CN116843495B - 一种植被修复工程实施区识别方法及系统 - Google Patents
一种植被修复工程实施区识别方法及系统 Download PDFInfo
- Publication number
- CN116843495B CN116843495B CN202311117597.3A CN202311117597A CN116843495B CN 116843495 B CN116843495 B CN 116843495B CN 202311117597 A CN202311117597 A CN 202311117597A CN 116843495 B CN116843495 B CN 116843495B
- Authority
- CN
- China
- Prior art keywords
- vegetation
- area
- restoration
- rfvc
- vegetation restoration
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000007781 pre-processing Methods 0.000 claims abstract description 21
- 238000011156 evaluation Methods 0.000 claims description 36
- 238000010276 construction Methods 0.000 claims description 35
- 230000000694 effects Effects 0.000 claims description 8
- 238000012360 testing method Methods 0.000 claims description 8
- 244000025254 Cannabis sativa Species 0.000 claims description 7
- 241000196324 Embryophyta Species 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 230000007704 transition Effects 0.000 claims description 4
- 230000000873 masking effect Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 2
- 238000012544 monitoring process Methods 0.000 description 11
- 239000004576 sand Substances 0.000 description 6
- 230000007613 environmental effect Effects 0.000 description 4
- 230000007547 defect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000009331 sowing Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C15/00—Surveying instruments or accessories not provided for in groups G01C1/00 - G01C13/00
-
- 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
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Remote Sensing (AREA)
- Agronomy & Crop Science (AREA)
- Mining & Mineral Resources (AREA)
- Radar, Positioning & Navigation (AREA)
- Marine Sciences & Fisheries (AREA)
- Animal Husbandry (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Image Processing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种植被修复工程实施区识别方法,包括:获取植被覆盖度数据及土地利用数据,并分别进行预处理,得到年度植被覆盖度数据和预处理土地利用数据;确定植被修复工程中进行植被修复的区域;在进行植被修复的区域内,基于年度植被覆盖度数据分别计算得到植被覆盖度增量变异值和植被覆盖度相对增长率变异值,并基于植被覆盖度增量变异值和植被覆盖度相对增长率变异值确定潜在植被修复实施区;在进行植被修复的区域内,基于预处理土地利用数据确定植被修复工程带来的土地利用变化区域;基于潜在植被修复实施区和土地利用变化区域确定植被修复工程实施区。解决了大范围植被修复工程实施区识别效率和识别精度低的问题。
