Evaluación dinámica del efecto de la restauración ecológica de pendientes basada en similitud de coseno y cadena de Markov.

Oct 11, 2023

Scientific Reports volumen 13, número de artículo: 13533 (2023) Citar este artículo

94 Accesos

Detalles de métricas

Es importante evaluar el efecto de la restauración ecológica de laderas para diagnosticar a tiempo el estado de la restauración de laderas. Varios métodos de computación blanda requieren que expertos determinen el peso del índice, lo que afectará la racionalidad de los resultados de la evaluación. Además, todos son métodos de evaluación estáticos y no pueden reflejar el efecto del tiempo de la restauración. Por lo tanto, se ha propuesto un método de evaluación dinámica sin determinar el peso del índice basado en la Similitud del Coseno y la Cadena de Markov. Se aplicaron varios casos para probar la efectividad del método propuesto. Los resultados presentaron que los resultados de este método son más consistentes con las situaciones reales y pueden reflejar la variabilidad del efecto de restauración. Finalmente, se analizó la sensibilidad de los índices bajo diferentes métodos de restauración ecológica. Los resultados muestran que el vínculo central del método de restauración fue consistente con el resultado de sensibilidad. El método propuesto proporciona una base para optimizar los métodos de restauración.

El daño ecológico de las pendientes en la construcción de carreteras, minas a cielo abierto y construcción de represas tiene un fuerte impacto negativo en el medio ambiente, resultando en pérdida de vegetación y erosión del suelo1,2. Es un desafío en el campo de la ingeniería geotécnica y ecológica implementar de manera efectiva la protección de taludes con estado de inestabilidad para restaurar la vegetación dañada y reducir la erosión del suelo3. La restauración ecológica de laderas se refiere principalmente a la tecnología de combinación de plantas vivas con medidas de ingeniería para prevenir la erosión y el pelado de la pendiente, como la tecnología de protección ecológica del concreto vegetal4, la tecnología de plantación de pendientes con cinta5, y la tecnología de granulación de orden superior CS6. Es de gran importancia elegir y utilizar las tecnologías de restauración ecológica apropiadas para guiar el trabajo posterior de protección ecológica de laderas. Sin embargo, los resultados de la investigación sobre la restauración ecológica de pendientes se centran principalmente en la selección, el diseño, la optimización y el mecanismo de las medidas de restauración de pendientes, mientras que el estado general de salud y el mantenimiento de los proyectos de restauración ecológica existentes rara vez se estudian. En la etapa inicial de la restauración ecológica, la tasa de supervivencia y la tasa de cobertura de la vegetación se ven muy afectadas por el clima y las precipitaciones estacionales, lo que puede conducir a un mayor deterioro del entorno ecológico de la ladera. Sin un diagnóstico de salud oportuno y preciso y un mantenimiento razonable, se producirán pérdidas de suelo y agua y deslizamientos de tierra, lo que provocará enormes pérdidas económicas.

En la actualidad, algunos estudiosos han estudiado el estado de salud de la restauración ecológica de pendientes. Sin embargo, la mayoría de los datos de evaluación existentes son simples y extensos, se basan en interpretaciones visuales, descripciones cualitativas o juicios aproximados a modo de calificación de expertos, y extraen conclusiones cualitativas como “excelente”, “bueno”, “medio”, “malo”. ” y “éxito o fracaso”7. Este método de evaluación se ve muy afectado por los sentimientos subjetivos individuales y carece de objetividad, estándares cuantitativos y datos de evaluación precisos, científicos y estandarizados. Por lo tanto, para el mismo proyecto, los resultados obtenidos por diferentes evaluadores suelen ser bastante diferentes y la credibilidad de los resultados de la evaluación es cuestionable.

Generalmente, el efecto de la restauración ecológica de las laderas no sólo está influenciado por índices cuantificables (p. ej., química del suelo, física del suelo, diversidad de especies, cobertura vegetal, refuerzo de raíces), sino también por índices más cualitativos (p. ej., tipo de suelo, comunidad vegetal, drenaje). sistema, coordinación paisajística, capacidad paisajística para visitantes)8,9,10,11. Esto trae grandes dificultades a la evaluación del efecto de restauración ecológica de la pendiente. Actualmente, muchos métodos de computación blanda, como el enfoque del proceso de jerarquía analítica (AHP)12, el método de programación matemática difusa13,14, el método de análisis de agrupamiento gris15,16, la teoría exténica17 y el par de conjuntos no determinados18, se han aplicado ampliamente a la evaluación de la restauración ecológica de pendientes. efecto, que puede tener en cuenta indicadores cuantitativos y cualitativos de forma integral. Sin embargo, estos métodos suaves necesitan determinar el peso de los indicadores a través de experiencias personales de expertos, lo que también genera incertidumbre en los resultados del cálculo. Además, estos métodos no pueden simular los factores de incertidumbre en el modelo de evaluación y no pueden expresar la incertidumbre de los resultados de manera más intuitiva. Además, a escala temporal, muchos investigadores de restauración ecológica han llegado a un consenso sobre la necesidad de monitorear y evaluar los cambios y mejoras en la vegetación a lo largo del tiempo, lo que favorece la información en tiempo real en la implementación de proyectos de reconstrucción de la vegetación. Sin embargo, la mayoría de las investigaciones existentes se limitan a la evaluación estática y faltan una evaluación dinámica del proceso de cambio de la vegetación de las laderas.

