CN111611335A - 一种国土空间适用性评价方法、系统及存储介质 - Google Patents

一种国土空间适用性评价方法、系统及存储介质 Download PDF

Info

Publication number
CN111611335A
CN111611335A CN202010387935.5A CN202010387935A CN111611335A CN 111611335 A CN111611335 A CN 111611335A CN 202010387935 A CN202010387935 A CN 202010387935A CN 111611335 A CN111611335 A CN 111611335A
Authority
CN
China
Prior art keywords
target area
traffic
landform
information
detection model
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
Application number
CN202010387935.5A
Other languages
English (en)
Other versions
CN111611335B (zh
Inventor
王文超
洪梦佳
林乃发
王燕
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Union Of Students Land Planning And Design Consultation Co ltd
Original Assignee
Hangzhou Union Of Students Land Planning And Design Consultation Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hangzhou Union Of Students Land Planning And Design Consultation Co ltd filed Critical Hangzhou Union Of Students Land Planning And Design Consultation Co ltd
Priority to CN202010387935.5A priority Critical patent/CN111611335B/zh
Publication of CN111611335A publication Critical patent/CN111611335A/zh
Application granted granted Critical
Publication of CN111611335B publication Critical patent/CN111611335B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/188—Vegetation
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W8/00—Network data management
    • H04W8/18—Processing of user or subscriber data, e.g. subscribed services, user preferences or user profiles; Transfer of user or subscriber data
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Chemical & Material Sciences (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Analytical Chemistry (AREA)
  • Remote Sensing (AREA)
  • Multimedia (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种国土空间适用性评价方法、系统及存储介质，涉及数据处理的技术领域，其包括：获取无人机拍摄的航拍图像并生成电子地图；根据目标区域的坐标值于电子地图中定位出目标区域；通过地形地貌检测模型以及交通检测模型对电子地图中目标区域进行地形地貌识别和交通识别，并输出电子地图中目标区域的地形地貌信息与交通信息；根据地形地貌信息与交通信息，得出目标区域的适用性；解决了现有的国土空间适用性评价是人工实地考察，根据实地考察的见闻来判断土地是不是适合用作建设、农业耕地等，人工考察时覆盖面积有限，导致评价结果的准确性不高的问题，本发明具有提高了评估结果的准确性，降低了评估人员的劳动强的效果。

