CN115293473B - 一种林草生态修复效果评价方法 - Google Patents
一种林草生态修复效果评价方法 Download PDFInfo
- Publication number
- CN115293473B CN115293473B CN202210060970.5A CN202210060970A CN115293473B CN 115293473 B CN115293473 B CN 115293473B CN 202210060970 A CN202210060970 A CN 202210060970A CN 115293473 B CN115293473 B CN 115293473B
- Authority
- CN
- China
- Prior art keywords
- evaluation
- index
- ecological restoration
- data
- ecological
- 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 189
- 230000000694 effects Effects 0.000 title claims abstract description 100
- 244000025254 Cannabis sativa Species 0.000 title claims abstract description 87
- 238000004364 calculation method Methods 0.000 claims abstract description 24
- 238000000034 method Methods 0.000 claims description 71
- 239000002689 soil Substances 0.000 claims description 41
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 36
- 230000005855 radiation Effects 0.000 claims description 19
- 239000002028 Biomass Substances 0.000 claims description 18
- 238000009825 accumulation Methods 0.000 claims description 15
- 238000009826 distribution Methods 0.000 claims description 15
- 239000003344 environmental pollutant Substances 0.000 claims description 13
- 231100000719 pollutant Toxicity 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 12
- 238000012544 monitoring process Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 12
- 238000005070 sampling Methods 0.000 claims description 12
- 241000894007 species Species 0.000 claims description 12
- 230000008439 repair process Effects 0.000 claims description 11
- 239000004016 soil organic matter Substances 0.000 claims description 11
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 claims description 10
- 238000012854 evaluation process Methods 0.000 claims description 10
- 238000011835 investigation Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 10
- 238000010276 construction Methods 0.000 claims description 9
- 238000002360 preparation method Methods 0.000 claims description 9
- 238000004162 soil erosion Methods 0.000 claims description 9
- 238000012937 correction Methods 0.000 claims description 8
- 238000005516 engineering process Methods 0.000 claims description 8
- 230000006872 improvement Effects 0.000 claims description 7
- 238000004519 manufacturing process Methods 0.000 claims description 7
- JCXJVPUVTGWSNB-UHFFFAOYSA-N nitrogen dioxide Inorganic materials O=[N]=O JCXJVPUVTGWSNB-UHFFFAOYSA-N 0.000 claims description 7
- 239000002131 composite material Substances 0.000 claims description 6
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims description 5
- 229910002091 carbon monoxide Inorganic materials 0.000 claims description 5
- 230000015556 catabolic process Effects 0.000 claims description 4
- 238000006731 degradation reaction Methods 0.000 claims description 4
- 238000009472 formulation Methods 0.000 claims description 4
- 239000000203 mixture Substances 0.000 claims description 4
- 230000000243 photosynthetic effect Effects 0.000 claims description 4
- MGWGWNFMUOTEHG-UHFFFAOYSA-N 4-(3,5-dimethylphenyl)-1,3-thiazol-2-amine Chemical compound CC1=CC(C)=CC(C=2N=C(N)SC=2)=C1 MGWGWNFMUOTEHG-UHFFFAOYSA-N 0.000 claims description 3
- 208000005156 Dehydration Diseases 0.000 claims description 3
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 claims description 3
- 241000209504 Poaceae Species 0.000 claims description 3
- 238000012952 Resampling Methods 0.000 claims description 3
- 238000010521 absorption reaction Methods 0.000 claims description 3
- 238000012512 characterization method Methods 0.000 claims description 3
