CN109242260A - 景观生态脆弱性指数的构建方法与验证方法 - Google Patents
景观生态脆弱性指数的构建方法与验证方法 Download PDFInfo
- Publication number
- CN109242260A CN109242260A CN201810920339.1A CN201810920339A CN109242260A CN 109242260 A CN109242260 A CN 109242260A CN 201810920339 A CN201810920339 A CN 201810920339A CN 109242260 A CN109242260 A CN 109242260A
- Authority
- CN
- China
- Prior art keywords
- landscape
- index
- region
- ecological
- vulnerability index
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000010276 construction Methods 0.000 title claims abstract description 37
- 238000012795 verification Methods 0.000 title claims abstract description 10
- 238000000611 regression analysis Methods 0.000 claims abstract description 4
- 238000009826 distribution Methods 0.000 claims description 34
- 238000010606 normalization Methods 0.000 claims description 11
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000000513 principal component analysis Methods 0.000 claims description 5
- 239000000284 extract Substances 0.000 claims description 4
- 230000000737 periodic effect Effects 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 abstract description 7
- 230000007613 environmental effect Effects 0.000 abstract description 4
- 238000001514 detection method Methods 0.000 abstract description 3
- 238000012544 monitoring process Methods 0.000 abstract description 2
- 230000000875 corresponding effect Effects 0.000 description 9
- 238000011160 research Methods 0.000 description 7
- 238000011161 development Methods 0.000 description 5
- 239000003643 water by type Substances 0.000 description 5
- 238000000605 extraction Methods 0.000 description 3
- 238000013467 fragmentation Methods 0.000 description 3
- 238000006062 fragmentation reaction Methods 0.000 description 3
- 239000012141 concentrate Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000011282 treatment Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- 241000736211 Platycladus Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000003475 lamination Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
