一種自然資源綜合調查信息提取方法及系統與流程

本發明涉及計算機，尤其涉及一種自然資源綜合調查信息提取方法、系統、電子設備和非暫態計算機可讀存儲介質。

背景技術：

1、現如今，自然資源綜合調查的信息提取主要依賴于傳統的人工調查和遙感技術相結合的方式。人工調查通常包括實地采樣、測量和記錄，能夠提供高度準確和詳細的數據，但耗時耗力且覆蓋范圍有限。遙感技術則利用衛星影像、航空攝影和無人機等設備，從空中大范圍獲取地表信息。這些影像數據通過影像解譯、分類和分析，能夠快速生成大面積的資源分布圖。

2、然而，人工調查耗費大量人力物力，尤其在地形復雜或氣候惡劣的地區，作業難度和危險性較大。其次，遙感技術受限于影像分辨率、光照條件和天氣狀況，可能導致數據不全或不準確。此外，影像數據處理和解譯需要高水平的專業技能，且不同數據源之間的整合與分析存在挑戰。數據的實時更新和動態監測亦較為困難，無法及時反映自然資源的快速變化。

3、因此，亟需探索更高效、更精準的自然資源綜合調查信息提取方法，以提高數據獲取的全面性、時效性和準確性。

技術實現思路

1、本發明針對現有技術中存在的技術問題，提供一種能夠實現更高效、更精準的自然資源綜合調查信息提取操作的自然資源綜合調查信息提取方法、系統、電子設備和非暫態計算機可讀存儲介質。

2、本發明解決上述技術問題的技術方案如下：

3、本發明提供一種自然資源綜合調查信息提取方法，所述方法包括：

4、通過多源遙感影像獲取地表信息，通過地面傳感器網絡實時采集環境數據，得到多源數據；

5、對所述多源數據進行空間對齊和標準化處理，得到處理后的多源數據；

6、對所述處理后的多源數據進行數據融合，得到對應的融合數據；

7、對所述融合數據進行提取分析，得到對應的提取信息；

8、通過遞歸濾波算法對所述提取信息進行數據更新，得到所述提取信息對應的更新后的狀態估計；

9、根據所述更新后的狀態估計，調整現有的信息提取策略，得到更新的信息提取策略，并根據所述更新的信息提取策略進行后續信息提取。

10、可選的，所述對所述處理后的多源數據進行數據融合，得到對應的融合數據，包括：

11、獲取每個數據源在預設位置的原始數據值；

12、獲取每個所述數據源在所述預設位置的置信度；

13、獲取每個所述數據源隨時間變化情況的時間函數；

14、根據所述原始數據值、所述置信度和所述時間函數，確定所述融合數據；

15、可選的，所述融合數據表示為：

16、；

17、其中，是融合數據，具體為融合后的數據值，為第i種數據源在(x,y)位置的原始數據值，是第i種數據源的權重系數，是第i種數據源在(x,y)位置的置信度，是數據源i的時間積分系數，是數據源i的時間函數，是歸一化系數，是時間函數的權重，是第j個時間函數，a,b,c,d為積分的上下限，n為數據源的數量，m為時間函數的數量。

18、可選的，所述對所述融合數據進行提取分析，得到對應的提取信息，包括：

19、將所述融合數據輸入至深度學習模型進行線性處理，得到對應的線性變換結果；

20、獲取用于表示所述融合數據的非線性變換的輔助函數；

21、對所述線性變換結果和所述輔助函數經所述深度學習模型的輸出層激活函數進行處理，得到對應的提取信息。

22、可選的，所述提取信息表示為：

23、；

24、其中，x為輸入的融合數據，和分別為第一層和第二層的權重矩陣，和分別為第一層和第二層的偏置，(x)=max(0,x)為激活函數，為輸出層的激活函數，為輔助函數的系數，為輔助函數，p為輔助函數的數量。

