CN107562693B - 土地利用/覆被要素多特征变化转移矩阵矢量化提取方法 - Google Patents

Abstract

本发明公开了一种土地利用/覆被要素多特征变化转移矩阵矢量化提取方法，包括：预处理得到形式一致的研究期初与期末两组矢量数据集；通过单向匹配获取匹配要素，计算匹配要素之间的重叠面积记录在要素匹配变化表；识别匹配要素在所选特征上的变化情况，补充记录；选择拟进行变化转移分析的要素属性特征，对其变化转移矩阵进行初始化设置；定义Dictionary类型变量，将矩阵对应的单元格添加到变量中；逐条读取记录，重叠面积进行累加计算，并赋给对应单元格的值；对转移矩阵内的剩余信息内容进行汇总计算和赋值，以形成完整的变化转移矩阵。本发明可以从不同时期土地利用/覆被矢量数据集中自动挖掘生成多个特征的变化转移矩阵，效率与准确性高。

Description

土地利用/覆被要素多特征变化转移矩阵矢量化提取方法

技术领域

本发明涉及一种土地利用/覆被要素多特征变化转移矩阵矢量化提取方法，属于地理空间信息处理与分析的技术领域。

背景技术

作为一种基础性模型工具，转移矩阵将土地利用/覆被要素特征的变化转移面积按矩阵的形式加以列出，不仅能够直接反映研究区域内土地利用/覆被变化的结构数量与转移方向，而且蕴含着变化率、变化速度、变化趋势等多种潜在信息，已在土地利用/覆被变化研究与分析工作中广为应用。

目前，转移矩阵的计算生成一般采用遥感影像栅格数据，计算方法一般由四个步骤组成：首先，对研究期初和研究期末的遥感影像进行几何纠正、光谱纠正、镶嵌剪裁、投影配准等处理，形成同一研究区域、不同时期的两幅遥感影像；然后，通过自动识别或人工解译的方式分别对两幅遥感影像进行分类处理，获得两幅包含土地利用/覆被类型(不同的地类用不同的属性数值编码表示)的栅格数据集；其次，利用GIS叠置分析工具，对两幅栅格数据集所有同一对应位置上的栅格像元地类编码值进行代数运算，生成一副同时包含前两幅地类信息的复合栅格数据集；最后，根据复合栅格数据集的属性编码值，确定不同栅格像元的地类变化情况，经进一步的统计汇总生成研究区域的转移矩阵。

上述基于栅格数据的转移矩阵生成方法具有原理简单、容易理解，支持叠加及统计分析的软件模块工具较多、便于实施等优点，但也存在三点不足：一是由于缺乏真正实用的全要素自动分类方法，遥感影像土地利用/覆被类型的识别与解译目前仍普遍需要大量的人工参与，周期长、成本高，并且作业过程中往往缺乏***的标准规范指导和严格的质量控制约束，结果主观性强、准确度低；二是遥感影像所附载的土地利用/覆被属性信息单一，一般只能用来计算生成“地类”特征的变化转移矩阵，不能描述反映其他土地利用/覆被特征(如“产权”、“坡度”等)的变化转移情况；三是该方法以虚设的栅格像元作为统计单元，要通过合并处理方能将其转化为土地利用/覆被要素，受栅格大小的影响转化结果与现实存在之间往往具有较大差异，因此该方法难以准确反映真正土地利用/覆被要素的变化情况。

由于以前土地利用/覆被矢量数据较为匮乏，有关土地利用/覆被变化转移矩阵矢量化计算的研究则相对较少，更缺乏自动高效的方法与***，只能在常用GIS软件平台上靠人工完成要素匹配、特征对比、变化识别、叠加计算、面积汇总等操作，人机交互频繁、效率低、易出错，难以用于大数据量的计算。

随着全国土地利用调查以及全国地理国情普查等战略性工程项目的组织实施与常态化推进，我国土地利用/覆被矢量数据日益增多，急需研发一种基于矢量数据的转移矩阵高效提取生成方法，为土地资源科学管理与合理利用提供更加准确、丰富的信息参考和决策依据。

