[發明專利]一種區域植被指標的驅動因素分析方法、裝置及存儲介質

有效

• 申請號: 202010051514.5
• 申請日: 2020-01-16
• 公開（公告）號: CN111259963B
• 公開（公告）日: 2023-10-13
• 發明（設計）人: 宋立奕;李明陽;郭穎;徐海;趙斌;艾暢;吳學卷;馮陸春;徐延鑫
• 申請（專利權）人: 南京林業大學;貴州省林業調查規劃院
• 主分類號: G06F18/23
• 分類號: G06F18/23;G06F18/243
• 代理公司: 北京超凡宏宇知識產權代理有限公司 11463
• 代理人: 李飛

1.一種區域植被指標的驅動因素分析方法，其特征在于，包括：

獲取研究區域的植被指標數據和植被指標的至少兩種驅動因素數據；

對所述植被指標數據進行局部空間自相關分析，以得到包含有多種聚類類型的分析結果；

按照預設的組合規則，將不同的聚類類型進行組合以獲取至少一種組合聚類類型；

利用隨機森林模型，對屬于所述至少一種組合聚類類型中每種組合聚類類型的植被指標的驅動因素進行重要性分析。

2.根據權利要求1所述的驅動因素分析方法，其特征在于，所述植被指標數據包括凈初級生產力數據；

凈初級生產力的驅動因素數據包括歸一化植被指數數據、人口密度數據、國內生產總值數據、夜間燈光亮度數據、數字高程模型數據、年平均降雨量數據、年平均氣溫數據和坡度數據中的至少兩種。

3.根據權利要求1所述的驅動因素分析方法，其特征在于，所述對所述植被指標數據進行局部空間自相關分析，以得到包含有多種聚類類型的分析結果，包括：

將所述植被指標數據導入地理信息系統；

通過所述地理信息系統獲取包含有多種所述聚類類型的分析結果，其中，所述聚類類型包括高值聚類HH、低值聚類LL、高值主要由低值圍繞的異常值HL、低值主要由高值圍繞的異常值LH和不顯著點。

4.根據權利要求3所述的驅動因素分析方法，其特征在于，所述至少一種組合聚類類型包括以下類型中的至少一種：第一組合聚類類型、第二組合聚類類型、第三組合聚類類型、第四組合聚類類型和第五組合聚類類型，所述按照預設的組合規則，將所述不同的聚類類型進行組合以獲取所述至少一種組合聚類類型，包括：

將所述高值聚類HH和所述低值聚類LL進行組合，獲取所述第一組合聚類類型；和/或，

將所述高值聚類HH和所述高值主要由低值圍繞的異常值HL進行組合，獲取所述第二組合聚類類型；和/或，

將所述低值聚類LL和所述低值主要由高值圍繞的異常值LH進行組合，獲取所述第三組合聚類類型；和/或，

將所述高值主要由低值圍繞的異常值HL和所述低值主要由高值圍繞的異常值LH進行組合，獲取所述第四組合聚類類型；和/或，

將所述高值聚類HH、所述低值聚類LL、所述高值主要由低值圍繞的異常值HL和所述低值主要由高值圍繞的異常值LH進行組合，獲取所述第五組合聚類類型。

5.根據權利要求1所述的驅動因素分析方法，其特征在于，所述對所述植被指標數據進行局部空間自相關分析，以得到包含有多種聚類類型的分析結果，包括：

獲取由所有所述聚類類型組合而成的組合數據。

6.根據權利要求5所述的驅動因素分析方法，其特征在于，在利用隨機森林模型，對屬于所述至少一種組合聚類類型中每種組合聚類類型的植被指標的驅動因素進行重要性分析之前，所述驅動因素分析方法的步驟還包括：

根據所述組合數據、所述多種聚類類型和所述至少一種組合聚類類型，獲取多個數據集，其中，所述多個所述數據集包括所述組合數據對應的植被指標數據與屬于所述組合數據的植被指標的驅動因素數據、所述多種聚類類型中每種聚類類型對應的植被指標數據與屬于所述多種聚類類型中每種聚類類型的植被指標的驅動因素數據、所述至少一種組合聚類類型中每種組合聚類類型對應的植被指標數據與屬于所述至少一種中每種組合聚類類型的植被指標的驅動因素數據。

7.根據權利要求6所述的驅動因素分析方法，其特征在于，所述利用隨機森林模型，對屬于所述至少一種組合聚類類型中每種組合聚類類型的植被指標的驅動因素進行重要性分析，包括：

利用所述隨機森林模型和所述多個數據集，分別獲取屬于所述組合數據的植被指標的驅動因素的重要性排序結果、所述多種聚類類型中每種聚類類型的植被指標的驅動因素的重要性排序結果和所述至少一種組合聚類類型中每種組合聚類類型的植被指標的驅動因素的重要性排序結果。