预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共22页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113919743A(43)申请公布日2022.01.11(21)申请号202111290509.0(22)申请日2021.11.02(71)申请人广东省科学院广州地理研究所地址510075广东省广州市越秀区先烈中路100号大院之一(72)发明人蒋冲陈伟莲王钧(74)专利代理机构广州骏思知识产权代理有限公司44425代理人潘桂生(51)Int.Cl.G06Q10/06(2012.01)G06Q50/26(2012.01)权利要求书5页说明书12页附图4页(54)发明名称基于生态系统功能的海岸带资源环境承载能力评价方法(57)摘要本发明涉及环境检测技术领域,特别涉及一种基于生态系统功能的海岸带资源环境承载能力评价方法,包括:获取目标区域的水资源数据、土壤数据、地形数据以及覆被数据;根据水资源数据、土壤数据、地形数据以及相应的指数因子算法,获取指数因子;根据指数因子以及土壤保持量指数算法,获取目标区域的土壤保持量指数;根据覆被数据以及预设的覆被与碳密度之间的对应关系,获取目标区域的碳密度,根据碳密度以及固碳量指数算法,获取目标区域的固碳量指数;根据水资源数据、土壤数据、覆被数据以及相应的生态指数算法,获取目标区域的生态指数;根据处理后的土壤保持量指数、固碳量指数、生态指数以及生态服务指数算法,获取目标区域的生态服务指数。CN113919743ACN113919743A权利要求书1/5页1.一种基于生态系统功能的海岸带资源环境承载能力评价方法,其特征在于,包括以下步骤:获取目标区域的水资源数据、土壤数据、地形数据以及覆被数据,其中,所述水资源数据包括降雨数据以及径流数据,所述土壤数据包括土壤颗粒含量数据以及土壤含水量数据,所述覆被数据包括各个覆被类型的数据;根据所述水资源数据中的降雨数据以及降雨侵蚀力因子算法,获取所述目标区域的降雨侵蚀力因子,根据所述土壤数据以及土壤可蚀性因子算法,获取所述目标区域的土壤可蚀性因子,根据所述地形数据以及相应的地形因子算法,获取所述目标区域的地形因子,根据所述覆被数据以及植被覆盖因子算法,获取所述目标区域的植被覆盖因子,其中,所述地形因子包括坡长因子以及坡度因子;根据所述降雨侵蚀力因子、土壤可蚀性因子、坡长因子、坡度因子、植被覆盖因子以及土壤保持量指数算法,获取所述目标区域的土壤保持量指数;根据所述覆被数据以及预设的覆被与碳密度之间的对应关系,获取所述目标区域的碳密度,根据所述碳密度以及固碳量指数算法,获取所述目标区域的固碳量指数;根据所述水资源数据、土壤数据、覆被数据以及相应的生态指数算法,获取所述目标区域的生态指数,其中,所述生态指数包括生境质量指数、水产量指数以及水质净化指数;根据所述处理后的土壤保持量指数、固碳量指数、生态指数以及生态服务指数算法,获取所述目标区域的生态服务指数;获取用户的检测指令,其中,所述检测指令包括与被检测区域相关联的水资源数据、土壤数据、地形数据以及覆被数据,根据与被检测区域相关联的所述水资源数据、土壤数据、地形数据以及覆被数据,获取被检测区域的生态服务指数。2.根据权利要求1所述的基于生态系统功能的海岸带资源环境承载能力评价方法,其特征在于,所述根据所述水资源数据中的降雨数据以及降雨侵蚀力因子算法,获取所述目标区域的降雨侵蚀力因子,根据所述土壤数据以及土壤可蚀性因子算法,获取所述目标区域的土壤可蚀性因子,根据所述地形数据以及相应的地形因子算法,获取所述目标区域的地形因子,根据所述覆被数据以及植被覆盖因子算法,获取所述目标区域的植被覆盖因子,包括步骤:根据所述水资源数据中的降雨数据以及降雨侵蚀力因子算法,获取所述目标区域的降雨侵蚀力因子,其中,所述降雨侵蚀力因子算法为:α=21.586β‑7.18912CN113919743A权利要求书2/5页式中,为第j半月降雨侵蚀力因子;N为所述降雨数据的降雨天样本数量;Pdi为第i年第d日大于等于预设的雨量阈值的日雨量;m表示半月中发生侵蚀性降水的天数;α和β分别为第一回归系数和第二回归系数;Pd10为大于等于雨量阈值日雨量的多年平均值;Py10为大于等于雨量阈值的日雨量年总量的多年平均值;根据所述土壤数据以及土壤可蚀性因子算法,获取所述目标区域的土壤可蚀性因子,其中,所述土壤可蚀性因子算法为:式中,K为所述土壤可蚀性因子;SAN为所述土壤数据中的砂粒含量;SIL为所述土壤数据中的粉粒含量;CLA为所述土壤数据中的粘粒含量;C为所述土壤数据中的土壤有机碳含量;所述SNI为砂粒以外的土壤颗粒组成的百分比,其中,SNI=1‑SAN/100;根据所述地形数据以及坡长因子算法,获取所述目标区域的坡长因子,其中,所述坡长因子算法为:式中,L为所述坡长因子;γ为所述