CN111814316A - 一种用于地表变量的非均匀性时空分析方法及系统 - Google Patents
一种用于地表变量的非均匀性时空分析方法及系统 Download PDFInfo
- Publication number
- CN111814316A CN111814316A CN202010559700.XA CN202010559700A CN111814316A CN 111814316 A CN111814316 A CN 111814316A CN 202010559700 A CN202010559700 A CN 202010559700A CN 111814316 A CN111814316 A CN 111814316A
- Authority
- CN
- China
- Prior art keywords
- analysis
- heterogeneity
- uniformity
- time
- analyzed
- 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.)
- Granted
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 66
- 238000000034 method Methods 0.000 claims abstract description 53
- 238000004445 quantitative analysis Methods 0.000 claims abstract description 23
- 238000002474 experimental method Methods 0.000 claims abstract description 12
- 238000007781 pre-processing Methods 0.000 claims description 8
- 238000012732 spatial analysis Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 3
- 238000010219 correlation analysis Methods 0.000 abstract description 10
- 238000004364 calculation method Methods 0.000 description 9
- 230000004907 flux Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 230000009466 transformation Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000005855 radiation Effects 0.000 description 4
- 239000002689 soil Substances 0.000 description 3
- 108010014173 Factor X Proteins 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000005211 surface analysis Methods 0.000 description 1
- 238000012731 temporal analysis Methods 0.000 description 1
- 230000002123 temporal effect Effects 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Complex Calculations (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明实施例提供一种用于地表变量的非均匀性时空分析方法及系统。该方法包括：获取待分析地表变量数据；对所述待分析地表变量数据进行基于信息熵的非均匀性空间分析，得到非均匀性空间定量分析结果；对所述待分析地表变量数据进行基于灰色关联度的非均匀性时间分析，得到非均匀性时间定量分析结果。本发明实施例提出的用于地表变量的非均匀性时空分析，空间分析方法使用信息熵作为定量描述上述地表变量的非均匀性的指标，能统一量纲，既适用于遥感观测，又适用于地面实验的观测；时间分析方法使用灰色关联分析方法用于不同变量间非均匀性的时间变化分析。
Description
技术领域
本发明涉及遥感技术领域，尤其涉及一种用于地表变量的非均匀性时空分析方法及系统。
背景技术
在地表分析中，非均匀性，即空间变异性，是地球表面几何形态，物理过程及其变量的固有性质。卫星数据的多时空分辨率特点，使得对于高分辨率的遥感传感器，其观测结果为像元灰度值形成的凹凸起伏的曲面；然而对于低分辨率的遥感传感器，其观测结果却为一个平面，具有严重的平滑效应，如图1所示。地表变量空间的非均匀性可看作是凹凸不平的曲面，同时从数学的角度，传感器表现的凹凸不平的曲面实质是由一系列离散点组成的集合，因此一个地表变量的非均匀性可抽象为一个点集的起伏程度，对地表变量非均匀性的数学表达即为对该点集离散程度的度量，此时所考虑的空间起伏包含了该变量是否在某个变化区间(或状态)占有优势地位的涵义。
同一区域，定量遥感在中低分辨率传感器所得到的是在较大尺度上的一个单值，而在高分辨率传感器上所反演得到的地表变量为离散的二维数组；而由于陆表过程的复杂性，使用单一的值分析认识陆表过程，无论是从物理过程还是遥感定量反演的角度，在非均匀下垫面都会造成较大的误差。