发明内容

本发明所要解决的技术问题在于克服现有技术的不足，提供一种土地利用/覆被要素多特征变化转移矩阵矢量化提取方法，解决现有技术中土地利用/覆被变化转移矩阵矢量化计算缺乏自动高效的方法，人机交互频繁、效率低、易出错的问题。

本发明具体采用以下技术方案解决上述技术问题：

土地利用/覆被要素多特征变化转移矩阵矢量化提取方法，包括以下步骤：

步骤1、对获取的同一空间区域研究期初与研究期末土地利用/覆被的矢量数据集进行预处理，得到形式一致的研究期初与研究期末两组矢量数据集；

步骤2、选取所得到两组矢量数据集中研究期初矢量数据集中的要素，并单向匹配至研究期末矢量数据集获取其对应要素，且计算两者之间的重叠面积，将对应要素及其重叠面积作为匹配要素记录在要素匹配变化表；

步骤3、选择拟识别的要素属性特征，依据所述要素匹配变化表中的匹配要素记录，

逐项读取匹配要素的已选定属性特征取值并以期初特征值和期末特征值的形式补充记录在要素匹配变化表中；

步骤4、从步骤3所得要素匹配变化表中选择拟进行变化转移分析的要素属性特征，分别统计该特征在步骤1所得到形式一致的研究期初和期末矢量数据集中的唯一取值，据此对其变化转移矩阵进行初始化设置；定义Dictionary类型变量，以期初特征值和对应的期末特征值作为关键字，将所设置的变化转移矩阵对应的单元格添加到所定义的变量中；逐条读取要素匹配变化表中的记录，对具有相同特征取值的记录下的重叠面积进行累加计算，并将计算结果赋给Dictionary类型变量所含对应单元格的值，以完成对转移矩阵核心信息内容的统计计算；

步骤5、根据步骤4所得变化转移矩阵中的核心信息内容，对转移矩阵内的剩余信息内容进行汇总计算和赋值，以形成完整的变化转移矩阵。

进一步地，作为本发明的一种优选技术方案：所述步骤1对同一空间矢量数据集预处理包括坐标***或数据格式、模式结构、类别代码的差异一致化处理。

进一步地，作为本发明的一种优选技术方案：所述步骤2中单向匹配采用要素的唯一标识属性值进行匹配。

进一步地，作为本发明的一种优选技术方案：所述步骤2中单向匹配采用要素的位置形状进行匹配。

进一步地，作为本发明的一种优选技术方案：所述步骤2中单向匹配采用要素的重叠面积进行匹配。

进一步地，作为本发明的一种优选技术方案：所述步骤3中还包括建立变化识别规则选择拟识别的要素属性特征。

进一步地，作为本发明的一种优选技术方案：所述变化识别规则包括根据字符型属性特征或数值型属性特征识别存在变化的要素属性特征。

本发明采用上述技术方案，能产生如下技术效果：

本发明提供的土地利用/覆被要素多特征变化转移矩阵矢量化提取方法，对不同时期数据集进行预处理使其具有相同的模式结构和类别代码；然后，进行要素匹配以发现不同时期同一区域内的对应要素并计算其重叠面积；其次，对比判断对应要素的特征变化；最后，统计汇总对应要素的特征变化情况及其重叠面积，生成转移矩阵。可以使得土地利用/覆被变化转移矩阵矢量化计算自动高效，利用该提取方法，提高精准度，并使得矢量化计算更便捷且效率更高。

以及，本发明对武汉、长沙、琼海、焦作等地多个县区、乡镇的第二次土地利用现状及变更调查地类图斑矢量数据进行了验证，对包含近2000个要素图斑的县乡矢量数据，通过该方法计算生成转移矩阵所用总时在2分钟以内，相对于人工处理，效率至少提高15倍以上；用户可以通过表格、图形的形式灵活便捷地对中间及最终处理结果进行检查核对，加上计算结果间的自动交叉验证，能够有效避免漏算、错算情况的发生，准确度可达100％。为土地资源科学管理与统筹开发提供了重要的信息参考和决策依据。

