国土空间规划重点区域识别的分区方法、系统及存储介质技术方案

本发明专利技术公开了一种国土空间规划重点区域识别的分区方法、系统及存储介质，涉及国土规划领域。包括以下步骤：在国土地貌特征数据库中获取第一地貌特征；将第一地貌特征分为测试集和验证集，测试集占总地貌特征的70％，验证集占总地貌特征的30％；将测试集输入到深度学习轻量化卷积神经网络中进行训练；多次迭代训练得到初始空间规划分区网络，利用验证集对初始空间规划分区网络测试，若测试结果准确率在预设阈值范围之内，得到空间规划分区网络，否则继续迭代训练；利用高光谱遥感技术获取待规划的国土空间的第二地貌特征，将第二地貌特征输入到空间规划分区网络中，得到分区结果。本发明专利技术能够合理规划国土空间，促进区域可持续健康合理利用。康合理利用。康合理利用。

【技术实现步骤摘要】
国土空间规划重点区域识别的分区方法、系统及存储介质


[0001]本专利技术涉及国土规划领域，更具体的说是涉及一种国土空间规划重点区域识别的分区方法、系统及存储介质。

技术介绍

[0002]近年来，随着科学技术的不断发展以及现代信息技术与计算机、互联网等先进技术在各行业领域的广泛应用，对国土规划工作的开展及其体系建设等均起到了较大的作用，同时也促进了国土空间规划行业领域的转型调整与创新发展。国土空间规划本身是一项较为复杂且系统的工作，其工作内容不仅涉及经济分布与人口分布、生态环境保护等，而且需要对国土资源的利用效率进行合理把握，同时在进行国土空间的层次化整理与分析中，还需要围绕有关经济和人口等信息进行全面分析和有效呈现，从而才能够对国土空间规划的高效性与合理性进行有效支持。
[0003]土地资源是人类生存和社会发展的重要基础，但是伴随着社会经济的发展，出现很多浪费土地资源的现象，导致土地的使用率下降，不利于可持续发展战略的实施。新时期的国土空间规划要充分考虑各个方面的具体要求，使国土资源都能够发挥出应有的价值，符合新时期社会发展的需求。
[0004]因此，如何解决上述问题是本领域技术人员亟需研究的。

技术实现思路

[0005]有鉴于此，本专利技术提供了一种国土空间规划重点区域识别的分区方法、系统及存储介质，能够合理规划国土空间，促进区域可持续健康合理利用。
[0006]为了实现上述目的，本专利技术采用如下技术方案：
[0007]首先，公开了一种国土空间规划重点区域识别的分区方法，包括以下步骤：
[0008]在国土地貌特征数据库中获取第一地貌特征；
[0009]将第一地貌特征设置为空间规划数据集合，空间规划数据集集合分为测试集和验证集，测试集占总地貌特征的70％，验证集占总地貌特征的30％；
[0010]将测试集输入到深度学习轻量化卷积神经网络中进行训练；
[0011]多次迭代训练得到初始空间规划分区网络，利用验证集对初始空间规划分区网络测试，若测试结果准确率在预设阈值范围之内，得到空间规划分区网络，否则继续迭代训练；
[0012]利用高光谱遥感技术获取待规划的国土空间的第二地貌特征，将第二地貌特征输入到空间规划分区网络中，得到分区结果。
[0013]可选的，深度学习轻量化卷积神经网络是对卷积神经网络的改进，具体改进为：减少卷积操作提取目标图像特征并将部分卷积层的输入特征图和输出特征图进行特征融合处理，融合不同网络层的提取特征信息增强网络训练收敛拟合能力；使用不同扩张率的扩张卷积核同时提取输入特征图的特征信息并融合不同的输出特征图。
[0014]可选的，空间规划数据集合包括城市规划数据集合、乡村规划数据集合、林业规划数据集合、农业规划数据集合、草业规划数据集合以及海洋规划数据集合。
[0015]可选的，利用高光谱遥感技术获取待规划的国土空间的第二地貌特征的具体步骤为：通过最小二乘光谱解混处理方法，建立国土空间规划用地测绘规划的最小二乘损失函数，根据最小二乘损失函数，对国土空间的地貌特征进行预处理，得到第二地貌特征。
[0016]可选的，还包括在待规划的国土空间里均匀选取拟合点，采用三次多项式曲线、四次多项式曲线和kima曲线法进行拟合，进而获取地貌特征。
[0017]其次，公开了一种国土空间规划重点区域识别的分区系统，包括：第一地貌特征获取模块，数据集划分模块，神经网络训练模块，空间规划分区网络建立模块和分区结果模块。
[0018]其中，第一地貌特征获取模块：用于在国土地貌特征数据库中获取第一地貌特征；
[0019]数据集划分模块：用于将第一地貌特征设置为空间规划数据集合，空间规划数据集集合分为测试集和验证集，测试集占总地貌特征的70％，验证集占总地貌特征的30％；
[0020]神经网络训练模块：用于将测试集输入到深度学习轻量化卷积神经网络中进行训练；
[0021]空间规划分区网络建立模块：用于多次迭代训练得到初始空间规划分区网络，利用验证集对初始空间规划分区网络测试，若测试结果准确率在预设阈值范围之内，得到空间规划分区网络，否则继续迭代训练；
[0022]分区结果模块：用于利用高光谱遥感技术获取待规划的国土空间的第二地貌特征，将第二地貌特征输入到空间规划分区网络中，得到分区结果。
[0023]最后，公开了一种计算机存储介质，所述计算机存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现任意一项所述的一种国土空间规划重点区域识别的分区方法的步骤。
[0024]经由上述的技术方案可知，与现有技术相比，本专利技术提供了一种国土空间规划重点区域识别的分区方法、系统及存储介质，具有以下有益效果：
[0025]1、为区域规划和建设发展提供良好的支持，使其在具体规划与管理工作开展中，能够第一时间有效获取该地区的区域综合信息，从而在机器学习的支持下实现各类数据资源的需求程度分析，以进行数据信息的更新和完善，促进大数据地理信息系统建设以及国土空间规划更快发展。
[0026]2、对国土空间规划用地测绘规划的性能较好，匹配率较高，能显著提高国土空间规划用地的测绘输出平滑性和准确性。
附图说明
[0027]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
[0028]图1为本专利技术的流程示意图；
[0029]图2为本专利技术的结构示意图。
具体实施方式
[0030]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0031]本专利技术实施例公开了一种国土空间规划重点区域识别的分区方法，如图1所示，包括以下步骤：
[0032]S1：在国土地貌特征数据库中获取第一地貌特征；
[0033]S2：将第一地貌特征设置为空间规划数据集合，空间规划数据集集合分为测试集和验证集，测试集占总地貌特征的70％，验证集占总地貌特征的30％；
[0034]S3：将测试集输入到深度学习轻量化卷积神经网络中进行训练；
[0035]S4：多次迭代训练得到初始空间规划分区网络，利用验证集对初始空间规划分区网络测试，若测试结果准确率在预设阈值范围之内，得到空间规划分区网络，否则继续迭代训练；
[0036]S5：利用高光谱遥感技术获取待规划的国土空间的第二地貌特征，将第二地貌特征输入到空间规划分区网络中，得到分区结果。
[0037]进一步的，在S3中，深度学习轻量化卷积神经网络是对卷积神经网络的改进，具体改进为：减少本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种国土空间规划重点区域识别的分区方法，其特征在于，包括以下步骤：在国土地貌特征数据库中获取第一地貌特征；将第一地貌特征设置为空间规划数据集合，空间规划数据集集合分为测试集和验证集，测试集占总地貌特征的70％，验证集占总地貌特征的30％；将测试集输入到深度学习轻量化卷积神经网络中进行训练；多次迭代训练得到初始空间规划分区网络，利用验证集对初始空间规划分区网络测试，若测试结果准确率在预设阈值范围之内，得到空间规划分区网络，否则继续迭代训练；利用高光谱遥感技术获取待规划的国土空间的第二地貌特征，将第二地貌特征输入到空间规划分区网络中，得到分区结果。2.根据权利要求1所述的一种国土空间规划重点区域识别的分区方法，其特征在于，深度学习轻量化卷积神经网络是对卷积神经网络的改进，具体改进为：减少卷积操作提取目标图像特征并将部分卷积层的输入特征图和输出特征图进行特征融合处理，融合不同网络层的提取特征信息增强网络训练收敛拟合能力；使用不同扩张率的扩张卷积核同时提取输入特征图的特征信息并融合不同的输出特征图。3.根据权利要求1所述的一种国土空间规划重点区域识别的分区方法，其特征在于，空间规划数据集合包括城市规划数据集合、乡村规划数据集合、林业规划数据集合、农业规划数据集合、草业规划数据集合以及海洋规划数据集合。4.根据权利要求1所述的一种国土空间规划重点区域识别的分区方法，其特征在于，利用高光谱遥感技术获取待规划的国土空间的第二地貌特征的具体步骤为：通过最小二乘光谱解混处理方法，建立国土空...

【专利技术属性】
技术研发人员：马达，
申请(专利权)人：山西省城乡规划设计研究院有限公司，
类型：发明
国别省市：