基于多源数据融合的海藻场生态修复效果评估方法及系统与流程
本发明涉及生态修复效果分析，尤其涉及基于多源数据融合的海藻场生态修复效果评估方法及系统。
背景技术：
1、海藻场作为沿岸典型海洋生态系统，具有生态环境改善、生物多样性维持和蓝色碳汇扩增等核心生态功能。然而，受海岸带城市化、水体富营养化、海水升温及生物扰动等因素影响，全球海藻场生态系统出现大面积退化。近年来，国内外陆续开展了海藻场生态修复工程，但修复效果评估仍主要依赖人工样方调查和实验室分析，存在监测效率低、时空覆盖不足、评估维度单一、碳汇贡献量化精度差等突出问题。
技术实现思路
1、本发明克服了现有技术的不足，提供了基于多源数据融合的海藻场生态修复效果评估方法及系统。
2、为达上述目的，本发明采用的技术方案为：
3、本发明第一方面提供了基于多源数据融合的海藻场生态修复效果评估方法，包括以下步骤：
4、采集目标区域中的多光谱数据，并对所述目标区域中的多光谱数据进行处理，计算红边-绿归一化植被指数，利用k-means聚类与空间一致性优化并消除椒盐噪声；
5、构建生物量反演模型，并进行对生物量反演模型精度验证和时空差值处理，生成反演数据；
6、采集卫星遥感数据以及地面样方数据，利用贝叶斯层次模型融合反演数据、卫星遥感数据以及地面样方数据，并对比修复区和参照区的碳汇量，计算增汇效果；
7、结合增汇效果，采用xgboost梯度提升树作为基础评估模型，以综合恢复率为目标变量，在训练过程中引入shap值分析，量化每个特征对评估结果的贡献，并计算综合恢复率，根据所述综合恢复率进行预警提示。
8、进一步的，在基于多源数据融合的海藻场生态修复效果评估方法中，采集目标区域中的多光谱数据，并对所述目标区域中的多光谱数据进行处理，计算红边-绿归一化植被指数，利用k-means聚类与空间一致性优化并消除椒盐噪声，具体为：
9、采用搭载五波段多光谱传感器的无人机，在低潮期对修复区进行航拍，采集多光谱数据，利用近红外波段水体吸收特性；
10、对每个像素计算nir波段反射率与局部均值的偏差，当偏差超过预设偏差阈值时判定为耀斑污染像素，采用邻域插值法进行校正；
11、根据所述多光谱数据获取红边波段反射率以及绿波段反射率，根据所述红边波段反射率以及绿波段反射率计算出红边-绿归一化植被指数；
12、以红边-绿归一化植被指数为主要特征，结合蓝、绿、红波段的反射率构建四维特征空间，采用k-means聚类算法进行无监督分类，对每个像素，统计在8邻域内聚类标签分布，若某像素标签与邻域多数标签不一致，则将该像素标签修正为邻域多数标签。
13、进一步的，在基于多源数据融合的海藻场生态修复效果评估方法中，构建生物量反演模型，并进行对生物量反演模型精度验证和时空差值处理，生成反演数据，具体为：
14、在修复区内布设地面验证样方，采集样方内海藻湿重和种类信息，并构建生物量反演模型，所述生物量反演模型满足以下关系式：
15、，
16、其中，b为单位面积生物量，a、b、c为通过最小二乘法拟合的模型参数，为红边-绿归一化植被指数；
17、采用留一交叉验证法评估模型精度，对未覆盖区域，利用修复区内布设的永久样方数据和相邻航次数据，采用克里金插值法生成全区域生物量空间分布图，并利用所述生物量反演模型计算出单位面积生物量，生成反演数据。
18、进一步的，在基于多源数据融合的海藻场生态修复效果评估方法中，采集卫星遥感数据以及地面样方数据，利用贝叶斯层次模型融合反演数据、卫星遥感数据以及地面样方数据，并对比修复区和参照区的碳汇量，计算增汇效果，具体为：
19、采集卫星遥感数据以及地面样方数据，采用贝叶斯层次模型融合三个尺度的数据，对不同藻种分别测定含碳率，建立含碳率与藻种、生长阶段、环境条件的多元回归模型；
20、利用所述含碳率与藻种、生长阶段、环境条件的多元回归模型计算出含碳率，利用多波束声呐获取修复区高精度海底地形数据，结合修复区实测潮流、波浪数据，构建二维水动力模型，模拟修复区流场和物质输运过程；
21、构建海藻碎屑的拉格朗日粒子追踪模型，模拟碎屑从修复区向外输运的轨迹和沉降分布，计算碎屑的分解速率和总碳汇量；
22、对比修复区和参照区的碳汇量，结合碎屑的分解速率计算出增汇效果，并将增汇效果按季度和年度输出，纳入修复效果综合评估指标体系。
23、进一步的，在基于多源数据融合的海藻场生态修复效果评估方法中，结合增汇效果，采用xgboost梯度提升树作为基础评估模型，以综合恢复率为目标变量，在训练过程中引入shap值分析，量化每个特征对评估结果的贡献，并计算综合恢复率，具体包括：
24、通过人工调查获取生物多样性指数和底栖动物群落结构数据，统计藻种覆盖率及恢复率，根据所述藻种覆盖率及恢复率、生物量空间分布、碳汇量及增汇效果、人生物多样性指数和底栖动物群落结构数据统一编码为评估特征向量；
25、采用xgboost梯度提升树作为基础评估模型，以综合恢复率为目标变量，在训练过程中引入shap值分析，量化每个特征对评估结果的贡献；
26、通过shap值分析，输出各评估指标的全局重要性排序和单个修复区评估结果的局部解释，基于shap值确定各指标的数据驱动权重，计算综合恢复率；
27、当综合恢复率低于预期时，通过shap值中负贡献最大的特征识别主要制约因子，并输出针对性的措施调整建议。
28、进一步的，在基于多源数据融合的海藻场生态修复效果评估方法中，根据所述综合恢复率进行预警提示，具体为：
29、设置综合恢复率阈值，并判断所述综合恢复率是否大于所述综合恢复率阈值；
30、当所述综合恢复率大于所述综合恢复率阈值时，标记为正常海藻场生态修复区域，当所述综合恢复率不大于所述综合恢复率阈值时，标记为异常海藻场生态修复区域；
31、将所述正常海藻场生态修复区域以及异常海藻场生态修复区域按照预设方式进行显示，并根据所述异常海藻场生态修复区域生成相关的规划建议。
32、本发明第二方面提供了基于多源数据融合的海藻场生态修复效果评估系统，包括存储器以及处理器，所述存储器中包括基于多源数据融合的海藻场生态修复效果评估方法程序，所述基于多源数据融合的海场生态修复效果评估方法程序被所述处理器执行时，实现任一项所述的基于多源数据融合的海藻场生态修复效果评估方法的步骤。
33、本发明解决了背景技术中存在的缺陷，本发明具备以下有益效果：
34、本发明通过采集目标区域中的多光谱数据，并对目标区域中的多光谱数据进行处理，计算红边-绿归一化植被指数，利用k-means聚类与空间一致性优化并消除椒盐噪声，进而构建生物量反演模型，并进行对生物量反演模型精度验证和时空差值处理，生成反演数据，从而采集卫星遥感数据以及地面样方数据，利用贝叶斯层次模型融合反演数据、卫星遥感数据以及地面样方数据，并对比修复区和参照区的碳汇量，计算增汇效果，最后结合增汇效果，采用xgboost梯度提升树作为基础评估模型，以综合恢复率为目标变量，在训练过程中引入shap值分析，量化每个特征对评估结果的贡献，并计算综合恢复率，根据综合恢复率进行预警提示。本发明通过生物反演模型，能够提升在浑浊近岸水体中实现海藻场植被覆盖分类总体精度，而且可有效解决传统水下sfm方法在浑浊水体中的失效问题。其次，通过构建海藻碎屑的拉格朗日粒子追踪模型，模拟碎屑从修复区向外输运的轨迹和沉降分布，能够量化碎屑输运-沉积过程对碳汇的贡献，为海藻场修复项目的碳汇效益纳入碳交易体系提供可信数据，从而提升碳汇核算精度。最后，评估模型的特征重要性排序与生态学机理一致，综合恢复率计算可重复性高，提升修复措施优化建议的采纳率。