CN108509527A - 一种面向idl语言的海冰密集度变化趋势求算算法 - Google Patents
一种面向idl语言的海冰密集度变化趋势求算算法 Download PDFInfo
- Publication number
- CN108509527A CN108509527A CN201810207828.2A CN201810207828A CN108509527A CN 108509527 A CN108509527 A CN 108509527A CN 201810207828 A CN201810207828 A CN 201810207828A CN 108509527 A CN108509527 A CN 108509527A
- Authority
- CN
- China
- Prior art keywords
- data
- ice concentration
- ice
- grid
- change rate
- 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.)
- Pending
Links
Abstract
本发明涉及一种面向IDL语言的海冰密集度变化趋势求算算法。读取北极海冰密集度数据。以单个数据网格为单位循环行列,求算每个数据网格的海冰密集度在N年的年均值。再以单个数据网格为单位循环行列,对每个网格的在N年的有效年均值进行判断筛选,对于有效年均值数过半数的网格单元,将N年的有效年均值数列与对应的年份数列进行线性拟合,得出海冰密集度的变化率以及此变化率的显著性。将卫星盲区的海冰密集度变化率和显著性数据进行掩膜。写出海冰密集度变化率和显著性数据文件。导入ArcGIS软件进行配准、生成海冰密集度变化趋势图。本发明不仅能反映某区域海冰密集度的变化趋势及空间分布,还能反映海冰密集度变化趋势的显著性。
Description
技术领域
本发明涉及求算海冰密集度变化趋势及利用ArcGIS进行可视化显示,更具体地说是一种面向IDL语言的海冰密集度变化趋势求算算法。
背景技术
IDL程序语言,灵活简洁,功能强大;国际上,IDL语言在海洋科学、遥感地信、地质等领域应用广泛;目前,在我国还没有达到普及水平。卫星具有全方位、多时相特点,打破了现场观测的区域性,时间不同步的缺点,节省了大量的人力物力。卫星数据越来越受到人们的认可,数据所涉及领域也会愈加广泛。目前计算海冰密集度变化趋势的方法主要是先计算某区域整体的年均值,然后对年均值进行线性拟合,求出整个区域的海冰密集度变化趋势值,缺点在于这种结果只能反映整体区域的时间变化性,不能反映海冰密集度变化趋势的区域性。本算法得到的结果既能反映某区域海冰密集度的变化情况,同时也能反映海冰密集度变化趋势空间分布,便于对比不同区域的海冰密集度变化趋势的不同情况等,具有较强的理论价值和应用价值。
发明内容
针对上述现状,本发明的目的提供一种面向IDL语言的海冰密集度变化趋势求算算法。
本发明基于IDL编程语言,求出的海冰密集度变化趋势,不仅能反映某区域海冰密集度的变化情况,同时也能反映海冰密集度变化趋势空间分布,还能得到不同区域海冰密集度变化趋势的显著性。本发明关于海冰密集度变化趋势求算算法是基于IDL程序语言实现,算法简洁,便于操作。
本发明解决其技术问题所采用的技术方案是:一种面向IDL语言的海冰密集度变化趋势求算算法,包括以下步骤:
1)读取北极海冰密集度月均数据;
2)计算当前网格的海冰密集度的当年年均数据;所述计算过程中对北极海冰密集度月均数据的有效值数量进行判断,对当年月均数据的有效值数不过半的网格单元的年均数据设置为无效值;循环行列依次获取每个网格的海冰密集度在N年中的当年年均数据;
3)对当前网格的海冰密集度在N年中的每个年均数据进行筛选,得出有效年均值数列,将有效年均值数不过半数的网格单元设置为无效值;对于当前网格的有效年均值数过半数的网格单元,将这N年中的有效年均值数列与对应的年份数列进行线性拟合,得到海冰密集度的变化率数据及此变化率的显著性数据;依次计算所有网格单元处的海冰密集度的变化率数据及显著性数据;
4)对海冰密集度变化率数据及显著性数据中的卫星盲区数据进行掩膜处理,获取掩膜后的海冰密集度变化率数据及显著性数据;
5)写出掩膜后的海冰密集度变化率数据及显著性数据文件;
6)导入ArcGIS软件进行配准,用不同颜色表示海冰密集度变化率数据、用等值线表示显著性数据,叠加生成海冰密集度变化趋势图。
所述北极海冰密集度月均数据包括12×N个月均数据表:每个月均数据表包含当年该月的按照网格划分的北极海冰密集度月均数据Mi,j,N为统计的年份个数,i为数据表的列数,j为数据表的行数。
所述步骤2)中的计算当前网格的海冰密集度的当年年均数据;所述计算过程中对北极海冰密集度月均数据的有效值数量进行判断,对当年月均数据的有效值数不过半的网格单元的年均数据设置为无效值,包括:
对当前网格按年份判断北极海冰密集度月均数据Mi,j的数值是否有效,对有效值数不过半的年份的网格单元的年均数据设置为无效值;根据有效值过半的年份的网格单元的有效月均数据Mi,j计算年均数据Yi,j,得到N个按照网格划分的北极海冰密集度年均数据表。
所述根据有效值过半的年份的网格单元的有效月均数据Mi,j计算年均数据Yi,j为:年均数据
所述步骤3)中对于当前网格的有效年均值过半数的网格单元,将这N年中的有效年均值数列与对应的年份数列进行线性拟合,得到海冰密集度的变化率数据以及此变化率的显著性,包括:
对海冰密集度有效年均数据和其对应的年份数列进行线性拟合处理,得到斜率和P值;所述斜率为海冰密集度的变化率数据,所述P值为此网格单元处海冰密集度变化率的显著性数据。
所述步骤4)中的掩膜处理为:利用卫星最大盲区制作掩膜,对步骤3)得到的海冰密集度变化趋势数据及其显著性数据,滤除盲区内的海冰密集度变化趋势数据及其显著性数据。
以IDL程序语言编写实现。
本发明具有以下有益效果及优点:
1.本发明计算得到的海冰密集度变化趋势,不仅能反映某区域海冰密集度的变化情况,同时也能反映海冰密集度变化趋势空间分布,还能得到不同区域海冰密集度变化趋势的显著性。
2.本算法简洁便于操作。
3.本算法利用IDL程序语言编写而成,工作效率高。
附图说明
图1是本发明算法流程图;
图2是北极海冰密集度变化趋势图;
具体实施方式
下面结合附图对本发明做进一步说明。
本发明以北极海冰密集度变化趋势为例。数据采用美国国家冰雪中心(NSIDC)提供的1979年到2016年共456份海冰密集度月均数据,数据分辨率即数据网格大小为25km×25km,此数据采用美国NASA TEAM算法生成。利用本发明得出海冰密集度变化趋势图,具体算法流程如图1所示。
运用IDL语言,利用对应数据格式的函数,读取北极海冰密集度月均数据,共456分数据(38年,每年12个月),数据呈网格形式,每份数据为304列448行。以单个网格单元为单位,采用循环的方法,先循环行,再循环列,求算每个网格单元的海冰密集度在1979-2016年各年的年均值;首先对网格单元处的海冰密集度月均数据有效值数量进行检测(大小在0-1之间的为有效值,否则为无效值),对有效值数不过半的网格单元设置为无效值;对有效值数过半的网格单元,将月均有效值相加求和,除有效数据数,即可得到当前网格的海冰密集度的年均数据。循环行列后,即可得到所有网格单元处的海冰密集度年均数据。以此方法对1979-2016年进行循环,即可得到海冰密集度1979-2016年每年的年均数据,共得到38个海冰密集度年均数据表。
以数据网格单元为单位,利用循环的方法,对计算得到的1979-2016年各年海冰密集度年均数据,检测每个网格单元处年均数据的有效性。对于有效值数不过半的网格单元直接设置为无效值,对于有效值数过半的网格单元,对海冰密集度有效年均数据和其对应的年份数列进行线性拟合处理,得到斜率和P值。斜率即海冰密集度的变化率,P值即此网格单元处海冰密集度变化率的显著性。对数据的行列进行循环处理,即可得到所有网格单元处的海冰密集度的变化率及显著性。
因为观测海冰密集度的卫星在1979-2016年间经过2代升级,卫星在北极点及其附近的盲区不断缩小。本算法利用卫星最大盲区制作了掩膜文件,对上步得到的海冰密集度变化趋势及其显著性进行掩膜处理,滤除盲区处的海冰密集度变化趋势数据及其显著性数据。因为此区域的数据只是由1979-2016年间部分年份的数据生成的,不能代表1979-2016年间的整体变化趋势,因此需要滤除。最终得到准确的海冰密集度变化趋势和显著性数据。
利用IDL文件输出函数,写出海冰密集度变化率和显著性数据文件。
将IDL写出海冰密集度变化率和显著性数据文件导入ArcGIS软件进行配准,海冰密集度变化率用不同种类的颜色表示海冰密集度变化率大小,生成栅格图;将显著性数据生成等值线,并叠加到海冰密集度变化率的栅格图上,添加经纬网,输出图像,即可得到北极海冰密集度变化趋势图,见图2,可以看出1979-2016年间北极的海冰密集度减小趋势明显。
Claims (7)
1.一种面向IDL语言的海冰密集度变化趋势求算算法,其特征在于,包括以下步骤:
1)读取北极海冰密集度月均数据;
2)计算当前网格的海冰密集度的当年年均数据;所述计算过程中对北极海冰密集度月均数据的有效值数量进行判断,对当年月均数据的有效值数不过半的网格单元的年均数据设置为无效值;循环行列依次获取每个网格的海冰密集度在N年中的当年年均数据;
3)对当前网格的海冰密集度在N年中的每个年均数据进行筛选,得出有效年均值数列,将有效年均值数不过半数的网格单元设置为无效值;对于当前网格的有效年均值数过半数的网格单元,将这N年中的有效年均值数列与对应的年份数列进行线性拟合,得到海冰密集度的变化率数据及此变化率的显著性数据;依次计算所有网格单元处的海冰密集度的变化率数据及显著性数据;
4)对海冰密集度变化率数据及显著性数据中的卫星盲区数据进行掩膜处理,获取掩膜后的海冰密集度变化率数据及显著性数据;
5)写出掩膜后的海冰密集度变化率数据及显著性数据文件;
6)导入ArcGIS软件进行配准,用不同颜色表示海冰密集度变化率数据、用等值线表示显著性数据,叠加生成海冰密集度变化趋势图。
2.按照权利要求1所述的一种面向IDL语言的海冰密集度变化趋势求算算法,其特征在于,所述北极海冰密集度月均数据包括12×N个月均数据表:每个月均数据表包含当年该月的按照网格划分的北极海冰密集度月均数据Mi,j,N为统计的年份个数,i为数据表的列数,j为数据表的行数。
3.按照权利要求1所述的一种面向IDL语言的海冰密集度变化趋势求算算法,其特征在于,所述步骤2)中的计算当前网格的海冰密集度的当年年均数据;所述计算过程中对北极海冰密集度月均数据的有效值数量进行判断,对当年月均数据的有效值数不过半的网格单元的年均数据设置为无效值,包括:
对当前网格按年份判断北极海冰密集度月均数据Mi,j的数值是否有效,对有效值数不过半的年份的网格单元的年均数据设置为无效值;根据有效值过半的年份的网格单元的有效月均数据Mi,j计算年均数据Yi,j,得到N个按照网格划分的北极海冰密集度年均数据表。
4.按照权利要求4所述的一种面向IDL语言的海冰密集度变化趋势求算算法,其特征在于,所述根据有效值过半的年份的网格单元的有效月均数据Mi,j计算年均数据Yi,j为:年均数据
5.按照权利要求1所述的一种面向IDL语言的海冰密集度变化趋势求算算法,其特征在于,所述步骤3)中对于当前网格的有效年均值过半数的网格单元,将这N年中的有效年均值数列与对应的年份数列进行线性拟合,得到海冰密集度的变化率数据以及此变化率的显著性,包括:
对海冰密集度有效年均数据和其对应的年份数列进行线性拟合处理,得到斜率和P值;所述斜率为海冰密集度的变化率数据,所述P值为此网格单元处海冰密集度变化率的显著性数据。
6.按照权利要求1所述的一种面向IDL语言的海冰密集度变化趋势求算算法,其特征在于,所述步骤4)中的掩膜处理为:利用卫星最大盲区制作掩膜,对步骤3)得到的海冰密集度变化趋势数据及其显著性数据,滤除盲区内的海冰密集度变化趋势数据及其显著性数据。
7.按照权利要求1所述的一种面向IDL语言的海冰密集度变化趋势求算算法,其特征在于以IDL程序语言编写实现。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810207828.2A CN108509527A (zh) | 2018-03-14 | 2018-03-14 | 一种面向idl语言的海冰密集度变化趋势求算算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810207828.2A CN108509527A (zh) | 2018-03-14 | 2018-03-14 | 一种面向idl语言的海冰密集度变化趋势求算算法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108509527A true CN108509527A (zh) | 2018-09-07 |
Family
ID=63377605
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810207828.2A Pending CN108509527A (zh) | 2018-03-14 | 2018-03-14 | 一种面向idl语言的海冰密集度变化趋势求算算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108509527A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113360849A (zh) * | 2021-06-07 | 2021-09-07 | 上海工程技术大学 | 一种基于ICESat-2数据的海冰密集度估算方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102708369A (zh) * | 2012-05-14 | 2012-10-03 | 大连理工大学 | 一种基于卫星图像的海冰参数提取方法 |
CN106197383A (zh) * | 2016-06-29 | 2016-12-07 | 南京大学 | 一种海冰体积的遥感估算方法 |
CN106871877A (zh) * | 2017-02-13 | 2017-06-20 | 国家卫星海洋应用中心 | 海冰标识确定方法及装置 |
CN107480818A (zh) * | 2017-08-09 | 2017-12-15 | 中国热带农业科学院科技信息研究所 | 一种快速评估人类活动对植被覆盖变化影响的方法 |
-
2018
- 2018-03-14 CN CN201810207828.2A patent/CN108509527A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102708369A (zh) * | 2012-05-14 | 2012-10-03 | 大连理工大学 | 一种基于卫星图像的海冰参数提取方法 |
