CN116485219A - 基于遥感云计算平台的生态环境质量评价方法 - Google Patents

基于遥感云计算平台的生态环境质量评价方法 Download PDF

Info

Publication number
CN116485219A
CN116485219A CN202211689909.3A CN202211689909A CN116485219A CN 116485219 A CN116485219 A CN 116485219A CN 202211689909 A CN202211689909 A CN 202211689909A CN 116485219 A CN116485219 A CN 116485219A
Authority
CN
China
Prior art keywords
soil
factor
ecological environment
formula
vegetation
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
Application number
CN202211689909.3A
Other languages
English (en)
Inventor
陶汪海
邵凡凡
王全九
苏李君
孙燕
马昌坤
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.)
Xian University of Technology
Original Assignee
Xian University of Technology
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 Xian University of Technology filed Critical Xian University of Technology
Priority to CN202211689909.3A priority Critical patent/CN116485219A/zh
Publication of CN116485219A publication Critical patent/CN116485219A/zh
Pending legal-status Critical Current

Links

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
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

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)
  • Cultivation Of Plants (AREA)

Abstract

本发明公开的基于遥感云计算平台的生态环境评价方法，其特征在于，首先通过风蚀和水蚀计算得到土壤侵蚀因子ER，获取植被覆盖度FVC、通过土壤微生物呼吸碳排放RH和净初级生产力NPP计算得到净生态系统碳交换量NEE，获取相对湿润指数MI；然后通过土壤侵蚀因子ER、植被覆盖度FVC、净生态系统碳交换量NEE和相对湿润指数MI构建生态环境综合评价指标。本发明的基于遥感云计算平台的生态环境评价方法，解决了现有生态环境质量评价参数多、参数难获取，计算复杂不易广泛应用的问题。

