基于遥感及气象数据的生态环境脆弱性评价的解决方案

星辰DASC · 发表于 2018-12-18 17:33

生态环境脆弱性是生态系统在特定时空尺度对于外界干扰所具有的敏感反应和自恢复能力，是自然属性和人类经济行为共同作用的结果。对区域生态环境脆弱性进行评价，不仅对保护区域生态环境具有重要意义，而且对区域资源合理利用及区域可持续发展等也有重要的理论和现实意义。

星辰DASC · 发表于 2018-12-18 17:33

1.引言
生态环境脆弱性是生态系统在特定时空尺度对于外界干扰所具有的敏感反应和自恢复能力，是自然属性和人类经济行为共同作用的结果。对区域生态环境脆弱性进行评价，不仅对保护区域生态环境具有重要意义，而且对区域资源合理利用及区域可持续发展等也有重要的理论和现实意义。
本方案采用生态敏感性-生态恢复力-生态压力度(SRP)概念模型来选取并构建评价指标体系，该概念模型是基于生态系统稳定性的内涵而构建，其模型结构较全面地体现了生态脆弱性的综合方面。在对沂蒙山区的生态状况进行全面调查的基础上，制定了较为合理的技术路线（如图 1），对生态环境脆弱性特征和成因进行分析，建立生态环境脆弱性指标评价体系和评价模型，在 ArcGIS9.3 和SPSS17.0 等软件平台支持下，利用空间主成分分析和层次分析法，对脆弱度进行定性与定量相结合的评价分析，并提出实现该区良性发展的对策与措施。

2.数据准备及预处理
分辨率为 90 m 的 2007 年数字高程模型（digitalelevation model，DEM）数据；分辨率为 1 km 的2009 年土壤类型数据。
植被覆盖度以多年归一化植被指数（NDVI）求平均计算得到，公式如下：

式中：f 为多年旬平均植被覆盖度；NDVI 为多年旬平均归一化植被指数；NDVImax、NDVImin 分别多年旬平均 NDVI 的最大值和最小值。
高程、坡度、坡向基于 DEM 数据提取；土壤数据由土壤类型数据提取；气象数据包括年均降水量、年均气温和年均相对湿度，通过气象站多年数据求平均，借助 ANUSPLIN4.36 软件完成插值工作；植被净初级生产力(NPP) 通过生态过程机理模型(CEVSA 模型)计算得到；研究区土壤侵蚀数据利用 RUSLE 模型计算得到；人口密度和GDP 密度数据来自统计年鉴。所有数据均栅格化为 1 km。

星辰DASC · 发表于 2018-12-18 17:34

3.研究方法
3.1 评价指标的选择
SRP 模型是基于生态环境脆弱性定义的模型，该模型包括 3 个因子：生态敏感性、生态恢复力和生态压力度。生态敏感性因子包含地表因子、土壤侵蚀强度和气象因子，其中，地表因子又包含高程、坡度、坡向、土壤类型；土壤侵蚀强度由土壤侵蚀各因子经 RUSLE 模型计算后转化而来；气象因子包括年均降水量和年均气温、年均相对湿度。生态恢复力指生态系统受到扰动时的自身恢复能力，与其内部结构的稳定性有关，研究中用 NPP 和植被覆盖度表征。生态压力度指生态系统受到外界干扰及其产生的生理效应，一般为人口活动压力和经济活动压力，分别用人口密度和 GDP 密度表示。
为减少评价指标之间的相关性，避免指标重复而影响评价的精确性，使用主成分分析法对初选的评价指标进行筛选。首先用 ArcGIS 栅格计算器对初选指标进行标准化处理，再使用 GRID 模块下的Makestack 命令和Princomp 函数完成空间主成分分析。在主成分分析法中，一般选取累积贡献率大于85%的几个主成分作为计算指标。
主成分的计算公式如下：

式中：Fi为第i主成分；α1i、…、α13i 分别为第i主成分各因子对应的特征向量。
3.2 指标量化分级
在 ArcGIS 中，利用Reclassify 函数，采用 Natural Breaks(Jenks)法把主成分分析后的综合指标再各分为 5 级。
3.3 指标权重的确定
采用层次分析法(AHP)确定综合评价指标的权重。首先，根据各主成分的贡献率，确定各主成分之间的重要性。依据层次分析法 1-9 的重要性标度方法，对各主成分的评比给出数量标度。然后，利用统计软件通过 AHP 计算出各评价指标的权重并检验权重的合理性。
3.4 脆弱性评价
根据各评价指标及其权重，参照脆弱生态环境定量评价方法，建立研究区生态环境脆弱性评价的数学模型，计算研究区每个像元的脆弱性指数，计算公式如下：

式中：EVI为生态环境脆弱性指数；wi为评价指标的权重；fi为评价指标的等级。