SolVES模型应用(生态系统服务社会价值模型)

news2024/11/23 21:32:36

生态系统服务是人类从自然界中获得的直接或间接惠益,可分为供给服务、文化服务、调节服务和支持服务4类,对提升人类福祉具有重大意义,且被视为连接社会与生态系统的桥梁。自从启动千年生态系统评估项目(Millennium Ecosystem Assessment,MA)以来,生态系统服务成为学术界的研究热点,其中在生态系统服务功能如何转化为经济价值方面取得了巨大进展。然而,在全球气候变暖及土地利用变化速度加快的双重驱动下,以短期经济利益作为交换条件,生态环境持续恶化。因此,随着生态系统的退化,其提供产品和服务的能力也随之下降。此外,在景观空间规划过程中,需关注生态系统服务间的协同与权衡关系,且优先考虑具有经济价值的生态系统服务,以期同时实现生态效益和社会经济效益。鉴于部分生态系统服务缺乏经济价值,如美学价值、文化价值和治疗价值,管理者和生态学家认为其重要性较低,通常不会在规划决策中给予考虑。同时,由于生态系统服务功能社会价值的无形性以及受益人群主观感知的依赖性,难以将其评估或量化,从而导致生态系统服务功能社会价值难以被纳入规划和资源管理过程中。

SolVES模型(Social Values for Ecosystem Services)全称为生态系统服务社会价值模型,是由美国地质勘探局和美国科罗拉多州立大学联合开发的一款地理信息系统应用程序,开发该模型的目的主要是对生态系统服务功能中的社会价值进行空间分析和量化评估。此模型评估的社会价值类型多种多样,比如:美学、生物多样性、精神、娱乐、休闲等社会价值,评价结果不以货币的形式进行展示总价值,而是以价值指数来表示社会价值的高低。该模型由三个子模块构成,分别是生态系统服务功能社会价值模块、价值制图模块和价值转换制图模块。评估研究区生态系统服务社会价值时需要将社会价值模块和价值制图模块两者结合起来,通过邮件、访谈、问卷调查的形式收集生态系统服务产品使用者对于生态系统所提供的服务或者产品态度和偏好,同其它社会经济调查数据和研究区自然环境数据,通过运行模型来估算研究区的生态系统服务社会价值。模型中的统计数据还会生成统计表用于分析价值指数与自然环境的关系。价值转移模块可以基于已有的研究成果,将数据转移到另一个缺乏调查数据的研究区,生成新研究区预测价值指数图,该模块可方便快捷的单独使用。

点击查看原文

第一章、理论基础与研究热点

1. 生态系统服务与生态系统服务价值介绍

 

2. 生态系统服务价值研究方法

 

3. 生态系统服务价值研究热点

Citespace文献可视化分析

VOSviewer文献可视化分析

第二章、SolVES 4.0 模型运行环境配置

1.SolVES 4.0 模型功能介绍

2.QGIS 3.8.2安装配置

3.PostgreSQL 11.7安装配置

4.PostGIS 2.5.3 安装配置

5.Maxent 3.4.1安装配置

安装 SolVES 4.0 插件

 

加载样本数据

Note:SolVES 4.0是在使用64位处理器运行微软Windows 10 Enterprise Edition的系统上开发和测试的。上面列出的软件是运行解决方案4.0所需的。此外,Java Runtime必须在运行解决方案4.0的系统上可用,才能访问和运行Maxent 3.4.1。

第三章、SolVES 4.0 模型运行

1.新建项目

2.数据分析工具

调查数据分析原理

调查数据分析参数选择与设置

3.转移价值工具

转移价值计算原理

转移价值工具参量选择

4.模型运行结果分析

用户根据当前项目或以前完成的项目的结果,生成社会价值图和相关环境指标图的复合报告。

地图布置图包含所选择的价值指数图,包括研究区域边界和所选择的背景。地图标题包括项目名称、调查小组和社会价值类型。

连续数据以折线图的形式显示。分类数据显示为散点图。散点图的x轴标签具有指定类别的整数值。

分析调查数据工具生成的所有结果的地图布局中都包含了AUC值、平均最近邻居统计数据和最大值指数得分。

5.SolVES模型性能检验 

Maxent模型原理

Maxent模型参量与运行

MaxEnt结果分析:

