一种基于判别分析的海岸带分类方法与流程

1.本发明属于气象信息技术领域，特别涉及一种基于判别分析的海岸带分类 方法。


背景技术：

2.海岸带，通常指的是海洋边缘向陆地延伸一定范围内，且地球表层陆、海、 气、生多圈层在该范围内发生相互作用，产生了耦合效应的地带。广义上将其 定义为每天受潮汐涨落海水影响的潮间带及其两侧一定范围的陆地和浅海大陆 架的海陆过渡地带。由于该地区深受气候变化与人类活动的共同影响，海岸带 区域具有高度的动态性、复杂性和多样性。同时，海岸带也是具有高生产力、 高经济价值及特殊的生态系统。
3.研究海岸带区域影响变化的第一步，就是从陆地和海洋体系中分离出这一 特殊的地区。然而，在海岸带发育过程中，波浪、潮汐、地壳运动、岩石性质、 入海河流以及潮间带生物等因素，都会对海岸带的形成、发展产生影响。鉴于 这一点，采用某种单一的因子来对海岸带进行分类是无法得到相对全面综合的 分类结果。由于地形复杂、地物混淆，海岸带的相关特征提取困难，也就造成 对海岸带定量、具体、准确的分类有一定的难度。现有的海岸带分类技术主要 是基于经验和野外调查的分类以及遥感数据和图像分类体系。传统的分类方法 主要是根据经验判断和野外调查来判断潮间带、大陆架以及大陆部分的大致范 围。2001年6月《千年生态系统评估项目》将海岸带具体定义为“海洋与陆地 的界面，向海洋延伸至大陆架的中间，在大陆方向包括所有受海洋因素影响的 区域；具体位于平均海深50米与潮流线以上50米之间的区域，或者自海岸向 大陆延伸100公里范围内的低地，包括珊瑚礁、高潮线和低潮线之间的区域、 河口、滨海水产作业区，以及水草群落”。另外，在海岸带综合管理领域，其定 义又需要根据管理目的及研究需要而定。该种方法分类模糊，只是基于经验和 实地走访，并未对海岸带进行量化分类，同时准确性也难以保证。另一方面， 目前现有的基于遥感数据和图像的海岸带分类技术，采用土地利用栅格数据和 矢量数据，可以将海岸带按照不同的土地利用类别进行分类。通常是根据土地 资源利用目的来进行分类。该种方法能将海岸带划分为非常细致的土地类型， 但是仅能得到静态分类，同时考虑的分类因素也不甚完全，没有气候因子和指 标，无法在气候变化背景下进行动态、全面、耦合的分类，海岸带分类过程中 精度和准确度低、难以量化；因此得到的分类结果精度和准确度都需要进一步 提升。
4.另外，在海岸带综合管理领域，其定义又需要根据管理目的及研究需要而 定。该种方法分类模糊，只是基于经验和实地走访，并未对海岸带进行量化分 类，同时准确性也难以保证。此外，目前现有的基于遥感数据和图像的海岸带 分类技术，采用土地利用栅格数据和矢量数据，可以将海岸带按照不同的土地 利用类别进行分类。通常是根据土地资源利用目的来进行分类。该种方法能将 海岸带划分为非常细致的土地类型，但是从人类开发利用的角度来分类，并没 有根据海岸带固有的自然特征进行海岸带类别的划分。同时，气候变化导致海 平面、波浪、风暴潮和降雨等海洋相关的因素都发生了显著的变化。从气候因 子角度可以更全面地进行海岸带分类，这种分类应用于在未来气候变化背景下 的海洋
本身及海陆交互系统的变化被认为是可行的。而这种与气候变化相关的 海岸带动态分类目前尚未有相关的研究。


技术实现要素：

5.本发明的目的是提供一种基于判别分析的海岸带分类方法，其特征在于， 利用多元统计分析方法判别分析对选取的海岸带特征气候因子进行判别分类， 采用带有海岸带海陆特征信息的气候因子为分类对象，利用历史时期和未来预 测的气候因子信息来动态量化海岸带分类；参照不同精度的气候因子，得到不 同精度条件下的海岸带分类，能够得到精度高、准确性好的分类结果；具体包 括如下步骤：
6.步骤1，获取典型大陆性气候目标区域内和海洋性气候目标区域内的全球气 候模型数据，按照气候因子动态地将所选取的地区分为海洋区域、陆地区域以 及海岸带区域；
7.步骤2，获取海岸带交互区域内，距海岸线左右两侧各200公里距离的全球 气候模型数据，提取带有海岸带海陆特征信息的气候因子；
8.针对选取的三种目标区域内的格点，将历史时期的气候因子数据划分为训 练数据和验证数据两部分；
9.步骤3，设定判别类型：
10.判别类型一，针对典型大陆性气候目标区域内的全球气候模型数据，设定 为大陆类别分类的基准线；
11.判别类型二，针对典型海洋性气候目标区域内的全球气候模型数据，设定 为海洋类别分类的基准线；
12.判别类型三，针对海岸带交互目标区域内的全球气候模型数据，设定为海 岸带交互区域分类的基准线；
13.步骤4，利用三种类别的气候因子训练数据，经过训练建立了多元统计关系， 基于判别分析方法进行判别关系的建立过程，得到判别函数；用验证数据对历 史时期中实际所处位置进行验证，并计算误判率；验证结果准确率高，误判率 低；
14.步骤5，针对海岸带交互目标区域内的气候因子数据，将未来五十年的数据 作为输入量，通过判别统计关系分类得未来相应时段该地区属于的类别，即是 陆地类型、海洋类型或海岸带交互类型；
15.步骤6，针对海岸带交互目标区域内的气候因子数据，在不同时间尺度条件 下的表现，所述方法还包括采用相同的空间分辨率，将所选区域内气候因子数 据，选取年、十年、五十年的不同时间步长的数据，获得该区域的多套时间尺 度的气候因子数据，判断在不同时间尺度下目标区域的类别是否有明显变化；
16.步骤7，针对海岸带交互目标区域内的气候因子数据，提供了数据前处理的 一种方法，所述方法还包括(1)选择至少三种的包含有所选参数数据的全球气 候模型：采用相同的空间分辨率，以及相同的地理及气象参数数据；(2)选择 在所选区域模拟表现较好的模型后，将集合预报得到的结果输入判别统计关系， 得到集合分类结果。
17.所述提取的气候因子数据需与海岸带组别选取的一致；
18.所述判别类型一为大陆类别分类的基准线，判别类型二为海洋类别分类的 基准线，判别类型三为海岸带交互区域分类的基准线。
19.所述海岸带海陆特征信息的气候因子包括边界高度层，蒸散发；
20.所述历史时期的预测可以用于验证分类的结果，也可以用于与未来分类结 果进行对比；通过和气候关联的相关因子的变化，可以观测到海岸带类型的历 史和未来变化趋势。
21.本发明的有益效果是本发明利用统计方法对带有海岸带海陆特征信息的气 候因子，在历史和未来两个时期，对海岸带进行直观分类，而不用通过实地走 访，或者依赖经验来进行模糊的分类；对海岸带进行了动态划分，以期解决现 有海岸带分类过程中精度和准确度低、难以量化等技术问题，同时也提高了海 岸带分类的综合性，降低了分类过程中的不确定性风险；提取数据后，将经过 训练的数据建立了多元统计关系后，得到的是预判率小于5％的分类结果，所得 到的分类应是可信的。验证结果准确率较高，误判率较低。
附图说明
22.图1基于判别分析的海岸带分类的流程示意图。
23.图2基于判别分析的海岸带分类方法流程示意图。
24.图3基于判别分析的海岸带分类方法流程示意图。
具体实施方式
25.本发明提供一种基于判别分析的海岸带分类方法，利用多元统计分析方法 判别分析对选取的海岸带特征气候因子进行判别分类，采用带有海岸带海陆特 征信息的气候因子为分类对象，利用历史时期和未来预测的气候因子信息来动 态量化海岸带分类；参照不同精度的气候因子，得到不同精度条件下的海岸带 分类，能够得到精度高、准确性好的分类结果。下面结合附图和实施例对本发 明进行说明。
26.海岸带，通常指的是海洋边缘向陆地延伸一定范围内，且地球表层陆、海、 气、生多圈层在该范围内发生相互作用，产生了耦合效应的地带。广义上定义 为每天受潮汐涨落海水影响的潮间带及其两侧一定范围的陆地和浅海大陆架的 海陆过渡地带，宽度可达几十米到几十公里，一般分为上部地带、中部地带(潮 间带)和下部地带。该地区可以划分为海岸、海滨、内滨、外滨以及近岸带五 个部分。此外，由于海岸带地区自然条件优越，人类活动在该地区最为集中。 世界海岸线长约44万公里，全世界人口250万以上的大型城市约有三分之二位 于海岸带附近，一半以上的人口生活在海岸线以内60公里范围内。因此该地区 深受人类活动以及随之相随的气候变化的共同影响。研究透彻海岸带地区的交 互、协同、耦合作用，对于全面了解气候变化的影响以及人类经济社会的可持 续发展有着重要的意义。下面将结合附图和实施例，对本发明的进行详细说明。
27.图1所示为判别分析海岸带分类的流程示意图。如图1所示方法具体包括：
28.按照一定的空间地理分布特征，获取典型大陆性气候目标区域、典型海洋 性气候目标区域和海岸带交互区域内目标区域(距海岸线200公里内的范围) 内与海岸带相关的全球气候模型数据，需包括带有海岸带海陆特征信息的气候 因子以及典型的陆地气候数据和典型海洋气候数据；
29.全球气候模型数据包括经度、纬度、高程、位势高度、经向风、纬向风、 大气边界层高度、蒸散发等，三种类别的区域所选取的参数相同。
30.具体地，所获取的数据为月尺度数据。应理解的是，本实施例中在未经特 别说明的情况下，以大气边界层高度数据为月尺度数据。
31.将得到的两种数据按时间排序后进行分类，前一部分作为训练数据，另一 部分作为验证数据。
32.具体地，将提取得到的大气边界层高度数据按照15
‑
20年数据划分为训练 数据、10
‑
15年数据作为验证数据进行分类；训练数据用于建立模型关系，验证 数据用于验证建立的判别式关系是否可靠。
33.可选地，数据进行分类的时间长度可以根据具体情况而定，一般训练数据 的跨度长于验证数据。
34.将典型大陆性气候目标区域内的大气边界层高度数据归类为判别类型一。 相应地，从将典型海洋性气候目标区域内的大气边界层高度数据归类为判别类 型二；针对海岸带交互目标区域内的大气边界层高度数据归类为判别类型三。
35.具体地，判别类型一为大陆类别分类的基准线，判别类型二为海洋类别分 类的基准线，判别类型三为海岸带交互区域分类的基准线。
36.判别分析(discriminant analysis)，是在分类确定的条件下，根据某一 研究对象的各种特征值判别其类型归属问题的一种多变量统计分析方法。该方 法按照一定的判别准则建立判别函数，用样本来判断属于哪个类别，并计算误 判率。
37.常用的线性判别分析模型对每个类别k的相关分布p(x|y＝k)可以通过贝叶 斯定理获得：
[0038][0039]
其中：k为需要判定的类别，x为已知类别，l是将x划分为l个类别，p(x) 是已知类别发生的概率，p(x|y＝k)在k发生的条件下x发生的概率，p(x|y＝1) 是在l发生的条件下x发生的概率。
[0040]
在判别过程中，样品会被归类到最大化条件概率的类别k。即对于线性判别 分析，p(x|y＝k)被建模为密度多变量高斯分布：
[0041][0042]
其中：k是类别，μ是均值方差，d是维度。
[0043]
针对三种类别的气候因子训练数据，基于判别分析方法，进行分类过程， 找到大气边界层高度和三种类别之间的多元统计关系验证数据；并对历史时期 中实际所处位置进行验证，并计算误判率系。
[0044]
具体地，根据目前已知的三种类别，对样本区域进行分类，将样本区域划 分为陆地类型、海洋类型和海岸带交互类型。
[0045]
针对海岸带交互目标区域内的气候因子数据，将未来五十年的数据作为输 入量，经建立的判别统计关系得出未来相应时段该地区属于的类别，即是陆地 类型、海洋类型或者是海岸带交互类型。
[0046]
具体地，选择全球气候模型的未来预估数据，基于已经建立好的统计关系 进行未
来海岸带区域陆地类型变化的研究。
[0047]
图2所示为基于判别分析的海岸带分类方法流程示意图。本实施例在图1 所述的实施例基础上，对基于不同时间尺度的模拟运算进行了详细说明；如图2 所述，采用了平均值法得到更长时间尺度(年、十年、五十年等)的数据并进 行判别分析。
[0048]
平均值法对目标区域大气边界层高度数据进行处理，获得包括年、十年、 五十年等不同时间尺度的数据，包括：
[0049]
一般地，获取大气边界层高度的月尺度数据。基于相同的空间分辨率，采 用平均值法对其进行处理，获得目标区域的多个时间尺度大气边界层高度数据。
[0050]
具体地，以月尺度数据处理为年尺度数据为例，需要计算当年所有月数据 点的加权平均值作为当年的年平均数据。平均值法求得的年平均数据代表这一 年大气边界层高度的平均水平，能反应年尺度下的一般规律。
[0051]
可选地，在将目标区域内大气边界层高度数据处理为十年、五十年尺度等 时，处理的基本原理与月尺度处理为年尺度一致。采用平均值法可以均值数据， 可供分析得到十年尺度、世纪尺度等的一般规律。
[0052]
本实施例中的其余步骤与图1实施例中的相同，在此不再赘述。
[0053]
本实施例提供了不同时间尺度下的原始数据处理方法。利用平均值法可以 得到大气边界层高度平均值数据，用来代表各某个时间尺度下相应的边界高度 层数据，可供用于研究一般规律。本实施例在前述方法的基础上提供了将原始 数据处理为其他多个时间尺度的方法，为研究不同时间尺度条件下的海岸带类 型变化提供了可靠的思路。
[0054]
图3为基于判别分析的海岸带分类方法流程示意图。本实施例在图1所述 的实施例基础上，选择了至少三种(及以上)的包含所选参数数据的全球气候 模型，进行了未来海岸带分类变化研究，并采用全球气候模型集合预报的结果 来得到更可靠真实的分类。本实施例采用的经过集合预报处理后的分类结果更 加真实可信。
[0055]
具体地，本实施例中以英国气象局hadley中心研发的hadcm3，美国国家海 洋和大气管理局gfdl
‑
cm2.1，以及北美多模型集合预报数据集cancm4为例。提 取各个模型的历史时期(1980
‑
2020)和未来时期(2021
‑
2099)目标区域的地 理及气象参数数据，进行集合预报处理，将得到的结果作为判别分析得到的多 元统计关系的输入值，得到分类结果。
[0056]
可选地，集合预报的方法可以选取但不限于以下任意一种方法：蒙特卡罗 方法(monte carlo method，mcf)、奇异向量法(singular vectors，svs)、 条件非线性最优扰动方法(conditional nonlinear optimal perturbation， cnop)、均值法等。优选地，由于本发明并不立足于集合预报方法的开发，且由 于其简单快速，并能获得较好的结果的优点，故本实施例采用均值法进行集合 预报，对其他方法不再赘述。
[0057]
本实施例中的其余步骤与图1实施例中的相同，在此不再赘述。
[0058]
本实施例提供了数据后处理的一种方法。针对目标区域，选取了表现较好 的至少三套、包含相同参数的数据，集合预报分析后得到了综合的分类结果。 实施例在前述方法的基础上，提高了预测准确性，减少了不确定性，同时为数 据后处理的一种思路，可以得到精度高、准确性好的分类结果。