-
公开(公告)号:CN114723142A
公开(公告)日:2022-07-08
申请号:CN202210376516.0
申请日:2022-04-11
Applicant: 中国矿业大学
IPC: G06Q10/04 , G06Q10/06 , G06Q50/26 , G06N3/12 , G06N3/08 , G06N3/04 , G06F30/27 , G06F111/04 , G06F111/06
Abstract: 本发明公开了一种基于非支配排序遗传算法(NSGA‑II算法)和FLUS模型的多目标土地利用模拟方法。首先基于NSGA‑II算法实现土地利用数量结构优化,进而利用FLUS模型将变化斑块合理分布,从而实现土地利用空间结构优化。该方法通过NSGA‑II算法获取FLUS模型中未来土地利用斑块的数量,并通过调整参数模拟多种土地利用情景,能够高效的进行区域土地利用模拟,为区域不同的发展目标提供决策支持,在新时期国土空间规划实践中有着较好的应用前景。
-
公开(公告)号:CN114723294A
公开(公告)日:2022-07-08
申请号:CN202210376377.1
申请日:2022-04-11
Applicant: 中国矿业大学
IPC: G06Q10/06 , G06Q50/26 , G06F16/215
Abstract: 本发明公开了一种建成区快速提取方法和系统框架,其中,建成区快速提取方法包括:获取POI(Point ofInterest,POI)数据集,对获取的POI数据进行了纠偏、去重等处理;利用POI数据建立不规则三角网(Triangulated IrregularNetwork,TIN);使用H/T断裂法(Head/Tail breaks)对生成的TIN进行头/尾分割;再利用Laplacian磨光算法去除噪声碎多边形,识别及提取建成区边界。建成区快速提取系统框架包括:POI数据集获取模块、POI数据集清洗模块、城市建成区边界提取模块。本方案不仅深入研究了建成区快速提取方法,同时证明了POI数据在城市边界识别中的应用价值,尤其是在全国地级市尺度城市边界识别中的可行性。本发明方法可实现建成区快速提取,并且数据可获取性强、精细化程度高、适用范围广、可靠性高。
-
公开(公告)号:CN114694038A
公开(公告)日:2022-07-01
申请号:CN202210377873.9
申请日:2022-04-11
Applicant: 中国矿业大学
IPC: G06V20/13 , G06V10/764 , G06V10/30 , G06V10/26 , G06V10/774 , G06K9/62 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开一种基于深度学习的高分辨率遥感影像土地利用分类方法及系统,获取高分辨率遥感影像原始图像并进行预处理;制作土地利用类型训练集、验证集、测试集;构建深度学习实例分割模型,对coco数据集进行预训练;利用经过coco数据集预训练的模型,对训练集进行训练,对测试集进行随机测试,在验证集上调整模型参数,进而测试;以地理空间关系对待分类遥感影像按行列进行分割并进行编码,将均等分割后的数据全部作为输入数据输入网络模型进行土地利用分类,对数据进行映射式解码,获取图像。本发明基于深度学习的高分辨率遥感影像分类方法,在基于coco数据集进行预训练的基础上,对高分辨率遥感影像进行实例分割,提高了遥感影像的自动分类精度。
-
-