From fa32e81a9e89bc6ae362210ac71593a0f93b47ad Mon Sep 17 00:00:00 2001 From: Emily Soth Date: Mon, 29 Apr 2024 11:23:11 -0700 Subject: [PATCH 01/11] add new ES files --- source/es/annual_water_yield.rst | 7 + source/es/carbon_edge.rst | 11 +- source/es/carbonstorage.rst | 8 +- source/es/coastal_vulnerability.rst | 8 +- source/es/crop_production.rst | 2 +- source/es/croppollination.rst | 10 +- source/es/data_sources.rst | 98 +++- source/es/delineateit.rst | 13 +- source/es/getting_started.rst | 62 ++- source/es/habitat_quality.rst | 10 +- source/es/habitat_risk_assessment.rst | 21 +- source/es/index.rst | 65 ++- source/es/input_types.rst | 2 +- source/es/ndr.rst | 45 +- source/es/recreation.rst | 4 +- source/es/routedem.rst | 12 +- source/es/scenic_quality.rst | 29 +- source/es/sdr.rst | 144 ++--- source/es/seasonal_water_yield.rst | 45 +- source/es/stormwater.rst | 27 +- source/es/the_need_for.rst | 47 +- source/es/urban_cooling_model.rst | 12 +- source/es/urban_flood_mitigation.rst | 9 +- source/es/urban_nature_access.rst | 723 +++++++++++++++++++++++++- source/es/wave_energy.rst | 2 +- source/es/wind_energy.rst | 11 +- 26 files changed, 1164 insertions(+), 263 deletions(-) diff --git a/source/es/annual_water_yield.rst b/source/es/annual_water_yield.rst index fba3ed9d..793f3b21 100644 --- a/source/es/annual_water_yield.rst +++ b/source/es/annual_water_yield.rst @@ -370,6 +370,13 @@ Introduzca esta ecuación en la *Calculadora de rásters*, ajustando los nombres 5. El ráster resultante debe contener valores en el rango de 0-100, que representan porcentajes de números enteros. El modelo requiere que el AWC se dé en forma de fracción, por lo que hay que dividir el ráster calculado en el paso 4 por 100. 6. Reproyecte la capa de la fracción del AWC para que tenga el mismo sistema de coordenadas proyectado que sus otros inputs del modelo. Este ráster se puede utilizar ahora como el input del contenido de agua disponible en el modelo. +Otras fuentes de datos +^^^^^^^^^^^^^^^^^^^^^^ + +En Estados Unidos se pueden obtener datos gratuitos sobre el suelo en las bases de datos NRCS gSSURGO, SSURGO y gNATSGO del Departamento de Agricultura: https://www.nrcs.usda.gov/wps/portal/nrcs/main/soils/survey/geo/. También proporcionan herramientas ArcGIS (Soil Data Viewer para SSURGO y Soil Data Development Toolbox para gNATSGO) que ayudan a procesar estas bases de datos en datos espaciales que pueden ser utilizados por el modelo. La Soil Data Development Toolbox es la más fácil de usar y la más recomendada si utiliza ArcGIS y necesita procesar datos de suelos de Estados Unidos. + +Otra herramienta destacable es SPAW Soil Water Characteristics https://www.ars.usda.gov/research/software/download/?softwareid=492, que ayuda a estimar el PAWC cuando se dispone de datos sobre la textura del suelo. Sin embargo, no acepta datos espaciales directamente. Como mínimo, usted proporciona valores únicos para % de arena y % de arcilla y se calcula un valor único para el agua disponible. Si dispone de datos adicionales sobre materia orgánica, grava, etc., también puede introducirlos para afinar el resultado. El valor de agua disponible calculado por la herramienta deberá aplicarse a la capa espacial del suelo. Si sus datos de suelo son complejos, con muchas texturas diferentes o combinaciones de %arena y %arcilla, entonces este método será muy tedioso y consumirá mucho tiempo. Pero se puede aplicar con bastante facilidad si solo se dispone de unos pocos valores de textura. + Profundidad de las raíces ------------------------- diff --git a/source/es/carbon_edge.rst b/source/es/carbon_edge.rst index 8542efe0..6de67ef0 100644 --- a/source/es/carbon_edge.rst +++ b/source/es/carbon_edge.rst @@ -49,7 +49,16 @@ Donde, - d\ :sub:`i` es la distancia del píxel p al centroide del modelo de biomasa i\ :sup:`th` . -El carbono calculado para las clases no forestales sigue la metodología del modelo de carbono InVEST, asignando valores basados en los datos del inventario forestal designados en la tabla biofísica. Los mapas de carbono que siguen este enfoque de inventario y el enfoque de efectos de borde se se fusionan en el mapa de carbono final, de manera que las cubiertas forestales presenten efectos de borde y todas las demás cubiertas terrestres no. +El carbono calculado para las clases no forestales sigue la metodología del modelo de carbono InVEST, asignando valores basados en los datos del inventario forestal designados en la tabla biofísica. Los mapas de carbono que siguen este enfoque de inventario y el enfoque de efectos de borde se se fusionan en el mapa de carbono final, de manera que las cubiertas forestales presenten efectos de borde y todas las demás cubiertas terrestres no lo hacen. + +Limitaciones y simplificaciones +------------------------------- + +Los datos del efecto de borde solo se proporcionan para las regiones tropicales. Para ver si se solapa con su área de estudio, lleve la capa de datos de muestra *core_data/forest_carbon_edge_regression_model_parameters.shp* a un SIG. Si los datos de regresión no cubren su área de estudio, no podrá utilizar el modelo para calcular los efectos de borde. + +Los datos de efectos de borde solo se proporcionan para el carbono por encima del suelo. Si desea incluir el carbono subterráneo, el suelo o la materia muerta en los cálculos, puede proporcionar estos datos por clase de uso de la tierra en la tabla de reservas de carbono. + +Los datos de efectos de borde por defecto que se proporcionan con el modelo están pregenerados y tienen una resolución de 100 km x 100 km. Si desea utilizar datos de efectos de borde diferentes, o una resolución diferente, tendrá que crear estos datos usted mismo y fuera del modelo. Necesidades de datos -------------------- diff --git a/source/es/carbonstorage.rst b/source/es/carbonstorage.rst index f24c1c6e..f69a96fc 100644 --- a/source/es/carbonstorage.rst +++ b/source/es/carbonstorage.rst @@ -9,6 +9,8 @@ Resumen Los ecosistemas terrestres, que almacenan más carbono que la atmósfera, son fundamentales para influir en el cambio climático provocado por el dióxido de carbono. El modelo InVEST de almacenamiento y secuestración de carbono utiliza mapas de uso de la tierra junto con las existencias de cuatro reservas de carbono (biomasa aérea, biomasa subterránea, suelo y materia orgánica muerta) para estimar la cantidad de carbono actualmente almacenada en un paisaje o la cantidad de carbono secuestrado a lo largo del tiempo. Opcionalmente, se puede utilizar el valor social o de mercado del carbono secuestrado, su tasa de cambio anual y una tasa de descuento para estimar el valor de este servicio ecosistémico para la sociedad. Las limitaciones del modelo incluyen un ciclo del carbono demasiado simplificado, un cambio lineal supuesto en la secuestración de carbono a lo largo del tiempo y tasas de descuento potencialmente inexactas. +.. nota:: Este modelo de carbono es extremadamente sencillo. Solo incluye cuatro reservas de carbono y un mapa de ocupación del suelo. Proporciona una forma cómoda de asignar los valores de los reservorios de carbono a un mapa de la cubierta terrestre, pero NO incluye ninguna complejidad biofísica o dinámica como el crecimiento de los árboles, la evolución de la química del suelo o la incorporación de los efectos de los cambios de temperatura o precipitación a lo largo del tiempo. Si necesita modelizar algo más complejo que las reservas estáticas de carbono y los mapas de ocupación del suelo, tendrá que utilizar un modelo de carbono diferente. + Introducción ============ @@ -72,7 +74,7 @@ Para realizar el análisis del escenario REDD, el modelo requiere tres mapas LUL Sobre la base de estos tres mapas LULC para los escenarios actuales, de referencia y de política REDD, el modelo biofísico del carbono produce rásters para el almacenamiento total de carbono para cada uno de los tres mapas LULC, y dos rásters de secuestración para los escenarios futuros y REDD. Limitaciones y simplificaciones -------------------------------- +=============================== El modelo simplifica el ciclo del carbono, lo que le permite funcionar con relativamente poca información, pero también conlleva importantes limitaciones. Por ejemplo, el modelo supone que ninguno de los tipos de LULC del paisaje gana o pierde carbono con el tiempo. En cambio, se supone que todos los tipos de LULC se encuentran en un nivel de almacenamiento fijo igual a la media de los niveles de almacenamiento medidos dentro de ese tipo de LULC. Bajo este supuesto, los únicos cambios en el almacenamiento de carbono a lo largo del tiempo se deben a los cambios de un tipo LULC a otro. Por lo tanto, cualquier píxel que no cambie su tipo de LULC tendrá un valor de secuestración de 0 a lo largo del tiempo. En realidad, muchas zonas se están recuperando del uso de la tierra en el pasado o están experimentando una sucesión natural. El problema puede abordarse dividiendo los tipos de LULC en clases de edad (esencialmente añadiendo más tipos de LULC), como tres edades de bosque. Entonces, las parcelas pueden pasar de una clase de edad a otra en los escenarios y cambiar sus valores de almacenamiento de carbono como resultado. @@ -145,10 +147,10 @@ Necesidades de datos Interpretación de los resultados --------------------------------- +================================ *Carpeta **[Workspace]**: - * **Registro de parámetros**: cada vez que se ejecute el modelo, se creará un archivo de texto (.txt) en el Espacio de trabajo. El archivo enumerará los valores de los parámetros y los mensajes resultantes para esa ejecución y se nombrará según el servicio, la fecha y la hora. Cuando se ponga en contacto con NatCap por errores en una ejecución del modelo, incluya el registro de parámetros. + * **Registro de parámetros**: cada vez que se ejecute el modelo se creará un archivo de texto (.txt) en el Espacio de trabajo. El archivo enumerará los valores de los parámetros y los mensajes resultantes para esa ejecución y se nombrará según el servicio, la fecha y la hora. Cuando se ponga en contacto con NatCap por errores en una ejecución del modelo, incluya el registro de parámetros. * **report_[Suffix].html:** Este archivo presenta un resumen de todos los datos calculados por el modelo. También incluye descripciones de todos los demás archivos resultantes producidos por el modelo, por lo que es un buen lugar para empezar a explorar y comprender los resultados del modelo. Como se trata de un archivo HTML, puede abrirse con cualquier navegador web. diff --git a/source/es/coastal_vulnerability.rst b/source/es/coastal_vulnerability.rst index 70f22cb8..d9386739 100644 --- a/source/es/coastal_vulnerability.rst +++ b/source/es/coastal_vulnerability.rst @@ -387,8 +387,8 @@ Resultados intermedios .. _cv-appendix-a: -Apéndice A -========== +Apéndice 1: definiciones geomorfológicas +======================================== En este apéndice se presentan las definiciones de los términos presentados en la clasificación geomórfica de :ref:`ranking-table`. Algunas de ellas proceden de Gornitz et al. (1997) y del USACE (2002). @@ -434,8 +434,8 @@ Playa de barrera .. _cv-appendix-b: -Apéndice B -========== +Apéndice 2: Fuentes de datos +============================ El modelo requiere datos geofísicos, biológicos, atmosféricos y de población a gran escala. La mayor parte de esta información puede obtenerse a partir de estudios anteriores, dispositivos meteorológicos y oceanográficos, y bases de datos por defecto proporcionadas con el modelo. En esta sección, se proponen varias fuentes para las diferentes capas de datos que requiere el modelo, y se describen los métodos para rellenar la interfaz de inputs discutida en la sección :ref:`cv-data-needs`. diff --git a/source/es/crop_production.rst b/source/es/crop_production.rst index 41662a0c..e0845dda 100644 --- a/source/es/crop_production.rst +++ b/source/es/crop_production.rst @@ -100,7 +100,7 @@ El algoritmo del modelo regresión es el siguiente, para cada tipo de cultivo (l Donde :math:`N_{GC}, P_{GC}, K_{GC}` son las tasas de fertilización suministradas por usted (N = nitrógeno, P = fósforo, K = potasio), y los demás parámetros de regresión se proporcionan como datos globales al modelo. Limitaciones y simplificaciones -------------------------------- +=============================== La versión actual del modelo es un modelo global grueso conducido principalmente por el clima y opcionalmente por la gestión. Por tanto, este modelo no es capaz de captar la variación de la productividad que se produce en paisajes heterogéneos. Una ladera rocosa y un valle fluvial fértil, si comparten el mismo clima, tendrían el mismo rendimiento en el modelo actual. Esto es un problema si la cuestión de interés es dónde priorizar la futura conversión del hábitat, o dónde la agricultura es más productiva y menos destructiva. diff --git a/source/es/croppollination.rst b/source/es/croppollination.rst index 65b3949c..6319c14b 100644 --- a/source/es/croppollination.rst +++ b/source/es/croppollination.rst @@ -127,7 +127,7 @@ La proporción del rendimiento total de los cultivos atribuible a los polinizado :label: (pol. 10) Limitaciones y simplificaciones -------------------------------- +=============================== Este modelo es un modelo basado en índices y solo estima los patrones relativos de abundancia de polinizadores y la contribución de la polinización al rendimiento de los cultivos. Esto se debe a que rara vez se dispone de estimaciones absolutas de la densidad de nidos, la disponibilidad de recursos y la abundancia de polinizadores, y a que las funciones de rendimiento (incluida la abundancia de polinizadores) para muchos cultivos están mal definidas. El hecho de basarse en índices relativos limita nuestra capacidad de estimar valores económicos absolutos para fundamentar mejor la toma de decisiones sobre la planificación del uso de la tierra, a menudo basada en análisis de costos y beneficios. @@ -237,8 +237,8 @@ Resultados intermedios También puede examinar los resultados intermedios. Estos archivos pueden ayudar a determinar las razones de los patrones en los resultados finales, y también pueden ser utilizados para entender mejor el modelo, y solucionar problemas. Se encuentran en la carpeta *resultados_intermedios* (*intermediate_outputs*) dentro del directorio del espacio de trabajo definido para la ejecución del modelo, y la mayoría de ellos tienen nombres de archivo que dan una buena idea de lo que representa la capa. -Apéndice: Tabla de variables -============================ +Apéndice 1: Tabla de variables +============================== * :math:`x` - una coordenada de píxel. * :math:`X` - conjunto de todos los píxeles del mapa de la cobertura del suelo. @@ -271,8 +271,8 @@ Apéndice: Tabla de variables * :math:`YW(f)` - proporción del rendimiento medio de la finca para la parcela :math:`f` atribuible a los polinizadores silvestres, considerando la dependencia de los polinizadores del cultivo. * :math:`\nu(f)` - proporción del rendimiento del cultivo que depende de la polinización. -Apéndice: Fuentes de datos -========================== +Apéndice 2: Fuentes de datos +============================ .. note:: Los datos de muestra solo sirven para ilustrar la estructura de datos y no deben utilizarse como fuente de datos. diff --git a/source/es/data_sources.rst b/source/es/data_sources.rst index c374468a..0903e8fd 100644 --- a/source/es/data_sources.rst +++ b/source/es/data_sources.rst @@ -30,20 +30,21 @@ Uso del suelo/cobertura del suelo --------------------------------- El uso de la tierra/cobertura del suelo (LULC) describe las propiedades físicas de la tierra y/o el modo en que la gente la utiliza (bosque, humedal, agua, pavimentado, agrícola, reserva natural, etc.). Para mostrar los datos en formato ráster, cada categoría LULC se asigna a un código entero (estos códigos no tienen que ser consecutivos u ordenados). Las brechas de datos desconocidos deben aproximarse siempre que sea posible para evitar que falten datos (agujeros) en las capas resultantes. -Los datos globales de uso del suelo están disponibles en: +Los datos globales de uso del suelo están disponibles en varias fuentes, incluyendo: * NASA: https://lpdaac.usgs.gov/products/mcd12q1v006/ (datos plurianuales de la cubierta terrestre mundial de MODIS proporcionados en varias clasificaciones) - * The European Space Agency: http://www.esa-landcover-cci.org/ (Tres mapas globales para las épocas de 2000, 2005 y 2010) + * European Space Agency WorldCover a 10m de resolución: https://esa-worldcover.org/ + * European Space Agency Climate Change Initiative land cover a 300m de resolución: https://www.esa-landcover-cci.org/ Los datos correspondientes a los Estados Unidos son proporcionados por el USGS y el Departamento del Interior a través de la base de datos nacional sobre la cubierta terrestre: https://www.usgs.gov/centers/eros/science/national-land-cover-database La categorización más sencilla de LULC en el paisaje implica la delimitación solo por la cubierta del suelo (por ejemplo, tierras de cultivo, bosques, pastizales). Existen varias clasificaciones globales y regionales de la cubierta terrestre (por ejemplo, Anderson et al. 1976), y a menudo se ha realizado una clasificación detallada de la cubierta terrestre para el paisaje de interés. Muchos países disponen de mapas nacionales de LULC que pueden utilizarse. -Una clasificación de LULC más sofisticada implica dividir los tipos de LULC relevantes en tipos más significativos. Por ejemplo, las clases de tierras agrícolas podrían dividirse en diferentes tipos de cultivos. Los bosques podrían dividirse en especies específicas o categorías de edad. Cuando se disponga de datos, se pueden estratificar los tipos de LULC por variables, como precipitaciones, temperatura, elevación, etc., que son conocidas por afectar las propiedades que se están modelizando. +Es importante evaluar cualquier mapa de ocupación del suelo para comprobar su precisión en la zona de estudio. Los productos globales, en particular, suelen ser más precisos en algunos lugares (o con algunos tipos de cobertura del suelo) que en otros. La categorización de los tipos de uso del suelo depende del modelo y de la cantidad de datos disponibles para cada uno de los tipos de suelo. Normalmente, el input de la tabla biofísica asigna ciertos parámetros biofísicos relevantes a cada código LULC. Solo se debería dividir un tipo de LULC si esto proporciona más precisión en la modelización. Por ejemplo, solo debe dividir los "cultivos" en diferentes tipos de cultivos si tiene información sobre la diferencia de los parámetros biofísicos relevantes. -*Ejemplo de tabla de uso y cobertura del suelo* +*Ejemplo típico de tabla de uso y cobertura del suelo - la suya probablemente sea diferente* ====== ======================================= lucode Uso del suelo/cobertura del suelo @@ -80,7 +81,9 @@ Nótese que varias fuentes, incluido el IPCC (2006), informan en unidades de bio Carbono almacenado en la biomasa aérea ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ -Una buena fuente de datos, aunque muy general, para el almacenamiento de carbono es la metodología del Grupo Intergubernamental de Expertos sobre el Cambio Climático (IPCC) de 2006 para determinar los inventarios de gases de efecto invernadero en el sector de la agricultura, la silvicultura y otros usos de la tierra (AFOLU) (https://www.ipcc-nggip.iges.or.jp/public/2006gl/vol4.html). Para utilizar este conjunto de información del IPCC, debe conocer el dominio climático y la región de su sitio; utilice los datos de la Tabla 4.1 en la página 4.46 y una copia digital del mapa de ecorregiones de la Organización de las Naciones Unidas para la Agricultura y la Alimentación (FAO) (http://www.fao.org/geonetwork/srv/en/main.home) para averiguarlo. Las tablas 5.1 a 5.3 (p. 5.9) del IPCC (2006) ofrecen estimaciones de la biomasa aérea en tierras agrícolas con biomasa leñosa perenne (por ejemplo, huertos frutales, agrosilvicultura, etc.). Las tablas 4.7, 4.8 y 4.12 ofrecen estimaciones de la biomasa aérea para los tipos de bosque natural y de plantación. Ruesch y Gibbs (2008) trazaron los datos de almacenamiento de carbono de la biomasa aérea del IPCC (2006) a partir de los datos de la cubierta terrestre del año 2000, a los que se puede acceder aquí: https://cdiac.ess-dive.lbl.gov/epubs/ndp/global_carbon/carbon_documentation.html. +Una buena fuente de datos, aunque muy general, para el almacenamiento de carbono es la metodología de 2006 del Grupo Intergubernamental de Expertos sobre el Cambio Climático (IPCC) para determinar los inventarios de gases de efecto invernadero en el sector de la agricultura, la silvicultura y otros usos de la tierra (https://www.ipcc-nggip.iges.or.jp/public/2006gl/vol4.html). Para utilizar este conjunto de información del IPCC, debe conocer el dominio climático y la región de su emplazamiento; utilice los datos de la Tabla 4.1 de la página 4.46 y una copia digital del mapa de ecorregiones de la Organización de las Naciones Unidas para la Agricultura y la Alimentación (FAO) (http://www.fao.org/geonetwork/srv/en/main.home) para averiguarlo. Las tablas 5.1 a 5.3 (p. 5.9) del IPCC (2006) ofrecen estimaciones de la biomasa aérea en tierras agrícolas con biomasa leñosa perenne (por ejemplo, huertos frutales, agrosilvicultura, etc.). Las tablas 4.7, 4.8 y 4.12 ofrecen estimaciones de biomasa aérea para tipos de bosques naturales y plantaciones. + +Ruesch y Gibbs (2008) cartografiaron los datos de almacenamiento de carbono en biomasa aérea del IPCC (2006) a partir de los datos de cobertura terrestre del año 2000, a los que se puede acceder en: https://cdiac.ess-dive.lbl.gov/epubs/ndp/global_carbon/carbon_documentation.html. Lamentablemente, estos datos no están bien documentados, pero "lut.zip" contiene una tabla de valores de carbono para cada ecorregión. La tabla no enumera las unidades explícitamente, pero los archivos .xml de metadatos indican que los valores están en toneladas de C por hectárea. Se pueden encontrar otras fuentes generales de estimaciones de almacenamiento de carbono. Por ejemplo, Grace et al. (2006) estiman el promedio de almacenamiento de carbono por encima del suelo (hoja + madera) para los principales ecosistemas de sabana de todo el mundo (Tabla 1). Houghton (2005) da el almacenamiento de carbono por encima del suelo para los tipos de bosques naturales y de plantación, por continente (Tablas 1 y 3). Brown et al. (1989) ofrecen estimaciones de la biomasa aérea de los bosques tropicales de hoja ancha en función del uso de la tierra: no perturbado, talado y no productivo (Tabla 7). También existen fuentes de datos de almacenamiento de carbono específicas para cada región. Las que hemos encontrado incluyen: @@ -163,7 +166,9 @@ Precipitación anual y mensual ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ La precipitación puede interpolarse a partir de datos puntuales de pluviómetros a largo plazo. Al considerar los datos de los pluviómetros, asegúrese de que brinden una buena cobertura sobre el área de interés, especialmente si hay grandes cambios en la elevación que hacen que las cantidades de precipitación sean heterogéneas dentro del área de estudio. Idealmente, los medidores tendrán al menos 10 años de datos continuos, sin grandes brechas, aproximadamente el mismo período de tiempo que el mapa de uso del suelo/cobertura del suelo utilizado como input. Debe incluirse la precipitación en forma de nieve. -Los conjuntos de datos globales de los modelos de detección remota pueden dar cuenta de áreas remotas si los datos de campo no están disponibles. Puede utilizar datos aproximados de los conjuntos de datos globales disponibles de forma gratuita desarrollados por la Unidad de Investigación Climática: http://www.cru.uea.ac.uk or WorldClim: https://www.worldclim.org/. +Los conjuntos de datos globales procedentes de modelos de teledetección pueden dar cuenta de zonas remotas si no se dispone de datos de campo. Se pueden utilizar datos gruesos de los conjuntos de datos globales de libre acceso desarrollados por la Unidad de Investigación Climática: http://www.cru.uea.ac.uk o WorldClim: https://www.worldclim.org/, entre otros. Un lugar útil para buscar datos sobre precipitaciones es la Guía de Datos Climáticos del NCAR: https://climatedataguide.ucar.edu/climate-data. + +Algunas fuentes (como WorldClim) proporcionan 12 rásteres de precipitaciones medias mensuales. Para utilizarlos en el modelo de rendimiento hídrico anual, los rásteres mensuales deben sumarse para calcular un mapa de precipitaciones medias anuales. Dentro de los Estados Unidos, el grupo PRISM de la Universidad Estatal de Oregón proporciona datos de precipitación gratuitos con una resolución de 30 segundos de arco. Visite su sitio web en https://prism.oregonstate.edu/ y navegue hasta '800m Normals' para descargar datos. @@ -197,12 +202,15 @@ Puede calcular la ET de referencia mediante el desarrollo de cuadrículas mensua Puede calcular la ET de referencia mediante el desarrollo de cuadrículas mensuales promedio de precipitación y temperaturas máximas y mínimas (también disponibles en WorldClim y CRU) que deben incorporar los efectos de la elevación al interpolar desde las estaciones de observación. Los datos para desarrollar estas cuadrículas mensuales de precipitación y temperatura siguen el mismo proceso en el desarrollo de las cuadrículas de 'Precipitación mensual'. -Una forma sencilla de determinar la evapotranspiración de referencia es la ecuación de 'Hargreaves modificada' (Droogers y Allen, 2002), que genera resultados superiores a los de Pennman-Montieth cuando la información es incierta. +Una forma sencilla de determinar la evapotranspiración de referencia es la ecuación "Hargreaves modificada" (Droogers y Allen, 2002), que genera resultados superiores a la Pennman-Montieth cuando la información es incierta. .. math:: ET_0 = 0.0013\times 0.408\times RA\times (T_{av}+17)\times (TD-0.0123 P)^{0.76} -El método de 'Hargreaves modificado' utiliza el promedio de las temperaturas máximas diarias medias y mínimas diarias medias para cada mes ('Tavg' en grados Celsius), la diferencia entre las máximas diarias medias y las mínimas diarias medias para cada mes ('TD'), radiación extraterrestre (:math:`RA` en :math:`\mathrm{MJm^{-2}d^{-1}}`) y precipitación (:math:`P` en mm por mes), todo lo cual puede obtenerse con relativa facilidad. Los datos de temperatura y precipitación suelen estar disponibles en gráficos regionales, mediciones directas o conjuntos de datos nacionales o mundiales. Los datos de radiación, por otro lado, son mucho más costosos de medir directamente, pero se pueden estimar de manera confiable a partir de herramientas, tablas o ecuaciones en línea. FAO Irrigation Drainage Paper 56 (Allan (1998)) proporciona datos mensuales de radiación en el Anexo 2. Seleccione valores para la latitud más cercana a su área de estudio. Otra opción es usar una herramienta SIG para calcular la radiación solar para su área de estudio específica y usar esta capa espacial como input para el cálculo de Hargreaves modificado. +El método "Hargreaves modificado" utiliza la media de las temperaturas máximas y mínimas medias diarias de cada mes (`Tavg` en grados Celsius), la diferencia entre las temperaturas máximas y mínimas medias diarias de cada mes (`TD`), la radiación extraterrestre (:math:`RA` en :math:`\mathrm{MJm^{-2}d^{-1}}) y la precipitación media mensual (:math:`P` en mm por mes), todo lo cual puede obtenerse con relativa facilidad. + +Puede utilizar esta ecuación en datos ráster. Tenga en cuenta que calcula la ET0 media diaria, por lo que el resultado deberá multiplicarse por el número de días del mes cuyos valores de entrada esté utilizando, y deberá ejecutarse una vez para cada mes. Los rásteres ET0 mensuales resultantes pueden utilizarse en el modelo de Rendimiento Hídrico Estacional. Para el modelo de Rendimiento Hídrico Anual, sume los ráster ET0 mensuales para obtener la ET0 media anual. +Los datos de temperatura y precipitación suelen obtenerse a partir de gráficos regionales, mediciones directas o conjuntos de datos nacionales o mundiales (como WorldClim). Para los datos de radiación, por otra parte, es mucho más caro medirlos directamente, pero pueden estimarse de forma fiable a partir de herramientas, tablas o ecuaciones en línea. El documento de la FAO Irrigation Drainage Paper 56 (Allan (1998)) ofrece datos mensuales sobre radiación en el Anexo 2; para utilizarlos, seleccione los valores correspondientes a la latitud más cercana a su zona de estudio. Otra opción es utilizar una herramienta SIG para calcular la radiación solar de su zona de estudio específica y utilizar esta capa espacial como entrada para el cálculo de Hargreaves modificado. La evapotranspiración de referencia también se puede calcular mensual y anualmente utilizando la ecuación de Hamon (Hamon 1961, Wolock y McCabe 1999): .. math:: PED_{Hamon} = 13.97 d D^2W_t @@ -225,7 +233,7 @@ Los valores del coeficiente de evapotranspiración ( :math:`K_c`) para los culti .. math:: K_c = \frac{\sum^{12}_{m=1}K_{cm}\times ET_{o_m}}{\sum^{12}_{m=1}ET_{o_m}} -donde :math:`K_{cm}` es un coeficiente de cosecha promedio del mes :math:`m` (1-12) y :math:`ET_{o_m}` es la evapotranspiración de referencia correspondiente. Estos valores también se pueden calcular utilizando la siguiente hoja de cálculo: https://naturalcapitalproject.stanford.edu/sites/g/files/sbiybj9321/f/kc_calculator.xlsx. Los valores para :math:`K_c` deben ser decimales entre 0 y 1,5. +donde :math:`K_{cm}` es un coeficiente de cosecha promedio del mes :math:`m` (1-12) y :math:`ET_{o_m}` es la evapotranspiración de referencia correspondiente. Estos valores también se pueden calcular utilizando la siguiente hoja de cálculo: https://github.com/natcap/invest.users-guide/raw/main/data-sources_calculator.xlsx. Los valores para :math:`K_c` deben ser decimales entre 0 y 1,5. Los valores para otros tipos de vegetación se pueden estimar usando las relaciones del índice de área foliar (IAF). IAF caracteriza el área de hoja verde por unidad de área de superficie del suelo y se puede obtener mediante productos de imágenes satelitales derivados del análisis NDVI. Una típica relación IAF - :math:`K_c` es la siguiente(Allen et al., 1998, Chapter 6: http://www.fao.org/3/x0490e/x0490e0b.htm): @@ -266,8 +274,8 @@ Los datos de la cuenca del alcantarillado pueden estar disponibles en los munici .. _tfa: -Threshold Flow Accumulation -^^^^^^^^^^^^^^^^^^^^^^^^^^^ +Umbral de acumulación de flujo +^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ El umbral de acumulación de flujo (UAF) es un parámetro de algoritmo de delineación de flujo que especifica la cantidad de píxeles pendiente arriba que deben fluir en un píxel antes de que se clasifique como corriente. No hay un valor "correcto" para el UAF. El valor correcto para su aplicación es el valor que hace que el modelo cree una capa de corrientes que se parezca lo más posible a la red de corrientes del mundo real en la cuenca. Compare el resultado ráster de la red de corrientes con un mapa de corrientes correcto conocido y ajuste el UAF concomitantemente: valores más grandes de UAF crearán redes de corrientes con menos afluentes, valores más pequeños de UAF crearán redes de corrientes con más afluentes. Un buen valor para empezar es 1000, pero tenga en cuenta que esto puede variar mucho según la resolución del MDE, el clima local y la topografía. Tenga en cuenta que, por lo general, las corrientes delineadas de un MED no coinciden exactamente con el mundo real, así que intente acercarse lo más posible. Si las corrientes modelizadas son muy diferentes, considere probar un DEM diferente. Se puede obtener una capa global de corrientes de HydroSHEDS: https://hydrosheds.org/, pero tenga en cuenta que generalmente son los ríos más importantes y es posible que no incluyan los de su área de estudio, especialmente si tiene pequeños afluentes. También puede intentar buscar secuencias en Google Earth si no hay más mapas localizados disponibles. @@ -335,8 +343,72 @@ Los mapas de infraestructura construida se pueden obtener de la muncipalidad o d Referencias ----------- -Allan, Richard, Pereira, L. y Smith, Martin. (1998). Crop evapotranspiration-Guidelines for computing crop water requirements-FAO Irrigation and drainage paper 56. +Allen, R.G., Pereira, L.S., Raes, D. y Smith, M., 1998. "Crop evapotranspiration. Guidelines for computing crop water requirements." FAO Irrigation and Drainage Paper 56. Food and Agriculture Organization of the United Nations, Rome, Italy. Paper available at http://www.fao.org/3/x0490e/x0490e00.htm. Annex 2 available at: http://www.fao.org/3/X0490E/x0490e0j.htm. + +Baer, SG, DJ Kitchen, JM Blair y CW Rice. 2002. Changes in Ecosystem Structure and Function along a Chronosequence of Restored Grasslands. Ecological Applications 12:1688-1701. + +Bernoux, M., MDS Carvalho, B. Volkoff y CC Cerri. 2002. Brazil's soil carbon stocks. Soil Science Society of America Journal 66:888-896. + +Brown, S. Estimating Biomass and Biomass Change of Tropical Forests: a Primer. FAO Forestry Department; 1997. Report for FAO Forestry Paper 134. + +Brown, SL, PE Schroeder y JS Kern. Spatial distribution of biomass in forests of the eastern USA.Forest Ecology and Management 123 (1999) 81-90. + +Brown, S. 2002. Measuring carbon in forests: current status and future challenges. Environmental Pollution 116:363-372. + +Cairns, MA, S. Brown, EH Helmer y GA Baumgardner. 1997. Root biomass allocation in the world's upland forests. Oecologia 111:1-11. + +Cairns, MA, PK Haggerty, R. Alvarez, BHJ De Jong y I. Olmsted. 2000. Tropical Mexico's recent land-use change: A region's contribution to the global carbon cycle. Ecological Applications 10:1426-1441. + +Coomes, DA, RB Allen, NA Scott, C. Goulding y P. Beets. 2002. Designing systems to monitor carbon stocks in forests and shrublands. Forest Ecology and Management 164:89-108. + +Delaney, M., S. Brown, AE Lugo, A. Torres-Lezama y NB Quintero. 1998. The quantity and turnover of dead wood in permanent forest plots in six life zones of Venezuela. Biotropica 30:2-11. + +Detwiler, RP. 1986. Land Use Change and the Global Carbon Cycle: The Role of Tropical Soils. Biogeochemistry 2:67-93. + +Droogers, P. y Allen, R.G. 2002. "Estimating reference evapotranspiration under inaccurate data conditions." Irrigation and Drainage Systems, vol. 16, Issue 1, February 2002, pp. 33–45 + +Edinburgh Centre for Carbon Management. The Establishing Mechanisms for Payments for Carbon Environmental Services in the Eastern Arc Mountains, Tanzania; 2007 May 2007. + +Gaston, G., S. Brown, M. Lorenzini y KD Singh. 1998. State and change in carbon pools in the forests of tropical Africa. Global Change Biology 4:97-114. + +Glenday, J. 2006. Carbon storage and emissions offset potential in an East African tropical rainforest. Forest Ecology and Management 235:72-83. + +Grace, J., J. San Jose, P. Meir, HS Miranda y RA Montes. 2006. Productivity and carbon fluxes of tropical savannas. Journal of Biogeography 33:387-400. -"Hydrologic Soil Groups. "National Engineering Handbook, United States Department of Agriculture, National Resources Conservation Service, 2007, www.nrcs.usda.gov/wps/portal/nrcs/detailfull/national/water/?cid=stelprdb1043063. +Hamon, W. R. (1961). Estimating potential evapotranspiration. Journal of the Hydraulics Division, 87(3), 107-120. + +Houghton, RA. 2005. Tropical deforestation as a source of greenhouse gas emissions. In: Tropical Deforestation and Climate Change, Moutinho and Schwartzman [eds.]. Instituto de Pesquisa Ambiental da Amazonia and Environmental Defense, Belem, Brazil. + +Houghton, RA y JL Hackler. 2006. Emissions of carbon from land use change in sub-Saharan Africa. Journal of Geophysical Research 111. + +"Hydrologic Soil Groups."National Engineering Handbook, United States Department of Agriculture, National Resources Conservation Service, 2007, www.nrcs.usda.gov/wps/portal/nrcs/detailfull/national/water/?cid=stelprdb1043063. + +The Intergovernmental Panel on Climate Change (IPCC). 2006. 2006 IPCC Guidelines for National Greenhouse Gas Inventories, Volume 4: Agriculture, Forestry and Other Land Use. Prepared by the National Greenhouse Gas Inventories Programme, Eggleston, HS, L. Buendia, K. Miwa, T. Ngara, and K. Tanabe (eds). Institute for Global Environmental Strategies (IGES), Hayama, Japan. . + +Makundi, WR. 2001. Carbon mitigation potential and costs in the forest sector in Tanzania. Mitigation and Adaptation Strategies for Global Change 6:335-353. + +Malhi, Y., D. Wood, TR Baker et al. 2006. The regional variation of aboveground live biomass in old-growth Amazonian forests. Global Change Biology 12:1107-1138. + +Malimbwi, RE, B. Solberg y E. Luoga. 1994. Estimation of biomass and volume in miombo woodland at Kitungalo Forest Reserve Tanzania. Journal of Tropical Forest Science 7:230-242. + +Munishi, PKT y TH Shear. 2004. Carbon Storage in Afromontane Rain Forests of the Eastern Arc Mountains of Tanzania: their Net Contribution to Atmospheric Carbon. Journal of Tropical Forest Science 16:78-93. + +Nascimento, HEM y WF Laurance. 2002. Total aboveground biomass in central Amazonian rainforests: a landscape-scale study. Forest Ecology and Management 168:311-321. + +NRCS-USDA, 2007. National Engineering Handbook. United States Department of Agriculture, https://www.nrcs.usda.gov/wps/portal/nrcs/detailfull/national/water/?cid=stelprdb1043063. + +Post, WM, WR Emanuel, PJ Zinke y AG Stangenberger. 1982. Soil carbon pools and world life zones. Nature 298:156-159. + +Post, WM y KC Kwon. 2000. Soil carbon sequestration and land-use change: processes and potential. Global Change Biology 6:317-327. Ruesch A y HK Gibbs. 2008. New IPCC tier-1 global biomass carbon map for the year 2000. Available:https://cdiac.ess-dive.lbl.gov/epubs/ndp/global_carbon/carbon_documentation.html. + +Silver, WL, R. Ostertag y AE Lugo. 2000. The potential for carbon sequestration through reforestation of abandoned tropical agricultural and pasture lands. Restoration Ecology 8:394-407. + +Tiessen, H. y C. Feller, EVSB Sampaio, and P. Garin. 1998. Carbon Sequestration and Turnover in Semiarid Savannas and Dry Forest. Climatic Change 40:105-117. + +Tilman, D., J. Hill y C. Lehman. 2006. Carbon-Negative Biofuels from Low-Input High-Diversity Grassland Biomass. Science 314:1598-1600. + +Vagen, TG, R Lal y BR Singh. 2005. Soil carbon sequestration in sub-Saharan Africa: A review. Land Degradation & Development 16:53-71. + +Zhang, Q y CO Justice. 2001. Carbon Emissions and Sequestration Potential of Central African Ecosystems. AMBIO 30:351-355. \ No newline at end of file diff --git a/source/es/delineateit.rst b/source/es/delineateit.rst index 337dc0d2..7c116436 100644 --- a/source/es/delineateit.rst +++ b/source/es/delineateit.rst @@ -40,8 +40,8 @@ Ajuste de puntos a la corriente más cercana ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ Si un elemento de salida no se encuentra directamente en una corriente, se generará una cuenca muy pequeña que no suele ser correcta. DelineateIt puede ajustar los puntos de salida a la corriente más cercana para crear cuencas hidrográficas más sólidas. Para ello, la herramienta construye un mapa de corrientes y, a continuación, reubica los puntos de salida de las cuencas hidrográficas en la corriente más cercana que se encuentre dentro de la *distancia de ajuste* dada como input al modelo. -Cñalculo de la acumulación de flujo ------------------------------------ +Cálculo de la acumulación de flujo +---------------------------------- El modelo calcula la acumulación de flujo a partir del ráster de dirección del flujo utilizando el algoritmo D8. Esto representa la cantidad relativa de agua que drena en un píxel desde su zona pendiente arriba. Acumulación de flujo en el umbral (UAF) @@ -52,9 +52,8 @@ Delineación de cuencas ^^^^^^^^^^^^^^^^^^^^^^ El modelo utiliza un algoritmo de delineación D8 para producir un vector de polígonos de las cuencas hidrográficas a partir del ráster de la dirección del flujo y de las geometrías de las salidas de las cuencas (si se proporcionan) o de los puntos de vertido detectados (si se selecciona Detectar puntos de vertido). - -Inputs de la herramienta -======================== +Necesidades de datos +==================== - :investspec:`delineateit.delineateit workspace_dir` @@ -74,8 +73,8 @@ Inputs de la herramienta - :investspec:`delineateit.delineateit snap_distance` Tenga en cuenta que se trata de una distancia en píxeles, no en metros, así que escale esto según el tamaño de sus píxeles. -Resultados de la herramienta -============================ +Interpretación de los datos +=========================== Todos los resultados se pueden encontrar en el directorio **Workspace** (Espacio de trabajo) indicado anteriormente. Incluyen: diff --git a/source/es/getting_started.rst b/source/es/getting_started.rst index c86b6c13..fff61f61 100644 --- a/source/es/getting_started.rst +++ b/source/es/getting_started.rst @@ -6,24 +6,27 @@ Cómo empezar .. _installing-on-win: -Instalación de InVEST y de los datos de muestra en Windows -========================================================== +Instalación de InVEST Workbench en su ordenador Windows +======================================================= Descargue el instalador de InVEST desde https://naturalcapitalproject.stanford.edu/software/invest. El ejecutable se llamará "InVEST__Setup.exe". Haga doble clic en este .exe para ejecutar el instalador. -Después de hacer clic en la primera pantalla y aceptar el Acuerdo de Licencia, aparecerá la pantalla de Selección de Componentes. El instalador siempre instalará las Herramientas InVEST y las versiones HTML y PDF de la guía de uso de InVEST. Opcionalmente, también se pueden instalar conjuntos de datos de muestra que, por defecto, están todos seleccionados. Tenga en cuenta que estos conjuntos de datos se descargan a través de Internet y que algunos son muy grandes (especialmente los conjuntos de datos marinos), por lo que pueden tardar mucho en instalarse. Si no desea instalar todos o algunos de los conjuntos de datos de muestra, desmarque la(s) casilla(s) correspondiente(s). +La primera pantalla le pide que confirme el Acuerdo de Licencia, haga clic en **Acepto** para continuar. -A continuación, elija la carpeta en la que se instalarán los conjuntos de herramientas InVEST y los datos de muestra. El instalador muestra el espacio disponible en la unidad seleccionada. Haga clic en Instalar para comenzar la instalación. +Aparecerá la pantalla Opciones de instalación. Puede elegir instalar InVEST solo para usted o para todos los usuarios. Haga clic en **Siguiente**. -Una vez instalados, la carpeta de instalación de InVEST contendrá lo siguiente: +A continuación, elija la carpeta donde se instalará Workbench. Haga clic en **Instalar**. -+ Una carpeta de **documentación**, que contiene la guía de uso de InVEST en formato HTML. -+ Una carpeta **invest-3-x64**, que contiene el código Python compilado que compone el conjunto de herramientas InVEST. -+ **InVEST__Documentation.pdf**, la guía de uso de InVEST en formato PDF. -+ **Uninstall_.exe**, que desinstalará InVEST. -+ **HISTORY.rst**, lista de todas las actualizaciones incluidas en cada nueva versión. -+ Si eligió instalar también datos de muestra, estos se encontrarán en la carpeta **sample_data**, con una subcarpeta para los datos de cada modelo. +Hay algunas cosas que pueden ser de particular interés en la carpeta de instalación de Workbench: ++ Una carpeta **resources/documentation**, que contiene la Guía del usuario de InVEST en formato HTML en inglés, español y chino. ++ Una carpeta **resources/invest**, que contiene el código Python compilado que compone el conjunto de herramientas InVEST. ++ **InVEST Workbench.exe**, que es el ejecutable principal utilizado para lanzar Workbench. ++ **Uninstall InVEST Workbench.exe**, que desinstalará Workbench. + +Además, se añadirá un acceso directo a su menú de inicio de Windows en *Todos los programas -> InVEST Workbench*. + +También hay datos de muestra disponibles para todos los modelos. Para instalarlos, inicie Workbench y vaya a **Configuración** (el icono del engranaje en la esquina superior derecha) **-> Descargar datos de muestra**. Además, los accesos directos a todas las aplicaciones independientes de InVEST se añadirán a su menú de inicio de Windows en *Todos los programas -> InVEST |versión|*. Instalación avanzada @@ -39,8 +42,8 @@ El instalador de InVEST para Windows tiene una serie de opciones de instalación .. _installing-on-mac: -Instalación de InVEST en su Mac -============================================= +Instalación de InVEST Workbench en su Mac +========================================= .. note:: En Mac OS 10.13 "High Sierra", se requiere InVEST 3.4.0 o posterior. @@ -63,7 +66,9 @@ Para instalar: 2. En el cuadro de diálogo que aparece, haga clic en *Abrir* una vez más. 6. En el cuadro de diálogo del lanzador, seleccione el modelo que desea ejecutar y haga clic en *Lanzar*. -A diferencia del instalador de Windows, la distribución para Mac no incluye datos de muestra ni la guía de uso. Estos se pueden encontrar en línea en https://naturalcapitalproject.stanford.edu/software/invest. +También hay datos de muestra disponibles para todos los modelos. Para instalarlos, inicie Workbench y vaya a **Configuración -> Descargar datos de muestra**. + +A diferencia del instalador de Windows, la distribución para Mac no incluye la guía del usuario. Esta puede encontrarse en línea en https://naturalcapitalproject.stanford.edu/software/invest. Tutorial de inicio rápido de InVEST @@ -80,7 +85,7 @@ Este tutorial de alto nivel le da una idea de las principales actividades involu - Este es el primer lugar al que hay que acudir con preguntas sobre modelos y requisitos de datos. - Tiempo necesario para leer un capítulo de modelo: Bajo 3. **Examine los datos de la muestra del modelo** - - Se proporcionan datos de muestra para todos los modelos, disponibles para su instalación durante la instalación de InVEST o descargables por separado. + - Se proporcionan datos de muestra para todos los modelos, disponibles para su instalación por medio de la configuración de Workbench de InVEST o descargables por separado. - Examine los datos espaciales con un software SIG y los datos tabulares con una hoja de cálculo o un editor de texto. - Utilice estos datos para hacerse una idea de los inputs y resultados y ejecutar el modelo. - Utilícelos como ejemplo para formatear sus propios datos. @@ -178,9 +183,9 @@ Las versiones más antiguas de InVEST pueden encontrarse en http://data.naturalc Uso de los datos de muestra =========================== -InVEST viene con datos de muestra como orientación para formatear sus datos y empezar a entender cómo funcionan los modelos. Por ejemplo, como preparación para el análisis de sus datos, es posible que desee probar los modelos cambiando los valores de input en los datos de muestra para ver cómo responde el resultado. Para la mayoría de los modelos es importante que sus datos de muestra se utilicen solo para las pruebas y el ejemplo, no utilice los datos espaciales o los valores de la tabla para su propio análisis, porque su fuente y precisión no están documentadas. Algunos de los modelos marinos vienen con conjuntos de datos globales que pueden ser utilizados para su propia aplicación - por favor, consulte los capítulos individuales de la guía de uso para estos modelos para obtener más información. +InVEST viene con datos de muestra como orientación para formatear sus datos y empezar a entender cómo funcionan los modelos. Antes de iniciar su propio análisis, le recomendamos fuertemente que descargue los datos de muestra del modelo o modelos que le interesen, examine las entradas en un SIG, ejecute el modelo utilizando los datos de muestra y examine los resultados en un SIG. -Los datos de muestra se encuentran en subcarpetas separadas dentro de la carpeta de instalación de InVEST. Por ejemplo, los conjuntos de datos de muestra para el modelo de polinización se encuentran en \\{InVEST install folder}\\sample_data\\pollination\\, y los del modelo ddee carbono en \\{InVEST install folder}\\sample_data\\carbon\\. Para probar los modelos, puede crear una carpeta de espacio de trabajo llamada "output" dentro de las carpetas de datos de muestra para guardar los resultados del modelo. Una vez que esté trabajando con sus propios datos, necesitará crear un espacio de trabajo y carpetas de datos de input para guardar sus propios datos y resultados. También tendrá que redirigir la herramienta para acceder a sus datos y espacio de trabajo. +Los datos de muestra se encuentran en subcarpetas separadas dentro de la carpeta de instalación de InVEST. Por ejemplo, los conjuntos de datos de muestra para el modelo de polinización se encuentran en \\{InVEST install folder}\\sample_data\\pollination\\, y los del modelo de carbono en \\{InVEST install folder}\\sample_data\\carbon\\. Para probar los modelos, puede crear una carpeta de espacio de trabajo llamada "output" dentro de las carpetas de datos de muestra para guardar los resultados del modelo. Una vez que esté trabajando con sus propios datos, necesitará crear un espacio de trabajo y carpetas de datos de input para guardar sus propios datos y resultados. También tendrá que redirigir la herramienta para acceder a sus datos y espacio de trabajo. Si se ejecuta en Windows, los datos de muestra pueden instalarse al mismo tiempo que se instala InVEST, o los conjuntos de datos pueden descargarse individualmente del `sitio web de InVEST `_. @@ -189,7 +194,7 @@ Si se ejecuta en Windows, los datos de muestra pueden instalarse al mismo tiempo Formateo de los datos ===================== -Antes de ejecutar InVEST, es necesario formatear los datos. Aunque los capítulos siguientes de esta guía describen cómo preparar los datos de input para cada modelo, hay varias pautas de formato comunes a todos los modelos: +Antes de ejecutar InVEST se deben formatear los datos. Si bien los capítulos siguientes de esta guía describen cómo preparar los datos de input para cada modelo, hay varias pautas de formato comunes a todos los modelos: + Los nombres de los archivos de datos no deben tener espacios (por ejemplo, un archivo ráster debe llamarse "landuse.tif" en lugar de "land use.tif"). @@ -207,11 +212,11 @@ Antes de ejecutar InVEST, es necesario formatear los datos. Aunque los capítulo + Opciones regionales y de idioma: Algunas opciones de idioma provocan errores al ejecutar los modelos. Por ejemplo, los ajustes que utilizan la coma (,) para los decimales en lugar del punto (.) provocan errores en los modelos. Para solucionarlo, cambie la configuración regional del ordenador al inglés. -+ A medida que se ejecutan los modelos, puede ser necesario cambiar los valores de las tablas de inputs. Esto se suele hacer con un programa de hoja de cálculo como Excel o un editor de texto como Notepad++. Las tablas de inputs deben estar en formato CSV (valores separados por comas), donde los valores están separados por comas, no por punto y coma o cualquier otro carácter. Si trabaja en Excel, no podrá ver el separador, así que vuelva a comprobarlo en el Bloc de notas o en otro editor de texto. Cuando guarde el archivo CSV, asegúrese de guardar el archivo utilizando una de las siguientes codificaciones: ASCII, UTF-8 o Signed UTF-8. El uso de cualquier otra codificación (como Latin-1) dará lugar a una representación incorrecta del texto en los archivos de resultadosy podría hacer que los modelos fallaran con un error. ++ A medida que se ejecutan los modelos, puede ser necesario cambiar los valores de las tablas de inputs. Esto se suele hacer con un programa de hoja de cálculo como Excel o un editor de texto como Notepad++. Las tablas de inputs deben estar en formato CSV. Si trabaja en Excel, asegúrese de guardar el archivo en formato CSV. Asegúrese de hacerlo utilizando una de las siguientes codificaciones: ASCII, UTF-8 o Signed UTF-8. El uso de cualquier otra codificación (como Latin-1) dará lugar a una representación incorrecta del texto en los archivos de resultadosy podría hacer que los modelos fallaran con un error. + Algunos modelos requieren directrices específicas para la denominación de los archivos de datos (por ejemplo, el modelo de Calidad del Hábitat) y los nombres de los campos (columnas), que se definen en el capítulo para cada modelo en la guía de uso. Siga estas pautas cuidadosamente para asegurarse de que su conjunto de datos es válido, o el modelo dará un error. -+ Recuerde utilizar los conjuntos de datos de muestra como orientación para formatear sus datos. ++ Recuerde *utilizar los conjuntos de datos de muestra como orientación para formatear sus datos*. .. _running-models: @@ -222,28 +227,28 @@ Estará listo para ejecutar un modelo de InVEST cuando haya preparado sus datos Para comenzar: -+ Revise sus datos de input. Vea los datos espaciales en un SIG, asegúrese de que los valores parecen correctos, de que no faltan datos donde deberían rellenarse, de que todas las capas están en el mismo sistema de coordenadas proyectado, etc. Visualice los datos de la tabla en una hoja de cálculo o en un editor de texto, asegúrese de que los valores parecen correctos, los nombres de las columnas son correctos y que se guardan en formato CSV. ++ Revise los datos introducidos. Visualice los datos espaciales en un SIG, asegúrese de que los valores parecen correctos, de que no faltan datos donde deberían rellenarse, de que todas las capas están en el mismo sistema de coordenadas proyectado, etc. Vea los datos de la tabla en una hoja de cálculo o editor de texto, asegúrese de que los valores parecen correctos, los nombres de las columnas son correctos y que se guardan en formato CSV. + Inicie el modelo que desea ejecutar (por ejemplo, Carbono), y añada sus datos de input a cada campo de la interfaz de usuario. Puede arrastrar y soltar las capas en el campo, o hacer clic en el icono de Archivo a la derecha de cada campo para navegar hasta sus datos. -+ Los inputs cuya ruta introducida conduzca a un archivo inexistente o a un archivo con formato incorrecto se marcarán con una "X" roja a la izquierda del nombre del input. Al hacer clic en la X roja tendrá una idea de lo que está mal en los datos. El modelo no se ejecutará si hay alguna X roja. ++ Las entradas cuya ruta conduzca a un archivo inexistente o a un archivo con formato incorrecto se marcarán con una "X" roja a la derecha del nombre de la entrada y el cuadro de entrada se marcará en rojo. Debajo de la entrada habrá una breve descripción del problema. Por ejemplo, "La entrada es obligatoria pero no tiene valor" significa que esta entrada es obligatoria, pero aún no la ha rellenado con información válida. El modelo no se ejecutará si hay alguna X roja. + Tenga en cuenta que cada herramienta tiene un lugar para introducir un Sufijo, que es una cadena que se añadirá a los nombres de archivo de resultado como *_Sufijo*. La adición de un sufijo único evita que se sobrescriban los archivos producidos en iteraciones anteriores. Esto es particularmente útil si está ejecutando múltiples escenarios, de modo que cada nombre de archivo puede indicar el nombre del escenario. + Cuando todos los campos requeridos estén rellenados y no haya ninguna X roja, haga clic en el botón **Ejecutar** de la interfaz. -+ El tiempo de procesamiento variará en función del script y de la resolución y extensión de sus conjuntos de datos de input. Cada modelo abrirá una ventana que muestra el progreso del script. Asegúrese de examinar la ventana de salida para ver los mensajes útiles y los errores. Esta información de progreso también se escribirá en un archivo en el Espacio de Trabajo llamado *-log-.txt*. Si necesita ponerse en contacto con NatCap para obtener ayuda con los errores, envíe siempre este archivo de registro, ya que ayudará en la depuración. Consulte también la sección :ref:`support-and-error-reporting` de este capítulo para obtener más información. ++ El tiempo de procesamiento variará en función del script y de la resolución y extensión de sus conjuntos de datos de entrada. Cada modelo abrirá una ventana que mostrará el progreso del script. Asegúrese de examinar la ventana de salida en busca de mensajes útiles y errores. Esta información de progreso también se escribirá en un archivo en el Espacio de Trabajo llamado *InVEST-natcap.invest.-log-.txt*. Si necesita ponerse en contacto con NatCap para obtener ayuda en caso de error, envíe siempre este archivo de registro ya que ayudará con la depuración. Consulte también la sección :ref:`support-and-error-reporting` de este capítulo para obtener más información. + Los resultados del modelo se encuentran en la carpeta **Espacio de trabajo**. Los resultados principales están generalmente en el nivel superior del Espacio de Trabajo. También hay una carpeta "intermedia" que contiene algunos de los archivos adicionales generados al realizar los cálculos. Aunque normalmente no es necesario mirar los resultados intermedios, a veces es útil cuando se está depurando un problema o tratando de entender mejor cómo funciona el modelo. Leer el capítulo del modelo y mirar los archivos intermedios correspondientes puede ser una buena manera de entender y criticar sus resultados. Los capítulos correspondientes a cada modelo en esta guía proporcionan una descripción de estos archivos resultantes. -Una vez que su script se complete con éxito, puede ver los resultados espaciales añadiéndolos desde el Espacio de trabajo a su SIG. Es importante observar los resultados con detenimiento y de forma crítica. ¿Tienen sentido los valores? ¿Tienen sentido los patrones? ¿Entiende por qué algunos lugares tienen valores más altos y otros más bajos? ¿Cómo influyen las capas y los parámetros ingresados en los resultados? +Una vez completado el script con éxito, puede ver los resultados espaciales añadiéndolos desde el Espacio de trabajo a su SIG. Es importante examinar los resultados con detenimiento y críticamente. ¿Tienen sentido los valores? ¿Tienen sentido los patrones? ¿Comprende por qué algunos lugares tienen valores más altos y otros más bajos? ¿Cómo influyen las capas de entrada y los parámetros en los resultados? Si le preocupan los resultados y quiere preguntar en el foro de usuarios, revise primero estas preguntas. Muy a menudo, los valores inesperadamente altos o bajos, o las áreas en las que faltan datos, pueden explicarse fácilmente observando las unidades, los valores o los datos que faltan en sus capas de entrada. .. _support-and-error-reporting: Asistencia y notificación de errores ==================================== -Si se encuentra con algún problema al ejecutar los modelos, o tiene preguntas sobre su teoría, datos o aplicación que no cubre la guía de uso, visite el foro de asistencia en https://community.naturalcapitalproject.org/. En primer lugar, utilice la función **Búsqueda** o **Search** para ver si ya se ha formulado una pregunta similar. Muchas veces, su pregunta o problema ya ha sido respondido. Si no encuentras mensajes existentes relacionados con tu pregunta o problema, o no resuelven tu problema, puedes entrar y crear un nuevo mensaje. +Si se encuentra con algún problema al ejecutar los modelos o tiene alguna pregunta sobre su teoría, datos o aplicación que la Guía del usuario no cubra, visite el foro de ayuda al usuario en https://community.naturalcapitalproject.org/. *En primer lugar, utilice la función de búsqueda para comprobar si ya se ha planteado una pregunta similar. Esto es especialmente cierto en el caso de los mensajes de error: puede buscar algunas palabras clave en el mensaje de error y, a menudo, encontrará mensajes que le ayudarán a solucionar el error. Si informa de un error al ejecutar un modelo, incluya la siguiente información en el mensaje del foro: @@ -253,7 +258,7 @@ Si informa de un error al ejecutar un modelo, incluya la siguiente información + Lo que ya ha intentado para resolver el problema, y no ha funcionado -+ El archivo de registro completo producido por el modelo, ubicado en la carpeta del espacio de trabajo de resultados - *-log-.txt* ++ El archivo de registro completo producido por el modelo, ubicado en la carpeta Workspace de salida - *InVEST-natcap.invest.