景观生态脆弱性指数的构建方法及验证方法，涉及生态环境监测技术领域，具体涉及到生态环境检测中的景观生态脆弱性指标的构建方法。构建方法采用景观脆弱性指数和人口压力指数加权构建获得景观生态脆弱性指数的方法，其依据区域的人口干扰度指数、人口压力指数和每个景观的景观脆弱性指数获得相应的生态脆弱性指数。验证方法是采用上述方法获得同一个区域的两个时期的生态脆弱性指数，进而获得相应变化值，再获得两个时期的景观类型变化等级加权值，采用SPSS统计软件对所述景观类型变化等级加权值与景观生态脆弱性指数变化值进行回归分析，获得两者之间的相关性实现验证。该发明适用于构建景观指数构建生态评价体系及相关体系的验证。
Description
技术领域
本发明涉及生态环境监测技术领域，具体涉及到生态环境检测中的景观生态脆弱性指标的构建方法。
背景技术
环境变化及可持续发展问题日益受到科学界的广泛关注，生态环境脆弱性反映了生态系统所受到的干扰及脆弱程度，景观格局是景观异质性在空间上的综合表现，景观格局指数与区域生态环境脆弱性具有较高的关联性，人为扰动也是生态环境脆弱性中的重要因素。基于景观格局-人口压力的生态脆弱性评价及其动态变化研究不仅有助于找出区域发展过程中存在的环境问题及其主要驱动力，同时对景观格局的内部资源整合、调整空间结构、生态环境治理提供了必要依据，对人类经济活动和区域可持续发展具有重要意义。
当前，国外关于生态环境脆弱性的研究集中在生态脆弱性风险评价领域，对景观格局的研究集中在景观格局变化、景观生态安全、景观生态风险等领域，然而对于景观格局脆弱性的研究尚不多见。国内学者们开始通过景观指数构建生态评价体系，生成景观生态脆弱性指标，但在评价指标的选取、权重赋值、脆弱性等级划分等方面尚未形成统一的观点。而且，对于如何验证生态脆弱性构建合理性方面尚无研究。
国内外在景观生态脆弱性的研究方面取得了许多重要成果。但还存在一些问题,例如:1、基于景观的生态脆弱性评价体系对人为扰动因素的关注不够。2、指标的权重赋值方面，忽视了主观客观相结合的合理性。3、直接采用构建的脆弱性指数进行脆弱性计算和分析，必要的脆弱性指数构建合理性验证方面没有科学的方法。
发明内容
针对现有技术存在的问题，本发明提出了一种结合景观脆弱性指数和人口压力指数加权构建景观生态脆弱性指数的方法，该方法对各因子进行权重赋值时，采用熵值法确定初始值。
本发明所述的景观生态脆弱性指数的构建方法是采用景观脆弱性指数和人口压力指数加权构建获得景观生态脆弱性指数的方法。
所述方法具体为：获取待评价区域的遥感图像和非遥感数据；
依据景观分类的综合原则和区域景观时空分布特征以及遥感图像，生成待评价区域的景观类型分布图；
依据景观类型分布图提取并计算获得生态学意义较高的景观格局指数，然后依据主成分分析的方法保留前m个景观格局指数；
将景观类型分布图进行等网格划分，划分成n个网格区域；
针对每个网格区域作如下处理：
获得该网格区域的人口干扰度指数PID、人口压力指数PPD；
获得该网格区域中每个景观的景观脆弱性指数LVIi，i＝1,2,…，k；
获得该网格区域的生态脆弱性指数LEVIj；
获得所有网格区域的生态脆弱性指数LEVIj(j＝1,2…n)，完成构建。
在实际应用中，可以采用本发明所述的方法获得某一区域多个时期的景观生态脆弱性指数，进而获得该区域的景观生态脆弱性指标的变化。
本发明的有益效果有：本发明在构建景观的生态脆弱性指数的时候，充分考虑到了人口相关因素，因此使得采用本发明的方法获得的景观生态脆弱性指数对景观进行生态脆弱性评价，能够更准确的获得生态系统的脆弱程度，更有利于针对区域发展存在的环境问题做出相应的规划，整合景观格局的内部资源、调整空间结构，进而更有效的治理生态环境。
现有的生态脆弱性评价方法中构建景观的生态脆弱性指数的方法中均未考虑过人为扰动因素，而实际人为因素对环境的影响是很大的，即人为因素又对生态脆弱性有着直接影响。本发明首次提出了在构建景观的生态脆弱性指数中加入认为扰动因素，即人口压力指数(包括人口密度和人口干扰度)，该种方法也将是本领域在构建生态脆弱性指数技术领域中将来的一个研究方向和发展趋势。
本发明针对上述景观生态脆弱性指数的构建方法还给出了一种验证体系，具体为：
采用上述景观生态脆弱性指数的构建方法分别获得同一个区域的两个时期的景观生态脆弱性指数，对比获得的两个时期的每个网格区域的景观生态脆弱性指数变化值；
获得两个时期的每个网格区域的景观类型变化等级加权值，
采用SPSS统计软件分别对每个网格区域的景观类型变化等级加权值与景观生态脆弱性指数变化值进行回归分析，获得两者之间的相关性，进而完成对景观生态脆弱性指数构建方法获得的景观脆弱性指数的合理性的验证。
上述获得每个网格区域的景观类型变化等级加权值的方法为：
针对每一种可能发生的景观类型变化，按照生态脆弱性的影响赋等级值，并归一化映射至区间[-1,1],其中负值表示该景观类型变化会降低区域生态脆弱性,正值表示该景观类型变化会增加区域生态脆弱性，景观类型变化等级加权值(Grade Weighted Valueof Landscape Type Change)根据公式:
计算获得，其中LTCGVW表示景观类型变化等级加权值，LTCNGVi表示第i种景观类型变化归一化等级值(Landscape Type Change Normalization Grade Value)，SCi表示第i种景观类型变化面积，S区域表示区域面积，k表示景观类型的个数，k(k-1)为k种景观类型组合的变化数量。
