一种生态廊道智能识别优化方法、介质及系统与流程

本发明属于生态廊道，具体而言，涉及一种生态廊道智能识别优化方法、介质及系统。

背景技术：

1、生态廊道识别技术广泛应用于农田林带、沟渠、草地、湿地与水系构成的复合生境网络布局，用于支撑农业生物多样性保护及传粉昆虫生境建设。传统方法基于多时相遥感影像提取植被指数与水系分布等特征，采用固定卷积核逐尺度提取地物边界，并按预设权重叠加各类阻力因子构成阻力面，再以最小成本路径方式确定廊道走向。该类方法受限于单一感受野设置，窄沟渠等细小地物易与阴影混淆，且阻力面权重固定，局部斑块生境状态发生变化时须对整个区域重新提取特征并计算阻力面，计算过程繁重且响应滞后。

技术实现思路

1、有鉴于此，本发明提供一种生态廊道智能识别优化方法、介质及系统，能够解决在现有技术中，生态廊道识别方法通常基于固定权重叠加方式构建阻力面，并以该阻力面为基础对整个研究区域进行统一的连通性计算，由于阻力面一经生成即作为静态数据参与后续全部斑块的路径搜索，当区域内局部斑块因农事活动、道路建设或季节更替发生生境条件变化时，现有方法无法仅针对变化区域进行局部更新，必须对全部斑块特征及邻接关系重新提取并计算，才能得到更新后的廊道识别结果。也就是说，现有技术中存在生态廊道识别方法难以对局部生境动态变化进行及时响应更新的技术问题。

2、本发明是这样实现的：本发明第一方面提供一种生态廊道智能识别优化方法，包括以下步骤：

3、采集研究区多时相遥感影像，提取植被指数、含水率和边缘连续度，构建多尺度稀疏金字塔，识别生态斑块并聚合边界；

4、将斑块聚合为节点特征张量，生成三层候选边，构建生态斑块邻接图；

5、将节点特征张量和三层候选边输入生态阻力动态图稀疏路由网络，输出生态适宜度、局部阻力和连通概率，动态调整稀疏裁剪阈值；

6、将输出映射为蚁群信息素转移概率，驱动蚁群信息素与神经门控联合寻廊算法搜索廊道路径，形成多路径共存的廊道网络；

7、结合网络输出和调节函数输出构建时空状态阻力面，实时更新标记生态薄弱点；

8、对变化率超过阈值斑块提取局部拓扑，触发增量编码及邻边重估，更新廊道布局优化方案。

9、其中，所述多尺度稀疏金字塔的构建，具体是在多个尺度层级分别提取特征，各层级感受野由植被指数、含水率和边缘连续度联合确定，仅在梯度显著区域保留稀疏采样点。

10、其中，植被指数由近红外波段与红光波段反射率按归一化差分方式计算，含水率由短波红外波段反射率与近红外波段反射率的差值归一化得到，边缘连续度由地物边界梯度方向一致性统计得到。

11、其中，所述节点特征张量按节点数乘以特征维的矩阵形式存储，特征维包含多时相遥感块、地形坡度、土壤湿度、水系距离、道路扰动和田间调查点。

12、其中，所述三层候选边分别依据空间邻接关系、同水系归属关系和物种最大扩散距离范围建立。

13、其中，所述生态阻力动态图稀疏路由网络的输入层将节点特征张量的六类特征分别经线性映射升维至统一的节点嵌入向量。

14、其中，所述生态阻力动态图稀疏路由网络设有多层邻边传导层，每层依据生境相似度、节点间距离、局部阻力值和边界连续度计算传导强度，仅传导强度超过稀疏裁剪阈值的边参与本层计算。

15、其中，每层邻边传导层先计算节点状态，再经门控量判断是否进入更深传播，节点预测误差连续两层增大时沿残差索引回溯至上一稳定层并放宽稀疏裁剪阈值。

16、其中，所述生态阻力动态图稀疏路由网络设有跨越多个邻边传导层的残差密集跳转矩阵，跳转系数由节点生态差异自适应缩放。

17、其中，所述生态阻力动态图稀疏路由网络的损失函数由分类项、图割代价项、廊道连续性项和高阻隔边惩罚项加权构成。

18、其中，所述生态阻力动态图稀疏路由网络按活跃边数动态申请与释放显存，按斑块变化掩膜的稀疏索引预分配内存，按回溯层级数动态开辟残差缓存区。

19、其中，所述生态阻力动态图稀疏路由网络的训练数据集以实地调查廊道坐标和物种监测记录为正样本标签，以非廊道区域为负样本标签，并对样本施加随机翻转、季节光谱模拟和斑块遮挡增强。

20、其中，所述生态阻力动态图稀疏路由网络采用优化器训练，以验证集廊道连通性精度连续多轮不提升作为早停条件。

21、其中，所述蚁群信息素转移概率由信息素浓度、生态适宜度、局部阻力和节点连通概率共同确定，路径信息素更新量由传粉资源连续度、水源可达性和瓶颈风险加权计算。

22、其中，所述连通性动态调节函数依据道路密度、斑块破碎度和预测误差构成的综合压力指数确定稀疏裁剪阈值档位，综合压力指数的三项系数取值范围均为0.1～1.0，综合压力指数分为四档区间，对应阈值随区间升高依次降低。

23、其中，所述增量编码的触发阈值由相邻两期斑块植被指数变化量和土壤湿度变化量的加权均值确定，预设下限取值范围为0.05～0.15，节点连通概率下限取值范围为0.1～0.3，最优取值分别为0.1和0.2。

24、本发明第二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中存储有程序指令，所述程序指令在计算机中运行时，用于执行上述的一种生态廊道智能识别优化方法。

25、本发明第三方面提供一种生态廊道智能识别优化系统，包含上述的计算机可读存储介质，所述的系统为计算机，所述计算机可读存储介质设置在所述系统内，所述系统内设置有执行所述计算机可读存储介质内存储的程序指令的微处理器。

26、本发明通过构建多尺度稀疏金字塔与生态阻力动态图稀疏路由网络，结合连通性动态调节函数与增量编码机制，仅对生境状态发生变化的斑块及其邻边进行特征更新与传导强度重估，解决了生态廊道识别方法难以对局部生境动态变化进行及时响应更新的技术问题。本发明利用稀疏裁剪阈值随区域压力指数动态调整，使计算资源集中于生境变化活跃区域，避免对未变化区域的重复计算，并通过蚁群信息素与网络路由偏置的双向耦合，使廊道识别结果在局部扰动下仍保持稳定输出。综上所述，本发明解决了背景技术中提到的生态廊道识别方法难以对局部生境动态变化进行及时响应更新的技术问题。

1.一种生态廊道智能识别优化方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的生态廊道智能识别优化方法，其特征在于，所述多尺度稀疏金字塔的构建，具体是在多个尺度层级分别提取特征，各层级感受野由植被指数、含水率和边缘连续度联合确定，仅在梯度显著区域保留稀疏采样点。

3.根据权利要求2所述的生态廊道智能识别优化方法，其特征在于，植被指数由近红外波段与红光波段反射率按归一化差分方式计算，含水率由短波红外波段反射率与近红外波段反射率的差值归一化得到，边缘连续度由地物边界梯度方向一致性统计得到。

4.根据权利要求3所述的生态廊道智能识别优化方法，其特征在于，所述节点特征张量按节点数乘以特征维的矩阵形式存储，特征维包含多时相遥感块、地形坡度、土壤湿度、水系距离、道路扰动和田间调查点。

5.根据权利要求4所述的生态廊道智能识别优化方法，其特征在于，所述三层候选边分别依据空间邻接关系、同水系归属关系和物种最大扩散距离范围建立。

6.根据权利要求5所述的生态廊道智能识别优化方法，其特征在于，所述生态阻力动态图稀疏路由网络的输入层将节点特征张量的六类特征分别经线性映射升维至统一的节点嵌入向量。

7.根据权利要求6所述的生态廊道智能识别优化方法，其特征在于，所述生态阻力动态图稀疏路由网络设有多层邻边传导层，每层依据生境相似度、节点间距离、局部阻力值和边界连续度计算传导强度，仅传导强度超过稀疏裁剪阈值的边参与本层计算。

8.根据权利要求7所述的生态廊道智能识别优化方法，其特征在于，每层邻边传导层先计算节点状态，再经门控量判断是否进入更深传播，节点预测误差连续两层增大时沿残差索引回溯至上一稳定层并放宽稀疏裁剪阈值。

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有程序指令，所述程序指令在计算机中运行时，用于执行权利要求1-8任一项所述的一种生态廊道智能识别优化方法。

10.一种生态廊道智能识别优化系统，其特征在于，包含权利要求9所述的计算机可读存储介质，所述的系统为计算机，所述计算机可读存储介质设置在所述系统内，所述系统内设置有执行所述计算机可读存储介质内存储的程序指令的微处理器。