基于阈值效应模型的生态敏感性干旱临界条件识别方法与流程

本发明涉及生态环境监测与数据处理，特别涉及一种基于阈值效应模型的生态敏感性干旱临界条件识别方法。

背景技术：

1、现有生态干旱监测与临界条件识别方法通常基于降水量、土壤含水量、标准化降水蒸散指数、植被指数、总初级生产力、蒸散量等气象、水文或生态响应数据，对目标区域的干旱程度进行评价。其中，部分方法通过设置固定阈值或采用回归分析、分段拟合等方式，分析土壤水分与植被生态响应之间的变化关系，并据此确定生态系统发生水分胁迫时的临界条件；还有部分方法结合多时相遥感数据或连续地面监测数据，对不同时间段的生态响应变化进行分析，以获得区域尺度的干旱状态或生态敏感性评价结果。

2、然而，现有技术在进行生态敏感性干旱临界条件识别时，通常将干燥过程和复水过程采用相同或相近的临界判定方式，未充分考虑生态系统在水分持续下降过程中进入胁迫状态与水分恢复过程中退出胁迫状态可能对应不同根区土壤含水量的情况，因此难以表征干燥路径与复水路径之间的迟滞特征；同时，部分方法主要依据土壤水分是否恢复进行状态判定，未将复水后的生态响应恢复程度与水分恢复过程进行联合分析，也较少对不同生态响应变量对应的临界结果、阈值稳定性以及不同空间单元之间的临界差异进行综合处理，从而使获得的干旱临界条件在连续监测、生态恢复状态识别以及空间差异表征方面仍存在进一步完善的空间。

技术实现思路

1、本发明旨在至少在一定程度上解决上述技术中的技术问题之一。

2、为实现上述目的，本发明提供了如下方案：

3、一种基于阈值效应模型的生态敏感性干旱临界条件识别方法，由处理器执行，包括：步骤s10、获取目标生态区域按采样时刻记录的根区土壤含水量、生态响应数据和预设恢复比例阈值。

4、步骤s20、计算相邻采样时刻的水分变化量，根据所述水分变化量的方向划分干燥过程数据和复水过程数据，并从干燥过程起始时刻前的预设时长内提取生态响应数据，获得基准生态响应。

5、步骤s30、以所述干燥过程数据中的根区土壤含水量为解释变量、生态响应数据为响应变量建立第一阈值效应模型，获得生态响应变化斜率转换对应的进入阈值。

6、步骤s40、以所述复水过程数据中的根区土壤含水量为解释变量、生态响应数据为响应变量建立第二阈值效应模型，获得生态响应恢复斜率转换对应的退出阈值。

7、步骤s50、将所述进入阈值与所述退出阈值之间的根区土壤含水量范围确定为迟滞区间，根据所述复水过程数据中的生态响应数据与所述基准生态响应计算生态响应恢复比例，并结合所述预设恢复比例阈值及根区土壤含水量相对于所述迟滞区间的位置确定复水生态状态类别。

8、步骤s60、将所述进入阈值、所述退出阈值、所述迟滞区间和所述复水生态状态类别组合，获得干旱临界条件识别结果。

9、进一步地，所述步骤s20包括：按照统一采样时刻对所述根区土壤含水量和所述生态响应数据进行时间对齐，对所述根区土壤含水量进行滑动窗口平滑并计算所述水分变化量。

10、将连续多个水分变化量小于零且持续时长达到预设过程持续时长的数据段标记为候选干燥段，将连续多个水分变化量大于零且持续时长达到所述预设过程持续时长的数据段标记为候选复水段。

11、当相邻候选干燥段或候选复水段之间的间断时长低于预设间断时长时，分别确定为同一干燥过程区段或复水过程区段。

12、在所述干燥过程区段内提取水分变化量小于零的根区土壤含水量及对应生态响应数据，生成所述干燥过程数据，并在所述复水过程区段内提取水分变化量大于零的根区土壤含水量及对应生态响应数据，生成所述复水过程数据。

13、进一步地，所述步骤s30包括：根据所述干燥过程数据中根区土壤含水量的最小值、最大值及候选分割点两侧满足预设最小样本数量的约束，确定含水量搜索区间，并设置多个候选分割点。

14、针对每一所述候选分割点，将根区土壤含水量划分为第一含水量子区间和第二含水量子区间，分别拟合两个子区间内生态响应数据随根区土壤含水量变化的第一响应关系和第二响应关系。

