[发明专利]一种区域植被指标的驱动因素分析方法、装置及存储介质

说明书

本申请公开了一种区域植被指标的驱动因素分析方法、装置及存储介质，该方法包括以下步骤：获取研究区域的植被指标数据和植被指标的至少两种驱动因素数据；对植被指标数据进行局部空间自相关分析，以得到包含有多种聚类类型的分析结果；按照预设的组合规则，将不同的聚类类型进行组合以获取至少一种组合聚类类型；利用随机森林模型，对属于至少一种组合聚类类型中每种组合聚类类型的植被指标的驱动因素进行重要性分析。本申请实施例通过上述技术方案可以确定，重新组合后的部分组合聚类类型能够提高驱动因素的分析精度，从而满足了精度要求，并实现了从总体中提炼出特定、重要聚类类型的驱动因素分析结果。

技术领域

本申请涉及数据处理技术领域，具体而言，涉及一种区域植被指标的驱动因素分析方法、装置及存储介质。

背景技术

在植被生态指标中，以植被净初级生产力(Net Primary Productivity，NPP)为例，它是植物生态系统结构和功能的基础，是研究植被固碳能力的重要数据，也是分析判定生态系统碳汇/源过程的关键要素，是用来表征全球变化响应的主要参数，也可被用作辅助政府决策和分析经济发展程度的重要参考指标。

鉴于不同类型区域植被指标数据自身的特点及其驱动因素以及不同驱动因素之间关系的复杂性，合适的算法是影响其驱动因素分析精度效果的关键之一。

目前，在区域植被指标的驱动因素分析方面有多种方法，其中线性回归分析是较常用的方法。但该方法在实际应用中时常会出现结果精度不高、不易满足预期目标的问题。原因之一是回归分析方法有严格的假设条件，即线性(因变量和每个自变量都是线性关系)、独立性(对于所有的观测值，其误差项相互之间是独立的)、正态性(误差项服从正态分布)、等方差(回归函数中的随机误差项具有相同的方差)、自变量之间相互独立。而实际数据很难满足这些条件，此时若使用该方法，则忽视了方法的适用性和数据的真实特性，难以客观准确地反映数据之间的真实关系，可能引起较大误差，降低结果的可信度。

此外，现有分析方法一般是对研究区总体进行分析，由于环境因子的空间异质性、不同环境因子之间复杂的交互作用及其对区域植被指标的不同影响等问题时常导致区域植被指标显示较高的变化程度和复杂的变化趋势，也时常会导致其驱动因素分析结果误差较大，且不易找到引起上述现象的主要驱动因素，特别是在地形起伏较大、植被分布破碎化现象严重的山地研究区更为突出。如何解决这个问题也亟待深入研究。

发明内容

本申请实施例的目的在于提供一种区域植被指标的驱动因素分析方法、装置及存储介质，以改善现有技术中时常遇到的结果精度偏低、不易满足精度要求、以及有特殊适用场景的问题。

有鉴于此，第一方面，本申请提供了一种区域植被指标的驱动因素分析方法，该方法包括：获取研究区域的植被指标数据和植被指标的至少两种驱动因素数据；对植被指标数据进行局部空间自相关分析，以得到包含有多种聚类类型的分析结果；按照预设的组合规则，将不同的聚类类型进行组合以获取至少一种组合聚类类型；利用随机森林模型，对属于至少一种组合聚类类型中每种组合聚类类型的植被指标的驱动因素进行重要性分析。

因此，本申请实施例通过将划分后的聚类类型进行再次组合，并可通过随机森林模型的输出结果可以确定，重新组合后的部分组合聚类类型能够提高驱动因素的分析精度，从而满足了精度要求。

此外，本申请实施例中的方案还适用于其它植被指标与非植被指标的地理数据的驱动因素分析，其中的组合聚类类型也适用各类地理数据的空间分布格局分析。

在一个可能的实施例中，植被指标数据包括净初级生产力数据；净初级生产力的驱动因素数据包括归一化植被指数数据、人口密度数据、国内生产总值数据、夜间灯光亮度数据、数字高程模型数据、年平均降雨量数据、年平均气温数据和坡度数据中的至少两种。

因此，本申请实施例能够从生物、气候、地形和人为等方面更综合、全面和客观地对驱动因素进行分析。