CN115330159A - 沙漠生态修复效果评价方法、装置、终端设备及存储介质 - Google Patents
沙漠生态修复效果评价方法、装置、终端设备及存储介质 Download PDFInfo
- Publication number
- CN115330159A CN115330159A CN202210923936.6A CN202210923936A CN115330159A CN 115330159 A CN115330159 A CN 115330159A CN 202210923936 A CN202210923936 A CN 202210923936A CN 115330159 A CN115330159 A CN 115330159A
- Authority
- CN
- China
- Prior art keywords
- restoration
- evaluation
- ecological
- index
- desert
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 179
- 230000000694 effects Effects 0.000 title claims abstract description 72
- 238000000034 method Methods 0.000 claims abstract description 51
- 230000008439 repair process Effects 0.000 claims abstract description 29
- 238000004364 calculation method Methods 0.000 claims abstract description 13
- 238000007781 pre-processing Methods 0.000 claims abstract description 10
- 238000012545 processing Methods 0.000 claims abstract description 10
- 239000002689 soil Substances 0.000 claims description 33
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 30
- 239000004016 soil organic matter Substances 0.000 claims description 18
- 238000013467 fragmentation Methods 0.000 claims description 12
- 238000006062 fragmentation reaction Methods 0.000 claims description 12
- 238000004162 soil erosion Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 10
- 238000005070 sampling Methods 0.000 claims description 6
- 238000000611 regression analysis Methods 0.000 claims description 5
- 238000001556 precipitation Methods 0.000 claims description 4
- 238000005067 remediation Methods 0.000 claims description 3
- 238000012847 principal component analysis method Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 description 11
- 238000012544 monitoring process Methods 0.000 description 10
- 238000012937 correction Methods 0.000 description 9
- 230000005855 radiation Effects 0.000 description 9
- 238000005259 measurement Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 238000011161 development Methods 0.000 description 6
- 230000003628 erosive effect Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 4
- 230000035945 sensitivity Effects 0.000 description 4
- 238000010606 normalization Methods 0.000 description 3
- 238000000513 principal component analysis Methods 0.000 description 3
- 238000002310 reflectometry Methods 0.000 description 3
- 241000282414 Homo sapiens Species 0.000 description 2
- 230000033228 biological regulation Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000035558 fertility Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 244000005700 microbiome Species 0.000 description 2
- 239000005416 organic matter Substances 0.000 description 2
- 238000004181 pedogenesis Methods 0.000 description 2
- 239000004576 sand Substances 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- YBJHBAHKTGYVGT-ZKWXMUAHSA-N (+)-Biotin Chemical compound N1C(=O)N[C@@H]2[C@H](CCCCC(=O)O)SC[C@@H]21 YBJHBAHKTGYVGT-ZKWXMUAHSA-N 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 208000005156 Dehydration Diseases 0.000 description 1
- 101100001677 Emericella variicolor andL gene Proteins 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 241001464837 Viridiplantae Species 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 230000008020 evaporation Effects 0.000 description 1
- 238000001704 evaporation Methods 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 108091028606 miR-1 stem-loop Proteins 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 230000029553 photosynthesis Effects 0.000 description 1
- 238000010672 photosynthesis Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000009885 systemic effect Effects 0.000 description 1
- 238000002834 transmittance Methods 0.000 description 1
- FEPMHVLSLDOMQC-UHFFFAOYSA-N virginiamycin-S1 Natural products CC1OC(=O)C(C=2C=CC=CC=2)NC(=O)C2CC(=O)CCN2C(=O)C(CC=2C=CC=CC=2)N(C)C(=O)C2CCCN2C(=O)C(CC)NC(=O)C1NC(=O)C1=NC=CC=C1O FEPMHVLSLDOMQC-UHFFFAOYSA-N 0.000 description 1
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
-
- 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- 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
- G06Q10/06395—Quality analysis or management
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/188—Vegetation
-
- 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
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/10—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture
- Y02A40/22—Improving land use; Improving water use or availability; Controlling erosion
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Primary Health Care (AREA)
- Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)
Abstract
本申请涉及一种沙漠生态修复效果评价、装置、终端设备及存储介质，其中方法包括：选取评价指标，确定各评价指标的权重；获取修复区域修复前和修复后的多源数据，对多源数据进行预处理得到时间序列数据；根据时间序列数据在各评价节点对各评价指标进行计算，对评价指标计算结果进行标准化处理，获得标准化指标值，根据标准化指标值和相应的权重，采用综合评价法，计算修复区域修复前的生态状况综合分数、修复后各评价节点的生态状况综合分数；利用时间序列对比法，得到修复区域修复后各评价节点相对于修复前的生态修复率，对各评价节点的沙漠生态修复效果进行评价。本申请具有对修复区域的沙漠生态修复效果进行评价，定量判断沙漠修复成效的效果。
Description
技术领域
本申请涉及沙漠生态修复技术领域，尤其是涉及一种沙漠生态修复效果评价方法、装置、终端设备及存储介质。
背景技术
当今社会受环境的影响，土地荒漠化越来越严重，近年来不断加剧的沙尘暴以及沙化土地的扩张，给社会和经济发展造成了极大的伤害。目前应对土地沙化的措施一般都是植被修复，在土地上种植植物，避免沙化加剧。作为受土地荒漠化危害严重的国家，我国长期以来非常重视沙地沙漠生态修复治理，而这是一项长期性、***性、全局性、整体性的工作。在长期沙漠生态修复过程中，需要对修复区域的沙漠生态修复效果进行评价，定量判断修复成效，以便及时发现修复过程中新产生的生态问题及潜在风险，针对修复措施和技术的调整修正提出合理化建议。
发明内容
为了定量判断沙漠修复成效，本申请提供一种沙漠生态修复效果评价方法、装置、终端设备及存储介质。
本申请提供的一种沙漠生态修复效果评价方法、装置、终端设备及存储介质采用如下的技术方案：
第一方面，一种沙漠生态修复效果评价方法，包括以下步骤：
S1根据修复区域的沙漠类型、生态修复工程周期、自然地理环境特征，确定修复后的评价节点；
S2根据沙漠修复情况，选取评价指标，根据各所述评价指标对沙漠修复效果的重要程度，确定各所述评价指标的权重；
S3根据所述评价指标获取所述修复区域修复前和修复后的多源数据，对所述多源数据进行预处理得到栅格数据，将修复前和修复后的所述栅格数据按时间顺序排列建立时间序列数据；
S4根据所述时间序列数据在各所述评价节点对各所述评价指标进行计算，对所述评价指标计算结果进行标准化处理，获得标准化指标值，根据所述标准化指标值和相应的权重，采用综合评价法，计算所述修复区域修复前的生态状况综合分数、修复后各所述评价节点的生态状况综合分数；
S5利用时间序列对比法，得到所述修复区域修复后各所述评价节点相对于修复前的生态修复率，对各所述评价节点的沙漠生态修复效果进行评价。
通过采用上述技术方案，对沙漠修复情况进行分析，根据分析的结果选取评价指标，并基于评价指标对应的多源数据，利用综合评价法对修复区域修复前的生态状况综合分数、修复后各所述评价节点的生态状况综合分数进行计算，利用时间序列对比法，得到所述修复区域修复后各评价节点相对于修复前的生态修复率，能够对各评价节点的沙漠生态修复效果进行评价，定量判断修复成效，以便及时发现修复过程中新产生的生态问题及潜在风险，针对修复措施和技术的调整修正提出合理化建议。
可选的，步骤S2中，所述评价指标包括植被覆盖度、植被净初级生产力、土壤有机质含量、遥感生态环境指数、景观破碎度、土壤侵蚀模数、水源涵养量和温度植被干旱指数。
通过采用上述技术方案，植被覆盖度是反映地表植被群落生长态势的综合量化指标，具有支持生物多样性、调节气候的作用，是衡量区域生态环境质量的一个重要参考因子；植被净初级生产力反映沙漠的固碳释氧能力，是评价沙漠生态***可持续发展的一个重要指标；土壤有机质含量对土壤形成、土壤肥力、环境保护及沙漠可持续发展等方面都有着极其重要作用的意义；遥感生态环境指数集成了反映生态环境最为直观的多重指标，可实现对区域生态环境的快速监测与评价；景观破碎度反映修复区域内部稳定性的程度，值越大内部稳定性越低，体现沙漠空间结构的复杂性，在一定程度上反映了人类对景观的干扰程度；土壤侵蚀模数反映沙漠水土流失的严重程度；水源涵养量可反映沙漠生态***中水分保持的能力和过程；温度植被干旱指数反映土壤湿度。利用上述评价指标综合对沙漠修复效果进行评判，可提高沙漠修复效果评价的准确性。
可选的，所述多源数据包括遥感影像数据，所述植被覆盖度的计算方法为，根据所述遥感影像数据，计算归一化植被指数NDVI，根据归一化植被指数NDVI，基于像元二分模型计算植被覆盖度。
通过采用上述技术方案，基于遥感影响数据，利用遥感估算的方法，可适用于区域尺度的测量，可减少人力物力的投入。
可选的，所述多源数据包括遥感影像数据，所述植被净初级生产力的计算方法为，根据所述遥感影像数据，基于CASA模型，计算植被净初级生产力。
通过采用上述技术方案，CASA模型是由遥感数据、温度、降水、太阳辐射、植被类型、土壤类型共同驱动的光能利用率模型，CASA模型具有较好的在时间序列上的模拟能力，能够较为真实地反映沙漠植被净初级生产力的时间变异特征。
可选的，所述多源数据包括遥感影像数据和实测数据，所述土壤有机质含量的计算方法为，基于采样点测得的土壤有机质含量数据和对应的多光谱遥感影像相关波段，利用回归分析方法，建立土壤有机质含量的反演模型，反演修复区域土壤有机质含量。
通过采用上述技术方案，以采样点的样品，通过遥感数据作为媒介，反演和推算全修复区域的土壤有机质含量，可适用于区域尺度的测量，可减少人力物力的投入。
可选的，所述多源数据包括遥感影像数据，所述遥感生态环境指数的计算方法为，基于预处理后的所述遥感影像数据计算生态环境评价指标，生态环境评价指标包括绿度指标、热度指标、湿度指标、干度指标，对各生态环境评价指标进行归一化处理；采用主成分分析方法对归一化后的生态环境评价指标进行分析，构建遥感生态环境指数。
通过采用上述技术方案，基于遥感信息，集成了反映生态环境最为直观的多重指标，可实现对区域生态环境的快速监测与评价。
可选的，所述多源数据包括遥感影像数据，所述景观破碎度的计算方法为，基于所述遥感影像数据，提取土地利用分类数据，根据景观的斑块数和景观的总面积，计算景观破碎度。
通过采用上述技术方案，景观破碎度基于遥感影像数据，具有宏观、快速、动态、经济的特点，可以代替常规的监测方法，实现大面积、动态监测。
可选的，所述多源数据包括遥感影像数据，所述土壤侵蚀模数的计算方法为，基于植被覆盖数据、土壤数据、降水数据、DEM数据、土地利用分类图数据，利用RUSLE模型，计算土壤侵蚀模数。
通过采用上述技术方案，当表层土壤受侵蚀的程度超过一定的安全阈值时，就会引发滑坡、泥石流等剧烈的土壤流失过程，降低区域土壤生产力，严重影响生态***的平衡。利用RUSLE模型，降雨侵蚀力因子R可反映引起土壤流失的潜在能力，土壤可蚀性因子K可反映土壤对侵蚀的敏感性，坡长坡度因子LS可对土壤侵蚀起加速作用，植被覆盖因子C可反映植被覆盖和经营管理对土壤侵蚀的抑制作用，水土保持措施因子P可反映采取水土保持措施后的土壤流失率。
可选的，所述多源数据包括气象数据和资料性数据，所述水源涵养量的计算方法为，基于水量平衡法，计算水源涵养量。
通过采用上述技术方案，在一定的时空内，水分的运动保持着质量守恒，或输入的水量和输出的水量之间的差额等于***内蓄水的变化量，通过水量平衡法，可计算水源涵养量。
可选的，所述多源数据包括遥感影像数据，所述温度植被干旱指数的计算方法为，根据地表温度和最大值、最小值和当前地表温度，计算温度植被干旱指数。
通过采用上述技术方案，遥感技术具有宏观、快速、动态、经济的特点，可以代替常规的监测方法，实现大面积、动态监测。作为同时与归一化植被指数(NDVI)和地表温度(LST)相关的温度植被干旱指数(TVDI)可用于干旱监测。
第二方面，一种沙漠生态修复效果评价装置，包括：
确定修复后评价节点模块，用于根据修复区域的沙漠类型、生态修复工程周期、自然地理环境特征，确定修复后的评价节点；
评价指标选取模块，用于根据沙漠修复情况，选取评价指标；根据各所述评价指标对沙漠修复效果的重要程度，确定各所述评价指标的权重；
数据获取模块，根据所述评价指标获取所述修复区域修复前和修复后的多源数据，对所述多源数据进行预处理得到栅格数据，将修复前和修复后的所述栅格数据按时间顺序排列建立时间序列数据；
生态状况综合分数计算模块，用于根据所述时间序列数据在各所述评价节点对各所述评价指标进行计算，对所述评价指标计算结果进行标准化处理，获得标准化指标值，根据所述标准化指标值和相应的权重，采用综合评价法，计算所述修复区域修复前的生态状况综合分数、修复后各所述评价节点的生态状况综合分数；以及，
沙漠生态修复效果评价模块，用于利用时间序列对比法，得到所述修复区域修复后各所述评价节点相对于修复前的生态修复率，对各所述评价节点的沙漠生态修复效果进行评价。
通过采用上述技术方案，通过对沙漠修复情况进行分析，根据分析的结果选取评价指标，并基于评价指标对应的多源数据，利用综合评价法对修复区域修复前的生态状况综合分数、修复后各所述评价节点的生态状况综合分数进行计算，利用时间序列对比法，得到所述修复区域修复后各所述评价节点相对于修复前的生态修复率，能够对各所述评价节点的沙漠生态修复效果进行评价，定量判断修复成效，以便及时发现修复过程中新产生的生态问题及潜在风险，针对修复措施和技术的调整修正提出合理化建议。
第三方面，一种终端设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器在执行所述计算机程序时实现如上任一项所述的沙漠生态修复效果评价方法。
通过采用上述技术方案，通过对沙漠修复情况进行分析，根据分析的结果选取评价指标，并基于评价指标对应的多源数据，利用综合评价法对修复区域修复前的生态状况综合分数、修复后各所述评价节点的生态状况综合分数进行计算，利用时间序列对比法，得到所述修复区域修复后各所述评价节点相对于修复前的生态修复率，能够对各所述评价节点的沙漠生态修复效果进行评价，定量判断修复成效，以便及时发现修复过程中新产生的生态问题及潜在风险，针对修复措施和技术的调整修正提出合理化建议。