基于MaxEnt模型生成的AUC数据,对模型运行的性能进行可信度、适配度检验,解释和调整Maxent曲线下的面积值和可变贡献。

转移价值结果分析:

当研究区域与主要研究区域具有类似的生物物理和社会背景,但无法获得调查数据时,可以使用价值转移映射模型,通过转移值工具进行访问,依赖于Maxent在有调查数据的研究地区从以前的解决分析中生成的统计模型。

第四章、数据获取与入库

1.表格数据类型与格式与加载

“id”字段和“geom”字段(在矢量数据的情况下)是由PostgreSQL管理的,当为加载求解数据库准备用户提供的数据时,不应该被包括在内。

2.空间数据加载

3.社会调查数据获取

对受访者的游玩特征及满意度等进行了解

让受访者对社会价值进行分配并标注相应的社会价值点。

对受访者进行社会背景,人口学特征数据的收集

4. 空间数据的来源及处理 

地理空间数据包含有研究区的Shapefile文件和栅格数据集:

  • STUDY_AREA 类Shapefile文件需研究区域边界要素;

  • SURVEY_POINTS数据则基于问卷数字化;

  • 栅格数据集即研究区环境要素的提取;

  • 对SURVERY_POINTS数据和STUDY_AREA数据,利用ArcGIS的核密度分析工具对两个数据进行操作,输出社会价值总体空间分布图。

4.SolVES 模型处理数据

  • 对SURVERY_POINTS数据进行平均最近邻分析,得出平均最邻近比率(R-ratio)和标准差(Z-score),突出每种价值在区域内的重要性位置; 

  • 利用SolVES 模型对问卷收集到被受访者赋予到每种社会价值上的假定分值进行统计整合,生成具有10点价值指数(value index,VI)的空间显式地图,以此确定各社会价值类型的重要程度。

  • 对受访者进行分组,将对应的社会人口特征数据和空间数据导入模型,以归一化计算输出的价值指数当作权重,输出各社会价值在整个研究区域内的空间分布状况图,及这些价值分布与环境变量之间存在的关系图。

第五章、环境变量与社会价值的相关分析

1.环境变量的多重共线性检验

R环境配置与基本语法

相关性分析

方差膨胀因子分析

2.统计分析

利用ArcGIS的分区统计工具对景观类型进行统计分析

3.主要社会价值类型的空间分布

4.环境变量对社会价值的影响分析

对受访者所标记的社会价值点位下选取的景观类型进行相关性分析,得到公众最喜爱的景观类型,对该景观类型与社会价值进行影响因素的分析;

5.环境变量贡献率分析

依据MaxEnt运行得出的环境变量贡献率可得出各环境变量的贡献情况

6.空间自相关分析

依据Moran's I、p value和z score判断距离变量与VI之间的关系。 

7.生态系统服务社会价值价值转移有效性检验分析

转移误差分析 

差异值分析

制图分析

第六章、拓展案例分析

社会-生态耦合分析视角下国家公园生物多样性价值评估

社会生态管理和生态系统服务聚类分析

沿海生态系统服务分析

人类福祉对理解生态系统服务的社会偏好的重要性

点击查看原文

推荐阅读:

InVEST模型应用

基于ArcGIS、ENVI、InVEST、FRAGSTATS等多技术融合提升环境、生态、水文、土地、土壤、农业、大气等领域的数据分析能力与项目科研水

基于R语言APSIM模型高级应用及批量模拟

Python与Noah-MP陆面过程模型融合技术及在站点、区域模拟

最新:机器学习在生态、环境经济学中的实践技术应用及论文写作

基于ArcGIS Pro、R、INVEST等多技术融合下生态系统服务权衡与协同动态分析实践应用

基于ArcGIS Pro、Python、USLE、INVEST模型等多技术融合的生态系统服务构建生态安全格局

基于”PLUS模型+“生态系统服务多情景模拟预测实践技术应用

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/539879.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

