[發明專利]基于神經網絡元胞自動機模型的永久性基本農田劃定方法

有效

• 申請號: 201611227495.7
• 申請日: 2016-12-27
• 公開（公告）號: CN106780089B
• 公開（公告）日: 2020-10-16
• 發明（設計）人: 陳廣亮
• 申請（專利權）人: 廣州藍圖地理信息技術有限公司
• 主分類號: G06Q50/02
• 分類號: G06Q50/02;G06N3/10
• 代理公司: 廣州新諾專利商標事務所有限公司 44100
• 代理人: 劉婉

1.一種基于神經網絡元胞自動機模型的永久性基本農田劃定方法，其特征在于：該方法包括以下步驟：

S1.獲取基礎地理信息數據，對柵格處理，統一分辨率；使用研究區邊界裁切數據；根據農田分等定級的指標體系，選取若干影響農田質量的影響因子，并計算植被凈初級生產力表征農作物生產力水平，作為影響農田質量的重要指標，組成多因子數據，并將數據依次重采樣成統一的分辨率；

S2.提取多因子數據作為參數輸入到神經網絡模型中，構建神經網絡；

S3.根據神經網絡模型的全局概率結果和已有建設用地數據，構建元胞自動機城市增長模型，進行城市擴張的模擬；

S4.根據模擬得到的城市擴張情景，與農業用地數據進行疊加，得到城市擴張可能侵占農田的分布情況；

S5.采用層次分析法確定影響農田等級的每個因子的權重，并設定閾值得到滿足基本農田判斷標準的適宜和不適宜劃入永久基本農田的耕地；

S6.考慮農田的連片度和景觀功能，采用移動窗口掃描法，對農田數據進行掃描，并結合改進的模糊紋理指數，計算不適合劃入永久基本農田的像元周邊與適合像元的鄰接程度，再按分區統計的方法將鄰接程度高的不適合農田重新劃入永久基本農田中；

S7.將適合劃入的農田和城市擴張可能侵占的農田以及坡度條件不適宜劃入的農田進行空間疊加，篩選出最終應劃入永久基本農田的耕地。

2.根據權利要求1所述的方法，其特征在于：在步驟S1中，對獲取的遙感影像進行預處理，而其他基礎地理信息數據分別具有各自的特點和不同分辨率，要將多源數據整合利用需要重新采樣成統一的分辨率。

3.根據權利要求1所述的方法，其特征在于：在步驟S2中，輸入數據進行訓練和驗證，從而構建神經網絡模型，輸出得到不同土地利用類型的概率。

4.根據權利要求1所述的方法，其特征在于：所述神經網絡包括三層：輸入層、隱藏層和輸出層，將提取的多因子的m個影像數據經標準化后輸入神經網絡，對應輸入層的m個變量，它們決定了每個柵格在t時間上的土地利用轉換的概率，其表達為：

X(k，t)＝[x₁(k，t)，x₂(k，t)，x₃(k，t)，...，x_m(k，t)]^T

式中：x_i(k，t)表示柵格單元k在模擬時間t時的第i個變量；T表示轉置；

輸入層接收這些變量參數x_i(k，t)后，輸出到隱藏層，則隱藏層中某一個單元收到的信號表示為：

式中：net_j(k，t)為隱藏層中第j個柵格單元收到的信號，w_i，j為輸入層和隱藏層之間的權重值；

隱藏層會對所接收到的信號net_j(k，t)進行處理，產生對應的響應值并輸出到輸出層；對接收信號進行處理的響應函數為：

則輸出層中某一個單元收到的信號表示為：

式中：net_l(k，t)為輸出層第1個柵格單元所收到的信號；w_j，l為隱藏層和輸出層之間的權重值；

最后，輸出層會對所接收到的信號net_l(k，t)后會對該信號產生對應的響應值，即轉換概率，公式如下：

式中：p(k，t，l)為柵格單元k在模擬時間t時，從當前土地利用類別轉換到第l個土地利用類別的轉換概率。

5.根據權利要求1所述的方法，其特征在于：在步驟S3中，在已有的近期城市建設用地基礎上，采用神經網絡輸出的轉換概率，輸入到元胞自動機模型中，進行計算和模擬，得到未來某一年的建設用地發展情況，表征城市的擴張情況。