CN110852579A - 一种基于景观连接度指数评价水文连通度的方法 - Google Patents

一种基于景观连接度指数评价水文连通度的方法 Download PDF

Info

Publication number
CN110852579A
CN110852579A CN201911023890.7A CN201911023890A CN110852579A CN 110852579 A CN110852579 A CN 110852579A CN 201911023890 A CN201911023890 A CN 201911023890A CN 110852579 A CN110852579 A CN 110852579A
Authority
CN
China
Prior art keywords
landscape
plaque
connectivity
water body
area
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.)
Pending
Application number
CN201911023890.7A
Other languages
English (en)
Inventor
崔圆
张明祥
罗芳丽
肖蓉
张振明
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.)
Beijing Forestry University
Original Assignee
Beijing Forestry University
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 Beijing Forestry University filed Critical Beijing Forestry University
Priority to CN201911023890.7A priority Critical patent/CN110852579A/zh
Publication of CN110852579A publication Critical patent/CN110852579A/zh
Pending legal-status Critical Current

Links

Images

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/13—Satellite images

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Multimedia (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Geometry (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Astronomy & Astrophysics (AREA)
  • Remote Sensing (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及一种基于景观连接度指数评价水文连通的方法，包括以下步骤：提取研究区域的水体信息；产生节点文件和连接文件；确定距离阈值；通过景观连接度指数计算所述区域的水文连通；筛选重要水体斑块。本发明可针对具体物种，根据水体的动态特征，对不同尺度的水文连通进行评价，并得以兼顾空间和时间维度水文连通动态变化的对比分析，适应多尺度协同和动态变化的需求。

Description

一种基于景观连接度指数评价水文连通度的方法
技术领域
本发明涉及湿地生态学领域；具体涉及一种基于景观连接度指数评价水文连通度的方法。
背景技术
水文连通通常指的是水文循环各要素或要素之间物质、能量以及生物的水介导运输。它不仅能够反映湿地生态系统水文要素的连接状况和物质能量的交换能力，而且能够指示湿地生态系统的健康状况。近年来，随着景观生态学的不断发展，景观连接度指数在多个学科中得到了广泛的应用。该方法描述了景观要素在空间格局或生态过程上的有机联系，这种联系可能是生物群体间的物种流或基因流，也可能是景观要素间物质与能量交换，其为探索景观空间异质性和揭示空间格局与生态过程之间的关系提供了理论基础和技术方法。景观连接度指数法能从整体上考虑不同景观类型及其内在的连通性，克服了单一要素以及局部要素的局限性。
目前我国水文连通的评价方法大多局限于宏观尺度的河网水系的连通，以及微观尺度的土壤的孔隙水之间的连通，这些方法无法实时反映区域水文连通的动态变化。若能够从景观生态学角度对水文连通进行量化，获得水体的分布和可能的连通路径，则可通过景观连接度指数对区域的水文连通进行实时和有效的监测，这对于湿地物种的保护有着重要的意义。
发明内容
针对现有技术的不足，本发明提供一种基于景观连接度指数评价水文连通的方法，解决了上述背景技术中提出的问题。为实现以上目的，本发明通过以下技术方案予以实现：
本发明提供了一种基于景观连接度指数评价水文连通的方法，包括以下步骤：
步骤1)，提取研究区域的水体信息；
步骤2)，产生节点文件和连接文件；
步骤3)，确定距离阈值；
步骤4)，通过景观连接度指数计算所述区域的水文连通；
步骤5)，筛选重要水体斑块。
本发明提供一种对不同尺度(全球、国家、区域等)，不同生态系统(湿地、森林、草原等)的水文连通进行分析和评价的方法，以Landsat卫星影像为数据源，利用基于图论的景观连接度指数对湿地的水文连通进行分析，在提取水体斑块的基础上，识别水文连通的关键斑块节点，为基于湿地水文连通度的物种保护提供科学依据。
根据本发明的一些优选实施方式，步骤1)中，基于遥感影像提取研究区域的水体信息；优选为基于有中红外波段的传感器影像。
根据本发明的一些优选实施方式，步骤1)中，采用改进归一化差异水体指数在软件ENVI 5.3中提取研究区域的水体信息。需要说明的是，改进归一化差异水体指数(Modified Normalized Difference Water Index,MNDWI)＝(Green-MIR)/(Green+MIR)，其中，Green为绿波段；MIR为中红外波段，如TM/ETM+的5波段。本发明采用有中红外波段的传感器影像；由于MNDWI的构成采用了中红外波段，不适用于无中红外波段的传感器影像，如SPOT 1-3系列、IKONOS和QuickBird等。
根据本发明的一些优选实施方式，步骤2)中，在ArcGIS 10.2的插件Coneforinputs中产生所需的节点文件和连接文件。
根据本发明的一些优选实施方式，步骤2)中，所述节点文件包括节点编号和节点属性，和/或，所述连接文件包括任意两斑块的编号及其之间的连接属性；优选的，所述节点属性为与分析有关的斑块的特征；所述节点属性选自斑块面积、斑块质量、质量加权面积、种群密度、核心面积、承载能力和栖息地适宜性中的一种或多种，和/或，所述连接属性选自斑块之间的距离值、连接数和连接概率中的一种或多种。
根据本发明的一些优选实施方式，步骤3)中，所述距离阈值为生态流的最大可达距离，用以判断研究区域内的斑块之间生态流是否存在或强弱；所述距离阈值为10m-32000m，优选为500m。
本发明中，距离阈值取值方法是目标物种法，即把研究区域内的某个物种作为代表，以该物种的最大扩散距离作为距离阈值。需要说明的是，植物扩散范围优选在百米级别，栓皮栎种子的最大扩散距离为42.5m，互花米草根状茎种群扩散距离为79-138m。中小型哺乳动物和两栖爬行动物的平均扩散范围为50-1000m。鸟类的平均搜索范围为30-32000m。
根据本发明的一些优选实施方式，步骤4)中，通过软件ConeforSensinode 2.6计算水文连通。
根据本发明的一些优选实施方式，步骤4)中，所述景观连接度指数选自组分数NC、连接数NL、整体连接度指数IIC和可能性连接度指数PC中的一种或多种；
其中，所述组分数(Number of components，NC)为由功能或结构上相互连接的斑块组成的整体；不同景观组分之间是彼此孤立的，不存在生态过程的联系；所述连接数(Number of links，NL)为每两个斑块相连关系的数量；任意两个斑块之间的距离小于距离阈值，则认为它们是相连接的，产生连接数；
Figure BDA0002248088510000031
式中，n表示景观中斑块总数；ai和aj分别表示斑块i和斑块j的面积；NLij表示斑块i和斑块j之间的连接数；AL表示整个景观的面积，包括水体和非水体；0≤IIC≤1，当IIC＝0，生境斑块之间没有连接；当IIC＝1，整个景观都为生境斑块；
Figure BDA0002248088510000041
式中，n表示景观中斑块总数；ai和aj分别表示斑块i和斑块j的面积；Pij *表示物种在斑块i和斑块j直接扩散的最大可能性；AL表示整个景观的面积；0<PC<1，PC越大，表示生境斑块之间的连通可能性越大。
