“生态位”元胞自动机在土地可持续规划模型中的应用

快速城市化带来了一系列的环境生态问题。有必要把生态学的概念引进城市规划中,以减少城市发展带来的弊端。提出了基于“生态位”的元胞自动机（CA）的新模型,并将其应用在土地利用规划中。探讨了如何通过“生态位”元胞自动机和GIS的结合进行城市土地可持续利用的规划。该模型可方便地探索不同土地利用政策下城市土地利用发展情景,能够为城市规划提供有用的决策支持。旨在探索通过模拟的手段对城市土地利用进行合理的规划。将该模型应用于快速发展的广州市,并取得了较有意义的结果。     

元胞自动机模拟物种生态策略选择的研究

本文在100×100的二维网格平面上赋予元胞自动机L(生命长度)与P(繁殖期)两种属性,在空间以及捕食两种压力的共同作用下模拟物种对于生态策略选择,时间标度T以单位时间作为步长。当只给予生存空间压力的情况下,固定P=0．5,L初始值20,模拟生态系统在T=120时达到稳定,L平均值稳定在2.1。对于以上系统,在不同的生殖时间P=0.7,0.5,0.3,0.1下,物种对空间的占领速度的百分数变化,在T=120,145,220,450附近,空间占有率分别稳定于60％,55％,67％,77％左右,而L值稳定于3．1,2．5, 4．6,6．0附近。当使L与P双参数自由变化,发现P平均值稳定于2．4,L平均值稳定于0．6。当给与生存压力与捕食关系双重压力下,发现L平均值变化为S型曲线。     

基于地理模型与优化的城市扩张与生态保护二元空间协调优化

协调城市扩张与生态敏感区保护之间的矛盾是当前我国新型城镇化建设中的一项重要任务,但基于传统供需平衡模式或历史惯性驱动模拟的城市规划布局可能导致一系列潜在的生态环境问题。根据城市发展具有历史惯性驱动和空间规划引导的双重特性,提出将地理模拟与优化(Geographical Simulation and Optimization Systems,简写为GeoSOS)等复杂GIS空间分析技术引入规划决策分析。通过利用最小累积阻力模型获取生态敏感区保护压力格局,并利用元胞自动机模型进行城市扩张模拟,分析城市惯性扩张模式对生态敏感区的潜在影响;然后根据生态敏感区保护和城市空间扩张的协调性发展目标进行生态适宜性评价,进而利用蚁群智能空间优化配置模型产生一种优化的城市空间布局方案。研究以我国珠江三角洲地区的广州市为案例,详细分析了基于GeoSOS的城市扩张与生态保护的协调决策过程。结果表明,整合了城市发展惯性与生态敏感区保护双重目标的空间优化布局方案,比单纯基于地理模拟进行规划布局更符合生态型城市建设需求,研究所提出的城市与生态二元空间协调分析框架可为城市规划提供可靠的定量决策支撑。     

基于元胞自动机的生物性病原物类疾病传播模型

生物性病原物类疾病是单一植物群落中常见的一种传染病,它主要依靠风、雨和昆虫等外力传播病菌,传播过程中具有一定的潜伏性,元胞自动机是一种在时间和空间上离散,以每个个体状态的同步更新为前提来讨论系统整体性质的模型,本文利用其特点,将整个森林中的树木分为健康、潜伏期、发病期三类,以树木的营养状况和被感染时间长度为辅助变量,在考虑到树木得病后被治愈的情况后,建立了基于元胞自动机的树林生物性病原物类疾病传播模型．模拟结果表明,在不同的初始条件下,得病树所占的比例由疾病传播和被治愈的相对强度确定．疾病每次传播时,从爆发到被控制的过程具有相似的特点：随着恢复强度从小到大,初始阶段,被感染的树木迅速增加,接着进入传播速度相对缓慢的稳定过程,最终如果恢复机制足够强,则树林中的不健康树木会全部消失．     

基于元胞自动机的城市生态安全格局模拟——以东莞市为例

以城市化快速发展的东莞市为研究对象,选取景观生态安全程度为评价标准,获取生态安全的元胞1 km×1 km范围内的城市化元胞数,将其嵌入元胞自动机(CA)转换规则中作为约束条件,控制城市发展,建立生态安全的城市CA,模拟生态安全的城市发展形态.结果表明: 东莞市综合景观生态安全指数从1988年的0.497降低到2005年的0.395,景观尺度上的生态安全下降.利用生态安全的CA模拟的2005年东莞市生态安全指数由实际的0.395增加到0.479,模拟的城市景观生态压力减小、生态安全状态和综合景观生态安全程度提高.CA可以作为探索生态安全城市研究的有效工具.     