15、计算所述第一响应关系与所述第二响应关系之间的斜率差及各候选分割点对应的分段拟合残差，筛选所述斜率差达到预设斜率差阈值的候选分割点，并从中选取所述分段拟合残差最小的候选分割点作为干燥转换点。

16、将所述干燥转换点对应的根区土壤含水量确定为所述进入阈值。

17、进一步地，所述步骤s40包括：按照所述复水过程数据的时间顺序确定复水起始时刻，提取所述复水起始时刻后的根区土壤含水量形成复水含水量序列。

18、根据所述复水含水量序列的最小值、最大值及候选恢复分割点两侧满足预设最小样本数量的约束，确定恢复搜索区间并设置多个候选恢复分割点。

19、针对每一所述候选恢复分割点，将所述复水含水量序列划分为第一恢复子区间和第二恢复子区间，分别拟合第一恢复关系和第二恢复关系。

20、计算两个恢复关系之间的恢复斜率差及对应分段拟合误差，筛选所述恢复斜率差达到预设恢复斜率差阈值的候选恢复分割点，并从中选取分段拟合误差最小者作为复水转换点。

21、将所述复水转换点对应的根区土壤含水量确定为所述退出阈值。

22、进一步地，所述步骤s50包括：按照所述复水过程数据的时间顺序依次选取采样时刻，在每一所述采样时刻提取截至该采样时刻的预设恢复窗口内的生态响应数据，并计算算术平均值，获得当前生态响应统计量。

23、将所述当前生态响应统计量与所述基准生态响应进行归一化比较，获得对应采样时刻的生态响应恢复比例。

24、将对应采样时刻的根区土壤含水量分别与所述进入阈值和所述退出阈值比较，确定所述根区土壤含水量相对于所述迟滞区间的位置。

25、根据所述生态响应恢复比例与所述预设恢复比例阈值的比较结果以及所述位置，确定对应采样时刻的复水生态状态类别，并按照采样时刻顺序对所述复水生态状态类别进行编码，获得复水生态状态标识序列。

26、更进一步地，所述步骤s50还包括：在所述复水过程数据中查找根区土壤含水量由低于所述进入阈值变化至达到所述进入阈值的第一采样时刻，并确定为复水迟滞起始时刻。

27、自所述第一采样时刻起，查找根区土壤含水量达到所述退出阈值且所述生态响应恢复比例达到所述预设恢复比例阈值的第二采样时刻。

28、存在所述第二采样时刻时，将其确定为复水迟滞结束时刻并计算复水迟滞持续时长。

29、不存在所述第二采样时刻时，以所述复水过程数据的末端采样时刻计算未恢复持续时长。

30、根据所述复水迟滞持续时长或所述未恢复持续时长、所述生态响应恢复比例及当前根区土壤含水量相对于所述迟滞区间的位置，确定可逆胁迫状态、迟滞恢复状态或持续受损状态中的一种作为所述复水生态状态类别。

31、进一步地，在步骤s30和步骤s40获得所述进入阈值和所述退出阈值之后、执行步骤s50之前，对所述第一阈值效应模型和所述第二阈值效应模型执行动态建模，包括：按照预设更新步长建立滚动时间窗口，并在当前滚动时间窗口内重新划分干燥过程数据和复水过程数据。

