CN103942331B - 一种土地利用矢量数据库增量更新处理的自动化方法 - Google Patents
一种土地利用矢量数据库增量更新处理的自动化方法 Download PDFInfo
- Publication number
- CN103942331B CN103942331B CN201410182948.3A CN201410182948A CN103942331B CN 103942331 B CN103942331 B CN 103942331B CN 201410182948 A CN201410182948 A CN 201410182948A CN 103942331 B CN103942331 B CN 103942331B
- Authority
- CN
- China
- Prior art keywords
- target
- change
- land
- dimension
- increment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/23—Updating
- G06F16/2365—Ensuring data consistency and integrity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/23—Updating
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Security & Cryptography (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种土地利用矢量数据库增量更新处理的自动化方法。包括:步骤1:通过遥感影像对比来提取变化信息,并按照特定格式存储为增量信息文件;步骤2:读入增量信息文件,计算增量目标与已有土地利用地块间的拓扑关系,过滤出与该增量目标存在二维交的已有地块,并计算出每个二维交的细分拓扑关系类型;步骤3:根据基于二维交细分拓扑关系类型的土地利用增量更新处理规则自动化构建出更新后的地块目标,并赋予相应的特征属性类型;步骤4:当增量信息文件中的所有目标都更新处理完成后,检查处理过的所有地块目标本身的数据质量及其与周边目标间的一致性,纠正相应问题或冲突,生成新的土地利用数据,并更新数据库。
Description
技术领域
本发明属于时空数据库更新技术领域,涉及一种土地利用(地表覆,Land cover/use))矢量数据库增量更新处理的自动化方法。
背景技术
由于地表覆盖(Land Cover)直接影响着地球表面的物质和能量循环过程,且其变化综合地反映着人类活动和气候变化对自然环境的影响,近年来得到国际科学界的普遍关注,目前的研究热点集中在地表覆盖制图、变化信息提取与更新等方面。
①在将遥感影像和矢量数据进行叠加比较来提取变化目标信息方面,张剑清等在“基于遥感影像和矢量数据的水系变化检测(武汉大学学报(信息科学版),2007:32(8):663-666)”介绍了一种基于遥感影像和矢量数据的水系变化信息检测方法。③在将不同时刻的遥感影像进行叠加比较提取变化目标信息方面,张剑清等在“基于LBP/C纹理的遥感影像居民地变化检测,(武汉大学学报(信息科学版),2008:33(1):7-11)”中提出了一种基于LBP/C纹理的遥感影像居民地变化信息检测方法;Alboody等在“Post-classification andspatial reasoning:new approach to change detection for updating GIS database(2008,3rd International Conference on Information and CommunicationTechnologies:from theory to applications,742-748)”介绍了一种基于后分类和空间推理的GIS数据库更新的变化信息提取方法等。这些方法都只涉及到土地利用(地表覆盖)变化发现与提取,没有考虑与数据库更新处理的对接等问题。
②在时空数据更新方面,发明专利“一种变化信息采集与时空数据更新一体化的系统与方法”(ZL:200910044327.8,周晓光,陈军,刘万增,曾联斌,刘军生,邢汉发)公开了一种通过变化信息获取与更新的一体化来提高时空数据更新与一致性维护的自动化程度、空间数据更新反应速度并减轻网络传输负担的方法。文献“Event-based incrementalupdating of spatio-temporal database,Journal of Central South University ofTechnology(English Edition),2004,11(2),192-198”针对GIS数据库中离散目标增量更新的自动化或半自动化问题,提出了一种基于事件的增量更新方法;该方法是以地理事件、空间实体变化类型及时空数据库动态操作算子间关系为基础,通过地理空间变化事件来确定单一实体变化类型,然后通过单一实体变化类型与动态操作算子之间的关系来确定应该采用的更新操作以实现时空数据库更新的自动化(或半自动化)。在“基于拓扑联动的增量更新方法研究,测绘学报,2008,37(3):322-329.”中针对GIS数据库中拓扑关联目标的更新与拓扑一致性维护问题,提出了一种基于拓扑联动 的增量更新方法。其是针对不同目标类型,分析归纳出相应的拓扑联动类型及其细分类型;对不同目标发展根据其语义特点、拓扑一致性约束条件及变化前后目标间的拓扑关系来推断实体变化类型的规则,并以此为基础分析或推断出每种拓扑联动类型中原关联目标和新生目标的变化情况,既而设计和执行相应的更新操作实现数据库的局部联动更新及其拓扑一致性维护;在“地籍数据库增量更新(2007.10,北京:测绘出版社)”中比较系统地分析阐述了地籍数据库增量更新中的地籍图形变更类型的细分与识别、变化后目标的自动重构、更新操作及拓扑一致性维护等问题。张保钢在“地形图数据库的增量更新(北京测绘,2007(1):1-4)中分析了地形图数据库增量式更新的版本数据求增量文件法与图幅子增量文件求和产生增量文件法,提出了生产部门进行地形图数据库增量更新的方案。刘勇和李成名在“城市基础空间数据库更新方法研究”(测绘科学,2006,31(4):103-105)中阐述了基于基态修正模型的空间数据库组织和更新流程。徐敬海和李清泉(2008)等设计了一种基于增量计算的客户导航电子地图数据增量更新方法(HSBTM)(武汉大学学报(信息科学版),33(11),1182-1185)等。
由于随着卫星遥感技术的迅速发展与应用,土地利用(地表覆盖)变化信息通过遥感影像与遥感影像(或地图)间对比获得已成为土地利用(地表覆盖)变化信息获取的主要途径,上述增量更新方法中变化事件、拓扑联动类型及更新处理记录等信息在遥感影像变化信息提取过程中无法获得,因而上述方法不能直接用来实现土地利用(地表覆盖)数据增量更新处理的自动化或半自动化。
发明内容
本发明的目的是针对现有技术方法存在的不足,为解决当前GIS【地理信息系统】中土地利用(地表覆盖)矢量数据库增量更新处理的自动化处理与质量控制问题提供一种新的模式和方法:基于增量信息与已有目标间细分拓扑关系的自动化更新处理方法。该方法的特征在于,在变化信息提取时按照特定格式存储为增量信息文件(change-onlyinformation file)。更新处理时,读入增量信息文件,逐一计算增量目标与已有土地利用(地表覆盖)图斑间的细分拓扑关系,根据增量目标与已有土地利用(地表覆盖)地块间二维交的细分类型设计相应的更新处理规则来实现增量更新处理的自动化,并标注处理目标;通过仅检查更新处理目标本身的数据质量及其与周边目标间的拓扑一致性冲突来提高数据质量检查与处理的算法效率。
为解决上述技术问题,本发明所采用的技术方案为:
一种土地利用矢量数据库增量更新处理的自动化方法,包括以下步骤:
步骤1:通过对比同一地区不同时间的两期遥感影像变化信息来获得以像元表达的包含增量目标的土地利用变化信息,再对土地利用变化信息进行矢量化处理以获得矢量格式变化信息,或者将已有地表覆盖地图与最新遥感影像叠加进行分析以直接获得矢量格式变化信息,以上操作均可通过已有软件进行实现,然后对矢量格式变化信息进行质量检查,剔除伪变化,最后存储为包含变化类型或变化后土地利用类型和变化目标的矢量格式增量信息文件,这里提到的土地利用类型,指水体,农业,城市,森林等;变化类型指,农业变为城市;森林变为城市等;
步骤2:计算步骤1中所得到的矢量格式增量信息文件中各个增量目标与现有土地利用图斑间的拓扑关系,过滤出与各增量目标存在交面即二维交的已有地块,并计算出每个二维交的细分拓扑关系类型;
步骤3:根据基于二维交细分拓扑关系类型的土地利用增量更新处理规则构建出更新后的地块目标,并赋予相应的土地利用类型;
步骤4:当增量信息文件中的所有增量目标都更新处理完成后,检查处理过的所有地块目标的封闭性、连通性及其与周边目标间的属性一致性,然后进行纠错并生成新的土地利用数据,并更新数据库。
所述的一种土地利用矢量数据库增量更新处理的自动化方法,步骤1中所述的矢量格式增量信息文件中,包括涉及差异目标的空间范围、变化信息获取方法、影像数据传感器类型、获取时间、分辨率,矢量数据来源、时间描述及每个增量目标的空间位置、土地利用类型或变化类型信息。
所述的一种土地利用矢量数据库增量更新处理的自动化方法,步骤2中所述的计算出每个二维交的细分拓扑关系类型的过程为:用两个差的欧拉数即fE(A\IR),fE(B\IR)来区分并表达该二维交的细分拓扑关系类型,即通过计算两个面目标差该二维交的欧拉数来区分其细分拓扑关系类型,并表达出该二维交对两相关面目标的剖分效果,其中fE表示集合操作结果的欧拉数用、IR表示二维交、A为已有地块目标、B为增量目标。
所述的一种土地利用矢量数据库增量更新处理的自动化方法,步骤3中所述的根据基于面/面二维交细分拓扑关系类型的土地利用增量更新处理规则构建出更新后的地块目标的过程包括:在更新处理过程中对处理过的目标及其处理类型进行标注,将更新前已有数据中的所有目标都标注为初始目标即Original,增量文件中出现的与更新前目标中存在二维交目标的土地利用类型完全不同的目标标注为新增图斑即Appearance,更新处理过程中通过改变Original目标的空间位置而得到的目标标注为空间修改即GeometryAft,更新处理过程中通过改变Original目标的属性值,不改变空间形状而得到的目标标注为属性修改即AttributeAft,质量检查时仅检查处理过目标本身的数据质量及其与周边目标间的拓扑一致性冲突,即仅检查标注为Appearance、GeometryAft、AttributeAft的图斑的数据质量,根据处理类型设计相应检查与处理方法;对更新处理过程中产生的碎屑地块目标,采用综合属性相似度及面积大小的并入处理方法,即对处理过程中产生的面积小于用户预设大小的碎屑地块,根据类型属性计算其与周边目标间的属性相似度,将该碎屑地块并入到属性最相似的周边地块中,当碎屑地块周边没有属性相似多边形时并入面积占优的多边形中。
