CN112418632B - 一种生态修复关键区域识别方法及系统 - Google Patents

一种生态修复关键区域识别方法及系统 Download PDF

Info

Publication number
CN112418632B
CN112418632B CN202011281865.1A CN202011281865A CN112418632B CN 112418632 B CN112418632 B CN 112418632B CN 202011281865 A CN202011281865 A CN 202011281865A CN 112418632 B CN112418632 B CN 112418632B
Authority
CN
China
Prior art keywords
ecological
remote sensing
area
band
evaluated
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
CN202011281865.1A
Other languages
English (en)
Other versions
CN112418632A (zh
Inventor
李开猛
徐进勇
李晓军
祝文明
李立峰
王秀兴
付迎霞
黄俊杰
张讯高
梁伟研
王�锋
林楚阳
黄少侃
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.)
Guangzhou Urban Planning Survey and Design Institute
Original Assignee
Guangzhou Urban Planning Survey and Design Institute
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 Guangzhou Urban Planning Survey and Design Institute filed Critical Guangzhou Urban Planning Survey and Design Institute
Priority to CN202011281865.1A priority Critical patent/CN112418632B/zh
Publication of CN112418632A publication Critical patent/CN112418632A/zh
Application granted granted Critical
Publication of CN112418632B publication Critical patent/CN112418632B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种生态修复关键区域识别方法及系统，该方法包括：获取并对待评估区域当前年限、历史年限的遥感生态数据进行主成分分析处理，获得第一遥感生态指数和第二遥感生态指数；将第一遥感生态指数和第二遥感生态指数进行比较，根据比较结果获得生态环境退化系数；根据退化区域的面积、生态重要性等级、退化持续时间，计算面积修正系数、生态等级修正系数和时间衰减系数；由生态环境退化系数、面积修正系数、生态等级修正系数和时间衰减系数计算待评估区域的生态修复紧迫度；根据生态修复紧迫度判断待评估区域是否为生态修复关键区域；本发明根据当前遥感生态数据和历年遥感生态数据对生态区域进行评估，提高生态修复关键区域的识别精度。