附图说明

图1为本发明土地利用/覆被要素多特征变化转移矩阵矢量化提取方法的处理流程图。

图2(a)为本发明研究期初的土地利用/覆被矢量数据示例图；图2(b)为本发明研究期末的土地利用/覆被矢量数据示例图。

具体实施方式

下面结合说明书附图对本发明的实施方式进行描述。

如图1所示，本发明设计了一种土地利用/覆被要素多特征变化转移矩阵矢量化提取方法，主要由四个基本组成：首先，对不同时期数据集进行预处理使其具有相同的模式结构和类别代码；然后，进行要素匹配以发现不同时期同一区域内的对应要素并计算其重叠面积；其次，对比判断对应要素的特征变化；最后，统计汇总对应要素的特征变化情况及其重叠面积，生成转移矩阵。

该方法具体包括如下步骤：

步骤1、对获取的同一空间区域研究期初与研究期末土地利用/覆被的矢量数据集进行预处理，得到形式一致的研究期初与研究期末两组矢量数据集。

从测绘生产或土地管理部门获取同一空间区域两套不同时期(研究期初与研究期末)的土地利用/覆被面状图斑矢量数据集(D₁、D₂)，对其进行坐标转换、格式转换、模式重构、编码转换等预处理操作，产生两套在坐标***、数据格式、模式结构、编码形式等方面完全一致的矢量数据集(D'₁，D'₂)，其数据形式如图2(a)和图2(b)所示。

本发明主要针对模式结构差异和属性分类编码差异提出了如下解决技术方案：

对于模式结构差异，采用基于映射的模式结构差异一致化处理技术，具体如下：

模式结构差异主要表现为不同时期数据集在属性特征个数、名称、主键标识、数据类型等方面的不同。解决这种差异的基本策略：首先，根据需要确立新的模式结构并按照该结构定义创建新的土地利用/覆被矢量数据集；其次，建立待处理数据集与新建数据集之间同义属性之间的映射关系；最后，依据所见映射关系及其中包含的映射转换算子，将待处理数据集中的具体数据实例(值)，转换到新建数据集之中，形成模式结构完全一致的研究期初和研究期末矢量数据集。

对于属性分类编码差异，采用基于对照表的分类编码差异一致化处理技术，具体如下：

分类编码差异主要表现为不同时期数据集中同一(或同义)属性特征在类别代码取值上的不同，解决这种差异的基本策略：首先，根据分类编码差异具体形式建立不同列数的对照表，对于“离散码:离散码”的形式编码差异建立如表1所示的对照表，对于“连续码:离散码”的形式编码差异建立如表2所示的对照表；然后，在待处理数据集中依次读取每条土地利用/覆盖要素记录相应属性特征的原始编码值，依据对照表将其转换为所需要的目标编码值。

表1.以地类编码为例，两列对照表

原始编码值	目标编码值
		111	011
112	012
		113	012
114	013
		115	013

表2.以坡度编码为例，三列对照表

原始编码最小值	原始编码最大值	目标编码值
			0	2°	1
2°	6°	2
			6°	15°	3
15°	25°	4
			25°	90°	5

步骤2、选取所得到两组矢量数据集中研究期初矢量数据集D'₁中的要素，并单向匹配至两组矢量数据集中研究期末矢量数据集D'₂获取其对应要素，且计算两者之间的重叠面积，将对应要素及其重叠面积记录在要素匹配变化表。具体如下：

以D'₁为参考、D'₂为目标，由于一个要素对应一条数据记录，通过比较其中土地利用/覆被要素的用户ID取值、几何图形、空间位置关系，单向匹配发现在空间位置上具有一定重叠的、分别来自于D'₁和D'₂的对应要素，计算两者之间的重叠面积，并将对应要素及其重叠面积记录在要素匹配变化表T中。

转移矩阵的计算生成是以单个土地利用/覆被要素的属性特征变化为前提的。只有明确了单个要素的属性特征变化情况，才能对所有要素属性变化情况进行汇总统计以生成具体的转移矩阵，而单个要素变化情况的识别则需要通过要素匹配操作，来建立研究期初与研究期末土地利用/覆被矢量数据集中同一要素之间的对应匹配关系。

为了克服常用人工判别匹配的不足，人们已研究提出了多种自动要素匹配方法。这些方法的基本策略是计算比较待匹配要素在位置、图形、拓扑、属性等特征上的相近性，如果相近性达到某种程度，则认为他们是匹配对应要素。根据这一基本策略并考虑到属性匹配执行效率相对较高的特点，本发明设计了如下优选方案来匹配发现不同时期土地利用/覆被矢量数据集之间的对应匹配要素，即优选地包括单向匹配采用要素的唯一标识属性或要素的位置形状、要素的重叠面积进行匹配。其匹配过程如下：

①从研究期初土地利用/覆被矢量数据集D'₁中提取要素实体e_i，其***唯一标识属性值为sid，如果存在用户定义唯一标识属性且取值为uid，则执行步骤②步；否则，执行步骤③；

②从研究期末土地利用/覆被矢量数据集中查询检索用户定义唯一标识属性与e_i.uid相同的要素实体，如果查到要素e_j，则认为e_i与e_j对应，并计算二者间的重叠面积，连同其***唯一标识值e_i.sid、e_j.sid记录在“要素匹配变化表”中，返回步骤②步重新提取下一个要素实体；否则，执行步骤③。

③从研究期末土地利用/覆被矢量数据集D'₂中查询检索位置形状与e_i完全重合的要素实体，如果查到要素实体e_j，则认为e_i与e_j对应，并计算二者间的重叠面积，实质上为e_i或e_j的面积，连同其***唯一标识值e_i.sid、e_j.sid记录在“要素匹配变化表”中，返回步骤①、重新提取下一个要素实体；否则，执行步骤④。

④从研究期末土地利用/覆被矢量数据集中查询检索与e_i重叠面积大于0的要素实体，如果查到要素实体集E＝{e_j，…}，|E|≥1，则认为e_i与E中的所有要素对应，并将e_i.sid与E中所有实体的***唯一标识值以及彼此间的重叠面积值记录在“要素匹配变化表”中，返回步骤①重新提取下一个要素实体。

⑤如果研究期初土地利用/覆被矢量数据集中的要素已被全部遍历提取一次，则终止匹配过程。

并且，本方法还可以只通过比较空间要素的位置重叠关系，即第④步，来匹配发现对应要素。

步骤3、选择拟识别的要素属性特征，依据所述要素匹配变化表中的匹配要素记录，逐项读取匹配要素的已选定属性特征取值并以期初特征值和期末特征值的形式，即“期初特征值→期末特征值”的形式补充记录在要素匹配变化表中。

对一般矢量数据集而言，通过双向匹配操作可以获得基数为1:0、1:1、1:m、m:1、m:n、0:1的六种要素对应关系，依据这些对应关系可以识别发现消失、位移、缩小、扩张、分解、合并、聚合、新增等多种类型的要素变化。由于面状土地利用/覆被要素的空间固定性、连续无缝性以及匹配操作的单向性，即期初要素向期末要素，因此本发明中所得要素匹配基数只有1:1和1:m两种类型，其中又可将1:m视为m个1:1的组合。根据这种情况，本发明制定如下方案来识别发现匹配要素的属性特征变化情况。

①根据需要选择拟进行变化识别的要素属性特征，建立变化识别规则，可以包括根据字符型属性特征或数值型属性特征识别存在变化的要素属性特征。具体地，依据数据类型设置如下相应的变化识别规则：

规则1：对于字符型属性特征，如果取值不同，则认为匹配要素在该特征上发生了变化。

规则2：对于数值型属性特征，除了可以依据取值不同确认变化外，考虑到数据采集与记录误差因素，还可以依据属性取值之差的绝对值大于预设阈值来确认其变化。

②依据要素匹配变化表中的匹配要素记录，依次读取匹配要素的已选定属性特征取值，并以“期初特征值→期末特征值”的形式补充记录在要素匹配变化表(T)中。对于变化的特征取值加以标识，以方面变化内容的查找确认。最终所得要素匹配变化表的一般形式如表3所示。

表3.要素匹配变化表(T)

其中：表3中SID1列为研究期初要素的***唯一标识值；SID2列为与研究期初要素匹配对应的研究期末要素***唯一标识值；X列、Y列分别为匹配要素在属性特征X、Y上的取值变化情况。x_i→x_i表示属性值没有变化；x_i→x_j表示属性值由x_i变为x_j，用加粗字体加以标注。

步骤4、从步骤3所得要素匹配变化表中选择拟进行变化转移分析的要素属性特征，分别统计该特征在研究期初和期末矢量数据集中的唯一取值，据此对其变化转移矩阵进行初始化设置。具体过程如下：

①从表3所述的要素匹配变化表(T)中，选择拟进行转移矩阵计算的要素属性特征。为叙述方便，这里假设选择要素属性特征X。

②分别统计所选要素属性特征X在研究期初数据集D'₁和研究期初数据集D'₂中的取值个数，根据取值个数按照表4所示的一般形式对变化转移矩阵(M)进行初始化设置。

表4.一般形式的变化转移矩阵(M)

其中，{x₁，x₂，…，x_m}表示研究期初数据集中X属性特征的唯一取值。

{x₁，x₂，…，x_n}表示研究期末数据集中X属性特征的唯一取值。如果m＝n，则转移矩阵为(m+2)阶方阵；

a_ii表示研究期内属性特征值x_i保持不变的对应土地要素总面积；

a_ij(i≠j)表示研究期初属性特征值x_i向研究期末属性特征值x_j变化转移的对应土地要素总面积；

表示研究期初属性特征值x_i对应的土地要素总面积，其中，i可以取值为1,2，…，m。

表示研究期末属性特征值x_j对应的土地要素总面积，其中，j可以取值为1,2，…，n。

表示研究区域内土地要素的总面积，由于土地***的封闭性与固定性，研究期初和研究期末研究区域的土地利用总面积保持不变；

表示研究期末属性特征值x_i变为其他值的对应土地要素总面积；

表示研究期末其他属性值变为x_j的对应土地要素总面积。

表示研究期内土地利用/覆盖属性特征X所有取值发生转出变化的对应土地总面积；

表示研究期内土地利用/覆盖属性特征X所有取值发生转入变化的对应土地总面积；

R_总和N_总表示的都是转移矩阵中前m行n列元素之和减去主对角线各元素之和，因此R_总＝N_总，表示整个研究区域内土地利用/覆盖属性特征X的转出量和转入量相等；

除{x₁，x₂，…，x_m}和{x₁，x₂，…，x_n}外，其他参数的初始化值为0。

②定义Dictionary类型变量，以期初特征值和对应的期末特征值作为关键字，将所设置的变化转移矩阵对应的单元格添加到所定义的变量中。即定义Dictionary类型变量，假设名称与数据类型为FTArea<String，Cell>，将初始变化转移矩阵a_ij值对应的单元格添加到FTArea变量中，用所在行与列的属性特征取值组合，即“x_i→x_j”(i＝1，2，…，m；j＝1，2，…，n)的形式作为每个单元格的关键字。

③逐条读取要素匹配变化表中的记录，对具有相同特征取值的记录下的重叠面积进行累加计算，并将计算结果赋给Dictionary类型变量所含对应单元格的值，以完成对转移矩阵核心信息内容的统计计算。即依次读取要素匹配变化中的每条记录r_i，以该记录在属性特征X的取值作为关键字，查找FTArea变量中的对应单元格元素，并按如下公式(1)对单元格进行赋值。对所有记录处理结束后，则变化转移矩阵中涉及的a_ij计算完毕，以获得变化转移矩阵中该要素属性特征的全部元素值。

其中，所述对单元格进行赋值采用公式：

(FTArea[r_i.X]).Value＝(FTArea[r_i.X]).Value+r_i.重叠面积

(1)

其中，对于特征变化统计与转移生成处理而言，也可不定义Dictionary变量，只根据研究期初与期末特征取值，通过对要素匹配变化表的多次查询检索，为转移矩阵对应单元格赋值。

步骤5、根据步骤4所得变化转移矩阵中的核心信息内容，通过进一步的汇总计算，对转移矩阵内的剩余信息内容即矩阵中后两列及后两行的信息内容进行计算和赋值，以形成完整的变化转移矩阵，即根据上述步骤和公式计算转移矩阵中的A_i+，A_+j，R_i，N_i等信息内容的值，至此，属性特征X的变化转移矩阵已完整生成，计算结束，以生成该要素属性特征的变化转移矩阵。

并且，本实施例以要素属性特征X为例进行变化转移矩阵的提取描述，按照同样方法，可灵活选择提取生成其他属性特征的变化转移矩阵，本发明不对其进行限定。

为了验证本发明方法能够准确的实现变化转移矩阵的提取，本发明对武汉、长沙、琼海、焦作等地多个县区、乡镇的第二次土地利用现状及变更调查地类图斑矢量数据进行了验证，对包含近2000个要素图斑的县乡矢量数据，通过该方法计算生成转移矩阵所用总时在2分钟以内，相对于人工处理，效率至少提高15倍以上；用户可以通过表格、图形的形式灵活便捷地对中间及最终处理结果进行检查核对，加上计算结果间的自动交叉验证，能够有效避免漏算、错算情况的发生，准确度可达100％。

综上，本发明提供的土地利用/覆被要素多特征变化转移矩阵矢量化提取方法，可以使得土地利用/覆被变化转移矩阵矢量化计算自动高效，利用该提取方法，提高精准度，并使得矢量化计算更便捷且效率更高。为土地资源科学管理与统筹开发提供了重要的信息参考和决策依据。

上面结合附图对本发明的实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变化。

Claims (7)

1.土地利用/覆被要素多特征变化转移矩阵矢量化提取方法，其特征在于，包括以下步骤：

步骤1、对获取的同一空间区域研究期初与研究期末土地利用/覆被的矢量数据集进行预处理，得到形式一致的研究期初与研究期末两组矢量数据集；

步骤2、选取所得到两组矢量数据集中研究期初矢量数据集中的要素，并单向匹配至研究期末矢量数据集获取其对应要素，且计算两者之间的重叠面积，将对应要素及其重叠面积作为匹配要素记录在要素匹配变化表；

步骤3、选择拟识别的要素属性特征，依据所述要素匹配变化表中的匹配要素记录，

逐项读取匹配要素的已选定属性特征取值并以期初特征值和期末特征值的形式补充记录在要素匹配变化表中；

步骤4、从步骤3所得要素匹配变化表中选择拟进行变化转移分析的要素属性特征，分别统计该特征在步骤1所得到形式一致的研究期初和期末矢量数据集中的唯一取值，据此对其变化转移矩阵进行初始化设置；定义Dictionary类型变量，以期初特征值和对应的期末特征值作为关键字，将所设置的变化转移矩阵对应的单元格添加到所定义的变量中；逐条读取要素匹配变化表中的记录，对具有相同特征取值的记录下的重叠面积进行累加计算，并将计算结果赋给Dictionary类型变量所含对应单元格的值，以完成对转移矩阵核心信息内容的统计计算；

步骤5、根据步骤4所得变化转移矩阵中的核心信息内容，对转移矩阵内的剩余信息内容进行汇总计算和赋值，以形成完整的变化转移矩阵。

2.根据权利要求1所述土地利用/覆被要素多特征变化转移矩阵矢量化提取方法，其特征在于：所述步骤1对同一空间矢量数据集预处理包括坐标***或数据格式、模式结构、类别代码的差异一致化处理。

3.根据权利要求1所述土地利用/覆被要素多特征变化转移矩阵矢量化提取方法，其特征在于：所述步骤2中单向匹配采用要素的唯一标识属性值进行匹配。

4.根据权利要求1所述土地利用/覆被要素多特征变化转移矩阵矢量化提取方法，其特征在于：所述步骤2中单向匹配采用要素的位置形状进行匹配。

5.根据权利要求1所述土地利用/覆被要素多特征变化转移矩阵矢量化提取方法，其特征在于：所述步骤2中单向匹配采用要素的重叠面积进行匹配。

6.根据权利要求1所述土地利用/覆被要素多特征变化转移矩阵矢量化提取方法，其特征在于：所述步骤3中还包括建立变化识别规则选择拟识别的要素属性特征。

7.根据权利要求6所述土地利用/覆被要素多特征变化转移矩阵矢量化提取方法，其特征在于：所述变化识别规则包括根据字符型属性特征或数值型属性特征识别存在变化的要素属性特征。

Images