CN113282572A - 一种耕地网格化划分的方法、系统及终端设备 - Google Patents

一种耕地网格化划分的方法、系统及终端设备 Download PDF

Info

Publication number
CN113282572A
CN113282572A CN202110816821.2A CN202110816821A CN113282572A CN 113282572 A CN113282572 A CN 113282572A CN 202110816821 A CN202110816821 A CN 202110816821A CN 113282572 A CN113282572 A CN 113282572A
Authority
CN
China
Prior art keywords
farmland
pattern
condition information
information
spot
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
CN202110816821.2A
Other languages
English (en)
Other versions
CN113282572B (zh
Inventor
李云
徐阳亮
刘慧敏
张华�
陈果
周游
严娅妮
吴昱
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.)
Hunan Second Surveying And Mapping Institute
Original Assignee
Hunan Second Surveying And Mapping Institute
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 Hunan Second Surveying And Mapping Institute filed Critical Hunan Second Surveying And Mapping Institute
Priority to CN202110816821.2A priority Critical patent/CN113282572B/zh
Publication of CN113282572A publication Critical patent/CN113282572A/zh
Application granted granted Critical
Publication of CN113282572B publication Critical patent/CN113282572B/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
    • G06F16/21—Design, administration or maintenance of databases
    • G06F16/211—Schema design and management
    • G06F16/212—Schema design and management with details for data modelling support
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C15/00—Surveying instruments or accessories not provided for in groups G01C1/00 - G01C13/00
    • 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
    • G06F16/22—Indexing; Data structures therefor; Storage structures
    • G06F16/2291—User-Defined Types; Storage management thereof
    • 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
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2457—Query processing with adaptation to user needs
    • 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
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Remote Sensing (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Computing Systems (AREA)
  • Algebra (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请涉及一种耕地网格化划分的方法，包括以下步骤：基于行政界线确定区块，获取区块内的耕地图斑；基于所述耕地图斑的状况数据对所述耕地图斑进行建模分析，获得每个所述耕地图斑的量化分值；基于所述量化分值与预设界限值确定耕地图斑类型；基于所述耕地图斑及所述耕地图斑类型划分网格，确定网格类型；基于所述耕地图斑类型以及所述网格类型对所述耕地图斑进行编码入库。本申请具有对耕地进行科学合理划分，提高耕地的精细化管理程度的效果。

Description

一种耕地网格化划分的方法、系统及终端设备
技术领域
本申请涉及测绘科学技术的技术领域，尤其是涉及一种耕地网格化划分的方法、系统及终端设备。
背景技术
随着计算机技术和地理空间数据获取技术的快速发展以及政府落实最严格耕地保护制度的迫切需求，耕地数量、质量、生态“三位一体”成为耕地保护的热点，耕地网格化监测与管理，即“田长制”，建立各类耕地有“田长”的管理模式，是实现耕地与永久基本农田保护责任全覆盖的有效手段，而耕地划分网格是实现耕地网格化管理的的基础性工作。因此，如何科学有效的将耕地划分网格开展监测与管理即成为了需要解决的问题。
目前，各地方均在开展与推进耕地网格化管理，大多数耕地网格化管理采用基于各级行政区划进行的简单的划分管理方式。
发明人认为，仅基于各级行政区划进行耕地网格的划分，划分过程中并未考虑耕地的质量、生态等基础属性以及地形的坡度和连续性，导致耕地的精细化管理程度不高，因此需要改进。
发明内容
为了对耕地进行科学合理划分，提高耕地的精细化管理程度，本申请提供一种耕地网格化划分的方法、系统及终端设备。
第一方面，本申请提供一种耕地网格化划分的方法，采用如下的技术方案：
一种耕地网格化划分的方法，包括以下步骤：
基于行政界线确定区块，获取区块内的耕地图斑；
基于所述耕地图斑的状况数据对所述耕地图斑进行建模分析，获得每个所述耕地图斑的量化分值；
基于所述量化分值与预设界限值确定耕地图斑类型；
基于所述耕地图斑及所述耕地图斑类型划分网格，确定网格类型；
基于所述耕地图斑类型以及所述网格类型对所述耕地图斑进行编码入库。
通过采用上述技术方案，根据耕地图斑的状况信息对耕地图斑建模分析，获取耕地图斑的量化分值，量化分值综合了耕地图斑的各项状况信息，根据量化分值确定耕地图斑类型，根据耕地图斑以及耕地图斑的类型划分网格，并对每个网格内的耕地图斑进行编码入库，形成了科学划分耕地网格的方法，提高了耕地的精细化管理程度。
可选的，基于所述耕地图斑的状况数据对所述耕地图斑进行建模分析，获得每个所述耕地图斑的量化分值包括有：
获取所述耕地图斑的状况信息及对应的状况信息指标，所述状况信息包括坡度状况信息、农田状况信息、管控状况信息、作物状况信息、连片状况信息及利用状况信息；
基于状况信息指标及所述状况信息获取所述耕地图斑各状况信息的信息分值；
基于所述信息分值获取指标权重；
基于所述信息分值及所述指标权重获取所述耕地图斑的量化分值。
通过采用上述技术方案，量化分值的获取充分考虑了耕地的质量、生态等基础属性以及地形的坡度和连续性，有利于科学划分耕地网格。
可选的，基于所述状况信息及所述状况信息指标获取所述耕地图斑各状况信息的信息分值包括：
基于二值法分别获得所述农田状况信息、所述作物状况信息及所述连片状况信息的信息分值；
基于归一化方法分别获得所述坡度状况信息、所述管控状况信息及所述利用状况信息的信息分值。
通过采用上述技术方案，将每个状况信息以分值的形式展示，能够直观的展示出来耕地的质量、生态等基础属性以及地形的坡度和连续性。
可选的，基于所述信息分值获取指标权重包括：
基于所述耕地图斑各状况信息的信息分值分值形成原始数据矩阵；
基于熵值法对所述原始数据矩阵进行计算，得到各个所述状况信息指标的指标权重。
通过采用上述技术方案，通过熵值法计算权重，能够方便表达出每个状况信息的重要性，同时方便进行量化分值的计算。
可选的，基于所述信息分值及所述指标权重获得量化分值包括：
构建加权叠加模型及量化分析模型；
基于加权叠加方法和量化分析方法对所述信息分值和所述指标权重进行计算，获得所述耕地图斑的量化分值。
通过采用上述技术方案，基于加权叠加方法和量化分析方法计算得到量化分值，从而方便根据量化分值的高低判断耕地图斑的类型。
可选的，基于所述量化分值与预设界限值确定耕地图斑类型，还包括：
基于样本确定预设界限值；
比较所述量化分值及所述预设界限值，确定所述耕地图斑类型为重点参考地块或者次重点参考地块。
通过采用上述技术方案，基于量化分值以及预设界限值将耕地图斑类型划分为重点参考地块或者次重点参考地块，便于直观表示耕地的质量。
可选的，基于所述耕地图斑及所述耕地图斑类型划分网格，确定网格类型包括：
根据每一个所述耕地图斑对应的所述耕地图斑类型，确定第一耕地图斑和第二耕地图斑，所述第一耕地图斑对应的耕地图斑类型为重点参考地块，所述第二耕地图斑对应的耕地图斑类型为次重点参考地块；
对所有的耕地图斑进行网格划分，得到多个网格，多个所述网格的网格类型包括重点网格及次重点网格，所述重点网格中所述第一耕地图斑的面积大于所述第二耕地图斑的面积，所述次重点网格中所述第一耕地图斑的面积小于所述第二耕地图斑的面积。
通过采用上述技术方案，根据第一耕地图斑以及第二耕地图斑来划分重点网格和次重点网格，划分方法较为科学，利于实现耕地精细化网格管理。
可选的，基于所述耕地图斑类型以及所述网格类型对所述耕地图斑进行编码入库包括：
基于所述区块信息与所述网格信息获得网格编码；
基于所述网格类型获得类型编码；
基于全国国土调查结果获得所述耕地图斑的图斑编码；
采用“网格编码-类型编码-图斑编码”的顺序对每块耕地图斑进行编码；
将所述耕地图斑的编码存储进数据库。
通过采用上述技术方案，对每个网格内的耕地图斑进行科学编码入库，形成了科学划分耕地网格的方法，方便耕地精细化网格管理。
第二方面，本申请提供一种耕地网格化划分的系统，采用如下的技术方案：
一种耕地网格化划分的系统，包括
获取模块，所述获取模块用于获取区块以及所述区块内部的耕地图斑；
分析模块，所述分析模块用于分析所述耕地图斑的各项指标，获得每块所述耕地图斑的量化分值；
对比模块，所述对比模块用于将所述量化分值与预设界限值进行对比，确定所述耕地图斑的耕地图斑类型；
