CN116337146A - 基于改进遥感生态指数的生态质量评价与分区方法及装置 - Google Patents

基于改进遥感生态指数的生态质量评价与分区方法及装置 Download PDF

Info

Publication number
CN116337146A
CN116337146A CN202310148837.XA CN202310148837A CN116337146A CN 116337146 A CN116337146 A CN 116337146A CN 202310148837 A CN202310148837 A CN 202310148837A CN 116337146 A CN116337146 A CN 116337146A
Authority
CN
China
Prior art keywords
index
ecological
evaluated
remote sensing
region
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
Application number
CN202310148837.XA
Other languages
English (en)
Other versions
CN116337146B (zh
Inventor
龚蔚霞
张金林
杨梦琪
李升发
何淑仪
王景诗
颜淼
李煜东
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Institute of Geography of GDAS
Original Assignee
Guangzhou Institute of Geography of GDAS
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangzhou Institute of Geography of GDAS filed Critical Guangzhou Institute of Geography of GDAS
Priority to PCT/CN2023/081340 priority Critical patent/WO2023213142A1/zh
Publication of CN116337146A publication Critical patent/CN116337146A/zh
Application granted granted Critical
Publication of CN116337146B publication Critical patent/CN116337146B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
    • 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

  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Human Resources & Organizations (AREA)
  • Electromagnetism (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Remote Sensing (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于改进遥感生态指数的生态质量评价与分区方法及装置，该方法主要包括构建改进遥感生态指数模型，所述模型包括绿度指数、湿度指数、干度指数、热度指数和森林服务指数5个指数因子；将待评估区域当前年限的绿度指数、湿度指数、干度指数、热度指数和最新的森林服务指数根据改进遥感生态指数模型进行计算，获得待评估区域当前年限的改进遥感生态指数；根据改进遥感生态指数判断区域生态质量等级，划定生态修复区域。本发明通过补充森林服务指数，有利于在植被覆盖率较高的地区，进一步评价区域植被种类和面积对当地生态环境和生态本底产生的积极影响或消极影响，进一步提高区域生态质量评价的准确性和生态修复区域的识别精度。