-log-.txt*. Capacitación ------------ @@ -266,7 +271,7 @@ Está disponible un Curso Online Masivo y Abierto (MOOC) gratuito `En inglés `_ que ofrece instrucciones prácticas sobre algunas de las tareas SIG necesarias para trabajar con modelos InVEST. Se ofrecen tanto para QGIS como para ArcGIS. + + .. _working-with-the-DEM: Trabajo con el MDE diff --git a/source/es/habitat_quality.rst b/source/es/habitat_quality.rst index f4402c5c..aa480417 100644 --- a/source/es/habitat_quality.rst +++ b/source/es/habitat_quality.rst @@ -9,7 +9,7 @@ Calidad de hábitat Resumen ======= -La biodiversidad está íntimamente ligada a la producción de servicios ecosistémicos. Los patrones de la biodiversidad son inherentemente espaciales y, como tales, se pueden estimar mediante el análisis de mapas de uso y cobertura de la tierra (LULC) junto con las amenazas al hábitat de las especies. InVEST modeliza la calidad y la rareza del hábitat como indicadores de la biodiversidad y, en última instancia, estima la extensión de los tipos de hábitat y vegetación en un paisaje y su estado de degradación. La calidad y la rareza del hábitat dependen de cuatro factores: el impacto relativo de cada amenaza, la sensibilidad relativa de cada tipo de hábitat a cada amenaza, la distancia entre los hábitats y las fuentes de amenazas, y el grado en que la tierra está legalmente protegida. El modelo asume que la protección legal de la tierra es efectiva y que todas las amenazas a un paisaje son aditivas. +La biodiversidad está íntimamente ligada a la producción de servicios ecosistémicos. Los patrones de la biodiversidad son inherentemente espaciales y, como tales, se pueden estimar mediante el análisis de mapas de uso y cobertura de la tierra (LULC) junto con las amenazas al hábitat de las especies. InVEST modeliza la calidad y la rareza del hábitat como indicadores de la biodiversidad y, en última instancia, estima la extensión de los tipos de hábitat y vegetación en un paisaje y su estado de degradación. La calidad y la rareza del hábitat dependen de cuatro factores: el impacto relativo de cada amenaza, la sensibilidad relativa de cada tipo de hábitat a cada amenaza, la distancia entre los hábitats y las fuentes de amenazas, y el grado en que la tierra está legalmente protegida. El modelo asume que la protección legal de la tierra es efectiva y que todas las amenazas sobre un paisaje son aditivas. Introducción ============ @@ -140,7 +140,7 @@ Una vez que tenemos una medida :math:`R_j` para cada tipo de LULC, podemos cuant donde :math:`\sigma_{xj}= 1` si la celda de la cuadrícula x está en LULC :math:`j` en un paisaje actual o proyectado y es igual a 0 en caso contrario. Limitaciones y simplificaciones -------------------------------- +=============================== En este modelo, todas las amenazas del paisaje son aditivas, aunque hay pruebas de que, en algunos casos, el impacto colectivo de las múltiples amenazas es mucho mayor de lo que sugeriría la suma de los niveles de amenaza individuales. @@ -162,6 +162,8 @@ Necesidades de datos Si es posible, el mapa de referencia debería referirse a una época en la que el manejo intensivo de la tierra era relativamente escaso. Por ejemplo, un mapa de LULC en 1851 en el valle de Willamette (Oregón, EE.UU.) capta el patrón de LULC en el paisaje antes de que fuera modificado gravemente por la producción agrícola masiva. Es cierto que este paisaje también había sido modificado por las prácticas indígenas de desmonte, como los incendios controlados. - :investspec:`habitat_quality threats_table_path` + +.. note:: Las localizaciones del sistema de ficheros para *cur_path*, *base_path* y *fut_path* son relativas a la localización de la **Tabla de Amenazas**. Por ejemplo, si *cur_path* es "amenaza1.tif", significa que "amenaza.tif" se encuentra en la misma carpeta que la **Tabla de Amenazas**. Si *cur_path* es "carpeta_amenazas/amenaza1.tif", significa que hay una carpeta "carpeta_amenazas" en la misma ubicación que la **Tabla de Amenazas**, y que "amenaza1.tif" se encuentra dentro de "carpeta_amenazas". También puede proporcionar rutas absolutas, como "C:/HabitatQuality/carpeta_amenazas/amenaza1.tif". Columnas: @@ -227,7 +229,7 @@ Necesidades de datos .. _hq-interpreting-results: Interpretación de los resultados --------------------------------- +================================ **Efectos de borde en la degradación y la calidad del hábitat** Los valores de calidad de hábitat y degradación cerca de los bordes de los rásters resultantes pueden estar inflados porque no tienen en cuenta las amenazas que pueden existir más allá de la extensión de los rásters de cobertura del suelo. Todos los datos de amenazas de input se recortan a la extensión del ráster LULC, por lo que quienes usan deberían restringir la interpretación de los resultados ignorando los valores que se encuentran dentro de la distancia máxima de amenaza del borde de los rásters resultantes. @@ -255,7 +257,7 @@ Interpretación de los resultados Esta carpeta contiene algunos de los archivos intermedios creados durante la ejecución del modelo. Normalmente no es necesario trabajar con estos archivos, a menos que se trate de entender mejor cómo funciona el modelo, o de depurar una ejecución. Incluye mapas de hábitats (**habitat__[b,c,f].tif**), capas de amenazas procesadas con los atributos de la tabla de datos de amenazas (**[threat]_filtered_[b,c,f].tif**), sensibilidad aplicada a diferentes amenazas (**sens_[threat]_[b,c,f].tif**), y una versión rasterizada del input de Access (**access_layer.tif**). Modificación de los resultados y creación de una calificación de biodiversidad del paisaje -^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ +------------------------------------------------------------------------------------------ El resultado del modelo no proporciona calificaciones de calidad y rareza a nivel de paisaje para comparar los escenarios LULC de referencia, actuales y futuros. En su lugar, usted debe resumir la extensión del hábitat y las calificaciones de calidad y rareza para cada paisaje. En el nivel más sencillo, una calificación de calidad de hábitat a nivel de paisaje para un escenario LULC es simplemente la suma de todas las calificaciones a nivel de celda de la cuadrícula bajo el escenario. En otras palabras, podemos sumar todas las calificaciones de calidad a nivel de cuadrícula de los mapas *quality_out_c.tif*, *quality_out_b.tif* (si están disponibles) y *quality_out_f.tif* (si están disponibles) y luego comparar las calificaciones. Un mapa puede tener una calificación de calidad agregada más alta por varias razones. Por un lado, puede tener simplemente más superficie de hábitat. Sin embargo, si la cantidad de hábitat en cualquiera de los dos escenarios es aproximadamente la misma, una calificación de calidad del paisaje más alta es indicativa de un hábitat de mejor calidad general. diff --git a/source/es/habitat_risk_assessment.rst b/source/es/habitat_risk_assessment.rst index 11bc9f5c..4a2847f8 100644 --- a/source/es/habitat_risk_assessment.rst +++ b/source/es/habitat_risk_assessment.rst @@ -410,8 +410,8 @@ Asimismo, usted puede ajustar la importancia o "peso" de cada criterio. Cada sis -Limitaciones y suposiciones ---------------------------- +Limitaciones y simplificaciones +=============================== Limitaciones ^^^^^^^^^^^^ @@ -427,7 +427,7 @@ Limitaciones 5. **El modelo solo evalúa el riesgo de factores de estrés que impactan directamente el hábitat al superponerse en el espacio** Los factores de estrés pueden afectar a los hábitats de otras formas más indirectas, pero este modelo no está diseñado para incorporar esos efectos indirectos. Suposiciones -^^^^^^^^^^^^ +------------ 1. **Los ecosistemas de todo el mundo responden de forma similar a cualquier factor de estrés**. A menudo, la información que aparece en la literatura sobre el efecto que tienen los factores de estrés en los hábitats o las especies proviene de unos pocos lugares. Si se utilizan datos disponibles a nivel mundial o datos de otros lugares, se asume que *los ecosistemas de todo el mundo responden de forma similar a cualquier factor de estrés* (por ejemplo, las algas del Mediterráneo responden a la acuicultura de red de la misma forma que las de la Columbia Británica). Para evitar esta suposición, se deben utilizar datos locales siempre que sea posible. @@ -479,7 +479,7 @@ Necesidades de datos .. _hra-info-csv: -Información de hábitat y factores de estrés (CSV o tabla de Excel y datos SIG) +Información de hábitat y factores de estrés (tabla CSV y datos SIG) ------------------------------------------------------------------------------ Esta tabla indica al modelo dónde encontrar los inputs de datos del SIG para las capas de hábitat y de factores de estrés. Los datos del SIG pueden estar en formato ráster o vectorial. Véase un ejemplo en la imagen siguiente. Se requieren las siguientes columnas: @@ -503,7 +503,7 @@ Esta tabla indica al modelo dónde encontrar los inputs de datos del SIG para la Criterios de puntuaciones CSV ----------------------------- -El archivo CSV (o Excel) de Calificación de Criterios proporcionará toda la información de criterios para la ejecución del modelo de Evaluación de Riesgos de Hábitat y Especies. Este archivo contiene información sobre el efecto de cada factor de estrés en cada hábitat (es decir, las calificaciones de exposición y consecuencia) para los hábitats y factores de estrés en su análisis. En la carpeta de datos de muestra se puede encontrar una plantilla para el archivo CSV de criterios. Siéntase libre de añadir o eliminar criterios específicos, y rellenar las calificaciones en una escala de 1 a 3, o de 1 a cualquier otro valor, siempre que la escala sea la misma para todos los criterios. +El archivo CSV de Puntuaciones de Criterios proporcionará toda la información de criterios para la ejecución del modelo de Evaluación de Riesgos de Hábitats y Especies. Este archivo contiene información sobre el efecto de cada factor estresante en cada hábitat (es decir, las puntuaciones de exposición y consecuencia) para los hábitats y factores estresantes de su análisis. Puede encontrar una plantilla para el archivo CSV de criterios en la carpeta de datos de muestra. Los usuarios pueden añadir o eliminar criterios específicos e introducir puntuaciones en una escala de 1 a 3, o de 1 a cualquier otro valor, siempre que la escala sea la misma para todos los criterios. .. This image is of the same table provided in sample data. It was too large and complex to format well as a csv-table so I'm leaving it as a figure. @@ -705,18 +705,15 @@ La carpeta intermedia contiene archivos generados para apoyar los cálculos de r Todas las capas de hábitat, de factores de estrés o de criterios espaciales proporcionadas se simplifican a 1/2 de la resolución de rasterización definida por usted para acelerar la rasterización. -Apéndice -======== - -Conexión de los resultados de la evaluación de riesgos del hábitat con los modelos de servicios ecosistémicos -----------------------------------------------------------------------....................................... +Apéndice 1: Conexión de los resultados de la evaluación de riesgos del hábitat con los modelos de servicios ecosistémicos +========================================================================================================================= Además de proporcionar herramientas de manejo y conocimientos, ERH/ERE es un paso integral para conectar la multitud de factores de estrés con los cambios en los servicios ecosistémicos. Los modelos de servicios ecosistémicos de InVEST incluyen la ubicación y/o la calidad del hábitat como un factor que determina la prestación de servicios y esta aportación a los modelos de servicios puede modificarse en función de los resultados del riesgo. Por ejemplo, la vulnerabilidad costera depende de la presencia de hábitats costeros y de la capacidad de esos hábitats para atenuar las olas. Si estos hábitats costeros se encuentran en situación de alto riesgo, pueden ser menos capaces de atenuar las olas. Demostrando la posibilidad de vincular los modelos de HRA y de servicios ecosistémicos, la Autoridad e Instituto de Manejo de la Zona Costera de Belice (CZMAI) y los científicos del Natural Capital Project utilizaron este y tres otros modelos de servicios ecosistémicos InVEST para diseñar un Plan de Manejo Integrado de la Zona Costera para el país. Para estimar la variación espacial y el cambio en los servicios ecosistémicos, primero cuantificaron el cambio en la distribución, la abundancia y otras características de tres hábitats: arrecifes de coral, bosques de manglares y prados marinos. Comenzaron con un análisis ERH para determinar qué hábitats y dónde estaban en mayor riesgo de degradación por los impactos acumulados de las actividades humanas en la actualidad y en tres escenarios futuros (Arkema et al. 2014). Este análisis produjo mapas de riesgo alto, medio y bajo de degradación del hábitat en la zona costera y las aguas marinas. Arkema et al. 2015 utilizaron estos mapas para estimar el área de hábitat funcional capaz de proporcionar servicios ecosistémicos en cada escenario. En las zonas de riesgo alto y medio, asumieron que el 0% y el 50%, respectivamente, del hábitat existente era capaz de proporcionar servicios; en las zonas de riesgo bajo, consideraron que todo el hábitat era funcional (Arkema et al. 2015). En otro ejemplo en el que no se utilizaron modelos de servicios ecosistémicos InVEST, en la Gran Bahía de New Hampshire la Oficina de Gestión Costera de la NOAA y otros (Pinsky et al. 2013) relacionaron el riesgo actual y el futuro estimado para el prado marino, la marisma y la cosecha de ostras, tal y como se determinó en un análisis ERH, con las pérdidas en la pesca recreativa, la recolección de ostras recreativas y la acuicultura comercial, utilizando un enfoque de transferencia de beneficios con implicaciones para la planificación de la restauración y la ubicación de la acuicultura. Cuando se utiliza junto con modelos que estiman los cambios inducidos por el hábitat en los servicios ecosistémicos, el ERH puede ayudar a evaluar las compensaciones entre las actividades humanas y los beneficios que los ecosistemas proporcionan a las personas. -Comparación con el modelo de calidad de hábitat de InVEST ---------------------------------------------------------- +Apéndice 2: Comparación con el modelo de calidad de hábitat de InVEST +===================================================================== Este modelo InVEST es similar al modelo InVEST de Calidad de Hábitat en que ambos modelos les permiten identificar las regiones de un paisaje terrestre o marino en las que el impacto humano es mayor. Mientras que el modelo de Calidad de Hábitat está pensado para evaluar el impacto de las actividades humanas sobre la biodiversidad, este modelo es más adecuado para filtrar el riesgo de las actividades humanas actuales y futuras para priorizar las estrategias de manejo que mejor mitiguen el riesgo. diff --git a/source/es/index.rst b/source/es/index.rst index 8b76a2f0..21375729 100644 --- a/source/es/index.rst +++ b/source/es/index.rst @@ -4,8 +4,8 @@ contener la directiva raíz `toctree`. -Guía de uso de InVEST -===================== +Guía de uso de InVEST® +====================== .. toctree:: :maxdepth: 3 @@ -14,11 +14,48 @@ Guía de uso de InVEST .. figure:: ../en/index/main_image.png -**Cita**: Natural Capital Project, 2022. InVEST |version| +**Cita sugerida**: Natural Capital Project, 2022. InVEST |version| User’s Guide. Stanford University, University of Minnesota, Chinese Academy of Sciences, The Nature Conservancy, World Wildlife Fund, and Stockholm Resilience Centre. +.. image:: index/NatCap-Logo-2016-400px.png + :align: center + :scale: 50 % + +.. hlist:: + :columns: 3 + + * .. image:: index/SU-Woods-Horiz-Stacked-Hex-Red_300w.png + :alt: Stanford Woods Institute for the Environment + + * .. image:: index/SRC_logo_300w.png + :alt: Stockholm Resilience Centre, Stockholm University + + * .. image:: index/TNC_logo_300w.png + :alt: The Nature Conservancy + + * .. image:: index/CAS_logo_300w.png + :alt: Chinese Academy of Sciences + + * .. image:: index/IonE_logo_300w.png + :alt: University of Minnesota Institute on the Environment + + * .. image:: index/WWF_logo_300w.png + :alt: World Wildlife Fund + + * .. image:: index/SU_dept_bio_logo_300w.png + :alt: Stanford University Department of Biology + + * .. image:: index/RSA_Beijer_logo_300w.png + :alt: Beijer Institute of Ecological Economics, Royal Swedish Academy of Sciences + +**Suggested citation**: Natural Capital Project, |commit_year|. InVEST |version|. +Stanford University, University of Minnesota, Chinese Academy +of Sciences, The Nature Conservancy, World Wildlife Fund, Stockholm +Resilience Centre and the Royal Swedish Academy of Sciences. +https://naturalcapitalproject.stanford.edu/software/invest + **Colaboradores/as**\*: .. hlist:: @@ -102,14 +139,24 @@ Resilience Centre. * Zheng, Hua * Ziv, Guy -Además, agradecemos la ayuda de cientos de colaboradores co-creando -soluciones en compromisos en todo el mundo. +Además, agradecemos la ayuda de cientos de colaboradores que han cocreado +soluciones en el contexto de compromisos en todo el mundo. \*Hacemos todo lo posible para mantener esta lista completa y actualizada, pero reconocemos -es posible que hayamos perdido a alguien sin darnos cuenta. Si no ve su nombre en la lista -anterior y cree que debería serlo, comuníquese con -naturalcapitalproject@stanford.edu. - +que es posible que hayamos dejado de lado a alguien sin darnos cuenta. Si no ve su nombre en la lista +anterior y cree que este debería constar, comuníquese con naturalcapitalproject@stanford.edu. + +Directrices de atribución +------------------------- +Cuando haga referencia a análisis o productos de datos +producidos con InVEST, cite el uso de InVEST e incluya un hipervínculo +(por ejemplo, Wste análisis utilizó InVEST :sup:`®` : +https://naturalcapitalproject.stanford.edu/software/invest). El símbolo de marca +(:sup:`®`) debe utilizarse en la primera mención de InVEST. La cita completa de +artículos, informes, etc. está disponible más arriba. También puede utilizar el +logotipo de InVEST `_ +de acuerdo con nuestra política de uso de marcas y logotipos +`_ . Introducción y puesta en marcha ------------------------------- diff --git a/source/es/input_types.rst b/source/es/input_types.rst index 32f7ded9..3a2a7b9e 100644 --- a/source/es/input_types.rst +++ b/source/es/input_types.rst @@ -61,7 +61,7 @@ Los inputs verdadero/falso suelen aparecer como una casilla de verificación. Al CSV --- -Una tabla de datos almacenada en formato .csv (valores separados por comas). Puede utilizar cualquier programa de hoja de cálculo para crear y editar una tabla, y luego exportarla al formato CSV. Los dos formatos CSV proporcionados por Excel que se sabe que funcionan son "CSV (delimitado por comas)" y "CSV UTF-8 (delimitado por comas)". Otros formatos CSV probablemente producirán un error. +Tabla de datos almacenados en formato .csv (valores separados por comas). Aunque la coma es estándar, pueden utilizarse otros delimitadores como el punto y coma. Puede utilizar cualquier programa de hoja de cálculo para crear y editar una tabla y, a continuación, exportarla al formato CSV. Los dos formatos CSV proporcionados por Excel que se sabe que funcionan son "CSV (delimitado por comas)" y "CSV UTF-8 (delimitado por comas)". Otros formatos CSV podrían producir errores. .. _raster: diff --git a/source/es/ndr.rst b/source/es/ndr.rst index 997ab55d..95f855bb 100644 --- a/source/es/ndr.rst +++ b/source/es/ndr.rst @@ -80,7 +80,7 @@ La NDR superficial es el producto de un factor de suministro, que representa la donde :math:`IC_0` and :math:`k` son parámetros de calibración, :math:`IC_i` es un índice topográfico, y :math:`NDR_{0,i}` es la proporción de nutrientes que no son retenidos por los píxeles pendiente abajo (independientemente de la posición del píxel en el paisaje). A continuación, ofrecemos detalles sobre el cálculo de cada factor. -:math:`NDR_{0,i}` se basa en la máxima eficacia de retención del terreno entre un píxel y el cauce (trayectoria descendente, en la Figura 1): +:math:`NDR_{0,i}` se basa en la máxima eficacia de retención del terreno entre un píxel y el cauce (trayectoria descendente, en la Figura 5): .. math:: NDR_{0,i} = 1 - eff'_i :label: ndr_0 @@ -199,15 +199,6 @@ El mapa de corrientes del modelo (**stream.tif**) se calcula mediante el ráster 0, & \text{otherwise} \\ \end{array}\right\} -Limitaciones ------------- - -El modelo tiene un pequeño número de parámetros y los resultados muestran generalmente una alta sensibilidad a los inputs. Esto implica que los errores en los valores empíricos de los parámetros de carga tendrán un gran efecto en las predicciones. Del mismo modo, los valores de la eficiencia de retención se basan en estudios empíricos, y los factores que afectan a estos valores (como la pendiente o la variabilidad intra-anual) se promedian. Estos valores incorporan implícitamente información sobre la dinámica dominante de los nutrientes, influida por el clima y los suelos. El modelo también asume que una vez que el nutriente llega a la corriente e impacta la calidad del agua en la salida de la cuenca, no se capturan los procesos dentro de la corriente. Por último, no se ha estudiado bien el efecto de la resolución de la cuadrícula en la formulación de NDR. - -Se recomienda realizar análisis de sensibilidad para investigar cómo los intervalos de confianza en los parámetros de input afectan a las conclusiones del estudio (Hamel et al., 2015). - -Véase también la sección "Interpretación del modelo biofísico" para obtener más detalles sobre las incertidumbres del modelo. - Evaluación de los servicios de retención de nutrientes ------------------------------------------------------ @@ -218,12 +209,22 @@ Para calcular los servicios de retención de nitrógeno por píxel dentro de un La valoración monetaria (o no monetaria) de los servicios de retención de nutrientes es muy específica del contexto. Una nota importante sobre la asignación de un valor monetario a cualquier servicio es que la valoración solo debe hacerse sobre los resultados del modelo que han sido calibrados y validados. De lo contrario, no se sabe lo bien que el modelo representa el área de interés, lo que puede llevar a una representación errónea del valor exacto. Si el modelo no ha sido calibrado, solo deben utilizarse resultados relativos (como un aumento del 10%) y no valores absolutos (como 1.523 kg o 42.900 dólares). +Limitaciones y simplificaciones +=============================== + +El modelo tiene un número reducido de parámetros y los resultados suelen ser muy sensibles a los inputs. Esto implica que los errores en los valores empíricos de los parámetros de carga tendrán un gran efecto en las predicciones. Del mismo modo, los valores de la eficacia de retención se basan en estudios empíricos, y los factores que afectan a estos valores (como la pendiente o la variabilidad intraanual) se promedian. Estos valores incorporan implícitamente información sobre la dinámica dominante de los nutrientes, influida por el clima y los suelos. El modelo también asume que, una vez que el nutriente llega a la corriente, afecta a la calidad del agua en la salida de la cuenca, sin que se capten los procesos dentro de la corriente. Por último, no se ha estudiado bien el efecto de la resolución de la cuadrícula en la formulación del NDR. + +Se recomienda realizar análisis de sensibilidad para investigar cómo los intervalos de confianza en los parámetros de entrada afectan a las conclusiones del estudio (Hamel et al., 2015). + +Véase también la sección "Interpretación del modelo biofísico" donde hay más detalles sobre las incertidumbres del modelo. Nacesidades de datos ==================== .. note:: *Todos los inputs espaciales deben tener exactamente el mismo sistema de coordenadas proyectadas* (con unidades lineales de metros), *no* un sistema de coordenadas geográficas (con unidades de grados). +.. note:: Los resultados solo se pueden calcular en los píxeles en los que *todos* los rásteres de entrada tienen valores válidos. Si algún ráster de entrada tiene el valor NoData en un píxel, entonces el resultado también será NoData en ese píxel. + .. note:: Los inputs en ráster pueden tener diferentes tamaños de celda y serán remuestreadas para que coincidan con el tamaño de celda del MDE. Por lo tanto, todos los resultados del modelo tendrán el mismo tamaño de celda que el MDE. El modelo tiene opciones para calcular el nitrógeno, el fósforo o ambos. Debe proporcionar todos los inputs correspondientes al nutriente o nutrientes elegidos. @@ -252,10 +253,10 @@ El modelo tiene opciones para calcular el nitrógeno, el fósforo o ambos. Debe - :investspec:`ndr.ndr biophysical_table_path.columns.load_[NUTRIENT]` .. note:: - Las cargas son las fuentes de nutrientes asociadas a cada clase de LULC. Este valor es la carga total de todas las fuentes. Si desea representar diferentes niveles de aplicación de fertilizantes, tendrá que crear clases LULC separadas, por ejemplo una clase llamada "cultivos - alto uso de fertilizantes" una clase separada llamada "cultivos - bajo uso de fertilizantes", etc. + Las cargas son las fuentes de nutrientes asociadas a cada píxel del paisaje. En consonancia con la bibliografía sobre coeficientes de exportación (California Regional Water Quality Control Board Central Coast Region, 2013; Reckhow et al., 1980), los valores de carga para cada clase de LULC se derivan de medidas empíricas de exportación de nutrientes (por ejemplo, exportación de nutrientes que escurren de zonas urbanas, cultivos, etc.). Alternativamente, si se dispone de información sobre la cantidad de nutrientes aplicados (por ejemplo, fertilizantes, residuos ganaderos, deposición atmosférica), es posible utilizarla estimando el uso de nutrientes en el píxel y aplicando este factor de corrección para obtener los parámetros de carga. Para más información, véase la sección Necesidades de datos. .. note:: - Los valores de carga pueden expresarse como la cantidad de nutrientes aplicados (por ejemplo, fertilizantes, residuos ganaderos, deposición atmosférica); o como medidas "extensivas" de contaminantes, que son valores empíricos que representan la contribución de una parcela al presupuesto de nutrientes (por ejemplo, la exportación de nutrientes que se escapa de las zonas urbanas, los cultivos, etc.) En este último caso, la carga debe corregirse en función de la retención de nutrientes de los píxeles pendiente abajo del mismo LULC. Por ejemplo, si el valor de exportación medido (o derivado empíricamente) para el bosque es de 3 kg.ha-1.año-1 y la eficiencia de retención es de 0,8, se debe introducir 15(kg.ha-1.año-1) en la columna n_carga de la tabla biofísica; el modelo calculará el nutriente que sale del píxel del bosque como 15*(1-0,8) = 3 kg.ha-1.año-1. + Las fuentes de datos pueden proporcionar valores de carga como la cantidad de nutrientes aplicados (por ejemplo, fertilizantes, residuos ganaderos, deposición atmosférica); o como medidas "extensivas" de contaminantes, que son valores empíricos que representan la contribución de una parcela al balance de nutrientes (por ejemplo, exportación de nutrientes que escurren de zonas urbanas, cultivos, etc.). En el caso de tener valores de nutrientes aplicados, estos deben corregirse en función de la retención de nutrientes proporcionada por el propio píxel, utilizando la tasa de aplicación y el valor de eficiencia de retención (*eff_n* o *eff_p*) para ese tipo de cubierta terrestre: - :investspec:`ndr.ndr biophysical_table_path.columns.eff_[NUTRIENT]` La capacidad de retención de nutrientes de un determinado tipo de vegetación se expresa como una proporción de la cantidad de nutrientes procedentes de la ladera. Por ejemplo, se pueden asignar valores altos (de 0,6 a 0,8) a todos los tipos de vegetación natural (como bosques, pastos naturales, humedales o praderas), lo que indica que se retiene entre el 60 y el 80% de los nutrientes. @@ -287,7 +288,7 @@ El modelo tiene opciones para calcular el nitrógeno, el fósforo o ambos. Debe - :investspec:`ndr.ndr subsurface_eff_n` Interpretación de los resultados --------------------------------- +================================ En los nombres de los archivos que aparecen a continuación, "x" significa n (nitrógeno) o p (fósforo), dependiendo de los nutrientes que se hayan modelizado. La resolución de los rásters resultantes será la misma que la del MDE proporcionado como input. @@ -301,13 +302,13 @@ En los nombres de los archivos que aparecen a continuación, "x" significa n (ni * *n_surface_load*: Cargas (fuentes) totales de nitrógeno en la cuenca, es decir, la suma de la contribución de nutrientes de todas las LULC superficiales sin filtrar por el paisaje [unidades kg/año] * *n_subsurface_load*: Cargas totales de nitrógeno subsuperficial en la cuenca [unidades kg/año] * *p_surface_export*: Exportación total de fósforo de la cuenca por flujo superficial [unidades kg/año] (Eq. :eq:`total_nutrient_export`) - * *n_surface_export*: Exportación total de fósforo de la cuenca por flujo superficial [unidades kg/año] (Eq. :eq:`total_nutrient_export`) - * *n_subsurface_export*: Exportación total de fósforo de la cuenca por flujo superficial [unidades kg/año](Eq. :eq:`total_nutrient_export`) + * *n_surface_export*: Exportación total de nitrógeno de la cuenca por flujo superficial [unidades kg/año] (Eq. :eq:`total_nutrient_export`) + * *n_subsurface_export*: Exportación total de nitrógeno de la cuenca por flujo subsuperficial [unidades kg/año](Eq. :eq:`total_nutrient_export`) * *n_total_export*: Exportación total de nitrógeno de la cuenca por flujo superficial y subsuperficial [unidades kg/año] (Eq. :eq:`total_nutrient_export`) - * **p_surface_export.tif**: Un mapa a nivel de píxel que muestra cuánto fósforo de cada píxel llega finalmente a la corriente por flujo superficial [Unidades: kg/pixel] (Eq. :eq:`nutrient_export`) - * **n_surface_export.tif**: Un mapa a nivel de píxel que muestra cuánto nitrógeno de cada píxel llega finalmente a la corriente por flujo superficial [Unidades: kg/pixel] (Eq. :eq:`nutrient_export`) - * **n_subsurface_export.tif**: Un mapa a nivel de píxel que muestra cuánto nitrógeno de cada píxel llega finalmente a la corriente por flujo subsuperficial [Unidades: kg/pixel] (Eq. :eq:`nutrient_export`) + * **p_surface_export.tif**: Un mapa a nivel de píxel que muestra cuánto fósforo de cada píxel llega finalmente a la corriente por flujo superficial [Unidades: kg/pixel/año] (Eq. :eq:`nutrient_export`) + * **n_surface_export.tif**: Un mapa a nivel de píxel que muestra cuánto nitrógeno de cada píxel llega finalmente a la corriente por flujo superficial [Unidades: kg/pixel/año] (Eq. :eq:`nutrient_export`) + * **n_subsurface_export.tif**: Un mapa a nivel de píxel que muestra cuánto nitrógeno de cada píxel llega finalmente a la corriente por flujo subsuperficial [Unidades: kg/pixel/año] (Eq. :eq:`nutrient_export`) * **n_total_export.tif**: Un mapa a nivel de píxel que muestra cuánto nitrógeno de cada píxel llega finalmente a la corriente (la suma de **n_surface_export.tif** y **n_subsurface_export.tif**) [Unidades: kg/píxel] (Eq. :eq:`nutrient_export`) * **[Workspace]\\intermediate_outputs** folder: @@ -386,7 +387,13 @@ Carga de nutrientes ------------------- Para todos los parámetros de calidad del agua (carga de nutrientes, eficiencia de retención y duración de la retención), debe consultarse la bibliografía local para obtener los valores específicos del lugar. La base de datos de parámetros de nutrientes de NatCap ofrece una lista no exhaustiva de referencias locales para las cargas de nutrientes y las eficiencias de retención: https://naturalcapitalproject.stanford.edu/sites/g/files/sbiybj9321/f/nutrient_db_0212.xlsx. Parn et al. (2012) y Harmel et al. (2007) ofrecen una buena revisión para las tierras agrícolas de clima templado. -Se pueden encontrar ejemplos de coeficientes de exportación (medidas "extensivas", véase Necesidades de datos) para los EE.UU. en el manual de PLOAD de la EPA y en una revisión de Lin (2004). Obsérvese que los ejemplos de la guía de la EPA están en libras/acres/año y deben convertirse a kilogramos/hectáreas/año. +Las fuentes de datos pueden proporcionar valores de carga como la cantidad de nutrientes aplicados (por ejemplo, fertilizantes, residuos ganaderos, deposición atmosférica); o como medidas "extensivas" de contaminantes, que son valores empíricos que representan la contribución de una parcela al balance de nutrientes (por ejemplo, exportación de nutrientes que escurren de zonas urbanas, cultivos, etc.). En el caso de tener valores de nutrientes aplicados, deben corregirse en función de la retención de nutrientes proporcionada por el propio píxel, utilizando la tasa de aplicación y el valor de eficiencia de retención (*eff_n* o *eff_p*) para ese tipo de cubierta terrestre. + +application_load * (1 - retention_efficiency) + +Por ejemplo, si la tasa de aplicación de nitrógeno para una clase LULC agrícola es de 10 kg/ha/año y la eficiencia de retención es de 0,4, deberá introducir un valor de 6.0 en la columna *n_load* de la tabla biofísica. Si dispone de valores "extensivos"/de exportación, puede utilizarlos directamente en la tabla biofísica sin corrección. + +Se pueden encontrar ejemplos de coeficientes de exportación (medidas "extensivas") para EE.UU. en el Manual del usuario de PLOAD de la EPA y en una revisión de Lin (2004). Nótese que los ejemplos de la guía de la EPA están en lbs/ac/año y deben convertirse a kg/ha/año. Eficiencia de retención ----------------------- diff --git a/source/es/recreation.rst b/source/es/recreation.rst index 336ec289..24adac7f 100644 --- a/source/es/recreation.rst +++ b/source/es/recreation.rst @@ -49,7 +49,7 @@ La herramienta comienza transformando en logaritmo todos los valores de :math:`y Días de usuarios de fotos ------------------------- -Dado que los datos precisos sobre el número de visitantes a menudo solo se recogen en unos pocos lugares específicos de cualquier región de estudio, suponemos que la visitación actual puede aproximarse mediante el número total de días-persona anuales de fotografías cargadas en el sitio web para compartir fotografías `flickr `_. Muchas de las fotografías de flickr se han asignado a una latitud/longitud específica. Utilizando esta ubicación, junto con el nombre de quien fotografía y la fecha en que se tomó la imagen, el modelo InVEST cuenta el total de fotos-usuarios-días para cada celda de la cuadrícula o polígono. Un fotos-usuarios-días en un lugar es un único fotógrafo que tomó al menos una fotografía en un día específico. Para cada celda, el modelo suma el número de fotos-usuarios-días para todos los días de 2005 a 2014 (o un rango definido por usted dentro de esos años), y devuelve el número medio anual de fotos-usuarios-días (PUD_YR_AVG). PUD_YR_AVG es :math:`y_i` en la ecuación anterior. +Dado que a menudo solo se recogen datos a escala fina sobre el número de visitantes en unos pocos lugares concretos de cualquier región de estudio, suponemos que la frecuentación actual puede aproximarse mediante el número total de días-persona anuales de fotografías subidas al sitio web para compartir fotografías `flickr `_. Muchas de las fotografías de flickr se han asignado a una latitud/longitud específica. Utilizando esta ubicación, junto con el nombre de usuario del fotógrafo y la fecha en que se tomó la imagen, el modelo InVEST cuenta el total de foto-usuarios-día de cada cuadrícula o polígono. Un foto-usuario-día en una ubicación es un fotógrafo único que tomó al menos una foto en un día específico. Para cada celda, el modelo suma el número de foto-usuarios-día para todos los días de 2005-2017 (o un rango definido por el usuario dentro de esos años), y devuelve el número medio anual de foto-usuarios-día (PUD_YR_AVG). PUD_YR_AVG es :math:`y_i` en la ecuación anterior. Hemos observado que el número de personas que visitan un lugar anualmente para recrearse está relacionado con el número de fotografías tomadas en la misma zona y subidas a la base de datos de flickr en 836 atracciones para visitantes de todo el mundo (Wood et al. 2013). La densidad de las fotografías varía espacialmente, lo que repercute en el tamaño de la celda que puede elegirse para el análisis (véase :ref:`rec-data-needs`: Tamaño de la celda). Los cálculos de la PUD se realizan en un servidor remoto a partir de un amplio conjunto de datos globales que el Proyecto Natural Capital se encarga de conservar y mantener. @@ -66,7 +66,7 @@ Análisis de escenarios Si se calcula una regresión, el modelo puede estimar opcionalmente las tasas de visitación dado un conjunto de predictores modificados que representan un escenario futuro o alternativo. Los predictores del escenario deben representar las mismas características que se seleccionaron como variables predictivas, pero pueden representar versiones modificadas de esas características (por ejemplo, redes de carreteras modificadas, puntos de hotel adicionales, distribuciones de hábitat alteradas, etc.). Las predicciones de los escenarios se realizan utilizando la ecuación de regresión anterior. En primer lugar, se estiman los coeficientes de cada variable predictiva como se describe en :ref:`rec-how-it-works`, y luego se aplican esos coeficientes a los valores de cada predictor que se ha modificado para un escenario. Consulte la sección :ref:`rec-data-needs` para obtener más detalles sobre la preparación de los datos del escenario. Limitaciones y simplificaciones -------------------------------- +=============================== El modelo no presupone que ninguna variable de predicción tenga un efecto sobre las visitas. En cambio, la herramienta estima la magnitud del efecto de cada predictor basándose en su correspondencia espacial con la visitación actual en el área de interés. Los valores de fotos-personas-días por celdas se toman como medida de la visitación y se hace una regresión contra los valores de las variables predictivas en todas las celdas. Cuando se proporciona una tabla de predicción de escenarios, la herramienta utiliza los valores :math:`beta_{p}` calculados para la tabla de predicción y los aplica a los predictores de escenarios futuros. Este paso requiere la suposición de que las respuestas de las personas a los atributos que sirven de predictores en el modelo no cambiarán con el tiempo. En otras palabras, en el futuro, las personas seguirán siendo atraídas o repelidas por los predictores de la misma manera que lo son actualmente. diff --git a/source/es/routedem.rst b/source/es/routedem.rst index 23dcd080..dff43157 100644 --- a/source/es/routedem.rst +++ b/source/es/routedem.rst @@ -28,6 +28,10 @@ Los modelos de agua dulce de InVEST se dirigen por medio de un modelo digital de * Crear corrientes cn base en la acumulación de flujo. +* Determinar el orden de las corrientes de Strahler. + +* Delinear las subcuencas a partir de las corrientes. + Esta herramienta puede ser útil cuando prepare su MDE para utilizarlo en los modelos de agua dulce. Para estos modelos, usted querrá crear arroyos que sean continuos (no cortados), y necesitará elegir un valor de Umbral de Acumulación de Flujo que cree una red de corrientes modelizada que sea lo más cercana posible a la red de corrientes del mundo real. Con RouteDEM puede probar su MDE, ver cómo lo maneja InVEST y crear rastreos de corrientes que le ayuden a elegir un valor de umbral apropiado, sin necesidad de ejecutar todo el modelo de agua dulce. Después de instalar InVEST, esta herramienta se puede encontrar en el menú de inicio bajo la carpeta InVEST como una utilidad llamada *RouteDEM*. @@ -35,8 +39,8 @@ Después de instalar InVEST, esta herramienta se puede encontrar en el menú de RouteDEM siempre resolverá los sumideros y mesetas antes de enrutar el flujo. -Inputs de la herramienta -======================== +Necesidades de datos +==================== - :investspec:`routedem workspace_dir` @@ -60,6 +64,10 @@ Inputs de la herramienta - :investspec:`routedem calculate_downslope_distance` Esto se escribirá en el archivo resultante *downslope_distance.tif* en el espacio de trabajo. La distancia se da en número de píxeles. Para traducir esta distancia de píxeles a unidades lineales, multiplique el ráster *downslope_distance.tif* por el tamaño de los píxeles. +- :investspec:`routedem calculate_stream_order` + +- :investspec:`routedem calculate_subwatersheds` + Referencias =========== diff --git a/source/es/scenic_quality.rst b/source/es/scenic_quality.rst index abb99df8..30a3a3ed 100644 --- a/source/es/scenic_quality.rst +++ b/source/es/scenic_quality.rst @@ -33,11 +33,11 @@ El modelo creará tres resultados que pueden utilizarse para evaluar el impacto * *vshed_qual.tif* es un ráster que representa la calidad visual de un determinado píxel. Las celdas de *vshed_Value.tif* se clasifican según los siguientes percentiles: - 1. No afectado - 2. Impacto visual bajo / Calidad visual alta (< percentil 25) - 3. Impacto visual moderado / Calidad visual media (percentil 25-50) - 4. Impacto visual alto / Calidad visual baja (percentil 50-75) - 5. Impacto visual muy alto / Calidad visual mala (> percentil 75) + 0. No afectado + 1. Impacto visual bajo / Calidad visual alta (< percentil 25) + 2. Impacto visual moderado / Calidad visual media (percentil 25-50) + 3. Impacto visual alto / Calidad visual baja (percentil 50-75) + 4. Impacto visual muy alto / Calidad visual mala (> percentil 75) Se generan archivos adicionales para cada característica *X* en cada paso del cálculo: @@ -76,7 +76,7 @@ Logarítmica: Exponencial: .. math:: f(x) = a \cdot e^{(-b \cdot x)} - :name: forma exponencial + :name: forma exponencial Donde *x* es la distancia en metros desde el centro de la celda a una característica puntual, y *a* y *b* son coeficientes definidos por usted. Con los valores de los parámetros por defecto (*a=1*, *b=0*), el modelo calcula una cuanca visual agregada. La función de valoración se calcula hasta un radio de valoración máximo que por defecto es de 8000 metros. @@ -130,11 +130,12 @@ Valoración - :investspec:`scenic_quality.scenic_quality max_valuation_radius` La función de valoración :math:`f` no puede ser negativa en el radio :math:`r` (:math:`f(r)>=0`). -Resultados finales ------------------- +Interpretación de los resultados +================================ Carpeta de resultados -^^^^^^^^^^^^^^^^^^^^^ +--------------------- + * **Output\\vshed_qual.tif** * Esta capa ráster contiene un campo que clasifica por cuartiles la calidad visual dentro del ADI. Las clases de calidad visual incluyen: no afectada (sin impacto visual), alta (impacto visual bajo), media (impacto visual moderado), baja (impacto visual alto) y muy baja (impacto visual muy alto). @@ -150,7 +151,7 @@ Carpeta de resultados * Esta capa ráster contiene la suma ponderada de los rásters de valoración creados para cada punto. Carpeta intermedia -^^^^^^^^^^^^^^^^^^ +------------------ * **intermediate\\dem_clipped.tif** @@ -191,16 +192,16 @@ Center for International Earth Science Information Network (CIESIN), Columbia Un Environmental Design and Research, P.C. 2006. Seascape and shoreline visibility assessment. Cape Wind Energy Project. Cape Cod, Martha’s Vineyard, and Nantucket, Massachusetts. Prepared for Cape Wind Associates, L.L.C. Boston, Mass. Syracuse, N.Y. July 2006. -Firestone, J., Kempton, W. y Krueger, A., 2009. Public acceptance of offshore wind power projects in the USA. Wind Energy, 12(2):183-202. +Firestone, J., Kempton, W. y Krueger, A., 2009. Public acceptance of offshore wind power projects in the USA. Wind Energy, 12(2):183-202. Haggett, C. 2011. Understanding public responses to offshore wind power. Energy Policy. 39: 503-510. Krueger, A., Parson, G. y Firestone, J., 2010. Valuing the visual disamenity of offshore wind power at varying distances from the shore: An application of on the Delaware shoreline. Working paper. Available at: https://works.bepress.com/george_parsons/. -Ladenburg, J. y Dubgaard, A., 2009. Preferences of coastal zone user groups regarding the siting of offshore wind farms. Ocean & Coastal Management, 52(5): 233-242. +Ladenburg, J. y Dubgaard, A., 2009. Preferences of coastal zone user groups regarding the siting of offshore wind farms. Ocean & Coastal Management, 52(5): 233-242. -Perez, O.M., Telfer, T.C. y Ross, L.G., 2005. Geographical information systems-based models for offshore floating marine fish cage aquaculture site selection in Tenerife, Canary Islands. Aquaculture Research, 36(10):946-961. +Perez, O.M., Telfer, T.C. y Ross, L.G., 2005. Geographical information systems-based models for offshore floating marine fish cage aquaculture site selection in Tenerife, Canary Islands. Aquaculture Research, 36(10):946-961. -Sander, H.A. y Polasky, S., 2009. The value of views and open space: Estimates from a hedonic pricing model for Ramsey County, Minnesota, USA. Land Use Policy, 26(3):837-845. +Sander, H.A. y Polasky, S., 2009. The value of views and open space: Estimates from a hedonic pricing model for Ramsey County, Minnesota, USA. Land Use Policy, 26(3):837-845. Wang, J., Robertson, G.J., White, K., 2000. Generating viewsheds without using sightlines. Photogrammetric Engineering & Remote Sensing, 66(1):87-90 diff --git a/source/es/sdr.rst b/source/es/sdr.rst index b85c191f..09172876 100644 --- a/source/es/sdr.rst +++ b/source/es/sdr.rst @@ -7,22 +7,7 @@ SDR: Tasa de suministro de sedimentos Resumen ======= -El objetivo del modelo InVEST Tasa de suministro de sedimentos (SDR) es cuantificar y mapear la generación de sedimentos por tierra y su suministro a la corriente. En muchos lugares del mundo se observa un aumento de la carga de sedimentos en las masas de agua, lo que afecta drásticamente a la calidad del agua y al manejo de los embalses (UNESCO 2009). El servicio de retención de sedimentos que proporciona la vegetación es de gran interés para quienes manejan el agua y la tierra. Entender dónde se producen y suministran los sedimentos les permite diseñar mejores estrategias para reducir la carga de sedimentos mediante cambios en el uso del suelo y en las prácticas de manejo. Los cambios en la carga de sedimentos pueden tener impactos en el riego aguas abajo, el tratamiento del agua, las actividades recreativas y el rendimiento de los embalses, mientras que la pérdida de suelo de la tierra puede reducir la productividad agrícola. Estos impactos pueden valorarse económicamente combinando los resultados del modelo InVEST SDR con información sobre los costos de mitigación evitados, los costos de sustitución o la disposición a pagar. - - -Cambios recientes en el modelo SDR -================================== - -A partir de la versión 3.12.0 de InVEST, se han realizado varias revisiones significativas en el modelo SDR para mejorar su usabilidad, transparencia y precisión. Estos cambios se resumen aquí y se describen con más detalle en las secciones y ecuaciones relacionadas a lo largo de este capítulo. - -* El término "deposición" se ha cambiado por "atrapamiento", y el parámetro intermedio :math:`R` se ha cambiado por :math:`T`, para evitar la confusión con el factor R utilizado en la USLE. - -* Se ha actualizado el cálculo de los parámetros intermedios :math:`R` (ahora actualizado a :math:`T`, atrapamiento) y :math:`F` (flujo). Anteriormente, :math:`R` y :math:`F` se calculaban de tal manera que el sedimento que se erosiona de un píxel (calculado por la Ecuación Universal Revisada de Pérdida de Suelo o RUSLE) puede ser atrapado por la vegetación en ese mismo píxel. Esto es conceptualmente incoherente: el papel de la vegetación para reducir la erosión y la escorrentía de sedimentos de un píxel ya se recoge en el factor C de RUSLE (Wischmeier y Smith, 1978). Al permitir el atrapamiento inmediato de sedimentos en el mismo píxel, esto equivale a contabilizar dos veces el papel de la vegetación. Con el cálculo actualizado, todos los sedimentos que se erosionan en un píxel van al siguiente píxel pendiente abajo, donde pueden quedar atrapados o seguir fluyendo pendiente abajo. *Este cambio no afectará a las estimaciones de la calidad del agua para un escenario determinado en relación con la formulación anterior del modelo. Sin embargo, dará lugar a cierto cambio en la atribución de los servicios de retención de sedimentos en el paisaje.* Por lo tanto, es probable que vea diferencias en los resultados en comparación con las versiones anteriores de InVEST. - -* Se han añadido dos nuevos resultados ("erosión evitada" y "exportación evitada"), que cuantifican explícitamente el servicio de retención de sedimentos en el paisaje. Anteriormente, no estaba claro qué resultado del modelo, o combinación de resultados, debía utilizarse para valorar el servicio ecosistémico. - -* Se han eliminado dos índices de retención de sedimentos heredados (*sed_retention.tif* y *sed_retention_index.tif*). Eran solo índices (no cantidades) y su utilidad no estaba clara, especialmente en el contexto de los nuevos resultados. - +El objetivo del modelo InVEST Sediment Delivery Ratio (SDR) es cuantificar y cartografiar la generación y entrega de sedimentos de la tierra a la corriente. En muchos lugares del mundo se observa un aumento de la carga de sedimentos en las masas de agua, lo que afecta drásticamente a la calidad del agua y a la gestión de los embalses (UNESCO 2009). El servicio de retención de sedimentos que proporciona la vegetación es de gran interés para los gestores del agua y los administradores del territorio. Comprender dónde se producen y entregan los sedimentos permite a los gestores diseñar estrategias mejoradas para reducir la carga de sedimentos mediante cambios en el uso del suelo y en las prácticas de gestión. Los cambios en la carga de sedimentos pueden tener repercusiones en el riego aguas abajo, el tratamiento del agua, las actividades recreativas y el rendimiento de los embalses, mientras que la pérdida de suelo de la tierra puede reducir la productividad agrícola. Estos impactos pueden valorarse económicamente combinando los resultados del modelo SDR de InVEST con información sobre los costos de mitigación evitados, los costos de sustitución o la disposición a pagar. Introducción ============ @@ -36,12 +21,31 @@ El modelo InVEST SDR se centra solo en la erosión terrestre, no modeliza la ero .. figure:: ./sdr/sediment_budget.png -Figura 1. Presupuesto general de sedimentos de la cuenca. El tamaño relativo de las flechas cambia en función del entorno. El modelo InVEST se centra en las fuentes y sumideros terrestres, y no incluye los demás. +*Figura 1. Presupuesto general de sedimentos de la cuenca. El tamaño relativo de las flechas cambia en función del entorno. El modelo InVEST se centra en las fuentes y sumideros terrestres, y no incluye los demás.* El modelo ========= +Cambios recientes en el modelo SDR +---------------------------------- + +A partir de la versión 3.12.0 de InVEST, se han introducido varias revisiones importantes en el modelo SDR para mejorar su facilidad de uso, transparencia y precisión. Estos cambios se resumen aquí y se describen con más detalle en las secciones y ecuaciones relacionadas a lo largo de este capítulo. + +* El término "deposición" se ha cambiado por "atrapamiento", y el parámetro intermedio :math:`R` se ha cambiado por :math:`T`, para evitar confusiones con el factor R utilizado en la USLE. + +* Se ha actualizado el cálculo de los parámetros intermedios :math:`R` (ahora actualizado a :math:`T`, atrapamiento) y :math:`F` (flujo). Anteriormente, :math:`R` y :math:`F` se calculaban de forma que el sedimento que erosiona un píxel (calculado mediante la Ecuación Universal Revisada de Pérdida de Suelo o RUSLE) puede ser atrapado por la vegetación en ese mismo píxel. Esto es conceptualmente incoherente: el papel de la vegetación para reducir la erosión y la escorrentía de sedimentos de un píxel ya se recoge en el factor C de RUSLE (Wischmeier y Smith, 1978). Al permitir la captura inmediata de sedimentos en el mismo píxel, esto equivalía a contabilizar dos veces el papel de la vegetación. Con el cálculo actualizado, todo el sedimento que se erosiona de un píxel va al siguiente píxel ladera abajo, donde puede quedar atrapado o seguir fluyendo ladera abajo. *Este cambio no afectará a las estimaciones de la calidad del agua para ningún escenario dado en relación con la formulación anterior del modelo. Sin embargo, dará lugar a algún cambio en la atribución de los servicios de retención de sedimentos que se prestan en el paisaje, por lo que es probable que se observen diferencias en los resultados, en comparación con las versiones anteriores de InVEST. + +* Se han añadido dos nuevos resultados ("erosión evitada" y "exportación evitada"), que cuantifican explícitamente el servicio de retención de sedimentos en el paisaje. Anteriormente, no estaba claro qué resultado del modelo, o combinación de resultados, debía utilizarse para valorar el servicio ecosistémico. + +* Se han eliminado dos índices de retención de sedimentos heredados (*sed_retention.tif* y *sed_retention_index.tif*). Solo eran índices (no cantidades) y su utilidad no estaba clara, especialmente en el contexto de los nuevos resultados. + +A partir de la versión 3.14.0 de InVEST, hemos introducido dos cambios adicionales en el modelo SDR que alinean mejor sus resultados del Factor LS con la bibliografía, pero que, en consecuencia, modifican significativamente muchos de los resultados del modelo SDR. Anticipamos que este cambio hará que los resultados del factor LS sean más realistas para muchos usuarios. + +* La longitud de aspecto del Factor LS se calcula ahora como una función de la pendiente del radián :math:`\\alpha`, :math:`||\sin\alpha|| + |\cos\alpha|` en lugar de como la media ponderada del flujo proporcional en el píxel. + +* El área de contribución del factor LS corriente arriba se calcula ahora como una aproximación del área de captación específica, :math:`\sqrt{n\_upstream\_pixels \cdot pixel\_area}`, en lugar del área absoluta corriente arriba. Este cambio se ajusta a las situaciones unidimensionales para las que se desarrollaron y parametrizaron las ecuaciones del factor LS (y USLE en general), en las que el "área corriente arriba" en USLE no es un área real sino una longitud. Así, este cambio en el SDR de InVEST crea resultados más realistas y se ajusta mejor a la literatura y al enfoque LS adoptado en otros paquetes de software. Para una discusión completa de este cambio, por favor vea el correspondiente `InVEST development record `_. + Suministro de sedimentos ------------------------ @@ -81,8 +85,8 @@ donde .. math:: S = \left\{\begin{array}{lr} - 10.8\cdot\sin(\theta)+0.03, & \text{where } \theta < 9\% \\ - 16.8\cdot\sin(\theta)-0.50, & \text{where } \theta \geq 9\% \\ + 10.8\cdot\sin(\theta)+0.03, & \text{where } theta < 9\% \\ + 16.8\cdot\sin(\theta)-0.50, & \text{where } theta \geq 9\% \\ \end{array}\right\} @@ -90,11 +94,11 @@ donde * :math:`D` es la dimensión lineal de la celda de la red (:math:`m`) - * :math:`x_i` es la media del aspecto ponderado por el flujo de salida proporcional de la celda de rejilla :math:`i` determinada por el algoritmo de Dirección de Flujo Múltiple. Se calcula mediante + * :math:`x_i` es el aspecto :math:`i` determinado por el algoritmo de Dirección de Flujo Múltiple. Se calcula mediante - .. math:: x_i = \sum_{d\in{0,7\}} x_d\cdot P_i(d) + .. math:: x_i = | \sin \alpha_i | + | \cos \alpha_i | - donde :math:`x_d = |sin \alpha(d)| + |cos \alpha(d)|`, :math:`alpha(d)` es el ángulo del radián para la dirección :math:`d`, y :math:`P_i(d)` es la proporción del flujo total de salida en la celda :math:`i` en la dirección :math:`d`. + donde :math:`x_d = \alpha_i` es el ángulo de la pendiente en el píxel :math:`i`, en radianes. * :math:`m` es el factor de exponente de longitud RUSLE. @@ -131,7 +135,7 @@ Tasa de suministro de sedimentos .. figure:: ./sdr/connectivity_diagram.png -Figura 2. Enfoque conceptual utilizado en el modelo. La Tasa de suministro de sedimentos (SDR) para cada píxel es una función del área pendiente arriba y de la trayectoria del flujo descendente. +*Figura 2. Enfoque conceptual utilizado en el modelo. La Tasa de suministro de sedimentos (SDR) para cada píxel es una función del área pendiente arriba y de la trayectoria del flujo descendente.* | Las pendientes umbralizadas :math:`S_{th}` y los factores de manejo de la cobertura :math:`C_{th}` se utilizan para calcular :math:`D_{up}` y :math:`D_{dn}`. Se establece un límite inferior para evitar valores infinitos para :math:`IC`. También se aplica un límite superior a la pendiente para limitar el sesgo debido a valores muy altos de :math:`IC` en pendientes pronunciadas. (Cavalli et al., 2013). @@ -175,7 +179,7 @@ donde :math:`SDR_{max}` es la máxima SDR teórica, fijada en un valor medio de .. figure:: ../en/sdr/ic0_k_effect.png -Figura 3. Relación entre el índice de conectividad IC y SDR. El valor máximo de SDR se fija en :math:`SDR_{max}=0,8`. El efecto de la calibración se ilustra estableciendo :math:`k_b=1` y :math:`k_b=2` (línea sólida y discontinua, respectivamente), y :math:`IC_0=0,5` y :math:`IC_0=2` (líneas discontinuas negras y grises, respectivamente). +*Figura 3. Relación entre el índice de conectividad IC y SDR. El valor máximo de SDR se fija en :math:`SDR_{max}=0,8`. El efecto de la calibración se ilustra estableciendo :math:`k_b=1` y :math:`k_b=2` (línea sólida y discontinua, respectivamente), y :math:`IC_0=0,5` y :math:`IC_0=2` (líneas discontinuas negras y grises, respectivamente).* | Exportación de sedimentos @@ -242,7 +246,7 @@ donde :math:`F_i` es la cantidad de exportación de sedimentos que no llega al " .. figure:: ./sdr/SDR_connectivity_indices.png :scale: 25 % -Figura 4. Ilustración de los procesos relevantes de erosión y deposición de sedimentos, sus interconexiones espaciales y su representación en el modelo. La cantidad máxima de sedimento que podría erosionarse de un píxel se define como el valor USLE en ausencia de vegetación (RKLS). La diferencia entre éste y la erosión real con cobertura del suelo y manejo (RKLSCP) indica el papel de esos factores locales para evitar la erosión. Del sedimento que sale de un píxel (RKLSCP), solo una fracción (SDR) llega a un píxel de pendiente abajo. El resto (:math:`RKLSCP*(1-SDR)`) se retiene en los píxeles aguas abajo. Por lo tanto, el papel de la vegetación es doble: (1) evitar la erosión local y (2) atrapar el sedimento que se movilizó pendiente arriba. El recuadro de la parte inferior indica el destino potencial de los sedimentos erosionados. +*Figura 4. Ilustración de los procesos relevantes de erosión y deposición de sedimentos, sus interconexiones espaciales y su representación en el modelo. La cantidad máxima de sedimento que podría erosionarse de un píxel se define como el valor USLE en ausencia de vegetación (RKLS). La diferencia entre éste y la erosión real con cobertura del suelo y manejo (RKLSCP) indica el papel de esos factores locales para evitar la erosión. Del sedimento que sale de un píxel (RKLSCP), solo una fracción (SDR) llega a un píxel de pendiente abajo. El resto (:math:`RKLSCP*(1-SDR)`) se retiene en los píxeles aguas abajo. Por lo tanto, el papel de la vegetación es doble: (1) evitar la erosión local y (2) atrapar el sedimento que se movilizó pendiente arriba. El recuadro de la parte inferior indica el destino potencial de los sedimentos erosionados.* | | @@ -296,12 +300,18 @@ En algunas situaciones, el índice de conectividad definido por la topografía n Área definida de resultados ^^^^^^^^^^^^^^^^^^^^^^^^^^^ -La SDR y otros resultados del modelo se definen en términos de distancia al cauce (:math:`d_i`). Por lo tanto, estos resultados solo se definen para los píxeles que drenan a una corriente en el mapa (y por lo tanto están dentro de la cuenca de las corrientes). Los píxeles que no drenan a ningún cauce tendrán valores NoData en estos resultados. Los archivos de resultados afectados son: **d_dn.tif**, **ic.tif**, **e_prime.tif**, **sdr_factor.tif**, **sediment_deposition.tif**, **avoided_erosion.tif**, y **sed_export.tif**. +Hay tres cosas principales que definen el área donde el modelo produce valores en las capas de salida: + * Los resultados se limitan al área cubierta por el vector de entrada Cuencas. + * Los resultados solo se pueden calcular en los píxeles en los que *todos* los rásteres de entrada tienen valores válidos. Si algún ráster de entrada tiene el valor NoData en un píxel, entonces el resultado también será NoData en ese píxel. + * Los resultados que dependen de la distancia a la red de corrientes (como la SDR y otros resultados que se basan en ella), solo se calculan para los píxeles que drenan a una corriente. + +SDR y otros resultados del modelo se definen en términos de distancia a la corriente (:math:`d_i`). Por lo tanto, estas salidas solo se definen para píxeles que drenan a una corriente (salida **stream.tif**), tal y como se define por el Umbral de Acumulación de Flujo y el MDE dado como input. Los píxeles que no drenan a ninguna corriente tendrán valores NoData en estas salidas. Los archivos de salida afectados son: **d_dn.tif**, **ic.tif**, **e_prime.tif**, **sdr_factor.tif**, **sediment_deposition.tif**, **avoided_erosion.tif** y **sed_export.tif**. -Si usted ve áreas de NoData en estos resultados que no pueden ser explicadas por datos faltantes en los inputs, es probable que sea porque no están conectadas hidrológicamente a una corriente en el mapa. Esto puede ocurrir si su MDE tiene huecos o errores, si los límites del mapa no se extienden lo suficiente como para incluir corrientes en esa cuenca, o si su valor umbral de acumulación de flujo es demasiado alto para reconocer las corrientes. Puede confirmarlo comprobando el resultado intermedio **what_drains_to_stream.tif**, que indica qué píxeles drenan a una corriente. Compruebe el resultado de las corrientes (**stream.tif**) y asegúrese de que se ajusta lo más posible a las corrientes del mundo real. Consulte la sección :ref:`working-with-the-DEM` de esta guía de uso para obtener más información. +Si usted ve áreas NoData en estos resultados que no pueden ser explicadas por datos faltantes en los inputs, es probable que sea porque no están conectadas hidrológicamente a una corriente en el mapa. Esto puede ocurrir si su MDE tiene huecos o errores, si los límites del mapa no se extienden lo suficiente como para incluir corrientes en esa cuenca, o si su valor umbral de acumulación de flujo es demasiado alto para reconocer las corrientes. Puede confirmarlo comprobando el resultado intermedio **what_drains_to_stream.tif**, que indica qué píxeles drenan a una corriente. Compruebe el resultado de las corrientes (**stream.tif**) y asegúrese de que se ajusta lo más posible a las corrientes del mundo real. Consulte la sección :ref:`working-with-the-DEM` de esta guía de uso para obtener más información. -**Ejemplo:** A continuación se muestra un ejemplo del efecto de l umbral de acumulación de flujo en la extensión definida, en un área con múltiples cuencas hidrográficas que no están conectadas hidrológicamente. Dentro del área del mapa, se puede ver una red de corrientes conectadas que fluyen de noroeste a sureste, así como 3 trozos de corrientes que se cortan a lo largo del lado derecho del mapa. En los mapas de ejemplo que aparecen a continuación, la fila superior muestra las corrientes,(**stream.tif** resultado del SDR), mientras que la fila inferior muestra el SDR (**sdr_factor.tif**). +**Tenga en cuenta también que muchos de los resultados del SDR producen valores de NoData donde hay corrientes**. Esto se debe a que el modelo no incluye el procesamiento dentro de la corriente, y los cálculos del modelo se detienen cuando alcanzan una corriente, tal y como se define en el ráster de salida **stream.tif**. Así que si ve valores NoData que está intentando explicar, compárelos con **stream.tif** y vea si coinciden. Si lo hacen, este es el comportamiento esperado, y no hay entradas que se pueden cambiar que producirán valores dentro de las corrientes definidas. +**Ejemplo:** A continuación se muestra un ejemplo del efecto de la acumulación de caudal umbral en la extensión definida, en un área con múltiples cuencas hidrográficas que no están conectadas hidrológicamente. Dentro del área del mapa se puede ver una red de corrientes conectadas que fluyen de noroeste a sureste, así como 3 trozos de corrientes que se cortan a lo largo del lado derecho del mapa. En los mapas de ejemplo de abajo, los píxeles blancos de la fila superior son corrientes (**stream.tif** salida de SDR), mientras que la fila inferior muestra SDR (**sdr_factor.tif**). *Observe los píxeles negros en los rásteres SDR, que son píxeles NoData, ya que están dentro de la red de corrientes. En la columna de la izquierda, con un valor UAF de 100, las corrientes existen tanto en la cuenca inferior izquierda como en la superior derecha. El ráster SDR se define en todos los lugares en los que se definen los inputs, excepto un pequeño parche en el borde derecho que no drena a ninguna corriente. En la columna de la derecha, con un valor UAF de 1000, no hay ninguna corriente en la cuenca superior derecha. Como resultado, los píxeles de esa cuenca no drenan a ninguna corriente, y el ráster SDR correspondiente no está definido (como valores de NoData) en esa zona. @@ -309,21 +319,7 @@ En la columna de la derecha, con un valor UAF de 1000, no hay ninguna corriente .. figure:: ./sdr/example_different_tfa_effects.png :scale: 50 % -Figura 5. Ejemplo del efecto del parámetro Umbral de Acumulación de Flujo en la extensión del mapa resultante. - - -Limitaciones ------------- - - * Entre las principales limitaciones del modelo está su dependencia de la USLE (Renard et al., 1997). Esta ecuación se utiliza ampliamente, pero su alcance es limitado, ya que solo representa los procesos de erosión terrestre (de barranco/entre barrancos). Otras fuentes de sedimentos son la erosión de cárcavas, la erosión de riberas y la pérdida de masa por desprendimiento de tierras o rocas y la erosión glaciar. Wilkinson et al. (2014) ofrece una buena descripción de los procesos de erosión de los barrancos y las riberas, con posibles enfoques de modelización. Los movimientos de masas (desprendimientos) no están representados en el modelo, pero pueden ser una fuente importante en algunas zonas o bajo ciertos cambios de uso del suelo, como la construcción de carreteras. - -* Un corolario es que las descripciones del impacto en los servicios ecosistémicos (y cualquier valoración posterior) deberían tener en cuenta la proporción relativa de la fuente de sedimentos del modelo en comparación con el presupuesto total de sedimentos (véase la sección sobre :ref:`evaluating_sed_ret_services`). - - * Además, como ecuación empírica desarrollada en Estados Unidos, la USLE ha mostrado un rendimiento limitado en otras zonas, incluso cuando se centra en la erosión terrestre. Basándose en el conocimiento local, los usuarios pueden modificar la ecuación de pérdida de suelo implementada en el modelo alterando los inputs R, K, C, P para reflejar los hallazgos de los estudios locales (Sougnez et al., 2011). - - * El modelo es muy sensible a los parámetros *k* y *IC0*, que no tienen una base física. La literatura emergente sobre el enfoque de modelizado en el modelo InVEST (Cavalli et al., 2013; López-vicente et al., 2013; Sougnez et al., 2011; Vigiak et al., 2012) proporciona orientación para establecer estos parámetros, pero los usuarios deben ser conscientes de esta limitación al interpretar los valores absolutos del modelo. - - * Dada la simplicidad del modelo y el bajo número de parámetros, los resultados son muy sensibles a la mayoría de los parámetros de input; por lo tanto, los errores en los parámetros empíricos de las ecuaciones USLE tendrán un gran efecto en las predicciones. Se recomienda realizar análisis de sensibilidad para investigar cómo afectan los intervalos de confianza de los parámetros de input a las conclusiones del estudio. +*Figura 5. Ejemplo del efecto del parámetro Umbral de acumulación de caudal en la extensión del mapa de salida.* .. _differences-SDR-Borselli: @@ -402,6 +398,20 @@ Consideraciones de tiempo Por lo general, el análisis económico y financiero utilizará alguna forma de descuento que reconozca el valor temporal del dinero, los beneficios y el uso de los recursos. Los beneficios y costos que se acumulan en el futuro "cuentan menos" que los beneficios y costos que se experimentan cerca del presente. Es importante que cualquier análisis económico o financiero tenga en cuenta que el modelo SDR solo representa los impactos medios anuales en condiciones de estado estacionario. Esto tiene dos implicaciones para la valoración. En primer lugar, los usuarios deben reconocer que los impactos que se valoran pueden tardar en producirse: no es el caso de que los beneficios completos en estado estacionario comiencen a acumularse inmediatamente, aunque muchos de los costos podrían hacerlo. En segundo lugar, el promedio anual significa que las funciones de costo o beneficio que muestren no linealidades en escalas de tiempo más cortas deben (si es posible) ser transformadas, o el resultado de InVEST debe ser emparejado con otro análisis estadístico para representar la importante variabilidad intra o interanual. +Limitaciones y simplificaciones +=============================== + + * Una de las principales limitaciones del modelo es su dependencia de la ecuación USLE (Renard et al., 1997). Esta ecuación se utiliza mucho, pero tiene un alcance limitado ya que solo representa los procesos de erosión terrestre (barrancos/interrancos). Otras fuentes de sedimentos son la erosión de los barrancos, la erosión de los márgenes de los arroyos y la pérdida de masa por corrimientos de tierras o desprendimientos de rocas, así como la erosión glaciar. Wilkinson et al. 2014 ofrecen una buena descripción de los procesos de erosión de barrancos y riberas, con posibles enfoques de modelización. Los movimientos de masas (corrimiento de tierras) no están representados en el modelo, pero pueden ser una fuente importante en algunas zonas o bajo determinados cambios de uso del suelo, como la construcción de carreteras. + + * Un corolario es que las descripciones del impacto en los servicios ecosistémicos (y cualquier valoración posterior) deben tener en cuenta la proporción relativa de la fuente de sedimentos del modelo en comparación con el presupuesto total de sedimentos (véase la sección sobre :ref:`evaluating_sed_ret_services`). + +* Además, como ecuación empírica desarrollada en Estados Unidos, la USLE ha mostrado un rendimiento limitado en otras zonas, incluso cuando se centra en la erosión superficial. Basándose en el conocimiento local, los usuarios pueden modificar la ecuación de pérdida de suelo implementada en el modelo alterando las entradas R, K, C, P para reflejar los hallazgos de estudios locales (Sougnez et al., 2011). + + * El modelo es muy sensible a los parámetros *k* e *IC0*, que no tienen una base física. La literatura emergente sobre el enfoque de modelado utilizado en el modelo InVEST (Cavalli et al., 2013; López-Vicente et al., 2013; Sougnez et al., 2011; Vigiak et al., 2012) proporciona orientación para establecer estos parámetros, pero los usuarios deben ser conscientes de esta limitación al interpretar los valores absolutos del modelo. + + * Dada la simplicidad del modelo y el bajo número de parámetros, los resultados son muy sensibles a la mayoría de los parámetros de input. Por lo tanto, los errores en los parámetros empíricos de las ecuaciones USLE tendrán un gran efecto en las predicciones. Se recomienda realizar análisis de sensibilidad para investigar cómo afectan los intervalos de confianza de los parámetros de entrada a las conclusiones del estudio. + + Necesidades de datos ==================== @@ -446,39 +456,41 @@ Necesidades de datos Interpretación de los resultados -------------------------------- -La resolución de los rásters de resultados será la misma que la del MDE proporcionado como input. +.. note:: Muchos de los rásteres de salida SDR tienen valores NoData donde hay corrientes. Esto es con intención - Véase la sección Área definida de salidas de este capítulo para más información. + +.. note:: La resolución de los rásteres de salida será la misma que la resolución del MDE proporcionado como input. * **[Workspace]** folder: * **Registro de parámetros**: Cada vez que se ejecute el modelo, se creará un archivo de texto (.txt) en el Espacio de Trabajo. Este archivo enumerará los valores de los parámetros y los mensajes de resultados para esa ejecución y se nombrará según el servicio, la fecha y la hora, y el sufijo. Cuando se ponga en contacto con NatCap por errores en una ejecución del modelo, incluya el registro de parámetros. - * **rkls.tif** (tipo: ráster; unidades: toneladas/píxel): Pérdida potencial total de suelo por píxel en la cubierta terrestre original a partir de la ecuación RKLS. Equivale a la pérdida de suelo para el suelo desnudo. (Ecuación :eq:`usle`, sin aplicar los factores :math:`C` o :math:`P`) + * **rkls.tif** (tipo: ráster; unidades: toneladas/píxel/año): Pérdida potencial total de suelo por píxel en la cubierta terrestre original a partir de la ecuación RKLS. Equivale a la pérdida de suelo para el suelo desnudo. (Ecuación :eq:`usle`, sin aplicar los factores :math:`C` o :math:`P`) - * **sed_export.tif** (tipo: ráster; unidades: toneladas/píxel): La cantidad total de sedimento exportado desde cada píxel que llega a la corriente. (Eq. :eq:`e_i`) + * **sed_export.tif** (tipo: ráster; unidades: toneladas/píxel/año): La cantidad total de sedimento exportado desde cada píxel que llega a la corriente. (Eq. :eq:`e_i`) - * **sediment_deposition.tif** (tipo: ráster; unidades: toneladas/píxel): La cantidad total de sedimentos depositados en el píxel desde fuentes pendiente arriba como resultado del atrapamiento. (Eq. :eq:`ti`) + * **sediment_deposition.tif** (tipo: ráster; unidades: toneladas/píxel/año): La cantidad total de sedimentos depositados en el píxel desde fuentes pendiente arriba como resultado del atrapamiento. (Eq. :eq:`ti`) * **stream.tif** (tipo: ráster): Red de corrientes creada utilizando la dirección del flujo y la acumulación de flujo derivada del MDE y el Umbral de Acumulación de Flujo. Los valores de 1 representan corrientes, los valores de 0 son píxeles que no son corrientes. Compare esta capa con un mapa de corrientes del mundo real, y ajuste el Umbral de Acumulación de Flujo para que este mapa se ajuste lo más posible a las corrientes del mundo real. Consulte la sección de la guía de uso :ref:`working-with-the-DEM` para más información. * **stream_and_drainage.tif** (tipo: ráster): Si se proporciona una capa de drenaje, este ráster es la unión de esa capa con la capa de corrientes calculada (Eq. :eq:`stream_and_drainage`). Los valores de 1 representan corrientes, los valores de 0 son píxeles que no son corrientes. - * **usle.tif** (tipo: ráster; unidades: toneladas/píxel): Pérdida potencial total de suelo por píxel en la cubierta terrestre original calculada a partir de la ecuación USLE. (Eq. :eq:`usle`) + * **usle.tif** (tipo: ráster; unidades: toneladas/píxel/año): Pérdida potencial total de suelo por píxel en la cubierta terrestre original calculada a partir de la ecuación USLE. (Eq. :eq:`usle`) - * **avoided_erosion.tif** (tipo: ráster; unidades: toneladas/píxel): La contribución de la vegetación para evitar que el suelo se erosione en cada píxel. (Eq. :eq:`aer_i`) + * **avoided_erosion.tif** (tipo: ráster; unidades: toneladas/píxel/año): La contribución de la vegetación para evitar que el suelo se erosione en cada píxel. (Eq. :eq:`aer_i`) - * **avoided_export.tif** (tipo: ráster; unidades: toneladas/píxel): La contribución de la vegetación para evitar que la erosión entre en una corriente. Esto combina la retención de sedimentos local/en el píxel con el atrapamiento de la erosión pendiente arriba del píxel. (Ec. :eq:`aex_i`) + * **avoided_export.tif** (tipo: ráster; unidades: toneladas/píxel/año): La contribución de la vegetación para evitar que la erosión entre en una corriente. Esto combina la retención de sedimentos local/en el píxel con el atrapamiento de la erosión pendiente arriba del píxel. (Ec. :eq:`aex_i`) * **watershed_results_sdr.shp**: Tabla que contiene los valores biofísicos de cada cuenca, con los campos siguientes: - * **exportación_de_sed** (unidades: toneladas/cuenca hidrográfica): Cantidad total de sedimentos exportados a la corriente por cuenca hidrográfica. Debe compararse con cualquier carga de sedimentos observada en la salida de la cuenca. El conocimiento del régimen hidrológico de la cuenca y de la contribución de los sedimentos por encima de la superficie/de la red a la producción total de sedimentos ayuda a ajustar y calibrar este modelo. (Eq. :eq:`e` con la suma calculada sobre el área de la cuenca) + * **sed_export** (unidades: toneladas/cuenca/año): Cantidad total de sedimentos exportados a la corriente por cuenca hidrográfica. Debe compararse con cualquier carga de sedimentos observada en la salida de la cuenca. El conocimiento del régimen hidrológico de la cuenca y de la contribución de los sedimentos por encima de la superficie/de la red a la producción total de sedimentos ayuda a ajustar y calibrar este modelo. (Eq. :eq:`e` con la suma calculada sobre el área de la cuenca) - **usle_tot** (unidades: toneladas/cuenca): Cantidad total de pérdida potencial de suelo en cada cuenca hidrográfica calculada por la ecuación USLE. (Suma de USLE de :eq:`usle` sobre el área de la cuenca) + **usle_tot** (unidades: toneladas/cuenca/año): Cantidad total de pérdida potencial de suelo en cada cuenca hidrográfica calculada por la ecuación USLE. (Suma de USLE de :eq:`usle` sobre el área de la cuenca) - **avoided_exp** (unidades: toneladas/cuenca hidrográfica): La suma de la exportación evitada en la cuenca hidrográfica. (Suma de :math:`AEX_i` de :eq:`aex_i` sobre el área de la cuenca) + **avoid_exp** (unidades: toneladas/cuenca/año): La suma de la exportación evitada en la cuenca hidrográfica. (Suma de :math:`AEX_i` de :eq:`aex_i` sobre el área de la cuenca) - **avoided_eros** (unidades: toneladas/cuenca hidrográfica): La suma de la erosión local evitada en la cuenca (suma de :math:`AER_i` de :eq:`aer_i` sobre el área de la cuenca) + **avoid_eros** (unidades: toneladas/cuenca/año): La suma de la erosión local evitada en la cuenca (suma de :math:`AER_i` de :eq:`aer_i` sobre el área de la cuenca) - **sed_dep** (unidades: toneladas/cuenca): Cantidad total de sedimentos depositados en el paisaje en cada cuenca hidrográfica, que no entran en la corriente. (Suma de :math:`T_i` de :eq:`ti` sobre el área de la cuenca) + **sed_dep** (unidades: toneladas/cuenca/año): Cantidad total de sedimentos depositados en el paisaje en cada cuenca hidrográfica, que no entran en la corriente. (Suma de :math:`T_i` de :eq:`ti` sobre el área de la cuenca) * **[Workspace]\\intermediate_outputs** folder: @@ -548,7 +560,7 @@ A continuación se presenta un resumen de los pasos generales que se realizan pa 1. Reúna los datos observados sobre la carga de sedimentos en la salida de su cuenca de interés, procéselos según sea necesario y conviértalos en unidades de toneladas por año. -2. 2. Haga un análisis de sensibilidad de los parámetros de input, para determinar qué parámetros tienen el mayor efecto en los resultados de la modelización. Esto se hace más a menudo con parámetros basados en LULC (como USLE C) y parámetros "globales" (como *IC0* y *k*). También puede incluir inputs espaciales, pero esto se hace con menos frecuencia. +2. Haga un análisis de sensibilidad de los parámetros de input, para determinar qué parámetros tienen el mayor efecto en los resultados de la modelización. Esto se hace más a menudo con parámetros basados en LULC (como USLE C) y parámetros "globales" (como *IC0* y *k*). También puede incluir inputs espaciales, pero esto se hace con menos frecuencia. Por ejemplo, para hacer un análisis de sensibilidad del parámetro *k* de Borselli, se harían múltiples ejecuciones del modelo, cambiando el valor de *k* en cada ejecución en incrementos de, digamos, el 10%, dentro del rango de +/-50% (véase la Tabla 1 en Hamel et al. (2015)). Tenga en cuenta que esto puede implicar muchas ejecuciones del modelo, por lo que puede ser útil hacer scripts para el proceso. Consulte la sección :ref:`invest_api` de esta guía de uso para obtener más información sobre el procesamiento por lotes de las ejecuciones del modelo InVEST. Si el cambio del valor del parámetro tiene un gran efecto en los resultados, entonces el modelo es sensible a ese parámetro y es un buen candidato para el ajuste de la calibración. Si el cambio del parámetro tiene poco o ningún efecto en los resultados, no hay necesidad de incluirlo en la calibración. @@ -602,22 +614,18 @@ Erodabilidad del suelo (K) La textura es el principal factor que afecta al K, pero el perfil del suelo, la materia orgánica y la permeabilidad también contribuyen. Varía de 70/100 para el suelo más frágil a 1/100 para el suelo más estable (en unidades habituales en EE.UU.). La erodabilidad se mide normalmente en parcelas de referencia desnudas, de 22,2 m de longitud en pendientes del 9%, labradas en la dirección de la pendiente y que no han recibido materia orgánica durante tres años. -Los datos globales de los suelos están disponibles en el Programa de la Base de Datos de Suelos y Terrenos (SOTER) (https://data.isric.org:443/geonetwork/srv/eng/catalog.search). Se proporcionan algunas bases de datos de suelos específicas para cada zona, así como SoilGrids a nivel mundial. - -La FAO también proporciona datos globales sobre el suelo en su Base de Datos Mundial Armonizada sobre el Suelo: https://webarchive.iiasa.ac.at/Research/LUC/External-World-soil-database/HTML/, pero es bastante gruesa. - -En los Estados Unidos hay datos gratuitos sobre el suelo en las bases de datos gSSURGO, SSURGO y gNATSGO del Departamento de Agricultura de los Estados Unidos: https://www.nrcs.usda.gov/wps/portal/nrcs/main/soils/survey/geo/. También se proporcionan herramientas de ArcGIS (Soil Data Viewer para SSURGO y Soil Data Development Toolbox para gNATSGO) que ayudan a procesar estas bases de datos en datos espaciales que pueden ser utilizados por el modelo. La caja de herramientas de desarrollo de datos de suelo es la más fácil de usar, y se recomienda encarecidamente si utiliza ArcGIS y necesita procesar los datos de suelo de los Estados Unidos. +El Centro Europeo de Datos del Suelo (ESDAC) proporciona un conjunto de datos sobre la erosión global del suelo, que contiene una capa de erodibilidad global (factor K), pero es gruesa, con una resolución de 25 km. https://esdac.jrc.ec.europa.eu/content/global-soil-erosion. También proporciona una capa de erodibilidad más detallada para gran parte de Europa: https://esdac.jrc.ec.europa.eu/content/soil-erodibility-k-factor-high-resolution-dataset-europe. -Tenga en cuenta que puede ser necesaria la conversión de unidades: es necesario multiplicar por 0,1317 para convertir las unidades habituales en EE.UU. a :math:`ton ha\cdot hr\cdot (ha\cdot MJ\cdot mm)^{-1}`, como se detalla en el Apéndice A del manual RUSLE del USDA (Renard et al., 1997). +El Programa de Bases de Datos de Suelos y Terrenos (SOTER) (https://data.isric.org:443/geonetwork/srv/eng/catalog.search) ofrece datos generales sobre el suelo a escala mundial. Proporcionan algunas bases de datos de suelos específicas por zonas, así como SoilGrids a escala mundial (https://www.isric.org/explore/soilgrids). No proporcionan un mapa de erodibilidad ya preparado, pero se pueden utilizar rásteres de arena/limo/arcilla/materia orgánica/etc. para calcular la erodibilidad. Existe una gran variedad de ecuaciones disponibles para calcular la erodibilidad, las que requieren diferentes tipos de datos de input. Vea a continuación un par de ejemplos. -Alternativamente, se puede utilizar la siguiente ecuación para calcular K (Renard et al., 1997): +Se puede utilizar la siguiente ecuación para calcular K (Renard et al., 1997): .. math:: K = \frac{2.1\cdot 10^{-4}(12-a)M^{1.14}+3.25(b-2)+2.5(c-3)}{759} :label: k En el que K = factor de erodabilidad del suelo (:math:`t\cdot ha\cdot hr\cdot (MJ\cdot mm\cdot ha)^{-1}`; M = (limo (%) + arena muy fina (%))(100-arcilla (%)) a = materia orgánica (%) b = código de estructura: (1) muy estructurada o particulada, (2) bastante estructurada, (3) ligeramente estructurada y (4) sólida c = código de permeabilidad del perfil: (1) rápida, (2) de moderada a rápida, (3) moderada, (4) de moderada a lenta, (5) lenta y (6) muy lenta. -Cuando no se dispone de la permeabilidad y la estructura del perfil, la erodibalidad del suelo puede estimarse en función de la textura y el contenido de materia orgánica del suelo, basándose en los trabajos de Wischmeier, Johnson y Cross (recogidos en Roose, 1996). La hoja informativa de OMAFRA resume estos valores en la siguiente tabla (http://www.omafra.gov.on.ca/english/engineer/facts/12-051.htm): +Cuando no se dispone de la permeabilidad y la estructura del perfil, la erodibalidad del suelo puede estimarse en función de la textura y el contenido de materia orgánica del suelo, basándose en los trabajos de Wischmeier, Johnson y Cross 1971 (recogidos en Roose, 1996). La hoja informativa de OMAFRA resume estos valores en la siguiente tabla (http://www.omafra.gov.on.ca/english/engineer/facts/12-051.htm): .. csv-table:: :file: sdr/soil_data.csv @@ -625,9 +633,12 @@ Cuando no se dispone de la permeabilidad y la estructura del perfil, la erodibal :name: OMAFRA Fact Sheet - **Los valores de erodabilidad del suelo (K) de esta tabla están en unidades habituales de EE.UU. y requieren la conversión de 0,1317 mencionada anteriormente.** Las clases de textura del suelo pueden derivarse de las directrices de la FAO para la descripción del suelo (FAO, 2006, Figura 4). +En Estados Unidos se pueden obtener datos gratuitos sobre el suelo en las bases de datos gSSURGO, SSURGO y gNATSGO del NRCS del Departamento de Agricultura: https://www.nrcs.usda.gov/wps/portal/nrcs/main/soils/survey/geo/. También proporcionan herramientas ArcGIS (Soil Data Viewer para SSURGO y Soil Data Development Toolbox para gNATSGO) que ayudan a procesar estas bases de datos en datos espaciales que pueden ser utilizados por el modelo. La caja de herramientas Soil Data Development Toolbox es la más fácil de usar, muy recomendable si utiliza ArcGIS y necesita procesar datos de suelos de EE.UU.. + +Tenga en cuenta que puede ser necesaria la conversión de unidades: la multiplicación por 0,1317 es necesaria para convertir de unidades habituales de EE.UU. a :math:`ton ha\cdot hr\cdot (ha\cdot MJ\cdot mm)^{-1}`, como se detalla en el Apéndice A del manual RUSLE del USDA (Renard et al., 1997). + Un caso especial es el valor K para los cuerpos de agua, para las que los mapas de suelos pueden no indicar ningún tipo de suelo. Se puede utilizar un valor de 0, asumiendo que no se produce ninguna pérdida de suelo en los cuerpos de agua. A veces, los mapas de suelos también pueden tener huecos en lugares que no son cuerpos de agua (como los glaciares). Si se trata de un lugar donde es poco probable que se produzca la erosión (como los afloramientos rocosos), se puede utilizar un valor de 0. Sin embargo, si el área parece que debería tener datos de suelo, puede utilizar una función SIG de vecino más cercano, o establecer manualmente esas áreas con el tipo de suelo dominante que rodea los datos que faltan. @@ -707,6 +718,7 @@ Pelletier, J.D., 2012. A spatially distributed model for the long-term suspended Renard, K., Foster, G., Weesies, G., McCool, D., Yoder, D., 1997. Predicting Soil Erosion by Water: A Guide to Conservation Planning with the revised soil loss equation. Renard, K., Freimund, J., 1994. Using monthly precipitation data to estimate the R-factor in the revised USLE. J. Hydrol. 157, 287–306. + Roose, 1996. Land husbandry - Components and strategy. Soils Bulletin 70. Roma, Italia. Schmitt, R.J.P., Bizzi, S., Castelletti, A., 2016. Tracking multiple sediment cascades at the river network scale identifies controls and emerging patterns of sediment connectivity. Water Resour. Res. 3941–3965. https://doi.org/10.1002/2015WR018097 @@ -716,3 +728,5 @@ Sougnez, N., Wesemael, B. Van, Vanacker, V., 2011. Low erosion rates measured fo Vigiak, O., Borselli, L., Newham, L.T.H., Mcinnes, J., Roberts, A.M., 2012. Comparison of conceptual landscape metrics to define hillslope-scale sediment delivery ratio. Geomorphology 138, 74–88. Wilkinson, S.N., Dougall, C., Kinsey-Henderson, A.E., Searle, R.D., Ellis, R.J., Bartley, R., 2014. Development of a time-stepping sediment budget model for assessing land use impacts in large river basins. Sci. Total Environ. 468-469, 1210–24. + +Wischmeier W.H., Jonhson C.B. y Cross B.V. 1971. A soil erodibility nomograph for farmland and construction sties. J. Soil and Water Conservation 26(5): 189-192. diff --git a/source/es/seasonal_water_yield.rst b/source/es/seasonal_water_yield.rst index f902578d..052feaee 100644 --- a/source/es/seasonal_water_yield.rst +++ b/source/es/seasonal_water_yield.rst @@ -7,7 +7,7 @@ Rendimiento hídrico estacional Resumen ======= -Existe una gran demanda de herramientas que estimen el efecto de la gestión del paisaje en el servicio de suministro de agua, para usos como el riego, el consumo doméstico y la producción de energía hidroeléctrica. Aunque el modelo de rendimiento hídrico anual de InVEST proporciona una estimación del rendimiento hídrico total de una cuenca, muchas aplicaciones requieren conocer los caudales estacionales, especialmente durante la estación seca. Esto requiere la comprensión de los procesos hidrológicos en una cuenca, en particular la partición entre el flujo rápido (que se produce durante o poco después de los eventos de lluvia) y el flujo de base (que se produce durante el tiempo seco). En climas muy estacionales, es probable que el flujo de base tenga más valor que el flujo rápido, a menos que se disponga de un almacenamiento significativo (por ejemplo, un gran embalse). El modelo de rendimiento hídrico estacional de InVEST pretende ofrecer una orientación sobre la contribución de las parcelas a la generación de flujos de base y flujos rápidos. El modelo calcula índices espaciales que cuantifican la contribución relativa de una parcela de tierra a la generación tanto del caudal base como del caudal rápido. En la actualidad, no existen estimaciones cuantitativas del flujo de base, solo las contribuciones relativas de los píxeles; se está desarrollando una herramienta independiente para abordar esta cuestión. +Existe una gran demanda de herramientas que estimen el efecto de la gestión del paisaje en el servicio de suministro de agua para usos como el riego, el consumo doméstico y la producción de energía hidroeléctrica. Aunque el modelo de rendimiento hídrico anual de InVEST proporciona una estimación del rendimiento hídrico total de una cuenca, muchas aplicaciones requieren conocer los caudales estacionales, especialmente durante la estación seca. Esto requiere la comprensión de los procesos hidrológicos en una cuenca, en particular la partición entre el flujo rápido (que se produce durante o poco después de los eventos de lluvia) y el flujo de base (que se produce durante el tiempo seco). En climas muy estacionales, es probable que el flujo de base tenga más valor que el flujo rápido, a menos que se disponga de un almacenamiento significativo (por ejemplo, un gran embalse). El modelo de rendimiento hídrico estacional de InVEST pretende ofrecer una orientación sobre la contribución de las parcelas a la generación de flujos de base y flujos rápidos. El modelo calcula índices espaciales que cuantifican la contribución relativa de una parcela de tierra a la generación tanto del caudal base como del caudal rápido. En la actualidad, no existen estimaciones cuantitativas del flujo de base, solo las contribuciones relativas de los píxeles; se está desarrollando una herramienta independiente para abordar esta cuestión. Introducción ============ @@ -61,7 +61,7 @@ si no, se puede demostrar a partir de la distribución exponencial que la escorr donde -- :math:`S_{i} = \frac{1000}{\text{CN}_{i}} - 10` [in] +- :math:`S_{i} ` el el máximo de retención potencial, :math:`\frac{1000}{\text{CN}_{i}} - 10` [in] - :math:`\text{CN}_{i}` is the curve number for pixel *i* [in\ :sup:`-1`\], tabulados en función del LULC local, y del tipo de suelo @@ -72,6 +72,16 @@ donde - y :math:`25.4` es un factor de conversión de pulgadas (utilizado por la ecuación) a milímetros (utilizado por el modelo) +(véase Guswa et al. 2018). + +Algunos casos extremos se tratan de forma especial: + +- Cuando :math:`S_{i} = 0`, el término :math:`E_{1}` llega a infinito. :math:`\text{QF}_{i,m}` se pone a cero en este caso. +- Para evitar problemas con la inestabilidad numérica cuando el resultado de `\exp` se hace muy grande, + cuando :math:`\frac{S_{i}}{a_{i,m}} > 100`, redondeamos :math:`\text{QF}_{i,m}` a cero. +- Con ciertas combinaciones de inputs, es posible que la ecuación :math:`\text{QF}_{i,m}` anterior se evalúe + a un pequeño número negativo. En estos casos :math:`\text{QF}_{i,m}` se redondea a cero. + Así, el flujo rápido anual :math:`\text{QF}_{i}`, puede calcularse a partir de la suma de los valores mensuales de :math:`\text{QF}_{i,m}`, .. math:: \text{QF}_{i} = \sum_{m = 1}^{12}{QF_{i,m}} @@ -101,7 +111,7 @@ Para cada mes, :math:`\text{AET}_{i,m}` está limitado por la demanda (evapotran :label: (swy. 5) -Where :math:`\text{PET}_{i,m}` es la evapotranspiración potencial mensual, +donde :math:`\text{PET}_{i,m}` es la evapotranspiración potencial mensual, .. math:: \text{PET}_{i,m} = K_{c,i,m} \times ET_{0,i,m} :label: (swy. 6) @@ -163,8 +173,6 @@ El valor de atribución a un píxel es la contribución relativa de la recarga l *Figura 1. Balance hídrico a escala de píxel para calcular la recarga local (Ecuación 3), donde Bsum es el flujo que realmente llega a la corriente.* -| -| | .. figure:: ./seasonal_water_yield/fig2.png @@ -174,8 +182,6 @@ El valor de atribución a un píxel es la contribución relativa de la recarga l *Figura 2. Recorrido a escala de ladera para calcular la evapotranspiración real (basada en las variables climáticas de cada píxel y en la contribución penduente arriba, véase la Ecuación 5) y el flujo de base (basado en Bsum, el flujo que realmente llega a la corriente, véanse las Ecuaciones 11-14)*. | -| - Flujo base ---------- @@ -208,12 +214,6 @@ y el flujo de base, :math:`B_{i}` puede derivarse directamente de la proporción :label: (swy. 14) -Limitaciones ------------- - -Como todos los modelos de InVEST, el Rendimiento Hídrico Estacional utiliza un enfoque simplificado para estimar el caudal rápido y el caudal base, y no incluye muchas de las complejidades que se producen cuando el agua se mueve a través de un paisaje. El caudal rápido se basa principalmente en el número de curva, que no tiene en cuenta la topografía. Para el flujo de base, aunque el modelo utiliza un enfoque basado en la física, las ecuaciones están extremadamente simplificadas tanto a escala espacial como temporal, lo que aumenta significativamente la incertidumbre sobre los números absolutos producidos. Por lo tanto, no sugerimos utilizar los valores absolutos, sino los valores relativos a través de los paisajes (donde suponemos que las simplificaciones importan menos, porque se aplican a todo el paisaje). - - Calibración ----------- @@ -223,6 +223,10 @@ Si intenta validar cuantitativamente el flujo rápido o una combinación de fluj El documento de Hamel et al. (2020) posee un ejemplo de calibración del modelo de Rendimiento Hídrico Estacional contra los datos observados y otros modelos hidrológicos. Para una orientación más general sobre la evaluación de la incertidumbre en los análisis de los servicios ecosistémicoss, véase Hamel y Bryant (2017). +Limitaciones y simplificaciones +=============================== + +Como todos los modelos InVEST, aquí también se utiliza un enfoque simplificado para estimar el caudal rápido y el caudal base, y no incluye muchas de las complejidades que se producen cuando el agua se mueve a través de un paisaje. El caudal rápido se basa principalmente en el número de curva, que no tiene en cuenta la topografía. En cuanto al flujo de base, aunque el modelo utiliza un enfoque basado en la física, las ecuaciones están extremadamente simplificadas tanto a escala espacial como temporal, lo que aumenta significativamente la incertidumbre sobre las cifras absolutas producidas. Por ello, no sugerimos que se utilicen los valores absolutos, sino los valores relativos a través de los paisajes (donde suponemos que las simplificaciones importan menos, porque se aplican a todo el paisaje). Necesidades de datos ==================== @@ -235,13 +239,13 @@ Necesidades de datos - :investspec:`seasonal_water_yield.seasonal_water_yield results_suffix` -- :investspec:`seasonal_water_yield.seasonal_water_yield precip_dir` +- :investspec:`seasonal_water_yield.seasonal_water_yield precip_dir` Se recomienda encarecidamente utilizar las mismas capas de precipitación que se utilizaron para crear los rásteres de input de evapotranspiración. Si se basan en diferentes fuentes de datos de precipitación, se introduce otra fuente de incertidumbre en los datos, y el desajuste podría afectar a los componentes del balance hídrico calculados por el modelo. Contents: - :investspec:`seasonal_water_yield.seasonal_water_yield precip_dir.contents.[MONTH]` -- :investspec:`seasonal_water_yield.seasonal_water_yield et0_dir` +- :investspec:`seasonal_water_yield.seasonal_water_yield et0_dir`Se recomienda encarecidamente que los rásteres de input de evapotranspiración se basen en los misnos datos de precipitación como input para el modelo. Si se basan en diferentes fuentes de datos de precipitación, se introduce otra fuente de incertidumbre en los datos, y el desajuste podría afectar a los componentes del balance hídrico calculados por el modelo. Contenido: @@ -340,7 +344,7 @@ La resolución de los rásteres de resultados será la misma que la del MDE que * **L_sum_[Sufijo].tif** (tipo: ráster; unidades: mm, pero deben interpretarse como valores relativos, no absolutos): Mapa de los valores de :math:`L_{text{sum}`, el flujo a través de un píxel, aportado por todos los píxeles pendiente arriba, que está disponible para la evapotranspiración a los píxeles pendiente abajo - * **QF_[Sufijo].tif** (tipo: ráster; unidades: mm): Mapa de valores de flujo rápido (FR) + * **QF_[Sufijo].tif** (tipo: ráster; unidades: mm): Mapa de valores de flujo rápido (FR) anual * **P_[Sufijo].tif** (tipo: ráster; unidades: mm/año): La precipitación total en todos los meses de este píxel @@ -418,10 +422,11 @@ Por defecto: 1. Ver Apéndice 2 | -Apéndice 2: Definición de los parámetros :math:`{mathbf{{alpha},\mathbf{beta}}_{mathbf{i}} y :math:`gamma` y valores alternativos -================================================================================================================================== +Apéndice 2: Parámetros *Alfa*, *beta* y *gamma* - definición y valores alternativos +=================================================================================== -:math:`\alpha` y :math:`beta_{i}` representan la fracción de recarga de los píxeles de la ladera que está disponible para un píxel pendiente abajo para la evapotranspiración en un mes determinado. Se espera que el producto :math:`\alpha \times \beta_{i}` sea <1, ya que parte del agua pendiente arriba puede no estar disponible, ya sea cuando sigue trayectorias de flujo profundas o cuando el calendario de la oferta y la demanda (de evapotranspiración) no está sincronizado. +:math:`\alpha` (alfa) y :math:`\beta_{i}` (beta) representan la fracción anual de +los píxeles de la ladera que está disponible para un píxel pendiente abajo para la evapotranspiración en un mes determinado. Se espera que el producto :math:`\alpha \times \beta_{i}` sea <1, ya que parte del agua pendiente arriba puede no estar disponible, ya sea cuando sigue trayectorias de flujo profundas o cuando el calendario de la oferta y la demanda (de evapotranspiración) no está sincronizado. :math:`\alpha` es una función de la estacionalidad de las precipitaciones: la recarga de un mes determinado puede ser utilizada por las zonas de bajada durante los meses posteriores, dependiendo de los tiempos de recorrido del subsuelo. En la parametrización por defecto, su valor se establece en 1/12, asumiendo que el suelo amortigua la liberación de agua y que la contribución mensual es exactamente un 12\ :sup:`th` de la contribución anual. Un supuesto alternativo es fijar los valores a los valores de precipitación mensual antecedente, en relación con la precipitación total: P\ :sub:`m-1`/P\ :sub:`anual` @@ -429,7 +434,7 @@ Apéndice 2: Definición de los parámetros :math:`{mathbf{{alpha},\mathbf{beta} En la parametrización por defecto, :math:`\beta` se establece en 1 para todos los píxeles. Una alternativa es establecer :math:`\beta_{i}` como TI, el índice de humedad topográfica para un píxel, definido como :math:`ln(\frac{A}{text{tan}\beta}`) (u otra formulación que incluya el tipo de suelo y la profundidad). -γ representa la fracción de la recarga del píxel que está disponible para los píxeles pendiente abajo. Es una función de las propiedades del suelo y posiblemente de la topografía. En la parametrización por defecto, γ es constante en todo el paisaje y juega un papel similar al de :math:`\alpha`. +γ (gamma) representa la fracción de la recarga del píxel que está disponible para los píxeles pendiente abajo. Es una función de las propiedades del suelo y posiblemente de la topografía. En la parametrización por defecto, γ es constante en todo el paisaje y juega un papel similar al de :math:`\alpha`. En la práctica -------------- diff --git a/source/es/stormwater.rst b/source/es/stormwater.rst index 57e1eb23..9c2b212d 100644 --- a/source/es/stormwater.rst +++ b/source/es/stormwater.rst @@ -1,12 +1,12 @@ .. _stormwater: *********************************************** -Modelo de retención de aguas pluviales urbanas -*********************************************** +Retención de aguas pluviales urbanas +************************************ -Resumen -======== +Introducción +============ Los organismos de planificación tienen cada vez más en cuenta el manejo del agua urbana en sus estrategias para abordar cuestiones como el cambio climático, el riesgo de inundaciones o el crecimiento de la población, protegiendo al mismo tiempo el medio ambiente. El modelo de retención de escorrentía de aguas pluviales de InVEST puede apoyar este esfuerzo proporcionando información sobre dos servicios ecosistémicos relacionados con la gestión de las aguas pluviales: la retención de la escorrentía y la recarga de las aguas subterráneas (la reducción del riesgo de inundación se evalúa en un modelo separado de InVEST. La retención de la escorrentía tiene dos aspectos: la cantidad de escorrentía y su calidad. En concreto, corresponde a la retención de las aguas pluviales (escorrentía de la lluvia) por parte de los usos del suelo permeables, lo cual es beneficioso dados los efectos perjudiciales de la descarga de aguas pluviales contaminadas en los ríos o en el océano. La recarga de las aguas subterráneas es un servicio relacionado que corresponde a la percolación de las aguas pluviales más allá de la zona de las raíces, recargando potencialmente las aguas subterráneas para fines humanos y no humanos. Un resultado secundario del modelo es una estimación de la escorrentía superficial, o la parte de las aguas pluviales que no es retenida por el paisaje y que se exporta junto con los nutrientes o contaminantes asociados. Estos componentes principales del balance hídrico urbano se ilustran en :numref:`hydro-schematic`. @@ -100,7 +100,6 @@ Donde PR es el costo de reposición de la retención de aguas pluviales (moneda El modelo puede generar un volumen potencial de recarga de aguas subterráneas (:math:`V_{P}`), que también puede servir como valoración de la retención. Sin embargo, el modelo no estima actualmente la carga de contaminantes asociada a este volumen de recarga, ya que el transporte subterráneo y la transformación de los contaminantes no están implementados en el modelo. - Agregación a escala de la cuenca hidrográfica (opcional) ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ @@ -114,7 +113,6 @@ Usted puede proporcionar un archivo vectorial de polígonos en el que se indique - Volumen total de recarga potencial, :math:`m^3` (suma de :math:`V_{P}`, si se facilitan los índices de percolación) - Costo total de reposición, unidades monetarias (suma del costo de reposición de los servicios de retención, si se especifica el valor) - Necesidades de datos ==================== @@ -154,7 +152,6 @@ Necesidades de datos - :investspec:`stormwater aggregate_areas_path` Las cuencas hidrográficas pueden obtenerse con el modelo DelineateIt. - Interpretación de los resultados ================================ @@ -198,7 +195,6 @@ Nota: a menos que se indique lo contrario, todas las tasas (por ejemplo, tasa de - **total_retention_value** (si se proporcionan datos de valor): Valor total del volumen de agua retenida sobre este polígono en :math:`currency/yr` - Resultados intermedios ^^^^^^^^^^^^^^^^^^^^^^ @@ -226,11 +222,13 @@ Resultados intermedios - **ratio_average.tif**: Un ráster en el que el valor de cada píxel es la media de su vecindad de píxeles en el mapa `retention_ratio`, calculado mediante la convolución del núcleo de búsqueda con el ráster de tasa de retención +.. _Guidance: -.. _Input Guidance: +Orientación +=========== -Orientación sobre los inputs -============================ +Apéndice 1: Fuentes de datos y orientación para la selección de parámetros +========================================================================== Coeficientes de escorrentía y tasas de recarga ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ @@ -270,14 +268,12 @@ Estos datos se informan con clasificaciones genéricas de uso del suelo (por eje Se le anima a que utilice los resultados de los estudios locales u otros valores bibliográficos pertinentes, según proceda, por ejemplo, http://dcstormwaterplan.org/wp-content/uploads/AppD_EMCs_FinalCBA_12222014.pdf). Por lo general, las concentraciones de contaminantes se informarán como concentraciones medias de eventos (CME). Los datos de CME son aceptables para el enfoque de estimación de carga gruesa utilizado por el modelo, pero el uso de concentraciones ponderadas por volumen, si están disponibles, proporcionaría una mayor precisión en los resultados debido al enfoque de estimar las cargas de contaminantes a partir de multiplicar el volumen de retención (o escurrimiento) por una concentración característica. - Representación de las técnicas de retención de aguas pluviales ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ Las técnicas individuales de retención de aguas pluviales, como los biofiltros, las celdas de biorretención o las cunetas, pueden representarse mediante una única categoría LULC, con un coeficiente de escorrentía negativo, correspondiente a la profundidad de la escorrentía de la cuenca que capturan dividida por la profundidad de la precipitación en el píxel. Para ello es necesario conocer el área de captación de las técnicas. - -Apéndice 1: Evaluación del ajuste del coeficiente de retención +Apéndice 2: Evaluación del ajuste del coeficiente de retención ============================================================== **Justificación**: Una de las principales preocupaciones con el enfoque basado en la cuadrícula para la modelización del escurrimiento es que cuando se agregan los resultados a escala de la cuenca o del sitio de estudio, el escurrimiento y las cargas de retención se calculan como la suma de las cargas generadas en cada píxel - es decir, se supone que el escurrimiento generado en cada píxel entra en la red de drenaje de la cuenca, sin posibilidad de ser retenido a medida que se mueve a través de la red. Esta es una suposición justa en áreas altamente desarrolladas, donde la longitud de la trayectoria del flujo (es decir, la distancia que la escorrentía superficial viaja antes de entrar en un desagüe pluvial) probablemente no es mayor que el tamaño de los píxeles (30m en el NLCD/C-CAP de los Estados Unidos). Este era también el supuesto inherente al modelo SWMM tal como se implementó para estimar los coeficientes de escorrentía, en el que toda la escorrentía se dirigía directamente a la salida. Sin embargo, en las zonas con espacios verdes considerables, como parques, cementerios y campos de golf, y potencialmente fuera del núcleo urbano, donde el desarrollo residencial podría ser menos denso, la "conexión directa" de todas las celdas de la red constituyente conduciría a cargas y volúmenes excesivamente predecibles, ya que la retención adicional de la escorrentía podría ser proporcionada por la infiltración en las zonas permeables situadas entre los píxeles permeables y la red de drenaje pluvial. Además, la falta de enrutamiento también impide cualquier análisis de contexto en el modelo de aguas pluviales; la escorrentía que se genera en un píxel (o un conjunto de píxeles que conforman una parcela de interés, como un campo de golf) no se ve afectada por su terreno circundante, ni tiene ningún efecto sobre sus píxeles aguas abajo o vecinos. La configuración o la ubicación de los usos del suelo dentro de la cuenca de interés no influyen en el resultado, solo la cantidad total de cada uso del suelo. @@ -304,8 +300,7 @@ En las cuencas menos desarrolladas (es decir, en los sitios de las corrientes), :file: ./stormwater/base_vs_adjusted.csv :header-rows: 1 - -Apéndice 2: Diferencias entre InVEST y otros modelos +Apéndice 3: Diferencias entre InVEST y otros modelos ==================================================== A diferencia de los modelos existentes de InVEST de rendimiento hídrico y tasa de suministro de nutrientes, el modelo de retención de aguas pluviales se ocupa principalmente de la escorrentía superficial, más que de la escorrentía total (superficial y subsuperficial), y está diseñado para ser aplicado en cuencas urbanas y en desarrollo. El modelo utiliza conjuntos de datos ráster derivados de satélites ampliamente disponibles, como la cubierta del suelo y la elevación, junto con sus inputs en forma de subcuencas objetivo o límites jurisdiccionales para la agregación de métricas (datos espaciales) y, opcionalmente, parámetros de escorrentía y calidad del agua específicos de la ubicación (datos tabulares). En este sentido, el modelo es muy similar a otras herramientas, como iTree y OpenNSPECT. diff --git a/source/es/the_need_for.rst b/source/es/the_need_for.rst index 87996615..145f1e40 100644 --- a/source/es/the_need_for.rst +++ b/source/es/the_need_for.rst @@ -44,61 +44,64 @@ InVEST utiliza un marco sencillo que delimita "la oferta, el servicio y el valor La "oferta" representa lo que está potencialmente disponible en el ecosistema (es decir, lo que la estructura y la función del ecosistema pueden proporcionar). Por ejemplo, esto sería la atenuación de las olas y la consiguiente reducción de la erosión y las inundaciones en tierra que proporciona una ubicación y una densidad de manglares concretas. "Servicio" incorpora la demanda y, por tanto, utiliza información sobre quienes se benefician de ese servicio (por ejemplo, el lugar donde viven las personas, los lugares culturales importantes, las infraestructuras, etc.). "Valor" incluye la preferencia social y permite el cálculo de métricas económicas y sociales (por ejemplo, daños evitados por la erosión y las inundaciones, número de personas afectadas). -El conjunto de herramientas de InVEST descrito en esta guía incluye modelos para cuantificar, mapear y valorar los beneficios que proporcionan los sistemas terrestres, de agua dulce y marinos. Agrupamos los modelos de InVEST en cuatro categorías principales: 1) servicios de apoyo, 2) servicios finales, 3) herramientas para facilitar el análisis de los servicios ecosistémicos y 4) herramientas de apoyo. Los servicios de apoyo sustentan otros servicios ecosistémicos, pero no proporcionan directamente beneficios a las personas. Los servicios finales proporcionan beneficios directos a las personas. Para los servicios finales, dividimos los servicios en su suministro biofísico y el servicio a las personas siempre que sea posible. Para algunos servicios finales, modelizamos el servicio directamente, sin modelizar la oferta por separado. Las herramientas de apoyo incluyen la ayuda a la creación de cuencas hidrográficas, el procesamiento hidrológico en un modelo digital de elevación y la creación de escenarios que pueden utilizarse como inputs para InVEST. +El conjunto de herramientas de InVEST descrito en esta guía incluye modelos para cuantificar, mapear y valorar los beneficios que proporcionan los sistemas terrestres, de agua dulce y marinos. Agrupamos los modelos de InVEST en dos categorías principales: 1) modelos de servicios de apoyo y servicios finales, y 2) herramientas para facilitar el análisis de los servicios ecosistémicos. Los servicios de apoyo sustentan otros servicios ecosistémicos, pero no proporcionan directamente beneficios a las personas. Los servicios finales proporcionan beneficios directos a las personas. Para los servicios finales, dividimos los servicios en su suministro biofísico y el servicio a las personas siempre que sea posible. Para algunos servicios finales, modelizamos el servicio directamente, sin modelizar la oferta por separado. Las herramientas de apoyo incluyen la ayuda a la creación de cuencas hidrográficas, el procesamiento hidrológico en un modelo digital de elevación y la creación de escenarios que pueden utilizarse como inputs para InVEST. -Servicios de apoyo: -^^^^^^^^^^^^^^^^^^^ +Servicios ecosistémicos de apoyo: +^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ -+ Evaluación del riesgo del hábitat ++ Polinización de cultivos + Calidad del hábitat -+ Abundancia de polinizadores: Polinización de cultivos ++ Evaluación del riesgo para el hábitat -Servicios finales: -^^^^^^^^^^^^^^^^^^ +Servicios ecosistémicos finales: +^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ -+ Efecto de borde del carbono forestal ++ Rendimiento anual de agua + Almacenamiento y retención de carbono + Carbono azul costero -+ Rendimiento anual del agua ++ Vulnerabilidad costera + ++ Producción de cultivos + ++ Efecto de borde del carbono forestal -+ Tasa de suministro de nutrientes ++ Producción de energía eólica marina + Proporción de suministro de sedimentos -+ Vistas sin obstáculos: Provisión de calidad escénica ++ Calidad escénica -+ Visitación: ocio y turismo ++ Proporción de entrega de sedimentos -+ Producción de energía de las olas ++ Rendimiento hídrico estacional -+ Producción de energía eólica en alta mar ++ Enfriamiento urbano + Producción de cultivos -+ Rendimiento estacional del agua ++ Acceso urbano a la naturaleza Herramientas para facilitar el análisis de los servicios ecosistémicos: ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ -+ Análisis de solapamiento ++ Visitación: Recreación y turismo -+ Vulnerabilidad costera + ++ Producción de energía de las olas + InVEST GLOBIO Herramientas de apoyo: ^^^^^^^^^^^^^^^^^^^^^^ -+ RouteDEM - + DelineateIT -+ Generador de Escenarios ++ Route DEM + Generador de Escenarios: Basado en la proximidad @@ -106,7 +109,7 @@ Herramientas de apoyo: Utilización de InVEST para la toma de decisiones ================================================ -La información sobre los cambios en los servicios ecosistémicos tiene más probabilidades de marcar la diferencia cuando las preguntas son impulsadas por los responsables de la toma de decisiones y las partes interesadas, más que por los científicos y los analistas. Hemos comprobado que InVEST es más eficaz cuando se utiliza dentro de un proceso de toma de decisiones. El Natural Capital Project ha utilizado InVEST en más de 60 países de todo el mundo. Consulte la sección Dónde trabajamos del sitio web de NatCap (https://naturalcapitalproject.stanford.edu/impact/where-we-work) para ver el mapa más reciente y la descripción de nuestros proyectos. A través de nuestra experiencia en la aplicación de InVEST y en la ayuda a la toma de decisiones, hemos visto cómo la herramienta InVEST encaja en el contexto más amplio de un enfoque de capital natural. +La información sobre los cambios en los servicios ecosistémicos tiene más probabilidades de marcar la diferencia cuando las preguntas son impulsadas por los responsables de la toma de decisiones y las partes interesadas, más que por los científicos y los analistas. Hemos comprobado que InVEST es más eficaz cuando se utiliza dentro de un proceso de toma de decisiones. El Natural Capital Project ha utilizado InVEST en más de 60 países de todo el mundo. Consulte la sección Dónde trabajamos del sitio web de NatCap (https://naturalcapitalproject.stanford.edu/projects) para ver el mapa más reciente y la descripción de nuestros proyectos. A través de nuestra experiencia en la aplicación de InVEST y en la ayuda a la toma de decisiones, hemos visto cómo la herramienta InVEST encaja en el contexto más amplio de un enfoque de capital natural. Nuestro enfoque (Figura 2) comienza con una serie de consultas a las partes interesadas. Se discute y se identifican las cuestiones de interés para las personas responsables de las políticas, las comunidades y los grupos de conservación. Estas preguntas pueden referirse a la prestación de servicios en un paisaje en la actualidad y a cómo estos servicios pueden verse afectados por nuevos programas, políticas y condiciones en el futuro. Para las preguntas relativas al futuro, los interesados desarrollan *escenarios* para explorar las consecuencias de los cambios previstos en los recursos naturales. Estos escenarios suelen incluir un mapa del uso y la cobertura del suelo en el futuro o, en el caso de los modelos marinos, un mapa de los usos costeros y oceánicos y de los hábitats costeros/marinos en el futuro. Estos escenarios se evalúan en función del valor de los servicios ecosistémicos mediante modelos biofísicos y económicos que producen varios tipos de resultados. Tras las consultas con las partes interesadas y el desarrollo de escenarios, InVEST puede estimar la cantidad de servicios ecosistémicos que se prestan en el paisaje actual o en los escenarios futuros. Los modelos de InVEST son espacialmente explícitos, utilizando mapas como fuentes de información y produciendo mapas como resultados. InVEST entrega resultados en términos biofísicos, ya sean cantidades absolutas o magnitudes relativas (por ejemplo, las toneladas de sedimentos retenidos o el porcentaje de cambio en la retención de sedimentos) o en términos económicos (por ejemplo, el valor de la secuestración de carbono). @@ -129,7 +132,7 @@ Ejemplos de cómo el Natural Capital Project ha utilizado el enfoque de los serv Un trabajo en curso =================== -InVEST es un producto de software gratuito con licencia de código abierto BSD. +InVEST es un producto de software gratuito con licencia Apache 2.0 de código abierto (https://www.apache.org/licenses/). El desarrollo de InVEST es un esfuerzo continuo del Natural Capital Project. Publicamos versiones actualizadas del conjunto de herramientas aproximadamente cada tres meses, que pueden incluir datos científicos actualizados, mejoras en el rendimiento y las características, correcciones de errores y/o nuevos modelos. Como nota histórica, los modelos originales de InVEST se construyeron dentro de ArcGIS, pero ahora todos los modelos existen en una forma independiente que se puede lanzar directamente desde el sistema operativo Windows o Mac sin necesidad de depender de otros programas. diff --git a/source/es/urban_cooling_model.rst b/source/es/urban_cooling_model.rst index c3a46803..e0895816 100644 --- a/source/es/urban_cooling_model.rst +++ b/source/es/urban_cooling_model.rst @@ -1,7 +1,7 @@ .. _ucm: ***************************** -Modelo de enfriamiento urbano +Enfriamiento urbano ***************************** Resumen @@ -27,7 +27,7 @@ Cómo funciona El modelo primero computa el índice de capacidad de enfriamiento (CE) para cada píxel basado en la sombra local, la evapotranspiración y el albedo. Este enfoque se basa en los índices propuestos por Zardo et al. (2017) y Kunapo et al. (2018), a los que añadimos el albedo, un factor importante para la reducción del calor. El factor de sombra ('shade') representa la proporción de dosel arbóreo (≥2 m de altura) asociado a cada categoría de uso del suelo/cubierta vegetal (LULC). Su valor está comprendido entre 0 y 1. -El índice de evapotranspiración (IET) representa un valor normalizado de la evapotranspiración potencial, es decir, la evapotranspiración de la vegetación (o la evaporación del suelo, para las zonas sin vegetación). Se calcula para cada píxel multiplicando la evapotranspiración de referencia (:math:`ET0`, proporcionada por usted) y el coeficiente de cultivo (:math:`Kc` , asociado al tipo de LULC del píxel), y dividiéndolo por el valor máximo del ráster :math:`ET0` del área de interés, :math:`ETmax`: +El índice de evapotranspiración (IET) representa un valor normalizado de la evapotranspiración potencial, es decir, la evapotranspiración de la vegetación (o la evaporación del suelo, para las zonas sin vegetación). Se calcula para cada píxel multiplicando la evapotranspiración de referencia (:math:`ETo`, proporcionada por usted) y el coeficiente de cultivo (:math:`Kc` , asociado al tipo de LULC del píxel), y dividiéndolo por el valor máximo del ráster :math:`ETo` del área de interés, :math:`ETmax`: .. math:: ETI = \frac{K_c \cdot ET0}{ET_{max}} @@ -57,6 +57,12 @@ Opcionalmente, el modelo puede considerar otro factor, la intensidad (:math:`bui Para tener en cuenta el efecto de enfriamiento de los grandes espacios verdes (>2 ha) en las zonas circundantes (véase la discusión en Zardo et al. (2017) y McDonald et al. (2016)), el modelo calcula el índice HM urbano: HM es igual a CE si el píxel no está afectado por ningún espacio verde grande, pero en caso contrario se establece un promedio ponderado por la distancia de los valores de CC de los espacios verdes grandes y el píxel de interés. +.. note:: + El modelo no comprueba si los espacios verdes son contiguos. Por lo tanto, muchos + pequeños espacios verdes dentro de la distancia de búsqueda tendrán el mismo efecto sobre + mitigación del calor urbano que un único gran espacio verde de la misma superficie dentro de + la distancia de búsqueda. + Para ello, el modelo calcula primero la superficie de los espacios verdes dentro de una distancia de búsqueda :math:`d_{cool}` alrededor de cada píxel (:math:`GA_i`), y la CE que proporciona cada parque (:math:`CC_{park_i}`): .. math:: {GA}_{i}=cell_{area}\cdot\sum_{j\in\ d\ radius\ from\ i} g_{j} @@ -193,7 +199,7 @@ Necesidades de datos - :investspec:`urban_cooling_model results_suffix` -- :investspec:`urban_cooling_model lulc_raster_path` El modelo utilizará la resolución de esta capa para remuestrear todos los resultados. La resolución debe ser lo suficientemente pequeña como para captar el efecto de los espacios verdes en el paisaje, aunque las categorías de LULC pueden comprender una mezcla de coberturas con y sin vegetación (por ejemplo, "residencial", que puede tener una cobertura de dosel del 30%). +- :investspec:`urban_cooling_model lulc_raster_path` El modelo utilizará la resolución y la proyecciín de esta capa para remuestrear y reproyectar todos los resultados. La resolución debe ser lo suficientemente pequeña como para captar el efecto de los espacios verdes en el paisaje, aunque las categorías de LULC pueden comprender una mezcla de coberturas con y sin vegetación (por ejemplo, "residencial", que puede tener una cobertura de dosel del 30%). - :investspec:`urban_cooling_model biophysical_table_path` diff --git a/source/es/urban_flood_mitigation.rst b/source/es/urban_flood_mitigation.rst index 6c92789b..4a3cc21f 100644 --- a/source/es/urban_flood_mitigation.rst +++ b/source/es/urban_flood_mitigation.rst @@ -1,8 +1,8 @@ .. _ufrm: -**************************************************** -Modelo de mitigación del riesgo de inundación urbana -**************************************************** +****************************************** +Mitigación del riesgo de inundación urbana +****************************************** Introducción ============ @@ -79,7 +79,8 @@ donde :math:`\text{Service.built}` se expresa en :math:`currency-m^3`. Debe considerarse solo un indicador, no una medida real de ahorro. Limitaciones y simplificaciones -^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ +======================== + **Producción de escorrentía:** el modelo utiliza un enfoque simple (SCS-Curve Number), que introduce elevadas incertidumbres. Sin embargo, la clasificación entre los distintos usos del suelo suele quedar bien plasmada con este enfoque, es decir, que el efecto de las infraestructuras naturales quedará cualitativamente representado en los resultados del modelo. Los trabajos futuros tendrán como objetivo incluir un trazado sobre el paisaje: las ideas incluyen TOPMODEL (existe un paquete R), UFORE (utilizado en iTree), CADDIES, etc. diff --git a/source/es/urban_nature_access.rst b/source/es/urban_nature_access.rst index f75a45d8..7f415943 100644 --- a/source/es/urban_nature_access.rst +++ b/source/es/urban_nature_access.rst @@ -1,7 +1,724 @@ .. _urban_nature_access: +***************************** +Acceso a la naturaleza urbana +***************************** + +Resumen +======= + +La naturaleza en las zonas urbanas ofrece importantes oportunidades de ocio. El modelo de acceso a la naturaleza urbana proporciona una medida tanto de la oferta de naturaleza urbana como de la demanda de naturaleza por parte de la población urbana, calculando en última instancia el equilibrio entre oferta y demanda. Tanto la naturaleza urbana como la población pueden dividirse opcionalmente en diferentes grupos. La oferta viene determinada por el tipo, el tamaño, la proximidad y la calidad de la naturaleza urbana accesible per cápita con fines recreativos. La demanda se determina como espacio natural per cápita, tal y como suelen exigir las políticas o normas. El equilibrio cuantifica en qué medida la oferta satisface la demanda, a nivel individual, administrativo y de ciudad. + +Introducción +============ + +La naturaleza en las zonas urbanas ofrece importantes oportunidades de recreación, junto con beneficios sociales, psicológicos y de salud física (Bratman et al. 2019, Keeler et al. 2019, Remme et al. 2021). De acuerdo con Liu et al. (2022), la evaluación de la recreación basada en la naturaleza requiere una comprensión de i) la "oferta" de naturaleza urbana, que a su vez depende de la disponibilidad y la calidad, y ii) la "demanda" de naturaleza urbana, que depende de las preferencias de las personas o de los requisitos de las políticas. + +Este modelo InVEST sigue la estructura descrita en Liu et al. (2022), evaluando la oferta y la demanda de naturaleza urbana y el equilibrio local entre oferta y demanda, que identifica las zonas con excedente o déficit (equilibrio positivo o negativo, respectivamente) de naturaleza urbana, con respecto a una norma (Liu et al., 2022). De este modo, el modelo se centra en el acceso a la naturaleza en las zonas urbanas. Dado que el modelo es capaz de modelar la oferta, la demanda y el equilibrio de muchos tipos de naturaleza urbana, como parques, espacios verdes, humedales y costas, en este documento nos referiremos al modelo como modelo de acceso a la naturaleza urbana. Corresponde al usuario elegir qué componentes de la naturaleza urbana incluir en su análisis. + +El modelo por defecto evalúa la oferta, la demanda y el equilibrio global de la naturaleza urbana para el total de la población urbana. Además, pueden utilizarse tres extensiones opcionales del modelo básico para obtener resultados más detallados: + +- La oferta, la demanda y el equilibrio de la naturaleza urbana pueden resumirse en diferentes grupos de población (por ejemplo, según los distintos grupos de edad, niveles de renta, raza o etnia, etc.), lo que puede ser importante para las consideraciones de equidad. Véase :ref:`una-summarize-by-population-groups + +- Para una comprensión más minuciosa de la oferta de naturaleza urbana, el usuario puede, opcionalmente, proporcionar información más detallada sobre la distancia que la gente suele recorrer para hacer uso de los diferentes tipos de naturaleza urbana. Por ejemplo, es posible que la gente se desplace más lejos para visitar grandes parques en comparación con parques locales pequeños. Véase :ref:`una-radii-per-urban-nature-class` + +- Para una comprensión más detallada de la oferta de naturaleza urbana a los distintos grupos de población, el usuario puede, opcionalmente, proporcionar información sobre la distancia que probablemente deban recorrer los distintos grupos para llegar a la naturaleza urbana. Por ejemplo, las personas que tienen coche pueden desplazarse más lejos que las personas que utilizan el transporte público. Véase :ref:`una-radii-per-population-group`. + +También se ofrecen tres opciones para desarrollar un modelo más detallado: + +El modelo +========= + +El modelo calcula el acceso a la naturaleza urbana basándose en la ubicación y la cantidad de naturaleza urbana, la ubicación y el número de personas, y la necesidad o demanda per cápita de naturaleza urbana. La superficie de naturaleza urbana en el píxel :math:`j` se representa como :math:`S_j`. Los valores de :math:`S_j` se expresan en metros cuadrados, donde la proporción de la superficie de un píxel que está cubierta por naturaleza urbana se define en la Tabla de Atributos de uso/cubierta del suelo (LULC). La población en el píxel :math:`i` está representada por :math:`P_i`. Los requisitos per cápita para la naturaleza urbana se especifican como :math:`g_{cap}`, y a menudo se basan en objetivos de políticas. Juntos, estos componentes se utilizan para calcular las siguientes tres métricas principales, descritas con más detalle en :ref:`una-running-the-default-model`: + +- Demanda de naturaleza urbana:** la cantidad de naturaleza urbana requerida/demandada por la población en un píxel + +- **Equilibrio de la naturaleza urbana:** la diferencia entre la naturaleza urbana suministrada a un píxel y lo que demanda la población de ese píxel + +Función de decaimiento +---------------------- + +Las personas utilizan los espacios naturales con más frecuencia si están más cerca de sus hogares (Andkjaer y Arvidsen, 2015). Esta frecuencia disminuye a medida que aumenta la distancia. Es lo que se denomina "decaimiento de la distancia". El modelo describe este decaimiento de la distancia entre la naturaleza urbana y la población mediante la función de decaimiento :math:`f\left( d_{ij} \right)` donde :math:`d_{ij}` es la distancia entre la naturaleza y un píxel de población, y :math:`d_{0}` es una distancia de búsqueda definida por el usuario dentro de la cual buscar píxeles de naturaleza. La distancia de búsqueda es siempre la distancia euclidiana (distancia en línea recta entre los puntos centrales de los píxeles A y B) y asume píxeles cuadrados. + + .. figure:: ./urban_nature_access/decay_function_intro.png + :align: center + :figwidth: 400px + +Este modelo ofrece varias funciones de decaimiento de distancia entre las que el usuario puede elegir, que se definen e ilustran con más detalle a continuación. La opción **dicotomía** trata todos los píxeles dentro de una distancia de búsqueda establecida desde un píxel como igualmente accesibles. Esta opción se recomienda cuando una política de naturaleza o espacios verdes urbanos tiene como objetivo una cierta cantidad de naturaleza a una distancia determinada de las residencias de las personas. Por ejemplo, los Países Bajos establecen un objetivo de al menos :math:`60m^2` de naturaleza urbana por persona en un radio de 500 m de los hogares (Roo et al. 2011). + +Para los estudios que tienen en cuenta el decaimiento del servicio de naturaleza urbana, que representan de forma más realista la probabilidad de visitar la naturaleza urbana, la función de decaimiento debe ajustarse a los datos disponibles sobre visitas. Por lo tanto, se dispone de tres funciones adicionales de decaimiento de la distancia: **exponencial, gaussiana** y **densidad**. Todas asignan más peso a la naturaleza urbana situada más cerca de las personas, lo que refleja la mayor probabilidad de que las personas visiten la naturaleza más cercana a ellas. + +Dicotomía +--------- + +El núcleo dicotómico considera que todos los píxeles dentro de la distancia de búsqueda :math:`d_0` son igualmente accesibles al espacio verde. Más formalmente: :math:`d_{0}` de un píxel con naturaleza para ser igualmente accesible. + +.. math:: + \begin{align*} + f(d_{ij}, d_0) &= \left\{\begin{array}{lr} + 1 & \text{if} d_{ij} \leq d_0 \\ + 0 & \text{if} d_{ij} \gt d_0 \\ + 0 & \text{if} d_{ij} > d_0 \\ + \end{array}\right\} \\ + \end{align*} +@@ -84,12 +142,9 @@ El núcleo dicotómico considera todos los píxeles dentro de la distancia de búsqueda + +Exponencial +----------- + +Una función de decaimiento exponencial ponderada por la distancia, en la que es más probable que las personas visiten la naturaleza más cercana a ellas, con una probabilidad que cae exponencialmente hasta el radio máximo :math:`d_{0}`. + +Una función de decaimiento exponencial ponderada por la distancia, en la que es más probable que las personas visiten la naturaleza más cercana a ellas, con una probabilidad que cae exponencialmente hasta el radio máximo :math:`d_{0}`. + +Gaussiana +--------- + +Una función de decaimiento ponderada por la distancia, en la que es más probable que las personas visiten la naturaleza más cercana a ellas, con una probabilidad decreciente según una distribución normal ("gaussiana") con una sigma de 3, hasta el radio máximo +:math:`d_{0}`. + +.. math:: +@@ -141,7 +201,10 @@ Gaussian + :figwidth: 500px + +Densidad +-------- + +Una función de decaimiento ponderada por la distancia, en la que es más probable que la gente visite la naturaleza más cercana a ellos, con una probabilidad que disminuye más rápidamente a medida que las distancias se acercan al radio de búsqueda :math:`d_{0}`. + + +.. math:: +@@ -156,62 +219,51 @@ Density + :align: center + :figwidth: 500px + +Ejecución del modelo central +---------------------------- + +.. _una-running-the-default-model: + +Ejecución del modelo por defecto +-------------------------------- + +El modelo por defecto asume un radio uniforme de desplazamiento ("radio de búsqueda") que define el usuario, es decir, solo la naturaleza situada a una distancia de X metros del domicilio de alguien contribuye al beneficio recreativo de una persona. + +.. math:: + +Cálculo de la oferta de naturaleza urbana +~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ + + demand_i = P_i \cdot g_{cap} + +Donde :math:`P_i` es la población en el píxel :math:`i` y :math:`g_{cap}` es la necesidad de espacio verde per cápita definida por el usuario. + +Cálculo de la oferta de espacios verdes *************************************** -Modelo de acceso a la naturaleza urbana -*************************************** -Este modelo está en desarrollo activo y aún no ha salido al mercado. Se espera que este capítulo de la guía de uso se actualice cuando se acerque la fecha de lanzamiento; si tiene alguna pregunta, escríbanos a los foros en https://community.naturalcapitalproject.org/ +El cálculo del suministro de naturaleza urbana a cada píxel de población utiliza el método de área de captación flotante en dos pasos (2SFCA) (Mao y Nekorchuk, 2013; Xing et al., 2018). Dado un píxel de naturaleza urbana :math:`j`, se buscan todos los píxeles de población con el radio de búsqueda :math:`d_{0}`. La relación naturaleza urbana/población :math:`R_{j}` para este píxel se calcula utilizando el área del píxel de naturaleza :math:`S_{j}` dividida por la población total dentro del radio de búsqueda, ponderada según la ponderación basada en la distancia del núcleo de búsqueda seleccionado. A continuación, centrados en cada píxel del ráster de población, se buscan todos los píxeles naturales dentro de su cuenca ponderada por distancia. Todos los :math:`R_{j}` de estos píxeles naturales se suman para calcular la oferta de naturaleza urbana per cápita :math:`A_{i}` a cada píxel de población. Adoptamos este enfoque para la oferta, en lugar de simplemente la cantidad de naturaleza en un radio de un hogar, porque al utilizar un enfoque basado en la gravedad se tiene en cuenta la disponibilidad ponderada de la naturaleza. En otras palabras, 2SFCA tiene en cuenta el contexto de que mucha gente utiliza los espacios verdes, algo habitual en una zona urbana. + +Esto puede entenderse gráficamente como: + +.. figure:: ./urban_nature_access/2sfca-step1.png +.. figure:: ./urban_nature_access/2SFCA_step1_v2.png + :align: center + :figwidth: 500px + :figwidth: 400px + + Paso 1: Localización de poblaciones en el radio de búsqueda de naturaleza urbana. + +.. figure:: ./urban_nature_access/2SFCA_step2_v2.png + + :align: center + :figwidth: 400px + +Más formalmente, la relación naturaleza urbana/población :math:`R_{j}` se define como: + + +.. math:: + \begin{align*} + R_j &= \left\{\begin{array}{lr} + \frac{S_j}{\sum_{k \in \left\{d_{jk} \leq d_0 \right\}} P_k \cdot f(d_{jk})} & \text{if} P_k \cdot f(d_{jk}) >= 1 \\ + S_j & \text{otherwise} \\ + \end{array}\right\} \\ + \end{align*} +Donde: + +- :math:`R_{j}` es la relación naturaleza urbana/población del píxel de naturaleza :math:`j`. +- :math:`S_{j}` es el área de naturaleza en el píxel :math:`j` +- :math:`d_{0}` es el radio de búsqueda +- :math:`k` es el píxel de población dentro del radio de búsqueda del píxel de naturaleza :math:`j` +- :math:`d_{jk}` es la distancia entre el píxel de naturaleza :math:`j` y el píxel de población :math:`k`. +- :math:`P_{k}` es la población del píxel :math:`k`. +- :math:`f(d)` es la función de decaimiento seleccionada. + +A continuación, la relación naturaleza urbana/población se pondera mediante la función de descomposición seleccionada y se suma dentro del radio de búsqueda para obtener la oferta de espacios verdes, :math:`A_{i}`: + +.. math:: + + A_i = \sum_{j \in \left\{d_{ij} \leq d_0 \right\}} R_j \cdot f(d_{ij}) + +Donde: + +- :math:`i` es cualquier píxel en el ráster de población +- :math:`A_{i}` es la naturaleza urbana per capita entregada al píxel :math:`i` (metros cuadrados por persona) +- :math:`d_{ij}` es la distancia entre el píxel :math:`i` u el píxel natural :math:`j`. +- :math:`d_{0}` es el radio de búsqueda + +Cálculo de la demanda de naturaleza urbana +~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ + +Derivada de la capa de población y de la demanda de naturaleza urbana definida por el usuario, mide la cantidad de naturaleza urbana accesible necesaria para abastecer adecuadamente a todas las personas de cada píxel. + +.. math:: + + demand_{i} = P_{i} \cdot g_{cap} + +Donde: + +- :math:`i` es un píxel +- :math:`demand_{i}` es la superficie de naturaleza urbana (en metros cuadrados) que necesita la población residente en el píxel :math:`i` para satisfacer plenamente sus necesidades de naturaleza urbana. +- :math:`P_{i}` es la población (personas por píxel) en el píxel :math:`i` +- :math:`g_{cap}` es la necesidad de naturaleza urbana per cápita definida por el usuario (metros cuadrados por persona) + +Cálculo del equilibrio de la naturaleza urbana +~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ + +Los documentos de planificación local o los objetivos de planificación urbana suelen establecer que cada residente de una región debe tener asignada una determinada cantidad de naturaleza, :math:`g_{cap}`. El presupuesto de oferta/demanda de naturaleza urbana per cápita :math:`SUP\_ DEM_{i,cap}` en el píxel :math:`i`, se define evaluando el equilibrio entre la naturaleza urbana suministrada y el objetivo de planificación para la naturaleza (a menudo espacio verde) per cápita por píxel: + +.. math:: + + SUP\_DEM_{i,cap} = A_i - g_{cap} + +Para determinar el balance de todas las personas en cada píxel, :math:`SUP\_ DEM_{i,cap}` se multiplica por la población :math:`P_{i}` en el píxel :math:`i`: + +.. math:: + + SUP\_DEM_{i} = SUP\_DEM_{i,cap} \cdot P_i + +Cálculo de la naturaleza urbana accesible +~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ + +A menudo es útil hallar el área total dentro del radio de búsqueda dado, dado por: + +.. math:: accessible_{i} = \sum_{j \in \left{d_{ij} \leq d_{0} \{S_j \cdot f(d_{ij})} + +Donde :math:`accessible_{i}` es la superficie total de naturaleza urbana accesible al píxel :math:`i` dentro del radio de búsqueda :math:`d_0`, ponderada por la función de decaimiento. + +Resumen de los resultados para las unidades administrativas +~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ + +El usuario debe proporcionar un vector con los límites de las unidades administrativas que pueden representar cualquier nivel de distrito que le interese. Estos límites son necesarios para obtener mediciones a nivel administrativo. + +El balance oferta/demanda a nivel administrativo es la suma del balance de cada píxel :math:`i` dentro del límite administrativo :math:`adm`: + +.. math:: + + SUP\_DEM_{adm} = \sum_{i \in \left\{adm \right\}} SUP\_DEM_i + +:math:`SUP\_ DEM_{adm}` indica cuánta naturaleza urbana, en metros cuadrados, falta o sobra en una unidad administrativa. + +El balance medio per cápita de la oferta y la demanda de naturaleza urbana también se calcula a nivel administrativo: + +.. math:: + + SUP\_DEM_{adm,cap} = \frac{SUP\_DEM_{adm}}{P_{adm}} +Donde :math:`P_{adm}` es la población total dentro del límite administrativo. + +Cuando :math:`SUP\_ DEM_i,cap} < 0` en cualquier píxel :math:`i`, indica que la población de este píxel tiene un déficit de naturaleza urbana. La suma de estas poblaciones en todos los píxeles dentro de una unidad administrativa proporciona el número de personas en una unidad administrativa con un déficit de naturaleza urbana, :math:`Pund_{adm}`, en relación con la naturaleza urbana recomendada :math:`g_{cap}`: + +.. math:: + + Pund_{adm} = \sum_{i \in \{adm\}} +@@ -309,9 +393,10 @@ de personas en una unidad administrativa con déficit de espacios verdes, + \end{array} + \right\} + +De manera similar, se aplica el mismo razonamiento para hallar el número de personas con un excedente de naturaleza urbana en una unidad administrativa, :math:`Povr_{adm}`, en relación con la naturaleza urbana recomendada :math:`g_{cap}`: + +.. math:: + Povr_{adm} = \sum_{i \in \{adm\}} +@@ -323,163 +408,213 @@ espacio verde recomendado :math:`g_{cap}`: + \right\} + +Ejecución del modelo con radios definidos por clase de naturaleza urbana +------------------------------------------------------------------------ + +.. _una-radii-per-urban-nature-class: + +La naturaleza urbana es de distintos tipos. Los parques pequeños de la localidad proporcionan una cómoda experiencia recreativa en las cercanías, mientras que los parques municipales atraen a personas de lugares más lejanos. Si el usuario dispone de datos para dividir los tipos de naturaleza urbana y la distancia de desplazamiento ajustada para cada tipo de naturaleza urbana, la accesibilidad de cada tipo de naturaleza urbana al píxel :math:`i` puede calcularse utilizando el radio específico de la clase. Estos tipos de naturaleza urbana divididos y sus radios de búsqueda asociados se proporcionan al modelo mediante el input del usuario en la tabla de atributos LULC. Cada tipo de clasificación de ocupación del suelo marcado como naturaleza urbana se calculará por separado para ofrecer resultados más detallados sobre la naturaleza urbana accesible de cada tipo. Corresponde al usuario decidir cómo dividir la naturaleza urbana. + +.. figure:: ./urban_nature_access/radii_per_nature_class.png + :align: center + :figwidth: 700px + +La accesibilidad del tipo de naturaleza urbana :math:`r`, :math:`A_{i,r}` al píxel :math:`i` se calcula sumando la distancia ponderada +:math:`R_{j,r}` dentro del radio de búsqueda: + +.. math:: + A_{i,r} = \sum_{j \in d_{ij} \leq d_{0,r}}{R_{j,r} \cdot f(d_{ij})} + +La naturaleza urbana total suministrada al píxel :math:`i`, :math:`A_{i}` se calcula sumando los :math:`A_{i,r}` de todos los tipos de naturaleza urbana: + +.. math:: + A_i = \sum_{r=1}^{r}{A_{i,r}} + +La naturaleza urbana accesible en este modo se calcula mediante: + +.. math:: + accessible_{i,r} = \sum_{j \in \left\{d_{ij} \leq d_{0,r} \right\}}{S_{j,r} \cdot f(d_{ij})} +Donde :math:`accessible_{i,r}` es la superficie total de naturaleza urbana de la clase :math:`r` accesible dentro del radio de búsqueda, ponderada por la función de decaimiento. :math:`S_{j,r}` es la superficie de naturaleza urbana en el píxel :math:`j` de la clase de naturaleza urbana :math:`r`. + +Los demás pasos y resultados son los mismos que en el modelo básico. + + +.. _una-summarize-by-population-groups: + +Ejecución del modelo con resultados resumidos por grupos de población +--------------------------------------------------------------------- + +El usuario tiene la opción de proporcionar las características de la población indicando la proporción de la población total que pertenece a un determinado grupo de población dentro de cada unidad administrativa. Ejemplos de grupos de población pueden ser los rangos de edad o de renta. El usuario decidirá cómo dividir la población en función de la disponibilidad de datos y del objetivo del estudio. + +Para analizar el equilibrio entre la oferta y la demanda de determinados grupos dentro de la población general, se realiza un cálculo adicional para cada grupo :math:`gn`, dada la proporción del grupo en la población total de una unidad administrativa, :math:`Rp,gn`. + +Para la población desabastecida dentro del grupo :math:`gn` y la unidad administrativa :math:`adm`, esto se define como: + +.. math:: + Pund_{adm,gn} = Pund_{adm} \cdot Rp,gn + +Y para la población sobreabastecida dentro del grupo :math:`gn` y la unidad administrativa :math:`adm`: + +.. math:: + Povr_{adm,gn} = Povr_{adm} \cdot Rp,gn + +Es posible que el usuario desee realizar más análisis de correlación entre las características de la población y los resultados anteriores para ver si determinados grupos de personas están asociados a una oferta de naturaleza urbana deficitaria o excedentaria a diferentes niveles. + +Ejecución del modelo con radios definidos por grupo de población +---------------------------------------------------------------- + +El radio de búsqueda tiene un impacto importante en la oferta de naturaleza urbana y las distintas poblaciones tienen radios diferentes. Por ejemplo, las personas con vehículo propio pueden desplazarse más lejos para su recreo, o las personas mayores pueden recorrer distancias más cortas (Liu et al., 2022). Este radio de búsqueda específico del grupo :math:`d_{0,gn}` es definido por el usuario para cada grupo :math:`gn` junto con la proporción de la población total dentro de una unidad administrativa que pertenece a este grupo. Con estos dos datos específicos de cada grupo se puede obtener la naturaleza urbana de cada grupo en un píxel, :math:`A_{i,gn}`. + +En primer lugar, el área de naturaleza urbana se dividirá entre la población dentro de su radio de búsqueda, :math:`R_{j}`. Dado que los distintos grupos tienen radios diferentes (véase la figura siguiente), la población total servida es la suma de cada grupo dentro de sus respectivos radios de búsqueda. La población en el píxel :math:`i` está formada por diferentes grupos. El tamaño del grupo :math:`gn` en el píxel :math:`i` se calcula así: + +.. math:: + P_{i,gn} = P_i \cdot Rp,gn + +donde :math:`P_{i}` es la población en el píxel :math:`i`, y :math:`Rp,gn` es la proporción de este grupo en la población total dentro de cada unidad administrativa individual. + +.. math:: + R_j = \frac{S_j}{ + \sum_{gn=1}^{gn} \left( \sum_{k \in \{d_{kj} \leq d_{0,gn} \}}{ P_{k,gn} \cdot f(d_{jk})} \right) + } + +.. figure:: ./urban_nature_access/travel-distance-pop-groups.png + :width: 5.18229in + :height: 2.56746in + + La naturaleza urbana presta servicio a los adultos mayores dentro de d0, g1 (el radio para este grupo de población), y presta servicio a los adultos más jóvenes dentro de d0, g2 (el radio para ese grupo de población). + +La oferta de naturaleza urbana al grupo :math:`gn` por píxel :math:`i` se calcula mediante (y se ejemplifica conceptualmente en la Figura siguiente): + +.. math:: + A_{i,gn} = \sum_{j \in \{d_{ij} \leq d_{0,gn}\}} R_j \cdot f(d_{ij}) + +.. figure:: ./urban_nature_access/travel-distance-pop-groups-detail.png + :width: 6.5in + :height: 2.125in + + La población de mayor edad solo recibe servicios de los espacios verdes situados en d0, g1, es decir, el espacio verde A; los adultos más jóvenes reciben servicios de los espacios verdes situados en d0, g2, es decir, el espacio verde A y el espacio verde B. + dentro de d0, g2, es decir, el espacio verde A y el espacio verde B. + +La oferta media de naturaleza urbana per cápita para el píxel :math:`i` se calcula mediante una suma ponderada de :math:`A_{i,gn}`: + +.. math:: + A_i = \sum_{n=1}^{n}{A_{i,gn} \cdot Rp,gn} + +El equilibrio de la naturaleza urbana per cápita en el píxel :math:`i`, :math:`SUP\_ DEM_{i,cap}` se define evaluando la diferencia entre la naturaleza urbana suministrada al píxel :math:`i` y el objetivo de planificación definido por el usuario para la naturaleza urbana per cápita, :math:`g_{cap}`: + +.. math:: + SUP\_DEM_{i,cap} = A_i - g_{cap} + +El balance de naturaleza urbana per cápita del grupo :math:`gn` en el píxel :math:`i` (:math:`SUP\_ DEM_{i,cap,gn}`) se define evaluando la diferencia entre la naturaleza urbana suministrada al grupo :math:`gn` en el píxel :math:`i` y el objetivo de planificación para la naturaleza urbana per cápita, :math:`g_{cap}`: + +.. math:: + SUP\_DEM_{i,cap,gn} = A_{i,gn} - g_{cap} + +:math:`P_{i,gn}` es la población del grupo :math:`gn` en el píxel :math:`i`. La población del grupo :math:`gn` en el píxel :math:`i` multiplicada por el balance de naturaleza urbana per cápita del mismo grupo, (:math:`SUP\_ DEM_{i,cap,gn}`), dará el balance oferta-demanda de área de naturaleza urbana de ese grupo en el píxel :math:`i`. La suma del balance oferta-demanda de todos los grupos en el píxel *i* generará el balance oferta-demanda de todas las personas en el píxel *i* (:math:`SUP\_ DEM_{i}`). + + +.. math:: + SUP\_DEM_i = \sum_{gn=1}^{gn}{SUP\_DEM_{i,cap,gn} \cdot P_{i,gn}} + +Para obtener un balance oferta-demanda de naturaleza urbana per cápita a nivel administrativo, el balance oferta-demanda de naturaleza urbana a nivel administrativo :math:`SUP\_ DEM_{adm}` se divide por la población total de la unidad administrativa :math:`P_{adm}`: + +.. math:: + SUP\_DEM_{adm,cap} = \frac{SUP\_DEM_{adm}}{P_{adm}} + +Para calcular el balance medio per cápita de oferta y demanda del grupo :math:`gn` con una unidad administrativa :math:`adm`, el modelo multiplica el balance de espacios verdes :math:`SUP\_ DEM_{i,cap,gn}` por la población del grupo :math:`gn` en el píxel :math:`i`, y luego se suma para todos los píxeles en :math:`adm` y se divide por la población del grupo :math:`gn` dentro de :math:`adm`. + +.. math:: + SUP\_DEM_{adm,cap,gn} = \frac{ +@@ -488,10 +623,10 @@ población del grupo :math:`gn` dentro de :math:`adm`. + + P_{adm,gn} + } + +Para analizar el equilibrio entre la oferta y la demanda de determinados grupos dentro de la población general, se realiza un cálculo adicional. + +La población del grupo :math:`gn` que tiene un déficit de naturaleza urbana dentro de la unidad administrativa :math:`adm` viene dada por: + +.. math:: +@@ -503,13 +638,14 @@ administrative unit :math:`adm` is given by: + \end{array} + \right\} + +La población subabastecida total dentro de la unidad administrativa :math:`adm` viene dada por: + +.. math:: + Pund_{adm} = \sum_{gn=1}^{gn}{Pund_{adm,gn}} + +La población del grupo :math:`gn` que tiene un excedente de naturaleza urbana dentro de la unidad administrativa :math:`adm` viene dada por: + +.. math:: +@@ -521,248 +657,404 @@ administrative unit :math:`adm` is given by: + \end{array} + \right\} + +La población total sobreabastecida dentro de la unidad administrativa :math:`adm` viene dada por: + +.. math:: + Povr_{adm} = \sum_{gn=1}^{gn}{Povr_{adm,gn}} + +La naturaleza urbana accesible en este modo se calcula mediante: + +.. math:: + accessible_{i,gn} = \sum_{j \in \left\{d_{ij} \leq d_0 \right\}} S_{j,gn} \cdot f(d_{ij}) +Donde :math:`accessible_{i,gn}` es la superficie total de naturaleza urbana accesible al grupo de población :math:`gn` dentro del radio de búsqueda, ponderada por la función de decaimiento. :math:`S_{j,gn}` es la superficie de naturaleza urbana en el píxel :math:`j` accesible al grupo :math:`gn`. + +Limitaciones y simplificaciones +=============================== + +Las distancias de búsqueda (radios) son euclidianas (en línea recta), el modelo no tiene en cuenta las carreteras ni otras limitaciones de desplazamiento a pie/en transporte del mundo real. + +El modelo no tiene en cuenta el tamaño total de las zonas verdes, solo evalúa las distintas clases de zonas verdes y sus atributos por píxel. Una solución para esto es definir diferentes clases de uso del suelo basadas en el tamaño, como "parques pequeños" y "parques grandes". A continuación, se puede definir un radio de visitas diferente para cada clase de tamaño. + +La demanda utiliza un cálculo genérico (m2 per cápita), mientras que las ciudades suelen adoptar distintos enfoques para cuantificarla. Además, no existe una métrica internacional oficial de la demanda que pueda aplicarse fácilmente, por lo que es necesario el conocimiento local. + +El resultado del modelo puede utilizarse como indicador de los beneficios recreativos y para la salud, pero no es un indicador ideal de la complejidad de las relaciones entre el ser humano y la naturaleza. + +Necesidades de datos +==================== + +.. note:: + Los datos de muestra se suministran para proporcionar ejemplos de requisitos y formato. + +Todos los inputs espaciales deben estar en el mismo sistema de coordenadas proyectado y en unidades de metros lineales. Las salidas se remuestrearán para que coincidan con la resolución cuadrada y la proyección espacial del LULC. + +- :investspec:`urban_nature_access workspace_dir` +- :investspec:`urban_nature_access results_suffix` +- :investspec:`urban_nature_access lulc_raster_path` +- :investspec:`urban_nature_access lulc_attribute_table` + + Columnas: + + - :investspec:`urban_nature_access lulc_attribute_table.columns.lucode` + - :investspec:`urban_nature_access lulc_attribute_table.columns.urban_nature` + - :investspec:`urban_nature_access lulc_attribute_table.columns.search_radius_m` + +- :investspec:`urban_nature_access population_raster_path` + +- :investspec:`urban_nature_access admin_boundaries_vector_path` + + Fields: + + - :investspec:`urban_nature_access admin_boundaries_vector_path.fields.pop_[POP_GROUP]` + + Ejemplo de tabla de atributos para un vector de límites administrativos con 3 geometrías: + + +--------------+----------------+ + | **pop_male** | **pop_female** | + +==============+================+ + | 0.56 | 0.44 | + +--------------+----------------+ + | 0.42 | 0.58 | + +--------------+----------------+ + | 0.38 | 0.62 | + +--------------+----------------+ + +- :investspec:`urban_nature_access urban_nature_demand` + +- :investspec:`urban_nature_access search_radius_mode` + +- :investspec:`urban_nature_access search_radius` + +- :investspec:`urban_nature_access population_group_radii_table` + + Columnas: + + - :investspec:`urban_nature_access population_group_radii_table.columns.pop_group` + + - :investspec:`urban_nature_access population_group_radii_table.columns.search_radius_m` + + Ejemplo de tabla de correspondencia de los grupos en el vector de límites administrativos presentado antes: + + +---------------+---------------------+ + | **pop_group** | **search_radius_m** | + +===============+=====================+ + | pop_male | 900 | + +---------------+---------------------+ + | pop_female | 1200 | + +---------------+---------------------+ + + +.. + - :investspec:`urban_nature_access decay_function_power_beta` + +Interpretación de los resultados +================================ + +Carpeta de resultados +--------------------- + +- **output/urban_nature_supply_percapita.tif** Suministro calculado de naturaleza urbana. Unidades: naturaleza urbana per cápita suministrada al píxel i (metros cuadrados por persona). + +- **outputs/urban_nature_demand.tif** Superficie de naturaleza urbana que necesita la población residente en cada píxel para satisfacer plenamente sus necesidades de naturaleza urbana. Los valores más altos indican una mayor demanda de naturaleza urbana accesible desde el área circundante. Unidades: metros cuadrados de naturaleza urbana por píxel. + +- output/urban_nature_balance_percapita.tif** Valor a nivel de píxel del equilibrio de la naturaleza urbana per cápita. Los valores de píxel positivos indican un exceso de oferta de naturaleza urbana en relación con la demanda de naturaleza urbana declarada. Los valores negativos indican una oferta insuficiente de naturaleza urbana en relación con la demanda declarada de naturaleza urbana. Este resultado es de especial interés para interpretar dónde los individuos están más privados de naturaleza. Unidades: Metros cuadrados de déficit de naturaleza urbana por persona. + +- **outputs/urban_nature_balance_totalpop.tif** El balance de naturaleza urbana para la población total en un píxel. Los valores positivos del píxel indican un exceso de oferta de naturaleza urbana en relación con la demanda declarada de naturaleza urbana. Los valores negativos indican una oferta insuficiente de naturaleza urbana en relación con la demanda declarada de naturaleza urbana. Este resultado es de especial relevancia para comprender la cantidad total de déficit de naturaleza para la población en un píxel concreto. Unidades: metros cuadrados de déficit o exceso de naturaleza urbana por píxel. + +- **output/admin_boundaries.gpkg** Una copia del vector de límites administrativos del usuario con una sola capa. + +- SUP_DEMadm_cap - el balance medio oferta/demanda de naturaleza urbana disponible por persona dentro de esta unidad administrativa. + +- Pund_adm - la población total dentro de la unidad administrativa que está subabastecida de naturaleza urbana. + + - Povr_adm - la población total dentro de la unidad administrativa que tiene un exceso de naturaleza urbana. + + Si el usuario ha seleccionado agregar los resultados por grupo de población o ha elegido ejecutar el modelo con radios de búsqueda definidos por grupo de población, se crearán estos campos adicionales: + + - SUP_DEMadm_cap_[POP_GROUP] - el balance medio de oferta/demanda de naturaleza urbana disponible por persona en el grupo de población POP_GROUP dentro de esta unidad administrativa. + + - Pund_adm_[POP_GROUP] - la población total perteneciente al grupo de población POP_GROUP dentro de esta unidad administrativa que está subabastecida de naturaleza urbana. + + - Povr_adm_[POP_GROUP] - la población total perteneciente al grupo de población POP_GROUP dentro de esta unidad administrativa que tiene un exceso de naturaleza urbana. + +Los demás archivos del directorio de salida varían en función del modo de radio de búsqueda seleccionado: + +Radio de búsqueda uniforme +~~~~~~~~~~~~~~~~~~~~~~~~~~ + +- **output/accessible_urban_nature.tif** - la superficie de naturaleza urbana accesible dentro del radio de búsqueda proporcionado, ponderada por la función de decaimiento. Unidades: metros cuadrados. + +Radios de búsqueda definidos por clase de naturaleza urbana +~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ + +- **output/accessible_urban_nature_lucode_[LUCODE].tif** - el área de naturaleza urbana de la clase LUCODE dentro del radio de búsqueda proporcionado para este lucode, ponderado por la función de decaimiento. Unidades: metros cuadrados. + +Radios de búsqueda definidos por grupo de población +~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ + +- **output/accessible_urban_nature_to_[POP_GROUP].tif** - superficie de naturaleza urbana accesible al grupo de población POP_GROUP dado el radio de búsqueda del grupo de población, ponderado por la función de decaimiento. Unidades: metros cuadrados. + +Carpeta intermedia +------------------ + +Estos archivos se producirán en cada modo de radio de búsqueda: + +- **intermediate/aligned_lulc.tif** Una copia del ráster de uso del suelo del usuario. Si el LULC proporcionado por el usuario tiene píxeles no cuadrados, se volverán a muestrear a píxeles cuadrados. + +- **intermediate/aligned_population.tif** El ráster de población del usuario, alineado con la misma resolución y dimensiones que el ráster LULC alineado. Unidades: personas por píxel. + +- **intermediate/undersupplied_population.tif** Cada píxel representa la población del total de la población que experimenta un déficit de naturaleza urbana. Unidades: personas por píxel. + +- **intermediate/oversupplied_population.tif** Cada píxel representa la población total que experimenta un excedente de naturaleza urbana. Unidades: personas por píxel. + +Los demás archivos encontrados en el directorio intermedio varían en función del modo de radio de búsqueda seleccionado: + +Radio de búsqueda uniforme +~~~~~~~~~~~~~~~~~~~~~~~~~~ + +- **intermediate/distance_weighted_population_within_[SEARCH_RADIUS].tif** + A sum of the population within the given search radius SEARCH_RADIUS, + weighted by the user's decay function. Units: people per pixel. + +- **intermediate/urban_nature_area.tif** Pixels values represent the + area of urban nature(in square meters) represented in each pixel. + Units: square meters. + +- **intermediate/urban_nature_population_ratio.tif** The calculated + urban nature/population ratio. + +Radios de búsqueda definidos por clase de naturaleza urbana +~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ + +- **intermediate/distance_weighted_population_within_[SEARCH_RADIUS].tif** Suma de la población dentro del radio de búsqueda SEARCH_RADIUS dado, ponderada por la función de decaimiento del usuario. Unidades: personas por píxel. + +- **intermediate/urban_nature_area_[LUCODE].tif** Los valores de píxel representan el área de naturaleza urbana (en metros cuadrados) representada en cada píxel para la clase de naturaleza urbana representada por el código de uso del suelo LUCODE. Unidades: metros cuadrados. + +- **intermediate/urban_nature_population_ratio_lucode_[LUCODE].tif** Relación naturaleza urbana/población calculada para la clase de naturaleza urbana representada por el código de ocupación del suelo LUCODE. Unidades: metros cuadrados por persona. + +- **intermediate/urban_nature_supply_percapita_lucode_[LUCODE].tif** La naturaleza urbana suministrada a las poblaciones debido a la clase de uso del suelo LUCODE. Unidades: metros cuadrados por persona. + +Radios de búsqueda definidos por grupo de población +~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ + +- **output/urban_nature_balance_[POP_GROUP].tif** Los valores positivos de píxeles indican un exceso de oferta de naturaleza urbana en relación con la demanda declarada de naturaleza urbana para el grupo de población POP_GROUP. Los valores negativos indican una oferta insuficiente de naturaleza urbana en relación con la demanda declarada de naturaleza urbana para el grupo de población POP_GROUP. Unidades: metros cuadrados de naturaleza urbana por persona. + +- **intermediate/urban_nature_area.tif** Los valores de los píxeles representan la superficie de naturaleza urbana (en metros cuadrados) representada en cada píxel. Unidades: metros cuadrados. + +- **intermediate/population_in_[POP_GROUP].tif** Cada píxel representa la población de un píxel perteneciente a la población del grupo de población POP_GROUP. Unidades: personas por píxel. + +- **intermediate/proportion_of_population_in_[POP_GROUP].tif** Cada píxel representa la proporción de la población total que pertenece al grupo de población POP_GROUP. Unidades: proporción entre 0 y 1. + +- **intermediate/distance_weighted_population_in_[POP_GROUP].tif** Cada píxel representa el número total de personas dentro del radio de búsqueda para este grupo de población POP_GROUP, ponderado por la selección del usuario de la función de decaimiento. Unidades: personas por píxel. + +- **intermediate/distance_weighted_population_all_groups.tif** La población total, ponderada por la función de decaimiento apropiada. Unidades: personas por píxel. + +- **intermediate/urban_nature_supply_percapita_to_[POP_GROUP].tif** La oferta de naturaleza urbana al grupo de población POP_GROUP. Unidades: metros cuadrados por persona. + +- **intermediate/undersupplied_population_[POP_GROUP].tif** Cada píxel representa la población del grupo de población POP_GROUP que experimenta un déficit de naturaleza urbana. Unidades: personas por píxel. + +- **intermediate/oversupplied_population_[POP_GROUP].tif** Cada píxel representa la población en el grupo de población POP_GROUP que está experimentando un excedente de naturaleza urbana. Unidades: personas por píxel. + +Apéndice: Fuentes de datos +========================== + +:ref:`Land Use/Land Cover ` +--------------------------------- + +Ráster de población +------------------- + +Existen múltiples conjuntos de datos regionales y mundiales que estiman el tamaño y la densidad de la población a alta resolución, como: + + - Datos de población mundial de WorldPop: + https://www.worldpop.org/methods/populations/ + + - Datos de densidad de población mundial de Meta/CIESIN: + https://dataforgood.facebook.com/dfg/tools/high-resolution-population-density-maps + + - Datos de la población europea de 100 m: + https://www.eea.europa.eu/data-and-maps/data/population-density-disaggregated-with-corine-land-cover-2000-2 + +Datos sobre espacios verdes urbanos +----------------------------------- + +Existen múltiples conjuntos de datos regionales y mundiales que definen o ayudan a definir la naturaleza urbana, entre ellos los siguientes: + +Liu H., Hamel P., Tardieu L., Remme R.P., Han B., Ren H., 2022. A geospatial model of nature-based recreation for urban planning: Case study of Paris, France. Land Use Policy, https://doi.org/10.1016/j.landusepol.2022.106107. + - ciudades latinioamericanas: + https://www.nature.com/articles/s41597-022-01701-y + +Mao L. and Nekorchuk D., 2013. Measuring spatial accessibility to health care for populations with multiple transportation modes. Health &Place 24, 115–122. https://doi.org/10.1016/j.healthplace.2013.08.008 + - ciudades europeas: + https://land.copernicus.eu/local/urban-atlas + +Xing L.J, Liu Y.F, Liu X.J., 2018. Measuring spatial disparity in accessibility with a multi-mode method based on park green spaces classification in Wuhan, China. Applied Geography 94, 251–261. https://doi.org/10.1016/j.apgeog.2018.03.014 + - Datos globales: + + - http://data.ess.tsinghua.edu.cn/ + - https://www.openstreetmap.org/ + + (Para comparar, véase: https://www.sciencedirect.com/science/article/abs/pii/S1618866722001819) + +Demanda de naturaleza urbana +---------------------------- + +No existe una norma mundial para la demanda de naturaleza urbana. Un valor comúnmente sugerido es 9m2, que a menudo se atribuye incorrectamente a la OMS (véase https://www.researchgate.net/post/I-see-many-studies-citing-WHO-for-their-international-minimum-standard-for-green-space-9m2-per-capita-But-where-is-the-actual-study/4 para el debate sobre este valor). Liu et al. (2022), Liu et al. (2021) y Badiu et al. (2016) son algunos de los trabajos que ofrecen una visión general de los valores de demanda y un debate en torno a ellos. + +Referencias +=========== + +Andkjaer S., Arvidsen J. 2015. Places for active outdoor recreation - a +scoping review. Journal of Outdoor Recreation and Tourism, *12*, 25-46. +https://doi.org/10.1016/j.jort.2015.10.001 + +Badiu, D.L., Ioja, C.I., Patroescu, M., Breuste, J., Artmann, M., Nita, +M.R., Gradinaru, S.R., Hossu, C.A., Onose, D.A. 2016. Is urban green +space per capita a valuable target to achieve cities’ sustainability +goals? Romania as a case study. Ecological Indicators *70*, 53-66. +https://doi.org/10.1016/j.ecolind.2016.05.044 + +Bratman, G. N., Anderson, C. B., Berman, M. G., Cochran, B., De Vries, +S., Flanders, J., ... y Daily, G. C. 2019. Nature and mental health: An +ecosystem service perspective. Science advances, *5*\ (7), eaax0903. +https://doi.org/10.1126/sciadv.aax0903 + +Keeler, B. L., Hamel, P., McPhearson, T., Hamann, M. H., Donahue, M. L., +Meza Prado, K. A., ... y Wood, S. A. 2019. Social-ecological and +technological factors moderate the value of urban nature. Nature +Sustainability, *2*\ (1), 29-38. +https://doi.org/10.1038/s41893-018-0202-1 + +Liu, H., Remme, R.P., Hamel, P., Nong, H., Ren, H., 2020. Supply and +demand assessment of urban recreation service and its implication for +greenspace planning-A case study on Guangzhou. Landsc. Urban Plan. 203, +103898. https://doi.org/10.1016/j.landurbplan.2020.103898 + +Liu H., Hamel P., Tardieu L., Remme R.P., Han B., Ren H., 2022. A +geospatial model of nature-based recreation for urban planning: Case +study of Paris, France. Land Use Policy, +https://doi.org/10.1016/j.landusepol.2022.106107. + +Mao L. y Nekorchuk D., 2013. Measuring spatial accessibility to health +care for populations with multiple transportation modes. Health & Place +24, 115–122. https://doi.org/10.1016/j.healthplace.2013.08.008 + +Remme, R. P., Frumkin, H., Guerry, A. D., King, A. C., Mandle, L., +Sarabu, C., ... y Daily, G. C. 2021. An ecosystem service perspective on +urban nature, physical activity, and health. Proceedings of the National +Academy of Sciences, *118*\ (22), e2018472118. +https://doi.org/10.1073/pnas.2018472118 + +Roo, M. D., Kuypers, V. H. M. y Lenzholzer, S. 2011. *The green city +guidelines: techniques for a healthy liveable city*. The Green City. +http://library.wur.nl/WebQuery/wurpubs/fulltext/178666 + +Xing L.J, Liu Y.F, Liu X.J., 2018. Measuring spatial disparity in +accessibility with a multi-mode method based on park green spaces +classification in Wuhan, China. Applied Geography 94, 251–261. +https://doi.org/10.1016/j.apgeog.2018.03.014 + +BIN +102 KB +source/en/urban_nature_access/2SFCA_step1_v2.png + +BIN +137 KB +source/en/urban_nature_access/2SFCA_step2_v2.png + + 0 +source/urban_nature_access/2sfca-step1.png → ...ce/en/urban_nature_access/2sfca-step1.png +File renamed wi + +0 +source/urban_nature_access/2sfca-step2.png → ...ce/en/urban_nature_access/2sfca-step2.png + + +BIN +102 KB +source/en/urban_nature_access/decay_function_intro.png + + 0 +...ce/urban_nature_access/kernel-density.png → ...en/urban_nature_access/kernel-density.png + + + 0 +.../urban_nature_access/kernel-dichotomy.png → .../urban_nature_access/kernel-dichotomy.png + +0 +...rban_nature_access/kernel-exponential.png → ...rban_nature_access/kernel-exponential.png +File renamed without changes + 0 +...e/urban_nature_access/kernel-gaussian.png → ...n/urban_nature_access/kernel-gaussian.png +File renamed without changes + 0 +source/urban_nature_access/kernel-plots.py → ...ce/en/urban_nature_access/kernel-plots.py +File renamed without changes. + 0 +source/urban_nature_access/kernel-power.png → ...e/en/urban_nature_access/kernel-power.png + +BIN +247 KB +source/en/urban_nature_access/radii_per_nature_class.png + +BIN +67.8 KB +source/en/urban_nature_access/travel-distance-pop-groups-detail.png + +BIN +38.9 KB +source/en/urban_nature_access/travel-distance-pop-groups.png \ No newline at end of file diff --git a/source/es/wave_energy.rst b/source/es/wave_energy.rst index 20c96ae7..f1a5153f 100644 --- a/source/es/wave_energy.rst +++ b/source/es/wave_energy.rst @@ -93,7 +93,7 @@ y se evalúa a lo largo de la vida útil, :math:`T`, de una instalación CME. Pa Los costos anuales pueden desglosarse en iniciales de instalación y anuales de explotación y mantenimiento. Los iniciales de instalación de los dispositivos de energía de las olas incluyen los siguientes costos 1) de capital por kW instalado, que depende del dispositivo, 2) de las líneas de amarre, 3) de los cables de transmisión submarina, 4) de los cables de transmisión terrestre [#f2]_. Dado que los costos totales de los cables de transmisión submarinos y terrestres dependen de la distancia de la instalación al punto de conexión a la red más cercano, el cálculo del VAN le permite evaluar la compensación entre la ubicación de una instalación en un lugar determinado por sus recursos de energía de las olas y los costos dependientes de la distancia de la instalación de los dispositivos en ese lugar. Proporcionamos tablas de parámetros económicos por defecto para la valoración económica de la energía de las olas utilizando tres de las cuatro máquinas descritas en la sección :ref:`anterior `: PWP-Pelamis, AquaBuOY y WaveDragon. Todos los costos se expresan en dólares estadounidenses de 2006 y deben inflarse al año base de análisis de su estudio. Véase `Kim et al. (2012) `_ y `Plummer y Feist (2016) `_ para obtener más orientación sobre la parametrización de la parte económica del modelo. Limitaciones y simplificaciones -------------------------------- +=============================== Algunas palabras de advertencia sobre las limitaciones y simplificaciones del modelo y orientaciones sobre su interpretación: diff --git a/source/es/wind_energy.rst b/source/es/wind_energy.rst index e9c78107..6c800bae 100644 --- a/source/es/wind_energy.rst +++ b/source/es/wind_energy.rst @@ -232,17 +232,17 @@ Desde que este modelo se publicó a principios de 2013, se ha contrastado con ot 1. El modelo InVEST se comparó con las estimaciones del Laboratorio Nacional de Energías Renovables (NREL) y de una empresa consultora en un informe de la Universidad de California, Santa Bárbara, que medía el costo nivelado de la energía eólica en las Bermudas. InVEST se situó dentro de 3% de la estimación del NREL y 12% de la estimación realizada por la empresa consultora. http://trapdoor.bren.ucsb.edu/research/2014Group_Projects/documents/BermudaWind_Final_Report_2014-05-07.pdf Limitaciones y simplificaciones -------------------------------- +=============================== Producción de energía -^^^^^^^^^^^^^^^^^^^^^ +--------------------- La calidad de los datos de input del viento determina la precisión de los resultados del modelo. Por lo tanto, quienes usan el modelo deben conocer la calidad de los datos de input del viento para interpretar correctamente los resultados del modelo. Los datos de input del viento por defecto son más apropiados para aplicaciones a escala global y regional con una resolución espacial de 4 o 60 minutos. La energía eólica cosechada indica el promedio de la producción de energía para un período determinado, basado en la curva de potencia de salida de un aerogenerador. Se puede tener en cuenta información adicional específica de la tecnología, como la disponibilidad del dispositivo, la eficiencia de la conversión de potencia y los factores direccionales, aplicando factores de ajuste a la producción de energía cosechada. Valoración de la energía -^^^^^^^^^^^^^^^^^^^^^^^^ +------------------------ Como demuestra la sección de validación, el modelo y los datos por defecto predicen de forma fiable los costos de capital utilizando los insumos suministrados. Los ingresos están vinculados a la producción de energía y a un precio introducido por usted. Es probable que se puedan obtener proyecciones de costos más fiables a lo largo del espacio, considerando: @@ -366,6 +366,7 @@ Valoración Interpretación de los resultados ================================ + Todas las resoluciones resultantes se basan en la resolución del ráster. Cuando la resolución del MDE supera la resolución de las capas de datos eólicos, los valores de los píxeles se determinan mediante interpolación bilineal. * `carbon_emissions_tons.tif`: un archivo ráster GeoTIFF que representa toneladas de emisiones de carbono compensadas para una finca construida centrada en un píxel por año. @@ -383,8 +384,8 @@ Todas las resoluciones resultantes se basan en la resolución del ráster. Cuand * `wind_energy_points.shp`: un shapefile ESRI que resume los resultados anteriores para cada punto... -Fuentes de datos -================ +Apéndice: Fuentes de datos +========================== Datos de la serie temporal del viento ------------------------------------- From 1e4831e464f88f37737d7ff93d3a1fb662e3b2e8 Mon Sep 17 00:00:00 2001 From: Emily Soth Date: Tue, 19 Nov 2024 15:55:00 -0800 Subject: [PATCH 02/11] spanish build without errors --- source/es/getting_started.rst | 2 +- source/es/habitat_risk_assessment.rst | 2 +- source/es/index.rst | 23 ++--- source/es/urban_nature_access.rst | 138 +++++++++++++------------- 4 files changed, 81 insertions(+), 84 deletions(-) diff --git a/source/es/getting_started.rst b/source/es/getting_started.rst index fff61f61..e2736c8e 100644 --- a/source/es/getting_started.rst +++ b/source/es/getting_started.rst @@ -248,7 +248,7 @@ Una vez completado el script con éxito, puede ver los resultados espaciales añ Asistencia y notificación de errores ==================================== -Si se encuentra con algún problema al ejecutar los modelos o tiene alguna pregunta sobre su teoría, datos o aplicación que la Guía del usuario no cubra, visite el foro de ayuda al usuario en https://community.naturalcapitalproject.org/. *En primer lugar, utilice la función de búsqueda para comprobar si ya se ha planteado una pregunta similar. Esto es especialmente cierto en el caso de los mensajes de error: puede buscar algunas palabras clave en el mensaje de error y, a menudo, encontrará mensajes que le ayudarán a solucionar el error. +Si se encuentra con algún problema al ejecutar los modelos o tiene alguna pregunta sobre su teoría, datos o aplicación que la Guía del usuario no cubra, visite el foro de ayuda al usuario en https://community.naturalcapitalproject.org/. *En primer lugar, utilice la función de búsqueda para comprobar si ya se ha planteado una pregunta similar.* Esto es especialmente cierto en el caso de los mensajes de error: puede buscar algunas palabras clave en el mensaje de error y, a menudo, encontrará mensajes que le ayudarán a solucionar el error. Si informa de un error al ejecutar un modelo, incluya la siguiente información en el mensaje del foro: diff --git a/source/es/habitat_risk_assessment.rst b/source/es/habitat_risk_assessment.rst index 4a2847f8..e02ba7b0 100644 --- a/source/es/habitat_risk_assessment.rst +++ b/source/es/habitat_risk_assessment.rst @@ -414,7 +414,7 @@ Limitaciones y simplificaciones =============================== Limitaciones -^^^^^^^^^^^^ +------------ 1. **Los resultados están limitados por la calidad de los datos**: La precisión de los resultados del modelo está limitada por la disponibilidad y la calidad de los datos de input. Especialmente en el caso de las calificaciones de criterios, el uso de datos de alta calidad, como los procedentes de evaluaciones locales recientes replicadas en varios sitios dentro de la región de estudio para la especie en cuestión, dará resultados más precisos que el uso de datos de menor calidad que se recogen en un lugar distante con una cobertura espacial o temporal limitada. En la mayoría de los casos, ustedes tendrán que utilizar información de otras ubicaciones geográficas para algunas de las combinaciones de factores de factor de estrés-hábitat o especies, ya que la mayoría de los datos sobre los efectos de algunos factores de estrés solo se han recogido en un número limitado de lugares de todo el mundo. Para superar estas limitaciones de los datos, incluimos en el análisis una calificación de la calidad de los datos. Esta permite rebajar los criterios para los que la calidad de los datos es baja. diff --git a/source/es/index.rst b/source/es/index.rst index 21375729..75b069bd 100644 --- a/source/es/index.rst +++ b/source/es/index.rst @@ -19,35 +19,35 @@ User’s Guide. Stanford University, University of Minnesota, Chinese Academy of Sciences, The Nature Conservancy, World Wildlife Fund, and Stockholm Resilience Centre. -.. image:: index/NatCap-Logo-2016-400px.png +.. image:: ../en/index/NatCap-Logo-2016-400px.png :align: center :scale: 50 % .. hlist:: :columns: 3 - * .. image:: index/SU-Woods-Horiz-Stacked-Hex-Red_300w.png + * .. image:: ../en/index/SU-Woods-Horiz-Stacked-Hex-Red_300w.png :alt: Stanford Woods Institute for the Environment - * .. image:: index/SRC_logo_300w.png + * .. image:: ../en/index/SRC_logo_300w.png :alt: Stockholm Resilience Centre, Stockholm University - * .. image:: index/TNC_logo_300w.png + * .. image:: ../en/index/TNC_logo_300w.png :alt: The Nature Conservancy - * .. image:: index/CAS_logo_300w.png + * .. image:: ../en/index/CAS_logo_300w.png :alt: Chinese Academy of Sciences - * .. image:: index/IonE_logo_300w.png + * .. image:: ../en/index/IonE_logo_300w.png :alt: University of Minnesota Institute on the Environment - * .. image:: index/WWF_logo_300w.png + * .. image:: ../en/index/WWF_logo_300w.png :alt: World Wildlife Fund - * .. image:: index/SU_dept_bio_logo_300w.png + * .. image:: ../en/index/SU_dept_bio_logo_300w.png :alt: Stanford University Department of Biology - * .. image:: index/RSA_Beijer_logo_300w.png + * .. image:: ../en/index/RSA_Beijer_logo_300w.png :alt: Beijer Institute of Ecological Economics, Royal Swedish Academy of Sciences **Suggested citation**: Natural Capital Project, |commit_year|. InVEST |version|. @@ -154,9 +154,8 @@ producidos con InVEST, cite el uso de InVEST e incluya un hipervínculo https://naturalcapitalproject.stanford.edu/software/invest). El símbolo de marca (:sup:`®`) debe utilizarse en la primera mención de InVEST. La cita completa de artículos, informes, etc. está disponible más arriba. También puede utilizar el -logotipo de InVEST `_ -de acuerdo con nuestra política de uso de marcas y logotipos -`_ . +`logotipo de InVEST `_ +de acuerdo con nuestra `política de uso de marcas y logotipos `_ . Introducción y puesta en marcha ------------------------------- diff --git a/source/es/urban_nature_access.rst b/source/es/urban_nature_access.rst index 7f415943..a617ccf4 100644 --- a/source/es/urban_nature_access.rst +++ b/source/es/urban_nature_access.rst @@ -18,11 +18,11 @@ Este modelo InVEST sigue la estructura descrita en Liu et al. (2022), evaluando El modelo por defecto evalúa la oferta, la demanda y el equilibrio global de la naturaleza urbana para el total de la población urbana. Además, pueden utilizarse tres extensiones opcionales del modelo básico para obtener resultados más detallados: -- La oferta, la demanda y el equilibrio de la naturaleza urbana pueden resumirse en diferentes grupos de población (por ejemplo, según los distintos grupos de edad, niveles de renta, raza o etnia, etc.), lo que puede ser importante para las consideraciones de equidad. Véase :ref:`una-summarize-by-population-groups +* La oferta, la demanda y el equilibrio de la naturaleza urbana pueden resumirse en diferentes grupos de población (por ejemplo, según los distintos grupos de edad, niveles de renta, raza o etnia, etc.), lo que puede ser importante para las consideraciones de equidad. Véase :ref:`una-summarize-by-population-groups` -- Para una comprensión más minuciosa de la oferta de naturaleza urbana, el usuario puede, opcionalmente, proporcionar información más detallada sobre la distancia que la gente suele recorrer para hacer uso de los diferentes tipos de naturaleza urbana. Por ejemplo, es posible que la gente se desplace más lejos para visitar grandes parques en comparación con parques locales pequeños. Véase :ref:`una-radii-per-urban-nature-class` +* Para una comprensión más minuciosa de la oferta de naturaleza urbana, el usuario puede, opcionalmente, proporcionar información más detallada sobre la distancia que la gente suele recorrer para hacer uso de los diferentes tipos de naturaleza urbana. Por ejemplo, es posible que la gente se desplace más lejos para visitar grandes parques en comparación con parques locales pequeños. Véase :ref:`una-radii-per-urban-nature-class` -- Para una comprensión más detallada de la oferta de naturaleza urbana a los distintos grupos de población, el usuario puede, opcionalmente, proporcionar información sobre la distancia que probablemente deban recorrer los distintos grupos para llegar a la naturaleza urbana. Por ejemplo, las personas que tienen coche pueden desplazarse más lejos que las personas que utilizan el transporte público. Véase :ref:`una-radii-per-population-group`. +* Para una comprensión más detallada de la oferta de naturaleza urbana a los distintos grupos de población, el usuario puede, opcionalmente, proporcionar información sobre la distancia que probablemente deban recorrer los distintos grupos para llegar a la naturaleza urbana. Por ejemplo, las personas que tienen coche pueden desplazarse más lejos que las personas que utilizan el transporte público. Véase :ref:`una-radii-per-population-group`. También se ofrecen tres opciones para desarrollar un modelo más detallado: @@ -40,7 +40,7 @@ Función de decaimiento Las personas utilizan los espacios naturales con más frecuencia si están más cerca de sus hogares (Andkjaer y Arvidsen, 2015). Esta frecuencia disminuye a medida que aumenta la distancia. Es lo que se denomina "decaimiento de la distancia". El modelo describe este decaimiento de la distancia entre la naturaleza urbana y la población mediante la función de decaimiento :math:`f\left( d_{ij} \right)` donde :math:`d_{ij}` es la distancia entre la naturaleza y un píxel de población, y :math:`d_{0}` es una distancia de búsqueda definida por el usuario dentro de la cual buscar píxeles de naturaleza. La distancia de búsqueda es siempre la distancia euclidiana (distancia en línea recta entre los puntos centrales de los píxeles A y B) y asume píxeles cuadrados. - .. figure:: ./urban_nature_access/decay_function_intro.png + .. figure:: ../en/urban_nature_access/decay_function_intro.png :align: center :figwidth: 400px @@ -61,7 +61,12 @@ El núcleo dicotómico considera que todos los píxeles dentro de la distancia d 0 & \text{if} d_{ij} > d_0 \\ \end{array}\right\} \\ \end{align*} -@@ -84,12 +142,9 @@ El núcleo dicotómico considera todos los píxeles dentro de la distancia de búsqueda + + +.. figure:: ../en/urban_nature_access/kernel-dichotomy.png + :align: center + :figwidth: 500px + Exponencial ----------- @@ -77,7 +82,16 @@ Una función de decaimiento ponderada por la distancia, en la que es más probab :math:`d_{0}`. .. math:: -@@ -141,7 +201,10 @@ Gaussian + + \begin{align*} + f(d_{ij}, d_0) &= \left\{\begin{array}{lr} + \frac{e^{-\frac{1}{2}\left ( \frac{d_{ij}}{d_0} \right )^2}-e^{-\frac{1}{2}}}{1-e^{-\frac{1}{2}}} & \text{if} d_{ij} \leq d_0 \\ + 0 & \text{if} d_{ij} \gt d_0 \\ + \end{array}\right\} \\ + \end{align*} + +.. figure:: ../en/urban_nature_access/kernel-gaussian.png + :align: center :figwidth: 500px Densidad @@ -87,7 +101,15 @@ Una función de decaimiento ponderada por la distancia, en la que es más probab .. math:: -@@ -156,62 +219,51 @@ Density + + \begin{align*} + f(d_{ij}, d_0) &= \left\{\begin{array}{lr} + \frac{3}{4}\left(1-\left(\frac{d_{ij}}{d_{0}}\right)^{2}\right) & \text{if} d_{ij} \leq d_0 \\ + 0 & \text{if} d_{ij} \gt d_0 \\ + \end{array}\right\} \\ + \end{align*} + +.. figure:: ../en/urban_nature_access/kernel-density.png :align: center :figwidth: 500px @@ -117,19 +139,18 @@ El cálculo del suministro de naturaleza urbana a cada píxel de población util Esto puede entenderse gráficamente como: -.. figure:: ./urban_nature_access/2sfca-step1.png -.. figure:: ./urban_nature_access/2SFCA_step1_v2.png +.. figure:: ../en/urban_nature_access/2SFCA_step1_v2.png :align: center - :figwidth: 500px :figwidth: 400px Paso 1: Localización de poblaciones en el radio de búsqueda de naturaleza urbana. -.. figure:: ./urban_nature_access/2SFCA_step2_v2.png - +.. figure:: ../en/urban_nature_access/2SFCA_step2_v2.png :align: center :figwidth: 400px + Paso 2: Localización de naturaleza urbana en el radio de búsqueda de poblaciones. + Más formalmente, la relación naturaleza urbana/población :math:`R_{j}` se define como: @@ -140,6 +161,7 @@ Más formalmente, la relación naturaleza urbana/población :math:`R_{j}` se def S_j & \text{otherwise} \\ \end{array}\right\} \\ \end{align*} + Donde: - :math:`R_{j}` es la relación naturaleza urbana/población del píxel de naturaleza :math:`j`. @@ -221,14 +243,17 @@ El balance medio per cápita de la oferta y la demanda de naturaleza urbana tamb .. math:: SUP\_DEM_{adm,cap} = \frac{SUP\_DEM_{adm}}{P_{adm}} + Donde :math:`P_{adm}` es la población total dentro del límite administrativo. Cuando :math:`SUP\_ DEM_i,cap} < 0` en cualquier píxel :math:`i`, indica que la población de este píxel tiene un déficit de naturaleza urbana. La suma de estas poblaciones en todos los píxeles dentro de una unidad administrativa proporciona el número de personas en una unidad administrativa con un déficit de naturaleza urbana, :math:`Pund_{adm}`, en relación con la naturaleza urbana recomendada :math:`g_{cap}`: .. math:: - Pund_{adm} = \sum_{i \in \{adm\}} -@@ -309,9 +393,10 @@ de personas en una unidad administrativa con déficit de espacios verdes, + \left\{ + \begin{array}{lr} + P_{i} & \text{if} SUP\_DEM_{i,cap} < 0 \\ + 0 & \text{otherwise} \\ \end{array} \right\} @@ -236,17 +261,22 @@ De manera similar, se aplica el mismo razonamiento para hallar el número de per .. math:: Povr_{adm} = \sum_{i \in \{adm\}} -@@ -323,163 +408,213 @@ espacio verde recomendado :math:`g_{cap}`: + \left\{ + \begin{array}{lr} + P_{i} & \text{if} SUP\_DEM_{i,cap} > 0 \\ + 0 & \text{otherwise} \\ + \end{array} \right\} -Ejecución del modelo con radios definidos por clase de naturaleza urbana ------------------------------------------------------------------------- .. _una-radii-per-urban-nature-class: +Ejecución del modelo con radios definidos por clase de naturaleza urbana +------------------------------------------------------------------------ + La naturaleza urbana es de distintos tipos. Los parques pequeños de la localidad proporcionan una cómoda experiencia recreativa en las cercanías, mientras que los parques municipales atraen a personas de lugares más lejanos. Si el usuario dispone de datos para dividir los tipos de naturaleza urbana y la distancia de desplazamiento ajustada para cada tipo de naturaleza urbana, la accesibilidad de cada tipo de naturaleza urbana al píxel :math:`i` puede calcularse utilizando el radio específico de la clase. Estos tipos de naturaleza urbana divididos y sus radios de búsqueda asociados se proporcionan al modelo mediante el input del usuario en la tabla de atributos LULC. Cada tipo de clasificación de ocupación del suelo marcado como naturaleza urbana se calculará por separado para ofrecer resultados más detallados sobre la naturaleza urbana accesible de cada tipo. Corresponde al usuario decidir cómo dividir la naturaleza urbana. -.. figure:: ./urban_nature_access/radii_per_nature_class.png +.. figure:: ../en/urban_nature_access/radii_per_nature_class.png :align: center :figwidth: 700px @@ -265,6 +295,7 @@ La naturaleza urbana accesible en este modo se calcula mediante: .. math:: accessible_{i,r} = \sum_{j \in \left\{d_{ij} \leq d_{0,r} \right\}}{S_{j,r} \cdot f(d_{ij})} + Donde :math:`accessible_{i,r}` es la superficie total de naturaleza urbana de la clase :math:`r` accesible dentro del radio de búsqueda, ponderada por la función de decaimiento. :math:`S_{j,r}` es la superficie de naturaleza urbana en el píxel :math:`j` de la clase de naturaleza urbana :math:`r`. Los demás pasos y resultados son los mismos que en el modelo básico. @@ -291,6 +322,8 @@ Y para la población sobreabastecida dentro del grupo :math:`gn` y la unidad adm Es posible que el usuario desee realizar más análisis de correlación entre las características de la población y los resultados anteriores para ver si determinados grupos de personas están asociados a una oferta de naturaleza urbana deficitaria o excedentaria a diferentes niveles. +.. _una-radii-per-population-group: + Ejecución del modelo con radios definidos por grupo de población ---------------------------------------------------------------- @@ -308,7 +341,7 @@ donde :math:`P_{i}` es la población en el píxel :math:`i`, y :math:`Rp,gn` es \sum_{gn=1}^{gn} \left( \sum_{k \in \{d_{kj} \leq d_{0,gn} \}}{ P_{k,gn} \cdot f(d_{jk})} \right) } -.. figure:: ./urban_nature_access/travel-distance-pop-groups.png +.. figure:: ../en/urban_nature_access/travel-distance-pop-groups.png :width: 5.18229in :height: 2.56746in @@ -319,7 +352,7 @@ La oferta de naturaleza urbana al grupo :math:`gn` por píxel :math:`i` se calcu .. math:: A_{i,gn} = \sum_{j \in \{d_{ij} \leq d_{0,gn}\}} R_j \cdot f(d_{ij}) -.. figure:: ./urban_nature_access/travel-distance-pop-groups-detail.png +.. figure:: ../en/urban_nature_access/travel-distance-pop-groups-detail.png :width: 6.5in :height: 2.125in @@ -356,9 +389,9 @@ Para calcular el balance medio per cápita de oferta y demanda del grupo :math:` .. math:: SUP\_DEM_{adm,cap,gn} = \frac{ -@@ -488,10 +623,10 @@ población del grupo :math:`gn` dentro de :math:`adm`. - - P_{adm,gn} + \sum_{i \in \{adm\}}{SUP\_DEM_{i,cap,gn} \cdot P_{i,gn}} + }{ + P_{adm,gn} } Para analizar el equilibrio entre la oferta y la demanda de determinados grupos dentro de la población general, se realiza un cálculo adicional. @@ -366,10 +399,15 @@ Para analizar el equilibrio entre la oferta y la demanda de determinados grupos La población del grupo :math:`gn` que tiene un déficit de naturaleza urbana dentro de la unidad administrativa :math:`adm` viene dada por: .. math:: -@@ -503,13 +638,14 @@ administrative unit :math:`adm` is given by: + Pund_{adm,gn} = \sum_{i \in \{adm\}} + \left\{ + \begin{array}{lr} + P_{i,gn} & \text{if} SUP\_DEM_{i,cap,gn} < 0 \\ + 0 & \text{otherwise} \\ \end{array} \right\} + La población subabastecida total dentro de la unidad administrativa :math:`adm` viene dada por: .. math:: @@ -378,7 +416,11 @@ La población subabastecida total dentro de la unidad administrativa :math:`adm` La población del grupo :math:`gn` que tiene un excedente de naturaleza urbana dentro de la unidad administrativa :math:`adm` viene dada por: .. math:: -@@ -521,248 +657,404 @@ administrative unit :math:`adm` is given by: + Povr_{adm,gn} = \sum_{i \in \{adm\}} + \left\{ + \begin{array}{lr} + P_{i,gn} & \text{if} SUP\_DEM_{i,cap,gn} > 0 \\ + 0 & \text{otherwise} \\ \end{array} \right\} @@ -391,6 +433,7 @@ La naturaleza urbana accesible en este modo se calcula mediante: .. math:: accessible_{i,gn} = \sum_{j \in \left\{d_{ij} \leq d_0 \right\}} S_{j,gn} \cdot f(d_{ij}) + Donde :math:`accessible_{i,gn}` es la superficie total de naturaleza urbana accesible al grupo de población :math:`gn` dentro del radio de búsqueda, ponderada por la función de decaimiento. :math:`S_{j,gn}` es la superficie de naturaleza urbana en el píxel :math:`j` accesible al grupo :math:`gn`. Limitaciones y simplificaciones @@ -677,48 +720,3 @@ Xing L.J, Liu Y.F, Liu X.J., 2018. Measuring spatial disparity in accessibility with a multi-mode method based on park green spaces classification in Wuhan, China. Applied Geography 94, 251–261. https://doi.org/10.1016/j.apgeog.2018.03.014 - -BIN +102 KB -source/en/urban_nature_access/2SFCA_step1_v2.png - -BIN +137 KB -source/en/urban_nature_access/2SFCA_step2_v2.png - - 0 -source/urban_nature_access/2sfca-step1.png → ...ce/en/urban_nature_access/2sfca-step1.png -File renamed wi - -0 -source/urban_nature_access/2sfca-step2.png → ...ce/en/urban_nature_access/2sfca-step2.png - - -BIN +102 KB -source/en/urban_nature_access/decay_function_intro.png - - 0 -...ce/urban_nature_access/kernel-density.png → ...en/urban_nature_access/kernel-density.png - - - 0 -.../urban_nature_access/kernel-dichotomy.png → .../urban_nature_access/kernel-dichotomy.png - -0 -...rban_nature_access/kernel-exponential.png → ...rban_nature_access/kernel-exponential.png -File renamed without changes - 0 -...e/urban_nature_access/kernel-gaussian.png → ...n/urban_nature_access/kernel-gaussian.png -File renamed without changes - 0 -source/urban_nature_access/kernel-plots.py → ...ce/en/urban_nature_access/kernel-plots.py -File renamed without changes. - 0 -source/urban_nature_access/kernel-power.png → ...e/en/urban_nature_access/kernel-power.png - -BIN +247 KB -source/en/urban_nature_access/radii_per_nature_class.png - -BIN +67.8 KB -source/en/urban_nature_access/travel-distance-pop-groups-detail.png - -BIN +38.9 KB -source/en/urban_nature_access/travel-distance-pop-groups.png \ No newline at end of file From 32377f88c7e7b4f580e87612ed148d61b1701fc9 Mon Sep 17 00:00:00 2001 From: Emily Soth Date: Tue, 19 Nov 2024 15:57:34 -0800 Subject: [PATCH 03/11] original zh translation --- source/zh/annual_water_yield.rst | 31 +- source/zh/carbon_edge.rst | 9 + source/zh/carbonstorage.rst | 13 +- source/zh/coastal_vulnerability.rst | 8 +- source/zh/crop_production.rst | 2 +- source/zh/croppollination.rst | 12 +- source/zh/data_sources.rst | 273 +++++--- source/zh/delineateit.rst | 19 +- source/zh/getting_started.rst | 355 +++++----- source/zh/habitat_quality.rst | 99 +-- source/zh/habitat_risk_assessment.rst | 244 ++++--- source/zh/sdr.rst | 135 ++-- source/zh/stormwater.rst | 20 +- source/zh/urban_cooling_model.rst | 18 +- source/zh/urban_flood_mitigation.rst | 15 +- source/zh/urban_nature_access.rst | 946 +++++++++++++++++++++++++- 16 files changed, 1656 insertions(+), 543 deletions(-) diff --git a/source/zh/annual_water_yield.rst b/source/zh/annual_water_yield.rst index d2f7b459..d34a1c30 100644 --- a/source/zh/annual_water_yield.rst +++ b/source/zh/annual_water_yield.rst @@ -143,7 +143,7 @@ InVEST产水量模型估计了景观不同部分的水的相对贡献，提出 .. math:: NPVH_x=NPVH_d\times (c_x/c_{tot}) 限制和简化 -^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ +=============================== 该模型有许多限制。首先，它不是为了制定详细的水计划，而是为了评估流域的变化如何影响水库系统的水力发电。它基于年平均值，忽略了极端情况，没有考虑供水和水力发电的时间维度。 @@ -176,9 +176,9 @@ InVEST产水量模型估计了景观不同部分的水的相对贡献，提出 - :investspec:`annual_water_yield results_suffix` -- :investspec:`annual_water_yield precipitation_path` +- :investspec:`annual_water_yield precipitation_path`强烈建议使用与创建蒸散输入栅格相同的降水图层。如果它们基于不同的降水数据来源，则会在数据中引入另一个不确定性来源，并且不匹配可能会影响模型计算的水平衡分量。 -- :investspec:`annual_water_yield eto_path` +- :investspec:`annual_water_yield eto_path`强烈建议蒸散量输入栅格基于与模型输入相同的降水数据。如果它们基于不同的降水数据来源，则会在数据中引入另一个不确定性来源，并且不匹配可能会影响模型计算的水平衡分量。 - :investspec:`annual_water_yield depth_to_root_rest_layer_path` @@ -248,7 +248,7 @@ InVEST产水量模型估计了景观不同部分的水的相对贡献，提出 * *PET_mn* (mm): 流域每像素平均潜在蒸散量。 * *AET_mn* (mm): 流域每像素平均实际蒸散量。 * *wyield_mn* (mm): 小流域每像素平均产水量。 - * *wyield_vol* (m\ :sup:`3`\):小流域总产水量。 + * *wyield_vol* (m\ :sup:`3`\):小流域总产水量。计算为 **wyield_mn x 流域面积 / 1000**。 * **output\\watershed_results_wyield_[Suffix].shp** and **output\\watershed_results_wyield_[Suffix].csv**: Shapefile和包含每个流域输出值的表，具有以下属性: @@ -256,7 +256,7 @@ InVEST产水量模型估计了景观不同部分的水的相对贡献，提出 * *PET_mn* (mm): 流域每像素平均潜在蒸散量。 * *AET_mn* (mm): 流域每像素平均实际蒸散量。 * *wyield_mn* (mm): 流域每像素平均产水量。 - * *wyield_vol* (m\ :sup:`3`\): 流域总产水量。 + * *wyield_vol* (m\ :sup:`3`\): 流域总产水量。计算方式为**wyield_mn x 流域面积/1000**。 如果运行缺水选项，则流域和子流域还将包含以下属性： @@ -312,13 +312,15 @@ InVEST产水量模型估计了景观不同部分的水的相对贡献，提出 植物有效含水量(PAWC) ------------------------------------ -植物有效含水量是从一些标准土壤图中得到的分数。它被定义为体积场容量与永久萎蔫点的比值之差。植物有效含水量通常以体积值(mm)表示。要得到分数除以土壤深度。如果PAWC不可用，则需要从重平均土壤质地(%粘土，%沙子，%粉土)和土壤孔隙度的多边形形状文件中获得栅格。https://www.ars.usda.gov/research/software/download/?softwareid=492有软件可以帮助你估算PAWC，当你有土壤质地数据时。 +植物有效含水量是从一些标准土壤图中得到的分数。它被定义为体积场容量与永久萎蔫点的比值之差。植物有效含水量通常以体积值(mm)表示。要得到分数除以土壤深度。 -在美国，可从美国农业部的NRCS gSSURGO、SSURGO和gNATSGO数据库中免费获得土壤数据:https://www.nrcs.usda.gov/wps/portal/nrcs/main/soils/survey/geo/。他们还提供ArcGIS工具(SSURGO的土壤数据查看器和gNATSGO的土壤数据开发工具箱)，帮助将这些数据库处理成可被模型使用的空间数据。土壤数据开发工具箱是最容易使用的，如果您使用ArcGIS并需要处理美国土壤数据，强烈推荐使用它。 +一般来说，土壤数据在有水体的地方通常缺少数据（孔洞）。如果要填充 PAWC 数据中与水体相对应的孔洞，建议使用 1 值，这是 PAWC 的最大值。这意味着水下土壤中可供植物使用的水量没有限制。开阔水体中的植被可能很少，但一些被归类为水域的区域实际上可能有新兴植被或季节性湿地，因此假设它们几乎总是湿润的（如果它们被归类为开阔水域，这应该是一个安全的假设）将意味着最大的 PAWC。此外，如果每个像素的蒸散量计算为 PAWC 和 Kc 的组合，并且如果水体的 Kc 相对较高，则将 PAWC 设置为最大值将意味着所有水都可用于蒸散（或蒸发，如果是开放水域），现实情况就是如此。 -ISRIC提供了一个全球AWC栅格，作为其2017年SoilGrids产品的一部分，名为SoilGrids250m 2017-03 -“直到萎蔫点的推导有效土壤水分容量(体积分数)”(https://data.isric.org/geonetwork/srv/eng/catalog.search#/metadata/e33e75c0-d9ab-46b5-a915-cb344345099c)。请注意，SoilGrids 2.0版本目前不提供AWC，因此如果您更喜欢使用2.0版本，您将需要找到一种不同的方法来利用该版本提供的层。您还可以通过键入“可用水”搜索更多特定于区域的ISRIC数据集(https://data.isric.org:443/geonetwork/srv/eng/catalog.search). +ISRIC SoilGrids 2017 AWC 数据 +^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ +ISRIC提供了一个全球AWC栅格，作为其2017年SoilGrids产品的一部分，名为SoilGrids250m 2017-03 -“直到萎蔫点的推导有效土壤水分容量(体积分数)”(https://data.isric.org/geonetwork/srv/eng/catalog.search#/metadata/e33e75c0-d9ab-46b5-a915-cb344345099c)。这些层需要额外的处理，以使用每层的土壤深度将单位从百分比转换为分数。如果您没有更多本地 PAWC 数据，并且居住在美国境外（美国具有空间土壤数据处理工具，如下所示），则此 ISRIC 2017 图层可能是最简单的数据源。请注意，SoilGrids 2.0版本目前不提供AWC，因此如果您更喜欢使用2.0版本，您将需要找到一种不同的方法来利用该版本提供的层。您还可以通过键入“可用水”搜索更多特定于区域的ISRIC数据集(https://data.isric.org:443/geonetwork/srv/eng/catalog.search). -如果您正在使用全球SoilGrids 2017 AWC数据，以下是使用GIS软件将其处理为InVEST所需的输入的一种方法。 +**如果您正在使用全球SoilGrids 2017 AWC数据，以下是使用GIS软件将其处理为InVEST所需的输入的一种方法。** SoilGrids 2017提供了7个土壤深度区间的AWC层。所有7个深度间隔需要下载，然后组合成一个单层在模型中使用。 @@ -351,13 +353,20 @@ SoilGrids 2017提供了7个土壤深度区间的AWC层。所有7个深度间隔 3. 使用缓冲流域的原始ISRIC AWC栅格裁剪到关注的区域。在ArcGIS中，这可以通过空间分析工具实现。在QGIS中，该工具被称为*按掩膜图层裁剪栅格* 。在本例中，我们将裁剪的图层命名为AWC_sl1_clip.tif、AWC_sl2_clip.tif … AWC_sl7_clip.tif。 4. 使用GIS *栅格计算器* 工具计算组合AWC层。代入上面的Hengl方程得到 -(1/(200-0)) * (1/2) * ( ((5-0) * (AWC_sl1_clip.tif + AWC_sl2_clip.tif)) + ((15-5) * (AWC_sl2_clip.tif + AWC_sl3_clip.tif)) + ((30-15) * (AWC_sl3_clip.tif + AWC_sl4_clip.tif)) + ((60-30) * (AWC_sl4_clip.tif + AWC_sl5_clip.tif)) + ((100-60) * (AWC_sl5_clip.tif + AWC_sl6_clip.tif)) + ((200-100) * ( AWC_sl6_clip.tif + AWC_sl67_clip.tif)) ) +(1/(200-0)) * (1/2) * ( ((5-0) * (AWC_sl1_clip.tif + AWC_sl2_clip.tif)) + ((15-5) * (AWC_sl2_clip.tif + AWC_sl3_clip.tif)) + ((30-15) * (AWC_sl3_clip.tif + AWC_sl4_clip.tif)) + ((60-30) * (AWC_sl4_clip.tif + AWC_sl5_clip.tif)) + ((100-60) * (AWC_sl5_clip.tif + AWC_sl6_clip.tif)) + ((200-100) * ( AWC_sl6_clip.tif + AWC_sl7_clip.tif)) ) -将此公式输入到 *栅格计算器* 中,并根据需要调整文件名. +将此公式输入到 *栅格计算器* 中,并根据需要调整文件名。ArcGIS Desktop 用户须知：** 您需要输入等效的十进制值，即“（.005） * （0.5）”，而不是初始分数“（1/（200-0）） * （1/2）”，否则计算结果将是所有 0 的栅格。分数方程在QGIS和ArcGIS Pro中正常运行。 5.结果栅格应该包含0-100范围内的值，表示整数百分比。该模型要求AWC以分数形式给出，因此将第4步计算的栅格除以100。 6.重新投影AWC分数图层，使其具有与其他模型输入相同的投影坐标系。此栅格现在可以用作模型的可用含水量输入。 +其他数据源 +^^^^^^^^^^^^^^^^^^ + +在美国，免费土壤数据可从美国农业部的 NRCS gSSURGO、SSURGO 和 gNATSGO 数据库获得：https://www.nrcs.usda.gov/wps/portal/nrcs/main/soils/survey/geo/。他们还提供 ArcGIS 工具（Soil Data Viewer for SSURGO 和 Soil Data Development Toolbox for gNATSGO），帮助将这些数据库处理为可供模型使用的空间数据。Soil Data Development Toolbox 最易于使用，如果您使用 ArcGIS 并需要处理美国土壤数据，强烈建议使用。 + +另一个值得注意的工具是 SPAW 土壤水分特征 https://www.ars.usda.gov/research/software/download/?softwareid=492，它有助于在拥有土壤纹理数据时估算 PACC。但是，它不会直接接收空间数据。至少，您为 %sand 和 %clay 提供单个值，并计算可用水的单个值。如果您有关于有机物、砾石等的其他数据，也可以输入这些数据来完善结果。然后，需要将工具计算的“有效水”值应用于空间土壤图层。如果您的土壤数据很复杂，具有许多不同的纹理，或者是 %sand 和 %clay 的组合，那么这种方法将非常繁琐且耗时。但是，如果您只有几个纹理值，则可以相当容易地应用它。 + 根深 diff --git a/source/zh/carbon_edge.rst b/source/zh/carbon_edge.rst index f5d1bd66..56c22c35 100644 --- a/source/zh/carbon_edge.rst +++ b/source/zh/carbon_edge.rst @@ -47,6 +47,15 @@ InVEST碳边缘效应模型是对InVEST碳模型的更新，它包含了由于 非森林类的碳计算遵循InVEST碳模型的方法，根据生物物理表中指定的森林碳库存数据进行赋值。按照这种清查方法和边缘效应方法绘制的碳图层被合并到最终的碳图层中，这样，森林土地覆盖物就会表现出边缘效应，而所有其他土地覆盖物则不会。 +限制和简化 +------------------------------- + +边缘效应数据仅针对热带地区提供。要查看它是否与研究区域重叠，请将示例数据图层 *core_data/forest_carbon_edge_regression_model_parameters.shp* 导入 GIS。如果回归数据未涵盖研究区域，则无法使用模型计算边缘效应。 + +边缘效应数据仅提供地上碳。如果要在计算中包括地下、土壤或腐殖质，则可以在碳库表中提供每个土地利用类别的这些数据。 + +模型提供的默认边缘效应数据是预先生成的，分辨率为 100 km x 100 km。如果要使用不同的边效应数据或不同的分辨率，则需要在模型外部自行创建这些数据。 + 数据需求 -------- 请注意，所有的空间输入必须在同一个投影坐标系中，并以线性米为单位。 diff --git a/source/zh/carbonstorage.rst b/source/zh/carbonstorage.rst index efd57af4..6b7ba6f0 100644 --- a/source/zh/carbonstorage.rst +++ b/source/zh/carbonstorage.rst @@ -1,4 +1,4 @@ -.. _carbonstorage: +.. _carbonstorage: ******************************** 碳储存和封存 @@ -9,6 +9,8 @@ 陆地生态系统储存的碳比大气更多，对影响二氧化碳驱动的气候变化至关重要。InVEST碳储存和封存模型使用土地使用地图以及四个碳库(地上生物量、地下生物量、土壤和死有机质)的存量来估算景观中当前储存的碳量或随着时间推移的碳封存量。或者，可使用封存碳的市场或社会价值、其年变化率和折价率来估计这种生态系统服务对社会的价值。该模型的局限性包括过于简化的碳循环，假设碳封存随时间的线性变化，以及可能不准确的折价率。 +.. note：：这个碳模型非常简单。它只需要四个碳库和一张土地覆盖图，就能将这些碳库值映射到土地覆盖图，但不体现任何生物物理性质的变化以及时态性，如树木生长、土壤化学性质变化或随时间变化的温度或降水影响。如果您需要模拟的内容较土地覆盖图的静态碳库更复杂，则需要使用不同的碳模型。 + 介绍 ============ @@ -71,7 +73,7 @@ REDD 场景分析 基于这三个针对当前、基线和REDD政策情景的LULC图，碳生物物理模型生成了三个LULC图的总碳储量栅格，以及未来和REDD情景的两个封存栅格。 限制和简化 -------------------------------- +=============================== 该模型简化了碳循环，这使得它可以在相对较少的信息下运行，但也导致了重要的限制。例如，该模型假设景观中的任何一种LULC类型都不会随着时间的推移而增加或减少碳。相反，假设所有的LULC类型都处于某个固定的存储级别，等于该LULC类型中测量的存储级别的平均值。根据这一假设，随着时间的推移，碳储量的唯一变化是由于从一种LULC类型到另一种类型的变化。因此，随着时间的推移，任何不改变其LULC类型的像素的封存值都将为0。事实上，许多地区正在从过去的土地使用中恢复过来，或正在进行自然继承。这个问题可以通过将LULC类型划分为年龄类(本质上是添加更多的LULC类型)来解决，例如森林的三个年龄。然后，地块可以在场景中从一个年龄层移动到另一个年龄层，并因此改变其碳储量值。 @@ -92,6 +94,8 @@ REDD 场景分析 .. note:: 所有空间输入必须在相同的投影坐标系和线性米单位。 +.. note：：如果要包括未来的 LULC 和/或 REDD LULC，则这些栅格的像素大小必须与当前 LULC 栅格*完全相同*。 + .. note:: 所有的碳数据应该是元素碳，而不是CO\ :sub:`2`。 - :investspec:`carbon lulc_cur_path` @@ -139,11 +143,10 @@ REDD 场景分析 将这一比率设置大于0%意味着未来封存的碳的社会价值小于现在封存的碳的价值。人们普遍认为，需要立即减少温室气体排放，以避免超过温室气体大气浓度阈值，从而导致到2105年全球平均气温升高3摄氏度或更高。一些人认为，这样的温度变化将导致全球经济的重大破坏(Stern et al. 2006)。因此，从现在起许多年后发生的任何温室气体排放减少可能对是否通过这一关键浓度阈值都没有影响。如果是这样的话，在遥远的未来，碳封存将是相对没有价值的，而大于零的碳折价率是有保证的。 - 或者，将年变化率设置为小于0%(例如-2%)，意味着未来碳封存的社会价值大于现在的碳封存价值(这是一个与未来货币价值不同的问题，一个与市场折价率动态相关的问题)。如果与气候变化相关的损害在未来随着大气中温室气体浓度的增加而加速，则可能出现这种情况。 - 解释结果 --------------------- +==================== + * **[Workspace]** folder: * **Parameter log**: 每当模型运行时，将在工作区中创建一个文本(.txt)文件。该文件将列出该运行的参数值和输出消息，并将根据服务、日期和时间命名。当与NatCap联系关于模型运行中的错误时，请包括参数日志。 diff --git a/source/zh/coastal_vulnerability.rst b/source/zh/coastal_vulnerability.rst index 70e07808..e8cafbed 100644 --- a/source/zh/coastal_vulnerability.rst +++ b/source/zh/coastal_vulnerability.rst @@ -395,8 +395,8 @@ InVEST沿海脆弱性模型按用户指定的间隔为沿海岸线的每个点 .. _海岸脆弱性附录a: -附录A -========== +附录1：地貌学定义 +===================================== 在本附录中，给出了:ref:`ranking-table` 中地貌分类给出的术语的定义。其中一些来自Gornitz等人(1997)和USACE(2002)。 @@ -442,8 +442,8 @@ InVEST沿海脆弱性模型按用户指定的间隔为沿海岸线的每个点 .. _海岸脆弱性附录b: -附录B -========== +附录2：数据来源 +======================== 该模型需要大规模的地球物理、生物、大气和人口数据。大部分信息可以从过去的调查、气象和海洋设备以及模型提供的默认数据库中收集。在本节中，提出了模型所需的不同数据层的各种来源，并描述了在:ref:`cv-data-needs` 一节中讨论的填充输入接口的方法。 diff --git a/source/zh/crop_production.rst b/source/zh/crop_production.rst index f9a7e86f..776ee249 100644 --- a/source/zh/crop_production.rst +++ b/source/zh/crop_production.rst @@ -103,7 +103,7 @@ InVEST 作物生产百分位数模型根据现有数据、百分位数摘要和 局限和简化 -------------------------------- +=============================== 该模型当前版本主要由气候驱动和可选择管理驱动的一个粗略的全球模型，因此该模型无法捕捉到异构景观中发生的生产力变化。如果岩石山坡和肥沃的河谷具有相同的气候，则在当前模型中将分配相同的产量。这将产生一个问题，如果所关注的点在于：哪里可以优先考虑未来的栖息地转换；或者哪里的农业开发是最具有生产力和最具破坏性的。 diff --git a/source/zh/croppollination.rst b/source/zh/croppollination.rst index b95508d7..a203df7f 100644 --- a/source/zh/croppollination.rst +++ b/source/zh/croppollination.rst @@ -1,4 +1,4 @@ -.. _作物授粉: +.. _作物授粉: *************************************** 作物授粉（授粉者丰度） @@ -127,7 +127,7 @@ InVEST 授粉模型侧重于将野生蜜蜂作为关键的动物授粉者。这 :label: (pol. 10) 局限和简化 -------------------------------- +=============================== 该模型是一个基于指数的模型，仅估计授粉者丰度和授粉者对作物产量的贡献的相对模式。这是因为巢密度、资源可用性和传粉者丰度的绝对估计值很难获取，并且许多作物的产量函数（包括传粉者丰度）定义不明确。依赖相对指数限制了我们估计绝对经济价值的能力，以更好地为土地使用规划决策提供信息，这些通常根据成本效益分析。 @@ -238,8 +238,8 @@ InVEST 授粉模型侧重于将野生蜜蜂作为关键的动物授粉者。这 您可能还需要检查中间结果。这些文件可以帮助明确最终结果中分布模式的原因，还可用于更好地了解模型和进行故障排除。它们位于为模型运行定义的 Workspace 目录中的 *intermediate_outputs* 文件夹中，并且其中大多数具有文件名，可以很好地了解图层所代表的内容。 -附录：变量表 -============================ +附录1：变量表 +============================== * :math:`x` - 栅格坐标。 * :math:`X` - 土地覆被地图中所有栅格的集合。 @@ -272,8 +272,8 @@ InVEST 授粉模型侧重于将野生蜜蜂作为关键的动物授粉者。这 * :math:`YW(f)` - 可归因于野生传粉者的农场“f”地块平均农场产量的比例，占作物对传粉者依赖的比例. * :math:`\nu(f)` - 作物产量占授粉的比例. -附录：数据源 -====================== +附录2：数据源 +======================== .. 注意：示例数据仅用于说明数据结构，不应用作数据源。 diff --git a/source/zh/data_sources.rst b/source/zh/data_sources.rst index c5662568..45e3286e 100644 --- a/source/zh/data_sources.rst +++ b/source/zh/data_sources.rst @@ -1,116 +1,125 @@ .. _data_sources: -******** +************ 数据来源 -******** +************ -这是一个数据来源的汇编和对常见模型输入数据的建议清单。这份清单不是确定的，只是作为一个起点。强烈建议寻找更多的本地的、准确的数据（来自国家、州、大学、文献、非政府组织和其他来源），如果没有更多的本地化数据，只能使用全球数据进行最终分析。如果你知道的有用的数据来源还未在这里列出，请在论坛上分享。 +这是一个数据源的汇编和对常见模型输入数据的建议清单。这份清单不是确定的，只是作为一个起点。强烈建议寻找更多的本地的、准确的数据（来自国家、州、大学、文献、非政府组织和其他来源），如果没有更多的本地数据，只能使用全球数据进行最终分析。如果你知道的有用的数据来源还未在此列出，请在论坛上分享。 .. _dem: 数字高程模型 ------------ -数字高程模型（DEM）是一种高程栅格图，其中每个像素的值是其距离海平面以上的高程（通常以米为单位）。世界上任何地区都有DEM数据，尽管分辨率各不相同。 +数字高程模型（DEM）是一种高程栅格图，其中每个像素的值是其海拔高度（通常以米为单位）。世界上任何地区都有DEM数据，尽管分辨率不相同。 免费的全球DEM原始数据可从以下途径获得： - * 世界野生动物基金会- https://www.worldwildlife.org/pages/hydrosheds - * 美国国家航空航天局: https://asterweb.jpl.nasa.gov/gdem.asp (30m分辨率); 航天飞机雷达地形测绘使命数据：http://dwtkns.com/srtm/ - * 美国地质勘探局：https://earthexplorer.usgs.gov/ + * 世界野生动物基金会（WWF）- https://www.worldwildlife.org/pages/hydrosheds + * 美国国家航空航天局（NASA）: https://asterweb.jpl.nasa.gov/gdem.asp (30m分辨率); 航天飞机雷达地形测绘使命（SRTM）数据：http://dwtkns.com/srtm/ + * 美国地质勘探局（USGS）：https://earthexplorer.usgs.gov/ -根据项目目标的不同，DEM的分辨率可能是一个非常重要的参数。例如，如果决策者需要有关道路对生态系统服务影响的信息，那么就需要精细的分辨率。模型中使用的DEM的水文方面信息必须是正确的。大多数原始DEM数据都有误差，所以很可能需要对DEM进行填充以消除汇。ArcGIS的填充工具或QGIS的Wang & Liu填充算法（SAGA库）的多种处理方法都显示出良好的效果。 +根据项目目标的差异，DEM的分辨率可能是一个非常重要的参数。例如，如果决策者需要道路对生态系统服务影响的信息，那么就需要精细的分辨率。模型中使用的DEM的水文方面信息必须是正确的。大多数原始DEM数据都有误差，所以很可能需要对DEM进行填充以消除洼地（Sink）。ArcGIS的填充工具或QGIS的Wang & Liu填充算法（SAGA库）的多种处理方法都显示出良好的效果。 -对于从DEM生成溪流的水文模型，仔细观察溪流网络栅格输出。如果溪流不是连续的，而是断成了几块，那么DEM仍然有需要填充的汇。如果多次填充汇不能形成一个连续的溪流网络，也许可以尝试另一种DEM。如果结果出现意料之外的栅格模式，这可能是由于用 "近邻 "插值方法而不是 用"双线性 "或 "立方体 "方法重新投影DEM造成的。在这种情况下，回到原始DEM数据，用 "双线性 "或 "立方体 "方法进行重新投影。 +对于从DEM生成溪流的水文模型，请仔细观察溪流网络栅格输出。如果溪流不是连续的，而是断成了几块，那么DEM仍然有需要填充的洼地。如果多次填充洼地仍旧不能形成一个连续的溪流网络，也许可以尝试另一种DEM数据。如果结果出现意料之外的栅格模式，这可能是由于用 "近邻"插值方法而不是用"双线性"或 "立方体"方法重新投影DEM造成的。在这种情况下，回到原始DEM数据，用 "双线性 "或 "立方体 "方法进行重新投影。 -关于处理DEM的更多细节和指导，也请参考本用户指南的DEM工作部分。 +关于处理DEM的更多细节和指导，请参考本用户指南的DEM工作部分。 .. _lulc: 土地利用/土地覆盖 -------------------- -土地利用/土地覆盖（LULC）描述了土地的物理属性或人们的使用方式（森林、湿地、水、铺装、农业、自然保护区等）。为了以栅格格式显示数据，每个LULC类别被映射为一个整数代码（这些代码不必连续或有序）。未知的数据缺口应尽可能地进行近似处理，以避免输出层中出现数据缺失（漏洞）。 +----------------------- +土地利用/土地覆盖 （LULC） 描述了土地的物理特性和/或人们如何使用它（森林、湿地、水、铺砌、农业、自然保护区等）。为了以栅格格式显示数据，每个 LULC 类别都映射到一个整数代码（这些代码不必是连续的或有序的）。未知的数据缺口应尽可能地进行近似处理，以避免输出层中出现数据缺失（漏洞）。 -全球土地使用数据可从以下渠道获得： +全球土地利用数据可从多个来源获得，包括： - * 美国国家航空航天局: https://lpdaac.usgs.gov/products/mcd12q1v006/（MODIS多年来提供的基于几种分类的全球土地覆盖数据） - * 欧洲航天局：http://www.esa-landcover-cci.org/（2000年、2005年和2010年三个时期的全球土地覆盖地图） +*美国国家航空航天局: https://lpdaac.usgs.gov/products/mcd12q1v006/（MODIS多年来提供的基于几种分类的全球土地覆盖数据） +*欧洲航天局10米分辨率的全球覆盖:https://esa-worldcover.org/ +*欧洲航天局气候变化倡议300米分辨率的土地覆盖:https://www.esa-landcover-cci.org/ -美国的数据是由美国地质调查局和内政部通过国家土地覆盖数据库提供的：https://www.usgs.gov/centers/eros/science/national-land-cover-database。 +美国地质调查局和内政部通过国家土地覆盖数据库提供美国的数据：https://www.usgs.gov/centers/eros/science/national-land-cover-database。 -景观上最简单的土地利用/土地覆盖分类包括仅按土地覆盖物（例如，耕地、森林、草地）进行划分。有几种全球和区域性的土地覆被分类法（例如，Anderson等人，1976年），而且详细的土地覆被分类已被应用于相关的景观。许多国家都有可以使用的国家土地利用/土地覆盖地图。 +景观上最简单的土地利用/土地覆盖分类包括仅按土地覆盖物（如耕地、森林、草地）进行划分。有几种全球和区域性的土地覆被分类法（例如，Anderson等人，1976年），而且详细的土地覆被分类已被应用于相关的景观。许多国家都有可以使用的国家土地利用/土地覆盖地图。 +许多国家/地区都有可以使用的国家 LULC 地图，建议尽可能寻找这些地图。 -一个更复杂的土地利用/土地覆盖分类是指将相关的土地利用/土地覆盖类型分成更有意义的类型。例如，农业用地类别可被分解为不同的作物类型。森林可以细分为特定的物种或年龄类别。在有数据支持的情况下，你可以按已知的影响建模属性的变量，如降雨、温度、海拔等，对土地利用/土地覆盖类型进行分层。 +更复杂的土地利用/土地覆盖分类涉及将相关的土地利用/土地覆盖类型分成更有意义的类型。例如，农业用地类别可被分解为不同的作物类型。森林可以细分为特定的物种或年龄类别。在有数据支持的情况下，你可以按已知会影响建模属性的变量（如降雨、温度、海拔等）对土地利用/土地覆盖类型进行分层。 -土地利用类型的分类取决于使用的模型，以及每种土地类型的可用数据有多少。通常情况下，生物物理表输入将某些相关的生物物理参数映射到每个土地利用/土地覆盖代码。只有当一个土地利用/土地覆盖类型能够提供更高的建模精度时，你才应该将其分解。例如，只有在你有相关生物物理参数差异的信息时，才将 "农作物 "分解为不同的农作物类型。 +评估任何给定的土地覆盖图非常重要，以了解它在研究区域中的准确性。特别是全球产品在某些地方（或某些土地覆盖类型）通常比其他地方更准确。 -土地利用/土地覆盖样表 +有时，将更通用的土地利用/土地覆盖类分成更详细的类很有用。例如，农业用地类别可以分解为不同的作物类型。森林可以划分为特定的物种或年龄类别。在数据可用的情况下，您可以按已知会影响所建模属性的变量（如降雨量、温度、海拔等）对土地利用/土地覆盖类型进行分层。 + +土地利用类型的分类取决于模型以及每种土地类型的可用数据量。通常，生物物理表输入将某些相关的生物物理参数映射到每个土地利用/土地覆盖代码。仅当土地利用/土地覆盖类型在建模中提供更高的准确性时，才应将其分解。例如，只有在您掌握了相关生物物理参数差异的信息时，才将“作物”分解为不同的作物类型。 + +*典型的土地利用/土地覆盖分类方案* +*典型的土地利用/土地覆盖分类方案 - 您的分类方案可能有所不同* ====== =========================== lucode 土地利用/土地覆盖 ====== =========================== - 1 常绿针叶林 - 2 常绿阔叶林 - 3 落叶针叶林 - 4 落叶阔叶林 - 5 Mixed Cover - 6 林地 - 7 Wooded Grassland - 8 封闭灌木丛 - 9 开阔灌木丛 - 10 草原 - 11 耕地（行栽作物） - 12 裸地 - 13 城市和建成区 - 14 湿地 - 15 Mixed evergreen - 16 混交林 - 17 果园/葡萄园 - 18 牧草地 + 1 常绿针叶林（Evergreen Needleleaf Forest） + 2 常绿阔叶林（Evergreen Broadleaf Forest） + 3 落叶针叶林（Deciduous Needleleaf Forest） + 4 落叶阔叶林（Deciduous Broadleaf Forest） + 5 混合植被覆盖（Mixed Cover） + 6 林地（ Woodland） + 7 稀树草原（Wooded Grassland） + 8 封闭灌木丛（Closed Shrubland） + 9 开阔灌木丛（Open Shrubland） + 10 草原（Grassland） + 11 耕地（行栽作物）（ Cropland (row Crops)） + 12 裸地（Bare Ground） + 13 城市和建成区（Urban and Built-Up） + 14 湿地（Wetland） + 15 混合常青乔木（Mixed evergreen） + 16 混交林（Mixed Forest） + 17 果园/葡萄园（Orchards/Vineyards） + 18 牧草地/牧场（Pasture） ====== =========================== .. _carbon_pools: 碳库 ----- -碳储量数据应设定为等于每个土地利用/土地覆盖类型的平均碳储量值。所有碳储量的理想数据来源是一套当地的实地估计，其中所有相关储量的碳储量都已直接测量。这些数据可以汇总到土地利用/土地覆盖地图上，包括按年龄或其他变量进行分层的土地利用/土地覆盖。然而，如果没有这些数据，有几个一般的数据来源可以使用。 +------------ +碳储量数据应设定为等于每个土地利用/土地覆盖类型的平均碳储量值。所有碳储量的理想数据来源是一套当地的实地估计，其中所有相关储量的碳储量都已直接测量。这些数据可以汇总到土地利用/土地覆盖地图上，包括按年龄或其他变量进行分层的土地利用/土地覆盖。然而，如果没有这些实地调查数据，则可以从其他常规数据源中获取。 -请注意，包括IPCC（2006）在内的一些数据来源是以生物量为单位进行报告的，而InVEST则使用元素碳的质量。要将公吨的生物量转换为公吨的碳，需要乘以一个转换系数，该系数通常在0.43到0.51之间变化。IPCC (2006)第4.48页的表4.3中列出了不同主要树木类型和气候区域的转换系数。 +请注意，包括IPCC（2006）在内的一些数据源以生物量为单位报告，而InVEST则使用元素碳的质量。要将公吨的生物量转换为公吨的碳，需要乘以一个转换系数，该系数通常在0.43到0.51之间。IPCC (2006)第4.48页的表4.3中列出了各主要树木类型和气候区域的转换系数。 .. _aboveground_carbon: 地上生物量中储存的碳 -^^^^^^^^^^^^^^^^^^^^ -政府间气候变化专门委员会（IPCC）2006年确定的农业、林业和其他土地利用（AFOLU）部门温室气体清单的方法（https://www.ipcc-nggip.iges.or.jp/public/2006gl/vol4.html）是一个很好但非常普遍的碳储存数据来源。要使用IPCC的这组信息，你必须知道你所在地的气候区和区域；使用第4.46页表4.1的数据和联合国粮食及农业组织（FAO）生态区域图的数字拷贝（http://www.fao.org/geonetwork/srv/en/main.home）来计算。IPCC (2006)的表5.1至5.3 (第5.9页)给出了具有多年木质生物量的农业用地(如果园、农林业等)的地上生物量估算值。表4.7、4.8和4.12给出了天然林和人工林类型的地上生物量估算值。Ruesch和Gibbs（2008）根据2000年的土地覆盖数据，绘制了IPCC（2006）地上生物量碳储存数据，可在以下地址访问获取：https://cdiac.essdive.lbl.gov/epubs/ndp/global_carbon/carbon_documentation.html。 +^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ +政府间气候变化专门委员会（IPCC）2006年确定农业、林业和其他土地利用（AFOLU）部门温室气体清单的方法是一个很好的但非常通用的碳储存数据来源（https://www.ipcc-nggip.iges.or.jp/public/2006gl/vol4.html）。要使用IPCC的这组信息，您必须了解您站点的气候域和区域;使用第 4.46 页表 4.1 中的数据和联合国粮食及农业组织 （FAO） 生态区域地图 （http://www.fao.org/geonetwork/srv/en/main.home） 的数字副本来计算。气专委（2006年）表5.1至表5.3（第5.9页）对多年生木本生物量（如果园、农林业等）的农业用地地上生物量进行了估计。表4.7、表4.8和表4.12给出了自然林和人工林类型的地上生物量估计数。 + +Ruesch 和 Gibbs （2008） 绘制了 IPCC （2006） 地上生物量碳储存数据，给出了 2000 年的土地覆盖数据，可在此处访问：https://cdiac.ess-dive.lbl.gov/epubs/ndp/global_carbon/carbon_documentation.html。不幸的是，这些数据没有得到很好的记录，但“lut.zip”包含每个生态区的碳值表。该表没有明确列出单位，但元数据.xml文件表明值以吨 C 为单位/公顷。 也可以参考其他一般的碳储存估算数据来源。例如，Grace等人（2006）估计了全球主要热带草原生态系统的平均地上碳储量（叶+木）（表1）。Houghton (2005)给出了各大洲天然和人工林类型的地上碳储量（表1和表3）。Brown等人（1989年）给出了热带阔叶林的地上生物量估算值，作为土地利用的功能：未受干扰、伐木和非生产性（表7）。特定地区的碳储存数据来源也是可用的。我们发现的数据包括： -* 拉丁美洲：Malhi等人（2006）报告了玻利维亚、巴西、哥伦比亚、厄瓜多尔、法属几内亚、圭亚那、巴拿马、秘鲁和委内瑞拉227块低地森林的地上生物量。Nascimento和Laurance(2002)估计了亚马逊雨林中20个1公顷地块的地上碳储量。Tiessen等人（1998年）发现巴西热带雨林类型卡廷加群落和塞拉多群落的地上碳储量。 +* 拉丁美洲：Malhi等人（2006年）报告了玻利维亚、巴西、哥伦比亚、厄瓜多尔、法属几内亚、圭亚那、巴拿马、秘鲁和委内瑞拉227个低地森林地块的地上生物量。Nascimento和Laurance（2002年）估计了20个1公顷的亚马逊雨林地块的地上碳储量。Tiessen等人（1998年）发现了巴西稀树草原Caatingas和Cerrados的地上碳储量。 -* 非洲：Zhang和Justice (2001) 报告了中部非洲国家主要森林和灌木土地利用/土地覆盖类型的地上碳储量。Tiessen等人(1998)估计了塞内加尔退化的热带稀树草原的地上生物量总量。Makundi (2001) 报告了坦桑尼亚三种森林种植类型的平均年增量。Malimbwi等人(1994)估计了坦桑尼亚Kitungalo森林保护区的miombo林地的地上碳储量。Munishi和Shear (2004)报告了坦桑尼亚东弧形山的非洲山地雨林的地上碳储量。Glenday (2006)估计了肯尼亚西部Kakamega国家森林的三种森林类型的地上碳储量。 +* 非洲：Zhang和Justice（2001年）报告了中非国家主要森林和灌木LULC类型的地上碳储量。Tiessen等人（1998年）估计了塞内加尔退化稀树草原的地上生物量总量。Makundi（2001年）的报告表明，坦桑尼亚三种人工林类型的年增长率均为增长。Malimbwi等人（1994年）估计了坦桑尼亚Kitungalo森林保护区miombo林地的地上碳储量。Munishi和Shear（2004年）报告了坦桑尼亚东弧山脉Afromontane雨林的地上碳储量。Glenday（2006年）估计了肯尼亚西部卡卡梅加国家森林中3种森林类型的地上碳储量。 -* 北美洲：Smith等人(2006)估计美国所有主要森林类型的地上碳储量。 +* 北美：Smith等人（2006年）估计了美国所有主要森林类型的地上碳储量。 -* 是一个基于美国农业部森林局森林资源清查与分析数据和资源规划评估数据的计算美国森林碳特征的工具。通过这个工具，可以在县的尺度范围内检验碳特征。使用变量标签，可以选择地上、地下、土壤或枯木碳库。 +* 碳在线估算器（https://www.ncasi.org/resource/carbon-on-line-estimator-cole/）是一种基于美国农业部林务局森林清查与分析以及资源规划评估数据计算美国森林碳特征的工具。使用此工具，可以在县级尺度上检查碳特征。使用变量选项卡，可以选择地上、地下、土壤或枯木碳库。 -* Coomes等人(2002)估计了新西兰本地灌木丛和森林类型的地上碳储量。 +* Coomes等人（2002年）估计了新西兰原生灌木丛和森林类型的地上碳储量。 -地上生物量（也就是碳储量）也可以通过木材清查来计算，这通常是由林业部门在一组地块上进行的。使用下面的公式来估计已经清查了可销售量的林分的地上碳储量，其中VOB是指从树桩到树冠点（树木的可销售部分）测量的每公顷树木体积，单位为立方米；WD是树木的木材密度（每单位树木体积的干生物量）；BEF是地上干生物量总量与清查量的干生物量的比率；CF是元素碳与干生物量的比率，按质量计算（Brown 1997）。生物量扩展因子（BEF）考虑了储存在树木地上所有其他部分（如树枝、树皮、树茎、树叶等；树木的非商业部分）的碳。在大多数情况下，一个小区的WD是用优势物种的数值来近似计算的。Brown (1997) 在第3节的附录1中提供了许多树种的WD值表，以及计算BEF的方法(公式3.1.4)。参考ECCM (2007)，了解粮农组织这一方法在坦桑尼亚东部森林库存数据中的应用。IPCC (2006) 还提出了( )的估计值，其中表4.5给出了按生态区域划分的硬木、松树、针叶树和天然林的BEF值，表4.13和4.14给出了许多物种的WD值。(使用表4.5中以S为下标的BCEF值）最后，Brown等人（1989年）给出了热带阔叶林在三种土地利用类型下的BEF：未受干扰、伐木和非生产性。 +地上生物量（以及碳储量）也可以从木材清单中计算出来，这通常由林业部在一组地块上完成。使用以下公式估算已清查的林分的地上碳储量，其中 VOB 是从树桩到树冠点（树木的可销售部分）测量的每公顷树木体积，以立方米为单位，WD 是树木的木材密度（每单位树木体积的干生物量）， BEF是地上总干生物量与干生物量的比值，CF是元素碳与干生物质的质量比值（Brown 1997）。生物量膨胀因子 （BEF） 考虑了储存在树地上所有其他部分（例如，树枝、树皮、茎、叶子等;树木的不可销售部分）的 C。在大多数情况下，样地的 WD 与优势物种的值近似。Brown（1997）在第3节附录1中提供了许多树种的WD值表和计算BEF的方法（公式3.1.4）。见ECCM （2007）关于粮农组织方法在坦桑尼亚东部森林清查数据中的应用。IPCC（2006年）还提出了（ ）的估计值，其中按生态区域划分的硬木、松树、针叶树和天然林的BEF值在表4.5中给出，表4.13和4.14中给出了许多物种的WD值。（使用表 4.5 中由 S 下标的 BCEF 值。最后，Brown等人（1989）给出了三种土地利用下的热带阔叶林的BEF：未受干扰、伐木和非生产性。 -布朗(1997)对使用上述公式提出了一些建议。首先，该等式是为封闭式而非开放式(树冠覆盖较稀疏的森林，如橡树草原)的库存林分设计的。第二，VOB估算应该是林分中所有树种的函数，而不仅仅是经济上最有价值的木材。第三，如果要使这个地上生物量碳方程尽可能准确，胸高低至10厘米（DBH=10）的树木需要包括在清单中。Brown (2002) 还指出，使用单一的BEF值是对实际生物量增长过程的简化。 +Brown（1997）对上述方程式的使用提出了一些警告。首先，该方程式是针对封闭而不是开放的清查林分（树冠覆盖稀疏的森林，如橡树稀树草原）设计的。其次，VOB估计应该是林分中发现的所有树种的函数，而不仅仅是经济上最有价值的木材。第三，如果地上生物量碳方程要尽可能准确，则需要将胸高直径低至10厘米（胸径=10）的树木包括在清单中。Brown（2002）还指出，使用单一BEF值是对实际生物质生长过程的简化。 -基于以上的这些注意事项，Brown(2002)建议如果可以则使用异速生物量方程来估计木质地上生物量。这些方程给出了一个林分不同大小的树木分布与林分地上生物量之间的估计关系。Brown(1997)和Brown和Schroeder(1999)分别为全球所有生态区域和美国东部提供了一般的地上生物量异速方程。Cairns等人(2000)提供墨西哥南部土地利用/土地覆盖类型的地上生物量异速方程。Nascimento和Laurance(2002)使用异速曲线估计亚马逊雨林的地上生物量。使用这些方程需要了解特定林分中的树木大小分布。 +这些警告导致Brown（2002）建议使用异速生长生物量方程来估计木质地上生物量（如果有的话）。这些方程给出了林分不同大小树木的分布与林分地上生物量之间的估计关系。Brown（1997）和Brown和Schroeder（1999）分别提供了全球所有生态区和美国东部的一般地上生物量异速生长方程。Cairns等人（2000年）提供了墨西哥南部LULC类型的地上生物量异速生长方程。Nascimento和Laurance（2002年）使用异速曲线估计亚马逊雨林地上生物量。使用这些方程需要了解给定林分中树木大小的分布。 -一些研究人员使这些方程的使用更容易一些，他们首先将一个林分的不同大小的树木分布与它的年龄联系起来，然后绘制出年龄和地上生物量（即）之间的关系。例如，Silver等人(2000)估计了地上生物量与林分年龄(即造林/重新再造林以来的年份)或热带生态系统中原生森林类型的原有土地利用/土地覆盖的关系。Smith等人(2006)通过将美国各种森林的年龄与总生物量碳(地下加地上)直接联系起来，使异速运动方程的转换更进一步。 +一些研究人员使这些方程的使用更容易一些，他们首先将一个林分的不同大小的树木分布与它的年龄联系起来，然后绘制出年龄和地上生物量之间的关系。例如，Silver等人(2000)估计了地上生物量与林分年龄(即造林/重新再造林以来的年份)或热带生态系统中原生森林类型的原有土地利用/土地覆盖的关系。Smith等人(2006)通过将美国各种森林的年龄与总生物量碳(地下和地上)直接联系起来，使异速运动方程的转换更进一步。 在使用IPCC数据或其他类似的广泛数据来源时，需要考虑的最后一个问题是人为干扰的程度如何影响碳储量。高度扰动地区的地面碳储量可能会低于未扰动地区的储量。目前还不清楚IPCC或其他此类资料来源在给出地上生物量估计值时假设的干扰水平是什么类型。如果森林干扰是示范点的一个问题，土地利用/土地覆盖类型应按干扰程度进行分层。这种分层的例子见 ECCM (2007) 第 14 页的表 2.5。 -最后，我们一般不把地上的草本材料作为一个碳库（如草、花、非木质作物）。我们的工作认为，这种材料并不像木质生物量、地下生物量和土壤那样是长期储存的潜在来源。一般来说，草质材料的碳循环速度太快。 +最后，我们一般不把地上的草本材料作为碳库（如草、花、非木质作物）。我们的工作认为，这种材料并不像木质生物量、地下生物量和土壤那样是长期储存的潜在来源。一般来说，草质材料的碳循环速度太快。 .. _belowground_biomass: 地下生物量中储存的碳 -^^^^^^^^^^^^^^^^^^^^ +^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ 对于以木质生物量为主的土地利用/土地覆盖类别，地下生物量可通过地下生物量与地上生物量的 "根茎比"来大致估算。IPCC (2006)第4.49页的表4.4按生态区域给出了"根茎比"的默认估计。Brown (1997)的第3.5节中也给出了这一比率的大致估计。 @@ -125,28 +134,28 @@ .. _soil_carbon: 土壤中存储的碳 -^^^^^^^^^^^^^^^^ +^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ 如果没有当地或地区的土壤碳估计值，可以从IPCC（2006）中查询农业、牧场和人工管理草原的默认估计值。IPCC（2006）的表2.3包含了按土壤类型划分的土壤碳储量估计值，假设这些储量处于平衡状态，没有积极的土地管理。对于耕地和草地土地利用/土地覆盖类型，这一默认估计值可乘以IPCC（2006）表5.5和6.2所列的管理因素。对于所有其他土地利用/土地覆盖类型及其相关管理方案，IPCC (2006) 假设没有管理因素。 -也有其他的全球层面的土壤碳数据来源。Post等人（1982年）按照Holdridge生命区分类系统报告了土壤1m深中的碳储量（这些生命区的GIS地图可在以下链接中获取：http://www.arcgis.com/home/item.html?id=f3ec7241777f4c56a69ae14d2a98e44b）。Silver等人(2000)估计了热带生态系统中原生森林类型的土壤碳与造林/再造林后年限的关系。Grace等人（2006）估计了世界各地主要热带草原类型的土壤碳（表1）。Detwiler（1986）在表2中列出了热带森林土壤的土壤碳。 +全球土壤碳数据还有其他来源。Post等人（1982年）按照Holdridge生命区分类系统报告了土壤1m深中的碳储量（这些生命区的GIS地图可在以下链接中获取：http://www.arcgis.com/home/item.html?id=f3ec7241777f4c56a69ae14d2a98e44b）。Silver等人(2000)估计了热带生态系统中原生森林类型的土壤碳与造林/再造林后年限的关系。Grace等人（2006）估计了世界各地主要热带草原类型的土壤碳（表1）。Detwiler（1986）在表2中列出了热带森林土壤的土壤碳。 一些针对特定区域的研究也报告了土壤碳储量。我们发现的这些研究包括： * 北美洲：Smith等人(2006)对美国各地区所有主要森林类型和森林管理方法的造林/再造林以来每5年的增量进行了土壤碳的估算，最长可达125年。其他包括McLauchlan等人（2006）；Tilman等人（2006）；Fargione等人（2008）；Schuman等人（2002）；和Lal（2002）。 -* 非洲：Houghton 和 Hackler (2006) 提供了撒哈拉以南非洲 5 种土地利用/土地覆盖森林类型（雨林、湿润森林、森林、灌木丛和山地森林）的土壤碳，这些森林类型保留了其自然覆盖，而森林地区则被转化为耕地、轮垦和牧场。Vagen等人（2005）提供了撒哈拉以南非洲各种土地利用/土地覆盖类型的土壤碳估算值。 +* 非洲：Houghton 和 Hackler (2006) 提供了撒哈拉以南非洲 5 种土地利用/土地覆盖森林类型（雨林、湿润森林、森林、灌木丛和山地森林）的土壤碳，这些森林类型保留了其自然覆盖，而森林地区则被转化为耕地、轮垦和牧场。Vagen等人（2005）提供了撒哈拉以南非洲各种土地利用/土地覆盖类型的土壤碳估计值。 -* 南美洲。Bernoux等人（2002年）估计了巴西不同土壤类型-植被搭配下30厘米深处的土壤碳储量。例如，在14个不同的土地覆盖类别下，包括亚马逊森林和巴西塞拉多，HAC土壤的土壤C储量从2到116kgCm-2不等。 +* 南美洲。Bernoux等人（2002年）估计了巴西不同土壤类型-植被搭配下30厘米深处的土壤碳储量。例如，包括亚马逊森林和巴西塞拉多在内的14个不同土地覆盖类别下的HAC土壤中的土壤碳储量从2到116千克碳m-2不等 重要提示：在大多数估计景观上的碳储存和封存率的研究中，土壤库的测量只包括矿物土壤中的土壤有机碳（SOC）（Post 和 Kwon，2000）。然而，如果被模拟的生态系统有大量的有机土壤（如湿地或帕拉莫），那么将这部分内容加入到矿物土壤的含量中是至关重要的。在湿地转化为其它土地用途很常见的景观中，也应密切跟踪有机土壤的碳释放（IPCC 2006）。 .. _dead_carbon: 储存在死亡有机物中的碳 -^^^^^^^^^^^^^^^^^^^^^^^^ +^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ -如果当地或区域对死亡有机物中储存的碳没有估计值，则可以参考IPCC（2006）中的默认值。表2.2（第2.27页）给出了森林土地利用/土地覆盖类型中落叶的默认碳储量。对于非林地类型，枯落物接近于0。Grace等人(2006)估计了世界上主要热带草原生态系统的平均碳储存量(表1)。目前还不清楚他们对 "地上生物量 "的总估计值是否包括枯木。一般来说，枯木碳库存更难估计，我们没有找到默认的数据来源。 +如果当地或区域对死亡有机物中储存的碳没有估计值，则可以参考IPCC（2006）中的默认值。表2.2（第2.27页）给出了森林土地利用/土地覆盖类型中落叶的默认碳储量。对于非林地类型，枯落物接近于0。Grace等人(2006)估计了世界上主要热带草原生态系统的平均碳储存量(表1)。目前还不清楚他们对 "地上生物量 "的总估计值是否包括枯木。一般来说，枯木碳库存更难估计，我们没有找到默认数据源。 区域性的估算值 @@ -157,51 +166,59 @@ 降水量 ------- +------------- .. _precipitation: 年度和月度降水量 -^^^^^^^^^^^^^^^^ -降水量可以从长期的雨量计点数据中插值d得到。在考虑雨量计数据时，要确保它们能很好地覆盖案例地区，特别是如果有很大的海拔变化，导致研究区域内的降水量不均一时。理想的情况是，测量仪至少有10年的连续数据，且没有大的差距，并与作为输入数据的土地利用/土地覆盖图的时间段相同。降水为雪的情况也应考虑在内。 +^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ +降水量可以从长期的雨量计点数据中插值得到。在考虑雨量计数据时，要确保它们能很好地覆盖案例地区，特别是如果有很大的海拔变化，导致研究区域内的降水量不均一时。理想的情况是，测量仪至少有10年的连续数据，且没有大的差距，并与作为输入数据的土地利用/土地覆盖图的时间段相同。降水为雪的情况也应考虑在内。 + +如果没有外业数据，遥感模型的全球数据集可以考虑偏远地区。您可以使用由气候研究单位：http://www.cru.uea.ac.uk 或WorldClim：https://www.worldclim.org/ 等免费提供的全球数据集中的粗略数据。搜索降水数据的一个有用地方是NCAR的气候数据指南：https://climatedataguide.ucar.edu/climate-data。 -如果没有实地监测数据，来自遥感模型的全球数据集也可以反映偏远地区的情况。你可以使用由气候研究室开发的免费提供的全球数据集的粗略数据：http://www.cru.uea.ac.uk 或WorldClim：https://www.worldclim.org/。 +一些来源（例如 WorldClim）提供了 12 个月平均降水量栅格。要在年产水量模型中使用这些栅格，必须将月栅格相加（求和）以计算年平均降水量地图。 在美国，俄勒冈州立大学的PRISM小组免费提供30弧度的降水数据。可登录他们的网站https://prism.oregonstate.edu/，并导航到 "800米正常值 "来下载数据。 .. _rain_events: 降雨事件 -^^^^^^^^ +^^^^^^^^^^^ 每月的平均雨量可以从当地的气候统计部门（气象局）或网上资源获得： - * https://www.yr.no/ - * http://wcatlas.iwmi.org + * https://www.yr.no/ + * http://wcatlas.iwmi.org * 世界银行还提供了带有降水统计数据的地图：https://datahelpdesk.worldbank.org/knowledgebase/articles/902061-climate-data-api 蒸散量 ------- +----------------- .. _et0: 参考蒸散量 -^^^^^^^^^^ -参考蒸发量，ET₀，是衡量在一定时期内从土地上蒸发到空气中的水量。它是蒸发（直接从土壤、水体和其他表面）和蒸腾（通过植物）的总和。它通常表示为单位时间内水的深度，单位是毫米。math:`mm/month`代表月度，:math:`mm/year` 代表年度。(注意：与降水类似，这是从特定区域蒸发的水的 "深度"；它不是 "每 "像素、平方米或任何其他面积单位）。InVEST模型都使用这种测量方法，但有些数据将蒸发量表示为每面积的体积或能量。 +^^^^^^^^^^^^^^^^^^^^^^^^^^^^ +参考蒸发量，ET₀，是衡量在一定时期内从土地上蒸发到空气中的水量。它是蒸发（直接从土壤、水体和其他表面）和蒸腾（通过植物）的总和。它通常表示为单位时间内水的深度，单位是毫米。math:`mm/month`代表月度，:math:`mm/year` 代表年度。(注意：与降水类似，这是从特定区域蒸发的水的 "深度"；它不是 "每 "像素、平方米或任何其他面积单位）。InVEST模型都使用这种测量方法，但有些数据将蒸发量表示为每面积的体积或能量。有关详细信息，请参阅 http://www.fao.org/3/x0490e/x0490e04.htm。 国际农业研究磋商组织CGIAR提供了基于WorldClim气候数据的全球潜在蒸散量图，可用于参考蒸发量：https://cgiarcsi.community/data/global-aridity-and-pet-database/。 -如果你正在运行一个同时需要降水和蒸散量作为输入数据的模型，请确保蒸散量数据是基于被用作模型输入数据的同一降水数据。 +搜索蒸散数据（或可用于计算ET的降水和温度数据）的一个有效地址是美国大气研究中心（NCAR）的气候数据指南：https://climatedataguide.ucar.edu/climate-data。 + +如果正在运行一个同时需要降水和蒸散量作为输入数据的模型，请确保蒸散量数据是基于被用作模型输入数据的同一降水数据。 参考蒸散量随海拔高度、纬度、湿度和坡度的变化而变化。有许多计算方法，这些方法在数据要求和精度上有差异。 -你可以利用月平均降水、最高和最低温度的栅格数据来计算参考蒸散量。这些数据可以来自气象站，在那里你可以遵循与开发年平均降水栅格相同的过程，包括在站点之间内插时考虑海拔的影响。或者，WorldClim和CRU都提供已经是栅格格式的月度温度数据。这些月度栅格可以作为下面列出的方程式的输入数据。 -你可以利用月平均降水、最高和最低温度（也可从WorldClim和CRU获得）的栅格数据来计算参考蒸散量，在从观测站点之间内插时需要考虑海拔的影响。制作这些月度降水和温度栅格的数据，与制作 "月度降水 "栅格的过程相同。 +可以利用月平均降水、最高和最低温度的栅格数据来计算参考蒸散量。这些数据可能来自气象站，可以遵循相关过程来开发年平均降水栅格数据，包括在站点之间内插时考虑海拔的影响。或者，WorldClim和CRU都提供已经是栅格格式的月度温度数据。这些月度栅格可以作为下面列出的方程式的输入数据。 +可以利用月平均降水、最高和最低温度（也可从WorldClim和CRU获得）的栅格数据来计算参考蒸散量，在从观测站点之间内插时需要考虑海拔的影响。制作这些月度降水和温度栅格的数据，与制作"月度降水"栅格的过程相同。 确定参考蒸散量的一个简单方法是 "修正的哈格里夫斯 "方程（Droogers和Allen，2002），当信息不确定时，它产生的结果比Pennman-Montieth更优。 .. math:: ET_0 = 0.0013\times 0.408\times RA\times (T_{av}+17)\times (TD-0.0123 P)^{0.76} -修改后的哈格里夫斯方法使用每个月的平均每日最高温度和平均每日最低温度的平均值（`Tavg`，摄氏度），每个月的平均每日最高温度和平均每日最低温度之差（`TD`），地外辐射(:math:`RA` in :math:`\mathrm{MJm^{-2}d^{-1}}`)和降水(:math:`P` in mm per month)，所有这些数据都可以比较容易获得。温度和降水数据通常可以从区域图表、直接测量或国家或全球数据集中获得。另一方面，辐射数据的直接测量成本要高得多，但可以通过在线工具、表格或方程式进行可靠的估算。粮农组织第56号灌溉排水文件（Allan（1998））在附件2中提供了月度辐射数据。选择与你的研究区域最接近的纬度的数值。另一个选择是使用GIS工具来计算你的特定研究区域的太阳辐射，并使用该空间图层作为修正哈格里夫斯计算的输入数据。 +“修正的哈格里夫斯”方法使用每个月的平均日最高温度和平均日最低温度（以摄氏度为单位的“Tavg”）、每个月的平均日最高温和平均日最低温之间的差值（“TD”）、地外辐射（：math：'RA' in ：math：'\mathrm{MJm^{-2}d^{-1}}'）和平均月降水量（：math：“P”，单位为每月毫米），所有这些数据可以相对容易地获得。 + +可对栅格数据使用此方程。请注意，它计算的是日均蒸散量，因此结果需要乘以对应月份的天数，并且每个月必须运行一次。生成的月度蒸散量栅格可用于季节性产水量模型。对于年产水量模型，将每月蒸散量栅格数据相加得到年平均蒸散量。 + +温度和降水数据通常来自区域图表、直接测量或国家或全球数据集（如WorldClim）。另一方面，直接测量辐射数据的成本要高得多，但可以通过在线工具、表格或方程式可靠地估计。粮农组织（FAO）灌溉排水文件56（Allan（1998））在附件2中提供了月度辐射数据;要使用它，请选择最接近研究区域的纬度值。另一种选择是使用 GIS 工具计算特定研究区域的太阳辐射，并将此空间图层用作修正的哈格里夫斯方程的输入。 参考蒸散量也可以用Hamon方程按月和按年计算（Hamon 1961, Wolock and McCabe 1999）： @@ -211,7 +228,7 @@ .. math:: W_t = \frac{4.95e^{0.062 T}}{100} -式中：:math:`T` 是月平均温度，摄氏度。当月平均温度低于零时，参考蒸散量被设置为零。然后对于分析的时间段内的每一年，将每个栅格像元的月度计算PET值相加，计算出每一年的年度PET图层。 +式中：:math:`T` 是月平均温度，摄氏度。当月平均温度低于零时，参考蒸散量被设置为零。然后对于分析的时间段内的每一年，将每个栅格像元的月度计算潜在蒸散发（PET）值相加，计算出每一年的年度潜在蒸散发图层。 在有pan evaporation数据的情况下，评估参考蒸散量的最后一种方法是使用以下公式： :math:`ETo = pan ET *0.7` (Allen et al., 1998) @@ -219,12 +236,12 @@ .. _kc: 农作物蒸散系数 -^^^^^^^^^^^^^^ -农作物的蒸散系数（ :math:`K_c`）值很容易从灌溉和园艺手册中获得。粮农组织对此有一个在线资源：http://www.fao.org/3/X0490E/x0490e0b.htm。粮农组织的表格按作物生长阶段列出了系数(:math:`K_c` ini, :math:`K_c` mid, :math:`K_c` end)，需要转换为年平均或月平均（取决于模型）:math:`K_c`。这需要了解研究区域植被的物候学（平均绿化、枯萎日期）和作物生长阶段（每年作物的种植和收获时间）。 +^^^^^^^^^^^^^^^^^^^^^^^^^^^^ +农作物的蒸散系数（:math:`K_c`）可以从灌溉和园艺手册中获得。粮农组织有相关在线资源：http://www.fao.org/3/X0490E/x0490e0b.htm。粮农组织的表格按作物生长阶段列出了系数(:math:`K_c` ini, :math:`K_c` mid, :math:`K_c` end)，这些系数需要转换为年平均或月平均（取决于模型）:math:`K_c`。这需要了解研究区域植被的物候学（平均绿化、枯萎日期）和作物生长阶段（每年作物的种植和收获时间）。年平均值：math：'K_c'可以使用以下公式估算为植被特征和平均月参考蒸散量的函数： .. math:: K_c = \frac{\sum^{12}_{m=1}K_{cm}\times ET_{o_m}}{\sum^{12}_{m=1}ET_{o_m}} -式中 : math:`K_{cm}`是:math:`m`（1-12）月份的平均作物系数，: math:`ET_{o_m}` 是相应的参考蒸散量。这些数值也可以用以下电子表格来计算：https://naturalcapitalproject.stanford.edu/sites/g/files/sbiybj9321/f/kc_calculator.xlsx。:math:`K_c` 的值应该是0-1.5之间的小数。 +式中 : math:`K_{cm}`是:math:`m`（1-12）月份的平均作物系数，: math:`ET_{o_m}` 是相应的参考蒸散量。这些数值也可以用以下电子表格来计算：https:// github.com/natcap/invest.users-guide/raw/main/data-sources/kc_calculator.xlsx。:math:`K_c` 的值应该是0-1.5之间的小数。 其他植被类型的数值可以用叶面积指数（LAI）关系来估计。LAI表征每单位面积地表的绿叶面积，可以通过NDVI分析得出的卫星图像产品获得。一个典型的 LAI - :math:`K_c` 关系如下（Allen等人，1998，第6章：http://www.fao.org/3/x0490e/x0490e0b.htm）： @@ -240,46 +257,46 @@ 水文 ----- +--------- .. _watersheds: 流域和下水道 -^^^^^^^^^^^^ +^^^^^^^^^^^^^^^^^^^^^^^^^ 为了划定流域，我们提供了InVEST工具DelineateIT，该工具相对简单而快速，并且具有创建可能重叠的流域的优势，例如流向同一河流上几个水坝的流域。关于这个工具的更多信息，请参见DelineateIt的用户指南章节。GIS 软件以及一些水文模型也提供了流域创建工具。建议你使用你正在建模的 DEM 划分流域，这样流域的边界就能与地形正确对应。 另外，网上也有一些流域地图，如HydroBASINS: https://hydrosheds.org/。请注意，如果流域的边界不是基于正在建模的同一DEM，则汇总到这些流域的结果可能是不准确的。 -具体结构的确切位置，如饮用水设施进水口或水库，应从管理单位获得，或可在网上获得： +具体结构的确切位置，如饮用水设施进水口或水库，应从管理单位获得，或在网上获得： * 美国国家大坝目录：https://nid.sec.usace.army.mil/ * 全球水库和大坝（GRanD）数据库：http://globaldamwatch.org/grand/ - * 世界水资源开发报告II大坝数据库：https://wwdrii.sr.unh.edu/download.html + * 《世界水资源开发报告II》大坝数据库：https://wwdrii.sr.unh.edu/download.html 其中一些数据集包括流向每个大坝的集水区，应与划定工具生成的流域面积进行对比，以评估准确性。 下水道数据可从当地市政当局获得。 -.. _tfa: +.. _TFA: 阈值流量累积 -^^^^^^^^^^^^ +^^^^^^^^^^^^^^^^^^^^^^ 阈值流量累积（TFA）是一个流划定算法参数，它规定了在将一个像素归类为流之前必须流入该像素的上游像素的数量。TFA没有一个 "正确 "的值。对你的实际应用来说，正确的值是使模型创建的流层看起来尽可能地接近流域内的真实流网。将河流网络栅格输出结果与已知的正确河流地图进行比较，并相应地调整TFA--较大的TFA值将创建一个支流较少的河流网络，较小的TFA值将创建一个有较多支流的河流网络。一般初始值设置为1000较好，但要注意，这个值会因DEM的分辨率、当地气候和地形的不同而变化很大。请注意，一般来说，从DEM划定的溪流与现实世界并不完全吻合，所以要尽量接近。如果模型中的溪流非常不同，那么可以考虑尝试不同的DEM。 -可以从HydroSHEDS: https://hydrosheds.org/ 获得一个全球的溪流图层数据，但要注意的是，它们一般都是比较主要的河流，可能不包括你研究区域的河流，特别是如果研究区内有小的支流。如果没有更多的本地化图层，你也可以尝试在谷歌地球中查看溪流。 +可以从HydroSHEDS: https://hydrosheds.org/ 获得一个全球的溪流图层数据，但要注意的是，它们一般都是比较主要的河流，可能不包括你研究区域的河流，特别是如果研究区内有小的支流。如果没有更多的本地化图层，也可以尝试在谷歌地球中查看溪流。 -更多信息请参见本用户指南中的 "与DEM合作 "部分。 +更多信息请参见本用户指南中的 "DEM使用"部分。 .. _soil_groups: -土壤水分组 -^^^^^^^^^^ -土壤水文分组描述了不同类型土壤的径流潜力。有四个组。A、B、C、D，其中A的径流潜力最小，D的潜力最大。更多信息见美国农业部（USDA）国家资源保护局（NRCS）出版物：https://directives.sc.egov.usda.gov/OpenNonWebContent.aspx?content=17757.wba +土壤水文组 +^^^^^^^^^^^^^^^^^^^^^^ +土壤水文组描述了不同类型土壤的径流潜力。有四个组。A、B、C、D，其中A的径流潜力最小，D的潜力最大。更多信息见美国农业部（USDA）国家资源保护局（NRCS）出版物：https://directives.sc.egov.usda.gov/OpenNonWebContent.aspx?content=17757.wba - 有两个全球水文土壤群层，1）来自FutureWater（见链接：https://www.futurewater.eu/2015/07/soil-hydraulic-properties/）；2）ORNL-DAAC的HYSOGs250m（见链接：https://daac.ornl.gov/SOILS/guides/Global_Hydrologic_Soil_Group.html。） +两个全球土壤水文组如下。1）FutureWater（见链接：https://www.futurewater.eu/2015/07/soil-hydraulic-properties/）；2）ORNL-DAAC的HYSOGs250m（见链接：https://daac.ornl.gov/SOILS/guides/Global_Hydrologic_Soil_Group.html。） FutureWater栅格**提供数字组值1-4 14、24和34。季节性产水量模型只需要1/2/3/4的数值，所以你需要将任何14、24或34的数值转换成允许的数值之一。 @@ -291,7 +308,7 @@ FutureWater栅格**提供数字组值1-4 14、24和34。季节性产水量模型 | -**水文土壤组的分配标准（NRCS-USDA，2007年第7章）。** +**表1：水文土壤组的分配标准（NRCS-USDA，2007年第7章）。** +-----------------------------------------------------------------+-------------+----------------+----------------+-----------------------------------------------------------------------+ | | Group A | Group B | Group C | Group D | @@ -304,7 +321,7 @@ FutureWater栅格**提供数字组值1-4 14、24和34。季节性产水量模型 .. _cn: CN值 -^^^^ +^^^^^^^^^^^^ 建议进行文献检索，寻找你所研究地区特有的CN值。如果没有这些数值，则寻找尽可能接近相同类型的土地覆盖/土壤/气候的数值。如果没有这些更多的本地化数值，建议使用一般来源数据。 CN值可以从美国农业部的手册中获得：（NRCS-USDA，2007年第9章）。 @@ -317,7 +334,7 @@ CN值可以从美国农业部的手册中获得：（NRCS-USDA，2007年第9章 .. _bathymetry: 深度测量法 ------------- +---------- 深度测量法测量水深。NOAA的国家地球物理数据中心（NGDC）提供不同空间分辨率的全球水深测量数据，https://www.ngdc.noaa.gov/mgg/bathymetry/relief.html。 ETOPO1是一个1弧分的地球表面全球地形模型，整合了陆地地形和海洋测深。它是由许多全球和区域数据集共同建立的，有 "冰面"（南极洲和格陵兰岛冰盖顶部）和 "基岩"（冰盖底部）版本。NGDC还提供区域和其他全球水深测量数据集。 @@ -328,15 +345,79 @@ GEBCO生产公共领域的全球网格化测深数据：https://www.gebco.net/da .. _buildings: 建筑足迹 --------- +---------------- 已建基础设施的地图可以从城市或开放源码数据（如开放街道地图）中获得。https://www.openstreetmap.org。 参考文献 --------- +------------ + +Allen, R.G., Pereira, L.S., Raes, D. and Smith, M., 1998. "Crop evapotranspiration. Guidelines for computing crop water requirements." FAO Irrigation and Drainage Paper 56. Food and Agriculture Organization of the United Nations, Rome, Italy. Paper available at http://www.fao.org/3/x0490e/x0490e00.htm. Annex 2 available at: http://www.fao.org/3/X0490E/x0490e0j.htm. + +Baer, SG, DJ Kitchen, JM Blair, and CW Rice. 2002. Changes in Ecosystem Structure and Function along a Chronosequence of Restored Grasslands. Ecological Applications 12:1688-1701. + +Bernoux, M., MDS Carvalho, B. Volkoff, and CC Cerri. 2002. Brazil's soil carbon stocks. Soil Science Society of America Journal 66:888-896. + +Brown, S. Estimating Biomass and Biomass Change of Tropical Forests: a Primer. FAO Forestry Department; 1997. Report for FAO Forestry Paper 134. + +Brown, SL, PE Schroeder and JS Kern. Spatial distribution of biomass in forests of the eastern USA.Forest Ecology and Management 123 (1999) 81-90. + +Brown, S. 2002. Measuring carbon in forests: current status and future challenges. Environmental Pollution 116:363-372. + +Cairns, MA, S. Brown, EH Helmer, and GA Baumgardner. 1997. Root biomass allocation in the world's upland forests. Oecologia 111:1-11. + +Cairns, MA, PK Haggerty, R. Alvarez, BHJ De Jong, and I. Olmsted. 2000. Tropical Mexico's recent land-use change: A region's contribution to the global carbon cycle. Ecological Applications 10:1426-1441. + +Coomes, DA, RB Allen, NA Scott, C. Goulding, and P. Beets. 2002. Designing systems to monitor carbon stocks in forests and shrublands. Forest Ecology and Management 164:89-108. + +Delaney, M., S. Brown, AE Lugo, A. Torres-Lezama, and NB Quintero. 1998. The quantity and turnover of dead wood in permanent forest plots in six life zones of Venezuela. Biotropica 30:2-11. -Allan, Richard & Pereira, L. & Smith, Martin. (1998). Crop evapotranspiration-Guidelines for computing crop water requirements-FAO Irrigation and drainage paper 56. +Detwiler, RP. 1986. Land Use Change and the Global Carbon Cycle: The Role of Tropical Soils. Biogeochemistry 2:67-93. + +Droogers, P. & Allen, R.G. 2002. "Estimating reference evapotranspiration under inaccurate data conditions." Irrigation and Drainage Systems, vol. 16, Issue 1, February 2002, pp. 33–45 + +Edinburgh Centre for Carbon Management. The Establishing Mechanisms for Payments for Carbon Environmental Services in the Eastern Arc Mountains, Tanzania; 2007 May 2007. + +Gaston, G., S. Brown, M. Lorenzini, and KD Singh. 1998. State and change in carbon pools in the forests of tropical Africa. Global Change Biology 4:97-114. + +Glenday, J. 2006. Carbon storage and emissions offset potential in an East African tropical rainforest. Forest Ecology and Management 235:72-83. + +Grace, J., J. San Jose, P. Meir, HS Miranda, and RA Montes. 2006. Productivity and carbon fluxes of tropical savannas. Journal of Biogeography 33:387-400. + +Hamon, W. R. (1961). Estimating potential evapotranspiration. Journal of the Hydraulics Division, 87(3), 107-120. + +Houghton, RA. 2005. Tropical deforestation as a source of greenhouse gas emissions. In: Tropical Deforestation and Climate Change, Moutinho and Schwartzman [eds.]. Instituto de Pesquisa Ambiental da Amazonia and Environmental Defense, Belem, Brazil. + +Houghton, RA, and JL Hackler. 2006. Emissions of carbon from land use change in sub-Saharan Africa. Journal of Geophysical Research 111. "Hydrologic Soil Groups."National Engineering Handbook, United States Department of Agriculture, National Resources Conservation Service, 2007, www.nrcs.usda.gov/wps/portal/nrcs/detailfull/national/water/?cid=stelprdb1043063. +The Intergovernmental Panel on Climate Change (IPCC). 2006. 2006 IPCC Guidelines for National Greenhouse Gas Inventories, Volume 4: Agriculture, Forestry and Other Land Use. Prepared by the National Greenhouse Gas Inventories Programme, Eggleston, HS, L. Buendia, K. Miwa, T. Ngara, and K. Tanabe (eds). Institute for Global Environmental Strategies (IGES), Hayama, Japan. . + +Makundi, WR. 2001. Carbon mitigation potential and costs in the forest sector in Tanzania. Mitigation and Adaptation Strategies for Global Change 6:335-353. + +Malhi, Y., D. Wood, TR Baker, et al. 2006. The regional variation of aboveground live biomass in old-growth Amazonian forests. Global Change Biology 12:1107-1138. + +Malimbwi, RE, B. Solberg, and E. Luoga. 1994. Estimation of biomass and volume in miombo woodland at Kitungalo Forest Reserve Tanzania. Journal of Tropical Forest Science 7:230-242. + +Munishi, PKT and TH Shear. 2004. Carbon Storage in Afromontane Rain Forests of the Eastern Arc Mountains of Tanzania: their Net Contribution to Atmospheric Carbon. Journal of Tropical Forest Science 16:78-93. + +Nascimento, HEM, and WF Laurance. 2002. Total aboveground biomass in central Amazonian rainforests: a landscape-scale study. Forest Ecology and Management 168:311-321. + +NRCS-USDA, 2007. National Engineering Handbook. United States Department of Agriculture, https://www.nrcs.usda.gov/wps/portal/nrcs/detailfull/national/water/?cid=stelprdb1043063. + +Post, WM, WR Emanuel, PJ Zinke, and AG Stangenberger. 1982. Soil carbon pools and world life zones. Nature 298:156-159. + +Post, WM, KC Kwon. 2000. Soil carbon sequestration and land-use change: processes and potential. Global Change Biology 6:317-327. + Ruesch A, and HK Gibbs. 2008. New IPCC tier-1 global biomass carbon map for the year 2000. Available:https://cdiac.ess-dive.lbl.gov/epubs/ndp/global_carbon/carbon_documentation.html. + +Silver, WL, R. Ostertag, and AE Lugo. 2000. The potential for carbon sequestration through reforestation of abandoned tropical agricultural and pasture lands. Restoration Ecology 8:394-407. + +Tiessen, H., C. Feller, EVSB Sampaio, and P. Garin. 1998. Carbon Sequestration and Turnover in Semiarid Savannas and Dry Forest. Climatic Change 40:105-117. + +Tilman, D., J. Hill, and C. Lehman. 2006. Carbon-Negative Biofuels from Low-Input High-Diversity Grassland Biomass. Science 314:1598-1600. + +Vagen, TG, R Lal, and BR Singh. 2005. Soil carbon sequestration in sub-Saharan Africa: A review. Land Degradation & Development 16:53-71. + +Zhang, Q, and CO Justice. 2001. Carbon Emissions and Sequestration Potential of Central African Ecosystems. AMBIO 30:351-355. diff --git a/source/zh/delineateit.rst b/source/zh/delineateit.rst index 71df9d60..4a932b62 100644 --- a/source/zh/delineateit.rst +++ b/source/zh/delineateit.rst @@ -14,15 +14,14 @@ 简介 ============ -在InVEST中，许多淡水模型需要流域多边形来聚集提供给受益人的生态系统服务。 -然而，我们发现使用现有的工具建立流域是困难的，他往往需要特定的专业知识和/或专有工具集。为了满足这一需求，我们开发了在PyGeoprocessing GIS包中发布的流域划分算法，并包装成InVEST内部的一个UI。所有DEM路径都由PyGeoprocessing处理，这解析了水文汇流和高原，并使用D8来规划流向的路径 +在InVEST中，许多淡水模型需要流域多边形来汇总提供给受益者的生态系统服务。然而，我们发现使用现有工具建立流域是困难的，并且通常需要特定的专业知识和/或专有工具集。为了满足这一需求，我们开发了自己的分水岭划定算法，该算法在 PyGeoprocessing GIS 包中发布，并封装到 InVEST 内部的 UI 中。所有DEM路径都由PyGeoprocessing处理，这解析了水文汇流和高原，并使用D8来规划流向的路径 -另请参阅本用户指南的**使用DEM** 部分，了解有关准备 DEM 以在 Invest 中使用以及使用它创建流域和分水岭的更多信息。 +另请参阅本用户指南的**DEM使用** 部分，了解有关准备用于 InVEST 的 DEM 以及使用它创建流域和流域的更多信息。 -模型步骤 -=========== +模型 +========= -填充 坑 +填充坑 ^^^^^^^^^ 首先，模型填充 DEM 中的任何坑（水文汇流）。此步骤有助于确保所有像素从栅格的定义区域流出 @@ -30,6 +29,7 @@ ^^^^^^^^^^^^^^^^^^^^^^^^ 该模型将 D8 路径算法应用于填充的 DEM，以计算水从每个像素流出的方向。 + 检测倾点 ^^^^^^^^^^^^^^^^^^ 倾泻点是水流流向地图定义区域的点，水流为从栅格边缘流出或流入无数据像素。 @@ -52,7 +52,8 @@ ^^^^^^^^^^^^^^^^^^^^ 该模型使用 D8 算法根据流向栅格和流域出口几何（如果提供）或检测到的倾泻点（如果选择了检测倾泻点）生成流域的面矢量。 -工具输入 + +数据需求 =========== - :investspec:`delineateit.delineateit workspace_dir` @@ -69,12 +70,12 @@ - :investspec:`delineateit.delineateit snap_points` 只有``点``几何图形或具有单个组件点的``多点``几何图形将被重新定位。所有其他几何类型将保持不变。如果选择了**检测倾点**，则此输入将不起作用。 -- :investspec:`delineateit.delineateit flow_threshold` 此阈值的值越小，产生的支流越多，值越大，支流越少。 +- :investspec:`delineateit.delineateit flow_threshold` 此阈值越小，产生的支流越多，值越大，支流越少。 - :investspec:`delineateit.delineateit snap_distance` 请注意，这是以像素为单位距离，而不是米，因此请根据您的像素大小进行缩放。 -工具输出 +解释结果 ============ 所有输出都可以在前面给出的 **工作区** 目录中找到。它们包括： diff --git a/source/zh/getting_started.rst b/source/zh/getting_started.rst index 30d7c84b..d6e06bc9 100644 --- a/source/zh/getting_started.rst +++ b/source/zh/getting_started.rst @@ -1,37 +1,35 @@ .. _getting-started: *************** -开始/新手入门 +开始 *************** .. _installing-on-win: -在Windows计算机上安装InVEST和样例数据========================================================== +在 Windows 计算机上安装 InVEST Workbench +========================================================== -从https://naturalcapitalproject.stanford.edu/software/invest下载InVEST安装程序。可执行文件名为“InVEST__Setup.exe”。双击这个.exe运行安装程序。 +从 https://naturalcapitalproject.stanford.edu/software/invest 下载InVEST Workbench安装程序。可执行文件将称为“InVEST__workbench_win32_x64.exe”。双击此.exe以运行安装程序。 -点击第一个屏幕并同意许可协议后，将出现“选择组件”屏幕。安装程序将始终安装InVEST工具和HTML和PDF版本的InVEST用户指南。还可以选择安装样例数据集，默认情况下它们都是选中的。请注意，这些数据集是通过互联网下载的，有些数据集非常大(特别是海洋数据集)，因此需要很长时间安装。如果您不希望安装全部或部分样例数据集，请取消选中相应的框。 +第一个屏幕要求您确认许可协议，单击“我同意”继续。 -接下来，选择将安装InVEST工具集和样例数据的文件夹。安装程序显示所选驱动器上有多少可用空间。单击Install开始安装。 +将出现“安装选项”屏幕。您可以选择仅为自己或所有用户安装 InVEST。单击“下一步”。 -安装完成后，InVEST安装文件夹将包含以下内容: +接下来，选择将安装 Workbench 的文件夹。单击“**安装**”。 +Workbench 安装文件夹中可能特别关注以下几点： -+ **documentation** 文件夹，包含HTML格式的InVEST用户指南。 ++ 一个**资源/文档**文件夹，包含英文、西班牙文和中文的 HTML 格式的 InVEST 用户指南。 -+ **invest-3-x64** 文件夹，包含组成InVEST工具集的编译后的Python代码。 ++ 一个 **resources/invest** 文件夹，包含构成 InVEST 工具集的已编译 Python 代码。 -+ **InVEST__Documentation.pdf**，PDF格式的InVEST用户指南。 ++ **InVEST Workbench.exe**，这是用于启动 Workbench 的主要可执行文件 -+ **Uninstall_.exe**，卸载InVEST。 ++ **卸载 InVEST Workbench.exe**），这将卸载 Workbench。 -+ **HISTORY.rst**，每个新版本中包含的所有更新的列表。 +此外，快捷方式将添加到您的 Windows 开始菜单的 *所有程序 -> InVEST <版本> Workbench* -+ 如果您选择安装样例数据，则它们将位于文件夹**sample_data**中，每个模型的数据都有一个子文件夹。 - - - -此外，所有InVEST独立应用程序快捷方式将添加到您的Windows开始菜单下 *所有程序->投InVEST |版本|* +所有型号的示例数据也可用。要安装这些，请启动 Workbench，然后转到“**设置**”（右上角的齿轮图标）**->“下载示例数据**”。 高级安装 @@ -47,30 +45,34 @@ InVEST 的windows安装程序为不同的使用情景提供了许多安装选项 .. _installing-on-mac: -在您的Mac上安装InVEST +在 Mac 上安装 InVEST Workbench ============================================= -..注意:: - 在Mac OS 10.13“High Sierra”中，需要InVEST 3.4.0或更高版本。 +..注意：： + +在 Mac OS 10.13“High Sierra”中，需要 InVEST 3.4.0 或更高版本。 - 在Mac OS 11“Big Sur”中，需要InVEST 3.9.0或更高版本。 +在 Mac OS 11“Big Sur”中，需要 InVEST 3.9.0 或更高版本。 - Mac二进制文件的数值结果可能与Windows二进制文件的结果略有不同(通常在1e-4以内)。因此，我们认为InVEST二进制文件是“不稳定的”，但它们仍然应该提供合理的结果。和往常一样，如果有些东西似乎不能正常工作，请在论坛上告诉我们:https://community.naturalcapitalproject.org/ +Mac 二进制文件的数值结果可能与 Windows 二进制文件的结果略有不同（通常在 1e-4 之间）。出于这个原因，我们认为 InVEST 二进制文件“不稳定”，但它们仍然应该提供合理的结果。与往常一样，如果某些内容似乎不起作用，请在论坛上告诉我们： https://community.naturalcapitalproject.org/ -从https://naturalcapitalproject.stanford.edu/software/invest下载InVEST光盘镜像文件。文件名为“InVEST-.dmg”。这包含了一个InVEST可执行文件的副本。注意，在3.9.0版本中，用户指南和HISTORY.rst文件不再包含在Mac发行版中;请在线访问这些资源。 +从 https://naturalcapitalproject.stanford.edu/software/invest 下载InVEST磁盘映像文件。该文件将被称为“InVEST-.dmg”。这包含 InVEST 可执行文件的副本。请注意，从 3.9.0 版本开始，用户指南 -如何安装: +和 HISTORY.rst 文件不再包含在 Mac 发行版中;请在线访问这些资源。 - 1. 右键单击下载的“InVEST-.dmg”，并在上下文菜单中选择*Open*。 - 2. 在弹出的对话框中，再次单击*Open*。 - 3. 磁盘映像将打开并指示您将InVEST应用程序拖到Applications文件夹。这一步对于InVEST能否正确工作至关重要。 - 4. 转到Applications文件夹，从那里打开InVEST应用程序。 - 5. 第一次打开InVEST应用程序时，您需要执行以下操作: - 1. 右键单击“InVEST”，在上下文菜单中选择“Open”。 - 2. 在弹出的对话框中，再次单击*Open*。 - 6. 在启动器对话框中，选择您想要运行的模型并单击*Launch*。 +安装步骤： +1. 右键单击您下载的“InVEST-.dmg”，然后在上下文菜单中选择*打开*。 +2. 在弹出的对话框中，再次单击*打开*。 +3. 磁盘映像将打开并指示您将 InVEST 应用程序拖到您的应用程序文件夹。此步骤对于InVEST正常工作至关重要。 +4. 转到您的应用程序文件夹，然后从那里打开 InVEST 应用程序。 +5. 首次打开InVEST应用程序时，您需要执行以下操作： +1. 右键单击“InVEST”，然后在上下文菜单中选择*打开*。 +2. 在弹出的对话框中，再次单击*打开*。 +6. 在启动器对话框中，选择要运行的模型，然后单击*启动*。 -与Windows安装程序不同，Mac发行版不包括样例数据或用户指南。这些都可以在https://naturalcapitalproject.stanford.edu/software/invest上找到。 +所有型号的示例数据也可用。要安装这些，请启动 Workbench，然后转到“设置”->“下载示例数据”。 + +与 Windows 安装程序不同，Mac 发行版不包括用户指南。这可以在 https://naturalcapitalproject.stanford.edu/software/invest 上在线找到。 InVEST快速入门教程 @@ -78,191 +80,192 @@ InVEST快速入门教程 本高级教程向您介绍了使用InVEST进行生态系统服务分析所涉及的主要活动。它不是一个详尽的分步技术文本，但确实提供了运行一个InVEST模型所需的步骤、技巧和所需时间的基本内容。虽然每个项目所需的时间差异很大，但每个步骤都提供了一个大致的估计时间:*低* =通常需要不到一天;*中* =不到一周;*高* =一周或更长时间。 -1. **InVEST安装** - -下载InVEST并安装，详见本章的:“installing-on-win”或“installation -on-mac”章节。 - -建议同时安装InVEST安装程序提供的样例数据。 - -InVEST安装时间:低 -2. **阅读每个感兴趣的模型的用户指南章节** - -对于每个模型，《用户指南》包含背景、方程、数据要求、结果描述以及对全球数据源和方法的建议。 - -这是描述关于模型和数据要求相关问题的第一处地方。 - -阅读模型章节所需时间:低 +1.**安装 InVEST** +- 下载 InVEST，并按照本章的 ：ref：'installing-on-win' 或 ：ref：'installing-on-mac' 部分中的详细说明进行安装。 +- 建议同时安装示例数据。在InVEST Workbench中，可以通过“设置”窗口下载示例数据，方法是单击用户界面右上角的齿轮图标。样本数据的链接也可通过“InVEST网页”_获得。 +- 安装InVEST所需时间：低 +2. **阅读每个感兴趣的型号的用户指南章节** +- 对于每个模型，用户指南都包含背景、方程式、数据要求、结果描述以及对全局数据源和方法的建议。 +- 这是有关模型和数据要求的问题的第一个地方。 +- 阅读模型章节所需的时间：低 3. **检查模型的样本数据** - -提供了所有模型的样例数据，可在InVEST安装期间安装，或可单独下载。 - -使用GIS软件查看空间数据，使用电子表格或文本编辑器查看表格数据。 - -使用这些数据来了解输入和输出，并运行模型。 - -将他们作为一个例子，学会如何调整自己的数据格式。 - -参见:“using-sample-data”章节了解更多信息。 - -使用样例数据测试模型所需时间:低 -4. **创建自己的数据** - -收集模型所需的空间和非空间模型输入数据。 - -处理您感兴趣的领域所收集的数据，使每个输入都符合InVEST要求。 - -大部分处理工作将使用GIS软件完成。 - -许多模型还需要对某些参数进行广泛的文献搜索。 - -参考模型的用户指南章节和样本数据，以了解数据集应该是什么样的需求和样例格式。 - -也可以参考本章的:“formatting-data”部分了解一般技巧。 - -处理的量会有很大的不同，这取决于特定的模型输入和数据原始的格式。 - -最好是寻找更多的本地数据源，但如果这些无法获得，一般可以获得更粗略的全局数据层和值。每个模型的用户指南附录提供了一些全局数据源的提示。 - -单个模型创建数据所需时间:高。 -5. **创建未来情景** - -分析情景是可选的，但通常是默认的。 - -情景通常基于变化的土地利用/土地覆盖、栖息地或土地管理图层，以反映一定干预措施或气候变化的影响。 - -例如，如果将利益相关者考虑进运算过程中，或者需要气候建模，创建情景可能非常耗时。 - -创建情景所需时间:中~高。 +- 提供所有型号的示例数据，可在InVEST安装期间安装，或单独下载。 +- 提供所有型号的示例数据，可通过 Workbench 设置进行安装，或单独下载。 +- 使用 GIS 软件查看空间数据，使用电子表格或文本编辑器查看表格数据。 +- 使用这些数据来了解输入和输出并运行模型。 +- 以它们为例，说明如何格式化自己的数据。 +- 有关更多信息，请参阅本章的 ：ref：'using-sample-data' 部分。 +- 试用具有样本数据的模型所需的时间：低 +4. **为基线案例创建自己的数据** +- 收集模型所需的空间和非空间模型输入。 +- 处理您感兴趣的区域收集的数据，以便每个输入都符合 InVEST 要求。 +- 大部分处理将使用 GIS 软件完成。 +- 许多模型还需要对某些参数进行广泛的文献搜索。 +- 请参阅模型的用户指南章节和示例数据，了解数据集应是什么样子的要求和示例。 +- 有关一般提示，请参阅本章的 ：ref：'formatting-data' 部分。 +- 处理量会有很大差异，具体取决于原始源的特定模型输入和格式。 +- 最好寻找更多的本地数据源，但如果这些数据源不可用，则通常可以使用更粗略的全局图层和值。每个模型的用户指南附录提供了指向某些全局数据源的指针。 +- 为一个模型创建数据所需的时间：高。 +5. **创建未来方案** +- 分析场景是可选的，但通常要进行。 +- 情景通常基于改变土地利用/土地覆盖、栖息地或土地管理地图，以反映拟议干预措施或气候变化的影响。 +- 例如，如果使用利益相关者流程或需要气候建模，则创建场景可能非常耗时。 +- 创建方案所需的时间：中到高。 6. **运行模型** - -使用InVEST用户界面或命令行脚本以您的数据运行模型。 - -更多信息请参见本章的:“running-models”部分。 - -所需时间:低到中等，取决于输入数据的大小和复杂性，以及正在运行的模型。高分辨率数据或大范围区域需要更多的时间。 +- 使用 InVEST Workbench 用户界面或命令行脚本使用您的数据运行模型。 +- 有关更多信息，请参阅本章的 ：ref：'running-models' 部分。 +- 所需时间：从低到中，具体取决于输入数据的大小和复杂程度，以及正在运行的模型。高分辨率数据和/或大面积感兴趣区域需要更多时间。 7. **检查模型结果** - -使用GIS软件严格检查结果，检查结果模式和值是否有意义? - -无法解释的模式或异常的高或低值可能表明输入数据有问题。 - -时间要求:低到中。 +- 使用 GIS 软件批判性地检查结果 - 模式和值是否有意义？ +- 无法解释的模式或异常高或低的值可能表示输入数据存在问题。 +- 时间要求：低到中。 8. **校准模型** - -可选，对于高水平筛选分析或者是实地数据无法用于验证，则不一定是必需的。 - -但是，如果使用模型结果进行估值，则进行校准是很重要的。 - -收集和处理与感兴趣的InVEST模型输出相对应的观测数据。例如，水库进水口监测站的沉积物负荷。 - -调整模型输入，使模型结果与观测数据一致。 - -校准可能伴随着灵敏度分析，以确定哪些参数对结果影响最大。在校准调整中，最敏感的参数就是很好的选择。 - -所需时间:中~高。 -9. **结合受益者** - -将模型结果链接到人，或其他类型的受益人。这就是它成为生态系统“服务”的地方。 - -收集和预处理有关人员、基础设施或其他利益受益人位置的数据。 - -结合InVEST模型结果和受益人数据，通常使用GIS软件完成。 - -时间要求:中。 -10. **估值** - -生态系统服务的估值，无论是货币的还是非货币的，通常是复杂的和结合具体情况分析的。 - -收集与您正在分析的服务和受益人相关的经济数据。 - -在使用模型结果进行估值前校准它们。 - -所需时间:中~高。 -11. **沟通结果** - -一旦你有了InVEST的结果，你将创建地图，表格，图形等，这取决于你需要什么来向他人传达你的结果。 - -也可以对结果进行后期处理。例如，您可以在InVEST结果图上显示覆盖的保护区地图。或者将多个生态系统服务地图组合成一个最大组合服务提供的“热点”地图。或者在一个感兴趣的领域内聚合结果。 - -请记住，选择的颜色和符号要便于大众阅读，易于理解，并且能够准确地代表结果。 - -所需时间:根据项目需求的复杂程度，低至中。 - - -GIS技巧 -＝＝＝＝＝＝＝＝＝＝ - -**许多InVEST分析步骤需要中级地理信息系统(GIS)技能，特别是在创建模型输入和处理模型输出时** +- 可选，对于高级筛选分析和/或现场数据不可用于验证，不一定是必需的。 +- 但是，如果使用模型结果进行估值，则进行校准非常重要。 +- 收集和处理与感兴趣的InVEST模型输出相对应的观测数据。例如，来自水库进水口监测站的沉积物负荷。 +- 调整模型输入，以在建模结果和观测数据之间产生一致性。 +- 校准可能伴随着灵敏度分析，以确定哪些参数对结果的影响最大。最灵敏的参数是校准调整的好选择。 +- 所需时间：中到高。 +9. **纳入受益人** +- 将模型结果与人或其他类型的受益人联系起来。这就是它成为生态系统*服务*的地方。 +- 收集和预处理有关人员、基础设施或其他相关受益人位置的数据。 +- 将InVEST模型结果与受益人数据相结合，通常使用GIS软件完成。 +- 时间要求：中等。 +10. **估价** +- 生态系统服务的估值，无论是货币的还是非货币的，通常都是复杂且因地制宜的。 +- 收集与您正在分析的服务和受益人相关的经济数据。 +- 在将模型结果用于估值之前对其进行校准。 +- 所需时间：中到高。 +11. **传达结果** +- 获得 InVEST 结果后，您将创建地图、表格、图形等，具体取决于将结果传达给受众所需的内容。 +- 也可以对结果进行后处理。例如，您可以显示覆盖在 InVEST 结果地图上的保护区地图。或者将多个生态系统服务地图组合成一个“热点”地图，提供最大的综合服务。或者汇总感兴趣区域内的结果。 +- 请记住选择您的颜色和符号，以便于广大受众阅读、直观地解释，并且它们能够准确地代表结果。 +- 所需时间：从低到中，具体取决于项目需求的复杂性。 -本用户指南假定您具备所需的GIS技能，一般不提供有关使用GIS软件查看或处理数据的说明。您可以使用任何您熟悉的地理空间软件，其中QGIS和ArcGIS是最常见的。有许多课程和教程可用于学习GIS技能和软件，我们建议在开始使用InVEST之前先熟悉这些概念和工具。 -下面是一些典型的InVEST分析部分的GIS任务类型的样例。当然这不是一个完整的列表: +GIS 技能 +========== -+查看和浏览栅格、矢量和表格数据 +**许多 InVEST 分析步骤都需要中级地理信息系统 （GIS） 技能，尤其是在创建模型输入和处理模型输出时。** -+符号化栅格和矢量数据 +本用户指南假定您具备所需的 GIS 技能，它通常不提供与使用 GIS 软件查看或处理数据相关的说明。您可以使用任何您熟悉的地理空间软件，QGIS和ArcGIS是最常见的。有许多课程和教程可用于学习 GIS 技能和软件，我们建议您在开始使用 InVEST 之前熟悉这些概念和工具。 -+将数据层重新投影到一个公共坐标系统 +以下是通常属于 InVEST 分析一部分的 GIS 任务类型的一些示例。这不是一个完整的列表： -+剪辑数据层到感兴趣的区域 ++ 查看和导航栅格、矢量和表格数据 -+栅格与矢量之间的相互转换 ++ 对栅格和矢量数据进行符号化 -+创建新的点，线或多边形矢量 ++ 将数据图层重新投影到公共坐标系 -+编辑矢量属性表 ++ 将数据图层裁剪到感兴趣区域 -+执行栅格的各种数学运算 ++ 将矢量转换为栅格，将栅格转换为矢量 -+重分类栅格值 ++ 创建新的点、线或面图层 -+重采样栅格 ++ 编辑矢量属性表 -另请参阅本章的“使用DEM数据”部分，其中提供了一些关于GIS处理数字高程模型(DEM)数据的详细信息，这些数据用于SDR、NDR、季节性水量、风景质量和海岸脆弱性模型。 ++ 执行各种栅格数学运算 ++ 对栅格值进行重分类 -独立的InVEST工具 -======================= ++ 重采样栅格 -所有InVEST模型都运行在一个完全开源的平台上，在这个平台上，以前的工具集是ArcGIS脚本的集合。新的界面不需要ArcGIS，结果可以使用任何GIS工具进行探索，包括“ArcGIS”、“QGIS ”等。从InVEST2.3.0开始，工具集已经有了独立的模型版本，安装后可以从Windows开始菜单*所有程序->InVEST|version|*下获得。独立版本目前可用于所有型号。不再支持InVEST模型的ArcGIS版本。 +另请参阅本章的 ：ref：'working-with-the-DEM' 部分，该部分提供了有关用于 SDR、NDR、季节性产水量、风景质量和沿海脆弱性模型的数字高程模型 （DEM） 数据的 GIS 处理的一些详细信息。 - -旧的InVEST版本 +较早的InVEST版本 ===================== -InVEST的旧版本可以在http://data.naturalcapitalproject.org/invest-releases/deprecated_models.html上找到。请注意，许多模型由于关键的未解决的科学问题而被弃用，我们强烈建议您使用InVEST的最新版本。 +可以在 http://data.naturalcapitalproject.org/invest-releases/deprecated_models.html 找到 InVEST 的旧版本。请注意，由于关键的未解决的科学问题，许多模型已被弃用，我们强烈建议您使用最新版本的 InVEST。 -．．_using-sample-data: +.._using-sample-data： -使用样例数据 +使用示例数据 ================= -InVEST提供了样例数据作为数据格式的指南，并开始理解模型的工作方式。例如，在准备分析数据时，您可能希望通过更改样例数据中的输入值来测试模型，以查看输出如何响应。对于大多数模型，重要的是它们的样本数据仅用于测试和样例，不要使用空间数据或表格值进行自己的分析，因为它们的来源和准确性没有文档记录。一些海洋模型带有全局数据集，可用于您自己的应用程序-请参阅这些模型的个别用户指南章节以获取更多信息。 +InVEST 附带示例数据作为格式化数据的指南，并开始了解模型的工作原理。在开始您自己的分析之前，我们强烈建议您下载您感兴趣的模型的示例数据，查看 GIS 中的输入，使用示例数据运行模型，并在 GIS 中检查输出。 + +在InVEST Workbench中，可以通过“设置”窗口下载示例数据，方法是单击用户界面右上角的齿轮图标。样本数据的链接也可通过“InVEST网页”_获得。 -样例数据可以在InVEST安装文件夹中的单独子文件夹中找到。例如，授粉模型的样例数据集在InVEST安装文件夹中的“sample_data”文件夹里的“Pollination”文件夹，而碳模型的样例数据集在InVEST安装文件夹中的“sample_data”文件夹里的“Carbon”。为了测试模型，您可以在样本数据文件夹中创建一个名为“output”的文件夹作为工作区，用于保存模型结果。一旦开始处理自己的数据，就需要创建一个工作区和输入数据文件夹来保存自己的输入和结果。您还需要重新链接您的数据和工作空间以方便访问。 +每个模型的示例数据文件夹都包含一个.json文件，您可以使用该文件自动填充大多数模型输入。要使用此功能，请将.json文件拖放到 Workbench 中模型的输入屏幕中，或使用“从文件加载参数”界面导航到.json文件。 -如果在Windows上运行，样例数据可能在安装InVEST的同时安装，或者数据集可以从InVEST网站上单独下载。 +对于大多数模型，重要的是其示例数据仅用于测试，例如，不要将空间数据或表值用于您自己的分析，因为它们的来源和准确性未记录在案。一些海洋模型（如沿海脆弱性）带有可用于您自己的应用程序的全球数据集 - 有关更多信息，请参阅这些模型的各个用户指南章节。 -．．_formatting-data: +为了测试模型，您可以在示例数据文件夹中创建一个名为“output”的工作区文件夹来保存模型结果，或者使用任何适合您的数据组织结构。使用自己的数据后，需要创建一个工作区和输入数据文件夹来保存自己的输入和结果。您还需要重定向该工具以访问您的数据和工作区。 -整理数据格式 +.._formatting-数据： +设置数据格式 ==================== +在运行 InVEST 之前，有必要格式化数据。尽管本指南的后续章节介绍了如何为每个模型准备输入数据，但所有模型都遵循以下几种通用的格式准则： -在运行InVEST之前，有必要对数据进行一定格式的处理。虽然本指南的后续章节描述了如何为每个模型准备输入数据，但所有模型都有几个通用的数据格式指南: ++ 数据文件名不应包含空格（例如，栅格文件应命名为“landuse.tif”而不是“land use.tif”）。 -+数据文件名不应该有空格(例如，一个栅格文件应该命名为“landuse”。而不是“land use.tif”)。 ++ 对于栅格数据，为了便于使用，首选 TIFF，但您也可以使用 IMG 或 ESRI GRID。 -对于栅格数据，为了便于使用，首选tiff格式，但您也可以使用IMG或ESRI GRID。 ++ 如果使用 ESRI GRID 格式栅格，则其数据集名称的长度不能超过 13 个字符，并且第一个字符不能是数字。TIFF 和 IMG 栅格没有文件名长度限制。使用 ESRI GRID 作为模型界面的输入时，请使用文件“hdr.adf”。 -+如果使用ESRI GRID格式的栅格，其数据集名称不能超过13个字符，并且第一个字符不能是数字。TIFF和IMG光栅没有文件名长度限制。当使用ESRI GRID作为模型接口的输入时，使用文件“hdr.adf”。 ++ 空间数据必须位于投影坐标系（例如 UTM 中），而不是地理坐标系（例如 WGS84）中，并且给定模型运行的所有输入数据必须位于同一投影坐标系中。如果您的数据未被投影，InVEST 将给出错误或不正确的结果。（但也有例外情况，例如沿海漏洞 - 有关具体要求，请参阅模型的用户指南一章。 -+空间数据必须在投影坐标系中(如UTM)，而不是地理坐标系(如WGS84)，并且给定模型运行的所有输入数据必须在相同的投影坐标系中。如果您的数据没有被预处理，InVEST将给出错误或不正确的结果。(也有例外，比如沿海脆弱性——具体要求请参见模型的用户指南章节。) ++ 用作 InVEST 模型输入的每个栅格都必须为栅格的 *NoData* 值分配一个数值数据值。此 *NoData* 值不得被视为有效的模型数据。例如，土地利用/土地覆被栅格可能具有 1 到 30 的有效土地利用代码，因此您可以选择 *NoData* 值 9999。值“nan”不是有效的 NoData 值，在运行模型时将产生错误。您可以通过在 GIS 中查看栅格的属性来检查 *NoData* 值。 -虽然InVEST 3.0模型现在非常节省内存，但运行模型所需的时间仍然受到输入数据集大小的影响。如果感兴趣的区域很大，或使用单元格较小的栅格（分辨率较高），这将增加内存使用和运行模型所需的时间。如果它们太大，就会发生内存错误。如果发生这种情况，请尝试减少感兴趣区域的大小，或使用分辨率较低的输入数据。 ++ 虽然 InVEST 3.0 模型现在非常节省内存，但运行模型所需的时间仍受输入数据集大小的影响。如果感兴趣区域较大和/或使用像元大小较小的栅格，则这将增加运行模型所需的内存使用量和时间。如果它们太大，则会发生内存错误。如果发生这种情况，请尝试减小感兴趣区域的大小，或使用较粗分辨率的输入数据。 -类似地，模型使用的磁盘空间量与输入数据的分辨率成比例。如果感兴趣的区域很大或使用小单元尺寸的栅格，这将增加中间存储和最终模型结果所需的磁盘空间量。如果没有足够的可用磁盘空间，模型将给出错误提示。 ++ 同样，模型使用的磁盘空间量与输入数据的分辨率成正比。如果感兴趣区域较大和/或使用像元大小较小的栅格，这将增加存储中间模型结果和最终模型结果所需的磁盘空间量。如果没有足够的可用磁盘空间，模型将返回错误。 -在另一个程序中打开输入数据文件运行模型可能会导致错误。确保数据文件没有被其他程序使用，以防止数据访问问题。 ++ 在另一个程序中打开输入数据文件的情况下运行模型可能会导致错误。确保数据文件未被其他程序使用，以防止数据访问问题。 -+区域和语言选项:一些语言设置有可能在运行模型时导致错误。例如，使用逗号(，)作为小数而不是句号(.)的设置会在模型中导致错误。要解决这个问题，请将计算机的区域设置更改为英文。 ++ 区域和语言选项：某些语言设置会导致运行模型时出错。例如，使用逗号 （，） 而不是句点 （.） 表示小数的设置会导致模型中出现错误。若要解决此问题，请将计算机的区域设置更改为英语。 -+当模型运行时，可能需要更改输入表中的值。这通常是用电子表格程序，如Excel或文本编辑器，如notepad++。输入表必须是CSV(逗号分隔值)格式，其中值由逗号分隔，而不是分号或任何其他字符。如果在Excel中工作，则无法看到分隔符，因此请在记事本或其他文本编辑器中再次检查。保存CSV文件时，请确保使用以下编码之一保存文件:ASCII、UTF-8或Signed UTF-8。使用任何其他编码(如Latin-1)将导致输出文件中的文本格式不正确，并可能导致模型运行失败。 ++ 在运行模型时，可能需要更改输入表中的值。这通常是通过电子表格程序（如 Excel）或文本编辑器（如 Notepad++）完成的。输入表必须采用 CSV 格式。如果在 Excel 中工作，请务必另存为 CSV。保存 CSV 文件时，请务必使用以下编码之一保存文件：ASCII、UTF-8 或 Signed UTF-8。使用任何其他编码（如 Latin-1）将导致输出文件中的文本呈现不正确，并可能导致模型失败并出现错误。 -+一些模型需要特定的数据文件命名指南(例如，栖息地质量模型)和字段(列)名称，这些在每个模型的用户指南章节中定义。仔细遵循这些规则以确保你的数据集是有效的，否则模型会给出一个错误提示。 ++ 某些模型需要数据文件（例如，Habitat Quality 模型）和字段（列）名称的特定命名准则，这些准则在每个模型的用户指南章节中定义。请仔细遵循这些操作，以确保数据集有效，否则模型将给出错误。 + ++ 请记住*使用示例数据集作为格式化数据的指南*。 -+记住使用样例数据集作为数据格式的指南。 ．．_running-models: 运行模型 -＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝ +================== -当您根据相关模型章节中的说明准备好数据并安装了InVEST的最新版本时，您就可以运行InVEST模型了。 +当您根据相关模型章节中的说明准备好数据并安装了最新版本InVEST，您就可以运行InVEST模型了。 开始: -+检查您的输入数据。在GIS中查看空间数据，确保值看起来正确，没有应该填充的数据缺失区域，所有数据图层都在相同的投影坐标系统中，等等。在电子表格或文本编辑器中查看表数据，确保值看起来正确，列名正确，并且以CSV格式保存。 ++检查您的输入数据。在GIS中查看空间数据，确保值看起来正确，没有应该填充的数据缺失区域，所有数据图层都在相同的投影坐标系统中等。在电子表格或文本编辑器中查看表数据，确保值看起来正确、列名正确，并且以CSV格式保存。 +启动您想要运行的模型，并将您的输入数据添加到用户界面中的每个数据栏内。您可以将图层拖放到数据栏中，或者单击每个数据栏右侧的文件图标来导入您的数据。 -如果输入路径指向不存在的文件或格式不正确的文件，则在输入名称的左侧用红色“X”标记。如果你点击红色的X，它会告诉你数据有什么问题。如果有红色的X，模型将无法运行。 ++ 输入的路径导致不存在的文件或格式不正确的文件的输入将在输入名称的右侧用红色“X”标记，输入框将以红色勾勒。输入下方将简要说明输入的问题。例如，“输入是必需的，但没有值”表示此输入是必需的，但您尚未用有效信息填写它。如果有任何红色 X，则模型将不会运行。 +注意，每个工具都有一个地方可以输入后缀，这是一个字符串，将被添加到输出文件名*_Suffix*。添加唯一的后缀可以防止覆盖以前迭代中生成的文件。如果您正在运行多个情景，这尤其有用，因为每个文件名都可以指示情景的名称。 +当所有必填项填写完毕，且没有红色的X时，点击界面上的**运行**按钮。 -+处理时间将根据脚本和输入数据集的分辨率和范围而有所不同。每个模型都会打开一个窗口，显示脚本的进度。请确保观察输出窗口以查找有用的消息和错误。此进度信息也将被写入工作区中名为*-log-.txt*的文件中。如果遇到错误需要联系NatCap寻求帮助，请始终发送此日志文件，它将有助于调试。更多信息请参见本章的“support-and-error-reporting”部分。 ++处理时间将因脚本以及输入数据集的分辨率和范围而异。每个模型都会打开一个窗口，显示脚本的进度。请务必扫描输出窗口以查找有用的消息和错误。此进度信息也将写入工作区中名为 *InVEST-natcap.invest 的文件中。<型号名称>-log-.txt*。如果您需要联系 NatCap 以获取错误帮助，请始终发送此日志文件，这将有助于调试。有关更多信息，请参阅本章的 ：ref：'support-and-error-reporting' 部分。 模型的结果可以在**Workspace**文件夹中找到。主要输出通常位于Workspace文件夹的顶层。还有一个“中间”文件夹，其中包含一些在进行计算时生成的附加文件。虽然通常不需要查看中间结果，但在调试问题或试图更好地理解模型的工作方式时，查看中间结果有时是有用的。阅读模型章节并查看相应的中间文件是理解和评价结果的好方法。本用户指南中的每个模型章节都提供了这些输出文件的描述。 -在您的脚本成功完成之后，您可以通过将它们从Workspace添加到GIS来查看空间结果。仔细地、批判性地审视结果是很重要的。这些价值有意义吗?这些结果有意义吗?你明白为什么有些地方的价值较高，而有些地方的价值较低吗?您的输入层和参数是如何影响结果的? +脚本成功完成后，可以通过将空间结果从工作空间添加到 GIS 来查看空间结果。仔细和批判性地看待结果是很重要的。这些价值观有意义吗？这些模式有意义吗？你明白为什么有些地方的值较高而另一些地方的值较低吗？您的输入图层和参数如何驱动结果？ 如果您担心您的结果，并想在用户论坛上询问它，请先查看这些问题。通常，通过查看输入图层中的单位、值或缺失数据，可以很容易地解释意外的高值或低值或缺失数据区域。 ．．_support-and-error-reporting: 支持和错误报告 =========================== -如果您在运行模型时遇到任何问题，或者对其理论、数据或应用有任何用户指南未涵盖的问题，请访问用户支持论坛https://community.naturalcapitalproject.org/。首先，请使用**搜索**功能查看是否已经有人问过类似的问题。很多时候，你的问题已经得到了解答。如果你没有找到与你的问题相关的现有帖子，或者它们不能解决你的问题，你可以登录并创建一个新帖子。 +如果您在运行模型时遇到任何问题，或者对用户指南未涵盖的理论、数据或应用有疑问，请访问用户支持论坛，网址为 https://community.naturalcapitalproject.org/。*首先，请使用搜索功能查看是否已经提出过类似的问题。很多时候，您的问题或问题已经得到了解答。* 对于错误消息尤其如此 - 您可以在错误消息中搜索几个关键字，并且经常会找到帮助您修复错误的帖子。 + +如果您没有找到与您的问题或问题相关的现有帖子，或者这些帖子无法解决您的问题，您可以登录并创建一个新帖子。 如果您在运行模型时报告错误，请在论坛帖子中包含以下信息: -+你所咨询的InVEST模型 ++ 您要询问的 InVEST 模型 -+你正在使用的InVEST版本 ++ 您正在使用的 InVEST 版本 -+你已经试图解决这个问题，但没有起作用 ++ 您已经尝试解决问题但未奏效的内容 -+由模型产生的整个日志文件，位于输出文件夹*-log-.txt* ++ 模型生成的整个日志文件，位于输出 Workspace 文件夹中 - *InVEST-natcap.invest.-log-.txt* 培训 -------- @@ -275,31 +278,33 @@ InVEST提供了样例数据作为数据格式的指南，并开始理解模型 -InVEST简介 --详细介绍了SDR、海岸脆弱性和城市降温模型 +-详细介绍了 SDR、沿海脆弱性和城市冷却模型（尽管它们现在都已过时，最近对这些模型进行了更新）。 --其他生态系统服务分析主题概述，包括情景、受益者和数据来源 - --若干案例研究。 +- 其他生态系统服务分析主题概述，包括情景、受益者和数据来源 +- 几个案例研究。 还有一个“YouTube播放列表与视频培训教程，包括: --夏季系列: InVEST简介(简要介绍InVEST，SDR，海岸脆弱性和沟通结果) +- 夏季系列：InVEST简介（InVEST、SDR、沿海脆弱性和交流结果的简要介绍） + +- 夏季系列：淡水水质（更详细地介绍了 NDR 和 SDR） + +- 夏季系列：城市InVEST（更详细地介绍了城市冷却） --夏季系列:水体质量(NDR和SDR更详细地介绍) +- 简介：牧场生产 --夏季系列:城市InVEST(更详细地介绍了城市降温) +- 简介：栖息地质量 --介绍:牧场生产 +- 简介：碳储存 --简介:生境质量 +- 简介：季节性产水量 --介绍:固碳 +- 简介：城市洪涝风险缓解 --介绍:季节产水量 +我们还有一个“GIS for InVEST 视频系列 ”_，它提供了使用 InVEST 模型所需的一些 GIS 任务的实践指导。这些都针对 QGIS 和 ArcGIS 提供。 --导论:城市洪涝调蓄 .. _working-with-the-DEM: @@ -322,50 +327,50 @@ InVEST提供了样例数据作为数据格式的指南，并开始理解模型 在ArcGIS (Project Raster工具)或QGIS (Warp工具)中重新投影DEM时，对于ArcGIS中的“重采样技术”或QGIS中的“重采样方法”，重要的是选择BILINEAR或CUBIC。选择NEAREST(或QGIS中的Near)将在感兴趣的区域生成一个格网模式不正确的DEM，这可能只在放大或运行Flow Direction后才会明显。这将创建一个糟糕的流网络和流模式，并导致糟糕的模型结果。 -3.**检查丢失的数据** +3. **检查缺失数据** +仔细查看 DEM 栅格，确保感兴趣区域内没有缺失数据（由 NoData 像元表示）。如果存在 NoData 单元格，则必须为它们分配值。 - 仔细查看DEM栅格，以确保在感兴趣的区域内没有缺失的数据，这些数据由NoData单元格表示。如果存在NoData单元格，则必须为它们分配值。 +对于小孔，一种方法是使用栅格计算器（或条件 -> CON）中的 ArcGIS Focal Mean 函数。例如，在 ArcGIS 10.x： 中： - 对于孔隙，一种方法是使用栅格计算器中的ArcGIS Focal Mean函数(或Conditional -> CON)。例如，在ArcGIS 10.X中输入:: +Con（IsNull（“theDEM”），FocalStatistics（“theDEM”，NbrRectangle（3,3），“MEAN”），“theDEM”） - Con(IsNull("theDEM"),FocalStatistics("theDEM",NbrRectangle(3,3),"MEAN"),"theDEM") +也可以使用插值，并且可以更好地处理较大的孔。使用转换工具将 DEM 转换为点 -> 从栅格 ->栅格到点，使用 Spatial Analyst 的插值工具进行插值，然后使用 CON 将插值指定给原始 DEM：： - 插值也可以使用，并且可以更好地工作于较大的孔。使用转换工具将DEM转化为点 Conversion Tools -> From Raster -> Raster to Point，使用Spatial Analyst's Interpolation tools进行插值，然后使用CON将插值后的值分配给原始DEM: +Con（isnull（[theDEM]）， [interpolated_grid]， [theDEM]） - Con(isnull([theDEM])， [interpolated_grid]， [theDEM]) +在QGIS中，尝试填充Nodata工具或GRASS r.neighbors工具。r.neighbors 提供不同的统计类型，包括 Mean。 - 在QGIS中，尝试Fill Nodata tool，或者the GRASS r.neighbors tool。其中r.neighbors提供了不同的统计类型，包括Mean等。 4.** DEM填洼** - 这一步几乎总是必需的。 +这一步几乎总是必需的。 - 来自ESRI关于“洼地如何工作”的帮助:“洼地是一个像元或一组空间连接的像元，其流向不能被分配到流向栅格中的八个有效值之一。当所有相邻的像元都高于处理像元时，或者当两个像元相互流入，形成一个双像元循环时，就会发生这种情况。” +来自ESRI关于“洼地如何工作”的帮助:“洼地是一个像元或一组空间连接的像元，其流向不能被分配到流向栅格中的八个有效值之一。当所有相邻的像元都高于处理像元时，或者当两个像元相互流入，形成一个双像元循环时，就会发生这种情况。” - 洼地通常是由DEM中的错误引起的，它们可以产生不正确的流向栅格。这可能会导致水文处理的几个问题，包括创建一个不连续的流网络。填洼会为异常像元分配新的值，这样它们就能更好地与相邻的栅格衔接。但是这个过程可能会产生新的洼地，所以可能需要一个迭代的过程。 +洼地通常是由DEM中的误差引起的，它们可以产生不正确的流向栅格。这可能会导致水文处理的几个问题，包括创建一个不连续的流网络。填洼会为异常像元分配新的值，这样它们就能更好地与相邻的栅格衔接。但是这个过程可能会产生新的洼地，所以可能需要迭代过程。 - 我们发现QGIS Wang and Liu填充工具在填洼方面做得很好，推荐使用(即使是ArcGIS用户)。你也可以通过使用Hydrology -> Fill tool.来使用ArcGIS。可能需要多次运行Fill tool。 +我们发现QGIS Wang and Liu填充工具在填洼方面做得很好，推荐使用(即使是ArcGIS用户)。你也可以通过使用水文（Hydrology ）->填充工具（Fill tool）来使用ArcGIS。可能需要多次运行填充工具（Fill tool）。 5.**验证流网络** - 此时，DEM应该可以进行测试了。最主要的是查看流的生成情况，所以你需要一个现实世界中的流图与之进行比较，这可以是具有地理空间属性的，也可以不是，只要你能直观地进行比较。 +DEM准备好后，可验证流网络。最主要的是查看水流的生成情况，所以你需要一个现实世界中的水流图与之进行比较，这可以是具有地理空间属性的，也可以不是，只要你能直观地进行比较。 - 由DEM模型生成的流网络应该与已知现实世界中正确的流图上的流紧密匹配。一些InVEST水文模型和支持的InVEST工具RouteDEM输出一个流网络(通常称为*stream.tif*)。这些工具通过首先生成流量方向和流量积累栅格来创建流(您应该检查此步骤)，然后用输入的“阈值流量积累”(TFA)值来选择应该成为流网络一部分的像素。例如，如果给定的TFA值为1000，那么在将1000个像素视为流的一部分之前，必须将其转移到特定的像素中。这相当于说流是由流量累积值>= 1000的部分来定义的。 +由DEM模型生成的流网络应该与已知现实世界中正确的流图上的流紧密匹配。一些InVEST水文模型和支持的InVEST工具RouteDEM输出一个流网络(通常称为*stream.tif*)。这些工具通过首先生成流量方向和流量积累栅格来创建水流(您应该检查此步骤)，然后应用用户输入的“阈值流量累积”（TFA） 值来选择应属于流网络一部分的像素来创建流。例如，如果给定的 TFA 值为 1000，则必须将 1000 像素排入特定像素，然后才能将其视为流的一部分。这相当于说流的累积值为 >= 1000。 - 使用这些*stream.tif*输出用于评估建模产生的流与现实的匹配程度，并相应地调整阈值流量累积。TFA值越大，河网越粗，支流越少，TFA值越小，支流越多。TFA没有一个“正确”的值，每个您感兴趣的领域和DEM都是不同的。对于测试来说，一个很好的初始值是1000。当比较*stream.tif*与现实世界的流时，检查您有适当的支流粗细，并确保*stream.tif*的流是连续的，而不是分割成不连接的片段或单个像素。请注意，建模的流很少(如果有的话)与现实完全相同，所以您的目标不是完美，而是让它们合理地接近。如果建模的流是不连续的，尝试在DEM上做另一次填充，并确保您使用BILINEAR或者CUBIC工具进行重投影。如果无论你怎么尝试，DEM都不能产生连续的流，那么我们建议尝试另一种高程数据。有几种全球可用的高程数据，当然它们在世界上不同的地方表现不同。 +使用这些*stream.tif*输出用于评估建模产生的流与现实的匹配程度，并相应地调整阈值流量累积。TFA值越大，河网越粗，支流越少，TFA值越小，支流越多。TFA没有一个“正确”的值，每个您感兴趣的领域和DEM都是不同的。对于测试来说，一个很好的初始值是1000。当比较*stream.tif*与现实世界的水流时，检查您有适当的支流粗细，并确保*stream.tif*的水流是连续的，而不是分割成不连接的片段或单个像素。请注意，建模的水流很少(如果有的话)与现实完全相同，所以不必追求完美，而是让它们合理地接近。如果建模的水流是不连续的，尝试在DEM上做另一次填充，并确保您使用BILINEAR或者CUBIC工具进行重投影。如果无论你怎么尝试，DEM都不能产生连续的流，那么我们建议尝试另一种DEM数据。有几种全球可用的高程数据，当然它们在世界上不同的地方表现不同。 - 要创建流量累积和流图，而不需要运行整个水文模型，您可以使用InVEST工具RouteDEM，该工具专门用于处理DEM。更多信息请参见:“RouteDEM page < RouteDEM >”。 +要创建流量累积和流图，而不需要运行整个水文模型，您可以使用InVEST工具RouteDEM，该工具专门用于处理DEM。更多信息请参见:“RouteDEM page < RouteDEM >”。 6.* *创建流域* * - 建议从您将在分析中使用的DEM中创建流域。如果从其他地方获得流域，则流域的边界可能与您用于建模的DEM创建的水文数据无法对齐，从而导致不正确的聚合结果。 +建议从将在分析中使用的DEM中创建流域。如果从其他地方获得流域，则流域的边界可能与用于建模的DEM创建的水文数据无法对齐，从而导致不正确的聚合结果。 - 有各种各样的工具可以创建流域，包括ArcGIS Watershed tool、QGIS Watershed basins或者r.basins.fill.InVEST还提供了一个名为DelineateIt的工具，效果很好，使用简单，推荐使用。它的优点是能够创造重叠的流域，例如当同一条河上有几个大坝时。更多信息请参见:“delimateit page < delimateit >”。 +有各种各样的工具可以创建流域，包括ArcGIS Watershed tool、QGIS Watershed basins或者r.basins.fill.InVEST还提供了一个名为DelineateIt的工具，效果很好，使用简单，推荐使用。它的优点是能够创造重叠的流域，例如当同一条河上有几个大坝时。更多信息请参见:“delimateit page < delimateit >”。 - 生成流域后，验证它们是否正确地表示集水区，并且每个流域在字段“ws_id”(或“subws_id”，取决于模型-请参阅您正在使用的水文模型的数据需求部分，根据您的需要而定)中分配了唯一的ID。 +生成流域后，验证它们是否正确地表示集水区，并且每个流域在字段“ws_id”(或“subws_id”，取决于模型-请参阅您正在使用的水文模型的数据需求部分，根据您的需要而定)中分配了唯一的ID- 请参阅您正在使用的水文模型的“数据需求”部分，以了解所需的内容。 -7.** 按照您的研究区域裁剪DEM** +7.** 按照研究区域裁剪DEM** - 我们通常建议将DEM裁剪到比您感兴趣的区域略大的区域(通常是流域)。这是为了确保捕捉流域边缘周围的水文情况。如果DEM(或其他模型输入数据)低分辨率的，这一点尤其重要，因为对流域多边形的裁剪将导致边缘周围大面积的数据缺失。为此，在流域多边形周围创建一个缓冲区，并将DEM裁剪到该缓冲多边形。确保缓冲区的宽度至少与最粗糙模型输入栅格数据的单元格大小相同。例如，如果您的降水数据是最粗糙的，分辨率为1km，则在流域多边形周围创建一个宽度至少为1km的缓冲区，并使用该缓冲的流域来剪辑所有模型输入，包括DEM。然后使用未缓冲的流域作为模型的输入。 +我们通常建议将DEM裁剪到比您感兴趣的区域略大的区域(通常是流域)。这是为了确保捕捉流域边缘周围的水文情况。这一点尤其重要，因为如果DEM(或/其他模型输入数据)分辨率较低，对流域多边形的裁剪将导致边缘周围大面积的数据缺失。为此，在流域多边形周围创建一个缓冲区，并将DEM裁剪到该缓冲多边形。确保缓冲区的宽度至少与最粗糙模型输入栅格数据的单元格大小相同。例如，如果您的降水数据分辨率为1km，则在流域多边形周围创建一个宽度至少为1km的缓冲区，并使用该缓冲的流域剪辑所有模型输入，包括DEM。然后使用未缓冲的流域作为模型的输入。 diff --git a/source/zh/habitat_quality.rst b/source/zh/habitat_quality.rst index f5b9df48..3a17f118 100644 --- a/source/zh/habitat_quality.rst +++ b/source/zh/habitat_quality.rst @@ -7,34 +7,31 @@ 概述 ======= -生物多样性与生态系统服务的生产有着密切的联系。生物多样性本质具有空间化特征，因此，可以通过分析土地利用和土地覆盖图(LULC)及其对生物多样性威胁程度计算得到。InVEST模型中生境质量和生境稀缺性作为生物多样性的反映，可以通过评估某一地区各种生境类型或植被类型的范围和这些类型各自的退化程度来表达。生境质量和生境稀缺性模型主要有四个因素组成：①每一种威胁的相对影响。②每一种生境类型对每一种威胁的相对敏感性。③栅格单元与威胁之间的距离。④单元受到的合法保护的水平。所需的输入数据包括LULC地图，LULC对每种威胁的敏感性，每种威胁分布和密度的空间数据，保护区域空间位置。模型假设土地的合法保护是有效的，所有对某一景观类型的威胁是递增的。 +生物多样性与生态系统服务的生产密切相关。生物多样性的模式本质上是空间性的，因此，可以通过分析土地利用和土地覆盖图（LULC）以及对物种生境的威胁来估计。InVEST将生境质量和稀有性建模为生物多样性的代理，最终估计整个景观的生境和植被类型的范围及其退化状态。生境质量和稀有性是四个因素的函数：每种威胁的相对影响、每种生境类型对每种威胁的相对敏感性、生境与威胁源之间的距离以及土地受到法律保护的程度。该模型假设土地的法律保护是有效的，并且对景观的所有威胁都是累加的。 简介 ============ -生态保护的主要目标之一是生物多样性保护，包括基因的范围，感兴趣区域的物种类型、数量、生境和生态系统。虽然有人认为生物多样性是一项生态服务，这里我们还是将生物多样性作为自然系统的一个独立的属性，具有内在的价值（在模型中我们不给生物多样性定义价值）。自然资源管理者、企业和保护组织者对了解生物多样性和生态系统服务在空间的分配和方式越来越感兴趣。 +生态保护的主要目标之一是生物多样性保护，包括感兴趣区域内的基因、物种、种群、生境和生态系统的范围。虽然有些人认为生物多样性是一种生态系统服务，但在这里，我们将其视为自然系统的一个独立属性，具有其自身的内在价值（我们在此模型中不将生物多样性货币化）。自然资源管理者、企业和保护组织越来越有兴趣了解生物多样性和生态系统服务在空间中如何以及在何处保持一致，以及管理行动如何影响两者。 -很多资料表明全球生物多样性普遍下降(Vitousek等，1997; Wilcove等，1998; Czech等，2000)。这一迹象促使了政府和全社会做出响应。通过Rio生物多样性协会，189个国家表示会努力保存境内的生物多样性。但是，在协调生物多样性保护和保持生态系统服务交叉研究方面还很缺乏，这对于国家经济福祉是至关重要。这也正是InVEST致力解决的挑战。 +很多资料表明全球生物多样性普遍下降(Vitousek等，1997; Wilcove等，1998; Czech等，2000)。这一迹象促使了政府和全社会做出响应。通过《里约生物多样性公约》，189个国家表示会努力保存境内的生物多样性。但是，关于协调生物多样性保护和保持生态系统服务的交叉研究还很缺乏，这对于国家经济福祉是至关重要，也正是InVEST致力解决的挑战。 -为了使管理者了解景观区域内各个斑块各自的和整体的生物多样性分布和丰度，有必要绘制出区域内出现要素的范围或要素赋存状态（例如 物种，群落，生境）的地图作为代表各层次生物多样性水平。通过评估当前土地利用和管理影响要素保持的程度，制定出适合的保护策略，鼓励这些地区实施生物多样性最大化的资源管理措施。 +为了让管理者了解整个景观的分布和丰富度模式，无论是单独还是总体，有必要绘制元素（例如物种、群落、生境）的范围或出现。还必须评估目前的土地使用和管理在多大程度上影响了这些要素的持久性，以便制定适当的保护战略，并鼓励资源管理，最大限度地提高这些地区的生物多样性。 -不同的权衡使得划分保护优先的方法多种多样。每种方法都强调生物多样性特征和动力学的不同方面，包括生境或植被的代表性（粗略筛选），在给定的保护预算条件下保护点区域保护物种数目的最大化（Ando等，1998），划分丰度和特殊性（热点区）的斑块以及保护生态过程。分级筛选的方法（hybrid coarse-fine filter approach）即用细筛筛选一些要素，如要求特殊生境的物种，如果只用粗筛筛选，这些物种可能得不到充分的保护（TNC和WWF生态区计划）。InVEST生 -境质量模型最接近于―粗略筛选‖，或者基于生境方法。 +有多种方法可以确定保护的优先事项，并在其中进行各种权衡。这些方法中的每一种都侧重于生物多样性属性和动态的不同方面，包括基于生境或植被的表示（即粗滤器），在给定的保护预算下最大限度地增加保护区网络“覆盖”的物种数量（Ando等人，1998年），确定丰富度和特有性模式（保护国际热点），以及保护生态过程。还有一种混合粗滤-细滤方法，它选择性地包括“精滤”元素，例如具有独特生境要求的物种，这些物种可能仅使用粗滤方法无法得到充分保护（大自然保护协会和世界野生动物基金会生态区域规划）。InVEST生境质量模型与“粗滤器”或基于生境的方法最相关。 -生物多样性与生态系统服务建模的原因是简单的和强大的。这样做可以让我们比较生物多样性和生态系统服务的空间模式，找出双赢的地区（例如：保护区域既能有益于自然生态系统保护，又能有利于人类经济发展），同样也能找出某些目标不一致的区域。而且，它允许我们分析和权衡在未来土地利用变化的不同情景下的生物多样性和生态系统服务。土地利用/土地覆盖(LULC)模块，产生较多生态系统服务的区域可能并不能导致更多的生物多样性保护(Nelson 等，2008)，基于现在来模拟预测未来的变化，有助于帮助识别和避免利益权衡。 +将生物多样性与生态系统服务一起建模的原因简单而有力。这样做使我们能够比较生物多样性和生态系统服务的空间格局，并确定双赢领域（即保护既有利于自然系统又有利于人类经济的领域）以及这些目标不一致的领域。此外，它使我们能够分析未来土地利用变化的不同情景下生物多样性和生态系统服务之间的权衡。产生更多生态系统服务生产的土地利用/土地覆盖（LULC）模式可能并不总是导致更大的生物多样性保护（Nelson等人，2008年），今天对未来选择进行建模有助于确定和避免权衡。 模型 ========= -InVEST生境质量模型结合土地覆被和生物多样性威胁因素的信息生成生境质量地图。用这种方法对生物多样性初步评价有两个非常有用的信息关键设置：在某一地区各种生境类型或植被类型的范围，这些类型各自的退化度基于随时间所产生的变化。该方法的优点是可以代替详细的方法来迅速检验生境质量和数量的变化。如果生境变化被认为是基因、物种或生态系统变化的代表，模型用户则假设生境质量高的区域将更好的支持所有等级的生物多样性，随时间而减少的生境范围和质量则意味着生物多样性可持久性、弹性、恢复性的降低。 +InVEST生境质量模型结合了LULC和生物多样性威胁的信息，以生成生境质量地图。这种方法产生了两组关键信息，可用于对保护需求进行初步评估：一个地区不同类型生境类型的相对范围和退化情况，以及随时间的变化。这种方法还有助于快速评估生境的状况和变化，以此作为更详细地衡量生物多样性状况的指标。如果将生境变化视为遗传、物种或生态系统变化的代表，则用户认为具有高质量生境的地区将更好地支持所有级别的生物多样性，而生境范围和质量随着时间的推移而下降意味着生物多样性的持久性、复原力、广度和深度下降。 +该模型的生境稀有度部分表示当前或未来潜在景观中自然土地覆盖类型的范围和模式，相对于某些基线期间相同自然土地覆盖类型的范围。稀有度地图允许用户创建景观上最稀有生境的地图，相对于用户选择的基线，以表示景观上最适合研究区域原生生物多样性的生境组合。 -生境稀缺模型表明当前或基于某些基准时期的未来自然景观类型的斑块和范围的生物多样性稀缺程度。生境稀缺地图允许用户创建一个相对于用户基准选择的最适合研究区的生物多样性稀缺生境景观地图。 +该模型需要世界上几乎任何地方都可用的基本数据，这使得它在物种分布数据较差或完全缺乏的地区很有用。对于当前情况，许多地方可能都有广泛的发生（存在/不存在）数据。然而，对未来条件下多个物种的发生、持久性或脆弱性的变化进行建模通常是不可能的或不可行。虽然生境方法遗漏了当前条件下可用的详细物种发生数据，但其几个组成部分代表了许多现有生物多样性保护规划工具的功能进步。最重要的是能够表征生境类型对各种威胁的敏感性。并非所有生境都以相同的方式受到所有威胁的影响，InVEST模型解释了这种可变性。此外，该模型允许用户估计一种威胁相对于另一种威胁的相对影响，以便可以这样表示对生物多样性持久性更具破坏性的威胁。例如，草原可能对城市地区产生的威胁特别敏感，但对道路产生的威胁则中等敏感。此外，威胁将自然系统退化的距离也被纳入模型中。 -模型所需的数据在世界上任何地方都可以获取，这一点使得该模型在物种分布数据缺乏的地区非常有用。对于当前环境下的广泛出现的 (存在/没有) 数据可以在许多地方获取。但是，模拟当前环境或未来条件下多个物种的脆弱性的变化，通常是不可能或不可行。然而生境方法留下了详细的当前条件下物种生境数据，其中的几个组件代表了许多现有的生物多样性保护规划工具功能的先进性。最重要的是，能够描述各种威胁的生境类型的敏感性。并不是所有的生境都以相同的方式受到威胁，InVEST模型考虑到了这种可变性。此外，该模型允许用户评估一个威胁对另一个威胁的相对影响，这些威胁将会更损害生物多样性的持久性。例如，相对于由道路所带来的威胁，草原可能对由城市区域有带来的威胁更为敏感。此外，威胁导致自然系统退化的距离将被纳入模型。 - - -当前景观类型可以作为保护概率粗略评估的输入项，表征了主要植被类型保护的应变力和水平。未来潜在景观类型可以作为测量未来生境范围、质量和稀缺性的潜在变化和保护需求。 +对当前景观的模型评估可以用作对当前保护需求和机会进行粗滤器评估的输入。对潜在 LULC 未来的模型评估可用于衡量景观的生境范围、质量和稀有性以及未来保护需求和机会的潜在变化。 模型如何运行 ------------ @@ -50,21 +47,22 @@ InVEST生境质量模型结合土地覆被和生物多样性威胁因素的信 哪种LULC类型应被考虑为生境？如果考虑通常的生物多样性或者如果关于特定物种与生境的关系数据缺失，你可以用简单的二分法来分配生境给LULC类型。一个典型的例子就是遵循一个海洋岛屿模型，从物种的角度来看，假设非管理土地的剩余斑块附近的土地矩阵是无法利用的（MacArthur and Wilson，1967）。在本例中，0会分配给管理的LULC类型矩阵（非生境），1分配给非管理的类型 (生境)。在这种建模方案下，生境质量分数不是生境重要性，稀缺性或适用性函数；所有的生境类型都是平等的。模型的输入假设不针对任何特定的物种，而是适用于更一般的生物多样性。 -最近研究表明，由非管理的斑块所围绕的管理土地矩阵，将明显的影响生境斑块的有效隔离，呈现他们或多或少孤立的距离(Ricketts 2001；Prugh 等，2008)。矩阵的修正可能在一定程度上减少斑块隔离现象，从而在破碎的景观里有种群的灭绝风险 (Franklin and Lindenmayer 2009)。为了模拟这种现象，相对生境适宜性得分可以分配给一个LULC类型从0到1,1表示最高的生境适宜性。小于1的生境排名表明一个物种可能生存能力较低的生境。采用第二种方法极大地扩展了通常简单的生境定义，人工二进制的方法（例如，自然与非自然）包括一个广泛的管理和非管理的LULC类型。通过使用一个包括LULC类型的连续的生境适宜性，用户可以整体评估土地利用管理的重要生境质量或考虑“工作”景观 (或管理)的潜在的重要性。 +最近研究表明，由非管理的斑块所围绕的管理土地矩阵，将明显的影响生境斑块的有效隔离，呈现他们或多或少孤立的距离(Ricketts 2001；Prugh 等，2008)。矩阵的修正可能在一定程度上减少斑块隔离现象，从而在破碎的景观里有种群的灭绝风险 (Franklin and Lindenmayer 2009)。为了模拟这种现象，相对生境适宜性得分可以分配给一个LULC类型从0到1,1表示最高的生境适宜性。小于1的生境排名表明一个物种可能生存能力较低的生境。采用第二种方法极大地扩展了通常简单的生境定义，人工的二元方法（例如，自然与非自然）包括一个广泛的管理和非管理的LULC类型。通过使用一个包括LULC类型的连续的生境适宜性，用户可以整体评估土地利用管理的重要生境质量或考虑“工作”景观 (或管理)的潜在重要性。 -如果连续的栖息地适宜性是相关的，LULC景观的权重名单必须应用在一个相关的特定物种组织。例如，草原黄莺可能更喜欢本地草原生境，远高于其他所有生境类型(LULC草原生境得分数 (:math:`H_{prarie}` = 1)，但是在必要时黄莺还将利用管理干草地或牧场 (LULC种秣草地生境得分数(:math:`H_{hayfield}`)和牧场(:math:`H_{pasture}` = 0.5)。然而，哺乳动物如豪猪会发现草原不适合繁殖和饲养。因此，如果特定物种种群-生境关系数据被使用，模型的输出是指在建模时设置的物种生境的范围和质量。 +如果连续的生境适宜性是相关的，LULC景观的权重名单必须应用在一个相关的特定物种组织。例如，草原黄莺可能更喜欢本地草原生境，远高于其他所有生境类型(LULC草原生境得分数 (:math:`H_{prarie}` = 1)，但是在必要时黄莺还将利用管理干草地或牧场 (LULC种秣草地生境得分数(:math:`H_{hayfield}`)和牧场(:math:`H_{pasture}` = 0.5)。然而，哺乳动物如豪猪会发现草原不适合繁殖和饲养。因此，如果特定物种种群-生境关系数据被使用，模型的输出是指在建模时设置的物种生境的范围和质量。 -除了反映LULC对生境适宜性关系的LULC地图和数据，模型还需要关于生境威胁密度数据及其对生境质量的影响。总的来说，我们认为人为修正LULC类型将导致栖息地的分裂、边缘化和在邻近威胁生境的退化。例如，生境LULC 向非生境LULC的转换，减少周边生境斑块的大小和连续性。边缘效应是指在 斑块边界和相邻斑块内的生物和物理条件的变化。例如，相邻非生境LULC斑块组的退化对生境组施加“边缘效应”，可能对生境组具有负面影响，例如，利于捕食者，竞争对手，入侵物种，或者有毒化学物质和其他污染物的进入。另一个例子是在许多发展中国家道路是森林生境质量的威胁，因为道路提供木材和非木材森林砍伐的可获得性。 +除了反映LULC对生境适宜性关系的LULC地图和数据，模型还需要关于生境威胁密度数据及其对生境质量的影响。总的来说，我们认为人为修正LULC类型将导致生境的分裂、边缘化和在邻近威胁生境的退化。例如，生境LULC 向非生境LULC的转换，减少周边生境斑块的大小和连续性。边缘效应是指在 斑块边界和相邻斑块内的生物和物理条件的变化。例如，相邻非生境LULC斑块组的退化对生境组施加“边缘效应”，可能对生境组具有负面影响，例如，利于捕食者，竞争对手，入侵物种，或者有毒化学物质和其他污染物的进入。另一个例子是在许多发展中国家道路是森林生境质量的威胁，因为道路提供木材和非木材森林砍伐的可获得性。 每个威胁源需要制图到对应的栅格网格。一个威胁地图的网格单元值可以显示单元内的威胁强度（例如，在网格单元的道路长度或栽培面积），或只是一个1（如果网格单元包含的公路或作物的威胁）和0。:math:`o_{ry}` 是指威胁:math:`r` 's的栅格:math:`y` 的得分值，:math:`r`=1，2，…，:math:`R` 表明所有模拟的退化源。 所有制图的威胁应该以相同的规模和度量。例如，如果一个威胁是在每个网格单元密度测量，那么所有的退化源应该在每个网格单元密度测量，密度将被测量用同一的公制单位（例如，km 和 km\ :sup:`2`\）。或者，如果一个威胁用地图上存在或缺失（1/0）来测量，那么所有的威胁将用存在或缺失制图。 -基于以下四个因素，模型使用这些威胁数据图层来评估不同土地利用类型的退化程度。 +威胁对网格单元中生境的影响由四个因素介导。 -1. 第一个因子是每一种威胁的相对影响。一些威胁类型对所有的生境类型破坏性都要更强一些，相对影响得分也依赖于此 (详看表1：所有可能的威胁)。例如，城市面积在降低周围生境质量方面是农业面积的两倍。一个退化源权重，:math:`w_r`，是指退化源对所有生境的相对破坏性。权重:math:`w_r` 能够选取0到1的任何一个数值。例如，如果城市面积具有威胁权重1，道路的威胁权重被设置为0.5，那么城市区域将对所有的生境类型产生2倍的干扰。再次重申，如果我们将物种群落-物种生境适宜性分数分配给每个LULC，那么威胁及其权重应该在建模组中体现。 +1. 第一个因素是**每个威胁的相对影响**。在其他条件相同的情况下，一些威胁可能对生境的破坏更大，相对影响评分可以解释这一点（有关可能威胁的列表，请参见表1）。例如，城市地区对附近任何生境的退化程度可能被认为是农业区的两倍。退化源的权重 ：math：'w_r' 表示退化源对所有生境的相对破坏性。权重 ：math：'w_r' 可以取从 0 到 1 的任何值。例如，如果城市区域的威胁权重为 1，并且道路的威胁权重设置为 0.5，则在其他条件相同的情况下，城市区域对所有生境类型造成的干扰是其两倍。重申一下，如果我们为每个 LULC 分配了特定于物种组的生境适宜性分数，那么威胁及其权重应特定于建模的物种组。 + +2.第二个缓解因素是**生境与威胁源之间的距离以及威胁对空间的影响**。一般来说，威胁对生境的影响随着与退化源距离的增加而降低，因此更接近威胁的网格单元将受到更大的影响。例如，假设格网像元距离市区边缘 2 千米，距离高速公路 0.5 千米。这两个威胁源对网格单元中生境的影响将部分取决于它们在空间中减少或衰减的速度。用户可以选择线性或指数欧几里得距离衰减函数来描述威胁如何在空间上衰减。源自网格单元 ：math：'y'， ：math：'r_y' 的威胁 ：math：'r' 对网格单元 ：math：'x' 中的生境的影响由 ：math：'i_{rxy}' 给出，并由以下等式表示： -2. 第二个因子是**生境栅格与威胁之间的距离，威胁所带来的影响**。通常，威胁的程度随栅格与威胁源距离的增加而减小，因此距离威胁最近的那些栅格单元将受到较高的影响。例如，假设一个栅格距离一个城市用地边缘2 km，距离高速公路0.5 km。这两个威胁源对该栅格生境的影响部分依赖于他们迅速降低的程度。用户能选择线性或指数距离衰减函数来描述威胁在空间上是如何衰减。威胁:math:`r` 在栅格:math:`x` 的生境对栅格:math:`y` 的影响（:math:`r_y`）用:math:`i_{rxy}` 表示，用如下公式表达： .. math:: i_{rxy}=1-\left( \frac{d_{xy}}{d_{r\ \mathrm{max}}}\right)\ \mathrm{if\ linear} :label: (hq. 1) @@ -86,14 +84,14 @@ InVEST生境质量模型结合土地覆被和生物多样性威胁因素的信 | -3. 第三个因子，可以缓解威胁对生境影响，是**栅格单元受到的合法、制度、社会、物理保护的水平**。栅格单元是不是一个正式的保护区？它是不是人类无法接近的高海拔区域？是不是受到开放采伐或其他形式的干扰？模型假定单元受法律保护越大，受威胁影响越小。:math:`\beta_x \表示栅格:math:`x`可接近的水平，1是指完全可接近性。随着影响的降低，在栅格:math:`x`上的所有的威胁呈线性下降。值得注意的一点，是否合法、制度、社会、物理保护降低人类活动对生境的影响，例如打猎或捕鱼，这些通常不能保护其他某些损害源的影响，例如空气污染、水污染、生境的破碎或边界效益。如果威胁被认为是不受合法、制度、社会、物理保护措施影响，那么你将可以忽视输入或是设置所有栅格:math:`x`的:math:`\beta_x = 1`。再次重申，如果我们分配物种群落-物种生境可适宜得分给每个LULC，那么威胁缓和权重将针对模拟物种群落特别设置。 +3. 可能减轻威胁对生境影响的第三个景观因素是**每个细胞免受干扰的法律/制度/社会/物理保护水平**。网格单元是否位于正式保护区内？还是由于海拔高，人们无法进入？还是网格单元对收获和其他形式的干扰开放？该模型假设，无论威胁类型如何，细胞对退化的法律/制度/社会/物理保护越多，它受到附近威胁的影响就越小。设 ：math：'\beta_x \in [0,1]' 表示网格单元格 ：math：'x' 中的可访问性级别，其中 1 表示完全可访问性。随着可访问性的降低，所有威胁在网格单元格中的影响 ：math：'x' 呈线性下降。需要注意的是，虽然法律/制度/社会/物理保护往往可以减少采掘活动对狩猎或捕鱼等生境的影响，但它不太可能防止其他退化源，如空气或水污染、生境破碎化或边缘效应。如果所考虑的威胁没有被法律/制度/社会/物理属性所缓解，那么你应该忽略这个输入，或者为所有网格单元格设置：math：'\beta_x = 1'：math：'x'。重申一下，如果我们为每个 LULC 分配了特定于物种组的生境适宜性分数，那么威胁缓解权重应特定于建模的物种组。 4. 最终的因子，**每一种生境类型对每一种威胁的相对敏感性** (Kareiva等，2010，生境敏感性也被称为逆，“抵抗”)。每一种生境类型对威胁的响应都可能都不同，因此每一种生境类型对威胁的敏感性用于修正上一步计算的总影响。:math:`S_{jr} \in [0,1]` 表示LULC :math:`j` 对威胁:math:`r` 的敏感性，其值越接近1说明越敏感。这一步中，模型假定土地利用类型对威胁越敏感，土地利用类型单元退化度越大。模型假定一个受威胁的生境类型越敏感，生境类型越容易受威胁的影响导致其退化。生境敏感性的威胁应该是基于景观生态学的保护生物多样性的一般原则 (Forman 1995; Noss 1997; Lindenmayer 等，2008)。 因此，在LULC或生境类型:math:`j` 中栅格:math:`x` 的总威胁水平由:math:`D_{xj}` 表示如下： -.. math:: D_{xj}=\sum^R_{r=1}\sum^{Y_r}_{y=1}\left(\frac{w_r}{\sum^R_{r=1}w_r}\right)r_y i_{rxy} \beta_x S_{jr} +..math:: D_{xj}=\sum^R_{r=1}\sum^{Y_r}_{y=1}\left(\frac{w_r}{\sum^R_{r=1}w_r}\right)r_y i_{rxy} \beta_x S_{jr} :label: (hq. 3) @@ -101,7 +99,7 @@ InVEST生境质量模型结合土地覆被和生物多样性威胁因素的信 通过归一化权重，我们可以认为:math:`D_{xj}` 作为栅格:math:`x` 的所有威胁等级的均值。:math:`D_{xj}` 图将因我们所使用的权重的改变而变化。注意，如果在每组不同的权重之间存在相对差异，那么仅仅两组权重不同。例如，一组权重0.1，0.1和0.4，同另一组权重0.2，0.2和0.8一样。 -采用半饱和函数将一个栅格单元退化分值解译成生境质量得分值，其中用户必须定义半饱和数值。网格单元的退化分数增加其栖息地质量的减少。在LULC类型:math:`j` 中的斑块组:math:`x` 的生境质量由:math:`Q_{xj}` 表示： +采用半饱和函数将一个栅格单元退化分值解译成生境质量得分值，其中用户必须定义半饱和数值。网格单元的退化分数增加其生境质量的减少。在LULC类型:math:`j` 中的斑块组:math:`x` 的生境质量由:math:`Q_{xj}` 表示： .. math:: Q_{xj} = H_j\left(1-\left(\frac{D^z_{xj}}{D^z_{xj}+k^z}\right)\right) :label: (hq. 4) @@ -115,7 +113,7 @@ InVEST生境质量模型结合土地覆被和生物多样性威胁因素的信 :align: center :figwidth: 500px -表 1. 基于导致美国物种衰减的原因（定义为威胁），或者危及到美国鱼和野生服务的一些可能的衰减源。Czech等，2000。 +表 1. 基于导致美国物种衰减的原因（定义为威胁），或者危及到美国鱼和野生服务的一些可能的衰减源。改编自Czech等，2000。 | @@ -140,29 +138,31 @@ InVEST生境质量模型结合土地覆被和生物多样性威胁因素的信 式中，当栅格x为LULC类型:math:`j` 时:math:`\sigma_{xj}= 1`，否则为0。 + 模型局限和简化 -------------------------------- +=============================== 在这个模型中所有威胁是附加的，有证据表明，在某些情况下，多种威胁的集体影响远远大于个体之和的威胁水平。 -因为选择感兴趣的景观通常是嵌套在一个更大的景观格局里，重要的是要认识到景观有人工边界，在研究边界之外的生境威胁已被省略和忽视。因此，威胁强度总会有减少现象在特定的景观边缘。有两种方法可以避免这个问题。第一种方法，您可以选择空间的景观建模的范围远远超出了您感兴趣的景观边界。然后，结果生成之后，你可以提取感兴趣的结果。或者，用户可以限制到那些主要集中在景观中部区域的退化源。 +因为所选择的感兴趣的景观通常是嵌套在一个更大的景观格局里，因此重要的是要认识到景观有人工边界，其中紧邻研究边界之外的生境威胁已被省略和忽视。因此，在给定景观的边缘，威胁强度总是较小。有两种方法可以避免此问题。首先，您可以选择一个景观进行建模，其空间范围明显超出感兴趣景观的边界。然后，在生成结果后，您可以仅提取感兴趣的内部景观的结果。或者，您可以将分析限制在退化源集中在景观中间的景观。 数据需求 ========== - -.. note:: *所有空间输入必须具有完全相同的投影坐标系* (以米为单位), *不是* 地理坐标系(以度为单位)。 +..注意：： *所有空间输入必须具有完全相同的投影坐标系*（使用线性米单位），*不是*地理坐标系（使用度单位）。 - :investspec:`habitat_quality workspace_dir` - :investspec:`habitat_quality results_suffix` - :investspec:`habitat_quality lulc_cur_path` 这用于为相应的威胁栅格定义地理空间范围。 -- :investspec:`habitat_quality lulc_fut_path` 如果提供，该模型将生成退化、栖息地质量和栖息地稀有度(如果提供基线地图)输出。 +- :investspec:`habitat_quality lulc_fut_path` 如果提供，该模型将生成退化、生境质量和生境稀有度(如果提供基线地图)输出。 -- :investspec:`habitat_quality lulc_bas_path` 在计算生境稀有度时，需要基线LULC。当用于计算栖息地稀有度时，相应的威胁栅格也可用于计算基线情景的栖息地质量。 +- :investspec:`habitat_quality lulc_bas_path` 在计算生境稀有度时，需要基线LULC。当用于计算生境稀有度时，相应的威胁栅格也可用于计算基线情景的生境质量。 - 如果可能的话，基线地图应参照土地集约化管理相对罕见的时期。例如，1851年在美国俄勒冈州威拉米特山谷绘制的一幅LULC地图，捕捉到了在大规模农业生产严重改变地貌之前的LULC模式。当然，美国印第安人的土地清理做法，如控制火灾，也改变了这片景观。 +如果可能的话，基线地图应参照土地集约化管理相对罕见的时期。例如，1851年在美国俄勒冈州威拉米特山谷绘制的一幅LULC地图，捕捉到了在大规模农业生产严重改变地貌之前的LULC模式。当然，美国印第安人的土地清理做法，如控制火灾，也改变了这片景观。 - :investspec:`habitat_quality threats_table_path` + +..注：*cur_path*、*base_path* 和 *fut_path* 的文件系统位置相对于“威胁表”的位置。例如，如果 *cur_path* 为“threat1.tif”，则表示“threat.tif”与“威胁表”位于同一文件夹中。如果 *cur_path* 为“threat_folder/threat1.tif”，则表示与“威胁表”位于同一位置的文件夹“threat_folder”，并且“threat1.tif”位于“threat_folder”内。您还可以提供绝对路径，例如“C：/HabitatQuality/threat_folder/threat1.tif”。 目录: @@ -176,7 +176,7 @@ InVEST生境质量模型结合土地覆被和生物多样性威胁因素的信 **案例研究** - 对当前和未来情景的三种威胁的假设研究。农业(表中*Agric*)退化栖息地的距离比道路更远，总体影响也更大。此外，铺好的路(*Paved_rd*)比土路(*Dirt_rd*)吸引更多的交通，因此比土路对附近栖息地的破坏更大。文件路径是相对于Threat数据表的，因此在本例中，当前威胁位于与该表相同的目录中，而未来威胁位于与威胁数据表相邻的子目录*future*中。基线威胁文件路径是空白的，因为我们没有该场景的威胁栅格，或者我们没有将基线LULC包含在我们运行的模型中。 +对当前和未来情景的三种威胁的假设研究。农业(表中*Agric*)退化生境的距离比道路更远，总体影响也更大。此外，铺好的路(*Paved_rd*)比土路(*Dirt_rd*)吸引更多的交通，因此比土路对附近生境的破坏更大。文件路径是相对于Threat数据表的，因此在本例中，当前威胁位于与该表相同的目录中，而未来威胁位于与威胁数据表相邻的子目录*future*中。基线威胁文件路径是空白的，因为我们没有该场景的威胁栅格，或者我们没有将基线LULC包含在我们运行的模型中。 ======== ======== ====== =========== ============ ================= ======================= THREAT MAX_DIST WEIGHT DECAY BASE_PATH CUR_PATH FUT_PATH @@ -188,24 +188,25 @@ InVEST生境质量模型结合土地覆被和生物多样性威胁因素的信 **威胁栅格信息** - 每个威胁的分布和强度的GIS栅格文件，值在0到1之间。您将拥有与威胁相同数量的这些映射，栅格文件路径应该在**威胁数据**表中定义。这些栅格数据集的范围和分辨率不需要与输入的LULC地图相同。在威胁和LULC分辨率不同的情况下，模型将使用LULC的分辨率和范围。栅格中的每个单元格都包含一个值，表示其内部威胁的密度或存在程度(例如，农业面积、道路长度，如果网格单元格是道路或农田，则简单地为1，否则为0)。所有威胁都应该用相同的尺度和单位来衡量(例如，所有威胁都用密度来衡量，或者所有威胁都用存在/缺失来衡量)，而不是用某种指标的组合来衡量。不要让威胁地图上的任何区域显示为“无数据”。如果栅格不包含该威胁，则将栅格的威胁级别设置为0。 +每个威胁的分布和强度的GIS栅格文件，值在0到1之间。您将拥有与威胁相同数量的这些映射，栅格文件路径应该在**威胁数据**表中定义。这些栅格数据集的范围和分辨率不需要与输入的LULC地图相同。在威胁和LULC分辨率不同的情况下，模型将使用LULC的分辨率和范围。栅格中的每个单元格都包含一个值，表示其内部威胁的密度或存在程度(例如，农业面积、道路长度，如果网格单元格是道路或农田，则简单地为1，否则为0)。所有威胁都应该用相同的尺度和单位来衡量(例如，所有威胁都用密度来衡量，或者所有威胁都用存在/缺失来衡量)，而不是用某种指标的组合来衡量。不要让威胁地图上的任何区域显示为“无数据”。如果栅格不包含该威胁，则将栅格的威胁级别设置为0。 - InVEST不会在工具界面中提示您这些栅格，而是在相应场景列下的**Threats data**表中查找它们的文件路径。路径应该相对于**Threats data**表路径。 +InVEST不会在工具界面中提示您这些栅格，而是在相应场景列下的**Threats data**表中查找它们的文件路径。路径应该相对于**Threats data**表路径。 - 最后，请注意，我们假设威胁的相对权重和生境对威胁的敏感性不随时间变化，因此我们只提交一个威胁数据表和一个生境敏感性数据表。如果您想随着时间的推移而改变这些，那么您将不得不多次运行该模型。 +最后，请注意，我们假设威胁的相对权重和栖息地对威胁的敏感性不会随时间而变化，因此我们只提交一个威胁数据表和一个栖息地敏感度数据表。如果要随时间推移更改这些内容，则必须多次运行模型。 - 在样例数据集中，威胁栅格存储在与威胁数据表相同的目录中，并在威胁数据表中以适当的列名定义，如下所示: **CUR_PATH**: crops_c.tif; railroad_c.tif; urban_c.tif; timber_c.tif; roads1_c.tif; roads2_c.tif; roads3_c.tif; **FUT_PATH**: crops_f.tif; railroad_f.tif; urban_f.tif; timber_f.tif; roads1_f.tif; roads2_f.tif; roads3_f.tif. 在输入样例数据集中发现的基线和未来情景LULC文件时，我们正在对当前和未来的LULC情景地图进行生境质量分析。不会为基线地图生成生境质量地图，因为我们没有为基线地图提供任何威胁层，并将威胁数据表中的这些列留空。“农作物”指的是农田，“铁路”指的是火车轨道，“城市”指的是城市，“木材”指的是轮作林业，“1号路”指的是主要道路，“2号路”指的是次要道路，“3号路”指的是轻型道路。 +在示例数据集中，威胁栅格存储在与威胁数据表相同的目录中，并在威胁数据表中按相应列名进行定义，如下所示：**CUR_PATH**: +crops_c.tif; railroad_c.tif; urban_c.tif; timber_c.tif; roads1_c.tif; roads2_c.tif; roads3_c.tif; **FUT_PATH**: crops_f.tif; railroad_f.tif; urban_f.tif; timber_f.tif; roads1_f.tif; roads2_f.tif; roads3_f.tif. 在输入样例数据集中发现的基线和未来情景LULC文件时，我们正在对当前和未来的LULC情景地图进行生境质量分析。不会为基线地图生成生境质量地图，因为我们没有为基线地图提供任何威胁层，并将威胁数据表中的这些列留空。“农作物”指的是农田，“铁路”指的是火车轨道，“城市”指的是城市，“木材”指的是轮作林业，“1号路”指的是主要道路，“2号路”指的是次要道路，“3号路”指的是轻型道路。 - :investspec:`habitat_quality sensitivity_table_path` - 目录: + 列: - :investspec:`habitat_quality sensitivity_table_path.columns.lulc` - :investspec:`habitat_quality sensitivity_table_path.columns.habitat` 这是:math:`H_j` 在上面的方程。如果您想简单地将每个LULC分类为生境或不参考任何特定的物种组，则使用0和1，其中1表示生境。或者，如果一个物种群体的生境偏好有足够的信息，为LULC分配一个相对生境适宜性得分，介于0到1之间，其中1表示最高的生境适宜性。例如，一只草原鸟类可能更喜欢原生草原生境(草原鸟类的“生境”得分为1)，但如果没有草原，它也会使用管理的干草田或牧场(草原鸟类的“生境”得分为0.5)。 - :investspec:`habitat_quality sensitivity_table_path.columns.[THREAT]` 即使LULC不被认为是生境，也不要将其对每种威胁的敏感性设置为Null或空白，而是输入0。 - *例如:* 有四种LULC类型和三种威胁的假设研究。在该案例中，我们将林地和森林视为(绝对)生境，将裸地和耕地视为(绝对)非生境。森林是最敏感的生境类型，并且对土路(DIRT_RD， 0.9)比铺砌道路(PAVED_RD， 0.5)或农业(AGRIC， 0.8)更敏感。我们对裸地和耕地这两种已开发土地覆盖的所有威胁都进入0，因为它们不是生境。 + *例如:* 有四种LULC类型和三种威胁的假设研究。在该案例中，我们将林地和森林视为(绝对)生境，将裸地和耕地视为(绝对)非生境。森林是最敏感的生境类型，并且对土路(DIRT_RD， 0.9)比铺砌道路(PAVED_RD，0.5)或农业(AGRIC，0.8)更敏感。我们对裸地和耕地这两种已开发土地覆盖的所有威胁都进入0，因为它们不是生境。 ==== =============== ======= ======= ========== ========= LULC NAME HABITAT AGRIC PAVED_RD DIRT_RD @@ -223,19 +224,19 @@ InVEST生境质量模型结合土地覆被和生物多样性威胁因素的信 - :investspec:`habitat_quality access_vector_path.fields.access` -- :investspec:`habitat_quality half_saturation_constant` 半饱和参数为公式:eq:`(hq. 4)` 中的参数:math:`k` 值。k的默认值为0.5，但是可以被设置为任何正数值。通常，你需要设置:math:`k` 为景观类型上的最高退化栅格值。为了矫正模型结果，你将必须首先运行模型一次，找到最高退化栅格值，并设置:math:`k`。例如，最初的模型运行产生一个退化地图，该地图的最高退化栅格值为1，那么设置k为0.5，将会产生生境质量地图的最大变化范围为0到1。值得注意的一点是不管:math:`k`值如何设定，生境质量栅格的原有次序是不变的。:math:`k` 值的选择仅仅取决于生境质量得分值的扩散和居中趋势。请确保对涉及相同的景观的所有运行使用相同的:math:`k` 值。如果你需要对于任何一次模型运行都要改变:math:`k` 值的话，那么你必须改变所有模型运行的参数。 +- :investspec:`habitat_quality half_saturation_constant` 半饱和参数为公式:eq:`(hq. 4)` 中的参数:math:`k` 值。k的默认值为0.5，但是可以被设置为任何正数值。通常，你需要设置:math:`k` 为景观类型上的最高退化栅格值。为了矫正模型结果，你将必须首先运行模型一次，找到最高退化栅格值，并设置:math:`k`。例如，最初的模型运行产生一个退化地图，该地图的最高退化栅格值为1，那么设置k为0.5，将会产生生境质量地图的最大变化范围为0到1。值得注意的一点是不管:math:`k`值如何设定，生境质量栅格的原有次序是不变的。:math:`k` 值的选择仅仅取决于生境质量得分值的扩散和居中趋势。请确保对涉及相同的景观的所有运行使用相同的:math:`k` 值。如果你需要对于任何一次模型运行都要改变:math:`k` 值的话，那么必须改变所有模型运行的参数。 .. _hq-interpreting-results: -运行结果 --------------------- +解释结果 +==================== **退化和生境质量边缘效应** - 输出栅格图边缘附近的生境质量和退化值可能被夸大，因为它们没有考虑到可能存在于土地覆盖栅格图范围之外的威胁。所有输入的威胁数据都被剪切到LULC栅格的范围内，因此用户应该通过忽略输出栅格边缘最大威胁距离内的值来限制对结果的解释。 +输出栅格图边缘附近的生境质量和退化值可能被夸大，因为它们没有考虑到可能存在于土地覆盖栅格图范围之外的威胁。所有输入的威胁数据都被剪切到LULC栅格的范围内，因此用户应该通过忽略输出栅格边缘最大威胁距离内的值来限制对结果的解释。 * **[工作空间]** 文件夹: - * **参数记录文件**: 每次模型运行，文本文件(.txt)将会在输出文件夹中生成。该文件将列出的一系列模型运行的参数值，并将根据服务,日期和时间而命名。当与NatCap联系模型运行中的错误时，请包括参数日志。 +* **参数记录文件**: 每次模型运行，文本文件(.txt)将会在输出文件夹中生成。该文件将列出的一系列模型运行的参数值，并将根据服务,日期和时间而命名。当与NatCap联系模型运行中的错误时，请包括参数日志。 * **[Workspace]\\output** 文件夹: @@ -247,25 +248,25 @@ InVEST生境质量模型结合土地覆被和生物多样性威胁因素的信 * **quality_out_f_[Suffix].tif** -- 未来景观类型的生境质量。较高数值表示较好的生境质量。非生境的景观区域生境得分值为0。质量得分值无量纲，不能反映特定的生物多样性测量。基于公式(4) 计算得到生境质量得分值地图。 - * **rarity_c_[Suffix].tif** --当前景观上的相对生境稀缺性。只有在给出基线LULC作为输入时，才会创建此输出。该输出给出了每个栅格的值:math:`R_x` (见式(6))。栅格的值定义在0到1的范围内，其中0.5表示基线和当前地图之间没有变化。数值在0到0.5之间表示生境更丰富，数值越接近0，当前或未来景观上该栖息地类型的保护对生物多样性保护的重要性可能性越小。数值在0.5到1之间表示生境数量较少，数值越接近1，当前或未来景观上的栖息地类型的保护对生物多样性保护的重要性就越大。如果基线景观上没有出现LULC生境类型，则栅格值为0。 + * **rarity_c_[Suffix].tif** --当前景观上的相对生境稀缺性。只有在给出基线LULC作为输入时，才会创建此输出。该输出给出了每个栅格的值:math:`R_x` (见式(6))。栅格的值定义在0到1的范围内，其中0.5表示基线和当前地图之间没有变化。数值在0到0.5之间表示生境更丰富，数值越接近0，当前或未来景观上该生境类型的保护对生物多样性保护的重要性可能性越小。数值在0.5到1之间表示生境数量较少，数值越接近1，当前或未来景观上的生境类型的保护对生物多样性保护的重要性就越大。如果基线景观上没有出现LULC生境类型，则栅格值为0。 - * **rarity_f_[Suffix].tif** -- 未来景观上的相对生境稀缺性。只有在给出基线LULC作为输入时，才会创建此输出。该输出给出了每个栅格的值:math:`R_x` (见式(6))。栅格的值定义在0到1的范围内，其中0.5表示基线和当前地图之间没有变化。数值在0到0.5之间表示生境更丰富，数值越接近0，当前或未来景观上该栖息地类型的保护对生物多样性保护的重要性可能性越小。数值在0.5到1之间表示生境数量较少，数值越接近1，当前或未来景观上的栖息地类型的保护对生物多样性保护的重要性就越大。如果基线景观上没有出现LULC生境类型，则栅格值为0。 + * **rarity_f_[Suffix].tif** -- 未来景观上的相对生境稀缺性。只有在给出基线LULC作为输入时，才会创建此输出。该输出给出了每个栅格的值:math:`R_x` (见式(6))。栅格的值定义在0到1的范围内，其中0.5表示基线和当前地图之间没有变化。数值在0到0.5之间表示生境更丰富，数值越接近0，当前或未来景观上该生境类型的保护对生物多样性保护的重要性可能性越小。数值在0.5到1之间表示生境数量较少，数值越接近1，当前或未来景观上的生境类型的保护对生物多样性保护的重要性就越大。如果基线景观上没有出现LULC生境类型，则栅格值为0。 * **[Workspace]\\intermediate** folder: - 这个文件夹包含在模型运行期间创建的一些中间文件。通常您不需要使用这些文件，除非您试图更好地理解模型是如何工作的，或者调试模型的运行。它们包括生境的地图(**habitat__[b,c,f].tif**)，用威胁数据表属性处理的威胁层(**[threat]_filtered_[b,c,f].tif**)，应用于不同威胁的灵敏度(**sens_[threat]_[b,c,f].tif**)，以及访问输入的栅格化版本(**access_layer.tif**)。 +此文件夹包含在模型运行期间创建的一些中间文件。通常您不需要使用这些文件，除非您试图更好地理解模型是如何工作的，或者调试模型的运行。它们包括生境的地图(**habitat__[b,c,f].tif**)，用威胁数据表属性处理的威胁层(**[threat]_filtered_[b,c,f].tif**)，应用于不同威胁的灵敏度(**sens_[threat]_[b,c,f].tif**)，以及访问输入的栅格化版本(**access_layer.tif**)。 修改输出并创建景观生物多样性评分 -^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ +------------------------------------------------------------ -模型输出不提供景观级别的质量和稀有度分数，用于比较基线、当前和未来的LULC情景。相反，用户必须总结每个景观的生境范围、质量和稀有度得分。在最简单的层面上，LULC情景的生境质量景观评分只是该情景下所有网格单元级评分的总和。换句话说，我们可以将来自*quality_out_c.tif*、*quality_out_b.tif* (如果可用)和*quality_out_f.tif* (如果可用)的所有质量分数栅格相加，然后比较分数。地图可能有更高的总体质量分数，原因有几个。首先，它可能有更多的生境面积。然而，如果任何两种情况下的栖息地数量大致相同，那么景观质量得分越高，表明生境的整体质量越好。 +模型输出不提供景观级别的质量和稀有度分数，用于比较基线、当前和未来的LULC情景。相反，用户必须总结每个景观的生境范围、质量和稀有度得分。在最简单的层面上，LULC情景的生境质量景观评分只是该情景下所有网格单元级评分的总和。换句话说，我们可以将来自*quality_out_c.tif*、*quality_out_b.tif* (如果可用)和*quality_out_f.tif* (如果可用)的所有质量分数栅格相加，然后比较分数。地图可能有更高的总体质量分数，原因有几个。首先，它可能有更多的生境面积。然而，如果任何两种情况下的生境数量大致相同，那么景观质量得分越高，表明生境的整体质量越好。 -景观中某些区域的分数也可以进行比较。例如，我们可以比较已知在感兴趣物种的地理范围内的景观区域的总体栖息地质量分数。例如，假设我们有9个物种的地理范围图，并向栖息地质量模型提供了当前和未来的LULC场景图。在这种情况下，我们将确定18个栖息地质量总分，在每个场景(当前和未来)下为每个模型物种一次。:math:`G_{s_{\mathrm{cur}}}`表示当前视图中位于:math:`s`'范围内的栅格单元集。然后，以物种为单位的栖息地质量平均分数:math:`s`'在当前景观上的范围为: +景观中某些区域的分数也可以进行比较。例如，我们可以比较已知在感兴趣物种的地理范围内的景观区域的总体生境质量分数。例如，假设我们有9个物种的地理范围图，并向生境质量模型提供了当前和未来的LULC场景图。在这种情况下，我们将确定18个生境质量总分，在每个场景(当前和未来)下为每个模型物种一次。:math:`G_{s_{\mathrm{cur}}}`表示当前视图中位于:math:`s`'范围内的栅格单元集。然后，以物种为单位的生境质量平均分数:math:`s`'在当前景观上的范围为: .. math:: Q_{s_{\mathrm{cur}}}=\frac{\sum^{G^{s_{\mathrm{cur}}}}_{x=1}Q_{xj_{\mathrm{cur}}}}{G^{s_{\mathrm{cur}}}} :label: (hq. 9) -where :math:`Q_{xj_{cur}}` indicates the habitat quality score on pixel :math:`x` in LULC :math:`j` on the current landscape and :math:`Q_{xj_{cur}} = 0` if quality_out.tif for pixel :math:`x` is "No Data". 当前景观上所有9个物种的平均范围归一化生境质量评分将由: +其中：math：'Q_{xj_{cur}}' 表示当前景观中 LULC ：math：'j' 中像素 ：math：'x' 的栖息地质量得分，如果 pixel ：math：'x' 的 quality_out.tif 为“无数据”，则表示 ：math：'Q_{xj_{cur}} = 0' 的栖息地质量得分。当前景观上所有 9 个物种的平均范围归一化生境质量得分将由下式给出： .. math:: R_x = \sum^X_{x=1}\sigma_{xj}R_j diff --git a/source/zh/habitat_risk_assessment.rst b/source/zh/habitat_risk_assessment.rst index 42308e86..42402173 100644 --- a/source/zh/habitat_risk_assessment.rst +++ b/source/zh/habitat_risk_assessment.rst @@ -14,11 +14,11 @@ InVEST生境和物种风险评估(HRA/SRA)模型允许用户评估人类活动 简介 ============ -生境和物种为人类提供了基本的利益，包括调节、物质和非物质服务(Pascual et al. 2017, Díaz et al. 2018)。如海草林和鳗草丛等近岸生境可以提供多种有价值的生态系统服务，包括保护海岸线免受风暴影响，为鱼苗提供温床和碳固定等等。随着这些生境被人类活动破坏，它们所能提供的生态系统服务也受到影响。如今在滨海生态系统里，人类活动对沿海地区陆地与海洋的负面影响越来越普遍。最近国际研究发现全球海域没有一处地方不受到人类活动的影响(Halpern et al. 2008)。因此，加深人类活动对滨海生态系统影响的位置与强度的理解是促成成功的沿海与海洋管理的重要一步。而InVEST HRA模型能帮助用户去评价人类活动对这些生态系统健康的威胁。该模型已成功应用于世界各地的许多地点((如 Arkema et al. 2014, Cabral et al. 2015, Chung et al. 2015, Duggan et al. 2015, Ma et al. 2016, Elliff et al. 2017, Wyatt et al. 2017)。 +生境和物种为人类提供了基本福祉，包括调节、物质和非物质服务(Pascual 等，2017, Díaz 等，2018)。如海草林和鳗草丛等近岸生境可以提供多种有价值的生态系统服务，包括保护海岸线免受风暴影响，为鱼苗提供温床和碳固定等等。随着这些生境被人类活动破坏，它们所能提供的生态系统服务也受到影响。如今在滨海生态系统里，人类活动对沿海地区陆地与海洋的负面影响越来越普遍。最近国际研究发现全球海域没有一处地方不受到人类活动的影响(Halpern 等，2008)。因此，加深人类活动对滨海生态系统影响的位置与强度的理解是促成成功的沿海与海洋管理的重要一步。而InVEST HRA模型能帮助用户去评价人类活动对这些生态系统健康的威胁。该模型已成功应用于世界各地的许多地点((如Arkema等，2014； Cabral 等，2015；Chung等，2015；Duggan等，2015；Ma等，2016；Elliff 等，2017；Wyatt 等，2017)。 -HRA模型是一种定量方法，用于评估与人类活动相关的压力源对生境和物种的累积影响(Arkema et al. 2014, Arkema et al. 2015)。HRA使用了源自渔业脆弱性评估的风险文献的成熟方法(Astles et al. 2006, Patrick et al. 2010, Hobday et al. 2011, Samhouri and Levin 2012)。 +HRA模型是一种定量方法，用于评估与人类活动相关的压力源对生境和物种的累积影响(Arkema等，2014；Arkema等，2015)。HRA使用了源自渔业脆弱性评估的风险文献的成熟方法(Astles等，2006；Patrick等，2010；Hobday等，2011；Samhouri and Levin 2012)。 -该模型包含两个维度的信息，用于计算对生态系统组成部分的风险或影响(图1; Halpern et al. 2008, Patrick et al. 2010, Samhouri and Levin 2012, Arkema et al. 2014)。这些维度是*暴露*和*后果*。 +该模型包含两个维度的信息，用于计算对生态系统组成部分的风险或影响(图1; Halpern 等， 2008, Patrick 等，2010,；Samhouri and Levin，2012；Arkema 等，2014)。这些维度是*暴露*和*后果*。 **暴露** 是指考虑到管理实践的有效性，生境或物种遭受压力的程度。 @@ -26,17 +26,17 @@ HRA模型是一种定量方法，用于评估与人类活动相关的压力源 .. figure:: ../en/habitat_risk_assessment/risk_plot.jpg - 与人类活动接触较多的生境，结果将面临较高风险。策划暴露在该情节的结果数据允许用户可视化风险，并评估哪些类型的风险更能被人工干预有效的减缓（由外生人为因素多产生的风险，右上区域风险空间）和通过风险监控和防范哪类风险更好的识别（由内生生境物种因素驱动的风险)。(Dawson等，2011)。 +与人类活动接触较多的生境，结果将面临较高风险。策划暴露在该情节的结果数据允许用户可视化风险，并评估哪些类型的风险更能被人工干预有效的减缓（由外生人为因素多产生的风险，右上区域风险空间）和通过风险监控和防范哪类风险更好的识别（由内生生境物种因素驱动的风险)(Dawson等，2011)。 为决策过程提供信息 ----------------------------------- -HRA模型的输出使用户能够识别生态系统风险较高的区域，调查哪些生境或物种在哪里面临最大的风险，确定风险的主要原因，并了解风险在未来情景下可能如何变化。HRA结果可用于一系列决策上下文: +HRA模型的输出使用户能够识别生态系统风险较高的区域，调查哪些生境或物种在哪里面临最大的风险，确定风险的主要原因，并了解风险在未来情景下可能如何变化。HRA结果可用于一系列决策环境: * 高风险地区可用于优先管理或恢复工作，正如NOAA海岸管理办公室在新罕布什尔州大海湾所做的那样(NOAA OCM 2016)。 * 高风险区域可用于限制额外用途选址时的决策空间(例如，怀亚特等人2017年所示的风能选址)。 -* 风险图可以洞察哪些活动最有影响力，哪些类型的管理策略最有效(Duggan et al. 2015)。 -* 当与评估生境引起的生态系统服务变化的模型(如风暴保护或旅游收入)结合使用时，HRA可以帮助评估人类活动和生态系统为人们提供的利益之间的权衡(参见:ref:` Connecting Habitat Risk Assessment Results to InVEST Ecosystem Service Models`; Guerry et al. 2012, Clarke et al. 2016, Arkema et al. 2015)。 -* HRA的重复应用可以一起用于评估和比较替代方案(Arkema et al. 2014)。 +* 风险图可以洞察哪些活动最有影响力，哪些类型的管理策略最有效(Duggan等，2015)。 +* 当与评估生境引起的生态系统服务变化的模型(如风暴保护或旅游收入)结合使用时，HRA可以帮助评估人类活动和生态系统为人们提供的利益之间的权衡(参见：Connecting Habitat Risk Assessment Results to InVEST Ecosystem Service Models`; Guerry 等，2012, Clarke 等，2016, Arkema 等，2015)。 +* HRA的重复应用可以一起用于评估和比较替代方案(Arkema等，2014)。 @@ -44,7 +44,7 @@ HRA模型的输出使用户能够识别生态系统风险较高的区域，调 ========= 如何运行 ------------- +---------------- 为了评估生态系统和生境或物种对人类活动的暴露，以及这种暴露的后果，HRA综合了多种人类活动(或“压力源”)与多个生境或物种之间相互作用的信息，使用来自同行评审文献、灰色文献和专家意见的空间和非空间数据。 @@ -64,7 +64,7 @@ HRA模型的输出使用户能够识别生态系统风险较高的区域，调 多重压力源对生境或物种的累积风险 ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ -人类活动对生境或物种的风险模型分为五个步骤。 +人类活动对生境或物种风险的建模分为五个步骤。 1. 计算每对生境-压力源的暴露和后果分数。 2. 针对每一对生境-压力源，将暴露值和后果值合并为风险评分。 @@ -73,9 +73,7 @@ HRA模型的输出使用户能够识别生态系统风险较高的区域，调 5. 将栅格级的结果总结为更大的感兴趣的子区域。 -**步骤 1.** 此步骤涉及判断生境暴露于压力源可能性及其暴露后果。暴露程度（E）和后果（C）取决于每一个属性被分配的一套标准等级评定（通常为1-3分， -0代表无分数）。我们已为用户提供了科学研究中运用频繁的一套标准，但标准可 -以任意添加或去除。默认标准的评分向导会在下文总结 (:ref:`exposure-criteria-details` and :ref:`consequence-criteria-details`)。注意，“空间重叠”是一个特殊的曝光标准，总是包括在内，不需要像其他标准一样由用户定义或评分。对于研究区域的每个栅格单元，如果压力源和生境或物种都存在，则空间重叠= 1，模型使用有关其他标准的信息和下面的方程计算E和C。如果压力源和生境或物种在特定网格单元格中不重叠，则暴露、后果和风险在该栅格中为0。所有其他标准的分数都是用户提供给模型的输入。对于分配的每个分数，您还可以指出用于确定分数的数据的质量，以及相对于其他标准的加权重要性。这允许您将更大的权重分配给得分置信度更高的标准，或者分配给对系统中风险贡献更大的标准。因此，对于来自生境*j*和压力源*k*的每个标准*i*，总体暴露:math:`E` 和后果:math:`C` 分数是根据暴露值:math:`e_i` 和后果值:math:`c_i` 的加权平均来计算的。 +**步骤 1.** 此步骤涉及判断生境暴露于压力源可能性及其暴露后果。暴露程度（E）和后果（C）取决于每一个属性被分配的一套标准等级评定（通常为1-3分，0代表无分数）。我们已为用户提供了科学研究中运用频繁的一套标准，但标准可以任意添加或去除。默认标准的评分向导会在下文总结(:ref:`exposure-criteria-details` and :ref:`consequence-criteria-details`)。注意，“空间重叠”是一个特殊的曝光标准，总是包括在内，不需要像其他标准一样由用户定义或评分。对于研究区域的每个栅格单元，如果压力源和生境或物种都存在，则空间重叠= 1，模型使用有关其他标准的信息和下面的方程计算E和C。如果压力源和生境或物种在特定网格单元格中不重叠，则暴露、后果和风险在该栅格中为0。所有其他标准的分数都是用户提供给模型的输入。对于分配的每个分数，您还可以指出用于确定分数的数据的质量，以及相对于其他标准的加权重要性。这允许您将更大的权重分配给得分置信度更高的标准，或者分配给对系统中风险贡献更大的标准。因此，对于来自生境*j*和压力源*k*的每个标准*i*，总体暴露:math:`E` 和后果:math:`C` 分数是根据暴露值:math:`e_i` 和后果值:math:`c_i` 的加权平均来计算的。 .. math:: E_{jkl} = \frac{\sum^N_{i=1}\frac{e_{ijkl}}{d_{ijkl}\cdot w_{ijkl}}} {\sum^N_{i=1}\frac{1}{d_{ijkl} \cdot w_{ijkl}}} :label: exposure @@ -85,8 +83,7 @@ HRA模型的输出使用户能够识别生态系统风险较高的区域，调 式中 :math:`E_{jkl}` 是特定于生境*j*的暴露得分，来自位置*l*的压力源*k*; :math:`C_{jkl}` 为后果评分, :math:`e_{ijkl}` 为暴露等级标准*i*，针对生境*j*和压力源*k*和位置*l*; :math:`c_{ijkl}` 结果评级。 :math:`d_{ijkl}`表示数据质量评级, :math:`w_{ijkl}` 表示标准的重要性权重。 *N* 为每个生境评估的标准数量。 -**步骤 2.** 第二步是结合暴露程度与响应值去给每个压力源—生境联合体生成 -一个对应的风险值。风险值计算有两个选项，基于距离的加权有三个选项。 +**步骤 2.** 第二步是结合暴露程度与响应值去给每个压力源—生境联合体生成一个对应的风险值。风险值计算有两个选项，基于距离的加权有三个选项。 对于欧几里得风险计算，在每个位置(即栅格)*l*，由压力源*k*引起的生境风险*j*计算为暴露-后果空间中距离原点的欧几里得距离，其中平均暴露(:eq:`exposure`)位于一个轴上，平均后果评分(:eq:`consequence`)位于另一个轴上。 @@ -102,7 +99,7 @@ HRA模型的输出使用户能够识别生态系统风险较高的区域，调 .. math:: R_{jkl} = E_{jkl} \cdot C_{jkl} \cdot D_{jkl} :label: multiplicative_risk -在欧几里得和乘法风险计算中，距离加权衰减:math:`D_{jkl}` 表示用户从以下选项中选择衰减函数: +在欧几里得和乘法风险计算中，距离加权衰减:math:`D_{jkl}`表示用户从以下选择衰减函数: 无衰减("None" in the UI): @@ -137,26 +134,21 @@ HRA模型的输出使用户能够识别生态系统风险较高的区域，调 .. note:: - 用户可以选择使用哪个风险函数。不同的研究以不同的方式结合暴露和后果:累积影响映射研究倾向于使用乘法方法来估计风险(Halpern et al 2008, Selkoe et al 2009, Ban et al 2010)，而生态系统风险评估研究倾向于用风险图中特定生境(或物种)-活动组合的欧氏距离来估计风险(Patrick et al 2010, Hobday et al 2011, Samhouri and Levin 2012, Arkema et al. 2014)。 +用户可以选择使用哪个风险函数。不同的研究以不同的方式结合暴露和后果:累积影响映射研究倾向于使用乘法方法来估计风险(Halpern 等，2008；Selkoe 等；2009, Ban等，2010)，而生态系统风险评估研究倾向于用风险图中特定生境(或物种)-活动组合的欧氏距离来估计风险(Patrick 等，2010；Hobday 等，2011；Samhouri and Levin 2012；Arkema等，2014)。 - 初步敏感性测试表明，总体而言，两种方法在最高和最低风险生境或区域上是一致的，尽管中间风险结果可能有所不同(Stock et al. 2015)。在伯利兹使用欧几里得方法进行的广泛人类资源评估分析的实证检验发现，计算的风险与生境破碎化和健康的衡量指标之间有很好的一致性(Arkema et al. 2014 supplement)。一般来说，欧几里得方法可能比乘法方法提供更保守、更高的总体估计。如果E和C值相差很大，那么欧几里得方法将产生相对较高的风险结果。相比之下，乘法方法往往会产生相对较低、不太保守的风险值，并将E和C的相似性与较高的风险联系起来。如果您的系统所包含的生境具有很高的风险后果，但暴露程度较低(例如，目前避免珊瑚礁的珊瑚和虾拖网捕捞区)，并且您希望采用预防原则，则建议选择欧几里得方法。 +初步敏感性测试表明，总体而言，两种方法在最高和最低风险生境或区域上是一致的，尽管中间风险结果可能有所不同(Stock等，2015)。在伯利兹使用欧几里得方法进行的广泛人类资源评估分析的实证检验发现，计算的风险与生境破碎化和健康的衡量指标之间有很好的一致性(Arkema等，2014 supplement)。一般来说，欧几里得方法可能比乘法方法提供更保守、更高的总体估计。如果E和C值相差很大，欧几里得方法将产生相对较高的风险结果。相比之下，乘法方法往往会产生相对较低、不太保守的风险值，并将E和C的相似性与较高的风险联系起来。如果系统所包含的生境具有很高的风险后果，但暴露程度较低(例如，目前避免珊瑚礁的珊瑚和虾拖网捕捞区)，并希望采用预防原则，则建议选择欧几里得方法。 **步骤 3.** 在这一步中，模型量化了每个栅格单元中所有压力源对每个生境或物种的累积风险。栅格*l*中生境或物种*j*的累积风险是每个生境或物种的所有风险得分的总和， .. math:: R_{jl} = \sum^K_{k=1} R_{jkl} -**步骤 4.** 基于单独压力源或多种压力源累积效应造成的风险，对应每种类型的生境里的每个栅格可分为HIGH（高），MED（中）和LOW（低）三个风险等级。HIGH等级分类被分配给满足以下两个标准之一的栅格单元: +该模型还计算了生态系统的累积风险，请参阅 ：ref：'cumulative-risk' 。 - 1) 栅格单元的累积风险是任何单个生境(或物种)-压力源组合的最大风险评分的66%。例如，如果暴露和后果在1-3级范围内排名，那么单个生境(或物种)-压力源组合的最大风险评分为2.83(使用欧几里得方法);所有风险评分大于1.87(2.83的66%)的栅格将被归类为高风险。这一标准解决的问题是，在压力源具有特别破坏性的情况下(例如，清除所有树木的砍伐或清除所有珊瑚的疏浚)，额外的压力源(例如远足小径或娱乐钓鱼)不会进一步增加生境退化的风险。这被描述为 :eq:`hra-pairwise-risk-classification` 。 +**步骤 4.** 基于单独压力源或多种压力源累积效应造成的风险，对应每种类型的生境里的每个栅格可分为HIGH（3），MED（2）和LOW（1）三个风险等级。 - 2) 栅格单元中的累积风险是总可能累积风险的66%。总可能累积风险是基于单个生境(或物种)-压力源组合的最大风险评分，以及在研究区域内可以占据特定网格单元的压力源的最大数量(见下一段)。如果在整个研究区域内，单个栅格单元中可能出现的压力源(如农业径流、海洋养殖和海洋运输)不超过3个，则重叠压力源的最大数量为3。在这种情况下，总可能的累积风险将为8.49(基于欧几里得方法;单个生境(或物种)-压力源组合的最大风险评分X最大重叠压力源数量= 2.83 × 3 = 8.49)。这一标准解决了一个问题，即即使单个压力源不是特别有害的，多个压力源造成的累积效应也很高。这被描述为:eq:`hra-classified-risk-max` 和 :eq:`hra-cumulative-risk-classification`。 - -如果栅格具有个体压力源或累积风险评分在总可能累积风险评分的33%-66%之间，则将其归类为中风险。如果单个压力源或多个压力源的个体或累积风险分数分别为总可能风险分数的0-33%，则栅格被归类为低风险。 - -**步骤 4a.** - -对于每一对生境/压力源，这种HIGH/MED/LOW分类更多正式表示为: +**步骤 4a：对成对风险进行分类.** +对于每一对生境/压力源，这种HIGH/MED/LOW分类表示为: .. math:: L_{jkl} = \begin{Bmatrix} 0 & if & R_{jkl} = 0 \\ @@ -170,8 +162,8 @@ HRA模型的输出使用户能够识别生态系统风险较高的区域，调 * :math:`L_{jkl}` 是生境的高/中/低风险计算:math:`j`由于压力源:math:`k`在位置:math:`l`。 * :math:`R_{jkl}` 是压力源的计算风险:math:`k`到生境:math:`j`在位置:math:`l`。 -* :math:`m_{jkl}` 是每个生境/压力源对的最大得分，即所有生境/压力源对都一致。它被定义为 - +* :math:`m_{jkl}` 是每个生境/压力源对的最大得分，即所有生境/压力源对都一致。 +它被定义为： * :math:`m_{jkl} = (r_{max})^2` 如果使用乘法风险。 * :math:`m_{jkl} = \sqrt{2(r_{max}-1)^2}` 如果使用欧几里得风险。 @@ -179,7 +171,65 @@ HRA模型的输出使用户能够识别生态系统风险较高的区域，调 * :math:`r_{max}` 是用户自定义的最大分数。 -**步骤 4b.** +**步骤 4b：对累积风险进行分类** + +多重压力源的累积效应的分类：math：'L' + +每个生境或物种都可能导致两种可能的破坏性风险： + +1. 在压力源特别具有破坏性的情况下，例如清除砍伐移除所有树木或疏浚移除所有珊瑚， +额外的压力源，如远足径或休闲钓鱼，将不会进一步增加生境退化的风险。计算方法 + ：eq：'hra-classified-risk-max'。 +2.在单个压力源不是特别有害的情况下，多个压力源的累积效应仍然很高。计算方发生 +：eq：'hra-cumulative-risk-classification'。 + +多个压力源对每个压力源的累积影响的分类：math：'L' + +生境或物种更正式地表示为： +..math：： L = \begin {Bmatrix} +L_{jkl} & if & L_{jkl} > L_{jl}\\ +L_{jl} && 否则\\ + \end{Bmatrix} + ：label： hra-classified-risk-max + +其中：math：'L_{jl}' 的计算公式为 + +..math：： L_{jl} = \begin{Bmatrix} + +0 & if & R_{jl} = 0\\ +1 & if & 0 < R_{jl} < （\frac{1}{3}m_{jl}）\\ +2 & if &（\frac{1}{3}m_{jl}） <= R_{jl} < （\frac{2}{3}m_{jl}）\\ +3 & if & R_{jl} >= （\frac{2}{3}m_{jl}） + \end{Bmatrix} + ：label：hra-cumulative-risk-classification + +其中： +* ：math：'L_{jl}' 是生境的高/中/低风险计算 ：math：'j' +所在位置：math：'l'。 +* ：math：'R_{jl}' 是单个生境或物种的累积风险 + ：math：'j' 在位置 ：math：'l'。 +* ：math：'m_{jl}' 是所有生境/压力源对之和的最大风险评分，计算公式为： +math：'m_{jl} = m_{jkl} \cdot n_{overlap}'，其中 + ：math：'n_{overlap}' 是用户定义的重叠压力源数。 + +**步骤4c：对生态系统风险进行分类** + +对所在位置生态系统风险的分类：math：'LE_{l}' +：math：'l' 的计算公式为 +..math：：LE_{l} = \begin {Bmatrix} +0 & if & R_{l} = 0\\ +1 & if & 0 < R_{l} < （\frac{1}{3}q_{l}）\\ +2 & if & （\frac{1}{3}q_{l}） <= R_{l} < （\frac{2}{3}q_{l}）\\ +3 & if & R_{l} >= （\frac{2}{3}q_{l}） + \end{Bmatrix} + ：label： hra-ecosystem-risk-classification + +其中： +* ：math：'LE_{l}' 是位置 ：math：'l' 处的高/中/低风险计算。 +* ：math：'R_{l}' 是位置 ：math：'l' 处所有生境或物种的累积风险。 +* ：math：'q_{l}' 是所有生境/压力源对的最大可能风险评分，计算公式为： +math：'q_{l} = m_{jkl} \cdot n_{j}'，其中 + ：math：'n_{j}' 是用户提供的生境总数。 多个压力源对每个生境或物种的累积影响的:math:`L` 更正式地表示为: @@ -199,15 +249,16 @@ HRA模型的输出使用户能够识别生态系统风险较高的区域，调 \end{Bmatrix} :label: hra-cumulative-risk-classification -考虑到: +其中: * :math:`L_{jl}` 是生境的高/中/低风险计算:math:`j` 在位置:math:`l`。 * :math:`R_{jl}` 是对单个生境或物种的累积风险:math:`j` 在位置:math:`l`。 * :math:`m_{jl}` 是所有生境/压力源对之和的最大风险评分，计算方法为:math:`m_{jl} = m_{jkl} \cdot n_{overlap}`，其中:math:`n_{overlap}` 是用户自定义的重叠压力源数量。 -**步骤 5.** 在最后一步里，用户可以自行评估比栅格分辨率还高或比研究区域面积还小的子区域尺度的风险。在海岸与海洋空间规划过程中，子区域尺度通常作为政府地区规划中的边界单位（如沿海区域、州和省的规划）。值得注意的是，空间重叠（一个默认的暴露标准）中的子区域分数是基于子区域中生境碎块与人类活动的重叠（下文将详述细节）。依照其它E和C标准，子区域的分数是研究区域内所有栅格的E和C分数的平均值。风险值可以用欧几里得方法与成倍相乘方法来估算（详见上文）。 +**步骤 5.** 在最后一步里，用户可以自行评估比栅格分辨率还高或比研究区域面积还小的子区域尺度的风险。在海岸与海洋空间规划过程中，子区域尺度通常作为政府地区规划中的边界单位（如沿海区域、州和省的规划）。值得注意的是，空间重叠（一个默认的暴露标准）中的子区域分数是基于子区域中生境碎块与人类活动的重叠（详见下文）。依照其它E和C标准，子区域的分数是研究区域内所有栅格的E和C分数的平均值。风险值可以用欧几里得方法与成倍相乘方法来估算（详见上文）。 +.._累积风险： 多重压力源对生态系统的累积风险 ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ @@ -231,44 +282,44 @@ HRA模型的输出使用户能够识别生态系统风险较高的区域，调 默认暴露标准 """"""""""""""""""""""""" -1. **空间重叠 .** 为了评估研究区域的空间重叠，模型使用了生境或物种和压力源的分布图。 +1. **空间重叠 .** 为评估研究区域的空间重叠，模型使用了生境或物种和压力源的分布图。 **生境分布图** 可以表示生物(如鳗草或海带)或非生物(如硬底或软底)生境类型或物种。用户定义生境分类的细节。例如，生境可以按分类单元(如珊瑚、海草、红树林)、物种(如红色、黑色红树林)或用户所需的任何方案定义为生物或非生物。在物种风险评估中，我们建议指定单个物种，但用户也可以指定一个分类单元。为了使更多的细节或特异性有用并改变模型的结果，这些生境分类应该与生境或物种对压力源的反应之间的差异相对应。 **压力源分布图** 表示压力源活动的足迹或空间范围。此外，可以为每个压力源分配“影响区”或“缓冲区”，表示压力源的影响在输入映射中超出其实际足迹的传播距离。对于一些压力源，比如穿过森林的脚印，这个距离会很小。对于其他压力源，如营养物散布300-500米的鳍鱼养殖场或边缘效应可延伸至1公里的森林砍伐，这一距离可能很大。用户可以指定压力源的影响从压力源的足迹到影响区域的外部范围是线性衰减还是指数衰减。该模型使用压力源影响区域的距离来创建中间输出，该输出是由影响区域缓冲的压力源足迹映射(四舍五入到最近的栅格单位;例如，当分析分辨率为250m时，600m的缓冲距离将四舍五入到500m)。 - **对于每个栅格单元**, 如果生境或物种与压力源重叠，则空间重叠= 1，模型使用其他标准的得分计算暴露、后果和风险(如下)。如果生境或物种在特定栅格单元中与压力源不重叠，则模型将暴露、后果和风险设置为该特定栅格单元中的0。 + **对于每个栅格单元**, 如果生境或物种与压力源重叠，则空间重叠 = 1，模型使用其他标准（如下）的分数计算暴露、后果和风险。如果栖息地或物种与特定网格单元中的压力源不重叠，则模型在该特定网格单元中设置暴露、后果和风险 = 0。 **子区域尺度**, 模型计算空间重叠分数如下:对于每个子区域，每个生境与每个压力源重叠的面积百分比为*percentage_overlap*。那么，空间重叠分数如下式: maximum_criteria_score * percentage_overlap + minimum_criteria_score * (1 - percentage_overlap) - 例如，如果一个生境的50%的面积与压力源重叠，我们的标准范围是1-3，那么: - 3 * 0.5 + 1 * (1 - 0.5) = 2. 最后，模型根据子区域暴露分数的平均值在平均空间重叠分数。如果没有重叠，则暴露程度，后果及风险为0。如果没有暴露程度分数但空间重叠确实存在，则分数为彻底的空间重叠的分数。 +例如，如果一个生境的50%的面积与压力源重叠，我们的标准范围是1-3，那么: +3 * 0.5 + 1 * (1 - 0.5) = 2. 最后，模型根据子区域暴露分数的平均值在平均空间重叠分数。如果没有重叠，则暴露程度，后果及风险为0。如果没有暴露程度分数但空间重叠确实存在，则分数为完全空间重叠的分数。 2. **时间重叠等级.** 所谓时间重叠就是生境与压力源空间重叠的持续时间。一些压力源如永久水上建筑物是整年的，一些则为季节性的如某一捕鱼活动。同样的，一些生境如红树林是整年的而其他如海草丛为短暂的。 *如果标准评分为1-3分，以下是对时间重叠评分的建议:* ======================= ========================================================= ======================================================== ========================================================= ============ - Score: 1 (low) 2 (medium) 3 (high) 0 (no score) + 得分: 1 (低) 2 (中) 3 (高) 0 (无分数) ======================= ========================================================= ======================================================== ========================================================= ============ - 时间重叠生境和压力源在 年中有0-4个月共存生境和压力源在 年中有4-8个月共存生境和压力源在 年中有8-12个月共存N/A + 时间重叠 栖息地和压力源在一年中的 0-4 个月同时出现 栖息地和压力源在一年中的 4-8 个月同时出现 栖息地和压力源在一年中的 8-12 个月同时出现 N/A ======================= ========================================================= ======================================================== ========================================================= ============ - *选择"不记分或无分数"意味着从你的评估中排除这个标准。* + *选择"0"意味着从你的评估中排除这个标准。* -3. **强度评比.** 生境暴露于压力源程度不但取决于生境与压力源是否空间和时间重叠，也涉及压力源的强度率。强度标准视特定压力源而定。举例说明，富营养压力的强度与鲑鱼养殖的联系在于养殖鲑鱼的数量及其有多少污染物排向周围的环境。又或者，破坏性的贝类捕获的强度与捕获次数与活动有关。你可以凭借这强度标准来研究一个压力源强度的变化怎么影响其对生境的风险。例如，在未来情景分析中，通过改变强度率的分数来看鲑鱼养殖地理存量的变化，也可以使用这排名去整合研究区域里不同压力源强度的差异。例如，不同类型的海洋运输可能有不同的强度水平，游轮可能是比水上出租车更强烈的压力源，因为它们比出租车释放更多的污染物。 +3. **强度等级** 生境暴露于压力源程度不但取决于生境与压力源是否空间和时间重叠，也涉及压力源的强度率。强度标准视特定压力源而定。；例如，富营养压力的强度与鲑鱼养殖的联系在于养殖鲑鱼的数量及其有多少污染物排向周围的环境。又或者，破坏性的贝类捕获的强度与捕获次数与活动有关。你可以凭借这强度标准来研究一个压力源强度的变化怎么影响其对生境的风险。例如，在未来情景分析中，通过改变强度率的分数来看鲑鱼养殖地理存量的变化，也可以使用这排名去整合研究区域里不同压力源强度的差异。例如，不同类型的海洋运输可能有不同的强度水平，游轮可能是比水上出租车更强烈的压力源，因为它们比出租车释放更多的污染物。 *如果评分标准为1-3分，建议评分强度为:* ========= ============= ================ ============== ============ - Score 1 2 3 0 + 得分 1 2 3 0 ========= ============= ================ ============== ============ - Intensity Low intensity Medium intensity High intensity N/A + 强度 低强度 中强度 高强度 N/A ========= ============= ================ ============== ============ - *选择"不记分或无分数"意味着从你的评估中排除这个标准。* + *选择"0"意味着从你的评估中排除这个标准。* 4. **管理策略效果对比.** 管理功能能限制人类活动对生境的负面作用。举个例子，相关政府能让鲑鱼养殖者进行休渔来减少污染物排放也能让附近的海草丛能到恢复。因此，有效的管理对策能减少生境暴露压力源的程度。在区域中每个压力源管理的效果都是相较于其他压力源评分的。如果有一个压力源非常好管理以至它比其他压力源对系统的压力很小，其管理效果归类为"非常有效"。一般来讲，大多数压力源的管理往往无效。毕竟，你把他们视为对生境有影响的压力源。你可以用这个标准来探讨不同情景中的管理变化，如将开发从高影响(可能会得到“无效”的分数)更改为低影响(可能会得到“非常有效”的分数)的效果。与所有标准一样，数字越高代表暴露程度越大，导致风险得分越高。 @@ -276,12 +327,12 @@ HRA模型的输出使用户能够识别生态系统风险较高的区域，调 ======================== ============== ================== ============================= ============ - Score 1 2 3 0 + 得分（Score） 1 2 3 0 ======================== ============== ================== ============================= ============ - Management effectiveness Very effective Somewhat effective Not effective, poorly managed N/A + 管理有效性 非常有效 有点有效 无效，管理不善 N/A ======================== ============== ================== ============================= ============ - *选择"不记分或无分数"意味着从你的评估中排除这个标准。* + *选择"0"意味着从你的评估中排除这个标准。* 5. **其他** 暴露标准可作为上述标准的补充或替代。 @@ -298,36 +349,36 @@ HRA模型的输出使用户能够识别生态系统风险较高的区域，调 *如果标准评分为1-3分，以下是对面积比率变化评分的建议:* ============== ======================== ============================ =========================== ============ - Score 1 2 3 0 + 得分 1 2 3 0 ============== ======================== ============================ =========================== ============ - Change in area Low loss in area (0-20%) Medium loss in area (20-50%) High loss in area (50-100%) N/A + 面积变化 面积损耗低（0-20%） 面积损耗中等（20-50%） 面积损失高（50-100%） N/A ============== ======================== ============================ =========================== ============ - *选择"不记分或无分数"意味着从你的评估中排除这个标准。* + *选择"0"意味着从你的评估中排除这个标准。* 2. **结构变化.** 对于生物生境，结构变化就是在暴露在特定压力源下生境的结构密度的变化百分比。生境暴露在特定压力下损失高比例结果则为高度敏感，反之为低度敏感抵抗性更强。对于非生物生境，结构变化就是生境维持的结构损伤数量。敏感的非生物生境将遭受完全或部分破坏，而那些遭受很少或没有破坏的生境则更具抵抗力。例如，砾石或泥泞的底部将受到底部拖网作业的部分或完全破坏，而坚硬的基岩底部则几乎不会受到损害。对于物种来说，结构的变化可以用来捕捉种群结构的变化，例如年龄或性别分布的变化。 *如果标准是1-3分，以下是对结构变化的评分建议:* =================== ======================================================================================================================== ======================================================================================================================= ==================================================================================================================== ============ - Score 1 2 3 0 + 得分 1 2 3 0 =================== ======================================================================================================================== ======================================================================================================================= ==================================================================================================================== ============ - Change in structure Low loss in structure (for biotic habitats, 0-20% loss in density, for abiotic habitats, little to no structural damage) Medium loss in structure (for biotic habitats, 20-50% loss in density, for abiotic habitats, partial structural damage) High loss in structure (for biotic habitats, 50-100% loss in density, for abiotic habitats, total structural damage) N/A + 结构变化 结构损失低（对于生物栖息地，密度损失 0-20%，对于非生物栖息地，几乎没有结构损坏） 中等结构损失（对于生物栖息地，密度损失 20-50%，对于非生物栖息地，部分结构损坏） 结构损失大（对于生物生境，密度损失 50-100%，对于非生物生境，总结构损坏）N/A =================== ======================================================================================================================== ======================================================================================================================= ==================================================================================================================== ============ - *选择"不记分或无分数"意味着从你的评估中排除这个标准。* + *选择"0"意味着从你的评估中排除这个标准。* 3. **自然干扰频率.** 如果一个生境被自然频繁干扰的方式类似于人类源压力源，它可能就对外来的人类源压力源具有更好的抗压性。对于每个生境和压力源结合体而言，这个标准评分是分开的，例如已经适应了多种营养条件从而使生境对鲑鱼小规模养殖导致营养负荷产生更高的抗性。然而，强烈风暴能帮助生境增加对大规模捕鱼的抵抗力，因为这两者对生境的影响途径相似。 *如果标准评分为1-3分，以下是对自然干扰频率评分的建议:* ======================================== ========================== =============================================== ============================= ============ - Score 1 2 3 0 + 得分 1 2 3 0 ======================================== ========================== =============================================== ============================= ============ - Frequency of similar natural disturbance Frequent (daily to weekly) Intermediate frequency (several times per year) Rare (annually or less often) N/A + 类似自然干扰的频率 频繁（每天至每周） 中频（每年数次） 罕见（每年或较少）N/A ======================================== ========================== =============================================== ============================= ============ - *选择"不记分或无分数"意味着从你的评估中排除这个标准。* + *选择"0"意味着从你的评估中排除这个标准。* .. note:: 以下后果标准是恢复属性。这些包括生物长久特性如再生率及重建方式对生境干扰后恢复的能力的影响。对于生物生境，我们把恢复视为关于自然死亡率，重组频率，成熟年龄与连通性的函数。 @@ -337,12 +388,12 @@ HRA模型的输出使用户能够识别生态系统风险较高的区域，调 ====================== ================================== ================================ ========================== ============ - Score 1 2 3 0 + 得分 1 2 3 0 ====================== ================================== ================================ ========================== ============ - Natural mortality rate High mortality (e.g.80% or higher) Moderate mortality (e.g. 20-50%) Low mortality (e.g. 0-20%) N/A + 自然死亡率 高死亡率（例如 80% 或更高） 中等死亡率（例如 20-50%） 低死亡率（例如 0-20%）N/A ====================== ================================== ================================ ========================== ============ - *选择"不记分或无分数"意味着从你的评估中排除这个标准。* + *选择"0"意味着从你的评估中排除这个标准。* 5. **重组频率 (只适用于生物生境).** 重组的频繁通过增加外来繁殖体在受干扰区域重建群落的几率来增加恢复潜能。也就是说，重组越多，弹性越大，因此得分越低。与所有标准一样，数字越高代表暴露或后果越大，并导致风险评分越高。 @@ -350,12 +401,12 @@ HRA模型的输出使用户能够识别生态系统风险较高的区域，调 ======================== ==================== ============= ============ ============ - Score 1 2 3 0 + 得分 1 2 3 0 ======================== ==================== ============= ============ ============ - Natural recruitment rate Annual or more often Every 1-2 yrs Every 2+ yrs N/A + 自然重组率 每年或更频繁 每 1-2 年 每 2+ 年 N/A ======================== ==================== ============= ============ ============ - *选择"不记分或无分数"意味着从你的评估中排除这个标准。* + *选择"0"意味着从你的评估中排除这个标准。* 6. **成熟年龄/恢复时间.** 能较早成熟的生物生境比那些成熟晚的生境能更快从干扰中恢复。这里我们指示的成熟是整个生境的成熟（如成熟的海藻林），而不是单个生物体的生理成熟。对于非生物生境，拥有较短的恢复时间的生境（如泥滩能减少暴露在人类活动的后果）。与之对比，由基岩组成的生境恢复只能在地质年代尺度，极大加重暴露后果。 @@ -363,12 +414,11 @@ HRA模型的输出使用户能够识别生态系统风险较高的区域，调 ============================= ============== ========== ================ ============ - Score 1 2 3 0 - ============================= ============== ========== ================ ============ - Age at maturity/recovery time Less than 1 yr 1-10yrs More than 10 yrs N/A +得分 1 2 3 0 ============================= ============== ========== ================ ============ - - *选择"不记分或无分数"意味着从你的评估中排除这个标准。* +成熟/恢复期龄 少于 1 年 1-10 岁 10 岁以上 不适用 + ============================= ============== ========== ================ =========== + *选择"0"意味着从你的评估中排除这个标准。* 7. **连通性 (只适用于生物生境).** 生境斑块或种群亚群的紧密间隔增加了新来者在受干扰地区重新建立种群的机会，从而增加了生境或物种的恢复潜力。连通性是与新来者移动距离相关的。例如，对于一个幼虫或种子只能移动数百米的物种来说，相隔10公里的斑块可能被认为是连通性不良的，而对于一个幼虫或种子可以移动数百公里的物种来说，连通性良好。与所有标准一样，数字越高代表暴露或后果越大，并导致风险评分越高。 @@ -376,17 +426,16 @@ HRA模型的输出使用户能够识别生态系统风险较高的区域，调 ============ ================================================ =================== ================================================ ============ - Score 1 2 3 0 +得分 1 2 3 0 ============ ================================================ =================== ================================================ ============ - Connectivity Highly connected relative to dispersal distances Medium connectivity Low connectively relative to dispersal distances N/A +连通性 相对于扩散距离高度连接 中等连通性 相对于扩散距离的低连接性 N/A ============ ================================================ =================== ================================================ ============ - - *选择"不记分或无分数"意味着从你的评估中排除这个标准。* + *选择"0"意味着从你的评估中排除这个标准。* 空间直观标准的运用 ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ -作为能给一个标准设定等级从而运用到整个研究区域的途径，模型可以被输入空间直观标准。这些标准设定能直接用于任何暴露程度或后果标准。举例说明，用户可以区分研究区域内一个特定生境或物种的高低重组能力。空间直观标准是一类在特定区域内每个属性都能包括一个独立等级的矢量图层。（详见:ref:`spatially-explicit-data` 章节，里面含更多如何在一个完成模型运行中准备和运用空间直观标准的信息。） +作为能给一个标准设定等级从而运用到整个研究区域的途径，模型可以被输入空间直观标准。这些标准设定能直接用于任何暴露程度或后果标准。举例说明，用户可以区分研究区域内一个特定生境或物种的高低重组能力。空间直观标准是一类在特定区域内每个属性都能包括一个独立等级的矢量图层。（有关如何准备和使用空间显式条件的技术详细信息，请参阅 ：ref：'spatially-explicit-data' 部分。） .. _data-quality-details: @@ -398,31 +447,28 @@ HRA模型的输出使用户能够识别生态系统风险较高的区域，调 对于每个暴露程度与后果的分数，用户能指明用来决定浮动尺度下的分数的数据的质量，其中1表示最高质量的数据，高于1的数据越来越不可信。 ===================================================================================================================================================== ==================================================================================================================================================================== ===================================================================================================================== -Best data (1) Adequate data (2) Limited data (3) +最佳数据 （1） 充足数据 （2） 有限数据 （3） ===================================================================================================================================================== ==================================================================================================================================================================== ===================================================================================================================== -Substantial information is available to support the score and is based on data collected in the study region (or nearby) for the species in question. Information is based on data collected outside the study region, may be based on related species, may represent moderate or insignificant statistical relationships. No empirical literature exists to justify scoring for the species but a reasonable inference can be made by the user. +有大量信息可用于支持该评分，并基于在研究区域（或附近）为相关物种收集的数据。信息基于在研究区域之外收集的数据，可能基于相关物种，可能代表中等或不显着的统计关系。没有经验文献证明对该物种的评分是合理的，但用户可以做出合理的推断。 ===================================================================================================================================================== ==================================================================================================================================================================== ===================================================================================================================== - -Similarly, the user can adjust the importance or “weight” of each criterion. Each ecological system is unique and different criteria may be more important for some habitats or species than others. For example, the recovery potential of a habitat or species may be more strongly dictated by recruitment rate than connectivity to other habitat patches. We suggest the users first run the model with the same weight score (e.g., 2) for all the criteria to determine if the overall patterns make sense based on known relationships between the stressors and habitats or species. Next, if users have verified information on the importance of a given criteria, they should then re-run the model using a 1 or 3 to indicate higher or lower importance, respectively. - +同样，用户可以调整每个标准的重要性或“权重”。每个生态系统都是独一无二的，对于某些栖息地或物种来说，不同的标准可能比其他栖息地或物种更重要。例如，一个生境或物种的恢复潜力可能更强烈地取决于招募率，而不是与其他生境斑块的连通性。我们建议用户首先以相同的权重分数（例如，2）运行模型，以基于压力源与栖息地或物种之间的已知关系确定整体模式是否有意义。接下来，如果用户已经验证了有关给定标准重要性的信息，则他们应该使用 1 或 3 重新运行模型，以分别表示更高或更低的重要性。 ================================ =========================================================================== ========================================================================= =================================================================================================== - .. Most important (1) Moderately important (2) Least important (3) +..最重要 （1） 中等重要 （2） 最不重要 （3） ================================ =========================================================================== ========================================================================= =================================================================================================== - Relative importance of criterion Criterion is especially important in determining the impact of the stressor Criterion is somewhat important in determining the impact of the stressor Criterion is less important, relative to other criterion, in determining the impact of the stressor +标准的相对重要性 标准在确定压力源的影响方面尤为重要 标准在确定压力源的影响方面有些重要 相对于其他标准，标准在确定压力源的影响方面不那么重要 ================================ =========================================================================== ========================================================================= =================================================================================================== - -限制与假设 +局限性与假设 --------------------------- -限制 +局限性 ^^^^^^^^^^^ 1. **数据质量限制结果**:输入数据的可获性与质量可限制模型结果的准确性。使用一些高质量数据，诸如那些来自研究区域内若干选址都能重复的本地物种评估，在过去十年内比运用从遥远位置采集回来的有限的时空覆盖率的低质量数据将能获得更准确结果。大部分情况下，用户将会需要一些来自地理位置上压力源与生境结合体的数据，那是因为大部分关于一些压力源影响的数据只能从世界上少数地点采集。为了克服这些数据限制，我们分析中包含数据质量分值。这种分值能让用户为低质量数据降低标准。 -2. **结果应该被解译为相对尺度**: 由于评分过程的特性，结果会用来比较在研究区域内若干生境内人类活动带来的风险（变化范围可从局地小尺度变为全球大尺度），但这应该不能被用于比较不同分析的风险计算。不确定性分析表明，这类影响映射的广泛定性趋势是稳健的(Stock 2016)。其他地方的HRA经验测试表明，模型风险与生境破碎化和健康之间存在很强的关系(Arkema et al. 2014)。随着当地可获得经验数据，未来工作的一个重要途径将是验证区域风险评分并将其与生境质量条件(例如密度、碎片化等)联系起来。 +2. **结果应该被解译为相对尺度**: 由于评分过程的特性，结果会用来比较在研究区域内若干生境内人类活动带来的风险（变化范围可从局地小尺度变为全球大尺度），但这应该不能被用于比较不同分析的风险计算。不确定性分析表明，这类影响映射的广泛定性趋势是稳健的(Stock，2016)。其他地方的HRA经验测试表明，模型风险与生境破碎化和健康之间存在很强的关系(Arkema 等，2014)。随着当地可获得经验数据，未来工作的一个重要途径将是验证区域风险评分并将其与生境质量条件(例如密度、碎片化等)联系起来。 3. **结果不会反映过去人类活动的影响**. HRA模型不会明确考虑过去人类活动对当前风险的历史效应。曾经暴露在过去人类活动可能会影响当今和未来人类活动影响的后果。如果用户有生境暴露在人类活动的历史数据（如在时间或空间范围内）和关于这怎么样影响当前后果分数的信息，就能把这些信息输入分析中得出更准确结果。 @@ -435,7 +481,7 @@ Similarly, the user can adjust the importance or “weight” of each criterion. 1. **世界各地的生态系统对任何给定压力源的反应方式相似**。一般来讲，文献中关于压力源对生境影响的信息只是来自于少数地区。如果使用全球性的可用数据或者其他地方的数据，用户就得假设全球的生态系统对特定压力源的响应方式都相似（如地中海的鳗草丛对水产业的响应方式与不列颠哥伦比亚的鳗草丛一致）。为了避免全面使用这个假设，只要有可能，用户就应该选择使用本地数据。 -2. **风险累积是递增的（与协同或拮抗相对）**。 对多种压力源与海洋生态系统的相互关系仍理解不深(详见 Crain et al. 2008, Teichert eta l. 2016)。相互关系可能是递增、协同或者拮抗的一种。然而，我们预测将要发生的相互关系类型的能力十分有限。由于缺乏能决定这些类型的条件的可靠信息，模型就假设其为递增，因为其是最简单的途径。因此，模型也许会高估或低估累积风险，取决于研究区域内发生的压力源的设定。 +2. **风险累积是递增的（与协同或拮抗相对）**。对多种压力源与海洋生态系统的相互关系仍理解不深(详见 Crain 等，2008；Teichert 等，2016)。相互关系可能是递增、协同或者拮抗的一种。然而，我们预测将要发生的相互关系类型的能力十分有限。由于缺乏能决定这些类型的条件的可靠信息，模型就假设其为递增，因为其是最简单的途径。因此，模型也许会高估或低估累积风险，取决于研究区域内发生的压力源的设定。 .. _hra-data-needs: @@ -460,13 +506,13 @@ Similarly, the user can adjust the importance or “weight” of each criterion. - :investspec:`hra criteria_table_path` 表上的评级列还可以存储可选的空间显式标准文件的文件路径。“评级指示”列是可选的，用作填写“评级”列上的分数的参考。参见:ref:`hra-criteria-csv` 部分。 - .. note:: 提供的样本生境和压力源信息CSV和标准分数CSV在文件路径中使用windows风格的反斜杠。为此，如果您在MacOS上且未找到该文件，则向后斜杠将自动转换为正向斜杠。如果你的路径包含空格，这可能会导致问题;文件名中最好避免空格。 + .. note:: 提供的示例栖息地和压力源信息CSV和标准分数CSV在文件路径中使用Windows样式的反斜杠。考虑到这一点，如果您使用的是 MacOS 并且找不到该文件，则向后斜杠将自动转换为正斜杠。如果您的路径包含空格，这可能会导致问题;最好避免在文件名中使用空格。 -- :investspec:`hra resolution` 该模型将把任何基于矢量的生境和压力源输入转换为具有此分辨率的栅格。所有与生境/压力源几何结构部分或完全重叠的栅格都被认为包含该生境/压力源。 +- :investspec:`hra resolution` 该模型将把任何基于矢量的生境和压力源输入转换为具有此分辨率的栅格。所有与生境/压力源几何结构部分/完全重叠的栅格被认为包含该生境/压力源。 .. note:: 分析的分辨率应反映现有生境和压力源数据的分辨率。例如，如果输入数据包括分辨率在100-200米的小块海草和海带，那么为模型的分辨率选择一个类似的值。如果输入的生境数据比较粗糙，则选择较大的值。我们建议第一次以低分辨率(1000m或5000m)运行模型，以验证模型运行正常，然后根据需要在后续运行中使用更高分辨率。 -- :investspec:`hra max_rating` 这是所有分数将与之进行比较的上限。例如，在一个评级分数范围为0-3的模型中，这将是3。如果您选择使用不同的等级，则这应该是该等级中的最高值。 +- :investspec:`hra max_rating` 这是所有分数将与之进行比较的上限。例如，在一个评级分数范围为0-3的模型中，这将是3。如果您选择使用不同的等级，则应是该等级中的最高值。 - :investspec:`hra risk_eq` 这种选择选择了计算特定生境风险时将使用的方程。欧几里得风险模型见公式:eq:`euclidean_risk`，乘法风险模型见公式:eq:`multiplicative_risk`。 @@ -485,7 +531,7 @@ Similarly, the user can adjust the importance or “weight” of each criterion. .. _hra-info-csv: -生境及压力源信息(CSV或Excel表格及GIS数据) +生境及压力源信息(CSV或GIS数据) ---------------------------------------------------------------- 该表指示模型在哪里找到生境和压力源层的GIS数据输入。GIS数据可以是栅格或矢量格式。请看下图中的示例。以下几列是必需的: @@ -509,7 +555,7 @@ Similarly, the user can adjust the importance or “weight” of each criterion. CSV标准分数 ------------------- -标准评分CSV(或Excel)文件将为生境和物种风险评估模型的运行提供所有标准信息。该文件包含了关于在分析中生境和压力源的每个压力源对每个生境的影响(即暴露和后果分数)的信息。在示例数据文件夹中可以找到标准CSV文件的模板。用户可以随意添加或删除特定的标准，并填写从1到3或从1到任何其他值的评分，只要所有标准的比例相同。 +标准分数 CSV 文件将提供运行栖息地和物种风险评估模型的所有标准信息。此文件包含有关分析中栖息地和压力源的每个压力源对每个栖息地的影响（即暴露和后果分数）的信息。可以在示例数据文件夹中找到条件 CSV 文件的模板。用户可以随意添加或删除特定标准，并填写 1 到 3 的评分，或 1 的任何其他值，只要所有标准的评分都相同。 .. 此图与示例数据中提供的表相同。 它太大太复杂，无法格式化成csv-table，所以我把它作为图形保存。 @@ -547,9 +593,9 @@ CSV标准分数 1. 使用重叠压力源的实际最大数量。例如，如果你有8个压力源，但在任何一个像素上重叠最多的是5个，那么你可以输入5个。 -2. 你可以做一个叠加分析，看看在你的研究领域中，最常见的重叠压力源的数量是多少。例如，如果你有8个压力源，但通常只有2个重叠，你可以输入2个。 +2. 可以做一个叠加分析，看看研究领域中，最常见的重叠压力源的数量是多少。例如，如果你有8个压力源，但通常只有2个重叠，你可以输入2个。 -3. 你可以做一个敏感性分析，用一系列可能的数字运行模型几次。理想情况下，你可以选择一个，并根据这些生境健康状况的经验数据，使用统计测试来验证HRA模型的输出，然后相应地调整数字。请注意，InVEST Python API非常适合进行这种敏感性分析。 +3. 可以做一个敏感性分析，用一系列可能的数字运行模型几次。理想情况下，可以选择一个，并根据这些生境健康状况的经验数据，使用统计测试来验证HRA模型的输出，然后相应地调整数字。请注意，InVEST Python API非常适合进行这种敏感性分析。 .. _hra-interpreting-results: @@ -557,7 +603,7 @@ CSV标准分数 结果说明 ==================== -风险评估结果可用于探索减少特定生境对特定活动的暴露的策略，例如减少活动的范围或改变活动的位置。该模型为每个生境生成风险摘要，比较分区域范围内所有活动的后果和暴露分数(**SUMMARY_STATISTICS.CSV**)。这些帮助用户理解通过管理行动减少特定活动的风险是否可能降低风险，或者风险是否由后果驱动，这很难通过管理行动来扰乱(参见上面的图1)。 +风险评估结果可用于探索减少特定生境对特定活动的暴露的策略，例如减少活动的范围或改变活动的位置。该模型为每个生境生成风险摘要，比较分区域范围内所有活动的后果和暴露分数(**SUMMARY_STATISTICS.CSV**)。这些帮助用户理解通过管理行动减少特定活动的风险是否可能降低风险，或者风险是否由后果驱动，这很难通过管理行动来扰乱(参见上图1)。 模型输出 ------------- @@ -647,18 +693,15 @@ CSV标准分数 -附录 -======== - -生境风险评估结果与生态系统服务模型的连接 ----------------------------------------------------------------------- +附录1：生境风险评估结果与生态系统服务模型的连接 +================================================== -除了提供管理工具和见解外，HRA/SRA是将众多压力源与生态系统服务变化联系起来的一个不可或缺的步骤。InVEST生态系统服务模型将生境的位置或质量作为决定服务提供的一个因素，并且可以根据风险结果对服务模型的输入进行修改。例如，海岸的脆弱性取决于海岸生境的存在以及这些生境衰减海浪的能力。如果这些沿海生境处于高风险中，它们衰减海浪的能力可能会降低。伯利兹海岸带管理管理局和研究所(CZMAI)和自然资本项目的科学家们展示了将HRA和生态系统服务模式联系起来的可能性，他们使用HRA和三个InVEST生态系统服务模式为该国设计了一个综合海岸带管理计划。为了估计生态系统服务的空间变化和变化，他们首先量化了三种生境的分布、丰度和其他特征的变化:珊瑚礁、红树林和海草床。他们首先进行了HRA分析，以确定哪些生境和哪些地方因当前和未来三种情景的人类活动累积影响而退化的风险最大(Arkema et al. 2014)。该分析生成了沿海地区和海域生境退化高风险、中等风险和低风险的地图。Arkema等人2015年使用这些地图估算了在每种情景下能够提供生态系统服务的功能性生境的面积。在高海拔和中等海拔地区，他们分别假设0%和50%的现有生境能够提供服务;在低风险地区，他们认为所有生境都是功能性的(Arkema et al. 2015)。 +除了提供管理工具和见解外，HRA/SRA是将众多压力源与生态系统服务变化联系起来的一个不可或缺的步骤。InVEST生态系统服务模型将生境的位置或质量作为决定服务提供的一个因素，并且可以根据风险结果对服务模型的输入进行修改。例如，海岸的脆弱性取决于海岸生境的存在以及这些生境衰减海浪的能力。如果这些沿海生境处于高风险中，它们衰减海浪的能力可能会降低。伯利兹海岸带管理管理局和研究所(CZMAI)和自然资本项目的科学家们展示了将HRA和生态系统服务模式联系起来的可能性，他们使用HRA和三个InVEST生态系统服务模式为该国设计了一个综合海岸带管理计划。为了估计生态系统服务的空间变化和变化，他们首先量化了三种生境的分布、丰度和其他特征的变化:珊瑚礁、红树林和海草床。他们首先进行了HRA分析，以确定哪些生境和哪些地方因当前和未来三种情景的人类活动累积影响而退化的风险最大(Arkema等，2014)。该分析生成了沿海地区和海域生境退化高风险、中等风险和低风险的地图。Arkema等使用这些地图估算了在每种情景下能够提供生态系统服务的功能性生境的面积。在高海拔和中等海拔地区，他们分别假设0%和50%的现有生境能够提供服务;在低风险地区，他们认为所有生境都是功能性的(Arkema 等，2015)。 -在另一个不使用InVEST生态系统服务模型的例子中，在新罕布什尔州的大海湾，NOAA海岸管理办公室和其他机构(Pinsky et al. 2013)在HRA分析中确定的鳗草、盐沼和牡蛎养殖场当前和估计的未来风险与休闲捕鱼、休闲牡蛎捕捞和商业水产养殖的损失相关，使用利益转移方法对恢复规划和水产养殖选址产生影响。当与估计生境引起的生态系统服务变化的模型结合使用时，HRA可以帮助评估人类活动和生态系统为人类提供的利益之间的权衡。 +在另一个不使用InVEST生态系统服务模型的例子中，在新罕布什尔州的大海湾，NOAA海岸管理办公室和其他机构(Pinsky 等，2013)在HRA分析中确定的鳗草、盐沼和牡蛎养殖场当前和估计的未来风险与休闲捕鱼、休闲牡蛎捕捞和商业水产养殖的损失相关，使用利益转移方法对恢复规划和水产养殖选址产生影响。当与估计生境引起的生态系统服务变化的模型结合使用时，HRA可以帮助评估人类活动和生态系统为人类提供的利益之间的权衡。 -与InVEST生境质量模型的比较 ------------------------------------------- +附录2：与InVEST生境质量模型的比较 +================================================== InVEST HRA/SRA模型与InVEST生境质量模型相似，这两个模型都允许用户识别景观或海景中人类影响最大的区域。生境质量模型旨在用于评估人类活动如何影响生物多样性，而HRA模型更适合于筛查当前和未来人类活动的风险，以优先考虑最能减轻风险的管理战略。 @@ -700,7 +743,6 @@ Halpern, B. S., Walbridge, S., Selkoe, K. A., Kappel, C. V., Micheli, F., D'Agro Halpern BS, Frazier M, Potapenko J, Casey KS, Koenig K, Longo C, et al. Spatial and temporal changes in cumulative human impacts on the world’s ocean. Nat Commun. 2015;6: 7615. doi:10.1038/ncomms8615 Hobday, A. J., Smith, A. D. M., Stobutzki, I. C., Bulman, C., Daley, R., Dambacher, J. M., Deng, R. A., et al. 2011. Ecological risk assessment for the effects of fishing. Fisheries Research, 108: 372-384. - Ma, S., Duggan, J. M., Eichelberger, B. A., McNally, B. W., Foster, J. R., Pepi, E., … Ziv, G. (2016). Valuation of ecosystem services to inform management of multiple-use landscapes. Ecosystem Services, 19, 6–18. https://doi.org/10.1016/j.ecoser.2016.03.005 NOAA OCM 2016. How people benefit from New Hampshire’s Great Bay estuary. A collaborative assessment of the value of ecosystem services and how our decision might affect those values in the future. [Internet]. NOAA Office for Coastal Management, New Hampshire Department of Environmental Services Coastal Program, and Eastern Research Group, Inc.; 2016. Available: https://www3.epa.gov/region1/npdes/schillerstation/pdfs/AR-390.pdf diff --git a/source/zh/sdr.rst b/source/zh/sdr.rst index 0381e8a9..fa0eface 100644 --- a/source/zh/sdr.rst +++ b/source/zh/sdr.rst @@ -10,20 +10,6 @@ SDR: 泥沙输移比例模型 InVEST模型泥沙输移比例模块（SDR）的作用是描述坡面土壤侵蚀和流域输沙空间过程。全球范围的水文观测站对径流产沙量变化的监测，对河流水质控制和水库管理具有重大意义（UNESCO，2009）。水资源管理者十分重视自然景观防止泥沙淤积的生态系统服务功能，了解流域泥沙来源和输移过程有利于决策者制定减少径流含沙量的战略和措施，有利于下游农业灌溉、给水处理、水上游憩、水库生产的良性运转。这些影响可以通过将InVEST SDR模型的输出结果与缓解成本、替代成本或支付意愿等信息结合起来进行经济评估。 -SDR模型近期变化 -=============================== - -InVEST 3.12.0 版对SDR模型进行了几处重大修改，以提高其可用性、透明度和准确性。这里总结了这些变化，并在本章的相关章节和方程中进一步描述。 - -* 术语 "deposition" 已改为 "trapping", 中间参数 :math:`R` 已改为 :math:`T`,以避免与USLE中使用的R因子相混淆。 - -* 中间参数 :math:`R` (先更新为 :math:`T`, trapping) and :math:`F` (flux) 的计算已更新。之前, :math:`R` 和 :math:`F` 的计算方法是，从一个栅格单元中侵蚀出来的沉积物（根据修订的通用土壤损失方程式RUSLE计算）可以被同一栅格单元上的植被捕获。这在概念上是不一致的：植被对于减少侵蚀和径流沉积物的作用已经体现在RUSLE的C因子中（Wischmeier and Smith，1978）。如果允许在同一栅格单元上立即捕获沉积物，这相当于重复计算植被的作用。在更新的计算中，所有从一个栅格单元中侵蚀出来的沉积物都会流向下一个下坡的栅格单元，在那里它可以被截留或者继续向下流动。*相对于以前的模型表述，这一变化不会影响对任何特定情况下的水质估计。然而，它将导致在景观上提供泥沙滞留服务的地方归属发生一些变化*。 - -* 增加了两个新的输出结果("避免侵蚀" 和 "避免输沙"), 明确地量化了景观的泥沙滞留服务。以前，不清楚哪一个输出结果或输出结果的组合应被用于评价生态系统服务。 - -* 两个沉积物滞留指数已被删除(*sed_retention.tif* 和 *sed_retention_index.tif*)。这些只是指数（而没有量化），它们的效用并不明确，特别是在新输出结果的背景下。 - - 简介 ============ @@ -37,12 +23,32 @@ InVEST SDR 模型只关注陆上侵蚀，不模拟沟渠、河岸或大规模侵 .. figure:: ../en/sdr/sediment_budget.png -图1. 集水区泥沙输移与计算过程，箭头相对大小变化取决于环境特征。InVEST模型着重分析地表过程。 +*图1. 集水区泥沙输移与计算过程，箭头相对大小变化取决于环境特征。InVEST模型着重分析地表过程。* 模型 ========= +SDR模型的最新变化 +------------------------------- + +SDR模型从InVEST 3.12.0版本开始进行了几次重大修订，目的是提高其可用性、透明度和准确性。这些变化总结如下，在本章的相关章节和方程中也会进一步阐述。 + +*术语“沉积”已更改为“捕获”，中间参数:math:`R`已更改为:math:`T`，以避免与USLE中使用的R因子混淆。 + +* 更新了中间参数:math:`R`（现更新为:math:`T`，trapping）和:math:`F`（flux）的计算。以前，:math:`R`和:math:`F`是这样计算er0-]的：从一个像素点侵蚀出来的沉积物（用修订的通用土壤流失方程或 RUSLE 计算）可以被同一像素点上的植被截留。这在概念上是不一致的：RUSLE的C系数已经反映了植被在减少侵蚀和沉积物径流方面的作用（Wischmeier, Smith 1978）。如果允许在同一像素上立即截留沉积物，就等于重复计算了植被的作用。通过更新的计算，所有从一个像素被侵蚀的沉积物都进入下一个下坡像素，在那里它们要么被截留，要么继续向下坡流动。*与前模型相比，这一变化不会影响任何特定情况下的水质估算。因此，您在使用时可能会生成与前版本InVEST不同的结果。 + +* 新增了两项输出（"避免侵蚀 "和 "避免输沙"），明确量化了沉积物对景观的保留作用。过去人们不清楚应使用哪个模型输出或输出组合来评估生态系统服务的价值。 + +* 删除了两个旧有的沉积物滞留指数（*sed_retention.tif* 和 *sed_retention_index.tif*）。这些只是指数（而非数量），用于新输出时其效用尤其不明确。 + +从InVEST 3.14.0版开始，我们对SDR模型做了两处额外的修改，使其LS因子输出与文献更好地保持一致，但也因此显著改变了 SDR 模型的许多输出。我们预计，这一改动将使 LS 因子的输出结果对许多用户来说更加真实。 + +* LS 因子的纵向长度现计算方法为弧度斜率的函数 :math:`\alpha`, :math:`|\sin\alpha| + |\cos\alpha|`，而不是流入像素的比例流量的加权平均值。 + +* LS 因子的上游贡献面积现计算方法为具体汇水面积的近似值，:math:`sqrt{n\_upstream\_pixel \cdot pixel\_area}`，而不是上游的绝对面积。这一变化与 LS 因子方程（以及 USLE）开发和参数化所针对的一维情况一致，USLE 中的 "上游面积 "不是实际面积，而是长度。如此，InVEST SDR 的这一改动产生了更真实的结果，并与文献和其他软件包中采用的 LS 方法更加一致。有关这一改动的完整讨论，请参阅 "InVEST 开发记录 `_"。 + + 输沙运移 ----------------- @@ -83,20 +89,19 @@ InVEST SDR 模型只关注陆上侵蚀，不模拟沟渠、河岸或大规模侵 .. math:: S = \left\{\begin{array}{lr} - 10.8\cdot\sin(\theta)+0.03, & \text{where } \theta < 9\% \\ - 16.8\cdot\sin(\theta)-0.50, & \text{where } \theta \geq 9\% \\ + 10.8\cdot\sin(\theta)+0.03, & \text{where } theta < 9\% \\ + 16.8\cdot\sin(\theta)-0.50, & \text{where } theta \geq 9\% \\ \end{array}\right\} - - * :math:`A_{i-in}` 表示栅格径流入口以上产沙区域面积 (:math:`m^2`) 由多流向算法计算得出 + * :math:`A_{i-in}`是对具体汇水面积的估计，计算公式为 :math:`sqrt{n\_upstream\_pixel \cdot pixel\_area}`。 * :math:`D` 表示栅格尺寸 (:math:`m`) - * :math:`x_i` 表示泥沙输移比例的加权平均值 :math:`i` 通过多流向算法计算。计算公式为 + * :math:`x_i` 是像素的长:math:`i`，计算公式为 - .. math:: x_i = \sum_{d\in{\{0,7\}}} x_d\cdot P_i(d) + .. math:: x_i = | \sin \alpha_i | + | \cos \alpha_i | - 式中:math:`x_d = |\sin \alpha(d)| + |\cos \alpha(d)|`, :math:`\alpha(d)` 是 :math:`d` 的输沙方向, and :math:`P_i(d)` 是栅格单元 :math:`i` 在方向 :math:`d` 上的总输沙比例。 + 式中: math:`\alpha_i` 是像素 :math:`i` 以弧度计量的角度。 * :math:`m` 表示RUSLE长度指示因子。 @@ -134,7 +139,8 @@ Renard 等，1997）。 .. figure:: ../en/sdr/connectivity_diagram.png -图 2. 模型使用概念方法。每个栅格单元的泥沙输移比（SDR）是上坡面积和下坡流动路径之间的函数。| +*图 2. 模型使用概念方法。每个栅格单元的泥沙输移比（SDR）是上坡面积和下坡流动路径之间的函数。* +| 坡度因子 :math:`S_{th}` 和植被覆盖和作物管理因子 :math:`C_{th}` 的阈值永远计算 :math:`D_{up}` 和 :math:`D_{dn}`。设定一个下限以避免 :math:`IC` 的无限值。上限也适用于坡度，以限制由于陡坡上的 :math:`IC` 值非常高而产生的偏差 (Cavalli et al., 2013)。 @@ -178,7 +184,7 @@ Renard 等，1997）。 .. figure:: ../en/sdr/ic0_k_effect.png -图3. 空间连接指数 IC 和泥沙输移比 SDR 相互关系。𝑆𝐷𝑅最大值设定为 :math:`SDR_{max}=0.8`, 校准参数 :math:`k_b=1` 和 :math:`k_b=2` (分别表示实线和虚线）；:math:`IC_0=0.5` 和:math:`IC_0=2` (分别为黑色和灰色虚线）。 +*图3. 空间连接指数 IC 和泥沙输移比 SDR 相互关系。𝑆𝐷𝑅最大值设定为 :math:`SDR_{max}=0.8`, 校准参数 :math:`k_b=1` 和 :math:`k_b=2` (分别表示实线和虚线）；:math:`IC_0=0.5` 和:math:`IC_0=2` (分别为黑色和灰色虚线）。* | 输沙量 @@ -245,7 +251,7 @@ Renard 等，1997）。 .. figure:: ../en/sdr/SDR_connectivity_indices.png :scale: 25 % -图 4. 说明相关的沉积物侵蚀和沉积过程，它们在空间上的相互联系，以及它们在模型中的表现。在没有植被的情况下，一个栅格可能被侵蚀的最大泥沙量被定义为USLE值（RKLS）。该值与土地覆盖和管理下的实际侵蚀量（RKLSCP）之间的差异表明这些地方因素对避免侵蚀的作用。在离开一个栅格（RKLSCP）的泥沙中，只有一部分（SDR）到达下坡溪流。其余的（:math:`RKLSCP*(1-SDR)`）被保留在下游的栅格上。因此，植被的作用是双重的：（1）避免局部侵蚀；（2）截留上坡的泥沙。底部的方框表示侵蚀的沉积物的潜在去向。 +*图 4. 说明相关的沉积物侵蚀和沉积过程，它们在空间上的相互联系，以及它们在模型中的表现。在没有植被的情况下，一个栅格可能被侵蚀的最大泥沙量被定义为USLE值（RKLS）。该值与土地覆盖和管理下的实际侵蚀量（RKLSCP）之间的差异表明这些地方因素对避免侵蚀的作用。在离开一个栅格（RKLSCP）的泥沙中，只有一部分（SDR）到达下坡溪流。其余的（:math:`RKLSCP*(1-SDR)`）被保留在下游的栅格上。因此，植被的作用是双重的：（1）避免局部侵蚀；（2）截留上坡的泥沙。底部的方框表示侵蚀的沉积物的潜在去向。* | | @@ -257,17 +263,17 @@ Renard 等，1997）。 * **避免侵蚀** - 植被对减少侵蚀的贡献。换句话说，首先要重视避免侵蚀发生的植被。这可用于从当地土壤流失的角度量化生态系统服务。计算公式为 -.. math:: AER_i = RKLS_i - USLE_i +　.. math:: AER_i = RKLS_i - USLE_i :label: aer_i -式中 :math:`AER_i` 是栅格 :math:`i`上避免的侵蚀量, :math:`RKLS_i` 和 :math:`USLE_i` 之间的区别代表植被和良好管理实践的好处，因为RKLS相当于USLE减去C和P因子。 +　式中 :math:`AER_i` 是栅格 :math:`i`上避免的侵蚀量, :math:`RKLS_i` 和 :math:`USLE_i` 之间的区别代表植被和良好管理实践的好处，因为RKLS相当于USLE减去C和P因子。 * **避免输沙** - 植被对减少栅格侵蚀的贡献，以及捕获来自上坡的沉积物，使它们都不会向下进入河流。这也可以被认为是保留在栅格上的总沉积物。*避免输沙* 表示从下游角度考虑生态系统服务，计算为 -.. math:: AEX_i = (RKLS_i - USLE_i) \cdot SDR_i + T_i +　.. math:: AEX_i = (RKLS_i - USLE_i) \cdot SDR_i + T_i :label: aex_i -式中 :math:`AEX_i` 是该栅格提供的总泥沙沉积量，包括栅格内侵蚀源和上坡侵蚀源。通过滞留这些沉积物，它有助于减少流向河流的沉积物。与*避免侵蚀*一样， :math:`RKLS_i` 和:math:`USLE_i` 之间的差异表示植被和良好管理实践的好处，并将其乘以泥沙输送比:math:`SDR_i` 量化了未进入河流的侵蚀量。最后，:math:`T_i` 是被滞留在栅格上的上坡沉积物量，也防止它进入河流。 +　式中 :math:`AEX_i` 是该栅格提供的总泥沙沉积量，包括栅格内侵蚀源和上坡侵蚀源。通过滞留这些沉积物，它有助于减少流向河流的沉积物。与*避免侵蚀*一样， :math:`RKLS_i` 和:math:`USLE_i` 之间的差异表示植被和良好管理实践的好处，并将其乘以泥沙输送比:math:`SDR_i` 量化了未进入河流的侵蚀量。最后，:math:`T_i` 是被滞留在栅格上的上坡沉积物量，也防止它进入河流。 有关这些指标的更多信息，请参见以下部分：ref:`evaluating_sed_ret_services`. @@ -301,11 +307,18 @@ Renard 等，1997）。 指定产沙区域 ^^^^^^^^^^^^^^^^^^^^^^^ -SDR和其他几个模型输出是根据到河流的距离 (:math:`d_i`)定义的。因此，这些输出仅定义为流向地图上的河流的栅格(因此在河流的分水岭内)。没有引流到任何河流的栅格将在这些输出中具有NoData值。受影响的输出文件为: **d_dn.tif**, **ic.tif**, **e_prime.tif**, **sdr_factor.tif**, **sediment_deposition.tif**, **avoided_erosion.tif**, and **sed_export.tif**. +模型在输出层中产生数值的区域主要有三个方面： + * 结果仅限于流域矢量输入所覆盖的区域。 + * 只能在所有输入栅格都有有效值的像素中计算结果。如果任何输入栅格在像素中的值为 NoData，那么结果也将在该像素中为 NoData。 + * 与溪流网络距离有关的结果（如 SDR 和其他基于 SDR 的结果），只计算向溪流排水的像素。 + +SDR和其他几个模型输出是根据到河流的距离 (:math:`d_i`)定义的。因此，这些输出只针对流向流（输出 **stream.tif**）的像素，由阈值流累积和作为输入的 DEM 定义。没有引流到任何河流的栅格将在这些输出中具有NoData值。受影响的输出文件为: **d_dn.tif**, **ic.tif**, **e_prime.tif**, **sdr_factor.tif**, **sediment_deposition.tif**, **avoided_erosion.tif**, and **sed_export.tif**. -如果在这些输出中看到无法用输入中缺失的数据解释的NoData区域，很可能是因为它们在水文上没有与地图上的河流相连。如果您的DEM有错误，或地图边界没有扩展到足够远的范围以包括该流域的河流，或者如果您的阈值流量累积值过高，无法识别河流，就可能发生这种情况。您可以通过检查中间输出**what_drains_to_stream.tif**来确认这一点，该输出指示哪些栅格是河流。检查输出(**stream.tif**)，并确保它与现实世界中的河流尽可能紧密地对齐。有关更多信息，请参见本用户指南的:ref:`working-with-the-DEM` 部分。 +如果在这些输出中看到无法用输入中缺失的数据解释的NoData区域，很可能是因为它们在水文上没有与地图上的河流相连。如果您的DEM有错误，或地图边界没有扩展到足够远的范围以包括该流域的河流，或者如果您的阈值流量累积值过高，无法识别河流，就可能发生这种情况。您可以通过检查中间输出**what_drains_to_stream.tif**来确认这一点，该输出指示哪些像素流向河流。检查输出(**stream.tif**)，并确保它与现实世界中的河流尽可能紧密地对齐。有关更多信息，请参见本用户指南的:ref:`working-with-the-DEM` 部分。 -**示例:** 下面是一个例子，说明阈值流量积累对确定范围的影响，在一个有多个流域，但在水文上没有连接的地区。在地图区域内，你可以看到一个从西北流向东南的连通的溪流网络，以及沿着地图右侧被切断的3条溪流。在下面的示例映射中，顶部显示河流(**stream.tif** 来自SDR的输出)，而底部显示SDR (**sdr_factor.tif**)。 +**还要注意的是，许多 SDR 结果在有河流的地方会产生 NoData 值**。这是因为模型不包括流内处理，模型计算在到达流时停止，正如**stream.tif**输出栅格所定义的那样。因此，如果您看到自己要解释的NoData值，请将它们与 **stream.tif** 进行比较，看是否匹配。如果匹配，这就是预期行为，没有任何输入可以改变，从而产生定义流内的值。 + +**示例:** 下面是一个例子，说明阈值流量积累对确定范围的影响，在一个有多个流域，但在水文上没有连接的地区。在地图区域内，你可以看到一个从西北流向东南的连通的溪流网络，以及沿着地图右侧被切断的3条溪流。在下面的示例映射中，顶部的白色像素显示河流(**stream.tif** 来自SDR的输出)，而底部显示SDR (**sdr_factor.tif**)。*注意 SDR 栅格中的黑色像素，它们是NoData像素，因为它们位于流网络内。 在左列中，TFA值为100，表示左下和右上流域都存在河流。SDR栅格在所有定义输入的地方都有定义，除了右边缘的一小块不引流到任何流之外。 @@ -314,21 +327,8 @@ SDR和其他几个模型输出是根据到河流的距离 (:math:`d_i`)定义的 .. figure:: ../en/sdr/example_different_tfa_effects.png :scale: 50 % -图 5. 阈值流量累积参数对输出映射范围影响的示例。 - - -限制 ------------ +*图 5. 阈值流量累积参数对输出映射范围影响的示例。* - * 模型使用通用土壤流失方程USLE（Renard等，1997）。USLE方程应用范围广 泛，其坡度因子计算预测建立在缓坡资料上，主要用来预测不同作物系统的片 蚀、沟蚀和沟间侵蚀而不能用来预测沟谷侵蚀，河岸侵蚀和重力侵蚀。Wilkinson 等（2014）对沟谷侵蚀和河岸侵蚀做了详细描述，并提供了可行的建模方法。大规模移动(滑坡)没有在模型中表示，但在某些地区或在某些土地使用变化(如道路建设)下，可能是一个重要的来源。 - - * 推论一：对生态系统服务（及所有后效评价）的影响评价应当包括模型中不同 泥沙来源占泥沙收支平衡的相对比例(详见 :ref:`evaluating_sed_ret_services`). - - * 推论二： USLE方程作为针对美国地区土壤流失的经验公式，诸多研究案例证 明其在其他地区适用范围有限——即便是只针对片蚀和沟蚀（REF）。根据当地 实际情况，用户可以结合区域研究成果，通过适当调整R因子，K因子，C因子，P因子取值，修正模型土壤流失方程（Sougnez等，2011） - - * 模型结果受非物理参数k和IC0影响很大。许多关于InVEST模型使用的建模方法的最新研究（Cavalli等，2013；Lopez-vicente等，2013 Sougnez等，2011；Vigiak等，2012）提供了该参数的设置指导，但进行模型结果绝对值分析时，用户应该了解这个限制因素。 - - * 使用简化模型和较少参数进行分析时，输出结果受大多数输入指标的影响非常 大。因在USLE方程的经验参数误差会对预测结果有很大影响。建议使用模型 敏感性分析，以便查明输入参数的置信区间如何影响研究结论。 .. _differences-SDR-Borselli: @@ -346,10 +346,7 @@ InVEST模型和Borselli模型的主要区别如下： .. _evaluating_sed_ret_services: 生态系统减少泥沙淤积服务评价 -====================================== - -生态系统减少泥沙淤积服务 ---------------------------- +-------------------------------------- 为了评估你感兴趣地区的减少泥沙淤积服务，提供了两项结果: @@ -410,6 +407,20 @@ InVEST模型和Borselli模型的主要区别如下： 经济和金融分析通常还是用多种折现方式体现货币、收益和资源利用的时间价值。 ―按最小计算‖的未来收益和成本比直接使用单签收益和成本的结果更精 确。使用经济和金融分析方法进行计算式还应当注意，SDR模型代表稳定状态条件下的影响，包括两层含义：第一，用户应当认识到进行影响评价时，收益需要一定时间才能达到稳定状态，而成本一直保持稳定状态；第二，使用年平均值表示如果涉及短期非线性成本或收益函数时，应当进行结果转化（有条件情况下），或将InVEST模型输出结果同其他统计分析相比较，表示重要的年内和年际变化。 +局限与简化 +=============================== + + * 该模型的主要局限性之一是依赖 USLE（Renard 等人，1997 年）。该方程被广泛使用，但范围有限，仅代表陆上（溪流/溪间）侵蚀过程。沉积物的其他来源包括沟谷侵蚀、河岸侵蚀、山体滑坡或岩崩造成的大量流失以及冰川侵蚀。Wilkinson 等人在 2014 年对沟壑和河岸侵蚀过程进行了详细描述，并提供了可能的建模方法。大规模移动（滑坡）未在模型中体现，但在某些地区或某些土地利用变化（如道路建设）情况下，可能是一个重要来源。 + + * 一个推论是，在描述对生态系统服务的影响（以及任何后续估值）时，应考虑模型中的沉积物来源与总沉积物预算的相对比例（见 :ref:`evaluating_sed_ret_services` 部分）。 + + * 此外，作为一个在美国开发的经验方程，USLE 在其他地区的表现有限--即使是在关注陆上侵蚀的情况下。根据当地知识，用户可以通过改变 R、K、C、P 输入来修改模型中的土壤流失方程，以反映当地的研究结果（Sougnez 等人，2011 年）。 + +* 该模型对 *k* 和 *IC0* 参数非常敏感，这些参数并非基于物理。有关 InVEST 模型所用建模方法的新兴文献（Cavalli 等人，2013 年；López-vicente 等人，2013 年；Sougnez 等人，2011 年；Vigiak 等人，2012 年）为设置这些参数提供了指导，但用户在解释模型的绝对值时应注意这一局限性。 + + * 由于模型简单，参数数量少，输出结果对大多数输入参数非常敏感。因此，USLE 方程中经验参数的误差会对预测结果产生很大影响。建议进行敏感性分析，研究输入参数的置信区间对研究结论的影响。 + + 数据需求 ========== @@ -417,6 +428,8 @@ InVEST模型和Borselli模型的主要区别如下： .. note:: 栅格输入可能有不同的栅格大小，它们将被重新采样以匹配DEM的栅格大小。因此，所有模型结果都将具有与DEM相同的栅格大小。 +.. note:: 计算结果只会在*所有输入栅格都有有效值的像素中产生。如果任何输入栅格在某个像素中的值为 NoData，那么结果也将在该像素中为 NoData。 + - :investspec:`sdr.sdr workspace_dir` - :investspec:`sdr.sdr results_suffix` @@ -452,8 +465,11 @@ InVEST模型和Borselli模型的主要区别如下： 运行结果 --------------------- -输出栅格的分辨率将与作为输入提供的DEM的分辨率相同。 +==================== + +.. note:: 许多 SDR 输出栅格在有数据流的地方都有 NoData 值。这是有意为之--更多信息请参阅本章 "输出的定义区域 "一节。 + +.. note:: 输出栅格的分辨率将与作为输入提供的 DEM 的分辨率相同。 * **[工作空间]** 文件夹: @@ -615,13 +631,11 @@ InVEST模型和Borselli模型的主要区别如下： 土壤可蚀性因子由土壤质地、土壤剖面、土壤有机碳和土壤渗透性决定。取值从 代表最疏松土壤70/100到代表最紧实土壤10/100（国际制）。直接测定土壤可蚀性在标准径流小区条件下进行，标准径流小区是22.2米长，沿斜坡方向坡度9%，三年内未种植任何作物。 -土壤-地形数字化数据库计划（SOTER）也提供相关数： (https://data.isric.org:443/geonetwork/srv/eng/catalog.search). 他们提供了一些特定地区的土壤数据库，以及全球的土壤网格。 -联合国粮农组织（FAO）还提供全球土壤数据，但精度比较粗糙: https://webarchive.iiasa.ac.at/Research/LUC/External-World-soil-database/HTML/, but it is rather coarse. - -在美国，可从美国农业部的NRCS gSSURGO、SSURGO和gNATSGO数据库中免费获得土壤数据: https://www.nrcs.usda.gov/wps/portal/nrcs/main/soils/survey/geo/。他们还提供ArcGIS工具(SSURGO的土壤数据查看器和gNATSGO的土壤数据开发工具箱)，帮助将这些数据库处理成可被模型使用的空间数据。土壤数据开发工具箱是最容易使用的，如果您使用ArcGIS并需要处理美国土壤数据，强烈推荐使用它。 +欧洲土壤数据中心 (ESDAC) 提供了一个全球土壤侵蚀数据集，其中包含一个全球侵蚀性（Kfactor）图层，但该图层较粗糙，分辨率为 25 千米。https://esdac.jrc.ec.europa.eu/content/global-soil-erosion。他们还为欧洲大部分地区提供了更详细的侵蚀性图层：https://esdac.jrc.ec.europa.eu/content/soil-erodibility-k-factor-high-resolution-dataset-europe。 -注意土壤可蚀性因子K为英制单位，乘以0.1317后转换为国际制单位 :math:`ton\cdot ha\cdot hr\cdot (ha\cdot MJ\cdot mm)^{-1}`，详细转换方法参考美国农业部（USDA）改进通用土壤流失方程（RUSLE）说明书（Renard等，1997）。 +土壤-地形数字化数据库计划（SOTER）也提供相关数： (https://data.isric.org:443/geonetwork/srv/eng/catalog.search). 他们提供了一些特定地区的土壤数据库，以及全球的土壤网格。(https://www.isric.org/explore/soilgrids）。他们不提供已编制好的侵蚀性地图，但可以使用沙/淤泥/粘土/有机物等栅格来计算侵蚀性。可用于计算侵蚀性的方程有多种，需要不同类型的输入数据。请参阅下面的几个示例。 +以下公式可用于计算 K（Renard 等，1997）： .. math:: K = \frac{2.1\cdot 10^{-4}(12-a)M^{1.14}+3.25(b-2)+2.5(c-3)}{759} :label: k @@ -640,6 +654,10 @@ Johnson和Cross的方法（Roose，1996），即通过土壤质地和有机质 **本表土壤可蚀性值(K)为美国常用单位，需按上述0.1317换算。** 值基于OMAFRA的情况说明。土壤质地分类可从粮农组织土壤描述指南中得出 (FAO, 2006, 图 4)。 +美国的免费土壤数据可从美国农业部的 NRCS gSSURGO、SSURGO 和 gNATSGO 数据库获取：https://www.nrcs.usda.gov/wps/portal/nrcs/main/soils/survey/geo/。他们还提供 ArcGIS 工具（用于 SSURGO 的土壤数据查看器和用于 gNATSGO 的土壤数据开发工具箱），帮助将这些数据库处理为模型可使用的空间数据。土壤数据开发工具箱最容易使用，如果您使用 ArcGIS 并需要处理美国土壤数据，强烈推荐使用该工具箱。 + +注意土壤可蚀性因子K为英制单位，乘以0.1317后转换为国际制单位 :math:`ton\cdot ha\cdot hr\cdot (ha\cdot MJ\cdot mm)^{-1}`，详细转换方法参考美国农业部（USDA）改进通用土壤流失方程（RUSLE）说明书（Renard等，1997）。 + 水体不属于任何土地利用类型，其土壤可蚀性因子K取值为0，即假设水体中无土 壤侵蚀。 @@ -722,6 +740,7 @@ Pelletier, J.D., 2012. A spatially distributed model for the long-term suspended Renard, K., Foster, G., Weesies, G., McCool, D., Yoder, D., 1997. Predicting Soil Erosion by Water: A Guide to Conservation Planning with the revised soil loss equation. Renard, K., Freimund, J., 1994. Using monthly precipitation data to estimate the R-factor in the revised USLE. J. Hydrol. 157, 287–306. + Roose, 1996. Land husbandry - Components and strategy. Soils Bulletin 70. Rome, Italy. Schmitt, R.J.P., Bizzi, S., Castelletti, A., 2016. Tracking multiple sediment cascades at the river network scale identifies controls and emerging patterns of sediment connectivity. Water Resour. Res. 3941–3965. https://doi.org/10.1002/2015WR018097 @@ -731,3 +750,5 @@ Sougnez, N., Wesemael, B. Van, Vanacker, V., 2011. Low erosion rates measured fo Vigiak, O., Borselli, L., Newham, L.T.H., Mcinnes, J., Roberts, A.M., 2012. Comparison of conceptual landscape metrics to define hillslope-scale sediment delivery ratio. Geomorphology 138, 74–88. Wilkinson, S.N., Dougall, C., Kinsey-Henderson, A.E., Searle, R.D., Ellis, R.J., Bartley, R., 2014. Development of a time-stepping sediment budget model for assessing land use impacts in large river basins. Sci. Total Environ. 468-469, 1210–24. + +Wischmeier W.H., Jonhson C.B. and Cross B.V. 1971. A soil erodibility nomograph for farmland and construction sties. J. Soil and Water Conservation 26(5): 189-192. diff --git a/source/zh/stormwater.rst b/source/zh/stormwater.rst index d83a8ebf..8b910509 100644 --- a/source/zh/stormwater.rst +++ b/source/zh/stormwater.rst @@ -1,11 +1,11 @@ .. _stormwater: -*********************************************** -城市暴雨滞留模型 -*********************************************** +************************** +城市暴雨滞留 +************************** -概述 +简介 ==== 规划部门在解决气候变化、洪水风险或人口增长等问题的战略中，越来越多地考虑城市水管理，同时保护环境。InVEST暴雨径流滞留模型可以通过提供与暴雨管理相关的两种生态系统服务的信息来支持这一努力：径流滞留和地下水补给（洪水风险降低在一个单独的InVEST模型中评估，即："城市洪水风险缓解"）。径流滞留有两个方面：径流数量和径流质量。具体来说，它相当于透水土地利用对雨水（降雨-径流）的截留，考虑到被污染的雨水排入河流或海洋的有害影响，这是有益的。地下水补给是一项相关的服务，对应于雨水经过根部区域的渗入，可能为人类和非人类补给地下水。该模型的次要输出是对地表径流的估计，或未被景观保留并与相关营养物或污染物一起输出的雨水部分。城市水资源平衡的这些主要组成部分在 :numref:`hydro-schematic` 中得到了说明。 @@ -229,8 +229,8 @@ .. _Input Guidance: -输入指南 -======== +附录 1：数据来源和参数选择指南 +============================== 径流系数和补给率 ^^^^^^^^^^^^^^^^ @@ -275,8 +275,8 @@ 像生物过滤器、生物滞留池或沼泽这样的单个雨水滞留技术可以用一个独特的LULC类别来表示，其径流系数为负值，相当于它们捕获的汇水径流深度除以该像素上的降水深度。这需要事先知道这些技术措施的集水区。 -附录1：评估滞留系数的调整 -============================ +附录2：评估滞留系数的调整 +========================== **基本原理** 基于栅格的径流建模方法的一个主要问题是，当在流域或研究区尺度内汇总结果时，径流和滞留负荷被计算为每个像素上产生的负荷之和--即假设每个像素上产生的径流进入流域的排水网络，在通过网络时没有机会被滞留。在高度发达的地区，这是一个公平的假设，因为那里的流道长度（即地表径流在进入雨水管道之前的距离）可能不超过像素的大小（美国NLCD/C-CAP中为30米）。这也是SWMM模型为估计径流系数而实施的固有假设，其中所有的径流都直接流向出口。然而，在有大量绿地的地区，如公园、公墓和高尔夫球场，以及可能在城市核心区以外的地区，住宅开发可能不那么密集，所有组成网格单元的 "直接连接 "将导致过度预测的负荷和数量，因为额外的径流滞留可以通过位于透水像素和雨水排放网络之间的透水区域的渗透来提供。此外，缺乏路径也导致无法在暴雨模型中进行任何背景分析；在一个像素（或构成一个感兴趣的地块的像素集合，如高尔夫球场）上产生的径流不会受到其周围土地的影响，也不会对其下游或邻近的像素产生任何影响。有关流域内土地利用的配置或位置对产出没有影响，只有每种土地利用的总量对其有影响。 位于美国明尼苏达州明尼阿波利斯-圣保罗大都会区（"双城 "大都会区，简称TCMA）的18个流域的排放数据被用于测试暴雨滞留模型。这些数据是由一些国家机构收集的，并且是公开可获取使用的。这些地点可按流态和被监测系统的类型进行粗略分类： @@ -306,8 +306,8 @@ :header-rows: 1 -附录2: InVEST与其他模型的区别 -======================================== +附录3: InVEST与其他模型的区别 +============================== 与现有的InVEST产水量模型和营养物质输送率模型相比，暴雨滞留模型主要关注地表径流，而不是总径流（地表和次表层），并经过设计使其可在城市和发展中流域使用。该模型使用广泛可用的卫星衍生栅格数据集，如土地覆盖和高程，以及用户输入的目标子流域或管辖边界的形式来汇总指标（空间数据），并可选择特定地点的径流和水质参数（表格数据）。在这方面，该模型与其他工具非常相似，包括iTree和OpenNSPECT。 diff --git a/source/zh/urban_cooling_model.rst b/source/zh/urban_cooling_model.rst index d790b1e9..a9a80d39 100644 --- a/source/zh/urban_cooling_model.rst +++ b/source/zh/urban_cooling_model.rst @@ -1,11 +1,11 @@ .. _ucm: -******************* -城市降温模型 -******************* +******** +城市降温 +******** 总结 -======= +==== 对于近年来经历了热浪的许多城市来说，城市降温(HM)是优先考虑的问题。植被可以通过提供阴凉、改变城市肌理的热特性和通过蒸散发增加冷却，从而帮助减少城市热岛效应。通过降低死亡率和发病率，提高舒适度和生产力，以及减少对空调(A/C)的需求，这对公民的健康和福祉产生了影响。InVEST城市降温模型根据荫凉度、蒸散和反照率以及与降温岛(如公园)的距离计算了一个减热指数。该指数被用来估计植被的温度降低。最后，该模型使用两种(可选的)估值方法:能源消耗和工作生产率来估算热缓解服务的价值。 @@ -28,9 +28,9 @@ 该模型首先基于局部阴影、蒸散发和反照率计算每个像素的制冷量(CC)指数。该方法基于Zardo等人2017年和Kunapo等人2018年提出的指数，其中我们添加了反照率，这是热量减少的一个重要因素。 荫蔽系数('shade')表示与每个土地利用/土地覆盖(LULC)类别相关的树冠层(≥2米高)的比例。取值为0 ~ 1。 -蒸散发指数(ETI)是潜在蒸散发的归一化值，即植被的蒸散发(或无植被地区的土壤蒸发量)。每个像素的计算方法是:将参考蒸散发(:math:`ET0`，由用户提供)和作物系数(:math:`Kc`，与像素的LULC类型相关)相乘，并除以关注区域的:math:`ET0`栅格的最大值:math:`ETmax`.:。 +蒸散发指数(ETI)是潜在蒸散发的归一化值，即植被的蒸散发(或无植被地区的土壤蒸发量)。每个像素的计算方法是:将参考蒸散发(:math:`ETo`，由用户提供)和作物系数(:math:`Kc`，与像素的LULC类型相关)相乘，并除以关注区域的:math:`ETo`栅格的最大值:math:`ETmax`.:。 -.. math:: ETI = \frac{K_c \cdot ET0}{ET_{max}} +.. math:: ETI = \frac{K_c \cdot ETo}{ET_{max}} :label: eti 注意，这个方程假设植被地区得到充分灌溉(尽管可以降低Kc值来表示水有限的蒸散发)。 @@ -57,6 +57,10 @@ 为了考虑大型绿地(>2 ha)对周边地区的降温效应(见Zardo等人2017年和McDonald等人2016年的讨论)，该模型计算了城市HM指数:如果像素不受任何大型绿地的影响，则HM等于CC，否则设置为大型绿地和感兴趣像素的CC值的距离加权平均值。 +.. note:: + 该模型没有测试绿地是否毗连。因此，搜索距离内的许多小型绿地与搜索距离 + 内相同面积的单个大型绿地对城市热量减缓的效果是一样的。 + 为此，模型首先计算搜索距离内的绿地面积:math:`d_{cool}`围绕每个像素(:math:`GA_i`)，以及每个公园(:math:`CC_{park_i}`)提供的CC: .. math:: {GA}_{i}=cell_{area}\cdot\sum_{j\in\ d\ radius\ from\ i} g_{j} @@ -192,7 +196,7 @@ Gasparrini等人2014年分析了13个国家384个城市因高温导致的死亡 - :investspec:`urban_cooling_model results_suffix` -- :investspec:`urban_cooling_model lulc_raster_path` 该模型将使用该层的分辨率重新采样所有输出。分辨率应该足够小，以捕捉景观中绿色空间的效果，尽管LULC类别可以包括植被和非植被覆盖的混合(例如。“住宅”，树冠盖度可达30%)。 +- :investspec:`urban_cooling_model lulc_raster_path` 该模型将使用该层的分辨率和投影来重新采样和投影所有输出。分辨率应该足够小，以捕捉景观中绿色空间的效果，尽管LULC类别可以包括植被和非植被覆盖的混合(例如。“住宅”，树冠盖度可达30%)。 - :investspec:`urban_cooling_model biophysical_table_path` diff --git a/source/zh/urban_flood_mitigation.rst b/source/zh/urban_flood_mitigation.rst index 71df6112..851b57df 100644 --- a/source/zh/urban_flood_mitigation.rst +++ b/source/zh/urban_flood_mitigation.rst @@ -1,8 +1,8 @@ .. _ufrm: -********************************* -城市洪水风险缓解模型 -********************************* +**************** +城市洪水风险缓解 +**************** 引言 ============ @@ -86,13 +86,14 @@ Runoff volume (also referred to as "flood volume") per :math:`\text{Service.built}` 表示为:math:`currency·m^3`。它只应被视为一项指标，而不是实际的储蓄指标。 局限性和简化 -^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ +============ + **径流产量:** 该模型使用了一个简单的方法(scs -曲线编号)，引入了很高的不确定性。然而，这种方法通常可以很好地捕捉不同土地利用之间的排序，即自然基础设施的影响将在模型输出中定性地表示。未来的工作将旨在包括景观路径:观点包括TOPMODEL(有一个R包)，UFORE(在iTree中使用)，CADDIES等 **评估方法:** 目前采用了一种简单的洪水风险保留价值评估方法，将洪水风险评估为已建基础设施所避免的破坏。可以实施其他方法(例如，与死亡率、发病率或经济混乱有关的方法)。另一个服务指标是受影响人口，即面临洪水风险的人数。这可以只针对弱势群体，例如与年龄、语言等有关的群体。参见Arkema等人，2017年，对社会脆弱性指标的综述。这一指标可以通过把十字路口的人口加起来来计算 数据需求 -========== +======== .. note:: 城市防洪的空间层可能有不同的坐标系，但*它们必须都是投影坐标系*，而不是地理坐标系。 @@ -134,8 +135,8 @@ Columns: - :investspec:`urban_flood_risk_mitigation infrastructure_damage_loss_table_path.columns.type` - :investspec:`urban_flood_risk_mitigation infrastructure_damage_loss_table_path.columns.damage` 任何货币都可以使用 -输出解释 -==================== +结果解释 +======== * **Parameter log**:每当模型运行时，将在工作区中创建一个文本(.txt)文件。该文件将列出该运行的参数值和输出消息，并将根据服务、日期和时间命名。当遇到NatCap关于模型运行中的错误时，请包括参数日志。 diff --git a/source/zh/urban_nature_access.rst b/source/zh/urban_nature_access.rst index 935bb2a6..89ebc01c 100644 --- a/source/zh/urban_nature_access.rst +++ b/source/zh/urban_nature_access.rst @@ -1,7 +1,943 @@ -.. _urban_nature_access: - -************************ +=================== 城市自然空间可达性模型 -************************ +=================== + +总结 +======= + +城市地区的自然环境为娱乐提供了重要的机会。城市自然空间可达模型提供了两种供应的衡量标准城市自然和城市人口对自然的需求，最终计算供需之间的平衡。两个城市自然和种群可以选择性地分为不同的组。供应取决于城市自然的类型、大小、邻近程度和质量，供应是出于娱乐目的的人均可使用量。需求被定义为人均自然空间，符合政策的典型要求或标准。平衡量化了供应满足的个人、行政和城市层面的需求。 + +介绍 +============ + +城市地区的自然环境为娱乐提供了重要的机会，对社会、心理和身体健康都有益处（布拉特曼等人，2019 年，Keeler 等人，2019 年，Remme 等人，2021 年）。正如 Liu 等人（2022）所评论的那样，评估基于自然的娱乐需要理解 i） 城市自然“供应”，这本身取决于可用性和质量，以及 ii） 城市自然“需求”，这取决于关于人们的偏好或政策要求。 + +该InVEST模型遵循Liu等人（2022）中描述的结构，通过评估城市自然和地方的供求关系和供需平衡，指明盈余或赤字的领域（分别为正平衡或负平衡）的城市性质，并尊重政策标准（Liu et al.， 2022）。在这样做时，模型专注于城市地区的自然通道。因为该模型能够对多种类型的城市自然的供给、需求和平衡进行建模，例如作为公园、绿地、湿地和海岸线，这里作为城市自然访问模型。由用户选择在他们的分析中包括城市自然的哪些组成部分。 + +默认模型评估整体城市自然供给、需求和城市总人口的平衡。此外，三个可选 +核心模型的扩展可用于提供更详细的信息 +结果： + +- 城市自然的供给、需求和平衡可以概括为人群中的不同群体（例如，按不同年龄、群体、收入水平、种族或民族等），这可能是对公平考虑很重要。参考 + ：ref：'una-summarize-by-population-groups` + +- 为了更详细地了解城市自然的供应，用户可以选择提供关于多远的更详细的信息，人们可能会通过旅行以使用不同种类的城市自然。例如，人们可能会走得更远去参观与当地口袋公园相比更大型的公园。参考 + ：ref：'una-radii-per-urban-nature-class` + +- 更详细地了解城市自然对不同人群的供应，用户可以选择提供关于不同群体可 +能旅行到多远到达城市自然的信息。例如，拥有汽车的人可能会比依赖公共交通的人到达更远的地方。 +　　请参阅：ref：'una-radii-per-population-group` + +模型 +========= + +该模型根据位置以及城市绿地的数量、人口的分布和数量以及人均需求或人均城市自然空间需求计算城市自然空间可达。以像素表示的城市自然区域 +：math：'j' 表示为 ：math：'S_j'。：math：'S_j' 的值以正方形表示，其中被城市绿地覆盖的像素区域的比例被称为土地利用/土地覆盖（LULC）属性表。 +以像素为单位的人口 +：math：'i' 由 ：math：'P_i' 表示。城市绿地人均需求被指定为 ：math：'g_{cap}'，并且通常基于策略目标。 +这些组件一起用于计算以下三个主要指标，在 ：ref：'una-running-the-default-model' 中更详细地描述： + +- **城市绿地供应：** 城市绿地量供应给居住在像素中的人口 +- **城市自然需求：** 按像素中的人口产生城市绿地需求量 +- **城市自然平衡：** 一个像素中的绿地供应量和人口产生需求量的差异 + +衰减函数 +-------------- + +如果自然区域离他们住所更近，人们会更频繁地使用自然区域（Andkjaer&Arvidsen，2015）。该频率随着距离的增加而降低。这被称为“距离衰减”。该模型描述了城市自然与人口之间的这种距离衰减的衰减函数 ：math：'f\left（ d_{ij} \right）' 其中 ：math：'d_{ij}' 是自然和人口像素之间的距离，并且 ：math：'d_{0}' 是用户定义的搜索自然像素的搜索距离。搜索距离为欧几里得距离（像素 A 和 B之间党的直线距离） 的中心点，并假定为正方形像素。 + +..图：： ./urban_nature_access/decay_function_intro.png + ：align： center + ：figwidth：400px + +该模型提供了各种距离衰减公式，供用户使用选择其中，下面将更详细地定义和说明。 +**二分法**选项处理设置的搜索距离内的所有像素，像素作为平等可访问的。当 +城市自然或绿地政策以在距人们住所的特定距离内一定数量的自然为目标。例如， +荷兰设定的目标至少是距离家庭 500m 以内每人有60平方米的城市绿地（Roo 等人，2011 年）。 + +对于考虑到城市自然服务的衰败的研究，更多真实地表示参观城市自然的概率，衰减函数应与可用的访问数据匹配。因此，三个提供额外的距离衰减函数 – **指数，高斯，**和**密度**。所有人都更加重视城市自然离人更近，反映出人们偏向于参观离他们更近的大自然。 + +二分法 +--------- + +二分核考虑搜索距离内的所有像素。：math：'d_{0}'可被平等访问的城市绿地像素。 + +.. math:: + +\begin{对齐*} +f（d_{ij}， d_0） &= \left\{\begin{array}{lr} +1 & \text{if} d_{ij} \leq d_0 \\ +0 & \text{if} d_{ij} > d_0 \\ +\end{array}\right\} \\ +\end{对齐*} + + +.. figure:: ./urban_nature_access/kernel-dichotomy.png + :align: center + :figwidth: 500px + + +指数 +----------- + +距离加权指数衰减函数，人们更有可能访问离他们最近的自然环境，可能性呈指数下降到最大半径：math：'d_{0}'。 + +.. math:: + \begin{align*} + f(d_{ij}, d_0) &= \left\{\begin{array}{lr} + e^{(-d_{ij}/d_0)} & \text{if} d_{ij} \leq d_0 \\ + 0 & \text{if} d_{ij} \gt d_0 \\ + \end{array}\right\} \\ + \end{align*} +.. figure:: ./urban_nature_access/kernel-exponential.png + :align: center + :figwidth: 500px +.. +权利 +***** + +电源内核要求用户定义自己的衰减率，通过用户选择的参数定义:math:`\beta`. + +.. math:: + + \begin{align*} + f(d_{ij}, d_0) &= \left\{\begin{array}{lr} + d_{ij}^{(-\beta)} & \text{if} d_{ij} \leq d_0 \\ + 0 & \text{if} d_{ij} \gt d_0 \\ + \end{array}\right\} \\ + \end{align*} + + .. figure:: ./urban_nature_access/kernel-power.png + :align: center + :figwidth: 500px + + +高斯 +-------- + +距离加权衰减函数，人们更有可能访问离他们最近的自然，其中根据正态（“高斯”）分布，西格玛为 3，在最大半径范围内，似然递减：math：'d_{0}'。 +.. math:: + \begin{align*} + f(d_{ij}, d_0) &= \left\{\begin{array}{lr} + \frac{e^{-\frac{1}{2}\left ( \frac{d_{ij}}{d_0} \right )^2}-e^{-\frac{1}{2}}}{1-e^{-\frac{1}{2}}} & \text{if} d_{ij} \leq d_0 \\ + 0 & \text{if} d_{ij} \gt d_0 \\ + \end{array}\right\} \\ + \end{align*} +.. figure:: ./urban_nature_access/kernel-gaussian.png + :align: center + :figwidth: 500px + +密度 +------- + +距离加权衰减函数，人们更有可能访问离他们最近的自然，其中随着距离的增加，可能性降低得更快：math：'d_{0}'。 +.. math:: + \begin{align*} + f(d_{ij}, d_0) &= \left\{\begin{array}{lr} + \frac{3}{4}\left(1-\left(\frac{d_{ij}}{d_{0}}\right)^{2}\right) & \text{if} d_{ij} \leq d_0 \\ + 0 & \text{if} d_{ij} \gt d_0 \\ + \end{array}\right\} \\ + \end{align*} +.. figure:: ./urban_nature_access/kernel-density.png + :align: center + :figwidth: 500px +.. _una-running-the-default-model: + +运行默认模型 +------------------------- + +默认模型假定具有均匀的行进半径（“搜索半径”）由用户定义，即距离某人住所 X 米距离内的自然有助于一个人的娱乐。 + +计算城市自然供给 +~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ + +城市绿地对每个居民像素的供应的计算采用两步浮动集水区（2SFCA）方法（毛和Nekorchuk，2013;Xing 等人，2018 年）。给定一个城市自然像素 ：math：'j'，所有搜索搜索半径为 ：math：'d_{0}' 的人口像素。计算此像素的城市自然/人口比率：math：'R_{j}'使用自然像素的面积：math：'S_{j}'除以总和。搜索半径内的人口，根据所选内容进行加权搜索内核的基于距离的权重。然后，以每个像素为中心在人口栅格中，其内的所有自然像素搜索距离加权集水区。所有 ：math：'R_{j}'将这些自然像素相加，以计算每个城市自然供应capita ：math：'A_{i}' 添加到每个人口像素。我们采用这种方法进行供应，而不仅仅是房屋半径内的自然数量，因为使用基于重力的方法考虑了自然的加权可用性。换句话说，2SFCA考虑了在城市地区很常见的很多人使用绿地的背景。 + +这可以从图形上理解为： +.. figure:: ./urban_nature_access/2SFCA_step1_v2.png + :align: center + :figwidth: 400px +　　　　第 1 步：在城市自然的搜索半径内定位人口。 + +.. figure:: ./urban_nature_access/2SFCA_step2_v2.png + :align: center + :figwidth: 400px + +　　　　第 2 步：在人口搜索半径内定位城市自然。 + + +更正式地说，城市性质/人口比率：math：'R_{j}' 定义为： +.. math:: + \begin{align*} + R_j &= \left\{\begin{array}{lr} + \frac{S_j}{\sum_{k \in \left\{d_{jk} \leq d_0 \right\}} P_k \cdot f(d_{jk})} & \text{if} P_k \cdot f(d_{jk}) >= 1 \\ + S_j & \text{otherwise} \\ + \end{array}\right\} \\ + \end{align*} +式中： + +- ：math：'R_{j}' 是自然像素 ：math：'j' 的城市自然/人口比率。 +- ：math：'S_{j}' 是以像素表示的自然区域 ：math：'j' +- ：math：'d_{0}' 是搜索半径 +- ：math：'k' 是自然像素搜索半径内的人口像素 ：math：'j' +- ：math：'d_{jk}' 是自然像素 ：math：'j' 和人口像素 ：math：'k' 之间的距离。 +- ：math：'P_{k}' 是像素 ：math：'k' 的填充。 +- ：math：'f（d）' 是选定的衰减函数。 + +然后，城市自然/人口比率由所选衰减函数，并在搜索半径内求和，得到绿地 +供应， ：math：'A_{i}'： + +.. math:: + A_i = \sum_{j \in \left\{d_{ij} \leq d_0 \right\}} R_j \cdot f(d_{ij}) +式中： + +- ：math：'i' 是人口栅格中的任意像素 +- ：math：'A_{i}' 是提供给像素的人均城市性质 ：math：'i'（每人平方米） +- ：math：'d_{ij}' 是像素 ：math：'i' 和自然像素 ：math：'j' 之间的距离。 +- ：math：'d_{0}' 是搜索半径 + +计算城市自然需求 +源自人口图层和用户定义的城市性质 +需求，这衡量了所需的可访问城市自然的数量 +充分供应每个像素中的所有人。 + +.. math:: + demand_{i} = P_{i} \cdot g_{cap} + +式中： + +- :math:`i` 是一个像素 +- :math:`demand_{i}` 是居住在 pixel ：math：'i' 的人口所需的城市自然面积（以平方米为单位），以充分满足他们的城市自然需求 +- :math:`P_{i}` 是像素 ：math：'i' 处的人口（每像素人数） +- :math:`g_{cap}` 是用户定义的人均城市自然要求（每人平方米） + + +计算城市自然平衡 + +地方规划文件或城市规划目标通常指出，每 +居住在一个地区应该被分配一定数量的自然， +：math：'g_{cap}'。人均城市自然供需预算 +：math：'SUP\_ DEM_{i，cap}' 在 pixel ：math：'i' 处，通过评估来定义 +提供的城市自然与规划目标之间的平衡 +自然（通常是绿地）人均每像素： + +.. math:: + SUP\_DEM_{i,cap} = A_i - g_{cap} + +要确定每个像素中所有人的平衡, +:math:`SUP\_ DEM_{i,cap}` 乘以总体 :math:`P_{i}` +在 pixel :math:`i`: + +.. math:: + SUP\_DEM_{i} = SUP\_DEM_{i,cap} \cdot P_i + +计算无障碍城市自然 + +查找给定搜索半径内的总面积通常很有用，由下式给出： + +.. math:: +accessible_{i} = \sum_{j \in \left\{d_{ij} \leq d_{0} \right\}}{S_j \cdot f（d_{ij}）} + +其中 ：math：'accessible_{i}' 是可访问的城市自然总面积 +搜索半径内的像素 ：math：'i' ：math：'d_0'，按衰减加权 +功能。 + + +汇总给行政单位的产出 + +用户必须提供具有管理单元边界的向量，该向量 +可以代表用户感兴趣的任何地区级别。这些 +需要边界才能获得管理级别的测量值。 + +行政级别的供需平衡是平衡的总和 +管理边界内的每个像素 ：math：'i' ：math：'adm'： + +.. math:: + +SUP\_DEM_{adm} = \sum_{i \in \left\{adm \right\}} SUP\_DEM_i + +：math：'SUP\_ DEM_{adm}' 表示多少城市自然，以平方表示 +米，在行政单位中供应不足或过剩。 + +人均城市自然供需平衡也 +在管理级别计算： + +.. math:: + +SUP\_DEM_{adm，cap} = \frac{SUP\_DEM_{adm}}{P_{adm}} + +其中 ：math：'P_{adm}' 是管理区内的总人口 +边界。 + +当 ：math：'SUP\_ DEM_{i，cap} 在任何给定像素 ：math：'i' 上< 0' 时，它 +表示此像素中的人们对城市供应不足 +自然界。将 +行政单位提供行政单位中的人数 +具有城市自然缺陷的单位，：math：'Pund_{adm}'，相对于 +推荐城市自然 ：math：'g_{cap}'： + +.. math:: +Pund_{adm} = \sum_{i \in \{adm\}} + \left\{ + \begin{array}{lr} + P_{i} & \text{if} SUP\_DEM_{i,cap} < 0 \\ + 0 & \text{otherwise} \\ + \end{array} + \right\} + +同样，同样的理由也适用于查找人数 +行政单位中的城市自然盈余， +：math：'Povr_{adm}'，相对于推荐的城市自然 +：math：'g_{cap}'： + +. math:: + Povr_{adm} = \sum_{i \in \{adm\}} + \left\{ + \begin{array}{lr} + P_{i} & \text{if} SUP\_DEM_{i,cap} > 0 \\ + 0 & \text{otherwise} \\ + \end{array} + \right\} + + +._una-radii-per-urban-nature-class： + +使用每个城市自然类定义的半径运行模型 +----------------------------------------------------------- + +城市自然有不同的类型。口袋公园提供便利 +附近有休闲体验，而市政公园则吸引着来自 +更遥远的地方。如果用户有数据来拆分城市类型 +自然并调整每种类型的城市自然的旅行距离， +每种类型的城市自然对 pixel ：math：'i' 的可访问性可以 +使用特定于类的半径计算。这些城市自然类型和 +其关联的搜索半径由用户输入提供给模型 +土地利用土地覆被 （LULC） 属性表。每种类型的 LULC +标记为城市自然的分类将在 +以便提供有关无障碍城市的更详细结果 +每种类型的性质。由用户决定如何拆分 +城市自然。 + +.. figure:: ./urban_nature_access/radii_per_nature_class.png + ：align： 居中 + ：figwidth：700px + +如果说：math：'r'是城市性质的类型，那么：math：'j'就是城市性质 +pixel of ：math：'r' type， ：math：'d_{0，r}' 是 +：math：'r'型城市自然，则城市自然/人口比值 +对于这个城市性质类型，由这个城市的面积计算 +自然除以半径内的人口，加权 +用户选择距离加权衰减函数： + +.. math:: + R_{j,r} = \frac{S_{j,r}}{ + \sum_{k \in \{d_{kj} \leq d_{0,r}\}}{P_k \cdot f(d_{jk})} + } + +城市自然的可访问性类型：math：'r'， ：math：'A_{i，r}' +pixel ：math：'i' 是通过将距离加权相加来计算的 +：math：'R_{j，r}' 在搜索半径内： + +.. math:: + A_{i,r} = \sum_{j \in d_{ij} \leq d_{0,r}}{R_{j,r} \cdot f(d_ij)} + A_{i,r} = \sum_{j \in d_{ij} \leq d_{0,r}}{R_{j,r} \cdot f(d_{ij})} + +提供给像素 ：math：'i'， ：math：'A_{i}' 的总城市性质为 +计算方法是将所有类型的城市中的 ：math：'A_{i，r}' 相加 +自然界： + +.. math:: + A_i = \sum_{r=1}^{r}{A_{i,r}} + +在此模式下，可访问的城市自然的计算公式为： + +.. math:: + accessible_{i,r} = \sum_{j \in \left\{d_{ij} \leq d_{0,r} \right\}}{S_{j,r} \cdot f(d_{ij})} + +其中：math：'accessible_{i，r}'是类城市性质的总面积 +：math：'r' 可在搜索半径内访问，由衰减函数加权。 +：math：'S_{j，r}' 是城市自然像素上的城市自然区域 ：math：'j' of urban nature +类 ：math：'r'. + +其他步骤和输出与核心模型中的步骤和输出相同。 + + +.._una-summarize-by-population-groups： + +运行按总体组汇总结果的模型 + +用户可以选择提供人口特征指示 +属于给定的总人口比例 +每个行政单位内的人口组。人口示例 +群体可能是年龄或收入阶层。用户将决定如何 +根据数据可用性和研究对人群进行划分 +目的。 + +分析某些群体的供需平衡 +一般人群，对每组进行额外的计算 +：math：'gn'，给定该组在总人口中的比例 +一个管理单位，：math：'Rp，gn'。 + +对于组内供不应求的人群：math：'gn' 和 +管理单位：math：'adm'，定义为： + +.. math:: + Pund_{adm,gn} = Pund_{adm} \cdot Rp,gn + +对于组内供过于求的人口：math：'gn' 和 +行政单位 ：math：'adm'： + +.. math:: + Povr_{adm,gn} = Povr_{adm} \cdot Rp,gn + +用户不妨对以下两者进行进一步的相关性分析 +种群特征和以上输出来看是否确定 +人群与城市性质的赤字或过剩有关 +不同级别的供应。 + + +.._una-radii-per-population-group： + +使用每个种群组定义的半径运行模型 + +搜索半径对城市自然供应和 +不同的种群具有不同的半径。例如，具有 +汽车可以行驶到更远的地方进行娱乐，或者老年人可以旅行 +较短的距离（Liu 等人，2022 年）。此特定于组的搜索半径 +：math：'d_{0，gn}'，由用户为每个组 ：math：'gn' 定义 +行政区内总人口的比例 +属于该组的单位。鉴于这两个特定于组的部分 +信息，以像素形式提供给每个群体的城市性质， +：math：'A_{i，gn}' 可以得到。 + +首先，城市自然区将在人口之间划分 +它的搜索半径，：math：'R_{j}'。由于不同的群体有不同的 +半径（见下图），服务的总人口是每个 +在各自的搜索半径内进行分组。像素人口 +：math：'i' 由不同的组组成。组的大小 ：math：'gn' +在像素中：math：'i'的计算公式为： + +.. math:: + P_{i,gn} = P_i \cdot Rp,gn + +其中 ：math：'P_{i}' 是像素 ：math：'i' 处的人口，并且 +：math：'Rp，gn' 是该群体在总人口中的比例 +在每个单独的行政单位内。 + +.. math:: + R_j = \frac{S_j}{ + \sum_{gn=1}^{gn} \left( \sum_{k \in \{d_{kj} \leq d_{0,gn} \}}{ P_{k,gn} \cdot f(d_{jk})} \right) + } + +.. figure:: ./urban_nature_access/travel-distance-pop-groups.png +宽度： 5.18229in + ：高度： 2.56746in + +城市自然为d0，g1内的老年人提供服务 +（该人群的半径），并为年轻人提供服务 +D0、G2（该人群的半径）内的成年人。 + +按像素 ：math：'i' 计算组 ：math：'gn' 的城市自然供应量 +通过（并在下图中概念上举例说明）： + +.. math:: + A_{i,gn} = \sum_{j \in \{d_{ij} \leq d_{0,gn}\}} R_j \cdot f(d_{ij}) + +.. figure:: ./urban_nature_access/travel-distance-pop-groups-detail.png + ：宽度： 6.5in + ：高度： 2.125in + +老年人口仅在 d0 内从绿地获得服务， +g1，即绿地A;年轻人从绿地获得服务 +在 d0、g2 内，即绿地 A 和绿地 B。 + +人均城市自然供给量（像素：math：'i'）为： +由 ：math：'A_{i，gn}' 的加权和计算： + +.. math:: + A_i = \sum_{n=1}^{n}{A_{i,gn} \cdot Rp,gn} + +pixel ：math：'i' 的人均城市自然平衡， +：math：'SUP\_ DEM_{i，cap}' 是通过评估 +提供给 pixel ：math：'i' 的城市性质和用户定义的 +人均城市自然规划目标，：math：'g_{cap}'： + +.. math:: + SUP\_DEM_{i,cap} = A_i - g_{cap} + +群体：math：'gn'在像素上的人均城市自然平衡 +：math：'i' （：math：'SUP\_ DEM_{i，cap，gn}'） 通过评估 +提供的城市自然与组的区别 ：math：'gn' at +pixel ：math：'i' 和人均城市自然规划目标， +：math：'g_{cap}'： + +.. math:: + SUP\_DEM_{i,cap,gn} = A_{i,gn} - g_{cap} + +：math：'P_{i，gn}' 是 pixel 上 group ：math：'gn' 的人口 +：math：'i'。组的人口 ：math：'gn' in pixel ：math：'i' +乘以同一组群的人均城市自然平衡， +(：math：'SUP\_ DEM_{i，cap，gn}'），将给出城市自然区 +该组的供需平衡为 pixel ：math：'i'。求和 +像素 *i* 处所有组的供需平衡将产生 +Pixel *i 所有人的供需平衡* +(：math：'SUP\_ DEM_{i}'）。 + +.. math:: + SUP\_DEM_i = \sum_{gn=1}^{gn}{SUP\_DEM_{i,cap,gn} \cdot P_{i,gn}} + +对管理中每个像素的供需平衡求和 +单位将导致行政层面的供需平衡。 + +.. math:: + SUP\_DEM_{adm} = \sum_{i=1}^{i}{SUP\_DEM_i} + +给出人均城市自然供求的行政级别 +平衡，行政层面城市自然 供需平衡 +：math：'SUP\_ DEM_{adm}' 除以 +管理单位：math：'P_{adm}'： + +.. math:: + SUP\_DEM_{adm,cap} = \frac{SUP\_DEM_{adm}}{P_{adm}} + +计算集团人均供求平衡 +：math：'gn' 与管理单元 ：math：'adm'，则模型相乘 +绿地平衡：math：'SUP\_ DEM_{i，cap，gn}' 按 +group ：math：'gn' 在 pixel ：math：'i' 处，然后对所有像素进行求和 +在 ：math：'adm' 中除以组 ：math：'gn' 的总体 +：math：'adm'。 + +.. math:: + SUP\_DEM_{adm,cap,gn} = \frac{ + \sum_{i \in \{adm\}}{SUP\_DEM_{i,cap,gn} \cdot P_{i,gn}} + }{ + P_{adm,gn} + } + +分析某些群体的供需平衡 +一般人群，进行额外的计算。 + +群体：math：'gn'的人口，他们在城市自然赤字内 +管理单位：math：'adm'由下式给出： + +.. math:: + Pund_{adm,gn} = \sum_{i \in \{adm\}} + \left\{ + \begin{array}{lr} + P_{i,gn} & \text{if} SUP\_DEM_{i,cap,gn} < 0 \\ + 0 & \text{otherwise} \\ + \end{array} + \right\} + +行政单位内供不应求的总人口 +：math：'adm' 由下式给出： + +.. math:: + Pund_{adm} = \sum_{gn=1}^{gn}{Pund_{adm,gn}} + +在城市自然盈余范围内具有城市自然盈余的组 ：math：'gn' 的人口 + +.. math:: + Povr_{adm,gn} = \sum_{i \in \{adm\}} + \left\{ + \begin{array}{lr} + P_{i,gn} & \text{if} SUP\_DEM_{i,cap,gn} > 0 \\ + 0 & \text{otherwise} \\ + \end{array} + \right\} + +行政单位内供过于求的总人口 +：math：'adm' 由下式给出： + +.. math:: + Povr_{adm} = \sum_{gn=1}^{gn}{Povr_{adm,gn}} + +在此模式下，可访问的城市自然的计算公式为： + +.. math:: + accessible_{i,gn} = \sum_{j \in \left\{d_{ij} \leq d_0 \right\}} S_{j,gn} \cdot f(d_{ij}) + +其中：math：'accessible_{i，gn}'是可访问的城市自然总面积 +到搜索半径内的人口组 ：math：'gn'，按衰减加权 +功能。：math：'S_{j，gn}' 是像素上的城市自然区域 ：math：'j' +可访问组 ：math：'gn'。 + + +限制和简化 +=============================== + +搜索距离（半径）为欧几里得（直线），模型不考虑道路或其他实际步行/交通约束。 + +该模型不考虑绿地斑块的总大小，它只评估不同的绿地类别及其每个像素的属性。解决方法是根据大小定义不同的土地利用类别，例如“小型公园”和“大型公园”。然后，您可以为每个尺寸等级定义不同的访问半径。 + +需求使用通用计算（人均 m2），而城市通常采用不同的方法来量化需求。此外，没有可以轻松应用的官方国际需求指标，因此需要本地知识。 + +模型输出可以用作娱乐和健康益处的代理，但它不是人与自然关系复杂性的理想指标。 + + +数据需求 + +..注意：： +提供示例数据以提供需求示例和 +格式。 + +..注意：： +所有空间输入必须位于同一投影坐标系中，并且 +以线性计量单位。输出将被重新采样以匹配 +LULC 的平方分辨率和空间投影。 + +- ：investspec：'urban_nature_access workspace_dir` + +- ：investspec：'urban_nature_access results_suffix` + +- ：investspec：'urban_nature_access lulc_raster_path` + +- ：investspec：'urban_nature_access lulc_attribute_table` + +列： + + - ：investspec：'urban_nature_access lulc_attribute_table.columns.lucode` + - ：investspec：'urban_nature_access lulc_attribute_table.columns.urban_nature` + - ：investspec：'urban_nature_access lulc_attribute_table.columns.search_radius_m` + +- ：investspec：'urban_nature_access population_raster_path` + +- ：investspec：'urban_nature_access admin_boundaries_vector_path` + + 领域： + + - ：investspec：'urban_nature_access admin_boundaries_vector_path.fields.pop_[POP_GROUP]` + +管理边界向量的示例属性表 +具有 3 种几何形状： + ++--------------+----------------+ + |**pop_male** | **pop_female** | + +==============+================+ + |0.56 | 0.44 | + +--------------+----------------+ + |0.42 | 0.58 | + +--------------+----------------+ + |0.38 | 0.62 | + +--------------+----------------+ + +- ：investspec：'urban_nature_access urban_nature_demand` + +- ：investspec：'urban_nature_access decay_function` + +- ：investspec：'urban_nature_access aggregate_by_pop_group` + +- ：investspec：'urban_nature_access search_radius` + +- ：investspec：'urban_nature_access population_group_radii_table` + +列： + + - ：investspec：'urban_nature_access population_group_radii_table.columns.pop_group` + + - ：investspec：'urban_nature_access population_group_radii_table.columns.search_radius_m` + +与管理中的组匹配的表的示例 +上面的边界向量： + + +---------------+---------------------+ + |**pop_group** | **search_radius_m** | + +===============+=====================+ + |pop_male | 900 | + +---------------+---------------------+ + |pop_female | 1200 | + +---------------+---------------------+ + +.. +- ：investspec：'urban_nature_access decay_function_power_beta' + +解释结果 +==================== + +输出文件夹 + +- **产出/urban_nature_supply_percapita.tif** 计算出的城市供应量 +自然界。单位：人均城市自然供应给像素 i（平方 +米/人）。 + +- **产出/urban_nature_demand.tif** 城市自然所需的面积 +居住每个像素的人口需要充分 +满足他们的城市自然需求。值越大表示越大 +对周边地区无障碍城市自然的需求。 +单位：平方米每像素城市自然。 + +- **output/urban_nature_balance_percapita.tif** 像素级值 +人均城市自然平衡。正像素值表示 +相对于所述的城市性质，城市性质供过于求 +需求。负值表示城市自然供应不足 +相对于所述的城市自然需求。此输出为 +特别感兴趣的解释个人最自然的地方 +剥夺。单位：平方米的城市自然赤字或 +人均供过于求。 + +- **产出/urban_nature_balance_totalpop.tif** 城市自然平衡 +以像素为单位的总人口。正像素值 +表明相对于所述城市自然供过于求 +城市自然需求。负值表示 +城市自然相对于所述的城市自然需求。这 +产出与了解总量特别相关 +特定像素中人口的自然赤字。单位： +每像素城市自然赤字或供过于求的平方米。 + +- **output/admin_boundaries.gpkg** 用户管理的副本 +具有单个图层的边界向量。 + +- SUP_DEMadm_cap - 平均城市自然供需平衡 +在此行政单位内每人可用。 + +- Pund_adm - 行政单位内的总人口 +城市自然供应不足。 + +- Povr_adm - 行政单位内的总人口 +城市自然供过于求。 + +如果用户已选择按总体组聚合结果，或者 +已选择运行搜索半径的模型，搜索半径为 +population 组，则将创建以下附加字段： + +- SUP_DEMadm_cap_[POP_GROUP] - 平均城市自然供需 +人口组POP_GROUP每人可利用的余额 +在此行政单位内。 + +- Pund_adm_[POP_GROUP] - 属于 +人口组 POP_GROUP 在该行政单位内 +城市自然供应不足。 + +- Povr_adm_[POP_GROUP] - 属于 +人口组 POP_GROUP 在该行政单位内 +城市自然供过于求。 + +输出目录中的其他文件因所选搜索而异 +半径模式： + +统一搜索半径 +~~~~~~~~~~~~~~~~~~~~~ + +- **output/accessible_urban_nature.tif** - 可进入的城市自然区域 +在提供的搜索半径内，由衰减函数加权。 +单位：平方米。 + +搜索半径按城市自然类定义 +~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ + +- **output/accessible_urban_nature_lucode_[LUCODE].tif** - 城市面积 +在为该 lucode 提供的搜索半径内，类 LUCODE 的性质， +由衰减函数加权。单位：平方米。 + +按人口组定义的搜索半径 +~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ + +- **output/accessible_urban_nature_to_[POP_GROUP].tif** - 城市面积 +在进行搜索POP_GROUP，人口群体可进入的自然环境 +总体组的半径，由衰减函数加权。单位： +平方米。 + + +中间文件夹 + +这些文件将在每种搜索半径模式下生成： + +- **中级/aligned_lulc.tif** 用户土地使用土地的副本 +覆盖栅格。如果用户提供的 LULC 具有非方形像素， +它们将被重新采样为方形像素。 + +- **中级/aligned_population.tif** 用户的人口栅格， +与对齐的 LULC 具有相同的分辨率和尺寸。 +单位：每像素人。 + +- **中级/undersupplied_population.tif** 每个像素代表 +总人口中正在经历 +城市自然赤字。单位：每像素人。 + +- **中级/oversupplied_population.tif** 每个像素代表 +总人口中正在经历 +城市自然盈余。单位：每像素人。 + +在中间目录中找到的其他文件因 +选定的搜索半径模式： + +统一搜索半径 +~~~~~~~~~~~~~~~~~~~~~ + +- **中级/distance_weighted_population_within_[SEARCH_RADIUS].tif** +给定搜索半径内的总和SEARCH_RADIUS， +由用户的衰减函数加权。单位：每像素人。 + +- **intermediate/urban_nature_area.tif** 像素值表示 +城市自然面积（以平方米为单位）以每个像素表示。 +单位：平方米。 + +- **中级/urban_nature_population_ratio.tif** 计算 +城市自然/人口比率。 + +搜索半径按城市自然类定义 +~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ + +- **中级/distance_weighted_population_within_[SEARCH_RADIUS].tif** +给定搜索半径内的总和SEARCH_RADIUS， +由用户的衰减函数加权。单位：每像素人。 + +- **intermediate/urban_nature_area_[LUCODE].tif** 像素值 +代表城市自然面积（以平方米为单位） +在每个像素中，由土地表示的城市自然类 +使用土地覆被代码 LUCODE。单位：平方米。 + +- **中级/urban_nature_population_ratio_lucode_[LUCODE].tif** +计算出的城市自然/人口比率 +以土地利用土地覆盖代码为代表的城市自然类别 +LUCODE的。单位：平方米/人 + +- **中级/urban_nature_supply_percapita_lucode_[LUCODE].tif** 城市 +由于土地利用土地覆盖类别而提供给人口的自然 +LUCODE的。单位：平方米/人 + +按人口组定义的搜索半径 +~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ + +- **output/urban_nature_balance_[POP_GROUP].tif** 正像素值 +表明相对于所述城市自然供过于求 +城市自然需求对人口群体POP_GROUP。阴性 +值表示城市自然相对于 +陈述了对人口群体POP_GROUP的城市自然需求。 +单位：每人城市自然平方米。 + +- **intermediate/urban_nature_area.tif** 像素值表示 +以每个像素表示的绿地面积（以平方米为单位）。 +单位：平方米。 + +- **中级/population_in_[POP_GROUP].tif** 每个像素代表 +属于 +人口组POP_GROUP。单位：每像素人。 + +- **中级/proportion_of_population_in_[POP_GROUP].tif** 每个 +pixel 表示 +属于人口组POP_GROUP。单位：比例 +介于 0 和 1 之间。 + +- **中级/distance_weighted_population_in_[POP_GROUP].tif** 每个像素 +表示搜索半径内的总人数 +此总体组POP_GROUP，按用户选择加权 +衰减函数。单位：每像素人。 + +- **中级/distance_weighted_population_all_groups.tif** 合计 +种群，由适当的衰减函数加权。单位： +每像素人数。 + +- **中级/urban_nature_supply_percapita_to_[POP_GROUP].tif** 城市 +对人口群体的自然供应POP_GROUP。单位：平方米/平方米 +人。 + +- **中级/undersupplied_population_[POP_GROUP].tif** 每个像素 +表示人口组 POP_GROUP 中的人口，即 +经历城市自然赤字。单位：每像素人。 + +- **中级/oversupplied_population_[POP_GROUP].tif** 每个像素 +表示人口组 POP_GROUP 中的人口，即 +体验城市自然盈余。单位：每像素人。 + +附录：数据源 +====================== + +：ref：'土地利用/土地覆被 ` +--------------------------------- + +人口栅格 + +存在多个区域和全球数据集来估计人口 +高分辨率下的尺寸和密度，例如： + +- WorldPop全球人口数据： +https://www.worldpop.org/methods/populations/ + +- Meta/CIESIN全球人口密度数据： +https://dataforgood.facebook.com/dfg/tools/high-resolution-population-density-maps + +- 欧洲100米人口数据： +https://www.eea.europa.eu/data-and-maps/data/population-density-disaggregated-with-corine-land-cover-2000-2 + +城市绿地数据 +--------------------- + +存在多个区域和全球数据集，这些数据集（帮助）定义城市 +性质，包括以下内容： + +- 拉丁美洲城市： +https://www.nature.com/articles/s41597-022-01701-y + +- 欧洲城市：https:// land.copernicus.eu/local/urban-atlas + +- 全球数据： + +- http://data.ess.tsinghua.edu.cn/ +- https://www.openstreetmap.org/ + +（有关比较，请参阅：https://www.sciencedirect.com/science/article/abs/pii/S1618866722001819） + +城市自然需求 +------------------- + +对于城市自然需求，没有固定的全球标准。一个常见的 +建议值为 9m2，这经常被错误地记入 WHO +（见 +https://www.researchgate.net/post/I-see-many-studies-citing-WHO-for-their-international-minimum-standard-for-green-space-9m2-per-capita-But-where-is-the-actual-study/4 +以讨论此值）。提供需求概述的论文 +价值观和围绕这些价值观的讨论包括 Liu et al. （2022）， Liu +等人（2021 年）和 Badiu 等人（2016 年）。 + +引用 +========== + +Andkjaer S.， Arvidsen J. 2015.户外休闲活动场所 +范围界定审查。户外休闲与旅游杂志， *12*， 25-46. +https://doi.org/10.1016/j.jort.2015.10.001 + +巴迪乌， D.L.， Ioja， C.I.， Patroescu， M.， Breuste， J.， Artmann， M.， Nita， +M.R.， Gradinaru， S.R.， Hossu， C.A.， Onose， D.A. 2016.城市是绿色的吗 +人均空间是实现城市可持续发展的重要目标 +目标？罗马尼亚作为案例研究。生态指标*70*，53-66。 +https://doi.org/10.1016/j.ecolind.2016.05.044 + +布拉特曼，GN，安德森，CB，伯曼，MG，科克伦，B.，德弗里斯， +S.， 佛兰德斯， J.， ...& Daily， G. C. 2019.自然与心理健康：一个 +生态系统服务视角。科学进展， *5*\ （7）， eaax0903. +https://doi.org/10.1126/sciadv.aax0903 + +基勒， BL， 哈默尔， P.， 麦克菲尔森， T.， 哈曼， MH， 多纳休， ML， +梅扎·普拉多（Meza Prado），KA，...& Wood， S. A. 2019 年。社会生态和 +技术因素缓和了城市自然的价值。自然界 +可持续性， *2*\ （1）， 29-38. +https://doi.org/10.1038/s41893-018-0202-1 + +刘， H.， 雷姆， R.P.， 哈默尔， P.， 侬， H.， 任， H.， 2020.供应和 +城市康乐服务需求评估及其启示 +绿地规划——以广州为例.兰德斯。城市规划。203, +103898. https://doi.org/10.1016/j.landurbplan.2020.103898 + +Liu H., Hamel P., Tardieu L., Remme R.P., Han B., Ren H., 2022. A +geospatial model of nature-based recreation for urban planning: Case +study of Paris, France. Land Use Policy, +https://doi.org/10.1016/j.landusepol.2022.106107. + +Mao L. and Nekorchuk D., 2013. Measuring spatial accessibility to health +care for populations with multiple transportation modes. Health & Place +24, 115–122. https://doi.org/10.1016/j.healthplace.2013.08.008 + +Remme, R. P., Frumkin, H., Guerry, A. D., King, A. C., Mandle, L., +Sarabu, C., ... & Daily, G. C. 2021. An ecosystem service perspective on +urban nature, physical activity, and health. Proceedings of the National +Academy of Sciences, *118*\ (22), e2018472118. +https://doi.org/10.1073/pnas.2018472118 + +Roo, M. D., Kuypers, V. H. M., & Lenzholzer, S. 2011. *The green city +guidelines: techniques for a healthy liveable city*. The Green City. +http://library.wur.nl/WebQuery/wurpubs/fulltext/178666 -这个模型正在积极开发中，还没有发布。 预计本用户指南章节将在接近发布日期时更新，如果您有任何问题，请在论坛上写信给我们，https://community.naturalcapitalproject.org/ +邢 L.J， 刘 Y.F， 刘 X.J.， 2018.衡量空间差异 +基于公园绿地的多模式方法的可达性 +中国武汉的分类。应用地理学94,251-261。 +https://doi.org/10.1016/j.apgeog.2018.03.014 From fa096488566b957939035820cb3c82df6f16c287 Mon Sep 17 00:00:00 2001 From: Emily Soth Date: Wed, 20 Nov 2024 10:43:18 -0800 Subject: [PATCH 04/11] fix syntax errors zh --- source/zh/annual_water_yield.rst | 4 +- source/zh/data_sources.rst | 6 +- source/zh/habitat_quality.rst | 8 +- source/zh/urban_nature_access.rst | 454 +++++++++++++++--------------- 4 files changed, 240 insertions(+), 232 deletions(-) diff --git a/source/zh/annual_water_yield.rst b/source/zh/annual_water_yield.rst index d34a1c30..7932ae4b 100644 --- a/source/zh/annual_water_yield.rst +++ b/source/zh/annual_water_yield.rst @@ -176,9 +176,9 @@ InVEST产水量模型估计了景观不同部分的水的相对贡献，提出 - :investspec:`annual_water_yield results_suffix` -- :investspec:`annual_water_yield precipitation_path`强烈建议使用与创建蒸散输入栅格相同的降水图层。如果它们基于不同的降水数据来源，则会在数据中引入另一个不确定性来源，并且不匹配可能会影响模型计算的水平衡分量。 +- :investspec:`annual_water_yield precipitation_path` 强烈建议使用与创建蒸散输入栅格相同的降水图层。如果它们基于不同的降水数据来源，则会在数据中引入另一个不确定性来源，并且不匹配可能会影响模型计算的水平衡分量。 -- :investspec:`annual_water_yield eto_path`强烈建议蒸散量输入栅格基于与模型输入相同的降水数据。如果它们基于不同的降水数据来源，则会在数据中引入另一个不确定性来源，并且不匹配可能会影响模型计算的水平衡分量。 +- :investspec:`annual_water_yield eto_path` 强烈建议蒸散量输入栅格基于与模型输入相同的降水数据。如果它们基于不同的降水数据来源，则会在数据中引入另一个不确定性来源，并且不匹配可能会影响模型计算的水平衡分量。 - :investspec:`annual_water_yield depth_to_root_rest_layer_path` diff --git a/source/zh/data_sources.rst b/source/zh/data_sources.rst index 45e3286e..6b637ce0 100644 --- a/source/zh/data_sources.rst +++ b/source/zh/data_sources.rst @@ -33,9 +33,9 @@ 全球土地利用数据可从多个来源获得，包括： -*美国国家航空航天局: https://lpdaac.usgs.gov/products/mcd12q1v006/（MODIS多年来提供的基于几种分类的全球土地覆盖数据） -*欧洲航天局10米分辨率的全球覆盖:https://esa-worldcover.org/ -*欧洲航天局气候变化倡议300米分辨率的土地覆盖:https://www.esa-landcover-cci.org/ +* 美国国家航空航天局: https://lpdaac.usgs.gov/products/mcd12q1v006/（MODIS多年来提供的基于几种分类的全球土地覆盖数据） +* 欧洲航天局10米分辨率的全球覆盖: https://esa-worldcover.org/ +* 欧洲航天局气候变化倡议300米分辨率的土地覆盖: https://www.esa-landcover-cci.org/ 美国地质调查局和内政部通过国家土地覆盖数据库提供美国的数据：https://www.usgs.gov/centers/eros/science/national-land-cover-database。 diff --git a/source/zh/habitat_quality.rst b/source/zh/habitat_quality.rst index 3a17f118..9c87efd1 100644 --- a/source/zh/habitat_quality.rst +++ b/source/zh/habitat_quality.rst @@ -1,8 +1,8 @@ .. _habitat_quality: -*************** +**************** 生境质量 -*************** +**************** 概述 ======= @@ -148,7 +148,7 @@ InVEST生境质量模型结合了LULC和生物多样性威胁的信息，以生 数据需求 ========== -..注意：： *所有空间输入必须具有完全相同的投影坐标系*（使用线性米单位），*不是*地理坐标系（使用度单位）。 +.. note:: *所有空间输入必须具有完全相同的投影坐标系* （使用线性米单位），*不是* 地理坐标系（使用度单位）。 - :investspec:`habitat_quality workspace_dir` - :investspec:`habitat_quality results_suffix` @@ -162,7 +162,7 @@ InVEST生境质量模型结合了LULC和生物多样性威胁的信息，以生 - :investspec:`habitat_quality threats_table_path` -..注：*cur_path*、*base_path* 和 *fut_path* 的文件系统位置相对于“威胁表”的位置。例如，如果 *cur_path* 为“threat1.tif”，则表示“threat.tif”与“威胁表”位于同一文件夹中。如果 *cur_path* 为“threat_folder/threat1.tif”，则表示与“威胁表”位于同一位置的文件夹“threat_folder”，并且“threat1.tif”位于“threat_folder”内。您还可以提供绝对路径，例如“C：/HabitatQuality/threat_folder/threat1.tif”。 +.. note:: *cur_path*、*base_path* 和 *fut_path* 的文件系统位置相对于“威胁表”的位置。例如，如果 *cur_path* 为“threat1.tif”，则表示“threat.tif”与“威胁表”位于同一文件夹中。如果 *cur_path* 为“threat_folder/threat1.tif”，则表示与“威胁表”位于同一位置的文件夹“threat_folder”，并且“threat1.tif”位于“threat_folder”内。您还可以提供绝对路径，例如“C：/HabitatQuality/threat_folder/threat1.tif”。 目录: diff --git a/source/zh/urban_nature_access.rst b/source/zh/urban_nature_access.rst index 89ebc01c..50c4233c 100644 --- a/source/zh/urban_nature_access.rst +++ b/source/zh/urban_nature_access.rst @@ -1,6 +1,6 @@ -=================== +======================= 城市自然空间可达性模型 -=================== +======================= 总结 ======= @@ -19,23 +19,22 @@ 结果： - 城市自然的供给、需求和平衡可以概括为人群中的不同群体（例如，按不同年龄、群体、收入水平、种族或民族等），这可能是对公平考虑很重要。参考 - ：ref：'una-summarize-by-population-groups` + :ref:`una-summarize-by-population-groups` - 为了更详细地了解城市自然的供应，用户可以选择提供关于多远的更详细的信息，人们可能会通过旅行以使用不同种类的城市自然。例如，人们可能会走得更远去参观与当地口袋公园相比更大型的公园。参考 - ：ref：'una-radii-per-urban-nature-class` + :ref:`una-radii-per-urban-nature-class` -- 更详细地了解城市自然对不同人群的供应，用户可以选择提供关于不同群体可 -能旅行到多远到达城市自然的信息。例如，拥有汽车的人可能会比依赖公共交通的人到达更远的地方。 -　　请参阅：ref：'una-radii-per-population-group` +- 更详细地了解城市自然对不同人群的供应，用户可以选择提供关于不同群体可 能旅行到多远到达城市自然的信息。例如，拥有汽车的人可能会比依赖公共交通的人到达更远的地方。请参阅 + :ref:`una-radii-per-population-group` 模型 ========= 该模型根据位置以及城市绿地的数量、人口的分布和数量以及人均需求或人均城市自然空间需求计算城市自然空间可达。以像素表示的城市自然区域 -：math：'j' 表示为 ：math：'S_j'。：math：'S_j' 的值以正方形表示，其中被城市绿地覆盖的像素区域的比例被称为土地利用/土地覆盖（LULC）属性表。 +:math:`j` 表示为 :math:`S_j` 。:math:`S_j` 的值以正方形表示，其中被城市绿地覆盖的像素区域的比例被称为土地利用/土地覆盖（LULC）属性表。 以像素为单位的人口 -：math：'i' 由 ：math：'P_i' 表示。城市绿地人均需求被指定为 ：math：'g_{cap}'，并且通常基于策略目标。 -这些组件一起用于计算以下三个主要指标，在 ：ref：'una-running-the-default-model' 中更详细地描述： +:math:`i` 由 :math:`P_i` 表示。城市绿地人均需求被指定为 :math:`g_{cap}`，并且通常基于策略目标。 +这些组件一起用于计算以下三个主要指标，在 :ref:`una-running-the-default-model` 中更详细地描述： - **城市绿地供应：** 城市绿地量供应给居住在像素中的人口 - **城市自然需求：** 按像素中的人口产生城市绿地需求量 @@ -44,14 +43,14 @@ 衰减函数 -------------- -如果自然区域离他们住所更近，人们会更频繁地使用自然区域（Andkjaer&Arvidsen，2015）。该频率随着距离的增加而降低。这被称为“距离衰减”。该模型描述了城市自然与人口之间的这种距离衰减的衰减函数 ：math：'f\left（ d_{ij} \right）' 其中 ：math：'d_{ij}' 是自然和人口像素之间的距离，并且 ：math：'d_{0}' 是用户定义的搜索自然像素的搜索距离。搜索距离为欧几里得距离（像素 A 和 B之间党的直线距离） 的中心点，并假定为正方形像素。 +如果自然区域离他们住所更近，人们会更频繁地使用自然区域（Andkjaer&Arvidsen，2015）。该频率随着距离的增加而降低。这被称为“距离衰减”。该模型描述了城市自然与人口之间的这种距离衰减的衰减函数 :math:`f\left(d_{ij} \right)` 其中 :math:`d_{ij}` 是自然和人口像素之间的距离，并且 :math:`d_{0}` 是用户定义的搜索自然像素的搜索距离。搜索距离为欧几里得距离（像素 A 和 B之间党的直线距离） 的中心点，并假定为正方形像素。 -..图：： ./urban_nature_access/decay_function_intro.png - ：align： center - ：figwidth：400px + .. figure:: ../en/urban_nature_access/decay_function_intro.png + :align: center + :figwidth: 400px 该模型提供了各种距离衰减公式，供用户使用选择其中，下面将更详细地定义和说明。 -**二分法**选项处理设置的搜索距离内的所有像素，像素作为平等可访问的。当 +**二分法** 选项处理设置的搜索距离内的所有像素，像素作为平等可访问的。当 城市自然或绿地政策以在距人们住所的特定距离内一定数量的自然为目标。例如， 荷兰设定的目标至少是距离家庭 500m 以内每人有60平方米的城市绿地（Roo 等人，2011 年）。 @@ -60,19 +59,19 @@ 二分法 --------- -二分核考虑搜索距离内的所有像素。：math：'d_{0}'可被平等访问的城市绿地像素。 +二分核考虑搜索距离内的所有像素。:math:`d_{0}` 可被平等访问的城市绿地像素。 .. math:: -\begin{对齐*} -f（d_{ij}， d_0） &= \left\{\begin{array}{lr} -1 & \text{if} d_{ij} \leq d_0 \\ -0 & \text{if} d_{ij} > d_0 \\ -\end{array}\right\} \\ -\end{对齐*} + \begin{align*} + f(d_{ij}, d_0) &= \left\{\begin{array}{lr} + 1 & \text{if} d_{ij} \leq d_0 \\ + 0 & \text{if} d_{ij} > d_0 \\ + \end{array}\right\} \\ + \end{align*} -.. figure:: ./urban_nature_access/kernel-dichotomy.png +.. figure:: ../en/urban_nature_access/kernel-dichotomy.png :align: center :figwidth: 500px @@ -80,67 +79,76 @@ f（d_{ij}， d_0） &= \left\{\begin{array}{lr} 指数 ----------- -距离加权指数衰减函数，人们更有可能访问离他们最近的自然环境，可能性呈指数下降到最大半径：math：'d_{0}'。 +距离加权指数衰减函数，人们更有可能访问离他们最近的自然环境，可能性呈指数下降到最大半径:math:`d_{0}`。 .. math:: + \begin{align*} f(d_{ij}, d_0) &= \left\{\begin{array}{lr} e^{(-d_{ij}/d_0)} & \text{if} d_{ij} \leq d_0 \\ 0 & \text{if} d_{ij} \gt d_0 \\ \end{array}\right\} \\ \end{align*} -.. figure:: ./urban_nature_access/kernel-exponential.png + +.. figure:: ../en/urban_nature_access/kernel-exponential.png :align: center :figwidth: 500px .. -权利 -***** + 权利 + ***** -电源内核要求用户定义自己的衰减率，通过用户选择的参数定义:math:`\beta`. + 电源内核要求用户定义自己的衰减率，通过用户选择的参数定义:math:`\beta`. -.. math:: + .. math:: - \begin{align*} - f(d_{ij}, d_0) &= \left\{\begin{array}{lr} - d_{ij}^{(-\beta)} & \text{if} d_{ij} \leq d_0 \\ - 0 & \text{if} d_{ij} \gt d_0 \\ - \end{array}\right\} \\ - \end{align*} + \begin{align*} + f(d_{ij}, d_0) &= \left\{\begin{array}{lr} + d_{ij}^{(-\beta)} & \text{if} d_{ij} \leq d_0 \\ + 0 & \text{if} d_{ij} \gt d_0 \\ + \end{array}\right\} \\ + \end{align*} - .. figure:: ./urban_nature_access/kernel-power.png - :align: center - :figwidth: 500px + .. figure:: ./urban_nature_access/kernel-power.png + :align: center + :figwidth: 500px 高斯 -------- -距离加权衰减函数，人们更有可能访问离他们最近的自然，其中根据正态（“高斯”）分布，西格玛为 3，在最大半径范围内，似然递减：math：'d_{0}'。 +距离加权衰减函数，人们更有可能访问离他们最近的自然，其中根据正态（“高斯”）分布，西格玛为 3，在最大半径范围内，似然递减:math:`d_{0}`。 + .. math:: + \begin{align*} f(d_{ij}, d_0) &= \left\{\begin{array}{lr} \frac{e^{-\frac{1}{2}\left ( \frac{d_{ij}}{d_0} \right )^2}-e^{-\frac{1}{2}}}{1-e^{-\frac{1}{2}}} & \text{if} d_{ij} \leq d_0 \\ 0 & \text{if} d_{ij} \gt d_0 \\ \end{array}\right\} \\ \end{align*} -.. figure:: ./urban_nature_access/kernel-gaussian.png + +.. figure:: ../en/urban_nature_access/kernel-gaussian.png :align: center :figwidth: 500px 密度 ------- -距离加权衰减函数，人们更有可能访问离他们最近的自然，其中随着距离的增加，可能性降低得更快：math：'d_{0}'。 +距离加权衰减函数，人们更有可能访问离他们最近的自然，其中随着距离的增加，可能性降低得更快:math:`d_{0}`。 + .. math:: + \begin{align*} f(d_{ij}, d_0) &= \left\{\begin{array}{lr} \frac{3}{4}\left(1-\left(\frac{d_{ij}}{d_{0}}\right)^{2}\right) & \text{if} d_{ij} \leq d_0 \\ 0 & \text{if} d_{ij} \gt d_0 \\ \end{array}\right\} \\ \end{align*} -.. figure:: ./urban_nature_access/kernel-density.png + +.. figure:: ../en/urban_nature_access/kernel-density.png :align: center :figwidth: 500px + .. _una-running-the-default-model: 运行默认模型 @@ -151,22 +159,25 @@ f（d_{ij}， d_0） &= \left\{\begin{array}{lr} 计算城市自然供给 ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ -城市绿地对每个居民像素的供应的计算采用两步浮动集水区（2SFCA）方法（毛和Nekorchuk，2013;Xing 等人，2018 年）。给定一个城市自然像素 ：math：'j'，所有搜索搜索半径为 ：math：'d_{0}' 的人口像素。计算此像素的城市自然/人口比率：math：'R_{j}'使用自然像素的面积：math：'S_{j}'除以总和。搜索半径内的人口，根据所选内容进行加权搜索内核的基于距离的权重。然后，以每个像素为中心在人口栅格中，其内的所有自然像素搜索距离加权集水区。所有 ：math：'R_{j}'将这些自然像素相加，以计算每个城市自然供应capita ：math：'A_{i}' 添加到每个人口像素。我们采用这种方法进行供应，而不仅仅是房屋半径内的自然数量，因为使用基于重力的方法考虑了自然的加权可用性。换句话说，2SFCA考虑了在城市地区很常见的很多人使用绿地的背景。 +城市绿地对每个居民像素的供应的计算采用两步浮动集水区（2SFCA）方法（毛和Nekorchuk，2013;Xing 等人，2018 年）。给定一个城市自然像素 :math:`j`，所有搜索搜索半径为 :math:`d_{0}` 的人口像素。计算此像素的城市自然/人口比率:math:`R_{j}` 使用自然像素的面积:math:`S_{j}` 除以总和。搜索半径内的人口，根据所选内容进行加权搜索内核的基于距离的权重。然后，以每个像素为中心在人口栅格中，其内的所有自然像素搜索距离加权集水区。所有 :math:`R_{j}` 将这些自然像素相加，以计算每个城市自然供应capita :math:`A_{i}` 添加到每个人口像素。我们采用这种方法进行供应，而不仅仅是房屋半径内的自然数量，因为使用基于重力的方法考虑了自然的加权可用性。换句话说，2SFCA考虑了在城市地区很常见的很多人使用绿地的背景。 这可以从图形上理解为： -.. figure:: ./urban_nature_access/2SFCA_step1_v2.png + +.. figure:: ../en/urban_nature_access/2SFCA_step1_v2.png :align: center :figwidth: 400px -　　　　第 1 步：在城市自然的搜索半径内定位人口。 -.. figure:: ./urban_nature_access/2SFCA_step2_v2.png + 第 1 步：在城市自然的搜索半径内定位人口。 + +.. figure:: ../en/urban_nature_access/2SFCA_step2_v2.png :align: center :figwidth: 400px -　　　　第 2 步：在人口搜索半径内定位城市自然。 + 第 2 步：在人口搜索半径内定位城市自然。 + +更正式地说，城市性质/人口比率:math:`R_{j}` 定义为： -更正式地说，城市性质/人口比率：math：'R_{j}' 定义为： .. math:: \begin{align*} R_j &= \left\{\begin{array}{lr} @@ -174,27 +185,29 @@ f（d_{ij}， d_0） &= \left\{\begin{array}{lr} S_j & \text{otherwise} \\ \end{array}\right\} \\ \end{align*} + 式中： -- ：math：'R_{j}' 是自然像素 ：math：'j' 的城市自然/人口比率。 -- ：math：'S_{j}' 是以像素表示的自然区域 ：math：'j' -- ：math：'d_{0}' 是搜索半径 -- ：math：'k' 是自然像素搜索半径内的人口像素 ：math：'j' -- ：math：'d_{jk}' 是自然像素 ：math：'j' 和人口像素 ：math：'k' 之间的距离。 -- ：math：'P_{k}' 是像素 ：math：'k' 的填充。 -- ：math：'f（d）' 是选定的衰减函数。 +- :math:`R_{j}` 是自然像素 :math:`j` 的城市自然/人口比率。 +- :math:`S_{j}` 是以像素表示的自然区域 :math:`j` +- :math:`d_{0}` 是搜索半径 +- :math:`k` 是自然像素搜索半径内的人口像素 :math:`j` +- :math:`d_{jk}` 是自然像素 :math:`j` 和人口像素 :math:`k` 之间的距离。 +- :math:`P_{k}` 是像素 :math:`k` 的填充。 +- :math:`f(d)` 是选定的衰减函数。 然后，城市自然/人口比率由所选衰减函数，并在搜索半径内求和，得到绿地 -供应， ：math：'A_{i}'： +供应， :math:`A_{i}`： .. math:: A_i = \sum_{j \in \left\{d_{ij} \leq d_0 \right\}} R_j \cdot f(d_{ij}) + 式中： -- ：math：'i' 是人口栅格中的任意像素 -- ：math：'A_{i}' 是提供给像素的人均城市性质 ：math：'i'（每人平方米） -- ：math：'d_{ij}' 是像素 ：math：'i' 和自然像素 ：math：'j' 之间的距离。 -- ：math：'d_{0}' 是搜索半径 +- :math:`i` 是人口栅格中的任意像素 +- :math:`A_{i}` 是提供给像素的人均城市性质 :math:`i` （每人平方米） +- :math:`d_{ij}` 是像素 :math:`i` 和自然像素 :math:`j` 之间的距离。 +- :math:`d_{0}` 是搜索半径 计算城市自然需求 源自人口图层和用户定义的城市性质 @@ -207,8 +220,8 @@ f（d_{ij}， d_0） &= \left\{\begin{array}{lr} 式中： - :math:`i` 是一个像素 -- :math:`demand_{i}` 是居住在 pixel ：math：'i' 的人口所需的城市自然面积（以平方米为单位），以充分满足他们的城市自然需求 -- :math:`P_{i}` 是像素 ：math：'i' 处的人口（每像素人数） +- :math:`demand_{i}` 是居住在 pixel :math:`i` 的人口所需的城市自然面积（以平方米为单位），以充分满足他们的城市自然需求 +- :math:`P_{i}` 是像素 :math:`i` 处的人口（每像素人数） - :math:`g_{cap}` 是用户定义的人均城市自然要求（每人平方米） @@ -216,8 +229,8 @@ f（d_{ij}， d_0） &= \left\{\begin{array}{lr} 地方规划文件或城市规划目标通常指出，每 居住在一个地区应该被分配一定数量的自然， -：math：'g_{cap}'。人均城市自然供需预算 -：math：'SUP\_ DEM_{i，cap}' 在 pixel ：math：'i' 处，通过评估来定义 +:math:`g_{cap}`。人均城市自然供需预算 +:math:`SUP\_ DEM_{i，cap}` 在 pixel :math:`i` 处，通过评估来定义 提供的城市自然与规划目标之间的平衡 自然（通常是绿地）人均每像素： @@ -236,10 +249,10 @@ f（d_{ij}， d_0） &= \left\{\begin{array}{lr} 查找给定搜索半径内的总面积通常很有用，由下式给出： .. math:: -accessible_{i} = \sum_{j \in \left\{d_{ij} \leq d_{0} \right\}}{S_j \cdot f（d_{ij}）} + accessible_{i} = \sum_{j \in \left\{d_{ij} \leq d_{0} \right\}}{S_j \cdot f（d_{ij}）} -其中 ：math：'accessible_{i}' 是可访问的城市自然总面积 -搜索半径内的像素 ：math：'i' ：math：'d_0'，按衰减加权 +其中 :math:`accessible_{i}` 是可访问的城市自然总面积 +搜索半径内的像素 :math:`i` :math:`d_0`，按衰减加权 功能。 @@ -250,13 +263,13 @@ accessible_{i} = \sum_{j \in \left\{d_{ij} \leq d_{0} \right\}}{S_j \cdot f（d_ 需要边界才能获得管理级别的测量值。 行政级别的供需平衡是平衡的总和 -管理边界内的每个像素 ：math：'i' ：math：'adm'： +管理边界内的每个像素 :math:`i` :math:`adm`： .. math:: SUP\_DEM_{adm} = \sum_{i \in \left\{adm \right\}} SUP\_DEM_i -：math：'SUP\_ DEM_{adm}' 表示多少城市自然，以平方表示 +:math:`SUP\_ DEM_{adm}` 表示多少城市自然，以平方表示 米，在行政单位中供应不足或过剩。 人均城市自然供需平衡也 @@ -266,18 +279,18 @@ SUP\_DEM_{adm} = \sum_{i \in \left\{adm \right\}} SUP\_DEM_i SUP\_DEM_{adm，cap} = \frac{SUP\_DEM_{adm}}{P_{adm}} -其中 ：math：'P_{adm}' 是管理区内的总人口 +其中 :math:`P_{adm}` 是管理区内的总人口 边界。 -当 ：math：'SUP\_ DEM_{i，cap} 在任何给定像素 ：math：'i' 上< 0' 时，它 +当 :math:`SUP\_ DEM_{i，cap}` 在任何给定像素 :math:`i` 上< 0' 时，它 表示此像素中的人们对城市供应不足 自然界。将 行政单位提供行政单位中的人数 -具有城市自然缺陷的单位，：math：'Pund_{adm}'，相对于 -推荐城市自然 ：math：'g_{cap}'： +具有城市自然缺陷的单位，:math:`Pund_{adm}`，相对于 +推荐城市自然 :math:`g_{cap}`： .. math:: -Pund_{adm} = \sum_{i \in \{adm\}} + Pund_{adm} = \sum_{i \in \{adm\}} \left\{ \begin{array}{lr} P_{i} & \text{if} SUP\_DEM_{i,cap} < 0 \\ @@ -287,10 +300,10 @@ Pund_{adm} = \sum_{i \in \{adm\}} 同样，同样的理由也适用于查找人数 行政单位中的城市自然盈余， -：math：'Povr_{adm}'，相对于推荐的城市自然 -：math：'g_{cap}'： +:math:`Povr_{adm}` ，相对于推荐的城市自然 +:math:`g_{cap}` ： -. math:: +.. math:: Povr_{adm} = \sum_{i \in \{adm\}} \left\{ \begin{array}{lr} @@ -300,7 +313,7 @@ Pund_{adm} = \sum_{i \in \{adm\}} \right\} -._una-radii-per-urban-nature-class： +.. _una-radii-per-urban-nature-class: 使用每个城市自然类定义的半径运行模型 ----------------------------------------------------------- @@ -309,7 +322,7 @@ Pund_{adm} = \sum_{i \in \{adm\}} 附近有休闲体验，而市政公园则吸引着来自 更遥远的地方。如果用户有数据来拆分城市类型 自然并调整每种类型的城市自然的旅行距离， -每种类型的城市自然对 pixel ：math：'i' 的可访问性可以 +每种类型的城市自然对 pixel :math:`i` 的可访问性可以 使用特定于类的半径计算。这些城市自然类型和 其关联的搜索半径由用户输入提供给模型 土地利用土地覆被 （LULC） 属性表。每种类型的 LULC @@ -318,13 +331,13 @@ Pund_{adm} = \sum_{i \in \{adm\}} 每种类型的性质。由用户决定如何拆分 城市自然。 -.. figure:: ./urban_nature_access/radii_per_nature_class.png - ：align： 居中 - ：figwidth：700px +.. figure:: ../en/urban_nature_access/radii_per_nature_class.png + :align: center + :figwidth: 700px -如果说：math：'r'是城市性质的类型，那么：math：'j'就是城市性质 -pixel of ：math：'r' type， ：math：'d_{0，r}' 是 -：math：'r'型城市自然，则城市自然/人口比值 +如果说:math:`r` 是城市性质的类型，那么:math:`j` 就是城市性质 +pixel of :math:`r` type， :math:`d_{0，r}` 是 +:math:`r` 型城市自然，则城市自然/人口比值 对于这个城市性质类型，由这个城市的面积计算 自然除以半径内的人口，加权 用户选择距离加权衰减函数： @@ -334,16 +347,16 @@ pixel of ：math：'r' type， ：math：'d_{0，r}' 是 \sum_{k \in \{d_{kj} \leq d_{0,r}\}}{P_k \cdot f(d_{jk})} } -城市自然的可访问性类型：math：'r'， ：math：'A_{i，r}' -pixel ：math：'i' 是通过将距离加权相加来计算的 -：math：'R_{j，r}' 在搜索半径内： +城市自然的可访问性类型:math:`r`， :math:`A_{i，r}` +pixel :math:`i` 是通过将距离加权相加来计算的 +:math:`R_{j，r}` 在搜索半径内： .. math:: A_{i,r} = \sum_{j \in d_{ij} \leq d_{0,r}}{R_{j,r} \cdot f(d_ij)} A_{i,r} = \sum_{j \in d_{ij} \leq d_{0,r}}{R_{j,r} \cdot f(d_{ij})} -提供给像素 ：math：'i'， ：math：'A_{i}' 的总城市性质为 -计算方法是将所有类型的城市中的 ：math：'A_{i，r}' 相加 +提供给像素 :math:`i`， :math:`A_{i}` 的总城市性质为 +计算方法是将所有类型的城市中的 :math:`A_{i，r}` 相加 自然界： .. math:: @@ -354,10 +367,10 @@ pixel ：math：'i' 是通过将距离加权相加来计算的 .. math:: accessible_{i,r} = \sum_{j \in \left\{d_{ij} \leq d_{0,r} \right\}}{S_{j,r} \cdot f(d_{ij})} -其中：math：'accessible_{i，r}'是类城市性质的总面积 -：math：'r' 可在搜索半径内访问，由衰减函数加权。 -：math：'S_{j，r}' 是城市自然像素上的城市自然区域 ：math：'j' of urban nature -类 ：math：'r'. +其中:math:`accessible_{i，r}`是类城市性质的总面积 +:math:`r` 可在搜索半径内访问，由衰减函数加权。 +:math:`S_{j，r}` 是城市自然像素上的城市自然区域 :math:`j` of urban nature +类 :math:`r`. 其他步骤和输出与核心模型中的步骤和输出相同。 @@ -375,17 +388,17 @@ pixel ：math：'i' 是通过将距离加权相加来计算的 分析某些群体的供需平衡 一般人群，对每组进行额外的计算 -：math：'gn'，给定该组在总人口中的比例 -一个管理单位，：math：'Rp，gn'。 +:math:`gn`，给定该组在总人口中的比例 +一个管理单位，:math:`Rp，gn`。 -对于组内供不应求的人群：math：'gn' 和 -管理单位：math：'adm'，定义为： +对于组内供不应求的人群:math:`gn` 和 +管理单位:math:`adm`，定义为： .. math:: Pund_{adm,gn} = Pund_{adm} \cdot Rp,gn -对于组内供过于求的人口：math：'gn' 和 -行政单位 ：math：'adm'： +对于组内供过于求的人口:math:`gn` 和 +行政单位 :math:`adm`： .. math:: Povr_{adm,gn} = Povr_{adm} \cdot Rp,gn @@ -404,24 +417,24 @@ pixel ：math：'i' 是通过将距离加权相加来计算的 不同的种群具有不同的半径。例如，具有 汽车可以行驶到更远的地方进行娱乐，或者老年人可以旅行 较短的距离（Liu 等人，2022 年）。此特定于组的搜索半径 -：math：'d_{0，gn}'，由用户为每个组 ：math：'gn' 定义 +:math:`d_{0，gn}`，由用户为每个组 :math:`gn` 定义 行政区内总人口的比例 属于该组的单位。鉴于这两个特定于组的部分 信息，以像素形式提供给每个群体的城市性质， -：math：'A_{i，gn}' 可以得到。 +:math:`A_{i，gn}` 可以得到。 首先，城市自然区将在人口之间划分 -它的搜索半径，：math：'R_{j}'。由于不同的群体有不同的 +它的搜索半径，:math:`R_{j}` 。由于不同的群体有不同的 半径（见下图），服务的总人口是每个 在各自的搜索半径内进行分组。像素人口 -：math：'i' 由不同的组组成。组的大小 ：math：'gn' -在像素中：math：'i'的计算公式为： +:math:`i` 由不同的组组成。组的大小 :math:`gn` +在像素中:math:`i` 的计算公式为： .. math:: P_{i,gn} = P_i \cdot Rp,gn -其中 ：math：'P_{i}' 是像素 ：math：'i' 处的人口，并且 -：math：'Rp，gn' 是该群体在总人口中的比例 +其中 :math:`P_{i}` 是像素 :math:`i` 处的人口，并且 +:math:`Rp，gn` 是该群体在总人口中的比例 在每个单独的行政单位内。 .. math:: @@ -429,59 +442,57 @@ pixel ：math：'i' 是通过将距离加权相加来计算的 \sum_{gn=1}^{gn} \left( \sum_{k \in \{d_{kj} \leq d_{0,gn} \}}{ P_{k,gn} \cdot f(d_{jk})} \right) } -.. figure:: ./urban_nature_access/travel-distance-pop-groups.png -宽度： 5.18229in - ：高度： 2.56746in +.. figure:: ../en/urban_nature_access/travel-distance-pop-groups.png + :width: 5.18229in + :height: 2.56746in -城市自然为d0，g1内的老年人提供服务 -（该人群的半径），并为年轻人提供服务 -D0、G2（该人群的半径）内的成年人。 + 城市自然为d0，g1内的老年人提供服务（该人群的半径），并为年轻人提供服务 D0、G2（该人群的半径）内的成年人。 -按像素 ：math：'i' 计算组 ：math：'gn' 的城市自然供应量 +按像素 :math:`i` 计算组 :math:`gn` 的城市自然供应量 通过（并在下图中概念上举例说明）： .. math:: A_{i,gn} = \sum_{j \in \{d_{ij} \leq d_{0,gn}\}} R_j \cdot f(d_{ij}) -.. figure:: ./urban_nature_access/travel-distance-pop-groups-detail.png - ：宽度： 6.5in - ：高度： 2.125in +.. figure:: ../en/urban_nature_access/travel-distance-pop-groups-detail.png + :width: 6.5in + :height: 2.125in -老年人口仅在 d0 内从绿地获得服务， -g1，即绿地A;年轻人从绿地获得服务 -在 d0、g2 内，即绿地 A 和绿地 B。 + 老年人口仅在 d0 内从绿地获得服务， + g1，即绿地A;年轻人从绿地获得服务 + 在 d0、g2 内，即绿地 A 和绿地 B。 -人均城市自然供给量（像素：math：'i'）为： -由 ：math：'A_{i，gn}' 的加权和计算： +人均城市自然供给量（像素:math:`i`）为： +由 :math:`A_{i，gn}` 的加权和计算： .. math:: A_i = \sum_{n=1}^{n}{A_{i,gn} \cdot Rp,gn} -pixel ：math：'i' 的人均城市自然平衡， -：math：'SUP\_ DEM_{i，cap}' 是通过评估 -提供给 pixel ：math：'i' 的城市性质和用户定义的 -人均城市自然规划目标，：math：'g_{cap}'： +pixel :math:`i` 的人均城市自然平衡， +:math:`SUP\_ DEM_{i，cap}` 是通过评估 +提供给 pixel :math:`i` 的城市性质和用户定义的 +人均城市自然规划目标，:math:`g_{cap}`： .. math:: SUP\_DEM_{i,cap} = A_i - g_{cap} -群体：math：'gn'在像素上的人均城市自然平衡 -：math：'i' （：math：'SUP\_ DEM_{i，cap，gn}'） 通过评估 -提供的城市自然与组的区别 ：math：'gn' at -pixel ：math：'i' 和人均城市自然规划目标， -：math：'g_{cap}'： +群体:math:`gn`在像素上的人均城市自然平衡 +:math:`i` （:math:`SUP\_ DEM_{i，cap，gn}`） 通过评估 +提供的城市自然与组的区别 :math:`gn` at +pixel :math:`i` 和人均城市自然规划目标， +:math:`g_{cap}`： .. math:: SUP\_DEM_{i,cap,gn} = A_{i,gn} - g_{cap} -：math：'P_{i，gn}' 是 pixel 上 group ：math：'gn' 的人口 -：math：'i'。组的人口 ：math：'gn' in pixel ：math：'i' +:math:`P_{i，gn}` 是 pixel 上 group :math:`gn` 的人口 +:math:`i`。组的人口 :math:`gn` in pixel :math:`i` 乘以同一组群的人均城市自然平衡， -(：math：'SUP\_ DEM_{i，cap，gn}'），将给出城市自然区 -该组的供需平衡为 pixel ：math：'i'。求和 +(:math:`SUP\_ DEM_{i，cap，gn}`），将给出城市自然区 +该组的供需平衡为 pixel :math:`i`。求和 像素 *i* 处所有组的供需平衡将产生 Pixel *i 所有人的供需平衡* -(：math：'SUP\_ DEM_{i}'）。 +(:math:`SUP\_ DEM_{i}`）。 .. math:: SUP\_DEM_i = \sum_{gn=1}^{gn}{SUP\_DEM_{i,cap,gn} \cdot P_{i,gn}} @@ -494,18 +505,18 @@ Pixel *i 所有人的供需平衡* 给出人均城市自然供求的行政级别 平衡，行政层面城市自然 供需平衡 -：math：'SUP\_ DEM_{adm}' 除以 -管理单位：math：'P_{adm}'： +:math:`SUP\_ DEM_{adm}` 除以 +管理单位:math:`P_{adm}`： .. math:: SUP\_DEM_{adm,cap} = \frac{SUP\_DEM_{adm}}{P_{adm}} 计算集团人均供求平衡 -：math：'gn' 与管理单元 ：math：'adm'，则模型相乘 -绿地平衡：math：'SUP\_ DEM_{i，cap，gn}' 按 -group ：math：'gn' 在 pixel ：math：'i' 处，然后对所有像素进行求和 -在 ：math：'adm' 中除以组 ：math：'gn' 的总体 -：math：'adm'。 +:math:`gn` 与管理单元 :math:`adm`，则模型相乘 +绿地平衡:math:`SUP\_ DEM_{i，cap，gn}` 按 +group :math:`gn` 在 pixel :math:`i` 处，然后对所有像素进行求和 +在 :math:`adm` 中除以组 :math:`gn` 的总体 +:math:`adm`。 .. math:: SUP\_DEM_{adm,cap,gn} = \frac{ @@ -517,8 +528,8 @@ group ：math：'gn' 在 pixel ：math：'i' 处，然后对所有像素进行 分析某些群体的供需平衡 一般人群，进行额外的计算。 -群体：math：'gn'的人口，他们在城市自然赤字内 -管理单位：math：'adm'由下式给出： +群体:math:`gn` 的人口，他们在城市自然赤字内 +管理单位:math:`adm` 由下式给出： .. math:: Pund_{adm,gn} = \sum_{i \in \{adm\}} @@ -530,12 +541,12 @@ group ：math：'gn' 在 pixel ：math：'i' 处，然后对所有像素进行 \right\} 行政单位内供不应求的总人口 -：math：'adm' 由下式给出： +:math:`adm` 由下式给出： .. math:: Pund_{adm} = \sum_{gn=1}^{gn}{Pund_{adm,gn}} -在城市自然盈余范围内具有城市自然盈余的组 ：math：'gn' 的人口 +在城市自然盈余范围内具有城市自然盈余的组 :math:`gn` 的人口 .. math:: Povr_{adm,gn} = \sum_{i \in \{adm\}} @@ -547,7 +558,7 @@ group ：math：'gn' 在 pixel ：math：'i' 处，然后对所有像素进行 \right\} 行政单位内供过于求的总人口 -：math：'adm' 由下式给出： +:math:`adm` 由下式给出： .. math:: Povr_{adm} = \sum_{gn=1}^{gn}{Povr_{adm,gn}} @@ -557,10 +568,10 @@ group ：math：'gn' 在 pixel ：math：'i' 处，然后对所有像素进行 .. math:: accessible_{i,gn} = \sum_{j \in \left\{d_{ij} \leq d_0 \right\}} S_{j,gn} \cdot f(d_{ij}) -其中：math：'accessible_{i，gn}'是可访问的城市自然总面积 -到搜索半径内的人口组 ：math：'gn'，按衰减加权 -功能。：math：'S_{j，gn}' 是像素上的城市自然区域 ：math：'j' -可访问组 ：math：'gn'。 +其中:math:`accessible_{i，gn}`是可访问的城市自然总面积 +到搜索半径内的人口组 :math:`gn`，按衰减加权 +功能。:math:`S_{j，gn}` 是像素上的城市自然区域 :math:`j` +可访问组 :math:`gn`。 限制和简化 @@ -586,134 +597,131 @@ group ：math：'gn' 在 pixel ：math：'i' 处，然后对所有像素进行 以线性计量单位。输出将被重新采样以匹配 LULC 的平方分辨率和空间投影。 -- ：investspec：'urban_nature_access workspace_dir` +- :investspec:`urban_nature_access workspace_dir` -- ：investspec：'urban_nature_access results_suffix` +- :investspec:`urban_nature_access results_suffix` -- ：investspec：'urban_nature_access lulc_raster_path` +- :investspec:`urban_nature_access lulc_raster_path` -- ：investspec：'urban_nature_access lulc_attribute_table` +- :investspec:`urban_nature_access lulc_attribute_table` 列： - - ：investspec：'urban_nature_access lulc_attribute_table.columns.lucode` - - ：investspec：'urban_nature_access lulc_attribute_table.columns.urban_nature` - - ：investspec：'urban_nature_access lulc_attribute_table.columns.search_radius_m` + - :investspec:`urban_nature_access lulc_attribute_table.columns.lucode` + - :investspec:`urban_nature_access lulc_attribute_table.columns.urban_nature` + - :investspec:`urban_nature_access lulc_attribute_table.columns.search_radius_m` -- ：investspec：'urban_nature_access population_raster_path` +- :investspec:`urban_nature_access population_raster_path` -- ：investspec：'urban_nature_access admin_boundaries_vector_path` +- :investspec:`urban_nature_access admin_boundaries_vector_path` 领域： - - ：investspec：'urban_nature_access admin_boundaries_vector_path.fields.pop_[POP_GROUP]` + - :investspec:`urban_nature_access admin_boundaries_vector_path.fields.pop_[POP_GROUP]` -管理边界向量的示例属性表 -具有 3 种几何形状： + 管理边界向量的示例属性表具有 3 种几何形状： -+--------------+----------------+ - |**pop_male** | **pop_female** | + +--------------+----------------+ + | **pop_male** | **pop_female** | +==============+================+ - |0.56 | 0.44 | + | 0.56 | 0.44 | +--------------+----------------+ - |0.42 | 0.58 | + | 0.42 | 0.58 | +--------------+----------------+ - |0.38 | 0.62 | + | 0.38 | 0.62 | +--------------+----------------+ -- ：investspec：'urban_nature_access urban_nature_demand` +- :investspec:`urban_nature_access urban_nature_demand` -- ：investspec：'urban_nature_access decay_function` +- :investspec:`urban_nature_access decay_function` -- ：investspec：'urban_nature_access aggregate_by_pop_group` +- :investspec:`urban_nature_access aggregate_by_pop_group` -- ：investspec：'urban_nature_access search_radius` +- :investspec:`urban_nature_access search_radius` -- ：investspec：'urban_nature_access population_group_radii_table` +- :investspec:`urban_nature_access population_group_radii_table` 列： - - ：investspec：'urban_nature_access population_group_radii_table.columns.pop_group` + - :investspec:`urban_nature_access population_group_radii_table.columns.pop_group` - - ：investspec：'urban_nature_access population_group_radii_table.columns.search_radius_m` + - :investspec:`urban_nature_access population_group_radii_table.columns.search_radius_m` -与管理中的组匹配的表的示例 -上面的边界向量： + 与管理中的组匹配的表的示例上面的边界向量： +---------------+---------------------+ - |**pop_group** | **search_radius_m** | + | **pop_group** | **search_radius_m** | +===============+=====================+ - |pop_male | 900 | + | pop_male | 900 | +---------------+---------------------+ - |pop_female | 1200 | + | pop_female | 1200 | +---------------+---------------------+ .. -- ：investspec：'urban_nature_access decay_function_power_beta' + - :investspec:`urban_nature_access decay_function_power_beta` 解释结果 ==================== 输出文件夹 +---------------- - **产出/urban_nature_supply_percapita.tif** 计算出的城市供应量 -自然界。单位：人均城市自然供应给像素 i（平方 -米/人）。 + 自然界。单位：人均城市自然供应给像素 i（平方米/人）。 - **产出/urban_nature_demand.tif** 城市自然所需的面积 -居住每个像素的人口需要充分 -满足他们的城市自然需求。值越大表示越大 -对周边地区无障碍城市自然的需求。 -单位：平方米每像素城市自然。 + 居住每个像素的人口需要充分 + 满足他们的城市自然需求。值越大表示越大 + 对周边地区无障碍城市自然的需求。 + 单位：平方米每像素城市自然。 - **output/urban_nature_balance_percapita.tif** 像素级值 -人均城市自然平衡。正像素值表示 -相对于所述的城市性质，城市性质供过于求 -需求。负值表示城市自然供应不足 -相对于所述的城市自然需求。此输出为 -特别感兴趣的解释个人最自然的地方 -剥夺。单位：平方米的城市自然赤字或 -人均供过于求。 + 人均城市自然平衡。正像素值表示 + 相对于所述的城市性质，城市性质供过于求 + 需求。负值表示城市自然供应不足 + 相对于所述的城市自然需求。