CN115861793A - 一种基于最小累积阻力模型的区域生态安全格局构建方法 - Google Patents
一种基于最小累积阻力模型的区域生态安全格局构建方法 Download PDFInfo
- Publication number
- CN115861793A CN115861793A CN202211401043.1A CN202211401043A CN115861793A CN 115861793 A CN115861793 A CN 115861793A CN 202211401043 A CN202211401043 A CN 202211401043A CN 115861793 A CN115861793 A CN 115861793A
- Authority
- CN
- China
- Prior art keywords
- ecological
- area
- land
- resistance
- source
- 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
Abstract
本发明涉及一种基于最小累积阻力模型的区域生态安全格局构建方法,包括:获取输电线路工程区的遥感图像;确定生态源地:对遥感图像进行土地类别识别,得到若干土地利用类型;选取一土地利用类型为前景;对所述前景进行形态学空间格局分析,得到若干景观类型;选取景观类型中的核心区为生态源地;提取生态廊道:选取生态扩张阻力因子;确定生态扩张阻力因子的权重;计算输电线路工程区的最小累积阻力值;根据最小累积阻力值,确定若干生态廊道;筛选所述若干生态廊道;将生态廊道之间的交点设置为生态节点;根据生态源地、生态源地和生态节点,划定生态保护区域。
Description
技术领域
本发明涉及一种基于最小累积阻力模型的区域生态安全格局构建方法,属于生态安全格局构建领域。
背景技术
目前,对输电线路工程建设的生态影响评估一般聚焦在植被破坏、土壤环境、水土流失等基于“点”方面,忽视线性工程对建设区域以“面状、线状”为特征的生态完整性如生态安全的影响。因此,需要明确输电线路工程建设的生态影响区。
生态安全格局是指区域潜在的生态系统空间格局。通过构建区域生态安全格局,达到对生态过程的有效调控,从而保障生态功能的充分发挥,实现区域自然资源和绿色基础设施的有效合理配置,确保必要的自然资源的生态和物质福利,最终实现生态安全。因而,生态安全格局目前已成为缓解生态保护与经济发展之间矛盾的重要空间途径之一。
当前,区域生态安全格局的构建模式仍在不断完善,指标与方法不一而足。但越来越多的研究采用“源地—廊道”的组合方式识别、构建生态安全格局,初步形成区域生态安全格局的构建范式,包括以下步骤:①确定生态源地;②识别生态廊道。③设置战略节点。其中,不同尺度下的生态源地,其发挥的生态功能和产生的生态效益不同。生态源地的识别是构建生态安全格局的基础,其识别的准确性关乎了整个生态安全格局构建的合理性。生态廊道指区别相邻两侧环境呈线状或带状的景观单元,能够增加景观连通性、降低生态环境破碎化程度,是相邻的生态源地之间最易联系的低阻力通道,为生物在不同栖息地间迁徙扩散提供通道。生态节点一般位于两个源地之间的生态廊道上,对于维持区域生态流之间的交流发挥着关键作用。关键生态节点通常位于整个生态流运行路径中最薄弱的地方,对于维持整个区域生态格局的稳定具有指导意义。
专利CN113505510A《一种基于生态服务逻辑编码的生态网络构建方法》公开了:基于InVEST模型评估各项生态系统服务功能,按照自然间断点法重分类分为五级,提取第四、五级的范围作为生态系统服务的高值区,并对这些高值区进行等权叠加,结果即为生态系统服务高值区范围。基于土地利用类型数据,利用GuidosToolbox软件平台进行MSPA分析,从结果中提取核心区景观要素。取生态系统服务高值区与核心区景观要素的交集,此交集即为生态源地备选区。通过趋势分析,选出最适合本研究区的生态源地最小面积阈值。该专利结合景观指数和随机游走模型实现生态安全格局识别,同时结合InVEST模型,从生态系统服务功能方面进行生态安全格局的构建。而本发明是从自然与人文两个方面共同评价一个区域的生态安全格局的影响因素,相较于之前的发明更加全面,较容易获取数据,操作更加简便。
发明内容
为了克服现有技术中存在的问题,本发明设计了一种基于最小累积阻力模型的区域生态安全格局构建方法,通过构建输电线路工程的生态安全格局为生态影响区,以“面状、线状”为特征明确线性工程对建设区域的生态完整性如生态安全的影响。作为该线性工程的生态完整性影响结果,对于输电线路选址选线、施工运营的生态保护具有明确的指导意义。
为了实现上述目的,本发明采用如下技术方案:
一种基于最小累积阻力模型的区域生态安全格局构建方法,包括以下步骤:
获取输电线路工程区的遥感图像;
确定生态源地:对遥感图像进行土地类别识别,得到若干土地利用类型;选取一土地利用类型为前景;对所述前景进行形态学空间格局分析,得到若干景观类型;选取景观类型中的核心区为生态源地;
提取生态廊道:选取若干生态扩张阻力因子;确定所述若干生态扩张阻力因子的权重;计算输电线路工程区的最小累积阻力值;根据最小累积阻力值,确定若干生态廊道;筛选所述若干生态廊道;
将生态廊道之间的交点设置为生态节点;
根据生态源地、生态源地和生态节点,划定生态保护区域。
进一步地,还包括对遥感图像进行预处理,所述预处理包括辐射定标和大气校正。
进一步地,所述对遥感图像进行土地类别识别,具体包括:
构建分类模型,分类模型包括若干决策树;将所述遥感图像输入至分类模型,得到土地利用类型。
进一步地,所述生态扩张阻力因子包括高程、坡度、植被覆盖度、土地利用类型、地表温度、公路密度。
进一步地,所述计算输电线路工程区的最小累积阻力值,以公式表达为:
其中,MCR表示最小累积阻力值,f表示最小累积阻力与生态过程的正相关函数,Dij表示从生态源地j到目的地单元i的空间距离,Ri表示目的地单元i对某物种运动的阻力系数,表示生态源地j与目的地单元i之间穿越的所有单元的距离累积值,min表示目的地单元i对于不同生态源地取累积阻力最小值。
进一步地,所述筛选若干生态廊道,具体为:
利用重力模型计算生态源地之间的相互作用强度;设置相互作用强度阈值,删除相互作用强度小于相互作用强度阈值的生态廊道。
与现有技术相比本发明有以下特点和有益效果:
1、本发明利用随机森林模型对遥感图像进行土地类别识别,优点在于随机选取数据,从原始数据集中提取返回样本,并构造子数据集进行最终的决策,具有随机性、精度高的特点。
2、本发明引入了高程、坡度、植被覆盖度与地表温度等因子为生态扩张阻力因子,其中闽粤联网工程区域的海拔较高,坡度较陡,果树种植密度大导致植被覆盖度较高,闽粤联网工程区域的开发导致植被覆盖度下降,地表温度有重大影响,这些所选的生态扩张阻力因子将可以进一步丰富区域生态安全评价体系。
3、目前输电线路工程建设的生态影响评估一般仅限于植被破坏、土壤环境、水土流失等基于“点”方面的影响。本发明通过构建输电线路工程的生态安全格局为生态影响区,以“面状、线状”为特征明确线性工程对建设区域的生态完整性如生态安全的影响。作为该线性工程的生态完整性影响结果,对于输电线路选址选线、施工运营的生态保护具有明确的指导意义。
附图说明
图1是本发明流程图;
图2为本发明实施例得到的闽粤联网工程(福建段)区域景观形态空间分布图,其中:左图为2020年,右图为2021年。
图3为本发明实施例得到的闽粤联网工程(福建段)区域生态源地空间分布图,其中:左图为2020年,右图为2021年。
图4为本发明实施例得到的闽粤联网工程(福建段)区域生态扩张综合阻力面图,其中:左图为2020年,右图为2021年。
图5为本发明实施例得到的闽粤联网工程(福建段)区域重要生态廊道空间分布图,其中:左图为2020年,右图为2021年。
图6为本发明实施例得到的闽粤联网工程(福建段)区域生态保护重点区图,其中:左图为2020年,右图为2021年。
图7为本发明实施例得到的闽粤联网工程(福建段)生态影响区的生态安全格局图,其中:上图为2020年,下图为2021年。
具体实施方式
下面结合实施例对本发明进行更详细的描述。
实施例一
如图1所示,一种基于最小累积阻力模型的区域生态安全格局构建方法,包括以下步骤:
S1、获取研究区(即输电线路工程区)的多时相Landsat遥感图像。
S2、对遥感图像进行预处理。
S3、确定生态源地:
S31、对遥感图像进行土地类别识别,得到若干土地利用类别。土地利用类别包括:林地、耕地、建设用地、未利用地、水体。
S32、选取具有良好生态服务功能的土地利用类别为前景,其他土地利用类型为背景。本实施例中选取林地为前景。
S33、利用形态学空间格局分析法(Morphological spatial pattern analysis,MSPA)将前景划分为7种非重叠的景观类型:核心区、孤岛、孔隙、边缘区、连接桥、环岛、支线。
S34、选取面积最大的n个核心区为生态源地。
MSPA方法强调数据的结构特征,能很好地反映生态源地在生态过程中的作用,有利于生态源地的识别。
此外,MSPA方法对于景观的研究尺度十分敏感,合理选择MSPA的像元大小与边缘宽度值方能得到对生态过程的正确解释。为此,本实施例设置MSPA方法中各参数如下:将研究区的30m×30m的土地利用类型栅格图转换为前景与后景的二元图像,再使用GuidosToolbox软件将其处理为7类景观要素,然后使用ArcGIS软件选择面积最大的10个核心区为生态源地。
S4、提取生态廊道:
S41、选取高程、坡度、植被覆盖度、土地利用类型、地表温度、公路密度为生态扩张阻力因子。
S42、为了计算研究区的最小累积阻力值,需要确定各生态扩张阻力因子的权重,本实施采用各个因子进行分级的方法,跟据各个因子对区域生态安全的影响对其进行赋值,因子的阻力值从小到大依次为1、3、5、7、9。
S43、利用最小累积阻力(Minimum cumulative resistance,MCR)模型计算研究区的最小累积阻力值,以公式表达为:
其中,MCR表示最小累积阻力值,f表示最小累积阻力与生态过程的正相关函数,Dij表示从生态源地j到目的地单元i的空间距离,Ri表示目的地单元i对某物种运动的阻力系数,表示生态源地j与目的地单元i之间穿越的所有单元的距离累积值,min表示目的地单元i对于不同生态源地取累积阻力最小值。
S44、根据最小累积阻力值、成本距离和成本路径,计算生态源地的生态廊道。具体为,利用ArcGIS软件的空间分析功能,基于最小累积阻力值、空间分析中成本距离和成本路径功能,提取最小累积阻力耗费路径,确定生态廊道的空间位置和数量。
S45、筛选所述若干生态廊道:
利用重力模型计算生态源地之间的相互作用强度,以公式表达为:
其中,Gij是生态源地i和j之间的相互作力,该值大小体现了生态源地之间潜在生态廊道的重要程度,Ni、Nj是两生态源地的权重值,Dij是i和j两生态源地间潜在廊道阻力的标准化值,Pi为生态源地i的阻力值,Si是生态源地i的面积,Lij是生态源地i和j之间廊道的累积阻力值,Lmax是研究区中所有廊道累积阻力的最大值;
相互作用强度越高,则表明生态源地之间的联系越紧密,能量传递和物质迁移就越频繁越容易;以定量的方式评价各源地间的相互作用力强度,从而能够更为科学地判断区域内生态廊道的相对重要程度。故,设置相互作用强度阈值,删除相互作用小于相互作用强度阈值的生态廊道。如,生态廊道A、B之间的作用强度小于阈值,那么删除生态廊道A、B。
S5、通过ArcGIS软件选取生态廊道的交汇处为生态节点。
S6、根据生态源地、生态源地和生态节点,划定生态保护区域:按照研究区内部的生态源地、生态廊道、生态节点的集聚程度,使用ArcGIS软件划分生态安全保护区域,
一种实施方式中,使用ENVI软件对遥感图像进行预处理,预处理包括辐射定标和大气校正:
A1)辐射定标是将遥感图像像元亮度值(DN值)转换为辐射亮度值、反射率值和温度等物理量。遥感图像通常用DN值记录信息,DN值为无量纲数据。在对遥感图像进行遥感定量化分析时,需要DN值将转换为有量纲数据。
具体为:打开【Radiometric Correction】中的ENVI中辐射定标工具【RadiometricCalibration】,选择MultiSpectral多光谱数据,定标类型选择辐射亮度值(Radiance),输出格式为BIL,因为后续FLAASH大气校正的输入数据类型为BIL。输出数据类型为Float,系数为0.1;或者直接点击Apply FLAASH Settings按钮设置以上参数。
A2)大气校正的目的是消除大气和光照等因素对地物反射的影响,获得地物反射率、辐射率、地表温度等真实物理模型参数,用来消除大气中水蒸气、氧气、二氧化碳、甲烷和臭氧等对地物反射的影响,消除大气分子和气溶胶散射的影响。
一种实施方式中,利用随机森林算法对对遥感图像进行土地类别识别:
该算法是用随机方法建立一个决策森林,每棵决策树之间没有关联;对总样本训练数据集进行有放回的采样得到每棵决策树的训练集,对训练集中的样本特征进行无放回的抽取来训练每棵树的节点。当一个新样本进入训练好的随机森林时,每一棵决策树对其类别分别进行判断,预测该样本类别为决策树判断类别最多的一类。
使用随机森林进行土地利用类型识别的步骤如下:
(1)构建训练样本即ROI样本(ROI,感兴趣区域):将地面调查点周边照片、无人机拍摄图片、谷歌地球同期历史影像与遥感影像进行对应坐标匹配,在影像上选择林地、耕地、建设用地、未利用地、水体等区域并裁剪出来作为ROI样本。因水体面积和变异性较小,其对应的ROI样本数确定为20个,对面积较大变异性较大的林地,选取20~50个ROI样本,其他ROI样本数不少于50个。
(2)ROI样本精度验证:计算ROI样本中覆盖地类的可分离性,确保每2种地类的可分离性在1.8以上。如果某2种地类的可分离性低于1.8,需要进行重新选择这2种地类的ROI。
(3)随机森林参数设置:设置决策树数量(本实施例中设为100);设置决策树中决策节点的数量,本实施例中决策节点的数量为遥感影像波段数平方根的向上或向下取整值;根据杂质函数(Impurity Function)和基尼系数(Gini Coefficient)确定分类阈值标准,根据最小节点样本值(Min Node Samples(1))和最小节点信息增益(Min Impurity(0))确定训练终止条件。
(4)训练随机森林:输入ROI样本至随机森林,每次训练的不纯度下降最大,子节点最精确。训练完成后,将遥感影像作为测试集输入训练好的随机森林,得到分类结果。
