申请/专利权人：北京大学

申请日：2023-07-05

公开（公告）日：2024-04-05

公开（公告）号：CN116882780B

主分类号：G06Q10/0637

分类号：G06Q10/0637;G06Q50/26;G06V20/17;G06V20/10;G06V10/26;G06V10/82

优先权：

专利状态码：有效-授权

法律状态：2024.04.05#授权;2023.10.31#实质审查的生效;2023.10.13#公开

摘要：本发明公开了一种基于景观图片的乡村空间要素提取与地方性分类规划方法，基于研究范围内的取样点获取乡村景观图片来提取乡村空间要素，进行自由节点和树状节点编码，对应乡村二级、一级空间要素，再根据7类一级空间要素将乡村地方性归类为原生型、拼贴型和迁移型，将乡村地方性类型与各影响因素之间构建二元逻辑斯蒂回归模型，分析不同因素对三种地方性转化的关联关系。通过对影响因素的调控，实现不同类型乡村地方性的规划引导，获得乡村地方性分类的规划方案，促进乡村的特色性、宜居性与可持续性营建，为乡村的地方性规划建设和管控提供科学依据。

主权项：1.一种基于景观图片的乡村空间要素提取与地方性分类规划方法，包括以下步骤：1设置研究范围内的景观图片取样点，基于取样点的景观图片提取乡村空间要素，对乡村空间要素进行自由节点和树状节点编码，即对应乡村二级、一级空间要素进行编码，并分别统计不同乡村的空间要素频率，包括：1.1确定取样点：将研究区域设置为一定宽度的渔网网格单元，每个渔网网格单元的中心即取样点，渔网网格单元宽度的设定要求所有乡村都有取样点，且邻近取样点之间特征值有明显变化，剔除掉不属于乡村区域的取样点，研究区域共包含n个取样点；1.2取样点的图像信息编码：首先以行政村为单元，获取乡村无人机航拍景观图片数据；其次，在n个取样点中随机挑选m个取样点，m小于n，将m个取样点的无人机航拍乡村景观图片数据作为训练数据集，通过人工对空间要素范围和标签进行语义标注的形式，将无人机航拍乡村景观图片内的信息转换成乡村空间要素的最小信息单元；再次，使用开源计算机视觉库，采用分水岭算法进行无人机航拍乡村景观图片的语义分割处理；最后，经过多次迭代计算，确保图像识别准确率达到95％以上，提取图像中各类景观空间要素，再将乡村景观图片导入到NVivo软件中进行开放式编码，乡村空间要素按照树状节点和自由节点进行轴心式编码，其中树状节点代表乡村一级空间要素，自由节点代表乡村二级空间要素，所述乡村一级空间要素包括以下7类：自然风光类、日常生活类、现代风貌类、传统农业类、商旅设施类、工业设施类、基建设施类；1.3统计乡村空间要素的自由节点和树状节点的频率：根据步骤1.2中对n个取样点乡村景观图片的节点编码，以乡村行政边界为统计范围，统计各乡村不同二级空间要素的频率，计算公式如下： 式1中，Pil为第i个乡村所有k个取样点第l类自由节点的频率；k为第i个乡村取样点的总数；Silq为第i个乡村第q个取样点第l类自由节点的图像面积占比；选择第i个乡村所有自由节点中频率最高的类型作为第i个乡村的主要空间要素类型，将其进行标记；再按照各乡村主要空间要素类型，即频率最高的自由节点进行树状节点的汇总统计，统计7类树状节点频率，计算公式如下： 式2中，Sir为第i个乡村第r类树状节点的频率；r′为第i个乡村第r类树状节点包含的自由节点l的类型数目；Pil为第i个乡村第l类自由节点的频率；乡村树状节点、自由节点的频率即分别为乡村一级、二级空间要素的频率；2根据步骤1提取的乡村一级空间要素，从地方性角度对乡村一级空间要素进行重分类，进一步将乡村地方性归类为原生型地方性、拼贴型地方性和迁移型地方性，包括：2.1基于地方性的乡村一级空间要素重分类：将步骤1的乡村一级空间要素，即树状节点，按照地方性的稳定性、地方性的延续发展性和非地方性三个方面，进行重分类，分别对应为自然风光型、传统存续型和现代更新型；2.2计算地方性乡村空间要素的反应度：统计每个乡村内的自然风光型、传统存续型和现代更新型空间要素的频率，即这三种地方性乡村空间要素的反应度，相关公式如下：FYDa＝∑na3 式3和式4中，FYDa为第a种地方性乡村空间要素的反应度；na为乡村一级空间要素属于第a种地方性乡村空间要素的累计频率；三种地方性乡村空间要素的反应度之和为1；2.3基于地方性乡村空间要素反应度的地方性分类：基于步骤2.2中不同乡村三种地方性乡村空间要素反应度的计算结果，通过自然断点法，将每种类型的地方性乡村空间要素反应度由高到低分成3类：H代表高反应度、M代表中反应度、L代表低反应度；并通过三种地方性乡村空间要素的组合方式作为判断地方性类型的依据，乡村空间要素按照自然风光型、传统存续型和现代更新型的顺序进行编码；将HLL型、LHL型、MML型、HML型、MHL型、HHL型、MLL型和LML型归为原生型地方性；将MLM型、LMM型、HLM型、LHM型、LHH型、MMM型和LLM型归为拼贴型地方性；将LLH型、MLH型、LMH型和HLH型归为迁移型地方性；3根据步骤2对乡村三种地方性的分类结果，分析不同因素对三种地方性的关联关系，构建二元逻辑斯蒂回归模型，计算乡村从原生型地方性转化为拼贴型地方性和迁移型地方性的影响因素的回归系数和优势比数值，包括：3.1确定影响乡村地方性的因素指标：选择自然环境因子、经济发展因子、社会人文资本因子、土地利用因子和政策支持因子5类因素指标，将其作为自变量，导入到SPSS软件中，建立多元线性回归模型，运用方差膨胀系数诊断法对所有因素指标进行多重共线性检验，计算公式如下： 式5中，VIFi为第i个自变量的方差膨胀系数；为第i个自变量与其余自变量做回归分析的判定系数；方差膨胀系数VIFi越大，说明自变量之间存在共线性的可能性越大；反之，若第i个自变量与其余自变量之间相关程度很低，VIFi就接近于1；选择方差膨胀系数不高于5的自变量作为影响乡村地方性的因素指标；3.2构建乡村地方性转化与影响因素关联的二元逻辑斯蒂回归模型：选择步骤3.1中不存在共线性的乡村地方性影响因素指标作为自变量，将拼贴型地方性和迁移型地方性乡村空间要素的反应度之和Y＝1作为概率PY＝1，将原生型地方性乡村空间要素的反应度Y＝0作为概率1－P，即概率PY＝0；原生型地方性乡村空间要素转化为拼贴型地方性和迁移型地方性的乡村空间要素发生的几率为P1-P，即为乡村空间要素转化为拼贴型和迁移型地方性发生的概率与未转化保持原生型地方性发生的概率的比值；将拼贴型和迁移型两种地方性的乡村空间要素反应度与原生型地方性的乡村空间要素反应度之比的自然对数作为因变量，将乡村地方性影响因素作为自变量，由此构建二项逻辑斯蒂回归模型，衡量乡村空间要素由原生型地方性转化为拼贴型和迁移型地方性的影响因素及其影响程度，计算公式如下： z＝α0+α1x1+α2x2+…αnxn8 其中，z为乡村地方性的影响因素指标，即自变量x1，x2，…xn的线性函数；α0，α1，α2，...，αn为各个自变量的回归系数；式9是对式6和式7中的PY＝1和PY＝0进行逻辑离散选择模型变换；用极大似然估计法求得α0，α1，α2，...，αn；在逻辑回归过程中，选用WALD向前方法进行自变量选择；计算每个影响因素指标的回归系数、标准误差；在二元逻辑斯蒂回归模型中，ExpB为自变量的优势比，即回归系数的指数次方，用来反映自变量在回归方程中的重要程度；ExpB大于1则乡村发生地方性类型转化的比值增加，反之ExpB小于1则为减少，当ExpB为1时表明乡村不会发生地方性类型转化；选择显著性小于0.05的自变量，根据回归系数为正值或是负值，正值代表正向相关关系，负值代表负向相关关系，进一步分析各个自变量的优势比，由此得到乡村发生地方性转化的因素影响程度；4综合步骤2得到的乡村地方性三种类型和步骤3得到的影响因素的回归系数和优势比数值，通过对正向和负向影响因素进行调控，实现对不同类型乡村地方性的规划引导，促进乡村原生型地方性的维系保持，拼贴型地方性的有序重构和迁移型地方性的再生提升，由此获得乡村地方性分类的规划方案。

全文数据：

权利要求：

百度查询： 北京大学 一种基于景观图片的乡村空间要素提取与地方性分类规划方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD