1.本发明属于水生态保护和修复的技术领域，具体涉及一种考虑多生态主体的湖泊湿地生境动态格局优化配置方法。
背景技术：2.湖泊湿地生境格局特征直接会对生态系统内部的能量流动、养分循环、种群动态等功能带来影响，从而影响湿地生态系统的稳定和健康，也会造成生态服务功能的发挥不佳。生境格局优化配置是修复和保护生态系统的重要手段之一，常用的方法包括最优化方法、系统动力学、最小累积阻力系数法和群体智能算法等。其中，群体智能算法通过和gis技术集合，可以同步实现数量和空间的综合优化，应用较为广泛。目前最常用的群体智能算法包括蚁群算法、粒子群算法和遗传算法等，其中蚁群算法内在并行机制及全局优化的特点比较适合解决多目标优化问题，应用最为广泛。
3.蚁群算法解决生境格局多目标优化配置问题时，目标函数的合理设置极为重要。目前大多数景观格局优化在目标函数设置方面一般考虑土地利用适宜性、集聚性以及最小转换成本等，缺乏从生态主体的生境需求角度进行考虑。对于湖泊湿地而言，由于具有独有的水文节律特征，生境类型丰富，生态主体多样，在优化目标确定时应尤为考虑不同生境类型的相互协调。此外，在进行格局优化配置时，土地利用适宜性大多以年内特定时期遥感影像解译的景观类型图为基础进行分析，无法实现与生态过程的动态关联。
技术实现要素：4.本发明的目的在于针对现有技术中的上述不足，提供一种考虑多生态主体的湖泊湿地生境动态格局优化配置方法，以解决或改善上述的问题。
5.为达到上述目的，本发明采取的技术方案是：
6.一种考虑多生态主体的湖泊湿地生境动态格局优化配置方法，其包括以下步骤：
7.s1、获取湖泊湿地生境动态格局的多个基础数据；
8.s2、对获取的多个基础数据进行数据处理与分析；
9.s3、构建多生态主体生境适宜性目标函数和空间集聚度目标函数；
10.s4、基于面积约束和类型转换约束设置生境格局优化配置的约束条件；
11.s5、基于步骤s3构建的目标函数和步骤s4中设置的约束条件，构建优化配置模型；
12.s6、将步骤s2中的多个基础数据输入优化配置模型中；
13.s7、设置优化配置模型中的多个参数，并选择最优的参数组合；
14.s8、基于基础数据的输入以及参数组合的选择，输出目标区的湖泊湿地生境动态格局优化配置结果；
15.s9、比较湖泊湿地生境动态格局优化配置前后的生境类型面积、结构组成、生境空间格局特征，进行优化效果评价。
16.进一步地，步骤s1中基础数据包括：
17.湖泊以及所属行政区的矢量边界、湖泊湿地生境类型数据、湖泊湿地土地利用数据、湖泊地形数据、水位监测数据、地区或湖泊生态保护规划；
18.其中，湖泊湿地生境类型数据通过土地利用数据、湖泊地形数据、水位监测数据和适宜生境水深阈值进行确定。
19.进一步地，湖泊湿地生境类型划分为：耕地、林草地、芦苇台田、浅滩区、浅水区、深水区、建设用地和裸滩地。
20.进一步地，步骤s3中构建多生态主体生境适宜性目标函数为：
[0021][0022]
α1+α2+α3+α4+α5＝1
[0023]
其中，f为研究区内单元格网生境适宜度之和，α1、α2、α3、α4、α5为不同生态主体生境适宜度分配权重，为不同生态主体在格网(i，j)处生境类型为k类时的第y月份生境适宜度，i为单元格网行数，j为单元格网列数。
[0024]
进一步地，步骤s3中构建空间集聚度目标函数为：
[0025]
采用领域同一性指数表示集聚程度，根据格网单元(i，j)处土地利用类型是否为k，定义二值函数
[0026][0027]
其中，u
ij
为格网(i，j)处的生境类型，则(i，j)处生境类型k的邻域同一性指数为：
[0028][0029]
其中，(i，j)≠(s，t)，s为邻域网格的行编号，t为邻域网格的列编号；
