CN114202232A - 一种基于数据分析以优化生态资源保护的系统及方法 - Google Patents
一种基于数据分析以优化生态资源保护的系统及方法 Download PDFInfo
- Publication number
- CN114202232A CN114202232A CN202111574651.8A CN202111574651A CN114202232A CN 114202232 A CN114202232 A CN 114202232A CN 202111574651 A CN202111574651 A CN 202111574651A CN 114202232 A CN114202232 A CN 114202232A
- Authority
- CN
- China
- Prior art keywords
- data
- index
- ecological
- protection
- analysis
- 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
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000007405 data analysis Methods 0.000 title claims abstract description 21
- 238000011160 research Methods 0.000 claims abstract description 25
- 238000005457 optimization Methods 0.000 claims abstract description 24
- 238000012357 Gap analysis Methods 0.000 claims abstract description 23
- 238000004458 analytical method Methods 0.000 claims abstract description 20
- 238000004140 cleaning Methods 0.000 claims abstract description 7
- 238000013480 data collection Methods 0.000 claims abstract description 7
- 238000011156 evaluation Methods 0.000 claims description 33
- 230000008569 process Effects 0.000 claims description 17
- 238000010276 construction Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 16
- 238000009826 distribution Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 13
- 239000011159 matrix material Substances 0.000 claims description 10
- 230000010354 integration Effects 0.000 claims description 7
- 239000006185 dispersion Substances 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 claims description 4
- 230000008030 elimination Effects 0.000 claims description 3
- 238000003379 elimination reaction Methods 0.000 claims description 3
- 238000013178 mathematical model Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 230000010415 tropism Effects 0.000 claims description 3
- 238000004321 preservation Methods 0.000 claims 2
- 239000000463 material Substances 0.000 claims 1
- 238000012544 monitoring process Methods 0.000 description 14
- 238000007726 management method Methods 0.000 description 7
- 230000002068 genetic effect Effects 0.000 description 5
- 230000006872 improvement Effects 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000010845 search algorithm Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 210000000349 chromosome Anatomy 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000013467 fragmentation Methods 0.000 description 1
- 238000006062 fragmentation reaction Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 230000001568 sexual effect Effects 0.000 description 1
- 238000002922 simulated annealing Methods 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了基于数据分析以优化生态资源保护的系统，数据收集单元根据研究信息从区域范围、时间跨度和目标类群确定研究范围以收集数据；数据剔除单元对收集到的原始数据进行数据清理，剔除明显无法Gap分析的数据；数据集生成单元将符合分析条件的数据进行整合，并通过ArcGIS软件形成数据集；Gap分析模块确定预设的生态保护空间中得到保护的因素；格局优化模块将识别出的保护空缺区域，按照Gap分析的优先级逐步或全部划入生态保护空间体系中，并编制典型生物资源保护格局优化方案。客观地进行生态控制线划定，虑生态适宜性和格局紧凑度，且能够合理有效地将生态控制线方案与已有生态环境规划成果进行衔接和协调。
Description
技术领域
本发明属于数据分析技术领域，尤其涉及一种基于数据分析以优化生态资源保护的系统及方法。
背景技术
目前，生态控制线指为了保障区域生态安全，维护生态系统的完整性、科学性和连续性，遏制城市用地的无序扩张，在尊重合理环境承载力和自然生态系统的前提下，根据有关法规、法律，结合区域自身实际情况而划分的生态环境保护界线。生态控制线在区域可持续发展、生态环境管理以及资源保护等方面起到极其关键的作用。但是生态控制线仍然属于新兴事物，其划定标准、划定方法和管理制度等至今都没有明确统一的规定。
当前，各级海洋行政管理部门和海洋环境监测机构针对海洋环境监测数据的管理，多基于电子报表(excel报表)或文件格式(word或txt文档)进行监测数据的单个文件存储管理，存储内容之间毫无关联。基于电子报表进行海洋环境监测数据的处理，因为监测任务、监测区域较多，监测频率较高，使得形成的报表型数据的电子报表文件多，不利于监测数据的集成处理和应用，不利于数据的空间化、趋势化分析；与此同时，各报表间数据，由于文件型的监测数据的管理，这类数据多以单个文件或文件夹的方式杂乱存储，没有与报表型数据、或监测任务、监测区域关联，不利于文件型数据查找和利用。
发明内容
有鉴于此，本发明提供了一种基于数据分析以优化生态资源保护的系统及方法，可以使海洋环境监测数据科学分类、统一标准、集中式存储，便于监测数据的调用，提高监测数据的使用效率，能够客观地进行生态控制线划定，同时考虑生态适宜性和格局紧凑度，并且能够合理有效地将生态控制线方案与已有生态环境规划成果进行衔接和协调，具体采用以下技术方案来实现。
第一方面，本发明提供了一种基于数据分析以优化生态资源保护的系统，包括：
数据整合模块，包括数据收集单元、数据剔除单元和数据集生成单元，数据收集单元用于根据研究信息从区域范围、时间跨度和目标类群确定研究范围以收集数据；数据剔除单元用于对收集到的原始数据进行数据清理，剔除明显无法用于Gap分析的数据；数据集生成单元用于将符合分析条件的数据进行整合，并通过ArcGIS软件形成数据集；
Gap分析模块，用于确定预设的生态保护空间中得到保护的因素，包括图层构建单元、格局分析单元和空缺识别单元，图层构建单元用于根据预设数据集生成研究区域范围的生物资源分布图层、生态保护空间分布图层；格局分析单元用于叠加所有的生物资源分布图层，识别研究区域范围的生态重要区域，并筛选近海典型生物资源保护潜在优先区；空缺识别单元用于利用ArcGIS软件进行潜在优先区与已建生态保护空间在空间上的叠加对比分析，识别出有保护价值且未处于预设生态保护空间体系的空白地区并作为保护空缺区；
格局优化模块，用于将识别出的保护空缺区域，按照Gap分析的优先级逐步或全部划入生态保护空间体系中，并编制典型生物资源保护格局优化方案。
作为上述技术方案的进一步改进，格局优化模块包括评价构建单元和指标选取单元；
评价构建单元遵循从实际出发，科学合理的构建反映生态资源保护真实情况的指标体系，正确描述当前面临的压力和所处的状态以及未来能做出的响应，指标体系的构建反映生态资源保护的各主动因素，指标选取过程需考虑数据的获取性，选择具有直观性且易获取的指标，确保指标和评价结果横向之间进行比较，指标的涵义、范围以及计算口径保持统一，综合考虑实地情况进行指标选择，所选指标具有代表性和典型性；
指标选定单元根据指标选择模型遵从指标选择原则对指标体系结构分析、指标体系说明和指标标准化处理，数据存在量纲和量级两种，数据标准化的处理分为数据同趋化和无量纲化处理。
作为上述技术方案的进一步改进，数据的同趋化处理用于解决数据量纲不同问题并根据指标性质，将数据进行正逆趋向性区分，将所有指标数据化归在同一数量级；
先对数据同趋化处理然后进行极差无量纲化处理，得到标准化结果，采用以下公式进行标准化处理：
正向指标：
负向指标：
其中，x表示指标原始数据，x'表示指标标准化后数据，xij为第i指标第j市/县的原值，min(xij)为第i指标第j市/县的最小值；max(xij)为第i指标第j市/县的最大值；x'ij为第i指标第j市/县标准化处理后的数值。
作为上述技术方案的进一步改进，采用熵权法来表达物质系统状态的情况，某项指标的信息熵越小，该指标包含的信息无序程度就越低，提高的信息越丰富，熵值法是用来判断某个指标的离散程度，离散程度越大，则该指标对综合评价的影响越大。
作为上述技术方案的进一步改进，熵值法的计算过程如下：
构建评价指标的判断矩阵；
将判断矩阵进行归一化处理，得到归一化判断矩阵；
根据熵的定义和评价指标，以确定评价指标的熵值ej；
计算各指标熵权
其中，j为指标，i为评价对象，m为评价对象的个数，n为评价指标个数，x'ij为指标的标准值；
计算系统的权重值。
作为上述技术方案的进一步改进，运用地理格网对数据进行整合，主要步骤如下；
按照预设规则对研究区进行格网划分，格网划分为正方形，并对划分后的每一格网进行编号；
统计整理每个格网内的参与计算的数据值；
按照指定计算数学模型对格网内的数据值进行计算，最后得到每个格网的目标数值；
按照指定分级或分类标准对各格网内目标值进行分类划分，完成可视化专题图片制作。
第二方面，本发明还提供了基于数据分析以优化生态资源保护方法，其特征在于，包括以下步骤：
根据研究信息从区域范围、时间跨度、目标类群确定研究范围以收集数据；
对收集到的原始数据进行数据清理，剔除明显无法用于Gap分析的数据；
将符合分析条件的数据整合，并通过ArcGIS软件形成数据集；
确定在预设的生态保护空间中得到保护的因素和预设的生态保护空间之外的因素作为保护空缺区域；
将识别出的保护空缺区域按照Gap分析的优先级逐步或全部划入生态保护空间体系中，编制典型生物资源保护格局优化方案。
本发明提供了一种基于数据分析以优化生态资源保护的系统及方法，相对于现有技术，具有以下的有益效果：
通过系统设置有数据整合模块、Gap分析模块和格局优化模块，来收集是海洋生物多样性生态重要区、保护优先区、生态保护空间格局现状数据，利用近海生物多样性保护空间错配识别技术，结合ArcGIS软件识别出近海应保未保的保护空缺区域，提出尽可能识别出的空缺区域划入保护空间范围的格局优化建议。Gap分析可以对生物多样性各因素的分布和保护状态以及对现有保护区进行的快速调查和分析，能够确定在现有的保护区之中哪些应该得到的保护的因素如植被类型、栖息地类型、物种等，没有被保护或没有被更好的保护，这些现存的保护区之外的因素即保护空缺gap，为下一步的保护计划应该优先保护哪些因素提供依据。
该方法基于物种分别情况、土地覆盖和自然保护区分别等空间信息，识别出有保护价值且未处于现有保护区体系的空白地区，为宏观尺度生物多样性保护规划提供科学合理的建议。采用智能优化算法对所述研究区域进行生态控制线划定，得到所述研究区域的最终生态控制线方案。本发明能够客观地进行生态控制线划定，同时考虑生态适宜性和格局紧凑度，并且能够合理有效地将生态控制线方案与已有生态环境规划成果进行衔接和协调。
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为本发明的基于数据分析以优化生态资源保护的系统的结构框图；
图2为本发明的数据整合的流程图；
图3为本发明的基于数据分析以优化生态资源保护方法的流程图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
在这里示出和描述的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制，因此，示例性实施例的其他示例可以具有不同的值。
参阅图1，本发明提供了一种基于数据分析以优化生态资源保护的系统，包括：
数据整合模块，包括数据收集单元、数据剔除单元和数据集生成单元，数据收集单元用于根据研究信息从区域范围、时间跨度和目标类群确定研究范围以收集数据；数据剔除单元用于对收集到的原始数据进行数据清理，剔除明显无法用于Gap分析的数据；数据集生成单元用于将符合分析条件的数据进行整合，并通过ArcGIS软件形成数据集；
