CN116049342A - 一种生境质量监测方法及监测装置 - Google Patents
一种生境质量监测方法及监测装置 Download PDFInfo
- Publication number
- CN116049342A CN116049342A CN202310294353.6A CN202310294353A CN116049342A CN 116049342 A CN116049342 A CN 116049342A CN 202310294353 A CN202310294353 A CN 202310294353A CN 116049342 A CN116049342 A CN 116049342A
- Authority
- CN
- China
- Prior art keywords
- habitat
- monitoring
- quality
- habitat quality
- monitoring area
- 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.)
- Granted
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 224
- 238000000034 method Methods 0.000 title claims abstract description 64
- 238000013441 quality evaluation Methods 0.000 claims abstract description 59
- 238000013210 evaluation model Methods 0.000 claims abstract description 28
- 238000011156 evaluation Methods 0.000 claims abstract description 25
- 238000012806 monitoring device Methods 0.000 claims abstract description 11
- 230000008569 process Effects 0.000 claims description 18
- 238000010276 construction Methods 0.000 claims description 15
- 238000007781 pre-processing Methods 0.000 claims description 14
- 238000001303 quality assessment method Methods 0.000 claims description 14
- 238000011160 research Methods 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 230000015556 catabolic process Effects 0.000 claims description 6
- 238000006731 degradation reaction Methods 0.000 claims description 6
- 230000006872 improvement Effects 0.000 claims description 6
- 238000005520 cutting process Methods 0.000 claims description 4
- 238000013508 migration Methods 0.000 abstract description 4
- 230000005012 migration Effects 0.000 abstract description 4
- 230000006870 function Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 11
- 238000004590 computer program Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 238000000605 extraction Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 238000011835 investigation Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000012800 visualization Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 206010052804 Drug tolerance Diseases 0.000 description 1
- 238000004173 biogeochemical cycle Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000026781 habituation Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Databases & Information Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- General Engineering & Computer Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Remote Sensing (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种生境质量监测方法及监测装置，根据多个监测区域的属性信息和多源土地覆盖产品在云端平台中构建基础地理数据库，能够为生境质量监测提供有效数据基础；基于桌面端评估模型中的评估规则信息在云端平台中构建生境质量监测模型，能够实现生境质量测算功能从桌面端评估模型向云端平台迁移；通过***息获取目标监测区域的生境质量评价参数，其中，目标监测区域是多个监测区域中的任一监测区域，基于地理数据库获取目标监测区域对应的土地覆盖产品，将目标监测区域的生境质量评价参数和对应的土地覆盖产品输入生境质量监测模型，能够实现对目标监测区域的生境质量的精准高效监测。
Description
技术领域
本发明涉及生境质量监测技术领域，具体涉及一种生境质量监测方法及监测装置。
背景技术
针对与人类活动相关的土地覆盖变化导致的生物多样性丧失等问题，中国目前已正式设立及遴选出一批国家公园和国家公园候选区，以实现对自然生态***原真性、完整性的保护。对国家公园区域内生境质量的动态甚至近实时信息的掌握可为未来国家公园的建设落地提供定量参考。
然而，目前国家尺度上的国家公园生境质量状况在时空分布范围和变化监测实时性方面均存在局限。尤其是近实时的土地覆盖数据的匮乏，以及当前有关生境质量制图的研究大多依赖于以生态***服务和权衡的综合评估模型（Integrated Valuation ofEcosystem Services and Trade-offs，InVEST）为代表的传统桌面端评估模型，这种模型的运算过度依赖计算机的配置，效率低下，很难满足大尺度长时序生境质量评估工作的需求。
发明内容
因此，本发明要解决的技术问题在于克服现有技术中近实时的土地覆盖数据匮乏以及传统桌面端评估模型性能欠缺的缺陷，从而提供一种生境质量监测方法及监测装置。
根据第一方面，本发明实施例提供一种生境质量监测方法，包括如下步骤：根据多个监测区域的属性信息和多源土地覆盖产品在云端平台中构建基础地理数据库；基于桌面端评估模型中的评估规则信息在所述云端平台中构建生境质量监测模型；通过***息获取目标监测区域的生境质量评价参数，其中，所述目标监测区域是多个监测区域中的任一监测区域；基于所述地理数据库获取目标监测区域对应的土地覆盖产品；将所述目标监测区域的生境质量评价参数和对应的土地覆盖产品输入所述生境质量监测模型，以获得所述目标监测区域的生境质量。
结合第一方面，在第一方面第一实施方式中，所述根据多个监测区域的属性信息和多源土地覆盖产品在云端平台中构建基础地理数据库的步骤，包括：获取多个所述监测区域的属性信息，并对所述属性信息进行第一预处理；获取所述多源土地覆盖产品，并对所述多源土地覆盖产品进行第二预处理；将经第一预处理后的所述属性信息和经第二预处理后的所述多源土地覆盖产品上传至所述云端平台，以构建所述基础地理数据库。
结合第一方面，在第一方面第二实施方式中，所述通过***息获取目标监测区域的生境质量评价参数的步骤，包括：提取***息中各研究区域的地理信息和生境质量评价参数；构建所述地理信息与生境质量评价参数的对应关系；基于所述对应关系获取所述目标监测区域的生境质量评价参数。
结合第一方面第二实施方式，在第一方面第三实施方式中，所述基于所述对应关系获取所述目标监测区域的生境质量评价参数的步骤，包括：基于所述对应关系获取地理信息位于所述目标监测区域中的质量评价参数；在获取的质量评价参数中，同一个类型的质量评价参数为多个的情况下，对多个质量评价参数取均值，并将所述均值作为所述目标监测区域的所述类型的质量评价参数。
结合第一方面，在第一方面第四实施方式中，所述基于桌面端评估模型中的评估规则信息在所述云端平台中构建生境质量监测模型的步骤，包括：从桌面端评估模型中提取评估规则信息；基于所述评估规则信息，在所述云端平台中利用平台算法构建所述质量监测模型。
结合第一方面，在第一方面第五实施方式中，所述基于所述地理数据库获取目标监测区域对应的土地覆盖产品的步骤，包括：从所述地理数据库的属性信息中提取所述目标监测区域的区域边界信息；基于目标监测区域的区域边界信息裁剪多源土地覆盖产品，以获取目标监测区域对应的土地覆盖产品。
结合第一方面，在第一方面第六实施方式中，在所述将所述目标监测区域的生境质量评价参数和对应的所述土地覆盖产品输入所述生境质量监测模型，以获得所述目标监测区域的生境质量之后，还包括：基于获得的所述生境质量，利用时序变化方法和热点分析方法，识别所述目标监测区域中的生境质量退化区和/或生境质量改善区。
结合第一方面第二实施方式，在第一方面第七实施方式中，所述第一预处理包括但不限于地理配准处理和矢量化处理；所述第二预处理包括但不限于时序一致性检查处理。
