CN114461741A - 一种监测样点布设方法及装置 - Google Patents
一种监测样点布设方法及装置 Download PDFInfo
- Publication number
- CN114461741A CN114461741A CN202210080516.6A CN202210080516A CN114461741A CN 114461741 A CN114461741 A CN 114461741A CN 202210080516 A CN202210080516 A CN 202210080516A CN 114461741 A CN114461741 A CN 114461741A
- Authority
- CN
- China
- Prior art keywords
- objective function
- monitoring
- target
- space
- determining
- 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
- 238000005070 sampling Methods 0.000 title claims abstract description 101
- 238000012544 monitoring process Methods 0.000 title claims abstract description 95
- 238000000034 method Methods 0.000 title claims abstract description 74
- 238000005192 partition Methods 0.000 claims abstract description 14
- 230000006870 function Effects 0.000 claims description 141
- 238000011156 evaluation Methods 0.000 claims description 34
- 238000004590 computer program Methods 0.000 claims description 16
- 238000013441 quality evaluation Methods 0.000 claims description 14
- 238000010276 construction Methods 0.000 claims description 13
- 239000011159 matrix material Substances 0.000 claims description 11
- 239000002689 soil Substances 0.000 claims description 10
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 238000002922 simulated annealing Methods 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 9
- 238000005457 optimization Methods 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000011160 research Methods 0.000 abstract description 13
- 238000009826 distribution Methods 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 9
- 230000008859 change Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000011835 investigation Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 2
- 238000012952 Resampling Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000035558 fertility Effects 0.000 description 1
- 230000004720 fertilization Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- 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
- 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
- G06Q10/06395—Quality analysis or management
-
- 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