采用上述验证方法对本发明所述的景观生态脆弱性指数构建方法进行验证，获得的相关性0.7959，表示该方法应用的合理性很高。
附图说明
图1是具体实施方式所述的一种景观生态脆弱性指数的构建方法的流程图。图2是具体实施方式中所述的待评价区域(哈尔滨)2010年的景观分布图。图3是图2所示检测区域2015年的景观分布图。图4是图2和图3叠加后获得的两期景观类型变化图。图5是图2所示的景观分布图的网格划分图。图6是图3所示的景观分布图的网格划分图。图7是图4所示的景观分布图的网格划分图。
具体实施方式
本实施方式所述的景观生态脆弱性指数的构建方法是采用景观脆弱性指数和人口压力指数加权构建获得景观生态脆弱性指数的方法。具体可以采用下述步骤实现，参见图1所示：
获取待评价区域的遥感图像和非遥感数据；
依据景观生态分类的综合原则和区域景观时空分布特征以及遥感图像，生成待评价区域的景观类型分布图；
依据景观类型分布图提取并计算获得图中所有相关景观格局指数，然后依据主成分分析的方法保留前m个景观格局指数；
将景观类型分布图进行等网格划分，划分成n个网格区域；
针对每个网格区域作如下处理：
获得该网格区域的人口干扰度指数PID、人口压力指数PPD；
获得该网格区域中每个景观的景观脆弱性指数LVIi，i＝1,2,…，k；
获得该网格区域的生态脆弱性指数LEVIj；
获得所有网格区域的生态脆弱性指数LEVIj(j＝1,2…n)，完成构建。
上述遥感图像是指通过遥感技术采集待评价区域的遥感影像，然后基于待评价区域的地理区域边界对该遥感影像进行裁剪获得的图像。所述的遥感影像是需要进行预处理、几何校正和辐射增强等常规图像处理方法进行处理的，处理之后再基于待评价区域的区域边界完成遥感影像的裁剪获得相应的遥感图像。
上述生成待评价区域的景观类型分布图的方法是依据景观生态分类的综合原则和待评价区域的景观时空分布特征，确定其主要的景观类型，然后辅助大量非遥感信息，完成对遥感图像地类信息的定量提取，在此基础上，并对解译数据精度评估、修正和过滤等综合处理，建立待评价区域的景观类型空间数据库和景观格局分布图。
上述非遥感数据包括人口密度数据、行政区划图、土地利用现状图和野外调查数据等。
上述依据景观类型分布图提取并计算获得图中所有相关景观格局指数的方法，可以采用Fragstatic4.2软件实现。该方法选取多个与生态脆弱性相关的景观指数，然后采用Fragstats4.2软件进行景观格局指数的计算获得相应的景观格局指数。
上述依据主成分分析的方法是指采用主成分分析法对获得的多个景观格局指数进行分析，去掉相关性高的景观格局指数，保留前m个相对独立的景观格局指数。为消除不同量纲的影响,在实际操作过程中需要将所有景观格局指数进行归一化处理。
上述将景观类型分布图进行等网格划分的方法为，可以采用ArcGIS10.3软件中的Fishnet及Split功能实现。
上述获得该网格区域的人口干扰度指数PID的方法，可以采用ArcGIS10.3软件统计该网格区域内的建设用地的总面积S建设用地和耕地的总面积S耕地，然后根据公式
PID＝(S建设用地+S耕地)/S区域
计算获得人口干扰度指数PID，其中S区域指该网格区域的总面积。
上述获得该网格区域的人口压力指数PPD的方法，可以根据公式PPD＝a×PD+b×PID计算获得，其中PD表示该网格区域的归一化人口密度,a和b分别为该网格区域中的区域人口密度与人口干扰度权值。
上述该网格区域的归一化人口密度PD可以采用ArcGIS10.3软件根据该网格区域内的行政区县面积比例和区县人口密度数据生成。
上述获得该网格区域中每个景观的景观脆弱性指数LVIl的方法为:依据公式
计算获得，公式中Xj表示第j个景观格局指数，Wj表示第j个景观格局指数Xj的权重值,在实际操作过程中，对Wj赋值时采用熵值法来确定，l表示该网格区域内景观的序号，l＝1,2…k,k为该网格区域所包含的景观的总个数。
上述获得该网格区域的生态脆弱性指数的方法为根据公式
计算获得，其中LVIl表示第l个景观的景观脆弱性指数,Sl表示区域内第l个景观的面积，j表示该网格区域的序号，c和d分别表示该网格区域的人口压力指数的权重、景观脆弱性指数的权重。
在实际应用中，需要获得一个区域的景观生态脆弱性指数的变化，则采用本实施方式所述的方法分别对多个时期获得的遥感数据和非遥感数据进行处理，进而获得多个时期对应的景观生态脆弱性指数，对应每个网格区域的多个时期的景观生态脆弱性指数的集合就能够获得该区域的景观生态脆弱性指标的变化。
下面，对区域生态脆弱性指数的合理性进行验证。
假设有k种景观类型，则有k(k-1)种景观类型变化,对每一种可能发生的景观类型变化，按对生态脆弱性的影响赋等级值，并归一化映射至区间[-1,1],其中负值表示该景观类型变化会降低区域生态脆弱性,正值表示该景观类型变化会增加区域生态脆弱性，景观类型变化等级加权值根据公式:
计算获得，其中LTCGVW表示景观类型变化等级加权值，LTCNGVi表示第i种景观类型变化归一化等级值，SCi表示第i种景观类型变化面积，S区域表示区域面积。
