CN111767278B - 一种用于陆地生态系统特征量的降尺度方法及装置 - Google Patents
一种用于陆地生态系统特征量的降尺度方法及装置 Download PDFInfo
- Publication number
- CN111767278B CN111767278B CN202010657776.6A CN202010657776A CN111767278B CN 111767278 B CN111767278 B CN 111767278B CN 202010657776 A CN202010657776 A CN 202010657776A CN 111767278 B CN111767278 B CN 111767278B
- Authority
- CN
- China
- Prior art keywords
- data
- target
- value
- spatial
- original
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种用于陆地生态系统特征量的降尺度方法及装置，方法包括：获取预进行空间降尺度的生态系统特征量的原始数据；获取与所述原始数据的空间分辨率一致且生成所述原始数据的第一空间分布数据，以及与所述原始数据降尺度后的目标空间分辨率一致的第二空间分布数据；基于所述第一空间分布数据生成所述原始数据对应的多个原始子空间数据集；基于所述第二空间分布数据生成目标数据对应的多个目标子空间数据集；根据每个所述原始子空间数据集中的有效值计算与其生态系统类型相同的目标子空间数据集中每个预设值的空间点对应的目标数值，并用所述目标数值替换所述缺失值；合并所有目标子空间数据集，以得到目标数据。
Description
技术领域
本发明涉及数据处理技术领域，更具体地，涉及一种用于陆地生态系统特征量的降尺度方法及装置。
背景技术
陆地生态系统特征量在空间上有很高的异质性，目前根据生态模型得到的陆地生态系统特征量的空间分辨率都较低，不能满足于相关科学研究和评估应用的需要。为了解决这一问题，需要对陆地生态系统特征量进行有效的空间降尺度，以获得高空间分辨率的数据。但是目前通用的空间降尺度方法没有专门针对陆地生态系统的，而采用传统统计方法进行空间降尺度常常会忽视不同生态系统类型特征量之间的差别，甚至误换特征量，从而增加了数据的不确定性。
空间降尺度方法被广泛的应用于地理和气象学研究，其主要分为统计降尺度和动力降尺度。动力降尺度方法由于原理复杂，需要庞大的计算量，不方便使用。而统计降尺度方法是利用大尺度(粗分辨率)变量与小尺度(精细分辨率)变量之间的线性或非线性统计关系，基于大尺度变量数据，高效率的计算出对应的高分辨率空间数据。统计降尺度方法由于计算量小、模型构建简单、计算方法灵活等优点，被广泛应用于地理学与气象学研究。本专利采用的方法属于统计降尺度。
空间插值法是一种降尺度(或升尺度)处理空间数据的常用方法。它是基于“地理学第一定律”:空间位置上越靠近的点,具有相似特征值的可能性越大,而距离远的点,其具有相似特征值的可能性越小。目前常用的空间数据插值方法有：泰森多边形法、反距离权重插值法、样条函数插值法与克里金插值法等。但是它们不适用于陆地生态系统特征量的插值。例如，对于某区域内零散分布的森林和草地的生物量进行空间降尺度计算，利用常用空间插值方法进行降尺度后，可能引起森林生物量被低估，草地生物量被高估的情况发生。这是由于计算过程中，遵循“第一定律”会将森林和草地的类型数据误换，导致其生物量低估或者高估，这将增大生物量空间数据的不确定性。可见，常用的插值方法不适用于陆地生态系统特征量的降尺度。
目前诸多的统计降尺度方法主要基于地面植被、地形等因素与气温和降水量的统计关系来达到空间降尺度的目的。例如，Brunsdon(1996)开发了地理加权回归(GWR)模型，提高了降水量的空间分辨率和数据质量。Kustas(2003)等通过利用地表气温和归一化差分植被指数的关系，构建模型对地表气温进行降尺度，计算得到了百米空间分辨率的地表气温数据。Agam(2007)利用卫星遥感影像得到的地形数据，开发出了降尺度算法，得到了250m分辨率的地表气温空间数据。Huth(2008)利用线性回归和神经网络对气象变量进行降尺度，并取得了较好的结果。Hertig(2008)等比较了多元回归和相关分析两种降尺度方法的结果。Immerzeel(2009)利用归一化差分植被指数对南欧伊比利半岛的降水量进行了降尺度。贾绍凤(2011)等利用降水与地形、植被、NDVI等多因素的关系，建立统计模型对降水数据进行降尺度，取得了较好的结果。王佳(2016)等利用地理加权回归模型对地表气温进行降尺度，得到了较好的结果。然而，这些降尺度方法在用于生态学领域时，往往会忽视生态系统类型间的差异，尤其不能体现出类型交错处的空间差异。
目前，专门针对陆地生态系统特征量进行降尺度的方法和技术尚少，而现有的地理和气象学的各种空间降尺度(或升尺度)方法又不能满足陆地生态系统特征量降尺度的精度需求。另外，现实中各类陆地生态系统交错分布，而生态系统类型间的特征量有很大差异，将现有的空间降尺度方法技术直接用于陆地生态系统特征量的降尺度，必然会带来极大的误差。
发明内容
鉴于上述问题，本发明提出了一种用于陆地生态系统特征量的降尺度方法及装置，其依据生态系统类型数据，能够将生态系统模型输出结果和生态通量站点观测数据，降尺度到任意空间分辨率，提高了不同生态类型间特征量的辨识度，这有效降低了数据的不确定性。
根据本发明实施例的第一方面，提供一种用于陆地生态系统特征量的降尺度方法，所述方法包括：
获取预进行空间降尺度的生态系统特征量的原始数据；
获取与所述原始数据的空间分辨率一致且生成所述原始数据的第一空间分布数据，以及与所述原始数据降尺度后的目标空间分辨率一致的第二空间分布数据，其中，所述原始数据、所述第一空间分布数据和所述第二空间分布数据是按照相同的陆地生态系统类型级别划分的，其中，所述陆地生态系统类型级别包括一级陆地生态系统类型和二级陆地生态系统类型；
基于所述第一空间分布数据生成所述原始数据对应的多个原始子空间数据集，其中，原始子空间数据集的个数与所述第一空间分布数据的陆地生态系统类型级别中生态系统类型的数目相对应，每个原始子空间数据集对应一个生态系统类型，每个原始子空间数据集中其生态系统类型对应的空间点上的数值为有效值，其他空间点上对应的数值均为缺失值；
基于所述第二空间分布数据生成目标数据对应的多个目标子空间数据集，其中，所述目标数据为所述原始数据进行降尺度后生成的空间数据，所述目标子空间数据集的个数与所述第二空间分布数据的陆地生态系统类型级别中生态系统类型的数目相对应，每个目标子空间数据集对应一个生态系统类型，每个目标子空间数据集中其生态系统类型对应的空间点上的数值为预设值，其他空间点上对应的数值均为缺失值；
根据每个所述原始子空间数据集中的有效值计算与其生态系统类型相同的目标子空间数据集中每个预设值的空间点对应的目标数值，并用所述目标数值替换所述缺失值；
合并所有目标子空间数据集，以得到目标数据。
可选的，所述一级陆地生态系统类型包括森林、灌丛、草地、湿地、农作物和荒漠，所述二级陆地生态系统类型包括常绿阔叶林、常绿针叶林、落叶阔叶林、落叶针叶林、针阔混交林、常绿灌丛、荒漠灌丛、落叶灌丛、高寒草地、高寒草甸、典型草原、荒漠草地、湿地和农作物。
可选的，根据每个所述原始子空间数据集中的有效值计算与其生态系统类型相同的目标子空间数据集中每个其他空间点对应的目标数值，包括：
确定每个目标子空间数据集中每个缺失值对应的目标空间点的第一经纬度值；
根据所述第一经纬度值，确定与其生态系统类型相同的原始子空间数据集中该第一经纬度值对应的数值与其周围有效值的距离，并从中选取距离最近的8个近距空间点，并利用以下公式计算所述目标空间点对应的目标数值；
其中，v(a)表示所述目标数值，a表示所述目标空间点，bi表示原始子空间数据集中第i个近距空间点，v(bi)表示bi对应的数值，d(a，bi)表示a与bi之间的距离，wi(b)用于计算权重系数；
其中，λ2i表示bi的经度值，
表示bi的纬度值，λ1表示a的经度值，
表示a的纬度值，r表示地球半径。
可选的，合并所有目标子空间数据集，包括：
创建一个与所述目标子空间数据集具有相同空间分辨率的空数据集，所述空数据集中的每个空间点的数值均为缺失值；
针对所述空数据集中的每个空间点，确定其第二经纬度值；
分别在每个目标子空间数据集中选取所述第二经纬度值对应的数值；
当所述数值为有效值时，使用该有效值替换所述空数据集中所述空间点的缺失值。
可选的，所述原始数据包括生态模型的输出数据或者生态观测数据；
当所述原始数据为所述生态模型的输出数据时，所述第一空间分布数据为生态模型模拟时所采用的植被分类空间数据；
当所述原始数据为所述生态观测数据时，所述第一空间分布数据为观测的生态系统类型和数据的经纬度信息。
根据本发明实施例的第二方面，提供一种用于陆地生态系统特征量的降尺度装置，所述装置包括：
第一获取模块，用于获取预进行空间降尺度的生态系统特征量的原始数据；
第二获取模块，用于获取与所述原始数据的空间分辨率一致且生成所述原始数据的第一空间分布数据，以及与所述原始数据降尺度后的目标空间分辨率一致的第二空间分布数据，其中，所述原始数据、所述第一空间分布数据和所述第二空间分布数据是按照相同的陆地生态系统类型级别划分的，其中，所述陆地生态系统类型级别包括一级陆地生态系统类型和二级陆地生态系统类型；
第一生成模块，用于基于所述第一空间分布数据生成所述原始数据对应的多个原始子空间数据集，其中，原始子空间数据集的个数与所述第一空间分布数据的陆地生态系统类型级别中生态系统类型的数目相对应，每个原始子空间数据集对应一个生态系统类型，每个原始子空间数据集中其生态系统类型对应的空间点上的数值为有效值，其他空间点上对应的数值均为缺失值；
第二生成模块，用于基于所述第二空间分布数据生成目标数据对应的多个目标子空间数据集，其中，所述目标数据为所述原始数据进行降尺度后生成的空间数据，所述目标子空间数据集的个数与所述第二空间分布数据的陆地生态系统类型级别中生态系统类型的数目相对应，每个目标子空间数据集对应一个生态系统类型，每个目标子空间数据集中其生态系统类型对应的空间点上的数值为预设值，其他空间点上对应的数值均为缺失值；
计算模块，用于根据每个所述原始子空间数据集中的有效值计算与其生态系统类型相同的目标子空间数据集中每个预设值的空间点对应的目标数值，并用所述目标数值替换所述缺失值；
合并模块，用于合并所有目标子空间数据集，以得到目标数据。
可选的，所述一级陆地生态系统类型包括森林、灌丛、草地、湿地、农作物和荒漠，所述二级陆地生态系统类型包括常绿阔叶林、常绿针叶林、落叶阔叶林、落叶针叶林、针阔混交林、常绿灌丛、荒漠灌丛、落叶灌丛、高寒草地、高寒草甸、典型草原、荒漠草地、湿地和农作物。
可选的，所述计算模块包括：
第一确定单元，用于确定每个目标子空间数据集中每个缺失值对应的目标空间点的第一经纬度值；
计算单元，用于根据所述第一经纬度值，确定与其生态系统类型相同的原始子空间数据集中该第一经纬度值对应的数值与其周围有效值的距离，并从中选取距离最近的8个近距空间点，并利用以下公式计算所述目标空间点对应的目标数值；
其中，v(a)表示所述目标数值，a表示所述目标空间点，bi表示原始子空间数据集中第i个近距空间点，v(bi)表示bi对应的数值，d(a，bi)表示a与bi之间的距离，wi(b)用于计算权重系数；
其中，λ2i表示bi的经度值，
表示bi的纬度值，λ1表示a的经度值，
表示a的纬度值，r表示地球半径。
可选的，所述合并模块包括：
创建单元，用于创建一个与所述目标子空间数据集具有相同空间分辨率的空数据集，所述空数据集中的每个空间点的数值均为缺失值；
第二确定单元，用于针对所述空数据集中的每个空间点，确定其第二经纬度值；
选取单元，用于分别在每个目标子空间数据集中选取所述第二经纬度值对应的数值；
替换单元，用于当所述数值为有效值时，使用该有效值替换所述空数据集中所述空间点的缺失值。
可选的，所述原始数据包括生态模型的输出数据或者生态观测数据；
当所述原始数据为所述生态模型的输出数据时，所述第一空间分布数据为生态模型模拟时所采用的植被分类空间数据；
当所述原始数据为所述生态观测数据时，所述第一空间分布数据为观测的生态系统类型和数据的经纬度信息。
本发明实施例中，把原始空间数据按照生态系统分类拆分为若干子空间数据集，然后在子空间数据集上按照距离加权法对数据进行空间降尺度，最后把完成了降尺度的子空间数据集的数据进行合并得到降尺度的结果。这样，经过空间降尺度的陆地生态系统特征量除了具有更高的空间分辨率以外，最主要的特点是能够明显的体现不同生态系统类型之间生态特征量的差异，能够得到精确的区域陆地生态系统特征量降尺度结果，对生态学研究和生态评估具有重要意义。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述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，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明一个实施例的一种用于陆地生态系统特征量的降尺度方法流程图。
图2是本发明一个实施例的一种用于陆地生态系统特征量的降尺度方法中步骤S105的流程图。
图3是本发明一个实施例的一种用于陆地生态系统特征量的降尺度方法中步骤S106的流程图。
图4是本发明一个实施例的一种用于陆地生态系统特征量的降尺度装置的框图。
图5是本发明一个实施例的一种用于陆地生态系统特征量的降尺度装置中计算模块的框图。
图6是本发明一个实施例的一种用于陆地生态系统特征量的降尺度装置中合并模块的框图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，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。
在本发明的说明书和权利要求书及上述附图中的描述的一些流程中，包含了按照特定顺序出现的多个操作，但是应该清楚了解，这些操作可以不按照其在本文中出现的顺序来执行或并行执行，操作的序号如101、102等，仅仅是用于区分开各个不同的操作，序号本身不代表任何的执行顺序。另外，这些流程可以包括更多或更少的操作，并且这些操作可以按顺序执行或并行执行。需要说明的是，本文中的“第一”、“第二”等描述，是用于区分不同的消息、设备、模块等，不代表先后顺序，也不限定“第一”和“第二”是不同的类型。
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，本领域技术人员在没有作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。
图1是本发明一个实施例的一种用于陆地生态系统特征量的降尺度方法流程图，如图1所示，用于陆地生态系统特征量的降尺度方法包括：
步骤S101，获取预进行空间降尺度的生态系统特征量的原始数据。原始数据可以是生态模型的输出数据，也可以是野外观测的生态系统特征量数据。
步骤S102，获取与所述原始数据的空间分辨率一致且生成所述原始数据的第一空间分布数据，以及与所述原始数据降尺度后的目标空间分辨率一致的第二空间分布数据，其中，所述原始数据、所述第一空间分布数据和所述第二空间分布数据是按照相同的陆地生态系统类型级别划分的，其中，所述陆地生态系统类型级别包括一级陆地生态系统类型和二级陆地生态系统类型。
可选的，所述一级陆地生态系统类型包括森林、灌丛、草地、湿地、农作物和荒漠，所述二级陆地生态系统类型包括常绿阔叶林、常绿针叶林、落叶阔叶林、落叶针叶林、针阔混交林、常绿灌丛、荒漠灌丛、落叶灌丛、高寒草地、高寒草甸、典型草原、荒漠草地、湿地和农作物。一级陆地生态系统类型和二级陆地生态系统类型还包括无植被区域，无植被区域包括湖泊、建筑物、冰川表面、裸地等没有植被覆盖的区域。
其中，如果原始数据E是按照一级生态系统分类划分的，则第一空间分布数据A和第二空间分布数据B需包括一级生态系统的空间分布信息；如果原始数据是按照二级生态系统分类划分的，则第一空间分布数据和第二空间分布数据需包括二级生态系统的空间分布信息。第一空间分布数据跟空间数据的数据来源有关，如果空间数据来源是生态模型的输出数据，则生态模型模拟时所采用的植被分类空间数据可以作为第一空间分布数据。如果空间数据来源是观测数据，则观测的生态系统类型和数据的经纬度信息可作为第一空间分布数据。第二空间分布数据是较高空间分辨率的地面生态系统分布数据，其获取方法有多种，一是基于已有的土地利用/土地覆盖数据图，通过分类和合并等方法形成陆地生态系统空间分布数据。二是可以通过遥感手段解译研究区地面的植被覆盖从而得到生态系统空间分布数据。还可通过无人机、激光雷达等手段获取地面生态系统空间分布数据。
步骤S103，基于所述第一空间分布数据生成所述原始数据对应的多个原始子空间数据集，其中，原始子空间数据集的个数与所述第一空间分布数据的陆地生态系统类型级别中生态系统类型的数目相对应，每个原始子空间数据集对应一个生态系统类型，每个原始子空间数据集中其生态系统类型对应的空间点上的数值为有效值，其他空间点上对应的数值均为缺失值。
如果第一空间分布数据A是包含生态系统一级分类的空间图，则原始数据E将根据森林、灌丛、草地、湿地、农作物和荒漠类型分别生成6套按照生态类型划分的子空间数据集，分别为E-森林、E-灌丛、E-草地、E-湿地、E-农作物和E-荒漠。如果第一空间分布数据A包含生态系统二级分类，则需要生成14套子空间数据集，分别为E-常绿阔叶林、E-常绿针叶林、E-落叶阔叶林、E-落叶针叶林、E-针阔混交林、E-常绿灌丛、E-荒漠灌丛、E-落叶灌丛、E-高寒草地、E-高寒草甸、E-典型草原、E-荒漠草地、E-湿地和E-农作物。在每个子空间数据集中，E的有效值只出现在该类生态系统对应的空间点上，其余为缺失值。例如在E-森林子空间数据中，只保留第一空间分布数据A中标识为森林的点上对应的原始数据E中的数值，其余点的数值为-999。
步骤S104，基于所述第二空间分布数据生成目标数据对应的多个目标子空间数据集，其中，所述目标数据为所述原始数据进行降尺度后生成的空间数据，所述目标子空间数据集的个数与所述第二空间分布数据的陆地生态系统类型级别中生态系统类型的数目相对应，每个目标子空间数据集对应一个生态系统类型，每个目标子空间数据集中其生态系统类型对应的空间点上的数值为预设值，其他空间点上对应的数值均为缺失值。
假设降尺度后生成的目标数据为F，则需基于第二空间分布数据B生成数据F的子空间数据集，其方法与基于第一空间分布数据A生成原始数据E的子空间数据集的方法类似。即按照第二空间分布数据B中包含的生态系统类型，生成基于一级(F-森林、F-灌丛、F-草地、F-湿地、F-农作物和F-荒漠)生态系统分类或二级生态系统分类(F-常绿阔叶林、F-常绿针叶林、F-落叶阔叶林、F-落叶针叶林、F-针阔混交林、F-常绿灌丛、F-荒漠灌丛、F-落叶灌丛、F-高寒草地、F-高寒草甸、F-典型草原、F-荒漠草地、F-湿地和F-农作物)所对应的数据集。在每个子空间数据集中，F的正值只出现在该类生态系统对应的空间点上，其余部分标记为负值。例如在B空间数据集上标记为森林的点，在“F-森林”子空间数据集中对应的点上标记为999，其余部分标记为-999。
步骤S105，根据每个所述原始子空间数据集中的有效值计算与其生态系统类型相同的目标子空间数据集中每个其他空间点对应的目标数值，并用所述目标数值替换所述缺失值。
步骤S106，合并所有目标子空间数据集，以得到目标数据。
在该实施例中，把原始空间数据按照生态系统分类拆分为若干子空间数据集，然后在子空间数据集上按照距离加权法对数据进行空间降尺度，最后把完成了降尺度的子空间数据集的数据进行合并得到降尺度的结果。这样，经过空间降尺度的陆地生态系统特征量除了具有更高的空间分辨率以外，最主要的特点是能够明显的体现不同生态系统类型之间生态特征量的差异，能够得到精确的区域陆地生态系统特征量降尺度结果，对生态学研究和生态评估具有重要意义。
图2是本发明一个实施例的一种用于陆地生态系统特征量的降尺度方法中步骤S105的流程图。
如图2所示，可选的，上述步骤S105包括：
步骤S201，确定每个目标子空间数据集中每个缺失值对应的目标空间点的第一经纬度值；
步骤S202，根据所述第一经纬度值，确定与其生态系统类型相同的原始子空间数据集中该第一经纬度值对应的数值与其周围有效值的距离，并从中选取距离最近的8个近距空间点，并利用以下公式计算所述目标空间点对应的目标数值；
其中，v(a)表示所述目标数值，a表示所述目标空间点，bi表示原始子空间数据集中第i个近距空间点，v(bi)表示bi对应的数值，d(a，bi)表示a与bi之间的距离，wi(b)用于计算权重系数；
其中，λ2i表示bi的经度值，
表示bi的纬度值，λ1表示a的经度值，
表示a的纬度值，r表示地球半径。
在该实施例中，降尺度计算的目的是利用E子空间数据集(对一级生态系统分类来说是E-森林、E-灌丛、E-草地、E-湿地、E-农作物和E-荒漠，对二级生态系统分类来说是E-常绿阔叶林、E-常绿针叶林、E-落叶阔叶林、E-落叶针叶林、E-针阔混交林、E-常绿灌丛、E-荒漠灌丛、E-落叶灌丛、E-高寒草地、E-高寒草甸、E-典型草原、E-荒漠草地、E-湿地和E-农作物)中的有效数据将对应F子空间数据集(对一级生态系统分类来说是F-森林、F-灌丛、F-草地、F-湿地、F-农作物和F-荒漠，对二级生态系统分类来说是F-常绿阔叶林、F-常绿针叶林、F-落叶阔叶林、F-落叶针叶林、F-针阔混交林、F-常绿灌丛、F-荒漠灌丛、F-落叶灌丛、F-高寒草地、F-高寒草甸、F-典型草原、F-荒漠草地、F-湿地和F-农作物)中值为999的数据进行替换。
例如对空间数据进行降尺度，得到高分辨率的“F-森林”数据，具体计算过程中如下，对于“F-森林”空间数据中任意一个插值目标点a(“F-森林”数据中标记为999的数据点)，首先要确定其经纬度范围(假设a点的经度为λ_1，纬度为
)，然后计算这一经纬度点在“E-森林”数据中与有效数值点的距离，并选取其中最近的8个点(bi)，利用上述公式计算出a点的具体数值。
本方法所用的距离加权所采用的最近距离不是地理空间意义上的最近距离，而是同类生态系统在空间上的最近距离，由此纠正了直接用地理空间插值方法对生态系统进行降尺度带来的误差。
图3是本发明一个实施例的一种用于陆地生态系统特征量的降尺度方法中步骤S106的流程图。
如图3所示，可选的，上述步骤S106包括：
步骤S301，创建一个与所述目标子空间数据集具有相同空间分辨率的空数据集，所述空数据集中的每个空间点的数值均为缺失值。
建立一个与F子集相同空间分辨率的空数据集R，每个格点都可以用-999进行填充。
步骤S302，针对所述空数据集中的每个空间点，确定其第二经纬度值；
步骤S303，分别在每个目标子空间数据集中选取所述第二经纬度值对应的数值。
步骤S304，当所述数值为有效值时，使用该有效值替换所述空数据集中所述空间点的缺失值。
对于R子集中的任意一点p，确定经纬度数值，然后利用确定的经纬度数值，分别在F-森林、F-灌丛、F-草地等子集中选取相同位置上的一个数值(分别为p-森林、p-灌丛、p-草地等)，在这些数值中，若有有效数值(非-999，非999)存在，则p就等于这一有效值，否则p值不变。对R中所有的点进行上述处理，导出R子集，即为空间降尺度结果。
本申请的上述技术方案具有以下有益效果：
(1)为碳循环和生态科学相关研究提供准确空间数据
目前生态系统特征量的空间分布数据主要由生态模型输出得到，但由于计算速度和计算机容量的限制，生态模型输出的生态系统特征量如净初级生产力、净生态系统生产力、总初级生产力、土壤有机碳、植被碳等的空间精度往往不高，不能满足小区域高空间分辨率碳循环和生态科学研究的需要。本专利开发的空间生态降尺度技术可以将模型输出结果的空间尺度降到指定分辨率，满足了小区域内精细尺度的碳循环和生态科学研究的需要。
