性小，并且这些研究只局限在对沙质荒漠化土地程度的评价方面，近几年来，随着国内数量化评价方法的出现，把沙质荒漠化评价指标体系的研究大大向前推进了一步。对于沙质荒漠化评价而言，区域性土地沙质荒漠化总体水平才是一个地区沙质荒漠化程度的全面反映，它体现了某个地区生态环境的优劣(王君厚，2001)。对区域土地沙质荒漠化现状水平的评价除考虑自然因子外，还应考虑该地区非沙质荒漠化土地及各程度沙质荒漠化土地的面积组成比例，即在沙质荒漠化土地程度评价的基础上，进行区域评价和预警。
与遥感监测子系统相对应，沙质荒漠化预警分析工作区域为塔里木河流域中下游地区，以不同期次的沙质荒漠化现状专题图形数据为基础，开发了基于沙质荒漠化程度(沙质荒漠化等级)预警分析模块、基于沙质荒漠化扩展速度的预警分析模块，以及综合考虑沙质荒漠化程度变化和速度变化的沙质荒漠化指数预警分析模块。
1.基于程度的沙质荒漠化预警分析
叠加分析干流中下游地区不同年份沙质荒漠化程度专题数据，提取水域、非沙质荒漠化、轻度沙质荒漠化、中度沙质荒漠化、强度沙质荒漠化、沙漠这六种沙质荒漠化类型的转换情况，对沙质荒漠化程度增强的区域过滤，再做出空间统计，最后得到沙质荒漠化级别增强的区域，从沙质荒漠化级别的程度增强情况对研究区作预警判断，同时生成基于程度的沙质荒漠化预警报表，见图 6 －9。
图6－9 基于程度的沙质荒漠化预警分析物理模型图
分别对水域、非沙质荒漠化、轻度沙质荒漠化、中度沙质荒漠化、强度沙质荒漠化、沙漠类型赋值0、1、2、3、4、5，则基于程度的沙质荒漠化预警分析数学模型如下:
Adynamic=Aperiodnew－Aperiodold
式中:Aperiodold为起始年份沙质荒漠化类型;Aperiodnew为终止年份沙质荒漠化类型。当Adynamic≥1时，对该区域预警;Adynamic=1时为橙色预警;Adynamic≥2时为红色预警。
应用基于程度的沙质荒漠化预警分析模块，对同一区域不同时间段沙质荒漠化演化进行预警分析，可以过滤出沙质荒漠化等级升高的区域，根据沙质荒漠化等级变化幅度，分别赋予不同表示方式，可以直观查看沙质荒漠化程度严重区域的空间分布位置和变化幅度，同时根据预警图统计分析得到各种沙质荒漠化程度变化的面积统计值。
图6－10为干流下游基于沙漠化程度的预警分析结果显示界面，从2002～2004年期间，塔河干流下游的沙漠化程度从轻度沙漠化增强到中度沙漠化的区域面积最大，为10.268万亩，其他级别的增强面积远小于轻度沙漠化增强到中度沙漠化的面积，所以干流下游地区对于轻度沙质荒漠化类型的变化需要特别注意，对重点变化区域加紧预防。
图6－10 干流下游基于沙漠化程度预警分析结果图
2.基于速度的沙质荒漠化预警分析
叠加分析干流中下游地区不同年份某一沙质荒漠化类型专题数据，对该类型的面积扩展情况进行空间统计，根据单位时间内不同类型沙质荒漠化级别的面积扩展速度情况，与给定的预警阈值进行比较，做出预警判断，并同时生成基于速度的沙质荒漠化预警报表(图6－11)。基于速度的沙质荒漠化预警分析数学模型为:
V=((Speriodnew－Speriodold)/Speriodold)/(T2－T1)
式中:Speriodnew为某沙质荒漠化类型终止年份面积;Speriodold为该类型起始年份面积;T2为终止年份时间;T1为起始年份时间;V为该沙质荒漠化类型增长速度，当V大于用户给定预警阈值时，对该区域的对应沙质荒漠化类型预警显示。
图6－11 基于速度的沙质荒漠化预警分析物理模型图
应用基于速度的沙质荒漠化预警分析模块，对同一区域不同时间段沙质荒漠化演化进行预警分析，可以过滤出沙质荒漠化面积扩展速度异常的区域，根据沙质荒漠化面积扩张幅度，分别赋予不同表示方式，可以直观查看沙质荒漠化面积扩展异常的空间分布位置和变化幅度，同时根据预警图统计分析得到各种沙质荒漠化程度变化的面积统计值。