结合第一方面，在第一方面第八实施方式中，所述云端平台包括：谷歌地球云平台、数知地球云平台和时空遥感云服务平台中的任意一种。
第二方面，本发明实施例还提供一种生境质量监测装置，包括：数据库构建单元，用于根据多个监测区域的属性信息和多源土地覆盖产品在云端平台中构建基础地理数据库；模型构建单元，用于基于桌面端评估模型中的评估规则信息在所述云端平台中构建生境质量监测模型；第一获取单元，用于通过***息获取所述目标监测区域的生境质量评价参数；第二获取单元，用于基于所述地理数据库获取目标监测区域对应的土地覆盖产品，其中，所述目标监测区域是多个监测区域中的任一监测区域；监测单元，用于将所述目标监测区域的生境质量评价参数和对应的所述土地覆盖产品输入所述生境质量监测模型，以获得所述目标监测区域的生境质量。
本发明技术方案，具有如下优点：
本发明提供一种生境质量监测方法及监测装置，其中，根据多个监测区域的属性信息和多源土地覆盖产品在云端平台中构建基础地理数据库，能够为生境质量监测提供有效数据基础；基于桌面端评估模型中的评估规则信息在云端平台中构建生境质量监测模型，能够实现生境质量测算功能从桌面端评估模型向云端平台迁移；通过***息获取目标监测区域的生境质量评价参数，其中，目标监测区域是多个监测区域中的任一监测区域，基于地理数据库获取目标监测区域对应的土地覆盖产品，将目标监测区域的生境质量评价参数和对应的土地覆盖产品输入生境质量监测模型，能够实现对目标监测区域的生境质量的精准高效监测。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，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的附图。
图1为本发明实施例提供的一种生境质量监测方法的流程图。
图2为本发明实施例提供的一种构建基础地理数据库的方法的流程图。
图3为本发明实施例提供的一种获取目标监测区域的生境质量评价参数的方法的流程图。
图4为本发明实施例提供的另一种生境质量监测方法的流程图。
图5为本发明实施例提供的一种生境质量监测装置的原理框图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，还可以是两个元件内部的连通，可以是无线连接，也可以是有线连接。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
此外，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
图1为本发明实施例提供的一种生境质量监测方法的流程图。如图1所示，本发明实施例提供的生境质量监测方法包括以下步骤：步骤S1-步骤S5。
步骤S1、根据多个监测区域的属性信息和多源土地覆盖产品在云端平台中构建基础地理数据库。
其中，监测区域是预备进行生境质量监测的区域，该区域的大小不进行限定，例如，该监测区域可以是已经设立的国家公园、国家公园候选区或者野生动植物保护区等等。监测区域的属性信息包括监测区域的区域地理信息、区域面积信息、区域边界信息等，其中，地理信息可以是监测区域的所属位置。
多源土地覆盖产品是指不同来源的多种土地覆盖产品，该土地覆盖产品是可以近实时的土地覆盖产品，也可以是包含历史时期以及近实时的土地覆盖产品。需要说明的是，可以根据对监测区域的监测需求选择相应的土地覆盖产品，例如，如果监测区域为中国的国家公园，则为了保证本对生境质量进行监测的效果，该土地覆盖产品的覆盖范围至少要覆盖中国。并且，为了保证生境质量监测的高分辨率和近实时性，该土地覆盖产品的时间分辨率至少不低于一日。
本申请中的云端平台是指能够进行地球数据分析处理的云平台，例如，该云端平台包括但不限于：谷歌地球云平台（Google Earth Engine，GEE）、数知地球云平台（Analytical Insight of Earth，AI Earth）和时空遥感云服务平台（(Pixel InformationExpert Engine，PIE-Engine）中的任意一种。
基础地理数据库是在云端平台构建的包含监测区域的属性信息以及多源土地覆盖产品的数据库。本实施例中，根据多个监测区域的属性信息和多源土地覆盖产品在云端平台中构建基础地理数据库，能够降低近实时的土地覆盖数据的匮乏，为进行生境质量监测提供有效数据基础。
步骤S2、基于桌面端评估模型中的评估规则信息在云端平台中构建生境质量监测模型。
其中，桌面端评估模型是在终端上进行生境质量测算的模型，其运算过度依赖计算机的配置。桌面端评估模型例如InVEST模型（Integrated Valuation of EcosystemServices and Trade-offs，生态***服务和权衡的综合评估模型）、Forest-BGC 模型(forest biogeochemical cycles，基于过程的生物地球化学循环模型)等。InVEST模型是一种用于评估生态***服务功能量及其经济价值、支持生态***管理和决策的模型***。该模型中包含的评估规则信息是用于对生境质量进行测算的测算规则，例如，该评估规则信息包括但不限于威胁因子对生境的影响程度、逐个栅格的生境受到的威胁等级、测算生境质量等的数学表达式。