Description

一种生态修复关键区域识别方法及系统
技术领域
本发明涉及生态环境评估领域，尤其涉及一种生态修复关键区域识别方法及系统。
背景技术
新时代国土空间规划强调生态优先理念，在资源环境承载能力和国土空间开发适宜性评价(简称“双评价”)的基础上，科学有序统筹布局生态、农业、城镇等功能空间，构建生态廊道和生态网络，推进生态系统保护与修复。
现有技术中，通过“双评价”分析中的生态修复区域识别方法来获取生态修复区域，但是“双评价”分析中的生态修复区域识别方法是根据当前时点的遥感生态数据来获取生态修复关键区域，并没有结合历年生态环境质量的波动情况，使得生态环境受损部位的细化还不够，生态修复区域的识别精度有待提高。
发明内容
本发明实施例所要解决的技术问题在于，提供一种生态修复关键区域识别方法及系统，根据当前遥感生态数据和历年遥感生态数据对生态区域进行评估，提高生态修复关键区域的识别精度。
为了解决上述技术问题，本发明实施例提供了一种生态修复关键区域识别方法，包括：
获取待评估区域当前年限的遥感生态数据和历史年限的遥感生态数据；
分别对所述当前年限的遥感生态数据和所述历史年限的遥感生态数据进行主成分分析处理，获得所述当前年限的遥感生态数据对应的第一遥感生态指数、所述历史年限的遥感生态数据对应的第二遥感生态指数；
将所述第一遥感生态指数和所述第二遥感生态指数进行比较，根据比较结果获得生态环境退化系数；
根据退化区域的面积、生态重要性等级、退化持续时间，计算待评估区域对应的面积修正系数、生态等级修正系数和时间衰减系数；
根据所述生态环境退化系数、所述面积修正系数、所述生态等级修正系数和所述时间衰减系数计算所述待评估区域的生态修复紧迫度；
根据生态修复紧迫度判断待评估区域是否为生态修复关键区。
进一步地，在所述获取待评估区域当前年限的遥感生态数据和历史年限的遥感生态数据之前，所述方法还包括：
获取并将评估范围内的所有坐标系均转换为墨卡托投影坐标系或大地2000坐标系，并利用Google Earth Engine平台获取所述待评估区域的当前年限的遥感生态数据和所述待评估区域的历史年限的遥感生态数据；其中，所述评估范围包括所述待评估区域。
进一步地，所述当前年限的遥感生态数据包括第一绿度、第一湿度、第一干度和第一地表温度，则，所述获取待评估区域的当前年限的遥感生态数据，具体包括：
利用Google Earth Engine平台获取所述待评估区域的Landsat8遥感影像；
根据所述Landsat8遥感影像中的红波段、近红外波段，计算所述第一绿度；
根据所述Landsat8遥感影像中的第一短波红外波段、第二短波红外波段、红波段、近红外波段、蓝波段和绿波段，获得计算所述第一湿度；
根据所述Landsat8遥感影像中的第一短波红外波段、红波段、近红外波段、蓝波段和绿波段，计算所述第一干度；
基于劈窗算法对所述Landsat8遥感影像进行处理，获得所述第一地表温度。
进一步地，所述历史年限的遥感生态数据包括第二绿度、第二湿度、第二干度和第二地表温度，则，所述获取待评估区域的历史年限的遥感生态数据，具体包括：
判断所述历史年限是否早于2013年；
若所述历史年限早于2013年，则利用Google Earth Engine平台获取所述待评估区域的Landsat5遥感影像；根据所述Landsat5遥感影像中的红波段、近红外波段，计算所述第二绿度；根据所述Landsat5遥感影像中的第一短波红外波段、第二短波红外波段、红波段、近红外波段、蓝波段和绿波段，计算所述第二湿度；根据所述Landsat5遥感影像中的第一短波红外波段、红波段、近红外波段、蓝波段和绿波段，计算所述第二干度；基于劈窗算法对所述Landsat5遥感影像进行处理，获得所述第二地表温度；
若所述历史年限晚于或等于2013年，则利用Google Earth Engine平台获取所述待评估区域的Landsat8遥感影像；根据所述Landsat8遥感影像中的红波段、近红外波段，计算所述第二绿度；根据所述Landsat8遥感影像中的第一短波红外波段、第二短波红外波段、红波段、近红外波段、蓝波段和绿波段，计算所述第二湿度；根据所述Landsat8遥感影像中的第一短波红外波段、红波段、近红外波段、蓝波段和绿波段，计算所述第二干度；基于劈窗算法对所述Landsat8遥感影像进行处理，获得所述第二地表温度。
进一步地，在所述获取待评估区域当前年限的遥感生态数据和历史年限的遥感生态数据之后，所述方法还包括：
分别对所述当前年限的遥感生态数据和所述历史年限的遥感生态数据的行列数进行同一化处理、结果去零化处理、归一化处理；
则，所述分别对所述当前年限的遥感生态数据和所述历史年限的遥感生态数据进行主成分分析处理，获得所述当前年限的遥感生态数据对应的第一遥感生态指数、所述历史年限的遥感生态数据对应的第二遥感生态指数，具体包括：
分别对经过同一化处理、结果去零化处理、归一化处理后的当前年限的遥感生态数据和经过同一化处理、结果去零化处理、归一化处理后的历史年限的遥感生态数据进行主成分分析处理，获得所述当前年限的遥感生态数据对应的第一遥感生态指数、所述历史年限的遥感生态数据对应的第二遥感生态指数。
进一步地，所述将所述第一遥感生态指数和所述第二遥感生态指数进行比较，根据比较结果获得生态环境退化系数，具体包括：
若所述第一遥感生态指数大于或等于所述第二遥感生态指数，则所述生态环境退化系数为0；
若所述第一遥感生态指数小于所述第二遥感生态指数，则所述生态环境退化系数等于所述第一遥感生态指数与所述第二遥感生态指数之间的差值。
进一步地，所述根据所述生态环境退化系数、所述面积修正系数、所述生态等级修正系数和所述时间衰减系数计算待评估区域的生态修复紧迫度，具体包括：
按照下列公式，计算获得所述待评估区域的生态修复紧迫度；
ERUM＝-E×D×T×S
其中，ERUM为所述生态修复紧迫度，E为所述生态等级修正系数，D为生态环境退化系数，T为时间衰减系数，S为面积修正系数。
进一步地，所述根据所述生态修复紧迫度判断所述待评估区域是否为生态修复关键区域，具体包括：
