CN113269464B - 一种生态恢复评估方法和生态恢复评估装置 - Google Patents
一种生态恢复评估方法和生态恢复评估装置 Download PDFInfo
- Publication number
- CN113269464B CN113269464B CN202110649264.XA CN202110649264A CN113269464B CN 113269464 B CN113269464 B CN 113269464B CN 202110649264 A CN202110649264 A CN 202110649264A CN 113269464 B CN113269464 B CN 113269464B
- Authority
- CN
- China
- Prior art keywords
- evaluated
- ndvi
- unit
- time period
- average
- 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
- 238000000034 method Methods 0.000 title claims description 40
- 238000007621 cluster analysis Methods 0.000 claims abstract description 28
- 238000011156 evaluation Methods 0.000 claims abstract description 24
- 238000004088 simulation Methods 0.000 claims abstract description 14
- 230000001419 dependent effect Effects 0.000 claims abstract description 8
- 238000012935 Averaging Methods 0.000 claims abstract description 6
- 238000004458 analytical method Methods 0.000 claims description 23
- 238000012545 processing Methods 0.000 claims description 15
- 238000001556 precipitation Methods 0.000 claims description 13
- 238000007781 pre-processing Methods 0.000 claims description 11
- 238000011160 research Methods 0.000 description 15
- 230000000694 effects Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000004445 quantitative analysis Methods 0.000 description 2
- NUXLOJGLOHSJEF-UHFFFAOYSA-N 1,1-bis(4-chlorophenyl)ethanol;(4-chlorophenyl)sulfanyl-(2,4,5-trichlorophenyl)diazene Chemical compound C=1C=C(Cl)C=CC=1C(O)(C)C1=CC=C(Cl)C=C1.C1=CC(Cl)=CC=C1SN=NC1=CC(Cl)=C(Cl)C=C1Cl NUXLOJGLOHSJEF-UHFFFAOYSA-N 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Abstract
一种生态恢复评估方法和生态恢复评估装置,生态恢复评估方法包括:获取各待评估区域的每个时间段内的多个标准NDVI,根据多个标准NDVI数据求和取平均值,以得到各待评估区域的每个时间段的平均值NDVI;获取各待评估区域的每个时间段内的气候数据的平均值,以得到平均值气候数据;以平均值气象数据为自变量,以待评估区域的每个时间段的平均值NDVI因变量进行多元回归方程模拟,根据多元回归方程得到各待评估区域的每个时间段的预测值NDVIpre;将待评估区域的每个时间段的预测值NDVIpre与对应的每个时间段的平均值NDVI做差,以得到多个残差NDVI;每个待评估区域根据其对应的多个残差NDVI形成残差曲线,对各待评估区域对应的残差曲线进行聚类分析。
Description
技术领域
本发明涉及生态环境技术领域,特别涉及一种生态恢复评估方法和生态恢复评估装置。
背景技术
关于NDVI的定量分析即量化人类活动在多大程度上影响NDVI变化,现有技术主要通过残差法和多元线性回归模型法进行评估。残差法中,基于生态区NDVI数据和该区域的降水数据,对NDVI进行回归模拟得到回归方程。根据回归方程计算出的模拟值与实际值做差得到残差,此时的残差即可视作人为因素导致的NDVI变化。该方法自2004年于干旱区的植被退化问题中提出以来,因其科学性得到大部分学者的认可和采用并尝试将其完善,现如今已经成为主流的定量分析方法。第二种方法为多元线性回归模型法,针对生态区的具体情况,选定几个指标直接建立一个多元方程,对方程进行显著性检验,并对相关系数进行显著性检验,用以判断哪种指标对于NDVI的相关性最高,相关性最高的指标即为造成NDVI变化的主要原因。
但是,现有技术在生态区域上没有针对性,且没有确定的标准,无法排除因为地域之间水热和地貌差异造成的NDVI变化特征的巨大差异,使得生态区NDVI变化情况各异,不具可比较性,因而难以用于大范围多个生态区的生态恢复成效的对比评价。
发明内容
(一)发明目的
本发明的目的是提供一种生态恢复评估方法和生态恢复评估装置,能够解决生态区NDVI变化情况各异和不具可比较性的问题。
(二)技术方案
为解决上述问题,根据本发明的一个方面,本发明提供了一种生态恢复评估方法,包括:获取多个时间段内多个待评估单元对应的遥感数据和气候数据;
对各所述待评估单元的每个时间段内的遥感数据进行预处理,获取各所述待评估单元的每个时间段内的多个标准NDVI,根据多个标准NDVI数据求和取平均值,以得到各所述待评估单元的每个时间段的平均值NDVI;
获取各所述待评估单元的每个时间段内的气候数据的平均值,以得到平均值气候数据;
以所述平均值气象数据为自变量,以所述待评估单元的每个时间段的平均值NDVI因变量进行多元回归方程模拟,根据所述多元回归方程得到各所述待评估单元的每个时间段的预测值NDVIpre;
将所述待评估单元的每个时间段的预测值NDVIpre与对应的每个时间段的平均值NDVI做差,以得到多个残差NDVI;
每个所述待评估单元根据其对应的多个残差NDVI形成残差曲线,对各所述待评估单元对应的残差曲线进行聚类分析。
进一步地,所述对各所述待评估单元的每个时间段内的遥感数据进行预处理,包括:
根据各所述待评估单元的矢量边界;
根据矢量边界,采用掩膜法提取各所述待评估单元的标准NDVI。
进一步地,所述平均值气候数据包括温度平均值和降水平均值;
所述多元回归方程的条件式为:NDVI=a*P+b*T+c,其中,式中NDVI为平均值NDVI,P代表降水平均值,T代表温度平均值,a、b和c为所述多元回归方程确定的常数。
进一步地,所述对各所述待评估单元对应的残差曲线进行聚类分析,包括:
基于对各所述待评估单元对应的残差曲线,将多个所述待评估单元对应的残差曲线中曲线走向和变化规律近似的区域进行分析。
根据本发明的第二个方面,本发明提供了一种生态恢复评估装置,所述生态恢复评估装置包括:
获取模块,用于获取多个时间段内多个待评估单元对应的遥感数据和气候数据;
第一处理模块,用于对各所述待评估单元的每个时间段内的遥感数据进行预处理,获取各所述待评估单元的每个时间段内的多个标准NDVI,根据多个标准NDVI数据求和取平均值,以得到各所述待评估单元的每个时间段的平均值NDVI;
第二处理模块,用于获取各所述待评估单元的每个时间段内的气候数据的平均值,以得到平均值气候数据;
处理模块,用于以所述平均值气象数据为自变量,以所述待评估单元的每个时间段的平均值NDVI为因变量进行多元回归方程模拟,根据所述多元回归方程得到各所述待评估单元的每个时间段的预测值NDVIpre;
计算模块,用于将所述待评估单元的每个时间段的预测值NDVIpre与对应的每个时间段的平均值NDVI做差,以得到多个残差NDVI;
分析模块,用于每个所述待评估单元根据其对应的多个残差NDVI形成残差曲线,对各所述待评估单元对应的残差曲线进行聚类分析。
进一步地,所述第一处理模块包括:
遥感数据处理单元,用于根据各所述待评估单元的矢量边界;
计算单元,根据矢量边界,采用掩膜法提取各所述待评估单元的标准NDVI。
进一步地,所述平均值气候数据包括温度平均值和降水平均值;
所述多元回归方程的条件式为:NDVI=a*P+b*T+c,其中,式中NDVI为平均值NDVI,P代表降水平均值,T代表温度平均值,a、b和c为所述多元回归方程确定的常数。
进一步地,所述分析模块包括:
基于对各所述待评估单元对应的残差曲线,将多个所述待评估单元对应的残差曲线中曲线走向和变化规律近似的区域进行分析。
(三)有益效果
本发明的上述技术方案具有如下有益的技术效果:
1、本发明提供了一种生态恢复评估方法,生态恢复评估方法包括:获取多个时间段内多个待评估单元对应的遥感数据和气候数据;对各所述待评估单元的每个时间段内的遥感数据进行预处理,获取各所述待评估单元的每个时间段内的多个标准NDVI,根据多个标准NDVI数据求和取平均值,以得到各所述待评估单元的每个时间段的平均值NDVI;获取各所述待评估单元的每个时间段内的气候数据的平均值,以得到平均值气候数据;以所述平均值气象数据为自变量,以所述待评估单元的每个时间段的平均值NDVI为因变量进行多元回归方程模拟,根据所述多元回归方程得到各所述待评估单元的每个时间段的预测值NDVIpre;将所述待评估单元的每个时间段的预测值NDVIpre与对应的每个时间段的平均值NDVI做差,以得到多个残差NDVI;每个所述待评估单元根据其对应的多个残差NDVI形成残差曲线,对各所述待评估单元对应的残差曲线进行聚类分析。本申请实施例中,因为GIMMSNDVI数据MODIS NDVI数据的分辨率分别为8km和1km,基于研究的待评估单元的最小单元为地市,(地市面积一般为几千平方千米),通过提取各地市范围对应的遥感数据中的遥感图像,并基于遥感图像的像元值确定该待评估单元的平均值,可以精准的表示该地市的NDVI水平,有利于进行多元回归方程模拟,以更加准确的基于残差曲线对各待评估单元进行聚类分析。进一步,待评估区域包括多个数量的待评估单元,聚类分析可以在众多待评估单元对应的残差曲线中,将残差曲线走向或变化规律近似的归到同一类型(模式)中,这样一来可以将原本较大的研究区域(待评估区域)分割成较小的几个研究区(待评估单元),可以有利于对几个较小区域的残差曲线进行评估和分析,从而大大消除了不同地域之间的地理差异,便于结果的比较。
