CN116485047B - 获取候鸟迁徙中途停歇地的方法和装置 - Google Patents

获取候鸟迁徙中途停歇地的方法和装置 Download PDF

Info

Publication number
CN116485047B
CN116485047B CN202310744696.8A CN202310744696A CN116485047B CN 116485047 B CN116485047 B CN 116485047B CN 202310744696 A CN202310744696 A CN 202310744696A CN 116485047 B CN116485047 B CN 116485047B
Authority
CN
China
Prior art keywords
stopping
points
point
data
historical
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.)
Active
Application number
CN202310744696.8A
Other languages
English (en)
Other versions
CN116485047A (zh
Inventor
李雪艳
吕磊
王长操
王军平
吴建平
苏泳娴
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Institute of Geography of GDAS
Original Assignee
Guangzhou Institute of Geography of GDAS
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangzhou Institute of Geography of GDAS filed Critical Guangzhou Institute of Geography of GDAS
Priority to CN202310744696.8A priority Critical patent/CN116485047B/zh
Publication of CN116485047A publication Critical patent/CN116485047A/zh
Application granted granted Critical
Publication of CN116485047B publication Critical patent/CN116485047B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression 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

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Operations Research (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Mathematical Physics (AREA)
  • Development Economics (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Educational Administration (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Game Theory and Decision Science (AREA)
  • Evolutionary Biology (AREA)
  • Quality & Reliability (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Algebra (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请提供一种获取候鸟迁徙中途停歇地的方法和装置，方法包括：从目标候鸟的历史追踪数据提取目标候鸟在迁徙过程的停歇点，得到多组历史停歇点；根据多组历史停歇点的停歇点分布，获取对应的多个中途停歇地；根据目标候鸟的活动扩散能力，获取各个中途停歇地对应的候鸟不存在点；根据各个中途停歇地对应的历史停歇点和候鸟不存在点，以及历史停歇点对应的多种第一历史环境数据、候鸟不存在点对应的多种第二历史环境数据训练预测模型，得到多个中途停歇点预测模型；获取各个中途停歇地对应的预测范围，将各个预测范围的预测环境数据输入至对应的中途停歇点预测模型，以预测目标候鸟的中途停歇地。本申请可以准确预测得到候鸟迁徙中途停歇地。

