一种国家公园家畜分布密度空间化的方法

1.本发明属于农牧业发展和生态环境评估技术领域，具体涉及一种针对国家公园家畜分布密度空间化的方法。


背景技术：

[0002][0003]
国家公园内普遍存在家畜放牧活动，但当前研究存在两点不足：一是对家畜数量的统计仅到县或乡镇等行政区划尺度上，但由于国家公园边界与行政边界不完全重叠，因此统计精度达不到国家公园精细化管理的需求；二是目前我国公园的评估主要集中在布局评估、生态成效评估与生物多样性保护等方面，缺乏对社区可持续发展、人类扰动等方面的综合评估，尤其放牧作为草地生态系统的国家公园内最为主要人类扰动形式，缺乏公里网格尺度上的家畜空间分布，无法实现与模型模拟、遥感解译等空间数据在同一时空尺度上的叠加分析。因此，对国家公园内家畜分布密度进行空间化具有重要的科学价值和实践意义。
[0004]
三江源国家公园是全国首批、排在首位、面积最大的国家公园，具有重要的水源涵养功能，是我国乃至亚洲重要的生态安全屏障。高寒草地是其主导植被类型，草地植被与草食动物的协同进化关系又是维持草地生态系统稳定的基础。适度放牧在一定程度上可以提高草地生产力和维持生物多样性，而过度放牧则会导致草原退化，因此“草-畜”压力是影响着天然草原退化与恢复、国家公园建设成效的关键因素，而高度精度家畜分布密度是进行小区域草地载畜压力计算的基础。因此，本研究选取三江源国家公园作为典型案例区，对以草地生态系统为主导类型的国家公园内家畜密度空间化，不仅可以为自然保护地体系的草畜平衡问题提供基础数据，而且还可为国家公园草地生态系统原真性和完整性保护及区域草牧业的可持续发展提供科学依据。


技术实现要素：

[0005]
本发明的目的在于克服现有技术的不足，提供一种针对国家公园家畜分布密度空间化的方法。
[0006]
为实现上述目的，本发明采用的技术方案是：
[0007]
一种国家公园家畜分布密度空间化的方法，包括以下步骤：
[0008]
s1、获取家畜分布的自然影响因素数据和人类活动因素数据；
[0009]
s2、基于步骤s1获得的部分自然影响因素数据计算得到家畜采食偏好数据；
[0010]
s3、基于步骤s1获得的剩余自然影响因素数据和步骤s1获得的部分人类活动因素数据计算得到放牧便利条件数据；
[0011]
s4、基于步骤s1获得的剩余人类活动因素数据计算得到家畜活动限制因素数据；
[0012]
s5、将步骤s2得到的家畜采食偏好数据、步骤s3得到的放牧便利条件数据和步骤s4得到的家畜活动限制因素数据分别进行裁剪，并采用极差法进行归一化处理，得到三项
因子的归一化处理数据；
[0013]
s6、分别对国家公园的功能分区赋予不同的放牧相对概率，并构建层次结构模型，分别得到家畜采食偏好数据、放牧便利条件数据和家畜活动限制因素数据的权重系数；
[0014]
s7、将步骤s5得到的三项因子的归一化处理数据分别与步骤s6中对应的权重系数以及不同的放牧相对概率相乘，得到不同栅格的家畜放牧强度得分；
[0015]
s8、结合县域的家畜密度和研究区内家畜活动总强度以及步骤s7得到的不同栅格的家畜放牧强度得分，得到国家公园栅格化后的家畜密度空间分布数据。
[0016]
优选的，步骤s1中，所述家畜分布的自然影响因素数据包含野外调研数据、遥感数据和地形地貌数据，所述野外调研数据包含野外草地采样数据和家畜放牧数据，遥感数据包含草地分布范围数据和植被生产力数据，地形地貌数据包含海拔数据、坡度数据和河流分布数据，所述家畜分布的人类活动因素数据包含社会经济数据和区划数据，社会经济数据包含居民点分布数据、人口密度分布数据和年末家畜数据，区划数据包含县级行政区划数据和国家公园功能区划数据。
[0017]
优选的，步骤s2中，所述家畜采食偏好数据通过以下方法获得：
[0018]
s21、基于步骤s1获得的植被生产力数据计算得到产草量数据；
[0019]
s22、基于步骤s1获得的野外草地采样数据和草地分布范围数据计算得到可食牧草营养比数据；
[0020]
s23、基于步骤s1获得的海拔数据和坡度数据计算得到地势平坦度数据；
[0021]
s24、对步骤s21得到的产草量数据、步骤s22得到的可食牧草营养比数据和步骤s23得到的地势平坦度数据进行汇总，即得到家畜采食偏好数据。
[0022]
优选的，步骤s3中，所述放牧便利条件数据通过以下方法获得：
[0023]
s31、基于步骤s1获得的河流分布数据计算得到家畜到水源地距离数据；
[0024]
s32、基于步骤s1获得居民点分布数据和人口密度分布数据计算得到家畜到居民点距离数据；
[0025]
s33、对步骤s31得到的家畜到水源地距离数据和步骤s32得到的家畜到居民点距离数据进行汇总，即得到放牧便利条件数据。
[0026]
优选的，步骤s4中，所述家畜活动限制因素数据通过以下方法获得：
[0027]
s41、基于步骤s1获得的年末家畜数据和坡度数据计算得到地势陡峭度数据；
[0028]
s42、基于步骤s1获得的县级行政区划数据和国家公园功能区划数据计算得到功能区放牧概率数据；
[0029]
s43、对步骤s41得到的地势陡峭度数据和步骤s42得到的功能区放牧概率数据进行汇总，即得到家畜活动限制因素数据。
[0030]
优选的，步骤s5中，所述家畜采食偏好数据、放牧便利条件数据和家畜活动限制因素数据的裁剪具体包括以下步骤：
[0031]
s51、分别选取1km
×
1km尺度的步骤s2得到的家畜采食偏好数据、步骤s3获得的放牧便利条件数据以及步骤s4得到的家畜活动限制因素数据；
[0032]
s52、利用arcgis中的掩膜裁剪功能，分别对步骤s51选取的三项1km
×
1km尺度的栅格数据进行裁剪，并依次进行叠加分析，得到裁剪后的家畜采食偏好数据、放牧便利条件数据和家畜活动限制因素数据。
[0033]
优选的，步骤s5中，所述归一化处理具体通过对步骤s52得到的裁剪后的国家公园内的家畜采食偏好数据、放牧便利条件数据和家畜活动限制因素数据采用极差标准化处理，得到三项因子的归一化处理数据；
[0034]
其中，对于正向指标，计算公式如下所示：
[0035][0036]
对于负向指标，计算公式如下所示：
[0037][0038]
式中，x
′
ij
为第i个样本第j项指标标准化处理后的值；x
ij
为第i个样本第j项指标的原始数值；x
max
为第i个样本第j项指标的最大值，x
min
为第i个样本第j项指标的最小值。
[0039]
优选的，步骤s6中，所述家畜采食偏好数据、放牧便利条件数据和家畜活动限制因素数据的权重系数分别通过以下方法获得：
[0040]
s61、根据指标体系构造判断矩阵：
[0041]
通过专家打分的方法，对同一层次内的指标，即家畜采食偏好数据、放牧便利条件数据和家畜活动限制因素数据，两两进行比较，构造得到家畜分布密度层次判断矩阵u，家畜分布密度层次判断矩阵u如下所示：
[0042][0043]
式中，u
ij
表示ui相对于uj的重要性数值，此处采用1～9及其倒数作为重要性标度；n表示层次指标个数。
[0044]
s62、特征向量法求权重：
[0045]
根据步骤s61得到的家畜分布密度层次判断矩阵u，计算对应的最大特征根λ
max
与特征向量w，并将特征向量w进行归一化处理，得到家畜分布密度权重向量w'，家畜分布密度权重向量w'所对应的家畜采食偏好数据、放牧便利条件数据和家畜活动限制因素数据值即为各自指标所求权重系数；
[0046]
所述最大特征根λ
max
与特征向量w的计算公式如下所示：
[0047]
uw＝λ
max
×wꢀꢀꢀꢀ
(4)
[0048]
其中，u为家畜分布密度层次判断矩阵，λ
max
为最大特征根，w为特征向量。
[0049]
优选的，步骤s7中，所述不同栅格的家畜放牧强度得分的计算公式如下：
[0050]
lai
ij
＝p
ij
(k1e+k2n+k3d) (5)
[0051]
式中，lai
ij
指的是第i行第j列栅格的家畜放牧强度，栅格大小为1km
×
1km；p
ij
为该栅格单元所在的区域的放牧相对概率；e为该栅格单元的家畜采食偏好标准值；k1为家畜采食偏好指数对应的权重系数；n为该栅格单元的放牧便利条件标准值，k2为放牧便利条件对应的权重系数；d为该栅格单元的家畜活动限制因素标准值，k3为家畜活动限制因素对应的权重系数。
[0052]
优选的，步骤s8中，所述家畜密度空间分布数据的计算公式为：
[0053]
[0054]
式中，ld
ij
是第i行第j列栅格的家畜密度，栅格大小为1km
×
1km；ld
cou
为该栅格单元所在的县级行政区单元的家畜数量统计值；lai
ij
为该栅格单元的家畜放牧强度；lai
cou
为该栅格单元所在县级行政单元内的家畜活动总强度。
[0055]
本发明与现有技术相比，其有益效果在于：
[0056]
本发明提供了一种国家公园家畜分布密度空间化的方法，通过将县域/乡镇等行政区划统计单元内的年末家畜存栏数，依据放牧影响的三大因素，实现县域或乡镇级别的从行政单元家畜统计数量空间化到公里网格尺度上家畜密度的空间化，其作为一类基础性数据具有广阔的应用前景，不仅可以直观分析家畜的分布状况，结合当地自然本底状况可精细评估不同地区的载畜压力，而且作为畜牧业发展的科学依据可结合其他生态环境或社会经济指标对不同地区的生态状况以及社会经济发展状况进行评估，同时，利用国家公园地区的家畜密度空间分布数据可配合国家公园发展要求，及时分析和调整畜牧业发展情况，对国家公园内的生态保护与生态恢复，以及人与自然和谐共生关系的发展具有重大意义。
附图说明
[0057]
图1为本发明实施例提供的国家公园家畜密度空间化的方法的流程图；
[0058]
图2为县级行政区划上2020年三江源国家公园的家畜数量空间分布以及采用本发明实施例提供的国家公园家畜分布密度空间化的方法对2020年三江源国家公园牲畜密度空间分布进行计算后得到的家畜数量空间分布结果图；
[0059]
其中，图2(a)为县级行政区划上2020年三江源国家公园的家畜数量空间分布图；图2(b)为采用本发明实施例提供的国家公园家畜分布密度空间化的方法对2020年三江源国家公园牲畜密度空间分布进行计算后得到的家畜数量空间分布结果图。
具体实施方式
[0060]
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
[0061]
高原家畜依据实际饲养情况和经营方式主要分为两类：一类是以天然草场为主要营养物质基础进行放牧饲养的家畜，主要分布在牧区和半农半牧区，包括耗牛、绵羊、山羊和马等；另一类是除利用天然草场进行放牧饲养外，还要依靠一定数量人工饲料或大部分依靠人工饲料进行舍饲饲养的家畜，主要分布在农区或半农半牧区，如黄牛、毛驴和猪等。本发明实施例选取三江源国家公园为典型案例区，区域内家畜属于第一类。
[0062]
如图1所示，本发明实施例提供了一种国家公园家畜分布密度空间化的方法，具体包括以下步骤：
[0063]
s1、确定家畜分布的影响因素，主要分为自然影响因素和人类活动因素，获取家畜分布的自然影响因素数据和人类活动因素数据；
[0064]
其中，家畜分布的自然影响因素数据包含野外调研数据、遥感数据和地形地貌数据，野外调研数据包含野外草地采样数据和家畜放牧数据，遥感数据包含草地分布范围数
据和植被生产力数据，地形地貌数据包含海拔数据、坡度数据和河流分布数据，家畜分布的人类活动因素数据包含社会经济数据和区划数据，社会经济数据包含居民点分布数据、人口密度分布数据和年末家畜数据，区划数据包含县级行政区划数据和国家公园功能区划数据。
[0065]
行政区划数据来源于国家基础地理信息中心(http://www.ngcc.cn/)；三江源国家公园功能分区矢量数据来源于三江源国家公园管理局(http://sjy.qinghai.gov.cn)；河流分布数据、居民点分布数据、人口密度分布数据、海拔和坡度数据来自中国科学院资源环境科学与数据中心(https://www.resdc.cn/)；县域尺度的年末家畜数量来源于青海省农牧厅2011-2021年历年统计年鉴，主要包括山羊、山羊、绵羊以及大牲畜数量；遥感数据主要包含modis ndvi产品数据集(mod13q1\mod13a1)和modis npp产品数据集(mod17a3hgf)，来源于modis官网(https://modis.gsfc.nasa.gov/)；野外采样数据通过在2019-2021年间对治多、曲麻莱、玛多、杂多四县的植被生长旺盛期(7-8月份)天然草原的实地采样得到，样方设置为1m
×
1m，每个样地设置3个样方，样地大小为0.25公顷，三江源国家公园内共选取36个样地。
[0066]
s2、基于步骤s1获得的部分自然影响因素数据计算得到家畜采食偏好数据，具体通过以下方法获得：
