基于全局网络的全球生态预测模型.docxVIP

基于全局网络的全球生态预测模型 1 问题描述 1.1 生态预测模型及真实数据 现在，占主导地位的人是导致全球生态恶化的主要原因，但这一声明尚未得到证实。现在许多对全球生态的预测方法都是根据目前的趋势来预测未来的状况, 或者使用物种分布模型来预测气候的改变。研究表明, 当生态指标到达一个临界点后, 地区生态状况将发生巨大的不可逆转的变化。 目前的生态预测模型并未全面考虑影响生态退化的因素, 如决策者制定的政策对区域生态和全球生态的长期影响等。要建立更好的模型, 首先应该找到影响区域生态的因素及其量化指标, 其次必须考虑区域内部各生态因素之间的关联, 最后要研究全球和区域生态的相互影响。 基于上述考虑, 建立了动态网络模型来预测地球的健康状况。模型中, 网络中的节点表示地理区域, 边表示节点之间的邻接关系。用模型预测还未施行的政策对全球生态健康状况及其演变的影响, 帮助决策者制定政策。 然而, 由于缺乏真实数据, 模型难以验证。有两个重要的原因使真实数据难以获得:一是地球生物已经遭受了5次大规模灭绝, 当时的数据很难被获取, 并且对地球生态状况影响巨大的人类文明在上古时期并不存在, 所以难以用当时的数据来衡量现在的地球健康状况;另一个原因是, 虽然模型中使用的大部分数据都被清楚地定义, 但是仍有一些必要的数据需要决策者提供。 1.2 节点健康状况 考虑到动态全局网络的复杂性, 为简化模型求解, 分别为双层通信网络模型 (two-tier communication network model, TCNM) 构建了局部与整体两层模型。 首先, 根据地理的划分建立全局网络的节点, 并通过贝叶斯信念网络研究这些节点的固有特征和这些特征如何作用于生态驱动因素的相互影响过程。贝叶斯信念网络的状态 (内部节点) 表示生态退化的驱动因素, 通过经典的世界动力学模型确定了5个驱动因素。同时, 根据生态维度的驱动因素 (以下简称“生态因素”) 设计了节点的健康状况指标。使用层次分析法 (analytic hierarchy process, AHP) 对生态因素的不同方面 (如生物多样性指数等) 进行加权分析, 并通过其临界点综合加权, 得到节点健康状况的临界点。通过使用贝叶斯信念网络模型来揭示节点固有特征对生态驱动因素之间的相互作用的影响, 训练贝叶斯信念网络得到驱动因素改变的概率分布。此外, 行政政策或突发灾害对生态的瞬间影响可以通过驱动因子量化指标的变化来表示, 因此模型能够对政策或灾害的长期影响进行研究。 其次, 通过类比通信协议来构建全局网络。定义了“信号”, 即人口迁移、污染扩散等在节点间的传递。节点之间的边, 即节点的地理邻接关系, 看作可以传输信号的信道, 并且信号只能通过信道传递。每次迭代时, 信号被当作协议数据单元 (protocol data unit, PDU) 接收, 政策和突发灾害被视为服务原语, 驱动因素之间的相互作用造成的内部影响则被看作通信协议中的定时器。PDU、服务原语和定时器这3种影响被定义为协议事件, 可以造成协议状态的改变, 并触发一些通信网络中的协议动作, 即释放信号。通过研究网络弹性, 定义了全局网络的健康状况指标及其临界点。 最后, 讨论了模型如何运行及其敏感性, 并说明了模型的优缺点。 2 影响城市城市生态文明的机制 1) 关键转化一旦发生, 则该地区的退化过程不可逆。关键转化意味着一旦发生, 生物多样性剧烈下降, 人类的生存受到巨大影响, 并且不可能恢复到正常状态。 2) 人口增长和人类行为是生态状况退化的决定性因素。研究证明, 工业革命后, 全球生态退化加速。人口增长是农业、工业等演进的根本原因。 3) 一个地区的固有特征在相当长的时间内保持稳定。一个地区的固有特征是其内在属性, 包括地貌和季风等, 是相对于生态退化驱动因素来说的。固有特征长期稳定的假设不仅能够简化模型, 还有助于研究本地和全局健康状况的相互作用。比如, 利用一个地区风速保持一致的假设, 可以应用高斯扩散模型来研究污染的传播。 4) 在一个特定的时间和空间粒度下, 健康状况与影响是离散的。在整体网络模型中, 由于内部的驱动因素、外部及政策和突发灾害的影响, 节点的健康状况会相应演变。也就是说, 内部或外部影响发挥作用前, 节点处于前置状态, 发挥作用后则转换到后置状态。在特定时间和空间粒度下的每次迭代中, 节点在上次迭代中接收到的影响发挥作用, 并通过网络对其他节点输出影响;与此同时, 节点接收其他节点发送的影响, 但这些影响并不立即发挥作用, 而是保留到下次迭代。当时间与空间粒度足够小时, 地球的健康状况及节点的相互影响可以看作是连续的。 3 节点地理位置 定义与模型相关的术语。 1) 驱动因素。受到福雷斯特世界模型的启发,