如何对这种地表变量的非均匀性进行定量描述，不同变量值间的非均匀性随时间变化有什么规律？数学中能表示离散程度的变量很多，如分位数，标准差，方差，变异系数等；另外遥感领域，国内外比较常用的定量化描述空间异质性的方法还有变异函数法、分形法和小波变换法。一般的规律分析方法有普通的相关性分析，时间序列建模分析等。
由于各个地表变量之间数量级，量纲不一样，因此需要一无量纲量或者统一量纲的指标用于直接分析比较变量之间的非均匀性，分位数，标准差，方差等指标就不再适用，变异系数则受平均值影响波动较大；同时分形法和小波变换法又计算过于复杂或者代表不同尺度的结果，对于地面观测结果，由于地面观测仪器布设本身不均匀，这两种方法均不适用于地面观测实验的结果；此外，还有地统计学的半变异函数法，但更偏向于结构异质性的表达(结构异质性具体理解即图1中左图中相同元素，但是位置的排列方式不一样，会导致结构异质性不一样)。
现实世界存在的系统是由若干个影响因素所构成了，由于对客观世界的认识局限性，人们获取的信息具有很大的不确定性。如对于地理系统而言，既包含已知的确定信息(即白色信息)，又包含大量的非确定信息(即黑色信息)，是一个典型的灰色系统，这意味许多地理要素之间的关系是灰色的，则在该地理系统中，哪些因素是主导因素，哪些因素是非主导因素是难以区分的；且因素X对因素Y之间的统计相关程度与因素Y对因素X的统计相关程度极有可能是不一样的。如果仅仅使用简单的统计分析，得到的各个因素之间的相关程度是一样的，这不够科学。因此普通的相关性分析不适用于复杂的陆表过程，而时间序列建模分析主要目的是进行规律的预测预报，且主要针对一个规律自身的分析，对多个规律间的分析较为薄弱。
发明内容
本发明实施例提供一种用于地表变量的非均匀性时空分析方法及系统，用以解决现有技术中存在的不足。
第一方面，本发明实施例提供一种用于地表变量的非均匀性时空分析方法，包括：
获取待分析地表变量数据；
对所述待分析地表变量数据进行基于信息熵的非均匀性空间分析，得到非均匀性空间定量分析结果；
对所述待分析地表变量数据进行基于灰色关联度的非均匀性时间分析，得到非均匀性时间定量分析结果。
进一步地，所述待分析地表变量数据包括遥感观测数据和地面观测实验数据。
进一步地，所述对所述待分析地表变量数据进行基于信息熵的非均匀性空间分析，得到非均匀性空间定量分析结果，具体包括：
计算所述待分析地表变量在预设空间范围内任一时间点的信息熵，所述信息熵是基于将所述预设空间范围划分为若干区间，计算所述若干区间的概率质量函数所获得。
进一步地，所述信息熵包括以自然常数e为底进行计算。
进一步地，所述对所述待分析地表变量数据进行基于灰色关联度的非均匀性时间分析，得到非均匀性时间定量分析结果，具体包括：
在预设系统中选择若干地表变量，获取每个地表变量时间序列的空间数据，选取预设地表变量非均匀性指标；
基于所述预设地表变量非均匀性指标，计算每个地表变量每个时间点的非均匀性指标和每个地表变量时间序列的非均匀性指标；
若所述每个地表变量每个时间点的非均匀性指标和所述每个地表变量时间序列的非均匀性指标中的任意两个非均匀性指标因素的量级不一致，则对所述每个地表变量每个时间点的非均匀性指标和所述每个地表变量时间序列的非均匀性指标进行预处理，否则直接进入下一处理步骤；
计算所述任意两个非均匀性指标因素的灰色关联系数；
基于所述灰色关联系数，计算灰色关联度；
计算所有的任意两个非均匀性指标因素的灰色关联系数和灰色关联度，得到灰色关联度集合；
对所述灰色关联度集合进行分析，得到任意两个非均匀性指标因素的非均匀性随时间的变化趋势。
进一步地，所述预处理包括初值变换或均值变换。
第二方面，本发明实施例提供一种用于地表变量的非均匀性时空分析系统，包括：
获取模块，用于获取待分析地表变量数据；
空间分析模块，用于对所述待分析地表变量数据进行基于信息熵的非均匀性空间分析，得到非均匀性空间定量分析结果；
时间分析模块，用于对所述待分析地表变量数据进行基于灰色关联度的非均匀性时间分析，得到非均匀性时间定量分析结果。
进一步地，所述获取模块中的所述待分析地表变量数据包括遥感观测数据和地面观测实验数据。
第三方面，本发明实施例提供一种电子设备，包括：
存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现任一项所述用于地表变量的非均匀性时空分析方法的步骤。
第四方面，本发明实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现任一项所述用于地表变量的非均匀性时空分析方法的步骤。
本发明实施例提供的用于地表变量的非均匀性时空分析方法及系统，通过提出用于地表变量的非均匀性时空分析，空间分析方法使用信息熵作为定量描述上述地表变量的非均匀性的指标，能统一量纲，既适用于遥感观测，又适用于地面实验的观测；时间分析方法使用灰色关联分析方法用于不同变量间非均匀性的时间变化分析。
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，下面将对实施例或现有技术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的前提下，还可以根据这些附图获得其他的附图。
图1为现有技术中的高低分辨率卫星数据示意图；
图2为本发明实施例提供的一种用于地表变量的非均匀性时空分析方法流程图；
图3为本发明实施例提供的一种用于地表变量的非均匀性时空分析系统结构图；
图4为本发明实施例提供的电子设备的结构框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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。