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Databases & Information Systems (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Mining & Mineral Resources (AREA)
- Biomedical Technology (AREA)
- Marine Sciences & Fisheries (AREA)
- Remote Sensing (AREA)
- Animal Husbandry (AREA)
- Agronomy & Crop Science (AREA)
- Artificial Intelligence (AREA)
- Primary Health Care (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种监测样点布设方法及装置，包括：构建目标区域的多维属性空间目标函数和地理空间目标函数；根据多维属性空间目标函数和地理空间目标函数，构建总目标函数；根据总目标函数，确定所述目标区域内的监测样点。本发明提供的监测样点布设方法及装置，针对构建耕地质量监测网络，借助地理要素多维属性特征和研究范围的空间分区，从属性和空间两个维度提取监测点，在有限的监测点下尽可能同时满足样本点属性空间的代表性和地理空间的平稳性，进而保证布设的监测样点对全局的有效代表性，能够得到较好地抽样结果。
Description
技术领域
本发明涉及地理信息技术领域，尤其涉及一种监测样点布设方法及装置。
背景技术
作为世界人口大国，中国耕地数量有限，其粮食安全问题长期以来备受全球众多学者与研究机构广泛关注，监测耕地质量变化，分析不同区域危及耕地质量的关键问题，对探索可持续的耕地利用路径，维护国家粮食安全与生态安全具有重要意义。
现有的空间抽样理论与方法，通过在研究区布设少量观测样点，以得到全局耕地质量变化特征。
然而，不同的抽样方法生成不同的样本子集，具有不同的代表性，直接影响观测结果对真实现象的表达能力。
发明内容
针对现有技术存在的问题，本发明实施例提供一种监测样点布设方法及装置。
本发明提供一种监测样点布设方法，包括：
构建目标区域的多维属性空间目标函数和地理空间目标函数；
根据所述多维属性空间目标函数和所述地理空间目标函数，构建总目标函数；
根据所述总目标函数，确定所述目标区域内的监测样点。
根据本发明提供的一种监测样点布设方法，所述地理空间目标函数是基于以下方法构建的：
将所述目标区域进行地理空间分层，获取多个地理空间层；
基于空间聚类方法，从每个地理空间层抽取样本点，获取每个空间聚类分区中的样本数量；
根据所述每个空间聚类分区中的样本数量，构建所述地理空间目标函数。
根据本发明提供的一种监测样点布设方法，所述多维属性空间目标函数是基于以下方法构建的：
确定目标区域内的耕地评价数据；
根据所述耕地评价数据，以及所述目标区域内每个子区域的矢量文件，构建多维属性空间目标函数。
根据本发明提供的一种监测样点布设方法，所述根据所述耕地评价数据，以及所述目标区域内每个子区域的矢量文件，构建多维属性空间目标函数，包括：
根据所述耕地评价数据和所述矢量文件，确定所述目标区域的栅格图；
将所述栅格图转换为矩阵文件，确定所述目标区域的整体数据集；
对所述整体数据集进行相关性分析，确定目标指标子集；
基于所述目标指标子集，构建所述多维属性空间目标函数。
根据本发明提供的一种监测样点布设方法，所述确定目标区域内的耕地评价数据，包括：
根据土壤性状和耕作技术条件，确定目标区域的量纲评价数据；
根据耕地质量评价体系，将所述量纲评价数据进行无量纲转换，确定所述耕地评价数据。
根据本发明提供的一种监测样点布设方法，所述根据所述总目标函数，确定所述目标区域内的监测样点，包括：
基于模拟退火算法，根据所述总目标函数，确定所述目标区域的全局优化目标最小值；
根据所述全局优化目标最小值，确定所述目标区域内的监测样点。
本发明还提供一种监测样点布设装置，包括：
第一构建模块，用于构建目标区域的多维属性空间目标函数和地理空间目标函数；
第二构建模块，用于根据所述多维属性空间目标函数和所述地理空间目标函数，构建总目标函数；
确定模块，用于根据所述总目标函数，确定所述目标区域内的监测样点。
本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述监测样点布设方法的步骤。
本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述监测样点布设方法的步骤。
本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述监测样点布设方法的步骤。
本发明提供的监测样点布设方法及装置，针对构建耕地质量监测网络，借助地理要素多维属性特征和研究范围的空间分区，从属性和空间两个维度提取监测点，在有限的监测点下尽可能同时满足样本点属性空间的代表性和地理空间的平稳性，进而保证布设的监测样点对全局的有效代表性，能够得到较好地抽样结果。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，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的附图。