[0067]
s21、基于步骤s1获得的植被生产力数据计算得到产草量数据，计算公式如下所示：
[0068][0069]
bnpp＝bgb
×
(livebgb/bgb)
×
turnover
ꢀꢀꢀꢀꢀ
(2)
[0070]
turnover＝0.009(g/m2)
×
anpp+0.25
ꢀꢀꢀꢀꢀ
(3)
[0071]
其中，gy是草地产草量，bgb为草地植被地下部分(根系)生物量；live bgb/bgb为活根系生物量占总根系生物量比例；turnover为草地植物根系周转值，bgb和anpp分别采用三江源国家公园内实测的高寒草甸、高寒草原、高寒荒漠、高寒荒漠草原和温性草原等各类草地地下生物量和地上生产力的样方数据；各类型草地分布和面积分布数据来源于1∶100万比例尺的草地资源图。
[0072]
而npp则采用遥感-过程耦合模型(glopem-cevsa模型)并结合野外采样数据计算得到：
[0073]
npp＝gpp-ra
ꢀꢀꢀꢀꢀꢀꢀꢀ
(4)
[0074]
其中，gpp是总初级生产力，利用glopem模型计算而来；ra是自养呼吸，利用cevsa模型计算而来。
[0075]
gpp模拟是建立在植被gpp和植被吸收光合有效辐射成正比假设基础上，计算公式为：
[0076]
gpp＝par
×
fpar
×
ε
ꢀꢀꢀꢀꢀꢀꢀꢀ
(5)
[0077]
其中，par代表光合有效辐射；fpar代表植被吸收光合有效辐射比率，二者乘积即为apar，apar代表gpp概念上的植被光能利用率，为基于气孔导度类比模型，认为在理想状态下，植被存在潜在的最大光能利用率(ε*)，植被由于受环境影响(σ)而不能达到最大光能利用水平，公式如下：
[0078]
ε＝ε
×
σ
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)
[0079]
σ＝f(vpd)
×
f(par)
×
f(ta)
×
f(co2)
×
f(sw)
ꢀꢀꢀꢀꢀꢀ
(7)
[0080]
其中，f(vpd)、f(par)、f(ta)、f(co2)及f(sw)分别表示水汽压亏缺(vpd)、光合有效辐射强度(par)、气温(ta)、大气co2浓度(co2)和土壤水分(sw)对植被光能利用率的影响系数。
[0081]
ra模拟是利用基于cevsa模型，将自养呼吸(ra)分成维持呼吸(rm)和生长呼吸(rg)，并分粗跟、细根、茎、叶分别计算：
[0082][0083][0084]
rg＝rg×
gpp
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(10)
[0085]
其中，mi代表植被各器官的生物量，以含碳量表示；r，m，i代表植被各器官的维持呼吸系数；q
10
是维持呼吸对气温的敏感性系数，表示气温变化10℃时维持呼吸速率的变化量；t为气温；tb为基温，本研究取值为15℃；rg为植物总的生长呼吸占总生长量的比例系数。
[0086]
s22、基于步骤s1获得的野外草地采样数据，经室内试验测定，用105℃烘箱干燥采用失水法测定牧草干物质(dm)含量，用凯氏定氮法(foss)测定牧草粗脂肪(ee)含量，用灼烧法测定牧草粗灰分(ash)含量，用酸碱法测定牧草纤维物质(ndf)含量等，并结合草地各类型分布范围数据，借助arcgis软件实现空间插值，生成不同草原类型的可食牧草营养比空间分布图，具体计算公式为：
[0087][0088][0089][0090]
nfw＝100-ee-ndf-n
m-ash
ꢀꢀꢀꢀꢀꢀꢀ
(14)
[0091]
其中，nr为可食牧草营养比；cr为碳物质比例；nr为氮物质比例；nm为氮物质量；ee为牧草粗脂肪；ndf为中性洗涤纤维；nfe为无氮浸出物；ash为牧草粗灰分。
[0092]
s23、基于步骤s1获得的海拔数据和坡度数据计算得到地势平坦度数据，公式如下：
[0093][0094][0095]
其中，rn是第n个像元内的坡度；h
max
和h
min
分别为第n个像元内的最高与最低海拔；l是第n个像元的边长；p是区域内的地势平坦度；a
l
是区域内坡度小于25％的面积；a为区域总面积。
[0096]