Cosine Similarity (CS) es un algoritmo de agrupación relativamente simple, que se utiliza principalmente en el índice de espacio de texto, cálculo de similitud semántica, detección de fallas, etc. La informática también se aplica cada vez más en el campo de la toma de decisiones con múltiples atributos. Long et al.19 establecieron un modelo de selección de herramientas basado en CS. Liao y Xu20 propusieron un enfoque basado en CS para el problema de decisión multicriterio de lenguajes difusos vacilantes y aplicaron el modelo propuesto a la selección de sistemas ERP. CS generalmente se define como el producto interno de dos vectores distintos de cero dividido por el producto de sus longitudes21. Si la distancia del coseno entre dos vectores es menor, la similitud entre dos vectores será mayor. Además, en la toma de decisiones con múltiples atributos, este método no necesita determinar el peso de los indicadores, lo que minimiza la influencia del juicio subjetivo de los expertos. En la actualidad, existen pocas investigaciones sobre la evaluación de la restauración ecológica de pendientes mediante CS. La evaluación del efecto de la restauración ecológica de laderas consiste esencialmente en juzgar el grado de cercanía entre el estado real y el estado ideal de la restauración ecológica de laderas. Cuanto mayor sea el grado de proximidad, cuanto más cerca estén los índices de restauración ecológica de la pendiente del estado ideal, mejor será el efecto. Por lo tanto, es factible evaluar el efecto de restauración ecológica de la pendiente mediante CS en este artículo. Sin embargo, CS sólo se puede utilizar para evaluación estática. La cadena de Markov (MC) proporciona una forma factible de evaluación dinámica. MC es un modelo matemático que describe fenómenos aleatorios dinámicos y también un análisis que utiliza el estado actual y la tendencia de una variable para predecir el estado y la tendencia futuros de la variable, que tiene una amplia gama de aplicaciones en los campos de la economía y la sociología. y ciencias de la vida. Lu y Chen22 propusieron un método para predecir el cambio dinámico de la huella ecológica urbana utilizando MC. Ma y Wang23 simularon la futura distribución espacial ecológica de Wuhan basándose en MC. Por lo tanto, en este trabajo de investigación, proponemos un método para evaluar dinámicamente el efecto de la restauración ecológica de pendientes sin determinar pesos de índices basados ​​en CS y MC.

Los objetivos del estudio son (1) establecer un modelo de evaluación dinámica del efecto de la restauración ecológica de pendientes basado en CS y MC; (2) demostrar la viabilidad del modelo propuesto y estimar el efecto de la restauración ecológica de pendientes basándose en algunos proyectos reales; (3) discutir la sensibilidad de los índices de evaluación bajo diferentes métodos de restauración ecológica de pendientes y compararlos con la situación real.

CS es el coseno del ángulo entre dos vectores en el espacio vectorial como medida de la diferencia entre dos sujetos. Se puede utilizar en el análisis de decisiones de atributos múltiples para juzgar el orden de los pros y los contras de cada esquema comparando el coseno del ángulo entre cada esquema y el esquema ideal. En este caso se supone un esquema (Ô) a evaluar. Si se da el esquema ideal, la distancia entre el esquema a evaluar y el esquema ideal se puede determinar mediante el coseno del ángulo.

Cuando se proporciona un estándar de calificación de evaluación, los datos de índice del objeto se pueden generar aleatoriamente a partir del mismo intervalo de calificación según la simulación de Monte Carlo (MCS). MCS es una tecnología de simulación avanzada que se utiliza para la estimación numérica bajo la guía de la teoría de la probabilidad y la estadística matemática. Este método puede resolver científica y razonablemente problemas complejos con múltiples factores e incertidumbres. De este modo, MCS puede generar varios objetos con resultados de evaluación conocidos. Luego, de acuerdo con los objetos con resultados de evaluación conocidos, los resultados de la evaluación de los esquemas investigados se pueden calcular fácilmente mediante las medidas de similitud del coseno. Aquí hay un estándar de calificación de evaluación con cinco calificaciones de evaluación e índices j, como se muestra en la Tabla 1.

Se pueden generar dinámicamente cinco objetos de evaluación (O1, O2, O3, O4 y O5) basándose en una simulación estocástica, siguiendo la distribución uniforme (el número de objetos de evaluación generados aleatoriamente es igual al número de calificaciones de evaluación)24. Se observa que cada valor de índice de los cinco objetos de evaluación (O1, O2, O3, O4 y O5) proviene del mismo intervalo de calificaciones respectivamente. Por ejemplo, cada valor del índice de O1 proviene aleatoriamente del intervalo de primer grado, obedeciendo a la distribución uniforme (χj0, χj1], cada valor del índice de O2 proviene aleatoriamente del intervalo de segundo grado, obedeciendo a la distribución uniforme (χj1, χj2] , y así sucesivamente, como se muestra en la Tabla 2. Por lo tanto, los resultados de evaluación de O1, O2, O3, O4 y O5 son determinables, lo que corresponde a muy bueno (I), bueno (II), normal (III), pobre. (IV), muy pobre (V), respectivamente.

La distancia del coseno se puede aplicar para calcular la similitud del objeto investigado (Ô) con respecto a los cinco objetos de evaluación (O1, O2, O3, O4 y O5) respectivamente. La medición de similitud de coseno sqrt puede considerarse una medición de distancia efectiva en el aprendizaje automático para aplicaciones de alta dimensión basadas en la distancia de Hellinger25. Así, sim(Oi, Ô), i = 1, 2, 3, 4, 5, puede describirse como:

donde sim(Oi, Ô) es la similitud coseno entre dos objetos Oi y Ô. Ôj es el jésimo elemento del objeto investigado (Ô).

Según el valor crítico de similitud sim(Oi, Ô)*, si sim(Oi, Ô) ≥ sim(Oi, Ô)*, entonces Oi y Ô son el mismo resultado de evaluación. Según la fórmula de medición de similitud de coseno sqrt, se puede obtener fácilmente una proposición.

Hay tres clasificaciones de objetos de evaluación: Oi, Oj y Ok. Si los resultados de clasificación de Oi y Oj son iguales, los resultados de clasificación de Oi y Ok son diferentes, entonces min{sim(Oi, Oj)} > max{sim(Oi, Ok)}.

Supongamos que min{sim(Oi, Oj)} ≤ max{sim(Oi, Ok)}.

entonces, sim(Hola, Oj) ≥ sim(Hola, Oj)*, sim(Hola, Oj)* ≤ min{sim(Hola, Oj)} ≤ max{sim(Hola, Ok)}.

Por tanto, Oi y Ok son la misma clasificación, lo que contradice la proposición. Por tanto, la proposición antes mencionada es cierta.

Según la Proposición, el resultado de la evaluación de Ô se puede obtener calculando max{sim(Oi, Ô)}, i = 1, 2, 3, 4, 5, de la siguiente manera:

La incertidumbre de cinco objetos de evaluación influirá en los resultados de similitud, porque los valores de los índices de cinco objetos de evaluación se generan utilizando una estrategia de simulación estocástica.

Supongamos que Numgrade(k) (k = I, II, III, IV, V) es el resultado del ensayo aleatorio de Ô. Para una secuencia de N pruebas, Numgrade(k) anota los números de ocurrencia del grado (k) (k = I, II, III, IV, V). Entonces la probabilidad de calificación (k) de Ô en las pruebas se puede calcular como:

Así, la calificación correspondiente a la máxima probabilidad es el resultado de la evaluación de Ô.

El proceso de Markov es un proceso especial de movimiento aleatorio. Un proceso de cambio en X de un sistema en movimiento se llama proceso de Markov si el estado de Xr+1 sólo está relacionado con el estado de Xr y no con el estado anterior de Xr.

donde P es la matriz de probabilidad de transición del proceso.

El proceso de Markov no tiene efectos secundarios ni estabilidad, y su clave radica en la determinación de la matriz de probabilidad de transición P. Puv es la probabilidad de transición del tipo u al tipo v. Puv debe cumplir dos condiciones básicas: ① Puv ∈ [0,1]; ② ∑Puv = 1.

Dado que el estado del resultado de la evaluación se divide en cinco niveles en la parte 2.1, el espacio de estados se compone de cinco estados en el modelo MC. La matriz de probabilidad de transición P se puede expresar de la siguiente manera:

El resultado de la evaluación de Ô (P(I), P(II), P(III), P(IV), P(V)) se puede utilizar como estado inicial en el modelo MC. En la actualidad, muchos investigadores determinan la matriz de probabilidad de transformación P del modelo MC basándose en los datos de transformación de estado de varios años. Ante la ausencia de datos históricos de varios años sobre la restauración ecológica de pendientes, este artículo establece un modelo de restricción para resolver la matriz de probabilidad de transformación P del modelo MC.

Hay dos supuestos, como sigue:

Las probabilidades de transiciones entre estados no son iguales;

El estado X1(0, 0, 0, 0, 1) o X1(1, 0, 0, 0, 0) no cambiará después de varios pasos. Es decir, cuando la probabilidad del resultado de la evaluación de V o I es del 100%, su estado no cambiará con el tiempo.

Con base en estos dos supuestos, establecemos la función objetivo y la función de restricción.

donde Sk(r) es el valor real en el estado k después de la transferencia de r pasos, Ŝk(r) es el valor estimado en el estado k después de la transferencia de r pasos.

Resolviendo el modelo anterior, se puede obtener la matriz de probabilidad de transformación P del modelo MC. En base a esto, es posible construir un modelo de evaluación dinámica para CM.

El proceso de evaluación dinámica del efecto de la restauración ecológica de pendientes incluye dos partes, la primera parte es la evaluación inicial utilizando CS y la segunda parte es la evaluación dinámica utilizando MC. Para obtener los resultados de la evaluación dinámica, primero se lleva a cabo la evaluación inicial de la restauración ecológica de laderas basada en CS. Luego, se determinó la matriz de probabilidad de transición con base en las Ecs. (7) y (8). Finalmente, de acuerdo con los resultados de la evaluación inicial de la restauración ecológica de pendientes y la matriz de probabilidad de transición P, los resultados de la evaluación dinámica fueron resueltos por la Ec. (4), y se predijo que el cambio del efecto de restauración ecológica de la pendiente realizaría una evaluación dinámica. Con base en el proceso de cálculo anterior, integramos CS y MC para construir un sistema de métodos para la evaluación dinámica de la restauración ecológica de pendientes. La parte más crítica de la primera parte es generar esquemas aleatoriamente con resultados de evaluación conocidos. Crystal Ball es un software de simulación fácil de usar que puede ejecutar simulación Monte Carlo (MCS) para simulaciones estocásticas y está asociado con el programa de hoja de cálculo Microsoft Excel®26. Por lo tanto, Crystal Ball puede llevar a cabo fácilmente el método de evaluación propuesto para el efecto de la restauración ecológica de la pendiente en una hoja de trabajo de Excel®. El proceso de cálculo detallado se muestra en la Fig. 1.

Diagrama de flujo básico del método propuesto.

En el distrito de Caidian, ciudad de Wuhan, China, hay muchas pendientes mineras, y las pendientes de roca expuestas dañadas tienen un impacto negativo significativo en el paisaje natural y el ecosistema local. De 2006 a 2013, el gobierno forzó el cierre de todas las canteras de la zona y llevó a cabo una restauración ecológica a gran escala de las montañas dañadas, con una superficie total de 360.000 m2 y una inversión total de casi 9,8 millones de dólares.

Aplicamos el modelo de evaluación propuesto a siete proyectos de restauración ecológica de pendientes completados con diferentes métodos de restauración. La Figura 2 muestra la ubicación geográfica de la región de estudio. Los detalles del proyecto de restauración ecológica de taludes se muestran en la Tabla 3.

La ubicación geográfica de la región de estudio (Google Earth, 2020).

La selección del índice de evaluación de la restauración ecológica de laderas debe reflejar sistemáticamente el efecto de la restauración de laderas. No sólo se deben considerar las características físicas, mecánicas y químicas del sustrato, sino también la contribución de los grupos de vegetación a la retención de agua de la pendiente y la capacidad de consolidación del suelo y la belleza del paisaje. Sobre la base de la literatura de investigación existente27,28, este estudio se combinó con la situación real y el asesoramiento de expertos para establecer un sistema de índice de evaluación integral a partir de los cuatro aspectos: efecto de mejora del sustrato, efecto ecológico, efecto de conservación del suelo y el agua y efecto del paisaje. Con la ayuda del análisis de componentes principales, se comparó la importancia de cada índice y finalmente se determinó el sistema de índices con mayor impacto en el efecto de restauración ecológica de la pendiente. Los efectos de la conservación del suelo y el agua incluyen la resistencia al corte del compuesto raíz-suelo (X1), la permeabilidad (X2), la intensidad de la erosión del suelo (X3) y la densidad del peso de las raíces (X4). El efecto ecológico incluye cobertura vegetal (X5), resistencia de la vegetación a la sequía (X6), índice de diversidad de Shannon-Wiener (X7), índice de uniformidad de Pielou (X8). El efecto de mejora del sustrato incluye materia orgánica (X9), N disponible (X10), P disponible (X11), K disponible (X12) y densidad aparente del suelo (X13). El efecto paisajístico incluye la coordinación paisajística (X14) y la capacidad paisajística para visitantes (X15).

De acuerdo con los resultados de la investigación relevante, el asesoramiento de expertos y los resultados de la investigación in situ y del monitoreo de muestreo de cada parcela de muestra de restauración ecológica de pendiente, el índice se divide en cinco grados, es decir, muy bueno, bueno, normal, pobre y muy pobre, correspondientes a I, II, III, IV y V, respectivamente. También se establece el estándar de grado de evaluación de la restauración ecológica de la pendiente, como se muestra en la Tabla 4. Los datos originales de los siete casos se muestran en la Tabla 5. Luego, estos datos originales se utilizan para probar el efecto computacional del modelo de evaluación dinámica en condiciones reales. aplicaciones de ingeniería complicadas.

De acuerdo con el estándar de grado de evaluación de la restauración ecológica de taludes (Tabla 4), y los datos originales de los siete casos (Tabla 5) (Yang et al. 2019), se configura una hoja de cálculo Excel para realizar este método, como se muestra en Fig. 3. Ingrese la ecuación. (1) en las columnas de la hoja de cálculo denominadas Medición de similitud. Ingrese la ecuación. (2) en la fila de la hoja de cálculo denominada Clasificación Ô. Luego, la hoja de cálculo se carga en el software Crystal Ball. Los objetos de evaluación generados aleatoriamente (O1, O2, O3, O4 y O5) obedecen a una distribución uniforme según la Tabla 2. Dado que los índices X6, X14 y X15 son cualitativos, los valores correspondientes de los objetos de evaluación son constantes, como se puede ver en Fig. 3. Seleccione la celda O7 como variable predictiva. Dado que los resultados calculados tienden a ser estables cuando el número de pruebas excede 1000, se establece en 1000. Finalmente, se ejecuta el MCS para calcular la probabilidad de la calificación (k) de Ô.

El nuevo método para el cálculo de la pendiente 1 de ingeniería implementado en una hoja de cálculo de Excel.

Con base en los procedimientos operativos anteriores, los resultados de la evaluación del efecto de la restauración ecológica del talud se obtienen mediante el método propuesto. Los resultados de la evaluación de las pendientes se presentan en la Tabla 6. Como se ve en la Tabla 6, aunque los resultados de los dos métodos son casi consistentes y también casi coinciden con las situaciones reales. Pero los resultados calculados por este método propuesto están más en línea con la situación real. El método propuesto puede obtener los resultados de la evaluación en forma probabilística, que puede cuantificar y reflejar la variabilidad del efecto de reconstrucción. Además, este método puede predecir el efecto futuro de la restauración ecológica de laderas y realizar una evaluación dinámica.

Por ejemplo, la cobertura vegetal de la pendiente 1 era superior al 50% después de 50 días, pero aumentó a más del 90% después de 1 año. El resultado de la evaluación obtenido por el método AHP difuso es de clase IV, que no puede reflejar la variabilidad del efecto de reconstrucción. De acuerdo con los resultados obtenidos por este modelo propuesto, se puede encontrar claramente que el resultado de la evaluación inicial es grado III con una probabilidad del 53.12%, y el resultado de la evaluación futura cambia al grado I con una probabilidad del 62.5%, lo que puede reflejar la variabilidad del efecto de restauración. También podemos encontrar que los resultados del cálculo de las pendientes 2 y 6 concuerdan bien con la situación real, pero el método tradicional no puede obtener la variabilidad del resultado. Los resultados de la evaluación de las pendientes 4 y 7 obtenidos mediante el método AHP difuso son de clase I. Sin embargo, en comparación con la situación real, la tasa de cobertura vegetal de la pendiente 4 no alcanzó más del 95% hasta dos años después. La vegetación de la ladera 7 cubrió completamente la ladera rocosa después de 50 días, y después de 2 años formó básicamente un paisaje natural en armonía con el entorno circundante. Los resultados obtenidos por este modelo se acercan más a la realidad. El resultado de la evaluación inicial de la pendiente 4 es grado II, con una probabilidad del 100%. Con el tiempo, el resultado de la evaluación cambia al grado I, con una probabilidad del 79%. El resultado de la evaluación inicial del talud 7 fue grado II, con una probabilidad del 94,52%. Con el paso del tiempo, el resultado de la calificación de evaluación cambia al grado I, con una probabilidad del 77,08%.

En consecuencia, se puede concluir que la robustez del método propuesto supera la robustez de los métodos tradicionales, como el método del peso de la entropía, y su aplicación también es más conveniente que la de los métodos tradicionales, lo que lo convierte en un método adecuado para evaluar el efecto. de restauración ecológica de laderas. Asimismo, el método propuesto puede obtener los resultados de la evaluación en forma probabilística, los cuales pueden cuantificar y reflejar la variabilidad del efecto de reconstrucción. Sin embargo, debido a la necesidad de determinar las ponderaciones de los índices, la eficiencia informática del método de ponderación de entropía es deficiente. Para resolver el problema de numerosos índices y una gran cantidad de datos, el método difuso AHP no es muy satisfactorio, resultando muy especializado y requiere mucho tiempo.

Debido al efecto espacial del sitio y la influencia de los instrumentos experimentales, algunos índices en un mismo sitio son diferentes, pero pueden seguir una determinada distribución. Por lo tanto, es necesario considerar la incertidumbre del índice y analizar la sensibilidad del índice para ilustrar el desempeño del método propuesto. En un sentido matemático, la sensibilidad del índice puede entenderse como el grado de cambio en la función F(x) causado por un pequeño cambio en la variable x. Dado que el análisis de sensibilidad global requiere múltiples llamadas al modelo de simulación, lo que lleva mucho tiempo, este artículo utiliza el método de análisis de sensibilidad local para analizar la sensibilidad del índice S.

Los índices del objeto investigado (Ô) son independientes entre sí y se supone que son inciertos con una distribución normal. Con base en los datos de estos 7 métodos de restauración ecológica de pendientes, se supone que todos los datos del índice obedecen a una distribución normal, el valor medio son los datos originales de cada índice y la desviación estándar es 2. Luego se calculó la diferencia de sensibilidad de cada índice. utilizando este modelo propuesto y el método AHP difuso.