图1是本发明提供的监测样点布设方法的流程示意图之一；
图2是本发明提供的监测样点布设方法的流程示意图之二；
图3是本发明提供的监测样点布设装置的结构示意图；
图4是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明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。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。
需要说明的是，在本发明实施例的描述中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
过去十年中，国家投入了大量经费与人力开展耕地质量调查，取得了丰厚的成果，调查成果包含20多项指标，覆盖6600 多万块耕地。然而受到人工调查成本高、工作效率低、更新缓慢等不足的限制，难以反映耕地质量指标的时空变化特征；另一方面，布设传感设备虽然具有高时效性，但受运维成本限制而难以在研究区布设大量的监测点。
耕地质量状况是对耕地自然系统与利用系统综合作用的表现，不能被直接观测，需要采集不同指标从多个维度评价，指标数据采集困难，仅依靠遥感技术难以满足耕地质量指标观测需求。
随着数据获取能力的不断发展(如：遥感、无线传感网等)，数据体量快速增长，数据种类、数据性质更加多元化。拉丁超立方体抽样使用多维属性变量构建了多维的拉丁超立方体，并将每一维度的概率密度函数分割成不重叠的层，然后在各层内随机或根据特殊的规则选择并组合得到符合采样值的样本点，但拉丁超立方体组合得到的点不一定存在真实世界中。
条件拉丁超立方体抽样在已有的总体点集中选择跟拉丁超立方体分布尽可能相似的点，从而将样本的选择问题转为优化求解问题，通过组合不同的目标函数可以实现不同的样本空间布局。
然而，空间抽样中抽样对象的地理空间和属性空间共同构成标识空间对象的两个特征维度，条件拉丁超立方体虽然在属性空间实现很好的特征覆盖，并在空间抽样中得到广泛的应用，但没有考虑抽样对象的地理空间分布特征；其生成的样本点更适合描述全局统计特征，解决样本量等全局统计量的问题，不能很好的反映对象属性随空间位置的变化，即回答在哪里的问题。
甚至在某种极端情况下，基于条件拉丁超立方体生成的采样点趋于分布在对角线上。而耕地质量指标往往表现出强空间相关性特征，如果忽视采样单元的空间不平稳性，便会难以充分利用这一特征来提升采样点对全样本的代表性。
此外，耕地质量指标采样点分布应具备良好的空间均匀性，并保证监测的范围，以很好的描述采样对象的空间分布特征。
如何在已有耕地质量指标数据成果驱动下，探索耕地质量指标监测点布设空间格局，是亟待解决的问题。
本发明针对构建耕地质量检测网，选择耕地质量监测样点，需同时考虑耕地质量属性空间和地理空间分布的平稳性，提出了一种具有空间约束的拉丁超立方体抽样方法。
通过根据耕地质量评价体系，在构建条件拉丁立方体的条件上，把空间聚类方法-SPCOSA分区结果作为目标函数的一个子函数，增加了抽样的空间约束，减少了样本点的空间非平稳性，满足样本点布设的实际要求。
下面结合图1至图4描述本发明实施例所提供的监测样点布设方法及装置。
图1是本发明提供的监测样点布设方法的流程示意图之一，如图 1所示，包括但不限于以下步骤：
首先，在步骤S11中，构建目标区域的多维属性空间目标函数和地理空间目标函数。
对于作为研究区的目标区域，在对目标区域布设监测样点之前，需要确定检测样点的数量和位置。
多维属性空间目标函数包括：多维属性连续变量的目标函数和多维属性离散变量的目标函数。
具体地，获取目标区域的矢量文件，基于矢量文件构建多维属性空间目标函数；并通过空间聚类方法构建目标区域的地理空间目标函数。
进一步地，在步骤S12中，根据所述多维属性空间目标函数和所述地理空间目标函数，构建总目标函数。
其中，总目标函数为条件拉丁超立方体的目标函数。
具体地，组合所在区域的空间编号和耕地质量评价指标属性列，将作为地理空间维度约束样本点的地理空间目标函数，和多维属性空间目标函数，一同构成新的特征空间组成总的目标函数执行条件拉丁超立方体抽样计算。
进一步地，在步骤S13中，根据所述总目标函数，确定所述目标区域内的监测样点。
通过设计目标函数，并使用模拟退火算法在总体中寻找样本点，能尽可能满足拉丁超立方体抽样(Latin Hypercube Sampling，LHS) 分布，经过多次迭代，直至总目标函数的值趋于稳定，此时，可以确定目标区域内布设的监测样点。
本发明提供的监测样点布设方法，针对构建耕地质量监测网络，借助地理要素多维属性特征和研究范围的空间分区，从属性和空间两个维度提取监测点，在有限的监测点下尽可能同时满足样本点属性空间的代表性和地理空间的平稳性，进而保证布设的监测样点对全局的有效代表性，能够得到较好地抽样结果。
可选地，所述多维属性空间目标函数是基于以下方法构建的：
确定目标区域内的耕地评价数据；
根据所述耕地评价数据，以及所述目标区域内每个子区域的矢量文件，构建多维属性空间目标函数。
可选地，所述确定目标区域内的耕地评价数据，包括：
