本發(fā)明涉及水利，尤其涉及一種融合二維水動力模型和ca-markov的湖泊濕地植物類型預(yù)測方法及系統(tǒng)。

背景技術(shù)：

1、水文情勢是濕地生態(tài)系統(tǒng)發(fā)育和演化的主要驅(qū)動力，主要指水文水力要素在時空上的變化狀況。水利工程建設(shè)和氣候變化可通過直接或間接地改變湖泊濕地的水文情勢，導(dǎo)致了天然濕地植被大面積損失，引發(fā)了濕地生態(tài)功能的喪失和生物多樣性的衰退，進而導(dǎo)致濕地保護動物種類及數(shù)量持續(xù)減少。開展湖泊濕地植物類型的模擬預(yù)測是植物保護的基礎(chǔ)，對于濕地生物多樣性維持具有重要意義。

2、元胞自動機-馬爾科夫鏈（ca-markov）是一種基于過程的動態(tài)系統(tǒng)方法，可以很好地解釋植物種群動態(tài)的空間效應(yīng)，并模擬連續(xù)的環(huán)境動力過程和濕地植物的時空演變，已被廣泛用于植物生長和擴散的模擬。目前的研究多使用遙感手段對濕地植物群落動態(tài)進行解譯，從而獲得植物類型分布，進而使用ca-markov方法進行植物的演替模擬。然而，此類研究忽略了水文情勢過程對植物演替的重要影響，且對濕地水文情勢變化引起的植物間物候差異考慮不足。

技術(shù)實現(xiàn)思路

1、本發(fā)明提供一種融合二維水動力模型和ca-markov的湖泊濕地植物類型預(yù)測方法及系統(tǒng)，以解決現(xiàn)有技術(shù)忽略了水文情勢過程對植物演替的重要影響，且對濕地水文情勢變化引起的植物間物候差異考慮不足的問題。

2、第一方面，本發(fā)明提供一種融合二維水動力模型和ca-markov的湖泊濕地植物類型預(yù)測方法，包括：

3、步驟一，獲取湖泊濕地水文氣象相關(guān)的基礎(chǔ)數(shù)據(jù)，所述基礎(chǔ)數(shù)據(jù)包括湖泊濕地的湖泊地形數(shù)據(jù)、日尺度水文數(shù)據(jù)、日尺度氣象數(shù)據(jù)以及植物類型數(shù)據(jù)；

4、步驟二，基于所述基礎(chǔ)數(shù)據(jù)，設(shè)置研究區(qū)域的上、下邊界，定義模型的糙率參數(shù)，采用二維不可壓縮navier-stokes方程構(gòu)建二維水動力模型，

5、步驟三，采用年度淹沒時間作為水文情勢指標，根據(jù)所述二維水動力模型獲得的湖泊濕地每個水動力網(wǎng)格的水深數(shù)據(jù)，計算年度淹沒時間；

6、步驟四，采用高斯函數(shù)進行水文情勢指標與不同植物類型的關(guān)系擬合；

7、步驟五，根據(jù)高斯函數(shù)的擬合結(jié)果，計算不同植物類型的水文情勢生態(tài)閾值；

8、步驟六，根據(jù)當前年份的植物類型與年度淹沒時間，采用元胞自動機-馬爾科夫方法建立下一時期植物類型的轉(zhuǎn)移矩陣；

9、步驟七，使用模糊集隸屬函數(shù)制作水文情勢生態(tài)閾值適宜性圖，并作為轉(zhuǎn)移矩陣的約束條件，最終獲得下一時刻植物類型。

10、進一步地，步驟一中，所述日尺度水文數(shù)據(jù)包括日尺度流量數(shù)據(jù)和水位數(shù)據(jù)；所述日尺度氣象數(shù)據(jù)包括日尺度降雨數(shù)據(jù)、溫度數(shù)據(jù)、風速數(shù)據(jù)。

11、進一步地，步驟二中，二維不可壓縮navier-stokes方程沿水深積分的連續(xù)方程和動量方程公式如下所示：

12、連續(xù)方程：

13、

14、動量方程：

15、

16、式中， h為水深； t為時間步長；、分別為橫向 x、縱向 y方向的流速； u、 v分別為垂線平均流速在 x、 y方向上的分量； z為水位； g為重力加速度； c為謝才系數(shù)； vt為紊動黏性系數(shù)。