所述的一种土地利用矢量数据库增量更新处理的自动化方法,步骤4中所述的纠错方式包括:通过容差使未封闭多边形封闭;分解通过点、线连通或不连通的多边形;检查处理目标与周边目标的属性差异性,合并与土地利用类型相同的边相邻目标。
其中,步骤3中所提出的根据基于二维交细分拓扑关系类型的土地利用增量更新处理规则包括如下内容:
1)单个二维交更新处理规则
(1)如果“A equal B”(如图2(a)),则仅需对A进行属性修改;
Rule1:If A equal B,then SemModify(A,A').
(2)如果“A contain B”或“A cover B”,即变化前目标完全包含或覆盖增量目标(如图2(b),(c)),需从变化前目标A中挖走增量目标B,A空间修改为A',并新建目标B。
Rule2:If(fDi(A∩B)=2AND fE(A∩B)=1AND fDi(A\B)=2AND(fE(A\B)=0OR fE(A\B)=1)AND fDi(B\A)=-1),then A'=cut(A,B).GeoModify(A,A′)and create(B).
(3)如果“A cover B”,但B将A分割为m块(m≥2),即fE(A\B)=m(m≥2)(如图2(d),(e));则需要构建m个小地块{Reg1,Reg2,…,Regm},小地块在空间上被A覆盖,类型与A相同;删除A,新建B。
Rule3:If(fDi(A∩B)=2AND fE(A∩B)=1AND fDi(A\B)=2AND fE(A\B)=m(m≥2)AND fDi(B\A)=-1),then ADiffB=cut(A,B).Delete(A),for i=1tom,create(ADiffB.Regi).Create(B).
(4)如果“B contain A”或“B cover A”,即增量目标完全包含或覆盖变化前目标(如图2(f)~(i)),则只需要删除A,处理与B存在二维交的其他已有目标。即:
Rule4:If(fDi(A∩B)=2AND fE(A∩B)=1AND fDi(A\B)=-1AND fE(A\B)=-1)ANDfDi(B\A)=2,AND fE(B\A)≥0,then delete(A).
(5)如果A、B重叠于A的一端,即“B overlap A”,“fE(A\B)=1”(如图2(j),(k)),则只需要从A中分割出相交部分得到A′,将A几何修改为A′,处理与B存在二维交的其他已有目标。即:
Rule5:If(fDi(A∩B)=2AND fE(A∩B)=1AND fE(A\B)=1AND fE(B\A)≥1,thenA′=cut(A,IR)and Geomodify(A,A′).
(6)如果A、B重叠于A的中间部分,即“B overlap A”,“fE(A\B)=m(m≥2)”(如图2(l)~(n)),则需要构建m个小地块{Reg1,Reg2,…,Regm},小地块在空间上被A覆盖,类型与A相同;然后处理与B存在二维交的其他已有目标。即:
Rule6:If(fDi(A∩B)=2AND fE(A∩B)=1AND fE(A\B)=m),then ADiffB=cut(A,IR).Delete(A)and for i=1to m,create(Regi).
2)多个二维交更新处理规则
增量目标与已有目标存在多个二维交的情况,从总体上来说可将能够在包含多个二维交的面/面拓扑关系中出现的二维交细分类型(即图2中的(h)~(k)和(n)五种情况)分为如下两大类:1)“fE(A\IR)=1”,如图2(h)、(j)类二维交,实际情况如图2(i)所示,这类二维交不改变原目标A更新后的地块数量;2)“fE(A\IR)==m(m≥2)”,如图2(i)、(k)和(n)类二维交,这类二维交将A分割为m(m≥2)个小地块。在更新处理时,对于第一种二维交,只需从A中分割出“IR”,并将A存为变为A′,然后转入下一个交的处理即可;对于第二类二维交,则需要将原目标A分割为m个小地块后,再处理下一个二维交。在实际更新处理中可能出现这两类二维交分别出现和同时出现三种情况。这样我们可以得到如下三条规 则:
(7)对于仅包含多个“fE(A\IR)=1”二维交的情况,即“fE(A∩B)≥2AND fE(A\B)=1”,如图2(i)所示。我们只需要逐个从A中删除各个交IRi,得到A′,然后将A几何修改为A′即可。
Rule7:If fDi(A∩B)≥2AND fE(A∩B)≥2AND fE(A\B)=1,then A′=A,andfor i=1to t,A′=cut(A′,IR i).Geometrically modify(A,A′).
(8)对于仅包含d个“fE(A\IRi)==m(m≥2)”二维交的情况,即“fE(A∩B)=d(d≥2)AND fE(A\B)=m(m≥2)”,如图2(e)所示。更新处理时,设InterPg{IR 1,IR2,…,IR d}为“fE(A\IR)=e(e≥2)”的二维交集合,通过d(d≥2)个“fE(A\IR)=e(e≥2)的二维交将A分割为m个小多边形ADiffB{Plg1,Plg2,…,Plgm},然后逐个新建m个小多边形,最后删除A。设PckCvrPlg(RegTemp,InterPg)表示从RegTemp中提取覆盖InterPg的多边形的函数,则:
Rule8:If fDi(A∩B)=2AND fE(A∩B)d(d≥2)AND for i=1to d fE(A\IRi)≥2,then A′=A,ADiffB=Ф,RegTemp=Ф,for i=1to d,RegTemp=cut(A′,IRi),InterPg=InterPg-IRi,A′=PckCvrPlg(RegTemp,InterPg),RegTemp=eliminate(RegTemp,A′),ADiffB=ADiffB∪RegTemp,RegTemp=Ф.For k=1to m,Create(ADiffB.Regk).Delete(A).
(9)对于“fE(A\IR)=1”和“fE(A\IR)==m(m≥2)”这两类二维交同时出现的情况,即“fE(A∩B)=t(t≥2)AND fE(A\B)=m(m≥2)”,Num(fE(A\IR)≥2)=d,t≥d。更新时,我们首先从交面集合InterPg中提取出d(d≥1)个“fE(A\IR)=e(e≥2)的二维交形成集合InterPgLC{IR1,IR2,…,IR d},其他二维交(即“fE(A\IR)=1”)形成集合InterPg1{IR1,IR2…IR t-d}。然后通过d(d≥1)个“fE(A\IR)=e(e≥2)的二维交将A分割为m个小多边形RegTemp{Plg1,Plg2,…,Plgm};再从RegTemp{Plg1,Plg2,…,Plgm}中逐个分割出InterPg1{IR1,IR2…IR t-d}二维交,形成变化后的m个小多边形ADiffB{Reg1,Reg2,…,Regm}。最后删除A,逐个新建m个小多边形。
Rule9:If fDi(A∩B)=2AND fE(A∩B)≥2AND Num(fE(A\IR)≥2)≥2,d=Num(fE(A\IR)≥2),then A′=A,ADiffB=Ф,RegTemp=Ф,for i=1to d,RegTemp=cut(A′,IRi),InterPgLC=InterPgLC-IRi,A′=PckCvrPlg(RegTemp,InterPgLC),RegTemp=eliminate(RegTemp,A′),ADiffB=ADiffB∪RegTemp,RegTemp=Ф.For j=1to t-d,ADiffB=Cut(ADiffB,InterPg1.IR j).For k=1to m,Create(ADiffB.Regk).Delete(A).