Description

基于遥感云计算平台的生态环境质量评价方法
技术领域
本发明属于农业水土工程技术领域，具体涉及一种基于遥感云计算平台的生态环境评价方法。
背景技术
生态环境质量是生态系统的要素、结构和功能在时间和空间上的综合表征。反应的各种限制因素景观要素和生态水文过程相互作用的结果。因此，正确认识和评价区域生态环境状况，对于我国生态文明建设和生态环境保护意义重大。现有的评价体系一般都是基于传统生态环境指数和遥感生态指数。传统生态环境质量评价方法参数多，且大多难获取，很难快速的对大区域生态环境进行评估，且计算复杂、无法广泛应用。
发明内容
本发明的目的是提供一种基于遥感云计算平台的生态环境评价方法，解决了现有生态环境质量评价参数多、参数难获取，计算复杂不易广泛应用的问题。
本发明所采用的技术方案是，基于遥感云计算平台的生态环境评价方法，首先获取植被覆盖度FVC，再通过风蚀和水蚀计算得到土壤侵蚀因子ER、通过土壤微生物呼吸碳排放RH和净初级生产力NPP计算得到净生态系统碳交换量NEE和获取相对湿润指数MI；然后通过土壤侵蚀因子ER、植被覆盖度FVC、净生态系统碳交换量NEE和相对湿润指数MI构建生态环境综合评价指标。
本发明的特征还在于，
植被覆盖度FVC采用像元二分模型计算，具体计算如公式1所示：
式中，NDVI为归一化植被指数，NDVIsoil代表的是无植被覆盖区域或者裸土的NDVI值；NDVIveg代表全部被植被所覆盖区域NDVI值。
风蚀采用RWEQ模型进行计算，具体计算如公式2～4所示：
Qmax＝109.8×(WF×EF×SCF×K′×C) (2)，
S＝150.71×(WF×EF×SCF×K′×C)-0.371 (3)，
式中，Qmax为风力最大运转量，单位为kg/m；S为关键地块长度，单位为m；SL为土壤损失量，单位为t/hm2/a；x为下风向最大风蚀出现距离，单位为m；WF表示气象因子，单位为kg/m；EF表示土壤可侵蚀性因子；SCF表示土壤结皮因子；K′表示土壤粗糙度因子；C表示植被覆盖因子。
土壤可侵蚀性因子EF具体计算如公式5所示：
式中，Sa为土壤砂粒含量；Si为土壤粉砂含量；Cl为黏土含量；Sa/C1为土壤砂粒和黏土含量比；OM表示有机质含量；CaCO3表示碳酸钙含量；
土壤结皮因子SCF具体计算如公式6所示：
式中，Cl为黏土含量，OM表示有机质含量；
土壤粗糙度因子K′具体计算如公式7所示：
K’＝cosα (7)，
式中，α表示地形坡度；
植被覆盖因子C具体计算如公式8所示：
C＝e-0.0438FVC (8)，
气象因子WF具体计算如公式9所示，
式中,U2为2m高处风速，单位为m/s；Ut为2m处的起沙临界风速，单位为m/s；Nd表示观测天数,N为一次实验中观察总次数；ρ为空气密度，单位为kg/m3；g表示重力加速度，单位为m/s2；SW为土壤湿度因子；SD为雪盖因子；
空气密度ρ由海拔高EL和绝对温度T计算得到，具体计算如公式10所示：
土壤湿度因子SW具体计算如公式11～12所示：
式中，ETP为潜在相对蒸发量，单位为mm,R为降雨量，单位mm,I为灌溉量，单位为mm；Rd为降雨或灌溉的次数或天数；Nd为观测天数；SR为太阳辐射总量，单位为cal/cm2；DT为平均温度；
雪盖因子SD具体计算如公式13所示：
SD＝1-P (13)，
式中，P为计算时段雪盖深度不小于25.4mm的概率。
水蚀采用RUSLE模型进行计算，具体计算如公式14所示：
A＝R·K·LS·C·P (14)，
式中，A是平均年土壤流失率，R是降雨侵蚀力因子，K为土壤可蚀性因子，LS是结合坡长和坡陡因子S的地形因子，C是植被覆盖因子，P是水土保持因子。
降雨侵蚀力因子R具体计算如公式15～17所示：
α＝21..586β-7.1891 (16)，
式中，R为半月降雨侵蚀力；Pj为半月内第j日的侵蚀性日雨量，且日雨量不小于12mm，否则以0计算；α和β是模型待定参数；；Pd12为日雨量不小于12mm的日平均雨量，Py12为日雨量不小于12mm的年平均雨量，年降雨侵蚀力和月降雨侵蚀力由半月降雨侵蚀力累加得到；
土壤可蚀性因子K具体计算如公式18所示：
其中，SAN为砂粒含量；SIL为粉粒含量；CLA为粘粒含量；C为土壤有机碳含量；SNI＝1-SAN/100；
地形因子LS的具体计算如公式19～20所示：
式中，λ为坡度长度，θ为坡度角；
植被覆盖因子C具体计算如公式21所示：
水土保持因子P根据土地覆盖类型确定数值，土地覆盖类型为耕地数值是0.3、土地覆盖类型为草地数值是0.16、土地覆盖类型为林地为数值是0.05、水域为0、土地覆盖类型为建设用地数值是1、土地覆盖类型为未利用地为数值是1。
净生态系统碳交换量NEE具体计算如公式22所示：
NEE＝RH-NPP (22)，
式中，NPP为植被净初级生产力；RH为土壤微生物呼吸量；若NEE＜0，则表明植被固定的碳高于土壤排放的碳，表现为碳汇；反之，若NEE＞0，则表现为碳源，土壤中的碳不断的在消耗，会导致地力下降。
土壤微生物呼吸量RH具体计算如公式23所示：
RH＝0.22*(e(0.0912T)+ln(0.3145R+1))*30*46.5％ (23)，
式中，T为气温，R为降雨；
植被净初级生产力NPP具体计算如公式24所示：
NPP＝APAR×ε (24)，
其中，ε＝ε′T1T2W为光能利用效率，单位为g/MJ；APAR＝FPAR×PAR为光合有效辐射，单位为MJ/(m2·day)；
光能利用效率ε具体计算如公式25所示：
ε(x,t)＝ε′T1(x,t)T2(x,t)W(x,t) (25)，
式中，ε′指的是最大光利用率，单位为g/MJ；T1(x,t)和T2(x,t)表示环境温度对光利用的抑制影响；W(x,t)则为水分影响胁迫系数；
T1(x,t)的具体计算如公式26所示：
T1(x,t)＝-0.0005(Topt(x)-20)2+1 (26)，
式中，Topt(x)表示植被在生长季内NDVI值达到最高时的月平均气温；
T2(x,t)的具体计算如公式27所示：
式中，C是常量，取1.1919；Tmon表示月平均气温；
水分影响胁迫系数W(x,t)具体计算如公式28所示：
式中，λE是蒸发潜热通量，Rn是地表净辐射，G是土壤热通量；
所述植被进行光合作用的驱动能量PAR具体计算如公式29～35所示：
ωs＝arccos[-tan(φ)tan(δ)] (34)，
式中，为FAO公布的技术文档中的经验公式计算；/>表示地外太阳辐射；n(t)为实际日照时数；N(t)为潜在日照时数；Gsc是太阳常数；dr为相对日地距离；ωs是日落时角；φ表示地区纬度；δ为赤纬角；J为儒略日；
辐射吸收系数FPAR具体计算如公式36～37所示：
式中，FPARmax和FPARmin的取值分别为0.95和0.001，SRmax和SRmin取值分别为4.46和1.08。
相对湿润指数MI具体计算如公式38所示：
式中，P为时段内的降雨量；ET0为时段的参考作物蒸散量。
构建生态环境综合评价指标具体通过层次分析法构建，首先将评价目标位于最顶层，影响总目标的因素分为若干层作为标准层置于目标层下方建立层次结构图，然后确定标度并依据标度进行编制对同层因素进行两两比较，再对各个因素的相对权重进行计算，通过对计算的相对权重与同层因素两两比较结果的一致性进行检验，确定权重的有效性，将计算出的相对权重值带入公式39～40进行生态环境的质量评价：
EQI0＝aUnit+bUnit+cUnit+d (39)，
EQI＝Unit(EQI0) (40)，
式中，a、b、c、d分别为MI、ER、NEE、FVC的权重值；Unit为归一化；
若0≤EOI<0.2，则说明生态环境很差；若0.2≤EQI<0.4，则说明生态环境较差；若0.4≤EQI<0.6，则说明生态环境中等；若0.6≤EOI<0.8，则说明生态环境较好；若0.8≤EOI<1，则说明生态环境很好。
本发明生态环境评价方法的有益效果是，基于土壤侵蚀、气候干旱、植被覆盖、土壤碳交换量的区域生态环境评价模型，四个指标涵盖了影响区域生态环境质量的主要因素，且四个指标可以荣光遥感技术快速计算得到，大幅简化了生态环境质量的评价工作量，并且具有较好的效果。
附图说明
图1是本发明基于遥感云计算平台的生态环境评价方法的流程示意图。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
本发明基于遥感云计算平台的生态环境评价方法的流程如图1所示，首先获取植被覆盖度FVC，为降低无植被区域的影响，采用像元二分模型计算植被覆盖度，具体计算如公式1所示：
式中，NDVI为归一化植被指数，NDVIsoil代表的是无植被覆盖区域或者裸土的NDVI值；NDVIveg代表全部被植被所覆盖区域NDVI值。
再通过风蚀和水蚀计算得到土壤侵蚀因子ER，
首先利用RWEQ模型计算东北地区风蚀强度，具体计算如公式2～4所示：
Qmax＝109.8×(WF×EF×SCF×K′×C) (2)，
S＝150.71×(WF×EF×SCF×K′×C)-0.371 (3)，
