土木在线论坛 \ 水利工程 \ 水土保持 \ 从简单到复杂——比较四种用于量化水生态系统服务的建模工具

从简单到复杂——比较四种用于量化水生态系统服务的建模工具

发布于:2022-12-27 11:09:27 来自:水利工程/水土保持 [复制转发]


 

文章提要

水文生态系统服务(HES)的快速发展正在将水文和水管理问题纳入生态系统服务(ES)框架。不同的建模工具由于其基本属性(例如结构,方法,计算需求,数据要求,可靠性,可控性等)不同,HES评估的数值、空间模式、以及结果的可靠性也会显著不同。鉴于此,Decsi等人利用GIS-WSB,GIS-H1D,InVEST和SWAT模型等4种常用的HES建模工具,绘制了Zala河流域的洪水防控,侵蚀控制和磷保留等3个重要HES的时空分布格局,并比较了使用不同工具产生的结果在空间分布和数据统计上的差异。结果表明:(1)GIS-WSB与GIS-H1D模型在评估较大空间尺度(如区域等尺度)上的HES更具优势。(2)考虑到计算需求,结果可靠性以及数据和专业知识要求等方面,InVEST是最有效的HES映射工具。(3)HES的热点和冷点区域可以在没有水文建模的情况下被描绘出来。


研究空缺

尽管近年来有关生态系统服务(ES)研究的数量已大大增加,但有关调节服务的研究及出版物的数量却明显减少。并且由于调节服务与人类福祉和社会利益的关系不那么明显,因此监管调节通常比供给服务更不被认可。同时,由于人类活动对生态环境的影响,使得生态系统的压力越来越大,导致有些调节服务的损失十分严重(如洪灾的发生及其后果)。

HES研究使用最广泛的工具有:生态系统服务和权衡的综合评估模型(InVEST),生态系统服务的人工智能模型(ARIES),土地利用和能力指标模型(LUCI)和土壤和水评估工具(SWAT)四类。然而这些工具仍存在一定的局限性,如LUCI缺乏校准和验证的能力。在先前的研究中,大多数研究集中于SWAT和InVEST模型的比较,只有少数研究在空间和统计上比较了使用不同工具产生的映射结果。

高层次的水文模型是用于HES映射的主要工具,然而这些模型需要大量的输入数据并耗费大量的人力和物力,这对于许多数据稀缺区域困难重重。因此,需要开发更简单的模型并将它们与更高层的模型进行比较分析。


建模框架

以受到良好监测的匈牙利Zala河流域作为研究区,它是Balaton湖最大的支流。20世纪80年代对Zala河流域的河口进行了人工改造,恢复了一些以前的湿地,以防Balaton湖进一步富营养化,从而能提供较多调节服务。根据研究区第二个流域管理计划(RBMP)的分类标准,流域大多数水体的生态状况均未达到良好水平。

   

图1.研究区概况图

第一步:量化HES。作者选择了直接影响水文循环,地表和地下水体的定量和定性状态,以及洪水爆发的三个HES进行评估,这些服务是对人类福祉最重要和最关键的HES,分别为:洪水防控(FC),侵蚀控制(EC),和磷保留(PR)。

第二步是:开发所使用的模型。作者选用GIS-WSB,GIS-H1D,InVEST和SWAT模型等4种工具,来评估研究区的HES。

GIS-WSB模型,是将矩阵模型方法与Kenessey方法相结合来计算HES结果,通过使用WetSpa分布式水文模型中的潜在径流系数值来对asoil进行参数分解,因此模型名称中的WSB为首字母缩写。

GIS-H1D模型,开发的基础是WetSpa的潜在径流系数,尽管该系数值来自于美国的土壤数据,但该数据库的属性值只代表了当地的土壤状况。为此,作者使用了匈牙利的DoSoReMi数据库中的属性值,来优化相关的土壤信息。

InVEST模型是一个免费的开源生态系统服务映射模块套件,它有单独的模块来绘制和量化一些文化、供给、调节和支持生态系统服务。作者使用了三个模块来对研究区域的HES进行评估,分比为:(i)使用养分输送比(NDR)模块对PR进行了量化;(ii)利用泥沙输移比(SDR)模块来对EC进行量化;(iii)利用季节性产水量(SWY)模块对FC进行量化。

SWAT模型是一种半分布式、半经验分水岭模型,能够描述地表和地下路径的降雨径流,沉积物径流和养分径流。该模型的优点是具有更精细的时间分辨率,因此它可以为生态系统服务分析提供更多的过程细节,而该模型的缺点是缺乏层次结构,这对分析水文,养分或沉积物残留时,造成了一定的障碍。四种模型的基本参数如下表1所示。

表1. 4种模型对比分析

   

第三步:使用不同模型所得结果的空间比较。作者通过对不同工具所得HES结果在空间模式和数据统计方面的相似度进行对比分析。


案例研究结果与模型精度评价

(1)基于研究单元的HES的空间相似性比较(图2):GIS-WSB和GIS-H1D矩阵模型具有较高的空间相似性,4种工具均显示PR的相关性最高。对于FC来说,InVEST模型与GIS-H1D,GIS-WSB之间的相关系数为正,但强度小于PR,EC的空间模式的相似性低于其他两个HES。

   

注:A:洪水防控(FC),B:侵蚀控制(EC),C:磷保留(PR)。

H1D指GIS-H1D,WSB指GIS-WSB.

图2. 不同工具对的Spearman(SRC)相关系数小提琴图

(2)使用HRU平均值的空间相似性比较(图3):InVEST和GIS-WSB之间以及GIS-WSB和GIS-H1D之间的HRU级相关性分别强于每种HES的其他工具之间的相关性。

   

注:A:洪水防控(FC),B:侵蚀控制(EC),C:磷保留(PR)。

***表示0.001的显著性水平。

图3. HRU水平下不同工具对之间的Spearman(SRC)相关系数图

(3)不同工具的汇总结果(图4):聚合的地图可以用评分系统中1到10分来进行评估。与之前的空间分析类似,GIS-WSB和GIS-H1D结果非常相似。InVEST的总体HES图与其他工具接近,极值的数量较少。SWAT模型聚合图的情况与其他三个工具一致,但空间上的极值差异较小。因此,InVEST和SWAT模型会导致HES空间上较少分散和多样化的结果。

   

图4.不同工具的汇总得分

(4)HES的热点和冷点比较(图5):PR显示出最好的重叠,而FC和EC的一致性较弱。

   

图5.HES上四分位和下四分位重叠工具的数量

(5)土地利用和土地覆盖条件对HES值的影响:四种模型在城市环境中的结果略有不同,这在EC的情况下最为明显。InVEST和SWAT对这些区域的评分明显优于GIS-WSB和GIS-H1D工具。所有四种工具都认为农田在PR方面特别弱,草地在每个单一HES和总体上都比城市地区和农田表现更好,森林在所有LULC类别中得分最高。

   

注:箱形图中黄色代表GIS-WSB;蓝色代表GIS-H1D;

红色代表InVEST;绿色代表SWAT模型。

图6.HES按主要LULC类别得分


研究讨论

基于研究结果,考虑到模型精度,数据需求及结果的可靠性,InVEST模型是一个很好的选择,该模型的特点是输入数据较为适中,所需专业知识的水平相对中等,并且以较简单的方式考虑了生态过程的物理-生物学背景。同时,该研究结果也强调了SWAT模型的优缺点,它能够提供十分详细且与时间相关的水文和水质结果,此外,模型的自动校准、灵敏度测试和结果验证是十分可靠的。但是,考虑到实际应用,该模型可能被过度参数化,使得校准过程难度较大,所得结果不可靠。并且,使用SWAT进行HES映射时,对数据,时间,和专业知识的要求十分严格。

关于新颖的矩阵模型GIS-WSB与GIS-H1D,两者均可很好的量化区域HES,并且由于其计算过程和数据要求相对较低,因此它的适用范围十分广泛。同时,研究结果表明,HES的空间分布具有异质性,这并不一定意味着在量化HES时,应该避免使用无法处理这种空间异质性的简单模型。

小编思考

该研究构建了两个新颖的模型:GIS-WSB与GIS-H1D,并结合两个较为成熟的模型:InVEST和SWAT模型,对三种重要的HES进行评估,并通过多个方面进行比较,分析了使用不同工具产生的映射结果在空间分布和数据统计方面的差别。一方面所构建的2个新颖模型所需的输入数据较少,模型原理也较为简单,很大程度上解决了许多数据稀缺区域无法进行HES评估的现状。另一方面,新颖的模型丰富了有关HES的研究方法和模型,为相关区域的HES量化方法的选定提供了新的参考和方向。

同时,该研究对低层次和高层次HES映射工具进行对比分析,弥补了当前研究的空白。再者,从实际应用的角度出发,了解所用模型工具的可靠性以及在映射和量化HES时,更简单的工具是否可以替代更复杂的模型是十分重要的,该研究从研究单元,HRU和主要LULC类别等多个方面对不同工具所得的映射结果进行对比分析,可以为模型精度的评价及相关模型的替代提供一定的科学依据。最后,考虑到HES的映射结论无法纳入相关决策的问题,未来可通过增加测度多个生态本系统服务间的相互作用关系来解决此问题。


全部回复(0 )

只看楼主 我来说两句抢沙发

水土保持

返回版块

4.34 万条内容 · 196 人订阅

猜你喜欢

阅读下一篇

事关高标准农田建设!农业农村部印发意见

  农业农村部办公厅关于切实加强高标准农田建设项目管理进一步提升建设成效的意见 近年来,各地高标准农田建设工作取得积极进展,支撑我国粮食综合生产能力不断提升,有力保障了国家粮食安全和重要农产品供给。与此同时,部分地区高标准农田建设项目管理还存在一些问题。为深入贯彻落实党中央、国务院有关决策部署,进一步提升高标准农田建设质量和成效,现就加强高标准农田建设项目管理提出以下意见。

回帖成功

经验值 +10