CN106197383A (zh) * | 2016-06-29 | 2016-12-07 | 南京大学 | 一种海冰体积的遥感估算方法 |
CN106871877A (zh) * | 2017-02-13 | 2017-06-20 | 国家卫星海洋应用中心 | 海冰标识确定方法及装置 |
CN107480818A (zh) * | 2017-08-09 | 2017-12-15 | 中国热带农业科学院科技信息研究所 | 一种快速评估人类活动对植被覆盖变化影响的方法 |
Non-Patent Citations (2)
Title |
---|
孔爱婷: "南北极海冰时空变化分析及信息系统构建", 《中国优秀硕士学位论文全文数据库基础科学辑》 * |
杨国金: "《海冰工程学》", 31 December 2000 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113360849A (zh) * | 2021-06-07 | 2021-09-07 | 上海工程技术大学 | 一种基于ICESat-2数据的海冰密集度估算方法及系统 |
CN113360849B (zh) * | 2021-06-07 | 2022-03-18 | 上海工程技术大学 | 一种基于ICESat-2数据的海冰密集度估算方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | Regional differences of China’s urban expansion from late 20th to early 21st century based on remote sensing information | |
CN113327042B (zh) | 一种区域生态系统修复需求的快速划分方法 | |
CN103093484B (zh) | 一种遥感影像与矢量数据一体化批量制图的方法 | |
CN108416279A (zh) | 文档图像中的表格解析方法及装置 | |
Acharya et al. | A parallel and memory efficient algorithm for constructing the contour tree | |
CN102521624B (zh) | 一种土地利用类型分类的方法和系统 | |
CN103854068A (zh) | 一种居民小区短期负荷预测方法 | |
CN110427989A (zh) | 汉字骨架自动合成方法及大规模中文字库自动生成方法 | |
CN107392133A (zh) | 利用面向对象多源信息融合的荒漠植物遥感识别方法 | |
CN105184224A (zh) | 一种东北地区水田分类与信息提取系统及方法 | |
CN106777302A (zh) | 空间地理坐标的转换方法及装置 | |
CN110908710A (zh) | 一种Web前端代码依赖关系可视化方法 | |
CN108509631B (zh) | 一种基于刺绣纹饰的图形特征识别和再设计方法 | |
CN108509527A (zh) | 一种面向idl语言的海冰密集度变化趋势求算算法 | |
CN103500469B (zh) | 一种城市绿化建模方法 | |
Shen et al. | YOLOv5-Based Model Integrating Separable Convolutions for Detection of Wheat Head Images | |
Li et al. | Parametric technology is used for the design of weaving products | |
CN116824371A (zh) | 生态保护红线植被异常快速监测方法和装置 | |
CN112527442B (zh) | 一种环境数据多维显示方法、装置、介质及终端设备 | |
CN116416136A (zh) | 可见光遥感图像舰船目标检测的数据扩增方法、电子设备 | |
CN115983478A (zh) | 分布式光伏发电功率预测分析方法、系统、终端及介质 | |
CN104346533B (zh) | 一种蒙特卡罗粒子输运模拟中核截面数据处理优化方法 | |
CN111047221B (zh) | 区域水资源生态安全评价的建模方法 | |
CN114399200A (zh) | 一种用于园林植物环境监测的生态评价系统 | |
Kumari et al. | Application of DSO algorithm for estimating the parameters of triple diode model-based solar PV system |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180907 |
|
RJ01 | Rejection of invention patent application after publication |