CN115169969A - 生态环境状况综合评价方法、装置、电子设备及存储介质 - Google Patents
生态环境状况综合评价方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN115169969A CN115169969A CN202210906573.5A CN202210906573A CN115169969A CN 115169969 A CN115169969 A CN 115169969A CN 202210906573 A CN202210906573 A CN 202210906573A CN 115169969 A CN115169969 A CN 115169969A
- Authority
- CN
- China
- Prior art keywords
- ecological
- risk
- data
- index
- comprehensive
- 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.)
- Granted
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 95
- 238000003860 storage Methods 0.000 title claims abstract description 18
- 238000000034 method Methods 0.000 claims abstract description 29
- 238000013210 evaluation model Methods 0.000 claims abstract description 24
- 238000005259 measurement Methods 0.000 claims abstract description 20
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 22
- 230000007613 environmental effect Effects 0.000 claims description 21
- 239000002131 composite material Substances 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 9
- 241000196324 Embryophyta Species 0.000 description 10
- 241001465754 Metazoa Species 0.000 description 8
- 241000894007 species Species 0.000 description 8
- 230000002792 vascular Effects 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 7
- 241000282414 Homo sapiens Species 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000011835 investigation Methods 0.000 description 5
- 238000010606 normalization Methods 0.000 description 5
- 239000002689 soil Substances 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000003912 environmental pollution Methods 0.000 description 3
- 230000009545 invasion Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- MWUXSHHQAYIFBG-UHFFFAOYSA-N nitrogen oxide Inorganic materials O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 3
- 238000000513 principal component analysis Methods 0.000 description 3
- 238000012502 risk assessment Methods 0.000 description 3
- 241000271566 Aves Species 0.000 description 2
- 241000938605 Crocodylia Species 0.000 description 2
- 241000255777 Lepidoptera Species 0.000 description 2
- 241000124008 Mammalia Species 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000428 dust Substances 0.000 description 2
- 230000003628 erosive effect Effects 0.000 description 2
- 239000013505 freshwater Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000001556 precipitation Methods 0.000 description 2
- 238000012847 principal component analysis method Methods 0.000 description 2
- 238000013077 scoring method Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 239000002028 Biomass Substances 0.000 description 1
- 230000005457 Black-body radiation Effects 0.000 description 1
- QGZKDVFQNNGYKY-UHFFFAOYSA-N ammonia Natural products N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 description 1
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010205 computational analysis Methods 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000031700 light absorption Effects 0.000 description 1
- 229910000069 nitrogen hydride Inorganic materials 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 239000002910 solid waste Substances 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 239000002352 surface water Substances 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 238000012546 transfer 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
- 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (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
本申请涉及生态环境评价技术领域，尤其是涉及一种生态环境状况综合评价方法、装置、电子设备及存储介质，所述方法包括：获取待评价区域指定时间的实测生态数据，并基于所述实测生态数据生成自然生态综合指数；获取待评价区域指定时间的遥感生态数据，并基于所述遥感生态数据生成遥感生态综合指数；获取待评价区域指定时间的污染企业数据和/或地质风险数据，并基于所述污染企业数据和/或地质风险数据生成生态风险综合指数；根据自然生态综合指数、遥感生态综合指数和生态风险综合指数，建立生态环境状况综合评价模型；根据生态环境状况综合评价模型，生成生态环境状况综合评价结果。本申请对生态环境状况的综合评价更加全面准确。
Description
技术领域
本申请涉及生态环境评价技术领域，尤其是涉及一种生态环境状况综合评价方法、装置、电子设备及存储介质。
背景技术
生态环境状况是指生态环境的实际情况，其从生态系统层次上反映生态环境对人类生存及社会经济持续发展的适宜程度。生态环境状况综合评价就是根据特定的评价指标和评价方法，对生态环境状况进行定性或定量的分析和判别。
相关技术中，生态环境评价是以区域生态系统为评价对象，可以通过生物和生态概念的方法，按一定的评价标准和评价方法，对某一区域的生态环境状况进行评定和预测。当前一般采用的评价方法，是对动植物物种和环境进行分别评价，再对整个区域进行整体性评价，以得到最终的评价结果。
在实践过程中，发明人发现该技术中至少存在如下问题：
生态环境评价是一个多属性决策问题，目前对生态环境状况的评价，虽然也会涉及多个因素或多个指标，但一般都是仅基于较少的评价维度，无法得到相对更加准确的评价结果。
发明内容
为了解决上述问题，本申请提供一种生态环境状况综合评价方法、装置、电子设备及存储介质，结合生态环境的多个评价维度，对生态环境状况的综合评价更加全面准确。
第一方面，本申请提供的一种生态环境状况综合评价方法，采用如下的技术方案：
一种生态环境状况综合评价方法，所述方法包括：
获取待评价区域指定时间的实测生态数据，并基于所述实测生态数据生成自然生态综合指数；
获取待评价区域指定时间的遥感生态数据，并基于所述遥感生态数据生成遥感生态综合指数；
获取待评价区域指定时间的污染企业数据和/或地质风险数据，并基于所述污染企业数据和/或地质风险数据生成生态风险综合指数；
根据所述自然生态综合指数、遥感生态综合指数和生态风险综合指数，建立生态环境状况综合评价模型；
根据所述生态环境状况综合评价模型，生成生态环境状况综合评价结果。
通过上述技术方案，通过实测生态数据得到自然生态综合指数,通过遥感生态数据得到遥感生态综合指数,并获取待评价区域内的污染企业数据和/或地质风险数据得到生态风险综合指数，结合这多个评价维度，来生成生态环境状态综合评价模型，由此得到最终的评价结果。相比常用的评价方法，评价结果更加客观准确。
在一些实施方式中，所述获取待评价区域指定时间的实测生态数据，并基于所述实测生态数据生成自然生态综合指数，具体包括：
获取待评价区域指定时间的实测生态数据，其中，所述实测生态数据包括生物丰度数据、植被覆盖数据、水网密度数据、土地胁迫数据、污染负荷数据和环境限制数据；
根据所述实测生态数据，生成多个实测生态指数，其中，所述实测生态指数包括生物丰度指数、植被覆盖指数、水网密度指数、土地胁迫指数、污染负荷指数和环境限制指数；
根据所述多个实测生态指数，生成自然生态综合指数。
通过上述技术方案，根据不同的实测生态数据分别生成各自的实测生态指数，再将这多个实测生态指数汇总生成自然生态综合指数。
在一些实施方式中，所述获取待评价区域指定时间的遥感生态数据，并基于所述遥感生态数据生成遥感生态综合指数，具体包括：
获取待评价区域指定时间的遥感生态数据，其中，所述遥感生态数据包括绿度数据、湿度数据、干度数据、温度数据；
根据所述遥感生态数据，生成多个遥感生态指数，其中，所述遥感生态指数包括绿度指数、湿度指数、干度指数、温度指数；
根据所述多个遥感生态指数，生成遥感生态综合指数。
通过上述技术方案，根据不同的遥感生态数据分别生成各自的遥感生态指数，再将这多个遥感生态指数汇总生成遥感生态综合指数。
在一些实施方式中，所述获取待评价区域指定时间的污染企业数据和/或地质风险数据，并基于所述污染企业数据和/或地质风险数据生成生态风险综合指数，具体包括：
获取待评价区域指定时间的污染企业数据和/或地质风险数据；
根据所述污染企业数据和/或地质风险数据，提取生态风险特征信息；
根据所述生态风险特征信息，确定各污染企业和/或地质风险的风险类型、风险等级和风险区域；
根据所述风险类型、风险等级和风险区域，生成生态风险综合指数。
通过上述技术方案，根据不同的污染企业数据和/或地质风险数据分别提取各自的生态风险特征信息，根据生态风险特征信息确定各自的风险类型、风险等级和风险区域，最后汇总生成生态风险综合指数。
在一些实施方式中，还包括：
确定各个所述污染企业和/或地质风险对生态环境的影响程度，生成各个所述污染企业和/或地质风险的风险影响值；
根据所述风险影响值，生成综合评价偏差值。
通过上述技术方案，具体分析污染企业和/或地质风险对生态环境造成的影响程度，并分别生成各自的风险影响值，最后汇总生成综合评价偏差值，该综合评价偏差值可以用于最终评价结果的偏差调整。
在一些实施方式中，所述确定各个所述污染企业和/或地质风险对生态环境的影响程度，具体包括以下任意方式或任意组合方式：
若所述风险区域与生态环境的重点保护区域存在重叠区域，则根据所述风险类型和风险等级并按预设规则调整风险影响值；
若所述风险区域的密度值超过设定阈值，则按预设规则调整风险影响值；
若所述风险类型和风险等级对周边生态环境产生的风险值超过设定阈值，则按预设规则调整风险影响值。
通过上述技术方案，污染企业和/或地质风险对生态环境的影响程度的分析，可以通过上述任意方式或任意组合方式，即分析是否位于重点保护区域，或分布的密度值，或对周边生态环境是否产生直接或间接的影响。
在一些实施方式中，所述生态环境状况综合评价模型的表达式如下：
生态环境状况综合评价得分＝W1×自然生态综合指数+W2×遥感生态综合指数+W3×生态风险综合指数+W0；
其中，W1为自然生态综合指数权重，W2为遥感生态综合指数权重，W3为生态风险综合指数权重，W0为综合评价偏差值，W1+W2+W3＝100％，40％≤W1≤45％，40％≤W2≤45％，10％≤W3≤20％。
通过上述技术方案，建立生态环境状况综合评价模型，将多种评价维度相结合，对各个评价指标进行综合分析，并引入偏差值的调整，以使最终的评价结果更加全面和准确。
第二方面，本申请提供的一种生态环境状况综合评价装置，采用如下的技术方案：
一种生态环境状况综合评价装置，包括：
自然指数生成模块，用于获取待评价区域指定时间的实测生态数据，并基于所述实测生态数据生成自然生态综合指数；
遥感指数生成模块，用于获取待评价区域指定时间的遥感生态数据，并基于所述遥感生态数据生成遥感生态综合指数；
风险指数生成模块，用于获取待评价区域指定时间的污染企业数据和/或地质风险数据，并基于所述污染企业数据和/或地质风险数据生成生态风险综合指数；
评价模型建立模块，用于根据所述自然生态综合指数、遥感生态综合指数和生态风险综合指数，建立生态环境状况综合评价模型；
评价结果生成模块，用于根据所述生态环境状况综合评价模型，生成生态环境状况综合评价结果。
第三方面，本申请提供了一种电子设备，采用如下的技术方案：
一种电子设备，包括：
至少一个处理器；
存储装置，用于存储至少一个计算机程序；
当所述至少一个计算机程序被所述至少一个处理器执行，使得所述至少一个处理器实现上述技术方案所述的方法。
第四方面，本申请提供了一种计算机可读存储介质，采用如下的技术方案：
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述技术方案所述的方法。
综上所述，本申请包括以下至少一种有益技术效果：
1.结合自然生态综合指数、遥感生态综合指数、生态风险综合指数等生态环境的多个评价维度，使得对生态环境状况的综合评价更加全面。
2.结合多个评价维度来建立生态环境状况综合评价模型，并引入综合评价偏差值，根据不同情况进行调整，以使最终的评价结果更加客观准确。
3.可根据不同的评价角度来分析污染企业和/或地质风险对生态环境的影响程度，并由此得到综合评价偏差值，使得综合评价更加合理和准确。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请的一种实施例提供的生态环境状况综合评价方法的流程示意图；
图2为本申请的一种实施例提供的生成自然生态综合指数的方法的流程示意图；
图3为本申请的一种实施例提供的生成遥感生态综合指数的方法的流程示意图；
图4为本申请的一种实施例提供的生成生态风险综合指数的方法的流程示意图；
图5为本申请的一种实施例提供的生态环境状况综合评价装置的框架示意图。
具体实施方式
为使得本申请的发明目的、特征、优点能够更加的明显和易懂，下面将结合本申请的一种实施例中的附图，对本申请的一种实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
以下结合附图1至5对本申请作进一步详细说明。
如图1所示的生态环境状况综合评价方法，可以实施以下步骤：
101、获取待评价区域指定时间的实测生态数据，并基于所述实测生态数据生成自然生态综合指数。
本申请实施例中，获取自然环境及生态的实测生态数据，根据实测生态数据，以及预设的计算模型，来生成自然生态综合指数。
102、获取待评价区域指定时间的遥感生态数据，并基于所述遥感生态数据生成遥感生态综合指数。
本申请实施例中，获取遥感生态数据中的多个评价因子作为评价指标，并对各个指标通过主成分分析、熵权法或专家打分法来确定各评价指标的权重，由此生成最终的遥感生态综合指数。
103、获取待评价区域指定时间的污染企业数据和/或地质风险数据，并基于所述污染企业数据和/或地质风险数据生成生态风险综合指数。
本申请实施例中，获取污染企业数据和/或地质风险数据，根据每一个污染企业数据和/或地质风险数据，来得到具体的风险类型、风险等级和风险区域等数据，并由此计算其影响范围的影响面积，根据影响面积与待评价区域的面积占比，来计算得到各生态风险指数；将各生态风险指数汇总后，结合具体的风险数量，生成生态风险综合指数。
104、根据所述自然生态综合指数、遥感生态综合指数和生态风险综合指数，建立生态环境状况综合评价模型。
本申请的一种实施例中，生态环境状况综合评价模型的表达式如下：
生态环境状况综合评价得分＝W1×自然生态综合指数+W2×遥感生态综合指数+W3×生态风险综合指数；
其中，W1为自然生态综合指数权重，W2为遥感生态综合指数权重，W3为生态风险综合指数权重，W1+W2+W3＝100％，40％≤W1≤45％，40％≤W2≤45％，10％≤W3≤20％。
105、根据所述生态环境状况综合评价模型，生成生态环境状况综合评价结果。
通过主成分分析、熵权法或专家打分法来确定权重W1、W2、W3，其中W1和W2相对来说更重要，因此设置其权重范围均为40％至45％之间，而W3设置其权重范围为10％至20％之间，并由此生成最终的遥感生态综合指数。
如图2所示的生成自然生态综合指数的方法，可以实施以下步骤：
201、获取待评价区域指定时间的实测生态数据，其中，所述实测生态数据包括生物丰度数据、植被覆盖数据、水网密度数据、土地胁迫数据、污染负荷数据和环境限制数据。
202、根据所述实测生态数据，生成多个实测生态指数，其中，所述实测生态指数包括生物丰度指数、植被覆盖指数、水网密度指数、土地胁迫指数、污染负荷指数和环境限制指数。
203、根据所述多个实测生态指数，生成自然生态综合指数。
本申请实施例中，整体自然资源生态环境状况的评价，利用一个综合指数(自然生态综合指数EI)来反映区域生态环境的整体状态，指标体系包括生物丰度指数、植被覆盖指数、水网密度指数、土地胁迫指数、污染负荷指数五个分指数和一个环境限制指数。五个分指数分别反映被评价区域内生物的丰贫，植被覆盖的高低，水的丰富程度，遭受的胁迫强度，承载的污染物压力；环境限制指数是约束性指标，指根据区域内出现的严重影响人居生产生活安全的生态破坏和环境污染事项对生态环境状况进行限制和调节。
自然生态综合指数EI＝0.35×生物丰度指数+0.25×植被覆盖指数+0.15×水网密度指数+0.15×(100－土地胁迫指数)+0.10×(100－污染负荷指数)+环境限制指数。
2.1生物丰度指数
生物丰度指数＝(BI+HQ)/2；
式中：BI为生物多样性指数，评价方法执行HJ623；HQ为生境质量指数。
(一)生物多样性指数BI计算
根据《区域生物多样性评价标准》(HJ623-2011)，
BI＝R′V×0.2+R′P×0.2+D′E×0.2+E′D×0.2+R′T×0.1+(1-E′I)×0.1；
其中，
R′V：归一化后野生动物丰富度(野生哺乳类、鸟类、爬行类、两栖类、淡水雨类、蝶类的种数(含亚种))。
R′P：归一化后野生维管束植物丰富度，野生维管束植物的种数(含亚种、变种或变形)，用于表征野生植物的多样性。
D′E：归一化后的生态系统类型多样性，评价区域内自然或半自然生态系统的类型数，用于表征生态系统的类型多样性。
E′D：归一化后的物种特有性，评价区域内中国特有的野生哺乳类、鸟类、爬行类、两栖类、淡水鱼类、蝶类和维管束植物的种数的相对数量，用于表征物种的特殊价值；
式中：ED：物种特有性；
NEV：被评价区中国特有的野生动物的种数；
NEP：被评价区中国特有的野生维管束植物的种数；
635：一个县中野生动物中数的参考最大值；
3662：一个县中野生维管中植物种数的参考最大值。
R′T：归一化后受威胁物种的丰富度；
式中：RT：受威胁物种的丰富度；
NEV：被评价区中国特有的野生动物的种数；
NEP：被评价区中国特有的野生维管束植物的种数；
635：一个县中野生动物中数的参考最大值；
3662：一个县中野生维管中植物种数的参考最大值。
E′I：归一化后的外来物种入侵度；
式中：EI：外来物种入侵度；
NI：被评价区域内外业来入侵种数；
NV：被评价区域内野生动物的种数；
Np：被评价区域内野维管束植物的种数。
归一化后的评价指标＝归一化的评价指标×归一化系数
归一化系数＝100/A最大值。
(二)生境质量指数
生境质量指数(HQ)＝Abio×(0.35×林地+0.21×草地+0.28×水域湿地+0.11×耕地+0.04×建设用地+0.01×未利用地)/区域面积；
式中：Abio为生境质量指数的归一化系数，参考值为511.2642131067。
2.2植被覆盖指数
式中：Pi为5-9月象元NDVI月最大值的均值；n为区域象元数；Aveg为植被覆盖指数的归一化系数，参考值为0.0121165124。
NDVI＝(NIR-Red)/(NIR+Red)；
其中：NIR为近红外波段；Red为红波段。
2.3水网密度指数
水网密度指数＝(Ariv×河流长度/区域面积+Alak×水域面积(湖泊、水库、河渠和近海)/区域面积+Ares×水资源量*/区域面积)/3；
式中：
Ariv为河流长度的归一化系数，参考值为84.3704083981；
Alak为水域面积的归一化系数，参考值为591.7908642005；
Ares为水资源量的归一化系数，参考值为86.3869548281。
2.4土地胁迫指数
土地胁迫指数＝Aero×(0.4×重度侵蚀面积+0.2×中度侵蚀面积+0.2×建设用地面积+0.2×其它士地胁迫)/区域面积；
式中：Aero为土地胁迫指数的归一化系数，参考值为236.0435677948。
2.5污染负荷指数
污染负荷指数＝0.20×ACOD×COD排放量/区域年降水总量+0.20×ANH3×氨氮排放量/区域年降水总量+0.20×ASO2×SO2排放量/区域面积+0.10×AYFC×烟(粉)尘排放量/区域面积+0.20×ANOX×氮氧化物排放量/区域面积+0.10×ASOL×固体废物丢弃量/区域面积；
2.6环境限制指数
环境限制指数是生态环境状况的约束性指标，指根据区域内出现的严重影响人居生产生活安全的生态破坏和环境污染事项，如重大生态破坏、环境污染和突发环境事件等，对生态环境状况类型进行限制和调节。其具体内容见表1：
表1：环境限制指数约束内容
如图3所示的生成遥感生态综合指数的方法，可以实施以下步骤：
301、获取待评价区域指定时间的遥感生态数据，其中，所述遥感生态数据包括绿度数据、湿度数据、干度数据、温度数据。
302、根据所述遥感生态数据，生成多个遥感生态指数，其中，所述遥感生态指数包括绿度指数、湿度指数、干度指数、温度指数。
303、根据所述多个遥感生态指数，生成遥感生态综合指数。
本申请实施例中，遥感技术以其快速、实时及可实现大范围监测等优势被广泛地应用于自然资源生态状况领域，成为评价区域自然资源生态状况的有效手段。目前对各类生态系统评价的研究多基于单一的自然资源生态状况指标，如利用植被指数监测森林生态系统、提取水体指数获取河流信息进行水环境评估、利用地表温度测评城市热岛效应等。遥感生态指数(RSEI)是以湿度、绿度、热度和干度4个重要评价因子作为评价指标，并通过主成分耦合确定各指标对生态变化的影响贡献。该方法既能够体现区域自然资源生态状况变化的整体特征，又可以保证评价指标的综合性、客观性，被广泛应用与自然资源生态状况监测与评价中。
3.1绿度指数
植被指数NDVI是目前应用最广泛的绿度指数，其利用植被特殊的红光吸收谷与近红外波段高反射率的特征构建，能够反映植物生物量、叶面积指数等信息。
NDVI＝(NIR-Red)/(NIR+Red)；
其中：NIR为近红外波段；Red为红波段。
3.2湿度指数
缨帽变换(TCT)是将光谱数据压缩成与具有最小信息损失的几个波段的重要工具，经TCT变换后的前3个分量通常被定义为亮度、绿度、湿度，这些已广泛应用于自然资源生态状况监测之中。湿度指标采用缨帽变换的湿度分量，用以指示土壤和植被的水分信息。
WET＝c1B1+c2B2+c3B3+c4B4+c5B5+c6B6；
B1-B6分别代表蓝波段、绿波段、红波段、近红波段、中红外波段1、中红外波段2；OLI传感器，c1～c6分别为0.1511、0.1973、0.3283、0.3407、-0.7117、-0.4559。
3.3干度指数
同时考虑裸地与城市建筑的影响，干度指标(NDBSI)由规范到0-1之间的裸土指数(SI)与建筑指数(IBI)平均算出。
SI＝((B11*1.0+B4)-(B8+B2))/((B11*1.0+B4)+(B8+B2))；
IBI＝((2.0*B11/(B11+B8))-(B8/(B8+b4)+B3/(B3+B11)))/((2.0*B11/(B11+B8))+(B8/(B8+B4)+B3/(B3+B11)))；
NDBSI＝(SI+IBI)/2；
B2：蓝波段；B3：绿波段；B4：红波段；B8：近红波段；B11：中红外波段1；B12：中红外波段2。
3.4温度指数
地表温度反演算法主要有三种：大气校正法(也称为辐射传输方程：RadiativeTransfer Equation—RTE)、单通道算法(single-channel algorithm)分裂窗算法(splitwindow algorithm)。
具体步骤如下：
1)使用热红外波段进行辐射定标；
2)计算NDVI；
3)计算计算植被覆盖度；
4)计算地表比辐射率；
5)计算得到同温度下的黑体辐射亮度图像；
6)计算计算得到地表温度图像(单位为℃)。
由于各指标的量纲与值域不同，对各指标进行无量纲化处理并将值域规范到[0，100]之间，以方便对各指标对生态的贡献进行比较分析。利用主成分分析方法对集成各个生态因子进行综合分析。本申请中，根据4个指标本身的性质，利用主成分分析方法确定各指标权重。避免因人而异、因方法而异的权重设定造成的结果偏差，相较人为确定指标权重的方法，其确权更加客观。
如图4所示的生成生态风险综合指数的方法，可以实施以下步骤：
401、获取待评价区域指定时间的污染企业数据和/或地质风险数据。
402、根据所述污染企业数据和/或地质风险数据，提取生态风险特征信息。
403、根据所述生态风险特征信息，确定各污染企业和/或地质风险的风险类型、风险等级和风险区域。
404、根据所述风险类型、风险等级和风险区域，生成生态风险综合指数。
本申请实施例中，该项评价主要是对各类污染企业和/或地质风险对周边环境的影响严重程度、影响范围进行评价。
(一)污染风险评估
根据各类污染企业的企业类型、分布区域、污染类型和污染等级等调查数据，利用核密度分析法，可确定重点排污企业的影响范围为1000m～2000m，中度排污企业的影响范围为800m～1500m，轻度排污企业的影响范围为500m～1000m，进行处理计算，生成土壤环境、大气环境、水环境污染等各类污染的生态风险指数，并对各生态风险指数进行加权叠加分析，生成生态风险综合指数。此过程中，可通过风险图的形式进行叠加分析及评估。
调查污染数据时，可对企业周边及关闭、搬迁化工企业遗留地块的土壤、地下水、地表水的部分进行检测，如检出数据均未超标，符合相应的规范指标要求，则说明地块不存在污染状况；但与对照点检测数据对比，如部分企业地块的土壤、地下水等检测因子检出种类较多，检出浓度较高，则说明该企业的生产活动对其周边境造成了一定的影响，周边环境存在一定的潜在污染风险。
(二)地质风险评估
本申请中的地质风险主要包括：自然因素或者人类活动引发的危害人民生命和财产安全的山体崩塌、滑坡、泥石流、地面塌陷、地裂缝、地面沉降、洪涝灾害等，通过待评价区域的地质风险数据的统计调查，获得地质风险的地质类型、分布区域、地质风险等级等数据，利用核密度分析法，根据不同的地质类型，确定地质风险的影响范围。根据影响范围(风险区域)和风险类型、风险等级等，来确定各自的生态风险指数，并对各生态风险指数进行加权叠加分析，生成生态风险综合指数。
生态风险综合指数可以根据上述污染风险评估、地质风险评估之一，或两者一起进行计算分析而生成。可根据风险类型、风险等级和风险区域来确定其影响范围，计算在整个待评价区域中的面积占比，基于面积占比来得到生态风险指数。
生成生态风险综合指数之后，还可以实施以下步骤：
1)确定各个所述污染企业和/或地质风险对生态环境的影响程度，生成各个所述污染企业和/或地质风险的风险影响值。
确定各个所述污染企业和/或地质风险对生态环境的影响程度，具体包括以下任意方式或任意组合方式：
A)若所述风险区域与生态环境的重点保护区域存在重叠区域，则根据所述风险类型和风险等级并按预设规则调整风险影响值；
重点保护区域是指重点的环境保护区，或重点的动物保护区，或较集中的人类居住点等，若风险区域位于重点保护区域内，则根据具体的所在位置，或重叠区域的面积，来得到风险影响值。可按预设规则(例如根据风险类型、风险等级、重叠面积等进行加分或扣分，每次分数的调整范围可以为1～5分)调整风险影响值。可根据重叠区域所涉及的面积和数量进行一定量的扣分。若与重点保护区域重叠的风险区域数量低于设定阈值,则可以进行一定量的加分。
B)若所述风险区域的密度值超过设定阈值，则按预设规则调整风险影响值；
计算风险区域在待评价区域中不同位置所占的密度值，若密度值超过设定阈值，则可以进行一定量的扣分，例如在十公里范围内，涉及的污染企业或地质风险数量超过十个，则进行1～5分的扣分；若待评价区域内，所有风险区域的密度值均低于设定阈值，则可以进行一定量的加分。若风险区域相互之间存在重叠区域，则根据该重叠区域的面积确定并调整风险影响值。
C)若所述风险类型和风险等级对周边生态环境产生的风险值超过设定阈值，则按预设规则调整风险影响值。
风险类型和风险等级对周边生态环境产生的风险值，主要是评估该污染风险或地质风险是否会对周边的环境或生物造成实质影响，例如山体风险周边一定距离(例如1公里)内，是否有建筑物会受到地质影响，是否有交通路线可能会受到影响等；可能会产生洪涝的区域，是否会影响交通，防护措施、防护等级是否完善等等，根据风险类型和风险等级，确定所影响的区域范围，评估可能达到的影响程度，并根据防护措施和防护等级，来调整风险影响值，本实施中每处可进行1～5分的调整。
当污染企业或地质风险的特征信息中参数的变化值(与历史时段相比)超过预设阈值时，需对风险影响值进行调整，例如污染的排放量、山体倾斜度、地裂缝宽度、地面海拔变化，水位高度等产生变化，且变化趋势大于预设阈值，则需调整风险影响值。
2)根据所述风险影响值，生成综合评价偏差值。
获得最终的风险影响值后，可根据待评价区域的实际情况，设定风险影响值的调整权重，以得到最终的综合评价偏差值。该调整权重也可以通过主成分分析法、熵权法或专家打分法来进行确定。
本申请的一种实施例中，结合综合评价偏差值的生态环境状况综合评价模型的表达式如下：
生态环境状况综合评价得分＝W1×自然生态综合指数+W2×遥感生态综合指数+W3×生态风险综合指数+W0；
其中，W1为自然生态综合指数权重，W2为遥感生态综合指数权重，W3为生态风险综合指数权重，W0为综合评价偏差值，W1+W2+W3＝100％，40％≤W1≤45％，40％≤W2≤45％，10％≤W3≤20％。
如图5所示的生态环境状况综合评价装置的框架示意图，本申请的一种实施例提供的生态环境状况综合评价装置，包括：
自然指数生成模块501，用于获取待评价区域指定时间的实测生态数据，并基于所述实测生态数据生成自然生态综合指数；
遥感指数生成模块502，用于获取待评价区域指定时间的遥感生态数据，并基于所述遥感生态数据生成遥感生态综合指数；
风险指数生成模块503，用于获取待评价区域指定时间的污染企业数据和/或地质风险数据，并基于所述污染企业数据和/或地质风险数据生成生态风险综合指数；
评价模型建立模块504，用于根据所述自然生态综合指数、遥感生态综合指数和生态风险综合指数，建立生态环境状况综合评价模型；
评价结果生成模块505，用于根据所述生态环境状况综合评价模型，生成生态环境状况综合评价结果。
本申请实施例中，可通过资料收集、遥感影像解译分析、现场实地调查、场地调查报告分析等手段对待评价区域进行调查分析，并根据调查结果，采用多维度的综合评价方法，对待评价区域的自然资源生态环境状况进行综合评估，其评估结果相对传统评价方法来说更加全面、客观和准确。
在一些可能的实施方式中，根据本申请实施方式的电子设备可以至少包括至少一个处理器、以及至少一个存储装置。其中，所述存储装置存储有至少一个计算机程序，当所述计算机程序被所述处理器执行时，使得所述处理器执行本说明书上述技术方案中描述的根据本申请各种具体实施方式的方法中的步骤。
在一些可能的实施方式中，本申请的各个方面还可以实现为一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序被电子设备的处理器执行时用于实现本说明书上述技术方案中描述的根据本申请各种具体实施方式的方法中的步骤。
计算机可读存储介质例如可以是但不限于：电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、有线、光缆、RF等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本申请操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户电子设备上执行、部分在用户电子设备上部分在远程电子设备上执行、或者完全在远程电子设备或服务器上执行。在涉及远程电子设备的情形中，远程电子设备可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户电子设备，或者，可以连接到外部电子设备(例如利用因特网服务提供商来通过因特网连接)。
所属技术领域的技术人员能够理解，本申请的各个方面可以实现为系统、方法或程序产品。因此，本申请的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。
以上均为本申请的较佳实施例，并非依此限制本申请的保护范围，故：凡依本申请的结构、形状、原理所做的等效变化，均应涵盖于本申请的保护范围之内。
Claims (10)
1.一种生态环境状况综合评价方法，其特征在于，所述方法包括：
获取待评价区域指定时间的实测生态数据，并基于所述实测生态数据生成自然生态综合指数；
获取待评价区域指定时间的遥感生态数据，并基于所述遥感生态数据生成遥感生态综合指数；
获取待评价区域指定时间的污染企业数据和/或地质风险数据，并基于所述污染企业数据和/或地质风险数据生成生态风险综合指数；
根据所述自然生态综合指数、遥感生态综合指数和生态风险综合指数，建立生态环境状况综合评价模型；
根据所述生态环境状况综合评价模型，生成生态环境状况综合评价结果。
2.根据权利要求1所述的生态环境状况综合评价方法，其特征在于，所述获取待评价区域指定时间的实测生态数据，并基于所述实测生态数据生成自然生态综合指数，具体包括：
获取待评价区域指定时间的实测生态数据，其中，所述实测生态数据包括生物丰度数据、植被覆盖数据、水网密度数据、土地胁迫数据、污染负荷数据和环境限制数据；
根据所述实测生态数据，生成多个实测生态指数，其中，所述实测生态指数包括生物丰度指数、植被覆盖指数、水网密度指数、土地胁迫指数、污染负荷指数和环境限制指数；
根据所述多个实测生态指数，生成自然生态综合指数。
3.根据权利要求1所述的生态环境状况综合评价方法，其特征在于，所述获取待评价区域指定时间的遥感生态数据，并基于所述遥感生态数据生成遥感生态综合指数，具体包括：
获取待评价区域指定时间的遥感生态数据，其中，所述遥感生态数据包括绿度数据、湿度数据、干度数据、温度数据；
根据所述遥感生态数据，生成多个遥感生态指数，其中，所述遥感生态指数包括绿度指数、湿度指数、干度指数、温度指数；
根据所述多个遥感生态指数，生成遥感生态综合指数。
4.根据权利要求1所述的生态环境状况综合评价方法，其特征在于，所述获取待评价区域指定时间的污染企业数据和/或地质风险数据，并基于所述污染企业数据和/或地质风险数据生成生态风险综合指数，具体包括：
获取待评价区域指定时间的污染企业数据和/或地质风险数据；
根据所述污染企业数据和/或地质风险数据，提取生态风险特征信息；
根据所述生态风险特征信息，确定各污染企业和/或地质风险的风险类型、风险等级和风险区域；
根据所述风险类型、风险等级和风险区域，生成生态风险综合指数。
5.根据权利要求4所述的生态环境状况综合评价方法，其特征在于，还包括：
确定各个所述污染企业和/或地质风险对生态环境的影响程度，生成各个所述污染企业和/或地质风险的风险影响值；
根据所述风险影响值，生成综合评价偏差值。
6.根据权利要求5所述的生态环境状况综合评价方法，其特征在于，所述确定各个所述污染企业和/或地质风险对生态环境的影响程度，具体包括以下任意方式或任意组合方式：
若所述风险区域与生态环境的重点保护区域存在重叠区域，则根据所述风险类型和风险等级并按预设规则调整风险影响值；
若所述风险区域的密度值超过设定阈值，则按预设规则调整风险影响值；
若所述风险类型和风险等级对周边生态环境产生的风险值超过设定阈值，则按预设规则调整风险影响值。
7.根据权利要求5所述的生态环境状况综合评价方法，其特征在于，所述生态环境状况综合评价模型的表达式如下：
生态环境状况综合评价得分＝W1×自然生态综合指数+W2×遥感生态综合指数+W3×生态风险综合指数+W0；
其中，W1为自然生态综合指数权重，W2为遥感生态综合指数权重，W3为生态风险综合指数权重，W0为综合评价偏差值,W1+W2+W3＝100％，40％≤W1≤45％，40％≤W2≤45％，10％≤W3≤20％。
8.一种生态环境状况综合评价装置，其特征在于，包括：
自然指数生成模块，用于获取待评价区域指定时间的实测生态数据，并基于所述实测生态数据生成自然生态综合指数；
遥感指数生成模块，用于获取待评价区域指定时间的遥感生态数据，并基于所述遥感生态数据生成遥感生态综合指数；
风险指数生成模块，用于获取待评价区域指定时间的污染企业数据和/或地质风险数据，并基于所述污染企业数据和/或地质风险数据生成生态风险综合指数；
评价模型建立模块，用于根据所述自然生态综合指数、遥感生态综合指数和生态风险综合指数，建立生态环境状况综合评价模型；
评价结果生成模块，用于根据所述生态环境状况综合评价模型，生成生态环境状况综合评价结果。
9.一种电子设备，其特征在于，包括：
至少一个处理器；
存储装置，用于存储至少一个计算机程序；
当所述至少一个计算机程序被所述至少一个处理器执行，使得所述至少一个处理器实现如权利要求1至7中任一项所述的方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210906573.5A CN115169969B (zh) | 2022-07-29 | 2022-07-29 | 生态环境状况综合评价方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210906573.5A CN115169969B (zh) | 2022-07-29 | 2022-07-29 | 生态环境状况综合评价方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115169969A true CN115169969A (zh) | 2022-10-11 |
| CN115169969B CN115169969B (zh) | 2024-01-19 |
Family
ID=83477415
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210906573.5A Active CN115169969B (zh) | 2022-07-29 | 2022-07-29 | 生态环境状况综合评价方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115169969B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116842343A (zh) * | 2023-07-04 | 2023-10-03 | 南京林业大学 | 基于卫星观测与空间换算量化城市森林对温度影响的方法 |
| 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 |
| CN117610745A (zh) * | 2024-01-23 | 2024-02-27 | 山东省国土测绘院 | 一种自然资源动态监测系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108416502A (zh) * | 2018-02-02 | 2018-08-17 | 商洛学院 | 一种生态环境质量综合评价方法 |
| CN110600137A (zh) * | 2019-09-18 | 2019-12-20 | 四川省绵阳太古软件有限公司 | 基于康养适宜性的数据处理方法及装置 |
| CN110889611A (zh) * | 2019-11-20 | 2020-03-17 | 中国环境科学研究院 | 一种精准评估重金属污染场地生态风险的证据权重方法 |
| US20200311319A1 (en) * | 2019-03-28 | 2020-10-01 | China Waterborne Transport Research Institute | Method for evaluating ecological environmental impact of channel project and countermeasures thereof based on mechanism analysis |
| CN114386732A (zh) * | 2020-10-17 | 2022-04-22 | 龙岩学院 | 基于遥感技术和层次分析法的生态环境综合评价方法 |
| CN114511157A (zh) * | 2022-04-18 | 2022-05-17 | 广东省农业科学院植物保护研究所 | 一种基于蔬菜青枯病防治的微生态调控方法及系统 |
| CN114626685A (zh) * | 2022-02-21 | 2022-06-14 | 武汉理工大学 | 一种基于遥感的生态环境质量评价方法 |
-
2022
- 2022-07-29 CN CN202210906573.5A patent/CN115169969B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108416502A (zh) * | 2018-02-02 | 2018-08-17 | 商洛学院 | 一种生态环境质量综合评价方法 |
| US20200311319A1 (en) * | 2019-03-28 | 2020-10-01 | China Waterborne Transport Research Institute | Method for evaluating ecological environmental impact of channel project and countermeasures thereof based on mechanism analysis |
| CN110600137A (zh) * | 2019-09-18 | 2019-12-20 | 四川省绵阳太古软件有限公司 | 基于康养适宜性的数据处理方法及装置 |
| CN110889611A (zh) * | 2019-11-20 | 2020-03-17 | 中国环境科学研究院 | 一种精准评估重金属污染场地生态风险的证据权重方法 |
| CN114386732A (zh) * | 2020-10-17 | 2022-04-22 | 龙岩学院 | 基于遥感技术和层次分析法的生态环境综合评价方法 |
| CN114626685A (zh) * | 2022-02-21 | 2022-06-14 | 武汉理工大学 | 一种基于遥感的生态环境质量评价方法 |
| CN114511157A (zh) * | 2022-04-18 | 2022-05-17 | 广东省农业科学院植物保护研究所 | 一种基于蔬菜青枯病防治的微生态调控方法及系统 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116842343A (zh) * | 2023-07-04 | 2023-10-03 | 南京林业大学 | 基于卫星观测与空间换算量化城市森林对温度影响的方法 |
| 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 |
| CN117610745A (zh) * | 2024-01-23 | 2024-02-27 | 山东省国土测绘院 | 一种自然资源动态监测系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115169969B (zh) | 2024-01-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115169969A (zh) | 生态环境状况综合评价方法、装置、电子设备及存储介质 | |