图2为本发明实施例提供的一种用于地表变量的非均匀性时空分析方法流程图，如图2所示，包括：
S1，获取待分析地表变量数据；
其中，所述待分析地表变量数据包括遥感观测数据和地面观测实验数据；
从两个维度对待分析地表变量数据进行分析，该地表变量数据可以为遥感观测数据，也可以为地面观测实验数据；
S2，对所述待分析地表变量数据进行基于信息熵的非均匀性空间分析，得到非均匀性空间定量分析结果；
选择在一定的空间范围内，某个时间的地表变量数据，计算该变量在该空间范围内和该时间点的信息熵，作为非均匀性空间定量分析结果；
S3，对所述待分析地表变量数据进行基于灰色关联度的非均匀性时间分析，得到非均匀性时间定量分析结果。
选择一个系统，在该系统中选择若干地表变量数据，针对每个变量数据，计算每两个变量数据之间的灰色关联度，对计算得到的所有灰色关联度进行分析对比，得到非均匀性时间定量分析结果。
本发明实施例通过提出用于地表变量的非均匀性时空分析，空间分析方法使用信息熵作为定量描述上述地表变量的非均匀性的指标，能统一量纲，既适用于遥感观测，又适用于地面实验的观测；时间分析方法使用灰色关联分析方法用于不同变量间非均匀性的时间变化分析。
基于上述实施例，该方法中步骤S1具体包括：
计算所述待分析地表变量在预设空间范围内任一时间点的信息熵，所述信息熵是基于将所述预设空间范围划分为若干区间，计算所述若干区间的概率质量函数所获得。
其中，所述信息熵包括以自然常数e为底进行计算。
具体地，计算一定空间范围内某个时间的地表变量数据的信息熵：
式中，pi为将该点集划分为n个区间后，一个观测值落在第i个区间的概率，即变量的概率质量函数，且满足归一化条件
信息熵的结果很大程度取决于概率密度区间分割的大小与起始值。
此处，本发明实施例使用的是以自然常数e为底计算信息熵，也可以以2、10或其他数值为底计算。
基于上述任一实施例，该方法中步骤S3具体包括：
在预设系统中选择若干地表变量，获取每个地表变量时间序列的空间数据，选取预设地表变量非均匀性指标；
基于所述预设地表变量非均匀性指标，计算每个地表变量每个时间点的非均匀性指标和每个地表变量时间序列的非均匀性指标；
若所述每个地表变量每个时间点的非均匀性指标和所述每个地表变量时间序列的非均匀性指标中的任意两个非均匀性指标因素的量级不一致，则对所述每个地表变量每个时间点的非均匀性指标和所述每个地表变量时间序列的非均匀性指标进行预处理，否则直接进入下一处理步骤；
计算所述任意两个非均匀性指标因素的灰色关联系数；
基于所述灰色关联系数，计算灰色关联度；
计算所有的任意两个非均匀性指标因素的灰色关联系数和灰色关联度，得到灰色关联度集合；
对所述灰色关联度集合进行分析，得到任意两个非均匀性指标因素的非均匀性随时间的变化趋势。
其中，所述预处理包括初值变换或均值变换。
具体地，在选取的系统中，根据专家知识选择该系统包含的n个地表变量，并获得每个变量时间序列(假设有m个时刻或m个时段)的空间数据，所有变量的数据覆盖的空间范围和时间范围应保持一致。选取一种能表示地表变量非均匀性的指标，如信息熵。
针对每一个变量，计算该变量每个时间点的非均匀性指标xi，i＝1，2，……n，并计算时间序列的非均匀性指标xi(t)，t＝1，2，…，m。如果因素xj和因素xi的量级是不一样的，此处，如果量级一样则后面的预处理步骤可省略，在进一步计算它们的灰色关联度之前需要对它们进行预处理，否则将会使得灰色关联度的计算结果不具有可比性，常用的预处理方法有初值变换或均值变换，以均值变换为例，其计算公式如下：
在x1，x2，…，xn中，计算每两个因素之间的灰色关联系数，如因素xj对因素xi在t时刻的灰色关联系数ξij(t)的计算公式如下：
式中，Δij(t)＝|xi(t)-xj(t)|，Δmin＝minjmintΔij(t)，Δmax＝maxjmaxtΔij(t)，k是介于[0,1]区间上的灰数，一般取值0.5。
根据计算得到的灰色关联系数，计算灰色关联度γij，公式如下：
重复上述计算灰色关联系数和灰色关联度的计算步骤，直至计算完所有的每两个变量之间的灰色关联度。
最后分析上述计算结果，即可进行地表变量的非均匀性分析，值越大，则说明它们之间的非均匀性随时间变化的趋势越相近。
需要说明的是，本发明实施例采用的灰色关联分析方法不限于使用于本发明实施例提出的非均匀性指标进行灰色关联分析，其它非均匀性指标也可以使用，此处不作限制。
下面以地面观测中水热通量观测实验为例来介绍本发明实施例。
首先是地表变量非均匀性定量表达方法，即空间分析方法：
以地面观测水热通量观测系统观测的显热通量H为例，计算其非均匀性指标信息熵。
1、使用高斯核密度估计方法将分布在不同位置观测的H的取值区间均匀划分为512等分，并计算每个区间的概率pi；
2、将1中计算的pi代入以下公式，即可得到H的信息熵：
当变量只有一种状态即单值分布时，信息熵为0；而当变量完全均匀分布时，此时，变量的信息熵最大，为lnn。
然后是地表变量非均匀性的时间分析方法：
1、根据灰色系统的需求，需要先构造一个灰色系统。将显热通量H与地表变量摩擦风速u*；5m高空气温度Ta_5m；净辐射Rn；4cm处土壤湿度Ms_4cm；地表反照率albedo；0cm处土壤温度Ts_0cm；地表热红外辐射温度LST，视为一个整体，构建灰色系统：显热通量H与上述地表变量；
2、获得指定区域范围内同一时段不同空间位置分布的显热通量与地表变量的观测值，并获得多个时段的观测值；
3、计算每个变量的信息熵；
4、由于各个变量参与计算的节点数量可能会不一样，或者其他因素的影响，因此对所有变量的熵进行归一化处理，公式如下：
式中m为节点数量。
5、对地面观测网络的数据进行灰度关联分析，得到表1(2012年9月11日显热通量与地表变量灰色关联分析结果)的结果。在表中，行计算结果是在构成的系统中，列变量对行变量的灰色关联度，结果越大说明二者相似程度越高
表1
由表1可知，在所构成的灰色关联系统中，同一区域，显热通量与地表辐射温度的灰色关联度最大(0.827)，这说明显热通量与地表辐射温度的空间变异程度在时间上的变化趋势最为相似，其次是土壤湿度。
图3为本发明实施例提供的一种用于地表变量的非均匀性时空分析系统结构图，如图3所示，包括：获取模块31、空间分析模块32和时间分析模块33；其中：
获取模块31获取待分析地表变量数据；空间分析模块32对所述待分析地表变量数据进行基于信息熵的非均匀性空间分析，得到非均匀性空间定量分析结果；时间分析模块33对所述待分析地表变量数据进行基于灰色关联度的非均匀性时间分析，得到非均匀性时间定量分析结果。
本发明实施例提供的系统用于执行上述对应的方法，其具体的实施方式与方法的实施方式一致，涉及的算法流程与对应的方法算法流程相同，此处不再赘述。
本发明实施例通过提出用于地表变量的非均匀性时空分析，空间分析方法使用信息熵作为定量描述上述地表变量的非均匀性的指标，能统一量纲，既适用于遥感观测，又适用于地面实验的观测；时间分析方法使用灰色关联分析方法用于不同变量间非均匀性的时间变化分析。
图4示例了一种电子设备的实体结构示意图，如图4所示，该电子设备可以包括：处理器(processor)410、通信接口(Communications Interface)420、存储器(memory)430和通信总线440，其中，处理器410，通信接口420，存储器430通过通信总线440完成相互间的通信。处理器410可以调用存储器430中的逻辑指令，以执行如下方法：获取待分析地表变量数据；对所述待分析地表变量数据进行基于信息熵的非均匀性空间分析，得到非均匀性空间定量分析结果；对所述待分析地表变量数据进行基于灰色关联度的非均匀性时间分析，得到非均匀性时间定量分析结果。
此外，上述的存储器430中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，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)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的传输方法，例如包括：获取待分析地表变量数据；对所述待分析地表变量数据进行基于信息熵的非均匀性空间分析，得到非均匀性空间定量分析结果；对所述待分析地表变量数据进行基于灰色关联度的非均匀性时间分析，得到非均匀性时间定量分析结果。
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。
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 (10)
1.一种用于地表变量的非均匀性时空分析方法，其特征在于，包括：
获取待分析地表变量数据；
对所述待分析地表变量数据进行基于信息熵的非均匀性空间分析，得到非均匀性空间定量分析结果；
对所述待分析地表变量数据进行基于灰色关联度的非均匀性时间分析，得到非均匀性时间定量分析结果。
2.根据权利要求1所述的用于地表变量的非均匀性时空分析方法，其特征在于，所述待分析地表变量数据包括遥感观测数据和地面观测实验数据。
3.根据权利要求1所述的用于地表变量的非均匀性时空分析方法，其特征在于，所述对所述待分析地表变量数据进行基于信息熵的非均匀性空间分析，得到非均匀性空间定量分析结果，具体包括：
计算所述待分析地表变量在预设空间范围内任一时间点的信息熵，所述信息熵是基于将所述预设空间范围划分为若干区间，计算所述若干区间的概率质量函数所获得。
4.根据权利要求3所述的用于地表变量的非均匀性时空分析方法，其特征在于，所述信息熵包括以自然常数e为底进行计算。
5.根据权利要求1所述的用于地表变量的非均匀性时空分析方法，其特征在于，所述对所述待分析地表变量数据进行基于灰色关联度的非均匀性时间分析，得到非均匀性时间定量分析结果，具体包括：
在预设系统中选择若干地表变量，获取每个地表变量时间序列的空间数据，选取预设地表变量非均匀性指标；
基于所述预设地表变量非均匀性指标，计算每个地表变量每个时间点的非均匀性指标和每个地表变量时间序列的非均匀性指标；
若所述每个地表变量每个时间点的非均匀性指标和所述每个地表变量时间序列的非均匀性指标中的任意两个非均匀性指标因素的量级不一致，则对所述每个地表变量每个时间点的非均匀性指标和所述每个地表变量时间序列的非均匀性指标进行预处理，否则直接进入下一处理步骤；
计算所述任意两个非均匀性指标因素的灰色关联系数；
基于所述灰色关联系数，计算灰色关联度；
计算所有的任意两个非均匀性指标因素的灰色关联系数和灰色关联度，得到灰色关联度集合；
对所述灰色关联度集合进行分析，得到任意两个非均匀性指标因素的非均匀性随时间的变化趋势。
6.根据权利要求5所述的用于地表变量的非均匀性时空分析方法，其特征在于，所述预处理包括初值变换或均值变换。
7.一种用于地表变量的非均匀性时空分析系统，其特征在于，包括：
获取模块，用于获取待分析地表变量数据；
空间分析模块，用于对所述待分析地表变量数据进行基于信息熵的非均匀性空间分析，得到非均匀性空间定量分析结果；
时间分析模块，用于对所述待分析地表变量数据进行基于灰色关联度的非均匀性时间分析，得到非均匀性时间定量分析结果。
8.根据权利要求7所述的用于地表变量的非均匀性时空分析系统，其特征在于，所述获取模块中的所述待分析地表变量数据包括遥感观测数据和地面观测实验数据。
