CN112561235B - 一种适于高速公路路域的生态脆弱性评价方法 - Google Patents
一种适于高速公路路域的生态脆弱性评价方法 Download PDFInfo
- Publication number
- CN112561235B CN112561235B CN202011318182.9A CN202011318182A CN112561235B CN 112561235 B CN112561235 B CN 112561235B CN 202011318182 A CN202011318182 A CN 202011318182A CN 112561235 B CN112561235 B CN 112561235B
- Authority
- CN
- China
- Prior art keywords
- index
- ecological vulnerability
- ecological
- indexes
- evaluation
- 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 81
- 238000011160 research Methods 0.000 claims abstract description 66
- 238000004458 analytical method Methods 0.000 claims abstract description 29
- 238000010606 normalization Methods 0.000 claims abstract description 28
- 238000013210 evaluation model Methods 0.000 claims abstract description 25
- 230000008859 change Effects 0.000 claims abstract description 9
- 238000012545 processing Methods 0.000 claims abstract description 9
- 230000008878 coupling Effects 0.000 claims abstract description 5
- 238000010168 coupling process Methods 0.000 claims abstract description 5
- 238000005859 coupling reaction Methods 0.000 claims abstract description 5
- 239000002689 soil Substances 0.000 claims description 46
- 238000012417 linear regression Methods 0.000 claims description 32
- 238000000034 method Methods 0.000 claims description 31
- 238000004364 calculation method Methods 0.000 claims description 25
- 230000000875 corresponding effect Effects 0.000 claims description 24
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 18
- 230000001419 dependent effect Effects 0.000 claims description 15
- 238000002310 reflectometry Methods 0.000 claims description 13
- 238000010219 correlation analysis Methods 0.000 claims description 12
- 238000013316 zoning Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 7
- 230000005855 radiation Effects 0.000 claims description 6
- 238000011835 investigation Methods 0.000 claims description 5
- 230000003595 spectral effect Effects 0.000 claims description 4
- 230000002596 correlated effect Effects 0.000 claims description 3
- 230000010365 information processing Effects 0.000 claims description 3
- 238000012821 model calculation Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- HQHACWYQWDKBOZ-UHFFFAOYSA-N 1-nitroso-azacyclotridecane Chemical compound O=NN1CCCCCCCCCCCC1 HQHACWYQWDKBOZ-UHFFFAOYSA-N 0.000 claims 4
- 230000000007 visual effect Effects 0.000 abstract description 12
- 230000000694 effects Effects 0.000 abstract description 6
- 238000007405 data analysis Methods 0.000 abstract description 4
- 238000012795 verification Methods 0.000 abstract description 3
- 238000010276 construction Methods 0.000 description 11
- 238000012544 monitoring process Methods 0.000 description 11
- 238000011161 development Methods 0.000 description 7
- 241000282414 Homo sapiens Species 0.000 description 5
- 230000007613 environmental effect Effects 0.000 description 5
- 230000009466 transformation Effects 0.000 description 5
- 238000013439 planning Methods 0.000 description 4
- 238000000179 transient infrared spectroscopy Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000015556 catabolic process Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000006731 degradation reaction Methods 0.000 description 2
- 238000009795 derivation Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000002757 inflammatory effect Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 239000000443 aerosol Substances 0.000 description 1
- 239000005427 atmospheric aerosol Substances 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 239000004568 cement Substances 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 238000001704 evaporation Methods 0.000 description 1
- 230000008020 evaporation Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000007620 mathematical function Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- -1 sandy land Substances 0.000 description 1
- 239000013049 sediment Substances 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 238000012732 spatial analysis Methods 0.000 description 1
- 239000002352 surface water Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000002834 transmittance Methods 0.000 description 1
- 230000003313 weakening effect Effects 0.000 description 1
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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
- G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/55—Specular reflectivity
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N2021/1793—Remote sensing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N2021/8466—Investigation of vegetal material, e.g. leaves, plants, fruits
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Chemical & Material Sciences (AREA)
- Biochemistry (AREA)
- Pathology (AREA)
- Theoretical Computer Science (AREA)
- Immunology (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明涉及一种适于高速公路路域的生态脆弱性评价方法,提供区域生态脆弱性评价的等级划分及各等级对应的生态脆弱度范围的划分;在遥感影像上采集符合生态脆弱性评价各分级特征的相应地物来作为样本点参与建模分析,并在地理信息软件中将每个样本点的生态脆弱度EFD添加至其属性中;根据影响地面环境变化、导致生态脆弱的各影响因子提取与之对应的遥感指标和地形指标,并进行归一化处理再提取到样本点的属性中,用以使彼此之间具备可比性;耦合上述各项指标,构建生态脆弱性的评价模型,并通过模型计算获得研究区域生态脆弱性分级区划的空间分布图。本发明模型的精度验证方式直观、准确且简便,无论是主观视觉判别还是客观数据分析均可达到效果。
Description
技术领域
本发明涉及生态学、地理学、环境科学、国土空间规划、环境评价领域,特别是一种适于高速公路路域的生态脆弱性评价方法。
背景技术
我国典型的生态脆弱区主要分布在北方干旱半干旱区、南方丘陵区、西南山地区、青藏高原区及东部沿海水陆交接地区,行政区域涉及黑龙江、内蒙古、吉林、辽宁、河北、山西、陕西、宁夏、甘肃、青海、新疆、西藏、四川、云南、贵州、广西、重庆、湖北、湖南、江西、安徽、福建等许多地区。这些生态脆弱区分布范围广泛,环境承载力低,人地关系矛盾突出,应当实行适度开发的政策,建立健全脆弱区生态的监测网络与评估预警体系,积极推进生态保育、系统恢复与重建进程。
因此,怎样合理地评价一个地区的生态脆弱性程度显得尤为重要。它不仅有利于监测识别区域的生态脆弱性状况、在生产建设过程中进行可持续性规划设计和开发保护,还有利于辅助新时代国土空间规划的建设,推进“三区三线”特别是生态保护红线的划定工作,形成合理的生态空间布局。做好生态脆弱性的评价工作,不让生态与经济发展之间变成此消彼长的竞争与替代的关系。
传统的监测评价主要采用人工地面观测、定位和测量监测的方法获取各种脆弱性评价指标进行综合评价,这不但费时费力,而且不够全面,指标存在无量纲的不确定性和模糊性,在确定指标权重时存在对专家知识、经验判断打分的主观性和依赖性等诸多弊端。
经过几十年的发展应用,“3S”技术已成为生态环境动态监测的重要技术手段,RS获取多时相数据卫星影像、GPS获得精确的定位信息、GIS进行各种数据处理统计和空间分析,三者的有机综合为生态脆弱性监测评价模型的构建奠定了良好基础,是推进生态环境可持续发展的重要技术保障。而生态脆弱性受较多系统组成部分多个因子的线性组合影响,因而评价模型应具有线性函数拟合功能,正好多元线性回归分析能够很好地处理多变量之间的线性关系,通过已知样本点构建数学函数公式表达模型,避免了以往传统综合指数法中指标的无量纲不确定性和模糊性,以及在确定权重时对专家知识、经验判断打分的主观性和依赖性。
发明内容
有鉴于此,本发明的目的是提供一种适于高速公路路域的生态脆弱性评价方法,模型生态脆弱性评价指标的权重是利用多元线性回归分析方法确定,且监测评价过程依靠遥感和地理信息手段,这减少了以往权重确定方法中对专家知识、经验判断打分的主观性和依赖性,也避免了传统综合指数法中指标量纲模糊带来的不确定性。
本发明采用以下方案实现:一种适于高速公路路域的生态脆弱性评价方法,包括以下步骤:
步骤S1:提供区域生态脆弱性评价的等级划分及各等级对应的生态脆弱度(EFD,Ecological Fragility Degree)范围的划分;
步骤S2:结合外业现场调查,在遥感影像上采集符合生态脆弱性评价各分级特征的相应地物来作为样本点参与建模分析,并在地理信息系统软件中将每个样本点的生态脆弱度EFD添加至其属性中;
步骤S3:根据影响地面环境变化、导致生态脆弱的各影响因子提取与之对应的遥感指标和地形指标,并进行归一化处理再提取到样本点的属性中,用以使各个遥感、地形评价指标之间具备可比性;所述遥感指标库包括植被指数、土壤指数、湿度指数和热度指数;所述地形指标包括高程和坡度;利用相关性分析,分析指标库中每类遥感指数中的不同评价指标的归一化值与样本点的生态脆弱度EFD的相关性,以相关性最大的指数作为该类遥感指数的代表指数;
步骤S4:耦合上述各项指标,基于多元线性回归分析构建一个生态脆弱性的评价模型,并通过模型计算获得研究区域生态脆弱性分级区划的空间分布图,用以进行分析评价。
进一步地,步骤S2中所述地理信息系统软件包括ArcGIS、MapGIS或SuperMap具有地理信息处理能力的专业软件。
进一步地,步骤S2中所述采集符合生态脆弱性评价各分级特征的样本点的具体内容为:样本点的采集原则:以遥感影像上符合生态脆弱性评价各分级特征的相应地物作为样本;
样本点的个数确定原则是:根据研究区面积和范围,在30m空间分辨率遥感影像上保证每平方公里的样本点数量大于3个。
进一步地,所述步骤S3具体包括以下步骤:
步骤S31:将影响研究区路域的自然环境特征及人为干扰状况,归纳为植被、土壤、水热和地形这4大类型因素,以此确定生态脆弱性评价指标库;所述生态脆弱性评价指标库包括植被指数、土壤指数、湿度指数、热度指数、高程和坡度;
步骤S32:根据生态脆弱性评价指标库的评价指标,逐一对研究区遥感影像进行计算,而后对计算结果进行归一化得出归一化指标值,用以消除量纲影响;所有的指标的最终取值都要统一到0-10之间;归一化公式见公式(1),各指标的数值反映了其属性特征对研究区生态脆弱性的影响程度,使其彼此之间更具可比性;
A=10×(X-XMIN)/(XMAX-XMIN) (1)
式中,A为因子归一化后的值,X为因子归一化之前的值,XMIN和XMAX分别代表因子的最小值和最大值;
步骤S33:利用相关性分析法,通过计算Pearson相关系数,分析生态脆弱性评价指标库中每类遥感指数中的不同评价指标的归一化值与样本点的生态脆弱度EFD的相关性,以相关性最大的指数作为该类遥感指数的代表指数,即某类影响因素的代表性参数;Pearson相关系数的计算公式为:
r取值的范围为:[-1,1];当0<r≤1时,自变量与因变量之间存在正相关;当-1<r≤0时,自变量与因变量之间存在负相关;当|r|≥0.8时,它被认为是高度相关的;当0.5≤|r|<0.8时,认为中度相关;当0.3≤|r|<0.5时,认为低度相关;当|r|≤0.3时,自变量与因变量之间的相关性被认为是非常弱的或认为不相关。
进一步地,所述步骤S4具体包括以下步骤:
步骤S41:将步骤S3中最后确定的6项归一化指标数据作为多元线性回归模型中的自变量,步骤S2中确定的样本点EFD数值作为因变量,进行多元线性回归分析,构建生态脆弱性评价模型;多元线性回归模型为:
Yi=β1X1+β2X2+...+βkXk+μi,(i=1,2,......,n)
其中μi是服从正态分布N(0,δ2)的随机项;如果Yi是一个容量为n的样本,则利用最小二乘法得到参数βk的估计值,然后得到Y与X1,X2,...,Xn的线性回归方程即生态脆弱性评价模型;
步骤S42:根据步骤S1提供的区域生态脆弱性评价的等级划分及各等级对应的生态脆弱度范围的划分和生态脆弱性评价模型,得出研究区域生态脆弱性等级划分情况,得到生态脆弱性分级区划图;接着对生态脆弱性分级区划图的各个脆弱性等级进行面积统计,得到研究区域生态脆弱性结果。
与现有技术相比,本发明具有以下有益效果:
(1)本发明通过采集样本点,利用多元线性回归分析方法确定脆弱性评价指标的权重来构建模型进行区域生态脆弱性的评价,且该评价模型可从主观视觉判别的直观效果和客观数据分析的理性角度两方面进行精度验证。
(2)本发明模型生态脆弱性评价指标的权重是利用多元线性回归分析方法确定,且监测评价过程依靠遥感和地理信息手段,这减少了以往权重确定方法中对专家知识、经验判断打分的主观性和依赖性,也避免了传统综合指数法中指标量纲模糊带来的不确定性。此外,该模型的精度验证方式直观、准确且简便,无论是主观视觉判别还是客观数据分析均可达到效果。
附图说明
图1为本发明实施例的莆炎高速YA12段路域样本点空间分布图。
图2为本发明实施例的莆炎高速YA12段路域生态脆弱性分级区划图。
图3为本发明实施例的方法流程图。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
应该指出,以下详细说明都是例示性的,旨在对本申请提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
如图3所示,本实施例提供一种适于高速公路路域的生态脆弱性评价方法,包括以下步骤:
步骤S1:提供区域生态脆弱性评价的等级划分及各等级对应的生态脆弱度(EFD,Ecological Fragility Degree)范围的划分;
步骤S2:结合外业现场调查,在遥感影像上采集符合生态脆弱性评价各分级特征的相应地物来作为样本点参与建模分析,并在地理信息系统软件中将每个样本点的生态脆弱度EFD添加至其属性中;
步骤S3:根据影响地面环境变化、导致生态脆弱的各影响因子提取与之对应的遥感指标和地形指标,并进行归一化处理再提取到样本点的属性中,用以使各个遥感、地形评价指标之间具备可比性;所述遥感指标库包括植被指数、土壤指数、湿度指数和热度指数;所述地形指标包括高程和坡度;利用相关性分析,分析指标库中每类遥感指数中的不同评价指标的归一化值与样本点的生态脆弱度EFD的相关性,以相关性最大的指数作为该类遥感指数的代表指数;
步骤S4:耦合上述各项指标,基于多元线性回归分析构建一个生态脆弱性的评价模型,并通过模型计算获得研究区域生态脆弱性分级区划的空间分布图,用以进行分析评价。
在本实施例中,步骤S2中所述地理信息系统软件包括ArcGIS、MapGIS或SuperMap具有地理信息处理能力的专业软件。
在本实施例中,步骤S2中所述采集符合生态脆弱性评价各分级特征的样本点的具体内容为:样本点的采集原则:以遥感影像上符合生态脆弱性评价各分级特征的相应地物作为样本;例如,在树林茂盛处,即遥感影像上植被覆盖明显较丰富、未来较长时期不受人类活动干扰的区域,可采集为微度脆弱等级的样本点;而遥感影像上对应河流水体、公路建设中已受人类破坏,未来难以恢复的区域,采集为极度脆弱等级的样本点;其他等级的样本点也类似用这种方式采集。样本点的个数确定原则是:根据研究区面积和范围,在30m空间分辨率遥感影像上保证每平方公里的样本点数量大于3个。
在本实施例中,步骤S31:将影响研究区路域的自然环境特征及人为干扰状况,归纳为植被、土壤、水热和地形这4大类型因素,以此确定生态脆弱性评价指标库;所述生态脆弱性评价指标库包括植被指数、土壤指数、湿度指数、热度指数、高程和坡度;
生态脆弱性评价指标库包含以下评价指标。
表1生态脆弱性评价指标库
步骤S32:根据生态脆弱性评价指标库的评价指标,逐一对研究区遥感影像进行计算,而后对计算结果进行归一化得出归一化指标值,用以消除量纲影响;所有的指标的最终取值都要统一到0-10之间;归一化公式见公式(1),各指标的数值反映了其属性特征对研究区生态脆弱性的影响程度,使其彼此之间更具可比性;
A=10×(X-XMIN)/(XMAX-XMIN) (1)
式中,A为因子归一化后的值,X为因子归一化之前的值,XMIN和XMAX分别代表因子的最小值和最大值;
步骤S33:利用相关性分析法,通过计算Pearson相关系数,分析生态脆弱性评价指标库中每类遥感指数中的不同评价指标的归一化值与样本点的生态脆弱度EFD的相关性,以相关性最大的指数作为该类遥感指数的代表指数,即某类影响因素的代表性参数;Pearson相关系数的计算公式为:
r取值的范围为:[-1,1];当0<r≤1时,自变量与因变量之间存在正相关;当-1<r≤0时,自变量与因变量之间存在负相关;当|r|≥0.8时,它被认为是高度相关的;当0.5≤|r|<0.8时,认为中度相关;当0.3≤|r|<0.5时,认为低度相关;当|r|≤0.3时,自变量与因变量之间的相关性被认为是非常弱的或认为不相关。
在本实施例中,所述步骤S4具体包括以下步骤:
步骤S41:将步骤S3中最后确定的6项归一化指标数据作为多元线性回归模型中的自变量,步骤S2中确定的样本点EFD数值作为因变量,进行多元线性回归分析,构建生态脆弱性评价模型;多元线性回归模型为:
Yi=β1X1+β2X2+...+βkXk+μi,(i=1,2,......,n)
其中μi是服从正态分布N(0,δ2)的随机项;如果Yi是一个容量为n的样本,则利用最小二乘法得到参数βk的估计值,然后得到Y与X1,X2,...,Xn的线性回归方程方程即生态脆弱性评价模型,进而建立莆炎高速YA12段路域的生态脆弱性评价模型;
步骤S42:根据步骤S1提供的区域生态脆弱性评价的等级划分及各等级对应的生态脆弱度范围的划分和生态脆弱性评价模型,得出研究区域生态脆弱性等级划分情况,得到生态脆弱性分级区划图;接着对生态脆弱性分级区划图的各个脆弱性等级进行面积统计,得到研究区域生态脆弱性结果。
较佳的,在本实施例中,所述步骤S32中根据生态脆弱性评价指标库的评价指标,逐一对研究区遥感影像进行计算的具体计算过程如下:
(1)植被指数:NDVI、ARVI、KTG
植被信息是生态环境脆弱性最敏感的指标因子。在遥感图像上,植物的光谱特征可以有效地与其他地物区分开来,在计算植被指数的模型中,红光和近红外波段之间的差异、比率和各种线性组合通常用于突出植被信息。
①归一化植被指数NDVI(Normalization Difference Vegetation Index)
NDVI是一种众所周知的植被遥感指数,与植被分布呈正相关,其运算将多光谱数据转化为单波段图像来反映植被的覆盖状况,NDVI值越高,植被覆盖程度越好,生态脆弱性程度越小。其表达式为:
其中:ρNIR、ρR分别表示近红外波段和红光波段的表面反射率。NDVI指数的取值范围为[-1,1]。
②大气阻抗植被指数ARVI(Atmosphere Resistance Vegetation Index)
大气层对遥感图像成像有很大的干扰,因此计算植被指数时应注意消除大气的影响。使用蓝光波段可以校正大气(如气溶胶)的影响,因此可通过蓝光与红光波段的辐射差来替代红光波段的辐射值,将NDVI发展为大气阻抗植被指数ARVI,可用于大气气溶胶较多的地区,如被烟尘污染的道路环境。Kanfman和Tanre等人发展了其计算公式为:
其中:RB表示红波段与蓝波段之间的差值;ρNIR、ρR、ρB分别表示近红外波段、红光波段、蓝光波段的表面反射率。ARVI取值范围为[-1,1],一般绿色植被为[0.2,0.8]。
③缨帽变换的绿度植被指数KTG
将光谱变换技术中缨帽变换(K-T变换)产生的绿色分量作为另一植被指标进行脆弱性评价,可减弱或消除土壤背景对植物光谱的干扰。
随着植被的生长发育到衰老枯萎,点群的分布形成了一个缨帽状,从土壤线开始再回到土壤线,这反映植被生长和枯萎的绿色黄色方向与土壤线相互垂直,光谱特征彼此相互独立。K-T变换后影像的前三个分量为“亮度”、“绿度”和“湿度”,分别反映土壤裸露度、植被覆盖和环境湿度信息。缨帽变换依赖于传感器自身的波段设置,不同的传感器对应的转换系数亦不相同,参考李博伦等对Landsat 8OLI缨帽变换系数的推导,绿度植被指数KTG计算公式为:KTG=-0.3301ρblue-0.3455ρgreen-0.4508ρred+0.6970ρNIR-0.0448ρSWIR1-0.2840ρSWIR2
其中:ρi分别表示Landsat8陆地成像仪(OLI)各波段的表观反射率。
(2)土壤指数:NDSI、SI、IBI
土壤特性不仅能直接反映生态环境质量,还能间接影响植被的生长,从而影响生态环境质量和生态脆弱程度。而随着人类不当的活动干扰和地面水泥硬化的建设,裸地和建筑不透水面逐渐取代地表原有自然生态系统,致使地表“干化”、裸露程度增加,生态脆弱性加剧。
①归一化土壤亮度指数NDSI(Normalization Difference Soil Index)
NDSI对于生态环境脆弱性具有一定的指示意义,NDSI>0的是裸土地区,NDSI越大,土壤裸露越多,土壤退化越严重,生态环境就越脆弱。基于土壤、植被和水在红光、绿光波段的光谱响应完全相反,利用红光和绿光波段来提取NDSI可以更好地反映土壤裸露信息。其表达式为:
其中:ρR、ρG分别表示红光、绿光波段的表面反射率。
②裸土指数SI(Soil Index)
植被覆盖稀疏的地表(裸土、沙地、岩石等)的沙化、风化等自然进程会造成地表土壤干化,促使水土流失加剧,生态脆弱区更加脆弱。裸土指数SI原理与NDSI类似,随着地表裸露土壤暴露程度的增加而增加,但两者波段运算公式不一样,SI的表达式为:
其中:ρswirl、ρred、ρblue、ρnir分别表示短波红外波段、红光波段、绿光波段、近红外波段的地物反射率。
③建筑指数IBI(Index-based Build-up Index)
随着经济建设的快速发展,建筑和路面逐渐取代了自然植被,给环境带来了很多负面效应,如更高的温度、更少的降水,更多的干旱,这些都是造成生态环境脆弱化的原因。本研究采用徐涵秋提出的基于指数的建筑用地指数IBI,对研究路域的建筑用地进行提取,作为路域生态脆弱性评价的又一土壤指数。其计算公式为:
(3)湿度指数:NDMI、MNDWI、KTW
湿度是研究土壤退化和植被覆盖变化等生态环境脆弱性的重要指标,湿度指数的计算与植被指数、土壤指数的计算类似,通过多光谱波段的运算获得。目前,国内外学者研究较为广泛的湿度指数主要有以下几种:
①归一化湿度指数NDMI(Normalization Difference Moisture Index)
采用归一化湿度指数NDMI对生态环境中湿度进行监测已较为普遍。NDMI与土壤水分含量、植被覆盖状况、植被结构、反射率和能量平衡皆有关,NDMI值越大,表示环境地表湿度越高,生态脆弱性程度小。NDMI用近红外和中红外波段的差异值来表示:
其中:ρnir、ρswir2分别表示Landsat8陆地成像仪(OLI)的近红外波段、短波红外波段的地物反射率。
②改进归一化差异水体指数MNDWI(Modified Normalization Difference WaterIndex)
徐涵秋等基于NDWI的基础,用短波红外波段代替近红外波段,构建了改进归一化差异水体指数MNDWI,该指数更为有效地增大了水体与其他地物间的差异,如悬浮沉积物的分布、水体面积分布的变化。其计算公式为:
其中:ρi为Landsat 8陆地成像仪(OLI)各波段的反射率。
③缨帽变换的湿度指数KTW
与植被指数中的KTG一样,KTW是通过缨帽变换产生的湿度分量来提取的。参考李博伦等对Landsat 8OLI缨帽变换系数的推导,湿度指数KTW的计算公式为:
KTW=0.2651ρblue+0.2367ρgreen+0.1296ρred+0.0590ρNIR-0.7506ρSWIR1-0.5386ρSWIR2
其中:ρi分别表示Landsat 8陆地成像仪(OLI)的各波段的表观反射率。
(4)热度指数:地表温度LST(Land SurfaceTemperature)
地表温度(LST)与许多自然和人文现象密切相关,如植被的生长分布、地表水资源的蒸发循环、作物产量等,是反映地表环境生态脆弱性的重要指标。LST的计算较上述几个指标要复杂许多,研究选用Jiménez-和Sobrino(2014)提出的改进型普适性单通道算法,利用相关大气参数(大气透过率和上、下行辐射强度)对Landsat热红外数据进行反演,反演的计算公式如下:
TS=γ[ε-1(ψ1Lsensor+ψ2)+ψ3]+δ
Tsensor=c2/{λLn[c1/(λ5Lsensor)+1]}
式中:Ts为地表温度(LST),单位为K;γ和δ是普朗克定律线性公式的估算参数;ε为地表比辐射率;ψ1、ψ2、ψ3是从实际大气水汽含量中获取的函数;Lsensor为辐射值,单位是W/(m2·sr·μm);Tsensor为传感器处亮温,单位为K;bγ=1320(TIRS 10波段)或bγ=1256(TM6波段);c1,c2是Planck辐射常数,分别为1.19104×108W·μm4/(m2·sr)和14387.7μm·K;λ为热红外波段的中心波长或有效波长,λ=11.45μm(TM 6)或λ=10.90μm(TIRS10)。根据USGS的官方公告,TIRS 11波段的温度定标误差较大,因此本文研究采用TIRS 10波段来进行地表温度的反演。
较佳的,本实施例的一具体示例如下:
(1)根据样例区实地勘察调研反映的具体实际情况以及国家生态环境部发布的《生态环境状况评价技术规范》(HJ192-2015),确定区域生态脆弱性评价的等级划分及各等级对应的生态脆弱度(EFD,Ecological Fragility Degree)范围的划分。(2)结合外业现场调查,在遥感影像上采集符合生态脆弱性评价各分级特征的相应地物来作为样本点参与建模分析,并在地理信息软件中将每个样本点的生态脆弱度EFD添加至其属性中;(3)根据影响地面环境变化、导致生态脆弱的各影响因子提取与之对应的遥感指标(植被指数NDVI、土壤指数SI、湿度指数NDMI、热度指数LST)和地形指标(高程H和坡度SLOPE),并进行归一化处理再提取到样本点的属性中,使彼此之间具备可比性。(4)耦合上述各项指标,基于多元线性回归分析构建一个生态脆弱性的评价模型,并通过模型计算获得研究区域生态脆弱性分级区划的空间分布图,进行分析评价。该模型可以实现生态脆弱性不同等级的有效监测,为研究区域脆弱性的遥感快速、动态变化监测提供一种解决方案。
(1)生态脆弱性评价的等级划定及生态脆弱度EFD的划分:
本实施例的研究区为莆炎高速公路YA12标段两侧各1km的路域,由于国家目前还没有关于生态脆弱性评价的标准或规范,本发明的研究区域根据实地外业勘察调研反映的具体实际情况以及国家生态环境部发布的《生态环境状况评价技术规范》(HJ192-2015),并借鉴以往国内外学者对生态脆弱性的评价研究来确定研究区域生态脆弱性评价的等级划分及各等级对应的生态脆弱度(EFD,Ecological Fragility Degree)范围的划分。莆炎高速YA12段公路路域的生态脆弱度分级如表2所示,不同研究区因其地域差异、区域特色因素应当因地制宜可有不同的划分范围。
表2莆炎高速YA12段路域生态脆弱性评价分级表
(2)样本点的采集并赋值:
结合莆炎高速YA12段的外业现场调查,在真彩色遥感影像上采集较容易区分、符合生态脆弱性评价各分级特征的相应地物来作为样本点进行建模。例如,在树林茂盛处,即遥感影像上植被覆盖明显较丰富、未来较长时期不受人类活动干扰的地方,可采集为微度脆弱等级的样本点;而遥感影像上对应河流水体、公路建设中已受人类破坏,未来难以恢复向好的地方,采集为极度脆弱等级的样本点;其他等级的样本点也类似用这种方式采集。本实施例的研究区按莆炎高速YA12段公路沿线路域自西向东提取60个样本点,借助地理信息系统软件将每个样本点的生态脆弱度EFD赋值其属性中。莆炎高速YA12段路域60个样本点的空间分布如图1所示,其生态脆弱度EFD作为构建多元线性回归模型的因变量。
(3)提取遥感、地形评价指标:
研究路域生态脆弱性的状况受植被绿度、土壤亮度、湿度热度和地形条件等方面的影响,在Landsat 8遥感影像和GDEM V2数据中选取可反映研究区域生态脆弱性程度的各个遥感、地形评价因子,并对其进行归一化处理,再提取到60个样本点的属性中,由此确定研究区域生态脆弱性的评价因子,以作为构建多元线性回归模型的自变量。归一化处理利用下面的公式将每个指标数据规范化为0到10之间的值,各指标因子的数值反映了其属性特征对研究区生态脆弱性的影响程度,使其彼此之间更具可比性。
A=10×(X-XMIN)/(XMAX-XMIN)
1)选择NDVI、ARVI、缨帽变换绿度分量KTG作为莆炎高速路域生态脆弱性评价的植被绿度指标,归一化处理再提取到60个样本点的属性值,将其与样本点的生态脆弱度EFD进行相关性分析,选取出相关性程度最大的绿度影响因子。根据相关性分析结果显示,研究路域的NDVI与生态脆弱度EFD的相关性系数最大,为-0.856,同时表明NDVI与EFD呈负相关关系,研究路域的NDVI值越大,即植被覆盖越茂盛,生态脆弱性程度则越低,EFD就越小,这与实际相符合,且研究路域的NDVI与EFD具有极显著差异(P<0.001),由此将NDVI确定为研究路域生态脆弱性评价的绿度影响因子。
2)选择NDSI、SI、IBI作为莆炎高速路域生态脆弱性评价的土壤亮度指标,归一化处理再提取到60个样本点的属性值,将其与样本点的生态脆弱度EFD进行相关性分析,选取出相关性程度最大的亮度影响因子。根据相关性分析结果显示,研究路域的SI与生态脆弱度EFD的相关性系数最大,为0.855,同时表明SI与EFD呈正相关关系,研究区域的SI值越大,即土壤裸露程度越高,地表越亮,生态脆弱性程度则越高,EFD就越大,这与实际相符合,且研究路域的SI与EFD具有极显著差异(P<0.001),由此将SI确定为研究路域生态脆弱性评价的亮度影响因子。
3)选择NDMI、MNDWI、缨帽变换湿度分量KTW作为莆炎高速路域生态脆弱性评价的地表湿度指标,归一化处理再提取到60个样本点的属性值,将其与样本点的生态脆弱度EFD进行相关性分析,选取出相关性程度最大的湿度影响因子。根据相关性分析结果显示,研究路域的NDMI与生态脆弱度EFD的相关性系数最大,为-0.874,同时表明NDMI与EFD呈负相关关系,研究路域的NDMI值越大,即地表环境越湿润,生态脆弱性程度则越低,EFD就越小,这与实际相符合,且研究路域的NDMI与EFD具有极显著差异(P<0.001),由此将NDMI确定为研究路域生态脆弱性评价的湿度影响因子。
4)最后提取热度评价指数LST和地形指数高程H、坡度SLOPE,并进行归一化处理再提取到60个样本点的属性值,与绿度指数NDVI、亮度指数SI、湿度指数NDMI共6项标准化数据指标作为自变量,并与因变量EFD进行多元线性回归分析,构建生态脆弱性评价模型。
(4)构建多元线性回归模型进行生态脆弱性评价:
将导入的6项评价指标变量NDVI、SI、NDMI、LST、H、SLOPE与因变量生态脆弱度EFD在SPSS软件中进行多元线性回归分析,在分析工具栏中选择“回归”、“线性”进行操作。多元线性回归分析的结果,即本发明研究区莆炎高速YA12段路域生态脆弱性评价模型中各指标的权重系数如表3所示。
表3多元线性回归分析系数表
根据“非标准化系数”栏中的B,可以得出本发明研究区即莆炎高速YA12段路域的生态脆弱性评价模型为:
EFD=-0.623×NDVI+0.283×SI-0.181×NDMI+0.057×LST-0.287×H+0.090×SLOPE+10.989
模型的R2系数为0.942,表明该回归方程拟合较好;F的统计值为143.488,P=0.000<0.001,根据多元线性回归分析的原理,本发明研究区所建立的模型是有效的,适合评估研究区的生态脆弱性程度。
由上述回归方程可以反映出各评价因子对研究区生态脆弱性影响的相关关系为:SI、LST、SLOPE为正相关因子,NDVI、NDMI、H为负相关因子。这结果表明土壤裸露指数、热指数、坡度因子与研究区生态脆弱性呈正相关关系,其值愈高研究区生态愈脆弱;而植被指数、湿度指数和高程因子呈负相关关系,其值愈高研究区生态愈不脆弱;模型方程中植被、土壤、水热及地形因子对研究区生态脆弱性的影响与实际情况基本一致。
根据该模型方程和表2中生态脆弱性的等级划分,借助地理信息系统软件的栅格计算器运算得出本研究区莆炎高速公路YA12段路域全域的生态脆弱性等级划分情况,如图2所示。
在地理信息系统软件中对评价出来的生态脆弱性分级区划图的各个脆弱性等级进行面积统计,统计结果如表4所示。
表4研究区生态脆弱性分级统计表
结合图2和表4可以看出:生态脆弱性为微度和轻度脆弱的区域占总面积的84.90%,分布范围较广;中度脆弱的区域占总面积的10.62%;重度和极度区域占总面积的4.48%,其中极度脆弱区域仅占0.41%。这说明该研究区域生态脆弱性程度整体较小,高速公路工程建设对当地生态环境在大部分区域范围内的影响破坏较小;仅有15%左右的区域破坏情况较大,致使这些区域生态为中度、重度和极度脆弱,这部分区域需要重点防护,进行生态补偿、建设后生态再恢复工作,特别是重度和极度脆弱的区域。
(5)多元线性回归评价模型的精度检验:
本实施例研究区的生态脆弱性评价模型的精度分析可以从主观视觉判别和现场采集样本点的客观检验两个方面,进行全面的主客观分析。
1)目视判别
目视判别主要是将该路域生态脆弱性评价分级区划图与Landsat8遥感654假彩色合成影像图进行视觉效果上的比对(654合成影像图视觉上比真彩色影像图更清晰)。通过比对,654合成影像上植被稀少、土壤裸露的地区生态脆弱性等级较高,植被茂盛覆盖率高的地区生态脆弱性等级较低,同时结合回归分析得出的各评价因子对研究区生态脆弱性影响的正、负相关关系,可以初步判定本发明研究区域的生态脆弱性评价模型可以较好地反映该研究区莆炎高速YA12段路域的生态脆弱性状况。
2)样本点检验
为了更加客观地分析本实施例研究所构建的生态脆弱性评价模型的精度,将采集好的60个样本点数据进行检验分析,与评价模型计算获得的对应点生态脆弱性等级值EFD建立混淆(误差)矩阵,以便计算总体精度及Kappa系数,如表5所示。
表5模型精度分析的混淆矩阵
由表3中的数据可计算得本发明多元线性回归评价模型的总体精度为83.33%;Kappa系数为0.79,高于70%的最小判别精度要求,因此本发明所构建的生态脆弱性评价模型是可行的。
综上所述,本实施例研究采用多元线性回归分析建立的区域生态脆弱性评价模型,无论从视觉目视判别的直观效果还是从数据分析的理性角度来看,在精度上都是满足要求的。本实施例还可以通过多个时空的遥感影像、地形数据进行不同时间点的生态脆弱性变化监测评价,基于多元线性回归模型的生态脆弱性评价方法的流程如图3所示。以上所述仅为本发明的较佳实施例,凡依本发明申请专利范围所做的均等变化与修饰,皆应属本发明的涵盖范围。
Claims (4)
1.一种适于高速公路路域的生态脆弱性评价方法,其特征在于:包括以下步骤:
步骤S1:提供区域生态脆弱性评价的等级划分及各等级对应的生态脆弱度EFD范围的划分;
步骤S2:结合外业现场调查,在遥感影像上采集符合生态脆弱性评价各分级特征的相应地物来作为样本点参与建模分析,并在地理信息系统软件中将每个样本点的生态脆弱度EFD添加至其属性中;
步骤S3:根据影响地面环境变化、导致生态脆弱的各影响因子提取与之对应的遥感指标和地形指标,并进行归一化处理再提取到样本点的属性中,用以使各个遥感、地形评价指标之间具备可比性;遥感指标库包括植被指数、土壤指数、湿度指数和热度指数;所述地形指标包括高程和坡度;利用相关性分析,分析指标库中每类遥感指数中的不同评价指标的归一化值与样本点的生态脆弱度EFD的相关性,以相关性最大的指数作为该类遥感指数的代表指数;
步骤S4:耦合上述各项指标,基于多元线性回归分析构建一个生态脆弱性的评价模型,并通过模型计算获得研究区域生态脆弱性分级区划的空间分布图,用以进行分析评价;
所述步骤S3具体包括以下步骤:
步骤S31:将影响研究区路域的自然环境特征及人为干扰状况,归纳为植被、土壤、水热和地形这4大类型因素,以此确定生态脆弱性评价指标库;所述生态脆弱性评价指标库包括植被指数、土壤指数、湿度指数、热度指数、高程和坡度;
步骤S32:根据生态脆弱性评价指标库的评价指标,逐一对研究区遥感影像进行计算,而后对计算结果进行归一化得出归一化指标值,用以消除量纲影响;所有的指标的最终取值都要统一到0-10之间;归一化公式见公式(1),各指标的数值反映了其属性特征对研究区生态脆弱性的影响程度,使其彼此之间更具可比性;
A=10×(X-XMIN)/(XMAX-XMIN) (1)
式中,A为因子归一化后的值,X为因子归一化之前的值,XMIN和XMAX分别代表因子的最小值和最大值;
步骤S33:利用相关性分析法,通过计算Pearson相关系数,分析生态脆弱性评价指标库中每类遥感指数中的不同评价指标的归一化值与样本点的生态脆弱度EFD的相关性,以相关性最大的指数作为该类遥感指数的代表指数,即某类影响因素的代表性参数;Pearson相关系数的计算公式为:
r取值的范围为:[-1,1];当0<r≤1时,自变量与因变量之间存在正相关;当-1≤r≤0时,自变量与因变量之间存在负相关;当|r|≥0.8时,它被认为是高度相关的;当0.5≤|r|<0.8时,认为中度相关;当0.3≤|r|<0.5时,认为低度相关;当|r|<0.3时,自变量与因变量之间的相关性被认为是认为不相关;
所述步骤S32中根据生态脆弱性评价指标库的评价指标,逐一对研究区遥感影像进行计算的具体计算过程如下:
(1)植被指数:NDVI、ARVI、KTG
植被信息是生态环境脆弱性最敏感的指标因子;在遥感图像上,植物的光谱特征可以有效地与其他地物区分开来,在计算植被指数的模型中,红光和近红外波段之间的差异、比率和各种线性组合用于突出植被信息;
①归一化植被指数NDVI
其表达式为:
其中:ρNIR、ρR分别表示近红外波段和红光波段的表面反射率;NDVI指数的取值范围为[-1,1];
②大气阻抗植被指数ARVI
其计算公式为:
其中:ρNIR、ρR、ρB分别表示近红外波段、红光波段、蓝光波段的表面反射率;ARVI取值范围为[-1,1],绿色植被为[0.2,0.8];
③绿度植被指数KTG
KTG计算公式为:
KTG=-0.3301ρblue-0.3455ρgreen-0.4508ρred+0.6970ρNIR-0.0448ρSWIR1-0.2840ρSWIR2
(2)土壤指数:NDSI、SI、IBI
①归一化土壤亮度指数NDSI
其表达式为:
其中:ρR、ρG分别表示红光、绿光波段的表面反射率;
②裸土指数SI
SI的表达式为:
其中:ρswirl、ρred、ρblue、ρnir分别表示短波红外波段、红光波段、绿光波段、近红外波段的地物反射率;
③建筑指数IBI
其计算公式为:
(3)湿度指数:NDMI、MNDWI、KTW
①归一化湿度指数NDMI
NDMI用近红外和中红外波段的差异值来表示:
其中:ρswir2表示短波红外波段的地物反射率;
②改进归一化差异水体指数MNDWI
其计算公式为:
③湿度指数KTW
湿度指数KTW的计算公式为:
KTW=0.2651ρblue+0.2367ρgreen+0.1296ρred+0.0590ρNIR-0.7506ρSWIR1-0.5386ρSWIR2
(4)热度指数:地表温度LST
计算公式如下:
TS=γ[ε-1(ψ1Lsensor+ψ2)+ψ3]+δ
Tsensor=c2/{λLn[c1/(λ5Lsensor)+1]}
式中:Ts为地表温度LST,单位为K;γ和δ是普朗克定律线性公式的估算参数;ε为地表比辐射率;ψ1、ψ2、ψ3是从实际大气水汽含量中获取的函数;Lsensor为辐射值,单位是W;Tsensor为传感器处亮温,单位为K;bγ=1320或bγ=1256;c1,c2是Planck辐射常数,分别为1.19104×108W·μm4/(m2·sr)和14387.7μm·K;λ为热红外波段的中心波长或有效波长,λ=11.45μm或λ=10.90μm;
生态脆弱性评价模型为:
EFD=-0.623×NDVI+0.283×SI-0.181×NDMI+0.057×LST-0.287×H+0.090×SLOPE+10.989
模型的R2系数为0.942;F的统计值为143.488,P=0.000<0.001。
2.根据权利要求1所述的一种适于高速公路路域的生态脆弱性评价方法,其特征在于:步骤S2中所述地理信息系统软件包括ArcGIS、MapGIS或SuperMap具有地理信息处理能力的专业软件。
3.根据权利要求1所述的一种适于高速公路路域的生态脆弱性评价方法,其特征在于:步骤S2中所述采集符合生态脆弱性评价各分级特征的样本点的具体内容为:样本点的采集原则:以遥感影像上符合生态脆弱性评价各分级特征的相应地物作为样本;样本点的个数确定原则是:根据研究区面积和范围,在30m空间分辨率遥感影像上保证每平方公里的样本点数量大于3个。
4.根据权利要求1所述的一种适于高速公路路域的生态脆弱性评价方法,其特征在于:所述步骤S4具体包括以下步骤:
步骤S41:将步骤S3中最后确定的6项归一化指标数据作为多元线性回归模型中的自变量,步骤S2中确定的样本点EFD数值作为因变量,进行多元线性回归分析,构建生态脆弱性评价模型;多元线性回归模型为:
Yi=β1X1+β2X2+...+βkXk+μi,(i=1,2,......,n)
其中μi是服从正态分布N(0,δ2)的随机项;如果Yi是一个容量为n的样本,则利用最小二乘法得到参数βk的估计值,然后得到Y与X1,X2,...,Xn的线性回归方程即生态脆弱性评价模型;
步骤S42:根据步骤S1提供的区域生态脆弱性评价的等级划分及各等级对应的生态脆弱度范围的划分和生态脆弱性评价模型,得出研究区域生态脆弱性等级划分情况,得到生态脆弱性分级区划图;接着对生态脆弱性分级区划图的各个脆弱性等级进行面积统计,得到研究区域生态脆弱性结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011318182.9A CN112561235B (zh) | 2020-11-23 | 2020-11-23 | 一种适于高速公路路域的生态脆弱性评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011318182.9A CN112561235B (zh) | 2020-11-23 | 2020-11-23 | 一种适于高速公路路域的生态脆弱性评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112561235A CN112561235A (zh) | 2021-03-26 |
CN112561235B true CN112561235B (zh) | 2023-01-10 |
Family
ID=75044743
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011318182.9A Active CN112561235B (zh) | 2020-11-23 | 2020-11-23 | 一种适于高速公路路域的生态脆弱性评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112561235B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112801556A (zh) * | 2021-04-06 | 2021-05-14 | 深圳市维度数据科技股份有限公司 | 一种工业企业排污行为的区域影响程度评估方法及系统 |
CN113376327B (zh) * | 2021-07-08 | 2023-01-17 | 海南海笙信息科技有限公司 | 基于大数据的环境监测信息管理方法及系统 |
CN115222196B (zh) * | 2022-05-24 | 2023-05-12 | 云南省测绘资料档案馆(云南省基础地理信息中心) | 一种山区道路网脆弱性评估与驱动力探测方法 |
CN114862062B (zh) * | 2022-06-30 | 2022-11-15 | 深圳市信润富联数字科技有限公司 | 环境承载力的预警方法、装置、电子设备和可读存储介质 |
CN115271428B (zh) * | 2022-07-25 | 2023-08-15 | 西南交通大学 | 基于svd分解的环境脆弱性评价方法、设备和介质 |
CN116359137B (zh) * | 2023-05-31 | 2023-08-15 | 武汉大学 | 多水域城市生态环境遥感监测方法 |
CN117078077A (zh) * | 2023-08-15 | 2023-11-17 | 中交第三公路工程局有限公司 | 一种高速公路路域的生态脆弱性评价方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101739511A (zh) * | 2009-12-16 | 2010-06-16 | 南京信息工程大学 | 一种减排林生态系统安全评价方法 |
CN103444296A (zh) * | 2013-07-17 | 2013-12-18 | 天津泰达园林建设有限公司 | 一种滨海重盐碱地生态脆弱区植被恢复的方法 |
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 |
WO2020010529A1 (zh) * | 2018-07-09 | 2020-01-16 | 重庆大学产业技术研究院 | 一种绿色生态边坡一体化加固方法 |
AU2020102177A4 (en) * | 2020-04-26 | 2020-10-15 | National Marine Environmental Monitoring Center | Method for Evaluating Ecological Vulnerability of Island |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004329139A (ja) * | 2003-05-09 | 2004-11-25 | Nuru House:Kk | 植生基盤 |
CN101894120A (zh) * | 2010-01-06 | 2010-11-24 | 北京师范大学 | 一种区域生态敏感性评价方法 |
CN102270325A (zh) * | 2011-07-12 | 2011-12-07 | 北京师范大学 | 一种区域环境风险受体脆弱性评价方法 |
KR20180116820A (ko) * | 2017-04-18 | 2018-10-26 | 연세대학교 산학협력단 | 다중 가중치 산정 및 topsis를 이용한 단위유역별 수자원 취약성 평가 방법 |
CN107525907B (zh) * | 2017-10-16 | 2019-12-31 | 中国环境科学研究院 | 地下水污染监测网多目标优化方法 |
CN108416686B (zh) * | 2018-01-30 | 2021-10-19 | 中国矿业大学 | 一种基于煤炭资源开发的生态地质环境类型划分方法 |
CN108834462B (zh) * | 2018-06-29 | 2021-05-14 | 中国科学院、水利部成都山地灾害与环境研究所 | 一种防治干热河谷冲沟发育区水土流失的植被配置方法 |
CN110598553A (zh) * | 2019-08-09 | 2019-12-20 | 中国科学院南京地理与湖泊研究所 | 基于遥感影像与地形数据的原真地貌采矿破坏区探测方法 |
-
2020
- 2020-11-23 CN CN202011318182.9A patent/CN112561235B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101739511A (zh) * | 2009-12-16 | 2010-06-16 | 南京信息工程大学 | 一种减排林生态系统安全评价方法 |