17、進一步地，步驟四中，擬合的高斯函數(shù)公式如下所示：

18、

19、式中， x是一個自然年內(nèi)的環(huán)境因子； y是植物的生長狀態(tài)； u是最適宜生長閾值的點；當環(huán)境因子數(shù)值為 u時，植物生長最佳，而 u的數(shù)值等于高斯曲線的峰值； t是植物的適應(yīng)范圍，指的是群落適應(yīng)環(huán)境因子的能力，同時， t還是高斯曲線的形狀參數(shù)， t的值越大，數(shù)據(jù)分布越分散，曲線越平坦；a和 y0均為常數(shù)。

20、進一步地，步驟五中，根據(jù)高斯函數(shù)擬合結(jié)果，通過參數(shù) u和 t來計算生態(tài)閾值，把環(huán)境梯度劃分成最適（ u- t， u+ t）和限制（< u-2 t，> u+2 t）兩個區(qū)間。

21、進一步地，步驟六中，將所需植物類型模擬預(yù)測的區(qū)域進行元胞自動機網(wǎng)格劃分，將研究區(qū)域劃分為正方形網(wǎng)格，根據(jù)元胞自動機原理，構(gòu)建元胞的轉(zhuǎn)移函數(shù)，如下式所示：

22、

23、式中，、分別為中心細胞在時間 t和時間 t+1時的狀態(tài)結(jié)果， n為細胞的鄰域， f表示鄰域內(nèi)細胞單元相互作用的狀態(tài)轉(zhuǎn)換規(guī)則函數(shù)；

24、根據(jù)當前年份的植物類型與年度淹沒時間計算轉(zhuǎn)移矩陣，計算公式如下式所示：

25、

26、式中，0≤ pij＜1；； pij( i, j=1,?2,..., n)為當前年份內(nèi)植物類型 i轉(zhuǎn)化為 j的概率； p為綜合狀態(tài)轉(zhuǎn)移概率矩陣； n為植物類型數(shù)量； st和 st+1分別為 t和 t+1年的植物類型。

27、進一步地，步驟七中，根據(jù)計算年的年度淹沒時間和不同植物類型的生態(tài)閾值使用模糊集隸屬函數(shù)制作適宜性圖，使用模糊集隸屬函數(shù)中的j型對稱函數(shù)概化不同植物類型的適宜性；對于模擬結(jié)果，采用卡帕系數(shù)進行精度的驗證，kappa系數(shù)的計算公式如下：

28、

29、式中， x0為預(yù)測正確元素與實際總元素的比例，x c為預(yù)測正確元素在隨機狀態(tài)下的比例；kappa系數(shù)計算結(jié)果分為五組來表示不同級別的一致性：0.0~0.2極低的一致性、0.2~0.4一般的一致性、0.4~0.6中等的一致性、0.6~0.8高度的一致性和0.8~1.0幾乎完全一致。

30、第二方面，本發(fā)明提供一種融合二維水動力模型和ca-markov的湖泊濕地植物類型預(yù)測系統(tǒng)，包括：存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，該計算機程序被加載至處理器時實現(xiàn)以上所述的融合二維水動力模型和ca-markov的湖泊濕地植物類型預(yù)測方法。

31、本發(fā)明具有以下有益效果：本發(fā)明的一種融合二維水動力模型和ca-markov的湖泊濕地植物類型預(yù)測方法及系統(tǒng)，通過獲取湖泊濕地水文氣象相關(guān)的基礎(chǔ)數(shù)據(jù)，所述基礎(chǔ)數(shù)據(jù)包括湖泊濕地的湖泊地形數(shù)據(jù)、日尺度水文數(shù)據(jù)、日尺度氣象數(shù)據(jù)以及植物類型數(shù)據(jù)；基于所述基礎(chǔ)數(shù)據(jù)，設(shè)置研究區(qū)域的上、下邊界，定義模型的糙率參數(shù)，采用二維不可壓縮navier-stokes方程構(gòu)建二維水動力模型，采用年度淹沒時間作為水文情勢指標，根據(jù)所述二維水動力模型獲得的湖泊濕地每個水動力網(wǎng)格的水深數(shù)據(jù)，計算年度淹沒時間；采用高斯函數(shù)進行水文情勢指標與不同植物類型的關(guān)系擬合；根據(jù)高斯函數(shù)的擬合結(jié)果，計算不同植物類型的水文情勢生態(tài)閾值；根據(jù)當前年份的植物類型與年度淹沒時間，采用元胞自動機-馬爾科夫方法建立下一時期植物類型的轉(zhuǎn)移矩陣；使用模糊集隸屬函數(shù)制作水文情勢生態(tài)閾值適宜性圖，并作為轉(zhuǎn)移矩陣的約束條件，最終獲得下一時刻植物類型，可為濕地植物精準預(yù)測提供重要支撐。