[发明专利]一种红树林智能监管系统

权利要求书

1.一种红树林智能监管系统，包括业务层、数据层、展现层，

业务层包括用户系统、业务系统、算法系统三大系统组成，用户系统主要用来管理平台用户操作行为及信息管理；业务系统用于管理整个平台模块之间的业务，包括GIS地图生成、红树林模拟；算法系统通过GIS地图生成方法、红树林模拟方法实现对监管地域、红树林的识别和监控；

数据层用于数据存储，分为数据中心、系统数据库、图像数据库，数据中心用于存储各种业务数据；系统数据库存储系统模块之间的业务关系数据，包括地图、图像存放地址；

展现层通过WEB端输出各功能模块之间交互返回的结果，开放API接口调用方法开发者可通过相关开放接口地址按照提供的调用规则进行调用；

其中，系统服务采用轻量级Flask Web应用框架，其WSGI工具箱采用Werkzeug，Flask拥有内置服务器和单元测试，适配RESTful，支持安全的cookies；机器深度学习算法Keras人工神经网络和Open CV机器学习视觉算法，实时捕捉动态图像进行识别；自动采集数据图像，实现准确智能识别；

其中，GIS地图生成方法为遥感监测制图，具体为：

遥感监测制图依赖于ArcGIS引擎，针对遥感监测数据的特点，满足面向业务的工作和测绘的需要，在用户感兴趣的屏幕范围内自动绘制各种地图要素，实现地图输出以及以业务为导向的工作，ArcGIS引擎的图形对象是视图对象PageLayout，为了制图输出，视图对象PageLayout具有修改类和对象；

遥感监测制图需要快速有效地处理，满足卫星遥感监测过程中方便快捷的测绘要求，保证信息发布的效率，对象制图和对象页面布局类似，显示图形元素，在对象地图的基础上，添加相应的图形信息，包括地图、地理坐标、标记、文字、图例、指北针和比例尺；

包括如下步骤；

步骤1、制图范围的选择与预处理

通过人际交互，用户手动拖动鼠标在屏幕上画出一个矩形框，每一个触发器事件都被临时记录在缓存中，当事件结束且矩形消失时，缓存会自动释放，每一次新的人机交互都暂时记录了用户感兴趣的范围，范围的记录是临时和随机的；当用户所画的范围超出了正常的长宽比，其形状太宽或太高，选择按照一定的比例修改制图范围，使制图范围符合视觉感知，将矩形的中心点作为长度和宽度的基准，应记录较低的值，并用于在一定的长宽比下重新计算较高值；

步骤2、地理分划

地图地理分划主要是按矩形框的范围画出水平和垂直线要素：

步骤2.1，记录矩形框制图范围；

步骤2.2，判断坐标是否是地理坐标，是则进入步骤2.4；否则进入步骤2.3；

步骤2.3，坐标转换，转换为地理坐标；

步骤2.4，通过分段整数函数计算经线间距和纬线间距的整数值Interval_x，Interval_y经线和纬线都要画在准确完整的位置上，由于尺度的不同，矩形框范围内的经纬度区间是不同的；

对于经线，记录矩形框范围的经度差IntervalX，设置一个数字n表示在矩形框的范围内显示多少条经线，经线间距值计算如下公式如下：

Interval_x是经度线的区间值，Interval_x可能不是整数，设置一个经度分段整数函数：

计算得到的Interval_x的整数值；

对于纬线，记录矩形框范围的纬度差IntervalY，设置一个数字m表示在矩形框的范围内显示多少条纬线，纬线间距值计算如下公式如下：

Interval_y是纬度线的区间值，设置一个纬度分段整数函数：

计算得到的Interval_y的整数值；

步骤2.5，找到第一个整数经度和纬度，分别增加Interval_x，Interval_y；

找到矩形框范围内的第一条整数经度线和第一条整数纬度线，增加并绘制直线和注释元素，在第一条整数经度线和第一条整数纬度线的基础上，依次增减区间；

步骤2.6，判断是否超出范围，否则进入步骤2.7，是则进入步骤2.2；

步骤2.7，绘制经线和纬线；

遥感监测数据的坐标系为WGS84坐标系，投影为墨卡托投射，计算经纬度和单位长度的换算、动态采集地图坐标信息；

步骤3、绘制指北针、比例尺和图例，

指北针以特征元素的形式存在，图例和比例尺通过元素的组合绘制，图例信息来自图层，其信息包括颜色和符号样式，根据特征进行动态搜索信息，比例尺的绘制是将两个点分别作为起点和终点，设置地图比例尺的分段编号，比例尺的分段校准是整数值，比例尺的端点被动态调整，其标尺的长度为整数；

其中，红树林模拟方法，包括如下步骤；

步骤1、参数选择

温度、红树林饱和状态、光合有效辐射、风速、水深和坡度对红树林的漂白脆弱性起着至关重要的作用，有关这些参数选择的信息如下；

A、温度

B、红树林饱和状态

地表水是过饱和的，红树林饱和状态Ω定义为溶解的钙离子和碳酸盐离子的浓度的乘积除以在平衡时碳酸钙浓度：

当饱和状态大于3时，红树林更容易存活；当饱和状态小于3时，红树林受到压力并在达到1时死亡；

C、光合有效辐射

光合有效辐射表示从到达表面的太阳的400～700nm的光谱范围，这是红树林光合作用过程中红树林的藻黄藻所需要的，其中，光合有效辐射大于47瓦/平方米/天，红树林生存的条件；

D、风速

其中，小于28米/秒的最大风速对红树林造成轻微损害，但超过30米/秒的风速对近岸造成损害，大于40米/秒会对近水造成灾难性损害；

E、水深

水深测量被选为另一个参数，定义了红树林生存的深度，红树林存在于的某个深度，浅水红树林栖息在50米深处，深水红树林栖息在150米深处；

F、坡度

坡度是由水深测量数据导出的，定义了坡度，红树林生存在坡度小于4度的地方；

步骤2、数据处理方法

应用多标准决策分析分析的红树林，包括以下步骤：

步骤2.1、识别参数：在这个模型开发过程中使用的程序首先根据已知影响红树林的先验知识选择参数；为层次分析法选择了六个参数，包括温度、光合有效辐射、红树林饱和状态、风速、水深、坡度；

步骤2.2、数据采集,所有层重新投影，提取观测区域的范围；

步骤2.3、将步骤1.1的六个参数被进一步用作重叠分析的输入，基于一组倒数参数矩阵中的比较来评估六个参数的性能,用于比较参数的标度为1到5,相关定义和说明如下表所示，形成比较矩阵：

表1标度的相关定义和说明

在较矩阵形成后，计算归一化特征向量，通过将每列的和除以比较矩阵中的每个元素，对比较矩阵进行规范化，通过计算比较矩阵每行元素的平均值得到归一化特征向量；当一致性比小于0.10时，参数的合理一致性水平是可接受的；如果超过0.10，则表示判断不可靠，需要重新考虑比较矩阵，一致性比计算如下：

其中，CR表示一致性比,CI表示一致性指数,RI表示随机性指数,n表示参数个数,λmax表示主特征值，随机性指数与参数个数对应如下表所示

表2随机性指数和参数个数对应表

步骤3、层次分析

使用步骤1的六个参数来确定每个参数之间的优先顺序，如下表所示，从层次分析法中得到一个通用的量表，其中，温度是最重要的参数，其相对标准权重为0.436，光合有效辐射为0.159、风速为0.082、水深为0.082、红树林饱和度为0.159，坡度为0.082，对这一判断的一致性进行检验，表示主特征值λmax＝6.005，一致性指数CI＝0.001，对于n＝6，RI＝1.24，一致性比CR＝0.0008，如表3所示进行了比较，判断每个参数是否适合叠加；

表3所选参数的权重

步骤4、权重叠加分析

根据先验知识确定红树林漂白易感地点，采用光栅格式采集数据，重新分类，为每个组件提供比例值，使用1到5的刻度值，其中1代表最不敏感，3代表中度，5代表漂白，经过加权叠加分析后，制作红树林的敏感性图，实现对红树林的模拟。