一种南方红壤区小流域水土保持生态服务功能优化方法技术

本发明专利技术涉及一种南方红壤区小流域水土保持生态服务功能优化方法，将流域划分为不同管理单元，每个管理单元可配置几种可能的水保措施，通过优化算法随机产生流域潜在的水保措施空间配置情景，利用生态服务评价模型对每个情景进行评价，随着优化算法的迭代计算，将生态服务功能最优的水保措施空间配置方案提供给决策者。本发明专利技术的有益效果为：可以充分利用遗传算法全局寻优能力，在小流域尺度，结合南方红壤区现有的水土保持综合治理模式，因地制宜地开展水土保持生态服务功能优化，为水土工作提供有益的技术支撑。

A Method for Optimizing the Ecological Service Function of Soil and Water Conservation in Small Watershed of Red Soil Region in South China

【技术实现步骤摘要】
一种南方红壤区小流域水土保持生态服务功能优化方法
本专利技术涉及生态建设工程领域，具体来说，涉及一种南方红壤区小流域水土保持生态服务功能优化方法。
技术介绍
南方红壤区是我国粮食生产、经济作物及经济林果的重要基地，也是我国水土流失严重的地区之一，该地区水土流失强度大、范围广，是制约社会、经济可持续发展的重要因素。水土保持工作在保障水土环境可持续发展的同时，也为我国水土安全创造了良好的条件。水土保持生态服务功能是指在水土保持过程中，所采用的各项措施对维持、改良和保护人类及人类社会赖以生存的自然环境条件的综合效用，包括保持和涵养水源、保持和改良土壤、维持生物多样性功能、固碳供氧、净化空气、防风固沙和维持环境景观7项功能，其中前三项功能为主要功能。水土保持生态服务功能评价是在特定尺度和区域范围内对水土保持措施为人类和社会提供的服务进行货币计量的研究。由于在不同流域空间位置，水土保持措施提供的生态服务功能不同，水土保持生态服务功能优化是将流域划分为不同管理单元，每个管理单元可配置几种可能的水保措施，通过优化算法随机产生流域潜在的水保措施空间配置情景，利用生态服务评价模型对每个情景进行评价，随着优化算法的迭代计算，将生态服务功能最优的水保措施空间配置方案提供给决策者。基于优化算法的水土保持生态服务功能优化方法与传统的几个情景对比实验法，能够从成千上万可能的情景中搜索最优的水保措施空间配置方案，对于水土保持工作具有重要的指导意义和现实意义。由于南方红壤坡地土质脆弱，抗蚀性差等原因，土壤侵蚀类型及成因复杂，所以要因地制宜地实施水土保持综合治理。本专利技术根据南方红壤区小流域农业生产现状，结合南方红壤区现有的水土保持综合治理模式，包括：反坡梯田、林-灌-草、顶林-腰果-低谷养殖、封禁-补种-管控、排水沟及沉沙池等。以往传统方法以小区对比实验来评价水土保持措施的生态服务功能效益，这种方法耗时长，需要投入大量的人力物力，且对比实验得到的结果仅在实验条件限制的几种情景范围内，无法对成千上万的水土保持措施可能组合进行评价和优化，基于多目标遗传算法，提出了一种南方红壤区小流域水土保持生态服务功能优化方法。针对相关技术中的问题，目前尚未提出有效的解决方案。
技术实现思路
针对相关技术中的上述技术问题，本专利技术的目的是提供一种南方红壤区小流域水土保持生态服务功能优化方法，克服现有技术中的不足，结合南方红壤区现有的水土保持综合治理模式，因地制宜地开展水土保持生态服务功能优化，为水土保持工作提供技术支撑。本专利技术的目的是通过以下技术方案来实现：一种南方红壤区小流域水土保持生态服务功能优化方法，包括以下步骤：S1、根据南方红壤区小流域特点，确定水土保持生态服务功能优化目标，由优化目标导向收集数据，并将获得到的数据进行数据预处理；S2、基于多目标遗传算法，搭建小流域水土保持生态服务功能优化框架，生态服务功能优化框架的生态服务采用生态服务评价模型计算，生态服务功能优化框架的水土保持措施的投入成本采用投入产出统计经济模型；S3、构建生态服务评价的基线模型，并对基线模型模拟结果进行验证；S4、通过多目标遗传算法的多值基因编码进行遗传编码自动生成不同的水土保持措施，在生态服务功能优化框架下，利用验证后的模型评价不同水土保持措施情景的生态服务状况，所述遗传算法包括种群规模、变异概率和进化代数；S5、根据所述步骤S3和所述步骤S4，将不同水土保持措施情景模拟结果与基线模型模拟结果做差值，分别计算各优化目标的差异，以最大化目标差异、最小化投入成本进行多目标优化，直至达到遗传算法设定的迭代终止条件，最终获得的新一代种群为精英集，根据流域治理的环境目标以及预算从所述精英集中选取出一个个体作为小流域整体的最优水土保持措施方案。进一步的，所述步骤S1包括以下步骤：S11、针对南方红壤区小流域特点，确定生态服务最大化优化目标，以及水土保持成本投入最小化优化目标；S12、根据选定的优化目标，收集需要优化的小流域数据，对数据进行空间栅格化，建立统一的投影坐标系、相同大小的栅格单元。进一步的，所述步骤S11中南方红壤区小流域特点包括气候、植被、水土流失状况、农业经济发展和人口密度，生态服务最大化优化目标包括保水、保土、生物多样性、碳存储和美学价值，所述步骤S12中小流域数据包括降水量、蒸发量、土地利用、DEM、降雨侵蚀力指数、土壤可蚀性因子和植被根深。进一步的，所述步骤S2包括以下步骤：S21、所建立的生态服务功能优化框架，根据南方红壤区小流域地形进行空间离散化，同时根据不同地形地貌的特征，选择和配置相应的水土保持措施；S22、所建立的生态服务功能优化框架，根据南方红壤区小流域农业生产现状，选择相应的水土保持措施；S23、所建立的生态服务功能优化框架，根据所述步骤S21空间离散化后，形成空间管理单元，每个管理单元上选择和配置所述步骤S22的水土保持措施。进一步的，所述步骤S21中小流域地形包括山顶、山腰和沟谷，所述步骤S22中水土保持措施包括反坡梯田、林-灌-草、顶林-腰果-低谷养殖、封禁-补种-管控、排水沟和沉沙池。进一步的，所述步骤S3包括以下步骤：S31、所构建的基线模型是在小流域当前水土保持措施现状下，对该小流域的水土保持生态服务采用生态服务评价模型进行建模和计算；S32、构建的基线模型在建模过程中，需要校正模型参数，使其模拟的结果与观测数据基本一致，或误差在可接受的范围；S33、经过参数校正后的模型，用不同时间段的输入数据模拟，用观测数据对模拟结果进行验证，如果误差在可接受的范围，模型验证成功，否则重复所述步骤S32，继续校正参数以降低模拟结果的误差，直到模型验证成功。进一步的，所述步骤S4包括以下步骤：S41、在生态服务功能优化框架下，小流域空间离散化后，形成不同管理单元，每个管理单元上通过多目标遗传算法的多值基因编码进行遗传编码自动生成潜在的水土保持措施；S42、按照设定的遗传算法种群规模，每个种群个体就是一套小流域水土保持措施情景的方案，对每个这样的情景，利用验证后的生态服务评价模型评价其生态服务状况，以及计算每个情景的成本投入。进一步的，所述步骤S5包括以下步骤：S51、所选定的生态服务最大化优化目标，其目标的差异计算表达式如下：其中，FESi(X)表示某个生态服务在实施水土保持措施情景X后与基线模型模拟结果的增加量，V(0)表示基线模型模拟结果，V(X)表示一套小流域水土保持措施情景的生态服务模型模拟结果，ESi表示某个生态服务，包括保水、保土、生物多样性、碳存储和美学价值；S52、所选定的水保措施成本最小化优化目标，水保措施成本计算表达式如下：其中，Fc为水保措施方案总体成本，i为地块编号，Area(i)表示第i个地块的面积，C(id)表示编号为id的水保措施单位面积投入成本。本专利技术的有益效果为：可以充分利用遗传算法全局寻优能力，在小流域尺度，结合南方红壤区现有的水土保持综合治理模式，因地制宜地开展水土保持生态服务功能优化，为水土工作提供有益的技术支撑。附图说明下面根据附图对本专利技术作进一步详细说明。图1是本专利技术实施例所述一种南方红壤区小流域水土保持生态服务功能优化方法的步骤流程图；图2是本专利技术实施例所述一种南方红壤区小流域水土保持生态服务功能优化方本文档来自技高网...

【技术保护点】
1.一种南方红壤区小流域水土保持生态服务功能优化方法，其特征在于，包括以下步骤：S1、根据南方红壤区小流域特点，确定水土保持生态服务功能优化目标，由优化目标导向收集数据，并将获得到的数据进行数据预处理；S2、基于多目标遗传算法，搭建小流域水土保持生态服务功能优化框架，生态服务功能优化框架的生态服务采用生态服务评价模型计算，生态服务功能优化框架的水土保持措施的投入成本采用投入产出统计经济模型；S3、构建生态服务评价的基线模型，并对基线模型模拟结果进行验证；S4、通过多目标遗传算法的多值基因编码进行遗传编码自动生成不同的水土保持措施，在生态服务功能优化框架下，利用验证后的模型评价不同水土保持措施情景的生态服务状况，所述遗传算法包括种群规模、变异概率和进化代数；S5、根据所述步骤S3和所述步骤S4，将不同水土保持措施情景模拟结果与基线模型模拟结果做差值，分别计算各优化目标的差异，以最大化目标差异、最小化投入成本进行多目标优化，直至达到遗传算法设定的迭代终止条件，最终获得的新一代种群为精英集，根据流域治理的环境目标以及预算从所述精英集中选取出一个个体作为小流域整体的最优水土保持措施方案。

【技术特征摘要】
1.一种南方红壤区小流域水土保持生态服务功能优化方法，其特征在于，包括以下步骤：S1、根据南方红壤区小流域特点，确定水土保持生态服务功能优化目标，由优化目标导向收集数据，并将获得到的数据进行数据预处理；S2、基于多目标遗传算法，搭建小流域水土保持生态服务功能优化框架，生态服务功能优化框架的生态服务采用生态服务评价模型计算，生态服务功能优化框架的水土保持措施的投入成本采用投入产出统计经济模型；S3、构建生态服务评价的基线模型，并对基线模型模拟结果进行验证；S4、通过多目标遗传算法的多值基因编码进行遗传编码自动生成不同的水土保持措施，在生态服务功能优化框架下，利用验证后的模型评价不同水土保持措施情景的生态服务状况，所述遗传算法包括种群规模、变异概率和进化代数；S5、根据所述步骤S3和所述步骤S4，将不同水土保持措施情景模拟结果与基线模型模拟结果做差值，分别计算各优化目标的差异，以最大化目标差异、最小化投入成本进行多目标优化，直至达到遗传算法设定的迭代终止条件，最终获得的新一代种群为精英集，根据流域治理的环境目标以及预算从所述精英集中选取出一个个体作为小流域整体的最优水土保持措施方案。2.根据权利要求1所述的一种南方红壤区小流域水土保持生态服务功能优化方法，其特征在于，所述步骤S1包括以下步骤：S11、针对南方红壤区小流域特点，确定生态服务最大化优化目标，以及水土保持成本投入最小化优化目标；S12、根据选定的优化目标，收集需要优化的小流域数据，对数据进行空间栅格化，建立统一的投影坐标系、相同大小的栅格单元。3.根据权利要求2所述的一种南方红壤区小流域水土保持生态服务功能优化方法，其特征在于，所述步骤S11中南方红壤区小流域特点包括气候、植被、水土流失状况、农业经济发展和人口密度，生态服务最大化优化目标包括保水、保土、生物多样性、碳存储和美学价值，所述步骤S12中小流域数据包括降水量、蒸发量、土地利用、DEM、降雨侵蚀力指数、土壤可蚀性因子和植被根深。4.根据权利要求1所述的一种南方红壤区小流域水土保持生态服务功能优化方法，其特征在于，所述步骤S2包括以下步骤：S21、所建立的生态服务功能优化框架，根据南方红壤区小流域地形进行空间离散化，同时根据不同地形地貌的特征，选择和配置相应的水土保持措施；S22、所建立的生态服务功能优化框架，根据南方红壤区小流域农业生产现状，选择相应的水土保持措施；S...

【专利技术属性】
技术研发人员：孙莉英，吴辉，陈腊娇，栗清亚，
申请(专利权)人：中国科学院地理科学与资源研究所，
类型：发明
国别省市：北京,11