国土空间环境污染生态修复关键区域识别方法研究

关键词：国土空间；环境污染；生态修复；关键区域识别

中图分类号：X171 文献标志码：A

前言

随着生产力的不断发展，频繁的人类活动迅速提升了土地开发强度，造成生态空间面临景观破碎化以及生物多样性等问题，给区域生态系统的可持续发展带来了全新的挑战。国土空间环境污染生态修复是恢复和重建退化生态系统的重要技术，能够为区域生态安全问题提供有效的解决方案。生态修复的关键在于识别出环境污染的重点区域和主要污染源，以便有针对性地开展治理工作。所以，科学合理且准确识别国土空间环境污染生态修复关键区域对维护国家生态安全具有重要意义。国内相关专家给出了一些较好研究成果，例如覃彬桂等人通过InVEST模型和景观连通性等相关理论建立生态安全格局，进而识别出修复关键区域。付凤杰等人通过电路理论提取生态廊道，建立生态安全格局，采用电流密度准确诊断出生态“夹点”和生态障碍点，确定生态修复关键区域。但是，国土空间环境污染问题具有复杂性、多样性和不确定性等特点，传统识别方法难以准确反映污染的真实状况。因此，在以上研究方法基础上，提出国土空间环境污染生态修复关键区域识别方法。通过实验分析证明，所提方法可以准确识别国土空间环境污染生态修复关键区域，能够为制定针对性的生态修复策略提供科学依据。

1生态修复关键区域识别方法

1.1国土空间环境污染图像去噪

国土空间环境污染图像去噪是一项关键任务，旨在去除图像中因噪声引起的干扰，提高图像质量和可视化效果。在离散小波变换（Discrete wavelet transform，DWT）的算法中，将函数φ（t）设定为可积函数，对其展开傅里叶变换即可获取全新的函数φ（t）。同时φ（t）也可以被称为是小波母函数，根据实际需求，设定对应的可容许性条件。分别加入不同的因子对咖（t）展开伸缩和平移处理，则获取函数φ_a，b（t）为式（1）：

式（1）中，a和b均为尺度和平移因子；t为运行时间。

在二维多级中值滤波（2D multi-level median filtering，TMMF）的算法中，划分噪声点领域形成4个不同方向的滤波模版，每个模板单独展开滤波处理，并且经过计算得到各个噪声点对应的滤波值。将DWT算法和TMMF算法结合，对国土空间环境污染图像展开去噪处理，详细的操作步骤如下：

（1）对含有噪声的国土空间环境污染图像展开分层DWT处理，得到低频和高频子图像，描述国土空间环境污染图像背景信息和高频信息。

（2）由于国土空间环境污染图像中的噪声在完成DWT处理后全部集中在高频子图像。因此，对高频子图像展开二次单层DWT处理，得到次高频子图像和次低频子图像。

（3）对于次高频子图像，采用式（2）展开噪声检测处理，并且对噪声加以标记为式（2）。

式（2）中，z（x，y）为国土空间环境污染图像中随机一个像素点的灰度值；z_max（x，y）和Z_min（x，y）为噪声检测模板中的最大和最小灰度值。

（4）对标记的噪声采用多方向滤波模版展开二维多级加权中值滤波处理。

（5）对于次低频子图像而言，高频子图像中的小波分解层数会随着噪声的变化而变化，对其展开阈值处理，得到小波系数幅值。

（6）将步骤4和步骤5中去噪处理后的小波子图像展开系数重构，获取去噪后的国土空间环境污染图像。

1.2国土空间环境污染生态修复关键区域识别

在完成图像区域处理后提取国土空间环境污染区域的多源特征，建立比值指数突出国土空间环境污染生态修复关键的光谱信息。比值型函数建立的基本原理为，在目标图像中展开最强和最弱反射波段搜索，对两个波段展开比值计算，有效抑制背景信息，全面提升目标地物信息。比值函数构建为式（3）：

图像采集过程中存在大量噪声，不利于后续国土空间环境污染生态修复关键区域识别处理，所以对采集到的测试图像展开去噪处理。选择文献[3]方法和文献[4]方法作为对比方法，获取不同方法的图像去噪结果，具体见图2。

分析图2可知，所提方法获取的去噪效果明显优于其他方法，充分证明了DWT算法和TMMF算法相结合的优势，促使图像更加平滑且有效保留图像细节信息，获取了更加满意的去噪效果。

不同方法的国土空间环境污染生态修复关键区域识别结果（图中白色区域为生态修复关键区域）见图3。

通过分析图3可知，采用所提方法可以精准识别出生态修复关键区域，而对比方法只可以识别出部分区域，尤其是当区域面积比较小的情况下，会出现识别不出的情况。由此可见，使用所提方法可以得到更加精准地生态修复关键区域识别结果。

分析各个方法在固定样本数量下的识别效率，具体结果见表1。

通过表1可知，所提方法的识别速度优于对比方法，这是因为所提方法采用DWT算法和TMMF算法结合，对目标图像展开去噪处理，促使其更有利于实现后续识别，进一步提升国土空间环境污染生态修复关键区域识别效率，充分验证所提方法的优越性。

3结束语

随着全球环境保护意识的日益增强，国土空间环境污染生态修复已经成为当今社会关注的焦点。为此，提出一种国土空间环境污染生态修复关键区域识别方法。在国土空间环境污染图像去噪的基础上，结合比值函数和灰度共生矩阵提取光谱特征和纹理特征，利用直方图阈值法完成国土空间环境污染生态修复关键区域识别。实验测试表明，所提方法具有良好的去噪能力，可以有效剔除图像中的所有噪声。在国土空间环境污染生态修复关键区域识别精度方面，该方法能够精准识别生态修复关键区域。在国土空间环境污染生态修复关键区域识别效率方面，该方法178.5ms即可识别60个测试样本。由此证明，研究方法能够为促进中国生态修复实施提供有效依据。