CN111199355B - 生态环境的评价方法、装置和电子系统 - Google Patents
生态环境的评价方法、装置和电子系统 Download PDFInfo
- Publication number
- CN111199355B CN111199355B CN201911425949.5A CN201911425949A CN111199355B CN 111199355 B CN111199355 B CN 111199355B CN 201911425949 A CN201911425949 A CN 201911425949A CN 111199355 B CN111199355 B CN 111199355B
- Authority
- CN
- China
- Prior art keywords
- index
- remote sensing
- ecological environment
- weight
- specified remote
- 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
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 65
- 238000012544 monitoring process Methods 0.000 claims abstract description 28
- 238000000034 method Methods 0.000 claims description 39
- 238000012545 processing Methods 0.000 claims description 14
- 230000003287 optical effect Effects 0.000 claims description 10
- 239000000443 aerosol Substances 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 5
- 238000000513 principal component analysis Methods 0.000 claims description 5
- 238000003384 imaging method Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 abstract description 6
- 230000006870 function Effects 0.000 description 8
- 230000007613 environmental effect Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000007246 mechanism Effects 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012847 principal component analysis method Methods 0.000 description 2
- 239000002689 soil Substances 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 238000004162 soil erosion Methods 0.000 description 1
- 238000012549 training 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
- G06Q10/06395—Quality analysis or management
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
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
本发明提供了一种生态环境的评价方法、装置和电子系统，包括：构建基础要素数据集；基础要素数据集包括遥感指标要素；从基础要素数据集中提取多个指定遥感指标要素，确定每个指定遥感指标要素的权重；根据指定遥感指标要素和权重，确定生态环境评价指标。该方式中，利用卫星遥感技术，获取遥感指标要素，通过给不同的遥感指标要素设置相应的权重，进行生态环境的评价，提高了生态环境评价的准确率，进而为环境监测提供了更为全面的保障。
Description
技术领域
本发明涉及环境监测技术领域，尤其是涉及一种生态环境的评价方法、装置和电子系统。
背景技术
近年来，随着工业化和城镇化的快速发展，我国资源与生态环境的形势日益严峻，资源约束压力持续增大，环境污染仍在加重，生态问题更加复杂，资源环境与生态恶化趋势尚未得到逆转，因此针对生态环境状况的评价显得尤为重要。
相关技术中，通常参考环境保护部于2015年发布的《生态环境状况评价技术规范》对我国生态环境状况进行评价、分级。其中，该方法选取的土地胁迫指数计算较为复杂，环境限制指数则必须通过年度统计数据获取，限制了生态环境状况指数在更大范围的推广应用。另外，该方法计算得到的生态环境状况指数，对生态环境评价的准确率有待提高。因此在卫星遥感数据资源应用以及气象要素对生态系统服务功能评价贡献率等气象支持及保障方面存在不足。
发明内容
有鉴于此，本发明的目的在于提供一种生态环境的评价方法、装置和电子系统，以提高生态环境评价的准确率，进而为环境监测提供更全面的保障。
第一方面，本发明实施例提供了一种生态环境的评价方法，该方法包括：构建基础要素数据集；基础要素数据集包括遥感指标要素；从基础要素数据集中提取多个指定遥感指标要素，确定每个指定遥感指标要素的权重；根据指定遥感指标要素和权重，确定生态环境评价指标。
进一步的，构建基础要素数据集的步骤，包括：利用卫星遥感的方式，获取生态环境的历史监测数据集；根据历史监测数据集，确定基础要素数据集。
进一步的，确定每个指定遥感指标要素的权重的步骤，包括：将指定遥感指标要素进行预处理，得到指定遥感指标要素的栅格数据；根据栅格数据以及指定遥感指标要素的贡献度，确定每个指定遥感指标要素的权重以及贡献率；如果贡献率满足预设阈值，确定贡献率对应的每个指定遥感指标要素的权重。
进一步的，根据栅格数据以及指定遥感指标要素的贡献度，确定每个指定遥感指标要素的权重以及贡献率的步骤，包括：根据栅格数据以及指定遥感指标要素的贡献度，通过主成分分析的方式，确定每个指定遥感指标要素的权重以及贡献率。
进一步的，根据指定遥感指标要素和指定遥感指标要素的权重，确定生态环境评价指标的步骤，包括：将多个带有权重的指定遥感指标要素相加，确定生态环境评价指标。
进一步的，该方法还包括：根据生态环境评价指标，生成对应的生态环境分布图。
第二方面，本发明实施例提供了一种生态环境的评价装置，该装置包括：数据集构建模块，用于构建基础要素数据集；基础要素数据集包括遥感指标要素；指定要素提取模块，用于从基础要素数据集中提取多个指定遥感指标要素，确定每个指定遥感指标要素的权重；评价指标确定模块，用于根据指定遥感指标要素和权重，确定生态环境评价指标。
进一步的，数据集构建模块用于：利用卫星遥感的方式，获取生态环境的历史监测数据集；根据历史监测数据集，确定基础要素数据集。
第三方面，本发明实施例提供了一种电子系统，该电子系统包括：处理设备和存储装置；存储装置上存储有计算机程序，计算机程序在被处理设备运行时执行如第一方面任一实施方式的生态环境的评价方法。
第四方面，本发明实施例提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，计算机程序被处理设备运行时执行如第一方面任一实施方式的生态环境的评价方法的步骤。
本发明实施例带来了以下有益效果：
本发明实施例提供的一种生态环境的评价方法、装置和电子系统，该方法，首先构建基础要素数据集；基础要素数据集包括遥感指标要素；从基础要素数据集中提取多个指定遥感指标要素，确定每个指定遥感指标要素的权重；根据指定遥感指标要素和权重，确定生态环境评价指标。该方式中，利用卫星遥感技术，获取遥感指标要素，通过给不同的遥感指标要素设置相应的权重，进行生态环境的评价，提高了生态环境评价的准确率，进而为环境监测提供了更为全面的保障。
本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域技术人员来讲，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的评价方法流程图；
图2为本发明实施例提供的一种确定权重的方法流程图；
图3为本发明实施例提供的一种全国生态环境等级分布图；
图4为本发明实施例提供的一种生态环境的评价装置的结构示意图；
图5为本发明实施例提供的一种电子系统结构示意图。
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，下面将结合附图对本发明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，本领域技术人员在没有做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。
目前为了维护国家生态安全，党中央、国务院提出了划定并严守生态保护红线的重要决定，做出了一系列重大决策部署，将生态保护红线作为生态文明体制改革的重要内容。其中，生态保护红线是指，在生态空间范围内具有特殊重要生态功能、必须强制性严格保护的区域，是保障和维护国家生态安全的底线和生命线。由各级政府主导，各省、市气象局积极参与，按照《生态保护红线划定指南》技术方法，通过评估区域生态功能的重要性或生态环境敏感脆弱性，结合国家级或省级禁止开发区域和其他各类保护地等进行划定工作。由生态环境部提出生态保护红线相关技术标准和规范，针对水、气、土以及生态环境开展了一系列监测、评估、监管。但在卫星遥感数据资源应用以及气象要素对生态系统服务功能评价贡献率等气象支持保障方面存在不足。
另外，参考环境保护部于2015年发布的《生态环境状况评价技术规范》对我国生态环境状况进行评价、分级。《生态环境状况评价技术规范》中一共选择了5个评价指数，包括生物丰度、植被覆盖、水网密度、土地退化和环境质量，并通过加权求和构成了生态环境状况指数(EI)，即：
EI＝0.35×生物丰度指数+0.25×植被覆盖指数+0.15×水网密度指数+0.15×(100-土地胁迫指数)+0.1×(100-污染负荷指数)+环境限制指数。
其中，土地胁迫指数中的土壤侵蚀模数计算复杂，环境限制指数必须通过年度统计数据获得，这都限制了EI指数在更大范围的推广应用。基于此，本发明实施例提供的一种生态环境的评价方法、装置和电子系统，可以为国家及地方生态环境监测及生态文明建设贡献气象智慧，以提高生态环境评价的准确率，进而为环境监测提供更全面的保障。
为便于对本实施例进行理解，首先对本发明实施例所公开的一种生态环境的评价方法进行详细介绍。
实施例一：
本实施例提供了一种生态环境的评价方法，如图1所示，该方法包括如下步骤：
步骤S102，构建基础要素数据集；基础要素数据集包括遥感指标要素；
上述基础要素数据集可以是由遥感影像数据，以及其他地面的检测数据构建的，其中包括有多种遥感指标要素，比如，植被、绿度、地表温度、土地利用等与生态环境相关的遥感要素；上述遥感指标要素可以是针对该要素的图像信息，其中包括有指定区域的该要素的图像信息，可以反映生态环境的质量，因此利用基础要素数据集的各种遥感指标要素，对生态环境进行评价。
具体的，上述基础要素数据集可以包括两大类，十六种要素，参见表1所示。
表1基础要素数据集列表
步骤S104，从基础要素数据集中提取多个指定遥感指标要素，确定每个指定遥感指标要素的权重；
由于不同的遥感指标要素反映生态环境的方面不同，因此通常需要从基础要素数据集中提取多个指定遥感指标要素，综合进行评价。具体的，通过研究每个指定遥感指标要素的机理与含义，同时依照各部门标准规范，另外，提取的遥感指标要素要具有多种性质，比如，遥感可获得性、全国性、年际性，不考虑区域性和季节性等特殊性质，最终提取的多个指标要素可以是地表温度、绿度指数、归一化植被指数、净初级生产力、植被垂直干旱指数、土地利用类型、气溶胶光学厚度；
由于不同的遥感指标要素反映的生态环境的方面不同，同时对生态环境评价的贡献度不同，因此需要确定每个指定遥感指标要素的权重，进而使得生态环境的评价更加准确。为了使指定遥感指标要素的权重的赋值更加客观合理，可以采用主成分分析、机器学习、神经网络等方法，根据指定遥感指标要素中的图像信息自动客观的确定对应的权重。
步骤S106，根据指定遥感指标要素和权重，确定生态环境评价指标。
具体的，可以将带有不同权重的指定遥感指标要素的图像信息数据，通过融合等方式，得到能够反映生态环境的综合评价指标。
进一步的，上述构建基础要素数据集的步骤，包括：利用卫星遥感的方式，获取生态环境的历史监测数据集；根据历史监测数据集，确定基础要素数据集；
上述卫星遥感可以是利用遥感技术平台获取卫星数据，通过与生态环境监测相对应的遥感仪器，可以采集指定区域各种摇杆要素的影像。上述历史监测数据集可以包括有卫星数据、EOS/MODIS数据(Earth observation system/Moderate-resolution ImagingSpectroradiometer，地球观测系统/中分辨率成像光谱仪)、地面气象观测数据和CLDAS(China Meteorological Administration Land Data Assimilation System，中国气象局陆面数据同化系统)再分析数据等数据；基于这些数据开展植被指数、净初级生产力、植被覆盖度、地表温度、高温、干旱、森林火灾、暴雨洪涝等生态要素和灾害监测分析，建立中国区域生态遥感、气象基础要素数据集。
进一步的，参见图2所示的确定权重的方法流程图，确定每个指定遥感指标要素的权重的步骤的具体实现过程，如图2所示，该方法包括如下步骤：
步骤S202，将指定遥感指标要素进行预处理，得到指定遥感指标要素的栅格数据；
上述栅格数据通常是指将空间分割成有规律的网格，每一个网格称为一个单元(像素)，并在各单元上赋予相应的属性值来表示实体的一种数据形式。具体的，可以将指定遥感指标要素中的点指标要素转化为遥感空间指标要素，可以将上述要素进行归一化处理、无效值剔除等预处理的方式，得到指定区域各要素栅格数据，其中空间分辨率为1Km。
