基于遥感数据反演的城市多样性指数分析与可视化建模的制作方法

1.本发明属于城市多样性分析技术领域，尤其涉及一种基于遥感数据反演的城市多样性指数分析与可视化建模系统与多样性分析方法。
2.

背景技术：

3.多样性是人类社会生存的基础因素之一，是人类社会保护自然生态环境重要措施，是实现人与自然共同和可持续发展目标的根本保障。城市多样性则体现在多个方面，包括生物多样性、功能样性、景观多样性以及土地利用多样性。
4.随着国内外新兴科学理论与研究技术的突破，实现了从传统实地测评到近些年遥感评估方法、模型评估方法的发展，多样性的评估监测方法越来越丰富多样，各具特色，使多样性研究工作更严谨，成果更可靠。而评价的时空尺度也更广泛、更多元，使多样性的工作更宏观，成果更科学，为多样性的保护提供科学依据和决策支持。
5.经检索，在专利文献方面，中国发明专利公开文本cn108665149a提出一种基于城市功能混合度的测算方法，其包括：获取poi数据集，依据poi数据集中的类型信息进行城市功能分类；绘制城市道路线图层数据，并提取各道路中心点作为城市功能混合度的测算单元；提取各测算单元所在道路的相邻街区，构建各测算单元的城市功能混合度测算指标；建立功能混合度测算模型，并对各测算单元进行城市功能混合度的测算。
6.非专利对此研究较多。其中，张思乔通过运用大数据对合肥市老城区街区功能密度与多样性的研究（张思乔. 合肥老城街区功能密度与多样性研究[d].安徽建筑大学,2020.）；贾敦新以重庆市悦来生态城为例,通过综合叠加各项地形、地貌分析成果选定样线,根据不同类型植物群落沿样线选取53个样方,借助gps和gis构建植物属性信息数据库,进而应用统计指标分析区域生态本底条件（基于gis的城市规划生态本底研究——以重庆市悦来生态城为例[j].测绘与空间地理信息,2018,41(10):156
‑
159）。
[0007]
然而，在实际决策和应用过程中，上述现有技术提出的方案都只是针对特定类型的单一指数进行分析。当城市决策者需要从多角度预测城市多样性时，则需要逐一进行数据采集和演化，导致效率较低，适用性较差。
[0008]


技术实现要素：

[0009]
为解决上述技术问题，本发明提出基于遥感数据反演的城市多样性指数分析与可视化建模系统与多样性分析方法。系统包括城市数据获取子系统、数据尺度选择子系统、数据分离处理子系统、多样性指数确定子系统以及数据反演子系统。数据尺度选择子系统自动推荐出目标多样性指数所需的城市数据类型与城市数据尺度；数据分离处理子系统用于从城市数据获取子系统分离出对应城市数据类型与城市数据尺度的目标城市数据；数据反演子系统基于预定数据反演模型对所述目标城市数据进行反演处理，以得到目标多样性指
数，在人机交互界面上显示不同的第一多样性指数的随时间和空间变化的趋势图。
[0010]
本发明还提出基于上述系统实现的一种基于遥感数据反演的城市多样性分析方法。
[0011]
采用上述技术方案，本发明可以实现不同类型的多样性指数的可视化展现。
[0012]
具体而言，在本发明的第一个方面，提供一种基于遥感数据反演的城市多样性指数分析系统，所述系统包括城市数据获取子系统、数据尺度选择子系统、数据分离处理子系统、多样性指数确定子系统以及数据反演子系统。
[0013]
其中，各个子系统的具体实现功能和相应的技术手段如下：城市数据获取子系统：获得所述城市的多种多样性样本数据，所述多种多样性样本数据包括卫星遥感空间样本数据、gis地理空间样本数据、激光雷达点云数据以及无人机遥感数据；数据尺度选择子系统：保存有不同多样性指数与所需的对应类型城市数据尺度关系表，并基于所述多样性指数确定子系统确定的目标多样性指数类型，自动推荐出所述目标多样性指数所需的城市数据类型与城市数据尺度；数据分离处理子系统：基于所述数据尺度选择子系统自动推荐出的所述城市数据类型与城市数据尺度，从所述城市数据获取子系统分离出对应所述城市数据类型与所述城市数据尺度的目标城市数据；数据反演子系统：基于预定数据反演模型，对所述目标城市数据进行反演处理，以得到所述目标多样性指数。
[0014]
作为本发明的多种多样性指数的选择之一，所述多样性指数包括城市土地利用多样性指数、城市景观多样性指数、城市功能多样性指数以及城市生物多样性指数。
[0015]
作为本发明实现上述多种多样性指数的数据反演模型选择之一，所述预定数据反演模型包括npp模型、garp模型、invest模型、enfa以及maxent模型。
[0016]
对应于上述模型多样性和指数多样性，所述数据反演子系统基于预定数据反演模型，对所述目标城市数据进行反演处理，以得到所述目标多样性指数，包括：所述数据反演子系统通过至少两种预定数据反演模型得到同一种目标多样性指数的至少两种随时间变化的趋势图；将所述至少两种随时间变化的趋势图在同一数据尺度下的同一个坐标系中可视化的展现。
[0017]
基于第一个方面的所述多样性指数分析系统，在本发明的第二个方面，提供一种基于遥感数据反演的城市多样性指数可视化建模系统，所述可视化建模系统包括人机交互界面，所述人机交互界面包括界面切换按钮和多样性指数类型选择按钮；所述数据反演子系统连接所述人机交互界面；基于所述多样性指数类型选择按钮选择的第一多样性指数，所述数据反演子系统基于至少两种预定数据反演模型得到第一多样性指数的至少两种随时间和空间变化的趋势图。
[0018]
并且，通过所述界面切换按钮，在所述人机交互界面上显示不同的所述第一多样性指数的所述随时间和空间变化的趋势图。
[0019]
基于前述第一个方面的所述多样性指数分析系统，本发明还提出一种基于遥感数
据反演的城市多样性分析方法，所述方法首先建立不同多样性指数与所需的对应类型城市数据类型与数据尺度的对应关系表，然后执行如下步骤：s100：确定城市多样性分析需求，基于所述城市多样性分析需求，确定目标多样性指数类型；s101：基于所述目标多样性指数类型，确定所述城市多样性分析所需的城市数据类型与城市数据尺度；在该步骤中，基于所述对应关系表，确定所述目标多样性指数所需的城市数据类型与城市数据尺度。
[0020]
s102：基于所述城市数据类型与城市数据尺度，获得对应所述城市数据类型与所述城市数据尺度的目标城市数据；s103：基于预定数据反演模型，对所述目标城市数据进行反演处理，以得到所述目标多样性指数。
[0021]
本发明的技术方案，通过获取不同数据尺度和数据类型的样本数据，以及基于不同类型的多样性指数的分析需要，可以自动的实现数据分析匹配和多样化多角度的可视化指数分析展现。
[0022]
本发明的进一步优点将结合说明书附图在具体实施例部分进一步详细体现。
[0023]
附图说明
[0024]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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。
[0025]
图1是本发明一个实施例的一种基于遥感数据反演的城市多样性指数分析系统的子系统组合架构图图2是图1所述系统中的城市数据获取子系统的数据来源示意图图3是图1所述系统中多样性指数确定子系统支持的多样性指数类型示意图图4是图1所述系统中所述数据尺度选择子系统保存的对应关联表示意图图5是本发明一个实施例的一种基于遥感数据反演的城市多样性指数可视化建模系统的架构图图6是本发明一个实施例的一种基于遥感数据反演的城市多样性分析方法的主要步骤图
具体实施方式
[0026]
参见图1，本发明一个实施例的一种基于遥感数据反演的城市多样性指数分析系统的子系统组合架构图。
[0027]
在图1中，所述系统包括城市数据获取子系统、数据尺度选择子系统、数据分离处理子系统、多样性指数确定子系统以及数据反演子系统。
[0028]
所述城市数据获取子系统，用于获得所述城市的多种多样性样本数据；所述数据尺度选择子系统保存有不同多样性指数与所需的对应类型城市数据尺度关系表，并基于所述多样性指数确定子系统确定的目标多样性指数类型，自动推荐出所述目标多样性指数所需的城市数据类型与城市数据尺度；所述数据分离处理子系统，用于基于所述数据尺度选择子系统自动推荐出的所述城市数据类型与城市数据尺度，从所述城市数据获取子系统分离出对应所述城市数据类型与所述城市数据尺度的目标城市数据；所述数据反演子系统基于预定数据反演模型，对所述目标城市数据进行反演处理，以得到所述目标多样性指数。
[0029]
更具体的，在图1基础上，参见图2，图2示出图1所述系统中的城市数据获取子系统的数据来源示意图。
[0030]
在图2中，所述多种多样性样本数据包括卫星遥感空间样本数据、gis地理空间样本数据、激光雷达点云数据以及无人机遥感数据。
[0031]
不同样本数据具备不同的数据尺度，所述城市数据尺度包括空间尺度和时间尺度。
[0032]
更具体的，所述卫星遥感空间样本数据包括数字高程模型数据集，所述数字高程模型数据集为包括所述城市的陆地数据集，所述陆地数据集按照第一预定周期更新；所述gis地理空间样本数据从预先构建的地理信息系统中获取，所述预先构建的地理信息系统包括多种数据库，所述多种数据库以第二预定周期更新所述gis地理空间样本数据；所述激光雷达点云数据通过移动雷达测量车通过车载雷达获取，所述移动雷达测量车在所述城市范围的第一目标路线上移动；所述无人机遥感数据基于无人机在包括所述第一目标路线的范围内飞行采集获取；其中，所述第一预定周期大于所述第二预定周期；所述陆地数据集的空间尺度大于所述gis地理空间样本数据以及所述无人机遥感数据的空间尺度；所述无人机遥感数据的空间尺度大于所述激光雷达点云数据的空间尺度。
[0033]
继续参见图3，图3是图1所述系统中多样性指数确定子系统支持的多样性指数类型示意图。
[0034]
所述多样性指数包括城市土地利用多样性指数、城市景观多样性指数、城市功能多样性指数以及城市生物多样性指数。
[0035]
土地利用多样性，又称土地利用多功能性（multi
‑
functionality of land）。土地利用多样性指数表征了土地利用多功能性的评价尺度，具体包括利用数理统计等分析手段与“3s”等空间分析技术相结合,对某一时间截面,或较长时间序列,或特定区域的土地利用多功能性进行测度，并基于预定的指标体系得出测度指数；一般说来，城市土地利用多样性指数与城市景观多样性指数存在一定关联但是各有侧重，类似的介绍可参见现有技术：张学雷,屈永慧,任圆圆,赵斐斐.土壤、土地利用多样性及其与相关景观指数的关
联分析[j].生态环境学报,2014,23(06):923
‑
931.）progress and prospects of multi
‑
functionality of land use research，liu chao, 地理科学进展 2016 , 35 (9): 1087
‑
1099 https://doi.org/10.18306/dlkxjz.2016.09.004。
[0036]
城市景观多样性指数，是指高度浓缩景观格局信息，反映其结构组成和空间配置某些方面特征的简单定量指标；适合定量表达景观格局和生态过程之间关联的空间分析方法。
[0037]
在本实施例中，城市景观多样性指数包括多种指数或者其加权组合，例如景观优势度指数、景观均匀度指数、景观破碎化指数以及景观聚集度指数，其中，景观破碎化指数与后续的城市生物多样性指数关联。
[0038]
城市景观多样性指数的介绍可以参见如下现有技术：朱晓磊,张建军.资源型城市生态服务价值与景观多样性关系研究[j].中国矿业,2017,26(02):88
‑
94.城市功能多样性指数，又称城市功能混合度，指在特定的城市范围内与居民生活密切相关的城市功能类型的综合组成状况。其测算和分析结果在城市居民交通、土地利用完善、城市规划布局等方面有重要的现实意义，可为城市交通状况出行效率分析、土地利用评价计算、以及城市布局优化分析等提供重要的数据支撑。
[0039]
城市生物多样性指数。生物多样性是20末期依赖最为人关注的焦点之一，生物多样性尤其是城市生物多样性逐渐成为焦点，其测度可参见各种现有技术，例如如下文献：苏敬华.城市生物多样性指数[j].中国环境科学,2009,29(10):1110.在本发明的上述实施例中，所述多样性指数确定子系统确定目标多样性指数类型，所述数据尺度选择子系统保存有不同多样性指数与所需的对应类型的城市数据尺度关系表。
[0040]
具体的，可参见图4。
[0041]
若所述多样性指数确定子系统确定的目标多样性指数为土地利用多样性指数或城市景观多样性指数，则所述数据分离处理子系统从所述城市数据获取子系统中获取所述卫星遥感空间样本数据和/或gis地理空间样本数据；若所述多样性指数确定子系统确定的目标多样性指数为城市功能多样性指数，则所述数据分离处理子系统从所述城市数据获取子系统中获取激光雷达点云数据以及所述无人机遥感数据。
[0042]
若所述多样性指数确定子系统确定的目标多样性指数为城市生物多样性指数，则所述数据分离处理子系统从所述城市数据获取子系统中获取卫星遥感空间样本数据、激光雷达点云数据以及所述无人机遥感数据。
[0043]
上述各种不同的多样性指数基于不同的样本数据采用相同或者不同的数据反演模型得出。
[0044]
具体来说，所述预定数据反演模型包括npp模型、garp模型、invest模型、enfa以及maxent模型。
[0045]
作为优选， 所述数据反演子系统基于预定数据反演模型，对所述目标城市数据进行反演处理，以得到所述目标多样性指数，具体包括：
所述数据反演子系统通过至少两种预定数据反演模型得到同一种目标多样性指数的至少两种随时间变化的趋势图；将所述至少两种随时间变化的趋势图在同一数据尺度下的同一个坐标系中可视化的展现。
[0046]
在上述模型中，基于生产力是决定生物多样性的主要因素之一，可采用不同的净初级生产力（net primary productivity, npp）模型方法；而基于环境因素，模型可采用bioclim、enfa、garp、maxent、invest等，这一类模型统称为生态位模型，是利用已知的物种分布数据和相关环境因素数据，分析物种生态需求，将结果映射到时空中以预测实际分布和潜在分布。
[0047]
此外，基于生态过程的模型，包括 hsi、ramas、metaphor、vortex 等,这一类模型主要是定量的分析物种对生境空间的适应性及其生存能力。
[0048]
综合的模型包括
ꢀ“
驱动力
‑
状态
‑
响应”模型(driving force
‑
status
‑
response, dsr)、驱动力
‑
压力
‑
状态
‑
影响
‑
响应模型(drive force
‑
pressure
‑
state
‑
impact
‑
response frame model, dpsir)等。
[0049]
在上述实施例基础上，图5是本发明一个实施例的一种基于遥感数据反演的城市多样性指数可视化建模系统的架构图。
[0050]
图5中，所述可视化建模系统连接图1所述的一种基于遥感数据反演的城市多样性指数分析系统。
[0051]
其中，所述可视化建模系统包括人机交互界面，所述人机交互界面包括界面切换按钮和多样性指数类型选择按钮；所述数据反演子系统连接所述人机交互界面；基于所述多样性指数类型选择按钮选择的第一多样性指数，所述数据反演子系统基于至少两种预定数据反演模型得到第一多样性指数的至少两种随时间和空间变化的趋势图。
[0052]
通过所述界面切换按钮，在所述人机交互界面上显示不同的所述第一多样性指数的所述随时间和空间变化的趋势图。
[0053]
最后图6示出的是一种基于遥感数据反演的城市多样性分析方法的主要步骤图。该方法可以基于图1所述系统实现。
[0054]
图6所述方法包括如下步骤：s100：确定城市多样性分析需求，基于所述城市多样性分析需求，确定目标多样性指数类型；s101：基于所述目标多样性指数类型，确定所述城市多样性分析所需的城市数据类型与城市数据尺度；s102：基于所述城市数据类型与城市数据尺度，获得对应所述城市数据类型与所述城市数据尺度的目标城市数据；s103：基于预定数据反演模型，对所述目标城市数据进行反演处理，以得到所述目标多样性指数；其中，作为关键性的组成部分，在所述步骤s100之前，所述方法包括：建立不同多样性指数与所需的对应类型城市数据类型与数据尺度的对应关系表；
所述步骤s101基于所述对应关系表，确定所述目标多样性指数所需的城市数据类型与城市数据尺度。
[0055]
实践证明，通过获取不同数据尺度和数据类型的样本数据，以及基于不同类型的多样性指数的分析需要，本发明可以自动的实现数据分析匹配和多样化多角度的可视化指数分析展现。
[0056]
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。