“SRP模型+”多技术融合在生态环境脆弱性评价模型构建、时空格局演变分析与RSEI 指数的生态质量评价及拓展应用

近年来，国内外学者在生态系统的敏感性、适应能力和潜在影响等方面开展了大量的生态脆弱性研究，他们普遍将生态脆弱性概念与农牧交错带、喀斯特地区、黄土高原区、流域、城市等相结合，评价不同类型研究区的生态脆弱特征，其研究内容主要包括脆弱性的时空演变、动态监测、影响机理和驱动因子等方面的分析。国内外学者从生态脆弱性的要素、系统结构和功能、形成机制等方面提出生态脆弱性研究框架和概念模型。其中SRP模型主要以生态系统稳定性的内涵为依据构建而成，体现自然环境影响和人为活动干扰，与生态系统敏感性和适应性对生态脆弱性的综合影响，其结构系统地涵盖了生态脆弱性的构成指标，已在生态脆弱性评价中得到广泛应用。从不同角度对不同生态脆弱性特征地区的研究，采用的测度模型有所不同，研究所适用的指标体系也不尽相同，目前指标大多来自自然要素和人为要素两个层次。

掌握生态脆弱性变化原因及其内部机理，是脆弱性驱动机制分析的重要任务，可为生态环境的保护和治理提供有针对性的指导和建议。目前国内外学者对生态脆弱性进行了广泛而深入的研究，通过系统梳理相关文献发现，研究多侧重于生态脆弱性的时空格局评价、脆弱性与经济、人口等要素的耦合协调分析、与土地利用的相关性分析等方面，而对其驱动机制的分析和探讨还较为薄弱，主要就驱动因素类别和驱动机制分析方法两个方面展开。随着3S技术和多种学科的交流与发展，相比以往传统生态环境监测分析中，受到数据可视化、数据获取、数据空间分析、时效性、监测范围的限制，3S技术中遥感技术具备观测面积大、时效性强、位置定位精确的优势；地理信息系统技术具备强大的空间统计分析的优势，如对生态环境研究中离散型数据进行区域空间可视化表达，准确进行生态环境评价的空间运算和分析。3S技术在生态环境脆弱性评价发展中，不仅弥补了传统调查方法的不足，还能准确、有效的进行生态环境相关信息提取，和提高生态环境变化监测效率。此外，借助3S技术还能为生态脆弱区及其他非生态脆弱区提供生态保护修复重建决策提供科学支撑利用3S技术进行生态环境脆弱性评价，可使评价指标数据实现空间可视化，使评价结果空间准确化，以及科学识别分析其因子机制和变异规律，有目标性地为地区进行生态保护建设和修复提供科学支撑。

本文集成云端、桌面端等环境，结合遥感云计算、GIS空间分析，R语言统计分析的优势，以分析生态环境脆弱性的时空演变为主线。通过本课程的学习，您将掌握：第一，收集各类指标数据，构建的“生态压力度-生态敏感性-生态恢复力”评价体系；第二，通过掌握多源空间数据处理方法，提取景观格局指数、核密度估计、植被反演、水土流失计算、空间插值等技术方法构建评价指标空间数据库；第三，确定权重，计算攀枝花市脆弱度值，进行脆弱等级分级和面积统计，既而完成研究区生态环境脆弱性空间分异特征分析；第四，结合CA-Markov模型、动态度，趋势指数，生态脆弱性综合指数分析攀枝花整体脆弱度变化趋势和变化速度，完成攀枝花市生态环境脆弱时间格局演变规律分析；第五，运用地理探测器找到影响该地区的人文驱动因素，通过生态脆弱水平分级分区为生态文明建设道路提供科学理论支撑。

点击查看原文

第一章、生态环境脆弱性评价内涵及基于文献可视化方法研究热点分析

一、基本原理

Ø 生态环境脆弱性内涵

Ø 生态环境脆弱性评价研究

Ø 生态环境脆弱性驱动力研究

Ø 生态环境脆弱性研究热点

二、文献可视化软件介绍及常用功能介绍

Ø VOS Viewer文献可视化及研究热点分析；

Ø Citespace文献可视化及研究热点分析；

Ø ArcGIS软件介绍及安装技巧

Ø R语言环境部署

Ø 遥感云计算平台简介与登陆

Ø Fragstate安装与介绍

第二章、数据来源及预处理

一、ArcGIS Pro软件介绍及安装、常用功能介绍

Ø ArcGIS Pro版本介绍，安装；

Ø ArcGIS Pro软件界面，常用功能介绍；

Ø 空间坐标系介绍与建立

Ø 空间数据介绍与入库

Ø 地图符号与版面设计

二、数据收集及预处理

数据类型

数据集

具体数据

数据来源

空间数据

气象

降水、温度

（https://data.tpdc.ac.cn/zh-hans/data）

潜在蒸散量

（https://engine.piesat.cn/dataset-list）

土壤

土壤有机质

含量

（ http://westdc.westgis.ac.cn ）

土壤颗粒成分

植被

植被覆盖度

（https://data.tpdc.ac.cn/zh-hans/data）

地上生物量

NPP

（https://engine.piesat.cn/dataset-list）

土地利用

土地利用/覆盖

（https://www.resdc.cn/）

水文

水源涵养

（https://data.tpdc.ac.cn/zh-hans/data）

地形

数字高程模型 （DEM）

（https://www.gscloud.cn/search）

人口

人口密度

（https://www.resdc.cn/）

统计数据

生产总值

GDP

中国统计年鉴、

人居环境

建成区面积

自然灾害

地震分布

（https://earthquake.usgs.gov/data/pager/）

三、预处理

Ø 投影转换、重采样、裁剪等

第三章、生态环境脆弱性评价模型构建

一、 SRP概念模型

二、评价因子选取原则

三、评价指标体系框架

四、评价指标与生态环境脆弱性之间的相关性

五、评价指标的提取

Ø 地形因子

Ø 气象因子

² NC数据处理：NC数据加载，模型构建器构建（数据读取，投影，重采样，裁剪，输出保存等），NC数据转TIF数据存储

² 降水因子提取

² 气温因子提取

Ø 植被因子提取

² 基于PIE ENGINE植被指数提取

Ø 土壤因子

² 修正的通用水土土流失公式模型来算土壤侵蚀强度

²  降雨侵蚀力

² 土壤可蚀性因子

² 坡度坡长因子，

² 覆盖与管理因子

² 表示水土保持处理因子

Ø 景观多样性指数

² Fragstate4.2平台上，在土地利用分类结果基础上，采用上述景观多样性指数计算

Ø 生物丰度指数

Ø 居民点干扰

² 采用核密度估计模型进行密度探测分析，从而反映不同空间距离上居民点对周围生态系统的活动干扰程度，表征地区生态功能。

Ø 生态压力度因子

² 以人口分布、耕地占比率、人均GDP因子来表征生态压力度

² 基于PIE ENGINE人口分布数据获取与预处理

² 基于PIE ENGINE的GDP分布数据获取与预处理

² 耕地占有率计算

六、评价指标标准化处理

七、评价指标权重的确定

² 空间主成分分析方法完成攀枝花市各时段生态环境脆弱性评价指标的权重确定

（1）各时段评价指标的原始数据标准化处理；

（2）建立多个变量之间的相关系数矩阵；

（3）计算相关系数矩阵的特征值和与其对应的特征向量；

（4）对特征向量进行线性组合并得到个主成分。

八、生态环境脆弱性评价模型

九、生态环境脆弱性评价结果分类定级

第四章、生态环境脆弱性时空格局演变分析

一、生态环境脆弱性的空间格局分析

二、生态环境脆弱性的时间变化

² 采用CA-Markov模型、单一动态度、综合动态度计算：

三、趋势变化分析

第五章、生态环境脆弱性时空格局演变驱动机制分析

一、R语言语法简介

二、地理探测器及相关包的介绍

三、地理探测器运行

Ø 因子探测器：探测某评价指标多大程度上解释了因变量，用因子解释力进行度量，值越大则对生态环境脆弱性的贡献越大，反之越小。计算公式如下：

Ø 交互探测器：探测指标因子和之间交互作用对因变量是增强还是减弱，或者和之间对其的作用力是独立的。

依据

交互作用

非线性增强

单因子非线性减弱

双因子增强

独立

非线性增强

Ø 驱动因子的相对重要性

Ø 驱动因子的交互作用

第六章、基于 RSEI 指数的生态质量评价

1. 加载研究区矢量边界：在地图上加载区域矢量图。

2. 云掩膜：导入所需数据集，进行去云处理。

3. 水体掩膜：水体掩膜计算公式：

4. 遥感生态指数( RSEI )的构建

（ 1 ）绿度指标

（ 2 ）湿度指标

（ 3 ）干度指标

（ 4 ）热度指标

5. 主成分分析

6. 结果导出与分析

7. 冷热点空间分析

第七章、论文写作与案例分析

1. 论文写作与投稿心得分享

2. SRP模型相关应用案例分析

3. 论文写作案例与分析

点击查看原文