1.本发明涉及生态环境领域，具体涉及一种流域生态水文分区的方法。
背景技术：
：：2.地域分异是地理学核心研究方向之一，水生态功能分区是地学分区面向生态环境领域的发展和应用。基于水生态分区的管理是流域水环境管理的趋势，流域水生态功能分区是建立中国新型水环境管理的基础。3.生态水文分区是指在对流域生态水文系统客观认识的基础上，以流域自然生态水文系统的相似性和差异性规律以及人类活动对流域生态水文系统干扰的规律作为划分生态水文空间单元的划分依据。流域的生态水文综合区划是区域资源开发、灾害预防的重要依据，是对流域生态水文系统进行科学调控的基础。4.生态水文分区研究最早应用于河流层面，已有的生态水文分区研究主要侧重于国家、大流域或省市尺度，其成果侧重于大尺度空间特征，对流域内具体的管理目标时尺度明显偏大，特别是对大梯度环境的流域尺度，缺少一种水‑土‑气‑生全链条下的生态水文综合指标体系，不能充分体现山水林田湖草生命共同体理念。目前，缺少对我国大量山区范围内的中小河流开展类似分析，尤其缺少生态水文分区结果为山区流域中的水资源承载与利用、国土空间规划及生态安全格局的科学构建以及区域发展提供生态调控策略的应用。技术实现要素：5.本发明为了解决上述问题，提供了一种流域生态水文分区的方法，具体技术方案如下：6.一种流域生态水文分区的方法，将地形地貌指标集、生态因子指标集、气候水文指标集和人类活动指标集中的指标进行量化分级，然后转化为栅格数据后进行归一化加权叠加，计算得到生态水文指数e，根据所述生态水文指数e的距标准差倍数进行生态水文分区；所述所述w为指标的权重，r为指标转化后的栅格数据，j为指标。7.具体的，所述地形地貌指标集的指标包括坡度和高程；所述生态因子指标集的指标包括生物多样性，植被覆盖度和土壤可蚀性因子；所述气候水文的指标集的指标包括植被覆盖度、土壤可蚀性因子k、水分胁迫因子wε、年均降水、年均气温，降雨侵蚀力和日照时数；所述人类活动的指标集的指标包括居民点密度和人均gdp。8.具体的，所述土壤可蚀性因子k由土壤中的粉粒、粘粒、砂砾、有机碳四种成分的百分比含量计算得到。9.具体的，k＝(0.01383 0.51575kepic)×0.1317；10.kepic和k分别表示未校正的土壤可蚀性指数和校正后的土壤可蚀性指数，ms、msilt、mc和orgc分别为砂粒、粉粒、粘粒和有机碳在表层土壤中的百分比含量。11.具体的，所述水分胁迫因子wε通过地表水分指数lswi计算得到，所述水分胁迫因子wε取值为[0.5,1]。[0012]具体的，所述wε＝(1‑(1 lswi)/(1 lswima4)) 0.5；ρnir与ρswir分别为遥感软件8天合成500m分辨率地表辐射影像的近红外与短波红外波段。[0013]具体的，所述生物多样性采用赋值法进行量化分级，其余指标采用自然断点法进行量化分级。[0014]具体的，所述距标准差倍数小于‑0.5时，分为少水生态区；所述距标准差倍数位于‑0.5‑0.5之间时，分为平水生态区；所述距标准差倍数大于0.5时，分为丰水生态区。[0015]具体的，生态水文分区需消除独立散斑及孤立值。[0016]具体的，以流域水文分析工具提取小流域并以此为单元，从而进行流域生态水文分区，以统计概率最多的值作为小流域生态水文分区值。[0017]本发明的有益之处在于：本生态水文分区的方法可以运用于大量山区范围内的中小河流分析，揭示流域生态水文特征空间上的差异性和相似性以及人类活动的影响，能够指导具有不同生态水文特征的区域进行因地制宜的发展。附图说明[0018]图1为本发明的地形地貌指标集归一化图[0019]图2为本发明的生态因子指标集归一化图[0020]图3本发明的气候水文指标集归一化图[0021]图4本发明的人类活动指标集归一化图[0022]图5本发明的生态水文指数分区图[0023]图6本发明的小流域提取分布图[0024]图7本发明的流域生态水文分区图具体实施方式[0025]下面通过实施例对本发明进行进一步详细说明，应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明，本领域技术人员应该理解的是，在不偏离本发明的结构思路、使用范围下可以对本发明技术方案的细节和形式进行修改或替换，但这些修改和替换均落入本发明的保护范围内。[0026]实施例1[0027]一种流域生态水文分区的方法，将地形地貌指标集、生态因子指标集、气候水文指标集和人类活动指标集中的指标进行量化分级，然后转化为栅格数据后进行归一化加权叠加，计算得到生态水文指数e，根据生态水文指数e的距标准差倍数进行生态水文分区；w为指标的权重，r为指标转化后的栅格数据，j为指标。[0028]实施例2[0029]基于上述实施例1，如表1所示，地形地貌指标集的指标包括坡度和高程；所述生态因子指标集的指标包括生物多样性，植被覆盖度和土壤可蚀性因子；所述气候水文的指标集的指标包括植被覆盖度、土壤可蚀性因子k、水分胁迫因子wε、年均降水、年均气温，降雨侵蚀力和日照时数；所述人类活动的指标集的指标包括居民点密度和人均gdp。[0030]表1大渡河流域生态水文分区指标体系[0031][0032]其中，生物多样性主要指植被生态系统多样性，受地形地貌及气候等影响与控制，植被类型丰富，生态系统多样，分布呈现明显的水平地带性和垂直地带性。主要有7大类，即阔叶林类、针阔混交林类、针叶林类、灌丛类、草甸类、草原类、高山稀疏植被类生态系统。[0033]植被覆盖度：植被覆盖状况影响着区域生态环境中植被的生产力、生态承载能力、水土保持能力等生态系统的状态与功能，通过归一化加权植被指数(normalizeddifferencevegetationindex，ndvi)，基于像元二分模型计算植被覆盖度，以表征生态系统的脆弱性状况。[0034]降雨侵蚀力指由降雨对土壤表层影响程度大小，用以表明由降雨引发的土壤表层属性和位置发生改变的强度。[0035]日照时数，年均降水，年均温度：基于1989‑2019年30年数据，插值获取。[0036]人类活动：居民点密度，借助googleearth影像解译，参考土地变更调查数据库，反映人类聚居状况及人类活动对区影响。[0037]人均gdp：根据区域年鉴，统计获取。[0038]本实施例选取大渡河流域对其方法进行举例说明，具体步骤包括：[0039]s1、指标体系构建[0040]分区指标有影响因素和现状特征两种，前者包括影响背景的指标(气候、地形等)和影响现状的指标(人类活动等)，现状特征包括生态现状和水文现状。另一方面，立足于研究目的，指标需要着重反映研究区域的主要问题。流域梯级开发、生物多样性维护、水源涵养等重要的生态功能定位。主要从地形地貌、生态本底、气候特征和人类活动四方面构建指标体系，前两类是现状指标，后两类是影响因素指标。[0041]s2、数据来源预处理[0042]本技术数据来源主要有：①基础地理数据：地理空间数据云(http://www.gscloud.cn/)dem数字高程数据，南京土壤所1:100万中国土壤数据库，googleearth聚落遥感解译；②小流域划分数据：基于dem水文分析工具arctoolbox‑spatialanalysistools‑hydrology，识别划分小流域；③气候数据：全国气象数据库(1960‑2019)；④植被覆盖数据，地理空间数据云，modis陆地标准产品，myd13q1分辨率250m；⑤土地变更调查数据库2018年，作为主要的解译标志库，获取流域生态系统本底数据；⑥社会经济数据：流域各县域统计年鉴等。[0043]所有数据均转换为空间分辨率30m栅格数据，统一投影到2000国家大地坐标系(cgcs2000)。其中，矢量面状数据借助arctoolbox‑conversiontool‑featuretoraster实现矢量转换栅格，主要为土壤类型、土地利用类型等，矢量点状数据借助spatialanalysistool‑density‑kerneldensity求取核密度，主要有居民点数据。年均降水、年均气温均采用反距离加权插值法(idw)进行空间确定性插值实现其空间化。生态水文指数借助gis叠置功能实现。所有指标量化分级后均借助overlay‑fuzzymembership进行归一化处理，得到如图1‑4所示的指标集归一化图，生态水文指数基于归一化指标借助arcgis叠置分析功能实现。[0044]s3、根据生态水文指数e进行生态水文分区[0045]为消除多因子不同量纲的影响，首先将预处理的具有统一投影、坐标系及像元大小的评价指标进行数据标准化，将指标类型分为成本型(越小越好型)和效益型(越大越好型)，将高程、坡度、土壤可蚀性、水分胁迫因子、降雨侵蚀力、居民点核密度、人均gdp分级赋值后，作为成本性指标，生物多样性、植被覆盖度、年均降水、年均气温、日照时数作为效益型指标。通过arcgis10.2的rastercalculator叠加分析，计算生态水文指数e公式如下：[0046][0047][0048]式中：minxj和maxxj表示第j个指标下各评价样本的最小值和最大值。[0049]通过rastercalculator计算生态水文指数值e，公式如下：[0050][0051]式中，w指要素权重，r指要素栅格数据，j评价指标。指标权重由突变级数法确定，生态水文分级按照距标准差倍数划分。[0052]进一步的，以流域水文分析工具提取小流域并以此为单元，从而进行流域生态水文分区。[0053]实施例3[0054]基于实施例2，土壤可蚀性(k)：是由土壤的有机质含量、土壤质地、渗透性、土体结构等理化性质决定的，表现的是土壤受到侵蚀的难易程度，在该模型中，土壤可蚀性因子主要由土壤中的粉粒、粘粒、砂砾、有机碳四种成分的百分比含量所计算得到的。公式如下：[0055]k＝(0.01383 0.51575kepic)×0.1317ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ(1)[0056][0057]式中，kepic和k分别表示未校正的土壤可蚀性指数和校正后的土壤可蚀性指数，ms、msilt、mc和orgc分别为砂粒、粉粒、粘粒和有机碳在表层土壤中的百分比含量(％)。[0058]实施例4[0059]基于实施例2，水分胁迫因子wε：水分胁迫因子反映了水分环境对于植被生长状况的影响，在许多研究中采用经验公式，通过计算植被的估计蒸散量与潜在蒸散量的比值来计算。计算公式通常较为复杂，需要的输入数据较多，且公式中的比例系数受区域的局限性较大。本技术基于水分胁迫系数wε与环境中的水分含量的相关关系，借助地表水分指数(lswi)来进行。短波红外(swir)对植被水分含量敏感，近红外与短波红外波段已经被用来获取对水分敏感的植被指数(lswi)，因此本研究通过遥感(modis)手段获取动态、实时植被的情况，且具有较高的现实依据性。wε的取值在0.5到1之间，表示环境由极端干旱到极端湿润。[0060][0061]wε(x,t)＝(1‑(1 lswi)/(1 lswima4)) 0.5ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ(4)式中：wε为水分胁迫因子，ρnir与ρswir分别为mod09a1的8天合成500m分辨率地表辐射影像的近红外与短波红外波段。[0062]实施例5[0063]基于实施例2，如表2所示，生物多样性采用赋值法进行量化分级，其余指标采用自然断点法进行量化分级。[0064]表2生态水文分区评价指标量化与分级[0065][0066]表中：自然断点法是一种根据数值统计分布规律分级和分类的统计方法，使类与类之间的不同最大化。统计数列都存在一些自然转折点、特征点，用这些点可以把研究的对象分成性质相似的群组，断点本身就是分级的良好界限。生物多样性性：该研究主要指植被类型多样性。植被覆盖度：[0067]vfc＝(ndvi‑ndvisoil)/(ndviveg‑ndvisoil)，ndvisoil为裸土或无植被覆盖区域像元的ndvi值，ndviveg则代表完全被植被所覆盖ndvi值，即纯植被像元的ndvi值，取ndvi值的累积概率5％和95％作为ndvi值作为ndvisoil和ndviveg。[0068]实施例6[0069]基于实施例1，如表3所示，根据生态水文指数e的距标准差倍数进行生态水文分区，距标准差倍数小于‑0.5时，分为少水生态区；所述距标准差倍数位于‑0.5‑0.5之间时，分为平水生态区；所述距标准差倍数大于0.5时，分为丰水生态区，最后得到如图5所示的生态水文指数分区结果。[0070]表3生态水文评价分级[0071][0072]实施例7[0073]基于实施例1，生态水文分区需要进行重分类及滤波处理，消除独立散斑及孤立值，以优化分区结果。[0074]实施例8[0075]基于实施例4，如图6所示，针对大渡河流域小流域的生态水文分区需要借助统计分析工具，基于小流域划分矢量，统计概率最多的值(zonalstatisticsastable‑majority)作为小流域生态水文分区结果值，如图7所示。[0076]以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等均应包含在本发明的保护范围之内。当前第1页12当前第1页12
背景技术：
：：2.地域分异是地理学核心研究方向之一，水生态功能分区是地学分区面向生态环境领域的发展和应用。基于水生态分区的管理是流域水环境管理的趋势，流域水生态功能分区是建立中国新型水环境管理的基础。3.生态水文分区是指在对流域生态水文系统客观认识的基础上，以流域自然生态水文系统的相似性和差异性规律以及人类活动对流域生态水文系统干扰的规律作为划分生态水文空间单元的划分依据。流域的生态水文综合区划是区域资源开发、灾害预防的重要依据，是对流域生态水文系统进行科学调控的基础。4.生态水文分区研究最早应用于河流层面，已有的生态水文分区研究主要侧重于国家、大流域或省市尺度，其成果侧重于大尺度空间特征，对流域内具体的管理目标时尺度明显偏大，特别是对大梯度环境的流域尺度，缺少一种水‑土‑气‑生全链条下的生态水文综合指标体系，不能充分体现山水林田湖草生命共同体理念。目前，缺少对我国大量山区范围内的中小河流开展类似分析，尤其缺少生态水文分区结果为山区流域中的水资源承载与利用、国土空间规划及生态安全格局的科学构建以及区域发展提供生态调控策略的应用。技术实现要素：5.本发明为了解决上述问题，提供了一种流域生态水文分区的方法，具体技术方案如下：6.一种流域生态水文分区的方法，将地形地貌指标集、生态因子指标集、气候水文指标集和人类活动指标集中的指标进行量化分级，然后转化为栅格数据后进行归一化加权叠加，计算得到生态水文指数e，根据所述生态水文指数e的距标准差倍数进行生态水文分区；所述所述w为指标的权重，r为指标转化后的栅格数据，j为指标。7.具体的，所述地形地貌指标集的指标包括坡度和高程；所述生态因子指标集的指标包括生物多样性，植被覆盖度和土壤可蚀性因子；所述气候水文的指标集的指标包括植被覆盖度、土壤可蚀性因子k、水分胁迫因子wε、年均降水、年均气温，降雨侵蚀力和日照时数；所述人类活动的指标集的指标包括居民点密度和人均gdp。8.具体的，所述土壤可蚀性因子k由土壤中的粉粒、粘粒、砂砾、有机碳四种成分的百分比含量计算得到。9.具体的，k＝(0.01383 0.51575kepic)×0.1317；10.kepic和k分别表示未校正的土壤可蚀性指数和校正后的土壤可蚀性指数，ms、msilt、mc和orgc分别为砂粒、粉粒、粘粒和有机碳在表层土壤中的百分比含量。11.具体的，所述水分胁迫因子wε通过地表水分指数lswi计算得到，所述水分胁迫因子wε取值为[0.5,1]。[0012]具体的，所述wε＝(1‑(1 lswi)/(1 lswima4)) 0.5；ρnir与ρswir分别为遥感软件8天合成500m分辨率地表辐射影像的近红外与短波红外波段。[0013]具体的，所述生物多样性采用赋值法进行量化分级，其余指标采用自然断点法进行量化分级。[0014]具体的，所述距标准差倍数小于‑0.5时，分为少水生态区；所述距标准差倍数位于‑0.5‑0.5之间时，分为平水生态区；所述距标准差倍数大于0.5时，分为丰水生态区。[0015]具体的，生态水文分区需消除独立散斑及孤立值。[0016]具体的，以流域水文分析工具提取小流域并以此为单元，从而进行流域生态水文分区，以统计概率最多的值作为小流域生态水文分区值。[0017]本发明的有益之处在于：本生态水文分区的方法可以运用于大量山区范围内的中小河流分析，揭示流域生态水文特征空间上的差异性和相似性以及人类活动的影响，能够指导具有不同生态水文特征的区域进行因地制宜的发展。附图说明[0018]图1为本发明的地形地貌指标集归一化图[0019]图2为本发明的生态因子指标集归一化图[0020]图3本发明的气候水文指标集归一化图[0021]图4本发明的人类活动指标集归一化图[0022]图5本发明的生态水文指数分区图[0023]图6本发明的小流域提取分布图[0024]图7本发明的流域生态水文分区图具体实施方式[0025]下面通过实施例对本发明进行进一步详细说明，应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明，本领域技术人员应该理解的是，在不偏离本发明的结构思路、使用范围下可以对本发明技术方案的细节和形式进行修改或替换，但这些修改和替换均落入本发明的保护范围内。[0026]实施例1[0027]一种流域生态水文分区的方法，将地形地貌指标集、生态因子指标集、气候水文指标集和人类活动指标集中的指标进行量化分级，然后转化为栅格数据后进行归一化加权叠加，计算得到生态水文指数e，根据生态水文指数e的距标准差倍数进行生态水文分区；w为指标的权重，r为指标转化后的栅格数据，j为指标。[0028]实施例2[0029]基于上述实施例1，如表1所示，地形地貌指标集的指标包括坡度和高程；所述生态因子指标集的指标包括生物多样性，植被覆盖度和土壤可蚀性因子；所述气候水文的指标集的指标包括植被覆盖度、土壤可蚀性因子k、水分胁迫因子wε、年均降水、年均气温，降雨侵蚀力和日照时数；所述人类活动的指标集的指标包括居民点密度和人均gdp。[0030]表1大渡河流域生态水文分区指标体系[0031][0032]其中，生物多样性主要指植被生态系统多样性，受地形地貌及气候等影响与控制，植被类型丰富，生态系统多样，分布呈现明显的水平地带性和垂直地带性。主要有7大类，即阔叶林类、针阔混交林类、针叶林类、灌丛类、草甸类、草原类、高山稀疏植被类生态系统。[0033]植被覆盖度：植被覆盖状况影响着区域生态环境中植被的生产力、生态承载能力、水土保持能力等生态系统的状态与功能，通过归一化加权植被指数(normalizeddifferencevegetationindex，ndvi)，基于像元二分模型计算植被覆盖度，以表征生态系统的脆弱性状况。[0034]降雨侵蚀力指由降雨对土壤表层影响程度大小，用以表明由降雨引发的土壤表层属性和位置发生改变的强度。[0035]日照时数，年均降水，年均温度：基于1989‑2019年30年数据，插值获取。[0036]人类活动：居民点密度，借助googleearth影像解译，参考土地变更调查数据库，反映人类聚居状况及人类活动对区影响。[0037]人均gdp：根据区域年鉴，统计获取。[0038]本实施例选取大渡河流域对其方法进行举例说明，具体步骤包括：[0039]s1、指标体系构建[0040]分区指标有影响因素和现状特征两种，前者包括影响背景的指标(气候、地形等)和影响现状的指标(人类活动等)，现状特征包括生态现状和水文现状。另一方面，立足于研究目的，指标需要着重反映研究区域的主要问题。流域梯级开发、生物多样性维护、水源涵养等重要的生态功能定位。主要从地形地貌、生态本底、气候特征和人类活动四方面构建指标体系，前两类是现状指标，后两类是影响因素指标。[0041]s2、数据来源预处理[0042]本技术数据来源主要有：①基础地理数据：地理空间数据云(http://www.gscloud.cn/)dem数字高程数据，南京土壤所1:100万中国土壤数据库，googleearth聚落遥感解译；②小流域划分数据：基于dem水文分析工具arctoolbox‑spatialanalysistools‑hydrology，识别划分小流域；③气候数据：全国气象数据库(1960‑2019)；④植被覆盖数据，地理空间数据云，modis陆地标准产品，myd13q1分辨率250m；⑤土地变更调查数据库2018年，作为主要的解译标志库，获取流域生态系统本底数据；⑥社会经济数据：流域各县域统计年鉴等。[0043]所有数据均转换为空间分辨率30m栅格数据，统一投影到2000国家大地坐标系(cgcs2000)。其中，矢量面状数据借助arctoolbox‑conversiontool‑featuretoraster实现矢量转换栅格，主要为土壤类型、土地利用类型等，矢量点状数据借助spatialanalysistool‑density‑kerneldensity求取核密度，主要有居民点数据。年均降水、年均气温均采用反距离加权插值法(idw)进行空间确定性插值实现其空间化。生态水文指数借助gis叠置功能实现。所有指标量化分级后均借助overlay‑fuzzymembership进行归一化处理，得到如图1‑4所示的指标集归一化图，生态水文指数基于归一化指标借助arcgis叠置分析功能实现。[0044]s3、根据生态水文指数e进行生态水文分区[0045]为消除多因子不同量纲的影响，首先将预处理的具有统一投影、坐标系及像元大小的评价指标进行数据标准化，将指标类型分为成本型(越小越好型)和效益型(越大越好型)，将高程、坡度、土壤可蚀性、水分胁迫因子、降雨侵蚀力、居民点核密度、人均gdp分级赋值后，作为成本性指标，生物多样性、植被覆盖度、年均降水、年均气温、日照时数作为效益型指标。通过arcgis10.2的rastercalculator叠加分析，计算生态水文指数e公式如下：[0046][0047][0048]式中：minxj和maxxj表示第j个指标下各评价样本的最小值和最大值。[0049]通过rastercalculator计算生态水文指数值e，公式如下：[0050][0051]式中，w指要素权重，r指要素栅格数据，j评价指标。指标权重由突变级数法确定，生态水文分级按照距标准差倍数划分。[0052]进一步的，以流域水文分析工具提取小流域并以此为单元，从而进行流域生态水文分区。[0053]实施例3[0054]基于实施例2，土壤可蚀性(k)：是由土壤的有机质含量、土壤质地、渗透性、土体结构等理化性质决定的，表现的是土壤受到侵蚀的难易程度，在该模型中，土壤可蚀性因子主要由土壤中的粉粒、粘粒、砂砾、有机碳四种成分的百分比含量所计算得到的。公式如下：[0055]k＝(0.01383 0.51575kepic)×0.1317ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ(1)[0056][0057]式中，kepic和k分别表示未校正的土壤可蚀性指数和校正后的土壤可蚀性指数，ms、msilt、mc和orgc分别为砂粒、粉粒、粘粒和有机碳在表层土壤中的百分比含量(％)。[0058]实施例4[0059]基于实施例2，水分胁迫因子wε：水分胁迫因子反映了水分环境对于植被生长状况的影响，在许多研究中采用经验公式，通过计算植被的估计蒸散量与潜在蒸散量的比值来计算。计算公式通常较为复杂，需要的输入数据较多，且公式中的比例系数受区域的局限性较大。本技术基于水分胁迫系数wε与环境中的水分含量的相关关系，借助地表水分指数(lswi)来进行。短波红外(swir)对植被水分含量敏感，近红外与短波红外波段已经被用来获取对水分敏感的植被指数(lswi)，因此本研究通过遥感(modis)手段获取动态、实时植被的情况，且具有较高的现实依据性。wε的取值在0.5到1之间，表示环境由极端干旱到极端湿润。[0060][0061]wε(x,t)＝(1‑(1 lswi)/(1 lswima4)) 0.5ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ(4)式中：wε为水分胁迫因子，ρnir与ρswir分别为mod09a1的8天合成500m分辨率地表辐射影像的近红外与短波红外波段。[0062]实施例5[0063]基于实施例2，如表2所示，生物多样性采用赋值法进行量化分级，其余指标采用自然断点法进行量化分级。[0064]表2生态水文分区评价指标量化与分级[0065][0066]表中：自然断点法是一种根据数值统计分布规律分级和分类的统计方法，使类与类之间的不同最大化。统计数列都存在一些自然转折点、特征点，用这些点可以把研究的对象分成性质相似的群组，断点本身就是分级的良好界限。生物多样性性：该研究主要指植被类型多样性。植被覆盖度：[0067]vfc＝(ndvi‑ndvisoil)/(ndviveg‑ndvisoil)，ndvisoil为裸土或无植被覆盖区域像元的ndvi值，ndviveg则代表完全被植被所覆盖ndvi值，即纯植被像元的ndvi值，取ndvi值的累积概率5％和95％作为ndvi值作为ndvisoil和ndviveg。[0068]实施例6[0069]基于实施例1，如表3所示，根据生态水文指数e的距标准差倍数进行生态水文分区，距标准差倍数小于‑0.5时，分为少水生态区；所述距标准差倍数位于‑0.5‑0.5之间时，分为平水生态区；所述距标准差倍数大于0.5时，分为丰水生态区，最后得到如图5所示的生态水文指数分区结果。[0070]表3生态水文评价分级[0071][0072]实施例7[0073]基于实施例1，生态水文分区需要进行重分类及滤波处理，消除独立散斑及孤立值，以优化分区结果。[0074]实施例8[0075]基于实施例4，如图6所示，针对大渡河流域小流域的生态水文分区需要借助统计分析工具，基于小流域划分矢量，统计概率最多的值(zonalstatisticsastable‑majority)作为小流域生态水文分区结果值，如图7所示。[0076]以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等均应包含在本发明的保护范围之内。当前第1页12当前第1页12
再多了解一些
本文用于企业家、创业者技术爱好者查询，结果仅供参考。
