一种基于生态水文特征的植被分区方法、系统及装置转让专利
申请号 : CN202110168455.4
文献号 : CN112926416B
文献日 : 2021-12-14
发明人 : 黄峰 , 任光瑞
申请人 : 河海大学
摘要 :
权利要求 :
1.一种基于生态水文特征的植被分区方法,通过目标区域的生态水文特征,对目标区域内的植被进行分区,其特征在于,分别针对目标区域内的各个覆被分布区,通过步骤A和步骤B获得覆被分布区的植被类型,通过执行步骤C,获得该目标区域中植被的分区结果:步骤A、获得覆被分布区的归一化植被指数NDVI、以及覆被分布区数字高程DEM、降水量Pre、实际蒸散发量AET、潜在蒸散发量PET分别对应的栅格影像;
进而根据降水量Pre、实际蒸散发量AET分别对应的栅格影像,得到覆被分布区对应的Pre/AET栅格影像,并根据实际蒸散发量AET、潜在蒸散发量PET分别对应的栅格影像,得到覆被分布区对应的AET/PET栅格影像,构成覆被分布区对应的栅格影像集合,随后进入步骤B;
步骤B、针对覆被分布区,根据覆被分布区的归一化植被指数NDVI,结合预设指数阈值进行比较,将覆被分布区分为植被分布区或非植被分布区;
当覆被分布区为植被分布区时,生成对应的植被分布掩膜,利用植被分布掩膜提取对应的植被分布区,所述植被分布区包括降水依赖型植被分布区、地下水依赖型植被分布区、灌溉依赖型植被分布区,对植被分布区的栅格影像集合进行归一化处理,根据降水情况以及蒸发情况进行植被分布识别,获得植被分布区的植被类型,即得到覆被分布区的植被类型,所述植被类型包括降水依赖型植被、地下水依赖型植被、以及灌溉依赖型植被;
当覆被分布区为非植被分布区时,得到非植被分布区的植被类型为空,即得到覆被分布区的植被类型为空;
步骤C、针对目标区域,结合目标区域内的各个覆被分布区、以及覆被分布区中的植被类型,得到该目标区域中植被的分区结果,并计算目标区域对应的覆被分布精度。
2.根据权利要求1所述的一种基于生态水文特征的植被分区方法,其特征在于,将目标覆被分布区分为植被分布区或非植被分布区,包括:当归一化植被指数小于预设指数阈值时,该目标覆被分布区为非植被分布区;
当归一化植被指数大于或等于预设指数阈值时,该目标覆被分布区为植被分布区。
3.根据权利要求2所述的一种基于生态水文特征的植被分区方法,其特征在于,所述步骤B中,通过以下步骤获得植被分布区中植被的类型,所述植被类型包括降水依赖型植被、地下水依赖型植被、以及灌溉依赖型植被:步骤B1、生成与植被分布区对应的植被分布掩膜,利用植被分布掩膜对目标覆被分布区的DEM栅格影像、以及Pre/AET栅格影像进行裁剪,生成当前植被分布区对应的DEM栅格影像、以及当前植被分布区对应的Pre/AET栅格影像,并对其进行归一化处理,得到植被分布区的归一化DEM、以及归一化Pre/AET,随后进入步骤B2;
步骤B2、通过ISODATA非监督分类方法,结合植被分布区的归一化DEM、以及归一化Pre/AET,识别当前植被分布区为降水依赖型植被分布区、或者为其他水源依赖型植被分布区,其中其他水源依赖型植被分布区包括地下水依赖型植被分布区、以及灌溉依赖型植被分布区,确定植被分布区为降水依赖型植被分布区,随后进入步骤B3;
步骤B3、利用植被分布掩膜对覆被分布区的AET/PET栅格影像、以及NDVI栅格影像进行裁剪,生成当前其他水源依赖型植被对应的植被分布区的AET/PET栅格影像、以及NDVI栅格影像,并对其进行归一化处理,得到其他水源依赖型植被的归一化AET/PET、以及归一化NDVI,随后进入步骤B4;
步骤B4、通过ISODATA非监督分类方法,结合其他水源依赖型植被的归一化AET/PET、以及归一化NDVI,识别当前植被分布区为地下水依赖型植被分布区、或者为灌溉依赖型植被分布区,确定植被分布区类型。
4.根据权利要求1或3所述的一种基于生态水文特征的植被分区方法,其特征在于,所述步骤B中,对栅格影像进行归一化处理,根据公式:其中,R为任意栅格影像,任意栅格影像包括DEM栅格影像、Pre/AET栅格影像、AET/PET栅格影像、以及NDVI栅格影像;
RG为植被分布区的归一化栅格影像,其中RG∈[0,1];
Rmin为覆被分布区的栅格影像的最小值,Rmax为覆被分布区的栅格影像的最大值。
5.根据权利要求1所述的一种基于生态水文特征的植被分区方法,其特征在于,所述步骤C中,根据Kappa系数计算分区精度,根据公式:其中,n1、n2、n3、n4分别为正确分类的降水依赖型植被分布区数目、地下水依赖型植被分布区数目、灌溉依赖型植被分布区数目、非植被分布区数目,n1a、n2a、n3a、n4a分别为实际降水依赖型植被分布区数目、地下水依赖型植被分布区数目、灌溉依赖型植被分布区数目、非植被分布区数目,N为选取的目标区域内覆被分布区的数量,K为Kappa系数,其中K∈[‑1,1]。
6.一种基于生态水文特征的植被分区系统,其特征在于,包括:一个或多个处理器;
存储器,存储可被执行的指令,所述指令在通过所述一个或多个处理器执行时使得所述一个或多个处理器执行操作,分别针对目标区域内的各个覆被分布区,通过步骤A和步骤B获得覆被分布区的植被类型,通过执行步骤C,获得该目标区域中植被的分区结果:步骤A、获得覆被分布区的归一化植被指数NDVI、以及覆被分布区数字高程DEM、降水量Pre、实际蒸散发量AET、潜在蒸散发量PET分别对应的栅格影像;
进而根据降水量Pre、实际蒸散发量AET分别对应的栅格影像,得到覆被分布区对应的Pre/AET栅格影像,并根据实际蒸散发量AET、潜在蒸散发量PET分别对应的栅格影像,得到覆被分布区对应的AET/PET栅格影像,构成覆被分布区对应的栅格影像集合,随后进入步骤B;
步骤B、针对覆被分布区,根据覆被分布区的归一化植被指数NDVI,结合预设指数阈值进行比较,将覆被分布区分为植被分布区或非植被分布区;
当覆被分布区为植被分布区时,生成对应的植被分布掩膜,利用植被分布掩膜对该植被分布区的栅格影像进行归一化处理,获得植被分布区的植被类型,即得到覆被分布区的植被类型;
当覆被分布区为非植被分布区时,得到非植被分布区的植被类型为空,即得到覆被分布区的植被类型为空;
步骤C、针对目标区域,结合目标区域内的各个覆被分布区、以及覆被分布区中的植被类型,得到该目标区域中植被的分区结果,并计算目标区域对应的覆被分布精度。
7.一种存储软件的计算机可读取介质,其特征在于,所述软件包括能通过一个或多个计算机执行的指令,所述指令在被所述一个或多个计算机执行时,执行如所述权利要求1‑4中任意一项所述植被分区方法的操作。
8.一种基于生态水文特征的植被分区装置,其特征在于,包括:用于获得覆被分布区的归一化植被指数NDVI、以及覆被分布区数字高程DEM、降水量Pre、实际蒸散发量AET、潜在蒸散发量PET分别对应的栅格影像的模块;
用于根据降水量Pre、实际蒸散发量AET分别对应的栅格影像,得到覆被分布区对应的Pre/AET栅格影像,并根据实际蒸散发量AET、潜在蒸散发量PET分别对应的栅格影像,得到覆被分布区对应的AET/PET栅格影像,构成覆被分布区对应的栅格影像集合的模块;
用于针对覆被分布区,根据覆被分布区的归一化植被指数NDVI,结合预设指数阈值进行比较,将覆被分布区分为植被分布区或非植被分布区的模块;
用于当覆被分布区为植被分布区时,生成对应的植被分布掩膜,利用植被分布掩膜提取对应的植被分布区,对提取的植被分布区的栅格影像进行归一化处理,获得植被分布区的植被类型,即得到覆被分布区的植被类型的模块;
用于当覆被分布区为非植被分布区时,得到非植被分布区的植被类型为空,即得到覆被分布区的植被类型为空的模块;
用于针对目标区域,结合目标区域内的各个覆被分布区、以及覆被分布区中的植被类型,得到该目标区域中植被的分区结果,并计算目标区域对应的覆被分布精度的模块。
说明书 :
一种基于生态水文特征的植被分区方法、系统及装置
技术领域
背景技术
内陆河流域植被类型主要可划分为自然植被和人工植被,从水资源利用角度植被类型可分
为降水依赖型植被、地下水依赖型植被、灌溉依赖型植被,在对植被种类进行识别与空间分
布研究中,传统的野外实地调查费时费力,且不适合流域尺度大面积作业,在现有技术中多
结合卫星和无人机遥感影像,采用目视解译、智能算法等方法对人工植被种类识别、以及地
下水依赖植被空间分布开展植被分区研究。
型植被分布研究中,通常通过构建归一化植被指数与地下水埋深的响应关系曲线、或者通
过地下水在植被水分利用总量的占比评估植被对地下水的依赖程度,从而确定地下水依赖
型植被的空间分布范围,但是现有的植被种类识别方法,存在以下不足:
域水资源管理和生态环境保护提供技术支撑和科学依据。
发明内容
得到覆被分布区对应的AET/PET栅格影像,构成覆被分布区对应的栅格影像集合,随后进入
步骤B;
布区、灌溉依赖型植被分布区,对提取的植被分布区的栅格影像进行归一化处理,获得植被
分布区的植被类型,即得到覆被分布区的植被类型,所述植被类型包括降水依赖型植被、地
下水依赖型植被、以及灌溉依赖型植被;
格影像、以及当前植被分布区对应的Pre/AET栅格影像,并对其进行归一化处理,得到植被
分布区的归一化DEM、以及归一化Pre/AET,随后进入步骤B2;
区,其中其他水源依赖型植被分布区包括地下水依赖型植被分布区、以及灌溉依赖型植被
分布区,确定植被分布区为降水依赖型植被分布区,随后进入步骤B3;
栅格影像,并对其进行归一化处理,得到其他水源依赖型植被的归一化AET/PET、以及归一
化NDVI,随后进入步骤B4;
型植被分布区,确定植被分布区类型。
际降水依赖型植被分布区数目、地下水依赖型植被分布区数目、灌溉依赖型植被分布区数
目、非植被分布区分布区数目,N为选取的目标区域内覆被分布区的数量,K为Kappa系数,其
中K∈[‑1,1]。
步骤B获得覆被分布区的植被类型,通过执行步骤C,获得该目标区域中植被的分区结果:
得到覆被分布区对应的AET/PET栅格影像,构成覆被分布区对应的栅格影像集合,随后进入
步骤B;
区的植被类型;
计算机执行时,执行任意一项所述植被分区方法的操作。
得到覆被分布区对应的AET/PET栅格影像,构成覆被分布区对应的栅格影像集合的模块;
布区的植被类型,即得到覆被分布区的植被类型的模块;
地理特征、植被水分利用特征以及植被长势特征对植被进行分类分区,得到的植被分类结
果的更为全面,弥补现有方法未综合考虑植被的生态水文特征、分类与分区结果,以致无法
明确植被水资源利用类型的不足,同时,提高归一化植被指数NDVI、数字高程(Digital
Elevation Model,DEM)、降水量(Precipitation,Pre)、实际蒸散发量(Actual
Evapotranspiration,AET)、潜在蒸散发量(Potential Evapotranspiration,PET)等资料
的利用效率,完善面向流域尺度的、针对干旱区内陆河流域的、基于生态水文特征的植被分
区方法体系,提升流域生态保护与修复的分区管控能力,为保障干旱区内陆河流域自然绿
洲植被生态需水、提高水资源利用效益、优化水资源配置格局提供技术支撑和科学依据,以
促进人水和谐、助力生态文明建设、实现可持续发展。
附图说明
具体实施方式
施例,以及下面更加详细地描述的那些构思和实施方式可以以很多方式中任意一种来实
施,这是因为本发明所公开的构思和实施例并不限于任何实施方式。另外,本发明公开的一
些方面可以单独使用,或者与本发明公开的其他方面的任何适当组合来使用。
间分布两种方法实现的,由于现有的两种方法不适用于流域尺度大面积区域的作业,因此,
本发明采用一种结合植被分布自然地理特征、植被水分利用特征、以及植被长势特征,构建
指标体系,采用非监督分类进行植被分区识别,获得特定流域的植被分区结果,并应用至生
态保护中,对为水资源管理和生态环境保护提供技术支持和科学依据。
得到覆被分布区对应的AET/PET栅格影像,构成覆被分布区对应的栅格影像集合,随后进入
步骤B;
的植被类型,即得到覆被分布区的植被类型;
1km;
得到覆被分布区对应的AET/PET栅格影像,构成覆被分布区对应的栅格影像集合,随后进入
步骤B;
鲁番盆地,预设指数阈值为0.06,将覆被分布区分为植被分布区或非植被分布区;
的植被类型,即得到覆被分布区的植被类型,所述植被分布区包括降水依赖型植被、地下水
依赖型植被、以及灌溉依赖型植被,通过以下步骤获得植被分布区中植被的类型:
格影像、以及当前植被分布区对应的Pre/AET栅格影像,并对其进行归一化处理,得到植被
分布区的归一化DEM、以及归一化Pre/AET,随后进入步骤B2;
区,其中其他水源依赖型植被分布区包括地下水依赖型植被分布区、以及灌溉依赖型植被
分布区,确定植被分布区为降水依赖型植被分布区,在干旱区内陆河流域,降水依赖型植被
主要分布在上游山区,对应的覆被分布区数字高程DEM、以及Pre/AET相对较大,而地下水依
赖型植被和灌溉依赖型植被主要分布在中下游平原区,降水稀少,潜在蒸散发剧烈,对应的
覆被分布区数字高程DEM、以及Pre/AET相对较小,随后进入步骤B3,考虑降水依赖型植被和
地下水依赖型植被、灌溉依赖型植被自然地理特征与水资源利用特征的差异,利用DEM和
Pre/AET两个指标,基于植被分布区的归一化DEM栅格影像和植被分布区的归一化Pre/AET
栅格影像,采用ISODATA(Iterative Self‑Organizing Data Analysis Technique)非监督
分类方法,识别降水依赖型植被和其它水源依赖型植被,其中其它水源依赖型植被包括地
下水依赖型植被和灌溉依赖型植被;
栅格影像,并对其进行归一化处理,得到其他水源依赖型植被的归一化AET/PET、以及归一
化NDVI;
型植被分布区,确定植被分布区类型,在干旱区内陆河流域,农田灌区植被在人工管理条件
下水分、养分条件均较好,植被实际蒸散耗水相对较大、植被长势相对较好,即灌溉依赖型
植被的AET/PET、NDVI相对较大,地下水依赖型植被的水分、养分条件与农田灌区植被的水
分、养分条件相比均相对较差,植被实际蒸散耗水相对较小、植被长势相对较差,即地下水
依赖型植被的AET/PET、NDVI相对较小,考虑地下水依赖型植被和灌溉依赖型植被水资源利
用特征、长势特征的差异,利用AET/PET和NDVI两个指标,基于地下水+灌溉依赖型植被分布
区的归一化AET/PET栅格影像和地下水+灌溉依赖型植被分布区的归一化NDVI栅格影像,采
用ISODATA(Iterative Self‑Organizing Data Analysis Technique)非监督分类方法,识
别地下水依赖型植被和灌溉依赖型植被;
分布精度:
际降水依赖型植被分布区数目、地下水依赖型植被分布区数目、灌溉依赖型植被分布区数
目、非植被分布区分布区数目,N为选取的目标区域内覆被分布区的数量,K为Kappa系数,其
中K∈[‑1,1],在吐鲁番盆地,Kappa系数K=0.95;
与实际植被空间分布的一致性匹配程度一般,K∈[0.4,0.6]表明植被分区结果与实际植被
空间分布的一致性匹配程度中等,K∈[0.6,0.8]表明植被分区结果与实际植被空间分布具
有高度的一致性,K∈[0.8,1]表明植被分区结果与实际植被空间分布几乎完全一致,对于
吐鲁番盆地来说,表明吐鲁番盆地植被分区识别的精度较高,本发明一种基于生态水文特
征的干旱区内陆河流域植被分区方法效果较好。
此,本发明的保护范围当视权利要求书所界定者为准。