本發(fā)明涉及遙感數(shù)據(jù)處理，尤其涉及一種基于模型構(gòu)建器的vani數(shù)據(jù)批量化生產(chǎn)方法。

背景技術(shù)：

1、植被調(diào)整夜間燈光指數(shù)(vegetation?adjusted?night-time?light?index，vani)是一種結(jié)合夜光遙感數(shù)據(jù)和增強(qiáng)植被指數(shù)的新型指數(shù)。通過該指數(shù)，可以研究地區(qū)生物多樣性與植被覆蓋度和夜間燈光強(qiáng)度之間的關(guān)系，從而科學(xué)調(diào)控夜間燈光強(qiáng)度和分布，以維持或改善地區(qū)生物多樣性，為區(qū)域生態(tài)保護(hù)提供管理建議。

2、目前，計算vani數(shù)據(jù)主要依賴手動操作，操作過程主要涉及研究區(qū)邊界裁剪、數(shù)據(jù)重采樣、移除負(fù)值和歸一化等。手動操作主要適用于少量數(shù)據(jù)處理。當(dāng)數(shù)據(jù)規(guī)模較大時，手動操作過程會頻繁進(jìn)行環(huán)境設(shè)置、工具選擇和輸入輸出設(shè)置，這不僅增加了操作的繁瑣度，還容易出錯。此外，由于夜光遙感數(shù)據(jù)和增強(qiáng)植被指數(shù)數(shù)據(jù)的地理坐標(biāo)系不一致，操作前還需要統(tǒng)一坐標(biāo)系，這無疑進(jìn)一步增加了操作難度和工作量。

3、由此可見，在處理大規(guī)模數(shù)據(jù)時，利用手動操作計算vani數(shù)據(jù)面臨著效率低下和易出錯的挑戰(zhàn)，這迫切需要提出一種新穎的批量化、自動化生產(chǎn)方法，以提高vani數(shù)據(jù)的生產(chǎn)效率和準(zhǔn)確性。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的是為了解決現(xiàn)有技術(shù)中存在的缺點(diǎn)，而提出的一種基于模型構(gòu)建器的vani數(shù)據(jù)批量化生產(chǎn)方法，該方法能有效解決現(xiàn)有技術(shù)在處理大規(guī)模數(shù)據(jù)時存在的數(shù)據(jù)生產(chǎn)效率低、自動化程度不高以及數(shù)據(jù)質(zhì)量不穩(wěn)定等問題。

2、為了實(shí)現(xiàn)上述目的，本發(fā)明采用了如下技術(shù)方案：

3、一種基于模型構(gòu)建器的vani數(shù)據(jù)批量化生產(chǎn)方法，具體步驟如下：

4、步驟1、收集研究區(qū)遙感數(shù)據(jù)和邊界數(shù)據(jù)；

5、步驟2、evi數(shù)據(jù)批量預(yù)處理；

6、步驟3、dnb數(shù)據(jù)批量預(yù)處理；

7、步驟4、vani數(shù)據(jù)批量化生產(chǎn)。

8、優(yōu)選地，在步驟1中，具體包括以下步驟：

9、步驟1.1、收集研究區(qū)長時間序列的遙感數(shù)據(jù)：增強(qiáng)型植被指數(shù)數(shù)據(jù)和夜光輻射數(shù)據(jù)，分別將其記為：evi(enhanced?vegetation?index)數(shù)據(jù)和dnb(day?night?band)數(shù)據(jù)；其中，evi數(shù)據(jù)是modis(moderate-resolution?imaging?spectroradiometer)傳感器產(chǎn)品中的mod13a3數(shù)據(jù)集，evi數(shù)據(jù)是月度合成植被指數(shù)數(shù)據(jù)集，空間分辨率為1km，主要用于研究植被健康、土地覆蓋和碳循環(huán)等領(lǐng)域；dnb數(shù)據(jù)是viirs(visible?infrared?imagingradiometer?suite)傳感器產(chǎn)品中的月度合成viirs?vcmcfg夜光數(shù)據(jù)集，dnb數(shù)據(jù)經(jīng)過無云處理和必要的去光飽和處理，能夠探測到更微弱的夜間燈光輻射，空間分辨率為500m；

