CN112328648A - 一种多源土壤环境数据的检测及空间融合处理方法 - Google Patents

一种多源土壤环境数据的检测及空间融合处理方法 Download PDF

Info

Publication number
CN112328648A
CN112328648A CN202011030285.5A CN202011030285A CN112328648A CN 112328648 A CN112328648 A CN 112328648A CN 202011030285 A CN202011030285 A CN 202011030285A CN 112328648 A CN112328648 A CN 112328648A
Authority
CN
China
Prior art keywords
data
soil environment
group
groups
point
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
Application number
CN202011030285.5A
Other languages
English (en)
Other versions
CN112328648B (zh
Inventor
吴波
郭书海
张玲妍
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Institute of Applied Ecology of CAS
Original Assignee
Institute of Applied Ecology of CAS
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Institute of Applied Ecology of CAS filed Critical Institute of Applied Ecology of CAS
Priority to CN202011030285.5A priority Critical patent/CN112328648B/zh
Publication of CN112328648A publication Critical patent/CN112328648A/zh
Application granted granted Critical
Publication of CN112328648B publication Critical patent/CN112328648B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2465—Query processing support for facilitating data mining operations in structured databases
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/24—Earth materials
    • 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
    • G06F16/24—Querying
    • G06F16/248—Presentation of query results
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Remote Sensing (AREA)
  • Biochemistry (AREA)
  • Environmental & Geological Engineering (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Geology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Mathematical Physics (AREA)
  • Fuzzy Systems (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Analytical Chemistry (AREA)
  • Software Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Image Processing (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种多源土壤环境数据的检测以及空间融合处理方法，包括以下步骤：利用现场传感器和化学试剂方法获取多源土壤环境数据；按照数据的属性类别分组；对同一属性类别的任意两组数据进行融合处理：在判断两组数据检测方法是否相同的基础上，根据数据的特征值差值调整数据；再判断调整后两组数据在空间上位置是否重合，根据数据置信区间或插值结果比较再次调整数据；组合最终调整后数据，生成融合数据；以及采用图像处理的方法直观展示。该方法可以解决多源调查检测结果、空间点位不完全重叠的数据融合问题，为数据时空双重尺度的挖掘提供数据基础，使得长时间、离散的多源土壤环境数据得以空间融合和展示。

Description

一种多源土壤环境数据的检测及空间融合处理方法
技术领域
本发明涉及多源数据的空间融合方法，具体说是一种多源土壤环境数据的检测及空间融合处理方法。
背景技术
2015年国务院印发《促进大数据发展行动纲要》，将发展大数据上升为国家战略，数据强国是未来十年的发展重点。在环境领域，大数据除了依靠传感器高频接收与互联网实时产生的数据外，不同尺度、定点监测、长周期调查也是数据的重要来源。
对于土壤环境数据的数据性质而言，与水、大气等介质相比，土壤环境数据存在更新慢的特点。不同批次的调查数据之间难以直接融合，这就造成了数据对比性差，而重复调查也造成了时间和经费的浪费。
对于土壤环境数据的空间性质而言，与水中污染物线性扩散、大气中污染物随气象影响扩散不同，土壤环境数据存在空间累加与扩散的双重属性。而且，土壤环境数据的空间变异性大，不同批次的数据在融合过程中，不仅要考虑检测方法不同所带来的差异，还需要考虑不同批次数据在空间上的位置关系。
综上所述，对于土壤环境数据而言，缺少空间上融合的解决办法。因此，从检测方法和空间重叠两个方面考虑，提出基于逐级数据调整的土壤环境数据融合方法，对土壤环境多源数据融合领域具有重要的理论和技术指导意义。
发明内容
本发明目的在于提供一种多源土壤环境数据的检测及空间融合处理方法。
本发明为实现上述目的所采用的技术方案：一种多源土壤环境数据的检测及空间融合处理方法，包括以下步骤：
步骤1、利用现场传感器和化学试剂方法获取多源土壤环境数据；
步骤2、按照数据的属性类别分组；对同一属性类别的任意两组数据进行如下融合处理，对不同属性类别的多源土壤环境数据进行空间融合；
2-1)判断两组数据(A1和B1)检测方法是否相同，根据数据的特征值差值调整数据，生成对应数据A2和B2；
2-2)判断两组数据(A2和B2)在空间上位置是否重合，根据数据置信区间或插值结果比较调整数据，生成对应数据A3和B3；
2-3)组合处理后的两组数据A3和B3，生成融合数据C。
还包括利用图像可视化方法将上述处理的数据展示出来：
在步骤1之后采用图像处理的方法绘制空间坐标与数值的土壤环境数据图像，将多源土壤环境数据值标记在对应空间坐标位置处；
在步骤4之后更新土壤环境数据图像，包括更新空间坐标位置和融合数据值，用于直观展示空间融合处理后的多源土壤环境数据，使得长时间、离散的检测数值得以融合和展示。
所述多源土壤环境数据包括数据采集的时间、地理坐标、数据特征值。
所述根据数据的特征值差值调整数据，生成对应数据A2和B2；
所述数据的特征值差值，具体是指两组数据A1和B1中位数的差值D，D＝median(A1)-median(B1)；
所述调整数据，是根据两组数据检测方法的颁布时间进行调整，具体是指：
若A1组数据检测方法颁布时间晚于B1组数据，则A1组数据数值不变，即A2＝A1；B1组数据调整数值，生成新数据B2，即B2＝B1+D；
若A1组数据检测方法颁布时间晚于B1组数据，则A1组数据调整数值，生成新数据A2，即A2＝A1+D；B1组数据数值不变，即B2＝B1。
若A1组数据检测方法颁布时间与B1组数据相同，则A1组和B1组数据数值不变，即A2＝A1，B2＝B1。
所述判断两组数据在空间上位置是否重合，具体判断A2组数据中每个点位是否存在与B2组各个点位数据重合的情况，判断依据为两个点位直线距离d；
若d≤阈值W，则判定两个点位空间重合；
若d＞阈值W，则判定两个点位空间不重合。
所述若判定两个数据点位空间重合，根据两组数据与数据置信区间比较结果，调整数据数值，生成对应数据A3和B3，包括；
所述数据置信区间，具体是指组合数据的m％分位数Qm％和n％分位数Qn％分别作为下限和上限的区间；
所述调整两组数据数值，是比较A2和B2成对数据与[Qm％,Qn％]关系，具体是指：
若A2-i∈[Qm％,Qn％]且B2-j∈[Qm％,Qn％]，则A3-i＝B3-j＝(A2-i+B2-j)/2；
若A2-i∈[Qm％,Qn％]且
Figure BDA0002703441970000031
则A3-i＝B3-j＝A2-i；
若
Figure BDA0002703441970000032
且B2-j∈[Qm％,Qn％]，则A3-i＝B3-j＝B2-i；
若
Figure BDA0002703441970000033
且
Figure BDA0002703441970000034
且A2-i＝A1-i，则A3-i＝B3-j＝A2-i；
若
Figure BDA0002703441970000035
且
Figure BDA0002703441970000036
且B2-i＝B1-i，则A3i＝B3-j＝B2-i；
其中，数据元素A2-i∈数据集合{A2}，i＝1，2，3……；数据元素B2-j∈数据集合{B2}，j＝1，2，3……。
所述判定两个数据点位空间不重合，根据两组数据与插值结果的变异系数，调整数据的数值，生成对应数据A3和B3；
所述两组数据与插值结果的变异系数，具体是指：
A2-i数值插值后在B2-j点位的结果为A2-i’，B2-j点的变异系数为CV(A2-i’,B2-j)；
B2-j数值插值后在A2-i点位的结果为B2-j’，A2-i点的变异系数为CV(A2-i,B2-j’)；
所述根据变异系数，调整两组数据数值，具体是指：
若min(CV(A2-i’,B2-j),CV(A2-i,B2-j’))≥预设阈值，视做两个独立点位，A3-i＝A2-i且B3-j＝B2-i；
若min(CV(A2-i’,B2-j),CV(A2-i,B2-j’))<预设阈值且A2-i＝A1-i，则A3-i＝B3-j＝A2-i；
若min(CV(A2-i’,B2-j),CV(A2-i,B2-j’))<预设阈值且B2-i＝B1-i，则A3-i＝B3-j＝B2-i；
其中，数据元素A2-i∈数据集合{A2}，i＝1，2，3……；数据元素B2-j∈数据集合{B2}，j＝1，2，3……。
所述组合处理后的两组数据A3和B3，生成融合数据C；
所述组合两组数据A3和B3，具体是指剔除两组数据中任意一组空间重合的点位；
所述融合数据C，空间上的点位数量小于等于数据A和B点位数量之和。
本发明具有以下优点及有益效果：
本发明以数据特征值和空间相对位置为要点，从检测方法差异和空间位置重叠两个方面入手，提出基于逐级数据调整的土壤环境数据融合方法。而且，该方法可以通过批量计算，快速解决多源调查检测结果、空间点位不完全重叠的数据融合问题，为数据时空双重尺度的挖掘提供数据基础，并且能够利用图像可视化方法将上述多源土壤环境数据融合处理后的结果数据展示在出来，更直观展示长时间、离散的多源土壤环境数据的变化趋势。
附图说明
图1为本发明专利方法的流程图；
图2为实施例1中数据A1和B1的空间和数值信息图；
图3为实施例1中融合后数据C的可视化展示图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图对本发明的具体实施方法做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本发明。但本发明能够以很多不同于在此描述的其他方式来实施，本领域技术人员可以在不违背发明内涵的情况下做类似改进，因此本发明不受下面公开的具体实施的限制。
除非另有定义，本文所使用的所有技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。
所述一种多源土壤环境数据的检测及空间融合处理方法，包括以下步骤：
步骤1、利用现场传感器和化学检验方法获取多源土壤环境数据；
例如，现场的污染物浓度检测装置可以检测污染物元素含量特征数值，污染物浓度检测装置包括XRF(X射线荧光光谱分析仪)用于检测重金属含量，PID(光离子化检测仪)用于检测VOCs(挥发性有机污染物)气体量；还有检测土壤基本信息的传感器，例如温湿度探头插入土壤中可以检测当前区域土壤的温湿度数据；还可以采集现场土壤样本回到实验室进行化学检验可以获得土壤中的各种污染物的含量特征数值(例如SVOCs(半挥发性有机污染物)和VOCs单体化合物的检测)。获取上述多源土壤环境数据以及上述数据对应的时间和检测地理坐标，存储至检测站的数据库。
步骤2、按照数据的属性类别分组；对同一属性类别的任意两组数据进行如下融合处理，对不同属性类别的多源土壤环境数据进行空间融合；属性类别分组指代同一种元素或参数；
步骤3、还包括利用图像可视化方法将上述处理的数据展示出来。
2-1)判断两组数据(A1和B1)检测方法是否相同，根据数据的特征值差值调整数据，生成对应数据A2和B2；
2-2)判断两组数据(A2和B2)在空间上位置是否重合，根据数据置信区间或插值结果比较调整数据，生成对应数据A3和B3；
2-3)组合两组数据A3和B3，生成融合数据C。
步骤2-1)：判断两组数据(A1和B1)检测方法是否相同，根据数据的特征值差值调整数据，生成对应数据A2和B2；
1)比较两组数据检测方法的颁布时间，若两者颁布时间相同，则判定两组数据检测方法相同；若两者颁布时间不同，则判定两组数据检测方法不同；
2)计算两组数据的特征值差值，具体是指对应序列号的两组数据A1和B1中位数的差值D，D＝median(A1)-median(B1)；
3)根据检测方法是否相同判定结果和特征值差值，进行数据调整；
若A1组数据检测方法颁布时间晚于B1组数据，则A1组数据数值不变，即A2＝A1；B1组数据调整数值，生成新数据B2，即B2＝B1+D；
若A1组数据检测方法颁布时间早于B1组数据，则A1组数据调整数值，生成新数据A2，即A2＝A1+D；B1组数据数值不变，即B2＝B1。
若A1组数据检测方法颁布时间与B1组数据相同，则A1组和B1组数据数值不变，即A2＝A1，B2＝B1。
步骤2-2)：判断两组数据(A2和B2)在空间上位置是否重合，根据数据置信区间或插值结果比较调整数据，生成对应数据A3和B3；
1)比较两组数据的空间位置，是两组数据在相同坐标系下，计算A2组数据中每个点位与B2组相应序列号点位的直线距离d；
2)通过d距离大小，判定两个点位是否空间重合；
