【技术实现步骤摘要】
本专利技术实施例涉及地理信息系统与人工智能交叉，特别涉及一种珊瑚沙洲空间形态预测方法、装置及设备。
技术介绍
1、珊瑚沙洲是珊瑚岛的前一地貌类型。珊瑚沙洲如果继续发育，有可能演变为珊瑚岛。通常情况下，珊瑚沙洲海拔极低，大多无植被生长，极易受气候条件(如季风、台风等)和水文动力条件(如波浪、海流等)的影响，而且其空间位置不稳定、空间形态多变。准确掌握珊瑚沙洲的空间位置、形状和大小变化，对于珊瑚岛礁资源开发和保护管理具有重要意义
2、然而，受地理位置和自然环境条件等因素限制，实地开展珊瑚沙洲的空间位置、形状和大小调查，存在抵达困难、工作量大、水上作业危险性高等问题。遥感技术为珊瑚沙洲动态监测提供了重要手段。目前珊瑚沙洲的遥感动态监测大多是利用多时相遥感影像，提取不同时期的珊瑚沙洲岸线或水边线，进而分析珊瑚沙洲空间位置和形态变化。
技术实现思路
1、本专利技术提供了一种能够根据珊瑚沙洲历史时期岸线形态数据及海洋环境数据快速、准确地预测出珊瑚沙洲未来空间形态的演变规律的珊瑚沙洲空间形态预测方法、装置及设备。
2、为了解决上述技术问题，本专利技术实施例提供了一种珊瑚沙洲空间形态预测方法，包括：
3、获取指定日期范围内目标珊瑚沙洲的长时间序列的岸线形态数据；
4、获取所述指定日期范围内目标珊瑚沙洲所在海域的海洋环境数据；
5、基于所述岸线形态数据计算目标矩形范围，所述目标珊瑚沙洲的不同岸线形态数据均位于所述目标矩形范围对应的数据范围内
6、对所述目标矩形范围进行网格化处理，形成基础栅格场；
7、基于所述基础栅格场的配置参数对所述岸线形态数据进行处理，得到第一数据样本；
8、基于所述基础栅格场的配置参数及岸线形态数据，以时间序列为约束，依次处理不同日期下的海洋环境数据，得到第二数据样本，所述第二数据样本描述了海洋环境对珊瑚沙洲空间形态变化的影响关系；
9、基于所述第一数据样本、第二数据样本形成训练数据，并训练初始模型，形成珊瑚沙洲空间形态预测模型；
10、基于所述珊瑚沙洲空间形态预测模型自动预测所述珊瑚沙洲的空间形态。
11、在一些实施例中，所述获取指定日期范围内目标珊瑚沙洲的长时间序列的岸线形态数据，包括：
12、获取所述指定日期范围内目标珊瑚沙洲的长时间序列遥感影像；
13、以时间序列为基础对所述遥感影像进行瞬时水边线的识别及提取，得到所述目标珊瑚沙洲的长时间序列的岸线形态数据。
14、在一些实施例中，所述海洋环境数据包括以下至少之一：
15、海面温度、海水盐度、海平面高度、海面风速、海面风向、海水流速、海水流向、波浪高度、波浪方向的栅格场数据。
16、在一些实施例中，所述基于所述岸线形态数据计算目标矩形范围，包括：
17、基于所述岸线形态数据沿时间序列依次确定各时间点的岸线形态；
18、确定各时间点的所述岸线形态的最小外接矩形；
19、计算所有所述最小外接矩形中的最大坐标点及最小坐标点；
20、基于所述最大坐标点和最小坐标点确定候选矩形范围；
21、基于预置比例扩大所述候选矩形范围，形成所述目标矩形范围。
22、在一些实施例中，所述对所述目标矩形范围进行网格化处理，形成基础栅格场，包括：
23、基于所述遥感影像的分辨率对所述目标矩形范围进行网格化处理，形成所述基础栅格场；
24、所述基于所述基础栅格场的配置参数对所述岸线形态数据进行处理，得到第一数据样本，包括：
25、基于所述基础栅格场的空间范围和网格单元尺寸，沿时间序列依次对所述岸线形态数据中每个时间点下的岸线形态进行栅格化处理，得到每个时间点的岸线形态栅格场数据；
26、对每个时间点的所述岸线形态栅格场数据中位于水边线区域内的栅格赋值为1，其余栅格赋值为0。
27、在一些实施例中，所述基于所述基础栅格场的配置参数及岸线形态数据，以时间序列为约束，依次处理不同日期下的海洋环境数据，得到第二数据样本，包括：
28、基于所述基础栅格场的空间范围，沿时间序列依次对每个时间点的海洋环境数据进行裁剪；
29、基于相同时间点的所述岸线形态数据为约束，对相同时间点的裁剪后的所述海洋环境数据进行重采样，得到空间范围与空间分辨率与所述基础栅格场对应统一的目标海洋环境数据；
30、基于梁氏-克里曼信息流因果分析方法分析所述目标海洋环境数据与岸线形态数据间的因果关系；
31、基于所述因果关系确定出影响所述目标珊瑚沙洲空间形态变化的关键海洋环境数据。
32、在一些实施例中，所述方法还包括：
33、通过构建长短期记忆神经网络模型建立融合海洋环境数据的目标珊瑚沙洲历史时期空间形态与未来时刻空间形态之间的非线性函数对应关系；
34、采用超参数优化算法对所述初始模型的超参数进行优化。
35、在一些实施例中，所述方法还包括：
36、调整对所述初始模型的迭代次数，使基于第一数量的迭代生成珊瑚沙洲空间形态的短期预测模型，基于第二数量的迭代生成珊瑚沙洲空间形态的中长期预测模型，所述第二数量大于第一数量。
37、本专利技术另一实施例同时提供一种珊瑚沙洲空间形态预测装置，包括：
38、第一获取模块，用于获取指定日期范围内目标珊瑚沙洲的长时间序列的岸线形态数据；
39、第二获取模块，用于获取所述指定日期范围内目标珊瑚沙洲所在海域的海洋环境数据；
40、第一计算模块，用于根据所述岸线形态数据计算目标矩形范围，所述目标珊瑚沙洲的不同岸线形态数据均位于所述目标矩形范围对应的数据范围内；
41、第一处理模块，用于对所述目标矩形范围进行网格化处理，形成基础栅格场；
42、第二处理模块，用于根据所述基础栅格场的配置参数对所述岸线形态数据进行处理，得到第一数据样本；
43、第三处理模块，用于根据所述基础栅格场的配置参数及岸线形态数据，以时间序列为约束，依次处理不同日期下的海洋环境数据，得到第二数据样本，所述第二数据样本描述了海洋环境对珊瑚沙洲空间形态变化的影响关系；
44、训练模块，用于根据所述第一数据样本、第二数据样本形成训练数据，并训练初始模型，形成珊瑚沙洲空间形态预测模型；
45、预测模块，用于根据所述珊瑚沙洲空间形态预测模型自动预测所述珊瑚沙洲的空间形态。
46、本专利技术另一实施例还提供一种电子设备，包括：
47、至少一个处理器；以及，
48、与所述至少一个处理器通信连接的存储器；
49、其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被设置为用于执行如上文中任一项实施例所述的珊瑚沙洲空间形态预测方法。
50、本专利技术另一实施例本文档来自技高网...
【技术保护点】
1.一种珊瑚沙洲空间形态预测方法，其特征在于，包括：
2.根据权利要求1所述的珊瑚沙洲空间形态预测方法，其特征在于，所述获取指定日期范围内目标珊瑚沙洲的长时间序列的岸线形态数据，包括：
3.根据权利要求1所述的珊瑚沙洲空间形态预测方法，其特征在于，所述海洋环境数据包括以下至少之一：
4.根据权利要求1所述的珊瑚沙洲空间形态预测方法，其特征在于，所述基于所述岸线形态数据计算目标矩形范围，包括：
5.根据权利要求2所述的珊瑚沙洲空间形态预测方法，其特征在于，所述对所述目标矩形范围进行网格化处理，形成基础栅格场，包括：
6.根据权利要求1所述的珊瑚沙洲空间形态预测方法，其特征在于，所述基于所述基础栅格场的配置参数及岸线形态数据，以时间序列为约束，依次处理不同日期下的海洋环境数据，得到第二数据样本，包括：
7.根据权利要求1所述的珊瑚沙洲空间形态预测方法，其特征在于，所述方法还包括：
8.根据权利要求1所述的珊瑚沙洲空间形态预测方法，其特征在于，所述方法还包括：
9.一种珊瑚沙洲空间形态预测装
10.一种电子设备，其特征在于，包括：
...【技术特征摘要】
1.一种珊瑚沙洲空间形态预测方法，其特征在于，包括：
2.根据权利要求1所述的珊瑚沙洲空间形态预测方法，其特征在于，所述获取指定日期范围内目标珊瑚沙洲的长时间序列的岸线形态数据，包括：
3.根据权利要求1所述的珊瑚沙洲空间形态预测方法，其特征在于，所述海洋环境数据包括以下至少之一：
4.根据权利要求1所述的珊瑚沙洲空间形态预测方法，其特征在于，所述基于所述岸线形态数据计算目标矩形范围，包括：
5.根据权利要求2所述的珊瑚沙洲空间形态预测方法，其特征在于，所述对所述目标矩形范围进行网...
【专利技术属性】
技术研发人员：苏奋振，吴文周，张鹏，梁朋，仉天宇，刘金贵，
申请(专利权)人：中国科学院地理科学与资源研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。