[0030]
采用八邻域作为窗口，则空间集聚度目标函数fu定义为：
[0031][0032]
进一步地，步骤s4中基于面积约束，设置生境格局优化配置的约束条件为：
[0033]
湿地保有面积和区域总面积，设置约束条件为：
[0034][0035]
其中，和分别为生境类型k的最小面积和最大面积，为湿地保有面积
计数单元，当单元格网(i，j)处的生境类型为k时，为1，否则为0。
[0036]
进一步地，步骤s4中基于类型转换约束，设置生境格局优化配置的约束条件为：
[0037][0038]
其中，为转换参数，k为单元原有生境类型，p为转换生境类型。
[0039]
并设置以下类型转换约束条件：
[0040]
禁止浅滩区、浅水区、深水区向其他生境类型转换，浅滩区、浅水区、深水区三种类型间可相互转换，深水区生境类型为固定不变单元；
[0041]
禁止其他生境类型转换为裸滩地；
[0042]
禁止建设用地和耕地互相转换。
[0043]
进一步地，步骤s5中构建优化配置模型为：
[0044]
s5.1、采用贪婪算法将多目标优化问题转为单目标最大化问题，将单元格网(i，j)处生境单元从类别k转为p的启发信息函数
[0045][0046]
其中，m为目标个数，n为蚁群规模；
[0047]
s5.2、设置信息素更新函数和信息素释放函数；
[0048]
信息素更新函数为：
[0049][0050]
其中，为迭代次数为t时，格网(i，j)从生境类型k转换为p过程中蚂蚁释放的信息素，q(t)为信息素强度因子；
[0051]
此时，算法信息素更新函数定义为：
[0052][0053]
其中，ρ为信息素挥发因子，n为蚁群规模；
[0054]
s5.3、当前单元从当前类型转为其他类型的概率，其概率转移函数为：
[0055][0056]
其中，为迭代次数为t时第a只蚂蚁在格网(i，j)从地类k转换为p的概率，
tabua为第a只蚂蚁已经访问过的生境类型单元，β为期望启发因子，α为启发式因子。
[0057]
本发明提供的考虑多生态主体的湖泊湿地生境动态格局优化配置方法，具有以下有益效果：
[0058]
本发明结合多生态主体视角对适宜生境需求进行解析，选取水深作为生态过程关键动态因子，并综合土地利用数据、地形实测数据、水位监测数据和适宜生境水深阈值划分生境类型，赋予了静态格局动态属性。
[0059]
本发明基于复合动态属性的生境类型划分结果，开展结合现状分析的湖泊湿地生境格局优化配置研究，给出了湖泊湿地生境格局多目标优化配置方案。
[0060]
本发明方法系统考虑了影响湖泊湿地不同生态主体生命阶段的生境动态需求，实现了湖泊湿地生境格局的动态优化，建立了格局与生态过程的动态有效关联，完善了湖泊湿地生境格局优化配置研究理论体系，有助于实现生态系统的利益最大化。
附图说明
[0061]
图1为考虑多生态主体的湖泊湿地生境动态格局优化配置方法的流程图。
[0062]
图2为基于蚁群算法的生境格局优化配置模型编码框架。
具体实施方式
[0063]
下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
[0064]
实施例1，参考图1，本方案的考虑多生态主体的湖泊湿地生境动态格局优化配置方法，本方法能够针对受人类活动影响强烈的湖泊湿地，均衡考虑不同生态主体的动态生境需求和不同生态服务功能协同发挥的生境格局优化配置方法，其具体包括以下步骤；
[0065]
步骤s1、获取湖泊湿地生境动态格局的多个基础数据；
[0066]
步骤s2、对获取的多个基础数据进行数据处理与分析；
[0067]
步骤s3、构建多生态主体生境适宜性目标函数和空间集聚度目标函数；
[0068]