将ERUM归一化处理后，按数值大小分为生态修复极紧迫区域、生态修复较紧迫区域、生态修复一般紧迫区域；
若ERUM<0.3，则所述待评估区域为生态修复一般紧迫区域，受损时间较长，可恢复性较差；
若0.3≤ERUM<0.6，则所述待评估区域为生态修复较紧迫区域，受损面积一般，受损时间较长，可恢复性一般；
若ERUM≥0.6，则所述待评估区域为生态修复极紧迫区域，生态受损面积较大，受损时间较短，可恢复性较高。
相应地，本发明提供一种生态修复关键区域识别系统，包括：
获取装置，用于获取待评估区域当前年限的遥感生态数据和历史年限的遥感生态数据；
处理装置，用于分别对所述当前年限的遥感生态数据和所述历史年限的遥感生态数据进行主成分分析处理，获得所述当前年限的遥感生态数据对应的第一遥感生态指数、所述历史年限的遥感生态数据对应的第二遥感生态指数；
比较装置，用于将所述第一遥感生态指数和所述第二遥感生态指数进行比较，根据比较结果获得生态环境退化系数；
第一计算装置，用于根据退化区域的面积、生态重要性等级、退化持续时间，计算待评估区域对应的面积修正系数、生态等级修正系数和时间衰减系数；
第二计算装置，用于根据所述生态环境退化系数、所述面积修正系数、所述生态等级修正系数和所述时间衰减系数，计算所述待评估区域的生态修复紧迫度；
识别装置，用于根据所述生态修复紧迫度结果判断所述待评估区域是否为生态修复关键区域。
实施本发明实施例，具有如下有益效果：
本发明实施例提供了一种生态修复关键区域识别方法及系统，该方法包括：获取并对待评估区域当前年限、历史年限的遥感生态数据进行主成分分析处理，获得第一遥感生态指数和第二遥感生态指数；将第一遥感生态指数和第二遥感生态指数进行比较，根据比较结果获得生态环境退化系数；根据退化区域的面积、生态重要性等级、退化持续时间，计算面积修正系数、生态等级修正系数和时间衰减系数；由生态环境退化系数、面积修正系数、生态等级修正系数和时间衰减系数计算待评估区域的生态修复紧迫度；根据生态修复紧迫度判断待评估区域是否为生态修复关键区域；相比于现有的生态修复区域的识别方法，本发明不仅获取待评估区域当前年限的遥感生态数据，还获取该待评估区域历史年限的遥感生态数据，根据当前年限的遥感生态数据和历史年限的遥感生态数据确定生态环境退化系数，使得生态环境退化系数的准确度更高，进而提高了生态修复关键区域的识别精度。
附图说明
图1是本发明提供的一种生态修复关键区域识别方法的一个优选实施例的流程图；
图2是本发明提供的一种生态修复关键区域识别方法的另一个优选实施例的流程图；
图3是本发明提供的一种生态修复关键区域识别系统的一个优选实施例的结构框图。
具体实施方式
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，所描述的实施例仅仅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，本技术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。
本发明实施例提供了一种生态修复关键区域识别方法，参见图1所示，是本发明提供的一种生态修复关键区域识别方法的一个优选实施例的流程图，所述方法包括步骤S11至步骤S16：
步骤S11、获取待评估区域当前年限的遥感生态数据和历史年限的遥感生态数据；
步骤S12、分别对所述当前年限的遥感生态数据和所述历史年限的遥感生态数据进行主成分分析处理，获得所述当前年限的遥感生态数据对应的第一遥感生态指数、所述历史年限的遥感生态数据对应的第二遥感生态指数；
步骤S13、将所述第一遥感生态指数和所述第二遥感生态指数进行比较，根据比较结果获得生态环境退化系数；
步骤S14、根据退化区域的面积、生态重要性等级、退化持续时间，计算待评估区域对应的面积修正系数、生态等级修正系数和时间衰减系数；
步骤S15、根据所述生态环境退化系数、所述面积修正系数、所述生态等级修正系数和所述时间衰减系数，计算所述待评估区域的生态修复紧迫度；
步骤S16、根据生态修复紧迫度判断待评估区域是否为生态修复关键区。
具体地，利用Google Earth Engine平台获取并对待评估区域当前年限、历史年限的遥感生态数据进行主成分分析处理，获得第一遥感生态指数和第二遥感生态指数；将第一遥感生态指数和第二遥感生态指数进行比较，根据比较结果获得生态环境退化系数；根据退化区域的面积、生态重要性等级、退化持续时间，计算面积修正系数、生态等级修正系数和时间衰减系数；由生态环境退化系数、面积修正系数、生态等级修正系数和时间衰减系数计算待评估区域的生态修复紧迫度；根据生态修复紧迫度判断待评估区域是否为生态修复关键区域；相比于现有的生态修复区域的识别方法，本发明不仅获取待评估区域当前年限的遥感生态数据，还获取该待评估区域历史年限的遥感生态数据，根据当前年限的遥感生态数据和历史年限的遥感生态数据确定生态环境退化系数，使得生态环境退化系数的准确度更高，进而提高了生态修复关键区域的识别精度；除此之外，本发明通过生态环境退化系数、面积修正系数、生态等级修正系数和时间衰减系数这四个维度综合考虑生态环境情况，使得生态修复分析更为全面。
在又一个优选实施例中，在步骤S11之前，所述方法还包括：
获取并将评估范围内的所有坐标系均转换为墨卡托投影坐标系或大地2000坐标系，并利用Google Earth Engine平台获取所述待评估区域的当前年限的遥感生态数据和所述待评估区域的历史年限的遥感生态数据；其中，所述评估范围包括所述待评估区域。
具体地，结合图2及上述实施例，一般将市县行政范围作为评估范围，由于各地方提供行政边界的原始坐标系五花八门，因此需要对当地政府的坐标系进行坐标转换，本实施例将所有原始坐标系统一转化为WGS84墨卡托投影坐标系或大地2000坐标系；接着，调用Google Earth Engine平台Assets装置，上传polygon评估范围到Google Earth Engine平台，即可以获取评估范围内每一个待评估区域对应的坐标；需说明的是，WGS84墨卡托投影坐标系与大地2000坐标系在空间的偏差仅为几厘米，因此在市县域大尺度上，可以忽略这个偏差，用户可任选其中一种坐标系进行计算，提高用户体验。
在又一个优选实施例中，所述当前年限的遥感生态数据包括第一绿度、第一湿度、第一干度和第一地表温度，则，所述获取待评估区域的当前年限的遥感生态数据，具体包括：
利用Google Earth Engine平台获取所述待评估区域的Landsat8遥感影像；
根据所述Landsat8遥感影像中的红波段、近红外波段，计算所述第一绿度；
根据所述Landsat8遥感影像中的第一短波红外波段、第二短波红外波段、红波段、近红外波段、蓝波段和绿波段，获得计算所述第一湿度；
根据所述Landsat8遥感影像中的第一短波红外波段、红波段、近红外波段、蓝波段和绿波段，计算所述第一干度；
基于劈窗算法对所述Landsat8遥感影像进行处理，获得所述第一地表温度。
按照下列公式，计算获得第一绿度、第一湿度、第一干度和第一地表温度；
绿度的计算公式如下：
其中，NDVI为绿度，Pred为遥感影像的红波段，Pnir为遥感影像的近红外波段。
湿度的计算公式如下：
Wet＝0.1511Pblue+0.19731Pgreen+0.3283Pred+0.3407Pnir-0.7171Pswir1-0.4559Pswir2
其中，Pswir1为遥感影像的第一短波红外波段，Pswir2为遥感影像的第二短波红外波段，Pred为遥感影像的红波段，Pnir为遥感影像的近红外波段，Pblue为遥感影像的蓝波段，Pgreen为遥感影像的绿波段。
干度的计算公式如下：
SI＝[(Pswir1+Pred)-(Pnir+Pblue)]/[(Pswir1+Pred)+(Pnir+Pblue)]
NDSI＝(SI+IBI)/2
其中，SI为裸土指数，IBI为建筑指数，NDSI为干度，Pswir1为遥感影像的第一短波红外波段，Pred为遥感影像的红波段，Pnir为遥感影像的近红外波段，Pblue为遥感影像的蓝波段，Pgreen为遥感影像的绿波段。
地表温度的计算方法如下：
基于劈窗算法对所述Landsat8遥感影像进行处理，获得所有地表温度数据，并通过ArcGIS软件将所有地表温度数据进行栅格叠加计算，重叠栅格选取最大值，获得所述第一地表温度。
需说明的是，Google Earth Engine平台预先存储Landsat8传感器、Landsat5传感器采集的遥感影像；由于不同Landsat卫星发射时间有先后差别，因而不同Landsat传感器获取的遥感影像时间段也不一样，需根据目标时间段选取不同的Landsat传感器遥感数据；其中，Landsat8传感器采集2013年以后的遥感影像，而Landsat5传感器采集2013年之前的遥感影像。
在又一个优选实施例中，所述历史年限的遥感生态数据包括第二绿度、第二湿度、第二干度和第二地表温度，则，所述获取待评估区域的历史年限的遥感生态数据，具体包括：
判断所述历史年限是否早于2013年；
若所述历史年限早于2013年，则利用Google Earth Engine平台获取所述待评估区域的Landsat5遥感影像；根据所述Landsat5遥感影像中的红波段、近红外波段，计算所述第二绿度；根据所述Landsat5遥感影像中的第一短波红外波段、第二短波红外波段、红波段、近红外波段、蓝波段和绿波段，计算所述第二湿度；根据所述Landsat5遥感影像中的第一短波红外波段、红波段、近红外波段、蓝波段和绿波段，计算所述第二干度；基于劈窗算法对所述Landsat5遥感影像进行处理，获得所述第二地表温度；
若所述历史年限晚于或等于2013年，则利用Google Earth Engine平台获取所述待评估区域的Landsat8遥感影像；根据所述Landsat8遥感影像中的红波段、近红外波段，计算所述第二绿度；根据所述Landsat8遥感影像中的第一短波红外波段、第二短波红外波段、红波段、近红外波段、蓝波段和绿波段，计算所述第二湿度；根据所述Landsat8遥感影像中的第一短波红外波段、红波段、近红外波段、蓝波段和绿波段，计算所述第二干度；基于劈窗算法对所述Landsat8遥感影像进行处理，获得所述第二地表温度。
在本实施例中，为了提高生态环境系数的准确度，获取当前年限的前十年的遥感生态数据、当前年限的前二十年的遥感生态数据、当前年限的前三十年的遥感生态数据；在获取历史年限的遥感生态数据时，首先要判断历史年限是否在2013年之前，若所述历史年限在2013年之前，则获取Landsat5遥感影像；若所述历史年限在2013年之后，则获取Landsat8遥感影像；需说明的是，由于干度、绿度指标只涉及波段无参数的组合计算，使得无论历史年限是否小于2013年，干度和绿度的计算方法均与干度、绿度的计算方法相同；当历史年限晚于2013年，则湿度、地表温度的计算方法与湿度、温度的计算方法相同；当历史年限早于2013年时，按照下列公式计算获得湿度和温度；
湿度的计算公式如下：
Wet＝0.0315Pblue+0.2021Pgreen+0.3102Pred+0.1594Pnir-0.6806Pswir1-0.6109Pswir2；
其中，Pswir1为遥感影像的第一短波红外波段，Pswir2为遥感影像的第二短波红外波段，Pred为遥感影像的红波段，Pnir为遥感影像的近红外波段，Pblue为遥感影像的蓝波段，Pgreen为遥感影像的绿波段。
温度的计算方法如下：
基于劈窗算法对所述Landsat5遥感影像进行处理，获得所有地表温度数据，并通过ArcGIS软件将所有地表温度数据进行栅格叠加计算，重叠栅格选取最大值，获得所述第二地表温度。
在又一个优选实施例中，在步骤S11之后，所述方法还包括：分别对所述当前年限的遥感生态数据和所述历史年限的遥感生态数据进行行列数同一化处理、结果去零化处理、归一化处理。
