数字孪生核心技术揭秘(四):大规模植被系统生成

简介: 世界真实性还原的持续提高,植被还原变成了一个刚需。本文初步探讨数字孪生应用中植被系统的大规模生成思路,致力于生成中国全境地理分布比较真实合理的植被。

前言

在当前的数字孪生系统中,植被是一个常常被忽略的要素。但是随着数字孪生应用对物理世界真实性还原的持续提高,植被还原变成了一个刚需。

本文初步探讨数字孪生应用中植被系统的大规模生成思路,致力于生成中国全境地理分布比较真实合理的植被。

一、地球表面陆地分类

地球地表分类形式很多,按国际通常分类方法,可以分为10个大类。

十个地表大类当中,大多数有植被覆盖,具体分为耕地、林地、草地、灌木地、湿地、苔原;这些地带的边界通常也没有绝对清晰的划分(水体除外),通常是拥有过度地带。

数据来源:GlobeLand30


二、植被的分类与分布规律

生物受其生存环境中生物和非生物因素的影响,其空间分布呈现一定的规律性特征;从空间尺度上来讲,分为宏观分布规律与微观分布规律。

2.1 宏观分布规则:地带性分布

植物的地带性分布包括垂直分布和水平分布。

水平分布是指生物不同经度、纬度上的横向自然分布。陆生植物的水平分布主要由于不同纬度地区温度、湿度差异而引起,如我国从南向北同海拔地区依次出现热带雨林、常绿阔叶林、落叶阔叶林、针阔混交林、针叶林等。

水平分布示意图

数据来源:GlobeLand30


地带性分布-水平分布的意义:可以给确定经纬度范围的植被大类参考;

陆地上植物的垂直分布主要由于受海拔高度的影响而造成的温度不同所引起的植被类型不同,如喜马拉雅山脚分布热带雨林、山腰分布落叶阔叶林、山顶则有高山草甸等。

垂直分布示意图

(待补充)

地带性分布-垂直分布的意义:可以给确定高程范围的植被大类参考;

由此可见,在宏观尺度上,某个经纬度范围内的地表,在有高程数据的前提下,是可以推断出该范围内的自然植被分布大类的类型。

2.2 微观分布规律:局部空间分布

在某个植被大类中,真实地表的植被分布也不只有固定的某类植物;在局部空间中,也存在着水平和垂直的分布规律。

局部空间-水平分布通常受地表要素的影响,尤其是水体影响(自然植被地区)。

按水系影响分布,植被的局部空间-水平分布可以划分为浮毡植物带、敞水带、沉水植物带、浮水植物带、挺水植物带、两栖植物带、中生植物带,以及远水的灌木带、乔木带。

局部空间-水平分布的意义:可以给确定陆地水系周边的植物类型;

(待补充)


局部空间-水平分布通常受光照和空间要素的影响,通常在举办乔木植株的植被带存在,可以分为乔木层、灌木层、草本植物层等三层。

局部空间-垂直分布的意义:可以给确定阔叶林等局部空间的植物类型;

(待补充)

三、植被资源库建设

3.1 植被类型与具体植物类型的对应关系

了解了某个地理范围内宏观和微观的植被分类,最重要的就是确定该范围内具体植物类型。通过查看《中国林业资源报告》,可以将中国主要森林类型内具体分布的乔木和灌木种类穷举出来。

3.2 植被资源库建设

各植被区域类型植物种类统计

植被地理区域

乔木种类

灌木种类

寒温带针叶林

19

8

中温带针阔混交林

17

3

暖温带落叶阔叶林

50

18

北亚热带的常绿阔叶和落叶阔叶林

23

9

中、南亚热带的常绿阔叶林

57

12

热带季雨林、雨林

42

17

蒙新区的山地针叶林

19

15

青藏区的高山针叶林

33

11

非重复植物种类统计

乔木种类汇总

灌木种类汇总

207

79

因此,我们可以得出结论,建设一个完善中国森林植被资源库,至少需要207种乔木、79种灌木。

注:此处遗留逻辑瑕疵,荒漠、草甸等植被类型没有覆盖。

四、实施逻辑的考虑

4.1 基本逻辑

假设某个区域需要进行植被系统的数字孪生重建,那按之前的分析逻辑,可以通过宏观、微观的分布规律,大致对植被的分布情况进行空间重建,逻辑如下:

4.2 增强因素

  • 密度分析:通过卫星影像作为输入条件,判断该范围内植被密集程度;
  • 坡向分析:通过地点经纬度、切向量分析当前是向阳坡还是背阴坡,筛选植被类型;
  • 随机规则:在局部小范围内,通过柏林噪声等噪声分布规则,提升生成POI点位数据的分布自然性;

五、需要完善的问题

需要进一步考虑的问题:

  • 植物模型库需要补充各类草本植物;
  • 未涉及地衣和苔藓,需要补充;
  • 栽培植被:各类粮食作物分布范围和种类需要考虑;
  • 人工设施植被:如果涉及人工地表,各个大城市行道树种类需要考虑;
相关实践学习
基于Hologres轻量实时的高性能OLAP分析
本教程基于GitHub Archive公开数据集,通过DataWorks将GitHub中的项⽬、行为等20多种事件类型数据实时采集至Hologres进行分析,同时使用DataV内置模板,快速搭建实时可视化数据大屏,从开发者、项⽬、编程语⾔等多个维度了解GitHub实时数据变化情况。
阿里云实时数仓实战 - 用户行为数仓搭建
课程简介 1)学习搭建一个数据仓库的过程,理解数据在整个数仓架构的从采集、存储、计算、输出、展示的整个业务流程。 2)整个数仓体系完全搭建在阿里云架构上,理解并学会运用各个服务组件,了解各个组件之间如何配合联动。 3 )前置知识要求:熟练掌握 SQL 语法熟悉 Linux 命令,对 Hadoop 大数据体系有一定的了解   课程大纲 第一章 了解数据仓库概念 初步了解数据仓库是干什么的 第二章 按照企业开发的标准去搭建一个数据仓库 数据仓库的需求是什么 架构 怎么选型怎么购买服务器 第三章 数据生成模块 用户形成数据的一个准备 按照企业的标准,准备了十一张用户行为表 方便使用 第四章 采集模块的搭建 购买阿里云服务器 安装 JDK 安装 Flume 第五章 用户行为数据仓库 严格按照企业的标准开发 第六章 搭建业务数仓理论基础和对表的分类同步 第七章 业务数仓的搭建  业务行为数仓效果图  
目录
相关文章
|
城市大脑 算法 数据可视化
数字孪生核心技术揭秘(六):传统三维gis与数字孪生的区别
当前对“数字孪生城市”没有一个严格界定的标准,本质上“数字孪生城市”是在传统三维GIS应用的基础上演化而来;随着技术创新和行业需求的发展,两者的差异也越来越大;本文梳理了两者的异同,同时比较了两者的适用场景。
5530 1
数字孪生核心技术揭秘(六):传统三维gis与数字孪生的区别
|
3月前
|
人工智能 运维 供应链
20个低代码开发平台多维度对比:解锁企业应用开发新动能
Gartner 报告指出,到 2024 年,低代码应用开发将占应用开发总数的 65%以上,将有 3/4 的大型企业会使用至少 4 个低代码平台进行 IT 应用开发。同时,市场研究机构的数据显示,在传统开发模式下,超过 70% 的企业项目存在开发周期延长的问题,平均延长时间达到原计划的 30%;约 80% 的企业表示在招募专业开发人才时面临困难;而面对个性化需求,近 90% 的企业认为传统开发响应速度慢,无法及时满足业务变化需求。这些数据充分表明,当前企业在应用开发上面临问题具有普遍性和严重性,低代码开发平台的兴起势在必行 ,其有望成为解决这些难题、推动企业数字化转型的关键力量。
486 0
|
3月前
|
数据采集 人工智能 数据可视化
AI 加持,和你的“地图小白”身份说再见!
DataV Atlas地理数据编辑器,让普通人也能轻松绘制地图!无需GIS基础,通过AI对话即可生成行政区、电子围栏、物流路线等矢量数据,支持手绘、几何运算与空间分析,助力数据可视化与业务决策。
398 3
|
3月前
|
人工智能 自然语言处理 供应链
低代码开发启蒙教程
低代码通过拖拽组件与可视化配置快速构建应用,支持数据编排、流程设计与多端发布,适用于OA系统、智能客服等场景,结合少量代码可扩展复杂功能,提升开发效率80%。
254 1
|
11月前
|
Linux
linux命令详细说明以及案例
本文介绍了常用的 Linux 命令及其详细说明和示例,包括:`ls`(列出目录内容)、`cd`(更改目录)、`rm` 和 `mv`(删除与移动文件)、`grep`(搜索文本)、`cat`(显示文件内容)以及 `chmod`(更改文件权限)。每个命令均配有功能描述、选项说明及实际案例,帮助用户更好地掌握 Linux 命令的使用方法。
657 157
|
12月前
|
SQL 人工智能 数据可视化
数据团队必读:智能数据分析文档(DataV Note)五种高效工作模式
数据项目复杂,涉及代码、数据、运行环境等多部分。随着AI发展,数据科学团队面临挑战。协作式数据文档(如阿里云DataV Note)成为提升效率的关键工具。它支持跨角色协同、异构数据处理、多语言分析及高效沟通,帮助创建知识库,实现可重现的数据科学过程,并通过一键分享报告促进数据驱动决策。未来,大模型AI将进一步增强其功能,如智能绘图、总结探索、NLP2SQL/Python和AutoReport,为数据分析带来更多可能。
704 142
|
12月前
|
SQL 数据可视化 atlas
低空经济新基建!DataV Atlas 如何用大模型玩转空间数据?
阿里云DataV Atlas推出搭载通义千问最新2.5 Max大模型「时空SQL智能小助手」,通过自然语言生成专业SQL,简化空间数据分析流程,助力智慧农田、城市低空交通及应急调度等领域,推动精准决策和智能化管理。零门槛体验空间智能分析革命,开启“会思考的天空网络”新时代。
813 5
低空经济新基建!DataV Atlas 如何用大模型玩转空间数据?
|
数据采集 前端开发 JavaScript
Objective-C爬虫:实现动态网页内容的抓取
Objective-C爬虫:实现动态网页内容的抓取
|
SQL 数据可视化 关系型数据库
阿里云DataV“山海计划” x Epic Fab:“中国风AIGC”助力智慧城市建设
DataV“山海计划”根据中国城市规划特色,建立城市地块、建筑、道路等“城市要素知识库”,基于AI大模型技术生成更贴近“中国特色”的城市场景。基于DataV“山海计划”的UE引擎插件已经登陆Epic Fab,广大UE引擎开发者可以通过该插件免费体验城市历史悠久的广州场景三维资产。除了三维城市场景生成,DataV为智慧城市提供完整的数据看板解决方案,提供200+基础图表、支持API、MySQL、SQL Server、人大金仓、达梦等30+数据源,通过DataV与UE引擎,广大开发者可以低成本获得“智慧城市”开发方案,将更多精力放在满足用户业务需求上,从而提升智慧城市项目的交付质量。
860 3
|
存储 数据可视化 Python
使用Python实现个人财务管理工具
本文介绍如何使用Python实现一个简单的个人财务管理工具,包括记录支出和收入、生成财务报告和数据可视化等功能。通过命令行界面输入数据,计算总支出、总收入和净收入,并使用Matplotlib库进行数据可视化。
863 2