基于遥感自动化解译的农用地实物量调查和价值量估算方法技术

本发明专利技术公开一种基于遥感自动化解译的农用地实物量调查和价值量估算方法，获取研究区的农用地卫星遥感影像，并对影像预处理；基于机器学习方法对预处理后图像中的农用地实物量信息进行自动化识别；收集价格信号数据；建立价格体系，最后计算农用地图斑价值。本发明专利技术基于遥感影像数据获取区域的农用地实物量相对于传统的统计方法，获得农用地空间位置准确，边界清晰，实物量较为准确，且遥感数据获取的便宜性可满足在较短的时间内获取多时间序列的农用地实物量数据。列的农用地实物量数据。列的农用地实物量数据。

【技术实现步骤摘要】
基于遥感自动化解译的农用地实物量调查和价值量估算方法


[0001]本专利技术涉及土地资产清查评估技术，主要涉及在农用地资产实物量清查和经济价值量核算方法。

技术介绍

[0003]1.近年来对地观测技术发展很快，卫星遥感影像的出现和应用在很大程度上弥补了传统调查手段的不足，提高了获取地表目标对象的速度、精度，能够做到大范围高分辨率遥感影像的快速获取与有效覆盖。现有的区域农用地面积、数量等实物量属性信息获取多基于专业管理部门的统计数据，数据获取难度存在壁垒，基于遥感影像获取农用地实物量信息则降低了农用地数据获取的难度且可以按照研究的需求进行农用地分类的动态调整。
[0004]2.现有自然资源部门主导的农用地基准地价成果与耕地质量等别评价成果在分类体系未能很好对应而且农用地基准地价成果基准地价价格分类体系没有包括除耕地以外的其它农用地类型如园地和养殖坑塘，且分级体系与耕地质量等别脱钩，造成基于基准地价评估的农用地价格一定程度难以准确体现区域农用地经济价值总量，评估结果很少在空间上体现。

技术实现思路

[0005]专利技术目的：本专利技术要解决的主要问题如下：一是如何是基于遥感大数据自动解译的方法及时调查、获取农用地分布、类型和面积等属性信息的及时获取；二是如何指定一套与覆盖类型更为齐全的与实物量类型匹配的农用地评估价格体系，从而更准确地估算农用地价值。
[0006]技术方案：本专利技术的一种基于遥感自动化解译的农用地实物量调查和价值量估算方法，包括以下步骤：
[0007]步骤S1、获取研究区的农用地卫星遥感影像，并对影像预处理；本专利技术基于ENVI等专业遥感影像进行影像预处理，包括几何校正、定标以及大气校正等；
[0008]步骤S2、基于机器学习方法对预处理后图像中的农用地实物量信息进行自动化识别，即：先根据土地利用分类标准(详见标准号GB/T 21010—2007)基于哨兵
‑
2A影像分析结合野外调查，分析目标纹理特征来建立解译标志，接着基于ENVI等专业遥感影像处理软件解译获取农用地分布范围；
[0009]步骤S3、收集价格信号数据；
[0010]所述价格信号数据包括
①
使用年期估算出的使用权价值或收益价值，
②
研究区域农用地质量等级评价结果，
③
按照收集农用地不同等级空间分布，分等级收集各等别分布区内存在的农用地交易样点资料；
[0011]上述农用地交易样点资料包括农用地承包、转包、出租等交易案例资料(优先选择近三年的交易案例)，交易样点不足的通过样点投入产出资料(数据为近三年的平均值)进行了补充，所有样点均需要能代表不同等级区域国有农用地地价的平均水平且样点必须涵
盖所有农用地类型、耕地质量等别；
[0012]步骤S4、建立价格体系(包括样点价格信息数据采集、样点地价计算、统计检验、确定区域平均价格)；
[0013]其中农用地价格是指在确定统一基准时点与既定用途前提下，按照地类(也就是指耕地质量等别)使用年期估算出的使用权价值或收益价值，同时以收益还原法计算租赁交易样点地价(详见公式(1)和(2))，然后统计检验并将各地类(耕地质量等别)样点地价的平均值作为各地类(耕地质量等别)县级平均价格；根据所调查交易样点的流转租金水平，采用收益还原法评估其价格；
[0014]步骤S5、计算农用地图斑价值；
[0015]图斑经济价值＝清查价格
×
图斑地类面积，各农用地图斑的地类面积基于ArcGIS软件计算椭球面积获得。
[0016]进一步地，所述步骤S2的详细内容为，
[0017]步骤S2.1、提取预处理后的卫星遥感影像的灰度共生矩阵：通过计算图像灰度级之间条件概率密度函数来提取各个卫星遥感影像的纹理特征，进而形成3
×
3的窗口的灰度共生矩阵GLCM；同时，计算归一化植被指数NDVI波段和归一化水体指数NDWI；此处纹理特征包括能量(ASM)、对比度(CON)、相关度(CORRLN)和熵(ENT)；
[0018]NDVI、NDWI和相关纹理特征波段具体就算公式如下：
[0019][0020][0021]其中：B5为近红外波段，B4为红波段，B5为Vegetation Red Edge波段，B3为绿波段；
[0022][0023][0024][0025][0026]其中P
ij
表示3
×
3的窗口对应位置的像元灰度值；，i和j分别表示窗口中像元的网格行、列坐标值，N为窗口的行、列长度，在此处3
×
3的窗口中N＝3；
[0027]步骤S2.2、合成包含有16个波段特征的待分类数据；
[0028]B2,B3,B4,B5,B6,B7,B8,B8A,B11,NDVI,NDWI,DEM，ASM,CON,CORRLN,ENT；B2,B3,B4分别代表可见光波段，B5,B6,B7表示不同波长范围的Vegetation Red Edge波段，B8,B8A
表示两个近红外波段，B11表示短波红外波段；利用ENVI的layer stacking工具，将计算获得的16个波段合成一个多波段的待分类数据；
[0029]步骤S2.3、确定研究区内的农用地类型，农用地类型包括耕地中的水田、水浇地、旱地，种植园用地中的果园、茶园、橡胶园、其他园地，水域及水利设施用地中的坑塘水面，以及其他土地中的设施农用地；
[0030]步骤S2.4、根据解译标志，在原始的B4,B3,B2假彩色显示影像上，分耕地、园地和养殖坑塘建立感兴趣ROI，要求每种类型的农用地ROI数量不少于20个且均匀分布在区域范围内；ROI的具体建立方法为，在ENVI中打开研究区波段组合为B4,B3和B2的自然色影像，右键点击影像图层，选择创建ROI,根据建立的不同类型的农用地解译标志的影像特征，在影像上选择对应农用地类型的感兴趣区ROI，要求选择的样本均匀且准确，各个样本大小不能相差太大；
[0031]步骤S2.5、利用ROI获取的样本进行分类模型的训练，其中80％作为训练集，20％的样本作为验证集；选择随机森林方法的机器学习模型进行自动分类；训练完成后进行预测分类，并且根据模型分类学的结果利用验证集合进行精度验证，评估解译精度。
[0032]进一步地，解译过程具体如下：
[0033]首先，感兴趣区ROI的建立和选择
[0034]在ENVI中打开研究区波段组合为B4,B3和B2的自然色影像，右键点击影像图层，选择创建ROI,根据建立的不同类型的农用地解译标志的影像特征，在影像上选择对应农用地类型的感兴趣区ROI，要求选择的样本均匀且准确，各个样本大小不能相差太大；
[0035]其次，利用建立的ROI，将其中的百分之八十的ROI作为自动分类样本，选择支持向量机分类的方法进行分类的模型的训练，利用训练好的模型对研究区的农用地进行自动化解译；
[0036]最后，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于遥感自动化解译的农用地实物量调查和价值量估算方法，其特征在于，包括以下步骤：步骤S1、获取研究区的农用地卫星遥感影像，并对影像预处理；步骤S2、基于机器学习方法对预处理后图像中的农用地实物量信息进行自动化识别，即：先根据土地利用分类标准基于哨兵
‑
2A影像分析结合野外调查来分析目标对象纹理特征进而建立解译标志，接着基于ENVI遥感影像处理软件解译获取农用地分布范围；步骤S3、收集价格信号数据；所述价格信号数据包括
①
使用年期估算出的使用权价值或收益价值，
②
研究区域农用地质量等级评价结果，
③
按照收集农用地不同等级空间分布，分等级收集各等级分布区内存在的农用地交易样点资料；步骤S4、建立价格体系其中，农用地价格是指在确定统一基准时点与既定用途前提下，按照地类使用年期估算出的使用权价值或收益价值，同时通过收益还原法来计算租赁交易样点地价，然后统计检验并将各地类样点地价的平均值作为各地类县级平均价格，最后根据所调查交易样点的流转租金水平，采用收益还原法评估其清查价格；步骤S5、计算农用地图斑价值；图斑经济价值＝清查价格
×
图斑地类面积。2.根据权利要求1所述的基于遥感自动化解译的农用地实物量调查和价值量估算方法，其特征在于，所述步骤S2的详细内容为：步骤S2.1、提取预处理后的卫星遥感影像的灰度共生矩阵：通过计算图像灰度级之间条件概率密度函数来提取各个卫星遥感影像的纹理特征，进而形成3
×
3的窗口的灰度共生矩阵GLCM；同时，计算归一化植被指数NDVI波段和归一化水体指数NDWI；此处纹理特征包括能量ASM、对比度CON、相关度CORRLN和熵ENT；NDVI、NDWI和相关纹理特征波段具体就算公式如下：如下：其中，B5为近红外波段，B4为红波段，B5为Vegetation Red Edge波段，B3为绿波段；Edge波段，B3为绿波段；Edge波段，B3为绿波段；
其中P
ij
表示3
×
3的窗口对应位置的像元灰度值，i和j分别表示窗口中像元的网格行、列坐标值，N为窗口的行、列长度，在此处3
×
3的窗口中N＝3；步骤S2.2、合成包含有16个波段特征的待分类数据；B2,B3,B4,B5,B6,B7,B8,B8A,B11,NDVI,NDWI,DEM，ASM,CON,CORRLN,ENT，B2,B3,B4分别代表可见光波段，B5,B6,B7表示不同波长范围的Vegetation Red Edge波段，B8,B8A表示两个近红外波段，B11表示短波红外波段，利用ENVI的layer stacking工具，将计算获得的16个波段合成一个多波段的待分类数据；步骤S2.3、确定研究区内的农用地类型，农用地类型包括耕地中的水田、水浇地、旱地、种植园用地中的果园、茶园、橡胶园、其他园地，水域及水利设施用地中的坑塘水面，以及其他土地中的设施农用地；步骤S2.4、根据解译标志，在原...

【专利技术属性】
技术研发人员：詹雅婷，王玉军，杨礼平，宋珂，王鹏，朱叶飞，苏一鸣，李胤，崔艳梅，屈帅，戎欣，
申请(专利权)人：江苏省地质调查研究院，
类型：发明
国别省市：