s24、对步骤s21得到的产草量数据、步骤s22得到的可食牧草营养比数据和步骤s23得到的地势平坦度数据进行汇总，即得到家畜采食偏好数据。
[0097]
s3、基于步骤s1获得的剩余自然影响因素数据和步骤s1获得的部分人类活动因素
数据计算得到放牧便利条件数据，具体通过以下方法获得：
[0098]
s31、基于步骤s1获得的河流分布数据计算得到家畜到水源地距离数据；具体为根据获得的河流分布数据通过arcgis中欧氏距离工具计算得出家畜到水源地距离数据；
[0099]
s32、基于步骤s1获得居民点分布数据和人口密度分布数据计算得到家畜到居民点距离数据，具体通过获得的居民点分布数据和人口密度分布数据通过arcgis中欧氏距离工具计算得出家畜到居民点距离数据；
[0100]
s33、对步骤s31得到的家畜到水源地距离数据和步骤s32得到的家畜到居民点距离数据进行汇总，即得到放牧便利条件数据。
[0101]
s4、基于步骤s1获得的剩余人类活动因素数据计算得到家畜活动限制因素数据，具体通过以下方法获得：
[0102]
s41、基于步骤s1获得的年末家畜数据和坡度数据计算得到地势陡峭度数据，计算公式如下：
[0103][0104][0105]
其中，rn是第n个像元内的坡度；h
max
和h
min
分别为第n个像元内的最高与最低海拔；l是第n个像元的边长；d是区域内的地势陡峭度；ab是区域内坡度大于25％的面积；a为区域总面积。
[0106]
s42、基于步骤s1获得的县级行政区划数据和国家公园功能区划数据通过专家咨询和文献荟萃得到功能区放牧概率数据；
[0107][0108]
其中，pgi代表在i个栅格单元的放牧概率；；n代表不同功能分区内(核心保育区、生态保育修复区和传统利用区)草地栅格单元的数量；m代表影响因子的数量；g
ia
代表第i个栅格单元第a个影响因子的影响力值。
[0109]
s43、对步骤s41得到的地势陡峭度数据和步骤s42得到的功能区放牧概率数据进行汇总，即得到家畜活动限制因素数据。
[0110]
s5、将步骤s2得到的家畜采食偏好数据、步骤s3得到的放牧便利条件数据和步骤s4得到的家畜活动限制因素数据分别进行裁剪，并采用极差法进行归一化处理，得到三项因子的归一化处理数据；其中，家畜采食偏好数据、放牧便利条件数据和家畜活动限制因素数据的裁剪具体包括以下步骤：
[0111]
s51、分别选取1km
×
1km尺度的步骤s2得到的家畜采食偏好数据、步骤s3获得的放牧便利条件数据以及步骤s4得到的家畜活动限制因素数据；
[0112]
s52、利用arcgis中的掩膜裁剪功能，分别对步骤s51选取的三项1km
×
1km尺度的栅格数据进行裁剪，并依次进行叠加分析，得到裁剪后的家畜采食偏好数据、放牧便利条件数据和家畜活动限制因素数据。
[0113]
而归一化处理具体包括以下步骤：
[0114]
对步骤s52得到的裁剪后的四项栅格数据的原始数值分别进行极差标准化处理，
使各指标值归一化到0～1范围内，得到四项因子的归一化处理数据；
[0115]
其中，对于正向指标，极差标准化处理的计算公式如下所示：
[0116][0117]
而对于负向指标，极差标准化处理的计算公式如下所示：
[0118][0119]
式中，x
′
ij
为第i个样本第j项指标标准化处理后的值；x
ij
为第i个样本第j项指标的原始数值；x
max
为第i个样本第j项指标的最大值，x
min
为第i个样本第j项指标的最小值。
[0120]
s6、由于核心保育区全面禁止生产性畜牧活动，生态保育修复区和传统利用区执行严格的草畜平衡，实行季节性休牧和轮牧，但由于国家公园建成前核心保育区内已有一定规模的牧户存在，所以三个区内均会仍有不同程度的放牧情况存在，因此结合实地调研和专家咨询的方法，分别对国家公园的功能分区(核心保育区、生态保育修复区和传统利用区)赋予不同的放牧相对概率(分别为10％、30％和60％)，并构建层次结构模型，通过专家打分法分别得到家畜采食偏好数据、放牧便利条件数据和家畜活动限制因素数据的权重系数，而家畜采食偏好数据、放牧便利条件数据和家畜活动限制因素数据的权重系数具体通过以下方法得到：
[0121]
s61、根据指标体系构造判断矩阵：
[0122]
通过专家打分的方法，对同一层次内的指标，即家畜采食偏好数据、放牧便利条件数据和家畜活动限制因素数据两两进行比较，构造得到家畜分布密度层次判断矩阵u，家畜分布密度层次判断矩阵u如下所示：
[0123][0124]
式中，u
ij
表示ui相对于uj的重要性数值，此处采用1～9及其倒数作为重要性标度，n表示层次指标个数。
[0125]
s62、特征向量法求权重系数：
[0126]
根据步骤s61得到的家畜分布密度层次判断矩阵u，计算对应的最大特征根λ
max
与特征向量w，计算公式如下所示：
[0127]
uw＝λ
max
×wꢀꢀꢀꢀꢀꢀ
(23)
[0128]
其中，u为家畜分布密度层次判断矩阵，λ
max
为最大特征根，w为特征向量。
[0129]
并将得到的特征向量w进行归一化处理，可得到家畜分布密度权重向量w'，具体处理过程如下所示：
[0130]
(1)进行一致性检验：
[0131]
检验所得权重向量w是否通过一致性检验，首先计算一致性指标：
[0132][0133]
其中，根据因子个数，在下表1中查找对应的平均随机一致性指标ri：
[0134]
表1不同因子个数对应的ri值
[0135][0136][0137]
(2)计算一致性比例：
[0138][0139]
当计算所得的判断矩阵u的λ
max
＝n，ci,＝0或cr《0.1时，认为判断矩阵u的一致性可以接受，此时将特征向量w归一化处理可得家畜分布密度权重向量w'，否则需对判断矩阵u做出适当调整以使其一致性符合要求，再计算得到家畜分布密度权重向量w'，而家畜分布密度权重向量w'所对应的家畜采食偏好数据、放牧便利条件数据和家畜活动限制因素数据值即为各自指标所求得到的权重系数。
[0140]
s7、将步骤s5得到的三项因子的归一化处理数据分别与步骤s6中对应的权重系数以及不同的放牧相对概率相乘，得到不同栅格的家畜放牧强度得分；
[0141]
不同栅格的家畜放牧强度得分的计算公式如下：
[0142]
lai
ij
＝p
ij
(k1e+k2n+k3d)
ꢀꢀꢀꢀꢀꢀꢀ
(26)
[0143]
式中，lai
ij
指的是第i行第j列栅格的家畜放牧强度，栅格大小为1km
×
1km；p
ij
为该栅格单元所在的区域的放牧相对概率；e为该栅格单元的家畜采食偏好标准值；k1为家畜采食偏好指数对应的权重系数；n为该栅格单元的放牧便利条件标准值，k2为放牧便利条件对应的权重系数；d为该栅格单元的家畜活动限制因素标准值，k3为家畜活动限制因素对应的权重系数。
[0144]
s8、结合县域的家畜密度和研究区内家畜活动总强度以及步骤s7得到的不同栅格的家畜放牧强度得分，得到国家公园栅格化后的家畜密度空间分布数据。
[0145]
家畜密度空间分布数据的计算公式为：
[0146][0147]
式中，ld
ij
是第i行第j列栅格的家畜密度，栅格大小为1km
×
1km；ld
cou
为该栅格单元所在的县级行政区单元的家畜数量统计值；lai
ij
为该栅格单元的家畜放牧强度；lai
cou
为该栅格单元所在县级行政单元内的家畜活动总强度。
[0148]
为了评估ld
ij
精度，采用判定系数(r2)、平均绝对误差(mae)以及均方根误差(rmse)等三个误差测量指标来进行评定，计算公式为：
[0149][0150][0151][0152]
其中，yi是县级行政单元i的家畜数量统计值，是行政单元i各像元的权重值之和，是各县级行政单元的家畜密度平均值，n为总样本量。基于模型计算结果，判定系数(r2)高达0.92，mae＝1.11，rmse＝2.52，表明精度较高。
[0153]
根据本发明实施例提供的国家公园家畜分布密度空间化的方法对三江源国家公园牲畜密度空间分布进行计算，所得出的2020年三江源国家公园牲畜密度空间分布结果如图2(b)所示，与图2(a)县级行政区划上的家畜数量对比，图2(b)公里网格上的家畜密度精度得到提高。通过图2可以看出，三江源国家公园牲畜数量空间分布呈现自西北向东南递增的趋势，其中长江源园区西部大，主要是由于水湖湿地较多，以及核心保育区的分布，大部区域的牲畜数量较少，牲畜主要集中在东南部区域；澜沧江源园区较其他两个园区的牲畜分布较多，主要集中在核心保育区外的生态保育修复区和传统利用区；黄河源园区则主要分布在园区南部，牲畜数量较高的区域多集中在该园区。该结果牲畜数量的分布与青藏高原牧民传统的以草定畜、以水定畜的放牧习惯相符，并且考虑了国家关于保护地政策的约束性与目标，即从自然和人文两方面综合权衡牲畜数量的空间化，具有较强的合理性和可靠性。
[0154]
综上所述，本发明实施例提供的国家公园家畜分布密度空间化的方法可对县域尺度的家畜密度数据进行公里网格化的空间化，其作为一类基础性数据具有广阔的应用前景，可以直观分析家畜的分布状况，结合当地自然本底状况可精细评估不同地区的载畜压力，而且作为畜牧业发展的科学依据可结合其他生态环境或社会经济指标对不同地区的生态状况以及社会经济发展状况进行评估。
[0155]
尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。

技术特征：
1.一种国家公园家畜分布密度空间化的方法，包括以下步骤：s1、获取家畜分布的自然影响因素数据和人类活动因素数据；s2、基于步骤s1获得的部分自然影响因素数据计算得到家畜采食偏好数据；s3、基于步骤s1获得的剩余自然影响因素数据和步骤s1获得的部分人类活动因素数据计算得到放牧便利条件数据；s4、基于步骤s1获得的剩余人类活动因素数据计算得到家畜活动限制因素数据；s5、将步骤s2得到的家畜采食偏好数据、步骤s3得到的放牧便利条件数据和步骤s4得到的家畜活动限制因素数据分别进行裁剪，并采用极差法进行归一化处理，得到三项因子的归一化处理数据；s6、分别对国家公园的功能分区赋予不同的放牧相对概率，并构建层次结构模型，分别得到家畜采食偏好数据、放牧便利条件数据和家畜活动限制因素数据的权重系数；s7、将步骤s5得到的三项因子的归一化处理数据分别与步骤s6中对应的权重系数以及不同的放牧相对概率相乘，得到不同栅格的家畜放牧强度得分；s8、结合县域的家畜密度和研究区内家畜活动总强度以及步骤s7得到的不同栅格的家畜放牧强度得分，得到国家公园栅格化后的家畜密度空间分布数据。2.如权利要求1所述的国家公园家畜分布密度空间化的方法，其特征在于，步骤s1中，所述家畜分布的自然影响因素数据包含野外调研数据、遥感数据和地形地貌数据，所述野外调研数据包含野外草地采样数据和家畜放牧数据，遥感数据包含草地分布范围数据和植被生产力数据，地形地貌数据包含海拔数据、坡度数据和河流分布数据，所述家畜分布的人类活动因素数据包含社会经济数据和区划数据，社会经济数据包含居民点分布数据、人口密度分布数据和年末家畜数据，区划数据包含县级行政区划数据和国家公园功能区划数据。3.如权利要求2所述的国家公园家畜分布密度空间化的方法，其特征在于，步骤s2中，所述家畜采食偏好数据通过以下方法获得：s21、基于步骤s1获得的植被生产力数据计算得到产草量数据；s22、基于步骤s1获得的野外草地采样数据和草地分布范围数据计算得到可食牧草营养比数据；s23、基于步骤s1获得的海拔数据和坡度数据计算得到地势平坦度数据；s24、对步骤s21得到的产草量数据、步骤s22得到的可食牧草营养比数据和步骤s23得到的地势平坦度数据进行地理加权回归，即得到家畜采食偏好数据。4.如权利要求2所述的国家公园家畜分布密度空间化的方法，其特征在于，步骤s3中，所述放牧便利条件数据通过以下方法获得：s31、基于步骤s1获得的河流分布数据计算得到家畜到水源地距离数据；s32、基于步骤s1获得居民点分布数据和人口密度分布数据计算得到家畜到居民点距离数据；s33、对步骤s31得到的家畜到水源地距离数据和步骤s32得到的家畜到居民点距离数据进行汇总，即得到放牧便利条件数据。5.如权利要求2所述的国家公园家畜分布密度空间化的方法，其特征在于，步骤s4中，所述家畜活动限制因素数据通过以下方法获得：
s41、基于步骤s1获得的年末家畜数据和坡度数据计算得到地势陡峭度数据；s42、基于步骤s1获得的县级行政区划数据和国家公园功能区划数据计算得到功能区放牧概率数据；s43、对步骤s41得到的地势陡峭度数据和步骤s42得到的功能区放牧概率数据进行叠加分析，即得到家畜活动限制因素数据。6.如权利要求1所述的国家公园家畜分布密度空间化的方法，其特征在于，步骤s5中，所述家畜采食偏好数据、放牧便利条件数据和家畜活动限制因素数据的裁剪具体包括以下步骤：s51、分别选取1km
×
1km尺度的步骤s2得到的家畜采食偏好数据、步骤s3获得的放牧便利条件数据以及步骤s4得到的家畜活动限制因素数据；s52、利用arcgis中的掩膜裁剪功能，分别对步骤s51选取的三项1km
×
1km尺度的栅格数据进行裁剪，并依次进行叠加分析，得到裁剪后的家畜采食偏好数据、放牧便利条件数据和家畜活动限制因素数据。7.如权利要求6所述的国家公园家畜分布密度空间化的方法，其特征在于，步骤s5中，所述归一化处理具体通过对步骤s52得到的裁剪后的国家公园内的家畜采食偏好数据、放牧便利条件数据和家畜活动限制因素数据采用极差标准化处理，得到三项因子的归一化处理数据；其中，对于正向指标，计算公式如下所示：对于负向指标，计算公式如下所示：式中，x
′
ij
为第i个样本第j项指标标准化处理后的值；x
ij
为第i个样本第j项指标的原始数值；x
max
为第i个样本第j项指标的最大值，x
min
为第i个样本第j项指标的最小值。8.如权利要求1所述的国家公园家畜分布密度空间化的方法，其特征在于，步骤s6中，所述家畜采食偏好数据、放牧便利条件数据和家畜活动限制因素数据的权重系数分别通过以下方法获得：s61、根据指标体系构造判断矩阵：通过专家打分的方法，对同一层次内的指标，即家畜采食偏好数据、放牧便利条件数据和家畜活动限制因素数据两两进行比较，构造得到家畜分布密度层次判断矩阵u，家畜分布密度层次判断矩阵u如下所示：式中，u
ij
表示u
i
相对于u
j
的重要性数值，此处采用1～9及其倒数作为重要性标度，n表示层次指标个数；s62、特征向量法求权重系数：根据步骤s61得到的家畜分布密度层次判断矩阵u，计算对应的最大特征根λ
max
与特征
向量w，并将特征向量w进行归一化处理，得到家畜分布密度权重向量w'，家畜分布密度权重向量w'所对应的家畜采食偏好数据、放牧便利条件数据和家畜活动限制因素数据值即为各自指标所求权重系数；所述最大特征根λ
max
与特征向量w的计算公式如下所示：uw＝λ
max
×
w
ꢀꢀꢀꢀꢀꢀꢀꢀ
(4)其中，u为家畜分布密度层次判断矩阵，λ
max
为最大特征根，w为特征向量。9.如权利要求1所述的国家公园家畜分布密度空间化的方法，其特征在于，步骤s7中，所述不同栅格的家畜放牧强度得分的计算公式如下：lai
ij
＝p
ij
(k1e+k2n+k3d)
ꢀꢀꢀꢀꢀꢀꢀ
(5)式中，lai
ij
指的是第i行第j列栅格的家畜放牧强度，栅格大小为1km
×
1km；p
ij
为该栅格单元所在的区域的放牧相对概率；e为该栅格单元的家畜采食偏好标准值；k1为家畜采食偏好指数对应的权重系数；n为该栅格单元的放牧便利条件标准值，k2为放牧便利条件对应的权重系数；d为该栅格单元的家畜活动限制因素标准值，k3为家畜活动限制因素对应的权重系数。10.如权利要求1所述的国家公园家畜分布密度空间化的方法，其特征在于，步骤s8中，所述家畜密度空间分布数据的计算公式为：式中，ld
ij
是第i行第j列栅格的家畜密度，栅格大小为1km
×
1km；ld
cou
为该栅格单元所在的县级行政区单元的家畜数量统计值；lai
ij
为该栅格单元的家畜放牧强度；lai
cou
为该栅格单元所在县级行政单元内的家畜活动总强度。

技术总结
本发明公开了一种国家公园家畜分布密度空间化的方法，包括以下步骤：S1、获取家畜分布的自然影响因素数据和人类活动因素数据；S2、计算家畜采食偏好数据；S3、计算放牧便利条件数据；S4、计算家畜活动限制因素数据；S5、将各数据进行裁剪，并处理，得到归一化处理数据；S6、分别对国家公园的功能分区赋予不同的放牧相对概率，并得到各因子的权重系数；S7、将归一化处理数据与对应的权重系数以及不同的放牧相对概率相乘，得到不同栅格上的家畜放牧强度得分；S8、得到国家公园内家畜密度空间分布栅格数据。本发明可对国家公园内，基于行政区域统计的家畜数量进行公里网格上的空间插值，可直观分析家畜分布密度的时空动态变化特征。直观分析家畜分布密度的时空动态变化特征。直观分析家畜分布密度的时空动态变化特征。


技术研发人员：张海燕 刘晓洁 刘晓煌 王东亮 郭炎明
受保护的技术使用者：中国科学院地理科学与资源研究所
技术研发日：2023.02.21
技术公布日：2023/7/12