当前位置: 首页 > news >正文

【景观生态学实验】实验五 景观生态脆弱性评价

实验目的

1.学习层次分析模型思路,对丹江口库区2000年景观生态脆弱性评价建模:通过实验课的学习,深入理解层次分析(Analytic Hierarchy Process,AHP)理论与模型,了解其在决策问题中的应用,并理解如何将其灵活运用于景观生态学的脆弱性评价;

2.掌握景观生态脆弱性的评价方法:通过实验课的学习与具体操作,使学生深入了解景观生态学中脆弱性的相关概念,并进一步学习如何利用ArcGIS与yaahp等软件评估研究区域的景观脆弱性,深入理解景观生态系统的抵抗力和适应性,从而为可持续生态系统管理提供科学支持。

实验内容

(1)提取评价模型中各因子图层;

(2)构建生态脆弱性层次分析模型;

(3)评定2000年丹江口库区生态脆弱性等级。

实验过程

(1)空间数据重采样

1.空间数据裁剪:在实验过程前,我们可以发现在老师提供的实验数据中的11个参评指标的tif文件里,道路、人口与GDP数据的数据范围与其它数据不太相符,为保证在后续栅格计算步骤的顺利,我们首先利用【按掩膜提取工具】,对上述的三个文件进行裁剪:

最终得到效果如下图所示:

利用Arcpy重采样数据:除上述步骤外,在进行栅格计算前,我们还需要统一参评因子栅格的空间分辨率,老师提供的data5中的数据分辨率均为100 m,而土地利用(景观分类)、高程与坡度数据的分辨率为25m,因此我们需要利用【重采样】工具进行重采样,所有图层统一分辨率为100m。

此处我们使用ArcGIS中自带的Python,利用代码来帮助我们自动执行重采样,并附代码如下所示:

import arcpy
from arcpy.sa import *arcpy.env.workspace = r"C:\Users\付嘉琪\Desktop\景观生态学实验\实验五\data5"input_folder = r"C:\Users\付嘉琪\Desktop\景观生态学实验\实验五\data5\data"output_folder = r"C:\Users\付嘉琪\Desktop\景观生态学实验\实验五\reresult"resampling_resolution = "100"tif_list = arcpy.ListFiles("*.tif")for tif_file in tif_list:input_path = input_folder + "\\" + tif_fileoutput_path = output_folder + "\\" + tif_filearcpy.Resample_management(input_path, output_path, resampling_resolution, "NEAREST")print output_pathprint("Finish!")

(2)参评数据重分类

重分类的目的在于,使多样化不同标准的数据统一至同一标准下。在我们选定的十一个参评数据中,即存在文字数据也存在数字数据,如果不做处理将会为后续的权重分配带来很大的困扰,因此为了给我们后续的定量化评价提供依据,我们需要对十一类参评数据继续重分类处理。

根据老师在实验指导书中提供的各参评因子的对应等级矩阵,我们利用ArcGIS中的【重分类】工具,将各类大小不一的数据划分到1-5的五个等级之中,此处我们没有继续使用Python代码工具,因为每类数据的划分标准不同,代码的编写使用不具备普适性:

点击【Spatial Analyst】—>【重分类】—>【重分类】打开参数框后,以参评数据【GDP】为例,设置参数如下图所示:

!!特别注意!!一定要勾选【将缺失值更改为NoData】

打开参数框后点击【分类】,在分类方法中选择【自然间断点分级法】,类别数量中选择5,根据实验指导书中提供的分类依据在【中断值】中填写数据即可,最终得到结果如下右图所示:

(3)参评因子权重确定——层次分析法

以上的实验过程中在ArcGIS中的数据准备工作已经全部完毕,即我们已经获得了研究区域内十一个指标的统一标准的数据,但为了最后获得一个单独衡量研究区域景观生态脆弱性的数据,我们还需要对这十一个指标分别赋予权重以计算结果。此次实验中我们选择使用yaahp软件,利用层次分析法,模拟专家评分方式获得指标权重。

打开软件后新建文档,分别将【决策目标】设置为生态脆弱性,【中间层要素】设置为四类指标,【备选方案】设置为具体的十一个指标,搭建层次网络如下图所示:

接下来在层次结构中人为判断各类指标的相对重要性,虽然我们此时在软件中给出的比较还相对模糊直观,但软件将依据我们所给出的参考重要性计算具体权重数值,最终我们通过判断矩阵的【一致性】来判断矩阵结果是否可以被接受,当一致性比例<0.1时,我们认为判断矩阵的设置成功。

(4)生态脆弱性评价

根据上述利用层次分析法与yaahp软件计算得到的十一个指标的权重,我们即可计算得到研究区域的景观生态脆弱程度,公式如下所示:

脆弱性指数 = Σ 因子层Ci  × 该因子层对应权重Wi

因此我们利用ArcGIS中的【栅格计算器】工具,帮助我们将十一个指标数值的空间特征与指标权重相结合,选择【Spatial Analyst】—>【地图代数】—>【栅格计算器】,打开参数框,输入公式如下图所示:

得到结果如下图所示,此图即为我们研究区域景观生态脆弱性的栅格结果图,为了达到更为直观结果展示效果,我们选择利用ArcGIS中的【重分类工具】,对研究区域的脆弱性进行分级:

点击【Spatial Analyst】—>【重分类】—>【重分类】打开参数框,根据老师提供的实验指导书的内容,分级依据为:0-1(等级1,潜在脆弱),1-2(等级2,轻度脆弱),2-3(等级3,中度脆弱),3-4(等级4,严重脆弱),>4(等级5,极端脆弱):

专题地图

最后将上述地图打包输出为“2000年丹江口库区生态脆弱性专题地图” JPG格式的地图如下图所示,作为地信学子,我在老师实验内容要求的基础上做了部分自我的修改、增加与删减,以使地图达到更为美观更符合个人审美的效果:

实验心得

1.此次实验我们再次回到ArcGIS中,并结合利用yaahp软件计算获得了研究区域丹江口库区的生态脆弱性结果。从数据处理—>权重计算—>获得综合因子(生态脆弱性),实验完成后我最为直观的体验就是相似性,这一整体思路在我们许多以获得评价结果为目标的学习内容与科研工作中都是非常常见的,其难点往往在于评价指标的选取、精准详细的数据获得与权重划分的合理性,而在此次实验中大部分的内容老师已为我们提供,因此本次实验任务较为轻松与简单;

2.此次实验是我们景观生态学实验课的最后一次实验,至此我们景观生态学的课堂学习也暂时告一段落了。后半学期的实验课学习,我们在景观生态学理论课的基础上主要学习了四个方面:区域景观的分类、景观格局变化分析、景观指数的计算与生态脆弱性评价,可以明显感受到,我们整个的实验课内容是一个逐层递进,循序渐进,环环相扣的过程;

3.作为一名地信学子,如果将这五次实验课的内容看作一个整体,其实景观生态学实验中的许多步骤(例如:土地利用类型分类、分区统计、重分类)都是我们以前就有学习或经常用到的,但过去我们是站在学习方法与工具的角度进行操作,而这一次实验,我们是站在具体应用与例子的角度,站在获得结果的角度进行操作的,在这样一个学习过程中,我不仅深入理解并加强巩固了景观生态学的理论知识,同时通过实验中的具体例子与应用,进一步体会感悟到了ArcGIS作为一项空间数据的分析处理工具的强大之处,这也是我认为我们景观生态学实验课与其它实验课学习最大的不同之处。

相关文章:

【景观生态学实验】实验五 景观生态脆弱性评价

实验目的 1.学习层次分析模型思路&#xff0c;对丹江口库区2000年景观生态脆弱性评价建模&#xff1a;通过实验课的学习&#xff0c;深入理解层次分析&#xff08;Analytic Hierarchy Process&#xff0c;AHP&#xff09;理论与模型&#xff0c;了解其在决策问题中的应用&…...

ChatGPT 现已登陆 Windows 平台

今天&#xff0c;OpenAI 宣布其人工智能聊天机器人平台 ChatGPT 已开始预览专用 Windows 应用程序。OpenAI 表示&#xff0c;该应用目前仅适用于 ChatGPT Plus、Team、Enterprise 和 Edu 用户&#xff0c;是一个早期版本&#xff0c;将在今年晚些时候推出"完整体验"。…...

和鲸社区数据科学实训季,西安交通大学圆满收官,西安,后会有期!

和鲸社区数据科学实训季活动已走进数十家高校&#xff0c;在西安的收官之站&#xff0c;落定西安交通大学管理学院&#xff0c;为本次西安之旅画上了圆满的句号。 和鲸社区 2024秋 数据科学实训季以“帮助同学积累真实场景项目经验”为出发点&#xff0c;提供 60 个数据科学实践…...

工作使用篇:如何在centos系统中安装anaconda

在CentOS 7上安装Anaconda的步骤如下&#xff1a; 1. 下载Anaconda 首先&#xff0c;你需要下载Anaconda的安装脚本。可以使用wget命令从Anaconda的官网获取最新版本的安装脚本。打开终端并运行以下命令&#xff1a; wget https://repo.anaconda.com/archive/Anaconda3-2024…...

qt creator 转 visual stdio 项目调试

因果 大家在使用qt creator调试程序时&#xff0c;会出现未知错误&#xff0c;比如下图&#xff0c;直接release运行就没有问题。由于调试复杂程序&#xff0c;使用qt creator都感觉不如vs&#xff0c;会报未知中断。 所以有了从qt creator转换到 visual stdio来调试的想法。…...

django5入门【02】创建新的django程序

注意&#xff1a; ⭐前提&#xff1a;已经安装了python以及django所依赖的包1、通过django-admin管理工具在命令行创建Django应用程序&#xff0c;创建命令如下&#xff1a; django-admin startproject ProjectName❓ 疑问&#xff1a;除了使用命令行创建django程序外&#x…...

乐趣无限,十个让你沉浸的“摸鱼”网站

在繁忙的生活中&#xff0c;我们总需要一些摸鱼时刻&#xff0c;来为紧绷的神经松绑。无论是工作间隙的小憩&#xff0c;还是下班后的放松&#xff0c;适当的摸鱼不仅能提升效率&#xff0c;还能让生活充满乐趣。今天&#xff0c;我为大家推荐几个绝对能让你乐在其中的网站&…...

ubuntu22.04 桌面系统怎么搭建一个esp-idf的项目,搭建开发环境

详细介绍如何在 Ubuntu 22.04 桌面系统上搭建 ESP-IDF 的开发环境&#xff0c;并创建一个 ESP-IDF 项目。以下内容将涵盖从环境准备到项目创建和编译的所有步骤。 目录 环境准备 1.1 更新系统1.2 安装必要的工具和依赖项 安装 ESP-IDF 2.1 克隆 ESP-IDF 仓库2.2 运行安装脚本 …...

iOS Swift逆向——deMangle过程中的偏移计算

碰到好多函数最开始都会调用这个函数&#xff0c;xref了一下&#xff0c;发现有上万个xref。 __int64 __fastcall sub_1000B6ED0(__int64 *a1) {__int64 result; // x0result *a1;if ( result < 0 ){result swift_getTypeByMangledNameInContext((char *)a1 (int)result…...

国产大模型基础能力大比拼 - 计数:通义千文 vs 文心一言 vs 智谱 vs 讯飞-正经应用场景的 LLM 逻辑测试

在大语言模型&#xff08;LLM&#xff09;不断涌现的时代&#xff0c;如何评估这些国产大模型的逻辑推理能力&#xff0c;尤其是在处理基础计数问题上的表现&#xff0c;成为了一个备受关注的话题。随着越来越多的国产大模型进入市场&#xff0c;比较它们在不同任务中的表现尤为…...

YOLO11改进 | 注意力机制 | 正确的 Self-Attention 与 CNN 融合范式,性能速度全面提升【独家创新】

秋招面试专栏推荐 &#xff1a;深度学习算法工程师面试问题总结【百面算法工程师】——点击即可跳转 &#x1f4a1;&#x1f4a1;&#x1f4a1;本专栏所有程序均经过测试&#xff0c;可成功执行&#x1f4a1;&#x1f4a1;&#x1f4a1; 卷积和自注意力是两种强大的表征学习技术…...

0基础学java之Day11

二维数组 静态二位数组 理解&#xff1a;二维数组中包含了多个一维数组 声明&#xff1a; 数据类型 变量名;--推荐 数据类型 变量名; //静态初始化1//String[][] names new String[][]{{"小红","小绿","小蓝"},{"小黄","小紫…...

python主流框架Django:ORM框架关联查询与管理器

目录 注意 使用前要调用之前的模型类 F对象 Q对象 聚合函数 排序 关联查询(连表查询) 修改 删除 查询集 QuerySet 注意 使用前要调用之前的模型类 F对象 之前的查询都是对象的属性与常量值比较&#xff0c;两个属性怎么比较呢&#xff1f; 答&#xff1a;使用 "F对象&quo…...

如何有效维护您的WordPress在线商店内容:提高客户参与度与转化率的实用技巧

在电子商务领域&#xff0c;内容为王。新鲜、相关且有吸引力的内容能显著提升客户参与度和转化率。本文将探讨如何有效更新和维护您的在线商店内容&#xff0c;确保客户始终获得最佳体验。 定期更新产品信息 产品描述 产品描述是吸引客户和促成销售的关键。定期检查并更新产…...

【Java】认识异常

1.异常概念与体系结构 1.1异常的概念 在我们日常开发中&#xff0c;代码都是尽可能完善&#xff0c;但是难免会出现一些奇奇怪怪的问题。而这些奇奇怪怪的问题可能很难通过代码去控制&#xff0c;比如格式不对会报错&#xff0c;网络不好也会报错等。 在Java中&#xff0c;将…...

20 Shell Script输入与输出

标出输入、标准输出、错误输出 一、程序的基本三个IO流 一&#xff09;文件描述符 ​ 任何程序在Linux系统中都有3个基本的文件描述符 ​ 比如: ​ cd/proc/$$/fd ​ 进入当前shell程序对于内核在文件系统的映射目录中: [rootlocalhost ~]# cd /proc/$$/fd [rootlocalhos…...

HCIP-HarmonyOS Application Developer 习题(十六)

&#xff08;判断&#xff09;1、HiLink通过分布式软总线的方式连接所有设备&#xff0c;强能力设备可对弱能力设备进行设备虚拟化&#xff0c;将弱设备当做本机设备直接调用。 答案&#xff1a;错误 分析&#xff1a;HiLink 主要针对的是应用开发者与第三方设备开发者&#xf…...

没有什么可以抵达乌托邦,包括AI

本文为《智人之上:从石器时代到AI时代的信息网络简史》书评 可以说,尤瓦尔赫拉利又一次让我们获得了理解人类文明的新视角。 这是他一直以来都在做的:构建理解人类文明史的新知识框架。从此前的《人类简史》《未来简史》《今日简史》,到今天的新书《智人之上》,他一直保…...

家庭事务管理系统|基于java和vue的家庭事务管理系统设计与实现(源码+数据库+文档)

家庭事务管理系统 目录 基于java和vue的家庭事务管理系统 一、前言 二、系统功能设计 三、系统实现 四、数据库设计 五、核心代码 六、论文参考 七、最新计算机毕设选题推荐 八、源码获取&#xff1a; 博主介绍&#xff1a;✌️大厂码农|毕设布道师&#xff0c;阿里云…...

doris创建异步物化视图(加速数据低频变更的复杂实时计算)

异步物化视图&#xff0c;可以把那些每次实时计算非常耗时的&#xff0c;而需要计算的数据变更比较低频的这些计算创建对应的异步物化视图&#xff0c;当相关数据变化的时候触发异步任务去更新计算结果&#xff0c;或者定时计算也可以。例如该处示范为计算订单的订单标识&#…...

Golang 面试经典题:map 的 key 可以是什么类型?哪些不可以?

Golang 面试经典题&#xff1a;map 的 key 可以是什么类型&#xff1f;哪些不可以&#xff1f; 在 Golang 的面试中&#xff0c;map 类型的使用是一个常见的考点&#xff0c;其中对 key 类型的合法性 是一道常被提及的基础却很容易被忽视的问题。本文将带你深入理解 Golang 中…...

【大模型RAG】Docker 一键部署 Milvus 完整攻略

本文概要 Milvus 2.5 Stand-alone 版可通过 Docker 在几分钟内完成安装&#xff1b;只需暴露 19530&#xff08;gRPC&#xff09;与 9091&#xff08;HTTP/WebUI&#xff09;两个端口&#xff0c;即可让本地电脑通过 PyMilvus 或浏览器访问远程 Linux 服务器上的 Milvus。下面…...

如何将联系人从 iPhone 转移到 Android

从 iPhone 换到 Android 手机时&#xff0c;你可能需要保留重要的数据&#xff0c;例如通讯录。好在&#xff0c;将通讯录从 iPhone 转移到 Android 手机非常简单&#xff0c;你可以从本文中学习 6 种可靠的方法&#xff0c;确保随时保持连接&#xff0c;不错过任何信息。 第 1…...

C++ 基础特性深度解析

目录 引言 一、命名空间&#xff08;namespace&#xff09; C 中的命名空间​ 与 C 语言的对比​ 二、缺省参数​ C 中的缺省参数​ 与 C 语言的对比​ 三、引用&#xff08;reference&#xff09;​ C 中的引用​ 与 C 语言的对比​ 四、inline&#xff08;内联函数…...

CocosCreator 之 JavaScript/TypeScript和Java的相互交互

引擎版本&#xff1a; 3.8.1 语言&#xff1a; JavaScript/TypeScript、C、Java 环境&#xff1a;Window 参考&#xff1a;Java原生反射机制 您好&#xff0c;我是鹤九日&#xff01; 回顾 在上篇文章中&#xff1a;CocosCreator Android项目接入UnityAds 广告SDK。 我们简单讲…...

css的定位(position)详解:相对定位 绝对定位 固定定位

在 CSS 中&#xff0c;元素的定位通过 position 属性控制&#xff0c;共有 5 种定位模式&#xff1a;static&#xff08;静态定位&#xff09;、relative&#xff08;相对定位&#xff09;、absolute&#xff08;绝对定位&#xff09;、fixed&#xff08;固定定位&#xff09;和…...

06 Deep learning神经网络编程基础 激活函数 --吴恩达

深度学习激活函数详解 一、核心作用 引入非线性:使神经网络可学习复杂模式控制输出范围:如Sigmoid将输出限制在(0,1)梯度传递:影响反向传播的稳定性二、常见类型及数学表达 Sigmoid σ ( x ) = 1 1 +...

return this;返回的是谁

一个审批系统的示例来演示责任链模式的实现。假设公司需要处理不同金额的采购申请&#xff0c;不同级别的经理有不同的审批权限&#xff1a; // 抽象处理者&#xff1a;审批者 abstract class Approver {protected Approver successor; // 下一个处理者// 设置下一个处理者pub…...

音视频——I2S 协议详解

I2S 协议详解 I2S (Inter-IC Sound) 协议是一种串行总线协议&#xff0c;专门用于在数字音频设备之间传输数字音频数据。它由飞利浦&#xff08;Philips&#xff09;公司开发&#xff0c;以其简单、高效和广泛的兼容性而闻名。 1. 信号线 I2S 协议通常使用三根或四根信号线&a…...

七、数据库的完整性

七、数据库的完整性 主要内容 7.1 数据库的完整性概述 7.2 实体完整性 7.3 参照完整性 7.4 用户定义的完整性 7.5 触发器 7.6 SQL Server中数据库完整性的实现 7.7 小结 7.1 数据库的完整性概述 数据库完整性的含义 正确性 指数据的合法性 有效性 指数据是否属于所定…...