采用本发明所述的方法获得研究区域每个网格的两个时期的景观生态脆弱性指数值，并生成每个网格的两期景观生态脆弱性变化值,然后计算出每个网格的两期景观类型变化等级加权值。在SPSS统计软件中对景观类型变化等级加权值与景观生态脆弱性指数变化值进行回归分析，分析两者之间的相关性，揭示景观类型变化等级加权值对景观生态脆弱性指数变化的响应,通过获得的置信度值验证景观生态脆弱性指数构建的合理性。
下面，以哈尔滨地区作为待评价区域，获得2010年和2015年两个时期的景观脆弱性指标以及其变化情况，具体方法为：
获取待评价区域的遥感图像和非遥感数据：从地理空间数据云(www.gscloud.cn)分别下载2010年与2015年两期的哈尔滨Landsat TM/ETM+遥感影像为遥感数据源，结合人口密度数据、行政区划图、土地利用现状图、野外调查数据等非遥感数据。
依据景观生态分类的综合原则和区域景观时空分布特征以及遥感图像，生成待评价区域的景观类型分布图：采用ENVI5.3软件平台，在完成遥感图像的预处理基础上，基于哈尔滨区域边界矢量图完成区域的遥感影像的裁剪，依据景观生态分类的综合原则和区域景观时空分布特征，确定区域的6种主要的景观类型为耕地、林地、草地、水域、建设用地和其它用地。辅助于大量的非遥感信息，完成对遥感图像地类信息的定量提取，在此基础上，并对解译数据精度评估、修正和过滤等综合处理，生成哈尔滨区域的景观类型分布图，如图2和图3所示。
借助ArcGIS10.3软件将实验区域两期景观类型分布图叠合处理，获得景观类型变化图，如图4所示。
依据景观类型分布图提取并计算获得图中所有相关景观格局指数，然后依据主成分分析的方法保留前m个景观格局指数：采用Fragstatic4.2软件对待评价区域提取及计算斑块数量、景观要素斑块面积、分维数倒数、聚集度、破碎度、分离度、聚类指数、干扰度、边缘密度9个斑块类型水平类型景观指数，通过SPSS软件进行主成分分析，最终保留了分维数倒数、破碎度、干扰度指数、聚集度、分割指数对应的5个景观格局指数。
将景观类型分布图进行等网格划分：采用ArcGIS10.3软件中的Fishnet及Split功能对研究区域两期景观类型分布图以及景观类型变化图进行等网格划分，划分成58个网格，如图5、图6和图7所示，用表格表示获得的58个网格区域的序号对应关系为：
上述单元个中的数字表示网格划分后的分布图中的对应区域的序号，后面表1至9、表12中的单元格按照位置与上述表格的单元格一一对应，表示相应单元格中序号所对应网格区域的相应参数。
针对每个网格区域作如下处理：采用ArcGIS10.3软件,根据网格内行政区县面积比例和区县人口密度数据生成两期每个网格归一化人口密度数值，结果见表1、表2：
表1、2010年归一化网格人口密度数值
表2、2015年归一化网格人口密度数值
采用ArcGIS10.3软件,统计两期每个网格的建设用地和耕地面积,根据公式2求得每个网格的人口干扰度指数,结果见表3、4：
表3、2010年网格人口干扰度指数
表4、2015年网格人口干扰度指数
根据公式
PPD＝a×PD+b×PID
计算两期每个网格的人口压力指数PPD,见表5、6：
表5、2010年网格人口压力指数
表6、2015年网格人口压力指数
采用Fragstatic4.2软件对两期每个网格景观类型分布图提取分维数倒数、破碎度、干扰度指数、聚集度、分割指数5个景观指数，通过公式
计算获得两期每个网格区域中每个景观的景观脆弱性指数LVIl，然后在依据公式
计算获得两期每个网格的生态脆弱性指数LEVI1和LEVI2，其中：2010年的生态脆弱性指数LEVI1见表7，2015年的生态脆弱性指数LEVI2参见表8,表中是针对每个网格景观类型分布图提取平均斑块面积、分维数、优势度、破碎度、景观多样性、均匀性6个景观指数获得的。
表7、2010年网格生态脆弱性指数
表8、2015年网格生态脆弱性指数
下面，采用本发明的验证方法对上述景观生态脆弱性指数的构建方法进行验证：
首先依据公式
ΔLEVI＝LEVI2-LEVI1
计算获得2010年和2015年两期的每个网格的生态脆弱性指数变化值，结果见表9：
表9、2010年-2015年网格生态脆弱性指数变化值
将景观林地、水域、草地、耕地、建设用地、未利用地按照生态脆弱性划分6个不同等级，赋予归一化等级值，见表10所示：
表10景观脆弱性等级及归一化等级值
| 景观类型 | 林地 | 水域 | 草地 | 耕地 | 建设用地 | 未利用地 |
| 脆弱性等级 | 1 | 2 | 3 | 4 | 5 | 6 |
| 归一化等级值 | 0.167 | 0.333 | 0.500 | 0.667 | 0.833 | 1 |
则每种景观类型等级变化值见表11：
表11景观类型等级变化值
| 林地 | 水域 | 草地 | 耕地 | 建设用地 | 未利用地 | |
| 林地 | 0 | -0.166 | -0.333 | -0.500 | -0.666 | -0.833 |
| 水域 | 0.166 | 0 | -0.167 | -0.334 | -0.500 | -0.667 |