(5)随机森林分类精度检验:与步骤(1)一样,勾绘实地调查地类明确的新样本或样区ROI,或在高分辨率影像上为每个地类选取若干新的ROI,作为分类精度检验样区;保证检验样区的地类可分离度≥1.8;获取检验样区在分类结果(4)的地类,比较真实地类与分类地类,计算混淆矩阵,得到分类精度与Kappa系数(Kappa系数为一致性检验的指标之一,需达到80%以上)。
一种实施方式中,将层次分析法用于土地生态安全的决策分析,确定生态扩张阻力因子的权重:
首先选取生态安全相关因素即生态扩张阻力因子,本实施例选择自然与人文总共6个因子,即高程、坡度、植被覆盖度、土地利用类型、地表温度、公路密度为生态阻力因子;明确各因素之间的关系,然后在充分定性分析的基础上,根据影响土地生态安全因素间的关系,建立递价层次结构;构造判断矩阵,获得判断矩阵的最大特征值及其对应的特征向量,对判断矩阵进行一致性检验。检验通过后,对各级进行总排序,确定各级各生态扩张阻力因子的权重值。
其中,构造判断矩阵步骤如下:计算层次单排序权重,即每两个因子之间进行两两比较,依据两两比较的标度和判断原理逐层逐次对各层要素进行比较,判断两个因子的相对重要性并利用评分法将比较结果定量化,也就是给出判断值,如1、2、3、4、5、6、7、8、9。层次单排序是指确定各层次中的因素对上一层次的各因素的优先次序的过程,目的是根据层次单排序原理,确定本层次与之有联系的元素重要性次序的权重值。层次单排序可以归结为计算判断矩阵的特征根和特征向量问题,即对判断矩阵计算满足公式BW=λmaxW的特征根与特征向量;其中,B是判断矩阵,λmax为B的最大特征根,为对应的正规化特征向量,即相应因素单排序的权值。本发明使用求和法求特征向量W:先将判断矩阵的每一列进行正规化,每列各元素之和为1;然后将每一列经过正规化后的判断矩阵按行相加;然后将特征向量进行正规化;通过以上步骤得出特征向量W的各分量Wi就是各指标优先次序的系数,也就是层次单排序权重。
一致性检验:为了评价层次总排序的计算结果的一致性,对于计算所依据的判断矩阵,在计算出层次单排序权重之后,还要依据矩阵理论进行一致性检验;若λmax=n(其中n为判断矩阵阶数,则判断矩阵具有完全一致性;若λmax稍大于n,则代表判断矩阵具有满意一致性;要检验判断矩阵一致性,需计算其一致性指标CI(Consistency Index);若CI为零,具有完全一致性,CI越大,一致性越差;对复杂问题进行判断时,要达到完全一致性难度较大,一般只需进行满意一致性检验,即需要将一致性指标和平均随机一致性指标RI(Random Consistency Index)进行比较,再计算得出一致性比率CR(Consistency Ratio),/>当CR小于0.10时,判断矩阵具有满意的一致性,则就需对判断矩阵进行调整,直至判断矩阵具有满意的一致性。
一种实施方式中,以闽粤联网输变电工程(福建段)区域为具体实施例来证明本发明的方法可行性。
本实施例中使用的多源数据包括来源于地理空间数据云(http://www.gscloud.cn/home)的ASTER GDEM的数字高程数据,分辨率为30米;来源于地理空间数据云(http://www.gscloud.cn/home)的遥感影像数据,传感器类型是Landsat8 O LI,分辨率为30米,两期遥感影像的成像时间分别是2020年2月20日与2021年1月21日;来源于全国地理信息资源目录服务系统的公路数据(https://www.webmap.cn/main.do?method=index);研究区的行政区划数据来源于中国科学院资源环境科学与数据中心(https://www.resdc.cn/Default.aspx)。
表1数据信息及来源
利用以上多源数据构建研究区的区域生态安全格局包括生态源地、生态廊道、生态节点。
首先是随机森林算法对遥感影像数据进行土地类别识别,再使用形态学空间格局分析法提取最终的生态源地;从自然与人文两方面构建生态扩张阻力指标体系,使用层次分析法确定各生态扩张阻力因子的权重,使用最小累积阻力模型构建潜在生态廊道,使用重力模型选取重要的生态廊道;再最终将所有生态廊道之间的交点,识别为生态交点。生态扩张阻力因子中高程与坡度因子是基于DEM数据得到的,土地利用类型是使用随机森林分类得到的,地表温度是通过大气校正法得到的,公路密度是通过ArcGIS软件创建300m×300m的格网,同时赋予每个格网中公路的长度与面积之间的比值得到的。经计算得到生态扩张阻力因子权重如表3所示。
表2景观形态类别及其生态学内涵
表3生态扩张阻力因子
通过MCR模型构建研究区的生态安全格局,各个因子的生态扩张阻力值见表4,其中高程、坡度、公路密度、地表温度、植被覆盖度都是按照自然段点法进行分级,高程、坡度、公路密度在两个时期的结果是一样的,表4中的地表温度与植被覆盖度是显示2021年的分级结果,而土地利用类型是参照相关文献,结合研究区实际情况,按照林地、水体、耕地、未利用地、建设用地,分别赋予1、3、5、7、9。
表4闽粤联网工程(福建段)区域生态扩张阻力值
提取核心区面积最大的前10个生态源地作为研究区生态源地(图4),生态源地面积见表3。
表5闽粤联网工程(福建段)区域生态源地面积(单位:km2)
由图4和表3知,2020年和2021年的生态源地总面积分别为2268.45km2和1926.50km2,占整个研究区总面积比例分别为47.29%与40.16%。两个时期的生态源地空间分布相似,位于植被覆盖较高的山地之中,分布于西部与中部,而东部生态源地面积较小,破碎化程度高,城镇化水平较高。
本文利用MCR模型和重力模型获得了区域重要生态廊道(图5)和生态源地之间的相互作用力(表4)。
表6生态源地相互作用矩阵(右上方为2020年,左下方为2021年)
基于MCR模型,得到2020年潜在的生态廊道有120条,2021年有110条,基于重力模型提取到2020年与2021年的重要生态廊道都是21条(图5)。由图5可得,研究区在两个时期的生态廊道大致相似,整体呈现一个“三角形”的空间分布,“三角形”的三个顶点分别位于崎岭乡、和平乡、官浔镇,且在“三角形”内部的生态廊道横纵交叉分布。
生态节点是两个相邻的生态源地之间具有重要意义的“跳板”,对维持生态源地之间物质循环和能量流动过程中具有重要兼容作用,该点若受到外界的破坏和干扰会导致生态物质能量无法正常流通,生物扩散受到阻隔。将所有生态廊道之间的交点设置为生态节点,经统计,研究区在2020年的生态节点是75个,在2021年的生态节点总计77个(见表5)。
一个区域的生态安全格局主要是由生态源地-廊道-节点共同组成,按照研究区内部的生态源地、生态廊道、生态节点的集聚程度,划分四个生态安全保护区域(图6),命名以区域内部知名度较高的地点,如山峰、水库、森林公园等等。本文四个生态保护区分别是位于漳浦县五寨乡的大帽山生态安全保护区域,云霄县马铺乡的峰头水库生态安全保护区域,平和县霞寨镇的高峰谷生态安全保护区域,漳浦县赤土乡的白鹭森林公园生态安全保护区域。大帽山生态安全保护区域与白鹭森林公园生态安全保护区域是整个研究区中生态节点、生态廊道、生态源地占比最大的两个区域。
表7闽粤联网工程(福建段)区域生态保护重点区
根据HJ19—2022《环境影响评价技术导则生态影响》,以及本线路工程所在区域的生态环境特征,将闽粤联网线路工程(福建段)两侧向外各延伸2km,作为项目的生态影响区。该影响区内生态源地、生态廊道和生态节点见图7。该工程主要影响时段为项目施工期,因此在上述重点塔基施工阶段做好生态防护措施如物理覆盖、边坡固化、植被恢复、合理安排施工时段等,就可以将项目生态影响降低到最小。项目运营期该线路的生态影响轻微,长期的生态监测防护范围仍是上述重点塔基周边。
通过以上的实施方式的描述,所属领域的技术人员可以清楚地了解应当理解,可以以硬件、软件、固件、中间件、代码或其任何恰当组合来实现这里描述的实施例。对于硬件实现,处理器可以在一个或多个下列单元中实现:专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、处理器、控制器、微控制器、微处理器、设计用于实现这里所描述功能的其他电子单元或其组合。对于软件实现,实施例的部分或全部流程可以通过计算机程序来指令相关的硬件来完成。实现时,可以将上述程序存储在计算机可读介质中或作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质,其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是计算机能够存取的任何可用介质。计算机可读介质可以包括但不限于RAM、ROM、EEPROM、CD-ROM或其他光盘存储、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质。
最后应当说明的是,以上实施例仅用以说明本发明的技术方案,而非对本发明保护范围的限制,尽管参照较佳实施例对本发明作了详细地说明,本领域的普通技术人员应当分析,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的实质和范围。
Claims (8)
1.一种基于最小累积阻力模型的区域生态安全格局构建方法,其特征在于,包括以下步骤:
获取输电线路工程区的遥感图像;
确定生态源地:对遥感图像进行土地类别识别,得到若干土地利用类型;选取一土地利用类型为前景;对所述前景进行形态学空间格局分析,得到若干景观类型;选取景观类型中的核心区为生态源地;
提取生态廊道:选取若干生态扩张阻力因子;确定所述若干生态扩张阻力因子的权重;计算输电线路工程区的最小累积阻力值;根据最小累积阻力值,确定若干生态廊道;筛选所述若干生态廊道;
将生态廊道之间的交点设置为生态节点;
根据生态源地、生态源地和生态节点,划定生态保护区域。
2.根据权利要求1所述的一种基于最小累积阻力模型的区域生态安全格局构建方法,其特征在于,还包括对遥感图像进行预处理,所述预处理包括辐射定标和大气校正。
3.根据权利要求1所述的一种基于最小累积阻力模型的区域生态安全格局构建方法,其特征在于,所述对遥感图像进行土地类别识别,具体包括:
构建分类模型,分类模型包括若干决策树;将所述遥感图像输入至分类模型,得到土地利用类型。
4.根据权利要求1所述的一种基于最小累积阻力模型的区域生态安全格局构建方法,其特征在于,所述生态扩张阻力因子包括高程、坡度、植被覆盖度、土地利用类型、地表温度、公路密度。
6.根据权利要求1所述的一种基于最小累积阻力模型的区域生态安全格局构建方法,所述筛选若干生态廊道,具体为:
利用重力模型计算生态源地之间的相互作用强度;设置相互作用强度阈值,删除相互作用强度小于相互作用强度阈值的生态廊道。
7.一种计算机可读存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序用于执行上述权利要求1-6任一所述的基于最小累积阻力模型的区域生态安全格局构建方法。
8.一种电子设备,其特征在于,所述电子设备包括:
处理器;
用于存储所述处理器可执行指令的存储器;
所述处理器,用于从所述存储器中读取所述可执行指令,并执行所述指令以实现上述权利要求1-6任一所述的基于最小累积阻力模型的区域生态安全格局构建方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211401043.1A CN115861793A (zh) | 2022-11-09 | 2022-11-09 | 一种基于最小累积阻力模型的区域生态安全格局构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211401043.1A CN115861793A (zh) | 2022-11-09 | 2022-11-09 | 一种基于最小累积阻力模型的区域生态安全格局构建方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115861793A true CN115861793A (zh) | 2023-03-28 |
Family
ID=85662919
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211401043.1A Pending CN115861793A (zh) | 2022-11-09 | 2022-11-09 | 一种基于最小累积阻力模型的区域生态安全格局构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115861793A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116307400A (zh) * | 2023-04-03 | 2023-06-23 | 吉林省林业科学研究院 | 生境廊道的识别方法、装置、电子设备及介质 |
-
2022
- 2022-11-09 CN CN202211401043.1A patent/CN115861793A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116307400A (zh) * | 2023-04-03 | 2023-06-23 | 吉林省林业科学研究院 | 生境廊道的识别方法、装置、电子设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Pu et al. | Object-based urban detailed land cover classification with high spatial resolution IKONOS imagery | |
Degerli et al. | Using the remote sensing method to simulate the land change in the year 2030 | |
Tariq et al. | Modelling, mapping and monitoring of forest cover changes, using support vector machine, kernel logistic regression and naive bayes tree models with optical remote sensing data | |
CN107330413A (zh) | 一种基于遥感技术的毒品原植物识别方法 | |
CN106485254A (zh) | 一种输电线路通道地表特征变化自动提取方法 | |
Wahyudi et al. | Combining Landsat and landscape metrics to analyse large-scale urban land cover change: A case study in the Jakarta Metropolitan Area | |
CN111667183A (zh) | 一种耕地质量监测方法及系统 | |
CN113987813A (zh) | 一种基于多参数决策和层次分析法的滑坡敏感性制图模型 | |
Ayrey et al. | Ecologically-based metrics for assessing structure in developing area-based, enhanced forest inventories from LiDAR | |
CN115861793A (zh) | 一种基于最小累积阻力模型的区域生态安全格局构建方法 | |
Aguirre-Salado et al. | Modelling site selection for tree plantation establishment under different decision scenarios | |
Kumar et al. | Pixel-based vs. object-based anthropogenic impervious surface detection: driver for urban-rural thermal disparity in Faridabad, Haryana, India | |
Kremer et al. | Utility of classification and regression tree analyses and vegetation in mountain permafrost models, Yukon, Canada | |
CN115830464A (zh) | 基于多源数据的高原山地农业大棚自动提取方法 | |
CN114997730A (zh) | 一种基于多维特征的城乡规划设计区域数据智能监测分析评价系统 | |
CN110287915B (zh) | 一种基于Landsat遥感影像的城市不透水层提取方法 | |
CN114386771A (zh) | 一种基于遥感的水环境污染“源-汇”风险识别方法及系统 | |
Frimpong | Application of Remote Sensing and GIS for Forest Cover Change Detection.(A Case Study of Owabi Catchment in Kumasi, Ghana) | |
Mango | Modeling the effect of land use and climate change scenarios on the water flux of the Upper Mara River flow, Kenya | |
Chatterjee et al. | Determination of Characterized Urban Thermal Zones (UTZ) for Assessing Microclimates in the Tropical Metropolitan Area of Kolkata | |
Demir | Landscape dynamics changes of the protected Mary Valley, Turkey. | |
Frimpong | Application of remote sensing and GIS for forest cover change detection | |
Shen | Multi-layer perceptron-markov chain based geospatial analysis of land use and land cover change: A case study of Stoney Creek Watershed, BC, Canada | |
Peerbhay et al. | Mapping carbon content in a mountainous grassland using SPOT 5 multispectral imagery and semi-automated machine learning ensemble methods | |
DEMİR et al. | Analysis Temporal Land Use/Land Cover Change Based on Landscape Pattern and Dynamic Metrics in Protected Mary Valley, Trabzon from 1987 to 2015 |
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 |