步骤s4、基于面积约束和类型转换约束设置生境格局优化配置的约束条件；
[0069]
步骤s5、基于步骤s3构建的目标函数和步骤s4中设置的约束条件，构建优化配置模型；
[0070]
步骤s6、将步骤s2中的多个基础数据输入优化配置模型中；
[0071]
步骤s7、设置优化配置模型中的多个参数，并选择最优的参数组合；
[0072]
步骤s8、基于基础数据的输入以及参数组合的选择，输出目标区的湖泊湿地生境动态格局优化配置结果；
[0073]
步骤s9、比较湖泊湿地生境动态格局优化配置前后的生境类型面积、结构组成、生境空间格局特征，进行优化效果评价。
[0074]
本实施例基于复合动态属性的生境类型划分结果，开展结合现状分析的湖泊湿地生境格局优化配置研究，给出了湖泊湿地生境格局多目标优化配置方案。
[0075]
实施例2，本实施例具体包括以下步骤：
[0076]
步骤s1、获取多个基础数据；
[0077]
其主要包括湖泊以及所属行政区的矢量边界、湖泊湿地生境类型数据、湖泊湿地土地利用数据、湖泊地形数据、水位监测数据、地区或湖泊生态保护规划等。
[0078]
其中湖泊湿地生境类型数据通过土地利用数据、湖泊地形数据、水位监测数据和适宜生境水深阈值进行确定，具体湖泊湿地生境类型划分如表1所示。
[0079]
表1湖泊湿地生境类型划分
[0080][0081][0082]
步骤s2、对获取的多个基础数据进行数据处理与分析；
[0083]
其主要涉及水位数据和生境类型数据，其中水位数据整理主要通过分析不同年代的年内水位过程变化规律，选取受人类活动影响较少的水位时期数据作为健康生态水文节律，并以此为参照确定现状年平均水位条件下的年内合理水位变化过程。生境类性数据处理则主要根据现状年年内合理水位变化过程和湖泊湿地生境类型划分标准得到现状年每个月的生境类型空间分布情况。
[0084]
步骤s3、构建多生态主体生境适宜性目标函数和空间集聚度目标函数；
[0085]
构建多生态主体生境适宜性目标函数，包括：
[0086]
基于湖泊湿地多生态主体的不同生命阶段考虑，评估不同生境类型对于不同生态主体的不同生命阶段过程中的适宜性，具体到不同月份，由此得到不同生态主体视角的研究区，月过程适宜性空间分布图，就单一生态主体而言，采用累乘法最终将12个月的格网单元适宜性分布图聚合成年尺度的格网单元适宜性分布图，此分布图代表着健康生态水文节律情景下的格网单元生境类型适宜性信息分布情况，而且涵盖了生境类型在生态主体生命周期月过程中的适宜性信息，基于此，构建多生态主体生境适宜性目标函数如下：
[0087][0088]
α1+α2+α3+α4+α5＝1
[0089]
其中，f为研究区内单元格网生境适宜度之和，α为不同生态主体生境适宜度分配
权重，为不同生态主体在格网(i，j)处生境类型为k类时的第y月份生境适宜度。
[0090]
构建空间集聚度目标函数，包括：
[0091]
根据经济地理学的集聚效应，将相同地类的土地尽可能集聚在一起，可以降低成本，创造更高的经济效益。而生境类型优化配置时，单元的集聚有利于扩大生态效应，因此也应该予以考虑。生境类型的集聚程度，不仅与当前格网单元的生境类型有关，还与附近格网单元的生境类型有关，在优化过程中应注意邻域搜索。
[0092]
采用领域同一性指数来表示集聚程度，根据格网单元(i，j)处土地利用类型是否为k，定义二值函数：
[0093][0094]
其中，u
ij
为格网(i，j)处的生境类型，则(i，j)处生境类型k的邻域同一性指数为：
[0095][0096]
其中，(i，j)≠(s，t)，这里采用八邻域作为窗口，则空间集聚度目标函数定义为：
[0097][0098]
步骤s4、基于面积约束和类型转换约束设置生境格局优化配置的约束条件；
