[发明专利]基于权重的采矿植被生态累积效应扰动范围识别方法

权利要求书

1.基于权重的采矿植被生态累积效应扰动范围识别方法，其特征在于：其方法如下：

A、收集包括Landsat系列卫星影像产品、Sentinel-2A影像产品在内的研究区原始数据，Landsat系列卫星影像产品对应为Landsat系列遥感影像，Sentinel-2A影像产品对应为Sentinel-2A遥感影像；

A1、植被参数反演：首先采用如下公式计算归一化植被指数NDVI：

其中，ρ_NIR为近红外波段地表反射率，在Landsat-5/7中为波段4，在Landsat-8中为波段5；ρ_Red为红波段地表反射率，在Landsat-5/7中为波段3，在Landsat-8中为波段4；

接着采用像元二分模型来计算植被覆盖度，其计算公式如下：

其中，FVC为像元的植被覆盖度，NDVI为像元的NDVI值，NDVI_min为研究区内完全为裸土的像元NDVI值，NDVI_max为研究区纯植被像元的NDVI值；植被覆盖度为反演后的植被参数；

B、构建驱动因子数据集，驱动因子数据集包括气候气象驱动因子集、地形地貌驱动因子集、人类活动驱动因子集三类，气候气象驱动因子集包括降水驱动因子与气温驱动因子，地形地貌驱动因子集包括DEM驱动因子，人类活动驱动因子集包括放牧驱动因子、城镇驱动因子以及采矿驱动因子；

B1、采集研究区内气候气象数据，气候气象数据包括降水数据与气温数据，气候气象驱动因子集的降水驱动因子对应气候气象数据的降水数据，气温驱动因子对应气候气象数据的气温数据，将气候气象数据与步骤A1中的植被参数按照如下公式进行皮尔逊相关性分析并得到降水驱动因子与气温驱动因子分别量化对应的皮尔逊相关系数：

其中，r为皮尔逊相关系数，n₁为每个变量中需要进行分析的数据量，X_1i为降水数据或气温数据的值，为降水数据或气温数据的平均值，Y_1i为植被参数的值，为植被参数的平均值；

B2、采集研究区内地形地貌数据，地形地貌数据包括数字高程模型数据，从数字高程模型数据中裁剪出研究区域的DEM数据并对应DEM驱动因子；

B3、获取地理行政边界数据并辅以Landsat影像综合提取识别行政边界与采矿边界；

B31、按照如下公式得到放牧驱动因子量化所对应的放牧强度X_graze：其中，X_graze为放牧强度，X_牲畜为研究区域内牲畜数量，X_area为研究区域内村落总面积；

B32、采用欧氏距离获得研究区域内每个像元点到城镇边界的最短距离并结合研究区域的人口量化出城镇驱动因子，其中欧式距离的计算公式如下：

其中，n₂为像元点的个数，X_2i为各像元点的位置，Y_2i为城镇的像元点位置；对城镇驱动因子的量化公式如下：

其中，X_urban为城镇活动的量化结果，X_pop为城镇的人口数，dist(X₂,Y₂)为栅格影像像元点到城镇边界的最短距离；

B33、假设M₀为没有采矿的年份，M₁为开始采矿的年份，M₂为结束采矿的年份，则对M₁-M₂时期采矿驱动因子所对应的采矿活动数据进行量化；

采用欧氏距离获得研究区域内每个像元点到采矿边界的最短距离并结合研究区域每年的煤炭开采量量化出采矿活动的影响，其中欧式距离的计算公式如下：

其中，n₃为像元点的个数，X_3i为各像元点的位置，Y_3i为采矿边界的像元点位置；对采矿活动的量化公式如下：

其中，X_mine为采矿活动的量化结果，X_mining为每年的煤炭开采量，dist(X₃,Y₃)为栅格影像像元点到采矿边界的最短距离；

B4、数据归一化处理：将所有驱动因子的量化结果按照如下公式进行归一化处理，其中，X_norm为归一化后的数据，X^/为各驱动因子量化后的数据，X_min为各驱动因子量化后数据中的最小值，X_max为各驱动因子量化后数据中的最大值；

C、在三维空间上进行M₁-M₂时期内驱动因子数据集的空间维度叠加及高维度拓展，M₁-M₂时期内驱动因子数据集所对应的数据为M₁-M₂时期研究区原始数据，高维度拓展包括时间维度拓展，并将以栅格影像格式展现的低维数据转换为高维数据立方体，最终构成生态演变大数据立方体；

D、采用滑动立方体法对生态演变大数据立方体进行数据提取，将生态演变大数据立方体中的驱动因子按照研究需求划分为自变量参数集合和因变量参数集合两个集合，自变量参数集合包括气候气象、地形地貌、人类活动数据，因变量参数集合包括植被参数；构建地理时空加权人工神经网络模型，通过地理时空加权人工神经网络模型进行模型训练，在每个时空节点上都构筑出自变量与因变量间的非线性复杂定量关系；

E、构建高维数据下的驱动因子定权法量化各驱动因子的权重，并首先对M₁-M₂时期下每个空间位置的驱动因子计算其在高维神经网络传播中的放大率，然后对所有量化因子权重进行归一化，并构筑生态演变驱动因子的权重立方体；

F、按照步骤B的方法得到M₀-M₁时期下的驱动因子数据集及除采矿驱动因子外的驱动因子量化数据，M₀-M₁时期为无开采活动时期，M₀-M₁时期内驱动因子数据集所对应的数据为M₀-M₁时期研究区原始数据；按照B33方法将M₁-M₂时期所对应的采矿活动数据代入M₀-M₁时期中进行M₀-M₁时期的采矿驱动因子所对应采矿活动数据的假设性量化，并得到M₀-M₁时期采矿驱动因子虚拟量化数据；根据M₀-M₁时期采矿驱动因子虚拟量化数据、M₀-M₁时期下除采矿驱动因子外的驱动因子量化数据按照步骤E的驱动因子定权法得到M₀-M₁时期采矿驱动因子虚拟权重；

G、对M₀-M₁时期与M₁-M₂时期的采矿驱动因子权重进行像元显著性检验判断栅格影像像元是否受采矿活动扰动影响显著；由此得到M₁-M₂时期单个像元采矿对植被扰动影响的显著度情况，然后对研究区域栅格影像的所有像元进行遍历，获得研究区域内受采矿扰动影响显著的区域，进而确定采矿对植被扰动的影响范围。