CN114386732A - 基于遥感技术和层次分析法的生态环境综合评价方法 - Google Patents
基于遥感技术和层次分析法的生态环境综合评价方法 Download PDFInfo
- Publication number
- CN114386732A CN114386732A CN202011142535.4A CN202011142535A CN114386732A CN 114386732 A CN114386732 A CN 114386732A CN 202011142535 A CN202011142535 A CN 202011142535A CN 114386732 A CN114386732 A CN 114386732A
- Authority
- CN
- China
- Prior art keywords
- index
- remote sensing
- ecological environment
- land
- 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.)
- Pending
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 57
- 238000000034 method Methods 0.000 title claims abstract description 34
- 230000008569 process Effects 0.000 title claims abstract description 22
- 238000005516 engineering process Methods 0.000 title claims abstract description 19
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 32
- 238000011160 research Methods 0.000 claims description 15
- 230000000694 effects Effects 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000011161 development Methods 0.000 claims description 11
- 238000004458 analytical method Methods 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 8
- 239000002689 soil Substances 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 3
- 238000011425 standardization method Methods 0.000 claims description 3
- 238000012847 principal component analysis method Methods 0.000 claims description 2
- 230000007613 environmental effect Effects 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 6
- MWUXSHHQAYIFBG-UHFFFAOYSA-N Nitric oxide Chemical compound O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 5
- 239000000126 substance Substances 0.000 description 5
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 239000000428 dust Substances 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 238000002310 reflectometry Methods 0.000 description 3
- 239000000779 smoke Substances 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000014759 maintenance of location Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000013441 quality evaluation Methods 0.000 description 2
- 239000002910 solid waste Substances 0.000 description 2
- 231100000331 toxic Toxicity 0.000 description 2
- 230000002588 toxic effect Effects 0.000 description 2
