【分析说明】

生态敏感性是指生态环境遭外界的干扰和侵入时，生态系统受损害的可能性大小，它可衡量外界干扰对生态环境造成的危害程度，通常生态敏感性越高，生态环境越容易受外界因素的影响地形、植被、水体方面的生态因子及其对该地区的敏感性等级见表，根据表中各因子权重值，加权计算植被覆盖区域的生态敏感性信息，生成该地区的生态敏感性等级分布专题图。现在已有 DEM 数据，影像数据和本次研究的研究范围。再对生态敏感性结果进行制图，分为 5 个等级（敏感性 1-5）。

【所需数据】

DEM、研究区范围边界矢量数据、遥感影像

【参考步骤】

1. DEM处理

1.1 镶嵌DEM，可在“图层属性”中确定波段数和像素类型。

1.2 掩膜提取，得到研究区的DEM，再对DEM按照上表利用【重分类】工具进行重分类，分为五个等级。

1.3 再使用【坡度】【坡向】工具，对DEM生成坡度坡向，并且需要对两者进行重分类。

2. 影像处理

2.1 使用【波段合成】，将给定的波段进行合并

2. NDVI和NDWI

2.1 归一化差值植被指数 (NDVI) 是一个标准化指数，用于生成显示植被量（也称为相对生物量）的影像。

2.2 归一化差分水指数（NDWI）用于在卫星影像中高亮显示开放水域要素，使水体在土壤和植被中“突出”。NDWI是使用 GREEN-NIR（可见光绿色和近红外）组合计算的，这使得它可以检测水体含水量的细微变化。NDWI 指数的主要用途是检测和监测水体含水量的微小变化。利用NIR（近红外）和绿色（可见光绿色）光谱波段。

公式为：NIR−R/NIR+R

使用【栅格计算器】可对波段进行运算，得出NDVI和NDWI。后者用于提取研究区的水域部分。

公式为：Green−NIR/Green+NIR

2.3 使用【按掩膜提取】将将研究区内的NDVI提取出来，再利用【栅格计算器】对上面生成的NDVI进行重分类。

2.4 生成NDWI之后，使用【栅格计算器】，将水域部分提取出来。

NDWI参考值如下图：

但此时发现，提取精度比较低，因此将“0.2”更改为“0.05”。

3. 生态敏感性计算

3.1 对提取的水域使用【欧氏距离】工具，生成水域的影响范围。

3.2 对生成的欧氏距离同样需要进行重分类。

3.3 分类之后再使用【栅格计算器】对上面生成的坡度、坡向、DEM、NDVI、欧式距离重分类，进行加权计算。

3.3 加权之后，为了将敏感性分级，还需要将上面的加权结果进行一次【重分类】。

树谷资料库资源大全（1月6日更新）