Description

一种国土空间适用性评价方法、系统及存储介质
技术领域
本发明涉及数据处理的技术领域，尤其是涉及一种国土空间适用性评价方法、系统及存储介质。
背景技术
大力推进生态文明建设，合理开发国土空间，优化国土空间开发格局，是关乎我国国土生态安全、保障可持续发展的重要战略，是增强国家综合实力，实现可持续发展的重要内容。随着人口的增长，城市化进程的加快，由于高强度的开发和产业布局不尽合理，部分地区的经济社会发展规模已经超出了资源环境承载能力，徒弟退化、生物多样性下降、生态系统服务功能降低等问题日益突出。开展国土空间适用性开发评价是落实主体功能区战略的重要体现，也是贯彻落实国家相关政策意见和要求的具体体现。
现有的国土空间适用性的评价都是人工实地考察走访，根据实地考察的见闻来判断土地是不是适合用作建设、农业耕地等，人工考察时覆盖面积有限且劳动强度大，导致评价结果的准确性不高，尚有改进的空间。
发明内容
本发明目的一是提供一种国土空间适用性评价方法，具有提高了评估结果的准确性，以及降低了评估人员的劳动强度的特点。
本发明的上述发明目的一是通过以下技术方案得以实现的：
一种国土空间适用性评价方法，包括：
获取无人机拍摄的航拍图像并生成电子地图；
根据目标区域的坐标值于电子地图中定位出目标区域；
通过地形地貌检测模型以及交通检测模型对电子地图中所述目标区域进行地形地貌识别和交通识别，并输出电子地图中所述目标区域的地形地貌信息与交通信息，所述地形地貌信息包括地形种类以及与地形种类相对应的地形面积，所述交通信息包括交通种类以及与交通种类相对应的交通种类长度；
根据所述地形地貌信息与所述交通信息，得出目标区域的适用性。
通过采用上述技术方案，通过无人机拍摄电子地图，根据地形地貌检测模型以及交通检测模型于电子地图得出地形地貌信息与交通信息，来评判国土空间的适用性，降低了评估人员的劳动强度，提高了评估结果的准确性。
本发明在一较佳示例中可以进一步配置为：生成所述地形地貌检测模型的方法包括：
获取多个电子地图中的多个地形地貌图像，将所述地形地貌图像进行缩放后，对地形地貌区域进行标注，通过深度学习卷积网络进行训练，生成所述地形地貌检测模型。
通过采用上述技术方案，生成地形地貌检测模型，以方便于电子地图中分析出目标区域的地形地貌信息，而无需评估人员实地考察，降低了评估人员的劳动强度，提高了评估结果的准确性。
本发明在一较佳示例中可以进一步配置为：生成所述交通检测模型的方法包括：
获取多个电子地图中的多个交通干线图像，将所述交通干线图像进行缩放后，对交通干线区域进行标注，通过深度学习卷积网络进行训练，生成所述交通检测模型。
通过采用上述技术方案，生成交通检测模型，以方便于电子地图中分析出目标区域的交通信息，而无需评估人员实地考察，降低了评估人员的劳动强度，提高了评估结果的准确性。
本发明在一较佳示例中可以进一步配置为：还包括：
通过植被覆盖检测模型对电子地图中所述目标区域进行植被识别，并输出植被覆盖信息；
根据所述植被覆盖信息、所述地形地貌信息与所述交通信息，得出目标区域的适用性；
生成所述植被覆盖检测模型的方法包括：
获取多个电子地图中的多个植被覆盖图像，将所述植被覆盖图像进行缩放后，对植被覆盖区域进行标注，通过深度学习卷积网络进行训练，生成所述植被覆盖检测模型。
通过采用上述技术方案，结合植被覆盖面积评估国土空间的适用性，进一步提高了评估结果的准确性；生成植被覆盖检测模型，方便于电子地图中分析出目标区域的植被覆盖信息，而无需评估人员实地考察，降低了评估人员的劳动强度，提高了评估结果的准确性。
本发明在一较佳示例中可以进一步配置为：还包括：
统计目标区域内人员数量；
根据目标区域内所述人员数量与所述地形地貌信息、所述交通信息，得出目标区域的适用性。
通过采用上述技术方案，结合目标区域内人员数量评估国土空间的适用性，进一步提高了评估结果的准确性。
本发明在一较佳示例中可以进一步配置为：目标区域内人员数量的统计方法包括：
于目标区域内设立基站；
于预设时间段获取目标区域内不同手机的入网信号数量；
根据手机入网信号数量计算出目标区域内的人员数量。
通过采用上述技术方案，对目标区域内人员数量统计时，无需人工走访统计，降低了评估人员的劳动强度。
本发明在一较佳示例中可以进一步配置为：所述预设时间段包括第一时间段和第二时间段；
于第一时间段内获取目标区域内不同手机的第一入网信号数量；
于第二时间段内获取目标区域内不同手机的第二入网信号数量；
对第一入网信号数量与第二入网信号数量求平均，计算出目标区域内的人员数量。
通过采用上述技术方案，对两个时间段内目标区域内不同手机的入网信号数量统计，然后求平均，提高了目标区域内人员数量统计的准确性。
本发明目的二是提供一种国土空间适用性评价系统，具有提高了评估结果的准确性，以及降低了评估人员的劳动强度的特点。
本发明的上述发明目的二是通过以下技术方案得以实现的：
一种国土空间适用性评价系统，包括存储器和处理器，所属存储器上存储有能够被处理器加载并执行如上所述任一种方法的计算机程序。
本发明目的三是提供一种计算机存储介质，能够存储相应的程序，具有便于实现存储一种国土空间适用性评价方法的特点。
本发明的上述发明目的三是通过以下技术方案得以实现的：
一种计算机可读存储介质，存储有能够被处理器加载并执行如上所述任一种方法的计算机程序。
综上所述，本发明包括以下至少一种有益技术效果：
提高了评估结果的准确性，以及降低了评估人员的劳动强度。
附图说明
图1是本发明其中一实施例的一种国土空间适用性评价方法的结构框图。
具体实施方式
以下结合附图对本发明作进一步详细说明。
本具体实施例仅仅是对本发明的解释，其并不是对本发明的限制，本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改，但只要在本发明的权利要求范围内都受到专利法的保护。
本发明实施例提供一种国土空间适用性评价方法，包括：获取无人机拍摄的航拍图像并生成电子地图；根据目标区域的坐标值于电子地图中定位出目标区域；通过地形地貌检测模型以及交通检测模型对电子地图中所述目标区域进行地形地貌识别和交通识别，并输出电子地图中所述目标区域的地形地貌信息与交通信息，所述地形地貌信息包括地形种类以及与地形种类相对应的地形面积，所述交通信息包括交通种类以及与交通种类相对应的交通种类长度；根据所述地形地貌信息与所述交通信息，得出目标区域的适用性。
本发明实施例中，通过无人机拍摄电子地图，根据地形地貌检测模型以及交通检测模型于电子地图得出地形地貌信息与交通信息，来评判国土空间的适用性，降低了评估人员的劳动强度，提高了评估结果的准确性。
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。
另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，如无特殊说明，一般表示前后关联对象是一种“或”的关系。
下面结合说明书附图对本发明实施例作进一步详细描述。
本发明实施例提供一种国土空间适用性评价方法，所述方法的主要流程描述如下。
如图1所示：
步骤1100：获取无人机拍摄的航拍图像并生成电子地图。
步骤1200：根据目标区域的坐标值于电子地图中定位出目标区域。
其中，目标区域的坐标值指的是目标区域边界的坐标值，目标区域的坐标值是人工通过数字键盘输入。
步骤1211：通过地形地貌检测模型以及交通检测模型对电子地图中所述目标区域进行地形地貌识别和交通识别，并输出电子地图中所述目标区域的地形地貌信息与交通信息。
其中，地形地貌信息包括地形种类以及与地形种类相对应的地形面积，交通信息包括交通种类以及与交通种类相对应的交通种类长度。
步骤1212：根据所述地形地貌信息与所述交通信息，得出目标区域的适用性。
步骤1221：通过植被覆盖检测模型对电子地图中所述目标区域进行植被识别，并输出植被覆盖信息。
其中，植被覆盖信息包括覆盖植被的种类以及与覆盖植被的种类对应的植被覆盖面积。
步骤1222：根据所述植被覆盖信息、所述地形地貌信息与所述交通信息，得出目标区域的适用性。
其中，结合植被覆盖面积评估国土空间的适用性，进一步提高了评估结果的准确性。
步骤1231：统计目标区域内人员数量。
步骤1232：根据目标区域内所述人员数量与所述地形地貌信息、所述交通信息，得出目标区域的适用性。
其中，结合目标区域内人员数量评估国土空间的适用性，进一步提高了评估结果的准确性。
生成所述地形地貌检测模型的方法为：
步骤2100：获取多个电子地图中的多个地形地貌图像。
步骤2200：将所述地形地貌图像进行缩放后，对地形地貌区域进行标注。
步骤2300：通过深度学习卷积网络进行训练，生成所述地形地貌检测模型。
其中，生成地形地貌检测模型，以方便根据地形地貌检测模型于电子地图中分析出目标区域的地形地貌信息，而无需评估人员实地考察，降低了评估人员的劳动强度，提高了评估结果的准确性。
生成所述交通检测模型的方法为：
步骤3100：获取多个电子地图中的多个交通干线图像。
步骤3200：将所述地形地貌图像进行缩放后，对地形地貌区域进行标注。
步骤3300：通过深度学习卷积网络进行训练，生成所述地形地貌检测模型。
其中，生成交通检测模型，以方便根据交通检测模型于电子地图中分析出目标区域的交通信息，而无需评估人员实地考察，降低了评估人员的劳动强度，提高了评估结果的准确性。
生成所述植被覆盖检测模型的方法为：
步骤4100：获取多个电子地图中的多个植被覆盖图像。
步骤4200：将所述植被覆盖图像进行缩放后，对植被覆盖区域进行标注。
步骤4300：通过深度学习卷积网络进行训练，生成所述植被覆盖检测模型。
其中，生成植被覆盖检测模型，方便根据植被覆盖检测模型于电子地图中分析出目标区域的植被覆盖信息，而无需评估人员实地考察，降低了评估人员的劳动强度，提高了评估结果的准确性。
目标区域内人员数量的统计方法为：
步骤5100：于目标区域内设立基站。
步骤5200：于预设时间段获取目标区域内不同手机的入网信号数量。
步骤5300：根据手机入网信号数量计算出目标区域内的人员数量。
其中，预设时间段包括第一时间段和第二时间段，第一时间段为6点-8点，第二时间段为17点-19点，于第一时间段内获取目标区域内不同手机的第一入网信号数量，于第二时间段内获取目标区域内不同手机的第二入网信号数量，对第一入网信号数量与第二入网信号数量求平均，计算出目标区域内的人员数量；第一时间段为人们出门上班的时间段，第二时间段为人们下班回家的时间段，两个时间段的选取，在一定程度上去除了其它区域人员对目标区域人员数量的影响，同时求取二者的平均数，进一步提高了目标区域人员数量统计的准确性。
基于同一发明构思，本发明实施例提供一种国土空间适用性评价系统，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的程序，该程序能够被处理器加载执行时实现如上所述的一种国土空间适用性评价方法。
本发明实施例提供一种计算机可读存储介质，存储有能够被处理器加载并执行如上所述任一种方法的计算机程序。
所述计算机可读存储介质例如包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

Claims (9)

1.一种国土空间适用性评价方法，其特征在于，包括：
获取无人机拍摄的航拍图像并生成电子地图；
根据目标区域的坐标值于电子地图中定位出目标区域；
通过地形地貌检测模型以及交通检测模型对电子地图中所述目标区域进行地形地貌识别和交通识别，并输出电子地图中所述目标区域的地形地貌信息与交通信息，所述地形地貌信息包括地形种类以及与地形种类相对应的地形面积，所述交通信息包括交通种类以及与交通种类相对应的交通种类长度；
根据所述地形地貌信息与所述交通信息，得出目标区域的适用性。
2.根据权利要求1所述的方法，其特征在于，生成所述地形地貌检测模型的方法包括：
获取多个电子地图中的多个地形地貌图像，将所述地形地貌图像进行缩放后，对地形地貌区域进行标注，通过深度学习卷积网络进行训练，生成所述地形地貌检测模型。
3.根据权利要求1所述的方法，其特征在于，生成所述交通检测模型的方法包括：
获取多个电子地图中的多个交通干线图像，将所述交通干线图像进行缩放后，对交通干线区域进行标注，通过深度学习卷积网络进行训练，生成所述交通检测模型。
4.根据权利要求1所述的方法，其特征在于，还包括：
通过植被覆盖检测模型对电子地图中所述目标区域进行植被识别，并输出植被覆盖信息；
根据所述植被覆盖信息、所述地形地貌信息与所述交通信息，得出目标区域的适用性；
生成所述植被覆盖检测模型的方法包括：
获取多个电子地图中的多个植被覆盖图像，将所述植被覆盖图像进行缩放后，对植被覆盖区域进行标注，通过深度学习卷积网络进行训练，生成所述植被覆盖检测模型。
5.根据权利要求1所述的方法，其特征在于，还包括：
统计目标区域内人员数量；
根据目标区域内所述人员数量与所述地形地貌信息、所述交通信息，得出目标区域的适用性。
6.根据权利要求5所述的方法，其特征在于，目标区域内人员数量的统计方法包括：
于目标区域内设立基站；
于预设时间段获取目标区域内不同手机的入网信号数量；
根据手机入网信号数量计算出目标区域内的人员数量。
7.根据权利要求6所述的方法，其特征在于，
所述预设时间段包括第一时间段和第二时间段；
于第一时间段内获取目标区域内不同手机的第一入网信号数量；
于第二时间段内获取目标区域内不同手机的第二入网信号数量；
对第一入网信号数量与第二入网信号数量求平均，计算出目标区域内的人员数量。
8.一种国土空间适用性评价系统，其特征在于，包括存储器和处理器，所属存储器上存储有能够被处理器加载并执行如权利要求1至7中任一种方法的计算机程序。
9.一种计算机可读存储介质，其特征在于，存储有能够被处理器加载并执行如权利要求1至7中任一种方法的计算机程序。
CN202010387935.5A 2020-05-09 2020-05-09 一种国土空间适用性评价方法、系统及存储介质 Active CN111611335B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010387935.5A CN111611335B (zh) 2020-05-09 2020-05-09 一种国土空间适用性评价方法、系统及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010387935.5A CN111611335B (zh) 2020-05-09 2020-05-09 一种国土空间适用性评价方法、系统及存储介质

Publications (2)

Publication Number Publication Date
CN111611335A true CN111611335A (zh) 2020-09-01
CN111611335B CN111611335B (zh) 2023-05-26

Family

ID=72200099

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010387935.5A Active CN111611335B (zh) 2020-05-09 2020-05-09 一种国土空间适用性评价方法、系统及存储介质

Country Status (1)

Country Link
CN (1) CN111611335B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114863275A (zh) * 2022-04-27 2022-08-05 北京良安科技有限公司 一种用于粮仓的三维建图方法、系统、设备及存储介质
CN115796557A (zh) * 2023-02-02 2023-03-14 湖北君邦环境技术有限责任公司 一种输变电工程建设项目生态影响评价方法、系统及介质

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003178334A (ja) * 2001-12-12 2003-06-27 Kokusai Kogyo Co Ltd 面安定度評価データ作成システム
CN104217368A (zh) * 2014-09-26 2014-12-17 武汉大学 一种地理区位特征表征方法
US20150319553A1 (en) * 2011-11-18 2015-11-05 Ernest W. Grumbles, III Ambient condition measurement and reporting system
CN106056069A (zh) * 2016-05-27 2016-10-26 刘文萍 基于无人机图像分析的林地资源资产评估方法及其评估系统
CN106707229A (zh) * 2017-03-10 2017-05-24 民政部国家减灾中心 基于手机探测定位的自然灾害被困人口数量与方位快速测算方法
US20180058932A1 (en) * 2016-08-12 2018-03-01 China Institute Of Water Resources And Hydropower Research Method for analyzing the types of water sources based on natural geographical features
CN107909260A (zh) * 2017-11-10 2018-04-13 浙江省地理信息中心 一种自然资源资产离任审计评价方法
CN109711751A (zh) * 2019-01-15 2019-05-03 北京国脉时空大数据科技有限公司 一种基于时空数据融合分析的资源环境承载力评估方法
CN110298553A (zh) * 2019-06-04 2019-10-01 广州市城市规划勘测设计研究院 一种基于gis的国土空间规划方法、系统和设备
CN110309762A (zh) * 2019-06-26 2019-10-08 扆亮海 一种基于航空遥感的林业健康评价系统
CN110348685A (zh) * 2019-06-10 2019-10-18 华南理工大学 城市工业用地空间干扰度测评方法、系统、设备及介质
CN110751308A (zh) * 2019-07-27 2020-02-04 杭州学联土地规划设计咨询有限公司 一种土地空间规划与区域边界的确定方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003178334A (ja) * 2001-12-12 2003-06-27 Kokusai Kogyo Co Ltd 面安定度評価データ作成システム
US20150319553A1 (en) * 2011-11-18 2015-11-05 Ernest W. Grumbles, III Ambient condition measurement and reporting system
CN104217368A (zh) * 2014-09-26 2014-12-17 武汉大学 一种地理区位特征表征方法
CN106056069A (zh) * 2016-05-27 2016-10-26 刘文萍 基于无人机图像分析的林地资源资产评估方法及其评估系统
US20180058932A1 (en) * 2016-08-12 2018-03-01 China Institute Of Water Resources And Hydropower Research Method for analyzing the types of water sources based on natural geographical features
CN106707229A (zh) * 2017-03-10 2017-05-24 民政部国家减灾中心 基于手机探测定位的自然灾害被困人口数量与方位快速测算方法
CN107909260A (zh) * 2017-11-10 2018-04-13 浙江省地理信息中心 一种自然资源资产离任审计评价方法
CN109711751A (zh) * 2019-01-15 2019-05-03 北京国脉时空大数据科技有限公司 一种基于时空数据融合分析的资源环境承载力评估方法
CN110298553A (zh) * 2019-06-04 2019-10-01 广州市城市规划勘测设计研究院 一种基于gis的国土空间规划方法、系统和设备
CN110348685A (zh) * 2019-06-10 2019-10-18 华南理工大学 城市工业用地空间干扰度测评方法、系统、设备及介质
CN110309762A (zh) * 2019-06-26 2019-10-08 扆亮海 一种基于航空遥感的林业健康评价系统
CN110751308A (zh) * 2019-07-27 2020-02-04 杭州学联土地规划设计咨询有限公司 一种土地空间规划与区域边界的确定方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
张勇荣;马士彬;谌洪星;: "基于格网的山区城市地域土地适宜性评价及分析" *
彭晓鹃: "基于GIS 的山地城镇空间拓展土地适宜性评价--以大埔县为例" *
杨晓春;裴晓晨;: "公共开放空间远程桌面评价工具评介" *
段磊;林世平;陈秋池;马山水;张杰;: "城市街道开放空间活力与空间构成要素的相关性评价――以海口市海甸岛为例" *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114863275A (zh) * 2022-04-27 2022-08-05 北京良安科技有限公司 一种用于粮仓的三维建图方法、系统、设备及存储介质
CN114863275B (zh) * 2022-04-27 2022-12-09 北京良安科技有限公司 一种用于粮仓的三维建图方法、系统、设备及存储介质
CN115796557A (zh) * 2023-02-02 2023-03-14 湖北君邦环境技术有限责任公司 一种输变电工程建设项目生态影响评价方法、系统及介质

Also Published As

Publication number Publication date
CN111611335B (zh) 2023-05-26

Similar Documents

Publication Publication Date Title
Sillero et al. Want to model a species niche? A step-by-step guideline on correlative ecological niche modelling
Di Febbraro et al. Expert-based and correlative models to map habitat quality: Which gives better support to conservation planning?
Seress et al. Quantifying the urban gradient: a practical method for broad measurements
Nourqolipour et al. Predicting the effects of urban development on land transition and spatial patterns of land use in Western Peninsular Malaysia
Aldridge et al. Crucial nesting habitat for gunnison sage‐grouse: A spatially explicit hierarchical approach
Lindsay et al. Distinguishing actual and artefact depressions in digital elevation data
US20130226667A1 (en) Methods and apparatus to analyze markets based on aerial images
Islami et al. Accuracy assessment of land use change analysis using Google Earth in Sadar watershed mojokerto regency
CN112506972B (zh) 用户常驻区域定位方法、装置、电子设备以及存储介质
CN111611335A (zh) 一种国土空间适用性评价方法、系统及存储介质
CN107909192B (zh) 土壤重金属含量的估测方法及装置
Paudel et al. Habitat suitability models of mountain ungulates: identifying potential areas for conservation
Salgueiro et al. Multispecies landscape functional connectivity enhances local bird species’ diversity in a highly fragmented landscape
CN111339965A (zh) 养殖场选址方法、装置、设备及计算机可读存储介质
Byrne et al. Estimating badger social-group abundance in the Republic of Ireland using cross-validated species distribution modelling
Crespo-Mendes et al. Relationships between plant species richness and soil pH at the level of biome and ecoregion in Brazil
Jones Archaeofaunal evidence of human adaptation to climate change in Upper Paleolithic Iberia
CN112418632A (zh) 一种生态修复关键区域识别方法及系统
MacLean et al. Requirements for labelling forest polygons in an object-based image analysis classification
Kilgore et al. Challenges in characterizing a parcelized forest landscape: Why metric, scale, threshold, and definitions matter
Freeman et al. Dealing with non-equilibrium bias and survey effort in presence-only invasive Species Distribution Models (iSDM); Predicting the range of muntjac deer in Britain and Ireland
CN104318319A (zh) 一种基于征地过程博弈结果的多智能体城市扩张模拟方法
Tang et al. Priority areas identified through spatial habitat suitability index and network analysis: Wild boar populations as proxies for tigers in and around the Hupingshan and Houhe National Nature Reserves
Kuemmerle et al. Identifying priority areas for restoring mountain ungulates in the Caucasus ecoregion
CN111126720A (zh) 养殖场风险预测方法、装置、设备及存储介质

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: Room 401, Building 2, Huace Center, Xihu District, Hangzhou City, Zhejiang Province, 310000

Applicant after: Zhejiang Shuzhi space planning and Design Co.,Ltd.

Address before: 310013 floor 14, building 2, No. 567, Dengcai street, Sandun Town, Xihu District, Hangzhou City, Zhejiang Province

Applicant before: HANGZHOU UNION OF STUDENTS LAND PLANNING AND DESIGN CONSULTATION Co.,Ltd.

GR01 Patent grant
GR01 Patent grant