[發明專利]一種利用輔助變量數據進行采樣點布局的方法

有效

• 申請號: 201410441570.4
• 申請日: 2014-09-01
• 公開（公告）號: CN104239446B
• 公開（公告）日: 2017-06-30
• 發明（設計）人: 潘瑜春;高秉博;李淑華;劉玉;周艷兵;郝星耀
• 申請（專利權）人: 北京農業信息技術研究中心
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京路浩知識產權代理有限公司11002
• 代理人: 李相雨

技術領域

本發明涉及技術領域，具體涉及一種利用輔助變量數據進行采樣點布局的方法。

背景技術

空間采樣調查是地理研究、資源評估以及空間制圖的基礎。采樣點布局是采樣調查的核心內容之一。利用輔助變量數據指導空間采樣是區域采樣點布局的發展趨勢。

目前，利用輔助變量數據進行采樣點布局的方法大多利用輔助變量數據實現采樣區域內的地理空間分層，消除空間異質性，從而增強采樣精度。

但是，現有的利用輔助變量數據進行采樣點布局的方法沒有考慮采樣點在特征空間分布的均勻性。地理空間均勻性可以利用限制樣點地理位置實現，而如何反映目標變量在特征空間的分布狀況才是利用輔助變量的關鍵。基于特征空間的均衡設計方法能利用輔助變量數據構建采樣優化特征空間，并在工業實驗抽樣設計得到應用，但該方法只適用于連續數值型變量，且要求各變量的分層數相同，故不能滿足類別型變量參與下的采樣點布局優化的需要。可見，對目標變量的影響因素中類別型變量占據一定的比重，如何構建類型變量參與下的多維特征空間、及特征空間無偏優化目標函數，以及特征空間和地理空間無偏的雙重優化目標函數是無偏采樣布設優化的關鍵。

傳統分層采樣法沒有考慮采樣點在地理空間和輔助變量特征空間中分布的均勻性，無法充分利用輔助變量數據對目標變量的空間變異結構的描述信息；應用于工業設計實驗抽樣的均衡設計方法無法實現樣點在地理空間上的均勻性分布，同時無法將類別型輔助變量應用到采樣布局優化中。上述方法都導致無法充分輔助變量數據，空間采樣效率低，難以滿足目標變量總體估計、空間變異特征估計和空間插值分析等采樣目標的需要。

發明內容

本發明所要解決的技術問題是如何實現既能兼顧采樣點在地理空間和輔助變量特征空間中分布的均勻性，又能利用類別型輔助變量構建輔助變量特征空間的采樣點布局。

為此目的，本發明提出一種利用輔助變量數據進行采樣點布局的方法，該方法包括：

S1.從預設的K維輔助變量空間中，獲取K維輔助變量數據，所述K為正整數，所述K維輔助變量數據的結構為柵格結構，所述K維輔助變量數據的分辨率相同；

將所述K維輔助變量數據與預設的采樣區域進行疊加，所述預設的采樣區域的形狀為多邊形R_valid，提取疊加后的采樣區域內的柵格單元,得到樣本總體中的樣本單元，所述樣本單元的集合構成樣本總體N；

S2.根據所述樣本總體N，得到輔助變量特征子空間和n′個地理子空間，所述n′由所述樣本總體N確定；

S3.根據所述地理子空間，得到由n個采樣單元構成的初始采樣點布局數據，所述n為預設值；

S4.根據所述初始采樣點布局數據，根據所述初始采樣點數據布局，得到n個采樣點的布局數據，所述采樣點布局數據包括輔助變量特征子空間中的采樣點布局數據以及地理子空間中的采樣點布局數據；

所述輔助變量特征子空間采樣點布局數據滿足：

特征子空間布設的采樣點/采樣點數n＝特征子空間中柵格單元的個數/樣本總體N；

所述地理子空間采樣點布局數據滿足：

地理子空間布設的采樣點/采樣點數n＝地理子空間中柵格單元的個數/樣本總體N。

可選的，在步驟S2中，所述輔助變量特征子空間包括：連續數值型變量特征子空間以及類別型變量特征子空間；

所述連續數值型變量特征子空間的獲取步驟包括：

將所述連續數值型變量進行排序，獲得連續數值型變量數據累積分布曲線；

根據所述連續數值型變量數據累積分布曲線，通過等頻數方法，將所述連續數值型變量劃分成R段，形成R個子空間，每個子空間中的采樣單元個數相同，其中，即為大于的最小整數。

可選的，所述類別型變量特征子空間的獲取步驟包括：

將所述類別型變量進行排序，獲得類別型變量數據累積分布曲線；

根據所述類別型變量數據累積分布曲線，通過類別型變量的類別值個數R’，將所述類別型變量劃分成R’個子空間，子空間中的采樣單元個數為對應類別值所占的柵格單元數。

可選的，在步驟S2中，所述n′個地理子空間的獲取步驟包括：

獲取地理子空間在x軸方向上的間距d_x以及在y軸方向上的間距d_y，所述d_x與d_y的計算公式如下：