[发明专利]一种基于机器学习的生态保护红线测定方法

说明书

本发明公开了一种基于机器学习的生态保护红线测定方法，该方法主要采用机器学习算法作为基础模型，基于各项生态环境数据与卫星图片中的相关特征片，以此特征结合算法模型测绘出该地区的生态保护红线。

技术领域

本发明属于生态学领域，具体涉及一种基于机器学习的生态保护红线测定方法。

背景技术

从实务角度看，国土、水利、林业、海洋等多个部门曾在各自领域管理规程中均提出了各自的“红线”，包括耕地红线、水利资源利用红线、林业红线、海洋红线等，对各部门环境要素划定刚性标准实行限制性约束。这些“红线”包括了管控对象的严格空间界线、数量或比例限值，强调了耕地、水、林地和海洋等具体保护目标，均属于生态保护红线的范畴，但不是完整意义上的生态保护红线。2014年1月，环保部印发了《国家生态保护红线-生态功能基线划定技术指南(试行)》，成为中国首个生态保护红线划定的纲领性技术指导文件，对“生态保护红线”的定义作出了明确的规定，即对维护国家和区域生态安全及经济社会可持续发展，保障人民群众健康具有关键作用，在提升生态功能、改善环境质量、促进资源高效利用等方面必须严格保护的最小空间范围与最高或最低数量限值。

西方国家在长期的“先污染、后治理”的事件发生后，认识到风险预防措施的重要性。国际社会开始重视这一原则的运用，加拿大、法国、英国、澳大利亚等国家均在国内法中对其进行了立法确立。

风险预防理论适用于法律主体在进行环境开发、利用过程中对于出现了损害环境后果的行为应提前采取措施的情况。风险预防原则应由具体的环境政策与法律规范贯彻落实。针对预防原则的贯彻实施的措施主要包括:合理规划、计划开发环境与自然资源；环境排污与环境质量标准和污染物排放标准挂钩；建设项目和规划的环境影响评价应以保护环境公共利益为出发点；避免不科学不确定因素的影响，建立更完善的环境监测机制。

机器学习是是一门多领域交叉学科，专门研究计算机怎样模拟或实现人类的学习行为，是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域。

传统划定生态保护红线是去实地考察，经验判断得出一个结果，但是这种方法通常会耗费大量的人力物力；因此为了解决上述问题，可以结合机器学习算法，让机器去完成人所需做的工作，以此节约人力物力。

发明内容

针对现有技术存在的问题，达到节约人力物力的目的，本发明提供了一种基于机器学习的生态保护红线测定方法。

为了达到上述发明目的，本发明采用的技术方案为：

一种基于机器学习的生态保护红线测定方法，包括以下步骤：

S1、获取生态保护红线地区的数据，建立生态保护红线点图层库。

S2、提取图片特征，建立特征矩阵。

S3、基于特征矩阵，使用机器学习算法为目标地区自动划定生态保护红线。

进一步地，所述步骤S1具体包括以下分步骤：

S1-1、获取的地区数据包括了卫星图片，图片数量为m，且生态红线皆已人工划定，点图层要求预设属性表E相关的数据，其包括了以下属性：序号，保护区名称，点位序号，点位名称，功能区，经纬度，占地面积，已识别情况，生态破环情况，活动/设施性质，活动/设施现状，建设/完成时间，是否有环评手续，是否收到环保处罚，处罚形式，是否需要整改，整改措施及时限，整改进展，拆除建筑面积/m²，是否销号，业主/建设单位，地址。

S1-2、将步骤S1-1所获取的卫星图片和预设属性表E相链接，建立一个基于卫星图片的点图层，即在卫星图片上的每个点都带有的索引值，此索引链接的是卫星图片上此点所对应地区的预设属性表。