[发明专利]一种利用辅助变量数据进行采样点布局的方法

说明书

技术领域

本发明涉及技术领域，具体涉及一种利用辅助变量数据进行采样点布局的方法。

背景技术

空间采样调查是地理研究、资源评估以及空间制图的基础。采样点布局是采样调查的核心内容之一。利用辅助变量数据指导空间采样是区域采样点布局的发展趋势。

目前，利用辅助变量数据进行采样点布局的方法大多利用辅助变量数据实现采样区域内的地理空间分层，消除空间异质性，从而增强采样精度。

但是，现有的利用辅助变量数据进行采样点布局的方法没有考虑采样点在特征空间分布的均匀性。地理空间均匀性可以利用限制样点地理位置实现，而如何反映目标变量在特征空间的分布状况才是利用辅助变量的关键。基于特征空间的均衡设计方法能利用辅助变量数据构建采样优化特征空间，并在工业实验抽样设计得到应用，但该方法只适用于连续数值型变量，且要求各变量的分层数相同，故不能满足类别型变量参与下的采样点布局优化的需要。可见，对目标变量的影响因素中类别型变量占据一定的比重，如何构建类型变量参与下的多维特征空间、及特征空间无偏优化目标函数，以及特征空间和地理空间无偏的双重优化目标函数是无偏采样布设优化的关键。

传统分层采样法没有考虑采样点在地理空间和辅助变量特征空间中分布的均匀性，无法充分利用辅助变量数据对目标变量的空间变异结构的描述信息；应用于工业设计实验抽样的均衡设计方法无法实现样点在地理空间上的均匀性分布，同时无法将类别型辅助变量应用到采样布局优化中。上述方法都导致无法充分辅助变量数据，空间采样效率低，难以满足目标变量总体估计、空间变异特征估计和空间插值分析等采样目标的需要。

发明内容

本发明所要解决的技术问题是如何实现既能兼顾采样点在地理空间和辅助变量特征空间中分布的均匀性，又能利用类别型辅助变量构建辅助变量特征空间的采样点布局。

为此目的，本发明提出一种利用辅助变量数据进行采样点布局的方法，该方法包括：

S1.从预设的K维辅助变量空间中，获取K维辅助变量数据，所述K为正整数，所述K维辅助变量数据的结构为栅格结构，所述K维辅助变量数据的分辨率相同；

将所述K维辅助变量数据与预设的采样区域进行叠加，所述预设的采样区域的形状为多边形R_valid，提取叠加后的采样区域内的栅格单元,得到样本总体中的样本单元，所述样本单元的集合构成样本总体N；

S2.根据所述样本总体N，得到辅助变量特征子空间和n′个地理子空间，所述n′由所述样本总体N确定；

S3.根据所述地理子空间，得到由n个采样单元构成的初始采样点布局数据，所述n为预设值；

S4.根据所述初始采样点布局数据，根据所述初始采样点数据布局，得到n个采样点的布局数据，所述采样点布局数据包括辅助变量特征子空间中的采样点布局数据以及地理子空间中的采样点布局数据；

所述辅助变量特征子空间采样点布局数据满足：

特征子空间布设的采样点/采样点数n＝特征子空间中栅格单元的个数/样本总体N；

所述地理子空间采样点布局数据满足：

地理子空间布设的采样点/采样点数n＝地理子空间中栅格单元的个数/样本总体N。

可选的，在步骤S2中，所述辅助变量特征子空间包括：连续数值型变量特征子空间以及类别型变量特征子空间；

所述连续数值型变量特征子空间的获取步骤包括：

将所述连续数值型变量进行排序，获得连续数值型变量数据累积分布曲线；

根据所述连续数值型变量数据累积分布曲线，通过等频数方法，将所述连续数值型变量划分成R段，形成R个子空间，每个子空间中的采样单元个数相同，其中，即为大于的最小整数。

可选的，所述类别型变量特征子空间的获取步骤包括：

将所述类别型变量进行排序，获得类别型变量数据累积分布曲线；

根据所述类别型变量数据累积分布曲线，通过类别型变量的类别值个数R’，将所述类别型变量划分成R’个子空间，子空间中的采样单元个数为对应类别值所占的栅格单元数。

可选的，在步骤S2中，所述n′个地理子空间的获取步骤包括：

获取地理子空间在x轴方向上的间距d_x以及在y轴方向上的间距d_y，所述d_x与d_y的计算公式如下：