Description

获取候鸟迁徙中途停歇地的方法和装置
技术领域
本申请涉及获取候鸟迁徙中途停歇地的技术领域，具体涉及一种获取候鸟迁徙中途停歇地的方法和装置。
背景技术
对于候鸟而言，其栖息地可以分为三类：繁殖地、中途停歇地和越冬地。中途停歇地是候鸟春季迁徙和秋季迁徙途中的“踏脚石”，是链接夏季繁殖地和冬季越冬地之间的“交通枢纽”，对于候鸟在迁徙过程中补充能量和临时休息十分重要。然而在当前城市扩张、人类活动强度增加和土地利用类型剧烈变化的背景下，许多候鸟迁徙的中途停歇地受到了破坏和干扰，使候鸟无法在中途停歇地觅食和休息，导致候鸟迁徙的延迟、失败，甚至死亡。因此认识候鸟迁徙过程中的生境需求、识别和保护停歇地，对于鸟类多样性保护具有重要意义。
现有的获取候鸟中途停歇地的方法是给候鸟携带能够测量其位置、温度、海拔和速度的追踪器，通过卫星接收信号并将信号传送回地面进行处理，从而获取候鸟迁徙数据。但现有的获取候鸟中途停歇地的方法成本高，难以用于多个候鸟群体，而且还忽略了环境的变化对候鸟选择中途停歇地的影响，因此难以准确地预测候鸟的中途停歇地。
发明内容
本申请的目的在于克服现有技术中的缺点与不足，提供一种获取候鸟迁徙中途停歇地的方法和装置，可以准确预测得到候鸟迁徙中途停歇地。
本申请的第一实施例提供了一种获取候鸟迁徙中途停歇地的方法，包括：
获取目标候鸟的历史追踪数据，所述历史追踪数据为所述目标候鸟的迁徙过程的历史数据；
从所述目标候鸟的历史追踪数据提取所述目标候鸟在迁徙过程的停歇点，得到多组历史停歇点；
根据多组所述历史停歇点的停歇点分布，获取对应的多个中途停歇地；
根据所述目标候鸟的活动扩散能力，获取各个所述中途停歇地对应的候鸟不存在点；
根据各个所述中途停歇地对应的所述历史停歇点和所述候鸟不存在点，以及所述历史停歇点对应的多种第一历史环境数据、所述候鸟不存在点对应的多种第二历史环境数据训练预测模型，得到多个中途停歇点预测模型；
获取各个所述中途停歇地对应的预测范围，将各个所述预测范围的预测环境数据输入至对应的所述中途停歇点预测模型，以预测所述目标候鸟的中途停歇地。
本申请的第二实施例提供了一种获取候鸟迁徙中途停歇地的装置，包括：
历史追踪数据获取模块，用于获取目标候鸟的历史追踪数据，所述历史追踪数据为所述目标候鸟的迁徙过程的历史数据；
历史停歇点获取模块，用于从所述目标候鸟的历史追踪数据提取所述目标候鸟在迁徙过程的停歇点，得到多组历史停歇点；
中途停歇地获取模块，用于根据多组所述历史停歇点的停歇点分布，获取对应的多个中途停歇地；
候鸟不存在点获取模块，用于根据所述目标候鸟的活动扩散能力，获取各个所述中途停歇地对应的候鸟不存在点；
预测模型训练模块，用于根据各个所述中途停歇地对应的所述历史停歇点和所述候鸟不存在点，以及所述历史停歇点对应的多种第一历史环境数据、所述候鸟不存在点对应的多种第二历史环境数据训练预测模型，得到多个中途停歇点预测模型；
中途停歇地预测模块，用于获取各个所述中途停歇地对应的预测范围，将各个所述预测范围的预测环境数据输入至对应的所述中途停歇点预测模型，以预测所述目标候鸟的中途停歇地。
相对于相关技术，本申请可以从目标候鸟的历史追踪数据获取多组历史停歇点以及各组历史停歇点对应的中途停歇地，然后根据目标候鸟的活动扩散能力获取各个中途停歇地对应的候鸟不存在点，再利用历史停歇点、候鸟不存在点以及对应的第一历史环境数据和第二历史环境数据训练得到中途停歇点预测模型，以通过中途停歇点预测模型预测对应中途停歇地的预测范围内的中途停歇地，实现了准确预测得到候鸟迁徙中途停歇地的技术效果。
为了能更清晰的理解本申请，以下将结合附图说明阐述本申请的具体实施方式。
附图说明
图1为本申请一个实施例的获取候鸟迁徙中途停歇地的方法的流程图。
图2为本申请一个实施例的获取候鸟迁徙中途停歇地的方法的GLM的输出示意图。
图3为本申请一个实施例的获取候鸟迁徙中途停歇地的方法的一组中途停歇点的示意图。
图4为本申请一个实施例的获取候鸟迁徙中途停歇地的方法的中途停歇地的示意图。
图5为本申请一个实施例的获取候鸟迁徙中途停歇地的方法的缓冲区域的示意图。
图6为本申请一个实施例的获取候鸟迁徙中途停歇地的方法的中途停歇地对应的预测范围的示意图。
图7为本申请一个实施例的获取候鸟迁徙中途停歇地的装置的模块连接示意图。
100、获取候鸟迁徙中途停歇地的装置；101、历史追踪数据获取模块；102、历史停歇点获取模块；103、中途停歇地获取模块；104、候鸟不存在点获取模块；105、预测模型训练模块；106、中途停歇地预测模块。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施例方式作进一步地详细描述。
应当明确，所描述的实施例仅仅是本申请实施例一部分实施例，而不是全部的实施例。基于本申请实施例中的实施例，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它实施例，都属于本申请实施例保护的范围。
下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。 在本申请的描述中，需要理解的是，术语“第一”、“第二”、“第三”等仅用于区别类似的对象，而不必用于描述特定的顺序或先后次序，也不能理解为指示或暗示相对重要性。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申请中的具体含义。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。在此所使用的词语 “如果”/“若” 可以被解释成为 “在……时” 或 “当……时” 或 “响应于确定”。
此外，在本申请的描述中，除非另有说明，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A 和/或 B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
请参阅图1，其是本申请的第一实施例的获取候鸟迁徙中途停歇地的方法的流程图，方法包括：
S1：获取目标候鸟的历史追踪数据，所述历史追踪数据为所述目标候鸟的迁徙过程的历史数据。
其中，目标候鸟的历史追踪数据，是指通过在存储有候鸟迁徙数据的网站进行目标候鸟的名称搜索并下载，然后根据下载数据的经纬度生成对应的数据点文件。
优选地，为了提高历史追踪数据的准确性，可以对网站下载的数据进行预处理，以删除风速过大、或移动速度过快、或信号质量差的数据点，以得到准确性高的历史追踪数据。与处理后的历史追踪数据的数据包括（个体）编号、速度、经度、纬度和时间等。
S2：从所述目标候鸟的历史追踪数据提取所述目标候鸟在迁徙过程的停歇点，得到多组历史停歇点。
其中，多组历史停歇点可以基于数据点的时间顺序提取得到，也可以基于数据点的地理位置提取得到。
S3：根据多组所述历史停歇点的停歇点分布，获取对应的多个中途停歇地。
其中，每个中途停歇地覆盖了对应的该组历史停歇点的所有停歇点。
S4：根据所述目标候鸟的活动扩散能力，获取各个所述中途停歇地对应的候鸟不存在点。
候鸟不存在点是因为土地利用信息不符合目标候鸟的适宜生境信息，导致目标候鸟不会到达的，因此不会存在目标候鸟的数据点。
S5：根据各个所述中途停歇地对应的所述历史停歇点和所述候鸟不存在点，以及所述历史停歇点对应的多种第一历史环境数据、所述候鸟不存在点对应的多种第二历史环境数据训练预测模型，得到多个中途停歇点预测模型。
其中，第一历史环境数据和第二历史环境数据的种类包括但不限于天气、地理位置、温度、植被种类、降水、海拔等。
训练预测模型时，将历史停歇点和候鸟不存在点，以及对应的多种第一历史环境数据和多种第二历史环境数据作确定为数据样本，其中，80%的数据样本作为训练数据，将剩余的20%数据样本作为验证数据，以对训练得到的中途停歇点预测模型的预测准确性进行验证，还可以根据验证结果修改中途停歇点预测模型的参数，以提高中途停歇点预测模型的预测准确性。
预测模型采用的是GLM（广义线性模型），GLM采用线性、对数、逻辑斯特等参数函数作为模拟响应变量和预测变量之间关系的连接函数。其中，响应变量即物种出现或不出现的概率。本案例中/>取值范围为[0，1]，为连续变量，表示各环境条件下物种分布的概率。预测变量即温度、植被种类、降水、海拔等环境变量。在GLM中，预测变量组合产生一个线性预测器LP，该线性预测器LP通过连接函数g()与响应变量Y的期望值/>相关，例如：
其中，为响应变量（训练时为历史停歇点和所述候鸟不存在点），/>为截距常数，X={X1, …，Xp}是p个环境变量（训练时为第一历史环境数据和第二历史环境数据）的向量，X1为第一个环境变量，Xp为第p个环境变量，p是环境变量的总数，β={b1，…， bp}为p个回归系数的向量。训练得到的中途停歇点预测模型输出的Y值是[0，1]的值，可以判断物种存在的可能性高低，0代表物种不存在，1代表物种存在。
数据样本中第i个观测的连接函数为：
其中，xi1、xi2、xip等分别是第1个、第2个、第p个环境变量在第i个观测处的值。是连接函数/>的截距，β1、β2、βp等是函数各项的参数。/>是第i个观测处的物种出现概率。
如图2所示，GLM所得物种分布的概率是多维环境变量空间中的一个响应曲面。
对训练得到的中途停歇点预测模型的预测准确性进行验证时，将验证数据中的环境数据输入至中途停歇点预测模型，得到中途停歇点预测模型预测的（0~1）连续分布的预测数据，预测数据的值越大，表示目标候鸟的分布概率越高。
将（0~1）连续值根据预设的阈值划分为两类，即有存在和不存在，其中，存在可以记为“存在（1）”，不存在可记为“不存在（0）”。结合验证数据的历史停歇点和候鸟不存在点，可以构建混淆矩阵，混淆矩阵如下表所示：
其中，a是同时符合验证数据的历史停歇点和预测数据中表示物种存在的栅格数量，b是同时符合验证数据的候鸟不存在点和预测数据中表示物种存在的栅格数量，c是同时符合验证数据的历史停歇点和预测数据中表示物种不存在的栅格数量，d是同时符合验证数据的候鸟不存在点和预测数据中表示物种不存在的的栅格数量。n是所有栅格的数量，n=a+b+c+d。
在混淆矩阵的基础上，计算中途停歇点预测模型的模型精度。模型精度可用基于阈值的方法计算，例如总体预测成功率、Kappa值、敏感性和特异性之和等多种方法计算。也可以用阈值无关的方法计算，例如AUC（即ROC曲线下面积）。默认为Kappa值和AUC。具体地，可以重复计算多次中途停歇点预测模型的模型精度，将多次模型精度的平均值作为中途停歇点预测模型的模型预测精度，例如计算3次、5次、7次等。