式中，Qmax为风力最大运转量，单位为kg/m；S为关键地块长度，单位为m；SL为土壤损失量，单位为t/hm2/a；x为下风向最大风蚀出现距离，单位为m，；WF表示气象因子，单位为kg/m；EF表示土壤可侵蚀性因子；SCF表示土壤结皮因子；K′表示土壤粗糙度因子；C表示植被覆盖因子。
公式2和3中的土壤可侵蚀性因子EF具体计算如公式5所示：
式中，Sa为土壤砂粒含量，单位为％；Si为土壤粉砂含量，单位为％；Cl为黏土含量，单位为％；Sa/Cl为土壤砂粒和黏土含量比，单位为％；OM表示有机质含量，单位为％；CaCO3表示碳酸钙含量，单位为％；
土壤可侵蚀性因子EF与土壤砂粒、粉粒、黏粒、有机质和碳酸钙含量有关，在整个黑土区，RWEQ模型土壤可蚀性因子EF最小值为0，最大值为0.56，在空间分布上，土壤可蚀性因子EF自东北部向西南部呈现增大的趋势。
公式2和3中的土壤结皮因子SCF具体计算如公式6所示：
式中，Cl为黏土含量，OM表示有机质含量；土壤结皮因子SCF与土壤黏粒和有机质含量有关。在整个黑土区，RWEQ模型土壤结皮因子SCF最小值为0，最大值为0.23，在空间分布上，土壤结皮因子SCF在中部和东部地区的大部分面积上接近于0，自中部向北、向南、向西均呈现增大的趋势。
公式2和3中的土壤粗糙度因子K′具体计算如公式7所示：
K’＝cosα (7)，
式中，α表示地形坡度；土壤粗糙度因子K′的大小与地势起伏有关。在整个黑土区，RWEQ模型土壤粗糙度因子K′最小值为0.87，最大值为1，在空间分布上，土壤粗糙度因子K′在中部和西部地区的大部分面积上接近于1，自中部向北、向南、向东均呈现减小的的趋势。
公式2和3中的植被覆盖因子C具体计算如公式8所示：
C＝e-0.0438FVC (8)，
在整个黑土区，RWEQ模型植被覆盖因子C由植被覆盖度FVC计算得到且两者之间呈现负相关。在空间分布上，因为西部有较小的植被覆盖度FVC，所以植被覆盖因子C较大，部分区域接近1。植被覆盖因子C由东北黑土区西部向东北、东南、东呈现减小的趋势。
气象因子WF由风力因子、土壤湿度因子、雪盖因子组成，风力因子由风速数据计算得到，土壤湿度因子由潜在相对蒸发量、降雨量计算得到，雪盖因子由积雪深度计算得到，公式2和3中的气象因子WF具体计算如公式9所示，
式中,U2为2m高处风速，单位为m/s；Ut为2m处的起沙临界风速，单位为m/s；Nd表示单次实验的观测天数,N为单次实验中观察总次数；ρ为空气密度，单位为kg/m3；g表示重力加速度，单位为m/s2，本实施例取9.8m/s2；SW为土壤湿度因子；SD为雪盖因子；
公式9中的空气密度ρ由海拔高EL和绝对温度T计算得到，具体计算如公式10所示：
公式9中的土壤湿度因子SW具体计算如公式11～12所示：
式中，ETP为潜在相对蒸发量，单位为mm,R为降雨量，单位mm,I为灌溉量，单位为mm,；Rd为降雨或灌溉的次数或天数；Nd为观测天数；SR为太阳辐射总量，单位为cal/cm2；DT为平均温度；
公式9中的雪盖因子SD具体计算如公式13所示：
SD＝1-P (13)，
式中，P为计算时段雪盖深度不小于25.4mm的概率；在整个黑土区，RWEQ模型气象因子WF与风速、气温、积雪深度等气象因子有关，随时间具有一定的波动性。在空间分布上，因为黑土区的侵蚀性风多出现在西部，所以西部的气象因子WF较大，其它地区的气象因子WF较小。
水蚀采用RUSLE模型进行计算，RUSLE模型是基于USLE的改进模型。RUSLE模型是土壤侵蚀量与影响因素之间的统计关系模型，影响因素为降水、土壤、地形、植被和土地利用。具体计算如公式14所示：
A＝R·K·LS，C·P (14)，
式中，A是平均年土壤流失率，单位为thm-2a-1，R是降雨侵蚀力因子，单位为MJmmhm-2h-1a-1，K为土壤可蚀性因子，单位为thm2hhm-2MJ-1mm-1，LS是结合坡长和坡陡因子S的地形因子，C是植被覆盖因子，P是水土保持因子。
公式14中降雨侵蚀力因子R显示了降雨引起土壤侵蚀的潜在能力，可使用降雨动能E和最大30分钟强度I30计算，具体计算如公式15～17所示：
α＝21..586β-7.1891 (16)，
式中，R为半月降雨侵蚀力；Pj为半月内第j日的侵蚀性日雨量，且日雨量不小于12mm，否则以0计算；α和β是模型待定参数；；Pd12为日雨量不小于12mm的日平均雨量，Py12为日雨量不小于12mm的年平均雨量，年降雨侵蚀力和月降雨侵蚀力由半月降雨侵蚀力累加得到；
降雨侵蚀力是降雨侵蚀的潜在能力,它是土壤流失方程中首要的基础因子。降雨是引起土壤侵蚀的主要驱动力,降雨侵蚀力表征了降雨引起土壤发生侵蚀的潜在能力。R的平均值为2299.73MJ·mm/ha/h/a，总体呈现西部小、东部大的空间分布特征。
土壤可蚀性因子K反映了土壤对土壤侵蚀的敏感性，公式14中土壤可蚀性因子K具体计算如公式18所示：
其中，SAN为砂粒含量；SIL为粉粒含量；CLA为粘粒含量；C为土壤有机碳含量；SNI＝1-SAN/100；0.1317为美国常用单位到国际单位的转换系数。土壤可蚀性因子K是土壤抵抗水蚀能力的一个综合性指标，土壤侵蚀性因子K值越大，土壤抵抗水蚀的能力越弱，越易受侵蚀，反之亦然。通过计算得到土壤可蚀性因子K的平均为0.032，小于平均值的区域多分布在黑土区的中部和西部。
地形因子LS表示直接影响土壤侵蚀的地形属性，合并了坡长L和坡度S效应，公式14中地形因子LS的具体计算如公式19～20所示：
式中，λ为坡度长度,θ为坡度角，m取决于坡度；东北地区地形因子LS的空间分布情况，结果显示区域平均值为2.73，小于平均值的面积占总面积为的67.74％。在空间分布上，黑土区的西部、东部和中部的LS值较小，自中部偏向各方向均有增大的趋势。
公式14中植被覆盖因子C反映了植被管理措施对土壤侵蚀的抑制作用，具体计算如公式21所示：
植被覆盖因子C是评价植被因素抵抗土壤侵蚀能力的重要指标,指在相同的土壤、坡度和降雨条件下,有特定植被覆盖或田间管理的土地上的土壤流失量与实施清耕、无覆盖裸露休闲地上的土壤流失量之比,其值在0～1之间。
公式14中水土保持因子P表示采取一定水土保持措施的土壤流失率与不采取水土保持措施的土壤流失率的比值，一般在0～1，根据土地覆盖类型确定数值，土地覆盖类型为耕地数值是0.3、土地覆盖类型为草地数值是0.16、土地覆盖类型为林地为数值是0.05、水域为0、土地覆盖类型为建设用地数值是1、土地覆盖类型为未利用地为数值是1；水土保持措施因子是采取专门措施后的土壤流失量与采用顺坡种植时土壤流失量的比值，通过林地、草地、耕地等不同的土地利用类型进行赋值。
通过土壤微生物呼吸碳排放RH和净初级生产力NPP计算得到净生态系统碳交换量NEE，净生态系统生产力NEP定义为生态区内植被净初级生产力NPP与土壤微生物呼吸碳排放RH之差，被认为是陆地和大气生态系统的碳交换率，是区域上碳平衡估算的重要指标，常常作为碳汇大小的度量，净生态系统碳交换量NEE具体计算如公式22所示：
NEE＝RH-NPP (22)，
式中，NPP为植被净初级生产力，单位为g·C·m-2·a-1；RH为土壤微生物呼吸量，单位为g·C·m-2·a-1；若NEE<0,则表明植被固定的碳高于土壤排放的碳，表现为碳汇；反之，若NEE>0,则表现为碳源，土壤中的碳不断的在消耗，会导致地力下降。
公式22中土壤微生物呼吸量RH可以利用温度、降雨与碳排放的回归方程计算，具体计算如公式23所示：
RH＝0.22*(e(0.0912T)+ln(0.3145R+1))*30*46.5％ (23)，
式中，T为气温，R为降雨；
公式22中植被净初级生产力NPP具体计算如公式24所示：
NPP＝APAR×ε (24)，
其中，ε＝ε′T1T2W为光能利用效率，单位为g/MJ；APAR＝FPAR×PAR为光合有效辐射，单位为MJ/(m2·day)；
公式24中光能利用效率ε是指植被将吸收的光合有效辐射APAR通过光合作用转化为有机碳的效率。采用光能利用率模型来估算光利用率，该模型认为：在环境状况最佳条件下，植被对光有最大利用率，即最大光利用率，但实际上，植被在生长季内环境条件是不断变化的，因而植被对光的利用效率也在不断变化，且主要受到温度和水分胁迫的影响，具体计算如公式25所示：
ε(x,t)＝ε′T1(x,t)T2(x,t)W(x,t) (25)，
式中，ε′指的是最大光利用率，单位为g/MJ；T1(x,t)和T2(x,t)表示环境温度对光利用的抑制影响；W(x,t)则为水分影响胁迫系数，用以表达水分因素影响植被对光的利用程度。T1(x,t)和T2(x,t)及W(x,t)均为无量纲参数；
上述光能利用率模型中，T1(x,t)和T2(x,t)表达温度条件对作物光合作用的影响。
公式25中T1(x,t)用以反映植被在低温和高温状态下，内在生化作用对光合作用的限制影响，具体计算如公式26所示：
T1(x,t)＝-0.0005(Topt(x)-20)2+1 (26)，
式中，Topt(x)表示植被在生长季内NDVI值达到最高时的月平均气温；