Description

基于改进遥感生态指数的生态质量评价与分区方法及装置
技术领域
本发明涉及生态质量评估技术领域，具体涉及一种基于改进遥感生态指数的生态质量评价与分区方法及装置。
背景技术
准确评价区域生态环境历史和现状，是生态环境保护和建设的前提与基础。植被是维持生物圈物质循环和能量流动的第一生产者，是生物圈及其生态系统的核心和功能部分。因此，在对区域生态质量进行评价时，植被作为评价指标之一是不可缺少的重要一环。不同的植被种类、面积及空间分布，对生态环境及生态本底产生的影响具有差异，包括积极影响和消极影响：乡土树种成林较慢，但成林后具有保水固土能力强和物种丰富度高等优势，对当地生态环境产生积极影响，有利于提高当地生态质量，属于“生态改善带来的变绿”；部分外来树种，虽具有生长快、产材多等优点，但吸水吸肥力强，对涵养水源和土壤保持等具有负面作用，若大面积种植，则存在树种单一、结构简单和生态服务功能较弱等问题，对当地生态环境产生消极影响，当地生态本底将受到一定程度的破坏，属于“生态退化带来的变绿”。
2006年，原国家环境保护部以行业标准的形式颁发了《生态环境状况评价技术规范》，提出建立综合指数——生态环境状况指数(EI)对区域的生态质量进行评价。EI指数包括生物丰度、植被覆盖、水网密度、环境质量和土地退化5个指标，但EI指数的构建普遍面临评价指标提取困难，数据空间精度较低和数据更新较慢等问题；且EI指数仅是一个数值，只能整体说明区域的生态状况，无法可视化说明区域内生态环境状况的分布情况。目前，遥感技术的飞速发展和多源遥感数据的开放获取，极大地促进了生态质量动态监测与评价，对区域土地合理利用、国土空间规划和流域综合治理等具有重要意义。2013年徐涵秋提出遥感生态指数(RSEI)评价法，旨在选取绿度、湿度、热度和干度等指标，利用主成分分析法客观加权并构建RSEI对区域生态质量进行评价，可在一定程度上反映生态系统的结构和功能，识别生态修复区域。然而，RSEI主要针对城市环境创建，但是在植被覆盖率较高的地区，仅使用绿度指标无法有效识别不同植被种类对当地生态环境产生积极影响或消极影响，即对生态改善带来的变绿和生态退化带来的变绿无法进行有效区分。
发明内容
本发明的目的在于克服上述现有技术的不足，提供一种基于改进遥感生态指数的生态质量评价与分区方法及装置，以提升区域生态质量评价的科学性和准确性。。
为实现上述目的，本发明的技术方案是：
第一方面，本发明提供一种基于改进遥感生态指数的生态质量评价与分区方法，包括：
构建改进遥感生态指数模型，所述模型包括绿度指数、湿度指数、干度指数、热度指数和森林服务指数5个指数因子；
获取待评估区域当前年限的绿度指数、湿度指数、干度指数和热度指数；
获得待评估区域最新的森林服务指数；
基于改进遥感生态指数模型和待评估区域当前年限的绿度指数、湿度指数、干度指数、热度指数和待评估区域最新的森林服务指数，计算获得待评估区域当前年限的改进遥感生态指数；
根据改进遥感生态指数判断待评估区域生态质量等级，划定生态修复区域。
进一步地，所述构建改进遥感生态指数模型，所述模型包括绿度指数、湿度指数、干度指数、热度指数和森林服务指数5个指数因子，具体包括：
根据Landsat8遥感影像中的红波段、近红外波段，计算所述绿度指数；
根据Landsat8遥感影像中的第一短波红外波段、第二短波红外波段、红波段、近红外波段、蓝波段和绿波段，计算所述湿度指数；
根据Landsat8遥感影像中的第一短波红外波段、红波段、近红外波段、蓝波段和绿波段，计算所述干度指数；
通过MOD11A2数据获得地表温度数据，即所述热度指数；
进一步地，所述绿度指数的计算公式如下：
NDVI＝(BNIR-Bred)/(BNIR+Bred)
其中，NDVI为绿度指数，Bred为遥感影像的红波段，BNIR为遥感影像的近红外波段。
进一步地，所述湿度指数的计算公式如下：
WET＝0.1511Bblue+0.1973Bgreen+0.3283Bred+0.3407BNIR-0.7117BSWIR1-0.4559BSWIR2
其中，WET为湿度数据，BSWIR1为遥感影像的第一短波红外波段，BSWIR2为遥感影像的第二短波红外波段，Bred为遥感影像的红波段，BNIR为遥感影像的近红外波段，Bblue为遥感影像的蓝波段，Bgreen为遥感影像的绿波段。
进一步地，所述干度指数的计算公式如下：
NDSI＝(SI+IBI)/2
SI＝((BSWIR1+Bred)-(Bblue+BNIR))/((BSWIR1+Bred)+(Bblue+BNIR))
Figure BDA0004090103190000031
其中，NDSI为干度指数，SI为裸土指数，IBI为建筑指数，BSWIR1为遥感影像的第一短波红外波段，Bred为遥感影像的红波段，BNIR为遥感影像的近红外波段，Bblue为遥感影像的蓝波段，Bgreen为遥感影像的绿波段。
进一步地，所述基于优势树种组数据，测算固碳释氧功能、大气净化功能、水源涵养功能、土壤保持功能和生物多样性功能5项指标获得所述森林服务指数。
进一步地，所述固碳释氧功能包括固碳功能和释氧功能，由林分面积、林分年净生产力计算而得；固碳释氧功能的计算公式如下：
G固碳释氧＝G固碳+G释氧
G固碳＝1.33×R碳×A×B年
G释氧＝1.19×A×B年
其中，G固碳释氧表示固碳释氧功能值(t/a)，G固碳表示林分年固碳量(t/a)，G释氧表示林分年释氧量(t/a)，R碳指CO2中C的含量(％)，A指林分面积(hm2)，B年指林分年净生产力(t/hm2/a)；根据植物光合作用方程，CO2中C的含量为27.29％，即R碳为27.29；
进一步地，所述大气净化功能包括吸收SO2功能和阻滞降尘功能，由林分面积、林分年吸SO2量及林分年阻滞降尘量计算而得；大气净化功能的计算公式如下：
G大气净化＝GSO2+G滞尘
GSO2＝QSO2×A
G滞尘＝Q滞尘×A
其中，G大气表示大气净化功能值(kg/a)，GSO2表示林分年吸收SO2量(kg/a)，G滞尘表示林分年阻滞降尘量(kg/a)，QSO2代表单位面积林分年吸收SO2量(kg/hm2/a)，A指林分面积(hm2)，Q滞尘代表单位面积林分年阻滞降尘量(kg/hm2/a)。
进一步地，所述水源涵养功能由林分面积、林外降水量、林分蒸散量和地表径流量计算而得；涵养水源功能的计算公式如下：
G涵养水源＝10×A×(P-E-C)
其中，G涵养水源表示涵养水源功能值(m3/a)，A表示林分面积(hm2),P表示林外降水量(mm/a)，E表示林分蒸散量(mm/a)，C表示地表径流量(mm/a)；不同树种类型的林分蒸散及地表径流情况不同，林分蒸散包括林木蒸腾和土壤蒸发两部分，分别用林木蒸腾系数、土壤蒸发系数和地表径流系数表示各水文过程占林外降水量的比例系数；
进一步地，所述土壤保持功能由林分面积、林地土壤侵蚀模数和无林地土壤侵蚀模数计算而得；土壤保持功能的计算公式如下：
G土壤保持＝A×(X2-X1)
其中，G土壤保持表示土壤保持功能值(t/a)，A表示林分面积(hm2)，X1表示林地土壤侵蚀模数(t/hm2/a)，X2表示无林地土壤侵蚀模数(t/hm2/a)；
进一步地，所述生物多样性功能由林分面积、林地生物多样性系数计算而得；生物多样性功能的计算公式如下：
G生物多样性＝A×D
其中，G生物多样性表示生物多样性功能值(元/a)，A表示林分面积(hm2)，D表示单位面积物种多样性保育价值量(元/hm2/a)；
进一步地，所述采用极值标准化法对固碳释氧功能、大气净化功能、涵养水源功能、土壤保持功能和生物多样性功能等5项指标的评价结果进行归一化处理。
将归一化处理后的5项指标的评价结果相加，再将相加结果进行归一化处理，获得森林生态系统服务功能评价结果，相加计算公式如下：
Figure BDA0004090103190000041
其中，F为某一优势树种组斑块的森林生态系统服务功能评价结果，Gi为某一评价因子的值。
归一化公式如下：
F归一化＝(F-Fmin)/(Fmax-Fmin)
其中，F归一化为某一优势树种组斑块的森林生态系统服务功能评价结果的归一化值，F为某一优势树种组斑块的森林生态系统服务功能评价结果，Fmin和Fmax分别为最小值和最大值。
进一步地，所述基于森林生态系统服务功能评价结果，使用克里金插值方法对其进行插值分析，获得森林服务指数。
进一步地，将所述绿度指数、湿度指数、干度指数、热度指数和森林服务指数分别进行归一化处理；
对所述归一化处理后的绿度指数、湿度指数、干度指数、热度指数和森林服务指数进行主成分分析，采用极值标准化法对所述主成分分析后的结果进行归一化处理，获得改进遥感生态指数，具体包括：
主成分分析公式如下：
FRSEI＝f(NDVI，WET，NDSI，LST，FSer)
其中，FRSEI为改进遥感生态指数，NDVI为绿度指数，WET为湿度指数，NDSI为干度指数，LST为热度指数，FSer为森林服务指数；
归一化公式如下：
FRSEI归一化＝(FRSEI-FRSEImin)/(FRSEImax-FRSEImin)
其中，FRSEI归一化为某一改进遥感生态指数的归一化值，FRSEI为某一改进遥感生态指数，FRSEImin和FRSEImax分别为最小值和最大值。
进一步地，所述在获取待评估区域当前年限的绿度指数、湿度指数、干度指数和热度指数之前，获取评估范围的矢量数据，并将矢量数据的坐标系转换为大地2000坐标系；调用GoogleEarthEngine云平台的Assets装置，上传评估范围的矢量数据到GoogleEarthEngine云平台，利用GoogleEarthEngine平台获取待评估区域当前年限的Landsat8遥感影像和MODIS遥感影像，计算获得待评估区域当前年限的绿度指数、湿度指数、干度指数和热度指数；其中，所述评估范围包括待评估区域。
进一步地，获得待评估区域最新的森林服务指数，具体包括：
获取评估范围内最新的优势树种组数据，并将优势树种组数据的坐标系转换为大地2000坐标系。基于评估范围内最新的优势树种组数据，通过计算固碳释氧功能、大气净化功能、水源涵养功能、土壤保持功能和生物多样性功能5项指标，获得评估范围内最新的森林服务功能评价结果，随后在ArcGIS软件中使用克里金插值方法对其进行插值分析，获得待评估区域最新的森林服务指数；其中，评估范围包括待评估区域。
进一步地，所述在基于改进遥感生态指数模型和待评估区域当前年限的绿度指数、湿度指数、干度指数、热度指数和待评估区域最新的森林服务指数，计算获得待评估区域当前年限的改进遥感生态指数之前，调用GoogleEarthEngine云平台的Assets装置，上传待评估区域最新的森林服务指数到GoogleEarthEngine云平台。在GoogleEarthEngine云平台，基于改进遥感生态指数模型和待评估区域当前年限的绿度指数、湿度指数、干度指数、热度指数和待评估区域最新的森林服务指数，计算获得待评估区域当前年限的改进遥感生态指数。
进一步地，所述根据待评估区域当前年限的改进遥感生态指数判断待评估区域的生态质量等级，划定生态修复区域，具体包括：
将改进遥感生态指数(FRSEI)按数值大小划分为五个等级，等级越低，说明该区域生态质量越差、生态修复越紧迫；
若0≤FRSEI＜0.2，则待评估区域的生态质量等级为五级，待评估区域为生态修复一级区域，待评估区域生态环境受损严峻，生态质量差，生态修复难度高；
若0.2≤FRSEI＜0.4，则待评估区域的生态质量等级为四级，待评估区域为生态修复二级区域，待评估区域生态环境受损较严重，生态质量较差，生态修复难度较高；
若0.4≤FRSEI＜0.6，则待评估区域的生态质量等级为三级，待评估区域为生态修复三级区域，待评估区域生态环境受损严重，生态质量中等，生态修复难度较低；
若0.6≤FRSEI＜0.8，则待评估区域的生态质量等级为二级，待评估区域为生态修复四级区域，待评估区域生态环境受损情况一般，生态质量较好，生态修复难度低；
若0.8≤FRSEI≤1，则待评估区域的生态质量等级为一级，待评估区域为生态修复五级区域，待评估区域生态环境良好，生态质量好，基本不需要进行生态修复。
第二方面，本发明提供一种基于改进遥感生态指数的生态质量评价与分区装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上任一所述方法的步骤。
第三方面，本发明提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上任一所述方法的步骤。
本发明与现有技术相比，其有益效果在于：
1.本发明考虑了植被种类与面积对生态环境质量的影响，在RSEI的基础上，通过补充森林服务指数，有利于在植被覆盖度较高的地区，进一步评价区域植被种类和面积对当地生态环境和生态本底产生的积极影响或消极影响。
2.增强了评价的科学性和准确性。FRSEI在RSEI的基础上，通过对植被结构进行评价补充了森林服务指数，集绿度、湿度、干度、热度和森林服务5个指标于一体。在植被覆盖率较高的地区，FRSEI能有效区分生态改善带来的变绿和生态退化带来的变绿，识别出植被多而生态质量差的区域。使用FRSEI对当地生态质量进行评价，所得评价结果更加精确，与真实地表情况更为接近，区域生态质量评价的科学性和准确性得到进一步增强，生态修复区域的识别精度将进一步提高。
