CN112508266A - 生态系统属性组分空间结构演化趋势预测方法 - Google Patents
生态系统属性组分空间结构演化趋势预测方法 Download PDFInfo
- Publication number
- CN112508266A CN112508266A CN202011401090.7A CN202011401090A CN112508266A CN 112508266 A CN112508266 A CN 112508266A CN 202011401090 A CN202011401090 A CN 202011401090A CN 112508266 A CN112508266 A CN 112508266A
- Authority
- CN
- China
- Prior art keywords
- trend
- attribute
- time
- parameter
- ecosystem
- 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
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000009826 distribution Methods 0.000 claims abstract description 30
- 238000010276 construction Methods 0.000 claims description 3
- 230000001419 dependent effect Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
生态系统属性组分空间结构演化趋势预测方法,涉及一种生态系统属性组分空间结构时间演化趋势预测方法。本发明是为解决长时间序列的栅格数据在构建模型过程中由于计算量巨大导致难以有效实施的技术问题。本方法如下:一、获取属性参量空间分布时间序列数据;二、构建属性参量空间分布趋势回归模型;三、属性参量空间分布趋势预测数值计算。本发明提出一种生态系统内部属性组分空间结构时间演化趋势预测方法,它针对长时间序列的植被指数或生态参量空间分布栅格数据,进行以网格为单位的趋势回归模型拟合,从而获得未来某一时刻生态系统属性组分空间结构时间演化预测数据。本发明属于生态系统属性结构描述领域。
Description
技术领域
本发明涉及一种生态系统属性组分空间结构时间演化趋势预测方法。
背景技术
空间特征的时间演化是生态系统最重要的特征之一,对其时间演化趋势进行定量预测可以掌控未来生态系统变化方向与幅度,从而为生态系统管理提供坚实的科学依据。目前,生态系统演化预测大多采用以生态系统整体或者内部斑块为单位进行生态系统时间演化趋势预测,但是,此种方法难以准确把握生态系统内部细节的时间变化规律。时空地理加权回归方法通过预测模型参数的空间回归,可以获取生态系统内部生态参量空间分布的时间演化预测数据,该方法只适用于少量样本观测数据的情况;如果将其应用于植被指数或者遥感反演生态参量长时间序列空间分布栅格数据,则会存在计算量巨大而难以有效实施的问题。
发明内容
本发明的目的是为了解决现有方法应用于长时间序列的栅格数据在构建模型过程中由于计算量巨大导致难以有效实施的技术问题,提供了一种生态系统属性组分空间结构演化趋势预测方法。
生态系统属性组分空间结构演化趋势预测方法如下:
一、获取属性参量空间分布时间序列数据:
确定时间演化预测模型构建所采用的时间序列数据的起始期和终止期;获取该时间范围内逐个时段的植被指数或者生态参量栅格数据;
二、构建属性参量空间分布趋势回归模型:
针对步骤一所述时间序列数据,以栅格数据的每个网格为单位,构建以时间为自变量、以植被指数或者生态参量为因变量的趋势回归模型(模型如下),得到趋势回归模型的参数栅格数据。
其中,x为时间变量,y为植被指数或生态参量,m为样本个数;计算得到a,b,其中a为斜率,b为截距。
三、属性参量空间分布趋势预测数值计算:
输入预测的年份到逐个网格的趋势回归模型中,从而得到趋势预测时刻的表征生态系统属性参量空间分布的植被指数或生态参量栅格数据。
本发明提出一种生态系统内部属性组分空间结构时间演化趋势预测方法,它针对植被指数或生态参量空间分布栅格数据的时间序列,进行以网格为单位的趋势回归模型拟合,从而获得未来某一时刻生态系统属性组分空间结构时间演化预测数据。
附图说明
图1是实验一中黑龙江省森林生态系统植被指数NDVI分布的时间序列数据;
图2是实验一中模型斜率参数空间分布图;
图3是实验一中模型截距参数空间分布图;
图4是实验一中2020年黑龙江省森林生态系统趋势空间分布图。
具体实施方式
本发明技术方案不局限于以下所列举具体实施方式,还包括各具体实施方式间的任意组合。
具体实施方式一:本实施方式生态系统属性组分空间结构演化趋势预测方法如下:
一、获取属性参量空间分布时间序列数据:
确定时间演化预测模型构建所采用的时间序列数据的起始期和终止期;获取该时间范围内逐个时段的植被指数或者生态参量栅格数据;
二、构建属性参量空间分布趋势回归模型:
针对步骤一所述时间序列数据,以栅格数据的每个网格为单位,构建以时间为自变量、以植被指数或者生态参量为因变量的趋势回归模型(模型如下),得到趋势回归模型的参数栅格数据;
其中,x为时间变量,y为植被指数或生态参量,m为样本个数;计算得到a,b,其中a为斜率,b为截距。
三、属性参量空间分布趋势预测数值计算:
输入预测的年份到逐个网格的趋势回归模型中,从而得到趋势预测时刻的表征生态系统属性参量空间分布的植被指数或生态参量栅格数据。
采用下述实验验证本发明效果:
实验一:
生态系统属性组分空间结构演化趋势预测方法:
一、获取属性参量空间分布时间序列数据:
通过将2010年-2019年黑龙江省植被指数NDVI与2010年的土地利用栅格数据进行空间叠加分析,得到该省份森林生态系统植被指数NDVI空间分布的时间序列数据,如图1。
二、构建属性参量空间分布趋势回归模型:
对黑龙江省森林生态系统植被指数NDVI时间序列数据,进行以像元为单位的一元线性回归的趋势模型拟合,得到斜率与截距两个模型参数分布的栅格数据,其中斜率参数空间分布见图2,截距参数空间分布见图3。
三、计算属性参量空间分布趋势预测数值:
将2020年作为预测年份,并作为自变量代入到上述构建的逐像元趋势回归模型中,计算得到预测的2020年黑龙江省森林生态系统植被指数NDVI(图4)。
Claims (1)
1.生态系统属性组分空间结构演化趋势预测方法,其特征在于所述生态系统属性组分空间结构演化趋势预测方法如下:
一、获取属性参量空间分布时间序列数据:
确定时间演化预测模型构建所采用的时间序列数据的起始期和终止期;获取该时间范围内逐个时段的植被指数或者生态参量栅格数据;
二、构建属性参量空间分布趋势回归模型:
针对步骤一所述时间序列数据,以栅格数据的每个网格为单位,构建以时间为自变量、以植被指数或者生态参量为因变量的趋势回归模型(模型如下),得到趋势回归模型的参数栅格数据;
其中,x为时间变量,y为植被指数或生态参量,m为样本个数;计算得到a,b,其中a为斜率,b为截距。
三、属性参量空间分布趋势预测数值计算:
输入预测的年份到逐个网格的趋势回归模型中,从而得到趋势预测时刻的表征生态系统属性参量空间分布的植被指数或生态参量栅格数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011401090.7A CN112508266B (zh) | 2020-12-02 | 2020-12-02 | 生态系统属性组分空间结构演化趋势预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011401090.7A CN112508266B (zh) | 2020-12-02 | 2020-12-02 | 生态系统属性组分空间结构演化趋势预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112508266A true CN112508266A (zh) | 2021-03-16 |
CN112508266B CN112508266B (zh) | 2022-03-11 |
Family
ID=74968603
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011401090.7A Active CN112508266B (zh) | 2020-12-02 | 2020-12-02 | 生态系统属性组分空间结构演化趋势预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112508266B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102110139A (zh) * | 2011-01-27 | 2011-06-29 | 浪潮通信信息系统有限公司 | 一种应用于电信领域地理网格的分析算法 |
US20130191822A1 (en) * | 2012-01-20 | 2013-07-25 | Samsung Electronics Co., Ltd. | Computing system with support for ecosystem mechanism and method of operation thereof |
CN104992245A (zh) * | 2015-07-09 | 2015-10-21 | 南京信息工程大学 | 一种基于广义熵理论的水环境风险管理动态智能综合分析方法 |
CN110119556A (zh) * | 2019-04-30 | 2019-08-13 | 西安理工大学 | 一种区域水源涵养功能的时空演变分析方法 |
CN111982822A (zh) * | 2020-09-28 | 2020-11-24 | 武汉工程大学 | 一种长时间序列高精度植被指数改进算法 |
-
2020
- 2020-12-02 CN CN202011401090.7A patent/CN112508266B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102110139A (zh) * | 2011-01-27 | 2011-06-29 | 浪潮通信信息系统有限公司 | 一种应用于电信领域地理网格的分析算法 |
