新疆大学集成DBN-SD-PLUS-InVEST！在未来气候变化情景下生态系统服务格局优化方面取得进展！

繁荣的干旱绿洲城市群：利用动态贝叶斯网络优化未来气候变化情景下的生态系统服务模式

原文

Thriving arid oasis urban agglomerations: Optimizing ecosystem services pattern under future climate change scenarios using dynamic Bayesian network

——《Journal of Environmental Management》

摘要

全球气候变化和人类活动的影响预计将对生态系统服务（ES）产生重大影响，特别是在干旱地区的城市群。本文提出了一个集成动态贝叶斯网络（DBN）、系统动力学（SD）模型、斑块生成土地利用模拟（PLUS）模型以及生态系统服务和权衡综合评估（InVEST）模型的框架，用于预测土地利用变化和优化基于 CMIP6 的 SSP-RCP 场景构建的 ES 空间模式。该框架适用于中国新疆天山北坡绿洲城市群（UANSTM）。研究结果表明，SD模型和PLUS模型都能准确预测未来土地利用分布。SD模型的相对误差小于2.32%，而PLUS模型的Kappa系数为0.89。不同气候情景下土地利用格局表现出明显的空间异质性。耕地和建设用地的扩张是未来UANSTM土地利用变化的主要形式。DBN模型熟练地模拟了ES与各种因素之间的交互关系。净初级生产力（NPP）、生境质量（HQ）、产水量（WY）和土壤保持力（SR）的分类错误率分别为20.04%、3.47%、4.45%和13.42%。DBN的预测和诊断确定了研究区最优ESs发育情景和最优ESs区域。研究发现，除总部外，UANSTM 中的大多数 ES 主要受自然因素的影响。社会经济发展在此类城市群中的作用较小。这项研究提供了重要的见解，可以为全球干旱城市群的生态保护和土地利用规划领域做出贡献。

研究目标

本研究提出了一个基于 DBN 建模的综合框架，以优化未来气候变化情景下生态系统的空间格局。该框架应用于中国新疆UANSTM干旱地区，该地区是中国重要经济走廊沿线典型的干旱绿洲城市群。本研究的目的是：（1）结合SD模型和PLUS模型这一综合土地利用模拟系统，预测未来气候情景下的土地利用分布；(2)建立DBN模型来模拟ES及其影响因素之间的关系。DBN的预测功能用于评估多种场景下ES的发展水平，并确定最佳发展场景；(3)利用DBN的诊断功能和敏感性分析来识别影响每个ES的关键变量。确定ES的最佳区域可以为生态系统管理和实施规划提供有价值的指导。

研究数据

本研究收集了多源数据集以满足不同模型的数据需求，包括不同时空分辨率的电子表格数据和栅格数据。数据说明如表1所示。土地利用土地覆盖数据（LULC）的时间间隔为5年，包括耕地、森林、草地、水域、建设用地和未利用地。为了提高土地利用模拟的运算速度和模拟精度，将LULC数据重采样为空间分辨率为300 m的栅格数据。此外，在DBN模拟阶段，将模型所需的数据重新采样到1 km×1 km的空间分辨率，以量化ES及其影响因素之间的不确定性。除表1所述数据外，本研究还收集了CMIP6未来气候情景下的国内生产总值（GDP）、人口密度（POP）、温度（TEM）和降水量（PRE）数据，以调查未来气候变化的影响。气候变化对 ES 的影响。GDP和POP数据来自不同共享社会经济路径（SSP）下的0.5°×0.5°数据集，选择SSP126、SSP245、SSP585三个气候情景数据集。气候模型的选择以研究区域进行的相关研究为指导，并考虑了数据可用性。最终选择了五个全球气候模型（CanESM5、CNRM-ESM2-1、IPSL-CM6A-LR、MIROC6 和 MRI-ESM2-0）。鉴于本研究的时间范围为2030年、2040年和2050年，空间范围选择为1公里。为了获得更高的精度，在历史数据的基础上，使用Delta降尺度方法将未来气候情景数据降采样到1 km分辨率。

重要图表

结论与讨论

本研究提出了一个集成动态贝叶斯网络（DBN）、系统动力学（SD）模型、斑块生成土地利用模拟（PLUS）模型以及生态系统服务和权衡综合评估（InVEST）模型的框架，以优化生态系统的空间格局。未来气候情景下的生态系统服务。该框架应用于UANSTM。利用PLUS模型和SD模型耦合预测研究区未来气候情景下的土地利用分布。采用InVEST模型和CASA模型对2010年和2020年的四种ES类型进行了评估：NPP、HQ、WY和SR。建立DBN模型来模拟ES与其驱动因素之间的相互作用机制，以优化UANSTM内ES的空间格局。结果表明，不同气候情景下土地利用格局表现出明显的空间异质性，耕地和建设用地扩张是UANSTM未来土地利用变化的主要形式。所有 ES 在未来的气候情景中都会略有退化。除总部外，UANSTM内所有ES主要受气候等自然因素影响，社会经济发展影响较小。相反，总部受到自然和社会因素的强烈驱动。DBN模型熟练地模拟了ES与各种因素之间的交互关系。净初级生产力（NPP）、生境质量（HQ）、产水量（WY）和土壤保持力（SR）的分类错误率分别为20.04%、3.47%、4.45%和13.42%。未来的研究应将SSP-RCP情景与其他情景结合起来，例如全球生态保护和土地利用规划的发展政策情景、干旱情景或公共卫生事件。

转自：“生态遥感前沿”微信公众号

如有侵权，请联系本站删除！