Se puede ver en la Fig. 4 que cuando se utiliza AHP difuso para calcular la sensibilidad del índice, la sensibilidad de los índices son diferencias obvias para dos ponderaciones de índices diferentes, lo que también se puede decir que los resultados del cálculo están muy influenciados por los sentimientos subjetivos individuales. Sin embargo, el método propuesto no considera la influencia del peso del índice, lo que da como resultado resultados relativamente estables, por lo que el rendimiento del cálculo tiene mayores ventajas en comparación con el AHP difuso.

Indexa la sensibilidad de solpe1 utilizando el método AHP difuso.

Se puede ver en la Fig. 5 que para el primer método (tecnología de siembra por aspersión del suelo), los índices con mayor sensibilidad son X14, X15 y X3, lo que también se puede demostrar en la práctica que la asignación científica y razonable del riego de pastos especies, la durabilidad y la resistencia a la erosión del sustrato tienen la mayor influencia en el efecto de restauración. En el segundo método, los índices con mayor sensibilidad son X14, X3 y X15, los cuales son básicamente consistentes con los resultados de sensibilidad del primer método. Además, en la práctica, la resistencia y durabilidad del alambre de púas afecta directamente a la estabilidad del sustrato ecológico en la pendiente. Los índices con alta sensibilidad del tercer método son X6, X15 y X11, que difieren significativamente de los resultados del primer y segundo método. La resistencia a la sequía de la vegetación y el P disponible tiene un gran impacto en el efecto de restauración ecológica. En la práctica de la ingeniería, el método más crítico es utilizar fibras vegetales para mejorar la capacidad de conservación del suelo y del agua del sustrato y requiere el uso de suelo superficial rico en materia orgánica y partículas de arcilla. El grado de sensibilidad del índice de los métodos cuarto al séptimo tiene una pequeña diferencia, y el índice con el mayor grado de sensibilidad es X3, que es básicamente consistente con los resultados en la práctica de la ingeniería.

Sensibilidad de índices bajo diferentes métodos de restauración ecológica.

Diferentes estándares de clasificación del efecto de la restauración ecológica de pendientes pueden conducir a cambios en los resultados de evaluación obtenidos utilizando este método propuesto. Debido a que los resultados de similitud sim(Oi, Ô)(i = 1, 2, 3, 4, 5) están directamente relacionados con los objetos (O1, O2, O3, O4 y O5) generados aleatoriamente a partir del estándar de calificación de evaluación del Restauración ecológica de taludes. Por lo tanto, se puede saber que es imposible evitar por completo la influencia subjetiva durante la evaluación. Para mejorar la eficiencia del cálculo y reducir la influencia de la subjetividad, el objetivo de nuestro próximo estudio es clasificar el efecto de la restauración ecológica de la pendiente sin el estándar de calificación de evaluación. En resumen, al utilizar de manera integral el CS y el MC para estimar cuantitativamente el efecto dinámico de la restauración ecológica de las laderas, se puede proporcionar con precisión una base científica para desarrollar las medidas de restauración ecológica de las laderas.

En este documento se propuso un método de evaluación basado en CS y MC para evaluar dinámicamente el efecto de la restauración ecológica de pendientes. El método propuesto tiene las ventajas de evitar la influencia de la subjetividad en los pesos de los índices y obtener los resultados de la evaluación dinámica en forma probabilística. Mientras tanto, el método de evaluación propuesto puede tener en cuenta la incertidumbre de los índices de restauración ecológica de taludes. Tomando como ejemplos varias vertientes típicas de la ingeniería, la eficacia del método propuesto se verifica mediante los resultados de la evaluación dinámica y el grado de sensibilidad de los índices. Los resultados obtenidos por el método propuesto son más consistentes con las situaciones reales que los métodos tradicionales. Debido a la falta de una gran cantidad de datos de restauración ecológica de pendientes, el método para determinar la matriz de probabilidad de transformación en este estudio aún es insuficiente. Investigaciones posteriores mejorarán el método de determinación de la matriz de probabilidad de transferencia al combinar una gran cantidad de datos de restauración de pendientes.

Todos los datos generados o analizados durante este estudio se incluyeron en este artículo.

Zhang, H. & Chu, LM Estructura de la comunidad vegetal, propiedades del suelo y características microbianas en canteras revegetadas. Ecológico. Ing. 37, 1104-1111. https://doi.org/10.1016/j.ecoleng.2010.05.010 (2011).

Artículo de Google Scholar

Li, SC y Sun, HL Desarrollo de tendencias y situación de la técnica para estabilizar pendientes rocosas con cubierta vegetal en China. Recurso. Ciencia. 26, 61–66 (2004).

