CN110033187B - 一种基于环境数据的指标数据获取方法 - Google Patents
一种基于环境数据的指标数据获取方法 Download PDFInfo
- Publication number
- CN110033187B CN110033187B CN201910288559.1A CN201910288559A CN110033187B CN 110033187 B CN110033187 B CN 110033187B CN 201910288559 A CN201910288559 A CN 201910288559A CN 110033187 B CN110033187 B CN 110033187B
- Authority
- CN
- China
- Prior art keywords
- target area
- model
- ecosystem
- data
- index data
- 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
Links
- 230000007613 environmental effect Effects 0.000 title claims abstract description 82
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000004088 simulation Methods 0.000 claims abstract description 31
- 238000004519 manufacturing process Methods 0.000 claims abstract description 13
- 230000035945 sensitivity Effects 0.000 claims description 34
- 238000010206 sensitivity analysis Methods 0.000 claims description 34
- 238000011156 evaluation Methods 0.000 claims description 13
- 238000007781 pre-processing Methods 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 4
- 230000009469 supplementation Effects 0.000 claims description 4
- 238000003860 storage Methods 0.000 claims description 3
- 230000000875 corresponding effect Effects 0.000 description 14
- 239000013589 supplement Substances 0.000 description 3
- 238000009395 breeding Methods 0.000 description 2
- 230000001488 breeding effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000004177 carbon cycle Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- GVVPGTZRZFNKDS-JXMROGBWSA-N geranyl diphosphate Chemical compound CC(C)=CCC\C(C)=C\CO[P@](O)(=O)OP(O)(O)=O GVVPGTZRZFNKDS-JXMROGBWSA-N 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 239000005416 organic matter Substances 0.000 description 2
- 239000002689 soil Substances 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 241001464837 Viridiplantae Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 230000001651 autotrophic effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 244000059217 heterotrophic organism Species 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 238000009400 out breeding Methods 0.000 description 1
- 230000000243 photosynthetic effect Effects 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于环境数据的指标数据获取方法，所述方法包括如下步骤：获取客户端用户发送的目标区域指标数据获取请求；将模拟得到的指标数据和参考信息发送给用户。本发明适用于为用户关心的目标区域进行基于目标区域的广泛目标区域的生态系统模型选择，从而获取具有科学指导意义以及目标针对性的生态系统模型，然后有针对性的进行目标区域模型模拟，从而获取有价值的指标数据用于生产指导；能够将和指导数据相关的参考信息推送给用户，从而使得大大的提高了对用户的指导效率，提高了用户体验。
Description
【技术领域】
本发明属于环境数据处理领域，尤其涉及一种基于环境数据的指标数据获取方法。
【背景技术】
全球变化与陆地生态系统碳循环是当前全球变化研究的重要内容。随着全球气候变化的加剧，近年来，世界范围内的干旱灾害发生频率和影响面积不断增加。例如：IPCC在其系列评估报告中指出，在干旱和半干旱区域，未来干旱风险有不断增强的趋势。干旱是指由水分收支或供求不平衡所形成的水分短缺现象。当其危及人群的生命财产和生存条件时，就成为干旱灾害。草地生态系统是干旱影响的主要承灾体，严重的干旱灾害造成草地生产力显著下降。传统的干旱监测局限于利用分布在地面比较稀疏点上的土壤含水量数据来监测旱情及分布范围。大多数研究关注全球变化对陆地生态系统碳循环的影响，未剥离干旱与其他气候因子(如温度和降水)对生态系统的交互影响，而系统地研究单一干旱因子对草地生产力的净影响未受到足够重视。如何科学评估环境数据对指标数据造成的影响是比较棘手的问题。例如：对于养殖业主来说，如何评估前期的干旱对地生态系统生产力造成的影响，从而获取有价值的指导值用于进行后期的养殖指导是比较棘手的问题。基于上述诸多问题，现在亟需一种新的基于环境数据的指标数据获取方法，本发明适用于为用户关心的目标区域进行基于目标区域的广泛目标区域的生态系统模型选择，从而获取具有科学指导意义以及目标针对性的生态系统模型，然后有针对性的进行目标区域模型模拟，从而获取有价值的指标数据用于生产指导；能够将和指导数据相关的参考信息推送给用户，从而使得大大的提高了对用户的指导效率，提高了用户体验。
【发明内容】
为了解决现有技术中的上述问题，本发明提出了一种基于环境数据的指标数据获取方法，所述方法包含如下步骤：
步骤S1：获取客户端用户发送的目标区域指标数据获取请求；
步骤S2：基于目标区域获取宽泛目标区域；
步骤S3:通过敏感性分析和适用性分析针对宽泛目标区域进行生态系统模型的选择；
步骤S4：获取所选择的生态系统模型所需的目标区域的环境数据；进行环境数据的预处理，将经过预处理的环境数据作为环境参数；
步骤S5：基于所选择的生态系统模型进行目标区域的模拟以获取指标数据；
步骤S6：将模拟得到的指标数据和参考信息发送给用户。
进一步的，所述步骤S1具体为：客户端用户在需要进行生产指导时，向指标服务器发送指标数据获取请求，所述指标数据获取请求中包含目标区域的标识；对所述目标区域的大小进行判断，当所述目标区域大于上限区域阈值时，则向用户反馈“目标区域过大，无法完成指导”并等待用户重新输入目标区域；否则，如果目标区域小于下限区域阈值时，则查找所述目标区域所属的上级区域作为目标区域；如果目标区域位于上限区域阈值和下限区域阈值之间，则直接进入下一步。
进一步的，所述步骤S3具体为：对于生态系统模型集合中的每个生态系统模型获取针对所述生态系统模型的样本数据集合，基于所述样本数据集合依次对生态系统模型集合中的生态系统模型进行敏感性分析，将通过敏感性分析的生态系统模型放入第一目标模型集合中；依次对第一目标模型集合中的生态系统模型进行模型适用性评价，将通过模型适用性评价的生态系统模型放入第二目标模型集合；在第二目标模型集合中选择权重最高的生态系统模型作为所选择的生态系统模型。
进一步的，所述步骤S4具体为：根据环境数据的类型从和所述类型对应的远程站点获取环境数据；进行所述获取的环境数据的用户补充，对经过补充的环境数据进行预处理，将经过预处理的环境数据按照数据类型追加、和/或更新保存在和所述数据类型对应的本地存储空间中。
进一步的，所述步骤S5具体为：获取目标区域的属性信息和环境参数进行生态系统模型的初始化文件的设置；进行生态系统模型的预热以使得生态系统模型的状态达到稳定状态；输入模拟时间，基于所获取的目标区域的环境参数进行模拟以获取模拟时间内的指标数据。
进一步的，所述步骤S6具体为：基于指标数据值查找和所述指标数据值对应的指标数据区间以及所述指标数据区间对应的参考信息；获取针对所述目标区域和/或宽泛目标区域的所述指标数据的历史数据值，将所述历史数据值追加在参考信息中，并将所述指标数据和参考信息发送给用户。
进一步的，所述步骤S2具体为：如果目标区域小于上限区域阈值，则查找所述目标区域所属的上级区域作为宽泛目标区域。
进一步的，所述对生态系统模型集合中的生态系统模型进行敏感性分析，具体为：对于生态系统模型中的所有待输入环境参数，依次获取一环境参数x，并通过生态系统模型计算输出变量y，通过下式计算所述获取的环境参数的敏感系数SI；如果所有待输入环境参数的敏感系数均介于第一敏感阈值和第二敏感阈值之间，则所述生态系统模型通过敏感性分析；否则，未通过敏感性分析；
其中：x和y分别表示生态系统模型的输入和输出变量，Δx和Δy分别表示生态系统模型输入和输出变量的变化量。
进一步的，可替换的：所述对生态系统模型集合中的生态系统模型进行敏感性分析，具体为：对于生态系统模型中的所有待输入环境参数，依次获取一环境参数x作为输入变量，并通过生态系统模型计算输出变量y，获取敏感性分析步数STEP，设置第i步SPi中输入变量xi的变化量Δxi，通过式(2)计算所述第i步SPi的敏感系数SIi；并通过式(3)计算环境参数x的敏感系数SI；如果所有待输入环境参数的敏感系数均介于第一敏感阈值和第二敏感阈值之间，则所述生态系统模型通过敏感性分析；否则，未通过敏感性分析；
其中：x和y分别表示生态系统模型的输入和输出变量，Δx和Δy分别表示生态系统模型输入和输出变量的变化量；所述敏感性分析步数STEP为预设值；将整体变化量分成STEP份。
进一步的，所述对第一目标模型集合中的生态系统模型进行模型适用性评价，具体为：通过对生态系统模型模拟得出的模拟参数值进行评估来确定第一目标集合中的生态系统模型对所述宽泛目标区域的指标数据进行模拟的适用性，如果适用性高，则通过适用性评价，反之则未通过。
本发明的有益效果包括：适用于为用户关心的目标区域进行基于目标区域的广泛目标区域的生态系统模型选择，从而获取具有科学指导意义以及目标针对性的生态系统模型，然后有针对性的进行目标区域模型模拟，从而获取有价值的指标数据用于生产指导；能够将和指导数据相关的参考信息推送给用户，从而使得大大的提高了对用户的指导效率，提高了用户体验。本发明中，用户仅仅需要提交目标区域的描述就能够得到针对所述目标区域的指导数据用于生产指导；在用户提供补充环境数据后，可以得到关于该目标区域的有针对性的指导数据，从而能够提搞生产效率。
【附图说明】
此处所说明的附图是用来提供对本发明的进一步理解，构成本申请的一部分，但并不构成对本发明的不当限定，在附图中：
图1是本发明的基于环境数据的指标数据获取方法的流程图。
【具体实施方式】
下面将结合附图以及具体实施例来详细说明本发明，其中的示意性实施例以及说明仅用来解释本发明，但并不作为对本发明的限定。
很多生产活动效率的高低均和环境数据相关，例如：养殖、种植等；用户需要根据环境数据进行生产指导。例如：干旱体现为复杂环境数据就很难用于进行用户指导。由于干旱的复杂性与差异性，客观判断和评估干旱事件的时空分布特征至关重要，如干旱的持续时间、发生频率、强度变异。干旱事件是一个多元的事件，其持续时间、强度、等级是相互关联的。而作为常见的指导数据：GPP和NPP就可以用于进行生产和养殖的指导。如何对用户进行简单有效的指导是重要的问题。GPP指在单位时间单位面积上植物生产的全部有机物，包括同一期间植物的自养呼吸，又称总第一性生产力，决定了进入陆地生态系统的初始物质和能量。NPP指植被所固定的有机物中扣除自身呼吸消耗的部分，即绿色植物在单位时间和空间内所净积累的干物质，这部分用于植被的生长和生殖又称净第一性生产力，反映了植物固定和转化光合产物的效率，也决定了可供异养生物利用的物质和能量。净初级生产力还反映了植物群落在自然条件下的生产能力，是一个估算地球承载力和评价陆地生态系统可持续发展的一个重要生态指标。
对本发明所应用的一种基于环境数据的指标数据获取方法进行详细说明，所述方法包含如下步骤：
步骤S1：获取客户端用户发送的目标区域指标数据获取请求；具体的：客户端用户在需要进行生产指导时，向指标服务器发送指标数据获取请求，所述指标数据获取请求中包含目标区域的标识；对所述目标区域的大小进行判断，当所述目标区域大于上限区域阈值时，则向用户反馈“目标区域过大，无法完成指导”并等待用户重新输入目标区域；否则，如果目标区域小于下限区域阈值时，则查找所述目标区域所属的上级区域作为目标区域；如果目标区域位于上限区域阈值和下限区域阈值之间，则直接进入下一步；
优选的；所述客户端为手机、移动终端、笔记本电脑等；
优选的：客户端和指标服务器之间通过有线或者无线方式通信连接；
优选的：所述目标区域的大小基于区域范围尺寸大小；
优选的：所述目标区域的标识为目标区域的管辖名称(例如：××市××乡)或目标区域的地理位置坐标；
优选的：所述目标区域的大小基于区域的管辖设置；例如：省的大小大于市等；例如：下限区域阈值设置为乡等；上限区域阈值设置为省(区)；
优选的：上限区域阈值和下限区域阈值均为指标服务器的权限用户设置；权限用户根据指标服务器的计算能力进行所述阈值的调整；
步骤S2：基于目标区域获取宽泛目标区域；具体的：如果目标区域小于上限区域阈值，则查找所述目标区域所属的上级区域作为宽泛目标区域；
考虑到针对目标区域的精确有效数据量可能不足够，以及由于目标区域本身的差异性过大导致后续模型的缺乏科学性以及过于定制化，因此，有必要针对目标区域进行放大性放松；
步骤S3：通过敏感性分析和适用性分析针对宽泛目标区域进行生态系统模型的选择；具体的：对于生态系统模型集合中的每个生态系统模型获取针对所述生态系统模型的样本数据集合，基于所述样本数据集合依次对生态系统模型集合中的生态系统模型进行敏感性分析，将通过敏感性分析的生态系统模型放入第一目标模型集合中；依次对第一目标模型集合中的生态系统模型进行模型适用性评价，将通过模型适用性评价的生态系统模型放入第二目标模型集合；在第二目标模型集合中选择权重最高的生态系统模型作为所选择的生态系统模型；
优选的：基于指标数据请求中指标数据类型选择和所述类型对应的生态系统模型集合；指标服务器中关联的保存每种指标数据类型及其对应的生态系统模型集合；
优选的：当第二目标模型集合为空时，设置默认的生态系统模型作为所选择的生态系统模型；
所述获取针对所述生态系统模型的样本数据集合，具体为：针对生态系统模型获取所述宽泛目标区域的对应的历史环境数据作为样本数据；
所述针对生态系统模型获取所述宽泛目标区域的对应的历史环境数据作为样本数据，具体为：当本地保存的历史数据量大于数据量阈值时，直接从本地获取历史数据作为样本数据，否则，基于生态系统模型中所需的数据类型分别从远程站点获取历史数据作为本地数据的补充以使得本地数据的数据量大于数据量阈值，并从经过补充的本地数据中获取样本数据；
考虑到不同数据类型保存在不同站点中，因此需要根据数据类型进行样本数据的获取；例如：对于气象数据从中国气象科学数据共享服务网获取；
优选的：将从远程站点获取的历史数据进行预处理后保存在本地，并对所获取的数据和数据类型关联存储；将和同一数据类型相关的数据保存在单独的表格中，并对数据表格中的关键参数加索引；当需要获取针对一生态系统模型的样本数据时，基于所述数据类型标识，从本地获取所需数据；
例如；所述针对草地生产力的生态系统模型包括Biome-BGC模型等；Biome-BGC模型的输入参数包括气象数据、站点参数和生理生态参数等；
敏感性分析为对于一生态系统模型，当其他条件不变下，通过改变一个参数的取值，来辨析该参数对模拟结果的影响程度，即识别参数敏感性的相对高低；
所述对生态系统模型集合中的生态系统模型进行敏感性分析，具体为：对于生态系统模型中的所有待输入环境参数，依次获取一环境参数x，并通过生态系统模型计算输出变量y(例如：NPP)，通过下式计算所述获取的环境参数的敏感系数SI；如果所有待输入环境参数的敏感系数均介于第一敏感阈值和第二敏感阈值之间，则所述生态系统模型通过敏感性分析；否则，未通过敏感性分析；
其中：x和y分别表示生态系统模型的输入和输出变量，Δx和Δy分别表示生态系统模型输入和输出变量的变化量；SI值越高表示敏感性越高，越低表示敏感性越低；
优选的：设置输入变量在基准值上变化±10％作为变化量；所述基准值为权限用户根据经验值设置；
优选的：第一敏感阈值等于0.1，第二敏感阈值等于0.2；
可替换的：所述对生态系统模型集合中的生态系统模型进行敏感性分析，具体为：对于生态系统模型中的所有待输入环境参数，依次获取一环境参数x作为输入变量，并通过生态系统模型计算输出变量y，获取敏感性分析步数STEP，设置第i步SPi中输入变量xi的变化量Δxi，通过式(2)计算所述第i步SPi的敏感系数SIi；并通过式(3)计算环境参数x的敏感系数SI；如果所有待输入环境参数的敏感系数均介于第一敏感阈值和第二敏感阈值之间，则所述生态系统模型通过敏感性分析；否则，未通过敏感性分析；
优选的；所述敏感性分析步数STEP为预设值；将整体变化量分成STEP份，分别计算敏感系数后进行加和，从而提高敏感性计算的粒度进而提高准确性；
优选的：所述权重根据生态系统模型的历史使用频次设置；每当生态系统模型被选择一次，则其使用频次增加1；
所述对第一目标模型集合中的生态系统模型进行模型适用性评价，具体为：通过对生态系统模型模拟得出的模拟参数值进行评估来确定第一目标集合中的生态系统模型对所述宽泛目标区域的指标数据进行模拟的适用性，如果适用性高，则通过适用性评价，反之则未通过；
具体的：针对生态系统模型选取样本集合，对样本集合中的关键环境参数采用生态系统模型进行模拟以获取模拟参数值；对环境参数的模拟参数值和实测参数值采用式(4)进行线性回归分析，并采用式(5)求取均方根误差RSME；如果所有均方根误差RSME小于等于误差阈值，且模拟斜率大于等于斜率阈值，则所述生态系统模型的适用性评价通过；
Cs＝bCo+a 式(4)
式中，Cs表示模拟参数值，Co表示实测参数值，b表示模拟斜率，a表示截距；N表示样本个数；
优选的：误差阈值等于0.1，斜率阈值等于0.75；
步骤S4：获取所述所选择的生态系统模型所需的目标区域的环境数据；进行环境数据的预处理，将经过预处理的环境数据作为环境参数；具体的：根据环境数据的类型从和所述类型对应的远程站点获取环境数据；进行所述获取的环境数据的用户补充，对经过补充的环境数据进行预处理，将经过预处理的环境数据按照数据类型追加、和/或更新保存在和所述数据类型对应的本地存储空间中；
所述进行所述获取的环境数据的用户补充，具体为：基于用户提交的补充环境数据或者从用户请求中指示的补充站点获取环境数据以进行环境数据的用户补充；
由于和类型对应的远程站点的数据量一般准确性较高标准化程度较高，但是站点设计不够密集，而针对用户关心的较小的目标区域，用户往往知晓更加详细的环境数据，或者用户能够提供详细环境数据所在补充站点标识，通过用户补充能够针对目标区域进行更加有针对性的模拟和计算，从而获取更加有指导意义有针对性的指标数据；
例如：生态系统模型所需要的环境数据包括：气象数据、土壤数据、植被类型数据、通量观测数据等；对于气象数据从中国气象科学数据共享服务网获取；在对气象数据进行预处理后，将气象数据单独的存放在和所述气象数据对应的数据表格中；
所述进行环境数据的预处理，具体为：删除明显异常数据、对数据进行连续性情况检查，删除不完整或缺测比较严重的环境数据、进行数据格式的一致性转换；
步骤S5：基于所选择的生态系统模型进行目标区域的模拟以获取指标数据；具体的：获取目标区域的属性信息、环境参数进行生态系统模型的初始化文件的设置；进行生态系统模型的预热以使得生态系统模型的状态达到稳定状态；输入模拟时间，基于所获取的目标区域的环境参数进行模拟以获取模拟时间内的指标数据；
例如：所述指标数据为草地生产力NPP；
步骤S6：将模拟得到的指标数据和参考信息发送给用户；具体的：基于指标数据值查找和所述指标数据值对应的指标数据区间以及所述指标数据区间对应的参考信息；获取针对所述目标区域和/或宽泛目标区域的所述指标数据的历史数据值，将所述历史数据值追加在参考信息中，并将所述指标数据和参考信息发送给用户；
用户能够基于所述指标数据以及参考信息进行指导性的生产工作；
以上所述仅是本发明的较佳实施方式，故凡依本发明专利申请范围所述的构造、特征及原理所做的等效变化或修饰，均包括于本发明专利申请范围内。
Claims (10)
1.一种基于环境数据的指标数据获取方法，其特征在于，所述方法包含如下步骤：
步骤S1：获取客户端用户发送的目标区域指标数据获取请求；
步骤S2：基于目标区域获取宽泛目标区域；
步骤S3:通过敏感性分析和适用性分析针对宽泛目标区域进行生态系统模型的选择；
步骤S4：获取所选择的生态系统模型所需的目标区域的环境数据；进行环境数据的预处理，将经过预处理的环境数据作为环境参数；
步骤S5：基于所选择的生态系统模型进行目标区域的模拟以获取指标数据；
步骤S6：将模拟得到的指标数据和参考信息发送给用户。
2.根据权利要求1所述的基于环境数据的指标数据获取方法，其特征在于，所述步骤S1具体为：客户端用户在需要进行生产指导时，向指标服务器发送指标数据获取请求，所述指标数据获取请求中包含目标区域的标识；对所述目标区域的大小进行判断，当所述目标区域大于上限区域阈值时，则向用户反馈“目标区域过大，无法完成指导”并等待用户重新输入目标区域；否则，如果目标区域小于下限区域阈值时，则查找所述目标区域所属的上级区域作为目标区域；如果目标区域位于上限区域阈值和下限区域阈值之间，则直接进入下一步。
3.根据权利要求2所述的基于环境数据的指标数据获取方法，其特征在于，所述步骤S3具体为：对于生态系统模型集合中的每个生态系统模型获取针对所述生态系统模型的样本数据集合，基于所述样本数据集合依次对生态系统模型集合中的生态系统模型进行敏感性分析，将通过敏感性分析的生态系统模型放入第一目标模型集合中；依次对第一目标模型集合中的生态系统模型进行模型适用性评价，将通过模型适用性评价的生态系统模型放入第二目标模型集合；在第二目标模型集合中选择权重最高的生态系统模型作为所选择的生态系统模型。
4.根据权利要求3所述的基于环境数据的指标数据获取方法，其特征在于，所述步骤S4具体为：根据环境数据的类型从和所述类型对应的远程站点获取环境数据；进行所述获取的环境数据的用户补充，对经过补充的环境数据进行预处理，将经过预处理的环境数据按照数据类型追加、和/或更新保存在和所述数据类型对应的本地存储空间中。
5.根据权利要求4所述的基于环境数据的指标数据获取方法，其特征在于，所述步骤S5具体为：获取目标区域的属性信息和环境参数进行生态系统模型的初始化文件的设置；进行生态系统模型的预热以使得生态系统模型的状态达到稳定状态；输入模拟时间，基于所获取的目标区域的环境参数进行模拟以获取模拟时间内的指标数据。
6.根据权利要求5所述的基于环境数据的指标数据获取方法，其特征在于，所述步骤S6具体为：基于指标数据值查找和所述指标数据值对应的指标数据区间以及所述指标数据区间对应的参考信息；获取针对所述目标区域和/或宽泛目标区域的所述指标数据的历史数据值，将所述历史数据值追加在参考信息中，并将所述指标数据和参考信息发送给用户。
7.根据权利要求6所述的基于环境数据的指标数据获取方法，其特征在于，所述步骤S2具体为：如果目标区域小于上限区域阈值，则查找所述目标区域所属的上级区域作为宽泛目标区域。
8.根据权利要求7所述的基于环境数据的指标数据获取方法，其特征在于，所述对生态系统模型集合中的生态系统模型进行敏感性分析，具体为：对于生态系统模型中的所有待输入环境参数，依次获取一环境参数x，并通过生态系统模型计算输出变量y，通过下式计算所述获取的环境参数的敏感系数SI；如果所有待输入环境参数的敏感系数均介于第一敏感阈值和第二敏感阈值之间，则所述生态系统模型通过敏感性分析；否则，未通过敏感性分析；
其中：x和y分别表示生态系统模型的输入和输出变量，Δx和Δy分别表示生态系统模型输入和输出变量的变化量。
9.根据权利要求8所述的基于环境数据的指标数据获取方法，其特征在于，可替换的：所述对生态系统模型集合中的生态系统模型进行敏感性分析，具体为：对于生态系统模型中的所有待输入环境参数，依次获取一环境参数x作为输入变量，并通过生态系统模型计算输出变量y，获取敏感性分析步数STEP，设置第i步SPi中输入变量xi的变化量Δxi，通过式(2)计算所述第i步SPi的敏感系数SIi；并通过式(3)计算环境参数x的敏感系数SI；如果所有待输入环境参数的敏感系数均介于第一敏感阈值和第二敏感阈值之间，则所述生态系统模型通过敏感性分析；否则，未通过敏感性分析；
其中：x和y分别表示生态系统模型的输入和输出变量，Δx和Δy分别表示生态系统模型输入和输出变量的变化量；所述敏感性分析步数STEP为预设值；将整体变化量分成STEP份。
10.根据权利要求9所述的基于环境数据的指标数据获取方法，其特征在于，所述对第一目标模型集合中的生态系统模型进行模型适用性评价，具体为：通过对生态系统模型模拟得出的模拟参数值进行评估来确定第一目标集合中的生态系统模型对所述宽泛目标区域的指标数据进行模拟的适用性，如果适用性高，则通过适用性评价，反之则未通过。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910288559.1A CN110033187B (zh) | 2019-04-11 | 2019-04-11 | 一种基于环境数据的指标数据获取方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910288559.1A CN110033187B (zh) | 2019-04-11 | 2019-04-11 | 一种基于环境数据的指标数据获取方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110033187A CN110033187A (zh) | 2019-07-19 |
| CN110033187B true CN110033187B (zh) | 2021-06-29 |
Family
ID=67238046
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910288559.1A Active CN110033187B (zh) | 2019-04-11 | 2019-04-11 | 一种基于环境数据的指标数据获取方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110033187B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111047221B (zh) * | 2019-12-30 | 2023-09-12 | 武汉理工大学 | 区域水资源生态安全评价的建模方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102270325A (zh) * | 2011-07-12 | 2011-12-07 | 北京师范大学 | 一种区域环境风险受体脆弱性评价方法 |
| WO2018138648A1 (en) * | 2017-01-24 | 2018-08-02 | Gamaya Sa | Method and apparatus for recording, processing, visualisation and application of agronomical data |
| CN109214072A (zh) * | 2018-08-24 | 2019-01-15 | 北京师范大学 | 一种水文模型参数移植方法 |
-
2019