思迈特软件Smartbi荣登“2023未来银行科技服务商100强”

近日,中国科学院《互联网周刊》、eNet研究院联合发布了“2023未来银行科技服务商100强”企业榜单。思迈特软件以“商业智能BI产品”凭借在金融科技创新的独特优势及在银行数字化转型实践中的卓越成就荣耀上榜。 据了解,“未来银行科技服务商100强”榜单&…

SQL删除重复的记录(只保留一条)-窗口函数row_number()

文章目录 一、关于mysql表中数据重复二、聚合函数min(id)not in二、窗口函数row_number()四、补充:常见的窗口函数 一、关于mysql表中数据重复 关于删除mysql表中重复数据问题,本文中给到两种办法:聚合函数、窗口函数row_number()的方法。 (注…

ffmpeg-mpv配置详解04

mpv.conf 格式详解 存放位置 windows下 Roaming\mpv linux下在.conf/mpv # mpv conf ################################################################################ # 记忆播放[退出时记住播放状态、音量、播放速度、位置等] save-position-on-quit # 播放状态保存位置…

运行时栈帧结构与方法调用

1 运行时栈帧结构 Java虚拟机以方法作为最基本执行单元,“栈帧”则是用于支持虚拟机进行方法调用和方法执行背后的数据结构。栈帧存储了方法的局部变量表、操作数栈、动态连接和方法返回地址等信息。 1.1 局部变量表 局部变量表的容量以变量槽为最小单位。 Java…

强化学习:贝尔曼方程(Bellman Equation)

∗ ∗ 重点:状态值、贝尔曼方程 ∗ ∗ **重点:状态值、贝尔曼方程** ∗∗重点:状态值、贝尔曼方程∗∗ return评估策略 在前面概念介绍中,我们知道了可以用 return 来评估一个策略的好坏。如图,有三个不同的策略&…

线性插值提高DDS相位分辨率

DDS(Direct Digital Synthesizer)即直接数字频率合成技术,主要由正弦查找表与控制器组成,通过控制器给出的相位,在正弦查找表中查找对应的正余弦值并予以输出。通过多个 DDS 信号的组合,可以进一步构建出 A…

【源码解析】Disruptor框架的源码解析

Disruptor初始化 初始化Disruptor实例 //单线程模式&#xff0c;获取额外的性能 Disruptor<MessageModel> disruptor new Disruptor<>(factory, bufferSize, executor,ProducerType.SINGLE, new BlockingWaitStrategy());创建RingBuffer实例 Deprecatedpublic D…

Midjourney|文心一格prompt教程[Text Prompt(上篇)]:品牌log、App、徽章、插画、头像场景生成,各种风格选择:科技风、运动风

Midjourney|文心一格prompt教程[Text Prompt&#xff08;上篇&#xff09;]&#xff1a;品牌log、App、徽章、插画、头像场景生成&#xff0c;各种风格选择&#xff1a;科技风、运动风 1.撰写 Text Prompt 注意事项 Midjourney 跟 ChatGPT 在 prompt 的使用上有很多不一样的地…

怎么做好媒体邀约

传媒如春雨&#xff0c;润物细无声&#xff0c;大家好 要做好媒体邀约&#xff0c;以下是一些关键步骤和建议&#xff1a; 1. 制定媒体邀约方案&#xff1a;首先&#xff0c;确定您希望邀约的目标媒体。了解他们的受众、内容定位和报道风格&#xff0c;确保与您的品牌和目标受众…

ChatGPT 的工作原理:深入探究

本文首发于微信公众号&#xff1a;大迁世界, 我的微信&#xff1a;qq449245884&#xff0c;我会第一时间和你分享前端行业趋势&#xff0c;学习途径等等。 更多开源作品请看 GitHub https://github.com/qq449245884/xiaozhi &#xff0c;包含一线大厂面试完整考点、资料以及我的…

opencv实践项目-图片拼接之缝合线算法

目录 1. stitcher_detail执行过程2. 源码3. stitching_detail 程序接口介绍4. 执行5. 结果图 1. stitcher_detail执行过程 stitcher_detail是opencv官网提供的一个用于多福图像拼接的Demo&#xff0c;其主要过程如下&#xff1a; 1.输入待拼接图像集合&#xff1b;2.分别对每幅…