处理模块，所述处理模块用于基于所述耕地图斑和所述耕地图斑类型划分网格，并确定网格类型；
编码模块，所述编码模块用于根据所述耕地图斑类型及所述网格类型对所述耕地图斑进行编码入库操作。
通过采用上述技术方案，
第三方面，本申请提供一种终端设备，采用如下的技术方案：
一种终端设备，包括存储器、处理器及存储在存储器中并能够在处理器上运行的计算机程序，所述处理器加载并执行计算机程序时，采用了上述的耕地网格化划分的方法。
通过采用上述技术方案，通过将上述的耕地网格化划分的方法生成计算机程序，并存储于存储器中，以被处理器加载并执行，从而，根据存储器及处理器制作终端设备，方便使用。
附图说明
图1是本申请实施例一种耕地网格化划分的方法的整体结构框架示意图。
图2是本申请实施例一种耕地网格化划分的方法中步骤S200的结构框架示意图。
图3是本申请实施例一种耕地网格化划分的方法中步骤S220的结构框架示意图。
图4是本申请实施例一种耕地网格化划分的方法中步骤S230的结构框架示意图。
图5是本申请实施例一种耕地网格化划分的方法中步骤S240的结构框架示意图。
图6是本申请实施例一种耕地网格化划分的方法中步骤S300的结构框架示意图。
图7是本申请实施例一种耕地网格化划分的方法中步骤S400的结构框架示意图。
图8是本申请实施例一种耕地网格化划分的方法中步骤S500的结构框架示意图。
图9是本申请实施例一种耕地网格化划分的系统的整体结构示意图。
附图标记：1、获取模块；2、分析模块；21、获取单元；22、计算单元；3、对比模块；31、阈值单元；32、对比单元；4、处理模块；5、编码模块；51、编码单元；52、存储单元。
具体实施方式
以下结合附图1-9对本申请作进一步详细说明。
本申请实施例公开一种耕地网格化划分的方法,参照图1，包括以下步骤：
S100、基于行政界线确定区块，获取区块内的耕地图斑；
S200、基于所述耕地图斑的状况数据对所述耕地图斑进行建模分析，获得每个所述耕地图斑的量化分值；
S300、基于所述量化分值与预设界限值确定耕地图斑类型；
S400、基于所述耕地图斑及所述耕地图斑类型划分网格，确定网格类型；
S500、基于所述耕地图斑类型以及所述网格类型对所述耕地图斑进行编码入库。
其中，步骤S100中，以各县市区的行政界线进行划分，参照全国国土调查结果、各县级单元的行政管辖界线、河长湖长制的河湖、高速公路和铁路路网等数据，沿行政界线以及水网路网中心线对全域范围分割为多个区块，并基于全国国土调查结果获取每个区块内的耕地图斑信息。
其中，参照图2，步骤S200包括有：
S210、获取所述耕地图斑的状况信息及对应的状况信息指标，所述状况信息包括坡度状况信息、农田状况信息、管控状况信息、作物状况信息、连片状况信息及利用状况信息；
S220、基于状况信息指标及所述状况信息获取所述耕地图斑各状况信息的信息分值；
S230、基于所述信息分值获取指标权重；
S240、基于所述信息分值及所述指标权重获取所述耕地图斑的量化分值。
具体地，步骤S210中，参考耕地资源质量分类数据、永久基本农田数据、水稻监测成果、耕地集中连片分析等各类成果数据，从坡度状况、基本农田状况、严格管控状况、作物种植状况、集中连片状况、耕地利用状况六个层面获取耕地图斑的状况信息。
具体地，参照图3，步骤S220包括有以下步骤：
S221、基于二值法分别获得所述农田状况信息、所述作物状况信息及所述连片状况信息的信息分值；
S222、基于归一化方法分别获得所述坡度状况信息、所述管控状况信息及所述利用状况信息的信息分值。
更具体地，步骤S221中，
农田状况信息：在本实施例中，农田状况信息反映耕地监管与保护的强度，对应的农田状况信息指标为永久基本农田划定结果。基于全国国土调查中的耕地和即可恢复属性图斑，套合永久基本农田划定成果数据，根据是否在永久基本农田范围将耕地图斑分为两类，用两种信息分值表示，定义在永久基本农田范围内的耕地图斑的信息分值记为0.1，不在永久基本农田内的信息分值记为1。
作物状况信息：作物状况信息反映耕地种植作物的状况，作物状况信息指标为水稻监测成果中种植作物的类型。基于全国国土调查中的耕地和即可恢复属性图斑，套合水稻监测成果数据，根据是否种植水稻将耕地图斑分为两类，用两种信息分值表示，定义种植水稻的耕地图斑的信息分值记为0.1，未种植水稻的信息分值记为1。
连片状况信息：连片状况信息反映耕地地块之间的连续性和整体性状况，连片状况信息指标为耕地集中连片分析结果。基于全国国土调查中的耕地和恢复属性图斑数据，开展耕地500亩集中连片分析，根据集中连片分析结果，按耕地和恢复属性图斑是否在集中连片的片块范围内将耕地图斑分成两类，用两种信息分值表示，定义在集中连片的片块范围内的耕地图斑的信息分值记为0.1，未在集中连片的片块范围内信息分值记为1。
更具体地，步骤S222中，
坡度状况信息：坡度状况信息反映耕地所属地表单元的陡缓程度，坡度状况信息指标为坡度级别。全国国土调查已根据坡度图成果对所有耕地图斑赋值了坡度属性，参照耕地图斑坡度赋值的方法，对即可恢复属性图斑同样按照≤2°、2-6°、6-15°、15-25°、＞25°分为5级进行坡度赋值，再根据坡度级别（1、2、3、4、5）分别变换至[0,1]区间内，用五种信息分值（0.1、0.3、0.5、0.7、1）表示。
管控状态信息：管控状态信息反映耕地受污染的状况，管控状态信息指标为耕地质量分类中重金属污染程度。根据耕地质量分类数据中重金属污染程度的三个级别（1级、2级、3级）分别变换至[0,1]区间内，用三种信息分值（0.1、0.5、1）表示。
利用状况信息：利用状况信息反映耕地利用现状类型，利用状况信息指标为耕地二级地类以及恢复属性图斑核实结果（易恢复、难以恢复）。将恢复属性核实结果归类后，挂接属性至全国国土调查中的耕地和恢复属性数据中，按照水田、水浇地、旱地、易恢复、难以恢复分成五类，用五种分值表示。根据耕地的优劣程度，定义水田信息分值记为0.1，水浇地信息分值记为0.3，旱地信息分值记为0.5，易恢复信息分值记为0.7，难以恢复信息分值记为1。
具体地，参照图4，步骤S230还包括有以下步骤：
S231、基于所述耕地图斑各状况信息的信息分值形成原始数据矩阵；
S232、基于熵值法对所述原始数据矩阵进行计算，得到各个所述状况信息指标的指标权重。
更具体地，步骤S231中，获得每个耕地图斑的信息指标及信息分值，整理形成数据矩阵X：
Figure 531841DEST_PATH_IMAGE001
更具体地，步骤S232中，根据原始数据矩阵，计算第j项指标下第i条的比重：
Figure 668556DEST_PATH_IMAGE002
计算熵值
Figure 917135DEST_PATH_IMAGE003
、信息效用值
Figure 515606DEST_PATH_IMAGE004
和权重
Figure 48088DEST_PATH_IMAGE005
。根据P数据矩阵，计算所有耕地图斑对指标属性
Figure 339392DEST_PATH_IMAGE006
的信息熵值
Figure 809687DEST_PATH_IMAGE003
：
Figure 962582DEST_PATH_IMAGE007
Figure 100302DEST_PATH_IMAGE008
利用所有耕地图斑对指标属性
Figure 31349DEST_PATH_IMAGE006
的信息熵值
Figure 238209DEST_PATH_IMAGE003
和信息效用值
Figure 444062DEST_PATH_IMAGE004
，进一步计算获得各耕地图斑的各指标权重
Figure 905130DEST_PATH_IMAGE005
：
Figure 124907DEST_PATH_IMAGE009
具体地，参照图5，步骤S240还包括有以下步骤：
S241、构建加权叠加模型及量化分析模型；
S242、基于加权叠加方法和量化分析方法对所述信息分值和所述指标权重进行计算，获得所述耕地图斑的量化分值。
更具体地，首先构建加权叠加模型及量化分析模型，基于加权叠加方法及量化分析方法对信息分值和对应的指标权重进行计算，得到每块耕地图斑的量化分值。由上述步骤S210-步骤S220明显可知，加权叠加后的量化分值越低表示越适宜划分为重点类型，量化分值越高表示越适宜划分为次重点类型。
其中，参照图6，步骤S300还包括有以下步骤：
S310、基于样本确定预设界限值；
S320、比较所述量化分值及所述预设界限值，确定所述耕地图斑类型为重点参考地块或者次重点参考地块。
更具体地，步骤S310：在本实施例中，选取A县中的所有耕地图斑作为样本耕地图斑，将所有样本耕地图斑按照上述步骤S210-步骤S240进行处理，得到样本耕地图斑的量化分值，计算所有样本耕地图斑的量化分值的平均值，将得到的平均值作为预设界限值。
更具体地，步骤S320中，将量化分值在(0.00-预设界限值]区间内的耕地图斑作为重点参考地块，将量化分值在(平均值-1.00]区间内的耕地图斑作为次重点参考地块。
其中，参照图7，步骤S400包括有以下步骤：
S410、根据每一个所述耕地图斑对应的所述耕地图斑类型，确定第一耕地图斑和第二耕地图斑，所述第一耕地图斑对应的耕地图斑类型为重点参考地块，所述第二耕地图斑对应的耕地图斑类型为次重点参考地块；
S420、对所有的耕地图斑进行网格划分，得到多个网格，多个所述网格的网格类型包括重点网格及次重点网格，所述重点网格中所述第一耕地图斑的面积大于所述第二耕地图斑的面积，所述次重点网格中所述第一耕地图斑的面积小于所述第二耕地图斑的面积。
具体地，在本实施例中，在区块内基于每一个耕地图斑对应的耕地图斑类型划定第一耕地图斑和第二耕地图斑，第一耕地图斑对应的耕地图斑类型为重点参考地块，第二耕地图斑对应的耕地图斑类型为次重点参考地块。在本实施例中，根据网格中第一耕地图斑的面积与第二耕地图斑的面积对比，以及参考最新的卫星遥感影像以及2020年卫星监测数据中耕地图斑的密集程度，通过人工核查比对，沿河流、道路、沟渠等地物中心线和地形地貌条件，来划定区块中的重点网格和次重点网格。其中，重点网格中第一耕地图斑的面积大于第二耕地图斑的面积，次重点网格中第一耕地图斑的面积小于第二耕地图斑的面积。
其中，参照图8，步骤S500包括有以下步骤：
S510、基于所述区块信息与所述网格信息获得网格编码；
S520、基于所述网格类型获得类型编码；
S530、基于全国国土调查结果获得所述耕地图斑的图斑编码；
S540、采用“网格编码-类型编码-图斑编码”的顺序对每块耕地图斑进行编码；
S550、将所述耕地图斑的编码存储进数据库。
具体地，步骤S510中，网格编码包括有六位数，其中前3位表示区块编码，后3位表示对应区块内网格编码，如“188020”即表示188区20号网格。
具体地，步骤S520中，类型编码包括有五位数，首位表示网格类型，重点类型网格用“Z”表示，次重点类型网格用“C”表示，后四位表示地类类型，以地类编码表示，如水田(0101)、水浇地(0102)、旱地(0103)等。
具体地，步骤S530中，图斑编码引用全国国土调查中图斑的标识码，指向全国国土调查中的具体图斑。全国国土调查中每个图斑的标识码均为唯一代码，采用三层18位层次码结构，由县级行政区划代码、要素层代码、要素标识码顺序号构成。
具体地，步骤S540中，采用“网格编码-类型编码-图斑编码”的顺序对每块耕地图斑进行编码，例如：188020-Z0103-430102211000000001。
具体地，步骤S550中，对每个网格内的耕地图斑对应的编码存储进数据库中，方便实现耕地精细化网格管理。
本申请实施例一种耕地网格化划分的方法实施原理为：获取区块内的耕地图斑，通过对比各项状况信息指标，来获得耕地图斑的各状况信息的信息分值，基于熵值法、加权叠加法以及量化分析法对信息分值进行处理，最终得到每块耕地图斑的量化分值，通过将每块耕地的量化分值与预设界限值进行对比，判断耕地图斑的耕地图斑类型为重点参考地块或者次重点参考地块，根据耕地图斑的分布状况以及地物中心线和地形地貌条件划定区块中的重点网格和次重点网格，并确定网格类型，基于区块信息与网格信息、网格类型以及全国国土调查结果对耕地图斑进行编码入库。
本申请基于全国国土调查反映的耕地现状情况，充分考虑地形地貌等因素以及各类耕地调查监测成果，多层面设定耕地指标开展分析评价，根据分析评价结果划分网格并并对每个网格内的耕地图斑进行编码入库，形成了科学划分耕地网格的方法，实现耕地精细化网格管理。
并且，在耕地网格划分时，在各级行政区划的基础上，充分考虑了耕地的质量、生态等基础属性以及地形的坡度和连续性，科学划分耕地网格，进一步实现了耕地数量、质量、生态“三位一体”保护。
本申请实施例还公开一种耕地网格化划分的系统，参照图9，该系统包括有：
获取模块1，所述获取模块1用于获取区块以及所述区块内部的耕地图斑；
分析模块2，所述分析模块2用于分析所述耕地图斑的各项指标，获得每块所述耕地图斑的量化分值；
对比模块3，所述对应模块用于将所述量化分值与预设界限值进行对比，确定所述耕地图斑的耕地图斑类型；
处理模块4，所述处理模块4用于基于所述耕地图斑和所述耕地图斑类型划分网格，并确定网格类型；
编码模块5，所述编码模块5用于根据所述耕地图斑类型及所述网格类型对所述耕地图斑进行编码入库操作。
其中，获取模块1与分析模块2连接，获取模块1获取区块内部的耕地图斑。
其中，分析模块2包括有获取单元21和计算单元22，获取单元21与获取模块1连接，获取单元21获取耕地图斑状况信息以及对应的状况信息指标，状况信息包括坡度状况信息、农田状况信息、管控状况信息、作物状况信息、连片状况信息及利用状况信息。计算单元22用于基于耕地图斑信息以及状况信息指标计算耕地图斑的各项信息分值，并基于各项信息分值计算出每块耕地图斑的量化分值。
具体地，采用二值法计算农田状况信息、作物状况信息及连片状况信息的信息分值：
农田状况信息：在本实施例中，农田状况信息反映耕地监管与保护的强度，对应的农田状况信息指标为永久基本农田划定结果。基于全国国土调查中的耕地和即可恢复图斑，套合永久基本农田划定成果数据，根据是否在永久基本农田范围将耕地图斑分为两类，用两种信息分值表示，定义在永久基本农田范围内的耕地图斑的信息分值记为0.1，不在永久基本农田内的信息分值记为1。
作物状况信息：作物状况信息反映耕地种植作物的状况，作物状况信息指标为水稻监测成果中种植作物的类型。基于全国国土调查中的耕地和即可恢复图斑，套合水稻监测成果数据，根据是否种植水稻将耕地图斑分为两类，用两种信息分值表示，定义种植水稻的耕地图斑的信息分值记为0.1，未种植水稻的信息分值记为1。
连片状况信息：连片状况信息反映耕地地块之间的连续性和整体性状况，连片状况信息指标为耕地集中连片分析结果。基于全国国土调查和恢复属性数据，开展耕地500亩集中连片分析，根据集中连片分析结果，按耕地和恢复属性图斑是否在集中连片的片块范围内将耕地图斑分成两类，用两种信息分值表示，定义在集中连片的片块范围内的耕地图斑的信息分值记为0.1，未在集中连片的片块范围内信息分值记为1。
具体地，采用归一化方法计算坡度状况信息、管控状况信息及利用状况信息的信息分值：
坡度状况信息：坡度状况信息反映耕地所属地表单元的陡缓程度，坡度状况信息指标为坡度级别。全国国土调查已根据坡度图成果对所有耕地图斑赋值了坡度属性，参照耕地图斑坡度赋值的方法，对即可恢复属性图斑同样按照≤2°、2-6°、6-15°、15-25°、＞25°分为5级进行坡度赋值，再根据坡度级别（1、2、3、4、5）分别变换至[0,1]区间内，用五种信息分值（0.1、0.3、0.5、0.7、1）表示。
管控状态信息：管控状态信息反映耕地受污染的状况，管控状态信息指标为耕地质量分类中重金属污染程度。根据耕地质量分类数据中重金属污染程度的三个级别（1级、2级、3级）分别变换至[0,1]区间内，用三种信息分值（0.1、0.5、1）表示。
利用状况信息：利用状况信息反映耕地利用现状类型，利用状况信息指标为耕地二级地类以及恢复属性图斑核实结果（易恢复、难以恢复）。将恢复属性核实结果归类后，挂接属性至全国国土调查中的耕地和恢复属性数据中，按照水田、水浇地、旱地、易恢复、难以恢复分成五类，用五种分值表示。根据耕地的优劣程度，定义水田信息分值记为0.1，水浇地信息分值记为0.3，旱地信息分值记为0.5，易恢复信息分值记为0.7，难以恢复信息分值记为1。
具体地，在本实施例中，获得每个耕地图斑的信息指标及信息分值，整理形成数据矩阵X：
Figure 569795DEST_PATH_IMAGE001
具体地，根据原始数据矩阵，计算第j项指标下第i条的比重：
Figure 313760DEST_PATH_IMAGE002
计算熵值
Figure 409761DEST_PATH_IMAGE003
、信息效用值
Figure 948189DEST_PATH_IMAGE004
和权重
Figure 631106DEST_PATH_IMAGE005
。根据P数据矩阵，计算所有耕地图斑对指标属性
Figure 913182DEST_PATH_IMAGE006
的信息熵值
Figure 614422DEST_PATH_IMAGE003
：
Figure 838599DEST_PATH_IMAGE007
Figure 726921DEST_PATH_IMAGE008
利用所有耕地图斑对指标属性
Figure 563421DEST_PATH_IMAGE006
的信息熵值
Figure 119167DEST_PATH_IMAGE003
和信息效用值
Figure 530557DEST_PATH_IMAGE004
，进一步计算获得各耕地图斑的各指标权重
Figure 437333DEST_PATH_IMAGE005
：
Figure 576059DEST_PATH_IMAGE009
具体地，计算单元22基于加权叠加方法及量化分析方法对信息分值和对应的指标权重进行计算得到每块耕地图斑的量化分值。
其中，对比模块3与计算单元22连接，对比模块3包括有阈值单元31和对比单元32，阈值单元31内部存储有预设界限值。对比单元32将每块耕地图斑的量化分值与预设界限值进行对比，确定耕地图斑的类型。
具体地，选取A县中的所有耕地图斑作为样本耕地图斑，将所有样本耕地图斑在计算单元22内进行处理，得到样本耕地图斑的量化分值，计算所有样本耕地图斑的量化分值的平均值，将得到的平均值作为预设界限值存储进阈值单元31内。
具体地，对比单元32将量化分值在(0.00-预设界限值]区间内的耕地图斑划分为重点参考地块，将量化分值在(平均值-1.00]区间内的耕地图斑划分为次重点参考地块。
其中，处理模块4与对比单元32连接，处理模块4在区块内基于每一个耕地图斑对应的耕地图斑类型划定第一耕地图斑和第二耕地图斑，其中，第一耕地图斑对应的耕地图斑类型为重点参考地块，第二耕地图斑对应的耕地图斑类型为次重点参考地块。在本实施例中，处理模块4根据网格中第一耕地图斑的面积与第二耕地图斑的面积对比，以及参考最新的卫星遥感影像以及2020年卫星监测数据中耕地图斑的密集程度，通过人工核查比对，沿河流、道路、沟渠等地物中心线和地形地貌条件，来划定区块中的重点网格和次重点网格。其中，重点网格中第一耕地图斑的面积大于第二耕地图斑的面积，次重点网格中第一耕地图斑的面积小于第二耕地图斑的面积。
其中，编码模块5与处理模块4连接，编码模块5包括有编码单元51和存储单元52，其中编码单元51号采用“网格编码-类型编码-图斑编码”的顺序对每块耕地图斑进行编码，例如：188020-Z0103-430102211000000001。
具体地，网格编码包括有六位数，其中前3位表示区块编码，后3位表示对应区块内网格编码，如“188020”即表示188区20号网格。
具体地，类型编码包括有五位数，首位表示网格类型，重点类型网格用“Z”表示，次重点类型网格用“C”表示，后四位表示地类类型，以地类编码表示，如水田(0101)、水浇地(0102)、旱地(0103)等。
具体地，图斑编码引用全国国土调查中图斑的标识码，指向全国国土调查中的具体图斑。全国国土调查中每个图斑的标识码均为唯一代码，采用三层18位层次码结构，由县级行政区划代码、要素层代码、要素标识码顺序号构成。
具体地，存储单元52将每个网格内的耕地图斑对应的编码存储进数据库中，方便实现耕地精细化网格管理。
本申请实施例一种耕地网格化划分的系统的实施原理为：获取模块1获取区块以及区块内部的耕地图斑，分析模块2基于耕地图斑的状况信息以及熵值法、加权叠加法和量化分析法得到每块耕地图斑的量化分值，对比模块3将量化分值与预设界限值进行对比，确定耕地图斑为重点参考地块或者次重点参考地块，处理模块4根据耕地图斑的分布状况以及地物中心线和地形地貌条件划定区块中的重点网格和次重点网格，并确定网格类型，编码模块5基于区块信息与网格信息、网格类型以及全国国土调查结果对耕地图斑进行编码入库。
本申请基于全国国土调查反映的耕地现状情况，充分考虑地形地貌等因素以及各类耕地调查监测成果，多层面设定耕地指标开展分析评价，根据分析评价结果划分网格并并对每个网格内的耕地图斑进行编码入库，形成了科学划分耕地网格的方法，实现耕地精细化网格管理。
并且，在耕地网格划分时，在各级行政区划的基础上，充分考虑了耕地的质量、生态等基础属性以及地形的坡度和连续性，科学划分耕地网格，进一步实现了耕地数量、质量、生态“三位一体”保护。
本申请实施例还公开一种终端设备，包括存储器、处理器以及存储在存储器中并能够在处理器上运行的计算机程序，其中，处理器执行计算机程序时，采用了上述实施例的耕地网格化划分的方法。
其中，终端设备可以采用台式电脑、笔记本电脑或者云端服务器等计算机设备，并且，终端设备包括但不限于处理器以及存储器，例如，终端设备还可以包括输入输出设备、网络接入设备以及总线等。
其中，处理器可以采用中央处理单元（CPU），当然，根据实际的使用情况，也可以采用其他通用处理器、数字信号处理器（DSP）、专用集成电路（ASIC）、现成可编程门阵列（FPGA）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等，通用处理器可以采用微处理器或者任何常规的处理器等，本申请对此不做限制。
其中，存储器可以为终端设备的内部存储单元，例如，终端设备的硬盘或者内存，也可以为终端设备的外部存储设备，例如，终端设备上配备的插接式硬盘、智能存储卡（SMC）、安全数字卡（SD）或者闪存卡（FC）等，并且，存储器还可以为终端设备的内部存储单元与外部存储设备的组合，存储器用于存储计算机程序以及终端设备所需的其他程序和数据，存储器还可以用于暂时地存储已经输出或者将要输出的数据，本申请对此不做限制。
其中，通过本终端设备，将上述实施例的耕地网格化划分的方法存储于终端设备的存储器中，并且，被加载并执行于终端设备的处理器上，方便使用。
以上均为本申请的较佳实施例，并非依此限制本申请的保护范围，故：凡依本申请的结构、形状、原理所做的等效变化，均应涵盖于本申请的保护范围之内。

Claims (10)

1.一种耕地网格化划分的方法，其特征在于，包括以下步骤：
基于行政界线确定区块，获取区块内的耕地图斑；
基于所述耕地图斑的状况数据对所述耕地图斑进行建模分析，获得每个所述耕地图斑的量化分值；
基于所述量化分值与预设界限值确定耕地图斑类型；
基于所述耕地图斑及所述耕地图斑类型划分网格，确定网格类型；
基于所述耕地图斑类型以及所述网格类型对所述耕地图斑进行编码入库。
2.根据权利要求1所述的一种耕地网格化划分的方法，其特征在于，基于所述耕地图斑的状况数据对所述耕地图斑进行建模分析，获得每个所述耕地图斑的量化分值包括有：
获取所述耕地图斑的状况信息及对应的状况信息指标，所述状况信息包括坡度状况信息、农田状况信息、管控状况信息、作物状况信息、连片状况信息及利用状况信息；
基于状况信息指标及所述状况信息获取所述耕地图斑各状况信息的信息分值；
基于所述信息分值获取指标权重；
基于所述信息分值及所述指标权重获取所述耕地图斑的量化分值。
3.根据权利要求2所述的一种耕地网格化划分的方法，其特征在于，基于所述状况信息及所述状况信息指标获取所述耕地图斑各状况信息的信息分值包括：
基于二值法分别获得所述农田状况信息、所述作物状况信息及所述连片状况信息的信息分值；
基于归一化方法分别获得所述坡度状况信息、所述管控状况信息及所述利用状况信息的信息分值。
4.根据权利要求3所述的一种耕地网格化划分的方法，其特征在于：基于所述信息分值获取指标权重包括：
基于所述耕地图斑各状况信息的信息分值分值形成原始数据矩阵；
基于熵值法对所述原始数据矩阵进行计算，得到各个所述状况信息指标的指标权重。
5.根据权利要求4所述的一种耕地网格化划分的方法，其特征在于，基于所述信息分值及所述指标权重获得量化分值包括：
构建加权叠加模型及量化分析模型；
基于加权叠加方法和量化分析方法对所述信息分值和所述指标权重进行计算，获得所述耕地图斑的量化分值。
6.根据权利要求5所述的一种耕地网格化划分的方法，其特征在于，基于所述量化分值与预设界限值确定耕地图斑类型，还包括：
基于样本确定预设界限值；
比较所述量化分值及所述预设界限值，确定所述耕地图斑类型为重点参考地块或者次重点参考地块。
7.根据权利要求6所述的一种耕地网格化划分的方法，其特征在于，基于所述耕地图斑及所述耕地图斑类型划分网格，确定网格类型包括：
根据每一个所述耕地图斑对应的所述耕地图斑类型，确定第一耕地图斑和第二耕地图斑，所述第一耕地图斑对应的耕地图斑类型为重点参考地块，所述第二耕地图斑对应的耕地图斑类型为次重点参考地块；
对所有的耕地图斑进行网格划分，得到多个网格，多个所述网格的网格类型包括重点网格及次重点网格，所述重点网格中所述第一耕地图斑的面积大于所述第二耕地图斑的面积，所述次重点网格中所述第一耕地图斑的面积小于所述第二耕地图斑的面积。
8.根据权利要求7所述的一种耕地网格化划分的方法，其特征在于，基于所述耕地图斑类型以及所述网格类型对所述耕地图斑进行编码入库包括：
基于所述区块信息与所述网格信息获得网格编码；
基于所述网格类型获得类型编码；
基于全国国土调查结果获得所述耕地图斑的图斑编码；
采用“网格编码-类型编码-图斑编码”的顺序对每块耕地图斑进行编码；
将所述耕地图斑的编码存储进数据库。
9.一种耕地网格化划分的系统，其特征在于，包括
获取模块（1），所述获取模块（1）用于获取区块以及所述区块内部的耕地图斑；
分析模块（2），所述分析模块（2）用于分析所述耕地图斑的各项指标，获得每块所述耕地图斑的量化分值；
对比模块（3），所述对比模块（3）用于将所述量化分值与预设界限值进行对比，确定所述耕地图斑的耕地图斑类型；
处理模块（4），所述处理模块（4）用于基于所述耕地图斑和所述耕地图斑类型划分网格，并确定网格类型；
编码模块（5），所述编码模块（5）用于根据所述耕地图斑类型及所述网格类型对所述耕地图斑进行编码入库操作。
10.一种终端设备，其特征在于，包括存储器、处理器及存储在存储器中并能够在处理器上运行的计算机程序，所述处理器加载并执行计算机程序时，采用了权利要求1-8中任一项所述的方法。
CN202110816821.2A 2021-07-20 2021-07-20 一种耕地网格化划分的方法、系统及终端设备 Active CN113282572B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110816821.2A CN113282572B (zh) 2021-07-20 2021-07-20 一种耕地网格化划分的方法、系统及终端设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110816821.2A CN113282572B (zh) 2021-07-20 2021-07-20 一种耕地网格化划分的方法、系统及终端设备

Publications (2)

Publication Number Publication Date
CN113282572A true CN113282572A (zh) 2021-08-20
CN113282572B CN113282572B (zh) 2021-10-29

Family

ID=77286891

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110816821.2A Active CN113282572B (zh) 2021-07-20 2021-07-20 一种耕地网格化划分的方法、系统及终端设备

Country Status (1)

Country Link
CN (1) CN113282572B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114549223A (zh) * 2022-02-24 2022-05-27 安徽耘联大数据有限公司 一种基于大数据的网格化耕地保护方法及系统
CN117787908A (zh) * 2023-12-28 2024-03-29 广东国地规划科技股份有限公司 一种巡查网格划分方法、装置、终端设备和存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103077400A (zh) * 2012-12-26 2013-05-01 中国土地勘测规划院 土地利用数据库支持的地类信息遥感自动识别方法
CN106355334A (zh) * 2016-08-30 2017-01-25 中国农业大学 农田建设区域判定方法
CN106682695A (zh) * 2016-12-28 2017-05-17 中国农业大学 一种基于支持向量机的县域耕地自然质量评价方法
CN106777068A (zh) * 2016-12-12 2017-05-31 中国农业大学 一种耕地质量等别数据库增量更新方法
CN109582755A (zh) * 2019-01-16 2019-04-05 中国科学院地理科学与资源研究所 一种基于网格的精准农业数据库实现方法
US20210056006A1 (en) * 2019-08-23 2021-02-25 Fujitsu Limited Automated searching and identification of software patches

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103077400A (zh) * 2012-12-26 2013-05-01 中国土地勘测规划院 土地利用数据库支持的地类信息遥感自动识别方法
CN106355334A (zh) * 2016-08-30 2017-01-25 中国农业大学 农田建设区域判定方法
CN106777068A (zh) * 2016-12-12 2017-05-31 中国农业大学 一种耕地质量等别数据库增量更新方法
CN106682695A (zh) * 2016-12-28 2017-05-17 中国农业大学 一种基于支持向量机的县域耕地自然质量评价方法
CN109582755A (zh) * 2019-01-16 2019-04-05 中国科学院地理科学与资源研究所 一种基于网格的精准农业数据库实现方法
US20210056006A1 (en) * 2019-08-23 2021-02-25 Fujitsu Limited Automated searching and identification of software patches

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
XIUJIE YUAN等: "A Study on the Remote Sensing Information Extraction and Dynamic Monitoring Technology of Cultivated Land Use", 《ICVR 2018:PROCEEDINGS OF THE 4TH INTERNATIONAL CONFERENCE ON VIRTUAL REALITY》 *
陈彦清等: "基于网格的耕地质量分等成果省级汇总方法", 《农业工程学报》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114549223A (zh) * 2022-02-24 2022-05-27 安徽耘联大数据有限公司 一种基于大数据的网格化耕地保护方法及系统
CN117787908A (zh) * 2023-12-28 2024-03-29 广东国地规划科技股份有限公司 一种巡查网格划分方法、装置、终端设备和存储介质
CN117787908B (zh) * 2023-12-28 2024-09-10 广东国地规划科技股份有限公司 一种巡查网格划分方法、装置、终端设备和存储介质

Also Published As

Publication number Publication date
CN113282572B (zh) 2021-10-29

Similar Documents

Publication Publication Date Title
Jasiewicz et al. A new GRASS GIS toolkit for Hortonian analysis of drainage networks
Zhu et al. Automated soil inference under fuzzy logic
CN106780089B (zh) 基于神经网络元胞自动机模型的永久性基本农田划定方法
CN111898315B (zh) 基于分形—机器学习混合模型的滑坡易发性评估方法
CN113282572B (zh) 一种耕地网格化划分的方法、系统及终端设备
Karimi et al. Urban expansion modeling using an enhanced decision tree algorithm
Sakieh et al. Performance assessment of geospatial simulation models of land-use change—a landscape metric-based approach
CN113010620B (zh) 基于地理多级网格的自然资源数据索引统计方法及系统
CN115545254A (zh) 预测植被固碳释氧量的方法、系统、设备及存储介质
CN109118004B (zh) 一种工程构筑选址适宜区预测方法
Xiang et al. Mapping potential wetlands by a new framework method using random forest algorithm and big Earth data: A case study in China's Yangtze River Basin
CN116644886A (zh) 一种存量用地改造价值评估方法、装置、终端及介质
Yang et al. Critical transitions in the hydrological system: early-warning signals and network analysis
CN117669002B (zh) 一种基于大数据的道路设计实用程度评估方法及装置
CN110543660A (zh) 一种低冲击开发模拟方法、系统及相关装置
Sarkar et al. Application of integrated AHP-entropy model in suitable site selection for rainwater harvesting structures: a case study of upper Kangsabati basin, India
Santra et al. Delineation of hydrologically similar units in a watershed based on fuzzy classification of soil hydraulic properties
Bac-Bronowicz et al. Regionalization of geographical space according to selected topographic factors in reference to spatial distribution of precipitation: application of artificial neural networks in GIS
CN116384619A (zh) 干旱半干旱采矿城市生态地质环境脆弱性分级方法及装置
Gao et al. Exploring influence of groundwater and lithology on data-driven stability prediction of soil slopes using explainable machine learning: a case study
CN115169718A (zh) 基于元胞自动机的区域滑坡危险性动态预测方法及装置
Saha et al. An integrated multi-criteria decision analysis and geographic information system-based assessment of groundwater potentiality and stress zones for sustainable agricultural practices: a case study of agriculture-dominating Koch Bihar District, West Bengal
Gopalan WRAPHydro data model: finding input parameters for the water rights analysis package
Gull et al. Hydrological modeling for streamflow and sediment yield simulation using the SWAT model in a forest-dominated watershed of north-eastern Himalayas of Kashmir Valley, India
CN114662921B (zh) 一种基于流域管理的海绵城市建设方法及系统

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