一种生态系统服务间权衡与协同空间关系识别方法

摘要

本发明涉及一种生态系统服务间权衡与协同空间关系识别方法，包括以下步骤：S1：以生态系统服务间权衡与协同关系待识别区域范围作为球面剖分格网边界；S2：按照每个格网单元内两两生态系统服务类型核算成果的空间栅格对应性，分别提取栅格中生态系统服务属性量化值，构建二维阵列数据组；S3：运用Python逐一计算格网单元内每组二维阵列数据组Pearson相关系数，并将系数作为属性值赋值到对应格网单元，形成生态系统服务间相关性球面剖分格网矢量化数据；S4：基于生态系统服务间相关性球面剖分格网矢量化数据，采用单变量局部Moran’s I，分别以各项生态系统服务类型之间的相关性系数作为变量，生产LISA聚类图；将LISA聚类图中不显著区域界定为生态系统服务间兼容区，高‑高、低‑低区域界定为协同区，高‑低、低‑高区域界定为权衡区。

说明书

技术领域

本发明涉及一种生态系统服务间权衡与协同空间关系识别方法。

背景技术

生态系统服务是人类通过生态系统功能直接或间接从自然生态系统获取的各种产品和服务的总和，是连接自然环境与人类福祉的桥梁；同一生态系统内部的各生态系统服务之间存在紧密、复杂的相互作用联系，并在一定时间、空间内表现为此消彼长的权衡关系、同步增减的协同关系、高度适应的兼容关系；开展生态系统服务之间的权衡与协同空间关系的识别，有利于实现生态系统服务效益最大化，保证生态系统服务的可持续供给。

近年来，针对生态系统服务间权衡与协同识别方法以统计描述和空间制图为主；统计描述可以定量分析时间尺度下生态系统服务间关系演变规律，但空间可视化辨识不足，不利于制定差别化的生态系统服务强度以提升管理对策。

空间制图识别主要包括聚类识别和模型模拟两种方法；聚类识别重点运用热点分析揭示单项生态系统服务强度的空间集聚特征，对生态系统服务间关系定量辨识薄弱；模型模拟主要以国外模型(InVEST、ARIES等)为基础，采用相关分析、统计参数等判别生态系统服务间相互关系，定量化生态系统服务间权衡与协同空间关系识别较少。

因此，亟需等待解决。

发明内容

针对上述现有技术的现状，本发明所要解决的技术问题在于提供一种利于制定差别化的生态系统服务强度以提升管理对策，并大幅提升对生态系统服务间关系的定量辨识，从而通过识别各生态系统服务间的权衡与协同空间关系来为实现区域生态系统服务之间的协调发展和可持续管理决策提供前提的生态系统服务间权衡与协同空间关系识别方法。

本发明解决上述技术问题所采用的技术方案为：一种生态系统服务间权衡与协同空间关系识别方法，其特征在于，包括以下步骤：

S1：以生态系统服务间权衡与协同关系待识别区域范围作为球面剖分格网边界，根据各项生态系统服务类型的核算成果构建权衡与协同空间关系识别格网；

S2：按照每个格网单元内两两生态系统服务类型核算成果的空间栅格对应性，分别提取栅格中生态系统服务属性量化值，构建二维阵列数据组；

S3：运用Python逐一计算格网单元内每组二维阵列数据组Pearson相关系数，并将系数作为属性值赋值到对应格网单元，形成生态系统服务间相关性球面剖分格网矢量化数据；

S4：基于生态系统服务间相关性球面剖分格网矢量化数据，采用单变量局部Moran’s I，分别以各项生态系统服务类型之间的相关性系数作为变量，生产LISA聚类图；

S5：将LISA聚类图中不显著区域界定为生态系统服务间兼容区，高-高、低-低区域界定为协同区，高-低、低-高区域界定为权衡区。

优选地，所述步骤S1中的权衡与协同空间关系识别格网的大小为各项生态系统服务类型核算成果粒度的5×5或6×6倍。

与现有技术相比，本发明的优点在于：本发明引入球面剖分格网技术，先后基于各生态系统服务类型功能核算成果建立空间栅格对应性二维阵列数据组以确定二维阵列数据组相关性，在此基础上进一步构建生态系统服务间相关性球面剖分格网矢量化数据，最后采用单变量局部Moran’s I对上述矢量化数据进权衡与协同空间关系的识别，以期为区域发展与生态系统健康发展提供决策依据，进而利于制定差别化的生态系统服务强度以提升管理对策，并大幅提升对生态系统服务间关系的定量辨识，从而通过识别各生态系统服务间的权衡与协同空间关系来为实现区域生态系统服务之间的协调发展和可持续管理决策提供前提,有助于人类福祉的全面提升。

附图说明

图1为本发明的步骤流程图；

图2为本发明的空间识别格网构建流程示意图。

具体实施方式

除非另外定义，本发明使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。本发明中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。

为了保持本发明实施例的以下说明清楚且简明，本发明省略了已知功能和已知部件的详细说明。

如图1～2所示，一种生态系统服务间权衡与协同空间关系识别方法，包括以下步骤：

S1：以生态系统服务间权衡与协同关系待识别区域范围作为球面剖分格网边界，根据各项生态系统服务类型的核算成果构建权衡与协同空间关系识别格网，权衡与协同空间关系识别格网的大小为各项生态系统服务类型的核算成果粒度(栅格大小)的5×5或6×6倍；

S2：按照每个格网单元内两两生态系统服务类型核算成果的空间栅格对应性，分别提取栅格中生态系统服务属性量化值，构建二维阵列数据组；以一个5×5倍空间格网单元为例，根据空间对应性，其内部提取的两种生态系统服务类型核算成果属性值可以生成一组二维阵列数据组，内含25组数据；

S3：运用Python逐一计算格网单元内每组二维阵列数据组Pearson相关系数，并将系数作为属性值赋值到对应格网单元，形成生态系统服务间相关性球面剖分格网矢量化数据；

S4：基于生态系统服务间相关性球面剖分格网矢量化数据，采用单变量局部Moran’s I，分别以各项生态系统服务类型之间的相关性系数作为变量，生产LISA聚类图；

S5：将LISA聚类图中不显著区域界定为生态系统服务间兼容区，高-高、低-低区域界定为协同区，高-低、低-高区域界定为权衡区。

本发明引入球面剖分格网技术，先后基于各生态系统服务类型功能核算成果建立空间栅格对应性二维阵列数据组以确定二维阵列数据组相关性，在此基础上进一步构建生态系统服务间相关性球面剖分格网矢量化数据，最后采用单变量局部Moran’s I对上述矢量化数据进权衡与协同空间关系的识别，以期为区域发展与生态系统健康发展提供决策依据，进而利于制定差别化的生态系统服务强度以提升管理对策，并大幅提升对生态系统服务间关系的定量辨识，从而通过识别各生态系统服务间的权衡与协同空间关系来为实现区域生态系统服务之间的协调发展和可持续管理决策提供前提,有助于人类福祉的全面提升。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的技术人员应当理解，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同等替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神与范围。