CN107016466B - 一种景观格局优化构建的方法及系统 - Google Patents

一种景观格局优化构建的方法及系统 Download PDF

Info

Publication number
CN107016466B
CN107016466B CN201710233814.3A CN201710233814A CN107016466B CN 107016466 B CN107016466 B CN 107016466B CN 201710233814 A CN201710233814 A CN 201710233814A CN 107016466 B CN107016466 B CN 107016466B
Authority
CN
China
Prior art keywords
data
target area
ecological
simulation
model
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.)
Active
Application number
CN201710233814.3A
Other languages
English (en)
Other versions
CN107016466A (zh
Inventor
韩海荣
温永斌
程小琴
董玲玲
王甜
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Forestry University
Original Assignee
Beijing Forestry University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Forestry University filed Critical Beijing Forestry University
Priority to CN201710233814.3A priority Critical patent/CN107016466B/zh
Publication of CN107016466A publication Critical patent/CN107016466A/zh
Application granted granted Critical
Publication of CN107016466B publication Critical patent/CN107016466B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Mathematical Optimization (AREA)
  • General Business, Economics & Management (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Mathematical Analysis (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Software Systems (AREA)
  • Evolutionary Biology (AREA)
  • Databases & Information Systems (AREA)
  • Algebra (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本发明提出一种景观格局优化构建的方法及系统，所述方法包括：构建目标区域的初始景观格局；获取目标区域的气象数据、站点数据和/或生理生态数据，根据获取到的数据对目标区域的生态过程进行初次模型模拟；对指定生态数据进行实际测量，根据实测数据对初次模型模拟进行参数优化；根据优化后的模型模拟参数对目标区域的生态过程进行二次模拟，对模拟所得的指定生态数据进行空间插值，得到各指定生态数据的面状分布数据；从面状分布数据中提取指定位置的点数据，根据点数据和对应位置的实测数据构建目标区域的生态过程模型；根据生态过程模型对初始景观格局进行优化。本发明从生态过程的角度对景观格局进行优化，进而构建区域最优景观格局。