此输出为 + 特别感兴趣的解释个人最自然的地方 + 剥夺。单位：平方米的城市自然赤字或 + 人均供过于求。 - **产出/urban_nature_balance_totalpop.tif** 城市自然平衡 -以像素为单位的总人口。正像素值 -表明相对于所述城市自然供过于求 -城市自然需求。负值表示 -城市自然相对于所述的城市自然需求。这 -产出与了解总量特别相关 -特定像素中人口的自然赤字。单位： -每像素城市自然赤字或供过于求的平方米。 + 以像素为单位的总人口。正像素值 + 表明相对于所述城市自然供过于求 + 城市自然需求。负值表示 + 城市自然相对于所述的城市自然需求。这 + 产出与了解总量特别相关 + 特定像素中人口的自然赤字。单位： + 每像素城市自然赤字或供过于求的平方米。 - **output/admin_boundaries.gpkg** 用户管理的副本 -具有单个图层的边界向量。 + 具有单个图层的边界向量。 -- SUP_DEMadm_cap - 平均城市自然供需平衡 -在此行政单位内每人可用。 + - SUP_DEMadm_cap - 平均城市自然供需平衡 + 在此行政单位内每人可用。 -- Pund_adm - 行政单位内的总人口 -城市自然供应不足。 + - Pund_adm - 行政单位内的总人口 + 城市自然供应不足。 -- Povr_adm - 行政单位内的总人口 -城市自然供过于求。 + - Povr_adm - 行政单位内的总人口 + 城市自然供过于求。 -如果用户已选择按总体组聚合结果，或者 -已选择运行搜索半径的模型，搜索半径为 -population 组，则将创建以下附加字段： + 如果用户已选择按总体组聚合结果，或者 + 已选择运行搜索半径的模型，搜索半径为 + population 组，则将创建以下附加字段： -- SUP_DEMadm_cap_[POP_GROUP] - 平均城市自然供需 -人口组POP_GROUP每人可利用的余额 -在此行政单位内。 + - SUP_DEMadm_cap_[POP_GROUP] - 平均城市自然供需 + 人口组POP_GROUP每人可利用的余额 + 在此行政单位内。 -- Pund_adm_[POP_GROUP] - 属于 -人口组 POP_GROUP 在该行政单位内 -城市自然供应不足。 + - Pund_adm_[POP_GROUP] - 属于 + 人口组 POP_GROUP 在该行政单位内 + 城市自然供应不足。 -- Povr_adm_[POP_GROUP] - 属于 -人口组 POP_GROUP 在该行政单位内 -城市自然供过于求。 + - Povr_adm_[POP_GROUP] - 属于 + 人口组 POP_GROUP 在该行政单位内 + 城市自然供过于求。 -输出目录中的其他文件因所选搜索而异 -半径模式： +输出目录中的其他文件因所选搜索而异半径模式： 统一搜索半径 ~~~~~~~~~~~~~~~~~~~~~ From 5933ee94f8ed8b521d8d1bc4f4b5db343d3c6817 Mon Sep 17 00:00:00 2001 From: Emily Soth Date: Wed, 20 Nov 2024 14:06:33 -0800 Subject: [PATCH 05/11] fix a bunch of syntax errors --- source/es/sdr.rst | 5 +- source/es/seasonal_water_yield.rst | 3 +- source/es/stormwater.rst | 7 +- source/es/urban_flood_mitigation.rst | 2 +- source/zh/carbonstorage.rst | 4 +- source/zh/croppollination.rst | 4 +- source/zh/data_sources.rst | 6 +- source/zh/getting_started.rst | 34 ++--- source/zh/habitat_quality.rst | 8 +- source/zh/habitat_risk_assessment.rst | 199 +++++++++++--------------- source/zh/recreation.rst | 2 +- source/zh/scenic_quality.rst | 2 +- source/zh/sdr.rst | 12 +- source/zh/urban_flood_mitigation.rst | 4 +- source/zh/urban_nature_access.rst | 152 ++++++++------------ source/zh/wind_energy.rst | 4 +- 16 files changed, 198 insertions(+), 250 deletions(-) diff --git a/source/es/sdr.rst b/source/es/sdr.rst index 09172876..b0ec2a03 100644 --- a/source/es/sdr.rst +++ b/source/es/sdr.rst @@ -34,7 +34,7 @@ A partir de la versión 3.12.0 de InVEST, se han introducido varias revisiones i * El término "deposición" se ha cambiado por "atrapamiento", y el parámetro intermedio :math:`R` se ha cambiado por :math:`T`, para evitar confusiones con el factor R utilizado en la USLE. -* Se ha actualizado el cálculo de los parámetros intermedios :math:`R` (ahora actualizado a :math:`T`, atrapamiento) y :math:`F` (flujo). Anteriormente, :math:`R` y :math:`F` se calculaban de forma que el sedimento que erosiona un píxel (calculado mediante la Ecuación Universal Revisada de Pérdida de Suelo o RUSLE) puede ser atrapado por la vegetación en ese mismo píxel. Esto es conceptualmente incoherente: el papel de la vegetación para reducir la erosión y la escorrentía de sedimentos de un píxel ya se recoge en el factor C de RUSLE (Wischmeier y Smith, 1978). Al permitir la captura inmediata de sedimentos en el mismo píxel, esto equivalía a contabilizar dos veces el papel de la vegetación. Con el cálculo actualizado, todo el sedimento que se erosiona de un píxel va al siguiente píxel ladera abajo, donde puede quedar atrapado o seguir fluyendo ladera abajo. *Este cambio no afectará a las estimaciones de la calidad del agua para ningún escenario dado en relación con la formulación anterior del modelo. Sin embargo, dará lugar a algún cambio en la atribución de los servicios de retención de sedimentos que se prestan en el paisaje, por lo que es probable que se observen diferencias en los resultados, en comparación con las versiones anteriores de InVEST. +* Se ha actualizado el cálculo de los parámetros intermedios :math:`R` (ahora actualizado a :math:`T`, atrapamiento) y :math:`F` (flujo). Anteriormente, :math:`R` y :math:`F` se calculaban de forma que el sedimento que erosiona un píxel (calculado mediante la Ecuación Universal Revisada de Pérdida de Suelo o RUSLE) puede ser atrapado por la vegetación en ese mismo píxel. Esto es conceptualmente incoherente: el papel de la vegetación para reducir la erosión y la escorrentía de sedimentos de un píxel ya se recoge en el factor C de RUSLE (Wischmeier y Smith, 1978). Al permitir la captura inmediata de sedimentos en el mismo píxel, esto equivalía a contabilizar dos veces el papel de la vegetación. Con el cálculo actualizado, todo el sedimento que se erosiona de un píxel va al siguiente píxel ladera abajo, donde puede quedar atrapado o seguir fluyendo ladera abajo. *Este cambio no afectará a las estimaciones de la calidad del agua para ningún escenario dado en relación con la formulación anterior del modelo. Sin embargo, dará lugar a algún cambio en la atribución de los servicios de retención de sedimentos que se prestan en el paisaje, por lo que es probable que se observen diferencias en los resultados, en comparación con las versiones anteriores de InVEST.* * Se han añadido dos nuevos resultados ("erosión evitada" y "exportación evitada"), que cuantifican explícitamente el servicio de retención de sedimentos en el paisaje. Anteriormente, no estaba claro qué resultado del modelo, o combinación de resultados, debía utilizarse para valorar el servicio ecosistémico. @@ -311,7 +311,7 @@ Si usted ve áreas NoData en estos resultados que no pueden ser explicadas por d **Tenga en cuenta también que muchos de los resultados del SDR producen valores de NoData donde hay corrientes**. Esto se debe a que el modelo no incluye el procesamiento dentro de la corriente, y los cálculos del modelo se detienen cuando alcanzan una corriente, tal y como se define en el ráster de salida **stream.tif**. Así que si ve valores NoData que está intentando explicar, compárelos con **stream.tif** y vea si coinciden. Si lo hacen, este es el comportamiento esperado, y no hay entradas que se pueden cambiar que producirán valores dentro de las corrientes definidas. -**Ejemplo:** A continuación se muestra un ejemplo del efecto de la acumulación de caudal umbral en la extensión definida, en un área con múltiples cuencas hidrográficas que no están conectadas hidrológicamente. Dentro del área del mapa se puede ver una red de corrientes conectadas que fluyen de noroeste a sureste, así como 3 trozos de corrientes que se cortan a lo largo del lado derecho del mapa. En los mapas de ejemplo de abajo, los píxeles blancos de la fila superior son corrientes (**stream.tif** salida de SDR), mientras que la fila inferior muestra SDR (**sdr_factor.tif**). *Observe los píxeles negros en los rásteres SDR, que son píxeles NoData, ya que están dentro de la red de corrientes. +**Ejemplo:** A continuación se muestra un ejemplo del efecto de la acumulación de caudal umbral en la extensión definida, en un área con múltiples cuencas hidrográficas que no están conectadas hidrológicamente. Dentro del área del mapa se puede ver una red de corrientes conectadas que fluyen de noroeste a sureste, así como 3 trozos de corrientes que se cortan a lo largo del lado derecho del mapa. En los mapas de ejemplo de abajo, los píxeles blancos de la fila superior son corrientes (**stream.tif** salida de SDR), mientras que la fila inferior muestra SDR (**sdr_factor.tif**). *Observe los píxeles negros en los rásteres SDR, que son píxeles NoData, ya que están dentro de la red de corrientes.* En la columna de la izquierda, con un valor UAF de 100, las corrientes existen tanto en la cuenca inferior izquierda como en la superior derecha. El ráster SDR se define en todos los lugares en los que se definen los inputs, excepto un pequeño parche en el borde derecho que no drena a ninguna corriente. En la columna de la derecha, con un valor UAF de 1000, no hay ninguna corriente en la cuenca superior derecha. Como resultado, los píxeles de esa cuenca no drenan a ninguna corriente, y el ráster SDR correspondiente no está definido (como valores de NoData) en esa zona. @@ -460,6 +460,7 @@ Interpretación de los resultados .. note:: Muchos de los rásteres de salida SDR tienen valores NoData donde hay corrientes. Esto es con intención - Véase la sección Área definida de salidas de este capítulo para más información. .. note:: La resolución de los rásteres de salida será la misma que la resolución del MDE proporcionado como input. + * **[Workspace]** folder: * **Registro de parámetros**: Cada vez que se ejecute el modelo, se creará un archivo de texto (.txt) en el Espacio de Trabajo. Este archivo enumerará los valores de los parámetros y los mensajes de resultados para esa ejecución y se nombrará según el servicio, la fecha y la hora, y el sufijo. Cuando se ponga en contacto con NatCap por errores en una ejecución del modelo, incluya el registro de parámetros. diff --git a/source/es/seasonal_water_yield.rst b/source/es/seasonal_water_yield.rst index 052feaee..f52b24a4 100644 --- a/source/es/seasonal_water_yield.rst +++ b/source/es/seasonal_water_yield.rst @@ -182,6 +182,7 @@ El valor de atribución a un píxel es la contribución relativa de la recarga l *Figura 2. Recorrido a escala de ladera para calcular la evapotranspiración real (basada en las variables climáticas de cada píxel y en la contribución penduente arriba, véase la Ecuación 5) y el flujo de base (basado en Bsum, el flujo que realmente llega a la corriente, véanse las Ecuaciones 11-14)*. | + Flujo base ---------- @@ -245,7 +246,7 @@ Necesidades de datos - :investspec:`seasonal_water_yield.seasonal_water_yield precip_dir.contents.[MONTH]` -- :investspec:`seasonal_water_yield.seasonal_water_yield et0_dir`Se recomienda encarecidamente que los rásteres de input de evapotranspiración se basen en los misnos datos de precipitación como input para el modelo. Si se basan en diferentes fuentes de datos de precipitación, se introduce otra fuente de incertidumbre en los datos, y el desajuste podría afectar a los componentes del balance hídrico calculados por el modelo. +- :investspec:`seasonal_water_yield.seasonal_water_yield et0_dir` Se recomienda encarecidamente que los rásteres de input de evapotranspiración se basen en los misnos datos de precipitación como input para el modelo. Si se basan en diferentes fuentes de datos de precipitación, se introduce otra fuente de incertidumbre en los datos, y el desajuste podría afectar a los componentes del balance hídrico calculados por el modelo. Contenido: diff --git a/source/es/stormwater.rst b/source/es/stormwater.rst index 9c2b212d..995dd8ae 100644 --- a/source/es/stormwater.rst +++ b/source/es/stormwater.rst @@ -1,6 +1,6 @@ .. _stormwater: -*********************************************** +************************************ Retención de aguas pluviales urbanas ************************************ @@ -222,10 +222,7 @@ Resultados intermedios - **ratio_average.tif**: Un ráster en el que el valor de cada píxel es la media de su vecindad de píxeles en el mapa `retention_ratio`, calculado mediante la convolución del núcleo de búsqueda con el ráster de tasa de retención -.. _Guidance: - -Orientación -=========== +.. _Input Guidance: Apéndice 1: Fuentes de datos y orientación para la selección de parámetros ========================================================================== diff --git a/source/es/urban_flood_mitigation.rst b/source/es/urban_flood_mitigation.rst index 4a3cc21f..7b40f5b2 100644 --- a/source/es/urban_flood_mitigation.rst +++ b/source/es/urban_flood_mitigation.rst @@ -79,7 +79,7 @@ donde :math:`\text{Service.built}` se expresa en :math:`currency-m^3`. Debe considerarse solo un indicador, no una medida real de ahorro. Limitaciones y simplificaciones -======================== +=============================== **Producción de escorrentía:** el modelo utiliza un enfoque simple (SCS-Curve Number), que introduce elevadas incertidumbres. Sin embargo, la clasificación entre los distintos usos del suelo suele quedar bien plasmada con este enfoque, es decir, que el efecto de las infraestructuras naturales quedará cualitativamente representado en los resultados del modelo. Los trabajos futuros tendrán como objetivo incluir un trazado sobre el paisaje: las ideas incluyen TOPMODEL (existe un paquete R), UFORE (utilizado en iTree), CADDIES, etc. diff --git a/source/zh/carbonstorage.rst b/source/zh/carbonstorage.rst index 6b7ba6f0..e434df1a 100644 --- a/source/zh/carbonstorage.rst +++ b/source/zh/carbonstorage.rst @@ -9,7 +9,7 @@ 陆地生态系统储存的碳比大气更多，对影响二氧化碳驱动的气候变化至关重要。InVEST碳储存和封存模型使用土地使用地图以及四个碳库(地上生物量、地下生物量、土壤和死有机质)的存量来估算景观中当前储存的碳量或随着时间推移的碳封存量。或者，可使用封存碳的市场或社会价值、其年变化率和折价率来估计这种生态系统服务对社会的价值。该模型的局限性包括过于简化的碳循环，假设碳封存随时间的线性变化，以及可能不准确的折价率。 -.. note：：这个碳模型非常简单。它只需要四个碳库和一张土地覆盖图，就能将这些碳库值映射到土地覆盖图，但不体现任何生物物理性质的变化以及时态性，如树木生长、土壤化学性质变化或随时间变化的温度或降水影响。如果您需要模拟的内容较土地覆盖图的静态碳库更复杂，则需要使用不同的碳模型。 +.. note:: 这个碳模型非常简单。它只需要四个碳库和一张土地覆盖图，就能将这些碳库值映射到土地覆盖图，但不体现任何生物物理性质的变化以及时态性，如树木生长、土壤化学性质变化或随时间变化的温度或降水影响。如果您需要模拟的内容较土地覆盖图的静态碳库更复杂，则需要使用不同的碳模型。 介绍 ============ @@ -94,7 +94,7 @@ REDD 场景分析 .. note:: 所有空间输入必须在相同的投影坐标系和线性米单位。 -.. note：：如果要包括未来的 LULC 和/或 REDD LULC，则这些栅格的像素大小必须与当前 LULC 栅格*完全相同*。 +.. note:: 如果要包括未来的 LULC 和/或 REDD LULC，则这些栅格的像素大小必须与当前 LULC 栅格*完全相同*。 .. note:: 所有的碳数据应该是元素碳，而不是CO\ :sub:`2`。 diff --git a/source/zh/croppollination.rst b/source/zh/croppollination.rst index a203df7f..bcb6294a 100644 --- a/source/zh/croppollination.rst +++ b/source/zh/croppollination.rst @@ -275,7 +275,7 @@ InVEST 授粉模型侧重于将野生蜜蜂作为关键的动物授粉者。这 附录2：数据源 ======================== -.. 注意：示例数据仅用于说明数据结构，不应用作数据源。 +.. note:: 示例数据仅用于说明数据结构，不应用作数据源。 作物对传粉者的依赖 ------------------------------ @@ -285,7 +285,7 @@ InVEST 授粉模型侧重于将野生蜜蜂作为关键的动物授粉者。这 ---------------------------------------------------- Koh et al. 2016 包含 45 个土地利用类别的筑巢适宜性和花卉资源可用性数据。 -:参考:` 土地利用/土地覆盖 ` +:ref:` 土地利用/土地覆盖 ` --------------------------------- 参考文献 diff --git a/source/zh/data_sources.rst b/source/zh/data_sources.rst index 6b637ce0..b2ef2726 100644 --- a/source/zh/data_sources.rst +++ b/source/zh/data_sources.rst @@ -214,7 +214,7 @@ Brown（1997）对上述方程式的使用提出了一些警告。首先，该 .. math:: ET_0 = 0.0013\times 0.408\times RA\times (T_{av}+17)\times (TD-0.0123 P)^{0.76} -“修正的哈格里夫斯”方法使用每个月的平均日最高温度和平均日最低温度（以摄氏度为单位的“Tavg”）、每个月的平均日最高温和平均日最低温之间的差值（“TD”）、地外辐射（：math：'RA' in ：math：'\mathrm{MJm^{-2}d^{-1}}'）和平均月降水量（：math：“P”，单位为每月毫米），所有这些数据可以相对容易地获得。 +“修正的哈格里夫斯”方法使用每个月的平均日最高温度和平均日最低温度（以摄氏度为单位的“Tavg”）、每个月的平均日最高温和平均日最低温之间的差值（“TD”）、地外辐射（:math:`RA` in :math:`\mathrm{MJm^{-2}d^{-1}}`）和平均月降水量（:math:`P`，单位为每月毫米），所有这些数据可以相对容易地获得。 可对栅格数据使用此方程。请注意，它计算的是日均蒸散量，因此结果需要乘以对应月份的天数，并且每个月必须运行一次。生成的月度蒸散量栅格可用于季节性产水量模型。对于年产水量模型，将每月蒸散量栅格数据相加得到年平均蒸散量。 @@ -224,7 +224,7 @@ Brown（1997）对上述方程式的使用提出了一些警告。首先，该 .. math:: PED_{Hamon} = 13.97 d D^2W_t -式中：math:`d`是一个月的天数，:math:`D` 是每年计算的月平均日照时间（单位为12小时），:math:`W_t` 是饱和水蒸气密度，计算方法如下： +式中:math:`d`是一个月的天数，:math:`D` 是每年计算的月平均日照时间（单位为12小时），:math:`W_t` 是饱和水蒸气密度，计算方法如下： .. math:: W_t = \frac{4.95e^{0.062 T}}{100} @@ -237,7 +237,7 @@ Brown（1997）对上述方程式的使用提出了一些警告。首先，该 农作物蒸散系数 ^^^^^^^^^^^^^^^^^^^^^^^^^^^^ -农作物的蒸散系数（:math:`K_c`）可以从灌溉和园艺手册中获得。粮农组织有相关在线资源：http://www.fao.org/3/X0490E/x0490e0b.htm。粮农组织的表格按作物生长阶段列出了系数(:math:`K_c` ini, :math:`K_c` mid, :math:`K_c` end)，这些系数需要转换为年平均或月平均（取决于模型）:math:`K_c`。这需要了解研究区域植被的物候学（平均绿化、枯萎日期）和作物生长阶段（每年作物的种植和收获时间）。年平均值：math：'K_c'可以使用以下公式估算为植被特征和平均月参考蒸散量的函数： +农作物的蒸散系数（:math:`K_c`）可以从灌溉和园艺手册中获得。粮农组织有相关在线资源：http://www.fao.org/3/X0490E/x0490e0b.htm。粮农组织的表格按作物生长阶段列出了系数(:math:`K_c` ini, :math:`K_c` mid, :math:`K_c` end)，这些系数需要转换为年平均或月平均（取决于模型）:math:`K_c` 。这需要了解研究区域植被的物候学（平均绿化、枯萎日期）和作物生长阶段（每年作物的种植和收获时间）。年平均值:math:`K_c` 可以使用以下公式估算为植被特征和平均月参考蒸散量的函数： .. math:: K_c = \frac{\sum^{12}_{m=1}K_{cm}\times ET_{o_m}}{\sum^{12}_{m=1}ET_{o_m}} diff --git a/source/zh/getting_started.rst b/source/zh/getting_started.rst index d6e06bc9..2121eb57 100644 --- a/source/zh/getting_started.rst +++ b/source/zh/getting_started.rst @@ -48,13 +48,12 @@ InVEST 的windows安装程序为不同的使用情景提供了许多安装选项 在 Mac 上安装 InVEST Workbench ============================================= -..注意：： +.. note:: + 在 Mac OS 10.13“High Sierra”中，需要 InVEST 3.4.0 或更高版本。 -在 Mac OS 10.13“High Sierra”中，需要 InVEST 3.4.0 或更高版本。 + 在 Mac OS 11“Big Sur”中，需要 InVEST 3.9.0 或更高版本。 -在 Mac OS 11“Big Sur”中，需要 InVEST 3.9.0 或更高版本。 - -Mac 二进制文件的数值结果可能与 Windows 二进制文件的结果略有不同（通常在 1e-4 之间）。出于这个原因，我们认为 InVEST 二进制文件“不稳定”，但它们仍然应该提供合理的结果。与往常一样，如果某些内容似乎不起作用，请在论坛上告诉我们： https://community.naturalcapitalproject.org/ + Mac 二进制文件的数值结果可能与 Windows 二进制文件的结果略有不同（通常在 1e-4 之间）。出于这个原因，我们认为 InVEST 二进制文件“不稳定”，但它们仍然应该提供合理的结果。与往常一样，如果某些内容似乎不起作用，请在论坛上告诉我们： https://community.naturalcapitalproject.org/ 从 https://naturalcapitalproject.stanford.edu/software/invest 下载InVEST磁盘映像文件。该文件将被称为“InVEST-.dmg”。这包含 InVEST 可执行文件的副本。请注意，从 3.9.0 版本开始，用户指南 @@ -81,7 +80,7 @@ InVEST快速入门教程 本高级教程向您介绍了使用InVEST进行生态系统服务分析所涉及的主要活动。它不是一个详尽的分步技术文本，但确实提供了运行一个InVEST模型所需的步骤、技巧和所需时间的基本内容。虽然每个项目所需的时间差异很大，但每个步骤都提供了一个大致的估计时间:*低* =通常需要不到一天;*中* =不到一周;*高* =一周或更长时间。 1.**安装 InVEST** -- 下载 InVEST，并按照本章的 ：ref：'installing-on-win' 或 ：ref：'installing-on-mac' 部分中的详细说明进行安装。 +- 下载 InVEST，并按照本章的 :ref:`installing-on-win` 或 :ref:`installing-on-mac` 部分中的详细说明进行安装。 - 建议同时安装示例数据。在InVEST Workbench中，可以通过“设置”窗口下载示例数据，方法是单击用户界面右上角的齿轮图标。样本数据的链接也可通过“InVEST网页”_获得。 - 安装InVEST所需时间：低 2. **阅读每个感兴趣的型号的用户指南章节** @@ -94,7 +93,7 @@ InVEST快速入门教程 - 使用 GIS 软件查看空间数据，使用电子表格或文本编辑器查看表格数据。 - 使用这些数据来了解输入和输出并运行模型。 - 以它们为例，说明如何格式化自己的数据。 -- 有关更多信息，请参阅本章的 ：ref：'using-sample-data' 部分。 +- 有关更多信息，请参阅本章的 :ref:`using-sample-data` 部分。 - 试用具有样本数据的模型所需的时间：低 4. **为基线案例创建自己的数据** - 收集模型所需的空间和非空间模型输入。 @@ -102,7 +101,7 @@ InVEST快速入门教程 - 大部分处理将使用 GIS 软件完成。 - 许多模型还需要对某些参数进行广泛的文献搜索。 - 请参阅模型的用户指南章节和示例数据，了解数据集应是什么样子的要求和示例。 -- 有关一般提示，请参阅本章的 ：ref：'formatting-data' 部分。 +- 有关一般提示，请参阅本章的 :ref:`formatting-data` 部分。 - 处理量会有很大差异，具体取决于原始源的特定模型输入和格式。 - 最好寻找更多的本地数据源，但如果这些数据源不可用，则通常可以使用更粗略的全局图层和值。每个模型的用户指南附录提供了指向某些全局数据源的指针。 - 为一个模型创建数据所需的时间：高。 @@ -113,7 +112,7 @@ InVEST快速入门教程 - 创建方案所需的时间：中到高。 6. **运行模型** - 使用 InVEST Workbench 用户界面或命令行脚本使用您的数据运行模型。 -- 有关更多信息，请参阅本章的 ：ref：'running-models' 部分。 +- 有关更多信息，请参阅本章的 :ref:`running-models` 部分。 - 所需时间：从低到中，具体取决于输入数据的大小和复杂程度，以及正在运行的模型。高分辨率数据和/或大面积感兴趣区域需要更多时间。 7. **检查模型结果** - 使用 GIS 软件批判性地检查结果 - 模式和值是否有意义？ @@ -172,13 +171,13 @@ GIS 技能 + 重采样栅格 -另请参阅本章的 ：ref：'working-with-the-DEM' 部分，该部分提供了有关用于 SDR、NDR、季节性产水量、风景质量和沿海脆弱性模型的数字高程模型 （DEM） 数据的 GIS 处理的一些详细信息。 +另请参阅本章的 :ref:`working-with-the-DEM` 部分，该部分提供了有关用于 SDR、NDR、季节性产水量、风景质量和沿海脆弱性模型的数字高程模型 （DEM） 数据的 GIS 处理的一些详细信息。 较早的InVEST版本 ===================== 可以在 http://data.naturalcapitalproject.org/invest-releases/deprecated_models.html 找到 InVEST 的旧版本。请注意，由于关键的未解决的科学问题，许多模型已被弃用，我们强烈建议您使用最新版本的 InVEST。 -.._using-sample-data： +.. _using-sample-data: 使用示例数据 ================= @@ -193,7 +192,8 @@ InVEST 附带示例数据作为格式化数据的指南，并开始了解模型 为了测试模型，您可以在示例数据文件夹中创建一个名为“output”的工作区文件夹来保存模型结果，或者使用任何适合您的数据组织结构。使用自己的数据后，需要创建一个工作区和输入数据文件夹来保存自己的输入和结果。您还需要重定向该工具以访问您的数据和工作区。 -.._formatting-数据： +.. _formatting-data: + 设置数据格式 ==================== 在运行 InVEST 之前，有必要格式化数据。尽管本指南的后续章节介绍了如何为每个模型准备输入数据，但所有模型都遵循以下几种通用的格式准则： @@ -242,7 +242,7 @@ InVEST 附带示例数据作为格式化数据的指南，并开始了解模型 +当所有必填项填写完毕，且没有红色的X时，点击界面上的**运行**按钮。 -+处理时间将因脚本以及输入数据集的分辨率和范围而异。每个模型都会打开一个窗口，显示脚本的进度。请务必扫描输出窗口以查找有用的消息和错误。此进度信息也将写入工作区中名为 *InVEST-natcap.invest 的文件中。<型号名称>-log-.txt*。如果您需要联系 NatCap 以获取错误帮助，请始终发送此日志文件，这将有助于调试。有关更多信息，请参阅本章的 ：ref：'support-and-error-reporting' 部分。 ++处理时间将因脚本以及输入数据集的分辨率和范围而异。每个模型都会打开一个窗口，显示脚本的进度。请务必扫描输出窗口以查找有用的消息和错误。此进度信息也将写入工作区中名为 *InVEST-natcap.invest 的文件中。<型号名称>-log-.txt*。如果您需要联系 NatCap 以获取错误帮助，请始终发送此日志文件，这将有助于调试。有关更多信息，请参阅本章的 :ref:`support-and-error-reporting` 部分。 模型的结果可以在**Workspace**文件夹中找到。主要输出通常位于Workspace文件夹的顶层。还有一个“中间”文件夹，其中包含一些在进行计算时生成的附加文件。虽然通常不需要查看中间结果，但在调试问题或试图更好地理解模型的工作方式时，查看中间结果有时是有用的。阅读模型章节并查看相应的中间文件是理解和评价结果的好方法。本用户指南中的每个模型章节都提供了这些输出文件的描述。 @@ -330,13 +330,13 @@ InVEST 附带示例数据作为格式化数据的指南，并开始了解模型 3. **检查缺失数据** 仔细查看 DEM 栅格，确保感兴趣区域内没有缺失数据（由 NoData 像元表示）。如果存在 NoData 单元格，则必须为它们分配值。 -对于小孔，一种方法是使用栅格计算器（或条件 -> CON）中的 ArcGIS Focal Mean 函数。例如，在 ArcGIS 10.x： 中： +对于小孔，一种方法是使用栅格计算器（或条件 -> CON）中的 ArcGIS Focal Mean 函数。例如，在 ArcGIS 10.x:: -Con（IsNull（“theDEM”），FocalStatistics（“theDEM”，NbrRectangle（3,3），“MEAN”），“theDEM”） + Con（IsNull（“theDEM”），FocalStatistics（“theDEM”，NbrRectangle（3,3），“MEAN”），“theDEM”） -也可以使用插值，并且可以更好地处理较大的孔。使用转换工具将 DEM 转换为点 -> 从栅格 ->栅格到点，使用 Spatial Analyst 的插值工具进行插值，然后使用 CON 将插值指定给原始 DEM：： +也可以使用插值，并且可以更好地处理较大的孔。使用转换工具将 DEM 转换为点 -> 从栅格 ->栅格到点，使用 Spatial Analyst 的插值工具进行插值，然后使用 CON 将插值指定给原始 DEM:: -Con（isnull（[theDEM]）， [interpolated_grid]， [theDEM]） + Con（isnull（[theDEM]）， [interpolated_grid]， [theDEM]） 在QGIS中，尝试填充Nodata工具或GRASS r.neighbors工具。r.neighbors 提供不同的统计类型，包括 Mean。 diff --git a/source/zh/habitat_quality.rst b/source/zh/habitat_quality.rst index 9c87efd1..d7526650 100644 --- a/source/zh/habitat_quality.rst +++ b/source/zh/habitat_quality.rst @@ -59,9 +59,9 @@ InVEST生境质量模型结合了LULC和生物多样性威胁的信息，以生 威胁对网格单元中生境的影响由四个因素介导。 -1. 第一个因素是**每个威胁的相对影响**。在其他条件相同的情况下，一些威胁可能对生境的破坏更大，相对影响评分可以解释这一点（有关可能威胁的列表，请参见表1）。例如，城市地区对附近任何生境的退化程度可能被认为是农业区的两倍。退化源的权重 ：math：'w_r' 表示退化源对所有生境的相对破坏性。权重 ：math：'w_r' 可以取从 0 到 1 的任何值。例如，如果城市区域的威胁权重为 1，并且道路的威胁权重设置为 0.5，则在其他条件相同的情况下，城市区域对所有生境类型造成的干扰是其两倍。重申一下，如果我们为每个 LULC 分配了特定于物种组的生境适宜性分数，那么威胁及其权重应特定于建模的物种组。 +1. 第一个因素是**每个威胁的相对影响**。在其他条件相同的情况下，一些威胁可能对生境的破坏更大，相对影响评分可以解释这一点（有关可能威胁的列表，请参见表1）。例如，城市地区对附近任何生境的退化程度可能被认为是农业区的两倍。退化源的权重 :math:`w_r` 表示退化源对所有生境的相对破坏性。权重 :math:`w_r` 可以取从 0 到 1 的任何值。例如，如果城市区域的威胁权重为 1，并且道路的威胁权重设置为 0.5，则在其他条件相同的情况下，城市区域对所有生境类型造成的干扰是其两倍。重申一下，如果我们为每个 LULC 分配了特定于物种组的生境适宜性分数，那么威胁及其权重应特定于建模的物种组。 -2.第二个缓解因素是**生境与威胁源之间的距离以及威胁对空间的影响**。一般来说，威胁对生境的影响随着与退化源距离的增加而降低，因此更接近威胁的网格单元将受到更大的影响。例如，假设格网像元距离市区边缘 2 千米，距离高速公路 0.5 千米。这两个威胁源对网格单元中生境的影响将部分取决于它们在空间中减少或衰减的速度。用户可以选择线性或指数欧几里得距离衰减函数来描述威胁如何在空间上衰减。源自网格单元 ：math：'y'， ：math：'r_y' 的威胁 ：math：'r' 对网格单元 ：math：'x' 中的生境的影响由 ：math：'i_{rxy}' 给出，并由以下等式表示： +2.第二个缓解因素是**生境与威胁源之间的距离以及威胁对空间的影响**。一般来说，威胁对生境的影响随着与退化源距离的增加而降低，因此更接近威胁的网格单元将受到更大的影响。例如，假设格网像元距离市区边缘 2 千米，距离高速公路 0.5 千米。这两个威胁源对网格单元中生境的影响将部分取决于它们在空间中减少或衰减的速度。用户可以选择线性或指数欧几里得距离衰减函数来描述威胁如何在空间上衰减。源自网格单元 :math:`y`， :math:`r_y` 的威胁 :math:`r` 对网格单元 :math:`x` 中的生境的影响由 :math:`i_{rxy}` 给出，并由以下等式表示： .. math:: i_{rxy}=1-\left( \frac{d_{xy}}{d_{r\ \mathrm{max}}}\right)\ \mathrm{if\ linear} @@ -84,7 +84,7 @@ InVEST生境质量模型结合了LULC和生物多样性威胁的信息，以生 | -3. 可能减轻威胁对生境影响的第三个景观因素是**每个细胞免受干扰的法律/制度/社会/物理保护水平**。网格单元是否位于正式保护区内？还是由于海拔高，人们无法进入？还是网格单元对收获和其他形式的干扰开放？该模型假设，无论威胁类型如何，细胞对退化的法律/制度/社会/物理保护越多，它受到附近威胁的影响就越小。设 ：math：'\beta_x \in [0,1]' 表示网格单元格 ：math：'x' 中的可访问性级别，其中 1 表示完全可访问性。随着可访问性的降低，所有威胁在网格单元格中的影响 ：math：'x' 呈线性下降。需要注意的是，虽然法律/制度/社会/物理保护往往可以减少采掘活动对狩猎或捕鱼等生境的影响，但它不太可能防止其他退化源，如空气或水污染、生境破碎化或边缘效应。如果所考虑的威胁没有被法律/制度/社会/物理属性所缓解，那么你应该忽略这个输入，或者为所有网格单元格设置：math：'\beta_x = 1'：math：'x'。重申一下，如果我们为每个 LULC 分配了特定于物种组的生境适宜性分数，那么威胁缓解权重应特定于建模的物种组。 +3. 可能减轻威胁对生境影响的第三个景观因素是**每个细胞免受干扰的法律/制度/社会/物理保护水平**。网格单元是否位于正式保护区内？还是由于海拔高，人们无法进入？还是网格单元对收获和其他形式的干扰开放？该模型假设，无论威胁类型如何，细胞对退化的法律/制度/社会/物理保护越多，它受到附近威胁的影响就越小。设 :math:`\beta_x \in [0,1]` 表示网格单元格 :math:`x` 中的可访问性级别，其中 1 表示完全可访问性。随着可访问性的降低，所有威胁在网格单元格中的影响 :math:`x` 呈线性下降。需要注意的是，虽然法律/制度/社会/物理保护往往可以减少采掘活动对狩猎或捕鱼等生境的影响，但它不太可能防止其他退化源，如空气或水污染、生境破碎化或边缘效应。如果所考虑的威胁没有被法律/制度/社会/物理属性所缓解，那么你应该忽略这个输入，或者为所有网格单元格设置:math:`\beta_x = 1`:math:`x`。重申一下，如果我们为每个 LULC 分配了特定于物种组的生境适宜性分数，那么威胁缓解权重应特定于建模的物种组。 4. 最终的因子，**每一种生境类型对每一种威胁的相对敏感性** (Kareiva等，2010，生境敏感性也被称为逆，“抵抗”)。每一种生境类型对威胁的响应都可能都不同，因此每一种生境类型对威胁的敏感性用于修正上一步计算的总影响。:math:`S_{jr} \in [0,1]` 表示LULC :math:`j` 对威胁:math:`r` 的敏感性，其值越接近1说明越敏感。这一步中，模型假定土地利用类型对威胁越敏感，土地利用类型单元退化度越大。模型假定一个受威胁的生境类型越敏感，生境类型越容易受威胁的影响导致其退化。生境敏感性的威胁应该是基于景观生态学的保护生物多样性的一般原则 (Forman 1995; Noss 1997; Lindenmayer 等，2008)。 @@ -266,7 +266,7 @@ crops_c.tif; railroad_c.tif; urban_c.tif; timber_c.tif; roads1_c.tif; roads2_c.t .. math:: Q_{s_{\mathrm{cur}}}=\frac{\sum^{G^{s_{\mathrm{cur}}}}_{x=1}Q_{xj_{\mathrm{cur}}}}{G^{s_{\mathrm{cur}}}} :label: (hq. 9) -其中：math：'Q_{xj_{cur}}' 表示当前景观中 LULC ：math：'j' 中像素 ：math：'x' 的栖息地质量得分，如果 pixel ：math：'x' 的 quality_out.tif 为“无数据”，则表示 ：math：'Q_{xj_{cur}} = 0' 的栖息地质量得分。当前景观上所有 9 个物种的平均范围归一化生境质量得分将由下式给出： +其中:math:`Q_{xj_{cur}}` 表示当前景观中 LULC :math:`j` 中像素 :math:`x` 的栖息地质量得分，如果 pixel :math:`x` 的 quality_out.tif 为“无数据”，则表示 :math:`Q_{xj_{cur}} = 0` 的栖息地质量得分。当前景观上所有 9 个物种的平均范围归一化生境质量得分将由下式给出： .. math:: R_x = \sum^X_{x=1}\sigma_{xj}R_j diff --git a/source/zh/habitat_risk_assessment.rst b/source/zh/habitat_risk_assessment.rst index 42402173..f4e3b7f9 100644 --- a/source/zh/habitat_risk_assessment.rst +++ b/source/zh/habitat_risk_assessment.rst @@ -99,7 +99,7 @@ HRA模型的输出使用户能够识别生态系统风险较高的区域，调 .. math:: R_{jkl} = E_{jkl} \cdot C_{jkl} \cdot D_{jkl} :label: multiplicative_risk -在欧几里得和乘法风险计算中，距离加权衰减:math:`D_{jkl}`表示用户从以下选择衰减函数: +在欧几里得和乘法风险计算中，距离加权衰减:math:`D_{jkl}` 表示用户从以下选择衰减函数: 无衰减("None" in the UI): @@ -134,15 +134,15 @@ HRA模型的输出使用户能够识别生态系统风险较高的区域，调 .. note:: -用户可以选择使用哪个风险函数。不同的研究以不同的方式结合暴露和后果:累积影响映射研究倾向于使用乘法方法来估计风险(Halpern 等，2008；Selkoe 等；2009, Ban等，2010)，而生态系统风险评估研究倾向于用风险图中特定生境(或物种)-活动组合的欧氏距离来估计风险(Patrick 等，2010；Hobday 等，2011；Samhouri and Levin 2012；Arkema等，2014)。 + 用户可以选择使用哪个风险函数。不同的研究以不同的方式结合暴露和后果:累积影响映射研究倾向于使用乘法方法来估计风险(Halpern 等，2008；Selkoe 等；2009, Ban等，2010)，而生态系统风险评估研究倾向于用风险图中特定生境(或物种)-活动组合的欧氏距离来估计风险(Patrick 等，2010；Hobday 等，2011；Samhouri and Levin 2012；Arkema等，2014)。 -初步敏感性测试表明，总体而言，两种方法在最高和最低风险生境或区域上是一致的，尽管中间风险结果可能有所不同(Stock等，2015)。在伯利兹使用欧几里得方法进行的广泛人类资源评估分析的实证检验发现，计算的风险与生境破碎化和健康的衡量指标之间有很好的一致性(Arkema等，2014 supplement)。一般来说，欧几里得方法可能比乘法方法提供更保守、更高的总体估计。如果E和C值相差很大，欧几里得方法将产生相对较高的风险结果。相比之下，乘法方法往往会产生相对较低、不太保守的风险值，并将E和C的相似性与较高的风险联系起来。如果系统所包含的生境具有很高的风险后果，但暴露程度较低(例如，目前避免珊瑚礁的珊瑚和虾拖网捕捞区)，并希望采用预防原则，则建议选择欧几里得方法。 + 初步敏感性测试表明，总体而言，两种方法在最高和最低风险生境或区域上是一致的，尽管中间风险结果可能有所不同(Stock等，2015)。在伯利兹使用欧几里得方法进行的广泛人类资源评估分析的实证检验发现，计算的风险与生境破碎化和健康的衡量指标之间有很好的一致性(Arkema等，2014 supplement)。一般来说，欧几里得方法可能比乘法方法提供更保守、更高的总体估计。如果E和C值相差很大，欧几里得方法将产生相对较高的风险结果。相比之下，乘法方法往往会产生相对较低、不太保守的风险值，并将E和C的相似性与较高的风险联系起来。如果系统所包含的生境具有很高的风险后果，但暴露程度较低(例如，目前避免珊瑚礁的珊瑚和虾拖网捕捞区)，并希望采用预防原则，则建议选择欧几里得方法。 **步骤 3.** 在这一步中，模型量化了每个栅格单元中所有压力源对每个生境或物种的累积风险。栅格*l*中生境或物种*j*的累积风险是每个生境或物种的所有风险得分的总和， .. math:: R_{jl} = \sum^K_{k=1} R_{jkl} -该模型还计算了生态系统的累积风险，请参阅 ：ref：'cumulative-risk' 。 +该模型还计算了生态系统的累积风险，请参阅 :ref:`cumulative-risk` 。 **步骤 4.** 基于单独压力源或多种压力源累积效应造成的风险，对应每种类型的生境里的每个栅格可分为HIGH（3），MED（2）和LOW（1）三个风险等级。 @@ -163,6 +163,7 @@ HRA模型的输出使用户能够识别生态系统风险较高的区域，调 * :math:`L_{jkl}` 是生境的高/中/低风险计算:math:`j`由于压力源:math:`k`在位置:math:`l`。 * :math:`R_{jkl}` 是压力源的计算风险:math:`k`到生境:math:`j`在位置:math:`l`。 * :math:`m_{jkl}` 是每个生境/压力源对的最大得分，即所有生境/压力源对都一致。 + 它被定义为： * :math:`m_{jkl} = (r_{max})^2` 如果使用乘法风险。 @@ -173,65 +174,19 @@ HRA模型的输出使用户能够识别生态系统风险较高的区域，调 **步骤 4b：对累积风险进行分类** -多重压力源的累积效应的分类：math：'L' +多重压力源的累积效应的分类:math:`L` 每个生境或物种都可能导致两种可能的破坏性风险： 1. 在压力源特别具有破坏性的情况下，例如清除砍伐移除所有树木或疏浚移除所有珊瑚， -额外的压力源，如远足径或休闲钓鱼，将不会进一步增加生境退化的风险。计算方法 - ：eq：'hra-classified-risk-max'。 -2.在单个压力源不是特别有害的情况下，多个压力源的累积效应仍然很高。计算方发生 -：eq：'hra-cumulative-risk-classification'。 + 额外的压力源，如远足径或休闲钓鱼，将不会进一步增加生境退化的风险。计算方法 + :eq:`hra-classified-risk-max` 。 +2. 在单个压力源不是特别有害的情况下，多个压力源的累积效应仍然很高。计算方发生 + :eq:`hra-cumulative-risk-classification` 。 -多个压力源对每个压力源的累积影响的分类：math：'L' +多个压力源对每个压力源的累积影响的分类:math:`L` 生境或物种更正式地表示为： -..math：： L = \begin {Bmatrix} -L_{jkl} & if & L_{jkl} > L_{jl}\\ -L_{jl} && 否则\\ - \end{Bmatrix} - ：label： hra-classified-risk-max - -其中：math：'L_{jl}' 的计算公式为 - -..math：： L_{jl} = \begin{Bmatrix} - -0 & if & R_{jl} = 0\\ -1 & if & 0 < R_{jl} < （\frac{1}{3}m_{jl}）\\ -2 & if &（\frac{1}{3}m_{jl}） <= R_{jl} < （\frac{2}{3}m_{jl}）\\ -3 & if & R_{jl} >= （\frac{2}{3}m_{jl}） - \end{Bmatrix} - ：label：hra-cumulative-risk-classification - -其中： -* ：math：'L_{jl}' 是生境的高/中/低风险计算 ：math：'j' -所在位置：math：'l'。 -* ：math：'R_{jl}' 是单个生境或物种的累积风险 - ：math：'j' 在位置 ：math：'l'。 -* ：math：'m_{jl}' 是所有生境/压力源对之和的最大风险评分，计算公式为： -math：'m_{jl} = m_{jkl} \cdot n_{overlap}'，其中 - ：math：'n_{overlap}' 是用户定义的重叠压力源数。 - -**步骤4c：对生态系统风险进行分类** - -对所在位置生态系统风险的分类：math：'LE_{l}' -：math：'l' 的计算公式为 -..math：：LE_{l} = \begin {Bmatrix} -0 & if & R_{l} = 0\\ -1 & if & 0 < R_{l} < （\frac{1}{3}q_{l}）\\ -2 & if & （\frac{1}{3}q_{l}） <= R_{l} < （\frac{2}{3}q_{l}）\\ -3 & if & R_{l} >= （\frac{2}{3}q_{l}） - \end{Bmatrix} - ：label： hra-ecosystem-risk-classification - -其中： -* ：math：'LE_{l}' 是位置 ：math：'l' 处的高/中/低风险计算。 -* ：math：'R_{l}' 是位置 ：math：'l' 处所有生境或物种的累积风险。 -* ：math：'q_{l}' 是所有生境/压力源对的最大可能风险评分，计算公式为： -math：'q_{l} = m_{jkl} \cdot n_{j}'，其中 - ：math：'n_{j}' 是用户提供的生境总数。 - -多个压力源对每个生境或物种的累积影响的:math:`L` 更正式地表示为: .. math:: L = \begin {Bmatrix} L_{jkl} & if & L_{jkl} > L_{jl}\\ @@ -239,7 +194,7 @@ math：'q_{l} = m_{jkl} \cdot n_{j}'，其中 \end{Bmatrix} :label: hra-classified-risk-max -式中 :math:`L_{jl}` 的计算为 +其中:math:`L_{jl}` 的计算公式为 .. math:: L_{jl} = \begin{Bmatrix} 0 & if & R_{jl} = 0 \\ @@ -249,16 +204,32 @@ math：'q_{l} = m_{jkl} \cdot n_{j}'，其中 \end{Bmatrix} :label: hra-cumulative-risk-classification -其中: +其中： +* :math:`L_{jl}` 是生境的高/中/低风险计算 :math:`j` 所在位置:math:`l`。 +* :math:`R_{jl}` 是单个生境或物种的累积风险 :math:`j` 在位置 :math:`l` 。 +* :math:`m_{jl}` 是所有生境/压力源对之和的最大风险评分，计算公式为:math:`m_{jl} = m_{jkl} \cdot n_{overlap}` ，其中:math:`n_{overlap}` 是用户定义的重叠压力源数。 + +**步骤4c：对生态系统风险进行分类** + +对所在位置生态系统风险的分类:math:`LE_{l}` +:math:`l` 的计算公式为 -* :math:`L_{jl}` 是生境的高/中/低风险计算:math:`j` 在位置:math:`l`。 -* :math:`R_{jl}` 是对单个生境或物种的累积风险:math:`j` 在位置:math:`l`。 -* :math:`m_{jl}` 是所有生境/压力源对之和的最大风险评分，计算方法为:math:`m_{jl} = m_{jkl} \cdot n_{overlap}`，其中:math:`n_{overlap}` 是用户自定义的重叠压力源数量。 +.. math:: LE_{l} = \begin {Bmatrix} + 0 & if & R_{l} = 0\\ + 1 & if & 0 < R_{l} < （\frac{1}{3}q_{l}）\\ + 2 & if & （\frac{1}{3}q_{l}） <= R_{l} < （\frac{2}{3}q_{l}）\\ + 3 & if & R_{l} >= （\frac{2}{3}q_{l}） + \end{Bmatrix} + :label: hra-ecosystem-risk-classification +其中： +* :math:`LE_{l}` 是位置 :math:`l` 处的高/中/低风险计算。 +* :math:`R_{l}` 是位置 :math:`l` 处所有生境或物种的累积风险。 +* :math:`q_{l}` 是所有生境/压力源对的最大可能风险评分，计算公式为:math:`q_{l} = m_{jkl} \cdot n_{j}` ，其中:math:`n_{j}` 是用户提供的生境总数。 **步骤 5.** 在最后一步里，用户可以自行评估比栅格分辨率还高或比研究区域面积还小的子区域尺度的风险。在海岸与海洋空间规划过程中，子区域尺度通常作为政府地区规划中的边界单位（如沿海区域、州和省的规划）。值得注意的是，空间重叠（一个默认的暴露标准）中的子区域分数是基于子区域中生境碎块与人类活动的重叠（详见下文）。依照其它E和C标准，子区域的分数是研究区域内所有栅格的E和C分数的平均值。风险值可以用欧几里得方法与成倍相乘方法来估算（详见上文）。 -.._累积风险： +.. _cumulative-risk: 多重压力源对生态系统的累积风险 ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ @@ -301,11 +272,11 @@ math：'q_{l} = m_{jkl} \cdot n_{j}'，其中 *如果标准评分为1-3分，以下是对时间重叠评分的建议:* - ======================= ========================================================= ======================================================== ========================================================= ============ - 得分: 1 (低) 2 (中) 3 (高) 0 (无分数) - ======================= ========================================================= ======================================================== ========================================================= ============ - 时间重叠 栖息地和压力源在一年中的 0-4 个月同时出现 栖息地和压力源在一年中的 4-8 个月同时出现 栖息地和压力源在一年中的 8-12 个月同时出现 N/A - ======================= ========================================================= ======================================================== ========================================================= ============ + ================================= ========================================================= ========================================== =================== ============ + 得分: 1 (低) 2 (中) 3 (高) 0 (无分数) + ================================= ========================================================= ========================================== =================== ============ + 时间重叠 栖息地和压力源在一年中的 0-4 个月同时出现 栖息地和压力源在一年中的 4-8 个月同时出现 栖息地和压力源在一年中的 8-12 个月同时出现 N/A + ================================= ========================================================= ========================================== =================== ============ *选择"0"意味着从你的评估中排除这个标准。* @@ -316,7 +287,7 @@ math：'q_{l} = m_{jkl} \cdot n_{j}'，其中 ========= ============= ================ ============== ============ 得分 1 2 3 0 ========= ============= ================ ============== ============ - 强度 低强度 中强度 高强度 N/A + 强度 低强度 中强度 高强度 N/A ========= ============= ================ ============== ============ *选择"0"意味着从你的评估中排除这个标准。* @@ -327,9 +298,9 @@ math：'q_{l} = m_{jkl} \cdot n_{j}'，其中 ======================== ============== ================== ============================= ============ - 得分（Score） 1 2 3 0 + 得分（Score） 1 2 3 0 ======================== ============== ================== ============================= ============ - 管理有效性 非常有效 有点有效 无效，管理不善 N/A + 管理有效性 非常有效 有点有效 无效，管理不善 N/A ======================== ============== ================== ============================= ============ *选择"0"意味着从你的评估中排除这个标准。* @@ -349,9 +320,9 @@ math：'q_{l} = m_{jkl} \cdot n_{j}'，其中 *如果标准评分为1-3分，以下是对面积比率变化评分的建议:* ============== ======================== ============================ =========================== ============ - 得分 1 2 3 0 + 得分 1 2 3 0 ============== ======================== ============================ =========================== ============ - 面积变化 面积损耗低（0-20%） 面积损耗中等（20-50%） 面积损失高（50-100%） N/A + 面积变化 面积损耗低（0-20%） 面积损耗中等（20-50%） 面积损失高（50-100%） N/A ============== ======================== ============================ =========================== ============ *选择"0"意味着从你的评估中排除这个标准。* @@ -360,11 +331,11 @@ math：'q_{l} = m_{jkl} \cdot n_{j}'，其中 *如果标准是1-3分，以下是对结构变化的评分建议:* - =================== ======================================================================================================================== ======================================================================================================================= ==================================================================================================================== ============ - 得分 1 2 3 0 - =================== ======================================================================================================================== ======================================================================================================================= ==================================================================================================================== ============ - 结构变化 结构损失低（对于生物栖息地，密度损失 0-20%，对于非生物栖息地，几乎没有结构损坏） 中等结构损失（对于生物栖息地，密度损失 20-50%，对于非生物栖息地，部分结构损坏） 结构损失大（对于生物生境，密度损失 50-100%，对于非生物生境，总结构损坏）N/A - =================== ======================================================================================================================== ======================================================================================================================= ==================================================================================================================== ============ + =================== ================================================================================ =============================================================================== ======================================================================== ============ + 得分 1 2 3 0 + =================== ================================================================================ =============================================================================== ======================================================================== ============ + 结构变化 结构损失低（对于生物栖息地，密度损失 0-20%，对于非生物栖息地，几乎没有结构损坏） 中等结构损失（对于生物栖息地，密度损失 20-50%，对于非生物栖息地，部分结构损坏） 结构损失大（对于生物生境，密度损失 50-100%，对于非生物生境，总结构损坏） N/A + =================== ================================================================================ =============================================================================== ======================================================================== ============ *选择"0"意味着从你的评估中排除这个标准。* @@ -372,11 +343,11 @@ math：'q_{l} = m_{jkl} \cdot n_{j}'，其中 *如果标准评分为1-3分，以下是对自然干扰频率评分的建议:* - ======================================== ========================== =============================================== ============================= ============ - 得分 1 2 3 0 - ======================================== ========================== =============================================== ============================= ============ - 类似自然干扰的频率 频繁（每天至每周） 中频（每年数次） 罕见（每年或较少）N/A - ======================================== ========================== =============================================== ============================= ============ + ================== ================== ================ =================== ============ + 得分 1 2 3 0 + ================== ================== ================ =================== ============ + 类似自然干扰的频率 频繁（每天至每周） 中频（每年数次） 罕见（每年或较少） N/A + ================== ================== ================ =================== ============ *选择"0"意味着从你的评估中排除这个标准。* @@ -387,11 +358,11 @@ math：'q_{l} = m_{jkl} \cdot n_{j}'，其中 *如果标准按1-3分进行评分，则以下是对自然死亡率评分的建议:* - ====================== ================================== ================================ ========================== ============ - 得分 1 2 3 0 - ====================== ================================== ================================ ========================== ============ - 自然死亡率 高死亡率（例如 80% 或更高） 中等死亡率（例如 20-50%） 低死亡率（例如 0-20%）N/A - ====================== ================================== ================================ ========================== ============ + ========== =========================== ========================= ====================== ============ + 得分 1 2 3 0 + ========== =========================== ========================= ====================== ============ + 自然死亡率 高死亡率（例如 80% 或更高） 中等死亡率（例如 20-50%) 低死亡率（例如 0-20%） N/A + ========== =========================== ========================= ====================== ============ *选择"0"意味着从你的评估中排除这个标准。* @@ -400,11 +371,11 @@ math：'q_{l} = m_{jkl} \cdot n_{j}'，其中 *如果按照1-3分的标准进行评分，下面是对重组频率评分的建议:* - ======================== ==================== ============= ============ ============ - 得分 1 2 3 0 - ======================== ==================== ============= ============ ============ + ========== ============ ========= ======== ============ + 得分 1 2 3 0 + ========== ============ ========= ======== ============ 自然重组率 每年或更频繁 每 1-2 年 每 2+ 年 N/A - ======================== ==================== ============= ============ ============ + ========== ============ ========= ======== ============ *选择"0"意味着从你的评估中排除这个标准。* @@ -413,11 +384,12 @@ math：'q_{l} = m_{jkl} \cdot n_{j}'，其中 *如果标准是1-3分，以下是成熟年龄/恢复时间的评分建议:* - ============================= ============== ========== ================ ============ -得分 1 2 3 0 - ============================= ============== ========== ================ ============ -成熟/恢复期龄 少于 1 年 1-10 岁 10 岁以上 不适用 - ============================= ============== ========== ================ =========== + ============= ========= ======= ========= ============ + 得分 1 2 3 0 + ============= ========= ======= ========= ============ + 成熟/恢复期龄 少于 1 年 1-10 岁 10 岁以上 不适用 + ============= ========= ======= ========= ============ + *选择"0"意味着从你的评估中排除这个标准。* 7. **连通性 (只适用于生物生境).** 生境斑块或种群亚群的紧密间隔增加了新来者在受干扰地区重新建立种群的机会，从而增加了生境或物种的恢复潜力。连通性是与新来者移动距离相关的。例如，对于一个幼虫或种子只能移动数百米的物种来说，相隔10公里的斑块可能被认为是连通性不良的，而对于一个幼虫或种子可以移动数百公里的物种来说，连通性良好。与所有标准一样，数字越高代表暴露或后果越大，并导致风险评分越高。 @@ -425,17 +397,18 @@ math：'q_{l} = m_{jkl} \cdot n_{j}'，其中 *如果标准评分为1-3分，则以下是对连通性评分的建议:* - ============ ================================================ =================== ================================================ ============ -得分 1 2 3 0 - ============ ================================================ =================== ================================================ ============ -连通性 相对于扩散距离高度连接 中等连通性 相对于扩散距离的低连接性 N/A - ============ ================================================ =================== ================================================ ============ + ====== ====================== ========== ======================== ============ + 得分 1 2 3 0 + ====== ====================== ========== ======================== ============ + 连通性 相对于扩散距离高度连接 中等连通性 相对于扩散距离的低连接性 N/A + ====== ====================== ========== ======================== ============ + *选择"0"意味着从你的评估中排除这个标准。* 空间直观标准的运用 ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ -作为能给一个标准设定等级从而运用到整个研究区域的途径，模型可以被输入空间直观标准。这些标准设定能直接用于任何暴露程度或后果标准。举例说明，用户可以区分研究区域内一个特定生境或物种的高低重组能力。空间直观标准是一类在特定区域内每个属性都能包括一个独立等级的矢量图层。（有关如何准备和使用空间显式条件的技术详细信息，请参阅 ：ref：'spatially-explicit-data' 部分。） +作为能给一个标准设定等级从而运用到整个研究区域的途径，模型可以被输入空间直观标准。这些标准设定能直接用于任何暴露程度或后果标准。举例说明，用户可以区分研究区域内一个特定生境或物种的高低重组能力。空间直观标准是一类在特定区域内每个属性都能包括一个独立等级的矢量图层。（有关如何准备和使用空间显式条件的技术详细信息，请参阅 :ref:`spatially-explicit-data` 部分。） .. _data-quality-details: @@ -446,17 +419,19 @@ math：'q_{l} = m_{jkl} \cdot n_{j}'，其中 对于每个暴露程度与后果的分数，用户能指明用来决定浮动尺度下的分数的数据的质量，其中1表示最高质量的数据，高于1的数据越来越不可信。 -===================================================================================================================================================== ==================================================================================================================================================================== ===================================================================================================================== -最佳数据 （1） 充足数据 （2） 有限数据 （3） -===================================================================================================================================================== ==================================================================================================================================================================== ===================================================================================================================== -有大量信息可用于支持该评分，并基于在研究区域（或附近）为相关物种收集的数据。信息基于在研究区域之外收集的数据，可能基于相关物种，可能代表中等或不显着的统计关系。没有经验文献证明对该物种的评分是合理的，但用户可以做出合理的推断。 -===================================================================================================================================================== ==================================================================================================================================================================== ===================================================================================================================== +============================================================================ ==================================================================================== ================================================================== +最佳数据 （1） 充足数据 （2） 有限数据 （3） +============================================================================ ==================================================================================== ================================================================== +有大量信息可用于支持该评分，并基于在研究区域（或附近）为相关物种收集的数据。 信息基于在研究区域之外收集的数据，可能基于相关物种，可能代表中等或不显着的统计关系。 没有经验文献证明对该物种的评分是合理的，但用户可以做出合理的推断。 +============================================================================ ==================================================================================== ================================================================== + 同样，用户可以调整每个标准的重要性或“权重”。每个生态系统都是独一无二的，对于某些栖息地或物种来说，不同的标准可能比其他栖息地或物种更重要。例如，一个生境或物种的恢复潜力可能更强烈地取决于招募率，而不是与其他生境斑块的连通性。我们建议用户首先以相同的权重分数（例如，2）运行模型，以基于压力源与栖息地或物种之间的已知关系确定整体模式是否有意义。接下来，如果用户已经验证了有关给定标准重要性的信息，则他们应该使用 1 或 3 重新运行模型，以分别表示更高或更低的重要性。 - ================================ =========================================================================== ========================================================================= =================================================================================================== -..最重要 （1） 中等重要 （2） 最不重要 （3） - ================================ =========================================================================== ========================================================================= =================================================================================================== -标准的相对重要性 标准在确定压力源的影响方面尤为重要 标准在确定压力源的影响方面有些重要 相对于其他标准，标准在确定压力源的影响方面不那么重要 - ================================ =========================================================================== ========================================================================= =================================================================================================== + + ================ ================================== ================================== ==================================================== + 最重要 （1） 中等重要 （2） 最不重要 （3） + ================ ================================== ================================== ==================================================== + 标准的相对重要性 标准在确定压力源的影响方面尤为重要 标准在确定压力源的影响方面有些重要 相对于其他标准，标准在确定压力源的影响方面不那么重要 + ================ ================================== ================================== ==================================================== diff --git a/source/zh/recreation.rst b/source/zh/recreation.rst index fa6b29fb..6b371ec6 100644 --- a/source/zh/recreation.rst +++ b/source/zh/recreation.rst @@ -61,7 +61,7 @@ where :math:`x_{ip}` 是每个单元或多边形（以下简称“单元格” 预测变量 ------------------- -在上面的回归方程中, 照片-用户-天数 是 :math:`y_i` 的变量和所有:math:`x` 变量为预测变量。这些是感兴趣区域中的要素，可能会影响整个空间的访问模式。用户可以提供任意数量的预测变量，模型将进行回归计算，该回归估计每个预测变量的math：'beta_{p}' 值。 :math:`\beta_{p}` 表示在考虑回归中包含的所有其他预测变量后，预测变量与访问率之间的关系。 +在上面的回归方程中, 照片-用户-天数 是 :math:`y_i` 的变量和所有:math:`x` 变量为预测变量。这些是感兴趣区域中的要素，可能会影响整个空间的访问模式。用户可以提供任意数量的预测变量，模型将进行回归计算，该回归估计每个预测变量的:math:`beta_{p}` 值。 :math:`\beta_{p}` 表示在考虑回归中包含的所有其他预测变量后，预测变量与访问率之间的关系。 我们发现，经常考虑以下几大类中至少一个变量是非常有帮助的：自然资本（如 栖息地、湖泊）、建设资本（如道路、酒店）、工业活动以及访问或成本（如：与主要机场之间的距离）。通常，代表每一类的单一变量可以解释照片-用户-天数中的大部分的变动原因。此工具允许用户提供 GIS 格式的预测变量，并以多种方式处理这些图层 (详见:ref:`rec-data-needs` 部分). diff --git a/source/zh/scenic_quality.rst b/source/zh/scenic_quality.rst index b2c774fd..232f8e53 100644 --- a/source/zh/scenic_quality.rst +++ b/source/zh/scenic_quality.rst @@ -127,7 +127,7 @@ Exponential: - :investspec:`scenic_quality.scenic_quality b_coef` -- :investspec:`scenic_quality.scenic_quality max_valuation_radius` 估值函数 ：math：`f` 在半径 ：math：`r`(:math:`f(r)>=0`)处不能为负数。 +- :investspec:`scenic_quality.scenic_quality max_valuation_radius` 估值函数 :math:`f` 在半径 :math:`r`(:math:`f(r)>=0`)处不能为负数。 最终结果 diff --git a/source/zh/sdr.rst b/source/zh/sdr.rst index fa0eface..266da82b 100644 --- a/source/zh/sdr.rst +++ b/source/zh/sdr.rst @@ -34,9 +34,9 @@ SDR模型的最新变化 SDR模型从InVEST 3.12.0版本开始进行了几次重大修订，目的是提高其可用性、透明度和准确性。这些变化总结如下，在本章的相关章节和方程中也会进一步阐述。 -*术语“沉积”已更改为“捕获”，中间参数:math:`R`已更改为:math:`T`，以避免与USLE中使用的R因子混淆。 +* 术语“沉积”已更改为“捕获”，中间参数:math:`R`已更改为:math:`T`，以避免与USLE中使用的R因子混淆。 -* 更新了中间参数:math:`R`（现更新为:math:`T`，trapping）和:math:`F`（flux）的计算。以前，:math:`R`和:math:`F`是这样计算er0-]的：从一个像素点侵蚀出来的沉积物（用修订的通用土壤流失方程或 RUSLE 计算）可以被同一像素点上的植被截留。这在概念上是不一致的：RUSLE的C系数已经反映了植被在减少侵蚀和沉积物径流方面的作用（Wischmeier, Smith 1978）。如果允许在同一像素上立即截留沉积物，就等于重复计算了植被的作用。通过更新的计算，所有从一个像素被侵蚀的沉积物都进入下一个下坡像素，在那里它们要么被截留，要么继续向下坡流动。*与前模型相比，这一变化不会影响任何特定情况下的水质估算。因此，您在使用时可能会生成与前版本InVEST不同的结果。 +* 更新了中间参数:math:`R` （现更新为:math:`T` ，trapping）和:math:`F` （flux）的计算。以前，:math:`R` 和:math:`F` 是这样计算er0-]的：从一个像素点侵蚀出来的沉积物（用修订的通用土壤流失方程或 RUSLE 计算）可以被同一像素点上的植被截留。这在概念上是不一致的：RUSLE的C系数已经反映了植被在减少侵蚀和沉积物径流方面的作用（Wischmeier, Smith 1978）。如果允许在同一像素上立即截留沉积物，就等于重复计算了植被的作用。通过更新的计算，所有从一个像素被侵蚀的沉积物都进入下一个下坡像素，在那里它们要么被截留，要么继续向下坡流动。*与前模型相比，这一变化不会影响任何特定情况下的水质估算。* 因此，您在使用时可能会生成与前版本InVEST不同的结果。 * 新增了两项输出（"避免侵蚀 "和 "避免输沙"），明确量化了沉积物对景观的保留作用。过去人们不清楚应使用哪个模型输出或输出组合来评估生态系统服务的价值。 @@ -263,19 +263,19 @@ Renard 等，1997）。 * **避免侵蚀** - 植被对减少侵蚀的贡献。换句话说，首先要重视避免侵蚀发生的植被。这可用于从当地土壤流失的角度量化生态系统服务。计算公式为 -　.. math:: AER_i = RKLS_i - USLE_i + .. math:: AER_i = RKLS_i - USLE_i :label: aer_i 　式中 :math:`AER_i` 是栅格 :math:`i`上避免的侵蚀量, :math:`RKLS_i` 和 :math:`USLE_i` 之间的区别代表植被和良好管理实践的好处，因为RKLS相当于USLE减去C和P因子。 * **避免输沙** - 植被对减少栅格侵蚀的贡献，以及捕获来自上坡的沉积物，使它们都不会向下进入河流。这也可以被认为是保留在栅格上的总沉积物。*避免输沙* 表示从下游角度考虑生态系统服务，计算为 -　.. math:: AEX_i = (RKLS_i - USLE_i) \cdot SDR_i + T_i + .. math:: AEX_i = (RKLS_i - USLE_i) \cdot SDR_i + T_i :label: aex_i 　式中 :math:`AEX_i` 是该栅格提供的总泥沙沉积量，包括栅格内侵蚀源和上坡侵蚀源。通过滞留这些沉积物，它有助于减少流向河流的沉积物。与*避免侵蚀*一样， :math:`RKLS_i` 和:math:`USLE_i` 之间的差异表示植被和良好管理实践的好处，并将其乘以泥沙输送比:math:`SDR_i` 量化了未进入河流的侵蚀量。最后，:math:`T_i` 是被滞留在栅格上的上坡沉积物量，也防止它进入河流。 -有关这些指标的更多信息，请参见以下部分：ref:`evaluating_sed_ret_services`. +有关这些指标的更多信息，请参见以下部分:ref:`evaluating_sed_ret_services`. 可选排水层 @@ -318,7 +318,7 @@ SDR和其他几个模型输出是根据到河流的距离 (:math:`d_i`)定义的 **还要注意的是，许多 SDR 结果在有河流的地方会产生 NoData 值**。这是因为模型不包括流内处理，模型计算在到达流时停止，正如**stream.tif**输出栅格所定义的那样。因此，如果您看到自己要解释的NoData值，请将它们与 **stream.tif** 进行比较，看是否匹配。如果匹配，这就是预期行为，没有任何输入可以改变，从而产生定义流内的值。 -**示例:** 下面是一个例子，说明阈值流量积累对确定范围的影响，在一个有多个流域，但在水文上没有连接的地区。在地图区域内，你可以看到一个从西北流向东南的连通的溪流网络，以及沿着地图右侧被切断的3条溪流。在下面的示例映射中，顶部的白色像素显示河流(**stream.tif** 来自SDR的输出)，而底部显示SDR (**sdr_factor.tif**)。*注意 SDR 栅格中的黑色像素，它们是NoData像素，因为它们位于流网络内。 +**示例:** 下面是一个例子，说明阈值流量积累对确定范围的影响，在一个有多个流域，但在水文上没有连接的地区。在地图区域内，你可以看到一个从西北流向东南的连通的溪流网络，以及沿着地图右侧被切断的3条溪流。在下面的示例映射中，顶部的白色像素显示河流(**stream.tif** 来自SDR的输出)，而底部显示SDR (**sdr_factor.tif** )。*注意 SDR 栅格中的黑色像素，它们是NoData像素，因为它们位于流网络内。* 在左列中，TFA值为100，表示左下和右上流域都存在河流。SDR栅格在所有定义输入的地方都有定义，除了右边缘的一小块不引流到任何流之外。 diff --git a/source/zh/urban_flood_mitigation.rst b/source/zh/urban_flood_mitigation.rst index 851b57df..8ff26a53 100644 --- a/source/zh/urban_flood_mitigation.rst +++ b/source/zh/urban_flood_mitigation.rst @@ -20,7 +20,7 @@ InVEST模型计算径流减少量，即每个像素保留的径流量与暴雨 产流和径流衰减系数 ---------------------------------------------- -对于每个栅格单元：math:`i`，根据土地使用类型和土壤特征，我们使用曲线编号法估算了径流：math:`Q` (mm) +对于每个栅格单元:math:`i`，根据土地使用类型和土壤特征，我们使用曲线编号法估算了径流:math:`Q` (mm) .. math:: Q_{p,i} = \begin{Bmatrix} @@ -29,7 +29,7 @@ InVEST模型计算径流减少量，即每个像素保留的径流量与暴雨 \end{Bmatrix} :label: runoff -式中：math:`P` 表示暴雨设计深度（单位：mm） +式中:math:`P` 表示暴雨设计深度（单位：mm） :math:`S_{max,i}`表示潜在保水率（单位：mm） :math:`\lambda \cdot S_{max}`表示启动径流的降雨深度，也称为初始损失(简化式:math:`\lambda=0.2`). diff --git a/source/zh/urban_nature_access.rst b/source/zh/urban_nature_access.rst index 50c4233c..6cb8da5b 100644 --- a/source/zh/urban_nature_access.rst +++ b/source/zh/urban_nature_access.rst @@ -265,9 +265,7 @@ 行政级别的供需平衡是平衡的总和 管理边界内的每个像素 :math:`i` :math:`adm`： -.. math:: - -SUP\_DEM_{adm} = \sum_{i \in \left\{adm \right\}} SUP\_DEM_i +.. math:: SUP\_DEM_{adm} = \sum_{i \in \left\{adm \right\}} SUP\_DEM_i :math:`SUP\_ DEM_{adm}` 表示多少城市自然，以平方表示 米，在行政单位中供应不足或过剩。 @@ -275,12 +273,9 @@ SUP\_DEM_{adm} = \sum_{i \in \left\{adm \right\}} SUP\_DEM_i 人均城市自然供需平衡也 在管理级别计算： -.. math:: +.. math:: SUP\_DEM_{adm，cap} = \frac{SUP\_DEM_{adm}}{P_{adm}} -SUP\_DEM_{adm，cap} = \frac{SUP\_DEM_{adm}}{P_{adm}} - -其中 :math:`P_{adm}` 是管理区内的总人口 -边界。 +其中 :math:`P_{adm}` 是管理区内的总人口边界。 当 :math:`SUP\_ DEM_{i，cap}` 在任何给定像素 :math:`i` 上< 0' 时，它 表示此像素中的人们对城市供应不足 @@ -375,7 +370,7 @@ pixel :math:`i` 是通过将距离加权相加来计算的 其他步骤和输出与核心模型中的步骤和输出相同。 -.._una-summarize-by-population-groups： +.. _una-summarize-by-population-groups: 运行按总体组汇总结果的模型 @@ -409,7 +404,7 @@ pixel :math:`i` 是通过将距离加权相加来计算的 不同级别的供应。 -.._una-radii-per-population-group： +.. _una-radii-per-population-group: 使用每个种群组定义的半径运行模型 @@ -588,14 +583,13 @@ group :math:`gn` 在 pixel :math:`i` 处，然后对所有像素进行求和 数据需求 -..注意：： -提供示例数据以提供需求示例和 -格式。 +.. note:: + 提供示例数据以提供需求示例和格式。 -..注意：： -所有空间输入必须位于同一投影坐标系中，并且 -以线性计量单位。输出将被重新采样以匹配 -LULC 的平方分辨率和空间投影。 +.. note:: + 所有空间输入必须位于同一投影坐标系中，并且 + 以线性计量单位。输出将被重新采样以匹配 + LULC 的平方分辨率和空间投影。 - :investspec:`urban_nature_access workspace_dir` @@ -710,16 +704,13 @@ LULC 的平方分辨率和空间投影。 population 组，则将创建以下附加字段： - SUP_DEMadm_cap_[POP_GROUP] - 平均城市自然供需 - 人口组POP_GROUP每人可利用的余额 - 在此行政单位内。 + 人口组POP_GROUP每人可利用的余额在此行政单位内。 - Pund_adm_[POP_GROUP] - 属于 - 人口组 POP_GROUP 在该行政单位内 - 城市自然供应不足。 + 人口组 POP_GROUP 在该行政单位内城市自然供应不足。 - Povr_adm_[POP_GROUP] - 属于 - 人口组 POP_GROUP 在该行政单位内 - 城市自然供过于求。 + 人口组 POP_GROUP 在该行政单位内城市自然供过于求。 输出目录中的其他文件因所选搜索而异半径模式： @@ -727,23 +718,20 @@ LULC 的平方分辨率和空间投影。 ~~~~~~~~~~~~~~~~~~~~~ - **output/accessible_urban_nature.tif** - 可进入的城市自然区域 -在提供的搜索半径内，由衰减函数加权。 -单位：平方米。 + 在提供的搜索半径内，由衰减函数加权。单位：平方米。 搜索半径按城市自然类定义 ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ - **output/accessible_urban_nature_lucode_[LUCODE].tif** - 城市面积 -在为该 lucode 提供的搜索半径内，类 LUCODE 的性质， -由衰减函数加权。单位：平方米。 + 在为该 lucode 提供的搜索半径内，类 LUCODE 的性质，由衰减函数加权。单位：平方米。 按人口组定义的搜索半径 ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ - **output/accessible_urban_nature_to_[POP_GROUP].tif** - 城市面积 -在进行搜索POP_GROUP，人口群体可进入的自然环境 -总体组的半径，由衰减函数加权。单位： -平方米。 + 在进行搜索POP_GROUP，人口群体可进入的自然环境 + 总体组的半径，由衰减函数加权。单位：平方米。 中间文件夹 @@ -751,20 +739,17 @@ LULC 的平方分辨率和空间投影。 这些文件将在每种搜索半径模式下生成： - **中级/aligned_lulc.tif** 用户土地使用土地的副本 -覆盖栅格。如果用户提供的 LULC 具有非方形像素， -它们将被重新采样为方形像素。 + 覆盖栅格。如果用户提供的 LULC 具有非方形像素， + 它们将被重新采样为方形像素。 - **中级/aligned_population.tif** 用户的人口栅格， -与对齐的 LULC 具有相同的分辨率和尺寸。 -单位：每像素人。 + 与对齐的 LULC 具有相同的分辨率和尺寸。单位：每像素人。 - **中级/undersupplied_population.tif** 每个像素代表 -总人口中正在经历 -城市自然赤字。单位：每像素人。 + 总人口中正在经历城市自然赤字。单位：每像素人。 - **中级/oversupplied_population.tif** 每个像素代表 -总人口中正在经历 -城市自然盈余。单位：每像素人。 + 总人口中正在经历城市自然盈余。单位：每像素人。 在中间目录中找到的其他文件因 选定的搜索半径模式： @@ -773,85 +758,75 @@ LULC 的平方分辨率和空间投影。 ~~~~~~~~~~~~~~~~~~~~~ - **中级/distance_weighted_population_within_[SEARCH_RADIUS].tif** -给定搜索半径内的总和SEARCH_RADIUS， -由用户的衰减函数加权。单位：每像素人。 + 给定搜索半径内的总和SEARCH_RADIUS， + 由用户的衰减函数加权。单位：每像素人。 - **intermediate/urban_nature_area.tif** 像素值表示 -城市自然面积（以平方米为单位）以每个像素表示。 -单位：平方米。 + 城市自然面积（以平方米为单位）以每个像素表示。单位：平方米。 - **中级/urban_nature_population_ratio.tif** 计算 -城市自然/人口比率。 + 城市自然/人口比率。 搜索半径按城市自然类定义 ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ - **中级/distance_weighted_population_within_[SEARCH_RADIUS].tif** -给定搜索半径内的总和SEARCH_RADIUS， -由用户的衰减函数加权。单位：每像素人。 + 给定搜索半径内的总和SEARCH_RADIUS， + 由用户的衰减函数加权。单位：每像素人。 - **intermediate/urban_nature_area_[LUCODE].tif** 像素值 -代表城市自然面积（以平方米为单位） -在每个像素中，由土地表示的城市自然类 -使用土地覆被代码 LUCODE。单位：平方米。 + 代表城市自然面积（以平方米为单位） + 在每个像素中，由土地表示的城市自然类 + 使用土地覆被代码 LUCODE。单位：平方米。 - **中级/urban_nature_population_ratio_lucode_[LUCODE].tif** -计算出的城市自然/人口比率 -以土地利用土地覆盖代码为代表的城市自然类别 -LUCODE的。单位：平方米/人 + 计算出的城市自然/人口比率 + 以土地利用土地覆盖代码为代表的城市自然类别 + LUCODE的。单位：平方米/人 - **中级/urban_nature_supply_percapita_lucode_[LUCODE].tif** 城市 -由于土地利用土地覆盖类别而提供给人口的自然 -LUCODE的。单位：平方米/人 + 由于土地利用土地覆盖类别而提供给人口的自然 + LUCODE的。单位：平方米/人 按人口组定义的搜索半径 ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ - **output/urban_nature_balance_[POP_GROUP].tif** 正像素值 -表明相对于所述城市自然供过于求 -城市自然需求对人口群体POP_GROUP。阴性 -值表示城市自然相对于 -陈述了对人口群体POP_GROUP的城市自然需求。 -单位：每人城市自然平方米。 + 表明相对于所述城市自然供过于求 + 城市自然需求对人口群体POP_GROUP。阴性 + 值表示城市自然相对于 + 陈述了对人口群体POP_GROUP的城市自然需求。 + 单位：每人城市自然平方米。 - **intermediate/urban_nature_area.tif** 像素值表示 -以每个像素表示的绿地面积（以平方米为单位）。 -单位：平方米。 + 以每个像素表示的绿地面积（以平方米为单位）。单位：平方米。 - **中级/population_in_[POP_GROUP].tif** 每个像素代表 -属于 -人口组POP_GROUP。单位：每像素人。 + 属于人口组POP_GROUP。单位：每像素人。 - **中级/proportion_of_population_in_[POP_GROUP].tif** 每个 -pixel 表示 -属于人口组POP_GROUP。单位：比例 -介于 0 和 1 之间。 + pixel 表示属于人口组POP_GROUP。单位：比例介于 0 和 1 之间。 - **中级/distance_weighted_population_in_[POP_GROUP].tif** 每个像素 -表示搜索半径内的总人数 -此总体组POP_GROUP，按用户选择加权 -衰减函数。单位：每像素人。 + 表示搜索半径内的总人数此总体组POP_GROUP，按用户选择加权 + 衰减函数。单位：每像素人。 - **中级/distance_weighted_population_all_groups.tif** 合计 -种群，由适当的衰减函数加权。单位： -每像素人数。 + 种群，由适当的衰减函数加权。单位：每像素人数。 - **中级/urban_nature_supply_percapita_to_[POP_GROUP].tif** 城市 -对人口群体的自然供应POP_GROUP。单位：平方米/平方米 -人。 + 对人口群体的自然供应POP_GROUP。单位：平方米/平方米人。 - **中级/undersupplied_population_[POP_GROUP].tif** 每个像素 -表示人口组 POP_GROUP 中的人口，即 -经历城市自然赤字。单位：每像素人。 + 表示人口组 POP_GROUP 中的人口，即经历城市自然赤字。单位：每像素人。 - **中级/oversupplied_population_[POP_GROUP].tif** 每个像素 -表示人口组 POP_GROUP 中的人口，即 -体验城市自然盈余。单位：每像素人。 + 表示人口组 POP_GROUP 中的人口，即体验城市自然盈余。单位：每像素人。 附录：数据源 ====================== -：ref：'土地利用/土地覆被 ` +:ref:`土地利用/土地覆被 ` --------------------------------- 人口栅格 @@ -859,14 +834,14 @@ pixel 表示 存在多个区域和全球数据集来估计人口 高分辨率下的尺寸和密度，例如： -- WorldPop全球人口数据： -https://www.worldpop.org/methods/populations/ + - WorldPop全球人口数据： + https://www.worldpop.org/methods/populations/ -- Meta/CIESIN全球人口密度数据： -https://dataforgood.facebook.com/dfg/tools/high-resolution-population-density-maps + - Meta/CIESIN全球人口密度数据： + https://dataforgood.facebook.com/dfg/tools/high-resolution-population-density-maps -- 欧洲100米人口数据： -https://www.eea.europa.eu/data-and-maps/data/population-density-disaggregated-with-corine-land-cover-2000-2 + - 欧洲100米人口数据： + https://www.eea.europa.eu/data-and-maps/data/population-density-disaggregated-with-corine-land-cover-2000-2 城市绿地数据 --------------------- @@ -874,15 +849,14 @@ https://www.eea.europa.eu/data-and-maps/data/population-density-disaggregated-wi 存在多个区域和全球数据集，这些数据集（帮助）定义城市 性质，包括以下内容： -- 拉丁美洲城市： -https://www.nature.com/articles/s41597-022-01701-y + - 拉丁美洲城市：https://www.nature.com/articles/s41597-022-01701-y -- 欧洲城市：https:// land.copernicus.eu/local/urban-atlas + - 欧洲城市：https://land.copernicus.eu/local/urban-atlas -- 全球数据： + - 全球数据： -- http://data.ess.tsinghua.edu.cn/ -- https://www.openstreetmap.org/ + - http://data.ess.tsinghua.edu.cn/ + - https://www.openstreetmap.org/ （有关比较，请参阅：https://www.sciencedirect.com/science/article/abs/pii/S1618866722001819） diff --git a/source/zh/wind_energy.rst b/source/zh/wind_energy.rst index 8a848cf2..40796b46 100644 --- a/source/zh/wind_energy.rst +++ b/source/zh/wind_energy.rst @@ -1,4 +1,4 @@ -.. _风能: +.. _wind-energy: ******************************* 海上风能生产 @@ -399,7 +399,7 @@ InVEST软件带有两种常见涡轮机大小的默认技术和财务信息：3. * `example_size_and_orientation_of_a_possible_wind_farm.shp`: 一个ESRI shapefile，代表样本风电场的外边界。这个多边形的位置是随机的，是为了帮助用户感知潜在的风电场的规模. - * `harvested_energy_MWhr_per_yr.tif`: ：GeoTIFF格栅文件，代表以一个像元为中心的风电场每年获得的能量. + * `harvested_energy_MWhr_per_yr.tif`: GeoTIFF格栅文件，代表以一个像元为中心的风电场每年获得的能量. * `levelized_cost_price_per_kWh.tif`: 一个 GeoTIFF 栅格文件，表示将以该像素为中心的农场的现值设置为零所需的能源单价。值以用作模型输入的货币单位给出. From 4fad584c31344dd1ca491afd63e9a082d02edfda Mon Sep 17 00:00:00 2001 From: Emily Soth Date: Wed, 20 Nov 2024 14:21:04 -0800 Subject: [PATCH 06/11] update SQ percentile numbering for zh --- source/zh/scenic_quality.rst | 10 +++++----- 1 file changed, 5 insertions(+), 5 deletions(-) diff --git a/source/zh/scenic_quality.rst b/source/zh/scenic_quality.rst index 232f8e53..d0dccc10 100644 --- a/source/zh/scenic_quality.rst +++ b/source/zh/scenic_quality.rst @@ -39,11 +39,11 @@ InVEST景区质量模型以一种简单的方式为用户提供了近岸和离 　　 　　* *vshed_qual.tif* 是表示给定像素的视觉质量的栅格。*vshed_Value.tif* 的单元格根据以下百分位数分隔符进行分类： 　　 - 1.未受影响的 - 2. 低视觉冲击/高视觉质量（<25%） - 3. 中等视觉冲击/中等视觉质量（25-50%） - 4. 高视觉冲击力/低视觉质量（50-75%） - 5. 非常高的视觉冲击力/较差的视觉质量（>75%） + 0.未受影响的 + 1. 低视觉冲击/高视觉质量（<25%） + 2. 中等视觉冲击/中等视觉质量（25-50%） + 3. 高视觉冲击力/低视觉质量（50-75%） + 4. 非常高的视觉冲击力/较差的视觉质量（>75%） 在计算的每个步骤中为每个特征 *X* 创建附加文件： From 7e66ca83b2cc1929ccb5b6b1b673bf88aacc13ce Mon Sep 17 00:00:00 2001 From: Emily Soth Date: Wed, 20 Nov 2024 14:28:29 -0800 Subject: [PATCH 07/11] fix some punctuation in zh --- source/zh/getting_started.rst | 4 ++-- source/zh/ndr.rst | 4 ++-- 2 files changed, 4 insertions(+), 4 deletions(-) diff --git a/source/zh/getting_started.rst b/source/zh/getting_started.rst index 2121eb57..d192964d 100644 --- a/source/zh/getting_started.rst +++ b/source/zh/getting_started.rst @@ -223,7 +223,7 @@ InVEST 附带示例数据作为格式化数据的指南，并开始了解模型 + 请记住*使用示例数据集作为格式化数据的指南*。 -．．_running-models: +.. _running-models: 运行模型 ================== @@ -248,7 +248,7 @@ InVEST 附带示例数据作为格式化数据的指南，并开始了解模型 脚本成功完成后，可以通过将空间结果从工作空间添加到 GIS 来查看空间结果。仔细和批判性地看待结果是很重要的。这些价值观有意义吗？这些模式有意义吗？你明白为什么有些地方的值较高而另一些地方的值较低吗？您的输入图层和参数如何驱动结果？ 如果您担心您的结果，并想在用户论坛上询问它，请先查看这些问题。通常，通过查看输入图层中的单位、值或缺失数据，可以很容易地解释意外的高值或低值或缺失数据区域。 -．．_support-and-error-reporting: +.. _support-and-error-reporting: 支持和错误报告 =========================== diff --git a/source/zh/ndr.rst b/source/zh/ndr.rst index 4077325e..3da48a43 100644 --- a/source/zh/ndr.rst +++ b/source/zh/ndr.rst @@ -1,4 +1,4 @@ -．．_ndr: +.. _ndr: **************************** 养分输送比（NDR） @@ -51,7 +51,7 @@ where :math:`RPI_i` is the runoff potential index on pixel :math:`i`, defined as 对于每个像元，修改的负载可以分为沉积物结合和溶解的养分部分。从概念上讲，前者代表地表或浅层地下径流输送的养分，而后者代表地下水输送的养分。 -．．注意:: +.. note:: 该模型只计算了氮的地下成分。地下磷没有建模，因为磷颗粒通常与沉积物结合，不太可能通过地下流输送。 这两种类型的养分来源之间的比例由参数“proportion\_subsurface\_n”给出，该参数量化了溶解的养分物质与养分物质总量的比例。对于像元i: From efbb3c2e82e9aa8ed3a8d524bca550b168db93fa Mon Sep 17 00:00:00 2001 From: Emily Soth Date: Wed, 20 Nov 2024 15:49:26 -0800 Subject: [PATCH 08/11] fix zh underline length --- source/zh/urban_nature_access.rst | 2 ++ 1 file changed, 2 insertions(+) diff --git a/source/zh/urban_nature_access.rst b/source/zh/urban_nature_access.rst index 6cb8da5b..4a63136a 100644 --- a/source/zh/urban_nature_access.rst +++ b/source/zh/urban_nature_access.rst @@ -373,6 +373,7 @@ pixel :math:`i` 是通过将距离加权相加来计算的 .. _una-summarize-by-population-groups: 运行按总体组汇总结果的模型 +----------------------------- 用户可以选择提供人口特征指示 属于给定的总人口比例 @@ -407,6 +408,7 @@ pixel :math:`i` 是通过将距离加权相加来计算的 .. _una-radii-per-population-group: 使用每个种群组定义的半径运行模型 +------------------------------------- 搜索半径对城市自然供应和 不同的种群具有不同的半径。例如，具有 From ba243626e4cd2a37bac29a42475e3469b9050b23 Mon Sep 17 00:00:00 2001 From: Emily Soth Date: Wed, 20 Nov 2024 16:11:44 -0800 Subject: [PATCH 09/11] quick fix: empty DOI not allowed --- source/conf.py | 9 ++++----- 1 file changed, 4 insertions(+), 5 deletions(-) diff --git a/source/conf.py b/source/conf.py index ff4eb155..52c4721f 100644 --- a/source/conf.py +++ b/source/conf.py @@ -76,6 +76,7 @@ git_version = setuptools_scm.get_version( version_scheme='post-release', local_scheme='node-and-date', root='..') + print('here', git_version) # If not at a tag, note that we're in a UG repo-managed version if 'post' in git_version: @@ -150,11 +151,11 @@ # read the DOI from the InVEST citation # Use the git version to pull the citation file for that version from github. -doi = ' ' +doi = '(No DOI)' try: citation_file_resp = requests.get( 'https://raw.githubusercontent.com/' - 'natcap/invest/{git_version}/CITATION.cff') + f'natcap/invest/{git_version}/CITATION.cff') citation_file_resp.raise_for_status() # fail if 404 for doi_data in yaml.load(citation_file_resp.text, Loader=yaml.Loader)['identifiers']: @@ -174,10 +175,8 @@ rst_prolog = f""" .. |commit_year| replace:: {commit_year} .. |git_version| replace:: {git_version} +.. |latest_release_doi| replace:: {doi} """ -# TODO: add this to the prolog once 3.14.2 is out. -# .. |latest_release_doi| replace:: {doi} - # Shoehorning the git commit information into the copyright. # This feels like a hacky shortcut, but it's easier to do than the custom theme From de66c7df6e2b7b70a8ba0751458aff22c2126d1b Mon Sep 17 00:00:00 2001 From: Emily Soth Date: Wed, 20 Nov 2024 16:24:34 -0800 Subject: [PATCH 10/11] clean up --- source/conf.py | 1 - 1 file changed, 1 deletion(-) diff --git a/source/conf.py b/source/conf.py index 52c4721f..7f86b9ea 100644 --- a/source/conf.py +++ b/source/conf.py @@ -76,7 +76,6 @@ git_version = setuptools_scm.get_version( version_scheme='post-release', local_scheme='node-and-date', root='..') - print('here', git_version) # If not at a tag, note that we're in a UG repo-managed version if 'post' in git_version: From 0e8c88e3a89c4eeaa8f361e8ae7463284de7bd89 Mon Sep 17 00:00:00 2001 From: Emily Soth Date: Thu, 21 Nov 2024 10:18:22 -0800 Subject: [PATCH 11/11] undo doi fix; remove doi field from index --- source/conf.py | 8 +++++--- source/en/index.rst | 2 +- 2 files changed, 6 insertions(+), 4 deletions(-) diff --git a/source/conf.py b/source/conf.py index 7f86b9ea..ff4eb155 100644 --- a/source/conf.py +++ b/source/conf.py @@ -150,11 +150,11 @@ # read the DOI from the InVEST citation # Use the git version to pull the citation file for that version from github. -doi = '(No DOI)' +doi = ' ' try: citation_file_resp = requests.get( 'https://raw.githubusercontent.com/' - f'natcap/invest/{git_version}/CITATION.cff') + 'natcap/invest/{git_version}/CITATION.cff') citation_file_resp.raise_for_status() # fail if 404 for doi_data in yaml.load(citation_file_resp.text, Loader=yaml.Loader)['identifiers']: @@ -174,8 +174,10 @@ rst_prolog = f""" .. |commit_year| replace:: {commit_year} .. |git_version| replace:: {git_version} -.. |latest_release_doi| replace:: {doi} """ +# TODO: add this to the prolog once 3.14.2 is out. +# .. |latest_release_doi| replace:: {doi} + # Shoehorning the git commit information into the copyright. # This feels like a hacky shortcut, but it's easier to do than the custom theme diff --git a/source/en/index.rst b/source/en/index.rst index fd9150af..88e518a3 100644 --- a/source/en/index.rst +++ b/source/en/index.rst @@ -46,7 +46,7 @@ InVEST® User Guide **Suggested citation**: Natural Capital Project, |commit_year|. InVEST |version|. Stanford University, University of Minnesota, Chinese Academy of Sciences, The Nature Conservancy, World Wildlife Fund, Stockholm -Resilience Centre and the Royal Swedish Academy of Sciences. |latest_release_doi| +Resilience Centre and the Royal Swedish Academy of Sciences. https://naturalcapitalproject.stanford.edu/software/invest **Contributors**\*: