一种基于农房分布的自然村边界提取方法技术

本发明专利技术针对现有技术的局限性，提出了一种基于农房分布的自然村边界提取方法；本发明专利技术的方案实现了基于农房分布位置的农村自然边界的提取，该方法不仅利用了不规则三角网获得较为贴近外边缘点的边界，而且对异常值不敏感，可排除异常值的影响，从而得到较为准确的村庄的范围，适用于对农村住户居民数据的统计。适用于对农村住户居民数据的统计。适用于对农村住户居民数据的统计。

【技术实现步骤摘要】
一种基于农房分布的自然村边界提取方法


[0001]本专利技术涉及地理信息系统空间分析
，具体地，涉及一种基于农房分布的自然村边界提取方法。

技术介绍

[0002]空间分析方法是地理信息系统中一种重要的数据处理手段包含地形分析、空间插值、空间回归等方法。空间分析方法使用空间对象的拓扑、几何或地理属性对其进行处理分析，进而获得所需的空间信息或数据。空间聚类是将散布在空间中的对象按一定规律由相近的对象构成的集合，3D分析则可以提取同一集合中对象的分布范围。本专利技术中主要运用聚类分析和3D分析的方法实现村庄居住区域的确定。
[0003]中国地域辽阔，国土范围内散布着数以万计的村落。乡村的分散性、规模小、可达性差等特点导致乡村基础数据获取和统计的难度加大，难以全面呈现乡村发展的问题和短板，也严重制约了乡村的研究和政策的制定。因此，如何较为准确的获取村落的分布范围以及村民点的分布范围，对于乡村数据的收集和统计尤为重要。
[0004]公开日为2021.01.05的中国专利技术申请：一种商务集聚区边界识别系统中，通过利用加权核密度算法及自然断裂法，以期解决现有技术中商务集聚区边界划定主观性大、难以客观量化等问题，降低人为干预程度，减少约束条件，提高边界识别的客观性、科学性。但由于存在更多不规则的、碎片化的特征，自然村边界的提取与识别无法直接运用该现有技术。因此，现有技术仍有一定的局限性。

技术实现思路

[0005]针对现有技术的局限，本专利技术提出一种基于农房分布的自然村边界提取方法，本专利技术采用的技术方案是：
[0006]一种基于农房分布的自然村边界提取方法，包括以下步骤：
[0007]S1，获取目标区域的农房分布情况；
[0008]S2，对所述农房分布情况中的农房进行空间聚类；
[0009]S3，对所述步骤S2得到的各类农房的边界点进行连接，创建不规则三角网；
[0010]S4，按预设的边长阈值对所述不规则三角网中的三角形进行筛选过滤；
[0011]S5，通过导出经过所述步骤S4筛选过滤后的不规则三角网的边界，获得目标区域的自然村边界。
[0012]相较于现有技术，本专利技术实现了基于农房分布位置的农村自然边界的提取，该方法不仅利用了不规则三角网获得较为贴近外边缘点的边界，而且对异常值不敏感，可排除异常值的影响，从而得到较为准确的村庄的范围，适用于对农村住户居民数据的统计。
[0013]作为一种优选方案，在所述步骤S1中，通过以下方式获取目标区域的农房分布情况：
[0014]采集目标区域的遥感影像，对所述遥感影像进行有一定重叠度的裁剪后，输入预
设的农房识别预测模型中，获得目标区域的农房分布情况。
[0015]作为一种优选方案，在所述步骤S2中，采用DBSCAN算法对所述农房分布情况中的农房进行空间聚类。
[0016]作为一种优选方案，在所述步骤S2中，通过以下方式对所述农房分布情况中的农房进行空间聚类：
[0017]利用Python算法库中的Centroid()函数获得所述农房分布情况中各多边形的质心，将对面的聚类转换为对点的聚类；通过StandardScaler().fit_transform()函数对各质心的点坐标进行归一化处理；利用clustering＝MeanShift(bandwidth).fit()函数对目标区域的农房进行聚类。
[0018]作为一种优选方案，在所述步骤S3中，通过arcpy.CreateTin_3d(CreateTin1,"","ID Soft_Clip<None>","DELAUNAY")函数批量地对所述步骤S2得到的各类农房的边界点进行连接，创建不规则三角网。
[0019]作为一种优选方案，在所述步骤S4中，通过arcpy.DelineateTinDataArea_3d(CreateTin1,"","PERIMETER_ONLY")函数批量地对所述不规则三角网中的三角形进行筛选过滤，滤除边长大于所述边长阈值的三角形，使所述不规则三角网的分布范围更加贴近农房边界。
[0020]作为一种优选方案，在所述步骤S5中，通过arcpy.TinDomain_3d(CreateTin1__2_,CreateTin1_TinDomain_shp,"LINE")函数批量导出经过所述步骤S4筛选过滤后的不规则三角网的边界，对导出的边界进行合并后获得目标区域的自然村边界。
[0021]本专利技术还包括以下内容：
[0022]一种基于农房分布的自然村边界提取系统，包括依序连接的农房分布情况获取模块、农房聚类模块、不规则三角网创建模块、筛选过滤模块以及边界导出模块；其中：
[0023]所述农房分布情况获取模块用于获取目标区域的农房分布情况；
[0024]所述农房聚类模块用于对所述农房分布情况中的农房进行空间聚类；
[0025]所述不规则三角网创建模块用于对所述农房聚类模块得到的各类农房的边界点进行连接，创建不规则三角网；
[0026]所述筛选过滤模块用于按预设的边长阈值对所述不规则三角网中的三角形进行筛选过滤；
[0027]所述边界导出模块用于通过导出经过所述筛选过滤模块筛选过滤后的不规则三角网的边界，获得目标区域的自然村边界。
[0028]相较于现有技术，本专利技术实现了基于农房分布位置的农村自然边界的提取，该系统不仅利用了不规则三角网获得较为贴近外边缘点的边界，而且对异常值不敏感，可排除异常值的影响，从而得到较为准确的村庄的范围，适用于对农村住户居民数据的统计。
[0029]作为一种优选方案，在所述农房分布情况获取模块中，通过以下方式获取目标区域的农房分布情况：
[0030]采集目标区域的遥感影像，对所述遥感影像进行有一定重叠度的裁剪后，输入预设的农房识别预测模型中，获得目标区域的农房分布情况。
[0031]作为一种优选方案，在所述农房聚类模块中，采用DBSCAN算法对所述农房分布情况中的农房进行空间聚类。
[0032]作为一种优选方案，在所述农房聚类模块中，通过以下方式对所述农房分布情况中的农房进行空间聚类：
[0033]利用Python算法库中的Centroid()函数获得所述农房分布情况中各多边形的质心，将对面的聚类转换为对点的聚类；通过StandardScaler().fit_transform()函数对各质心的点坐标进行归一化处理；利用clustering＝MeanShift(bandwidth).fit()函数对目标区域的农房进行聚类。
[0034]作为一种优选方案，在所述不规则三角网创建模块中，通过arcpy.CreateTin_3d(CreateTin1,"","ID Soft_Clip<None>","DELAUNAY")函数批量地对所述农房聚类模块得到的各类农房的边界点进行连接，创建不规则三角网。
[0035]作为一种本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于农房分布的自然村边界提取方法，其特征在于，包括以下步骤：S1，获取目标区域的农房分布情况；S2，对所述农房分布情况中的农房进行空间聚类；S3，对所述步骤S2得到的各类农房的边界点进行连接，创建不规则三角网；S4，按预设的边长阈值对所述不规则三角网中的三角形进行筛选过滤；S5，通过导出经过所述步骤S4筛选过滤后的不规则三角网的边界，获得目标区域的自然村边界。2.根据权利要求1所述的基于农房分布的自然村边界提取方法，其特征在于，在所述步骤S1中，通过以下方式获取目标区域的农房分布情况：采集目标区域的遥感影像，对所述遥感影像进行有一定重叠度的裁剪后，输入预设的农房识别预测模型中，获得目标区域的农房分布情况。3.根据权利要求1所述的基于农房分布的自然村边界提取方法，其特征在于，在所述步骤S2中，采用DBSCAN算法对所述农房分布情况中的农房进行空间聚类。4.根据权利要求1所述的基于农房分布的自然村边界提取方法，其特征在于，在所述步骤S2中，通过以下方式对所述农房分布情况中的农房进行空间聚类：利用Python算法库中的Centroid()函数获得所述农房分布情况中各多边形的质心，将对面的聚类转换为对点的聚类；通过StandardScaler().fit_transform()函数对各质心的点坐标进行归一化处理；利用clustering＝MeanShift(bandwidth).fit()函数对目标区域的农房进行聚类。5.根据权利要求1所述的基于农房分布的自然村边界提取方法，其特征在于，在所述步骤S3中，通过arcpy.CreateTin_3d(CreateTin1,"","ID Soft_Clip<None>","DELAUNAY")函数批量地对所述步骤S2得到的各类农房的边界点进行连接，创建不规则三角网。6.根据权利要求1所述的基于农房分布的自然村边界提取方法，其特征在于...

【专利技术属性】
技术研发人员：许伟攀，陈怡帆，江千腾，李敏胜，李郇，邓明亮，
申请(专利权)人：奥格科技股份有限公司，
类型：发明
国别省市：