黑土地保护措施匹配方法、装置及存储介质

摘要

本发明涉及土地保护技术领域，是关于一种黑土地保护措施匹配方法、装置及存储介质，方法包括：获取样本地点数据集；利用样本地点数据集和随机森林模型进行训练，得到黑土地保护措施匹配模型；获取东北黑土地区的土壤属性、气候属性和地貌属性的专题图，并进行网格化处理，以得到东北黑土地区各个地点的土壤属性数据、气候属性数据和地貌属性数据；根据东北黑土地区各个地点的土壤属性数据、气候属性数据和地貌属性数据，利用黑土地保护措施匹配模型，确定各个地点对应的保护措施。通过该技术方案，保证黑土地根据其自身的土壤属性能够得到因地制宜的保护。

说明书

技术领域

本发明涉及土地保护技术领域，尤其涉及一种黑土地保护措施匹配方法、装置及存储介质。

背景技术

我国东北黑土地作为世界三大著名黑土地区之一，目前耕地面积有3584万hm

迄今为止，从对黑土资源保护的角度出发，当前针对黑土保护的措施往往具有一些局限性，并没有达到因地制宜的情况。然而现实的需求是需要根据每一块黑土地其自身的土壤性质，从而建立与其相互对应的保护措施。

发明内容

为克服相关技术中存在的问题，本发明提供一种黑土地保护措施匹配方法、装置及存储介质，从而对东北各个区域的黑土地的保护措施进行匹配，实现自动为各个区域进行保护措施的匹配，减少人为操作，提高匹配效率和匹配的准确性。

根据本发明实施例的第一方面，提供一种黑土地保护措施匹配方法，所述方法包括：

获取样本地点数据集，其中，所述样本点数据集包括东北黑土地区各个样本地点对应的土壤属性数据、气候属性数据、地貌属性数据、位置属性数据和保护措施数据；

利用所述样本地点数据集和随机森林模型进行训练，得到黑土地保护措施匹配模型；

获取东北黑土地区的土壤属性、气候属性和地貌属性的专题图，并进行网格化处理，以得到东北黑土地区各个地点的土壤属性数据、气候属性数据和地貌属性数据；

根据所述东北黑土地区各个地点的土壤属性数据、气候属性数据和地貌属性数据，利用所述黑土地保护措施匹配模型，确定各个地点对应的保护措施。

在一个实施例中，优选地，利用所述样本地点数据集和随机森林模型进行训练，得到黑土地保护措施匹配模型，包括：

利用LabelEncoder和transform函数将各个样本地点对应的保护措施数据转化为保护措施编码；

以各个样本地点的土壤属性数据、气候属性数据和地貌属性数据作为自变量，所述保护措施编码作为因变量，将所述样本地点数据集输入至随机森林模型进行拟合，以得到参数最优的黑土地保护措施匹配模型。

在一个实施例中，优选地，利用LabelEncoder和transform函数将各个样本地点对应的保护措施数据转化为保护措施编码，包括：

采用以下公式将离散的保护措施数据转化为0到N-1之间的整数：

f(保护措施

其中，n表示第n种保护措施，其取值范围为[1，N]之间的自然数，N表示保护措施的种类。

在一个实施例中，优选地，以各个样本地点的土壤属性数据、气候属性数据和地貌属性数据作为自变量，所述保护措施编码作为因变量，将所述样本地点数据集输入至随机森林模型进行拟合，以得到参数最优的黑土地保护措施匹配模型，包括：

以每个样本地点的土壤属性数据、气候属性数据和地貌属性数据作为自变量，所述保护措施编码作为因变量，其中，每组自变量和因变量作为一个决策树；

对所有决策树进行投票选举，从所有决策树中选取出投票数最多的目标决策树；

将所述目标决策树对应的参数确定为参数最优的黑土地保护措施匹配模型。

在一个实施例中，优选地，根据所述东北黑土地区各个地点的土壤属性数据、气候属性数据和地貌属性数据，利用所述黑土地保护措施匹配模型，确定各个地点对应的保护措施，包括：

利用所述黑土地保护措施匹配模型中的predict函数对各个地点的土壤属性数据、气候属性数据和地貌属性数据进行匹配，得到各个地点对应的保护措施编码；

利用inverse_transform函数对所述保护措施编码进行解码，得到每个地点对应的保护措施。

在一个实施例中，优选地，所述predict函数的数学表达式包括：

K＝MAX(保护措施1，保护措施2，...，保护措施N)

其中，K表示最大可能性的保护措施；保护措施1，保护措施2...保护措施N表示各类保护措施的被匹配的概率；

所述inverse_transform函数的数学表达式包括：

f(n)＝保护措施

其中，n表示第n种保护措施，其取值范围为[1，N-1]之间的自然数，N表示保护措施的种类。

在一个实施例中，优选地，获取东北黑土地区的土壤属性、气候属性和地貌属性的专题图，包括：

获取全国的土壤属性、气候属性和地貌属性的专题图；

将东北黑土地区的矢量地图放入Arcgis软件中作为裁剪元素，各类专题图作为被裁剪元素，利用Arcgis软件中的裁剪功能进行裁剪，获取东北黑土地区的土壤属性、气候属性、地貌属性的专题图。

根据本发明实施例的第二方面，提供一种黑土地保护措施匹配装置，所述装置包括：

获取模块，用于获取样本地点数据集，其中，所述样本点数据集包括东北黑土地区各个样本地点对应的土壤属性数据、气候属性数据、地貌属性数据、位置属性数据和保护措施数据；

训练模块，用于利用所述样本地点数据集和随机森林模型进行训练，得到黑土地保护措施匹配模型；

处理模块，用于获取东北黑土地区的土壤属性、气候属性和地貌属性的专题图，并进行网格化处理，以得到东北黑土地区各个地点的土壤属性数据、气候属性数据和地貌属性数据；

确定模块，用于根据所述东北黑土地区各个地点的土壤属性数据、气候属性数据和地貌属性数据，利用所述黑土地保护措施匹配模型，确定各个地点对应的保护措施。

在一个实施例中，优选地，训练模块用于：

利用LabelEncoder和transform函数将各个样本地点对应的保护措施数据转化为保护措施编码；

以各个样本地点的土壤属性数据、气候属性数据和地貌属性数据作为自变量，所述保护措施编码作为因变量，将所述样本地点数据集输入至随机森林模型进行拟合，以得到参数最优的黑土地保护措施匹配模型。

在一个实施例中，优选地，利用LabelEncoder和transform函数将各个样本地点对应的保护措施数据转化为保护措施编码，包括：

采用以下公式将离散的保护措施数据转化为0到N-1之间的整数：

f(保护措施

其中，n表示第n种保护措施，其取值范围为[1，N]之间的自然数，N表示保护措施的种类。

在一个实施例中，优选地，以各个样本地点的土壤属性数据、气候属性数据和地貌属性数据作为自变量，所述保护措施编码作为因变量，将所述样本地点数据集输入至随机森林模型进行拟合，以得到参数最优的黑土地保护措施匹配模型，包括：

以每个样本地点的土壤属性数据、气候属性数据和地貌属性数据作为自变量，所述保护措施编码作为因变量，其中，每组自变量和因变量作为一个决策树；

对所有决策树进行投票选举，从所有决策树中选取出投票数最多的目标决策树；

将所述目标决策树对应的参数确定为参数最优的黑土地保护措施匹配模型。

在一个实施例中，优选地，确定模块用于：

利用所述黑土地保护措施匹配模型中的predict函数对各个地点的土壤属性数据、气候属性数据和地貌属性数据进行匹配，得到各个地点对应的保护措施编码；

利用inverse_transform函数对所述保护措施编码进行解码，得到每个地点对应的保护措施。

在一个实施例中，优选地，所述predict函数的数学表达式包括：

K＝MAX(保护措施1，保护措施2，...，保护措施N)

其中，K表示最大可能性的保护措施；保护措施1，保护措施2...保护措施N表示各类保护措施的被匹配的概率；

所述inverse_transform函数的数学表达式包括：

f(n)＝保护措施

其中，n表示第n种保护措施，其取值范围为[1，N-1]之间的自然数，N表示保护措施的种类。

在一个实施例中，优选地，所述处理模块用于：

获取全国的土壤属性、气候属性和地貌属性的专题图；

将东北黑土地区的矢量地图放入Arcgis软件中作为裁剪元素，各类专题图作为被裁剪元素，利用Arcgis软件中的裁剪功能进行裁剪，获取东北黑土地区的土壤属性、气候属性、地貌属性的专题图。

根据本发明实施例的第三方面，提供一种黑土地保护措施匹配装置，所述装置包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：

获取样本地点数据集，其中，所述样本点数据集包括东北黑土地区各个样本地点对应的土壤属性数据、气候属性数据、地貌属性数据、位置属性数据和保护措施数据；

利用所述样本地点数据集和随机森林模型进行训练，得到黑土地保护措施匹配模型；

获取东北黑土地区的土壤属性、气候属性和地貌属性的专题图，并进行网格化处理，以得到东北黑土地区各个地点的土壤属性数据、气候属性数据和地貌属性数据；

根据所述东北黑土地区各个地点的土壤属性数据、气候属性数据和地貌属性数据，利用所述黑土地保护措施匹配模型，确定各个地点对应的保护措施。

根据本发明实施例的第四方面，提供一种计算机可读存储介质，其上存储有计算机指令，所述指令被处理器执行时实现如第二方面的实施例中任一项所述方法的步骤。

本发明的实施例提供的技术方案可以包括以下有益效果：

本发明中，根据已有样本点的土壤、气候、地貌数据以及保护措施，构建机器学习模型，基于拟合后的模型对东北黑土地区各个区域的保护措施进行智能匹配，从而实现自动为各个区域进行保护措施的匹配，减少人为操作，提高匹配效率和匹配的准确性。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。

图1A是根据一示例性实施例示出的一种黑土地保护措施匹配方法的流程图。

图1B是根据一示例性实施例示出的东北黑土地区20km划分图及样本点分布图。

图2是根据一示例性实施例示出的一种黑土地保护措施匹配方法中步骤S102的流程图。

图3是根据一示例性实施例示出的一种黑土地保护措施匹配方法中步骤S202的流程图。

图4是根据一示例性实施例示出的随机森林模型的示意图。

图5是根据一示例性实施例示出的一种黑土地保护措施匹配装置的框图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。

图1A是根据一示例性实施例示出的一种黑土地保护措施匹配方法的流程图。

如图1A所示，根据本发明实施例的第一方面，提供一种黑土地保护措施匹配方法，所述方法包括：

步骤S101，获取样本地点数据集，其中，所述样本点数据集包括东北黑土地区各个样本地点对应的土壤属性数据、气候属性数据、地貌属性数据、位置属性数据和保护措施数据；

通过开源的文献数据库网站，获取已有的基于专家知识的样本点，统计这些样本点的各类属性及其对应的保护措施。

其中，土壤属性数据主要包括有速效钾、碱解氮、速效磷、全钾、全氮、全磷，、土壤容量、PH值等各类指标。气候属性数据主要包括有温度、降雨等相关气候指标。地貌属性数据主要包括有高程、坡度等相关地貌指标。位置属性数据主要包括有样本点经纬度、所属省份、所属保护区等相关位置指标。保护措施数据主要是有各样本点对应的保护措施，保护措施可以分为保护性耕作、改土培肥以及治理工程建设这三类，其中保护性耕作可以分为轮作、改良培育耕作层、秸秆还田、少耕免耕，改土培肥可以分为施用有机肥、生物菌肥、调理剂，治理工程建设可以分为水利设施、种植防护林、改垄。

步骤S102，利用所述样本地点数据集和随机森林模型进行训练，得到黑土地保护措施匹配模型；

由于随机森林模型在处理多维数据时相较于其他机器学习模型来说表现得更加优异，因此选择随机森林模型作为建立各样本点自变量与因变量关系的模型。

步骤S103，获取东北黑土地区的土壤属性、气候属性和地貌属性的专题图，并进行网格化处理，以得到东北黑土地区各个地点的土壤属性数据、气候属性数据和地貌属性数据；

如图1B所示，对专题图进行网格化处理，设置每个格网的长度和宽度均为20km大小，之后再利用Arcgis软件中的表转excel工具，将各类专题图中的属性值转为excel表格，并对各张excel表格进行合并整理，得出一套东北黑土地区具有土壤、气候、地貌三种类型属性的数据集。

步骤S104，根据所述东北黑土地区各个地点的土壤属性数据、气候属性数据和地貌属性数据，利用所述黑土地保护措施匹配模型，确定各个地点对应的保护措施。

图2是根据一示例性实施例示出的一种黑土地保护措施匹配方法中步骤S102的流程图。

如图2所示，在一个实施例中，优选地，步骤S102包括：

步骤S201，利用LabelEncoder和transform函数将各个样本地点对应的保护措施数据转化为保护措施编码；

在一个实施例中，优选地，利用LabelEncoder和transform函数将各个样本地点对应的保护措施数据转化为保护措施编码，包括：

采用以下公式将离散的保护措施数据转化为0到N-1之间的整数：

f(保护措施

其中，n表示第n种保护措施，其取值范围为[1，N]之间的自然数，N表示保护措施的种类。

步骤S202，以各个样本地点的土壤属性数据、气候属性数据和地貌属性数据作为自变量，所述保护措施编码作为因变量，将所述样本地点数据集输入至随机森林模型进行拟合，以得到参数最优的黑土地保护措施匹配模型。

在这个拟合的过程中，需要不断地调整参数，以提高模型的准确率。最后拟合得出具有最高准确率的模型参数即可。

如图3和图4所示，在一个实施例中，优选地，步骤S202包括：

步骤S301，以每个样本地点的土壤属性数据、气候属性数据和地貌属性数据作为自变量，所述保护措施编码作为因变量，其中，每组自变量和因变量作为一个决策树；

步骤S302，对所有决策树进行投票选举，从所有决策树中选取出投票数最多的目标决策树；

步骤S303，将所述目标决策树对应的参数确定为参数最优的黑土地保护措施匹配模型。

在一个实施例中，优选地，步骤S104包括：

利用所述黑土地保护措施匹配模型中的predict函数对各个地点的土壤属性数据、气候属性数据和地貌属性数据进行匹配，得到各个地点对应的保护措施编码；

利用inverse_transform函数对所述保护措施编码进行解码，得到每个地点对应的保护措施。

在一个实施例中，优选地，所述predict函数的数学表达式包括：

K＝MAX(保护措施1，保护措施2，...，保护措施N)

其中，K表示最大可能性的保护措施；保护措施1，保护措施2...保护措施N表示各类保护措施的被匹配的概率；

所述inverse_transform函数的数学表达式包括：

f(n)＝保护措施

其中，n表示第n种保护措施，其取值范围为[1，N-1]之间的自然数，N表示保护措施的种类。

在一个实施例中，优选地，获取东北黑土地区的土壤属性、气候属性和地貌属性的专题图，包括：

获取全国的土壤属性、气候属性和地貌属性的专题图；

将东北黑土地区的矢量地图放入Arcgis软件中作为裁剪元素，各类专题图作为被裁剪元素，利用Arcgis软件中的裁剪功能进行裁剪，获取东北黑土地区的土壤属性、气候属性、地貌属性的专题图。

图5是根据一示例性实施例示出的一种黑土地保护措施匹配装置的框图。

如图5所示，根据本发明实施例的第二方面，提供一种黑土地保护措施匹配装置，所述装置包括：

获取模块51，用于获取样本地点数据集，其中，所述样本点数据集包括东北黑土地区各个样本地点对应的土壤属性数据、气候属性数据、地貌属性数据、位置属性数据和保护措施数据；

训练模块52，用于利用所述样本地点数据集和随机森林模型进行训练，得到黑土地保护措施匹配模型；

处理模块53，用于获取东北黑土地区的土壤属性、气候属性和地貌属性的专题图，并进行网格化处理，以得到东北黑土地区各个地点的土壤属性数据、气候属性数据和地貌属性数据；

确定模块54，用于根据所述东北黑土地区各个地点的土壤属性数据、气候属性数据和地貌属性数据，利用所述黑土地保护措施匹配模型，确定各个地点对应的保护措施。

在一个实施例中，优选地，训练模块用于：

利用LabelEncoder和transform函数将各个样本地点对应的保护措施数据转化为保护措施编码；

以各个样本地点的土壤属性数据、气候属性数据和地貌属性数据作为自变量，所述保护措施编码作为因变量，将所述样本地点数据集输入至随机森林模型进行拟合，以得到参数最优的黑土地保护措施匹配模型。

在一个实施例中，优选地，利用LabelEncoder和transform函数将各个样本地点对应的保护措施数据转化为保护措施编码，包括：

采用以下公式将离散的保护措施数据转化为0到N-1之间的整数：

f(保护措施

其中，n表示第n种保护措施，其取值范围为[1，N]之间的自然数，N表示保护措施的种类。

在一个实施例中，优选地，以各个样本地点的土壤属性数据、气候属性数据和地貌属性数据作为自变量，所述保护措施编码作为因变量，将所述样本地点数据集输入至随机森林模型进行拟合，以得到参数最优的黑土地保护措施匹配模型，包括：

以每个样本地点的土壤属性数据、气候属性数据和地貌属性数据作为自变量，所述保护措施编码作为因变量，其中，每组自变量和因变量作为一个决策树；

对所有决策树进行投票选举，从所有决策树中选取出投票数最多的目标决策树；

将所述目标决策树对应的参数确定为参数最优的黑土地保护措施匹配模型。

在一个实施例中，优选地，确定模块用于：

利用所述黑土地保护措施匹配模型中的predict函数对各个地点的土壤属性数据、气候属性数据和地貌属性数据进行匹配，得到各个地点对应的保护措施编码；

利用inverse_transform函数对所述保护措施编码进行解码，得到每个地点对应的保护措施。

在一个实施例中，优选地，所述predict函数的数学表达式包括：

K＝MAX(保护措施1，保护措施2，...，保护措施N)

其中，K表示最大可能性的保护措施；保护措施1，保护措施2...保护措施N表示各类保护措施的被匹配的概率；

所述inverse_transform函数的数学表达式包括：

f(n)＝保护措施

其中，n表示第n种保护措施，其取值范围为[1，N-1]之间的自然数，N表示保护措施的种类。

在一个实施例中，优选地，所述处理模块用于：

获取全国的土壤属性、气候属性和地貌属性的专题图；

将东北黑土地区的矢量地图放入Arcgis软件中作为裁剪元素，各类专题图作为被裁剪元素，利用Arcgis软件中的裁剪功能进行裁剪，获取东北黑土地区的土壤属性、气候属性、地貌属性的专题图。

根据本发明实施例的第三方面，提供一种黑土地保护措施匹配装置，所述装置包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：

获取样本地点数据集，其中，所述样本点数据集包括东北黑土地区各个样本地点对应的土壤属性数据、气候属性数据、地貌属性数据、位置属性数据和保护措施数据；

利用所述样本地点数据集和随机森林模型进行训练，得到黑土地保护措施匹配模型；

获取东北黑土地区的土壤属性、气候属性和地貌属性的专题图，并进行网格化处理，以得到东北黑土地区各个地点的土壤属性数据、气候属性数据和地貌属性数据；

根据所述东北黑土地区各个地点的土壤属性数据、气候属性数据和地貌属性数据，利用所述黑土地保护措施匹配模型，确定各个地点对应的保护措施。

根据本发明实施例的第四方面，提供一种计算机可读存储介质，其上存储有计算机指令，所述指令被处理器执行时实现如第二方面的实施例中任一项所述方法的步骤。

进一步可以理解的是，本发明中“多个”是指两个或两个以上，其它量词与之类似。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。

进一步可以理解的是，术语“第一”、“第二”等用于描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开，并不表示特定的顺序或者重要程度。实际上，“第一”、“第二”等表述完全可以互换使用。例如，在不脱离本发明范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。

进一步可以理解的是，本发明实施例中尽管在附图中以特定的顺序描述操作，但是不应将其理解为要求按照所示的特定顺序或是串行顺序来执行这些操作，或是要求执行全部所示的操作以得到期望的结果。在特定环境中，多任务和并行处理可能是有利的。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求指出。

应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。