CN104835137A - 空间采样方法及装置 - Google Patents

Abstract

本发明适用于空间采样领域，提供了一种空间采样方法及装置，所述方法包括：根据预设的尺度将总的样本量划分为相同大小的网格；确定划分的网格的分形维数；根据确定的分形维数确定需从各个网格提取的采样点数量；根据确定的网格的分形维数和确定的采样点数量确定采样点的位置；根据确定的采样点数量和采样点的位置提取相应的采样点。本发明实施例能够保证采样的无偏性。

Description

空间采样方法及装置

技术领域

本发明实施例属于空间采样领域，尤其涉及空间采样方法及装置。

背景技术

空间抽样调查的目的是为了通过个体的特征值了解整体。在实际工作中，将真实的空间分布转变成抽样样本，并不是越多、越精细，就越可能消除尺寸效应，而需要通过试验或其他研究手段得到不同层次供求关系，才能选择出合适的个体样本。

在现有的采样方法中，人们往往只关注某一区域的斑块复杂度，即在具体空间抽样过程中，人们往往关注局部特征，却忽略整体的全局特性。由于忽略整体的布局特性，因此，难以保证采样的无偏性，从而难以保证评价结果的可靠性。

发明内容

本发明实施例提供了一种空间采样方法及装置，旨在解决现有方法难以保证评价结果的可靠性的问题。

本发明实施例是这样实现的，一种空间采样方法，所述方法包括：

根据预设的尺度将总的样本量划分为相同大小的网格；

确定划分的网格的分形维数；

根据确定的分形维数确定需从各个网格提取的采样点数量；

根据确定的网格的分形维数和确定的采样点数量确定采样点的位置；

根据确定的采样点数量和采样点的位置提取相应的采样点。

本发明实施例的另一目的在于提供一种空间采样装置，所述装置包括：

网格划分单元，用于根据预设的尺度将总的样本量划分为相同大小的网格；

分形维数确定单元，用于确定划分的网格的分形维数；

采样点数量确定单元，用于根据确定的分形维数确定需从各个网格提取的采样点数量；

采样点的位置确定单元，用于根据确定的网格的分形维数和确定的采样点数量确定采样点的位置；

采样点提取单元，用于根据确定的采样点数量和采样点的位置提取相应的采样点。

在本发明实施例中，由于确定的采样点的数量与划分的网格的分形维数有关，因此，保证确定的采样点的数量不会过多也不会过少，且采样点的位置的选取时，将采样点的位置与采样点的数量想联系，使得确定的采样点的位置既满足了采样点随机性的原则(关注整体)，又具有单个单元的代表性(关注局部)，从而保证采样的无偏性。

附图说明

图1是本发明第一实施例提供的一种空间采样方法的流程图；

图2是本发明第一实施例提供的将某个地区划分为841个大小相同的网格的示意图；

图3是本发明第二实施例提供的一种空间采样装置的结构图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明实施例中，根据预设的尺度将总的样本量划分为相同大小的网格，确定划分的网格的分形维数，根据确定的分形维数确定需从各个网格提取的采样点数量，再根据确定的网格的分形维数和确定的采样点数量确定采样点的位置，最后根据确定的采样点数量和采样点的位置提取相应的采样点。

为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。

实施例一：

图1示出了本发明第一实施例提供的一种空间采样方法的流程图，详述如下：

步骤S11，根据预设的尺度将总的样本量划分为相同大小的网格。

该步骤中，采样开始之前，需要先确定总的样本量，例如，将中亚地区土地利用矢量数据图作为总的样本量，图2示出了将某个地区划分为841个大小相同的网格的示意图。当矢量数据图异常庞大时，获得确切的采样信息几乎是不可能的，因此，需要对矢量数据图进行采样。预设的尺度可以为100km×100km尺度的方格网，当然，也可为其他的尺度，此处不作限定。

