CN116206011B - 基于多源数据的数字土壤制图方法及系统 - Google Patents
基于多源数据的数字土壤制图方法及系统 Download PDFInfo
- Publication number
- CN116206011B CN116206011B CN202310493385.9A CN202310493385A CN116206011B CN 116206011 B CN116206011 B CN 116206011B CN 202310493385 A CN202310493385 A CN 202310493385A CN 116206011 B CN116206011 B CN 116206011B
- Authority
- CN
- China
- Prior art keywords
- soil
- area
- center
- areas
- peripheral
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/20—Drawing from basic elements, e.g. lines or circles
- G06T11/203—Drawing of straight lines or curves
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Investigation Of Foundation Soil And Reinforcement Of Foundation Soil By Compacting Or Drainage (AREA)
Abstract
本发明提供一种基于多源数据的数字土壤制图方法及系统,方法包括获取待测区域的土壤利用类型及卫星遥感影像栅格数据,对待测区域进行区块划分以得到多个土壤区域,每一土壤利用类型至少包括一土壤区域,识别所有土壤区域以根据识别结果获取每一土壤区域的地形特征、以及同一土壤利用类型的土壤区域分布特征;判断相同土壤利用类型的土壤区域是否相邻分布;若否,则获取每一土壤单元的样本点,并根据样本点获取每一样本点的样本数据以进行土壤制图。本申请通过将待测区域进行划分以得到多个土壤区域,再分别确定每一土壤区域的样本点及该样本点对应的样本数据从而使得获取到的样本数据更有代表性,提高了预测模型的预测精度。
Description
技术领域
本发明涉及土壤制图技术领域,特别涉及一种基于多源数据的数字土壤制图方法及系统。
背景技术
随着数字地形分析等地理信息技术的发展,预测性(数字)土壤制图逐渐发展起来。预测性(数字)土壤制图作为数字地形分析技术应用的一种,它利用数字格式土壤属性和成土因素数据,采用定量的土壤景观模型,以栅格为表达方式,借助计算机生成数字格式的土壤图。栅格表达使生成的土壤图可更详细地刻画土壤空间变化,定量模型计算机制图使更准确的土壤制图成为可能。
在建模的过程中,包括环境变量的提取及筛选,选取的环境变量包括遥感变量、地形变量、气象变量和土壤PH值,再对选取的环境变量进行筛选得到的中高分辨率的遥感变量、地形变量、气象变量及土壤PH值作为自变量,再进行模型训练,分别得到基于中高分辨率环境变量的与土壤样本点采样时间同期的待测地区耕地表层土壤有效营养元素含量预测模型。由此可得,前期的采样过程对预测模型的预测精度具有很大的作用。
现有技术中,在对前期样品的取样过程中,一般对样本点进行无规则的随机选取,而后再根据确定好的样本点进行样本数据采集。但由于每块土壤的类型很难均匀分布,使得进行无规则随机选取的样本点很难具有代表性,从而影响预测模型的预测精度,导致得到的土壤制图精度不足。
发明内容
基于此,本发明的目的是提供一种基于多源数据的数字土壤制图方法及系统,用于解决现有技术中由于每块土壤的类型很难均匀分布,使得进行无规则随机选取的样本点很难具有代表性,从而影响预测模型的预测精度,导致得到的土壤制图精度不足的技术问题。
本发明一方面提供一种基于多源数据的数字土壤制图方法,包括:
获取待测区域的土地利用数据,所述土地利用数据包括土壤利用类型,所述土壤利用类型包括农用地和城镇用地;
获取卫星遥感影像栅格数据,结合所述土壤利用类型对所述待测区域进行区块划分以得到多个土壤区域,每一土壤利用类型至少包括一土壤区域,每一土壤区域至少包括一地块,识别所有土壤区域以根据识别结果获取每一土壤区域的二次特征,所述二次特征包括地形特征、以及同一土壤利用类型的土壤区域分布特征;
根据同一土壤利用类型的土壤区域分布特征判断相同土壤利用类型的土壤区域是否相邻分布;
若否,则将每一土壤区域作为一土壤单元,结合地形特征获取每一土壤单元的样本点,并根据样本点获取每一样本点的样本数据以根据获取到的样本数据进行土壤制图。
另外,根据本发明上述的基于多源数据的数字土壤制图方法,还可以具有如下附加的技术特征:
进一步地,所述结合地形特征获取每一土壤单元的样本点的步骤包括:
根据地形特征获取土壤区域的边界信息,所述边界信息包括边界形状、以及相邻边界连接端点,根据所述边界形状获取每一连接端点的边界连接夹角;
筛选每一边界连接夹角以根据筛选结果获得土壤区域的多个外围区域以及中心区域,根据外围区域以及中心区域分别获取外围样本点以及中心样本点。
进一步地,根据地形特征获取土壤区域的边界信息,所述边界信息包括边界形状、以及相邻边界连接端点,根据所述边界形状获取每一连接端点的边界连接夹角的步骤包括:
获取土壤区域的边界形状;
根据所述边界形状依次计算每一边界点的斜率以根据斜率获取边界拐点,所述拐点属于斜率正负变化时对应的临界点,所述拐点为相邻边界连接端点。
进一步地,筛选每一边界连接夹角以根据筛选结果获得土壤区域的多个外围区域以及中心区域,根据外围区域以及中心区域分别获取外围样本点以及中心样本点的步骤包括:
