一种基于声景观智能分析的生态用地保护方法及系统技术方案

本发明专利技术公开了一种基于声景观智能分析的生态用地保护方法及系统，该方法包括：收集声景观数据并赋予对应的标签，构建样本数据集；输入样本数据集至深度学习模型进行训练，得到训练后的深度学习模型；获取生态保护红线并沿着生态保护红线设置音频采集设备，获取监测点数据集；输入监测点数据集至训练后的深度学习模型进行分类，并根据分类结果计算达标率，实现对生态保护红线的动态监测。通过使用本发明专利技术，能够更好地结合地域的生态环境状况对生态保护红线进行动态监测保护。本发明专利技术作为一种基于声景观智能分析的生态用地保护方法及系统，可广泛应用于生态保护范围监测技术领域。可广泛应用于生态保护范围监测技术领域。可广泛应用于生态保护范围监测技术领域。

【技术实现步骤摘要】
一种基于声景观智能分析的生态用地保护方法及系统


[0001]本专利技术涉及生态保护范围监测领域，尤其涉及一种基于声景观智能分析的生态用地保护方法及系统。

技术介绍

[0002]生态用地具有自然属性，为区域提供生态服务和生态产品，生态用地保护是区域高质量发展的基础，也是生态文明建设的关键。生态保护红线是在生态用地基础上以生态敏感、生态脆弱、重要生态功能为重点而划定强制保护的空间边界。生态保护红线的划定事关国家生态安全，以往生态保护红线的划定多基于遥感数据、土地利用调查数据等确定；声景观作为生态景观的重要特性，能表征动物活动与人类活动现象，可以帮助更全面地反映地域实际生态状况。然而现有技术方法关注于植被覆盖、水体等静态生态要素的状况，忽略了动物活动规律与人类活动对生态环境的影响；现有技术对生态保护红线的划定所依托的数据体量较大、处理成本高，而土地调查难以大范围开展，耗时耗力，难以实现较长时序的保护监测；现有技术的流程过于冗杂、数据多为静态数据导致无法实现实时计算和预警，缺乏日常管理的技术依据；这些局限导致划定的生态保护红线无法在短时间内重复评估、长时序的动态监测。

技术实现思路

[0003]为了解决上述技术问题，本专利技术的目的是提供一种基于声景观智能分析的生态用地保护方法及系统，能够更好地结合地域的生态环境状况对生态保护红线进行监测，有助于生态用地的保护。
[0004]本专利技术所采用的第一技术方案是：一种基于声景观智能分析的生态用地保护方法，包括以下步骤：
[0005]收集声景观数据并赋予对应的标签，构建样本数据集；
[0006]输入样本数据集至深度学习模型进行训练，得到训练后的深度学习模型；
[0007]获取生态保护红线并沿着生态保护红线设置音频采集设备，获取监测点数据集；
[0008]输入监测点数据集至训练后的深度学习模型进行分类，并根据分类结果计算达标率，实现对生态保护红线的动态监测。
[0009]进一步，所述收集声景观数据并赋予对应的标签，构建样本数据集这一步骤，其具体包括：
[0010]通过音频采集设备对待采集区域进行声景观采集，得到声景观数据；
[0011]按照时间段对声景观数据进行分割处理，得到具有时间序列的声景观数据；
[0012]根据地域声景观类型，对具有时间序列的声景观数据赋予标签处理，构建样本数据集。
[0013]进一步，所述输入样本数据集至深度学习模型进行训练，得到训练后的深度学习模型这一步骤，其具体包括：
[0014]融合串联卷积神经网络和循环神经网络，构建深度学习模型；
[0015]对样本数据集进行转换处理，得到三通道特征频谱图片；
[0016]将三通道特征频谱图片按照时间序列输入至深度学习模型，输出权重集；
[0017]基于权重集对深度学习模型进行调整处理，得到训练后的深度学习模型。
[0018]进一步，所述对样本数据集进行转换处理，得到三通道特征频谱图片这一步骤，其具体包括：
[0019]提取样本数据集的三通道梅尔频谱系数；
[0020]对三通道梅尔频谱系数进行转换处理，得到三通道梅尔频谱图；
[0021]对三通道梅尔频谱图进行堆叠处理，生成三通道特征频谱图片。
[0022]进一步，所述获取生态保护红线并沿着生态保护红线设置音频采集设备，获取监测点数据集这一步骤，其具体包括：
[0023]获取生态保护红线并按照预设的间隔距离设置监测点；
[0024]根据监测点设置音频采集设备；
[0025]音频采集设备将采集到的数据通过无线传输技术发送至后台服务器，得到监测点数据集。
[0026]进一步，所述输入监测点数据集至训练后的深度学习模型进行分类，并根据分类结果计算达标率，实现对生态保护红线的动态监测这一步骤，其具体包括：
[0027]对监测点数据集进行转换处理，得到监测点数据集的三通道特征频谱图片；
[0028]将监测点数据集的三通道特征频谱图片按照时间序列输入至训练后的深度学习模型，得到分类结果；
[0029]根据分类结果计算达标率对生态保护红线进行动态监测，所述达标率包括生态保护红线达标率和监测点达标率。
[0030]本专利技术所采用的第二技术方案是：一种基于声景观智能分析的生态用地保护系统，包括：
[0031]构建模块，用于收集声景观数据并赋予对应的标签，构建样本数据集；
[0032]训练模块，用于输入样本数据集至深度学习模型进行训练，得到训练后的深度学习模型；
[0033]获取模块，用于获取生态保护红线并沿着生态保护红线设置音频采集设备，获取监测点数据集；
[0034]监测模块，用于输入监测点数据集至训练后的深度学习模型进行分类，并根据分类结果计算达标率，实现对生态保护红线的动态监测。
[0035]本专利技术方法及系统的有益效果是：本专利技术通过构建深度学习模型并引入环境声景观数据进行训练，使得构建的深度学习模型具有对长时间序列的声景观数据进行分析的能力且输出的结果能帮助现有技术更全面反映地域的生态环境状况；沿着划定的生态保护红线设置音频采集设备，获取当天的监测点数据集，并输入当天监测点数据集至训练后的深度学习模型进行分类，能够快速地对生态红线进行重评估，有助于生态保护红线的日常监管。
附图说明
[0036]图1是本专利技术一种基于声景观智能分析的生态用地保护方法的步骤流程图；
[0037]图2是本专利技术一种基于声景观智能分析的生态用地保护系统的结构框图；
[0038]图3是本专利技术对声景观数据按照时间段进行分割与赋予标签的操作示意图；
[0039]图4是本专利技术输入监测点数据集输入至训练后的深度学习模型的具体操作流程示意图；
[0040]图5是本专利技术根据当天红线达标率和当月某监测点达标率来监测生态保护红线的示意图。
具体实施方式
[0041]下面结合附图和具体实施例对本专利技术做进一步的详细说明。对于以下实施例中的步骤编号，其仅为了便于阐述说明而设置，对步骤之间的顺序不做任何限定，实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。
[0042]对本专利技术的音频数据进行解释定义，本专利技术强调的音频数据是生态声景观数据，带有类型丰富的生态音频数据和非生态音频数据，并且此处的数据进行了时间序列分割，可以反映声景观的一定时间序列的变化特征。
[0043]参照图1，本专利技术提供了一种基于声景观智能分析的生态用地保护方法，该方法包括以下步骤：
[0044]S1、收集声景观数据并赋予对应的标签，构建样本数据集；
[0045]具体地，声景观数据包括生态保护声景观、非生态保护声景观两类，每一类型的声景观都包含了多个采样地点，并且，为使得声景观数据反映对应地点较完整的生态状况，每一个采样地点都采集了长时间音频数据，而相应标签是指所采集音频数据的采样地点所属的声景观类型，再通过对音频数据进行时间本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于声景观智能分析的生态用地保护方法，其特征在于，包括以下步骤：收集声景观数据并赋予对应的标签，构建样本数据集；输入样本数据集至深度学习模型进行训练，得到训练后的深度学习模型；获取生态保护红线并沿着生态保护红线设置音频采集设备，获取监测点数据集；输入监测点数据集至训练后的深度学习模型进行分类，并根据分类结果计算达标率，实现对生态保护红线的动态监测。2.根据权利要求1所述一种基于声景观智能分析的生态用地保护方法，其特征在于，所述收集声景观数据并赋予对应的标签，构建样本数据集这一步骤，其具体包括：通过音频采集设备对待采集区域进行声景观采集，得到声景观数据；按照时间段对声景观数据进行分割处理，得到具有时间序列的声景观数据；根据地域声景观类型，对具有时间序列的声景观数据赋予标签处理，构建样本数据集。3.根据权利要求1所述一种基于声景观智能分析的生态用地保护方法，其特征在于，所述输入样本数据集至深度学习模型进行训练，得到训练后的深度学习模型这一步骤，其具体包括：融合串联卷积神经网络和循环神经网络，构建深度学习模型；对样本数据集进行转换处理，得到三通道特征频谱图片；将三通道特征频谱图片按照时间序列输入至深度学习模型，输出权重集；基于权重集对深度学习模型进行调整处理，得到训练后的深度学习模型。4.根据权利要求3所述一种基于声景观智能分析的生态用地保护方法，其特征在于，所述对样本数据集进行转换处理，得到三通道特征频谱图片这一步骤，其具体包括：提取样本数据集的梅尔频谱系数、一阶差分梅尔频谱系数和二阶差分梅尔频谱系数；对梅尔频谱系数、一阶差分梅尔频谱系数和二阶差分梅尔频谱系数分别进行可视化处理...

【专利技术属性】
技术研发人员：周素红，王林森，邹丹，宋江宇，吴帅霖，
申请(专利权)人：中山大学，
类型：发明
国别省市：