CN109885600B - 森林植被增长率分析方法及*** - Google Patents
森林植被增长率分析方法及*** Download PDFInfo
- Publication number
- CN109885600B CN109885600B CN201910138882.0A CN201910138882A CN109885600B CN 109885600 B CN109885600 B CN 109885600B CN 201910138882 A CN201910138882 A CN 201910138882A CN 109885600 B CN109885600 B CN 109885600B
- Authority
- CN
- China
- Prior art keywords
- vegetation
- forest
- forest vegetation
- area
- cluster
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 26
- 238000011156 evaluation Methods 0.000 claims abstract description 55
- 238000012545 processing Methods 0.000 claims abstract description 36
- 230000005484 gravity Effects 0.000 claims abstract description 20
- 238000000034 method Methods 0.000 claims description 26
- 238000012423 maintenance Methods 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 8
- 230000006378 damage Effects 0.000 claims description 7
- 238000012544 monitoring process Methods 0.000 claims description 6
- 230000001419 dependent effect Effects 0.000 claims description 5
- 238000007726 management method Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 3
- 239000000463 material Substances 0.000 abstract description 6
- 238000004891 communication Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 241000282414 Homo sapiens Species 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例提供了一种森林植被增长率分析方法及***,通过获取各个森林植被区域在每个固定统计周期的多维统计数据,并经过至少一个迭代周期的重心聚类,得到各个森林植被区域的各维统计数据的聚类中心均值。接着根据各个森林植被区域的各维统计数据的聚类中心均值,计算每个森林植被区域的植被增长评估系数,最后针对每个森林植被区域,根据该森林植被区域的植被增长评估系数确定是否需要对该森林植被区域进行植被增长处理。由此,能够有效客观地分析挖掘各个森林植被区域的多维统计数据,对森林植被区域进行归类细分,从而对每个森林植被区域的植被增长进行评估,极大提高了效率,节省人力物力。
Description
技术领域
本申请涉及计算机技术领域,具体而言,涉及一种森林植被增长率分析方法及***。
背景技术
目前,森林作为地球之肺,源源不断地输送给我们所需的氧气和大量的有机物。人类的生存发展与森林生态***息息相关。然而,近现代以来,由于人类不节制的砍伐,直接导致森林大量减少。现如今,如何高效快速地对森林的自然资源的合理利用与保护至关重要。森林防护工作是资源开发环节上的重点工作,但伴随经济的发展和人口的增长,森林非法砍伐现象时有发生,个别的砍伐事件虽不能大面积破坏植被,但易形成林道和小面积的空旷地表,这会进一步促成人们的移居和开垦种植。且砍伐植被的积少成多,使植被的生长速度低于砍伐速度,终会造成森林植被的破坏。
基于上述技术问题,如何准确分析哪些森林植被区域需要进行植被增长处理是本领域技术人员亟待解决的问题,然而现实情况是,森林植被区域的统计数据诸多,不同的统计周期对应的统计数据各有不同,如果仅靠相关人员依靠经验分析,不仅消耗大量的人力物力,并且难以形成客观的分析结果,从而造成后续消耗更多的人力物力。
发明内容
有鉴于此,本申请实施例的目的在于提供一种森林植被增长率分析方法及***,能够有效客观地分析挖掘各个森林植被区域的多维统计数据,对森林植被区域进行归类细分,从而对每个森林植被区域的植被增长进行评估,极大提高了效率,节省人力物力。
根据本申请实施例的一个方面,提供一种电子设备,可以包括一个或多个存储介质和一个或多个与存储介质通信的处理器。一个或多个存储介质存储有处理器可执行的机器可读指令。当电子设备运行时,处理器与存储介质之间通过总线通信,处理器执行所述机器可读指令,以执行森林植被增长率分析方法。
根据本申请实施例的另一方面,提供一种森林植被增长率分析方法,应用于服务器,所述方法包括:
获取各个森林植被区域在每个固定统计周期的多维统计数据,所述多维统计数据至少包括森林植被增长率、森林植被利用率、森林植被覆盖率以及森林植被破坏率;
基于各个森林植被区域在各个固定统计周期的多维统计数据,经过至少一个迭代周期的重心聚类,得到各个森林植被区域的各维统计数据的聚类中心均值;
根据所述各个森林植被区域的各维统计数据的聚类中心均值,计算每个森林植被区域的植被增长评估系数;
针对每个森林植被区域,根据该森林植被区域的植被增长评估系数确定是否需要对该森林植被区域进行植被增长处理。
在一种可能的实施方式中,所述基于各个森林植被区域在各个固定统计周期的多维统计数据,经过至少一个迭代周期的重心聚类,得到各个森林植被区域的各维统计数据的聚类中心均值的步骤,包括:
针对每个迭代周期,基于多个森林植被区域在各个固定统计周期的多维统计数据,经过该迭代周期内的迭代聚类,得到一个聚类后的第一簇;
在该第一簇的各个固定统计周期的多维统计数据中,计算每个固定统计周期与所述聚类后的第一簇的聚类中心均值之间的距离;
遍历每个固定统计周期,若计算得到的距离小于设定距离,则将该固定统计周期添加到第二簇中,以聚类得到新的第二簇;
在该第二簇中,计算每个固定统计周期与所述聚类后的第二簇的聚类中心均值之间的距离;
遍历每个固定统计周期,若计算得到的距离小于设定距离,则将该固定统计周期添加到第三簇中,以聚类得到新的第三簇;
将所述第三簇作为新的第二簇,并返回所述在该第二簇中,计算每个固定统计周期与所述聚类后的第二簇的聚类中心均值之间的距离的步骤,直到满足迭代停止条件,将最后得到的第三簇的聚类中心均值作为各个森林植被区域的各维统计数据的聚类中心均值。
在一种可能的实施方式中,所述迭代停止条件包括以下条件中的至少一种:
所述第三簇中的固定统计周期不再发生变化;
迭代次数达到设定次数;
所述第三簇的重心移动距离小于设定距离。
在一种可能的实施方式中,所述根据所述各个森林植被区域的各维统计数据的聚类中心均值,计算每个森林植被区域的植被增长评估系数的步骤,包括:
基于多元回归建模,以所述各个森林植被区域的各维统计数据的聚类中心均值为自变量,每个森林植被区域的植被增长评估系数为因变量,根据输入的每个森林植被区域的区域影响因素构建每个森林植被区域的森林植被增长率预测模型,其中,所述区域影响因素至少包括森林植被维护规模、森林植被维护工艺、森林植被占地面积、森林植被历史维护水平、森林植被历史管理水平、森林植被的植被种类;
将各个森林植被区域的各维统计数据的聚类中心均值分别输入到对应的森林植被区域的森林植被增长率预测模型中,计算在每个区域影响因素的影响下各个森林植被区域的各维统计数据的聚类中心均值对应的植被增长评估值;
根据每个区域影响因素的影响权重分别计算各个森林植被区域的各维统计数据的聚类中心均值对应的植被增长评估值对应的植被增长评估子系数,并将各个植被增长评估子系数之和作为每个森林植被区域的植被增长评估系数。
在一种可能的实施方式中,所述根据该森林植被区域的植被增长评估系数确定是否需要对该森林植被区域进行植被增长处理的步骤,包括:
判断该森林植被区域的植被增长评估系数是否大于预设植被增长评估系数,若大于,则确定需要对该森林植被区域进行植被增长处理,若不大于,则确定不需要对该森林植被区域进行植被增长处理。
在一种可能的实施方式中,所述根据该森林植被区域的植被增长评估系数确定是否需要对该森林植被区域进行植被增长处理的步骤之后,所述方法还包括:
若确定需要对该森林植被区域进行植被增长处理,则将从预先存储的植被增长处理策略库中查找该植被增长评估系数所在的植被增长评估系数区间段对应的植被增长处理策略,并将所述植被增长处理策略发送给该森林植被区域所在的监测平台服务器。
在一种可能的实施方式中,所述根据该森林植被区域的植被增长评估系数确定是否需要对该森林植被区域进行植被增长处理的步骤之后,所述方法还包括:
若确定不需要对该森林植被区域进行植被增长处理,则持续监测该森林植被区域在接下来的每个固定统计周期的多维统计数据,并在监测到该森林植被区域在接下来的任意一个固定统计周期的多维统计数据存在异常时,返回基于各个森林植被区域在各个固定统计周期的多维统计数据,经过至少一个迭代周期的重心聚类,得到各个森林植被区域的各维统计数据的聚类中心均值的步骤。
根据本申请实施例的另一方面,提供一种森林植被增长率分析装置,应用于服务器,所述装置包括:
获取模块,用于获取各个森林植被区域在每个固定统计周期的多维统计数据,所述多维统计数据至少包括森林植被增长率、森林植被利用率、森林植被覆盖率以及森林植被破坏率;
重心聚类模块,用于基于各个森林植被区域在各个固定统计周期的多维统计数据,经过至少一个迭代周期的重心聚类,得到各个森林植被区域的各维统计数据的聚类中心均值;
计算模块,用于根据所述各个森林植被区域的各维统计数据的聚类中心均值,计算每个森林植被区域的植被增长评估系数;
确定模块,用于针对每个森林植被区域,根据该森林植被区域的植被增长评估系数确定是否需要对该森林植被区域进行植被增长处理。
根据本申请实施例的另一方面,提供一种可读存储介质,该可读存储介质上存储有计算机程序,该计算机程序被处理器运行时可以执行上述的森林植被增长率分析方法的步骤。
基于上述任一方面,本申请实施例通过获取各个森林植被区域在每个固定统计周期的多维统计数据,并经过至少一个迭代周期的重心聚类,得到各个森林植被区域的各维统计数据的聚类中心均值。接着根据各个森林植被区域的各维统计数据的聚类中心均值,计算每个森林植被区域的植被增长评估系数,最后针对每个森林植被区域,根据该森林植被区域的植被增长评估系数确定是否需要对该森林植被区域进行植被增长处理。由此,能够有效客观地分析挖掘各个森林植被区域的多维统计数据,对森林植被区域进行归类细分,从而对每个森林植被区域的植被增长进行评估,极大提高了效率,节省人力物力。
为使本申请实施例的上述目的、特征和优点能更明显易懂,下面将结合实施例,并配合所附附图,作详细说明。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1示出了本申请实施例所提供的服务器的示例性硬件和软件组件的示意图;
图2示出了本申请实施例所提供的森林植被增长率分析方法的流程示意图之一;
图3示出了本申请实施例所提供的森林植被增长率分析方法的流程示意图之二;
图4示出了本申请实施例所提供的森林植被增长率分析方法的流程示意图之三;
图5示出了本申请实施例所提供的森林植被增长率分析装置的功能模块框图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,应当理解,本申请中附图仅起到说明和描述的目的,并不用于限定本申请的保护范围。另外,应当理解,示意性的附图并未按实物比例绘制。本申请中使用的流程图示出了根据本申请实施例的一些实施例实现的操作。应该理解,流程图的操作可以不按顺序实现,没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外,本领域技术人员在本申请内容的指引下,可以向流程图添加一个或多个其他操作,也可以从流程图中移除一个或多个操作。
另外,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
图1示出了本申请一些实施例提供的服务器100的示例性硬件和软件组件的示意图。例如,处理器120可以用于服务器100上,并且用于执行本申请中的功能。
服务器100可以是通用计算机或特殊用途的计算机,两者都可以用于实现本申请的森林植被增长率分析方法。本申请尽管仅示出了一个计算机,但是为了方便起见,可以在多个类似平台上以分布式方式实现本申请描述的功能,以均衡处理负载。
例如,服务器100可以包括连接到网络的网络端口110、用于执行程序指令的一个或多个处理器120、通信总线130、和不同形式的存储介质140,例如,磁盘、ROM、或RAM,或其任意组合。示例性地,计算机平台还可以包括存储在ROM、RAM、或其他类型的非暂时性存储介质、或其任意组合中的程序指令。根据这些程序指令可以实现本申请的方法。服务器100还包括计算机与其他输入输出设备(例如键盘、显示屏)之间的输入/输出(Input/Output,I/ O)接口150。
为了便于说明,在服务器100中仅描述了一个处理器。然而,应当注意,本申请中的服务器100还可以包括多个处理器,因此本申请中描述的一个处理器执行的步骤也可以由多个处理器联合执行或单独执行。例如,若服务器100的处理器执行步骤A和步骤B,则应该理解,步骤A和步骤B也可以由两个不同的处理器共同执行或者在一个处理器中单独执行。例如,第一处理器执行步骤A,第二处理器执行步骤B,或者第一处理器和第二处理器共同执行步骤A和B。
图2示出了本申请一些实施例提供的森林植被增长率分析方法的流程示意图,该森林植被增长率分析方法可由图1中所示的服务器100执行。应当理解,在其它实施例中,本实施例所述的森林植被增长率分析方法其中部分步骤的顺序可以根据实际需要相互交换,或者其中的部分步骤也可以省略或删除。该森林植被增长率分析方法的详细步骤介绍如下。
步骤S110,获取各个森林植被区域在每个固定统计周期的多维统计数据。
在一个可能的示例中,所述多维统计数据至少可以包括森林植被增长率、森林植被利用率、森林植被覆盖率以及森林植被破坏率。当然本领域技术人员可以理解的是,在实际实施时也可以在上述基础上增加更多的多维统计数据,本实施例对此不做任何限制。
步骤S120,基于各个森林植被区域在各个固定统计周期的多维统计数据,经过至少一个迭代周期的重心聚类,得到各个森林植被区域的各维统计数据的聚类中心均值。
在一个可能的示例中,首先,针对每个迭代周期,基于多个森林植被区域在各个固定统计周期的多维统计数据,经过该迭代周期内的迭代聚类,得到一个聚类后的第一簇。
而后,在该第一簇的各个固定统计周期的多维统计数据中,计算每个固定统计周期与所述聚类后的第一簇的聚类中心均值之间的距离;
接着,遍历每个固定统计周期,若计算得到的距离小于设定距离,则将该固定统计周期添加到第二簇中,以聚类得到新的第二簇;
接着,在该第二簇中,计算每个固定统计周期与所述聚类后的第二簇的聚类中心均值之间的距离;
而后,遍历每个固定统计周期,若计算得到的距离小于设定距离,则将该固定统计周期添加到第三簇中,以聚类得到新的第三簇;
最后,将所述第三簇作为新的第二簇,并返回所述在该第二簇中,计算每个固定统计周期与所述聚类后的第二簇的聚类中心均值之间的距离的步骤,直到满足迭代停止条件,将最后得到的第三簇的聚类中心均值作为各个森林植被区域的各维统计数据的聚类中心均值。
由此,基于上述迭代聚类过程,能够有效客观地分析挖掘各个森林植被区域的多维统计数据,最终生成的各个森林植被区域的各维统计数据的聚类中心均值越来越符合该森林植被区域实际特征值,从而为后续森林植被的规划提供理论依据。
其中,上述迭代停止条件可以包括以下条件中的至少一种:
所述第三簇中的固定统计周期不再发生变化;
迭代次数达到设定次数;
所述第三簇的重心移动距离小于设定距离。
步骤S130,根据所述各个森林植被区域的各维统计数据的聚类中心均值,计算每个森林植被区域的植被增长评估系数。
在一个可能的示例中,首先,基于多元回归建模,以所述各个森林植被区域的各维统计数据的聚类中心均值为自变量,每个森林植被区域的植被增长评估系数为因变量,根据输入的每个森林植被区域的区域影响因素构建每个森林植被区域的森林植被增长率预测模型,其中,所述区域影响因素至少包括森林植被维护规模、森林植被维护工艺、森林植被占地面积、森林植被历史维护水平、森林植被历史管理水平、森林植被的植被种类。
接着,将各个森林植被区域的各维统计数据的聚类中心均值分别输入到对应的森林植被区域的森林植被增长率预测模型中,计算在每个区域影响因素的影响下各个森林植被区域的各维统计数据的聚类中心均值对应的植被增长评估值。
最后,根据每个区域影响因素的影响权重分别计算各个森林植被区域的各维统计数据的聚类中心均值对应的植被增长评估值对应的植被增长评估子系数,并将各个植被增长评估子系数之和作为每个森林植被区域的植被增长评估系数。
由此,本实施例考虑到了实际每个森林植被区域的区域影响因素,并与步骤S120中各个森林植被区域的各维统计数据的聚类中心均值进行结合以确定每个森林植被区域的植被增长评估系数,从而更加精确地对每个森林植被区域的植被增长进行评估。
步骤S140,针对每个森林植被区域,根据该森林植被区域的植被增长评估系数确定是否需要对该森林植被区域进行植被增长处理。
本实施例中,可以判断该森林植被区域的植被增长评估系数是否大于预设植被增长评估系数,若大于,则确定需要对该森林植被区域进行植被增长处理,若不大于,则确定不需要对该森林植被区域进行植被增长处理。
在上述基础上,作为一种示例,请进一步地参阅图3,本实施例提供的森林植被增长率分析方法还可以包括以下步骤:
步骤S150,若确定需要对该森林植被区域进行植被增长处理,则将从预先存储的植被增长处理策略库中查找该植被增长评估系数所在的植被增长评估系数区间段对应的植被增长处理策略,并将所述植被增长处理策略发送给该森林植被区域所在的监测平台服务器。
作为另一种示例,请进一步地参阅图4,本实施例提供的森林植被增长率分析方法还可以包括以下步骤:
步骤S160,若确定不需要对该森林植被区域进行植被增长处理,则持续监测该森林植被区域在接下来的每个固定统计周期的多维统计数据,并在监测到该森林植被区域在接下来的任意一个固定统计周期的多维统计数据存在异常时,返回基于各个森林植被区域在各个固定统计周期的多维统计数据,经过至少一个迭代周期的重心聚类,得到各个森林植被区域的各维统计数据的聚类中心均值的步骤。
如此,本实施例能够有效客观地分析挖掘各个森林植被区域的多维统计数据,对森林植被区域进行归类细分,从而对每个森林植被区域的植被增长进行评估,极大提高了效率,节省人力物力。
图5示出了本申请一些实施例提供的森林植被增长率分析装置200的功能模块图,该森林植被增长率分析装置200实现的功能可以对应上述方法执行的步骤。该森林植被增长率分析装置200可以理解为上述服务器100,或服务器100的处理器,也可以理解为独立于上述服务器100或处理器之外的在服务器100控制下实现本申请功能的组件,如图5所示,该森林植被增长率分析装置200可以包括获取模块210、重心聚类模块220、计算模块230以及确定模块240,下面分别该森林植被增长率分析装置200的各个功能模块的功能进行详细阐述。
获取模块210,用于获取各个森林植被区域在每个固定统计周期的多维统计数据,所述多维统计数据至少包括森林植被增长率、森林植被利用率、森林植被覆盖率以及森林植被破坏率。可以理解,该获取模块210可以用于执行上述步骤S110,关于该获取模块210的详细实现方式可以参照上述对步骤S110有关的内容。
重心聚类模块220,用于基于各个森林植被区域在各个固定统计周期的多维统计数据,经过至少一个迭代周期的重心聚类,得到各个森林植被区域的各维统计数据的聚类中心均值。可以理解,该重心聚类模块220可以用于执行上述步骤S120,关于该重心聚类模块220的详细实现方式可以参照上述对步骤S120有关的内容。
计算模块230,用于根据所述各个森林植被区域的各维统计数据的聚类中心均值,计算每个森林植被区域的植被增长评估系数。可以理解,该计算模块230可以用于执行上述步骤S130,关于该计算模块230的详细实现方式可以参照上述对步骤S130有关的内容。
确定模块240,用于针对每个森林植被区域,根据该森林植被区域的植被增长评估系数确定是否需要对该森林植被区域进行植被增长处理。可以理解,该确定模块240可以用于执行上述步骤S140,关于该确定模块240的详细实现方式可以参照上述对步骤S140有关的内容。
在一种可能的实施方式中,所述重心聚类模块220具体可以通过以下方式得到各个森林植被区域的各维统计数据的聚类中心均值:
针对每个迭代周期,基于多个森林植被区域在各个固定统计周期的多维统计数据,经过该迭代周期内的迭代聚类,得到一个聚类后的第一簇;
在该第一簇的各个固定统计周期的多维统计数据中,计算每个固定统计周期与所述聚类后的第一簇的聚类中心均值之间的距离;
遍历每个固定统计周期,若计算得到的距离小于设定距离,则将该固定统计周期添加到第二簇中,以聚类得到新的第二簇;
在该第二簇中,计算每个固定统计周期与所述聚类后的第二簇的聚类中心均值之间的距离;
遍历每个固定统计周期,若计算得到的距离小于设定距离,则将该固定统计周期添加到第三簇中,以聚类得到新的第三簇;
将所述第三簇作为新的第二簇,并返回所述在该第二簇中,计算每个固定统计周期与所述聚类后的第二簇的聚类中心均值之间的距离的步骤,直到满足迭代停止条件,将最后得到的第三簇的聚类中心均值作为各个森林植被区域的各维统计数据的聚类中心均值。
在一种实施方式中,所述计算模块230具体可以通过以下方式计算每个森林植被区域的植被增长评估系数:
基于多元回归建模,以所述各个森林植被区域的各维统计数据的聚类中心均值为自变量,每个森林植被区域的植被增长评估系数为因变量,根据输入的每个森林植被区域的区域影响因素构建每个森林植被区域的森林植被增长率预测模型,其中,所述区域影响因素至少包括森林植被维护规模、森林植被维护工艺、森林植被占地面积、森林植被历史维护水平、森林植被历史管理水平、森林植被的植被种类;
将各个森林植被区域的各维统计数据的聚类中心均值分别输入到对应的森林植被区域的森林植被增长率预测模型中,计算在每个区域影响因素的影响下各个森林植被区域的各维统计数据的聚类中心均值对应的植被增长评估值;
根据每个区域影响因素的影响权重分别计算各个森林植被区域的各维统计数据的聚类中心均值对应的植被增长评估值对应的植被增长评估子系数,并将各个植被增长评估子系数之和作为每个森林植被区域的植被增长评估系数。
上述模块可以经由有线连接或无线连接彼此连接或通信。 有线连接可以包括金属线缆、光缆、混合线缆等,或其任意组合。无线连接可以包括通过LAN、WAN、蓝牙、ZigBee、或NFC等形式的连接,或其任意组合。 两个或更多个模块可以组合为单个模块,并且任何一个模块可以分成两个或更多个单元。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的***和装置的具体工作过程,可以参考方法实施例中的对应过程,本申请中不再赘述。在本申请所提供的几个实施例中,应该理解到,所揭露的***、装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个模块或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (7)
1.一种森林植被增长率分析方法,其特征在于,应用于服务器,所述方法包括:
获取各个森林植被区域在每个固定统计周期的多维统计数据,所述多维统计数据至少包括森林植被增长率、森林植被利用率、森林植被覆盖率以及森林植被破坏率;
基于各个森林植被区域在各个固定统计周期的多维统计数据,经过至少一个迭代周期的重心聚类,得到各个森林植被区域的各维统计数据的聚类中心均值;
根据所述各个森林植被区域的各维统计数据的聚类中心均值,计算每个森林植被区域的植被增长评估系数;
针对每个森林植被区域,根据该森林植被区域的植被增长评估系数确定是否需要对该森林植被区域进行植被增长处理;
其中,所述根据所述各个森林植被区域的各维统计数据的聚类中心均值,计算每个森林植被区域的植被增长评估系数的步骤,包括:
基于多元回归建模,以所述各个森林植被区域的各维统计数据的聚类中心均值为自变量,每个森林植被区域的植被增长评估系数为因变量,根据输入的每个森林植被区域的区域影响因素构建每个森林植被区域的森林植被增长率预测模型,其中,所述区域影响因素至少包括森林植被维护规模、森林植被维护工艺、森林植被占地面积、森林植被历史维护水平、森林植被历史管理水平、森林植被的植被种类;
将各个森林植被区域的各维统计数据的聚类中心均值分别输入到对应的森林植被区域的森林植被增长率预测模型中,计算在每个区域影响因素的影响下各个森林植被区域的各维统计数据的聚类中心均值对应的植被增长评估值;
根据每个区域影响因素的影响权重分别计算各个森林植被区域的各维统计数据的聚类中心均值对应的植被增长评估值对应的植被增长评估子系数,并将各个植被增长评估子系数之和作为每个森林植被区域的植被增长评估系数;
其中,所述根据该森林植被区域的植被增长评估系数确定是否需要对该森林植被区域进行植被增长处理的步骤,包括:
判断该森林植被区域的植被增长评估系数是否大于预设植被增长评估系数,若大于,则确定需要对该森林植被区域进行植被增长处理,若不大于,则确定不需要对该森林植被区域进行植被增长处理。
2.根据权利要求1所述的森林植被增长率分析方法,其特征在于,所述基于各个森林植被区域在各个固定统计周期的多维统计数据,经过至少一个迭代周期的重心聚类,得到各个森林植被区域的各维统计数据的聚类中心均值的步骤,包括:
针对每个迭代周期,基于多个森林植被区域在各个固定统计周期的多维统计数据,经过该迭代周期内的迭代聚类,得到一个聚类后的第一簇;
在该第一簇的各个固定统计周期的多维统计数据中,计算每个固定统计周期与所述聚类后的第一簇的聚类中心均值之间的距离;
遍历每个固定统计周期,若计算得到的距离小于设定距离,则将该固定统计周期添加到第二簇中,以聚类得到新的第二簇;
在该第二簇中,计算每个固定统计周期与所述聚类后的第二簇的聚类中心均值之间的距离;
遍历每个固定统计周期,若计算得到的距离小于设定距离,则将该固定统计周期添加到第三簇中,以聚类得到新的第三簇;
将所述第三簇作为新的第二簇,并返回所述在该第二簇中,计算每个固定统计周期与所述聚类后的第二簇的聚类中心均值之间的距离的步骤,直到满足迭代停止条件,将最后得到的第三簇的聚类中心均值作为各个森林植被区域的各维统计数据的聚类中心均值。
3.根据权利要求2所述的森林植被增长率分析方法,其特征在于,所述迭代停止条件包括以下条件中的至少一种:
所述第三簇中的固定统计周期不再发生变化;
迭代次数达到设定次数;
所述第三簇的重心移动距离小于设定距离。
4.根据权利要求1-3中任意一项所述的森林植被增长率分析方法,其特征在于,所述根据该森林植被区域的植被增长评估系数确定是否需要对该森林植被区域进行植被增长处理的步骤之后,所述方法还包括:
若确定需要对该森林植被区域进行植被增长处理,则将从预先存储的植被增长处理策略库中查找该植被增长评估系数所在的植被增长评估系数区间段对应的植被增长处理策略,并将所述植被增长处理策略发送给该森林植被区域所在的监测平台服务器。
5.根据权利要求1-3中任意一项所述的森林植被增长率分析方法,其特征在于,所述根据该森林植被区域的植被增长评估系数确定是否需要对该森林植被区域进行植被增长处理的步骤之后,所述方法还包括:
若确定不需要对该森林植被区域进行植被增长处理,则持续监测该森林植被区域在接下来的每个固定统计周期的多维统计数据,并在监测到该森林植被区域在接下来的任意一个固定统计周期的多维统计数据存在异常时,返回基于各个森林植被区域在各个固定统计周期的多维统计数据,经过至少一个迭代周期的重心聚类,得到各个森林植被区域的各维统计数据的聚类中心均值的步骤。
6.一种森林植被增长率分析装置,其特征在于,应用于服务器,所述装置包括:
获取模块,用于获取各个森林植被区域在每个固定统计周期的多维统计数据,所述多维统计数据至少包括森林植被增长率、森林植被利用率、森林植被覆盖率以及森林植被破坏率;
重心聚类模块,用于基于各个森林植被区域在各个固定统计周期的多维统计数据,经过至少一个迭代周期的重心聚类,得到各个森林植被区域的各维统计数据的聚类中心均值;
计算模块,用于根据所述各个森林植被区域的各维统计数据的聚类中心均值,计算每个森林植被区域的植被增长评估系数;
确定模块,用于针对每个森林植被区域,根据该森林植被区域的植被增长评估系数确定是否需要对该森林植被区域进行植被增长处理;
其中,所述计算模块具体通过以下方式计算每个森林植被区域的植被增长评估系数:
基于多元回归建模,以所述各个森林植被区域的各维统计数据的聚类中心均值为自变量,每个森林植被区域的植被增长评估系数为因变量,根据输入的每个森林植被区域的区域影响因素构建每个森林植被区域的森林植被增长率预测模型,其中,所述区域影响因素至少包括森林植被维护规模、森林植被维护工艺、森林植被占地面积、森林植被历史维护水平、森林植被历史管理水平、森林植被的植被种类;
将各个森林植被区域的各维统计数据的聚类中心均值分别输入到对应的森林植被区域的森林植被增长率预测模型中,计算在每个区域影响因素的影响下各个森林植被区域的各维统计数据的聚类中心均值对应的植被增长评估值;
根据每个区域影响因素的影响权重分别计算各个森林植被区域的各维统计数据的聚类中心均值对应的植被增长评估值对应的植被增长评估子系数,并将各个植被增长评估子系数之和作为每个森林植被区域的植被增长评估系数;
其中,所述根据该森林植被区域的植被增长评估系数确定是否需要对该森林植被区域进行植被增长处理的方式,包括:
判断该森林植被区域的植被增长评估系数是否大于预设植被增长评估系数,若大于,则确定需要对该森林植被区域进行植被增长处理,若不大于,则确定不需要对该森林植被区域进行植被增长处理。
7.根据权利要求6所述的森林植被增长率分析装置,其特征在于,所述重心聚类模块具体通过以下方式得到各个森林植被区域的各维统计数据的聚类中心均值:
针对每个迭代周期,基于多个森林植被区域在各个固定统计周期的多维统计数据,经过该迭代周期内的迭代聚类,得到一个聚类后的第一簇;
在该第一簇的各个固定统计周期的多维统计数据中,计算每个固定统计周期与所述聚类后的第一簇的聚类中心均值之间的距离;
遍历每个固定统计周期,若计算得到的距离小于设定距离,则将该固定统计周期添加到第二簇中,以聚类得到新的第二簇;
在该第二簇中,计算每个固定统计周期与所述聚类后的第二簇的聚类中心均值之间的距离;
遍历每个固定统计周期,若计算得到的距离小于设定距离,则将该固定统计周期添加到第三簇中,以聚类得到新的第三簇;
将所述第三簇作为新的第二簇,并返回所述在该第二簇中,计算每个固定统计周期与所述聚类后的第二簇的聚类中心均值之间的距离的步骤,直到满足迭代停止条件,将最后得到的第三簇的聚类中心均值作为各个森林植被区域的各维统计数据的聚类中心均值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910138882.0A CN109885600B (zh) | 2019-02-25 | 2019-02-25 | 森林植被增长率分析方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910138882.0A CN109885600B (zh) | 2019-02-25 | 2019-02-25 | 森林植被增长率分析方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109885600A CN109885600A (zh) | 2019-06-14 |
CN109885600B true CN109885600B (zh) | 2022-04-12 |
Family
ID=66929233
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910138882.0A Expired - Fee Related CN109885600B (zh) | 2019-02-25 | 2019-02-25 | 森林植被增长率分析方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109885600B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111259963B (zh) * | 2019-12-27 | 2023-10-13 | 南京林业大学 | 一种区域植被指标的驱动因素分析方法、装置及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103488871A (zh) * | 2013-08-27 | 2014-01-01 | 国家电网公司 | 一种无径流资料地区的洪水预报方法 |
CN104050513A (zh) * | 2014-04-15 | 2014-09-17 | 中国科学院遥感与数字地球研究所 | 农作物种植面积监测空间抽样方案优化方法 |
CN106815551A (zh) * | 2016-12-08 | 2017-06-09 | 新疆农业大学 | 一种森林资源管理的变异函数参数拟合的优化方法 |
CN107133652A (zh) * | 2017-05-17 | 2017-09-05 | 国网山东省电力公司烟台供电公司 | 基于K‑means聚类算法的用电客户价值评估方法及*** |
CN107145964A (zh) * | 2017-04-10 | 2017-09-08 | 同济大学 | 基于遗传编程的多元回归预测模型优化方法 |
CN109146158A (zh) * | 2018-08-03 | 2019-01-04 | 青海大学 | 一种高寒草甸草地生态***健康分析方法、计算机 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10989838B2 (en) * | 2015-04-14 | 2021-04-27 | Utopus Insights, Inc. | Weather-driven multi-category infrastructure impact forecasting |
-
2019
- 2019-02-25 CN CN201910138882.0A patent/CN109885600B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103488871A (zh) * | 2013-08-27 | 2014-01-01 | 国家电网公司 | 一种无径流资料地区的洪水预报方法 |
CN104050513A (zh) * | 2014-04-15 | 2014-09-17 | 中国科学院遥感与数字地球研究所 | 农作物种植面积监测空间抽样方案优化方法 |
CN106815551A (zh) * | 2016-12-08 | 2017-06-09 | 新疆农业大学 | 一种森林资源管理的变异函数参数拟合的优化方法 |
CN107145964A (zh) * | 2017-04-10 | 2017-09-08 | 同济大学 | 基于遗传编程的多元回归预测模型优化方法 |
CN107133652A (zh) * | 2017-05-17 | 2017-09-05 | 国网山东省电力公司烟台供电公司 | 基于K‑means聚类算法的用电客户价值评估方法及*** |
CN109146158A (zh) * | 2018-08-03 | 2019-01-04 | 青海大学 | 一种高寒草甸草地生态***健康分析方法、计算机 |
Non-Patent Citations (2)
Title |
---|
基于数据挖掘的区域森林乔木层生物量估算与评价研究;高萌;《中国优秀博硕士学位论文全文数据库(博士)农业科技辑》;20160115(第1期);全文 * |
基于聚类分析的林分生长模型研究;王艳;《国优秀硕士学位论文全文数据库 (农业科技辑)》;20140315(第3期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN109885600A (zh) | 2019-06-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200104229A1 (en) | Proactive information technology infrastructure management | |
CN110599034B (zh) | 一种采油厂动态管理跟踪***及其预警方法 | |
US20110270853A1 (en) | Dynamic Storage and Retrieval of Process Graphs | |
CN102870129A (zh) | 动态自适应进程发现和遵守 | |
CN111402017A (zh) | 一种基于大数据的信用评分方法和*** | |
CN108182063A (zh) | 一种大数据分析可视化配置的实现方法 | |
CN105956016A (zh) | 关联信息可视化处理*** | |
Wu et al. | On performance modeling and prediction in support of scientific workflow optimization | |
CN109885600B (zh) | 森林植被增长率分析方法及*** | |
CN115062906A (zh) | 一种生产作业风险的智能评估方法及装置 | |
CN115511309A (zh) | 一种工程质量信息闭环管控方法及*** | |
Wildemeersch et al. | Modelling the multi-scaled nature of pest outbreaks | |
RU2722081C2 (ru) | Способ, устройство и пользовательский интерфейс для представления данных, описывающих функционирование лесохозяйственного рабочего объекта | |
CN112446637A (zh) | 一种建筑施工质量安全在线风险检测方法及*** | |
KR20150089604A (ko) | 자연재해에 신속하게 대응하기 위한 의사결정 지원장치 | |
Kontak et al. | Statistical parameter selection for clustering persistence diagrams | |
CN106951360B (zh) | 数据统计完整度计算方法和*** | |
Skvortsova et al. | Study of the possibility of applying intellectual methods in creating risk analysis decision support system in the socio-economic sphere | |
CN112686773B (zh) | 一种基于融合业务拓扑的电力计量全链路关键业务异常定位模型构建方法 | |
AU2021204470A1 (en) | Benefit surrender prediction | |
CN113656452B (zh) | 调用链指标异常的检测方法、装置、电子设备及存储介质 | |
CN114528626B (zh) | 一种基于三维bim模型的数据集成方法、***及电子设备 | |
KR20170123389A (ko) | 원자력발전소의 인적오류확률 산출 시스템 및 그 방법 | |
CN112560146A (zh) | 基于bim的电网数据运维方法、装置、设备及存储介质 | |
CN110704393A (zh) | 一种针对Hive数据仓库的数据监控方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20220412 |