在本实施例中，在利用ArcGIS对所述当前年限的遥感生态数据和所述历史年限的遥感生态数据进行主成分分析处理之前，各单因子栅格图层的行列数必须相同，因此需对Google Earth Engine平台输出的遥感生态数据进行行列数同一化处理，具体步骤如下：首先在ArcGIS中将“地理处理-环境-处理范围”设置为待评估区域的矢量polygon图层，然后以待评估区域矢量polygon图层为掩膜，提取遥感生态数据，便可实现行列数同一化处理。
在本实施例中，利用Google Earth Engine平台计算遥感生态数据时，可能出现个别栅格值为0的情况，若不去零处理，将导致后续主成分分析出错的现象。因此，在栅格计算器中输入指令“Con(IsNull(待处理数据)，0，待处理数据)”，便可实现数据去零。
在又一个优选实施例中，所述步骤S12，具体包括：
分别对所述当前年限的遥感生态数据和所述历史年限的遥感生态数据进行主成分分析处理，获得所述当前年限的遥感生态数据对应的第一主成分，归一化处理后得到第一遥感生态指数；获得所述历史年限的遥感生态数据对应的第一主成分，归一化处理后得到第二遥感生态指数。
具体地，对当前年限的遥感生态数据进行主成分分析，将主成分特征值大于1且方差贡献率大于80％的值作为第一主成分特征值，并将第一主成分特征值作为遥感遥感生态指数RSEI的初始结果，为了方便生态环境质量指数之间的对比，对所有第一主成分特征值进行归一化处理，获得第一遥感生态指数，同理历史年限的遥感生态数据的处理方式与当前年限的遥感生态数据的处理方式相同，这里不再赘述；其中，主成分分析处理公式、归一化处理的公式具体如下：
主成分分析处理公式：
RSEI＝f(NDVI，Wet，LST，NDSI)
其中，RSEI为遥感遥感生态指数，NDVI为绿度，Wet为温度，LST为温度，NDSI为干度。
归一化公式：
RSEI最终＝(RSEI0-RSEI0min)/(RSEI0max-RSEI0min)
其中，RSEI最终为所求的遥感生态指数，其值范围在[0,1]，且RSEI最终值越大，表示生态环境质量越好；反之，越差，RSEI0为第一主成分，RSEI0max为第一主成分的最大值，RSEI0min为第一主成分的最小值。
在又一个优选实施例中，步骤S13具体包括：若所述第一遥感生态指数大于或等于所述第二遥感生态指数，则所述生态环境退化系数为0；
若所述第一遥感生态指数小于所述第二遥感生态指数，则所述生态环境退化系数等于所述第一遥感生态指数与所述第二遥感生态指数之间的差值。
具体地，结合图2及上述实施例，按照步骤S12获取当前年限的前十年的遥感生态指数RSEIn-10、当前年限的前二十年的遥感生态指数RSEIn-20、当前年限的前三十年的遥感生态指数RSEIn-30；分别将RSEIn-10、RSEIn-20、RSEIn-30进行比较，根据比较结果获取对应的生态环境退化系数；计算公式如下：
D10＝Con((RSEIn-RSEIn-10)<0,(RSEIn-RSEIn-10),0)
D20＝Con((RSEIn-RSEIn-20)<0,(RSEIn-RSEIn-20),0)
D30＝Con((RSEIn-RSEIn-30)<0,(RSEIn-RSEIn-30),0)
其中，D10为当前年限前十年的生态环境退化系数，D20为当前年限前二十年的生态环境退化系数，D30为当前年限前三十年的生态环境退化系数，RSEIn为当前年限的遥感生态指数，RSEIn-10为当前年限前十年的遥感生态指数，RSEIn-20为当前年限前二十年的遥感生态指数、RSEIn-30为当前年限前三十年的遥感生态指数。
在又一个优选实施例中，步骤S14具体包括：
按照下列公式，计算获得所述待评估区域的生态修复紧迫度；
ERUM＝-E×D×T×S
其中，ERUM为所述生态修复紧迫度，E为所述生态等级修正系数，D为生态环境退化系数，T为时间衰减系数，S为面积修正系数。
在本实施例中，所述待评估区域包括若干个生态环境退化区域，由于所述待评估区域在不同历史年限中对应的生态环境退化区域的面积大小不同，生态环境退化区域的连片度不同，为了提高面积修正系数的准确度，对面积范围进行定义，并根据面积范围的定义及所述待评估区域对应的生态环境退化区域，计算所述待评估区域在不同历史年限中的面积修正系数，具体步骤为：在ArcGIS中，将历史年限中的生态环境退化区域进行矢量化，融合处理后根据面积范围进行赋值，将赋值后的矢量图层进行栅格化处理，得到面积修正系数，由于本实施例的历史年限为当前年限的前十年、当前年限的前二十年、当前年限的前三十年，因此分别计算获取当前年限的前十年对应的面积修正系数S10、当前年限的前二十年对应的面积修正系数S20、当前年限的前三十年对应的面积修正系数S30；其中，面积修正系数图斑赋值情况如下：
面积范围(s) 赋值
s<1公顷 1
1公顷≤s<10公顷 1.1
10公顷≤s 1.3
由于生态环境受损时间越久，地表永久性变化的可能性就越高，可逆性就越低，生态修复的必要性和修复方法必须进行相应调整。因此生态修复必须考虑时间因素，生态环境受损时间越短，可逆性越强，时间衰减系数赋值如下：
T10＝1
T20＝0.8
T30＝0.5
其中，T10为当前年限的前十年的时间衰减系数，T20为当前年限的前二十年的时间衰减系数，T30为当前年限的前三十年的时间衰减系数。
需说明的是，生态等级修正系数基于《资源环境承载能力和国土空间开发适宜性评价指南(试行)》中规定，“双评价”中极为重要区域赋值为3，重要区域赋值为1，形成生态等级修正系数E，主要目的是优先识别极重要区内的生态受损区域。
在本实施例中，按照生态修复紧迫度的计算公式，计算当前年限近十年的第一生态修复紧迫度、当前年限近二十年的第二生态修复紧迫度、当前年限仅三十年的第三生态修复紧迫度；
ERUM10＝-E×D10×T10×S10
ERUM20＝-E×D20×T20×S20
ERUM30＝-E×D30×T30×S30
将ERUM10、ERUM20、ERUM30进行栅格叠加运算，重叠区域取重叠部分的最大值，最终得到目标区域的生态修复紧迫度ERUM终。
ERUM终＝max(ERUM10，ERUM20，ERUM30)
在又一个优选实施例中，步骤S16具体包括：
将ERUM归一化处理后，按数值大小分为生态修复极紧迫区域、生态修复较紧迫区域、生态修复一般紧迫区域；
若ERUM<0.3，则所述待评估区域为生态修复一般紧迫区域，受损时间较长，可恢复性较差；
若0.3≤ERUM<0.6，则所述待评估区域为生态修复较紧迫区域，受损面积一般，受损时间较长，可恢复性一般；
若ERUM≥0.6，则所述待评估区域为生态修复极紧迫区域，生态受损面积较大，受损时间较短，可恢复性较高。
参见图3所示，是本发明提供的一种生态修复关键区域识别系统的一个优选实施例的结构框图，系统包括：
获取装置11，用于获取待评估区域当前年限的遥感生态数据和历史年限的遥感生态数据；
处理装置12，用于分别对所述当前年限的遥感生态数据和所述历史年限的遥感生态数据进行主成分分析处理，获得所述当前年限的遥感生态数据对应的第一遥感生态指数、所述历史年限的遥感生态数据对应的第二遥感生态指数；
比较装置13，用于将所述第一遥感生态指数和所述第二遥感生态指数进行比较，根据比较结果获得生态环境退化系数；
第一计算装置14，用于根据退化区域的面积、生态重要性等级、退化持续时间，计算待评估区域对应的面积修正系数、生态等级修正系数和时间衰减系数；
第二计算装置15，用于根据所述生态环境退化系数、所述面积修正系数、所述生态等级修正系数和所述时间衰减系数，计算所述待评估区域的生态修复紧迫度；
识别装置16，用于根据所述生态修复紧迫度结果判断所述待评估区域是否为生态修复关键区域。
优选地，所述生态修复关键区域识别系统还包括：坐标系转换装置，用于获取并将评估范围内的所有坐标系均转换为墨卡托投影坐标系或大地2000坐标系，并利用GoogleEarth Engine平台获取所述待评估区域的当前年限的遥感生态数据和所述待评估区域的历史年限的遥感生态数据；其中，所述评估范围包括所述待评估区域。
优选地，所述获取装置11具体包括：第一获取模块，第二获取模块；
第一获取模块，用于利用Google Earth Engine平台获取所述待评估区域的Landsat8遥感影像；根据所述Landsat8遥感影像中的红波段、近红外波段，计算所述第一绿度；根据所述Landsat8遥感影像中的第一短波红外波段、第二短波红外波段、红波段、近红外波段、蓝波段和绿波段，获得计算所述第一湿度；根据所述Landsat8遥感影像中的第一短波红外波段、红波段、近红外波段、蓝波段和绿波段，计算所述第一干度；基于劈窗算法对所述Landsat8遥感影像进行处理，获得所述第一地表温度。
所述第二获取模块，用于判断所述历史年限是否早于2013年；若所述历史年限早于2013年，则利用Google Earth Engine平台获取所述待评估区域的Landsat5遥感影像；根据所述Landsat5遥感影像中的红波段、近红外波段，计算所述第二绿度；根据所述Landsat5遥感影像中的第一短波红外波段、第二短波红外波段、红波段、近红外波段、蓝波段和绿波段，计算所述第二湿度；根据所述Landsat5遥感影像中的第一短波红外波段、红波段、近红外波段、蓝波段和绿波段，计算所述第二干度；基于劈窗算法对所述Landsat5遥感影像进行处理，获得所述第二地表温度；若所述历史年限晚于或等于2013年，则利用Google EarthEngine平台获取所述待评估区域的Landsat8遥感影像；根据所述Landsat8遥感影像中的红波段、近红外波段，计算所述第二绿度；根据所述Landsat8遥感影像中的第一短波红外波段、第二短波红外波段、红波段、近红外波段、蓝波段和绿波段，计算所述第二湿度；根据所述Landsat8遥感影像中的第一短波红外波段、红波段、近红外波段、蓝波段和绿波段，计算所述第二干度；基于劈窗算法对所述Landsat8遥感影像进行处理，获得所述第二地表温度。
优选地，所述生态修复关键区域识别系统还包括：预处理装置，用于分别对所述当前年限的遥感生态数据和所述历史年限的遥感生态数据的行列数进行同一化处理、结果去零化处理、归一化处理。
优选地，所述处理装置12具体包括：
主成分分析模块，用于分别对所述当前年限的遥感生态数据和所述历史年限的遥感生态数据进行主成分分析处理，获得所述当前年限的遥感生态数据对应的第一主成分值和所述历史年限的遥感生态数据对应的第二主成分值；
归一化处理模块，用于分别对所述第一主成分值和所述第二主成分值进行归一化处理，获得第一遥感生态指数和第二遥感生态指数。
优选地，所述比较装置14，具体包括：
第一分析模块，用于若所述第一遥感生态指数大于或等于所述第二遥感生态指数，则所述生态环境退化系数为0；
第二分析模块，用于若所述第一遥感生态指数小于所述第二遥感生态指数，则所述生态环境退化系数等于所述第一遥感生态指数与所述第二遥感生态指数之间的差值。
优选地，所述识别装置16，具体包括：
将ERUM归一化处理后，按数值大小分为生态修复极紧迫区域、生态修复较紧迫区域、生态修复一般紧迫区域；
若ERUM<0.3，则所述待评估区域为生态修复一般紧迫区域，受损时间较长，可恢复性较差；
若0.3≤ERUM<0.6，则所述待评估区域为生态修复较紧迫区域，受损面积一般，受损时间较长，可恢复性一般；
若ERUM≥0.6，则所述待评估区域为生态修复极紧迫区域，生态受损面积较大，受损时间较短，可恢复性较高。
由上可见，本发明不仅获取待评估区域当前年限的遥感生态数据，还获取该待评估区域历史年限的遥感生态数据，根据当前年限的遥感生态数据和历史年限的遥感生态数据确定生态环境退化系数，使得生态环境退化系数的准确度更高，进而提高了生态修复关键区域的识别精度。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，该程序在执行时，可包括如上述各方法的实施例的流程。其中，的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random Access Memory，RAM)等。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (8)