25、可選的，所述通過遞歸濾波算法對所述提取信息進行數據更新，得到所述提取信息對應的更新后的狀態估計，包括：

26、根據所述提取信息，獲取當前時刻對應的觀測值，以及在所述當前時刻之前的對所述提取信息中資源狀態的預測狀態估計；

27、獲取所述觀測值的非線性補償函數；

28、根據所述觀測值、所述預測狀態估計和所述非線性補償函數，得到所述提取信息對應的更新后的狀態估計。

29、可選的，所述更新后的狀態估計表示為：

30、；

31、其中，是更新后的狀態估計，是預測狀態估計，是kalman增益，是當前時刻的觀測值，h為觀測矩陣，是非線性補償函數的系數，是非線性補償函數，q是非線性補償函數的數量。

32、可選的，所述根據所述更新后的狀態估計，調整現有的信息提取策略，得到更新的信息提取策略，包括：

33、根據所述更新后的狀態估計，分析當前自然資源狀況的變化趨勢和動態特性；

34、根據所述變化趨勢和動態特性，識別出自然資源所在區域的顯著變化區域；

35、根據所述顯著變化區域，調整數據獲取的重點和頻率。

36、可選的，所述多源遙感影像包括衛星影像、航空攝影和無人機影像，所述地面傳感器網絡收集的數據包括溫度、濕度和土壤濕度。

37、本發明還提供一種自然資源綜合調查信息提取系統，所述系統包括：

38、數據獲取模塊，用于通過多源遙感影像獲取地表信息，通過地面傳感器網絡實時采集環境數據，得到多源數據；

39、數據處理模塊，用于對所述多源數據進行空間對齊和標準化處理，得到處理后的多源數據；

40、數據融合模塊，用于對所述處理后的多源數據進行數據融合，得到對應的融合數據；

41、第一提取模塊，用于對所述融合數據進行提取分析，得到對應的提取信息；

42、狀態更新模塊，用于通過遞歸濾波算法對所述提取信息進行數據更新，得到所述提取信息對應的更新后的狀態估計；

43、第二提取模塊，用于根據所述更新后的狀態估計，調整現有的信息提取策略，得到更新的信息提取策略，并根據所述更新的信息提取策略進行后續信息提取。

44、此外，為實現上述目的，本發明還提出一種電子設備，包括：存儲器，用于存儲計算機軟件程序；處理器，用于讀取并執行所述計算機軟件程序，進而實現如上文所述的一種自然資源綜合調查信息提取方法。

45、此外，為實現上述目的，本發明還提出一種非暫態計算機可讀存儲介質，所述存儲介質中存儲有計算機軟件程序，所述計算機軟件程序被處理器執行時實現如上文所述的一種自然資源綜合調查信息提取方法。

46、本發明的有益效果是：

47、（1）本發明通過多源遙感技術和地面傳感器網絡相結合，能夠快速獲取廣泛區域的地表信息和實時環境數據，顯著提高了數據獲取的效率；

48、（2）本發明采用改進的加權融合算法，將多源數據進行高效整合，綜合利用不同數據源的優勢，確保了數據融合后的準確性和全面性；

49、（3）本發明引入深度學習模型，對融合后的綜合信息圖進行高效分析和解譯，能夠自動提取和識別自然資源信息，大幅提升了信息提取的自動化水平和精度；

50、（4）本發明通過遞歸濾波算法，實現了自然資源的動態監測和信息實時更新，能夠及時反映資源狀況的變化，為資源管理提供了準確、及時的數據支持；

51、（5）本發明減少了對傳統人工調查的依賴，降低了人工成本和作業風險，特別是在地形復雜或氣候惡劣的地區，顯著提高了調查工作的安全性和可操作性；

52、（6）本發明通過可視化工具展示分析和監測結果，為管理者提供了直觀、易懂的決策支持信息，幫助其進行科學、合理的資源管理和決策，提高了資源管理的效率和效果；

53、（7）本發明具有較強的適應性和擴展性，可根據不同的資源類型和區域特點進行調整和優化，滿足多種自然資源綜合調查的需求。

54、本發明通過多源數據融合和人工智能技術，顯著提升了自然資源綜合調查的信息獲取效率、準確性和動態監測能力，為科學決策和資源管理提供了有力支持，具備廣泛的應用前景和顯著的經濟社會效益。