T2(x,t)用于反映作物生长环境温度在偏离最适温度Toptt(x)时，作物光合作用被弱化的趋势；此外，T2(x,t)所反映的温度胁迫对光利用影响的大小还与区域温度变化幅度有关，在温度变幅较大的地区，其影响较大，反之则小，如对季节性较强的生态系统中的植被，T2(x,t)在植被生长季初期和末期的影响更加明显，具体计算如公式27所示：
式中，C是常量，取1.1919；Tmon表示月平均气温，若某一月均温Tmon比相对最适温度Topt高10℃或低13℃时，该月的T2(x,t)值为月均温Tmon等于相对最适温度Topt时的T2(x,t)值的一半。
水分影响胁迫系数W(x,t)反映植被所能利用的有效水分对光能转化率的影响，数值在0～1之间，具体计算如公式28所示：
式中，λE是蒸发潜热通量，Rn是地表净辐射，G是土壤热通量，单位为W/m2；
公式24中植被进行光合作用的驱动能量PAR其能量为到达地表x处的太阳总辐射量的一个分量，具体计算如公式29～35所示：
ωs＝arccos[-tan(φ)tan(δ)] (34)，
式中，为FAO公布的技术文档中的经验公式计算；/>表示地外太阳辐射，单位为MJ/m2/t；n(t)为实际日照时数，该数据由气象站得到；N(t)为潜在最大日照时数；Gsc是太阳常数，具体为0.0820MJ/m2·min；dr为相对日地距离；ωs是日落时角，单位为rad；φ表示地区纬度，单位为rad；δ为赤纬角，单位为rad；rad表示是弧度单位，J为儒略日，即某一天是一年中的第几天；
辐射吸收系数FPAR表示植被对入射光合有效辐射的吸收比例，具体计算如公式36～37所示：
/>
式中，FPARmax和FPARmin的取值分别为0.95和0.001，SRmax和SRmin取值分别为4.46和1.08。
获取相对湿润指数MI，相对湿润指数MI是某时段内降水量与同时段内可能蒸散量之差再除以该时段内的可能蒸散量，适于评估和监测作物生长的干旱情况，具体计算如公式38所示：
式中，P为时段内的降雨量；ET0为时段的参考作物蒸散量。
然后通过土壤侵蚀因子ER、植被覆盖度FVC、净生态系统碳交换量NEE和相对湿润指数MI构建生态环境综合评价指标，构建生态环境综合评价指标具体首先建立层次结构图，由若干个层次组成，评价目标位于最顶层，一般只有一个。影响总目标的各种因素位于目标层的下层，称之为标准层，标准层可视影响因素的复杂程度分为一个或多个层次，并且可以根据各因子的特征及属性赋予他们纵向的类别归属，同一层次的构成要素，需要遵循逻辑上的最大包容原则和相互排斥原则。
其次对层次结构图中从属于同一上层因素的同层因素进行两两比较，以标度aij为元素构成两两比较的判断矩阵：
当i＝j时，aij＝aji；式中，A为某一评价目标，aij则表示同属于目标A的同一层因素中第i个因素对第j个因素的相对重要性比值，重要程度根据重要性标度表赋值，如表1所示，标度数值aij的确定一般由专家打分来获得。
表1判断矩阵相对重要性标度
然后求各个因素的相对权重，即各层次中所有因子对于其所在层次评价目标的重要性得分，也就是要计算出判断矩阵最大特征根对应的特征向量，其步骤如下：
首先，将判断矩阵每行各元素相乘，得到乘机Pi：
其次，计算Pi的n次方根Mi：
最后，对M＝(M1,M2,M3,…,Mn)T进行归一化：
归一化后的M＝(M1,M2,M3,…,Mn)T即为所求特征向量，也就是各因素对评价目标的相对权重。
通过对计算的相对权重与同层因素两两比较结果的一致性进行检验，确定权重的有效性，其步骤如下：
首先，计算判断矩阵的最大特征根λmax：
其次，计算一致性C.I.(consistencyindex)：
最后，如表2所示，通过平均随即一致性指标R.I.(randomindex)计算一致性比例C.R.(consistencyratio)，并对C.R.进行判断：
当C.R.<0.1时，认为判断矩阵的一致性是可以接受的，得出的权重结果认为是有效的，可以应用于进一步的分析和研究；当C.R.>0.1，则需要调整成对比较矩阵，直到达到一致性为止。
表2平均随机一致性指标
最后将计算出的相对权重值带入公式39～40进行生态环境的质量评价：
EQI0＝aUnit+bUnit+cUnit+d (39)，
EQI＝Unit(EQI0) (40)，
式中，a、b、c、d分别为MI、ER、NEE、FVC的权重值；Unit为归一化；
根据得到数值进行做图，若0≤EOI＜0.2，则说明生态环境很差；若0.2≤EQI＜0.4，则说明生态环境较差；若0.4≤EQI＜0..6，则说明生态环境中等；若0.6≤EOI＜0.8，则说明生态环境较好；若0.8≤EOI＜1，则说明生态环境很好。