附图说明
图1是本发明提供的生态恢复评估方法的一种流程框图;
图2是相关技术提供的一种遥感图像;
图3是图2的一个待评估单元的某一个时间段的遥感图像;
图4是相关技术的黄河流域残差曲线示意图;
图5是本发明提供的一种残差曲线图。
附图标记:
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明了,下面结合具体实施方式并参照附图,对本发明进一步详细说明。应该理解,这些描述只是示例性的,而并非要限制本发明的范围。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本发明的概念。
针对上述技术问题,本申请提出了如下技术方案。
下面结合附图和实施例对本发明进行详细说明。
在一实施例中,如图1-5所示,本发明提供了一种生态恢复评估方法,生态恢复评估方法包括:
S101、获取多个时间段内多个待评估单元对应的遥感数据和气候数据;
一些实施例中,每个时间段的时间长度可以为一年,多个时间段为多年,本申请实施例中,可以获取十个时间段内多个待评估单元对应的遥感数据和气候数据,例如多个时间段的时间长度可以选取2001-2010为样本。需要注意的是,多个时间段的时间长度可按研究需求进行选取,本实施例多个时间段的时间长度选取2001-2010仅用于示意说明。其中,遥感数据包括但不限于GIMMS NDVI数据(归一化植被指数)、MODIS NDVI数据和Landsat数据。
S103、对各待评估单元的每个时间段内的遥感数据进行预处理,获取各待评估单元的每个时间段内的多个标准NDVI,根据多个标准NDVI数据集求取平均值,以得到各待评估单元的每个时间段的平均值NDVI;
具体地,以上述2001年为例,获取2001年的多个标准NDVI,其中,标准NDVI可以为12个,即以月为周期分别获取2001年的12个标准NDVI值。其中,对12个标准NDVI值求和,并取平均值以获取2001年的平均值NDVI。需要注意的是,本申请实施例中,2001年的标准NDVI为12个仅用于示意性说明,其标准NDVI的数量可根据研究需求进行选取。同样,2002-2010年对应的平均值NDVI获取方法参照2001年,其方法一致故不再赘述。
S105、获取各待评估单元的每个时间段内的气候数据的平均值,以得到平均值气候数据;
S107、以平均值气象数据为自变量,以待评估单元的每个时间段的平均值NDVI为因变量进行多元回归方程模拟,根据多元回归方程得到各待评估单元的每个时间段的预测值NDVIpre,预测值NDVIpre即是气候因素导致NDVI变化的具体值(也可以看作气候影响了NDVI的多大部分);
S109、将待评估单元的每个时间段的预测值NDVIpre与对应的每个时间段的平均值NDVI做差,以得到多个残差NDVI;也就是将气候因素的影响消除掉,此时得到的残差NDVI即是人类活动对NDVI影响的定量表现;
S111、每个待评估单元根据其对应的多个残差NDVI形成残差曲线,对各待评估单元对应的残差曲线进行聚类分析。
一个待评估区域包括多个数量的待评估单元,对各待评估单元对应的残差曲线进行聚类分析包括,将各待评估单元对应的残差曲线走向或变化规律近似的归为同一类型区。
进一步,基于各待评估单元对应的残差曲线走向或变化规律近似的特征,将待评估区域归类为多个类型区,以使得将原本较大的待评估区域分割成多个较小的区域或研究区(待评估单元)。其中,待评估单元为地市。本申请实施例中,因为GIMMS NDVI数据MODISNDVI数据的分辨率分别为8km和1km,基于研究的待评估区域的最小单元为地市(待评估单元),(地市面积一般为几千平方千米),通过提取各地市范围对应的遥感数据中的遥感图像,并基于遥感图像的像元值确定该待评估单元的平均值,可以精准的表示该地市的NDVI水平,有利于进行多元回归方程模拟,以更加准确的基于残差曲线对各待评估单元进行聚类分析。
上述申请实施例中,NDVI的变化主要是气候和人类活动这两种因素在起作用,利用将待评估单元的每个时间段的预测值NDVIpre与对应的每个时间段的平均值NDVI做差的预处理和多元回归将气候因素的影响消除掉,得到残差NDVI曲线(全是受人类活动影响而变化),基于对残差曲线的分析和比较残差NDVI来评价一个时间段内待评估单元的生态保护的成效进行评估。
一些实施例中,如图1所示,对每个待评估单元根据其对应的多个残差NDVI形成残差曲线,对各待评估单元对应的残差曲线进行聚类分析之后还包括:S113、根据聚类分析的结果,对各残差曲线的归为同一类型区内的区域进行残差NDVI的比较。
本申请实施例中,基于各个类型区内的地市进行残差NDVI的比较,残差大的代表人类生态活动成效显著,残差小的说明人类生态活动成果微弱,本申请实施例的比较方法,可以有效对各类型的各个地市的生态成果进行评估,也可以说对各个地市的生态保护上的力度强弱进行有效评估。
一些实施例中,对各待评估单元的每个时间段内的遥感数据进行预处理,包括:
根据各待评估单元的矢量边界;
根据矢量边界,采用掩膜法提取各待评估单元的标准NDVI。其中,待评估单元为待地理评估的地市(县)。
具体地,基于遥感数据中的遥感图像确定各待评估单元(各地市)的矢量边界,根据各待评估单元(各地市)对应的矢量边界,利用掩膜法统计各待评估单元的多个标准NDVI值,进一步,对多个标准NDVI数据集求和取平均值。
本申请实施例中,基于遥感数据中的遥感图像确定各待评估单元(各地市)的矢量边界,根据获取的遥感图像的矢量边界内的诸多标准NDVI值(像元值)的平均值来代表该地市的NDVI值,这样可以更加精确反映当地的归一化情况。
进一步地,平均值气候数据包括温度平均值和降水平均值;
多元回归方程的条件式为:NDVI=a*P+b*T+c,其中,式中NDVI为平均值NDVI,P代表降水平均值,T代表温度平均值,a、b和c为多元回归方程确定出的常数。
进一步地,对各待评估单元对应的残差曲线进行聚类分析,包括:
基于对各待评估单元对应的残差曲线,将多个待评估单元对应的残差曲线中曲线走向和变化规律近似的区域进行分析。
具体地,对各待评估单元对应的残差曲线的增减和波动特征相似的区域中进行比较,波动特征相似可以理解为残差曲线走向或变化规律近似。
本申请实施例中,一方面,基于研究的待评估单元的最小单元为地市,(地市面积一般为几千平方千米),通过提取各地市范围对应的遥感数据中的遥感图像,并基于遥感图像的像元值确定该待评估单元的平均值,可以精准的表示该地市的NDVI水平,有利于进行多元回归方程模拟,以更加准确的基于残差曲线对各待评估单元进行聚类分析。另一方面,聚类分析可以在众多的残差曲线中,将残差曲线走向或变化规律近似的归到同一类型区中,这样一来可以将原本较大的研究区域(待评估区域)分割成较小的几个研究区(待评估单元),可以有利于对几个较小区域的残差曲线进行评估和分析,从而大大消除了不同地域之间的地理差异,便于结果的比较。
其中,具体的聚类分析方法,可以是K-means聚类分析方法。
本申请具体提供了一个具体实例,如图2-5所示,图2为黄河流空间分布图,图3为图2的一个待评估单元的某一个时间段的遥感图像,Y代表待评估单元对应的遥感图像,X1和X2分别为矢量边界,待评估单元的Y由矢量边界X1和矢量边界X2确定。根据掩膜法提取遥感图像Y中的标准NDVI值,其中,遥感图像Y中的a、b、c、d、e、f和g为标准NDVI值(像元值),根据多个标准NDVI数据集求取平均值,以得到各待评估单元的每个时间段的平均值NDVI。如图4,图4为黄河流域残差曲线示意图,该示意图以黄河流域为待评估区域,黄河流域包括91个待评估单元,即以黄河流域91个地市为例(可以理解为,对黄河流域的91个待评估单元进行评估)。上图中密密麻麻的残差曲线条数一共为91条,即该图由91个评估单元对应的残差曲线构成。图4中,以时间为横坐标,以待评估单元的每个时间段的预测值NDVIpre与对应的每个时间段的平均值NDVI的差值为纵坐标。但是,从这张图中除了能分析出NDVI在增加外,再难分析出其他关键结论,且不能说明问题。
如图5所示,图5为本申请示意出的一具体实例,本实例同样对黄河流域的91个待评估单元进行评估,具体为利用本申请上述的生态恢复方法对黄河流域的生态恢复进行评估。具体如图5所示,图5是对包括91个待评估单元进行聚类分析的结果。具体地,将91个待评估单元对应的残差曲线中按曲线走向和变化规律近似的区域进行分析,并根据将各待评估单元对应的残差曲线走向或变化规律近似的归为同一类型区,由图5可知,本实例中,聚类
LKF210263为6个类型区。聚类完之后可以明显的看出每一类型区的NDVI变化规律,根据变化规律将同一类型区的待评估单元(地市)中根据残差NDVI变化情况,就具有可比较性了。其中,具体的聚类分析方法,包括但不限于使用K-means聚类分析方法。利用K-means聚类法将众多的待评估单元进行聚类分析。聚类分析根据各评估单元残差序列的值和波动规律对众多待评估单元进行分类。
根据本发明的第二个方面,本发明提供了一种生态恢复评估装置,生态恢复评估装置包括:
获取模块,用于获取多个时间段内多个待评估单元对应的遥感数据和气候数据;
一些实施例中,每个时间段的时间长度可以为一年,多个时间段为多年,本申请实施例中,可以获取十个时间段内多个待评估单元对应的遥感数据和气候数据,例如多个时间段的时间长度可以选取2001-2010为样本。需要注意的是,多个时间段的时间长度可按研究需求进行选取,本实施例多个时间段的时间长度选取2001-2010仅用于示意说明。其中,遥感数据包括但不限于GIMMS NDVI数据(归一化植被指数)、MODIS NDVI数据和Landsat数据。
第一处理模块,用于对各待评估单元的每个时间段内的遥感数据进行预处理,获取各待评估单元的每个时间段内的多个标准NDVI,根据多个标准NDVI数据集求取平均值,以得到各待评估单元的每个时间段的平均值NDVI;
具体地,以上述2001年为例,获取2001年的多个标准NDVI,其中,标准NDVI可以为12个,即以月为周期分别获取2001年的12个标准NDVI值。其中,对12个标准NDVI值求和,并取平均值以获取2001年的平均值NDVI。需要注意的是,本申请实施例中,2001年的标准NDVI为12个仅用于示意性说明,其标准NDVI的数量可根据研究需求进行选取。同样,2002-2010年对应的平均值NDVI获取方法参照2001年,其方法一致故不再赘述。
第二处理模块,用于获取各待评估单元的每个时间段内的气候数据的平均值,以得到平均值气候数据;
处理模块,用于以平均值气象数据为自变量,以待评估单元的每个时间段的平均值NDVI为因变量进行多元回归方程模拟,根据多元回归方程得到各待评估单元的每个时间段的预测值NDVIpre;
计算模块,用于将待评估单元的每个时间段的预测值NDVIpre与对应的每个时间段的平均值NDVI做差,以得到多个残差NDVI;
分析模块,用于每个待评估单元根据其对应的多个残差NDVI形成残差曲线,对各待评估单元对应的残差曲线进行聚类分析。
一个待评估区域包括多个数量的待评估单元,分析模块对各待评估单元对应的残差曲线进行聚类分析包括,将各待评估单元对应的残差曲线走向或变化规律近似的归为同一类型区。
进一步,基于各待评估单元对应的残差曲线走向或变化规律近似的特征,其可以归类为多个类型区,以使得将原本较大的待评估区域分割成多个较小的区域或研究区(待评估单元)。其中,待评估单元为地市。
本申请实施例中,因为GIMMS NDVI数据MODIS NDVI数据的分辨率分别为8km和1km,基于研究的待评估区域的最小单元为地市(待评估单元),(地市面积一般为几千平方千米),通过提取各地市范围对应的遥感数据中的遥感图像,并基于遥感图像的像元值确定该待评估单元的平均值,可以精准的表示该地市的NDVI水平,有利于进行多元回归方程模拟,以更加准确的基于残差曲线对各待评估单元进行聚类分析。
一些实施例中,生态恢复评估装置还包括评估模块。评估模块根据分析模块聚类分析的结果,对各残差曲线的归为同一类型区内的区域进行残差NDVI的比较。
本申请实施例中,基于评估模块对各个类型区内的地市进行残差NDVI的比较,通过残差大的代表人类生态活动成效显著,残差小的说明人类生态活动成果微弱,从而可以有效对各类型的各个地市的生态成果进行评估,也可以说对各个地市的生态保护上的力度强弱进行有效评估。
进一步地,第一处理模块包括:
遥感数据处理单元,用于根据各待评估单元的矢量边界;
计算单元,根据矢量边界,采用掩膜法提取各待评估单元的标准NDVI。其中,待评估单元为待地理评估的地市(县)。
具体地,基于遥感数据中的遥感图像确定各待评估单元(各地市)的矢量边界,根据各待评估单元(各地市)对应的矢量边界,利用掩膜法统计各待评估单元的多个标准NDVI值,进一步,对多个标准NDVI数据集求和取平均值。
本申请实施例中,基于遥感数据中的遥感图像确定各待评估单元(各地市)的矢量边界,根据获取的遥感图像的矢量边界内的诸多标准NDVI值(像元值)的平均值来代表该地市的NDVI值,这样可以更加精确反映当地的归一化情况。
进一步地,平均值气候数据包括温度平均值和降水平均值;
多元回归方程的条件式为:NDVIpre=a*P+b*T+c,其中,式中P代表降水平均值,T代表温度平均值,请对应补充a、b和c代表的含义。
进一步地,分析模块包括:基于对各待评估单元对应的残差曲线,将多个待评估单元对应的残差曲线中曲线走向和变化规律近似的区域进行分析。
分析模块对各待评估单元对应的残差曲线的增减和波动特征相似的区域中进行比较,波动特征相似可以理解为残差曲线走向或变化规律近似。
本申请实施例中,一方面,基于研究的待评估单元的最小单元为地市,(地市面积一般为几千平方千米),通过提取各地市范围对应的遥感数据中的遥感图像,并基于遥感图像的像元值确定该待评估单元的平均值,可以精准的表示该地市的NDVI水平,有利于进行多元回归方程模拟,以更加准确的基于残差曲线对各待评估单元进行聚类分析。另一方面,聚类分析可以在众多的残差曲线中,将残差曲线走向或变化规律近似的归到同一类型区中,这样一来可以将原本较大的研究区域(待评估区域)分割成较小的几个研究区(待评估单元),可以有利于对几个较小区域的残差曲线进行评估和分析,从而大大消除了不同地域之间的地理差异,便于结果的比较。
其中,具体的聚类分析方法,可以是K-means聚类分析方法。
应当理解的是,本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理,而不构成对本发明的限制。因此,在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。此外,本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。
Claims (6)
1.一种生态恢复评估方法,其特征在于,包括:
获取多个时间段内多个待评估单元对应的遥感数据和气候数据;
对各所述待评估单元的每个时间段内的遥感数据进行预处理,获取各所述待评估单元的每个时间段内的多个标准NDVI,根据多个标准NDVI数据求和取平均值,以得到各所述待评估单元的每个时间段的平均值NDVI;