步骤S12，确定划分的网格的分形维数。

该步骤中，网格的分形维数主要指Delaunay三角形分形维数。

可选地，在步骤S12，确定划分的网格的分形维数之前，包括：

A1、根据预先存储的土地利用率数据，在划分为相同大小的网格的总的样本量上生成土地利用斑块。在总的样本量为某个地区时，该土地利用率数据是指该某个地区的土地利用率。为了便于用户查阅，可采用不同颜色显示生成的土地利用斑块，相同颜色的斑块表示土地的利用率相同。

A2、生成所述土地利用斑块的中心点。具体地，土地利用斑块的中心点在图中以一个点表示，如一个黑色的点表示。

可选地，所述确定划分的网格的分形维数，具体包括：

B1、在划分的网格中生成Delaunay三角形。该步骤中，连接A2生成的土地利用斑块的中心点，以生成Delaunay三角形。具体地，每一个中心点在与其相邻的中心点中选择两个距离最短的中心点，并连接，生成Delaunay三角形。

B2、去除在总的样本量的边界生成的Delaunay三角形。由于将总的样本量划分为大小相等的方格网(如100km×100km的网格)，故在切割背景数据时，会使得计算每个网格边缘的整体斑块一分为二，在网格边界上会产生不属于源数据的数据，这些斑块在计算Delaunay三角形分维数时，需要去除边界处的三角形，从而减少人工划分网格而形成的边界效应。具体地，选取时依据Delaunay三角形的边界长度，选取边界处边长大于内部三角形最大值的所有三角形，并删除选取的三角形。

B3、统计各个网格在预设的多个尺度下的Delaunay三角形的数量。具体地，统计不同尺度(采用r表示)下的Delaunay三角形的数量(采用N表示)。以统计单个网格在预设的多个尺度下的Delaunay三角形的数量为例，这里设整个10km的尺度为1，依次划分100个尺度，即：1/100、2/100、3/100…99/100、1，可以统计100个不同尺度下的N值，详见表1：

表1：

r	0.01	0.02	0.03	0.04	0.05	0.06	0.07	0.08	0.09	0.1
											N	84	195	396	426	418	354	252	180	129	84
r	0.11	0.12	0.13	0.14	0.15	0.16	0.17	0.18	0.19	0.2
											N	47	36	23	20	13	10	7	7	7	5
r	0.21	0.22	0.23	0.24	0.25	0.26-1
											N	5	5	4	4	1	0

从表1中可知，在0.26尺度后就没有Delaunay三角形分布了，说明分布在该网格内的Delaunay三角形的最大的尺度是26km(0.26×100km)，计算的分形维数也是在这个尺度下的Delaunay三角形分形维数。在0.01-0.03的尺度范围内，随着尺度的增加，三角形的数量却在增加，说明该尺度范围内的Delaunay三角形分布没有分形的特征，故计算分形维数的范围锁定在了0.04-0.25的尺度范围。

B4、根据所述预设的多个尺度和统计的在所述预设的多个尺度下的Delaunay三角形的数量确定各个网格内的Delaunay三角形分形维数。具体地，根据公式计算该网格内的Delaunay三角形分形维数。若以表1的r和N为以及，根据上式计算的对应的一个网格内的Delaunay三角形分形维数为0.153。

步骤S13，根据确定的分形维数确定需从各个网格提取的采样点数量。

可选地，所述根据确定的分形维数确定需从各个网格提取的采样点数量，具体包括：

C1、确定划分的所有网格的Delaunay三角形分形维数的平均值。具体地，首先确定各个网格的Delaunay三角形分形维数的平均值，再确定所有网格的Delaunay三角形分形维数的平均值。例如，假设划分的网格的数量为841个，则首先确定该841个网格分别对应的Delaunay三角形分形维数的平均值，假设为x_i，i＝1,…,841，则该841个网格对应的Delaunay三角形分形维数的平均值，假设为则 $\stackrel{\‾}{X}=\frac{\underset{i=1}{\overset{841}{\mathrm{\Σ}}}{\stackrel{\‾}{x}}_i}{841}.$

