CN117113830B - 一种基于数据分析的山体修复评估预测系统 - Google Patents
一种基于数据分析的山体修复评估预测系统 Download PDFInfo
- Publication number
- CN117113830B CN117113830B CN202311053675.8A CN202311053675A CN117113830B CN 117113830 B CN117113830 B CN 117113830B CN 202311053675 A CN202311053675 A CN 202311053675A CN 117113830 B CN117113830 B CN 117113830B
- Authority
- CN
- China
- Prior art keywords
- mountain
- ecological restoration
- restoration
- indexes
- index
- 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
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 78
- 238000007405 data analysis Methods 0.000 title claims abstract description 38
- 239000002689 soil Substances 0.000 claims abstract description 63
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 54
- 238000013500 data storage Methods 0.000 claims abstract description 16
- 238000004891 communication Methods 0.000 claims abstract description 6
- 239000002699 waste material Substances 0.000 claims description 85
- 238000011160 research Methods 0.000 claims description 46
- 238000000034 method Methods 0.000 claims description 28
- 230000007246 mechanism Effects 0.000 claims description 20
- 230000002596 correlated effect Effects 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 claims description 9
- 230000000875 corresponding effect Effects 0.000 claims description 9
- 230000000694 effects Effects 0.000 claims description 7
- 238000004162 soil erosion Methods 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 5
- 239000005416 organic matter Substances 0.000 claims description 4
- 238000004140 cleaning Methods 0.000 claims description 3
- 238000005056 compaction Methods 0.000 claims description 3
- 230000000737 periodic effect Effects 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 238000011155 quantitative monitoring Methods 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 11
- 238000004590 computer program Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000006424 Flood reaction Methods 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- 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
