本發(fā)明涉及數(shù)據處理，具體為一種高寒草地退化監(jiān)測預測方法及系統(tǒng)。

背景技術：

1、草地退化指的是草地生產力下降、植被結構改變、土壤質量下降等現(xiàn)象，導致草地功能減弱、生物多樣性減少，甚至草地演變?yōu)樯衬蚵愕亍?/p>

2、當前遙感技術在草地退化監(jiān)測中具有廣泛應用前景，可以提供大范圍、全時段的數(shù)據獲取能力，然而，在高寒地區(qū)使用遙感設備獲取數(shù)據時，由于高寒地區(qū)的氣象海拔因素，例如雪被覆蓋、大氣干擾、地形復雜，可能會導致數(shù)據誤差，進而造成草地退化預測的不精準性。

3、另一方面，高寒地區(qū)的草地退化問題與放牧和生態(tài)平衡密切相關，地面數(shù)據有望提供草地利用情況、草地生態(tài)狀況等重要信息，而結合遙感數(shù)據可以更全面地分析和預測草地退化的趨勢。因此，結合多方數(shù)據源，綜合分析和預測草地退化情況，有望提高高寒區(qū)草地退化監(jiān)測的準確性和可靠性，為草地資源管理和保護提供科學依據。

4、因此，針對以上問題，亟待需要一種高寒草地退化監(jiān)測預測方法及系統(tǒng)。

技術實現(xiàn)思路

1、針對現(xiàn)有技術的不足，本發(fā)明提供了一種高寒草地退化監(jiān)測預測方法及系統(tǒng)，解決了高寒地區(qū)遙感設備存在檢測誤差導致草地監(jiān)測不精準、同時缺乏多方數(shù)據源對高寒草地退化進行預測的問題。

2、為實現(xiàn)以上目的，本發(fā)明通過以下技術方案予以實現(xiàn)：基于高寒草地各監(jiān)測區(qū)域的高寒草地的區(qū)域地面數(shù)據與高寒草地歷史區(qū)域地面總體數(shù)據進行相似度分析，根據各監(jiān)測區(qū)域的高寒草地的區(qū)域地面數(shù)據與高寒草地歷史區(qū)域地面總體數(shù)據相似度從大到小依次對高寒草地的各監(jiān)測區(qū)域進行編號；

3、對高寒草地的多個監(jiān)測區(qū)域通過蒙特卡羅算法確定各監(jiān)測區(qū)域中最優(yōu)的監(jiān)測區(qū)域數(shù)量，并根據各監(jiān)測區(qū)域與高寒草地歷史區(qū)域地面總體數(shù)據相似度按大小依次選擇監(jiān)測區(qū)域作為選中監(jiān)測區(qū)域，并進行監(jiān)測獲得選中監(jiān)測區(qū)域地面數(shù)據；

4、基于高寒地區(qū)的氣象海拔因素，對多個遙感設備的數(shù)據采集情況進行分析，選擇高寒草地的第一順位遙感代表性數(shù)據，并結合選中監(jiān)測區(qū)域地面數(shù)據評估監(jiān)測區(qū)域的草地退化狀況，進而實現(xiàn)對高寒草地退化的預測；

5、監(jiān)測區(qū)域包括放牧監(jiān)測區(qū)域與鼠洞監(jiān)測區(qū)域。

6、進一步地，所述確定高寒地區(qū)的放牧選中監(jiān)測區(qū)域與鼠洞選中監(jiān)測區(qū)域的具體分析為：依據地理位置坐標對高寒草地進行區(qū)域劃分及編號：agh1,agh2,agh3,...,aghn；基于高寒草地的數(shù)據庫提取歷史的各監(jiān)測區(qū)域的放牧監(jiān)測數(shù)據與鼠洞監(jiān)測數(shù)據，并對放牧監(jiān)測數(shù)據與鼠洞監(jiān)測數(shù)據進行預處理及特征提取，分別獲得各監(jiān)測區(qū)域的放牧特征數(shù)據集合與鼠洞特征數(shù)據集合，進一步獲得各監(jiān)測區(qū)域的放牧特征數(shù)據均值與鼠洞特征數(shù)據均值；基于高寒草地的數(shù)據庫提取高寒草地歷史區(qū)域地面數(shù)據，歷史地面數(shù)據包括高寒草地的歷史放牧總體數(shù)據與歷史鼠洞總體數(shù)據，對歷史放牧總體數(shù)據與歷史鼠洞總體數(shù)據進行預處理及特征提取，分別獲得高寒草地的歷史放牧總體特征數(shù)據集合與歷史鼠洞總體特征數(shù)據集合，進一步獲得高寒草地的歷史放牧總體特征數(shù)據均值與歷史鼠洞總體特征數(shù)據均值；基于歐式距離分別對各監(jiān)測區(qū)域的放牧特征數(shù)據均值、鼠洞特征數(shù)據均值與高寒草地的歷史放牧總體特征數(shù)據均值、歷史鼠洞總體特征數(shù)據均值進行聚類，依據相似性數(shù)值大小對各監(jiān)測區(qū)域進行重新編號：agh1’,agh2’,agh3’,...,aghn’；基于蒙特卡羅采樣算法確定高寒地區(qū)的最優(yōu)區(qū)域采樣數(shù)量，進而依據編號排序標記高寒草地的選中監(jiān)測區(qū)域，選中監(jiān)測區(qū)域包括放牧選中監(jiān)測區(qū)域與鼠洞選中監(jiān)測區(qū)域。

7、進一步地，各選中監(jiān)測區(qū)域的放牧特征數(shù)據集合具體為各選中監(jiān)測區(qū)域的放牧增長率集合；各選中監(jiān)測區(qū)域的鼠洞特征數(shù)據集合具體為各選中監(jiān)測區(qū)域的鼠洞數(shù)量減少率集合。

8、進一步地，采樣選中監(jiān)測區(qū)域地面數(shù)據具體包括放牧選中監(jiān)測區(qū)域的放牧監(jiān)測數(shù)據、鼠洞選中監(jiān)測區(qū)域的鼠洞監(jiān)測數(shù)據；放牧監(jiān)測數(shù)據具體為放牧牲畜數(shù)量。

9、進一步地，所述選擇高寒草地的第一順位遙感代表性數(shù)據的具體分析為：高寒地區(qū)的氣象海拔因素具體包括高寒地區(qū)的最高海拔、最高風速、最低溫度；對高寒地區(qū)的最高海拔、最高風速、最低溫度進行預處理，進而確定最小支持閾值，對高寒地區(qū)遙感設備進行編號，并基于數(shù)據庫存儲的遙感設備歷史數(shù)據采集情況獲得各個遙感設備的數(shù)據采集信息，各個遙感設備的數(shù)據采集信息具體包括各個遙感設備的最優(yōu)適應海拔、最優(yōu)適應風速、最優(yōu)適應溫度；基于對各個遙感設備的最優(yōu)適應海拔、最優(yōu)適應風速、最優(yōu)適應溫度與高寒地區(qū)的最高海拔、最高風速、最低溫度進行置信度與支持度分析，基于置信度與支持度綜合排名最優(yōu)的遙感設備作為高寒草地的第一順位遙感設備，高寒草地的第一順位遙感設備的監(jiān)測數(shù)據作為第一順位遙感代表性數(shù)據。

10、進一步地，所述獲得各個遙感設備的數(shù)據采集信息的具體分析過程為：基于數(shù)據庫中收集各個遙感設備歷史數(shù)據，包括設備工作環(huán)境參數(shù)和采集到的數(shù)據；根據遙感設備的海拔、溫度和風速的參數(shù)目標，對歷史數(shù)據進行篩選，保留在參數(shù)目標需求下工作環(huán)境參數(shù)及對應采集到的數(shù)據；對保留的參數(shù)目標需求下工作環(huán)境參數(shù)及對應采集到的數(shù)據進行統(tǒng)計和分析，選取各個遙感設備采集到的數(shù)據誤差最小的工作環(huán)境參數(shù)作為各個遙感設備的數(shù)據采集信息。

11、進一步地，所述實現(xiàn)對高寒草地退化的預測的具體分析為：獲取第一順位遙感設備與選中監(jiān)測區(qū)域各監(jiān)測時間段內的第一順位遙感代表性數(shù)據與采樣選中監(jiān)測區(qū)域地面數(shù)據；利用時間序列模型對第一順位遙感代表性數(shù)據與選中監(jiān)測區(qū)域地面數(shù)據進行預測分析，對選中監(jiān)測區(qū)域未來的植被覆蓋度進行預測，綜合平均各個采樣區(qū)域未來預測的植被覆蓋度，獲得高寒草地的退化預測系數(shù)，所述高寒草地的退化預測系數(shù)用于量化高寒草地的退化預測狀況。

12、進一步地，時間序列模型采用arimax模型，通過時間序列模型對第一順位遙感代表性數(shù)據與采樣選中監(jiān)測區(qū)域地面數(shù)據進行預測分析的具體步驟分析為：獲取第一順位遙感代表性數(shù)據和采樣選中監(jiān)測區(qū)域地面數(shù)據作為預測用數(shù)據，并對第一順位遙感代表性數(shù)據和采樣選中監(jiān)測區(qū)域地面數(shù)據進行清洗和預處理；建立arimax模型，利用高寒草地的歷史遙感數(shù)據與歷史地面數(shù)據對arimax模型進行最大似然估計擬合，估計模型參數(shù)；利用殘差分析法對擬合后的arimax模型進行診斷，檢查模型的殘差是否符合白噪聲假設；使用擬合好的arimax模型對未來高寒草地監(jiān)測數(shù)據進行預測。

13、進一步地，第一順位遙感代表性數(shù)據具體包括植被覆蓋度，arimax模型中外生變量包括放牧牲畜數(shù)量、鼠洞數(shù)量，arimax模型公式為：

14、yt＝β0+β1yt-1+α1δyt-1+γ1εt+γ2εt-1+γ3θt+γ4θt-1+εt；式中，yt表示時間點t的植被覆蓋度，yt-1表示植被覆蓋度的一個滯后項，δyt-1表示植被覆蓋度的一個差分項，εt表示時間點t的放牧牲畜數(shù)量，εt-1表示放牧牲畜數(shù)量的一個差分項，θt示時間點t的鼠洞數(shù)量，θt-1表示鼠洞數(shù)量的一個差分項，β0、β1表示自回歸部分的系數(shù)，表示植被覆蓋度的自相關性，α1表示差分部分的系數(shù)，表示植被覆蓋度的平穩(wěn)性，γ1、γ2、γ3、γ4表示外生變量的系數(shù)，表示放牧數(shù)量和鼠洞數(shù)量對植被覆蓋度的影響，εt表示arimax模型的誤差項，表示arimax模型無法解釋的隨機波動。

15、一種高寒草地退化監(jiān)測預測系統(tǒng)，應用上述的一種高寒草地退化監(jiān)測預測方法，包括：選中監(jiān)測區(qū)域模塊，用于基于高寒草地各選中監(jiān)測區(qū)域的放牧監(jiān)測數(shù)據與鼠洞監(jiān)測數(shù)據與高寒草地歷史區(qū)域地面數(shù)據分析，確定高寒草地的放牧選中監(jiān)測區(qū)域與鼠洞選中監(jiān)測區(qū)域；地面數(shù)據獲取模塊，用于對高寒草地的放牧選中監(jiān)測區(qū)域與鼠洞選中監(jiān)測區(qū)域進行監(jiān)測獲得采樣選中監(jiān)測區(qū)域地面數(shù)據；退化預測模塊，用于基于高寒地區(qū)的氣象海拔因素，對多個遙感設備的數(shù)據采集情況進行分析，選擇高寒草地的第一順位遙感代表性數(shù)據，并結合采樣選中監(jiān)測區(qū)域地面數(shù)據評估采樣選中監(jiān)測區(qū)域的草地是否退化及其退化程度，進而實現(xiàn)對高寒草地退化的預測。

16、本發(fā)明具有以下有益效果：

17、(1)該高寒草地退化監(jiān)測預測方法及系統(tǒng)，通過結合高寒草地的放牧監(jiān)測數(shù)據、鼠洞監(jiān)測數(shù)據和歷史地面數(shù)據，以及氣象和海拔因素的分析，能夠提供更加精準和可靠的監(jiān)測結果，數(shù)據的綜合利用可以提高對高寒草地退化情況的監(jiān)測準確度，有助于及早發(fā)現(xiàn)問題并采取相應的管理措施；考慮多個方面的因素，包括放牧情況、鼠洞的狀況以及氣象和海拔等環(huán)境因素，綜合考慮了影響高寒草地退化的各種因素，因此能夠更全面地評估草地的健康狀況和潛在的退化風險；通過采用遙感數(shù)據和地面監(jiān)測數(shù)據相結合的方法，以及對氣象和海拔因素的分析，該方法具有科學性，可以提高監(jiān)測和預測的可信度，使其成為科學管理高寒草地的重要工具；通過結合歷史數(shù)據和環(huán)境因素，進行高寒草地退化的預測。這種預測性可以幫助相關部門和管理者及早采取措施，防止高寒草地的進一步退化，保護生態(tài)環(huán)境和生態(tài)系統(tǒng)的穩(wěn)定性。

18、(2)該高寒草地退化監(jiān)測預測方法及系統(tǒng)，預測未來植被覆蓋度可以幫助生態(tài)環(huán)境管理者更好地了解和預測高寒草地的生態(tài)系統(tǒng)變化，有助于及早發(fā)現(xiàn)植被退化或生態(tài)平衡失衡的跡象，并采取相應的管理措施，以保護和維護草地生態(tài)系統(tǒng)的健康，通過監(jiān)測和預測植被覆蓋度，可以更好地規(guī)劃放牧活動，如果預測顯示植被覆蓋度下降，管理者可以及時調整放牧策略，避免過度放牧導致草地退化，有助于實現(xiàn)放牧活動的可持續(xù)性，同時保護草地生態(tài)系統(tǒng)的完整性；基于植被覆蓋度的預測，可以更好地分配資源、制定政策和規(guī)劃項目，以促進草地管理和保護的有效實施；運用時間序列分析和植被覆蓋度預測可以為科學研究和教育提供重要的數(shù)據和案例，有助于增進對高寒草地生態(tài)系統(tǒng)動態(tài)變化的理解，促進相關學科領域的發(fā)展和教育資源的豐富。

19、當然，實施本發(fā)明的任一產品并不一定需要同時達到以上所述的所有優(yōu)點。