[發(fā)明專利]一種綠地生態(tài)評(píng)價(jià)單元粒度自適應(yīng)柵格取樣方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201210013418.7
• 申請(qǐng)日: 2012-01-17
• 公開(kāi)（公告）號(hào): CN102567648A
• 公開(kāi)（公告）日: 2012-07-11
• 發(fā)明（設(shè)計(jì)）人: 王祥榮;王偉;樊正球;凌煥然;宋珂
• 申請(qǐng)（專利權(quán)）人: 復(fù)旦大學(xué)
• 主分類號(hào): G06F19/00
• 分類號(hào): G06F19/00
• 代理公司: 上海正旦專利代理有限公司 31200
• 代理人: 陸飛;盛志范

1.一種綠地生態(tài)評(píng)價(jià)單元粒度自適應(yīng)柵格取樣方法，其特征在于具體步驟為：

（1）首先，按基于綠地生態(tài)評(píng)價(jià)指標(biāo)體系建立面向評(píng)價(jià)對(duì)象的分級(jí)分層適用的基于情境的生態(tài)評(píng)價(jià)遙感柵格粒度決策模型，在綠地生態(tài)評(píng)價(jià)的過(guò)程中積累并建立綠地生態(tài)評(píng)價(jià)遙感柵格粒度決策模型庫(kù)、方法庫(kù)，在此基礎(chǔ)上建立決策模型管理系統(tǒng)，維護(hù)模型與評(píng)價(jià)對(duì)象的關(guān)聯(lián)，并通過(guò)自學(xué)習(xí)機(jī)制積累模型柵格劃分經(jīng)驗(yàn)數(shù)據(jù)；

（2）其次，在基于粒度劃分決策樹(shù)的基礎(chǔ)上按影像數(shù)據(jù)類型、分辨率與空間相關(guān)性建立復(fù)合B+樹(shù)索引海量空間影像數(shù)據(jù)庫(kù)；

（3）最后，應(yīng)用基于智能決策樹(shù)的數(shù)據(jù)挖掘方法，構(gòu)建影像與綠地生態(tài)評(píng)價(jià)單元自適應(yīng)選擇算法，實(shí)現(xiàn)綠地生態(tài)評(píng)價(jià)單元粒度自適應(yīng)柵格取樣。

2.根據(jù)權(quán)利要求1所述的綠地生態(tài)評(píng)價(jià)單元粒度自適應(yīng)柵格取樣方法，其特征在于步驟（1）中所述基于綠地生態(tài)評(píng)價(jià)指標(biāo)體系建立的決策模型管理系統(tǒng)，具體包括：

按照綠地生態(tài)監(jiān)測(cè)評(píng)價(jià)指標(biāo)體系所確定的生態(tài)監(jiān)測(cè)指標(biāo)來(lái)構(gòu)建指標(biāo)元數(shù)據(jù)，建設(shè)指標(biāo)元數(shù)據(jù)庫(kù)對(duì)指標(biāo)進(jìn)行維護(hù)；系統(tǒng)提供基于靈活的復(fù)合層次評(píng)價(jià)模型構(gòu)建方法：基于生態(tài)監(jiān)測(cè)指標(biāo)元數(shù)據(jù)的定義，構(gòu)建滿足不同用戶評(píng)價(jià)級(jí)別和評(píng)價(jià)層次的生態(tài)評(píng)價(jià)模型；在此基礎(chǔ)上形成生態(tài)評(píng)價(jià)模型庫(kù)，實(shí)現(xiàn)評(píng)價(jià)模型的復(fù)用；在決策模型中建立生態(tài)監(jiān)測(cè)評(píng)價(jià)指標(biāo)的級(jí)別維護(hù)功能，按任意目標(biāo)層、領(lǐng)域?qū)印⒅黝}層、要素層等級(jí)別生成指標(biāo)，由父指標(biāo)和子指標(biāo)評(píng)價(jià)級(jí)別區(qū)別，最終生成指標(biāo)樹(shù)；

系統(tǒng)根據(jù)不同的評(píng)價(jià)情景建立的生態(tài)評(píng)價(jià)模型與各類用戶進(jìn)行關(guān)聯(lián)，以評(píng)價(jià)目標(biāo)為導(dǎo)向，最終建立評(píng)價(jià)模型庫(kù)；不同的評(píng)價(jià)模型，可以全面評(píng)價(jià)生態(tài)環(huán)境現(xiàn)狀，或側(cè)重于某一個(gè)評(píng)價(jià)指標(biāo)；因而建立聯(lián)接表，它將多對(duì)多關(guān)系劃分為兩個(gè)一對(duì)多關(guān)系，本模塊實(shí)現(xiàn)模型和用戶之間的多對(duì)多關(guān)系管理，以實(shí)現(xiàn)最終模型有效性的評(píng)價(jià)，篩選出適宜度最佳的評(píng)價(jià)模型進(jìn)而復(fù)用；

系統(tǒng)提供評(píng)價(jià)模型服務(wù)接口系統(tǒng)以WSDL服務(wù)的方式為其它用戶操作提供接口，并利用XML格式的標(biāo)準(zhǔn)化語(yǔ)言作為整體模型的通用語(yǔ)言。

3.根據(jù)權(quán)利要求1所述的綠地生態(tài)評(píng)價(jià)單元粒度自適應(yīng)柵格取樣方法，其特征在于步驟（2）中所述在粒度劃分決策樹(shù)的基礎(chǔ)上按影像數(shù)據(jù)類型、分辨率與空間相關(guān)性建立復(fù)合B+樹(shù)索引海量空間影像數(shù)據(jù)庫(kù)，具體如下：

因?yàn)榫G地生態(tài)評(píng)價(jià)中涉及多種衛(wèi)星影像數(shù)據(jù)，這些衛(wèi)星影像數(shù)據(jù)來(lái)源、格式、空間分辨率及用于解決的綠地評(píng)價(jià)問(wèn)題空間都不一致；本發(fā)明設(shè)計(jì)一種基于空間層次的復(fù)合B+樹(shù)來(lái)有效管理這些海量數(shù)據(jù)：

首先，按綠地評(píng)價(jià)對(duì)象基于基礎(chǔ)空間數(shù)據(jù)建立從樣方、小區(qū)、街道、區(qū)縣、市、省、國(guó)家七級(jí)空間屬性表，按名稱、代碼索引，建立層次關(guān)聯(lián)，并B+樹(shù)原則建立排序索引；

其次，應(yīng)用商業(yè)空間數(shù)據(jù)庫(kù)將所有入庫(kù)的衛(wèi)星影像數(shù)據(jù)，建立基于金字塔算法的空間索引，并將衛(wèi)星影像的數(shù)據(jù)特征包括傳感器類型、拍攝時(shí)間、波段數(shù)據(jù)、空間分辨率、數(shù)據(jù)存儲(chǔ)格式，提取建立特征屬性數(shù)據(jù)庫(kù)，并B+樹(shù)原則建立排序索引；

然后，按衛(wèi)星影像數(shù)據(jù)的特征將這些特征數(shù)據(jù)按指標(biāo)、空間相關(guān)性提取并標(biāo)準(zhǔn)化，建立復(fù)合特征代碼；這些特征碼包括<指標(biāo)，評(píng)價(jià)柵格尺度，相關(guān)率>、<波段，指標(biāo)，相關(guān)率>、<分辨率，指標(biāo)，相關(guān)率>、<分辨率，空間代碼，相關(guān)率>、<指標(biāo)，空間代碼，相關(guān)率>多維相關(guān)關(guān)系層，建立按統(tǒng)一標(biāo)準(zhǔn)相關(guān)率排序的B+索引樹(shù)，并應(yīng)用維鏈表將特征碼與衛(wèi)星影像數(shù)據(jù)特征關(guān)聯(lián)；

最后，應(yīng)用金字塔結(jié)構(gòu)的規(guī)則分割特征碼按區(qū)域四叉樹(shù)變形的索引方式，建立支持在線的多源、多維數(shù)據(jù)的融合與多尺度表達(dá)的基于粒度劃分決策樹(shù)海量空間影像數(shù)據(jù)庫(kù)。

4.根據(jù)權(quán)利要求1所述的綠地生態(tài)評(píng)價(jià)單元粒度自適應(yīng)柵格取樣方法，其特征在于步驟（3）中所述的自適應(yīng)選擇算法中，由輸入的綠地評(píng)價(jià)問(wèn)題空間、評(píng)價(jià)指標(biāo)由基于粒度劃分決策樹(shù)由金字塔頂層向下，先后經(jīng)過(guò)多維相關(guān)關(guān)系層，按相關(guān)率最大化進(jìn)行深度查找，直到找到源衛(wèi)星影像數(shù)據(jù)；在此過(guò)程中，通過(guò)系統(tǒng)的自學(xué)習(xí)機(jī)制，按查找的精確性評(píng)估最終查找結(jié)果，并將評(píng)估的結(jié)果值代入相關(guān)率計(jì)算，重新調(diào)整按統(tǒng)一標(biāo)準(zhǔn)相關(guān)率排序的B+索引樹(shù)，以提高下一次查找的精確性。