一种用于时空分析的年轮数据构建及应用方法技术

本发明专利技术涉及一种用于时空分析的年轮数据构建及应用方法，包括：将以时间标签表达地理对象随时间呈空间收缩或者扩张的数据结构定义为年轮数据；制作所述年轮数据；基于所述年轮数据绘制地理对象时空分布图，并根据速度计算公式进行速度制图；根据加速度计算公式进行研究对象加速度制图，结合相关因子进行线性回归分析。本发明专利技术的有益效果是：本发明专利技术针对两种常见的地理对象特征，结合遥感数据长时间序列的优势，弥补了遥感数据在进行时空分析时数据量过大、使用的分析模型复杂的缺陷，对地理对象能有效进行时空变化分析以及驱动力分析，为基于遥感数据的时空分析提供方法参考。基于遥感数据的时空分析提供方法参考。基于遥感数据的时空分析提供方法参考。

【技术实现步骤摘要】
一种用于时空分析的年轮数据构建及应用方法


[0001]本专利技术涉及用于时空分析的遥感数据应用方法领域，更确切地说，它涉及一种用于时空分析的年轮数据构建及应用方法。

技术介绍

[0002]地理对象的时空变化分析是地理研究的重要组成部分，研究地理对象的时空变化有助于揭示其时空特征。进一步，我们可以根据这些特征预测潜在的变化，从而评估变化的合理性和可能的风险，并提出相应的对策。目前，时空变化分析的数据源通常分为地面观测数据和遥感数据。随着遥感技术的发展，卫星遥感影像因能提供时空连续的对地观测而逐渐成为主要的数据源。遥感数据目前已广泛应用于气象监测、森林调查、环境健康、城市规划、水利和全球气候变化等领域。
[0003]然而，在进行长时间序列和大地理范围的研究时，遥感数据可能是一个负担。这些研究涉及大量的数据，使得研究人员不得不做额外的数据组织工作来进行时空变化分析。对于具有在大覆盖范围、长时间序列上变化的地理对象，如洪水扩张、城市扩张、森林覆盖变化监测等，通常需要对遥感数据进行预处理以拟合模型输入，这是一项耗时耗力的工作。尽管一些方法如数据密集型索引、多维数据立方体可以解决遥感数据处理繁琐的问题，但这些方法对地理对象的时空变化分析考虑较少。
[0004]在地理对象的时空分析中，关键是需要考虑恰当的方法。大多数对遥感数据进行时空分析的研究只是对不同时间下地理对象空间分布特征的表达。这些研究本质上是时空分离的，难以挖掘出全面的时空信息。此外，当涉及长时间序列和大范围分析时，采用这些方法较难解释地理对象的时空变化特征。目前还没有关于如何在实际应用中基于长时间序列遥感数据分析地理对象时空变化分析的方法。

技术实现思路

[0005]本专利技术的目的是克服现有技术中的不足，提供了一种用于时空分析的年轮数据构建及应用方法，以解决现有方法未能高效进行时空变化分析的缺陷。此外，本专利技术构建的年轮数据不仅能简洁地表达地理对象的时空变化格局，而且可以为不同领域研究对象的时空驱动力分析提供方法参考。
[0006]第一方面，提供了一种用于时空分析的年轮数据构建及应用方法，包括：
[0007]S1、将以时间标签表达地理对象随时间呈空间收缩或者扩张的数据结构定义为年轮数据；
[0008]S2、制作所述年轮数据；
[0009]S3、基于所述年轮数据绘制地理对象时空分布图，并根据速度计算公式进行速度制图；
[0010]S4、根据加速度计算公式进行研究对象加速度制图，结合相关因子进行线性回归分析。
[0011]作为优选，S2包括：
[0012]S201、收集目标对象相关的长时间序列数据，所述长时间序列数据包括遥感数据；
[0013]S202、对S201所收集的数据进行重分类；
[0014]S203、根据各个时期的要素空间范围判断要素的空间变化特征是扩张还是收缩；
[0015]S204、根据要素空间变化特征采用正向或者逆向的数据融合方法，以形成恰当的年轮数据。
[0016]作为优选，S202中，所述重分类，包括：将要素所在的像元重新赋值为相应时间，将不含该要素的像元赋值为空。
[0017]作为优选，S3包括：
[0018]S301、在绘制地理对象时空分布图时，按照时间属性进行色彩分级，颜色由时间先后顺序设置为渐变色；
[0019]S302、定义速度计算公式(公式1)，从年轮数据中提取出多个时间点进行不同阶段的速度计算，并根据计算结果进行制图；速度计算公式表示为：
[0020]Speed
i,t0
→
t1
＝(area
i,t1
‑
area
i,t0
)/(t1
‑
t0)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
公式1
[0021]式中：Speed表示速度，i表示每个格网；t表示时间；area为格网内要素的面积，通常根据研究尺度大小而设置一个合适的格网，以统计该区域内包含研究对象的像元个数，将个数乘以像元面积即作为格网内要素的面积。
[0022]作为优选，S4包括：
[0023]S401、定义加速度计算公式(公式2)，并基于S302计算的速度数据进行不同阶段的加速度计算和制图；加速度计算公式表示为：
[0024]Acceleration
i,T
＝(Speed
i,t1
→
t2
‑
Speed
i,t0
→
t1
)/T
ꢀꢀꢀꢀꢀꢀꢀꢀ
公式2
[0025]式中：Acceleration表示加速度，i表示每个格网；t表示时间；T表示两个速度之间的时间段。
[0026]S402、构建相关因子的年轮数据以及加速度数据，采用普通线性回归进行驱动力分析。
[0027]第二方面，提供了一种用于时空分析的年轮数据构建及应用装置，用于执行第一方面任一所述的用于时空分析的年轮数据构建及应用方法，包括：
[0028]定义模块，用于将以时间标签表达地理对象随时间呈空间收缩或者扩张的数据结构定义为年轮数据；
[0029]制作模块，用于制作所述年轮数据；
[0030]第一制图模块，用于基于所述年轮数据绘制地理对象时空分布图，并根据速度计算公式进行速度制图；
[0031]第二制图模块，用于根据加速度计算公式进行研究对象加速度制图，结合相关因子进行线性回归分析。
[0032]第三方面，提供了一种计算机存储介质，所述计算机存储介质内存储有计算机程序；所述计算机程序在计算机上运行时，使得计算机执行权利要求1至5任一所述的用于时空分析的年轮数据构建及应用方法。
[0033]本专利技术的有益效果是：本专利技术提出一种用于时空分析的年轮数据构建及应用方法，针对两种常见的地理对象特征，结合遥感数据长时间序列的优势，弥补了遥感数据在进
行时空分析时数据量过大、使用的分析模型复杂的缺陷，对地理对象能有效进行时空变化分析以及驱动力分析，为基于遥感数据的时空分析提供方法参考，同时也促进环境健康、土地利用、城市发展等多个领域的时空分析应用。
附图说明
[0034]图1为一种用于时空分析的年轮数据构建及应用方法的流程图；
[0035]图2为年轮数据一般形式示意图；
[0036]图3为本专利技术实施例中的研究区域图；
[0037]图4为2000
‑
2020年亚马逊流域森林覆盖年轮地图；
[0038]图5为亚马逊流域森林损失的速度和加速度地图；
[0039]图6为2000
‑
2020年亚马逊流域森林和耕地面积的时间变化图；
[0040]图7为2000
‑
2020年亚马逊流域耕地覆盖年轮地图；
[0041]图8为耕地和森林变化速度的线性回归结果示意图。
具体实施方式
[004本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于时空分析的年轮数据构建及应用方法，其特征在于，包括：S1、将以时间标签表达地理对象随时间呈空间收缩或者扩张的数据结构定义为年轮数据；S2、制作所述年轮数据；S3、基于所述年轮数据绘制地理对象时空分布图，并根据速度计算公式进行速度制图；S4、根据加速度计算公式进行研究对象加速度制图，结合相关因子进行线性回归分析。2.根据权利要求1所述的用于时空分析的年轮数据构建及应用方法，其特征在于，S2包括：S201、收集目标对象相关的长时间序列数据，所述长时间序列数据包括遥感数据；S202、对S201所收集的数据进行重分类；S203、根据各个时期的要素空间范围判断要素的空间变化特征是扩张还是收缩；S204、根据要素空间变化特征采用正向或者逆向的数据融合方法，以形成恰当的年轮数据。3.根据权利要求2所述的用于时空分析的年轮数据构建及应用方法，其特征在于，S202中，所述重分类，包括：将要素所在的像元重新赋值为相应时间，将不含该要素的像元赋值为空。4.根据权利要求3所述的用于时空分析的年轮数据构建及应用方法，其特征在于，S3包括：S301、在绘制地理对象时空分布图时，按照时间属性进行色彩分级，颜色由时间先后顺序设置为渐变色；S302、定义速度计算公式，从年轮数据中提取出多个时间点进行不同阶段的速度计算，并根据计算结果进行制图；速度计算公式表示为：Speed
i,t0
→
t1
＝(area
i,t1
‑
area
i,t0
)/(t1
‑
t0)式中：Speed表示速度，i表示每...

【专利技术属性】
技术研发人员：李新虎，刘新，
申请(专利权)人：浙大城市学院，
类型：发明
国别省市：