生态过程模型敏感参数最优取值的时空异质性分析——以BIOME-BGC模型为例

生态过程模型是当前研究陆地生态系统水循环、碳循环有力的工具,但此类模型参数众多,参数的合理取值对模型模拟结果有重要影响.以往研究对模型参数的敏感性以及参数的优化取值有诸多的分析和讨论,但有关参数最优取值的时空异质性关注较少.本文以BIOME-BGC模型为例,在常绿阔叶林、落叶阔叶林、C3草地3种植被类型下,通过构建敏感性判别指数,筛选出模型的敏感参数,并在每种植被类型下选取两个试验站点,使用模拟退火算法结合实测通量数据构建目标函数,获取各站点敏感参数逐月的最优取值,然后构建时间异质性判别指数、空间异质性判别指数和时空异质性判别指数对模型敏感参数最优取值的时空异质性进行定量分析.结果表明:BIOME-BGC模型在3种植被类型下遴选出的敏感参数大部分一致,少数有差异,但参数的敏感性强弱在不同植被类型下的表现不尽相同;BIOME-BGC模型敏感参数的最优取值,大都具有不同程度的时空异质性,但不同植被类型下,敏感参数最优取值的时空异质性表现各异;敏感参数中与植被生理、生态相关的参数,其时空异质性相对较小,而与环境、物候相关的参数,其时空异质性普遍较大;在3种植被类型下,模型敏感参数最优取值的时间异质性与空间异质性表现出显著的线性相关性;依据其最优取值的时空异质性,可对BIOME-BGC模型敏感参数进行类型划分,以便在实践应用中采取不同的参数率定策略.本研究结论有助于加深对生态过程模型参数特性及最优取值的理解,可为实践应用中模型参数的合理取值提供一种思路和参考.     

面源污染物输出系数模型的研究进展

面源污染的量化研究对水质管理具有重要意义。经典的输出系数模型法以其结构简单、应用方便、输入数据容易获取等特点在农业面源污染研究中得到了广泛的应用和发展。本研究介绍了输出系数模型法的发展历程及其在农业面源污染负荷估算中的应用,概括了输出系数的获取途径及其在不同条件下的取值,并指出尺度效应问题、输出系数模型与水文模型的耦合将是输出系数模型今后的主要研究方向。     

农业非点源污染关键源区识别方法研究进展

在农业非点源污染研究中,识别污染发生的关键源区非常重要.在介绍输出系数法、污染指数法和非点源污染模型法等主要农业非点源污染关键源区识别方法的基础上,分析了输出系数取值、污染指数因子权重分级以及非点源模型法参数获取等方面存在问题,并从野外观测、现有不同识别方法的结合、多角度识别方法的研究以及新技术的应用与集成等方面对未来关键源区识别研究进行了展望,以期为农业非点源污染评价与控制提供借鉴.     

考虑农业保护地因素下的红火蚁适生性分析

为明确外来入侵物种红火蚁Solenopsis invicta在我国的适生区分布格局及农业保护地对其分布的影响,本研究基于集成模型预测了红火蚁的潜在分布,并结合农业保护地的面积占比情况进行分析。结果显示,集成模型TSS、ROC值在0.85、0.95左右,预测结果可靠;温度和降水是影响红火蚁分布的关键环境变量;在历史气候条件下,红火蚁适生区将遍布到中国的28个省（市、自治区）;考虑农业保护地因素,山东省、云南省、北京市、新疆维吾尔自治区、辽宁省和黑龙江省的部分地区适生区等级升高。     

中国植物分布模拟研究现状

在过去的20年里, 物种分布模型已广泛应用于动植物地理分布的模拟研究。该文以植物物种分布模拟为例, 利用中国知网、维普网以及Web of Science文献数据库的检索与统计, 分析了2000-2018年间, 中国研究人员利用各种物种分布模型对植物物种分布模拟研究的发文量、模拟模型、物种类型、数据来源、研究目的等信息。最终共收集到366篇有效文献, 分析表明2011年以来中国的物种分布模型应用发展迅速, 且以最近5年最为迅猛, 在生态学、中草药业、农业和林业等行业部门应用广泛。在使用的33种模型中, 应用最广的为最大熵模型(MaxEnt)。有一半研究的环境数据仅包含气候数据, 另一半研究不仅包含气候数据还包括地形与土壤等数据; 环境及物种数据的来源多样, 国际及本土数据库均得到使用。模拟涉及有明确清单的562个植物种, 既有木本植物(52.7%), 也有草本植物(41.8%), 其中中草药、果树、园林植物、农作物等占比较高。研究目的主要集中在过去、现在和未来气候变化对植物种分布的影响及预测, 以及物种分布评估与生物多样性评价(包括入侵植物风险评估)两大方面。预测物种潜在分布范围与气候变化影响等基础研究, 与模拟物种适生区与推广种植等应用研究并重, 物种分布模型在生态学与农业、林业和中草药业等多学科、多行业开展多种应用, 多物种、多模型和多来源数据共同参与模拟与比较, 开发新的机理性物种分布模型, 拓展新的物种分布模拟应用领域, 是今后研究的重点发展方向。     

中国植物分布模拟研究现状

在过去的20年里,物种分布模型已广泛应用于动植物地理分布的模拟研究。该文以植物物种分布模拟为例,利用中国知网、维普网以及Web of Science文献数据库的检索与统计,分析了2000–2018年间,中国研究人员利用各种物种分布模型对植物物种分布模拟研究的发文量、模拟模型、物种类型、数据来源、研究目的等信息。最终共收集到366篇有效文献,分析表明2011年以来中国的物种分布模型应用发展迅速,且以最近5年最为迅猛,在生态学、中草药业、农业和林业等行业部门应用广泛。在使用的33种模型中,应用最广的为最大熵模型(MaxEnt)。有一半研究的环境数据仅包含气候数据,另一半研究不仅包含气候数据还包括地形与土壤等数据;环境及物种数据的来源多样,国际及本土数据库均得到使用。模拟涉及有明确清单的562个植物种,既有木本植物(52.7%),也有草本植物(41.8%),其中中草药、果树、园林植物、农作物等占比较高。研究目的主要集中在过去、现在和未来气候变化对植物种分布的影响及预测,以及物种分布评估与生物多样性评价(包括入侵植物风险评估)两大方面。预测物种潜在分布范围与气候变化影响等基础研究,与模拟物种适生区与推广种植等应用研究并重,物种分布模型在生态学与农业、林业和中草药业等多学科、多行业开展多种应用,多物种、多模型和多来源数据共同参与模拟与比较,开发新的机理性物种分布模型,拓展新的物种分布模拟应用领域,是今后研究的重点发展方向。     

比较逻辑斯蒂与地理加权逻辑斯蒂回归模型在福建林火发生的适用性

林火预测预报是科学有效进行林火管理的前提,是林业管理部门和科研工作者的广泛关注的领域。逻辑斯蒂回归(Logistic Regression,LR)是目前国内外广泛应用于森林火灾预测的模型方法,然而近年来有学者发现该方法没有充分考虑林火影响因子的空间相关性和异质性,从而导致模型拟合结果偏差。地理加权逻辑斯蒂回归(Geographically weighted logistic regression,GWR)模型考虑到了模型变量之间的空间相关性,有效提高的模型的拟合能力。为探讨GWLR模型在福建林火预测上的适用性,本研究应用LR和GWLR两种方法分别建立福建省森林火灾与气象因子的预测模型,通过模型拟合能力对比,判断在GWLR的适用性。研究以2000—2005年福建地区森林火灾卫星火点数据和每日气象因子为基础,将全样本分为60%的建模数据和40%的校验数据,并重复5次,建立5个样本组。选择在5个样本组中3个及以上表现显著的变量进入最终模型。研究结果表明GWLR在模型拟合度、模型残差、空间自相关性以及预测准确率等方面均优于LR模型,说明充分考虑模型变量的空间异质性有助于提高模型的预测精度,同时也验证了GWLR在福建地区林火预测上的适应性。此外,模型参数结果显示,"日最高地表气温"、"日最低地表气温"、"日平均风速"、"24小时降水量"、"日最高本站气压"、"日照时数"、"日最高气温"和"日最小相对湿度"8个因子对福建省林火发生有显著影响,研究结论为福建地区林火预测预报提供了新的方法。     

CoupModel模拟与应用研究进展

CoupModel模拟范围广泛,几乎涉及了陆面过程的各种环节,且具有动态预测性。该模型不但能够较为准确地模拟森林、农田、湿地以及冻土等多种生态系统的土壤水热运移和碳氮循环等过程,还能够科学地预测气候变化背景下的增温潜势。通过对CoupModel的耦合原理及特点、数据的输入输出、多种参数估计方法及模拟结果检验等方面的详细介绍,深入了解了利用该模型模拟土壤-植被-大气系统的物质能量过程;CoupModel在国外多个国家和地区获得应用与认可,引入我国后,通过更改部分参数也在多个地区得到验证。在综合众多前人研究成果的基础上,将该模型与几种使用较广泛的同类模型进行了简单的对比分析,随后从模型参数简化、适用性验证和模型尺度等方面对其未来研究进展进行了探讨。     

基于西北区甘肃省监测数据的土壤墒情综合诊断模型验证

本文应用甘肃省2个市区的13个墒情监测点的数据验证土壤墒情综合诊断模型在西北区半湿润和半干旱地区的适应性,建模使用2012—2014年的数据,模型验证使用2015年的数据。结果表明:模型在西北区甘肃省半湿润和半干旱地区具有较好的适应性,验证合格率分别为半湿润地区80%以上和半干旱地区90%以上;不同降水量区域模型参数不同;降水越少的地区模型预测合格率越高。本研究表明,墒情综合诊断模型可以应用于西北半湿润和半干旱地区。     

Maxent模型复杂度对物种潜在分布区预测的影响

生态位模型在入侵生物学和保护生物学中具有广泛的应用, 其中Maxent模型最为流行, 被越来越多地应用在预测物种的现实分布和潜在分布的研究中。在Maxent模型中, 多数研究者采用默认参数来构建模型, 这些默认参数源自早期对266个物种的测试, 以预测物种的现实分布为目的。近期研究发现, Maxent模型采用复杂机械学习算法, 对采样偏差敏感, 易产生过度拟合, 模型转移能力仅在低阈值情况下较好。基于默认参数的Maxent模型不仅预测结果不可靠, 而且有时很难解释。在本研究中, 作者以入侵害虫茶翅蝽(Halyomorpha halys)为例, 采用经典模型构建方案(即构建本土模型然后将其转移至入侵地来评估), 利用ENMeval数据包来调整本土Maxent模型调控倍频和特征组合参数, 分析各种参数条件下模型的复杂度, 然后选取最低复杂度的模型参数(即为最优模型), 综合比较默认参数和调整参数后Maxent模型的响应曲线和预测结果, 探讨Maxent模型复杂度对预测结果的影响及Maxent模型构建时所需注意事项, 以期对物种潜在分布进行合理的预测, 促进Maxent模型在我国的合理运用和发展。作者认为, 环境变量的选择至关重要, 需要综合分析其对所模拟物种分布的限制作用和环境变量之间的空间相关性。构建Maxent模型前需对物种分布采样偏差及模型的构建区域进行合理地判断, 模型构建时需要比较不同参数下模型的预测结果和响应曲线, 选取复杂度较低的模型参数来最终建模。在茶翅蝽的分析中, Maxent模型的默认参数和最优模型参数不同, 与Maxent模型默认参数相比, 采用调整参数后所构建的模型预测效果较好, 响应曲线较为平滑, 模型转移能力较高, 能够较为合理反映物种对环境因子的响应和准确地模拟该物种的潜在分布。