[发明专利]一种多尺度嵌套的空间统计单元构建方法

说明书

本发明属于遥感数据的时空分析领域，尤其是公开了一种多尺度嵌套的空间统计单元构建方法。本发明采用的技术方案为：一种多尺度嵌套的空间统计单元构建方法，步骤1：确定格网局部均质阈值，即变异系数阈值λ₀；步骤2：构建第n阶尺度正方形格网；步骤3，构建n‑1阶尺度正方形格网单元；步骤4，构建(n‑2),(n‑3),......,2,1阶尺度正方形格网单元。本发明提供一种在不降低原始时空遥感数据精度和不丢失有用信息的前提下，一种多尺度嵌套的空间统计单元构建方法，为进一步深入分析打下坚实基础，也为顺利将众多复杂、科学、优良的时空分析技术顺利引入时空遥感大数据分析领域创造有利条件。

技术领域

本发明属于遥感数据的时空分析领域，尤其是公开了一种多尺度嵌套的空间统计单元构建方法。

背景技术

在大数据时代，数据挖掘和数据分析愈来愈显得至关重要，特别是在地学领域，随着对地观测技术的迅猛发展，积累了海量的时空数据。目前全球共发射了320颗对地观测卫星，包括陆地、大气和海洋等各个领域。通过对地观测卫星所携带的各类传感器，可以对大气和地球表面的各类物理和化学参数进行监测。经过50多年的发展，采集积累了大量的卫星遥感时空观测数据，但目前对于遥感数据的分析处理能力还需要进一步加强，特别是对于时空大数据的挖掘分析。尽管目前计算机硬件技术快速发展，但也难以追赶数据量的几何级增长。对于时空大数据的统计分析，若简单以最小观测单元(如像元)为统计单元，则无疑会带来巨大的计算负担，同时也存在信息冗余的问题，换句话说，并不是统计单元越小越合理，目前人们在对时空遥感数据统计分析时，大都惯以像元为空间统计单元，这样做不但难以将复杂的时空分析方法引入时空大数据分析领域，而且在理论上也难以站住脚。

对于遥感数据的时空分析问题，一般都以固定的像元尺度进行时空统计分析，通常以3×3像元的一阶空间邻接考虑空间相关性，而这样并不能反映时空过程中的多尺度耦合效应，其对时空格局的探测和研究结果可能存在偏差。

现有空间统计单元选取或构建技术的一个共同缺点是：拟通过固定尺度的空间统计单元来测度多尺度耦合的时空变化过程，显然有失合理性和科学性。再者，若以原始像元为空间统计单元，不但在存在上述理论缺陷，而且还会带来巨大的冗余计算负担，致使很多时空分析方法无法实施；而若以固定的较大尺度格网单元为空间统计单元，也同样会存在上述理论缺陷，且会降低原始数据的精度，丢失很多有用的信息。

发明内容

本发明克服现有技术存在的不足，提供一种在不降低原始时空遥感大数据精度和不丢失有用信息的前提下，一种多尺度嵌套的空间统计单元构建方法，为进一步深入分析打下坚实基础，也为顺利将众多复杂、科学、优良的时空分析技术顺利引入时空遥感大数据分析领域创造有利条件。

为了解决上述技术问题，本发明采用的技术方案为：一种多尺度嵌套的空间统计单元构建方法，其特征在于，包括以下步骤：

步骤1：确定格网局部均质阈值，即变异系数阈值λ₀；先计算原始遥感数据的变异系数Cv，根据原始遥感数据变异系数确定格网局部均质阈值λ₀；

步骤2：构建第n阶尺度正方形格网；假设原来像元尺度为d₀×d₀，则n阶尺度正方形格网的尺度为2^n-1d₀×2^n-1d₀；

步骤3，构建(n-1)阶尺度正方形格网单元；计算每一个n阶尺度正方形格网包含像元属性值的变异系数，记第j个n阶尺度正方形格网对应的变异系数为Cv_n,j,若Cv_n,j>λ₀,则对第j个n阶尺度正方形格网进行四叉树剖分，若Cv_n,j≤λ₀，则保持n阶尺度正方形格网；