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Medical Informatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Hardware Design (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Software Systems (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Geometry (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及数据预测技术领域,具体公开了一种基于数据分析的山体修复评估预测系统,包括处理器以及与处理器通讯连接的数据采集模块、数据分析模块、山体修复状态评估模块以及数据存储模块;通过结合山体修复中的矿山生态环境修复信息、裸露山体生态环境修复信息以及水土流失生态环境修复信息,多维度确定山体生态环境修复的状态,且根据山体生态环境的修复状态对山体修复状态作出分级评估,保证山体生态环境修复状态的定量监测,便于后期对山体生态环境的修复进行优化和分析。
Description
技术领域
本发明涉及数据预测技术领域,更具体地说,本发明涉及一种基于数据分析的山体修复评估预测系统。
背景技术
随着我国城市化进程的加快,城市的人口以及用地需求都在不断增长,城市外延至自然山体区域,导致了自然山体破碎,影响了山体稳定性,原有山体裂缝崩塌、岩石松动以及植被的损毁都会加剧泥石流、山体滑坡、山洪等山体地质灾害,严重危及山体本身的生态环境及周边区域居民的生命安全,对山体的自然生态环境进行人为干预和修复则变成了迫切需要大力开展的工作,合理有效的山体修复评估预测能够对破碎山体修复进行研究,有效地指导山体生态修复工作,同时对同类型区域和其他区域山体生态修复提供重要借鉴。
研究表明综合遥感解释和ARCGIS模型等分析工具能够对山体生态各项因子分解,建立一套从数据收集、因子筛选、现状描述到过程模拟判别的GIS模型,能够快速分析城市山体生态问题以及生态敏感脆弱地区的山体生态敏感性,基于模型形成了对山体生态问题各类因子的综合评价,构建出山体生态修复多层次模糊综合评价体系,帮助评判山体生态修复效果。在存在废旧矿山、裸露山体以及水土流失修复需求的地区,由于山体修复评估预测涉及的因素较多,现有的山体修复评估预测方法往往仅能单一地对其进行分析,对山体修复的判断具有不准确性和表面性,难以针对山体修复状态进行科学且精准的分析和监测。
为了解决上述问题,现提供一种技术方案。
发明内容
为了克服现有技术的上述缺陷,本发明的实施例提供一种基于数据分析的山体修复评估预测系统,是通过结合山体修复中的矿山生态环境修复信息、裸露山体生态环境修复信息以及水土流失生态环境修复信息,多维度确定山体生态环境修复的状态,且根据山体生态环境的修复状态对山体修复状态作出分级评估,保证山体生态环境修复状态的定量监测,便于后期对山体生态环境的修复进行优化和分析,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
一种基于数据分析的山体修复评估预测系统,包括处理器以及与处理器通讯连接的数据采集模块、数据分析模块、山体修复状态评估模块以及数据存储模块;
处理器用于处理来自基于数据分析的山体修复评估预测系统的至少一个组件的数据;
山体修复状态评估模块根据接收的不同山体修复状态指标,对山体各个区域的山体生态修复状态综合表现进行分析,实现山体生态修复状态的分级评估,山体修复状态指标包括废旧矿山生态修复指标、裸露山体生态修复指标以及水土流失生态修复指标,山体修复状态的综合表现通过山体生态修复综合指标分析,山体生态修复综合指标为废旧矿山生态修复指标、裸露山体生态修复指标以及水土流失生态修复指标的加权之和,山体生态修复综合指标的公式为:
;
式中:为山体修复综合指标,/>为废旧矿山修复指标所占权重,/>为废旧矿山生态修复指标,/>为裸露山体生态修复指标所占权重,/>为裸露山体生态修复指标所占指标,/>为水土流失生态修复指标所占权重,/>为水土流失生态修复指标所占权重。
在一个优选的实施方式中,山体修复状态评估模块获取每个研究区域的山体生态修复综合指标后,将所有山体生态修复综合指标数值收集并形成样本集合,求取样本集合的平均数和方差,并利用均数和方差对样本集合进行标准化,形成标本样本集,将标本样本集中的每个数值作为自变量代入函数,求取函数/>的函数值,并利用函数/>的函数值对标本样本集中的数值进行分类,分类的标准为:
当时,标本样本集中的数值为一级,对应研究区域的山体生态修复状态为一级;
当时,标准样本集中的数值为二级,对应研究区域的山体生态修复状态为二级。
在一个优选的实施方式中,山体修复状态评估模块中、/>以及/>的取值分别为废旧矿山面积、裸露山体面积以及发生水土流失面积占总研究区域面积的比值,依赖于遥感卫星解译数据每年定期更新。
在一个优选的实施方式中,数据采集模块用于采集获取废旧矿山生态修复数据信息、裸露山体生态修复数据信息,将获取到的信息发送至数据分析模块进行分析处理,并将获取到的信息发送至数据存储模块进行存储;
数据存储模块用于存储山体生态修复状态的历史监测数据;
数据分析模块接收到数据采集模块发送的信息后,通过处理器调用数据存储模块内部存储的数据对山体生态修复状态进行分析处理,得到不同的山体生态修复状态评价指标,并将山体生态修复状态指标发送至山体修复状态评估模块,获取山体生态修复状态评估等级。
在一个优选的实施方式中,数据分析模块中废旧矿山生态修复状态指标的评估机制如下:
废旧矿山生态修复指标与研究区域内废旧矿山破碎度负相关,与废旧矿山景观破碎度负相关,与废旧矿山土壤因子正相关,废旧矿山生态修复指标的公式为:
;
式中:为研究区域内的废旧矿山破碎度,/>为废旧矿山最大斑块指数、废旧矿山地表裸露指数、废旧矿山植被覆盖比以及废旧矿山水土流失比的和,L为废旧矿山景观破碎度,废旧矿山景观破碎度L为景观多样性、林地平均斑块面积以及景观连通度的乘积,为废旧矿山的土壤因子,废旧矿山的土壤因子为土壤含水量、PH值以及有机质含量的和。
在一个优选的实施方式中,数据分析模块中裸露山体生态修复状态指标的评估机制如下:
裸露山体生态修复状态指标与裸露山体植被覆盖面积正相关,与视觉敏感区域面积负相关,与裸露山体平均坡度和平均高程的乘积负相关,裸露山体生态修复状态指标的公式为:
;
式中:为裸露山体植被覆盖率,/>为基础植被覆盖率,根据经验设定,/>为裸露山体的视觉敏感区域面积,/>为裸露山体平均坡度,/>为裸露山体平均高程。
在一个优选的实施方式中,数据分析模块中裸露山体生态修复状态指标的评估机制如下:
水土流失生态修复指标与降雨强度负相关,与土地利用率负相关,与土壤紧实度正相关,与水土流失比负相关,水土流失生态修复指标的公式为:
;
式中:为降雨强度,/>为土地利用率,/>为土壤紧实程度,/>为水土流失比。
一种基于数据分析的山体修复评估预测方法,用于实现上述的一种基于数据分析的山体修复评估预测系统,其特征在于:
步骤S1,定期获取废旧矿山生态修复数据信息、裸露山体生态修复数据信息,并对获取的数据进行数据清洗;
步骤S2,根据获取的山体修复数据信息,通过废旧矿山生态修复指标、裸露山体生态修复指标以及水土流失生态修复指标的评估机制确定各个研究区域的废旧矿山生态修复指标、裸露山体生态修复指标以及水土流失生态修复指标;
步骤S3,获取每个研究区域的废旧矿山生态修复指标、裸露山体生态修复指标以及水土流失生态修复指标,通过山体生态修复综合指标的评估机制获取每个研究区域内的山体生态修复综合指标,所有研究区域内的山体生态修复综合指标构成样本集合,并对样本集合数据进行标准化处理,利用山体生态修复综合指标分级机制实现山体生态修复状态的分级评估;
步骤S4,根据山体生态修复状态的分级评估分析所有研究区域内的山体生态修复效果,并根据山体生态修复状态等级每两年之间的差异对山体修复的状态进行预测和分析,确定每个研究区域的生态恢复情况,根据分级结果对山体修复状态进行分析和预测。
本发明一种基于数据分析的山体修复评估预测系统的技术效果和优点:
本发明是通过结合山体修复中的矿山生态环境修复信息、裸露山体生态环境修复信息以及水土流失生态环境修复信息,多维度确定山体生态环境修复的状态,且根据山体生态环境的修复状态对山体修复状态作出分级评估,保证山体生态环境修复状态的定量监测,便于后期对山体生态环境的修复进行优化和分析;
本发明通过山体修复状态的多维度评估和综合分析,能够对研究区域进行多指标修复进行指示,帮助山体修复工作人员合理布局山体修复的侧重点,加速山体生态环境的修复速度,提升山体生态环境整体的修复效果。
附图说明
图1为本发明一种基于数据分析的山体修复评估预测系统流程图;
图2为本发明一种基于数据分析的山体修复评估预测系统的结构示意图。
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做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1:本发明一种基于数据分析的山体修复评估预测系统,是通过结合桥梁自身的属性信息、桥梁所处的自然环境信息以及桥梁所处的运行环境信息,多维度确定桥梁的运行状态,且根据桥梁自身的运行状态对桥梁健康作出分级预警,保证桥梁的安全监控,便于后期对桥梁进行维修养护。
图1给出了本发明基于数据分析的山体修复评估预测系统的流程图,其包括如下步骤:
步骤S1,定期获取废旧矿山生态修复数据信息、裸露山体生态修复数据信息,并对获取的数据进行数据清洗;
步骤S2,根据获取的山体修复数据信息,通过废旧矿山生态修复指标、裸露山体生态修复指标以及水土流失生态修复指标的评估机制确定各个研究区域的废旧矿山生态修复指标、裸露山体生态修复指标以及水土流失生态修复指标;
步骤S3,获取每个研究区域的废旧矿山生态修复指标、裸露山体生态修复指标以及水土流失生态修复指标,通过山体生态修复综合指标的评估机制获取每个研究区域内的山体生态修复综合指标,所有研究区域内的山体生态修复综合指标构成样本集合,并对样本集合数据进行标准化处理,利用山体生态修复综合指标分级机制实现山体生态修复状态的分级评估;
