CN115062823A - 一种基于土地利用的二氧化碳排放预测方法及装置 - Google Patents
一种基于土地利用的二氧化碳排放预测方法及装置 Download PDFInfo
- Publication number
- CN115062823A CN115062823A CN202210580836.8A CN202210580836A CN115062823A CN 115062823 A CN115062823 A CN 115062823A CN 202210580836 A CN202210580836 A CN 202210580836A CN 115062823 A CN115062823 A CN 115062823A
- Authority
- CN
- China
- Prior art keywords
- area
- image set
- carbon dioxide
- remote sensing
- time period
- 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
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 title claims abstract description 164
- 229910002092 carbon dioxide Inorganic materials 0.000 title claims abstract description 82
- 239000001569 carbon dioxide Substances 0.000 title claims abstract description 82
- 238000000034 method Methods 0.000 title claims description 30
- 238000012545 processing Methods 0.000 claims description 21
- 238000007781 pre-processing Methods 0.000 claims description 20
- 230000001788 irregular Effects 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000003860 storage Methods 0.000 claims description 10
- 230000006872 improvement Effects 0.000 abstract description 9
- 230000000694 effects Effects 0.000 abstract description 6
- 230000008859 change Effects 0.000 description 13
- 238000009792 diffusion process Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000010606 normalization Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 241000282414 Homo sapiens Species 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007599 discharging 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
- 230000000704 physical effect Effects 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003746 surface roughness Effects 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
- G06Q10/04—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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/587—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Library & Information Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Marketing (AREA)
- Software Systems (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Primary Health Care (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于土地利用的二氧化碳排放预测方法及装置，通过对目标区域中不同的土地利用区域类型进行识别标记，结合面积变化量和二氧化碳实地采集数据，精准地预测下一个时间段的二氧化碳排放数据，以解决现有技术中没有考虑到土地利用的变化对目标区域的CO2浓度产生的影响，从而精确地预测出在土地利用变化的影响下目标区域的CO2浓度，为生态改善工程提供有力的数据支撑。
Description
技术领域
本发明涉及土地利用及碳排放技术领域，尤其涉及一种基于土地利用的二氧化碳排放预测方法及装置。
背景技术
区域土地利用变化反映了人类对资源利用与管理活动所引起的自然景观的改变。作为人口、产业和资源的空间载体与纽带，土地利用的方式、强度、结构及布局与社会经济与产业发展的规模、速度、质量及效益密切关联，并深刻影响着区域生态环境与人类福祉。近年来，经济和城镇化水平迅速提高，与此同时，非农建设用地的粗放式扩张，导致耕地、森林和湿地等土地的大量减少。以使经济发展大量挤占了覆有植被的农田和生态用地，并导致地表碳存储能力的下降。
土地利用及其变化已成为影响地表CO2浓度分布的重要因素。一方面，不同土地利用方式及强度直接影响了区域CO2排放。从CO2扩散的动力机制上看，土地利用是CO2排放及扩散的基础，其在利用方式上的变化(如城市扩张、森林采伐等)通过生态系统类型的转变或更替进而影响地表CO2净排放量；而在强度与效率上的改变(如土地经济密度提升、农田集约化管理、种植制度改变等)则为地表CO2浓度扩散提供了潜在势能及必要的动力条件。另一方面，人工或自然景观格局的分布及演化也间接影响了区域地表CO2浓度扩散路径。人类在地球表面的生产活动不仅改变了地表物理性状(地表反射率、地表粗糙程度等)和水热平衡，也影响着大气传输与扩散路径，并间接改变了区域CO2浓度的空间分布。
然而，现有技术中针对目标区域的CO2浓度的推算仅仅是对某一特定时刻进行CO2浓度估算，并没有考虑到土地利用的变化对目标区域的CO2浓度产生的影响，导致无法精确地预测目标区域的CO2浓度，无法为生态改善工程提供有力的数据支撑。
发明内容
本发明提供了一种基于土地利用的二氧化碳排放预测方法及装置，可以精确地预测出在土地利用变化的影响下目标区域的CO2浓度，为生态改善工程提供有力的数据支撑。
为了解决上述技术问题，本发明实施例提供了一种基于土地利用的二氧化碳排放预测方法，包括：
获取目标区域的历史遥感图像集，按照间隔时间段将所述历史遥感图像集等距划分为多个遥感图像集，以及，获取各个遥感图像集所对应时间段的二氧化碳实地采集数据；
分别对每个划分后的遥感图像集进行预处理，得到预处理图像集，其中，每个预处理图像集中遥感图像的分辨率大小相同；
根据土地利用区域类型，对预处理图像集进行特征识别，对目标区域中的城市区域、森林区域、景观区域和农田种植区域进行标记；
分别计算出每个预处理图像集中目标区域的城市区域面积、森林区域面积、景观区域面积和农田种植区域面积；并确定当前时间段中不同区域类型的面积变化量；
根据当前时间段的二氧化碳实地采集数据和当前时间段不同区域类型所对应的面积变化量，预测下一个时间段的二氧化碳排放数据。
作为优选方案，所述获取目标区域的历史遥感图像集，按照间隔时间段将所述历史遥感图像集等距划分为多个遥感图像集的步骤中，具体为：
获取所述历史遥感图像集上的时间戳，根据时间戳的先后顺序进行依次排列；
确定间隔时间段，根据所述间隔时间段确定多个等距的时间节点；
分别将每个时间节点前后预设时间段内的遥感图像作为该时间节点对应的遥感图像集，完成等距划分。
作为优选方案，所述分别对每个划分后的遥感图像集进行预处理，得到预处理图像集的步骤中，具体为：
对划分后的遥感图像集进行灰度处理，得到灰度图像集；
将所述灰度图像集进行归一化处理，得到归一化图像集；
将所述归一化图像集的分辨率调整一致，使得每个预处理图像集中遥感图像的分辨率大小相同，得到预处理图像集。
作为优选方案，在所述得到预处理图像集之后，还包括：
对所述预处理图像集进行亮度识别，将亮度值超过阈值的区域进行掩膜处理。
作为优选方案，所述根据土地利用区域类型，对预处理图像集进行特征识别，对目标区域中的城市区域、森林区域、景观区域和农田种植区域进行标记的步骤中，具体为：
确定土地利用区域类型包括城市区域、森林区域、景观区域和农田种植区域，根据不同的区域类型构建对应的识别模型，其中，所述识别模型用于对输入图像进行特征识别，对同一区域类型的边缘进行标记，确定输入图像中不同的区域类型的范围；
将预处理图像集分别输入到不同的区域类型对应的识别模型中，完成不同区域类型的区域标记。
作为优选方案，所述分别计算出每个预处理图像集中目标区域的城市区域面积、森林区域面积、景观区域面积和农田种植区域面积的步骤中，具体为：
根据不同区域类型的区域标记所显示的范围，确定每个区域类型的形状；
当所述形状为规则图形时，根据规则图形的计算公式计算出该区域类型的面积；
当所述形状为不规则图形时，将所述不规则图形进行边缘模糊化处理后，确定中心点，并确定所述不规则图形的边缘与所述中心点的最远距离，作为半径，计算出该区域类型的面积。
作为优选方案，在所述预测下一个时间段的二氧化碳排放数据之后，还包括：
当所述下一个时间段的二氧化碳排放数据达到预警值时，发出预警信息。
作为优选方案，所述预测下一个时间段的二氧化碳排放数据的计算公式为：
其中，Cx为下一个时间段的二氧化碳排放数据；Ci为当前时间的二氧化碳实地采集数据；Ti为当前时间段的城市区域面积变化量；Li为当前时间段的森林区域面积变化量；Ji为当前时间段的景观区域面积变化量；Ni为当前时间段的农田种植区域面积变化量；a1和a2为常数。
相应地，本发明另一实施例提供了一种基于土地利用的二氧化碳排放预测装置，包括：
数据获取模块，用于获取目标区域的历史遥感图像集，按照间隔时间段将所述历史遥感图像集等距划分为多个遥感图像集，以及，获取各个遥感图像集所对应时间段的二氧化碳实地采集数据；
预处理模块，用于分别对每个划分后的遥感图像集进行预处理，得到预处理图像集，其中，每个预处理图像集中遥感图像的分辨率大小相同；
特征标记模块，用于根据土地利用区域类型，对预处理图像集进行特征识别，对目标区域中的城市区域、森林区域、景观区域和农田种植区域进行标记；
面积计算模块，用于分别计算出每个预处理图像集中目标区域的城市区域面积、森林区域面积、景观区域面积和农田种植区域面积；并确定当前时间段中不同区域类型的面积变化量；
排放预测模块，用于根据当前时间段的二氧化碳实地采集数据和当前时间段不同区域类型所对应的面积变化量，预测下一个时间段的二氧化碳排放数据。
作为优选方案，所述数据获取模块用于获取目标区域的历史遥感图像集，按照间隔时间段将所述历史遥感图像集等距划分为多个遥感图像集的步骤中，具体用于：
获取所述历史遥感图像集上的时间戳，根据时间戳的先后顺序进行依次排列；
确定间隔时间段，根据所述间隔时间段确定多个等距的时间节点；
分别将每个时间节点前后预设时间段内的遥感图像作为该时间节点对应的遥感图像集，完成等距划分。
作为优选方案，所述预处理模块具体用于：
对划分后的遥感图像集进行灰度处理，得到灰度图像集；
将所述灰度图像集进行归一化处理，得到归一化图像集；
将所述归一化图像集的分辨率调整一致，使得每个预处理图像集中遥感图像的分辨率大小相同，得到预处理图像集。
作为优选方案，在所述得到预处理图像集之后，所述预处理模块还用于：
对所述预处理图像集进行亮度识别，将亮度值超过阈值的区域进行掩膜处理。
作为优选方案，所述特征标记模块具体用于：
确定土地利用区域类型包括城市区域、森林区域、景观区域和农田种植区域，根据不同的区域类型构建对应的识别模型，其中，所述识别模型用于对输入图像进行特征识别，对同一区域类型的边缘进行标记，确定输入图像中不同的区域类型的范围；
将预处理图像集分别输入到不同的区域类型对应的识别模型中，完成不同区域类型的区域标记。
作为优选方案，所述面积计算模块用于分别计算出每个预处理图像集中目标区域的城市区域面积、森林区域面积、景观区域面积和农田种植区域面积的步骤中，具体用于：
根据不同区域类型的区域标记所显示的范围，确定每个区域类型的形状；
当所述形状为规则图形时，根据规则图形的计算公式计算出该区域类型的面积；
当所述形状为不规则图形时，将所述不规则图形进行边缘模糊化处理后，确定中心点，并确定所述不规则图形的边缘与所述中心点的最远距离，作为半径，计算出该区域类型的面积。
作为优选方案，还包括：排放量预警模块，用于在所述预测下一个时间段的二氧化碳排放数据之后，当所述下一个时间段的二氧化碳排放数据达到预警值时，发出预警信息。
作为优选方案，所述排放预测模块用于预测下一个时间段的二氧化碳排放数据的计算公式为：
其中，Cx为下一个时间段的二氧化碳排放数据；Ci为当前时间的二氧化碳实地采集数据；Ti为当前时间段的城市区域面积变化量；Li为当前时间段的森林区域面积变化量；Ji为当前时间段的景观区域面积变化量；Ni为当前时间段的农田种植区域面积变化量；a1和a2为常数。
本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序；其中，所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行如上述任一项所述的基于土地利用的二氧化碳排放预测方法。
本发明实施例还提供了一种终端设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器在执行所述计算机程序时实现如上述任一项所述的基于土地利用的二氧化碳排放预测方法。
相比于现有技术，本发明实施例具有如下有益效果：
本发明技术方案通过对目标区域中不同的土地利用区域类型进行识别标记，结合面积变化量和二氧化碳实地采集数据，精准地预测下一个时间段的二氧化碳排放数据，以解决现有技术中没有考虑到土地利用的变化对目标区域的CO2浓度产生的影响，从而精确地预测出在土地利用变化的影响下目标区域的CO2浓度，为生态改善工程提供有力的数据支撑。
附图说明
图1：为本发明实施例提供的一种基于土地利用的二氧化碳排放预测方法的步骤流程图；
图2：为本发明实施例提供的一种基于土地利用的二氧化碳排放预测装置的结构示意图；
图3：为本发明实施例提供的终端设备的一种实施例的结构示意图。
具体实施方式
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，所描述的实施例仅仅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。
实施例一
请参照图1，为本发明实施例提供的一种基于土地利用的二氧化碳排放预测方法的步骤流程图，包括步骤101至步骤105，各步骤具体如下：
步骤101，获取目标区域的历史遥感图像集，按照间隔时间段将所述历史遥感图像集等距划分为多个遥感图像集，以及，获取各个遥感图像集所对应时间段的二氧化碳实地采集数据。
在本实施例中，所述步骤101中，获取目标区域的历史遥感图像集，按照间隔时间段将所述历史遥感图像集等距划分为多个遥感图像集的步骤中，具体为：
获取所述历史遥感图像集上的时间戳，根据时间戳的先后顺序进行依次排列；确定间隔时间段，根据所述间隔时间段确定多个等距的时间节点；分别将每个时间节点前后预设时间段内的遥感图像作为该时间节点对应的遥感图像集，完成等距划分。
具体地，为了实现对二氧化碳排放量的预测，首先需要对研究的目标区域的历史遥感图像进行获取。在实际应用中，一般调用至今最近十年时间内的遥感图像为研究对象，为了使得不同时间段内，目标区域的土地利用情况更加分明，在本步骤中，本实施例将得到的最近十年时间内的遥感图像进行时间等距划分，假设时间等距为5年，则将历史遥感图像集划分为两个。例如：历史遥感图像集是从2010年至2020年的，那将其划分为两个集合包：2010-2015年图像集，2015-2020年图像集。由于在现有技术中会通过实地采集二氧化碳的形式知道以往当年的二氧化碳数据，则需要拿到2010-2015年目标区域的二氧化碳实地采集数据和2015-20205年目标区域的二氧化碳实地采集数据，两组数据。
步骤102，分别对每个划分后的遥感图像集进行预处理，得到预处理图像集，其中，每个预处理图像集中遥感图像的分辨率大小相同。
在本实施例中，所述步骤102具体为：对划分后的遥感图像集进行灰度处理，得到灰度图像集；将所述灰度图像集进行归一化处理，得到归一化图像集；将所述归一化图像集的分辨率调整一致，使得每个预处理图像集中遥感图像的分辨率大小相同，得到预处理图像集。
具体地，为了在后续步骤中针对遥感图像进行不同的土地利用区域识别，在本步骤中需要对划分后的遥感图像集进行预处理，其中，预处理的目标主要是为了调整图像属性保持一致。
在另一实施例中，在所述得到预处理图像集之后，还包括：对所述预处理图像集进行亮度识别，将亮度值超过阈值的区域进行掩膜处理。
具体地，考虑到预处理后的图像有可能由于遥感图像中出现云雾等情况影响对土地利用区域的判断，所以会对图像亮度进行识别，将超过阈值的区域进行掩膜处理，以克服遥感图像中云雾的存在给土地利用区域识别带来的误差。
步骤103，根据土地利用区域类型，对预处理图像集进行特征识别，对目标区域中的城市区域、森林区域、景观区域和农田种植区域进行标记。
在本实施例中，所述步骤103具体为：
确定土地利用区域类型包括城市区域、森林区域、景观区域和农田种植区域，根据不同的区域类型构建对应的识别模型，其中，所述识别模型用于对输入图像进行特征识别，对同一区域类型的边缘进行标记，确定输入图像中不同的区域类型的范围；将预处理图像集分别输入到不同的区域类型对应的识别模型中，完成不同区域类型的区域标记。
具体地，为了克服现有技术中在预测二氧化碳没有考虑到土地利用对于二氧化碳本身带来影响的问题。在本步骤中特地针对目标区域中的土地利用区域类型进行识别。在实际操作中，考虑到城市区域、森林区域、景观区域和农田种植区域四大区域类型对二氧化碳的影响较大，因此，本实施例针对上述四个区域类型的土地利用进行特征识别。
在对不同的土地利用区域类型进行特征识别的步骤中，使用了常规的识别模型框架，预先对构建的识别模型进行训练，例如，分别构建城市区域识别模型、森林区域识别模型、景观区域识别模型和农田种植区域识别模型。只需要将遥感图像依次输入到上述识别模型中，即可针对各个区域类型进行精准识别，最后得到具有不同区域类型标记的土地利用遥感图像。需要说明的是，识别模型的构建过程采用了现有技术中关于识别模型的常规建立流程，本方案暂无针对识别模型的改进进行优化，则在本步骤中不过多赘述识别模型构建过程。
步骤104，分别计算出每个预处理图像集中目标区域的城市区域面积、森林区域面积、景观区域面积和农田种植区域面积；并确定当前时间段中不同区域类型的面积变化量。
在本实施例中，所述步骤104中，分别计算出每个预处理图像集中目标区域的城市区域面积、森林区域面积、景观区域面积和农田种植区域面积的步骤中，具体为：
根据不同区域类型的区域标记所显示的范围，确定每个区域类型的形状；当所述形状为规则图形时，根据规则图形的计算公式计算出该区域类型的面积；当所述形状为不规则图形时，将所述不规则图形进行边缘模糊化处理后，确定中心点，并确定所述不规则图形的边缘与所述中心点的最远距离，作为半径，计算出该区域类型的面积。
具体地，为了可以计算出各个区域的面积变化量，考虑到会出现规则形状和不规则形状两种类型。如果是规则形状，则利用规则图像算法计算即可；如果不是规则形状，可以通过确定中心点，确定半径的形式，通过圆计算公式求出圆的面积作为该不规则形状的面积。
步骤105，根据当前时间段的二氧化碳实地采集数据和当前时间段不同区域类型所对应的面积变化量，预测下一个时间段的二氧化碳排放数据。
在本实施例中，所述预测下一个时间段的二氧化碳排放数据的计算公式为：
其中，Cx为下一个时间段的二氧化碳排放数据；Ci为当前时间的二氧化碳实地采集数据；Ti为当前时间段的城市区域面积变化量；Li为当前时间段的森林区域面积变化量；Ji为当前时间段的景观区域面积变化量；Ni为当前时间段的农田种植区域面积变化量；a1和a2为常数。
综上，本实施例的预测方法通过不同土地利用的区域面积变化量和二氧化碳实地采集数据之间的关系，可以准确地对预测下一个时间段的二氧化碳排放数据。
在另一实施例中，在所述预测下一个时间段的二氧化碳排放数据之后，还包括步骤106：当所述下一个时间段的二氧化碳排放数据达到预警值时，发出预警信息。
本发明技术方案通过对目标区域中不同的土地利用区域类型进行识别标记，结合面积变化量和二氧化碳实地采集数据，精准地预测下一个时间段的二氧化碳排放数据，以解决现有技术中没有考虑到土地利用的变化对目标区域的CO2浓度产生的影响，从而精确地预测出在土地利用变化的影响下目标区域的CO2浓度，为生态改善工程提供有力的数据支撑。
实施例二
请参照图2，为本发明另一实施例提供的一种基于土地利用的二氧化碳排放预测装置的结构示意图，包括：数据获取模块、预处理模块、特征标记模块、面积计算模块和排放预测模块，各模块具体如下：
数据获取模块，用于获取目标区域的历史遥感图像集，按照间隔时间段将所述历史遥感图像集等距划分为多个遥感图像集，以及，获取各个遥感图像集所对应时间段的二氧化碳实地采集数据。
在本实施例中，所述数据获取模块用于获取目标区域的历史遥感图像集，按照间隔时间段将所述历史遥感图像集等距划分为多个遥感图像集的步骤中，具体用于：
获取所述历史遥感图像集上的时间戳，根据时间戳的先后顺序进行依次排列；确定间隔时间段，根据所述间隔时间段确定多个等距的时间节点；分别将每个时间节点前后预设时间段内的遥感图像作为该时间节点对应的遥感图像集，完成等距划分。
预处理模块，用于分别对每个划分后的遥感图像集进行预处理，得到预处理图像集，其中，每个预处理图像集中遥感图像的分辨率大小相同。
在本实施例中，所述预处理模块具体用于：对划分后的遥感图像集进行灰度处理，得到灰度图像集；将所述灰度图像集进行归一化处理，得到归一化图像集；将所述归一化图像集的分辨率调整一致，使得每个预处理图像集中遥感图像的分辨率大小相同，得到预处理图像集。
在另一实施例中，在所述得到预处理图像集之后，所述预处理模块还用于：对所述预处理图像集进行亮度识别，将亮度值超过阈值的区域进行掩膜处理。
特征标记模块，用于根据土地利用区域类型，对预处理图像集进行特征识别，对目标区域中的城市区域、森林区域、景观区域和农田种植区域进行标记。
在本实施例中，所述特征标记模块具体用于：确定土地利用区域类型包括城市区域、森林区域、景观区域和农田种植区域，根据不同的区域类型构建对应的识别模型，其中，所述识别模型用于对输入图像进行特征识别，对同一区域类型的边缘进行标记，确定输入图像中不同的区域类型的范围；将预处理图像集分别输入到不同的区域类型对应的识别模型中，完成不同区域类型的区域标记。
面积计算模块，用于分别计算出每个预处理图像集中目标区域的城市区域面积、森林区域面积、景观区域面积和农田种植区域面积；并确定当前时间段中不同区域类型的面积变化量。
在本实施例中，所述面积计算模块用于分别计算出每个预处理图像集中目标区域的城市区域面积、森林区域面积、景观区域面积和农田种植区域面积的步骤中，具体用于：根据不同区域类型的区域标记所显示的范围，确定每个区域类型的形状；当所述形状为规则图形时，根据规则图形的计算公式计算出该区域类型的面积；当所述形状为不规则图形时，将所述不规则图形进行边缘模糊化处理后，确定中心点，并确定所述不规则图形的边缘与所述中心点的最远距离，作为半径，计算出该区域类型的面积。
排放预测模块，用于根据当前时间段的二氧化碳实地采集数据和当前时间段不同区域类型所对应的面积变化量，预测下一个时间段的二氧化碳排放数据。
在本实施例中，所述排放预测模块用于预测下一个时间段的二氧化碳排放数据的计算公式为：
其中，Cx为下一个时间段的二氧化碳排放数据；Ci为当前时间的二氧化碳实地采集数据；Ti为当前时间段的城市区域面积变化量；Li为当前时间段的森林区域面积变化量；Ji为当前时间段的景观区域面积变化量；Ni为当前时间段的农田种植区域面积变化量；a1和a2为常数。
在另一实施例中，还包括：排放量预警模块，用于在所述预测下一个时间段的二氧化碳排放数据之后，当所述下一个时间段的二氧化碳排放数据达到预警值时，发出预警信息。
本发明技术方案通过对目标区域中不同的土地利用区域类型进行识别标记，结合面积变化量和二氧化碳实地采集数据，精准地预测下一个时间段的二氧化碳排放数据，以解决现有技术中没有考虑到土地利用的变化对目标区域的CO2浓度产生的影响，从而精确地预测出在土地利用变化的影响下目标区域的CO2浓度，为生态改善工程提供有力的数据支撑。
实施例三
本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序；其中，所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行上述任一实施例所述的基于土地利用的二氧化碳排放预测方法。
实施例四
请参照图3，是本发明实施例提供的终端设备的一种实施例的结构示意图，所述终端设备包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器在执行所述计算机程序时实现上述任一实施例所述的基于土地利用的二氧化碳排放预测方法。
优选地，所述计算机程序可以被分割成一个或多个模块/单元(如计算机程序、计算机程序)，所述一个或者多个模块/单元被存储在所述存储器中，并由所述处理器执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述终端设备中的执行过程。
所述处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等，通用处理器可以是微处理器，或者所述处理器也可以是任何常规的处理器，所述处理器是所述终端设备的控制中心，利用各种接口和线路连接所述终端设备的各个部分。
所述存储器主要包括程序存储区和数据存储区，其中，程序存储区可存储操作系统、至少一个功能所需的应用程序等，数据存储区可存储相关数据等。此外，所述存储器可以是高速随机存取存储器，还可以是非易失性存储器，例如插接式硬盘，智能存储卡(SmartMedia Card，SMC)、安全数字(Secure Digital，SD)卡和闪存卡(Flash Card)等，或所述存储器也可以是其他易失性固态存储器件。
需要说明的是，上述终端设备可包括，但不仅限于，处理器、存储器，本领域技术人员可以理解，上述终端设备仅仅是示例，并不构成对终端设备的限定，可以包括更多或更少的部件，或者组合某些部件，或者不同的部件。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步的详细说明，应当理解，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围。特别指出，对于本领域技术人员来说，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于土地利用的二氧化碳排放预测方法，其特征在于，包括：
获取目标区域的历史遥感图像集，按照间隔时间段将所述历史遥感图像集等距划分为多个遥感图像集，以及，获取各个遥感图像集所对应时间段的二氧化碳实地采集数据；
分别对每个划分后的遥感图像集进行预处理，得到预处理图像集，其中，每个预处理图像集中遥感图像的分辨率大小相同；
根据土地利用区域类型，对预处理图像集进行特征识别，对目标区域中的城市区域、森林区域、景观区域和农田种植区域进行标记；
分别计算出每个预处理图像集中目标区域的城市区域面积、森林区域面积、景观区域面积和农田种植区域面积；并确定当前时间段中不同区域类型的面积变化量；
根据当前时间段的二氧化碳实地采集数据和当前时间段不同区域类型所对应的面积变化量，预测下一个时间段的二氧化碳排放数据。
2.如权利要求1所述的基于土地利用的二氧化碳排放预测方法，其特征在于，所述获取目标区域的历史遥感图像集，按照间隔时间段将所述历史遥感图像集等距划分为多个遥感图像集的步骤中，具体为：
获取所述历史遥感图像集上的时间戳，根据时间戳的先后顺序进行依次排列；
确定间隔时间段，根据所述间隔时间段确定多个等距的时间节点；
分别将每个时间节点前后预设时间段内的遥感图像作为该时间节点对应的遥感图像集，完成等距划分。
3.如权利要求1所述的基于土地利用的二氧化碳排放预测方法，其特征在于，所述分别对每个划分后的遥感图像集进行预处理，得到预处理图像集的步骤中，具体为：
对划分后的遥感图像集进行灰度处理，得到灰度图像集；
将所述灰度图像集进行归一化处理，得到归一化图像集；
将所述归一化图像集的分辨率调整一致，使得每个预处理图像集中遥感图像的分辨率大小相同，得到预处理图像集。
4.如权利要求3所述的基于土地利用的二氧化碳排放预测方法，其特征在于，在所述得到预处理图像集之后，还包括：
对所述预处理图像集进行亮度识别，将亮度值超过阈值的区域进行掩膜处理。
5.如权利要求1所述的基于土地利用的二氧化碳排放预测方法，其特征在于，所述根据土地利用区域类型，对预处理图像集进行特征识别，对目标区域中的城市区域、森林区域、景观区域和农田种植区域进行标记的步骤中，具体为：
确定土地利用区域类型包括城市区域、森林区域、景观区域和农田种植区域，根据不同的区域类型构建对应的识别模型，其中，所述识别模型用于对输入图像进行特征识别，对同一区域类型的边缘进行标记，确定输入图像中不同的区域类型的范围；
将预处理图像集分别输入到不同的区域类型对应的识别模型中，完成不同区域类型的区域标记。
6.如权利要求5所述的基于土地利用的二氧化碳排放预测方法，其特征在于，所述分别计算出每个预处理图像集中目标区域的城市区域面积、森林区域面积、景观区域面积和农田种植区域面积的步骤中，具体为：
根据不同区域类型的区域标记所显示的范围，确定每个区域类型的形状；
当所述形状为规则图形时，根据规则图形的计算公式计算出该区域类型的面积；
当所述形状为不规则图形时，将所述不规则图形进行边缘模糊化处理后，确定中心点，并确定所述不规则图形的边缘与所述中心点的最远距离，作为半径，计算出该区域类型的面积。
7.如权利要求1-6中任一项所述的基于土地利用的二氧化碳排放预测方法，其特征在于，在所述预测下一个时间段的二氧化碳排放数据之后，还包括：
当所述下一个时间段的二氧化碳排放数据达到预警值时，发出预警信息。
8.一种基于土地利用的二氧化碳排放预测装置，其特征在于，包括：
数据获取模块，用于获取目标区域的历史遥感图像集，按照间隔时间段将所述历史遥感图像集等距划分为多个遥感图像集，以及，获取各个遥感图像集所对应时间段的二氧化碳实地采集数据；
预处理模块，用于分别对每个划分后的遥感图像集进行预处理，得到预处理图像集，其中，每个预处理图像集中遥感图像的分辨率大小相同；
特征标记模块，用于根据土地利用区域类型，对预处理图像集进行特征识别，对目标区域中的城市区域、森林区域、景观区域和农田种植区域进行标记；
面积计算模块，用于分别计算出每个预处理图像集中目标区域的城市区域面积、森林区域面积、景观区域面积和农田种植区域面积；并确定当前时间段中不同区域类型的面积变化量；
排放预测模块，用于根据当前时间段的二氧化碳实地采集数据和当前时间段不同区域类型所对应的面积变化量，预测下一个时间段的二氧化碳排放数据。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序；其中，所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行如权利要求1-7中任一项所述的基于土地利用的二氧化碳排放预测方法。
10.一种终端设备，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器在执行所述计算机程序时实现如权利要求1-7中任一项所述的基于土地利用的二氧化碳排放预测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210580836.8A CN115062823A (zh) | 2022-05-26 | 2022-05-26 | 一种基于土地利用的二氧化碳排放预测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210580836.8A CN115062823A (zh) | 2022-05-26 | 2022-05-26 | 一种基于土地利用的二氧化碳排放预测方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115062823A true CN115062823A (zh) | 2022-09-16 |
Family
ID=83199230
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210580836.8A Pending CN115062823A (zh) | 2022-05-26 | 2022-05-26 | 一种基于土地利用的二氧化碳排放预测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115062823A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116127729A (zh) * | 2022-12-28 | 2023-05-16 | 青芥一合碳汇(武汉)科技有限公司 | 基于线性动态模型的二氧化碳捕集精准预测方法及系统 |
| CN116630825A (zh) * | 2023-06-09 | 2023-08-22 | 北京佳格天地科技有限公司 | 一种卫星遥感数据与监控视频融合方法及系统 |
| CN117057484A (zh) * | 2023-10-11 | 2023-11-14 | 北京建工环境修复股份有限公司 | 一种矿山生态修复区域的碳排放量预测方法及系统 |
| CN117129053A (zh) * | 2023-10-26 | 2023-11-28 | 西安中碳环境科技有限公司 | 基于测量温室气体流量的碳排放计量装置 |
-
2022
- 2022-05-26 CN CN202210580836.8A patent/CN115062823A/zh active Pending
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116127729A (zh) * | 2022-12-28 | 2023-05-16 | 青芥一合碳汇(武汉)科技有限公司 | 基于线性动态模型的二氧化碳捕集精准预测方法及系统 |
| CN116127729B (zh) * | 2022-12-28 | 2023-08-15 | 青芥一合碳汇(武汉)科技有限公司 | 基于线性动态模型的二氧化碳捕集精准预测方法及系统 |
| CN116630825A (zh) * | 2023-06-09 | 2023-08-22 | 北京佳格天地科技有限公司 | 一种卫星遥感数据与监控视频融合方法及系统 |
| CN117057484A (zh) * | 2023-10-11 | 2023-11-14 | 北京建工环境修复股份有限公司 | 一种矿山生态修复区域的碳排放量预测方法及系统 |
| CN117057484B (zh) * | 2023-10-11 | 2024-01-02 | 北京建工环境修复股份有限公司 | 一种矿山生态修复区域的碳排放量预测方法及系统 |
| CN117129053A (zh) * | 2023-10-26 | 2023-11-28 | 西安中碳环境科技有限公司 | 基于测量温室气体流量的碳排放计量装置 |
| CN117129053B (zh) * | 2023-10-26 | 2024-02-02 | 西安中碳环境科技有限公司 | 基于测量温室气体流量的碳排放计量装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115062823A (zh) | 一种基于土地利用的二氧化碳排放预测方法及装置 | |
| Fragkias et al. | Evolving rank-size distributions of intra-metropolitan urban clusters in South China | |
| CN109948547A (zh) | 城市绿地景观评价方法、装置、存储介质及终端设备 | |
| Shirowzhan et al. | Spatial compactness metrics and Constrained Voxel Automata development for analyzing 3D densification and applying to point clouds: A synthetic review | |
| CN103336894B (zh) | 一种城市容积率自动分区方法 | |
| CN103400368B (zh) | 基于图论和超像素的并行快速sar图像分割方法 | |
| Zhang et al. | TrafficGAN: Off-deployment traffic estimation with traffic generative adversarial networks | |
| CN114663764A (zh) | 一种耕地土壤环境质量区划方法、装置、介质及终端设备 | |
| CN113902321A (zh) | 风电场的微观选址评估方法和装置、计算机可读存储介质 | |
| CN109034239A (zh) | 遥感影像分类方法、分布式风电场的选址方法和设备 | |
| Feng et al. | An optimised cellular automata model based on adaptive genetic algorithm for urban growth simulation | |
| Qiuying et al. | Quantitative measurement of urban expansion and its driving factors in Qingdao: An empirical analysis based on county unit data | |
| CN114676568B (zh) | 一种基于元胞自动机的区域地质构造演化方法及装置 | |
| CN116703638A (zh) | 大棚蔬菜种植管理系统及其方法 | |
| CN117151499A (zh) | 一种国土空间规划的监测评估方法及系统 | |
| CN110264010A (zh) | 新型乡村电力饱和负荷预测方法 | |
| CN113408895B (zh) | 基于像元尺度的生态质量指数构建方法及系统 | |
| Zhai et al. | Characteristic analyses, simulations and predictions of land use in poor mountainous cities: a case study in the central area of Chengde County, China | |
| CN112527442B (zh) | 一种环境数据多维显示方法、装置、介质及终端设备 | |
| CN110019167A (zh) | 一种中长期新能源资源资料库构建方法及系统 | |
| CN114723142A (zh) | 一种基于非支配排序遗传算法和flus模型的多目标土地利用模拟系统与方法 | |
| CN110991083B (zh) | 一种光伏电站模型确定方法、装置、设备及储存介质 | |
| CN112668448A (zh) | 一种生态进程变化分析方法、装置、介质及终端设备 | |
| CN114778795B (zh) | 一种基于城市布局的土壤质量等级确定方法及装置 | |
| Noviandy et al. | Environmental and Economic Clustering of Indonesian Provinces: Insights from K-Means Analysis |
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 |