32、当任一过程数据达到预设最小样本数量时，重新计算对应进入阈值或退出阈值，并与前一滚动时间窗口的同类阈值进行差值计算，获得阈值变化量。

33、当所述阈值变化量达到预设更新阈值时，以当前滚动时间窗口的阈值效应模型及阈值替换前一滚动时间窗口的同类阈值效应模型及阈值。

34、当所述阈值变化量未达到所述预设更新阈值或对应过程数据未达到所述预设最小样本数量时，保留前一滚动时间窗口的同类阈值效应模型及阈值。

35、进一步地，所述生态响应数据包括蒸散量、太阳诱导叶绿素荧光、总初级生产力和植被含水量中的至少两种生态响应变量。

36、以各所述生态响应变量在所述预设时长内的算术平均值作为基准生态响应并归一化，得到无量纲生态响应序列。

37、分别基于各无量纲生态响应序列建立所述第一阈值效应模型和所述第二阈值效应模型，获得候选进入阈值和候选退出阈值。

38、计算各无量纲生态响应序列的标准差作为波动程度，以各波动程度倒数占各波动程度倒数之和的比例确定稳定性权重。

39、分别计算候选进入阈值和候选退出阈值的离散程度，并与对应预设离散度阈值比较。

40、未超过对应预设离散度阈值时按所述稳定性权重加权获得对应阈值，超过时选取稳定性权重最高的无量纲生态响应序列对应候选阈值作为对应阈值。

41、进一步地，将所述目标生态区域划分为多个相邻空间单元，针对每一所述空间单元获取所述根区土壤含水量和所述生态响应数据，并分别执行步骤s20至步骤s50，获得各空间单元对应的进入阈值、退出阈值、迟滞区间和复水生态状态类别。

42、分别计算相邻空间单元之间的进入阈值绝对差和退出阈值绝对差，并将二者中的较大值确定为空间阈值差异量。

43、将所述空间阈值差异量与预设空间差异阈值比较，对未达到所述预设空间差异阈值的相邻空间单元建立相邻连接关系，根据所述相邻连接关系形成连通空间单元集合，并将每一所述连通空间单元集合确定为一个临界条件分区。

44、保留不同临界条件分区之间的分区边界，并根据各临界条件分区内空间单元对应的复水生态状态类别生成空间生态状态结果。

45、更进一步地，在步骤s30和步骤s40获得所述进入阈值和所述退出阈值之后、执行步骤s50之前，对所述进入阈值和所述退出阈值执行稳定性检验，包括：对所述干燥过程数据和所述复水过程数据按预设抽样次数重采样，并重新建立对应阈值效应模型，获得重采样进入阈值、重采样退出阈值及离散统计量。

46、当任一离散统计量超过预设稳定性阈值时，扩大对应过程数据原始时间序列范围，对扩大后的原始时间序列执行步骤s20，获得更新后的对应过程数据，并重新建模和重采样。

47、重复计算所述离散统计量，直至均未超过所述预设稳定性阈值或达到预设重算次数。

48、达到预设重算次数仍存在超限离散统计量时，生成阈值不稳定标识，并将所述阈值不稳定标识与对应阈值写入所述干旱临界条件识别结果。

49、根据本发明提供的具体实施例，本发明公开了以下技术效果：

50、（1）本发明通过对目标生态区域的根区土壤含水量和生态响应数据进行连续时序处理，将水分下降过程与水分恢复过程分别识别为干燥过程和复水过程，并针对两个过程分别建立阈值效应模型，从而获得干燥过程中生态响应发生敏感性变化所对应的进入阈值，以及复水过程中生态响应发生恢复性变化所对应的退出阈值。相较于仅采用单一固定水分阈值进行干旱判断的方式，该方法能够反映生态系统在干燥路径和复水路径下存在的响应差异，使干旱临界条件与生态系统实际水分响应过程建立较为直接的对应关系。

51、（2）本发明进一步根据进入阈值和退出阈值确定迟滞区间，并结合复水过程中的生态响应恢复比例以及根区土壤含水量相对于迟滞区间的位置，对复水生态状态进行识别。由此不仅能够判断水分条件是否恢复，还能够结合植被生态功能的恢复程度区分可逆胁迫状态、迟滞恢复状态和持续受损状态，从而降低仅依据土壤水分恢复情况判断生态恢复状态时产生的状态误判风险，并能够表征水分恢复与生态功能恢复之间存在的时间差异。

52、（3）本发明在干燥过程数据和复水过程数据生成过程中，通过水分变化方向识别连续过程区段，并将短时间反向波动用于过程连续性判断，同时仅提取符合对应变化方向的数据作为阈值效应模型的拟合样本，使短时水分扰动不直接参与对应阈值模型的拟合过程。该处理方式能够减少局部短时降水、传感器波动或短时间水分反向变化对干燥转换点和复水转换点识别的影响，使进入阈值和退出阈值的确定具有较好的数据一致性。

53、（4）本发明还可以利用多种生态响应变量分别获得候选进入阈值和候选退出阈值，并通过无量纲化处理、稳定性权重以及候选阈值离散程度对不同生态响应变量对应的阈值结果进行融合，从而综合利用蒸散量、太阳诱导叶绿素荧光、总初级生产力、植被含水量等不同生态功能信息。在不同生态响应变量变化尺度和物理单位存在差异的情况下，该处理方式能够降低单一生态响应变量异常波动对最终干旱临界条件识别结果的影响。