3.提高了区域尺度的识别精度。FRSEI主要以Landsat陆地卫星系列遥感影像和MODIS传感器的遥感影像为信息源对区域生态环境质量进行定量分析，综合反映区域生态质量。Landsat影像和MODIS影像的更新周期短，现势性强；且Landsat影像的空间分辨率为30米，对区域生态环境质量的评价可细化到30m×30m网格；除此之外，FRSEI可通过可视化制图直观展现区域生态环境质量空间分布情况。同时，基于GoogleEarthEngine(GEE)云平台进行图像处理，可免费使用Landsat系列和MODIS系列的遥感影像数据集，有效避免遥感影像下载、去云、拼接等数据预处理工作，还可以改善遥感数据缺失、多云、色差、时间不一致等问题，进一步提高区域尺度的识别精度。
4.提升了生态系统服务能力的针对性。FRSEI能有效识别出因树种及其种植面积不合理对当地生态环境产生负面影响的区域，同时对树种及其种植面积不合理但当地生态环境尚未受到负面影响的区域进行预判，为科学有效地恢复和调整区域植被生态系统结构提供辅助决策，进而提升区域生态质量和区域生态系统服务能力。
附图说明
图1为本发明实施例提供的一种基于改进遥感生态指数的生态质量评价与分区方法的概要流程图；
图2为本发明实施例提供的一种基于改进遥感生态指数的生态质量评价与分区方法的整体流程图；
图3为本发明实施例提供的一种基于改进遥感生态指数的生态质量评价与分区装置的组成示意图。
具体实施方式
下面结合附图和实施例对本发明的技术方案做进一步的说明。
本发明实施例提供了一种基于改进遥感生态指数的生态质量评价与分区方法，参见图1所示，是本发明提供的一种基于改进遥感生态指数的生态质量评价与分区方法的一个优选实施例的流程图，包括：
构建改进遥感生态指数模型，所述模型包括绿度指数、湿度指数、干度指数、热度指数和森林服务指数5个指数因子；
获取待评估区域当前年限的绿度指数、湿度指数、干度指数和热度指数；
获得待评估区域最新的森林服务指数；
基于改进遥感生态指数模型和待评估区域当前年限的绿度指数、湿度指数、干度指数、热度指数和待评估区域最新的森林服务指数，计算获得待评估区域当前年限的改进遥感生态指数；
根据改进遥感生态指数判断待评估区域生态质量等级，划定生态修复区域。
由此可见，在RSEI的基础上，通过补充森林服务指数，有利于在植被覆盖度较高的地区，进一步评价区域植被种类和面积对当地生态环境和生态本底产生的积极影响或消极影响，以提升区域生态质量评价的科学性和准确性。
如图2所示，具体操作如下：
1)构建改进遥感生态指数模型，所述模型包括绿度指数、湿度指数、干度指数、热度指数和森林服务指数5个指数因子。具体包括：
(1)绿度指数。根据Landsat8遥感影像中的红波段、近红外波段，计算绿度指数；绿度指数的计算公式如下：
NDVI＝(BNIR-Bred)/(BNIR+Bred)
其中，NDVI为绿度指数，Bred为遥感影像的红波段，BNIR为遥感影像的近红外波段。
(2)湿度指数。根据Landsat8遥感影像中的第一短波红外波段、第二短波红外波段、红波段、近红外波段、蓝波段和绿波段，计算湿度指数；湿度指数的计算公式如下：
WET＝0.1511Bblue+0.1973Bgreen+0.3283Bred+0.3407BNIR-0.7117BSWIR1-0.4559BSWIR2
其中，WET为湿度指数，BSWIR1为遥感影像的第一短波红外波段，BSWIR2为遥感影像的第二短波红外波段，Bred为遥感影像的红波段，BNIR为遥感影像的近红外波段，Bblue为遥感影像的蓝波段，Bgreen为遥感影像的绿波段。
(3)干度指数。根据Landsat8遥感影像中的第一短波红外波段、红波段、近红外波段、蓝波段和绿波段，计算干度指数；干度指数的计算公式如下：
NDSI＝(SI+IBI)/2
SI＝((BSWIR1+Bred)-(Bblue+BNIR))/((BSWIR1+Bred)+(Bblue+BNIR))
Figure BDA0004090103190000091
其中，NDSI为干度指数，SI为裸土指数，IBI为建筑指数，BSWIR1为遥感影像的第一短波红外波段，Bred为遥感影像的红波段，BNIR为遥感影像的近红外波段，Bblue为遥感影像的蓝波段，Bgreen为遥感影像的绿波段。
(4)热度指数。通过MOD11A2数据获得地表温度数据，即热度指数。热度指数(LST)来源于MOD11A2.006Terra陆地表面温度和发射率8天全球1公里数据集的质量指标日(QC_Day)波段，可直接获得地表温度数据，将地表温度数据分辨率从1000m重采样至30m，与绿度指数、湿度指数和干度指数的分辨率保持一致。
(5)森林服务指数。基于优势树种组数据，测算固碳释氧功能、大气净化功能、水源涵养功能、土壤保持功能和生物多样性功能5项指标获得所述森林服务指数。
①固碳释氧功能。固碳释氧功能包括固碳功能和释氧功能，由林分面积、林分年净生产力计算而得；固碳释氧功能的计算公式如下：
G固碳释氧＝G固碳+G释氧
G固碳＝1.33×R碳×A×B年
G释氧＝1.19×A×B年
其中，G固碳释氧表示固碳释氧功能值(t/a)，G固碳表示林分年固碳量(t/a)，G释氧表示林分年释氧量(t/a)，R碳指CO2中C的含量(％)，A指林分面积(hm2)，B年指林分年净生产力(t/hm2/a)。根据植物光合作用方程，CO2中C的含量为27.29％，即R碳为27.29。不同树种类型的林分年净生产力如表所示：
Figure BDA0004090103190000101
Figure BDA0004090103190000111
②大气净化功能。大气净化功能包括吸收SO2功能和阻滞降尘功能，由林分面积、林分年吸SO2量及林分年阻滞降尘量计算而得；大气净化功能的计算公式如下：
G大气净化＝GSO2+G滞尘
GSO2＝QSO2×A
G滞尘＝Q滞尘×A
其中，G大气表示大气净化功能值(kg/a)，GSO2表示林分年吸收SO2量(kg/a)，G滞尘表示林分年阻滞降尘量(kg/a)，QSO2代表单位面积林分年吸收SO2量(kg/hm2/a)，A指林分面积(hm2)，Q滞尘代表单位面积林分年阻滞降尘量(kg/hm2/a)。不同树种类型的单位面积林分年吸收SO2量和单位面积林分年阻滞降尘量如表所示：
Figure BDA0004090103190000112
Figure BDA0004090103190000121
③水源涵养功能。涵养水源功能由林分面积、林外降水量、林分蒸散量和地表径流量计算而得；涵养水源功能的计算公式如下：
G涵养水源＝10×A×(P-E-C)
其中，G涵养水源表示涵养水源功能值(m3/a)，A表示林分面积(hm2)，P表示林外降水量(mm/a)，E表示林分蒸散量(mm/a)，C表示地表径流量(mm/a)。不同树种类型的林分蒸散及地表径流情况不同，林分蒸散包括林木蒸腾和土壤蒸发两部分，分别用林木蒸腾系数、土壤蒸发系数和地表径流系数表示各水文过程占林外降水量的比例系数。林外降水量为评估范围的年均降水量，不同树种类型的林木蒸腾系数、土壤蒸发系数和地表径流系数如下表所示：
Figure BDA0004090103190000122
④土壤保持功能。土壤保持功能由林分面积、林地土壤侵蚀模数和无林地土壤侵蚀模数计算而得；土壤保持功能的计算公式如下：
G土壤保持＝A×(X2-X1)
其中，G土壤保持表示土壤保持功能值(t/a)，A表示林分面积(hm2)，X1表示林地土壤侵蚀模数(t/hm2/a)，X2表示无林地土壤侵蚀模数(t/hm2/a)。无林地土壤侵蚀模数为250(t/hm2/a)，不同树种类型的林地土壤侵蚀模数(t/hm2/a)如下表所示：
Figure BDA0004090103190000123
Figure BDA0004090103190000131
⑤生物多样性功能。生物多样性功能由林分面积、林地生物多样性系数计算而得；生物多样性功能的计算公式如下：
G生物多样性＝A×D
其中，G生物多样性表示生物多样性功能值(元/a)，A表示林分面积(hm2)，D表示单位面积物种多样性保育价值量(元/hm2/a)。单位面积物种多样性保育价值量以Shannon-Wiener多样性指数来确定，Shannon-Wiener多样性指数的计算公式如下：
Figure BDA0004090103190000132
其中，H为Shannon-Wiener多样性指数，ni为第i个种的个体数目，N为群落中所有种的个体总数。Shannon-Wiener多样性指数等级划分及其价值量(元/hm2/a)如下表所示：
等级 Shannon-Wiener多样性指数 单价(元/hm2/a)
I H≥6 50000
II 5≤H＜6 40000
III 4≤H＜5 30000
IV 3≤H＜4 20000
V 2≤H＜3 10000
VI 1≤H＜2 5000
VII H＜1 3000
由于碳释氧功能、大气净化功能、水源涵养功能、土壤保持功能和生物多样性功能量纲不同，采用极值标准化法对以上5个评价因子进行归一化处理。归一化公式如下：
Aif＝(A-Amin)/(Amax-Amin)
其中，Aij为第i个评价因子的第j个归一化值，A为某一评价因子的评价结果值，Amin和Amax分别为最小值和最大值。
将归一化处理后的5个因子的评价结果相加获得森林生态系统服务功能评价结果，相加计算公式为：
Figure BDA0004090103190000141
其中，F为某一优势树种组斑块的森林生态系统服务功能评价结果，Gi为某一评价因子的值。
采用极值标准化法对森林生态系统服务功能评价结果进行归一化处理，归一化公式如下：
F归一化＝(F-Fmin)/(Fmax-Fmin)
其中，F归一化为某一优势树种组斑块的森林生态系统服务功能评价结果的归一化值，F为某一优势树种组斑块的森林生态系统服务功能评价结果，Fmin和Fmax分别为最小值和最大值。
基于森林生态系统服务功能评价结果，在ArcGIS软件中使用克里金插值方法对其进行插值分析，获得森林服务指数。
(3)构建改进遥感生态指数模型。由于绿度指数、湿度指数、干度指数、热度指数和森林服务指数量纲不同，采用极值标准化法对以上指标进行归一化处理。归一化公式如下：
NIij＝(I-Imin)/(Imax-Imin)
其中，NIij为第i个指标的第j个归一化值，I为某一像元值，Imin和Imax分别为最小值和最大值。
对绿度指数、湿度指数、干度指数、热度指数和森林服务指数进行主成分分析处理，并采用极值标准化法对其进行归一化处理，获得改进遥感生态指数。
主成分分析处理公式如下：
FRSEI＝f(NDVI，WET，NDSI，LST，FSer)
其中，FRSEI为改进遥感生态指数，NDVI为绿度指数，WET为湿度指数，NDSI为干度指数，LST为热度指数，FSer为森林服务指数。
归一化公式如下：
FRSEI归一化＝(FRSEI-FRSEImin)/(FRSEImax-FRSEImin)
其中，FRSEI归一化为某一改进遥感生态指数的归一化值，FRSEI为某一改进遥感生态指数指数，FRSEImin和FRSEImax分别为最小值和最大值。
2)获取待评估区域当前年限的绿度指数、湿度指数、干度指数和热度指数。
一般将省市县行政范围作为评估范围，并获取评估范围的矢量面数据。由于各地方提供的矢量面数据的原始坐标系不同，需要对评估范围的矢量面数据的坐标系进行坐标转换，统一转换为大地2000坐标系；注意，评估范围包括待评估区域。
调用Google Earth Engine云平台的Assets装置，上传已转换为大地2000坐标系的评估范围矢量面数据到Google Earth Engine云平台，即可获取评估范围内每一个待评估区域对应的坐标。利用Google Earth Engine平台获取待评估区域当前年限的Landsat8遥感影像和MODIS遥感影像，计算获得待评估区域当前年限的绿度指数、湿度指数、干度指数和热度指数。
3)获得待评估区域最新的森林服务指数。
获取评估范围内最新的优势树种组数据(矢量面数据)，并将优势树种组数据的坐标系统一转换为大地2000坐标。通过计算固碳释氧功能、大气净化功能、水源涵养功能、土壤保持功能和生物多样性功能5项指标，获得评估范围内最新的森林服务功能评价结果。
利用ArcGIS软件，将森林生态系统服务功能评价结果导入优势树种组数据的属性表，并转换为点数据，使用克里金插值方法对优势树种组的矢量点数据进行插值分析，获得待评估区域最新的森林服务指数，并将其转化为30m×30m的栅格数据。克里金插值方法具体操作如下：打开ArcMap软件中的“Geostatistical Analyst-统计向导”；选择“克里金法/协同克里金法”，并将数据源设置为优势树种组(矢量点数据)、数据字段设置为含有森林生态系统服务功能评价结果的字段；在步骤2中选择“普通克里金”，在“预测-趋势的移除阶位”中选择“一次”；步骤3与步骤4无需操作；在步骤5的“扇区类型”中选择“4个扇区”；步骤6无需操作，点击完成，即可获得克里金插值结果；载入评估范围(矢量面数据)；在结果图层的“图层属性-范围-将范围设置为”选择评估范围图层；右键克里金插值结果图层，点击“数据-导出至栅格”，并将“输出像元大小”设置为30m；根据评估范围裁剪克里金插值结果栅格数据，即可获得待评估区域最新的森林服务指数数据(30m×30m栅格数据)。(注意，评估范围包括待评估区域。)
4)基于改进遥感生态指数模型和待评估区域当前年限的绿度指数、湿度指数、干度指数、热度指数和待评估区域最新的森林服务指数，计算获得待评估区域当前年限的改进遥感生态指数。
调用Google Earth Engine云平台的Assets装置，上传待评估区域的最新的森林服务指数(栅格数据)到Google Earth Engine云平台。在Google Earth Engine云平台，基于改进遥感生态指数模型和待评估区域当前年限的绿度指数、湿度指数、干度指数、热度指数和待评估区域最新的森林服务指数，计算获得待评估区域当前年限的改进遥感生态指数。
5)根据待评估区域当前年限的改进遥感生态指数判断待评估区域的生态质量等级，划定生态修复区域。
将改进遥感生态指数(FRSEI)划分为5个生态质量等级，待评估区域根据其生态修复等级划分生态修复区域。具体包括：将改进遥感生态指数(RSEI-F)按数值大小划分为五个等级，等级越低，说明该区域生态修复越紧迫。
若0≤FRSEI＜0.2，则待评估区域的生态质量等级为五级，待评估区域为生态修复一级区域，待评估区域生态环境受损严峻，生态质量差，生态修复难度高；
若0.2≤FRSEI＜0.4，则待评估区域的生态质量等级为四级，待评估区域为生态修复二级区域，待评估区域生态环境受损较严重，生态质量较差，生态修复难度较高；
若0.4≤FRSEI＜0.6，则待评估区域的生态质量等级为三级，待评估区域为生态修复三级区域，待评估区域生态环境受损严重，生态质量中等，生态修复难度较低；
若0.6≤FRSEI＜0.8，则待评估区域的生态质量等级为二级，待评估区域为生态修复四级区域，待评估区域生态环境受损情况一般，生态质量较好，生态修复难度低；
若0.8≤FRSEI≤1，则待评估区域的生态质量等级为一级，待评估区域为生态修复五级区域，待评估区域生态环境良好，生态质量好，基本不需要进行生态修复。
综上，本发明于现有技术相比，具有如下技术优势：
1.本发明考虑了植被种类与面积对生态环境质量的影响，在RSEI的基础上，通过补充森林服务指数，有利于在植被覆盖度较高的地区，进一步评价区域植被种类和面积对当地生态环境和生态本底产生的积极影响或消极影响。
2.增强了评价的科学性和准确性。FRSEI在RSEI的基础上，通过对植被结构进行评价补充了森林服务指数，集绿度、湿度、干度、热度和森林服务5个指标于一体。在植被覆盖率较高的地区，FRSEI能有效区分生态改善带来的变绿和生态退化带来的变绿，识别出植被多而生态质量差的区域。使用FRSEI对当地生态质量进行评价，所得评价结果更加精确，与真实地表情况更为接近，区域生态质量评价的科学性和准确性得到进一步增强，生态修复区域的识别精度将进一步提高。
3.提高了区域尺度的识别精度。FRSEI主要以Landsat陆地卫星系列遥感影像和MODIS传感器的遥感影像为信息源对区域生态环境质量进行定量分析，综合反映区域生态质量。Landsat影像和MODIS影像的更新周期短，现势性强；且Landsat影像的空间分辨率为30米，对区域生态环境质量的评价可细化到30m×30m网格；除此之外，FRSEI可通过可视化制图直观展现区域生态环境质量空间分布情况。同时，基于GoogleEarthEngine(GEE)云平台进行图像处理，可免费使用Landsat系列和MODIS系列的遥感影像数据集，有效避免遥感影像下载、去云、拼接等数据预处理工作，还可以改善遥感数据缺失、多云、色差、时间不一致等问题，进一步提高区域尺度的识别精度。
4.提升了生态系统服务能力的针对性。FRSEI能有效识别出因树种及其种植面积不合理对当地生态环境产生负面影响的区域，同时对树种及其种植面积不合理但当地生态环境尚未受到负面影响的区域进行预判，为科学有效地恢复和调整区域植被生态系统结构提供辅助决策，进而提升区域生态质量和区域生态系统服务能力。
实施例2：
参阅图3所示，本实施例提供的一种基于改进遥感生态指数的生态质量评价与分区装置包括处理器31、存储器32以及存储在该存储器32中并可在所述处理器31上运行的计算机程序33，例如基于改进遥感生态指数的生态质量评价与分区程序。该处理器31执行所述计算机程序33时实现上述实施例1步骤，例如图1所示的步骤。
示例性的，所述计算机程序33可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器32中，并由所述处理器31执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序33在所述一种基于改进遥感生态指数的生态质量评价与分区装置中的执行过程。
所述一种基于改进遥感生态指数的生态质量评价与分区装置可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述一种基于改进遥感生态指数的生态质量评价与分区装置可包括，但不仅限于，处理器31、存储器32。本领域技术人员可以理解，图3仅仅是一种基于改进遥感生态指数的生态质量评价与分区装置的示例，并不构成一种基于改进遥感生态指数的生态质量评价与分区装置的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述一种基于改进遥感生态指数的生态质量评价与分区装置还可以包括输入输出设备、网络接入设备、总线等。
所称处理器31可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(FieldProgrammable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器32可以是所述一种基于改进遥感生态指数的生态质量评价与分区装置的内部存储元，例如一种基于改进遥感生态指数的生态质量评价与分区装置的硬盘或内存。所述存储器32也可以是所述一种基于改进遥感生态指数的生态质量评价与分区装置的外部存储设备，例如所述一种基于改进遥感生态指数的生态质量评价与分区装置上配备的插接式硬盘，智能存储卡(SmartMedia Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器32还可以既包括所述一种基于改进遥感生态指数的生态质量评价与分区装置的内部存储单元也包括外部存储设备。所述存储器32用于存储所述计算机程序以及所述一种基于改进遥感生态指数的生态质量评价与分区装置所需的其他程序和数据。所述存储器32还可以用于暂时地存储已经输出或者将要输出的数据。
实施例3：
本实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现实施例1所述方法的步骤。
所示计算机可读介质可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理再以电子方式获得所述程序，然后将其存储在计算机存储器中。
上述实施例只是为了说明本发明的技术构思及特点，其目的是在于让本领域内的普通技术人员能够了解本发明的内容并据以实施，并不能以此限制本发明的保护范围。凡是根据本发明内容的实质所做出的等效的变化或修饰，都应涵盖在本发明的保护范围内。

Claims (8)

1.一种基于改进遥感生态指数的生态质量评价与分区方法，其特征在于，包括：
构建改进遥感生态指数模型，所述模型包括绿度指数、湿度指数、干度指数、热度指数和森林服务指数5个指数因子；
获取待评估区域当前年限的绿度指数、湿度指数、干度指数和热度指数；
获得待评估区域最新的森林服务指数；
基于改进遥感生态指数模型和待评估区域当前年限的绿度指数、湿度指数、干度指数、热度指数和待评估区域最新的森林服务指数，计算获得待评估区域当前年限的改进遥感生态指数；
根据改进遥感生态指数判断待评估区域生态质量等级，划定生态修复区域。
2.如权利要求1所述的基于改进遥感生态指数的生态质量评价与分区方法，其特征在于，构建改进遥感生态指数模型，所述模型包括绿度指数、湿度指数、干度指数、热度指数和森林服务指数5个指数因子，具体包括：
根据Landsat8遥感影像中的红波段、近红外波段，计算所述绿度指数；
根据Landsat8遥感影像中的第一短波红外波段、第二短波红外波段、红波段、近红外波段、蓝波段和绿波段，计算所述湿度指数；
根据Landsat8遥感影像中的第一短波红外波段、红波段、近红外波段、蓝波段和绿波段，计算所述干度指数；
通过MOD11A2数据获得地表温度数据，即所述热度指数；
基于优势树种组数据，测算固碳释氧功能、大气净化功能、水源涵养功能、土壤保持功能和生物多样性功能5项指标获得所述森林服务指数；
所述固碳释氧功能包括固碳功能和释氧功能，由林分面积、林分年净生产力计算而得；
所述大气净化功能包括吸收SO2功能和阻滞降尘功能，由林分面积、林分年吸收SO2量及林分年阻滞降尘量计算而得；
所述水源涵养功能由林分面积、林外降水量、林分蒸散量和地表径流量计算而得；
所述土壤保持功能由林分面积、林地土壤侵蚀模数和无林地土壤侵蚀模数计算而得；
所述生物多样性功能由林分面积、林地生物多样性系数计算而得；
采用极值标准化法对固碳释氧功能、大气净化功能、水源涵养功能、土壤保持功能和生物多样性功能5项指标的评价结果进行归一化处理；将归一化处理后的5项指标的评价结果相加，再将相加结果进行归一化处理，获得森林服务功能评价结果；基于森林服务功能评价结果，使用克里金插值方法对其进行插值分析，获得森林服务指数；
将绿度指数、湿度指数、干度指数、热度指数和森林服务指数分别进行归一化处理；
对所述绿度指数、湿度指数、干度指数、热度指数和森林服务指数进行主成分分析，采用极值标准化法对所述主成分分析后的结果进行归一化处理，获得改进遥感生态指数，具体包括：
主成分分析公式如下：
FRSEI＝f(NDVI，WET，NDSI，LST，FSer)
其中，FRSEI为改进遥感生态指数，NDVI为绿度指数，WET为湿度指数，NDSI为干度指数，LST为热度指数，FSer为森林服务指数；
归一化公式如下：
FRSEI归一化＝(FRSEI-FRSEImin)/(FRSEImax-FRSEImin)
其中，FRSEI归一化为某一改进遥感生态指数的归一化值，FRSEI为某一改进遥感生态指数，FRSEImin和FRSEImax分别为最小值和最大值。
3.如权利要求1所述的基于改进遥感生态指数的生态质量评价与分区方法，其特征在于，在获取待评估区域当前年限的绿度指数、湿度指数、干度指数和热度指数之前，所述方法还包括：
获取评估范围的矢量数据，并将矢量数据的坐标系转换为大地2000坐标系；调用Google Earth Engine云平台的Assets装置，上传评估范围的矢量数据到Google EarthEngine云平台，利用Google Earth Engine平台获取待评估区域当前年限的Landsat8遥感影像和MODIS遥感影像，计算获得待评估区域当前年限的绿度指数、湿度指数、干度指数和热度指数；其中，所述评估范围包括待评估区域。
4.如权利要求1所述的基于改进遥感生态指数的生态质量评价与分区方法，其特征在于，获得待评估区域最新的森林服务指数，具体包括：
获取评估范围内最新的优势树种组数据，并将优势树种组数据的坐标系转换为大地2000坐标系；基于评估范围内最新的优势树种组数据，通过计算固碳释氧功能、大气净化功能、水源涵养功能、土壤保持功能和生物多样性功能5项指标，获得评估范围内最新的森林服务功能评价结果，随后在ArcGIS软件中使用克里金插值方法对其进行插值分析，获得待评估区域最新的森林服务指数；其中，评估范围包括待评估区域。
5.如权利要求1所述的基于改进遥感生态指数的生态质量评价与分区方法，其特征在于，在基于改进遥感生态指数模型和待评估区域当前年限的绿度指数、湿度指数、干度指数、热度指数和待评估区域最新的森林服务指数，计算获得待评估区域当前年限的改进遥感生态指数之前，所述方法还包括：
调用Google Earth Engine云平台的Assets装置，上传待评估区域最新的森林服务指数到Google Earth Engine云平台；在Google Earth Engine云平台，基于改进遥感生态指数模型和待评估区域当前年限的绿度指数、湿度指数、干度指数、热度指数和待评估区域最新的森林服务指数，计算获得待评估区域当前年限的改进遥感生态指数。
6.如权利要求1所述的基于改进遥感生态指数的生态质量评价与分区方法，其特征在于，根据待评估区域当前年限的改进遥感生态指数判断待评估区域的生态质量等级，划定生态修复区域，具体包括：
将改进遥感生态指数(FRSEI)按数值大小划分为五个等级，等级越低，说明该区域生态质量越差、生态修复越紧迫；
若0≤FRSEI＜0.2，则待评估区域的生态质量等级为五级，待评估区域为生态修复一级区域，待评估区域生态环境受损严峻，生态质量差，生态修复难度高；
若0.2≤FRSEI＜0.4，则待评估区域的生态质量等级为四级，待评估区域为生态修复二级区域，待评估区域生态环境受损较严重，生态质量较差，生态修复难度较高；
若0.4≤FRSEI＜0.6，则待评估区域的生态质量等级为三级，待评估区域为生态修复三级区域，待评估区域生态环境受损严重，生态质量中等，生态修复难度较低；
若0.6≤FRSEI＜0.8，则待评估区域的生态质量等级为二级，待评估区域为生态修复四级区域，待评估区域生态环境受损情况一般，生态质量较好，生态修复难度低；
若0.8≤FRSEI≤1，则待评估区域的生态质量等级为一级，待评估区域为生态修复五级区域，待评估区域生态环境良好，生态质量好，基本不需要进行生态修复。
7.一种基于改进遥感生态指数的生态质量评价与分区装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6任一所述方法的步骤。
8.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，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6任一所述方法的步骤。
CN202310148837.XA 2022-12-27 2023-02-21 基于改进遥感生态指数的生态质量评价与分区方法及装置 Active CN116337146B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
PCT/CN2023/081340 WO2023213142A1 (zh) 2022-12-27 2023-03-14 基于改进遥感生态指数的生态质量评价与分区方法及装置

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202211689704 2022-12-27
CN2022116897045 2022-12-27

Publications (2)

Publication Number Publication Date
CN116337146A true CN116337146A (zh) 2023-06-27
CN116337146B CN116337146B (zh) 2024-02-06

Family

ID=86886698

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310148837.XA Active CN116337146B (zh) 2022-12-27 2023-02-21 基于改进遥感生态指数的生态质量评价与分区方法及装置

Country Status (2)

Country Link
CN (1) CN116337146B (zh)
WO (1) WO2023213142A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117315491A (zh) * 2023-11-28 2023-12-29 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
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

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117668768B (zh) * 2023-12-04 2024-07-02 中国水利水电科学研究院 基于滑动窗口相似生境潜力模型的植被恢复潜力评估方法
CN117875799A (zh) * 2023-12-20 2024-04-12 广东省科学院广州地理研究所 生态系统服务流格局构建方法
CN118211787A (zh) * 2024-03-18 2024-06-18 中国地质大学（北京） 一种生态管理区域划分方法、装置及可读存储介质
CN118196565A (zh) * 2024-03-20 2024-06-14 山东建筑大学 基于山地微地貌特征分析的生态系统服务优化评估方法
CN118260561A (zh) * 2024-04-02 2024-06-28 中国科学院昆明植物研究所 基于数据融合的植物物种科研关注度评估方法、产品、介质及设备
CN118052476B (zh) * 2024-04-03 2024-09-03 重庆大学 一种面向碳增汇的矿区土壤生态修复措施适宜性评估方法
CN118155001B (zh) * 2024-05-11 2024-09-17 中国电建集团西北勘测设计研究院有限公司 评估风电场对土地覆盖影响的方法、装置、设备及介质
CN118396575B (zh) * 2024-06-28 2024-10-11 广东省林业科学研究院 一种基于多维数据的湿地植物智能化监管系统与方法
CN118673296A (zh) * 2024-08-26 2024-09-20 菏泽市自然资源和规划局 用于国土空间综合整治生态修复评估模型的构建方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109711754A (zh) * 2019-01-21 2019-05-03 苏州科技大学 一种森林生态系统服务价值计算评估方法及装置
CN110659838A (zh) * 2019-09-27 2020-01-07 佛山科学技术学院 基于遥感和gis生态环境质量评估方法
CN112418632A (zh) * 2020-11-16 2021-02-26 广州市城市规划勘测设计研究院 一种生态修复关键区域识别方法及系统
CN113553907A (zh) * 2021-06-21 2021-10-26 山东建筑大学 一种基于遥感技术的森林生态环境状况评价方法
CN114386733A (zh) * 2020-10-17 2022-04-22 龙岩学院 一种基于遥感技术的区域生态环境状况评价方法
WO2022252799A1 (zh) * 2021-06-04 2022-12-08 成都数之联科技股份有限公司 模型训练方法及林地变化检测方法及系统及装置及介质

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2593007A (en) * 2018-03-09 2021-09-15 The Hong Kong Res Institute Of Textiles And Apparel Limted Method and system for estimating ecological influence of textile fabric production
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

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109711754A (zh) * 2019-01-21 2019-05-03 苏州科技大学 一种森林生态系统服务价值计算评估方法及装置
CN110659838A (zh) * 2019-09-27 2020-01-07 佛山科学技术学院 基于遥感和gis生态环境质量评估方法
CN114386733A (zh) * 2020-10-17 2022-04-22 龙岩学院 一种基于遥感技术的区域生态环境状况评价方法
CN112418632A (zh) * 2020-11-16 2021-02-26 广州市城市规划勘测设计研究院 一种生态修复关键区域识别方法及系统
WO2022252799A1 (zh) * 2021-06-04 2022-12-08 成都数之联科技股份有限公司 模型训练方法及林地变化检测方法及系统及装置及介质
CN113553907A (zh) * 2021-06-21 2021-10-26 山东建筑大学 一种基于遥感技术的森林生态环境状况评价方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117315491A (zh) * 2023-11-28 2023-12-29 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
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
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

Also Published As

Publication number Publication date
WO2023213142A1 (zh) 2023-11-09
CN116337146B (zh) 2024-02-06

Similar Documents

Publication Publication Date Title
CN116337146B (zh) 基于改进遥感生态指数的生态质量评价与分区方法及装置
Song et al. Impacts of environmental heterogeneity on moss diversity and distribution of Didymodon (Pottiaceae) in Tibet, China
Moon et al. A high spatial resolution land surface phenology dataset for AmeriFlux and NEON sites
Préau et al. Predicting suitable habitats of four range margin amphibians under climate and land-use changes in southwestern France
Zhang et al. Relationship between the geographical environment and the forest carbon sink capacity in China based on an individual-tree growth-rate model
Piniewski et al. G2DC-PL+: a gridded 2 km daily climate dataset for the union of the Polish territory and the Vistula and Odra basins
CN114357879A (zh) 一种未来土地利用模拟方法、装置、存储介质及终端设备
CN112861435A (zh) 一种红树林质量遥感反演方法及智能终端
ROȘCA et al. Land capability classification for crop and fruit product assessment using GIS technology. Case study: the Niraj River Basin (Transylvania Depression, Romania)
CN117114194A (zh) 碳汇量确定、碳汇效益优化的方法、装置及相关设备
Mechenich et al. Eco-ISEA3H, a machine learning ready spatial database for ecometric and species distribution modeling
Maure et al. Predicting resilience and stability of early second‐growth forests
CN115860487B (zh) 基于植被稳定性风险指数评估当地植被变化风险的方法
Ahmed et al. GIS-based land suitability mapping for rubber cultivation in Seremban, Malaysia
CN117035174A (zh) 一种木麻黄单木地上生物量的估算方法与系统
Rudeforth STORING AND PROCESSING DATA FOR SOIL AND LAND USE CAPABILITY SURVEYS 1
Mahoney et al. Filtering ground noise from LiDAR returns produces inferior models of forest aboveground biomass in heterogenous landscapes
Liu et al. Monitoring the evolution process of karst desertification and quantifying its drivers in the karst area of Southwest China
CN115345488A (zh) 一种湿地生态系统服务评估方法、装置、服务器及介质
CN115271332A (zh) 一种旱情监测方法
CN113610622A (zh) 一种基于多源数据的土地价值评估方法及装置
Bao et al. An automatic extraction method for individual tree crowns based on self-adaptive mutual information and tile computing
Mohsin et al. Modelling of stand volume of eucalyptus plantations using worldview-2 imagery in Sabah, Malaysia
Xu et al. Describing area and yield for small-scale plantation forests in Wairarapa region of New Zealand using RapidEye and LiDAR
Tan et al. Analysis of land use/land cover changes and driving forces during the period 1992–2022: a case study of Jinan City, China

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