基于数字高程模型的特定生物种群高程获取方法与流程

本发明属生态环境状态监测及信息处理领域，具体涉及一种基于数字高程模型的特定生物种群高程获取方法。

背景技术：

通常情况下，生态环境是一个相对稳定的整体，在一段时期内，其生态学分布会基于处于稳定的状态，尤其对于环境内不同高程上，会稳定地垂直分布不同的生物学种群，同时，对应的植物种群也会对应相应的动物种群。例如，非洲的乞力马扎罗山，垂直方向上的植物学分布为热带雨林带、热带草原带、常绿树叶林带、落叶枫叶林带、高寒草甸带、高寒荒漠带和积雪冰川带，相应的植物生物带上分布着对应的动物生物带。分布的稳定性，决定着生态环境的稳定性。随着外界环境的改变，生态环境中的生物分布正在发生剧烈的变化，尤其动物分布，由于人对环境的影响，动物开始被迫改变自己的生存空间，不仅体现在水平分布上的变化，也包括在垂直分布上的变化，并反作用于自然界，影响生态和人类的生活。

动物在水平分布上的变化比较容易被人们感知到，而垂直分布上的变化，只有到了不可挽回的地步的时候，才会被人们感知到。例如，作为血吸虫唯一中间宿主的钉螺，目前已呈现出向低高程扩散的趋势，必将影响到低高程的生态环境。因此，对生态环境中生物学高程状态变化的监测尤其重要。

现在技术中，一般通过传统大比例尺地面测绘、高分辨率遥感、雷达技术、以及基于谷歌地球(googleearth，ge)的点位高程等方法获取生态环境中生物学垂直分布状态；其中，传统大比例尺地面测绘方法虽然精度高，但在大规模应用时成本较高，时效较低，且专门针对某些特定生态环境的大比例尺和高分辨率测绘成果并不丰富。高分遥感和雷达技术可以快速高效地获取生态环境中某种特定生物种群的高程状态信息，但仍然无法获取到精确的高程数据；ge数据精度较高且在不断更新，但原始数据显示的高程数值为世界大地测量系统1984(worldgeodeticsystem1984coordinatesystem，wgs-84)，而不是中国通常使用的1985黄海高程系统。例如，采用基于ge方法和直接基于srtm3数据插值方法获取点位高程，结果显示两种方法所获取的高程点位整体偏高。

技术实现要素：

为了及时获取生态环境中生物学高程状态，提高生物学高程状态监测精度同时降低监测成本，本发明实施例提供了一种基于数字高程模型(digitalelevationmodel，dem)的特定生物种群高程获取方法；结合谷歌地球(googleearth，ge)，建立高程回归模型，通过ge中提取的高程数据对dem中的高程值进行校正，得到更加合理、精确的生物种群生存空间高程数据，利用有限的观测资料校正通过dem提取的高程值，为生态环境的病害防治、环境监测和治理提供可靠的数据源。

为了实现上述目的，本发明实施例所采用的技术方案如下：

一种基于数字高程模型dem的特定生物种群高程获取方法，所述方法包括如下步骤：

步骤s1，确定生态环境中的待监测种群及待监测区域；

步骤s2，根据待监测区域的地理坐标系构建投影坐标系，并将所述待监测区域在投影坐标系上划分矢量网格；

步骤s3，在所述矢量网格中选择所有满足预设条件的待监测网格，以待监测网格的任一侧框线为调查起点线，对待监测网格区域内按预设线距和点距进行布设调查点，并使用手持gps定位仪采集每个调查点的空间信息；

步骤s4，以所述调查点的空间信息为依据，从ge中提取与所述调查点对应的高程数据形成ge高程数据集；

步骤s5，调用国家基础地理信息系统(nationalfundamentalgeographicinformationsystem，nfgis)数据库，采集待监测区域的dem高程数据集；

步骤s6，根据所述ge高程数据集和dem高程数据集构建高程回归模型，所述高程回归模型以dem高程值和ge高程值为自变量，dem校正高程值为因变量。

作为本发明的一个优选实施例，所述步骤s2中，所述地理坐标系，采用wgs-84坐标系；所述投影坐标系，采用横轴墨卡托投影。

作为本发明的一个优选实施例，按预设比例将待监测区域在投影坐标系上划分为矢量网格。

作为本发明的一个优选实施例，所述待监测网络需要满足的预设条件，为网格所占的待监测区域的实际面积大于预定面积。

作为本发明的一个优选实施例，所述预设线距和点距，根据划分矢量网格所采用的预设比例，选择预设长度的二分之一到十分之一，选择调查点。

作为本发明的一个优选实施例，所述步骤s3中的空间信息指所述调查点的经纬度信息。

作为本发明的一个优选实施例，所述从ge中提取ge高程数据集，运用delphi工具，采用批量获取特征点高程的demtoolspro(2015)软件，通过api接口与ge系统关联进行数据提取。

作为本发明的一个优选实施例，所述采集监测区域内的dem高程数据集，将预设幅数、预设比例尺的待监测区域内地形图扫描成数字图像，并转换为矢量数据；从所述地形的矢量数据中提取高程小于预设值的等高线和高程点，进行数据处理得到地形高程数据集；再运用arcgis三维空间分析工具，由地形高程数据集生成待监测区域dem，再从所述待监测区域dem中获取与调查点对应的dem高程数据集。

作为本发明的一个优选实施例，所述数据处理，包括数据格式转换、坐标系变换、数据编辑、数据拼接等，得到地形高程数据集。

作为本发明的一个优选实施例，所述步骤s6还包括：采用平均绝对误差、均方根误差和拟合系数三项指标，对所述高程回归模型进行评估。

本发明具有如下有益效果：

本发明实施例的基于数字高程模型(digitalelevationmodel，dem)的特定生物种群高程获取方法，基于dem采集实时生物学高程状态数据，并通过谷歌地球(googleearth，ge)的环境高程对dem高程数据进行校正，准确地监测生态环境中的生物学高程状态变化，实时反映某一生物种群在高程上的分布变化，为生态环境的病虫害防治、环境评价、环保策略的制定提供准确、可靠的数据源。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例基于数字高程模型的特定生物种群高程获取方法流程示意图；

图2为本发明实施例中鄱阳湖地区地理空间位置示意图。

具体实施方式

下面通过参考示范性实施例，对本发明技术问题、技术方案和优点进行详细阐明。以下所述示范性实施例仅用于解释本发明，而不能解释为对本发明的限制。本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非在这里进行定义，否则不会用理想化或过于正式的含义来解释。

本发明实施例提出了一种基于数字高程模型(digitalelevationmodel，dem)的特定生物种群高程获取方法，基于dem实时采集特定生态环境中的生物学信息，并通过ge中的高程数据对dem高程数据进行对比及校正，实时监测某一生物种群在高程上的分布变化，从而提高所监测的高程数据的精度、准确性及合理性，同时降低监测成本，为生态环境的病虫害防治、环境评价、环保策略的制定提供准确、可靠的数据源。

数字高程模型(digitalelevationmodel，dem)是国家基础地理信息系统(nationalfundamentalgeographicinformationsystem，nfgis)数据库中重要的空间信息资料，也是进行空间地形分析的核心组成部分。谷歌地图(googleearth，ge)是一款google公司开发的虚拟地球仪软件，含有高分辨率卫星影像数据，其卫星影像的分辨率达到亚米级，且数据在不断更新。此外，ge同时共享经纬度和高程信息，并提供了二次开发应用程序编程接口(api)，用户可以利用二次开发的程序与api对接，快速地从ge中提取任意地区的高程数据。

图1为本发明实施例基于数字高程模型的特定生物种群高程获取方法流程示意图。如图1所示，所述基于dem的基于数字高程模型的特定生物种群高程获取方法，包括如下步骤：

步骤s1，确定生态环境中的待监测种群及待监测区域。

本步骤中待监测种群，可以根据实际需要进行确定。当需要进行生物学病虫害防治时，确定虫害生物种群为待监测种群，并对待监测种群所在的某一区域为待监测区域。如，要监测血吸虫的唯一中间宿主钉螺孳生环境的高程分布情况，则将钉螺确定为待监测种群，而钉螺孳生的环境范围为待监测区域。这里就以钉螺为例，在中国的鄱阳湖就有大量的钉螺孳生。

图2所示为鄱阳湖地区地理空间位置示意图。如图2所示，鄱阳湖是中国最大的淡水湖泊，位于28°11′n～29°51′n，115°49′e～116°46′e，处于长江中下游交界处的南岸，江西省的北部，承纳赣江、抚河、信江、饶河、修水五大河及博阳河等支流来水，经调蓄后由湖口注入长江，是一个过水型、吞吐型、季节性湖泊，具有“高水是湖，低水似河”的水文特征，1985国家黄海高程基准数据资料显示：年内水位变化在7.1-19.0m。鄱阳湖区整个地势，由外及里，自南向北，渐次向鄱阳湖倾斜，构成一个向北开口的巨大盆地。

鄱阳湖地区有大量钉螺孳生，且其孳生环境的高程呈现出逐渐降低的趋势，需要对钉螺的孳生环境的高程变化进行及时监测，以制定应对策略，以免对周围的生态环境或人民生活造成不可挽回的影响。

步骤s2，根据待监测区域的地理坐标系构建投影坐标系，并将所述待监测区域在投影坐标系上划分矢量网格。

优选地，本步骤中，所述地理坐标系，采用wgs-84坐标系；所述投影坐标系，采用横轴墨卡托(transversemercator)投影。投影完成后，在所述投影坐标系上按预设比例将所述监测区域划分为矢量网格。所述预设比例，按所监测区域的大小进行设定，例如，按地理坐标系中200m×200m或100m×100m的长度进行网格划分。以鄱阳湖为例，是一个葫芦状向北开口的盆地，水位最高时长约170公里，最宽处约74公里，用基于arcgis建立的鄱阳湖区有螺洲滩空间地图，在arcgis软件中通过hawth′stools扩展插件的createvectorgrid，对钉螺孳生环境按200m×200m创造矢量网格，共获得62340个网格。

步骤s3，在所述矢量网格中选择所有满足预设条件的待监测网格，以待监测网格的任一侧框线为调查起点线，对待监测网格区域内按预设线距和点距布设调查点，并使用手持gps定位仪采集每个调查点的空间信息。

本步骤中，所述预设条件，根据所述待监测种群的具体情况进行设定。以钉螺为例，其所分布的鄱阳湖地区，是不规则的葫芦状，因此，对矢量网格以面积为选择标准，将实际占踞鄱阳湖面积大于预定面积的网格，选定为待监测网格。例如，预定面积为24000m²，以鄱阳湖为例，选择其网格面积≥24000m²的网格，作为有效样本，共计37754待监测网格。也可按矢量网格中的待监测种群的生物密度进行选择，根据实际需要进行选择。

所述预设线距和点距，根据划分矢量网格所采用的预设比例进行选择，通常可采用预设长度的二分之一到十分之一，选择调查点。以钉螺孳生的鄱阳湖为例，采用50m的线距和点距，布设待监测网格中的调查点。

所述空间信息指所述调查点的经纬度信息。

步骤s4，以所述调查点的空间信息为依据，从ge中提取与所述调查点对应的高程数据形成ge高程数据集。

本步骤中，所述从ge中提取ge高程数据集，运用delphi工具，采用批量获取特征点高程的demtoolspro(2015)软件，通过api接口与ge系统关联进行数据提取。

步骤s5，调用国家基础地理信息系统(nationalfundamentalgeographicinformationsystem，nfgis)数据库，采集待监测区域的dem高程数据集。

本步骤中，所述采集监测区域内的dem高程数据集，将预设幅数、预设比例尺的待监测区域内地形图扫描成数字图像，并转换为矢量数据；从所述地形的矢量数据中提取高程小于预设值的等高线和高程点，进行数据处理，包括数据格式转换、坐标系变换、数据编辑、数据拼接等，得到地形高程数据集；再运用arcgis三维空间分析工具，由地形高程数据集生成待监测区域dem，再从所述待监测区域dem中获取与调查点对应的dem高程数据集。

所述转换为矢量数据，用专业地图数据化软件自动和半自动化进行转换。以鄱阳湖为例，采用240～300幅比例尺为1：10000的地形图，进行扫描获得数字图像。

步骤s6，根据所述ge高程数据集和dem高程数据集构建高程回归模型，所述高程回归模型以dem高程值和ge高程值为自变量，dem校正高程值为因变量。

优选地，所述步骤s6中，根据所述ge样本高程数据和dem样本高程数据构建高程回归模型，将提取了ge高程值和dem高程值的样本点随机选择70％，用于建立高程回归模型，而剩余的样本点将用于评估高程回归模型。高程回归模型采用基于由最小二乘法确定的二元线性回归方程对dem高程数据进行校正。模型表述如下：y＝ax1+bx2+c，其中ge和dem样本高程值为自变量，dem校正高程值为因变量，a和b为总体回归系数，c为总体回归方程的常数项，所述dem校正高程值为所获取的特定生物种群的生存环境高程值。所述作为自变量的ge和dem样本高程数据，本身是网格样本集的函数。当要获取特定生物种群的生存环境高程值时，通过所监测区域内的样本点数据映射出ge中的ge样本高程值，结合所采集的dem样本高程值，再通过高程回归模型对dem高程值进行校正，得到dem校正高程值。

进一步地，所述步骤s6构建高程回归模型，还包括：对所述高程回归模型的评估。为了评估高程模型的精度，分别采用平均绝对误差(mae)、均方根误差(rmse)和拟合系数(ioa)三项指标进行比较评估。mae和rmse的值越小，其所对校正后和高程精度越高，mae可以反映估算值可能的误差范围在，rmse可以反映模型的反演灵敏度和极值效应；ioa可以反映高程校正模型的拟合效果，其值越大，效果就越好。各评估值的表达式如下：

其中，pi表示第i个验证点高程的实际值，表示第i个验证点高程的估测值/dem或ge高程值，n表示验证点的数量，表示n个验证点实际高程的平均值，表示n个验证点估测高程的平均值。

所述高程回归模型的拟合程度为r²，是统计值。r²→1，表示回归方程拟合的越好，反之则越差。本发明实施例采用线性回归方法比较dem高程值与ge高程值之间的关系，发现两者之间存在显著的相关性，其相关系数r值高达0.917，并以这2个变量值建立校正回归方程式，其回归估计的拟合度高。

以上所述是本发明的优选实施方式，应当指出，本发明并不受限于以上所公开的示范性实施例，说明书的实质仅仅是帮助相关领域技术人员综合理解本发明的具体细节。对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，在本发明揭露的技术范围做出的若干改进和润饰、可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。