若d≤20cm，则判定两个点位空间重合；
若d＞20cm，则判定两个点位空间不重合。
3)在两个数据点位空间重合的情况下，计算组合数据(A2和B2)的25％分位数Q25％和75％分位数Q75％分别作为下限和上限；
比较数据与置信区间[Q25％,Q75％]的关系，调整数据数值，生成对应数据A3和B3；
若A2-i∈[Q25％,Q75％]且B2-j∈[Q25％,Q75％]，则A3-i＝B3-j＝(A2-i+B2-j)/2；
若A2-i∈[Q25％,Q75％]且
Figure BDA0002703441970000061
则A3-i＝B3-j＝A2-i；
若
Figure BDA0002703441970000062
且B2-j∈[Q25％,Q75％]，则A3-i＝B3-j＝B2-i；
若
Figure BDA0002703441970000063
且
Figure BDA0002703441970000064
且A2-i＝A1-i，则A3-i＝B3-j＝A2-i；
若
Figure BDA0002703441970000065
且
Figure BDA0002703441970000066
且B2-i＝B1-i，则A3-i＝B3-j＝B2-i；
其中，数据元素A2-i∈数据集合{A2}，i＝1，2，3……；数据元素B2-j∈数据集合{B2}，j＝1，2，3……。
4)在两个数据点位空间不重合的情况下，计算两组数据与插值结果的变异系数，即A2-i数值插值后在B2-j点位的结果为A2-i’，B2-j点的变异系数为CV(A2-i’,B2-j)；B2-j数值插值后在A2-i点位的结果为B2-j’，A2-i点的变异系数为CV(A2-i,B2-j’)；
根据变异系数，调整两组数据数值，生成对应数据A3和B3；
若min(CV(A2-i’,B2-j),CV(A2-i,B2-j’))≥50％，视做两个独立点位，A3-i＝A2-i且B3-j＝B2-i；
若min(CV(A2-i’,B2-j),CV(A2-i,B2-j’))<50％且A2-i＝A1-i，则A3-i＝B3-j＝A2-i；
若min(CV(A2-i’,B2-j),CV(A2-i,B2-j’))<50％且B2-i＝B1-i，则A3-i＝B3-j＝B2-i；
其中，A2-i∈{A2}，i＝1，2，3……；B2-j∈{B2}，j＝1，2，3……。
步骤2-3)：组合两组数据A3和B3，生成融合数据C；
1)选定A3组或B3组，剔除两组数据中空间重合的点位，各组中保留的数据生成A3’或B3’；
2)组合(A3和B3’)或(A3’和B3)，生成融合数据C；
3)由于存在点位剔除的可能，因此，融合数据C空间上的点位数量小于等于数据A和B点位数量之和，即NC≤NA1+NB1。
步骤3包括：在步骤1之后采用图像处理的方法绘制空间坐标与数值的土壤环境数据图像，如图2所示，将多源土壤环境数据值标记在对应空间坐标位置处；在步骤4之后更新土壤环境数据图像，包括更新空间坐标位置和融合数据值，用于直观展示空间融合处理后的多源土壤环境数据，使得长时间、离散的检测数值得以融合和展示。融合后的多源土壤环境数据图像如图3所示。上述融合前后的两种土壤环境数据图像还可以进一步叠加在地图上，与地理信息一起展示，例如对某个地域进行了时长2年内间断性、分批次的土壤污染元素检测，按照本方法对各批次数据进行数据空间融合，并将融合处理的数值以着色的方式显示在已有地图的相应坐标区域，多帧连续观看，可以直观看出来该地域这段时间内该污染元素的强弱变化趋势。
其中，步骤2的实施例1
本实施例中A1组和B1组数据是随机分布在100m2范围内的两组数据，坐标系为CGCS2000，每个点位赋予0～1的随机数，两组数据的数据量NA1＝9，NB1＝6(图2)。设定两组数据检测方法不同，且若A1组数据检测方法颁布时间晚于B1组数据。
表1 A1和B1组数据信息
Figure BDA0002703441970000081
本实施例中一种多源土壤环境数据空间融合方法，包括以下步骤：
2-1)判断两组数据(A1和B1)检测方法是否相同，根据数据的特征值差值调整数据，生成对应数据A2和B2；
2-2)判断两组数据(A2和B2)在空间上位置是否重合，根据数据置信区间或插值结果比较调整数据，生成对应数据A3和B3；
2-3)组合两组数据A3和B3，生成融合数据C。
步骤2-1：判断两组数据(A1和B1)检测方法是否相同，根据数据的特征值差值调整数据，生成对应数据A2和B2；
1)比较两组数据检测方法的颁布时间，因为若A1组数据和B1组数据两者颁布时间不同，则判定两组数据检测方法不同；
2)计算两组数据的特征值差值，A1组数据中位数median(A1)为0.511，B1组数据中位数median(B1)为0.439，两者的差值D＝median(A1)-median(B1)＝0.072；
3)因为A1组数据检测方法颁布时间晚于B1组数据，则A1组数据数值不变，即A2＝A1；B1组数据调整数值，生成新数据B2，即B2＝B1+D；
表2 A2和B2组数据信息
Figure BDA0002703441970000082
Figure BDA0002703441970000091
步骤2-2：判断两组数据(A2和B2)在空间上位置是否重合，根据数据置信区间或插值结果比较调整数据，生成对应数据A3和B3；
1)比较两组数据的空间位置，是两组数据在相同坐标系下，计算A2组数据中每个点位与B2组相应序列号点位的直线距离d；
表3 A2和B2组数据点位空间距离(cm)
A<sub>2</sub>组 B<sub>2</sub>组 距离d A<sub>2</sub>组 B<sub>2</sub>组 距离d A<sub>2</sub>组 B<sub>2</sub>组 距离d
A<sub>2-1</sub> B<sub>2-1</sub> 12301 A<sub>2-4</sub> B<sub>2-1</sub> 15 A<sub>2-7</sub> B<sub>2-1</sub> 3710
A<sub>2-1</sub> B<sub>2-2</sub> 2131 A<sub>2-4</sub> B<sub>2-2</sub> 10203 A<sub>2-7</sub> B<sub>2-2</sub> 6850
A<sub>2-1</sub> B<sub>2-3</sub> 8872 A<sub>2-4</sub> B<sub>2-3</sub> 3738 A<sub>2-7</sub> B<sub>2-3</sub> 14
A<sub>2-1</sub> B<sub>2-4</sub> 8642 A<sub>2-4</sub> B<sub>2-4</sub> 5080 A<sub>2-7</sub> B<sub>2-4</sub> 4178
A<sub>2-1</sub> B<sub>2-5</sub> 4223 A<sub>2-4</sub> B<sub>2-5</sub> 9184 A<sub>2-7</sub> B<sub>2-5</sub> 6472
A<sub>2-1</sub> B<sub>2-6</sub> 4525 A<sub>2-4</sub> B<sub>2-6</sub> 8119 A<sub>2-7</sub> B<sub>2-6</sub> 4488
A<sub>2-2</sub> B<sub>2-1</sub> 2759 A<sub>2-5</sub> B<sub>2-1</sub> 6295 A<sub>2-8</sub> B<sub>2-1</sub> 8258
A<sub>2-2</sub> B<sub>2-2</sub> 12112 A<sub>2-5</sub> B<sub>2-2</sub> 6066 A<sub>2-8</sub> B<sub>2-2</sub> 4491
A<sub>2-2</sub> B<sub>2-3</sub> 5273 A<sub>2-5</sub> B<sub>2-3</sub> 5130 A<sub>2-8</sub> B<sub>2-3</sub> 4557
A<sub>2-2</sub> B<sub>2-4</sub> 7748 A<sub>2-5</sub> B<sub>2-4</sub> 1220 A<sub>2-8</sub> B<sub>2-4</sub> 7116
A<sub>2-2</sub> B<sub>2-5</sub> 11490 A<sub>2-5</sub> B<sub>2-5</sub> 3901 A<sub>2-8</sub> B<sub>2-5</sub> 5930
A<sub>2-2</sub> B<sub>2-6</sub> 9694 A<sub>2-5</sub> B<sub>2-6</sub> 5762 A<sub>2-8</sub> B<sub>2-6</sub> 2034
A<sub>2-3</sub> B<sub>2-1</sub> 6812 A<sub>2-6</sub> B<sub>2-1</sub> 6970 A<sub>2-9</sub> B<sub>2-1</sub> 5084
A<sub>2-3</sub> B<sub>2-2</sub> 3733 A<sub>2-6</sub> B<sub>2-2</sub> 3767 A<sub>2-9</sub> B<sub>2-2</sub> 6572
A<sub>2-3</sub> B<sub>2-3</sub> 4139 A<sub>2-6</sub> B<sub>2-3</sub> 4413 A<sub>2-9</sub> B<sub>2-3</sub> 4193
A<sub>2-3</sub> B<sub>2-4</sub> 2873 A<sub>2-6</sub> B<sub>2-4</sub> 2807 A<sub>2-9</sub> B<sub>2-4</sub> 9
A<sub>2-3</sub> B<sub>2-5</sub> 2397 A<sub>2-6</sub> B<sub>2-5</sub> 2207 A<sub>2-9</sub> B<sub>2-5</sub> 4705
A<sub>2-3</sub> B<sub>2-6</sub> 3140 A<sub>2-6</sub> B<sub>2-6</sub> 3396 A<sub>2-9</sub> B<sub>2-6</sub> 5740
2)通过d距离大小，判定两个点位是否空间重合；
若d≤20cm，则判定两个点位空间重合；若d＞20cm，则判定两个点位空间不重合。判定结果：A2-4和B2-1重合，A2-7和B2-3重合，A2-9和B2-4重合。
表4 A2和B2组数据空间是否重合
Figure BDA0002703441970000092
Figure BDA0002703441970000101
3)在两个数据点位空间重合的情况下，计算组合数据(A2和B2)的25％分位数Q25％＝0.421和75％分位数Q75％＝0.683，分别作为下限和上限；
比较数据与区间[0.421,0.683]的关系，调整数据数值，生成对应数据A3和B3；
空间重合的A2-4＝0.247，B2-1＝0.654，因为
Figure BDA0002703441970000102
且B2-1∈[0.421,0.683]，则A3-4＝B3-1＝B2-1＝0.654；
空间重合的A2-7＝0.144，B2-3＝0.949，因为
Figure BDA0002703441970000104
且
Figure BDA0002703441970000103
Figure BDA0002703441970000105
且A2-7＝A1-7，则A3-7＝B3-7＝A2-7＝0.144；
空间重合的A2-9＝0.675，B2-4＝0.527，因为A2-9∈[0.421,0.683]且B2-4∈[0.421,0.683]，则A2-9＝B2-4＝(A2-9+B2-4)/2＝0.565。
4)在两个数据点位空间不重合的情况下，选择反距离权重插值方法，计算两组数据与插值结果的变异系数，即A2i数值插值后在B2j点位的结果为A2i’，B2j点的变异系数为CV(A2i’,B2j)；B2j数值插值后在A2i点位的结果为B2j’，A2i点的变异系数为CV(A2i,B2j’)；
根据变异系数，调整两组数据数值，生成对应数据A3和B3；
若min(CV(A2i’,B2j),CV(A2i,B2j’))≥50％，视做两个独立点位，A3i＝A2i且B3j＝B2i；
若min(CV(A2i’,B2j),CV(A2i,B2j’))<50％且A2i＝A1i，则A3i＝B3j＝A2i；
若min(CV(A2i’,B2j),CV(A2i,B2j’))<50％且B2i＝B1i，则A3i＝B3j＝B2i；
其中，A2i∈{A2}，i＝1，2，3……；B2j∈{B2}，j＝1，2，3……。
根据计算，本实施例中空间上不重合的两组数据点位，均可视为独立点位。
表5 A3和B3组数据信息
Figure BDA0002703441970000111
步骤2-3：组合两组数据A3和B3，生成融合数据C；
1)选定A3组，剔除B3组数据中空间重合的点位，具体是用B3组保留的数据B3-2、B3-5、B3-6，生成B3’；
2)组合A3和B3’，生成融合数据C(图3)；
3)由于存在点位剔除的可能，因此，融合数据C空间上的点位数量(NC＝12)小于等于数据A(NA1＝9)和B(NB1＝6)点位数量之和。
表6融合数据C
点位 X Y 数值
C<sub>1</sub> 4644048.955 41536878.003 0.940
C<sub>2</sub> 4643948.955 41536778.003 0.878
C<sub>3</sub> 4643994.630 41536856.633 0.465
C<sub>4</sub> 4643949.361 41536805.601 0.654
C<sub>5</sub> 4643969.644 41536865.240 0.511
C<sub>6</sub> 4643993.461 41536859.689 0.691
C<sub>7</sub> 4643985.023 41536816.343 0.144
C<sub>8</sub> 4644030.265 41536822.884 0.502
C<sub>9</sub> 4643966.064 41536853.668 0.565
C<sub>10</sub> 4644030.250 41536867.792 0.496
C<sub>11</sub> 4644006.733 41536877.318 0.490
C<sub>12</sub> 4644022.167 41536841.537 0.297
以上内容是结合具体的优先实施案例对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于此。在不脱离本发明构思的前提下，还可做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (8)

1.一种多源土壤环境数据的检测及空间融合处理方法，其特征在于包括以下步骤：
步骤1、利用现场传感器和化学试剂方法获取多源土壤环境数据；
步骤2、按照数据的属性类别分组；对同一属性类别的任意两组数据进行如下融合处理，对不同属性类别的多源土壤环境数据进行空间融合；
2-1)判断两组数据(A1和B1)检测方法是否相同，根据数据的特征值差值调整数据，生成对应数据A2和B2；
2-2)判断两组数据(A2和B2)在空间上位置是否重合，根据数据置信区间或插值结果比较调整数据，生成对应数据A3和B3；
2-3)组合处理后的两组数据A3和B3，生成融合数据C。
2.按照权利要求1所述的多源土壤环境数据的检测及空间融合处理方法，其特征在于，还包括利用图像可视化方法将上述处理的数据展示出来：
在步骤1之后采用图像处理的方法绘制空间坐标与数值的土壤环境数据图像，将多源土壤环境数据值标记在对应空间坐标位置处；
在步骤4之后更新土壤环境数据图像，包括更新空间坐标位置和融合数据值，用于直观展示空间融合处理后的多源土壤环境数据，使得长时间、离散的检测数值得以融合和展示。
3.按照权利要求1所述的多源土壤环境数据的检测及空间融合处理方法，其特征在于，所述多源土壤环境数据包括数据采集的时间、地理坐标、数据特征值。
4.按照权利要求1所述的多源土壤环境数据的检测及空间融合处理方法，其特征在于，所述根据数据的特征值差值调整数据，生成对应数据A2和B2；
所述数据的特征值差值，具体是指两组数据A1和B1中位数的差值D，D＝median(A1)-median(B1)；
所述调整数据，是根据两组数据检测方法的颁布时间进行调整，具体是指：
若A1组数据检测方法颁布时间晚于B1组数据，则A1组数据数值不变，即A2＝A1；B1组数据调整数值，生成新数据B2，即B2＝B1+D；
若A1组数据检测方法颁布时间晚于B1组数据，则A1组数据调整数值，生成新数据A2，即A2＝A1+D；B1组数据数值不变，即B2＝B1。
若A1组数据检测方法颁布时间与B1组数据相同，则A1组和B1组数据数值不变，即A2＝A1，B2＝B1。
5.按照权利要求1所述的多源土壤环境数据的检测及空间融合处理方法，其特征在于，所述判断两组数据在空间上位置是否重合，具体判断A2组数据中每个点位是否存在与B2组各个点位数据重合的情况，判断依据为两个点位直线距离d；
若d≤阈值W，则判定两个点位空间重合；
若d＞阈值W，则判定两个点位空间不重合。
6.按照权利要求1或5所述的多源土壤环境数据的检测及空间融合处理方法，其特征在于，所述若判定两个数据点位空间重合，根据两组数据与数据置信区间比较结果，调整数据数值，生成对应数据A3和B3，包括；
所述数据置信区间，具体是指组合数据的m％分位数Qm％和n％分位数Qn％分别作为下限和上限的区间；
所述调整两组数据数值，是比较A2和B2成对数据与[Qm％,Qn％]关系，具体是指：
若A2-i∈[Qm％,Qn％]且B2-j∈[Qm％,Qn％]，则A3-i＝B3-j＝(A2-i+B2-j)/2；
若A2-i∈[Qm％,Qn％]且
Figure FDA0002703441960000021
则A3-i＝B3-j＝A2-i；
若
Figure FDA0002703441960000022
且B2-j∈[Qm％,Qn％]，则A3-i＝B3-j＝B2-i；
若
Figure FDA0002703441960000023
且
Figure FDA0002703441960000024
且A2-i＝A1-i，则A3-i＝B3-j＝A2-i；
若
Figure FDA0002703441960000025
且
Figure FDA0002703441960000026
且B2-i＝B1-i，则A3i＝B3-j＝B2-i；
其中，数据元素A2-i∈数据集合{A2}，i＝1，2，3……；数据元素B2-j∈数据集合{B2}，j＝1，2，3……。
7.按照权利要求1或5所述的多源土壤环境数据的检测及空间融合处理方法，其特征在于，所述判定两个数据点位空间不重合，根据两组数据与插值结果的变异系数，调整数据的数值，生成对应数据A3和B3；
所述两组数据与插值结果的变异系数，具体是指：
A2-i数值插值后在B2-j点位的结果为A2-i’，B2-j点的变异系数为CV(A2-i’,B2-j)；
B2-j数值插值后在A2-i点位的结果为B2-j’，A2-i点的变异系数为CV(A2-i,B2-j’)；
所述根据变异系数，调整两组数据数值，具体是指：
若min(CV(A2-i’,B2-j),CV(A2-i,B2-j’))≥预设阈值，视做两个独立点位，A3-i＝A2-i且B3-j＝B2-i；
若min(CV(A2-i’,B2-j),CV(A2-i,B2-j’))<预设阈值且A2-i＝A1-i，则A3-i＝B3-j＝A2-i；
若min(CV(A2-i’,B2-j),CV(A2-i,B2-j’))<预设阈值且B2-i＝B1-i，则A3-i＝B3-j＝B2-i；
其中，数据元素A2-i∈数据集合{A2}，i＝1，2，3……；数据元素B2-j∈数据集合{B2}，j＝1，2，3……。
8.按照权利要求1所述的多源土壤环境数据的检测及空间融合处理方法，其特征在于，所述组合处理后的两组数据A3和B3，生成融合数据C；
所述组合两组数据A3和B3，具体是指剔除两组数据中任意一组空间重合的点位；
所述融合数据C，空间上的点位数量小于等于数据A和B点位数量之和。
CN202011030285.5A 2020-09-27 2020-09-27 一种多源土壤环境数据的检测及空间融合处理方法 Active CN112328648B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011030285.5A CN112328648B (zh) 2020-09-27 2020-09-27 一种多源土壤环境数据的检测及空间融合处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011030285.5A CN112328648B (zh) 2020-09-27 2020-09-27 一种多源土壤环境数据的检测及空间融合处理方法

Publications (2)

Publication Number Publication Date
CN112328648A true CN112328648A (zh) 2021-02-05
CN112328648B CN112328648B (zh) 2024-05-28

Family

ID=74304341

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011030285.5A Active CN112328648B (zh) 2020-09-27 2020-09-27 一种多源土壤环境数据的检测及空间融合处理方法

Country Status (1)

Country Link
CN (1) CN112328648B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130124561A1 (en) * 2010-08-05 2013-05-16 Carnegie Mellon University Planning-Based Automated Fusing of Data From Multiple Heterogeneous Sources
CN109115995A (zh) * 2018-08-30 2019-01-01 清华大学 土壤水分信息获取方法、装置、计算机设备和存储介质
CN111122402A (zh) * 2019-12-10 2020-05-08 北京蛙鸣华清环保科技有限公司 基于离散监测点数据的污染物路况图生成方法和系统
CN111289041A (zh) * 2020-04-11 2020-06-16 天水师范学院 一种土壤环境在线监测系统
CN111598315A (zh) * 2020-04-29 2020-08-28 生态环境部华南环境科学研究所 一种农用地土壤环境质量预警管理系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130124561A1 (en) * 2010-08-05 2013-05-16 Carnegie Mellon University Planning-Based Automated Fusing of Data From Multiple Heterogeneous Sources
CN109115995A (zh) * 2018-08-30 2019-01-01 清华大学 土壤水分信息获取方法、装置、计算机设备和存储介质
CN111122402A (zh) * 2019-12-10 2020-05-08 北京蛙鸣华清环保科技有限公司 基于离散监测点数据的污染物路况图生成方法和系统
CN111289041A (zh) * 2020-04-11 2020-06-16 天水师范学院 一种土壤环境在线监测系统
CN111598315A (zh) * 2020-04-29 2020-08-28 生态环境部华南环境科学研究所 一种农用地土壤环境质量预警管理系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
郭书海，吴波，张玲妍，罗明: "土壤环境大数据：构建与应用", 《战略与决策研究》, vol. 32, no. 2, 31 December 2017 (2017-12-31) *

Also Published As

Publication number Publication date
CN112328648B (zh) 2024-05-28

Similar Documents

Publication Publication Date Title
CN112444605A (zh) 大气污染智能化精准溯源方法、系统、设备和存储介质
CN110544304B (zh) 基于时空推理的场地污染数字化与图形化展示系统及方法
CN106323266B (zh) 一种兴趣点位置信息处理方法及装置
US20230375431A1 (en) Method and system for locating and quantifying fugitive emission leaks
CN118012978B (zh) 基于bim-gis技术的污染场地数据处理方法及系统
CN117332906A (zh) 基于机器学习的三维时空网格空气质量预测方法及系统
Dong et al. Effects of landscape features on the roadside soil heavy metal distribution in a tropical area in Southwest China
CN112328648A (zh) 一种多源土壤环境数据的检测及空间融合处理方法
Baojun et al. GIS-based quantitative analysis of orientation anisotropy of contaminant barrier particles using standard deviational ellipse
Wu et al. Influential topographic factor identification of soil heavy metals using GeoDetector: The effects of DEM resolution and pollution sources
CN110716998A (zh) 一种精细尺度人口数据空间化方法
WO2022134579A1 (zh) 业务交易数据的异常检测方法、装置及计算机设备
CN116258101B (zh) 一种基于气体浓度监测数据快速计算排放源强的方法
CN113225391A (zh) 基于滑动窗口异常检测的大气环境监测质量监控方法及计算设备
Xia et al. Improving the performance of pipeline leak detection algorithms for the mobile monitoring of methane leaks
Kuang A diethylene glycol condensation particle counter for rapid sizing of sub-3 nm atmospheric clusters
CN107255837B (zh) 一种二维地形正演和改正方法
CN114969897B (zh) Tbm施工中周边环境探测方法
US8321156B2 (en) Odor inspection system
CN115879594A (zh) 一种基于地理探测器的城市定居人口分布趋势预测方法
Stark Quality assessment of volunteered geographic information using open Web map services within OpenAddresses
CN110108609B (zh) 一种基于卫星多通道的pm2.5浓度值分布情况获取方法及系统
CN107085657B (zh) 一种检测数据的质量指标显示方法
CN113537834A (zh) 一种基于工业4.0的产品品质分析追溯系统
CN116431998A (zh) 一种洁净室的洁净度检测数据修正方法及系统

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