- 2019-04-11 CN CN201910288559.1A patent/CN110033187B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102270325A (zh) * | 2011-07-12 | 2011-12-07 | 北京师范大学 | 一种区域环境风险受体脆弱性评价方法 |
| WO2018138648A1 (en) * | 2017-01-24 | 2018-08-02 | Gamaya Sa | Method and apparatus for recording, processing, visualisation and application of agronomical data |
| CN109214072A (zh) * | 2018-08-24 | 2019-01-15 | 北京师范大学 | 一种水文模型参数移植方法 |
Non-Patent Citations (2)
| Title |
|---|
| MONITORING SEASONAL CHANGES IN THE WATER SURFACE AREAS OF POYANG LAKE USING COSMO-SKYMED TIME SERIES DATA IN PR CHINA;Sun Yayong等;《Institute of Electrical and Electronics Engineers》;20161103;第7180-7183页 * |
| 干旱对草地生产力影响的定量评估研究;雷添杰;《测绘学报》;20170131;第46卷(第1期);第134页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110033187A (zh) | 2019-07-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Pérez‐Ramos et al. | Evidence for a ‘plant community economics spectrum’driven by nutrient and water limitations in a Mediterranean rangeland of southern France | |
| Grigera et al. | Monitoring forage production for farmers’ decision making | |
| Kucharik | Evaluation of a process-based agro-ecosystem model (Agro-IBIS) across the US Corn Belt: Simulations of the interannual variability in maize yield | |
| Luo et al. | Patterns of plant biomass allocation in temperate grasslands across a 2500-km transect in northern China | |
| Sawadogo et al. | Allometric prediction of above-ground biomass of eleven woody tree species in the Sudanian savanna-woodland of West Africa | |
| Trugman et al. | Leveraging plant hydraulics to yield predictive and dynamic plant leaf allocation in vegetation models with climate change | |
| Wang et al. | An auto-calibration tool for the Agricultural Policy Environmental eXtender (APEX) model | |
| Waongo et al. | A crop model and fuzzy rule based approach for optimizing maize planting dates in Burkina Faso, West Africa | |
| Deen et al. | An evaluation of four crop: weed competition models using a common data set | |
| Francesconi et al. | Monitoring and APEX modeling of no-till and reduced-till in tile-drained agricultural landscapes for water quality | |
| Zhang et al. | Biogeographical patterns of forest biomass allocation vary by climate, soil and forest characteristics in China | |
| CN114190264A (zh) | 一种精准灌溉方案确定方法、系统及终端设备 | |
| CN113849763A (zh) | 冬小麦-夏玉米干旱灾害风险评估方法、存储介质及终端 | |
| CN108205718B (zh) | 一种粮食作物抽样测产方法及系统 | |
| CN114088916A (zh) | 一种用于碳汇农业的增加土壤碳储备的方法 | |
| CN116401882A (zh) | 基于多因子胁迫的地表臭氧对冬小麦产量影响评估方法 | |
| Kisekka et al. | Crop modeling applications in agricultural water management | |
| CN101427655A (zh) | 甘蔗家系综合评价方法 | |
| CN110033187B (zh) | 一种基于环境数据的指标数据获取方法 | |
| Fei et al. | Factors driving the biomass and species richness of desert plants in northern Xinjiang China | |
| Stevens et al. | The range, distribution and implementation of irrigation scheduling models and methods in South Africa | |
| Wang et al. | Mapping the vertical distribution of maize roots in China in relation to climate and soil texture | |
| Amin et al. | Evaluation of the performance of SWAT model to simulate stream flow of Mojo river watershed: in the upper Awash River basin, in Ethiopia | |
| Confalonieri et al. | An integrated procedure to evaluate hydrological models | |
| CN108510182A (zh) | 一种天然异龄林年龄测计方法 |
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 |
Inventor after: Qin Jing Inventor after: Lei Tianjie Inventor after: Feng Jie Inventor after: Zhao Lingyun Inventor after: Gong Adu Inventor after: Chang Qingrui Inventor after: Wan Jinhong Inventor before: Qin Jing Inventor before: Li Yang Inventor before: Wang Jiabao Inventor before: Huang Jintao Inventor before: Yuan Man Inventor before: Li Xiangyu Inventor before: Lu Wei Inventor before: Zhao Lingyun Inventor before: Wang Yang Inventor before: Liu Zhongwei Inventor before: Wan Jinhong Inventor before: Lei Tianjie Inventor before: Feng Jie Inventor before: Chang Qingrui Inventor before: Zhang Ju Inventor before: Li Shican Inventor before: Cheng Hui Inventor before: Gong Adu Inventor before: Li Aili |
|
| CB03 | Change of inventor or designer information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |