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.