CN115856259A - 基于区域差异特征的水源涵养功能遥感评估方法和系统 - Google Patents
基于区域差异特征的水源涵养功能遥感评估方法和系统 Download PDFInfo
- Publication number
- CN115856259A CN115856259A CN202211610401.XA CN202211610401A CN115856259A CN 115856259 A CN115856259 A CN 115856259A CN 202211610401 A CN202211610401 A CN 202211610401A CN 115856259 A CN115856259 A CN 115856259A
- Authority
- CN
- China
- Prior art keywords
- pixel
- area
- evaluated
- water source
- source conservation
- 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
Images
Landscapes
- Image Processing (AREA)
Abstract
本发明涉及生态功能遥感评估技术领域,具体涉及基于区域差异特征的水源涵养功能遥感评估方法和系统,包括:获取待评估区域的每个像元对应的植被覆盖度、净初级生产力值、地表复杂度指标以及地形湿度指标,计算地表径流特征指标和水源涵养特征指标,并计算区域产水量,基于地表径流特征指标、水源涵养特征指标以及区域产水量,确定待评估区域内每个像元的初始水源涵养量,设计地物相关修正指标对地物边界的初始水源涵养量进行修正,利用降水量和实际蒸散量对地表水体区域的初始水源涵养量进行替换,获得待评估区域的最终水源涵养量。本发明实现了水源涵养生态功能遥感评估,通过区域差异化特征,有效提高了水源涵养生态功能的评估准确性。
Description
技术领域
本发明涉及生态功能遥感评估技术领域,具体涉及基于区域差异特征的水源涵养功能遥感评估方法和系统。
背景技术
水是生命之源,其中淡水资源仅占全球水资源总量的2.5%左右,人类能够直接利用和生产的水量非常少。水源涵养是生态系统(如森林、灌丛、草地等)通过其特有的生态结构与水循环相互作用,经地表、植被等蒸散和地表、地下径流过程,实现降水的截留、渗透和蓄积的能力。水源涵养是陆地生态系统重要生态服务功能之一,其变化将直接影响区域气候水文、植被和土壤状况,水源涵养生态功能的好坏是区域生态状况的重要指示器。采用遥感方式获取大尺度范围的地表信息,可以实现对水源涵养生态功能进行高效评估,了解不同区域的水源涵养能力以及分布情况。
现有的水源涵养生态功能评估方法包括:水量平衡法、降水贮存法、年径流法、地下径流增长法、林冠层截留剩余法、土壤蓄水能力法、综合蓄水能力法及多元回归法等,这些方法从某一个维度来计算水源涵养量,不同方法所表征的水源涵养量有所差别,存在一定的局限性。例如,土壤蓄水能力法将土壤中贮存的水量视为水源涵养量,水量平衡法将某区域在一定时段内收入水量与支出水量之差视为水源涵养量,综合蓄水能力法将冠层截留量、枯落物持水量和土壤蓄水量三者之和视为水源涵养量,不同方法得到的计算结果的可比性较差。综合蓄水能力法考虑了不同作用层涵养的水量,与水源涵养内涵较为接近,并且可对比不同作用层对总水源涵养量的贡献,应用范围相对较广。但是上述水源涵养生态功能评估方法所涉及的影响水源涵养因素并不全面,没有将不同区域的生态环境和生态质量等因素考虑在内,导致水源涵养生态功能的评估准确性较差。
发明内容
为了解决上述现有水源涵养生态功能遥感评估方法的评估结果准确率低的技术问题,本发明的目的在于提供基于区域差异特征的水源涵养功能遥感评估方法和系统。
本发明提供了基于区域差异特征的水源涵养功能遥感评估方法,包括以下步骤:
根据待评估区域的光学遥感图像、数字高程模型数据以及土壤数据,确定待评估区域的每个像元对应的植被覆盖度、净初级生产力值、地表复杂度指标以及地形湿度指标;
根据植被覆盖度和地表复杂度指标,确定每个像元对应的地表径流特征指标,根据净初级生产力值和地形湿度指标,确定每个像元对应的水源涵养特征指标;
获取预设数量个与区域产水量相关的参数,根据预设数量个与区域产水量相关的参数,确定每个像元对应的区域产水量;
根据待评估区域内每个像元的地表径流特征指标、水源涵养特征指标以及区域产水量,确定待评估区域内每个像元的初始水源涵养量;
根据待评估区域内每个像元的初始水源涵养量及其相邻关系,确定待评估区域的地物相关修正指标,利用地物相关修正指标对不同地物边界的初始水源涵养量进行修正处理;
获取待评估区域的降水量和实际蒸散量,利用降水量和实际蒸散量对地表水体区域的水源涵养量进行替换处理;
对不同地物边界对应的修正处理后的初始水源涵养量和地表水体区域对应的替换处理后的水源涵养量进行融合处理,得到待评估区域的最终水源涵养量。
进一步地,所述地表径流特征指标的计算公式为:
其中,RCDifs为待评估区域的第s个像元对应的地表径流特征指标,f0-1为归一化函数,TCOMs为待评估区域的第s个像元对应的地表复杂度指标,为待评估区域的第s个像元对应的有效植被覆盖度,FVCs,v为待评估区域的第s个像元对应的全国同期平均覆盖度,s为待评估区域内像元的序号,veg为植被地类,other为非植被地类;
所述水源涵养特征指标的计算公式为:
其中,WRDifs为待评估区域的第s个像元对应的水源涵养特征指标,f0-1为归一化函数,TWIs为待评估区域的第s个像元对应的地形湿度指标,NPPs为待评估区域的第s个像元对应的净初级生产力值,NPPs,v为待评估区域的第s个像元对应的全国同期平均净初级生产力值,s为待评估区域内像元的序号,veg为植被地类,other为非植被地类。
进一步地,所述初始水源涵养量的计算公式为:
WRs=WRDifs×(1-RCDifs×αs)×Yields
其中,WRs为待评估区域内第s个像元的初始水源涵养量,s为待评估区域对应的像元序号,WRDifs为待评估区域的第s个像元对应的水源涵养特征指标,RCDifs为待评估区域的第s个像元对应的地表径流特征指标,αs为待评估区域的第s个像元对应的地物初始径流系数,Yields为待评估区域的第s个像元对应的区域产水量。
进一步地,所述地物相关修正指标的计算公式为:
其中,FNR(i′)为一级邻域集合,dx为一级邻域集合中第x个邻域点与中心点之间的距离,ωx为一级邻域集合中第x个邻域点的权重,x为一级邻域集合中邻域点的序号,SNR(i′)为二级邻域集合,dy为二级邻域集合中第y个邻域点与中心点之间的距离,ωy为二级邻域集合中第y个邻域点的权重,y为二级邻域集合中邻域点的序号,CRel为地物相关修正指标,j′为邻域点的序号,i′为中心点的序号,φi′为邻域集合,WRj′-v为邻域点所属地物类型的平均水源涵养量,WRi′-v为中心点所属地物类型的平均水源涵养量,ωj′为邻域点的权重值。
