CN116245400A - 一种基于高分遥感的矿区景观格局演变分析方法 - Google Patents
一种基于高分遥感的矿区景观格局演变分析方法 Download PDFInfo
- Publication number
- CN116245400A CN116245400A CN202211716587.7A CN202211716587A CN116245400A CN 116245400 A CN116245400 A CN 116245400A CN 202211716587 A CN202211716587 A CN 202211716587A CN 116245400 A CN116245400 A CN 116245400A
- Authority
- CN
- China
- Prior art keywords
- mining area
- remote sensing
- analysis method
- method based
- index
- 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
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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于高分遥感的矿区景观格局演变分析方法,包括步骤:根据矿区的遥感影像建立矿区分布图形;对矿区分布图形进行矢量化处理,得到目标矢量数据;对各生物物理指标进行波段计算或标准化处理,获得栅格数据;用于根据目标矢量数据和栅格数据,确定各矿区分布范围的生物物理指标随时间的变化轨迹特征;用于根据高动态高灵敏植被指数与非植被指数的比值,获得环境监测指数;用于基于环境监测指数,获得用于表征矿区开采、治理成效的栅格值。本发明利于相关人员进行矿区开发过程中的环境保护和区域治理。
Description
技术领域
本发明涉及高分遥感与地理信息技术领域,具体为一种基于高分遥感的矿区景观格局演变分析方法。
背景技术
景观格局通常是指景观的空间结构特征,具体是指由自然或人为形成的一系列大小、形状各异、排列不同的景观镶嵌体在景观空间的排列,它即是景观异质性的具体表现,同时又是包括干扰在内的各种生态过程在不同尺度上作用的结果。空间斑块性是景观格局最普遍的形式,它表现在不同的尺度上。景观指数是指高度浓缩景观格局信息,反映其结构组成和空间配置某些方面特征的简单定量指标;适合定量表达景观格局和生态过程之间关联的空间分析方法。通过生物量、土壤侵蚀强度和景观破碎度等评价指标相结合,并将评价指标进行加权来构建矿区的生态质量评价,实现对矿区生态环境的遥感监测和评估。其中,单位面积生物量指标用于反映区域生态系统的碳储情况,而土地侵蚀根据《土壤侵蚀分类分级标准》,将土壤侵蚀分为不同的强度。这种方法的权重系数受主观设定影响,且无法反映矿区的环境变化。基于此,有必要针对传统的矿区开采与治理成效监测手段还存在的上述缺陷,不利于相关人员进行矿区开发过程中的环境保护和区域治理,提供一种矿区开采与治理成效监测方法。
发明内容
为了克服现有技术的不足,本发明提供了一种基于高分遥感的矿区景观格局演变分析方法。
一种基于高分遥感的矿区景观格局演变分析方法,包括步骤:
根据矿区的遥感影像建立矿区分布图形;
对矿区分布图形进行矢量化处理,得到目标矢量数据;
对各生物物理指标进行波段计算或标准化处理,获得栅格数据;
用于根据目标矢量数据和栅格数据,确定各矿区分布范围的生物物理指标随时间的变化轨迹特征;
用于根据高动态高灵敏植被指数与非植被指数的比值,获得环境监测指数;
用于基于环境监测指数,获得用于表征矿区开采、治理成效的栅格值。
所述的一种基于高分遥感的矿区景观格局演变分析方法,对于稀土矿区,基于对稀土矿的野外调研,在了解稀土矿的开采历史、开采技术以及矿区治理修复手段和阶段,结合稀土矿的遥感图像,确定稀土矿区的边界,建立稀土矿区多边形,即矿区分布图形。
所述的一种基于高分遥感的矿区景观格局演变分析方法,通过矢量化处理算法或第三方处理软件对矿区分布图形进行矢量化处理;将矿区分布图形导入ArcGIS平台,将矿区分布图形转化为图层文件后建立矿区分布图形边界数据库,标注矿区开采时间、治理时间和开发历史。
所述的一种基于高分遥感的矿区景观格局演变分析方法,进一步地,将数据库的矢量数据坐标基准设为WGS-84,投影坐标为UTM 50,以获得目标矢量数据。
所述的一种基于高分遥感的矿区景观格局演变分析方法,根据生物物理指标的分类,不同生物物理指标对应不同的处理手段;植被指数包括标准化植被指数(NDVI)、归一化植被指数(GDVI)、土壤校正且不受大气影响的植被指数(SARVI)、不受大气影响的植被指数(ARVI)、土壤校正植被指数(SAVI)和强化植被指数(EVI);非植被指数包括反照率(α)、地表温度(LST)和穗帽变换亮度(TCB)。
所述的一种基于高分遥感的矿区景观格局演变分析方法,基于目标矢量数据,将栅格数据投影到时间轴上,获得各矿区分布范围的生物物理指标随时间变化的轨迹特征。
所述的一种基于高分遥感的矿区景观格局演变分析方法,高动态高灵敏植被指数为变化轨迹特征中具备最高动态范围和灵敏度的植被指数(GDVI);非植被指数包括与高动态高灵敏植被指数呈负相关的多个非植被指数。
所述的一种基于高分遥感的矿区景观格局演变分析方法,将环境监测指数转换为对应的栅格值,栅格值用于表征矿区经治理后的环境状况,即植被绿化的修复状况。
本发明的有益效果:
针对传统的矿区开采与治理成效监测手段还存在的缺陷,提供了一种基于高分遥感的矿区景观格局演变分析方法,利于相关人员进行矿区开发过程中的环境保护和区域治理。
附图说明
图1为发明一种基于高分遥感的矿区景观格局演变分析方法的流程图。
具体实施方式
景观格局通常是指景观的空间结构特征,具体是指由自然或人为形成的,一系列大小、形状各异,排列不同的景观镶嵌体在景观空间的排列,它即是景观异质性的具体表现,同时又是包括干扰在内的各种生态过程在不同尺度上作用的结果。空间斑块性是景观格局最普遍的形式,它表现在不同的尺度上。景观指数是指高度浓缩景观格局信息,反映其结构组成和空间配置某些方面特征的简单定量指标;适合定量表达景观格局和生态过程之间关联的空间分析方法。
如图1所示,一种基于高分遥感的矿区景观格局演变分析方法,包括步骤:
根据矿区的遥感影像建立矿区分布图形;
对矿区分布图形进行矢量化处理,得到目标矢量数据;
对各生物物理指标进行波段计算或标准化处理,获得栅格数据;
用于根据目标矢量数据和栅格数据,确定各矿区分布范围的生物物理指标随时间的变化轨迹特征;
用于根据高动态高灵敏植被指数与非植被指数的比值,获得环境监测指数;
用于基于环境监测指数,获得用于表征矿区开采、治理成效的栅格值。
景观指数在三个不同的尺度上(Patch斑块、Class边界、Landscape景观)分为8大类(景观破碎度、景观分离度、干扰强度和自然度、景观多样性、优势度、均匀度、分维数、聚集度指数),共有几百种计算指标。本发明是通过目视解译形成的图斑,在此不讨论斑块(patch)尺度上的指数,在Class层次上的指标选择斑块数量(NP)、斑块密度(PD)、最大斑块指数(LPI)、边界密度(ED)和面积周长分维度指数(PAFRAC)五个指标;Landscape层次上选择聚集度指数(CONTAG)、香农多样性指数(SHDI)和香农均匀度指数(SHEI)。
NP反映景观的空间格局,经常被用来描述景观的异质性,其大小与景观的破碎度有很好的正相关性;PD反映某一斑块类型和景观总体的破碎化和空间异质性程度;LPI的大小决定着景观中的优势种、内部种等生态特征,其值的变化反映人类活动的方向和强弱;ED反映景观类型和景观总的破碎程度,边缘密度的大小直接影响边缘效应及物种组成。
PAFRAC用于度量斑块或景观类型的复杂程度,当PAFRAC趋于1,斑块的形状趋于方形;趋于2时,斑块的形状趋于卷绕;当一个单一类型占该景观的大部分比例时,CONTAG就越大,CONTAG值高说明景观中的某种优势斑块类型形成了良好的连续性,反之则表明景观是具有多种要素的密集格局,景观的破碎化程度较高。
HDI值越大,表示景观多样性程度越高;SHEI值较小时,表示景观是由多个比例大致相等的类型组成;SHEI值较大时,表示景观只受一个或少数几个类型支配。
进行景观指数计算之前,要先将矢量文件转换为栅格文件,在arcgis中就可以矢量转栅格:ArcToolbox-Conversion Tools-To Raster-Polygon to Raster(面转栅格)。在此基础上要填入:输入矢量图,矢量图字段(LX字段),输入栅格图位置以及名字,此处输出栅格图像素大小1m,后缀名为.GIF。(以m为单位。由于输入数值过小会导致Fragstats无法读出tif图,建议导出像素1m以上。)注意:①location最好不要有中文,最好放在比较浅的目录下;②Name不要过长。
打开Fragstats4.2,点击new,add layer输入数据,本次选取输入数据类型为tif格式,选择要处理的栅格文件,自动读取其行列值和像元大小(可以在arcgis右击,属性中查看),像元大小以m为单位,点击OK。像元大小是景观中最小的可以识别的单元,是最小的制图单元,景观的功能组成和结构与景观的空间粒度有着紧密的联系,像元大小是需要进一步研究的空间粒度问题。
在分析面板中,选择要计算的指标类型patch metrics(斑块指数)、classmetrics(类型指数)、landscape metrics(景观指数)。之后在右边红线框中点击对应的项选取每一项中要计算的指数。
点击Run按钮进行指标计算,在result面板中可以进行查看,也可以导出到Excel文件进行进一步分析整理。
根据面积(CA)对数据进行分析整理,对应起来相应的类别,将各个指数想成数据表格。
对表中指数数值进行对比分析,得到矿区的演变进程。
复垦区是新增地物类型,是为了保护矿区生态环境和实现可持续发展而实行的生态复垦工程,有利于改善矿区景观格局,使矿区生态环境朝着良好的方向发展。
CONTAG是描述景观各类型斑块聚集程度的量,若呈现稍微增大的趋势,说明整个矿区的景观连通性较好,破碎度在减小。在这段时间内,斑块之间的连通性与聚集程度有所增加,使得整体景观聚集度增加。研究区近些年聚集度指数在60%以上,主要原因是林地作为研究区域优势景观,分布较为集中,连通性较好,景观完整性保持较好。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明的保护范围应以所附权利要求为准。
Claims (8)
1.一种基于高分遥感的矿区景观格局演变分析方法,其特征在于,包括步骤:
根据矿区的遥感影像建立矿区分布图形;
对矿区分布图形进行矢量化处理,得到目标矢量数据;
对各生物物理指标进行波段计算或标准化处理,获得栅格数据;
用于根据目标矢量数据和栅格数据,确定各矿区分布范围的生物物理指标随时间的变化轨迹特征;
用于根据高动态高灵敏植被指数与非植被指数的比值,获得环境监测指数;
用于基于环境监测指数,获得用于表征矿区开采、治理成效的栅格值。
2.根据权利要求1所述的一种基于高分遥感的矿区景观格局演变分析方法,其特征在于:对于稀土矿区,基于对稀土矿的野外调研,在了解稀土矿的开采历史、开采技术以及矿区治理修复手段和阶段,结合稀土矿的遥感图像,确定稀土矿区的边界,建立稀土矿区多边形,即矿区分布图形。
3.根据权利要求1所述的一种基于高分遥感的矿区景观格局演变分析方法,其特征在于:通过矢量化处理算法或第三方处理软件对矿区分布图形进行矢量化处理;将矿区分布图形导入ArcGIS平台,将矿区分布图形转化为图层文件后建立矿区分布图形边界数据库,标注矿区开采时间、治理时间和开发历史。
4.根据权利要求3所述的一种基于高分遥感的矿区景观格局演变分析方法,其特征在于:进一步地,将数据库的矢量数据坐标基准设为WGS-84,投影坐标为UTM 50,以获得目标矢量数据。
5.根据权利要求1所述的一种基于高分遥感的矿区景观格局演变分析方法,其特征在于:根据生物物理指标的分类,不同生物物理指标对应不同的处理手段;植被指数包括标准化植被指数(NDVI)、归一化植被指数(GDVI)、土壤校正且不受大气影响的植被指数(SARVI)、不受大气影响的植被指数(ARVI)、土壤校正植被指数(SAVI)和强化植被指数(EVI);非植被指数包括反照率(α)、地表温度(LST)和穗帽变换亮度(TCB)。
6.根据权利要求1所述的一种基于高分遥感的矿区景观格局演变分析方法,其特征在于:基于目标矢量数据,将栅格数据投影到时间轴上,获得各矿区分布范围的生物物理指标随时间变化的轨迹特征。
7.根据权利要求1所述的一种基于高分遥感的矿区景观格局演变分析方法,其特征在于:高动态高灵敏植被指数为变化轨迹特征中具备最高动态范围和灵敏度的植被指数(GDVI);非植被指数包括与高动态高灵敏植被指数呈负相关的多个非植被指数。
8.根据权利要求1所述的一种基于高分遥感的矿区景观格局演变分析方法,其特征在于:将环境监测指数转换为对应的栅格值,栅格值用于表征矿区经治理后的环境状况,即植被绿化的修复状况。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211716587.7A CN116245400A (zh) | 2022-12-30 | 2022-12-30 | 一种基于高分遥感的矿区景观格局演变分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211716587.7A CN116245400A (zh) | 2022-12-30 | 2022-12-30 | 一种基于高分遥感的矿区景观格局演变分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116245400A true CN116245400A (zh) | 2023-06-09 |
Family
ID=86635561
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211716587.7A Pending CN116245400A (zh) | 2022-12-30 | 2022-12-30 | 一种基于高分遥感的矿区景观格局演变分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116245400A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117315505A (zh) * | 2023-11-28 | 2023-12-29 | 成都理工大学 | 一种量化干旱及半干旱区采矿活动对植被影响的方法 |
CN117808626A (zh) * | 2023-12-21 | 2024-04-02 | 北京英视睿达科技股份有限公司 | 燃煤电厂负荷运行状态监测方法、装置、设备及介质 |
-
2022
- 2022-12-30 CN CN202211716587.7A patent/CN116245400A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117315505A (zh) * | 2023-11-28 | 2023-12-29 | 成都理工大学 | 一种量化干旱及半干旱区采矿活动对植被影响的方法 |
CN117315505B (zh) * | 2023-11-28 | 2024-03-15 | 成都理工大学 | 一种量化干旱及半干旱区采矿活动对植被影响的方法 |
CN117808626A (zh) * | 2023-12-21 | 2024-04-02 | 北京英视睿达科技股份有限公司 | 燃煤电厂负荷运行状态监测方法、装置、设备及介质 |
CN117808626B (zh) * | 2023-12-21 | 2024-06-04 | 北京英视睿达科技股份有限公司 | 燃煤电厂负荷运行状态监测方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116245400A (zh) | 一种基于高分遥感的矿区景观格局演变分析方法 | |
Zhou | An object-based approach for urban land cover classification: Integrating LiDAR height and intensity data | |
EP3022686B1 (en) | Automatic generation of multi-scale descriptors from overhead imagery through manipulation of alpha-tree data structures | |
Xu et al. | Object‐based mapping of karst rocky desertification using a support vector machine | |
CN110956187A (zh) | 一种基于集成学习的无人机影像植物冠层信息提取方法 | |
CN114219847B (zh) | 基于物候特征的作物种植面积确定方法、系统及存储介质 | |
CN113033401B (zh) | 一种面向生态保护红线的人类活动变化识别监管方法 | |
CN104978743A (zh) | 一种多核并行sar图像变化信息实时提取方法及装置 | |
US11790636B1 (en) | System and method for detection of gas in the atmosphere from a multispectral image | |
CN110879992A (zh) | 基于迁移学习的草原地表覆盖物分类方法和系统 | |
Degefu et al. | Effects of urbanization on the relationship between greenspace patterns and evolution of regional heat island in cities of Ethiopia | |
CN109035223A (zh) | 一种用于卫星遥感图像可用度的智能评估方法 | |
CN113469127B (zh) | 河流敏感性等级划分方法、装置、设备及存储介质 | |
CN116561509A (zh) | 顾及植被类型的城市植被地上生物量精确反演方法及系统 | |
CN112215135B (zh) | 矿区开采与治理成效监测方法及装置 | |
Wang et al. | Characterization and mapping of photovoltaic solar power plants by Landsat imagery and random forest: A case study in Gansu Province, China | |
CN113724381A (zh) | 一种基于高分遥感影像的动态三维场景快速重建方法 | |
CN115791685B (zh) | 基于时间序列遥感影像的秸秆燃烧提取方法 | |
CN116824488A (zh) | 一种基于迁移学习的目标检测方法 | |
CN113239944B (zh) | 一种图像特征提取方法、装置、电子设备及介质 | |
Lu et al. | Predicting the memorability of natural-scene images | |
CN111257854A (zh) | 一种通用的基于遥感影像分割单元的地形校正优化方法 | |
Wang et al. | Shadow Detection and Reconstruction of High-Resolution Remote Sensing Images in Mountainous and Hilly Environments | |
CN117475151B (zh) | 一种结合树顶树干检测与林木模型的机载点云分割方法 | |
CN113378766B (zh) | 一种基于合成孔径雷达的海上大规模风力发电站监测系统 |
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 |