步骤S204，根据栅格数据以及指定遥感指标要素的贡献度，确定每个指定遥感指标要素的权重以及贡献率；
上述贡献度可以理解为，不同的遥感指标要素反映的生态环境的方面不同，因此不同的遥感指标要素对生态环境评价的贡献不同，可以按照每个指定遥感指标要素栅格数据的机理与含义，确定各个遥感指标要素的贡献度。因此上述栅格数据可以更加方便准确的，反应指定遥感指标要素对于生态环境的含义，同时能够利用该栅格数据的含义，可以通过排列分析、机器学习等方法，确定每个指定遥感指标要素的权重以及贡献率。
进一步的，上述根据栅格数据以及指定遥感指标要素的贡献度，确定每个指定遥感指标要素的权重以及贡献率的步骤，包括：根据栅格数据以及指定遥感指标要素的贡献度，通过主成分分析的方式，确定每个指定遥感指标要素的权重以及贡献率。
具体的，可以利用主成分分析的方法，通过正交变换将一组可能存在相关性的变量转换为一组线性不相关的变量，转换后的这组变量叫主成分。通过主成分分析的方法，可以得到各个指定遥感指标要素的共7个主成分的系数以及各主成分的贡献率，可以参考表2所示的一种具体的分析结果。
其中，每个指定遥感指标要素有多个权重，每个主成分对应一个贡献率，由上表可以看出贡献率最大的是第一个主成分。
表2各个要素的系数以及贡献率
步骤S206，如果贡献率满足预设阈值，确定贡献率对应的每个指定遥感指标要素的权重。
上述预设阈值可以根据具体需求设定，例如，可以将贡献率设定为85％，因此第一个主成分便满足累计贡献率大于85％的条件，可以将该满足预设阈值的贡献率对应的主成分的7个系数，确定为每个对应指定遥感指标要素的权重。
进一步的，上述根据指定遥感指标要素和指定遥感指标要素的权重，确定生态环境评价指标的步骤，包括：将多个带有权重的指定遥感指标要素相加，确定生态环境评价指标。
从机理模型和物理含义出发，通过主成分分析得到的权重值，可以将上述生态环境评价指标通过相加的方式建立如下模型：RSEI＝A1×LST+A2×GI+A3×NDVI+A4×NPP+A5×VPDI+A6×LUCC+A7×AOD；
其中，RSEI表示生态环境评价指标；LST表示地表温度，A1表示地表温度的权重；GI表示绿度指数，A2表示绿度指数的权重；NDVI表示归一化植被指数，A3表示归一化植被指数的权重；NPP表示净初级生产力，A4表示净初级生产力的权重；VPDI表示植被垂直干旱指数，A5表示植被垂直干旱指数的权重；LUCC表示土地利用类型，A6表示土地利用类型的权重；AOD表示气溶胶光学厚度，A7表示气溶胶光学厚度的权重。
举例说明，生态环境评价指标可以建立如下模型：
RSEI＝-0.0501×LST+0.4132×GI+0.5042×NDVI+0.2406×NPP-0.1337×VPDI+0.6987×LUCC-0.0919×AOD；
分析该模型，表示热度的LST、表示旱度VPDI，以及表示污染负荷的ADO系数为负，表示对RSEI起了负面影响；而GI、NDVI、NPP、LUCC系数为正，表示对RSEI起了正面影响，与实际情况相符。同时从系数的大小也可以看出，LST和AOD系数相对较小，表明生态环境状况受两者影响相对较小；而表征生物丰度的LUCC，表征植被覆盖和生长状况的GI、NDVI、NPP，表征干旱情况的VPDI系数相对较大，表明生态环境状况受这些参数影响较大。
进一步的，该方法还包括：根据生态环境评价指标，生成对应的生态环境分布图。
上述生态环境评价指标可包括是指定区域中图像信息的集合数据，根据这些数据对应指定区域的位置，可以生成生态环境分布图。
参见图3所示的全国生态环境等级分布图，可以看出，东北大兴安岭地区、东北地区东部、南方大部分地区生态环境状况较优；准格尔盆地和塔里木盆地、内蒙古西部地区、青藏高原部分地区生态环境状况差，该结论符合我们的认知。同时可以看到，京津地区、长三角地区、珠三角地区生态环境状况也较差，这与当地工业化水平高导致的污染较为严重、植被覆盖度低、不透水面积大、城市热岛等因素均相关。
该方式中，凸显了遥感技术在大范围空间监测中的优势，发挥中国气象局在卫星遥感数据资源、气象要素监测数据积累以及与生态环境变化敏感的气象要素研究方面的长处，建立和完善了全国生态环境状况遥感评价指标，为国家及地方生态环境监测及生态文明建设贡献气象智慧，提供气象保障服务。
实施例二：
对应于上述方法实施例，参见图4所示的一种生态环境的评价装置的结构示意图，该装置包括：
数据集构建模块41，用于构建基础要素数据集；基础要素数据集包括遥感指标要素；
指定要素提取模块42，用于从基础要素数据集中提取多个指定遥感指标要素，确定每个指定遥感指标要素的权重；
评价指标确定模块43，用于根据指定遥感指标要素和权重，确定生态环境评价指标。
进一步的，上述数据集构建模块用于：利用卫星遥感的方式，获取生态环境的历史监测数据集；根据历史监测数据集，确定基础要素数据集。
进一步的，上述指定要素提取模块用于：将指定遥感指标要素进行预处理，得到指定遥感指标要素的栅格数据；根据栅格数据以及指定遥感指标要素的贡献度，确定每个指定遥感指标要素的权重以及贡献率；如果贡献率满足预设阈值，确定贡献率对应的每个指定遥感指标要素的权重。
进一步的，上述指定要素提取模块用于：根据栅格数据以及指定遥感指标要素的贡献度，通过主成分分析的方式，确定每个指定遥感指标要素的权重以及贡献率。
进一步的，上述评价指标确定模块用于：将多个带有权重的指定遥感指标要素相加，确定生态环境评价指标。
进一步的，上述装置还用于：根据生态环境评价指标，生成对应的生态环境分布图。
本发明实施例提供的一种生态环境的评价装置，该方法，首先构建基础要素数据集；基础要素数据集包括遥感指标要素；从基础要素数据集中提取多个指定遥感指标要素，确定每个指定遥感指标要素的权重；根据指定遥感指标要素和权重，确定生态环境评价指标。该方式中，利用卫星遥感技术，获取遥感指标要素，通过给不同的遥感指标要素设置相应的权重，进行生态环境的评价，提高了生态环境评价的准确率，进而为环境监测提供了更为全面的保障。
本发明实施例提供的生态环境的评价装置，与上述实施例提供的生态环境的评价方法具有相同的技术特征，所以也能解决相同的技术问题，达到相同的技术效果。
本实施例还提供了一种电子系统，如图5所示的一种电子系统的结构示意图，电子系统100包括一个或多个处理设备102、一个或多个存储装置104、输入装置106、输出装置108以及一个或多个图像采集设备110，这些组件通过总线系统112和/或其它形式的连接机构(未示出)互连。应当注意，图5所示的电子系统100的组件和结构只是示例性的，而非限制性的，根据需要，电子系统也可以具有其他组件和结构。
处理设备102可以是网关，也可以为智能终端，或者是包含中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其它形式的处理单元的设备，可以对电子系统100中的其它组件的数据进行处理，还可以控制电子系统100中的其它组件以执行期望的功能。
存储装置104可以包括一个或多个计算机程序产品，计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在计算机可读存储介质上可以存储一个或多个计算机程序指令，处理设备102可以运行程序指令，以实现下文的本发明实施例中(由处理设备实现)的客户端功能以及/或者其它期望的功能。在计算机可读存储介质中还可以存储各种应用程序和各种数据，例如应用程序使用和/或产生的各种数据等。
输入装置106可以是用户用来输入指令的装置，并且可以包括键盘、鼠标、麦克风和触摸屏等中的一个或多个。
输出装置108可以向外部(例如，用户)输出各种信息(例如，图像或声音)，并且可以包括显示器、扬声器等中的一个或多个。
图像采集设备110可以采集预览视频帧或图片数据(如待识别图片或训练图片)，并且将采集到的预览视频帧或图像数据存储在存储装置104中以供其它组件使用。
示例性地，用于实现根据本发明实施例的生态环境的评价方法、装置和电子系统的示例电子系统中的各器件可以集成设置，也可以分散设置，诸如将处理设备102、存储装置104、输入装置106和输出装置108集成设置于一体，而将图像采集设备110设置于可以采集到图片的指定位置。当上述电子系统中的各器件集成设置时，该电子系统可以被实现为诸如、智能手机、平板电脑、计算机等智能终端。
本发明实施例所提供的生态环境的评价方法、装置和电子系统的计算机程序产品，包括存储了程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见方法实施例，在此不再赘述。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
另外，在本发明实施例的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
所述功能如果以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，服务器，或者网络设备等)执行本发明各个实施例所述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。
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
最后应说明的是：以上实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
Claims (8)
1.一种生态环境的评价方法，其特征在于，所述方法包括：
构建基础要素数据集；所述基础要素数据集包括遥感指标要素；
从所述基础要素数据集中提取多个指定遥感指标要素，确定每个所述指定遥感指标要素的权重；其中，多个所述指定遥感指标要素至少包括：地表温度、绿度指数、归一化植被指数、净初级生产力、植被垂直干旱指数、土地利用类型、气溶胶光学厚度；
