【技術實現步驟摘要】
本專利技術屬于數據挖掘和風險管理領域，具體涉及基于大數據的歷史景觀風險評估與預警系統。
技術介紹
1、隨著全球氣候變化對環境的影響日益加劇，歷史景觀保護面臨著前所未有的挑戰，為了有效地評估這些風險，提供了一種基于大數據的歷史景觀風險評估與預警系統，通過從采集的多種數據中分別提取特征數據得到相應的風險指數，包括空氣污染風險指數、地形風險指數和綜合生物失衡風險指數，將相應的風險指數作為輸入數據構建歷史景觀風險預測模型部署在歷史景觀環境中得到綜合歷史景觀風險評價預測值，設定不同的風險閾值，根據綜合歷史景觀風險評價預測值針對歷史景觀的風險程度等級進行分類和預警。
2、現有的歷史景觀風險評估與預警系統雖然在一定程度上實現了歷史景觀風險評估與預警，但傳統的歷史景觀風險評估與預警系統難以通過大數據分析法對多種歷史數據進行分析，缺少從采集的空氣環境數據、地形地貌數據和生物樣本數據中提取相應的特征分別得到空氣污染風險指數、地形風險指數和綜合生物失衡風險指數，也難以綜合多種特征污染風險指數構建歷史景觀風險預測模型得到綜合歷史景觀風險評價預測值，也缺乏針對歷史景觀風險程度進行分類和預警。
技術實現思路
1、本專利技術旨在至少解決現有技術中存在的技術問題之一；為此，本專利技術提出了基于大數據的歷史景觀風險評估與預警系統，用于解決以下技術問題：
2、現有的歷史景觀風險評估與預警系統雖然在一定程度上實現了歷史景觀風險評估與預警，但傳統的歷史景觀風險評估與預警系統難以通過大數據分析法對多
3、為解決上述問題，本專利技術的第一方面提供了基于大數據的歷史景觀風險評估與預警系統，包括以下模塊：
4、數據采集和處理模塊：通過遙感技術和gis技術結合采集多種數據，包括空氣環境監測數據、地形地貌數據和生物樣本數據，并對數據進行預處理；
5、數據分析模塊：將污染物測量值與污染物濃度平均值得到的相應污染物的相對偏移值，通過多種污染物的相對偏移值得到空氣污染風險指數，通過歷史降雨量數據構建歷史景觀的降雨量預測模型，將遙感影像數據中提取的特征數據得到的地形復雜程度，通過降雨量預測值與地形復雜程度得到地形風險指數，通過歷史景觀中獲取的生物樣本數據構建生物識別模型，根據植物失衡指數、動物失衡指數和微生物失衡指數得到綜合生物失衡風險指數；
6、特征模型預測模塊：通過采集到的空氣環境監測數據、地形地貌數據和生物樣本數據中提取出的特征數據分別得到空氣污染風險指數、地形風險指數和綜合生物失衡風險指數構建模型得到綜合歷史景觀風險評價預測值；
7、風險評估與預警模塊：設定不同的風險閾值，根據綜合歷史景觀風險評價預測值針對歷史景觀的風險程度等級進行分類和預警。
8、作為本專利技術進一步的方案，所述通過遙感技術和gis技術結合采集多種數據，包括空氣環境監測數據、地形地貌數據和生物樣本數據，并對數據進行預處理，包括以下步驟：
9、利用衛星傳感器獲取衛星圖像數據后，使用gps技術測量地面控制點的位置，使用gps接收器測量每個地面控制點的坐標，通過激光雷達技術獲取激光雷達數據收集地形地貌數據并進行處理得到dem數字高程模型，使用衛星傳感器監測污染物種類，并在歷史景觀內部署空氣質量檢測儀器采集實時數據，在歷史景觀環境內采集植物、動物和生物樣本，使用高分辨率影像識別和分類不同的生物種類，對采集到的數據進行預處理，包括幾何校正和去噪處理。
10、作為本專利技術進一步的方案，所述將污染物測量值與污染物濃度平均值得到的相應污染物的相對偏移值，通過多種污染物的相對偏移值得到空氣污染風險指數，包括以下步驟：
11、通過在歷史景觀內部署多個空氣質量監測站，每個站點配備顆粒檢測儀和氣態污染物檢測儀，分別采集pm2.5、so2、no2和co污染物的數據，定期監測并記錄空氣中污染物相應的濃度數據，對采集到的數據進行預處理后，分別通過大數據分析法得到每種污染物的濃度平均值，將測量儀采集的污染物測量值與污染物濃度平均值得到的相應污染物的相對偏移值，通過多種污染物的相對偏移值得到空氣污染風險指數；
12、空氣污染風險指數計算公式：
13、其中，為空氣污染風險指數，為空氣中pm2.5濃度的測量值，為pm2.5濃度的平均值，為空氣中so2濃度的測量值，為so2濃度的平均值，為空氣中no2濃度的測量值，為no2濃度的平均值，為空氣中co濃度的測量值，為co濃度的平均值。
14、作為本專利技術進一步的方案，所述通過歷史降雨量數據構建歷史景觀的降雨量預測模型，將遙感影像數據中提取的特征數據得到的地形復雜程度，通過降雨量預測值與地形復雜程度得到地形風險指數，包括以下步驟：
15、通過遙感技術獲取歷史景觀的遙感影像數據，并從氣象部門獲取歷史景觀歷史降雨量數據，利用統計特征分析方法從歷史降雨量數據中提取時間序列特征，包括年降雨量、月均降雨量和最大日降雨量，將提取的特征數據作為輸入變量，歷史景觀降雨量數據作為輸出變量，對模型進行訓練，將新的遙感影像數據和特征數據輸入到訓練好的模型中，模型根據輸入的數據，輸出歷史景觀的降雨量預測值；
16、對獲取到的遙感影像數據進行預處理，包括，降噪、大氣糾正和圖像增強處理，從預處理后的數據中提取出地形特征，包括坡度、坡向和高度特征，使用arcgis地理信息系統中的坡度工具，基于dem高程模型數據計算每個像元與周圍3×3像元鄰域之間的高程變化，通過比較中心像元與相鄰像元的高程值，確定出相應高程變化率得到坡度值；使用arcgis地理信息系統中的坡向工具，基于dem高程模型數據計算每個像元的值表示該點的朝向，通過重分類工具對坡向進行分類，并對每個類別設置一個數值進行表示；從dem高程模型數據中提取地面高度信息，獲取每個像元的高程值輸入到屬性表中，使用柵格計算器在屬性表中提取高度值，分別將坡度值、坡向值和高度值經過標準化處理后，進行聯立得到地形復雜程度；
17、地形復雜程度計算公式：
18、其中，為地形復雜程度，為坡度值，為坡向值，為高度值；
19、將歷史景觀的降雨量預測值與地形復雜程度歸一化處理后進行整合，得到地形風險指數；
20、地形風險指數計算公式：
21、其中，為地形風險指數，為降雨量預測值，和均為權重系數。
22、作為本專利技術進一步的方案，所述通過歷史景觀中獲取的生物樣本數據構建生物識別模型，包括以下步驟：
23、從歷史景觀中獲取的生物樣本數據，包括歷史景觀中全部物種的數量和種類，對生物樣本數據中的植物、動物和微生物樣本分別進行標注和分類，使用r語言中的tidyverse整潔數據本文檔來自技高網...
【技術保護點】
1.基于大數據的歷史景觀風險評估與預警系統，其特征在于，包括以下模塊：數據采集和處理模塊：通過遙感技術和GIS技術結合采集多種數據，包括空氣環境監測數據、地形地貌數據和生物樣本數據，并對數據進行預處理；
2.根據權利要求1所述的基于大數據的歷史景觀風險評估與預警系統，其特征在于，所述通過遙感技術和GIS技術結合采集多種數據，包括空氣環境監測數據、地形地貌數據和生物樣本數據，并對數據進行預處理，包括以下步驟：利用衛星傳感器獲取衛星圖像數據后，使用GPS技術測量地面控制點的位置，使用GPS接收器測量每個地面控制點的坐標，通過激光雷達技術獲取激光雷達數據收集地形地貌數據并進行處理得到DEM數字高程模型，使用衛星傳感器監測污染物種類，并在歷史景觀內部署空氣質量檢測儀器采集實時數據，在歷史景觀環境內采集植物、動物和生物樣本，使用高分辨率影像識別和分類不同的生物種類，對采集到的數據進行預處理，包括幾何校正和去噪處理。
3.根據權利要求1所述的基于大數據的歷史景觀風險評估與預警系統，其特征在于，所述將污染物測量值與污染物濃度平均值得到的相應污染物的相對偏移值，通過多種污
4.根據權利要求1所述的基于大數據的歷史景觀風險評估與預警系統，其特征在于，所述通過歷史降雨量數據構建歷史景觀的降雨量預測模型，將遙感影像數據中提取的特征數據得到的地形復雜程度，通過降雨量預測值與地形復雜程度得到地形風險指數，包括以下步驟：
5.根據權利要求1所述的基于大數據的歷史景觀風險評估與預警系統，其特征在于，所述通過歷史景觀中獲取的生物樣本數據構建生物識別模型，包括以下步驟：從歷史景觀中獲取的生物樣本數據，包括歷史景觀中全部物種的數量和種類，對生物樣本數據中的植物、動物和微生物樣本分別進行標注和分類，使用R語言中的tidyverse整潔數據科學包對數據進行清洗操作，包括處理缺失值、異常值和對數據進行歸一化操作，通過圖像處理軟件和文本分析法對于不同類型的生物樣本提取相應特征；對于植物樣本，提取葉片形狀、顏色和紋理特征；對于動物樣本，提取動物體型、顏色和棲息方式特征；對微生物樣本，提取細胞形狀、大小和顏色特征，使用Python編程語言中的統計函數計算每種類型生物樣本的數量；根據數據提取的特征構建相應的生物識別模型，使用標注好的數據對模型進行訓練，將從生物樣本中提取的特征作為輸入，生物樣本的種類和對應的數量作為輸出，將訓練好的模型部署在新環境中，對新的生物樣本進行識別。
6.根據權利要求1所述的基于大數據的歷史景觀風險評估與預警系統，其特征在于，所述根據植物失衡指數、動物失衡指數和微生物失衡指數得到綜合生物失衡風險指數，包括以下步驟：
7.根據權利要求1所述的基于大數據的歷史景觀風險評估與預警系統，其特征在于，所述通過采集到的空氣環境監測數據、地形地貌數據和生物樣本數據中提取出的特征數據分別得到空氣污染風險指數、地形風險指數和綜合生物失衡風險指數構建模型得到綜合歷史景觀風險評價預測值，包括以下步驟：
8.根據權利要求1所述的基于大數據的歷史景觀風險評估與預警系統，其特征在于，所述設定不同的風險閾值，根據綜合歷史景觀風險評價預測值針對歷史景觀的風險程度等級進行分類和預警，包括以下步驟：根據歷史數據的分布，設定不同的風險閾值；
...【技術特征摘要】
1.基于大數據的歷史景觀風險評估與預警系統，其特征在于，包括以下模塊：數據采集和處理模塊：通過遙感技術和gis技術結合采集多種數據，包括空氣環境監測數據、地形地貌數據和生物樣本數據，并對數據進行預處理；
2.根據權利要求1所述的基于大數據的歷史景觀風險評估與預警系統，其特征在于，所述通過遙感技術和gis技術結合采集多種數據，包括空氣環境監測數據、地形地貌數據和生物樣本數據，并對數據進行預處理，包括以下步驟：利用衛星傳感器獲取衛星圖像數據后，使用gps技術測量地面控制點的位置，使用gps接收器測量每個地面控制點的坐標，通過激光雷達技術獲取激光雷達數據收集地形地貌數據并進行處理得到dem數字高程模型，使用衛星傳感器監測污染物種類，并在歷史景觀內部署空氣質量檢測儀器采集實時數據，在歷史景觀環境內采集植物、動物和生物樣本，使用高分辨率影像識別和分類不同的生物種類，對采集到的數據進行預處理，包括幾何校正和去噪處理。
3.根據權利要求1所述的基于大數據的歷史景觀風險評估與預警系統，其特征在于，所述將污染物測量值與污染物濃度平均值得到的相應污染物的相對偏移值，通過多種污染物的相對偏移值得到空氣污染風險指數，包括以下步驟：
4.根據權利要求1所述的基于大數據的歷史景觀風險評估與預警系統，其特征在于，所述通過歷史降雨量數據構建歷史景觀的降雨量預測模型，將遙感影像數據中提取的特征數據得到的地形復雜程度，通過降雨量預測值與地形復雜程度得到地形風險指數，包括以下步驟：
5.根據權利要求1所述的基于大數據的歷史景觀風險評估與預警系統，其特征在于，所述通過歷史景觀中獲取的生物樣本數據構建生...
【專利技術屬性】
技術研發人員：宋鳳，趙文康，趙篤靈，張信涵，武興宇，王越，夏甜甜，任震，高宜生，丁國勛，
申請(專利權)人：山東建筑大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。