一种基于机器学习的生态保护红线测定方法技术

本发明专利技术公开了一种基于机器学习的生态保护红线测定方法，该方法主要采用机器学习算法作为基础模型，基于各项生态环境数据与卫星图片中的相关特征片，以此特征结合算法模型测绘出该地区的生态保护红线。

【技术实现步骤摘要】
一种基于机器学习的生态保护红线测定方法
本专利技术属于生态学领域，具体涉及一种基于机器学习的生态保护红线测定方法。
技术介绍
从实务角度看，国土、水利、林业、海洋等多个部门曾在各自领域管理规程中均提出了各自的“红线”，包括耕地红线、水利资源利用红线、林业红线、海洋红线等，对各部门环境要素划定刚性标准实行限制性约束。这些“红线”包括了管控对象的严格空间界线、数量或比例限值，强调了耕地、水、林地和海洋等具体保护目标，均属于生态保护红线的范畴，但不是完整意义上的生态保护红线。2014年1月，环保部印发了《国家生态保护红线-生态功能基线划定技术指南(试行)》，成为中国首个生态保护红线划定的纲领性技术指导文件，对“生态保护红线”的定义作出了明确的规定，即对维护国家和区域生态安全及经济社会可持续发展，保障人民群众健康具有关键作用，在提升生态功能、改善环境质量、促进资源高效利用等方面必须严格保护的最小空间范围与最高或最低数量限值。西方国家在长期的“先污染、后治理”的事件发生后，认识到风险预防措施的重要性。国际社会开始重视这一原则的运用，加拿大、法国、本文档来自技高网...

【技术保护点】
1.一种基于机器学习的生态保护红线测定方法，其特征在于，包括以下步骤：/nS1、获取生态保护红线地区的数据，建立生态保护红线点图层库。/nS2、提取图片特征，建立特征矩阵。/nS3、基于特征矩阵，使用机器学习算法为目标地区自动划定生态保护红线。/n

【技术特征摘要】
1.一种基于机器学习的生态保护红线测定方法，其特征在于，包括以下步骤：
S1、获取生态保护红线地区的数据，建立生态保护红线点图层库。
S2、提取图片特征，建立特征矩阵。
S3、基于特征矩阵，使用机器学习算法为目标地区自动划定生态保护红线。


2.如权利要求1所述的一种基于机器学习的生态保护红线测定方法，其特征在于，所述步骤S1具体包括以下分步骤：
S1-1、获取的地区数据包括了卫星图片，图片数量为m，且生态红线皆已人工划定，点图层要求预设属性表E相关的数据，其包括了以下属性：序号，保护区名称，点位序号，点位名称，功能区，经纬度，占地面积，已识别情况，生态破环情况，活动/设施性质，活动/设施现状，建设/完成时间，是否有环评手续，是否收到环保处罚，处罚形式，是否需要整改，整改措施及时限，整改进展，拆除建筑面积/m2，是否销号，业主/建设单位，地址。
S1-2、将步骤S1-1所获取的卫星图片和预设属性表E相链接，建立一个基于卫星图片的点图层，即在卫星图片上的每个点都带有的索引值，此索引链接的是卫星图片上此点所对应地区的预设属性表。


3.如权利要求2所述的一种基于机器学习的生态保护红线测定方法，其特征在于，所述步骤S1-2中，其点图层最终表现为一张地区卫星图片，此图片每个像素点都对应一个xi＝(xr,xg,xb,xd)，其中xr,xg,xb代表的是该像素点的R,G,B值，而xd则代表此点所对应的预设属性表的索引值。


4.如权利要求3所述的一种基于机器学习的生态保护红线测定方法，其特征在于，所述步骤S2具体包括以下分步骤：
S2-1、基于步骤S1所建立的点图层，为每一个...

【专利技术属性】
技术研发人员：雷波，周启刚，张晟，朱康文，魏军林，温敏，杨春华，黄河清，何君，刘建辉，张方辉，李建辉，郑莉，
申请(专利权)人：重庆市生态环境科学研究院，重庆工商大学融智学院，
类型：发明
国别省市：重庆;50