C2、确定划分的所有网格的Delaunay三角形分形维数的方差。具体地，根据各个网格的Delaunay三角形分形维数的平均值、所有网格的个数以及所有网格的Delaunay三角形分形维数的平均值，确定所有网格的Delaunay三角形分形维数的方差。

C3、根据确定的所有网格的Delaunay三角形分形维数的平均值、方差、确定的各个网格内的Delaunay三角形分形维数、以及预设的显著性水平，确定需从各个网格提取的采样点数量。具体地，将划分的所有网格分成预设个数的组，并对各个组的网格的Delaunay三角形分形维数的平均值(即数学期望)进行杜宾-瓦特森(DW)检验，假设将841个网格划分的所有网格分成9个组(8个组中100个网格，1个组有41个网格)，进行DW检验后的结果如表2所示：

表2：

根据概率统计的大样本性质或中心极限定理可知，所有网格的Delaunay三角形分形维数的平均值(即总体平均数)的估计量x的标准变换近似地服从标准正态分布，即Z～N(0，1)，Z为标准正态变量。由于d为估计精度，根据总体方差σ²的无偏估计s²，可知的无偏估计

其中，M为总的样本总量划分的网格的个数；N为样本总体容量，即：总Delaunay三角形的个数；N_i为每层样本容量，即：841个网格中，每一网格中Delaunay三角形的个数；

即，该公式的求解过程实际上是一个优化迭代过程，其方法步骤大致如下：

(1)根据分层个数M＝841，确定对应的各层大小Ni。

(2)确定总的调查费用T。这跟各层总体平均值的估计精度和置信度有关(表2)。这里统一置信度95％，对应DW检验，假设d值划分为9组，每组内的费用按照实际调查费的平均值进行分配，当计算出的总调查费用大于实际的调查费用时，调节估计精度d和显著性水平(1-α)重新进行求解，α为置信度。

(3)根据统计表计算总体方差的无偏估计(i＝1,2,…M)的值，对上一轮的估计值进行改进。

(4)求解式ni，使得总的调查费T用达到最小。

通过计算得到最终的最优解，得到每个网格内需要的采样数量ni。

步骤S14，根据确定的网格的分形维数和确定的采样点数量确定采样点的位置。

可选地，所述步骤S14，根据确定的网格的分形维数和确定的采样点数量确定采样点的位置，具体包括：

D1、根据预设的等级阈值范围以及各个网格的分形维数，将网格的Delaunay三角形划分为相应的等级。具体地，预先设定等级阈值范围，当网格中某个Delaunay三角形的分形维数在某个等级阈值范围时，将该某个Delaunay三角形判定为相应的等级。

D2、将划分的不同等级的Delaunay三角形的中心作为采样点的位置，所述采样点的位置的个数与所述采样点的数量相同。具体地，当划分的不同等级的Delaunay三角形的个数大于采样点的数量时，可在划分的不同等级的Delaunay三角形的个数中随机选取与采样点的数量相同的Delaunay三角形，并将选取的Delaunay三角形的中心作为采样点的位置；当划分的不同等级的Delaunay三角形的个数小于采样点的数量时，则首先将每一个不同等级的Delaunay三角形的中心作为采样点的位置，再继续比较划分的不同等级的Delaunay三角形的个数与采样点的数量关系，进而根据比较结果选择相应的处理方法。

通过D1～D3，使选取的采样点的位置既满足了采样点随机性的原则(关注整体)，又具有单个单元的代表性(关注局部)，从而保证采样的无偏性。

步骤S15，根据确定的采样点数量和采样点的位置提取相应的采样点。

在本发明第一实施例中，根据预设的尺度将总的样本量划分为相同大小的网格，确定划分的网格的分形维数，根据确定的分形维数确定需从各个网格提取的采样点数量，再根据确定的网格的分形维数和确定的采样点数量确定采样点的位置，最后根据确定的采样点数量和采样点的位置提取相应的采样点。由于确定的采样点的数量与划分的网格的分形维数有关，因此，保证确定的采样点的数量不会过多也不会过少，且采样点的位置的选取时，将采样点的位置与采样点的数量想联系，使得确定的采样点的位置既满足了采样点随机性的原则(关注整体)，又具有单个单元的代表性(关注局部)，从而保证采样的无偏性。