10、步驟1.2、收集研究區(qū)邊界矢量數(shù)據(jù)，記為：研究區(qū)邊界。

11、優(yōu)選地，在步驟2中，在批量計算vani數(shù)據(jù)前，先對evi數(shù)據(jù)進(jìn)行批量預(yù)處理，具體步驟如下：

12、步驟2.1、創(chuàng)建空模型構(gòu)建器：在arcgispro軟件中打開模型構(gòu)建器，創(chuàng)建一個空地理處理器模型，命名為：evi數(shù)據(jù)預(yù)處理；

13、步驟2.2、使用迭代柵格數(shù)據(jù)工具批量讀取evi數(shù)據(jù)集：首先將evi數(shù)據(jù)集放在一個文件夾中，定義這個文件夾的名稱為：evi輸入數(shù)據(jù)文件夾；然后在evi數(shù)據(jù)預(yù)處理模型構(gòu)建器中插入柵格迭代器工具，將工作空間設(shè)置為：evi輸入數(shù)據(jù)文件夾，同時設(shè)置好輸出柵格路徑及名稱，得到輸出柵格；

14、步驟2.3、使用投影柵格工具變換坐標(biāo)系：將上一步得到的evi輸出柵格進(jìn)行坐標(biāo)系變換，以確保變換后的evi數(shù)據(jù)和dnb數(shù)據(jù)具有一致的坐標(biāo)系；首先設(shè)置投影環(huán)境，將處理范圍中捕捉柵格設(shè)置為dnb數(shù)據(jù)集中的隨機(jī)一個dnb柵格數(shù)據(jù)，柵格分析中像元大小設(shè)置為與dnb數(shù)據(jù)一致；然后，在模型構(gòu)建器中插入投影柵格，設(shè)置輸出坐標(biāo)系為gcs_wgs_1984，同時設(shè)置好輸出路徑及名稱，得到投影后的柵格；

15、步驟2.4、利用按掩膜提取工具裁剪柵格：為了將要研究的區(qū)域提取出來，需要按研究區(qū)邊界裁剪柵格。在模型構(gòu)建器中添加按掩膜提取工具，將研究區(qū)邊界作為掩膜數(shù)據(jù)，將投影后的evi柵格作為輸入柵格，設(shè)置輸出柵格路徑及名稱，得到按掩膜提取后的柵格；

16、步驟2.5、使用柵格計算器去除負(fù)值：evi數(shù)據(jù)的無效值為-3000，有效值范圍是[-2000,10000]，其中正值表示植被覆蓋，負(fù)值通常表示水體或云等非植被覆蓋區(qū)域，所以要將負(fù)值去除；在模型構(gòu)建器中添加?xùn)鸥裼嬎闫?，命名為：去除?fù)值，輸入地圖代數(shù)表達(dá)式：con("按掩膜提取后的柵格">＝0,"按掩膜提取后的柵格")，設(shè)置好輸出柵格路徑及名稱，得到去除負(fù)值后的柵格；

17、步驟2.6、利用柵格計算器標(biāo)定有效區(qū)間：經(jīng)過上述處理后的evi數(shù)值，尤其是第二季度的數(shù)值大多集中在[0,8000]，因此，為使其他時刻的數(shù)據(jù)也集中在該區(qū)間，需將有效區(qū)間標(biāo)定為[0,8000]；對于大于8000的evi值統(tǒng)一賦值為8000；在模型構(gòu)建器中添加?xùn)鸥裼嬎闫鳎麨椋禾崛∮行^(qū)間，輸入地圖代數(shù)表達(dá)式：con("去除負(fù)值后的柵格"<＝8000,"去除負(fù)值后的柵格",8000)，設(shè)置好輸出柵格路徑及名稱，得到在有效區(qū)間內(nèi)的柵格；

18、步驟2.7、使用柵格計算器對evi歸一化：為使evi數(shù)據(jù)壓縮到[0,1]區(qū)間，需對其進(jìn)行歸一化處理，在模型構(gòu)建器中添加?xùn)鸥裼嬎闫?，命名為：歸一化，輸入地圖代數(shù)表達(dá)式："在有效區(qū)間內(nèi)的柵格"/8000.0，設(shè)置好輸出柵格路徑及名稱，將得到的數(shù)據(jù)記為預(yù)處理完的evi；

19、經(jīng)過上述操作，可構(gòu)建完整的evi數(shù)據(jù)批量預(yù)處理模型，運(yùn)行該模型可得到批量預(yù)處理后的evi數(shù)據(jù)。

20、優(yōu)選地，在步驟3中，在批量計算vani數(shù)據(jù)前，需對dnb數(shù)據(jù)進(jìn)行批量預(yù)處理，具體步驟如下：

21、步驟3.1、創(chuàng)建空模型構(gòu)建器：在arcgispro軟件中打開模型構(gòu)建器，創(chuàng)建一個空地理處理器模型，命名為：dnb數(shù)據(jù)預(yù)處理；

22、步驟3.2、使用迭代柵格數(shù)據(jù)工具批量讀取dnb數(shù)據(jù)集：首先將dnb數(shù)據(jù)集放在一個文件夾中，定義該文件夾的名稱為：dnb輸入數(shù)據(jù)文件夾；然后在dnb數(shù)據(jù)預(yù)處理模型構(gòu)建器中插入柵格迭代器工具，將工作空間設(shè)置為dnb輸入數(shù)據(jù)文件夾，同時設(shè)置好輸出柵格路徑及名稱，得到輸出柵格；

23、步驟3.3、利用按掩膜提取工具裁剪柵格：與evi相同，為了提取出要研究的區(qū)域，需要對dnb柵格進(jìn)行按研究區(qū)邊界裁剪，在模型構(gòu)建器中添加按掩膜提取工具，將研究區(qū)邊界作為掩膜數(shù)據(jù)，將投影后的dnb柵格作為輸入柵格，設(shè)置輸出柵格路徑及名稱，得到按掩膜提取后的柵格；

24、步驟3.4、使用柵格計算器去除負(fù)值：使用柵格計算器去除dnb柵格中的負(fù)值，在模型構(gòu)建器中添加?xùn)鸥裼嬎闫?，命名為：去除?fù)值，輸入地圖代數(shù)表達(dá)式：con("按掩膜提取后的柵格">＝0,"按掩膜提取后的柵格")，設(shè)置好輸出柵格路徑及名稱，得到去除負(fù)值后的柵格；

25、步驟3.5、利用柵格計算器標(biāo)定有效區(qū)間：經(jīng)過上述步驟處理后的dnb數(shù)值區(qū)間大多集中在[0,5]，因此，為使其他時刻的數(shù)據(jù)也集中在該區(qū)間，需將有效區(qū)間標(biāo)定為[0,5]；對于大于5的dnb值統(tǒng)一賦值為5；在模型構(gòu)建器中添加?xùn)鸥裼嬎闫鳎麨椋禾崛∮行^(qū)間，輸入地圖代數(shù)表達(dá)式：con("去除負(fù)值后的柵格"<＝5,"去除負(fù)值后的柵格",5)，設(shè)置好輸出柵格路徑及名稱，得到的數(shù)據(jù)記為預(yù)處理完的dnb；

26、經(jīng)過上述操作，可構(gòu)建完整的dnb數(shù)據(jù)批量預(yù)處理模型，運(yùn)行該模型可得到批量預(yù)處理后的dnb數(shù)據(jù)。

27、優(yōu)選地，在步驟4中，具體步驟如下：

28、步驟4.1、創(chuàng)建空模型構(gòu)建器：在arcgispro軟件中打開模型構(gòu)建器，創(chuàng)建一個空地理處理器模型，命名為：批量計算vani；

29、步驟4.2、批量化讀取evi數(shù)據(jù)集和dnb數(shù)據(jù)集

30、首先，創(chuàng)建dnb迭代柵格數(shù)據(jù)模型器；由于同一個模型中不能同時放入兩個柵格迭代器，因此需要另建一個模型構(gòu)建器，命名為迭代柵格數(shù)據(jù)模型器；在該模型中添加?xùn)鸥竦?，將存放預(yù)處理后的dnb數(shù)據(jù)文件夾作為工作空間，將輸入數(shù)據(jù)和輸出數(shù)據(jù)均設(shè)為模型參數(shù)；

31、然后，回到批量計算vani模型中，將迭代柵格數(shù)據(jù)模型器導(dǎo)入，輸入數(shù)據(jù)命名為預(yù)處理后的dnb數(shù)據(jù)文件夾，輸出數(shù)據(jù)命名為預(yù)處理完的dnb；

32、最后，在批量計算vani模型中添加一個柵格迭代器，將輸入數(shù)據(jù)設(shè)置為預(yù)處理完的evi數(shù)據(jù)文件夾，輸出數(shù)據(jù)設(shè)置為預(yù)處理完的evi；

33、步驟4.3、利用柵格計算器計算vani

34、在批量計算vani模型中繼續(xù)添加?xùn)鸥裼嬎闫鞴ぞ?，命名為：計算vani，在柵格計算器中輸入地圖代數(shù)表達(dá)式：(1.0-"預(yù)處理完的evi")*"預(yù)處理完的dnb"；執(zhí)行該工具可得到取值區(qū)間為[0,5]的vani柵格數(shù)據(jù)，設(shè)置好輸出柵格路徑及名稱，將生成的柵格數(shù)據(jù)記為vani_5；

35、步驟4.4、使用柵格計算器進(jìn)行歸一化

36、在模型構(gòu)建器中添加?xùn)鸥裼嬎闫鞴ぞ?，命名為：歸一化，輸入地圖代數(shù)表達(dá)式："vani"/5.0；執(zhí)行該工具，將得到取值區(qū)間為[0,1]的vani柵格數(shù)據(jù)；

37、經(jīng)過上述操作，可構(gòu)建完整的批量計算vani模型，運(yùn)行該模型可批量生產(chǎn)出符合條件的vani數(shù)據(jù)。

38、與現(xiàn)有技術(shù)相比，本發(fā)明具有以下有益效果：

39、1、本發(fā)明采用vani數(shù)據(jù)批量化生產(chǎn)技術(shù)，可以批量讀取和預(yù)處理evi數(shù)據(jù)集和dnb數(shù)據(jù)集，實(shí)現(xiàn)vani數(shù)據(jù)的自動化批量生產(chǎn)，極大地提高了生產(chǎn)效率，確保生產(chǎn)的vani數(shù)據(jù)質(zhì)量符合精度要求。

40、2、本發(fā)明采用模型構(gòu)建器進(jìn)行數(shù)據(jù)生產(chǎn)，有效減少人工干預(yù)，降低出錯率，保證數(shù)據(jù)生產(chǎn)過程的穩(wěn)定性和一致性。

41、3、本發(fā)明通過自動化技術(shù)減少對人工的依賴，降低了人力成本；批量化生產(chǎn)方式充分利用計算資源，減少了生產(chǎn)過程中的硬件和能源消耗。

42、4、本發(fā)明的生產(chǎn)方法具備高度靈活性和可擴(kuò)展性，可以根據(jù)需求方便地調(diào)整和擴(kuò)展數(shù)據(jù)生產(chǎn)規(guī)模，適應(yīng)不同規(guī)模和復(fù)雜度的生產(chǎn)任務(wù)，滿足不斷變化的業(yè)務(wù)需求。