2018Esri开发竞赛ENVIIDL组作品欣赏-基于landsat8的故黄河(睢宁县流域)生态环境健康评价
基于Landsat_8遥感数据的森林火灾过火面积估算——以贵州毕节市赫章县“3·18”火灾为例
第49卷第1期 林 业 调 查 规 划Vol.49 No.1 doi:10.3969/j.issn.1671⁃3168.2024.01.033基于Landsat8遥感数据的森林火灾过火面积估算———以贵州毕节市赫章县“3·18”火灾为例董奎1,董平2,陈兰3(1.毕节市天然林资源保护中心,贵州毕节551700;2.四川山海图农林科技有限公司,四川成都610081;3.毕节市林业调查规划设计院,贵州毕节551700)摘要:以贵州省毕节市赫章县2021年3月18日较大森林火灾为例,利用火灾前后Landsat8遥感数据及ENVI遥感数据处理分析软件,通过图像预处理、计算归一化植被指数和燃烧面积指数等方法,提取森林火灾过火区域,计算过火面积。
结果表明,利用Landsat8数据能够较好地提取森林火灾过火区域,过火面积估算准确率达96.2%。
关键词:Landsat8遥感数据;森林火灾;过火面积;归一化植被指数;燃烧面积指数中图分类号:S762.31;S711.8 文献标识码:A 文章编号:1671-3168(2024)01-0187-05引文格式:董奎,董平,陈兰.基于Landsat8遥感数据的森林火灾过火面积估算———以贵州毕节市赫章县“3·18”火灾为例[J].林业调查规划,2024,49(1):187-191.doi:10.3969/j.issn.1671⁃3168.2024.01.033 DONG Kui,DONG Ping,CHEN Lan.Estimation of Forest Fire Burned Area Based on Landsat8Remote Sensing Data———A Case Study of“3·18”Forest Fire in Hezhang County,Bjjie City,Guizhou Province[J].Forest Inventory and Planning, 2024,49(1):187-191.doi:10.3969/j.issn.1671⁃3168.2024.01.033Estimation of Forest Fire Burned Area Based on Landsat8Remote Sensing Data ———A Case Study of“3·18”Forest Fire in Hezhang County,Bjjie City,Guizhou ProvinceDONG Kui1,DONG Ping2,CHEN Lan3(1.Bijie Center of Natural Forest Resources Protection,Bijie,Guizhou551700,China;2.Sichuan Shanhaitu Agriculture and Forestry Technology Co.,Ltd.,Chengdu610081,China;3.Bijie Institute of Forestry Inventory and Planning,Bijie,Guizhou551700,China)Abstract:Taking the forest fire in Hezhang County,Bijie City,Guizhou Province on March18,2021as an example,this paper used Landsat8remote sensing data,and remote sensing data processing and anal⁃ysis software(ENVI),to extract and calculate the burned area based on image preprocessing,calculation of normalized vegetation index and burned area index.The results showed that the burned area of forest fire could be extracted well by using Landsat8data,and the accuracy of burned area was96.2%.Key words:Landsat8remote sensing data;forest fire;burned area;normalized vegetation index;burn⁃ed area index收稿日期:2022-08-23.第一作者:董奎(1990-),男,贵州织金人,工程师.主要从事林业调查规划工作.Email:296940506@责任作者:陈兰(1998-),女,贵州安顺人,硕士研究生.主要从事林业调查工作. 森林资源是陆地生态系统的重要组成部分,对全球和区域生态环境及地理气候有着重要意义。
《基于Landsat8OLI卫星影像的乌梁素海悬浮物和叶绿素a浓度遥感反演研究》范文
《基于Landsat 8 OLI卫星影像的乌梁素海悬浮物和叶绿素a浓度遥感反演研究》篇一一、引言随着遥感技术的飞速发展，利用卫星影像对地表环境和生态系统的监测变得愈加准确和便捷。
其中，基于Landsat 8 OLI卫星影像的数据资源在湖泊环境研究中发挥了重要作用。
乌梁素海作为我国北方的一个典型内陆湖泊，其水质变化和生态环境状况受到了广泛关注。
因此，本文以乌梁素海为研究对象，利用Landsat 8 OLI卫星影像数据，探讨其悬浮物和叶绿素a浓度的遥感反演方法。
二、研究区域与方法（一）研究区域乌梁素海位于我国北方某省，是典型的内陆湖泊。
该湖泊的生态环境和水质状况对周边地区具有重要影响。
（二）研究方法本研究主要利用Landsat 8 OLI卫星影像进行反演研究。
首先，收集乌梁素海区域的多时相Landsat 8 OLI卫星影像数据；其次，对卫星影像进行预处理，包括辐射定标、大气校正等；然后，通过分析水体光谱特征，建立悬浮物和叶绿素a浓度与卫星影像特征参数之间的数学模型；最后，利用模型对乌梁素海进行遥感反演，获取悬浮物和叶绿素a浓度的空间分布情况。
三、数据处理与分析（一）数据预处理对收集到的Landsat 8 OLI卫星影像进行辐射定标和大气校正等预处理操作，以提高数据质量。
（二）光谱特征分析通过分析乌梁素海水体的光谱特征，发现水体中的悬浮物和叶绿素a对不同波段的光具有不同的反射和吸收特性。
其中，蓝色波段对叶绿素a的吸收较强，而红色和近红外波段对悬浮物的反射较为敏感。
（三）数学模型建立根据水体光谱特征分析结果，建立悬浮物和叶绿素a浓度与卫星影像特征参数之间的数学模型。
本研究采用多元线性回归方法建立模型，通过分析不同波段的光谱信息与悬浮物和叶绿素a 浓度的关系，确定模型的参数。
（四）遥感反演与结果分析利用建立的数学模型对乌梁素海进行遥感反演，获取悬浮物和叶绿素a浓度的空间分布情况。
通过对反演结果的分析，发现乌梁素海不同区域的悬浮物和叶绿素a浓度存在较大差异，这与该地区的气候、植被和水质等因素密切相关。
基于Landsat8 OLI影像的山区植被地形落影校正方法研究
2 研究方法
为 了 实 现 山 区 遥 感 影 像 地 形 落 影 校 正 ，首 先 利 用 随 机 森 林 分 类 方 法 将 研 究 区 分 为 阴 影 区 、光照区 和 水 体 ，利 用 DEM数据和影像 角 度 信 息 相 结 合 提 取 本 影 ，落影则由阴 影 区 和 本 影 的 差 运 算 得 到 ；其 次 ， 利 用 研 究 区 地 表 反 射 率 数 据 进 行 SCS+C 校 正 与 SEV丨计算，以 光 照 区 为 掩 膜 对 SCS+C 校 正 结 果 和 SEVI
1 研究区与数据源
1 . 1 研 究 区 概 况 研 究 区 位 于 福 建 省 福 州 市 东 部 （图 1 ) , 地 理 坐 标 范 围 介 于 119 °25 '4 6 "E〜 119 °30 ' 55 " E ,26 °7 '21 "N~26 °12 '10 "N 之 间 ，总面积 为 72 km2, 最 小 坡 度 为 0 ° ，最 大 坡 度 大 于 60 °,平均坡度 2 1 .7 °，标 准 方 差 10. 37 °.该地区以山地为主，地形崎岖复杂，区内植被以常绿阔叶林和竹林为主.
(3)
其 中 ，/'表示太阳入射角，a 表示地形坡度角，0 表示太阳天顶角，表示地形坡向角，ft；表示太阳方位角.
2. 2. 2 S E V I计 算 S E V I18计算公式
SEVI = RVI + / ( A ) x SV I,
(4)
第2期
吴勇锋等：基于丨.amiSat8 0 L1影像的山丨X:植被地形落影校正方法研究
进 行 随 机 采 样 ，生 成 样 本 集 ，进而利用训练样本集生成随机森林回归模型，并结合测试样本集完成随机
基于Landsat 8 OLI的的城市绿地信息提取--以兰州市为例
基于Landsat 8 OLI的的城市绿地信息提取--以兰州市为例高学敏;肖安易;王树发【摘要】作为城市生态系统的重要组成部分之一，绿地起着尤为重要的作用。
然而传统的调查方法不仅费时费力，且动态更新较为困难。
本文以兰州市区为例，采用遥感数据Landsat 8 OLI影像结合目视解译、植被指数和混合像元分解方法提取绿地信息，初步比较了三种方法的分析结果。
最后据此分析兰州市绿地的空间分布特征，为城市的发展提供有益的建议。
%As part of the urban ecosystem, green land plays a very important role. However, traditional methods of investigation are not only time-consuming, but also dif icult for dynamic update. This paper used remote sensing image data from Landsat 8 OLI combined with visual interpretation、vegetation index and pixel unmixing to extract green space and evaluate the accuracy. Final y, we analyzed the spatial distribution of green space of Lanzhou and provide useful suggestion for the city's future development.【期刊名称】《数字技术与应用》【年(卷),期】2014(000)010【总页数】3页(P68-70)【关键词】遥感;NDVI;混合像元分解;兰州【作者】高学敏;肖安易;王树发【作者单位】兰州大学资源环境学院甘肃兰州 730000;兰州大学资源环境学院甘肃兰州 730000;兰州大学资源环境学院甘肃兰州 730000【正文语种】中文【中图分类】P237;TU985随着地理信息产业的蓬勃发展,3S技术(遥感(RS)、地理信息系统(GIS)、全球定位系统(GPS))得到了越来越广泛的应用。
基于Landsat 8影像的黄河口悬浮物质量浓度遥感反演
基于Landsat 8影像的黄河口悬浮物质量浓度遥感反演周媛;郝艳玲;刘东伟;崔廷伟;于瑞宏;张志磊【期刊名称】《海洋学研究》【年(卷),期】2018(036)001【摘要】悬浮物质量浓度是黄河口海域重要的水质和水环境监测参数之一,直接影响着水面以下光场的分布,进而影响水体的初级生产力和水域生态环境.本文基于2011年6—7月和11—12月共计89组现场实测悬浮物质量浓度和光谱数据,分析了黄河口及其附近海域不同悬浮物质量浓度的水体光谱特征,尝试利用多种波段组合建立悬浮物质量浓度遥感反演算法.结果表明865 nm波段与波段比655 nm/560 nm组合形式算法反演结果最优,算法相关系数 R2为0.95,平均相对误差为25.65%.将算法应用于2014—2016年共7景Landsat 8 OLI遥感影像,分析了不同年份黄河口悬浮物质量浓度的时空分布特征,黄河口海域悬浮物质量浓度分布总体呈现近岸高,离岸低的特点,不同时期悬浮物质量浓度量值上有显著变化.%Suspended particulate matter(SPM)plays an important role in determining the light field under water,which then affects the primary production and waters ecological environment.Therefore,SPM concentration is one of the important parameters for water quality and hydrographic environment monitoring. Based on a total of 89 in-situ SPM concentration and spectral data collected from June to July and from November to December 2011,the spectral characteristics of suspended matter in the Yellow River Estuary and its adjacent waters were analyzed.And an empirical inversion algorithms for SPM concentrationwith different combinations of bands or band ratios was established.The result showed that the algorithm with combining the Rrs655/Rrs560 and Rrs865 was the best,the A PD of algorithm was 25.65%,and the correlation was 0. ing the Rrsretrieved from Landsat 8 OLI data and the SPM algorithm,7 maps of the SPM concentration in the Yellow River Estuary and its adjacent waters from 2014 to 2016 were obtained.The result indicated that the SPM concentration reduced gradually from the coastal to offshore waters,and the value of SPM concentration had significant changes during different periods.【总页数】11页(P35-45)【作者】周媛;郝艳玲;刘东伟;崔廷伟;于瑞宏;张志磊【作者单位】内蒙古大学生态与环境学院,内蒙古呼和浩特010021;内蒙古大学生态与环境学院,内蒙古呼和浩特010021;内蒙古大学生态与环境学院,内蒙古呼和浩特010021;国家海洋局第一海洋研究所,山东青岛266061;内蒙古大学生态与环境学院,内蒙古呼和浩特010021;包头市环境保护局,内蒙古包头014060【正文语种】中文【中图分类】X87【相关文献】1.黄河口海域悬浮物浓度Landsat8 OLI分段线性反演 [J], 刘振宇;崔廷伟;张胜花;赵文静2.基于GF-1 WFV影像的浑河悬浮物浓度和浊度遥感反演研究 [J], 许鹏;杜萍;申茜;徐智邦3.基于半分析方法的黄河口悬浮物浓度遥感反演 [J], 顺布日; 青松; 郝艳玲4.基于Landsat-8 OLI数据的乌梁素海总溶解性固体质量浓度遥感反演 [J], 阿如娜;青松;包玉海5.基于Landsat影像的清河水库总悬浮物浓度反演模型研究 [J], 阎孟冬;杨国范;殷飞因版权原因，仅展示原文概要，查看原文内容请购买。
基于Landsat8_OLI影像不同融合方法的研究--以拉萨市为例
基于Landsat8_OLI影像不同融合方法的研究--以拉萨市为例蒋宁;刘炜【期刊名称】《西藏科技》【年(卷),期】2022()4【摘要】图像融合的目的是为了提高图像的质量,不相同的卫星和融合方式会对图像融合的结果产生不一样的影响。
文章以拉萨市某地区的Landsat8遥感影像作为图像融合的基础数据源,对预处理的Landsat8遥感影像对比使用Brovey、PCA、Gram-Schmidt和NNDiffuse四种影像融合方式,目的为了找到适应于该地区的融合方式。
结合目视评判和客观评价的试验结果表明,NNDiffuse试验后评价结果的均值为109.3267,对比其他方法是比较大的,标准差为55.5667,相比于另外三种方式值也是最大的,其影像的清晰程度、空间分辨率是有提升的,而且有较小的光谱失真的程度,且具有相当丰富的信息量;Gram-Schmidt融合和NNDiffuse融合的结果最为接近,每个参数只有不到1的差别;PCA融合方式在此试验地区的均值、标准差不及于前两种方式的融合,但扭曲程度较小;Brovey融合算法在此地区的各个指数都相对不理想,且融合效率也相对不好。
综合以上,四种融合方法都可以使多光谱影像的质量得以不同程度上的提升,NNDiffuse的融合方法更适合于拉萨市该区域影像的融合处理。
【总页数】5页(P71-75)【作者】蒋宁;刘炜【作者单位】西藏民族大学信息工程学院【正文语种】中文【中图分类】TP3【相关文献】1.不同融合算法对ETM+遥感影像融合效果对比研究——以陕西安塞县和永寿县为例2.拉萨市文化与旅游深度融合研究——以拉萨市八廓街为例3.不同遥感影像融合方法在地理国情普查中的应用对比研究——以海南北部地区为例4.QuickBird 影像融合最佳波段选择及不同融合方法质量评价研究5.基于单时相Landsat8_OLI 影像的棉花提取技术研究因版权原因，仅展示原文概要，查看原文内容请购买。
基于纹理信息的Landsat-8影像植被分类初探
基于纹理信息的Landsat-8影像植被分类初探宁亮亮;张晓丽【摘要】Vegetation classification by remote sensing images has been as the hotspot in the field of remote sensing, for the low resolution images, the traditional classiifcation method mainly used spectral information of image, the images of the spatial information were used less, but the facts have proved that spatial information of remote sensing image is also very rich. In order to improve the utilization of spatial information of remote sensing image, the latest Landsat-8 spatial texture information were extracted, by combining with the spatial information and spectral information of remote sensing image texture information, the vegetation the classification in remote sensing image was carried out. The experimental results veriifed that with the texture information classiifcation, the overall accuracy were 84.68% and 83.87%, with the spectral information classification the overall accuracy was 82.26%, the classification accuracy after combining the spatial texture information was more obvious enhancement than that of traditional method.%遥感图像植被分类一直为遥感领域的热点，对于中低分辨率的影像，传统的分类方法主要是利用影像的光谱信息，对于影像的空间信息利用较少，而事实证明遥感影像的空间信息也十分丰富。
Landsat-8多时相遥感影像亚热带森林分类
Landsat-8多时相遥感影像亚热带森林分类
李振;胡慧萍;杨敏华;陈鸣
【期刊名称】《测绘与空间地理信息》
【年(卷),期】2018(041)009
【摘要】森林类型遥感影像自动制图在森林资源调查中有重要应用,本文以广西壮族自治区金秀县为研究区,基于多时相的Landsat-8数据,采用面向对象的决策树分类方法,对研究区森林类型自动识别进行了研究,分类结果表明:1)单一时相影像森林分类精度中,生长季前期最高,生长季末期次之,非生长季最冷月最低;2)结合生长季与非生长季的多时相影像森林类型自动识别精度较单一时相影像显著提高.
【总页数】3页(P147-149)
【作者】李振;胡慧萍;杨敏华;陈鸣
【作者单位】中南大学地球科学与信息物理学院,湖南长沙 410083;生态旅游湖南省重点实验室,湖南长沙 427000;中南大学地球科学与信息物理学院,湖南长沙410083;中南大学地球科学与信息物理学院,湖南长沙 410083
【正文语种】中文
【中图分类】P237
【相关文献】
1.基于Landsat-8的遥感影像分类研究 [J], ZHANG Ming;HUANG Shuangyan
2.基于多时相Landsat-8的森林生态系统树种精细分类 [J], 郑亚卿;杨张海;高凯旋;刘望城
3.基于Landsat-8遥感影像的色林错2014-2018年变化研究 [J], 程梦鸽;庞晓峰
ndsat-8遥感影像不同水体提取方法适用性分析 [J], 邰晓曼;仲臣
5.应用U-Net模型和多时相Landsat-8影像对森林植被的分类 [J], 杨丹;李崇贵;常铮;李煜;雷田旺
因版权原因，仅展示原文概要，查看原文内容请购买。
基于Python的Landsat 8 OLI影像建设用地自动识别与提取
基于Python的Landsat 8 OLI影像建设用地自动识别与提取吴亚玲;黄义忠;彭秋志【期刊名称】《软件导刊》【年(卷),期】2018(017)010【摘要】为了提高从海量遥感影像中解译建设用地的效率,设计一种基于Python 从Landsat8 OLI遥感影像中自动识别与提取建设用地的软件系统.利用时域中值滤波去除云噪声,并通过z值标准化获得可适用统一阈值划分的稳定像元;结合多种地物指数开展阈值划分以初步识别可能的建设用地像元;结合像元邻域组合关系进一步精化提取结果,并自动计算对应的Kappa系数.研究表明,与传统基于大型专业遥感影像解译平台相比,该系统不仅能保持较高的解译精度,而且具有体积小、速度快、自动化程度高、可迁移性和可扩展性强等特点.【总页数】4页(P161-164)【作者】吴亚玲;黄义忠;彭秋志【作者单位】昆明理工大学国土资源工程学院;昆明理工大学国土资源工程学院;云南省高校高原山区空间信息测绘技术应用工程研究中心 ,云南昆明 650093;昆明理工大学国土资源工程学院;云南省高校高原山区空间信息测绘技术应用工程研究中心 ,云南昆明 650093【正文语种】中文【中图分类】TP319【相关文献】1.基于决策树算法的Landsat 8 OLI影像海岸类型自动识别方法 [J], 王常颖;谭萌2.基于LANDSAT8 OLI影像的唐山市路南区建设用地信息提取 [J], 董元; 方良义; 董梦; 张令涛; 魏月茹3.基于LANDSAT8 OLI影像的唐山市路南区建设用地信息提取 [J], 董元; 方良义; 董梦; 张令涛; 魏月茹4.基于Python的Landsat8 OLI影像建设用地自动识别与提取 [J], 吴亚玲;黄义忠;彭秋志5.基于Landsat 8 OLI影像的山区园地提取方法 [J], 王刚;王加胜;苗旺元;陈波因版权原因，仅展示原文概要，查看原文内容请购买。
2018Esri开发竞赛ENVIIDL组作品欣赏-Landsat8城市生态环境监测
作品名称：Landsat8城市生态环境监测作者单位：山东科技大学测绘科学与工程学院、广西大学海洋学院小组成员：宿鑫、马小雨指导老师：江涛、陈正华获奖情况：三等奖作品概述近年来，随着我国经济和城市化进程快速发展与不断加快，生物质燃烧、城市生活造成的污染物排放，空气中产生了大量的气溶胶，导致城市大气污染问题日益突出，研究表明，大气颗粒物已成为影响我国城市空气质量的首要污染物。
不同粒径的气溶胶颗粒对人体造成的危害不同，一般来说粒径越小，对人体危害越大,PM10能够达到人体呼吸系统的支气管区，PM2.5能够直接进入人体肺泡，对人体造成严重危害。
同时气溶胶的消光作用会导致大气能见度降低，从而影响城市交通与居民生活等。
城市热力环境是城市生态系统中很重要的一部分，热岛效应的强弱反应了城市气候特征。
所谓城市热岛，即是指城市中城区的气温比周围地区气温要高，在城市热力场分布图上显示出城区好像是一个高温岛屿的现象，它的形成与许多因素有关。
城市热岛效应对城市的生态环境十分不利：城市热岛效应会使城市中的相对湿度比郊区小，而暴雨等对流性天气却增多；热岛效应还会使城市空气质量下降。
城市热岛效应的加剧不但影响局地气候、大气环境，而且对人们的生产和生活质量也造成了严重的影响，随着全球工业化和城市化的飞速发展，热岛效应成为城市发展过程中出现的重要环境问题之一。
城市地区生态环境与人们的生活息息相关，大气污染以及城市热岛效应已经严重影响人们的生活质量。
作品制作流程作品城市环境监测包含以下内容：2.1 关键技术2.1.1. 大气水汽反演大气水汽含量是反演地表温度的关键参数，前人在进行Landsat8地表温度反演的时候，通常借助地面气象站与MOD05水汽产品来得到大气水汽含量，或者通过辐射传输模拟得到透过率。
这些额外的输入降低了程序的自动化，增加了反演的繁琐度，不利于业务化运行，综合前人大气水汽反演研究，将分裂窗协方差-方差比大气水汽反演算法移植到Landsat8，利用其热红外两个波段反演水汽含量，提高了程序的自动化，具体反演流程如下图所示：图大气水汽反演流程图2.1.2. 地表温度反演流程地表温度反演主要包括大气水汽反演，植被覆盖度反演，地表辐射率反演等多个步骤，本研究直接将多个步骤融合为一个流程。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
作品名称：基于landsat8的故黄河（睢宁县流域）生态环境健康评价
作者单位：中国矿业大学（徐州）环境与测绘学院
小组成员：王海、吴晓、唐晓芳
指导老师：赵银娣
获奖情况：三等奖
作品概述
本作品基于ENVI/IDL平台，以Landsat 8光学遥感影像为主，结合其他空间属性数据
资料，对淮海经济区生态建设典型区域故黄河睢宁县段展开生态调查，同时结合从统计局资料、政府年鉴中得到的相关信息，应用PSR评价模型对睢宁县故黄河流域生态红线内的以水域为主的生态环境系统行健康评价。
对14、15、17和18四年遥感影像数据进行处理，
从时间序列上，对多光谱遥感影像进行相关指标分析，对比故黄河生态治理前后的效果并进行分析，得到治理前后各类图表。
作品制作流程
建立基于landsat 8遥感影像评价故黄河生态系统健康状态的评价体系，获取遥感影像，对其进行几何校正等预处理，并根据所得到的红线区划分裁剪研究区域，根据评价体系从遥感影像中提取和结合统计局数据得到研究区域范围内的各项指标，利用Delphi、层次分析
等方法确定各项指标的权重，划分生态系统健康状况等级，得到治理前后的结果并对治理结果进行分析与评价，研究成果可以为睢宁县故黄河流域土地综合整治工作提供参考依据，使得黄河故道流域片区土地利用规划更科学、更经济。
图：作品制作流程
2.1 影像预处理
利用ENVI对Landsat8影像的多光谱波段和全色波段进行处理，预处理流程包括：辐射定标、FLAASH大气校正、多光谱波段与全色波段进行融合，得到分辨率为15米的遥感影像。
最后根据提取的睢宁县矢量边界对处理好的影像进行裁剪，得到睢宁县影像。
2.2 计算植被覆盖度
计算NDVI，利用二分模型就算植被覆盖度。
2.3 影像分类
采用最大似然法，对故黄河睢宁流域进行分类，提取建筑覆盖率和水体覆盖率。
2.4 指数计算
（1）综合弹性值
通过生态系统的恢复力来体现的，依据不同土地利用类型对生态恢复的贡献度，分别赋以不同的恢复力值。
计算综合弹性值根据公式：ECO = ，其中ECO 表示综合弹性值，S 表
示土地利用类型i所占总面积的比值，P 则表示不同土地利用类型恢复力的分值，m表示土
地利用类型的数目。
（2）多样性指数
即指土地利用类型的多样化程度，其计算公式如下所示：其中H表示多样性指数，P 表
示土地类型i所占总面积的比值，m表示土地利用类型的数目。
（3）均匀度指数
均匀度反映区域内各土地利用类型在面积上分布的不均匀程度。
表达式:E=H/H ,其中E
表示均匀度指数，H表示多样性指数，Hmax则表示最大多样性指数(Hmax=lnm)
重复步骤1-6，得到四年的数据。
结合从统计局数据和政府年鉴中得到的数据汇总为下
表：
项目层指标层2014年2015年2017年2018年压力人口密度（人/km２）809.8 813.8 813.1 812.7 城镇化率（%）44.20 49.30 51 53.70
植被覆盖率（%）52.2 44.3 53 47.7 状态建筑覆盖率（%）27.2 21.5 23.8 28.4 水体覆盖率（%） 2.34 1.99 2.58 1.97 综合弹性值0.5434 0.5472 0.5595 0.5446
多样性指数 1.479 1.544 1.506 1.456
均匀度指数 4.058 4.247 4.12 3.974 响应人均GDP（元/人）41087 44210 48556 53976 城镇生活污水集中处理率（%）85.6 86.5 88.2 90.8
应用PSR模型对所选取的指标进行评价处理，首先进行评价指标的标准化处理，根据
指标的基本性质和作用，采用极差标准化进行数据变换。
把标准化分值设定在０～１，得出
四年故黄河（睢宁县）流域各指标的标准化数值（图8.1），所用处理公式为：
正向指标得分：Ai＝（xi－xmin）/（xmax－xmin）
负向指标得分：Bi＝（xmax－xi）/（xmax－xmin）
式中：Ai和Bi为参评因子第ｉ级的分级标准化值；xi为参评因子第ｉ级的实际值；xmin
和xmax分别为参评因子的最小值及最大值。
正向指标包括：人均GDP、植被覆盖率、水
体覆盖率、城镇生活污水集中处理率、综合弹性值、多样性指数、均匀度指数。
负向指标包
括：人口密度、城镇化率、建筑覆盖率。
表睢宁县故黄河流域生态系统健康评价指标的标准化数值
项目层指标层2014年2015年2017年2018年压力人口密度（人/km２） 1 0 0.175 0.275 城镇化率（%） 1 0.537 0.716 0
植被覆盖率（%）0.908 0 1 0.391 状态建筑覆盖率（%）0.667 1 0.174 0 水体覆盖率（%）0.6066 0.03279 1 0
综合弹性值0 0.236 1 0.0745
多样性指数0.2614 1 0.5682 0
均匀度指数0.3077 1 0.5348 0
响应人均GDP（元/人）0 0.242 0.579 1 城镇生活污水集中处理率（%）0 0.1731 0.5 1
疾病，每一等级均赋予不同的分值范围。
采用综合评价指数法计算出故黄河河睢宁流域的生态系统健康综合指数（Ｅ），根据其分值最终确定该流域生态系统四年的健康状况。
表4 睢宁县故黄河流域生态系统健康指数分级标准。