【技术实现步骤摘要】
本专利技术属于遥感技术控制的，主要涉及了一种基于多源遥感数据的能源项目影响区生态环境评价方法及系统。
技术介绍
1、能源工程建设在现代生活中非常重要，然而，能源项目建设在促进经济、社会发展的同时，亦会引发一系列的生态环境影响。为此，及时监测、评价项目影响区生态环境状况，对实现可持续发展具有重要意义。
2、随着遥感技术的快速发展，由于高分辨率的遥感影像拥有信息量大、较容易获取、实时性好、精确性高等特点，尽管目前遥感技术在能源项目监测这一领域有一定应用研究，但不够全面与系统。当下较多的是对于其他类型工程项目的遥感监测，比如公路、铁路、港口等，通过监测工程周边植被覆盖度、土地利用类型现状与变化，了解工程建设对当地生态环境与经济发展的影响，对能源项目生态环境影响的遥感监测研究较少，有待提出合理的评价指标。同时，遥感生态环境指数(rse i)中的因子选取较直观、易获取，同时因子的权重较客观，但其忽略了特殊区域地形地貌、人类活动等影响，对于能源项目区域的评价不够全面和合理，因而，如何构建符合影响区特点的针对性方法成为了本领域技术人员竞向想解决的重点和难点。
技术实现思路
1、本专利技术正是针对现有技术中对于能源项目生态环境影响监测研究不足，以及生态环境评价指标缺乏针对性、全面性的问题，提出了一种基于多源遥感数据的能源项目影响区生态环境评价方法及系统，首先对项目影响区的多源遥感数据进行收集，构建生态环境评价指标体系，并对数据进行预处理；基于预处理后的多源遥感数据反演指标体系中的各生态
2、为了实现上述目的，本专利技术采取的技术方案是：基于多源遥感数据的能源项目影响区生态环境预测方法，包括如下步骤：
3、s1，数据收集：对项目影响区的多源遥感数据进行收集，构建生态环境评价指标体系；所述多源遥感数据至少包括雷达数据和光学数据，其中雷达数据至少包括欧空局sentinel-1数据，光学数据至少包括landsat、modis和环境1号数据中的一种，所述生态环境预测指标体系至少包括绿度、湿度、干度、热度、盐度、污染度和变形度中的至少四个生态因子；
4、s2，数据预处理：对步骤s1收集到的多源遥感数据进行预处理，对生态环境评价指标体系中的生态因子进行反演及归一化处理；
5、s3，指标筛选：计算生态因子间的相关性以及各生态因子组合的第一主成分方差贡献率，确定指标是否适合进行主成分分析，确定影响区遥感生态指数中集合的生态因子；
6、s4，遥感生态指数计算：基于主成分分析法pca集成各生态因子，对第一主成分进行标准化，得到能源项目影响区的改进性遥感生态指数；
7、s5，预测结果：基于步骤s4的遥感生态指数，对能源项目影响区的生态环境进行预测评价，其中，遥感生态指数在0至0.2之间为生态环境质量差，0.2至0.4为生态环境质量较差，0.4至0.6为生态质量一般，0.6至0.8为生态质量良好，0.8至1.0为生态质量优。
8、作为本专利技术的一种改进，所述步骤s1中的数据还包括项目影响区信息数据，所述信息数据至少包括建设运营信息和区域地质水文信息。
9、作为本专利技术的一种改进，所述步骤s2中，对sentinel-1数据的预处理步骤至少包括进行多视、地理编码、辐射校正、滤波和裁剪处理；对光学遥感数据的预处理步骤至少包括进行辐射校正、几何校正、裁剪和重采样。
10、作为本专利技术的另一种改进，所述步骤s2中的生态因子具体如下：
11、选择归一化植被指数ndvi或调节土壤的植被指数savi表征绿度因子，ndvi的计算公式如下：
12、
13、式中，ρnir、ρred分别为多光谱遥感数据中的近红外波段以及红波段的反射率；
14、savi的计算公式如下：
15、
16、式中，l为绿色植被覆盖量；
17、计算多光谱遥感数据中每个像元的湿度分量wet作为湿度因子的表征，wet的计算公式如下：
18、wet＝c1ρblue+c2ρgreen+c3ρred+c4ρnir+c5ρswir1+c6ρswir2
19、其中ρblue,ρgreen,ρred,ρnir,ρswir1,ρswir2分别为landsat多光谱遥感数据蓝波段、绿波段、红波段、近红波段、中红外波段1、中红外波段2的地表反射率，c1,c2,c3,c4,c5,c6分别为各波段对应的系数；
20、使用归一化多波段干旱指数nmdi来表征干度因子，nmdi的计算公式为：
21、
22、其中ρnir,ρswir1,ρswir2分别为多光谱遥感数据近红波段、中红外波段1、中红外波段2的地表反射率；
23、使用地表温度lst表征热度因子。
24、作为本专利技术的又一种改进，所述步骤s2中的生态因子具体如下：
25、使用盐分指数si2和si3的平均值表征盐度因子，
26、
27、
28、其中ρgreen,ρred,ρnir分别为多光谱遥感数据绿波段、红波段、近红波段的地表反射率；
29、使用气溶胶光学厚度aod表征污染度因子，基于modis或环境卫星数据进行反演；
30、使用形变速率表征变形度因子。
31、作为本专利技术的又一种改进，所述变形度因子，基于sentinel-1数据，使用ps-insar技术反演得出影响区形变速率，其中ps-insar计算具体包括如下步骤：
32、s21：载入数据，选定初始ps候选像素；:
33、s22：估计每个干涉图中每个候选像素的相位噪声值；
34、s23：根据像素的噪声特性选择像素点；
35、s24：对步骤s23选择的像素进行剔除，去除距离近的像素和噪声超过阈值的像素；
36、s25：对步骤s24所选像素的相位进行校正；
37、s26：利用snaphu进行相位解缠，获得真实相位；
38、s27：计算空间相关的视角误差并进行剔除，所述误差包括dem误差、大气噪声误差和轨道误差；
39、s28：大气校正，绘制出形变速率图。
40、作为本专利技术的更进一步改进，所述步骤s2中对生态因子进行归一化处理具体方法为：
41、
42、式中，ii为各指标归一化的结果，xi为各指标在各个像元处的值，xmax为各因子的最大值，xmin为各个因子的最小值。
43、作为本专利技术的更进一步改进，所述步骤s4中改进性遥感生本文档来自技高网...
【技术保护点】
1.基于多源遥感数据的能源项目影响区生态环境评价方法，其特征在于，包括如下步骤：
2.使用如权利要求1所述的基于多源遥感数据的能源项目影响区生态环境评价方法，其特征在于：所述步骤S1中的数据还包括项目影响区信息数据，所述信息数据至少包括建设运营信息和区域地质水文信息。
3.如权利要求2所述的基于多源遥感数据的能源项目影响区生态环境评价方法，其特征在于：所述步骤S2中，对Sentinel-1数据的预处理步骤至少包括进行多视、地理编码、辐射校正、滤波和裁剪处理；对光学遥感数据的预处理步骤至少包括进行辐射校正、几何校正、裁剪和重采样。
4.如权利要求2所述的基于多源遥感数据的能源项目影响区生态环境评价方法，其特征在于：所述步骤S2中的生态因子具体如下：
5.如权利要求2所述的基于多源遥感数据的能源项目影响区生态环境评价方法，其特征在于：所述步骤S2中的生态因子具体如下：
6.如权利要求5所述的基于多源遥感数据的能源项目影响区生态环境评价方法，其特征在于：所述变形度因子，基于Sentinel-1数据，使用PS-InSAR技术反演
7.如权利要求4或6所述的基于多源遥感数据的能源项目影响区生态环境评价方法，其特征在于：所述步骤S2中对生态因子进行归一化处理具体方法为：
8.如权利要求7所述的基于多源遥感数据的能源项目影响区生态环境评价方法，其特征在于：所述步骤S4中改进性遥感生态指数的计算公式为：
9.基于多源遥感数据的能源项目影响区生态环境评价系统，包括计算机程序，其特征在于：所述计算机程序被处理器执行时实现如上述任一种所述方法的步骤。
...【技术特征摘要】
1.基于多源遥感数据的能源项目影响区生态环境评价方法，其特征在于，包括如下步骤：
2.使用如权利要求1所述的基于多源遥感数据的能源项目影响区生态环境评价方法，其特征在于：所述步骤s1中的数据还包括项目影响区信息数据，所述信息数据至少包括建设运营信息和区域地质水文信息。
3.如权利要求2所述的基于多源遥感数据的能源项目影响区生态环境评价方法，其特征在于：所述步骤s2中，对sentinel-1数据的预处理步骤至少包括进行多视、地理编码、辐射校正、滤波和裁剪处理；对光学遥感数据的预处理步骤至少包括进行辐射校正、几何校正、裁剪和重采样。
4.如权利要求2所述的基于多源遥感数据的能源项目影响区生态环境评价方法，其特征在于：所述步骤s2中的生态因子具体如下：
5.如权利要求2所述的基于多源遥感数据的能源项目影...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。