CN111489092A - 一种植物栽培种植环境适生区的评估方法及系统 - Google Patents

Abstract

本发明涉及一种植物栽培种植环境适生区的评估方法及系统。该评估方法包括获取地理环境因子的栅格化地图大数据集合、典型样本图斑以及不同像元尺度的栅格地图；生成多个多变量样本地图子集合；对多变量样本地图子集合进行筛选，确定一组独立变量；根据多变量样本地图子集合以及独立变量构造多个拟高斯函数；根据拟高斯函数构造取值0～1的线性可加函数；根据全域地图变量以及线性可加函数确定栽培种植的适生性概率分布图；将适生性概率分布图与数字地形模型进行融合，确定栽培种植的立体化适生性概率分布图；根据立体化适生性概率分布图对植物栽培种植环境适生区进行评估。采用该评估方法及系统能够提高植物栽培种植环境适生区的评估准确率。

Description

一种植物栽培种植环境适生区的评估方法及系统

技术领域

本发明涉及植物栽培种植环境适生性评估领域，特别是涉及一种植物栽培种植环境适生区的评估方法及系统。

背景技术

农林作物，经济林果，城市绿化和园林园艺植物，生态修复治理使用的植物，植树造林造草使用的植物等，一般都需要遵循“适地适种(农业术语，把农作物品种栽培种植在地理环境适宜的地方，以满足高产高质的农业产出)、适地适树(林业及园林绿化领域的术语，把林木、经济林果、绿化美化植物，栽培种植在地理环境适宜的地方，以满足高产高质产出、或植物不受低温、高温、病虫害等的影响)”的栽培种植规律，如果某种植物被栽培种植在不适合的地理区域，轻者将会造成农林作物或植物生长发育不良(即能成活但发育不正常，或产量、质量无法达到正常标准)，重者将会造成绝收或植株死亡(如土壤酸碱性不适合、低温或高温不耐受等，造成植物死亡)，所以，研究和开发科学、快速、简易评估技术及计算机系统，对植物的种类、种、品种的地理环境适生区进行评价(适生区，指的是适合植物正常生活的地理区域)，并利用地图表达物种在山头地块上适生性概率(即在环境有差异的微地理空间单元上，将植物适生到不适生的可能性，表达为1到0的数值，本文简称为拟概率值或概率值)，在生产实践中有重大的应用需求，对农林业发展、城市城镇绿化、生态修复治理等，具有重要支撑作用。

由于环境变量在地理空间上是连续变化的，如地表的月均温、季度积温、月均空气湿度、年降水等，其总是随着海拔、坡向、坡度、坡位的变化而不断变化。而现有的植物栽培种植环境适生区的评估技术往往难以精准描述表达这种连续变化，只能用行政单元或地理区划单元上的平均值，来粗略化地估算作物栽培种植的适应性，且一个行政区或地理区划单元只有一个值，取值往往是适应或不适应，从而导致了植物栽培种植环境适生区的评估准确率低的问题。

发明内容

本发明的目的是提供一种植物栽培种植环境适生区的评估方法及系统，以解决现有的植物栽培种植环境适生区的评估技术评估准确率低的问题。

为实现上述目的，本发明提供了如下方案：

一种植物栽培种植环境适生区的评估方法，包括：

获取地理环境因子的栅格化地图大数据集合、典型样本图斑以及不同像元尺度的栅格地图；所述栅格化地图大数据集合包括多张栅格地图，一个地理环境因子与一张栅格地图相对应；所述典型样本图斑为大面积地图上的任一小块区域；所述不同像元尺度的栅格地图，指的是利用全域地图变量，派生出的像元尺度不同于原图像的新图像；

利用所述典型样本图斑切割所述栅格化地图大数据集合，并生成多个多变量样本地图子集合；

对所述多变量样本地图子集合进行筛选，确定一组独立变量；所述的多变量样本地图子集合对应多个所述独立变量；

根据所述多变量样本地图子集合以及所述独立变量构造多个拟高斯函数；

根据所述拟高斯函数构造取值0～1的线性可加函数；

根据所述全域地图变量以及所述线性可加函数确定栽培种植的适生性概率分布图；

将所述适生性概率分布图与数字地形模型进行融合，确定栽培种植的立体化适生性概率分布图；

根据所述立体化适生性概率分布图对植物栽培种植环境适生区进行评估，依据概率用颜色色标显示分布图，不同颜色表示不同的适生性。

可选的，所述利用所述典型样本图斑切割所述栅格化地图大数据集合，并生成多个多变量样本地图子集合，具体包括：

基于地理信息系统GIS或遥感图像处理技术，利用所述典型样本图斑对所述栅格化地图大数据集合进行常规化的地图切割处理，确定切割后的样本地图子集合；

依据影响植物栽培种植的学科专业知识，对所述切割后的样本地图子集合的地理环境因子进行初筛，生成多个多变量样本地图子集合。

可选的，所述对所述多变量样本地图子集合进行筛选，确定一组独立变量，具体包括：

以所述多变量样本地图子集合为基础，确定变量之间的相关系数；

剔除所述相关系数高于相关系数阈值的变量，确定一组独立变量。

可选的，所述根据所述多变量样本地图子集合以及所述独立变量构造多个拟高斯函数，具体包括：

根据公式f(x_i)＝exp{-(x_i-u_i)²/(2s_i ²)}构造拟高斯函数；其中，f(x_i)为拟高斯函数，x_i为独立变量，所述拟高斯函数的取值范围为0～1，最大值在x_i＝u_i处；exp()为以e为底的指数函数；u_i为所述多变量样本地图子集合内包含的所有像元的样本均值；s_i为所述多变量样本地图子集合内包含的所有像元的标准差。

可选的，所述根据所述全域地图变量以及所述线性可加函数确定栽培种植的适生性概率分布图，之后还包括：

利用平滑滤波方法、众数滤波方法、图像收缩和膨胀填充方法或图像增强处理方法对所述适生性概率分布图进行处理，消除所述适生性概率分布图的噪音和孔洞。

可选的，所述将所述适生性概率分布图与数字地形模型进行融合，确定栽培种植的立体化适生性概率分布图，具体包括：

利用所述栅格化地图大数据集合生成数字地形模型；

利用GIS系统，根据所述数字地形模型生成山体阴影地图(即给人以立体地形地貌视觉感的地图)；

根据公式立体化适生性概率分布图＝ɑ×适生性概率分布图+(1-ɑ)×山体阴影地图，将所述适生性概率分布图与数字地形模型进行融合，确定栽培种植的立体化适生性概率分布图；ɑ为常数，ɑ的取值范围大于0小于1。

一种植物栽培种植环境适生区的评估系统，包括：

地图获取模块，用于获取地理环境因子的栅格化地图大数据集合、典型样本图斑以及不同像元尺度的栅格地图；所述栅格化地图大数据集合包括多张栅格地图，一个地理环境因子与一张栅格地图相对应；所述典型样本图斑为大面积地图上的任一小块区域；所述不同像元尺度的栅格地图，指的是利用全域地图变量，派生出的像元尺度不同于原图像的新图像。

多变量样本地图子集合生成模块，用于利用所述典型样本图斑切割所述栅格化地图大数据集合，并生成多个多变量样本地图子集合；

独立变量确定模块，用于对所述多变量样本地图子集合进行筛选，确定一组独立变量；所述多变量样本地图子集合对应多个所述独立变量；

拟高斯函数构造模块，用于根据所述多变量样本地图子集合以及所述独立变量构造多个拟高斯函数；

线性可加函数构造模块，用于根据所述拟高斯函数构造取值0～1的线性可加函数；

适生性概率分布图确定模块，用于根据所述全域地图变量以及所述线性可加函数确定栽培种植的适生性概率分布图；

立体化适生性概率分布图确定模块，用于将所述适生性概率分布图与数字地形模型进行融合，确定栽培种植的立体化适生性概率分布图；

评估模块，用于根据所述立体化适生性概率分布图对植物栽培种植环境适生区进行评估，依据概率用颜色色标显示分布图，不同颜色表示不同的适生性，用颜色表达是生概率。

可选的，所述多变量样本地图子集合生成模块具体包括：

切割单元，用于基于地理信息系统GIS或遥感图像处理技术，利用所述典型样本图斑对所述栅格化地图大数据集合进行常规化的地图切割处理，确定切割后的样本地图子集合；

多变量样本地图子集合生成单元，用于依据影响植物栽培种植的学科专业知识，对所述切割后的样本地图子集合的地理环境因子进行初筛，生成多个多变量样本地图子集合。

可选的，所述独立变量确定模块具体包括：

相关系数确定单元，用于以所述多变量样本地图子集合为基础，确定变量之间的相关系数；

独立变量确定单元，用于剔除所述相关系数高于相关系数阈值的变量，确定一组独立变量。

可选的，所述拟高斯函数构造模块具体包括：

拟高斯函数构造单元，用于根据公式f(x_i)＝exp{-(x_i-u_i)²/(2s_i ²)}构造拟高斯函数；其中，f(x_i)为拟高斯函数，x_i为独立变量，所述拟高斯函数的取值范围为0～1，最大值在x_i＝u_i处；exp()为以e为底的指数函数；u_i为所述多变量样本地图子集合内包含的所有像元的样本均值；s_i为所述多变量样本地图子集合内包含的所有像元的标准差。

根据本发明提供的具体实施例，本发明公开了以下技术效果：本发明提出了一种植物栽培种植环境适生区的评估方法及系统，以几十米的地理单元为最小评价单元，在构建和模拟空间上的连续环境变量的基础上，用定量化的多元函数和概率指标，来评估适生性，评价值是0到1的概率描述，评价结果能落实到山头地块，不同的微地理单元有不同的适生概率值，即可实现空间精准化、概率化评估。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为实施例一所提供的植物栽培种植环境适生区的评估方法流程图；

图2为实施例二所提供的另一种植物栽培种植环境适生区的评估方法流程图；

图3为实施例二所提供的90m像元尺度的云南省年均温度地图变量示意图；

图4为实施例二所提供的利用卫星遥感图像解译和勾绘典型样区示意图

图5为实施例二所提供的内插生成的30m像元尺度的云南省年均降雨量地图

图6为实施例二所提供的30m像元尺度的云南省年最热月均温度地图

图7为实施例二所提供的30m像元尺度的云南省年最冷月均温度地图；

图8为实施例二所提供的用云南松分布的典型样区切割生成的年均降水量子地图；

图9为实施例二所提供的4个独立变量的适生性地图和联合叠加的适生性概率地图；图9(a)为实施例二所提供的云南松年均降水适生概率图；图9(b)为实施例二所提供的云南松年均温适生概率图；图9(c)为实施例二所提供的云南松最热月适生概率图；图9(d)为实施例二所提供的云南松最冷月适生概率图；图9(e)为实施例二所提供的云南松分布适生概率图；

图10为实施例二所提供的立体化的适生性概率地图；

图11为实施例三所提供的植物栽培种植环境适生区的评估系统结构图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明的目的是提供一种植物栽培种植环境适生区的评估方法及系统，能够提高植物栽培种植环境适生区的评估准确率。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

随着地理信息系统(Geographic Information System，GIS)、卫星遥感等空间科学技术的发展，以及空间大数据、网络大数据共享技术的发展，以几米到百米尺度的栅格地图为最小评价单元(基于现代的空间技术、计算机管理手段，可以把任何环境指标，表达为以几米到几百米的地理栅格为单元的地图，从而实现环境变量的连续化表达)，集成多种地理环境因子大数据(地理环境变量，也可称为地理环境因子，如年均温、年均降水、海拔等因子，这些变量可能有几百到上千个，其模拟表达为地图后，每个因子的地图数据量可达到几百兆到几千兆，故称为环境因子大数据)，对植物的栽培种植适生性进行快速评估，已成为可能，因此，本发明基于栅格地图变量快速评估植物栽培种植的环境适生性概率。

实施例一

图1为实施例一所提供的植物栽培种植环境适生区的评估方法流程图，如图1所示，一种植物栽培种植环境适生区的评估方法，包括：

步骤101：获取地理环境因子的栅格化地图大数据集合、典型样本图斑以及不同像元尺度的栅格地图；所述栅格化地图大数据集合包括多张栅格地图，一个地理环境因子与一张栅格地图相对应；所述典型样本图斑为大面积地图上的任一小块区域；所述不同像元尺度的栅格地图，指的是利用全域地图变量，派生出的像元尺度不同于原图像的新图像。

(1)集成地理环境因子的栅格化地图大数据集合

将任何的地理及环境要素，包括人类活动或影响要素、生态要素等进行栅格化地图表达，一个变量表达为一张地图，所有的变量集成起来，形成地图大数据集合，以支持各种各样的适生性变量选择和分析。

地理环境因子指的是植物生长发育需要的光、热、水、肥等自然条件，以人类及社会活动影响。如年均温度、月均温度，年均积温、降水、光照、湿度，土壤类型及土壤氮、磷、钾以及矿物质元素的含量，人流物流传播外来物种可能性、人类开发利用土地的程度等。

可使用集成和购买、空间建模与模拟、遥感分析等多种手段，集成地理环境因子大数据集合。

(2)获取典型样本图斑

为获得适生性建模需要的地图样本数据，依据专业知识而选取地图区块子为样本区，选取的区域可以是植物原生地和原产地、良种培育地、优质高产生长区等。

可使用野外测图、遥感解译等多种方式，确定典型样本区图斑。

(3)生成符合需要的任意的具有某种像元尺度的栅格变量地图；

为了使一套集成的地理环境因子大数据能满足多种像元尺度下的适生性分析，如小区域分析用30m像元尺度数据，大区域分析用250m尺度数据等，而设计的一种利用多种技术，将原始数据的像元尺度，内插或综合为任意像元尺度的技术方法。

可用GIS软件、遥感图像处理软件等的现成功能模块，完成像元内插、像元综合处理。

由于直接像元内插、像元合并，往往不能得到最佳的变量地图表达效果。可选的，可使用任何的建模，基于地理机理的内插、模拟、亚像元分解等技术手段，以及空间过滤、空间平滑、图像增强等处理，生成多种像元尺度的地图变量。

步骤102：利用所述典型样本图斑切割所述栅格化地图大数据集合，并生成多个多变量样本地图子集合。

(4)切割栅格地图大数据集合并生成多变量样本地图子集合

可用GIS软件、遥感图像处理软件等的现成功能模块，进行常规化的地图切割处理，形成样本地图子集合。

可依据影响植物栽培种植的学科专业知识，初筛进入切割处理的地理环境因子，作为独立变量选取的基本数据集合。

步骤103：对所述多变量样本地图子集合进行筛选，确定一组独立变量；一张所述多变量样本地图子集合对应多个所述独立变量。

(5)用多变量样本地图子集合筛选独立变量

以初筛的样本地图基本数据集合为基础，计算变量之间的相关系数，依据专业应用背景和知识确定相关系数阙值，剔除相关系数高的变量，留下一个独立变量集合。

也可使用多元统计分析中的多变量相关分析，确定独立变量集合。

步骤104：根据所述多变量样本地图子集合以及所述独立变量构造多个拟高斯函数。

(6)构造单个独立变量的拟高斯作用函数

针对每个独立变量，统计其样本地图内包含的所有像元的样本均值u_i和标准差s_i，为每个变量x_i构造一个拟高斯函数，其一般表达式如下。

f(x_i)＝exp{-(x_i-u_i)²/(2s_i ²)},exp()为以e为底的指数函数。

该函数的取值为范围为0～1，最大值在x_i＝u_i处，故称为拟高斯概率函数，i＝1，2，…n。

步骤105：根据所述拟高斯函数构造取值0～1的线性可加函数。

(7)构造计算适生概率的线性可加函数

将n个变量x_i的样本像元(栅格单元)代入拟高斯函数：

f(x_i)＝exp{-(x_i-u_i)²/(2s_i ²)}

求出相应的栅格子地图f(x_i)；之后计算子地图f(x_i)与f(x_j)的线性相关系数，形成如下的相关数矩阵，表1为本发明所提供的拟高斯函数输出值的相关数矩阵示意表，如表1所示。

表1

	f(x<sub>1</sub>)	f(x<sub>2</sub>)	…….	f(x<sub>n</sub>)
					f(x<sub>1</sub>)	1	r<sub>12</sub>	…….	r<sub>1n</sub>
f(x<sub>2</sub>)	r<sub>12</sub>	1	……..	r<sub>2n</sub>
					……	……	…….	1	…….
f(x<sub>n</sub>)	r<sub>1n</sub>	r<sub>2n</sub>	…….	1

r_ij＝∑(f(x_ik)-u_i)×(f(x_jk)-u_j)/(∑(f(x_ik)-u_i)²)^1/2×(∑(f(x_jk)-u_j)²)^1/2；

u_i＝∑f(x_ik)/m；u₀＝∑f(x_jk)/m。

r_ij、u_i分别为变量f(x_i)、f(x_j)为的样本均值；k＝1，2，3……，m，m为子地图中的栅格像元个数；i,j＝1，2，3……，n，n为样本变量集合中的独立变量的个数。

上式中，显然r_ij＝r_ji；计算G_j＝S_jΣ(1-r_ij)，式中S_j表示f(x_j)的标准差，用下面公式计算f(x_j)的归一化权重，即先计算一般权重：A_j＝G_j/ΣG_i，再计算归一化权重：a_j＝A_j/ΣA_i；最后构建指标F(x₁，x₂...x_n)，它由下面的线性可加函数确定：

F(x₁，x₂...x_n)＝a₁f(x₁)+a₂f(x₂)+...+a_nf(x_n)。

由于Σa_j＝1(j＝1、2、3……L)，0<f(x_i)≦1，因此，0<F(x₁，x₂...x_L)≦1，表达的是一种可能性度量。

步骤106：根据所述全域地图变量以及所述线性可加函数确定栽培种植的适生性概率分布图。

(8)用全域地图变量计算栽培种植适生性概率分布图。

将目标地理区域的全域大数据变量x1，x2...xn,代入上面线性可加函数中，可分别计算出每个独立变量的作用概率、多因子的综合叠加作用概率。

可以使用各种平滑滤波方法、众数滤波、图像收缩和膨胀填充，图像增强处理等，消除噪音和微小孔洞，提高上述适生性概率地图的表达能力和可视性。

步骤107：将所述适生性概率分布图与数字地形模型进行融合，确定栽培种植的立体化适生性概率分布图。

(9)用地图融合方法计算栽培种植的立体化适生性概率分布图

利用前述(1)集成数据集的数字地形模型，用GIS基本功能生成山体阴影地图；与(8)输出的适生概率地图与其进行地图叠加融合，形成植物栽培种植的立体可视化适生性概率分布图。

叠加融合的基本模型为：

输出地图＝ɑ×适生性地图+(1-ɑ)×山体阴影地图，ɑ的取值大于0而小于1。

步骤108：根据所述立体化适生性概率分布图对植物栽培种植环境适生区进行评估，依据概率用颜色色标显示分布图，不同颜色表示不同的适生性。

(10)综合上述技术方法、实施步骤和数学模型，开发集成化应用的计算机信息系统。

以上述技术方法和实施步骤，以及相关数学模型，逻辑流程为基础，以GIS系统为格局，开发或集成计算机信息系统。

实施例二

图2为实施例二所提供的另一种植物栽培种植环境适生区的评估方法流程图，如图2所示，一种植物栽培种植环境适生区的评估方法，该评估方法为利用栅格地图评估植物栽培种植的环境适宜性概率的方法，包括：

步骤201：集成地理环境因子的栅格化地图大数据集合。

其目标是将每一个变量用一张栅格地图进行表达，地理环境变量包括各种自然地理要素变量、人类活动及影响变量。

此处，用一个地理环境变量来描述该技术步骤。

收集近15年来云南省气象台站历史数据，结合卫星热红外遥感数据反演，以及数字地形模型，生成多种地理环境变量，以此为基础，用克里金内插方法得到云南省历史年平均温度分布地图，见图3。

步骤202：获取植物生长的典型样本图斑。

基于公开的数据及共享机制、或经过知识总结和解译制图，获取植物的典型环境适生区栅格地图、或适生区矢量地图。

在实际应用中，典型环境适生区可以是植物的自原生地、原产地，品种野外培育的苗圃、试验地和基地，或经过实践检验并确认的高产高质栽培种植地，将其绘制为栅格或矢量化图斑。

在实际应用中，如果只能得到典型环境适生区的文字描述，可利用地理信息系统或其它地图的解译制图手段，特别是叠加高分卫星遥感图像进行解译制图，解译和绘制典型环境适生区栅格、或矢量化图斑。

在实际应用中，也可利用野外GPS跟踪测量、测绘等手段，绘制典型环境适生区栅格、或矢量化图斑。

云南滇中地区是云南松分布的典型区域，在实施例中，利用卫星遥感图像解译和制作了一块云南松分布典型区域的图斑数据，见图4。

步骤203：生成符合需要的具有某种像元尺度的栅格变量及地图

使用地理信息系统软件、其它软件的像元内插方法或综合方法，将某种栅格尺度的地图加工处理为任意尺度像元的地图变量。如果原始地图大数据集合中像元尺度大于应用需求，则使用像元内插方法；如果大于需求，用像元综合方法。内插或综合都可使用现有的GIS(地理信息系统)中的常规方法。

此实例中，利用空间内插算法，将90m的云南省降水、年最热月均温、年最冷月均温分布图变量，内插为30m的变量，如图5-图7所示。

步骤204：切割栅格地图大数据集合并生成用于建模的样本地图集合。

以典型样区为界线，在全域地图中切割样本数据生成样本区的子地图集合，如图8所示，以1个变量的切割地图为例表达，现以一个变量表达该子地图集合。

步骤205：用多变量样本地图子集合筛选独立变量。

以云南松分布的生态学基本知识为依据，初步选择年均降水、年均温度、最热月均温、最冷月均温、海拔、7月均温、1月均温、地形高差变为初选变量，用子地图求算任何两个地变量的相关系数，并以0.80为阈值，删除线性相关变量，表2为本发明所提供的环境变量的相关系数表，如表2所示。

表2

年均降水与其它变量的相关系数皆小于0.8，为保留的第一个独立变量；年均温与7月均温、1月均温、海拔相关系数大于0.8，且年均的生态学意义更强，为第二个保留变量，剔除7月均温、1月均温和海拔变量；最冷月、最热月均温与其它变量相关系数小于0.8，为保留独立变量。

地形高差变表达的是地形起伏变化，根据生物学知识可知，高差变主要影响的水热分布从而对植物适生性造成影响，故删除地形高差变因子地形高差变变量。

所以最后选取的独立变量为年均降水、年均温、最冷月均温、最热月均温、地形高差变，分别记为：x₁、x₂、x₃、x₄。删除的相关变量为7月均温、1月均温、海拔。

步骤206：构造单个独立变量的拟高斯作用函数。

通过典型样区子地图，对变量x_i的进行均值(u_i)统计、标准差统计(s_i)，并构建形如f(x_i)＝exp{-(x_i-u_i)²/(2s_i ²)}的拟高斯函数，i＝1、2、3、4，表3为本发明所提供的各个变量的拟高斯函数的参数表，如表3所示。

表3

年均降水作用函数：f(x₁)＝exp{-(x₁-865.52728)²/3357.95)}

年均温作用函数：f(x₂)＝exp{-(x₂-13.04153)²/10.51}

最热月温作用函数：f(x₃)＝exp{-(x₃-25.07592)²/11.93}

最冷月温作用函数：f(x₄)＝exp{-(x₄-2.0969)²/8.19}

步骤207：构造计算适生概率的线性可加函数。

将年均降水、年均温、最冷月均温、最热月均温的样本地图子集分别代入拟高斯函数f(x₁)、f(x₂)、f(x₃)、f(x₄)表达式中，分别计算每个变量的环境适生性概率地图，并求算各个变量的作用力权重系数。

并按下面描述，用全部4个独立变量构建一个联合计算适生概率的线性可加函数，表4为本发明所提供的各个独立变量的作用力权重系数计算的数据和方法示意表，如表4所示。

表4

F(x₁，x₂，x₃，x₄)＝0.33f(x₁)+0.24f(x₂)+0.21f(x₃)+0.22f(x₄)

步骤208：用全域地图变量计算栽培种植适生性概率分布图。

如图9所示，将研究区的全域地图变量分别代入拟高斯函数，分别计算出单变量概率地图，并用不同灰阶亮度的图示符号进行黑白渲染；之后，将各个独立变量的适生性并代入上面的线性函数，计算出最终的多种因子作用下的植物适生性概率地图。

步骤209：用地图融合方法计算栽培种植的立体化适生性概率分布图。

调用数字地形模型生成生态阴影图，取α为0.65，按公式：

输出地图＝ɑ×适生性地图+(1-ɑ)×山体阴影地图。

以此计算立体可视化的适生性概率分布图，并进行从红到蓝的彩色渲染，得到最终的立体化的适生性概率地图，如图10所示。

步骤210：综合上述技术方法、实施步骤和数学模型，开发集成化应用的计算机信息系统。

实施例三

图11为实施例三所提供的植物栽培种植环境适生区的评估系统结构图，如图11所示，一种植物栽培种植环境适生区的评估系统，包括：

地图获取模块1101，用于获取地理环境因子的栅格化地图大数据集合、典型样本图斑以及不同像元尺度的栅格地图；所述栅格化地图大数据集合包括多张栅格地图，一个地理环境因子与一张栅格地图相对应；所述典型样本图斑为大面积地图上的任一小块区域；所述不同像元尺度的栅格地图，指的是利用全域地图变量，派生出的像元尺度不同于原图像的新图像。

多变量样本地图子集合生成模块1102，用于利用所述典型样本图斑切割所述栅格化地图大数据集合，并生成多个多变量样本地图子集合。

所述多变量样本地图子集合生成模块1102具体包括：切割单元，用于基于地理信息系统GIS或遥感图像处理技术，利用所述典型样本图斑对所述栅格化地图大数据集合进行常规化的地图切割处理，确定切割后的样本地图子集合；多变量样本地图子集合生成单元，用于依据影响植物栽培种植的学科专业知识，对所述切割后的样本地图子集合的地理环境因子进行初筛，生成多个多变量样本地图子集合。

独立变量确定模块1103，用于对所述多变量样本地图子集合进行筛选，确定一组独立变量；一张所述多变量样本地图子集合对应多个所述独立变量。

所述独立变量确定模块1103具体包括：相关系数确定单元，用于以所述多变量样本地图子集合为基础，确定变量之间的相关系数；独立变量确定单元，用于剔除所述相关系数高于相关系数阈值的变量，确定一组独立变量。

拟高斯函数构造模块1104，用于根据所述多变量样本地图子集合以及所述独立变量构造多个拟高斯函数。

所述拟高斯函数构造模块1104具体包括：拟高斯函数构造单元，用于根据公式f(x_i)＝exp{-(x_i-u_i)²/(2s_i ²)}构造拟高斯函数；其中，f(x_i)为拟高斯函数，x_i为独立变量，所述拟高斯函数的取值范围为0～1，最大值在x_i＝u_i处；exp()为以e为底的指数函数；u_i为所述多变量样本地图子集合内包含的所有像元的样本均值；s_i为所述多变量样本地图子集合内包含的所有像元的标准差。

线性可加函数构造模块1105，用于根据所述拟高斯函数构造取值0～1的线性可加函数。

适生性概率分布图确定模块1106，用于根据所述全域地图变量以及所述线性可加函数确定栽培种植的适生性概率分布图。

立体化适生性概率分布图确定模块1107，用于将所述适生性概率分布图与数字地形模型进行融合，确定栽培种植的立体化适生性概率分布图。

评估模块1108，用于根据所述立体化适生性概率分布图对植物栽培种植环境适生区进行评估，依据概率用颜色色标显示分布图，不同颜色表示不同的适生性。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种植物栽培种植环境适生区的评估方法，其特征在于，包括：

获取地理环境因子的栅格化地图大数据集合、典型样本图斑以及不同像元尺度的栅格地图；所述栅格化地图大数据集合包括多张栅格地图，一个地理环境因子与一张栅格地图相对应；所述典型样本图斑为大面积地图上的任一小块区域；所述不同像元尺度的栅格地图，指的是利用全域地图变量，派生出的像元尺度不同于原图像的新图像；

利用所述典型样本图斑切割所述栅格化地图大数据集合，并生成多个多变量样本地图子集合；

对所述多变量样本地图子集合进行筛选，确定一组独立变量；一张所述多变量样本地图子集合对应多个所述独立变量；

根据所述多变量样本地图子集合以及所述独立变量构造多个拟高斯函数；

根据所述拟高斯函数构造取值0～1的线性可加函数；

根据所述全域地图变量以及所述线性可加函数确定栽培种植的适生性概率分布图；

将所述适生性概率分布图与数字地形模型进行融合，确定栽培种植的立体化适生性概率分布图；

根据所述立体化适生性概率分布图对植物栽培种植环境适生区进行评估，依据概率用颜色色标显示分布图，不同颜色表示不同的适生性。

2.根据权利要求1所述的植物栽培种植环境适生区的评估方法，其特征在于，所述利用所述典型样本图斑切割所述栅格化地图大数据集合，并生成多个多变量样本地图子集合，具体包括：

基于地理信息系统GIS或遥感图像处理技术，利用所述典型样本图斑对所述栅格化地图大数据集合进行常规化的地图切割处理，确定切割后的样本地图子集合；

依据影响植物栽培种植的学科专业知识，对所述切割后的样本地图子集合的地理环境因子进行初筛，生成多个多变量样本地图子集合。

3.根据权利要求2所述的植物栽培种植环境适生区的评估方法，其特征在于，所述对所述多变量样本地图子集合进行筛选，确定一组独立变量，具体包括：

以所述多变量样本地图子集合为基础，确定变量之间的相关系数；

剔除所述相关系数高于相关系数阈值的变量，确定一组独立变量。

4.根据权利要求3所述的植物栽培种植环境适生区的评估方法，其特征在于，所述根据所述多变量样本地图子集合以及所述独立变量构造多个拟高斯函数，具体包括：

根据公式f(x_i)＝exp{-(x_i-u_i)²/(2s_i ²)}构造拟高斯函数；其中，f(x_i)为拟高斯函数，x_i为独立变量，所述拟高斯函数的取值范围为0～1，最大值在x_i＝u_i处；exp()为以e为底的指数函数；u_i为所述多变量样本地图子集合内包含的所有像元的样本均值；s_i为所述多变量样本地图子集合内包含的所有像元的标准差。

5.根据权利要求4所述的植物栽培种植环境适生区的评估方法，其特征在于，所述根据所述全域地图变量以及所述线性可加函数确定栽培种植的适生性概率分布图，之后还包括：

利用平滑滤波方法、众数滤波方法、图像收缩和膨胀填充方法或图像增强处理方法对所述适生性概率分布图进行处理，消除所述适生性概率分布图的噪音和孔洞。

6.根据权利要求5所述的植物栽培种植环境适生区的评估方法，其特征在于，所述将所述适生性概率分布图与数字地形模型进行融合，确定栽培种植的立体化适生性概率分布图，具体包括：

利用所述栅格化地图大数据集合生成数字地形模型；

利用GIS系统，根据所述数字地形模型生成山体阴影地图；

根据公式立体化适生性概率分布图＝ɑ×适生性概率分布图+(1-ɑ)×山体阴影地图，将所述适生性概率分布图与数字地形模型进行融合，确定栽培种植的立体化适生性概率分布图；ɑ为常数，ɑ的取值范围大于0小于1。

7.一种植物栽培种植环境适生区的评估系统，其特征在于，包括：

地图获取模块，用于获取地理环境因子的栅格化地图大数据集合、典型样本图斑以及不同像元尺度的栅格地图；所述栅格化地图大数据集合包括多张栅格地图，一个地理环境因子与一张栅格地图相对应；所述典型样本图斑为大面积地图上的任一小块区域；所述不同像元尺度的栅格地图，指的是利用全域地图变量，派生出的像元尺度不同于原图像的新图像；

多变量样本地图子集合生成模块，用于利用所述典型样本图斑切割所述栅格化地图大数据集合，并生成多个多变量样本地图子集合；

独立变量确定模块，用于对所述多变量样本地图子集合进行筛选，确定一组独立变量；一张所述多变量样本地图子集合对应多个所述独立变量；

拟高斯函数构造模块，用于根据所述多变量样本地图子集合以及所述独立变量构造多个拟高斯函数；

线性可加函数构造模块，用于根据所述拟高斯函数构造取值0～1的线性可加函数；

适生性概率分布图确定模块，用于根据所述全域地图变量以及所述线性可加函数确定栽培种植的适生性概率分布图；

立体化适生性概率分布图确定模块，用于将所述适生性概率分布图与数字地形模型进行融合，确定栽培种植的立体化适生性概率分布图；

评估模块，用于根据所述立体化适生性概率分布图对植物栽培种植环境适生区进行评估，依据概率用颜色色标显示分布图，不同颜色表示不同的适生性。

8.根据权利要求7所述的植物栽培种植环境适生区的评估系统，其特征在于，所述多变量样本地图子集合生成模块具体包括：

切割单元，用于基于地理信息系统GIS或遥感图像处理技术，利用所述典型样本图斑对所述栅格化地图大数据集合进行常规化的地图切割处理，确定切割后的样本地图子集合；

多变量样本地图子集合生成单元，用于依据影响植物栽培种植的学科专业知识，对所述切割后的样本地图子集合的地理环境因子进行初筛，生成多个多变量样本地图子集合。

9.根据权利要求8所述的植物栽培种植环境适生区的评估系统，其特征在于，所述独立变量确定模块具体包括：

相关系数确定单元，用于以所述多变量样本地图子集合为基础，确定变量之间的相关系数；

独立变量确定单元，用于剔除所述相关系数高于相关系数阈值的变量，确定一组独立变量。

10.根据权利要求9所述的植物栽培种植环境适生区的评估系统，其特征在于，所述拟高斯函数构造模块具体包括：

拟高斯函数构造单元，用于根据公式f(x_i)＝exp{-(x_i-u_i)²/(2s_i ²)}构造拟高斯函数；其中，f(x_i)为拟高斯函数，x_i为独立变量，所述拟高斯函数的取值范围为0～1，最大值在x_i＝u_i处；exp()为以e为底的指数函数；u_i为所述多变量样本地图子集合内包含的所有像元的样本均值；s_i为所述多变量样本地图子集合内包含的所有像元的标准差。

Images