- 239000002028 Biomass Substances 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 229910001385 heavy metal Inorganic materials 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 244000005700 microbiome Species 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000000007 visual 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
- G06Q10/0639—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
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
本发明公开了基于遥感技术和层次分析法的生态环境综合评价方法，其特征在于，包括以下步骤：S1、选取能够直观反映生态条件优劣的评价指标，构建区域生态环境状况评价体系，所述评价指标包括生物丰度指标HQ、植被覆盖度指标NDVI、水网密度指标WD、土地胁迫指标LS和污染负荷指标PM；S2、根据指标内涵，选取遥感数据，根据指标内涵与遥感影像的相关性，分别选取Landsat系列遥感影像及PM2.5产品数据；S3、利用遥感数据反演各评价指标；S4、对各指标进行归一化处理；S5、利用层次分析法，建立评价指标间的层次关系，确定各指标权重；S6、利用公式计算区域生态环境状况综合指数RAECI：S7、根据区域生态环境综合指数对区域生态环境状况进行分级。
Description
技术领域
本发明涉及区域生态环境评价技术领域，尤其涉及基于遥感技术和层次分 析法的生态环境综合评价方法。
背景技术
目前，生态文明建设摆在非常突出的位置。如何定量说明生态环 境质量状态及发展趋势、科学地评判生态环境质量，已经逐渐成为当 前研究的热门课题之一。根据科学性、系统性、代表性和可操作性等 原则建立对应的区域生态环境现状评价指标体系，并选择适宜的综合 评价方法对某一区域内的生态环境质量的优劣程度进行定性或定量 的分析和判别，是分析生态环境质量状况的基本方式，也是环境监管、 保护，现代化建设和民生工程的重要内容，更为相关职能部门行政决 策提供参考依据。
由于受到学科领域和研究方法限制，国内外尚未有一套十分完善且适宜不 同地区的生态环境质量评价体系，通用且成熟的生态环境评价体系还处于不断 探索和发展中。从生态环境质量评价研究和发展现状分析，一些发达国家在生 态环境评价研究方面已经从调查、分类和制图阶段，发展到了环境模拟、监测、 评价和管理阶段。随着“3S”技术和计算机技术的快速发展，生态环境质量评 价研究也进入了快速发展时期，就目前对生态环境质量评价研究现状而言，区 域生态环境质量的评价大都以静态评价为主，且仅局限于特定时期的某一区域。 对环境质量进行动态监测、分析和判别，更有利于制定相应的环境保护策略， 了解环境动态变化及发展趋势。
我国通过制定《中华人民共和国环境保护法》实现对生态环境监督和保护， 同时规定《规范》为国家环境评价标准。该《规范》于2006年首次发布试行， 2015年第一次修订，该技术规范主要介绍了生态环境状况指数EI(Ecological Index)，规定了生态环境状况评价指标体系、各指标计算方法和适用区域。《规 范》自试行至今，虽已被广泛使用，但EI部分评价指标较难获取、各指标权重 值合理性、归一化系数的有效设定等都存在一定问题。本发明依据《规范》，采 用遥感技术手段，获取评价各类指数，提出一种基于遥感的层次分析法生态环 境综合指数RAECI，解决EI指数法的指标权重设置不合理、评价结果不能可视化、不能进行空间分布分析等问题。
因此，有必要提出一种改进，以克服现有技术的缺陷。
发明内容
本发明的目的是解决现有技术中的问题，提供一种基于遥感技术和层次分 析法的生态环境综合评价方法。
本发明的技术方案是：
基于遥感技术和层次分析法的生态环境综合评价方法，其特征在于，包括 以下步骤：
S1、参照《规范》，选取能够直观反映生态条件优劣的评价指标，构建区域 生态环境状况评价体系。所述评价指标包括生物丰度指标HQ、植被覆盖度指标 NDVI、水网密度指标WD、土地胁迫指标LS和污染负荷指标PM；
S2、根据指标内涵，选取遥感数据，根据指标内涵与遥感影像的相关性， 分别选取Landsat系列遥感影像及PM2.5产品数据；
S3、利用遥感数据反演各评价指标；
S4、对各指标进行归一化处理；
S5、利用层次分析法，建立评价指标间的层次关系，确定各指标权重；
S6、利用公式RAECI＝α×NHQ+β×NNDVI+γ×NWD+δ×NLS+η× NPM计算区域生态环境状况综合指数RAECI：
S7、根据区域生态环境综合指数对区域生态环境状况进行分级。
作为优化，在步骤S2中，评价所采用的数据均为遥感数据，选取的所述遥 感数据包括Landsat系列遥感影像和PM2.5产品数据。
作为优化，在步骤S3中，所有指标值均由遥感数据反演所得，其中：
生物丰度指标HQ，根据Landsat系列遥感影像把研究区分类为林地、灌木/ 草地、耕地、水体、建设用地、未利用地等共6类，获取研究区土地利用类型 分类图，计算公式：HQ＝0.35×林地+0.21×灌木/草地+0.28×水体+0.11×耕地 +0.04×建设用地+0.01×未利用地；
植被覆盖度指标NDVI，植被覆盖度、生物量与生态环境优劣直接相关，而 归一化植被指数能较好地反映植被这些特征，因此，利用归一化植被指数表征 植被覆盖度指标；
水网密度指标WD，水是万物之源，水的丰富程度直接关系到生态环境的好 坏，而改进型水体指数能较好地反映水网密度特征，因此，利用改进型水体指 数表征水网密度指标；
