CN116703031A - 使用gis进行水田选址大数据分析方法 - Google Patents

使用gis进行水田选址大数据分析方法 Download PDF

Info

Publication number
CN116703031A
CN116703031A CN202310674607.7A CN202310674607A CN116703031A CN 116703031 A CN116703031 A CN 116703031A CN 202310674607 A CN202310674607 A CN 202310674607A CN 116703031 A CN116703031 A CN 116703031A
Authority
CN
China
Prior art keywords
data
land
site selection
paddy field
gis
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
CN202310674607.7A
Other languages
English (en)
Other versions
CN116703031B (zh
Inventor
熊先才
林勇刚
罗卓
黄文妍
左松
李云
胡莉
马雪莹
刘俊波
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.)
Chongqing Planning And Natural Resources Investigation And Monitoring Institute
Original Assignee
Chongqing Planning And Natural Resources Investigation And Monitoring Institute
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 Chongqing Planning And Natural Resources Investigation And Monitoring Institute filed Critical Chongqing Planning And Natural Resources Investigation And Monitoring Institute
Priority to CN202310674607.7A priority Critical patent/CN116703031B/zh
Publication of CN116703031A publication Critical patent/CN116703031A/zh
Application granted granted Critical
Publication of CN116703031B publication Critical patent/CN116703031B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • 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
    • G06Q50/02—Agriculture; Fishing; Forestry; Mining
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/05—Geographic models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
    • 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)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Databases & Information Systems (AREA)
  • Computer Graphics (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Remote Sensing (AREA)
  • Educational Administration (AREA)
  • Primary Health Care (AREA)
  • Animal Husbandry (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Mining & Mineral Resources (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Agronomy & Crop Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及GIS选址技术领域，尤其涉及一种使用GIS进行水田选址大数据分析方法，针对现有技术采用人工测量，数据精度低，数据采集周期长导致工作效率大大降低，采集成本高，无法进行选址自动规划等问题，现提出如下方案，包括以下步骤：S1：设置选址标准，选取可供整理地块，将选取结果作为分析的输入数据；本发明的目的是选用GIS技术，应用大数据空间分析作用，对选址区域进行各种各样统计分析、量算，量算数据精度高，采集数据耗时短，降低采集成本和数据错误率；GIS可实时获取必要信息，提供实时的、动态的监测信息，保证所需数据的及时性、准确性以及有效性，GIS对水田选址进行自动规划，大大提升工作效率。

Description

使用GIS进行水田选址大数据分析方法
技术领域
本发明涉及GIS选址技术领域，尤其涉及一种使用GIS进行水田选址大数据分析方法。
背景技术
GIS技术具有强大的空间分析功能，可以对GIS数据进行复杂的空间分析，实现高级的应用需求。在农用地开发整理工作中，首先需要进行选址工作，也就是要查找可供整理的地块，并利用自然、社会经济等各种已知条件进行分析哪些地块或区域适合进行土地开发整理，如何整理会取得良好的效益。以往这些工作都是靠手工操作来完成，包括水田底图判读选址、现场踏勘等。这种模式不仅费时费力，而且分析结果带有很大的主管因素，准确度较低，不能很好地满足实际工作的需要。在拥有良好数据基础的条件下，借助于GIS软件的空间分析功能可以高效率的完成上述工作，从而为工程提供高准确度的选址结果。
目前，GIS理论日益完善，人们对它的依赖性也在与日俱增，为GIS的进一步发展奠定了良好的内部基础和外部基础。利用内部连接实现图形及属性数据的相互联系，再通过混合处理实现二者的彻底结合；基于三维GIS的四维GIS正在酝酿之中，将会在地址特征观察领域发挥出十分重要的作用；在GIS发展及应用的整个过程中，互联网技术将起到十分重要的作用，甚至使其发生质变，在网络技术的帮助下，数据库在地理位置方面能够以分布的方式呈现；GIS将会与专家系统等完成有机结合，为那些地学难题的解决提供有效途径；因此，我们提出一种使用GIS进行水田选址大数据分析方法。
发明内容
本发明的目的是解决现有技术采用人工测量，数据精度低，数据采集周期长导致工作效率大大降低，采集成本高，无法进行选址自动规划等问题，而提出的一种使用GIS进行水田选址大数据分析方法。
为了实现上述目的，本发明采用了如下技术方案：
一种使用GIS进行水田选址大数据分析方法，包括以下步骤：
S1：设置选址标准，选取可供整理地块，将选取结果作为分析的输入数据；
S2：DEM生成与分析，生成符合要求TIN数据；
S3：利用GIS的坡度分析工具对DEM数据进行坡度分析，生成坡度数据；
S4：去除坡度较大的地块，筛选坡度大于25°的地块；
S5：从初始数据上生成中间过程数据，计算坡度影响概率；
S6：针对种植农作物的总体情况进行监测，获取评价单元。
优选的，所述S1中，设置选址标准，选址坡度在0-17°，选址在西向的山坡上；水资源在200-250m；选址在聚居区域的2000-4000m半径范围；非科学特殊价值区域的1000-2500m半径范围；距离最近道路的距离范围在5000-7000m。
优选的，所述S1中，选取可供整理地块，选出具有整理价值的地块进行整理改造；选址时，先确定可供整理地块的位置，从中选取开发整理潜力较大的地块，利用ArcGIS软件，对原始数据进行属性选择，根据地类图斑数据中的地类代码属性，选取工作区域中的荒地、未利用地、现状农用地、废弃地，进行农用地整理的地块，选取出的数据作为项目区域中全部可供整理的地块，将选取结果用作下一步分析的输入数据。
优选的，所述S2中，DEM生成与分析，利用“Create TIN From Feature”工具把高程点和等高线数据生成TIN，在Height Source处注意将字段选择为高程属性字段，生成符合要求TIN数据，将TIN数据转换成规则格网形式的DEM数据。
优选的，所述S3中，生成TIN数据，DEM数据生成之后，利用GIS的坡度分析工具对DEM数据进行坡度分析，生成坡度数据，对坡度数据进行重新分类，对DEM数据进行重分类，按照相应标准设定为：0-2°为一级，2-6°为二级，6-15°为三级，15-25°为四级，25-90°为五级；分级完成后将分级结果转成矢量格式的多边形要素，将初步选择结果中坡度较大地块剔除。
优选的，所述S4中，去除坡度较大的地块，坡度大于25°区域退还林还草，从矢量格式的坡度分级数据中选择选坡度小于25°的区域，把选择结果输出为本地文件，将初步选择结果与坡度小于25°的坡度，分级数据进行空间位置选择，选取位于坡度小于25°范围内的地块，得到坡度属性符合整理要求的地块，通过进一步的筛选把坡度大于25°的地块从初步选择结果中移除。
优选的，所述S5中，从初始数据上生成中间过程数据，基于数字地面模型的高度信息计算坡度影响概率，生成方向信息，叠加地理数据价值，定位出满足条件的单元，不满足条件的单元被叠加不同的价值区分出来；选址适宜性价值分为两个种类：“1”表示“准确”，叠加到符合条件的单元，“0”表示“错误”，叠加到不符合的单元，通过地理分析，光栅计算对生成的中间数据进行处理，生成的数据中，通过颜色区分“准确”和“错误”，综合6个网格图层生成最后的网格图层，单元在所有6个图层中价值为“1”，在最后的网格图层中的价值为“1”，不满足任何一个条件的单元价值都会为“0”，筛除不符合条件的单元，在成果图中以颜色区分。
优选的，所述S6中，针对种植农作物的总体情况进行监测以及对相关数据进行展示，针对农作物种类、种植面积、生长情况、产量、进行监测，展示监测的模块有农业物分类模块、农业做物长势模块、农业作物估产模块，监测土地的营养成分含量以及土壤状态，对最近一周天气情况、降雨情况、未来七日预警的相关信息进行监测，后台展示对应的历史天气信息情况并接入真实数据，建立评价单元，划分为乡镇行政村、栅格、图斑，通过将图斑作为评价单元，对已选定的水田区域的建设方向进行有效指导，分析高标准农田建设区域特点和位置选择，针对细小的耕地图斑进行合并。
本发明的有益效果为：
1、选用GIS技术，能够非常容易的展开系统分区归类的各种各样统计分析、量算，量算结果保持在较高精度，同时，完成属性数据和空间数据的统一管理，依据规划立即升级产生变化的地块位置、样子、总面积和特性。
2、借助GIS技术，去获取相关的必要信息，建立了一个全面的应对机制，保证所需数据的及时性、准确性以及有效性，从而最终建立一个完善的、高效的动态监测管理信息系统。
本发明的目的是选用GIS技术，应用大数据空间分析作用，对选址区域进行各种各样统计分析、量算，量算数据精度高，采集数据耗时短，降低采集成本和数据错误率；GIS可实时获取必要信息，为整个水田选址工作的开展提供实时的、动态的监测信息，保证所需数据的及时性、准确性以及有效性，GIS对水田选址进行自动规划，大大提升工作效率。
附图说明
图1是本发明提出的一种使用GIS进行水田选址大数据分析方法的流程示意图。
具体实施方式
下面将对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。
实施例一
参照图1，一种使用GIS进行水田选址大数据分析方法，包括如下步骤：
S1：设置选址标准，选取可供整理地块，将选取结果作为分析的输入数据；
S2：DEM生成与分析，生成符合要求TIN数据；
S3：利用GIS的坡度分析工具对DEM数据进行坡度分析，生成坡度数据；
S4：去除坡度较大的地块，筛选坡度大于25°的地块；
S5：从初始数据上生成中间过程数据，计算坡度影响概率；
S6：针对种植农作物的总体情况进行监测，获取评价单元。
本实施例中，设置选址标准，选址坡度在5°，选址在西向的山坡上；水资源在200m；选址在聚居区域的2000m半径范围；非科学特殊价值区域的1000m半径范围；距离最近道路的距离范围在5000m。
本实施例中，选取可供整理地块，选出具有整理价值的地块进行整理改造；选址时，先确定可供整理地块的位置，从中选取开发整理潜力较大的地块，利用ArcGIS软件，对原始数据进行属性选择，根据地类图斑数据中的地类代码属性，选取工作区域中的荒地、未利用地、现状农用地、废弃地，进行农用地整理的地块，选取出的数据作为项目区域中全部可供整理的地块，将选取结果用作下一步分析的输入数据。
本实施例中，DEM生成与分析，利用“Create TIN From Feature”工具把高程点和等高线数据生成TIN，在Height Source处注意将字段选择为高程属性字段，生成符合要求TIN数据，将TIN数据转换成规则格网形式的DEM数据。
本实施例中，生成TIN数据，DEM数据生成之后，利用GIS的坡度分析工具对DEM数据进行坡度分析，生成坡度数据，对坡度数据进行重新分类，对DEM数据进行重分类，按照相应标准设定为：0-2°为一级，2-6°为二级，6-15°为三级，15-25°为四级，25-90°为五级；分级完成后将分级结果转成矢量格式的多边形要素，将初步选择结果中坡度较大地块剔除。
本实施例中，去除坡度较大的地块，坡度大于25°区域退还林还草，从矢量格式的坡度分级数据中选择选坡度小于25°的区域，把选择结果输出为本地文件，将初步选择结果与坡度小于25°的坡度，分级数据进行空间位置选择，选取位于坡度小于25°范围内的地块，得到坡度属性符合整理要求的地块，通过进一步的筛选把坡度大于25°的地块从初步选择结果中移除。
水田选址的坡度通过坡度影响单元进行适宜性计算，过陡的坡度影响耕地效率，不易犁耕，且易造成水土流失；过平的坡地，排水能力不强，而且不利于犁耕。因此，坡度会影响水田的排水能力以及耕作效率。
根据水田采用数据，形成中间过程数据，该中间过程数据包括：水田选址的土地影响值，水田选址坡度影响概率，水田选址居民密度数据；
收集水田选址方圆20公里的的地理信息，水田数据中土地影响值与土地栽种适宜度和土地环境影响概率数据指标相关；
其中，Ei为进行水田选址土地适宜度的计算值，ki为第i块水田数据的评价权重，G为水田数据的环境风险指标，δ为调节系数；
土地环境影响概率为F，
其中F1为盐碱地发生概率、F2为含水率、F3为植被覆盖率，土地环境影响均值；
水田选址的土地影响值为Gi＝F·Ei；
对于土地环境影响概率：水田选址的土地影响值中，土地环境影响概率是影响水田选址的重要因素之一，它是指土地环境对水田的影响程度，如果土地环境影响概率越大，则水田选址的可能性就越小。土地适宜度：水田选址的土地影响值中，土地适宜度也是影响水田选址的重要因素之一，它是指土地的适宜程度，如果土地适宜度越高，则水田选址的可能性就越大。
对于水田选址坡度影响概率来说，针对选址的坡度θ计算坡度影响概率，
其中，通过第j个适宜的坡度选址面积/>与预期坡度的面积D的比值，如果比值大于1，则说明适宜的坡度选址面积大于预期坡度的面积，因此可以增加水田的面积，从而提高水田的产量。反之，如果比值小于1，则说明适宜的坡度选址面积小于预期坡度的面积，因此可以减少水田的面积，从而减少水田的产量。
通过比值除以全部j个适宜的坡度选址面积的总和，通过设定的面积收敛阈值进行调节之后，得到坡度影响概率Hj。
由于选定的适宜水田也要受到人口密度的影响，所以土地影响值和坡度影像概率获取之后，再根据人口密度数据综合判断水田选址可行性。
水田选址居民密度计算为其中，p为水田选址区域的居民数量，su为第u个水田选址区域在该水田选址区域中相应居民住所的面积比例，该比例计算为，水田面积除以水田面积与全部居民居住总面积的和。S为选址的总面积，该面积包含了方圆20公里中适宜进行水田垦造的面积。
根据水田选址的影响值进行综合判断，形成选址模型；
Z＝η1·Gi+η2·Hj+η3·Pu，其中，η1,η2,η3分别为土地影响权重，坡度影响权重和居民密度影响权重，η1+η2+η3＝0.8各项权重根据实际工作中的经验进行调整。
土地影响权重指的是土地的适宜性，即土地是否适合用于水田耕作。这包括土地的土壤类型、肥力、排水性、灌溉水源等因素。如果土地适宜性较高，则其影响权重也较高。
坡度影响权重指的是土地的坡度对水田的影响程度。在山区或丘陵地带，坡度较大的土地不利于水田耕作，因为水土流失和灌溉难度较大。因此，坡度较小的土地的影响权重较高。
居民密度影响权重指的是周边居民的数量和分布情况对水田选址的影响程度。如果周边居民较多，则土地的农业用途可能会受到限制，因为需要考虑到周边居民的生活和生产需求。因此，周边居民密度较低的土地的影响权重较高。
在整体水田选址中，这三个因素的影响权重需要根据实际情况进行综合考虑。如果土地适宜性较高，但坡度较大或周边居民密度较高，则需要进一步评估这些因素对水田耕作的影响程度，并采取相应的措施来降低这些影响。
本实施例中，从初始数据上生成中间过程数据，基于数字地面模型的高度信息计算坡度影响概率，生成方向信息，叠加地理数据价值，定位出满足条件的单元，不满足条件的单元被叠加不同的价值区分出来；选址适宜性价值分为两个种类：“1”表示“准确”，叠加到符合条件的单元，“0”表示“错误”，叠加到不符合的单元，通过地理分析，光栅计算对生成的中间数据进行处理，生成的数据中，通过颜色区分“准确”和“错误”，综合6个网格图层生成最后的网格图层，单元在所有6个图层中价值为“1”，在最后的网格图层中的价值为“1”，不满足任何一个条件的单元价值都会为“0”，筛除不符合条件的单元，在成果图中以颜色区分。
本实施例中，针对种植农作物的总体情况进行监测以及对相关数据进行展示，针对农作物种类、种植面积、生长情况、产量、进行监测，展示监测的模块有农业物分类模块、农业做物长势模块、农业作物估产模块，监测土地的营养成分含量以及土壤状态，对最近一周天气情况、降雨情况、未来七日预警的相关信息进行监测，后台展示对应的历史天气信息情况并接入真实数据，建立评价单元，划分为乡镇行政村、栅格、图斑，通过将图斑作为评价单元，对已选定的水田区域的建设方向进行有效指导，分析高标准农田建设区域特点和位置选择，针对细小的耕地图斑进行合并。
实施例二
参照图1，一种使用GIS进行水田选址大数据分析方法，包括如下步骤：
S1：设置选址标准，选取可供整理地块，将选取结果作为分析的输入数据；
S2：DEM生成与分析，生成符合要求TIN数据；
S3：利用GIS的坡度分析工具对DEM数据进行坡度分析，生成坡度数据；
S4：去除坡度较大的地块，筛选坡度大于25°的地块；
S5：从初始数据上生成中间过程数据，计算坡度影响概率；
S6：针对种植农作物的总体情况进行监测，获取评价单元。
本实施例中，设置选址标准，选址坡度在10°，选址在西向的山坡上；水资源在220m；选址在聚居区域的3000m半径范围；非科学特殊价值区域的2000m半径范围；距离最近道路的距离范围在3000m。
本实施例中，选取可供整理地块，选出具有整理价值的地块进行整理改造；选址时，先确定可供整理地块的位置，根据地类图斑数据中的地类代码属性，选取工作区域中的荒地、未利用地、现状农用地、废弃地，进行农用地整理的地块，选取出的数据作为项目区域中全部可供整理的地块，将选取结果用作下一步分析的输入数据。
本实施例中，DEM生成与分析，利用“Create TIN From Feature”工具把高程点和等高线数据生成TIN，在Height Source处注意将字段选择为高程属性字段，生成符合要求TIN数据，将TIN数据转换成规则格网形式的DEM数据。
本实施例中，生成TIN数据，DEM数据生成之后，利用GIS的坡度分析工具对DEM数据进行坡度分析，对DEM数据进行重分类，按照相应标准设定为：0-2°为一级，2-6°为二级，6-15°为三级，15-25°为四级，25-90°为五级；分级完成后将分级结果转成矢量格式的多边形要素，将初步选择结果中坡度较大地块剔除。
本实施例中，去除坡度较大的地块，坡度大于25°区域退还林还草，从矢量格式的坡度分级数据中选择选坡度小于25°的区域，把选择结果输出为本地文件，将初步选择结果与坡度小于25°的坡度，得到坡度属性符合整理要求的地块，通过进一步的筛选把坡度大于25°的地块从初步选择结果中移除。
本实施例中，从初始数据上生成中间过程数据，基于数字地面模型的高度信息计算坡度影响概率，生成方向信息，叠加地理数据价值，定位出满足条件的单元，不满足条件的单元被叠加不同的价值区分出来；叠加到不符合的单元，通过地理分析，光栅计算对生成的中间数据进行处理，生成的数据中，通过颜色区分“准确”和“错误”，综合6个网格图层生成最后的网格图层，单元在所有6个图层中价值为“1”，在最后的网格图层中的价值为“1”，不满足任何一个条件的单元价值都会为“0”，筛除不符合条件的单元，在成果图中以颜色区分。
本实施例中，针对种植农作物的总体情况进行监测以及对相关数据进行展示，针对农作物种类、种植面积、生长情况、产量、进行监测，展示监测的模块有农业物分类模块、农业做物长势模块、农业作物估产模块，监测土地的营养成分含量以及土壤状态，建立评价单元，划分为乡镇行政村、栅格、图斑，通过将图斑作为评价单元，对已选定的水田区域的建设方向进行有效指导，分析高标准农田建设区域特点和位置选择，针对细小的耕地图斑进行合并。
实施例三
参照图1，一种使用GIS进行水田选址大数据分析方法，包括如下步骤：
S1：设置选址标准，选取可供整理地块，将选取结果作为分析的输入数据；
S2：DEM生成与分析，生成符合要求TIN数据；
S3：利用GIS的坡度分析工具对DEM数据进行坡度分析，生成坡度数据；
S4：去除坡度较大的地块，筛选坡度大于25°的地块；
S5：从初始数据上生成中间过程数据，计算坡度影响概率；
S6：针对种植农作物的总体情况进行监测，获取评价单元。
本实施例中，设置选址标准，选址坡度在17°，选址在西向的山坡上；水资源在250m；选址在聚居区域的4000m半径范围；非科学特殊价值区域的2500m半径范围；距离最近道路的距离范围在7000m。
本实施例中，选取可供整理地块，选出具有整理价值的地块进行整理改造；选址时，先确定可供整理地块的位置，从中选取开发整理潜力较大的地块，利用ArcGIS软件，选取工作区域中的荒地、未利用地、现状农用地、废弃地，进行农用地整理的地块，选取出的数据作为项目区域中全部可供整理的地块，将选取结果用作下一步分析的输入数据。
本实施例中，DEM生成与分析，利用“Create TIN From Feature”工具把高程点和等高线数据生成TIN，在Height Source处注意将字段选择为高程属性字段，生成符合要求TIN数据，将TIN数据转换成规则格网形式的DEM数据。
本实施例中，生成TIN数据，DEM数据生成之后，利用GIS的坡度分析工具对DEM数据进行坡度分析，生成坡度数据，对坡度数据进行重新分类，对DEM数据进行重分类，按照相应标准设定为：0-2°为一级，2-6°为二级，6-15°为三级，15-25°为四级，25-90°为五级；分级完成后将分级结果转成矢量格式的多边形要素，将初步选择结果中坡度较大地块剔除。
本实施例中，去除坡度较大的地块，把选择结果输出为本地文件，将初步选择结果与坡度小于25°的坡度，分级数据进行空间位置选择，选取位于坡度小于25°范围内的地块，得到坡度属性符合整理要求的地块，通过进一步的筛选把坡度大于25°的地块从初步选择结果中移除。
本实施例中，从初始数据上生成中间过程数据，基于数字地面模型的高度信息计算坡度影响概率，生成方向信息，叠加地理数据价值，选址适宜性价值分为两个种类：“1”表示“准确”，叠加到符合条件的单元，“0”表示“错误”，叠加到不符合的单元，通过地理分析，光栅计算对生成的中间数据进行处理，生成的数据中，通过颜色区分“准确”和“错误”，综合6个网格图层生成最后的网格图层，单元在所有6个图层中价值为“1”，在最后的网格图层中的价值为“1”，不满足任何一个条件的单元价值都会为“0”，筛除不符合条件的单元，在成果图中以颜色区分。
本实施例中，针对种植农作物的总体情况进行监测以及对相关数据进行展示，针对农作物种类、种植面积、生长情况、产量、进行监测，展示监测的模块有农业物分类模块、农业做物长势模块、农业作物估产模块，监测土地的营养成分含量以及土壤状态，对最近一周天气情况、降雨情况、未来七日预警的相关信息进行监测，后台展示对应的历史天气信息情况并接入真实数据，建立评价单元，划分为乡镇行政村、栅格、图斑，分析高标准农田建设区域特点和位置选择，针对细小的耕地图斑进行合并。
对比例一
与实施例一不同之处在于，S1：设置选址标准，选取可供整理地块，将选取结果作为分析的输入数据，设置选址标准，选址坡度在5°，选址在西向的山坡上；水资源在200m；选址在聚居区域的2000m半径范围；非科学特殊价值区域的1000m半径范围；距离最近道路的距离范围在5000m，选取可供整理地块，选出具有整理价值的地块进行整理改造；选址时，先确定可供整理地块的位置，从中选取开发整理潜力较大的地块，利用ArcGIS软件，对原始数据进行属性选择，根据地类图斑数据中的地类代码属性，选取工作区域中的荒地、未利用地、现状农用地、废弃地，进行农用地整理的地块，选取出的数据作为项目区域中全部可供整理的地块，将选取结果用作下一步分析的输入数据。
对比例二
与实施例二不同之处在于，S2：DEM生成与分析，生成符合要求TIN数据，利用“Create TIN From Feature”工具把高程点和等高线数据生成TIN，在Height Source处注意将字段选择为高程属性字段，生成符合要求TIN数据，将TIN数据转换成规则格网形式的DEM数据。
对比例三
与实施例三不同之处在于，S3：利用GIS的坡度分析工具对DEM数据进行坡度分析，生成坡度数据，生成TIN数据，DEM数据生成之后，利用GIS的坡度分析工具对DEM数据进行坡度分析，生成坡度数据，对坡度数据进行重新分类，对DEM数据进行重分类，按照相应标准设定为：0-2°为一级，2-6°为二级，6-15°为三级，15-25°为四级，25-90°为五级；分级完成后将分级结果转成矢量格式的多边形要素，将初步选择结果中坡度较大地块剔除。
实验例
将实施例一、实施例二和实施例三的一种使用GIS进行水田选址大数据分析方法进行试验，得出结果如下：
实施例一、实施例二和实施例三的使用GIS进行水田选址大数据分析方法对比现有的使用GIS进行水田选址大数据分析方法，数据采集周期和数据错误率显著降低，且实施例一为最佳实施例。
检测报告
本发明的目的是针对现有技术采用人工测量，数据精度低，数据采集周期长导致工作效率大大降低，采集成本高，无法进行选址自动规划等问题，提出一种使用GIS进行水田选址大数据分析方法，通过选用GIS技术，应用大数据空间分析作用，对选址区域进行各种各样统计分析、量算，量算数据精度高，采集数据耗时短，降低采集成本和数据错误率；GIS可实时获取必要信息，提供实时的、动态的监测信息，保证所需数据的及时性、准确性以及有效性，GIS对水田选址进行自动规划，大大提升工作效率。
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，但这些修改或者替换，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 (9)

1.一种使用GIS进行水田选址大数据分析方法，其特征在于，包括以下步骤：
S1：设置选址标准，选取可供整理地块，将选取结果作为分析的输入数据；
S2：DEM生成与分析，生成符合要求的TIN数据；
S3：利用GIS的坡度分析工具对DEM数据进行坡度分析，生成坡度数据；
S4：去除坡度较大的地块，筛选坡度大于25°的地块；
S5：从初始数据上生成中间过程数据，计算坡度影响概率；
S6：针对种植农作物的总体情况进行监测，获取评价单元。
2.根据权利要求1所述的一种使用GIS进行水田选址大数据分析方法，其特征在于，所述S1中，设置选址标准，选址坡度在0-17°，选址在西向的山坡上；水资源在200-250m；选址在聚居区域的2000-4000m半径范围；非科学特殊价值区域的1000-2500m半径范围；距离最近道路的距离范围在5000-7000m。
3.根据权利要求1所述的一种使用GIS进行水田选址大数据分析方法，其特征在于，所述S1中，选取可供整理地块，选出具有整理价值的地块进行整理改造；选址时，先确定可供整理地块的位置，从中选取开发整理潜力较大的地块，利用ArcGIS软件，对原始数据进行属性选择，根据地类图斑数据中的地类代码属性，选取工作区域中的荒地、未利用地、现状农用地、废弃地，进行农用地整理的地块，选取出的数据作为项目区域中全部可供整理的地块，将选取结果用作下一步分析的输入数据。
4.根据权利要求1所述的一种使用GIS进行水田选址大数据分析方法，其特征在于，所述S2中，DEM生成与分析，利用“Create TIN From Feature”工具把高程点和等高线数据生成TIN，在Height Source处注意将字段选择为高程属性字段，生成符合要求TIN数据，将TIN数据转换成规则格网形式的DEM数据。
5.根据权利要求1所述的一种使用GIS进行水田选址大数据分析方法，其特征在于，所述S3中，生成TIN数据，DEM数据生成之后，利用GIS的坡度分析工具对DEM数据进行坡度分析，生成坡度数据，对坡度数据进行重新分类，对DEM数据进行重分类，按照相应标准设定为：0-2°为一级，2-6°为二级，6-15°为三级，15-25°为四级，25-90°为五级；分级完成后将分级结果转成矢量格式的多边形要素，将初步选择结果中坡度较大地块剔除。
6.根据权利要求1所述的一种使用GIS进行水田选址大数据分析方法，其特征在于，所述S4中，去除坡度较大的地块，坡度大于25°区域退还林还草，从矢量格式的坡度分级数据中选择选坡度小于25°的区域，把选择结果输出为本地文件，将初步选择结果与坡度小于25°的坡度，分级数据进行空间位置选择，选取位于坡度小于25°范围内的地块，得到坡度属性符合整理要求的地块，通过进一步的筛选把坡度大于25°的地块从初步选择结果中移除。
7.根据权利要求1所述的一种使用GIS进行水田选址大数据分析方法，其特征在于，所述S5中，
根据水田采用数据，形成中间过程数据，该中间过程数据包括：水田选址的土地影响值，水田选址坡度影响概率，水田选址居民密度数据。
8.根据权利要求1所述的一种使用GIS进行水田选址大数据分析方法，其特征在于，所述S5中，从初始数据上生成中间过程数据，基于数字地面模型的高度信息计算坡度影响概率，生成方向信息，叠加地理数据价值，定位出满足条件的单元，不满足条件的单元被叠加不同的价值区分出来；选址适宜性价值分为两个种类：“1”表示“准确”，叠加到符合条件的单元，“0”表示“错误”，叠加到不符合的单元，通过地理分析，光栅计算对生成的中间数据进行处理，生成的数据中，通过颜色区分“准确”和“错误”，综合6个网格图层生成最后的网格图层，单元在所有6个图层中价值为“1”，在最后的网格图层中的价值为“1”，不满足任何一个条件的单元价值都会为“0”，筛除不符合条件的单元，在成果图中以颜色区分。
9.根据权利要求1所述的一种使用GIS进行水田选址大数据分析方法，其特征在于，所述S6中，针对种植农作物的总体情况进行监测以及对相关数据进行展示，针对农作物种类、种植面积、生长情况、产量、进行监测，展示监测的模块有农业物分类模块、农业做物长势模块、农业作物估产模块，监测土地的营养成分含量以及土壤状态，对最近一周天气情况、降雨情况、未来七日预警的相关信息进行监测，后台展示对应的历史天气信息情况并接入真实数据，建立评价单元，划分为乡镇行政村、栅格、图斑，通过将图斑作为评价单元，对已选定的水田区域的建设方向进行有效指导，分析高标准农田建设区域特点和位置选择，针对细小的耕地图斑进行合并。
CN202310674607.7A 2023-06-08 2023-06-08 使用gis进行水田选址大数据分析方法 Active CN116703031B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310674607.7A CN116703031B (zh) 2023-06-08 2023-06-08 使用gis进行水田选址大数据分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310674607.7A CN116703031B (zh) 2023-06-08 2023-06-08 使用gis进行水田选址大数据分析方法

Publications (2)

Publication Number Publication Date
CN116703031A true CN116703031A (zh) 2023-09-05
CN116703031B CN116703031B (zh) 2024-04-26

Family

ID=87823330

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310674607.7A Active CN116703031B (zh) 2023-06-08 2023-06-08 使用gis进行水田选址大数据分析方法

Country Status (1)

Country Link
CN (1) CN116703031B (zh)

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100953219B1 (ko) * 2009-06-30 2010-04-15 주식회사 일도엔지니어링 Ｇｉｓ를 이용한 예비 토취장 후보지 선정 시스템 및 그 방법
CN106803208A (zh) * 2016-12-28 2017-06-06 贵州马科技有限公司 农业块数据配对系统及其配对方法
KR101789120B1 (ko) * 2016-06-23 2017-11-15 (주)해동기술개발공사 모바일 ｇｉｓ를 이용한 필지별 토사재해 정보 시스템
KR20180000619A (ko) * 2016-06-23 2018-01-03 (주)해동기술개발공사 Ｇｉｓ 기반 토사유실 평가 방법
CN108491403A (zh) * 2018-01-19 2018-09-04 梅州市城市规划设计院 一种基于ArcGIS的山区建设用地的选址方法
CN108876027A (zh) * 2018-06-06 2018-11-23 安徽建筑大学 一种基于gis的农村居民点集中居住区选址和优化方法
CN110334864A (zh) * 2019-07-03 2019-10-15 洛阳市规划建筑设计研究院有限公司 一种基于gis的多规合一城乡空间分区划定的方法
CN111985694A (zh) * 2020-07-29 2020-11-24 北京派得伟业科技发展有限公司 一种种植规划系统
CN112700045A (zh) * 2020-12-31 2021-04-23 武汉市土地利用和城市空间规划研究中心 一种基于土地储备实施监测模型的智能选址系统
CN113034323A (zh) * 2021-02-20 2021-06-25 温州设计集团有限公司 基于gis和大数据技术的智慧园林管理平台
CN113155078A (zh) * 2021-01-26 2021-07-23 重庆市国土整治中心 一种分坡度旱地改水田潜力分析方法
CN113254559A (zh) * 2021-06-07 2021-08-13 浙江非线数联科技股份有限公司 一种基于地理信息系统的设备选址方法
CN113837892A (zh) * 2021-08-25 2021-12-24 湖北省水利水电规划勘测设计院 基于3s技术的坡耕地划分方法
CN114925985A (zh) * 2022-04-25 2022-08-19 深圳市蕾奥规划设计咨询股份有限公司 一种基于gis决策的市政设施选址规划方法
CN114936751A (zh) * 2022-04-25 2022-08-23 深圳市蕾奥规划设计咨询股份有限公司 一种基于gis和多线约束条件的停车场选址规划方法
CN115330086A (zh) * 2022-10-11 2022-11-11 吉奥时空信息技术股份有限公司 一种空间大数据的多条件约束下光伏用地自动化选址方法

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100953219B1 (ko) * 2009-06-30 2010-04-15 주식회사 일도엔지니어링 Ｇｉｓ를 이용한 예비 토취장 후보지 선정 시스템 및 그 방법
KR101789120B1 (ko) * 2016-06-23 2017-11-15 (주)해동기술개발공사 모바일 ｇｉｓ를 이용한 필지별 토사재해 정보 시스템
KR20180000619A (ko) * 2016-06-23 2018-01-03 (주)해동기술개발공사 Ｇｉｓ 기반 토사유실 평가 방법
CN106803208A (zh) * 2016-12-28 2017-06-06 贵州马科技有限公司 农业块数据配对系统及其配对方法
CN108491403A (zh) * 2018-01-19 2018-09-04 梅州市城市规划设计院 一种基于ArcGIS的山区建设用地的选址方法
CN108876027A (zh) * 2018-06-06 2018-11-23 安徽建筑大学 一种基于gis的农村居民点集中居住区选址和优化方法
CN110334864A (zh) * 2019-07-03 2019-10-15 洛阳市规划建筑设计研究院有限公司 一种基于gis的多规合一城乡空间分区划定的方法
CN111985694A (zh) * 2020-07-29 2020-11-24 北京派得伟业科技发展有限公司 一种种植规划系统
CN112700045A (zh) * 2020-12-31 2021-04-23 武汉市土地利用和城市空间规划研究中心 一种基于土地储备实施监测模型的智能选址系统
CN113155078A (zh) * 2021-01-26 2021-07-23 重庆市国土整治中心 一种分坡度旱地改水田潜力分析方法
CN113034323A (zh) * 2021-02-20 2021-06-25 温州设计集团有限公司 基于gis和大数据技术的智慧园林管理平台
CN113254559A (zh) * 2021-06-07 2021-08-13 浙江非线数联科技股份有限公司 一种基于地理信息系统的设备选址方法
CN113837892A (zh) * 2021-08-25 2021-12-24 湖北省水利水电规划勘测设计院 基于3s技术的坡耕地划分方法
CN114925985A (zh) * 2022-04-25 2022-08-19 深圳市蕾奥规划设计咨询股份有限公司 一种基于gis决策的市政设施选址规划方法
CN114936751A (zh) * 2022-04-25 2022-08-23 深圳市蕾奥规划设计咨询股份有限公司 一种基于gis和多线约束条件的停车场选址规划方法
CN115330086A (zh) * 2022-10-11 2022-11-11 吉奥时空信息技术股份有限公司 一种空间大数据的多条件约束下光伏用地自动化选址方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
刘欢;刘海利;: "基于AHP和GIS的高标准基本农田建设适宜性评价研究――以渭南市大荔县为例", 西部大开发(土地开发工程研究), no. 06, 20 June 2018 (2018-06-20), pages 19 - 24 *
向梦杰;方斌;胡晓亮;: "县域田园综合体选址评价与建设路径分析――以江苏省溧阳市为例", 《中国农业资源与区划》, no. 2019, 8 July 2019 (2019-07-08), pages 161 - 170 *
朱江洪;: "DEM在土地整理项目方案设计中的应用", 《国土资源科技管理》, no. 2011, 15 April 2011 (2011-04-15), pages 78 - 82 *
翟海翔;张丽娜;卜晓东;焦彩菊;: "GIS空间分析技术在葡萄园选址中的应用", 山西农业科学, no. 07, 20 July 2017 (2017-07-20), pages 1165 - 1168 *

Also Published As

Publication number Publication date
CN116703031B (zh) 2024-04-26

Similar Documents

Publication Publication Date Title
CN108536908B (zh) 基于非点源氮磷流失风险对流域水环境安全评估的方法
Purnamasari et al. Land suitability assessment for cassava production in Indonesia using GIS, remote sensing and multi-criteria analysis
CN109344810A (zh) 一种基于高分卫星遥感数据的耕地变化监测方法及系统
Cantelaube et al. Geographical downscaling of outputs provided by an economic farm model calibrated at the regional level
Zhang et al. Application and research progress of geographic information system (GIS) in agriculture
CN114897423B (zh) 基于作物水分指示线的农田灌溉概率指数计算方法
CN112241833A (zh) 一种光伏发电站前期精细化选址方法
CN116129262A (zh) 一种面向宜机化改造的耕地适宜性评价方法及系统
CN117408495B (zh) 一种基于土地资源综合管理的数据分析方法及系统
CN116703031B (zh) 使用gis进行水田选址大数据分析方法
CN103514569B (zh) 一种基于gis技术的粮食作物产量可视化新方法
BILAŞCO et al. ROADS ACCESIBILITY TO AGRICULTURAL CROPS USING GIS TECHNOLOGY. METHODOLOGICAL APROACH.
Falťan et al. Detailed mapping of geocomplexes in the vineyard landscape.
Difanty et al. Spatial modeling for prediction agricultural land-use change in Jampang Kulon, Sukabumi Regency
Adinarayana et al. An approach to land‐use planning in a hilly watershed using geographical information system
CN110411428A (zh) 一种土地规划整治项目的测绘方法
Liu et al. Design of precision fertilization management information system on GPS and GIS technologies
Massawe et al. Multi-criteria land evaluation for rice production using GIS and analytic hierarchy process in Kilombero Valley, Tanzania
Yazici et al. Gis using multi-criteria decision analysis for assessment and map-based indicators for nursery garden management.
Gavino Jr et al. Site Suitability Mapping of Onion in the Province of Occidental Mindoro Using Geographic Information System (GIS) Modelbuilder
KarimzadehMotlagh et al. Modeling the Sustainable Land-Use Allocation in the Great Isfahan Using Multi-Criteria Evaluation in GIS Environment
Aksu et al. Valuation Mapping of Rural Areas in Central Turkey: A Model Proposal Case Study
Salekin Hybrid growth models for Eucalyptus globoidea and E. bosistoana: explaining within and between site variability.
Prakasam et al. GI Science for Land Use Suitability Analysis in the Himalayas–A Case Study of Himachal Pradesh, India
Bosi et al. Chapter LaCoast Atlas: a consistent database to support sustainable coastal zone management

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