一种基于多源数据的城市三生空间识别与格局分析方法

摘要

本发明公开了一种基于多源数据的城市三生空间识别与格局分析方法，包括确定城市内部三生空间分类体系，构建计算指标；获取遥感影像数据、POI数量数据和AOI面积数据，进行数据处理与指标计算；对处理后的数据进行三生空间分类与识别，训练并生成三生空间分类模型；根据训练出的模型预测整个研究区内其他空间单元的三生类型；对研究区进行三生空间格局分析。本发明利用多源数据，并采用随机森林的方法，识别更加精确快速，可信度高。

说明书

技术领域

本发明属于地理信息科学技术领域，具体涉及一种基于多源数据的城市三生空间识别与格局分析方法。

背景技术

随着我国经济快速增长，常住人口城镇化率不断上升，提出了三生空间的理念，将国土空间划分为生活、生产和生态空间三类。在三生空间分类识别方法上，当下三生空间识别方法主要分为三种：一是归并分类法，通过对现有土地利用分类进行划分进行识别；二是量化测算法，通过计算空间不同的功能价值对其进行分类；三是数据驱动法，主要以不同类别的POI(Point of Interest,兴趣点)数据作为分类依据。这些方法使用的数据源较为单一，不同的数据类型均具有一定缺点，例如数据精细度低、更新速度慢、表征范围不准确等，且分类过程中大量依赖人工定权，主观因素影响较大。

发明内容

本发明的目的在于提供一种基于多源数据的城市三生空间识别与格局分析方法，该方法精度高，更新快。

本发明提供的这种基于多源数据的城市三生空间识别与格局分析方法，包括如下步骤：

S1.确定城市内部三生空间分类体系，构建计算指标；

S2.获取土地数据，进行数据处理与指标计算；

S3.对处理后的数据进行三生空间分类与识别，训练并生成三生空间分类模型；

S4.根据训练出的模型分类整个研究区内其他空间单元的三生类型；

S5.对研究区进行三生空间格局分析。

所述的步骤S1，具体为对多源数据进行分类，得到城市空间的生活、生产和生态功能分类计算指标与计算方法；具体包括如下步骤：

A1.计算生活功能值；

A2.计算生产功能值；

A3.计算生态功能值。

所述的步骤A1，生活功能值的计算指标包括居住功能指标、休闲消费功能指标、教育科研功能指标、医疗保健功能指标和生活服务功能指标；居住功能指标计算方法为空间单元内住宅区AOI(Area of Interest,兴趣区域)面积占比；休闲消费功能指标计算方法为空间单元内餐饮类、住宿类和购物类POI数量；教育科研功能指标计算方法为空间单元内教育类AOI面积占比；医疗保健功能指标计算方法为空间单元内医疗类AOI面积占比；生活服务功能指标计算方法为政府机构、生活服务类和金融类POI数量；具体为：

其中，i＝1,2,3,4,5，1表示居住功能指标，2表示休闲消费功能指标，3表示教育科研功能指标，4表示医疗保健功能指标，5表示生活服务功能指标；LF

所述的步骤A2，生产功能值的计算指标包括辅助生产功能指标、工业生产功能指标和生活服务业生产功能指标；辅助生产功能指标计算方法为空间单元内商务写字楼AOI面积占比；工业生产功能指标计算方法为空间单元内公司企业和文化传媒类POI数量；具体为：

其中，g＝1,2，1表示辅助生产功能指标，2表示工业生产功能指标；PF

所述的步骤A3，生态功能值的计算指标包括植被指标和水域指标；具体为：

其中，EF(V)为植被生态功能值；EF(W)为水域生态功能值；area(cell)为空间单元的面积；area(V)为空间单元内植被面积，area(W)为空间单元内水域面积。

所述的步骤S2，具体为获取遥感影像数据、POI数量和AOI面积；对研究区域进行划分，对遥感影像数据进行监督分类，将栅格数据转为矢量数据，并结合遥感影像数据、POI数量数据和AOI面积数据通过步骤S1确定的城市内部三生空间分类体系和构建的计算指标计算各项功能指标，包括如下步骤：

B1.进行数据处理，根据研究区范围，将研究区域划分为若干个相同大小的格网，并保存格网矢量文件；对遥感影像进行监督分类，得到计算指标中需要的植被面积和水体面积，并将栅格数据转为矢量数据保存；

B2.根据分类指标计算方法，分别计算步骤S1确定的指标的值，包括计算每个格网中各类POI点的数量；计算每个格网中各类AOI和植被、水体面积的占比；计算每个格网中生活服务业功能值。

所述的步骤S3，具体为得到各个分类指标的计算结果后，根据研究区真实情况，标注部分空间单元作为训练样本，训练随机森林分类器，

所述的步骤S4，用训练好的模型对研究区内未分类的空间单元进行分类，得到每个空间单元的分类结果。

所述的步骤S5，具体为得到每个空间单元的分类结果后，利用网约车OD(起点-终点)数据，O为起点，D为终点，根据目的地点的空间类型，将每个生活空间单元的出行划分为生产、生活和生态出行三类，并计算每类出行的加权平均距离，计算公式如下：

其中，Eco_Distance为生态出行距离；Living_Distance为生活出行距离；Product_Distance为生产出行距离；w为以空间单元为起点，落在目的地空间单元内的D点数量；O表示起点空间单元；D

本发明提供的这种基于多源数据的城市三生空间识别与格局分析方法，利用多源数据，并采用随机森林的方法，识别更加精确快速，可信度高。

附图说明

图1为本发明方法的流程示意图。

图2为本发明实施例的研究区域与训练数据示意图。

图3为本发明实施例的三生空间分类结果示意图。

图4为本发明实施例的出行距离可视化结果示意图。

具体实施方式

如图1为本发明方法的流程示意图：本发明提供的这种基于多源数据的城市三生空间识别与格局分析方法，包括如下步骤：

S1.确定城市内部三生空间分类体系，构建计算指标；

S2.获取土地多源数据，进行数据处理与指标计算；

S3.对处理后的数据进行三生空间分类与识别，训练并生成三生空间分类模型；

S4.根据训练出的模型分类整个研究区内其他空间单元的三生类型；

S5.对研究区进行三生空间格局分析。

所述的步骤S1，具体为对多源数据进行分类，得到城市空间的生活、生产和生态功能分类计算指标与计算方法。具体包括如下步骤：

A1.计算生活功能值，生活功能值的计算指标包括居住功能指标、休闲消费功能指标、教育科研功能指标、医疗保健功能指标和生活服务功能指标；居住功能指标计算方法为空间单元内住宅区AOI(Area of Interest,兴趣地)面积占比；休闲消费功能指标计算方法为空间单元内餐饮类、住宿类和购物类POI数量；教育科研功能指标计算方法为空间单元内教育类AOI面积占比；医疗保健功能指标计算方法为空间单元内医疗类AOI面积占比；生活服务功能指标计算方法为政府机构、生活服务类和金融类POI数量；具体为：

其中，i＝1,2,3,4,5，1表示居住功能指标，2表示休闲消费功能指标，3表示教育科研功能指标，4表示医疗保健功能指标，5表示生活服务功能指标；LF

A2.计算生产功能值，生产功能值的计算指标包括辅助生产功能指标、工业生产功能指标和生活服务业生产功能指标；辅助生产功能指标计算方法为空间单元内商务写字楼AOI面积占比；工业生产功能指标计算方法为空间单元内公司企业和文化传媒类POI数量；具体为：

其中，g＝1,2，1表示辅助生产功能指标，2表示工业生产功能指标；PF

A3.计算生态功能值，生态功能值的计算指标包括植被指标和水域指标；具体为：

其中，EF(V)为植被生态功能值；EF(W)为水域生态功能值；area(cell)为空间单元的面积；area(V)为空间单元内植被面积，area(W)为空间单元内水域面积。

所述的步骤S2，具体为获取遥感影像数据、POI数量和AOI面积；对研究区域进行划分，对遥感影像数据进行监督分类，将栅格数据转为矢量数据，并结合遥感影像数据、POI数量数据和AOI面积数据通过步骤S1确定的城市内部三生空间分类体系和构建的计算指标计算各项功能指标，包括如下步骤：

B1.进行数据处理，根据研究区范围，将研究区域划分为若干个相同大小的格网，并保存格网矢量文件；对遥感影像进行监督分类，得到计算指标中需要的植被面积和水体面积，并将栅格数据转为矢量数据保存；

B2.根据分类指标计算方法，分别计算步骤S1确定的指标的值，包括计算每个格网中各类POI点的数量；计算每个格网中各类AOI和植被、水体面积的占比；计算每个格网中生活服务业功能值。

所述的步骤S3，具体为得到各个分类指标的计算结果后，根据研究区真实情况，标注部分空间单元作为训练样本，训练随机森林分类器，

所述的步骤S4，用训练好的模型对研究区内未分类的空间单元进行分类，得到每个空间单元的分类结果。

所述的步骤S5，具体为得到每个空间单元的分类结果后，利用网约车OD数据，O为起点，D为终点，根据目的地点的空间类型，将每个生活空间单元的出行划分为生产、生活和生态出行三类，并计算每类出行的加权平均距离，计算公式如下：

其中，Eco_Distance为生态出行距离；Living_Distance为生活出行距离；Product_Distance为生产出行距离；w为以空间单元为起点，落在目的地空间单元内的D点数量；O表示起点空间单元；D

在具体实施方式中，本实施例采用中国海口市中心城区2017年遥感影像、POI、AOI和OD数据对本发明的具体实施进行说明，下面将结合此实例具体说明本发明对三生空间分布格局可视化分析的具体实施步骤：

1)预处理数据。首先筛选出研究区范围内的数据，并对遥感影像数据进行监督分类处理。

2)将研究区划分为200m×200m的格网。

3)根据真实情况标注部分训练数据，将城市内部用地分类。

4)计算每个空间单元的三生功能指标值，并训练随机森林分类器。

5)根据训练出的模型分类整个研究区内其他空间单元的三生类型。

6)利用OD数据，计算每个生活空间的三类出行距离，并进行可视化分析，如图2为本发明实施例的研究区域与训练数据示意图，图2a为本发明实施例的研究区域格网化示意图，图2b为本发明实施例的标注训练数据示意图。如图3为本发明实施例的三生空间分类结果示意图。如图4为本发明实施例的出行距离可视化结果示意图，图4a为本发明实施例的生活出行距离空间分布示意图，图4b为本发明实施例的生活出行距离频数分布示意图，图4c为本发明实施例的生产出行距离空间分布示意图，图4d为本发明实施例的生产出行距离频数分布示意图，图4e为本发明实施例的生态出行距离空间分布示意图，图4f为本发明实施例的生态出行距离频数分布示意图。