[0099]
约束条件分为面积约束和类型转换约束两大类，其中面积约束主要涉及湿地保有面积和区域总面积等，具体表示为：
[0100][0101]
其中，和分别为生境类型k的最小和最大面积，当单元格网(i，j)处的生境类型为k时，为1，否则为0。
[0102]
生境类型优化配置过程中，生境单元的类型因重新配置而发生转换，从而产生转换代价。投入的成本越少，表示规划越容易实施，以最小的代价获得最高的综合效益也符合规划目的。由于不同生境类型之间的转换成本难以获取，因此在类型转换过程中根据实际情况给予一定的限制，即：
[0103][0104]
本步骤设置以下类型转换约束条件：
[0105]
禁止浅滩区、浅水区、深水区向其他生境类型转换，但这三种类型间可以相互转换，其中深水区生境类型为固定不变单元；
[0106]
禁止其他生境类型转换为裸滩地；
[0107]
禁止建设用地和耕地互相转换。
[0108]
步骤s5，模型构建；
[0109]
参考图2，在建立多目标体系和约束条件体系的基础上，结合核心函数处理，通过matlab实现优化配置模型的构建，其具体包括：
[0110]
步骤s5.1、启发信息函数；
[0111]
在多目标优化配置问题当中，每只蚂蚁就是一种生境类型优化配置方案，一般方法可通过将单个目标都转化为最大化问题，从而在计算各单元不同生境类型的启发信息函数时，采用贪婪算法的思想将多目标优化问题转为单目标最大化问题，使得对于不同的生境类型，所有的目标函数都能有所贡献。
[0112]
因此将单元格网(i，j)处生境单元从类别k转为p的启发信息函数表示为：
[0113][0114]
其中，m为目标个数，n为蚁群规模。
[0115]
步骤s5.2、信息素更新函数；
[0116]
多目标优化通过模拟蚂蚁觅食过程中留下信息素所实现的正反馈机制，设置了信息素更新函数和信息素释放函数等关键函数；
[0117]
算法每一次迭代都要根据上一次迭代结果进行信息素更新，信息素释放函数具体如下所示：
[0118][0119]
其中，为迭代次数为t时，格网(i，j)从生境类型k转换为p过程中蚂蚁释放的信息素，q(t)为信息素强度因子。
[0120]
此时，算法信息素更新函数定义为：
[0121][0122]
其中，ρ为信息素挥发因子，n为蚁群规模。
[0123]
步骤s5.3、概率转移函数；
[0124]
在生境类型优化配置过程中，当前单元类型配置为其他类型时，仅在当前单元发生，而不会造成领域的单元也发生类型转换，因此只需考虑当前单元从当前类型转为其他类型的概率即可，其概率转移函数为：
[0125]
[0126]
其中，为迭代次数为t时第a只蚂蚁在格网(i，j)从地类k转换为p的概率，tabua为第a只蚂蚁已经访问过的生境类型单元，β为期望启发因子，α为启发式因子。
[0127]
步骤s6、准备数据，并输入步骤s5中的模型中；
[0128]
对生境类型矢量数据进行栅格数据转化，得到格网数据。生境类型包括耕地、林草地、芦苇台田、浅滩区、浅水区、深水区、建设用地和裸滩地共计8种。需要定义的图层属性如下表所示。
[0129]
表2格网图层属性结构表
[0130][0131]
步骤s7、参数设置及比选；
[0132]
模型中蚁群算法的重要参数与基本蚁群算法的参数设置基本一致，主要涉及启发式因子α、期望启发因子β和信息素挥发因子ρ等，不同的参数组合不仅会对目标函数的收敛快慢和收敛结果带来影响，而且参数效应会直接体现在优化配置结果上。
[0133]
选取对蚁群搜索影响较大的启发式因子α和期望启发因子β作为主要影响参数进行参数组合设置，并进行效果比选。
[0134]
步骤s8、模型运行及结果输出；
[0135]
