CN116403112B - 农村黑臭水体排查范围划定方法和装置 - Google Patents

农村黑臭水体排查范围划定方法和装置 Download PDF

Info

Publication number
CN116403112B
CN116403112B CN202310379057.6A CN202310379057A CN116403112B CN 116403112 B CN116403112 B CN 116403112B CN 202310379057 A CN202310379057 A CN 202310379057A CN 116403112 B CN116403112 B CN 116403112B
Authority
CN
China
Prior art keywords
area
residential
data
grids
rural
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
Application number
CN202310379057.6A
Other languages
English (en)
Other versions
CN116403112A (zh
Inventor
殷守敬
周亚明
孟斌
王楠
王玉
赵焕
邵圆圆
王庆涛
王航
陈华杰
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.)
Satellite Application Center for Ecology and Environment of MEE
Original Assignee
Satellite Application Center for Ecology and Environment of MEE
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 Satellite Application Center for Ecology and Environment of MEE filed Critical Satellite Application Center for Ecology and Environment of MEE
Priority to CN202310379057.6A priority Critical patent/CN116403112B/zh
Publication of CN116403112A publication Critical patent/CN116403112A/zh
Application granted granted Critical
Publication of CN116403112B publication Critical patent/CN116403112B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/176—Urban or other man-made structures
    • 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
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Databases & Information Systems (AREA)
  • Economics (AREA)
  • Primary Health Care (AREA)
  • Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Educational Administration (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Multimedia (AREA)
  • Remote Sensing (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种农村黑臭水体排查范围划定方法和装置，属于遥感技术领域。本发明首先基于国家基础地理信息数据和土地利用分类数据，获取居民点初始筛选区域，并基于遥感影像数据提取得到居民点斑块。对居民点初始筛选区域进行网格划分，先根据网格内居民点斑块的面积占网格面积的百分比对网格进行初步筛选，然后根据网格及其周围八个网格的居民点斑块的占比信息对网格进行二次筛选。合并保留的所有网格并进行缓冲，得到农村黑臭排查范围。本发明基于遥感影像数据、土地利用类型数据和国家基础地理信息数据等，确定了农村黑臭水体的排查范围，可以实现农村黑臭水体排查范围的快速、准确划定，为农村生态环境管理提供技术支撑。

Description

农村黑臭水体排查范围划定方法和装置
技术领域
本发明涉及遥感技术领域，特别是指一种农村黑臭水体排查范围划定方法和装置。
背景技术
农村黑臭水体是指各县(市、区)行政村(社区等)范围内颜色明显异常或散发浓烈(难闻)气味的水体。近年来，国家对农村黑臭水体排查、整治工作提出了系列要求。2019年，生态环境部将农村黑臭水体识别范围确定为行政村内村民主要聚集区适当向外延伸，南方为200m-500m，北方为500m-1000m区域。但是，实际工作中，对于村民聚集区的定义并不明确，导致划定的农村黑臭水体排查范围并不明确，对于排查工作造成了困扰。
发明内容
为解决上述技术问题，本发明提供一种农村黑臭水体排查范围划定方法和装置，实现了农村黑臭水体排查范围的快速、准确划定，为农村生态环境管理提供技术支撑。
本发明提供技术方案如下：
一种农村黑臭水体排查范围划定方法，所述方法包括：
S100：获取待研究区的遥感影像数据、土地利用分类数据和国家基础地理信息数据；
S200：基于所述国家基础地理信息数据和土地利用分类数据，获取居民点初始筛选区域Fcs；
S300：在所述居民点初始筛选区域Fcs内，基于所述遥感影像数据提取得到居民点斑块；
S400：将所述居民点初始筛选区域Fcs分割为若干个大小为L*L的网格A(i,j)；
其中，A(i,j)表示横向第i个且纵向第j个网格；
S500：统计每个网格A(i,j)内居民点斑块的面积a(i,j)占网格面积S的百分比RA(i,j)；
其中，RA(i,j)＝a(i,j)/S；
S600：当RA(i,j)≤Rmin时，剔除对应的网格A(i,j)；当RA(i,j)≥RAmax时，保留对应的网格A(i,j)；当Rmin＜RA(i,j)＜RAmax时，执行S700；
其中，Rmin和RAmax为设定的阈值；
S700：分别以网格A(i,j)的四个顶点为圆心，以半径为L生成4个圆形C(i,j)-1、C(i,j)-2、C(i,j)-3和C(i,j)-4；分别计算每个圆形内的居民点斑块的面积c(i,j)_1、c(i,j)_2、c(i,j)_3和c(i,j)_4；并计算每个圆形内的居民点斑块的面积占圆形面积的比例RC(i,j)_1、RC(i,j)_2、RC(i,j)_3和RC(i,j)_4；
c(i,j)_t＝c(i-1,j+1)_t+c(i,j+1)_t+c(i,j)_t+c(i-1,j)_t
t＝1,2,3,4，n为c(i-1,j+1)_t、c(i,j+1)_t、c(i,j)_t和c(i-1,j)_t不为零的个数；
S800：当RC(i,j)_1、RC(i,j)_2、RC(i,j)_3和RC(i,j)_4均小于RCmax时，剔除对应的网格A(i,j)，否则，保留对应的网格A(i,j)；
其中，RCmax为设定的阈值；
S900：合并保留的所有网格A(i,j)，得到居民点聚集区域A，对所述居民点聚集区域A内的居民点斑块缓冲一定距离D得到农村黑臭排查范围Fsc。
进一步的，所述S200包括：
S210：基于所述国家基础地理信息数据中的行政区划数据，排除城镇区域，确定农村区域范围Fnc；
S220：基于所述土地利用分类数据，根据居民点所属土地利用类型获取居民点数据Fjm，并基于居民点数据Fjm做缓冲区Fhc；
S230：通过交集并集计算得到初始筛选区域Fcs＝Fnc∩(Fjm∪Fhc)。
进一步的，所述遥感影像数据为高空间分辨率遥感影像，所述高空间分辨率遥感影像的空间分辨率优于2米。
进一步的，Rmin＝0。
进一步的，北方区域缓冲距离D为500-1000米，南方区域缓冲距离D为200-500米。
一种农村黑臭水体排查范围划定装置，所述装置包括：
数据准备模块，用于获取待研究区的遥感影像数据、土地利用分类数据和国家基础地理信息数据；
初始筛选区域确定模块，用于基于所述国家基础地理信息数据和土地利用分类数据，获取居民点初始筛选区域Fcs；
居民点斑块提取模块，用于在所述居民点初始筛选区域Fcs内，基于所述遥感影像数据提取得到居民点斑块；
网格划分模块，用于将所述居民点初始筛选区域Fcs分割为若干个大小为L*L的网格A(i,j)；
其中，A(i,j)表示横向第i个且纵向第j个网格；
第一计算模块，用于统计每个网格A(i,j)内居民点斑块的面积a(i,j)占网格面积S的百分比RA(i,j)；
其中，RA(i,j)＝a(i,j)/S；
网格初筛模块，用于当RA(i,j)≤Rmin时，剔除对应的网格A(i,j)；当RA(i,j)≥RAmax时，保留对应的网格A(i,j)；当Rmin＜RA(i,j)＜RAmax时，执行第二计算模块；
其中，Rmin和RAmax为设定的阈值；
第二计算模块，用于分别以网格A(i,j)的四个顶点为圆心，以半径为L生成4个圆形C(i,j)-1、C(i,j)-2、C(i,j)-3和C(i,j)-4；分别计算每个圆形内的居民点斑块的面积c(i,j)_1、c(i,j)_2、c(i,j)_3和c(i,j)_4；并计算每个圆形内的居民点斑块的面积占圆形面积的比例RC(i,j)_1、RC(i,j)_2、RC(i,j)_3和RC(i,j)_4；
c(i,j)_t＝c(i-1,j+1)_t+c(i,j+1)_t+c(i,j)_t+c(i-1,j)_t
t＝1,2,3,4，n为c(i-1,j+1)_t、c(i,j+1)_t、c(i,j)_t和c(i-1,j)_t不为零的个数；
二次筛查模块，用于当RC(i,j)_1、RC(i,j)_2、RC(i,j)_3和RC(i,j)_4均小于RCmax时，剔除对应的网格A(i,j)，否则，保留对应的网格A(i,j)；
其中，RCmax为设定的阈值；
排查范围确定模块，用于合并保留的所有网格A(i,j)，得到居民点聚集区域A，对所述居民点聚集区域A内的居民点斑块缓冲一定距离D得到农村黑臭排查范围Fsc。
进一步的，所述初始筛选区域确定模块用于：
基于所述国家基础地理信息数据中的行政区划数据，排除城镇区域，确定农村区域范围Fnc；基于所述土地利用分类数据，根据居民点所属土地利用类型获取居民点数据Fjm，并基于居民点数据Fjm做缓冲区Fhc；通过交集并集计算得到初始筛选区域Fcs＝Fnc∩(Fjm∪Fhc)。
进一步的，所述遥感影像数据为高空间分辨率遥感影像，所述高空间分辨率遥感影像的空间分辨率优于2米。
进一步的，Rmin＝0。
进一步的，北方区域缓冲距离D为500-1000米，南方区域缓冲距离D为200-500米。
本发明具有以下有益效果：
本发明首先基于国家基础地理信息数据和土地利用分类数据，获取居民点初始筛选区域，并基于遥感影像数据提取得到居民点斑块。对居民点初始筛选区域进行网格划分，先根据网格内居民点斑块的面积占网格面积的百分比对网格进行初步筛选，然后根据网格及其周围八个网格的居民点斑块的占比信息对网格进行二次筛选。合并保留的所有网格并进行缓冲，得到农村黑臭排查范围。本发明基于遥感影像数据、土地利用类型数据和国家基础地理信息数据等，确定了农村黑臭水体的排查范围，可以实现农村黑臭水体排查范围的快速、准确划定，为农村生态环境管理提供技术支撑。
附图说明
图1为本发明的农村黑臭水体排查范围划定方法的流程图；
图2为网格划分以及A(i,j)四个顶点的圆形示意图；
图3为本发明的农村黑臭水体排查范围划定装置的示意图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。
本发明实施例提供一种农村黑臭水体排查范围划定方法，如图1所示，所述方法包括：
S100：获取待研究区的遥感影像数据、土地利用分类数据和国家基础地理信息数据。
其中的遥感影像数据为高空间分辨率遥感影像，高空间分辨率遥感影像的空间分辨率优于2米。土地利用分类数据可以是中低分辨率土地利用分类数据。
S200：基于国家基础地理信息数据和土地利用分类数据，获取居民点初始筛选区域Fcs。
本步骤用于确定居民点初始筛选区域Fcs，其一个实现示例如下：
S210：基于国家基础地理信息数据中的行政区划数据，排除城镇区域，确定农村区域范围Fnc。
S220：基于土地利用分类数据，根据居民点所属土地利用类型获取居民点数据Fjm，并基于居民点数据Fjm做缓冲区Fhc。
