基于遥感数据的生态环境评价

发布时间：2021-04-10 16:55

　　将遥感技术应用在生态环境评价和生态环境保护领域,不但可以及时准确地反映地区的生态状况,也为环境保护管理部门提供了坚实可靠的数据支持,能为生态保护和可持续发展发挥重要作用。研究区域是河南省信阳市罗山县,该县地形多样,可作为生态环境评价的典型地区。获得该地区美国Planet卫星数据,首先对卫星数据进行预处理,消除数据获取过程中存在的误差,进而纠正原始图像中的几何与辐射变形。基于深度学习技术将处理后的数据进行土地利用分类,并对分类结果利用混淆矩阵法进行精度评定。利用满足要求的分类数据,进一步计算出生态环境状况指数,完成罗山县及各乡镇的生态环境评价。 

【文章来源】：测绘工程. 2020,29(05)CSCD

【文章页数】：6 页

【部分图文】：

深度学习遥感影像土地分类示意图

将下载的2018年10月卫星影像数据进行数据预处理,然后基于深度学习方法进行分类。根据外业实测的八大类别数据,根据需要挑选样本数据送入深度学习模型中,通过反复迭代、训练,得到罗山县土地利用分类的深度学习模型,模型精度如图2所示。图2为分类模型在训练集(training)和测试集(validation)上的分类命中率曲线对比图,可以看到随着迭代的进行,分类模型的误差从快速减小到趋于稳定,分类精度从开始的70%左右迅速上升至90%以上,最后在95%左右趋于稳定,说明分类模型在学习结束时基本稳定,测试命中率高于训练命中率,说明分类模型在学习了经过扩增的样本后,增加了自身的泛化能力,使模型能够很好的拟合以前从未见过的新数据。

据《生态环境评价技术规范》(HJ192-2015)和罗山县各乡镇2018年生态遥感土地利用/覆盖分类结果数据、水资源统计数据、污染源排放量等数据计算得到2018年罗山县各乡镇生态环境状况指数如表6所示。表5 罗山县县域生态环境状况指数表 生物丰度指数 植被覆盖指数 水网密度指数 土地胁迫指数 污染负荷指数 生态环境状况指数(EI) 51.893 90.906 48.997 6.632 5.692 71.674

【参考文献】：
期刊论文
[1]基于高分二号遥感数据的森林自然度等级划分[J]. 张驰,佃袁勇,黄光体,周靖靖,李源,王熊.  森林与环境学报. 2020(01)
[2]基于深度学习算法的卫星影像变化监测[J]. 王志有,李欢,刘自增,吴加敏,施祖贤.  计算机系统应用. 2020(01)
[3]基于U-net的“高分五号”卫星高光谱图像土地类型分类[J]. 孙晓敏,郑利娟,吴军,陈前,徐崇斌,马杨,陈震.  航天返回与遥感. 2019(06)
[4]基于长时间序列遥感数据的阿伯德尔国家公园生态环境质量评价[J]. 王法溧,何晓宇,方泽兴,魏显虎,叶虎平,施令飞.  地球信息科学学报. 2019(09)
[5]基于深度学习的农业区土地利用无人机监测分类[J]. 田琳静,宋文龙,卢奕竹,吕娟,李焕新,陈静.  中国水利水电科学研究院学报. 2019(04)
[6]基于多源遥感数据的北京市通州区土地利用/覆盖与生态环境变化监测研究[J]. 赵恒谦,贾梁,尹政然,蒋佳明,王丽萍,朱孝鑫.  地理与地理信息科学. 2019(01)
[7]基于多源遥感数据的土地整治生态环境质量动态监测[J]. 单薇,金晓斌,孟宪素,杨晓艳,徐志刚,顾铮鸣,周寅康.  农业工程学报. 2019(01)
[8]MERSI和MODIS卫星监测京津冀及周边地区PM2.5浓度[J]. 陈辉,厉青,王中挺,孙云,毛慧琴,程斌.  遥感学报. 2018(05)
[9]深度卷积神经网络特征提取用于地表覆盖分类初探[J]. 张伟,郑柯,唐娉,赵理君.  中国图象图形学报. 2017(08)
[10]基于深度学习的遥感影像城市扩展方法研究[J]. 韩洁,李盛阳,张涛.  载人航天. 2017(03)

硕士论文
[1]基于卷积神经网络的地表覆盖分类自动质量评价方法研究[D]. 党宇.中国矿业大学 2018
[2]遥感图像融合方法及其在目标波谱反演中的应用研究[D]. 罗俊.华中科技大学 2007



本文编号：3129997