通过模型运行，得到研究区的生境格局优化配置结果，由于matlab模型输出的为文本矩阵，还需采用arcgis软件，将文本文件转换为栅格文件，完成结果输出。
[0136]
步骤s9、优化效果评价；
[0137]
通过比较生境格局优化配置前后的生境类型面积、结构组成及生境空间格局特征，进行优化效果评价。
[0138]
其中生境空间格局特征主要采用景观格局指数进行分析，主要围绕生境结构合理性、生境破碎度、生境形状合理性、生境连通性和生境多样性等方面，具体指数可采用fragstats 4.2软件进行计算。
[0139]
实施例3，本实施例为对多生态主体生境适宜性目标函数构建，其具体包括：
[0140]
1、生态主体生境适宜性分析：
[0141]
湖泊湿地生态系统主要由人类、水生生物群落和无机环境组成，水生生物群落包括湿生、中生和水生植物、动物及微生物等生物因子，无机环境包括阳光、水和土壤等。一般来说，生态主体是指生态系统的生命体，通过考虑种群的生态学地位以及对于生态环境的影响，选取“人”、“鸟”、“鱼”、“挺水植物”和“沉水植物”作为湖泊湿地的生态主体，并进行生境适宜性分析。
[0142]
1.1、人类生境适宜性分析；
[0143]
人类生存和社会发展与湖泊湿地密切相关，湖泊湿地具有物质供给、防洪灌溉、气候调节、生境维持和休闲娱乐等多项生态服务功能。从生境类型需求来看，人类主要活动范围涉及耕地、芦苇台田和建设用地，其中耕地和芦苇台田主要提供农作物及经济作物，建设用地作为主要的居住场所，这三类生境类型需求大小不随季节发生变化。此外，对于浅滩区、浅水区和深水区等水域，一方面能起到一定的物质供给功能，此外还具有气候调节、水质净化、防洪灌溉和休闲娱乐等多项生态服务功能，考虑11月到次年3月气候条件较差，服
务功能较差，适宜度较低。而在4-10月份，水质净化和休闲娱乐等功能增强，7月份之后，浅水区和深水区的防洪灌溉功能更是显著增强，其中深水区的调蓄功能最强，适宜度最高。林草地对于人类而言主要是起到气候调节和水土保持的功能，季节需求强度大小不变。裸滩地需求几乎为零。基于以上分析，划定生境类型在不同月份对于人类主体的适宜度如表3所示。
[0144]
表3生境类型在不同月份对于人类主体的适宜度
[0145][0146]
1.2、鸟类生境适宜性分析；
[0147]
鸟类是湖泊湿地野生动物中最具代表性的类群，对维护湿地生态系统稳定有重要作用。湿地鸟类主要可分为涉禽、游禽和岸禽，他们利用不同生境进行一天的觅食、休憩和夜栖。水深是限制水鸟栖息地利用最重要的因子，其不但决定着栖息地是否可以被水鸟利用，还影响水鸟的取食行为和取食能耗，这对越冬水鸟在觅食地的取食起着至关重要的作用。一般情况下，大、中型鸻鹬类通常在水深不超过的15cm的湿地中取食，绿头鸭等钻水雁鸭类和鹭类涉禽在水深不超过的30cm的湿地中取食，有些游禽还需要利用较深的开放水面游弋嬉玩。因此，往往需要浅水、滩涂和草洲等斑块构成的组合生境。
[0148]
湿地鸟类主要生境类型涉及耕地、林草地、芦苇台田、浅滩区、浅水区和深水区。选取大鸨、东方白鹳、白鹤和丹顶鹤等国家i级保护鸟类作为指示物种进行分析，其中越冬期大鸨等鸟类觅食栖息地多为麦地和休耕地等，选择栖息地时往往表现出对湖泊湿地等水域的偏好。东方白鹳繁殖期倾向于在明水面、芦苇沼泽和滩地中觅食，觅食地水深范围为5-40cm。白鹤是涉禽，无法在深水地带觅食，而在水分太少、基质过于干燥的地方，鹤类取食也相对困难。白鹤基本在水深5-45cm范围内活动，绝大多数在水深不大于30cm的区域。丹顶鹤春季主要在以苔草为主的沼泽湿地中觅食，觅食地水深多为5-15cm，人类干扰距离要求大于1500m。基于以上分析，11月～次年3月期间，耕地的适宜度会偏高，浅滩区相对浅水区和深水区适宜度会偏高，但浅水区由于冬季冻结，生境适宜度会降低。4月～10月期间，浅滩区、浅水区和深水区的生境适宜度均会得到提升。林草地和芦苇台田会成为一些鸟类的栖息地和筑巢地，具有一定的适宜度。裸滩地仅可作为鸟类的短暂停歇，适宜度较低。划定生境类型在不同月份对于鸟类主体的适宜度如表4所示。
[0149]
表4生境类型在不同月份对于鸟类主体的适宜度
[0150][0151][0152]
1.3、鱼类生境需求；
[0153]
鱼类是浅水湖泊湿地食物链中的重要一环，对湖泊生态系统的影响主要通过摄食行为、营养盐(物)的排泄、对沉积物的扰动等机制实现。各种鱼类的食性不同，在水体中的分布也具有垂直变异性。鲢鱼偏食藻类、轮虫和水蚤等，所以主要生活在水体中上层；草鱼和鲫鱼偏食植物根芽、金鱼藻等，所以主要生活在水体中、下层；鲤鱼偏食底栖动物，所以主要生活在水体底层；乌鳢主要以鲤鱼和鲫鱼为食，主要在水体中、下层生存；黄颡鱼主要以底栖动物和鱼类幼体为食，生存空间与乌鳢类似。不同鱼类对于浅滩区、浅水区、深水区等生境均有特定的需求，其中浅水区不仅是重要产卵场也是索饵场，深水区主要作为越冬场。此外芦苇台田淹水区域也会成为一些鱼类觅食和休憩的场所。基于以上分析，划定生境类型在不同月份对于鱼类主体的适宜度如表5所示。
[0154]
表5生境类型在不同月份对于鱼类主体的适宜度
[0155][0156]
1.4、芦苇生境需求；
[0157]
挺水植物作为湖泊湿地的优势类群，主要包括芦苇、莲和狭叶香蒲等。芦苇作为湖泊湿地地区的关键挺水植物，在湿地功能的发挥过程中起着不可替代的作用。芦苇的种植休眠期一般为1～2月，此时对于水深要求不大，适宜水深约为15cm。发芽期一般为3～4月，此时水深要求不超过30cm。营养生长阶段主要在5-8月份，此时对于水深需求较大，适宜水深范围为40-60cm。9-10月为生殖生长阶段，适宜水深范围与营养生长阶段类型。11-12月份为种子扩散阶段，适宜水深要求与种子休眠时期类似。芦苇生长主要涉及芦苇台田、浅滩区和浅水区。基于以上分析，划定生境类型在不同月份对于芦苇主体的适宜度如表6所示。
[0158]
表6生境类型在不同月份对于芦苇主体的适宜度
[0159][0160]
1.5、金鱼藻生境需求；
[0161]
沉水植物是“草型湖泊”生态系统中最初级也是最重要的一环，良好的沉水植物群落结构能够应对水环境的变化，它的恢复是水生态环境修复的关键，也是防止“草型湖泊”向“藻型湖泊”的重要保障。沉水植物的优势物种包括金鱼藻、菹草、龙须眼子菜等，其中金鱼藻不仅具有较强的总氮和总磷去除能力，也具有较强的重金属富集能力，在浅水湖泊水质净化功能上发挥着重要作用。水深是沉水植物进行生长、繁殖的决定性因子，水深的增加会导致光照、溶解氧和浮游植物附着量等因素发生改变，由此影响沉水植物的形态指标和生理指标。金鱼藻为多年生草本植物，一般花期在6-7月，果期8-10月。生长环境多为湖泊静水处，在水深范围1-3m处易形成密集的水下群落。基于以上分析，划定生境类型在不同月份对于金鱼藻主体的适宜度如表7所示。
[0162]
表7生境类型在不同月份对于金鱼藻主体的适宜度
[0163][0164]
2、适宜性目标函数构建；
[0165]
基于上述生境类型在不同月份对于不同生态主体的适宜度分析，结合年过程不同月份的生境类型划分结果，得到不同生态主体的生境类型月过程适宜性空间分布。采用平均的方法对于不同月份的生境适宜度指数进行聚合，最终可得到不同生态主体年尺度上的生境适宜度空间分布，结合权重系数进行不同生态主体的优化组合。最终得到考虑不同生态主体生命阶段的适宜性目标函数，用于进行动态生境格局优化模型构建，具体包括：
[0166]
2.1、单个生态主体生境适宜度聚合；
[0167]
根据1～12月份的现状生境空间分布情况，结合生境类型在不同月份对于生态主体的适宜度分析结果，按照不同月份的生境类型和适宜度一一对应，得到1～12月份现状生境空间适宜度空间分布，适宜度取值范围为0～1。采用空间运算，对1～12月份的生境适宜度进行平均聚合，得到年尺度的生境适宜度空间分布结果，该结果聚合了不同月份的适宜度信息，更能代表生态主体生命周期的动态需求，单个格网的生境适宜度信息：
[0168][0169]
其中，fs为格网(i，j)处生境类型为k类的平均生境适宜度，y为月份，为格网(i，j)处生境类型为k类时的y月份生境适宜度。
[0170]
本步骤聚合后的适宜度信息综合考虑了生态主体生命周期过程中对于不同生境的需求程度，通过结合不同生境类型在不同月份的适宜性，能从月过程的动态尺度体现生境的适宜度信息，实现与生命周期信息的匹配和整合。
[0171]
2.2、多生态主体生境适宜度加权聚合；
[0172]
通过考虑不同生态主体的权重，进行多生态主体生境适宜度加权聚合，得到单个网格的聚合生境适宜度信息：
[0173][0174]
其中，fm为格网(i，j)处生境类型为k类的多生态主体平均生境适宜度，α为不同生态主体生境适宜度分配权重，为不同生态主体在格网(i，j)处生境类型为k类时的y月份生境适宜度。
[0175]
本步骤中，多生态主体聚合后的适宜度信息综合考虑了多个主体的生命周期动态需求，而不只是局限于体现单一主体，有助于全面体现生态系统主体的生境需求信息，提升生态系统的整体功能。
[0176]
2.3、多生态主体适宜性目标函数构建；
[0177]
考虑到优化目标为最大优化问题，对研究区内的格网单元的生境适宜信息进行求和，得到多生态主体适宜性目标函数：
[0178][0179]
其中，f为研究区内单元格网生境适宜度之和。
[0180]
本步骤中，多生态主体适宜性目标函数为最大优化问题，进行整体区域的适宜性目标函数构建，有助于提升生态系统的整体适宜性，提高土地利用效率。
[0181]
虽然结合附图对发明的具体实施方式进行了详细地描述，但不应理解为对本专利的保护范围的限定。在权利要求书所描述的范围内，本领域技术人员不经创造性劳动即可做出的各种修改和变形仍属本专利的保护范围。
技术特征：1.一种考虑多生态主体的湖泊湿地生境动态格局优化配置方法，其特征在于，包括以下步骤：s1、获取湖泊湿地生境动态格局的多个基础数据；s2、对获取的多个基础数据进行数据处理与分析；s3、构建多生态主体生境适宜性目标函数和空间集聚度目标函数；s4、基于面积约束和类型转换约束设置生境格局优化配置的约束条件；s5、基于步骤s3构建的目标函数和步骤s4中设置的约束条件，构建优化配置模型；s6、将步骤s2中的多个基础数据输入优化配置模型中；s7、设置优化配置模型中的多个参数，并选择最优的参数组合；s8、基于基础数据的输入以及参数组合的选择，输出目标区的湖泊湿地生境动态格局优化配置结果；s9、比较湖泊湿地生境动态格局优化配置前后的生境类型面积、结构组成、生境空间格局特征，进行优化效果评价。2.根据权利要求1所述的考虑多生态主体的湖泊湿地生境动态格局优化配置方法，其特征在于，所述步骤s1中基础数据包括：湖泊以及所属行政区的矢量边界、湖泊湿地生境类型数据、湖泊湿地土地利用数据、湖泊地形数据、水位监测数据、地区或湖泊生态保护规划；其中，湖泊湿地生境类型数据通过土地利用数据、湖泊地形数据、水位监测数据和适宜生境水深阈值进行确定。3.根据权利要求2所述的考虑多生态主体的湖泊湿地生境动态格局优化配置方法，其特征在于，所述湖泊湿地生境类型划分为：耕地、林草地、芦苇台田、浅滩区、浅水区、深水区、建设用地和裸滩地。4.根据权利要求1所述的考虑多生态主体的湖泊湿地生境动态格局优化配置方法，其特征在于，所述步骤s3中构建多生态主体生境适宜性目标函数为：α1+α2+α3+α4+α5＝1其中，f为研究区内单元格网生境适宜度之和，α1、α2、α3、α4、α5为不同生态主体生境适宜度分配权重，为不同生态主体在格网(i，j)处生境类型为k类时的第y月份生境适宜度，i为单元格网行数，j为单元格网列数。5.根据权利要求4所述的考虑多生态主体的湖泊湿地生境动态格局优化配置方法，其特征在于，所述步骤s3中构建空间集聚度目标函数为：采用领域同一性指数表示集聚程度，根据格网单元(i，j)处土地利用类型是否为k，定义二值函数
其中，u
ij
为格网(i，j)处的生境类型，则(i，j)处生境类型k的邻域同一性指数为：其中，(i，j)≠(s，t)，s为邻域网格的行编号，t为邻域网格的列编号；采用八邻域作为窗口，则空间集聚度目标函数f
u
定义为：6.根据权利要求5所述的考虑多生态主体的湖泊湿地生境动态格局优化配置方法，其特征在于，所述步骤s4中基于面积约束，设置生境格局优化配置的约束条件为：湿地保有面积和区域总面积，设置约束条件为：其中，和分别为生境类型k的最小面积和最大面积，为湿地保有面积计数单元，当单元格网(i，j)处的生境类型为k时，为1，否则为0。7.根据权利要求6所述的考虑多生态主体的湖泊湿地生境动态格局优化配置方法，其特征在于，所述步骤s4中基于类型转换约束，设置生境格局优化配置的约束条件为：其中，为转换参数，k为单元原有生境类型，p为转换生境类型。并设置以下类型转换约束条件：禁止浅滩区、浅水区、深水区向其他生境类型转换，浅滩区、浅水区、深水区三种类型间可相互转换，深水区生境类型为固定不变单元；禁止其他生境类型转换为裸滩地；禁止建设用地和耕地互相转换。8.根据权利要求7所述的考虑多生态主体的湖泊湿地生境动态格局优化配置方法，其特征在于，所述步骤s5中构建优化配置模型为：s5.1、采用贪婪算法将多目标优化问题转为单目标最大化问题，将单元格网(i，j)处生境单元从类别k转为p的启发信息函数
其中，m为目标个数，n为蚁群规模；s5.2、设置信息素更新函数和信息素释放函数；信息素更新函数为：其中，为迭代次数为t时，格网(i，j)从生境类型k转换为p过程中蚂蚁释放的信息素，q(t)为信息素强度因子；此时，算法信息素更新函数定义为：其中，ρ为信息素挥发因子，n为蚁群规模；s5.3、当前单元从当前类型转为其他类型的概率，其概率转移函数为：其中，为迭代次数为t时第a只蚂蚁在格网(i，j)从地类k转换为p的概率，tabu
a
为第a只蚂蚁已经访问过的生境类型单元，β为期望启发因子，α为启发式因子。
技术总结本发明公开了一种考虑多生态主体的湖泊湿地生境动态格局优化配置方法，包括S1、获取多个基础数据；S2、对基础数据进行数据处理与分析；S3、构建目标函数；S4、设置生境格局优化配置的约束条件；S5、构建优化配置模型；S6、将多个基础数据输入优化配置模型中；S7、设置优化配置模型中的多个参数，并选择最优的参数组合；S8、输出目标区的湖泊湿地生境动态格局优化配置结果；S9、进行优化效果评价。本发明方法考虑了影响湖泊湿地不同生态主体生命阶段的生境动态需求，实现了湖泊湿地生境格局的动态优化，建立了格局与生态过程的动态有效关联，完善了湖泊湿地生境格局优化配置研究理论体系，有助于实现生态系统的利益最大化。有助于实现生态系统的利益最大化。有助于实现生态系统的利益最大化。
技术研发人员：龚家国 杨苗 王浩 冶运涛 尚毅梓 王英 张茜茜
受保护的技术使用者：中国水利水电科学研究院
技术研发日：2022.06.28
技术公布日：2022/11/1
