CN115147732A - 一种三生空间转换指数模型的构建方法及构建设备 - Google Patents

一种三生空间转换指数模型的构建方法及构建设备 Download PDF

Info

Publication number
CN115147732A
CN115147732A CN202210925027.6A CN202210925027A CN115147732A CN 115147732 A CN115147732 A CN 115147732A CN 202210925027 A CN202210925027 A CN 202210925027A CN 115147732 A CN115147732 A CN 115147732A
Authority
CN
China
Prior art keywords
space
generation
area
original
buffer area
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
CN202210925027.6A
Other languages
English (en)
Other versions
CN115147732B (zh
Inventor
李家会
李亚涛
姚鹏
何柯润
谢显军
覃倩
肖文君
周辉
宋友城
张�林
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 Planning Institute Of Land And Resources
Original Assignee
Hunan Planning Institute Of Land And Resources
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 Planning Institute Of Land And Resources filed Critical Hunan Planning Institute Of Land And Resources
Priority to CN202210925027.6A priority Critical patent/CN115147732B/zh
Publication of CN115147732A publication Critical patent/CN115147732A/zh
Application granted granted Critical
Publication of CN115147732B publication Critical patent/CN115147732B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/10Terrestrial scenes
    • G06V20/13Satellite images
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/21Design, administration or maintenance of databases
    • G06F16/211Schema design and management
    • G06F16/212Schema design and management with details for data modelling support
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/22Indexing; Data structures therefor; Storage structures
    • G06F16/2228Indexing structures
    • G06F16/2237Vectors, bitmaps or matrices
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29Geographical information databases
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/40Extraction of image or video features
    • G06V10/54Extraction of image or video features relating to texture
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/70Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/10Terrestrial scenes
    • G06V20/176Urban or other man-made structures
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/10Terrestrial scenes
    • G06V20/188Vegetation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/10Terrestrial scenes
    • G06V20/194Terrestrial scenes using hyperspectral data, i.e. more or other wavelengths than RGB

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Databases & Information Systems (AREA)
  • Remote Sensing (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Astronomy & Astrophysics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Processing Or Creating Images (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请公开了一种三生空间转换指数模型的构建方法及构建设备,其方法包括:获取目标区域在不同时段的遥感影像;按照初始时段的遥感影像的纹理特征进行土地利用类型划分,得到原始三生空间;根据原始三生空间的空间类型建立对应的缓冲区;获取每一个时段的缓冲区内的三生空间数据;根据所有时段的缓冲区的三生空间数据,构建得到缓冲区的三生空间转移矩阵;根据缓冲区的三生空间转移矩阵构建得到三生空间转换指数模型。本申请通过三生空间转换指数模型能够分析缓冲区的三生空间内部动态变化过程,并且将转换关系进行了定量化,有助于更直观的确定区域内土地资源利用的变化规律,为预测其未来变化趋势提供了一种研究思路。

Description

一种三生空间转换指数模型的构建方法及构建设备
技术领域
本申请涉及国土资源研究技术领域,尤其是涉及一种三生空间转换指数模型的构建方法及构建设备。
背景技术
土地利用转换是指一定时间序列内不同土地资源利用方式在地域空间上置换与更替的过程,是实现区域上地利用动态优化配置的重要前提与途径。随着全球工业化、城镇化进程的加快,城乡土地的结构性矛盾、耕地非农化问题、城镇建设用地扩张过快等土地利用问题日益突出,使得土地利用转换成为了地理学、经济学和区域科学等多学科研究的热点方向之一。
区域的三生空间包括生态空间、生产空间及生活空间,生态空间:指主要承担生态服务和生态系统维护等功能的地域,以自然生态景观为主划定。生态空间是维护区域生态系统安全、保护自然资源与文化遗产、保障水资源安全、保全生物多样性、维护自然生境、促进人与自然和谐发展的核心区域;生产空间:指主要承担农产品生产和农村生活等功能的地域,包括基本农田、一般农田等农业生产用地以及集镇和村庄等农村生活用地。生产空间是全区体现统筹城乡发展的重要区域,面向广大乡村地区提供基本公共服务的生态农业基地,保障区域生态安全的重要组成部分;生活空间:指主要承担城镇建设和城镇经济发展等功能的地域,包括城镇建成区、城镇规划建设区、初具规模的开发园区以及城镇开发建设预留区。其中,生活空间是推动全区经济持续增长的重要增长极,是衡量市城镇化发展的主平台、重要的人口和经济集聚区、参与区域竞争的核心区域。
但是,每一个区域内的三生空间转变都是会受到人为政策影响以及土地生态属性的影响,已有的区域内三生空间划分出来后,只能作为某个时间段的三生空间状态,而不能确定三生空间动态变化过程,无法确定区域内土地资源利用的变化规律。
发明内容
为了解决不能确定三生空间动态变化过程,无法确定区域内土地资源利用的变化规律的问题,本申请提供了一种三生空间转换指数模型的构建方法及构建设备。
第一方面,本申请提供一种三生空间转换指数模型的构建方法,采用如下的技术方案:
一种三生空间转换指数模型的构建方法,包括:
获取目标区域在不同时段的遥感影像;
按照初始时段的遥感影像的纹理特征进行土地利用类型划分,得到原始三生空间,所述原始三生空间的空间类型包括原始生态空间、原始生产空间及原始生活空间;
根据所述原始三生空间的空间类型建立对应的缓冲区;
获取每一个时段的所述缓冲区内的三生空间数据;
根据所有时段的所述缓冲区的三生空间数据,构建得到所述缓冲区的三生空间转移矩阵;
根据所述缓冲区的三生空间转移矩阵构建得到三生空间转换指数模型。
第二方面,本申请提供一种三生空间转换指数模型的构建装置,采用如下的技术方案:
获取模块,用于获取目标区域在不同时段的遥感影像;
三生空间划分模块,用于按照初始时段的遥感影像的纹理特征进行土地利用类型划分,得到原始三生空间,所述原始三生空间的空间类型包括原始生态空间、原始生产空间及原始生活空间;
缓冲区建立模块,用于根据所述原始三生空间的空间类型建立对应的缓冲区;
三生空间转换指数模型建立模块,用于获取每一个时段的所述缓冲区内的三生空间数据,根据所有时段的所述缓冲区的三生空间数据,构建得到所述缓冲区的三生空间转移矩阵,根据所述缓冲区的三生空间转移矩阵构建得到三生空间转换指数模型。
综上描述,本申请包括以下有益技术效果:
获取目标区域在不同时段的遥感影像,按照初始时段的遥感影像的纹理特征进行土地利用类型划分,得到原始三生空间,原始三生空间的空间类型包括原始生态空间、原始生产空间及原始生活空间,根据原始三生空间的空间类型建立对应的缓冲区,获取每一个时段的缓冲区内的三生空间数据,根据所有时段的缓冲区的三生空间数据,构建得到缓冲区的三生空间转移矩阵,根据缓冲区的三生空间转移矩阵构建得到三生空间转换指数模型。通过三生空间转换指数模型能够分析缓冲区的三生空间内部动态变化过程,并且将转换关系进行了定量化,有助于更直观的确定区域内土地资源利用的变化规律。
附图说明
图1是本申请的三生空间转换指数模型的构建方法的流程示意图。
图2是本申请的第一种三生空间转换指数进行修正的过程示意图。
图3是本申请的第二种三生空间转换指数进行修正的过程示意图。
图4是本申请的三生空间转换指数模型的构建装置的结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下通过附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本申请,并不用于限定本申请。
本申请实施例公开一种三生空间转换指数模型的构建方法。
参照图1,该方法的执行步骤包括:
101,获取目标区域在不同时段的遥感影像;
其中,遥感影像可以采用Landsat TM卫星遥感影像,分辨率30m(条件允许可采取更高分辨率),利用遥感图像处理平台ENVI(The Environment for Visualizing Images)对影像的波段进行假彩色融合,投影为通用横轴墨卡托投影UTM(Universal TransverseMercator),UTM属于等角横轴割圆柱投影,和高斯克吕格投影(等角横轴切圆柱投影)相似的坐标系统,参考椭球为WGS-椭球。目标区域是预先划分的,可以是以各行政区域进行划分,例如,县、市等。不同的时段是连续的固定时长,例如固定时长按照月份,那么连续的时段就是1月、2月、3月,如果固定时长按照年份,连续的时段就可以是2015年、2016年、2017年、...、2022年。
102,按照初始时段的遥感影像的纹理特征进行土地利用类型划分,得到原始三生空间;
其中,初始时段是开始进行三生空间分析的开始时段,对于遥感影像的处理,首先对不同年份的遥感影像,需进行多次波段融合操作,生成具有新的空间、波谱、时间特征的合成影像数据,改善影像环境,从而增强解译的可靠性,减少模糊性,达到提高分类精度,扩大应用范围和效果,对所得遥感影像进行几何校正,按照均分法将遥感影像进行均分81份,每一份选取一个特征点,共计选取81个特征点进行校正,并裁剪出目标图层,加载校正后遥感影像进行解译分类,其中类型划分时按照遥感影像中不同区域的纹理特征进行不同土地利用类型划分,得到初步解译数据,目视解译并进行矢量编辑修改,采用人机交互的解译方法来对遥感影像进行解译,既可避免因人长时间的视觉疲劳判读失误所引起误差,又能够避免计算机无法完全智能解译的问题,可以人为对一些模糊的影像进行处理增强,使得更加有利于解译,进行人工判读修正,对较为明显的错误进行修正。土地利用类型划分实际上就是三生空间的划分,得到原始三生空间,原始三生空间的空间类型包括原始生态空间、原始生产空间及原始生活空间,生态空间:指主要承担生态服务和生态系统维护等功能的地域,以自然生态景观为主划定。生产空间:指主要承担农产品生产和农村生活等功能的地域,包括基本农田、一般农田等农业生产用地以及集镇和村庄等农村生活用地。生活空间:指主要承担城镇建设和城镇经济发展等功能的地域,包括城镇建成区、城镇规划建设区、初具规模的开发园区以及城镇开发建设预留区。
103,根据原始三生空间的空间类型建立对应的缓冲区;
其中,具体的缓冲区建立过程如下:
将原始三生空间中的原始生态空间、原始生产空间及原始生活空间分别作为空间对象;
以原始生态空间的领域半径作为距离阈值r1,以原始生产空间的领域半径作为距离阈值r2,以原始生活空间的领域半径作为距离阈值r3;
按照不同的距离规范确定待建立缓冲区至原始生态空间的欧式距离为d1,待建立缓冲区至原始生产空间的欧式距离为d2,待建立缓冲区至原始生活空间的欧式距离为d3;
建立得到原始生态空间对应的缓冲区为P1={x丨d1(x,A1)≤r1},x为自变量,A1为原始生态空间;
建立得到原始生产空间对应的缓冲区为P2={x丨d2(x,A2)≤r2},A2为原始生态空间;
建立得到原始生活空间对应的缓冲区为P3={x丨d3(x,A3)≤r3},A3为原始生态空间。
具体的,原始生态空间A1对应的缓冲区P1距离A1的欧式距离可以是等差数值,例如,与A1相距200米的缓冲区、与A1相距400米的缓冲区及与A1相距600米的缓冲区等等。
需要说明的是,缓冲区建立时涉及到缓冲区距离的选取,缓冲区距离距离的选取会和目标区域多年的经济发展有关,发展好的地方,所选取的缓冲区距离可以大一点,发展速度不是很快的地区缓冲区距离可以小一点。
104,获取每一个时段的缓冲区内的三生空间数据;
其中,以步骤103中已经构建的缓冲区为区域,在每一个时段中都按照遥感影像的纹理特征进行土地利用类型划分,得到每一个缓冲区内的三生空间数据,三生空间数据具体是指生态空间的面积所占缓冲区面积的比例,即生态空间占比值,同理生产空间占比值、生活空间占比值也是如此得到的。
105,根据所有时段的缓冲区的三生空间数据,构建得到缓冲区的三生空间转移矩阵;
其中,将第i时段的原始生态空间对应的缓冲区Pi内的三生空间数据作为第i矩阵第i行,第i行的三生空间数据包括第i生态空间占比值、第i生产空间占比值及第i原始生活空间占比值;
将第i生态空间占比值、第i生产空间占比值及所述第i原始生活空间占比值作为第i矩阵中的列,列数为j,每一列对应的三生空间的空间类型相同;
将所有矩阵作为三生空间转移矩阵。
106,根据缓冲区的三生空间转移矩阵构建得到三生空间转换指数模型。
其中,根据三生空间转移矩阵,得到第i行的三生空间数据及第j列的三生空间数据;
根据第i行、第j列的数据得到目标土地利用转移面积占比值Pij
获取第i行对应的缓冲区在目标区域中的面积占比值Qi
根据第i行的三生空间数据、第j列的三生空间数据、Pij及Qi,构建得到三生空间转 换指数模型,三生空间转换指数模型的表达式为:
Figure RE-616970DEST_PATH_IMAGE001
,L表示三生空间转 换指数,n表示具有n个矩阵。
本实施例的实施原理为:获取目标区域在不同时段的遥感影像,按照初始时段的遥感影像的纹理特征进行土地利用类型划分,得到原始三生空间,原始三生空间的空间类型包括原始生态空间、原始生产空间及原始生活空间,根据原始三生空间的空间类型建立对应的缓冲区,获取每一个时段的缓冲区内的三生空间数据,根据所有时段的缓冲区的三生空间数据,构建得到缓冲区的三生空间转移矩阵,根据缓冲区的三生空间转移矩阵构建得到三生空间转换指数模型。通过三生空间转换指数模型能够分析缓冲区的三生空间内部动态变化过程,并且将转换关系进行了定量化,有助于更直观的确定区域内土地资源利用的变化规律。
在以上图1的实施例中,对于三生空间转换指数模型的构建,能够通过三生空间转换指数实现三生空间转换关系的定量化,但是按照三生空间的特征,国家和地方政策的颁布是影响三生空间转换的一个重要因素,如果需要分析客观规律下的三生空间转换关系,那么就需要将国家和地方政策的影响因素进行去除,因此,通过下面的实施例进行三生空间转换指数的修正。
如图2所示,对三生空间转换指数进行修正的过程包括:
201,获取政策区域规划文件,根据政策区域规划文件分析得到政策区域规划指标D;
其中,获取政策区域规划文件,政策区域规划文件可以是目标区域的政策性文件。在政策区域规划文件中,以文字的方式记录了具有三生空间特性的词语或者数据,假设,政策区域规划文件中规定了在10000平方米的政策区域内新建1000平方米的住宅区,那么从政策区域规划文件中提取出政策区域的面积数据10000平方米、生活空间的影响面积数据1000平方米,计算得到政策区域规划指标中生活空间影响指数D3=1000平方米/10000平方米=0.1;同理,可以计算出政策区域规划指标中生态空间影响指数D1、生产空间影响指数D2。在政策区域规划指标中D1、D2、D3至少出现一个。
202,当政策区域规划指标对应的政策区域全部覆盖目标缓冲区时,获取目标缓冲区在政策区域中的面积占比值C1;
其中,假设目标缓冲区的面积数据是2000平方米,并且目标缓冲区全部都处于政策区域内,目标缓冲区在政策区域中的面积占比值C1=2000平方米/10000平方米=0.2。
203,将面积占比值C1与政策区域规划指标相乘,得到目标缓冲区内的不同空间类型的政策影响因素值c1;
其中,将面积占比值C1与政策区域规划指标中生活空间影响指数D3相乘,得到目标缓冲区内的生活空间的政策影响因素值c1=0.1*0.2=0.02。
204,获取政策区域规划指标对应的目标时段,根据目标时段确定对应时段的目标缓冲区内的不同空间类型的三生空间转换指数;
其中,假设目标时段对应时段的目标缓冲区内的三生空间转换指数中生活空间的转换指数L为10%,即0.1。
205,根据政策影响因素值c1对目标缓冲区内三生空间转换指数L进行修正,得到校正三生空间转换指数L=L*(1-c1)。
其中,校正三生空间转换指数L=L*(1-c1)=0.1*(1-0.02)=0.098,即9.8%。
如图3所示,对三生空间转换指数进行修正的过程包括:
301,获取政策区域划分文件,根据政策区域划分文件分析得到政策区域规划指标D;
具体如图2中步骤201所描述的,政策区域规划指标中生活空间影响指数D3=1000平方米/10000平方米=0.1。
302,当政策区域规划指标对应的政策区域部分覆盖目标缓冲区时,获取目标缓冲区中被覆盖部分在政策区域中的面积占比值C2,及被覆盖部分在目标缓冲区中的面积占比值C3;
其中,假设目标缓冲区的面积数据是2000平方米,目标缓冲区中被覆盖部分的面积数据为1800平方米,那么目标缓冲区中被覆盖部分在政策区域中的面积占比值C2=1800平方米/10000平方米=0.18,被覆盖部分在目标缓冲区中的面积占比值C3=1800平方米/2000平方米=0.9。
303,将面积占比值C2与政策区域规划指标相乘,得到目标缓冲区中被覆盖部分的政策影响因素值c2;
其中,将面积占比值C2与政策区域规划指标中生活空间影响指数D3相乘,得到目标缓冲区中被覆盖部分的政策影响因素值c2=0.18*0.1=0.018。
304,根据政策影响因素值c2及面积占比值C3,对目标缓冲区内三生空间转换指数L进行修正,得到校正三生空间转换指数L=L*(1-C3*c2)。
其中,假设目标缓冲区内三生空间转换指数中生活空间的转换指数L为20%,即0.2,校正三生空间转换指数L=L*(1-C3*c2)=0.2*(1-0.9*0.018)=0.19676,即19.676%。
如图4所示,本申请实施例公开一种三生空间转换指数模型的构建装置,包括:
获取模块401,用于获取目标区域在不同时段的遥感影像;
三生空间划分模块402,用于按照初始时段的遥感影像的纹理特征进行土地利用类型划分,得到原始三生空间,原始三生空间的空间类型包括原始生态空间、原始生产空间及原始生活空间;
缓冲区建立模块403,用于根据原始三生空间的空间类型建立对应的缓冲区;
三生空间转换指数模型建立模块404,用于获取每一个时段的缓冲区内的三生空间数据,根据所有时段的缓冲区的三生空间数据,构建得到缓冲区的三生空间转移矩阵,根据缓冲区的三生空间转移矩阵构建得到三生空间转换指数模型。
本实施例的实施原理为:获取模块401获取目标区域在不同时段的遥感影像,三生空间划分模块402按照初始时段的遥感影像的纹理特征进行土地利用类型划分,得到原始三生空间,原始三生空间的空间类型包括原始生态空间、原始生产空间及原始生活空间,缓冲区建立模块403根据原始三生空间的空间类型建立对应的缓冲区,三生空间转换指数模型建立模块404获取每一个时段的缓冲区内的三生空间数据,根据所有时段的缓冲区的三生空间数据,构建得到缓冲区的三生空间转移矩阵,根据缓冲区的三生空间转移矩阵构建得到三生空间转换指数模型。通过三生空间转换指数模型能够分析缓冲区的三生空间内部动态变化过程,并且将转换关系进行了定量化,有助于更直观的确定区域内土地资源利用的变化规律。
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,本说明书(包括摘要和附图)中公开的任一特征,除非特别叙述,均可被其他等效或者具有类似目的的替代特征加以替换。即,除非特别叙述,每个特征只是一系列等效或类似特征中的一个例子而已。

Claims (9)

1.一种三生空间转换指数模型的构建方法,其特征在于,包括:
获取目标区域在不同时段的遥感影像;
按照初始时段的遥感影像的纹理特征进行土地利用类型划分,得到原始三生空间,所述原始三生空间的空间类型包括原始生态空间、原始生产空间及原始生活空间;
根据所述原始三生空间的空间类型建立对应的缓冲区;
获取每一个时段的所述缓冲区内的三生空间数据;
根据所有时段的所述缓冲区的三生空间数据,构建得到所述缓冲区的三生空间转移矩阵;
根据所述缓冲区的三生空间转移矩阵构建得到三生空间转换指数模型。
2.根据权利要求1所述的三生空间转换指数模型的构建方法,其特征在于,所述根据所述原始三生空间的空间类型建立对应的缓冲区,包括:
将所述原始三生空间中的原始生态空间、原始生产空间及原始生活空间分别作为空间对象;
按照不同的距离规范建立得到所述原始生态空间、所述原始生产空间及所述原始生活空间分别对应的缓冲区。
3.根据权利要求2所述的三生空间转换指数模型的构建方法,其特征在于,所述按照不同的距离规范建立得到所述原始生态空间、所述原始生产空间及所述原始生活空间分别对应的缓冲区,包括:
以所述原始生态空间的领域半径作为距离阈值r1,以所述原始生产空间的领域半径作为距离阈值r2,以所述原始生活空间的领域半径作为距离阈值r3;
按照不同的距离规范确定待建立缓冲区至所述原始生态空间的欧式距离为d1,所述待建立缓冲区至所述原始生产空间的欧式距离为d2,所述待建立缓冲区至所述原始生活空间的欧式距离为d3;
建立得到所述原始生态空间对应的缓冲区为P1={x丨d1(x,A1)≤r1},所述x为自变量,所述A1为所述原始生态空间;
建立得到所述原始生产空间对应的缓冲区为P2={x丨d2(x,A2)≤r2},所述A2为所述原始生态空间;
建立得到所述原始生活空间对应的缓冲区为P3={x丨d3(x,A3)≤r3},所述A3为所述原始生态空间。
4.根据权利要求3所述的三生空间转换指数模型的构建方法,其特征在于,所述根据所有时段的所述缓冲区的三生空间数据,构建得到所述缓冲区的三生空间转移矩阵,包括:
将第i时段的所述原始生态空间对应的缓冲区Pi内的三生空间数据作为第i矩阵第i行,所述第i行的三生空间数据包括第i生态空间占比值、第i生产空间占比值及第i原始生活空间占比值;
将所述第i生态空间占比值、所述第i生产空间占比值及所述第i原始生活空间占比值作为第i矩阵中的列,列数为j,每一列对应的三生空间的空间类型相同;
将所有矩阵作为三生空间转移矩阵。
5.根据权利要求4所述的三生空间转换指数模型的构建方法,其特征在于,所述根据所述缓冲区的三生空间转移矩阵构建得到三生空间转换指数模型,包括:
根据所述三生空间转移矩阵,得到第i行的三生空间数据及第j列的三生空间数据;
根据第i行、第j列的数据得到目标土地利用转移面积占比值Pij
获取所述第i行对应的缓冲区在所述目标区域中的面积占比值Qi
根据所述第i行的三生空间数据、所述第j列的三生空间数据、所述Pij及所述Qi,构建得 到三生空间转换指数模型,所述三生空间转换指数模型的表达式为:
Figure 491146DEST_PATH_IMAGE001
, 所述L表示三生空间转换指数,所述n表示具有n个矩阵。
6.根据权利要求5所述的三生空间转换指数模型的构建方法,其特征在于,所述方法还包括:
获取政策区域规划文件,根据所述政策区域规划文件分析得到政策区域规划指标D,所述政策区域规划指标包括生态空间影响指数D1、生产空间影响指数D2及生活空间影响指数D3中的至少一种;
当所述政策区域规划指标对应的政策区域全部覆盖目标缓冲区时,获取所述目标缓冲区在所述政策区域中的面积占比值C1;
将所述面积占比值C1与所述政策区域规划指标相乘,得到所述目标缓冲区内的不同空间类型的政策影响因素值c1;
获取所述政策区域规划指标对应的目标时段,根据所述目标时段确定对应时段的所述目标缓冲区内的不同空间类型的三生空间转换指数;
通过所述政策影响因素值c1对所述目标缓冲区内的不同空间类型的三生空间转换指数进行修正,得到所述目标缓冲区内的不同空间类型的校正三生空间转换指数。
7.根据权利要求6所述的三生空间转换指数模型的构建方法,其特征在于,所述通过所述政策影响因素值c1对所述目标缓冲区内的不同空间类型的三生空间转换指数进行修正,得到所述目标缓冲区内的不同空间类型的校正三生空间转换指数,包括:
根据所述政策影响因素值c1对所述目标缓冲区内三生空间转换指数L进行修正,得到校正三生空间转换指数L=L*(1-c1)。
8.根据权利要求5所述的三生空间转换指数模型的构建方法,其特征在于,所述方法还包括:
获取政策区域划分文件,根据所述政策区域划分文件分析得到政策区域规划指标D,所述政策区域规划指标包括生态空间影响指数D1、生产空间影响指数D2及生活空间影响指数D3中的至少一种;
当所述政策区域规划指标对应的政策区域部分覆盖目标缓冲区时,获取所述目标缓冲区中被覆盖部分在所述政策区域中的面积占比值C2,及所述被覆盖部分在所述目标缓冲区中的面积占比值C3;
将所述面积占比值C2与所述政策区域规划指标相乘,得到所述目标缓冲区中被覆盖部分的政策影响因素值c2;
根据所述政策影响因素值c2及所述面积占比值C3,对所述目标缓冲区内三生空间转换指数L进行修正,得到校正三生空间转换指数L=L*(1-C3*c2)。
9.一种三生空间转换指数模型的构建装置,其特征在于,包括:
获取模块,用于获取目标区域在不同时段的遥感影像;
三生空间划分模块,用于按照初始时段的遥感影像的纹理特征进行土地利用类型划分,得到原始三生空间,所述原始三生空间的空间类型包括原始生态空间、原始生产空间及原始生活空间;
缓冲区建立模块,用于根据所述原始三生空间的空间类型建立对应的缓冲区;
三生空间转换指数模型建立模块,用于获取每一个时段的所述缓冲区内的三生空间数据,根据所有时段的所述缓冲区的三生空间数据,构建得到所述缓冲区的三生空间转移矩阵,根据所述缓冲区的三生空间转移矩阵构建得到三生空间转换指数模型。
CN202210925027.6A 2022-08-03 2022-08-03 一种三生空间转换指数模型的构建方法及构建设备 Active CN115147732B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210925027.6A CN115147732B (zh) 2022-08-03 2022-08-03 一种三生空间转换指数模型的构建方法及构建设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210925027.6A CN115147732B (zh) 2022-08-03 2022-08-03 一种三生空间转换指数模型的构建方法及构建设备

Publications (2)

Publication Number Publication Date
CN115147732A true CN115147732A (zh) 2022-10-04
CN115147732B CN115147732B (zh) 2023-06-09

Family

ID=83414104

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210925027.6A Active CN115147732B (zh) 2022-08-03 2022-08-03 一种三生空间转换指数模型的构建方法及构建设备

Country Status (1)

Country Link
CN (1) CN115147732B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109598379A (zh) * 2018-12-03 2019-04-09 中国矿业大学 一种基于温度反演的城市国土三生空间优化方法
CN109902910A (zh) * 2018-12-25 2019-06-18 广东省国土资源技术中心(广东省基础地理信息中心) 区域三生空间耦合定量度量方法及系统
CN110069885A (zh) * 2019-05-05 2019-07-30 重庆师范大学 一种基于外部生态功能定位的“三生”空间优化方法
CN112200042A (zh) * 2020-09-30 2021-01-08 华中师范大学 利用时空生态环境遥感分形分维数分析生态变化趋势方法
CN113095679A (zh) * 2021-04-13 2021-07-09 中国科学院新疆生态与地理研究所 生态输水后土地格局变化过程分析方法
CN113298418A (zh) * 2021-06-15 2021-08-24 广东工业大学 一种国土空间三生指数构建方法及系统
CN113298144A (zh) * 2021-05-24 2021-08-24 中南大学 一种基于多源数据的城市三生空间识别与格局分析方法
CN113657777A (zh) * 2021-08-19 2021-11-16 东莞理工学院 一种流域生态系统服务价值空间转移评价和作图方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109598379A (zh) * 2018-12-03 2019-04-09 中国矿业大学 一种基于温度反演的城市国土三生空间优化方法
CN109902910A (zh) * 2018-12-25 2019-06-18 广东省国土资源技术中心(广东省基础地理信息中心) 区域三生空间耦合定量度量方法及系统
CN110069885A (zh) * 2019-05-05 2019-07-30 重庆师范大学 一种基于外部生态功能定位的“三生”空间优化方法
CN112200042A (zh) * 2020-09-30 2021-01-08 华中师范大学 利用时空生态环境遥感分形分维数分析生态变化趋势方法
CN113095679A (zh) * 2021-04-13 2021-07-09 中国科学院新疆生态与地理研究所 生态输水后土地格局变化过程分析方法
CN113298144A (zh) * 2021-05-24 2021-08-24 中南大学 一种基于多源数据的城市三生空间识别与格局分析方法
CN113298418A (zh) * 2021-06-15 2021-08-24 广东工业大学 一种国土空间三生指数构建方法及系统
CN113657777A (zh) * 2021-08-19 2021-11-16 东莞理工学院 一种流域生态系统服务价值空间转移评价和作图方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
KU GAO ET AL.: "Spatial Sustainable Development Assessment Using Fusing Multisource Data from the Perspective of Production-Living-Ecological Space Division: A Case of Greater Bay Area, China", 《REMOTE SENSING》, pages 1 - 21 *
尹泽凯 等: "郑州市"三生空间"用地转型及其生态效应", 《人民黄河》, vol. 44, no. 7, pages 93 - 98 *

Also Published As

Publication number Publication date
CN115147732B (zh) 2023-06-09

Similar Documents

Publication Publication Date Title
Yu et al. Spatial and temporal dynamics of urban sprawl along two urban–rural transects: A case study of Guangzhou, China
Bhaskaran et al. Per-pixel and object-oriented classification methods for mapping urban features using Ikonos satellite data
Li et al. Reclaiming small to fill large: A novel approach to rural residential land consolidation in China
Zhang et al. A global dataset of daily near-surface air temperature at 1-km resolution (2003–2020)
Zhang et al. Impacts of urbanization on ecosystem services in the Chengdu-Chongqing Urban Agglomeration: Changes and trade-offs
Wang et al. Urban development analysis using built-up area maps based on multiple high-resolution satellite data
CN106909899A (zh) 一种湿地景观演变过程的分析方法及分析系统
CN111539296A (zh) 一种基于遥感影像变化检测的违章建筑识别方法及系统
Masud et al. Monitoring and predicting landuse/landcover change using an integrated markov chain & multilayer perceptron models: A case study of sahiwal tehsil
Bektas et al. Remote sensing and GIS integration for land cover analysis, a case study: Bozcaada Island
Shi et al. Effects of urban green spaces landscape pattern on carbon sink among urban ecological function areas at the appropriate scale: A case study in Xi’an
CN112182125B (zh) 一种商务集聚区边界识别系统
Carpentieri et al. GIS-Based Spatial Analysis for the Integrated Transport-Land Use-Energy Planning: An Application to the Greater London
Song et al. Exploring the Characteristics and Drivers of Expansion in the Shandong Peninsula Urban Agglomeration Based on Nighttime Light (NTL) Data
Yang et al. Integrating policy quantification analysis into ecological security pattern construction: A case study of Guangdong–Hong Kong–Macao Greater Bay Area
CN115147732A (zh) 一种三生空间转换指数模型的构建方法及构建设备
Zhang et al. Identifying the regional spatial management of ecosystem services from a supply and demand perspective: A case study of Danjiangkou reservoir area, China
CN116485239A (zh) 一种针对城市绿道建设成效的综合评价系统和方法
Li et al. Urban Morphology and Historical Urban Landscape Conservation and Management
Jiang et al. Achieving balance between socioeconomic development and ecosystem conservation via policy adjustments in Guangdong Province of southeastern China
Tamrakar et al. A Review of Spatial Analysis Techniques Used for LULC Change Detection Over Delhi NCR in the Past Two Decades
Bose et al. Monitoring decadal ecological degradation in Kolkata metropolitan area using comprehensive ecological evaluation index: A vision towards sustainable urban planning
Wang et al. Interpretation of spatial and temporal changes and drivers of ecological source regions based on LightGBM-SHAP
Rawat et al. Assessment of land use/land cover changes of potential growing fringe areas of Lucknow using remote sensing and GIS
Zhang et al. Spatiotemporal patterns and prediction of landscape ecological security in Xishuangbanna from 1996–2030

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