Claims (10)

1.基于遥感云计算平台的生态环境评价方法，其特征在于，首先获取植被覆盖度FVC，再通过风蚀和水蚀计算得到土壤侵蚀因子ER、通过土壤微生物呼吸碳排放RH和净初级生产力NPP计算得到净生态系统碳交换量NEE和获取相对湿润指数MI；然后通过土壤侵蚀因子ER、植被覆盖度FVC、净生态系统碳交换量NEE和相对湿润指数MI构建生态环境综合评价指标。
2.根据权利要求1所述的基于遥感云计算平台的生态环境评价方法，其特征在于，所述植被覆盖度FVC采用像元二分模型计算，具体计算如公式1所示：
式中，NDVI为归一化植被指数，NDVIsoil代表的是无植被覆盖区域或者裸土的NDVI值；NDVIveg代表全部被植被所覆盖区域NDVI值。
3.根据权利要求1所述的基于遥感云计算平台的生态环境评价方法，其特征在于，所述风蚀采用RWEQ模型进行计算，具体计算如公式2～4所示：
Qmax＝109.8×(WF×EF×SCF×K′×C) (2)，
S＝150.71×(WF×EF×SCF×K′×C)-0.371 (3)，
式中，Qmax为风力最大运转量，单位为kg/m；S为关键地块长度，单位为m；SL为土壤损失量，单位为t/hm2/a；x为下风向最大风蚀出现距离，单位为m；WF表示气象因子，单位为kg/m；EF表示土壤可侵蚀性因子；SCF表示土壤结皮因子；K′表示土壤粗糙度因子；C表示植被覆盖因子。
4.根据权利要求3所述的基于遥感云计算平台的生态环境评价方法，其特征在于，所述土壤可侵蚀性因子EF具体计算如公式5所示：
式中，Sa为土壤砂粒含量；Si为土壤粉砂含量；Cl为黏土含量；Sa/Cl为土壤砂粒和黏土含量比；OM表示有机质含量；CaCO3表示碳酸钙含量；
所述土壤结皮因子SCF具体计算如公式6所示：
式中，Cl为黏土含量，OM表示有机质含量；
所述土壤粗糙度因子K′具体计算如公式7所示：
K’＝cosα(7)，
式中，α表示地形坡度；
所述植被覆盖因子C具体计算如公式8所示：
C＝e-0.0438FVC (8)，
所述气象因子WF具体计算如公式9所示，
式中,U2为2m高处风速，单位为m/s；Ut为2m处的起沙临界风速，单位为m/s；Nd表示观测天数,N为一次实验中观察总次数；ρ为空气密度，单位为kg/m3；g表示重力加速度，单位为m/s2；SW为土壤湿度因子；SD为雪盖因子；
所述空气密度ρ由海拔高EL和绝对温度T计算得到，具体计算如公式10所示：
所述土壤湿度因子SW具体计算如公式11～12所示：
式中，ETP为潜在相对蒸发量，单位为mm,R为降雨量，单位mm,I为灌溉量，单位为mm；Rd为降雨或灌溉的次数或天数；Nd为观测天数；SR为太阳辐射总量，单位为cal/cm2；DT为平均温度；
所述雪盖因子SD具体计算如公式13所示：
SD＝1-P (13)，
式中，P为计算时段雪盖深度不小于25.4mm的概率。
5.根据权利要求1所述的基于遥感云计算平台的生态环境评价方法，其特征在于，所述水蚀采用RUSLE模型进行计算，具体计算如公式14所示：
A＝R·K·LS·C·P (14)，
式中，A是平均年土壤流失率，R是降雨侵蚀力因子，K为土壤可蚀性因子，LS是结合坡长和坡陡因子S的地形因子，C是植被覆盖因子，P是水土保持因子。
6.根据权利要求5所述的基于遥感云计算平台的生态环境评价方法，其特征在于，所述降雨侵蚀力因子R具体计算如公式15～17所示：
α＝21.586β-7.1891 (16)，
式中，R为半月降雨侵蚀力；Pj为半月内第j日的侵蚀性日雨量，且日雨量不小于12mm，否则以0计算；α和β是模型待定参数；；Pd12为日雨量不小于12mm的日平均雨量，Py12为日雨量不小于12mm的年平均雨量，年降雨侵蚀力和月降雨侵蚀力由半月降雨侵蚀力累加得到；
所述土壤可蚀性因子K具体计算如公式18所示：
其中，SAN为砂粒含量；SIL为粉粒含量；CLA为粘粒含量；C为土壤有机碳含量；SNI＝1-SAN/100；
所述地形因子LS的具体计算如公式19～20所示：
式中，λ为坡度长度,θ为坡度角；
所述植被覆盖因子C具体计算如公式21所示：
水土保持因子P根据土地覆盖类型确定数值，土地覆盖类型为耕地数值是0.3、土地覆盖类型为草地数值是0.16、土地覆盖类型为林地为数值是0.05、水域为0、土地覆盖类型为建设用地数值是1、土地覆盖类型为未利用地为数值是1。
7.根据权利要求1所述的基于遥感云计算平台的生态环境评价方法，其特征在于，所述净生态系统碳交换量NEE具体计算如公式22所示：
NEE＝RH-NPP (22)，
式中，NPP为植被净初级生产力；RH为土壤微生物呼吸量；若NEE<0,则表明植被固定的碳高于土壤排放的碳，表现为碳汇；反之，若NEE>0,则表现为碳源，土壤中的碳不断的在消耗，会导致地力下降。
8.根据权利要求7所述的基于遥感云计算平台的生态环境评价方法，其特征在于，所述土壤微生物呼吸量RH具体计算如公式23所示：
RH＝0.22*(e(0.0912T+ln(0.3145R+1))*300*46.5％ (23)，
式中，T为气温，R为降雨；
所述植被净初级生产力NPP具体计算如公式24所示：
NPP＝APAR×ε(24)，
其中，ε＝ε′T1T2W为光能利用效率，单位为g/MJ；APAR＝FPAR×PAR为光合有效辐射，单位为MJ/(m2·day)；
所述光能利用效率ε具体计算如公式25所示：
ε(x,t)＝ε′T1(x,t)T2(x,t)W(x,t) (25)，
式中，ε′指的是最大光利用率，单位为g/MJ；T1(x,t)和T2(x,t)表示环境温度对光利用的抑制影响；W(x,t)则为水分影响胁迫系数；
所述T1(x,t)的具体计算如公式26所示：
T1(x,t)＝-0.0005(Topt(x)-20)2+1 (26)，
式中，Topt(x)表示植被在生长季内NDVI值达到最高时的月平均气温；
所述T2(x,t)的具体计算如公式27所示：
式中，C是常量，取1.1919；Tmon表示月平均气温；
所述水分影响胁迫系数W(x,t)具体计算如公式28所示：
式中，λE是蒸发潜热通量，Rn是地表净辐射，G是土壤热通量；
所述植被进行光合作用的驱动能量PAR具体计算如公式29～35所示：
ωs＝arccos[-tan(φ)tan(δ)] (34)，
式中，为FAO公布的技术文档中的经验公式计算；/>表示地外太阳辐射；n(t)为实际日照时数；N(t)为潜在日照时数；Gsc是太阳常数；dr为相对日地距离；ωs是日落时角；φ表示地区纬度；δ为赤纬角；J为儒略日；
所述辐射吸收系数FPAR具体计算如公式36～37所示：
式中，FPARmax和FPARmin的取值分别为0.95和0.001，SRmax和SRmin取值分别为4.46和1.08。
9.根据权利要求1所述的基于遥感云计算平台的生态环境评价方法，其特征在于，所述相对湿润指数MI具体计算如公式38所示：：
式中，P为时段内的降雨量；ET0为时段的参考作物蒸散量。
10.根据权利要求1所述的基于遥感云计算平台的生态环境评价方法，其特征在于，所述构建生态环境综合评价指标具体通过层次分析法构建，首先将评价目标位于最顶层，影响总目标的因素分为若干层作为标准层置于目标层下方建立层次结构图，然后确定标度并依据标度进行编制对同层因素进行两两比较，再对各个因素的相对权重进行计算，通过对计算的相对权重与同层因素两两比较结果的一致性进行检验，确定权重的有效性，将计算出的相对权重值带入公式39～40进行生态环境的质量评价：
EQIO＝aUnit+bUnit+cUnit+d (39)，
EQI＝Unit(EQIO) (40)，
式中，a、b、c、d分别为MI、ER、NEE、FVC的权重值；Unit为归一化；
若0≤EOI<0.2，则说明生态环境很差；若0.2≤EQI<0.4，则说明生态环境较差；若0.4≤EQI<0.6，则说明生态环境中等；若0.6≤EOI<0.8，则说明生态环境较好；若0.8≤EOI<1，则说明生态环境很好。
CN202211689909.3A 2022-12-26 2022-12-26 基于遥感云计算平台的生态环境质量评价方法 Pending CN116485219A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211689909.3A CN116485219A (zh) 2022-12-26 2022-12-26 基于遥感云计算平台的生态环境质量评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211689909.3A CN116485219A (zh) 2022-12-26 2022-12-26 基于遥感云计算平台的生态环境质量评价方法

Publications (1)

Publication Number Publication Date
CN116485219A true CN116485219A (zh) 2023-07-25

Family

ID=87225577

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211689909.3A Pending CN116485219A (zh) 2022-12-26 2022-12-26 基于遥感云计算平台的生态环境质量评价方法

Country Status (1)

Country Link
CN (1) CN116485219A (zh)

Similar Documents

Publication Publication Date Title
Wu et al. Quantitative assessment and spatial characteristics analysis of agricultural drought vulnerability in China
Wang et al. Impact of drip and level-basin irrigation on growth and yield of winter wheat in the North China Plain
CN106897551B (zh) 一种基于被动微波遥感的干旱指数构建方法
CN113177345B (zh) 一种网格化作物种植布局优化方法
Hunsaker et al. Wheat irrigation management using multispectral crop coefficients: I. Crop evapotranspiration prediction
Xiao et al. Response of net primary production to land use and climate changes in the middle‐reaches of the Heihe River Basin
CN108564243A (zh) 一种江河源区生态保护修复的水资源效应定量评估方法
US11944048B2 (en) Decision-making method for variable rate irrigation management
CN110599360A (zh) 一种干旱区农作物生长季蒸散发高分辨率遥感估算方法
Feng et al. Temporal and Spatial Variation Characteristics of NDVI and Its Relationship with Environmental Factors in Huangshui River Basin from 2000 to 2018.
CN113641946B (zh) 耗水作物种植布局优化方法及装置
CN115481943A (zh) 一种生态系统恢复力的评价方法
CN115689395B (zh) 一种生态系统调节服务价值核算方法
Duan et al. A benchmark dataset of diurnal-and seasonal-scale radiation, heat and CO 2 fluxes in a typical East Asian monsoon region
Araźny et al. Reference evapotranspiration during the growing season in Poland (central Europe) in response to ongoing climate changes (1966–2020)
CN116485219A (zh) 基于遥感云计算平台的生态环境质量评价方法
Niu et al. Real-time irrigation forecasting for ecological water in artificial wetlands in the Dianchi Basin
Yazaki et al. Winter nocturnal air temperature distribution for a mesoscale plain of a snow-covered region: Field meteorological observations and numerical simulations
Li et al. Research on Water Suitability of Maize Planting Range in Northeast China
Sumartono et al. Assessment Model Impact of Climate Change on Potential Production for Food and Energy Needs for the Coastal Areas of Bengkulu, Indonesia
Zhang et al. Study on the Influence and Correction of Spatial Heterogeneity of Air Temperature in Drought Remote Sensing Monitoring
He et al. The effect of mulching films on the temporal and spatial distribution of soil water in semiarid hilly area
Qingkong et al. Analysis on Topographic Effect of Soil Moisture in Mountainous Areas based on Landsat-8 OLI Images.
CN115796659B (zh) 一种基于区域尺度蒸发衰退估计城市蓄水能力的方法
Ye et al. Temporal and spatial distribution characteristics of drought and flood considering the influence of underlying surface in Hainan Island, tropical areas of 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