CN110162578A - 一种高标准农田建设空间形态识别方法及装置 - Google Patents
一种高标准农田建设空间形态识别方法及装置 Download PDFInfo
- Publication number
- CN110162578A CN110162578A CN201910394373.4A CN201910394373A CN110162578A CN 110162578 A CN110162578 A CN 110162578A CN 201910394373 A CN201910394373 A CN 201910394373A CN 110162578 A CN110162578 A CN 110162578A
- Authority
- CN
- China
- Prior art keywords
- farmland
- target
- field
- encoded radio
- situation
- 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.)
- Granted
Links
- 238000010276 construction Methods 0.000 title claims abstract description 77
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 18
- 230000013011 mating Effects 0.000 claims description 97
- 238000005086 pumping Methods 0.000 claims description 54
- 238000003860 storage Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 8
- 230000001052 transient effect Effects 0.000 claims description 2
- 230000001681 protective effect Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 235000013399 edible fruits Nutrition 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000003973 irrigation Methods 0.000 description 2
- 230000002262 irrigation Effects 0.000 description 2
- 238000012271 agricultural production Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 239000010910 field residue Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
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
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/283—Multi-dimensional databases or data warehouses, e.g. MOLAP or ROLAP
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Mining & Mineral Resources (AREA)
- Life Sciences & Earth Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Marine Sciences & Fisheries (AREA)
- Animal Husbandry (AREA)
- Agronomy & Crop Science (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明实施例提供了一种高标准农田建设空间形态识别方法及装置,所述方法包括:从预设数据库中获取目标农田的相关数据;根据所述目标农田的相关数据,采用预设算法从预设维度对所述目标农田进行高标准农田建设空间形态判断;根据判断结果确定所述目标农田是否为高标准农田。本发明实施例提供的这种高标准农田建设空间形态识别方法及装置,可准确有效识别高标准农田。
Description
技术领域
本发明实施例涉及计算机技术领域,具体涉及一种高标准农田建设空间形态识别方法及装置。
背景技术
我国越来越重视高标准农田建设,并提出2020年要确保建成8亿亩高标准农田的宏伟目标。当前,高标准农田建设已步入攻坚阶段,建设重点由布局谋划转向进度推进和监管考核。统一上图入库是国家层面实施高标准农田监管的重要方式,其以国土资源遥感监测“一张图”和综合监管平台为依托,实现上图入库信息集中统一管理,进而了解高标准农田建设范围、规模、主要工程量和建设成效等信息。然而不能据此判别各地开展的农田建设项目是否契合高标准农田建设的规范要求。进一步完善高标准农田综合监管平台有关功能,实现高标准农田建设快速判别对提升监管效能具有重要的现实意义。
发明内容
针对现有技术中的问题,本发明实施例提供一种高标准农田建设空间形态识别方法及装置。
第一方面,本发明实施例提供了一种高标准农田建设空间形态识别方法,包括:
从预设数据库中获取目标农田的相关数据;
根据所述目标农田的相关数据,采用预设算法从预设维度对所述目标农田进行高标准农田建设空间形态判断;
根据判断结果确定所述目标农田是否为高标准农田。
进一步地,所述预设维度包括田块规模、田块形状、道路通达情况、灌溉设施配套情况、排水设施配套情况和农田防护力度中的一种或多种。
进一步地,根据所述目标农田的相关数据,采用预设算法从预设维度对所述目标农田进行高标准农田建设空间形态判断,具体包括:
根据所述目标农田的相关数据,获取所述目标农田的田块规模的判断结果;
根据所述目标农田的相关数据,获取所述目标农田的田块形状的判断结果;
根据所述目标农田的相关数据,获取所述目标农田的道路通达情况的判断结果;
根据所述目标农田的相关数据,获取所述目标农田的灌溉设施配套情况的判断结果;
根据所述目标农田的相关数据,获取所述目标农田的排水设施配套情况的判断结果;
根据所述目标农田的相关数据,获取所述目标农田的农田防护力度的判断结果;
根据所述目标农田的田块规模、田块形状、道路通达情况、灌溉设施配套情况、排水设施配套情况以及农田防护力度的判断结果输入至预设编码模型中获取所述目标农田的田块规模对应的编码值、田块形状对应的编码值、道路通达情况对应的编码值、灌溉设施配套情况对应的编码值、排水设施配套情况对应的编码值以及农田防护力度对应的编码值;其中,所述预设编码模型中存储有田块规模、田块形状、道路通达情况、灌溉设施配套情况、排水设施配套情况的各种判断结果与对应的编码值之间的对应关系;
根据所述目标农田的田块规模对应的编码值、田块形状对应的编码值、道路通达情况对应的编码值、灌溉设施配套情况对应的编码值、排水设施配套情况对应的编码值以及农田防护力度对应的编码值,获取所述目标农田的高标准农田建设空间形态识别结果。
进一步地,根据所述目标农田的田块规模对应的编码值、田块形状对应的编码值、道路通达情况对应的编码值、灌溉设施配套情况对应的编码值、排水设施配套情况对应的编码值以及农田防护力度对应的编码值,获取所述目标农田的高标准农田建设空间形态识别结果,具体包括:
若所述目标农田的田块规模对应的编码值、田块形状对应的编码值、道路通达情况对应的编码值、灌溉设施配套情况对应的编码值、排水设施配套情况对应的编码值以及农田防护力度对应的编码值均满足对应的高标准农田编码值条件,则确定所述目标农田的高标准农田建设空间形态识别结果为高标准农田建设空间形态,否则确定所述目标农田的高标准农田建设空间形态识别结果为非高标准农田建设空间形态。
进一步地,根据所述目标农田的田块规模对应的编码值、田块形状对应的编码值、道路通达情况对应的编码值、灌溉设施配套情况对应的编码值、排水设施配套情况对应的编码值以及农田防护力度对应的编码值,获取所述目标农田的高标准农田建设空间形态识别结果,具体包括:
根据所述目标农田的田块规模对应的编码值、田块形状对应的编码值、道路通达情况对应的编码值、灌溉设施配套情况对应的编码值、排水设施配套情况对应的编码值以及农田防护力度对应的编码值,以及,所述田块规模、田块形状、道路通达情况、灌溉设施配套情况、排水设施配套情况以及农田防护力度这六个维度各自对应的预设权重,获取所述目标农田的高标准农田建设空间形态识别结果。
进一步地,根据所述目标农田的相关数据,获取所述目标农田的田块形状的判断结果,具体包括:
根据所述目标农田的相关数据,判断所述目标农田是否为满足农业机械化的农田形状要求的农田。
进一步地,根据所述目标农田的相关数据,判断所述目标农田是否为满足农业机械化的农田形状要求的农田,具体包括:
S1、构建所述目标农田的最小面积外接矩形,计算所述目标农田的田块面积与最小面积外接矩形面积的比值,当比值≥0.8时,判定所述目标农田为满足农业机械化的农田形状要求的农田,计算结束;当比值<0.8时,进入S2;
S2、如果所述目标农田的拐点数量≤4,则判定所述目标农田为不满足农业机械化的农田形状要求的农田,计算结束;如果田块拐点数量>4,则删除所述目标农田中的一个拐点,如果删除拐点后剩余部分面积占所述目标农田面积比例≥0.8且小于原目标农田面积,则构建该剩余部分的最小面积外接矩形,计算该剩余部分田块面积与对应的最小面积外接矩形面积的比值,当比值≥0.8时,判定所述目标农田为满足农业机械化的农田形状要求的农田,计算结束;如果上述条件不满足,回到该步骤S2的起始阶段,重新删除其他拐点进行相应计算,直到出现满足上述条件的情形或全部拐点均遍历完为止;
S3、当所述目标农田的所有拐点全部遍历完后仍无法确定所述目标农田是否为满足农业机械化的农田形状要求的农田时,选择去除1个拐点后剩余田块面积相对最大且<原目标农田面积的部分,并对该部分重复执行步骤S2,直到能够确定所述目标农田为满足农业机械化的农田形状要求的农田时,计算结束;如果仍无法确定所述目标农田是否为满足农业机械化的农田形状要求的农田,则重复执行步骤S3的前半部分,直到出现如下两种情况中的任意一种:一是能够确定所述目标农田为满足农业机械化的农田形状要求的农田,计算结束;二是出现拐点数量≤4或剩余部分面积占田块面积比例<0.8,则判定所述目标农田为不满足农业机械化的农田形状要求的农田,计算结束。
第二方面,本发明实施例还提供了一种高标准农田建设空间形态识别装置,包括:
获取模块,用于从预设数据库中获取目标农田的相关数据;
判断模块,用于根据所述目标农田的相关数据,采用预设算法从预设维度对所述目标农田进行高标准农田建设空间形态判断;
确定模块,用于根据判断结果确定所述目标农田是否为高标准农田。
第三方面,本发明实施例还提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如第一方面所述高标准农田建设空间形态识别方法的步骤。
第四方面,本发明实施例还提供了一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如第一方面所述高标准农田建设空间形态识别方法的步骤。
由上述技术方案可知,本发明实施例提供的高标准农田建设空间形态识别方法及装置,根据从预设数据库中获取目标农田的相关数据,采用预设算法从预设维度对所述目标农田进行高标准农田建设空间形态判断,从而根据判断结果确定所述目标农田是否为高标准农田。本发明实施例提供的这种高标准农田建设空间形态识别方法及装置,可准确有效地识别高标准农田。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一实施例提供的高标准农田建设空间形态识别方法的流程图;
图2是本发明一实施例提供的预设编码模型的示意图;
图3是原有田块形状指数算法案例示意图;
图4是本发明一实施例提供的大部分与矩形相近的不规则田块示意图;
图5是本发明一实施例提供的田块及其最小面积外接矩形示意图;
图6是本发明一实施例提供的分别去除1个拐点的田块剩余部分及其最小面积外接矩形示意图;
图7是本发明一实施例提供的分别去除2个拐点的田块剩余部分及其最小面积外接矩形示意图;
图8是本发明另一实施例提供的高标准农田建设空间形态识别装置的结构示意图;
图9是本发明又一实施例提供的电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1展示了本发明实施例提供的高标准农田建设空间形态识别方法的流程图。如图1所示,本发明实施例提供的高标准农田建设空间形态识别方法包括如下步骤:
步骤101:从预设数据库中获取目标农田的相关数据。
在本实施例中,所述目标农田的相关数据包括是目标农田的位置信息、面积信息、田块布局信息、周边的田间道路信息、周边的灌溉设施信息、排水设施信息、周围的防护林或其他防护设施信息等。其中,这些数据可以预先对所述目标农田的遥感图像进行处理获取后存储在所述预设数据库中,也可基于土地变更调查或高标准农田项目验收后形成的数据成果存储在预设数据库中。
步骤102:根据所述目标农田的相关数据,采用预设算法从预设维度对所述目标农田进行高标准农田建设空间形态判断。
在本实施例中,根据目标农田的位置信息、面积信息、田块布局信息、周边的田间道路信息、周边的灌溉设施信息、排水设施信息、周围的防护林或其他防护设施等信息,采用预设算法从预设维度对所述目标农田进行高标准农田建设空间形态判断。在本实施例中,所述预设维度包括田块规模、田块形状、道路通达情况、灌溉设施配套情况、排水设施配套情况和农田防护力度中的一种或多种。例如,可以根据目标农田的位置信息、面积信息、田块形状信息、周边的田间道路信息、周边的灌溉设施信息、排水设施信息、周围的防护林或防护设备等信息获取目标农田的田块规模、田块形状、道路通达情况、灌溉设施配套情况、排水设施配套情况和农田防护力度的判断结果,例如最终得到所述目标农田的田块规模为适中、田块形状为满足农业机械化田块形状要求的田块形状、道路通达情况为通达、灌溉设施配套情况为灌溉设施配套、排水设施配套情况为排水设施配套、农田防护力度为具备防护能力,然后采用预设算法:例如可以将所述目标农田的田块规模、田块形状、道路通达情况、灌溉设施配套情况、排水设施配套情况和农田防护力度的判断结果(田块规模适中、满足农业机械化田块形状要求的田块形状、道路通达、灌溉设施配套、排水设施配套、具备防护能力),输入至预设编码模型中得到对应的编码结果,然后根据对应的编码结果判断所述目标农田是否为高标准农田。其中,所述预设编码模型如图2所示,其中存储有田块规模、田块形状、道路通达情况、灌溉设施配套情况、排水设施配套情况的各种判断结果与对应的编码值之间的对应关系。例如,当所述目标农田的田块规模对应的编码值、田块形状对应的编码值、道路通达情况对应的编码值、灌溉设施配套情况对应的编码值、排水设施配套情况对应的编码值以及农田防护力度对应的编码值均为1时,确定所述目标农田为高标准农田。
步骤103:根据判断结果确定所述目标农田是否为高标准农田。
在本步骤中,根据判断结果确定所述目标农田是否为高标准农田,对于不是高标准农田的目标田块,应给出不是高标准农田的目标田块的原因,如田块规模不达标、田块形状不符合要求等。
由上述技术方案可知,本发明实施例提供的高标准农田建设空间形态识别方法及装置,根据从预设数据库中获取目标农田的相关数据,采用预设算法从预设维度对所述目标农田进行高标准农田建设空间形态判断,从而根据判断结果确定所述目标农田是否为高标准农田。本发明实施例提供的这种高标准农田建设空间形态识别方法及装置,可准确有效地识别高标准农田。
基于上述实施例的内容,在本实施例中,所述步骤102具体可采用下面方式实现:
步骤1021:根据所述目标农田的相关数据,获取所述目标农田的田块规模的判断结果。
在本实施例中,所述田块规模根据田块的面积确定。本实施例根据田块面积大小将田块规模分成三类,一类是田块规模小,一类是田块规模适中,一类是田块规模大。例如,当田块面积小于或等于第一阈值时,判断为田块规模小,当田块面积大于第一阈值小于第二阈值时,判断为田块规模适中,当田块面积大于或等于第二阈值时,判断为田块规模大。
需要说明的是,由于东北平原区、华北平原区、内陆干旱和半干旱区、南方平原河网区、北方山地丘陵区,黄土高原区,南方山地丘陵区和西南高原山地丘陵区的具体地形不同,因此在判断田块规模时,需要采用不同的标准。例如,东北平原区和华北平原区在判断田块规模时其对应的阈值要大,而南方山地丘陵区和西南高原山地丘陵区在判断田块规模时其对应的阈值相对要小。
步骤1022:根据所述目标农田的相关数据,获取所述目标农田的田块形状的判断结果。
在本实施例中,田块形状的判断结果包括所述目标农田为满足农业机械化田块形状要求的农田或不满足农业机械化田块形状要求的农田。事实上,满足农业机械化的农田形状要求是指所述目标农田的田块几何形状要近似于长方形。
步骤1023:根据所述目标农田的相关数据,获取所述目标农田的道路通达情况的判断结果。
在本实施例中,道路通达情况实际指田间道路直接通达的田块占田块总数的比例。其判断结果包括两种情况:田间道路通达和田间道路不通达。在空间形态判别时,田间道路与田块相切或相交的,视为道路通达。在实际应用中,一般要求道路通达情况在平原区需要达到100%,丘陵区达到90%。
步骤1024:根据所述目标农田的相关数据,获取所述目标农田的灌溉设施配套情况的判断结果。
在本实施例中,灌溉设施配套情况是指田块是否具备灌溉条件,其判断结果包括两种情况:有配套的灌溉设施或缺乏灌溉设施。在空间形态判别时,灌溉渠系(管道)与田块相切或相交的,视为有配套的灌溉设施,否则视为缺乏灌溉设施。
步骤1025:根据所述目标农田的相关数据,获取所述目标农田的排水设施配套情况的判断结果。
在本实施例中,排水设施配套情况是指田块是否具备排水(排洪)条件,其判断结果包括两种情况:有配套的排水设施或缺乏排水设施。在空间形态判别时,排水(洪)沟与田块相切或相交的,判断为有配套的排水(洪)设施,否则判断为缺乏排水设施。
步骤1026:根据所述目标农田的相关数据,获取所述目标农田的农田防护力度的判断结果。
在本实施例中,农田防护力度是指通过农田防护与生态环境保持工程建设,受防护的农田面积占建设区面积的比例,其判断结果包括两种情况:具备防护能力和农田防护不到位。在本实施例中,对于内陆干旱半干旱区、南方平原河网区来说,其具备防护条件的田块占田块总量的比例≥80%时才判断为具备防护能力,东北平原区具备防护条件的田块占田块总量的比例≥85%时才判断为具备防护能力,其余工程类型区具备防护条件的田块占田块总量的比例≥90%时才判断为具备防护能力,否则判断为农田防护不到位。
步骤1027:根据所述目标农田的田块规模、田块形状、道路通达情况、灌溉设施配套情况、排水设施配套情况以及农田防护力度的判断结果输入至预设编码模型中获取所述目标农田的田块规模对应的编码值、田块形状对应的编码值、道路通达情况对应的编码值、灌溉设施配套情况对应的编码值、排水设施配套情况对应的编码值以及农田防护力度对应的编码值;其中,所述预设编码模型中存储有田块规模、田块形状、道路通达情况、灌溉设施配套情况、排水设施配套情况的各种判断结果与对应的编码值之间的对应关系。
在本实施例中,将步骤1021-1026的判断结果输入至图2所示的预设编码模型中,获取所述目标农田的田块规模对应的编码值、田块形状对应的编码值、道路通达情况对应的编码值、灌溉设施配套情况对应的编码值、排水设施配套情况对应的编码值以及农田防护力度对应的编码值。例如,假设根据所述目标农田的相关数据经判断所述目标农田的田块规模为规模适中,则获取所述目标农田的田块规模对应的编码值为1。
步骤1028:根据所述目标农田的田块规模对应的编码值、田块形状对应的编码值、道路通达情况对应的编码值、灌溉设施配套情况对应的编码值、排水设施配套情况对应的编码值以及农田防护力度对应的编码值,获取所述目标农田的高标准农田建设空间形态识别结果。
在本实施例中,在根据各指标的编码值获取所述目标农田的高标准农田建设空间形态识别结果时,根据不同的预设标准,会有不同的判断方式。
其中一种判断标准是根据木桶的短板原理,也即当组成木桶的所有木板都符合要求时,木桶才符合要求。若按照该判断标准,则只有当所述目标农田的田块规模对应的编码值、田块形状对应的编码值、道路通达情况对应的编码值、灌溉设施配套情况对应的编码值、排水设施配套情况对应的编码值以及农田防护力度对应的编码值均为1时,才确定所述目标农田为高标准农田。另一种判断标准是根据权重原则,也即不但考虑各指标对应的编码值,而且也要考虑各指标对应的权重,将各指标对应的编码值和权重的乘积之和作为判断是否为高标准农田的依据。下面将通过两个实施例对这两种判断方式进行详细说明。
基于上述实施例的内容,在本实施例中,所述步骤1028具体可采用下面方式实现:
若所述目标农田的田块规模对应的编码值、田块形状对应的编码值、道路通达情况对应的编码值、灌溉设施配套情况对应的编码值、排水设施配套情况对应的编码值以及农田防护力度对应的编码值均满足对应的高标准农田编码值条件,则确定所述目标农田的高标准农田建设空间形态识别结果为高标准农田建设空间形态,否则确定所述目标农田的高标准农田建设空间形态识别结果为非高标准农田建设空间形态。
在本实施例中,只有当所述目标农田的田块规模对应的编码值、田块形状对应的编码值、道路通达情况对应的编码值、灌溉设施配套情况对应的编码值、排水设施配套情况对应的编码值以及农田防护力度对应的编码值均为1时,才确定所述目标农田为高标准农田,否则确定所述目标农田的为非高标准农田。例如,假设田块规模对应的编码值、田块形状对应的编码值、道路通达情况对应的编码值、灌溉设施配套情况对应的编码值、排水设施配套情况对应的编码值均为1,但是农田防护力度对应的编码值为0,则确定所述目标农田的为非高标准农田。
与上述实施例的实现方式有所不同,在本实施例中,所述步骤1028具体可采用下面方式实现:
根据所述目标农田的田块规模对应的编码值、田块形状对应的编码值、道路通达情况对应的编码值、灌溉设施配套情况对应的编码值、排水设施配套情况对应的编码值以及农田防护力度对应的编码值,以及,所述田块规模、田块形状、道路通达情况、灌溉设施配套情况、排水设施配套情况以及农田防护力度这六个维度各自对应的预设权重,获取所述目标农田的高标准农田建设空间形态识别结果。
