来源： 生态系统服务与生态安全
（素材搜集：彭京伦）
01 论文信息
题目：Forecasting ecological water demand
of an arid oasis under a drying
climate scenario based on deep
learning methods
期刊：Ecological Informatics
发表时间：2024年7月
第一作者：王旭东 硕士研究生
通讯作者：徐浩杰 副教授
单位：草种创新与草地农业生态系统全国重点实验室、兰州大学草地农业科技学院
文章链接：
https://doi.org/10.1016/j.ecoinf.2024.102721
02 文章摘要
摘要：生态输水工程（EWDP）是恢复干旱地区绿洲生态系统的一种有效的管理措施。鉴于干旱地区未来可能遭遇更干燥的气候条件，制定能够适应气候变化并降低绿洲生态系统退化风险的引水策略至关重要。本研究利用基于贝叶斯优化的长短期记忆神经网络（BO-LSTM）模型，确定了在未来气候变化情景下青土绿洲维持绿洲植被生长所需的最优引水量。研究结果表明，BO-LSTM模型能够以较低的计算成本和较高的精度捕捉绿洲植被对淹水区域变化和干旱胁迫的响应。研究发现，在考虑极端干旱和干燥趋势的情况下，区域植被比先前认为的更加脆弱。研究发现，如果输入绿洲的水量在1000万至1500万立方米之间，绿洲植被的NDVI下降。即使维持当前水平的引水量（2000万立方米），绿洲植被的生长也可能因气象干旱而受到影响。研究确定的最优引水量为2500万立方米。在这种情景下，无论是否发生干旱事件，NDVI都将增加21.7%。本研究提出了一种创新方法，将EWDP、气候变化和绿洲植被动态相结合，揭示了绿洲植被对气候变化和EWDP的不同响应，并验证了引水量与产生的生态效益之间的非线性关系。
03 相关图件
图1 2010年、2016年和2022年青土绿洲地理位置与土地覆被类型
图2 研究流程图
注：MNDWI -修正的归一化差异水指数，NDVI -归一化差异植被指数，PET -潜在蒸散，SPEI -标准化降水蒸散指数，MLR -多元线性回归，LSTM -长短期记忆模型，MAE -平均绝对误差，R2 -决定系数，RMSE -均方根误差，SHAP -沙普利加性解释，SSP -共享社会经济路径。
图3 长、短时记忆模型神经网络的结构
图4 绿洲对生态输水和气候变化的响应
注：NDVI -归一化差异植被指数，SPEI -标准化降水蒸散指数。
图5 模拟与观测的归一化植被指数(NDVI)分别以时间序列和散点图的形式呈现
图6 基于贝叶斯优化的长短期记忆模型中特征变量的重要性排序
注：PET -潜在蒸散发，SPEI -标准化降水蒸散发指数，SHAP -沙普利加性解释。
图7 多元线性回归模型的交叉验证
注：SD -标准偏差
图8 模拟和观测的月淹没面积的比较分别以时间序列和散点形式呈现
图9 2023 - 2040年研究区SPEI-12的变化
注：SPEI -标准化降水蒸散指数，SSP -共享社会经济路径。
图10 不同调水和气候变化情景下的年最大淹没面积预测
图11 基于情景分析的归一化植被指数(NDVI)对生态调水和气候变化的响应预测
图12 不同情景下青土绿洲的演变
04 文章结论
结论：从2010年到2022年，青土绿洲的NDVI显著增加，最终在2022年达到0.25。然而，即使在实施EWDP之后，绿洲植被的生长仍然受到干旱的限制。利用淹没面积、气温、降水量、潜在蒸散量（PET）和标准化降水蒸散指数（SPEI）作为驱动数据，BO-LSTM模型成功捕捉了不同引水条件和气候变化情景下NDVI的动态变化，且计算成本低、精度高。研究发现，绿洲植被对生态输水有高度依赖性，当引水量低于1500万立方米时，绿洲植被可能会萎缩甚至消失。此外，观察到随着引水量的增加，NDVI对干旱的响应幅度减小。当引水量增加到2500万立方米时，绿洲抵抗极端干旱的能力显著增强。此外，湖泊面积的扩大会导致蒸散发量增加，这可能会降低增加引水量所带来的生态效益。因此，在制定绿洲恢复目标时，应考虑到水资源利用的效益。
本研究的主要贡献在于提供了一个集成了生态输水、植被生长和气候变化的深度学习模型，该模型能够成功模拟干旱内流盆地绿洲的生态水文过程。该模型可作为评估EWDP对其他绿洲地区影响的参考。更重要的是，本研究还对关于EWDP如何影响植被恢复提出了新的见解，有助于管理者为干旱或半干旱地区的绿洲恢复制定可行的引水策略。
免责声明：转载内容版权归原作者所有，转载仅供学习参考之用，如有侵权，请联系删除。转载、分享内容中的陈述和观点仅代表原作者，仅供读者参考。
