区域资源合理利用及区域可持续发展

星辰dsac

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dsac

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dsac

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。

星辰dsac

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。


龙岩市土地面积1902812公顷，其中农用地面积1771258公顷，占土地总面积的93.09%；建设用地面积54005公顷，占土地总面积的2.84%；未利用地面积77549公顷，占土地总面积的4.07%。耕地面积162608公顷，占土地总面积的8.55%；园地面积36490公顷，占土地总面积的1.92%；牧草地面积642公顷，占土地总面积的0.03%；其他农用地面积55301公顷，占土地总面积的2.91%；城乡建设用地面积34305公顷，占土地总面积的1.80%；交通运输用地面积7434公顷，占土地总面积的0.39%；其他建设用地面积2825公顷，占土地总面积的0.15%；未利用地面积77549公顷，主要为荒草地，面积达56215公顷，占未利用地的72.49%。

星辰dsac

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。


龙岩市土地面积1902812公顷，其中农用地面积1771258公顷，占土地总面积的93.09%；建设用地面积54005公顷，占土地总面积的2.84%；未利用地面积77549公顷，占土地总面积的4.07%。耕地面积162608公顷，占土地总面积的8.55%；园地面积36490公顷，占土地总面积的1.92%；牧草地面积642公顷，占土地总面积的0.03%；其他农用地面积55301公顷，占土地总面积的2.91%；城乡建设用地面积34305公顷，占土地总面积的1.80%；交通运输用地面积7434公顷，占土地总面积的0.39%；其他建设用地面积2825公顷，占土地总面积的0.15%；未利用地面积77549公顷，主要为荒草地，面积达56215公顷，占未利用地的72.49%。
物体与黑体在同温度、同波长下的辐射出射度的比值,它受物体的表面状态、介电常数、含水量、温度、物体辐射能的波长、观测角度等多种因素的影响。目前求地表比辐射率的方法主要有差值法、独立温度光谱指数法(TISI)和NDVI门槛值法(NDVITHM )等方法。由于MODIS影像图像分辨率较低,MODIS像元主要由水面、植被和裸土3种地物类型构成,故利用NDVI门槛值法来地表比辐射率，公式如下：
ε=PwRwεw+PvRvεv+(1-Pw-Pv)Rsεs
    其中，式中ε为混合像元的平均比辐射率，εw、εv、εs为分别为水体、植被、土壤的比辐射率Pv 为混合像元中植被比辐射率。Rv，Rs，Rm 为温度比率。

星辰dsac

利用卫星不同波段探测数据组合而成的，能反映植物生长状况的指数。植物叶面在可见光红光波段有很强的吸收特性，在近红外波段有很强的反射特性，这是植被遥感监测的物理基础，通过这两个波段测值的不同组合可得到不同的植被指数。差值植被指数又称农业植被指数，为二通道反射率之差，它对土壤背景变化敏感，能较好地识别植被和水体。
    增强型植被指数（EVI）是在归一化植被指数（NDVI）改善出来的，根据大气校正所包含的影像因子大气分子、气溶胶、薄云、水汽和臭氧等因素进行全面的大气校正，EVI大气校正分三步，第一步是去云处理。第二步是大气校正处理，校正内容除了NDVI已有的瑞利散射和臭氧外，还包括大气分子、气溶胶、水汽等。第三步是进一步处理残留气溶胶影响，方法是借助蓝光和红光通过气溶胶的差异。由于输入的NIR、Red、Blue都经过比较严格的大气校正，所以在设计植被指数算式时，无须为了消除乘法性噪音而采用基于NIR/Red比值的植被指数，因此也就解决了由此引起的植被指数容易饱和以及与实际植被覆盖缺乏线性关系的问题。
    多种卫星遥感数据反演福建省增强型植被指数（EVI）产品是地理国情监测云平台推出的生态环境类数据产品之一，产品包括2000-2009年逐8天数据，值域0-10153之间，数据类型为32bit整型。该产品经过专家组验证，质量良好。

星辰dsac

分享gis的数据

地理信息系统（GIS）技术能够应用于科学调查、资源管理、财产管理、发展规划、绘图和路线规划。例如，一个地理信息系统(GIS)能使应急计划者在自然灾害的情况下较易地计算出应急反应时间，或利用GIS系统来发现那些需要保护不受污染的湿地。

“GIS分析”包括许多可以用地理信息系统进行的操作。其范围从简单的要素显示，到构建复杂的、多步骤的分析模型。操作范围包括：显示数据的地理分布、查询GIS数据、识别附近要素、叠加不同图层、进行复杂分析。 显示数据的地理分布     最简单的GIS分析或许就是显示数据的地理分布。这种分析，操作简单但意义十分重大。 上图就是这种分析结果的显示图。警察部门可以通过绘制被盗地址地图来分析盗窃方式。他们还可以使用不同的符号来获取更多的信息，如盗窃时间、入户方式以及被盗物品的价值等。 查询GIS数据     另一种GIS分析类型就是进行查询。查询可以使我们获得一些特定的要素信息。GIS查询方式有两种：属性查询和空间查询。     属性查询是基于属性表的空间要素的查询。上文提及的警察部门就可以通过数据库属性的查询，从而获得一种特定类型的关于犯罪的数据表。 上图是对CRIME_CAT字段的查询，查询条件是该字段的值为9，然后将查询结果显示在地图上。

星辰dsac

空间查询是基于要素位置的属性查询。警察部门可以通过数据库的空间查询来查找发生在指定区域的犯罪情况。
空间查询的方式之一就是在地图上圈定矩形。上图中，警察部门已经选中了那些仅发生在矩形范围以内的犯罪活动。将这些犯罪活动综合起来研究，可以查看它们之间是否相关。
    警察部门还可以从其他图层选择多边形要素（如人口普查单元）来进行更为复杂的空间查询。不管是哪一种查询，我们都可以看到地图上的空间信息和属性信息，这是GIS最实用的功能之一。
识别附近要素
    GIS分析的第三种类型就是查找某一要素附近的情况。其中的一种方式就是创建围绕该要素的缓冲区。
    城市规划部门对规划中要建设的机场创建缓冲区，就可以确定该机场周围1000米范围区域内的情况。这个缓冲区可以与其他数据层结合使用，用来显示新机场附近有哪些学校和医院等设施。

GIS分析的另一强大功能就是可以将某个分析过程的输出结果应用于另一个过程中。上图中，围绕机场的缓冲区可用来进行空间查询。如缓冲区内有两所学校和一所医院被选中，而缓冲区外的学校则未被选中。

星辰dsac

叠加不同图层
    GIS分析的第四种类型是将不同要素的图层进行叠加。将一个图层和另一个图层进行叠加，可以获取新的信息。叠加操作有多种方式，但最终都是联接两个已存在的要素层，从而生成一个新的要素层。
    例如，一个农场主想知道有多少土地可以用来种植新庄稼，而这种庄稼不能种在山上，并需要高渗透性的土壤。
    在联合（union）叠加中，农场主叠加农场的两个已有图层数据：坡度分级的地表polygon图层和土壤渗透力polygon图层。叠加后，农场主就可以找出那些坡度低并且土壤渗透力高的区域。

用户可以对图层要素进行几种不同的空间叠加和空间操作，包括：联合（union）、相交（intersect）、合并（merge）、消除（dissolve）和裁剪（clip）。
进行复杂分析
    可以将上述技术和许多其他技术结合起来进行复杂的GIS分析。在GIS帮助下，用户可以通过构建复杂的模型来解决复杂问题。因为GIS不仅能迅速完成某些工作，还可以通过每次用微小变化的参数来重复分析过程，并将分析结果进行对比。这样会提高用户的分析技能。

星辰dsac

生态系统生产力（Net ecosystem productivity）是指净初级生产力中减去异养呼吸(Rh)消耗的部分之后的剩余部分。
    中国地域辽阔，跨越多个气候带，生态环境条件复杂多样，同时根据中国陆地碳汇的地域分布特点及其对气候变化的响应，得出了NEP中国分布的特点，NEP呈现北方高南方低、中部和西南地区高、东南地区低的格局；NEP正值（碳吸收）主要在西南地区西部、藏东南、三江平原、大兴安岭以及华北中西部，NEP负值（碳释放）主要在华中、西南南部、新疆北部、内蒙西北部、华北平原一些地区。

    多种卫星遥感数据反演安徽省净生产力（NEP）产品是地理国情监测云平台重点推出的生态环境类数据产品之一，该产品包括2000-2008年逐16天数据，值域-99—121之间，数据类型为32bit整型，数据经过专家论证与文献相结合等检测，数据质量良好。

中国生态系统净生产力（NEP）采用GLO–PEM模型，GLO–PEM模型基于GPP与APAR间成线性关系的理论基础上，因此NEP可以表示为：
NEP = NPP - Rh=（GPP - Ra）- Rh
    其中NPP为净初级生产力，Rh为异氧呼吸，Ra为自养呼吸，GPP为总初级生产力。

星辰dsac

ArcGIS基础——地理数据模型
无论是在单机环境，还是在联机环境中使用GIS，用户都可以使用ArcGIS的三个桌面应用程序ArcCatalog，ArcMap和ArcToolbox来完成工作。

    ArcCatalog可用于空间数据库内容的管理、数据库设计及元数据的记录与浏览；ArcMap可用于地图编制、编辑和分析；ArcToolbox可用于数据转换和地理处理（geoprocessing）。

    通过这三个应用程序的协调工作，用户可完成包括制图、数据管理、空间分析、数据编辑和地理处理（geoprocessing）在内的从简到繁的各种GIS任务。               

ArcGIS 以多种格式管理和存储地理数据。ArcGIS使用的三种基本数据模型是矢量(vector)、栅格(raster)和不规则三角网(TIN)。此外，也可以将表格数据导入到GIS中。
矢量模型

    地理现象可以用点、线和多边形来表达，这种对地球的表达统称为矢量数据模型。矢量模型对于表示和存储离散要素，如建筑物、管线或地块边界线等特别有用。

点是x, y坐标对；线是定义形状的坐标集；多边形是定义封闭区域边界线的坐标集。

坐标大多是指二维(x, y)或三维(x, y, z)(其中z值代表一个类似高程的值)。

    坐标值取决于地理坐标系统中存储的数据。

    ArcGIS将矢量数据存储为要素类和具有拓扑关联的要素类集，与要素有关的属性存储在数据表中。

ArcGIS使用三种不同的矢量模型表示地理要素数据：coverage，shape文件和地理数据库 (geodatabase)。