CN114386733A - 一种基于遥感技术的区域生态环境状况评价方法 - Google Patents
一种基于遥感技术的区域生态环境状况评价方法 Download PDFInfo
- Publication number
- CN114386733A CN114386733A CN202011142601.8A CN202011142601A CN114386733A CN 114386733 A CN114386733 A CN 114386733A CN 202011142601 A CN202011142601 A CN 202011142601A CN 114386733 A CN114386733 A CN 114386733A
- Authority
- CN
- China
- Prior art keywords
- index
- remote sensing
- evaluation
- ecological environment
- land
- 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 58
- 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
- 238000004458 analytical method Methods 0.000 claims abstract description 12
- 238000011161 development Methods 0.000 claims description 17
- 230000000694 effects Effects 0.000 claims description 15
- 238000011160 research Methods 0.000 claims description 13
- 230000007613 environmental effect Effects 0.000 claims description 11
- MWUXSHHQAYIFBG-UHFFFAOYSA-N Nitric oxide Chemical compound O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 claims description 9
- 238000000034 method Methods 0.000 claims description 7
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 5
- 238000010606 normalization Methods 0.000 claims description 4
- 239000000779 smoke Substances 0.000 claims description 4
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 claims description 3
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 3
- 239000000428 dust Substances 0.000 claims description 3
- 229910052760 oxygen Inorganic materials 0.000 claims description 3
- 239000001301 oxygen Substances 0.000 claims description 3
- 238000012847 principal component analysis method Methods 0.000 claims description 3
- 239000002689 soil Substances 0.000 claims description 3
- 239000002910 solid waste Substances 0.000 claims description 3
- 238000011425 standardization method Methods 0.000 claims description 3
- 239000000843 powder Substances 0.000 claims description 2
- 244000025254 Cannabis sativa Species 0.000 claims 1
- 230000008859 change Effects 0.000 abstract description 10
- 238000011158 quantitative evaluation Methods 0.000 abstract description 3
- 230000000007 visual effect Effects 0.000 abstract description 3
- 241000282414 Homo sapiens Species 0.000 description 12
- 238000004364 calculation method Methods 0.000 description 9
- 238000005457 optimization Methods 0.000 description 4
- 230000004083 survival effect Effects 0.000 description 4
- 238000002310 reflectometry Methods 0.000 description 3
- 239000002028 Biomass Substances 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 229910001385 heavy metal Inorganic materials 0.000 description 2
- 230000014759 maintenance of location Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 244000005700 microbiome Species 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 238000013441 quality evaluation Methods 0.000 description 2
- 231100000331 toxic Toxicity 0.000 description 2
- 230000002588 toxic effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 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
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- 238000003911 water pollution Methods 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)
- Educational Administration (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于遥感技术的区域生态环境状况评价方法，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、按照《规范》中规定的各指标权重，S6、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，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。
Description
技术领域
本发明涉及区域生态环境评价技术领域，尤其涉及一种基于遥感技术的区域生态环境状况评价方法。
背景技术
城市化的快速发展加速了人类活动对地表环境的造成的严重破坏，大气污染、水污染、土地退化、植被覆盖率锐减等生态环境问题日益凸现。生态环境为人类提供自然资源、空间环境和基本的物质条件，是人类生存的基本保障和社会赖以发展的物质基础，但在人类社会不断发展的过程中，生态环境受到的污染和破坏日益严重。中国的生态环境问题尤其严重，三废污染、城市内涝、温室效应等环境问题已经严重威胁生态安全，对人类生存和发展造成重大影响，中国生态环境问题正面临严峻挑战。生态环境质量与人类生活息息相关，越来越多的人认识到保护环境走可持续发展的重要性，更多的研究人员把目光转向生态问题上。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。
生态环境是自然、社会和经济三个要素相互作用、相互影响形成的有机整体，是以人类社会为中心的生态系统，同时也是人类赖以生存和发展的基础。生态环境质量状况是说明生态环境好坏的尺度。有学者认为一切和人类发展相关的自然资源及生存环境的优劣程度是生态环境质量；也有学者认为生态环境质量是在某一时间和空间范围内，生态系统中环境因子对人类生存和社会经济发展的适宜水平。通过定性和定量的方式对生态环境质量进行评价是了解生态环境现状和变化趋势的重要方式，其实质是了解生态环境存在的问题和矛盾，为生态环境数字化管理决策打好基础。根据科学性、系统性、代表性和可操作性等原则建立对应的评价指标体系，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。进行生态环境质量评价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，更为相关政府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评价指标获取较难，评价结果不能可视化、不能进行时空变化分析、建模及预测等问题。本发明依据《规范》，采用遥感技术手段，获取评价各类指数，按照《规范》所提供的各指标权重进行计算研究区域的生态环境状况指数RSEEI，解决EI指数法的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的区域生态环境状况评价方法。
本发明的技术方案是：
一种基于遥感技术的区域生态环境状况评价方法，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、按照《规范》中规定的各指标权重，利用公式
RSEEI＝0.35×NHQ+0.25×NNDVI+0.15×NWD+0.15×NLS+0.1×NPM
计算区域生态环境状况综合指数RSEEI：
S6、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，评价所采用的数据都为遥感数据，选取的所述遥感数据包括Landsat系列遥感影像及PM2.5产品数据。
作为优化，在步骤S3中，所有评价指标均由遥感数据反演所得；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，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(1-1)计算获得。
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)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。。
作为优化，所述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，所述S5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：
RSEEI＝0.35×NHQ+0.25×NNDVI+0.15×NWD+0.15×NLS+0.1×NPM
进行计算，即可得研究区生态环境综合指数值。
本发明的一种基于遥感技术的区域生态环境状况评价方法，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：
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，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等五个指标构成的评价体系；
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，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：
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：
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：
式(1-4)和(1-5)中，
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＝PC1[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(GeographicallyWeighted 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，按照《规范》中规定的各指标权重，计算区域生态环境状况综合指数RSEEI：
RSEEI＝0.35×NHQ+0.25×NNDVI+0.15×NWD+0.15×NLS+0.1×NPM (1-12)
式中：RSEEI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。
S6，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。
本发明公开了一种基于遥感技术的区域生态环境状况评价方法，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、按照《规范》中规定的各指标权重，S6、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，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。
Claims (5)
1.一种基于遥感技术的区域生态环境状况评价方法，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、按照《规范》中规定的各指标权重，利用公式
RSEEI＝0.35×NHQ+0.25×NNDVI+0.15×NWD+0.15×NLS+0.1×NPM
计算区域生态环境状况综合指数RSEEI：
S6、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所述的一种基于遥感技术的区域生态环境状况评价方法，其特征在于，在步骤S2中，评价所采用的数据都为遥感数据，选取的所述遥感数据包括Landsat系列遥感影像及PM2.5产品数据。
3.根据权利要求1所述的一种基于遥感技术的区域生态环境状况评价方法，其特征在于，在步骤S3中，所有评价指标均由遥感数据反演所得；其中：
生物丰度指标HQ，计算公式为：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，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，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。
4.根据权利要求1所述的一种基于遥感技术的区域生态环境状况评价方法，其特征在于，所述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所述的一种基于遥感技术的区域生态环境状况评价方法，其特征在于，所述S5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：
RSEEI＝0.35×NHQ+0.25×NNDVI+0.15×NWD+0.15×NLS+0.1×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 |
|---|---|---|---|
| CN202011142601.8A CN114386733A (zh) | 2020-10-17 | 2020-10-17 | 一种基于遥感技术的区域生态环境状况评价方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011142601.8A CN114386733A (zh) | 2020-10-17 | 2020-10-17 | 一种基于遥感技术的区域生态环境状况评价方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114386733A true CN114386733A (zh) | 2022-04-22 |
Family
ID=81194888
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011142601.8A Pending CN114386733A (zh) | 2020-10-17 | 2020-10-17 | 一种基于遥感技术的区域生态环境状况评价方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114386733A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116337146A (zh) * | 2022-12-27 | 2023-06-27 | 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 |