Description

一种景观格局优化构建的方法及系统
技术领域
本发明涉及环境生态技术领域，尤其涉及一种景观格局优化构建的方法及系统。
背景技术
目前，对于景观格局的研究与分析多关注于景观格局的动态变化和景观格局指数的分析，但对于景观格局与生态过程耦合之间的研究较少。
对于生态过程，研究人员已经不在满足于从单一方面进行探索，国内外越来越多的研究人员力图从耦合的角度对生态过程进行探讨，而模型将是研究耦合的最佳利器。例如，通过水分利用效率(WUE＝GEP/ET)来表征研究区的水碳耦合，在此基础上分析研究区的景观格局，其中，GEP为总生态系统生产力、ET为蒸发散、WUE为水分利用效率。但研究区的面积较小时GEP较难获得，这对水碳耦合的研究是一个较大的难点。而且，目前国内对于养分耦合的研究多数关注于作物、植被等的施肥方面，对于生态系统内养分耦合的研究非常之少，然而养分对于景观格局优化构建的具有举足轻重的作用，而模型模拟将是进行养分耦合研究的可行之法。生态过程是极其复杂的一个多因子共同作用的过程，目前还没有某类模型能对某一区域的生态过程进行精确的描述，为此多数科研人员强调应该同多维度、多模型结合的方向来对生态过程进行模拟研究。
综上可知，景观格局的形成反映了不同的生态过程，与此同时生态过程对于景观格局优化构建的具有重要作用。因此，如何提供一种基于生态过程的景观格局优化构建的方法具有重要意义。
发明内容
鉴于上述问题，本发明提出了一种景观格局优化构建的方法及系统，通过借助遥感的手段和模型模拟的方法从生态过程的角度对景观格局进行评价分析，进而构建区域最优的景观格局。
本发明的一个方面，提供了一种景观格局优化构建的方法，包括：
构建目标区域的初始景观格局；
获取所述目标区域在预设时间段的气象数据、站点数据和/或生理生态数据，根据所述气象数据、站点数据和/或生理生态数据对目标区域的生态过程进行初次模型模拟；
对所述目标区域的指定生态数据进行实际测量，并根据得到的实测数据对所述初次模型模拟进行参数优化，得到优化后的模型模拟参数；
根据优化后的模型模拟参数对所述目标区域的生态过程进行二次模拟，并采用空间插值算法对模拟所得的指定生态数据进行空间插值，得到所述目标区域的各类指定生态数据的面状分布数据；
从所述面状分布数据中提取所述目标区域内若干指定位置的点数据，并根据提取的点数据以及对应位置的实测数据构建所述目标区域的生态过程模型；
根据所述生态过程模型对所述初始景观格局进行优化，以构建所述目标区域的最优景观格局。
可选地，所述构建目标区域的初始景观格局，包括：
根据所述目标区域对应的遥感影像和二类调查数据构建所述目标区域的初始景观格局。
可选地，所述根据所述气象数据、站点数据和/或生理生态数据对目标区域的生态过程进行初次模型模拟，包括：
根据所述气象数据、站点数据和/或生理生态数据生成用于模型的驱动的ini文件和epc文件；
基于所述ini文件和epc文件对目标区域的生态过程进行初次模型模拟。
可选地，所述根据得到的实测数据对所述初次模型模拟进行参数优化，包括：
将所述初次模型模拟的模拟数据与所述实测数据进行比较；
若所述模拟数据与所述实测数据的差异大于对应的预设阈值，则将所述初次模型模拟的初始模型参数替换为对应的所述实测数据。
可选地，所述根据提取的点数据以及对应位置的实测数据构建所述目标区域的生态过程模型，包括：
将提取的点数据与对应位置的实测数据进行数据分析；
根据数据分析结果建立回归分析模型，所述回归分析模型用于计算优化后的模型模拟参数的模拟数据与实测数据之间的相互关系。
本发明的另一个方面，提供了一种景观格局优化构建的系统，包括：
景观格局构建模块，用于构建目标区域的初始景观格局；
模拟模型构建模块，用于获取所述目标区域在预设时间段的气象数据、站点数据和/或生理生态数据，根据所述气象数据、站点数据和/或生理生态数据对目标区域的生态过程进行初次模型模拟；
模拟模型优化模块，用于对所述目标区域的指定生态数据进行实际测量，并根据得到的实测数据对所述初次模型模拟进行参数优化，得到优化后的模型模拟参数；
数据处理模块，用于根据优化后的模型模拟参数对所述目标区域的生态过程进行二次模拟，并采用空间插值算法对模拟所得的指定生态数据进行空间插值，得到所述目标区域的各类指定生态数据的面状分布数据；
生态过程模型构建模块，用于从所述面状分布数据中提取所述目标区域内若干指定位置的点数据，并根据提取的点数据以及对应位置的实测数据构建所述目标区域的生态过程模型；
所述景观格局构建模块，还用于根据所述生态过程模型对所述初始景观格局进行优化，以构建所述目标区域的最优景观格局。
可选地，所述景观格局构建模块，具体用于根据所述目标区域对应的遥感影像和二类调查数据构建所述目标区域的初始景观格局。
可选地，所述模拟模型构建模块，具体用于根据所述气象数据、站点数据和/或生理生态数据生成用于模型的驱动的ini文件和epc文件，并基于所述ini文件和epc文件对目标区域的生态过程进行初次模型模拟。
可选地，所述模拟模型优化模块，包括：
数据比较单元，用于将所述初次模型模拟的模拟数据与所述实测数据进行比较；
数据替换单元，用于若所述模拟数据与所述实测数据的差异大于对应的预设阈值，则将所述初次模型模拟的初始模型参数替换为对应的所述实测数据。
可选地，所述生态过程模型构建模块，具体用于将提取的点数据与对应位置的实测数据进行数据分析，根据数据分析结果建立回归分析模型，所述回归分析模型用于计算优化后的模型模拟参数的模拟数据与实测数据之间的相互关系。
本发明实施例提供的景观格局优化构建的方法及系统，基于现有景观格局优化所存在的诸多不足，在充分考虑景观格局与生态过程之间相辅相成关系的基础上，借助遥感的手段和模型模拟的方法从生态过程的角度对景观格局进行评价分析，进而构建区域的最优景观格局。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1示出了本发明实施例的景观格局优化构建的方法的流程图；
图2示出了本发明实施例的景观格局优化构建的方法的实现原理图；
图3示出了本发明实施例的景观格局优化构建的系统的结构示意图；。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。
本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)，具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非被特定定义，否则不会用理想化或过于正式的含义来解释。
图1示意性示出了本发明一个实施例的景观格局优化构建的方法的流程图。参照图1，本发明实施例的景观格局优化构建的方法具体包括以下步骤：
S11、构建目标区域的初始景观格局。
S12、获取所述目标区域在预设时间段的气象数据、站点数据和/或生理生态数据，根据所述气象数据、站点数据和/或生理生态数据对目标区域的生态过程进行初次模型模拟。
S13、对所述目标区域的指定生态数据进行实际测量，并根据得到的实测数据对所述初次模型模拟进行参数优化，得到优化后的模型模拟参数。
本实施例中，通过将模型模拟所得的数据使用ANUSPLINE软件进行空间插值，获得研究区所需的各类参数的面状分布数据。
S14、根据优化后的模型模拟参数对所述目标区域的生态过程进行二次模拟，并采用空间插值算法对模拟所得的指定生态数据进行空间插值，得到所述目标区域的各类指定生态数据的面状分布数据。
S15、从所述面状分布数据中提取所述目标区域内若干指定位置的点数据，并根据提取的点数据以及对应位置的实测数据构建所述目标区域的生态过程模型。
S16、根据所述生态过程模型对所述初始景观格局进行优化，以构建所述目标区域的最优景观格局。
本发明实施例提供的景观格局优化构建的方法，基于现有景观格局优化所存在的诸多不足，在充分考虑景观格局与生态过程之间相辅相成关系的基础上，借助遥感的手段和模型模拟的方法从生态过程的角度对景观格局进行评价分析，进而构建区域的最优景观格局。
本发明实施例中，所述构建目标区域的初始景观格局，具体包括：根据所述目标区域对应的遥感影像和二类调查数据构建所述目标区域的初始景观格局。
在实际应用中，通过在地理信息系统GIS5.0中绘制研究区二类调查的小斑数据图层并实现二类调查小斑的详细信息与小斑图层的配对，获得研究区的景观格局分布图；同时对研究区的遥感影像进行人机解译，建立研究区DEM图层，从中提取小斑图层所欠缺的基础数据，以完成研究区景观格局的构建。
本发明实施例中，所述根据所述气象数据、站点数据和/或生理生态数据对目标区域的生态过程进行初次模型模拟，进一步包括以下步骤：
根据所述气象数据、站点数据和/或生理生态数据生成用于模型的驱动的ini文件和epc文件；
基于所述ini文件和epc文件对目标区域的生态过程进行初次模型模拟。
本实施例中，通过预设的Biome-BGC模型模拟驱动所需的三类数据，例如，气象数据、站点数据和生理生态数据，使用这三类数据构建ini文件和epc文件用于模型的驱动，并设置输出内容，以获得初次模型模拟的模拟数据。
进一步地，所述根据得到的实测数据对所述初次模型模拟进行参数优化，具体包括以下步骤：
将所述初次模型模拟的模拟数据与所述实测数据进行比较；
若所述模拟数据与所述实测数据的差异大于对应的预设阈值，则将所述初次模型模拟的初始模型参数替换为对应的所述实测数据。
相应的，后续可以基于替换后的参数重新对目标区域的生态过程进行二次模型模拟。
在实际应用中，将步骤S12模型模拟获得的数据同研究区部分实测数据进行比较分析，若发现模拟数据同实测数据存在较大的差异，这表明步骤S12中的ini文件和epc文件中的部分参数需要进行优化。构建参数优化软件(PEST软件)所需的驱动文件，如：pst文件，由par文件和obf文件生成，将obf文件中的初始模型模拟的数据用实测数据进行替换，进而获得ini文件和epc文件中相应参数的优化结果。重复步骤2进行二次模拟，获得气象站点模型模拟数据，包括：降水P、生态系统总生产量GEP、土壤碳、氮、水等。
本实施例中，所述根据提取的点数据以及对应位置的实测数据构建所述目标区域的生态过程模型，包括：
将提取的点数据与对应位置的实测数据进行数据分析；
根据数据分析结果建立回归分析模型，所述回归分析模型用于计算优化后的模型模拟参数的模拟数据与实测数据之间的相互关系。
本实施例中，在GIS 5.0中用代表研究区的若干指定位置提取面数据中的点数据。其中GEP用于WUE(水分利用效率，表征水碳耦合)的计算，ET用WaSSI-C模型计算；C/N用于表征养分耦合。
将获得的部分点数据同相应的实测数据进行比较分析，然后建立回归分析模型，构建Biome-BGC模型模拟数据同实测数据之间的相互关系，进而用于外部环境相似的研究区中生态过程耦合的评估，参见图2中的虚线部分，构建数学模型的好处在于可以减少野外采集数据的时间，当遇到同研究区外部环境相似的研究对象时可以套用该数学模型。
具体的，根据所述生态过程模型对所述初始景观格局进行优化，以构建所述目标区域的最优景观格局，进一步包括：
实际应用中，通过对生态过程与景观格局之间的分析，确立研究区景观格局的合理配置进而构建研究区最优景观格局，即通过生态过程耦合图层与景观格局图层的对比分析，哪些景观格局下的生态过程耦合效果好便认为该类景观格局在该区域是好的景观格局，进而调整生态过程耦合效果差的景观格局，获得该区域全局最优景观格局。
对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明实施例并不受所描述的动作顺序的限制，因为依据本发明实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本发明实施例所必须的。
图3示意性示出了本发明一个实施例的景观格局优化构建的系统的结构示意图。参照图3，本发明实施例的景观格局优化构建的系统具体包括景观格局构建模块301、模拟模型构建模块302、模拟模型优化模块303、数据处理模块304以及生态过程模型构建模块305，其中：
所述的景观格局构建模块301，用于构建目标区域的初始景观格局；
所述的模拟模型构建模块302，用于获取所述目标区域在预设时间段的气象数据、站点数据和/或生理生态数据，根据所述气象数据、站点数据和/或生理生态数据对目标区域的生态过程进行初次模型模拟；
所述的模拟模型优化模块303，用于对所述目标区域的指定生态数据进行实际测量，并根据得到的实测数据对所述初次模型模拟进行参数优化，得到优化后的模型模拟参数；
所述的数据处理模块304，用于根据优化后的模型模拟参数对所述目标区域的生态过程进行二次模拟，并采用空间插值算法对模拟所得的指定生态数据进行空间插值，得到所述目标区域的各类指定生态数据的面状分布数据；
所述的生态过程模型构建模块305，用于从所述面状分布数据中提取所述目标区域内若干指定位置的点数据，并根据提取的点数据以及对应位置的实测数据构建所述目标区域的生态过程模型；
相应的，所述景观格局构建模块301，还用于根据所述生态过程模型对所述初始景观格局进行优化，以构建所述目标区域的最优景观格局。
在本发明的一个可选实施例中，所述景观格局构建模块301，具体用于根据所述目标区域对应的遥感影像和二类调查数据构建所述目标区域的初始景观格局。
在本发明的一个可选实施例中，所述模拟模型构建模块302，具体用于根据所述气象数据、站点数据和/或生理生态数据生成用于模型的驱动的ini文件和epc文件，并基于所述ini文件和epc文件对目标区域的生态过程进行初次模型模拟。
本实施例中，所述模拟模型优化模块303，包括数据比较单元和数据替换单元，其中：
所述的数据比较单元，用于将所述初次模型模拟的模拟数据与所述实测数据进行比较；
所述的数据替换单元，用于若所述模拟数据与所述实测数据的差异大于对应的预设阈值，则将所述初次模型模拟的初始模型参数替换为对应的所述实测数据。
相应的，所述的数据处理模块304，具体用于基于替换后的参数重新对目标区域的生态过程进行二次模型模拟。
在本发明的一个可选实施例中，所述生态过程模型构建模块305，具体用于将提取的点数据与对应位置的实测数据进行数据分析，根据数据分析结果建立回归分析模型，所述回归分析模型用于计算优化后的模型模拟参数的模拟数据与实测数据之间的相互关系。
对于系统实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
此外，本发明另一实施例还提供了一种电子设备，所述电子设备包括：壳体、处理器、存储器、电路板和电源电路，其中，所述电路板安置在所述壳体围成的空间内部，所述处理器和所述存储器设置在所述电路板上；所述电源电路，用于为所述电子设备的各个电路或器件供电；所述存储器用于存储可执行程序代码；所述处理器通过读取所述存储器中存储的可执行程序代码来运行与可执行程序代码对应的程序，以用于执行如上任一实施例所述的景观格局优化构建的方法。
本发明实施例提供的景观格局优化构建的方法及系统，基于现有景观格局优化所存在的诸多不足，在充分考虑景观格局与生态过程之间相辅相成关系的基础上，借助遥感的手段和模型模拟的方法从生态过程的角度对景观格局进行评价分析，进而构建区域的最优景观格局。
以上所描述的装置实施例仅仅是示意性的，其中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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，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)执行各个实施例或者实施例的某些部分所述的方法。
此外，本领域的技术人员能够理解，尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (2)

1.一种景观格局优化构建的方法，其特征在于，包括:
构建目标区域的初始景观格局；
获取所述目标区域在预设时间段的气象数据、站点数据和/或生理生态数据，根据所述气象数据、站点数据和/或生理生态数据对目标区域的生态过程进行初次模型模拟；
对所述目标区域的指定生态数据进行实际测量，并根据得到的实测数据对所述初次模型模拟进行参数优化，得到优化后的模型模拟参数；
根据优化后的模型模拟参数对所述目标区域的生态过程进行二次模拟，并采用空间插值算法对模拟所得的指定生态数据进行空间插值，得到所述目标区域的各类指定生态数据的面状分布数据；
从所述面状分布数据中提取所述目标区域内若干指定位置的点数据，并根据提取的点数据以及对应位置的实测数据构建所述目标区域的生态过程模型；
根据所述生态过程模型对所述初始景观格局进行优化，以构建所述目标区域的最优景观格局；
所述构建目标区域的初始景观格局，包括：根据所述目标区域对应的遥感影像和二类调查数据构建所述目标区域的初始景观格局；
所述根据所述气象数据、站点数据和/或生理生态数据对目标区域的生态过程进行初次模型模拟，包括：
根据所述气象数据、站点数据和/或生理生态数据生成用于模型的驱动的ini文件和epc文件；
基于所述ini文件和epc文件对目标区域的生态过程进行初次模型模拟；
所述根据得到的实测数据对所述初次模型模拟进行参数优化，包括：
将所述初次模型模拟的模拟数据与所述实测数据进行比较；
若所述模拟数据与所述实测数据的差异大于对应的预设阈值，则将所述初次模型模拟的初始模型参数替换为对应的所述实测数据；
所述根据提取的点数据以及对应位置的实测数据构建所述目标区域的生态过程模型，包括：
将提取的点数据与对应位置的实测数据进行数据分析；
根据数据分析结果建立回归分析模型，所述回归分析模型用于计算优化后的模型模拟参数的模拟数据与实测数据之间的相互关系。
2.一种景观格局优化构建的系统，其特征在于，包括
景观格局构建模块，用于构建目标区域的初始景观格局；
模拟模型构建模块，用于获取所述目标区域在预设时间段的气象数据、站点数据和/或生理生态数据，根据所述气象数据、站点数据和/或生理生态数据对目标区域的生态过程进行初次模型模拟；
模拟模型优化模块，用于对所述目标区域的指定生态数据进行实际测量，并根据得到的实测数据对所述初次模型模拟进行参数优化，得到优化后的模型模拟参数；
数据处理模块，用于根据优化后的模型模拟参数对所述目标区域的生态过程进行二次模拟，并采用空间插值算法对模拟所得的指定生态数据进行空间插值，得到所述目标区域的各类指定生态数据的面状分布数据；
生态过程模型构建模块，用于从所述面状分布数据中提取所述目标区域内若干指定位置的点数据，并根据提取的点数据以及对应位置的实测数据构建所述目标区域的生态过程模型；
所述景观格局构建模块，还用于根据所述生态过程模型对所述初始景观格局进行优化，以构建所述目标区域的最优景观格局；
所述景观格局构建模块，具体用于根据所述目标区域对应的遥感影像和二类调查数据构建所述目标区域的初始景观格局；
所述模拟模型构建模块，具体用于根据所述气象数据、站点数据和/或生理生态数据生成用于模型的驱动的ini文件和epc文件，并基于所述ini文件和epc文件对目标区域的生态过程进行初次模型模拟；
所述模拟模型优化模块，包括：
数据比较单元，用于将所述初次模型模拟的模拟数据与所述实测数据进行比较；
数据替换单元，用于若所述模拟数据与所述实测数据的差异大于对应的预设阈值，则将所述初次模型模拟的初始模型参数替换为对应的所述实测数据；
所述生态过程模型构建模块，具体用于将提取的点数据与对应位置的实测数据进行数据分析，根据数据分析结果建立回归分析模型，所述回归分析模型用于计算优化后的模型模拟参数的模拟数据与实测数据之间的相互关系。
CN201710233814.3A 2017-04-11 2017-04-11 一种景观格局优化构建的方法及系统 Active CN107016466B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710233814.3A CN107016466B (zh) 2017-04-11 2017-04-11 一种景观格局优化构建的方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710233814.3A CN107016466B (zh) 2017-04-11 2017-04-11 一种景观格局优化构建的方法及系统

Publications (2)

Publication Number Publication Date
CN107016466A CN107016466A (zh) 2017-08-04
CN107016466B true CN107016466B (zh) 2020-12-22

Family

ID=59446348

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710233814.3A Active CN107016466B (zh) 2017-04-11 2017-04-11 一种景观格局优化构建的方法及系统

Country Status (1)

Country Link
CN (1) CN107016466B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109146165B (zh) * 2018-08-09 2021-11-26 安徽建筑大学 一种徽州景观聚落的趋向性聚类分析方法
CN111289690A (zh) * 2019-08-19 2020-06-16 浙江海洋大学 一种基于ais的区域船舶碳排放监测方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104134095A (zh) * 2014-04-17 2014-11-05 中国农业大学 一种基于尺度转换和数据同化的农作物产量估测方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2000038079A1 (en) * 1998-12-22 2000-06-29 Bios Group Lp A method and system for performing optimization on fitness landscapes
CN101614651A (zh) * 2009-07-29 2009-12-30 北京大学 一种土壤水分监测的数据同化方法
CN104298828B (zh) * 2014-10-13 2017-05-03 河海大学 一种城市绿地格局对热环境影响的模拟方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104134095A (zh) * 2014-04-17 2014-11-05 中国农业大学 一种基于尺度转换和数据同化的农作物产量估测方法

Also Published As

Publication number Publication date
CN107016466A (zh) 2017-08-04

Similar Documents

Publication Publication Date Title
Hallgren et al. The biodiversity and climate change virtual laboratory: Where ecology meets big data
Balduzzi et al. Reshaping plant biology: qualitative and quantitative descriptors for plant morphology
Kennedy et al. Case studies in Gaussian process modelling of computer codes
Aurbacher et al. Generating crop sequences in land-use models using maximum entropy and Markov chains
Wang et al. Mapping and spatial uncertainty analysis of forest vegetation carbon by combining national forest inventory data and satellite images
Joffre et al. Combining participatory approaches and an agent-based model for better planning shrimp aquaculture
Li et al. Pattern of spatial evolution of rural settlements in the Jizhou District of China during 1962–2030
Consolo et al. Pattern formation and modulation in a hyperbolic vegetation model for semiarid environments
Langhammer et al. Agricultural landscape generators for simulation models: A review of existing solutions and an outline of future directions
CN107016466B (zh) 一种景观格局优化构建的方法及系统
Jia et al. High emissions could increase the future risk of maize drought in China by 60–70%
Wu et al. Optimizing soil-coring strategies to quantify root-length-density distribution in field-grown maize: virtual coring trials using 3-D root architecture models
CN108733952B (zh) 一种基于序贯模拟的土壤含水量空间变异性三维表征方法
CN105181607A (zh) 土壤速效养分反演方法及装置
Leng et al. Recent changes in county-level maize production in the United States: Spatial-temporal patterns, climatic drivers and the implications for crop modelling
Renton et al. Functional–structural plant modelling using a combination of architectural analysis, L-systems and a canonical model of function
CN116384268A (zh) 基于水污染的污染源溯源方法、装置以及设备
CN102841963B (zh) 元胞自动机模型尺度敏感性的探测方法
Xiao et al. Coupling agricultural system models with machine learning to facilitate regional predictions of management practices and crop production
Ruishan et al. Land use dynamics and landscape patterns in Shanghai, Jiangsu and Zhejiang
Sexton et al. Global sensitivity analysis of key parameters in a process-based sugarcane growth model: a Bayesian approach
Bulatewicz et al. Calibration of a crop model to irrigated water use using a genetic algorithm
CN113052433A (zh) 基于关键时相和农田景观特征参量的作物单产估算方法
Brouwer Burg GIS-based modeling of archaeological dynamics (GMAD): weaknesses, strengths, and the utility of sensitivity analysis
CN104281973A (zh) 基于WebGIS的飞虱发育进程展示系统及方法

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
CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Han Hairong

Inventor after: Wen Yongbin

Inventor after: Cheng Xiaoqin

Inventor after: Dong Lingling

Inventor after: Wang Tian

Inventor before: Wen Yongbin

Inventor before: Han Hairong

Inventor before: Cheng Xiaoqin

Inventor before: Dong Lingling

Inventor before: Wang Tian

GR01 Patent grant
GR01 Patent grant