CN114610829A - 一种基于智能终端和遥感智能识别的土地信息管理方法 - Google Patents
一种基于智能终端和遥感智能识别的土地信息管理方法 Download PDFInfo
- Publication number
- CN114610829A CN114610829A CN202210270949.8A CN202210270949A CN114610829A CN 114610829 A CN114610829 A CN 114610829A CN 202210270949 A CN202210270949 A CN 202210270949A CN 114610829 A CN114610829 A CN 114610829A
- Authority
- CN
- China
- Prior art keywords
- information
- parcel
- land
- plot
- data
- 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
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
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/253—Fusion techniques of extracted features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/602—Providing cryptographic facilities or services
-
- 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
Abstract
本发明涉及一种基于智能终端和遥感智能识别的土地信息管理方法,包括:采集高清遥感影像以及地块基本信息;对地块基本信息与地块自然属性、地块编号进行关联,生成地块信息;通过移动终端APP对地块信息与地块的社会属性等信息进行关联与修正,生成地块综合信息;将地块综合信息使用对称和不对称算法进行加密,生成加密地块综合信息;将加密地块综合信息通过移动互联网上传到云服务器;对加密地块综合信息进行拓扑检验和属性信息检查,生成符合规则的地块数据;通过地块数据对地块农作物生产过程进行监测及管理。解决了现有技术中,无法精准确认地块边界、地块的自然属性与社会属性无法智能关联,以及缺少农田统一管理手段的技术问题。
Description
技术领域
本发明涉及土地确权、智慧农业信息管理和农业数字化管理技术领域,尤其是涉及一种基于智能终端和遥感智能识别的土地信息管理方法。
背景技术
土地信息精准管理是优化土地资源配置,推动农村经济持续发展,确保农民收入稳步增长的关键;它可以为建设统一的土地市场、促进农村土地规模化利用、农户土地流转增收机制、经营权抵押贷款增收机制等提供技术保障。实现土地信息精准管理的前提需要采集准确的地块信息,包括真实准确的地块边界、面积、海拔等空间信息,以及权属、租赁关系、种植户家庭情况等属性信息。早期主要采用尺量、笔记等采集方式,近期出现了测亩仪等设备,但都存在因为各级采集人员在多地导致的数据分散问题,纸质记录、设备多样导致的格式多样、数据不准确、空间信息和权属信息分离、难以统一管理等问题。随着遥感技术的发展、空间分辨率的提高,以及人工智能的发展,计算机在遥感影像自动识别提取地块边界是当前地块信息采集的热点方向,但主要集中在基于遥感影像的地块边缘检测,地块级别的智能遥感识别技术相对较少,且地块自然属性与社会属性的关联还欠缺,仍难以满足智能化管理的要求。另外,地块边界是人为划分,不一定存在真实田埂等边界标志,或者地块边界不明显,还存在大量连片承包、转让等情况,高清卫星影像和无人机航拍影像可能都无法识别,具体主要表现在以下几个方面:
1、地块边界数据获取方面,GPS测亩仪、智能手机终端(安装地块测量软件)等基于遥感数据进行人工矢量化提取地块边界方法的土地面积测量仪被广泛运用在了农田、绿地、森林等面积的测量上。然而,采用此类设备进行地块边界采集,由于定位精度原因及农户采集路径选择问题,会造成多个地块出现重叠区域,归属不清晰的问题。同时,单纯依靠人工方法进行地块边界数据采集,不仅耗费时间以及大量的人力物力,还需要解译人员具有丰富的经验,另外,上述方法主要基于显著的自然边界进行地块边界提取,对于自然边界不显著的地块来说,很难实现地块的精准划分。
2、地块自然属性获取方面,地块的自然属性包括地块位置经纬度、面积、土壤类型、地块类型、地形分类、坡度、坡向、水源环境、土壤有机碳SOC含量、土壤有机质SO含量、土壤化学成分含量等。目前GPS测亩仪、智能手机终端软件一方面没有提供如此丰富的自然属性数据采集功能模块,同时普通使用人员采集此类相对专业数据也比较困难。
3、地块社会属性获取方面,地块社会属性主要包括土地用地属性、所属农户信息、土地流转信息、经营管理信息、行政区划信息等。GPS测亩仪、智能手机终端社会属性信息采集功能简单,没有规范化的属性选择输入模块;基于遥感数据人工矢量化方法或图像分割提取地块边界方法缺少便捷的属性数据关联功能,通常是在在勾绘边界后,在PC端通过用户指认并关联其属性信息,但是操作过程费时费力;同时缺少专业知识的用户可能在地图上无法准确找到自己的地块,比较容易关联错误。
4、地块农作物生产属性获取方面,GPS测亩仪、智能手机终端、基于遥感数据人工矢量化方法、基于图像分割提取地块边界方法等现有地块信息采集方法,都缺少地块农作物生产属性数据的动态更新功能。
5、地块数据管理方面,传统数据采集通过数据线导入、导出模式操作起来比较繁琐,采集人员较多时难以管理和控制数据质量,数据版本合并也具有较大难度,还存在共享性差的缺点。移动端与服务器端的传统通信采用非对称加密方法,加解密的速度要比对称加解密慢。由于地块数据包括空间信息、自然属性信息、社会属性信息及地块农作物生产属性信息,数据量相对较大,非对称加解密方法在移动端性能有限的情况下,难以满足加密效率要求。
6、土地信息精准管理方面,传统的土地信息管理技术方法通常无法实现土地经营信息、土地空间信息、土地生产过程信息等综合集成与精准管理。如种植管理中的合同签订管理方面,目前合同信息没有关联具体地块的空间位置、面积等信息,难以保证合同的真实性,影响种植合同和面积的管理,无法做到农业生产规范和精准、农产品质量追溯等。
因此,如何实现地块边界精准、智能提取,将地块的自然属性与社会属性精准关联,以及农作物生产过程信息的动态更新,实现为土地确权管理、农作物种植合同与地块位置统一管理,为农业保险与农业金融精准管理提供服务是目前亟待解决的技术问题。
发明内容
本发明的目的是提供一种基于智能终端和遥感智能识别的土地信息管理方法,用以实现地块边界精准、智能提取,将地块的自然属性与社会属性精准关联,以及农作物生产过程信息的动态更新。能够实现为土地确权管理、农作物种植合同与地块位置统一管理。
本发明提供了一种基于智能终端和遥感智能识别的土地信息管理方法,应用于土地信息管理系统,该系统包括云服务器与移动终端APP,包括:云服务器采用基于多源、多时相遥感卫星数据及智能生态细胞理论的地块边界智能识别方法获取高清遥感影像以及地块的地块边界、空间位置、地块面积信息,生成地块基本信息;云服务器基于Spatial JoinWithin和Spatial Join Contains空间分析方法对地块基本信息与地块自然属性、地块编号进行关联,生成地块信息;移动终端APP获取所述地块信息,对地块信息与地块的社会属性等信息进行关联与修正,生成地块综合信息;移动终端APP将地块综合信息使用对称和不对称算法进行加密,生成加密地块综合信息;将加密地块综合信息通过移动互联网上传到云服务器;云服务器对加密地块综合信息进行拓扑检验和属性信息检查,生成符合规则的地块数据;移动终端APP获取所述地块数据,通过地块数据对地块农作物生产过程进行监测及管理。
进一步地,云服务器采用基于多源、多时相遥感卫星数据及智能生态细胞理论的地块边界智能识别方法获取高清遥感影像以及地块的地块边界、空间位置、地块面积信息,生成地块基本信息包括:基于双通道卷积神经网络(DCCNN),构建3D Dense Net模型和2DDense Net模型;提取哨兵卫星Sentinel-1、2和高分卫星GF1、2、3、6的光谱-空间-纹理-高程特征;采用双通道Dense Net模型两层全连接层组成的特征融合实现特征重用和融合;基于地理学领域智能生态细胞理论,结合地块经融合的纹理特征、自然环境特征、农作物种植生长等物候特征构建地块基本信息。
进一步地,云服务器基于Spatial Join Within和Spatial Join Contains空间分析方法对地块基本信息与地块自然属性、地块编号进行关联,生成地块信息包括:将地块进行编号;基于DEM数据的地形特征分析方法,获得地块的区域地形分类、坡度、坡向、海拔数据;基于多源遥感卫星数据获取地块周边区域水资源数据,构建水资源承载能力分析模型,分析地块周边水源环境的灌溉能力;基于多源遥感卫星数据获取地块的土地类型和土壤数据;基于土壤化学成分测量数据,结合土壤类型数据,应用Kriging插值方法获得土壤化学成分含量空间分布数据;基于Spatial Join Within和Spatial Join Contains空间分析方法对地块基本信息与地块自然属性、地块编号进行关联,生成地块信息;其中,地块自然属性包括地块周边水源环境的灌溉能力、地块的土地类型和土壤数据以及地块的土壤化学成分含量空间分布数据。
进一步地,移动终端APP获取所述地块信息,对地块信息与地块的社会属性等信息进行关联与修正,生成地块综合信息包括:通过用户手持安装有APP的移动终端,步行采集地块的边界信息,生成地块的第一测量面积信息;其中,移动终端APP实时获取移动终端的位置信息;通过移动终端APP的属性采集编辑功能,对地块所属的农户信息、土地流转信息、经营管理信息、行政区划信息等进行编辑。
进一步地,用户手持安装有APP的移动终端,步行采集地块的边界信息包括:连续记录终端的位置坐标,直至终止采集;其中,每隔1秒记录一次终端的位置坐标。
进一步地,云服务器对加密地块综合信息进行拓扑检验和属性信息检查,生成符合规则的地块数据包括:采用Topology Overlap方法对地块信息进行拓扑检验;其中,基于轮廓线的地块矢量重建方法解决地块拓扑问题,以满足OGC SFS标准和无交集约束规则;基于地块面积及第一测量面积之间的符合度对地块信息进行修正。
进一步地,基于地块面积及第一测量面积之间的符合度对地块信息进行修正包括:当地块面积与测量面积不同,重新采集地块的边界信息,并生成地块的第二测量面积信息,直至基于地块面积及第二测量面积之间的符合度满足预设阈值,其中,预设阈值为地块面积与第二测量面积相差5%以内。
进一步地,在云服务器对加密地块综合信息进行拓扑检验和属性信息检查,生成符合规则的地块数据之后还包括:基于高清遥感影像与地块综合信息生成地块的电子地契图。
进一步地,电子地契图提供多种信息关联接口,用于查询地块综合信息。
进一步地,移动终端APP获取所述地块数据,通过地块数据对地块农作物生产过程进行监测及管理包括:对地块的农作物类别、农作物长势、农作物旱情及水涝灾害监测与分析,生成检测结果;将监测结果与地块编号、合同编号进行绑定,并将农作物生产过程信息动态更新到土地信息精准管理平台,为生产经营管理、农业金融服务、农业保险等平台服务。
本发明提供的一种基于智能终端和遥感智能识别的土地信息管理方法,该方法包括:云服务器采用基于多源、多时相遥感卫星数据及智能生态细胞理论的地块边界智能识别方法获取高清遥感影像以及地块的地块边界、空间位置、地块面积信息,生成地块基本信息;云服务器基于Spatial Join Within和Spatial Join Contains空间分析方法对地块基本信息与地块自然属性、地块编号进行关联,生成地块信息;移动终端APP获取地块信息,对地块信息与地块的社会属性等信息进行关联与修正,生成地块综合信息;移动终端APP将地块综合信息使用对称和不对称算法进行加密,生成加密地块综合信息;将加密地块综合信息通过移动互联网上传到云服务器;云服务器对加密地块综合信息进行拓扑检验和属性信息检查,生成符合规则的地块数据;移动终端APP获取所述地块数据,通过地块数据对地块农作物生产过程进行监测及管理。通过多种手段将地块的位置信息、自然属性以及社会属性关联在一起,通过移动终端APP对关联信息进行及时修正并存储在云服务器,提供查询及管理服务,解决了现有技术中,无法精准确认地块边界、地块的自然属性与社会属性无法智能关联,以及缺少农田统一管理手段的技术问题。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式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方式,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为本发明实施例提供的一种基于智能终端和遥感智能识别的土地信息管理方法的流程示意图;
图2为本发明另一实施例提供的一种基于智能终端和遥感智能识别的土地信息管理方法的流程示意图;
图3为本发明实施例云服务器采用基于多源、多时相遥感卫星数据及智能生态细胞理论的地块边界智能识别方法获取高清遥感影像以及地块的地块边界、空间位置、地块面积信息,生成地块基本信息的方法流程示意图;
图4为本发明实施例云服务器基于Spatial Join Within和Spatial JoinContains空间分析方法对地块基本信息与地块自然属性、地块编号进行关联,生成地块信息的方法流程示意图;
图5为本发明实施例移动终端APP获取所述地块信息,对地块信息与地块的社会属性等信息进行关联与修正,生成地块综合信息的方法流程示意图;
图6为本发明实施例云服务器对加密地块综合信息进行拓扑检验和属性信息检查,生成符合规则的地块数据的方法流程示意图;
图7为本发明实施例移动终端APP获取所述地块数据,通过地块数据对地块农作物生产过程进行监测及管理的方法流程示意图。
具体实施方式
为了使本发明的上述以及其他特征和优点更加清楚,下面结合附图进一步描述本发明。应当理解,本文给出的具体实施例是出于向本领域技术人员解释的目的,仅是示例性的,而非限制性的。
在以下描述中,阐述了许多具体细节以提供对本发明的透彻理解。然而,对于本领域普通技术人员来说将明显的是,不需要采用具体细节来实践本发明。在其他情况下,未详细描述众所周知的步骤或操作,以避免模糊本发明。
土地信息精准管理是优化土地资源配置,推动农村经济持续发展,确保农民收入稳步增长的关键;随着遥感技术的发展、空间分辨率的提高,以及人工智能的发展,计算机在遥感影像自动识别提取地块边界是当前地块信息采集的热点方式,但其主要集中在基于遥感影像的地块边缘检测,地块级别的智能遥感识别技术相对较少,且地块自然属性与社会属性的关联还欠缺,仍难以满足智能化管理的要求。
因此,本发明提供了一种基于智能终端和遥感智能识别的土地信息管理方法,如图1-7所示,包括如下步骤:
步骤S1,云服务器采用基于多源、多时相遥感卫星数据及智能生态细胞理论的地块边界智能识别方法获取高清遥感影像以及地块的地块边界、空间位置、地块面积信息,生成地块基本信息。
具体的,包括:
步骤S11,基于双通道卷积神经网络(DCCNN),构建3D Dense Net模型和2D DenseNet模型。
步骤S12,提取哨兵卫星Sentinel-1、2和高分卫星GF1、2、3、6的光谱-空间-纹理-高程特征。
步骤S13,采用双通道Dense Net模型两层全连接层组成的特征融合实现特征重用和融合。
步骤S14,基于地理学领域智能生态细胞理论,结合地块经融合的纹理特征、自然环境特征、农作物种植生长等物候特征构建地块基本信息。
本方案与现有技术相比,综合考虑地块自身特征、周边生态细胞的反馈信息,提出基于多层次深度卷积神经网络的智能推理模型,有效提高了地块边界识别监测精度。
步骤S2,云服务器基于Spatial Join Within和Spatial Join Contains空间分析方法对地块基本信息与地块自然属性、地块编号进行关联,生成地块信息。
具体的,将地块进行编号,包括如下步骤:
步骤S21,基于DEM数据的地形特征分析方法,获得所述地块的区域地形分类、坡度、坡向、海拔数据。其中,数字高程模型(Digital Elevation Model)数据,简称DEM。
步骤S22,基于多源遥感卫星数据获取所述地块周边区域水资源数据,构建水资源承载能力分析模型,分析所述地块周边水源环境的灌溉能力。
具体的,本方案可以采用基于集对分析理论的五元联系数法与模糊综合分析法,构建水资源承载能力分析模型,模型采用指数距离衰减函数表达水源环境(水池、水窖、塘坝、沟渠、水库、河流等)灌溉的空间影响力。
步骤S23,基于多源遥感卫星数据获取所述地块的土地类型和土壤数据。
具体的,本方案可以采用现有空间分辨率为10m的地块利用类型遥感监测产品数据作为等作为地块预设土地类型数据(包括灌溉水田、望天田、水浇地、旱地、菜地、果园、桑园、茶园、有林地、灌木林地、疏林地、天然草地、人工草地)。采用现有的土壤类型空间分布数据,作为地块预设土壤类型数据(包括红壤、黄壤、水稻土、紫色土、红壤紫、轻沙土、沙壤、石灰岩土、油灰土等)。
步骤S24,基于土壤化学成分测量数据,结合土壤类型数据,应用Kriging插值方法获得土壤化学成分含量空间分布数据。
具体的,本方案可以采用采土测量获得的土壤有机碳(SOC)含量、土壤有机质(SO)含量、土壤化学成分含量(K钾、Mg镁、活动氮N、活动磷P、PH值),应用空间差值方法获得土壤有机碳(SOC)含量、土壤有机质(SO)含量、土壤化学成分含量空间分布数据。
步骤S25,基于Spatial Join Within和Spatial Join Contains空间分析方法对地块基本信息与地块自然属性、地块编号进行关联,生成地块信息;其中,地块自然属性包括地块周边水源环境的灌溉能力、地块的土地类型和土壤数据以及地块的土壤化学成分含量空间分布数据。
步骤S3,移动终端APP获取所述地块信息,对地块信息与地块的社会属性等信息进行关联与修正,生成地块综合信息。
具体的,包括:
步骤S31,通过用户手持安装有APP的移动终端,步行采集地块的边界信息,生成地块的第一测量面积信息;其中,移动终端APP实时获取移动终端的位置信息。
步骤S32,通过移动终端APP的属性采集编辑功能,对地块所属的农户信息、土地流转信息、经营管理信息、行政区划信息等进行编辑。
其中,步骤S31,通过用户手持安装有APP的移动终端,步行采集地块的边界信息包括:
步骤S311,连续记录终端的位置坐标,直至终止采集;其中,每隔1秒记录一次终端的位置坐标。
本方案提供两种应用模式,第一种是为了解地图应用的管理人员提供,通过选择地块直接进行地块边界、自然属性修改与社会属性采集;第二种是为普通用户提供服务,基于采集人员所在位置,自动提示相应的地块,或者使用者通过步行采集地块边界,同时输入地块自然属性、社会属性数据。其中,属性数据的采集包括地块编号、土地权属信息、租赁关系、种植者家庭情况、地块面积、周长、海拔、采集时间、上传时间、设备mac地址,采集人员信息。地块编号的规则基于土地承包者身份证号进行顺序编号,编号位数为20位数字,由身份证号18位+2位地块编码组成。
在另一个可选的实施例中,基于移动终端的地块边界、自然属性修改与社会属性采集APP,参考《土地利用现状分类》GB/T21010-2017)开发土地用地属性采集模块,同时提供所属农户信息、土地流转信息、经营管理信息、行政区划信息等编辑功能。
步骤S4,移动终端APP将地块综合信息使用对称和不对称算法进行加密,生成加密地块综合信息;将加密地块综合信息通过移动互联网上传到云服务器。
具体的,包括:
步骤S41,云服务器端生成私钥和公钥对,并将公钥发送至移动终端。
步骤S42,移动终端根据公钥生成对称密钥,通过公钥对对称密钥进行加密,并发送给云服务器。
步骤S43,服务器端使用移动端的对称密钥加密消息,然后将消息发送给移动端。
本方案采用了RSA和AES加密两种加密方式,实现移动端与服务器端加密通信。传统的方法是移动端和服务器都采用非对称加密方法进行加解密,由于非对称加解密的速度要比对称加解密慢,且空间信息数据量相对较大,因此传统方法在移动端性能有限的情况下,难以满足应用需求。本方案综合应用RSA和AES加密,可以有效解决移动端与服务器端加密通信问题。
步骤S5,云服务器对加密地块综合信息进行拓扑检验和属性信息检查,生成符合规则的地块数据。
当服务器端接收到地块的多种数据后,将这些数据经过处理转换生成常用空间数据格式,具体的,该方法包括:
步骤S51,采用Topology Overlap拓扑重叠方法对地块信息进行拓扑检验;其中,基于轮廓线的地块矢量重建方法解决地块拓扑问题,以满足OGC SFS标准和无交集约束规则。
具体的,可以采用基于轮廓线的地块矢量重建方法,解决地块拓扑问题,如:相邻地块叠加问题、地块重复上传问题、地块粘连问题、同一地块多人采集上传问题、“8”字形地块问题等,以满足OGC SFS简单要素规范的标准和无交集约束规则。
步骤S52,基于地块面积及第一测量面积之间的符合度对地块信息进行修正。
其中,步骤S52,基于地块面积及第一测量面积之间的符合度对地块信息进行修正包括:
步骤S521,当地块面积与测量面积不同,重新采集地块的边界信息,并生成地块的第二测量面积信息,直至基于地块面积及第二测量面积之间的符合度满足预设阈值,其中,预设阈值为地块面积与第二测量面积相差5%以内。此时,云服务器可提供高清遥感影像数据与地块矢量数据,供采集人员通过地块属性修正功能修正权属信息。
步骤S7,移动终端APP获取所述地块数据,通过地块数据对地块农作物生产过程进行监测及管理。
具体的,包括:
步骤S71,对地块的农作物类别、农作物长势、农作物旱情及水涝灾害监测与分析,生成检测结果。
本方案可以基于多源多时相遥感数据,应用多源数据融合、主要农作物物候模型、以及数据同化技术,实现农作物类别、农作物长势、农作物旱情及水涝灾害监测与分析,实现地块农作物生产过程监测。
步骤S72,将监测结果与地块编号、合同编号进行绑定,并将农作物生产过程信息动态更新到土地信息精准管理平台,为生产经营管理、农业金融服务、农业保险等平台服务。
具体的,本方案可以应用Spatial Join Within和Spatial Join Contains空间分析方法将监测结果与地块编号、合同编号绑定,将农作物生产过程信息动态更新到土地信息精准管理平台,为生产经营管理、农业金融服务、农业保险等平台服务。
优选的,在步骤S5,云服务器在对加密地块综合信息进行拓扑检验和属性信息检查,生成符合规则的地块数据之后还包括:
步骤S6,云服务器基于高清遥感影像与地块综合信息生成地块的电子地契图。其中,电子地契图提供多种信息关联接口,用于查询地块综合信息。
本方案中,地块的电子地契图的关联接口,可以提供如下信息,包括:唯一地块编号、土地承包者姓名、土地承包者身份证号、是否租赁、地块面积、地块周长、土地类型数据、土壤类型、土壤化学成分、地块坐落位置、土地规划情况等。电子地契图的对接与管理服务还包括:
a.通过身份证号可查询农户自有的土地信息;当地块为租赁土地时,可通过土地承包者身份证号查询地块信息。
b.提供地块编号对应地块电子地契图链接,服务器上的使用地址为数据库地址+电子地契图名作为完整路径。
c.提供在线地块编号和合同编号绑定功能。如在签订合时输入身份证号,可查询到其名下多个地块信息,通过地块编号、面积、坐落以及地块轮廓专题图上的高清影像底图信息、周边地块等信息准确识别合同需要绑定的地块,完成合同编号与地块编号准确关联。从而可以获得地块电子地契图、地块自然属性、地块社会属性、地块农作物信息的关联。
本发明提供的一种基于智能终端和遥感智能识别的土地信息管理方法包括但不限于以下具体应用:
应用一,用户可以采用该方法对应的移动终端设备或客户端,选择地块检查与修改地块边界、自然属性与社会属性,查看土地承包者姓名、土地承包者身份证号、是否租赁、地块面积、地块周长、土地类型数据、土壤类型、土壤化学成分、地块坐落位置、土地规划情况等。
应用二,基于该方法对应的移动终端设备的地块信息采集应用模式,通过步行实时获取终端精确坐标位置,采集地块边界空间地理信息,输入地块属性信息。空间数据采集,包括精确经度、纬度和海拔,采集间隔是1秒,即采集过程中每隔1秒记录一次终端坐标,连续采集坐标点形成地块边界。属性数据的采集包括地块编号、土地权属信息、租赁关系、种植者家庭情况、地块面积、周长、海拔、采集时间、上传时间、设备mac地址,采集人员信息。
应用三,用户可以采用该方法对应的移动终端或客户端,通过身份证号查询农户自有的土地信息,通过点击地块电子地契图链接,查看地块电子地契图。在签订合时输入身份证号,可查询到其名下多个地块信息,通过地块编号、面积、坐落以及地块轮廓专题图上的高清影像底图信息、周边地块等信息准确识别合同需要绑定的地块,完成合同编号与地块编号准确关联。获得地块电子地契图、地块自然属性、地块社会属性、地块农作物信息的关联。
本发明提供的一种基于智能终端和遥感智能识别的土地信息管理方法,综合利用了地理学智能生态细胞的地块边界智能识别方法、基于Spatial Join Within和SpatialJoin Contains空间分析方法、多源遥感数据融合、主要农作物物候模型、农作物生长数据同化技术、农作物旱情监测分析、水涝灾害监测分析、移动互联网等技术,实现地块边界智能提取,地块自然属性、社会属性的精准关联,农作物生产过程信息动态更新。可以为土地确权管理、农作物种植合同与地块位置精准管理,支持农业保险与农业金融精准管理提供服务。
以上描述的各技术特征可以任意地组合。尽管未对这些技术特征的所有可能组合进行描述,但这些技术特征的任何组合都应当被认为由本说明书涵盖,只要这样的组合不存在矛盾。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各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,或者对其中部分或者全部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范围。
Claims (10)
1.一种基于智能终端和遥感智能识别的土地信息管理方法,应用于土地信息管理系统,该系统包括云服务器与移动终端APP,其特征在于,包括:
云服务器采用基于多源、多时相遥感卫星数据及智能生态细胞理论的地块边界智能识别方法获取高清遥感影像以及地块的地块边界、空间位置、地块面积信息,生成地块基本信息;
云服务器基于Spatial Join Within和Spatial Join Contains空间分析方法对所述地块基本信息与地块自然属性、地块编号进行关联,生成地块信息;
移动终端APP获取所述地块信息,对所述地块信息与所述地块的社会属性信息进行关联与修正,生成地块综合信息;
移动终端APP将所述地块综合信息使用对称和不对称算法进行加密,生成加密地块综合信息;将所述加密地块综合信息通过移动互联网上传到云服务器;
云服务器对所述加密地块综合信息进行拓扑检验和属性信息检查,生成符合规则的地块数据;
移动终端APP获取所述地块数据,通过所述地块数据对所述地块农作物生产过程进行监测及管理。
2.根据权利要求1所述的方法,其特征在于,所述云服务器采用基于多源、多时相遥感卫星数据及智能生态细胞理论的地块边界智能识别方法获取高清遥感影像以及地块的地块边界、空间位置、地块面积信息,生成地块基本信息包括:
基于双通道卷积神经网络(DCCNN),构建3D Dense Net模型和2DDense Net模型;
提取哨兵卫星Sentinel-1、2和高分卫星GF1、2、3、6的光谱-空间-纹理-高程特征;
采用双通道Dense Net模型两层全连接层组成的特征融合实现特征重用和融合;
基于地理学领域智能生态细胞理论,结合地块经融合的纹理特征、自然环境特征、农作物种植生长等物候特征构建地块基本信息。
3.根据权利要求1所述的方法,其特征在于,所述云服务器基于Spatial Join Within和Spatial Join Contains空间分析方法对所述地块基本信息与地块自然属性、地块编号进行关联,生成地块信息包括:
基于DEM数据的地形特征分析方法,获得所述地块的区域地形分类、坡度、坡向、海拔数据;
基于多源遥感卫星数据获取所述地块周边区域水资源数据,构建水资源承载能力分析模型,分析所述地块周边水源环境的灌溉能力;
基于多源遥感卫星数据获取所述地块的土地类型和土壤数据;
基于土壤化学成分测量数据,结合土壤类型数据,应用Kriging插值方法获得土壤化学成分含量空间分布数据;
基于Spatial Join Within和Spatial Join Contains空间分析方法对所述地块基本信息与地块自然属性、地块编号进行关联,生成地块信息;其中,所述地块自然属性包括所述地块周边水源环境的灌溉能力、所述地块的土地类型和土壤数据以及所述地块的土壤化学成分含量空间分布数据。
4.根据权利要求1所述的方法,其特征在于,所述移动终端APP获取所述地块信息,对所述地块信息与所述地块的社会属性信息进行关联与修正,生成地块综合信息包括:
通过用户手持安装有所述APP的移动终端,步行采集所述地块的边界信息,生成所述地块的第一测量面积信息;其中,所述移动终端APP实时获取所述移动终端的位置信息;
通过所述移动终端APP的属性采集编辑功能,对所述地块所属的农户信息、土地流转信息、经营管理信息、行政区划信息等进行编辑。
5.根据权利要求4所述的方法,其特征在于,所述用户手持安装有所述APP的移动终端,步行采集所述地块的边界信息包括:
连续记录所述终端的位置坐标,直至终止采集;其中,每隔1秒记录一次所述终端的位置坐标。
6.根据权利要求4所述的方法,其特征在于,所述云服务器对所述加密地块综合信息进行拓扑检验和属性信息检查,生成符合规则的地块数据包括:
采用Topology Overlap方法对所述地块信息进行拓扑检验;其中,基于轮廓线的地块矢量重建方法解决地块拓扑问题,以满足OGC SFS标准和无交集约束规则;
基于所述地块面积及所述第一测量面积之间的符合度对所述地块信息进行修正。
7.根据权利要求6所述的方法,其特征在于,所述基于所述地块面积及所述第一测量面积之间的符合度对所述地块信息进行修正包括:
当所述地块面积与所述测量面积不同,重新采集所述地块的边界信息,并生成所述地块的第二测量面积信息,直至所述基于所述地块面积及所述第二测量面积之间的符合度满足预设阈值,其中,所述预设阈值为所述地块面积与所述第二测量面积相差5%以内。
8.根据权利要求1所述的方法,其特征在于,在所述云服务器对所述加密地块综合信息进行拓扑检验和属性信息检查,生成符合规则的地块数据之后还包括:
基于所述高清遥感影像与所述地块综合信息生成所述地块的电子地契图。
9.根据权利要求8所述的方法,其特征在于,所述电子地契图提供多种信息关联接口,用于查询所述地块综合信息。
10.根据权利要求1所述的方法,其特征在于,所述移动终端APP获取所述地块数据,通过所述地块数据对所述地块农作物生产过程进行监测及管理包括:
对所述地块的农作物类别、农作物长势、农作物旱情及水涝灾害监测与分析,生成检测结果;
将所述监测结果与地块编号、合同编号进行绑定,并将农作物生产过程信息动态更新到土地信息精准管理平台,为生产经营管理、农业金融服务、农业保险等平台服务。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210270949.8A CN114610829A (zh) | 2022-03-18 | 2022-03-18 | 一种基于智能终端和遥感智能识别的土地信息管理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210270949.8A CN114610829A (zh) | 2022-03-18 | 2022-03-18 | 一种基于智能终端和遥感智能识别的土地信息管理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114610829A true CN114610829A (zh) | 2022-06-10 |
Family
ID=81865426
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210270949.8A Pending CN114610829A (zh) | 2022-03-18 | 2022-03-18 | 一种基于智能终端和遥感智能识别的土地信息管理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114610829A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115187413A (zh) * | 2022-07-13 | 2022-10-14 | 阳光农业相互保险公司 | 一种基于土地确权信息构建的农险承保方法 |
CN115731460A (zh) * | 2022-10-27 | 2023-03-03 | 北京神州数码方圆科技有限公司 | 基于遥感技术的边界确权方法、系统、设备及储存介质 |
CN115982777A (zh) * | 2023-02-13 | 2023-04-18 | 西安大地测绘股份有限公司 | 私有云下面向移动端的地理信息数据安全使用系统及方法 |
CN116957883A (zh) * | 2023-07-25 | 2023-10-27 | 南京智绘星图信息科技有限公司 | 一种基于数据分析的建设用地用途管制方法 |
CN117149936A (zh) * | 2023-10-31 | 2023-12-01 | 北京佳格天地科技有限公司 | 一种空间数据库的建立方法、系统及存储介质 |
CN117593201A (zh) * | 2024-01-18 | 2024-02-23 | 杭州稻道农业科技有限公司 | 一种基于高分卫星影像的小田并大田的整合方法 |
CN117609410A (zh) * | 2023-12-06 | 2024-02-27 | 湖北泰跃卫星技术发展股份有限公司 | 一种利用rpa技术提取地块信息的方法及系统 |
-
2022
- 2022-03-18 CN CN202210270949.8A patent/CN114610829A/zh active Pending
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115187413B (zh) * | 2022-07-13 | 2023-09-05 | 阳光农业相互保险公司 | 一种基于土地确权信息构建的农险承保方法 |
CN115187413A (zh) * | 2022-07-13 | 2022-10-14 | 阳光农业相互保险公司 | 一种基于土地确权信息构建的农险承保方法 |
CN115731460A (zh) * | 2022-10-27 | 2023-03-03 | 北京神州数码方圆科技有限公司 | 基于遥感技术的边界确权方法、系统、设备及储存介质 |
CN115731460B (zh) * | 2022-10-27 | 2024-04-12 | 北京神州数码方圆科技有限公司 | 基于遥感技术的边界确权方法、系统、设备及储存介质 |
CN115982777A (zh) * | 2023-02-13 | 2023-04-18 | 西安大地测绘股份有限公司 | 私有云下面向移动端的地理信息数据安全使用系统及方法 |
CN115982777B (zh) * | 2023-02-13 | 2023-10-03 | 西安大地测绘股份有限公司 | 私有云下面向移动端的地理信息数据安全使用系统及方法 |
CN116957883B (zh) * | 2023-07-25 | 2024-04-05 | 南京智绘星图信息科技有限公司 | 一种基于数据分析的建设用地用途管制方法 |
CN116957883A (zh) * | 2023-07-25 | 2023-10-27 | 南京智绘星图信息科技有限公司 | 一种基于数据分析的建设用地用途管制方法 |
CN117149936A (zh) * | 2023-10-31 | 2023-12-01 | 北京佳格天地科技有限公司 | 一种空间数据库的建立方法、系统及存储介质 |
CN117149936B (zh) * | 2023-10-31 | 2024-01-12 | 北京佳格天地科技有限公司 | 一种空间数据库的建立方法、系统及存储介质 |
CN117609410A (zh) * | 2023-12-06 | 2024-02-27 | 湖北泰跃卫星技术发展股份有限公司 | 一种利用rpa技术提取地块信息的方法及系统 |
CN117609410B (zh) * | 2023-12-06 | 2024-04-19 | 湖北泰跃卫星技术发展股份有限公司 | 一种利用rpa技术提取地块信息的方法及系统 |
CN117593201A (zh) * | 2024-01-18 | 2024-02-23 | 杭州稻道农业科技有限公司 | 一种基于高分卫星影像的小田并大田的整合方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114610829A (zh) | 一种基于智能终端和遥感智能识别的土地信息管理方法 | |
Verburg et al. | Challenges in using land use and land cover data for global change studies | |
Reed et al. | The spatial distribution of vegetation types in the Serengeti ecosystem: the influence of rainfall and topographic relief on vegetation patch characteristics | |
CN106056457A (zh) | 一种农业信息服务方法和装置 | |
Das et al. | Studying land use dynamics using decadal satellite images and Dyna-CLUE model in the Mahanadi River basin, India | |
Martínez-Verduzco et al. | Coupling Community Mapping and supervised classification to discriminate Shade coffee from Natural vegetation | |
CN114692236B (zh) | 一种面向大数据的国土空间规划底图底数处理方法 | |
Bwambale et al. | Towards precision irrigation management: A review of GIS, remote sensing and emerging technologies | |
CN112800827A (zh) | 高光谱图像分类实验方法 | |
Toma et al. | Historical and future dynamics of land use land cover and its drivers in Ajora‐Woybo watershed, Omo‐Gibe basin, Ethiopia | |
Thomas et al. | Impacts of abrupt terrain changes and grass cover on vertical accuracy of UAS-SfM derived elevation models | |
Wang et al. | A multiyear assessment of irrigation cooling capacity in agricultural and urban settings of Central Arizona | |
Faid et al. | Monitoring land-use change-associated land development using multitemporal Landsat data and geoinformatics in Kom Ombo area, South Egypt | |
CN115858713B (zh) | 一种农情地理信息的数据管理方法与数据管理系统 | |
Follin et al. | The origins of imperfection in geographic data | |
Mohammadi | A Review on GIS in Irrigation and Water Management | |
Nandi et al. | Geographical Information System (GIS) in water resources engineering | |
CN114595995A (zh) | 一种烟草农业种植管理方法 | |
CN114491119A (zh) | 地形图的生成方法、装置、计算机设备和存储介质 | |
Jayanandini et al. | Land use suitability analysis using artificial intelligence and machine learning for developing urban areas | |
Bwambale et al. | Towards precision irrigation management: A review of GIS, remote sensing and emerging | |
Watt | An evaluation of LiDAR and optical satellite data for the measurement of structural attributes in British upland conifer plantation forestry | |
Estacio | Simulating the future of the Ifugao rice terraces through observations of the past | |
Vimal | Agricultural Resource Data Acquisition and Integration: Enhancing Efficiency and Collaboration through Information Sharing | |
Suthakaran et al. | Accessing openstreetmap as a source of village geographic information of Sri Lankan administrative systems: a case study selected districts of Batticaloa, Vavuniya and Gampaha in Sri Lanka |
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 |