一种湖泊湿地景观的生态脆弱度时空特征提取方法和聚集性判断方法

摘要

本发明公开了一种湖泊湿地景观的生态脆弱度时空特征提取方法和聚集性判断方法，时空特征提取方法为：从整个湖泊湿地景观中选取样本点采集其景观数据；针对每个湿地景观样本点计算其敏感程度指数、生态弹性度指数和压力程度指数，得到三级生态脆弱度评价指标；再针对每个湿地景观样本点计算其景观破碎度、景观分维倒数、景观分离度、土壤侵蚀指数、生态适宜度，然后融合计算结果和三级生态脆弱度评价指标，得到样本点的生态脆弱度时空特征；根据样本点生态脆弱度，求解湖泊湿地景观中任意未知点的生态脆弱度；聚集性判断方法通过提取所有点的生态脆弱度，根据全域空间自相关判断湖泊湿地景观的聚集性。本发明能精准反映湖泊湿地景观生态脆弱度。

说明书

技术领域

本发明属于生态环境保护领域，尤其涉及一种湖泊湿地景观的生态脆弱度时空特征提取方法和聚集性判断方法。

背景技术

湖泊湿地景观的生态脆弱度，会随着气候、水文等自然因素，退耕还湖、扩大植被等人为因素的影响而发生变化，是治理生态环境的重要指标之一。湿地生态系统，是由湿地内生长的植物、存活的动物、多样化的微生物以及湿地环境共同构建而成的一个整体，保护生物多样性的同时，可以调节径流、调节局部地区气候。作为地球的三大生态系统之一，对于湖泊湿地景观的保护越来越重要，因此研究湖泊湿地景观生态脆弱度时空特征提取方法是十分有必要的。

任金铜等人提出基于3S技术的生态脆弱度时空特征提取方法，该方法采用景观生态学方法计算景观脆弱度，将景观划分为小尺度与可控单元，从整体层次上对湿地景观生态脆弱度时空特征进行提取，但是该方法的提取误差较大。王钰与胡宝清提出基于GIS技术的生态脆弱度时空特征提取方法，该方法采用空间主成分分析法和差值法计算生态脆弱性指数，从而构建生态脆弱性评价指标体系。采用GIS技术提取生态脆弱度时空特征，但是该方法的特征提取结果较为不理想。王晓峰等人提出基于相关系数法的生态脆弱度时空特征提取方法，该方法在宏观尺度上分析湖泊湿地景观的分布格局，利用相关系数法计算湖泊湿地景观生态脆弱度时空特征，但是该方法的提取误差较大。

发明内容

基于上述传统方法存在的问题，本发明提出一种湖泊湿地景观的生态脆弱度时空特征提取方法和聚集性判断方法，能更精准地反映湖泊湿地景观生态脆弱度，为保护湖泊湿地景观、保护地球生态，提供更加科学、严谨的技术支持。

为实现上述技术目的，本发明采用如下技术方案：

一种湖泊湿地景观的生态脆弱度时空特征提取方法，包括：

步骤1，从整个湖泊湿地景观中选取若干处湿地景观作为样本点，采集每个样本点预设的景观数据；

步骤2，针对每个湿地景观样本点，均利用其景观数据计算其敏感程度指数、生态弹性度指数和压力程度指数，然后结合以上3个指数的计算结果得到每个湿地景观样本点的三级生态脆弱度评价指标；

步骤3，针对每个湿地景观样本点，均利用其景观数据计算其景观破碎度、景观分维倒数、景观分离度、土壤侵蚀指数、生态适宜度，然后融合计算结果和三级生态脆弱度评价指标，得到每个湿地景观样本点的生态脆弱度时空特征；

步骤4，根据湿地景观样本点的生态脆弱度，采用克里格插值法，求解整个湖泊湿地景观中任意未知点的生态脆弱度。

进一步的，所述敏感程度指数的计算方法为：

式中，ESI

进一步的，所述生态弹性度指数的计算方法为：

式中，EEI

进一步的，所述压力程度指数的计算方法为：

式中，EPI

进一步的，所述景观破碎度的计算方法为：

式中，F

所述景观分维倒数的计算方法为：

式中，F

所述景观分离度的计算方法为：

式中，F

所述土壤侵蚀指数的计算方法为：

式中，T

所述生态适宜度的计算方法为：

式中，D

进一步的，生态脆弱度的计算方法为：

式中，VI

一种湖泊湿地景观的生态脆弱度聚集性判断方法，包括以下步骤：

首先，使用上述任一技术所述的生态脆弱度时空特征提取方法提取湖泊湿地景观中所有未知点的生态脆弱度；

然后，以整个湖泊湿地景观中每个样本点和未知点均作为1个空间单元，根据所有空间单元的生态脆弱度，计算整个湖泊湿地景观有关于生态脆弱度的全域空间自相关指标；

最终，根据计算得到的全域空间自相关指标，判断湖泊湿地景观的生态脆弱度聚集性。

进一步的，所述整个湖泊湿地景观有关于生态脆弱度的全域空间自相关指标，其计算方法为：

式中，I表示整个湖泊湿地景观有关于生态脆弱度的全域空间自相关指标，x和y分别为整个湖泊湿地景观中任意两个空间单元，n表示整个湖泊湿地景观中空间单元的数量，Z

有益效果

相对于现有技术中采用的基于3S技术和GIS技术两种湿地景观脆弱度时空特征提取方法，本发明的特征提取结果、承载力评价结果与实际结果吻合度更高，给出的湖泊湿地景观指数更加贴近实际值，因此本发明方法提高了生态脆弱度时空特征提取结果的真实性，能更精准地反映湖泊湿地景观生态脆弱度，为保护湖泊湿地景观、保护地球生态，提供更加科学、严谨的技术支持。

附图说明

图1为本发明实施例中所述方法的流程示意图；

图2为本发明实施例中所述的实验测试对象，其中(a)为湖泊湿地D1的原始数据图，(b)为湖泊湿地D2的原始数据图；

图3为本发明实施例中所述实验得到的湖泊湿地D1区域时空特征提取结果，其中(a)为本发明发方法的提取结果，(b)为基于3S技术的方法提取结果，(c)为基于GIS技术的方法提取结果；

图4为本发明实施例中所述实验得到的湖泊湿地D2区域时空特征提取结果，其中(a)为本发明发方法的提取结果，(b)为基于3S技术的方法提取结果，(c)为基于GIS技术的方法提取结果。

具体实施方式

下面对本发明的实施例作详细说明，本实施例以本发明的技术方案为依据开展，给出了详细的实施方式和具体的操作过程，对本发明的技术方案作进一步解释说明。

实施例1

本实施例1提供一种湖泊湿地景观的生态脆弱度时空特征提取方法，如图1所示，包括以下步骤：

步骤1，从整个湖泊湿地景观中选取若干处湿地景观作为样本点，采集每个样本点预设的景观数据。

步骤2，针对每个湿地景观样本点，均利用其景观数据计算其敏感程度指数、生态弹性度指数和压力程度指数，然后结合以上3个指数的计算结果得到每个湿地景观样本点的三级生态脆弱度评价指标。

其中，由于多方面的外界干扰因素，均对湖泊湿地景观的敏感程度有极大的影响，因此假设影响敏感程度指数的n1个影响因子分别为m

式中，ESI

当湿地景观敏感程度指数ESI

通常来说，脆弱湖泊湿地景观的生态弹性，要远小于稳定湖泊湿地景观的生态弹性，该生态弹性指标会影响的开发强度和承受能力。假设湿地景观弹性取决于n2个影响因子t

式中，EEI

当生态弹性度指数越小时，说明湖泊湿地的弹性就越小，生态脆弱程度就越高。

生态压力是湖泊湿地在发挥其自有的保护功能时，所面临的外来压力，又因为人类居住在生态环境中，因此该生态压力还与人类活动方式、活动规模、活动强度息息相关。假设湖泊湿地受压时，出现的n3个影响因子分别为y

式中，EPI

当生态压力程度指数越大时，那么湿地景观所需要的承受的环境压力就越大。

综合上述的敏感程度指数、生态弹性度指数和压力程度指数，得到每个湿地景观样本点的三级生态脆弱度评价指标，公式为：

ECO

三级生态脆弱度判别指标ECO

步骤3，针对每个湿地景观样本点，均利用其景观数据计算其景观破碎度、景观分维倒数、景观分离度、土壤侵蚀指数、生态适宜度，然后融合计算结果和三级生态脆弱度评价指标，得到每个湿地景观样本点的生态脆弱度时空特征。

景观破碎度是特定时间、特定空间内，湿地景观的破碎化程度；又由于湖泊湿地适应性越强，景观就会越稳定，因此湿地景观破碎度可以反映人类对湿地景观的干扰强度。其中，景观破碎度的计算方法为：

式中，F

所述景观分维倒数主要反映湿地景观的复杂程度和空间稳定程度，因此可利用分维倒数来描述湿地景观的受干扰程度，其计算方法为：

式中，F

景观分离度可用于描述不同元素或斑块个体之间的分布状态，反映人类活动对湿地景观结构的影响，当分离度越大时，越能说明湿地景观稳定性较差；且景观分离度的计算方法为：

式中，F

依据中华人民共和国行业标准中面蚀分级指标，按以下公式计算土壤侵蚀指数：

式中，T

所述生态适宜度的计算方法为：

式中，D

表1土地坡度级别划分标准

综合上述景观破碎度、景观分维倒数、景观分离度、土壤侵蚀指数、生态适宜度以及步骤2中的三级生态脆弱度评价指标，融合计算每个湿地景观样本点的生态脆弱度的计算方法为：

式中，VI

步骤4，根据湿地景观样本点的生态脆弱度，采用克里格插值法，分别求解整个湖泊湿地景观中所有未知点的生态脆弱度。

本实施例采用克里格插值法，可以无偏估计未知点在有限区域内、区域化变量的最优取值，从而求解得到整个湖泊湿地景观中所有未知点的生态脆弱度。假设整个湖泊湿地景观中任意未知点的生态脆弱度估计值为X′(u

公式中：δ

δ

从公式(15)中可以看出，权重系数δ

根据公式(15)，结合拉格朗日定理，推导出权重系数δ

其中，U表示拉个朗日插值矩阵，ε表示拉格朗日乘子，W权重方差判断矩阵，e

将公式(16)带入到公式(14)中，得到湖泊湿地景观中任意未知点u

实施例2：

本实施例2提供一种湖泊湿地景观的生态脆弱度聚集性判断方法，包括以下步骤：

首先，使用实施例1所述的生态脆弱度时空特征提取方法湖泊湿地景观中所有未知点的生态脆弱度；

然后，以整个湖泊湿地景观中每个样本点和未知点均作为1个空间单元，根据所有空间单元的生态脆弱度，计算整个湖泊湿地景观有关于生态脆弱度的全域空间自相关指标；

本实施例中，采用Moran Index值作为空间自相关指标，因此整个湖泊湿地景观有关于生态脆弱度的全域空间自相关指标的计算方法为：

式中，I表示整个湖泊湿地景观有关于生态脆弱度的全域空间自相关指标，x和y分别为整个湖泊湿地景观中任意两个空间单元，n表示整个湖泊湿地景观中空间单元的数量，Z

最终，根据计算得到的全域空间自相关指标，判断湖泊湿地景观的生态脆弱度聚集性：

计算的全域空间自相关指标I的值域范围在[-1,1]，当I＞0时，表示整个湖泊湿地景观正相关，此时的计算结果越大，那么说明湿地景观的空间分布相关性就会越大，说明保护区中的湿地聚集明显；当I<0时，表示负相关，说明相关性极低；当I→0时，则表示不同脆弱度的湿地景观，在保护区中随机分布。

以下通过实验来证明本发明的技术效果。

1、实验环境

为了证明提出湖泊湿地景观生态脆弱度时空特征提取方法的性能，进行对比验证实验。实验区域为江苏省湿度湖泊湿地景观，为了使实验结果更具有普遍适用性，选取两处湿地湖泊景观，分别记为D1、D2。实验用湖泊湿地景观数据来源于无人机拍摄，并根据相关数据在Matlab软件中进行模拟研究。两个湖泊湿地景观环境如图2。

已知D1湿地景观在初始阶段，其生态脆弱度较低，中期时受自然环境与社会环境的影响，生态脆弱度变得极高，到后期经过人工保护与治理后，其生态脆弱度有所降低，但目前还没有恢复到历史数值。而D2湿地景观是目前在地质变迁、强降水、河流分支以及人为保护下，新出现的湿地景观，因此没有前两组过度阶段。

湖泊湿地相关景观指数如表2所示。

表2湖泊湿地景观指数

以上述湿地环境为实验测试背景，设置整体实验方案为：以生态脆弱度时空特征提取结果为实验对比指标，分别利用所提方法与文献[3]方法、文献[4]方法进行对比验证。并采用评价法，分析不同提取结果对环境承载力的影响。

2、实验结果分析

(1)D1湖泊湿地景观生态脆弱度时空特征提取结果

分别利用本文提出方法、基于3S技术的方法、基于GIS技术的方法对D1的湖泊湿地景观提取生态脆弱度时空特征，得到如图3所示的时空特征提取结果，由此发现本发明方法对生态脆弱度时空特征的提取结果和两种文献对比方法的提取结果均不相同，下表3为不同测试组的湖泊湿地景观的生态承载力评价结果。

表3 D1区域的生态承载力评价结果

根据表中数据可知，所提方法的生态承载力评价结果，与已知数据组最为相近。而两种文献对比方法由于在第1阶段，其脆弱度时空特征提取就出现了偏差，因此根据该方法计算生态承载力时，其评价结果偏离实际值。

(2)D2生态脆弱度时空特征提取结果

分别利用本文提出方法、基于3S技术的方法、基于GIS技术的方法对D2的湖泊湿地景观，提取生态脆弱度时空特征，得到如图4所示的时空特征提取结果，由此发现本发明方法对生态脆弱度时空特征的提取结果之间存在差异。本发明方法对生态脆弱度时空特征的提取结果，与图2(b)给出的实际结果极为相似。而两种文献对比方法之间的提取结果较为相似，但与给出的实际结果相比，还是存在一定差异性。下表4为不同测试组，对D2湖泊湿地景观生态承载力的评价结果。

表4 D2的生态承载力评价结果

综合表中的数据可知，所提方法的环境承载力评价结果与已知数据直接的差异值最小。而基于3S技术的方法认为D2湖泊湿地的环境承载力相对偏低，基于GIS技术的方法方法认为D2湖泊湿地的环境承载力相对较高，两种文献对比方法的评价结果与给出值之间都存在较大差异。

由以上实验结果可得，(1)在两处湖泊湿地景观脆弱度时空特征提取研究中发现，与两种对比方法的提取结果相比较，本发明方法的特征提取结果、承载力评价结果与实际结果吻合度更高；(2)综合上述两个测试阶段的评价结果，可知本发明方法给出的湖泊湿地景观指数更加贴近实际值，因此本发明方法提高了生态脆弱度时空特征提取结果的真实性，使评价数据符合现实环境。可见此次研究的生态脆弱度时空特征提取方法优于两种传统的提取方法。

综上所述，本发明方法在对湖泊湿地景观进行生态脆弱度时空特征提取时，具有较高的提取精度，能够满足对湖泊湿地景观提取生态脆弱度时空特征的要求。

参考文献

[1]Sudin,P.；Chakraborty,S.；Siddhartha,D.；Subhra Kumar M.(2018).Spatio-temporal variations in total carbon content in contaminated surfacewaters at East Kolkata Wetland Ecosystem,a Ramsar Site.EcologicalEngineering,110:146-157.

[2]Tan,L.S.；Ge,Z.M.；Zhou,X.H.；Li,S.H.(2020).Conversion of coastalwetlands,riparian wetlands,and peatlands increases greenhouse gas emissions:Aglobal meta-analysis.Global change biology,26(3):1638-1653.

[3]Ren J T,Yang K M,Chen Q L,Mo S J.(2018).Spatio-Temporal Variationof Vulnerability of Landscape Ecology of Caohai Wetland[J].Journal of Ecologyand Rural Environment,34(3):232-239.

[4]Wang Y,Hu B Q.(2018).Spatial and Temporal Differentiation ofEcological Vulnerability of Xijiang River in Guangxi and Its DrivingMechanism[J].Journal of Geo-Information Science,20(7):81-90.

[5]Wang X F,Ma X,Feng X M,Zhou C W,Fu B J.(2019).Spatial-temporalcharacteristics of trade-off and synergy of ecosystem services in keyvulnerable ecological areas in China[J].Acta Ecologica Sinica,39(20):7344-7355.

[6]Horvitz,C.C.；Denslow,J.S.；Tracy,J.；Gaoue,O.(2018).Unexplainedvariability among spatial replicates in transient elasticity:implications forevolutionary ecology and management of invasive species.Population Ecology,60(1-2):61-75.

[7]Yamazaki,T.；Matsuoka,T.；Li,Y.T.；Nakamura,Y.(2020).Applicability ofa Low-Pressure Environment to Investigate Smoldering Behavior UnderMicrogravity.Fire Technology,56(1):209-228.

[8]Petersen,B.；Aslan,C.；Stuart,D.；Beier,P.(2018).Incorporating Socialand Ecological Adaptive Capacity into Vulnerability Assessments andManagement Decisions for Biodiversity Conservation.BioScience,68(5):371-380.

[9]Ma,J.；Weng,B.S.；Bi,W.X.；Yan,D.M.；Li,M.；Xu,T.；Wang,L.N.；Wang,L.(2019).The Characteristics of Climate Change and Adaptability Assessment ofMigratory Bird Habitats in Wolonghu Wetlands.Wetlands,39(3):415-427.

[10]Bertassello,L.E.；.Rao,P.S.C.；Jawitz,J.W.；Botter,G.(2018).Wetlandscape Fractal Topography.Geophysical Research Letters,45(14):6983-6991.

[11]Shunitz,T.(2019).Development of Separation Technologies forEnvironmental Remediation.Analytical Sciences,35(3):241-248.

[12]Teng,H.F.；Liang,Z.Z.；Chen,S.C.；Liu,Y.(2018).Current and futureassessments of soil erosion by water on the Tibetan Plateau based on RUSLEand CMIP5 climate models.Science of the Total Environment,635:673-686.

[13]He,L.；Shen,J.；g Zhang,Y.(2018).Ecological vulnerabilityassessment for ecological conservation and environmental management.Journalof Environmental Management,206:1115-1125.

[14]Li,X.L.；Li,S.L.(2019).A meshless projection iterative method fornonlinear Signorini problems using the moving Kriginginterpolation.Engineering Analysis with Boundary Elements,98:243-252.

[15]Du,Z.；Wu,S.；Kwan,M.P.；Zhang,C.R.(2018).A spatiotemporalregression-kriging model for space-time interpolation:a case study ofchlorophyll-a prediction in the coastal areas of Zhejiang,China.InternationalJournal of Geographical Information Science,32(10):1927-1947.

[16]Sun,Y.C.；Sun,Z.W.(2018).Some variants of Lagrange's four squarestheorem.Acta Arithmetica,183:339-356.

[17]Ceci,M.；Corizzo,R.；Malerba,D.；Rashkovska,A.(2019).Spatialautocorrelation and entropy for renewable energy forecasting.Data Mining andKnowledge Discovery,33(3):698-729.

[18]Sun,B.Q.；Ma,X.；Bao,X.；Jong,W.M.(2020).Mapping Island EcologicalVulnerability to Urbanization:A Study of Twelve Island Counties/Districts,China.Journal of Coastal Research,95(sp1):83-87.

[19]Cong,L.；Mo,L.C.；Yan,G.X.；Ma,W.M.；Wu,Y.N.；Liu,J.K.；Zhai,J.X.；Wang,Y.；Zhang,Z.M.(2020).Assessing the spatiotemporal characteristics of drydeposition flux in forests and wetlands.Environmental Technology,41(13):1615-1626.

[20]Yue,Q.；Kahn,B.H.；Fetzer,E.J.；Wong S.(2019).Temporal and SpatialCharacteristics of Short-Term Cloud Feedback on Global and Local InterannualClimate Fluctuations from A-Train Observations.Journal of Climate,32(6):1875-1893.

以上实施例为本申请的优选实施例，本领域的普通技术人员还可以在此基础上进行各种变换或改进，在不脱离本申请总的构思的前提下，这些变换或改进都应当属于本申请要求保护的范围之内。