根据所述指定遥感指标要素和所述权重，确定生态环境评价指标；其中，所述生态环境评价指标为RSEI＝A1×LST+A2×GI+A3×NDVI+A4×NPP+A5×VPDI+A6×LUCC+
A7×AOD；RSEI表示生态环境评价指标；LST表示地表温度，A1表示地表温度的权重；GI表示绿度指数，A2表示绿度指数的权重；NDVI表示归一化植被指数，A3表示归一化植被指数的权重；NPP表示净初级生产力，A4表示净初级生产力的权重；VPDI表示植被垂直干旱指数，A5表示植被垂直干旱指数的权重；LUCC表示土地利用类型，A6表示土地利用类型的权重；AOD表示气溶胶光学厚度，A7表示气溶胶光学厚度的权重；
构建基础要素数据集的步骤，包括：
利用卫星遥感的方式，获取生态环境的历史监测数据集；
根据所述历史监测数据集，确定所述基础要素数据集；其中，所述历史监测数据集至少包括：卫星数据、地球观测系统/中分辨率成像光谱仪数据、地面气象观测数据和中国气象局陆面数据同化系统再分析数据。
2.根据权利要求1所述的方法，其特征在于，确定每个所述指定遥感指标要素的权重的步骤，包括：
将指定遥感指标要素进行预处理，得到所述指定遥感指标要素的栅格数据；
根据所述栅格数据以及所述指定遥感指标要素的贡献度，确定每个所述指定遥感指标要素的权重以及贡献率；
如果所述贡献率满足预设阈值，确定所述贡献率对应的每个所述指定遥感指标要素的权重。
3.根据权利要求2所述的方法，其特征在于，根据所述栅格数据以及所述指定遥感指标要素的贡献度，确定每个所述指定遥感指标要素的权重以及贡献率的步骤，包括：
根据所述栅格数据以及所述指定遥感指标要素的贡献度，通过主成分分析的方式，确定每个所述指定遥感指标要素的权重以及贡献率。
4.根据权利要求1所述的方法，其特征在于，根据所述指定遥感指标要素和所述指定遥感指标要素的权重，确定生态环境评价指标的步骤，包括：将多个带有权重的指定遥感指标要素相加，确定生态环境评价指标。
5.根据权利要求4所述的方法，其特征在于，所述方法还包括：根据所述生态环境评价指标，生成对应的生态环境分布图。
6.一种生态环境的评价装置，其特征在于，所述装置包括：
数据集构建模块，用于构建基础要素数据集；所述基础要素数据集包括遥感指标要素；
指定要素提取模块，用于从所述基础要素数据集中提取多个指定遥感指标要素，确定每个所述指定遥感指标要素的权重；其中，多个所述指定遥感指标要素至少包括：地表温度、绿度指数、归一化植被指数、净初级生产力、植被垂直干旱指数、土地利用类型、气溶胶光学厚度；
评价指标确定模块，用于根据所述指定遥感指标要素和所述权重，确定生态环境评价指标；其中，所述生态环境评价指标为RSEI＝A1×LST+A2×GI+A3×NDVI+A4×NPP+A5×VPDI+A6×LUCC+
A7×AOD；RSEI表示生态环境评价指标；LST表示地表温度，A1表示地表温度的权重；GI表示绿度指数，A2表示绿度指数的权重；NDVI表示归一化植被指数，A3表示归一化植被指数的权重；NPP表示净初级生产力，A4表示净初级生产力的权重；VPDI表示植被垂直干旱指数，A5表示植被垂直干旱指数的权重；LUCC表示土地利用类型，A6表示土地利用类型的权重；AOD表示气溶胶光学厚度，A7表示气溶胶光学厚度的权重；
数据集构建模块用于：
利用卫星遥感的方式，获取生态环境的历史监测数据集；
根据所述历史监测数据集，确定所述基础要素数据集；其中，所述历史监测数据集至少包括：卫星数据、地球观测系统/中分辨率成像光谱仪数据、地面气象观测数据和中国气象局陆面数据同化系统再分析数据。
7.一种电子系统，其特征在于，所述电子系统包括：处理设备和存储装置；
所述存储装置上存储有计算机程序，所述计算机程序在被所述处理设备运行时执行如权利要求1至5任一项所述的生态环境的评价方法。
8.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其特征在于，所述计算机程序被处理设备运行时执行如权利要求1至5任一项所述的生态环境的评价方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911425949.5A CN111199355B (zh) | 2019-12-31 | 2019-12-31 | 生态环境的评价方法、装置和电子系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911425949.5A CN111199355B (zh) | 2019-12-31 | 2019-12-31 | 生态环境的评价方法、装置和电子系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111199355A CN111199355A (zh) | 2020-05-26 |
| CN111199355B true CN111199355B (zh) | 2023-09-05 |
Family
ID=70745463
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911425949.5A Active CN111199355B (zh) | 2019-12-31 | 2019-12-31 | 生态环境的评价方法、装置和电子系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111199355B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112100579A (zh) * | 2020-09-17 | 2020-12-18 | 国家卫星气象中心(国家空间天气监测预警中心) | 遥感生态环境质量评价方法、装置和电子设备 |
| CN117314196B (zh) * | 2023-10-18 | 2024-06-28 | 河南大学 | 一种综合生态环境质量评价指标体系的构建方法 |
| CN117409333B (zh) * | 2023-12-15 | 2024-02-13 | 四川省生态环境科学研究院 | 基于遥感影像的生态脆弱区识别及生态修复方法 |
| CN117436767B (zh) * | 2023-12-15 | 2024-04-09 | 云南师范大学 | 基于近远程耦合协调模型的评估方法、系统及存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101452078A (zh) * | 2008-12-30 | 2009-06-10 | 国家卫星气象中心 | 极轨气象卫星遥感白天和夜间海雾的检测方法 |
| CN107194160A (zh) * | 2017-05-05 | 2017-09-22 | 合肥工业大学 | 一种流域沼泽湿地空间恢复分析方法 |
| CN109087011A (zh) * | 2018-08-09 | 2018-12-25 | 中国神华能源股份有限公司 | 评估生态环境状况的方法及装置、存储介质和处理器 |
-
2019
- 2019-12-31 CN CN201911425949.5A patent/CN111199355B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101452078A (zh) * | 2008-12-30 | 2009-06-10 | 国家卫星气象中心 | 极轨气象卫星遥感白天和夜间海雾的检测方法 |
| CN107194160A (zh) * | 2017-05-05 | 2017-09-22 | 合肥工业大学 | 一种流域沼泽湿地空间恢复分析方法 |
| CN109087011A (zh) * | 2018-08-09 | 2018-12-25 | 中国神华能源股份有限公司 | 评估生态环境状况的方法及装置、存储介质和处理器 |
Non-Patent Citations (1)
| Title |
|---|
| 生态保护红线卫星遥感气象保障服务能力建设综述;韩秀珍;唐世浩;;卫星应用(第11期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111199355A (zh) | 2020-05-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111199355B (zh) | 生态环境的评价方法、装置和电子系统 | |
| Chang et al. | Better environmental data may reverse conclusions about niche‐and dispersal‐based processes in community assembly | |
| Wang et al. | Machine learning-based regional scale intelligent modeling of building information for natural hazard risk management | |
| Brooks et al. | Fitting the multitemporal curve: A Fourier series approach to the missing data problem in remote sensing analysis | |
| Pham et al. | Urban growth and change analysis using remote sensing and spatial metrics from 1975 to 2003 for Hanoi, Vietnam | |
| CN110956412B (zh) | 基于实景模型的洪灾动态评估方法、装置、介质和设备 | |
| CN108062789B (zh) | 岩心样品选取方法和装置 | |
| De Bono et al. | A global exposure model for GAR 2015 | |
| Machado et al. | Implications of indicator aggregation methods for global change vulnerability reduction efforts | |
| CN112819237B (zh) | 降水多尺度融合预报方法和装置 | |
| Koma et al. | Classifying wetland‐related land cover types and habitats using fine‐scale lidar metrics derived from country‐wide Airborne Laser Scanning | |
| CN116343103B (zh) | 一种基于三维gis场景与视频融合的自然资源监管方法 | |
| Stanchev et al. | Integrating GIS and high resolution orthophoto images for the development of a geomorphic shoreline classification and risk assessment—a case study of cliff/bluff erosion along the Bulgarian coast | |
| Lee et al. | A new framework to assess relative ecosystem vulnerability to climate change | |
| CN117874499B (zh) | 一种基于动态数据监测的地质灾害预警方法及系统 | |
| Deb et al. | Assessment of a new quality control technique in the retrieval of atmospheric motion vectors | |
| Zhang et al. | A study on coastline extraction and its trend based on remote sensing image data mining | |
| Wang et al. | Analysis of oasis land ecological security and influencing factors in arid areas | |
| Vogt et al. | An approach for pan-European monitoring of forest fragmentation | |
| Zhang et al. | Accuracy assessments and uncertainty analysis of spatially explicit modeling for land use/cover change and urbanization: A case in Beijing metropolitan area | |
| Shifaw et al. | Farmland dynamics in Pingtan, China: understanding its transition, landscape structure and driving factors | |
| Ebert et al. | Urban social vulnerability assessment using object-oriented analysis of remote sensing and gis data. A case study for Tegucigalpa, Honduras | |
| Montalvo et al. | Measuring inequality from above | |
| CN108009510B (zh) | 安保态势分析方法和装置 | |
| Hülsena et al. | Global coastal protection benefits of ecosystems-past, present, and under climate change |
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 |