CN116993810A - 一种综合考虑中心点和面积的土壤普查样点提取方法 - Google Patents

一种综合考虑中心点和面积的土壤普查样点提取方法 Download PDF

Info

Publication number
CN116993810A
CN116993810A CN202310913889.1A CN202310913889A CN116993810A CN 116993810 A CN116993810 A CN 116993810A CN 202310913889 A CN202310913889 A CN 202310913889A CN 116993810 A CN116993810 A CN 116993810A
Authority
CN
China
Prior art keywords
point
feature class
field
tool
feature
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
CN202310913889.1A
Other languages
English (en)
Other versions
CN116993810B (zh
Inventor
雷秋良
刘欢
张天鹏
吴文斌
张建峰
曲航
孙文涛
安妙颖
马永刚
马华
杜新忠
樊秉乾
刘宏斌
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.)
Institute of Agricultural Resources and Regional Planning of CAAS
Original Assignee
Institute of Agricultural Resources and Regional Planning of CAAS
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 Institute of Agricultural Resources and Regional Planning of CAAS filed Critical Institute of Agricultural Resources and Regional Planning of CAAS
Priority to CN202310913889.1A priority Critical patent/CN116993810B/zh
Publication of CN116993810A publication Critical patent/CN116993810A/zh
Application granted granted Critical
Publication of CN116993810B publication Critical patent/CN116993810B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Multimedia (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种综合考虑中心点和面积的土壤普查样点提取方法，包括步骤A1‑A19：A1要求包含多部件多边形的要素类存储在GDB格式的数据库中；A2使用Modelbuilder创建模型，模型名称为Extract_SMP_Model。编辑Extract_SMP_Model模型；步骤A3‑A18为模型构建过程；A19选择其他需要处理的要素类运行模型进行处理，或者使用要素迭代器循环以上步骤A3‑A18进行处理数据；本发明的优点在于综合考虑了多部件多边形的中心点和面积，采用了本发明优化的方法来提取样点，可以适用于包含多部件多边形要素类的点位提取。

Description

一种综合考虑中心点和面积的土壤普查样点提取方法
技术领域
本发明属于土壤普查和信息技术领域，可用在土壤普查样点的布设，具体涉及一种综合考虑中心点和面积的土壤普查样点提取方法。
背景技术
全国土壤普查，全面查明查清我国土壤类型及分布规律、土壤资源现状及变化趋势，真实准确掌握土壤质量、性状和利用状况等基础数据，提升土壤资源保护和利用水平。普查对象为全国耕地、园地、林地、草地等农用地和部分未利用地的土壤。普查涉及表层样点和剖面样点的布设，表层样点用于了解土壤性状、立地条件与利用情况普查，服务农业生产，剖面样点用于土壤类型的校核补充、土壤图的更新完善。为了保证样点布设的科学性、全面性，样点布设要求统一制作工作底图、统一布设样点。以二普土壤图、三调土地利用现状图、DEM数据、行政区划图为基础图件，通过多个图件叠加进行布点。
ArcGIS软件通过Feature to point工具，提取多边形质心点为点要素。在提取多边形质心点时，通过设置可以将质心点落在多边形内。对于多部件多边形(MultipartPolygon)，可以通过要素转点工具，创建包含从输入要素的代表位置生成的点的要素类；如果设置点位置参数为INSIDE，输出点可位于多边形的内部。然而，对于一些复杂的要素，例如存在凹多边形(Concave Polygon)或具有大量内部环的多部件多边形，使用重心来计算质心点可能会导致结果偏移。这主要是由于该算法仅提取最大面积的多边形生成质心点，没有考虑多部件多边形的质心点。
在第三次土壤普查实际样点布点过程中，由于叠加土壤类型图和土地利用图或其他图件，特别是高精度土地利用图耕地图斑之间由于存在大量的沟渠、水塘、田埂等要素，图斑细碎多边形，直接叠加会造成图斑过碎。为避免图斑过碎和具有代表性，通常将沟渠、水塘、田埂等要素与邻近的耕地图斑进行融合后，变成大图斑，然后再将沟渠、水塘、田埂擦除掉，从而形成多部件多边形。基于融合后的多部件多边形进行布点，原则上选取面积较大的多边形质心点作为布设的样点，目前在ArcGIS中已有的工具通常仅仅考虑选择最大图斑作为质心点，没有考虑中心位置。若选取面积最大多边形图斑作为质心点，有可能点位离中心点偏移较多；若仅考虑离中心点最近的多边形，有可能选择较小的多边形，缺少代表性。
因此，现有技术存在缺陷，需要改进。
发明内容
本发明所要解决的技术问题是针对现有技术的不足提供一种综合考虑中心点和面积的土壤普查样点提取方法。
本发明的技术方案如下：
一种综合考虑中心点和面积的土壤普查样点提取方法，包括以下步骤：
A1要求包含多部件多边形的要素类存储在GDB格式的数据库中；
A2使用Modelbuilder创建模型，模型名称为Extract_SMP_Model。编辑Extract_SMP_Model模型；步骤A3-A18为模型构建过程；
A3在Modelbuilder模型构建器中添加面积参数变量，参数类型为双精度(Double)，参数名称：AreaThreshhold，输入的设定面积阈值；
A4使用添加字段Add Field工具添加表示唯一字段FID，字段类型：长整型(Long)；
A5使用计算字段calculate field工具，进行计算FID字段值等于ObjectID的值，python表达式为：FID＝！OBJECTID！；
A6使用添加字段Add Field工具添加IsMultiP字段，字段类型为：文本，长度：6；
A7判别要素类中每一个要素是否是多部件多边形(Multipart Polygon)；使用计算字段calculate field工具，输入python表达式为：！shape.IsMultipart！；进行字段计算后，IsMultiP字段值为TRUE的是多部件多边形；
A8若是多部件多边形，使用select工具，提取多部件多边形为独立要素类Multipart，表达式为：IsMultiP＝'TRUE'；
A9使用Minimum Bounding Geometry工具来创建要素类(Multipart)中每个多部件多边形的包络矩形，输入要素类：Multipart，输出面状要素类：MBG；
A10使用Feature to Point工具，提取包络矩形的中心点作为初始质心点，输入要素类：MBG，输出点状要素类：MBG_Point；
A11使用删除字段Delete field工具，删除字段FID、IsMultiP、ORIG_FID；
A12使用Multipart to Singlepart工具，将多部件多边形转换为单个多边形。输入要素类：Multipart，输出多边形要素类：Single_Part；
A13使用Select工具，提取超过面积阈值的多边形。输入要素类：Single_Part，输出要素类：Single_Sel，表达式：Shape_Area>％AreaThreshhold％；
A14使用Feature to Point工具将将超过阈值的多边形转换为点要素。输入要素类：Single_Sel，输出点状要素类：Single_Point；
A15使用删除字段Delete field工具，删除字段ORIG_FID_1；
A16使用Spatial join工具，查找Single_Point点层中距离包络矩形质心点(MBG_Point)最近的点，目标要素类：MBG_Point，链接要素类：Single_Point，输出要素类：MBG_Single，链接操作方法：一对一，匹配方法：最近距离(Closest_Geodesic)；
A17使用join field工具，将MBG_Single要素类属性表中的ORIG_FID字段挂接到Single_Point要素类的属性表中，通过ORIG_FID字段进行关联；
A18使用select工具，选择匹配的属性记录，输入的要素类：Single_Point，输出要素类：result，表达式为：ORIG_FID_1IS NOT NULL；
A19选择其他需要处理的要素类运行模型进行处理，或者使用要素迭代器循环以上步骤A3-A18进行处理数据。
采用上述方案，本发明综合考虑了多部件多边形的中心点和面积，采用了一种优化的方法来提取样点，可以适用于包含多部件多边形样点的提取。
附图说明
图1为本发明方法流程图图；
图2为本发明方法运行前后效果对比图；
具体实施方式
以下结合具体实施例，对本发明进行详细说明。
本发明提出了一种综合考虑中心点和面积大小的样点布设方法。为了综合考虑图斑面积和中心位置，参考图1，本发明是通过如下的步骤来实现：
A1要求包含多部件多边形的要素类存储在GDB格式的数据库中；
A2使用Modelbuilder创建模型，模型名称为Extract_SMP_Model。编辑Extract_SMP_Model模型。步骤A3-A18为模型构建过程。
A3在Modelbuilder模型构建器中添加面积参数变量，参数类型为双精度(Double)，参数名称：AreaThreshhold，输入的设定面积阈值；
A4使用添加字段Add Field工具添加表示唯一字段FID，字段类型：长整型(Long)；
A5使用计算字段calculate field工具，进行计算FID字段值等于ObjectID的值，python表达式为：FID＝！OBJECTID！；
A6使用添加字段Add Field工具添加IsMultiP字段，字段类型为：文本，长度：6；
A7判别要素类中每一个要素是否是多部件多边形(Multipart Polygon)。使用计算字段calculate field工具，输入python表达式为：！shape.IsMultipart！。进行字段计算后，IsMultiP字段值为TRUE的是多部件多边形；
A8若是多部件多边形，使用select工具，提取多部件多边形为独立要素类Multipart，表达式为：IsMultiP＝'TRUE'；
A9使用Minimum Bounding Geometry工具来创建要素类(Multipart)中每个多部件多边形的包络矩形，输入要素类：Multipart，输出面状要素类：MBG；
A10使用Feature to Point工具，提取包络矩形的中心点作为初始质心点，输入要素类：MBG，输出点状要素类：MBG_Point；
A11使用删除字段Delete field工具，删除字段FID、IsMultiP、ORIG_FID；
A12使用Multipart to Singlepart工具，将多部件多边形转换为单个多边形。输入要素类：Multipart，输出多边形要素类：Single_Part；
A13使用Select工具，提取超过面积阈值的多边形。输入要素类：Single_Part，输出要素类：Single_Sel，表达式：Shape_Area>％AreaThreshhold％；
A14使用Feature to Point工具将将超过阈值的多边形转换为点要素。输入要素类：Single_Sel，输出点状要素类：Single_Point；
A15使用删除字段Delete field工具，删除字段ORIG_FID_1；
A16使用Spatial join工具，查找Single_Point点层中距离包络矩形质心点(MBG_Point)最近的点，目标要素类：MBG_Point，链接要素类：Single_Point，输出要素类：MBG_Single，链接操作方法：一对一，匹配方法：最近距离(Closest_Geodesic)；
A17使用join field工具，将MBG_Single要素类属性表中的ORIG_FID字段挂接到Single_Point要素类的属性表中，通过ORIG_FID字段进行关联；
A18使用select工具，选择匹配的属性记录，输入的要素类：Single_Point，输出要素类：result，表达式为：ORIG_FID_1IS NOT NULL；
A19选择其他需要处理的要素类运行模型进行处理，或者使用要素迭代器循环以上步骤A3-A18进行处理数据。
图2为多部件多边形前后效果对比，图2上部多边形和图2下部多边形均为多部件多边形，直接采用要素转点工具提取图斑中心点时，会落在最大的图斑上(如三角点)，运行该模型后，会根据设定的阈值，去除最小的图斑，同时，生成距离整个多边形包络矩形的中心点位置最近的图斑上(如圆点)，并不是最大的图斑。
应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims (1)

1.一种综合考虑中心点和面积的土壤普查样点提取方法，其特征在于，包括以下步骤：
A1要求包含多部件多边形的要素类存储在GDB格式的数据库中；
A2使用Modelbuilder创建模型，模型名称为Extract_SMP_Model；编辑Extract_SMP_Model模型；步骤A3-A18为模型构建过程；
A3在Modelbuilder模型构建器中添加面积参数变量，参数类型为双精度(Double)，参数名称：AreaThreshhold，输入的设定面积阈值；
A4使用添加字段Add Field工具添加表示唯一字段FID，字段类型：长整型(Long)；
A5使用计算字段calculate field工具，进行计算FID字段值等于ObjectID的值，python表达式为：FID＝！OBJECTID！；
A6使用添加字段Add Field工具添加IsMultiP字段，字段类型为：文本，长度：6；
A7判别要素类中每一个要素是否是多部件多边形(Multipart Polygon)；使用计算字段calculate field工具，输入python表达式为：！shape.IsMultipart！；进行字段计算后，IsMultiP字段值为TRUE的是多部件多边形；
A8若是多部件多边形，使用select工具，提取多部件多边形为独立要素类Multipart，表达式为：IsMultiP＝'TRUE'；
A9使用Minimum Bounding Geometry工具来创建要素类(Multipart)中每个多部件多边形的包络矩形，输入要素类：Multipart，输出面状要素类：MBG；
A10使用Feature to Point工具，提取包络矩形的中心点作为初始质心点，输入要素类：MBG，输出点状要素类：MBG_Point；
A11使用删除字段Delete field工具，删除字段FID、IsMultiP、ORIG_FID；
A12使用Multipart to Singlepart工具，将多部件多边形转换为单个多边形。输入要素类：Multipart，输出多边形要素类：Single_Part；
A13使用Select工具，提取超过面积阈值的多边形。输入要素类：Single_Part，输出要素类：Single_Sel，表达式：Shape_Area>％AreaThreshhold％；
A14使用Feature to Point工具将将超过阈值的多边形转换为点要素。输入要素类：Single_Sel，输出点状要素类：Single_Point；
A15使用删除字段Delete field工具，删除字段ORIG_FID_1；
A16使用Spatial join工具，查找Single_Point点层中距离包络矩形质心点(MBG_Point)最近的点，目标要素类：MBG_Point，链接要素类：Single_Point，输出要素类：MBG_Single，链接操作方法：一对一，匹配方法：最近距离(Closest_Geodesic)；
A17使用join field工具，将MBG_Single要素类属性表中的ORIG_FID字段挂接到Single_Point要素类的属性表中，通过ORIG_FID字段进行关联；
A18使用select工具，选择匹配的属性记录，输入的要素类：Single_Point，输出要素类：result，表达式为：ORIG_FID_1IS NOT NULL；
A19选择其他需要处理的要素类运行模型进行处理，或者使用要素迭代器循环以上步骤A3-A18进行处理数据。
CN202310913889.1A 2023-07-25 2023-07-25 一种综合考虑中心点和面积的土壤普查样点提取方法 Active CN116993810B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310913889.1A CN116993810B (zh) 2023-07-25 2023-07-25 一种综合考虑中心点和面积的土壤普查样点提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310913889.1A CN116993810B (zh) 2023-07-25 2023-07-25 一种综合考虑中心点和面积的土壤普查样点提取方法

Publications (2)

Publication Number Publication Date
CN116993810A true CN116993810A (zh) 2023-11-03
CN116993810B CN116993810B (zh) 2024-02-20

Family

ID=88525941

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310913889.1A Active CN116993810B (zh) 2023-07-25 2023-07-25 一种综合考虑中心点和面积的土壤普查样点提取方法

Country Status (1)

Country Link
CN (1) CN116993810B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20060029708A (ko) * 2004-04-21 2006-04-07 공간정보기술 주식회사 수치지도용 선형의 표현을 위한 사용자정의 라인의 생성 방법
CN102567492A (zh) * 2011-12-22 2012-07-11 哈尔滨工程大学 一种海陆矢量地图数据集成与融合的方法
US9245366B1 (en) * 2014-01-03 2016-01-26 Amazon Technologies, Inc. Label placement for complex geographic polygons
CN112598373A (zh) * 2020-12-15 2021-04-02 珠海市规划设计研究院 地块智能化处理及净面积量算后批量自动生成方法
CN112861341A (zh) * 2021-02-04 2021-05-28 江西师范大学 一种结合形状和环境特征的多尺度面要素匹配方法及系统
CN113610917A (zh) * 2021-08-09 2021-11-05 河南工业大学 一种基于消隐点的圆阵靶标中心像点定位方法
CN113918572A (zh) * 2021-10-29 2022-01-11 中国农业科学院农业资源与农业区划研究所 基于行政区划边界的农业统计数据自动匹配与校正的方法
CN115546178A (zh) * 2022-10-24 2022-12-30 重庆长安汽车股份有限公司 一种基于真值评估众包地图数据的方法、电子设备及存储介质

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20060029708A (ko) * 2004-04-21 2006-04-07 공간정보기술 주식회사 수치지도용 선형의 표현을 위한 사용자정의 라인의 생성 방법
CN102567492A (zh) * 2011-12-22 2012-07-11 哈尔滨工程大学 一种海陆矢量地图数据集成与融合的方法
US9245366B1 (en) * 2014-01-03 2016-01-26 Amazon Technologies, Inc. Label placement for complex geographic polygons
CN112598373A (zh) * 2020-12-15 2021-04-02 珠海市规划设计研究院 地块智能化处理及净面积量算后批量自动生成方法
CN112861341A (zh) * 2021-02-04 2021-05-28 江西师范大学 一种结合形状和环境特征的多尺度面要素匹配方法及系统
CN113610917A (zh) * 2021-08-09 2021-11-05 河南工业大学 一种基于消隐点的圆阵靶标中心像点定位方法
CN113918572A (zh) * 2021-10-29 2022-01-11 中国农业科学院农业资源与农业区划研究所 基于行政区划边界的农业统计数据自动匹配与校正的方法
CN115546178A (zh) * 2022-10-24 2022-12-30 重庆长安汽车股份有限公司 一种基于真值评估众包地图数据的方法、电子设备及存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
曹竞文: "基于泰森多边形的汪清县农村居民点空间分布特征 及其影响因素", 《世 界 地 质》, vol. 38, no. 1, pages 268 - 276 *
董宏杰: "基于GIS的蔚县乡村文化旅游空间格局及发展模式研究", 《住宅与房地产 案例分析》, vol. 2022, no. 1, pages 114 - 120 *

Also Published As

Publication number Publication date
CN116993810B (zh) 2024-02-20

Similar Documents

Publication Publication Date Title
WO2024020744A1 (zh) 基于高分辨率影像的生态图斑提取方法
CN102855487B (zh) 高分辨率遥感图像新增建设用地变化图斑自动提取的方法
CN106548141B (zh) 一种基于三角网的面向对象耕地信息自动提取方法
CN101916297B (zh) 一种批量符号化的快速成图方法
CN104077806B (zh) 基于城市建筑三维模型的自动分体提取方法
KR101239827B1 (ko) 제외지 및 제내지 지형자료 통합 시스템
CN110688756B (zh) 一种采集和制图一体化的竣工图制作方法
CN105184224B (zh) 一种东北地区水田分类与信息提取系统及方法
CN113312736B (zh) 基于云平台的河网水动力模拟实现方法及系统
CN104572682A (zh) 对集成电路版图数据进行区域索引的方法
WO2024088005A1 (zh) 基于光线追踪的dem冲积扇提取方法
CN105740521B (zh) 油藏数值模拟系统求解过程中的小网格剔除方法和装置
CN110599584A (zh) 一种基于Dynamo和Revit的层状实体模型创建方法
CN116993810B (zh) 一种综合考虑中心点和面积的土壤普查样点提取方法
CN116863010A (zh) 基于空间聚集度分析的水土流失图斑综合制图方法
CN113032404A (zh) 一种面向地表覆盖数据的图斑变化轨迹提取方法与系统
CN109960781B (zh) 一种更新全球作物总产量栅格数据的方法
Janus et al. MKScal-system for land consolidation project based on CAD platform
CN116415318B (zh) 一种基于数学形态学的内流区湖泊水文连通性建模方法
CN101826098B (zh) 一种基于ab直方图的空间查询选择率估计方法
CN110222126A (zh) 一种大服务的静态服务供需匹配模式提取方法
CN109739942B (zh) 一种基于等高线模型的鞍部点提取方法
CN108427572A (zh) 土地调查数据库更新方法及其更新增量包生成方法
CN111652885B (zh) 一种玉米苗期点云茎叶器官分割方法
CN108171772B (zh) 利用mapGIS、CJKCOOR_Ver和DELF3D提取河流边界的方法

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