連續(xù)型柵格數(shù)據(jù)的預(yù)測系統(tǒng)研究與應(yīng)用

閆富松　張小峰　孫成寶

摘 要： 地理信息系統(tǒng)中許多數(shù)據(jù)都用柵格格式來表示。隨著計算機(jī)技術(shù)、衛(wèi)星、傳感器等科技快速發(fā)展，柵格數(shù)據(jù)的生產(chǎn)能力大幅度提高，大量應(yīng)用于各行各業(yè)。主要研究對柵格數(shù)據(jù)信息的進(jìn)一步挖掘應(yīng)用，從系統(tǒng)原理、系統(tǒng)組成、應(yīng)用分析三方面，介紹了一種連續(xù)型柵格數(shù)據(jù)預(yù)測系統(tǒng)。通過該系統(tǒng)的方法，可以得到未來時間點(diǎn)的預(yù)測柵格數(shù)據(jù)，觀察到柵格數(shù)據(jù)發(fā)展演變的趨勢，從而給相應(yīng)決策提供科學(xué)依據(jù)。

關(guān)鍵詞： 柵格數(shù)據(jù)； 預(yù)測系統(tǒng)； 地理信息系統(tǒng)； 計算機(jī)技術(shù)

中圖分類號： TN911?34； TP751.1 文獻(xiàn)標(biāo)識碼： A 文章編號： 1004?373X（2017）20?0014?04

Abstract： Many data in geographic information system （GIS） are represented in the raster format. With the rapid development of computer technology， satellite， sensors and other technologies， the production capacity of raster data is greatly improved， and raster data is widely applied to all walks of life. In this paper， further mining and application of raster data is mainly studied. A continuous raster data prediction system is introduced in the three aspects of system principle， system composition and application analysis. With this system， the predicated raster data in the future time point can be obtained， and the trend of raster data development and evolution can be observed， so as to provide scientific basis for relevant decisions.

Keywords： raster data； prediction system； geographic information system； computer technology

0 引 言

柵格數(shù)據(jù)是用一個規(guī)則格網(wǎng)來描述與每一個格網(wǎng)單元位置相對應(yīng)的空間現(xiàn)象特征的位置和取值，每個格網(wǎng)單元稱之為像素，每個像素對應(yīng)存儲一個數(shù)值，表示描述該像素對應(yīng)空間現(xiàn)象特征的屬性信息。像素數(shù)值主要有兩類，一類是像素數(shù)值表示實(shí)際物理意義的數(shù)值，比如數(shù)字高程模型（Digital Elelation Model，DEM）柵格數(shù)據(jù)的像素值代表地表高度，坡度柵格數(shù)據(jù)的像素值代表地表坡度值等，稱之為連續(xù)型柵格數(shù)據(jù)；另一類是像素數(shù)值表示分類代碼值，比如植被類型柵格數(shù)據(jù)的像素值1，2，3等分別代表某類植被類型，稱之為分類型柵格數(shù)據(jù)。地理信息系統(tǒng)中許多數(shù)據(jù)都用柵格格式來表示。隨著計算機(jī)技術(shù)、衛(wèi)星、傳感器等科技的快速發(fā)展，柵格數(shù)據(jù)的生產(chǎn)能力大幅度提高，大量應(yīng)用于各行各業(yè)，衍生出對柵格數(shù)據(jù)信息的進(jìn)一步挖掘應(yīng)用。如何根據(jù)現(xiàn)有的一定時間序列的連續(xù)型柵格數(shù)據(jù)，對未來柵格數(shù)據(jù)的發(fā)展演變進(jìn)行預(yù)測，是本領(lǐng)域技術(shù)人員重點(diǎn)研究的一個技術(shù)問題。

1 連續(xù)型柵格數(shù)據(jù)的預(yù)測系統(tǒng)原理

1.1 預(yù)測粒度

預(yù)測粒度為由M×N個像素組成的最小預(yù)測單元。剔除每個預(yù)測粒度中M×N個像素中誤差最大的像素，計算剩余M×（N-1）個像素的像素平均值L。

1.2 確定時間影響函數(shù)

依據(jù)時間影響函數(shù)，計算時間序列中每個時間序列點(diǎn)的時間影響因子P，P（t）=[ftft]。其中f（t）為時間序列為點(diǎn)t時對應(yīng)的時間影響函數(shù)的值，t取整數(shù)。

1.3 獲得粒度預(yù)測值

根據(jù)時間影響因子P和像素平均值L計算預(yù)測粒度的預(yù)測值V，V=[Lt]*P（t）。其中，L（t），P（t）分別是時間序列點(diǎn)為t時預(yù)測粒度的像素平均值和對應(yīng)的時間影響因子，如圖1所示。最后將預(yù)測值V組織為預(yù)測柵格數(shù)據(jù)。

2 連續(xù)型柵格數(shù)據(jù)的預(yù)測系統(tǒng)組成

（1） 柵格數(shù)據(jù)劃分模塊

用于按預(yù)測粒度劃分給定時間序列的連續(xù)型柵格數(shù)據(jù)，預(yù)測粒度為由像素組成的最小預(yù)測單元。

（2） 像素平均值計算模塊

用于計算每個預(yù)測粒度的像素平均值L。

① 誤差最大像素剔除子模塊，用于剔除誤差最大像素；

② 剩余像素平均值計算子模塊，用于計算剩余M×（N-1）個像素的像素平均值L。

（3） 時間影響因子計算模塊

用于確定時間影響函數(shù)，依據(jù)時間影響函數(shù)計算時間序列中每個時間序列點(diǎn)的時間影響因子P。

（4） 預(yù)測值計算模塊

用于根據(jù)時間影響因子P和像素平均值L計算預(yù)測粒度的預(yù)測值V。

（5） 預(yù)測柵格數(shù)據(jù)組織模塊

用于將預(yù)測值V組織為預(yù)測柵格數(shù)據(jù)。

3 連續(xù)型柵格數(shù)據(jù)的預(yù)測系統(tǒng)應(yīng)用分析

下面以北京市土壤侵蝕量為參考，進(jìn)行說明。圖2～圖4分別是北京市2009—2011年部分土壤侵蝕量柵格數(shù)據(jù)。

北京市2009—2011年土壤侵蝕量柵格數(shù)據(jù)的分辨率都為10 m，柵格像素大小為：行像素17 959×列像素17 777。將3年的土壤侵蝕量柵格數(shù)據(jù)按3×3像素預(yù)測粒度進(jìn)行劃分，每個柵格數(shù)據(jù)由5 987×5 926個預(yù)測粒度組成。endprint

以圖2所示的北京市2009年土壤侵蝕量部分柵格數(shù)據(jù)中的兩個預(yù)測粒度：預(yù)測粒度1和預(yù)測粒度N為例進(jìn)行說明。

3.1 劃分連續(xù)型柵格數(shù)據(jù)

按最小預(yù)測單元3×3像素對北京市2009年土壤侵蝕量柵格數(shù)據(jù)進(jìn)行劃分，結(jié)果如圖2所示。

3.2 計算每個預(yù)測粒度的像素平均值L1

圖2中預(yù)測粒度1的9個像素值分別為22.3，12.6，24.1，21.8，19.4，22，24，187.2，21.8，計算預(yù)測粒度1的像素平均值L1=39。

3.3 剔除每個預(yù)測粒度誤差最大的像素

將預(yù)測粒度1的每個像素值分別與像素平均值L相減后取絕對值，絕對值最大對應(yīng)的像素值為187.2，剔除該像素。

3.4 計算剩余像素的像素平均值L2

剔除誤差最大像素后，預(yù)測粒度1剩余像素平均值L2=21.0。相同的方法，得到預(yù)測粒度N的剩余像素平均值L2=1 577.9，如圖5所示。

采用和處理北京市2009年土壤侵蝕量柵格數(shù)據(jù)相同的方法，對北京市2010，2011年土壤侵蝕量柵格數(shù)據(jù)（圖3、圖4）進(jìn)行處理，剔除誤差最大像素后，對應(yīng)于預(yù)測粒度1和預(yù)測粒度N的處理數(shù)據(jù)結(jié)果分別見圖6、圖7。

3.5 依據(jù)時間影響函數(shù)計算時間影響因子P

根據(jù)多年在土壤侵蝕計算工作中的經(jīng)驗(yàn)知識，確定時間影響函數(shù)f（x）=x2。這個時間影響函數(shù)的物理意義在于，近期的影響土壤侵蝕量的因素比歷史早期的相應(yīng)因素對預(yù)測結(jié)果起更大的主導(dǎo)作用，由多年的統(tǒng)計結(jié)果確定量化關(guān)系為平方關(guān)系。

根據(jù)時間影響函數(shù)f（x）=x2，計算給定3年時間序列{1，2，3}中每個時間序列點(diǎn)的時間影響因子{P1，P2，P3}。通過P（t）=[ftft]計算：

[P1=1212+22+32=114P2=2212+22+32=414P3=3212+22+32=914]

3.6 計算預(yù)測粒度的預(yù)測值V

再對圖5～圖7中的每個預(yù)測粒度計算，分別得到一個預(yù)測值，以預(yù)測粒度1和N為例子。

預(yù)測粒度1對應(yīng)的像素的預(yù)測值為：

V1=21.0×P1+32.7×P2+55.9×P3=46.74

預(yù)測粒度N對應(yīng)的像素的預(yù)測值：

VN=1 577.9×P1+1 826.5×P2+2 236.7×P3=2 072.4

3.7 將預(yù)測值V組織為預(yù)測柵格數(shù)據(jù)

計算完所有的像素預(yù)測值，得到5 987×5 926像素的北京市2012年土壤侵蝕量預(yù)測結(jié)果柵格數(shù)據(jù)，如圖8所示。

根據(jù)北京市2009—2011年土壤侵蝕量柵格數(shù)據(jù)，就可以得到2012年預(yù)測柵格數(shù)據(jù)。

圖9～圖12是北京市2009—2012年土壤侵蝕量柵格數(shù)據(jù)的示意圖，從圖12預(yù)測得到的北京市2012年土壤侵蝕量柵格數(shù)據(jù)的示意圖可以看出，2012年房山區(qū)的土壤侵蝕量比較嚴(yán)重，應(yīng)該在房山區(qū)進(jìn)行水土保持工作，通過植樹造林等措施來預(yù)防土壤侵蝕情況繼續(xù)惡化。

4 結(jié) 論

通過本系統(tǒng)所提出的方法，可以得到未來時間點(diǎn)的預(yù)測柵格數(shù)據(jù)，觀察柵格數(shù)據(jù)發(fā)展演變的趨勢，從而對決策、預(yù)警系統(tǒng)提供科學(xué)依據(jù)，對防洪、防震等預(yù)警系統(tǒng)進(jìn)行完善，提高預(yù)警系統(tǒng)的準(zhǔn)確性。預(yù)測到地震、洪水等自然災(zāi)害時，可以提前采取措施，做好防范準(zhǔn)備工作。

參考文獻(xiàn)

[1] 朱建章，石強(qiáng)，陳鳳娥，等.遙感大數(shù)據(jù)研究現(xiàn)狀與發(fā)展趨勢[J].中國圖象圖形學(xué)報，2016（11）：1425?1439.

[2] 邵彧，師曉利.基于遙感數(shù)據(jù)挖掘的智能地理信息系統(tǒng)設(shè)計[J].現(xiàn)代電子技術(shù)，2016，39（10）：54?57.

[3] 查良松，鄧國徽，谷家川.1992—2013年巢湖流域土壤侵蝕動態(tài)變化[J].地理學(xué)報，2015（11）：1708?1719.

[4] 陳世發(fā).基于GIS的亞熱帶山地土地利用與土壤侵蝕關(guān)系研究：以粵北山區(qū)為例[J].干旱區(qū)資源與環(huán)境，2015（2）：80?85.

[5] 李超，杜昭陽，陳召亞，等.基于柵格數(shù)據(jù)的高標(biāo)準(zhǔn)基本農(nóng)田綜合評價及建設(shè)時序研究：以河北省盧龍縣為例[J].農(nóng)業(yè)現(xiàn)代化研究，2015（1）：111?117.

[6] 李德仁，張良培，夏桂松.遙感大數(shù)據(jù)自動分析與數(shù)據(jù)挖掘[J].測繪學(xué)報，2014（12）：1211?1216.

[7] 宋維靜，劉鵬，王力哲，等.遙感大數(shù)據(jù)的智能處理：現(xiàn)狀與挑戰(zhàn)[J].工程研究?跨學(xué)科視野中的工程，2014（3）：259?265.

[8] 陳思旭，楊小喚，肖林林，等.基于RUSLE模型的南方丘陵山區(qū)土壤侵蝕研究[J].資源科學(xué)，2014（6）：1288?1297.

[9] 杜靈通，田慶久，王磊，等.基于多源遙感數(shù)據(jù)的綜合干旱監(jiān)測模型構(gòu)建[J].農(nóng)業(yè)工程學(xué)報，2014（9）：126?132.

[10] 馬媛，閆菲.數(shù)字化技術(shù)在地理信息系統(tǒng)中的應(yīng)用[J].現(xiàn)代電子技術(shù)，2009，32（5）：122?124.

[11] 高紅艷，唐英敏.基于柵格新安江模型的淮河上游土壤侵蝕預(yù)測[J].南水北調(diào)與水利科技，2016（3）：73?77.

[12] 周寧，李超，滿秀玲.基于GIS的黑龍江省拉林河流域土壤侵蝕空間特征分析[J].水土保持研究，2014（6）：10?15.endprint