由于Rule9中,如果t=d,则为Rule8的情况。
本发明所具有的有益效果:土地利用(地表覆盖)更新时只需计算出增量目标与已有土地利用(地表覆盖)地块间二维交的细分拓扑关系类型,然后调用基于细分拓扑关系的更新处理规则即可实现增量更新处理的自动化,数据库管理员 只需要检查生成数据的正确性,基本不需要进行图形编辑及更新处理操作,因而大大减少了由于人工操作而引起的不一致与错误的产生,在提高土地利用数据库更新自动化程度的同时更好地维护了空间数据的一致性;在更新处理的数据质量控制方面,本发明在更新处理过程中对处理过的目标及其处理类型进行标注,质量检查时仅检查处理目标本身的数据质量及其与周边目标间的拓扑一致性冲突,根据处理类型设计相应的自动化检查与处理算法,减少了质量检查的数据搜索范围,提高了算法效率;对变化信息提取与更新处理过程中产生的碎屑地块目标,采用综合属性相似度及面积大小的并入处理方法,避免了碎屑多边形处理的随意性,提高了数据质量;在变化信息生产与主数据库更新后对用户数据库更新时,只需通过网络传递增量信息,用户数据库可采用同样方法来更新其数据库,根据统计,5-10年的我国土地利用发生变化的面积比率在5%左右,因此增量信息文件的数据量和信息量都远低于快照数据,因而采用增量方式更新可大大减轻网络传输的负担,并提高空间数据保密性。
附图说明
图1为土地利用(地表覆盖)数据库增量更新总体方案图;
图2为土地利用(地表覆盖)数据更新中两面目标间具有单个二维交的拓扑关系细分类型;
图3为数据更新中两面目标间可重复出现二维交的细分类型;
图4为基于细分拓扑关系的土地利用(地表覆盖)数据库增量更新框架图;
图5为实施例效果图。
具体实施方式
下面结合附图和具体实施方式对本发明作进一步说明。
参见图1,图中增量信息文件是通过两期遥感影像间像元光谱变化直接比较或通过一期土地利用(地表覆盖)地图与遥感影像对比提取的变化信息按照特定格式存储的变化信息文件,本文中增量信息表达模型如下:
上式中,ΔOi,i∈{1,2,…m},表示变化目标(图斑),即矢量模型中的多边形;Ai,i∈{1,2,…m},表示变化目标的变化属性,Ai可以是直接表达A→B变化类型的编码,或变化前后的地表覆盖类型值,地表覆盖类型编码可根据项目来定义:如水体,1;裸地,2;农业,3;城市,4;森林,5;地表覆盖类型值,具体编码可由用户根据项目需要定义,也可以是隐含表达变化类型的目标变化后地表覆盖类型,通过与第一期地表覆盖数据叠加即可获得完整变化类型A→B。 已有(更新后)地表覆盖矢量数据库可以是快照数据库,也可为时空数据库。
参见图2,本文中设B为增量目标,A为已存在地块目标,单个二维交的拓扑关系细分类型采用式(1)所示的模型来区分:
(1)式中fD表示集合操作结果的维数,fE表示集合操作结果的欧拉数。fD(A∩B)=2,fE(A∩B)=1,fD(A\B)∈{-1,2},fD(B\A)∈{-1,2},fE(A\B)∈{-1,0,1,2,……,m},fE(B\A)∈{-1,0,1,2,……,m}。这样图(2)能区分出两面目标间具有一个二维交的各种剖分情况。应该说明的是,由于在数据更新处理中,已存在地块目标A和增量目标B在时间上存在先后关系,拓扑关系中的对称关系对应着不同的更新处理操作,因此图(2)表达了对称关系。如不考虑对称关系,两面目标间具有单个二维交的拓扑关系细分类型包括9种情况。
参见图3,本文中“IR”表示二维交,fE表示集合操作结果的欧拉数用,m,n为大于等于1的整数。由于已有地块目标A和增量目标B在时间上存在先后关系,拓扑关系中的对称关系对应着不同的更新处理操作,因此图(3)表达了对称关系。如不考虑对称关系,两面目标间可重复出现二维交的拓扑关系细分类型包括4种情况。由于图(3)中m,n为大于等于1的整数,因此图(3)能区分出两面目标间可重复出现的各种二维交的细分类型(剖分情况)。
参见图4,本文中fD表示集合操作结果的维数,fE表示集合操作结果的欧拉数。max()表示取最大值函数,cut(A,B)表示从A中分割出B的函数;“equal”表示相等,“contain”表示完全包含,“cover”表示覆盖,“overlap”表示重叠。Create()、delete()、SemModify()、Geomodify()分别表示新建、删除、属性修改和几何修改操作。InterPgLC表示二维交集合,RegTemp表示更新处理过程中生成的临时多边形集合。
参见图5,图5(a)为老挝万象1999年Landsat ETM+/TM30m分辨率原始影像,(b)2006年老挝万象1999年Landsat ETM+/TM30m分辨率原始影像,(c)根据2006年老挝万象Landsat ETM+/TM30m分辨率遥感影像分类获得的土地利 用分类矢量地图,(d)为对应区域2006-1999年遥感影像提取变化信息经伪变化剔除与矢量化后得到的增量信息,(e)为采用本发明方法自动进行增量更新处理所生成的对应区域1999年土地利用矢量地图。
本发明的实施主要包括三项内容:①土地利用(地表覆盖)变化信息提取与增量信息文件生成,②数据库自动化增量更新处理,③增量更新过程的数据质量控制。下面分别阐述这三个环节的具体实施方式。
1.土地利用(地表覆盖)变化信息提取与增量信息文件生成:
在ERDAS平台上用老挝首都万象1999.12.27和2006.12.22两景轨道号为128048的Landsat ETM+/TM30m分辨率遥感影像数据。影像覆盖范围为北纬36.5412°~38.3987°、东经108.3241°~110.8301°。用比值法、NDVI差值法、PCA差异法求并的结果影像作为初始变化信息并对其分类,采用项目组自行开发的分类后遥感影像自动矢量化与伪变化剔除组件进行矢量化并剔除伪变化,然后生成按照前文模型设计的增量信息交换文件。
增量信息文件格式以《地球空间数据交换格式》(GB/T17798-1999,Geo-spatialdata transfer format,简称CNSTDF)为基础设计,其记录内容包括涉及增量目标的空间范围、数据来源、获取时间、方法、每个增量目标(即差异对象)的空间位置、土地利用类型等信息。
2.土地利用(地表覆盖)数据库自动化增量更新:
根据图1所示的土地利用(地表覆盖)数据库增量更新总体技术方案,和图2、图3所示的土地利用数据更新中增量目标与已有地表覆盖目标间具有单个二维交的拓扑关系细分类型和可重复出现二维交的细分情况,按照图4所示的更新策略,我们设计了一套基于细分拓扑关系的土地利用(地表覆盖)数据库增量更新处理规则。
在已有增量更新系统上以微软Visual Studio2010作为开发平台,用C#为开发语言,在Windows7环境下开发土地利用(地表覆盖)数据库自动化增量更新处理功能,用图5所示的试验数据进行了试验验证,自动获得了满意的更新数据结果,验证了方法的正确性。
3、增量更新过程的数据质量控制:
增量更新过程的数据质量控制包括伪变化剔除、更新处理目标自身数据质量及其与周边目标间关系冲突检查与处理、更新处理过程中产生的碎屑多边形处理等。项目组采用基于面积、形状、缓冲区、邻近关系等方法剔除“伪变化”,采用前文所述的在更新处理过程中对处理过的目标及其处理类型进行标注,质量检查时仅检查处理目标本身的数据质量(包括单点相连多面目标的分割、与周边类型属性相同目标的合并等)及其与周边目标间的拓扑一致性冲突;对变化信息提取与更新处理过程中产生的碎屑地块目标,采用综合属性相似度及面积大小的并入处理方法。
在已有增量更新系统上以微软Visual Studio2010作为开发平台,用C#为开发语言,在Windows7环境下开发了数据质量控制的伪变化剔除、更新处理目标质量检查与冲突处理、碎屑多边形处理等功能。用图5所示的试验数据进行了实验验证,验证了方法的正确性。
应该说明的是,以上实施方法仅用来说明本发明的技术方案而非限制。尽管上述实施方法与实例都是以中小比例尺土地利用数据为例来详细说明的,本发明同样适合于其他比例尺土地利用(地表覆盖)数据的增量更新处理与质量控制。
Claims (4)
1.一种土地利用矢量数据库增量更新处理的自动化方法,其特征在于,包括以下步骤:
步骤1:通过对比同一地区不同时间的两期遥感影像变化信息来获得以像元表达的包含增量目标的土地利用变化信息,再对土地利用变化信息进行矢量化处理以获得矢量格式变化信息,或者将已有地表覆盖地图与最新遥感影像叠加进行分析以直接获得矢量格式变化信息,然后对矢量格式变化信息进行质量检查,剔除伪变化,最后存储为包含变化类型或变化后土地利用类型和变化目标的矢量格式增量信息文件;
步骤2:计算步骤1中所得到的矢量格式增量信息文件中各个增量目标与现有土地利用图斑间的拓扑关系,过滤出与各增量目标存在交面即二维交的已有地块,并计算出每个二维交的细分拓扑关系类型;
步骤3:根据基于二维交细分拓扑关系类型的土地利用增量更新处理规则构建出更新后的地块目标,并赋予相应的土地利用类型;
步骤4:当增量信息文件中的所有增量目标都更新处理完成后,检查处理过的所有地块目标的封闭性、连通性及其与周边目标间的属性一致性,然后进行纠错并生成新的土地利用数据,并更新数据库;
步骤3中所述的根据基于二维交细分拓扑关系类型的土地利用增量更新处理规则构建出更新后的地块目标的过程包括:在更新处理过程中对处理过的目标及其处理类型进行标注,将更新前已有数据中的所有目标都标注为初始目标即Original,增量文件中出现的与更新前目标中存在二维交目标的土地利用类型完全不同的目标标注为新增图斑即Appearance,更新处理过程中通过改变Original目标的空间位置而得到的目标标注为空间修改即GeometryAft,更新处理过程中通过改变Original目标的属性值,不改变空间形状而得到的目标标注为属性修改即AttributeAft,质量检查时仅检查处理过目标本身的数据质量及其与周边目标间的拓扑一致性冲突,即仅检查标注为Appearance、GeometryAft、AttributeAft的图斑的数据质量,根据处理类型设计相应检查与处理方法;对更新处理过程中产生的碎屑地块目标,采用综合属性相似度及面积大小的并入处理方法,即对处理过程中产生的面积小于用户预设大小的碎屑地块,根据类型属性计算其与周边目标间的属性相似度,将该碎屑地块并入到属性最相似的周边地块中,当碎屑地块周边没有属性相似多边形时并入面积占优的多边形中。
2.根据权利要求1所述的一种土地利用矢量数据库增量更新处理的自动化方法,其特征在于,步骤1中所述的矢量格式增量信息文件中,包括涉及差异目标的空间范围、变化信息获取方法、影像数据传感器类型、获取时间、分辨率,矢量数据来源、时间描述及每个增量目标的空间位置、土地利用类型或变化类型信息。
3.根据权利要求1所述的一种土地利用矢量数据库增量更新处理的自动化方法,其特征在于,步骤2中所述的计算出每个二维交的细分拓扑关系类型的过程为:用两个差的欧拉数即fE(A\IR),fE(B\IR)来区分并表达该二维交的细分拓扑关系类型,即通过计算两个面目标差该二维交的欧拉数来区分其细分拓扑关系类型,并表达出该二维交对两相关面目标的剖分效果,其中fE表示集合操作结果的欧拉数用、IR表示二维交、A为已有地块目标、B为增量目标。
4.根据权利要求1所述的一种土地利用矢量数据库增量更新处理的自动化方法,其特征在于,步骤4中所述的纠错方式包括:通过容差使未封闭多边形封闭;分解通过点、线连通或不连通的多边形;检查处理目标与周边目标的属性差异性,合并与土地利用类型相同的边相邻目标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410182948.3A CN103942331B (zh) | 2014-04-30 | 2014-04-30 | 一种土地利用矢量数据库增量更新处理的自动化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410182948.3A CN103942331B (zh) | 2014-04-30 | 2014-04-30 | 一种土地利用矢量数据库增量更新处理的自动化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103942331A CN103942331A (zh) | 2014-07-23 |
CN103942331B true CN103942331B (zh) | 2017-06-09 |
Family
ID=51189999