S230：通过交集并集计算得到初始筛选区域Fcs＝Fnc∩(Fjm∪Fhc)。
S300：在居民点初始筛选区域Fcs内，基于遥感影像数据提取得到居民点斑块。
示例性的，可以在居民点初始筛选区域Fcs内，基于遥感影像光谱指数阈值法，提取居民点斑块数据。
S400：将居民点初始筛选区域Fcs分割为若干个大小为L*L的网格A(i,j)。
其中，A(i,j)表示横向第i个且纵向第j个网格，例如，可以以左下角为原点，i代表网格的横向数量坐标，j代表网格的纵向数量坐标，则格网可表述为A(i,j)。网边长L可以根据实际情况或者排查结果进行调整，例如可以取L＝500m。
S500：统计每个网格A(i,j)内居民点斑块的面积a(i,j)占网格面积S的百分比RA(i,j)。
其中，RA(i,j)＝a(i,j)/S，当居民点初始筛选区域Fcs填满网格A(i,j)时，该网格A(i,j)的面积为L*L，当居民点初始筛选区域Fcs未填满网格A(i,j)时，该网格A(i,j)的面积按照网格内的居民点初始筛选区域的实际面积计算。
S600：当RA(i,j)≤Rmin时，剔除对应的网格A(i,j)；当RA(i,j)≥RAmax时，保留对应的网格A(i,j)；当Rmin＜RA(i,j)＜RAmax时，执行S700；
其中，Rmin和RAmax为设定的阈值，Rmin表示最小百分比，RAmax表示最大百分比，示例性的，Rmin＝0，RAmax可以根据实际情况或者排查结果进行调整。
本步骤用处进行初步筛查，将RA(i,j)≤Rmin的网格剔除，RA(i,j)≥RAmax的网格保留，在两者之间的网格通过后续步骤进行二次筛查。
S700：分别以网格A(i,j)的四个顶点为圆心，以半径为L生成4个圆形C(i,j)-1、C(i,j)-2、C(i,j)-3和C(i,j)-4。
本步骤用于进行二次筛查，筛查时，结合应正方形网格A(i,j)相邻的8个正方形网格(包括A(i-1,j+1)，A(i,j+1),A(i+1,j+1),A(i-1,j),A(i+1,j),A(i-1,j-1),A(i,j-1),A(i+1,j-1)，其中i≥1，j≥1)中居民点斑块的情况进行判断，更准确的进行筛查。A(i,j)的四个顶点的圆形如图2所示，每个圆形与包括A(i,j)在内的4个格网相交。
然后分别计算每个圆形内的居民点斑块的面积c(i,j)_1、c(i,j)_2、c(i,j)_3和c(i,j)_4；并通过如下公式计算每个圆形内的居民点斑块的面积占圆形面积的比例RC(i,j)_1、RC(i,j)_2、RC(i,j)_3和RC(i,j)_4。
c(i,j)_t＝c(i-1,j+1)_t+c(i,j+1)_t+c(i,j)_t+c(i-1,j)_t
t＝1,2,3,4，n为c(i-1,j+1)_t、c(i,j+1)_t、c(i,j)_t和c(i-1,j)_t不为零的个数。
S800：当RC(i,j)_1、RC(i,j)_2、RC(i,j)_3和RC(i,j)_4均小于RCmax时，剔除对应的网格A(i,j)，否则，保留对应的网格A(i,j)。
其中，RCmax为为设定的阈值，其可以根据实际情况或者排查结果进行调整。
S900：合并保留的所有网格A(i,j)，得到居民点聚集区域A，对居民点聚集区域A内的居民点斑块缓冲一定距离D得到农村黑臭排查范围Fsc。示例性的，北方缓冲500-1000米，南方区域缓冲200-500米。
本发明首先基于国家基础地理信息数据和土地利用分类数据，获取居民点初始筛选区域，并基于遥感影像数据提取得到居民点斑块。对居民点初始筛选区域进行网格划分，先根据网格内居民点斑块的面积占网格面积的百分比对网格进行初步筛选，然后根据网格及其周围八个网格的居民点斑块的占比信息对网格进行二次筛选。合并保留的所有网格并进行缓冲，得到农村黑臭排查范围。本发明基于遥感影像数据、土地利用类型数据和国家基础地理信息数据等，确定了农村黑臭水体的排查范围，可以实现农村黑臭水体排查范围的快速、准确划定，为农村生态环境管理提供技术支撑。
本发明实施例还提供一种农村黑臭水体排查范围划定装置，如图3所示，所述装置包括：
数据准备模块1，用于获取待研究区的遥感影像数据、土地利用分类数据和国家基础地理信息数据。
遥感影像数据为高空间分辨率遥感影像，高空间分辨率遥感影像的空间分辨率优于2米。
初始筛选区域确定模块2，用于基于国家基础地理信息数据和土地利用分类数据，获取居民点初始筛选区域Fcs。
具体的过程包括：基于国家基础地理信息数据中的行政区划数据，排除城镇区域，确定农村区域范围Fnc；基于土地利用分类数据，根据居民点所属土地利用类型获取居民点数据Fjm，并基于居民点数据Fjm做缓冲区Fhc；通过交集并集计算得到初始筛选区域Fcs＝Fnc∩(Fjm∪Fhc)。
居民点斑块提取模块3，用于在居民点初始筛选区域Fcs内，基于遥感影像数据提取得到居民点斑块。
网格划分模块4，用于将居民点初始筛选区域Fcs分割为若干个大小为L*L的网格A(i,j)。
其中，A(i,j)表示横向第i个且纵向第j个网格。
第一计算模块5，用于统计每个网格A(i,j)内居民点斑块的面积a(i,j)占网格面积S的百分比RA(i,j)。
其中，RA(i,j)＝a(i,j)/S。
网格初筛模块6，用于当RA(i,j)≤Rmin时，剔除对应的网格A(i,j)；当RA(i,j)≥RAmax时，保留对应的网格A(i,j)；当Rmin＜RA(i,j)＜RAmax时，执行第二计算模块7。
其中，Rmin和RAmax为设定的阈值，例如Rmin＝0。
第二计算模块7，用于分别以网格A(i,j)的四个顶点为圆心，以半径为L生成4个圆形C(i,j)-1、C(i,j)-2、C(i,j)-3和C(i,j)-4；分别计算每个圆形内的居民点斑块的面积c(i,j)_1、c(i,j)_2、c(i,j)_3和c(i,j)_4；并计算每个圆形内的居民点斑块的面积占圆形面积的比例RC(i,j)_1、RC(i,j)_2、RC(i,j)_3和RC(i,j)_4。
c(i,j)_t＝c(i-1,j+1)_t+c(i,j+1)_t+c(i,j)_t+c(i-1,j)_t
t＝1,2,3,4，n为c(i-1,j+1)_t、c(i,j+1)_t、c(i,j)_t和c(i-1,j)_t不为零的个数。
二次筛查模块8，用于当RC(i,j)_1、RC(i,j)_2、RC(i,j)_3和RC(i,j)_4均小于RCmax时，剔除对应的网格A(i,j)，否则，保留对应的网格A(i,j)。
其中，RCmax为设定的阈值。
排查范围确定模块9，用于合并保留的所有网格A(i,j)，得到居民点聚集区域A，对居民点聚集区域A内的居民点斑块缓冲一定距离D得到农村黑臭排查范围Fsc。例如，北方区域缓冲距离D为500-1000米，南方区域缓冲距离D为200-500米。
本发明首先基于国家基础地理信息数据和土地利用分类数据，获取居民点初始筛选区域，并基于遥感影像数据提取得到居民点斑块。对居民点初始筛选区域进行网格划分，先根据网格内居民点斑块的面积占网格面积的百分比对网格进行初步筛选，然后根据网格及其周围八个网格的居民点斑块的占比信息对网格进行二次筛选。合并保留的所有网格并进行缓冲，得到农村黑臭排查范围。本发明基于遥感影像数据、土地利用类型数据和国家基础地理信息数据等，确定了农村黑臭水体的排查范围，可以实现农村黑臭水体排查范围的快速、准确划定，为农村生态环境管理提供技术支撑。
本发明实施例所提供的装置，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，前述描述的装置和单元的具体工作过程，均可以参考上述方法实施例中的对应过程，在此不再赘述。
最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，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：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。都应涵盖在本发明的保护范围之内。

Claims (10)

1.一种农村黑臭水体排查范围划定方法，其特征在于，所述方法包括：
S100：获取待研究区的遥感影像数据、土地利用分类数据和国家基础地理信息数据；
S200：基于所述国家基础地理信息数据和土地利用分类数据，获取居民点初始筛选区域Fcs；
S300：在所述居民点初始筛选区域Fcs内，基于所述遥感影像数据提取得到居民点斑块；
S400：将所述居民点初始筛选区域Fcs分割为若干个大小为L*L的网格A(i,j)；
其中，A(i,j)表示横向第i个且纵向第j个网格；
S500：统计每个网格A(i,j)内居民点斑块的面积a(i,j)占网格面积S的百分比RA(i,j)；
其中，RA(i,j)＝a(i,j)/S；
S600：当RA(i,j)≤Rmin时，剔除对应的网格A(i,j)；当RA(i,j)≥RAmax时，保留对应的网格A(i,j)；当Rmin＜RA(i,j)＜RAmax时，执行S700；
其中，Rmin和RAmax为设定的阈值；
S700：分别以网格A(i,j)的四个顶点为圆心，以半径为L生成4个圆形C(i,j)-1、C(i,j)-2、C(i,j)-3和C(i,j)-4；分别计算每个圆形内的居民点斑块的面积c(i,j)_1、c(i,j)_2、c(i,j)_3和c(i,j)_4；并计算每个圆形内的居民点斑块的面积占圆形面积的比例RC(i,j)_1、RC(i,j)_2、RC(i,j)_3和RC(i,j)_4；
c(i,j)_t＝c(i-1,j+1)_t+c(i,j+1)_t+c(i,j)_t+c(i-1,j)_t
t＝1,2,3,4，n为c(i-1,j+1)_t、c(i,j+1)_t、c(i,j)_t和c(i-1,j)_t不为零的个数，i和j的取值为大于等于2的整数；
S800：当RC(i,j)_1、RC(i,j)_2、RC(i,j)_3和RC(i,j)_4均小于RCmax时，剔除对应的网格A(i,j)，否则，保留对应的网格A(i,j)；
其中，RCmax为设定的阈值；
S900：合并保留的所有网格A(i,j)，得到居民点聚集区域A，对所述居民点聚集区域A内的居民点斑块缓冲一定距离D得到农村黑臭排查范围Fsc。
2.根据权利要求1所述的农村黑臭水体排查范围划定方法，其特征在于，所述S200包括：
S210：基于所述国家基础地理信息数据中的行政区划数据，排除城镇区域，确定农村区域范围Fnc；
S220：基于所述土地利用分类数据，根据居民点所属土地利用类型获取居民点数据Fjm，并基于居民点数据Fjm做缓冲区Fhc；
S230：通过交集并集计算得到初始筛选区域Fcs＝Fnc∩(Fjm∪Fhc)。
3.根据权利要求2所述的农村黑臭水体排查范围划定方法，其特征在于，所述遥感影像数据为高空间分辨率遥感影像，所述高空间分辨率遥感影像的空间分辨率优于2米。
4.根据权利要求1-3任一所述的农村黑臭水体排查范围划定方法，其特征在于，Rmin＝0。
5.根据权利要求4所述的农村黑臭水体排查范围划定方法，其特征在于，北方区域缓冲距离D为500-1000米，南方区域缓冲距离D为200-500米。
6.一种农村黑臭水体排查范围划定装置，其特征在于，所述装置包括：
数据准备模块，用于获取待研究区的遥感影像数据、土地利用分类数据和国家基础地理信息数据；
初始筛选区域确定模块，用于基于所述国家基础地理信息数据和土地利用分类数据，获取居民点初始筛选区域Fcs；
居民点斑块提取模块，用于在所述居民点初始筛选区域Fcs内，基于所述遥感影像数据提取得到居民点斑块；
网格划分模块，用于将所述居民点初始筛选区域Fcs分割为若干个大小为L*L的网格A(i,j)；
其中，A(i,j)表示横向第i个且纵向第j个网格；
第一计算模块，用于统计每个网格A(i,j)内居民点斑块的面积a(i,j)占网格面积S的百分比RA(i,j)；
其中，RA(i,j)＝a(i,j)/S；
网格初筛模块，用于当RA(i,j)≤Rmin时，剔除对应的网格A(i,j)；当RA(i,j)≥RAmax时，保留对应的网格A(i,j)；当Rmin＜RA(i,j)＜RAmax时，执行第二计算模块；
其中，Rmin和RAmax为设定的阈值；
第二计算模块，用于分别以网格A(i,j)的四个顶点为圆心，以半径为L生成4个圆形C(i,j)-1、C(i,j)-2、C(i,j)-3和C(i,j)-4；分别计算每个圆形内的居民点斑块的面积c(i,j)_1、c(i,j)_2、c(i,j)_3和c(i,j)_4；并计算每个圆形内的居民点斑块的面积占圆形面积的比例RC(i,j)_1、RC(i,j)_2、RC(i,j)_3和RC(i,j)_4；
c(i,j)_t＝c(i-1,j+1)_t+c(i,j+1)_t+c(i,j)_t+c(i-1,j)_t
t＝1,2,3,4，n为c(i-1,j+1)_t、c(i,j+1)_t、c(i,j)_t和c(i-1,j)_t不为零的个数，i和j的取值为大于等于2的整数；
二次筛查模块，用于当RC(i,j)_1、RC(i,j)_2、RC(i,j)_3和RC(i,j)_4均小于RCmax时，剔除对应的网格A(i,j)，否则，保留对应的网格A(i,j)；
其中，RCmax为设定的阈值；
排查范围确定模块，用于合并保留的所有网格A(i,j)，得到居民点聚集区域A，对所述居民点聚集区域A内的居民点斑块缓冲一定距离D得到农村黑臭排查范围Fsc。
7.根据权利要求6所述的农村黑臭水体排查范围划定装置，其特征在于，所述初始筛选区域确定模块用于：
基于所述国家基础地理信息数据中的行政区划数据，排除城镇区域，确定农村区域范围Fnc；基于所述土地利用分类数据，根据居民点所属土地利用类型获取居民点数据Fjm，并基于居民点数据Fjm做缓冲区Fhc；通过交集并集计算得到初始筛选区域Fcs＝Fnc∩(Fjm∪Fhc)。
8.根据权利要求7所述的农村黑臭水体排查范围划定装置，其特征在于，所述遥感影像数据为高空间分辨率遥感影像，所述高空间分辨率遥感影像的空间分辨率优于2米。
9.根据权利要求6-8任一所述的农村黑臭水体排查范围划定装置，其特征在于，Rmin＝0。
10.根据权利要求9所述的农村黑臭水体排查范围划定装置，其特征在于，北方区域缓冲距离D为500-1000米，南方区域缓冲距离D为200-500米。
CN202310379057.6A 2023-04-11 2023-04-11 农村黑臭水体排查范围划定方法和装置 Active CN116403112B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310379057.6A CN116403112B (zh) 2023-04-11 2023-04-11 农村黑臭水体排查范围划定方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310379057.6A CN116403112B (zh) 2023-04-11 2023-04-11 农村黑臭水体排查范围划定方法和装置

Publications (2)

Publication Number Publication Date
CN116403112A CN116403112A (zh) 2023-07-07
CN116403112B true CN116403112B (zh) 2023-10-27

Family

ID=87009926

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310379057.6A Active CN116403112B (zh) 2023-04-11 2023-04-11 农村黑臭水体排查范围划定方法和装置

Country Status (1)

Country Link
CN (1) CN116403112B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103440426A (zh) * 2013-09-05 2013-12-11 河南大学 基于多源数据的城镇用地空间信息识别方法
CN103473613A (zh) * 2013-09-09 2013-12-25 武汉理工大学 景观结构—地表温度—电量消耗的耦合模型及应用
WO2016141268A1 (en) * 2015-03-05 2016-09-09 Pioneer Hi-Bred International, Inc. Limited transpiration traits and breeding methods in maize
CN111028255A (zh) * 2018-10-10 2020-04-17 千寻位置网络有限公司 基于先验信息与深度学习的农田区域预筛选方法及装置
CN114494881A (zh) * 2022-02-05 2022-05-13 中科云遥(深圳)科技有限公司 基于剖分网格的遥感影像变化检测方法、装置、终端
CN114724049A (zh) * 2022-04-11 2022-07-08 中国科学院南京地理与湖泊研究所 基于高分辨率遥感影像数据的内陆养殖坑塘水面识别方法
CN115019163A (zh) * 2022-04-01 2022-09-06 湖南大学 基于多源大数据的城市要素识别方法
WO2022238956A1 (en) * 2021-05-12 2022-11-17 Illumisonics Inc. Photoabsorption remote sensing (pars) imaging methods
CN116310666A (zh) * 2022-12-13 2023-06-23 中国科学院空天信息创新研究院 一种遥感图像自监督训练方法、装置和电子设备

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2199980A1 (en) * 2008-12-09 2010-06-23 Braun GmbH Method and device for measuring the efficacy of plaque removal
WO2014106269A1 (en) * 2012-12-31 2014-07-03 Telvent Dtn Llc Airfoil icing controller apparatuses, methods and systems
WO2017019695A1 (en) * 2015-07-27 2017-02-02 Woods Hole Oceanographic Institution Aquatic sampler and collection apparatus
CN111737392B (zh) * 2020-06-22 2024-04-02 北京百度网讯科技有限公司 合并楼块数据的方法、装置、设备及存储介质

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103440426A (zh) * 2013-09-05 2013-12-11 河南大学 基于多源数据的城镇用地空间信息识别方法
CN103473613A (zh) * 2013-09-09 2013-12-25 武汉理工大学 景观结构—地表温度—电量消耗的耦合模型及应用
WO2016141268A1 (en) * 2015-03-05 2016-09-09 Pioneer Hi-Bred International, Inc. Limited transpiration traits and breeding methods in maize
CN111028255A (zh) * 2018-10-10 2020-04-17 千寻位置网络有限公司 基于先验信息与深度学习的农田区域预筛选方法及装置
WO2022238956A1 (en) * 2021-05-12 2022-11-17 Illumisonics Inc. Photoabsorption remote sensing (pars) imaging methods
CN114494881A (zh) * 2022-02-05 2022-05-13 中科云遥(深圳)科技有限公司 基于剖分网格的遥感影像变化检测方法、装置、终端
CN115019163A (zh) * 2022-04-01 2022-09-06 湖南大学 基于多源大数据的城市要素识别方法
CN114724049A (zh) * 2022-04-11 2022-07-08 中国科学院南京地理与湖泊研究所 基于高分辨率遥感影像数据的内陆养殖坑塘水面识别方法
CN116310666A (zh) * 2022-12-13 2023-06-23 中国科学院空天信息创新研究院 一种遥感图像自监督训练方法、装置和电子设备

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
Ren Guangbo.A New Classification Method of High Spatial Resolution Remote Sensing Image.《2008 International Conference on Computer Science and Software Engineering》.2008,全文. *
基于Fishnet网格的小流域生态系统健康评价体系构建;苏毅;滕明君;肖文发;黄志霖;雷静品;曾立雄;王鹏程;;华中农业大学学报(第02期);全文 *
基于高分辨率遥感影像的农村居民点内部用地信息提取研究;陈广群;刘洋;兰泽英;;城市勘测(第03期);全文 *
苏毅 ; 滕明君 ; 肖文发 ; 黄志霖 ; 雷静品 ; 曾立雄 ; 王鹏程 ; .基于Fishnet网格的小流域生态系统健康评价体系构建.华中农业大学学报.2015,(第02期),全文. *
蔡为民,唐华俊,陈佑启,张凤荣.近20年黄河三角洲典型地区农村居民点景观格局.资源科学.2004,(第05期),全文. *

Also Published As

Publication number Publication date
CN116403112A (zh) 2023-07-07

Similar Documents

Publication Publication Date Title
Mesev The use of census data in urban image classification
WO2005059867A1 (en) System, apparatus and method for mapping
CN103336894B (zh) 一种城市容积率自动分区方法
CN104978743B (zh) 一种多核并行sar图像变化信息实时提取方法
CN102073867B (zh) 一种遥感图像分类方法及装置
CN113344956B (zh) 基于无人机航摄三维建模的地物轮廓提取分类方法
CN110956412A (zh) 基于实景模型的洪灾动态评估方法、装置、介质和设备
CN106920235A (zh) 基于矢量底图匹配的星载光学遥感影像自动校正方法
CN111797571A (zh) 滑坡易发性评价方法、装置、设备和存储介质
CN115271373A (zh) 城市群弹性开发边界划定方法及系统
CN111709646B (zh) 空气污染暴露风险评价方法及系统
CN116403112B (zh) 农村黑臭水体排查范围划定方法和装置
Crols et al. Downdating high-resolution population density maps using sealed surface cover time series
Beiranvand et al. Evaluation of changes in per capita green space through remote sensing data
CN107832805B (zh) 一种基于概率位置模型消除空间位置误差对遥感软分类精度评价影响的技术
CN115270904B (zh) 一种义务教育阶段适龄常住人口空间化方法和系统
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
CN107220615B (zh) 一种融合兴趣点大数据的城市不透水面信息提取方法
CN115223000A (zh) 面向耕地资源监测的深度学习样本制作方法
CN116168244A (zh) 一种基于多源遥感数据与云计算的土地利用自动分类方法
CN104809336A (zh) 一种考虑空间相关性的区域要素抽样方法
CN111639805B (zh) 一种基于gis的垃圾填埋场的选址方法
CN113446992B (zh) 地形勘测中的地形勘测点布测优化方法
Tagavi et al. Spatial analysis of the dimensions of regional resilience against natural disasters In East Azarbayjan province with emphasis on Marand city
CN118114878A (zh) 一种基于图层叠加与空间聚类的地表水环境分区方法

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
GR01 Patent grant
GR01 Patent grant