Description
技术领域
本发明涉及植被修复工程评估技术领域,更具体的说是涉及一种植被修复工程实施区识别方法及系统。
背景技术
目前,植被修复工程通过帮助退化或受损植被恢复其结构和功能,实现区域生态环境高质量、可持续发展,作为生态保护修复事业的重要支撑,成为实现生态文明建设的重要途径,并且随着植被修复工程整体化、全局化、系统化,迫切需要开展植被修复工程实施区范围的深入监测。
传统植被修复工程的监测范围通常以整个工程边界作为范围,然而在实际的植被修复工程中,并非工程内所有区域都实施了植被建设或生态修复措施。因此,在对工程进行监测和评估时,我们需要准确识别植被修复工程的实施范围,以便精确监测和评估植被修复工程实施的成效。
但是,现有的确定植被修复工程实施区的方法主要是基于实地调查,通过GPS设备记录经纬度坐标,构建植被修复工程边界轨迹,该方法所耗人力物力众多,导致识别效率较低,并且会因为调查员对于边界的认识不同而导致识别结果精度不高,因此实地调查方法仅适用于小范围内植被建设实施区范围确定。而植被修复工程面积通常较大,利用传统方法不仅费时费力且精度较低,不具备推广应用于实际监管的条件。
因此,如何快速精准确定大范围内植被建设实施区范围是本领域技术人员亟需解决的问题。
发明内容
有鉴于此,本发明提供了一种植被修复工程实施区识别方法及系统,利用植被覆盖度变化情况以及土地利用变化情况,构建植被修复工程实施区的识别方法,能够解决大范围植被修复工程实施区识别效率和识别精度低的问题。
为了实现上述目的,本发明采用如下技术方案:
一种植被修复工程实施区识别方法,包括:
数据获取与预处理:获取植被覆盖度数据及土地利用数据,并分别进行预处理,得到年度植被覆盖度数据和预处理土地利用数据;
植被修复区域确定:确定植被修复工程中进行植被修复的区域;
潜在植被修复实施区识别:在所述进行植被修复的区域内,基于所述年度植被覆盖度数据分别计算得到植被覆盖度增量变异值和植被覆盖度相对增长率变异值,并基于所述植被覆盖度增量变异值和植被覆盖度相对增长率变异值确定潜在植被修复实施区;
土地利用变化区域识别:在所述进行植被修复的区域内,基于所述预处理土地利用数据确定植被修复工程带来的土地利用变化区域;
植被修复工程实施区识别:基于所述潜在植被修复实施区和所述土地利用变化区域确定植被修复工程实施区。
优选的,所述数据获取与预处理,具体包括:
获取特定区域内的植被覆盖度数据,并对所述植被覆盖度数据进行拼接和剪裁处理,得到覆盖整个工程区评估时段内的年度植被覆盖度数据;
获取评估时段第一年和最后一年总共两年的土地利用数据,通过所选工程区边界对所述土地利用数据进行掩膜,得到覆盖整个工程区的预处理土地利用数据。
优选的,所述植被修复区域确定,具体包括:
将植被修复工程实施区识别的尺度限定为县域尺度;
所述植被修复包括:林业建设和草地建设;
确定评估时段内某县域是否进行了林业建设,林业建设判定式为:
;
确定评估时段内某县域是否进行了草地建设,草地建设判定式为:
;
基于和/>确定植被修复工程中进行植被修复的县域/>:/>。
优选的,所述潜在植被修复实施区识别中计算变异值,具体包括:
基于所述年度植被覆盖度数据计算得到植被覆盖度增量:
,
其中,表示第i年的植被覆盖度数据,/>表示评估时段第一年的植被覆盖度数据,n表示评估时段内的年份数;
基于所述年度植被覆盖度数据计算得到植被覆盖度相对增长率:
;
将所有和/>分别按大小顺序排序得到含有T个样本的植被覆盖度增量有序序列/>和含有D个样本的植被覆盖度相对增长率有序序列/>;
分别计算的累积量/>和/>的累积量/>:
其中,表示/>中第/>个/>,/>,/>表示/>中第个/>,/>,/>表示/>中第/>个/>,/>,/>表示中第/>个/>,/>;
时对应的点k1为植被覆盖度增量变异点,点k1对应的/>值为植被覆盖度增量变异值;
时对应的点k2为植被覆盖度相对增长率变异点,点k2对应的值为植被覆盖度相对增长率变异值。
优选的,所述潜在植被修复实施区识别中计算变异值后还包括:
分别检验和/>的统计意义:
分别计算植被覆盖度增量显著性检验值P1和植被覆盖度相对增长率显著性检验值P2:
;
当P1≤0.05时,具有统计意义,当P2≤0.05时,/>具有统计意义。
优选的,所述潜在植被修复实施区识别中确定潜在植被修复实施区,具体包括:确定和/>均具有统计意义后,将/>大于/>并且/>大于/>的区域确定为潜在植被修复实施区/>:
。
优选的,所述土地利用变化区域识别,具体包括:所述潜在植被修复实施区发生了耕地、城乡居民用地或未利用地向林地或草地的转变,则认为土地利用方式发生改变,植被修复工程带来的土地利用变化区域识别公式如下:
其中,表示土地利用变化区域,a表示评估周期第一年的耕地、城乡居民用地或未利用地,b为评估周期最后一年的林地或草地,/>表示评估周期内a转变为b的区域。
优选的,所述植被修复工程实施区识别,具体包括:将属于并且属于/>的区域确定为植被修复工程实施区R:/>。
优选的,还包括,植被修复工程实施区空间分析:统计工程中实际实施了生态建设或修复的面积,分析植被修复工程的实际实施成效。
一种植被修复工程实施区识别系统,包括顺序连接的:植被修复区域确定模块、潜在植被修复实施区识别模块和土地利用变化区域识别模块;