| McLane et al. | Climate impacts on lodgepole pine (Pinus contorta) radial growth in a provenance experiment | |
| Palharini et al. | Assessment of extreme rainfall estimates from satellite-based: Regional analysis | |
| Lakshmi et al. | An integration of geospatial technology and standard precipitation index (SPI) for drought vulnerability assessment for a part of Namakkal district, South India | |
| Zhang et al. | Monitoring northern mixed prairie health using broadband satellite imagery | |
| Murphy et al. | Fire management and woody biomass carbon stocks in mesic savannas | |
| Chau et al. | AI-IoT integrated framework for tree tilt monitoring: A case study on tree failure in Hong Kong | |
| Karakoc et al. | Ratio-based vegetation indices for biomass estimation depending on grassland characteristics | |
| Buzacott et al. | A Bayesian inference approach to determine experimental Typha latifolia paludiculture greenhouse gas exchange measured with eddy covariance | |
| Serrano et al. | Assessing forest structure and function from spectral transmittance measurements: A case study in a Mediterranean holm oak forest | |
| CN115861262A (zh) | 一种火后植被恢复动态监测方法及系统 | |
| Parkinson et al. | Red mangrove (Rhizophora mangle L.) litter fall response to selective pruning (Indian River Lagoon, Florida, USA) | |
| Shestopalov et al. | Green areas state assessment within the urban territories | |
| Zanzotto et al. | The spatiotemporal spread of esca disease in a Cabernet Sauvignon vineyard: a statistical analysis of field data | |
| Telesca et al. | Intra-annual dynamical persistent mechanisms in mediterranean ecosystems revealed SPOT-VEGETATION time series | |
| Liepa et al. | The Diversity of the environmental impact in Kurzeme | |
| Atalay et al. | Fire Weather Index and Forest Fire Danger Mapping: Insights from a Case Study in Antalya-Manavgat Forest, Turkiye | |
| Thinova et al. | Data analysis from monitoring of radionuclides in the nuclear power plant Temelin ecosystem area | |
| de Lucas et al. | Climatic spatial dynamics in the state of Pernambuco through geostatistical modeling | |
| Li et al. | Skill and lead time of vegetation drought impact forecasts based on soil moisture observations | |
| CN114781683B (zh) | 温室黄瓜霜霉病预测方法及装置 | |
| Schönebeck et al. | Measuring soil erosion resistance on coastal dikes linking hyperspectral UAV-data, plant traits and soil information | |
| Zhang et al. | The evaluation of broadband vegetation indices on monitoring northern mixed grassland | |
| Appalasamy et al. | Examining the utility of hyperspectral remote sensing and partial least squares to predict plant stress responses to sulphur dioxide pollution: a case study of Trichilia dregeana Sond. | |
| Von Vordzogbe et al. | Woodlot agroforestry in the lower Volta basin, Ghana: Contribution of tree species admixture to aboveground carbon |
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 |