根据土壤性状和耕作技术条件，确定目标区域的量纲评价数据；
根据耕地质量评价体系，将所述量纲评价数据进行无量纲转换，确定所述耕地评价数据。
以黑龙江省耕地质量监测站点抽样布设进行说明，本发明提供的基于空间聚类的拉丁超立方体的耕地质量监测样点布设方法通过以下步骤实现。
首先，确定待研究区域为目标区域，并划定采样范围边界。由于土壤性状与耕作技术条件是影响耕地生产功能的核心因素，故从土壤性状与耕作技术条件这两个视角选择17项耕地质量评价指标作为抽样属性空间特征，表1是耕地质量指标体系示意表，如表1所示。
表1耕地质量指标体系示意表
与这些耕地质量指标相关的数据，主要来源于县级测土配方施肥数据集、县级土壤普查数据集、县级耕地地力评价成果数据集、国土部门地球化学调查数据集，以及全国耕地质量等级调查与评定成果数据集等。
表2是无量纲评分体系表，如表2所示，根据目标区域的耕地质量特征属性，利用统一的无量纲评分体系，将不同量纲的评价指标数据转换成无量纲评价数据，作为耕地评价数据。
表2无量纲评分体系表
在组织方式方面，相关数据以县为单元组织，每个县对应一组矢量文件(.shp格式)；将目标区域按照耕地地块划分为多个子区域，每个矢量文件以耕地地块为最小评价单元，耕地地块的数据可以来源于“第二次全国土地调查”。
可选地，所述根据所述耕地评价数据，以及所述目标区域内每个子区域的矢量文件，构建多维属性空间目标函数，包括：
根据所述耕地评价数据和所述矢量文件，确定所述目标区域的栅格图；
将所述栅格图转换为矩阵文件，确定所述目标区域的整体数据集；
对所述整体数据集进行相关性分析，确定目标指标子集；
基于所述目标指标子集，构建所述多维属性空间目标函数。
针对每种耕地质量评价指标，将研究区域内不同县的耕地质量评价指标的矢量文件转换成100米分辨率栅格数据并镶嵌成一张栅格图，输出17张栅格图，其中，一张栅格图对应一个耕地质量评价指标。
提取耕地质量矢量文件为栅格文件，以每个栅格单元对应的栅格数据为行，以相应的每个子区域为列，将耕地质量矢量文件划分为相对独立栅格存储单元，根据栅格单元分辨率对原始耕地质量矢量文件集进行重采样、裁剪、镶嵌，不同耕地质量指标可存储在相同的编号的栅格单元中，可提取不同耕地质量指标的矢量文件为单一的csv文件，将全部栅格图汇总为12147008×17的矩阵文件(.csv)格式，并将该矩阵文件应用为整体数据集。其中，栅格单元共计12147008个， 17个耕地质量特征属性的属性值对应17项耕地质量评价指标。其中，每个子区域带有坐标位置信息，用来判断目标区域的耕地质量在空间上的分布。
对上述整体数据集不同属性值列之间进行相关性分析，去除相关性大的指标集，得到剩余相关性最小的目标指标子集。使用目标指标子集，构建多维属性空间目标函数。多维属性空间目标函数包括：多维属性连续变量的目标函数和多维属性离散变量的目标函数。
多维属性连续变量O1的目标函数，计算公式如下所示：
其中，i和j分别代表层级和样本属性，m和k分别代表选中的采样点数和辅助变量数，
代表落入某一辅助变量j 和某一层内i的样本数。该目标函数是为了使得每一层中的值尽量等于1，这样目标函数的值为0。
多维属性离散变量的目标函数O2，计算公式如下所示：
其中，η(xj)是样本中属于类j的数量，kj是总体中属于类j的数量。
进一步地，为了保证样本的相关系数矩阵还原了总体的相关系数矩阵，构建相关系数矩阵差的目标函数O3，计算公式如下所示：
其中，cij代表总体相关系数矩阵的元素，tij代表样本相关系数矩阵的元素。
可选地，所述地理空间目标函数是基于以下方法构建的：
将所述目标区域进行地理空间分层，获取多个地理空间层；
基于空间聚类方法，从每个地理空间层抽取样本点，获取每个空间聚类分区中的样本数量；
根据所述每个空间聚类分区中的样本数量，构建所述地理空间目标函数。
将目标区域划分为多个等面积的地理空间层，然后从地理空间层中提取样本点，实现了地理空间维度的均匀抽样，各区域内的采样点新增一项属性，所在区域的空间编号。
以SPCOSA为例，SPCOSA是一种典型的地理空间聚类分层抽样方法，利用空间聚类方法将研究区划分为多个等面积区域并编号，为了能够在后续的拉丁超立方体抽样中加入空间约束，各区域内的采集的样本点数量尽量相等，构建地理空间目标函数。
地理空间目标函数O4是为了保证样本的空间分布尽量均匀，计算公式如下所示：
其中，η[(x,y)∈Sk]表示落入空间聚类分区Sk中的样本点数量，k 代表不同的空间聚类分区标号。
进一步地，组合所在区域的空间编号和耕地质量评价指标属性列，将作为地理空间维度约束样本点的地理空间目标函数，和多维属性空间目标函数，一同构成新的特征空间组成总的目标函数执行条件拉丁超立方体抽样计算。
拉丁超立方体抽样计算包括：首先，将总体每个属性特征维度的累积分布函数(Cumulative Distribution Function，CDF)分成连续的等间隔层；然后在每层内随机选择样本值，并组合不同维度不同层内的样本值，生成新的特征向量。满足特征向量的样本点，即为采样点。然而，现实中的样本点数量有限，总体中不一定存在满足特征向量的样本点。条件拉丁超立方体通过设计目标函数，并使用模拟退火算法在总体中寻找样本点，能尽可能满足LHS分布。
条件拉丁超立方体的总目标函数，计算公式如下所示：
O＝w1O1+w2O2+w3O3+w4O4；
其中，O是总目标函数，代表全局优化目标，O1，O2，O3，O4分别代表多维属性连续变量的目标函数、多维属性离散变量的目标函数，相关系数矩阵差和地理空间目标函数；w1，w2，w3，w4是各目标子函数的权重值，一般设为1。
根据本发明提供的监测样点布设方法，通过借助地理要素多维属性特征和研究范围的空间分区，从属性和空间两个维度提取监测点，在有限的监测点下尽可能同时满足样本点属性空间的代表性和地理空间的平稳性，保证监测样点对全局的有效代表性，得到较好地抽样结果。
可选地，所述根据所述总目标函数，确定所述目标区域内的监测样点，包括：
基于模拟退火算法，根据所述总目标函数，确定所述目标区域的全局优化目标最小值；
根据所述全局优化目标最小值，确定所述目标区域内的监测样点。
利用模拟退火算法在已有的总体点中寻找样本点，使得总目标函数的值最小。经过多次迭代，全局优化目标值趋于相近，总目标函数值趋于稳定，此时得到的样本点即为基于空间聚类的条件拉丁超立方体的空间抽样方法得到的采样点，可以作为黑龙江省耕地质量监测参考布设点。
根据本发明提供的监测样点布设方法，通过模拟退火算法寻找全局目标最小值，需同时满足地理空间目标的最小值和属性目标的最小值，因此得到的样本点同时满足属性空间和地理空间平稳性的需求。
图2是本发明提供的监测样点布设方法的流程示意图之二，如图 2所示，包括：
首先，在步骤S21中，划定采样范围边界，构建耕地质量评价体系。
进一步地，在步骤S22中，提取耕地质量评价属性值，选取相关性最小的指标子集，构建多维属性空间目标函数。
进一步地，在步骤S23中，基于空间聚类划分研究区，构建地理空间目标函数。
进一步地，在步骤S24中，组合多维空间目标函数和地理空间目标函数，构建总目标函数。
进一步地，在步骤S25中，使用模拟退火算法寻找总目标函数最小值，得到监测样点。
采用本发明的基于空间聚类的条件拉丁超立方体的耕地质量监测样点布设方法，通过集成多维属性空间和地理空间，可以提高耕地质量检测网观测站点布设的准确性；并且可以通过不同目标函数和函数权重的设定可以调整属性空间和地理空间在抽样中的重要性。本方法也可以灵活适应计算区域范围和位置的变化，满足工程化应用要求，输出不同采样范围内的代表样本点。
图3是本发明提供的监测样点布设装置的结构示意图，如图3所示，至少包括：
第一构建模块301，用于构建目标区域的多维属性空间目标函数和地理空间目标函数；
第二构建模块302，用于根据所述多维属性空间目标函数和所述地理空间目标函数，构建总目标函数；
确定模块303，用于根据所述总目标函数，确定所述目标区域内的监测样点。
首先，第一构建模块301构建目标区域的多维属性空间目标函数和地理空间目标函数。
对于作为研究区的目标区域，在对目标区域布设监测样点之前，需要确定检测样点的数量和位置。
多维属性空间目标函数包括：多维属性连续变量的目标函数和多维属性离散变量的目标函数。
具体地，获取目标区域的矢量文件，基于矢量文件构建多维属性空间目标函数；并通过空间聚类方法构建目标区域的地理空间目标函数。
进一步地，第二构建模块302根据所述多维属性空间目标函数和所述地理空间目标函数，构建总目标函数。
其中，总目标函数为条件拉丁超立方体的目标函数。
具体地，组合所在区域的空间编号和耕地质量评价指标属性列，将作为地理空间维度约束样本点的地理空间目标函数，和多维属性空间目标函数，一同构成新的特征空间组成总的目标函数执行条件拉丁超立方体抽样计算。
进一步地，确定模块303根据所述总目标函数，确定所述目标区域内的监测样点。
通过设计目标函数，并使用模拟退火算法在总体中寻找样本点，能尽可能满足LHS分布，经过多次迭代，直至总目标函数的值趋于稳定，此时，可以确定目标区域内布设的监测样点。
本发明提供的监测样点布设装置，针对构建耕地质量监测网络，借助地理要素多维属性特征和研究范围的空间分区，从属性和空间两个维度提取监测点，在有限的监测点下尽可能同时满足样本点属性空间的代表性和地理空间的平稳性，进而保证布设的监测样点对全局的有效代表性，能够得到较好地抽样结果。
需要说明的是，本发明实施例提供的监测样点布设装置，在具体执行时，可以基于上述任一实施例所述的监测样点布设方法来实现，对此本实施例不作赘述。
图4是本发明提供的电子设备的结构示意图，如图4所示，该电子设备可以包括：处理器(processor)410、通信接口(Communications Interface)420、存储器(memory)430和通信总线440，其中，处理器410，通信接口420，存储器430通过通信总线440完成相互间的通信。处理器410可以调用存储器430中的逻辑指令，以执行监测样点布设方法，该方法包括：构建目标区域的多维属性空间目标函数和地理空间目标函数；根据所述多维属性空间目标函数和所述地理空间目标函数，构建总目标函数；根据所述总目标函数，确定所述目标区域内的监测样点。
此外，上述的存储器430中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法所提供的监测样点布设方法，该方法包括：构建目标区域的多维属性空间目标函数和地理空间目标函数；根据所述多维属性空间目标函数和所述地理空间目标函数，构建总目标函数；根据所述总目标函数，确定所述目标区域内的监测样点。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的监测样点布设方法，该方法包括：构建目标区域的多维属性空间目标函数和地理空间目标函数；根据所述多维属性空间目标函数和所述地理空间目标函数，构建总目标函数；根据所述总目标函数，确定所述目标区域内的监测样点。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种监测样点布设方法，其特征在于，包括：
构建目标区域的多维属性空间目标函数和地理空间目标函数；
根据所述多维属性空间目标函数和所述地理空间目标函数，构建总目标函数；
根据所述总目标函数，确定所述目标区域内的监测样点。
2.根据权利要求1所述的监测样点布设方法，其特征在于，所述地理空间目标函数是基于以下方法构建的：
将所述目标区域进行地理空间分层，获取多个地理空间层；
基于空间聚类方法，从每个地理空间层抽取样本点，获取每个空间聚类分区中的样本数量；
根据所述每个空间聚类分区中的样本数量，构建所述地理空间目标函数。
3.根据权利要求1所述的监测样点布设方法，其特征在于，所述多维属性空间目标函数是基于以下方法构建的：
确定目标区域内的耕地评价数据；
根据所述耕地评价数据，以及所述目标区域内每个子区域的矢量文件，构建多维属性空间目标函数。
4.根据权利要求3所述的监测样点布设方法，其特征在于，所述根据所述耕地评价数据，以及所述目标区域内每个子区域的矢量文件，构建多维属性空间目标函数，包括：
根据所述耕地评价数据和所述矢量文件，确定所述目标区域的栅格图；
将所述栅格图转换为矩阵文件，确定所述目标区域的整体数据集；
对所述整体数据集进行相关性分析，确定目标指标子集；
基于所述目标指标子集，构建所述多维属性空间目标函数。
5.根据权利要求4所述的监测样点布设方法，其特征在于，所述确定目标区域内的耕地评价数据，包括：
根据土壤性状和耕作技术条件，确定目标区域的量纲评价数据；
根据耕地质量评价体系，将所述量纲评价数据进行无量纲转换，确定所述耕地评价数据。
6.根据权利要求1所述的监测样点布设方法，其特征在于，所述根据所述总目标函数，确定所述目标区域内的监测样点，包括：
基于模拟退火算法，根据所述总目标函数，确定所述目标区域的全局优化目标最小值；
根据所述全局优化目标最小值，确定所述目标区域内的监测样点。
7.一种监测样点布设装置，其特征在于，包括：
第一构建模块，用于构建目标区域的多维属性空间目标函数和地理空间目标函数；
第二构建模块，用于根据所述多维属性空间目标函数和所述地理空间目标函数，构建总目标函数；
确定模块，用于根据所述总目标函数，确定所述目标区域内的监测样点。
8.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述监测样点布设方法步骤。
9.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述监测样点布设方法步骤。
10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述监测样点布设方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210080516.6A CN114461741B (zh) | 2022-01-24 | 2022-01-24 | 一种监测样点布设方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210080516.6A CN114461741B (zh) | 2022-01-24 | 2022-01-24 | 一种监测样点布设方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114461741A true CN114461741A (zh) | 2022-05-10 |
| CN114461741B CN114461741B (zh) | 2022-11-04 |
Family
ID=81412163
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210080516.6A Active CN114461741B (zh) | 2022-01-24 | 2022-01-24 | 一种监测样点布设方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114461741B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116662784A (zh) * | 2023-06-05 | 2023-08-29 | 云南瀚哲科技有限公司 | 一种耕地质量监测方法及系统 |
