基于遥感的自然生态环境检测——实验三:生态因子提取

实验三:生态因子提取

一、实验目标

生态因子生成;生态因子归一化;生态环境评价

二、实验内容

根据经过大气校正后的影像生产土地覆盖指数、土壤指数以及坡度等,对土地覆盖指数、土壤指数以及坡度进行密度分割归一化;通过归一化的指数通过综合指数法进行生态环境评价。

三、详细步骤

1.生态因子生成
(1) 植被覆盖度生成
植被覆盖度根据前人研究的NDVI模型估算:
FC=\left(NDVI-{NDVI}{min}\right)/({NDVI}{max}-{NDVI}{min})
式中,NDVI是归一化植被指数,{NDVI}
{max}表示区域内最大NDVI值,{NDVI}{min}表示区域内最小NDVI值。由于图像中不可避免地存在噪声,{NDVI}{max}和{NDVI}_{min}并不一定是最大的NDVI值和最小的NDVI值,可以根据直方图分别取两头“拐点”处的值。
计算NDVI:
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
统计NDVI的范围:
在这里插入图片描述
确定NDVI的有效最大值最小值:
在这里插入图片描述
在这里插入图片描述
利用/Band Algebra/Band Math,在公式栏中输入:
(b1 lt -0.19)*0+(b1 gt 0.63)1+(b1 ge -0.19 and b1 le 0.63 )((b1+0.19)/(0.63+0.19))
在这里插入图片描述
在这里插入图片描述
得到植被覆盖度图像,见图3-1-9.
在这里插入图片描述
(2)土壤指数生成
土壤指数同样采用前人研究的模型裸土植被指数:
GRABS=VI-0.09178BI+5.58959
VI和BI分别为穂帽变换的绿度指数和土壤亮度指数。BI和VI指数可分别用来评价裸土和植被的行为,VI指数与不同植被覆盖度有较大关系,土壤亮度对植被指数有相当大的影响,裸土信息变化的主要部分是由它们的亮度造成的,因此有VI和BI线性组合形成的裸土植被指数能很好地反映裸露情况
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
(3)坡度生成
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
(4)生态因子归一化
评价因子生成之后,直接用它们去进行评价是比较困难的,因为各指标的量纲不一致,所以没有可比性。各指标的量化分值依其对生态环境质量的贡献程度,采用统一顺序原则,即按照它们对生态环境正向影响的大小,从高到低分成若干级,对环境质量贡献越大,编码值越大,反之则编码值越小。各个参评因子数据经过归一化后是一组反映其属性特征的数值,其值介于1-10中之间。
植被覆盖度分级编码表:
覆盖率% 0-10 10-20 20-30 30-40 40-50 50-60 60-70 70-80 80-90 90-100
编码值 1 2 3 4 5 6 7 8 9 10
土壤指数分级编码表:
指数值 <-800 [-800, -500] [-500, -400] [-400, -200] [-200, -100] [-100, 0] [0, 100] [100, 200] [200, 400] >400
编码值 1 2 3 4 5 6 7 8 9 10
地形因子分级编码表:
坡度值 ❤️ 3-8 8-13 13-18 18-23 23-28 28-33 33-38 38-43 >43
编码值 10 9 8 7 6 5 4 3 2 1
密度分割
地形:
在这里插入图片描述
在这里插入图片描述
植被:
在这里插入图片描述
在这里插入图片描述
土壤:
在这里插入图片描述
在这里插入图片描述
2.生态环境评价
本专题选择的评价模型是指数法和综合指数法:
E=w_1\ast S_v+w_2\ast S_s+w_3\ast S_t
在本专题实验中,w_1=0.7;\ w_2=0.2;\ w_3=0.1。
评价结果计算:利用/Band Algebra/Band Math进行综合指标的计算,在公式栏中输入:0.7 * b1 + 0.2 * b2 + 0.1 * b3,b1为植被覆盖度密度分割的结果,b2为土壤指数密度分割的结果,b3为坡度密度分割的结果;
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
(2) 用掩膜文件处理背景区域,把背景区域统一变为0
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
(3) 得到的环境评价结果为一个单波段灰度图像,使用与3-1-20到一致的密度分割方法进一步分为四个环境等级,如下表所示:
评价等级 综合评价指标 说明
优 9-10 自然生态环境基本未收到破坏,生态结构合理、稳定,生态系统自身功能和自我恢复能力很强
良 6-9 自然生态环境基本未受破坏,生态结构比较合理、稳定,生态系统自身功能和自我恢复能力较强。
中 4-6 自然生态环境受到破坏,生态结构基本合理、稳定,生态系统自身功能和自我恢复能力较弱。
差 1-4 自然生态环境严重破坏,生态结构不合理,生态系统自身功能和自我恢复能力很弱

在这里插入图片描述
在这里插入图片描述
(4) 使用工具箱/Statistics/Compute Statistics对结果进行统计分析。
在这里插入图片描述

四、 实验结果

生态环境评价等级图
在这里插入图片描述
Red:1-4,等级低,占比18.2%
Green:4-6.等级中,占比21.5%
Blue:6-9,等级良,占比40.4%
Yellow:9-10,等级优,占比19.9%
通过分析,发现生态环境评价等级符合实际生态环境的分布状况。

五、 总结与心得

  1. 通过本次实验,我学到了相关的生态因子计算,在NDVI的基础上,学到了植被覆盖度、土壤覆盖度、地形因子的计算。
  2. 生态环境评价中,对归一化处理后的影像在分割前,需要掩膜掉背景。
  3. 统计分析结果,等级良占比最大,等级中、优、差,占比相当,符合实际地物生态环境分布状况。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/13313.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

“SCSA-T学习导图+”系列:下一代防火墙

本期引言&#xff1a; 近年来&#xff0c;随着数字化业务带给我们高效和便捷的同时&#xff0c;信息暴露面的增加、网络边界的模糊化以及黑客攻击的产业化&#xff0c;使得网络安全事件相较以往成指数级增加。传统防火墙基于五元组的方式对进出网络的数据流量进行访问控制&…

JavaScript(JS)-1.JS基础知识

1.JavaScript概念 (1)JavaScript是一门跨平台&#xff0c;面向对象的脚本语言&#xff0c;来控制网页行为的&#xff0c;它能使网页可交互 (2)W3C标准&#xff1a;网页主要由三部分组成 ①结构&#xff1a;HTML负责网页的基本结构&#xff08;页面元素和内容&#xff09;。 …

【Linux网络服务】Linux网络设置

一、查看网络配置 1.1ifconfig 1.2ip a 1.3什么是mtu 最大传输单元MTU&#xff0c;是指网络能够传输的最大数据包大小&#xff0c;以字节为单位。MTU的大小决定了发送端一次能够发送报文的最大字节数。如果MTU超过了接收端所能够承受的最大值&#xff0c;或者是超过了发送路径…

EIGRP 配置,详解拓扑表,路由汇聚

1.3 EIGRP 拓扑&#xff0c;路由以及汇聚 1.3.1 实验目的 通过对 EIGRP 拓扑&#xff0c;路由以及汇聚相关实验的练习&#xff0c;掌握 EIGRP 建立拓扑信息的方式&#xff0c; 度量计算方法&#xff0c;如何调整度量&#xff0c;非等价负载均衡&#xff0c;以及 EIGRP 末节路…

做完自动化测试,但别让不会汇报毁了你...

pytest 是一个成熟的全功能Python测试工具&#xff0c;可以帮助您编写更好的程序。它与 python 自带的 unittest 测试框架类似&#xff0c;但 pytest 使用起来更简洁和高效&#xff0c;并且兼容 unittest 框架。pytest 能够支持简单的单元测试和复杂的功能测试&#xff0c;pyte…

Verilog带参数的`define用法

宏除了可以进行简单的文本替换,还可以像函数和任务一样传递指定多个参数分别对文本进行对应的替换. 示例1&#xff1a; define Disp(pa,pb,pc) \initial \begin \#1200; \$display("%d \n",(papbpc)); \$display(" data_ pa data_ pb data_ pc %d",(…

C#中用程序代码修改了datagridview中的数据,保存时只对光标当前行有保存解决办法

C#中DataGridView绑定了DataTable后&#xff0c;通过代码修改DataGridView中的数据&#xff0c;总有一行&#xff08;被修改过并被用户选中的行集合中索引为0的行&#xff09;不能被UpDate回数据库的问题和解决办法 长江黄鹤 2017-06-26 | 300阅读 | 1转藏 转藏全屏朗读分…

真题详解(UML部署图)-软件设计(五十二)

真题详解&#xff08;地址索引&#xff09;-软件设计&#xff08;五十一)https://blog.csdn.net/ke1ying/article/details/130211684 瀑布模式&#xff1a;适应 开发大型项目&#xff0c;且需求明确。 演化模式&#xff1a;适应 对软件需求缺乏准确认知。 螺旋模式&#xff…

【linux】yum “应用商店” 的基本用法

好多工具 yum软件包查看软件包安装软件卸载软件 yum 通俗的讲&#xff0c;这就似我们手机上的应用商店&#xff0c;只不过是在linux下的。 我们可以用yum来下载东西。 软件包 在Linux下安装软件, 一个通常的办法是下载到程序的源代码, 并进行编译, 得到可执行程序。 但是这样…

19 calloc 和 realloc 虚拟内存分配的调试

前言 前面提到了 malloc 虚拟内存分配相关的内容 malloc 虚拟内存分配的调试(1) malloc 虚拟内存分配的调试(2) 这里提 calloc 和 realloc, 这两个函数 虽然没有 malloc 使用频率那么高 但是 还是有很大的知名度的, 本文这里 我们来看一下 calloc 此函数传入两个参数, 第…

Obsidian中如何创作思维导图Mind-map

使用插件 obsidian-mind-map 1.直接在社区下载安装 设置快捷键或者在左侧竖形打开命令面板搜索关键字“mind”&#xff0c; 或者为了便于使用&#xff0c;设置快捷键&#xff0c;在设置-第三方插件中-选择快捷键 然后按下你想设置的快捷键就可以 我这里设置成了CtrlAltM ,M是…

虚拟数字人的3种驱动方式

虚拟数字人是由计算机程序所构建的具有人类特征的虚拟实体&#xff0c;目前的虚拟数字人经过了三代的更迭&#xff0c;划分每一代更迭的标准则是虚拟数字人的驱动方式。 一、虚拟数字人1.0&#xff1a;动画&CG驱动 虚拟数字人1.0就是目前我们所熟知的&#xff0c;比如&am…

LiveCharts2 初步认识

文章目录 1 LiveCharts2 是什么&#xff1f;2 LiveCharts2 可以做什么&#xff1f;3 简单使用LiveCharts2 &#xff0c;实现动态曲线图 1 LiveCharts2 是什么&#xff1f; GitHub&#xff1a;https://github.com/beto-rodriguez/LiveCharts2 官网&#xff1a; https://lvchar…

C++ STL学习之【反向迭代器】

✨个人主页&#xff1a; 夜 默 &#x1f389;所属专栏&#xff1a; C修行之路 &#x1f38a;每篇一句&#xff1a; 图片来源 A year from now you may wish you had started today. 明年今日&#xff0c;你会希望此时此刻的自己已经开始行动了。 文章目录 &#x1f307;前言&a…

分布式锁-Redisson

分布式锁 1、分布式锁1.1 本地锁的局限性1.1.1 测试代码1.1.2 使用ab工具测试(单节点)1.1.3 本地锁问题演示(集群情况) 1.2 分布式锁实现的解决方案1.3 使用Redis实现分布式锁(了解即可)1.3.1 编写代码1.3.2 压测 1.4 使用Redisson解决分布式锁1.4.1 实现代码1.4.1 压测1.4.2 可…

2 常见模块库(2)

2.5 复用器与分路器模块 Mux是一种用于将多个信号组合成一个信号的模块。Mux模块的名称来源于多路复用器&#xff08;Multiplexer&#xff09;。 使用Mux可以将多个输入信号组合成一个向量或矩阵&#xff0c;以便在模型中传递和处理。Mux模块可以接受任意数量的输入信号&#x…

什么是伪原创?SEO伪原创该怎么做

伪原创是指在原有的文章或内容基础上进行修改或调整&#xff0c;以产生看起来是全新内容的文章&#xff0c;但实际上并没有创造新的价值。多数情况下&#xff0c;伪原创的目的是为了在文章相对原创的情况下&#xff0c;提高搜索引擎的排名。 一、高质量伪原创 做好伪原创&#…

C语言从入门到精通第8天(分支结构if、else、switch的使用)

分支结构if、else、switch的使用 if语句if...else语句if...else嵌套if...else if...else语句switch语句 if语句 语法&#xff1a; if(表达式){ 语句&#xff1b; } 如果表达式为真&#xff0c;则执行{}里面的语句。如果为假&#xff0c;则不执行。示例代码&#xff1a; int m…

翻译国外文章-整篇文章的翻译

chatgpt翻译是专业的吗 ChatGPT是一种AI语言模型&#xff0c;它可以用来执行各种自然语言处理任务&#xff0c;包括翻译。然而&#xff0c;ChatGPT的翻译结果并不是专业的翻译&#xff0c;因为该模型并不是专为翻译任务训练的。 虽然ChatGPT的翻译质量相对较高&#xff0c;但…

全景视角下的世界探索——三维全景地图

引言&#xff1a;随着数字技术和虚拟现实技术的发展&#xff0c;三维全景地图已成为一种新型地图展示方式&#xff0c;深受人们的关注和喜爱。三维全景地图以其真实逼真、互动性强、展示效果好等特点&#xff0c;正在越来越多的领域得到应用。 三维全景地图的特点 1.真实逼真 …