CN109919515B - 生态环境质量评价方法及装置 - Google Patents

生态环境质量评价方法及装置 Download PDF

Info

Publication number
CN109919515B
CN109919515B CN201910226043.4A CN201910226043A CN109919515B CN 109919515 B CN109919515 B CN 109919515B CN 201910226043 A CN201910226043 A CN 201910226043A CN 109919515 B CN109919515 B CN 109919515B
Authority
CN
China
Prior art keywords
vegetation
actual
year
potential
coverage
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.)
Active
Application number
CN201910226043.4A
Other languages
English (en)
Other versions
CN109919515A (zh
Inventor
周广胜
汲玉河
李贵才
周莉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chinese Academy of Meteorological Sciences CAMS
Original Assignee
Chinese Academy of Meteorological Sciences CAMS
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chinese Academy of Meteorological Sciences CAMS filed Critical Chinese Academy of Meteorological Sciences CAMS
Priority to CN201910226043.4A priority Critical patent/CN109919515B/zh
Publication of CN109919515A publication Critical patent/CN109919515A/zh
Application granted granted Critical
Publication of CN109919515B publication Critical patent/CN109919515B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明实施例提供了一种生态环境质量评价方法及装置,属于生态环境技术领域。包括:基于遥感信息的植被净初级生产力、植被覆盖度及其地理分布的计算;基于气象条件的潜在植被净初级生产力、潜在植被覆盖度及其潜在地理分布的计算;基于遥感信息与气象条件获取的植被净初级生产力、植被覆盖度及其地理分布的实际与潜在植被生态质量计算;基于遥感信息的实际植被生态质量变化量与只考虑气象条件变化影响的潜在植被生态质量变化量计算;植被生态质量变化的气象贡献率与人为因素贡献率计算。该实施例可进行全国尺度、省级尺度、县级尺度和任意评估区域不同时段生态文明建设绩效的评价,以及生态文明建设绩效的气象条件贡献率评价和专题图的制作。

Description

生态环境质量评价方法及装置
技术领域
本发明实施例涉及生态环境技术领域,尤其涉及一种生态环境质量评价方法及装置。
背景技术
生态文明建设是促进生态环境质量改善的重要项目,目前生态环境的质量变化中,既有气象条件的影响,又有人为条件的影响。气象条件和人类活动对生态环境的影响往往纠缠在一起,难以分离。在相关技术中,在评价生态环境质量时,主要是基于气候因素及遥感信息进行评价,如基于气候要素与植被NPP\植被覆盖度之间的关系进行评价,基于NDVI与植被NPP\植被覆盖度之间的关系进行评价等。但是生态环境质量的变化不仅受制于气候等自然因素,还受制于人为因素。现有的气候模型和遥感反演模型无法区分和量化生态环境质量变化中气候因素及人为因素,从而评价结果不够准确。
发明内容
针对现有技术存在的问题,本发明实施例提供一种克服上述问题或者至少部分地解决上述问题的生态环境质量评价方法及装置。
根据本发明实施例的第一方面,提供了一种生态环境质量评价方法,包括:
获取各个格点的实际植被净初级生产力、实际植被覆盖度及实际植被分布面积,并获取各个格点的潜在植被净初级生产力、潜在植被覆盖度及潜在植被分布面积;
根据实际植被净初级生产力、实际植被覆盖度及实际植被分布面积,获取实际植被生态质量变化量;
根据潜在植被净初级生产力、潜在植被覆盖度、实际植被净初级生产力、实际植被覆盖度及实际植被分布面积,获取潜在植被生态质量变化量;
根据实际植被生态质量变化量及潜在植被生态质量变化量,计算气象贡献率,并根据气象贡献率,计算人为贡献率。
根据本发明实施例的第二方面,提供了一种生态环境质量评价装置,包括:
第一获取模块,用于获取各个格点的实际植被净初级生产力、实际植被覆盖度及实际植被分布面积,并获取各个格点的潜在植被净初级生产力、潜在植被覆盖度及潜在植被分布面积;
第二获取模块,用于根据实际植被净初级生产力、实际植被覆盖度及实际植被分布面积,获取实际植被生态质量变化量;
第三获取模块,用于根据潜在植被净初级生产力、潜在植被覆盖度、实际植被净初级生产力、实际植被覆盖度及实际植被分布面积,获取潜在植被生态质量变化量;
计算模块,用于根据实际植被生态质量变化量及潜在植被生态质量变化量,计算气象贡献率,并根据气象贡献率,计算人为贡献率。
根据本发明实施例的第三方面,提供了一种电子设备,包括:
至少一个处理器;以及
与处理器通信连接的至少一个存储器,其中:
存储器存储有可被处理器执行的程序指令,处理器调用程序指令能够执行第一方面的各种可能的实现方式中任一种可能的实现方式所提供的生态环境质量评价方法。
本发明实施例提供的生态环境质量评价方法及装置,由于能够集成遥感反演、植被潜在分布模型和气候模型模拟植被分布、实际植被净初级生产力和覆盖度的计算方式,且在此基础上针对植被生态环境变化,可建立一套识别导致生态环境变化的气象条件贡献率和人为因素贡献率的计算模型,从而在克服以往研究气象条件对生态环境作用时,由于人类干扰作用难以准确定量二者关系的弊端。另外,还能解决生态文明建设中有效地分离和量化生态环境变化的气象贡献和人为贡献的难题,准确地揭示气象条件和人为干预对生态环境变化的正负效应及其大小。
应当理解的是,以上的一般描述和后文的细节描述是示例性和解释性的,并不能限制本发明实施例。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种生态环境质量评价方法的流程示意图;
图2为本发明实施例提供的一种生态环境质量评价方法的流程示意图;
图3为本发明实施例提供的一种生态环境质量评价装置的结构示意图;
图4为本发明实施例提供的一种电子设备的框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
生态文明建设是促进生态环境质量改善的重要项目,目前生态环境的质量变化中,既有气象条件的影响,又有人为条件的影响。气象条件和人类活动对生态环境的影响往往纠缠在一起,难以分离。在相关技术中,在评价生态环境质量时,主要是基于气候因素及遥感信息进行评价,如基于气候要素与植被NPP\植被覆盖度之间的关系进行评价,基于NDVI与植被NPP\植被覆盖度之间的关系进行评价等。但是生态环境质量的变化不仅受制于气候等自然因素,还受制于人为因素。现有的气候模型和遥感反演模型无法区分和量化生态环境质量变化中气候因素及人为因素,从而评价结果不够准确,并无法准确地反映气象条件对生态环境变化的贡献。
针对相关技术中的问题,结合上述说明,本发明实施例提供了一种生态环境质量评价方法。参见图1,该方法包括:101、获取各个格点的实际植被净初级生产力、实际植被覆盖度及实际植被分布面积,并获取各个格点的潜在植被净初级生产力、潜在植被覆盖度及潜在植被分布面积;102、根据实际植被净初级生产力、实际植被覆盖度及实际植被分布面积,获取实际植被生态质量变化量;103、根据潜在植被净初级生产力、潜在植被覆盖度、实际植被净初级生产力、实际植被覆盖度及实际植被分布面积,获取潜在植被生态质量变化量;104、根据实际植被生态质量变化量及潜在植被生态质量变化量,计算气象贡献率,并根据气象贡献率,计算人为贡献率。
本发明实施例提供的方法,由于能够集成遥感反演、植被潜在分布模型和气候模型模拟植被分布、实际植被净初级生产力和覆盖度的计算方式,且在此基础上针对植被生态环境变化,可建立一套识别导致生态环境变化的气象条件贡献率和人为因素贡献率的计算模型,从而在克服以往研究气象条件对生态环境作用时,由于人类干扰作用难以准确定量二者关系的弊端。另外,还能解决生态文明建设中有效地分离和量化生态环境变化的气象贡献和人为贡献的难题,准确地揭示气象条件和人为干预对生态环境变化的正负效应及其大小。
为了便于理解,以草地和森林的实际植被净初级生产力为例。气候和人类共同影响下的实际植被净初级生产力可采用MODIS数据产品中一年内的归一化植被指数获得。首先,可以从评价年的一系列归一化植被指数中提取最大,也即一年内最大的归一化植被指数。然后根据一年内最大的归一化植被指数和气象数据分别计算各植被类型,如草地和森林的实际植被净初级生产力。
其中,草地的实际植被净初级生产力可以采用分区计算方法来获取。例如,全国草地可以分为6个区,各区分别对应一个计算公式。其中,NDVI表示一年内的归一化植被指数,根据NDVI可以计算分区得到的各个格点的鲜草量,然后按照全国草地平均干湿比系数0.31折算成实际植被净初级生产力。其中,草地各个地区的实际植被净初级生产力的反演公式,可参考表1。
表1
Figure GDA0002389090180000051
其中,通过上述反演公式可以得到草地的实际植被净初级生产力Y。而森林的实际植被净初级生产力是由海拔、每年的归一化植被指数的最大值、年降水和年均温来计算的,基于上述实施例的内容,作为一种可选实施例,森林的各个格点的实际植被净初级生产力可通过如下公式进行计算:
NPP1=6.353943-0.05875*T+0.003497*P+0.000275*T*P-0.00065*A+1.793308*NDVI;
其中,NPP1表示森林的实际植被净初级生产力,T表示年均温,P表示年降水,A表示海拔,NDVI表示一年内最大的归一化植被指数。
基于上述实施例的内容,作为一种可选实施例,潜在植被净初级生产力可通过如下公式进行计算:
Figure GDA0002389090180000052
其中,NPP2表示潜在植被净初级生产力,RDI为大气干燥度,Rn为年净辐射,r为年降水量。RDI可通过如下公式进行计算:
RDI=0.629+0.237PER-0.00313PER2
其中,PER表示年潜在蒸散率。PER可通过如下公式进行计算:
Figure GDA0002389090180000061
其中,PET为潜在蒸散量,BT为年平均生物温度,r为年降水量。BT可通过如下公式进行计算:
BT=∑t/365=∑T/12;
其中,t为大于0度小于30度的日均温,T为大于0度小于30度的月均温。
基于上述实施例的内容,作为一种可选实施例,实际植被覆盖度可通过如下公式进行计算:
VFC=(NDVI-NDVIsoil)/(NDVIveg-NDVIsoil);
其中,VFC表示实际植被覆盖度,NDVI表示一年内最大的归一化植被指数,NDVIsoil表示完全是裸土或无植被覆盖区域的归一化植被指数,NDVIveg表示纯植被像元的归一化植被指数。
基于上述实施例的内容,作为一种可选实施例,潜在植被覆盖度可通过如下公式进行计算:
VFC=(NDVI-NDVIsoil)/(NDVIveg-NDVIsoil);
其中,VFC表示潜在植被覆盖度,NDVI为潜在的标准化植被指数,NDVIsoil为完全是裸土或无植被覆盖区域的NDVI值,NDVIveg则代表完全被植被所覆盖的像元NDVI值,即纯植被像元的NDVI值。
其中,潜在的NDVI可通过如下公式进行计算:
NDVI=100×1-e-0.6LAI+38;
其中,LAI为潜在的叶面积指数,LAI可通过如下公式进行计算:
Figure GDA0002389090180000062
其中,Prcp表示月降雨量,D表示空气湿度,t表示日长,Gmax表示最大气孔导度。空气湿度D可通过如下公式计算:
Figure GDA0002389090180000071
其中,上述公式中的参数可通过如下公式进行计算:
Figure GDA0002389090180000072
Figure GDA0002389090180000073
Figure GDA0002389090180000074
Figure GDA0002389090180000075
其中,Ea表示实际水汽压,V表示立方体体积,Tmean表示月均气温,P表示气压、RH相对湿度,DEM表示数字高程模型。日长t可通过如下公式进行计算:
Figure GDA0002389090180000076
Figure GDA0002389090180000077
δ=0.006918-0.399912cosθ+0.010257sinθ-0.006758cos2θ+0.000907sin2θ;
θ=2π×N/365;
其中,t表示日长,t0表示时角,指的是太阳上缘自地平线至正午或从正午到太阳上缘没入地平线位置所需的角度。δ表示太阳赤纬,
Figure GDA0002389090180000078
表示测站纬度,σ表示太阳上午边缘恰在水平线看到的曲折率,通常取34′,N表示一年中的日序。最大气孔导度可采用经验观测值进行计算,具体可以参照如下公式:
森林Gmax=300mmolm-2s-1
草地Gmax=287mmolm-2s-1
另外,在年尺度上,实际植被分布面积可采用5年更新1次的中国土地覆被数据。对于某一年的实际植被分布面积则采用最靠近年的数据代替,例如现有2000、2005、2010年中国土地覆被数据,若需要2001年的数据,则可以用2000年数据代替。潜在植被分布面积可采用最大熵模型MaxEnt模拟获得。该模型可以根据已有植被类型在部分区域的环境约束,估计该植被类型在另外区域的潜在分布概率。MaxEnt模型的输入变量可包括:年总辐射、年降水量、年均温、最暖月温度、最冷月温度、年极端最低温,以及植被类型分布点的经纬度数据。输出变量可包括:ASCII格式的潜在分布概率P等数据(具体可详见MaxEnt说明文件)。基于76%气象保证率,确定植被类型潜在分布的界线值为潜在分布概率P=0.19。若P>0.19,则该植被类型可能存在。
基于上述实施例的内容,作为一种可选实施例,本发明实施例不对根据实际植被净初级生产力、实际植被覆盖度及实际植被分布面积,获取实际植被生态质量变化量的方式作具体限定,包括但不限于:计算当年的实际植被净初级生产力、当年的实际植被覆盖度及当年的实际植被分布面积之间的乘积,得到当年的实际植被生态质量;计算n年前的实际植被净初级生产力、n年前的实际植被覆盖度及n年前的实际植被分布面积之间的乘积,得到n年前的实际植被生态质量;计算当年的实际植被生态质量与n年前的实际植被生态质量之间的差值,得到实际植被生态质量变化量。
其中,以当年为第i+n年,则n年前也即第i年的实际生态质量的计算过程可参考如下公式:
ECAi实=NPPi实×Si实×FVCi实
在上述公式中,ECAi实表示第i年实际生态质量,NPPi实表示第i年实际植被净初级生产力,Si实表示第i年实际植被面积,FVCi实表示第i年的实际植被覆盖度。
当年的实际植被生态质量与n年前的实际植被生态质量之间的差值可通过如下公式计算:
ΔECAi+n实=ECAi+n实-ECAi实=NPPi+n实×Si+n实×FVCi+n实-NPPi实×Si实×FVCi实
在上述公式中,ECAi+n实为第i+n年(也即当年)的实际生态质量,ECAi实为第i年的实际生态质量,NPPi+n实为第i+n年的实际植被净初级生产力,Si+n实表示第i+n年的实际植被面积,FVCi+n实表示第i+n年的实际植被覆盖度,ΔECAi+n实表示实际植被生态质量变化量。
基于上述实施例的内容,作为一种可选实施例,还可以计算潜在植被生态质量变化量。本发明实施例不对计算潜在植被生态质量变化量的方式作具体限定,具体可通过如下公式进行计算:
Figure GDA0002389090180000091
在上述公式中,ΔECAi+n潜为当年的潜在生态质量变化量,NPPi+n潜为当年的潜在植被净初级生产力,FVCi+n潜表示当年的潜在植被覆盖度,NPPi实表示n年前的第i年的实际植被净初级生产力,Si实表示第i年的实际植被分布面积,FVCi实表示第i年的实际植被覆盖度,FVCi潜表示第i年的潜在植被覆盖度,NPPi潜表示第i年的潜在植被净初级生产力。
基于上述实施例的内容,作为一种可选实施例,本发明实施例不对根据实际植被生态质量变化量及潜在植被生态质量变化量,计算气象贡献率的方式作具体限定,包括但不限于:计算潜在植被生态质量变化量与实际植被生态质量变化量的比值作为气象贡献率。
其中,计算气象贡献率的过程可参考如下理论公式:
Figure GDA0002389090180000092
基于上述实施例的内容,作为一种可选实施例,本发明实施例不对根据实际植被生态质量变化量及潜在植被生态质量变化量,计算人为贡献率的方式作具体限定,包括但不限于:将数值1与气象贡献率的差值作为人为贡献率。
其中,计算人为贡献率的过程可参考如下理论公式:
ΔECAi+n人=1-ΔECAi+n气
另外,除了计算人为贡献率及气候贡献率之外,还可以计算第i年至第i+n年的气象波动引起的生态质量变化率,以及人为干预引起的生态质量变化率。其中,气象波动引起的生态质量变化率的计算过程可参考如下公式:
Figure GDA0002389090180000093
人为干预引起的生态质量变化率的计算过程可参考如下公式:
Figure GDA0002389090180000101
另外,上述计算过程及计算的各项指标可参考图2,图2为各项指标的计算流程,图2中各项参数的含义可参考上述公式中的解释说明,此处不再赘述。
本发明实施例提供的方法,集成了多个气象模型和遥感反演关键技术。识别和量化了实际植被净初级生产力、实际植被覆盖度、实际植被分布、潜在植被净初级生产力、潜在植被覆盖度和潜在植被分布6个生态环境质量指标。该6个指标及其融合指标可以表达气象作用下潜在植被生态环境质量现状,以及气象和人为共同作用下现实植被生态环境质量现状。
虽然植被NPP、植被覆盖度和植被分布范围的变化都能从一个侧面表达植被生态质量的变化,但是都不全面。与单一指标相比,本发明实施例提出的植被融合指标(NPPi×面积Si×覆盖度FVCi)更准确地表达植被生态质量变化。
另外,首次提出并创建了气象波动引起的生态质量变化率计算方法、人为干预引起的生态质量变化率计算方法、以及生态质量变化的气象贡献率和人为贡献率的计算方法。这一系列技术方法的集成,为系统地定量表达生态环境质量、生态环境质量变化、生态环境质量变化的人为贡献量和贡献率、以及气象贡献量和贡献率提供了技术支撑。
基于上述实施例的内容,本发明实施例提供了一种生态环境质量评价装置,该装置用于执行上述方法实施例中提供的生态环境质量评价方法。参见图3,该装置包括:第一获取模块301,用于获取各个格点的实际植被净初级生产力、实际植被覆盖度及实际植被分布面积,并获取各个格点的潜在植被净初级生产力、潜在植被覆盖度及潜在植被分布面积;第二获取模块302,用于根据实际植被净初级生产力、实际植被覆盖度及实际植被分布面积,获取实际植被生态质量变化量;第三获取模块303,用于根据潜在植被净初级生产力、潜在植被覆盖度、实际植被净初级生产力、实际植被覆盖度及实际植被分布面积,获取潜在植被生态质量变化量;计算模块304,用于根据实际植被生态质量变化量及潜在植被生态质量变化量,计算气象贡献率,并根据气象贡献率,计算人为贡献率。
本发明实施例提供的装置,由于能够集成遥感反演、植被潜在分布模型和气候模型模拟植被分布、实际植被净初级生产力和覆盖度的计算方式,且在此基础上针对植被生态环境变化,可建立一套识别导致生态环境变化的气象条件贡献率和人为因素贡献率的计算模型,从而在克服以往研究气象条件对生态环境作用时,由于人类干扰作用难以准确定量二者关系的弊端。另外,还能解决生态文明建设中有效地分离和量化生态环境变化的气象贡献和人为贡献的难题,准确地揭示气象条件和人为干预对生态环境变化的正负效应及其大小。
图4示例了一种电子设备的实体结构示意图,如图4所示,该电子设备可以包括:处理器(processor)410、通信接口(Communications Interface)420、存储器(memory)430和通信总线440,其中,处理器410,通信接口420,存储器430通过通信总线440完成相互间的通信。处理器410可以调用存储器430中的逻辑指令,以执行如下方法:获取各个格点的实际植被净初级生产力、实际植被覆盖度及实际植被分布面积,并获取各个格点的潜在植被净初级生产力、潜在植被覆盖度及潜在植被分布面积;根据实际植被净初级生产力、实际植被覆盖度及实际植被分布面积,获取实际植被生态质量变化量;根据潜在植被净初级生产力、潜在植被覆盖度、实际植被净初级生产力、实际植被覆盖度及实际植被分布面积,获取潜在植被生态质量变化量;根据实际植被生态质量变化量及潜在植被生态质量变化量,计算气象贡献率,并根据气象贡献率,计算人为贡献率。
此外,上述的存储器430中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,电子设备,或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本发明实施例还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各实施例提供的方法,例如包括:获取各个格点的实际植被净初级生产力、实际植被覆盖度及实际植被分布面积,并获取各个格点的潜在植被净初级生产力、潜在植被覆盖度及潜在植被分布面积;根据实际植被净初级生产力、实际植被覆盖度及实际植被分布面积,获取实际植被生态质量变化量;根据潜在植被净初级生产力、潜在植被覆盖度、实际植被净初级生产力、实际植被覆盖度及实际植被分布面积,获取潜在植被生态质量变化量;根据实际植被生态质量变化量及潜在植被生态质量变化量,计算气象贡献率,并根据气象贡献率,计算人为贡献率。
以上所描述的系统实施例仅仅是示意性的,其中作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (7)

1.一种生态环境质量评价方法,其特征在于,包括:
获取各个格点的实际植被净初级生产力、实际植被覆盖度及实际植被分布面积,并获取各个格点的潜在植被净初级生产力、潜在植被覆盖度及潜在植被分布面积;
根据所述实际植被净初级生产力、所述实际植被覆盖度及所述实际植被分布面积,获取实际植被生态质量变化量;
根据所述潜在植被净初级生产力、所述潜在植被覆盖度、所述实际植被净初级生产力、所述实际植被覆盖度及所述实际植被分布面积,获取潜在植被生态质量变化量;
根据所述实际植被生态质量变化量及所述潜在植被生态质量变化量,计算气象贡献率,并根据所述气象贡献率,计算人为贡献率;
其中,所述根据所述实际植被生态质量变化量及所述潜在植被生态质量变化量,计算气象贡献率,包括:
计算所述潜在植被生态质量变化量与所述实际植被生态质量变化量的比值作为所述气象贡献率;
所述方法还包括:根据以下公式计算第i年至第i+n年的气象波动引起的生态质量变化率:
Figure FDA0002501857140000011
其中,Ri+n气表示第i年至第i+n年的气象波动引起的生态质量变化率,ΔECAi+n潜表示第i年至第i+n年的潜在植被生态质量变化量,ECAi实表示第i年实际植被生态质量,ECAi+n潜表示第i+n年的潜在植被生态质量,ECAi潜表示第i年潜在植被生态质量,NPPi+n潜表示第i+n年的所述潜在植被净初级生产力,Si+n潜表示第i+n年的潜在植被面积,FVCi+n潜表示当年的所述潜在植被覆盖度,NPPi潜表示第i年的所述潜在植被净初级生产力,Si潜表示第i年的潜在植被面积,FVCi潜表示第i年的所述潜在植被覆盖度,NPPi实表示n年前的第i年的所述实际植被净初级生产力,Si实表示第i年的所述实际植被分布面积,FVCi实表示第i年的所述实际植被覆盖度;
所述潜在植被生态质量变化量通过如下公式进行计算:
Figure FDA0002501857140000021
其中,ΔECAi+n潜为第i+n年的所述潜在植被生态质量变化量,NPPi+n潜为第i+n年的所述潜在植被净初级生产力,FVCi+n潜表示第i+n年的所述潜在植被覆盖度,NPPi实表示n年前的第i年的所述实际植被净初级生产力,Si实表示第i年的所述实际植被分布面积,FVCi实表示第i年的所述实际植被覆盖度,FVCi潜表示第i年的所述潜在植被覆盖度,NPPi潜表示第i年的所述潜在植被净初级生产力;
所述实际植被覆盖度通过如下公式进行计算:
VFC=(NDVI-NDVI实soil)/(NDVI实veg-NDVI实soil);
其中,VFC表示实际植被覆盖度,NDVI表示一年内最大的归一化植被指数,NDVI实soil表示完全是裸土或无植被覆盖区域的归一化植被指数,NDVI实veg表示纯植被像元的归一化植被指数;
所述潜在植被覆盖度可通过如下公式进行计算:
VFC=(NDVI-NDVI潜soil)/(NDVI潜veg-NDVI潜soil);
其中,VFC表示潜在植被覆盖度,NDVI为潜在的标准化植被指数,NDVI潜soil为完全是裸土或无植被覆盖区域的NDVI值,NDVI潜veg则代表纯植被像元的NDVI值。
2.根据权利要求1所述的方法,其特征在于,所述实际植被净初级生产力通过如下公式进行计算:
NPP1=6.353943-0.05875*T+0.003497*P+0.000275*T*P-0.00065*A+1.793308*NDVI;
其中,NPP1表示所述实际植被净初级生产力,T表示年均温,P表示年降水,A表示海拔,NDVI表示一年内最大的归一化植被指数。
3.根据权利要求1所述的方法,其特征在于,所述潜在植被净初级生产力通过如下公式进行计算:
Figure FDA0002501857140000022
其中,NPP2表示所述潜在植被净初级生产力,RDI为大气干燥度,Rn为年净辐射,r为年降水量。
4.根据权利要求1所述的方法,其特征在于,根据所述实际植被净初级生产力、所述实际植被覆盖度及所述实际植被分布面积,获取实际植被生态质量变化量,包括:
计算当年的所述实际植被净初级生产力、当年的所述实际植被覆盖度及当年的所述实际植被分布面积之间的乘积,得到当年的实际植被生态质量;
计算n年前的所述实际植被净初级生产力、n年前的所述实际植被覆盖度及n年前的所述实际植被分布面积之间的乘积,得到n年前的实际植被生态质量;
计算当年的实际植被生态质量与n年前的实际植被生态质量之间的差值,得到所述实际植被生态质量变化量。
5.一种生态环境质量评价装置,其特征在于,包括:
第一获取模块,用于获取各个格点的实际植被净初级生产力、实际植被覆盖度及实际植被分布面积,并获取各个格点的潜在植被净初级生产力、潜在植被覆盖度及潜在植被分布面积;
第二获取模块,用于根据所述实际植被净初级生产力、所述实际植被覆盖度及所述实际植被分布面积,获取实际植被生态质量变化量;
第三获取模块,用于根据所述潜在植被净初级生产力、所述潜在植被覆盖度、所述实际植被净初级生产力、所述实际植被覆盖度及所述实际植被分布面积,获取潜在植被生态质量变化量;
计算模块,用于根据所述实际植被生态质量变化量及所述潜在植被生态质量变化量,计算气象贡献率,并根据所述气象贡献率,计算人为贡献率;
其中,所述根据所述实际植被生态质量变化量及所述潜在植被生态质量变化量,计算气象贡献率,具体为:计算所述潜在植被生态质量变化量与所述实际植被生态质量变化量的比值作为所述气象贡献率;
所述装置还用于:根据以下公式计算第i年至第i+n年的气象波动引起的生态质量变化率:
Figure FDA0002501857140000041
其中,Ri+n气表示第i年至第i+n年的气象波动引起的生态质量变化率,ΔECAi+n潜表示第i年至第i+n年的潜在植被生态质量变化量,ECAi实表示第i年实际植被生态质量,ECAi+n潜表示第i+n年的潜在植被生态质量,ECAi潜表示第i年潜在植被生态质量,NPPi+n潜表示第i+n年的所述潜在植被净初级生产力,Si+n潜表示第i+n年的潜在植被面积,FVCi+n潜表示当年的所述潜在植被覆盖度,NPPi潜表示第i年的所述潜在植被净初级生产力,Si潜表示第i年的潜在植被面积,FVCi潜表示第i年的所述潜在植被覆盖度,NPPi实表示n年前的第i年的所述实际植被净初级生产力,Si实表示第i年的所述实际植被分布面积,FVCi实表示第i年的所述实际植被覆盖度;
所述潜在植被生态质量变化量通过如下公式进行计算:
Figure FDA0002501857140000042
其中,ΔECAi+n潜为第i+n年的所述潜在植被生态质量变化量,NPPi+n潜为第i+n年的所述潜在植被净初级生产力,FVCi+n潜表示第i+n年的的所述潜在植被覆盖度,NPPi实表示n年前的第i年的所述实际植被净初级生产力,Si实表示第i年的所述实际植被分布面积,FVCi实表示第i年的所述实际植被覆盖度,FVCi潜表示第i年的所述潜在植被覆盖度,NPPi潜表示第i年的所述潜在植被净初级生产力;
所述实际植被覆盖度通过如下公式进行计算:
VFC=(NDVI-NDVI实soil)/(NDVI实veg-NDVI实soil);
其中,VFC表示实际植被覆盖度,NDVI表示一年内最大的归一化植被指数,NDVI实soil表示完全是裸土或无植被覆盖区域的归一化植被指数,NDVI实veg表示纯植被像元的归一化植被指数;
所述潜在植被覆盖度可通过如下公式进行计算:
VFC=(NDVI-NDVI潜soil)/(NDVI潜veg-NDVI潜soil);
其中,VFC表示潜在植被覆盖度,NDVI为潜在的标准化植被指数,NDVI潜soil为完全是裸土或无植被覆盖区域的NDVI值,NDVI潜veg则代表纯植被像元的NDVI值。
6.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述处理器通信连接的至少一个存储器,其中:
所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令能够执行如权利要求1至4任一所述的方法。
7.一种非暂态计算机可读存储介质,其特征在于,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行如权利要求1至4任一所述的方法。
CN201910226043.4A 2019-03-25 2019-03-25 生态环境质量评价方法及装置 Active CN109919515B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910226043.4A CN109919515B (zh) 2019-03-25 2019-03-25 生态环境质量评价方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910226043.4A CN109919515B (zh) 2019-03-25 2019-03-25 生态环境质量评价方法及装置

Publications (2)

Publication Number Publication Date
CN109919515A CN109919515A (zh) 2019-06-21
CN109919515B true CN109919515B (zh) 2020-07-21

Family

ID=66966581

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910226043.4A Active CN109919515B (zh) 2019-03-25 2019-03-25 生态环境质量评价方法及装置

Country Status (1)

Country Link
CN (1) CN109919515B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110619291B (zh) * 2019-08-30 2022-10-28 西安理工大学 一种植被覆盖度与气候因子非线性响应关系的识别方法
CN110909679B (zh) * 2019-11-22 2020-09-18 中国气象科学研究院 冬小麦历史种植区的休耕轮作信息遥感识别方法及系统
CN112597661B (zh) * 2020-12-30 2022-02-15 南京林业大学 基于物种分布和生产力耦合的工业用材林生产力预测方法
CN112884323A (zh) * 2021-02-21 2021-06-01 浙江树人学院(浙江树人大学) 基于植被MaxEnt生态位模型的生态环境评价方法
CN116050654B (zh) * 2023-02-24 2023-06-16 生态环境部卫星环境应用中心 耦合植被结构与质量的生态工程区植被生长成效评估方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102122376A (zh) * 2011-03-28 2011-07-13 华东师范大学 海岸带综合承载力评估与决策系统及其运作方法
CN102253184A (zh) * 2011-06-29 2011-11-23 南京信息工程大学 一种针对干旱半干旱地区的地表蒸散遥感反演方法
CN103337037B (zh) * 2013-05-31 2016-06-29 中国科学院遥感与数字地球研究所 矿区生态监测方法
CN103455856B (zh) * 2013-09-12 2017-07-07 中国科学院地理科学与资源研究所 一种城市空间功能识别的技术方法
CN104166782A (zh) * 2014-06-05 2014-11-26 刘健 一种林地土壤有机碳遥感估测的方法
CN104699992B (zh) * 2015-04-01 2018-04-13 西北师范大学 基于变异系数的植被净第一性生产力人为影响计算方法
CN107014753B (zh) * 2017-03-06 2020-09-29 中国科学院遥感与数字地球研究所 作物长势监测方法和系统
CN108053072A (zh) * 2017-12-22 2018-05-18 中国科学院地理科学与资源研究所 沙漠化动态模拟模型的构建及应用

Also Published As

Publication number Publication date
CN109919515A (zh) 2019-06-21

Similar Documents

Publication Publication Date Title
CN109919515B (zh) 生态环境质量评价方法及装置
Mehrotra et al. A multivariate quantile-matching bias correction approach with auto-and cross-dependence across multiple time scales: Implications for downscaling
Li et al. Response of vegetation phenology to urbanization in the conterminous United States
Atzberger et al. A time series for monitoring vegetation activity and phenology at 10-daily time steps covering large parts of South America
Sallustio et al. Assessing land take by urban development and its impact on carbon storage: Findings from two case studies in Italy
Lazoglou et al. Climate change projections for Greek viticulture as simulated by a regional climate model
Ntegeka et al. EFAS-Meteo: A European daily high-resolution gridded meteorological data set for 1990–2011
CN112668705B (zh) 基于深度学习的干旱指数监测方法及系统
CN110927120B (zh) 一种植被覆盖度预警方法
Moreno et al. Forest structures across Europe
Remenyi et al. Australia’s Wine Future—A Climate Atlas, University of Tasmania, Hobart, Tasmania. ISBN: 978-1-922352-06-4 (electronic)
Zellweger et al. Estimating below‐canopy light regimes using airborne laser scanning: An application to plant community analysis
CN116432859B (zh) 一种作物产量统计数据降尺度方法
Pei et al. An improved phenology-based CASA model for estimating net primary production of forest in central China based on Landsat images
Chirici et al. Prediction of forest NPP in Italy by the combination of ground and remote sensing data
Mayer et al. A comprehensive modelling approach to assess water use efficiencies of different irrigation management options in rice irrigation districts of northern Italy
CN116341841A (zh) 径流预报误差校正方法、装置、设备、介质和程序产品
Yin et al. Statistical downscaling of regional daily precipitation over southeast Australia based on self-organizing maps
Lim et al. Downscaling large-scale NCEP CFS to resolve fine-scale seasonal precipitation and extremes for the crop growing seasons over the southeastern United States
He et al. Integrating the impacts of vegetation coverage on ecosystem services to determine ecological restoration targets for adaptive management on the Loess Plateau, China
Donatelli et al. A EU27 database of daily weather data derived from climate change scenarios for use with crop simulation models
Lotsch Sensitivity of cropping patterns in Africa to transient climate change
Ahmad et al. Modeling the influence of daily temperature and precipitation extreme indices on vegetation dynamics in Katsina State using statistical downscaling model (SDM)
Dos Reis et al. Classification of Eucalyptus plantation Site Index (SI) and Mean Annual Increment (MAI) prediction using DEM-based geomorphometric and climatic variables in Brazil
Maeda Agricultural expansion and climate change in the Taita Hills, Kenya: an assessment of potential environmental impacts

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