| CN116645001A (zh) * | 2023-06-01 | 2023-08-25 | 中国地质科学院矿产资源研究所 | 一种基于多维度数据分析的金属矿山环境评价方法及装置 |
| CN116757357A (zh) * | 2023-05-29 | 2023-09-15 | 河北省科学院地理科学研究所 | 一种耦合多源遥感信息的土地生态状况评估方法 |
-
2020
- 2020-10-17 CN CN202011142601.8A patent/CN114386733A/zh active Pending
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116337146A (zh) * | 2022-12-27 | 2023-06-27 | 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 |
| 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 |
| CN116757357A (zh) * | 2023-05-29 | 2023-09-15 | 河北省科学院地理科学研究所 | 一种耦合多源遥感信息的土地生态状况评估方法 |
| CN116757357B (zh) * | 2023-05-29 | 2024-05-31 | 河北省科学院地理科学研究所 | 一种耦合多源遥感信息的土地生态状况评估方法 |
| CN116645001A (zh) * | 2023-06-01 | 2023-08-25 | 中国地质科学院矿产资源研究所 | 一种基于多维度数据分析的金属矿山环境评价方法及装置 |
| CN116645001B (zh) * | 2023-06-01 | 2024-04-30 | 中国地质科学院矿产资源研究所 | 一种基于多维度数据分析的金属矿山环境评价方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114386733A (zh) | 一种基于遥感技术的区域生态环境状况评价方法 | |
| CN112085241B (zh) | 一种基于机器学习的环境大数据分析和决策平台 | |
| 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 | |
| Zhou et al. | Spatial correlations between landscape patterns and net primary productivity: A case study of the Shule River Basin, China | |
| Şenol et al. | Computational intelligence applied to soil quality index using GIS and geostatistical approaches in semiarid ecosystem | |
| CN108896492B (zh) | Pso-bp神经网络模型的训练方法、存储介质及终端 | |
| Sheidai Karkaj et al. | Establishing a suitable soil quality index for semi-arid rangeland ecosystems in northwest of Iran | |
| Song et al. | Impacts of environmental heterogeneity on moss diversity and distribution of Didymodon (Pottiaceae) in Tibet, China | |
| Rodriguez et al. | Modeling the fate of atmospheric reduced nitrogen during the Rocky Mountain Atmospheric Nitrogen and Sulfur Study (RoMANS): Performance evaluation and diagnosis using integrated processes rate analysis | |
| Mutshinda et al. | Phytoplankton traits from long-term oceanographic time-series | |
| CN116205509A (zh) | 一种全面评价土壤重金属污染状况的研究方法 | |
| Almeida et al. | Integration of biomonitoring and instrumental techniques to assess the air quality in an industrial area located in the coastal of central Asturias, Spain | |
| Sihag et al. | Estimation of ground-level O3 using soft computing techniques: case study of Amritsar, Punjab State, India | |
| Wan et al. | The effects of the human footprint and soil properties on the habitat suitability of large old trees in alpine urban and periurban areas | |
| Ma et al. | Spatial distribution and driving factors of soil organic carbon in the Northeast China Plain: Insights from latest monitoring data | |
| Siddiq et al. | Analysis of carbon stock distribution of mangrove forests in the Coastal City of Benoa, Bali with combination vegetation index, and statistics approach | |
| CN116757357B (zh) | 一种耦合多源遥感信息的土地生态状况评估方法 | |
| Kinyangi | Soil health and soil quality: a review | |
| Bertini et al. | Hierarchical partitioning for selection of microbial and chemical indicators of soil quality | |
| Prayitno et al. | Utilization of soil function information for assessing soil quality of rice field in the quaternary-tertiary volcanic transitional zones in central Java | |
| An et al. | A digital twin enabled internet of living things (IoLT) framework for soil carbon management | |
| Ren et al. | Shift of potential natural vegetation against global climate change under historical, current and future scenarios | |
| Bertoni et al. | A non-deterministic approach to forecasting the trophic evolution of lakes | |
| Ram et al. | Air Quality Prediction using Machine Learning Algorithm | |
| Huang et al. | Effect of remote sensing image pixel decomposition on the spectral response of soil heavy metals |
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 |