基于ArcMap的地块分割插件设计与实现

我国正在全面开展土地承包经营权调查工作,在地块调查过程中,涉及分户析产或土地流转的农户家庭需要按一定的面积、比例、数量、边界走向等要求对承包地块进行分割。基于Arc Map开发了地块分割插件,实现了按面积或按占股比例进行地块快速自动分割,分割结果满足农户面积精度和边界走向需求,大大提高了地块分割操作的效率,同时也减少了项目投入成本。

地籍数据库中地块分割与合并方法的研究

本文对籍信息管理系统中有关地块分割与合并的方法进行了研究，结出了一种适合计算机处理又能满足实际需要的方法．

GCAT-U-Net嵌入全局坐标注意力机制的遥感地块分割网络

遥感影像的地块背景特征复杂,当前地块分割方法不能较好地处理模糊的边缘信息,导致分割精度不理想;文章利用注意力机制处理地块特征,提出了一种基于全局坐标注意力机制的遥感地块分割网络:GCAT-U-Net;该方法在U-Net网络基础上嵌入了全局坐标注意力机制,加强了深度神经网络对于遥感影像数据中重要特征的关注度;在公开的GID数据集上的实验结果表明,文章提出的模型将准确率从0.9041提升到了0.9227,比传统U-Net网络提高了2百分点;结合特征自身重要性和特征位置信息的全局坐标注意力机制有助于更精确的目标定位,其输出相较于嵌入单一注意力机制,地块边界更为清晰,提升效果更为显著。

一种类矩形引导的玉米田遥感图像分割算法

在覆盖玉米田的遥感图像中,玉米地块边缘区域存在大量的同物异谱现象,利用传统分割方法进行玉米地块分割时,会造成边缘出现许多非玉米小块区域,因而导致玉米种植面积统计错误。根据大面积玉米种植区域的形状分布特点,提出一种类矩形引导的玉米田种植区分割方法。首先采用最小核值相似区(smallest univale segment assimilating nucleus,SUSAN)边缘检测算子对融合后的高分一号(GF-1)卫星遥感图像进行边缘提取,然后根据闭合区域与外接类矩形的关系构建类矩形引导的相关函数,最后将类矩形阈值函数引入基于图的分割算法中实现特定形状的地块分割。将分割结果分别与基于图的分割方法、分水岭分割方法和人工解译样本进行实验比较,结果表明:本文方法能有效地分割出玉米田目标,减少了同物异谱带来的影响,分割结果更加符合玉米田实际分布特征和实际统计面积。

结合空间注意力机制与多任务学习的耕地地块分割模型

地块作为农业耕作的最小单元,对其精准识别是国土资源监测、耕地利用监测的需要。现有的方法多使用手工勾绘的方式获取,耗时费力,成本高昂,并且无法实现实时、近实时更新。本文设计了一种基于空间注意力机制与多任务学习的地块分割模型—Field-Net。模型基于UNet架构,增加了空间注意力机制,并采用多任务学习的策略,在语义分割的基础上增加了边界、像素到地块边界的距离等任务。在山东省东营市利津县对模型的性能进行了测试,结果发现耕地地块识别的交并比达到了87.05%,总体精度为92.23%。Field-Net模型的性能优于几种高性能的深度学习框架,交并比较Link-Net模型高出0.26%,较DeepLab v3+高出7.59%。在空间泛化性能测试中,Field-Net模型的平均交并比Link-Net模型高出3.51%,空间泛化性能明显提升。通过消融试验发现,使用空间注意力机制的Field-Net较ResUNet模型F1-Score提高了1.01%,交并比提高了1.6%;多任务学习策略使得Field-Net模型的F1-Score提高了0.18%,交并比提高了0.21%;将模型权重特征进行可视化后发现空间注意力机制模块和多任务学习策略可以使模型学习到的特征更加聚集于地块边界和地块内部,使学习到的特征更具代表性。总体而言,Field-Net模型可以支撑地块级别国土资源和耕地非农化、非粮化利用监测,从而提高监测的效率和时效性。