进一步地,根据待评估区域的光学遥感图像、数字高程模型数据以及土壤数据,确定待评估区域的每个像元对应的植被覆盖度、净初级生产力值、地表复杂度指标以及地形湿度指标,包括:
根据待评估区域的光学遥感图像,获得每个像元的植被覆盖度,对每个像元的植被覆盖度进行有效值修正,得到每个像元对应的有效植被覆盖度;
根据待评估区域的光学遥感图像、温度数据以及太阳总辐射数据,确定每个像元的实际光能利用效率以及绿色植物吸收的光合有效辐射,计算每个像元的实际光能利用效率和绿色植物吸收的光合有效辐射的乘积,将该乘积作为对应像元对应的净初级生产力值;
根据待评估区域的数字高程模型数据,获得各个目标地形因子,根据各个目标地形因子,确定各个目标地形因子的权重系数,将各个目标地形因子及其权重系的乘积进行累加处理,得到每个像元对应的地表复杂度指标,所述目标地形因子包括地形起伏度、地表切割深度、地表粗糙度以及高程变异系数;
根据待评估区域的数字高程模型数据和土壤数据,确定每个像元对应的地形湿度指标。
进一步地,对每个像元的植被覆盖度进行有效值修正,得到每个像元对应的有效植被覆盖度,包括:
当任意一个像元的植被覆盖度小于或等于第一预设覆盖度时,将第一预设覆盖度作为对应像元对应的有效植被覆盖度;
当任意一个像元的植被覆盖度大于第一预设覆盖度且小于第二预设覆盖度时,将植被覆盖度作为对应像元对应的有效植被覆盖度;
当任意一个像元的植被覆盖度大于或等于第二预设覆盖度时,将第二预设覆盖度作为对应像元对应的有效植被覆盖度。
进一步地,所述权重系数的计算公式为:
其中,Coefi为第i个目标地形因子的权重系数,f0-1为归一化函数,m为第i个目标地形因子对应的主成分个数,PCRij为第i个目标地形因子对应的第j个主成分的贡献率,ZHij为第i个目标地形因子对应的第j个主成分中的载荷系数,Feaij为第i个目标地形因子对应的第j个主成分的特征值,i为目标地形因子的序号,j为目标因子对应的主成分序号。
进一步地,根据预设数量个与区域产水量相关的参数,确定每个像元对应的区域产水量,包括:
所述预设数量个与区域产水量相关的参数包括地表蒸散系数、潜在蒸散量、降水量、实际蒸散量、季节常数以及土壤有效水分指标;
若待评估区域的任意一个像元为植被地类,则根据该像元的地表蒸散系数、潜在蒸散量、降水量、季节常数以及土壤有效水分指标,确定该像元对应的气候干湿程度,所述气候干湿程度的计算公式为:
其中,μs为待评估区域的第s个像元对应的环境参量,Z为季节常数,AWCs为待评估区域的第s个像元对应的土壤有效水分指标,Ps为待评估区域的第s个像元对应的降水量,为待评估区域的第s个像元对应的气候干湿程度,PETs为待评估区域的第s个像元对应的潜在蒸散量,Kcs为待评估区域的第s个像元对应的地表蒸散系数,s为待评估区域内像元的序号;
若待评估区域的任意一个像元为非植被地类,则根据该像元的地表蒸散系数、潜在蒸散量以及降水量,确定该像元对应的气候干湿程度,所述气候干湿程度的计算公式为:
其中,为待评估区域的第s′个像元对应的气候干湿程度,PETs′为待评估区域的第s′个像元对应的潜在蒸散量,Ps′为待评估区域的第s′个像元对应的降水量,Min为求最小值函数,Kcs′为待评估区域的第s′个像元对应的地表蒸散系数,s′为待评估区域内像元的序号;
根据每个像元的降水量和气候干湿程度,确定每个像元对应的区域产水量,所述区域产水量的计算公式为:
其中,Yields为待评估区域的第s个像元对应的区域产水量,Ps为待评估区域的第s个像元对应的降水量,s为待评估区域内像元的序号,AETs为待评估区域的第s个像元对应的实际蒸散量,为待评估区域的第s个像元对应的气候干湿程度。
基于区域差异特征的水源涵养功能遥感评估系统,包括:
参数获取单元,用于获取待评估区域的每个像元对应的植被覆盖度、净初级生产力值、地表复杂度指标以及地形湿度指标;
空间异质特征指标构建单元,用于根据植被覆盖度和地表复杂度指标,确定每个像元对应的地表径流特征指标,根据净初级生产力值和地形湿度指标,确定每个像元对应的水源涵养特征指标;
产水量获取单元,用于获取预设数量个与区域产水量相关的参数,根据预设数量个与区域产水量相关的参数,确定每个像元对应的区域产水量;
区域水源涵养生态功能评估模型构建单元,用于根据待评估区域内每个像元的地表径流特征指标、水源涵养特征指标以及区域产水量,确定待评估区域内每个像元的初始水源涵养量,进而确定地物相关修正指标;
水源涵养修正单元,用于利用地物相关修正指标对不同地物边界的初始水源涵养量进行修正处理,利用降水量和实际蒸散量对地表水体区域的水源涵养量进行替换处理,通过融合处理,得到待评估区域的最终水源涵养量。
本发明具有如下有益效果:
本发明提供了基于区域差异特征的水源涵养功能遥感评估方法和系统,该方法通过对待评估区域的光学遥感图像、数字高程模型数据以及土壤数据进行数字处理和分析,获得待评估区域的植被覆盖度、净初级生产力值、地表复杂度指标以及地形湿度指标,这里数值是后续确定初始水源涵养量的基准参数,有助于实现区域特征差异化,提高水源涵养生态功能评估结果的准确性;通过植被覆盖度和地表复杂度指标,两个角度分析地表径流特征指标,有助于提高地表径流特征指标的可靠程度,通过净初级生产力值和地形湿度指标,两个角度分析水源涵养特征指标,有助于提高水源涵养特征指标的可靠程度,计算地表径流特征指标和水源涵养特征指标是为了便于后续计算初始水源涵养量;区域产水量是评估水源涵养生态功能的重要参数,从多个方面的水源相关参数所计算的区域产水量的参考价值会更高;基于区域产水量、地表径流特征指标以及水源涵养特征指标,确定初始水源涵养量,有助于从区域地形、地表,以及生态差异特征分析水源涵养生态功能的影响,提高生态功能评估的准确率。为了进一步确保水源涵养量的准确度,对待评估区域内每个像元的初始水源涵养量进行修正处理,得到待评估区域的最终水源涵养量,以确定待评估区域的水源涵养生态功能的状态。本发明采用遥感监测与反演技术,能够有效帮助地表水文生态遥感监测技术的发展,为区域水文生态保护与水源涵养生态功能提升等工作的精准布局与有效推进提供技术支撑。同时,实现了对水源涵养生态功能的定量评估,能够快速、准确地了解区域的水源涵养量及分布情况,对水源涵养生态功能区的生态保护与修复具有重要的支撑意义。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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它附图。
图1为本发明基于区域差异特征的水源涵养功能遥感评估方法的流程图;
图2为本发明实施例中的地表径流特征指标RCDif分布情况示意图;
图3为本发明实施例中的水源涵养特征指标WRDif分布情况示意图;
图4为本发明实施例中的区域产水量Yield结果分布示意图;
图5为本发明实施例中的初始水源涵养量WR结果分布示意图;
图6为本发明实施例中的水源涵养量结果分布示意图;
图7为本发明基于区域差异特征的水源涵养功能遥感评估系统的系统框图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的技术方案的具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一个实施例。此外,一个或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
本实施例提供了基于区域差异特征的水源涵养功能遥感评估方法,如图1所示,包括以下步骤:
(1)根据待评估区域的光学遥感图像、数字高程模型数据以及土壤数据,确定待评估区域的每个像元对应的植被覆盖度、净初级生产力值、地表复杂度指标以及地形湿度指标,其步骤包括:
(1-1)根据待评估区域的光学遥感图像,获得每个像元的植被覆盖度,对每个像元的植被覆盖度进行有效值修正,得到每个像元对应的有效植被覆盖度,其步骤包括:
在本实施例中,使用光学遥感图像数据,提取待评估区域的植被覆盖度,采用光学遥感图像数据反演可以得到每个像元的植被覆盖度,植被覆盖度的获取过程为现有技术,不在本发明保护范围内,此处不再进行详细阐述。
需要说明的是,当植被冠层对降水产生截留效应时,植被覆盖度应在其有效值域范围内处理,为了提高各个像元的植被覆盖度的精确度,对每个像元的植被覆盖度进行有效值修正,获得待评估区域的每个像元对应的对地表径流影响有效的植被覆盖度参量,即每个像元对应的有效植被覆盖度,这里的植被覆盖度可以表征待评估区域的植被对降水的截留状况,具体步骤可以为:
(1-1-1)当任意一个像元的植被覆盖度小于或等于第一预设覆盖度时,说明植被对径流的改善效果并不明显,将第一预设覆盖度作为对应像元对应的有效植被覆盖度,第一预设覆盖度可以设置为25%。
(1-1-2)当任意一个像元的植被覆盖度大于第一预设覆盖度且小于第二预设覆盖度时,说明地表径流才会随植被覆盖度的增大而逐渐减小,此时将将植被覆盖度作为对应像元对应的有效植被覆盖度,第二预设覆盖度可以设置为75%。
(1-1-3)当任意一个像元的植被覆盖度大于或等于第二预设覆盖度时,说明冠层截留量过大,导致地表径流不会继续减小,基本稳定不变,此时将第二预设覆盖度作为对应像元对应的有效植被覆盖度。
至此,本实施例基于步骤(1-1-1)至步骤(1-1-3),可以实现对植被覆盖度进行有效值修正,该有效值修正的表达式可以为:
其中,FVC*为待评估区域的每个像元对应的有效植被覆盖度,25%为第一预设覆盖度,75%为第二预设覆盖度,FVC为待评估区域的每个像元对应的植被覆盖度。
(1-2)根据待评估区域的光学遥感图像、温度数据以及太阳总辐射数据,确定每个像元的实际光能利用效率以及绿色植物吸收的光合有效辐射,计算每个像元的实际光能利用效率和绿色植物吸收的光合有效辐射的乘积,将该乘积作为对应像元对应的净初级生产力值。
在本实施例中,净初级生产力值可以表征一定时间内的物质生产能力,将净初级生产力值记为NPP,NPP的状态与变化能够有效反映植被水循环与能量交互的动态趋势,其是植被生态系统服务功能变化的一个重要指示器。获取净初级生产力的过程为现有技术,不在本发明保护范围内。当NPP越大时,表征待评估区域的植被生长状态越好,即当土壤能量与水分充足时,可使用NPP作为水源涵养调节参量,净初级生产力值的确定步骤包括:
(1-2-1)根据待评估区域的光学遥感图像,获得每个像元在同一时刻的低温胁迫、高温胁迫、水分胁迫、最大光能利用率、太阳总辐射以及植被光合作用吸收的辐射比例。
本实施例基于待评估区域的光学遥感图像数据反演,可以直接得到与净初级生产力相关参数,包括:同一时刻的待评估区域的每个像元对应的低温胁迫、高温胁迫、水分胁迫、最大光能利用率、太阳总辐射以及植被光合作用吸收的辐射比例。
(1-2-2)根据每个像元在同一时刻的低温胁迫、高温胁迫、水分胁迫和最大光能利用率,确定每个像元的实际光能利用效率。
在本实施例中,将每个像元在同一时刻的低温胁迫、高温胁迫、水分胁迫和最大光能利用率进行相乘处理,将最后的乘积作为对应像元的实际光能利用效率,实际光能利用效率的计算公式可以为:
ε(x,t)=Tε1(x,t)×Tε2(x,t)×Wε(x,t)×εmax
其中,ε(x,t)为第x个像元在时刻t的实际光能利用效率,Tε1(x,t)为第x个像元在时刻t的低温胁迫,Tε2(x,t)为第x个像元在时刻t的高温胁迫,Wε(x,t)为第x个像元在时刻t的水分胁迫,εmax为最大光能利用率,x为待评估区域内像元的序号,t为时刻t。
在实际光能利用效率的计算公式中,实际光能利用效率ε的单位为gMJ-1,可以由低温胁迫Tε1、高温胁迫Tε2、水分胁迫Wε以及最大光能利用率εmax共同计算得到,这里的最大光能利用率可以为理想最大光能利用率。由多种因素共同影响所得的实际光能利用效率的精确率会更高,其有助于后续实现水源涵养生态系统的准确评估。
(1-2-3)根据每个像元在同一时刻的太阳总辐射和植被光合作用吸收的辐射比例,确定绿色植物吸收的光合有效辐射。
在本实施例中,将每个像元在同一时刻的太阳总辐射和植被光合作用吸收的辐射比例进行相乘处理,将最后乘积的一半作为对应像元对应的绿色植物吸收的光合有效辐射,绿色植物吸收的光合有效辐射的计算公式可以为:
APAR(x,t)=SOL(x,t)×FPAR(x,t)×0.5
其中,APAR(x,t)为第x个像元在时刻t的绿色植物吸收的光合有效辐射,SOL(x,t)为第x个像元在时刻t的太阳总辐射,FPAR(x,t)为第x个像元在时刻t的植被光合作用吸收的辐射比例,x为待评估区域内像元的序号,t为时刻t。
在绿色植物吸收的光合有效辐射的计算公式中,绿色植物吸收的光合有效辐射的单位为MJm-2,其由太阳总辐射SOL和植被光合作用吸收的辐射比例FPAR共同决定,其中,植被光合作用吸收的辐射比例FPAR与归一化植被指数NDVI具有线性关系。
(1-2-4)根据每个像元在同一时刻的实际光能利用效率和绿色植物吸收的光合有效辐射,确定待评估区域的净初级生产力值。
在本实施例中,将实际光能利用效率和绿色植物吸收的光合有效辐射进行相乘处理,将最后的乘积作为对应像元对应的净初级生产力值,净初级生产力值的计算公式可以为:
NPP(x,t)=ε(x,t)×APAR(x,t)
其中,NPP(x,t)为第x个像元在时刻t的净初级生产力值,ε(x,t)为第x个像元在时刻t的实际光能利用效率,APAR(x,t)为第x个像元在时刻t的绿色植物吸收的光合有效辐射。
需要说明的是,从两个角度实际光能利用效率和绿色植物吸收的光合有效辐射分析净初级生产力值,有利于增强净初级生产力值的准确率,进而提高后续所确定的水源涵养特征指标的参考价值。
(1-3)根据待评估区域的数字高程模型数据,获得各个目标地形因子,根据各个目标地形因子,确定各个目标地形因子的权重系数,将各个目标地形因子及其权重系的乘积进行累加处理,得到每个像元对应的地表复杂度指标,其步骤包括:
(1-3-1)根据待评估区域的数字高程模型数据,获得各个目标地形因子。