从基于沙漠化速度的预警分析结果(图6－12)可知，从2002～2004年期间，塔河干流下游轻度沙漠化增长速率为0.0007%;中度沙漠化增长速率为1.7415%;强度沙漠化增长速率为0.001%;极强度沙漠化增长速率在有效值范围内为0。以上沙漠化速率只有中度沙漠化增长速率大于预警阀值1%，所以对中度沙漠化增强区域进行过滤形成中度沙漠化增强区域统计图，可以在数据视图中对具体细节斑块进行查询。
图6－12 干流下游基于沙质荒漠化速度预警分析结果图
3.基于沙质荒漠化指数的沙质荒漠化动态预警分析
对同一地区不同沙质荒漠化级别赋予不同的权重值，计算不同时段的沙质荒漠化指数，根据指数值和指数值的变化进行预警判断，如图6－13。
图6－13 基于沙质荒漠化指数的预警分析物理模型图
沙质荒漠化指数计算公式:
S=(ΣSi·Pi)/(ΣSi)
式中:Si为某区域各沙质荒漠化级别的面积;Pi为各沙质荒漠化级别的权重值，其中水域和非沙质荒漠化区域P值为0，轻度沙质荒漠化为1，中度沙质荒漠化为2，强度沙质荒漠化为3。当沙质荒漠化指数S小于0.5进行轻度预警;大于等于0.5小于1时中度预警，大于1则强度预警。
动态沙质荒漠化预警指数公式:
I=(S1－S0)/(T1－T0)
式中:S1、S0分别为第二期和第一期沙质荒漠化指数;T2、T1为第二期和第一期的年份。当I为负值时，该区域沙质荒漠化趋于逆转;为正值时，该区域沙质荒漠化趋于恶化，进行预警。
基于沙质荒漠化指数的预警分析模型克服了基于沙质荒漠化程度、速度侧重单因素分析和局部图斑的缺陷，能全面反映研究区域沙质荒漠化总体状况和发展趋势。
从基于指数的沙漠化预警分析结果中(图6－14)，我们不难看出，2002～2004年塔河干流下游的整体沙漠化动态预警指数为－0.01，沙漠化整体发展趋势是较低水平趋于逆转的，尽管逆转程度不大，但也充分说明了塔河流域综合治理与生态保护方面，取得了有效的进展，扭转了30多年来一直趋于严重的沙漠化态势。预警分析的有效性和可靠性是需要有效长系列监测数据的支撑，所以定期的有效的遥感动态监测工作是预警分析的有力保障。
图6－14 干流下游基于沙漠化指数预警分析结果图
(二)盐渍化预警分析
塔里木河流域土壤盐渍化不断加剧和面积的不断扩大，给农业生产带来了相当大的影响，破坏了生态系统的平衡，影响了区域经济的可持续发展。土壤盐渍化是干旱半干旱区土地退化的主要形式之一，其发生发展是一个复杂的非线性动力学过程。土壤盐渍化的时空演变动态模拟与预测预警研究一直以来都是地理学领域研究的热点方向。基于遥感影像的盐渍化土壤等级程度提取和基于GIS手段的土壤盐渍化分析与模拟预测技术日趋成熟，以GIS为工具，以遥感与非遥感数据综合分析的数学模型为手段，并整合模糊系统等方法的盐渍化分析技术也在不断提高。近年来，将CA模型应用于土壤盐渍化的时空演变模拟与预测，是CA模型在地学领域应用的扩展，也在进行理论探索与尝试(史晓霞，2007)。
土壤盐渍化时空演变动态模拟与预警研究，从理论上讲需要包括土壤图、土地利用图、土壤盐渍化程度等级、等高线数据、地下水位埋深等值线、矿化度等值线等图形数据，以及降雨量、蒸发量资料和野外调查数据。但在塔里木河流域大范围地下水数据的获取具有相当的难度，且数据更新困难。本次盐渍化研究区位于塔里木河干流上游，无法及时获取对盐渍化预警分析影响较大的地下水参数，所以盐渍化预警分析采用基于程度变化和速度变化两种预警分析模型。
1.基于程度的盐渍化预警分析
基于不同时期的同一地区的盐渍化程度级别的变化情况，叠加分析不同期次的盐渍化遥感解译现状图，提取盐渍化类型的增强变化图斑，进行分级预警，并进行空间统计，生成基于程度的盐渍化预警报表，其预警分析物理模型同图6－9。
分别对水域和非盐渍化类型赋值0，对轻度盐渍化、中度盐渍化、重度盐渍化类型分别赋值1，2，3，则:
Adynamic=Aperiod new－Aperiod old
式中:Aperiod old为起始年份盐渍化类型;Aperiod new为终止年份盐渍化类型。当Adynamic≥1时，对该区域预警;Adynamic=1时为橙色预警;Adynamic≥2时为红色预警。
2.基于速度的盐渍化预警分析
基于速度的盐渍化预警分析物理模型同图6－11。
V=((Speriod new－Speriod old)/Speriod old)/(T2－T1)
式中:Speriod new为某盐渍化类型的终止年份面积;Speriod old为该盐渍化类型的起始年份面积;T2为终止年份时间;T1为起始年份时间。V为该盐渍化类型增长速度，当V大于给定预警阈值时，对该区域对应盐渍化类型预警。
(三)植被盖度预警分析
1.干流区基于程度的植被盖度预警分析
基于程度的植被盖度预警分析物理模型同图6－9。
分别对极低覆盖度、低覆盖度、中覆盖度、中高覆盖度赋值0、1、2、3，对高覆盖度类型和水域赋值4，则:
Adynamic=Aperiod new－Aperiod old
式中:Aperiod old为起始年份植被盖度类型;Aperiod new为终止年份植被盖度类型。当Adynamic<0时，对该区域预警;Adynamic=－1时为橙色预警;Adynamic≤－2时为红色预警。
2.NIDVI预警分析
利用选择区域的卫星数据，计算NDVI指数，对NDVI≤0.2的区域进行预警显示。
利用两期NDVI栅格数据进行叠置运算，可以得到某个时间段内该区域植被盖度的变化情况，对植被盖度减弱的区域预警。
NDVIdynamic=NDVIperiod new－NDVIperiod old
式中:NDVIperiod new为研究区域第二期植被指数;NDVIperiodold为研究区第一期植被指数;NDVIdynamic为动态植被指数;当NDVIdynamic小于0时进行预警。
(四)地下水预警分析
1.地下水单点预警显示
对干流中下游区域所有生态断面上的地下水测井，根据给定的地下水位预警阈值，对实时地下水位数据低于警戒阈值的测井点进行预警，在计算机屏幕上依照空间测井位置生成预警图，并同时生成预警分析报表。
H<H0
式中:H为测井实时地下水位数据;H0为测井警戒地下水位阈值。
2.地下水插值预警分析
经过反复试验，距离倒数插值方法(IDW)对干流中下游区域进行地下水插值运算，效果最好。距离倒数插值方法综合了泰森多边形的邻近点方法和趋势面分析的渐变方法的长处，它假设未知点x0处属性值是在局部领域内中所有数据点的距离加权平均值。计算公式如下:
塔里木河流域生态环境动态监测系统研究与开发
式中:λi为每一个已知点对预测点的距离权重值，对一个未知点来说，所有已知点的权值和为1;H(xi)为所有已知点的地下水位;H(x0)为未知点的地下水位。
利用干流中下游生态断面地下水测井点的实时地下水位数据，采用IDW方法进行空间插值，得到干流区域的地下水分布情况。按照地下水对植被影响情况的分类，生成干流中下游区域地下水分级预警分析图。
(五)河道水流预警分析
对塔河“四源一干”的所有水文站点，根据给定水位和流量预警阈值，对实时水位数据以及实时流量数据进行分析比对，在计算机屏幕上依照空间水文站位置生成河道水流预警图，并同时生成预警分析报表。
Hdynamic≥H1或Hdynamic≤H0
式中:Hdynamic为水文站点实时水位数据;H0、H1分别为枯水期和洪水期警戒水位。
Qdynamic≥Q1或Qdynamic≤Q0
式中:Qdynamic为水文站点实时流量数据;Q0、Q1分别为枯水期和洪水期警戒流量。
