數(shù)學(xué)與計(jì)算機(jī)科學(xué)學(xué)院社會計(jì)算科研團(tuán)隊(duì)聚焦西部生態(tài)環(huán)境保護(hù)，構(gòu)建生態(tài)系統(tǒng)中碳循環(huán)、天氣水文、種群相互作用、物種分布、生態(tài)流行病等生態(tài)因子變化的機(jī)理模型。借助數(shù)值計(jì)算、數(shù)據(jù)挖掘以及計(jì)算機(jī)模擬等智能計(jì)算方法研究生態(tài)環(huán)境中種群數(shù)量關(guān)系與空間結(jié)構(gòu)，為西部生態(tài)環(huán)境保護(hù)和治理提供理論依據(jù)和決策支持。
社會計(jì)算研究內(nèi)容之一：灰狼優(yōu)化算法對物種分布預(yù)測的優(yōu)化
物種分布模型（SDMs）作為探究物種與環(huán)境關(guān)系的數(shù)學(xué)工具，因其具有預(yù)測物種潛在分布的能力而日益受到重視。在SDMs算法的研究中，大部分學(xué)者通常只關(guān)注比較不同算法的預(yù)測性能，而較少針對表現(xiàn)較弱的算法的優(yōu)化研究?；依莾?yōu)化算法因其簡單、靈活和高效，成為解決優(yōu)化問題的主要技術(shù)之一。本研究通過灰狼優(yōu)化算法優(yōu)化了人工神經(jīng)網(wǎng)絡(luò)（ANN）中的權(quán)重與閾值，并開發(fā)了一種混合算法GNNA，旨在提升ANN在預(yù)測物種潛在分布方面的性能。與ANN相比，本研究提出的混合算法GNNA的預(yù)測性能得到了顯著提高。
圖1 GNNA與4種常用物種分布模型在3個(gè)評價(jià)指標(biāo)下的預(yù)測性能比較。
社會計(jì)算研究內(nèi)容之一：西藏-喜馬拉雅地區(qū)生物多樣性保護(hù)
以西藏-喜馬拉雅區(qū)域典型的瀕危屬綠絨蒿為研究對象，通過氣候生態(tài)位因子建模評估了綠絨蒿物種對氣候變化的脆弱性，確定了潛在的未來氣候避難所，并通過最小成本路徑方法模擬了綠絨蒿物種擴(kuò)散到擬避難所的最佳路線。本研究可為西藏-喜馬拉雅地區(qū)物種保護(hù)政策的制定提供可靠的理論基礎(chǔ)。
圖2 未來氣候變化下十種綠絨蒿植物在西藏-喜馬拉雅地區(qū)及其鄰近地區(qū)的潛在氣候避難和擴(kuò)散路徑
社會計(jì)算研究內(nèi)容之一：甘南草地生態(tài)保護(hù)
基于馬爾科夫—元胞自動(dòng)機(jī)構(gòu)建了青藏高原東北部甘南州草地的脆弱性評價(jià)模型，確定了氣候變化和人類活動(dòng)的影響下甘南草地的脆弱性格局和主要驅(qū)動(dòng)因素，可為制定相應(yīng)的草地管理政策提供理論依據(jù)。
圖3 中度碳排放氣候場景下2019-2050年甘南草地NDVI趨勢分析與其空間脆弱性的對應(yīng)關(guān)系
社會計(jì)算研究內(nèi)容之一：甘肅省生態(tài)系統(tǒng)風(fēng)險(xiǎn)評估。
定量化研究人類社會消費(fèi)與自然生態(tài)系統(tǒng)資源之間的供需關(guān)系是評估生態(tài)系統(tǒng)服務(wù)可持續(xù)性的有效途徑。通過建立三維能值生態(tài)足跡模型，對甘肅省2001-2020年環(huán)境可持續(xù)性發(fā)展進(jìn)行評價(jià)。相關(guān)結(jié)果對甘肅省制定合理科學(xué)發(fā)展戰(zhàn)略以及增強(qiáng)區(qū)域生態(tài)保護(hù)和促進(jìn)經(jīng)濟(jì)可持續(xù)發(fā)展提供理論支持。
圖4：2001-2020年甘肅省能值生態(tài)足跡變化趨勢