土地胁迫指标LS，评价区域内土地质量遭受胁迫的程度，利用评价区域内 的土地开发程度来表示，而建筑指数IBI、土壤指数SI、干度NDBSI和地表温 度LST等都能较好地反映土地开发程度，本项目综合考虑上述4个指数，通过 主成分分析法获取的第一分量来表征土地胁迫指数；
污染负荷指标PM，根据《规范》，污染类型应包括化学需氧量、氨氮、二 氧化硫、烟粉、烟尘、氮氧化物、固体废物等，其中PM2.5粒径小，面积大， 活性强，易附带有毒、有害物质，且在大气中的停留时间长、输送距离远，因 而对人体健康和大气环境质量的影响更大，PM2.5浓度能较好地反映大气污染 状况，本项目采用其来表征污染负荷指数。
作为优化，在步骤S4中，对各指标进行归一化处理；由于各个单项指标的 数据来源不同、量纲不同，不具有可比性，难以进行综合汇总度量，在计算得 出各项指标后，还要对其进行标准化处理，即无量纲化，用以消除量纲的影响， 然后再对标准化后的指标数据进行加权处理，将其放入最终的测算模型——加 权求和模型；
在进行标准化处理时，不同指标采取的标准化方法也不同，正向指标如生 物丰度、植被覆盖和水网密度指数采用最大效果标准化，逆向指标如土地胁迫 和污染负荷指数则采用最小效果标准化。
作为优化，在步骤S5中，利用层次分析法，建立评价指标间的层次关系， 确定各指标权重，解决评价时各指标权重不够合理的问题。
作为优化，在步骤S6中，借助GIS技术，基于生物丰度、植被覆盖、水网 密度、土地胁迫和污染负荷等五个单项指标标准化栅格数据集，在ArcGIS软件 空间分析模块下的栅格计算器工具中输入公式RAECI＝α×NHQ+β× NNDVI+γ×NWD+δ×NLS+η×NPM进行计算，即可得研究区生态环境综合 指数值。
本发明的一种完全基于遥感技术和层次分析法的生态环境综合评价方法， 实现对乡镇、县、市、省、国家等各类区域的定性、定量评价，时空分析、可 视化表达及变化趋势分析。
附图说明
图1为本发明生态环境评价指标体系构成图；
图2为本发明基于遥感技术的生态环境状况评价技术路线图。
具体实施方式
为了使本发明实现的技术手段、技术特征、发明目的与技术效果易于明白 了解，下面结合具体图示，进一步阐述本发明。
实施例一：
完全基于遥感技术和层次分析法的生态环境综合评价方法，
S1，参照《规范》，选取能够直观反映生态条件优劣的评价指标，构建区域 生态环境状况评价体系。该评价体系包括生物丰度指标HQ、植被覆盖度指标 NDVI、水网密度指标WD、土地胁迫指标LS和污染负荷指标PM；
S2，根据指标内涵，选取遥感数据。根据指标内涵与遥感影像的相关性， 分别选取Landsat系列遥感影像及PM2.5产品数据；
S3，利用遥感数据反演各评价指标。
生物丰度指标HQ。生物丰度是评价区域内生物的丰贫程度，利用生物栖息 地质量和生物多样性综合表示。当生物多样性指数没有动态更新数据时，生物 丰度指数变化等于生境质量指数的变化。因此，用生境质量指数来代表生物丰 度。具体计算方法根据Landsat系列遥感影像把研究区分类为林地、灌木/草地、 耕地、水体、建设用地、未利用地等共6类，获取研究区土地利用类型分类图， 通过以下公式计算获得。
HQ＝0.35×林地+0.21×灌木/草地+0.28×水体+0.11×耕地+0.04×建设用地+0.01×未利用地 (1-1)
植被覆盖度指标NDVI。植被覆盖度、生物量与生态环境优劣直接相关，而 归一化植被指数能较好地反映植被这些特征。因此，利用归一化植被指数表征 植被覆盖度指标，具体计算公式如下：
NDVI＝(ρNIR-ρR)/(ρNIR+ρR) (1-2)
ρNIR，ρR分别代表各传感器近红外及红光波段反射率。
水网密度指标WD。水是万物之源，水的丰富程度直接关系到生态环境的好 坏，而改进型水体指数能较好地反映水网密度特征。因此利用改进型水体指数 表征水网密度指标，具体计算公式如下：
MNDWI＝(ρG-ρMIR)/(ρG+ρMIR) (1-3)
ρG，ρMIR分别代表各传感器绿光及中红外波段反射率。
土地胁迫指标LS。评价区域内土地质量遭受胁迫的程度，利用评价区域内 的土地开发程度来表示。而建筑指数IBI、土壤指数SI、干度NDBSI和地表温 度LST等都能较好地反映土地开发程度，本项目综合考虑上述4个指数，通过 主成分分析法获取的第一分量来表征土地胁迫指数，具体计算公式如下：
SI＝[(ρMIR+ρR)-(ρNIR+ρB)]/[(ρMIR+ρR)+(ρNIR+ρB)] (1-5)
NDBSI＝(IBI+SI)/2 (1-6)
式(1-4)和(1-5)中，ρMIR，ρNIR，ρR，ρG和ρB分别代表各传感器中 红外、近红外、红光、绿光和蓝光波段反射率。
LST＝T/[1+(λT/ρ)lnε] (1-7)
T＝K2/ln(K1/L+1) (1-8)
式(1-7)和(1-8)中，K1和K2为定标参数，λ为反演温度的热红外波 段的中心波长，ρ＝1.438×10-2mK，ε为比辐射率。
土地胁迫指数＝PCI[f(IBI，SI，NDBSI，LST)] (1-9)
污染负荷指标PM。根据《规范》，污染类型应包括化学需氧量、氨氮、二 氧化硫、烟(粉)尘、氮氧化物、固体废物等，其中PM2.5粒径小，面积大， 活性强，易附带有毒、有害物质(例如，重金属、微生物等)，且在大气中的停 留时间长、输送距离远，因而对人体健康和大气环境质量的影响更大。PM2.5 浓度能较好地反映大气污染状况，本项目采用其来表征污染负荷指数。