CN103444296A (zh) * | 2013-07-17 | 2013-12-18 | 天津泰达园林建设有限公司 | 一种滨海重盐碱地生态脆弱区植被恢复的方法 |
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 |
WO2020010529A1 (zh) * | 2018-07-09 | 2020-01-16 | 重庆大学产业技术研究院 | 一种绿色生态边坡一体化加固方法 |
AU2020102177A4 (en) * | 2020-04-26 | 2020-10-15 | National Marine Environmental Monitoring Center | Method for Evaluating Ecological Vulnerability of Island |
Non-Patent Citations (2)
Title |
---|
张慧琳 等."五台山地区生态脆弱性评价及其时空变化".《生态与农村环境学报》.2020,(第8期),全文. * |
戴青苗."生态脆弱区高速公路路域生态环境影响评价方法研究".《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅰ辑》.2020,(第01期),9-69页. * |
Also Published As
Publication number | Publication date |
---|---|
CN112561235A (zh) | 2021-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112561235B (zh) | 一种适于高速公路路域的生态脆弱性评价方法 | |
CN110610054B (zh) | 一种土壤湿度长方体反演模型构建方法及系统 | |
CN107941344B (zh) | 一种基于地表温度遥感反演的钢铁厂去产能监测方法 | |
Yang et al. | The impact analysis of water body landscape pattern on urban heat island: a case study of Wuhan City | |
CN113553907A (zh) | 一种基于遥感技术的森林生态环境状况评价方法 | |
CN114005048A (zh) | 基于多时相数据的土地覆盖变化与热环境影响研究方法 | |
CN114460013B (zh) | 滨海湿地植被地上生物量gan模型自学习遥感反演方法 | |
Srivanit et al. | Thermal infrared remote sensing for urban climate and environmental studies: An application for the city of Bangkok, Thailand | |
Zhao et al. | Estimating and Validating Wheat Leaf Water Content wi th Three MODIS Spectral Indexes: A Case Study in Ningx ia Plain, China | |
CN112380980A (zh) | 一种人工龙竹林lai遥感估测最佳尺度选择方法 | |
Konda et al. | Vegetation damage assessment due to Hudhud cyclone based on NDVI using Landsat-8 satellite imagery | |
Hu et al. | Integrating CART algorithm and multi-source remote sensing data to estimate sub-pixel impervious surface coverage: a case study from Beijing Municipality, China | |
Agbor et al. | Land surface temperature mapping using geoinformation techniques | |
Shi et al. | Ecological Vulnerability of Tourism Scenic Spots: Based on Remote Sensing Ecological Index. | |
Hang et al. | Estimation of chlorophyll-a concentration in Lake Taihu from Gaofen-1 wide-field-of-view data through a machine learning trained algorithm | |
CN113807732A (zh) | 顾及局部特征的遥感生态环境的评价方法和存储介质 | |
Niu et al. | Remote sensing evaluation of ecological environment of Anqing city based on remote sensing ecological index | |
Mohapatraa et al. | Temporal variations of NDVI with responses to climate change in Mayurbhanj district of Odisha from 2015-2020 | |
Nguyen | Landsat time-series images-based urban heat island analysis: The effects of changes in vegetation and built-up land on land surface temperature in summer in the Hanoi metropolitan area, Vietnam | |
Deng et al. | Monitoring of drought in central Yunnan, china based on TVDI model | |
CN115775357A (zh) | 基于高光谱及机器学习的植被等效水厚度估算方法 | |
Indrawati et al. | Integrated ecological index (IEI) for urban ecological status based on remote sensing data: a study at Semarang–Indonesia | |
Pandiyan et al. | Evaluation of drought using satellite solar-induced chlorophyll fluorescence during crop development stage over Xinjiang, China | |
Kaur et al. | Satellite Image-based Land Use/Land Cover Dynamics and Forest Cover Change Analysis (1996-2016) in Odisha, India | |
Amiri et al. | Analysis and evaluation of the formation of a heat island in Tehran during three decades |
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 |