(2)为国家公园和自然保护地的保护成效提供准确空间数据
经过近60余年的发展，全国各类自然保护地已逾12000个，总面积占到我国陆域总面积的近18％。但是国家公园和自然保护地的面积相对较小，如果用传统的生态模型的全球和全国的输出结果只有有限的数据，但利用本专利的降尺度方法，可以得到保护区范围内高精度的生态变化特征，用于评估自然保护地生态保护成效。
(3)为区域生态评估准确空间数据
对区域生态评估，需要高精度的生态系统空间分布数据，本专利为区域尺度上准确评估生态文明建设成效提供了技术保障。
通过以上描述介绍了用于陆地生态系统特征量的降尺度的实现过程，该过程可由装置实现，下面对该装置的内部结构和功能进行介绍。
图4是本发明一个实施例的一种用于陆地生态系统特征量的降尺度装置的框图。
如图4所示，根据本发明实施例的第二方面，提供一种用于陆地生态系统特征量的降尺度装置，所述装置包括：
第一获取模块41，用于获取预进行空间降尺度的生态系统特征量的原始数据；
第二获取模块42，用于获取与所述原始数据的空间分辨率一致且生成所述原始数据的第一空间分布数据，以及与所述原始数据降尺度后的目标空间分辨率一致的第二空间分布数据，其中，所述原始数据、所述第一空间分布数据和所述第二空间分布数据是按照相同的陆地生态系统类型级别划分的，其中，所述陆地生态系统类型级别包括一级陆地生态系统类型和二级陆地生态系统类型；
第一生成模块43，用于基于所述第一空间分布数据生成所述原始数据对应的多个原始子空间数据集，其中，原始子空间数据集的个数与所述第一空间分布数据的陆地生态系统类型级别中生态系统类型的数目相对应，每个原始子空间数据集对应一个生态系统类型，每个原始子空间数据集中其生态系统类型对应的空间点上的数值为有效值，其他空间点上对应的数值均为缺失值；
第二生成模块44，用于基于所述第二空间分布数据生成目标数据对应的多个目标子空间数据集，其中，所述目标数据为所述原始数据进行降尺度后生成的空间数据，所述目标子空间数据集的个数与所述第二空间分布数据的陆地生态系统类型级别中生态系统类型的数目相对应，每个目标子空间数据集对应一个生态系统类型，每个目标子空间数据集中其生态系统类型对应的空间点上的数值为预设值，其他空间点上对应的数值均为缺失值；
计算模块45，用于根据每个所述原始子空间数据集中的有效值计算与其生态系统类型相同的目标子空间数据集中每个预设值的空间点对应的目标数值，并用所述目标数值替换所述缺失值；
合并模块46，用于合并所有目标子空间数据集，以得到目标数据。
可选的，所述一级陆地生态系统类型包括森林、灌丛、草地、湿地、农作物和荒漠，所述二级陆地生态系统类型包括常绿阔叶林、常绿针叶林、落叶阔叶林、落叶针叶林、针阔混交林、常绿灌丛、荒漠灌丛、落叶灌丛、高寒草地、高寒草甸、典型草原、荒漠草地、湿地和农作物。
图5是本发明一个实施例的一种用于陆地生态系统特征量的降尺度装置中计算模块的框图。
如图5所示，可选的，所述计算模块45包括：
第一确定单元51，用于确定每个目标子空间数据集中每个缺失值对应的目标空间点的第一经纬度值；
计算单元52，用于根据所述第一经纬度值，确定与其生态系统类型相同的原始子空间数据集中该第一经纬度值对应的数值与其周围有效值的距离，并从中选取距离最近的8个近距空间点，并利用以下公式计算所述目标空间点对应的目标数值；
其中，v(a)表示所述目标数值，a表示所述目标空间点，bi表示原始子空间数据集中第i个近距空间点，v(bi)表示bi对应的数值，d(a，bi)表示a与bi之间的距离，wi(b)用于计算权重系数；
其中，λ2i表示bi的经度值，
表示bi的纬度值，λ1表示a的经度值，
表示a的纬度值，r表示地球半径。
图6是本发明一个实施例的一种用于陆地生态系统特征量的降尺度装置中合并模块的框图。
如图6所示，可选的，所述合并模块46包括：
创建单元61，用于创建一个与所述目标子空间数据集具有相同空间分辨率的空数据集，所述空数据集中的每个空间点的数值均为缺失值；
第二确定单元62，用于针对所述空数据集中的每个空间点，确定其第二经纬度值；
选取单元63，用于分别在每个目标子空间数据集中选取所述第二经纬度值对应的数值；
替换单元64，用于当所述数值为有效值时，使用该有效值替换所述空数据集中所述空间点的缺失值。
可选的，所述原始数据包括生态模型的输出数据或者生态观测数据；
当所述原始数据为所述生态模型的输出数据时，所述第一空间分布数据为生态模型模拟时所采用的植被分类空间数据；
当所述原始数据为所述生态观测数据时，所述第一空间分布数据为观测的生态系统类型和数据的经纬度信息。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (8)
1.一种用于陆地生态系统特征量的降尺度方法，其特征在于，所述方法包括：
获取预进行空间降尺度的生态系统特征量的原始数据；
获取与所述原始数据的空间分辨率一致且生成所述原始数据的第一空间分布数据，以及与所述原始数据降尺度后的目标空间分辨率一致的第二空间分布数据，其中，所述原始数据、所述第一空间分布数据和所述第二空间分布数据是按照相同的陆地生态系统类型级别划分的，其中，所述陆地生态系统类型级别包括一级陆地生态系统类型和二级陆地生态系统类型；
基于所述第一空间分布数据生成所述原始数据对应的多个原始子空间数据集，其中，原始子空间数据集的个数与所述第一空间分布数据的陆地生态系统类型级别中生态系统类型的数目相对应，每个原始子空间数据集对应一个生态系统类型，每个原始子空间数据集中其生态系统类型对应的空间点上的数值为有效值，其他空间点上对应的数值均为缺失值；
基于所述第二空间分布数据生成目标数据对应的多个目标子空间数据集，其中，所述目标数据为所述原始数据进行降尺度后生成的空间数据，所述目标子空间数据集的个数与所述第二空间分布数据的陆地生态系统类型级别中生态系统类型的数目相对应，每个目标子空间数据集对应一个生态系统类型，每个目标子空间数据集中其生态系统类型对应的空间点上的数值为预设值，其他空间点上对应的数值均为缺失值；
根据每个所述原始子空间数据集中的有效值计算与其生态系统类型相同的目标子空间数据集中每个预设值的空间点对应的目标数值，并用所述目标数值替换所述预设值；
合并所有目标子空间数据集，以得到目标数据；
根据每个所述原始子空间数据集中的有效值计算与其生态系统类型相同的目标子空间数据集中每个预设值的空间点对应的目标数值，并用所述目标数值替换所述预设值，包括：
确定每个目标子空间数据集中每个预设值对应的目标空间点的第一经纬度值；
根据所述第一经纬度值，确定与其生态系统类型相同的原始子空间数据集中该第一经纬度值对应的数值与其周围有效值的距离，并从中选取距离最近的8个近距空间点，并利用以下公式计算所述目标空间点对应的目标数值；
其中，v(a)表示所述目标数值，a表示所述目标空间点，bi表示原始子空间数据集中第i个近距空间点，v(bi)表示bi对应的数值，d(a，bi)表示a与bi之间的距离，wi(b)用于计算权重系数；
其中，λ2i表示bi的经度值，
表示bi的纬度值，λ1表示a的经度值，
表示a的纬度值，r表示地球半径。
2.根据权利要求1所述的方法，其特征在于，所述一级陆地生态系统类型包括森林、灌丛、草地、湿地、农作物和荒漠，所述二级陆地生态系统类型包括常绿阔叶林、常绿针叶林、落叶阔叶林、落叶针叶林、针阔混交林、常绿灌丛、荒漠灌丛、落叶灌丛、高寒草地、高寒草甸、典型草原、荒漠草地、湿地和农作物。
3.根据权利要求1所述的方法，其特征在于，合并所有目标子空间数据集，包括：
创建一个与所述目标子空间数据集具有相同空间分辨率的空数据集，所述空数据集中的每个空间点的数值均为缺失值；
针对所述空数据集中的每个空间点，确定其第二经纬度值；
分别在每个目标子空间数据集中选取所述第二经纬度值对应的数值；
当所述数值为有效数值时，使用该有效数值替换所述空数据集中所述空间点的缺失值。
4.根据权利要求1所述的方法，其特征在于，所述原始数据包括生态模型的输出数据或者生态观测数据；
当所述原始数据为所述生态模型的输出数据时，所述第一空间分布数据为生态模型模拟时所采用的植被分类空间数据；
当所述原始数据为所述生态观测数据时，所述第一空间分布数据为观测的生态系统类型和数据的经纬度信息。
5.一种用于陆地生态系统特征量的降尺度装置，其特征在于，所述装置包括：
第一获取模块，用于获取预进行空间降尺度的生态系统特征量的原始数据；
第二获取模块，用于获取与所述原始数据的空间分辨率一致且生成所述原始数据的第一空间分布数据，以及与所述原始数据降尺度后的目标空间分辨率一致的第二空间分布数据，其中，所述原始数据、所述第一空间分布数据和所述第二空间分布数据是按照相同的陆地生态系统类型级别划分的，其中，所述陆地生态系统类型级别包括一级陆地生态系统类型和二级陆地生态系统类型；
第一生成模块，用于基于所述第一空间分布数据生成所述原始数据对应的多个原始子空间数据集，其中，原始子空间数据集的个数与所述第一空间分布数据的陆地生态系统类型级别中生态系统类型的数目相对应，每个原始子空间数据集对应一个生态系统类型，每个原始子空间数据集中其生态系统类型对应的空间点上的数值为有效值，其他空间点上对应的数值均为缺失值；
第二生成模块，用于基于所述第二空间分布数据生成目标数据对应的多个目标子空间数据集，其中，所述目标数据为所述原始数据进行降尺度后生成的空间数据，所述目标子空间数据集的个数与所述第二空间分布数据的陆地生态系统类型级别中生态系统类型的数目相对应，每个目标子空间数据集对应一个生态系统类型，每个目标子空间数据集中其生态系统类型对应的空间点上的数值为预设值，其他空间点上对应的数值均为缺失值；
计算模块，用于根据每个所述原始子空间数据集中的有效值计算与其生态系统类型相同的目标子空间数据集中每个预设值的空间点对应的目标数值，并用所述目标数值替换所述预设值；
合并模块，用于合并所有目标子空间数据集，以得到目标数据；
所述计算模块包括：
第一确定单元，用于确定每个目标子空间数据集中每个缺失值对应的目标空间点的第一经纬度值；
计算单元，用于根据所述第一经纬度值，确定与其生态系统类型相同的原始子空间数据集中该第一经纬度值对应的数值与其周围有效值的距离，并从中选取距离最近的8个近距空间点，并利用以下公式计算所述目标空间点对应的目标数值；
其中，v(a)表示所述目标数值，a表示所述目标空间点，bi表示原始子空间数据集中第i个近距空间点，v(bi)表示bi对应的数值，d(a，bi)表示a与bi之间的距离，wi(b)用于计算权重系数；
其中，λ2i表示bi的经度值，
表示bi的纬度值，λ1表示a的经度值，
表示a的纬度值，r表示地球半径。
6.根据权利要求5所述的装置，其特征在于，所述一级陆地生态系统类型包括森林、灌丛、草地、湿地、农作物和荒漠，所述二级陆地生态系统类型包括常绿阔叶林、常绿针叶林、落叶阔叶林、落叶针叶林、针阔混交林、常绿灌丛、荒漠灌丛、落叶灌丛、高寒草地、高寒草甸、典型草原、荒漠草地、湿地和农作物。
7.根据权利要求5所述的装置，其特征在于，所述合并模块包括：
创建单元，用于创建一个与所述目标子空间数据集具有相同空间分辨率的空数据集，所述空数据集中的每个空间点的数值均为缺失值；
第二确定单元，用于针对所述空数据集中的每个空间点，确定其第二经纬度值；
选取单元，用于分别在每个目标子空间数据集中选取所述第二经纬度值对应的数值；
替换单元，用于当所述数值为有效值时，使用该有效值替换所述空数据集中所述空间点的缺失值。
8.根据权利要求5所述的装置，其特征在于，所述原始数据包括生态模型的输出数据或者生态观测数据；
当所述原始数据为所述生态模型的输出数据时，所述第一空间分布数据为生态模型模拟时所采用的植被分类空间数据；
