CN117291000A - 一种国土空间规划大数据分析辅助模型 - Google Patents
一种国土空间规划大数据分析辅助模型 Download PDFInfo
- Publication number
- CN117291000A CN117291000A CN202311043034.4A CN202311043034A CN117291000A CN 117291000 A CN117291000 A CN 117291000A CN 202311043034 A CN202311043034 A CN 202311043034A CN 117291000 A CN117291000 A CN 117291000A
- Authority
- CN
- China
- Prior art keywords
- data
- homeland
- planning
- model
- remote sensing
- 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.)
- Pending
Links
- 238000007405 data analysis Methods 0.000 claims abstract description 22
- 238000013499 data model Methods 0.000 claims abstract description 9
- 238000010276 construction Methods 0.000 claims abstract description 6
- 238000005070 sampling Methods 0.000 claims abstract description 5
- 238000004458 analytical method Methods 0.000 claims description 10
- 239000002689 soil Substances 0.000 claims description 4
- 230000004927 fusion Effects 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims description 3
- 230000003595 spectral effect Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 abstract description 4
- 238000000034 method Methods 0.000 abstract description 3
- 238000011425 standardization method Methods 0.000 abstract description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Tourism & Hospitality (AREA)
- General Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- Educational Administration (AREA)
- Computer Hardware Design (AREA)
- Remote Sensing (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种国土空间规划大数据分析辅助模型，包括以下步骤：步骤一：首先根据实际实施计划来对计划国土规划区域空间进行卫星遥感数据采集，并根据卫星遥感数据来进行建筑用地、农业用地以及其他用地的数据分类；步骤二：使用ArcGIS软件来对卫星遥感的国土分类信息建立综合数据模型，并通过建立的综合数据模型使用CAD软件对规划图进行分立图层绘制，与现有技术相比，本发明具有如下的有益效果：通过使用新建多组Landuse栅格数据来对大数据辅助模型进行分类，我们能够对不同国土规划空间进行多数值计算，通过使用结合其他采样数据进行空间内插，即可对多个组合Landuse栅格数据进行标准化处理，并采取极差标准化的方法对数据进行标准化处理。
Description
技术领域
本发明属于国土空间规划技术领域，涉及一种国土空间规划大数据分析辅助模型。
背景技术
国土空间规划是指国家对国土空间进行合理利用和开发的规划工作。在过去，国土空间规划主要依靠传统的调查和统计方法进行数据收集和分析。然而，随着大数据技术的快速发展，大数据分析被广泛应用于各个领域，包括城市规划和国土空间规划。然而，国土空间规划在进行大数据分析时存在一些问题和缺陷。
首先，数据收集方面存在难题。国土空间规划需要涵盖大量的数据，包括地理空间数据、人口数据、经济数据等。然而，这些数据的收集和整理工作需要耗费大量的时间和资源。尤其是地理空间数据，其获取和更新工作较为复杂，需要借助卫星遥感、地理信息系统等技术手段，而这些手段的应用需要专业知识和专门设备的支持。
其次，数据质量和完整性也是一个挑战。大数据分析的有效性和准确性取决于数据的质量和完整性。然而，国土空间规划所涉及的数据来自不同的部门和领域，数据的质量和完整性往往存在差异。例如，不同地区的数据标准和定义可能不一致，造成数据的不可比性。此外，部分数据可能存在缺失或错误，导致分析结果的不准确。
第三，数据保护和隐私问题也是一个考虑因素。在进行大数据分析时，需要收集和使用大量的个人和敏感数据。这些数据的使用涉及到个人隐私和数据保护的问题，需要进行合法合规的处理。在国土空间规划中，特别是涉及到土地使用和城市规划时，个人隐私和公共利益之间的平衡是一个复杂的问题。
最后，大数据分析在国土空间规划中的应用还面临着技术和人才的挑战。大数据分析需要运用先进的技术和算法，以及专业人才的支持。然而，在国土空间规划领域，尤其是在一些发展中国家和地区，技术和人才的不足是一个制约因素。缺乏相关技术和专业人才的支持，会影响大数据分析在国土空间规划中的应用效果和结果，因此，现在亟需一种国土空间规划大数据分析辅助模型来解决以上的问题。
发明内容
针对现有技术存在的不足，本发明目的是提供一种国土空间规划大数据分析辅助模型，解决上述背景技术中提出的问题。
本发明通过以下的技术方案实现：一种国土空间规划大数据分析辅助模型，包括以下步骤：
步骤一：首先根据实际实施计划来对计划国土规划区域空间进行卫星遥感数据采集，并根据卫星遥感数据来进行建筑用地、农业用地以及其他用地的数据分类；
步骤二：使用ArcGIS软件来对卫星遥感的国土分类信息建立综合数据模型，并通过建立的综合数据模型使用CAD软件对规划图进行分立图层绘制；
步骤三：根据CAD分立图层的国土空间区域规划图导入GIS系统进行检验，并新建ArcMap空间分析模块来分析Landuse数据，来得出分析结果。
进一步地，所述卫星遥感数据包括空间分辨率、光谱分辨率、时间序列、多源数据融合等特点，同时遥感数据通过SenseEarth3.0软件进行解析。
进一步地，所述卫星遥感数据通过自然资源卫星遥感云服务平台来对其进行技术支撑。
进一步地，所述SenseEarth3.0软件对遥感数据解析后将建筑用地数据、农业用地数据以及其他用地数据进行分类并形成大数据分析模型。
进一步地，工作人员使用CAD软件并根据某一地区所述大数据分析模型进行国土空间规划图的绘制。
进一步地，所述国土空间规划图包括市域国土空间用地用海现状图、中心城区国土空间用地用海现状图、市域自然保护地分布图、市域历史文化遗存分布图、市域自然灾害风险分布图。
进一步地，当各个所述国土空间规划图绘制完成后，通过新建多组Landuse栅格数据来对大数据辅助模型进行分类，并结合其他采样数据进行空间内插，同时将整体数据进行栅格单元统计以及邻域统计，从而得出分析结果。
采用了上述技术方案后，本发明的有益效果是：通过使用使用ArcGIS软件来对卫星遥感的国土分类信息建立综合数据模型，能够加强数据的收集和整理工作，提升数据质量和完整性，同时加强数据保护，通过使用新建多组Landuse栅格数据来对大数据辅助模型进行分类，我们能够对不同国土规划空间进行多数值计算，通过使用结合其他采样数据进行空间内插，即可对多个组合Landuse栅格数据进行标准化处理，并采取极差标准化的方法对数据进行标准化处理。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一种国土空间规划大数据分析辅助模型的技术流程图；
图2为本发明一种国土空间规划大数据分析辅助模型中大数据分析的技术流程图；
具体实施方式
下面将结合本发明实施例中的附图，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。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1-图2，一种国土空间规划大数据分析辅助模型，其特征在于，包括以下步骤：
步骤一：首先根据实际实施计划来对计划国土规划区域空间进行卫星遥感数据采集，并根据卫星遥感数据来进行建筑用地、农业用地以及其他用地的数据分类；
步骤二：使用ArcGIS软件来对卫星遥感的国土分类信息建立综合数据模型，并通过建立的综合数据模型使用CAD软件对规划图进行分立图层绘制；
步骤三：根据CAD分立图层的国土空间区域规划图导入GIS系统进行检验，并新建ArcMap空间分析模块来分析Landuse数据，来得出分析结果。
卫星遥感数据包括空间分辨率、光谱分辨率、时间序列、多源数据融合等特点，同时遥感数据通过SenseEarth3.0软件进行解析，卫星遥感数据通过自然资源卫星遥感云服务平台来对其进行技术支撑，SenseEarth3.0软件对遥感数据解析后将建筑用地数据、农业用地数据以及其他用地数据进行分类并形成大数据分析模型，工作人员使用CAD软件并根据某一地区大数据分析模型进行国土空间规划图的绘制，首先我们具体使用湘源控规6.0控制性详细规划设计辅助软件，我们将GIS中图斑数据导入CAD湘源后，其导入湘源的GIS数据需要DLDM地类名称代码以及TBBH图斑编号两组字段，详细步骤中需要将Shipfile格式的GIS数据通过数据转换并导入当前图中，随后找到需要导入数据的GDB文件数据库,并选中要导入的具体数据图层同时导入当前图中，随后在湘源菜单栏中进行绘制参数的选项中进行图层设置，并设置完成图层参数，下一步导入湘源图层设置修改表，并按用地用海图斑样式来显示具体数据。
国土空间规划图包括市域国土空间用地用海现状图、中心城区国土空间用地用海现状图、市域自然保护地分布图、市域历史文化遗存分布图、市域自然灾害风险分布图。
当各个国土空间规划图绘制完成后，通过新建多组Landuse栅格数据来对大数据辅助模型进行分类，随后使用函数将Landuse栅格数据输出对应矢量文件；
其批量转换结果为：
随后将多个组合Landuse栅格数据使用相同方式来转化为离散栅格数据进行重新分类并结合其他采样数据进行空间内插，同时将整体数据进行栅格单元统计以及邻域统计，从而得出分析结果；
表一：
| 序号 | 地区 | 区域代码 | 基数 | 区域 | 最小值 | 最大值 |
| 1 | CHN | 1 | 1332 | 101.45131132999 | -0.31531131 | 0.13513316 |
| 2 | CHN | 2 | 1616 | 296.45616199999 | -0.00511916 | 0.345135687 |
| 3 | CHN | 3 | 2515 | 132.46198993999 | -0.15435187 | 0.513141463 |
| 4 | CHN | 4 | 1867 | 613.45613199997 | -0.46131341 | 0.213254674 |
| 5 | CHN | 5 | 4165 | 993.16515494999 | -0.53466611 | 0.545464165 |
根据表一我们可得出不同区域的国土空间的区域位置、空间定值、相似性系数以及指标大小数值。
表二：
| 序号 | 范围 | 标准 | 总和 | 结果 |
| 1 | 0.9811313132451 | 0.214534659945 | 0.1447076041 | 0.212465491165 |
| 2 | 0.7985131351388 | 0.224543119100 | 0.1348946263 | 0.112165461166 |
| 3 | 0.7153216848611 | 0.161546549798 | 0.0613265461 | 0.234541641611 |
| 4 | 0.8351351343543 | 0.246518649811 | 0.1046549841 | 0.305122164868 |
| 5 | 0.6432135435176 | 0.315464647169 | 0.1156132416 | 0.270011003132 |
根据表二我们可对某地区的范围值以及标准值得出相似性系数，并采用欧式距离公式进行综合计算：
该公式中：Dij代表i区域与j区域土地利用相似性系数；x′ik代表i区域指标标准化指标值；x′jk代表j区域k指标标准化指标值；n代表研究区指标总数，通过上列计算即可对多个组合Landuse栅格数据进行标准化处理，并采取极差标准化的方法对数据进行标准化处理。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (7)
1.一种国土空间规划大数据分析辅助模型，其特征在于，包括以下步骤：
步骤一：首先根据实际实施计划来对计划国土规划区域空间进行卫星遥感数据采集，并根据卫星遥感数据来进行建筑用地、农业用地以及其他用地的数据分类；
步骤二：使用ArcGIS软件来对卫星遥感的国土分类信息建立综合数据模型，并通过建立的综合数据模型使用CAD软件对规划图进行分立图层绘制；
步骤三：根据CAD分立图层的国土空间区域规划图导入GIS系统进行检验，并新建ArcMap空间分析模块来分析Landuse数据，来得出分析结果。
2.根据权利要求1所述的一种国土空间规划大数据分析辅助模型，其特征在于：所述卫星遥感数据包括空间分辨率、光谱分辨率、时间序列、多源数据融合等特点，同时遥感数据通过SenseEarth3.0软件进行解析。
3.根据权利要求1所述的一种国土空间规划大数据分析辅助模型，其特征在于：所述卫星遥感数据通过自然资源卫星遥感云服务平台来对其进行技术支撑。
4.根据权利要求2所述的一种国土空间规划大数据分析辅助模型，其特征在于：所述SenseEarth3.0软件对遥感数据解析后将建筑用地数据、农业用地数据以及其他用地数据进行分类并形成大数据分析模型。
5.根据权利要求4所述的一种国土空间规划大数据分析辅助模型，其特征在于：工作人员使用CAD软件并根据某一地区所述大数据分析模型进行国土空间规划图的绘制。
6.根据权利要求5所述的一种国土空间规划大数据分析辅助模型，其特征在于：所述国土空间规划图包括市域国土空间用地用海现状图、中心城区国土空间用地用海现状图、市域自然保护地分布图、市域历史文化遗存分布图、市域自然灾害风险分布图。
7.根据权利要求1所述的一种国土空间规划大数据分析辅助模型，其特征在于：当各个所述国土空间规划图绘制完成后，通过新建多组Landuse栅格数据来对大数据辅助模型进行分类，并结合其他采样数据进行空间内插，同时将整体数据进行栅格单元统计以及邻域统计，从而得出分析结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311043034.4A CN117291000A (zh) | 2023-08-17 | 2023-08-17 | 一种国土空间规划大数据分析辅助模型 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311043034.4A CN117291000A (zh) | 2023-08-17 | 2023-08-17 | 一种国土空间规划大数据分析辅助模型 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117291000A true CN117291000A (zh) | 2023-12-26 |
Family
ID=89256090
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311043034.4A Pending CN117291000A (zh) | 2023-08-17 | 2023-08-17 | 一种国土空间规划大数据分析辅助模型 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117291000A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117876621A (zh) * | 2024-03-07 | 2024-04-12 | 贵州省第一测绘院(贵州省北斗导航位置服务中心) | 一种基于高分辨率遥感图像和地形数据的国土测绘方法 |
-
2023
- 2023-08-17 CN CN202311043034.4A patent/CN117291000A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117876621A (zh) * | 2024-03-07 | 2024-04-12 | 贵州省第一测绘院(贵州省北斗导航位置服务中心) | 一种基于高分辨率遥感图像和地形数据的国土测绘方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhang et al. | Vectorized rooftop area data for 90 cities in China | |
| Yao et al. | Mapping fine-scale population distributions at the building level by integrating multisource geospatial big data | |
| CN109102193A (zh) | 地理设计生态红线划定与管理系统及数据库、评价模型 | |
| Sun et al. | Evaluating the geometric aspects of integrating BIM data into city models | |
| CN112990976B (zh) | 基于开源数据挖掘的商业网点选址方法、系统、设备及介质 | |
| CN109359162A (zh) | 一种基于gis的学校选址方法 | |
| Li et al. | Mapping population density distribution at multiple scales in Zhejiang Province using Landsat Thematic Mapper and census data | |
| Zheng et al. | The desaturation method of DMSP/OLS nighttime light data based on vector data: Taking the rapidly urbanized China as an example | |
| CN114692236B (zh) | 一种面向大数据的国土空间规划底图底数处理方法 | |
| CN111222536A (zh) | 一种基于决策树分类的城市绿色空间信息提取方法 | |
| Garnett et al. | LiDAR—A technology to assist with smart cities and climate change resilience: A case study in an urban metropolis | |
| CN117291000A (zh) | 一种国土空间规划大数据分析辅助模型 | |
| Černecký et al. | Ecosystems in Slovakia | |
| CN115984603A (zh) | 基于gf-2与开放地图数据的城市绿地精细化分类方法与系统 | |
| Cao et al. | Monitoring changes in the impervious surfaces of urban functional zones using multisource remote sensing data: A case study of Tianjin, China | |
| CN114661744B (zh) | 一种基于深度学习的地形数据库更新方法及系统 | |
| CN117036939A (zh) | 一种基于图卷积网络的多源数据协同的城市功能区识别方法 | |
| CN117557681B (zh) | 一种基于多源测绘数据的高精度地形图生成方法及装置 | |
| CN113672788B (zh) | 一种基于多源数据和权重系数法的城市建筑功能分类方法 | |
| Bonilla-Bedoya et al. | Urban socio-ecological dynamics: applying the urban-rural gradient approach in a high Andean city | |
| Zhao et al. | Mapping urban land type with multi-source geospatial big data: a case study of Shenzhen, China | |
| García-Pardo et al. | Urban classification of the built-up and seasonal variations in vegetation: A framework integrating multisource datasets | |
| Zhang et al. | Studying changes in land use within the Poyang Lake region | |
| CN105808715B (zh) | 一种位置一张图的构建方法 | |
| Cheng et al. | Automated detection of impervious surfaces using night-time light and Landsat images based on an iterative classification framework |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication |