CN113656515A - 耕地破碎度可视化方法、系统、电子设备及介质 - Google Patents

耕地破碎度可视化方法、系统、电子设备及介质 Download PDF

Info

Publication number
CN113656515A
CN113656515A CN202110950820.7A CN202110950820A CN113656515A CN 113656515 A CN113656515 A CN 113656515A CN 202110950820 A CN202110950820 A CN 202110950820A CN 113656515 A CN113656515 A CN 113656515A
Authority
CN
China
Prior art keywords
farmland
cultivated land
pattern spot
pattern
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.)
Pending
Application number
CN202110950820.7A
Other languages
English (en)
Inventor
张超
张彭
李珊儿
李春泽
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.)
China Agricultural University
Original Assignee
China Agricultural University
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 China Agricultural University filed Critical China Agricultural University
Priority to CN202110950820.7A priority Critical patent/CN113656515A/zh
Publication of CN113656515A publication Critical patent/CN113656515A/zh
Pending legal-status Critical Current

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
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/284—Relational databases
    • G06F16/285—Clustering or classification
    • G06F16/287—Visualization; Browsing
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Geometry (AREA)
  • Remote Sensing (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种耕地破碎度可视化方法、系统、电子设备及介质，方法包括：获取耕地矢量数据和耕地地图；将耕地图斑组合为一个或多个耕地图斑集合，并将耕地地图划分为一个或多个区域；分别计算得到每个耕地图斑集合的耕地破碎度指数，并对耕地图斑集合进行分类，确定每个耕地图斑集合的破碎度类型；设定各破碎度类型的可视化特征；根据耕地图斑集合的破碎度类型，将可视化特征添加至耕地地图的多个区域，形成耕地破碎度可视化图形或耕地破碎度可视化图像。本发明能够直观清晰的可视化展示区域耕地破碎度情况，对区域土地利用空间布局优化提供科学支撑，为永久基本农田建设、国土综合整治和高标准基本农田建设提供方法和数据支持。

Description

耕地破碎度可视化方法、系统、电子设备及介质
技术领域
本发明涉及耕地细碎化研究技术领域，尤其涉及一种耕地破碎度可视化方法、系统、电子设备及介质。
背景技术
我国的南方地区气候温暖湿润，光照充足，熟制大部分为一年两熟甚至一年三熟，是我国最大的粮食主产区。南方耕地细碎化现象严重，导致农业机械化的普及难度大，耕地细碎化问题是我国进一步稳定并提高粮食产量的瓶颈所在，但是也说明南方耕地拥有着很大的开发潜力。探寻可以真实反映耕地细碎化程度的可视化方法、系统、电子设备及介质，对区域土地利用空间布局优化提供科学支撑，为永久基本农田建设、国土综合整治和高标准基本农田建设提供方法和基础数据。
近年来，国内外学者对耕地细碎化程度、耕地细碎化空间特征方面展开了系列研究，产生了诸多成果。主要以地理空间分析方法和景观生态学方法为主，其中以应用景观指数和耕地连片性来衡量耕地细碎化程度的研究最多。但是基于景观指数的耕地细碎化研究选取的景观指数往往较为片面，不能全面的反映出耕地的细碎化特征；基于耕地连片性对耕地细碎化的分析，一般是将小于一定距离阈值的耕地进行聚合，利用聚合后的耕地分析耕地细碎化，这种方法虽然充分考虑了耕地间的距离要素，但忽视了耕地本身的形状特征，而且对聚合阈值的选取有很强的依赖性。整体上来说基于景观指数和耕地连片性的分析方法并不能全面真实的反映耕地的细碎化程度，而且缺少相关可视化方法框架。
发明内容
针对现有技术存在的问题，本发明实施例提供一种耕地破碎度可视化方法、系统、电子设备及介质。
本发明提供一种耕地破碎度可视化方法，包括：
获取耕地矢量数据和耕地地图；所述耕地矢量数据包括多个耕地图斑；
将耕地图斑组合为一个或多个耕地图斑集合；
根据耕地图斑集合，将耕地地图划分为一个或多个区域；所述区域与耕地图斑集合一一对应；
根据各耕地图斑集合中耕地图斑，分别计算得到每个耕地图斑集合的耕地破碎度指数；
根据每个耕地图斑集合的耕地破碎度指数，以设定的方法对耕地图斑集合进行分类，确定每个耕地图斑集合的破碎度类型；
设定各破碎度类型的可视化特征；
根据耕地图斑集合的破碎度类型，将可视化特征添加至耕地地图的多个区域，形成耕地破碎度可视化图形或耕地破碎度可视化图像。
根据本发明提供的一种耕地破碎度可视化方法，所述根据各耕地图斑集合中耕地图斑，分别计算得到每个耕地图斑集合的耕地破碎度指数的步骤包括：
根据集合数据和图斑数据，分别计算得到每个耕地图斑集合的耕地破碎度指数；
所述集合数据包括耕地图斑集合的耕地图斑数量、耕地图斑总面积；所述图斑数据包括耕地图斑集合中各耕地图斑的坡度、周长、面积以及最邻近距离；所述最邻近距离是指所述耕地图斑边缘到耕地图斑集合中其他耕地图斑边缘的最短欧氏距离。
根据本发明提供的一种耕地破碎度可视化方法，所述根据集合数据和图斑数据，分别计算得到每个耕地图斑集合的耕地破碎度指数的步骤包括：
根据耕地图斑的周长和面积，计算得到耕地图斑的形状指数；
根据耕地图斑集合中各耕地图斑的形状指数、坡度、面积、最邻近距离以及耕地图斑集合的耕地图斑数量，计算得到所述耕地图斑集合的耕地破碎度指数。
根据本发明提供的一种耕地破碎度可视化方法，所述根据耕地图斑的周长和面积，计算得到耕地图斑的形状指数的步骤包括：
通过第一公式计算得到耕地图斑的形状指数SI：
Figure BDA0003218563570000031
第一公式中，a为耕地图斑面积；P为耕地图斑周长。
根据本发明提供的一种耕地破碎度可视化方法，所述根据耕地图斑集合中各耕地图斑的形状指数、坡度、面积、最邻近距离以及耕地图斑集合的耕地图斑数量，计算得到所述耕地图斑集合的耕地破碎度指数的步骤包括：
通过第二公式计算得到耕地图斑集合的耕地破碎度指数CLFI：
Figure BDA0003218563570000032
第二公式中，n为耕地图斑集合的耕地图斑数量；i为耕地图斑集合中耕地图斑的序号，i为整数且i∈[1，n]；SIi为第i个耕地图斑的形状指数；NNDi为第i个耕地图斑的最邻近距离；ai为第i个耕地图斑的面积；CAi为耕地图斑集合中耕地图斑总面积；slopei为第i个耕地图斑的平均坡度；slopemax为耕地图斑集合中耕地图斑的平均坡度的最大值；c1为设定的常数。
根据本发明提供的一种耕地破碎度可视化方法，所述将耕地图斑组合为一个或多个耕地图斑集合的步骤包括：
根据耕地图斑所处的地形、地貌、区域以及耕地种植类型中的任一者或任多者组合，将耕地图斑组合为一个或多个耕地图斑集合。
根据本发明提供的一种耕地破碎度可视化方法，所述可视化特征包括颜色、亮度、阴影、图案填充以及边缘样式中的任一者或任多者组合。
本发明还提供一种耕地破碎度可视化系统，包括获取模块、组合模块、区域划分模块、破碎度计算模块、破碎度分类模块、特征设定模块以及可视化模块；
所述获取模块能够获取耕地矢量数据和耕地地图；所述耕地矢量数据包括多个耕地图斑；
所述组合模块能够将耕地图斑组合为一个或多个耕地图斑集合；
所述区域划分模块能够根据耕地图斑集合，将耕地地图划分为一个或多个区域；所述区域与耕地图斑集合一一对应；
所述破碎度计算模块能够根据各耕地图斑集合中耕地图斑，分别计算得到每个耕地图斑集合的耕地破碎度指数；
所述破碎度分类模块能够根据每个耕地图斑集合的耕地破碎度指数，以设定的方法对耕地图斑集合进行分类，确定每个耕地图斑集合的破碎度类型；
所述特征设定模块能够设定各破碎度类型的可视化特征；
所述可视化模块能够根据耕地图斑集合的破碎度类型，将可视化特征添加至耕地地图的多个区域，形成耕地破碎度可视化图形或耕地破碎度可视化图像。
本发明还提供一种电子设备，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上述任一种所述耕地破碎度可视化方法的步骤。
本发明还提供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上述任一种所述耕地破碎度可视化方法的步骤。
本发明提供的耕地破碎度可视化方法、系统、电子设备及介质，通过基于耕地破碎度指数的分类，配合对应于类型的可视化特征，能够直观清晰的可视化展示区域耕地破碎度情况，对区域土地利用空间布局优化提供科学支撑，对永久基本农田建设、国土综合整治和高标准基本农田建设提供方法和数据支持。
附图说明
为了更清楚地说明本发明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是本发明提供的耕地破碎度可视化方法的流程示意图；
图2是本发明实施例提供的某市下辖区各乡镇耕地的CLFI分布示意图；
图3是本发明实施例提供的某市下辖区北部样区耕地的CLFI分布示意图；
图4是本发明实施例提供的某市下辖区中部样区耕地的CLFI分布示意图；
图5是本发明实施例提供的某市下辖区南部样区耕地的CLFI分布示意图；
图6是本发明提供的耕地破碎度可视化系统的结构示意图；
图7是本发明提供的电子设备的结构示意图。
附图标记：
1：获取模块； 2：组合模块； 3：区域划分模块；
4：破碎度计算模块； 5：破碎度分类模块； 6：特征设定模块；
7：可视化模块； 710：处理器； 720：通信接口；
730：存储器； 740：通信总线。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明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。
下面结合图1-图5描述本发明的耕地破碎度可视化方法。
如图1所示，本发明实施例提供一种耕地破碎度可视化方法，包括：
步骤100，获取耕地矢量数据和耕地地图；所述耕地矢量数据包括多个耕地图斑；
步骤200，将耕地图斑组合为一个或多个耕地图斑集合；
步骤300，根据耕地图斑集合，将耕地地图划分为一个或多个区域；所述区域与耕地图斑集合一一对应；
步骤400，根据各耕地图斑集合中耕地图斑，分别计算得到每个耕地图斑集合的耕地破碎度指数；
步骤500，根据每个耕地图斑集合的耕地破碎度指数，以设定的方法对耕地图斑集合进行分类，确定每个耕地图斑集合的破碎度类型；
步骤600，设定各破碎度类型的可视化特征；
步骤700，根据耕地图斑集合的破碎度类型，将可视化特征添加至耕地地图的多个区域，形成耕地破碎度可视化图形或耕地破碎度可视化图像。
本实施例可以通过ArcGIS、MapGIS、Python、Envi等平台实现。
本实施例中，耕地矢量数据为带有空间参考信息的耕地矢量数据。
为了便于说明，本实施例引入研究区域、研究单元以及耕地类型的概念，具体说明如下。
耕地破碎度的可视化方法，首先需要确定总体的研究区域，进而在研究区域内确定各个研究单元；也就是说，耕地破碎度可视化是针对研究区域进行的，可视化展现各个研究单元内耕地破碎度指数差异的方法。
耕地图斑集合的组合划分可以基于研究单元实现，可以通过耕地图斑所处的地形、地貌、区域以及耕地种植类型中的任一者或任多者组合，确定研究单元。
其中，基于区域确定的研究单元，既可以是通过行政区域划分的研究单元，又可以是基于自然环境区域划分的研究单元，还可以是基于人为划定区域的研究单元。
确定研究单元后，研究单元内的耕地即为同一类型的耕地，研究单元区域之内的耕地图斑不再进行分类。换言之，耕地破碎度可视化是针对研究区域进行的，可视化展现各个耕地类型的耕地破碎度指数差异的方法。
举例说明，确定以乡镇级别的行政区域作为研究单元划分基础，则任一乡镇内的耕地类型均为该乡镇；类似地，确定以每一个独立的耕地图斑作为研究单元，则每个耕地图斑就是一种耕地类型。
步骤500中，设定的方法包括自然断点法(Natural Breaks/Jenks)、定义间隔分类(Defined Interval)、等距分类(Equal Interval)、等量分类(Quantile)以及标准差分类(Standard Deviation)中的任一者或任多者组合；本实施例中采用自然断点法。
本实施例中，步骤500采用不同颜色作为各类型的设定可视化特征。
本实施例的有益效果在于：
通过基于耕地破碎度指数的分类，配合对应于类型的可视化特征，能够直观清晰的可视化展示区域耕地破碎度情况，对区域土地利用空间布局优化提供科学支撑，对永久基本农田建设、土地整治和高标准基本农田建设具有重要意义。
根据上述任一实施例，在本实施例中：
所述耕地图斑数据包括耕地图斑集合的耕地图斑数量，还包括耕地图斑集合中各耕地图斑的坡度、周长、面积以及最邻近距离；
所述最邻近距离是指所述耕地图斑边缘到耕地图斑集合中其他耕地图斑边缘的最短欧氏距离，本实施例中最短欧式距离的单位为m。
本实施例可以通过ArcGIS、MapGIS、Python、Envi等平台实现。
具体地，耕地图斑的最邻近距离，基于以下公式计算得到：
Figure BDA0003218563570000081
其中，NNDi表示第i个耕地图斑的最邻近距离，xi和xj表示耕地图斑最邻近两点的横坐标，yi和yj表示耕地图斑最邻近两点的纵坐标，其值等于某一耕地图斑到最近的同类型耕地图斑边缘的最短欧氏距离。
本实施例中，计算耕地图斑的最邻近距离的步骤中，还需设置邻近阈值，并进行判断：
若耕地图斑的最邻近距离大于邻近阈值，则直接获取最邻近距离的值；若耕地图斑的最邻近距离不大于邻近阈值，则将最邻近距离不大于邻近阈值的两个耕地图斑视为连片耕地，将最邻近距离设置为最邻近阈值。
本实施例中，最邻近阈值设置为10m。
进一步地，本实施例中，最邻近距离计算同类型耕地的最邻近距离。以乡镇研究单元为例，最邻近距离计算时，只计算落在本乡镇内耕地之间的最邻近距离，即便本乡镇之外有更近的耕地，在本实施例中也会忽略。
本实施例的有益效果在于：
本实施例全面考虑了能够影响耕地破碎度情况的参数类型，通过地块总量、坡度、周长、面积以及最邻近距离的参数的引入，使得破碎度指数的结果综合了耕地图斑的形状因素、地块间距离因素以及地形因素，相比于现有技术提供了更为全面真实的耕地破碎情况展示基础。
根据上述任一实施例，在本实施例中：
所述根据各耕地图斑集合的耕地图斑数据，分别计算得到每个耕地图斑集合的耕地破碎度指数的步骤包括：
根据耕地图斑的周长和面积计算得到耕地图斑的形状指数；
根据耕地图斑集合中各耕地图斑的形状指数、坡度、面积、最邻近距离、耕地图斑集合的耕地图斑数量以及耕地图斑总面积计算得到所述耕地图斑集合的耕地破碎度指数。
本实施例中，坡度是指耕地图斑的平均坡度，能够通过DEM数据计算得到。
本实施例的有益效果在于：
本实施例全面考虑了能够影响耕地破碎度情况的参数类型，通过地块总量、坡度、周长、面积以及最邻近距离的参数的引入，计算得到形状指数这一中间参量，使得破碎度指数的结果更为准确的反映了耕地图斑的形状因素，相比于现有技术提供了更为全面真实的耕地破碎情况展示基础。
根据上述任一实施例，在本实施例中：
所述根据耕地图斑的周长和面积计算得到耕地图斑的形状指数的步骤包括：
通过第一公式计算得到耕地图斑的形状指数SI：
Figure BDA0003218563570000091
第一公式中，a为耕地图斑面积；P为耕地图斑周长。
本实施例中，面积和周长的数据为耕地图斑的固有属性。
所述根据耕地图斑集合中各耕地图斑的形状指数、坡度、面积、最邻近距离以及耕地图斑集合的耕地图斑数量计算得到所述耕地图斑集合的耕地破碎度指数的步骤包括：
通过第二公式计算得到耕地图斑集合的耕地破碎度指数CLFI：
Figure BDA0003218563570000101
第二公式中，n为耕地图斑集合的耕地图斑数量；i为耕地图斑集合中耕地图斑的序号，i为整数且i∈[1，n]；SIi为第i个耕地图斑的形状指数；NNDi为第i个耕地图斑的最邻近距离；ai为第i个耕地图斑的面积；CAi为耕地图斑集合中耕地图斑总面积；slopei为第i个耕地图斑的平均坡度；slopemax为耕地图斑集合中耕地图斑的平均坡度的最大值；c1为根据研究区耕地图斑实际分布情况设定的常数。
本实施例中，c1的值设定为10。
实际应用中，c1的值可以根据地区实际情况进行调整，总体规律上来讲，对于耕地细碎化程度较轻的地方，可以适当加大c1的值，如我国东北的耕地图斑面积大，耕地图斑距离普遍较大，最邻近阈值可以根据实际情况适当加大。
本实施例的有益效果在于：
设定具体的参数表达式计算破碎度指数，能够量化的体现形状因素、坡度因素、距离因素对耕地图斑破碎度的影响，避免了计算模型对聚合阈值选取的强依赖性，相比于现有技术提供了更为全面真实的耕地破碎情况展示基础。
根据上述任一实施例，在本实施例中：
所述将耕地图斑组合为一个或多个耕地图斑集合的步骤包括：
根据耕地图斑所处的地形、地貌、区域以及耕地种植类型中的任一者或任多者组合，将耕地图斑组合为一个或多个耕地图斑集合。
本实施例中，指数进行可视化的过程可以根据实际情况选择可视化表达单元，如按照地形、地貌等特征对拟定研究区域进行划分，得到对应的可视化表达单元，研究单元不同，CLFI公式中的CAi不同，如果选择耕地图斑作为研究单元，那么CAi对应的则是耕地图斑i的面积，如果选择乡镇(即区域的一种，行政区域)作为研究单元，那么CAi对应的是耕地图斑i所属乡镇囊括的耕地图斑总面积。
本实施例的有益效果在于：
本实施例通过不同的地块组合方法，提供了不同研究单元的通用指数计算方法，使得可视化方法的适用范围更广。
根据上述任一实施例，在本实施例中：
所述可视化特征包括颜色、亮度、阴影、图案填充以及边缘样式中的任一者或任多者组合。
本实施例的有益效果在于：
本实施例通过提供多种可视化特征选项，为可视化方法最终形成的图形或图像提供了丰富的可选展示方式，研究者能够根据不同应用场景选择合适的可视化特征，以达到更佳的展示效果。
根据上述任一实施例，在本实施例中，破碎度指数计算方法包括：
(1)基于研究区内所有耕地图斑的周长、面积，计算所有耕地图斑的形状指数(Shape Index,SI)，计算形状指数SI的计算公式如下：
Figure BDA0003218563570000111
其中，P表示耕地图斑的周长，a表示耕地图斑的面积。
(2)计算研究区内所有耕地图斑的最邻近距离(Nearest Neighbor distance,NND)，最邻近距离的计算公式如下：
Figure BDA0003218563570000112
其中，表示NNDi第i个耕地图斑的最邻近距离，xi和xj表示耕地图斑最邻近两点的横坐标，yi和yj表示耕地图斑最邻近两点的纵坐标，其值等于某一耕地图斑到最近的同类型耕地图斑边缘的最短欧氏距离，计算出的最邻近距离需要将处于[0-10]范围内的值统一设置为10，最邻近距离10米以内的耕地图斑将视为连片，以便于CLFI的计算。
(3)计算研究区内耕地图斑的耕地破碎度指数，CLFI计算公式如下：
Figure BDA0003218563570000121
其中CLFI表示耕地破碎度指数，n表示耕地图斑总数；SIi表示第i个耕地图斑的形状指数，ai表示第i个耕地图斑的面积，CAi表示i所属类型耕地图斑的总面积，NNDi表示第i个耕地图斑类型的欧式最邻近距离，lg表示取常用对数，slopei表示第i个耕地图斑的平均坡度，slopemax表示所有耕地图斑平均坡度的最大值。
本实施例中，CLFI的计算可以根据地区实际情况对对数的底进行调整，如对于北方耕地细碎化程度较轻的地方，可以适当加大对数的底。
本实施例的有益效果在于：
针对现有技术和方法的局限性，综合了耕地图斑形态和连片性特征，并以耕地图斑平均坡度作为修正因子，提出了耕地破碎度指数(Cultivated Land FragmentationIndex,CLFI)，CLFI通过纳入耕地图斑的形状指数和最临近距离综合考虑了耕地图斑本身的形态特征和耕地图斑间的破碎情况，并通过面积加权的方式防止出现“小耕地图斑大影响”的情况，最后通过耕地图斑平均坡度作为修正因子，将地形地貌因素纳入CLFI计算公式，使得CLFI可以从三维的角度衡量耕地图斑的实际破碎情况。
根据上述任一实施例，在本实施例中：
获得区域内耕地地块以及乡镇界限数据(即基于乡镇界限组合耕地图斑，形成耕地图斑集合)，并通过以下步骤可以对CLFI进行空间可视化表达：
(1)利用空间连接的方法，统计每一个乡镇中耕地地块CLFI的统计特征，如均值、总和等，并将该统计特征连接到对应的乡镇上。
(2)基于自然断点法对每个乡镇的CLFI值进行划分，并分层设色，完成乡镇尺度的CLFI的可视化。
本实施例的有益效果在于：
通过基于耕地破碎度指数的分类，配合对应于类型的可视化特征，能够直观清晰的可视化展示区域耕地破碎度情况，对区域土地利用空间布局优化提供科学支撑，为永久基本农田建设、国土综合整治和高标准基本农田建设提供方法和数据支持。
根据上述任一实施例，在本实施例中：
以华东地区某市下辖区为例进行详细分析说明。该区总面积2585平方千米，属亚热带湿润季风气候，季风气候明显，且地形复杂多样，该区南部以山地、丘陵为主，北部平原广布，水系发达。年均日照时数2072.5h，年均温度15.8°，无霜期228d，年均降雨量1324.8mm，十分利于开展农业活动。该区现有耕地面积约83万亩，为江南水稻主要的生产区之一，农作物主要有水稻、小麦、烟草、油菜等。
本实施例采用的主要数据包括2016年该区耕地地块数据、该区行政区数据、该区2008年ALOS PALSAR 12.5m分辨率DEM数据。该区行政区划数据用于再一次划分研究单元，即以乡镇为研究单元，DEM数据用于计算耕地地块的平均坡度。
基于CLFI的耕地细碎化评价大致可以分为五步。1)利用空间标识的方法，将乡镇界限的行政名称属性叠加到耕地图斑上，并对耕地图斑按行政名称属性进行分割，并统计每一个乡镇中耕地图斑的总面积；2)根据最邻近距离的计算公式，计算出每个耕地地块的最邻近距离，并将小于10的最邻近距离设置为10(最邻近距离阈值小于等于10m的可以视为连片)；3)基于DEM数据，计算得到每个耕地地块的平均坡度；4)基于SI的计算公式计算每个耕地图斑的形状指数，基于CLFI计算公式完成每个耕地图斑CLFI的计算；5)将计算完成后的耕地图斑合并为一个图层；6)利用空间连接方法，统计每一个乡镇中耕地图斑CLFI的均值，并将该统计特征连接到对应的乡镇上。7)基于自然断点法对每个乡镇的CLFI值进行划分，并分层设色，完成乡镇尺度的CLFI的可视化。
通过空间连接的方法，将耕地破碎度的结果按照村庄进行统计并进行空间可视化，如附图2所示。
以5km*5km的矩形作为样区大小，在该区北部和中部以及南部各选一处对耕地CLFI分布图和耕地的真实情况进行对比。通过附图3、附图4以及附图5可以看出，CLFI能够很好地展示出耕地真实的破碎度情况。
本实施例的有益效果在于：
本实施例从指数分布与耕地图斑实际情况对比，完成CLFI的实例验证。实验结果表明：CLFI能综合的反应出耕地真实的细碎化状况。
下面对本发明提供的耕地破碎度可视化装置进行描述，下文描述的耕地破碎度可视化装置与上文描述的耕地破碎度可视化方法可相互对应参照。
如图6所示，本发明实施例还提供一种耕地破碎度可视化系统，包括获取模块1、组合模块2、区域划分模块3、破碎度计算模块4、破碎度分类模块5、特征设定模块6以及可视化模块7；
所述获取模块1能够获取耕地矢量数据和耕地地图；所述耕地矢量数据包括多个耕地图斑；
所述组合模块2能够将耕地图斑组合为一个或多个耕地图斑集合；
所述区域划分模块3能够根据耕地图斑集合，将耕地地图划分为一个或多个区域；所述区域与耕地图斑集合一一对应；
所述破碎度计算模块4能够根据各耕地图斑集合中耕地图斑，分别计算得到每个耕地图斑集合的耕地破碎度指数；
所述破碎度分类模块5能够根据每个耕地图斑集合的耕地破碎度指数，以设定的方法对耕地图斑集合进行分类，确定每个耕地图斑集合的破碎度类型；
所述特征设定模块6能够设定各破碎度类型的可视化特征；
所述可视化模块7能够根据耕地图斑集合的破碎度类型，将可视化特征添加至耕地地图的多个区域，形成耕地破碎度可视化图形或耕地破碎度可视化图像。
本实施例可以通过ArcGIS、MapGIS、Python、Envi等平台实现。
破碎度分类模块5能够基于自然断点法(Natural Breaks/Jenks)、定义间隔分类(Defined Interval)、等距分类(Equal Interval)、等量分类(Quantile)以及标准差分类(Standard Deviation)中的任一者或任多者组合实现分类；本实施例中采用自然断点法。
本实施例中，特征设定模块6采用不同颜色作为各类型的设定可视化特征。
本实施例的有益效果在于：
通过基于耕地破碎度指数的分类，配合对应于类型的可视化特征，能够直观清晰的可视化展示区域耕地破碎度情况，对区域土地利用空间布局优化提供科学支撑，对永久基本农田建设、土地整治和高标准基本农田建设具有重要意义。
图7示例了一种电子设备的实体结构示意图，如图7所示，该电子设备可以包括：处理器(processor)710、通信接口(Communications Interface)720、存储器(memory)730和通信总线740，其中，处理器710，通信接口720，存储器730通过通信总线740完成相互间的通信。处理器710可以调用存储器730中的逻辑指令，以执行耕地破碎度可视化方法，该方法包括：将耕地图斑组合为一个或多个耕地图斑集合；获取各耕地图斑集合的耕地图斑数据；根据各耕地图斑集合的耕地图斑数据，分别计算得到每个耕地图斑集合的耕地破碎度指数；根据每个耕地图斑集合的耕地破碎度指数，以设定的方法对全部耕地图斑集合进行分类，确定每个耕地图斑集合的破碎度类型；设定各破碎度类型对应的可视化特征；针对每个耕地图斑，添加耕地图斑所属集合的破碎度类型对应的可视化特征，形成耕地破碎度可视化图形或耕地破碎度可视化图像。
此外，上述的存储器730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。
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法所提供的耕地破碎度可视化方法，该方法包括：将耕地图斑组合为一个或多个耕地图斑集合；获取各耕地图斑集合的耕地图斑数据；根据各耕地图斑集合的耕地图斑数据，分别计算得到每个耕地图斑集合的耕地破碎度指数；根据每个耕地图斑集合的耕地破碎度指数，以设定的方法对全部耕地图斑集合进行分类，确定每个耕地图斑集合的破碎度类型；设定各破碎度类型对应的可视化特征；针对每个耕地图斑，添加耕地图斑所属集合的破碎度类型对应的可视化特征，形成耕地破碎度可视化图形或耕地破碎度可视化图像。
又一方面，本发明还提供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以执行上述各提供的耕地破碎度可视化方法，该方法包括：将耕地图斑组合为一个或多个耕地图斑集合；获取各耕地图斑集合的耕地图斑数据；根据各耕地图斑集合的耕地图斑数据，分别计算得到每个耕地图斑集合的耕地破碎度指数；根据每个耕地图斑集合的耕地破碎度指数，以设定的方法对全部耕地图斑集合进行分类，确定每个耕地图斑集合的破碎度类型；设定各破碎度类型对应的可视化特征；针对每个耕地图斑，添加耕地图斑所属集合的破碎度类型对应的可视化特征，形成耕地破碎度可视化图形或耕地破碎度可视化图像。
以上所描述的装置实施例仅是示意性的，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)

1.一种耕地破碎度可视化方法，其特征在于，包括：
获取耕地矢量数据和耕地地图；所述耕地矢量数据包括多个耕地图斑；
将耕地图斑组合为一个或多个耕地图斑集合；
根据耕地图斑集合，将耕地地图划分为一个或多个区域；所述区域与耕地图斑集合一一对应；
根据各耕地图斑集合中耕地图斑，分别计算得到每个耕地图斑集合的耕地破碎度指数；
根据每个耕地图斑集合的耕地破碎度指数，以设定的方法对耕地图斑集合进行分类，确定每个耕地图斑集合的破碎度类型；
设定各破碎度类型的可视化特征；
根据耕地图斑集合的破碎度类型，将可视化特征添加至耕地地图的多个区域，形成耕地破碎度可视化图形或耕地破碎度可视化图像。
2.根据权利要求1所述的耕地破碎度可视化方法，其特征在于，所述根据各耕地图斑集合中耕地图斑，分别计算得到每个耕地图斑集合的耕地破碎度指数的步骤包括：
根据集合数据和图斑数据，分别计算得到每个耕地图斑集合的耕地破碎度指数；
所述集合数据包括耕地图斑集合的耕地图斑数量、耕地图斑总面积；所述图斑数据包括耕地图斑集合中各耕地图斑的坡度、周长、面积以及最邻近距离；所述最邻近距离是指所述耕地图斑边缘到耕地图斑集合中其他耕地图斑边缘的最短欧氏距离。
3.根据权利要求2所述的耕地破碎度可视化方法，其特征在于，所述根据集合数据和图斑数据，分别计算得到每个耕地图斑集合的耕地破碎度指数的步骤包括：
根据耕地图斑的周长和面积，计算得到耕地图斑的形状指数；
根据耕地图斑集合中各耕地图斑的形状指数、坡度、面积、最邻近距离以及耕地图斑集合的耕地图斑数量，计算得到所述耕地图斑集合的耕地破碎度指数。
4.根据权利要求3所述的耕地破碎度可视化方法，其特征在于，所述根据耕地图斑的周长和面积，计算得到耕地图斑的形状指数的步骤包括：
通过第一公式计算得到耕地图斑的形状指数SI：
Figure FDA0003218563560000021
第一公式中，a为耕地图斑面积；P为耕地图斑周长。
5.根据权利要求4所述的耕地破碎度可视化方法，其特征在于，所述根据耕地图斑集合中各耕地图斑的形状指数、坡度、面积、最邻近距离以及耕地图斑集合的耕地图斑数量，计算得到所述耕地图斑集合的耕地破碎度指数的步骤包括：
通过第二公式计算得到耕地图斑集合的耕地破碎度指数CLFI：
Figure FDA0003218563560000022
第二公式中，n为耕地图斑集合的耕地图斑数量；i为耕地图斑集合中耕地图斑的序号，i为整数且i∈[1，n]；SIi为第i个耕地图斑的形状指数；NNDi为第i个耕地图斑的最邻近距离；ai为第i个耕地图斑的面积；CAi为耕地图斑集合中耕地图斑总面积；slopei为第i个耕地图斑的平均坡度；slopemax为耕地图斑集合中耕地图斑的平均坡度的最大值；c1为设定的常数。
6.根据权利要求1至5中任一项所述的耕地破碎度可视化方法，其特征在于，所述将耕地图斑组合为一个或多个耕地图斑集合的步骤包括：
根据耕地图斑所处的地形、地貌、区域以及耕地种植类型中的任一者或任多者组合，将耕地图斑组合为一个或多个耕地图斑集合。
7.根据权利要求1至5中任一项所述的耕地破碎度可视化方法，其特征在于，所述可视化特征包括颜色、亮度、阴影、图案填充以及边缘样式中的任一者或任多者组合。
8.一种耕地破碎度可视化系统，其特征在于，包括获取模块、组合模块、区域划分模块、破碎度计算模块、破碎度分类模块、特征设定模块以及可视化模块；
所述获取模块能够获取耕地矢量数据和耕地地图；所述耕地矢量数据包括多个耕地图斑；
所述组合模块能够将耕地图斑组合为一个或多个耕地图斑集合；
所述区域划分模块能够根据耕地图斑集合，将耕地地图划分为一个或多个区域；所述区域与耕地图斑集合一一对应；
所述破碎度计算模块能够根据各耕地图斑集合中耕地图斑，分别计算得到每个耕地图斑集合的耕地破碎度指数；
所述破碎度分类模块能够根据每个耕地图斑集合的耕地破碎度指数，以设定的方法对耕地图斑集合进行分类，确定每个耕地图斑集合的破碎度类型；
所述特征设定模块能够设定各破碎度类型的可视化特征；
所述可视化模块能够根据耕地图斑集合的破碎度类型，将可视化特征添加至耕地地图的多个区域，形成耕地破碎度可视化图形或耕地破碎度可视化图像。
9.一种电子设备，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任一项所述耕地破碎度可视化方法的步骤。
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，所述计算机程序被处理器执行时，实现如权利要求1至7任一项所述耕地破碎度可视化方法的步骤。
CN202110950820.7A 2021-08-18 2021-08-18 耕地破碎度可视化方法、系统、电子设备及介质 Pending CN113656515A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110950820.7A CN113656515A (zh) 2021-08-18 2021-08-18 耕地破碎度可视化方法、系统、电子设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110950820.7A CN113656515A (zh) 2021-08-18 2021-08-18 耕地破碎度可视化方法、系统、电子设备及介质