US20130191822A1 (en) * | 2012-01-20 | 2013-07-25 | Samsung Electronics Co., Ltd. | Computing system with support for ecosystem mechanism and method of operation thereof |
CN104992245A (zh) * | 2015-07-09 | 2015-10-21 | 南京信息工程大学 | 一种基于广义熵理论的水环境风险管理动态智能综合分析方法 |
CN110119556A (zh) * | 2019-04-30 | 2019-08-13 | 西安理工大学 | 一种区域水源涵养功能的时空演变分析方法 |
CN111982822A (zh) * | 2020-09-28 | 2020-11-24 | 武汉工程大学 | 一种长时间序列高精度植被指数改进算法 |
Non-Patent Citations (2)
Title |
---|
LINLING TANG 等: "Optimization of Multi-Ecosystem Model Ensembles to Simulate Vegetation Growth at the Global Scale", 《IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING》 * |
赵建军 等: "基于CA-Markov模型的向海湿地土地覆被变化动态模拟研究", 《自然资源学报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN112508266B (zh) | 2022-03-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109508360B (zh) | 一种基于元胞自动机的地理多元流数据时空自相关分析方法 | |
CN110648014B (zh) | 一种基于时空分位数回归的区域风电预测方法及系统 | |
CN110232471B (zh) | 一种降水传感网节点布局优化方法及装置 | |
GB2547816A (en) | Actually-measured marine environment data assimilation method based on sequence recursive spare filtering three-dimensional variation | |
CN106980750B (zh) | 一种基于典型对应分析的土壤氮储量估算方法 | |
CN110689183B (zh) | 一种集群光伏功率概率预测方法、系统、介质及电子设备 | |
CN104764868A (zh) | 一种基于地理加权回归的土壤有机碳预测方法 | |
CN105893669A (zh) | 一种基于数据挖掘的全局仿真性能预测方法 | |
CN110503267B (zh) | 基于时空尺度自适应模型的城市侵财案件预测系统及预测方法 | |
CN104915729A (zh) | 一种处理台风强度环境预测因子数据的方法及系统 | |
CN118350678B (zh) | 基于物联网与大数据的水环境监测数据处理方法及系统 | |
CN116307383A (zh) | 一种基于生态平衡的土地精细化保育改良方法及系统 | |
CN113281229A (zh) | 一种基于小样本下多模型自适应大气pm2.5浓度预测方法 | |
CN114217025B (zh) | 评估空气质量浓度预测中气象数据对其影响的分析方法 | |
CN117709488B (zh) | 基于RUN-XGBoost的大坝渗流预测方法 | |
CN108287974A (zh) | 面向土地利用变化元胞自动机模拟精度的耦合评价方法 | |
CN113657610B (zh) | 一种基于随机森林的冰雹气候特征预测方法 | |
CN117788737B (zh) | 一种基于无人机高光谱遥感的测绘方法 | |
CN117993305A (zh) | 一种流域土地利用与土壤侵蚀关系动态评估方法 | |
CN105933138B (zh) | 一种时空维度相结合的云服务可信态势评估与预测方法 | |
CN112949944A (zh) | 一种基于时空特征的地下水位智能预测方法及系统 | |
CN112508266B (zh) | 生态系统属性组分空间结构演化趋势预测方法 | |
CN117194926A (zh) | 陆上风电基地吊装窗口期预测方法及系统 | |
CN117056722A (zh) | 一种规划地块人口数量预测方法及系统 | |
CN116613732A (zh) | 一种基于shap值选择策略的多元负荷预测方法及系统 |
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 |