關鍵詞：國土空間；環(huán)境污染；生態(tài)修復；關鍵區(qū)域識別

中圖分類號：X171 文獻標志碼：A

前言

隨著生產(chǎn)力的不斷發(fā)展，頻繁的人類活動迅速提升了土地開發(fā)強度，造成生態(tài)空間面臨景觀破碎化以及生物多樣性等問題，給區(qū)域生態(tài)系統(tǒng)的可持續(xù)發(fā)展帶來了全新的挑戰(zhàn)。國土空間環(huán)境污染生態(tài)修復是恢復和重建退化生態(tài)系統(tǒng)的重要技術，能夠為區(qū)域生態(tài)安全問題提供有效的解決方案。生態(tài)修復的關鍵在于識別出環(huán)境污染的重點區(qū)域和主要污染源，以便有針對性地開展治理工作。所以，科學合理且準確識別國土空間環(huán)境污染生態(tài)修復關鍵區(qū)域對維護國家生態(tài)安全具有重要意義。國內相關專家給出了一些較好研究成果，例如覃彬桂等人通過InVEST模型和景觀連通性等相關理論建立生態(tài)安全格局，進而識別出修復關鍵區(qū)域。付鳳杰等人通過電路理論提取生態(tài)廊道，建立生態(tài)安全格局，采用電流密度準確診斷出生態(tài)“夾點”和生態(tài)障礙點，確定生態(tài)修復關鍵區(qū)域。但是，國土空間環(huán)境污染問題具有復雜性、多樣性和不確定性等特點，傳統(tǒng)識別方法難以準確反映污染的真實狀況。因此，在以上研究方法基礎上，提出國土空間環(huán)境污染生態(tài)修復關鍵區(qū)域識別方法。通過實驗分析證明，所提方法可以準確識別國土空間環(huán)境污染生態(tài)修復關鍵區(qū)域，能夠為制定針對性的生態(tài)修復策略提供科學依據(jù)。

1生態(tài)修復關鍵區(qū)域識別方法

1.1國土空間環(huán)境污染圖像去噪

國土空間環(huán)境污染圖像去噪是一項關鍵任務，旨在去除圖像中因噪聲引起的干擾，提高圖像質量和可視化效果。在離散小波變換（Discrete wavelet transform，DWT）的算法中，將函數(shù)φ（t）設定為可積函數(shù)，對其展開傅里葉變換即可獲取全新的函數(shù)φ（t）。同時φ（t）也可以被稱為是小波母函數(shù)，根據(jù)實際需求，設定對應的可容許性條件。分別加入不同的因子對咖（t）展開伸縮和平移處理，則獲取函數(shù)φ_a，b（t）為式（1）：

式（1）中，a和b均為尺度和平移因子；t為運行時間。

在二維多級中值濾波（2D multi-level median filtering，TMMF）的算法中，劃分噪聲點領域形成4個不同方向的濾波模版，每個模板單獨展開濾波處理，并且經(jīng)過計算得到各個噪聲點對應的濾波值。將DWT算法和TMMF算法結合，對國土空間環(huán)境污染圖像展開去噪處理，詳細的操作步驟如下：

（1）對含有噪聲的國土空間環(huán)境污染圖像展開分層DWT處理，得到低頻和高頻子圖像，描述國土空間環(huán)境污染圖像背景信息和高頻信息。

（2）由于國土空間環(huán)境污染圖像中的噪聲在完成DWT處理后全部集中在高頻子圖像。因此，對高頻子圖像展開二次單層DWT處理，得到次高頻子圖像和次低頻子圖像。

（3）對于次高頻子圖像，采用式（2）展開噪聲檢測處理，并且對噪聲加以標記為式（2）。

式（2）中，z（x，y）為國土空間環(huán)境污染圖像中隨機一個像素點的灰度值；z_max（x，y）和Z_min（x，y）為噪聲檢測模板中的最大和最小灰度值。

（4）對標記的噪聲采用多方向濾波模版展開二維多級加權中值濾波處理。

（5）對于次低頻子圖像而言，高頻子圖像中的小波分解層數(shù)會隨著噪聲的變化而變化，對其展開閾值處理，得到小波系數(shù)幅值。

（6）將步驟4和步驟5中去噪處理后的小波子圖像展開系數(shù)重構，獲取去噪后的國土空間環(huán)境污染圖像。

1.2國土空間環(huán)境污染生態(tài)修復關鍵區(qū)域識別

在完成圖像區(qū)域處理后提取國土空間環(huán)境污染區(qū)域的多源特征，建立比值指數(shù)突出國土空間環(huán)境污染生態(tài)修復關鍵的光譜信息。比值型函數(shù)建立的基本原理為，在目標圖像中展開最強和最弱反射波段搜索，對兩個波段展開比值計算，有效抑制背景信息，全面提升目標地物信息。比值函數(shù)構建為式（3）：

圖像采集過程中存在大量噪聲，不利于后續(xù)國土空間環(huán)境污染生態(tài)修復關鍵區(qū)域識別處理，所以對采集到的測試圖像展開去噪處理。選擇文獻[3]方法和文獻[4]方法作為對比方法，獲取不同方法的圖像去噪結果，具體見圖2。

分析圖2可知，所提方法獲取的去噪效果明顯優(yōu)于其他方法，充分證明了DWT算法和TMMF算法相結合的優(yōu)勢，促使圖像更加平滑且有效保留圖像細節(jié)信息，獲取了更加滿意的去噪效果。

不同方法的國土空間環(huán)境污染生態(tài)修復關鍵區(qū)域識別結果（圖中白色區(qū)域為生態(tài)修復關鍵區(qū)域）見圖3。

通過分析圖3可知，采用所提方法可以精準識別出生態(tài)修復關鍵區(qū)域，而對比方法只可以識別出部分區(qū)域，尤其是當區(qū)域面積比較小的情況下，會出現(xiàn)識別不出的情況。由此可見，使用所提方法可以得到更加精準地生態(tài)修復關鍵區(qū)域識別結果。

分析各個方法在固定樣本數(shù)量下的識別效率，具體結果見表1。

通過表1可知，所提方法的識別速度優(yōu)于對比方法，這是因為所提方法采用DWT算法和TMMF算法結合，對目標圖像展開去噪處理，促使其更有利于實現(xiàn)后續(xù)識別，進一步提升國土空間環(huán)境污染生態(tài)修復關鍵區(qū)域識別效率，充分驗證所提方法的優(yōu)越性。

3結束語

隨著全球環(huán)境保護意識的日益增強，國土空間環(huán)境污染生態(tài)修復已經(jīng)成為當今社會關注的焦點。為此，提出一種國土空間環(huán)境污染生態(tài)修復關鍵區(qū)域識別方法。在國土空間環(huán)境污染圖像去噪的基礎上，結合比值函數(shù)和灰度共生矩陣提取光譜特征和紋理特征，利用直方圖閾值法完成國土空間環(huán)境污染生態(tài)修復關鍵區(qū)域識別。實驗測試表明，所提方法具有良好的去噪能力，可以有效剔除圖像中的所有噪聲。在國土空間環(huán)境污染生態(tài)修復關鍵區(qū)域識別精度方面，該方法能夠精準識別生態(tài)修復關鍵區(qū)域。在國土空間環(huán)境污染生態(tài)修復關鍵區(qū)域識別效率方面，該方法178.5ms即可識別60個測試樣本。由此證明，研究方法能夠為促進中國生態(tài)修復實施提供有效依據(jù)。