其中，预设的阈值可以通过以下方法得到：
①固定阈值法：采用0.5作为阈值，预测范围中物种分布概率大于0.5的栅格即为物种存在栅格，赋值为1；预测范围中物种分布概率小于0.5的栅格即为物种不存在栅格，赋值为0。
②最大化Kappa法：令Kappa值最大的阈值。其中Kappa计算方法如下：
③最大化OPS法：令OPS值最大的阈值，其中OPS计算方法如下：总体预测成功率OPS（overall prediction success）：
④最大化敏感性和特异性之和阈值法：令敏感性和特异性之和最大时的阈值。其中敏感性(Sensitivity，Se)计算方法如下：
⑤特异性(Specificity, Sp)计算方法如下：
S6：获取各个所述中途停歇地对应的预测范围，将各个所述预测范围的预测环境数据输入至对应的所述中途停歇点预测模型，以预测所述目标候鸟的中途停歇地。
相对于相关技术，本申请可以从目标候鸟的历史追踪数据获取多组历史停歇点以及各组历史停歇点对应的中途停歇地，然后根据目标候鸟的活动扩散能力获取各个中途停歇地对应的候鸟不存在点，再利用历史停歇点、候鸟不存在点以及对应的第一历史环境数据和第二历史环境数据训练得到中途停歇点预测模型，以通过中途停歇点预测模型预测对应中途停歇地的预测范围内的中途停歇地，实现了准确预测得到候鸟迁徙中途停歇地的技术效果。
在一个可行的实施例中，所述S2：从所述目标候鸟的历史追踪数据提取所述目标候鸟在迁徙过程的停歇点，得到多组历史停歇点的步骤，包括：
S201：获取所述目标候鸟的适宜生境信息。
其中，适宜生境信息是指适合目标候鸟存活的环境条件，包括但不限于天气、地理位置、温度、植被种类、降水、海拔等。
S202：获取所述历史追踪数据的各个数据点的土地利用信息。
土地利用信息是指各个数据点在基于土地利用所影响的环境条件，若土地利用信息符合适宜生境信息，表示对应的数据点适合目标候鸟存活。
S203：遍历所述历史追踪数据，根据各个所述数据点的时间先后顺序、速度阈值、土地利用信息和所述目标候鸟的适宜生境信息，获取所述多组历史停歇点。
具体地，步骤S203包括：
S2031：根据各个所述数据点的时间先后顺序，将第一个速度小于预设的速度阈值、土地利用信息符合的适宜生境信息的数据点，确定为停歇起始点。
S2032：从所述停歇起始点开始，根据时间先后顺序，将下一个速度小于预设的速度阈值、土地利用信息符合的适宜生境信息的数据点确定为停歇终止点，根据所述停歇起始点、所述停歇终止点，以及所述停歇起始点到所述停歇终止点之间的数据点，得到第一组中途停歇点。
S2033：从上一组中途停歇点的所述停歇终止点开始，根据时间先后顺序，获取下一个停歇起始点和下一个停歇终止点，将所述下一个停歇起始点、所述下一个停歇终止点，以及所述下一个停歇起始点和所述下一个停歇终止点之间的数据点，得到下一组中途停歇点。
在本实施例中，可以通过步骤S201-S203，可以基于数据点的时间顺序准确获取多组历史停歇点。
在一个可行的实施例中，所述S2：从所述目标候鸟的历史追踪数据提取所述目标候鸟在迁徙过程的停歇点，得到多组历史停歇点的步骤，包括：
S211：以所述历史追踪数据的各个数据点为圆心，根据预设的第一半径值，获取各个所述数据点的覆盖范围。
S212：若所述覆盖范围内的其他数据点的数量大于预设的数量阈值，将所述覆盖范围内的所有数据点确定为一组中途停歇点；其中，所述覆盖范围内的其他数据点是指除圆心对应的数据点以外的属于所述历史追踪数据的数据点。
具体地，若一组中途停歇点中，存在多个数据点的覆盖范围内其他数据点的数量大于预设的数量阈值，多个数据点的覆盖范围内的其他数据点也属于该组中途停歇点，若覆盖范围内的其他数据点的数量小于或等于预设的数量阈值，但大于1，表示该覆盖范围对应的数据点为所属的一组中途停歇点的停歇边界点。如图3所示，其中A、B、C以及未标号的数据点属于一组中途停歇点，且B和C数据点为该组中途停歇点的停歇边界点，而N数据点不属于该组中途停歇点。
进一步地，若某个数据点的覆盖范围内不存在其他数据点，将对应的数据点确定为飞行点。
在本实施例中，可以通过步骤S211-S212，可以基于数据点的地理位置准确获取多组历史停歇点。
在一个可行的实施例中，所述S3：根据多组所述历史停歇点的停歇点分布，获取对应的多个中途停歇地的步骤，包括：
对各组历史停歇点的停歇点进行凸包算法处理，得到各组历史停歇点对应的凸包，将各组历史停歇点对应的凸包确定为各组历史停歇点对应的中途停歇地。
其中，凸包算法可以连接一组历史停歇点中最外围的数据点，以包围同组历史停歇点的凸多边形范围。
请参阅图4，在本实施例中，通过凸包算法，可以更准确获取目标候鸟的中途停歇地的位置和范围。
在一个可行的实施例中，所述S4：根据所述目标候鸟的活动扩散能力，获取各个所述中途停歇地对应的候鸟不存在点的步骤，包括：
S41：根据所述目标候鸟的活动扩散能力，在各个所述中途停歇地的外围构建缓冲区域。
S42：获取所述目标候鸟的适宜生境信息，以及所述缓冲区域的各个区域数据点的土地利用信息，将土地利用信息不符合所述适宜生境信息的区域数据点确定为候选数据点。
S43：根据对应的所述中途停歇地的停歇点的数量，从所述候选数据点随机选择相同数量的候选数据点确定为所述候鸟不存在点。
其中，步骤S41的缓冲区域和步骤S43确定的候鸟不存在点如图5所示。
具体地，步骤S43包括：
S431：计算各个所述中途停歇地的几何中心点。
S432：获取各个所述候选数据点与对应的所述中途停歇地的几何中心点的距离值。
S433：将所述距离值的倒数确定为对应的所述候选数据点的选择概率。
S434：根据对应的所述中途停歇地的历史停歇点的数量，以及各个所述候选数据点的所述选择概率，从所述候选数据点随机选择相同数量的候选数据点确定为所述候鸟不存在点。
在本实施例中，通过步骤S41-S43，可以准确获取由于不符合目标候鸟的适宜生境导致候鸟不会停留的候鸟不存在点。
在一个可行的实施例中，所述候鸟不存在点对应的多种第二历史环境数据通过以下步骤获取：
S51：将对应的所述中途停歇地的对应的时间范围。
中途停歇地的对应的时间范围是中途停歇地中时间最早的数据点与时间最晚的数据点之间的时间段。
S52：将各个所述候鸟不存在点于所述时间范围内的历史环境数据的均值数据，确定为对应的第二历史环境数据。
在本实施例中，根据中途停歇地的对应的时间范围，获取候鸟不存在点的历史环境数据的均值数据，可以防止候鸟不存在点的环境数据过于极端，使候鸟不存在点的环境数据更加均衡。
在一个可行的实施例中，各个所述中途停歇地对应的预测范围通过以下步骤得到：
S51：获取各个所述中途停歇地的几何中心。
S52：根据各个所述中途停歇地的时间先后顺序，获取各个所述中途停歇地对应的相邻中途停歇点。
S53：遍历所述中途停歇地，获取当前的中途停歇地的几何中心与相邻的中途停歇点的几何中心的最大距离，得到当前的中途停歇地对应的中心距离值。
S54：根据预设的半径系数和所述中心距离值，获取当前的中途停歇地对应的第二半径值。
S55：以当前的中途停歇地的几何中心为圆心，根据对应的所述第二半径值，获得当前的中途停歇地对应的预测范围。
请参阅图6，通过步骤S51-S55获得的中途停歇地对应的预测范围如图6所示，其中，预设的半径系数为0.5，可以降低相邻的两个中途停歇地的预测范围出现重叠范围的情况。
在本实施例中，通过获取范围大于中途停歇地的预测范围，可以更全面地预测得到目标候鸟的中途停歇点的分布。
请参阅图7，本申请的第二实施例提供了一种获取候鸟迁徙中途停歇地的装置100，包括：
历史追踪数据获取模块101，用于获取目标候鸟的历史追踪数据，所述历史追踪数据为所述目标候鸟的迁徙过程的历史数据；
历史停歇点获取模块102，用于从所述目标候鸟的历史追踪数据提取所述目标候鸟在迁徙过程的停歇点，得到多组历史停歇点；
中途停歇地获取模块103，用于根据多组所述历史停歇点的停歇点分布，获取对应的多个中途停歇地；
候鸟不存在点获取模块104，用于根据所述目标候鸟的活动扩散能力，获取各个所述中途停歇地对应的候鸟不存在点；
预测模型训练模块105，用于根据各个所述中途停歇地对应的所述历史停歇点和所述候鸟不存在点，以及所述历史停歇点对应的多种第一历史环境数据、所述候鸟不存在点对应的多种第二历史环境数据训练预测模型，得到多个中途停歇点预测模型；
中途停歇地预测模块106，用于获取各个所述中途停歇地对应的预测范围，将各个所述预测范围的预测环境数据输入至对应的所述中途停歇点预测模型，以预测所述目标候鸟的中途停歇地。
需要说明的是，本申请第二实施例提供的获取候鸟迁徙中途停歇地的装置在执行获取候鸟迁徙中途停歇地的方法时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分为不同的功能模块，以完成以上描述的全部或者部分功能。另外，本申请第二实施例提供的获取候鸟迁徙中途停歇地的装置与本申请第一实施例的获取候鸟迁徙中途停歇地的方法属于同一构思，其体现实现过程详见方法实施例，这里不再赘述。
以上所描述的设备实施例仅仅是示意性的，其中所述作为分离部件说明的组件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申请方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中选定的功能的装置。这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中选定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中选定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD) 或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，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、商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、商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，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (8)

1.一种获取候鸟迁徙中途停歇地的方法，其特征在于，包括：
获取目标候鸟的历史追踪数据，所述历史追踪数据为所述目标候鸟的迁徙过程的历史数据；
从所述目标候鸟的历史追踪数据提取所述目标候鸟在迁徙过程的停歇点，得到多组历史停歇点；
根据多组所述历史停歇点的停歇点分布，获取对应的多个中途停歇地；
根据所述目标候鸟的活动扩散能力，获取各个所述中途停歇地对应的候鸟不存在点；
根据各个所述中途停歇地对应的所述历史停歇点和所述候鸟不存在点，以及所述历史停歇点对应的多种第一历史环境数据、所述候鸟不存在点对应的多种第二历史环境数据训练预测模型，得到多个中途停歇点预测模型；
获取各个所述中途停歇地对应的预测范围，将各个所述预测范围的预测环境数据输入至对应的所述中途停歇点预测模型，以预测所述目标候鸟的中途停歇地；
所述从所述目标候鸟的历史追踪数据提取所述目标候鸟在迁徙过程的停歇点，得到多组历史停歇点的步骤，包括：
获取所述目标候鸟的适宜生境信息；
获取所述历史追踪数据的各个数据点的土地利用信息；
遍历所述历史追踪数据，根据各个所述数据点的时间先后顺序、速度阈值、土地利用信息和所述目标候鸟的适宜生境信息，获取所述多组历史停歇点；
所述遍历所述历史追踪数据，根据各个所述数据点的时间先后顺序、速度阈值、土地利用信息和所述目标候鸟的适宜生境信息，获取所述多组历史停歇点的步骤，包括：
根据各个所述数据点的时间先后顺序，将第一个速度小于预设的速度阈值、土地利用信息符合的适宜生境信息的数据点，确定为停歇起始点；
从所述停歇起始点开始，根据时间先后顺序，将下一个速度小于预设的速度阈值、土地利用信息符合的适宜生境信息的数据点确定为停歇终止点，根据所述停歇起始点、所述停歇终止点，以及所述停歇起始点到所述停歇终止点之间的数据点，得到第一组中途停歇点；
从上一组中途停歇点的所述停歇终止点开始，根据时间先后顺序，获取下一个停歇起始点和下一个停歇终止点，将所述下一个停歇起始点、所述下一个停歇终止点，以及所述下一个停歇起始点和所述下一个停歇终止点之间的数据点，得到下一组中途停歇点。
2.根据权利要求1所述的获取候鸟迁徙中途停歇地的方法，其特征在于，所述从所述目标候鸟的历史追踪数据提取所述目标候鸟在迁徙过程的停歇点，得到多组历史停歇点的步骤，包括：
以所述历史追踪数据的各个数据点为圆心，根据预设的第一半径值，获取各个所述数据点的覆盖范围；
若所述覆盖范围内的其他数据点的数量大于预设的数量阈值，将所述覆盖范围内的所有数据点确定为一组中途停歇点；其中，所述覆盖范围内的其他数据点是指除圆心对应的数据点以外的属于所述历史追踪数据的数据点。
3.根据权利要求1所述的获取候鸟迁徙中途停歇地的方法，其特征在于，所述根据多组所述历史停歇点的停歇点分布，获取对应的多个中途停歇地的步骤，包括：
对各组历史停歇点的停歇点进行凸包算法处理，得到各组历史停歇点对应的凸包，将各组历史停歇点对应的凸包确定为各组历史停歇点对应的中途停歇地。
4.根据权利要求1所述的获取候鸟迁徙中途停歇地的方法，其特征在于，所述根据所述目标候鸟的活动扩散能力，获取各个所述中途停歇地对应的候鸟不存在点的步骤，包括：
根据所述目标候鸟的活动扩散能力，在各个所述中途停歇地的外围构建缓冲区域；
获取所述目标候鸟的适宜生境信息，以及所述缓冲区域的各个区域数据点的土地利用信息，将土地利用信息不符合所述适宜生境信息的区域数据点确定为候选数据点；
根据对应的所述中途停歇地的停歇点的数量，从所述候选数据点随机选择相同数量的候选数据点确定为所述候鸟不存在点。
5.根据权利要求4所述的获取候鸟迁徙中途停歇地的方法，其特征在于，所述根据对应的所述中途停歇地的历史停歇点的数量，从所述候选数据点随机选择相同数量的候选数据点确定为所述候鸟不存在点的步骤，包括：
计算各个所述中途停歇地的几何中心点；
获取各个所述候选数据点与对应的所述中途停歇地的几何中心点的距离值；
将所述距离值的倒数确定为对应的所述候选数据点的选择概率；
根据对应的所述中途停歇地的历史停歇点的数量，以及各个所述候选数据点的所述选择概率，从所述候选数据点随机选择相同数量的候选数据点确定为所述候鸟不存在点。
