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

有效

• 申請?zhí)枺?/td>: 201210013418.7
• 申請日: 2012-01-17
• 公開（公告）號: CN102567648A
• 公開（公告）日: 2012-07-11
• 發(fā)明（設(shè)計）人: 王祥榮;王偉;樊正球;凌煥然;宋珂
• 申請（專利權(quán)）人: 復(fù)旦大學(xué)
• 主分類號: G06F19/00
• 分類號: 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

技術(shù)領(lǐng)域

本發(fā)明屬于計算機(jī)算法技術(shù)領(lǐng)域，具體涉及一種基于影像數(shù)據(jù)的綠地生態(tài)評價單元柵格取樣方法，尤其是能在海量影像數(shù)據(jù)下根據(jù)數(shù)據(jù)類型及研究對象實(shí)現(xiàn)粒度自適應(yīng)的柵格取樣方法。

背景技術(shù)

目前，國內(nèi)外對城市綠地的功能從多方面開展了大量的研究，并在不同的立地條件下采取不同的測試方式，取得了眾多的量化值，提出了如綠化覆蓋率、綠地率、面積指數(shù)、葉干重、葉面積、綠視率、垂直綠化覆蓋面積、人均公共綠地率、綠化三維量、年游人量等指標(biāo)。但是，傳統(tǒng)的評價方法在指標(biāo)信息提取時是基于單一類別遙感數(shù)據(jù)（如TM/ETM數(shù)據(jù)），此類數(shù)據(jù)空間分辨率較低。同時，隨著衛(wèi)星對地傳感器技術(shù)的提高，影像數(shù)據(jù)分辨率大幅度高，但現(xiàn)在生態(tài)評價單元并沒有相應(yīng)的方法去自動處理這些海量數(shù)據(jù)，容易造成數(shù)據(jù)巨大浪費(fèi)。

發(fā)明內(nèi)容

為了克服現(xiàn)有的綠地生態(tài)評價單元柵格取樣方法不能自動區(qū)分綠地生態(tài)評價對象與不同分辨率的衛(wèi)星影像數(shù)據(jù)源之間自動匹配的不足,?本發(fā)明提供一種基于影像數(shù)據(jù)的綠地生態(tài)評價單元柵格取樣方法，該方法不僅能在海量空間影像數(shù)據(jù)庫中自動檢索多源衛(wèi)星影像數(shù)據(jù)源，而且能方便根據(jù)綠地生態(tài)評價對象的指標(biāo)特征自動選取與評價指標(biāo)相適應(yīng)的衛(wèi)星數(shù)據(jù)源，并面向評價對象設(shè)置多種分辨率的柵格評價單元和多邊形評價單元。

本發(fā)明提供的基于影像數(shù)據(jù)的綠地生態(tài)評價單元柵格取樣方法，具體步驟為：

（1）首先，按基于綠地生態(tài)評價指標(biāo)體系建立面向評價對象的分級分層適用的基于情境的生態(tài)評價遙感柵格粒度決策模型，在綠地生態(tài)評價的過程中積累并建立綠地生態(tài)評價遙感柵格粒度決策模型庫、方法庫，在此基礎(chǔ)上建立決策模型管理系統(tǒng)，維護(hù)模型與評價對象的關(guān)聯(lián)，并通過自學(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+樹索引海量空間影像數(shù)據(jù)庫；

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

下面對各個步驟作進(jìn)一步具體描述。?

1、步驟（1）中所述基于綠地生態(tài)評價指標(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)測評價指標(biāo)體系所確定的生態(tài)監(jiān)測指標(biāo)來構(gòu)建指標(biāo)元數(shù)據(jù)，建設(shè)指標(biāo)元數(shù)據(jù)庫對指標(biāo)進(jìn)行維護(hù)。系統(tǒng)提供基于靈活的復(fù)合層次評價模型構(gòu)建方法?；谏鷳B(tài)監(jiān)測指標(biāo)元數(shù)據(jù)的定義，構(gòu)建滿足不同用戶評價級別和評價層次的生態(tài)評價模型。在此基礎(chǔ)上形成生態(tài)評價模型庫，實(shí)現(xiàn)評價模型的復(fù)用。在決策模型中建立生態(tài)監(jiān)測評價指標(biāo)的級別維護(hù)功能，按任意目標(biāo)層、領(lǐng)域?qū)印⒅黝}層、要素層等級別生成指標(biāo)，由父指標(biāo)和子指標(biāo)評價級別區(qū)別，最終生成指標(biāo)樹。

系統(tǒng)根據(jù)不同的評價情景建立的生態(tài)評價模型與各類用戶進(jìn)行關(guān)聯(lián)，以評價目標(biāo)為導(dǎo)向，最終建立評價模型庫。不同的評價模型，可以全面評價生態(tài)環(huán)境現(xiàn)狀，或側(cè)重于某一個評價指標(biāo)。因而建立聯(lián)接表，它將多對多關(guān)系劃分為兩個一對多關(guān)系，本模塊實(shí)現(xiàn)模型和用戶之間的多對多關(guān)系管理。以實(shí)現(xiàn)最終模型有效性的評價，篩選出適宜度最佳的評價模型進(jìn)而復(fù)用。

系統(tǒng)提供評價模型服務(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)化語言作為整體模型的通用語言。

2、步驟（2）中所述在粒度劃分決策樹的基礎(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+樹索引海量空間影像數(shù)據(jù)庫，具體如下：

因?yàn)榫G地生態(tài)評價中涉及多種衛(wèi)星影像數(shù)據(jù)，這些衛(wèi)星影像數(shù)據(jù)來源、格式、空間分辨率及用于解決的綠地評價問題空間都不一致。本發(fā)明設(shè)計一種基于空間層次的復(fù)合B+樹來有效管理這些海量數(shù)據(jù)。

首先，按綠地評價對象基于基礎(chǔ)空間數(shù)據(jù)建立從樣方、小區(qū)、街道（鄉(xiāng)鎮(zhèn)）、區(qū)縣、市、省、國家等七級空間屬性表，按名稱、代碼索引，建立層次關(guān)聯(lián)，并B+樹原則建立排序索引；

其次，應(yīng)用商業(yè)空間數(shù)據(jù)庫將所有入庫的衛(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（傳感器類型、拍攝時間、波段數(shù)據(jù)、空間分辨率、數(shù)據(jù)存儲格式）提取建立特征屬性數(shù)據(jù)庫，并B+樹原則建立排序索引；