一种基于影像技术和数据挖掘的良田利用分析方法及装置

摘要

本发明具体涉及一种基于影像技术和数据挖掘的良田利用分析方法及装置，对一区域内良田矢量数据、建筑矢量数据、其他矢量数据、良田影像技术数据、建筑影像技术数据和其他影像技术数据进行收集；三组数据分别对应叠加,叠加后的三组数据进行合成处理，并依据合成后的三维建模数据进行三维建模，对三维建模数据进行数据挖掘分析，实时分析良田的利用情况，获得良田数据、建筑数据和其他数据的占比。本发明利用现代化的影像技术和数据挖掘技术，通过矢量数据和影像技术数据的叠加，更加高效精确，能够实时监测良田利用现状，有效控制良田大肆开发和破坏，同时对未充分开发利用的良田进行充分开发利用，对良田进行针对性的开发和保护。

说明书

技术领域

本发明涉及良田保护和利用技术领域，更具体的说涉及一种基于影像技术和数据挖掘的良田利用分析方法及装置。

技术背景

随着全球变化研究的深入，土地利用/覆被变化研究已经成为全球环境变化研究的核心领域内容。应用遥感技术结合地理信息系统(GeographicInformationSystem，简称GIS)、计算机技术以及传统调查方法进行土地利用类型的解译和分类已经成为当前获得大尺度、高时效性土地利用时空数据的重要手段。

在遥感技术的研究中，通过遥感影像判别各种目标是遥感技术发展的重要一环，遥感数据库的建立关乎专业信息提取、动态变化预测和专题地图制作等重要方面。

土地利用遥感分类实际上是遥感图像自动分类识别的过程，也就是用计算机模拟人类知觉，完成遥感图像分析和理解的过程。土地利用遥感分类的核心问题即是一个对遥感图像特征分析提取、图像分割和聚类，进行分类识别的过程。土地利用遥感分类的具体过程是把遥感图像中每一个像元或区域归为土地利用类型分类系统中的一种类别，也就是通过对各类地物的光谱特征分析来选择特征参数，划分出特征空间，将遥感图像的像元划分到特征空间中。

中国人口占世界22％，而耕地占世界7％，是人口大国而相对来说耕地偏少，特别围绕着人口密集的城镇周围分布着大量的良田，随着经济建设的发展，城镇周围的大量良田首先被用于征收开发，过度的开发使得非农业用地增加，耕地逐年减少，与此同时人口则逐年增加，于是人口和耕地供需之间的矛盾加剧。

因此，有必要提出一种技术方案，能够实时监测良田利用现状，同时充分利用良田，对良田进行针对性的开发和保护，成为了一种新的技术需求。

发明内容

（一）要解决的技术问题

针对以上缺点，本发明提出一种技术方案，利用现代化的影像技术和数据挖掘技术，能够实时监测良田利用现状，同时充分利用良田，对良田进行针对性的开发和保护，成为了一种新的技术需求。

（二）技术方案

为解决上述技术问题，本发明提供所述的一种基于影像技术和数据挖掘的良田利用分析方法，所述方法包括以下步骤：

对一区域内良田矢量数据、建筑矢量数据和其他矢量数据进行收集；

对该区域内良田影像技术数据、建筑影像技术数据和其他影像技术数据进行收集；

对该区域内的良田矢量数据和良田影像技术数据、建筑矢量数据和建筑影像技术数据、其他矢量数据和其他影像技术数据三组数据分别叠加为良田数据、建筑数据和其他数据；

将获得的良田数据、建筑数据和其他数据进行合成处理，并依据合成后的三维建模数据进行三维建模，得到该区域的三维模型；

其他数据中添加环境信息数据，通过环境信息数据与其他数据的合成计算获得完善其他数据，完善其他数据用于三维建模数据的挖掘分析；

对三维建模数据进行数据挖掘分析，实时分析良田的利用情况，获得良田数据、建筑数据和其他数据的占比，建立良田利用率实时动态图。

进一步地，所述影像技术数据采集一区域中地点包的地理数据，所述地理数据表征地理环境中要素的数量、质量、分布特征及其规律的数字、文字、图像等的总和，地理数据主要包括空间位置数据、属性特征数据以及时域特征数据，空间位置数据描述地理对象所在的位置，所述位置包括地理要素的绝对位置和相对位置，属性特征数据描述特定地理要素特征的定性或定量指标，时域特征数据是记录地理数据采集或地理现象发生的时刻或时段，所述地点包为影像技术的采集地点最小单位。

进一步地，所述数据挖掘方法包括：

根据获得的良田数据进行分析且划分良田的质量等级；

设定良田的标准阈值，分别设定上限阈值和下限阈值；

将采集的良田数据与设定的标准阈值进行分析比较，筛选出符合标准的良田。

进一步地，所述良田的质量等级根据良田的属性划分等级，所述良田的属性包括土壤性质、温湿度、光照度和坡度。

进一步地，所述良田的标准阈值设定方式为绝对标准和相对标准，所述绝对标准为采集的良田属性值符合设定良田阈值范围内，所述相对标准为采集的良田属性值与设定阈值相比，符合一定的百分比。

进一步地，所述叠加方式为：所述影像技术数据采用卫星遥感影像栅格数据，将该区域的矢量数据与卫星遥感影像栅格数据进行叠加分析，得到地理数据；地理数据包括空间位置数据、属性特征数据以及时域特征数据，所述地理数据以时域特征数据为基准，叠加空间位置数据和属性特征数据，形成具有时域性的良田利用动态数据。

进一步地，所述良田矢量数据为良田的空间地理数据，包括良田的面积、深度和高度，所述良田影像技术数据为良田通过卫星遥感获得的影像数据中的光谱、纹理、形状和结构。

进一步地，所述建筑矢量数据为该区域内建筑的空间地理数据，包括建筑的面积、深度和高度，所述建筑为建筑物以及建筑相关的人造设施，所述建筑影像技术数据为建筑通过卫星遥感获得的影像数据中的光谱、纹理、形状和结构。

进一步地，所述其他矢量数据为该区域内非建筑和良田的自然物的空间地理数据，所述其他影像技术数据为其他自然物通过卫星遥感获得的影像数据中的光谱、纹理、形状和结构。

一种基于影像技术和数据挖掘的良田利用分析方法的装置，所述装置包括矢量数据单元、影像技术数据单元、三维建模单元和数据挖掘分析单元，所述矢量数据单元处理和存储矢量数据；所述影像技术数据单元处理和存储影像技术数据，所述三维建模单元叠加矢量数据和影像技术数据并且进行三维建模，数据挖掘分析单元对三维建模数据进行数据挖掘和分析。

本发明的有益效果为：

本发明利用现代化的影像技术和数据挖掘技术，通过矢量数据和影像技术数据的叠加，更加高效精确，能够实时监测良田利用现状，有效控制良田大肆开发和破坏，同时对未充分开发利用的良田进行充分开发利用，对良田进行针对性的开发和保护。

附图说明

图1是本发明优选实施例的一种基于影像技术和数据挖掘的良田利用分析方法的流程图。

图2是本发明优选实施例的一种基于影像技术和数据挖掘的良田利用分析方法的结构示意图。

图3是本发明优选实施例的一种基于影像技术和数据挖掘的良田利用分析方法的装置的结构示意图。

图4是本发明优选实施例的一种基于影像技术和数据挖掘的良田利用分析方法的数据挖掘流程示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明了，下面结合具体实施方式并参照附图，对本发明进一步详细说明。应该理解，这些描述只是示例性的，而并非要限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。

如图1和图2所示，一种基于影像技术和数据挖掘的良田利用分析方法，所述方法包括以下步骤：

S1：对一区域内良田矢量数据、建筑矢量数据和其他矢量数据进行收集；对现有区域内的良田的矢量数据的收集，建筑矢量数据的收集，其他矢量数据包括池塘、湖泊或森林等矢量数据的收集，获得该区域现有的状态数据。

S2：对该区域内良田影像技术数据、建筑影像技术数据和其他影像技术数据进行收集；通过卫星遥感测量技术获得的影像技术数据。

S3：对该区域内的良田矢量数据和良田影像技术数据、建筑矢量数据和建筑影像技术数据、其他矢量数据和其他影像技术数据三组数据分别叠加为良田数据、建筑数据和其他数据；对影像技术数据和矢量数据进行空间上和时间上的数学叠加，得到更加精确的数据。

S4：将获得的良田数据、建筑数据和其他数据进行合成处理，并依据合成后的三维建模数据进行三维建模，得到该区域的三维模型；根据叠加后的数据属性通过计算机模拟产生三维模型，三维模型能够直观的观察和研究，提供整体设计的可行性。

S5：其他数据中添加环境信息数据，环境信息数据包括天气和自然状况，例如连续的降雨或持续的干旱降低了良田的利用率，研究一年的季节气候计算良田面积的折损率，还包括自然的状况，例如沙尘暴、地震或泥石流等等，能够影响良田的利用率，通过环境信息数据与其他数据的合成计算获得完善其他数据，完善后的数据能够更加精确用于计算良田利用率，完善其他数据用于三维建模数据的挖掘分析。

S6：对三维建模数据进行数据挖掘分析，三维建模能够更加直观的研究该区域地形的分别，查看更多的影响因素，实时分析良田的利用情况，获得良田数据、建筑数据和其他数据的占比，建立良田利用率实时动态图。

所述影像技术数据采集一区域中地点包的地理数据，所述地理数据表征地理环境中要素的数量、质量、分布特征及其规律的数字、文字、图像等的总和，地理数据主要包括空间位置数据、属性特征数据以及时域特征数据，空间位置数据描述地理对象所在的位置，所述位置包括地理要素的绝对位置和相对位置，属性特征数据描述特定地理要素特征的定性或定量指标，时域特征数据是记录地理数据采集或地理现象发生的时刻或时段，所述地点包为影像技术的采集地点最小单位，以最小单位来计算和叠加数据，使得数据更加精确，同时对区域化的布局更加准确和方便。

如图4所示，所述数据挖掘方法包括：

S10：根据获得的良田数据进行分析且划分良田的质量等级；每个区域所处的环境不同，应该根据该区域的实际情况来划分良田的质量等级，对该区域的所有良田进行数据采集，采集后去上下线的一定百分比为不良等级，例如该地区良田湿度为20%-60%，某种经济作物的最佳种植湿度为30%，种植湿度在最佳湿度上下5%的范围为宜，则20%-25%、35%-40%为较差质量等级，40%-60%为差质量等级。

S11：设定良田的标准阈值，分别设定上限阈值和下限阈值；阈值的设定标准为上下线，过高和过低都会对作物产生较大的影响，所述的阈值包括良田信息的各种属性，例如包括土壤中个元素的含量、土壤的pH值、温湿度、光照度、坡度、通风度等其他属性。

S12：将采集的良田数据与设定的标准阈值进行分析比较，根据不同的作物和环境设定不同的标准阈值，从而筛选出符合标准的良田。

所述良田的质量等级根据良田的属性划分等级，所述良田的属性包括土壤性质、温湿度、光照度和坡度。

所述良田的标准阈值设定方式为绝对标准和相对标准，所述绝对标准为采集的良田属性值符合设定良田阈值范围内，所述相对标准为采集的良田属性值与设定阈值相比，符合一定的百分比。

绝对标准：例如前面所述该地区良田湿度为20%-60%，某种经济作物的最佳种植湿度为30%，种植湿度在最佳湿度上下5%的范围为宜，则20%-25%、35%-40%为较差质量等级，40%-60%为差质量等级。

相对标准：例如该地区良田的湿度为20%-60%，某种经济作物的最佳种植湿度为30%，种植湿度在最佳湿度上下5%的范围为宜，但是该地区早晨和傍晚雾气较大或者该地区遇水较为频繁，加入空气相对于土壤的湿度对比，来计算质量等级，则15%-20%、40%-45%为较差质量等级，45%-60%为差质量等级。

所述叠加方式为：所述影像技术数据采用卫星遥感影像栅格数据，将该区域的矢量数据与卫星遥感影像栅格数据进行叠加分析，得到地理数据；地理数据包括空间位置数据、属性特征数据以及时域特征数据，所述地理数据以时域特征数据为基准，叠加空间位置数据和属性特征数据，形成具有时域性的良田利用动态数据。

所述良田矢量数据为良田的空间地理数据，包括良田的面积、深度和高度，所述良田影像技术数据为良田通过卫星遥感获得的影像数据中的光谱、纹理、形状和结构。

所述建筑矢量数据为该区域内建筑的空间地理数据，包括建筑的面积、深度和高度，所述建筑为建筑物以及建筑相关的人造设施，所述建筑影像技术数据为建筑通过卫星遥感获得的影像数据中的光谱、纹理、形状和结构。

所述其他矢量数据为该区域内非建筑和良田的自然物的空间地理数据，所述其他影像技术数据为其他自然物通过卫星遥感获得的影像数据中的光谱、纹理、形状和结构。

如图3所示，一种基于影像技术和数据挖掘的良田利用分析方法的装置，所述装置包括矢量数据单元、影像技术数据单元、三维建模单元和数据挖掘分析单元，所述矢量数据单元处理和存储矢量数据；所述影像技术数据单元处理和存储影像技术数据，所述三维建模单元叠加矢量数据和影像技术数据并且进行三维建模，数据挖掘分析单元对三维建模数据进行数据挖掘和分析，各单元相互连接构成一个装置整体。本发明利用现代化的影像技术和数据挖掘技术，通过矢量数据和影像技术数据的叠加，更加高效精确，能够实时监测良田利用现状，有效控制良田大肆开发和破坏，同时对未充分开发利用的良田进行充分开发利用，对良田进行针对性的开发和保护。

应当理解的是，本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理，而不构成对本发明的限制。因此，在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。此外，本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。