步骤S4,根据山体生态修复状态的分级评估分析所有研究区域内的山体生态修复效果,并根据山体生态修复状态等级每两年之间的差异对山体修复的状态进行预测和分析,确定每个研究区域的生态恢复情况,根据分级结果对山体修复状态进行分析和预测。
具体的,本发明各步骤详细过程如下:
步骤S1:
本发明首先定期获取废旧矿山生态修复数据信息、裸露山体生态修复数据信息,并对获取的数据进行数据清洗。
废旧矿山生态修复指标与研究区域内废旧矿山破碎度负相关,与废旧矿山景观破碎度负相关,与废旧矿山土壤因子正相关;
裸露山体生态修复状态指标与裸露山体植被覆盖面积正相关,与视觉敏感区域面积负相关,与裸露山体平均坡度和平均高程的乘积负相关;
水土流失生态修复指标与降雨强度负相关,与土地利用率负相关,与土壤紧实度正相关,与水土流失比负相关。
需要说明的是,上述中,为废旧矿山最大斑块指数、废旧矿山地表裸露指数、废旧矿山植被覆盖比以及废旧矿山水土流失比的和,废旧矿山景观破碎度L为景观多样性、林地平均斑块面积以及景观连通度的乘积,废旧矿山的土壤因子为土壤含水量、PH值以及有机质含量的和。
步骤S2:
本发明在对获取的山体生态修复状态信息进行分析时,需要结合步骤S1进行分析,根据获取的山体修复数据信息,通过废旧矿山生态修复指标、裸露山体生态修复指标以及水土流失生态修复指标的评估机制确定各个研究区域的废旧矿山生态修复指标、裸露山体生态修复指标以及水土流失生态修复指标。
需要注意的是,废旧矿山生态修复指标与研究区域内废旧矿山破碎度负相关,与废旧矿山景观破碎度负相关,与废旧矿山土壤因子正相关,废旧矿山生态修复指标的公式为:
;
式中:为研究区域内的废旧矿山破碎度,/>为废旧矿山最大斑块指数、废旧矿山地表裸露指数、废旧矿山植被覆盖比以及废旧矿山水土流失比的和,L为废旧矿山景观破碎度,废旧矿山景观破碎度L为景观多样性、林地平均斑块面积以及景观连通度的乘积,为废旧矿山的土壤因子,废旧矿山的土壤因子为土壤含水量、PH值以及有机质含量的和。
裸露山体生态修复状态指标与裸露山体植被覆盖面积正相关,与视觉敏感区域面积负相关,与裸露山体平均坡度和平均高程的乘积负相关,裸露山体生态修复状态指标的公式为:
;
式中:为裸露山体植被覆盖率,/>为基础植被覆盖率,根据经验设定,/>为裸露山体的视觉敏感区域面积,/>为裸露山体平均坡度,/>为裸露山体平均高程。
水土流失生态修复指标与降雨强度负相关,与土地利用率负相关,与土壤紧实度正相关,与水土流失比负相关,水土流失生态修复指标的公式为:
;
式中:为降雨强度,/>为土地利用率,/>为土壤紧实程度,/>为水土流失比。
步骤S3:
本发明在对获取的各个生态修复状态指标信息进行分析时,需要结合步骤S2进行分析,获取每个研究区域的废旧矿山生态修复指标、裸露山体生态修复指标以及水土流失生态修复指标,通过山体生态修复综合指标的评估机制获取每个研究区域内的山体生态修复综合指标,所有研究区域内的山体生态修复综合指标构成样本集合,并对样本集合数据进行标准化处理,利用山体生态修复综合指标分级机制实现山体生态修复状态的分级评估。
根据接收的不同山体修复状态指标,对山体各个区域的山体生态修复状态综合表现进行分析,实现山体生态修复状态的分级评估,山体修复状态指标包括废旧矿山生态修复指标、裸露山体生态修复指标以及水土流失生态修复指标,山体修复状态的综合表现通过山体生态修复综合指标分析,山体生态修复综合指标为废旧矿山生态修复指标、裸露山体生态修复指标以及水土流失生态修复指标的加权之和,山体生态修复综合指标的公式为:
;
式中:为山体修复综合指标,/>为废旧矿山修复指标所占权重,/>为废旧矿山生态修复指标,/>为裸露山体生态修复指标所占权重,/>为裸露山体生态修复指标所占指标,/>为水土流失生态修复指标所占权重,/>为水土流失生态修复指标所占权重。
需要说明的是,获取每个研究区域的山体生态修复综合指标后,将所有山体生态修复综合指标数值收集并形成样本集合,求取样本集合的平均数和方差,并利用均数和方差对样本集合进行标准化,形成标本样本集,将标本样本集中的每个数值作为自变量代入函数,求取函数/>的函数值,并利用函数/>的函数值对标本样本集中的数值进行分类,分类的标准为:
当时,标本样本集中的数值为一级,对应研究区域的山体生态修复状态为一级;
当时,标准样本集中的数值为二级,对应研究区域的山体生态修复状态为二级。
需要说明的是,山体修复状态评估模块中、/>以及/>的取值分别为废旧矿山面积、裸露山体面积以及发生水土流失面积占总研究区域面积的比值,依赖于遥感卫星解译数据每年定期更新。
步骤S4:
步骤S4中,主要是根据山体生态修复状态的分级评估分析所有研究区域内的山体生态修复效果,并根据山体生态修复状态等级每两年之间的差异对山体修复的状态进行预测和分析,确定每个研究区域的生态恢复情况,根据分级结果对山体修复状态进行分析和预测。
实施例2:本发明实施例2与实施例1的区别在于,本实施例是对一种基于数据分析的山体修复评估预测系统进行介绍。
图2给出了本发明基于数据分析的山体修复评估预测系统的结构示意图,其包括处理器以及与处理器通讯连接的数据采集模块、数据分析模块、山体修复状态评估模块以及数据存储模块。
处理器可以用于处理来自基于数据分析的山体修复评估预测系统的至少一个组件或外部数据源(如云数据中心)的数据和/或信息。在一些实施例中,处理器可以是本地或远程的。例如,处理器可以通过网络从数据存储设备、终端设备和/或数据采集设备中访问信息和/或数据。又例如,处理器可以直接连接到数据存储设备、终端设备和/或数据采集设备,以访问信息和/或数据。在一些实施例中,处理器可以在云平台上实现。例如,云平台可以包括私有云、公共云、混合云、社区云、分布式云、云间云、多云等或其任意组合。
数据采集模块用于采集获取废旧矿山生态修复数据信息、裸露山体生态修复数据信息,将获取到的信息发送至数据分析模块进行分析处理,并将获取到的信息发送至数据存储模块进行存储;
数据存储模块用于存储山体生态修复状态的历史监测数据;
数据分析模块接收到数据采集模块发送的信息后,通过处理器调用数据存储模块内部存储的数据对山体生态修复状态进行分析处理,得到不同的山体生态修复状态评价指标,并将山体生态修复状态指标发送至山体修复状态评估模块,获取山体生态修复状态评估等级。
上述公式均是去量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式,公式中的预设参数以及阈值选取由本领域的技术人员根据实际情况进行设置。
上述实施例,可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时,上述实施例可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行所述计算机指令或计算机程序时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以为通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质。半导体介质可以是固态硬盘。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
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单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以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,本申请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)执行本申请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。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
最后:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (3)
1.一种基于数据分析的山体修复评估预测系统,其特征在于,包括处理器以及与处理器通讯连接的数据采集模块、数据分析模块、山体修复状态评估模块以及数据存储模块;
处理器用于处理来自基于数据分析的山体修复评估预测系统的至少一个组件的数据;
山体修复状态评估模块根据接收的不同山体修复状态指标,对山体各个区域的山体生态修复状态综合表现进行分析,实现山体生态修复状态的分级评估,山体修复状态指标包括废旧矿山生态修复指标、裸露山体生态修复指标以及水土流失生态修复指标,山体修复状态的综合表现通过山体生态修复综合指标分析,山体生态修复综合指标为废旧矿山生态修复指标、裸露山体生态修复指标以及水土流失生态修复指标的加权之和,山体生态修复综合指标的公式为:
;
式中:为山体修复综合指标,/>为废旧矿山修复指标所占权重, />为废旧矿山生态修复指标, />为裸露山体生态修复指标所占权重,/>为裸露山体生态修复指标所占指标,/>为水土流失生态修复指标所占权重,/>为水土流失生态修复指标所占权重;
山体修复状态评估模块获取每个研究区域的山体生态修复综合指标后,将所有山体生态修复综合指标数值收集并形成样本集合,求取样本集合的平均数和方差,并利用均数和方差对样本集合进行标准化,形成标本样本集,将标本样本集中的每个数值作为自变量代入函数,求取函数/>的函数值,并利用函数/>的函数值对标本样本集中的数值进行分类,分类的标准为:
当时,标本样本集中的数值为一级,对应研究区域的山体生态修复状态为一级;
当时,标准样本集中的数值为二级,对应研究区域的山体生态修复状态为二级;
数据采集模块用于采集获取废旧矿山生态修复数据信息、裸露山体生态修复数据信息,将获取到的信息发送至数据分析模块进行分析处理,并将获取到的信息发送至数据存储模块进行存储;
数据存储模块用于存储山体生态修复状态的历史监测数据;
数据分析模块接收到数据采集模块发送的信息后,通过处理器调用数据存储模块内部存储的数据对山体生态修复状态进行分析处理,得到不同的山体生态修复状态评价指标,并将山体生态修复状态指标发送至山体修复状态评估模块,获取山体生态修复状态评估等级;
数据分析模块中废旧矿山生态修复状态指标的评估机制如下:
废旧矿山生态修复指标与研究区域内废旧矿山破碎度负相关,与废旧矿山景观破碎度负相关,与废旧矿山土壤因子正相关,废旧矿山生态修复指标的公式为:
;
式中:为研究区域内的废旧矿山破碎度,/>为废旧矿山最大斑块指数、废旧矿山地表裸露指数、废旧矿山植被覆盖比以及废旧矿山水土流失比的和, />为废旧矿山景观破碎度,废旧矿山景观破碎度/>为景观多样性、林地平均斑块面积以及景观连通度的乘积,为废旧矿山的土壤因子,废旧矿山的土壤因子为土壤含水量、PH值以及有机质含量的和;
数据分析模块中裸露山体生态修复状态指标的评估机制如下:
裸露山体生态修复状态指标与裸露山体植被覆盖面积正相关,与视觉敏感区域面积负相关,与裸露山体平均坡度和平均高程的乘积负相关,裸露山体生态修复状态指标的公式为:
;
式中:为裸露山体植被覆盖率,/>为基础植被覆盖率,根据经验设定,/>为裸露山体的视觉敏感区域面积,/>为裸露山体平均坡度,/>为裸露山体平均高程;
数据分析模块中裸露山体生态修复状态指标的评估机制如下:
水土流失生态修复指标与降雨强度负相关,与土地利用率负相关,与土壤紧实度正相关,与水土流失比负相关,水土流失生态修复指标的公式为:
;
式中:为降雨强度,/>为土地利用率,/>为土壤紧实程度,/>为水土流失比。
2.根据权利要求1所述的一种基于数据分析的山体修复评估预测系统,其特征在于:山体修复状态评估模块中、/>以及/>的取值分别为废旧矿山面积、裸露山体面积以及发生水土流失面积占总研究区域面积的比值,依赖于遥感卫星解译数据每年定期更新。
3.一种基于数据分析的山体修复评估预测方法,用于实现权利要求1-2任一项所述的一种基于数据分析的山体修复评估预测系统,其特征在于:
步骤S1,定期获取废旧矿山生态修复数据信息、裸露山体生态修复数据信息,并对获取的数据进行数据清洗;
步骤S2,根据获取的山体修复数据信息,通过废旧矿山生态修复指标、裸露山体生态修复指标以及水土流失生态修复指标的评估机制确定各个研究区域的废旧矿山生态修复指标、裸露山体生态修复指标以及水土流失生态修复指标;
步骤S3,获取每个研究区域的废旧矿山生态修复指标、裸露山体生态修复指标以及水土流失生态修复指标,通过山体生态修复综合指标的评估机制获取每个研究区域内的山体生态修复综合指标,所有研究区域内的山体生态修复综合指标构成样本集合,并对样本集合数据进行标准化处理,利用山体生态修复综合指标分级机制实现山体生态修复状态的分级评估;
通过山体生态修复综合指标的评估机制获取每个研究区域内的山体生态修复综合指标的具体过程为:根据接收的不同山体修复状态指标,对山体各个区域的山体生态修复状态综合表现进行分析,实现山体生态修复状态的分级评估,山体修复状态指标包括废旧矿山生态修复指标、裸露山体生态修复指标以及水土流失生态修复指标,山体修复状态的综合表现通过山体生态修复综合指标分析,山体生态修复综合指标为废旧矿山生态修复指标、裸露山体生态修复指标以及水土流失生态修复指标的加权之和,山体生态修复综合指标的公式为:
;
式中:为山体修复综合指标,/>为废旧矿山修复指标所占权重,/>为废旧矿山生态修复指标,/>为裸露山体生态修复指标所占权重,/>为裸露山体生态修复指标所占指标,为水土流失生态修复指标所占权重,/>为水土流失生态修复指标所占权重;
利用山体生态修复综合指标分级机制实现山体生态修复状态的分级评估的具体过程为:获取每个研究区域的山体生态修复综合指标后,将所有山体生态修复综合指标数值收集并形成样本集合,求取样本集合的平均数和方差,并利用均数和方差对样本集合进行标准化,形成标本样本集,将标本样本集中的每个数值作为自变量代入函数,求取函数/>的函数值,并利用函数/>的函数值对标本样本集中的数值进行分类,分类的标准为:
当时,标本样本集中的数值为一级,对应研究区域的山体生态修复状态为一级;
当时,标准样本集中的数值为二级,对应研究区域的山体生态修复状态为二级;
步骤S4,根据山体生态修复状态的分级评估分析所有研究区域内的山体生态修复效果,并根据山体生态修复状态等级每两年之间的差异对山体修复的状态进行预测和分析,确定每个研究区域的生态恢复情况,根据分级结果对山体修复状态进行分析和预测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311053675.8A CN117113830B (zh) | 2023-08-21 | 2023-08-21 | 一种基于数据分析的山体修复评估预测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311053675.8A CN117113830B (zh) | 2023-08-21 | 2023-08-21 | 一种基于数据分析的山体修复评估预测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117113830A CN117113830A (zh) | 2023-11-24 |
CN117113830B true CN117113830B (zh) | 2024-04-19 |
Family
ID=88803274
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311053675.8A Active CN117113830B (zh) | 2023-08-21 | 2023-08-21 | 一种基于数据分析的山体修复评估预测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117113830B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117575110B (zh) * | 2024-01-16 | 2024-03-15 | 四川省自然资源科学研究院(四川省生产力促进中心) | 一种基于土壤重构的矿山修复效果预测方法及相关设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109190224A (zh) * | 2018-08-24 | 2019-01-11 | 中国科学院沈阳应用生态研究所 | 一种基于生态分区的矿山生态修复方法 |
CN111260187A (zh) * | 2020-01-08 | 2020-06-09 | 长春工程学院 | 一种智能矿山地质环境信息评价系统及评价方法 |
CN113807702A (zh) * | 2021-09-18 | 2021-12-17 | 中铝环保生态技术(湖南)有限公司 | 一种矿山生态修复评价方法 |
CN114757564A (zh) * | 2022-04-28 | 2022-07-15 | 青岛冠中生态股份有限公司 | 一种破损山体生态修复效果及价值评价方法 |
CN116228021A (zh) * | 2023-03-06 | 2023-06-06 | 广西壮族自治区地质环境监测站 | 一种基于环境监测的矿山生态修复评价分析方法及系统 |
CN116258406A (zh) * | 2023-02-16 | 2023-06-13 | 中国地质大学(武汉) | 一种高原露天采矿区生态修复成效评估方法及评估体系 |
CN116415843A (zh) * | 2023-03-02 | 2023-07-11 | 河南省航空物探遥感中心 | 用于弱网络环境的多模态遥感辅助矿山生态环境评价方法 |
-
2023
- 2023-08-21 CN CN202311053675.8A patent/CN117113830B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109190224A (zh) * | 2018-08-24 | 2019-01-11 | 中国科学院沈阳应用生态研究所 | 一种基于生态分区的矿山生态修复方法 |
CN111260187A (zh) * | 2020-01-08 | 2020-06-09 | 长春工程学院 | 一种智能矿山地质环境信息评价系统及评价方法 |
CN113807702A (zh) * | 2021-09-18 | 2021-12-17 | 中铝环保生态技术(湖南)有限公司 | 一种矿山生态修复评价方法 |
CN114757564A (zh) * | 2022-04-28 | 2022-07-15 | 青岛冠中生态股份有限公司 | 一种破损山体生态修复效果及价值评价方法 |
CN116258406A (zh) * | 2023-02-16 | 2023-06-13 | 中国地质大学(武汉) | 一种高原露天采矿区生态修复成效评估方法及评估体系 |
CN116415843A (zh) * | 2023-03-02 | 2023-07-11 | 河南省航空物探遥感中心 | 用于弱网络环境的多模态遥感辅助矿山生态环境评价方法 |
CN116228021A (zh) * | 2023-03-06 | 2023-06-06 | 广西壮族自治区地质环境监测站 | 一种基于环境监测的矿山生态修复评价分析方法及系统 |
Non-Patent Citations (1)
Title |
---|
基于恢复生态学理论的裸露山体生态修复模式研究;丰瞻;许文年;李少丽;戴方喜;刘高鹏;;中国水土保持;20080405(第04期);27-30+64 * |
Also Published As
Publication number | Publication date |
---|---|
CN117113830A (zh) | 2023-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tang et al. | Urban waterlogging susceptibility assessment based on a PSO-SVM method using a novel repeatedly random sampling idea to select negative samples | |
Dickson et al. | Mapping the probability of large fire occurrence in northern Arizona, USA | |
Akinci et al. | Comparing classical statistic and machine learning models in landslide susceptibility mapping in Ardanuc (Artvin), Turkey | |
Xu et al. | A remote sensing and GIS integrated study on urbanization with its impact on arable lands: Fuqing City, Fujian Province, China | |
Wan | A spatial decision support system for extracting the core factors and thresholds for landslide susceptibility map | |
CN113538861B (zh) | 基于矿产地质勘查的地质灾害信息管理系统 | |
CN117113830B (zh) | 一种基于数据分析的山体修复评估预测系统 | |
CN111582597B (zh) | 一种输电线路滑坡危险性预测方法及其设备 | |
CN113408917B (zh) | 自然灾害风险评估方法、装置、计算机设备及存储介质 | |
CN111539904B (zh) | 一种基于降雨量的灾害易发性预测方法 | |
CN113487123A (zh) | 高光谱监测与gis耦合山洪灾害动态风险评估方法 | |
Chettry et al. | Urban sprawl assessment in Raipur and Bhubaneswar urban agglomerations from 1991 to 2018 using geoinformatics | |
CN113591700A (zh) | 一种潜在滑坡堵江预测方法 | |
Lei et al. | The knowledge expression on debris flow potential analysis through PCA+ LDA and rough sets theory: a case study of Chen-Yu-Lan watershed, Nantou, Taiwan | |
CN114740550B (zh) | 一种连续风暴事件智能识别预警方法及系统 | |
Wan et al. | The knowledge rules of debris flow event: A case study for investigation Chen Yu Lan River, Taiwan | |
Indrawati et al. | Effect of Urban Expansion intensity on urban ecological status utilizing remote sensing and gis: a study of Semarang-Indonesia | |
KR101785148B1 (ko) | 산사태 토석류 전이 규준 모델 및 그 생성 방법 | |
Ghosh et al. | Pattern space analysis of landscape metrics for detecting changes in forests of Himalayan foothills | |
Zhang et al. | Landslide susceptibility mapping using novel hybrid model based on different mapping units | |
Lei et al. | Development of an empirical model for rainfall-induced hillside vulnerability assessment: a case study on Chen-Yu-Lan watershed, Nantou, Taiwan | |
CN116050837A (zh) | 一种面向尾矿库多元灾害的综合监测预警和安全评估方案 | |
JP3646726B1 (ja) | 防災事業支援システム | |
CN115019476B (zh) | 一种基于多源信息融合的滑坡时空信息监测预警方法 | |
CN113901043B (zh) | 污染源智能监管和数据融合分析方法和系统 |
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 |