获取各所述待评估单元的每个时间段内的气候数据的平均值,以得到平均值气候数据;
以所述平均值气象数据为自变量,以所述待评估单元的每个时间段的平均值NDVI因变量进行多元回归方程模拟,根据所述多元回归方程得到各所述待评估单元的每个时间段的预测值NDVIpre;
将所述待评估单元的每个时间段的预测值NDVIpre与对应的每个时间段的平均值NDVI做差,以得到多个残差NDVI;
每个所述待评估单元根据其对应的多个残差NDVI形成残差曲线,对各所述待评估单元对应的残差曲线进行聚类分析;
所述对各所述待评估单元对应的残差曲线进行聚类分析,还包括:
基于对各所述待评估单元对应的残差曲线,将多个所述待评估单元对应的残差曲线中曲线走向和变化规律近似的区域进行分析。
2.如权利要求1所述的生态恢复评估方法,其特征在于,所述对各所述待评估单元的每个时间段内的遥感数据进行预处理,包括:
根据各所述待评估单元的矢量边界;
根据矢量边界,采用掩膜法提取各所述待评估单元的标准NDVI。
3.如权利要求1所述的生态恢复评估方法,其特征在于,
所述平均值气候数据包括温度平均值和降水平均值;
所述多元回归方程的条件式为:NDVI=a*P+b*T+c,其中,式中NDVI为平均值NDVI,P代表降水平均值,T代表温度平均值,a、b和c为所述多元回归方程确定的常数。
4.一种生态恢复评估装置,其特征在于,
获取模块,用于获取多个时间段内多个待评估单元对应的遥感数据和气候数据;
第一处理模块,用于对各所述待评估单元的每个时间段内的遥感数据进行预处理,获取各所述待评估单元的每个时间段内的多个标准NDVI,根据多个标准NDVI数据求和取平均值,以得到各所述待评估单元的每个时间段的平均值NDVI;
第二处理模块,用于获取各所述待评估单元的每个时间段内的气候数据的平均值,以得到平均值气候数据;
处理模块,用于以所述平均值气象数据为自变量,以所述待评估单元的每个时间段的平均值NDVI为因变量进行多元回归方程模拟,根据所述多元回归方程得到各所述待评估单元的每个时间段的预测值NDVIpre;
计算模块,用于将所述待评估单元的每个时间段的预测值NDVIpre与对应的每个时间段的平均值NDVI做差,以得到多个残差NDVI;
分析模块,用于每个所述待评估单元根据其对应的多个残差NDVI形成残差曲线,对各所述待评估单元对应的残差曲线进行聚类分析;所述分析模块包括:
基于对各所述待评估单元对应的残差曲线,将多个所述待评估单元对应的残差曲线中曲线走向和变化规律近似的区域进行分析。
5.如权利要求4所述的生态恢复评估装置,其特征在于,所述第一处理模块包括:
遥感数据处理单元,用于根据各所述待评估单元的矢量边界;
计算单元,根据矢量边界,采用掩膜法提取各所述待评估单元的标准NDVI。
6.如权利要求4所述的生态恢复评估装置,其特征在于,
所述平均值气候数据包括温度平均值和降水平均值;
所述多元回归方程的条件式为:NDVI=a*P+b*T+c,其中,式中NDVI为平均值NDVI,P代表降水平均值,T代表温度平均值,a、b和c为所述多元回归方程确定的常数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110649264.XA CN113269464B (zh) | 2021-06-10 | 2021-06-10 | 一种生态恢复评估方法和生态恢复评估装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110649264.XA CN113269464B (zh) | 2021-06-10 | 2021-06-10 | 一种生态恢复评估方法和生态恢复评估装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113269464A CN113269464A (zh) | 2021-08-17 |
CN113269464B true CN113269464B (zh) | 2024-04-23 |
Family
ID=77234828
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110649264.XA Active CN113269464B (zh) | 2021-06-10 | 2021-06-10 | 一种生态恢复评估方法和生态恢复评估装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113269464B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113821987B (zh) * | 2021-11-19 | 2022-03-25 | 浙江甲骨文超级码科技股份有限公司 | 复杂地形气象数据预测方法、系统和装置 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1996029619A1 (en) * | 1995-03-17 | 1996-09-26 | University Of Leeds | Maps |