还包括分别与所述潜在植被修复实施区识别模块和所述土地利用变化区域识别模块均连接的数据获取与预处理模块和植被修复工程实施区识别模块;
所述数据获取与预处理模块,用于获取植被覆盖度数据及土地利用数据,并分别进行预处理,得到年度植被覆盖度数据和预处理土地利用数据;
所述植被修复区域确定模块,用于确定植被修复工程中进行植被修复的区域;
所述潜在植被修复实施区识别模块,用于在所述进行植被修复的区域内,基于所述年度植被覆盖度数据分别计算得到植被覆盖度增量变异值和植被覆盖度相对增长率变异值,并基于所述植被覆盖度增量变异值和植被覆盖度相对增长率变异值确定潜在植被修复实施区;
所述土地利用变化区域识别模块,用于在所述进行植被修复的区域内,基于所述预处理土地利用数据确定植被修复工程带来的土地利用变化区域;
所述植被修复工程实施区识别模块,用于基于所述潜在植被修复实施区和所述土地利用变化区域确定植被修复工程实施区。
经由上述的技术方案可知,与现有技术相比,本发明公开提供了一种植被修复工程实施区识别方法及系统,利用植被覆盖度变化情况以及土地利用变化情况,构建植被修复工程实施区的识别方法,本发明的有益效果如下:
1、本发明利用植被覆盖度变化情况以及土地利用变化情况,构建植被修复工程实施区的识别方法,与现有技术中仅能识别小范围内植被修复工程实施区识别方法相比,弥补了当前方法中未能识别大型植被修复工程实施区的缺陷,进一步实现精准监测植被修复工程。
2、本发明通过建立工程区与非工程区边界提升植被修复工程实施区的识别的适应性与精度,能够提高对植被修复工程的监测和管理水平,为决策者和环境保护机构提供更可靠的信息支持。
3、本发明能够识别植被修复工程实际建设区域,能够克服大型植被修复工程实施区识别效率低的问题,为植被修复工程实施区的准确高效识别提供简洁、快速、可行性高、空间化、易复制的技术方法,为生态修复工程的精准监管和成效评估提供支撑。
4、本发明所提出的识别方法易于实施、便于构建、应用广泛、可用于监测多个植被修复工程,能够辅助管理人员进一步监测与评价植被修复工程的成效,以便于进一步制定或完善生态治理措施,为生态文明建设提供助力。
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,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地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,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,还可以根据提供的附图获得其他的附图。
图1为本发明提供的一种植被修复工程实施区识别方法流程图。
图2为本发明提供的北方某风沙源的植被修复工程实施区域示意图。
图3为本发明提供的一种植被修复工程实施区识别系统结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1
如图1所示,本发明实施例公开了一种植被修复工程实施区识别方法,包括:
数据获取与预处理:获取植被覆盖度数据及土地利用数据,并分别进行预处理,得到年度植被覆盖度数据和预处理土地利用数据;
植被修复区域确定:确定植被修复工程中进行植被修复的区域;
潜在植被修复实施区识别:在进行植被修复的区域内,基于年度植被覆盖度数据分别计算得到植被覆盖度增量变异值和植被覆盖度相对增长率变异值,并基于植被覆盖度增量变异值和植被覆盖度相对增长率变异值确定潜在植被修复实施区;
土地利用变化区域识别:在潜在植被修复实施区内,基于预处理土地利用数据确定植被修复工程带来的土地利用变化区域;
植被修复工程实施区识别:基于潜在植被修复实施区和土地利用变化区域确定植被修复工程实施区。
实施例2
本发明实施例公开了一种植被修复工程实施区识别方法,包括:
数据获取与预处理:获取植被覆盖度数据及土地利用数据,并分别进行预处理,得到年度植被覆盖度数据和预处理土地利用数据。
优选的,数据获取与预处理,具体包括:
获取特定区域内的植被覆盖度数据,并利用ArcGIS10.8工具对植被覆盖度数据进行拼接和剪裁处理,得到覆盖整个工程区评估时段内的年度植被覆盖度数据;获取评估时段第一年和最后一年总共两年的土地利用数据,通过所选工程区边界对土地利用数据进行掩膜,得到覆盖整个工程区的预处理土地利用数据。
优选的,植被覆盖度(FVC)表示在特定的区域内植被覆盖的地表面积与总地表面积的比例,是用来描述区域内植被覆盖程度的指标,也是反映植被修复工程实施状况最直观的指标。
优选的,利用像元二分模型估算植被覆盖度FVC,计算公式如下:
其中,表示所选工程区的归一化植被指数,/>所选工程区最小归一化植被指数,/>所选工程区最大归一化植被指数。
植被修复区域确定:确定植被修复工程中进行植被修复的区域。
优选的,将植被修复工程实施区识别的尺度限定为县域尺度,县域是否实施了植被修复可通过统计年鉴数据来确定,便于实施区范围的进一步识别。
优选的,在提取实施区前,必须要确定植被修复工程所在县域是否进行了植被建设,植被修复包括:林业建设和草地建设。
通过查阅中国林业和草原统计年鉴确定评估时段内某县域是否进行了林业建设,林业建设判定式为:
;
查阅县域年鉴中生态保护、生态治理或环境保护中的草地治理确定评估时段内某县域是否进行了草地建设,草地建设判定式为:
;
基于和/>确定植被修复工程中进行植被修复的县域/>:/>。
潜在植被修复实施区识别:在进行植被修复的区域内,基于年度植被覆盖度数据分别计算得到植被覆盖度增量变异值和植被覆盖度相对增长率变异值,并基于植被覆盖度增量变异值和植被覆盖度相对增长率变异值确定潜在植被修复实施区;
优选的,潜在植被修复实施区识别中计算变异值,具体包括:
基于年度植被覆盖度数据计算得到植被覆盖度增量:
,
其中,表示第i年的植被覆盖度数据,/>表示评估时段第一年的植被覆盖度数据,n表示评估时段内的年份数;
基于年度植被覆盖度数据计算得到植被覆盖度相对增长率:
;
将所有和/>分别按大小顺序排序得到含有T个样本的植被覆盖度增量有序序列/>和含有D个样本的植被覆盖度相对增长率有序序列/>;
分别计算的累积量/>和/>的累积量/>:
其中,表示/>中第/>个/>,/>,/>表示/>中第个/>,/>,/>表示/>中第/>个/>,/>,/>表示中第/>个/>,/>;
时对应的点k1为植被覆盖度增量变异点,点k1对应的/>值为植被覆盖度增量变异值;
时对应的点k2为植被覆盖度相对增长率变异点,点k2对应的值为植被覆盖度相对增长率变异值。
优选的,植被覆盖度增量表示实施了植被修复区域植被覆盖度FVC的增加量。
优选的,植被覆盖度相对增长率表示实施了植被修复区域的植被覆盖度FVC相对于初始区域的变化幅度。
优选的,利用植被覆盖度增量和植被覆盖度相对增长率来探测整个植被修复工程区中植被的增加情况。
优选的,经过植被修复工程建设的区域的IFVC和RFVC均高于自然条件下的IFVC和RFVC,因此可通过这一特性识别出潜在植被修复实施区。
优选的,表示/>在自然状态下与工程实施状态下的分界点;/>表示/>在自然状态下与工程实施状态下的分界点。
优选的,潜在植被修复实施区识别中计算变异值后还包括,分别检验和的统计意义:
分别计算植被覆盖度增量显著性检验值P1和植被覆盖度相对增长率显著性检验值P2:
;
当P1≤0.05时,具有统计意义,当P2≤0.05时,/>具有统计意义;当具有统计意义,可确定植被覆盖度增量显著增加的区域,若不具有统计意义则不能参加随后的运算;当/>具有统计意义,可确定植被覆盖度相对增长率显著较大的区域,若不具有统计意义则不能参加随后的运算;若/>和/>两者均无统计意义,则不存在潜在植被修复实施区。
优选的,确定和/>均具有统计意义后,将/>大于/>并且大于/>的区域确定为潜在植被修复实施区/>:
。
土地利用变化区域识别:在进行了植被修复的县域内,基于预处理土地利用数据确定植被修复工程带来的土地利用变化区域。
优选的,并非所有潜在植被修复实施区中植被的增加都是由生态工程建设带来的,还包括气候变化等因素造成的植被增加;本方法中植被修复工程实施区是指实施了营林造林等生态建设措施的区域,上述生态建设措施会促使土地利用方式的改变;当潜在植被修复实施区的土地利用方式发生改变,则认为发生改变的区域实施了修复措施。
优选的,土地利用变化区域识别,具体包括:潜在植被修复实施区发生了耕地、城乡居民用地或未利用地向林地或草地的转变,则认为土地利用方式发生改变,植被修复工程带来的土地利用变化区域识别公式如下:
其中,表示土地利用变化区域,a表示评估周期第一年的耕地、城乡居民用地或未利用地,b为评估周期最后一年的林地或草地,/>表示评估周期内a转变为b的区域。
植被修复工程实施区识别:基于潜在植被修复实施区和土地利用变化区域确定植被修复工程实施区。
优选的,植被修复工程实施区识别,具体包括:将属于并且属于/>的区域确定为植被修复工程实施区R:/>。
优选的,通过叠加潜在植被修复实施区和土地利用变化区域/>,取两者的交集,来确定最终的植被修复工程实施区。
优选的,本发明利用土地利用方式变化以及植被覆盖度变化情况来精确识别植被修复工程实施区,与现有技术中仅能识别小范围内植被修复工程实施区识别方法相比,弥补了当前方法中未能识别大型植被修复工程实施区的缺陷,进一步实现精准监测植被修复工程。
优选的,还包括,植被修复工程实施区空间分析:统计工程中实际实施了生态建设或修复的面积,分析植被修复工程的实际实施成效,为生态修复工程的成效评估奠定技术基础,提高对植被修复工程的监测和管理水平,为决策者和环境保护机构提供更可靠的信息支持。
实施例3
以北方某风沙源为例,该植被修复工程自2001年开始实施,植被建设内容主要包括造林营林、人工种草、飞播牧草、基本草场建设以及草种基地,土地利用方式和植被覆盖度的变化能够反映工程的实施情况。
根据本发明的方法,如图2所示,计算得到多个时间段北方某风沙源的植被修复工程实施区域,并进行空间变化分析。
2001至2005年、2006至2010年、2011至2015年和2016至2020年植被修复工程实施区分别为76324km2、43172km2、92642km2和71118km2,分别占北方某风沙源治理区面积的16.7%、9.4%、20.2%和15.5%。
2006至2010年植被修复工程实施区面积最小,这是由于北方某风沙源治理区在2006至2010年的实施计划是对前期工程进行补充巩固,因此新实施工程面积较小。
各时期内植被修复工程实施区空间分布规律相似,均为研究区南部植被修复工程实施区呈全局分布,北部植被修复工程实施区呈带状分布。随着时间的推移,可深入研究区南部地区与北部地区的植被修复工程实施区向中部地区扩张,从而能帮助管理人员进一步监测与评价北方某风沙源植被修复工程的成效,以便于进一步制定或完善生态治理措施,为生态文明建设提供助力。
实施例4
如图3所示,本发明实施例公开了一种植被修复工程实施区识别系统,包括顺序连接的:植被修复区域确定模块、潜在植被修复实施区识别模块和土地利用变化区域识别模块;
还包括分别与潜在植被修复实施区识别模块和土地利用变化区域识别模块均连接的数据获取与预处理模块和植被修复工程实施区识别模块;
数据获取与预处理模块,用于获取植被覆盖度数据及土地利用数据,并分别进行预处理,得到年度植被覆盖度数据和预处理土地利用数据;
植被修复区域确定模块,用于确定植被修复工程中进行植被修复的区域;
潜在植被修复实施区识别模块,用于在进行植被修复的区域内,基于年度植被覆盖度数据分别计算得到植被覆盖度增量变异值和植被覆盖度相对增长率变异值,并基于植被覆盖度增量变异值和植被覆盖度相对增长率变异值确定潜在植被修复实施区;
土地利用变化区域识别模块,用于在所述进行植被修复的区域内,基于预处理土地利用数据确定植被修复工程带来的土地利用变化区域;
植被修复工程实施区识别模块,用于基于潜在植被修复实施区和土地利用变化区域确定植被修复工程实施区。
经由上述的技术方案可知,与现有技术相比,本发明公开提供了一种植被修复工程实施区识别方法及系统,利用植被覆盖度变化情况以及土地利用变化情况,构建植被修复工程实施区的识别方法,本发明的有益效果如下:
1、本发明利用植被覆盖度变化情况以及土地利用变化情况,构建植被修复工程实施区的识别方法,与现有技术中仅能识别小范围内植被修复工程实施区识别方法相比,弥补了当前方法中未能识别大型植被修复工程实施区的缺陷,进一步实现精准监测植被修复工程。
2、本发明通过建立工程区与非工程区边界提升植被修复工程实施区的识别的适应性与精度,能够提高对植被修复工程的监测和管理水平,为决策者和环境保护机构提供更可靠的信息支持。
3、本发明能够识别植被修复工程实际建设区域,能够克服大型植被修复工程实施区识别效率低的问题,为植被修复工程实施区的准确高效识别提供简洁、快速、可行性高、空间化、易复制的技术方法,为生态修复工程的精准监管和成效评估提供支撑。
4、本发明所提出的识别方法易于实施、便于构建、应用广泛、可用于监测多个植被修复工程,能够辅助管理人员进一步监测与评价植被修复工程的成效,以便于进一步制定或完善生态治理措施,为生态文明建设提供助力。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。
对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (5)
1.一种植被修复工程实施区识别方法,其特征在于,包括:
数据获取与预处理:获取植被覆盖度数据及土地利用数据,并分别进行预处理,得到年度植被覆盖度数据和预处理土地利用数据;
植被修复区域确定:确定植被修复工程中进行植被修复的区域;
潜在植被修复实施区识别:在所述进行植被修复的区域内,基于所述年度植被覆盖度数据分别计算得到植被覆盖度增量变异值和植被覆盖度相对增长率变异值,并基于所述植被覆盖度增量变异值和植被覆盖度相对增长率变异值确定潜在植被修复实施区;
土地利用变化区域识别:在所述进行植被修复的区域内,基于所述预处理土地利用数据确定植被修复工程带来的土地利用变化区域;
植被修复工程实施区识别:基于所述潜在植被修复实施区和所述土地利用变化区域确定植被修复工程实施区;
所述潜在植被修复实施区识别中计算变异值,具体包括:
基于所述年度植被覆盖度数据计算得到植被覆盖度增量IFVC:
其中,FVCi表示第i年的植被覆盖度数据,FVC1表示评估时段第一年的植被覆盖度数据,n表示评估时段内的年份数;
基于所述年度植被覆盖度数据计算得到植被覆盖度相对增长率RFVC:
将所有IFVC和RFVC分别按大小顺序排序得到含有T个样本的植被覆盖度增量有序序列{IFVCt}T和含有D个样本的植被覆盖度相对增长率有序序列{RFVCd}D;
分别计算{IFVCt}T的累积量Ht和{RFVCd}D的累积量Hd:
其中,IFVCt′表示{IFVCt}T中第t′个IFVC,t′∈[1,t-1],IFVCt表示{IFVCt}T中第t个IFVC,t∈[1,T],RFVCd′表示{RFVCd}D中第d′个RFVC,d′∈[1,d-1],RFVCd表示{RFVCd}D中第d个RFVC,d∈[1,D];
Hk1=max(|Ht|)时对应的点k1为植被覆盖度增量变异点,点k1对应的IFVCk1值为植被覆盖度增量变异值;
Hk2=max(|Hd|)时对应的点k2为植被覆盖度相对增长率变异点,点k2对应的RFVCk2值为植被覆盖度相对增长率变异值;
所述潜在植被修复实施区识别中计算变异值后还包括:
分别检验IFVCk1和RFVCk2的统计意义:
分别计算植被覆盖度增量显著性检验值P1和植被覆盖度相对增长率显著性检验值P2:
当P1≤0.05时,IFVCk1具有统计意义,当P2≤0.05时,RFVCk2具有统计意义;
所述潜在植被修复实施区识别中确定潜在植被修复实施区,具体包括:确定IFVCk1和RFVCk2均具有统计意义后,将IFVC大于IFVCk1并且RFVC大于RFVCk2的区域确定为潜在植被修复实施区R1:
R1=(IFVC>IFVCk1)∩(RFVC>RFVCk2);
所述土地利用变化区域识别,具体包括:所述潜在植被修复实施区发生了耕地、城乡居民用地或未利用地向林地或草地的转变,则认为土地利用方式发生改变,植被修复工程带来的土地利用变化区域识别公式如下:
其中,R2表示土地利用变化区域,a表示评估周期第一年的耕地、城乡居民用地或未利用地,b为评估周期最后一年的林地或草地,(R0)a→b表示评估周期内a转变为b的区域;
所述植被修复工程实施区识别,具体包括:将属于R1并且属于R2的区域确定为植被修复工程实施区R:R=R1∩R2。
2.根据权利要求1所述的一种植被修复工程实施区识别方法,其特征在于,所述数据获取与预处理,具体包括:
获取特定区域内的植被覆盖度数据,并对所述植被覆盖度数据进行拼接和剪裁处理,得到覆盖整个工程区评估时段内的年度植被覆盖度数据;
获取评估时段第一年和最后一年总共两年的土地利用数据,通过所选工程区边界对所述土地利用数据进行掩膜,得到覆盖整个工程区的预处理土地利用数据。
3.根据权利要求2所述的一种植被修复工程实施区识别方法,其特征在于,所述植被修复区域确定,具体包括:
将植被修复工程实施区识别的尺度限定为县域尺度;
所述植被修复包括:林业建设和草地建设;
确定评估时段内某县域是否进行了林业建设,林业建设判定式A1为:
确定评估时段内某县域是否进行了草地建设,草地建设判定式A2为:
基于A1和A2确定植被修复工程中进行植被修复的县域R0:R0=(A1+A2≥1)。
4.根据权利要求1所述的一种植被修复工程实施区识别方法,其特征在于,还包括,植被修复工程实施区空间分析:统计工程中实际实施了生态建设或修复的面积,分析植被修复工程的实际实施成效。
5.一种植被修复工程实施区识别系统,其特征在于,包括顺序连接的:植被修复区域确定模块、潜在植被修复实施区识别模块和土地利用变化区域识别模块;
还包括分别与所述潜在植被修复实施区识别模块和所述土地利用变化区域识别模块均连接的数据获取与预处理模块和植被修复工程实施区识别模块;
所述数据获取与预处理模块,用于获取植被覆盖度数据及土地利用数据,并分别进行预处理,得到年度植被覆盖度数据和预处理土地利用数据;
所述植被修复区域确定模块,用于确定植被修复工程中进行植被修复的区域;
所述潜在植被修复实施区识别模块,用于在所述进行植被修复的区域内,基于所述年度植被覆盖度数据分别计算得到植被覆盖度增量变异值和植被覆盖度相对增长率变异值,并基于所述植被覆盖度增量变异值和植被覆盖度相对增长率变异值确定潜在植被修复实施区;
所述土地利用变化区域识别模块,用于在所述进行植被修复的区域内,基于所述预处理土地利用数据确定植被修复工程带来的土地利用变化区域;
所述植被修复工程实施区识别模块,用于基于所述潜在植被修复实施区和所述土地利用变化区域确定植被修复工程实施区;
所述潜在植被修复实施区识别中计算变异值,具体包括:
基于所述年度植被覆盖度数据计算得到植被覆盖度增量IFVC:
其中,FVCi表示第i年的植被覆盖度数据,FVC1表示评估时段第一年的植被覆盖度数据,n表示评估时段内的年份数;
基于所述年度植被覆盖度数据计算得到植被覆盖度相对增长率RFVC:
将所有IFVC和RFVC分别按大小顺序排序得到含有T个样本的植被覆盖度增量有序序列{IFVCt}T和含有D个样本的植被覆盖度相对增长率有序序列{RFVCd}D;
分别计算{IFVCt}T的累积量Ht和{RFVCd}D的累积量Hd:
其中,IFVCt′表示{IFVCt}T中第t′个IFVC,t′∈[1,t-1],IFVCt表示{IFVCt}T中第t个IFVC,t∈[1,T],RFVCd′表示{RFVCd}D中第d′个RFVC,d′∈[1,d-1],RFVCd表示{RFVCd}D中第d个RFVC,d∈[1,D];
Hk1=max(|Ht|)时对应的点k1为植被覆盖度增量变异点,点k1对应的IFVCk1值为植被覆盖度增量变异值;
Hk2=max(|Hd|)时对应的点k2为植被覆盖度相对增长率变异点,点k2对应的RFVCk2值为植被覆盖度相对增长率变异值;
所述潜在植被修复实施区识别中计算变异值后还包括:
分别检验IFVCk1和RFVCk2的统计意义:
分别计算植被覆盖度增量显著性检验值P1和植被覆盖度相对增长率显著性检验值P2:
当P1≤0.05时,IFVCk1具有统计意义,当P2≤0.05时,RFVCk2具有统计意义;
所述潜在植被修复实施区识别中确定潜在植被修复实施区,具体包括:确定IFVCk1和RFVCk2均具有统计意义后,将IFVC大于IFVCk1并且RFVC大于RFVCk2的区域确定为潜在植被修复实施区R1:
R1=(IFVC>IFVCk1)∩(RFVC>RFVCk2);
所述土地利用变化区域识别,具体包括:所述潜在植被修复实施区发生了耕地、城乡居民用地或未利用地向林地或草地的转变,则认为土地利用方式发生改变,植被修复工程带来的土地利用变化区域识别公式如下:
其中,R2表示土地利用变化区域,a表示评估周期第一年的耕地、城乡居民用地或未利用地,b为评估周期最后一年的林地或草地,(R0)a→b表示评估周期内a转变为b的区域;
所述植被修复工程实施区识别,具体包括:将属于R1并且属于R2的区域确定为植被修复工程实施区R:R=R1∩R2。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311117597.3A CN116843495B (zh) | 2023-09-01 | 2023-09-01 | 一种植被修复工程实施区识别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311117597.3A CN116843495B (zh) | 2023-09-01 | 2023-09-01 | 一种植被修复工程实施区识别方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116843495A CN116843495A (zh) | 2023-10-03 |
CN116843495B true CN116843495B (zh) | 2023-11-10 |
Family
ID=88174676
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311117597.3A Active CN116843495B (zh) | 2023-09-01 | 2023-09-01 | 一种植被修复工程实施区识别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116843495B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102288954A (zh) * | 2011-08-01 | 2011-12-21 | 高吉喜 | 一种草地植被覆盖度遥感估测方法 |
CN107909607A (zh) * | 2017-12-11 | 2018-04-13 | 河北省科学院地理科学研究所 | 一种年度区域植被覆盖度计算方法 |
CN109359411A (zh) * | 2018-11-01 | 2019-02-19 | 中国科学院东北地理与农业生态研究所 | 一种气候变化影响下沼泽湿地植被覆盖度估算方法 |
CN109636171A (zh) * | 2018-12-06 | 2019-04-16 | 西安理工大学 | 一种区域植被恢复的综合诊断与风险评价方法 |
CN109934109A (zh) * | 2019-01-31 | 2019-06-25 | 黄河水利委员会黄河水利科学研究院 | 一种基于遥感的黄土高原水土流失区林草植被信息提取方法 |
CN110766299A (zh) * | 2019-10-11 | 2020-02-07 | 清华大学 | 一种基于遥感数据的流域植被变化分析方法 |
CN114139986A (zh) * | 2021-12-03 | 2022-03-04 | 北京师范大学 | 一种基于生态系统服务视角的区域生态修复规划方法 |
CN114297578A (zh) * | 2021-12-07 | 2022-04-08 | 辽宁工程技术大学 | 一种基于遥感的草地植被覆盖度估算及预测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11300709B2 (en) * | 2020-04-30 | 2022-04-12 | Institute Of Geochemistry, Chinese Academy Of Sciences | Method for determining surface runoff yield in vegetation-covered area |
-
2023
- 2023-09-01 CN CN202311117597.3A patent/CN116843495B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102288954A (zh) * | 2011-08-01 | 2011-12-21 | 高吉喜 | 一种草地植被覆盖度遥感估测方法 |
CN107909607A (zh) * | 2017-12-11 | 2018-04-13 | 河北省科学院地理科学研究所 | 一种年度区域植被覆盖度计算方法 |
CN109359411A (zh) * | 2018-11-01 | 2019-02-19 | 中国科学院东北地理与农业生态研究所 | 一种气候变化影响下沼泽湿地植被覆盖度估算方法 |
CN109636171A (zh) * | 2018-12-06 | 2019-04-16 | 西安理工大学 | 一种区域植被恢复的综合诊断与风险评价方法 |
CN109934109A (zh) * | 2019-01-31 | 2019-06-25 | 黄河水利委员会黄河水利科学研究院 | 一种基于遥感的黄土高原水土流失区林草植被信息提取方法 |
CN110766299A (zh) * | 2019-10-11 | 2020-02-07 | 清华大学 | 一种基于遥感数据的流域植被变化分析方法 |
CN114139986A (zh) * | 2021-12-03 | 2022-03-04 | 北京师范大学 | 一种基于生态系统服务视角的区域生态修复规划方法 |
CN114297578A (zh) * | 2021-12-07 | 2022-04-08 | 辽宁工程技术大学 | 一种基于遥感的草地植被覆盖度估算及预测方法 |
Non-Patent Citations (1)
Title |
---|
基于RS和GIS的退耕还林生态建设工程成效监测;李登科;卓静;孙智辉;;农业工程学报(第12期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116843495A (zh) | 2023-10-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105205466B (zh) | 一种基于夜间灯光影像的能源碳排放量遥感估算方法 | |
CN102520464B (zh) | 区域积涝预报系统及其预报方法 | |
Morgan et al. | Erosion modeling | |
CN111144656A (zh) | 一种基于gis的灾害评价分析方法 | |
CN109933637B (zh) | 一种洪水风险动态展示及分析系统 | |
CN102184423B (zh) | 一种全自动的区域不透水面遥感信息精确提取方法 | |
Zeng et al. | Spatial patterns of China's carbon sinks estimated from the fusion of remote sensing and field-observed net primary productivity and heterotrophic respiration | |
Qi et al. | Quantitative contribution of climate change and anthropological activities to vegetation carbon storage in the Dongting Lake basin in the last two decades | |
CN116401327A (zh) | 无资料地区中小流域设计暴雨洪水计算辅助系统 | |
CN105467100A (zh) | 基于遥感与gis的县域土壤侵蚀时空动态监测方法 | |
CN115204688A (zh) | 排水系统健康性综合评价方法 | |
CN117807549A (zh) | 一种农田土壤肥力评价方法及系统 | |
Zheng et al. | A novel framework for investigating the mechanisms of climate change and anthropogenic activities on the evolution of hydrological drought | |
CN113516418A (zh) | 一种苹果种植区干旱灾害风险评估方法 | |
CN116843495B (zh) | 一种植被修复工程实施区识别方法及系统 | |
CN112923900A (zh) | 一种基于rs技术的建筑物不均匀沉降的判断方法及装置 | |
CN114757564A (zh) | 一种破损山体生态修复效果及价值评价方法 | |
Lihawa et al. | Spatial dynamic analysis of changes in Land Use applying Markov Chain and Cellular Automata | |
CN114398760A (zh) | 区域植被覆盖度与降水关系非一致性识别方法 | |
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 | |
CN112819315B (zh) | 一种稳定水系的水系稳定度计算方法 | |
CN116644987B (zh) | 一种基于水功能区的地表水资源分质评价方法及装置 | |
Jin | An evaluation of rural ecological environment carrying capacity under rural land commercial development | |
CN113807724B (zh) | 一种基于综合风险评价的弃碴场选址方法 | |
Alturk | Shape Analysis of Agricultural Parcels for Land Consolidation Priorities in Tekirdag Province, Turkey |
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 |