应理解，在本发明实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

实施例二：

图3示出了本发明第二实施例提供的一种空间采样装置的结构图，为了便于说明，仅示出了与本发明实施例相关的部分。

该空间采样装置包括：网格划分单元31、分形维数确定单元32、采样点数量确定单元33、采样点的位置确定单元34、采样点提取单元35。其中：

网格划分单元31，用于根据预设的尺度将总的样本量划分为相同大小的网格。

其中，预设的尺度可以为100km×100km尺度的方格网，当然，也可为其他的尺度，此处不作限定。

分形维数确定单元32，用于确定划分的网格的分形维数。

其中，网格的分形维数主要指Delaunay三角形分形维数。

可选地，所述空间采样装置包括：

土地利用斑块生成单元，用于根据预先存储的土地利用率数据，在划分为相同大小的网格的总的样本量上生成土地利用斑块。在总的样本量为某个地区时，该土地利用率数据是指该某个地区的土地利用率。为了便于用户查阅，可采用不同颜色显示生成的土地利用斑块，相同颜色的斑块表示土地的利用率相同。

斑块中心点生成单元，用于生成所述土地利用斑块的中心点。

斑块中心点连接单元，用于连接生成的所述土地利用斑块的中心点，以生成Delaunay三角形。

可选地，所述分形维数确定单元32包括：

Delaunay三角形生成模块，用于在划分的网格中生成Delaunay三角形。连接生成的土地利用斑块的中心点，以生成Delaunay三角形。具体地，每一个中心点在与其相邻的中心点中选择两个距离最短的中心点，并连接，生成Delaunay三角形。

边界效应去除模块，用于去除在总的样本量的边界生成的Delaunay三角形。由于将总的样本量划分为大小相等的方格网(如100km×100km的网格)，故在切割背景数据时，会使得计算每个网格边缘的整体斑块一分为二，在网格边界上会产生不属于源数据的数据，这些斑块在计算Delaunay三角形分维数时，需要去除边界处的三角形，从而减少人工划分网格而形成的边界效应。具体地，选取时依据Delaunay三角形的边界长度，选取边界处边长大于内部三角形最大值的所有三角形，并删除选取的三角形。

Delaunay三角形的数量统计模块，用于统计各个网格在预设的多个尺度下的Delaunay三角形的数量。具体地，统计不同尺度(采用r表示)下的Delaunay三角形的数量(采用N表示)。

Delaunay三角形分形维数确定模块，用于根据所述预设的多个尺度和统计的在所述预设的多个尺度下的Delaunay三角形的数量确定各个网格内的Delaunay三角形分形维数。具体地，根据公式计算该网格内的Delaunay三角形分形维数。

采样点数量确定单元33，用于根据确定的分形维数确定需从各个网格提取的采样点数量。

可选地，所述采样点数量确定单元33包括：

总体平均值确定模块，用于确定划分的所有网格的Delaunay三角形分形维数的平均值。具体地，首先确定各个网格的Delaunay三角形分形维数的平均值，再确定所有网格的Delaunay三角形分形维数的平均值。

总体方差确定模块，用于确定划分的所有网格的Delaunay三角形分形维数的方差。具体地，根据各个网格的Delaunay三角形分形维数的平均值、所有网格的个数以及所有网格的Delaunay三角形分形维数的平均值，确定所有网格的Delaunay三角形分形维数的方差。

提取的采样点数量计算模块，用于根据确定的所有网格的Delaunay三角形分形维数的平均值、方差、确定的各个网格内的Delaunay三角形分形维数、以及预设的显著性水平，确定需从各个网格提取的采样点数量。具体地，将划分的所有网格分成预设个数的组，并对各个组的网格的Delaunay三角形分形维数的平均值(即数学期望)进行DW检验。

根据概率统计的大样本性质或中心极限定理可知，所有网格的Delaunay三角形分形维数的平均值(即总体平均数)的估计量的标准变换近似地服从标准正态分布，即Z～N(0，1)，Z为标准正态变量。由于d为估计精度，根据总体方差σ²的无偏估计s²，可知的无偏估计

其中，M为总的样本总量划分的网格的个数，N为样本总体容量，即：总Delaunay三角形的个数；N_i为每层样本容量，即：841个网格中，每一网格中Delaunay三角形的个数；

即，该公式的求解过程实际上是一个优化迭代过程，其方法步骤大致如下：

(1)根据分层个数M＝841，确定对应的各层大小Ni。

(2)确定总的调查费用T。这跟各层总体平均值的估计精度和置信度有关(表2)。这里统一置信度95％，对应DW检验，假设d值划分为9组，每组内的费用按照实际调查费的平均值进行分配，当计算出的总调查费用大于实际的调查费用时，调节估计精度d和显著性水平(1-α)重新进行求解，α为置信度。

(3)根据统计表计算总体方差的无偏估计(i＝1,2,…M)的值，对上一轮的估计值进行改进。

(4)求解式ni，使得总的调查费T用达到最小。

通过计算得到最终的最优解，得到每个网格内需要的采样数量ni。

采样点的位置确定单元34，用于根据确定的网格的分形维数和确定的采样点数量确定采样点的位置。

可选地，所述采样点的位置确定单元34，具体包括：

三角形等级划分模块，用于根据预设的等级阈值范围以及各个网格的分形维数，将网格的Delaunay三角形划分为相应的等级。具体地，预先设定等级阈值范围，当网格中某个Delaunay三角形的分形维数在某个等级阈值范围时，将该某个Delaunay三角形判定为相应的等级。

采样点位置选取模块，用于将划分的不同等级的Delaunay三角形的中心作为采样点的位置，所述采样点的位置的个数与所述采样点的数量相同。具体地，当划分的不同等级的Delaunay三角形的个数大于采样点的数量时，可在划分的不同等级的Delaunay三角形的个数中随机选取与采样点的数量相同的Delaunay三角形，并将选取的Delaunay三角形的中心作为采样点的位置；当划分的不同等级的Delaunay三角形的个数小于采样点的数量时，则首先将每一个不同等级的Delaunay三角形的中心作为采样点的位置，再继续比较划分的不同等级的Delaunay三角形的个数与采样点的数量关系，进而根据比较结果选择相应的处理方法。

采样点提取单元35，用于根据确定的采样点数量和采样点的位置提取相应的采样点。

本发明第二实施例中，由于确定的采样点的数量与划分的网格的分形维数有关，因此，保证确定的采样点的数量不会过多也不会过少，且采样点的位置的选取时，将采样点的位置与采样点的数量想联系，使得确定的采样点的位置既满足了采样点随机性的原则(关注整体)，又具有单个单元的代表性(关注局部)，从而保证采样的无偏性。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

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，上述描述的系统、装置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。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，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，例如多个单元或组件可以结合或者可以集成到另一个系统，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接口，装置或单元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单元可以是或者也可以不是物理上分开的，作为单元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，在本发明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，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明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)执行本发明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、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本发明的具体实施方式，但本发明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发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

Claims (10)

1.一种空间采样方法，其特征在于，所述方法包括：

根据预设的尺度将总的样本量划分为相同大小的网格；

确定划分的网格的分形维数；

根据确定的分形维数确定需从各个网格提取的采样点数量；

根据确定的网格的分形维数和确定的采样点数量确定采样点的位置；

根据确定的采样点数量和采样点的位置提取相应的采样点。

2.根据权利要求1所述的方法，其特征在于，所述确定划分的网格的分形维数，具体包括：

在划分的网格中生成Delaunay三角形；

去除在总的样本量的边界生成的Delaunay三角形；

统计各个网格在预设的多个尺度下的Delaunay三角形的数量；

根据所述预设的多个尺度和统计的在所述预设的多个尺度下的Delaunay三角形的数量确定各个网格内的Delaunay三角形分形维数。

3.根据权利要求2所述的方法，其特征在于，所述根据确定的分形维数确定需从各个网格提取的采样点数量，具体包括：

确定划分的所有网格的Delaunay三角形分形维数的平均值；

确定划分的所有网格的Delaunay三角形分形维数的方差；

根据确定的所有网格的Delaunay三角形分形维数的平均值、方差、确定的各个网格内的Delaunay三角形分形维数、以及预设的显著性水平，确定需从各个网格提取的采样点数量。

4.根据权利要求2所述的方法，其特征在于，所述根据确定的网格的分形维数和确定的采样点数量确定采样点的位置，具体包括：

根据预设的等级阈值范围以及各个网格的分形维数，将网格的Delaunay三角形划分为相应的等级；

将划分的不同等级的Delaunay三角形的中心作为采样点的位置，所述采样点的位置的个数与所述采样点的数量相同。

5.根据权利要求2所述的方法，其特征在于，在确定划分的网格的分形维数之前，包括：

根据预先存储的土地利用率数据，在划分为相同大小的网格的总的样本量上生成土地利用斑块；

生成所述土地利用斑块的中心点；

连接生成的所述土地利用斑块的中心点，以生成Delaunay三角形。

6.一种空间采样装置，其特征在于，所述装置包括：

网格划分单元，用于根据预设的尺度将总的样本量划分为相同大小的网格；

分形维数确定单元，用于确定划分的网格的分形维数；

采样点数量确定单元，用于根据确定的分形维数确定需从各个网格提取的采样点数量；

采样点的位置确定单元，用于根据确定的网格的分形维数和确定的采样点数量确定采样点的位置；

采样点提取单元，用于根据确定的采样点数量和采样点的位置提取相应的采样点。

7.根据权利要求6所述的装置，其特征在于，所述分形维数确定单元包括：

Delaunay三角形生成模块，用于在划分的网格中生成Delaunay三角形；

边界效应去除模块，用于去除在总的样本量的边界生成的Delaunay三角形；

Delaunay三角形的数量统计模块，用于统计各个网格在预设的多个尺度下的Delaunay三角形的数量；

Delaunay三角形分形维数确定模块，用于根据所述预设的多个尺度和统计的在所述预设的多个尺度下的Delaunay三角形的数量确定各个网格内的Delaunay三角形分形维数。

8.根据权利要求7所述的装置，其特征在于，所述采样点数量确定单元包括：

总体平均值确定模块，用于确定划分的所有网格的Delaunay三角形分形维数的平均值；

总体方差确定模块，用于确定划分的所有网格的Delaunay三角形分形维数的方差；

提取的采样点数量计算模块，用于根据确定的所有网格的Delaunay三角形分形维数的平均值、方差、确定的各个网格内的Delaunay三角形分形维数、以及预设的显著性水平，确定需从各个网格提取的采样点数量。

9.根据权利要求7所述的装置，其特征在于，所述采样点的位置确定单元，具体包括：

三角形等级划分模块，用于根据预设的等级阈值范围以及各个网格的分形维数，将网格的Delaunay三角形划分为相应的等级；

采样点位置选取模块，用于将划分的不同等级的Delaunay三角形的中心作为采样点的位置，所述采样点的位置的个数与所述采样点的数量相同。

10.根据权利要求7所述的装置，其特征在于，所述装置包括：

土地利用斑块生成单元，用于根据预先存储的土地利用率数据，在划分为相同大小的网格的总的样本量上生成土地利用斑块；

斑块中心点生成单元，用于生成所述土地利用斑块的中心点；

斑块中心点连接单元，用于连接生成的所述土地利用斑块的中心点，以生成Delaunay三角形。