多维数据特征图构建方法技术

本发明专利技术提供的多维数据特征图构建方法

【技术实现步骤摘要】
多维数据特征图构建方法、系统、智能终端和介质


[0001]本专利技术涉及森林碳汇
，尤其涉及一种多维数据特征图构建方法
、
系统
、
智能终端和介质
。

技术介绍

[0002]现有减少来自森林砍伐和森林退化的碳排放（
Reducing Emissions from Deforestation and Forest Degradation
，
REDD
）项目旨在通过减少砍伐和森林退化来降低温室气体排放
。
为了实现这一目标，项目需要对森林资源的变化进行准确
、
实时的监测
。
[0003]现有的监测方法主要依赖于遥感技术，如卫星图像和无人机拍摄的高分辨率图像
。
然而，现有技术存在数据源单一或数据量较少，或者无法有效提取数据特征，导致对森林变化情况判断不准确且灵敏度较低
。

技术实现思路

[0004]鉴于上述现有技术的不足，本专利技术的目的在于提供一种多维数据特征图构建方法
、
系统
、
智能终端和介质，旨在解决现有技术中存在的对森林变化情况判断不准确且灵敏度较低的问题
。
[0005]为了实现上述目的，本专利技术第一方面提供一种多维数据特征图构建方法，包括：获取目标森林区域的数据源，基于预设的分类类型，将所有所述数据源进行归类，获得若干个数据集；基于预先根据实际应用确定的目标类型，在各个所述数据集中提取数据，获得若干种目标类型数据；基于所述目标类型数据，构建相应类型的特征图；将所有所述特征图进行融合，构建联合图层
。
[0006]可选的，所述获取目标森林区域的数据源之前，还包括：提取所述目标森林区域的边界；基于所述目标森林区域的边界，计算所述目标森林区域的中心点坐标；基于所述中心点坐标及预设的扩展区域半径，构建所述目标森林区域的扩展边界，获得扩展区域，并将所述扩展区域设为所述目标森林区域
。
[0007]可选的，所述基于预先根据应用场景确定的目标类型，在各个所述数据集中提取数据，获得若干种目标类型数据，包括：将所述目标森林区域进行裁剪，获得栅格图；获取预先根据应用场景确定的目标类型；基于所述目标类型，提取所述栅格图对应的各个所述数据集中的数据，获得若干种目标类型数据
。
[0008]可选的，所述基于所述目标类型数据，构建相应类型的特征图，包括：若所述目标类型数据为数值型栅格数据或类别型栅格数据，提取所述数据源中在
目标波段内的栅格数据，获得目标数据特征；若所述目标类型为数值型，则利用所述目标数据特征构建数值型特征图；若所述目标类型为类别型，则利用所述目标数据特征构建类别型特征图
。
[0009]可选的，所述基于所述目标类型数据，构建相应类型的特征图，还包括：若所述目标类型数据为表示点实体的栅格数据，则将目标同质区域中相邻点之间的距离小于预设的最大融合距离的区域进行融合，获得同质矢量图，所述目标同质区域是指由目标类型相同的所述栅格数据组成的区域；计算所述目标森林区域内各个点到所述同质矢量图边界的最近距离，获得各个点到所述目标同质区域的距离；基于各个点到所述目标同质区域的距离，构建距离型特征图
。
[0010]可选的，所述基于所述目标类型数据，构建相应类型的特征图，还包括：若所述目标类型数据为矢量型数据，则计算所述目标森林区域内各个点到所述扩展边界的最近距离，获得各个点到所述扩展边界的距离；基于各个点到所述扩展边界的距离，构建距离型特征图
。
[0011]可选的，所述将各个所述特征图进行融合，构建联合图层，包括：获取预设的目标空间分辨率；基于所述目标空间分辨率，将各个所述特征图进行缩放，获得各个更新后的特征图；将各个所述更新后的特征图进行拼接，获得联合图层
。
[0012]本专利技术第二方面提供一种多维数据特征图构建系统，所述系统包括：数据集构建模块，用于获取目标森林区域的数据源，基于预设的分类类型，将所有所述数据源进行归类，获得若干个数据集；目标类型数据提取模块，用于基于预先根据实际应用确定的目标类型，在各个所述数据集中提取数据，获得若干种目标类型数据；特征图构建模块，用于基于所述目标类型数据，构建相应类型的特征图；特征图融合模块，用于将所有所述特征图进行融合，构建联合图层
。
[0013]本专利技术第三方面提供一种智能终端，所述智能终端包括存储器
、
处理器以及存储在所述存储器上并可在所述处理器上运行的多维数据特征图构建程序，所述多维数据特征图构建程序被所述处理器执行时实任意一项上述多维数据特征图构建方法的步骤
。
[0014]本专利技术第四方面提供一种计算机可读存储介质，所述计算机可读存储介质上存储有多维数据特征图构建程序，所述多维数据特征图构建程序被处理器执行时实现任意一项上述多维数据特征图构建方法的步骤
。
[0015]与现有技术相比，本方案的有益效果如下：本专利技术通过获取目标森林区域的数据源，基于预设的分类类型，将所有数据源进行归类，获得若干个数据集，实现了对数据源中包括的各种数据类型的归类处理，以便于提高提取每种类型数据的准确性和效率；然后基于预先根据实际应用确定的目标类型，在各个数据集中提取数据，获得若干种目标类型数据；基于目标类型数据，构建相应类型的特征图；将构建出的所有特征图进行融合，构建联合图层
。
[0016]可见，本专利技术能够根据实际应用确定的目标类型，有选择性地提取一种或几种所
需类型的数据，并利用提取出的数据构建单层或多层的特征图，能够有效提高对数据源中的多种复杂数据类型识别的准确性，从而有利于提高构建特征图的效率和准确性；而且能够高效地实现对不同类型数据的融合，从而显著提高对森林变化监测的准确性和灵敏度
。
附图说明
[0017]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例或现有技术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专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图
。
[0018]图1为本专利技术的多维数据特征图构建方法流程图；图2为本专利技术的构建单层特征图的主要流程图；图3为本专利技术的构建距离型特征图的主要流程图；图4为本专利技术的特征图融合流程图；图5为本专利技术的多维数据特征图构建系统结构示意图；图6为本专利技术的智能终端结构示意图
。
具体实施方式
[0019]以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构
、
技术之类的具体细节，以便透彻理解本专利技术实施例
。
然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本专利技术
。
在其它情况下，省略对众所周知的系统
、
装置
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种多维数据特征图构建方法，其特征在于，包括以下步骤：获取目标森林区域的数据源，基于预设的分类类型，将所有所述数据源进行归类，获得若干个数据集；基于预先根据实际应用确定的目标类型，在各个所述数据集中提取数据，获得若干种目标类型数据；基于所述目标类型数据，构建相应类型的特征图；将所有所述特征图进行融合，构建联合图层
。2.
根据权利要求1所述的多维数据特征图构建方法，其特征在于，所述获取目标森林区域的数据源之前，还包括：提取所述目标森林区域的边界；基于所述目标森林区域的边界，计算所述目标森林区域的中心点坐标；基于所述中心点坐标及预设的扩展区域半径，构建所述目标森林区域的扩展边界，获得扩展区域，并将所述扩展区域设为所述目标森林区域
。3.
根据权利要求1或2所述的多维数据特征图构建方法，其特征在于，所述基于预先根据应用场景确定的目标类型，在各个所述数据集中提取数据，获得若干种目标类型数据，包括：将所述目标森林区域进行裁剪，获得栅格图；获取预先根据应用场景确定的目标类型；基于所述目标类型，提取所述栅格图对应的各个所述数据集中的数据，获得若干种目标类型数据
。4.
根据权利要求1所述的多维数据特征图构建方法，其特征在于，所述基于所述目标类型数据，构建相应类型的特征图，包括：若所述目标类型数据为数值型栅格数据或类别型栅格数据，提取所述数据源中在目标波段内的栅格数据，获得目标数据特征；若所述目标类型为数值型，则利用所述目标数据特征构建数值型特征图；若所述目标类型为类别型，则利用所述目标数据特征构建类别型特征图
。5.
根据权利要求1所述的多维数据特征图构建方法，其特征在于，所述基于所述目标类型数据，构建相应类型的特征图，还包括：若所述目标类型数据为表示点实体的栅格数据，则将目标同质区域中相邻点之间的距离小于预设的最大融合距离的区域进行融合，获得同质矢量图，所述目标同质区域是指由目标类型相同的所述栅格数据组成的...

【专利技术属性】
技术研发人员：汪飙，唐玉芝，朱超杰，吴海山，李世行，李兆鹏，谭琳琳，李清泉，
申请(专利权)人：人工智能与数字经济广东省实验室深圳，
类型：发明
国别省市：