| CN117113732A (zh) * | 2023-10-24 | 2023-11-24 | 南方电网调峰调频发电有限公司 | 适用于非超立方体约束空间的拉丁超立方设计方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105989219A (zh) * | 2015-02-01 | 2016-10-05 | 北京方圆大地规划设计咨询有限公司 | 一种县域耕地质量等别变化监测样地布设方法 |
| US20170374323A1 (en) * | 2015-01-11 | 2017-12-28 | A.A.A Taranis Visual Ltd | Systems and methods for agricultural monitoring |
| CN108287940A (zh) * | 2017-12-22 | 2018-07-17 | 北京农业信息技术研究中心 | 样点布设的方法、装置、电子设备和存储介质 |
| US20180342030A1 (en) * | 2017-05-24 | 2018-11-29 | The Research Foundation For The State University Of New York | Neutral radistricting using a multi-level weighted graph partitioning algorithm |
| CN110232471A (zh) * | 2019-05-08 | 2019-09-13 | 中国水利水电科学研究院 | 一种降水传感网节点布局优化方法及装置 |
| US20200252283A1 (en) * | 2017-10-16 | 2020-08-06 | Chinese Research Academy Of Environmental Sciences | Multi-objective optimization method for groundwater pollution monitoring network |
-
2022
- 2022-01-24 CN CN202210080516.6A patent/CN114461741B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170374323A1 (en) * | 2015-01-11 | 2017-12-28 | A.A.A Taranis Visual Ltd | Systems and methods for agricultural monitoring |
| CN105989219A (zh) * | 2015-02-01 | 2016-10-05 | 北京方圆大地规划设计咨询有限公司 | 一种县域耕地质量等别变化监测样地布设方法 |
| US20180342030A1 (en) * | 2017-05-24 | 2018-11-29 | The Research Foundation For The State University Of New York | Neutral radistricting using a multi-level weighted graph partitioning algorithm |
| US20200252283A1 (en) * | 2017-10-16 | 2020-08-06 | Chinese Research Academy Of Environmental Sciences | Multi-objective optimization method for groundwater pollution monitoring network |
| CN108287940A (zh) * | 2017-12-22 | 2018-07-17 | 北京农业信息技术研究中心 | 样点布设的方法、装置、电子设备和存储介质 |
| CN110232471A (zh) * | 2019-05-08 | 2019-09-13 | 中国水利水电科学研究院 | 一种降水传感网节点布局优化方法及装置 |
Non-Patent Citations (3)
| Title |
|---|
| 余述琼等: "基于因素组合的耕地质量等级监测样点布控方法", 《农业工程学报》 * |
| 宋艳华等: "基于控制区空间变异性的耕地质量监测样点布控方法", 《地域研究与开发》 * |
| 张衍毓等: "国土空间监测网络布局优化方法研究", 《中国土地科学》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116662784A (zh) * | 2023-06-05 | 2023-08-29 | 云南瀚哲科技有限公司 | 一种耕地质量监测方法及系统 |
| CN116662784B (zh) * | 2023-06-05 | 2023-10-27 | 云南瀚哲科技有限公司 | 一种耕地质量监测方法及系统 |
| CN117113732A (zh) * | 2023-10-24 | 2023-11-24 | 南方电网调峰调频发电有限公司 | 适用于非超立方体约束空间的拉丁超立方设计方法 |
| CN117113732B (zh) * | 2023-10-24 | 2024-02-06 | 南方电网调峰调频发电有限公司 | 适用于非超立方体约束空间的拉丁超立方设计方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114461741B (zh) | 2022-11-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114461741B (zh) | 一种监测样点布设方法及装置 | |
| CN108268597B (zh) | 一种动目标活动概率图谱构建及行为意图识别方法 | |
| Raju | Fundamentals of geographical information system | |
| CN107507275B (zh) | 基于大数据的输电线路跳闸影响范围确定的方法及装置 | |
| CN112100130B (zh) | 一种基于数据立方体模型的海量遥感变量多维聚合信息的计算方法 | |
| CN116775661A (zh) | 基于北斗网格技术的空间大数据存储与管理方法 | |
| Lock et al. | Visualizing spatial data: the importance of Geographic Information Systems | |
| CN113742505B (zh) | 一种海量合成孔径雷达干涉测量（InSAR）数据在线可视化方法 | |
| CN108287940B (zh) | 样点布设的方法、装置、电子设备和存储介质 | |
| CN111581927A (zh) | 海洋经济运行监测与预警系统及计算机设备 | |
| CN106503271A (zh) | 移动互联网和云计算环境下子空间Skyline查询的智能商店选址系统 | |
| Roick et al. | A technical framework for visualizing spatio-temporal quality metrics of volunteered geographic information | |
| Setiadi et al. | A model of geographic information system using graph clustering methods | |
| Gandhi et al. | Assessing impact of seasonal rainfall on rice crop yield of Rajasthan, India using association rule mining | |
| CN113408895B (zh) | 基于像元尺度的生态质量指数构建方法及系统 | |
| Xu et al. | Design of Trusted Behavior Clustering System for Ship's Internet of Things Terminal Based on Big Data Analysis | |
| Ross | The use of Geographical Information Systems in Aquaculture: a review | |
| CN108733907B (zh) | 探索元胞自动机模型的尺度敏感性的耦合方法 | |
| Li et al. | Research on spatial data mining based on uncertainty in Government GIS | |
| Senanayake et al. | Development of Geo-Database to Recommend Suitable Crops at Village Level in Sri Lanka | |
| Souza et al. | An application of geographical and statistical linked data to ecology: The Brazilian cerrado ontology network and qualitative reasoning models | |
| Chen et al. | An analytical method of data mining on voltage sag based on gray target theory and cloud model | |
| CN104915958A (zh) | 一种从机载激光点云数据识别植被的方法 | |
| CN116089561B (zh) | 一种植被功能型数据集构建方法、装置、电子设备和介质 | |
| Nas et al. | Analysis of Distribution Patterns in Mapping Cirebon Internet Service Facilities Using NNA Algorithm Based on Geographic Information Systems |
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 |