1.一种生态修复关键区域识别方法，其特征在于，包括：
获取待评估区域当前年限的遥感生态数据和历史年限的遥感生态数据；
分别对所述当前年限的遥感生态数据和所述历史年限的遥感生态数据进行主成分分析处理，获得所述当前年限的遥感生态数据对应的第一遥感生态指数、所述历史年限的遥感生态数据对应的第二遥感生态指数；
将所述第一遥感生态指数和所述第二遥感生态指数进行比较，根据比较结果获得生态环境退化系数；
根据退化区域的面积、生态重要性等级、退化持续时间，计算待评估区域对应的面积修正系数、生态等级修正系数和时间衰减系数；
根据所述生态环境退化系数、所述面积修正系数、所述生态等级修正系数和所述时间衰减系数计算所述待评估区域的生态修复紧迫度；
根据生态修复紧迫度判断待评估区域是否为生态修复关键区；
所述根据所述生态环境退化系数、所述面积修正系数、所述生态等级修正系数和所述时间衰减系数计算待评估区域的生态修复紧迫度，具体包括：
按照下列公式，计算获得所述待评估区域的生态修复紧迫度；
ERUM= -E×D×T×S
其中，ERUM为所述生态修复紧迫度，E为所述生态等级修正系数，D为生态环境退化系数，T为时间衰减系数，S为面积修正系数。
2.如权利要求1所述的生态修复关键区域识别方法，其特征在于，在所述获取待评估区域当前年限的遥感生态数据和历史年限的遥感生态数据之前，所述方法还包括：
获取并将评估范围内的所有坐标系均转换为墨卡托投影坐标系或大地2000坐标系，并利用Google Earth Engine平台获取所述待评估区域的当前年限的遥感生态数据和所述待评估区域的历史年限的遥感生态数据；其中，所述评估范围包括所述待评估区域。
3.如权利要求1所述的生态修复关键区域识别方法，其特征在于，所述当前年限的遥感生态数据包括第一绿度、第一湿度、第一干度和第一地表温度，则，所述获取待评估区域的当前年限的遥感生态数据，具体包括：
利用Google Earth Engine平台获取所述待评估区域的Landsat8遥感影像；
根据所述Landsat8遥感影像中的红波段、近红外波段，计算所述第一绿度；
根据所述Landsat8遥感影像中的第一短波红外波段、第二短波红外波段、红波段、近红外波段、蓝波段和绿波段，获得计算所述第一湿度；
根据所述Landsat8遥感影像中的第一短波红外波段、红波段、近红外波段、蓝波段和绿波段，计算所述第一干度；
基于劈窗算法对所述Landsat8遥感影像进行处理，获得所述第一地表温度。
4.如权利要求1所述的生态修复关键区域识别方法，其特征在于，所述历史年限的遥感生态数据包括第二绿度、第二湿度、第二干度和第二地表温度，则，所述获取待评估区域的历史年限的遥感生态数据，具体包括：
判断所述历史年限是否早于2013年；
若所述历史年限早于2013年，则利用Google Earth Engine平台获取所述待评估区域的Landsat5遥感影像；根据所述Landsat5遥感影像中的红波段、近红外波段，计算所述第二绿度；根据所述Landsat5遥感影像中的第一短波红外波段、第二短波红外波段、红波段、近红外波段、蓝波段和绿波段，计算所述第二湿度；根据所述Landsat5遥感影像中的第一短波红外波段、红波段、近红外波段、蓝波段和绿波段，计算所述第二干度；基于劈窗算法对所述Landsat5遥感影像进行处理，获得所述第二地表温度；
若所述历史年限晚于或等于2013年，则利用Google Earth Engine平台获取所述待评估区域的Landsat8遥感影像；根据所述Landsat8遥感影像中的红波段、近红外波段，计算所述第二绿度；根据所述Landsat8遥感影像中的第一短波红外波段、第二短波红外波段、红波段、近红外波段、蓝波段和绿波段，计算所述第二湿度；根据所述Landsat8遥感影像中的第一短波红外波段、红波段、近红外波段、蓝波段和绿波段，计算所述第二干度；基于劈窗算法对所述Landsat8遥感影像进行处理，获得所述第二地表温度。
5.如权利要求1所述的生态修复关键区域识别方法，其特征在于，在所述获取待评估区域当前年限的遥感生态数据和历史年限的遥感生态数据之后，所述方法还包括：
分别对所述当前年限的遥感生态数据和所述历史年限的遥感生态数据的行列数进行同一化处理、结果去零化处理、归一化处理；
则，所述分别对所述当前年限的遥感生态数据和所述历史年限的遥感生态数据进行主成分分析处理，获得所述当前年限的遥感生态数据对应的第一遥感生态指数、所述历史年限的遥感生态数据对应的第二遥感生态指数，具体包括：
分别对经过同一化处理、结果去零化处理、归一化处理后的当前年限的遥感生态数据和经过同一化处理、结果去零化处理、归一化处理后的历史年限的遥感生态数据进行主成分分析处理，获得所述当前年限的遥感生态数据对应的第一遥感生态指数、所述历史年限的遥感生态数据对应的第二遥感生态指数。
6.如权利要求1所述的生态修复关键区域识别方法，其特征在于，所述将所述第一遥感生态指数和所述第二遥感生态指数进行比较，根据比较结果获得生态环境退化系数，具体包括：
若所述第一遥感生态指数大于或等于所述第二遥感生态指数，则所述生态环境退化系数为0；
若所述第一遥感生态指数小于所述第二遥感生态指数，则所述生态环境退化系数等于所述第一遥感生态指数与所述第二遥感生态指数之间的差值。
7.如权利要求1所述的生态修复关键区域识别方法，其特征在于，所述根据所述生态修复紧迫度判断所述待评估区域是否为生态修复关键区域，具体包括：
将ERUM归一化处理后，按数值大小分为生态修复极紧迫区域、生态修复较紧迫区域、生态修复一般紧迫区域；
若ERUM<0.3，则所述待评估区域为生态修复一般紧迫区域，受损时间较长，可恢复性较差；
若0.3≤ERUM<0.6，则所述待评估区域为生态修复较紧迫区域，受损面积一般，受损时间较长，可恢复性一般；
若ERUM≥0.6，则所述待评估区域为生态修复极紧迫区域，生态受损面积较大，受损时间较短，可恢复性较高。
8.一种生态修复关键区域识别系统，其特征在于，包括：
获取装置，用于获取待评估区域当前年限的遥感生态数据和历史年限的遥感生态数据；
处理装置，用于分别对所述当前年限的遥感生态数据和所述历史年限的遥感生态数据进行主成分分析处理，获得所述当前年限的遥感生态数据对应的第一遥感生态指数、所述历史年限的遥感生态数据对应的第二遥感生态指数；
比较装置，用于将所述第一遥感生态指数和所述第二遥感生态指数进行比较，根据比较结果获得生态环境退化系数；
第一计算装置，用于根据退化区域的面积、生态重要性等级、退化持续时间，计算待评估区域对应的面积修正系数、生态等级修正系数和时间衰减系数；
第二计算装置，用于根据所述生态环境退化系数、所述面积修正系数、所述生态等级修正系数和所述时间衰减系数，计算所述待评估区域的生态修复紧迫度；
识别装置，用于根据所述生态修复紧迫度结果判断所述待评估区域是否为生态修复关键区域；
所述第二计算装置，具体用于：
按照下列公式，计算获得所述待评估区域的生态修复紧迫度；
ERUM= -E×D×T×S
其中，ERUM为所述生态修复紧迫度，E为所述生态等级修正系数，D为生态环境退化系数，T为时间衰减系数，S为面积修正系数。
CN202011281865.1A 2020-11-16 2020-11-16 一种生态修复关键区域识别方法及系统 Active CN112418632B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011281865.1A CN112418632B (zh) 2020-11-16 2020-11-16 一种生态修复关键区域识别方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011281865.1A CN112418632B (zh) 2020-11-16 2020-11-16 一种生态修复关键区域识别方法及系统

Publications (2)

Publication Number Publication Date
CN112418632A CN112418632A (zh) 2021-02-26
CN112418632B true CN112418632B (zh) 2023-10-10

Family

ID=74832648

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011281865.1A Active CN112418632B (zh) 2020-11-16 2020-11-16 一种生态修复关键区域识别方法及系统

Country Status (1)

Country Link
CN (1) CN112418632B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113592770B (zh) * 2021-06-23 2024-02-23 中国科学院南京地理与湖泊研究所 一种去除水草影响的藻华遥感识别方法
CN114677045B (zh) * 2022-04-19 2023-09-01 重庆地质矿产研究院 一种基于生态评价的生态保护修复规划分区方法
CN115860517B (zh) * 2022-11-15 2023-10-20 清华大学 一种基于地理计算语言的生态环境质量评价方法及产品
CN116337146B (zh) * 2022-12-27 2024-02-06 广东省科学院广州地理研究所 基于改进遥感生态指数的生态质量评价与分区方法及装置
CN118195179B (zh) * 2024-05-17 2024-07-19 四川省地质调查研究院 基于数据分析的生态系统修复方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108875002A (zh) * 2018-06-14 2018-11-23 环境保护部南京环境科学研究所 一种基于遥感与gis的荒漠生态系统红色名录评估方法
CN111429039A (zh) * 2020-04-26 2020-07-17 国家海洋环境监测中心 一种海岛生态脆弱性评估方法
CN111582572A (zh) * 2020-04-30 2020-08-25 生态环境部环境规划院 一种山水林田湖草生态保护修复规划分区方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108875002A (zh) * 2018-06-14 2018-11-23 环境保护部南京环境科学研究所 一种基于遥感与gis的荒漠生态系统红色名录评估方法
CN111429039A (zh) * 2020-04-26 2020-07-17 国家海洋环境监测中心 一种海岛生态脆弱性评估方法
CN111582572A (zh) * 2020-04-30 2020-08-25 生态环境部环境规划院 一种山水林田湖草生态保护修复规划分区方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于遥感数据的临汾生态变化评估研究;潘娟;电脑知识与技术;第16卷(第8期);第280-281页 *
山坡地开发建设模式及规划设计方法—以《温州市林宋组团山坡地利用控制性详细规划》为例;李东明等;规划师;第28卷(第6期);第33-37页 *

Also Published As

Publication number Publication date
CN112418632A (zh) 2021-02-26

Similar Documents

Publication Publication Date Title
CN112418632B (zh) 一种生态修复关键区域识别方法及系统
Gastón et al. Species distribution models applied to plant species selection in forest restoration: are model predictions comparable to expert opinion?
CN112084672B (zh) 一种基于分形维数判断地下水污染的方法
CN110163294B (zh) 基于降维操作和卷积网络的遥感图像变化区域检测方法
CN114463623A (zh) 一种基于多尺度遥感影像的耕地变化检测方法及装置
CN114494881A (zh) 基于剖分网格的遥感影像变化检测方法、装置、终端
JP6958743B2 (ja) 画像処理装置、画像処理方法及び画像処理プログラム
CN111797571A (zh) 滑坡易发性评价方法、装置、设备和存储介质
CN116050935A (zh) 一种确定生物多样性优先保护地信息的方法及装置
CN111369178A (zh) 一种基于生态大数据的矿区生态修复指导系统
CN113516060B (zh) 基于多时相高分辨率数据的建筑空间融合判别方法及装置
CN114332533A (zh) 一种基于DenseNet的滑坡图像识别方法和系统
CN117451639A (zh) 一种基于遥感数据的水体叶绿素浓度反演方法
CN116229419B (zh) 一种行人检测方法及装置
CN110472559B (zh) 一种遥感影像建筑区域土地利用属性空间迁移方法
CN117115671A (zh) 基于遥感的土壤质量分析方法、装置及电子设备
CN115424131B (zh) 一种云检测最优阈值选取方法、云检测方法及系统
CN115146209B (zh) 水土保持状况的监测方法、系统、存储介质和电子设备
CN109583626B (zh) 路网拓扑重建方法、介质及系统
CN115601780A (zh) 一种获取aoi边界的数据处理系统
CN112243193B (zh) 室内定位方法、装置、计算机设备和可读存储介质
CN114414090A (zh) 基于遥感影像和多层感知的地表温度预测方法及系统
Brown SDMtoolbox User Guide
CN116385818B (zh) 云检测模型的训练方法、装置及设备
Frick et al. Model-based selection of areas for the restoration of Acrocephalus paludicola habitats in NE Germany

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