# GEE-proj
目的
经过长期的思考,“到底做什么才对目前的城市规划有用”、“如何将生态知识和城市规划融合、协调”,我得出了一台目前我能做的事——评估生态价值。评估生态价值是把生态功能【用钞票】【量化】,这样能让外行也听得懂“某个区域的价值有【这么高】或【那么高】”。(尽管把价值用多少钱来表示,很掉档次,因为有些价值用钱无法衡量,但是为了让大家都听得懂,我只能这么做。)
比如说,有个房地产项目想在芝麻湖周围造房子、圈地,芝麻湖周围有许多白鹭、鹬、夜鹭等鸟类,那么当地的水鸟可能会因为全围湖面而消失。为了定量说明湖不可全围,如果我能说明当地的长期生态价值比开发房地产的长期价值更高(…………目前想来,有可能吗?可能价格比不过房地产,但好歹有数据支撑?),那么就可以论证“芝麻湖周围不应该环湖建设房地产”了。
方法
其实“生态评估”(ecological assessment)有很多种,包括生态风险评估、价值评估、碳足迹评估等,具体选用哪种,是根据目的来选择的。我仔细明确了研究的目的后,选用了“生态价值评估”。
中文文献里可能会写,数据来源是modis网站、中国地理云平台等等,但其实在这些网站上下载数据特别费劲!可能文献的写作者为了不被发现番羽了土啬,才写数据来源是这些不需要番羽土啬的网站。
1
当地的生态价值,我目前能发现的是植被固碳的价值。固碳如何计算?
假如使用NDVI,那么要和当地日照、温度等数据综合使用,估算一台固碳值,对我来说太麻烦了,不用。
后来我了解到NPP和固碳是有关系的。因为植物光合作用的化学方程式为
44*6:18*6 (CH2O)6=(12+18)*6=180 3O2=32*3=96
264:108
最后算出来应该是CO2:多糖=1.63,
于是 (参考文献)有些大树可能不符合这个公式,不过毛估估就用这个数据好了。
2
在飞飞学姐的提示下,我选择了GEE(你懂的),需要kexue上网。
kexue上网成功后——
GEE上的NPP结果,精度并不高,基本是250m、500m、1000m分辨率的。最后我选择了modis的产品,500米分辨率。ee.ImageCollection('MODIS/006/MOD17A3HGF')
3
//先画一台点或多边形选定研究区域,命名为geometry4
Map.centerObject(geometry4);
//export
var mod13a2NDVI = ee.ImageCollection('MODIS/006/MOD17A3HGF')
.filterBounds(geometry4)
.filterDate('2010-1-1', '2018-12-31')
print('Collection: ', mod13a2NDVI);
var num = 200;//由于是导出imgCollection,有多张图片,所以这里的num是定义一台内存空间,最多导出num张,可以偏大
// convert the collection to image list
var list = mod13a2NDVI.toList(num);
print(list);
// get the size of image list
// 这里只用list.size()是不对的,还要通过getInfo()获取相应的属性信息,如果没有getInfo(),虽然也能输出count,但是下面的循环不执行,不知道为啥。
var count = list.size().getInfo();
print(count)
// var i = 0
// loop to output all images
for(var i=0;i<count;i++)
{
// get the single image from list
var image = ee.Image(list.get(i));
print(i,image);
// get the id property as the part of filenames
var id=image.id();
print(id);
// out name
var name2=&#34;npp18-500m&#34;+id.getInfo();
print(name2)
Export.image.toDrive({
image: image, //
description: &#39;npp18-500m&#39;,
fileNamePrefix: name2,
scale: 30,
maxPixels: 999999999999,
// crs:&#39;EPSG:32649&#39;,
region: geometry4,
fileFormat: &#39;GeoTIFF&#39;,
formatOptions: {
cloudOptimized: true
}
});
}
导出以后,要在code editor右侧面板task里一台一台点run(太麻烦了),同样有代码可以批量操作。把以下代码复制到浏览器的F12的console里面,然后按enter,就能全部run了:
function runTaskList() {
var tasklist = document.getElementsByClassName(&#39;awAIting-user-config&#39;);
for (var i = 0; i < tasklist.length; i++)
tasklist.children[2].click();
}
function confirmAll() {
var ok = document.getElementsByClassName(&#39;goog-buttonset-default goog-buttonset-action&#39;);
for (var i = 0; i < ok.length; i++)
ok.click();
}
runTaskList();
confirmAll();
4
在arcgis处理导出的tiff图像。右键图层查看“源”,查看坐标系(基线)是指什么。这次操作导出的是DW..blabla..1984的坐标系,OK,所以图像是没有扭曲变形的。
如果坐标系需要调整,那么(感谢李红师姐教我的方法)在arcCatalog里面骚操作一番……就能改坐标系了。
5
为了和研究区域对上号,我需要把图像根据研究县的边界裁剪出来。这一步将在photoshop完成。
可以先在arcGis把地图范围缩小到研究区域附近,再导出成jpg,在ps中打开。
PS中使用了以前画的当地山脉水系图作为地图,这样就有县边界了。在PS中,点击“文件”,然后“置入……”或者“置入为智能嵌合对象”之类的,再选择需要插入的图片就可以了。
后续处理略去,因为本人太熟悉PS了,不多说了。
总之把县域NPP图画好了。
6
有了底图和NPP图的对比,就能发现感兴趣的区域——在500m糙的NPP图上我通过和底图的对比,找到了芝麻湖的位置。
把芝麻湖周围的像素在arcGIS上识别(D),手动记录,excel计算均值,得到大约是4000多。单位在GEE数据的description有说明,是kg/m2.
将得到的均值×中国碳交易均价58元/吨,即可得到芝麻湖周围植被的固碳单位价值。
7
下一步工作。
固碳价值只是生态价值的一部分,接下来我要继续挖掘这块区域的其他生态价值,可能有水源涵养、土壤blabla
评估出各项生态价值以后,我需要根据未来可能改变生态系统的驱动力,进行模型预测。这是以后的工作了。目前我还在琢磨这个生态系统的其他价值。
<hr/>参考文献
Shuhong Deng et al.(2011) A GIS-based approach for quantifying and mapping carbon sink and stock values of forest ecosystem: A case study. Energy Procedia 5: 1535–1545. |