US6748327B1 (en) * | 2001-10-11 | 2004-06-08 | Larry Watson | Method for spatial estimation of solar radiation flux density and other solar correlated meteorological variables |
CN104462809A (zh) * | 2014-12-04 | 2015-03-25 | 中国科学院东北地理与农业生态研究所 | 一种基于遥感与gis相结合的草地生产力估算方法 |
CN105335966A (zh) * | 2015-10-14 | 2016-02-17 | 南京信息工程大学 | 基于局域同质性指标的多尺度遥感影像分割方法 |
CN105469784A (zh) * | 2014-09-10 | 2016-04-06 | 中国科学院声学研究所 | 概率线性鉴别分析模型生成方法和说话人聚类方法及系统 |
CN107480818A (zh) * | 2017-08-09 | 2017-12-15 | 中国热带农业科学院科技信息研究所 | 一种快速评估人类活动对植被覆盖变化影响的方法 |
KR101914061B1 (ko) * | 2018-03-29 | 2018-11-02 | 대한민국 | 인공위성에 의한 열섬특성 분석방법 |
CN108984803A (zh) * | 2018-10-22 | 2018-12-11 | 北京师范大学 | 一种农作物产量空间化的方法及系统 |
CN112396229A (zh) * | 2020-11-16 | 2021-02-23 | 中国科学院东北地理与农业生态研究所 | 退化沼泽湿地植被适宜自然或人工恢复的区域划分方法 |
CN112487346A (zh) * | 2020-10-26 | 2021-03-12 | 中国农业科学院农业资源与农业区划研究所 | 一种山地地表温度遥感反演方法 |
GB202104539D0 (en) * | 2021-03-30 | 2021-05-12 | Cognetivity Ltd | Systems and methods for predicting brain biomarker status |
-
2021
- 2021-06-10 CN CN202110649264.XA patent/CN113269464B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1996029619A1 (en) * | 1995-03-17 | 1996-09-26 | University Of Leeds | Maps |
US6748327B1 (en) * | 2001-10-11 | 2004-06-08 | Larry Watson | Method for spatial estimation of solar radiation flux density and other solar correlated meteorological variables |
CN105469784A (zh) * | 2014-09-10 | 2016-04-06 | 中国科学院声学研究所 | 概率线性鉴别分析模型生成方法和说话人聚类方法及系统 |
CN104462809A (zh) * | 2014-12-04 | 2015-03-25 | 中国科学院东北地理与农业生态研究所 | 一种基于遥感与gis相结合的草地生产力估算方法 |
CN105335966A (zh) * | 2015-10-14 | 2016-02-17 | 南京信息工程大学 | 基于局域同质性指标的多尺度遥感影像分割方法 |
CN107480818A (zh) * | 2017-08-09 | 2017-12-15 | 中国热带农业科学院科技信息研究所 | 一种快速评估人类活动对植被覆盖变化影响的方法 |
KR101914061B1 (ko) * | 2018-03-29 | 2018-11-02 | 대한민국 | 인공위성에 의한 열섬특성 분석방법 |
CN108984803A (zh) * | 2018-10-22 | 2018-12-11 | 北京师范大学 | 一种农作物产量空间化的方法及系统 |
CN112487346A (zh) * | 2020-10-26 | 2021-03-12 | 中国农业科学院农业资源与农业区划研究所 | 一种山地地表温度遥感反演方法 |
CN112396229A (zh) * | 2020-11-16 | 2021-02-23 | 中国科学院东北地理与农业生态研究所 | 退化沼泽湿地植被适宜自然或人工恢复的区域划分方法 |
GB202104539D0 (en) * | 2021-03-30 | 2021-05-12 | Cognetivity Ltd | Systems and methods for predicting brain biomarker status |
Non-Patent Citations (6)
Title |
---|
"An E ective High Spatiotemporal Resolution NDVI Fusion Model Based on Histogram Clustering";Xuegang Xing et al;《Arabian Journal of Geosciences》;20201117;1-21 * |
"中国植被覆盖时空变化及其与气候和人类活动的关系";金凯;《中国优秀博士学位论文全文数据库 基础科学辑》;第22-28页、第93-97页 * |
"基于有序聚类的机床热误差测点优化";魏弦;《现代制造工程》;20180430;108-114 * |
"基于高频在线水质数据异常的突发污染预警";史斌等;《中国环境科学》;20171130;4394-4400 * |
"多层次快速聚类的遥感图象无损压缩";王朝晖;《中国图象图形学报》;20030831;1-6 * |
周训等.《地下水科学专论》.地质出版社,2017,(第2版),第20-21页. * |
Also Published As
Publication number | Publication date |
---|---|
CN113269464A (zh) | 2021-08-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108304668B (zh) | 一种结合水文过程数据和历史先验数据的洪水预测方法 | |
CN111665575B (zh) | 一种基于统计动力的中长期降雨分级耦合预报方法及系统 | |
CN103197299B (zh) | 天气雷达径向风信息提取及量化分析系统 | |
CN106339775A (zh) | 基于天气分型和气象要素聚类的空气重污染案例判别方法 | |
CN115688404B (zh) | 基于svm-rf模型的降雨型滑坡预警方法 | |
CN112819207A (zh) | 基于相似性度量的地质灾害空间预测方法、系统及存储介质 | |
Biard et al. | Automated detection of weather fronts using a deep learning neural network | |
CN104764868A (zh) | 一种基于地理加权回归的土壤有机碳预测方法 | |
CN113902580B (zh) | 一种基于随机森林模型的历史耕地分布重建方法 | |
CN113255961B (zh) | 基于时序多源光谱遥感数据的湖泊水环境监测站点优化布局方法 | |
CN113901384A (zh) | 顾及全局空间自相关性和局部异质性的地面pm2.5浓度建模方法 | |
CN105974495A (zh) | 利用分类拟合法预判目标区域未来平均云量的方法 | |
Benoit et al. | Dealing with non-stationarity in sub-daily stochastic rainfall models | |
CN113269464B (zh) | 一种生态恢复评估方法和生态恢复评估装置 | |
CN113836808A (zh) | 一种基于重污染特征约束的pm2.5深度学习预测方法 | |
CN114120137B (zh) | 一种基于时序植被遥感影像的湿地要素时空演变监测方法 | |
Estévez et al. | A quality control procedure for long-term series of daily precipitation data in a semiarid environment | |
CN113901348A (zh) | 一种基于数学模型的钉螺分布影响因素识别与预测方法 | |
CN116756572B (zh) | 基于红树林生态系统分布数据集的构建方法 | |
Mazzoglio et al. | A local regression approach to analyze the orographic effect on the spatial variability of sub-daily rainfall annual maxima | |
CN116796649A (zh) | 一种基于机器学习的spei粗分辨率数据空间降尺度方法及装置 | |
CN116384627A (zh) | 一种基于机器学习的地质灾害评价方法 | |
Parvizi et al. | Regional frequency analysis of drought severity and duration in Karkheh River Basin, Iran using univariate L-moments method | |
Tunqui Neira et al. | Multi‐objective fitting of concentration‐discharge relationships | |
Zufiria et al. | Mobility profiles and calendars for food security and livelihoods analysis |
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 |