Jetson Nano调试记录:机电设备控制

边缘应用中,机电控制是一项非常重要的能力。 当我们的智能设备在远端环境中,根据所识别的状况变化去执行应对措施,更大程度度地降低对人为操作的依赖,这些都是能产生更大经济效益的应用,包括无人驾驶车、自动机械手臂等等。 实际工业应用场景中的控制元件是非常多样化的,…

惠普暗影精灵5 super 873-068rcn怎样用u盘重装系统win10

当我们的戴尔电脑出现问题的时候&#xff0c;无法进入系统要怎么重装系统win10修复呢?比较常用的就是借助u盘重装系统win10&#xff0c;需要用到装机工具。下面就给大家详细介绍下戴尔电脑怎样用u盘重装系统win10教程。 工具/原料&#xff1a; 系统版本&#xff1a;windows1…

LSTM-理解 Part-3(LSTM Networks)

之前博客中有涉及前两部分的介绍&#xff1a; 第一部分LSTM-理解 Part-1&#xff08;RNN&#xff1a;循环神经网络&#xff09; 第二部分LSTM-理解 Part-2&#xff08;RNN的局限性&#xff09; 这是其中的第三部分&#xff0c;讲解 LSTM Networks。 LSTM Networks 长短期记忆网…

【Python MySQL】零基础也能轻松掌握的学习路线与参考资料

Python是一种广泛使用的编程语言&#xff0c;MySQL是一个流行的关系数据库管理系统。学习Python和MySQL可以帮助开发人员更有效地处理数据&#xff0c;并构建可扩展和强大的Web应用程序。本文将介绍Python MySQL学习路线&#xff0c;参考资料和优秀实践。 Python MySQL学习路线…

美的智家、海尔智家,吹响新一轮AI竞赛号角

ChatGPT大行其道&#xff0c;各行各业迫不及待披上了AI大模型的“盔甲”&#xff0c;有的企业自研AI大模型&#xff0c;有的企业牵手头部科技企业&#xff0c;寻求智能产品价值的最大化&#xff0c;智能家电行业也不例外。 在国内&#xff0c;百度AI大模型文心一言一经推出就吸…

卷绕模型介绍

卷绕模型是收放卷应用的基础知识,这篇博客帮大家整理分析,有关收放卷的其它相关基础知识请参看专栏相关文章。和这篇文章相关联的知识点大家可以参看下面的博客 体积法计算卷径详细介绍 卷径计算详解(通过卷绕的膜长和膜厚进行计算)_RXXW_Dor的博客-CSDN博客有关卷绕+张力控…

LoRA:大模型的低秩自适应微调模型

对于大型模型来说&#xff0c;重新训练所有模型参数的全微调变得不可行。比如GPT-3 175B&#xff0c;模型包含175B个参数吗&#xff0c;无论是微调训练和模型部署&#xff0c;都是不可能的事。所以Microsoft 提出了低秩自适应(Low-Rank Adaptation, LoRA)&#xff0c;它冻结了预…

企业级体验:未来体验管理的价值与趋势

我从事企业级体验相关领域的工作已十六载有余&#xff0c;曾经就职的企业既有阿里巴巴、腾讯这样的互联网“大厂”&#xff0c;也有顺丰、龙湖这样的线下“传统”企业。在这些企业中&#xff0c;我所工作的场景横跨了软件、电商、互联网、物流、零售、地产、金融等诸多业务领域…

11.计算机基础-计算机网络面试题—基础知识

本文目录如下&#xff1a; 计算机基础-计算机网络 面试题一、基础知识简述 TCP 和 UDP 的区别&#xff1f;http 与 https的区别?Session 和 Cookie 有什么区别&#xff1f;详细描述一下 HTTP 访问一个网站的过程&#xff1f;https 是如何实现加密的&#xff1f;URL是什么&…