在本实施例中,通过应用数字高程模型DEM,可以选取待评估区域的多个目标地形因子进行主成分分析,目标地形因子包括地形起伏度TR e l、地表切割深度CDep、地表粗糙度GRou和高程变异系数VCol,地形因子还可以称为特征因子。为了便于后续计算权重系数,对多个目标地形因子进行主成分分析(PCA,Principal Component Analysis),可以获得每个地形因子在不同主成分中的载荷系数以及每个主成分的贡献率,载荷系数和贡献率属于中间处理数据。
(1-3-2)根据各个目标地形因子、各个目标地形因子在每个主成分中的载荷系数以及每个主成分的贡献率,确定各个目标地形因子的权重系数。
在本实施例中,采用自适应定权方法,基于主成分分析PCA,来确定待评估区域的每个地形因子的权重系数,确定地形因子的权重系数的计算公式可以为:
其中,Coefi为第i个目标地形因子的权重系数,f0-1为归一化函数,m为第i个目标地形因子对应的主成分个数,PCRij为第i个目标地形因子对应的第j个主成分的贡献率,ZHij为第i个目标地形因子对应的第j个主成分中的载荷系数,Feaij为第i个目标地形因子对应的第j个主成分的特征值,i为目标地形因子的序号,j为目标因子对应的主成分序号。
在地形因子的权重系数的计算公式中,所有目标地形因子的个数可以为4,主成分的个数是由计算过程的中间结果确定。自适应定权方法所确定的权重系数,与自行设定的权重系数相比,此时的权重系数更加可靠,其有助于提高后续所确定的地表复杂度指标的准确率。
(1-3-3)根据每个目标地形因子及其权重系数,确定待评估区域的每个像元的地表复杂度指标。
在本实施例中,计算每个目标地形因子与其对应的权重系数的乘积,使乘积进行累加计算,将累加值作为对应像元对应的地表复杂度指标,地表复杂度指标的计算公式可以为:
其中,TCom为每个像元的地表复杂度指标,n为所有目标地形因子的个数,i为每个目标地形因子的序号,Coefi为第i个目标地形因子的权重系数,DEFi为第i个目标地形因子,第i个目标地形因子可以为地形起伏度TR e l、地表切割深度CDep、地表粗糙度GRou或高程变异系数VCol。
(1-4)根据待评估区域的数字高程模型数据和土壤数据,确定每个像元对应的地形湿度指标。
在本实施例中,以地形指数模式TOPMODEL为基础,应用数字高程模型DEM和土壤特征参数,确定地形湿度指标,这里的地形湿度指标可以作为水文-地形的响应特征,以反映待评估区域的坡面水流趋势和汇流累积变化情况,其步骤包括:
(1-4-1)根据待评估区域的数字高程模型数据和土壤数据,获得单位等高线长度上的汇水面积、坡度、土壤饱和导水率以及土壤厚度。
本实施例通过应用数字高程模型DEM,基于待评估区域,可以直接获得待评估区域的单位等高线长度上的汇水面积和坡度,基于待评估区域的土壤数据可以获得土壤饱和导水率以及土壤厚度,获取与地形湿度相关参数的过程为现有技术,此处不再进行详细阐述。
(1-4-2)根据每个像元的单位等高线长度上的汇水面积、土壤饱和导水率、土壤厚度和坡度,确定待评估区域的每个像元的地形湿度指标。
在本实施例中,基于单位等高线长度上的汇水面积、土壤饱和导水率、土壤厚度和坡度,分析各个地形湿度相关因素与地形湿度指标的关系,利用数学建模的相关知识,计算地形湿度指标,其计算公式可以为:
其中,TWI为待评估区域的每个像元的地形湿度指标,ln为以自然常数为底的指数函数,a为每个像元的单位等高线长度上的汇水面积,T0为每个像元的土壤饱和导水率,D为每个像元的土壤厚度,tan为正切函数,β为每个像元的坡度。
在地形湿度指标的计算公式中,单位等高线长度上的汇水面积a可以为汇水面积与流向宽度的比值,与地形湿度指标TWI为正相关关系,/>中的汇水面积a越大,地形湿度指标TWI就会越大,而土壤饱和导水率T0、土壤厚度D以及坡度β越大,地形湿度指标TWI就会越小。
(2)根据植被覆盖度和地表复杂度指标,确定每个像元对应的地表径流特征指标,根据净初级生产力值和地形湿度指标,确定每个像元对应的水源涵养特征指标,其步骤包括:
(2-1)根据植被覆盖度和地表复杂度指标,确定每个像元对应的地表径流特征指标。
首先,需要说明的是,植被覆盖度可以表征待评估区域的植被对降水的截留状况,地表复杂度指标可以表征地表状态对径流的影响,二者均与地表径流为负相关关系,这里的植被覆盖度是指有效植被覆盖度。其中,在计算植被覆盖度时考虑到农田、林地和草地等植被覆盖区域,并以各类地物对应的全国同期植被平均覆盖度为基准数据。因此,在计算地表径流特征指标时,需要将待评估区域的植被冠层差异性特征也考虑在内。
在本实施例中,预先获取待评估的各类地物全国同期平均覆盖度,基于全国同期平均覆盖度、有效植被覆盖度和地表复杂度指标,利用地表径流相关的各个因素之间的关联关系,构建地表径流特征指标的计算公式,其计算公式可以为:
其中,RCDifs为待评估区域的第s个像元对应的地表径流特征指标,f0-1为归一化函数,TCOMs为待评估区域的第s个像元对应的地表复杂度指标,为待评估区域的第s个像元对应的有效植被覆盖度,FVCs,v为待评估区域的第s个像元对应的全国同期平均覆盖度,全国同期平均覆盖度的地物类别与对应像元的地物类别相同,s为待评估区域内像元的序号,veg为植被地类,other为非植被地类。
需要说明的是,待评估区域地物类别可以由土地利用数据或地物遥感分类结果获得,不同类别的植被,其对应的地表径流特征指标不同,地表径流特征指标的计算公式中的归一化函数,是为了便于后续计算待评估区域内每个像元的初始水源涵养量。由于地表粗糙度状态、地表覆被类型和地表植被覆盖程度都会对径流产生不同的影响,所以从三个角度分析地表径流特征,有助于提高地表径流特征指标的准确率,提升后续水源涵养生态功能的评估性能,地表径流特征指标RCDif分布情况示意图如图2所示,在图2中,图(a)为2015年RCDif分布,图(b)为2020年RCDif分布。
(2-2)根据净初级生产力值和地形湿度指标,确定每个像元对应的水源涵养特征指标。
首先,需要说明的是,净初级生产力值可以间接反映不同地表植被的利用水分能力和效率的差异,地形湿度指标可以表征区域的产汇流情况,利用该两个特征参量可以在一定程度上反映地形和植被生长状态的差异,便于确定水源涵养特征指标。
在本实施例中,预先获取待评估的各类地物对应的全国同期平均净初级生产力值,基于净初级生产力值、地形湿度指标与水源涵养特征指标之间的关联特征,利用数学建模的相关知识,构建水源涵养特征指标的计算公式,其计算公式可以为:
其中,WRDifs为待评估区域的第s个像元对应的水源涵养特征指标,f0-1为归一化函数,TWIs为待评估区域的第s个像元对应的地形湿度指标,NPPs为待评估区域的第s个像元对应的净初级生产力值,NPPs,v为待评估区域的第s个像元对应的全国同期平均净初级生产力值,s为待评估区域内像元的序号,veg为植被地类,other为非植被地类。
需要说明的是,从地形湿度指标和净初级生产力值两个角度分析水源涵养特征,有利于提高水源涵养特征指标,便于后续计算待评估区域内每个像元的初始水源涵养量,水源涵养特征指标WRDif分布情况示意图如图3所示,在图3中,图(a)为2015年WRDif分布,图(b)为2020年WRDif分布。
(3)获取预设数量个与区域产水量相关的参数,根据预设数量个与区域产水量相关的参数,确定每个像元对应的区域产水量。
本实施例对待评估区域的与区域产水量相关的参数进行本地化设置,然后,通过应用InVEST(Integrated Valuation of Ecosystem Services and Trade-offs,生态系统服务和权衡的综合评估)模型,获得每个像元对应的区域产水量,区域产水量的为现有技术,不在本发明保护范围内,其步骤包括:
(3-1)获取预设数量个与区域产水量相关的参数,与区域产水量相关的参数包括:地表蒸散系数、潜在蒸散量、降水量、实际蒸散量、季节常数以及土壤有效水分指标。
需要说明的是,预设数量可以为6,与区域产水量相关的因素可以包括气象、土地利用、土壤和数字高程模型等,可以对与区域产水量相关的参数进行本地化设置,以便于后续更为准确地计算区域产水量。
(3-2)根据待评估区域的每个像元的地类,确定待评估区域的每个像元的气候干湿程度。
在本实施例中,待评估区域的地类不同,气候干湿程度的计算过程不同,地类可以分为植被地类和非植被地类,气候干湿程度的确定步骤可以包括:
若待评估区域的任意一个像元为植被地类,例如,寒温性针叶林、落叶阔叶林、常绿阔叶林、季雨林、红树林、落叶阔叶灌丛以及灌草丛等,则根据该像元的地表蒸散系数、潜在蒸散量、降水量、季节常数以及土壤有效水分指标,确定该像元对应的气候干湿程度,气候干湿程度的计算公式为:
其中,μs为待评估区域的第s个像元对应的环境参量,Z为季节常数,AWCs为待评估区域的第s个像元对应的土壤有效水分指标,Ps为待评估区域的第s个像元对应的降水量,为待评估区域的第s个像元对应的气候干湿程度,PETs为待评估区域的第s个像元对应的潜在蒸散量,Kcs为待评估区域的第s个像元对应的地表蒸散系数,s为待评估区域内像元的序号。
若待评估区域的任意一个像元为非植被地类,例如,建筑、裸地、湿地以及水体等,则根据该像元的地表蒸散系数、潜在蒸散量以及降水量,确定该像元对应的气候干湿程度,气候干湿程度的计算公式为:
其中,为待评估区域的第s′个像元对应的气候干湿程度,PETs′为待评估区域的第s′个像元对应的潜在蒸散量,Ps′为待评估区域的第s′个像元对应的降水量,Min为求最小值函数,Kcs′为待评估区域的第s′个像元对应的地表蒸散系数,s′为待评估区域内像元的序号。
在气候干湿程度的计算公式中,环境参量μ可以表征待评估区域的气候、土壤和下垫面状况的非物理参量,季节常数Z是一个与年降水次数正相关的经验系数,土壤有效水分指标AWC可以表征土壤为植被生长提供有效水分的状况,由土壤质地与有效深度共同决定。至此,本实施例得到了待评估区域的每个像元的气候干湿程度。
(3-3)根据每个像元的降水量和气候干湿程度,确定每个像元对应的区域产水量。
在本实施例中,为了便于后续计算初始水源涵养量,基于降水量和气候干湿程度,利用降水量和实际蒸散量之间的关联关系,可以得到每个像元的区域产水量,其计算公式为:
其中,Yields为待评估区域的第s个像元对应的区域产水量,Ps为待评估区域的第s个像元对应的降水量,s为待评估区域内像元的序号,AETs为待评估区域的第s个像元对应的实际蒸散量,为待评估区域的第s个像元对应的气候干湿程度。
需要说明的是,区域产水量Yield结果分布示意图可以如图4所示,在图4中,图(a)为2015年产水量分布图,图(b)为2020年产水量分布图。
(4)根据待评估区域内每个像元的地表径流特征指标、水源涵养特征指标以及区域产水量,确定待评估区域内每个像元的初始水源涵养量。
在本实施例中,以InVEST模型计算出的产水量为依据,并结合水源涵养特征指标WRDif和地表径流特征指标RCDif共同构建区域水源涵养生态功能评估模型,并确定初始水源涵养量。
具体为,依据水量平衡原理可知,水源涵养计算可在产水量的基础上扣除地表径流,而地表径流一般可以通过降水量与经验径流系数的乘积得到。本实施例将InVEST模型计算出的区域产水量作为区域水源涵养评估的基础,在充分考虑区域差异化特征的前提下,利用水源涵养特征指标WRDif对区域产水量进行差异校准,利用地表径流特征指标RCDif对地物初始径流系数进行修正,由此构建待评估区域的初始水源涵养生态功能评估模型,计算初始水源涵养量,其计算公式可以为:
WRs=WRDifs×(1-RCDifs×αs)×Yields
其中,WRs为待评估区域内第s个像元的初始水源涵养量,s为待评估区域对应的像元序号,WRDifs为待评估区域的第s个像元对应的水源涵养特征指标,RCDifs为待评估区域的第s个像元对应的地表径流特征指标,αs为待评估区域的第s个像元对应的地物初始径流系数,Yields为待评估区域的第s个像元对应的区域产水量。
需要说明的是,在计算初始水源涵养量时,增加区域差异化特征,有助于提高初始水源涵养量的计算准确度,实现水源涵养生态功能的精准评估,对待评估区域内每个像元的初始水源涵养量进行累加计算,将最终的累加值作为待评估区域的初始水源涵养量。初始水源涵养量WR结果分布示意图如图5所示,在图5中,图(a)为2015年水源涵养,图(b)为2020年水源涵养。
(5)根据待评估区域内每个像元的初始水源涵养量及其相邻关系,确定待评估区域的地物相关修正指标,利用地物相关修正指标对不同地物边界的初始水源涵养量进行修正处理,其步骤包括:
根据待评估区域内每个像元的初始水源涵养量及其相邻关系,确定待评估区域的地物相关修正指标。
为了准确评估混杂多种地物类型环境下的待评估区域的水源涵养生态功能,本实施例通过地物相关修正指标来校准不同地物类型边界的初始水源涵养量,不同地物类型边界的初始水源涵养量可以依据待评估区域内每个像元所属地物类型的初始水源涵养量来确定。
由于待评估区域存在邻域相关的一般性的特征,选择两级近邻关系,以待评估区域的每个像元为中心点建立窗口,窗口区域内与中心点相邻的像元为邻域点,通过5×5尺寸的窗口分析两级邻域点对于中心点的水源涵养生态功能的影响程度,以便于后续获得待评估区域的最终水源涵养量,水源涵养量结果分布示意图可以如图6所示,在图6中,图(a)为2015年区域差异特征模型水源涵养结果,图(b)为2020年区域差异特征模型水源涵养结果。其中,采用反距离平方法可以获得邻域点权重,则可获得一级邻域集合和二级邻域集合。反距离平方法为现有技术,不在本发明保护范围内,此处不再进行详细阐述。
在本实施例中,一级邻域集合的计算公式可以为:
其中,FNR(i)为一级邻域集合,dx为一级邻域集合中第x个邻域点与中心点之间的距离,ωx为一级邻域集合中第x个邻域点的权重,x为一级邻域集合中邻域点的序号。
二级邻域集合的计算公式可以为:
其中,SNR(i′)为二级邻域集合,dy为二级邻域集合中第y个邻域点与中心点之间的距离,ωy为二级邻域集合中第y个邻域点的权重,y为二级邻域集合中邻域点的序号。
计算待评估区域内每个像元所属地物类型的平均水源涵养能力,即平均水源涵养量,根据中心点的平均水源涵养能力、邻域点的平均水源涵养能力以及邻域点的权重值,构建地物相关性修正指标,地物相关修正指标的计算公式可以为:
其中,CRel为地物相关修正指标,j′为邻域点的序号,i′为中心点的序号,φi′为邻域集合,WRj′-v为邻域点所属地物类型的平均水源涵养量,WRi′-v为中心点所属地物类型的平均水源涵养量,ωj′为邻域点的权重值,邻域点的权重值可以根据具体计算情况设置。
需要说明的是,地物相关修正指标CRel在修正初始水源涵养量时,主要针对不同地物交界边缘处,若相邻的地物之间区域产水量的差别较大,则有可能出现超出常态的异常值。原则上来看,地物相关影响作用不会无限增大或减小,应该以邻域范围内的最大水源涵养功能和最小水源涵养功能为限,也就是将邻域范围内各类地物的最大平均水源涵养量和最小平均水源涵养量作为中心点的值域范围,即中心点的水源涵养功能被提高或降低的程度不会超过值域范围。因此,在使用地物相关修正指标CRel修正对应地物边界的初始水源涵养量后,需要对所有的异常值进行处理,计算相关修正指标CRel是为了提高水源涵养功能评估结果的准确度。
利用地物相关修正指标对不同地物边界的初始水源涵养量进行修正处理。
在本实施例中,利用地物相关修正指标对待评估区域不同地物边界处的初始水源涵养量进行修正处理,不再进行详细阐述地物相关修正指标的修正过程。修正处理后的水源涵养功能的精确率会更高,有助于增强水源涵养功能评估准确性。
(6)获取待评估区域的降水量和实际蒸散量,利用降水量和实际蒸散量对地表水体区域的水源涵养量进行替换处理。
在本实施例中,地表水体的水源涵养能力从开始计算区域产水量时就完全被忽略,InVEST模型在计算区域产水量时,采用更容易获取的潜在蒸散量来估计实际蒸散量,然而大多数潜在蒸散量在建筑、裸地、湿地以及水体等区域,均采用较大的填充值,对于一般气象条件下的非植被覆盖区域将会出现地表蒸散系数与潜在蒸散量的乘积大于降水量的情形,导致待评估区域的产水量为零。基于区域尺度上的水文分析,可以将建筑与裸地等地物类型的产水能力视为零,但地表水体在非极端气象条件下,对于除蒸散以外的降水是具有完全涵养与调蓄能力。
因此,考虑到降水量与实际蒸散量对产水量及水源涵养量的影响最为显著,在得到水体的初始水源涵养量后,需要充分考虑地表水体的水资源调蓄能力和极端气象条件,采用降水量与实际蒸散量对待评估区域内的地表水体的水源涵养能力进行进一步修正,也就是通过降水量减去实际蒸散量,来提取水体区域的水源涵养能力,以得到水体区域对应的替换处理后的水源涵养量,其有利于后续得到较为准确的水源涵养评估结果。
(7)对不同地物边界对应的修正处理后的初始水源涵养量和地表水体区域对应的替换处理后的水源涵养量进行融合处理,得到待评估区域的最终水源涵养量。
对不同地物边界对应的修正处理后的初始水源涵养量和地表水体区域对应的替换处理后的水源涵养量进行融合处理,也就是地物边界处的像元的水源涵养量为修正处理后的初始水源涵养量,地表水体区域处的像元的水源涵养量为替换处理后的水源涵养量。此时,本实施例基于待评估区域内每个像元对应的水源涵养量,来计算水源涵养量的累加和,将该累加和作为待评估区域的最终水源涵养量。至此,本实施例确定了待评估区域的水源涵养能力。
本实施例还提供了基于区域差异特征的水源涵养功能遥感评估系统,系统框图如图7所示,包括:
参数获取单元,用于获取待评估区域的每个像元对应的植被覆盖度、净初级生产力值、地表复杂度指标以及地形湿度指标。
空间异质特征指标构建单元,用于根据植被覆盖度和地表复杂度指标,确定每个像元对应的地表径流特征指标,根据净初级生产力值和地形湿度指标,确定每个像元对应的水源涵养特征指标。
产水量获取单元,用于获取预设数量个与区域产水量相关的参数,根据预设数量个与区域产水量相关的参数,确定每个像元对应的区域产水量。
区域水源涵养生态功能评估模型构建单元,用于根据待评估区域内每个像元的地表径流特征指标、水源涵养特征指标以及区域产水量,确定待评估区域内每个像元的初始水源涵养量,进而确定地物相关修正指标。
水源涵养修正单元,用于利用地物相关修正指标对不同地物边界的初始水源涵养量进行修正处理,利用降水量和实际蒸散量对地表水体区域的水源涵养量进行替换处理,通过融合处理,得到待评估区域的最终水源涵养量。
本发明通过采用遥感监测与反演技术,基于区域差异化特征,提高区域水源涵养生态功能评估的准确率,能够有效帮助地表水文生态遥感监测技术的发展,为区域水文生态保护与水源涵养生态功能提升等工作的精准布局、有效推进提供技术支撑。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的范围,均应包含在本申请的保护范围之内。
Claims (9)
1.基于区域差异特征的水源涵养功能遥感评估方法,其特征在于,包括以下步骤:
根据待评估区域的光学遥感图像、数字高程模型数据以及土壤数据,确定待评估区域的每个像元对应的植被覆盖度、净初级生产力值、地表复杂度指标以及地形湿度指标;
根据植被覆盖度和地表复杂度指标,确定每个像元对应的地表径流特征指标,根据净初级生产力值和地形湿度指标,确定每个像元对应的水源涵养特征指标;
获取预设数量个与区域产水量相关的参数,根据预设数量个与区域产水量相关的参数,确定每个像元对应的区域产水量;
根据待评估区域内每个像元的地表径流特征指标、水源涵养特征指标以及区域产水量,确定待评估区域内每个像元的初始水源涵养量;
根据待评估区域内每个像元的初始水源涵养量及其相邻关系,确定待评估区域的地物相关修正指标,利用地物相关修正指标对不同地物边界的初始水源涵养量进行修正处理;
获取待评估区域的降水量和实际蒸散量,利用降水量和实际蒸散量对地表水体区域的水源涵养量进行替换处理;
对不同地物边界对应的修正处理后的初始水源涵养量和地表水体区域对应的替换处理后的水源涵养量进行融合处理,得到待评估区域的最终水源涵养量。
2.根据权利要求1所述的基于区域差异特征的水源涵养功能遥感评估方法,其特征在于,所述地表径流特征指标的计算公式为:
其中,RCDifs为待评估区域的第s个像元对应的地表径流特征指标,f0-1为归一化函数,TCOMs为待评估区域的第s个像元对应的地表复杂度指标,为待评估区域的第s个像元对应的有效植被覆盖度,FVCs,v为待评估区域的第s个像元对应的全国同期平均覆盖度,s为待评估区域内像元的序号,veg为植被地类,other为非植被地类;
所述水源涵养特征指标的计算公式为:
其中,WRDifs为待评估区域的第s个像元对应的水源涵养特征指标,f0-1为归一化函数,TWIs为待评估区域的第s个像元对应的地形湿度指标,NPPs为待评估区域的第s个像元对应的净初级生产力值,NPPs,v为待评估区域的第s个像元对应的全国同期平均净初级生产力值,s为待评估区域内像元的序号,veg为植被地类,other为非植被地类。
3.根据权利要求1所述的基于区域差异特征的水源涵养功能遥感评估方法,其特征在于,所述初始水源涵养量的计算公式为:
WRs=WRDifs×(1-RCDifs×αs)×Yields
其中,WRs为待评估区域内第s个像元的初始水源涵养量,s为待评估区域对应的像元序号,WRDifs为待评估区域的第s个像元对应的水源涵养特征指标,RCDifs为待评估区域的第s个像元对应的地表径流特征指标,αs为待评估区域的第s个像元对应的地物初始径流系数,Yields为待评估区域的第s个像元对应的区域产水量。
4.根据权利要求1所述的基于区域差异特征的水源涵养功能遥感评估方法,其特征在于,所述地物相关修正指标的计算公式为:
其中,FNR(i′)为一级邻域集合,dx为一级邻域集合中第x个邻域点与中心点之间的距离,ωx为一级邻域集合中第x个邻域点的权重,x为一级邻域集合中邻域点的序号,SNR(i′)为二级邻域集合,dy为二级邻域集合中第y个邻域点与中心点之间的距离,ωy为二级邻域集合中第y个邻域点的权重,y为二级邻域集合中邻域点的序号,CRel为地物相关修正指标,j′为邻域点的序号,i′为中心点的序号,φi′为邻域集合,WRj′-v为邻域点所属地物类型的平均水源涵养量,WRi′-v为中心点所属地物类型的平均水源涵养量,ωj′为邻域点的权重值。
5.根据权利要求1所述的基于区域差异特征的水源涵养功能遥感评估方法,其特征在于,根据待评估区域的光学遥感图像、数字高程模型数据以及土壤数据,确定待评估区域的每个像元对应的植被覆盖度、净初级生产力值、地表复杂度指标以及地形湿度指标,包括:
根据待评估区域的光学遥感图像,获得每个像元的植被覆盖度,对每个像元的植被覆盖度进行有效值修正,得到每个像元对应的有效植被覆盖度;
根据待评估区域的光学遥感图像、温度数据以及太阳总辐射数据,确定每个像元的实际光能利用效率以及绿色植物吸收的光合有效辐射,计算每个像元的实际光能利用效率和绿色植物吸收的光合有效辐射的乘积,将该乘积作为对应像元对应的净初级生产力值;
根据待评估区域的数字高程模型数据,获得各个目标地形因子,根据各个目标地形因子,确定各个目标地形因子的权重系数,将各个目标地形因子及其权重系的乘积进行累加处理,得到每个像元对应的地表复杂度指标,所述目标地形因子包括地形起伏度、地表切割深度、地表粗糙度以及高程变异系数;
根据待评估区域的数字高程模型数据和土壤数据,确定每个像元对应的地形湿度指标。
6.根据权利要求5所述的基于区域差异特征的水源涵养功能遥感评估方法,其特征在于,对每个像元的植被覆盖度进行有效值修正,得到每个像元对应的有效植被覆盖度,包括:
当任意一个像元的植被覆盖度小于或等于第一预设覆盖度时,将第一预设覆盖度作为对应像元对应的有效植被覆盖度;
当任意一个像元的植被覆盖度大于第一预设覆盖度且小于第二预设覆盖度时,将植被覆盖度作为对应像元对应的有效植被覆盖度;
当任意一个像元的植被覆盖度大于或等于第二预设覆盖度时,将第二预设覆盖度作为对应像元对应的有效植被覆盖度。
8.根据权利要求1所述的基于区域差异特征的水源涵养功能遥感评估方法,其特征在于,根据预设数量个与区域产水量相关的参数,确定每个像元对应的区域产水量,包括:
所述预设数量个与区域产水量相关的参数包括地表蒸散系数、潜在蒸散量、降水量、实际蒸散量、季节常数以及土壤有效水分指标;
若待评估区域的任意一个像元为植被地类,则根据该像元的地表蒸散系数、潜在蒸散量、降水量、季节常数以及土壤有效水分指标,确定该像元对应的气候干湿程度,所述气候干湿程度的计算公式为:
其中,μs为待评估区域的第s个像元对应的环境参量,Z为季节常数,AWCs为待评估区域的第s个像元对应的土壤有效水分指标,Ps为待评估区域的第s个像元对应的降水量,为待评估区域的第s个像元对应的气候干湿程度,PETs为待评估区域的第s个像元对应的潜在蒸散量,/>为待评估区域的第s个像元对应的地表蒸散系数,s为待评估区域内像元的序号;
若待评估区域的任意一个像元为非植被地类,则根据该像元的地表蒸散系数、潜在蒸散量以及降水量,确定该像元对应的气候干湿程度,所述气候干湿程度的计算公式为:
其中,为待评估区域的第s′个像元对应的气候干湿程度,PETs′为待评估区域的第s′个像元对应的潜在蒸散量,Ps′为待评估区域的第s′个像元对应的降水量,Min为求最小值函数,/>为待评估区域的第s′个像元对应的地表蒸散系数,s′为待评估区域内像元的序号;
根据每个像元的降水量和气候干湿程度,确定每个像元对应的区域产水量,所述区域产水量的计算公式为:
9.基于区域差异特征的水源涵养功能遥感评估系统,其特征在于,包括:
参数获取单元,用于获取待评估区域的每个像元对应的植被覆盖度、净初级生产力值、地表复杂度指标以及地形湿度指标;
空间异质特征指标构建单元,用于根据植被覆盖度和地表复杂度指标,确定每个像元对应的地表径流特征指标,根据净初级生产力值和地形湿度指标,确定每个像元对应的水源涵养特征指标;
产水量获取单元,用于获取预设数量个与区域产水量相关的参数,根据预设数量个与区域产水量相关的参数,确定每个像元对应的区域产水量;
区域水源涵养生态功能评估模型构建单元,用于根据待评估区域内每个像元的地表径流特征指标、水源涵养特征指标以及区域产水量,确定待评估区域内每个像元的初始水源涵养量,进而确定地物相关修正指标;
水源涵养修正单元,用于利用地物相关修正指标对不同地物边界的初始水源涵养量进行修正处理,利用降水量和实际蒸散量对地表水体区域的水源涵养量进行替换处理,通过融合处理,得到待评估区域的最终水源涵养量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211610401.XA CN115856259A (zh) | 2022-12-12 | 2022-12-12 | 基于区域差异特征的水源涵养功能遥感评估方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211610401.XA CN115856259A (zh) | 2022-12-12 | 2022-12-12 | 基于区域差异特征的水源涵养功能遥感评估方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115856259A true CN115856259A (zh) | 2023-03-28 |
Family
ID=85673051
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211610401.XA Pending CN115856259A (zh) | 2022-12-12 | 2022-12-12 | 基于区域差异特征的水源涵养功能遥感评估方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115856259A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
-
2022
- 2022-12-12 CN CN202211610401.XA patent/CN115856259A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
---|---|---|
Shen et al. | Construction of a drought monitoring model using deep learning based on multi-source remote sensing data | |
Zhou et al. | The use of combined soil moisture data to characterize agricultural drought conditions and the relationship among different drought types in China | |
Gharbia et al. | Spatially distributed potential evapotranspiration modeling and climate projections | |
Kustas et al. | Utility of the two-source energy balance (TSEB) model in vine and interrow flux partitioning over the growing season | |
Millward et al. | Adapting the RUSLE to model soil erosion potential in a mountainous tropical watershed | |
Kharrou et al. | Assessment of equity and adequacy of water delivery in irrigation systems using remote sensing-based indicators in semi-arid region, Morocco | |
CN113591572B (zh) | 基于多源数据和多时相数据的水土流失定量监测方法 | |
Wang et al. | Integrating remote sensing-based process model with environmental zonation scheme to estimate rice yield gap in Northeast China | |
Mokhtari et al. | Estimating net irrigation requirement of winter wheat using model-and satellite-based single and basal crop coefficients | |
Han et al. | Novel approach of upscaling the FAO AquaCrop model into regional scale by using distributed crop parameters derived from remote sensing data | |
Desai et al. | Multi-site calibration of hydrological model and assessment of water balance in a semi-arid river basin of India | |
Jiao et al. | Estimation of net primary productivity and its driving factors in the Ili River Valley, China | |
Sun et al. | Modified drought severity index: Model improvement and its application in drought monitoring in China | |
Gobin et al. | Spatio-temporal variability of dry and wet spells and their influence on crop yields | |
CN115856259A (zh) | 基于区域差异特征的水源涵养功能遥感评估方法和系统 | |
Salgado et al. | Evaluation of different methods of estimating ET for the performance assessment of irrigation schemes | |
Hu et al. | Risk assessment of drought disaster in summer maize cultivated areas of the Huang-Huai-Hai plain, eastern China | |
Taherparvar et al. | Estimation of rice evapotranspiration using reflective images of Landsat satellite in Sefidrood irrigation and drainage network | |
Hodges et al. | Assessing in-field soil moisture variability in the active root zone using granular matrix sensors | |
Parmar et al. | Assessment of crop water requirement of maize using remote sensing and GIS | |
Eshete et al. | Evaluation of streamflow response to climate change in the data-scarce region, Ethiopia | |
Parsinejad et al. | Practical analysis of remote sensing estimations of water use for major crops throughout the Urmia Lake basin | |
Khan et al. | Irrigation water demand forecasting: A data pre-rocessing and data mining approach based on spatio-temporal data | |
CN117494419A (zh) | 一种多模型耦合的流域水土流失遥感监测方法 | |
Ansari et al. | Simulating streamflow through the SWAT model in the keduang sub-watershed, wonogiri regency, Indonesia |
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 |