在一个实施例中，基于桌面端评估模型中的评估规则信息在云端平台中构建生境质量监测模型的步骤，包括：从桌面端评估模型中提取评估规则信息，基于该评估规则信息，在云端平台中利用平台算法构建质量监测模型。
其中，平台算法是指在云端平台中实现某一功能的编程算法，例如，在GEE中用JavaScript脚本语言代码编写提取评估规则信息，实现生境质量计算功能从桌面端评估模型向GEE的复制迁移。云端平台中构建好质量监测模型具有桌面端评估模型中完全的生境质量测算功能。
本实施例中，基于桌面端评估模型中的评估规则信息在云端平台中构建生境质量监测模型，能够将桌面端评估模型中的生境质量测算功能向云端平台迁移，突破以InVEST模型为代表的传统桌面端生境质量评估模型过度依赖计算机配置的掣肘，有效提高大尺度长时序的生境质量评估的效率。
步骤S3、通过***息获取目标监测区域的生境质量评价参数。
其中，目标监测区域是多个监测区域中的任一监测区域。
***息是指在公共平台中发布的与监测区域有关的信息，例如，与监测区域有关的论文、研究报告、学术会议录等相关文献。
生境质量评价参数是指对监测区域进行生境质量测算所需要的参数。例如，该生境质量评价参数包括但不限于生境适宜度、生境对威胁因子的敏感性等参数。
步骤S4、基于地理数据库获取目标监测区域对应的土地覆盖产品。
其中，目标监测区域对应的土地覆盖产品是指仅用于描述目标检测区域的土地覆盖产品。
在一个实施方式中，基于地理数据库获取目标监测区域对应的土地覆盖产品的步骤，包括：从地理数据库的属性信息中提取目标监测区域的区域边界信息，基于目标监测区域的区域边界信息裁剪多源土地覆盖产品，以获取目标监测区域对应的土地覆盖产品。
步骤S5、将目标监测区域的生境质量评价参数和对应的土地覆盖产品输入生境质量监测模型，以获得目标监测区域的生境质量。
其中，输入的土地覆盖产品的时序决定输出的目标监测区域生境质量的时序，例如，输入的土地覆盖产品是近实时的土地覆盖产品，则输出的目标监测区域生境质量就是近实时的生境质量。因此，通过步骤S5可以对目标监测区域进行历史时期以及近实时的逐日逐像素的生境质量监测。并且，还可以通过控制每次输入的土地覆盖产品的时序，实现对目标监测区域长时序的生境质量监测。
本发明提供一种生境质量监测方法，其中，根据多个监测区域的属性信息和多源土地覆盖产品在云端平台中构建基础地理数据库，为生境质量监测提供有效数据基础，然后基于桌面端评估模型中的评估规则信息在云端平台中构建生境质量监测模型，实现生境质量测算功能从桌面端评估模型向云端平台迁移，最后通过***息获取目标监测区域的生境质量评价参数，其中，目标监测区域是多个监测区域中的任一监测区域，基于地理数据库获取目标监测区域对应的土地覆盖产品，将目标监测区域的生境质量评价参数和对应的土地覆盖产品输入生境质量监测模型，实现对目标监测区域的生境质量的精准高效监测。
图2为本发明实施例提供的一种构建基础地理数据库的方法的流程图。如图2所示，根据多个监测区域的属性信息和多源土地覆盖产品在云端平台中构建基础地理数据库（步骤S1），包括：步骤S11-步骤S13。
步骤S11、获取多个监测区域的属性信息，并对属性信息进行第一预处理。
其中，多个监测的区域的属性信息可以通过监测区域的公开规划文件获取，也可以通过地图软件获取。
在一些实施例中，在监测区域为国家公园和/或国家公园候选区的情况下，从相关网站中提取该国家公园和/或国家公园候选区的规划文件，基于该规划文件获取国家公园和/或国家公园候选区的属性信息。
第一预处理包括但不限于地理配准处理和矢量化处理。
在一些实施例中，获取多个监测区域的属性信息之后，可以在地理信息***软件中对属性信息进行第一预处理，即地理配准处理和矢量化处理，以获得第一预处理后的属性信息，该第一预处理后的属性信息包括监测区域的地理坐标信息、封闭的面状矢量图等。
以监测区域为国家公园以及国家公园候选区为例，对上述步骤S11进行说明：从国家公园以及国家公园候选区的规划文件中提取国家公园以及国家公园候选区的规划范围的栅格图，将该规划范围的栅格图在ArcGIS软件（一种地理信息***软件）中进行地理配准、矢量化，得到国家公园shape（一种空间数据格式）矢量文件。
在本实施例中，对属性信息进行第一预处理可以提取属性信息中的有效信息，降低属性信息的冗余度，提高后续进行生境质量监测的效率。
步骤S12、获取多源土地覆盖产品，并对多源土地覆盖产品进行第二预处理。
其中，第二预处理包括但不限于时序一致性检查处理。
其中，时序一致性检查处理例如：如某一像素在全年中第
i天（DAYi）土地覆盖类型为林地，但DAYi-5到DAYi+5时间段内除DAYi以外该像素的土地覆盖类型均为草地，那么说明原始土地覆盖产品在DAYi的像素的土地覆盖类型很大可能错分，因此将该像素在DAYi的土地覆盖类型由林地修正为草地。通过逐像元的检查并纠正，得到本发明所采用的修正后的土地覆盖数据。
本实施例中，对多源土地覆盖产品进行时序一致性检查处理可以获得更合理的土地覆盖立方体，提高土地覆盖产品的精确性，从而提高后续进行生境质量监测的精确性。
步骤S13、将经第一预处理后的属性信息和经第二预处理后的多源土地覆盖产品上传至云端平台，以构建基础地理数据库。
本实施例中，预先对属性信息和多源土地覆盖产品分别进行预处理，然后再基于预处理后的属性信息和多源土地覆盖产品在云端平台构建基础地理数据库，不仅能够提高数据库中数据的精确度，而且，由于预处理后的属性信息冗余度减小，将其上传至云端平台的效率会更高，能有效提高构建基础地理数据库的效率。
图3为本发明实施例提供的一种获取目标监测区域的生境质量评价参数的方法的流程图。如图3所示，通过***息获取目标监测区域的生境质量评价参数（步骤S3）包括：步骤S31-步骤S33。
步骤31、提取***息中各研究区域的地理信息和生境质量评价参数。
其中，***息是指在公共平台中发布的与监测区域有关的信息，例如，与监测区域有关的论文、研究报告、学术会议录等相关文献。研究区域是指***息中所研究的区域。研究区域的地理信息例如研究区域包括研究区域的位置信息，例如经纬度地理坐标。
在一个实施方式中，提取***息中各研究区域的地理信息和生境质量评价参数的步骤，包括：根据预设关键词对***息进行检索，提取***息中各研究区域的地理信息和生境质量评价参数。
其中，预设关键词是根据监测区域所预先设定的。例如，在监测区域为中国的国家公园的情况下，可以在Web of Science（一种文献检索数据库）等数据库中以“生境质量”、“中国”、“habitatquality（生境质量）”与“China（中国）”等作为关键词进行检索，提取每篇文献中不同生境类型的适宜度、生境类型对威胁因子的敏感性等参数的值。
步骤32、构建地理信息与生境质量评价参数的对应关系。
其中，地理信息与生境质量评价参数的对应关系可以表格的形式构建，也可以以地图可视化的形式构建。例如，以地图可视化的形式构建时，可以根据逐篇提取的文献中研究区域的经纬度地理坐标，在ArcGIS中将已有研究中涉及到的研究区域矢量化，实现在地图上的可视化，并将生境质量评价参数链接至其对应的研究区域。
步骤33、基于该对应关系获取目标监测区域的生境质量评价参数。
其中，由于对应关系是地理信息与生境质量评价参数的对应关系，因此，可以根据目标监测区域的地理信息获取与其对应的生境质量评价参数。
在一个实施方式中，基于对应关系获取监目标测区域的生境质量评价参数的步骤，包括：基于对应关系获取地理信息位于目标监测区域中的质量评价参数，在获取的质量评价参数中，同一个类型的质量评价参数为多个的情况下，对多个质量评价参数取均值，并将该均值作为该目标监测区域的该类型的质量评价参数。该实施方式中，在同一个类型的质量评价参数为多个的情况下，对多个质量评价参数取均值的方式能够减小质量评价参数与实际情况之间的误差，提高质量评价参数的精确性。
在一些实施例中，对多个质量评价参数取均值可以利用ArcGIS中的分区统计功能实现。
图4为本发明实施例提供的另一种生境质量监测方法的流程图。如图4所示，在将目标监测区域的生境质量评价参数和对应的所述土地覆盖产品输入所述生境质量监测模型，以获得目标监测区域的生境质量（步骤S5）之后，生境质量监测方法还包括：
步骤S6、基于获得的生境质量，利用时序变化方法和热点分析方法，识别目标监测区域中的生境质量退化区和/或生境质量改善区。
其中，时序变化方法是对一个区域进行一定时间段内的连续观察，提取相关特征，并分析其变化过程的方法。
热点分析（Getis-Ord Gi*）方法是指对数据集中的每一个要素进行计算以用于识别具有统计显著性的高值和低值的空间聚类的方法。
本实施例中，可以获得一定时间段内的连续的生境质量，并进行热点分析，识别目标监测区域中的高值和低值，其中，高值对应的空间区域代表生境质量改善区，低值对应的空间区域代表生境质量退化区。
本实施例中，基于获得的生境质量，利用时序变化方法和热点分析方法，识别目标监测区域中的生境质量退化区和/或生境质量改善区，能够对生境质量调控路径的空间差异化设计提供精准且实时的数据依据。
图5为本发明实施例提供的一种生境质量监测装置的原理框图。如图5所示，该一种生境质量监测装置，包括：数据库构建单元51、模型构建单元52、第一获取单元53、第二获取单元54和监测单元55。
其中，数据库构建单元51，用于根据多个监测区域的属性信息和多源土地覆盖产品在云端平台中构建基础地理数据库。
在一些实施例中，数据库构建单元51包括第一数据库构建子单元、第二数据库构建子单元和第三数据库构建子单元。
其中，第一数据库构建子单元用于获取多个监测区域的属性信息，并对属性信息进行第一预处理；第二数据库构建子单元用于获取多源土地覆盖产品，并对多源土地覆盖产品进行第二预处理；第三数据库构建子单元用于将经第一预处理后的属性信息和经第二预处理后的多源土地覆盖产品上传至云端平台，以构建基础地理数据库。
模型构建单元52，用于基于桌面端评估模型中的评估规则信息在云端平台中构建生境质量监测模型。
在一些实施例中，模型构建单元52包括第一提取子单元和算法编程子单元。
其中，第一提取子单元用于从桌面端评估模型中提取评估规则信息；算法编程子单元用于基于评估规则信息，在云端平台中利用平台算法构建质量监测模型。
第一获取单元53，用于通过***息获取目标监测区域的生境质量评价参数，其中，目标监测区域是多个监测区域中的任一监测区域。
在一些实施例中，第一获取单元53包括第二提取子单元、第一处理子单元和第一获取子单元。
