[发明专利]一种国土空间结构时空演变模式挖掘方法

说明书

本发明公开一种国土空间结构时空演变模式挖掘方法，方法如下：首先，借助于Google Earth Engine多源地理大数据平台，利用随机森林与时空立方体一致性方法，实现国土空间地域功能长时序精确分类；其次，借助于时空立方体网格化分割与长时序功能参数计算，实现网格化单元的空间聚类，并利用时空变化点检测识别有效变化点。最后，依据关键变化点所处位置，结合聚类结果进行重新分类，实现时空演变不同模式识别与分类，解析不同模式的应用潜力。该方法提高了国土空间地域功能分类与空间结构时空演变模式识别的精度，尤其适用于大范围、长时序、人类活动引发的区域国土空间地域功能与空间结构演变识别与分类，能够直接应用于国土空间规划与空间治理的辅助决策。

技术领域

本发明涉及空间结构演变技术领域，具体为一种大数据支持下的国土空间结构时空演变模式挖掘方法。

背景技术

国土空间结构是指不同开发与保护功能指向的国土空间面积、比例结构的空间组织特征，与自然资源空间分布、人类生产生活活动空间组织密切相关。以往受制于数据获取方式、数据时长、空间范围的约束，难以对长时序、大范围的国土空间结构时空演变模式进行识别与挖掘。随着多源遥感数据的长期积累以及处理技术的发展，利用大范围、高频率、长时序的多源遥感大数据，挖掘国土空间地域功能与结构演变模式，揭示人类生产生活活动空间组织与地表作用过程，成为可能。

现有技术的不足：

以往传统国土空间或土地利用功能时空演变模式研究，主要是借助于遥感影像分类数据或土地调查数据，从数量、比例关系、空间集聚等方面进行识别与挖掘。由于数据量大、获取难度大，以往研究多采用5-10年的时间间隔进行分析，通过计算景观结构等指数，揭示不同功能用地的时空演变特征。尽管这样能简化数据获取和处理过程，但也会遗漏掉可能存在的突变节点，忽略一些有价值的国土空间结构演变模式细节。然而，当进行大尺度长时序、高频率的遥感长时序影像分析时，受制于处理平台的计算能力和储存设备，且需要付出巨大的时间成本，传统遥感手段显然不是理想平台。

发明内容

本发明的目的在于提供一种国土空间结构时空演变模式挖掘方法，以解决上述背景技术中提出的问题。

一种国土空间结构时空演变模式挖掘方法，本挖掘方法包括以下步骤：S1、国土空间地域功能的分类分级；S2、国土空间地域功能长时序分类；S3、基于哈希表的像素级时空立方体构建；S4、基于像素级时空立方体的时间一致性精校正；S5、基于像素级时空立方体的空间一致性精校正；S6、时空立方体的空间网格化分割与地域功能参数计算；S7、网格化单元长时序地域功能参数的自动聚类；S8、长时序功能参数的变化点识别；S9、时空演变模式识别与分类；S10、不同时空演变模式的特征分析与应用，其中：

S1、国土空间地域功能的分类分级：以地域功能生成机理为基点，从人类生产、生活、生态三类基本功能为划分依据，考虑土地利用方式与调查特征，将国土空间划分为建设用地、农业用地、生态用地三个一级分类；

S2、国土空间地域功能长时序分类：借助GEE平台，采用随机森林算法对国土空间地域功能进行长时序分类；

S3、基于哈希表的像素级时空立方体构建：以像素为基本单元，根据像素级时间序列排序类型，对研究区域所有像素进行类型标记，哈希表每个唯一的key值对应存储不同序列类型；

S4、基于像素级时空立方体的时间一致性精校正：构建时空立方体的滑动窗口W_m和种子窗口W_s，滑动窗口W_m的初始位置位于紧邻于对应的种子窗口W_s的外侧，对研究区国土空间地域功能长时序分类数据进行时间一致性校正；

S5、基于像素级时空立方体的空间一致性精校正：将每一个像素级时间序列作为一个处理单元，利用k*k滑动窗口，采用众数滤波方法，对窗口中心像元时间序列分类数据进行整体性纠正，直至对所有像素级时空立方体完成精校正；