一种鲁棒优化的自然保护地弹性分区方法及系统与流程
本申请涉及自然保护地空间规划,涉及但不限定于一种鲁棒优化的自然保护地弹性分区方法及系统。
背景技术:
1、自然保护地内部不同区域在生态敏感性、资源分布和人类活动强度上存在显著差异,需要通过空间分区实现对不同区域的差异化管控,以达到保护与发展之间的平衡。目前,自然保护地分区规划普遍采用以marxan、zonation为代表的确定性优化工具,这类工具在给定当前物种分布与威胁格局的条件下,能够求解出满足保护目标的最小面积或最高优先级区域集合。然而,受气候变化、自然灾害及人为活动迁移等深度不确定性因素的影响,基于单一当前情景生成的最优分区方案,在未来不同压力情景下可能出现保护效能急剧下降,进而导致生态系统保护目标落空的风险。
2、相关技术中,针对多个可能的未来情景分别运行确定性优化工具,得到多个备选分区方案,再由规划人员依据专家经验或辅助决策准则从中选择一个综合最优的方案。此外,也有研究尝试引入随机规划方法,通过为各未来情景预设发生概率,将不确定性纳入优化模型进行统一求解。
3、然而,多情景事后优选范式本质上是在已有备选方案中进行折中取舍,其最终方案的性能上限受限于备选方案集的质量,无法保证在最坏未来情景下仍能满足基本的保护需求。随机规划方法依赖情景概率预设的准确性,深度不确定性下概率难以可靠估计,导致结果偏离真实需求。上述两类方法均将未来预测视为确定状态,决策逻辑仍属于预测与优化的确定性范式,当不同预测给出的未来图景差异显著时,在面对深度不确定性时决策稳健性不足、无法在多情景下均衡保障保护效能。
技术实现思路
1、有鉴于此,本申请实施例提供一种鲁棒优化的自然保护地弹性分区方法及系统,至少解决相关技术中自然保护地分区方案在面对深度不确定性时决策稳健性不足、无法在多情景下均衡保障保护效能的技术问题。
2、本申请实施例的技术方案是这样实现的:
3、第一方面,本申请实施例提供一种鲁棒优化的自然保护地弹性分区方法,所述方法包括:
4、获取多个未来情景下各规划单元的生态属性数据;所述规划单元是对目标自然保护地进行网格划分得到的;
5、基于所述生态属性数据和预设保护约束参数,确定每一空间分区方案在每一所述未来情景下的保护收益;其中,所述空间分区方案由多个决策变量构成,每一所述决策变量是通过将每一所述规划单元是否划分至严格保护区进行编码得到的;
6、针对每一所述空间分区方案,基于所述保护收益在所有未来情景下的最小值减空间破碎度惩罚项,得到适应度函数;所述空间破碎度惩罚项是基于预设空间约束参数和所述规划单元的边界长度计算得到的;其中,所述保护收益的最小值在所有未来情景中的最大化构成鲁棒优化目标;
7、利用遗传算法搜索使所述适应度函数的值最大时对应的空间分区方案,得到满足所述鲁棒优化目标和预设预算约束的弹性分区方案;
8、将所述弹性分区方案映射至地理空间,生成保护地分区图件。
9、第二方面,本申请实施例提供一种鲁棒优化的自然保护地弹性分区系统,所述系统包括:数据获取模块、收益确定模块、函数确定模块、求解模块和映射模块;
10、所述数据获取模块,用于获取多个未来情景下各规划单元的生态属性数据;所述规划单元是对目标自然保护地进行网格划分得到的;
11、所述收益确定模块,用于基于所述生态属性数据和预设保护约束参数,确定每一空间分区方案在每一所述未来情景下的保护收益;其中,所述空间分区方案由多个决策变量构成,每一所述决策变量是通过将每一所述规划单元是否划分至严格保护区进行编码得到的;
12、所述函数确定模块,用于针对每一所述空间分区方案,基于所述保护收益在所有未来情景下的最小值减空间破碎度惩罚项,得到适应度函数;所述空间破碎度惩罚项是基于预设空间约束参数和所述规划单元的边界长度计算得到的;其中,所述保护收益的最小值在所有未来情景中的最大化构成鲁棒优化目标;
13、所述求解模块,用于利用遗传算法搜索使所述适应度函数的值最大时对应的空间分区方案,得到满足所述鲁棒优化目标和预设预算约束的弹性分区方案;
14、所述映射模块,用于将所述弹性分区方案映射至地理空间,生成保护地分区图件。
15、本申请实施例提供的技术方案带来的有益效果至少包括:
16、本申请通过获取多个未来情景下各规划单元的生态属性数据;规划单元是对目标自然保护地进行网格划分得到的。基于生态属性数据和预设保护约束参数,确定每一空间分区方案在每一未来情景下的保护收益;其中,空间分区方案由多个决策变量构成,每一决策变量是通过将每一规划单元是否划分至严格保护区进行编码得到的。通过将生态属性数据与保护约束参数相结合,为每一空间分区方案在每一未来情景下计算保护收益,使不同空间分区方案在不同未来情景下的保护效果可以被客观比较和排序。针对每一空间分区方案,基于保护收益在所有未来情景下的最小值减空间破碎度惩罚项,得到适应度函数;空间破碎度惩罚项是基于预设空间约束参数和规划单元的边界长度计算得到的;其中,保护收益的最小值在所有未来情景中的最大化构成鲁棒优化目标。适应度函数同时兼顾空间分区方案在最不利未来情景下的保护效能和空间形态紧凑程度。鲁棒优化目标引导搜索提升空间分区方案在最坏情况下的保护表现,避免方案在某些未来情景下保护效能过低。利用遗传算法搜索使适应度函数的值最大时对应的空间分区方案,得到满足鲁棒优化目标和预设预算约束的弹性分区方案。遗传算法能够在大量候选空间分区方案中定位适应度函数的值最大的方案,确保弹性分区方案在最不利未来情景下的保护收益维持在较高水平,同时在面积和资源消耗上符合预设预算约束。将弹性分区方案映射至地理空间,生成保护地分区图件。将遗传算法搜索得到的二进制编码形式的弹性分区方案转换为可视化的地理信息图层。使抽象的弹性分区方案转化为可直接用于保护地边界优化调整和分级管控的实用保护地分区图件,便于管理人员在实际工作中使用。因此,本申请通过鲁棒优化方法,提升了自然保护地分区方案在面对深度不确定性时的决策稳健性,保障了分区方案在多未来情景下的保护效能。
1.一种鲁棒优化的自然保护地弹性分区方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述预设保护约束参数包括预设保护下限阈值;所述生态属性数据包括物种分布数据、生态系统服务数据和保护代价数据;
3.根据权利要求1所述的方法,其特征在于,所述多个未来情景是通过预先确定的生态预测模型,基于不同气候路径或人为干扰强度计算得到的。
4.根据权利要求1所述的方法,其特征在于,所述预设保护约束参数包括各目标物种的最小保护数量或保护比例,以及生态系统服务的保护目标下限阈值。
5.根据权利要求1所述的方法,其特征在于,所述严格保护区是所述弹性分区方案中受到最高级别保护的区域;所有所述决策变量构成一个二进制向量,所述二进制向量对应一个所述空间分区方案。
6.根据权利要求1所述的方法,其特征在于,所述预设预算约束包括面积预算上限和资源预算上限;
7.根据权利要求1所述的方法,其特征在于,所述预设空间约束参数包括边界长度惩罚系数;
8.根据权利要求1所述的方法,其特征在于,所述遗传算法的候选方案集合初始化采用贪心策略,包括:
9.根据权利要求1所述的方法,其特征在于,所述遗传算法在求解过程中,对违反所述预设预算约束的空间分区方案赋予低于正常适应度范围的负值,使所述空间分区方案在候选方案集合迭代中被淘汰。
10.一种鲁棒优化的自然保护地弹性分区系统,其特征在于,所述系统包括:数据获取模块、收益确定模块、函数确定模块、求解模块和映射模块;
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com