根据本发明的一些优选实施方式，步骤5)中，根据步骤4)计算结果对斑块的重要值进行排序，辨识重要斑块；优选的，采用dIIC和/或BC来表征水体斑块的重要性，更优选为dIIC；
Figure BDA0002248088510000042
式中，IIC为某一景观的连接度指数，IICremove为将某斑块从该景观中剔除后景观的连接度指数。dIIC值越大，表明这一斑块对该区域的景观连接程度影响越显著、贡献程度高；反之，则影响程度越小、贡献程度低。
中介度(Betweenness Centrality,BC)指某个斑块处于其他斑块对之间的频度，是通过网络中某个斑块的最短路径与所有斑块间(不包括该斑块)最短路径的数量比；
Figure BDA0002248088510000043
式中i、j表示斑块i和斑块j；p(i,j)为点i与点j之间最短路径的数目；p(i,k,j)为点i与点j之间经过点k的最短路径数目；BC为一个相对指标，其数值的大小反映了景观中特定斑块在生态流传递过程中的重要程度，而该斑块的缺失将造成网络结构的分裂和景观破碎化，因此网络分组结构的分割点多具有较高的中介度。
根据本发明的一些优选实施方式，步骤5)中，根据步骤4)计算结果对斑块的重要性进行排序，然后，通过ArcGIS 10.2制图，水体斑块的重要性依据自然间断点分级法(Jenks)进行分类，分为极低、低、中等、高和极高五类。
本发明的优点至少在于，本发明提供的一种基于景观连接度指数评价水文连通的方法，首先基于遥感影像提取区域的水体，然后在ArcGIS 10.2的插件Conefor inputs中产生节点文件和连接文件，同时，根据目标物种法确定距离阈值，最后，在软件ConeforSensinode 2.6中计算水文连通度，并通过计算结果对重要的水体斑块进行筛选。相对于其他分析方法，景观连接度指数法对水文连通的动态变化可进行较为详细、直观的呈现，采用自然间断点分级法对斑块重要性进行分类，可确保各类别之间差异的最大化。本发明在景观生态学的基础上，提供一种基于景观连接度指数评价水文连通的方法，可针对具体物种，根据水体的动态特征，对不同尺度的水文连通进行评价，并得以兼顾空间和时间维度水文连通动态变化的对比分析，适应多尺度协同和动态变化的需求。
附图说明
图1为本发明具体实施方式提供的流程示意图。
图2为本发明实施例的黄河三角洲自然保护区的水体节点和连接分布图。
图3为本发明实施例的黄河三角洲自然保护区的水体斑块重要值的分布图。
具体实施方式
以下实施例用于说明本发明，但不用来限制本发明的范围。实施例中未注明具体技术或条件者，按照本领域内的文献所描述的技术或条件，或者按照产品说明书进行。所用仪器等未注明生产厂商者，均为可通过正规渠道商购买得到的常规产品。
以黄河三角洲自然保护区湿地水文连通度计算为例，对具体技术的实施步骤进行详细说明，其中关键步骤的实现可参阅附图1。应理解下述具体实施方式仅用于说明本发明而不用于限制本发明的范围。
实施例1
本实施例提供一种基于景观连接度指数评价水文连通的方法，具体为以下步骤：
步骤1，基于遥感影像提取水体信息。通过中国科学院计算机网络信息中心的地理空间数据云平台(http://www.gscloud.cn)，获取2017年分辨率为30m的黄河三角洲地区的遥感影像。通过ENVI 5.3软件处理所述遥感影像，依次进行辐射校正和快速大气校正。采用软件自带的归一化水体指数(Modified Normalized Difference Water Index,MNDWI)对影像进行处理，并通过Raster Color Slices功能对水体和非水体进行划分；通过GoogleEarth(http://earth.google.com)的高分辨率图像和野外调查的方式对分类结果进行检查，并导出水体矢量文件，参见图2为实施例中黄河三角洲自然保护区的水体节点和连接分布图。
步骤2，产生节点文件和连接文件。通过ArcGIS 10.2获取步骤1产生的矢量文件，为水体添加编号字段和属性字段，并在ArcGIS 10.2的插件Conefor inputs中产生所需的节点文件和连接文件。需要说明的是，编号具有唯一性。本实施例把节点属性定义为水体斑块的面积。
步骤3，确定距离阈值。距离阈值是生态流的最大可达距离，用以判断研究区域内斑块之间生态流的存在或强弱。综合考虑动植物扩散距离，以及连接度分析常用的距离，本实施例将距离阈值设为500m。
步骤4，计算水文连通度。获取步骤2产生的节点文件和连接文件，获取步骤3确定的距离阈值500m。通过软件Conefor Sensinode 2.6计算水文连通度。需要说明的是，二进制指数(如IIC)适用于对生境斑块空间结构的宏观分析，概率连接度指数(如PC)适用于具体的亚种群动态分析。考虑到本实施例是对区域的水文连通进行评估，因此选用了IIC指数对水文连通进行表征，
Figure BDA0002248088510000071
式中，n表示景观中斑块总数；ai和aj分别表示斑块i和斑块j的面积；NLij表示斑块i和斑块j之间的连接数；AL表示整个景观的面积，包括水体和非水体。
步骤5，筛选重要水体斑块。根据步骤4计算结果对水体斑块的重要性进行排序，本实施例优选采用dIIC来表征水体斑块的重要性。然后，通过ArcGIS 10.2制图，水体斑块的重要性依据自然间断点分级法(Jenks)进行分类，参见图3，本实施例将其分为极低、低、中等、高和极高五类。其中，
Figure BDA0002248088510000072
式中，IIC为某一景观的连接度指数，IICremove为将某斑块从该景观中剔除后景观的连接度指数。如图3所示，重要性极高的水体面积较大，多为浅海水域，分布在保护区北部和东南部；重要性高的水体集中分布在保护区南部，面积相对于极高重要性的水体来说较小；重要性极低、低和中等的水体在保护区呈现点状分布，主要散布在重要性极高或高的水体附近。通常情况下，对重要性极高和高的水体斑块进行优先保护和管理。本发明提供的水文连通的评价方法，基于遥感影像进行水体数据的采集与处理，构建区域的水网结构，然后利用连接度指数计算区域的水文连通，并通过计算结果对重要的水体斑块进行筛选。相对于其他分析方法，景观连接度指数法对水文连通的动态变化可进行较为详细、直观的呈现，采用自然间断点分级法(Jenks)对斑块重要性进行分类，可确保各类别之间差异的最大化。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所描述的电子设备等实施例仅仅是示意性的，其中所述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，本申请的方法仅为较佳的实施方案，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于景观连接度指数评价水文连通的方法，其特征在于，包括以下步骤：
步骤1)，提取研究区域的水体信息；
步骤2)，产生节点文件和连接文件；
步骤3)，确定距离阈值；
步骤4)，通过景观连接度指数计算所述区域的水文连通；
步骤5)，筛选重要水体斑块。
2.根据权利要求1所述的方法，其特征在于，步骤1)中，基于遥感影像提取研究区域的水体信息；优选为基于有中红外波段的传感器影像。
3.根据权利要求1或2所述的方法，其特征在于，步骤1)中，采用改进归一化差异水体指数在软件ENVI 5.3中提取研究区域的水体信息。
4.根据权利要求1-3中任一项所述的方法，其特征在于，步骤2)中，在ArcGIS 10.2的插件Conefor inputs中产生所需的节点文件和连接文件。
5.根据权利要求4所述的方法，其特征在于，步骤2)中，所述节点文件包括节点编号和节点属性，和/或，所述连接文件包括任意两斑块的编号及其之间的连接属性；优选的，所述节点属性选自斑块面积、斑块质量、质量加权面积、种群密度、核心面积、承载能力和栖息地适宜性中的一种或多种，和/或，所述连接属性选自斑块之间的距离值、连接数和连接概率中的一种或多种。
6.根据权利要求1-5中任一项所述的方法，其特征在于，步骤3)中，所述距离阈值为生态流的最大可达距离，用以判断研究区域内的斑块之间生态流是否存在或强弱；所述距离阈值为10m-32000m，优选为500m。
7.根据权利要求1-6中任一项所述的方法，其特征在于，步骤4)中，通过软件ConeforSensinode 2.6计算水文连通。
8.根据权利要求1-7中任一项所述的方法，其特征在于，步骤4)中，所述景观连接度指数选自组分数NC、连接数NL、整体连接度指数IIC和可能性连接度指数PC中的一种或多种；
Figure FDA0002248088500000021
式中，n表示景观中斑块总数；ai和aj分别表示斑块i和斑块j的面积；NLij表示斑块i和斑块j之间的连接数；AL表示整个景观的面积，包括水体和非水体；
式中，n表示景观中斑块总数；ai和aj分别表示斑块i和斑块j的面积；Pij *表示物种在斑块i和斑块j直接扩散的最大可能性；AL表示整个景观的面积。
9.根据权利要求1-8中任一项所述的方法，其特征在于，步骤5)中，根据步骤4)计算结果对斑块的重要值进行排序，辨识重要斑块；优选的，采用dIIC和/或BC来表征水体斑块的重要性，更优选为dIIC；
Figure FDA0002248088500000023
式中，IIC为某一景观的连接度指数，IICremove为将某斑块从该景观中剔除后景观的连接度指数；
Figure FDA0002248088500000024
式中i、j表示斑块i和斑块j；p(i,j)为点i与点j之间最短路径的数目；p(i,k,j)为点i与点j之间经过点k的最短路径数目。
10.根据权利要求1-9中任一项所述的方法，其特征在于，步骤5)中，根据步骤4)计算结果对斑块的重要性进行排序，然后，通过ArcGIS 10.2制图，水体斑块的重要性依据自然间断点分级法进行分类，分为极低、低、中等、高和极高五类。
CN201911023890.7A 2019-10-25 2019-10-25 一种基于景观连接度指数评价水文连通度的方法 Pending CN110852579A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911023890.7A CN110852579A (zh) 2019-10-25 2019-10-25 一种基于景观连接度指数评价水文连通度的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911023890.7A CN110852579A (zh) 2019-10-25 2019-10-25 一种基于景观连接度指数评价水文连通度的方法

Publications (1)

Publication Number Publication Date
CN110852579A true CN110852579A (zh) 2020-02-28

Family

ID=69597889

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911023890.7A Pending CN110852579A (zh) 2019-10-25 2019-10-25 一种基于景观连接度指数评价水文连通度的方法

Country Status (1)

Country Link
CN (1) CN110852579A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111950926A (zh) * 2020-08-24 2020-11-17 河南大学 一种绿色基础设施用地斑块重要性评估方法和装置
CN113342911A (zh) * 2021-05-19 2021-09-03 武汉大学 一种顾及网络时空间动态联系的景观连通性评估方法
CN113392376A (zh) * 2021-06-11 2021-09-14 中国科学院城市环境研究所 一种结合土地利用数据的景观空间邻性测度方法
CN115249330A (zh) * 2022-09-05 2022-10-28 中国测绘科学研究院 一种植被连接度的评价方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180116820A (ko) * 2017-04-18 2018-10-26 연세대학교 산학협력단 다중 가중치 산정 및 topsis를 이용한 단위유역별 수자원 취약성 평가 방법
CN109241221A (zh) * 2018-08-22 2019-01-18 南京林业大学 一种基于3s技术探究城墙对城市景观格局演化影响的量化评价方法
CN109902405A (zh) * 2019-03-06 2019-06-18 北京林业大学 一种水文连通度评价方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180116820A (ko) * 2017-04-18 2018-10-26 연세대학교 산학협력단 다중 가중치 산정 및 topsis를 이용한 단위유역별 수자원 취약성 평가 방법
CN109241221A (zh) * 2018-08-22 2019-01-18 南京林业大学 一种基于3s技术探究城墙对城市景观格局演化影响的量化评价方法
CN109902405A (zh) * 2019-03-06 2019-06-18 北京林业大学 一种水文连通度评价方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王倩: "基于浮游生物群落和水文连通的黄河三角洲湿地优先恢复节点筛选", 《湿地科学》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111950926A (zh) * 2020-08-24 2020-11-17 河南大学 一种绿色基础设施用地斑块重要性评估方法和装置
CN111950926B (zh) * 2020-08-24 2022-12-02 河南大学 一种绿色基础设施用地斑块重要性评估方法和装置
CN113342911A (zh) * 2021-05-19 2021-09-03 武汉大学 一种顾及网络时空间动态联系的景观连通性评估方法
CN113392376A (zh) * 2021-06-11 2021-09-14 中国科学院城市环境研究所 一种结合土地利用数据的景观空间邻性测度方法
CN113392376B (zh) * 2021-06-11 2022-07-15 中国科学院城市环境研究所 一种结合土地利用数据的景观空间邻接性测度方法
CN115249330A (zh) * 2022-09-05 2022-10-28 中国测绘科学研究院 一种植被连接度的评价方法及系统

Similar Documents

Publication Publication Date Title
Calderón-Loor et al. High-resolution wall-to-wall land-cover mapping and land change assessment for Australia from 1985 to 2015
CN110852579A (zh) 一种基于景观连接度指数评价水文连通度的方法
Xie et al. Forest fire forecasting using ensemble learning approaches
Vilhena et al. A network approach for identifying and delimiting biogeographical regions
Feng et al. Modelling coastal land use change by incorporating spatial autocorrelation into cellular automata models
Boyce et al. Evaluating resource selection functions
Carstensen et al. Introducing the biogeographic species pool
Handan-Nader et al. Deep learning to map concentrated animal feeding operations
Lancaster et al. Spatial point pattern analysis of available and exploited resources
Wang et al. Effectiveness of nature reserve system for conserving tropical forests: a statistical evaluation of Hainan Island, China
Comber et al. Community detection in spatial networks: Inferring land use from a planar graph of land cover objects
Dáttilo et al. The influence of spatial sampling scales on ant–plant interaction network architecture
Zeilhofer et al. Jaguar Panthera onca Habitat Modeling in Landscapes Facing High Land‐use Transformation Pressure—Findings from Mato Grosso, Brazil
Müller-Hansen et al. A matrix clustering method to explore patterns of land-cover transitions in satellite-derived maps of the Brazilian Amazon
Rodríguez‐Pérez et al. Spatial networks of fleshy‐fruited trees drive the flow of avian seed dispersal through a landscape
Yang et al. Integrated plant diversity hotspots and long-term stable conservation strategies in the unique karst area of southern China under global climate change
Higgisson et al. Estimating the cover of Phragmites australis using unmanned aerial vehicles and neural networks in a semi‐arid wetland
Haining Spatial autocorrelation and the quantitative revolution
Terryn et al. Analysing individual 3D tree structure using the R package ITSMe
Goodwin et al. Multi-tier archetypes to characterise British landscapes, farmland and farming practices
Triantakonstantis et al. A spatially heterogeneous expert based (SHEB) urban growth model using model regionalization
Sun et al. Reduced dependence of Crested Ibis on winter-flooded rice fields: Implications for their conservation
Kim et al. Examining village characteristics for forest management using self-and geographic self-organizing maps: a case from the Baekdudaegan mountain range network in Korea
Araya et al. What governs the presence of residual vegetation in boreal wildfires?
Badshah et al. The role of random forest and markov chain models in understanding metropolitan urban growth trajectory

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200228