生态位模型在流行病学中的应用

随着新冠肺炎(COVID-19)疫情在全球逐渐开始蔓延, 对其传播范围以及强度的风险评估工作越来越受到人们的重视。作为生态学和生物地理学中常用的研究手段, 生态位模型也被应用到该项工作中来。虽然预测流行病的传播热点和趋势是生态位模型的应用方向之一, 但由于新冠病毒(SARS-CoV-2)自身特点, 生态位模型并非预测其潜在传播范围的有力工具。本文回顾了近些年来生态位模型在各种流行病学研究中的应用, 比较了疫病传播中常用生态位建模方法的优势与不足, 分析了适用生态位建模的疫病案例以及不适用于生态位建模的疫病特点, 明确指出, 生态位模型只能用于分析流行病在传播过程中受自然环境干扰的部分, 如中间宿主的潜在分布等。而对于包括COVID-19在内的主要通过人传人的流行病, 生态位模型尚无有效的手段进行预测。尽管生态位模型可用于分析流行病的传播范围, 但在使用时需要根据疾病特点有针对性地选择合适的建模方法与建模对象。为了量化疫病传播风险, 还需要考虑其他干扰因素, 以便准确测试和评估生态位模型。若不加选择地滥用生态位模型的工具, 反而会误导决策者的判断。总之, 在应用生态位模型进行研究工作, 特别是预测流行病的传播范围时, 首先要考虑建模对象是否满足生态学假设。     

林地生态需水量计算方法与应用

从树木生长强度与土壤水分含量、蒸散量的相互关系出发 ,提出了林地生态需水量的等级标准和 计算方法 ,并以黄淮海地区为例 ,采用ＧＩＳ技术对该地区林地生态需水量进行了估算 ,分析了该地区林地在现状用水状况下的生态缺水量 .结果表明 ,该地区林地年生态需水量约 2 . 56× 1 0 1 0 ～ 4. 58× 1 0 1 0 ｍ3,在满足最小生态需水量要求下林地缺水量约为 2 .8× 1 0 9ｍ3,在满足适宜性生态需水要求下林地缺水量约为8.4× 1 0 9ｍ3.     

基于物元模型的鄱阳湖生态经济区土地生态安全评价

基于2001-2007年的相关数据,借助物元模型对鄱阳湖生态经济区的土地生态安全状况进行研究.结果表明:2001年鄱阳湖生态经济区土地生态安全状况为较安全状态,2002—2004年处于临界安全状态,2005年下降为不安全状态,2006年后土地生态安全状况有所好转,处于临界安全状态.表明利用物元模型进行区域土地生态安全评价是可行的,具有计算简便、意义明确、评价精度高等优点,为土地生态安全评价提供了另一种途径.     

湖泊最低生态水位计算方法

研究湖泊最低生态水位的计算方法 ,对解决我国湖泊生态退化问题具有重要现实意义。针对我国湖泊生态资料缺乏的情况 ,提出 3种确定湖泊最低生态水位的方法。认为湖泊天然生态系统已经适应了天然多年最低水位 ,据此提出利用湖泊多年天然水位资料确定湖泊最低生态水位的方法——天然水位资料法 .认为要使湖泊生态系统不出现严重退化 ,必须使湖泊水文和地形子系统不严重退化 ,据此提出湖泊形态分析法 .从生物对生存空间的最小需求角度 ,以鱼类为指示生物 ,提出生物最小空间需求法。采用上述 3种方法计算了南四湖最低生态水位。计算结果表明 ,南四湖上级湖最低生态水位的范围为 32 .75～ 33.2 5 m,平均值为 33m;下级湖最低生态水位范围 31.2 5～ 31.75 m,平均值为 31.38m。上下两湖最小生态水位相应湖面面积之和为 5 93～86 0 km2 ,平均水位相应面积之和 70 8km2 ,占 195 3～ 1979年多年平均湖面面积 12 2 5 km2 的 5 8%。从保护南四湖自然保护区的角度看 ,确定的最低生态水位合理     

基于生态水文学原理的湖泊最小生态需水量计算

近几十年来,由于人类活动的加剧以及全球气候的变化,湖泊普遍出现了萎缩、水位下降、水量锐减、湖水盐化、水质污染、富营养化、甚至干涸消亡等状况。确保湖泊生态系统必需的最小水量是解决可能出现的湖泊严重水资源和生态系统危机的区域问题之一。从生态水文学原理出发,对湖泊最小生态需水量的概念进行了探讨,并提出了计算最小生态需水量的3种方法:1曲线相关法;2功能法;3最低生态水位法。在最低生态水位法中,其方法有最低年平均水位法和年保证率设定法。一旦湖泊最小生态需水量得以确定,将为水资源管理部门的水资源合理配置和湖泊管理提供综合性、权威性及可操作性决策依据,为退化湖泊生态系统的恢复与重建提供科学基础。     

河流生态径流计算的逐月频率计算法

界定了生态径流、最小生态径流、最大生态径流、适宜生态径流的概念,提出了一种新的河流生态径流计算方法——逐月频率计算法,指出了方法的优缺点以及适用范围。以计算洛阳市境内伊河的栾川站和龙门镇站生态径流为例,说明了计算过程,同时用Tennant法作对比。结果表明:运用新的逐月频率计算法比用以往的逐月频率计算法得到的适宜生态径流过程径流量要大,河流的生态状况更好,更有利于河流自身的生态健康和河流周围生物栖息地的保护。     

基于模型的景观格局与生态过程研究

景观格局与生态过程关系的研究是景观生态学的主要特色和理论核心之一。模型可以充分利用实验和观测数据并综合不同时间和空间尺度上的信息提炼规律或揭示内在机制,模拟景观格局与生态过程的动态与相互关系,成为景观生态学研究的有力工具。结合研究实例,总结了基于模型的景观格局研究、生态过程研究和格局-过程关系研究的发展现状和薄弱环节,同时探讨了通过构建耦合模型研究格局-过程相互关系的途径。总结了景观模型研究亟待发展的领域与发展趋势。     

Monte Carlo integration over stepping stone models for spatial genetic inference using approximate Bayesian computation

Approximate Bayesian computation (ABC) substitutes simulation for analytic models in Bayesian inference. Simulating evolutionary scenarios under Kimura’s stepping stone model (KSS) might therefore allow inference over spatial genetic process where analytical results are difficult to obtain. ABC first creates a reference set of simulations and would proceed by comparing summary statistics over KSS simulations to summary statistics from localities sampled in the field, but: comparison of which localities and stepping stones? Identical stepping stones can be arranged so two localities fall in the same stepping stone, nearest or diagonal neighbours, or without contact. None is intrinsically correct, yet some choice must be made and this affects inference. We explore a Bayesian strategy for mapping field observations onto discrete stepping stones. We make Sundial, for projecting field data onto the plane, available. We generalize KSS over regular tilings of the plane. We show Bayesian averaging over the mapping between a continuous field area and discrete stepping stones improves the fit between KSS and isolation by distance expectations. We make Tiler Durden available for carrying out this Bayesian averaging. We describe a novel parameterization of KSS based on Wright’s neighbourhood size, placing an upper bound on the geographic area represented by a stepping stone and make it available as m Vector. We generalize spatial coalescence recursions to continuous and discrete space cases and use these to numerically solve for KSS coalescence previously examined only using simulation. We thus provide applied and analytical resources for comparison of stepping stone simulations with field observations.     

Using functional traits to predict species growth trajectories,and cross‐validation to evaluate these models for ecological prediction

Modeling plant growth using functional traits is important for understanding the mechanisms that underpin growth and for predicting new situations. We use three data sets on plant height over time and two validation methods—in‐sample model fit and leave‐one‐species‐out cross‐validation—to evaluate non‐linear growth model predictive performance based on functional traits. In‐sample measures of model fit differed substantially from out‐of‐sample model predictive performance; the best fitting models were rarely the best predictive models. Careful selection of predictor variables reduced the bias in parameter estimates, and there was no single best model across our three data sets. Testing and comparing multiple model forms is important. We developed an R package with a formula interface for straightforward fitting and validation of hierarchical, non‐linear growth models. Our intent is to encourage thorough testing of multiple growth model forms and an increased emphasis on assessing model fit relative to a model's purpose.     

基于种间竞争模型的毒杂草入侵空间分布模拟研究

以天然草场中毒杂草与可食牧草为研究对象,在种间竞争的生态数学模型的基础上引入入侵扩散因素建立毒杂草入侵扩散模型。采用元胞自动机理论将竞争模型扩展到空间网络进行模拟研究,分析毒杂草属的空间分布类型,为毒杂草的控制提供数据支持。研究表明:(1)在入侵扩散作用下,毒杂草与可食牧草的共存平衡点由一个增加为两个,增加了共存的可能性;(2)入侵扩散作用影响了毒杂草种群的空间分布特征,减少了种群空间分布的聚集程度。     

基于生态足迹的大型水电工程建设生态补偿标准评价模型——以三峡工程为例

生态足迹作为重要的生态环境指标,已被广泛应用于可持续性分析中,但在生态补偿领域应用的较少。运用生态足迹思想,构建了6类大型水电工程建设的生态供给足迹与生态需求足迹模型,以此为基础,确立了大型水电工程建设的生态补偿标准评价模型;并进行了三峡工程案例研究。结果表明:(1)三峡工程建设6项正面影响的生态供给足迹为949.96×104hm2/a,换算成总经济价值为619.18×108元/a;三峡工程建设9项负面影响的生态需求足迹为188.98×104hm2/a,换算成总经济损失为123.18×108元/a。(2)发电产品、调蓄洪水和发电环境效益是三峡工程的主要正面影响,三者经济价值占总经济价值的95.06%;水库泥沙淤积和水库淹没是三峡工程的主要负面影响,两者经济损失占总经济损失的85.56%。(3)三峡工程建设的生态补偿标准为123.18×108元/a,水电开发业主、中央政府和地方政府是主要的生态补偿主体,两者承担了95.06%的生态补偿标准额度;河流生态系统和移民是主要的生态补偿对象,两者获得了91.39%的生态补偿额度。通过对比分析发现,构建的模型在三峡工程案例中得到了很好的验证。     

A dynamical systems perspective on the relationship between symbolic and non-symbolic computation

It has been claimed that connectionist (artificial neural network) models of language processing, which do not appear to employ “rules”, are doing something different in kind from classical symbol processing models, which treat “rules” as atoms (e.g., McClelland and Patterson in Trends Cogn Sci 6(11):465–472, 2002). This claim is hard to assess in the absence of careful, formal comparisons between the two approaches. This paper formally investigates the symbol-processing properties of simple dynamical systems called affine dynamical automata, which are close relatives of several recurrent connectionist models of language processing (e.g., Elman in Cogn Sci 14:179–211, 1990). In line with related work (Moore in Theor Comput Sci 201:99–136, 1998; Siegelmann in Neural networks and analog computation: beyond the Turing limit. Birkhäuser, Boston, 1999), the analysis shows that affine dynamical automata exhibit a range of symbol processing behaviors, some of which can be mirrored by various Turing machine devices, and others of which cannot be. On the assumption that the Turing machine framework is a good way to formalize the “computation” part of our understanding of classical symbol processing, this finding supports the view that there is a fundamental “incompatibility” between connectionist and classical models (see Fodor and Pylyshyn 1988; Smolensky in Behav Brain Sci 11(1):1–74, 1988; beim Graben in Mind Matter 2(2):29--51,2004b). Given the empirical successes of connectionist models, the more general, super-Turing framework is a preferable vantage point from which to consider cognitive phenomena. This vantage may give us insight into ill-formed as well as well-formed language behavior and shed light on important structural properties of learning processes.