基于遥感影像的农田边界提取方法研究进展

农田边界的自动提取对高效量化农田土地资源和制定相关调控政策十分重要,是农业现代化和智慧化发展的必要条件。统计多种农田边界提取尺度下常用的遥感数据,简述农田边界提取技术经历了从无监督到监督提取的发展,总结并对比农田边界提取的4种主要方法,包括基于边缘检测的方法、基于区域的方法、混合方法和深度学习方法,深度学习方法属于监督提取技术,与遥感技术的发展息息相关。简述农田边界提取精度评定中的参考图像获取与精度评估方法。提出目前存在农田边界特征利用和挖掘不足、缺乏公开实时的数据集、缺乏针对小农地区的研究、提取方法普适性不足的问题。在综合应用农田边界特征、共享农田边界大数据和应用云计算平台、开发小农地区农田边界提取方法、融合时空协同的多源数据方面作出展望。

国外农地整理权属调整技术方法研究进展及借鉴

研究目的:总结国外农地整理权属调整技术方法创新研究的特征与趋势,为国内权属调整技术方法改进研究提供借鉴,从而推动权属调整的实施。研究方法:文献综述法。研究结果:国外权属调整技术方法创新研究始于对传统方法的问题识别,研究内容包括概念模型设计、地块再分配和地块分割三部分,并重点强调该过程的空间属性和对农民偏好满足程度的优化;GIS技术与运筹学模型结合是技术方法创新的主要方式;通过启发式方法提高实施过程的自动化和标准化程度是新近的发展趋势。研究结论:结合中国农地整理权属调整实际,相关研究今后应重点关注以下4个方面:(1)构建中国权属调整概念模型,并对权属调整的现实规则进行系统研究与建模;(2)继续探索各类新兴技术方法在权属调整过程中应用的可能性;(3)在对技术方法进行系统评估的基础上,开展技术方法与管理机制的匹配研究;(4)建立更丰富的权属调整优化目标和评价指标体系。

基于德劳内三角化和二分查找法的土地自动分配方法

为解决预分方案制定效率低的问题,该文提出一种基于德劳内三角化和二分查找法的地块分配算法。首先生成待分配地块的最小边界几何(minimum bounding geometry,MBG),对MBG进行三角剖分;其次在地块内通过累加三角形的面积执行查找,接近合同面积时采用二分查找法进行微调;最后遍历项目区内所有地块直至生成土地预分配方案。通过对算法进行编程实现,以试验区的土地整治项目为例对算法的可行性进行验证,并从分配效率、精度和形状指数3个方面对结果进行评价。结果表明:项目区内的地块划分仅需231 s,与仅用二分查找法相比,采用该文方法分割效率提高29.3%,精度提高28.2%,形状规则度提高18.2%;在减少农用道路占地面积的同时,分割后的地块具有良好的通达性。该方法可满足自动创建和动态调整土地分配方案的需求,为在一定约束条件下制定最优土地分配方案提供了技术支撑。

结合影像分区与尺度估计的耕地提取方法研究

尺度效应的存在使得不同地物的空间及属性尺度存在差异,不存在适合于影像中所有地物的唯一尺度。但通过影像分区,然后针对不同区域设置最优分割参数,可以有效地提高影像整体的分割精度。耕地地块分割中,对分割边界的要求较高,需要保证地块边界清晰连续,鉴于此,本文提出了一种结合影像分区及尺度估计的耕地地块提取方法。本文利用不同地物的温度反演影像来实现区域划分,根据温度数据将影像划分为不同地物类型、作物类型或作物长势不同的多个区域。接下来,分别对不同的区域影像进行分割,由于不同类型地物的固有空间空间尺度不同,所以不同区域影像的最佳分割参数也随之不同。空间统计的平均局部方差法可以用来预估各区域影像的分割参数,与分割参数优选的方法相比,该方法可快速准确定位,且效率较高。因此本文利用该方法进行参数估计,采用边缘约束分水岭分割算法进行耕地地块分割。此外,本文对现有影像分割评价指标进行了改进。实验结果显示,本文提出的耕地地块提取方法可针对影像的不同区域,快速准确地设置分割参数,且与其他分割方法相比,地块边界更清晰连续、多边界问题得到了极大改善。