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410182948.3A Active CN103942331B (zh) | 2014-04-30 | 2014-04-30 | 一种土地利用矢量数据库增量更新处理的自动化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103942331B (zh) |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104298734B (zh) * | 2014-09-30 | 2017-05-03 | 东南大学 | 土地利用现状变更调查中变更图斑移动更新方法 |
CN105551028B (zh) * | 2015-12-09 | 2018-02-23 | 中山大学 | 一种基于遥感影像的地理空间数据动态更新的方法及系统 |
CN106339423A (zh) * | 2016-08-14 | 2017-01-18 | 李宇翔 | 一种甘蔗种植信息动态更新方法及装置 |
CN108279013B (zh) * | 2017-01-05 | 2020-11-13 | 北京四维图新科技股份有限公司 | 电子地图增量数据的检查纠错方法和装置、以及导航系统 |
CN106991404B (zh) * | 2017-04-10 | 2019-06-28 | 山东师范大学 | 基于众源地理数据的地表覆盖更新方法及系统 |
CN106997398A (zh) * | 2017-04-20 | 2017-08-01 | 中博宇图信息科技有限公司 | 一种地形图数据库更新的自动化方法 |
CN107506417B (zh) * | 2017-08-15 | 2020-05-05 | 国家基础地理信息中心 | 高保真地表覆盖数据迭代更新方法和系统 |
CN108776691A (zh) * | 2018-06-05 | 2018-11-09 | 四川凯普顿信息技术股份有限公司 | 一种空间图形聚集的优化方法与系统 |
CN110262946B (zh) * | 2019-06-14 | 2020-05-08 | 上海英方软件股份有限公司 | 一种数据库同步规则信息的拓扑显示方法及装置 |
CN111651541B (zh) * | 2020-05-25 | 2023-04-07 | 吉奥时空信息技术股份有限公司 | 一种空间数据分布式检查入库的方法及装置 |
CN111753703B (zh) * | 2020-06-18 | 2024-04-30 | 杭州浙大东南土地研究所有限公司 | 一种城镇土地边界的监控系统及其监控方法 |
CN113312363B (zh) * | 2020-11-12 | 2024-06-21 | 中南大学 | 一种立交桥增量更新及其拓扑连通性维护的自动化方法 |
CN112396128B (zh) * | 2020-12-08 | 2022-06-03 | 中国铁路设计集团有限公司 | 一种铁路外部环境风险源样本自动标注方法 |
CN112231430A (zh) * | 2020-12-10 | 2021-01-15 | 中智行科技有限公司 | 一种地图数据管理方法及装置 |
CN112749245A (zh) * | 2021-01-07 | 2021-05-04 | 北京码牛科技有限公司 | 一种一标三实信息管理方法、装置和电子设备 |
CN113282584B (zh) * | 2021-05-28 | 2022-05-03 | 福州大学 | 一种对地观测影像时空立方体数据检索方法及系统 |
CN116028588B (zh) * | 2023-03-27 | 2023-10-10 | 中南大学 | 基于拓扑关系的增量复杂多边形更新方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6636802B1 (en) * | 1998-11-24 | 2003-10-21 | Matsushita Electric Industrial Co., Ltd. | Data structure of digital map file |
CN101645078A (zh) * | 2009-09-11 | 2010-02-10 | 中南大学 | 一种变化信息采集与时空数据更新一体化的系统与方法 |
CN102867055A (zh) * | 2012-09-16 | 2013-01-09 | 吴东辉 | 一种图像文件格式及生成方法及装置及应用 |
-
2014
- 2014-04-30 CN CN201410182948.3A patent/CN103942331B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6636802B1 (en) * | 1998-11-24 | 2003-10-21 | Matsushita Electric Industrial Co., Ltd. | Data structure of digital map file |
CN101645078A (zh) * | 2009-09-11 | 2010-02-10 | 中南大学 | 一种变化信息采集与时空数据更新一体化的系统与方法 |
CN102867055A (zh) * | 2012-09-16 | 2013-01-09 | 吴东辉 | 一种图像文件格式及生成方法及装置及应用 |
Non-Patent Citations (1)
Title |
---|
李海欧.矢量地表覆盖数据增量更新方法研究.《万方数据》.2013, * |
Also Published As
Publication number | Publication date |
---|---|
CN103942331A (zh) | 2014-07-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103942331B (zh) | 一种土地利用矢量数据库增量更新处理的自动化方法 | |
Ahmadi et al. | Fault-based geological lineaments extraction using remote sensing and GIS—a review | |
Li et al. | Breaking the resolution barrier: A low-to-high network for large-scale high-resolution land-cover mapping using low-resolution labels | |
Lu et al. | Land use/cover classification in the Brazilian Amazon using satellite images | |
Zhao et al. | China’s population spatialization based on three machine learning models | |
Chen et al. | Urban road mapping based on an end-to-end road vectorization mapping network framework | |
Nyamekye et al. | Mapping changes in artisanal and small-scale mining (ASM) landscape using machine and deep learning algorithms.-a proxy evaluation of the 2017 ban on ASM in Ghana | |
Ettehadi Osgouei et al. | Integrated usage of historical geospatial data and modern satellite images reveal long-term land use/cover changes in Bursa/Turkey, 1858–2020 | |
Jamali | Improving land use land cover mapping of a neural network with three optimizers of multi-verse optimizer, genetic algorithm, and derivative-free function | |
van der Meij et al. | Comparing geomorphological maps made manually and by deep learning | |
Poortinga et al. | Mapping sugarcane in Thailand using transfer learning, a lightweight convolutional neural network, NICFI high resolution satellite imagery and Google Earth Engine | |
Gao et al. | Unsupervised missing information reconstruction for single remote sensing image with Deep Code Regression | |
Louw et al. | Object-based land surface segmentation scale optimisation: An ill-structured problem | |
Xia et al. | Land resource use classification using deep learning in ecological remote sensing images | |
Chepkochei | Object-oriented image classification of individual trees using Erdas Imagine objective: case study of Wanjohi area, Lake Naivasha Basin, Kenya | |
Vinod et al. | Assessment of Trees Outside Forest (TOF) in urban landscape using High-Resolution satellite images and Deep learning techniques | |
Stomberg et al. | Exploring wilderness characteristics using explainable machine learning in satellite imagery | |
Sui et al. | Processing of multitemporal data and change detection | |
Gorbachev et al. | Digital processing of aerospace images | |
He et al. | Object-oriented classification of multi-resolution images for the extraction of narrow linear forest disturbance | |
Li et al. | Measuring detailed urban vegetation with multisource high-resolution remote sensing imagery for environmental design and planning | |
Zurbaran et al. | A machine learning pipeline articulating satellite imagery and OpenStreetMap for road detection | |
Hermosilla et al. | Change detection in peri-urban areas based on contextual classification | |
Xie et al. | Machine learning methods and classification of vegetation in Brest, France | |
Wang et al. | River Extraction from Remote Sensing Images in Cold and Arid Regions Based on Attention Mechanism |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |