CN114579647A - 一种面向多源异构湿地生态监测数据的融合模型 - Google Patents
一种面向多源异构湿地生态监测数据的融合模型 Download PDFInfo
- Publication number
- CN114579647A CN114579647A CN202210204548.2A CN202210204548A CN114579647A CN 114579647 A CN114579647 A CN 114579647A CN 202210204548 A CN202210204548 A CN 202210204548A CN 114579647 A CN114579647 A CN 114579647A
- Authority
- CN
- China
- Prior art keywords
- data
- wetland
- index
- module
- ecological
- 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.)
- Withdrawn
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 83
- 230000004927 fusion Effects 0.000 title claims abstract description 36
- 238000012545 processing Methods 0.000 claims abstract description 30
- 238000004458 analytical method Methods 0.000 claims abstract description 27
- 238000007405 data analysis Methods 0.000 claims abstract description 21
- 238000013500 data storage Methods 0.000 claims abstract description 12
- 230000008676 import Effects 0.000 claims abstract description 10
- 238000000034 method Methods 0.000 claims description 17
- 239000000809 air pollutant Substances 0.000 claims description 12
- 231100001243 air pollutant Toxicity 0.000 claims description 12
- 239000002689 soil Substances 0.000 claims description 10
- 238000010606 normalization Methods 0.000 claims description 9
- 239000002352 surface water Substances 0.000 claims description 9
- 238000004134 energy conservation Methods 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 6
- 230000036541 health Effects 0.000 claims description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000013278 delphi method Methods 0.000 claims description 4
- 238000003672 processing method Methods 0.000 claims description 4
- YBJHBAHKTGYVGT-ZKWXMUAHSA-N (+)-Biotin Chemical compound N1C(=O)N[C@@H]2[C@H](CCCCC(=O)O)SC[C@@H]21 YBJHBAHKTGYVGT-ZKWXMUAHSA-N 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000000265 homogenisation Methods 0.000 claims description 3
- 238000000611 regression analysis Methods 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- FEPMHVLSLDOMQC-UHFFFAOYSA-N virginiamycin-S1 Natural products CC1OC(=O)C(C=2C=CC=CC=2)NC(=O)C2CC(=O)CCN2C(=O)C(CC=2C=CC=CC=2)N(C)C(=O)C2CCCN2C(=O)C(CC)NC(=O)C1NC(=O)C1=NC=CC=C1O FEPMHVLSLDOMQC-UHFFFAOYSA-N 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000013139 quantization Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000010865 sewage Substances 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
- 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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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
-
- 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
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Evolutionary Biology (AREA)
- Marketing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Game Theory and Decision Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Remote Sensing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于湿地生态监测技术领域，公开了一种面向多源异构湿地生态监测数据的融合模型，所述面向多源异构湿地生态监测数据的融合模型包括：监测模块、多源数据导入模块、数据处理模块、数据融合模块、数据分析模块、数据检索模块、数据存储模块。本发明通过数据处理模块对湿地生态数据进行整合，以提高了湿地生态数据的利用率；同时，通过数据分析模块根据获得的每个指数以及该指数对应的评分指标权重计算得到湿地生态环境综合分数，由湿地生态环境综合分数确定分析等级；可以大大提高分析的准确性。
Description
技术领域
本发明属于湿地生态监测技术领域，尤其涉及一种面向多源异构湿地生态监测数据的融合模型。
背景技术
湿地生态监测是利用空间分析、生物监测和环境监测方法对湿地内的湿地类型及特征、土地利用、气象、水文与水质、土壤环境、生物多样性、人类活动对湿地的影响等方面进行动态测定和观察，构建监测指标体系，以准确反映湿地内的生态现状及动态变化。生态监测是指利用物理、化学、生态学等技术手段，对生态系统中的各个要素特征、生物与环境之间的相互关系、生态系统结构和功能进行监控和测试。监测指标是表述生态系统特征及干扰因素的可度量变量。涉及湿地生态监测的指标应能准确反映湿地生态系统现状及潜在影响要素，并提供生态退化的早期预警。然而，现有面向多源异构湿地生态监测数据尚未实现结构化、数字化，且湿地生态数据分散在气象部门、林业部门、农业部门、水利部门及其他研究院，其数据较为分散，没有整合，尚未形成湿地生态大数据；同时，现有湿地生态环境的分析往往简单的采用对所有生态环境参数在生态环境指数对照表中的位置进行独立方向的分析，想结果不够全面，分析参数独立也使得分析结果不准确。
综上所述，现有技术存在的问题是：现有面向多源异构湿地生态监测数据尚未实现结构化、数字化，且湿地生态数据分散在气象部门、林业部门、农业部门、水利部门及其他研究院，其数据较为分散，没有整合，尚未形成湿地生态大数据；同时，现有湿地生态环境的分析往往简单的采用对所有生态环境参数在生态环境指数对照表中的位置进行独立方向的分析，想结果不够全面，分析参数独立也使得分析结果不准确。
发明内容
针对现有技术存在的问题，本发明提供了一种面向多源异构湿地生态监测数据的融合模型。
本发明是这样实现的，一种面向多源异构湿地生态监测数据的融合模型包括：
监测模块、多源数据导入模块、数据处理模块、数据融合模块、数据分析模块、数据检索模块、数据存储模块；
监测模块，与多源数据导入模块连接，用于监测湿地自然环境要素、湿地生物信息等信息数据；
多源数据导入模块，与监测模块、数据处理模块连接，用于导入多源异构湿地生态监测数据；
数据处理模块，与多源数据导入模块、数据融合模块连接，用于对导入的监测数据进行处理；
数据融合模块，与数据处理模块、数据分析模块连接，用于对多源异构湿地生态监测数据进行融合；
数据分析模块，与数据融合模块、数据检索模块连接，用于对多源异构湿地生态监测数据进行分析；
数据检索模块，与数据分析模块、数据存储模块连接，用于对多源异构湿地生态监测数据进行检索；
数据存储模块，与数据检索模块连接，用于对多源异构湿地生态监测数据进行存储。
进一步，所述数据处理模块处理方法如下：
(1)构建湿地生态数据库，获取湿地生态数据，所述湿地生态数据包括湿地空间数据、湿地文本数据以及湿地遥感影像数据；将所述湿地空间数据划分成不同类别得到不同类别下的专题数据；将获取的湿地生态数据存入湿地生态数据库；
(2)将每份所述专题数据与对应类别的属性数据进行关联；按照预定规则对所述湿地遥感影像数据进行处理得到湿地遥感影像地图；
(3)分析所述湿地文本数据得到图表内容以及矢量数据形式的地图；将处理后的湿地空间数据、湿地文本数据以及湿地遥感影像地图存储入数据库。
进一步，所述将所述湿地空间数据划分成不同类别得到不同类别下的专题数据之后还包括步骤：
采用配准方法对所述专题数据进行坐标和投影的配准，所述配准方法包括矩形配准、线性配准以及二项式配准。
进一步，所述将每份所述专题数据与对应类别的属性数据进行关联之后还包括步骤：
检验所述专题数据的几何特征和属性特征。
进一步，所述按照预定规则对所述湿地遥感影像数据进行处理得到湿地遥感影像地图的步骤包括：
将所述湿地遥感影像数据进行格式转换；将经过格式转换的湿地遥感影像数据进行正射校正；将经过正射校正的湿地遥感影像数据进行坐标系统的转换；将经过坐标系统转换的多幅湿地遥感影像数据进行拼接得到完整湿地遥感影像数据；将所述完整湿地遥感影像数据进行影像匀色和影像融合，以得到湿地遥感影像地图。
进一步，所述数据分析模块分析方法如下：
1)获取待分析湿地区域范围内的空气质量的样本数据、天气质量的样本数据、地表水质的样本数据、土壤环境的样本数据、生态状况的样本数据、湿地环境的样本数据和绿色节能的样本数据；对获取的数据进行校正、过滤、提取处理；
2)根据获取的上述样本数据分别确定湿地区域范围内的空气质量指数、天气质量指数、地表水质指数、土壤环境指数、生态环境状况指数、湿地环境指数和绿色节能指数；通过PSR模型，从空气质量、天气质量、地表水质、土壤环境、生态状况、湿地环境和绿色节能搜集统计数据，对数据进行描述分析，确定湿地生态环境的评分指标体系；
3)通过DTF算法，对搜集的统计数据进行回归分析，确定湿地生态环境的各评分指标的回归方程；通过数据归一化算法，将不同的量化指标统一维度和量纲，代入回归方程进行评分指标计算；获取经由DelphiMethod方法计算的上述指数在分析湿地生态环境时的评分指标权重；
4)根据获得的每个指数以及该指数对应的评分指标权重计算得到湿地生态环境综合分数，通过指数分析模型对湿地生态环境综合分数确定分析等级。
进一步，所述空气质量的样本数据包括：
湿地空气质量指数和湿地空气污染物监测信息；其中：所述湿地空气质量指数为所在湿地生态环境主管部分发布的空气质量指数参数信息；
所述湿地空气污染物监测信息为所在湿地自建的空气质量监测站获取的空气污染物监测信息；
所述空气质量指数的确定方式为：对获取的湿地空气质量指数和湿地空气污染物监测信息，依次采用数据归一化、比率求和型算法，得到该湿地的空气质量指数。
进一步，所述天气质量的样本数据包括：
湿地天气状况数据、湿地温度数据、湿地相对湿度数据、湿地风力数据、湿地感冒指数和湿地紫外线指数；
其中：所述湿地天气状况数据、湿地温度数据、湿地相对湿度数据、湿地风力数据、湿地感冒指数和湿地紫外线指数为所在湿地的上级气象部门对外发布的对应数据参数；
所述天气质量指数的确定方式为：对获取的湿地天气状况数据、湿地温度数据、湿地相对湿度数据、湿地风力数据、湿地感冒指数和湿地紫外线指数，采用数据归一化算法，得到该湿地的天气质量指数。
进一步，所述生态环境状况指数计算方法如下：
生态环境状况指数(EI)＝0.35×生物丰度指数+0.25×植被覆盖指数+0.15×水网密度指数+0.15×(100-土地胁迫指)+0.10×(100-污染负荷指数)+环境限值指数。
进一步，所述PSR模型为：
综合考虑压力因子P、状态因子S和响应因子R的湿地生态健康评价公式
式中：CHI——湿地生态健康评价结果；
Wij——为j项指标的权重值；
Xij——为i评价单元j项指标数据的标准化值；
n——指标数。
本发明的优点及积极效果为：本发明通过数据处理模块获取湿地生态数据，该湿地生态数据包括湿地空间数据、湿地文本数据以及湿地遥感影像数据而，将该湿地空间数据划分成不同类别得到不同类别下的专题数据，并将每份专题数据与对应类别的属性数据进行关联，用户即可按类别查询湿地信息；此外，按照预定规则将湿地遥感影像数据进行处理得到湿地遥感影像地图，并分析湿地文本数据得到图表内容以及矢量数据形式的地图，最后将处理后的湿地空间数据、湿地文本数据以及湿地遥感影像地图存储入数据库中，用户可根据实际需要进行查找，进而通过对湿地生态数据进行整合，以提高了湿地生态数据的利用率；同时，通过数据分析模块获取待分析湿地区域范围内的不同分析种类的样本数据，根据获取的上述样本数据分别确定湿地区域范围内的分析指数，获取经由DelphiMethod方法计算的上述指数在分析湿地生态环境时的评分指标权重，最后根据获得的每个指数以及该指数对应的评分指标权重计算得到湿地生态环境综合分数，由湿地生态环境综合分数确定分析等级；可以大大提高分析的准确性。
附图说明
图1是本发明实施例提供的面向多源异构湿地生态监测数据的融合模型结构框图。
图2是本发明实施例提供的数据处理模块处理方法流程图。
图3是本发明实施例提供的数据分析模块分析方法流程图。
图1中：1、监测模块；2、多源数据导入模块；3、数据处理模块；4、数据融合模块；5、数据分析模块；6、数据检索模块；7、数据存储模块。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效，兹例举以下实施例，并配合附图详细说明如下。
下面结合附图对本发明的结构作详细的描述。
如图1所示，本发明实施例提供的面向多源异构湿地生态监测数据的融合模型包括：监测模块1、多源数据导入模块2、数据处理模块3、数据融合模块4、数据分析模块5、数据检索模块6、数据存储模块7。
监测模块1，与多源数据导入模块2连接，用于监测湿地自然环境要素、湿地生物信息等信息数据；
多源数据导入模块2，与监测模块1、数据处理模块3连接，用于导入多源异构湿地生态监测数据；
数据处理模块3，与多源数据导入模块2、数据融合模块4连接，用于对导入的监测数据进行处理；
数据融合模块4，与数据处理模块3、数据分析模块5连接，用于对多源异构湿地生态监测数据进行融合；
数据分析模块5，与数据融合模块4、数据检索模块6连接，用于对多源异构湿地生态监测数据进行分析；
数据检索模块6，与数据分析模块5、数据存储模块7连接，用于对多源异构湿地生态监测数据进行检索；
数据存储模块7，与数据检索模块6连接，用于对多源异构湿地生态监测数据进行存储。
如图2所示，本发明提供的数据处理模块3处理方法如下：
S101，构建湿地生态数据库，获取湿地生态数据，所述湿地生态数据包括湿地空间数据、湿地文本数据以及湿地遥感影像数据；将所述湿地空间数据划分成不同类别得到不同类别下的专题数据；将获取的湿地生态数据存入湿地生态数据库；
S102，将每份所述专题数据与对应类别的属性数据进行关联；按照预定规则对所述湿地遥感影像数据进行处理得到湿地遥感影像地图；
S103，分析所述湿地文本数据得到图表内容以及矢量数据形式的地图；将处理后的湿地空间数据、湿地文本数据以及湿地遥感影像地图存储入数据库。
本发明提供的将所述湿地空间数据划分成不同类别得到不同类别下的专题数据之后还包括步骤：
采用配准方法对所述专题数据进行坐标和投影的配准，所述配准方法包括矩形配准、线性配准以及二项式配准。
本发明提供的将每份所述专题数据与对应类别的属性数据进行关联之后还包括步骤：
检验所述专题数据的几何特征和属性特征。
本发明提供的按照预定规则对所述湿地遥感影像数据进行处理得到湿地遥感影像地图的步骤包括：
将所述湿地遥感影像数据进行格式转换；将经过格式转换的湿地遥感影像数据进行正射校正；将经过正射校正的湿地遥感影像数据进行坐标系统的转换；将经过坐标系统转换的多幅湿地遥感影像数据进行拼接得到完整湿地遥感影像数据；将所述完整湿地遥感影像数据进行影像匀色和影像融合，以得到湿地遥感影像地图。
如图3所示，本发明提供的数据分析模块5分析方法如下：
S201，获取待分析湿地区域范围内的空气质量的样本数据、天气质量的样本数据、地表水质的样本数据、土壤环境的样本数据、生态状况的样本数据、湿地环境的样本数据和绿色节能的样本数据；对获取的数据进行校正、过滤、提取处理；
S202，根据获取的上述样本数据分别确定湿地区域范围内的空气质量指数、天气质量指数、地表水质指数、土壤环境指数、生态环境状况指数、湿地环境指数和绿色节能指数；通过PSR模型，从空气质量、天气质量、地表水质、土壤环境、生态状况、湿地环境和绿色节能搜集统计数据，对数据进行描述分析，确定湿地生态环境的评分指标体系；
S203，通过DTF算法，对搜集的统计数据进行回归分析，确定湿地生态环境的各评分指标的回归方程；通过数据归一化算法，将不同的量化指标统一维度和量纲，代入回归方程进行评分指标计算；获取经由DelphiMethod方法计算的上述指数在分析湿地生态环境时的评分指标权重；
S204，根据获得的每个指数以及该指数对应的评分指标权重计算得到湿地生态环境综合分数，通过指数分析模型对湿地生态环境综合分数确定分析等级。
本发明提供的空气质量的样本数据包括：
湿地空气质量指数和湿地空气污染物监测信息；其中：所述湿地空气质量指数为所在湿地生态环境主管部分发布的空气质量指数参数信息；
所述湿地空气污染物监测信息为所在湿地自建的空气质量监测站获取的空气污染物监测信息；
所述空气质量指数的确定方式为：对获取的湿地空气质量指数和湿地空气污染物监测信息，依次采用数据归一化、比率求和型算法，得到该湿地的空气质量指数。
本发明提供的天气质量的样本数据包括：
湿地天气状况数据、湿地温度数据、湿地相对湿度数据、湿地风力数据、湿地感冒指数和湿地紫外线指数；
其中：所述湿地天气状况数据、湿地温度数据、湿地相对湿度数据、湿地风力数据、湿地感冒指数和湿地紫外线指数为所在湿地的上级气象部门对外发布的对应数据参数；
所述天气质量指数的确定方式为：对获取的湿地天气状况数据、湿地温度数据、湿地相对湿度数据、湿地风力数据、湿地感冒指数和湿地紫外线指数，采用数据归一化算法，得到该湿地的天气质量指数。
本发明提供的生态环境状况指数计算方法如下：
生态环境状况指数(EI)＝0.35×生物丰度指数+0.25×植被覆盖指数+0.15×水网密度指数+0.15×(100-土地胁迫指)+0.10×(100-污染负荷指数)+环境限值指数。
本发明提供的PSR模型为：
综合考虑压力因子P、状态因子S和响应因子R的湿地生态健康评价公式
式中：CHI——湿地生态健康评价结果；
Wij——为j项指标的权重值；
Xij——为i评价单元j项指标数据的标准化值；
n——指标数。
本发明工作时，首先，通过监测模块1监测湿地自然环境要素、湿地生物信息等信息数据；通过多源数据导入模块2导入多源异构湿地生态监测数据；通过数据处理模块3对导入的监测数据进行处理；通过数据融合模块4对多源异构湿地生态监测数据进行融合；其次，通过数据分析模块5对多源异构湿地生态监测数据进行分析；然后，通过数据检索模块6对多源异构湿地生态监测数据进行检索；最后，通过数据存储模块7对多源异构湿地生态监测数据进行存储。
以上所述仅是对本发明的较佳实施例而已，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施例所做的任何简单修改，等同变化与修饰，均属于本发明技术方案的范围内。
Claims (10)
1.一种面向多源异构湿地生态监测数据的融合模型，其特征在于，所述面向多源异构湿地生态监测数据的融合模型包括：
监测模块、多源数据导入模块、数据处理模块、数据融合模块、数据分析模块、数据检索模块、数据存储模块；
监测模块，与多源数据导入模块连接，用于监测湿地自然环境要素、湿地生物信息等信息数据；
多源数据导入模块，与监测模块、数据处理模块连接，用于导入多源异构湿地生态监测数据；
数据处理模块，与多源数据导入模块、数据融合模块连接，用于对导入的监测数据进行处理；
数据融合模块，与数据处理模块、数据分析模块连接，用于对多源异构湿地生态监测数据进行融合；
数据分析模块，与数据融合模块、数据检索模块连接，用于对多源异构湿地生态监测数据进行分析；
数据检索模块，与数据分析模块、数据存储模块连接，用于对多源异构湿地生态监测数据进行检索；
数据存储模块，与数据检索模块连接，用于对多源异构湿地生态监测数据进行存储。
2.如权利要求1所述面向多源异构湿地生态监测数据的融合模型，其特征在于，所述数据处理模块处理方法如下：
(1)构建湿地生态数据库，获取湿地生态数据，所述湿地生态数据包括湿地空间数据、湿地文本数据以及湿地遥感影像数据；将所述湿地空间数据划分成不同类别得到不同类别下的专题数据；将获取的湿地生态数据存入湿地生态数据库；
(2)将每份所述专题数据与对应类别的属性数据进行关联；按照预定规则对所述湿地遥感影像数据进行处理得到湿地遥感影像地图；
(3)分析所述湿地文本数据得到图表内容以及矢量数据形式的地图；将处理后的湿地空间数据、湿地文本数据以及湿地遥感影像地图存储入数据库。
3.如权利要求2所述面向多源异构湿地生态监测数据的融合模型，其特征在于，所述将所述湿地空间数据划分成不同类别得到不同类别下的专题数据之后还包括步骤：
采用配准方法对所述专题数据进行坐标和投影的配准，所述配准方法包括矩形配准、线性配准以及二项式配准。
4.如权利要求2所述面向多源异构湿地生态监测数据的融合模型，其特征在于，所述将每份所述专题数据与对应类别的属性数据进行关联之后还包括步骤：
检验所述专题数据的几何特征和属性特征。
5.如权利要求2所述面向多源异构湿地生态监测数据的融合模型，其特征在于，所述按照预定规则对所述湿地遥感影像数据进行处理得到湿地遥感影像地图的步骤包括：
将所述湿地遥感影像数据进行格式转换；将经过格式转换的湿地遥感影像数据进行正射校正；将经过正射校正的湿地遥感影像数据进行坐标系统的转换；将经过坐标系统转换的多幅湿地遥感影像数据进行拼接得到完整湿地遥感影像数据；将所述完整湿地遥感影像数据进行影像匀色和影像融合，以得到湿地遥感影像地图。
6.如权利要求1所述面向多源异构湿地生态监测数据的融合模型，其特征在于，所述数据分析模块分析方法如下：
1)获取待分析湿地区域范围内的空气质量的样本数据、天气质量的样本数据、地表水质的样本数据、土壤环境的样本数据、生态状况的样本数据、湿地环境的样本数据和绿色节能的样本数据；对获取的数据进行校正、过滤、提取处理；
2)根据获取的上述样本数据分别确定湿地区域范围内的空气质量指数、天气质量指数、地表水质指数、土壤环境指数、生态环境状况指数、湿地环境指数和绿色节能指数；通过PSR模型，从空气质量、天气质量、地表水质、土壤环境、生态状况、湿地环境和绿色节能搜集统计数据，对数据进行描述分析，确定湿地生态环境的评分指标体系；
3)通过DTF算法，对搜集的统计数据进行回归分析，确定湿地生态环境的各评分指标的回归方程；通过数据归一化算法，将不同的量化指标统一维度和量纲，代入回归方程进行评分指标计算；获取经由DelphiMethod方法计算的上述指数在分析湿地生态环境时的评分指标权重；
4)根据获得的每个指数以及该指数对应的评分指标权重计算得到湿地生态环境综合分数，通过指数分析模型对湿地生态环境综合分数确定分析等级。
7.如权利要求6所述面向多源异构湿地生态监测数据的融合模型，其特征在于，所述空气质量的样本数据包括：
湿地空气质量指数和湿地空气污染物监测信息；其中：所述湿地空气质量指数为所在湿地生态环境主管部分发布的空气质量指数参数信息；
所述湿地空气污染物监测信息为所在湿地自建的空气质量监测站获取的空气污染物监测信息；
所述空气质量指数的确定方式为：对获取的湿地空气质量指数和湿地空气污染物监测信息，依次采用数据归一化、比率求和型算法，得到该湿地的空气质量指数。
8.如权利要求6所述面向多源异构湿地生态监测数据的融合模型，其特征在于，所述天气质量的样本数据包括：
湿地天气状况数据、湿地温度数据、湿地相对湿度数据、湿地风力数据、湿地感冒指数和湿地紫外线指数；
其中：所述湿地天气状况数据、湿地温度数据、湿地相对湿度数据、湿地风力数据、湿地感冒指数和湿地紫外线指数为所在湿地的上级气象部门对外发布的对应数据参数；
所述天气质量指数的确定方式为：对获取的湿地天气状况数据、湿地温度数据、湿地相对湿度数据、湿地风力数据、湿地感冒指数和湿地紫外线指数，采用数据归一化算法，得到该湿地的天气质量指数。
9.如权利要求6所述面向多源异构湿地生态监测数据的融合模型，其特征在于，所述生态环境状况指数计算方法如下：
生态环境状况指数(EI)＝0.35×生物丰度指数+0.25×植被覆盖指数+0.15×水网密度指数+0.15×(100-土地胁迫指)+0.10×(100-污染负荷指数)+环境限值指数。
10.如权利要求6所述面向多源异构湿地生态监测数据的融合模型，其特征在于，所述PSR模型为：
综合考虑压力因子P、状态因子S和响应因子R的湿地生态健康评价公式
式中：CHI——湿地生态健康评价结果；
Wij——为j项指标的权重值；
Xij——为i评价单元j项指标数据的标准化值；
n——指标数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210204548.2A CN114579647A (zh) | 2022-03-03 | 2022-03-03 | 一种面向多源异构湿地生态监测数据的融合模型 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210204548.2A CN114579647A (zh) | 2022-03-03 | 2022-03-03 | 一种面向多源异构湿地生态监测数据的融合模型 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114579647A true CN114579647A (zh) | 2022-06-03 |
Family
ID=81777091
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210204548.2A Withdrawn CN114579647A (zh) | 2022-03-03 | 2022-03-03 | 一种面向多源异构湿地生态监测数据的融合模型 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114579647A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118015551A (zh) * | 2024-04-09 | 2024-05-10 | 山东世融信息科技有限公司 | 应用于野外生态湿地的浮岛式监测系统 |
-
2022
- 2022-03-03 CN CN202210204548.2A patent/CN114579647A/zh not_active Withdrawn
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118015551A (zh) * | 2024-04-09 | 2024-05-10 | 山东世融信息科技有限公司 | 应用于野外生态湿地的浮岛式监测系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102956023B (zh) | 一种基于贝叶斯分类的传统气象数据与感知数据融合的方法 | |
| CN105184427A (zh) | 一种对农田生态环境进行预警的方法及装置 | |
| Francini et al. | The Three Indices Three Dimensions (3I3D) algorithm: a new method for forest disturbance mapping and area estimation based on optical remotely sensed imagery | |
| CN113657732A (zh) | 一种基于层次分析法的灾度指数计算方法和设备 | |
| Yin et al. | Chlorophyll content estimation in arid grasslands from Landsat-8 OLI data | |
| CN108764527B (zh) | 一种土壤有机碳库时空动态预测最优环境变量筛选方法 | |
| CN110889196A (zh) | 水环境承载力评估方法、装置及存储介质 | |
| CN111126511A (zh) | 一种基于植被指数融合的lai定量模型建立的方法 | |
| CN116882625A (zh) | 一种岩溶山地乡村聚落用地空间脆弱性识别方法 | |
| CN114579647A (zh) | 一种面向多源异构湿地生态监测数据的融合模型 | |
| Masud-Ul-Alam et al. | Surface temperature and salinity in the northern Bay of Bengal: in situ measurements compared with satellite observations and model output | |
| CN113793023A (zh) | 一种基于卫星遥感的区域绿色发展指标评价方法 | |
| CN108334702A (zh) | 一种无资料流域水文预报华南模型构建方法 | |
| CN115063610B (zh) | 基于Sentinel-1、2影像的大豆种植区识别方法 | |
| Zhao et al. | Do trees grow with the economy? A spatial analysis of the determinants of forest cover change in Sichuan, China | |
| Hogrefe et al. | Rethinking the assessment of photochemical modeling systems in air quality planning applications | |
| KR20050063615A (ko) | 지리 정보 시스템에서의 지면 거칠기 지도 제공 방법 | |
| CN112949182B (zh) | 耦合地表土壤含水量的区域尺度最大气孔导度的计算方法 | |
| CN115526330A (zh) | 有机物走航数据校准方法、装置、计算机设备和存储介质 | |
| CN115481366A (zh) | 一种基于空间降尺度回归模型的耕地资源生产潜力测算方法 | |
| CN114283344A (zh) | 一种森林生态水文过程自动实时监测方法及系统 | |
| Gofa et al. | A Coherent Approach to Evaluating Precipitation Forecasts over Complex Terrain | |
| CN112200619A (zh) | 遥感数据与社会调查结合的区域经济发展估算方法及系统 | |
| CN110751398A (zh) | 一种区域生态质量评价方法及装置 | |
| Turukmane et al. | Proper Weather Forecasting Internet of Things Sensor Framework with Machine Learning |
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 | ||
| WW01 | Invention patent application withdrawn after publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20220603 |