Gap分析模块，用于确定预设的生态保护空间中得到保护的因素，包括图层构建单元、格局分析单元和空缺识别单元，图层构建单元用于根据预设数据集生成研究区域范围的生物资源分布图层、生态保护空间分布图层；格局分析单元用于叠加所有的生物资源分布图层，识别研究区域范围的生态重要区域，并筛选近海典型生物资源保护潜在优先区；空缺识别单元用于利用ArcGIS软件进行潜在优先区与已建生态保护空间在空间上的叠加对比分析，识别出有保护价值且未处于预设生态保护空间体系的空白地区并作为保护空缺区；
格局优化模块，用于将识别出的保护空缺区域，按照Gap分析的优先级逐步或全部划入生态保护空间体系中，并编制典型生物资源保护格局优化方案。
本实施例中，格局优化模块包括评价构建单元和指标选取单元；评价构建单元遵循从实际出发，科学合理的构建反映生态资源保护真实情况的指标体系，正确描述当前面临的压力和所处的状态以及未来能做出的响应，指标体系的构建反映生态资源保护的各主动因素，指标选取过程需考虑数据的获取性，选择具有直观性且易获取的指标，确保指标和评价结果横向之间进行比较，指标的涵义、范围以及计算口径保持统一，综合考虑实地情况进行指标选择，所选指标具有代表性和典型性；指标选定单元根据指标选择模型遵从指标选择原则对指标体系结构分析、指标体系说明和指标标准化处理，数据存在量纲和量级两种，数据标准化的处理分为数据同趋化和无量纲化处理。
需要说明的是，根据近海生物多样性保护空间错配识别技术，将收集到的生物多样性生态重要区、保护优先区、生态保护空间格局现状数据，利用ArcGIS软件进行对比分析，识别出应保而未保区域作为保护空缺理论图斑，提出尽可能把识别出的空缺划入保护空间范围的格局优化建议。智能优化算法指建立在生物智能或自然过程基础上，用于解决最优化问题的随机搜索算法，主要包括遗传算法、模拟退火算法、神经网络。本会实施例利用遗传算法(Genetic algorithm，GA)构建地区利用空间优化模型，因为遗传算法能以矩阵的形式方便有效地反映地理区域的空间结构。遗传算法适合用于解决各学科的复杂优化问题。该遗传算法是一种全局性概率搜索算法，首先随机产生一定数量的染色体(初始解)，接着通过反复迭代的选择、交叉和变异操作改善当前解，直至搜寻到满意的解为止。在智能优化算法中，迭代运算过程借鉴了与生物界相似的进化机制，从一组解出发，通过类似于有性繁殖和自然选择的方式实现优胜劣汰，在遗传已有优良基因的基础上，生成具有更好性能指标的下一代解的群体。
可选地，数据的同趋化处理用于解决数据量纲不同问题并根据指标性质，将数据进行正逆趋向性区分，将所有指标数据化归在同一数量级；
先对数据同趋化处理然后进行极差无量纲化处理，得到标准化结果，采用以下公式进行标准化处理：
正向指标：
负向指标：
其中，x表示指标原始数据，x'表示指标标准化后数据，xij为第i指标第j市/县的原值，min(xij)为第i指标第j市/县的最小值；max(xij)为第i指标第j市/县的最大值；x'ij为第i指标第j市/县标准化处理后的数值。
本实施例中，采用熵权法来表达物质系统状态的情况，某项指标的信息熵越小，该指标包含的信息无序程度就越低，提高的信息越丰富，熵值法是用来判断某个指标的离散程度，离散程度越大，则该指标对综合评价的影响越大。
需要说明的是，熵值法的计算过程如下：构建评价指标的判断矩阵；将判断矩阵进行归一化处理，得到归一化判断矩阵；根据熵的定义和评价指标，以确定评价指标的熵值ej；
计算各指标熵权
其中，j为指标，i为评价对象，m为评价对象的个数，n为评价指标个数，x'ij为指标的标准值；计算系统的权重值。由于评价指标多样、数据来源不同、数据的尺度不一等诸多原因，导致数据间不具备可比性，数据的预处理中，对数据的标准化成为重要的一般。多指标综合评价中，权重的确定是尤为重要的一个环节，权重能够在一定程度上反应一个指标在某个问题上的重要程度，也影响着最终评价的结果。
参阅图2，可选地，运用地理格网对数据进行整合，主要步骤如下；
S10：按照预设规则对研究区进行格网划分，格网划分为正方形，并对划分后的每一格网进行编号；
S11：统计整理每个格网内的参与计算的数据值；
S12：按照指定计算数学模型对格网内的数据值进行计算，最后得到每个格网的目标数值；
S13：按照指定分级或分类标准对各格网内目标值进行分类划分，完成可视化专题图片制作。
本实施例中，格网模型的基本元素是一个格网点，将投影在平面上的实体表面投影划分成M行乘以N列的大小相同的规则格网，再把每个格网点赋予一定的属性值。格网大小固定，不能根据实际区域改变网格大小，其次是每个网格可视化显示会有不小的数据冗余。由于数据的来源、数据的格式以及数据本身都存在很大的差异性，因此为了统一管理、使得数据具有可比性，需要对所收集的数据进行预处理，预处理的内容包括分别指标不能一次性直接获得结构，需要通过计算间接得到，将整理后的空间数据和统计数据作为数据库数据的原始数据和部分数据存在不合理之外，需要修正和校正，以保证数据的完整性。
参阅图3，本发明还提供了基于数据分析以优化生态资源保护方法，其特征在于，包括以下步骤：
S20：根据研究信息从区域范围、时间跨度、目标类群确定研究范围以收集数据；
S21：对收集到的原始数据进行数据清理，剔除明显无法用于Gap分析的数据；
S22：将符合分析条件的数据整合，并通过ArcGIS软件形成数据集；
S23：确定在预设的生态保护空间中得到保护的因素和预设的生态保护空间之外的因素作为保护空缺区域；
S24：将识别出的保护空缺区域按照Gap分析的优先级逐步或全部划入生态保护空间体系中，编制典型生物资源保护格局优化方案。
本实施例中，依据生态区开展的生态重要区分布区工作成果，参考黄渤海生物多样性保护优先区，然后根据收集的海洋自然保护地、生态保护红线、水产种质资源保护区生成黄渤海近海区域现有保护现状空间分布图，最后利用ArcGIS 10.5软件进行生态重要区、生物多样性保护优先区、已建保护地在空间分布上的对比分析，识别出应保而未保区域作为保护空缺理论图斑。建议在保护地选划时，根据生态系统分布特征、地理环境特点和资源禀赋，考虑典型海洋生态系统以及重要海洋生物栖息地及通道的保护需求，结合保护空缺分析结果，开展海洋保护地建设。对于海洋区域保护地空间布局，建议开展海洋保护地整合优化，将存在交叉重叠、相邻、相连的保护地进行整合优化，将面积较小、破碎化严重的海洋保护地整合为面积较大的海洋自然保护地，并向周边生态重要区延伸，加强对海洋生态系统的保护。
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。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。
Claims (7)
1.一种基于数据分析以优化生态资源保护的系统，其特征在于，包括：
数据整合模块，包括数据收集单元、数据剔除单元和数据集生成单元，数据收集单元用于根据研究信息从区域范围、时间跨度和目标类群确定研究范围以收集数据；数据剔除单元用于对收集到的原始数据进行数据清理，剔除明显无法用于Gap分析的数据；数据集生成单元用于将符合分析条件的数据进行整合，并通过ArcGIS软件形成数据集；
Gap分析模块，用于确定预设的生态保护空间中得到保护的因素，包括图层构建单元、格局分析单元和空缺识别单元，图层构建单元用于根据预设数据集生成研究区域范围的生物资源分布图层、生态保护空间分布图层；格局分析单元用于叠加所有的生物资源分布图层，识别研究区域范围的生态重要区域，并筛选近海典型生物资源保护潜在优先区；空缺识别单元用于利用ArcGIS软件进行潜在优先区与已建生态保护空间在空间上的叠加对比分析，识别出有保护价值且未处于预设生态保护空间体系的空白地区并作为保护空缺区；
格局优化模块，用于将识别出的保护空缺区域，按照Gap分析的优先级逐步或全部划入生态保护空间体系中，并编制典型生物资源保护格局优化方案。
2.根据权利要求1所述的基于数据分析以优化生态资源保护的系统，其特征在于，格局优化模块包括评价构建单元和指标选取单元；
评价构建单元遵循从实际出发，科学合理的构建反映生态资源保护真实情况的指标体系，正确描述当前面临的压力和所处的状态以及未来能做出的响应，指标体系的构建反映生态资源保护的各主动因素，指标选取过程需考虑数据的获取性，选择具有直观性且易获取的指标，确保指标和评价结果横向之间进行比较，指标的涵义、范围以及计算口径保持统一，综合考虑实地情况进行指标选择，所选指标具有代表性和典型性；
指标选定单元根据指标选择模型遵从指标选择原则对指标体系结构分析、指标体系说明和指标标准化处理，数据存在量纲和量级两种，数据标准化的处理分为数据同趋化和无量纲化处理。
3.根据权利要求2所述的基于数据分析以优化生态资源保护的系统，其特征在于，数据的同趋化处理用于解决数据量纲不同问题并根据指标性质，将数据进行正逆趋向性区分，将所有指标数据化归在同一数量级；
先对数据同趋化处理然后进行极差无量纲化处理，得到标准化结果，采用以下公式进行标准化处理：
正向指标：
负向指标：
其中，x表示指标原始数据，x'表示指标标准化后数据，xij为第i指标第j市/县的原值，min(xij)为第i指标第j市/县的最小值；max(xij)为第i指标第j市/县的最大值；x′ij为第i指标第j市/县标准化处理后的数值。
4.根据权利要求2所述的基于数据分析以优化生态资源保护的系统，其特征在于，采用熵权法来表达物质系统状态的情况，某项指标的信息熵越小，该指标包含的信息无序程度就越低，提高的信息越丰富，熵值法是用来判断某个指标的离散程度，离散程度越大，则该指标对综合评价的影响越大。
5.根据权利要求4所述的基于数据分析以优化生态资源保护的系统，其特征在于，熵值法的计算过程如下：
构建评价指标的判断矩阵；
将判断矩阵进行归一化处理，得到归一化判断矩阵；
根据熵的定义和评价指标，以确定评价指标的熵值ej；
计算各指标熵权
其中，j为指标，i为评价对象，m为评价对象的个数，n为评价指标个数，x′ij为指标的标准值；
计算系统的权重值。
6.根据权利要求1所述的基于数据分析以优化生态资源保护的系统，其特征在于，运用地理格网对数据进行整合，主要步骤如下；
按照预设规则对研究区进行格网划分，格网划分为正方形，并对划分后的每一格网进行编号；
统计整理每个格网内的参与计算的数据值；
按照指定计算数学模型对格网内的数据值进行计算，最后得到每个格网的目标数值；
按照指定分级或分类标准对各格网内目标值进行分类划分，完成可视化专题图片制作。
7.一种根据权利要求1-6任一项所述的基于数据分析以优化生态资源保护的系统的基于数据分析以优化生态资源保护方法，其特征在于，包括以下步骤：
根据研究信息从区域范围、时间跨度、目标类群确定研究范围以收集数据；
对收集到的原始数据进行数据清理，剔除明显无法用于Gap分析的数据；
将符合分析条件的数据整合，并通过ArcGIS软件形成数据集；
确定在预设的生态保护空间中得到保护的因素和预设的生态保护空间之外的因素作为保护空缺区域；
将识别出的保护空缺区域按照Gap分析的优先级逐步或全部划入生态保护空间体系中，编制典型生物资源保护格局优化方案。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111574651.8A CN114202232A (zh) | 2021-12-21 | 2021-12-21 | 一种基于数据分析以优化生态资源保护的系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111574651.8A CN114202232A (zh) | 2021-12-21 | 2021-12-21 | 一种基于数据分析以优化生态资源保护的系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114202232A true CN114202232A (zh) | 2022-03-18 |
Family
ID=80655812
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111574651.8A Pending CN114202232A (zh) | 2021-12-21 | 2021-12-21 | 一种基于数据分析以优化生态资源保护的系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114202232A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116050935A (zh) * | 2023-02-24 | 2023-05-02 | 北京师范大学 | 一种确定生物多样性优先保护地信息的方法及装置 |
| CN116681357A (zh) * | 2023-07-28 | 2023-09-01 | 济南市莱芜区综合检验检测中心 | 基于人工智能的食品质量分析系统及方法 |
-
2021
- 2021-12-21 CN CN202111574651.8A patent/CN114202232A/zh active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116050935A (zh) * | 2023-02-24 | 2023-05-02 | 北京师范大学 | 一种确定生物多样性优先保护地信息的方法及装置 |
| CN116050935B (zh) * | 2023-02-24 | 2024-03-15 | 北京师范大学 | 一种确定生物多样性优先保护地信息的方法及装置 |
| CN116681357A (zh) * | 2023-07-28 | 2023-09-01 | 济南市莱芜区综合检验检测中心 | 基于人工智能的食品质量分析系统及方法 |
| CN116681357B (zh) * | 2023-07-28 | 2023-10-27 | 济南市莱芜区综合检验检测中心 | 基于人工智能的食品质量分析系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zuiev et al. | Development of complex methodology of processing heterogeneous data in intelligent decision support systems | |
| Karaşan et al. | Location selection of electric vehicles charging stations by using a fuzzy MCDM method: a case study in Turkey | |
| Chirigati et al. | Data polygamy: The many-many relationships among urban spatio-temporal data sets | |
| Wu et al. | Mapping the knowledge domain of smart city development to urban sustainability: a scientometric study | |
| Hadipour et al. | Land suitability evaluation for brackish water aquaculture development in coastal area of Hormozgan, Iran | |
| CN114202232A (zh) | 一种基于数据分析以优化生态资源保护的系统及方法 | |
| CN111222661A (zh) | 一种城市规划实施效果分析评估方法 | |
| CN108229728B (zh) | 一种货源信息的推荐方法及一种计算机设备 | |
| Murgante et al. | Geocomputation and urban planning | |
| Shoyama et al. | Development of land-use scenarios using vegetation inventories in Japan | |
| CN113722617A (zh) | 企业实际办公地址的识别方法、装置及电子设备 | |
| Rabbi et al. | An Approximation For Monitoring The Efficiency Of Cooperative Across Diverse Network Aspects | |
| Matsui et al. | Spatially explicit residential and working population assumptions for projecting and assessing natural capital and ecosystem services in Japan | |
| Agovino et al. | The driving factors of separate waste collection in Italy: a multidimensional analysis at provincial level | |
| Priyanka et al. | A comparative study of classification algorithm using accident data | |
| Gavagsaz | Efficient Parallel Processing of k-Nearest Neighbor Queries by Using a Centroid-based and Hierarchical Clustering Algorithm | |
| Das et al. | A geo-statistical approach for crime hot spot prediction | |
| CN113673619B (zh) | 一种基于拓扑分析的地理大数据空间潜模式分析方法 | |
| Gorricha et al. | A framework for exploratory analysis of extreme weather events using geostatistical procedures and 3D self-organizing maps | |
| Du et al. | Mining multicity urban data for sustainable population relocation | |
| Kashevarova | Technological development modeling based on patent analysis: Review of the state-of-the-art | |
| CN112506930A (zh) | 一种基于机器学习技术的数据洞察平台 | |
| Goncalves et al. | Sustainable Management of Energy Wood Chips Sector: Case Study of the Regional Park “Caps et Marais d’Opale” | |
| CN111861706A (zh) | 数据离散化调控方法及系统以及风险控制模型建立方法及系统 | |
| Lukić et al. | Improving Logistics of the Public Services in Smart Cities Using a Novel Clustering Method |
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 |