其中，第二提取子单元用于提取***息中各研究区域的地理信息和生境质量评价参数；第一处理子单元用于构建地理信息与生境质量评价参数的对应关系；第一获取子单元用于基于对应关系获取目标监测区域的生境质量评价参数。
第二获取单元54，用于基于地理数据库获取目标监测区域对应的土地覆盖产品。
在一些实施例中，第二获取单元54包括第三提取子单元和第二获取子单元。
其中，第三提取子单元用于从地理数据库的属性信息中提取所述目标监测区域的区域边界信息；第二获取子单元用于基于目标监测区域的区域边界信息裁剪多源土地覆盖产品，以获取目标监测区域对应的土地覆盖产品。
监测单元55，用于将目标监测区域的生境质量评价参数和对应的土地覆盖产品输入生境质量监测模型，以获得目标监测区域的生境质量。
在一个实施方式中，生境质量监测装置还包括识别单元。该识别单元用于：基于监测单元55获得的生境质量，利用时序变化方法和热点分析方法，识别目标监测区域中的生境质量退化区和/或生境质量改善区。
需要明确的是，本发明并不局限于上文实施例中所描述并在图中示出的特定配置和处理。为了描述的方便和简洁，这里省略了对已知方法的详细描述，并且上述描述的***、模块和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
本发明提供一种生境质量监测装置，其中，数据库构建单元根据多个监测区域的属性信息和多源土地覆盖产品在云端平台中构建基础地理数据库，为生境质量监测提供有效数据基础；模型构建单元基于桌面端评估模型中的评估规则信息在云端平台中构建生境质量监测模型，实现生境质量测算功能从桌面端评估模型向云端平台迁移；第一获取单元通过***息获取目标监测区域的生境质量评价参数，其中，目标监测区域是多个监测区域中的任一监测区域，第二获取单元基于地理数据库获取目标监测区域对应的土地覆盖产品，监测单元将目标监测区域的生境质量评价参数和对应的土地覆盖产品输入生境质量监测模型，实现对目标监测区域的生境质量的精准高效监测。
本领域内的技术人员应明白，本发明的实施例可提供为方法、***、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备（***）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (10)
1.一种生境质量监测方法，其特征在于，包括如下步骤：
根据多个监测区域的属性信息和多源土地覆盖产品在云端平台中构建基础地理数据库；
基于桌面端评估模型中的评估规则信息在所述云端平台中构建生境质量监测模型；
通过***息获取目标监测区域的生境质量评价参数，其中，所述目标监测区域是多个监测区域中的任一监测区域；
基于所述地理数据库获取所述目标监测区域对应的土地覆盖产品；
将所述目标监测区域的生境质量评价参数和对应的土地覆盖产品输入所述生境质量监测模型，以获得所述目标监测区域的生境质量。
2.根据权利要求1所述的生境质量监测方法，其特征在于，所述根据多个监测区域的属性信息和多源土地覆盖产品在云端平台中构建基础地理数据库的步骤，包括：
获取多个所述监测区域的属性信息，并对所述属性信息进行第一预处理；
获取所述多源土地覆盖产品，并对所述多源土地覆盖产品进行第二预处理；
将经第一预处理后的所述属性信息和经第二预处理后的所述多源土地覆盖产品上传至所述云端平台，以构建所述基础地理数据库。
3.根据权利要求1所述的生境质量监测方法，其特征在于，所述通过***息获取目标监测区域的生境质量评价参数的步骤，包括：
提取***息中各研究区域的地理信息和生境质量评价参数；
构建所述地理信息与生境质量评价参数的对应关系；
基于所述对应关系获取所述目标监测区域的生境质量评价参数。
4.根据权利要求3所述的生境质量监测方法，其特征在于，所述基于所述对应关系获取所述目标监测区域的生境质量评价参数的步骤，包括：
基于所述对应关系获取地理信息位于所述目标监测区域中的质量评价参数；
在获取的质量评价参数中，同一个类型的质量评价参数为多个的情况下，对多个质量评价参数取均值，并将所述均值作为所述目标监测区域的所述类型的质量评价参数。
5.根据权利要求1所述的生境质量监测方法，其特征在于，所述基于桌面端评估模型中的评估规则信息在所述云端平台中构建生境质量监测模型的步骤，包括：
从桌面端评估模型中提取评估规则信息；
基于所述评估规则信息，在所述云端平台中利用平台算法构建所述质量监测模型。
6.根据权利要求1所述的生境质量监测方法，其特征在于，所述基于所述地理数据库获取目标监测区域对应的土地覆盖产品的步骤，包括：
从所述地理数据库的属性信息中提取所述目标监测区域的区域边界信息；
基于目标监测区域的区域边界信息裁剪多源土地覆盖产品，以获取目标监测区域对应的土地覆盖产品。
7.根据权利要求1所述的生境质量监测方法，其特征在于，在所述将所述目标监测区域的生境质量评价参数和对应的所述土地覆盖产品输入所述生境质量监测模型，以获得所述目标监测区域的生境质量之后，还包括：
基于获得的所述生境质量，利用时序变化方法和热点分析方法，识别所述目标监测区域中的生境质量退化区和/或生境质量改善区。
8.根据权利要求2所述的生境质量监测方法，其特征在于，所述第一预处理包括但不限于地理配准处理和矢量化处理；所述第二预处理包括但不限于时序一致性检查处理。
9.根据权利要求1所述的生境质量监测方法，其特征在于，所述云端平台包括：谷歌地球云平台、数知地球云平台和时空遥感云服务平台中的任意一种。
10.一种生境质量监测装置，其特征在于，包括：
数据库构建单元，用于根据多个监测区域的属性信息和多源土地覆盖产品在云端平台中构建基础地理数据库；
模型构建单元，用于基于桌面端评估模型中的评估规则信息在所述云端平台中构建生境质量监测模型；
第一获取单元，用于通过***息获取目标监测区域的生境质量评价参数，其中，所述目标监测区域是多个监测区域中的任一监测区域；
第二获取单元，用于基于所述地理数据库获取所述目标监测区域对应的土地覆盖产品；
监测单元，用于将所述目标监测区域的生境质量评价参数和对应的所述土地覆盖产品输入所述生境质量监测模型，以获得所述目标监测区域的生境质量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310294353.6A CN116049342B (zh) | 2023-03-24 | 2023-03-24 | 一种生境质量监测方法及监测装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310294353.6A CN116049342B (zh) | 2023-03-24 | 2023-03-24 | 一种生境质量监测方法及监测装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116049342A true CN116049342A (zh) | 2023-05-02 |
| CN116049342B CN116049342B (zh) | 2023-06-06 |
Family
ID=86124109
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310294353.6A Active CN116049342B (zh) | 2023-03-24 | 2023-03-24 | 一种生境质量监测方法及监测装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116049342B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2015139439A (ja) * | 2014-01-30 | 2015-08-03 | 富士通株式会社 | 生息地適性評価プログラム、生息地適性評価方法及び生息地適性評価装置 |
| CN108305204A (zh) * | 2018-02-12 | 2018-07-20 | 中国科学院东北地理与农业生态研究所 | 基于参照基准的湿地生物多样性保护成效区域对比评估方法 |
| CN110163472A (zh) * | 2019-04-11 | 2019-08-23 | 中国水利水电科学研究院 | 大范围极端干旱应急监测与影响评估方法及*** |
| CN110263111A (zh) * | 2019-05-31 | 2019-09-20 | 南京林业大学 | 基于先验知识的土地利用/覆被信息时空监测方法 |
| CN113205441A (zh) * | 2021-05-21 | 2021-08-03 | 中国科学院地理科学与资源研究所 | 国土空间规划环境影响监测方法及装置 |
| CN113469512A (zh) * | 2021-06-22 | 2021-10-01 | 深圳市城市规划设计研究院有限公司 | 自然保护区划定方法、装置、电子设备及存储介质 |
| CN113704336A (zh) * | 2021-08-17 | 2021-11-26 | 内蒙古申科国土技术有限责任公司 | 基于地理信息大数据的生态环境监测分析方法及*** |
| CN114384015A (zh) * | 2022-01-12 | 2022-04-22 | 中国环境科学研究院 | 一种基于多源遥感和机器学习的水环境监测方法 |
-
2023
- 2023-03-24 CN CN202310294353.6A patent/CN116049342B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2015139439A (ja) * | 2014-01-30 | 2015-08-03 | 富士通株式会社 | 生息地適性評価プログラム、生息地適性評価方法及び生息地適性評価装置 |
| CN108305204A (zh) * | 2018-02-12 | 2018-07-20 | 中国科学院东北地理与农业生态研究所 | 基于参照基准的湿地生物多样性保护成效区域对比评估方法 |
| CN110163472A (zh) * | 2019-04-11 | 2019-08-23 | 中国水利水电科学研究院 | 大范围极端干旱应急监测与影响评估方法及*** |
| CN110263111A (zh) * | 2019-05-31 | 2019-09-20 | 南京林业大学 | 基于先验知识的土地利用/覆被信息时空监测方法 |
| CN113205441A (zh) * | 2021-05-21 | 2021-08-03 | 中国科学院地理科学与资源研究所 | 国土空间规划环境影响监测方法及装置 |
| CN113469512A (zh) * | 2021-06-22 | 2021-10-01 | 深圳市城市规划设计研究院有限公司 | 自然保护区划定方法、装置、电子设备及存储介质 |
| CN113704336A (zh) * | 2021-08-17 | 2021-11-26 | 内蒙古申科国土技术有限责任公司 | 基于地理信息大数据的生态环境监测分析方法及*** |
| CN114384015A (zh) * | 2022-01-12 | 2022-04-22 | 中国环境科学研究院 | 一种基于多源遥感和机器学习的水环境监测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116049342B (zh) | 2023-06-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20150371161A1 (en) | System and methods for identifying, evaluating and predicting land use and agricultural production | |
| Fonte et al. | VGI quality control | |
| CN111178786B (zh) | 一种保障区域空气质量的排放源位置确定方法及*** | |
| CN111667183A (zh) | 一种耕地质量监测方法及*** | |
| Li et al. | Mapping population density distribution at multiple scales in Zhejiang Province using Landsat Thematic Mapper and census data | |
| CN109145072B (zh) | 一种草原生物量遥感监测分区方法及装置 | |
| Kausika et al. | GeoAI for detection of solar photovoltaic installations in the Netherlands | |
| CN117037076B (zh) | 一种基于遥感技术的土壤墒情智能监测方法 | |
| CN114493333A (zh) | 一种土地测绘作业数据实时采集处理方法 | |
| CN115994685A (zh) | 一种国土空间规划现状评估方法 | |
| CN114004950B (zh) | 一种基于BIM与LiDAR技术的路面病害智能识别与管理方法 | |
| CN113901348A (zh) | 一种基于数学模型的钉螺分布影响因素识别与预测方法 | |
| JP2012058772A (ja) | Ｃｏ２吸収量評価システム及び方法 | |
| CN116049342B (zh) | 一种生境质量监测方法及监测装置 | |
| Popescu et al. | Estimation of biomass components by airborne laser scanning | |
| CN112241981A (zh) | 一种验证农作物种植面积二类测量数据精度的方法及装置 | |
| CN113255593B (zh) | 面向时空解析模型的传感器信息异常检测方法 | |
| CA3176293A1 (en) | System and method for automated forest inventory mapping | |
| CN115797802A (zh) | 基于3s技术的作物种植结构精细化监测分析方法 | |
| Boryan et al. | A new land cover classification based stratification method for area sampling frame construction | |
| Congalton | 21 How to Assess the Accuracy of Maps Generated from Remotely Sensed Data | |
| CN116883755B (zh) | 一种乡村建设环境监测方法、***、设备及存储介质 | |
| JP2006215608A (ja) | 森林性猛禽類の営巣適地の解析方法、システム及びプログラム | |
| Bavrina et al. | Some problems of regional reference plots system for ground support of remote sensing materials processing | |
| Ping et al. | An approximate system for evaluating real-time port operations based on remote sensing images |
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 |