第四方面，一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序；其中，所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行如上任一项所述的沙漠生态修复效果评价方法。
通过采用上述技术方案，通过对沙漠修复情况进行分析，根据分析的结果选取评价指标，并基于评价指标对应的多源数据，利用综合评价法对修复区域修复前的生态状况综合分数、修复后各所述评价节点的生态状况综合分数进行计算，利用时间序列对比法，得到所述修复区域修复后各所述评价节点相对于修复前的生态修复率，能够对各所述评价节点的沙漠生态修复效果进行评价，定量判断修复成效，以便及时发现修复过程中新产生的生态问题及潜在风险，针对修复措施和技术的调整修正提出合理化建议。
综上所述，本申请包括以下至少一种有益技术效果：
1、能够对各所述评价节点的沙漠生态修复效果进行评价，定量判断修复成效，以便及时发现修复过程中新产生的生态问题及潜在风险，针对修复措施和技术的调整修正提出合理化建议。
2、评价指标包括植被覆盖度、植被净初级生产力、土壤有机质含量、遥感生态环境指数、景观破碎度、土壤侵蚀模数、水源涵养量和温度植被干旱指数，各评价指标均是沙漠生态***评价的重要参考因子，利用上述评价指标综合对沙漠修复效果进行评判，可提高沙漠修复效果评价的准确性。
附图说明
图1是本申请实施例中沙漠生态修复效果评价方法的流程图。
图2是本申请实施例中沙漠生态修复效果评价装置的结构框图。
附图标记说明：10、确定修复后评价节点模块；20、评价指标选取模块；30、数据获取模块；40、生态状况综合分数计算模块；50、沙漠生态修复效果评价模块。
具体实施方式
以下结合附图1-2对本申请作进一步详细说明。
本申请实施例公开一种沙漠生态修复效果评价方法。参照图1，沙漠生态修复效果评价方法包括以下步骤：
S1根据修复区域的沙漠类型、生态修复工程周期、自然地理环境特征，确定修复后的评价节点。
收集修复区域和修复项目相关的资料，修复区域相关资料包括修复区域的自然、社会环境的时序资料、修复项目实施方案、环境影响报告等资料；修复项目相关资料包括修复实施的时限和空间范围、措施、环境影响等。
S2根据沙漠修复情况，选取评价指标，根据各评价指标对沙漠修复效果的重要程度，确定各评价指标的权重。
对于评价指标的选择遵从科学性原则、稳定性原则、独立性原则、针对性原则、全面性原则、灵敏性原则、经济型原则、实用性原则、可操作性原则。
指标体系要建立在科学的基础上，能够客观并且真实地反映沙漠的生态环境现状。根据对沙漠整体的认识，将指标进行分层(具体参照图1)，并且保证指标在一定时期内的稳定性，体系内的每个指标意义和获取方法均需明确。所设指标之间要具有较强的独立性，相关性较高的指标一般只选择其中最重要的，以此来减少指标间的内部联系导致的相互干扰，保证评价工作的有序开展。沙漠作为重要的生态***，应根据沙漠的实际修复情况，定性指标与定量指标相结合，选取能够全面反映修复效果的指标。综合灵敏性和成本因素，应选择成本较低且灵敏度高的评价指标。融入工程经验，考虑实际操作过程中的可行性及可能产生的问题，保证评价流程的可操作性。
本实施例中，根据以上评价指标选择原则，评价指标包括植被覆盖度、植被净初级生产力、土壤有机质含量、遥感生态环境指数、景观破碎度、土壤侵蚀模数、水源涵养量、温度植被干旱指数。
对于不同的修复区域，每个评价指标的权重值也会不同，本领域技术人员可以结合修复区域的土地利用变化结果、景观指数时空演变结果和生态服务价值演变结果，采用如专家打分的方式，确定待划定区域的每个生态评价指标的权重值。
S3根据评价指标获取修复区域修复前和修复后的多源数据，对多源数据进行预处理得到栅格数据，将修复前和修复后的栅格数据按时间顺序排列建立时间序列数据。
根据评价指标所需数据，因地制宜制定合理的数据采集方案。采集的多源数据包括遥感影像数据、气象数据、DEM数据、实测数据、资料性数据。各评价指标的获取方案和权重参照表1。
表1沙漠生态修复效果综合评价指标体系及指标获取方案
对于遥感影像数据，使用Landsat卫星、哨兵卫星或高分辨率遥感卫星等的遥感影像数据，可从影像公开网站下载获取。应选择含云量<10％，影像日期与评价日期接近，空间分辨率高，影像光谱信息与几何信息可靠，在使用前首先进行格式转换、辐射定标、大气校正、地形校正、正射校正、图像镶嵌等预处理，并根据需要提取土地利用分类数据。如需获取亚米级高分辨率遥感影像，可采用机载传感器航测获取，并进行影像拼接、辐射定标、大气校正、正射校正等预处理。
对于气象站点气象数据(气温等)，可从国家气象科学数据中心等网站下载各站点数据。对于气象栅格数据，可对比NASA、地理空间数据云、NOAA、国家气象科学数据中心等网站的产品分辨率和更新频率，择优下载数据和气象再分析产品。
对于DEM数据，根据区域大小和影像分辨率选择不同DEM数据。区域较大且对分辨率要求不高时，可在地理空间数据云中获得的30m、90m数据集；区域较小且对分辨率要求较高时，可利用资源三号影像或机载传感器航测获取DEM数据。
对于实测数据，根据沙漠生态修复区的实地情况和相关指标评价需求，布设分布均匀、数量足够的实地调查样地点，布设样地的形状和大小应结合实际情况，涉及地理位置的实测数据坐标系应选择CGCS2000坐标系，与其它数据的坐标系保持一致。根据生态修复评价单元的地理位置、地块边界及地块使用状况，按照GB/T 36197的规定，确定土壤有机质的采样范围、点位布设方法和样本数量。
对于资料性数据，应首先检查其准确性并整理归档，选取可靠且相关性高的数据。
S4根据时间序列数据在各评价节点对各评价指标进行计算。
其中，植被覆盖度VFC是指在某一区域内，符合一定标准的乔木林、灌木林和草本植物的土地面积占该区域土地总面积的百分比，揭示了植被的茂密程度及植物光合作用面积的大小，是一个反映地表植被群落生长态势的综合量化指标，是衡量区域生态环境质量的一个重要参考因子。
植被覆盖度的测量方法包括地面测量和遥感测量。大范围的地表植被覆盖度的估算可以利用遥感测量，地面测量作为遥感监测的一种辅助方式，可为遥感监测提供基础数据。地面测量常用的方法有目估法、采样法、仪器法和模型法。
根据遥感影像数据，计算归一化植被指数NDVI，NDVI可以很好地反映不同时期植被的长势以及不同地点植被的覆盖情况，所以，在像元二分模型的基础上，通过NDVI来估算研究区域的植被覆盖度。
归一化植被指数NDVI的公式为：
式中：NDVI为归一化植被指数；ρnir、ρred分别为Landsat8影像中近红外和红色的反射率。
植被覆盖度VFC的公式为：
式中：VFC为植被覆盖度，NDVIsoil为裸土或没有植被覆盖像元的NDVI值， NDVIveg为完全被植被覆盖像元的NDVI值。
植被净初级生产力NPP是指绿色植物在单位时间、单位面积内所累积的有机物数量，是评价沙漠生态***可持续发展的一个重要指标。根据遥感影像数据，基于CASA模型计算植被净初级生产力。CASA模型考虑了太阳辐射、温度、水分等胁迫因子对植被NPP的影响。植被净初级生产力NPP数据可以直接利用MOD173AH产品数据，也可以通过以下公式计算。
植被净初级生产力NPP的公式为：NPP(x,t)＝APAR(x,t)*ε(x,t)。
式中：t表示时间，x表示空间位置，NPP(x,t)为像元x在t时间的净初级生产力，APAR(x,t)为像元x在t时间植物吸收的光合有效辐射，ε(x,t)为像元x在t时间的实际光能利用率。
其中，APAR(x,t)＝SOL(x,t)*FPAR(x,t)*0.5。
式中：SOL(x,t)为像元x在t时间的太阳总辐射量，FPAR(x,t)为像元x在t时间的植被入射的光合有效辐射的吸收比例，0.5为植被所能利用的太阳有效辐射占太阳总辐射的比例。
ε(x,t)＝εmax*Tε1(x,t)*Tε2(x,t)*Wε(x,t)。
式中：εmax为理想条件下植被最大光能利用率，其取值取决于植被类型，Tε1(x,t)、Tε2(x,t)分别为低温、高温对光能利用率的胁迫作用，Wε(x,t)为水分胁迫影响系数。
土壤有机质含量是指单位体积土壤中含有的各种动植物残体与微生物及其分解合成的有机物质的数量，一般以有机质占干土重的百分数表示，对土壤形成、土壤肥力、环境保护及沙漠可持续发展等方面都有着极其重要作用的意义。对于区域尺度评价可直接从中国土壤有机质数据网站获得土壤有机质含量数据。小尺度评价应采用实测方法，基于采样点测得的土壤有机质含量数据和对应的遥感影像相关波段，利用回归分析方法，如多元逐步回归分析、一元回归分析、BP神经网络法、模糊识别模型等模型，建立土壤有机质含量的反演模型，反演评价区域土壤有机质含量分布栅格数据。
遥感生态环境指数完全基于遥感信息，集成了反映生态环境最为直观的多重指标，可实现对区域生态环境的快速监测与评价。
遥感生态指数是在4个生态指数(绿度指数、湿度指数、干度指数、热度指数)的基础上，将绿度指数(NDVI)、湿度指数(Wet)、干度指数(NDSI)、热度指数(LST)4个遥感指数波段组合成新的指数影像后，并进行主成分分析，然后将其第一主成分归一化处理，即可生成RSEI指数。
其中，绿度指数的计算一般用归一化植被指数(NDVI)。
式中：NDVI为归一化植被指数；ρnir、ρred分别为Landsat8影像中近红外和红色的反射率；
湿度指数(WET)的公式为：
WET＝0.1511ρ2+0.1973ρ3+0.3102ρ3+0.1594ρ4-0.6806ρ5-0.6109ρ7。
式中：ρi(i＝1,2,...,5,7)分别为影像各对应波段的反射率，反射率前的系数为传感器参数，由于传感器类型的不同，参数也相应有所不同。
干度指数(NDBSI)由城市建筑指数(IBI)和裸土指数(SI)的平均值得到的，该指数的范围是[-1,1]，值越大，表示越干燥。
水体像元的比辐射率赋值为0.995，自然表面和城镇像元的比辐射率估算公式为：NDBISI＝(SI+IBI)/2；
其中，
ρblue、ρgreen、ρred、ρnir和ρmir1分别为Landsat8影像中蓝色、绿色、红色、近红外和红外1波段的反射率。
热度指标(LST)
LST＝(1321.0789)/alog(774.8853/D(t)+1)-273；
D(t)＝(b10-2.13-0.74*(1-ε)*3.45)/(0.74*ε)。
ε为地表比辐射率，其中，
εsurface＝0.9625+0.0614*VFC-0.0461*VFC2；
εbuilding＝0.9589+0.086*VFC-0.0671*VFC2。
式中，εsurface和εbuilding分别代表自然表面像元和城镇像元的比辐射率。
由于后续需要进行主成分分析，因此先对四个指数分别进行中心化处理。中心化处理即分别对四个指数减去平均值，由此得到中心化处理的数据。再进行数据中心化处理之后，继续对数据进行标准化处理，这里使用归一化工具直接对NDVI、WET、NDBISI和LST进行标准化处理。在进行过所有的指数处理之后，后续进行主成分分析操作以构建RSEI。
归一化处理公式为RSEI＝(RSEIi-RSEIi_min)/(RSEIi_max-RSEIi_min)。
景观破碎度LFI用来描述整个景观的异质性，表征景观被分割的破碎程度，反映景观空间结构的复杂性，在一定程度上反映了人类对景观的干扰程度。
评价指标包括景观破碎度的计算方法为，基于遥感影像数据，提取土地利用分类数据，根据景观的斑块数和景观的总面积，计算景观破碎度。
景观破碎度LFI的公式为：
式中：LFI为景观破碎度，NP为修复区域内所有土地利用类型的斑块数，S为修复区域的面积。
土壤侵蚀模数是指单位时段内单位水平投影面积上的土壤侵蚀总量，反映沙漠水土流失的严重程度，基于植被覆盖数据、土壤数据、降水数据、DEM数据、土地利用分类图数据，使用RUSLE模型计算土壤侵蚀模数，
A＝R×K×L×S×C×P。
式中：A为土壤侵蚀模数，R为降雨侵蚀力因子，K为土壤可蚀性因子，L为坡长因子，S为坡度因子，C为植被覆盖因子，P为水土保持措施因子。
降雨侵蚀力因子R可根据月均降雨量和年均降雨量求得，土壤可蚀性因子K可根据土壤组成结构、土壤有机质含量、结构系数、渗透性等级求得，坡长因子L和坡度因子S 可根据DEM数据求得，植被覆盖因子C可根据裸地像元、高纯度植被像元的植被覆盖率求得，水土保持措施因子P可根据修复区域的土地利用类型求得。
水源涵养量WC是指生态***通过其特有的结构，对降水进行截留、渗透、蓄积，并通过蒸发实现对水流、水循环的调节的水量。水源涵养量为降水量减去蒸散量和地表径流量。
水源涵养量WC的公式为：WC＝P-RO-PE；RO＝P*a。
式中：WC为水源涵养量；P为降雨量，可通过国家气象科学数据中心查询；RO为地表径流量；PE为潜在蒸散量，可通过哥白尼气候变化服务网站查询；a为平均地表径流系数。
温度植被干旱指数TVDI是通过归一化植被指数和地表温度数据构成的特征空间反映土壤湿度的一种方法。
温度植被干旱指数TVDI的公式为：
其中，LSTmin＝a1+b1NDVI；
φ1＝1/τ，φ2＝-L↓-L↑/τ，φ3＝L↓。
式中：TVDI为温度植被干旱指数；LSTi为任一像元地表温度；LSTmax、LSTmin为当NDVI等于某一定值时地表温度的最大值和最小值；NDVI为归一化植被指数；a1、b1、a2、 b2为干边、湿边拟合系数；γ和δ为根据普朗克函数求得的常数；L为大气顶部辐射；ε为地表比辐射率；φ1、φ2和φ3为大气参数；τ为大气透过率；L↑和L↓为大气上行和下行辐射强度；τ、L↑和L↓均可通过美国航空航天局的网站获得。
对评价指标计算结果进行标准化处理，获得标准化指标值。
为了使各评价指标的指标值统一，计算生态状况综合分数前，需对各项评价指标的专题图进行重采样，统一其空间分辨率，然后针对正负指标用不同的算法对数据进行标准化处理，将各生态评价指标值统一转换至[0，1]范围内，以消除量纲影响。
正向指标处理公式为：
逆向指标处理公式为：
式中：ri表示标准化值，X(i)表示原始指标值，max(i)表示原始指标最大值，min(i)表示原始指标最小值。
多源数据经过预处理，统一得到栅格数据，格式为.tif，分辨率应统一且优于30m，坐标***采用CGCS2000。
根据标准化指标值和相应的权重，采用综合评价法，计算修复区域修复前的生态状况综合分数、修复后各评价节点的生态状况综合分数。参照表2，根据各生态状况综合分数，可得出对应的评分等级。
生态状况综合分数S的公式为：
式中：S表示生态状况综合分数，Xi表示评价指标的标准化指标值，Yi表示评价指标对应的权重值。
表2生态状况综合得分(S)等级划分标准
S5利用时间序列对比法，得到修复区域修复后各评价节点相对于修复前的生态修复率，对各评价节点的沙漠生态修复效果进行评价。参照表3，根据各评价节点的生态修复率，可得出对应的修复效果等级。
生态修复率Pt的公式为：Pt＝(Qt-Q)*100％/Q。
式中：
Pt为生态修复后第t评价节点的生态修复率，Q为生态修复项目实施前的综合得分，Qt为生态修复后第t评价节点的综合得分，t为评价节点。
表3生态修复效果(Pt)等级划分标准
基于上述方法，本申请实施例还公开一种沙漠生态修复效果评价装置。
参照图2，该装置包括以下模块：
确定修复后评价节点模块10，用于根据修复区域的沙漠类型、生态修复工程周期、自然地理环境特征，确定修复后的评价节点；
评价指标选取模块20，用于根据沙漠修复情况，选取评价指标；根据各评价指标对沙漠修复效果的重要程度，确定各评价指标的权重；
数据获取模块30，根据评价指标获取修复区域修复前和修复后的多源数据，对多源数据进行预处理得到栅格数据，将修复前和修复后的栅格数据按时间顺序排列建立时间序列数据；生态状况综合分数计算模块40，用于根据时间序列数据在各评价节点对各评价指标进行计算，对评价指标计算结果进行标准化处理，获得标准化指标值，根据标准化指标值和相应的权重，采用综合评价法，计算修复区域修复前的生态状况综合分数、修复后各评价节点的生态状况综合分数；以及，
沙漠生态修复效果评价模块50，用于利用时间序列对比法，得到修复区域修复后各评价节点相对于修复前的生态修复率，对各评价节点的沙漠生态修复效果进行评价。
本申请实施例还公开一种终端设备。
具体来说，该终端设备包括存储器和处理器，存储器上存储有能够被处理器加载并执行上述沙漠生态修复效果评价的计算机程序。
本申请实施例还公开一种计算机可读存储介质。
具体来说，该计算机可读存储介质，其存储有能够被处理器加载并执行如上述沙漠生态修复效果评价方法的计算机程序，该计算机可读存储介质例如包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(RandomAccessMemory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本具体实施例仅仅是对本发明的解释，其并不是对本发明的限制，本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改，但只要在本发明的权利要求范围内都受到专利法的保护。
Claims (10)
1.一种沙漠生态修复效果评价方法，其特征在于，包括以下步骤：
S1根据修复区域的沙漠类型、生态修复工程周期、自然地理环境特征，确定修复后的评价节点；
S2根据沙漠修复情况，选取评价指标，根据各所述评价指标对沙漠修复效果的重要程度，确定各所述评价指标的权重；
S3根据所述评价指标获取所述修复区域修复前和修复后的多源数据，对所述多源数据进行预处理得到栅格数据，将修复前和修复后的所述栅格数据按时间顺序排列建立时间序列数据；
S4根据所述时间序列数据在各所述评价节点对各所述评价指标进行计算，对所述评价指标计算结果进行标准化处理，获得标准化指标值，根据所述标准化指标值和相应的权重，采用综合评价法，计算所述修复区域修复前的生态状况综合分数、修复后各所述评价节点的生态状况综合分数；
S5利用时间序列对比法，得到所述修复区域修复后各所述评价节点相对于修复前的生态修复率，对各所述评价节点的沙漠生态修复效果进行评价。
2.根据权利要求1所述的沙漠生态修复效果评价方法，其特征在于，步骤S2中，所述评价指标包括植被覆盖度、植被净初级生产力、土壤有机质含量、遥感生态环境指数、景观破碎度、土壤侵蚀模数、水源涵养量和温度植被干旱指数。
3.根据权利要求2所述的沙漠生态修复效果评价方法，其特征在于，所述多源数据包括遥感影像数据，所述植被覆盖度的计算方法为，根据所述遥感影像数据，计算归一化植被指数NDVI，根据归一化植被指数NDVI，基于像元二分模型计算植被覆盖度；和/或，
所述多源数据包括遥感影像数据，所述植被净初级生产力的计算方法为，根据所述遥感影像数据，基于CASA模型，计算植被净初级生产力。
4.根据权利要求2所述的沙漠生态修复效果评价方法，其特征在于，所述多源数据包括遥感影像数据和实测数据，所述土壤有机质含量的计算方法为，基于采样点测得的土壤有机质含量数据和对应的多光谱遥感影像相关波段，利用回归分析方法，建立土壤有机质含量的反演模型，反演修复区域土壤有机质含量。
5.根据权利要求2所述的沙漠生态修复效果评价方法，其特征在于，所述多源数据包括遥感影像数据，所述遥感生态环境指数的计算方法为，基于预处理后的所述遥感影像数据计算生态环境评价指标，生态环境评价指标包括绿度指标、热度指标、湿度指标、干度指标，对各生态环境评价指标进行归一化处理；采用主成分分析方法对归一化后的生态环境评价指标进行分析，构建遥感生态环境指数。
6.根据权利要求2所述的沙漠生态修复效果评价方法，其特征在于，所述多源数据包括遥感影像数据，所述景观破碎度的计算方法为，基于所述遥感影像数据，提取土地利用分类数据，根据景观的和景观的总面积，计算景观破碎度；和/或，
所述多源数据包括遥感影像数据，所述土壤侵蚀模数的计算方法为，基于植被覆盖数据、土壤数据、降水数据、DEM数据、土地利用分类图数据，利用RUSLE模型，计算土壤侵蚀模数。
7.根据权利要求2所述的沙漠生态修复效果评价方法，其特征在于，所述多源数据包括气象数据，所述水源涵养量的计算方法为，基于水量平衡法，计算水源涵养量；和/或，
所述多源数据包括遥感影像数据，所述温度植被干旱指数的计算方法为，根据地表温度和最大值、最小值和当前地表温度，计算温度植被干旱指数。
8.一种沙漠生态修复效果评价装置，其特征在于，包括：
确定修复后评价节点模块（10），用于根据修复区域的沙漠类型、生态修复工程周期、自然地理环境特征，确定修复后的评价节点；
评价指标选取模块（20），用于根据沙漠修复情况，选取评价指标；根据各所述评价指标对沙漠修复效果的重要程度，确定各所述评价指标的权重；
数据获取模块（30），根据所述评价指标获取所述修复区域修复前和修复后的多源数据，对所述多源数据进行预处理得到栅格数据，将修复前和修复后的所述栅格数据按时间顺序排列建立时间序列数据；
生态状况综合分数计算模块（40），用于根据所述时间序列数据在各所述评价节点对各所述评价指标进行计算，对所述评价指标计算结果进行标准化处理，获得标准化指标值，根据所述标准化指标值和相应的权重，采用综合评价法，计算所述修复区域修复前的生态状况综合分数、修复后各所述评价节点的生态状况综合分数；以及，
沙漠生态修复效果评价模块（50），用于利用时间序列对比法，得到所述修复区域修复后各所述评价节点相对于修复前的生态修复率，对各所述评价节点的沙漠生态修复效果进行评价。
9.一种终端设备，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器在执行所述计算机程序时实现如权利要求1至7任一项所述的沙漠生态修复效果评价方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序；其中，所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行如权利要求1至7任一项所述的沙漠生态修复效果评价方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210923936.6A CN115330159A (zh) | 2022-08-02 | 2022-08-02 | 沙漠生态修复效果评价方法、装置、终端设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210923936.6A CN115330159A (zh) | 2022-08-02 | 2022-08-02 | 沙漠生态修复效果评价方法、装置、终端设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115330159A true CN115330159A (zh) | 2022-11-11 |
Family
ID=83920419
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210923936.6A Pending CN115330159A (zh) | 2022-08-02 | 2022-08-02 | 沙漠生态修复效果评价方法、装置、终端设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115330159A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115796702A (zh) * | 2022-12-27 | 2023-03-14 | 重庆地质矿产研究院 | 一种红壤土地综合治理生态修复成效的评估方法及*** |
| CN116011745A (zh) * | 2022-12-20 | 2023-04-25 | 速度时空信息科技股份有限公司 | 一种基于云服务的生态修复方案优化方法及*** |
| CN116611713A (zh) * | 2023-07-21 | 2023-08-18 | 广东绘宇智能勘测科技有限公司 | 一种生态修复进程展示方法、***、终端设备及存储介质 |
| 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 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113705951A (zh) * | 2021-06-08 | 2021-11-26 | 中建一局集团第三建筑有限公司 | 一种矿山生态修复效果评价的方法 |
| CN114511218A (zh) * | 2022-01-27 | 2022-05-17 | 上海市岩土工程检测中心有限公司 | 一种国土空间综合整治区域生态修复效果评估方法及*** |
-
2022
- 2022-08-02 CN CN202210923936.6A patent/CN115330159A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113705951A (zh) * | 2021-06-08 | 2021-11-26 | 中建一局集团第三建筑有限公司 | 一种矿山生态修复效果评价的方法 |
| CN114511218A (zh) * | 2022-01-27 | 2022-05-17 | 上海市岩土工程检测中心有限公司 | 一种国土空间综合整治区域生态修复效果评估方法及*** |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116011745A (zh) * | 2022-12-20 | 2023-04-25 | 速度时空信息科技股份有限公司 | 一种基于云服务的生态修复方案优化方法及*** |
| CN116011745B (zh) * | 2022-12-20 | 2024-02-13 | 速度科技股份有限公司 | 一种基于云服务的生态修复方案优化方法及*** |
| CN115796702A (zh) * | 2022-12-27 | 2023-03-14 | 重庆地质矿产研究院 | 一种红壤土地综合治理生态修复成效的评估方法及*** |
| CN116611713A (zh) * | 2023-07-21 | 2023-08-18 | 广东绘宇智能勘测科技有限公司 | 一种生态修复进程展示方法、***、终端设备及存储介质 |
| CN116611713B (zh) * | 2023-07-21 | 2024-02-27 | 广东绘宇智能勘测科技有限公司 | 一种生态修复进程展示方法、***、终端设备及存储介质 |
| 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 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Ge et al. | Modeling alpine grassland cover based on MODIS data and support vector machine regression in the headwater region of the Huanghe River, China | |
| Lehnert et al. | Retrieval of grassland plant coverage on the Tibetan Plateau based on a multi-scale, multi-sensor and multi-method approach | |
| CN115330159A (zh) | 沙漠生态修复效果评价方法、装置、终端设备及存储介质 | |
| Kamal et al. | Assessment of multi-resolution image data for mangrove leaf area index mapping | |
| Xiao et al. | Detecting leaf phenology of seasonally moist tropical forests in South America with multi-temporal MODIS images | |
| CN115293473A (zh) | 一种林草生态修复效果评价方法 | |
| Donohue et al. | Evaluation of the remote-sensing-based DIFFUSE model for estimating photosynthesis of vegetation | |
| Liu et al. | Enhanced drought detection and monitoring using sun-induced chlorophyll fluorescence over Hulun Buir Grassland, China | |
| Ebrahimy et al. | Downscaling MODIS land surface temperature product using an adaptive random forest regression method and Google Earth Engine for a 19-years spatiotemporal trend analysis over Iran | |
| CN112580982B (zh) | 一种基于多时相遥感和casa模型的生态保护红线实施评估 | |
| Yoo et al. | Spatial downscaling of MODIS land surface temperature: Recent research trends, challenges, and future directions | |
| da Silva et al. | Comparative analyzes and use of evapotranspiration obtained through remote sensing to identify deforested areas in the Amazon | |
| Han et al. | Remote sensing-based quantification of spatial variation in canopy phenology of four dominant tree species in Europe | |
| Mohammad et al. | A spatio-temporal assessment and prediction of surface urban heat island intensity using multiple linear regression techniques over Ahmedabad City, Gujarat | |
| Xu et al. | A global long-term (1981–2019) daily land surface radiation budget product from AVHRR satellite data using a residual convolutional neural network | |
| CN114241331A (zh) | 以UAV为地面和Sentinel-2中介的湿地芦苇地上生物量遥感建模方法 | |
| FR | Spatial and temporal changes of vegetation cover in China based on modis NDVI. | |
| Park et al. | Improvement of satellite-based estimation of gross primary production through optimization of meteorological parameters and high resolution land cover information at regional scale over East Asia | |
| Verma et al. | A machine learning approach and methodology for solar radiation assessment using multispectral satellite images | |
| Lou et al. | An effective method for canopy chlorophyll content estimation of marsh vegetation based on multiscale remote sensing data | |
| Tzelidi et al. | Detailed urban surface characterization using spectra from enhanced spatial resolution Sentinel-2 imagery and a hierarchical multiple endmember spectral mixture analysis approach | |
| Liu et al. | Fractional vegetation cover estimation algorithm based on recurrent neural network for MODIS 250 m reflectance data | |
| CN117054484A (zh) | 一种基于多源遥感数据的土壤盐渍化预测方法 | |
| CN115203624B (zh) | 一种基于时序遥感的任意时刻地表环境综合评估方法 | |
| Chen et al. | High-spatiotemporal-resolution estimation of solar energy component in the United States using a new satellite-based model |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20221111 |
|
| RJ01 | Rejection of invention patent application after publication |