CN114120145A - 一种监测方法、装置、电子设备及计算机可读存储介质 - Google Patents
一种监测方法、装置、电子设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN114120145A CN114120145A CN202111417458.3A CN202111417458A CN114120145A CN 114120145 A CN114120145 A CN 114120145A CN 202111417458 A CN202111417458 A CN 202111417458A CN 114120145 A CN114120145 A CN 114120145A
- Authority
- CN
- China
- Prior art keywords
- target
- image
- remote sensing
- correlation
- heat island
- 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.)
- Pending
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 78
- 238000000034 method Methods 0.000 title claims abstract description 77
- 238000012806 monitoring device Methods 0.000 title claims abstract description 9
- 230000000694 effects Effects 0.000 claims abstract description 120
- 238000012545 processing Methods 0.000 claims description 21
- 238000010586 diagram Methods 0.000 claims description 20
- 238000007781 pre-processing Methods 0.000 claims description 15
- 238000010219 correlation analysis Methods 0.000 claims description 12
- 238000000611 regression analysis Methods 0.000 claims description 12
- 238000012216 screening Methods 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000004458 analytical method Methods 0.000 abstract description 13
- 230000015572 biosynthetic process Effects 0.000 abstract description 8
- 238000011161 development Methods 0.000 description 11
- 230000018109 developmental process Effects 0.000 description 11
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 5
- 238000010276 construction Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 230000002265 prevention Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000009467 reduction Effects 0.000 description 4
- 239000002689 soil Substances 0.000 description 4
- 238000003915 air pollution Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 238000012098 association analyses Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 241000208818 Helianthus Species 0.000 description 1
- 235000003222 Helianthus annuus Nutrition 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000033772 system development Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K13/00—Thermometers specially adapted for specific purposes
-
- 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
- G06F16/2462—Approximate or statistical queries
-
- 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
- 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
-
- 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
-
- 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
- Y02A30/00—Adapting or protecting infrastructure or their operation
- Y02A30/60—Planning or developing urban green infrastructure
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Probability & Statistics with Applications (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Remote Sensing (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Image Processing (AREA)
Abstract
本发明的实施例提供了一种监测方法、装置、电子设备及计算机可读存储介质,涉及遥感技术领域,通过获取气象数据中的热岛效应影像图及温度数据,然后根据监测范围,在热岛效应影像图中确定目标区域,该目标区域的平均温度值大于监测范围内的平均温度值。进一步去获取目标区域对应的目标关联因子集合,目标关联因子集合包含多个目标关联因子,目标关联因子表征满足热岛效应强相关条件的关联因子。最终计算目标关联因子的热岛效应贡献值,热岛效应贡献值表征对应的目标关联因子对目标区域的热岛效应的影响程度,从而实现了对城市热岛效应形成原因的多角度分析。
Description
技术领域
本发明涉及遥感技术领域,具体而言,涉及一种监测方法、装置、电子设备及计算机可读存储介质。
背景技术
近半个世纪以来,中国以前所未有的速度和规模实现了城镇化。城镇的快速建设固然是中国经济高速发展的核心,但中国城镇化扩张过程中不可避免地带来了一系列的问题,比如耕地面积减少、水土流失、大气污染、温室效应、水源污染等生态环境问题,相关部门采取了多种措施缓解这些问题,例如对市容卫生进行监督、对园林绿化进行管理、对环境保护进行管理等,甚至结合使用物联网(Internet of Things,简称IoT)技术。但这些方式均是在生态环境问题发生后进行解决,并且需要投入大量的人力、财力、物力,更无法做到先预后防。
为了合理规划城市建设,促进城市良性发展,现有技术利用遥感技术来对这些问题进行分析或者监测。
但是现有技术只是利用遥感影像对某一问题进行单一的分析或者监测,例如对森林,农业或者水土等进行监测,而无法对城市发展问题形成原因的多角度分析。
发明内容
本发明的目的在于提供一种监测方法、装置、电子设备及计算机可读存储介质,以改善现有技术中存在的问题。
本发明的实施例采用技术方案如下:
第一方面,本发明提供一种监测方法,包括:
获取气象数据中的热岛效应影像图及温度数据;
根据监测范围,在所述热岛效应影像图中确定目标区域,所述目标区域的温度数据大于所述监测范围内的温度阈值;
获取所述目标区域对应的目标关联因子集合,所述目标关联因子集合包含多个目标关联因子,所述目标关联因子表征满足热岛效应强相关条件的关联因子;
计算所述目标关联因子的热岛效应贡献值,所述热岛效应贡献值表征对应的目标关联因子对所述目标区域的热岛效应的影响程度。
本发明实施例提供的监测方法,通过获取气象数据中的热岛效应影像图及温度数据,然后根据监测范围,在热岛效应影像图中确定目标区域,该目标区域的平均温度值大于监测范围内的平均温度值。进一步去获取目标区域对应的目标关联因子集合,目标关联因子集合包含多个目标关联因子,目标关联因子表征满足热岛效应强相关条件的关联因子。最终计算目标关联因子的热岛效应贡献值,热岛效应贡献值表征对应的目标关联因子对目标区域的热岛效应的影响程度,从而实现了对城市热岛效应形成原因的多角度分析。在可选的实施方式中,所述获取所述目标区域对应的目标关联因子集合的步骤,包括:
获取所述目标区域对应的关联因子集合,其中,所述关联因子集合包含多个所述关联因子,所述关联因子表征所述目标区域对应的热岛效应形成的影响因素;
对所述关联因子集合进行筛选,获得目标关联因子集合。
采用该手段,能够确定从关联因子集合中筛选而得的目标关联因子集合。
在可选的实施方式中,所述对所述关联因子集合进行筛选,获得目标关联因子集合的步骤,包括:
分别对任意两个所述关联因子对应的数据进行关联分析,得到关联系数,所述关联系数表征对应的两个关联因子间的相关程度;
根据全部所述关联系数,确定第一关联因子集合;所述第一关联因子集合包含多个第一关联因子;
分别对每个所述第一关联因子对应的数据与所述目标区域的温度数据进行回归分析,得到回归分析结果;
根据全部所述回归分析结果,确定所述目标关联因子集合。
采用该手段,通过对关联因子集合经关联分析及回归分析,从而确定了最终的目标关联因子集合。
在可选的实施方式中,所述计算所述目标关联因子的热岛效应贡献值的步骤,包括:
根据所述温度数据,利用灰色关联分析法分别计算每个所述目标关联因子的所述热岛效应贡献值。
采用该手段,通过灰色关联分析方法能够计算出每个目标关联因子对应的热岛效应贡献值。
在可选的实施方式中,在所述获取气象数据中的热岛效应影像图及温度数据的步骤之前,还包括:
获取多源遥感影像;
对所述多源遥感影像进行预处理;
根据预处理后的多源遥感影像获得切片地图。
采用该手段,通过利用切片地图作为辅助,可以使得目标区域的选取更为准确,具有可监测性。
在可选的实施方式中,当所述多源遥感影像为卫星遥感影像时,所述卫星遥感影像中包含栅格遥感影像,所述对所述多源遥感影像进行预处理的步骤,包括:
将所述栅格遥感影像转换为TIFF格式影像;
若所述TIFF格式影像满足低清晰度条件,则进行图像增强处理;
若所述TIFF格式影像满足低色调条件,则进行大气校正处理。
采用该手段,通过对栅格遥感影像进行格式转换及图像处理等步骤,实现了对卫星遥感影像中栅格遥感影像的预处理。
在可选的实施方式中,当所述多源遥感影像为无人机遥感影像时,所述对所述多源遥感影像进行预处理的步骤,包括:
结合无人机机体姿态和相机参数对所述无人机遥感影像进行定位定向和几何校正;
根据所述无人机遥感影像的坐标进行定位和影像投影,生成定位后的TIFF格式影像。
采用该手段,通过对无人机遥感影像进行定位定向、几何校正以及影像投影等,实现了对无人机遥感影像中栅格遥感影像的预处理。
在可选的实施方式中,所述多源遥感影像中包含矢量图和气象卫星影像,所述根据预处理后的多源遥感影像获得切片地图的步骤,包括:
对多幅所述预处理后的多源遥感影像进行拼接,得到第一拼接影像;
根据所述监测范围,利用所述矢量图对所述第一拼接影像做交集处理,获得第一目标影像;
根据所述监测范围,利用所述矢量图对所述气象卫星影像做交集处理,获得第二目标影像;
对所述第一目标影像进行切片,得到切片数据;
根据所述切片数据发布切片地图;
将所述第二目标影像赋予透明度后叠加在所述切片地图上。
采用该手段,通过影像拼接、利用矢量图对拼接影像进行交集处理及切片处理,得到了切片地图及叠加了气象卫星影像的切片地图。
第二方面,本发明提供一种监测装置,包括:
数据获取模块,用于获取气象数据中的热岛效应影像图及温度数据;还用于根据监测范围,在所述热岛效应影像图中确定目标区域,所述目标区域的温度数据大于所述监测范围内的温度阈值;还用于获取所述目标区域对应的目标关联因子集合,所述目标关联因子集合包含多个目标关联因子,所述目标关联因子表征满足热岛效应强相关条件的关联因子;
计算模块,用于计算所述目标关联因子的热岛效应贡献值,所述热岛效应贡献值表征对应的目标关联因子对所述目标区域的热岛效应的影响程度。
本发明实施例提供的监测方法,通过获取气象数据中的热岛效应影像图及温度数据,然后根据监测范围,在热岛效应影像图中确定目标区域,该目标区域的平均温度值大于监测范围内的平均温度值。进一步去获取目标区域对应的目标关联因子集合,目标关联因子集合包含多个目标关联因子,目标关联因子表征满足热岛效应强相关条件的关联因子。最终计算目标关联因子的热岛效应贡献值,热岛效应贡献值表征对应的目标关联因子对目标区域的热岛效应的影响程度,从而实现了对城市热岛效应形成原因的多角度分析。
如前述实施方式所述的装置,还包括:
选取模块,用于获取多源遥感影像;还用于对所述多源遥感影像进行预处理;
切片模块,用于根据预处理后的多源遥感影像获得切片地图。
采用该手段,通过利用切片地图作为辅助,可以使得目标区域的选取更为准确,具有可监测性。
第三方面,本发明提供一种电子设备,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过总线通信,所述处理器执行所述机器可读指令,其执行时执行如前述实施方式任一所述的监测方法的步骤。
第四方面,本发明提供一种计算机可读存储介质,其上存储有计算机程序,该程序被执行时实现如前述实施方式任一所述监测方法的步骤。
综上所述,本发明实施例提供的一种监测方法、装置、电子设备及计算机可读存储介质,通过获取气象数据中的热岛效应影像图及温度数据,然后根据监测范围,在热岛效应影像图中确定目标区域,该目标区域的平均温度值大于监测范围内的平均温度值。进一步去获取目标区域对应的目标关联因子集合,目标关联因子集合包含多个目标关联因子,目标关联因子表征满足热岛效应强相关条件的关联因子。最终计算目标关联因子的热岛效应贡献值,热岛效应贡献值表征对应的目标关联因子对目标区域的热岛效应的影响程度,从而实现了对城市热岛效应形成原因的多角度分析。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本发明实施例提供的一种监测方法的流程示意图。
图2为本发明实施例提供的另一种监测方法的流程示意图之一。
图3为本发明实施例提供的另一种监测方法的流程示意图之二。
图4为本发明实施例提供的另一种监测方法的流程示意图之三。
图5为本发明实施例提供的另一种监测方法的流程示意图之四。
图6为本发明实施例提供的另一种监测方法的流程示意图之五。
图7为本发明实施例提供的另一种监测方法的流程示意图之六。
图8为本发明实施例提供的另一种监测方法的流程示意图之七。
图9为本发明实施例提供的地图瓦片的原理示意图。
图10为本发明实施例提供的一种监测装置的功能模块示意图。
图11为本发明实施例提供的另一种监测装置的功能模块示意图。
图12为本发明实施例提供的一种电子设备的结构示意图。
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。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。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。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
在本发明的描述中,需要说明的是,若出现术语“上”、“下”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,或者是该发明产品使用时惯常摆放的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,若出现术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
需要说明的是,在不冲突的情况下,本发明的实施例中的特征可以相互结合。
近半个世纪以来,中国以前所未有的速度和规模实现了城镇化。城镇的快速建设固然是中国经济高速发展的核心,但中国城镇化扩张过程中不可避免地带来了一系列的问题,比如耕地面积减少、水土流失、大气污染、温室效应、水源污染等生态环境问题。
例如城市热岛效应就是当前城市发展问题的一种综合体现,城市热岛效应是因为城市大量的人工生产发热、建筑物密集等高蓄热体,以及绿地减少等因素,造成城市温度升高的一种现象。热岛效应造成城市区域的气温明显高于城市外围的现象,在气象卫星影像中,郊区气温颜色较浅,而城区气温颜色较深,这种由低温过渡到高温的情景就像就象突出海面的岛屿。由于这种岛屿代表高温的城市区域,所以就被称为城市热岛。形成城市热岛效应的主要因素有城市下垫面(大气底部与地表的接触面)、人工热源、水气影响、空气污染、绿地减少、人口迁徙等多方面的因素。
相关部门采取了多种措施缓解这些生态问题,例如对市容卫生进行监督、对园林绿化进行管理、对环境保护进行管理等,甚至结合使用物联网(Internet of Things,简称IoT)技术。但这些方式均是在生态环境问题发生后进行解决,并且需要投入大量的人力、财力、物力,更无法做到先预后防。
为了合理规划城市建设,促进城市良性发展,现有技术还利用遥感技术来对这些问题进行分析或者监测。对于不同的城市问题场景,使用遥感栅格影像的不同波段,或者利用各类遥感指数进行反演、或者利用机器学习构建模型来进行识别和预测。
但是在使用传统遥感技术时,选择参数时需要对城市问题的数学建模有相当经验;在使用人工智能技术时,需要有高配置的硬件环境。这些技术要么是机理的扩展,要么对样本的要求非常高,并且对遥感影像的时空分辨率的要求也很高。但是,对于高时空分辨率的遥感影像,要么是因保密规定无法获取,要么是按照一景收费且价格昂贵,这就造成了财力成本花费巨大。而且现有技术只是利用遥感影像对某一问题进行单一的分析或者监测,例如对森林,农业或者水土等进行监测,而无法对城市发展问题形成原因的多角度分析。
为了解决上述问题,本发明实施例提供一种可能的实现方式,以实现对城市发展问题形成原因的多角度分析。请参见图1,图1为本发明实施例提供的一种监测方法的流程示意图,该方法步骤包括:
步骤S103、获取气象数据中的热岛效应影像图及温度数据。
可以理解,气象数据的热源数据包含热岛效应数据,即热岛效应影像图及温度数据。例如,从热岛效应影像图中可以观察到,城市的城区或者工厂区域部分颜色会呈现较深的红色,而郊区气温颜色较浅。可选的,该气象数据可以源于气象卫星。
步骤S104、根据监测范围,在热岛效应影像图中确定目标区域。
在本实施例中,该监测范围可以预设为某一城市的市区所在范围。该目标区域的温度数据大于监测范围内的温度阈值。
可以理解,在热岛效应影像图中,监测范围部分可能有多个颜色较深呈现红色的部分。该监测范围的温度数据可以从热岛效应影像图中获得,将监测范围的温度数据与监测范围的温度阈值进行比较,其中,大于温度阈值的温度数据对应的区域即为目标区域。该温度阈值可以根据被监测城市的实际情况进行设定,在此不做限定。
步骤S105、获取目标区域对应的目标关联因子集合。
可以理解,目标关联因子集合包含多个目标关联因子,目标关联因子表征满足热岛效应强相关条件的关联因子。
可选的,城市热岛效应的形成有多方面的因素,即关联因子,比如城市能源消耗、人口密度、汽车数量、建筑物面积、绿化面积等等。而与目标区域热岛效应的形成关系密切的因素,即目标关联因子,则是满足热岛效应强相关条件的因素。
步骤S106、计算目标关联因子的热岛效应贡献值。
在本实施例中,可以分别计算每一个目标关联因子的热岛效应贡献,该热岛效应贡献值可以表征对应的目标关联因子对目标区域的热岛效应的影响程度。
可选的,若是某个目标关联因子的热岛效应贡献值越高,则说明该目标关联因子对目标区域热岛效应形成的影响越高,那么对于城市规划监测来说,该目标关联因子是需要注意进行防护、治理或者改善的。需要说明的是,该举例仅为一种示例,在此不做限定。
本发明实施例提供的监测方法,通过获取气象数据中的热岛效应影像图及温度数据,然后根据监测范围,在热岛效应影像图中确定目标区域,该目标区域的平均温度值大于监测范围内的平均温度值。进一步去获取目标区域对应的目标关联因子集合,目标关联因子集合包含多个目标关联因子,目标关联因子表征满足热岛效应强相关条件的关联因子。最终计算目标关联因子的热岛效应贡献值,热岛效应贡献值表征对应的目标关联因子对目标区域的热岛效应的影响程度,从而实现了对城市热岛效应形成原因的多角度分析。
可选的,目标关联因子是从关联因子集合中筛选出来,针对图1中的步骤S105,本发明实施例提供一种可能的实现方式,以得到目标关联因子,具体的,在图1的基础上,图2为本发明实施例提供的另一种监测方法的流程示意图,参见图2,步骤S105的子步骤,包括:
步骤S105-1、获取目标区域对应的关联因子集合。
步骤S105-2、对关联因子集合进行筛选,获得目标关联因子集合。
其中,关联因子集合包含多个关联因子,关联因子可以表征目标区域对应的热岛效应形成的影响因素。
可以理解,关联因子集合中可以包含所有对目标区域的热岛效应有影响的关联因子,即该集合中既能包含影响程度高的关联因子,也能包含影响程度相对较低的关联因子。
可选的,从关联因子集合中筛选得到目标关联因子可以经过两次筛选,具体的,在图2的基础上,针对步骤S105-2,图3为本发明实施例提供的另一种监测方法的流程示意图,参见图3,步骤S105-2的子步骤,包括:
步骤S105-2a、分别对任意两个关联因子对应的数据进行关联分析,得到关联系数,关联系数表征对应的两个关联因子间的相关程度。
可以理解,关联分析主要是分析各关联因子的关系是否密切,是否能够有相互影响存在。即,关联分析是为了筛选出两者间关联较强的关联因子。比如同一城市的汽车数量与汽车尾气排放量之间肯定是具有相关性的,而同一城市的绿化面积与能源消耗之间的相关性可能就会较低。需要说明的是,该举例仅为一种示例,在此不做限定。
步骤S105-2b、根据全部关联系数,确定第一关联因子集合。
该关联因子集合包含多个第一关联因子。
可选的,任意两个关联因子对应的数据之间的关联分析,可以使用通过SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案)软件实现,或者使用统计编程方法实现。
步骤S105-2c、分别对每个第一关联因子对应的数据与目标区域的温度数据进行回归分析,得到回归分析结果。
可以理解,每个第一关联因子对应的数据与目标区域对应的温度数据进行回归分析,是为了验证第一关联因子与目标区域热岛效应的相关程度。即,回归分析是为了筛选出与目标区域热岛效应的相关程度较高的第一关联因子。
步骤S105-2d、根据全部回归分析结果,确定目标关联因子集合。
可以理解,城市热岛效应可以是城市发展过程中,由于各因素形成的综合问题。解决一个因素带来的问题,城市热岛效应不一定能消失,甚至会更加严重。这种综合问题内部的结构、各因素的影响度及特征无法全部得知全部被了解,不能像研究白箱问题那样去研究该问题的作用和机理,而是可以使用灰色系统依据某种思维逻辑与推断来构造模型。
可选的,热岛效应贡献值可以利用灰色关联分析法计算得到,具体的,在图1的基础上,针对步骤S106,图4为本发明实施例提供的另一种监测方法的流程示意图,参见图4,步骤S106的子步骤,包括:
步骤S106-1、根据温度数据,利用灰色关联分析法分别计算每个目标关联因子的热岛效应贡献值。
对于两个系统之间的因素,其随时间或不同对象而变化的关联性大小的量度,称为关联度。在系统发展过程中,若两个因素变化的趋势具有一致性,即同步变化程度较高,即可谓二者关联程度较高;反之,则较低。
也就是,灰色关联分析方法,是根据因素之间发展趋势的相似或相异程度,作为衡量因素间关联程度的一种方法。
灰色关联分析过程如下:
首先,选取参考数列为原始数列:
xi={xi(k)|k=1,2,…,n;i=0,1,2,…,m-1}
其中,n为温度数据样本的个数,m为目标关联因子个数,xi(k)为第i个目标关联因子对应的第k个温度数据样本,xi即为目标关联因子对应的参考数列;
例如,某一气象卫星的气象数据可以每天更新100次,即温度数据样本的个数n=100,若目标关联因子个数m=8,那么x0(10)则为第1个目标关联因子对应的第10个温度数据样本,x0为第1个目标关联因子对应的参考数列。可以理解,该举例仅为一种示例,在此不做限定。
则关联系数ξi(k)为:
其中,ρ为分辨系数,ρ∈(0,1),若ρ越小,关联系数间差异越大,区分能力越强,通常ρ取0.5,ξi(k)即为目标关联因子对应的关联系数;
最终利用关联系数ξi(k)计算灰色关联度γi:
其中,n同样为温度数据样本的个数,灰色关联度γi可以表征对应的目标关联因子对所述目标区域的热岛效应的影响程度。
可选的,为了目标区域的选取更为准确,具有可监测性,还可以利用地图服务作为辅助,本发明实施例提供一种可能的实现方式,以得到切片地图,具体的,在图1的基础上,图5为本发明实施例提供的另一种监测方法的流程示意图,参见图5,在步骤S103之前,步骤还包括:
步骤S100、获取多源遥感影像。
可以理解,遥感影像数据可分为栅格遥感影像、无人机遥感影像、矢量地图边界(矢量图)、气象卫影像、环境卫星影像数据、微波卫星影像数据等。
需要说明的是,该多源遥感影像可以从多源遥感传感器获得,如光学、气象、无人机、摄像头等等。尤其是针对遥感光学影像,不像现有技术那样要求具备高时空分辨率才能实现监测分析,而高时空分辨率的遥感影像收费高昂,本发明实施例利用中分辨率或者是中高分辨率的影像都可以满足监测需求,从一定程度来说降低了监测成本。其中哨兵系列卫星、葵花8号、陆地卫星LandSat数据以及我国的高分系列等卫星数据都可以从官网免费获得。
步骤S101、对多源遥感影像进行预处理。
步骤S102、根据预处理后的多源遥感影像获得切片地图。
可选的,当多源遥感影像为卫星遥感影像时,卫星遥感影像中可以包含栅格遥感影像,针对图5中的步骤S101,本发明实施例提供一种可能的实现方式,以实现对栅格遥感影像的预处理,具体的,在图5的基础上,图6为本发明实施例提供的另一种监测方法的流程示意图,参见图6,步骤S101的子步骤,可以包括:
步骤S101-1、将栅格遥感影像转换为TIFF格式影像。
TIFF格式即标签图像文件格式(Tag Image File Format),是一种灵活的位图格式,主要用来存储包括照片和艺术图在内的图像。其对图像信息的存放灵活多变,可以支持很多色彩系统,而且独立于操作系统。
需要说明的是,对于非栅格格式的遥感影像,例如矢量图则保持原样。
步骤S101-2、若TIFF格式影像满足低清晰度条件,则进行图像增强处理。
步骤S101-3、若TIFF格式影像满足低色调条件,则进行大气校正处理。
可以理解,若转换后的TIFF格式影像清晰度不够或者是色调影响解译,可以利用ArcGIS、SNAP等软件对其进行图像增强处理或大气校正处理。
可选的,当多源遥感影像为无人机遥感影像时,针对图5中的步骤步骤S101,本发明实施例提供另一种可能的实现方式,以实现无人机遥感影像的预处理,具体的,在图5的基础上,图7为本发明实施例提供的另一种监测方法的流程示意图,参见图7,步骤S101的子步骤,可以包括:
步骤S101-a、结合无人机机体姿态和相机参数对无人机遥感影像进行定位定向和几何校正。
每张无人机遥感影像中都包含坐标信息,可以结合无人机机体姿态和相机参数,并根据该坐标信息对无人机遥感影像进行定位定向处理。
相应地,在遥感领域中,几何校正是指通过一系列的数学模型来改正和消除遥感影像成像时因摄影材料变形、物镜畸变、大气折光、地球曲率、地球自转、地形起伏等因素导致的原始图像上各地物的几何位置、形状、尺寸、方位等特征与在参照系统中的表达要求不一致时产生的变形。
步骤S101-b、根据无人机遥感影像的坐标进行定位和影像投影,生成定位后的TIFF格式影像。
可以理解,影像投影也可以叫投影转换,其中包括了地理坐标系和投影坐标系之间的互相转换。
可选的,获取到的多源遥感影像中可以包含矢量图和气象卫星影像,具体的,在图5的基础上,针对步骤S102,图8为本发明实施例提供的另一种监测方法的流程示意图,参见图8,步骤S102的子步骤,可以包括:
步骤S102-1、对多幅预处理后的多源遥感影像进行拼接,得到第一拼接影像。
可以理解,根据多幅预处理后的多源遥感影像中的坐标,进行拼接处理,得到得到第一拼接影像。
步骤S102-2、根据监测范围,利用矢量图对第一拼接影像做交集处理,获得第一目标影像。
其中,对于由点线面构成的图在遥感领域称为矢量图。第一目标影像是与监测范围相对应的影像图。
步骤S102-3、根据监测范围,利用矢量图对气象卫星影像做交集处理,获得第二目标影像。
其中,第二目标影像是与监测范围相对应的剪切后的气象卫星影像图。
步骤S102-4、对第一目标影像进行切片,得到切片数据。
步骤S102-5、根据切片数据发布切片地图。
可选的,对可以按照TMS(Tile Map Service,瓦片地图服务)规范第一目标影像进行切片处理,得到切片数据。
可以理解,切片数据,也叫地图瓦片,切片得到的切片数据可以存放在服务器端或者任意数据库中,然后根据用户提交的不同请求,把相应的地图瓦片发送给客户端进行展示。地图瓦片是一种多分辨率层次模型,从瓦片金字塔底层到顶层,分辨率越来越低,但表示的地理范围不变,其原理大致如图9所示。
步骤S102-6、将第二目标影像赋予透明度后叠加在切片地图上。
可以理解,赋予透明度后的第二目标影像是一个图层,切片地图是一个图层,二者进行叠加即图层的叠加。
可选的,上述的目标关联因子及其对应的热岛效应贡献值和切片数据可以存储在服务器中。
在一种可能的实现方式中,还可以对上述得到的热岛效应贡献值进行反演验证。例如,上述得到的热岛效应贡献值是通过风云卫星的热岛效应数据分析得到的,那么可以通过获取另外的气象卫星的热岛效应数据,对上述计算得到的热岛效应贡献值进行反演验证。又例如,利用风云卫星的热岛效应数据最终分析出来某地区汽车尾气排放这个目标关联因子的热岛效应贡献值最高,那么可以根据别的气象卫星的污染数据判断该地区的汽车尾气污染是否较高,从而侧面去验证结果的准确性。需要说明的是,该举例仅为一种示例,在此不做限定。
可选的,还可以基于RESTful网络结构设计接口,然后网页端可以通过接口调用服务器中的热岛效应贡献值和切片数据并将其展示在网页端上。需要说明的是,该步骤可以在步骤S106之后执行,也可以在反演验证之后执行,在此不做限定。
基于上述的监测方法,请参见图10,图10为本发明实施例提供的一种监测装置200,该装置包括数据获取模块230和计算模块240。
数据获取模块230,用于获取气象数据中的热岛效应影像图及温度数据;还用于根据监测范围,在热岛效应影像图中确定目标区域,目标区域的平均温度值大于监测范围内的平均温度值;还用于获取目标区域对应的目标关联因子集合,目标关联因子集合包含多个目标关联因子,目标关联因子表征满足热岛效应强相关条件的关联因子;
计算模块240,用于计算目标关联因子的热岛效应贡献值,热岛效应贡献值表征对应的目标关联因子对目标区域的热岛效应的影响程度。
进一步地,请参见图11,该装置还可以包括选取模块210和切片模块220。
选取模块210,用于获取多源遥感影像;还用于对多源遥感影像进行预处理;
切片模块220,用于根据预处理后的多源遥感影像获得切片地图。
上述装置用于执行前述实施例提供的方法,其实现原理和技术效果类似,在此不再赘述。
以上这些模块可以是被配置成实施以上方法的一个或多个集成电路,例如:一个或多个特定集成电路(Application Specific Integrated Circuit,简称ASIC),或,一个或多个微处理器(Digital Dingnal Processor,简称DSP),或,一个或者多个现场可编程门阵列(Field Programmable Gate Array,简称FPGA)等。再如,当以上某个模块通过处理元件调度程序代码的形式实现时,该处理元件可以是通用处理器,例如中央处理器(CentralProcessing Unit,简称CPU)或其它可以调用程序代码的处理器。再如,这些模块可以集成在一起,以片上系统(System-on-a-Chip,简称SoC)的形式实现。
进一步地,基于上述的监测方法,请参考图12,图12为本发明实施例提供的一种电子设备300的结构示意图。该电子设备300包括处理器310、存储器320和总线330,存储器320存储有处理器310可执行的机器可读指令,当电子设备运行时,所述处理器310与所述存储器320之间通过总线330通信,所述处理器310执行所述机器可读指令,其执行时实现上述方法实施例。
进一步地,基于上述的监测方法,本发明实施例还提供一种计算机可读存储介质,其上存储有计算机程序,该程序被执行时实现上述方法实施例。
综上所述,本发明实施例提供了一种监测方法、装置、电子设备及计算机可读存储介质,通过获取气象数据中的热岛效应影像图及温度数据,然后根据监测范围,在热岛效应影像图中确定目标区域,该目标区域的平均温度值大于监测范围内的平均温度值。进一步去获取目标区域对应的目标关联因子集合,目标关联因子集合包含多个目标关联因子,目标关联因子表征满足热岛效应强相关条件的关联因子。最终计算目标关联因子的热岛效应贡献值,热岛效应贡献值表征对应的目标关联因子对目标区域的热岛效应的影响程度,从而实现了对城市热岛效应形成原因的多角度分析。进一步在在城市监测规划中,可以将上述分析结果作为辅助,以更好进行城市发展规划决策。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (12)
1.一种监测方法,其特征在于,包括:
获取气象数据中的热岛效应影像图及温度数据;
根据监测范围,在所述热岛效应影像图中确定目标区域,所述目标区域的温度数据大于所述监测范围内的温度阈值;
获取所述目标区域对应的目标关联因子集合,所述目标关联因子集合包含多个目标关联因子,所述目标关联因子表征满足热岛效应强相关条件的关联因子;
计算所述目标关联因子的热岛效应贡献值,所述热岛效应贡献值表征对应的目标关联因子对所述目标区域的热岛效应的影响程度。
2.如权利要求1所述的方法,其特征在于,所述获取所述目标区域对应的目标关联因子集合的步骤,包括:
获取所述目标区域对应的关联因子集合,其中,所述关联因子集合包含多个所述关联因子,所述关联因子表征所述目标区域对应的热岛效应形成的影响因素;
对所述关联因子集合进行筛选,获得目标关联因子集合。
3.如权利要求2所述的方法,其特征在于,所述对所述关联因子集合进行筛选,获得目标关联因子集合的步骤,包括:
分别对任意两个所述关联因子对应的数据进行关联分析,得到关联系数,所述关联系数表征对应的两个关联因子间的相关程度;
根据全部所述关联系数,确定第一关联因子集合;所述第一关联因子集合包含多个第一关联因子;
分别对每个所述第一关联因子对应的数据与所述目标区域的温度数据进行回归分析,得到回归分析结果;
根据全部所述回归分析结果,确定所述目标关联因子集合。
4.如权利要求1所述的方法,其特征在于,所述计算所述目标关联因子的热岛效应贡献值的步骤,包括:
根据所述温度数据,利用灰色关联分析法分别计算每个所述目标关联因子的所述热岛效应贡献值。
5.如权利要求1所述的方法,其特征在于,在所述获取气象数据中的热岛效应影像图及温度数据的步骤之前,还包括:
获取多源遥感影像;
对所述多源遥感影像进行预处理;
根据预处理后的多源遥感影像获得切片地图。
6.如权利要求5所述的方法,其特征在于,当所述多源遥感影像为卫星遥感影像时,所述卫星遥感影像中包含栅格遥感影像,所述对所述多源遥感影像进行预处理的步骤,包括:
将所述栅格遥感影像转换为TIFF格式影像;
若所述TIFF格式影像满足低清晰度条件,则进行图像增强处理;
若所述TIFF格式影像满足低色调条件,则进行大气校正处理。
7.如权利要求5所述的方法,其特征在于,当所述多源遥感影像为无人机遥感影像时,所述对所述多源遥感影像进行预处理的步骤,包括:
结合无人机机体姿态和相机参数对所述无人机遥感影像进行定位定向和几何校正;
根据所述无人机遥感影像的坐标进行定位和影像投影,生成定位后的TIFF格式影像。
8.如权利要求5所述的方法,其特征在于,所述多源遥感影像中包含矢量图和气象卫星影像,所述根据预处理后的多源遥感影像获得切片地图的步骤,包括:
对多幅所述预处理后的多源遥感影像进行拼接,得到第一拼接影像;
根据所述监测范围,利用所述矢量图对所述第一拼接影像做交集处理,获得第一目标影像;
根据所述监测范围,利用所述矢量图对所述气象卫星影像做交集处理,获得第二目标影像;
对所述第一目标影像进行切片,得到切片数据;
根据所述切片数据发布切片地图;
将所述第二目标影像赋予透明度后叠加在所述切片地图上。
9.一种监测装置,其特征在于,包括:
数据获取模块,用于获取气象数据中的热岛效应影像图及温度数据;还用于根据监测范围,在所述热岛效应影像图中确定目标区域,所述目标区域的温度数据大于所述监测范围内的温度阈值;还用于获取所述目标区域对应的目标关联因子集合,所述目标关联因子集合包含多个目标关联因子,所述目标关联因子表征满足热岛效应强相关条件的关联因子;
计算模块,用于计算所述目标关联因子的热岛效应贡献值,所述热岛效应贡献值表征对应的目标关联因子对所述目标区域的热岛效应的影响程度。
10.如权利要求9所述的装置,其特征在于,还包括:
选取模块,用于获取多源遥感影像;还用于对所述多源遥感影像进行预处理;
切片模块,用于根据预处理后的多源遥感影像获得切片地图。
11.一种电子设备,其特征在于,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过总线通信,所述处理器执行所述机器可读指令,其执行时执行如权利要求1至8任一所述的监测方法的步骤。
12.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,该程序被执行时实现如权利要求1至8任一所述监测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111417458.3A CN114120145A (zh) | 2021-11-26 | 2021-11-26 | 一种监测方法、装置、电子设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111417458.3A CN114120145A (zh) | 2021-11-26 | 2021-11-26 | 一种监测方法、装置、电子设备及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114120145A true CN114120145A (zh) | 2022-03-01 |
Family
ID=80373740
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111417458.3A Pending CN114120145A (zh) | 2021-11-26 | 2021-11-26 | 一种监测方法、装置、电子设备及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114120145A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114885736A (zh) * | 2022-06-01 | 2022-08-12 | 南京林业大学 | 一种基于人工智能的城市风热环境调控系统及方法 |
CN115018394A (zh) * | 2022-08-08 | 2022-09-06 | 成都数联云算科技有限公司 | 旱情评估方法、装置、存储介质、设备及计算机程序产品 |
-
2021
- 2021-11-26 CN CN202111417458.3A patent/CN114120145A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114885736A (zh) * | 2022-06-01 | 2022-08-12 | 南京林业大学 | 一种基于人工智能的城市风热环境调控系统及方法 |
CN115018394A (zh) * | 2022-08-08 | 2022-09-06 | 成都数联云算科技有限公司 | 旱情评估方法、装置、存储介质、设备及计算机程序产品 |
CN115018394B (zh) * | 2022-08-08 | 2022-10-25 | 成都数联云算科技有限公司 | 旱情评估方法、装置、存储介质及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220043182A1 (en) | Spatial autocorrelation machine learning-based downscaling method and system of satellite precipitation data | |
CN101976429B (zh) | 基于游弋图像的水面鸟瞰图成像方法 | |
CN108268735A (zh) | 基于多源遥感卫星融合数据的地表土壤水分降尺度方法 | |
CN114120145A (zh) | 一种监测方法、装置、电子设备及计算机可读存储介质 | |
CN109376600A (zh) | 多光谱遥感影像综合特征云检测方法及装置 | |
JP2011501301A (ja) | 地理的情報の複数のソースを用いた地理空間モデリングシステム及び関連する方法 | |
CN113343777B (zh) | 一种面向自然灾害应急响应的卫星快速规划方法及系统 | |
CN113744249B (zh) | 一种海洋生态环境损害调查方法 | |
CN113343858B (zh) | 路网地理位置识别方法、装置、电子设备及存储介质 | |
Varentsov et al. | High-resolution temperature mapping by geostatistical kriging with external drift from large-eddy simulations | |
CN116843845A (zh) | 一种应用于数字孪生城市的空间数据集成方法及系统 | |
CN109375290A (zh) | 一种基于机器学习的跨海大桥雾监测系统及其应用方法 | |
KR20110134479A (ko) | 이미지를 컬러화하기 위한 지오스페이셜 모델링 시스템 및 관련 방법 | |
Liu et al. | Relationships between nighttime imagery and population density for Hong Kong | |
CN111652126A (zh) | 一种基于卫星云图的反演辐射方法 | |
CN115267786A (zh) | 融合卫星观测亮温和高程的ResUNet-GAN全球雷达反演方法及装置 | |
CN117148360A (zh) | 雷电临近预报方法、装置、电子设备及计算机存储介质 | |
CN116071664A (zh) | 基于改进CenterNet网络的SAR图像舰船检测方法 | |
Xu | Application of remote sensing image data scene generation method in smart city | |
CN113435118A (zh) | 辐照度确定方法、装置、设备及存储介质 | |
Zheng et al. | AI-based remote sensing oceanography-image classification, data fusion, algorithm development and phenomenon forecast | |
LOTFIAN | Urban climate modeling: case study of Milan city | |
Wittenbrink et al. | Feature extraction of clouds from GOES satellite data for integrated model measurement visualization | |
CN114360739B (zh) | 一种基于遥感云计算与深度学习的登革热风险预测方法 | |
Widyaningrum et al. | Tailored features for semantic segmentation with a DGCNN using free training samples of a colored airborne point cloud |
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 |