PM2.5产品数据来源于达尔豪斯大学大气成分分析课题组 (http：//fizz.phys.dal.ca/～atmos/martin/？page_id＝140)，空间分辨率为1km。该数 据先借助GEOS-Chem化学传输模式，结合NASA MODIS，MISR和SeaWIFS 仪器获取的数据反演得到的AOD产品数据进行估算，然后再结合地面监测 PM2.5数据，通过地理加权回归(Geographically Weighted Regression，GWR)模 型进行最终校准得到。
S4，对各指标进行归一化处理。由于各个单项指标的数据来源不同、量纲 不同，不具有可比性，难以进行综合汇总度量，在计算得出各项指标后，还要 对其进行标准化处理，即无量纲化，用以消除量纲的影响，然后再对标准化后 的指标数据进行加权处理，将其放入最终的测算模型——加权求和模型。
在进行标准化处理时，不同指标采取的标准化方法也不同，正向指标如生 物丰度、植被覆盖和水网密度指数采用最大效果标准化，逆向指标如土地胁迫 和污染负荷指数则采用最小效果标准化，最大和最小效果标准化均属于极差标 准化，其公式如下：
当xi为正向指标时，最大效果标准化：
Iscorei＝(xi-xmin)/(xmax-xmin) (1-10)
当xi为逆向指标时，最小效果标准化：
Iscorei＝(xmax-xi)/(xmax-xmin) (1-11)
式中：xi表示第i个栅格的某一指数(生物丰度、植被覆盖、水网密度、土 地胁迫和污染负荷指数)的初始值，Iscorei表示第i个栅格的某一指数的标准 化后的值，xmin和xmax分别表示所有栅格中某一指数的最小和最大值。
S5，利用层次分析法，建立评价指标间的层次关系，确定各指标权重。
层次分析法是一种定性和定量相结合的、系统化、层次化的分析方法。它 对同一层次的各指标，以上层的指标为准则进行两两比较，构造两两比较判断 矩阵，并进行一致性检验，确定指标权重。然后利用同一层次中所有本层次对 应从属指标的权重值，以及上层次所有指标的权重，进行加权计算本层次所有 指标对最高层次的权重值，最后得出生态环境质量的综合权重。该方法具有较 强的逻辑性、系统性，且简洁实用，决策或评价结果具有较强的数学理论依据， 应用比较广泛。本项目采用层次法确定权重，计算过程如下：
构建五个指标对比矩阵。
通常情况下，aij是五个指标两两相互比较重要性的值，本项目中直接用两 两要素的相关系数值代替，避免主观赋值的不可靠性。
计算矩阵的特征向量和指标权重。计算出矩阵的特征向量后，就可以计算 出五个指标的相对权重。
对矩阵A的各列求和；
对每一列进行归一化处理，公式为：
其中，∑Aij的值为各列的和。得到的结果为一个新的矩阵B。
对每一行进行求和，即得出特征向量。
计算指标的权重：对特征向量进行归一化处理即可得出各个指标的权重。 公式为：
对矩阵进行一致性检验来验证计算出来的权重是否是有效和可取的，这里 不作赘述。
S6，通过获取的指标权重，计算区域生态环境状况综合指数。
RAECI＝α×NHQ+β×NNDVI+γ×NWD+δ×NLS+η×NPM (1-15)
RAECI为生态环境综合指数，NHQ、NNDVI、NWD、NLS和NPM分别为 标准化生物丰度、标准化植被覆盖、标准化水网密度、标准化土地胁迫和标准 化污染负荷指数，α、β、γ、δ和η分别为五个单项指数对应的权重。。
S7，根据区域生态环境综合指数对区域生态环境状况进行分级。
综上所述仅为本发明较佳的实施例，并非用来限定本发明的实施范围。即 凡依本发明申请专利范围的内容所作的等效变化及修饰，皆应属于本发明的技 术范畴。
Claims (6)
1.基于遥感技术和层次分析法的生态环境综合评价方法，其特征在于，包括以下步骤：
S1、选取能够直观反映生态条件优劣的评价指标，构建区域生态环境状况评价体系，所述评价指标包括生物丰度指标HQ、植被覆盖度指标NDVI、水网密度指标WD、土地胁迫指标LS和污染负荷指标PM；
S2、根据指标内涵，选取遥感数据，根据指标内涵与遥感影像的相关性，分别选取Landsat系列遥感影像及PM2.5产品数据；
S3、利用遥感数据反演各评价指标；
S4、对各指标进行归一化处理；
S5、利用层次分析法，建立评价指标间的层次关系，确定各指标权重；
S6、利用公式RAECI＝α×NHQ+β×NNDVI+γ×NWD+δ×NLS+η×NPM计算区域生态环境状况综合指数RAECI：
S7、根据区域生态环境综合指数对区域生态环境状况进行分级。
2.根据权利要求1所述的基于遥感技术和层次分析法的生态环境综合评价方法，其特征在于，在步骤S2中，评价所采用的数据均为遥感数据，选取的所述遥感数据包括Landsat系列遥感影像和PM2.5产品数据。
3.根据权利要求1所述的基于遥感技术和层次分析法的生态环境综合评价方法，其特征在于，在步骤S3中，所有指标值均由遥感数据反演所得，其中：
生物丰度指标HQ，根据Landsat系列遥感影像把研究区分类为林地、灌木/草地、耕地、水体、建设用地、未利用地等共6类，获取研究区土地利用类型分类图，计算公式：HQ＝0.35×林地+0.21×灌木/草地+0.28×水体+0.11×耕地+0.04×建设用地+0.01×未利用地；
植被覆盖度指标NDVI，通过归一化植被指数表征植被覆盖度指标；
水网密度指标WD，水通过改进型水体指数表征水网密度指标；
土地胁迫指标LS，评价区域内土地质量遭受胁迫的程度，利用评价区域内的土地开发程度来表示，土地开发程度包括建筑指数IBI、土壤指数SI、干度NDBSI和地表温度LST，通过主成分分析法获取的第一分量来表征土地胁迫指数；
污染负荷指标PM，采用PM2.5来表征污染负荷指数。
4.根据权利要求1所述的基于遥感技术和层次分析法的生态环境综合评价方法，其特征在于，在步骤S4中，对各指标进行归一化处理；由于各个单项指标的数据来源不同、量纲不同，不具有可比性，难以进行综合汇总度量，在计算得出各项指标后，还要对其进行标准化处理，即无量纲化，用以消除量纲的影响，然后再对标准化后的指标数据进行加权处理，将其放入最终的测算模型——加权求和模型；
在进行标准化处理时，不同指标采取的标准化方法也不同，正向指标如生物丰度、植被覆盖和水网密度指数采用最大效果标准化，逆向指标如土地胁迫和污染负荷指数则采用最小效果标准化。
5.根据权利要求1所述的基于遥感技术和层次分析法的生态环境综合评价方法，其特征在于，在步骤S5中，利用层次分析法，建立评价指标间的层次关系，确定各指标权重，解决评价时各指标权重不够合理的问题。
6.根据权利要求1所述的基于遥感技术和层次分析法的生态环境综合评价方法，其特征在于，在步骤S6中，借助GIS技术，基于生物丰度、植被覆盖、水网密度、土地胁迫和污染负荷等五个单项指标标准化栅格数据集，在ArcGIS软件空间分析模块下的栅格计算器工具中输入公式RAECI＝α×NHQ+β×NNDVI+γ×NWD+δ×NLS+η×NPM进行计算，即可得研究区生态环境综合指数值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011142535.4A CN114386732A (zh) | 2020-10-17 | 2020-10-17 | 基于遥感技术和层次分析法的生态环境综合评价方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011142535.4A CN114386732A (zh) | 2020-10-17 | 2020-10-17 | 基于遥感技术和层次分析法的生态环境综合评价方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114386732A true CN114386732A (zh) | 2022-04-22 |
Family
ID=81194949
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011142535.4A Pending CN114386732A (zh) | 2020-10-17 | 2020-10-17 | 基于遥感技术和层次分析法的生态环境综合评价方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114386732A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115169969A (zh) * | 2022-07-29 | 2022-10-11 | 江苏中煤地质工程研究院有限公司 | 生态环境状况综合评价方法、装置、电子设备及存储介质 |
| CN116596326A (zh) * | 2023-04-11 | 2023-08-15 | 常州双炬智能科技有限公司 | 一种基于遥感数据的城市环境检测及综合评估方法 |
| CN117408418A (zh) * | 2023-10-16 | 2024-01-16 | 河南大学 | 基于遥感大数据的区域综合生态环境质量评价方法和系统 |
-
2020
- 2020-10-17 CN CN202011142535.4A patent/CN114386732A/zh active Pending
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115169969A (zh) * | 2022-07-29 | 2022-10-11 | 江苏中煤地质工程研究院有限公司 | 生态环境状况综合评价方法、装置、电子设备及存储介质 |
| CN115169969B (zh) * | 2022-07-29 | 2024-01-19 | 江苏中煤地质工程研究院有限公司 | 生态环境状况综合评价方法、装置、电子设备及存储介质 |
| CN116596326A (zh) * | 2023-04-11 | 2023-08-15 | 常州双炬智能科技有限公司 | 一种基于遥感数据的城市环境检测及综合评估方法 |
| CN116596326B (zh) * | 2023-04-11 | 2024-04-26 | 泰州城发数字科技有限公司 | 一种基于遥感数据的城市环境检测及综合评估方法 |
| CN117408418A (zh) * | 2023-10-16 | 2024-01-16 | 河南大学 | 基于遥感大数据的区域综合生态环境质量评价方法和系统 |
| CN117408418B (zh) * | 2023-10-16 | 2024-05-10 | 河南大学 | 基于遥感大数据的区域综合生态环境质量评价方法和系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114386732A (zh) | 基于遥感技术和层次分析法的生态环境综合评价方法 | |
| Demattê et al. | Soil analytical quality control by traditional and spectroscopy techniques: Constructing the future of a hybrid laboratory for low environmental impact | |
| Braswell et al. | A multivariable approach for mapping sub-pixel land cover distributions using MISR and MODIS: Application in the Brazilian Amazon region | |
| Chen et al. | Monitoring soil organic carbon in alpine soils using in situ vis‐NIR spectroscopy and a multilayer perceptron | |
| Jin et al. | Machine learning for observation bias correction with application to dust storm data assimilation | |
| CN115356249B (zh) | 基于机器学习融合模型的卫星偏振pm2.5估算方法和系统 | |
| Song et al. | Impacts of environmental heterogeneity on moss diversity and distribution of Didymodon (Pottiaceae) in Tibet, China | |
| Zaidan et al. | Exploring non-linear associations between atmospheric new-particle formation and ambient variables: a mutual information approach | |
| CN108764527B (zh) | 一种土壤有机碳库时空动态预测最优环境变量筛选方法 | |
| CN114595956A (zh) | 一种基于灰度关联法模糊聚类算法的桉树土壤肥力分析方法 | |
| CN112364940A (zh) | 基于多源数据的大气污染物源解析方法、存储介质及设备 | |
| CN114764682B (zh) | 一种基于多机器学习算法融合的大米安全风险评估方法 | |
| CN114386733A (zh) | 一种基于遥感技术的区域生态环境状况评价方法 | |
| Sihag et al. | Estimation of ground-level O3 using soft computing techniques: case study of Amritsar, Punjab State, India | |
| Liu et al. | Global validation of a process-based model on vegetation gross primary production using eddy covariance observations | |
| Zhang et al. | Effects of air pollutants and their interactive environmental factors on winter wheat yield | |
| McMichael et al. | On the scaling and standardization of charcoal data in paleofire reconstructions | |
| Zhan et al. | Impact of summertime anthropogenic emissions on atmospheric black carbon at Ny-Ålesund in the Arctic | |
| Wang et al. | Research on habitat quality assessment and decision-making based on Semi-supervised Ensemble Learning method—Daxia River Basin, China | |
| He et al. | Dynamics of soil organic carbon and nitrogen and their relations to hydrothermal variability in dryland | |
| Hao et al. | Ensemble learning-based applied research on heavy metals prediction in a soil-rice system | |
| Zhao et al. | Association, correlation, and causation among transport variables of PM2. 5 | |
| CN114280694B (zh) | 一种基于气象卫星光谱成像仪的快速辐射传输方法及系统 | |
| CN115345488A (zh) | 一种湿地生态系统服务评估方法、装置、服务器及介质 | |
| Tripathi et al. | Modelling the Spatial Variation of Methane and Nitrous Oxide Emission from Rice Fields Using DNDC Model |
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 |