CN119476732A 一种基于邻域粒模糊c均值聚类的区域生态环境质量评价方法 （华北理工大学）

(19)国家知识产权局(10)申请公布号CN119476732A(71)申请人华北理工大学地址063210河北省唐山市曹妃甸新城渤海大道21号(72)发明人王晓红高锌桐焦琳琳袁雪涛李富平GO6V20/13(2022.01)(54)发明名称一种基于邻域粒模糊c均值聚类的区域生态环境质量评价方法本发明公开一种基于邻域粒模糊c均值聚类的区域生态环境质量评价方法，属于电数字数据处理技术领域，包括：基于云平台计算并重构遥感时序MODIS数据集，将生态因子进行标准生态因子遥感影像基于邻域粒模糊c均值聚类划分为n个类别，利用改进的熵权法得到基于MODIS的综合遥感生态指数PRSEI,根据研究区的PRSEI得出年份区间的矿区生态环境质量变化。本发明将熵权法与邻域模糊c均值聚类算法实现有效融合，不仅保留了各个生态因子的全部遥感像元信GEEGEE云计算平台NDVTNBDSI域态量价区生质评21.一种基于邻域粒模糊c均值聚类的区域生态环境质量评价方法，其特征在于，包括以下步骤：步骤2:将生态因子进行标准化处理；步骤3:将标准化处理后的各个生态因子遥感影像基于邻域粒模糊c均值聚类划分为n个类别；步骤4:将基于邻域粒模糊c均值聚类算法划分的n个生态因子，利用改进的熵权法得到基于MODIS的综合遥感生态指数PRSEI,子步骤如下：4-1:根据知识粒度将各个生态因子细化为不同的层次分区；4-2:根据不同生态因子的遥感信息颗粒计算知识粒度熵；4-3:根据不同区域整体评价因子的影响，计算尺度转化知识粒度熵；4-4:根据尺度转化知识粒度熵计算各个生态因子权重；4-5:根据各个生态因子遥感影像与其权重相乘并累加得到研究区的PRSEI;步骤5:得出研究区的生态环境质量，年份区间的矿区生态环境质量变化。2.根据权利要求1所述的一种基于邻域粒模糊c均值聚类的区域生态环境质量评价方3.根据权利要求1所述的一种基于邻域粒模糊c均值聚类的区域生态环境质量评价方像数据的去云阴影函数，水体掩膜函数。4.根据权利要求1所述的一种基于邻域粒模糊c均值聚类的区域生态环境质量评价方法，其特征在于，所述步骤3中通过邻域粒模糊c均值聚类算法划分聚类类别包括以下步骤：步骤1:将样本粒化，形成粒向量，对于样本基于粒向量间的距离大小进行聚类，通过优化目标函数获得各样本点对于所有类的中心隶属度来判断样本点属类并自动划分样本数步骤2:将属于各个簇的隶属度函数赋值给各个样本，基于隶属度的大小，对样本所属聚类进行量化处理，并进一步优化目标函数，以求得最小值。5.根据权利要求1所述的一种基于邻域粒模糊c均值聚类的区域生态环境质量评价方法，其特征在于，步骤5中基于不同年份的PRSEI,按照分级赋值法得出研究区的生态环境质别，并重新分等级赋值为1至5;按照差值法得到年份区间的矿区生态环境质量变化，所述差值法指将起始年份的好五种级别。3一种基于邻域粒模糊c均值聚类的区域生态环境质量评价[0001]本发明涉及一种基于邻域粒模糊c均值聚类的区域生态环境质量评价方法，属于RSEI,其权重计算使用主成分分析方法(PrincipalComponentAnalysis,PCA统认知的深入，修复工作逐渐转向空间垂直延伸，物对大气环境的重要影响。针对这一局限性，部分学者引入PM₂.5浓度的遥感指示指标DI[0004]针对现有技术存在的不足，本发明提出了一种基于邻域粒模糊c均值聚类的区域[0006]步骤3:将标准化处理后的各个生态因子遥感影像基于邻域粒模糊c均值聚类划分3-1:将样本粒化，形成粒向量，对于样本基于粒向量间的距离大小进行聚类，通过优化目标函数获得各样本点对于所有类的中心隶属度来判断样本点属类并自动划分样本数据；3-2:将属于各个簇的隶属度函数赋值给各个样本，基于隶属度的大小，对样本所4属聚类进行量化处理，并进一步优化目标函数，以求得最小值。[0007]步骤4:将基于邻域粒模糊c均值聚类算法划分的各个生态因子，利用改进的熵权法得到基于MODIS的综合遥感生态指数PRSEI,子步骤如下：4-1:根据知识粒度将各个生态因子细化为不同的层次分区；4-2:根据不同生态因子的遥感信息颗粒计算知识粒度熵；4-3:根据不同区域整体评价因子的影响，计算尺度转化知识粒度熵；4-4:根据尺度转化知识粒度熵计算各个生态因子权重；4-5:根据各个生态因子遥感影像与其权重相乘并累加得到研究区的PRSEI;[0008]步骤5:基于不同年份的PRSEI,按照分级赋值法得出研究区的生态环境质量，利用差值法得出年份区间的矿区生态环境质量变化。分级赋值是指将特定年份的PRSEI以自指将起始年份的PRSEI等级值相减，按照等级差值将生态质量变化分为明显变差、变差、不[0009]本发明具备下述有益效果：本发明所提出的区域综合生态环境质量评价方法，构建了一种基于MODIS的新型遥感影像获取，能够有效降低噪声干扰，相比传统RSEI,补充了表征大气环境质量的指标，提高了遥感生态指数的综合性和代表性。[0010]本发明提出了基于指标连续值的遥感图像信息粒化方法，采用空间信息粒化的思想计算PRSEI。该方法允许每个遥感像元和每个指标值参与计算，从各PRSEI指标的空间分布中建立各自的权重，能够更好地处理遥感信息颗粒之间的模糊性和不确定性，增强了遥感图像中对复杂信息的处理能力，是地理分层和尺度变换方法的具体体现，为遥感空间数据计算提供了新视角，本发明所提出的方法采用熵权法确定指标权重，其能够客观地反映模型各因素对整体评价结果的贡献程度，基于遥感图像的分层逐一提取微观尺度下空间分布特征后聚集至宏观尺度，增强了评价结果的直观性和可解释性，能够更好的反映生态环境的复杂性和附图说明[0011]图1为本发明的流程示意图；图2(a)、图2(b)为本发明对研究区域2001、2022年图3(a)、图3(b)为本发明对研究区域2001-2012年、2012-2022年新生态质量参数PRSEI等级空间变化分析图。具体实施方式[0012]为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。实施例1[0013]京津冀地区矿产资源主要集中分布在太行山与燕山两大山脉周边，其中已探明的5矿产种类超过1300种，涵盖了从能源到金属再到非金属的广泛领域，以煤矿和铁矿储量丰山市及秦皇岛市为例，监测时段为2001-2022年进行说明。[0014]如图1所示，本实施为一种基于邻域粒模糊c均值聚类的区域生态环境质量评价方S1、基于云平台，以上传矢量文件的方式定义研究区范围并将其设为地图中心，基于JavaScript编程语言定义所需要的研究区间内的MODIS数据源，对数据源进行预处理；从国家青藏高原科学数据中心()的中国高分辨率高质量近地表空气污染物数据集获取PM₂5卫星反演数据。[0015]具体的，基于云平台上传研究区，获取研究区范围内2001-2022年的MODIS数据。S1-1基于JavaScript编程语言定义去云函数、投影坐标系以及像元大小；S1-2基于JavaScript编程语言对目标图像采用改进的归一化水体指数(ModificationofNormalizedDifferenceWaterIndex,MNDWI)建立掩膜文件，进行掩态因子进行标准化处理，使值域范围统一在0-1之间，其中生态因子包括绿度因子、湿度因S3-1根据步骤S1中的MOD13A1产品计算时间序列的植被指数NDVI,对其进行数据质量控制波段检测云和阴影等噪声，剔除异常值，得到时序NDVI数据，根据时序NDVI数据对每年6-10月的时序NDVI数据取平均值，得到NDVI均值影像，对均值NDVI影像进行掩膜以及投影转换，得到研究区绿度因子专题图集。[0018]NDVI与植被生物量、叶面积指数、植被覆盖度等密切相关，是表NDVI=nir-Pred)/φnir+Pred)其中，PnirPred分别为MODIS数据中近红外波段和红光波段的反射率，分别对应地表反射率数据的第2波段和第1波段。[0019]提取湿度因子包括以下步骤：段检测云影等噪声，剔除异常值，得到时序WET数据，对每年6-10月的时序WET数据取平均值并进行掩膜以及投影转换，得到研究区湿度因子专题图；WET可较好地反映水体、植被和土壤的水分状态与湿度情况，其计算公式为：WET=0.1147pred+0.2489pnir1+0.2408pblue+0.3132pgreen-0.3122pnir2-0.646[0020]提取干度因子包括以下步骤：量控制波段检测云和阴影等噪声，剔除异常值，得到时序NDBSI数据，对每年6-10月的时序NDBSI数据取平均值，并得出NDBSI均值影像并进行掩膜以及投影转换，得到研究区干度因子专题图；NDBSI由堆积指数(IBI)和裸土指数(BI)组成，二者共同影响着地表干度，其计算[0021]提取热度因子包括以下步骤S3-4、根据步骤S1中的MOD11A2数据计算时间序列的地表温度LST,剔除无效观测及异常值，对每年6-10月的LST数据取平均值并进行掩膜，并进行投影转换以及重采样，得到研究区热度因子专题图；地表温度是影响植被生长和环境变化的重要指标，其计算公式为：量标识波段，用质量标识去除低质量无效观测，能有效降低噪声影响。[0022]S3-5、基于上述所得的各项生态因子进行标准化处理，消除量纲，使值域范围统一子在所有年份中的最大值。[0023]S4、基于标准化处理后的生态因子基于邻域粒化的熵权法，对PRSEI各个指标进行具体的，PRSEI为基于MODIS的改进新型遥感生态指数，通过集成表征生态系统绿演数据五个指标，基于邻域粒模糊c均值聚类将各个生态因子遥感影像像元分为4类。[0024]针对步骤S3-5得到的各生态因子标准化数据，基于邻域粒模糊c均值聚类将各个生态因子遥感影像像元分为4类，具体的计算步骤为：S4-1、将样本粒化，形成粒向量，对于样本基于粒向量间的距离大小进行聚类，通过优化目标函数获得各样本点对于所有类的中心隶属度来判断样本点属类并自动划分样本数据。[0025]S4-2、将属于各个簇的隶属度函数赋值给各个样本，基于隶属度的大小，对样本所属聚类进行量化处理，并进一步优化目标函数，以求得最小值。7具体的，基于各个生态因子遥感像元分类后Gr;(R),为生态因子的知识粒度熵，i为不同的遥感信息颗粒，j为第j个区[0030]S5-4、通过将各个生态因子与其度变换知识粒度熵定义如下：,其中，i表示不同的生态因子，8[0031]S6、基于不同年份的PRSEI,按照分级赋值方法对研究区的生态环境质量，并利用差值法得出年份区间的生态环境质量变化。[0032]具体的，将研究时序内的遥感生态指数PRSEI采用自然断点法划分为五个等级，分别表示为差(0.2~0.46)、较差(0.46~0.53)、中等(0.53~0.59)、较优(0.59~0.7)5个等级，并重新赋值为1-5.对2001-2012年，2012-2022年两个年份区间的生态环境质量变化，将最近年份和起始年份的PRSEI等级值相减，按照等级差值将生态质量变化分为明和秦皇岛PRSEI较优。图3(a)、3(b)为本发明实施例区域2001-2012年、2012-2022年PRSEI东南部生态环境质量改善最为明显，而承德北部部分地区存在PRSEI等级下降的情况。2012-2022年唐山、秦皇岛以及石家庄部分地区多集中于优等级转向较优等级，总体上仍处于较好的生态质量水平。[0033]尽管这里参照本发明的多个解释性实施例对本发明进行了描述，但是，应该理解，本领域技术人员可以设计出很多其他的修改和实施方式，这些修改和实施方式将落在本申请