CN102567648A - 一种绿地生态评价单元粒度自适应栅格取样方法 - Google Patents

Abstract

本发明属于城市生态研究技术领域，是在为了克服现有的绿地生态评价单元栅格取样方法不能自动区分绿地生态评价对象与不同分辨率的卫星影像数据源之间自动匹配的不足,提供一种基于影像数据的绿地生态评价单元栅格取样方法，该方法不仅能在海量空间影像数据库中自动检索多源卫星影像数据源，而且能方便根据绿地生态评价对象的指标特征自动选取与评价指标相适应的卫星数据源，并面向评价对象设置多种分辨率的栅格评价单元和多边形评价单元。

Description

一种绿地生态评价单元粒度自适应栅格取样方法

技术领域

本发明属于计算机算法技术领域，具体涉及一种基于影像数据的绿地生态评价单元栅格取样方法，尤其是能在海量影像数据下根据数据类型及研究对象实现粒度自适应的栅格取样方法。

背景技术

目前，国内外对城市绿地的功能从多方面开展了大量的研究，并在不同的立地条件下采取不同的测试方式，取得了众多的量化值，提出了如绿化覆盖率、绿地率、面积指数、叶干重、叶面积、绿视率、垂直绿化覆盖面积、人均公共绿地率、绿化三维量、年游人量等指标。但是，传统的评价方法在指标信息提取时是基于单一类别遥感数据（如TM/ETM数据），此类数据空间分辨率较低。同时，随着卫星对地传感器技术的提高，影像数据分辨率大幅度高，但现在生态评价单元并没有相应的方法去自动处理这些海量数据，容易造成数据巨大浪费。

发明内容

为了克服现有的绿地生态评价单元栅格取样方法不能自动区分绿地生态评价对象与不同分辨率的卫星影像数据源之间自动匹配的不足, 本发明提供一种基于影像数据的绿地生态评价单元栅格取样方法，该方法不仅能在海量空间影像数据库中自动检索多源卫星影像数据源，而且能方便根据绿地生态评价对象的指标特征自动选取与评价指标相适应的卫星数据源，并面向评价对象设置多种分辨率的栅格评价单元和多边形评价单元。

本发明提供的基于影像数据的绿地生态评价单元栅格取样方法，具体步骤为：

（1）首先，按基于绿地生态评价指标体系建立面向评价对象的分级分层适用的基于情境的生态评价遥感栅格粒度决策模型，在绿地生态评价的过程中积累并建立绿地生态评价遥感栅格粒度决策模型库、方法库，在此基础上建立决策模型管理系统，维护模型与评价对象的关联，并通过自学习机制积累模型栅格划分经验数据；

（2）其次，在基于粒度划分决策树的基础上按影像数据类型、分辨率与空间相关性建立复合B+树索引海量空间影像数据库；

（3）最后，应用基于智能决策树的数据挖掘方法，构建影像与绿地生态评价单元自适应选择算法，实现绿地生态评价单元粒度自适应栅格取样。

下面对各个步骤作进一步具体描述。 

1、步骤（1）中所述基于绿地生态评价指标体系建立的决策模型管理系统，具体包括：

按照绿地生态监测评价指标体系所确定的生态监测指标来构建指标元数据，建设指标元数据库对指标进行维护。系统提供基于灵活的复合层次评价模型构建方法。基于生态监测指标元数据的定义，构建满足不同用户评价级别和评价层次的生态评价模型。在此基础上形成生态评价模型库，实现评价模型的复用。在决策模型中建立生态监测评价指标的级别维护功能，按任意目标层、领域层、主题层、要素层等级别生成指标，由父指标和子指标评价级别区别，最终生成指标树。

系统根据不同的评价情景建立的生态评价模型与各类用户进行关联，以评价目标为导向，最终建立评价模型库。不同的评价模型，可以全面评价生态环境现状，或侧重于某一个评价指标。因而建立联接表，它将多对多关系划分为两个一对多关系，本模块实现模型和用户之间的多对多关系管理。以实现最终模型有效性的评价，筛选出适宜度最佳的评价模型进而复用。

系统提供评价模型服务接口系统以WSDL服务的方式为其它用户操作提供接口，并利用XML格式的标准化语言作为整体模型的通用语言。

2、步骤（2）中所述在粒度划分决策树的基础上按影像数据类型、分辨率与空间相关性建立复合B+树索引海量空间影像数据库，具体如下：

因为绿地生态评价中涉及多种卫星影像数据，这些卫星影像数据来源、格式、空间分辨率及用于解决的绿地评价问题空间都不一致。本发明设计一种基于空间层次的复合B+树来有效管理这些海量数据。

首先，按绿地评价对象基于基础空间数据建立从样方、小区、街道（乡镇）、区县、市、省、国家等七级空间属性表，按名称、代码索引，建立层次关联，并B+树原则建立排序索引；