- 230000000875 corresponding effect Effects 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 claims description 3
- 230000008020 evaporation Effects 0.000 claims description 3
- 238000001704 evaporation Methods 0.000 claims description 3
- 230000000704 physical effect Effects 0.000 claims description 3
- 238000000611 regression analysis Methods 0.000 claims description 3
- 239000002994 raw material Substances 0.000 claims 2
- 238000011161 development Methods 0.000 abstract description 6
- 238000005259 measurement Methods 0.000 abstract description 5
- 238000003672 processing method Methods 0.000 abstract description 3
- 238000007689 inspection Methods 0.000 description 8
- 238000012552 review Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000013618 particulate matter Substances 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000002574 poison Substances 0.000 description 1
- 231100000614 poison Toxicity 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000000246 remedial effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000006467 substitution reaction Methods 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
- 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)
- Image Processing (AREA)
Abstract
本发明公开了一种林草生态修复效果评价方法，明确林草生态修复目标，具有科学性、稳定性、针对性、全面性、灵敏性、经济性、实用性和可操作性的选择修复效果评价指标，采用合理的数据获取和处理的方法，最后制定了修复效果评价计算方法和评价结果，统一林草生态修复效果评价指标体系、评价指标的监测方法、评价方法和评价结果等技术要求，为科学合理开展林草生态修复提供技术依据和衡量尺度，为林草生态修复工程效果评价和工程验收提供规范性指导，提升林草生态恢复效果评价规范性和科学性，有利于加快推进全国林草治理工程实施后的生态修复效果评价，科学推动国土绿化高质量发展。
Description
技术领域
本发明属于林草生态修复领域，特别涉及一种林草生态修复效果评价方法。
背景技术
林草生态修复是一项综合的系统工程，针对修复效果开展监测与评估是修复工程的重要组成部分，也是为修复工程提供反馈信息以便进一步调整修正林草生态保护修复措施和技术的重要手段。通过林草生态修复效果评价，监测修复后的林草生态环境的状态及变化，明确各修复措施对林草生态环境保护与恢复的影响，以利于进一步采取预防、控制和补救措施，增强生态保护修复的系统性、协同性、有效性，最终达到生态环境持续改善的良性循环。
林草生态进行修复是针对受到干扰或损害的林草生态系统，遵循生态学原理和规律，主要依靠林草生态系统的自组织、自调节能力以及进行适当的人为引导，以遏止林草生态系统的进一步退化。其中林业工程措施主要包括营造林、退化林修复、封山育林等，草原工程措施主要包括草原围栏、毒害草治理、人工种草、退化草原改良等。
然而，虽然对林草生态进行修复，仍缺乏林草生态修复评价的评价方法研究，对于林草生态修复是必须的，对于林草生态修复的成功和林草生态的可持续发展具有重要的意义。
发明内容
本发明提供了一种林草生态修复效果评价方法，用以明确林草生态修复目标，统一林草生态修复效果评价指标体系、评价指标的监测方法、评价方法和评价结果等技术要求，为科学合理开展林草生态修复提供技术依据和衡量尺度，为林草生态修复工程效果评价和工程验收提供规范性指导，提升林草生态恢复效果评价规范性和科学性，有利于加快推进全国林草治理工程实施后的生态修复效果评价，科学推动国土绿化高质量发展。
为实现上述目的，本发明采用如下技术方案：一种林草生态修复效果评价方法，包括前期准备阶段、方案制定阶段、评价实施阶段以及编制生态修复效果评价报告，
前期准备阶段内容包括收集生态修复区域和生态修复项目资料，包括生态修复区域的自然和社会环境的历史和现状资料、生态修复项目实施方案、生态修复项目环境影响报告；对生态修复项目方案进行详细分析，包括生态修复实施的时限和空间范围、生态修复实施的措施、生态修复实施的环境影响；
方案制定阶段内容包括制定林草生态修复效果评价方案，结合林草类型选取相应的效果评价方法、评价指标，确定评价时间；并制定数据获取方案，包括数据获取内容、数据获取方法、数据获取时间；
评价实施阶段内容包括实施林草生态修复数据采集与处理，开展林草生态修复效果评价，根据指标表征，评价生态修复效果；根据评价结果提出生态修复适应性管理措施；
编制生态修复效果评价报告包括根据评价数据进行综合分析与评价，给出明确、可靠的评价结论，以及项目背景、项目概况、林草生态修复工程建设及实施概况、效果评价过程、效果评价结论与建议；
其中，评价指标见表1
表1林草生态修复效果综合评价指标体系
采集方案见表2
表2采集方案
数据处理方法如下，
森林覆盖率：
各类林地面积通过对遥感影像进行分类获取，通过公式1.1可计算森林覆盖率；
草地盖度：
使用遥感影像获取草地垂直投影面积和土地总面积；
植被覆盖度：
使用遥感影像计算归一化植被指数NDVI，基于像元二分模型计算植被覆盖度，公式如下：
VFC＝(NDVI-NDVIsoil)/(NDVIveg-NDVIsoil) 公式1.3
式中：VFC是植被覆盖度，NDVIsoil为裸土或没有植被覆盖的像元值，NDVIveg为完全被植被覆盖的像元值；
按照表3开展植被覆盖度分级，并制作评价区域植被覆盖度栅格数据，
表3植被覆盖度等级划分方法
| 级别 | 植被覆盖度 | NDVI取值范围 |
| 1 | 裸地 | <0.05 |
| 2 | 低覆盖 | 大于0.05且不大于0.15 |
| 3 | 中低覆盖 | 大于0.15且不大于0.3 |
| 4 | 中覆盖 | 大于0.3且不大于0.6 |
| 5 | 高覆盖 | >0.6 |
物种丰富度指数
式中：D是物种丰富度指出，S为物种数目，A为样方面积，
森林蓄积量：
根据实地调查数据，建立蓄积量与遥感影像信息之间的多元回归模型，遥感影像信息包括原始波段、纹理、归一化植被指数，使用遥感影像信息反演整个生态修复区的森林蓄积量，并制作生态修复区蓄积量栅格数据，
NPP：
使用CASA模型对林草生态修复区的NPP进行估算，该模型所需数据包括NDVI、DEM、气象数据、太阳辐射、植被覆盖、年参考蒸散发(ET0)，CASA模型具体计算公式如下：
NPP(x,t)＝APAR(x,t)×ε(x,t) 公式1.5
APAR(x,t)＝SOL(x,t)×FPAR(x,t)×0.5 公式1.6
ε(x,t)＝εmax×T′1(x,t)×Tε2(x,t)×Wε(x,t) 公式1.7
式中：NPP(x,t)是像元x在t月的净初级生产力；APAR(x,t)和ε(x,t)分别是吸收的光合有效辐射(MJ·m-2)和实际光能利用效率(gC·MJ-1)；SOL(x,t)为太阳总辐射(MJ·m-2)，FPAR(x,t)为植被入射的光合有效辐射的吸收比例；0.5是植被利用的太阳辐射与总辐射的比例；εmax是理想条件下植被最大光能利用效率，其取值取决于植被类型；Tε1(x,t)和Tε2(x,t)表示环境温度对NPP积累的胁迫作用；Wε(x,t)表示水分胁迫系数，
使用遥感影像信息反演整个林草生态修复区的NPP，并制作林草生态修复区NPP栅格数据，
生物量：
根据实地调查数据，建立生物量与遥感影像信息之间的多元回归模型，遥感影像信息包括原始波段、纹理、归一化植被指数,使用遥感影像信息分别反演森林整个林草生态修复区的生物量与草地生物量，并分别制作林草生态修复区森林生物量和草地生物量栅格数据，
景观丰富度；
采用香农多样性指数来表示景观丰富度，公式如下：
式中：SHDI是景观丰富度，z是斑块类型，g是斑块类型总数，Pz为z斑类型斑块出现的概率，
通过输入土地类型图，选择香农多样性指数，使用移动窗口法计算获取各年份评价区域景观丰富度栅格数据，
景观破碎度：
景观破碎度用来描述整个景观的异质性，反映生态系统的稳定性，公式如下：
式中：LFI是景观破碎度，NP是单位面积中的斑块数，S是单位面积，
计算获取各年份评价区域景观丰富度栅格数据，
荒漠化指数：
使用“归一化植被指数NDVI——反照率特征空间”的方法来进行荒漠化信息的提取，该模型可以用简单的二元线性多项式加以表达：
DDI＝a*NDVI-Albedo 公式1.10
式中：DDI是可以反映区域土地沙漠化的过程的沙漠化监测的差值指数，a由归一化植被指数和地表反照率的回归方程系数决定，NDVI为归一化植被指数，Albedo为地表反照率，
选取分布于不同荒漠化等级土地的随机点，应用遥感影像对Albedo和NDVI进行统计回归分析，建立回归方程，根据回归模型进行计算，最终得到出评价区域荒漠化指数栅格数据，
水土流失量：
式中：Y为水土流失量的计算值，单位t；Qsurf为径流因子，单位mm，该值通过区域径流系数和降雨因子相乘得到；qpeak为暴雨因子，为最大30min暴雨值，一般可从区域暴雨等值线图中获取，单位mm；A为水土流失面积，单位m2；K为土壤侵蚀因子，该值通过区域水土流失调查中得到；C为植被覆盖因子，与区域植被覆盖率相关，植被覆盖率不高于30％时，其植被覆盖因子取为0.6，植被覆盖率高于30％且不高于60％时，取为0.4，植被覆盖率高于60％时，取为0.2，植被覆盖率越高，该值越小；P为水土保持措施因子，该值与水土流失区坡度相关，坡度越高，该值越低；L为地形坡度，该值通过遥感影像数据进行获取；R为粗糙度因子，该值一般与土壤物理性质相关，通过上述公式计算获得评价区域水土流失量分布栅格数据，
水源涵养量：
采用水量平衡法对水源涵养量进行估算，进而估算生态系统水源涵养量，其公式如下：
WC＝(P雨-Runoff-ET)×A雨 公式1.12
式中：WC为水源涵养量，P雨为降雨量，Runoff为径流量，ET为蒸散量，
A雨为生态系统面积，
通过上述公式计算获得评价区域水源涵养量分布栅格数据，
土壤有机质含量：
借助采样点测得土壤有机质含量数据，与遥感影像相关波段建立回归方程，生成评价区域当年土壤有机质含量分布栅格数据，
土壤含水率：
借助采样点测得土壤含水率含量数据，与遥感影像相关波段建立回归方程，生成评价区域当年土壤含水率含量分布栅格数据，
AQI：
对照各项污染物的分级浓度限值，以细颗粒物PM2.5、可吸入颗粒物PM10、二氧化硫SO2、二氧化氮NO2、臭氧O3、一氧化碳CO等各项污染物的实测浓度值，其中PM2.5、PM10为24小时平均浓度，分别计算得出空气质量分指数(简称IAQI)；从各项污染物的IAQI中选择最大值确定为AQI，即AQI就是各项污染物的空气质量分指数(IAQI)中的最大值，
对各监测站点数据进行分析，采取克里金插值等方法，生成评价区域各期AQI栅格数据，
干旱指数：
采用TVDI干旱指数公式1.13：
式中：LSTmax和LSTmin表示当NDVI等于某一定值时地表温度的最大值和最小值，
LSTmin＝a1-b1NDVI
LSTmax＝a2-b2NDVI
式中：a1、b1、a2、b2是干边、湿边拟合系数；LSTi表示任一像元地表温度，
通过上述公式计算获得评价区域TVDI分布栅格数据，
林业工程措施完成率：
式中：F是林业工程措施综合完成率，Pe是e工程措施的完成率，n是工程措施的种类，Ce是e工程措施的实际完成数量，Se是e工程措施的任务数量，
此项指标仅作为林业工程修复效果的硬性指标，不参与权重计算，当Pe或F＜95％，即表示林业工程生态修复工程不合格，
草原工程措施完成率：
式中：G是草原工程措施综合完成率，Qe是e工程措施的完成率，m是工程措施的种类，Ce是e工程措施的实际完成数量，Se是e工程措施的任务数量，
此项指标仅作为草原工程修复效果的硬性指标，不参与权重计算，当Qe或G＜95％，即表示草原工程生态修复工程不合格，
评价方法和结果：
1)采用熵值法计算各评价指标权重，选取n个样本点，m项指标，则xij表示第j项指标下第i个样本点的数值，
11)首先对各项指标输出的影像成果进行重采样，统一其空间分辨率，然后对数据进行标准化处理，以消除量纲影响，对于正负指标用不同的算法进行数据标准化处理，具体方法如下：
正向指标：
负向指标:
式中：xi′j表示第j项指标下第i个样本点的归一化值(i＝1,2…,n；j＝1,2,…,m)，
12)计算第j项指标下第i个样本点的贡献度
式中：pij表示第j项指标下第i个样本点的贡献度，
13)第j项指标的熵值
式中：k>0，式中常数k与样本点数量n有关，一般令常数k＝1/ln(n)，满足0≤ej≤1，
14)信息熵冗余度
对于第j项指标，指标值xij的差异越大，对方案评价的作用越大，熵值越小，
dj＝1-ej 公式2.5
式中：dj表示第j项指标的差异系数，
2)各项指标权重
式中：wj表示第j项指标的权重值，
3)评价方法
采用综合评价法模型公式2.7计算评价区域某一年的生态状况得分，
式中：Q为综合得分，wj为第j项指标的权重值，x′ij表示第j项指标下第i个样本点的归一化值，
根据自然间断点分级法将生态状况综合得分分为五级，如表4所示：
表4生态状况综合评分等级划分方法
| 级别 | 评分等级 | 综合得分 |
| 1 | 极低 | <0.25 |
| 2 | 低 | 0.25～0.50 |
| 3 | 中 | 0.50～0.70 |
| 4 | 高 | 0.70～0.90 |
| 5 | 极高 | 0.90～1.00 |
4)修复效果评级
采用时间序列对比法评价修复效果，即以生态修复项目实施前修复区为参照系，进而计算评价区域内指标的恢复率，计算公式如下：
Pt＝(Qt-Q)*100％/Q 公式2.8
式中：Pt为生态修复后第t年的生态修复率，Q为生态修复项目实施前的综合得分，Qt为生态修复后第t年的综合得分，t一般为评价年，
根据修复率Pt的大小，将林草生态修复趋势划分为六个等级：Ⅰ级，显著改善；Ⅱ级，明显改善；III级，一般改善；IV级，轻微改善；V级，基本无变化；VI级，退化表5，
表5林草生态修复效果评价标准
5)修复效果分析
根据上述生态修复效果评级结果，及时发现生态保护修复过程中新产生的生态问题及潜在生态风险，针对保护修复措施和技术的调整修正提出合理化建议；
6)根据修复评价结果，对照林草生态保护修复目标，监测评价生态修复工程措施、技术手段的效果，及时发现生态修复过程中新产生的生态问题及潜在生态风险，经评估，在结果和风险可控的原则下，借鉴已有经验做法，对会导致偏离生态保护修复目标或者对生态系统造成新的破坏的修复措施和技术、子项目的空间布局和时序安排等按规定程序报批后进行相应调整修正；
7)评价结果和评价报告
数据成果包括原始数据和评价指标数据，评价报告编制内容包括：项目背景、项目概况、林草生态修复工程建设及实施概况、效果评价过程、效果评价结论与建议。
本发明的有益效果体现在：明确林草生态修复目标，具有科学性、稳定性、针对性、全面性、灵敏性、经济性、实用性和可操作性的选择修复效果评价指标，采用合理的数据获取和处理的方法，最后制定了修复效果评价计算方法和评价结果，统一林草生态修复效果评价指标体系、评价指标的监测方法、评价方法和评价结果等技术要求，为科学合理开展林草生态修复提供技术依据和衡量尺度，为林草生态修复工程效果评价和工程验收提供规范性指导，提升林草生态恢复效果评价规范性和科学性，有利于加快推进全国林草治理工程实施后的生态修复效果评价，科学推动国土绿化高质量发展。
本发明的其它特征和优点将在随后的说明书中阐述，并且部分地从说明书中变得显而易见，或者通过实施本发明而了解；本发明的主要目的和其它优点通过在说明书中所特别指出的方案来实现和获得。
附图说明
图1是本发明实施例的流程结构示意图。
具体实施方式
以下通过实施例来详细说明本发明的技术方案，以下的实施例仅仅是示例性的，仅能用来解释和说明本发明的技术方案，而不能解释为对本发明技术方案的限制。
如图1，一种林草生态修复效果评价方法，包括前期准备阶段、方案制定阶段、评价实施阶段以及编制生态修复效果评价报告，
前期准备阶段内容包括收集生态修复区域和生态修复项目资料，包括生态修复区域的自然和社会环境的历史和现状资料、生态修复项目实施方案、生态修复项目环境影响报告；对生态修复项目方案进行详细分析，包括生态修复实施的时限和空间范围、生态修复实施的措施、生态修复实施的环境影响；
方案制定阶段内容包括制定林草生态修复效果评价方案，结合林草类型选取相应的效果评价方法、评价指标，确定评价时间；并制定数据获取方案，包括数据获取内容、数据获取方法、数据获取时间；
评价实施阶段内容包括实施林草生态修复数据采集与处理，开展林草生态修复效果评价，根据指标表征，评价生态修复效果；根据评价结果提出生态修复适应性管理措施；
编制生态修复效果评价报告包括根据评价数据进行综合分析与评价，给出明确、可靠的评价结论，以及项目背景、项目概况、林草生态修复工程建设及实施概况、效果评价过程、效果评价结论与建议；
其中，评价指标见表1
表1.1林草生态修复效果综合评价指标体系
以上指标建立在科学的基础上，能够客观并且真实地反映林草的生态环境现状。根据对林草整体的认识，将指标进行分层，并且保证指标在一定时期内的稳定性，体系内的每个指标都要意义明确，有明确的获取方法，并且，选取的指标既评价生态环境恢复的程度，也反映人为活动对林草生态修复带来的改变。要根据林草的实际修复情况，定性指标与定量指标相结合，针对不同林草类型选取能够全面反映修复效果的指标，而且，选择相对廉价且灵敏度高的评价指标，因此，以上指标选取具有科学性、稳定性、针对性、全面性、灵敏性、经济性、实用性和可操作性。
采集方案见表2
表2采集方案
具体的，
遥感影像：
对于卫星遥感影像，可从影像公开网站下载获取。应选择含云量<10％，影像日期与评价日期接近，空间分辨率高，影像光谱信息与几何信息可靠，在使用前首先进行格式转换、辐射定标、大气校正、地形校正、正射校正、图像镶嵌等预处理。
如需获取亚米级高分辨率遥感影像，可采用机载传感器航测获取，并进行影像拼接、辐射定标、大气校正、正射校正等预处理。
气象数据：
对于气象站点气象数据(气温等)，可从国家气象科学数据中心等网站下载各站点数据。对于气象栅格数据，可对比NASA、地理空间数据云、NOAA、国家气象科学数据中心等网站的产品分辨率和更新频率，择优下载数据和气象再分析产品。
对AQI各主要污染物指标数据，可以从气象站点获取。
DEM数据：
可利用机载激光雷达获取高精度的DEM数据，或使用资源三号影像获取，也可利用已有的30m、90m数据集，宜根据区域大小和影像分辨率灵活选择不同分辨率的DEM数据。
实测数据：
根据林草生态修复区实地情况和相关指标评价需求，布设分布均匀、数量足够的实地调查样地点，布设样地的形状和大小应结合实际情况，涉及地理位置的实测数据坐标系应选择CGCS2000坐标系，与其它数据的坐标系保持一致。
土壤有机质和含水率：
根据修复地块的地理位置、地块边界及各阶段工作要求，确定土壤有机质和含水率采样范围和点位布设方法。采样数量要根据地块面积、监测目的及地块使用状况确定。具体采样技术参照GB/T 36197-2018规定。
土壤有机质的分析测试应参照GB 9834-88规定。
土壤含水率的分析测试应参照HJ 613-2011规定。
物种丰富度指数：
根据修复地块的地理位置、地块边界及各阶段工作要求，确定物种采样范围和点位布设方法，样地大小宜依据影像分辨率确定，采样数量要根据地块面积、监测目的及地块使用状况确定，一般3-5个为宜，获取每个样地内全部物种的个体数。
其他数据：
对于资料性数据，应首先检查其准确性并整理归档，选取可靠且相关性高的数据。
数据处理方法如下，
森林覆盖率：
各类林地面积通过对遥感影像进行分类获取，通过公式1.1可计算森林覆盖率；
草地盖度：
使用遥感影像获取草地垂直投影面积和土地总面积；
植被覆盖度：
使用遥感影像计算归一化植被指数NDVI，基于像元二分模型计算植被覆盖度，公式如下：
VFC＝(NDVI-NDVIsoil)/(NDVIveg-NDVIsoil) 公式1.3
式中：VFC是植被覆盖度，NDVIsoil为裸土或没有植被覆盖的像元值，NDVIveg为完全被植被覆盖的像元值；
按照表3开展植被覆盖度分级，并制作评价区域植被覆盖度栅格数据，
表3植被覆盖度等级划分方法
| 级别 | 植被覆盖度 | NDVI取值范围 |
| 1 | 裸地 | <0.05 |
| 2 | 低覆盖 | 0.05～0.15 |
| 3 | 中低覆盖 | 0.15～0.3 |
| 4 | 中覆盖 | 0.3～0.6 |
| 5 | 高覆盖 | >0.6 |
物种丰富度指数
式中：D为物种丰富度指数，S为物种数目，A为样方面积，
森林蓄积量：
根据实地调查数据，建立蓄积量与遥感影像信息(包括原始波段、纹理、归一化植被指数等)之间的多元回归模型，使用遥感影像信息反演整个生态修复区的森林蓄积量，并制作生态修复区蓄积量栅格数据，
NPP：
使用CASA模型对林草生态修复区的NPP进行估算，该模型所需数据包括NDVI、DEM、气象数据、太阳辐射、植被覆盖、年参考蒸散发(ET0)，CASA模型具体计算公式如下：
NPP(x,t)＝APAR(x,t)×ε(x,t) 公式1.5
APAR(x,t)＝SOL(x,t)×FPAR(x,t)×0.5 公式1.6
ε(x,t)＝εmax×Tε1(x,t)×Tε2(x,t)×Wε(x,t) 公式1.7
式中：NPP(x,t)是像元x在t月的净初级生产力；APAR(x,t)和ε(x,t)分别是吸收的光合有效辐射(MJ·m-2)和实际光能利用效率(gC·MJ-1)；SOL(x,t)为太阳总辐射(MJ·m-2)，FPAR(x,t)为植被入射的光合有效辐射的吸收比例；0.5是植被利用的太阳辐射与总辐射的比例；εmax是理想条件下植被最大光能利用效率，其取值取决于植被类型；Tε1(x,t)和Tε2(x,t)表示环境温度对NPP积累的胁迫作用；Wε(x,t)表示水分胁迫系数，
使用遥感影像信息反演整个林草生态修复区的NPP，并制作林草生态修复区NPP栅格数据，
生物量：
根据实地调查数据，建立生物量与遥感影像信息(包括原始波段、纹理、归一化植被指数等)之间的多元回归模型，使用遥感影像信息分别反演森林整个林草生态修复区的生物量与草地生物量，并分别制作林草生态修复区森林生物量和草地生物量栅格数据，
景观丰富度；
采用香农多样性指数来表示景观丰富度，公式如下：
式中：SHDI是景观丰富度，z是斑块类型，g是斑块类型总数，Pz为z斑类型斑块出现的概率，
通过输入土地类型图，选择香农多样性指数，使用移动窗口法计算获取各年份评价区域景观丰富度栅格数据，
景观破碎度：
景观破碎度用来描述整个景观的异质性，反映生态系统的稳定性，公式如下：
式中：LFI是景观破碎度，NP是单位面积中的斑块数，S是单位面积，
计算获取各年份评价区域景观丰富度栅格数据，
荒漠化指数：
使用“归一化植被指数NDVI——反照率特征空间”的方法来进行荒漠化信息的提取，该模型可以用简单的二元线性多项式加以表达：
DDI＝a*NDVI-Albedo 公式1.10
式中：DDI是可以反映区域土地沙漠化的过程的沙漠化监测的差值指数，a由归一化植被指数和地表反照率的回归方程系数决定，NDVI为归一化植被指数，Albedo为地表反照率，
选取分布于不同荒漠化等级土地的随机点，应用遥感影像对Albedo和NDVI进行统计回归分析，建立回归方程，根据回归模型进行计算，最终得到出评价区域荒漠化指数栅格数据，
水土流失量：
Y＝11.8×(Qsurf×qpeak×A)0.56×K×C×P×L×R公式1.11
式中：Y为水土流失量的计算值，单位t；Qsurf为径流因子，单位mm，该值通过区域径流系数和降雨因子相乘得到；qpeak为暴雨因子，为最大30min暴雨值，一般可从区域暴雨等值线图中获取，单位mm；A为水土流失面积，单位m2；K为土壤侵蚀因子，该值通过区域水土流失调查中得到；C为植被覆盖因子，与区域植被覆盖率相关，植被覆盖率不高于30％时，其植被覆盖因子取为0.6，植被覆盖率高于30％且不高于60％时，取为0.4，植被覆盖率高于60％时，取为0.2，植被覆盖率越高，该值越小；P为水土保持措施因子，该值与水土流失区坡度相关，坡度越高，该值越低；L为地形坡度，该值通过遥感影像数据进行获取；R为粗糙度因子，该值一般与土壤物理性质相关，通过上述公式计算获得评价区域水土流失量分布栅格数据，
水源涵养量：
采用水量平衡法对水源涵养量进行估算，进而估算生态系统水源涵养量，其公式如下：
WC＝(P雨-Runoff-ET)×A雨公式1.12
式中：WC为水源涵养量，P雨为降雨量，Runoff为径流量，ET为蒸散量，
A雨为生态系统面积，
通过上述公式计算获得评价区域水源涵养量分布栅格数据，
土壤有机质含量：
借助采样点测得土壤有机质含量数据，与遥感影像相关波段建立回归方程，生成评价区域当年土壤有机质含量分布栅格数据，
土壤含水率：
借助采样点测得土壤含水率含量数据，与遥感影像相关波段建立回归方程，生成评价区域当年土壤含水率含量分布栅格数据，
AQI：
对照各项污染物的分级浓度限值，以细颗粒物(PM2.5)、可吸入颗粒物(PM10)、二氧化硫(SO2)、二氧化氮(NO2)、臭氧(O3)、一氧化碳(CO)等各项污染物的实测浓度值(其中PM2.5、PM10为24小时平均浓度)分别计算得出空气质量分指数(简称IAQI)；从各项污染物的IAQI中选择最大值确定为AQI，即AQI就是各项污染物的空气质量分指数(IAQI)中的最大值，
对各监测站点数据进行分析，采取克里金插值等方法，生成评价区域各期AQI栅格数据，
干旱指数：
采用TVDI干旱指数公式1.13：
式中：LSTmax和LSTmin表示当NDVI等于某一定值时地表温度的最大值和最小值，
LSTmin＝a1-b1NDVI
LSTmax＝a2-b2NDVI
式中：a1、b1、a2、b2是干边、湿边拟合系数；LSTi表示任一像元地表温度，
通过上述公式计算获得评价区域TVDI分布栅格数据，
林业工程措施完成率：
式中：F是林业工程措施综合完成率，Pe是e工程措施的完成率，n是工程措施的种类，Ce是e工程措施的实际完成数量，Se是e工程措施的任务数量，
此项指标仅作为林业工程修复效果的硬性指标，不参与权重计算，当Pe或F＜95％，即表示林业工程生态修复工程不合格，
草原工程措施完成率：
式中：G是草原工程措施综合完成率，Qe是e工程措施的完成率，m是工程措施的种类，Ce是e工程措施的实际完成数量，Se是e工程措施的任务数量，
此项指标仅作为草原工程修复效果的硬性指标，不参与权重计算，当Qe或G＜95％，即表示草原工程生态修复工程不合格，
评价方法和结果：
1)采用熵值法计算各评价指标权重，选取n个样本点，m项指标，则xij表示第j项指标下第i个样本点的数值，
11)首先对各项指标输出的影像成果进行重采样，统一其空间分辨率，然后对数据进行标准化处理，以消除量纲影响，对于正负指标用不同的算法进行数据标准化处理，具体方法如下：
正向指标：
负向指标:
式中：x′ij表示第j项指标下第i个样本点的归一化值(i＝1,2…,n；j＝1,2,…,m)，
12)计算第j项指标下第i个样本点的贡献度
式中：pij表示第j项指标下第i个样本点的贡献度，
13)第j项指标的熵值
式中：k>0，式中常数k与样本点数量n有关，一般令常数k＝1/ln(n)，满足0≤ej≤1，
14)信息熵冗余度
对于第j项指标，指标值xij的差异越大，对方案评价的作用越大，熵值越小，
dj＝1-ej 公式2.5
式中：dj表示第j项指标的差异系数，
2)各项指标权重
式中：wj表示第j项指标的权重值，
3)评价方法
采用综合评价法模型(公式2.7)计算评价区域某一年的生态状况得分，
式中：Q为综合得分，wj为第j项指标的权重值，x′ij表示第j项指标下第i个样本点的归一化值，
根据自然间断点分级法将生态状况综合得分分为五级，如表4所示：
表4生态状况综合评分等级划分方法
| 级别 | 评分等级 | 34得分 |
| 1 | 极低 | <0.25 |
| 2 | 低 | 0.25～0.50 |
| 3 | 中 | 0.50～0.70 |
| 4 | 高 | 0.70～0.90 |
| 5 | 极高 | 0.90～1.00 |
4)修复效果评级
采用时间序列对比法评价修复效果，即以生态修复项目实施前修复区为参照系，进而计算评价区域内指标的恢复率，计算公式如下：
Pt＝(Qt-Q)*100％/Q 公式2.8
式中：Pt为生态修复后第t年的生态修复率，Q为生态修复项目实施前的综合得分，Qt为生态修复后第t年的综合得分，t一般为评价年，
根据修复率Pt的大小，将林草生态修复趋势划分为六个等级：Ⅰ级，显著改善；Ⅱ级，明显改善；III级，一般改善；IV级，轻微改善；V级，基本无变化；VI级，退化(表5)，
表5林草生态修复效果评价标准
5)修复效果分析
根据上述生态修复效果评级结果，及时发现生态保护修复过程中新产生的生态问题及潜在生态风险，针对保护修复措施和技术的调整修正提出合理化建议；
6)根据修复评价结果，对照林草生态保护修复目标，监测评价生态修复工程措施、技术手段的效果，及时发现生态修复过程中新产生的生态问题及潜在生态风险，经评估，在结果和风险可控的原则下，借鉴已有经验做法，对会导致偏离生态保护修复目标或者对生态系统造成新的破坏的修复措施和技术、子项目的空间布局和时序安排等按规定程序报批后进行相应调整修正；
7)评价结果和评价报告
数据成果包括原始数据和评价指标数据，评价报告编制内容包括：项目背景、项目概况、林草生态修复工程建设及实施概况、效果评价过程、效果评价结论与建议。
具体的，
1.一般规定
(1)生态修复效果评价成果包括各项指标数据及效果评级。
(2)生态修复效果评价成果应按规定进行质量检查与验收，并依据下列文件进行：
1)现行国家法律法规、技术标准及验收评定标准；
2)项目委托书或合同书，以及项目委托方与实施方达成的其他文件；
3)评价方案；
4)项目实施方的质量管理文件。
(3)评价成果应参照相关行业的档案管理规定进行归档。
2、评价结果
(1)数据成果
1)数据成果宜包括原始数据和评价指标数据。
2)数据成果宜以数据库、数据文件等形式提供。
(2)评价报告
1)评价报告应在修复工程建设完成开展评价结束后出具。
2)评价报告应根据评价数据进行综合分析与评价，给出明确、可靠的评价结论。
3)评价报告编制内容应包含但不限于：项目背景、项目概况、林草生态修复工程建设及实施概况、效果评价过程、效果评价结论与建议等。
4)评价报告格式应符合附录B的要求。
3、质量检查与验收
(1)数据验收
数据验收包括数据质量检查和数据成果验收。
1)数据质量检查以系统检查为主、人工复查为辅。
2)数据成果验收采用抽样核查验收的方式进行，并符合以下规定：
1))对各类评价数据成果应分别进行质量验收；
2))抽取修复前后不少于指标的10％作为检查指标且不少于5项；
3))对抽取的指标，应进行内业全面核查、外业针对性核查。
(2)文档图件验收
1)评价过程中产生的过程文档应分类整理，装订成册，做到清晰规范。
2)评价过程中输出的图件应符合《DB51/T 2279-2016标准地图编制规范》。
(3)报告验收
报告验收包括报告质量检查和报告成果验收。
1)报告质量检查内容包括报告内容是否依据数据开展分析，并据实撰写结论等。
2)报告成果验收宜采用专家评审方式进行，即组织不少于5名的业内相关专家开展评价报告评审会，评审通过后方可视为评价报告成果验收合格。
(4)成果归档
归档成果应包括纸质文件、数字化成果。
数据资料
1)各个指标的原始数据和处理后数据(数据库形式)；
2)数据验收报告。
(5)文档和图件资料
效果评价成果文档资料应包括但不限于：
1)技术服务合同；
2)评价过程资料(包括但不限于评价方案、评价工作计划等)；
3)评价报告及验收报告；
4)图件资料。
本申请方法明确林草生态修复目标，明确林草生态修复目标，具有科学性、稳定性、针对性、全面性、灵敏性、经济性、实用性和可操作性的选择修复效果评价指标，采用合理的数据获取和处理的方法，最后制定了修复效果评价计算方法和评价结果，统一林草生态修复效果评价指标体系、评价指标的监测方法、评价方法和评价结果等技术要求，为科学合理开展林草生态修复提供技术依据和衡量尺度，为林草生态修复工程效果评价和工程验收提供规范性指导，提升林草生态恢复效果评价规范性和科学性，有利于加快推进全国林草治理工程实施后的生态修复效果评价，科学推动国土绿化高质量发展。
以上所述仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内所想到的变化或替换，都应涵盖在本发明的保护范围之内。
Claims (1)
1.一种林草生态修复效果评价方法，其特征在于：包括前期准备阶段、方案制定阶段、评价实施阶段以及编制生态修复效果评价报告，
前期准备阶段内容包括收集生态修复区域和生态修复项目资料，资料包括生态修复区域的自然和社会环境的历史和现状资料、生态修复项目实施方案、生态修复项目环境影响报告；对生态修复项目方案进行详细分析，包括生态修复实施的时限和空间范围、生态修复实施的措施、生态修复实施的环境影响；
方案制定阶段内容包括制定林草生态修复效果评价方案，结合林草类型选取相应的效果评价方法、评价指标，确定评价时间；并制定数据获取方案，包括数据获取内容、数据获取方法、数据获取时间；
评价实施阶段内容包括实施林草生态修复数据采集与处理，开展林草生态修复效果评价，根据指标表征，评价生态修复效果；根据评价结果提出生态修复适应性管理措施；
编制生态修复效果评价报告包括根据评价数据进行综合分析与评价，给出明确、可靠的评价结论，以及项目背景、项目概况、林草生态修复工程建设及实施概况、效果评价过程、效果评价结论与建议；
其中，评价指标见表1
表1林草生态修复效果综合评价指标体系
采集方案见表2
表2采集方案
数据处理方法如下，
森林覆盖率：
各类林地面积通过对遥感影像进行分类获取，通过公式1.1计算森林覆盖率；
草地盖度：
使用遥感影像获取草地垂直投影面积和土地总面积；
植被覆盖度：
使用遥感影像计算归一化植被指数NDVI，基于像元二分模型计算植被覆盖度，公式如下：
VFC＝(NDVI-NDVIsoil)/(NDVIveg-NDVIsoil) 公式1.3
式中：VFC是植被覆盖度，NDVIsoil为裸土或没有植被覆盖的像元值，NDVIveg为完全被植被覆盖的像元值；
按照表3开展植被覆盖度分级，并制作评价区域植被覆盖度栅格数据，
表3植被覆盖度等级划分方法
物种丰富度指数
式中：D是物种丰富度指数，S为物种数目，A为样方面积，
森林蓄积量：
根据实地调查数据，建立蓄积量与遥感影像信息之间的多元回归模型，遥感影像信息包括原始波段、纹理、归一化植被指数，使用遥感影像信息反演整个生态修复区的森林蓄积量，并制作生态修复区蓄积量栅格数据，
NPP：
使用CASA模型对林草生态修复区的NPP进行估算，模型所需数据包括NDVI、DEM、气象数据、太阳辐射、植被覆盖、年参考蒸散发ET0，CASA模型具体计算公式如下：
NPP(x，t)＝APAR(x，t)×ε(x，t) 公式1.5
APAR(x，t)＝SOL(x，t)×FPAR(x，t)×0.5 公式1.6
ε(x，t)＝εmax×Tε1(x，t)×Tε2(x，t)×Wε(x，t) 公式1.7
式中：NPP(x，t)是像元x在t月的净初级生产力；APAR(x，t)和ε(x，t)分别是吸收的光合有效辐射和实际光能利用效率；SOL(x，t)为太阳总辐射，FPAR(x，t)为植被入射的光合有效辐射的吸收比例；0.5是植被利用的太阳辐射与总辐射的比例；εmax是理想条件下植被最大光能利用效率，其取值取决于植被类型；Tε1(x，t)和Tε2(x，t)表示环境温度对NPP积累的胁迫作用；Wε(x，t)表示水分胁迫系数，
使用遥感影像信息反演整个林草生态修复区的NPP，并制作林草生态修复区NPP栅格数据，
生物量：
根据实地调查数据，建立生物量与遥感影像信息之间的多元回归模型，遥感影像信息包括原始波段、纹理、归一化植被指数，使用遥感影像信息分别反演森林整个林草生态修复区的生物量与草地生物量，并分别制作林草生态修复区森林生物量和草地生物量栅格数据，
景观丰富度；
采用香农多样性指数来表示景观丰富度，公式如下：
式中：SHDI是景观丰富度，z是斑块类型，g是斑块类型总数，Pz为z斑类型斑块出现的概率，
通过输入土地类型图，选择香农多样性指数，使用移动窗口法计算获取各年份评价区域景观丰富度栅格数据，
景观破碎度：
景观破碎度用来描述整个景观的异质性，反映生态系统的稳定性，公式如下：
式中：LFI是景观破碎度，NP是单位面积中的斑块数，S是单位面积，
计算获取各年份评价区域景观丰富度栅格数据，
荒漠化指数：
使用“归一化植被指数NDVI——反照率特征空间”的方法来进行荒漠化信息的提取，模型可以用简单的二元线性多项式加以表达：
DDI＝a*NDVI-Albedo 公式1.10
式中：DDI是可以反映区域土地沙漠化的过程的沙漠化监测的差值指数，a由归一化植被指数和地表反照率的回归方程系数决定，NDVI为归一化植被指数，Albedo为地表反照率，
选取分布于不同荒漠化等级土地的随机点，应用遥感影像对Albedo和NDVI进行统计回归分析，建立回归方程，根据回归模型进行计算，最终得到出评价区域荒漠化指数栅格数据，
水土流失量：
Y＝11.8×(Qsurf×qpeak×A)0.56×K×C×P×L×R 公式1.11
式中：Y为水土流失量的计算值，单位t；Qsurf为径流因子，单位mm，通过区域径流系数和降雨因子相乘得到；qpeak为暴雨因子，为最大30min暴雨值，从区域暴雨等值线图中获取，单位mm；A为水土流失面积，单位m2；K为土壤侵蚀因子，通过区域水土流失调查中得到；C为植被覆盖因子，与区域植被覆盖率相关，植被覆盖率不高于30％时，其植被覆盖因子取为0.6，植被覆盖率高于30％且不高于60％时，取为0.4，植被覆盖率高于60％时，取为0.2，植被覆盖率越高，值越小；P为水土保持措施因子，值与水土流失区坡度相关，坡度越高，值越低；L为地形坡度，值通过遥感影像数据进行获取；R为粗糙度因子，值与土壤物理性质相关，通过上述公式计算获得评价区域水土流失量分布栅格数据，
水源涵养量：
采用水量平衡法对水源涵养量进行估算，进而估算生态系统水源涵养量，其公式如下：
WC＝(P雨-Runoff-ET)×A生 公式1.12
式中：WC为水源涵养量，P雨为降雨量，Runoff为径流量，ET为蒸散量，A生为生态系统面积，
通过上述公式计算获得评价区域水源涵养量分布栅格数据，
土壤有机质含量：
借助采样点测得土壤有机质含量数据，与遥感影像相关波段建立回归方程，生成评价区域当年土壤有机质含量分布栅格数据，
土壤含水率：
借助采样点测得土壤含水率含量数据，与遥感影像相关波段建立回归方程，生成评价区域当年土壤含水率含量分布栅格数据，
AQI：
对照各项污染物的分级浓度限值，以细颗粒物PM2.5、可吸入颗粒物PM10、二氧化硫SO2、二氧化氮NO2、臭氧O3、一氧化碳CO各项污染物的实测浓度值，PM2.5、PM10为24小时平均浓度，分别计算得出空气质量分指数，空气质量分指数简称IAQI；从各项污染物的IAQI中选择最大值确定为AQI，即AQI就是各项污染物的空气质量分指数IAQI中的最大值，
对各监测站点数据进行分析，采取克里金插值方法，生成评价区域各期AQI栅格数据，
干旱指数：
采用TVDI干旱指数公式1.13：
式中：LSTmax和LSTmin表示当NDVI等于某一定值时地表温度的最大值和最小值，
LSTmin＝a1+b1NDVI
LSTmax＝a2+b2NDVI
式中：a1、b1、a2、b2是干边、湿边拟合系数；LSTi表示任一像元地表温度，
通过上述公式计算获得评价区域TVDI分布栅格数据，
林业工程措施完成率：
式中：F是林业工程措施综合完成率，Pe是e工程措施的完成率，h是工程措施的种类，Ce是e工程措施的实际完成数量，Se是e工程措施的任务数量，
此项指标仅作为林业工程修复效果的硬性指标，不参与权重计算，当Pe或F＜95％，即表示林业工程生态修复工程不合格，
草原工程措施完成率：
式中：G是草原工程措施综合完成率，Qe是e工程措施的完成率，m是工程措施的种类，Ce是e工程措施的实际完成数量，Se是e工程措施的任务数量，
此项指标仅作为草原工程修复效果的硬性指标，不参与权重计算，当Qe或G＜95％，即表示草原工程生态修复工程不合格，
评价方法和结果：
1)采用熵值法计算各评价指标权重，选取n个样本点，m项指标，则xij表示第j项指标下第i个样本点的数值，
11)首先对各项指标输出的影像成果进行重采样，统一其空间分辨率，然后对数据进行标准化处理，以消除量纲影响，对于正负指标用不同的算法进行数据标准化处理，具体方法如下：
正向指标：
负向指标:
式中：x′ij表示第j项指标下第i个样本点的归一化值，i＝1,2…,n；j＝1,2,…,m，
12)计算第j项指标下第i个样本点的贡献度
式中：pij表示第j项指标下第i个样本点的贡献度，
13)第j项指标的熵值
式中：k>0，式中常数k与样本点数量n有关，令常数k＝1/ln(n)，满足0≤ej≤1，
14)信息熵冗余度
对于第j项指标，指标值xij的差异越大，对方案评价的作用越大，熵值越小，
dj＝1-ej 公式2.5
式中：dj表示第j项指标的差异系数，
2)各项指标权重
式中：wj表示第j项指标的权重值，
3)评价方法
采用综合评价法模型公式2.7计算评价区域某一年的生态状况得分，
式中：Q为综合得分，wj为第j项指标的权重值，x′ij表示第j项指标下第i个样本点的归一化值，
根据自然间断点分级法将生态状况综合得分分为五级，如表4所示：
表4生态状况综合评分等级划分方法
4)修复效果评级
采用时间序列对比法评价修复效果，即以生态修复项目实施前修复区为参照系，进而计算评价区域内指标的恢复率，计算公式如下：
Pt＝(Qt-Q)*100％/Q 公式2.8
式中：Pt为生态修复后第t年的生态修复率，Q为生态修复项目实施前的综合得分，Qt为生态修复后第t年的综合得分，t为评价年，
根据修复率Pt的大小，将林草生态修复趋势划分为六个等级：Ⅰ级，显著改善；Ⅱ级，明显改善；III级，一般改善；IV级，轻微改善；V级，基本无变化；VI级，退化，如表5，
表5林草生态修复效果评价标准
5)修复效果分析
根据上述生态修复效果评级结果，及时发现生态保护修复过程中新产生的生态问题及潜在生态风险，针对保护修复措施和技术的调整修正提出合理化建议；
6)根据修复评价结果，对照林草生态保护修复目标，监测评价生态修复工程措施、技术手段的效果，及时发现生态修复过程中新产生的生态问题及潜在生态风险，经评估，在结果和风险可控的原则下，借鉴已有经验做法，对会导致偏离生态保护修复目标或者对生态系统造成新的破坏的修复措施和技术、子项目的空间布局和时序安排按规定程序报批后进行相应调整修正；
7)评价结果和评价报告
数据成果包括原始数据和评价指标数据，评价报告编制内容包括：项目背景、项目概况、林草生态修复工程建设及实施概况、效果评价过程、效果评价结论与建议。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210060970.5A CN115293473B (zh) | 2022-01-19 | 2022-01-19 | 一种林草生态修复效果评价方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210060970.5A CN115293473B (zh) | 2022-01-19 | 2022-01-19 | 一种林草生态修复效果评价方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115293473A CN115293473A (zh) | 2022-11-04 |
| CN115293473B true CN115293473B (zh) | 2023-07-25 |
Family
ID=83819970
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210060970.5A Active CN115293473B (zh) | 2022-01-19 | 2022-01-19 | 一种林草生态修复效果评价方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115293473B (zh) |
Families Citing this family (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115481943A (zh) * | 2022-11-08 | 2022-12-16 | 中国科学院、水利部成都山地灾害与环境研究所 | 一种生态系统恢复力的评价方法 |
| CN116012733B (zh) * | 2022-12-14 | 2023-09-29 | 兰州大学 | 一种利用乡土草种物种组配修复退化高寒草地裸斑的方法 |
| CN116011745B (zh) * | 2022-12-20 | 2024-02-13 | 速度科技股份有限公司 | 一种基于云服务的生态修复方案优化方法及系统 |
| CN116187663B (zh) * | 2022-12-20 | 2024-02-20 | 广州市城市规划勘测设计研究院 | 一种林地修复的空间布局方法、装置、设备及存储介质 |
| CN115796702A (zh) * | 2022-12-27 | 2023-03-14 | 重庆地质矿产研究院 | 一种红壤土地综合治理生态修复成效的评估方法及系统 |
| CN116205404B (zh) * | 2023-02-21 | 2024-02-02 | 内蒙古农业大学 | 次生林生态功能恢复方法、效果评价指标体系构建方法 |
| CN116187954A (zh) * | 2023-04-12 | 2023-05-30 | 北京世纪农丰土地科技有限公司 | 一种生态环境整治成效评估方法 |
| CN116384774B (zh) * | 2023-06-02 | 2023-08-15 | 北京建工环境修复股份有限公司 | 一种在产园区土壤污染分区分类分级评价方法 |
| CN116579659A (zh) * | 2023-06-06 | 2023-08-11 | 中国标准化研究院 | 一种基于元数据实体信息集的生态修复监测方法 |
| CN116702299B (zh) * | 2023-08-02 | 2023-10-17 | 山东建筑大学 | 一种基于园林模拟的园林设计方法 |
| CN117023674B (zh) * | 2023-10-08 | 2024-01-09 | 山东世纪阳光科技有限公司 | 用于净水设备的智能出水控制系统 |
| CN117172959B (zh) * | 2023-10-31 | 2024-02-13 | 杨凌职业技术学院 | 一种林业生态环境监测系统及方法 |
| CN117315491B (zh) * | 2023-11-28 | 2024-02-20 | 泰安市绿威园林有限公司 | 一种面向林业工程建设的生态红线预警方法 |
| CN117973887A (zh) * | 2024-01-05 | 2024-05-03 | 深圳市城市规划设计研究院股份有限公司 | 区域生态修复决策生成方法和装置、电子设备及存储介质 |
| CN117933825A (zh) * | 2024-02-23 | 2024-04-26 | 重庆市地理信息和遥感应用中心(重庆市测绘产品质量检验测试中心) | 基于多光谱无人机的森林保护修复生态成效评估方法 |
| CN118095956A (zh) * | 2024-03-22 | 2024-05-28 | 重庆市地理信息和遥感应用中心(重庆市测绘产品质量检验测试中心) | 一种工程尺度生物多样性恢复成效评估方法、系统和设备 |
| CN118053087B (zh) * | 2024-04-15 | 2024-06-25 | 国家林业和草原局西北调查规划院 | 一种基于无人机与模型分析的林草光伏互补评估、监测方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103477885A (zh) * | 2013-10-10 | 2014-01-01 | 中国科学院城市环境研究所 | 一种基于植物种类结构的植被恢复效果评价方法 |
| CN112734215A (zh) * | 2020-12-31 | 2021-04-30 | 重庆英卡电子有限公司 | 林草生态价值综合评估系统及方法 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2682040C2 (ru) * | 2016-12-13 | 2019-03-14 | Федеральное государственное бюджетное научное учреждение "Федеральный исследовательский центр угля и углехимии Сибирского отделения Российской академии наук" (ФИЦ УУХ СО РАН) | Способ восстановления экосистем, нарушенных при разработке месторождений полезных ископаемых открытым способом |
| CN109615215B (zh) * | 2018-12-06 | 2022-11-29 | 西安理工大学 | 一种区域植被恢复的特征分析方法 |
| CN109636171B (zh) * | 2018-12-06 | 2022-11-29 | 西安理工大学 | 一种区域植被恢复的综合诊断与风险评价方法 |
| US11300709B2 (en) * | 2020-04-30 | 2022-04-12 | Institute Of Geochemistry, Chinese Academy Of Sciences | Method for determining surface runoff yield in vegetation-covered area |
| CN113705951A (zh) * | 2021-06-08 | 2021-11-26 | 中建一局集团第三建筑有限公司 | 一种矿山生态修复效果评价的方法 |
-
2022
- 2022-01-19 CN CN202210060970.5A patent/CN115293473B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103477885A (zh) * | 2013-10-10 | 2014-01-01 | 中国科学院城市环境研究所 | 一种基于植物种类结构的植被恢复效果评价方法 |
| CN112734215A (zh) * | 2020-12-31 | 2021-04-30 | 重庆英卡电子有限公司 | 林草生态价值综合评估系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115293473A (zh) | 2022-11-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115293473B (zh) | 一种林草生态修复效果评价方法 | |
| Slivinski et al. | Towards a more reliable historical reanalysis: Improvements for version 3 of the Twentieth Century Reanalysis system | |
| Buchard et al. | Evaluation of the surface PM2. 5 in Version 1 of the NASA MERRA Aerosol Reanalysis over the United States | |
| Wang et al. | Systematic errors in global radiosonde precipitable water data from comparisons with ground-based GPS measurements | |
| Hand et al. | An investigation of warm-season spatial rainfall variability in Oklahoma City: Possible linkages to urbanization and prevailing wind | |
| CN111579504B (zh) | 基于光学遥感的大气污染成分垂直分布反演方法 | |
| Tang et al. | Evaluating high-resolution forecasts of atmospheric CO and CO 2 from a global prediction system during KORUS-AQ field campaign | |
| Zhang et al. | Review of aerosol optical depth retrieval using visibility data | |
| CN111487216A (zh) | 一种二氧化碳通量反演方法、系统 | |
| Fong et al. | Forecasting of particulate matter (PM10) concentration based on gaseous pollutants and meteorological factors for different monsoons of urban coastal area in Terengganu | |
| CN111582689A (zh) | 一种生态保护红线保护成效的评估方法及系统 | |
| Dayalu et al. | Assessing biotic contributions to CO 2 fluxes in northern China using the Vegetation, Photosynthesis and Respiration Model (VPRM-CHINA) and observations from 2005 to 2009 | |
| Kumar et al. | Multi-year analysis of aerosol optical properties and implications to radiative forcing over urban Pretoria, South Africa | |
| Alexandrov et al. | Remote sensing of atmospheric aerosols and trace gases by means of multifilter rotating shadowband radiometer. Part II: Climatological applications | |
| Liu et al. | Estimation of surface ammonia concentrations and emissions in China from the polar-orbiting Infrared Atmospheric Sounding Interferometer and the FY-4A Geostationary Interferometric Infrared Sounder | |
| Karbasi et al. | Study of mid-latitude retrieval XCO2 greenhouse gas: Validation of satellite-based shortwave infrared spectroscopy with ground-based TCCON observations | |
| Villalobos et al. | Interannual variability in the Australian carbon cycle over 2015–2019, based on assimilation of Orbiting Carbon Observatory-2 (OCO-2) satellite data | |
| CN116663787B (zh) | 一种风光资源评估方法、装置、电子设备和存储介质 | |
| Mousavi et al. | Assessing the impact of global carbon dioxide changes on atmospheric fluctuations in Iran through satellite data analysis | |
| CN116822624A (zh) | 一种基于深度森林模型框架的近地表o3估算方法 | |
| Guoqing et al. | A model for simulating the soil organic carbon pool of steppe ecosystems | |
| CN116128345A (zh) | 一种基于动态过程本底的国家公园综合成效评价方法 | |
| Perry et al. | The generation of monthly gridded datasets for a range of climatic variables over the United Kingdom | |
| Zhang et al. | A Spatial Downscaling Method for Solar-Induced Chlorophyll Fluorescence Product Using Random Forest Regression and Drought Monitoring in Henan Province | |
| Moreto et al. | Sugarcane decision-making support using Eta Model precipitation forecasts |
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 |