| 草地 | 0.333 | 0.167 | 0 | -0.167 | -0.333 | -0.500 |
| 耕地 | 0.500 | 0.334 | 0.167 | 0 | -0.166 | -0.333 |
| 建设用地 | 0.666 | 0.500 | 0.333 | 0.166 | 0 | -0.167 |
| 未利用地 | 0.833 | 0.667 | 0.500 | 0.333 | 0.167 | 0 |
计算每个网格景观类型变化等级加权值，结果见表12。
表12 2010年-2015年网格景观类型变化等级加权值
在SPSS统计软件中对景观类型变化等级加权值与景观生态脆弱性指数变化值进行线性回归分析，分析结果为两者正相关，获得相关系数为0.7959，验证了本景观生态脆弱性指数构建的合理性。
Claims (10)
1.一种景观生态脆弱性指数的构建方法，其特征在于，该方法是采用景观脆弱性指数和人口压力指数加权构建获得景观生态脆弱性指数的方法。
2.根据权利要求1所述的一种景观生态脆弱性指数的构建方法，其特征在于，所述方法具体为：
获取待评价区域的遥感图像和非遥感数据；
依据景观分类的综合原则和区域景观时空分布特征以及遥感图像，生成待评价区域的景观类型分布图；
依据景观类型分布图提取并计算获得生态学意义较高的景观格局指数，然后依据主成分分析的方法保留m个景观格局指数；
将景观类型分布图进行等网格划分，划分成n个网格区域；
针对每个网格区域作如下处理：
获得该网格区域的人口干扰度指数PID、人口压力指数PPD；
获得该网格区域中每个景观的景观脆弱性指数LVIi，i＝1,2,…，k；
获得该网格区域的生态脆弱性指数LEVIj；
获得所有网格区域的生态脆弱性指数LEVIj(j＝1,2…n)，完成构建。
3.根据权利要求2所述的一种景观生态脆弱性指数的构建方法，其特征在于，所述依据景观类型分布图提取并计算获得图中所有相关景观格局指数的方法为采用Fragstatic4.2软件实现。
4.根据权利要求2所述的一种景观生态脆弱性指数的构建方法，其特征在于，所述依据主成分分析的方法采用SPSS软件实现。
5.根据权利要求2所述的一种景观生态脆弱性指数的构建方法，其特征在于，获得该网格区域的人口干扰度指数的方法为：采用ArcGIS10.3软件统计该网格区域内的建设用地的总面积S建设用地和耕地的总面积S耕地，然后根据公式
PID＝(S建设用地+S耕地)/S区域
计算获得人口干扰度指数PID，其中S区域指该网格区域的总面积；
获得该网格区域的人口压力指数PPD的方法为：根据公式PPD＝a×PD+b×PID计算获得，其中PD表示该网格区域的归一化人口密度,a和b分别为该网格区域中的区域人口密度与人口干扰度权值。
6.根据权利要求5所述的一种景观生态脆弱性指数的构建方法，其特征在于，所述该网格区域的归一化人口密度PD采用ArcGIS10.3软件根据该网格区域内的行政区县面积比例和区县人口密度数据生成。
7.根据权利要求2所述的一种景观生态脆弱性指数的构建方法，其特征在于，所述获得该网格区域中每个景观的景观脆弱性指数LVIl的方法为:依据公式
计算获得，公式中Xj表示第j个景观格局指数，Wj表示第j个景观格局指数Xj的权重值,l＝1,2…k,k为该网格区域所包含的景观的总个数。
8.根据权利要求2所述的一种景观生态脆弱性指数的构建方法，其特征在于，所述获得该网格区域的生态脆弱性指数的方法为根据公式
计算获得，其中LVIl表示第l个景观的景观脆弱性指数,Sl表示区域内第l个景观的总面积，c和d分别表示该网格区域的人口压力指数的权重、景观脆弱性指数的权重。
9.针对权利要求1至8任意一种景观生态脆弱性指数的构建方法的验证方法，其特征在于，所述验证方法为：
采用所述景观生态脆弱性指数的构建方法分别获得同一个区域的两个时期的景观生态脆弱性指数，对比获得的两个时期的每个网格区域的景观生态脆弱性指数变化值；
获得两个时期的每个网格区域的景观类型变化等级加权值，
采用SPSS统计软件分别对每个网格区域的景观类型变化等级加权值与景观生态脆弱性指数变化值进行回归分析，获得两者之间的相关性，进而完成对景观生态脆弱性指数构建方法获得的景观脆弱性指数的合理性的验证。
10.根据权利要求9所述的一种验证方法，其特征在于：所述获得每个网格区域的景观类型变化等级加权值的方法：
针对每一种可能发生的景观类型变化，按照生态脆弱性的影响赋等级值，并归一化映射至区间[-1,1],其中负值表示该景观类型变化会降低区域生态脆弱性,正值表示该景观类型变化会增加区域生态脆弱性，景观类型变化等级加权值根据公式:
计算获得，其中LTCGVW表示景观类型变化等级加权值，LTCNGVi表示第i种景观类型变化归一化等级值，SCi表示第i种景观类型变化面积，S区域表示区域面积，k表示景观类型的个数，k(k-1)为k种景观类型组合的变化数量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810920339.1A CN109242260B (zh) | 2018-08-14 | 2018-08-14 | 景观生态脆弱性指数的构建方法与验证方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810920339.1A CN109242260B (zh) | 2018-08-14 | 2018-08-14 | 景观生态脆弱性指数的构建方法与验证方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109242260A true CN109242260A (zh) | 2019-01-18 |
| CN109242260B CN109242260B (zh) | 2021-05-25 |
Family
ID=65071090
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810920339.1A Active CN109242260B (zh) | 2018-08-14 | 2018-08-14 | 景观生态脆弱性指数的构建方法与验证方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109242260B (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110298411A (zh) * | 2019-07-04 | 2019-10-01 | 中国城市建设研究院有限公司 | 一种城市群生态空间受损识别评价方法 |
| CN111080008A (zh) * | 2019-12-13 | 2020-04-28 | 天津大学 | 基于gis、ca模拟的城市生态脆弱性空间预测方法 |
| CN111144775A (zh) * | 2019-12-30 | 2020-05-12 | 四川省自然资源科学研究院 | 基于景观格局的乡级土地利用总体规划生态风险评价方法 |
| CN112232689A (zh) * | 2020-10-27 | 2021-01-15 | 中国地质科学院水文地质环境地质研究所 | 一种茶叶连片种植区的生态地质脆弱性评价方法 |
| CN113269403A (zh) * | 2021-04-29 | 2021-08-17 | 西安交通大学 | 一种支持生境双向变化的景观连通度获取方法及系统 |
| CN115239127A (zh) * | 2022-07-20 | 2022-10-25 | 西南交通大学 | 生态脆弱性评价方法、计算机设备、存储介质和验证方法 |
| CN117634729A (zh) * | 2023-11-24 | 2024-03-01 | 湖北省地理国情监测中心 | 一种自然资源监测中重点水源区的生态脆弱性评价方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AU2012101322A4 (en) * | 2012-08-30 | 2012-10-11 | Gascoyne Catchments Group | Monitoring Tool |
| CN104537597A (zh) * | 2014-11-25 | 2015-04-22 | 中国科学院地理科学与资源研究所 | 一种城市空间格局合理性诊断的技术方法 |
| CN106529560A (zh) * | 2015-12-09 | 2017-03-22 | 中国科学院城市环境研究所 | 一种综合人口密度与景观结构的城市功能区的识别方法 |
| CN106599601A (zh) * | 2016-12-29 | 2017-04-26 | 中国科学院遥感与数字地球研究所 | 生态系统脆弱性遥感评估方法和系统 |
| CN107301512A (zh) * | 2017-06-27 | 2017-10-27 | 南京林业大学 | 一种基于3s技术的乡村景观敏感度评价分析方法 |
-
2018
- 2018-08-14 CN CN201810920339.1A patent/CN109242260B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AU2012101322A4 (en) * | 2012-08-30 | 2012-10-11 | Gascoyne Catchments Group | Monitoring Tool |
| CN104537597A (zh) * | 2014-11-25 | 2015-04-22 | 中国科学院地理科学与资源研究所 | 一种城市空间格局合理性诊断的技术方法 |
| CN106529560A (zh) * | 2015-12-09 | 2017-03-22 | 中国科学院城市环境研究所 | 一种综合人口密度与景观结构的城市功能区的识别方法 |
| CN106599601A (zh) * | 2016-12-29 | 2017-04-26 | 中国科学院遥感与数字地球研究所 | 生态系统脆弱性遥感评估方法和系统 |
| CN107301512A (zh) * | 2017-06-27 | 2017-10-27 | 南京林业大学 | 一种基于3s技术的乡村景观敏感度评价分析方法 |
Non-Patent Citations (3)
| Title |
|---|
| 孙才志 等: "下辽河平原景观格局脆弱性及空间关联格局", 《生态学报》 * |
| 宋晓媚 等: "城市化过程中都市农业景观变化及其生态安全评价", 《冰川冻土》 * |
| 邱彭华 等: "基于景观格局和生态敏感性的海南西部地区生态脆弱性分析", 《生态学报》 * |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110298411A (zh) * | 2019-07-04 | 2019-10-01 | 中国城市建设研究院有限公司 | 一种城市群生态空间受损识别评价方法 |
| CN110298411B (zh) * | 2019-07-04 | 2020-05-26 | 中国城市建设研究院有限公司 | 一种城市群生态空间受损识别方法 |
| CN111080008A (zh) * | 2019-12-13 | 2020-04-28 | 天津大学 | 基于gis、ca模拟的城市生态脆弱性空间预测方法 |
| CN111080008B (zh) * | 2019-12-13 | 2023-12-19 | 天津大学 | 基于gis、ca模拟的城市生态脆弱性空间预测方法 |
| CN111144775A (zh) * | 2019-12-30 | 2020-05-12 | 四川省自然资源科学研究院 | 基于景观格局的乡级土地利用总体规划生态风险评价方法 |
| CN112232689A (zh) * | 2020-10-27 | 2021-01-15 | 中国地质科学院水文地质环境地质研究所 | 一种茶叶连片种植区的生态地质脆弱性评价方法 |
| CN113269403A (zh) * | 2021-04-29 | 2021-08-17 | 西安交通大学 | 一种支持生境双向变化的景观连通度获取方法及系统 |
| CN113269403B (zh) * | 2021-04-29 | 2023-06-30 | 西安交通大学 | 一种支持生境双向变化的景观连通度获取方法及系统 |
| CN115239127A (zh) * | 2022-07-20 | 2022-10-25 | 西南交通大学 | 生态脆弱性评价方法、计算机设备、存储介质和验证方法 |
| CN115239127B (zh) * | 2022-07-20 | 2023-05-26 | 西南交通大学 | 生态脆弱性评价方法、计算机设备、存储介质和验证方法 |
| CN117634729A (zh) * | 2023-11-24 | 2024-03-01 | 湖北省地理国情监测中心 | 一种自然资源监测中重点水源区的生态脆弱性评价方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109242260B (zh) | 2021-05-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109242260A (zh) | 景观生态脆弱性指数的构建方法与验证方法 | |
| Chen et al. | An evaluating system for wetland ecological health: Case study on nineteen major wetlands in Beijing-Tianjin-Hebei region, China | |
| Zuo et al. | Environmental performance index at the provincial level for China 2006–2011 | |
| Li et al. | Does economic development improve urban greening? Evidence from 289 cities in China using spatial regression models | |
| Palmas et al. | Exploring the decision-space for renewable energy generation to enhance spatial efficiency | |
| CN106022960B (zh) | 一种基于数据挖掘的水库多目标调度规则参数优选方法 | |
| Zheng et al. | An eiot system designed for ecological and environmental management of the xianghe segment of china’s grand canal | |
| Lei et al. | Image segmentation algorithm based on improved fuzzy clustering | |
| AU2020103047A4 (en) | Crop Distribution Mapping | |
| Dai et al. | Attribution analysis for water yield service based on the geographical detector method: a case study of the Hengduan Mountain region | |
| Li et al. | Computer and Computing Technologies in Agriculture IV: 4th IFIP TC 12 Conference, CCTA 2010, Nanchang, China, October 22-25, 2010, Part II, Selected Papers | |
| Cao et al. | Land-use regionalization based on landscape pattern indices using rough set theory and catastrophe progression method | |
| Sahu et al. | Some non-uniformity patterns spread over the lower Mahanadi River Basin, India | |
| CN113010620A (zh) | 基于地理多级网格的自然资源数据索引统计方法及系统 | |
| Shi et al. | Spatio-temporal differences and factors influencing intensive cropland use in the Huang-Huai-Hai Plain | |
| Liu et al. | Study on the spatial patterns of land-use change and analyses of driving forces in Northeastern China during 1990–2000 | |
| Subagadis et al. | A fuzzy-stochastic modeling approach for multiple criteria decision analysis of coupled groundwater-agricultural systems | |
| Li et al. | Estimating urban water demand under conditions of rapid growth: the case of Shanghai | |
| Sadeghi Ravesh | Evaluation of de-desertification alternatives in Ardakan-khezr abad plain by using shannon entropy method and ORESTE model | |
| Wu et al. | Protection efficiency assessment and quality of coastal shelterbelt for Dongshan Island at the coastal section scale | |
| Srinivasa Raju et al. | Classification of Indian meteorological stations using cluster and fuzzy cluster analysis, and Kohonen artificial neural networks | |
| Sheng et al. | Configuration characteristics of green-blue spaces for efficient cooling in urban environments | |
| Yang et al. | The regional characteristics of meteorological drought event and its multidimensional factors measurement by daily SPEI in Guangxi, China | |
| Ke et al. | Spatial-temporal pattern of land use and SDG15 assessment in the Bohai Rim region based on GEE and RF algorithms | |
| Mengluan et al. | Spatio-temporal evolution and flow of water provision service balance in Jinghe River Basin |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |