目录
1. 案例背景
生态环境敏感性是指生态系统对区域内自然和人类活动干扰的敏感程度,它反映区域生态系统在遇到干扰时,发生生态环境问题的难易程度和可能性的大小,并用来表征外界干扰可能造成的后果。即在同样干扰强度或外力作用下,各类生态系统出现区域生态环境问题可能性的大小,研究生态敏感性对保护生态系统及其重要。按照下列要求,进行生态敏感性评价。
2. 出图展示
![](https://img-blog.csdnimg.cn/e82fb7d4059a4e438116af2fde5ab097.jpeg)
3. 数据说明
①DEM数据文件夹:存放所需的DEM数据。
②遥感影像数据文件夹:存放所需的影像数据。
③研究区范围.shp:本次研究的研究范围。
4. 要求
①地形、植被、水体方面的生态因子及其对该地区的敏感性等级见表,请根据表中各因子权重值,加权计算植被覆盖区域的生态敏感性信息,生成该地区的生态敏感性等级分布专题图。(50分)
生态因子 | 二级因子 | 分类 | 敏感性等级 | 赋值 | 权重 |
地形因子 | 坡度 (单位:度) | >60 | 极高敏感 | 5 | 0.2 |
45-60 | 高敏感 | 4 | |||
25-45 | 中敏感 | 3 | |||
10-25 | 低敏感 | 2 | |||
0-10 | 非敏感 | 1 | |||
高程 (单位:米) | >1300 | 极高敏感 | 5 | 0.1 | |
1000-1300 | 高敏感 | 4 | |||
800-1000 | 中敏感 | 3 | |||
500-800 | 低敏感 | 2 | |||
<500 | 非敏感 | 1 | |||
坡向 | 正北 | 极高敏感 | 5 | 0.1 | |
东北、西北 | 高敏感 | 4 | |||
正东、正西 | 中敏感 | 3 | |||
东南、西南 | 低敏感 | 2 | |||
平地、正南 | 非敏感 | 1 | |||
用地类型 | 植被 | NDVI>=0.5 | 极高敏感 | 5 | 0.3 |
NDVI<=0 | 高敏感 | 4 | |||
0.3<=NDVI<0.5 | 低敏感 | 2 | |||
0<NDVI<0.3 | 非敏感 | 1 | |||
水系 | 水域区域 | 极高敏感 | 5 | 0.3 | |
水域周边300m范围内 | 高敏感 | 4 | |||
水域周边300—800m范围内 | 中敏感 | 3 | |||
其他区域 | 低敏感 | 2 |
②对生态敏感性结果进行制图,分为5个等级(敏感性1-5),地图添加文字信息标注每个行政区名称,添加必要的地图元素并排版出图(将结果保存为jpg格式)。(10分)
5. 步骤
5.1 加载显示数据
首先,把整个工程的处理范围设置为与研究区图层的范围相同,如下图所示。
![](https://img-blog.csdnimg.cn/8aeaff5197044378a5af64074ee055b2.jpeg)
把研究区范围数据导入到GeoScene Pro软件中,并查看其数据信息,如下图所示。
![](https://img-blog.csdnimg.cn/a823c127c34545409dbe23568a35fa78.jpeg)
接着导入DEM数据,并查看其栅格信息,如下图所示。
![](https://img-blog.csdnimg.cn/0e1eba9fb607403b9784c928d6389804.jpeg)
![](https://img-blog.csdnimg.cn/69057f85d26b4eb6ab4baca15f74d3ee.jpeg)
5.2 DEM数据预处理
5.2.1 镶嵌至新栅格
首先要把以上的四个DEM数据镶嵌成一个数据,这里使用到的是【镶嵌至新栅格】工具,输入栅格设置为原始的四个DEM数据,在栅格数据的空间参考处导入原始DEM数据的空间参考坐标系,像素类型选择16位有符号,像元大小设置为30,波段数设置为1,这些信息都可以在原始的DEM数据属性中查看到,需要与原始DEM数据保持一致,不能想当然设置,如下图所示。
![](https://img-blog.csdnimg.cn/9cf5158367e34da3a5edc20749aa430b.jpeg)
![](https://img-blog.csdnimg.cn/cdbc273f4a8248c09aa4a05a8f1d9465.jpeg)
然后把镶嵌好的DEM数据和研究区范围矢量数据叠加显示,如下图所示。
![](https://img-blog.csdnimg.cn/4f0e44d590b9493f924117d27a5da8f2.jpeg)
5.2.2 按掩膜提取
接下来需要裁剪出研究区范围内的DEM数据,使用到的是【按掩膜提取】工具,输入栅格设置为镶嵌好的DEM数据,输入栅格数据或要素掩膜数据设置为研究区范围的矢量数据,如下图所示。
![](https://img-blog.csdnimg.cn/1f6419fe65b64dbb8c372245ba450560.jpeg)
![](https://img-blog.csdnimg.cn/e9f373f19e6c42a58a99d0ac21fe9697.jpeg)
至此,原始的DEM数据预处理就算结束了,接下来进行其他的数据处理。
5.3 提取坡度以及重分类
5.3.1 提取坡度
由上述处理好的研究区DEM数据就可以提取坡度、坡向等数据了。提取坡度用到的是【Slope】工具,输入栅格设置为处理好的研究区DEM数据,其他参数默认即可,如下图所示。
![](https://img-blog.csdnimg.cn/db61fd798d144aeca431163e5a45a514.jpeg)
![](https://img-blog.csdnimg.cn/7fa2970025c446bebd5cb08b11e7deb6.jpeg)
5.3.2 坡度重分类
然后根据题目要求对坡度数据重分类,使用到的是【重分类】工具,输入栅格设置为上一步得到的坡度数据,重分类字段选择VALUE字段,按照上述要求中的生态因子及其影响范围所赋属性值表格的内容对坡度数据进行重分类,如下图所示。
![](https://img-blog.csdnimg.cn/034b1fec1cca464cae8c75cedbc20639.jpeg)
![](https://img-blog.csdnimg.cn/4895c92933804b56a6744962d875cda2.jpeg)
5.4 高程重分类
接下来对高程数据进行重分类,分类依据也是参照题目要求中的生态因子及其影响范围所赋属性值表格,输入栅格设置为研究区的DEM数据,重分类字段选择VALUE字段,如下图所示。
![](https://img-blog.csdnimg.cn/62b2f0674d244d56a9d5b64d0259ed03.jpeg)
![](https://img-blog.csdnimg.cn/82223a5980bd483d9ed75963a6bea820.jpeg)
5.5 提取坡向以及重分类
5.5.1 提取坡向
提取坡向使用的数据是处理好的研究区DEM数据,使用到的工具是【坡向】工具,输入栅格设置为研究区DEM数据,如下图所示。
![](https://img-blog.csdnimg.cn/7a6eb3b8ccc746bf9da8c7a863b7acd0.jpeg)
![](https://img-blog.csdnimg.cn/9230b489f3b84e579bb4ad2cee31831b.jpeg)
5.5.2 坡向重分类
然后根据题目要求中的生态因子及其影响范围所赋属性值表格对坡向数据进行重分类,使用到的工具是【重分类】工具,输入栅格设置为坡向数据,重分类字段选择VALUE字段,如下图所示。
![](https://img-blog.csdnimg.cn/2df51f11a4b74dd09ce57422938d165a.jpeg)
![](https://img-blog.csdnimg.cn/c6c57a2252494e6889cea39c7fb37fbe.jpeg)
5.6 计算NDVI以及重分类
5.6.1 波段合成
首先把原始数据提供的Landsat5数据的1至7波段加载进来,如下图所示。
![](https://img-blog.csdnimg.cn/e472d07e6d504b24a8401c0b1cdadbe4.jpeg)
![](https://img-blog.csdnimg.cn/2ae9828f1ab2441593ce2f255fea9529.jpeg)
然后使用【波段合成】工具进行波段合成操作,输入栅格设置为上一步加载进来的1至7波段遥感影像数据,如下图所示。
![](https://img-blog.csdnimg.cn/b7b88d4dfb8647119557adcda3fe5af8.jpeg)
![](https://img-blog.csdnimg.cn/0d3b20f3ab60483cb08467f945aaa11c.jpeg)
5.6.2 计算NDVI
计算NDVI使用到的是指数菜单中的NDVI工具,近红外波段指数设置为第4波段,红色波段指数设置为第3波段,如下图所示。
![](https://img-blog.csdnimg.cn/347697c02283498fbca8afb8745d9e88.jpeg)
![](https://img-blog.csdnimg.cn/10174aca128b4f9bb5eb9c37bf93375e.jpeg)
![](https://img-blog.csdnimg.cn/a3954eb146ff4802920673c1252b369a.jpeg)
然后需要提取出研究区范围内的NDVI数据,使用到的是【按掩膜提取】工具,输入栅格设置为上一步得到的NDVI数据,输入栅格数据或要素掩膜数据设置为研究区范围矢量数据,如下图所示。
![](https://img-blog.csdnimg.cn/5a218faf838c4d88ab943fb34b0c3978.jpeg)
![](https://img-blog.csdnimg.cn/256ff03a0530484fb50a939637c8d01e.jpeg)
5.6.3 NDVI重分类
接下来需要按照题目要求中的生态因子及其影响范围所赋属性值表格对研究区的NDVI进行重分类,使用到的是【重分类】工具,输入栅格设置为上一步得到的研究区NDVI数据,重分类字段选择VALUE字段,如下图所示。
![](https://img-blog.csdnimg.cn/cc5a5b0e068f4c6b91e5821a1f516046.jpeg)
![](https://img-blog.csdnimg.cn/d45e52d8e11c4df981ff4df7c0a2e4cd.jpeg)
5.7 提取水体以及重分类
5.7.1 计算NDWI
计算NDWI使用到的工具是【栅格计算器】工具,在栅格计算器中输入以下公式:(Float("L5119039_03920100524_B20.TIF")- Float("L5119039_03920100524_B40.TIF")) / (Float("L5119039_03920100524_B20.TIF")+ Float("L5119039_03920100524_B40.TIF")),这里所说的输入并非逐个字符地输入,而是通过双击数据来写入需要使用到的数据名称,然后通过基本的运算符连接起来形成一个公式,如下图所示。
![](https://img-blog.csdnimg.cn/bc16eb1e4bf44a889b23b7663b09a008.jpeg)
![](https://img-blog.csdnimg.cn/627de06a59e64cad8968500912a0ea22.jpeg)
然后需要提取出研究区范围内的NDWI数据,使用到的工具是【按掩膜提取】工具,输入栅格设置为上一步得到的总范围的NDWI数据,输入栅格数据或要素掩膜数据设置为研究区范围矢量数据,如下图所示。
![](https://img-blog.csdnimg.cn/975fa5d392ea415dbc3d4d420b0a5f41.jpeg)
![](https://img-blog.csdnimg.cn/ae19ea5cd0e249c7abaf37048bf6fa7b.jpeg)
5.7.2 提取水体
根据NDWI指数大于等于0的区域理论上是水体来提取水体数据,使用到的是【栅格计算器】工具,在栅格计算器中输入以下公式:Con( "研究区NDWI">= 0,1),这里所谓的输入也是通过双击研究区NDWI数据来写入数据名称的,并非逐个字符地手动输入,如下图所示。
![](https://img-blog.csdnimg.cn/d03c21ddf99249079297b9bef4b6a11c.jpeg)
![](https://img-blog.csdnimg.cn/4802c7a55e514d4db9629fd7301aa833.jpeg)
5.7.3 计算欧氏距离
接下来计算水体的欧氏距离,这里所谓的欧氏距离可以理解为距离水体的远近。计算欧氏距离使用到的是【欧氏距离】工具,输入栅格或要素源数据设置为上一步得到的水体数据,输出像元大小设置为30,这里的像元大小可以通过查看本题中其他的栅格数据的属性信息来得知,需要与其他的栅格数据的像元大小保持一致,其它参数默认即可,如下图所示。
![](https://img-blog.csdnimg.cn/8790da149abd4fd89d337bb17c60f8b6.jpeg)
![](https://img-blog.csdnimg.cn/f225d78b469848ad857c2773aa4f0983.jpeg)
然后需要提取出研究区范围内的欧氏距离数据,使用到的工具是【按掩膜提取】工具,输入栅格设置为上一步得到的欧氏距离数据,输入栅格数据或要素掩膜数据设置为研究区范围矢量数据,如下图所示。
![](https://img-blog.csdnimg.cn/ad0fb9cd6677453e8dcbd052c3086e2a.jpeg)
![](https://img-blog.csdnimg.cn/3c05049dcc9c421fafb16b5d19403c94.jpeg)
5.7.4 欧氏距离重分类
接下来需要按照题目要求中的生态因子及其影响范围所赋属性值表格来对欧氏距离进行重分类,使用到的是【重分类】工具,输入栅格设置为上一步得到的研究区欧氏距离数据,重分类字段选择VALUE字段,如下图所示。
![](https://img-blog.csdnimg.cn/aa4091afe34b42a389e1e0530a5c7a53.jpeg)
![](https://img-blog.csdnimg.cn/c55df578ab12485181cd5a1d30bc8411.jpeg)
5.8 计算加权总和以及重分类
5.8.1 计算加权总和
最后一步是根据上述得到的各生态因子数据来计算它们对生态环境敏感性的综合影响,也要参照题目要求中的生态因子及其影响范围所赋属性值表格来进行该操作,其中坡度的权重是0.2,高程的权重是0.1,坡向的权重是0.1,NDVI的权重是0.3,欧氏距离的权重是0.3,这里利用【栅格计算器】工具来计算它们的加权结果,如下图所示。
![](https://img-blog.csdnimg.cn/c02e301601c647c786df320f58daebc3.jpeg)
![](https://img-blog.csdnimg.cn/c4b40446ded94ce8b4dd9ae7d490fe5f.jpeg)
5.8.2 加权总和重分类
然后再根据题目要求对加权总和的结果数据进行重分类,需要分为5类,使用到的是【重分类】工具,输入栅格设置为加权总和结果数据,重分类字段设置为VALUE字段,如下图所示。
![](https://img-blog.csdnimg.cn/34c0b6f3cd264c9b908e6ba604afc0dd.jpeg)
![](https://img-blog.csdnimg.cn/fc05faae01f5490d9e7f377c2495fa29.jpeg)
最后设置一下加权总和重分类结果数据的符号系统就可以出图了,主符号系统选择唯一值,字段选择Value字段,然后添加所有值,在标注列分别把1至5等级设置为不敏感区域,轻度敏感区域,中度敏感区域,高度敏感区域,极其敏感区域,然后再调整一下各等级的填充颜色,如下图所示。
![](https://img-blog.csdnimg.cn/dddb632966c14b7492190d6c7fdfc850.jpeg)
6. 整饰出图
![](https://img-blog.csdnimg.cn/cbb92457cf5c461abe00df791eb1ce88.jpeg)