基于地理空间大数据的区域生态安全格局构建方法及系统与流程

1.本发明涉及区域生态安全格局构建技术领域，尤其涉及一种基于地理空间大数据的区域生态安全格局构建方法及系统。


背景技术：

2.20世纪以来人类活动正在不断改变自然界的演化进程，资源环境破环和生态安全问题不断加剧，已威胁到国家或地区的政治、社会和经济安全，由此而产生的国家或地区间的冲突与摩擦的比例日益增大，已成为影响全球安全的一大隐患。全球性和区域性生态安全问题的出现，成为整个人类向生态文明进化的转折点。生态安全作为人类生存与发展的最基本安全需求，不仅为生态文明建设提出了优先任务，也是生态文明建设和可持续发展的重要基础。
3.近年来国内外相关研究主要以景观格局优化、土地利用结构优化、生态敏感性和生态系统服务价值、生态系统承载力/生态足迹评估、土地资源可持续利用等为切入点，重视对区域生态过程和内在关系特征的定性解释。在生态安全格局模拟技术方面，不同知识背景的研究者从各自对生态安全格局的理解提出了众多模型构建方法，但单一的模型往往缺乏对复杂生态过程的解释能力，不利于全面客观地进行生态安全格局构建。从发展趋势看，区域生态安全格局构建己经从数字的、静态的、平面的开始向空间、多维、动态模型发展，从单纯考虑焦点问题需求开始向全面考虑各种相关关系和需求转变，基于地理时空大数据的生态安全格局模拟和构建将是今后发展趋势。现有的生态安全格局构建方法为将研究区域内的生态安全指标作为定量，单纯利用研究区域内的环境变量为变量来构建生态安全格局图，但是这种方法所构建的生态安全格局图为研究区域内统一的生态安全格局图，无法直观地确定每个生态指标对应的生态安全格局图，为研究人员对于研究区域内的研究工作加大了难度，严重地影响了研究人员的体验感。


技术实现要素：

4.针对上述所显示出来的问题，本发明提供了一种基于地理空间大数据的区域生态安全格局构建方法及系统用以解决背景技术中提到的无法直观地确定每个生态指标对应的生态安全格局图，为研究人员对于研究区域内的研究工作加大了难度，严重地影响了研究人员的体验感的问题。
5.一种基于地理空间大数据的区域生态安全格局构建方法，包括以下步骤：
6.确定研究区域内的多个环境变量与预设安全格局之间的关系；
7.获取所述研究区域的生态环境空间大数据，基于研究区域内的多个环境变量与预设安全格局之间的关系，计算出生态环境空间大数据中各个环境变量的权重值；
8.根据所述各个环境变量的权重值构建安全格局预测模型；
9.获取所述研究区域内的多个生态指标，根据所述多个生态指标利用所述安全格局预测模型构建出研究区域的多个目标安全格局模型；
10.利用每个目标安全格局模型输出其对应的安全格局分布图。
11.优选的，所述多个目标安全格局模型包括：土地资源安全格局模型、水资源安全格局模型、生物资源安全格局模型、生态景观结构安全模型、洪水安全格局模型、水土流失和地质灾害安全格局模型。
12.优选的，所述确定研究区域内的多个环境变量与预设安全格局之间的关系，包括：
13.获取所述研究区域内的生态系统结构；
14.根据所述生态系统结构确定研究区域内的生态安全指标体系；
15.获取对所述生态安全指标体系影响度大于等于预设阈值的多个环境变量；
16.确定每个环境变量的属性值，利用每个环境变量对应的属性值对预设安全格局对应的预设模型进行训练，获得每个环境变量与预设安全格局之间的关系。
17.优选的，所述获取所述研究区域的生态环境空间大数据的步骤包括：
18.在预设数据库中调取与所述研究区域生态环境相关的目标数据；
19.对所述目标数据进行清洗和整理，获得处理后的目标数据，构建所述处理后的目标数据的索引；
20.提取所述研究区域的地理位置信息，根据所述地理位置信息生成索引因子；
21.利用所述匹配因子在所处理后的目标数据中获得所述研究区域的生态环境空间大数据。
22.优选的，所述根据所述各个环境变量的权重值构建安全格局预测模型，包括：
23.将所述各个环境变量的权重值输入到预设gis中获得目标栅格；
24.利用所述目标栅格作为训练数据训练预设回归模型，获得训练后的回归模型；
25.对所述训练后的回归模型进行性能检测，获得检测结果；
26.确认所述检测结果是否合格，若是，将训练后的回归模型确认为所述安全格局预测模型，否则，重新对训练后的回归模型进行二次训练直到其性能检测结果合格为止。
27.优选的，所述方法还包括：
28.根据多个生态指标对应的安全格局分布图解析出研究区域中的生态受损情况；
29.根据所述生态受损情况生成对应的第一建议生态修复方案；
30.评估所述第一建议生态修复方案对于研究区域的实用性指数；
31.确认所述实用性指数是否大于等于预设指数，若是，将所述第一建议生态修复方案上传到工作人员所在终端，否则，重新生成第二建议生态修复方案进行评估直到通过评估为止，将通过评估的第二建议生态修复方案上传到所述终端上。
32.优选的，对所述目标数据进行清洗的步骤包括：
33.获取研究区域内水资源、生物资源和土地资源各自的比例以及每个景观各自对应的参数；
34.根据研究区域内水资源、生物资源和土地资源各自的比例以及每个景观各自对应的参数生成研究区域的特征标识；
35.根据所述特征标识生成动态标签，获取所述动态标签在研究区域内的数据关联规则以及数据特性因子；
36.将所述数据关联规则以及数据特性因子作为第一清洗策略；
37.利用所述第一清洗策略对所述目标数据进行初次清洗，获得清洗后的第一数据；
38.建立关于研究区域污染度和利用率的联合概率分布；
39.将联合概率中的取值范围划分为多个概率区间，获取每个概率区间的目标取值范围；
40.将多个目标取值范围作为第二清洗策略；
41.利用所述第二清洗策略对所述第一数据进行二次清洗，获得第一数据中在所述多个概率区间中的第二数据；
42.将所述第二数据确认为清洗后的目标数据。
43.一种基于地理空间大数据的区域生态安全格局构建系统，该系统包括：
44.确定模块，用于确定研究区域内的多个环境变量与预设安全格局之间的关系；
45.计算模块，用于获取所述研究区域的生态环境空间大数据，基于研究区域内的多个环境变量与预设安全格局之间的关系，计算出生态环境空间大数据中各个环境变量的权重值；
46.第一构建模块，用于根据所述各个环境变量的权重值构建安全格局预测模型；
47.第二构建模块，用于获取所述研究区域内的多个生态指标，根据所述多个生态指标利用所述安全格局预测模型构建出研究区域的多个目标安全格局模型；
48.输出模块，用于利用每个目标安全格局模型输出其对应的安全格局分布图。
49.本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
50.下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
51.附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。
52.图1为本发明所提供的一种基于地理空间大数据的区域生态安全格局构建方法的工作流程图；
53.图2为本发明所提供的一种基于地理空间大数据的区域生态安全格局构建方法的另一工作流程图；
54.图3为本发明所提供的一种基于地理空间大数据的区域生态安全格局构建方法的又一工作流程图；
55.图4为本发明所提供的一种基于地理空间大数据的区域生态安全格局构建系统的结构示意图。
具体实施方式
56.这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
57.20世纪以来人类活动正在不断改变自然界的演化进程，资源环境破环和生态安全
问题不断加剧，已威胁到国家或地区的政治、社会和经济安全，由此而产生的国家或地区间的冲突与摩擦的比例日益增大，已成为影响全球安全的一大隐患。全球性和区域性生态安全问题的出现，成为整个人类向生态文明进化的转折点。生态安全作为人类生存与发展的最基本安全需求，不仅为生态文明建设提出了优先任务，也是生态文明建设和可持续发展的重要基础。
58.近年来国内外相关研究主要以景观格局优化、土地利用结构优化、生态敏感性和生态系统服务价值、生态系统承载力/生态足迹评估、土地资源可持续利用等为切入点，重视对区域生态过程和内在关系特征的定性解释。在生态安全格局模拟技术方面，不同知识背景的研究者从各自对生态安全格局的理解提出了众多模型构建方法，但单一的模型往往缺乏对复杂生态过程的解释能力，不利于全面客观地进行生态安全格局构建。从发展趋势看，区域生态安全格局构建己经从数字的、静态的、平面的开始向空间、多维、动态模型发展，从单纯考虑焦点问题需求开始向全面考虑各种相关关系和需求转变，基于地理时空大数据的生态安全格局模拟和构建将是今后发展趋势。现有的生态安全格局构建方法为将研究区域内的生态安全指标作为定量，单纯利用研究区域内的环境变量为变量来构建生态安全格局图，但是这种方法所构建的生态安全格局图为研究区域内统一的生态安全格局图，无法直观地确定每个生态指标对应的生态安全格局图，为研究人员对于研究区域内的研究工作加大了难度，严重地影响了研究人员的体验感。为了解决上述问题，本实施例公开了一种基于地理空间大数据的区域生态安全格局构建方法。
59.一种基于地理空间大数据的区域生态安全格局构建方法，如图1所示，包括以下步骤：
60.步骤s101、确定研究区域内的多个环境变量与预设安全格局之间的关系；
61.步骤s102、获取所述研究区域的生态环境空间大数据，基于研究区域内的多个环境变量与预设安全格局之间的关系，计算出生态环境空间大数据中各个环境变量的权重值；
62.步骤s103、根据所述各个环境变量的权重值构建安全格局预测模型；
63.步骤s104、获取所述研究区域内的多个生态指标，根据所述多个生态指标利用所述安全格局预测模型构建出研究区域的多个目标安全格局模型；
64.步骤s105、利用每个目标安全格局模型输出其对应的安全格局分布图。
65.上述技术方案的工作原理为：确定研究区域内的多个环境变量与预设安全格局之间的关系，获取所述研究区域的生态环境空间大数据，基于研究区域内的多个环境变量与预设安全格局之间的关系，计算出生态环境空间大数据中各个环境变量的权重值，根据所述各个环境变量的权重值构建安全格局预测模型，获取所述研究区域内的多个生态指标，根据所述多个生态指标利用所述安全格局预测模型构建出研究区域的多个目标安全格局模型，利用每个目标安全格局模型输出其对应的安全格局分布图。
66.上述技术方案的有益效果为：通过将研究区域中的各个环境变量的权重值作为定量，同时以研究区域内的多个生态指标为变量来构建研究区域内基于多个生态指标不同的多个安全格局模型可以使得研究人员根据不同的安全格局模型获得不同生态指标对应的安全格局分布图，进而可以对研究区域进行更加细致和完整的研究工作，提高了研究人员的体验感以及所构建的安全格局分布图的实用性，解决了现有技术中无法直观地确定每个
生态指标对应的生态安全格局图，为研究人员对于研究区域内的研究工作加大了难度的问题。
67.在一个实施例中，所述多个目标安全格局模型包括：土地资源安全格局模型、水资源安全格局模型、生物资源安全格局模型、生态景观结构安全模型、洪水安全格局模型、水土流失和地质灾害安全格局模型。
68.上述技术方案的有益效果为：可以使得研究人员根据实际研究需要来选择自己所需的安全格局模型，同时也可通过上述多个模型确定研究区域内多个资源以及景观的损害情况以及功能性，进一步地提高了实用性。
69.在一个实施例中，如图2所示，所述确定研究区域内的多个环境变量与预设安全格局之间的关系，包括：
70.步骤s201、获取所述研究区域内的生态系统结构；
71.步骤s202、根据所述生态系统结构确定研究区域内的生态安全指标体系；
72.步骤s203、获取对所述生态安全指标体系影响度大于等于预设阈值的多个环境变量；
73.步骤s204、确定每个环境变量的属性值，利用每个环境变量对应的属性值对预设安全格局对应的预设模型进行训练，获得每个环境变量与预设安全格局之间的关系。
74.上述技术方案的有益效果为：通过根据研究区域内的生态安全指标体系来确定多个环境变量可以根据研究区域自身的生态安全情况来选择使用的环境变量，为后续的安全格局模型构建提供了数据基础，保证了模型的准确性，进一步地，通过利用每个环境变量对应的属性值对预设安全格局对应的预设模型进行训练，获得每个环境变量与预设安全格局之间的关系可以使得最终每个环境变量与预设安全格局之间的关系更加客观和实际。
75.在一个实施例中，如图3所示，所述获取所述研究区域的生态环境空间大数据的步骤包括：
76.步骤s301、在预设数据库中调取与所述研究区域生态环境相关的目标数据；
77.步骤s302、对所述目标数据进行清洗和整理，获得处理后的目标数据，构建所述处理后的目标数据的索引；
78.步骤s303、提取所述研究区域的地理位置信息，根据所述地理位置信息生成索引因子；
79.步骤s304、利用所述匹配因子在所处理后的目标数据中获得所述研究区域的生态环境空间大数据。
80.上述技术方案的有益效果为：使得最终获取的生态环境空间大数据无论从位置信息还是内容信息都与研究区域相符合，保证了数据的精确性，无需研究人员在庞大规模的目标数据中调取研究区域对应的数据，进一步地提高了研究人员的体验感，提高了工作效率。
81.在一个实施例中，所述根据所述各个环境变量的权重值构建安全格局预测模型，包括：
82.将所述各个环境变量的权重值输入到预设gis中获得目标栅格；
83.利用所述目标栅格作为训练数据训练预设回归模型，获得训练后的回归模型；
84.对所述训练后的回归模型进行性能检测，获得检测结果；
85.确认所述检测结果是否合格，若是，将训练后的回归模型确认为所述安全格局预测模型，否则，重新对训练后的回归模型进行二次训练直到其性能检测结果合格为止。
86.上述技术方案的有益效果为：通过将各个环境变量的权重值输入到预设gis中获得目标栅格可以更加准确地将环境变量作为定量来构建安全格局检测模型，进一步地，通过检测训练后的回归模型的性能以保证构建的安全格局检测模型的输出结果符合预期，提高了模型输出的准确性。
87.在一个实施例中，所述方法还包括：
88.根据多个生态指标对应的安全格局分布图解析出研究区域中的生态受损情况；
89.根据所述生态受损情况生成对应的第一建议生态修复方案；
90.评估所述第一建议生态修复方案对于研究区域的实用性指数；
91.确认所述实用性指数是否大于等于预设指数，若是，将所述第一建议生态修复方案上传到工作人员所在终端，否则，重新生成第二建议生态修复方案进行评估直到通过评估为止，将通过评估的第二建议生态修复方案上传到所述终端上。
92.上述技术方案的有益效果为：通过生成第一建议生态修复方案可以根据研究区域内的生态受损情况智能地生成其对应的解决方案，结合大数据的解析以保证生成的第一建议生态修复方案符合研究区域的需要，进一步地，通过对第一建议生态修复方案进行实用性评估可以有效地确定第一建议生态修复方案是否符合研究区域实际情况，避免了修复成本的浪费，进一步地提高了实用性。
93.在一个实施例中，对所述目标数据进行清洗的步骤包括：
94.获取研究区域内水资源、生物资源和土地资源各自的比例以及每个景观各自对应的参数；
95.根据研究区域内水资源、生物资源和土地资源各自的比例以及每个景观各自对应的参数生成研究区域的特征标识；
96.根据所述特征标识生成动态标签，获取所述动态标签在研究区域内的数据关联规则以及数据特性因子；
97.将所述数据关联规则以及数据特性因子作为第一清洗策略；
98.利用所述第一清洗策略对所述目标数据进行初次清洗，获得清洗后的第一数据；
99.建立关于研究区域污染度和利用率的联合概率分布；
100.将联合概率中的取值范围划分为多个概率区间，获取每个概率区间的目标取值范围；
101.将多个目标取值范围作为第二清洗策略；
102.利用所述第二清洗策略对所述第一数据进行二次清洗，获得第一数据中在所述多个概率区间中的第二数据；
103.将所述第二数据确认为清洗后的目标数据。
104.上述技术方案的有益效果为：通过利用研究区域内的参数来生成第一清洗策略可以初步地对目标数据进行筛选以获得匹配的第一数据，可以快速地将无用数据排除掉，提高了工作效率，进一步地，通过构建于研究区域污染度和利用率的联合概率分布来对第一数据进行二次清洗可以针对研究区域内实时的污染度和利用率来进行更精细的筛选以获得第二数据，保证最终的第二数据符合研究区域的实际情况，保证了数据的精确性。
105.在一个实施例中，所述评估所述第一建议生态修复方案对于研究区域的实用性指数，包括：
106.解析所述第一建议生态修复方案，获得其对应的多个操作指令；
107.获取每个操作指令在预设操作指标权重范围内的目标操作指标权重；
108.根据每个操作指令在预设操作指标权重范围内的目标操作指标权重计算出所述第一建议生态修复方案的可操作度：
[0109][0110]
其中，k表示为第一建议生态修复方案的可操作度，n表示为操作指令的数量，s
i
表示为第i个操作指令的目标操作指标权重，m
i
表示为第i个操作指令的目标操作指标权重的指标值，q表示为期望平均操作指标权重，b
i
表示为第i个操作指令所需要的成本，b1表示为期望修复总成本，q
i
表示为执行第i个操作指令的难度系数；
[0111]
获取研究区域内的当前健康度；
[0112]
根据研究区域内的当前健康度计算出研究区域的生态系统健康程度综合指数：
[0113][0114]
其中，f表示为研究区域的生态系统健康程度综合指数，d表示为研究区域内的当前健康度，a表示为研究区域内的区域环境，μ1表示为研究区域内的区域环境所占的权重值，b表示为研究区域内的植物长势，μ2表示为研究区域内的植物长势所占的权重值，c表示为研究区域内的灾害指标，μ3表示为研究区域内的灾害指标所占的权重值，m表示为研究区域内生态指标的数量，u
j
表示为第j个生态指标的当前指标值与预设指标值的偏差度；
[0115]
根据研究区域的生态系统健康程度综合指数与第一建议生态修复方案的可操作度计算出第一建议生态修复方案对于研究区域的实用性指数：
[0116][0117]
其中，h表示为第一建议生态修复方案对于研究区域的实用性指数，e表示为自然常数，取值为2.72，v
i
表示为第i个操作指令的利用面积，g表示为研究区域内的生态系统弹性系数，x
i
表示为第i个操作指令对于研究区域的期望生态系统恢复系数，v1表示为研究区域的占地面积，z表示为研究区域的自身生态系统修复系数。
[0118]
上述技术方案的有益效果为：通过计算第一建议生态修复方案的可操作度可以根据可操作度评估出其是否符合研究区域，可以初步地评估出第一建议生态修复方案是否可行，进一步地，通过计算研究区域的生态系统健康程度综合指数可以有效地确定研究区域内的损害情况，进而为后续计算第一建议生态修复方案对于研究区域的提供了依据，保证了计算结果的精确性。
[0119]
在一个实施例中，所述方法还包括：
[0120]
将所述研究区域的平面图划分为预设数量个栅格；
[0121]
确定每个栅格的生境退化度；
[0122]
根据每个栅格的生境退化度计算出研究区域的生境质量：
[0123][0124]
其中，p表示为研究区域的生境质量，a表示为研究区域内的预设生境适宜度，l表示为划分栅格的数量，e
z
表示为第z个栅格内的生境退化度，δ表示为半饱和常数；
[0125]
确定所述研究区域的地表径流系数，统计研究区域在每次降雨时的降雨量，根据统计的降雨量计算出研究区域内在降雨时的平均降雨量；
[0126]
根据所述平均降雨量和研究区域内的地表径流系数计算出研究区域在降雨时的平均地表径流量；
[0127]
根据研究区域在降雨时的平均地表径流量和研究区域的生境质量计算出研究区域内的水土流失脆弱性指数：
[0128][0129]
其中，r表示为研究区域内的水土流失脆弱性指数，g表示为研究区域在降雨时的平均地表径流量，c表示为研究区域内在降雨时的平均降雨量，α表示为研究区域内的降雨侵蚀力因子，β表示为研究区域内的土壤可蚀性因子，φ表示为目标区域内的地形起伏度因子，ω表示为研究区内的植被覆盖因子；
[0130]
根据研究区域内的水土流失脆弱性指数和每个安全格局分布图生成研究区域内的环境质量报告。
[0131]
上述技术方案的有益效果为：通过计算出研究区域内的生境质量可以有效地评估出研究区域内的环境受损情况，进一步地，通过计算出研究区域内的水土流失脆弱性指数可以结合每个安全格局分布图快速地评估出在水土流失脆弱性指数的影响下的环境质量报告，为研究人员自动生成环境质量报告，提高了智能化的同时也也可以使得研究人员根据环境质量报告生成解决措施，提高了工作效率。
[0132]
本实施例还公开了一种基于地理空间大数据的区域生态安全格局构建系统，如图4所示，该系统包括：
[0133]
确定模块401，用于确定研究区域内的多个环境变量与预设安全格局之间的关系；
[0134]
计算模块402，用于获取所述研究区域的生态环境空间大数据，基于研究区域内的多个环境变量与预设安全格局之间的关系，计算出生态环境空间大数据中各个环境变量的权重值；
[0135]
第一构建模块403，用于根据所述各个环境变量的权重值构建安全格局预测模型；
[0136]
第二构建模块404，用于获取所述研究区域内的多个生态指标，根据所述多个生态指标利用所述安全格局预测模型构建出研究区域的多个目标安全格局模型；
[0137]
输出模块405，用于利用每个目标安全格局模型输出其对应的安全格局分布图。
[0138]
上述技术方案的工作原理及有益效果在方法权利要求中已经说明，此处不再赘述。
[0139]
本领域技术人员应当理解的是，本发明中的第一、第二指的是不同应用阶段而已。
[0140]
本领域技术用户员在考虑说明书及实践这里公开的公开后，将容易想到本公开的其它实施方案。本技术旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
[0141]
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。