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至6任一项所述用于地表变量的非均匀性时空分析方法的步骤。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至6任一项所述用于地表变量的非均匀性时空分析方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010559700.XA CN111814316B (zh) | 2020-06-18 | 2020-06-18 | 一种用于地表变量的非均匀性时空分析方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010559700.XA CN111814316B (zh) | 2020-06-18 | 2020-06-18 | 一种用于地表变量的非均匀性时空分析方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111814316A true CN111814316A (zh) | 2020-10-23 |
| CN111814316B CN111814316B (zh) | 2024-04-02 |
Family
ID=72846233
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010559700.XA Active CN111814316B (zh) | 2020-06-18 | 2020-06-18 | 一种用于地表变量的非均匀性时空分析方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111814316B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112884292A (zh) * | 2021-01-27 | 2021-06-01 | 中交路桥北方工程有限公司 | 砂卵石地层盾构施工参数控制对地表沉降影响的分析方法 |
| CN117056326A (zh) * | 2023-08-11 | 2023-11-14 | 重庆市地理信息和遥感应用中心(重庆市测绘产品质量检验测试中心) | 基于灰色关联自适应确权的gnss数据质量评价方法及系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103514377A (zh) * | 2013-10-14 | 2014-01-15 | 桂林理工大学 | 一种基于“天-地-生”的城市群土地环境影响评价方法 |
| US20180267205A1 (en) * | 2017-03-14 | 2018-09-20 | Cgg Services Sas | System and method for estimating the spatial distribution of an earth resource |
| CN108803528A (zh) * | 2018-07-13 | 2018-11-13 | 杭州电子科技大学 | 基于多变量相关性及时滞性的流程工业系统预测模型 |
-
2020
- 2020-06-18 CN CN202010559700.XA patent/CN111814316B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103514377A (zh) * | 2013-10-14 | 2014-01-15 | 桂林理工大学 | 一种基于“天-地-生”的城市群土地环境影响评价方法 |
| US20180267205A1 (en) * | 2017-03-14 | 2018-09-20 | Cgg Services Sas | System and method for estimating the spatial distribution of an earth resource |
| CN108803528A (zh) * | 2018-07-13 | 2018-11-13 | 杭州电子科技大学 | 基于多变量相关性及时滞性的流程工业系统预测模型 |
Non-Patent Citations (3)
| Title |
|---|
| QIONG WU ET AL: "Land-cover classification using GF-2 images and airborne lidar data based on Random Forest", INTERNATIONAL JOURNAL OF REMOTE SENSING, vol. 40, no. 5, pages 2410 - 2426 * |
| 万昌君 等: "遥感数据时空尺度对地理要素时空变化分析的影响", 遥感学报, pages 1064 - 1067 * |
| 康建锋 等: "喀什市土地利用结构信息熵与社会经济发展灰色关联分析", 安徽农业科学, vol. 43, no. 9, pages 301 - 303 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112884292A (zh) * | 2021-01-27 | 2021-06-01 | 中交路桥北方工程有限公司 | 砂卵石地层盾构施工参数控制对地表沉降影响的分析方法 |
| CN117056326A (zh) * | 2023-08-11 | 2023-11-14 | 重庆市地理信息和遥感应用中心(重庆市测绘产品质量检验测试中心) | 基于灰色关联自适应确权的gnss数据质量评价方法及系统 |
| CN117056326B (zh) * | 2023-08-11 | 2024-05-03 | 重庆市地理信息和遥感应用中心(重庆市测绘产品质量检验测试中心) | 基于灰色关联自适应确权的gnss数据质量评价方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111814316B (zh) | 2024-04-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Kantas et al. | Sequential Monte Carlo methods for high-dimensional inverse problems: A case study for the Navier--Stokes equations | |
| Cheng et al. | Data-driven surrogate model with latent data assimilation: Application to wildfire forecasting | |
| Ghamisi et al. | A novel feature selection approach based on FODPSO and SVM | |
| Masarotto et al. | Gaussian copula marginal regression | |
| Koop et al. | Efficient posterior simulation for cointegrated models with priors on the cointegration space | |
| Konomi et al. | Adaptive Bayesian nonstationary modeling for large spatial datasets using covariance approximations | |
| Mogliani et al. | Bayesian MIDAS penalized regressions: estimation, selection, and prediction | |
| Rissanen et al. | Model selection by sequentially normalized least squares | |
| CN109859204B (zh) | 卷积神经网络模型检验方法及装置 | |
| Phillips et al. | Logistic methods for resource selection functions and presence-only species distribution models | |
| CN111814316A (zh) | 一种用于地表变量的非均匀性时空分析方法及系统 | |
| CN109919202A (zh) | 分类模型训练方法及装置 | |
| US11030532B2 (en) | Information processing apparatus, information processing method, and non-transitory computer readable storage medium | |
| Vila et al. | Bayesian nonlinear model selection and neural networks: A conjugate prior approach | |
| CN113988357B (zh) | 基于深度学习的高层建筑风致响应预测方法及装置 | |
| Lehmann et al. | Fast calibration of a dynamic vegetation model with minimum observation data | |
| CN112560966A (zh) | 基于散射图卷积网络的极化sar图像分类方法、介质及设备 | |
| CN115545334A (zh) | 土地利用类型预测方法、装置、电子设备及存储介质 | |
| Agami | Comparison of persistence diagrams | |
| Polotzek et al. | An ARFIMA-based model for daily precipitation amounts with direct access to fluctuations | |
| CN106845512A (zh) | 基于分形参数的兽类形体识别方法及系统 | |
| CN108428226B (zh) | 一种基于ica稀疏表示与som的失真图像质量评价方法 | |
| Lottering et al. | Optimizing the spatial resolution of WorldView-2 imagery for discriminating forest vegetation at subspecies level in KwaZulu-Natal, South Africa | |
| CN110753913A (zh) | 基于样本的多维数据克隆 | |
| CN107808163B (zh) | 一种视频数据线性偏差主特征提取装置和方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |