一种基于多粒度计算的土地评价方法与流程

本发明是将数学以及计算机领域内的多粒度计算思想应用于地学领域内，根据地块的多属性数据信息建立决策分析模型，实现对每一地块的土地适宜性评价目标。

背景技术：

传统土地评价流程简介：

目前，我国可利用耕地面积约为120万平方公里，仅占国土总面积的12.7％。因此，对国家耕地进行精准评价并予以合适的指导，对于提高我国土地的合理利用具有至关重要的意义。

现阶段，国内对土地评价方法多是在人工抽查地块或者基于往年数据基础上，进行统计分析，这样的粗放式评价和管理策略，对精细农业的发展产生了阻碍。研究人员开始尝试利用新的技术手段改变这一现状：吕晓剑等人在arcinfo的支持下，选取了自然生态、社会经济和地理区位3个指标，建立了土地评价系统，评价了武汉市汉阳湖区的土地；王飞等人将专家知识、数学模型与gis技术相结合应用于土地适宜性评价；张成刚基于遥感手段，对冀北地区的农业进行了评价，其结果主要基于统计，忽略了尺度问题。现有的土地评价方式多是选取少量的关键因子，依靠专家打分等手段建立模型对土地进行评价，其结果精度不能满足小尺度的土地评价。相关文献：1.吕晓剑,冯长春,郭怀成.武汉汉阳湖区土地资源评价研究[j].地理科学,2005,(06):6742-6747.2.王飞,邢世和.区域农用地适宜性评价研究进展[j].农业网络信息,2006,(01):32-34+39.3.张成刚.基于gis/rs的冀北地区农用地适宜性评价[d].河北师范大学,2005.

多粒度计算简介：

多粒度计算是1997年zadeh提出的一种新概念，是研究基于多层次粒结构的思维方式、问题求解方法、信息处理模式及其相关理论、技术和工具的学科，其主要从实际问题的需求出发，通过将复杂数据进行信息粒化，用信息粒代替样本作为计算的基本单元，用可行的满意近似解替代精确解，达到对问题进行简化、提高问题求解效率等的目的。相关文献：1.pawlakz.roughsets:theoreticalaspectsofreasoningaboutdata[m].springerscience&businessmedia,2012.2.yaoyy,linty.generalizationofroughsetsusingmodallogics[j].intelligentautomation&softcomputing,1996,2(2):103-119.3.唐平海,彭久生.粗糙集理论与决策树相结合的规则提取方法[j].统计与决策,2007,(01):11-12.4.liang,j.y.,etal.,2015.theoryandmethodofgranularcomputingforbigdatamining.scienceinchina(seriese:informationsciences),45(11),1355-1369.

多粒度计算在本领域内的应用：

近些年来，多源传感网的迅速发展从根本上解决了过去遥感观测数据不足的问题，但是随之出现的一些新问题，例如数据呈现出爆炸性增长、类型混杂、粒度不一现象；研究人员难以将这些混杂的时空数据进行有效地协同，进而难以从中发现有用知识，因此迫切需要寻求一种新的方式解决这些难题。多粒度计算作为一种复杂数据分析手段，能够在粒化多源数据基础上进行有效地数据挖掘，从而发现数据中的隐含模式。

基于多粒度计算建立地理决策模型旨在开展面向应用的地理高层认知，实现深层隐含功能类型的探测和时空动力模式挖掘，以期能够为政府实施精准农业提供可靠的决策参考。综上所述，本专利拟以土地精准评价为目的，基于多粒度计算思想实现地学领域内的多源数据集成与关联，并以此为基础进行相应规则的提取，建立决策器模型并用于地块级的专题制图。

技术实现要素：

为了改善现有的土地粗放式评价模式，本发明提出了一种基于多粒度思想的决策器模型，旨在实现地块级别的土地精细评价，为政府、企业和农户进行科学的土地管理提供决策支持。本发明以地块矢量图斑为基本单元，通过对获取的多维数据进行粒化、属性约简、推理规则这些处理步骤实现数据从“多维属性值”到“专题决策值”的转化，进而实现地块级的专题推测制图，为政府部门提供更为精细和精准的土地评价信息。其主要特征如下：

1)地块属性的扩展。以地块空间位置为链接，利用经过筛选的多源数据对每一地块进行属性维度的多维扩展，将不同来源、不同粒度的数据转换迁移到以地块为单元的属性表中。

2)地块属性的结构化表示。地块属性表中的各类属性数据存在量纲不一致、类型多源、粒度不一的问题，需要对步骤1)处理后的数据进行归一化处理。本发明采用了趋同化、离散化、归一化方法将其转换为标准化数据表。

3)地块属性的约简。经过步骤1)、2)后，地块的属性维数得到了增加。为了获取精炼的决策规则，本发明借助聚类、信息熵、粗糙集以及决策树方法对步骤3)处理后的数据进行地块的空间聚合和属性的约简处理，剔除冗余信息，从而得到关键属性因子。

4)规则的提取。在步骤3)的基础上，针对专题决策的应用问题，基于专家知识构建领域决策模型或利用决策树、随机森林的机器学习方法提取与决策专题相关联的模式规则集，从而得到地块图斑多维属性值与决策专题值之间的关系表达模型。

5)专题的推测与制图：基于步骤4)构建的领域模型或提取的规则集，结合空间分析技术搭建专题推理机，对地块图斑的功能类型(如地块的种植适宜性等级)进行推测，以期对地块功能及其利用提供具有较好解释性的机理分析与决策指导。依据具体的应用目标，从展示内容(如评价、规划、价值专题图)、成图形式(如二维、三维、vr/ar专题图)和实现模式(包括地图定制、专题服务定制)中选定合适的模块进行组合，最终完成对决策专题图的制定，形成满足用户需求的产品。

与现有技术相比，本发明的技术优点是：

现有的土地评价方法存在尺度大、精度较低、误差较大等问题，难以解决小尺度、精细化的土地评价需求，不适宜政府进行精准农业化部署。本发明基于多粒度计算思想设计地理决策分析模型，并开展地块级的土地评价，可以较好地实现各种粒度信息的综合及运用，进而达到小尺度的隐含规则模式挖掘和土地评价目的。利用本发明的技术方案，用户可以自行选取输入数据类别及数量，经过计算，获取所需的精细化专题信息。

附图说明

图1基于多粒度的土地评价流程框架示意图；

图2数据搜集框架示意图；

图3土地评价相关数据整理示意图；

图4地块扩展属性示意图；

图5地块空间聚合结果示意图，蓝色线所示区域为聚合前地块，黄色线所示区域为聚合后地块；

图6广西崇左市江州区基于多粒度计算的土地适宜性评价专题制图结果示意图；

具体实施方式

图1示意了本发明的主要实现思路，其中本发明的关键步骤包括3个：地块图斑属性扩展、规则提取以及专题推测与制图，其中地块属性扩展包括了数据的搜集、清洗和地块属性的扩展；规则提取过程包括了地块数量和属性的约简以及利用决策树方法进行的规则提取；专题推测与制图则主要面向具体的应用需求，进行相应的制图。本发明的具体步骤如下：

1)数据的搜集。图2示意了本发明的属性指标体系，用于指导图3的各类数据搜集，数据内容包括研究区自然资源类信息和社会经济类信息两大类，在搜集过程中需要进行数据的清洗，保证各类数据的有效性。

2)地块属性的扩展。将步骤1)采集到的数据以地块图为基准进行空间叠加，将数值添加到对应的地块属性表中，增加每块地块的属性维度，从而实现各类属性数据在地块图斑单元上的空间关联，如图4所示。

3)地块属性的结构化表示。对步骤2)地块属性表中的数据进行标准化处理，并对大尺度的气象资料、日照、土壤类型信息进行降尺度处理，形成结构化的多维属性表。

4)地块数量及地块属性的约简。首先，依据地块属性进行空间聚类形成地块组团，缩减地块数量，示意如图5；其次，依据粗糙集理论将步骤3)得到的属性表对地块属性维数进行约简。属性约简的方法如下：

定义s为决策表，c为条件属性，u为对象非空集合，d为决策属性集合，v为c与d的并集值域，f为信息函数：

v＝∪a∈c∪dva(1)

f:u×(c∪d)→v(2)

在决策表s＝(u,c,d,v,f)中，某属性的相对区分能力越强，则越重要，应优先考虑将其加入约简结果red中。每次将相对区分能力最大的属性优先加入red中，使得能用较少的属性得到较大的相对区分能力。开始时选取相对区分能力最强的属性放入red中，然后试着将剩余的每个属性加入red，计算其相对区分能力，将取值最大的属性正式加入red。反复执行，直到red的相对区分能力与c的相对区分能力相等为止。步骤归纳如下：

step1计算c的相对区分能力e＝es(c)，初始化redi＝φ；

step2对c中的所有单个属性分别计算e＝es(redi∪c)，其中c∈c，选出取值最大的属性，记为c'；

step3redi＝redi∪{c'}，c＝c－{c'}，e＝e－e；

step4如果e＝0，输出redi，算法停止；否则转step2。

5)规则的提取。利用决策树方法对步骤4)处理后的数据进行if-then型规则集提取。决策树算法介绍如下：

输入:对象集u，条件属性集c，决策属性集d，决策最小可信度b。

输出:决策规则。

step1:对c中的每个属性a，计算下近似对每个划分求出其概率分布函数a(xi)；求出每个划分的可信度ma(xi)，同时求出满足可信度大于b的规则支持度总和。

step2:选择使支持度总和最大的属性，如果支持度相同则选择划分的等价类最少的属性，若划分的等价类仍相等，则选择靠前的属性为决策树的根节点node。

step3:用选择的属性node，且c＝c-node开始建立子决策表。

step4:如果分支yi(i＝1,2,…,t)中的所有对象的可信度大于b，那么在分支yi下生成一个叶子节点，标志决策属性值，生成规则。并给出可信度和支持度，否则转step2。

step5:如果b＝c或者u被决策树分支完全分类，则算法结束。

应用实例分析：

本实例以广西崇左市江州区为研究区，研究涉及的主要地块为甘蔗地。结合本发明的方法流程，在获取地块矢量边界、种植类型以及相关定量反演指标的基础上，设计了以地块图斑为单元的甘蔗种植适宜性评价分析模型，为该地区后期的种植规划等提供技术支持。依据本发明提取出的甘蔗种植适宜性等级划分规则达到了1344条。提取的种植适宜性划分规则示意如下:

if高程(标准化值)<0.2276&湿润指数>0.38691&土壤ph＝4级；

then该地块的甘蔗种植适宜性等级＝1(即最适宜)。

经十重交叉法检验其准确率达到了80.27％。验证结果表明，模型的制图精度较高，结果如图6所示，具体数据如下：左州镇广何村评价面积与双高比为99.72％，濑湍镇梁凹村评价面积与双高比为99.70％，江州镇板麦村评价面积与双高比为98.47％，左江华侨农场评价面积与双高比为98.38％，濑湍镇岜羊村评价面积与双高比为95.49％，驮卢镇驮目村评价面积与双高比为93.35％，驮卢镇逐盎村评价面积与双高比为88.03％，驮卢镇伏廖村评价面积与双高比为86.37％，罗白乡那湴村评价面积与双高比为84.29％，濑湍镇六京村评价面积与双高比为83.36％。

另外，经过推算，江州区2016年种植甘蔗共计110.12万亩，种植面积保持在110万亩以上。其中，最适宜、适宜区种植的甘蔗占全区甘蔗种植面积的70％左右，种植分布基本合理。

综上表明，在进行土地适宜性评价及专题制图过程中，基于多粒度计算思想的土地评价方法具有较高的精度，对解决地块级的精准决策分析问题具有较好的可实施性和可靠性。