一种生态地质环境质量评价方法、系统及电子设备与流程

1.本发明涉及生态环境评价的技术领域，具体为一种生态地质环境质量评价方法、系统及电子设备。


背景技术：

2.生态地质环境是研究以人类为主体的生物与地质环境之间关系的科学，生态地质的概念体现了地球岩石圈、水圈、生物圈和大气圈之间的相互作用。
3.据研究，生态环境与地质环境之间有一些相互融合的交集，如荒漠化、水土流失、水土资源开发利用引起的环境恶化等既是地质环境问题，也是生态环境问题。对生态地质环境质量的评价工作是研究生态地质环境的重要一环，其最终目标就是通过研究人类活动与生态环境、地质环境相互作用与相互制约关系实现生态地质环境的量化、定性的评价结果，并根据评价结果有针对性的通过规范人类活动行为和制定合理的政策、措施等手段，实现对生态地质环境的妥善保护、合理开发与科学重建。换言之，生态地质环境研究的最终目标是协调人-地-生关系，提高生态地质环境质量促进生态环境保护与重建，减轻和避免环境灾害风险，从而促进社会经济的可持续发展。
4.已有的评价方法都是通过层次分析法等确定各评价指标权重，采用加权综合指数法计算，结果与各个因子是线性的关系，这与实际有较大的出入，评价结果并不准确。而且，现有的评价体系都是直奔主题，以众多因子生硬堆砌叠加而成，其评价结果主观性强，客观性不足。


技术实现要素：

5.本发明的目的在于克服现有评价方法不准确的问题，提供了一种生态地质环境质量评价方法、系统及电子设备。
6.为了实现上述目的，本发明提供一种生态地质环境质量评价方法，包括以下步骤：
7.获取目标区域的多个生态地质环境评价因子；
8.根据地质环境、自然环境和人类活动三个层级对所述生态地质环境评价因子通过相关性分析软件进行相关性分析，确定每一个所述生态地质环境评价因子的所属层级；
9.对所述生态地质环境评价因子通过细分软件进行细分处理，得到生态地质环境评价因子细分类型；
10.分别对每个所述层级中符合第一预定条件的所述生态地质环境评价因子细分类型进行合成，得到所属于不同所述层级的组合因子；
11.获取所述组合因子中满足所属层级第二预定条件的组合因子以及所述满足所属层级第二预定条件的组合因子对所属层级的影响程度等级，利用分类方法进行学习，分别得到与所述地质环境层级、所述自然环境层级和所述人类活动层级对应的地质环境评价结果及其图像数据、自然环境评价结果及其图像数据和人类活动评价结果及其图像数据；
12.将所述地质环境评价结果图像数据、所述自然环境评价结果图像数据和所述人类
活动评价结果图像数据作为三个生态地质环境评价因子，根据所述生态地质环境评价因子得到生态地质环境评价因子细分类型；对符合第一预定条件的所述生态地质环境评价因子细分类型进行合成得到组合因子，获取所述组合因子中满足第二预定条件的组合因子以及所述满足第二预定条件的组合因子对生态地质环境质量的影响程度等级，利用分类方法进行学习，得到生态地质环境质量综合评价结果图像数据。
13.作为一种可实施方式，所述生态地质环境评价因子包括所述生态地质环境评价因子对应的图像数据，所述生态地质环境评价因子细分类型包括所述生态地质环境评价因子细分类型对应的图像数据，所述组合因子包括所述组合因子对应的图像数据；
14.在获取目标区域的多个生态地质环境评价因子的步骤中，获取到的所述生态地质环境评价因子包括地形坡度、地貌类型、年降水量、植被覆盖率、断裂密度、工程地质、水文地质、自然资源覆被、耕作地表覆盖现状、人口密度、公路铁路密度、建筑物密度、地质灾害点密度、矿业活动密度、土壤重金属污染指数、土壤湿度、叶面积指数、总初级生产力；
15.其中，所述地形坡度、所述年降水量、所述植被覆盖率、所述土壤湿度、所述叶面积指数、所述总初级生产力都是栅格数据，所述地貌类型、所述工程地质、所述水文地质、所述自然地表覆被、所述耕作地表覆盖现状、所述人口密度、所述建筑物密度、所述矿业活动密度、所述土壤重金属污染指数、所述断裂密度、所述公路铁路密度、所述地质灾害点密度都是矢量数据；
16.所述矢量数据包括面状矢量数据、线性矢量数据和点状矢量数据，其中，所述地貌类型、所述工程地质、所述水文地质、所述自然地表覆被、所述耕作地表覆盖现状、所述人口密度、所述建筑物密度、所述矿业活动密度、所述土壤重金属污染指数都为所述面状矢量数据，所述断裂密度和所述公路铁路密度都为所述线性矢量数据，所述地质灾害点密度为所述点状矢量数据。
17.作为一种可实施方式，在根据地质环境、自然环境和人类活动三个层级对所述生态地质环境评价因子通过相关性分析软件进行相关性分析，确定每一个所述生态地质环境评价因子的所属层级的步骤中，所述相关性分析软件包括spss相关性分析软件，得到的所述生态地质环境评价因子的所属层级分别为：所属于所述地质环境层级的所述生态地质环境评价因子包括自然地表覆被、地貌类型、植被覆盖率、年降水量、土壤湿度、地质灾害点密度、土壤重金属污染指数，所属于所述自然环境层级的所述生态地质环境评价因子包括工程地质、水文地质、断裂密度、地形坡度、地貌类型、地质灾害点密度，所属于所述人类活动层级的所述生态地质环境评价因子包括耕作地表覆盖现状、公路铁路密度、建筑物密度、人口密度、矿业活动密度、土壤重金属污染指数。
18.作为一种可实施方式，所述细分软件包括arcgis软件，对所述生态地质环境评价因子通过细分软件进行细分处理，得到生态地质环境评价因子细分类型的步骤具体包括：
19.根据预设的标准化细分规则对所述生态地质环境评价因子通过所述细分软件进行细分，将图像数据格式为矢量数据的生态地质环境评价因子转化为图像数据格式为栅格数据的生态地质环境评价因子，完成全部所述生态地质环境评价因子的细分处理，得到生态地质环境评价因子细分类型。
20.作为一种可实施方式，根据预设的标准化细分规则对所述生态地质环境评价因子通过所述细分软件进行细分，将数据格式为矢量数据的所述生态地质环境评价因子转化为
数据格式为栅格数据的所述生态地质环境评价因子，完成全部所述生态地质环境评价因子的细分处理，得到生态地质环境评价因子细分类型的步骤具体包括：
21.根据标准化细分规则中设定的所述生态地质环境评价因子细分类型和与所述生态地质环境评价因子细分类型相对应的分值，依次获取所述生态地质环境评价因子细分类型以及与所述生态地质环境评价因子细分类型相对应的分值，对所述生态地质环境评价因子细分类型进行赋分；完成赋分后，若所述生态地质环境评价因子为栅格数据，则不再进行处理；若所述生态地质环境评价因子为矢量数据，则将所述矢量数据转化为所述栅格数据，最终得到数据格式都为栅格数据的生态地质环境评价因子细分类型。
22.作为一种可实施方式，分别对每个所述层级中符合第一预定条件的所述生态地质环境评价因子细分类型进行合成，得到所属于不同所述层级的组合因子的步骤具体包括：
23.分别获取每一所述层级中图像大小、分辨率、坐标系、像素类型都相同的生态地质环境评价因子细分类型的像元数和坐标位置，将所属层级相同、所述像元数相同且所述坐标位置相邻的多个所述生态地质环境评价因子细分类型进行组合，得到组合因子，其中，每条所述组合因子都包括该所述组合因子所属层级中所包含的全部所述生态地质环境评价因子。
24.作为一种可实施方式，所述第二预定条件为面积占比条件，所述影响程度等级分为五种，分别为好、较好、一般、较差、差，对应的分值分别为1、2、3、4、5；获取所述组合因子中满足所属层级第二预定条件的组合因子以及所述满足所属层级第二预定条件的组合因子对所属层级的影响程度等级，利用分类方法进行学习，分别得到与所述地质环境、所述自然环境和所述人类活动对应的地质环境评价结果图像数据、自然环境评价结果图像数据和人类活动评价结果图像数据的步骤具体包括：
25.获取地质环境层级中每条所述组合因子的像元数和该条所述组合因子对应图像的行数和列数，根据每条组合因子的像元数和该条所述组合因子对应图像的行数和列数的乘积得到每条所述组合因子的面积占比，获取所述地质环境层级中符合所述地质环境层级面积占比条件的组合因子以及所述符合所述地质环境层级面积占比条件的组合因子对所述地质环境层级的影响程度等级，利用分类方法进行学习，得到地质环境评价结果及其图像数据，其中，所述地质环境评价结果包括所述地质环境层级中全部所述组合因子的影响程度等级；
26.获取自然环境层级中每条所述组合因子的像元数和该条所述组合因子对应图像的行数和列数，根据每条组合因子的像元数和该条所述组合因子对应图像的行数和列数的乘积得到每条所述组合因子的面积占比，获取所述自然环境层级中符合所述自然环境层级面积占比条件的组合因子以及所述符合所述自然环境层级面积占比条件的组合因子对所述自然环境层级的影响程度等级，利用分类方法进行学习，得到自然环境评价结果及其图像数据，其中，所述自然环境评价结果包括所述自然环境层级中全部所述组合因子的影响程度等级；
27.获取人类活动层级中每条所述组合因子的像元数和该条所述组合因子对应图像的行数和列数，根据每条组合因子的像元数和该条所述组合因子对应图像的行数和列数的乘积得到每条所述组合因子的面积占比，获取所述人类活动层级中符合所述人类活动层级面积占比条件的组合因子以及所述符合所述人类活动层级面积占比条件的组合因子对所
述人类活动层级的影响程度等级，利用分类方法进行学习，得到人类活动评价结果及其图像数据，其中，所述人类活动评价结果包括所述人类活动层级中全部所述组合因子的影响程度等级。
28.相应的，本发明还提供了一种生态地质环境质量评价系统，包括：包括以下模块：
29.获取模块：获取目标区域的多个生态地质环境评价因子；
30.分层模块：根据地质环境、自然环境和人类活动三个层级对所述生态地质环境评价因子通过相关性分析软件进行相关性分析，确定每一个所述生态地质环境评价因子的所属层级；
31.细分模块：对所述生态地质环境评价因子通过细分软件进行细分处理，得到生态地质环境评价因子细分类型；
32.组合模块：分别对每个所述层级中符合第一预定条件的所述生态地质环境评价因子细分类型进行合成，得到所属于不同所述层级的组合因子；
33.评价模块：获取所述组合因子中满足所属层级第二预定条件的组合因子以及所述满足所属层级第二预定条件的组合因子对所属层级的影响程度等级，利用分类方法进行学习，分别得到与所述地质环境层级、所述自然环境层级和所述人类活动层级对应的地质环境评价结果及其图像数据、自然环境评价结果及其图像数据和人类活动评价结果及其图像数据；
34.综合模块：将所述地质环境评价结果、所述自然环境评价结果和所述人类活动评价结果作为三个生态地质环境评价因子，根据所述生态地质环境评价因子得到生态地质环境评价因子细分类型，对符合第一预定条件的所述生态地质环境评价因子细分类型进行合成得到组合因子，获取所述组合因子中满足第二预定条件的组合因子以及所述满足第二预定条件的组合因子对生态地质环境质量的影响程度等级，利用分类方法进行学习，得到生态地质环境质量综合评价结果及其图像数据。
35.相应的，本发明还提供了一种电子设备，包括：至少一个处理器，与至少一个所述处理器通信连接的存储器；至少一个所述处理器用于读取所述存储器中的程序，用于执行任一项所述方法。
36.相应的，本发明还提供了一种计算机介质，所述介质上存储有指令，当所述指令在计算机上运行时，使得计算机执行任一项所述的方法。
37.本发明的有益效果：本发明提供了一种生态地质环境质量评价方法、系统及电子设备，包括：获取目标区域的多个生态地质环境评价因子；根据地质环境、自然环境和人类活动三个层级对所述生态地质环境评价因子通过相关性分析软件进行相关性分析，确定每一个所述生态地质环境评价因子的所属层级；对所述生态地质环境评价因子通过细分软件进行细分处理，得到生态地质环境评价因子细分类型；分别对每个所述层级中符合第一预定条件的所述生态地质环境评价因子细分类型进行合成，得到所属于不同所述层级的组合因子；获取所述组合因子中满足所属层级第二预定条件的组合因子以及所述满足所属层级第二预定条件的组合因子对所属层级的影响程度等级，利用分类方法进行学习，分别得到与所述地质环境层级、所述自然环境层级和所述人类活动层级对应的地质环境评价结果及其图像数据、自然环境评价结果及其图像数据和人类活动评价结果及其图像数据；将所述地质环境评价结果、所述自然环境评价结果和所述人类活动评价结果作为三个生态地质环
境评价因子，根据所述生态地质环境评价因子得到生态地质环境评价因子细分类型，对符合第一预定条件的所述生态地质环境评价因子细分类型进行合成得到组合因子，获取所述组合因子中满足第二预定条件的组合因子以及所述满足第二预定条件的组合因子对生态地质环境质量的影响程度等级，利用分类方法进行学习，得到生态地质环境质量综合评价结果及其图像数据；
38.本发明通过确定每一个所述生态地质环境评价因子的所属层级，进行赋分处理和合成，得到所属于该所述层级的组合因子，得到所述组合因子对所属层级的所述影响程度等级，利用分类方法进行学习，分别得到三个层级的评价结果，作为三个生态地质环境评价因子，得到生态地质环境质量综合评价结果；通过同时快速的对符合条件的生态环境质量评价因子进行统计得到组合因子，分析所述组合因子的组合情况、面积占比和分布位置，充分全面地将目标区域进行分析和统计，使得每一个图斑的形成均是强有力的数据支撑，对评价结果具有很强的客观性提供了数据基础，同时，通过各所述生态地质环境评价因子与三个层级之间的相关关系来得出三种评价结果，由此进行叠加分析能客观反映事实的本质，使评价结果与实际更相符。
附图说明
39.图1为本发明生态环境保护方法步骤示意图；
40.图2为本发明生态环境保护方法地质环境层级中所述组合因子的部分面积占比统计表示意图；
41.图3为本发明生态环境保护方法自然环境评价打分表示意图；
42.图4为本发明生态环境保护方法地质环境评价打分表示意图；
43.图5为本发明生态环境保护方法地质环境评价结果图像数据对应的地质环境评价结果示意图；
44.图6为本发明生态环境保护方法人类活动评价结果图像数据对应的人类活动评价结果示意图；
45.图7为本发明生态环境保护方法自然环境评价结果图像数据对应的自然环境评价结果示意图；
46.图8为本发明生态环境保护方法将所述地质环境评价结果图像数据、所述自然环境评价结果图像数据、所述人类活动评价结果图像数据进行组合的部分所述组合因子的面积占比统计表示意图；
47.图9为本发明生态环境保护方法所述地质环境评价结果图像数据、所述自然环境评价结果图像数据、所述人类活动评价结果图像数据对生态地质环境的影响程度打分表示意图；
48.图10为本发明生态环境保护方法滤波前的生态环境质量综合评价结果的部分图斑状况示意图；
49.图11为本发明生态环境保护方法滤波后的生态环境质量综合评价结果的部分图斑状况示意图；
50.图12为本发明生态环境保护方法滤波后的生态环境质量综合评价结果图像数据对应的生态环境质量综合评价结果示意图。
具体实施方式
51.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
52.参见图1，本实施例提供一种技术方案：一种生态地质环境质量评价方法，包括以下步骤：
53.步骤s100：获取目标区域的多个生态地质环境评价因子；
54.步骤s200：根据地质环境、自然环境和人类活动三个层级对所述生态地质环境评价因子进行相关性分析，确定每一个所述生态地质环境评价因子的所属层级；
55.步骤s300：对所述生态地质环境评价因子通过细分软件进行细分处理，得到生态地质环境评价因子细分类型；
56.步骤s400：分别对每个所述层级中符合第一预定条件的所述生态地质环境评价因子细分类型进行合成，得到所属于不同所述层级的组合因子；
57.步骤s500：获取所述组合因子中满足所属层级第二预定条件的组合因子以及所述满足所属层级第二预定条件的组合因子对所属层级的影响程度等级，利用分类方法进行学习，分别得到与所述地质环境、所述自然环境和所述人类活动对应的地质环境评价结果及其图像数据、自然环境评价结果及其图像数据和人类活动评价结果及其图像数据；
58.步骤s600：将所述地质环境评价结果图像数据、所述自然环境评价结果图像数据和所述人类活动评价结果图像数据作为三个生态地质环境评价因子，根据所述生态地质环境评价因子得到生态地质环境评价因子细分类型，对符合第一预定条件的所述生态地质环境评价因子细分类型进行合成得到组合因子，获取所述组合因子中满足第二预定条件的组合因子以及所述满足第二预定条件的组合因子对生态地质环境质量的影响程度等级，利用分类方法进行学习，得到生态地质环境质量综合评价结果图像数据。
59.所述生态地质环境评价因子包括所述生态地质环境评价因子对应的图像数据，所述生态地质环境评价因子细分类型包括所述生态地质环境评价因子细分类型对应的图像数据，所述组合因子包括所述组合因子对应的图像数据。
60.在获取目标区域的多个生态地质环境评价因子的步骤中，获取目标区域的多个生态地质环境评价因子的方式包括遥感解译、收集资料、现场实地调查、测绘等；
61.在获取目标区域的多个生态地质环境评价因子的步骤中，获取到的所述生态地质环境评价因子包括地形坡度、地貌类型、年降水量、植被覆盖率、断裂密度、工程地质、水文地质、自然资源覆被、耕作地表覆盖现状、人口密度、公路铁路密度、建筑物密度、地质灾害点密度、矿业活动密度、土壤重金属污染指数、土壤湿度、叶面积指数、总初级生产力，其中，所述地形坡度、所述年降水量、所述植被覆盖率、所述土壤湿度、所述叶面积指数、所述总初级生产力都是栅格数据，所述地貌类型、所述工程地质、所述水文地质、所述自然地表覆被、所述耕作地表覆盖现状、所述人口密度、所述建筑物密度、所述矿业活动密度、所述土壤重金属污染指数、所述断裂密度、所述公路铁路密度、所述地质灾害点密度都是矢量数据；
62.所述矢量数据包括面状矢量数据、线性矢量数据和点状矢量数据，其中，所述地貌类型、所述工程地质、所述水文地质、所述自然地表覆被、所述耕作地表覆盖现状、所述人口
密度、所述建(构)筑物密度、所述矿业活动密度、所述土壤重金属污染指数都为所述面状矢量数据，所述断裂密度和所述公路铁路密度都为所述线性矢量数据，所述地质灾害点密度为所述点状矢量数据。
63.基于上面所述的18个所述生态地质环境评价因子，基于人与自然和谐的角度，从人类活动对自然环境的改造与破坏、人类活动对地质环境的影响等相关关系出发，人类活动、生态环境、地质环境相互作用与相互制约的相关关系实现生态地质环境的量化、定性的评价，因此通过采用自然环境、地质环境、人类活动三个层级的组合分析，得出最终的评价结果；而且，通过对三个所述层级的相互关系进行分析后发现，自然环境、地质环境为变量因子，人类活动为控制因子，人类活动对自然环境及地质环境有着根本性的控制能力，也是本评价方法的核心所在。
64.根据地质环境、自然环境和人类活动三个层级对所述生态地质环境评价因子通过相关性分析软件进行相关性分析，确定每一个所述生态地质环境评价因子的所属层级的步骤中，所述相关性分析软件包括spss相关性分析软件即在确定三个层级后，通过spss(pearson kendall spearman)相关性分析软件对所述生态地质环境评价因子进行相关性分析，具体为：通过spss分析三个层级分别与各因子之间的相关性情况，分别选取与三个所述层级相关性高的主要相关因子，得出结论如下：所述自然环境层级的主要相关因子包括自然地表覆被、地貌类型、植被覆盖率、年降水量、土壤湿度、地质灾害点密度、土壤重金属污染指数，所述地质环境层级的主要相关因子包括所述工程地质、水文地质、断裂密度、地形坡度、地貌类型、地质灾害点密度，所述人类活动层级的主要相关因子包括耕作地表覆盖现状、公路铁路密度、建筑物密度、人口密度、矿业活动密度、土壤重金属污染指数，其中，相同的所述生态地质环境评价因子有可能会同时所属于不同所述层级，例如：所述土壤重金属污染指数分别所属于所述人类活动层级和所述自然环境层级。
65.本实施例提出了分层评价概念，通过各所述生态地质环境评价因子与三个层级之间的相关关系来得出三种评价结果，由此进行叠加分析能客观反映事实的本质，使评价结果与实际更相符。
66.对所述生态地质环境评价因子通过细分软件进行细分处理，得到生态地质环境评价因子细分类型的步骤中，所述细分软件包括arcgis软件，具体包括：
67.根据预设的标准化细分规则对所述生态地质环境评价因子过所述细分软件进行细分，将赋分后的数据格式为矢量数据的生态地质环境评价因子转化为数据格式为栅格数据的生态地质环境评价因子，完成全部所述生态地质环境评价因子的细分处理，得到生态地质环境评价因子细分类型。
68.根据预设的标准化细分规则对所述生态地质环境评价因子过所述细分软件进行细分，将赋分后的数据格式为矢量数据的生态地质环境评价因子转化为数据格式为栅格数据的生态地质环境评价因子，完成全部所述生态地质环境评价因子的细分处理，得到生态地质环境评价因子细分类型的步骤具体包括：
69.根据标准化细分规则中设定的对所述生态地质环境评价因子的细分类型和与所述生态地质环境评价因子细分类型相对应的分值，依次获取所述生态地质环境评价因子细分类型以及与所述生态地质环境评价因子的细分类型相对应的分值，完成对全部所述生态地质环境评价因子细分类型的赋分处理；完成赋分后，若所述生态地质环境评价因子为栅
格数据，则不再进行处理；若所述生态地质环境评价因子为矢量数据，则将所述矢量数据转化为所述栅格数据，最终得到图像数据格式都为栅格数据的生态地质环境评价因子细分类型。
70.所述矢量数据包括面状矢量数据、线性矢量数据和点状矢量数据，将所述矢量数据转化为所述栅格数据的步骤具体包括：将所述面状矢量数据直接栅格化为10m*10m的像元，将所述线性矢量数据和所述点状矢量数据采用1000m*1000m的网格进行密度计算，转成点后进行克里金插值处理，形成10m*10m的栅格像元，完成将所述矢量数据转化为所述栅格数据的处理。
71.具体的，通过arcgis等具有进行赋分及矢量转栅格功能的软件对获取的图像数据增加一个赋值字段，根据标准化细分规则(如表1)中对所述生态地质环境评价因子进行细分后的的所述生态地质环境评价因子细分类型和和与所述生态地质环境评价因子细分类型相应的分值，依次获取所述生态地质环境评价因子细分类型以及与所述生态地质环境评价因子细分类型相对应的分值，将选取出的所述生态地质环境评价因子细分类型，在所述赋值字段内标注相应的分值，即根据标准化细分规则(如下表1)，把分值为1对应的所述生态地质环境评价因子细分类型选择出来，在赋值字段里标为1，把分值为3对应的所述生态地质环境评价因子细分类型选择出来，在赋值字段里标为3，把分值为5对应的所述生态地质环境评价因子细分类型选择出来，在赋值字段里标为5，把分值为7对应的所述生态地质环境评价因子细分类型选择出来，在赋值字段里标为7，把分值为10对应的所述生态地质环境评价因子细分类型选择出来，在赋值字段里标为10，完成全部所述生态地质环境评价因子的细分处理，所述生态地质环境评价因子根据数据格式的不同，分为数据格式为栅格数据的生态地质环境评价因子和数据格式为矢量数据的生态地质环境评价因子，对所述数据格式为栅格数据的生态地质环境评价因子完成赋分，得到生态地质环境评价因子细分类型后，不再进行处理，即完成了数据格式为栅格数据的生态地质环境评价因子的细分处理，而数据格式为矢量数据的生态地质环境评价因子需要将数据格式转化为栅格数据，由此完成全部所述生态地质环境评价因子的细分处理，得到数据格式都为栅格数据的生态地质环境评价因子细分类型，所述矢量数据包括面状矢量数据、线性矢量数据和点状矢量数据，将所述矢量数据转化为所述栅格数据的步骤具体包括：将所述面状矢量数据栅格化为10m*10m的像元，将所述线性矢量数据和所述点状矢量数据采用1000m*1000m的网格进行密度计算，转成点后进行克里金插值处理，形成10m*10m的栅格像元，完成将所述矢量数据转化为所述栅格数据的处理。
72.所述标准化细分规则如下表1所示：
[0073][0074]
[0075]
表1
[0076]
由于各个所述生态地质环境评价因子的获取方式都是现有技术，因此下面将对各个所述生态地质环境评价因子的获取方式以及参照表1对不同所述生态地质环境评价因子细分类型及对应的进行简要介绍说明：
[0077]
地貌类型：基于高分辨率遥感影像数据获取目标区域的地貌类型图像数据，再根据所述地貌类型划分类型以及数字高程模型dem，将所述地貌类型细分为五种类型，分别对应五种标准及分值，具体的，根据表1可以看出，第一种细分类型对应的所述地貌类型为平原，对应的分值为1，代表的标准为极不充分，第二种细分类型为台地、低丘陵，对应的分值为3，代表的标准为不充分，第三种细分类型为中、高倾缓丘陵、低山，对应的分值为5，代表的标准为较充分，第四种细分类型为中山，对应的分值为7，代表的标准为充分，第五种细分类型为切割特别强烈的山地，对应的分值为10，代表的标准为特别充分；根据所述五个类型和对应的标准及分值对所述地貌类型进行赋分；
[0078]
地形坡度：通过数字高程模型dem数据获得目标区域的等高线数据，将等高线数据中的相对高差因素转换为坡度因素，利用地理信息系统计算获得目标区域中有关所述坡度因素的坡度值，获得地形坡度图像数据(单位为：
°
)，将所述地形坡度细分为五个类型，分别对应五种标准及分值，具体的，根据表1可以看出，第一种细分类型对应的所述地形坡度为小于8、大于等于75小于90，对应的分值为1，代表的标准为极不充分，第二种细分类型为大于等于8小于15、大于等于65小于75，对应的分值为3，代表的标准为不充分，第三种细分类型为大于等于15小于25、大于等于55小于等于65，对应的分值为5，代表的标准为较充分，第四种细分类型为大于等于25小于35、大于等于45小于55，对应的分值为7，代表的标准为充分，第五种细分类型为大于等于35小于45，对应的分值为10，代表的标准为特别充分；根据所述五种类型和对应的标准及分值对所述地形坡度进行赋分；
[0079]
年降水量：从中国气象网站下载每月降水测量数据，对所述降水测量数据进行数据处理后，将处理后的12个月的所述降水测量数据进行相加计算，得到年降水测量数据，将获得的所述年降水测量数据转点后进行克里金插值处理得出目标区域的年降水量图像数据(单位为：mm)，需要注意的事，所述年降水测量数据本身就是栅格数据，对所述栅格数据进行克里金插值处理的原因是，因为全国的数据范围广，分辨率低，我们要获取目标区域的数据，所述目标区域可以为一个县，需要再进行插值重采样得到所述目标区域10*10像元分辨率的栅格数据；
[0080]
根据年降水量的大小细分为五种类型，分别对应五种标准及分值，具体的，根据表1可以看出，第一种细分类型对应的年降水量为大于等于100小于500，对应的分值为1，代表的标准为极不充分，第二种细分类型为大于等于500小于1000，对应的分值为3，代表的标准为不充分，第三种细分类型为大于等于1000小于1500，对应的分值为5，代表的标准为较充分，第四种细分类型为大于等于1500小于等于2000，对应的分值为7，代表的标准为充分，第五种细分类型为大于2000、小于100，对应的分值为10，代表的标准为特别充分；根据所述五种类型种类型和对应的标准及分值对所述年降水量进行赋分；
[0081]
植被覆盖率：基于landsat8影像，计算目标区域的归一化植被指数ndvi，根据所述归一化植被指数ndvi计算所述植被覆盖率(单位为：％)，得到植被覆盖率图像数据，根据所述植被覆盖率的大小将所述植被覆盖率细分为五种类型，分别对应五种标准及分值，具体
的，根据表1可以看出，第一种细分类型对应的植被覆盖率为大于80，对应的分值为1，代表的标准为极不充分，第二种细分类型为大于等于60小于等于80，对应的分值为3，代表的标准为不充分，第三种细分类型为大于等于40小于60，对应的分值为5，代表的标准为较充分，第四种细分类型为大于等于20小于40，对应的分值为7，代表的标准为充分，第五种细分类型为小于20，对应的分值为10，代表的标准为特别充分；根据所述五种类型种类型和对应的标准及分值对所述植被覆盖率进行赋分；
[0082]
断裂密度：基于已有的大比例尺区域地质图采用遥感解译的方式遥感解译得到断裂线矢量数据，利用已建立的1km网格切割各条断层后，统计各个评价单元内断裂长度，并计算该评价单元中断裂长度与单元格面积比，得到断裂密度图像数据即岩石破碎指数图像数据(单位为km/km2)，根据所述断裂密度的大小细分为五种类型，分别对应五种标准及分值，具体的，根据表1可以看出，第一种细分类型对应的断裂密度为0，对应的分值为1，代表的标准为极不充分，第二种细分类型为小于1，对应的分值为3，代表的标准为不充分，第三种细分类型为小于2.5，对应的分值为5，代表的标准为较充分，第四种细分类型为下雨等于4，对应的分值为7，代表的标准为充分，第五种细分类型为大于4，对应的分值为10，代表的标准为特别充分；根据所述五种类型和对应的标准及分值对所述断裂密度进行赋分；
[0083]
工程地质：主要以国产高分影像gf-1号卫星遥感数据作为基础底图进行遥感解译，并以美国陆地卫星计划的第八颗卫星landsat8数据作为遥感解译辅助数据，建立岩石地层以及第四系松散堆积物的遥感解译标志，在收集到1:5万区域地质图的基础上，将河网水系、坑塘水库湖泊、第四系坡洪积、冲洪积、冲积、湖沼积、人类活动层等地层单元的边界进行修正，并正确填写其属性，得到工程地质图像数据，根据目标区域各地层单元的岩性特征，将工程地质分为土粒和岩体两类，所述土粒包括粗粒土、细粒土和巨粒土三类，所述岩体包括坚硬岩、较坚硬岩、较软岩、软岩和极软岩，本实施例根据以上类型将所述工程地质细分为五种类型，分别对应五种标准及分值，具体的，根据表1可以看出，第一种细分类型对应的工程地质为土粒，对应的分值为1，代表的标准为极不充分，第二种细分类型为坚硬岩，对应的分值为3，代表的标准为不充分，第三种细分类型为较坚硬岩、较软岩，对应的分值为5，代表的标准为较充分，第四种细分类型为软岩，对应的分值为7，代表的标准为充分，第五种细分类型为极软岩，对应的分值为10，代表的标准为特别充分；根据所述五种类型和对应的标准及分值对所述工程地质进行赋分；
[0084]
水文地质：基于已有大比例尺区域地质图或水文地质图，对目标区域进行地层岩性、含水层、承压水、泉眼等信息进行提取，得到水文地质图像数据，将所述水文地质细分为五种类型，分别对应五种标准及分值，具体的，根据表1可以看出，第一种细分类型对应的水文地质为地表水，对应的分值为1，代表的标准为极不充分，第二种细分类型为平原孔隙水，对应的分值为3，代表的标准为不充分，第三种细分类型为岩溶水，对应的分值为5，代表的标准为较充分，第四种细分类型为碎屑岩裂隙水，对应的分值为7，代表的标准为充分，第五种细分类型为孔隙水、岩浆岩裂隙水，对应的分值为10，代表的标准为特别充分；根据所述五种类型和对应的标准及分值对所述工程地质进行赋分；
[0085]
自然地表覆被：通过收集第二次全国土地调查数据和第三次全国土地调查数据，基于高分辨率遥感影像，得到所述自然地表覆被图像数据，将所述自然地表覆被细分为五种类型，分别对应五种标准及分值，具体的，根据表1可以看出，第一种细分类型对应的自然
地表覆被为地表水，对应的分值为1，代表的标准为极不充分，第二种细分类型为林地，对应的分值为3，代表的标准为不充分，第三种细分类型为园地、草地、竹林，对应的分值为5，代表的标准为较充分，第四种细分类型为白茶，对应的分值为7，代表的标准为充分，第五种细分类型为建设用地、采矿用地等其他，代表的标准为特别充分；根据所述五种类型和对应的标准及分值对所述自然地表覆被进行赋分；
[0086]
耕作地表覆盖现状：通过收集第二次全国土地调查数据和第三次全国土地调查数据，基于高分辨率遥感影像，得到耕作地表覆盖现状图像数据，将所述耕作地表覆盖现状细分为五种类型，分别对应五种标准及分值，具体的，根据表1可以看出，第一种细分类型对应的自然地表覆被为林园草等其他，对应的分值为1，代表的标准为极不充分，第二种细分类型为耕地，对应的分值为3，代表的标准为不充分，第三种细分类型为建设用地，对应的分值为5，代表的标准为较充分，第四种细分类型为交通运输用地、裸地，对应的分值为7，代表的标准为充分，第五种细分类型为采矿用地，代表的标准为特别充分；根据所述五种类型和对应的标准及分值对所述耕作地表覆盖现状进行赋分；
[0087]
人口密度：提取土地利用数据中城镇居民房屋用地图斑，利用城镇建筑用地面积占1km
×
1km评价网格的面积比，转成点后进行克里金插值处理，得到所述人口密度图像数据(单位为人/km2)，将所述人口密度细分为五种类型，分别对应五种标准及分值，具体的，第一种细分类型对应的所述人口密度为小于0.2，对应的分值为1，代表的标准为极不充分，第二种细分类型为大于等于0.2小于0.4，对应的分值为3，代表的标准为不充分，第三种细分类型为大于等于0.4小于0.6，对应的分值为5，代表的标准为较充分，第四种细分类型为大于等于0.6小于等于0.8，对应的分值为7，代表的标准为充分，第五种细分类型为大于0.8，代表的标准为特别充分；根据所述五种类型和对应的标准及分值对所述人口密度进行赋分；
[0088]
公路铁路密度：从收集到的第二次全国土地调查数据、第三次全国土地调查数据或遥感解译成果数据中提取交通建设用地(公路、铁路)图斑，再利用arcscan提取道路中心线，通过1km
×
1km评价网格切割各条道路后，统计各个评价单元内道路(公路、铁路)的长度，并计算该单元中的道路(公路、铁路)长度与单元格面积比，进行密度计算转成点后进行克里金插值处理，得到目标区域的公路铁路密度图像数据(单位为km/km2)，将所述公路铁路密度细分为五种类型，分别对应五种标准及分值，具体的，第一种细分类型对应的所述公路铁路密度为小于0.2，对应的分值为1，代表的标准为极不充分，第二种细分类型为大于等于0.2小于2，对应的分值为3，代表的标准为不充分，第三种细分类型为大于等于2小于5，对应的分值为5，代表的标准为较充分，第四种细分类型为大于等于5小于等于10，对应的分值为7，代表的标准为充分，第五种细分类型为大于10，代表的标准为特别充分；根据所述五种类型和对应的标准及分值对所述公路铁路密度进行赋分；
[0089]
建筑物(构筑物)密度：提取土地利用数据中主居民房屋、各种基础设施、办公场所、机场、港口、交通等图斑，计算1km
×
1km评价网格中建(构)筑物面积的面积占比，转成点后进行克里金插值处理，得到建筑物、构筑物密度图像数据(单位为km2/km2)，将所述建(构)筑物密度划分为五种类型，分别对应五种标准及分值，具体的，第一种细分类型对应的所述建(构)筑物密度为小于0.2，对应的分值为1，代表的标准为极不充分，第二种细分类型为大于等于0.2小于0.4，对应的分值为3，代表的标准为不充分，第三种细分类型为大于等于0.4
小于0.6，对应的分值为5，代表的标准为较充分，第四种细分类型为大于等于0.6小于等于0.8，对应的分值为7，代表的标准为充分，第五种细分类型为大于0.8，代表的标准为特别充分；根据所述五种类型和对应的标准及分值对所述建(构)筑物密度进行赋分；
[0090]
地质灾害点密度：地质灾害点数据是基于收集的地质灾害信息数据，再采用遥感解译的方法提取的工作区的地质灾害点信息，直接统计1km
×
1km评价网格的地质灾害个数，转成点后进行克里金插值处理，得到目标区域的地质灾害点密度图像数据(单位为：个/km2)，将所述地质灾害点密度细分为五种类型，分别对应五种标准及分值，具体的，第一种细分类型对应的所述地质灾害点密度为0，对应的分值为1，代表的标准为极不充分，第二种细分类型为小于等于0.5，对应的分值为3，代表的标准为不充分，第三种细分类型为小于等于1，对应的分值为5，代表的标准为较充分，第四种细分类型为小于等于3，对应的分值为7，代表的标准为充分，第五种细分类型为大于3，代表的标准为特别充分；根据所述五种类型和对应的标准及分值对所述地质灾害点密度进行赋分；
[0091]
需要说明的是，在这里获取栅格数据的过程中进行克里金插值处理的原因是：以点及面，得到全域灾害点密度；统一数据，得到与其他因子分辨率一致的栅格数据；
[0092]
矿业活动密度：提取土地利用中采矿用地图斑，统计各1km评价网格中矿山用地面积，转成点后进行克里金插值处理，得到目标区域的矿业活动密度图像数据(单位为km2/km2)，将所述矿业活动密度细分为五种类型，分别对应五种标准及分值，具体的，第一种细分类型对应的所述矿业活动密度为0，对应的分值为1，代表的标准为极不充分，第二种细分类型为小于0.1，对应的分值为3，代表的标准为不充分，第三种细分类型为小于0.4，对应的分值为5，代表的标准为较充分，第四种细分类型为小于等于0.8，对应的分值为7，代表的标准为充分，第五种细分类型为大于0.8，代表的标准为特别充分；根据所述五种类型和对应的标准及分值对所述矿业活动密度进行赋分；
[0093]
土壤重金属污染指数：在目标区域内收集土壤重金属污染指数图像数据，其中，重金属主要有zn、pb、ni、hg、cu、cr、cd、as共八种金属，每一种重金属的污染区域及污染程度均为分15个标准，其中14级及以上标准为国标污染，13级及以下为无污染，将所述土壤重金属污染指数细分为两种类型，对应两种标准及分值，具体的，第一种细分类型对应的所述土壤重金属污染指数为无污染，对应的分值为1，代表的标准为极不充分，第二种细分类型为有污染，对应的分值为10，代表的标准为特别充分，根据所述两个标准和对应的标准及分值对所述土壤重金属污染指数进行赋分；
[0094]
土壤湿度：利用landsat8遥感影像，对所述landsat8遥感影像进行辐射校正处理，通过envi/idl软件，提取归一化植被指数ndvi和地表温度ts，得到所有所述归一化植被指数ndvi像元所对应的不同时相的最大地表温度(tsmax)和最小地表温度(tsmin)，保存到文本文件中，其中，所述归一化植被指数ndvi的步长为0.01，再将提取到的所述归一化植被指数ndvi数据和最大地表温度(tsmax)、最小地表温度(tsmin)数据导入到excel中，构建ts-ndvi特征空间，得到地表温度-植被指数散点图，其中，所述归一化植被指数ndvi为横轴，所述地表温度ts为纵轴，得到温度-植被指数散点图，通过所述地表温度-植被指数散点图和地表温度ts、植被指数的分布极限来确定所述ts-ndvi特征空间的边界点，通过线性拟合得到不同时相的干、湿边方程，通过所述干、湿边方程计算得到温度-植被干旱指数，得到土壤湿度图像数据(单位为：％)，将所述土壤湿度细分为五种类型，分别对应五种标准化分值，
具体的，第一种细分类型对应的所述土壤湿度为小于0.2，即极湿润，对应的分值为1，代表的标准为极不充分，第二种细分类型为小于0.4，即湿润，对应的分值为3，代表的标准为不充分，第三种细分类型为小于0.6，即正常，对应的分值为5，代表的标准为较充分，第四种细分类型为小于0.8，即干旱，对应的分值为7，代表的标准为充分，第五种细分类型为大于等于0.8，即极干旱，代表的标准为特别充分；根据所述五种类型和对应的标准及分值对所述土壤湿度进行赋分；
[0095]
叶面积指数：利用landsat8遥感影像，得到归一化植被指数ndvi，再采用经验公式法计算叶面积指数图像数据(单位为倍数)，将所述叶面积指数细分为五种类型，分别对应五种标准化分值，具体的，第一种细分类型对应的所述叶面积指数为大于等于3小于4，对应的分值为1，代表的标准为极不充分，第二种细分类型为大于等于4且小于5、大于等于2小于3，对应的分值为3，代表的标准为不充分，第三种细分类型为大于等于5小于6、大于等于1小于2，对应的分值为5，代表的标准为较充分，第四种细分类型为大于等于6小于等于7、小于1，对应的分值为7，代表的标准为充分，第五种细分类型为大于7，代表的标准为特别充分；根据所述五种类型和对应的标准及分值对所述叶面积指数进行赋分；
[0096]
总初级生产力：利用中分辨率成像光谱仪modis数据产品mod17a2获取数据，去除无用数值，再乘以0.0001，得到总初级生产力数据，转点后克里金插值得到目标区域的总初级生产力图像数据(每天、每平方米有机碳的含量)，将所述总初级生产力划分为五种类型，分别对应五种标准及分值，具体的，第一种细分类型对应的所述总初级生产力为大于60，对应的分值为1，代表的标准为极不充分，第二种细分类型为30以上60以下，对应的分值为3，代表的标准为不充分，第三种细分类型为10以上30以下，对应的分值为5，代表的标准为较充分，第四种细分类型为0以上10以下，对应的分值为7，代表的标准为充分，第五种细分类型为0，代表的标准为特别充分；根据所述五种类型和对应的标准及分值对所述总初级生产力进行赋分，其中，在这里进行插值处理的原因是，因为全国的数据范围广，分辨率低，我们要评价目标区域(即评价的区域)的数据，所述目标区域可以为一个县，因此需要进行插值重采样得到所述工作区10*10像元分辨率的栅格数据。
[0097]
在对所述生态地质环境评价因子通过细分软件进行细分处理，得到生态地质环境评价因子细分类型后，分别对每个所述层级中符合第一预定条件的所述生态地质环境评价因子细分类型进行合成，得到所属于不同所述层级的组合因子的步骤具体包括：
[0098]
分别获取每一所述层级中图像大小、分辨率、坐标系、像素类型都相同的生态地质环境评价因子细分类型的像元数和坐标位置，将所属层级相同、所述像元数相同且所述坐标位置相邻的多个所述生态地质环境评价因子细分类型进行组合，得到组合因子，其中，各个层级中的每条组合因子都包括该所述组合因子所属层级中所包含的全部所述生态地质环境评价因子。
[0099]
具体的，各个层级中的每条组合因子都包括该所述组合因子所属层级中所包含的全部所述生态地质环境评价因子，即在所述地质环境层级的每条所述组合因子包括自然地表覆被、地貌类型、植被覆盖率、年降水量、土壤湿度、地质灾害点密度、土壤重金属污染指数这7个因子组成，所述自然环境层级的每条所述组合因子包括工程地质、水文地质、断裂密度(岩石破碎指数)、地形坡度、地貌类型、地质灾害点密度，所述人类活动层级的每条所述组合因子包括耕作地表覆盖现状、公路铁路密度、建(构)筑物密度、人口密度、矿业活动
密度、土壤重金属污染指数；
[0100]
但是，不同所述组合因子中包含的同一种所述生态地质环境评价因子的细分类型可能不同。
[0101]
如图2所述为在所述地质环境层级中，不同所述生态地质环境评价因子细分类型所组成的组合因子，其中，图中所述生态地质环境评价因子下方的数字代表不同所述生态地质环境评价因子细分类型对应的分值，即不同所述生态地质环境评价因子下面的分值所对应的就是该所述生态地质环境评价因子细分类，例如类别号为1的第一条组合因子，为由“所述自然地表覆被为地表水、所述地貌类型为平原、所述植被覆盖率为》80、所述年降水量为≥100＜500、所述土壤湿度为极湿润《0.2、所述地质灾害点密度为0、所述土壤重金属污染指数为无”这7个所述生态质量环境评价因子细分类型所组成，其中，7个所述生态质量环境评价因子细分类型的图像大小、分辨率、坐标系、像素类型都相同，而且也满足所述像元数相同且所述坐标位置相邻的条件，将这7个所述生态质量环境评价因子细分类型进行组合，得到所属于所述地质环境层级中的一条组合因子；此为一条记录，不同组合生成不同记录；
[0102]
所述第二预定条件为面积占比条件，获取所述组合因子中满足所属层级第二预定条件的组合因子以及所述满足所属层级第二预定条件的组合因子对所属层级的影响程度等级，利用分类方法进行学习，分别得到与所述地质环境、所述自然环境和所述人类活动对应的地质环境评价结果图像数据、自然环境评价结果图像数据和人类活动评价结果图像数据的步骤具体包括：
[0103]
获取地质环境层级中每条所述组合因子的像元数和该条所述组合因子对应图像的行数和列数，根据每条组合因子的像元数和该条所述组合因子对应图像的行数和列数的乘积得到每条所述组合因子的面积占比，获取所述地质环境层级中符合所述地质环境层级面积占比条件的组合因子以及所述符合所述地质环境层级面积占比条件的组合因子对所述地质环境层级的影响程度等级，根据所述符合所述地质环境层级面积占比条件的组合因子和所述符合所述地质环境层级面积占比条件的组合因子对所述地质环境层级的影响程度等级，利用分类方法进行学习，得到地质环境评价结果图像数据；
[0104]
获取自然环境层级中每条所述组合因子的像元数和该条所述组合因子对应图像的行数和列数，根据每条组合因子的像元数和该条所述组合因子对应图像的行数和列数的乘积得到每条所述组合因子的面积占比，即每条所述组合因子的面积占比＝每条组合因子的像元数/该条所述组合因子对应图像的行数和列数的乘积,获取所述自然环境层级中符合所述自然环境层级面积占比条件的组合因子以及所述符合所述自然环境层级面积占比条件的组合因子对所述自然环境层级的影响程度等级，根据所述符合所述自然环境层级面积占比条件的组合因子以及所述符合所述自然环境层级面积占比条件的组合因子对所述自然环境层级的影响程度等级，利用分类方法进行学习，得到地质环境评价结果图像数据；
[0105]
获取人类活动层级中每条所述组合因子的像元数和该条所述组合因子对应图像的行数和列数，根据每条组合因子的像元数和该条所述组合因子对应图像的行数和列数的乘积得到每条所述组合因子的面积占比，获取所述人类活动层级中符合所述人类活动层级面积占比条件的组合因子以及所述符合所述人类活动层级面积占比条件的组合因子对所述人类活动层级的影响程度等级，根据所述符合所述人类活动层级面积占比条件的组合因
子以及所述符合所述人类活动层级面积占比条件的组合因子对所述人类活动层级的影响程度等级利用分类方法进行学习，得到人类活动评价结果图像数据；
[0106]
其中，所述第二预定条件为所述组合因子的面积占比条件，所述面积占比条件由各所述层级根据所属于各所述层级的所述组合因子的面积占比分别确定。
[0107]
具体的，获取所述地质环境层级中每条所述组合因子的像元数和该条所述组合因子对应图像的行数和列数，根据每条所述组合因子的总像元数和该条所述组合因子对应图像的行数和列数的乘积计算所述地质环境层级中每条所述组合因子的面积占比，即每条所述组合因子的面积占比＝每条组合因子的像元数/该条所述组合因子对应图像的行数和列数的乘积,将得到的所述面积占比按从大到小排列，得到地质环境占比统计表，如图2所示是所述地质环境层级中部分所述组合因子的面积占比统计表，例如：类别号为1的所述组合因子中，不同所述生态环境评价因子对应的分值都是1，根据所述标准化细分表，得到类别号为1的所述组合因子分别由：工程地质为土体、水文地质为地表水、断裂密度为0、地形坡度为《8,≥75≤90、地貌类型为平原、灾害点密度为0所组成，而该条所述组合因子的像元数为1935408，得到的面积占比为百分之1026379172；根据上述方法依次得到自然环境面积占比统计表、人类活动面积占比统计表。
[0108]
从得到的所述地质环境占比统计表、所述自然环境层级面积占比统计表、所述人类活动面积占比统计表中，分别选取得到满足各所述层级面积占比条件即满足各所述层级面积占比较大这一条件的主要组合因子，例如在所述自然环境层级中，根据得到的面积占比统计表，规定当面积占比大于等于百分之0.16，属于面积占比较大，则将面积占比大于等于百分之0.16的组合因子都选出来，作为主要组合因子；
[0109]
需要注意的是，不同所述层级都是根据得到的面积占比统计表来确定多少面积占比算是比较大的情况，因为不同所述层级的属性不同，所属于不同所述层级的所述组合因子不同，不同所述组合因子的面积占比具体数值不同，所以确定面积占比较大的标准也会不同，因此，在不同所述层级或不同目标区域，都是要根据实际获取的面积占比统计表确定满足面积占比较大条件的标准。
[0110]
在本实施例中，分别在每一所述层级中对符合第一预定条件的所述生态地质环境评价因子细分类型进行合成得到组合因子；获取所述组合因子中满足所属层级第二预定条件的组合因子的步骤都是采用的是自主研发的大数据统计软件，使得能够快速对满足条件的所述生态环境质量评价因子细分类型进行组合得到组合因子，并通过分析所述组合因子的组合情况、面积占比和分布位置，得到满足面积占比较大这一条件的主要组合因子，能充分全面地对目标区域进行系统的分析和统计，使得每一个图斑的形成均有强有力的数据支撑，对评价结果具有很强的客观性提供了数据基础，从而形成非常客观的评价结果，使其更具有现实的可操作性。
[0111]
获取所述满足所属层级第二预定条件的组合因子对所属层级的影响程度等级的步骤具体包括：
[0112]
根据选取得到的面积占比较大的所述主要组合因子，制作地质环境评价赋分表、自然环境评价赋分表和人类活动评价赋分表，例如如图3为部分自然环境评价赋分表示意图，图4为部分地质环境评价赋分表示意图，让不同专家基于不同所述主要组合因子对所属层级的影响程度等级进行评价，评价结果分别为好、较好、一般、较差或差五个等级，用1、2、
3、4、5的分值来表示，分值越小，其影响越小，反之；完成评分后，对专家的评分结果计算截尾平均值，最终得到所述主要组合因子对所属层级的影响程度等级，具体为：选取n个资深专家进行评价，得到n个评分数据，客观来说，n值越大，评价结果越客观，去掉最高值和最低值后得到平均值，为各层级评价结果，所述截尾平均值计算公式为：
[0113][0114]
式中：a表示截尾系数，a＝m/n，n评价数据个数，m表示去掉的数据个数；x
(1)
，x
(2)
，
…
，x
(n)
表示将数据按升序排列后的顺序序列；
[0115]
本实施例通过资深专家赋分进行评价，对所述主要相关因子进行等级划分，得到评价结果，即各所述主要组合因子对所属层级的的影响程度等级，所述影响程度等级包括好、较好、一般、较差、差5种等级，依次对应的分值为1、2、3、4、5，充分考虑了各所述主要组合因子对所属层级的客观影响程度，与实际契合度高。
[0116]
在得到三个所述层级中各所述主要组合因子和所述主要组合因子对所属层级的影响程度等级后，基于不同所述层级，将所述主要组合因子和通过专家评分得到的所述主要组合因子对所属层级的影响程度等级作为样本，利用envi监督分类中最小距离分类，对除所述主要组合因子之外的其他组合因子进行自动学习赋分，由此得到除所述主要组合因子之外的其他组合因子对所属层级的影响程度等级，最后将同一所述层级中，除所述主要组合因子之外的其他组合因子对所属层级的影响程度等级与通过专家赋分得到的所述主要组合因子对所属层级的影响程度等级进行合并，得到该所述层级全部所述组合因子的影响程度等级，分别得到目标区域内与所述地质环境层级、所述自然环境层级和所述人类活动层级对应的自然环境评价结果及其图像数据、地质环境评价结果及其图像数据和人类活动评价结果及其图像数据，具体的：
[0117]
将所述地质环境层级中的所述主要组合因子和所述地质环境层级中的所述主要组合因子对所述地质环境层级的影响程度等级作为样本对目标区域进行自动学习赋分，由此得到所述地质环境层级中之前未评分的除所述主要组合因子之外的其他组合因子的影响程度等级，与已赋影响程度等级的所述主要组合因子合并，得到目标区域内所述地质环境层级的地质环境评价结果及其图像数据，其中，所述地质环境评价结果包括所述地质环境层级中全部所述组合因子的影响程度等级，所述地质环境评价结果及其图像数据包括所述地质环境层级中全部所述组合因子的影响程度等级及全部所述组合因子对应的图像数据，如图5所示为地质环境评价结果图像数据对应的地质环境评价结果示意图，其中，5种色块分别对应影响程度等级的5种等级以及对应的分值；
[0118]
将所述自然环境层级中的所述主要组合因子和所述自然环境层级中的所述主要组合因子对所述自然环境层级的影响程度等级作为样本对目标区域进行自动学习赋分，由此得到所述自然环境层级中之前未评分的除所述主要组合因子之外的其他组合因子的影响程度等级，与已赋影响程度等级的所述主要组合因子合并，得到目标区域内所述自然环境层级的自然环境评价结果及其图像数据，其中，所述自然环境评价结果包括所述自然环境层级中全部所述组合因子的影响程度等级，所述自然环境评价结果及其图像数据包括所述自然环境层级中全部所述组合因子的影响程度等级及全部所述组合因子对应的图像数据，如图7所示为自然环境评价结果图像数据对应的自然环境评价结果示意图，其中，5种色
块分别对应影响程度等级的5种等级以及对应的分值；
[0119]
将所述人类活动层级中的所述主要组合因子和所述人类活动层级中的所述主要组合因子对所述人类活动层级的影响程度等级作为样本对目标区域进行自动学习赋分，由此得到所述人类活动层级中之前未评分的除所述主要组合因子之外的其他组合因子的影响程度等级，与已赋影响程度等级的组合因子合并，得到标区域内所述人类活动层级的人类活动评价结果及其图像数据，其中，所述人类活动评价结果包括所述人类活动层级中全部所述组合因子的影响程度等级，所述人类活动评价结果及其图像数据包括所述人类活动层级中全部所述组合因子的影响程度等级及全部所述组合因子对应的图像数据，如图6所示为人类活动评价结果图像数据对应的人类活动评价结果示意图，其中，5种色块分别对应影响程度等级的5种等级以及对应的分值。
[0120]
在得到所述地质环境评价结果图像数据、所述自然环境评价结果图像数据和所述人类活动评价结果图像数据后，由于评价结果呈现大量分散的小图斑，可以对图像数据进行滤波处理，并归小于1000平方米的小图斑，其中，1000平方米是本实施例根据成果拟达到的精度来设定需要归并的最小面积值，在其他实施例中，也可以另行设定，由此得到滤波后的地质环境评价结果图像数据、自然环境评价结果图像数据和人类活动评价结果图像数据。
[0121]
将所述地质环境评价结果、所述自然环境评价结果和所述人类活动评价结果作为三个所述生态地质环境评价因子，根据所述生态地质环境评价因子得到生态地质环境评价因子细分类型，对符合所述第一预定条件的所述生态地质环境评价因子细分类型进行合成得到组合因子，获取所述组合因子中满足第二预定条件的组合因子以及所述满足第二预定条件的组合因子对生态地质环境质量的影响程度评分，利用分类方法进行学习，得到生态地质环境质量综合评价结果图像数据的步骤包括：
[0122]
将生成的所述自然环境评价结果、地质环境评价结果、人类活动评价结果作为生态地质环境评价因子，根据所述生态地质环境评价因子得到生态地质环境评价因子细分类型，此步骤中的所述生态地质环境评价因子包括好、较好、一般、较差、差5种细分类型，对应所述自然环境评价结果、地质环境评价结果、人类活动评价结果中所包含的影响程度等级，对应分值为1、2、3、4、5；
[0123]
基于图像大小、分辨率、坐标系、像素类型都相同的所述生态地质环境评价因子细分类型，读取所述生态地质环境评价因子细分类型的像元数和坐标位置，将所述像元数相同且所述坐标位置相邻的所述生态地质环境评价因子细分类型进行组合，得到组合因子，如图9所示，序号1的所述组合因子由地质环境“一般”、自然环境“好”、人类环境“较好”构成；
[0124]
获取所述组合因子对应图像的行数和列数，根据所述组合因子对应图像的行数和列数的乘积和所述组合因子的总像元数计算所述组合因子的面积占比，即所述组合因子的总像元数除以该所述组合因子对应图像的行数和列数的乘积，得到面积占比统计表，如图8所示为以所述自然环境评价结果图像数据、地质环境评价结果图像数据、人类活动评价结果图像数据作为所述生态地质环境评价因子的面积占比统计表，其中，自然环境、地质环境、人类活动字段下面的数值为、对应所述生态地质环境评价因子细分类型的分值1、2、3、4、5，对应好、较好、一般、较差、差五种等级；
[0125]
选取组合面积占比较大的主要组合因子，让不同专家基于所述主要组合因子对生态地质环境的影响程度分别进行评价，评价结果为好、较好、一般、较差或差五个等级，用1-5的分值来表示，分值越小，其影响越小，如图8所示为生态地质环境评价打分表；其中，每个所述组合因子都包括全部所述生态地质环境评价因子，通过专家赋分，得到所述主要组合因子对所述生态地质环境质量的影响程度等级，利用envi的最小距离分类，将得到的所述主要组合因子和所述主要组合因子对所述生态地质环境质量的影响程度等级作为样本对目标区域进行自动学习赋分，由此得到之前未评分的除所述主要组合因子之外的其他组合因子的影响程度等级，与已赋影响程度等级的所述主要组合因子进行合并，得到目标区域的生态地质环境质量综合评价结果及其图像数据，更多具体步骤可参见前述中得到自然环境层级、地质环境层级、人类活动层级的评价结果的过程中的相关说明，重复之处不再冗述。
[0126]
在得到所述生态地质环境质量综合评价结果图像数据后，由于评价结果呈现大量分散的小图斑，还包括对所述生态地质环境质量综合评价结果图像数据进行滤波，并归小于1000平方米的小图斑，其中，1000平方米是本实施例根据成果拟达到的精度来设定需要归并的最小面积值，在其他实施例中，也可以另行设定，得到滤波后的生态地质环境质量综合评价结果图像数据，由此形成工作区最终的生态地质环境质量综合评价结果，如图10所示是滤波前的所述生态地质环境质量综合评价成果的部分图斑示意图，如图11所示是滤波后的所述生态地质环境质量综合评价成果的部分图斑示意图，如图12所示为滤波后的以安吉县为目标区域的生态地质环境质量综合评价成果图像数据对应的生态地质环境质量综合评价成果示意图。
[0127]
本评价结果充分体现了人类活动与生态环境、地质环境相互作用与相互制约关系，评价结果客观、正确，与实际情况基本上完全吻合，较为全面、真实地体现了工作区内生态地质环境的质量现状，避免人为生硬地划定生态地质环境质量等级区域，且采用了机器学习分类法，从事实的本质出发，贴合事物发展规律，为后续政府相关部门进行高效、正确的生态地质环境修复及综合整治规划部署、政策法规提供了重要的数据支撑。
[0128]
基于同一发明构思，本发明实施例还提供了一种生态地质环境评价系统，关于系统的组成，可参见前述相关说明，重复之处不再冗述，包括以下模块：
[0129]
获取模块：获取目标区域的多个生态地质环境评价因子；
[0130]
分层模块：根据地质环境、自然环境和人类活动三个层级对所述生态地质环境评价因子通过相关性分析软件进行相关性分析，确定每一个所述生态地质环境评价因子的所属层级；
[0131]
细分模块：对所述生态地质环境评价因子通过细分软件进行细分处理，得到生态地质环境评价因子细分类型；
[0132]
组合模块：分别对每个所述层级中符合第一预定条件的所述生态地质环境评价因子细分类型进行合成，得到所属于不同所述层级的组合因子；
[0133]
评价模块：获取所述组合因子中满足所属层级第二预定条件的组合因子以及所述满足所属层级第二预定条件的组合因子对所属层级的影响程度等级，利用分类方法进行学习，分别得到与所述地质环境层级、所述自然环境层级和所述人类活动层级对应的地质环境评价结果及其图像数据、自然环境评价结果及其图像数据和人类活动评价结果及其图像
数据；
[0134]
综合模块：将所述地质环境评价结果、所述自然环境评价结果和所述人类活动评价结果作为三个生态地质环境评价因子，根据所述生态地质环境评价因子得到生态地质环境评价因子细分类型，对符合第一预定条件的所述生态地质环境评价因子细分类型进行合成得到组合因子，获取所述组合因子中满足第二预定条件的组合因子以及所述满足第二预定条件的组合因子对生态地质环境质量的影响程度等级，利用分类方法进行学习，得到生态地质环境质量综合评价结果图像数据。
[0135]
基于同一发明构思，本发明实施例还提供一种电子设备，关于组成部分，可参见前述相关说明，重复之处不再冗述，包括：至少一个处理器，与至少一个所述处理器通信连接的存储器；至少一个所述处理器用于读取所述存储器中的程序，用于执行上面所述可配置化的多元排序方法。
[0136]
基于同一发明构思，本发明实施例还提供一种计算机可读存储介质，关于组成部分，可参见前述相关说明，重复之处不再冗述，所述介质上存储有指令，当所述指令在计算机上运行时，使得计算机执行上面所述可配置化的多元排序方法。
[0137]
本发明虽然己以较佳实施例公开如上，但其并不是用来限定本发明，任何本领域技术人员在不脱离本发明的精神和范围内，都可以利用上述揭示的方法和技术内容对本发明技术方案做出可能的变动和修改，因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化及修饰，均属于本发明技术方案的保护范围。