根据空间大数据获取土地利用变化的空间预测分析方法

摘要

本发明提出了一种根据空间大数据获取土地利用变化的空间预测分析方法，包括如下步骤：S1，获取历史数据中变化的土地利用数据，将变化的土地利用数据上传数据库；S2，根据土地利用变化提取指令选择相应的变化范围数据；S3，根据变化范围数据的特性进行相应的数据过滤，得到土地利用变化的面积数据；S4，将变化面积数据形成空间图层，通过地图图层的方式展示土地利用变化的预测结果。

说明书

技术领域

本发明涉及地理信息判断领域，尤其涉及一种根据空间大数据获取土地利用变化的空间预测分析方法。

背景技术

由于大数据的应用不断深化和推广，任何领域都在将相应的数据上传云端大数据平台进行智能技术，但是现有技术中涉及地理信息的相应数据，无法做到精确匹配用地信息，尤其在对特定区域设置土地利用变化的空间管理过程中，并不能快速准确的进行土地的合理使用以及土地面积的预测判断，这就亟需本领域技术人员解决相应的技术问题。

发明内容

本发明旨在至少解决现有技术中存在的技术问题，特别创新地提出了一种根据空间大数据获取土地利用变化的空间预测分析方法。

为了实现本发明的上述目的，本发明提供了一种根据空间大数据获取土地利用变化的空间预测分析方法，包括如下步骤：

S1，获取历史数据中变化的土地利用数据，将变化的土地利用数据上传数据库；

S2，根据土地利用变化提取指令选择相应的变化范围数据；

S3，根据变化范围数据的特性进行相应的数据过滤，得到土地利用变化的面积数据；

S4，将变化面积数据形成空间图层，通过地图图层的方式展示土地利用变化的预测结果。

优选的，所述S2包括：

S2-1，根据土地利用变化提取指令选择将要进行的土地利用变化范围数据F和第一时间区间A和第二时间区间B；

S2-2，根据变化范围数据F，将第一时间区间A土地利用变化数据和第二时间区间B土地利用变化数据的图层参数传到空间大数据库环境。

优选的，所述S3包括：

S3-1，根据变化范围数据F，对第一时间区间A和第二时间区间B的土地利用变化数据进行过滤，得到第一时间区间变化范围A

S3-2，将第一时间区间变化范围A

S3-3，根据土地利用关联数据C中第一时间区间变化范围A1的地类名称字段和第二时间区间变化范围B1的地类名称字段进行对比，如果发生土地利用变化，则赋值为，A1中的地类名称字段值，变为，B1中的地类名称字段值，否则为无变化。

S3-4，剔除土地利用关联数据C中Field1中值为无变化的数据，得到土地利用变化数据C

优选的，所述S4包括：

S4-1，对C

S4-2，将结果中Python处理的JSON文件返回到数据库，以地图图层的方式展示土地利用按照时间区间变化结果。

优选的，所述历史数据包括：

选择将要进行的年度土地利用变化范围数据F，和第一时间区间A和第二时间区间B，土地利用变化范围数据F包含区县土地利用数据、乡镇土地利用数据和村土地利用数据。

综上所述，由于采用了上述技术方案，本发明的有益效果是：

通过云计算对用地红线的状态进行系统预测和判断，能够推荐给终端进行宏观规划布局。

本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：

图1是本发明总体示意图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。

如图1所示，本发明提供了一种根据空间大数据获取土地利用变化的空间预测分析方法，

一、首先将2010-2018年土地利用变化数据导入到空间大数据库环境中；

二、根据土地利用变化提取指令选择将要进行的年度土地利用变化范围F(区县、乡镇、村)和年度A和年度B；

三、根据变化范围F，将年度A土地利用变化数据和年度B土地利用变化数据的图层参数传到空间大数据库环境；

四、先根据变化范围F，对年度A和年度B的数据进行过滤，得到年度变化范围A1和年度变化范围B1；

五、将A1和B1进行空间关联得到关联数据C，同时新增是否变化字段Field1；

六、根据C数据中A1年度的地类名称字段和B1年度的地类名称字段进行对比，如果发生变化，则赋值为【A1中的地类名称字段值】变为【B1中的地类名称字段值】例如(旱地变成道路)，否则为“无变化”

七、剔除C数据中Field1中值为“无变化”的数据，得到数据C1；

八、对C1中的数据按照Field1字段进行分组求和，得到各个地类变化的面积，将结果保存到Python处理的JSON文件中；

九、将结果中Python处理的JSON文件返回到空间大数据库，以地图图层的方式展示土地利用年度变化结果。

进行空间预测分析之后，对于用地红线进行分析，包括如下步骤：

S1，获取用地红线基础数据，将该基础数据导入大数据库中；

S2，通过底线冲突检测法进行用地红线空间图层检测；

S3，通过空间审批数据监测方法，对用地红线面积进行计算。

优选的，所述S1包括：

S1-1，将用地红线拐点坐标上传至空间大数据库中；

S1-2，将上传的拐点坐标文件解析成坐标集合，并根据上传的坐标集合范围计算投影坐标系的空间参考认证信息WKID。

优选的，所述S1还包括：

S1-3，将解析后的坐标集合和坐标系，上传至空间大数据库计算环境；

S1-4，利用PySpark将坐标集合转换成空间大数据库计算环境能够使用的空间几何对象A，将上传的拐点坐标文件解析成坐标集合，并利用上传的坐标集合形成投影坐标系。

优选的，所述S1包括：

S1-5，将空间几何对象A与永久基本农田保护区进行相交运算，得到结果B，如果结果B为空则不计算面积，否则进行图斑面积求和，将结果保存到Python处理的JSON文件中，同时将相交的范围发布成空间图层，对生态保护红线、永久基本农田、自然保护区进行空间控制，根据获取结果的精细程度，进行空间放大操作，从而进行用地红线全局预览，然后进行空间缩小操作，从而进行用地红线细节扫描。

优选的，所述S2包括：

S2-1，根据底线冲突检测法，设置用地范围区间，导入生态保护红线、永久基本农田、自然保护区三个图层，进行土地数据冲突检测判断，如果发生底线冲突则计算相应用地冲突面积，如果未冲突则执行S2-2；

S2-2，在进行底线冲突检测法判断过程中，提取服务器中的txt格式红线文件，将用地位置和用地适用范围进行抽取，通过底线冲突检测法进行分析。

优选的，所述S3包括：

S3-1，通过空间审批数据监测方法，对用地红线面积进行计算，将空间几何对象A与特定区域进行相交运算，得到结果C，如果结果C为空则不计算用地红线面积，否则计算用地红线面积，按照特定区域类型进行分组面积求和，将结果保存到Python处理的JSON文件中，同时将相交的范围发布成空间图层；通过线性工程比选进行用地红线计算，

S3-2，将空间几何对象A与用地红线进行相交运算，得到结果D，如果结果D为空则不计算面积，否则进行图斑面积求和，将结果保存到Python处理的JSON文件中，同时将相交的范围发布成空间图层；根据图层属性选择覆盖范围。

优选的，所述S3包括：

S-A，如果区域类型为自然保护区，提取自然保护区的核心区进行分组面积求和，提取核心区的相交用地面积，将相交的范围发布成空间图层；

S-B，然后提取自然保护区的试验区进行分组面积求和，提取试验区的相交用地面积，将相交的范围发布成空间图层；

S-C，然后提取自然保护区的缓冲区进行分组面积求和，提取缓冲区的相交用地面积，将相交的范围发布成空间图层。

优选的，所述S1包括：

所述用地红线基础数据包括：永久基本农田保护区、生态保护红线区、自然保护区、城镇开发边界区。

尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。