一种梯田损毁与功能损失评估方法及装置与流程

摘要: 本技术涉及生态评估领域,尤其涉及一种梯田损毁与功能损失评估方法及装置。背景技术:1、梯田是我国重要的水土保持工程措施,在拦蓄地表径流、减少土壤流失、提升土壤肥力...
一种梯田损毁与功能损失评估方法及装置与流程

本技术涉及生态评估领域,尤其涉及一种梯田损毁与功能损失评估方法及装置。

背景技术:

1、梯田是我国重要的水土保持工程措施,在拦蓄地表径流、减少土壤流失、提升土壤肥力等方面发挥着不可替代的作用。然而,受极端暴雨事件频发、田间维护不足及人类活动干扰等因素影响,梯田田坎坍塌、田面破损等结构损毁问题日益突出。准确评估梯田损毁程度及其对水土保持功能的影响,是科学制定梯田修复与治理方案的前提。

2、现有的梯田损毁与功能损失评估方法无法同时预测损毁发生概率与空间覆盖程度,难以全面反映梯田的损毁状态;无法响应梯田损毁程度的动态变化,损毁识别与土壤侵蚀之间缺乏无缝传递机制;未建立多维功能损失分析机制,梯田损毁与功能损失评估的准确性不高,影响梯田的修复与治理。

技术实现思路

1、为了解决上述问题,第一方面,本发明提供了一种梯田损毁与功能损失评估方法,包括:

2、获取目标区域的梯田空间分布数据,根据梯田空间分布数据对目标区域进行梯田斑块划分,获得评估单元;

3、获取评估单元的初始多维驱动因子数据,根据初始多维驱动因子数据进行物理特征扩展和因子筛选,获得标准化特征向量;

4、将标准化特征向量输入多任务神经网络进行损毁预测,获得预测损毁概率和预测损毁面积比例,将预测损毁概率和预测损毁面积比例相乘,获得期望损毁强度;

5、获取评估单元的梯田类型和蚀力因子集合,根据梯田类型、期望损毁强度和蚀力因子集合进行工程措施因子动态修正和土壤流失分析,获得新增土壤侵蚀量;

6、获取评估单元的泥沙输移比和土壤数据集合,根据新增土壤侵蚀量、泥沙输移比和土壤数据集合进行功能损失分析,获得功能损失评估结果。

7、在一实施例中,根据梯田空间分布数据对目标区域进行梯田斑块划分,获得评估单元,包括:

8、获取梯田空间分布数据中的梯田数字高程模型数据、坡度分级标准、田块边界光谱特征、地形纹理特征、空间连续性特征和田坎分割线;

9、根据坡度分级标准、田块边界光谱特征和地形纹理特征,对梯田数字高程模型数据进行梯田斑块边界识别,获得梯田斑块边界矢量数据;

10、根据空间连续性特征和田坎分割线,对梯田斑块边界矢量数据进行独立田块分割,获得多个初始梯田斑块单元;

11、对初始梯田斑块单元的边界进行平滑处理和拓扑一致性筛选,获得评估单元。

12、在一实施例中,获取评估单元的初始多维驱动因子数据,根据初始多维驱动因子数据进行物理特征扩展和因子筛选,获得标准化特征向量,包括:

13、针对每个评估单元,获取包含自然环境、生态特征和人类活动干扰的初始多维驱动因子数据,根据初始多维驱动因子数据计算包含表征坡面微地形和水文特性的初始物理特征扩展变量;

14、通过由点二列相关系数和互信息加权的复合筛选指标,对初始多维驱动因子数据和初始物理特征扩展变量进行因子筛选,获得优化多维驱动因子数据和优化物理特征扩展变量;

15、通过优化多维驱动因子数据和优化物理特征扩展变量,组成评估单元的标准化特征向量。

16、在一实施例中,多任务神经网络包括共享特征提取层、第一全连接层、第二全连接层、损毁概率预测层和损毁程度预测层,预测损毁概率和预测损毁面积比例的获得过程包括:

17、将标准化特征向量输入共享特征提取层,通过自注意力机制对标准化特征向量进行特征重标定,获得注意力增强特征;

18、将注意力增强特征依次输入第一全连接层和第二全连接层,并通过残差连接将第二全连接层的输出与第一全连接层的输入相加,获得共享隐藏特征;

19、将共享隐藏特征输入损毁概率预测层进行损毁预测,获得预测损毁概率;

20、将共享隐藏特征输入损毁程度预测层进行损毁面积预测,获得预测损毁面积比例。

21、在一实施例中,根据梯田类型、期望损毁强度和蚀力因子集合进行工程措施因子动态修正和土壤流失分析,获得新增土壤侵蚀量,包括:

22、根据梯田类型确定评估单元在正常状态下的正常状态工程措施因子,以及在完全损毁状态下的完全损毁状态工程措施因子和退化响应参数;

23、根据正常状态工程措施因子、完全损毁状态工程措施因子和退化响应参数构建连续非线性修正函数,将期望损毁强度作为自变量代入连续非线性修正函数,计算获得工程措施因子变化量;

24、获取蚀力因子集合中的降雨侵蚀力因子、土壤可蚀性因子、坡长因子、坡度因子、生物措施因子和耕作措施因子,将工程措施因子变化量、降雨侵蚀力因子、土壤可蚀性因子、坡长因子、坡度因子、生物措施因子和耕作措施因子代入土壤流失模型,计算获得评估单元的新增土壤侵蚀模数;

25、获取评估单元的面积,将新增土壤侵蚀模数与面积相乘,获得评估单元的新增土壤侵蚀量。

26、在一实施例中,根据新增土壤侵蚀量、泥沙输移比和土壤数据集合进行功能损失分析,获得功能损失评估结果,包括:

27、将新增土壤侵蚀量与泥沙输移比相乘,计算获得流失进入河道沟谷的有效泥沙质量;

28、获取土壤数据集合中的表层土壤容重、表层土壤价格、土壤全氮质量分数、全磷质量分数、有机质质量分数、全氮肥价格、全磷肥价格和有机质肥价格;

29、根据有效泥沙质量、表层土壤容重、表层土壤价格、土壤全氮质量分数、全磷质量分数、有机质质量分数、全氮肥价格、全磷肥价格和有机质肥价格,计算获得评估单元的复合生态功能损失;

30、将所有评估单元的复合生态功能损失之和作为功能总损失,根据功能总损失确定功能损失评估结果。

31、在一实施例中,复合生态功能损失的计算过程包括:

32、根据有效泥沙质量、表层土壤容重和表层土壤价格,计算获得表层土壤资源替代功能损失;

33、根据有效泥沙质量、土壤全氮质量分数、全磷质量分数、有机质质量分数、全氮肥价格、全磷肥价格和有机质肥价格,计算获得土壤养分固持生态功能损失;

34、将表层土壤资源替代功能损失和土壤养分固持生态功能损失相加,获得复合生态功能损失。

35、第二方面,本发明提供了一种梯田损毁与功能损失评估装置,用于实现所述的梯田损毁与功能损失评估方法,所述装置包括:

36、评估单元获取模块,用于获取目标区域的梯田空间分布数据,根据梯田空间分布数据对目标区域进行梯田斑块划分,获得评估单元;

37、标准化特征向量获取模块,用于获取评估单元的初始多维驱动因子数据,根据初始多维驱动因子数据进行物理特征扩展和因子筛选,获得标准化特征向量;

38、期望损毁强度获取模块,用于将标准化特征向量输入多任务神经网络进行损毁预测,获得预测损毁概率和预测损毁面积比例,将预测损毁概率和预测损毁面积比例相乘,获得期望损毁强度;

39、新增土壤侵蚀量获取模块,用于获取评估单元的梯田类型和蚀力因子集合,根据梯田类型、期望损毁强度和蚀力因子集合进行工程措施因子动态修正和土壤流失分析,获得新增土壤侵蚀量;

40、功能损失评估结果获取模块,用于获取评估单元的泥沙输移比和土壤数据集合,根据新增土壤侵蚀量、泥沙输移比和土壤数据集合进行功能损失分析,获得功能损失评估结果。

41、第三方面,本发明提供了一种电子设备,包括存储器、处理器及存储在所述存储器上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程序时实现所述的梯田损毁与功能损失评估方法。

42、第四方面,本发明提供了一种非暂态计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现所述的梯田损毁与功能损失评估方法。

43、本发明具有以下有益效果:

44、1、将初始多维驱动因子数据处理为标准化特征向量,通过多任务神经网络对标准化特征向量进行损毁预测,输出预测损毁概率和预测损毁面积比例,将二者相乘获得期望损毁强度,实现了损毁发生可能性与空间覆盖程度的统一量化表征;根据梯田类型和期望损毁强度进行工程措施因子动态修正,获得新增土壤侵蚀量,实现了梯田结构损毁状态向水土流失物理模型的无缝传递;结合泥沙输移比和土壤数据集合对新增土壤侵蚀量进行多维功能损失分析,显著提高了梯田损毁与功能损失评估的准确性。

45、2、针对每个评估单元获取初始多维驱动因子数据,并计算表征坡面微地形和水文特性的物理特征扩展变量,丰富了梯田损毁驱动因子的物理信息维度;通过复合筛选指标对高维因子空间进行去冗余筛选,在保留关键信息的同时降低了特征冗余度,获得信息浓缩、数值稳定的标准化特征向量,有效提升了后续神经网络训练的收敛效率和泛化性能;构建多任务神经网络,共享特征提取层通过自注意力机制捕捉标准化特征向量中各驱动因子间的长程依赖关系,第一全连接层和第二全连接层配合残差连接提取共享隐藏特征,既缓解了深层网络训练中的梯度消失问题,又通过共享底层特征表达,使损毁概率预测层和损毁程度预测层能够利用任务间的相关性提升联合预测精度。

46、3、以期望损毁强度为自变量驱动连续非线性修正,获得工程措施因子变化量,再与蚀力因子集合共同代入土壤流失模型,计算新增土壤侵蚀量,实现了工程措施因子随损毁强度连续非线性渐变响应,将损毁识别结果与土壤流失模型定量衔接;将新增土壤侵蚀量与泥沙输移比相乘得到流失进入河道沟谷的有效泥沙质量,结合土壤数据集合计算复合生态功能损失,累加所有单元获得功能总损失并据此确定功能损失评估结果,建立了从物理侵蚀量到生态价值损失的定量转换方法。