一种基于自然资源调查监测数据处理系统的制作方法

本发明属于自然资源监测调查，具体是一种基于自然资源调查监测数据处理系统。

背景技术：

1、自然资源调查监测是指对自然界中的各种自然资源进行系统的调查、观察和测量，以获取这些资源的数量、质量、分布、利用状况以及变化趋势等信息的活动，包括土壤情况、水质状况、植被覆盖率、植被健康情况等；

2、现有的自然资源调查监测往往对于单一地区数据进行间隔时间数据收集，收集数据往往只反映单一地区的情况，然而我国国土面积巨大，横跨多个时区、经纬线，包含多种地貌，现有的自然资源调查监测数据处理系统无法有效处理我国广袤国土的多样地貌和地理特征，无法通过对于收集数据进行横向对比处理，为使用者提供决策支持，存在实用性与功能性低下的问题；

3、针对上述，本案提出一种基于自然资源调查监测数据处理系统，以解决上述技术问题。

技术实现思路

1、本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种基于自然资源调查监测数据处理系统，通过改善检测方式和处理方式以解决上述技术问题。

2、为了实现上述目的，本发明采用了如下技术方案：

3、一种基于自然资源调查监测数据处理系统，包括特征分组模块、数据采集模块、数据处理模块、特征模型匹配模块、特征模型修正模块、关联数据分析模块；

4、所述特征分组模块，基于不同自然资源调查监测时的指标参数，基于自然资源的特征进行分组，并建立分组档案，对于下辖所有区域进行归类；

5、所述数据采集模块，用于自然资源调查监测时采集相关原始数据，并传输原始数据至数据处理模块中；

6、所述数据处理模块，对于数据采集模块采集的原始数据进行预处理，传输数据至特征模型匹配模块中；

7、所述特征模型匹配模块，收集同类型分组内区域的历史数据值，并基于历史数据，分别构建特征参数模型，对于采集获得的数据进行判定，获得区域采集数据的情况，包括低于正常值、正常值、高于正常值；

8、所述特征模型修正模块，基于两年内世界环境大数据，构建修正参数模型，基于修正参数模型获得修正值，对于特征参数模型进行修正；

9、所述关联数据分析模块，基于特征模型匹配模块的结果，基于相同分组内不同区域特征数值的变化量，通过聚类分析的方法，比较不同聚类群集之间的特征差异。

10、进一步的，所述数据采集模块，包括土壤传感器、水质传感器，用于自然资源调查监测时采集相关原始数据，包括土壤数据、水质数据，以及通过遥感技术获得植被覆盖率数据以及植被健康数据，同时传输原始数据至数据处理模块中；

11、所述数据处理模块，对于数据采集模块采集的原始数据进行预处理，包括数据清洗、去噪，并关联特征分组模块中相关档案，传输数据至特征模型匹配模块中。

12、进一步的，所述特征分组模块，基于不同自然资源调查监测时的指标参数，基于自然资源的特征进行分组，并建立分组档案，对于下辖所有区域进行归类，包括以下步骤：

13、确定自然资源调查监测的下辖区域相关指标参数，包括地貌、经纬线、时区、气候、生态系统类型；

14、基于下辖区域的相关指标参数，对下辖区域进行同类分组，根据每个区域的地貌特征、经纬线位置、所处时区、气候条件以及生态系统类型进行档案建立；

15、根据每个下辖区域的相关指标参数，对于下辖所有区域基于分组档案进行归类，并关联相关区域历史收集数据。

16、进一步的，所述特征模型匹配模块，收集同类型分组内区域的历史数据值，并基于历史数据，分别构建特征参数模型，对于采集获得的数据进行判定，获得区域采集数据的情况，包括低于正常值、正常值、高于正常值，具体步骤为：

17、收集同类型分组内区域的历史数据值，并基于历史数据，设定时间间隔，分别计算时间间隔内数据的变化量，基于数据变化量，分别构建不同特征参数模型，获得变化量区间；

18、根据本次采集获得的数据，计算数据变化量，并基于区域分组内的相关参数变化量区间，对于本次采集获得的数据进行比对判定，以获得区域本次相关采集数据的情况。

19、进一步的，所述收集同类型分组内区域的历史数据值，并基于历史数据，设定时间间隔，分别计算时间间隔内数据的变化量，基于数据变化量，分别构建不同特征参数模型，获得变化量区间，包括以下步骤及算法公式为：

20、收集同类型分组内区域的历史数据值，并基于历史数据，根据自然资源调查监测时的时间间隔,分别计算土壤数据变化量、水质数据变化量、植被覆盖率变化量、植被健康数据变化量，且根据变化量数据正负值分别进行数据排列，其算法公式为：

21、，；

22、，；

23、上述公式中，代表一个自然资源调查监测的时间间隔内，两次土壤数据的差值，即土壤数据变化量，代表一个自然资源调查监测的时间间隔内，两次水质数据的差值，即水质数据变化量，代表一个自然资源调查监测的时间间隔内，两次植被覆盖率的差值，即植被覆盖率变化量，代表一个自然资源调查监测的时间间隔内，两次植被健康数据的差值，即植被健康数据变化量；

24、基于变化量数据的正负，对于变化量数据进行分组，并分别计算均值与标准差，具体的算法公式为：

25、，；

26、，；

27、其中，是土壤数据变化量正数数据集的样本数量，是第 i个数据点，代表标准差，代表土壤数据变化量正数数据集的均值，是土壤数据变化量负数数据集的样本数量，是第 i个数据点，代表标准差，代表土壤数据变化量负数数据集的均值，基于标准差与均值获得变化量区间，具体的步骤及算法公式为：

28、土壤数据正数数据集变化量区间为：；

29、土壤数据负数数据集变化量区间为：；

30、，；

31、，；

32、其中，是水质数据变化量正数数据集的样本数量，是第 i个数据点，代表标准差，代表水质数据变化量正数数据集的均值，是水质数据变化量负数数数据集的样本数量，是第 i个数据点，代表标准差，代表土壤数据变化量负数数据集的均值，基于标准差与均值获得变化量区间，具体的步骤及算法公式为：

33、水质数据正数数据集变化量区间为：；

34、水质数据负数数据集变化量区间为：；

35、，；

36、，；

37、其中，是植被覆盖率变化量正数数据集的样本数量，是第 i个数据点，代表标准差，代表植被覆盖率变化量正数数据集的均值，是植被覆盖率变化量负数数数据集的样本数量，是第 i个数据点，代表标准差，代表植被覆盖率变化量负数数据集的均值，基于标准差与均值获得变化量区间，具体的步骤及算法公式为：

38、植被覆盖率正数数据集变化量区间为：；

39、植被覆盖率负数数据集变化量区间为：；

40、，；

41、，；

42、其中，是植被健康数据变化量正数数据集的样本数量，是第 i个数据点，代表标准差，代表植被健康数据变化量正数数据集的均值，是植被健康数据变化量负数数数据集的样本数量，是第 i个数据点，代表标准差，代表植被健康数据变化量负数数据集的均值，基于标准差与均值获得变化量区间，具体的步骤及算法公式为：

43、植被健康数据正数数据集变化量区间为：；

44、植被健康数据负数数据集变化量区间为：；

45、其中， k为系数，基于变化量区间，对于本次采集获得的数据进行比对判定。

46、进一步的，所述根据本次采集获得的数据，计算数据变化量，并基于区域分组内的相关参数变化量区间，对于本次采集获得的数据进行比对判定，以获得区域本次相关采集数据的情况，包括以下步骤：

47、在一个自然资源调查监测的时间间隔内，基于数据采集模块获得本次土壤数据，通过与上次土壤数据相减，获得本次土壤数据变化量，具体的算法公式为：

48、；

49、基于的正负，匹配对应的变化量区间，具体的步骤为：

50、当≥0时，匹配区间，并进行判定：

51、当≤≤时，表明本次土壤数据呈增长趋势，增长量属于正常值范围；

52、当＜时，表明本次土壤数据呈增长趋势，增长量低于正常值范围；

53、当＞时，表明本次土壤数据呈增长趋势，增长量高于正常值范围；

54、当＜0时，匹配区间，并进行判定：

55、当≤≤时，代表本次土壤数据呈下降趋势，降低量属于正常值范围；

56、当＜时，代表本次土壤数据呈下降趋势，降低量低于正常值范围；

57、当＞时，代表本次土壤数据呈降低趋势，降低量高于正常值范围；

58、在一个自然资源调查监测的时间间隔内，基于数据采集模块获得本次水质数据，通过与上次水质数据相减，获得本次水质数据变化量，其算法公式为：

59、；

60、基于的正负，匹配对应的变化量区间，具体的步骤为：

61、当≥0时，匹配区间，并进行判定：

62、当≤≤时，表明本次水质数据呈增长趋势，增长量属于正常值范围；

63、当＜时，表明本次水质数据呈增长趋势，增长量低于正常值范围；

64、当＞时，表明本次水质数据呈增长趋势，增长量高于正常值范围；

65、当＜0时，匹配区间，并进行判定：

66、当≤≤时，代表本次水质数据呈下降趋势，降低量属于正常值范围；

67、当＜时，代表本次水质数据呈下降趋势，降低量低于正常值范围；

68、当＞时，代表本次水质数据呈降低趋势，降低量高于正常值范围；

69、在一个自然资源调查监测的时间间隔内，基于数据采集模块获得本次植被覆盖率，通过与上次植被覆盖率相减，获得本次植被覆盖率变化量，具体的算法公式为：

70、；

71、基于的正负，匹配对应的变化量区间，具体的步骤为：

72、当≥0时，匹配区间，并进行判定：

73、当≤≤时，代表本次植被覆盖率呈增长趋势，增长量属于正常值范围；

74、当＜时，代表本次植被覆盖率呈增长趋势，增长量低于正常值范围；

75、当＞时，代表本次植被覆盖率呈增长趋势，增长量高于正常值范围；

76、当＜0时，匹配区间，并进行判定：

77、当≤≤时，代表本次植被覆盖率呈下降趋势，降低量属于正常值范围；

78、当＜时，代表本次植被覆盖率呈下降趋势，降低量低于正常值范围；

79、当＞时，代表本次植被覆盖率呈降低趋势，降低量高于正常值范围；

80、在一个自然资源调查监测的时间间隔内，基于数据采集模块获得本次植被健康数据，通过与上次植被健康数据相减，获得本次植被健康数据变化量，具体的算法公式为：

81、；

82、基于的正负，匹配对应的变化量区间，具体的步骤为：

83、当≥0时，匹配区间，并进行判定：

84、当≤≤时，代表本次植被健康数据呈增长趋势，增长量属于正常值范围；

85、当＜时，代表本次植被健康数据呈增长趋势，增长量低于正常值范围；

86、当＞时，代表本次植被健康数据呈增长趋势，增长量高于正常值范围；

87、当＜0时，匹配区间，并进行判定：

88、当≤≤时，代表本次植被健康数据呈下降趋势，降低量属于正常值范围；

89、当＜时，代表本次植被健康数据呈下降趋势，降低量低于正常值范围；

90、当＞时，代表本次植被健康数据呈降低趋势，降低量高于正常值范围。

91、进一步的，所述特征模型修正模块，基于两年内世界环境大数据以及区域特定数据，构建修正参数模型，基于修正参数模型获得修正值，对于变化量区间进行修正，具体的步骤为：

92、基于不同分组区域确定相关区域全球环境变化量影响参数，收集两年内全球环境变化量影响参数变化数据，基于回归方程获得变化量区间修正值；

93、基于变化量区间修正值，对于不同分组区域的变化量区间进行修正，并将修正变化量区间替换初始变化量区间，对于采集数据进行判定。

94、进一步的，所述基于不同分组区域确定相关区域全球环境变化量影响参数，收集两年内全球环境变化量影响参数变化数据，基于回归方程获得变化量区间修正值，具体的步骤为：

95、基于不同的分组区域特点，确定相关的全球环境变化参数，包括气候指标、污染水平、自然灾害频率、经济活动指标；

96、收集两年内相关全球环境变化参数数据，基于收集数据建立修正值回归方程，具体的算法步骤为：

97、；

98、上述公式中，代表的是变化量区间修正值，代表的是截距，、、…、代表回归系数，、、…、代表的是相关全球环境参数变化量数据，代表的是误差项；

99、基于不同的分组区域特点，分别获取相关变化量区间修正值，基于相关变化量区间修正值，对于相关变化量区间进行修正。

100、进一步的，所述关联数据分析模块，基于特征模型匹配模块的结果，基于相同分组内不同区域特征数值的变化量，通过聚类分析的方法，比较不同聚类集群之间的特征差异，具体的步骤为：

101、基于特征模型匹配模块，获得相同分组内不同区域特征数值的变化量，包括土壤数据、水质数据、植被覆盖率、植被健康数据；

102、对选择的变量进行标准化处理，消除由于不同变量间量纲不同而引起的偏差；

103、采用混合高斯模型聚类，识别出具有相似土壤、水质、植被覆盖率和植被健康情况的地区群集，获得不同聚类群集之间的特征差异以及相似性数据。

104、与现有技术相比，本发明的有益效果是：

105、1、在本发明中，通过设置特征分组模块，基于自然资源调查监测的区域以及相关指标参数，对于调查区域进行分组并建立档案，有助于使用者准确理解不同地区的自然资源特征和生态系统状态；

106、2、在本发明中，通过设置特征模型匹配模块，基于分组档案的结果，对于相关特征参数历史数据进行收集，针对不同分组不同特征参数，分别构建特征参数模型，基于特征参数模型获得变化量区间，并对于本次相关自然资源调查监测数据进行判定，对于采集数据进行处理为监测数据的解读和评估提供科学依据；

107、3、在本发明中，基于特征参数模型获得变化量区间，并对于相关区域的数据进行处理与判定，辅助识别自然资源特征在不同分组区域内的变化趋势，帮助管理者及时采取必要的调整和措施；

108、4、在本发明中，通过设置特征模型修正模块配合特征模型匹配模块，基于不同分组区域确定相关区域全球环境变化量影响参数，对于变化量区间进行修正，进一步优化特征参数模型的准确性和适用性，通过修正变化量区间，可以更精准地捕捉和理解环境变化对不同地区特征参数的实际影响；

109、5、在本发明中，修正后的变化量区间提供了更为精确的相关区域参数判定与影响评估，对于采集数据进行进一步处理，为使用者提供数据支撑，对环境管理和资源保护决策具有重要的支持作用；

110、6、在本发明中，通过设置关联分析模块配合特征模型匹配模块，基于聚类分析，对于相同分组内的区域情况进行分析，获得不同聚类群集之间的特征差异以及相似性数据，帮助识别并比较相同分组内不同聚类群集之间的特征差异，有助于深入理解每个聚类群集的自然资源特征及其变化模式，增强了该系统的功能性；

111、7、在本发明中，通过对于数据进行聚类分析处理，可以识别具有相似自然资源特征的区域或群集，有助于制定针对性的管理策略，如在相似群集中推广成功的保护措施或恢复方案，调整管理重点和资源投入。

112、整个基于自然资源调查监测数据处理系统能够实现数据采集、区域分组、特征模型匹配、采集数据处理、聚类分析，有助于帮助使用者更全面、准确地了解自然资源调查监测情况，帮助使用者分析同分组内不同区域的特征差异，能够有效提高自然资源调查监测数据的处理效率和准确性。