6.根据权利要求5所述的获取候鸟迁徙中途停歇地的方法，其特征在于，所述候鸟不存在点对应的多种第二历史环境数据通过以下步骤获取：
将对应的所述中途停歇地的对应的时间范围；
将各个所述候鸟不存在点于所述时间范围内的历史环境数据的均值数据，确定为对应的第二历史环境数据。
7.根据权利要求1所述的获取候鸟迁徙中途停歇地的方法，其特征在于，各个所述中途停歇地对应的预测范围通过以下步骤得到：
获取各个所述中途停歇地的几何中心；
根据各个所述中途停歇地的时间先后顺序，获取各个所述中途停歇地对应的相邻中途停歇点；
遍历所述中途停歇地，获取当前的中途停歇地的几何中心与相邻的中途停歇点的几何中心的最大距离，得到当前的中途停歇地对应的中心距离值；
根据预设的半径系数和所述中心距离值，获取当前的中途停歇地对应的第二半径值；
以当前的中途停歇地的几何中心为圆心，根据对应的所述第二半径值，获得当前的中途停歇地对应的预测范围。
8.一种获取候鸟迁徙中途停歇地的装置，其特征在于，包括：
历史追踪数据获取模块，用于获取目标候鸟的历史追踪数据，所述历史追踪数据为所述目标候鸟的迁徙过程的历史数据；
历史停歇点获取模块，用于从所述目标候鸟的历史追踪数据提取所述目标候鸟在迁徙过程的停歇点，得到多组历史停歇点；
中途停歇地获取模块，用于根据多组所述历史停歇点的停歇点分布，获取对应的多个中途停歇地；
候鸟不存在点获取模块，用于根据所述目标候鸟的活动扩散能力，获取各个所述中途停歇地对应的候鸟不存在点；
预测模型训练模块，用于根据各个所述中途停歇地对应的所述历史停歇点和所述候鸟不存在点，以及所述历史停歇点对应的多种第一历史环境数据、所述候鸟不存在点对应的多种第二历史环境数据训练预测模型，得到多个中途停歇点预测模型；
中途停歇地预测模块，用于将各个所述中途停歇地对应的预测范围，将各个所述预测范围的预测环境数据输入至对应的所述中途停歇点预测模型，以预测所述目标候鸟的中途停歇地；
其中，所述从所述目标候鸟的历史追踪数据提取所述目标候鸟在迁徙过程的停歇点，得到多组历史停歇点的步骤，包括：
获取所述目标候鸟的适宜生境信息；
获取所述历史追踪数据的各个数据点的土地利用信息；
遍历所述历史追踪数据，根据各个所述数据点的时间先后顺序、速度阈值、土地利用信息和所述目标候鸟的适宜生境信息，获取所述多组历史停歇点；
所述遍历所述历史追踪数据，根据各个所述数据点的时间先后顺序、速度阈值、土地利用信息和所述目标候鸟的适宜生境信息，获取所述多组历史停歇点的步骤，包括：
根据各个所述数据点的时间先后顺序，将第一个速度小于预设的速度阈值、土地利用信息符合的适宜生境信息的数据点，确定为停歇起始点；
从所述停歇起始点开始，根据时间先后顺序，将下一个速度小于预设的速度阈值、土地利用信息符合的适宜生境信息的数据点确定为停歇终止点，根据所述停歇起始点、所述停歇终止点，以及所述停歇起始点到所述停歇终止点之间的数据点，得到第一组中途停歇点；
从上一组中途停歇点的所述停歇终止点开始，根据时间先后顺序，获取下一个停歇起始点和下一个停歇终止点，将所述下一个停歇起始点、所述下一个停歇终止点，以及所述下一个停歇起始点和所述下一个停歇终止点之间的数据点，得到下一组中途停歇点。
CN202310744696.8A 2023-06-25 2023-06-25 获取候鸟迁徙中途停歇地的方法和装置 Active CN116485047B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310744696.8A CN116485047B (zh) 2023-06-25 2023-06-25 获取候鸟迁徙中途停歇地的方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310744696.8A CN116485047B (zh) 2023-06-25 2023-06-25 获取候鸟迁徙中途停歇地的方法和装置

Publications (2)

Publication Number Publication Date
CN116485047A CN116485047A (zh) 2023-07-25
CN116485047B true CN116485047B (zh) 2023-12-26

Family

ID=87212330

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310744696.8A Active CN116485047B (zh) 2023-06-25 2023-06-25 获取候鸟迁徙中途停歇地的方法和装置

Country Status (1)

Country Link
CN (1) CN116485047B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017076004A1 (zh) * 2015-11-06 2017-05-11 百度在线网络技术（北京）有限公司 预测预定时刻的用户位置的方法和装置
CN112598146A (zh) * 2020-12-22 2021-04-02 南京领行科技股份有限公司 确定停靠位置的方法、装置、电子设备及可读存储介质
CN114077917A (zh) * 2020-08-19 2022-02-22 京东城市(北京)数字科技有限公司 一种事件预测模型的确定方法、装置、设备和存储介质

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017076004A1 (zh) * 2015-11-06 2017-05-11 百度在线网络技术（北京）有限公司 预测预定时刻的用户位置的方法和装置
CN114077917A (zh) * 2020-08-19 2022-02-22 京东城市(北京)数字科技有限公司 一种事件预测模型的确定方法、装置、设备和存储介质
CN112598146A (zh) * 2020-12-22 2021-04-02 南京领行科技股份有限公司 确定停靠位置的方法、装置、电子设备及可读存储介质

Also Published As

Publication number Publication date
CN116485047A (zh) 2023-07-25

Similar Documents

Publication Publication Date Title
CN109902885B (zh) 基于深度学习混合cnn-lstm模型的台风预测方法
Simard et al. North Atlantic right whale shift to the Gulf of St. Lawrence in 2015, revealed by long-term passive acoustics
Reilly et al. Interannual variability in dolphin habitats in the eastern tropical Pacific, 1986-1990
Arcangeli et al. Influence of seasonality on cetacean diversity, abundance, distribution and habitat use in the western Mediterranean Sea: Implications for conservation
Gerrodette et al. A combined visual and acoustic estimate of 2008 abundance, and change in abundance since 1997, for the vaquita, Phocoena sinus
Martin et al. Estimating minke whale (Balaenoptera acutorostrata) boing sound density using passive acoustic sensors
US20220012820A1 (en) Forest stand target attribute prediction
Barbosa et al. Applying fuzzy logic to comparative distribution modelling: a case study with two sympatric amphibians
Pereira et al. Fin whale acoustic presence and song characteristics in seas to the southwest of Portugal
Bolton GPS tracking reveals highly consistent use of restricted foraging areas by European Storm-petrels Hydrobates pelagicus breeding at the largest UK colony: implications for conservation management
CN117688846A (zh) 用于建筑能耗的强化学习预测方法及系统、存储介质
CN116485047B (zh) 获取候鸟迁徙中途停歇地的方法和装置
Suryawanshi et al. Population assessment of the Endangered Nilgiri tahr Nilgiritragus hylocrius in the Anamalai Tiger Reserve, using the double-observer survey method
Carvalho et al. Nowcasting of amplitude ionospheric scintillation based on machine learning techniques
CN112560633A (zh) 基于深度学习的植物关键物候期时间点预测方法及系统
CN115391746B (zh) 针对气象要素数据的插值方法、装置、电子设备及介质
US20230005236A1 (en) System and method for determining the geographic location in an image
Feyrer et al. Identifying important habitat for northern bottlenose and Sowerby's beaked whales in the western North Atlantic
Kurz et al. Socio-ecological factors shape the distribution of a cultural keystone species in Malaysian Borneo
Fearey et al. Improving detectability of dolphin signature whistles for capture‐recapture analysis: an examination of array configuration using real‐world data
Laneng et al. Seasonal home range and habitat selection patterns of sika deer Cervus nippon in southern Hokkaido, Japan
Hightower et al. Change in climatically suitable breeding distributions reduces hybridization potential between Vermivora warblers
CN114325877A (zh) 气象预报数据的评估方法和装置
KR102642404B1 (ko) 메타 학습을 이용한 발전량 예측 방법, 이를 이용하는 장치 및 시스템
de Moura et al. Population parameters of Guiana dolphins (Sotalia guianensis) in a southern Brazilian estuary

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