根据连接端点判断边界连接夹角是否小于角度阈值以对每一连接端点进行筛选而获得边角端点及中心端点,所述边界连接夹角为朝向土壤区域内部的角度,所述边角端点为连接夹角小于角度阈值的端点,所述中心端点为连接夹角不小于角度阈值的端点;
依次连接每一中心端点以将土壤区域划分为中心区域以及多个外围区域,所述中心区域为多个中心端点围成的内部区域,所述外围区域为土壤区域除中心区域外的剩余区域;
分别获取外围区域中心以及中心区域中心以将所述外围区域中心对应的样本点作为外围样本点、以及所述中心区域中心对应的样本点作为中心样本点。
进一步地,分别获取外围区域中心以及中心区域中心以将所述外围区域中心对应的样本点作为外围样本点、以及所述中心区域中心对应的样本点作为中心样本点的步骤之前包括:
根据地形特征判断中心区域或同一外围区域是否为一完整地块;
若否,则中心区域或同一外围区域包括至少两地块,结合地块的拼接关系判断样本点是否位于两地块的拼接间隙;
若样本点位于两地块的拼接间隙,则将位于两地块拼接间隙的样本点定为临时样本点,并识别、筛选中心区域或同一外围区域内部所有地块的占有面积以根据筛选结果获得最大占有面积地块,并将该最大占有面积地块定为目标地块;
获取目标地块的内接圆圆心,并连接所述临时样本点与内接圆圆心,取内接圆圆心与临时样本点的连线中点作为外围区域或中心区域的样本点。
进一步地,若样本点位于两地块的拼接间隙,则将位于两地块拼接间隙的样本点定为临时样本点,并识别、筛选中心区域或同一外围区域内部所有地块的占有面积以根据筛选结果获得最大占有面积地块的步骤包括:
根据地形特征获取中心区域或同一外围区域中每一地块的地势差;
判断所述地势差是否符合地势差阈值;
若符合,则识别、筛选中心区域或同一外围区域内部所有地块的占有面积以根据筛选结果获得最大占有面积地块;
若不符合,则每一地块均为目标地块,并执行获取目标地块的内接圆圆心的步骤。
进一步地,根据同一土壤利用类型的土壤区域分布特征判断相同土壤利用类型的土壤区域是否相邻分布的步骤包括:
获取所有土壤区域,对每一利用类型土壤区域的空间分布进行统计以获得相同利用类型土壤区域空间分布结果,并识别所述相同利用类型土壤区域空间分布结果;
根据识别结果判断相同利用类型土壤区域中的邻近两土壤区域的间隙值是否满足预设距离;
若间隙值满足预设距离,则相同利用类型土壤区域中的邻近两土壤区域属于相邻分布;
若间隙值不满足预设距离,则相同利用类型土壤区域中的邻近两土壤区域不属于相邻分布。
进一步地,分别获取外围区域中心以及中心区域中心以将所述外围区域中心对应的样本点作为外围样本点、以及所述中心区域中心对应的样本点作为中心样本点的步骤包括:
获取中心区域面积,并判断中心区域面积是否大于预设值;
若是,则以中心区域中心为原点,分别连接中心区域的每一连接端点以将所述中心区域划分为若干子区域;
分别获取每一子区域的内接圆圆心,并以该内接圆圆心作为对应子区域的样本点。
进一步地,根据同一土壤利用类型的土壤区域分布特征判断相同土壤利用类型的土壤区域是否相邻分布的步骤之后还包括:
若是,则将每一土壤利用类型的土壤区域构建为一地块整体,将所述地块整体作为一土壤单元,并执行结合地形特征获取每一土壤单元的样本点的步骤。
本申请另一方面提供一种基于多源数据的数字土壤制图系统,包括:
获取模块,用于获取待测区域的土地利用数据,所述土地利用数据包括土壤利用类型,所述土壤利用类型包括农用地和城镇用地;
识别模块,用于获取卫星遥感影像栅格数据,结合所述土壤利用类型对所述待测区域进行区块划分以得到多个土壤区域,每一土壤利用类型至少包括一土壤区域,每一土壤区域至少包括一地块,识别所有土壤区域以根据识别结果获取每一土壤区域的二次特征,所述二次特征包括地形特征、以及同一土壤利用类型的土壤区域分布特征;
判断模块,用于根据同一土壤利用类型的土壤区域分布特征判断相同土壤利用类型的土壤区域是否相邻分布;
第一执行模块,用于当相同土壤利用类型的土壤区域不相邻分布时,将每一土壤区域作为一土壤单元,结合地形特征获取每一土壤单元的样本点,并根据样本点获取每一样本点的样本数据以根据获取到的样本数据进行土壤制图。
上述基于多源数据的数字土壤制图方法及系统,通过将待测区域进行划分以得到多个土壤区域,再分别确定每一土壤区域的样本点以及该样本点对应的样本数据从而使得获取到的样本数据更有代表性,提高了预测模型的预测精度,避免了现有技术中对样本点进行无规则的随机选取导致样本数据不具代表性而影响预测模型的预测精度的问题;具体的,结合土壤利用类型对待测区域进行划分以得到多个土壤区域,每一土壤利用类型至少包括一土壤区域,再根据对每一土壤区域的识别结果获取土壤区域的二次特征以根据同一土壤利用类型的土壤区域分布特征判断相同土壤利用类型的土壤区域是否相邻分布,当相同土壤利用类型的土壤区域不为相邻分布时,将每一土壤区域作为一土壤单元,结合地形特征获取每一土壤单元的样本点,并根据样本点获取每一样本点的样本数据以根据获取到的样本数据进行土壤制图。
附图说明
图1为本发明第一实施例中土壤制图方法流程图;
图2为本发明第一实施例中步骤S106的具体步骤图;
图3为本发明第一实施例中步骤S1062的具体步骤图;
图4为本发明第一实施例中步骤S10623之前包括的流程步骤图;
图5为一土壤区域的边界轮廓示意图;
图6为本发明第二实施例中土壤制图系统的系统框图。
如下具体实施方式将结合上述附图进一步说明本发明。
具体实施方式
为了便于理解本发明,下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的若干实施例。但是,本发明可以以许多不同的形式来实现,并不限于本文所描述的实施例。相反地,提供这些实施例的目的是使对本发明的公开内容更加透彻全面。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
为了解决现有技术中由于每块土壤的类型很难均匀分布,使得进行无规则随机选取的样本点很难具有代表性,从而影响预测模型的预测精度,导致得到的土壤制图精度不足的技术问题,本申请提供一种基于多源数据的数字土壤制图方法及系统,通过将待测区域进行划分以得到多个土壤区域,再分别确定每一土壤区域的样本点以及该样本点对应的样本数据从而使得获取到的样本数据更有代表性,提高了预测模型的预测精度,避免了现有技术中对样本点进行无规则的随机选取导致样本数据不具代表性而影响预测模型的预测精度的问题。
为了便于理解本发明,下面将给出了本发明的若干实施例。但是,本发明可以以许多不同的形式来实现,并不限于本文所描述的实施例。相反地,提供这些实施例的目的是使对本发明的公开内容更加透彻全面。
实施例一
请参阅图1,所示为本发明第一实施例中的基于多源数据的数字土壤制图方法,包括步骤S101- 步骤S107:
S101、获取待测区域的土地利用数据,土地利用数据包括土壤利用类型,土壤利用类型包括农用地和城镇用地。
作为一个具体示例,本申请以江西鄱阳湖小流域作为待测区域进行数字土壤制图对象,以根据采集到的样本数据实现数字土壤制图。进一步地,在本实施例中,将待测区域根据土壤利用类型进行划分,一方面,能够降低系统处理样本数据时的运算压力;另一方面,可以根据实际预测需求,侧重样本数据采集,例如,当系统需要对农用地或者需要重点对农用地进行土壤制图时,系统可以对样本数据进行差异化采集,即可以采集或者重点采集农用地的样本数据,以提高预测结果的准确性及差异性,而对无关类型的土壤利用类型,可以不采集或者少量采集,实现样本数据采集的精准化。
S102、获取卫星遥感影像栅格数据,结合土壤利用类型对待测区域进行区块划分以得到多个土壤区域,每一土壤利用类型至少包括一土壤区域,每一土壤区域至少包括一地块,识别所有土壤区域以根据识别结果获取每一土壤区域的二次特征,二次特征包括地形特征、以及同一土壤利用类型的土壤区域分布特征。
为了提高样本数据的准确性,在获取样本数据前,对待测区域进行区块划分以根据不同的土壤利用类型获得多个土壤区域,此过程目的在于对待测区域进行归类,以便后期采集样本数据时,能够先根据不同类别依次对土壤进行样本点进行分类选取,而后再对选取到的每一类别的样本点进行汇总,从而在对待测区域进行样本点选取时,能够充分考虑每一类型土壤区域,也即充分考虑每一土壤区域的真实情况,从而提高整个待测区域的样本数据准确性,以使得到的预测模型更有说服力和参考价值。
S103、根据同一土壤利用类型的土壤区域分布特征判断相同土壤利用类型的土壤区域是否相邻分布。
为了进一步获取每一类型土壤区域的分布特征,以根据分布特征选取样本点而提高样本数据的准确性,在本实施例中,先对每一类型的土壤区域进行识别以根据识别结果获得该类型的土壤区域分布特征,具体的,分布特征包括相邻分布、以及间隙分布,当同一类型的土壤区域相邻分布时,可将相邻分布的土壤区域纳入为一地块整体进行考虑以选取样本点;当同一类型的土壤区域间隙分布时,根据间隙值的大小进一步判断是否需要将每一土壤区域分开单独考虑。
作为一个具体示例,具体的,获取所有土壤区域,对每一利用类型土壤区域的空间分布进行统计以获得相同利用类型土壤区域空间分布结果,并识别相同利用类型土壤区域空间分布结果;根据识别结果判断相同利用类型土壤区域中的邻近两土壤区域的间隙值是否满足预设距离;若间隙值满足预设距离,则相同利用类型土壤区域中的邻近两土壤区域属于相邻分布;若间隙值不满足预设距离,则相同利用类型土壤区域中的邻近两土壤区域不属于相邻分布。在本实施例中,间隙值预设距离不大于1m,优选地,间隙值预设距离为1m。
为了提高获取到的样本数据的准确性,在选取样本点时,需要充分考虑土壤区域的地形特征,在土壤区域的实际分布情况中,受地形的限制,相同土壤利用类型的土壤区域并非一定分布在同一个地方,有可能分布在待测区域的多个地方,以农用地为例,受地形影响,同一土壤利用类型的土壤区域有可能被山丘、河流等外界因素隔开而无法相邻分布,为了提高对每一土壤利用类型获取的样本数据的准确性,需要先识别并判断同一土壤利用类型的土壤区域分布情况,以根据分布情况进行样本点获取,从而提高样本数据的准确性。
若相同土壤利用类型的土壤区域非相邻分布时,则执行步骤S104;
若相同土壤利用类型的土壤区域相邻分布时,则执行步骤S105;
S104、将每一土壤区域作为一土壤单元。
可理解的,当相同土壤利用类型的土壤区域存在非相邻分布的土壤区域时,将非相邻分布的土壤区域单独作为一土壤单元,以提高样本数据采集的合理性及精准性,从而提高预测模型的预测精度。作为一个具体示例,由于同一土壤利用类型的土壤区域非相邻设置,则在空间上存在间隙,即同一土壤利用类型的至少两土壤区域存在距离,为了准确获取每一土壤区域的样本数据,需要对每一土壤区域进行样本点定位以获得对应的样本数据。具体的,将每一土壤区域作为一土壤单元,再对每一土壤单元单独进行样本点获取,将每一土壤区域作为一个独立单元进行处理。可以理解的,为了提高样本数据的准确性,在本实施例中,将待测区域尽可能的划分为多个土壤区域,而后再根据每一土壤区域的特征进行样本数据获取,从而通过尽可能多的样本数据以提高训练得到的预测模型的准确性。
S105、将每一土壤利用类型的土壤区域构建为一地块整体,将地块整体作为一土壤单元。
当同一类型的所有土壤区域均相邻分布时,说明该土壤利用类型的所有土壤区域属于一大片一大片的分布在一起,为了提高计算效率以及避免资源浪费,当每一土壤利用类型的土壤区域相邻分布时,可将该土壤利用类型的所有土壤区域作为一地块整体进行考量以选取样本点。则可理解的,此种状态下,应至少满足两种要求,一方面为同一土壤利用类型的所有土壤区域的分布间隙符合地块整体的要求,例如每一土壤区域的间隙均在1m以内;另一方面为同一土壤区域内的所有地块的分布间隙符合地块整体的要求,例如同一土壤区域内的每一地块的间隙均在1m以内。
S106、结合地形特征获取每一土壤单元的样本点。
在本实施例中,请参见图2,步骤S106包括步骤S1061-步骤S1062:
S1061、根据地形特征获取土壤区域的边界信息,边界信息包括边界形状、以及相邻边界连接端点,根据边界形状获取每一连接端点的边界连接夹角。
具体的,获取土壤区域的边界形状;根据边界形状依次计算每一边界点的斜率以根据斜率获取边界拐点,拐点属于斜率正负变化时对应的临界点,拐点为相邻边界连接端点。
根据卫星遥感影像栅格数据,可以勾勒出每一土壤区域的边界轮廓,请参见图5,图5为一土壤区域的边界轮廓示意图,其中,弧AD与AB、BC、CD构成了该土壤区域的边界轮廓,通过筛选,AB、BC、CD、DE、EA构建出边界形状,进一步地,A、B、C、D、E为该土壤区域的连接端点,根据边界形状获取每一连接端点的边界连接夹角,例如图5中,AB与EA构建出边界连接夹角γ。进一步地,结合数学知识可得,若边界存在完整,则边界曲线中的边界点对应的斜率也将存在差别,具体的,斜率可以为正、负或零,当某一边界点对应的斜率为零时,可以理解的,与该边界点相邻的下一边界点的斜率和与该边界点相邻的上一边界点的斜率正负存在区别,即在斜率为零时,边界轮廓发生了弯折,故斜率为零时对应的边界点即为相邻边界连接端点。具体见图5中的E点,E点为该土壤区域的其中一边界上的边界点。
需要进一步说明的是,在本实施例中,获取土壤区域的边界形状的过程还包括对边界形状的预处理以获取完整的边界形状。具体的,预处理包括完善非闭合的边界形状以得到完整的边界形状。
S1062、筛选每一边界连接夹角以根据筛选结果获得土壤区域的多个外围区域以及中心区域,根据外围区域以及中心区域分别获取外围样本点以及中心样本点。
为了避免土壤区域中的边角区域影响整体的样本选取,降低样本数据的准确性,尤其是特殊情况下的边角区域,例如,狭长的边角,此类边角由于宽度小,纵深长,若不将其单独进行样本点选取,而是将一土壤区域进行一次整体考虑,则样本点的选取结果很容易因为需要照顾狭长边角而受其影响,导致样本点的选择偏离的土壤区域的整体中心,故为了提高样本点的选取准确性,需对土壤区域进行划分,以根据划分结果进行对应处理。
在本实施例中,具体的,将土壤区域分为位于边界的外围区域以及位于中心的中心区域,一方面能够避免狭长等特殊边角对样本选取的影响,另一方面还使得每一样本点获取到的样本数据更有说服力。
作为一个具体示例,为了进一步确定外围区域以及中心区域,请参阅图3,步骤S1062具体包括步骤S10621-步骤S10623:
S10621、根据连接端点判断边界连接夹角是否小于角度阈值以对每一连接端点进行筛选而获得边角端点及中心端点,边角端点为连接夹角小于角度阈值的端点,中心端点为连接夹角不小于角度阈值的端点。
在本实施例中,结合连接端点将土壤区域的边界进行二次梳理而得到直线段的土壤区域边界,再以连接端点为角度顶点、以及与该角度顶点相邻的两线段构建连接夹角并进行测量,当连接夹角小于角度阈值时,则抛弃该连接端点以优化得到该土壤区域的中心区域。具体的,角度阈值可以为锐角、直角或者钝角,在本实施例中,角度阈值为90°,即当连接夹角小于90°时,则抛弃该连接端点以优化该土壤区域的边界连接端点,再依次连接优化后剩余的连接端点以构建中心区域。如图5所示,通过筛选,∠EAB以及∠BCD的角度值均小于90°,根据上述规则,∠EAB以及∠BCD的角度顶点均为边界端点,∠ABC、∠BDE、∠DEA的角度顶点均为中心端点。
在本申请中,每一土壤区域的连接端点的数量不小于3以通过连接端点构建成外围区域以及中心区域;进一步地,当连接端点的数量不小于5时,通过连接夹角筛选连接端点以获得边角端点及中心端点。
需要进一步说明的是,为了避免由于连接夹角的筛选要求不明确而导致连接夹角的定位舍留出现分歧的情况,在本实施例中,边界连接夹角为朝向土壤区域内部的角度。
S10622、依次连接每一中心端点以将土壤区域划分为中心区域以及多个外围区域,中心区域为多个中心端点围成的内部区域,外围区域为土壤区域除中心区域外的剩余区域。
依次连接每一中心端点以得到一闭合图形,该闭合图形的边界内部定为中心区域、该闭合图形的边界外部定位为外围区域。如图5所示,∠EAB以及∠BCD的角度顶点均为边界端点,∠ABC、∠BDE、∠DEA的角度顶点均为中心端点,依次连接∠ABC、∠BDE、∠DEA的角度顶点,可构建出中心区域BDE,以及外围区域ABE及BCD。
S10623、分别获取外围区域中心以及中心区域中心以将外围区域中心对应的样本点作为外围样本点、以及中心区域中心对应的样本点作为中心样本点。
为了提升样本数据的精准度,避免因中心区域面积过大而在中心区域只取单个样本点时,获取的中心区域样本数据精度不够的情况,进一步地,在本实施例中,还需对中心区域面积进行识别并判断以根据判断结果确定是否需要对中心区域进行二次处理而获得多个合适的样本点,具体的,获取中心区域面积,并判断中心区域面积是否大于预设值;若中心区域面积大于预设值,则以中心区域中心为原点,分别连接中心区域的每一连接端点以将中心区域划分为若干子区域,再分别获取每一子区域的内接圆圆心,并以该内接圆圆心作为对应子区域的样本点;若中心区域面积不大于预设值,则直接获取中心区域中心并将其定为中心样本点以获取中心样本数据即可。同理,当外围区域过大时,亦可执行与中心区域同样的操作以获取外围区域的多个子区域进而获取每一外围区域的多个样本点。作为一个具体示例,关于中心区域面积是否需要划分多个子区域的面积预设值的确定方法,可结合外围区域进行定位,例如,当中心区域面积是所有外围区域的面积之和的5倍、6倍或者其他倍数时,需要将中心区域面积进行二次划分以得到多个子区域再选择每一子区域的样本点,在本实施例中,当中心区域面积是所有外围区域的面积之和的5倍时,需要对中心区域进行二次处理。
进一步地,为了应对样本点刚好落在两地块的拼接间隙,使得在拼接间隙确定样本点进行样本数据采集而使得采集到的样本数据准确性不高的情况,作为一个具体示例,请参阅图4,步骤S10623之前还包括步骤S21-步骤S24:
S21、根据地形特征判断中心区域或同一外围区域是否为一完整地块。
S22、若不属于一完整地块,则中心区域或同一外围区域包括至少两地块,结合地块的拼接关系判断样本点是否位于两地块的拼接间隙。
S23、若样本点位于两地块的拼接间隙,则将位于两地块拼接间隙的样本点定为临时样本点,并识别、筛选中心区域或同一外围区域内部所有地块的占有面积以根据筛选结果获得最大占有面积地块,并将该最大占有面积地块定为目标地块。
S24、获取目标地块的内接圆圆心,并连接临时样本点与内接圆圆心,取内接圆圆心与临时样本点的连线中点作为外围区域或中心区域的样本点。
在本实施例中,根据地形特征获取中心区域或同一外围区域中每一地块的地势差;判断地势差是否符合地势差阈值;若符合,则识别、筛选中心区域或同一外围区域内部所有地块的占有面积以根据筛选结果获得最大占有面积地块;若不符合,则每一地块均为目标地块,并执行获取目标地块的内接圆圆心的步骤。
S107、根据样本点获取每一样本点的样本数据以根据获取到的样本数据进行土壤制图。
在本申请的技术方案中,先对待测区域结合土壤利用类型进行划分以得到多种土壤利用类型,再对每一土壤利用类型对应的土壤区域进行样本点定位以将定位后的样本点作为样本数据获取点而获取样本数据,使得本申请的技术方案在样本数据的获取过程,充分考虑了每一土壤利用类型以及每一土壤区域,从而使得通过本申请的样本数据获取方法得到的样本数据进行土壤制图,得到的制图精度要高于现有技术的操作方案。
综上,本发明上述实施例当中的基于多源数据的数字土壤制图方法,通过将待测区域进行划分以得到多个土壤区域,再分别确定每一土壤区域的样本点以及该样本点对应的样本数据从而使得获取到的样本数据更有代表性,提高了预测模型的预测精度,避免了现有技术中对样本点进行无规则的随机选取导致样本数据不具代表性而影响预测模型的预测精度的问题;具体的,结合土壤利用类型对待测区域进行划分以得到多个土壤区域,每一土壤利用类型至少包括一土壤区域,再根据对每一土壤区域的识别结果获取土壤区域的二次特征以根据同一土壤利用类型的土壤区域分布特征判断相同土壤利用类型的土壤区域是否相邻分布,当相同土壤利用类型的土壤区域不为相邻分布时,将每一土壤区域作为一土壤单元,结合地形特征获取每一土壤单元的样本点,并根据样本点获取每一样本点的样本数据以根据获取到的样本数据进行土壤制图。
实施例二
请参阅图6,所示为本发明第二实施例中的基于多源数据的数字土壤制图系统,包括:
获取模块,用于获取待测区域的土地利用数据,所述土地利用数据包括土壤利用类型,所述土壤利用类型包括农用地和城镇用地;
识别模块,用于获取卫星遥感影像栅格数据,结合所述土壤利用类型对所述待测区域进行区块划分以得到多个土壤区域,每一土壤利用类型至少包括一土壤区域,每一土壤区域至少包括一地块,识别所有土壤区域以根据识别结果获取每一土壤区域的二次特征,所述二次特征包括地形特征、以及同一土壤利用类型的土壤区域分布特征;
判断模块,用于根据同一土壤利用类型的土壤区域分布特征判断相同土壤利用类型的土壤区域是否相邻分布;
第一执行模块,用于当相同土壤利用类型的土壤区域不相邻分布时,将每一土壤区域作为一土壤单元,结合地形特征获取每一土壤单元的样本点,并根据样本点获取每一样本点的样本数据以根据获取到的样本数据进行土壤制图。
综上,本发明上述实施例当中的基于多源数据的数字土壤制图系统,通过将待测区域进行划分以得到多个土壤区域,再分别确定每一土壤区域的样本点以及该样本点对应的样本数据从而使得获取到的样本数据更有代表性,提高了预测模型的预测精度,避免了现有技术中对样本点进行无规则的随机选取导致样本数据不具代表性而影响预测模型的预测精度的问题;具体的,结合土壤利用类型对待测区域进行划分以得到多个土壤区域,每一土壤利用类型至少包括一土壤区域,再根据对每一土壤区域的识别结果获取土壤区域的二次特征以根据同一土壤利用类型的土壤区域分布特征判断相同土壤利用类型的土壤区域是否相邻分布,当相同土壤利用类型的土壤区域不为相邻分布时,将每一土壤区域作为一土壤单元,结合地形特征获取每一土壤单元的样本点,并根据样本点获取每一样本点的样本数据以根据获取到的样本数据进行土壤制图。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (6)
1.一种基于多源数据的数字土壤制图方法,其特征在于,包括:
获取待测区域的土地利用数据,所述土地利用数据包括土壤利用类型,所述土壤利用类型包括农用地和城镇用地;
获取卫星遥感影像栅格数据,结合所述土壤利用类型对所述待测区域进行区块划分以得到多个土壤区域,每一土壤利用类型至少包括一土壤区域,每一土壤区域至少包括一地块,识别所有土壤区域以根据识别结果获取每一土壤区域的二次特征,所述二次特征包括地形特征、以及同一土壤利用类型的土壤区域分布特征;
根据同一土壤利用类型的土壤区域分布特征判断相同土壤利用类型的土壤区域是否相邻分布;
若否,则将每一土壤区域作为一土壤单元,结合地形特征获取每一土壤单元的样本点,并根据样本点获取每一样本点的样本数据以根据获取到的样本数据进行土壤制图;
其中,结合地形特征获取每一土壤单元的样本点的步骤包括:
根据地形特征获取土壤区域的边界信息,所述边界信息包括边界形状、以及相邻边界连接端点,根据所述边界形状获取每一连接端点的边界连接夹角;
筛选每一边界连接夹角以根据筛选结果获得土壤区域的多个外围区域以及中心区域,根据外围区域以及中心区域分别获取外围样本点以及中心样本点;
其中,筛选每一边界连接夹角以根据筛选结果获得土壤区域的多个外围区域以及中心区域,根据外围区域以及中心区域分别获取外围样本点以及中心样本点的步骤包括:
根据连接端点判断边界连接夹角是否小于角度阈值以对每一连接端点进行筛选而获得边角端点及中心端点,所述边界连接夹角为朝向土壤区域内部的角度,所述边角端点为连接夹角小于角度阈值的端点,所述中心端点为连接夹角不小于角度阈值的端点;
依次连接每一中心端点以将土壤区域划分为中心区域以及多个外围区域,所述中心区域为多个中心端点围成的内部区域,所述外围区域为土壤区域除中心区域外的剩余区域;
分别获取外围区域中心以及中心区域中心以将所述外围区域中心对应的样本点作为外围样本点、以及所述中心区域中心对应的样本点作为中心样本点;
其中,分别获取外围区域中心以及中心区域中心以将所述外围区域中心对应的样本点作为外围样本点、以及所述中心区域中心对应的样本点作为中心样本点的步骤之前包括:
根据地形特征判断中心区域或同一外围区域是否为一完整地块;
若否,则中心区域或同一外围区域包括至少两地块,结合地块的拼接关系判断样本点是否位于两地块的拼接间隙;
若样本点位于两地块的拼接间隙,则将位于两地块拼接间隙的样本点定为临时样本点,并识别、筛选中心区域或同一外围区域内部所有地块的占有面积以根据筛选结果获得最大占有面积地块,并将该最大占有面积地块定为目标地块;
获取目标地块的内接圆圆心,并连接所述临时样本点与内接圆圆心,取内接圆圆心与临时样本点的连线中点作为外围区域或中心区域的样本点;
其中,若样本点位于两地块的拼接间隙,则将位于两地块拼接间隙的样本点定为临时样本点,并识别、筛选中心区域或同一外围区域内部所有地块的占有面积以根据筛选结果获得最大占有面积地块的步骤包括:
根据地形特征获取中心区域或同一外围区域中每一地块的地势差;
判断所述地势差是否符合地势差阈值;
若符合,则识别、筛选中心区域或同一外围区域内部所有地块的占有面积以根据筛选结果获得最大占有面积地块;
若不符合,则每一地块均为目标地块,并执行获取目标地块的内接圆圆心的步骤。
2.根据权利要求1所述的基于多源数据的数字土壤制图方法,其特征在于,根据地形特征获取土壤区域的边界信息,所述边界信息包括边界形状、以及相邻边界连接端点,根据所述边界形状获取每一连接端点的边界连接夹角的步骤包括:
获取土壤区域的边界形状;
根据所述边界形状依次计算每一边界点的斜率以根据斜率获取边界拐点,所述拐点属于斜率正负变化时对应的临界点,所述拐点为相邻边界连接端点。
3.根据权利要求1所述的基于多源数据的数字土壤制图方法,其特征在于,根据同一土壤利用类型的土壤区域分布特征判断相同土壤利用类型的土壤区域是否相邻分布的步骤包括:
获取所有土壤区域,对每一利用类型土壤区域的空间分布进行统计以获得相同利用类型土壤区域空间分布结果,并识别所述相同利用类型土壤区域空间分布结果;
根据识别结果判断相同利用类型土壤区域中的邻近两土壤区域的间隙值是否满足预设距离;
若间隙值满足预设距离,则相同利用类型土壤区域中的邻近两土壤区域属于相邻分布;
若间隙值不满足预设距离,则相同利用类型土壤区域中的邻近两土壤区域不属于相邻分布。
4.根据权利要求1所述的基于多源数据的数字土壤制图方法,其特征在于,分别获取外围区域中心以及中心区域中心以将所述外围区域中心对应的样本点作为外围样本点、以及所述中心区域中心对应的样本点作为中心样本点的步骤包括:
获取中心区域面积,并判断中心区域面积是否大于预设值;
若是,则以中心区域中心为原点,分别连接中心区域的每一连接端点以将所述中心区域划分为若干子区域;
分别获取每一子区域的内接圆圆心,并以该内接圆圆心作为对应子区域的样本点。
5.根据权利要求1所述的基于多源数据的数字土壤制图方法,其特征在于,根据同一土壤利用类型的土壤区域分布特征判断相同土壤利用类型的土壤区域是否相邻分布的步骤之后还包括:
若是,则将每一土壤利用类型的土壤区域构建为一地块整体,将所述地块整体作为一土壤单元,并执行结合地形特征获取每一土壤单元的样本点的步骤。
6.一种基于多源数据的数字土壤制图系统,其特征在于,包括:
获取模块,用于获取待测区域的土地利用数据,所述土地利用数据包括土壤利用类型,所述土壤利用类型包括农用地和城镇用地;
识别模块,用于获取卫星遥感影像栅格数据,结合所述土壤利用类型对所述待测区域进行区块划分以得到多个土壤区域,每一土壤利用类型至少包括一土壤区域,每一土壤区域至少包括一地块,识别所有土壤区域以根据识别结果获取每一土壤区域的二次特征,所述二次特征包括地形特征、以及同一土壤利用类型的土壤区域分布特征;
判断模块,用于根据同一土壤利用类型的土壤区域分布特征判断相同土壤利用类型的土壤区域是否相邻分布;
第一执行模块,用于当相同土壤利用类型的土壤区域不相邻分布时,将每一土壤区域作为一土壤单元,结合地形特征获取每一土壤单元的样本点,并根据样本点获取每一样本点的样本数据以根据获取到的样本数据进行土壤制图;
其中,结合地形特征获取每一土壤单元的样本点的步骤包括:
根据地形特征获取土壤区域的边界信息,所述边界信息包括边界形状、以及相邻边界连接端点,根据所述边界形状获取每一连接端点的边界连接夹角;
筛选每一边界连接夹角以根据筛选结果获得土壤区域的多个外围区域以及中心区域,根据外围区域以及中心区域分别获取外围样本点以及中心样本点;
其中,筛选每一边界连接夹角以根据筛选结果获得土壤区域的多个外围区域以及中心区域,根据外围区域以及中心区域分别获取外围样本点以及中心样本点的步骤包括:
根据连接端点判断边界连接夹角是否小于角度阈值以对每一连接端点进行筛选而获得边角端点及中心端点,所述边界连接夹角为朝向土壤区域内部的角度,所述边角端点为连接夹角小于角度阈值的端点,所述中心端点为连接夹角不小于角度阈值的端点;
依次连接每一中心端点以将土壤区域划分为中心区域以及多个外围区域,所述中心区域为多个中心端点围成的内部区域,所述外围区域为土壤区域除中心区域外的剩余区域;
分别获取外围区域中心以及中心区域中心以将所述外围区域中心对应的样本点作为外围样本点、以及所述中心区域中心对应的样本点作为中心样本点;
其中,分别获取外围区域中心以及中心区域中心以将所述外围区域中心对应的样本点作为外围样本点、以及所述中心区域中心对应的样本点作为中心样本点的步骤之前包括:
根据地形特征判断中心区域或同一外围区域是否为一完整地块;
若否,则中心区域或同一外围区域包括至少两地块,结合地块的拼接关系判断样本点是否位于两地块的拼接间隙;
若样本点位于两地块的拼接间隙,则将位于两地块拼接间隙的样本点定为临时样本点,并识别、筛选中心区域或同一外围区域内部所有地块的占有面积以根据筛选结果获得最大占有面积地块,并将该最大占有面积地块定为目标地块;
获取目标地块的内接圆圆心,并连接所述临时样本点与内接圆圆心,取内接圆圆心与临时样本点的连线中点作为外围区域或中心区域的样本点;
其中,若样本点位于两地块的拼接间隙,则将位于两地块拼接间隙的样本点定为临时样本点,并识别、筛选中心区域或同一外围区域内部所有地块的占有面积以根据筛选结果获得最大占有面积地块的步骤包括:
根据地形特征获取中心区域或同一外围区域中每一地块的地势差;
判断所述地势差是否符合地势差阈值;
若符合,则识别、筛选中心区域或同一外围区域内部所有地块的占有面积以根据筛选结果获得最大占有面积地块;
若不符合,则每一地块均为目标地块,并执行获取目标地块的内接圆圆心的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310493385.9A CN116206011B (zh) | 2023-05-05 | 2023-05-05 | 基于多源数据的数字土壤制图方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310493385.9A CN116206011B (zh) | 2023-05-05 | 2023-05-05 | 基于多源数据的数字土壤制图方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116206011A CN116206011A (zh) | 2023-06-02 |
CN116206011B true CN116206011B (zh) | 2023-07-25 |
Family
ID=86511511
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310493385.9A Active CN116206011B (zh) | 2023-05-05 | 2023-05-05 | 基于多源数据的数字土壤制图方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116206011B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117969159A (zh) * | 2024-03-01 | 2024-05-03 | 浙江求实环境监测有限公司 | 一种基于人工智能的土壤污染检测预警系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115097097A (zh) * | 2022-05-16 | 2022-09-23 | 生态环境部南京环境科学研究所 | 一种用于土壤重金属背景值调查的布点采样方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3868852B2 (ja) * | 2002-06-04 | 2007-01-17 | 独立行政法人科学技術振興機構 | 土壌構成分布の分析方法 |
CN102903132A (zh) * | 2012-09-13 | 2013-01-30 | 新疆农业大学 | 一种盐渍化土壤的数字制图方法 |
US9401030B2 (en) * | 2014-04-25 | 2016-07-26 | Tazco Soil Service Co. | Image processing system for soil characterization |
CN106709212B (zh) * | 2017-02-08 | 2020-10-16 | 广东省林业科学研究院 | 一种快速识别土壤有机碳关键输出区的多参数评价方法 |
CN110596008B (zh) * | 2019-09-06 | 2020-10-23 | 中国科学院空天信息创新研究院 | 基于地块的中国洪积平原农业区土壤养分数字制图方法 |
JP7310735B2 (ja) * | 2020-07-01 | 2023-07-19 | トヨタ自動車株式会社 | 多性能最適化設計装置、及び多性能最適化設計方法 |
US11676375B2 (en) * | 2020-08-31 | 2023-06-13 | Board Of Trustees Of The University Of Arkansas | System and process for integrative computational soil mapping |
CN112785450B (zh) * | 2020-12-30 | 2021-12-07 | 北京农业信息技术研究中心 | 一种土壤环境质量分区方法及系统 |
-
2023
- 2023-05-05 CN CN202310493385.9A patent/CN116206011B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115097097A (zh) * | 2022-05-16 | 2022-09-23 | 生态环境部南京环境科学研究所 | 一种用于土壤重金属背景值调查的布点采样方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116206011A (zh) | 2023-06-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Dou et al. | Assessment of advanced random forest and decision tree algorithms for modeling rainfall-induced landslide susceptibility in the Izu-Oshima Volcanic Island, Japan | |
Mulder et al. | GlobalSoilMap France: High-resolution spatial modelling the soils of France up to two meter depth | |
Taubenböck et al. | Measuring morphological polycentricity-A comparative analysis of urban mass concentrations using remote sensing data | |
CN110135351B (zh) | 基于城市建筑空间数据的建成区边界识别方法及设备 | |
Jat et al. | Monitoring and modelling of urban sprawl using remote sensing and GIS techniques | |
Van de Voorde et al. | Mapping form and function in urban areas: An approach based on urban metrics and continuous impervious surface data | |
Pugliese et al. | Regional flow duration curves: Geostatistical techniques versus multivariate regression | |
CN108288059B (zh) | 一种基于高分辨率遥感技术的建筑垃圾监测方法 | |
CN116206011B (zh) | 基于多源数据的数字土壤制图方法及系统 | |
CN113487123B (zh) | 高光谱监测与gis耦合山洪灾害动态风险评估方法 | |
CN111028255A (zh) | 基于先验信息与深度学习的农田区域预筛选方法及装置 | |
Sun et al. | Calibrating a hydrological model in a regional river of the Qinghai–Tibet plateau using river water width determined from high spatial resolution satellite images | |
Abascal et al. | Identifying degrees of deprivation from space using deep learning and morphological spatial analysis of deprived urban areas | |
CN110134907B (zh) | 一种降雨缺失数据填补方法、系统及电子设备 | |
CN102184423B (zh) | 一种全自动的区域不透水面遥感信息精确提取方法 | |
CN102521624A (zh) | 一种土地利用类型分类的方法和系统 | |
Miller et al. | Mapping long-term temporal change in imperviousness using topographic maps | |
Sémécurbe et al. | Applying two fractal methods to characterise the local and global deviations from scale invariance of built patterns throughout mainland France | |
Vanderhaegen et al. | High resolution modelling and forecasting of soil sealing density at the regional scale | |
CN113516060B (zh) | 基于多时相高分辨率数据的建筑空间融合判别方法及装置 | |
Ayana et al. | Land use change analysis using remote sensing and Markov modeling in Fincha watershed, Ethiopia | |
CN117593657A (zh) | 一种精细化气象预报数据处理方法、系统及可读存储介质 | |
CN109344496B (zh) | 一种基于网格模型的复杂电磁环境建模方法 | |
KR20050063615A (ko) | 지리 정보 시스템에서의 지면 거칠기 지도 제공 방법 | |
CN115511899A (zh) | 浅层小型滑坡形态结构的提取方法及装置 |
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 |