[发明专利]一种连续型栅格数据的预测方法及装置

说明书

技术领域

本申请涉及栅格数据处理的技术领域，特别是涉及一种连续型栅格数据的预测方法及装置。

背景技术

栅格数据是用一个规则格网来描述与每一个格网单元位置相对应的空间现象特征的位置和取值，每个格网单元称之为像素，每个像素对应存储一个数值，表示描述该像素对应空间现象特征的属性信息。像素数值主要有两类，一类像素数值表示实际物理意义的数值，比如数字高程模型(Digital EleLation Model，DEM)栅格数据的像素值代表地表高度，坡度栅格数据的像素值代表地表坡度值等等，这类栅格数据称之为连续型栅格数据；另一类像素数值表示分类代码值，比如植被类型栅格数据的像素值1，2，3等分别代表某类植被类型，该像素的分类代码值不具有孤立含义，这类栅格数据称之为分类型栅格数据。

地理信息系统中许多数据都用栅格格式来表示。尤其是随着计算机技术、卫星、传感器等科技的快速发展，栅格数据的生产能力大幅度提高，同时也大量应用于各行各业。随之衍生出对栅格数据信息的进一步挖掘应用。

因此，本领域技术人员迫切需要解决的一个技术问题在于，如何根据现有的给定一定时间序列的连续型栅格数据，对未来栅格数据的发展演变进行预测。

发明内容

本申请提供一种连续型栅格数据的预测方法及装置，用以对未来栅格数据的发展进行预测。

为了解决上述问题，本申请公开了一种连续型栅格数据的预测方法，包括：

按预测粒度划分给定时间序列的连续型栅格数据，所述预测粒度为由像素组成的最小预测单元；

计算所述每个预测粒度的像素平均值L；

确定时间影响函数，依据所述时间影响函数计算所述时间序列中每个时间序列点的时间影响因子P；

根据所述时间影响因子P和所述像素平均值L计算所述预测粒度的预测值V；

将所述预测值V组织为预测栅格数据。

优选地，所述预测粒度为由M*N个像素组成的最小预测单元；

所述计算每个预测粒度的像素平均值L包括：

剔除每个预测粒度中M*N个像素中误差最大的像素；

计算剩余M*N-1个像素的像素平均值L。

优选地，所述剔除每个预测粒度中M*N个像素中误差最大的像素包括：

将所述每个预测粒度的M*N个像素值分别与像素平均值相减后取绝对值，剔除所述绝对值最大的像素。

优选地，所述确定时间影响函数包括：

根据所述给定时间序列的栅格数据，选择线性函数、指数函数、对数函数或幂函数作为时间影响函数。

优选地，所述依据时间影响函数计算时间序列中每个时间序列点的时间影响因子P的公式为：

P(t)＝f(t)/∑f(t)；

其中f(t)为时间序列为点t时对应的时间影响函数的值，t取整数；

∑f(t)为所有时间序列点对应的时间影响函数值之和，

∑f(t)＝f(1)+f(2)+f(3)+f(4)+…+f(t)。

优选地，所述根据所述时间影响因子P和所述像素平均值L计算所述预测粒度的预测值V的公式为：

V＝∑L(t)*P(t)；

其中，L(t)是时间序列点为t时预测粒度的像素平均值，P(t)是时间序列点为t时对应的时间影响因子。

本申请还公开了一种连续型栅格数据的预测装置，包括：

栅格数据划分模块，用于按预测粒度划分给定时间序列的连续型栅格数据，所述预测粒度为由像素组成的最小预测单元；

像素平均值计算模块，用于计算所述每个预测粒度的像素平均值L；

时间影响因子计算模块，用于确定时间影响函数，依据所述时间影响函数计算所述时间序列中每个时间序列点的时间影响因子P；

预测值计算模块，用于根据所述时间影响因子P和所述像素平均值L计算所述预测粒度的预测值V；

预测栅格数据组织模块，用于将所述预测值V组织为预测栅格数据。

优选地，所述像素平均值计算模块包括：

误差最大像素剔除子模块，用于剔除误差最大像素，所述误差最大像素为将所述M*N个像素值分别与像素平均值L相减后绝对值最大的像素；

剩余像素平均值计算子模块，用于计算剩余M*N-1个像素的像素平均值L。

优选地，所述时间影响因子计算模块所用的公式为：

P(t)＝f(t)/∑f(t)；

其中f(t)为时间序列为点t时对应的时间影响函数的值，t取整数；