其次，应用商业空间数据库将所有入库的卫星影像数据，建立基于金字塔算法的空间索引，并将卫星影像的数据特征（传感器类型、拍摄时间、波段数据、空间分辨率、数据存储格式）提取建立特征属性数据库，并B+树原则建立排序索引；

然后，按卫星影像数据的特征将这些特征数据按指标、空间相关性提取并标准化，建立复合特征代码。这些特征码包括<指标，评价栅格尺度，相关率>、<波段，指标，相关率>、<分辨率，指标，相关率>、<分辨率，空间代码，相关率>、<指标，空间代码，相关率>等多维相关关系层，建立按统一标准相关率排序的B+索引树，并应用维链表将特征码与卫星影像数据特征关联；

最后，应用金字塔结构的规则分割特征码按区域四叉树变形的索引方式，建立支持在线的多源、多维数据的融合与多尺度表达的基于粒度划分决策树海量空间影像数据库。

3、步骤（3）中所述的自适应选择算法中，由输入的绿地评价问题空间、评价指标由基于粒度划分决策树由金字塔顶层向下，先后经过多维相关关系层，按相关率最大化进行深度查找，直到找到源卫星影像数据。在此过程中，通过系统的自学习机制，按查找的精确性评估最终查找结果，并将评估的结果值代入相关率计算，重新调整按统一标准相关率排序的B+索引树，以提高下一次查找的精确性。

本发明的有益效果是，可以在海量影像数据下根据影像数据类型及绿地生态评价研究对象间实现粒度自适应的栅格取样，算法效率高，数据选取准确，栅格粒度计算精确合理。

附图说明

图1为一种绿地生态评价单元粒度自适应栅格取样方法算法原理图。该图从算法流程图的角度描述绿地生态评价单元粒度自适应栅格取样方法，本方法海量空间影像数据库中自动检索多源卫星影像数据源，根据绿地生态评价对象的指标特征自动选取与评价指标相适应的卫星数据源，应用面向评价对象设置多种分辨率的栅格评价单元和多边形评价单元。首先，按基于绿地生态评价指标体系建立面向评价对象的分级分层适用的基于情境的生态评价遥感栅格粒度决策模型，在绿地生态评价的过程中积累并建立绿地生态评价遥感栅格粒度决策模型库、方法库，在此基础上建立决策模型管理系统，维护模型与评价对象的关联，并通过自学习机制积累模型栅格划分经验数据。其次，本发明在基于粒度划分决策树的基础上按影像数据类型、分辨率与空间相关性建立复合B+树索引海量空间影像数据库。最后，本发明提供应用基于智能决策树的数据挖掘方法构建影像与绿地生态评价单元自适应选择算法，实现绿地生态评价单元粒度自适应栅格取样。

图2为一种绿地生态评价单元粒度自适应栅格取样方法包图。该图从软件工程的角度应用UML包图描述系统实现所需要的程序集以及其相关依赖关系，在静态类中，核心是从接口空间数据包和影像数据包中IData派生的各数据类，在数据库工具包和算法包中应用Composite、Bridge和Strategy等设计模式将Index（指标体系），IData（空间数据、影像数据、知识、方法、模型），Algorithm(算法)，使用DSSImplement组装起来，实现绿地生态评价单元粒度自适应栅格取样。

具体实施方式

实施例1

在住房和城乡建设部建筑节能与科技司“十一五”国家科技支撑计划"城镇绿地生态构建和管控关键技术研究与示范"课题中应用本发明基于绿地生态评价的情景，按照评价指标类型，在自动识别遥感影像数据源的分辨率基础上，考虑遥感图像各波段的特点及植物波谱发射特性与植物分布密度呈线性相关，计算生态效益指数与尺度之间的变化关系，建立粒度划分标准。

绿地生态评价根据监测区域少量地面调查样地的生态效益及影响生态效益的主要遥感和GIS因子，建立以样地为单位的生态效应估测方程模型。选取不同指数NDVI、SAVI、MNDWI、NDBI、NDBaI、NDISI等建立生态效益与叶面积指数、绿量、NDVI、城市不透水面之间的函数关系，进行绿地生态效益遥感定量反演。

按照绿地生态评价要求将粒度自适应栅格取样法设置11个层次的评价单元：10km*10km，5km*5km，2km*2km，1km*1km，500m*500m，200m*200m，100m*100m，20m*20m,5m*5m,1m*1m等10种栅格尺度的生态评价单元，以及1种按群落不规则多边形生态评价单元。基于面向对象的遥感分类、识别、分析的基础上，建立绿地生态效益定量评价模型。

试点研究以杭州市、上海市为试点，以1998年至2008年中高分辨率QuickBird卫星遥感影像和1978年至2003中分辨率的TM/ET卫星遥感影像为数据基础，进行数据校正、彩色合成处理，试点区域内以2*2km为城镇绿地生态价值大尺度评估栅格单元，以200m*200m为城镇绿地生态价值中尺度评估栅格单元，以5m*5m为城镇绿地生态价值小尺度评估栅格单元，进行城市绿地生态效益和价值评估。上海监测区域中30m空间分辨率的TM遥感图像，考虑TM遥感图像各波段的特点及植物波谱发射特性与植物分布密度呈线性相关。TM各波段分别为TM1、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。根据卫星遥感影像色调、纹理、亮度、高程等，基本面向对象的遥感快速提取和识别技术获取目标评价单元内绿地生物量信息，根据野外样地实测绿地生态效益指标，快速准确评估城镇绿地生态效益和价值。

建立绿地生态评价单元粒度自适应栅格取样方法，目标卫星影像的成功检索速度由以前的大于半天达到小于5分钟，效率提高了50倍。

Claims (4)

1.一种绿地生态评价单元粒度自适应栅格取样方法，其特征在于具体步骤为：

（1）首先，按基于绿地生态评价指标体系建立面向评价对象的分级分层适用的基于情境的生态评价遥感栅格粒度决策模型，在绿地生态评价的过程中积累并建立绿地生态评价遥感栅格粒度决策模型库、方法库，在此基础上建立决策模型管理系统，维护模型与评价对象的关联，并通过自学习机制积累模型栅格划分经验数据；

（2）其次，在基于粒度划分决策树的基础上按影像数据类型、分辨率与空间相关性建立复合B+树索引海量空间影像数据库；

（3）最后，应用基于智能决策树的数据挖掘方法，构建影像与绿地生态评价单元自适应选择算法，实现绿地生态评价单元粒度自适应栅格取样。

2.根据权利要求1所述的绿地生态评价单元粒度自适应栅格取样方法，其特征在于步骤（1）中所述基于绿地生态评价指标体系建立的决策模型管理系统，具体包括：

按照绿地生态监测评价指标体系所确定的生态监测指标来构建指标元数据，建设指标元数据库对指标进行维护；系统提供基于灵活的复合层次评价模型构建方法：基于生态监测指标元数据的定义，构建满足不同用户评价级别和评价层次的生态评价模型；在此基础上形成生态评价模型库，实现评价模型的复用；在决策模型中建立生态监测评价指标的级别维护功能，按任意目标层、领域层、主题层、要素层等级别生成指标，由父指标和子指标评价级别区别，最终生成指标树；

系统根据不同的评价情景建立的生态评价模型与各类用户进行关联，以评价目标为导向，最终建立评价模型库；不同的评价模型，可以全面评价生态环境现状，或侧重于某一个评价指标；因而建立联接表，它将多对多关系划分为两个一对多关系，本模块实现模型和用户之间的多对多关系管理，以实现最终模型有效性的评价，筛选出适宜度最佳的评价模型进而复用；

系统提供评价模型服务接口系统以WSDL服务的方式为其它用户操作提供接口，并利用XML格式的标准化语言作为整体模型的通用语言。

3.根据权利要求1所述的绿地生态评价单元粒度自适应栅格取样方法，其特征在于步骤（2）中所述在粒度划分决策树的基础上按影像数据类型、分辨率与空间相关性建立复合B+树索引海量空间影像数据库，具体如下：

因为绿地生态评价中涉及多种卫星影像数据，这些卫星影像数据来源、格式、空间分辨率及用于解决的绿地评价问题空间都不一致；本发明设计一种基于空间层次的复合B+树来有效管理这些海量数据：

首先，按绿地评价对象基于基础空间数据建立从样方、小区、街道、区县、市、省、国家七级空间属性表，按名称、代码索引，建立层次关联，并B+树原则建立排序索引；

其次，应用商业空间数据库将所有入库的卫星影像数据，建立基于金字塔算法的空间索引，并将卫星影像的数据特征包括传感器类型、拍摄时间、波段数据、空间分辨率、数据存储格式，提取建立特征属性数据库，并B+树原则建立排序索引；

然后，按卫星影像数据的特征将这些特征数据按指标、空间相关性提取并标准化，建立复合特征代码；这些特征码包括<指标，评价栅格尺度，相关率>、<波段，指标，相关率>、<分辨率，指标，相关率>、<分辨率，空间代码，相关率>、<指标，空间代码，相关率>多维相关关系层，建立按统一标准相关率排序的B+索引树，并应用维链表将特征码与卫星影像数据特征关联；

最后，应用金字塔结构的规则分割特征码按区域四叉树变形的索引方式，建立支持在线的多源、多维数据的融合与多尺度表达的基于粒度划分决策树海量空间影像数据库。

4.根据权利要求1所述的绿地生态评价单元粒度自适应栅格取样方法，其特征在于步骤（3）中所述的自适应选择算法中，由输入的绿地评价问题空间、评价指标由基于粒度划分决策树由金字塔顶层向下，先后经过多维相关关系层，按相关率最大化进行深度查找，直到找到源卫星影像数据；在此过程中，通过系统的自学习机制，按查找的精确性评估最终查找结果，并将评估的结果值代入相关率计算，重新调整按统一标准相关率排序的B+索引树，以提高下一次查找的精确性。

Images