当所述原始数据为所述生态观测数据时，所述第一空间分布数据为观测的生态系统类型和数据的经纬度信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010657776.6A CN111767278B (zh) | 2020-07-09 | 2020-07-09 | 一种用于陆地生态系统特征量的降尺度方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010657776.6A CN111767278B (zh) | 2020-07-09 | 2020-07-09 | 一种用于陆地生态系统特征量的降尺度方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111767278A CN111767278A (zh) | 2020-10-13 |
| CN111767278B true CN111767278B (zh) | 2022-11-22 |
Family
ID=72725981
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010657776.6A Active CN111767278B (zh) | 2020-07-09 | 2020-07-09 | 一种用于陆地生态系统特征量的降尺度方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111767278B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105719236A (zh) * | 2016-01-14 | 2016-06-29 | 北京师范大学 | 生成完整的高分辨率植被盖度图像季节变化序列的方法 |
| CN107748736A (zh) * | 2017-10-13 | 2018-03-02 | 河海大学 | 一种基于随机森林的多因子遥感地表温度空间降尺度方法 |
| US9928319B1 (en) * | 2016-09-26 | 2018-03-27 | International Business Machines Corporation | Flexible framework for ecological niche modeling |
| CN108760643A (zh) * | 2018-04-04 | 2018-11-06 | 西南石油大学 | 一种适宜于高海拔地区的干旱遥感监测方法 |
| CN110766229A (zh) * | 2019-10-24 | 2020-02-07 | 河南大学 | 一种基于“降尺度-融合”的高分辨率每日降水制图方法 |
-
2020
- 2020-07-09 CN CN202010657776.6A patent/CN111767278B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105719236A (zh) * | 2016-01-14 | 2016-06-29 | 北京师范大学 | 生成完整的高分辨率植被盖度图像季节变化序列的方法 |
| US9928319B1 (en) * | 2016-09-26 | 2018-03-27 | International Business Machines Corporation | Flexible framework for ecological niche modeling |
| CN107748736A (zh) * | 2017-10-13 | 2018-03-02 | 河海大学 | 一种基于随机森林的多因子遥感地表温度空间降尺度方法 |
| CN108760643A (zh) * | 2018-04-04 | 2018-11-06 | 西南石油大学 | 一种适宜于高海拔地区的干旱遥感监测方法 |
| CN110766229A (zh) * | 2019-10-24 | 2020-02-07 | 河南大学 | 一种基于“降尺度-融合”的高分辨率每日降水制图方法 |
Non-Patent Citations (2)
| Title |
|---|
| 基于不适定反问题求解的降水图像降尺度研究;王根等;《地球科学进展》;20171010(第10期);全文 * |
| 基于地统计学的森林地上生物量估计;贺鹏等;《林业科学》;20130515(第05期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111767278A (zh) | 2020-10-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Shen et al. | Remote sensing and evaluation of the wetland ecological degradation process of the Zoige Plateau Wetland in China | |
| Bednarik et al. | Landslide hazard and risk assessment: a case study from the Hlohovec–Sered’landslide area in south-west Slovakia | |
| Rahman et al. | Assessing regional environmental quality by integrated use of remote sensing, GIS, and spatial multi-criteria evaluation for prioritization of environmental restoration | |
| Panagos et al. | Estimating the soil organic carbon content for European NUTS2 regions based on LUCAS data collection | |
| Gao et al. | Exploring detailed urban-rural development under intersecting population growth and food production scenarios: Trajectories for China’s most populous agricultural province to 2030 | |
| Weslati et al. | Modelling and assessing the spatiotemporal changes to future land use change scenarios using remote sensing and CA-markov model in the mellegue catchment | |
| CN114357879A (zh) | 一种未来土地利用模拟方法、装置、存储介质及终端设备 | |
| CN112585505A (zh) | 确定用于农学决策支持的位置特定的天气信息 | |
| Roberts | The effects of current landscape configuration on streamflow within selected small watersheds of the Atlanta metropolitan region | |
| CN110852474B (zh) | 一种基于决策树算法的陆地水储量预测方法、装置及设备 | |
| Zhang et al. | A geomorphological regionalization using the upscaled dem: The Beijing-Tianjin-Hebei Area, China case study | |
| Löw et al. | Land cover change detection in the Aralkum with multi-source satellite datasets | |
| Liao et al. | Errors prediction for vector-to-raster conversion based on map load and cell size | |
| Li et al. | Evaluating rural sustainable land use from a system perspective based on the ecosystem service value | |
| CN106546958B (zh) | 一种优化的雷达数据同化方法 | |
| Mubea et al. | Spatial effects of varying model coefficients in urban growth modeling in Nairobi, Kenya | |
| CN111767278B (zh) | 一种用于陆地生态系统特征量的降尺度方法及装置 | |
| Yuan et al. | Projection of the spatially explicit land use/cover changes in China, 2010–2100 | |
| Ludwig et al. | Mesoscale water balance modelling in the Upper Danube watershed using sub-scale land cover information derived from NOAA-AVHRR imagery and GIS-techniques | |
| Liu et al. | Vegetation mapping for regional ecological research and management: a case of the Loess Plateau in China | |
| CN110852472A (zh) | 一种基于随机森林算法的陆地水储量预测方法及设备 | |
| Rogers et al. | Assessing regional scale habitat area with a three dimensional measure | |
| CN114003640A (zh) | 一种不稳定耕地的分析方法 | |
| Bothale et al. | Evaluation and comparison of multi resolution DEM derived through Cartosat-1 stereo pair–A case study of Damanganga Basin | |
| Wang et al. | Simulation of precise scale land use change based on the Markov-cellular automata model |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20221122 Address after: 1212-A, Floor 11, Building 1, Yard B, Zhongguancun South Street, Haidian District, Beijing 100081 Patentee after: Fuzhisheng (Beijing) Technology Co.,Ltd. Address before: 100101 Beijing city Chaoyang District Datun Road No. 11 Patentee before: Institute of Geographic Sciences and Natural Resources Research, CAS |