评估生态系统服务权衡与协同效应的时空响应机制的方法技术方案

本发明专利技术公开了一种评估生态系统服务权衡与协同效应的时空响应机制的方法，包括：分析区域相关的生态数据，根据生态数据获取生态系统服务指标；基于不同生态系统服务指标的特性确定评价方法，并收集评价所需的相关数据集，根据评价方法和相关数据集对生态系统服务功能量进行定量化评估；根据定量化评估结果对生态系统服务权衡与协同效应进行量化，根据量化结果对生态系统服务权衡与协同效应空间分异的驱动机制进行探测。本发明专利技术对生态系统服务权衡与协同效应的时空响应机制进行定量化研究，识别导致不同服务功能对关系产生空间分异现象的驱动机制，为区域生态系统服务综合提升与生态系统精细化管理提供支持，可广泛应用于生态规划和管理技术领域。态规划和管理技术领域。态规划和管理技术领域。

【技术实现步骤摘要】
评估生态系统服务权衡与协同效应的时空响应机制的方法


[0001]本专利技术涉及生态规划和管理
，尤其涉及一种评估生态系统服务权衡与协同效应的时空响应机制的方法。

技术介绍

[0002]千年生态系统评估定义了四类有助于人类福祉的生态系统服务，每类都以生物多样性为基础，分别是供应服务、调节服务、支持服务和文化服务。当我们研究某一区域的地理格局与过程作用机制时，越来越多的研究表明生态系统服务之间表现为相互交织、复杂的非线性关系，尤其是在有限的生态资源以及利益相关者的偏好指引下，不同生态系统服务的生态过程存在着资源的竞争关系，进而出现生态系统服务之间此消彼长或彼此增益的权衡/协同关系。随着城镇化进程的快速推进，生态系统正面临着前所未有的压力，由于不合理的土地利用与产业布局造成的生态系统服务权衡问题在全球生态系统中最为突出。过度的权衡会造成同代及代际之间的不公平，也导致了体现长期效益型的生态系统调节服务因生态系统供给服务更受人类偏好而退化甚至丧失，致使生态系统服务整体水平下降，最终影响城市人居环境的改善和区域福祉的提升。因此，辨析生态系统服务的权衡与协同关系，对其动态的时空演变及其空间特征进行深入分析，能够有效地促进生态系统综合效益的提升，为区域土地利用规划与生态系统服务优化调控提供科学依据。

技术实现思路

[0003]为至少一定程度上解决现有技术中存在的技术问题之一，本专利技术的目的在于提供一种评估生态系统服务权衡与协同效应的时空响应机制的方法。
[0004]本专利技术所采用的技术方案是：/>[0005]一种评估生态系统服务权衡与协同效应的时空响应机制的方法，包括以下步骤：
[0006]分析区域相关的生态数据，根据生态数据获取生态系统服务指标；
[0007]基于不同生态系统服务指标的特性确定评价方法，并收集评价所需的相关数据集，根据评价方法和相关数据集对生态系统服务功能量进行定量化评估；
[0008]根据定量化评估结果对生态系统服务权衡与协同效应进行量化，根据量化结果对生态系统服务权衡与协同效应空间分异的驱动机制进行探测。
[0009]进一步地，所述根据定量化评估结果对生态系统服务权衡与协同效应进行量化，包括：
[0010]使用ArcGIS软件的渔网工具，建立一个与功能量结果分辨率一致、并完全覆盖研究区的点矢量数据集；
[0011]将所有生态系统服务指标的评价结果栅格数据采样至该点矢量数据集；
[0012]将生态系统服务指标两两相关形成多个功能对，导入R语言中进行Spearman相关性分析；
[0013]其中，Spearman相关性分析包括静态空间相关性分析与动态空间相关性分析；静
态空间相关性分析以研究期内一个时间点的所有点数据值为样本计算，结果为不同功能对在该时间点的相关性系数；动态空间相关性分析以单个点在多个时间点的值为样本进行逐像元计算，结果为研究期内不同功能对在所有点矢量对应位置的各自相关性系数；相关性系数值域为[
‑
1,1]，当两种服务间的相关性系数为正值时，认为两者则具有协同关系，当相关性系数为负值时，则为权衡关系，且相关性系数的绝对值越大，协同/权衡程度越强。
[0014]进一步地，所述Spearman相关性分析利用R语言的Hmisc包实现，具体计算公式如下：
[0015][0016]式中，R
xy
为生态系统服务X与生态系统服务Y之间的相关系数；N为样本集内生态系统服务评估值的总数量；R(X
i
)与R(Y
i
)为第i个样本中生态系统服务X或生态系统服务Y的评估值在各自所有评估值中的排名。
[0017]进一步地，所述导入R语言中进行Spearman相关性分析这一步骤后，还包括：
[0018]对Spearman相关性分析的结果进行显著性检验；
[0019]其中，所述显著性检验指用于确定观测到的相关性分析结果是否落在零假设模型的随机变异范围内，采用P值来表示在给定的一个零假设模型中，所生成的结果与观测到的结果同样极端的概率，若P<0.05则为显著，P<0.01则为非常显著。
[0020]进一步地，所述逐像元计算要求两种生态系统服务的栅格范围与分辨率完全一致。
[0021]进一步地，所述根据量化结果对生态系统服务权衡与协同效应空间分异的驱动机制进行探测，包括：
[0022]根据生态系统服务指标的特性，选取多个社会经济因子及生态因子作为驱动因子；
[0023]通过ArcGIS软件的重采样工具，将驱动因子与不同生态系统服务功能对的动态相关性分析的评价结果栅格数据统一成相同的分辨率；
[0024]将不同生态系统服务功能对的动态相关性分析结果与驱动因子的栅格数据分别导入R语言，进行单因子探测与交互探测，识别各驱动因子对不同生态系统服务功能对在研究期内的动态相关性结果显示出的空间分异现象的个体影响和交互影响。
[0025]进一步地，所述进行单因子探测与交互探测，包括：
[0026]利用地理探测器进行单因子探测与交互探测，所述地理探测器是一种适用于探测空间分异性及其背后的驱动因子的有效工具；其中，地理探测器包括因子探测器和交互探测器，因子探测器用于探测单因子影响，交互探测器用于探测双因子交互影响。
[0027]进一步地，所述识别各驱动因子对不同生态系统服务功能对在研究期内的动态相关性结果显示出的空间分异现象的个体影响和交互影响，包括：
[0028]通过将空间数据引入回归分析中，分析各驱动因子间层内方差与总方差之间的关系，揭示多因子对复合生态系统服务间的多重线性或非线性关系的驱动作用，并利用因子探测器中的q统计值来衡量自变量对因变量空间分异的解释力；
[0029]q值的计算公式如下：
[0030][0031]式中，h为因变量Y或者自变量X的分层；N
h
和N分别为层h和全区单元数，和σ2分别是层h和全区的因变量Y值的方差。
[0032]进一步地，所述利用因子探测器中的q统计值来衡量自变量对因变量空间分异的解释力，包括：
[0033]单因子探测：q为1时表示自变量X能完全解释因变量Y的空间分布，q为0时表示自变量X与因变量Y无关；
[0034]交互因子探测：通过比较单因子的q值与双因子交互的q(X
i
∩X
j
)值判断双因子对因变量的交互作用。
[0035]进一步地，还包括以下步骤：
[0036]若驱动因子的栅格数据是一个连续型变量，根据地理探测器的解释力指标q值进行最优参数离散化处理，使q值转化为类型变量后进行探测；
[0037]其中，最优参数离散化处理指利用R语言构建有关连续型变量转化为类型变量所涉及的数值分类方法与分类数量的函数进行多次组合探测，最终选择q值更高的组合作为将连续型变量转化为类型变量的最优离散方法。
[0038]本专利技术的有本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种评估生态系统服务权衡与协同效应的时空响应机制的方法，其特征在于，包括以下步骤：分析区域相关的生态数据，根据生态数据获取生态系统服务指标；基于不同生态系统服务指标的特性确定评价方法，并收集评价所需的相关数据集，根据评价方法和相关数据集对生态系统服务功能量进行定量化评估；根据定量化评估结果对生态系统服务权衡与协同效应进行量化，根据量化结果对生态系统服务权衡与协同效应空间分异的驱动机制进行探测。2.根据权利要求1所述的一种评估生态系统服务权衡与协同效应的时空响应机制的方法，其特征在于，所述根据定量化评估结果对生态系统服务权衡与协同效应进行量化，包括：使用ArcGIS软件的渔网工具，建立一个与功能量结果分辨率一致、并完全覆盖研究区的点矢量数据集；将所有生态系统服务指标的评价结果栅格数据采样至该点矢量数据集；将生态系统服务指标两两相关形成多个功能对，导入R语言中进行Spearman相关性分析；其中，Spearman相关性分析包括静态空间相关性分析与动态空间相关性分析；静态空间相关性分析以研究期内一个时间点的所有点数据值为样本计算，结果为不同功能对在该时间点的相关性系数；动态空间相关性分析以单个点在多个时间点的值为样本进行逐像元计算，结果为研究期内不同功能对在所有点矢量对应位置的各自相关性系数；相关性系数值域为[
‑
1,1]，当两种服务间的相关性系数为正值时，认为两者则具有协同关系，当相关性系数为负值时，则为权衡关系，且相关性系数的绝对值越大，协同/权衡程度越强。3.根据权利要求1所述的一种评估生态系统服务权衡与协同效应的时空响应机制的方法，其特征在于，所述Spearman相关性分析利用R语言的Hmisc包实现，具体计算公式如下：式中，R
xy
为生态系统服务X与生态系统服务Y之间的相关系数；N为样本集内生态系统服务评估值的总数量；R(X
i
)与R(Y
i
)为第i个样本中生态系统服务X或生态系统服务Y的评估值在各自所有评估值中的排名。4.根据权利要求2所述的一种评估生态系统服务权衡与协同效应的时空响应机制的方法，其特征在于，所述导入R语言中进行Spearman相关性分析这一步骤后，还包括：对Spearman相关性分析的结果进行显著性检验；其中，所述显著性检验指用于确定观测到的相关性分析结果是否落在零假设模型的随机变异范围内，采用P值来表示在给定的一个零假设模型中，所生成的结果与观测到的结果同样极端的概率，若P<0.05则为显著，P<0.01则为非常显著。5.根据权利要求2所述的一种评估生态系统服务权衡与协同效应的时空响应机制的方法，其特征在于，所述逐像元计算要求两种...

【专利技术属性】
技术研发人员：吴隽宇，黄钰婷，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：