ADS CAS Google Académico

Clemente, AS, Werner, C., Maguas, C., Martins-Loução, MA & Correia, O. Restauración de una cantera de piedra caliza: efecto de las enmiendas del suelo en el establecimiento de arbustos esclerófilos nativos mediterráneos. Restaurador. Ecológico. 12, 20-28. https://doi.org/10.1111/j.1061-2971.2004.00256.x (2004).

Artículo de Google Scholar

Liu, D. y col. Efecto del tipo y proporción de materia orgánica sobre las propiedades físicas y mecánicas del hormigón-vegetación. Adv. Madre. Ciencia. Ing. 2018, 1–8. https://doi.org/10.1155/2018/3608750 (2018).

Artículo de Google Scholar

Zhang, JY, Zhou, DP & Li, SC Estudio sobre el método de ecologización de taludes rocosos en proyectos de carreteras. Mentón. J. Rock Mech. Ing. 21, 1400-1403 (2002).

Google Académico

Ao, XY La tecnología de granulación de orden superior CS aplicada a la pendiente de Fengdu Country Industry Avenue. Maestría en Ciencias Tesis (Universidad Chongqing Jiaotong, Chongqing, 2013) (en chino).

Xu, H. y col. Evaluación del efecto de revegetación de laderas: avances y perspectivas de la investigación. Mentón. J. Ecología. 41(3), 589–596 (2022).

Google Académico

Xu, XG, Bai, SQ, Yang, DS y Hu, TX Discusión sobre el sistema de evaluación de la calidad de la vegetación en pendientes. J. Conservación del agua del suelo. 18(2), 189–191 (2004).

Google Académico

Li, SC, Sun, HL, Yang, ZR, He, L. & Cui, BS Características mecánicas interactivas del sistema roca-sustrato-raíz. Mentón. J. Rock Mech. Ing. 24(12), 2074–2081 (2005).

Google Académico

Hu, X. et al. Evaluación de calidad de la ingeniería de protección de taludes por vegetación. Toro. Conservación del agua del suelo. 33(3), 180–185 (2013).

Google Académico

Zhang, Q., Zhang, T. & Liu, X. Sistema de índices para evaluar la restauración ecológica de canteras. Sostenibilidad 10(3), 619. https://doi.org/10.3390/su10030619 (2018).

Artículo de Google Scholar

Kil, SH, Lee, DK, Kim, JH, Li, MH y Newman, G. Utilización del proceso de jerarquía analítica para establecer valores ponderados para evaluar la estabilidad de la revegetación de pendientes basada en aplicaciones de hidrosiembra en Corea del Sur. Sostenibilidad 8(1), 1–17. https://doi.org/10.3390/su8010058 (2016).

Artículo de Google Scholar

Long, F., Li, SC, Sun, HL, Yang, LX y Mao, J. Sistema de indicadores de evaluación del efecto de la ecoingeniería para la protección de taludes rocosos y su aplicación. Mentón. J. Rock Mech. Ing. 28, 3095–3101 (2009).

Google Académico

Yang, QY y cols. Evaluación del riesgo de erosión del suelo en una zona kárstica utilizando modelos difusos y el método del proceso de jerarquía analítica. Reinar. Ciencia de la Tierra. 71, 287–292 (2014).

ADS del artículo Google Scholar

Chen, YM, Xu, SD y Jin, Y. Evaluación de la capacidad de restauración ecológica del revestimiento en un canal restringido interior. KSCE J. Civilización. Ing. 20(6), 2548–2558 (2016).

Artículo de Google Scholar

Zhang, X., Hu, HB, Wu, QF & Ma, B. Diversidad de plantas y factores que influyen en pendientes rocosas basadas en siembra por aspersión suspendida en red. J. Nanjing para. Univ. (Nat. Sci. Ed.) 42, 131-137 (2018).

Google Académico

Zhang, YW, Li, SC y Meng, FQ Aplicación de la teoría exténica para evaluar el grado del efecto de montañas dañadas según un proceso de jerarquía analítica. Reinar. Ciencia de la Tierra. 71(10), 4463–4471 (2014).

ADS del artículo Google Scholar

Wan, BT, Bao, XY & Li, AC Sistema de evaluación de calidad y aplicación del proyecto de protección ecológica de taludes basado en acoplamiento de pares no determinados. Toro. Conservación del agua del suelo. 39(2), 108-114 (2019).

Google Académico

Long, YC, Zhao, W. & Chen, L. Un método de selección de herramientas multiobjetivo que utiliza FAHP y similitud de coseno. Procedia CIRP 104, 1843–1848. https://doi.org/10.1016/j.procir.2021.11.311 (2021).

Artículo de Google Scholar

Liao, H. & Xu, Z. Enfoques para gestionar información lingüística difusa y vacilante basados ​​en la distancia del coseno y medidas de similitud para HFLTS y su aplicación en la toma de decisiones cualitativas. Sistema experto. Aplica. 42(12), 5328–5336. https://doi.org/10.1016/j.eswa.2015.02.017 (2015).

Artículo de Google Scholar

Ye, J. Medidas de similitud del coseno para conjuntos difusos intuicionistas y sus aplicaciones. Matemáticas. Computadora. Modelo. 53, 91–97. https://doi.org/10.1016/j.mcm.2010.07.022 (2011).

Artículo MathSciNet MATEMÁTICAS Google Scholar

Lu, Y. & Chen, B. Predicción de la huella ecológica urbana basada en la cadena de Markov. J. Limpio. Pinchar. 163, 146-153. https://doi.org/10.1016/j.jclepro.2016.03.034 (2017).

Artículo de Google Scholar

Ma, B. & Wang, X. ¿Cuál es el futuro del espacio ecológico en el área metropolitana de Wuhan? Una simulación de múltiples escenarios basada en Markov-FLUS. Ecológico. Indiana 141, 1-12. https://doi.org/10.1016/j.ecolind.2022.109124 (2022).

Artículo de Google Scholar

Wu, LZ, Li, SH & Zhang, M. Un nuevo método para clasificar la calidad del macizo rocoso basado en MCS y TOPSIS. Reinar. Ciencia de la Tierra. 78(6), 199–209 (2019).

ADS del artículo Google Scholar

Sohangir, S. & Wang, DD Medición mejorada de similitud del coseno sqrt. J. Big Data 4(1), 1–13 (2017).

Artículo de Google Scholar

González, AG, Herrador, M. & Asuero, AAG Evaluación de incertidumbre a partir de simulaciones de Monte-Carlo mediante el uso del software Crystal-Ball. Acreditado. Cual. Asegurar. 10(6), 324–324 (2005).

Artículo de Google Scholar

Yang, YS y cols. Evaluación del efecto de la restauración ecológica de las laderas de las canteras en el distrito de Caidian, ciudad de Wuhan. Sostenibilidad 11(23), 1–16. https://doi.org/10.3390/su11236624 (2019).

Artículo de Google Scholar

Carabassa, V., Ortiz, O. & Alcañiz, M. JRESTOQUARRY: Indicadores de autoevaluación de la restauración ecológica en minas a cielo abierto. Ecológico. Índico. 102, 437–445. https://doi.org/10.1016/j.ecolind.2019.03.001 (2019).

Artículo de Google Scholar

Descargar referencias

La investigación fue financiada por el Fondo de Investigación Abierta del Laboratorio Estatal Clave de Simulación y Regulación del Ciclo del Agua en Cuencas Fluviales (Instituto de Investigación de Recursos Hídricos e Hidroelectricidad de China), subvención n.°: IWHR-SKL-201817, y por Tianjin Art and Science. Proyecto de planificación, Subvención No.: D22004.

Escuela de Administración, Universidad Tecnológica de Tianjin, Tianjin, República Popular China

Wenqiang Chen y Kaihe Shi

Escuela de Optometría, Instituto Vocacional de Tianjin, Tianjin, República Popular China

Yongai Sun

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

WC diseñó este estudio, propuso el método, analizó los resultados y escribió este manuscrito; YS y KS revisaron este manuscrito. Todos los autores han leído y aprobado el manuscrito final.

Correspondencia a Wenqiang Chen.

Los autores declaran no tener conflictos de intereses.

Springer Nature se mantiene neutral con respecto a reclamos jurisdiccionales en mapas publicados y afiliaciones institucionales.

Acceso Abierto Este artículo está bajo una Licencia Internacional Creative Commons Attribution 4.0, que permite el uso, compartir, adaptación, distribución y reproducción en cualquier medio o formato, siempre y cuando se dé el crédito apropiado al autor(es) original(es) y a la fuente. proporcione un enlace a la licencia Creative Commons e indique si se realizaron cambios. Las imágenes u otro material de terceros en este artículo están incluidos en la licencia Creative Commons del artículo, a menos que se indique lo contrario en una línea de crédito al material. Si el material no está incluido en la licencia Creative Commons del artículo y su uso previsto no está permitido por la normativa legal o excede el uso permitido, deberá obtener permiso directamente del titular de los derechos de autor. Para ver una copia de esta licencia, visite http://creativecommons.org/licenses/by/4.0/.

Reimpresiones y permisos

Chen, W., Sun, Y. & Shi, K. Evaluación dinámica del efecto de restauración ecológica de pendientes basada en la similitud del coseno y la cadena de Markov. Representante científico 13, 13533 (2023). https://doi.org/10.1038/s41598-023-40770-w

Descargar cita

Recibido: 13 de diciembre de 2022

Aceptado: 16 de agosto de 2023

Publicado: 19 de agosto de 2023

DOI: https://doi.org/10.1038/s41598-023-40770-w

Cualquier persona con la que comparta el siguiente enlace podrá leer este contenido:

Lo sentimos, actualmente no hay un enlace para compartir disponible para este artículo.

Proporcionado por la iniciativa de intercambio de contenidos Springer Nature SharedIt

Al enviar un comentario, acepta cumplir con nuestros Términos y pautas de la comunidad. Si encuentra algo abusivo o que no cumple con nuestros términos o pautas, márquelo como inapropiado.