CN112508266B - 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 PDF

Info

Publication number
CN112508266B
CN112508266B CN202011401090.7A CN202011401090A CN112508266B CN 112508266 B CN112508266 B CN 112508266B CN 202011401090 A CN202011401090 A CN 202011401090A CN 112508266 B CN112508266 B CN 112508266B
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.)
Active
Application number
CN202011401090.7A
Other languages
English (en)
Other versions
CN112508266A (zh
Inventor
侯光雷
陈子琦
刘兆礼
赵文斌
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.)
Northeast Institute of Geography and Agroecology of CAS
Original Assignee
Northeast Institute of Geography and Agroecology 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 Northeast Institute of Geography and Agroecology of CAS filed Critical Northeast Institute of Geography and Agroecology of CAS
Priority to CN202011401090.7A priority Critical patent/CN112508266B/zh
Publication of CN112508266A publication Critical patent/CN112508266A/zh
Application granted granted Critical
Publication of CN112508266B publication Critical patent/CN112508266B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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—Systems or methods specially adapted for 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)
  • Human Resources & Organizations (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (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

生态系统属性组分空间结构演化趋势预测方法
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。
Figure BDA0002812360910000011
Figure BDA0002812360910000012
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；
Figure BDA0002812360910000021
Figure BDA0002812360910000022
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；
Figure FDA0002812360900000011
Figure FDA0002812360900000012
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。
CN202011401090.7A 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 Active CN112508266B (zh)

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 CN112508266A (zh) 2021-03-16
CN112508266B true 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 (4)

* Cited by examiner, † Cited by third party
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
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

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9772832B2 (en) * 2012-01-20 2017-09-26 S-Printing Solution Co., Ltd. Computing system with support for ecosystem mechanism and method of operation thereof

Patent Citations (4)

* Cited by examiner, † Cited by third party
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
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)

* Cited by examiner, † Cited by third party
Title
Optimization of Multi-Ecosystem Model Ensembles to Simulate Vegetation Growth at the Global Scale;Linling Tang 等;《IEEE Transactions on Geoscience and Remote Sensing》;20200603;第59卷(第2期);第962-978页 *
基于CA-Markov模型的向海湿地土地覆被变化动态模拟研究;赵建军 等;《自然资源学报》;20091215;第24卷(第12期);第2178-2186页 *

Also Published As

Publication number Publication date
CN112508266A (zh) 2021-03-16

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
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
CN108733952B (zh) 一种基于序贯模拟的土壤含水量空间变异性三维表征方法
CN110689183A (zh) 一种集群光伏功率概率预测方法、系统、介质及电子设备
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
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
CN201716727U (zh) 基于遥感与gis的地理模拟系统
CN113657610B (zh) 一种基于随机森林的冰雹气候特征预测方法
CN108830405B (zh) 基于多指标动态匹配的实时电力负荷预测系统及其方法
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
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
CN116976227A (zh) 一种基于lstm机器学习的风暴增水预报方法及系统
CN115983478A (zh) 分布式光伏发电功率预测分析方法、系统、终端及介质
CN108596781A (zh) 一种电力系统数据挖掘与预测整合方法
Zhang Benefit evaluation of human resource management in agricultural enterprises based on convolutional neural network.
Darvishi Salookolaei et al. Application of grey system theory in rainfall estimation
CN117709488B (zh) 基于RUN-XGBoost的大坝渗流预测方法
CN113610302B (zh) 一种基于逐步聚类与循环神经网络的地表温度降尺度方法

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