国产精品1024永久观看,大尺度欧美暖暖视频在线观看,亚洲宅男精品一区在线观看,欧美日韩一区二区三区视频,2021中文字幕在线观看

  • <option id="fbvk0"></option>
    1. <rt id="fbvk0"><tr id="fbvk0"></tr></rt>
      <center id="fbvk0"><optgroup id="fbvk0"></optgroup></center>
      <center id="fbvk0"></center>

      <li id="fbvk0"><abbr id="fbvk0"><dl id="fbvk0"></dl></abbr></li>

      一種綠地生態(tài)評價單元粒度自適應柵格取樣方法

      文檔序號:6363330閱讀:150來源:國知局
      專利名稱:一種綠地生態(tài)評價單元粒度自適應柵格取樣方法
      技術領域
      本發(fā)明屬于計算機算法技術領域,具體涉及一種基于影像數據的綠地生態(tài)評價單元柵格取樣方法,尤其是能在海量影像數據下根據數據類型及研究對象實現粒度自適應的柵格取樣方法。
      背景技術
      目前,國內外對城市綠地的功能從多方面開展了大量的研究,并在不同的立地條件下采取不同的測試方式,取得了眾多的量化值,提出了如綠化覆蓋率、綠地率、面積指數、 葉干重、葉面積、綠視率、垂直綠化覆蓋面積、人均公共綠地率、綠化三維量、年游人量等指標。但是,傳統(tǒng)的評價方法在指標信息提取時是基于單一類別遙感數據(如TM/ETM數據), 此類數據空間分辨率較低。同時,隨著衛(wèi)星對地傳感器技術的提高,影像數據分辨率大幅度高,但現在生態(tài)評價單元并沒有相應的方法去自動處理這些海量數據,容易造成數據巨大浪費。

      發(fā)明內容
      為了克服現有的綠地生態(tài)評價單元柵格取樣方法不能自動區(qū)分綠地生態(tài)評價對象與不同分辨率的衛(wèi)星影像數據源之間自動匹配的不足,本發(fā)明提供一種基于影像數據的綠地生態(tài)評價單元柵格取樣方法,該方法不僅能在海量空間影像數據庫中自動檢索多源衛(wèi)星影像數據源,而且能方便根據綠地生態(tài)評價對象的指標特征自動選取與評價指標相適應的衛(wèi)星數據源,并面向評價對象設置多種分辨率的柵格評價單元和多邊形評價單元。本發(fā)明提供的基于影像數據的綠地生態(tài)評價單元柵格取樣方法,具體步驟為
      (1)首先,按基于綠地生態(tài)評價指標體系建立面向評價對象的分級分層適用的基于情境的生態(tài)評價遙感柵格粒度決策模型,在綠地生態(tài)評價的過程中積累并建立綠地生態(tài)評價遙感柵格粒度決策模型庫、方法庫,在此基礎上建立決策模型管理系統(tǒng),維護模型與評價對象的關聯,并通過自學習機制積累模型柵格劃分經驗數據;
      (2)其次,在基于粒度劃分決策樹的基礎上按影像數據類型、分辨率與空間相關性建立復合B+樹索引海量空間影像數據庫;
      (3)最后,應用基于智能決策樹的數據挖掘方法,構建影像與綠地生態(tài)評價單元自適應選擇算法,實現綠地生態(tài)評價單元粒度自適應柵格取樣。下面對各個步驟作進一步具體描述。1、步驟(1)中所述基于綠地生態(tài)評價指標體系建立的決策模型管理系統(tǒng),具體包括
      按照綠地生態(tài)監(jiān)測評價指標體系所確定的生態(tài)監(jiān)測指標來構建指標元數據,建設指標元數據庫對指標進行維護。系統(tǒng)提供基于靈活的復合層次評價模型構建方法?;谏鷳B(tài)監(jiān)測指標元數據的定義,構建滿足不同用戶評價級別和評價層次的生態(tài)評價模型。在此基礎上形成生態(tài)評價模型庫,實現評價模型的復用。在決策模型中建立生態(tài)監(jiān)測評價指標的級別維護功能,按任意目標層、領域層、主題層、要素層等級別生成指標,由父指標和子指標評價級別區(qū)別,最終生成指標樹。系統(tǒng)根據不同的評價情景建立的生態(tài)評價模型與各類用戶進行關聯,以評價目標為導向,最終建立評價模型庫。不同的評價模型,可以全面評價生態(tài)環(huán)境現狀,或側重于某一個評價指標。因而建立聯接表,它將多對多關系劃分為兩個一對多關系,本模塊實現模型和用戶之間的多對多關系管理。以實現最終模型有效性的評價,篩選出適宜度最佳的評價模型進而復用。系統(tǒng)提供評價模型服務接口系統(tǒng)以WSDL服務的方式為其它用戶操作提供接口, 并利用XML格式的標準化語言作為整體模型的通用語言。2、步驟(2)中所述在粒度劃分決策樹的基礎上按影像數據類型、分辨率與空間相關性建立復合B+樹索引海量空間影像數據庫,具體如下
      因為綠地生態(tài)評價中涉及多種衛(wèi)星影像數據,這些衛(wèi)星影像數據來源、格式、空間分辨率及用于解決的綠地評價問題空間都不一致。本發(fā)明設計一種基于空間層次的復合B+樹來有效管理這些海量數據。首先,按綠地評價對象基于基礎空間數據建立從樣方、小區(qū)、街道(鄉(xiāng)鎮(zhèn))、區(qū)縣、 市、省、國家等七級空間屬性表,按名稱、代碼索引,建立層次關聯,并B+樹原則建立排序索引;
      其次,應用商業(yè)空間數據庫將所有入庫的衛(wèi)星影像數據,建立基于金字塔算法的空間索引,并將衛(wèi)星影像的數據特征(傳感器類型、拍攝時間、波段數據、空間分辨率、數據存儲格式)提取建立特征屬性數據庫,并B+樹原則建立排序索引;
      然后,按衛(wèi)星影像數據的特征將這些特征數據按指標、空間相關性提取并標準化,建立復合特征代碼。這些特征碼包括 < 指標,評價柵格尺度,相關率 >、< 波段,指標,相關率>、 <分辨率,指標,相關率 >、< 分辨率,空間代碼,相關率 >、< 指標,空間代碼,相關率 > 等多維相關關系層,建立按統(tǒng)一標準相關率排序的B+索引樹,并應用維鏈表將特征碼與衛(wèi)星影像數據特征關聯;
      最后,應用金字塔結構的規(guī)則分割特征碼按區(qū)域四叉樹變形的索引方式,建立支持在線的多源、多維數據的融合與多尺度表達的基于粒度劃分決策樹海量空間影像數據庫。3、步驟(3)中所述的自適應選擇算法中,由輸入的綠地評價問題空間、評價指標由基于粒度劃分決策樹由金字塔頂層向下,先后經過多維相關關系層,按相關率最大化進行深度查找,直到找到源衛(wèi)星影像數據。在此過程中,通過系統(tǒng)的自學習機制,按查找的精確性評估最終查找結果,并將評估的結果值代入相關率計算,重新調整按統(tǒng)一標準相關率排序的B+索引樹,以提高下一次查找的精確性。本發(fā)明的有益效果是,可以在海量影像數據下根據影像數據類型及綠地生態(tài)評價研究對象間實現粒度自適應的柵格取樣,算法效率高,數據選取準確,柵格粒度計算精確合理。


      圖1為一種綠地生態(tài)評價單元粒度自適應柵格取樣方法算法原理圖。該圖從算法流程圖的角度描述綠地生態(tài)評價單元粒度自適應柵格取樣方法,本方法海量空間影像數據庫中自動檢索多源衛(wèi)星影像數據源,根據綠地生態(tài)評價對象的指標特征自動選取與評價指標相適應的衛(wèi)星數據源,應用面向評價對象設置多種分辨率的柵格評價單元和多邊形評價單元。首先,按基于綠地生態(tài)評價指標體系建立面向評價對象的分級分層適用的基于情境的生態(tài)評價遙感柵格粒度決策模型,在綠地生態(tài)評價的過程中積累并建立綠地生態(tài)評價遙感柵格粒度決策模型庫、方法庫,在此基礎上建立決策模型管理系統(tǒng),維護模型與評價對象的關聯,并通過自學習機制積累模型柵格劃分經驗數據。其次,本發(fā)明在基于粒度劃分決策樹的基礎上按影像數據類型、分辨率與空間相關性建立復合B+樹索引海量空間影像數據庫。最后,本發(fā)明提供應用基于智能決策樹的數據挖掘方法構建影像與綠地生態(tài)評價單元自適應選擇算法,實現綠地生態(tài)評價單元粒度自適應柵格取樣。圖2為一種綠地生態(tài)評價單元粒度自適應柵格取樣方法包圖。該圖從軟件工程的角度應用UML包圖描述系統(tǒng)實現所需要的程序集以及其相關依賴關系,在靜態(tài)類中,核心是從接口空間數據包和影像數據包中IData派生的各數據類,在數據庫工具包和算法包中應用Composite、Bridge和Mrategy等設計模式將hdex (指標體系),IData (空間數據、 影像數據、知識、方法、模型),Algorithm(算法),使用DSSImplement組裝起來,實現綠地生態(tài)評價單元粒度自適應柵格取樣。
      具體實施例方式實施例1
      在住房和城鄉(xiāng)建設部建筑節(jié)能與科技司“十一五”國家科技支撐計劃“城鎮(zhèn)綠地生態(tài)構建和管控關鍵技術研究與示范“課題中應用本發(fā)明基于綠地生態(tài)評價的情景,按照評價指標類型,在自動識別遙感影像數據源的分辨率基礎上,考慮遙感圖像各波段的特點及植物波譜發(fā)射特性與植物分布密度呈線性相關,計算生態(tài)效益指數與尺度之間的變化關系, 建立粒度劃分標準。綠地生態(tài)評價根據監(jiān)測區(qū)域少量地面調查樣地的生態(tài)效益及影響生態(tài)效益的主要遙感和GIS因子,建立以樣地為單位的生態(tài)效應估測方程模型。選取不同指數NDVI、 SAVI、MNDffI、NDBI、NDBaI、NDISI等建立生態(tài)效益與葉面積指數、綠量、NDVI、城市不透水面之間的函數關系,進行綠地生態(tài)效益遙感定量反演。按照綠地生態(tài)評價要求將粒度自適應柵格取樣法設置11個層次的評價單元10km*10km,5km*5km,2km*2km,lkm*lkm,500m*500m,200m*200m,100m*100m, 20m*20m,5m*5m,lm*lm等10種柵格尺度的生態(tài)評價單元,以及1種按群落不規(guī)則多邊形生態(tài)評價單元?;诿嫦驅ο蟮倪b感分類、識別、分析的基礎上,建立綠地生態(tài)效益定量評價模型。試點研究以杭州市、上海市為試點,以1998年至2008年中高分辨率QuickBird 衛(wèi)星遙感影像和1978年至2003中分辨率的TM/ET衛(wèi)星遙感影像為數據基礎,進行數據校正、彩色合成處理,試點區(qū)域內以2*2km為城鎮(zhèn)綠地生態(tài)價值大尺度評估柵格單元,以 200m*200m為城鎮(zhèn)綠地生態(tài)價值中尺度評估柵格單元,以5m*5m為城鎮(zhèn)綠地生態(tài)價值小尺度評估柵格單元,進行城市綠地生態(tài)效益和價值評估。上海監(jiān)測區(qū)域中30m空間分辨率的 TM遙感圖像,考慮TM遙感圖像各波段的特點及植物波譜發(fā)射特性與植物分布密度呈線性相關。TM 各波段分另Ij為 TMU TM2、TM3、TM4、TM5、TM6、TM7。比值波段包括(TM4—TM3) /(TM4+TM3), (TM2-TM5) / (TM2+TM5),(TM5-TM6) / (TM5+TM6)等。根據衛(wèi)星遙感影像色調、紋理、亮度、高程等,基本面向對象的遙感快速提取和識別技術獲取目標評價單元內綠地生物量信息,根據野外樣地實測綠地生態(tài)效益指標,快速準確評估城鎮(zhèn)綠地生態(tài)效益和價值。
      建立綠地生態(tài)評價單元粒度自適應柵格取樣方法,目標衛(wèi)星影像的成功檢索速度由以前的大于半天達到小于5分鐘,效率提高了 50倍。
      權利要求
      1.一種綠地生態(tài)評價單元粒度自適應柵格取樣方法,其特征在于具體步驟為(1)首先,按基于綠地生態(tài)評價指標體系建立面向評價對象的分級分層適用的基于情境的生態(tài)評價遙感柵格粒度決策模型,在綠地生態(tài)評價的過程中積累并建立綠地生態(tài)評價遙感柵格粒度決策模型庫、方法庫,在此基礎上建立決策模型管理系統(tǒng),維護模型與評價對象的關聯,并通過自學習機制積累模型柵格劃分經驗數據;(2)其次,在基于粒度劃分決策樹的基礎上按影像數據類型、分辨率與空間相關性建立復合B+樹索引海量空間影像數據庫;(3)最后,應用基于智能決策樹的數據挖掘方法,構建影像與綠地生態(tài)評價單元自適應選擇算法,實現綠地生態(tài)評價單元粒度自適應柵格取樣。
      2.根據權利要求1所述的綠地生態(tài)評價單元粒度自適應柵格取樣方法,其特征在于步驟(1)中所述基于綠地生態(tài)評價指標體系建立的決策模型管理系統(tǒng),具體包括按照綠地生態(tài)監(jiān)測評價指標體系所確定的生態(tài)監(jiān)測指標來構建指標元數據,建設指標元數據庫對指標進行維護;系統(tǒng)提供基于靈活的復合層次評價模型構建方法基于生態(tài)監(jiān)測指標元數據的定義,構建滿足不同用戶評價級別和評價層次的生態(tài)評價模型;在此基礎上形成生態(tài)評價模型庫,實現評價模型的復用;在決策模型中建立生態(tài)監(jiān)測評價指標的級別維護功能,按任意目標層、領域層、主題層、要素層等級別生成指標,由父指標和子指標評價級別區(qū)別,最終生成指標樹;系統(tǒng)根據不同的評價情景建立的生態(tài)評價模型與各類用戶進行關聯,以評價目標為導向,最終建立評價模型庫;不同的評價模型,可以全面評價生態(tài)環(huán)境現狀,或側重于某一個評價指標;因而建立聯接表,它將多對多關系劃分為兩個一對多關系,本模塊實現模型和用戶之間的多對多關系管理,以實現最終模型有效性的評價,篩選出適宜度最佳的評價模型進而復用;系統(tǒng)提供評價模型服務接口系統(tǒng)以WSDL服務的方式為其它用戶操作提供接口,并利用XML格式的標準化語言作為整體模型的通用語言。
      3.根據權利要求1所述的綠地生態(tài)評價單元粒度自適應柵格取樣方法,其特征在于步驟(2)中所述在粒度劃分決策樹的基礎上按影像數據類型、分辨率與空間相關性建立復合 B+樹索引海量空間影像數據庫,具體如下因為綠地生態(tài)評價中涉及多種衛(wèi)星影像數據,這些衛(wèi)星影像數據來源、格式、空間分辨率及用于解決的綠地評價問題空間都不一致;本發(fā)明設計一種基于空間層次的復合B+樹來有效管理這些海量數據首先,按綠地評價對象基于基礎空間數據建立從樣方、小區(qū)、街道、區(qū)縣、市、省、國家七級空間屬性表,按名稱、代碼索引,建立層次關聯,并B+樹原則建立排序索引;其次,應用商業(yè)空間數據庫將所有入庫的衛(wèi)星影像數據,建立基于金字塔算法的空間索引,并將衛(wèi)星影像的數據特征包括傳感器類型、拍攝時間、波段數據、空間分辨率、數據存儲格式,提取建立特征屬性數據庫,并B+樹原則建立排序索引;然后,按衛(wèi)星影像數據的特征將這些特征數據按指標、空間相關性提取并標準化,建立復合特征代碼;這些特征碼包括 < 指標,評價柵格尺度,相關率 >、< 波段,指標,相關率>、< 分辨率,指標,相關率 >、< 分辨率,空間代碼,相關率 >、< 指標,空間代碼,相關率 > 多維相關關系層,建立按統(tǒng)一標準相關率排序的B+索引樹,并應用維鏈表將特征碼與衛(wèi)星影像數據特征關聯;最后,應用金字塔結構的規(guī)則分割特征碼按區(qū)域四叉樹變形的索引方式,建立支持在線的多源、多維數據的融合與多尺度表達的基于粒度劃分決策樹海量空間影像數據庫。
      4.根據權利要求1所述的綠地生態(tài)評價單元粒度自適應柵格取樣方法,其特征在于步驟(3)中所述的自適應選擇算法中,由輸入的綠地評價問題空間、評價指標由基于粒度劃分決策樹由金字塔頂層向下,先后經過多維相關關系層,按相關率最大化進行深度查找,直到找到源衛(wèi)星影像數據;在此過程中,通過系統(tǒng)的自學習機制,按查找的精確性評估最終查找結果,并將評估的結果值代入相關率計算,重新調整按統(tǒng)一標準相關率排序的B+索引樹, 以提高下一次查找的精確性。
      全文摘要
      本發(fā)明屬于城市生態(tài)研究技術領域,是在為了克服現有的綠地生態(tài)評價單元柵格取樣方法不能自動區(qū)分綠地生態(tài)評價對象與不同分辨率的衛(wèi)星影像數據源之間自動匹配的不足,提供一種基于影像數據的綠地生態(tài)評價單元柵格取樣方法,該方法不僅能在海量空間影像數據庫中自動檢索多源衛(wèi)星影像數據源,而且能方便根據綠地生態(tài)評價對象的指標特征自動選取與評價指標相適應的衛(wèi)星數據源,并面向評價對象設置多種分辨率的柵格評價單元和多邊形評價單元。
      文檔編號G06F19/00GK102567648SQ201210013418
      公開日2012年7月11日 申請日期2012年1月17日 優(yōu)先權日2012年1月17日
      發(fā)明者凌煥然, 宋珂, 樊正球, 王偉, 王祥榮 申請人:復旦大學
      網友詢問留言 已有0條留言
      • 還沒有人留言評論。精彩留言會獲得點贊!
      1