【技術實現步驟摘要】
本專利技術涉及國土空間規劃，具體涉及基于深度學習的國土空間規劃方法。
技術介紹
1、隨著社會經濟的快速發展和城市化進程的不斷推進，合理的國土空間規劃變得至關重要。傳統的國土空間規劃方法往往依賴于有限的數據和主觀經驗判斷，缺乏對區域特征的全面、深入和精確分析，導致規劃方案存在科學性不足、資源配置不合理、生態環境保護不力等問題。
2、在當今數字化時代，大量的數據和先進的技術為國土空間規劃提供了新的機遇和挑戰。一方面，豐富的地理、生態、經濟等數據使得對國土空間的理解更加全面和細致；另一方面，如何有效地整合和分析這些多源異構數據，提取有價值的信息，以支持科學合理的規劃決策，成為亟待解決的關鍵問題。
3、特別是在面對復雜的土地利用需求和生態環境保護要求時，傳統規劃方法難以準確評估土地肥力、地形、水文等多種特征對空間規劃區的影響，難以實現土地資源的優化配置和可持續利用。
4、因此，本專利技術旨在提出一種基于深度學習的國土空間規劃方法，通過對多源數據的深入挖掘和精確分析，實現對國土空間的精細化、科學化規劃，以滿足社會經濟發展與生態環境保護的雙重需求。
技術實現思路
1、本專利技術的目的在于提供基于深度學習的國土空間規劃方法，解決了
技術介紹
中所提出的技術問題。
2、本專利技術的目的可以通過以下技術方案實現：
3、基于深度學習的國土空間規劃方法，包括以下步驟：
4、步驟一、目標劃分
5、將目標區域做網格狀劃分，并得到
6、步驟二、數據收集
7、在目標區域對應的網格節點處，收集相應位置的特征數據，特征數據包括土壤特征、地形特征、水文特征：
8、步驟三、特征分析
9、獲取所有網格節點對應的特征數據的量化值，并依據其分析出目標區域的特征指數；
10、步驟四、綜合分析
11、依據多個特征數據對應的特征指數計算出該目標區域的綜合評估指數；
12、步驟五、規劃判定
13、依據目標區域的特征指數，與預先分類的若干個空間規劃區對應預定的指數閾值進行比較判定，并依據比較判定結果，得到含有規劃推薦和規劃規避對應空間規劃區的展示表單：
14、其中空間規劃區指代為對預先規劃的功能不同的區域，包括農業發展區、生態功能區、城鎮發展區、礦產資源開發區、水資源保護區，規劃推薦指代為建議將目標區域設定為某一空間規劃區，規劃規避指代為建議不要將目標區域設定為某一空間規劃區。
15、作為本專利技術進一步的方案：步驟三中，各個特征數據對應特征指數的分析方式相同，選取土壤特征，其特征指數的分析如下：
16、stepd1、獲取各個網格節點對應的土地肥力指數，并將其作為特征數據的量化值，即土壤特征的量化值，然后將其標記為tj，j＝1、2、……m，m表示網格節點的數量；
17、stepd2、計算目標區域內所有網格節點的tj的平均值，并將其記為t0p；
18、stepd3、通過標準差公式，計算出目標區域內所有網格節點的tj的標準差，并將其標記為tb；
19、其中，標準差tb表示目標區域內特征數據量化值的離散程度；
20、stepd4、將標準差tb與預設的離散閾值ty進行比較：
21、若tb＞ty，則表示目標區域內特征數據量化值的離散程度較大；
22、接著按照|tj-t0p|從大到小的順序依次刪除對應的tj值并對應計算剩余特征數據量化值的標準差tb，直至tb≤ty；
23、然后獲取tb≤ty時，對應被刪除tj的數量u，同時計算出未被刪除tj的平均值，并將其標記為tpp；
24、隨之通過b＝(n-u)/n，計算得到相應的數量占比b；
25、其中，比較時：若tb≤ty，則表示目標區域內特征數據量化值的離散程度適中，則b值為1，且tpp＝t0p；
26、stepd5、通過公式：計算出目標區域相應特征數據的特征指數tz；
27、其中，α1、α2、α3均為預設的權重系數，μ為修正因子，且μ取值為0.65；
28、作為本專利技術進一步的方案：綜合評估指數的計算公式為：
29、
30、式中z0表示為綜合評估指數，tzk表示各個特征數據對應的特征指數，k＝1、2、……t，t表示特征數據的數量，tzp為多個特征數據tzk的平均值；
31、作為本專利技術進一步的方案：比較判定方式如下：
32、stepk1、獲取各個空間規劃區中綜合評估指數對應的指數閾值z0y；
33、stepk2、隨之將目標區域的綜合評估指數z0與各個指數閾值z0y比較：
34、若z0≥z0y，則對該空間規劃區做保留標記，并通過z0c＝z0-z0y，計算出相應空間規劃區相應的綜合指數差值z0c；
35、若z0＜z0y，則不對該空間規劃區做保留標記；
36、stepk3、獲取所有含有保留標記的空間規劃區，并將相應空間規劃區作為該目標區域規劃推薦，而所有未含有保留標記的空間規劃區作為該目標區域的規劃規避；
37、stepk4、按照指數差值從大到小的順序，將作為規劃推薦和規劃規避的空間規劃區進行分類排序，并生成展示表單。
38、作為本專利技術進一步的方案：土壤特征以土壤肥力為量化值，其根據土壤肥力的測定結果劃分若干個肥力等級，并對各個肥力等級賦予預定的分值；
39、當相應位置的土地肥力指數處于某一個肥力等級時，則將該肥力等級對應賦予的分值作為土壤特征的量化值。
40、作為本專利技術進一步的方案：其中，土地肥力依據多項指標數據的量化值和指標數據對應預設的權重系數進行計算得到：
41、指標數據包括有機質、酸堿度、土壤含水率、轉化酶、呼吸強度；
42、其公式為：l＝f?i×wi，i＝1、2、3、……n，其中，n表示參數l值計算時對應指標數據的數量，l代表土地肥力指數，f?i為第i個指標數據的量化值，wi為第i個指標數據的權重系數。
43、作為本專利技術進一步的方案：地形特征以海拔為量化值，其按照若干個特定的海拔區間劃分，并將不同海拔區間賦予預定的分值；
44、當相應位置的海拔處于某一個海拔區間內時，則將該海拔區間對應賦予的分值作為地形特征的量化值。
45、作為本專利技術進一步的方案：水文特征以地下水位為量化值，其按照地下水位預定的合理范圍，并依據超出該合理范圍的地下水位對應的差值設定若干個差值區間，并對應各個差值區間賦予預定的分值，其中，合理范圍也賦予相應預定的分值；
46、當相應位置的地下水位處于合理范圍內，則將合理范圍賦予的分值作為水文特征的量化值。
47、作為本專利技術進一步的方案：當相應位置的地下水位不處于合理范圍內，則先將該地下水位與合理范圍進行大小比較：
【技術保護點】
1.基于深度學習的國土空間規劃方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的基于深度學習的國土空間規劃方法，其特征在于，步驟三中，各個特征數據對應特征指數的分析方式相同，選取土壤特征，其特征指數的分析如下：
3.根據權利要求1所述的基于深度學習的國土空間規劃方法，其特征在于，綜合評估指數的計算公式為：
4.根據權利要求3所述的基于深度學習的國土空間規劃方法，其特征在于，比較判定方式如下：
5.根據權利要求4所述的基于深度學習的國土空間規劃方法，其特征在于，在StepK2中，若Z0＜Z0y，則不對該空間規劃區做保留標記。
6.根據權利要求1所述的基于深度學習的國土空間規劃方法，其特征在于，土壤特征以土壤肥力為量化值，其根據土壤肥力的測定結果劃分若干個肥力等級，并對各個肥力等級賦予預定的分值；
7.根據權利要求6所述的基于深度學習的國土空間規劃方法，其特征在于，其中，土地肥力依據多項指標數據的量化值和指標數據對應預設的權重系數進行計算得到：
8.根據權利要求1所述的基于深度學習的國土空間規
9.根據權利要求1所述的基于深度學習的國土空間規劃方法，其特征在于，水文特征以地下水位為量化值，其按照地下水位預定的合理范圍，并依據超出該合理范圍的地下水位對應的差值設定若干個差值區間，并對應各個差值區間賦予預定的分值，其中，合理范圍也賦予相應預定的分值；
10.根據權利要求9所述的基于深度學習的國土空間規劃方法，其特征在于，當相應位置的地下水位不處于合理范圍內，則先將該地下水位與合理范圍進行大小比較：
...【技術特征摘要】
1.基于深度學習的國土空間規劃方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的基于深度學習的國土空間規劃方法，其特征在于，步驟三中，各個特征數據對應特征指數的分析方式相同，選取土壤特征，其特征指數的分析如下：
3.根據權利要求1所述的基于深度學習的國土空間規劃方法，其特征在于，綜合評估指數的計算公式為：
4.根據權利要求3所述的基于深度學習的國土空間規劃方法，其特征在于，比較判定方式如下：
5.根據權利要求4所述的基于深度學習的國土空間規劃方法，其特征在于，在stepk2中，若z0＜z0y，則不對該空間規劃區做保留標記。
6.根據權利要求1所述的基于深度學習的國土空間規劃方法，其特征在于，土壤特征以土壤肥力為量化值，其根據土壤肥力的測定結果劃分若干個肥力等級，并對各個肥力等級賦予預定的分值...
【專利技術屬性】
技術研發人員：林偉濤，位棟座，王高陽，
申請(專利權)人：山東省經緯工程測繪勘察院有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。