顾及局部特征的遥感生态环境的评价方法和存储介质与流程

1.本发明涉及生态环境评价技术领域，具体涉及顾及局部特征的遥感生态环境的评价方法和存储介质。


背景技术：

2.目前常用的对生态环境评价的方法是综合指标法，主要有两类：基于统计数据计算综合指标，基于遥感数据计算综合指标。
3.基于统计数据计算综合指标：我国采用的对于生态环境评价的主要方法是2006年中国环境保护局在《生态环境状况评价技术规范(试行)》中提出的生态环境状况指数(ecological index，ei)。该指数是将生物丰度指数、植被覆盖指数、水网密度指数、土地退化指数和环境质量指数进行加权的结果作为生态环境评价指标，ei指数的计算公式直观的将生态环境与各项生态指标间的关系量化的表示出来，ei已经广泛应用于各类生态系统的评价中。
4.基于遥感数据计算综合指标：目前广泛使用的是在2013年提出的一种完全基于遥感数据的遥感生态指数(rsei)。rsei将生态环境分为绿度(ndvi)、湿度(wet)、干度(ndbsi)和热度(lst)4个分量，通过主成分分析进行赋权，将四项指标在第一主成分的占比作为各自的权重，加权相加后得到rsei分布，即研究区的生态环境状况。rsei的应用非常广泛，针对不同的研究目的和研究区域，许多学者在rsei的基础上对其计算方式与表现形式进行了相应的改进。对于区域特征明显的区域，增加更多的生态环境影响因子；对于第一主成分占比低的问题，采用更多的主成分进行综合计算。
5.目前有新检索到的关于一种基于水生态效益的生态环境质量评价方法(专利申请号：cn202110545482.9),将水生态要素的因子加入综合指标的构建过程中，考虑了水体对于生态环境产生的效益。同时采用熵权法作为新的权重分配方式，用来融合多生态指标，合理的解释生态指标与生态环境间的关系。
6.现有的生态环境评价方法在计算之前都要对研究区域的水体进行掩膜，缺少水体的区域生态环境评价并不完整，不能表现区域的真实生态环境状况。尤其是该方法对水体丰富的湿地型城市并不适用。并且常用的综合指标构建方法——主成分分析法在不同区域得到的环境评价结果具有不确定性，表达公式也具有不确定性，无法量化出生态因子与区域环境之间的准确关系。考虑到在传统的区域生态环境评价中(rsei和局部适应性的区域生态环境评价模型指标rsei
la
)，由于主成分分析模型本身无法处理“多峰”数据，表现在针对大面积水体区域生态环境评价时，得到的结果与实际的生态环境不符。因此在对有大面积水体的区域生态环境评价时，要事先剔除水体，对水体进行掩膜，这样一来，该方法就无法对水体生态环境进行评价。
7.同时对于考虑了水体对生态环境产生效益的生态环境评价方法来讲，将整个研究区作为一个整体，并未充分考虑地物间的相互作用关系。因此为了准确的对生态环境进行全面完整的评价，真实的模拟地表的生态环境状况，需要对现有的生态环境评价方法进行
改进。


技术实现要素：

8.根据前述内容，本发明解决的一个主要问题是要找到一种普适性更强、充分考虑区域局部生态特征的生态环境评价方法,建立一个通用的生态评价模型和评价指数构建方式，提出生态综合评价的标准和规范。
9.根据本发明的一个方面，本发明提供一种顾及局部特征的遥感生态环境的评价方法，包括：
10.获取生态环境的遥感图像并预处理；
11.从预处理后的所述遥感图像中计算提取生态环境因子；
12.将所述生态环境因子进行归一化；
13.基于熵权法，引入移动窗口，在所述移动窗口的范围内，将归一化后的所述生态环境因子计算分配权重，得到所述生态环境因子的权重分布图；
14.对所述权重分布图与归一化后的所述生态环境因子的值加权处理，构建表征遥感生态环境质量的评价指数；
15.利用所述评价指数评价目标地区的生态环境状况。
16.优选地，将所述生态环境因子进行归一化还包括：
17.对一部分所述生态环境因子进行正向归一化；
18.对另一部分所述生态环境因子进行逆向归一化。
19.优选地，所述生态环境因子包括绿度因子、湿度因子、干度因子和热度因子。
20.优选地，所述计算提取生态环境因子包括：
21.计算绿度因子，所述绿度因子的计算公式为：
22.ndvi＝(ρ
nir
‑
ρ
red
)/(ρ
nir
ρ
red
)
23.其中，ndvi为归一化植被指数，用来表示绿度因子值，ρ
nir
表示近红外波反射段，ρ
red
表示红光波段反射率。
24.优选地，所述计算提取生态环境因子包括：
25.计算湿度因子，所述湿度因子的计算公式为：
26.wet
etm
＝a1ρ_blue a2ρ_green a3ρ_red a4ρ_nir
‑
a5ρ_mir1
‑
a6ρ_mir2,
27.其中，wet
etm
为湿度因子的值，a1至a6分别为针对landsat
‑
8卫星波段的不同的计算常数，ρ
blue
、ρ
green
、ρ
red
、ρ
nir
、ρ
mir1
、ρ
mir2
分别表示影像对应的蓝、绿、红、近红外、短波红外1波段、短波红外2波段的反射率。
28.优选地，预处理所述遥感图像包括：对所述遥感图像进行包括辐射定标、大气校正、异常值去除在内的预处理。
29.优选地，所述计算提取生态环境因子包括：
30.计算干度因子，所述干度因子的计算公式为：
[0031][0032]
其中，si为裸土指数，ibi为建筑指数，ndbsi为归一化差分建立建筑指数。
[0033]
优选地，预处理所述遥感图像包括：对所述遥感图像进行包括辐射定标、大气校
正、异常值去除在内的预处理。
[0034]
优选地，所述计算提取生态环境因子包括：
[0035]
计算干度因子，所述干度因子的计算公式为：
[0036]
其中，si为裸土指数，ibi为建筑指数，ndbsi为归一化差分建立建筑指数。
[0037]
优选地，所述计算提取生态环境因子包括：
[0038]
采用大气校正法计算地表温度，根据辐射传输方程对所述地表温度进行反演，从而获得热度因子。
[0039]
优选地，所述将归一化后的所述生态环境因子计算分配权重还包括：
[0040]
将计算得到的生态环境因子的权重值作为中心像元的权重值。
[0041]
根据本发明的另一个方面，还提供一种存储介质，所述存储介质为计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被执行时用于实现如前任一所述的一种顾及局部特征的遥感生态环境评价指数的方法。
[0042]
本发明建立的是一种更为通用的利用生态评价指标评价生态环境的评价方式，在区域生态环境质量评价过程中效率更高。一方面该方法充分考虑了区域的局部特征，即各类地物的相互空间关系以及水体对区域环境的生态效益。另一方面还将水体纳入生态评价范围，能更为准确、真实的量化区域生态环境特征，尤其是对于水体多的湿地型城市更具有意义。相比于传统方法在使用之前要将水体进行掩膜，将水体(湖泊、河流)部分排除评价范围的方式，本方法利用熵权法，不需要将水体掩膜，从对水体也可以进行评价。该方法也使得生态环境评价的结果更加贴合实际，能更为真实地模拟复杂的地表生态状况。
附图说明
[0043]
本发明构成说明书的一部分附图描述了本发明的实施例，并且连同说明书一起用于解释本发明的原理。
[0044]
图1为本发明实施例中构建顾及局部特征的遥感生态环境评价指数来评价生态环境的方法流程示意图。
[0045]
图2为本发明实施例中传统的构建具有局部适应性的遥感生态环境评价指数来评价生态环境的方法流程示意图。
具体实施方式
[0046]
下面将结合附图来详细描述本发明的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
[0047]
同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
[0048]
以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。
[0049]
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。
[0050]
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适
当情况下，所述技术、方法和设备应当被视为授权说明书的一部分。
[0051]
在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。
[0052]
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
[0053]
如图1所示，构建顾及局部特征的遥感生态环境评价指数来评价生态环境的方法流程示意图，具体步骤如下：
[0054]
对遥感影像进行预处理操作。预处理操作包括辐射定标、大气校正、异常值去除等，这些操作都在软件envi5.3中完成。
[0055]
从校正处理后的遥感影像中计算提取与生态环境密切相关的绿度、湿度、干度、热度四项生态环境因子。该四项生态环境因子分别由归一化植被指数、缨帽变化的湿度分量、建筑指数与土壤指数合成的干度因子和地表温度来表示。
[0056]
具体地，四项生态环境因子的计算公式如下所示：
[0057]
1、计算绿度因子
[0058]
利用归一化植被指数(normalized differential vegetation index，ndvi)表示绿度因子，计算公式(1)如下：
[0059]
ndvi＝(ρ
nir
‑
ρ
red
)/(ρ
nir
ρ
red
)
ꢀꢀ
(1)
[0060]
公式中：ρ
nir
表示近红外波段反射率，ρ
red
表示红波段反射率。
[0061]
2、计算湿度因子
[0062]
利用缨帽变换的湿度分量代表湿度因子。针对不同的传感器缨帽变换湿度分量的计算常数也有相应的变化，通用的计算公式为：
[0063]
wet＝a1ρ
blue
a2ρ
green
a3ρ
red
a4ρ
nir
‑
a5ρ
mir1
‑
a6ρ
mir2
ꢀꢀ
(2)
[0064]
其中，a1‑
a6为不同的计算常数，wet表示湿度分量，ρ
blue
、ρ
green
、ρ
red
、ρ
nir
、ρ
mir1
和ρ
mir2
分别表示影像对应的蓝、绿、红、近红外、短波红外1波段和短波红外2波段的反射率。
[0065]
具体地，对于landsat
‑
8(oli/tirs)遥感影像缨帽变换湿度公式如下：
[0066]
wet
etm
＝0.2626ρ
blue
0.2141ρ
green
0.0926ρ
red
0.0656ρ
nir
‑
0.7629ρ
mir1
‑
0.5388ρ
mir2
ꢀꢀ
(3)
[0067]
具体地，对于landsat
‑
7(etm )遥感影像缨帽变换湿度公式如下：
[0068]
wet
oli
＝0.1511ρ
blue
0.1973ρ
green
0.3283ρ
red
0.3407ρ
nir
‑
0.7117ρ
mir1
‑
0.4599ρ
mir2
ꢀꢀ
(4)，根据上述公式计算出相应的湿度因子值。
[0069]
3、计算干度因子
[0070]
本实施例选用裸土指数(soil index，si)和建筑指数(index
‑
based built
‑
up index，ibi)，以及合成的归一化差分建立建筑指数(normalized difference built
‑
up index，ndbsi)来表示干度因子，裸土指数的计算公式为：
[0071][0072]
建筑指数的计算公式为：
[0073][0074]
干度因子的计算公式为：
[0075][0076]
利用上述公式计算出相应的干度因子值。
[0077]
4、计算热度因子
[0078]
利用地表温度(land surface temperature，lst)来代表热度因子。本实施例中采用大气校正法计算地表温度，根据辐射传输方程对地表温度进行反演，计算公式如下：
[0079]
l＝gain
·
dn bias
ꢀꢀ
(8)
[0080][0081]
lst＝t/[1 (λ
·
t/)lnε]
ꢀꢀ
(10)
[0082]
公式(8)
‑
(10)中，l表示热红外波段的像元在传感器处的辐射值；dn是像元的灰度值；gain、bias分别是热红外波段的增益值和偏置值(从影像头文件中读取)；k1、k2分别为不同的定标参数(通过用户手册获得，网址：http://landsathandbook.gsfc.nasa.gov)；λ为热红外的中心波长(对于landsat
‑
8(oli/tirs)和landsat
‑
7(etm )遥感影像，etm 热红外中心波段为11.435μm，tirs热红外波段的中心波长为10.9μm)；ε为比辐射率。
[0083]
通过对应的公式计算得到上述四项因子后，再将四项因子进行归一化处理。
[0084]
更优地，由于绿度、湿度对生态环境起到积极作用，采用公式(11)对其进行正向归一化，而干度、热度对生态环境起到消极作用，采用公式(12)对其进行逆向归一化，从而统一各项指标量纲：
[0085][0086][0087]
其中x
ij
为第i个样本的第j个指标的值(i＝1,2,3,..n,j＝1,2,3,4)，y
ij
为对应生态因子的归一化值。
[0088]
将上述步骤中归一化后的四项因子再利用熵权法计算分配权重。在计算时引入移动窗口，移动窗口的作用方式为：以每个像元(i，j)为中心，构建133*133大小的窗口作为小尺度区域，在窗口范围内对四项生态环境评价因子进行熵权法运算，将计算得到的窗口区域的四项因子的权重值作为中心像元的权重值，按照这种方式，对整个目标研究区域进行遍历(如逐行逐列)访问，得到四项因子的权重分布图。
[0089]
具体地，熵权法的基本思路是根据指标变异性的大小来确定客观权重。熵值是不确定性的一种度量，信息量越大，不确定性就越小，熵也就越小；信息量越小，不确定性越大，熵也越大。熵值通过数据的波动来显示信息，通过地物本身存在的差异，即数据的离散型程度大小来表征区域的相对生态环境。利用信息熵这个工具，计算出各项指标的权重，为
多指标综合评价提供依据。在本技术方案中，用熵权法代替主成分分析法，能无需对水体进行掩膜，将水体纳入区域的生态环境评价中。
[0090]
熵权法的计算步骤主要如下：
[0091]
对归一化后的因子求各指标中每个值的概率即计算该指标的变异大小，计算公式如下：
[0092][0093]
求各指标的信息熵，计算公式如下：
[0094][0095]
其中e
j
是j个指标的信息熵，n是每个指标中不同值的个数，p
ij
是第i个样本在第j个指标中出现的概率。
[0096]
计算各指标权重，计算公式如下：
[0097][0098]
将得到的因子权重图与归一化后的生态因子指标加权相加，得到ersei
la
的值。具体地，ersei
la
的计算公式为：
[0099]
ersei
la
＝w1·
greenness w2·
wetness w3·
heat w4·
dryness
ꢀꢀ
(16)
[0100]
式中,greenness为绿度、wetness为湿度、heat为热度、dryness为干度，w1至w4为熵权法获取的各因子的权重。
[0101]
最后利用得到的ersei
la
的值获得区域生态环境质量的空间分布，从而对目标区域的生态环境状况进行评价。
[0102]
在传统方法中，构建具有局部适应性的区域生态环境评价模型指标(rsei
la
)以评价生态环境的方法主要分为三个部分：1、遥感影像数据预处理部分，包括辐射定标、大气校正、水体掩膜等；2、绿度、湿度、干度、热度四项生态因子计算部分；3、综合指标评价模型指标的构建部分。具体方法步骤参考图2，图2为本实施例中传统的构建具有局部适应性的遥感生态环境评价指数来评价生态环境的工作流程示意图。在综合指标构建部分，首先对四项生态因子进行因子归一化，将四项因子均统一为[0,1]之间的无量纲值。在构建过程中，对四项因子分布图以添加移动窗口的方式进行区域划分，每个窗口内单独进行主成分分析的运算，将窗口内计算得到的第一主成分分量值赋给中心像元，作为窗口中心像元(i,j)的生态环境影响因子权重。最后生成目标区域四项生态影响因子权重分布图，分别与归一化后的四项生态因子加权求和构建出综合指标rsei
la
，裁剪、归一化之后得到区域生态环境质量空间分布图，便于进行后续的生态环境评价与分析。
[0103]
相对于上述生态环境评价模型的构建方法，本技术方案提出的顾及局部特征的遥感生态环境评价方法指数(ersei
la
)，是在rsei的基础上通过设置移动窗口，将一个窗口区域内计算得到的ersei
la
值，作为中心像元的值。这是考虑到该中心像元实际的生态环境受到邻近地物影响较大，超过一定距离，则地物对其几乎没有影响。而移动窗口的设置，相当于只将对中心像元有影响的地物范围进行计算，没有将远距离地物纳入计算范围。这将进
一步考虑区域生态环境的局部特征，即地物(水体、植被、土地等)相互作用影响，构成的局部区域的生态环境特征，并考虑邻近生态环境的相互影响的同时去除距离较远地物对研究区域生态环境的影响，避免出现局部特殊生态环境对整个研究区生态环境评价的结果造成过度影响。与此同时还充分考虑研究区域水体对生态环境产生的效益，将水体纳入生态环境评价范围。针对复杂的地物环境，ersei
la
较rsei、rsei
la
有更大的现实意义。
[0104]
此外，本方法建立的是一种更为通用的利用生态评价指标评价生态环境的评价方式，在区域生态环境质量评价过程中效率更高，该方法充分考虑了区域的局部特征，即各类地物的相互空间关系以及水体对区域环境的生态效益，将水体纳入生态评价范围，能更为准确、真实的量化区域生态环境特征，尤其是对于水体多的湿地型城市更具有意义，相比于传统方法在使用之前要将水体进行掩膜，将水体(湖泊、河流)部分排除评价范围的手，本方法则不需要将水体掩膜，从而对水体也可以进行评价。该方法也使得生态环境评价的结果更加贴合实际，能更为真实地模拟复杂的地表生态状况。
[0105]
具体地，本方法用到的“局部特征”这一概念中，局部意味着对研究的尺度做了划分，传统生态环境评价中将整个研究区全局作为研究尺度。而本方法则对研究区进行划分，相当于将整个大研究区划分为许多小尺度区域进行计算。
[0106]
小尺度区域(即移动窗口区域)单独进行计算时更多的考虑这个小尺度区域内的地面物体、生态间的相互关系。同时地理学第一定律指出“任何事物都与其他事物相联系，但邻近的事物比较远的事物联系更为紧密”，临近事物关系更为密切，这样一来，窗口单独计算就去除了远距离地物的影响。同时水体对区域生态环境也有促进作用，在生态环境评价中利用熵权法加入水体也是全面考虑目标研究区域的局部特征。
[0107]
以上所述仅为本发明的较佳实施例而已，并不用于限制本发明，凡在本发明的精神和原则范围之内所作的任何修改、等同替换以及改进等，均应包含在本发明的保护范围之内。
[0108]
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。