Publications (1)

Publication Number Publication Date
CN113656515A true CN113656515A (zh) 2021-11-16

Family

ID=78481102

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110950820.7A Pending CN113656515A (zh) 2021-08-18 2021-08-18 耕地破碎度可视化方法、系统、电子设备及介质

Country Status (1)

Country Link
CN (1) CN113656515A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115510173A (zh) * 2022-09-27 2022-12-23 清华大学 一种基于das的智能化专题地图制作方法、装置及产品

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106355334A (zh) * 2016-08-30 2017-01-25 中国农业大学 农田建设区域判定方法
CN109214686A (zh) * 2018-09-10 2019-01-15 华南农业大学 一种面向耕地占补平衡的定量分析方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106355334A (zh) * 2016-08-30 2017-01-25 中国农业大学 农田建设区域判定方法
CN109214686A (zh) * 2018-09-10 2019-01-15 华南农业大学 一种面向耕地占补平衡的定量分析方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
任红玉;赵宇鸾;葛玉娟;: "喀斯特山区耕地细碎化与地貌类型的空间关联性――以贵州修文县为例", 贵州师范大学学报(自然科学版), no. 04 *
李晓丹;海文静;刘学录;: "基于景观格局的农用地整治优先度评价研究――以武山县为例", 西部大开发(土地开发工程研究), no. 06 *
臧亮等人: "基于景观格局的卢龙县耕地细碎化评价及影响因素研究", 水土保持研究, vol. 25, no. 6, pages 2 - 4 *
郭硕;杨伟州;魏明欢;杨扬;张蓬涛;: "基于地理加权回归的青龙满族自治县耕地细碎化及影响因子分析", 水土保持研究, no. 03 *
陈锦坪;杨伟州;魏明欢;赵丽;张蓬涛;: "环渤海地区县域耕地景观细碎化时空变异分析――以昌黎县为例", 中国农业资源与区划, no. 08 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115510173A (zh) * 2022-09-27 2022-12-23 清华大学 一种基于das的智能化专题地图制作方法、装置及产品
CN115510173B (zh) * 2022-09-27 2023-06-06 清华大学 一种基于das的智能化专题地图制作方法、装置及产品

Similar Documents

Publication Publication Date Title
CN106384081A (zh) 一种基于高分辨率遥感影像的坡耕地提取方法和系统
CN104318270A (zh) 一种基于modis时间序列数据的土地覆盖分类方法
CN107527014A (zh) 县级作物种植面积遥感统计抽样调查方案设计方法
CN109871029A (zh) 一种基于图像处理技术的植保无人机航线规划优化方法
CN105447274B (zh) 一种利用面向对象分类技术对中等分辨率遥感图像进行滨海湿地制图的方法
CN104951754A (zh) 基于面向对象技术与ndvi时间序列相结合的农作物精细分类方法
Zhang et al. Parcel-level mapping of crops in a smallholder agricultural area: A case of central China using single-temporal VHSR imagery
CN110427841A (zh) 基于遥感信息的常绿林地识别方法及系统
CN110298322A (zh) 一种基于遥感数据的耕地提取方法及系统
CN106485718A (zh) 一种过火迹地识别方法及装置
CN109214686A (zh) 一种面向耕地占补平衡的定量分析方法
CN116561509A (zh) 顾及植被类型的城市植被地上生物量精确反演方法及系统
CN110610438B (zh) 一种农作物冠层叶柄夹角计算方法及系统
CN113656515A (zh) 耕地破碎度可视化方法、系统、电子设备及介质
CN115879832A (zh) 区域农田建设需求的划分方法、装置及电子设备
Guo et al. Remote sensing monitoring of maize and paddy rice planting area using GF-6 WFV red edge features
CN107067384B (zh) 一种基于射线法的黄土高原梯田提取方法
Moradi et al. Potential evaluation of visible-thermal UAV image fusion for individual tree detection based on convolutional neural network
CN112215098A (zh) 基于多源遥感数据估算常绿林地盖度的方法及系统
CN115271557A (zh) 一种优先保护空间的划分方法
CN115909063A (zh) 一种中分辨率水稻提取方法及系统
CN107145998A (zh) 一种基于Dyna‑CLUE模型的土地压力计算方法和系统
CN109446577A (zh) 基于数值模拟水文分析的滨水景观设计方法
CN108985493A (zh) 一种基于自适应可变滤镜的地类变化预测方法
CN114255247A (zh) 基于改进Unet++网络模型的丘陵地块深度分割与提取方法

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