[发明专利]基于语音及文字输入的城市绿地生物多样性判别方法

权利要求书

1.基于语音及文字输入的城市绿地生物多样性判别方法，其特征是：包括以下步骤：S1、提前在存储器模块中存储各待识别物种的名称，并对各待识别物种进行编列序号；

S2、在存储器模块中存储每个不同待识别物种编列序号中对应该物种的表格；

S3、通过各种调查方法调查待识别物种，并通过数据收集模块对监测目标采集影像；

S4、对待识别物种的动、植物种群特征进行提取：提取动物特征包括物种的种类、分布生境状况和受干扰情况；

提取植物特征包括物种的种类、分布和生境状况；

S5、数据处理模块依据提取结果，选择对应生物调查表格，回归分析产生表格；

S6、通过语音及文字输入待识别物种的各项参数，计算种群数量数据最高的种群类别，利对于生境未来发展进行预测。

2.根据权利要求1所述基于语音及文字输入的城市绿地生物多样性判别方法，其特征是：S3中数据收集模块对监测目标采集影像方式是：采集周边环境因子和主要检测目标，通过红外源辐射实时获取环境影像；

S4中判断待识别物种的方式是：A1：存储器模块中存储待识别物种特征向量；

A2、通过影像获取待识别物种的图片；

A3、通过预先存储的向量转换器对获取的图片进行处理，获得目标物种的特征向量；

A4、判断获得待检测物种的特征向量与存储器模块中的特征向量是否一致，确定物种名称。

3.根据权利要求1所述基于语音及文字输入的城市绿地生物多样性判别方法，其特征是：S4中动物物种特征包括类别和数量，动物分布特征包括经纬度、海拔、地名，动物生境状况特征包括土壤、气候，动物受干扰情况特征包括人为干扰、自然灾害；植物物种特征包括乔木、灌木、草本，植物分布特征包括经纬度、海拔、地名，植物生境状况特征包括土壤、气候坡度、植物受干扰情况特征包括人为干扰、自然灾害。

4.根据权利要求1所述基于语音及文字输入的城市绿地生物多样性判别方法，其特征是：S5中对数据处理模块列出数量最多的动植物种群进行多元非线性回归模型建立，分析生境状况和受干扰情况对于种群的影响，其中生境状况和受干扰情况为自变量，预测结果为因变量，通过生境状况和受干扰情况预测种群数量发展趋势。

5.根据权利要求4所述基于语音及文字输入的城市绿地生物多样性判别方法，其特征是：多元非线性回归模型包括相对重要值、物种多样性和综合物种指数；

相对重要值计算方式为：陆生高等植物乔木层和灌木层相对重要值＝(相对频度+相对多度+相对显著度)/3；

陆生高等植物草本层相对重要值＝(相对频度+相对多度+相对盖度+相对高度)/4水生维管束植物相对重要值＝(相对频度+相对盖度)/2；

物种多样性包括α多样性和β多样性；

综合物种指数计算方式为：

式中：H——综合物种指数；p_i——单项物种指数；N_bi——城市建成区内该类物种数；N_i——市域范围内该类物种总数。

6.根据权利要求5所述基于语音及文字输入的城市绿地生物多样性判别方法，其特征是：物种多样性包括α多样性和β多样性；

α多样性公式为：DM＝(S-1)/lnN，βc——科迪指数；g(H)——沿生境梯度H增加的物种数量；l(H)——沿生境梯度H失去的物种数量。

7.根据权利要求1所述基于语音及文字输入的城市绿地生物多样性判别方法，其特征是：S5中由于种群数量受生境状况、受干扰情况影响，种群数量的数据集中特征与种群数量结果存在着线性关系；

对种群数量的数据运用多变量线性回归的方式：通过最小二乘法矩阵形式求得种群数量的数据。

8.根据权利要求1所述基于语音及文字输入的城市绿地生物多样性判别方法，其特征是：S6中基于种群数量与输入参数，求出偏导数并使偏导数为零，以使误差平方最小，利用序预测方法通过生境状况、受干扰情况对于生境未来进行预测。

9.根据权利要求1所述基于语音及文字输入的城市绿地生物多样性判别方法，其特征是：包括判别仪，判别仪包括数据采集器模块；图文编辑器；公式编辑器；音频输入端；存储器模块；气象传感器；土壤传感器；气象传感器用于测量风速、风向、PM2.5、负氧离子、气温、湿度、CO2和O2；土壤传感器用于测量水分、温度、电导率和PH。