在本实施例中,假设所述目标农田的田块规模对应的编码值、田块形状对应的编码值、道路通达情况对应的编码值、灌溉设施配套情况对应的编码值、排水设施配套情况对应的编码值以及农田防护力度对应的编码值分别为Q1~Q6,所述田块规模、田块形状、道路通达情况、灌溉设施配套情况、排水设施配套情况以及农田防护力度这六个维度各自对应的预设权重分别为w1~w6,则先计算所述目标农田的综合编码值Q=Q1*w1+Q2*w2+Q3*w3+Q4*w4+Q5*w5+Q6*w6,然后再将所述Q值与预设阈值进行比较,若所述Q值大于预设阈值,则确定所述目标农田为高标准农田,否则确定所述目标农田不为高标准农田。其中,所述预设阈值可以根据实际需要进行设定。
在本实施例中,预先根据所述田块规模、田块形状、道路通达情况、灌溉设施配套情况、排水设施配套情况以及农田防护力度这六个维度的重要程度,为所述田块规模、田块形状、道路通达情况、灌溉设施配套情况、排水设施配套情况以及农田防护力度这六个维度分别赋予不同的权重,例如,所述田块规模、田块形状、道路通达情况、灌溉设施配套情况、排水设施配套情况以及农田防护力度对应的权重分别为0.2,0.25,0.2,0.15,0.15,0.05。同时,当所述目标农田的田块规模对应的编码值为1、田块形状对应的编码值为1、道路通达情况对应的编码值为1、灌溉设施配套情况对应的编码值为1、排水设施配套情况对应的编码值为1以及农田防护力度对应的编码值为0时,则按照上面公式计算得到Q=Q1*w1+Q2*w2+Q3*w3+Q4*w4+Q5*w5+Q6*w6=0.95,假设预设阈值为0.9,由于0.95大于0.9,因此确定所述目标农田为高标准农田。
其中,所述田块规模、田块形状、道路通达情况、灌溉设施配套情况、排水设施配套情况以及农田防护力度这六个维度各自对应的预设权重与所述目标农田所处区域自然经济社会条件和面临农业生产的主要限制性因素有关。当所述目标农田所处区域不同时,所述田块规模、田块形状、道路通达情况、灌溉设施配套情况、排水设施配套情况以及农田防护力度这六个维度各自对应的预设权重也会发生相应变化。例如,对于华北平原区,所述灌溉设施配套情况对应的预设权重会相对大一点,而道路通达情况对应的预设权重会相对小一点(因其道路设施较为齐全)。而对于黄土高原丘陵区,由于该区域水土流失严重,其所述农田防护力度对应的预设权重会相对大一点。
基于上述实施例的内容,在本实施例中,所述步骤1022具体可采用下面方式实现:
根据所述目标农田的相关数据,判断所述目标农田是否为满足农业机械化田块形状要求的农田。
在本实施例中,在根据所述目标农田的相关数据,判断所述目标农田是否为满足农业机械化田块形状要求的农田时,可以采用现有技术中的判断方法,也可以采用后续实施例介绍的改进方法。
下面简单介绍下现有技术中的判断方法,其思路是用几何旋转卡壳算法生成目标农田的最小面积外接矩形,参见图3所示,然后通过计算目标农田田块面积与最小面积外接矩形面积的比值得出SSI=AI/AR,其中,AI表示目标农田的田块规模,AR表示目标农田最小面积外接矩形的面积。SSI越大(最大值为1),则表示田块形状越接近长方形。参考相关研究设置SSI的阈值设置为0.8,当SSI≥0.8时,田块近似于长方形,符合农业机械化田块形状要求。当SSI<0.8时,田块形状与长方形差异较大,不符合农业机械化田块形状要求。
对于上面实施例提供的田块形状判断方法,比较适用于平原地区,因为平原地区的田块布局和形状较为规整,上面实施例提供的田块形状判断方法基本满足需要。然而对于地形较为复杂的丘陵地区,特别是黄土高原区,常会出现形状复杂的田块,如图4所示。对于图4所示的田块,如果依然采用上面实施例提供的判断方法,则判断结果将会是所述田块不满足农业机械化田块形状要求。然而事实上,该类田块虽整体上看着与矩形差异较大,但其大部分仍然与矩形相似(本实施例所说的“大部分”指面积占田块总面积80%及以上),基本上适合农机作业,故对于该类田块理应判定为满足农业机械化的农田。因此可见,上面实施例提供的田块形状判断方法在实际应用中普适性不是很强,例如不太适用于地形较为复杂的丘陵地区,特别是黄土高原区,故本实施例针对该问题提供了一种改进方法。下面将对本实施例提供的改进算法进行详细说明。
基于上述实施例的内容,在本实施例中,根据目标农田的相关数据,判断所述目标农田是否为满足农业机械化田块形状要求的农田时,具体包括:
S1、构建所述目标农田的最小面积外接矩形,计算所述目标农田的田块面积与最小面积外接矩形面积的比值,当比值≥0.8时,判定所述目标农田为满足农业机械化田块形状要求的农田,计算结束;当比值<0.8时,进入S2;
S2、如果所述目标农田的拐点数量≤4,则判定所述目标农田为不满足农业机械化田块形状要求的农田,计算结束;如果田块拐点数量>4,则删除所述目标农田中的一个拐点,如果删除拐点后剩余部分面积占所述目标农田面积比例≥0.8且小于原目标农田面积,则构建该剩余部分的最小面积外接矩形,计算该剩余部分田块面积与对应的最小面积外接矩形面积的比值,当比值≥0.8时,判定所述目标农田为满足农业机械化田块形状要求的农田,计算结束;如果上述条件不满足,回到该步骤S2的起始阶段,重新换作删除其他拐点进行相应计算,直到出现满足上述条件的情形或全部拐点均遍历完为止;
S3、当所述目标农田的所有拐点全部遍历完后仍无法确定所述目标农田是否为满足农业机械化田块形状要求的农田时,选择去除1个拐点后剩余田块面积相对最大且<原目标农田面积的部分,并对该部分重复执行步骤S2,直到能够确定所述目标农田为满足农业机械化田块形状要求的农田时,计算结束;如果仍无法确定所述目标农田是否为满足农业机械化田块形状要求的农田,则重复执行步骤S3的前半部分,直到出现如下两种情况中的任意一种:一是能够确定所述目标农田为满足农业机械化田块形状要求的农田,计算结束;二是出现拐点数量≤4或剩余部分面积占田块面积比例<0.8,则判定所述目标农田为不满足农业机械化田块形状要求的农田,计算结束。
由上面S1-S3记载的内容可知,本实施例提供了一种改进的田块形状判断方法,下面以图4所示的田块为例,详细说明本实施例提供的是否满足农业机械化田块形状要求的农田的判断方法的计算过程。
(1)构建田块的最小面积外接矩形,计算发现田块面积与最小面积外接矩形面积的比值<0.8。如图5所示。
(2)遍历田块所有拐点,生成去除1个拐点后的多边形(以下简称剩余多边形),并构建其最小面积外接矩形,计算剩余多边形面积、剩余多边形与田块面积的比例、剩余多边形面积与其最小面积外接矩形面积的比例,发现不存在剩余多边形与田块面积的比例≥0.8且<1,且剩余多边形面积与最小面积外接矩形面积的比例≥0.8的情形。如图6所示。
(3)在图6中,第5个去除1个拐点的田块剩余部分多边形是在<田块面积的前提下,面积相对最大的多边形。在该多边形的基础上,重复步骤(2),生成去除2个拐点后的多边形,并构建其最小面积外接矩形(如图7所示),从图7中可看出,第2个田块剩余多边形与最小面积外接矩形面积的比例≥0.8,且该多边形面积占田块面积的比例≥0.8。至此,判断该田块为满足农业机械化田块形状要求的农田。
基于相同的发明构思,本发明另一实施例提供了一种高标准农田建设空间形态识别装置,参见图8,包括:获取模块21、判断模块22和确定模块23,其中:
获取模块21,用于从预设数据库中获取目标农田的相关数据;
判断模块22,用于根据所述目标农田的相关数据,采用预设算法从预设维度对所述目标农田进行高标准农田建设空间形态判断;
确定模块23,用于根据判断结果确定所述目标农田是否为高标准农田。
由于本发明实施例提供的高标准农田建设空间形态识别装置,可以用于执行上述实施例所述的高标准农田建设空间形态识别方法,其工作原理和有益效果类似,故此处不再详述,具体内容可参见上述实施例的介绍。
基于相同的发明构思,本发明又一实施例提供了一种电子设备,参见图9,所述电子设备具体包括如下内容:处理器301、存储器302、通信接口303和总线304;
其中,所述处理器301、存储器302、通信接口303通过所述总线304完成相互间的通信;所述通信接口303用于实现各建模软件及智能制造装备模块库等相关设备之间的信息传输;
所述处理器301用于调用所述存储器302中的计算机程序,所述处理器执行所述计算机程序时实现上述高标准农田建设空间形态识别方法的全部步骤,例如,所述处理器执行所述计算机程序时实现下述过程:从预设数据库中获取目标农田的相关数据;根据所述目标农田的相关数据,采用预设算法从预设维度对所述目标农田进行高标准农田建设空间形态判断;根据判断结果确定所述目标农田是否为高标准农田。
基于相同的发明构思,本发明又一实施例提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现上述高标准农田建设空间形态识别方法的全部步骤,例如,所述处理器执行所述计算机程序时实现下述过程:从预设数据库中获取目标农田的相关数据;根据所述目标农田的相关数据,采用预设算法从预设维度对所述目标农田进行高标准农田建设空间形态判断;根据判断结果确定所述目标农田是否为高标准农田。
此外,上述的存储器中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本发明实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种高标准农田建设空间形态识别方法,其特征在于,包括:
从预设数据库中获取目标农田的相关数据;
根据所述目标农田的相关数据,采用预设算法从预设维度对所述目标农田进行高标准农田建设空间形态判断;
根据判断结果确定所述目标农田是否为高标准农田。
2.根据权利要求1所述的高标准农田建设空间形态识别方法,其特征在于,所述预设维度包括田块规模、田块形状、道路通达情况、灌溉设施配套情况、排水设施配套情况和农田防护力度中的一种或多种。
3.根据权利要求2所述的高标准农田建设空间形态识别方法,其特征在于,所述根据所述目标农田的相关数据,采用预设算法从预设维度对所述目标农田进行高标准农田建设空间形态判断,具体包括:
根据所述目标农田的相关数据,获取所述目标农田的田块规模的判断结果;
根据所述目标农田的相关数据,获取所述目标农田的田块形状的判断结果;
根据所述目标农田的相关数据,获取所述目标农田的道路通达情况的判断结果;
根据所述目标农田的相关数据,获取所述目标农田的灌溉设施配套情况的判断结果;
根据所述目标农田的相关数据,获取所述目标农田的排水设施配套情况的判断结果;
根据所述目标农田的相关数据,获取所述目标农田的农田防护力度的判断结果;
根据所述目标农田的田块规模、田块形状、道路通达情况、灌溉设施配套情况、排水设施配套情况以及农田防护力度的判断结果输入至预设编码模型中获取所述目标农田的田块规模对应的编码值、田块形状对应的编码值、道路通达情况对应的编码值、灌溉设施配套情况对应的编码值、排水设施配套情况对应的编码值以及农田防护力度对应的编码值;其中,所述预设编码模型中存储有田块规模、田块形状、道路通达情况、灌溉设施配套情况、排水设施配套情况的各种判断结果与对应的编码值之间的对应关系;
根据所述目标农田的田块规模对应的编码值、田块形状对应的编码值、道路通达情况对应的编码值、灌溉设施配套情况对应的编码值、排水设施配套情况对应的编码值以及农田防护力度对应的编码值,获取所述目标农田的高标准农田建设空间形态识别结果。
4.根据权利要求3所述的高标准农田建设空间形态识别方法,其特征在于,所述根据所述目标农田的田块规模对应的编码值、田块形状对应的编码值、道路通达情况对应的编码值、灌溉设施配套情况对应的编码值、排水设施配套情况对应的编码值以及农田防护力度对应的编码值,获取所述目标农田的高标准农田建设空间形态识别结果,具体包括:
若所述目标农田的田块规模对应的编码值、田块形状对应的编码值、道路通达情况对应的编码值、灌溉设施配套情况对应的编码值、排水设施配套情况对应的编码值以及农田防护力度对应的编码值均满足对应的高标准农田编码值条件,则确定所述目标农田的高标准农田建设空间形态识别结果为高标准农田建设空间形态,否则确定所述目标农田的高标准农田建设空间形态识别结果为非高标准农田建设空间形态。
5.根据权利要求3所述的高标准农田建设空间形态识别方法,其特征在于,所述根据所述目标农田的田块规模对应的编码值、田块形状对应的编码值、道路通达情况对应的编码值、灌溉设施配套情况对应的编码值、排水设施配套情况对应的编码值以及农田防护力度对应的编码值,获取所述目标农田的高标准农田建设空间形态识别结果,具体包括:
根据所述目标农田的田块规模对应的编码值、田块形状对应的编码值、道路通达情况对应的编码值、灌溉设施配套情况对应的编码值、排水设施配套情况对应的编码值以及农田防护力度对应的编码值,以及,所述田块规模、田块形状、道路通达情况、灌溉设施配套情况、排水设施配套情况以及农田防护力度这六个维度各自对应的预设权重,获取所述目标农田的高标准农田建设空间形态识别结果。
6.根据权利要求3所述的高标准农田建设空间形态识别方法,其特征在于,所述根据所述目标农田的相关数据,获取所述目标农田的田块形状的判断结果,具体包括:
根据所述目标农田的相关数据,判断所述目标农田是否为满足农业机械化的农田形状要求的农田。
7.根据权利要求6所述的高标准农田建设空间形态识别方法,其特征在于,所述根据所述目标农田的相关数据,判断所述目标农田是否为满足农业机械化的农田形状要求的农田,具体包括:
S1、构建所述目标农田的最小面积外接矩形,计算所述目标农田的田块面积与最小面积外接矩形面积的比值,当比值≥0.8时,判定所述目标农田为满足农业机械化的农田形状要求的农田,计算结束;当比值<0.8时,进入S2;
S2、如果所述目标农田的拐点数量≤4,则判定所述目标农田为不满足农业机械化的农田形状要求的农田,计算结束;如果田块拐点数量>4,则删除所述目标农田中的一个拐点,如果删除拐点后剩余部分面积占所述目标农田面积比例≥0.8且小于原目标农田面积,则构建该剩余部分的最小面积外接矩形,计算该剩余部分田块面积与对应的最小面积外接矩形面积的比值,当比值≥0.8时,判定所述目标农田为满足农业机械化的农田形状要求的农田,计算结束;如果上述条件不满足,回到该步骤S2的起始阶段,重新删除其他拐点进行相应计算,直到出现满足上述条件的情形或全部拐点均遍历完为止;
S3、当所述目标农田的所有拐点全部遍历完后仍无法确定所述目标农田是否为满足农业机械化的农田形状要求的农田时,选择去除1个拐点后剩余田块面积相对最大且<原目标农田面积的部分,并对该部分重复执行步骤S2,直到能够确定所述目标农田为满足农业机械化的农田形状要求的农田时,计算结束;如果仍无法确定所述目标农田是否为满足农业机械化的农田形状要求的农田,则重复执行步骤S3的前半部分,直到出现如下两种情况中的任意一种:一是能够确定所述目标农田为满足农业机械化的农田形状要求的农田,计算结束;二是出现拐点数量≤4或剩余部分面积占田块面积比例<0.8,则判定所述目标农田为不满足农业机械化的农田形状要求的农田,计算结束。
8.一种高标准农田建设空间形态识别装置,其特征在于,包括:
获取模块,用于从预设数据库中获取目标农田的相关数据;
判断模块,用于根据所述目标农田的相关数据,采用预设算法从预设维度对所述目标农田进行高标准农田建设空间形态判断;
确定模块,用于根据判断结果确定所述目标农田是否为高标准农田。
9.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至7任一项所述高标准农田建设空间形态识别方法的步骤。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1至7任一项所述高标准农田建设空间形态识别方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910394373.4A CN110162578B (zh) | 2019-05-13 | 2019-05-13 | 一种高标准农田建设空间形态识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910394373.4A CN110162578B (zh) | 2019-05-13 | 2019-05-13 | 一种高标准农田建设空间形态识别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110162578A true CN110162578A (zh) | 2019-08-23 |
CN110162578B CN110162578B (zh) | 2021-08-17 |
Family
ID=67634266
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910394373.4A Active CN110162578B (zh) | 2019-05-13 | 2019-05-13 | 一种高标准农田建设空间形态识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110162578B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114139996A (zh) * | 2021-12-06 | 2022-03-04 | 云南瀚哲科技有限公司 | 一种基于城乡全域发展的高标准农田建设评价方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102842044A (zh) * | 2012-07-17 | 2012-12-26 | 北京市遥感信息研究所 | 高分辨率可见光遥感图像变化检测方法 |
CN106355334A (zh) * | 2016-08-30 | 2017-01-25 | 中国农业大学 | 农田建设区域判定方法 |
CN107103305A (zh) * | 2017-05-03 | 2017-08-29 | 西安科技大学 | 基于高分辨率遥感影像的高标准农田识别方法 |
-
2019
- 2019-05-13 CN CN201910394373.4A patent/CN110162578B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102842044A (zh) * | 2012-07-17 | 2012-12-26 | 北京市遥感信息研究所 | 高分辨率可见光遥感图像变化检测方法 |
CN106355334A (zh) * | 2016-08-30 | 2017-01-25 | 中国农业大学 | 农田建设区域判定方法 |
CN107103305A (zh) * | 2017-05-03 | 2017-08-29 | 西安科技大学 | 基于高分辨率遥感影像的高标准农田识别方法 |
Non-Patent Citations (1)
Title |
---|
李少帅等: ""基于田块尺度的高标准农田建设空间形态判别研究"", 《农业机械学报》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114139996A (zh) * | 2021-12-06 | 2022-03-04 | 云南瀚哲科技有限公司 | 一种基于城乡全域发展的高标准农田建设评价方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110162578B (zh) | 2021-08-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107832931B (zh) | 一种平原水网地区内涝风险的模块化分析方法 | |
CN105427380B (zh) | 一种基于多细节层次三维地图数据处理方法 | |
CN112697197A (zh) | 一种基于gis和bim融合技术的多孔防洪闸可视化管理系统及方法 | |
CN111709592A (zh) | 基于神经网络与粗糙集分类的深基坑变形预测方法及系统 | |
CN110162578A (zh) | 一种高标准农田建设空间形态识别方法及装置 | |
CN116029558A (zh) | 尾矿库安全风险预警方法、装置及电子设备 | |
CN104794753A (zh) | 一种土石围堰溃堰洪水风险图编制方法 | |
CN113312736B (zh) | 基于云平台的河网水动力模拟实现方法及系统 | |
JP2006004212A (ja) | 水害被害の推定方法をコンピュータに実行させるためのプログラム及び情報提示方法 | |
CN111260714B (zh) | 一种洪涝受灾评估方法、装置、设备及计算机存储介质 | |
CN113282572A (zh) | 一种耕地网格化划分的方法、系统及终端设备 | |
CN113077080A (zh) | 一种智慧水文分析应用系统 | |
CN117034614A (zh) | 一种变电站洪涝灾害综合防治预警系统 | |
CN111612908A (zh) | 水利工程淹没范围展示方法、装置、设备和存储介质 | |
CN113742814B (zh) | 大坝安全预警方法、装置、计算机设备和存储介质 | |
CN112907649B (zh) | 管沟土石方量的测量方法、装置、设备和存储介质 | |
CN115456325A (zh) | 一种用于非煤矿山的灾害设防能力的分析方法 | |
CN115688219A (zh) | 一种针对分层开挖的路基的三维建模方法 | |
CN113869804A (zh) | 一种洪涝灾害下的电网设备风险预警方法及系统 | |
CN115952588B (zh) | 一种基于bim模型的变坡地层疏浚开挖计算方法及系统 | |
CN112948949A (zh) | 水利枢纽工程动态建模方法、装置以及设备 | |
CN112861204B (zh) | 山区路域涵洞设计流量的计算方法、装置、终端及介质 | |
CN110189018A (zh) | 边坡稳定性评测方法及装置 | |
CN108333957B (zh) | 智慧灌区全过程模拟方法及装置 | |
Hall et al. | Assessment of natural stream sites for hydroelectric dams in the pacific northwest region |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |