【技術實現(xiàn)步驟摘要】
本專利技術涉及生態(tài)風險評估，具體為基于生態(tài)保護紅線劃定的生態(tài)風險評估方法及預警系統(tǒng)。
技術介紹
1、隨著人口的增長和經(jīng)濟的發(fā)展，生態(tài)環(huán)境的保護和管理成為全球關注的焦點。生態(tài)保護紅線作為一種重要的管理手段和政策工具，被廣泛運用于生態(tài)環(huán)境保護和生態(tài)資源管理。然而，傳統(tǒng)的生態(tài)保護紅線劃定方法存在一些局限性，無法全面評估生態(tài)系統(tǒng)的風險狀況，僅僅依靠生態(tài)保護紅線的劃定還不足以全面評估和監(jiān)測生態(tài)系統(tǒng)的風險狀況，因此需要借助先進的技術手段和科學的評估方法，但目前對生態(tài)系統(tǒng)的風險評估主要通過構建經(jīng)驗、過程等模型對生態(tài)系統(tǒng)的狀況和特征進行評估，其本質上均屬穩(wěn)態(tài)模型，多用于一些事后預報，無法全面評估和模擬未來格局演變趨勢。然而，bp神經(jīng)網(wǎng)絡能通過學習、組織過去的經(jīng)驗，提取出規(guī)律性特征并儲存在網(wǎng)絡結構中，可以對當前和未來的生態(tài)狀況進行模擬和預測。此外，實時監(jiān)測和預警系統(tǒng)的需求也日益增長，以便能夠及時響應生態(tài)風險并制定相應的保護和管理措施。在此背景下，針對上述問題，所以需要基于生態(tài)保護紅線劃定的生態(tài)風險評估方法及預警系統(tǒng)。
技術實現(xiàn)思路
1、本專利技術的目的在于提供基于生態(tài)保護紅線劃定的生態(tài)風險評估方法及預警系統(tǒng)。本專利技術提出了基于生態(tài)保護紅線劃定下的生態(tài)風險評估方法及預警系統(tǒng)，該方法通過精確劃定生態(tài)保護紅線，結合bp神經(jīng)網(wǎng)絡技術手段和科學的評估方法，對生態(tài)系統(tǒng)的風險狀況進行準確評估和實時監(jiān)測，能夠更準確實時了解生態(tài)系統(tǒng)的狀態(tài)，將對生態(tài)保護和管理工作提供相關的參考依據(jù)。
2、本專利技術是這樣
3、本專利技術提供基于生態(tài)保護紅線劃定的生態(tài)風險預警系統(tǒng)，包括基于matlab工具、基于google?earth?engine平臺中的javascript和python的編程接口，調用numpy、pandas、scikit-learn、opencv庫，并結合gee平臺的api讀取和處理大規(guī)模的遙感影像數(shù)據(jù)預處理的數(shù)據(jù)預處理模塊；
4、對數(shù)據(jù)預處理模塊處理得出的數(shù)據(jù)進行生態(tài)風險評估指數(shù)分級信息的指標計算模塊；
5、進行實時或定期獲取數(shù)據(jù)預處理模塊和指標計算模塊的數(shù)據(jù)，并對數(shù)據(jù)進行更新和動態(tài)監(jiān)測的動態(tài)監(jiān)測模塊；
6、用于接收動態(tài)監(jiān)測模塊傳入的監(jiān)測信息，通過指標的變化趨勢和閾值設定，觸發(fā)預警并提供決策支持的預警和決策支持模塊；
7、用于接收所述預警和決策支持模塊中的評估結果和預警信息，將生態(tài)風險分布、風險等級、關鍵影響因素的空間分布、評估結果及預警信息以直觀的方式展示給決策者的可視化和報告模塊；
8、用于可視化和報告模塊中的監(jiān)測成果信息，并進行數(shù)據(jù)更新和持續(xù)改進模塊負責定期更新數(shù)據(jù)的數(shù)據(jù)更新和持續(xù)改進模塊。
9、進一步，本專利技術提供基于生態(tài)保護紅線劃定的生態(tài)風險評估方法，具體按以下步驟執(zhí)行；
10、s1:數(shù)據(jù)預處理模塊基于matlab工具、基于google?earth?engine平臺中的javascript和python的編程接口，調用numpy、pandas、scikit-learn、opencv庫，并結合gee平臺的api讀取和處理大規(guī)模的遙感影像數(shù)據(jù)；所述的遙感影像數(shù)據(jù)和其他數(shù)據(jù)源，包括空間分辨率為10m的哨兵2號數(shù)據(jù)、空間分辨率為12.5m的dem地形數(shù)據(jù)、空間分辨率為10m的土地利用數(shù)據(jù)、空間分辨率為1km的1∶1000000土壤數(shù)據(jù)，研究區(qū)各站點的降雨、氣溫和蒸散發(fā)氣象數(shù)據(jù)的調查數(shù)據(jù)；
11、所述的遙感影像數(shù)據(jù)預處理，包括云處理、輻射定標、大氣校正、格式轉化和裁剪，氣象數(shù)據(jù)的處理主要包括剔除缺失值、插值、投影和裁剪。
12、s2:通過指標計算模塊具體得到被監(jiān)測區(qū)域內的水土保持數(shù)據(jù)、水源涵養(yǎng)數(shù)據(jù)、生物多樣性保護數(shù)據(jù)，分別根據(jù)土壤侵蝕量總量、水源涵養(yǎng)能力和生物多樣性指數(shù)bi的大小，采用quantile分位數(shù)功能并結合定性分析；
13、s3:通過指標計算模塊將土壤侵蝕量總量、水源涵養(yǎng)能力和生物多樣性指數(shù)bi的大小三種結果分別分為高等級保護級、中等級警示級、低等級修復級3個等級，分別提取水土保持、水源涵養(yǎng)和生物多樣性保護的低等級區(qū)域，對三類評價結果進行疊加分析獲得重疊區(qū)域，將重疊區(qū)域設置為生態(tài)系統(tǒng)服務功能紅線區(qū)；并且通過構建土地沙化敏感性和土壤侵蝕敏感性兩個指標對生態(tài)環(huán)境敏感性進行評估和分級；
14、s4:分別根據(jù)土地沙化敏感性指數(shù)和土壤侵蝕敏感性指數(shù)的大小，采用自然斷點法和定性分析相結合的方法，將以上兩種結果分別劃分為3級，即一般敏感、敏感和極敏感，提取土地沙化極敏感區(qū)域、土壤侵蝕極敏感區(qū)域，對兩類敏感紅線區(qū)進行疊加分析計算，得到生態(tài)環(huán)境敏感紅線區(qū)；
15、s5:將生態(tài)系統(tǒng)服務功能紅線區(qū)與生態(tài)系統(tǒng)敏感紅線區(qū)進行疊加分析，獲得最終的生態(tài)紅線保護劃定區(qū)域。
16、進一步，在步驟s1中，其中水土保持數(shù)據(jù)的計算是基于rusle土壤侵蝕模型對水土保持進行評估，結合土地利用、坡度、降雨數(shù)據(jù)，計算土壤侵蝕量；
17、水源涵養(yǎng)是基于水量平衡方程進行計算，涉及的輸入變量包括降水量、地表徑流量、蒸發(fā)量和生態(tài)系統(tǒng)類型的數(shù)量；
18、生物多樣性保護是從景觀結構ldi、物種多樣性sdi、生態(tài)系統(tǒng)質量equ三方面構建生物多樣性監(jiān)測與評價指標體系。
19、進一步，在步驟s2中，土地沙化敏感性，采用濕潤度指數(shù)、土壤質地、起風的天數(shù)和植被覆蓋度評價區(qū)域沙漠化敏感性程度；
20、土壤侵蝕敏感性，采用通用土壤侵蝕方程usle為基礎，綜合考慮降水、地貌、植被與土壤質地因素進行評價土壤侵蝕敏感性。
21、進一步，在步驟s3中，基于bp神經(jīng)網(wǎng)絡模型進行生態(tài)風險評價，具體包括以下步驟：
22、s3.1:首先進行bp神經(jīng)網(wǎng)絡模型訓練，模型的訓練過程使用成對的輸入樣本和輸出樣本進行訓練，模型的神經(jīng)元以層的形式進行表達，包括神經(jīng)元包括輸入層、隱含層和輸出層三部分；
23、其中輸入層的公式如式(1)；
24、
25、式中，ci為輸入層神經(jīng)元的第i個指標，即土壤侵蝕量總量、水源涵養(yǎng)量、根據(jù)生物多樣性指數(shù)、土地沙化敏感性指數(shù)和土壤侵蝕敏感性指數(shù)，m為輸入層神經(jīng)元指標的個數(shù)，值為5；
26、隱含層計算如式(2)；
27、
28、其中，n為隱含層神經(jīng)元的個數(shù)，取值為7，n為輸出層神經(jīng)元的個數(shù)，a為0-10之間的常數(shù)；
29、輸出層的計算公式如式(3)；
30、
31、dj為由隱含層傳遞至輸出層的j個變量獲得的生態(tài)系統(tǒng)風險評估指數(shù)，設置輸出層的神經(jīng)元個數(shù)為1，n值的范圍在0-1之間；
32、s3.2:進行模型訓練，首先使用成對的輸入樣本和輸出樣本進行訓練，在生態(tài)紅線保護劃定區(qū)域內選取500個樣本，其中350個樣本用來訓練神經(jīng)網(wǎng)絡，150個樣本作為測試數(shù)據(jù)；
33、s3.3:通過訓練得到的模型進行數(shù)據(jù)預處理模塊得到的數(shù)據(jù)進行生態(tài)風險評價。...
【技術保護點】
1.基于生態(tài)保護紅線劃定的生態(tài)風險預警系統(tǒng)，其特征在于：包括基于Matlab工具、基于Google?Earth?Engine平臺中的JavaScript和Python的編程接口，調用NumPy、Pandas、Scikit-learn、OpenCV庫，并結合GEE平臺的API讀取和處理大規(guī)模的遙感影像數(shù)據(jù)預處理的數(shù)據(jù)預處理模塊；
2.基于生態(tài)保護紅線劃定的生態(tài)風險評估方法，其特征在于：具體按以下步驟執(zhí)行；
3.根據(jù)權利要求2所述的基于生態(tài)保護紅線劃定的生態(tài)風險評估方法，其特征在于：在步驟S1中，其中水土保持數(shù)據(jù)的計算是基于RUSLE土壤侵蝕模型對水土保持進行評估，結合土地利用、坡度、降雨數(shù)據(jù)，計算土壤侵蝕量；
4.根據(jù)權利要求2所述的基于生態(tài)保護紅線劃定的生態(tài)風險評估方法，其特征在于，在步驟S2中，土地沙化敏感性，采用濕潤度指數(shù)、土壤質地、起風的天數(shù)和植被覆蓋度評價區(qū)域沙漠化敏感性程度；
5.根據(jù)權利要求2所述的基于生態(tài)保護紅線劃定的生態(tài)風險評估方法，其特征在于，在步驟S3中，基于BP神經(jīng)網(wǎng)絡模型進行生態(tài)風險評價，具體包括以下步驟：<...
【技術特征摘要】
1.基于生態(tài)保護紅線劃定的生態(tài)風險預警系統(tǒng)，其特征在于：包括基于matlab工具、基于google?earth?engine平臺中的javascript和python的編程接口，調用numpy、pandas、scikit-learn、opencv庫，并結合gee平臺的api讀取和處理大規(guī)模的遙感影像數(shù)據(jù)預處理的數(shù)據(jù)預處理模塊；
2.基于生態(tài)保護紅線劃定的生態(tài)風險評估方法，其特征在于：具體按以下步驟執(zhí)行；
3.根據(jù)權利要求2所述的基于生態(tài)保護紅線劃定的生態(tài)風險評估方法，其特征在于：在步驟s1中，其中水土保持數(shù)據(jù)的計算是基于rusle土壤侵蝕模型對水土保持進行評估，結合土地利用、坡度、降雨數(shù)據(jù)，計算土壤侵蝕量；
4.根據(jù)權利要求2所述的基于生態(tài)保護紅線劃定的生態(tài)風險評估方法，其特征在于，在步驟s2中，土地沙化敏感性，采用濕潤度指數(shù)、土壤質地、起風的天數(shù)和植被覆蓋度評價區(qū)域沙漠化敏感性程度；
5.根據(jù)權利要求2所述的基于生態(tài)保護紅線劃定的生態(tài)風險評估方法，其特征在于，在步驟s3中，基于bp神經(jīng)網(wǎng)絡模型進行生態(tài)風險評價，具體包括以下步驟：
6.根據(jù)權利要求5所述的基于生態(tài)保護紅線劃定的生態(tài)風險評估方法，其特征在于，在步驟s3.2中，樣本的選擇包括不同地理區(qū)域的樣本，包括山區(qū)、沿海地區(qū)、草原、森林、濕地、農(nóng)田；具體按以...
【專利技術屬性】
技術研發(fā)人員：吳磊，孫世山，范麗，
申請(專利權)人：蘇州深藍空間遙感技術有限公司，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。