一种年度自然资源调查监测统一现状图数据融合方法与流程

摘要: 本发明属于自然资源调查数据融合,具体而言,涉及一种年度自然资源调查监测统一现状图数据融合方法。背景技术:1、年度自然资源调查监测统一现状图编制工作需要将变更调查...
一种年度自然资源调查监测统一现状图数据融合方法与流程

本发明属于自然资源调查数据融合,具体而言,涉及一种年度自然资源调查监测统一现状图数据融合方法。

背景技术:

1、年度自然资源调查监测统一现状图编制工作需要将变更调查、林草湿荒普查、矿产资源储量、水资源、海岸线及国家公园等多源异构空间数据进行整合融合,当前该领域普遍采用基于几何相交运算的矢量叠加分析方法,具体包括全过程标识法与拼接标识法两类技术路线,二者均依赖显式构建图斑节点间的两两相交关系矩阵来完成属性传递与图斑切割。在现有技术中,由于全国范围内地类图斑总量达到数千万级别,各省级单元的图斑节点数量动辄超过亿级,当对如此规模的空间要素执行全局两两相交运算时,节点交互计算矩阵的规模随图斑数量呈指数级增长,运算过程中产生的中间矩阵数据量远超设备可用内存上限,导致内存峰值失控乃至进程崩溃,在沿海省份叠加海岸线数据或西部省份叠加矿产储量面状数据时,图斑密度与属性维度的复合增长进一步加剧了这一内存溢出现象。也就是说,现有技术中存在多源自然资源空间数据融合时海量图斑节点全局相交运算导致内存峰值失控的技术问题。

技术实现思路

1、有鉴于此,本发明提供一种年度自然资源调查监测统一现状图数据融合方法,能够解决现有技术中存在多源自然资源空间数据融合时海量图斑节点全局相交运算导致内存峰值失控的技术问题。

2、本发明是这样实现的:本发明提供一种年度自然资源调查监测统一现状图数据融合方法,包括以下步骤:

3、对年度变更调查数据、林草湿荒普查数据、矿产资源储量数据、水资源数据、海岸线数据及国家公园数据进行拓扑预处理,输出各类拓扑无误的源数据;

4、将年度变更调查数据中的林地、草地、湿地及水面地类剔除形成国土基底数据,从林草湿荒普查数据中提取林地、草地及湿地地类形成林草湿数据,将国土基底数据与林草湿数据按字段映射规则合并形成合并基底数据;

5、将合并基底数据输入地表融合演化模型,由地表融合演化模型在空间正交解耦网格切分机制下对合并基底数据进行流式并行相交运算,依次将矿产资源储量数据、水资源数据、海岸线数据及国家公园数据的属性标注至合并基底数据对应图斑上,输出融合标注数据,所述地表融合演化模型以连续态递归演化层替代显式全局相交运算矩阵,将图斑边界坐标序列以隐状态形式逐点递推传导,使内存峰值受控;

6、地表融合演化模型基于误差梯度预测修正机制对融合标注数据中碎小图斑执行仿植物根系生长微观探索算法,将碎小图斑强制并入周边原地类图斑,输出融合清洁数据;

7、基于变更调查行政区控制面积,采用比例计算方法对融合清洁数据中每一图斑的融合图斑面积与融合图斑地类面积进行重算,输出融合面积数据;

8、对融合面积数据执行符合性检查、图数一致性检查及空间拓扑检查,对不符合检查项的图斑按规则修正,输出统一现状图数据。

9、其中,所述拓扑预处理,具体是对矿产资源储量数据执行图形重复清理,对水资源数据执行图形自相交清理,对海岸线数据执行断开位置连接并基于连接后的海岸线向海一侧绘制向海范围面,向海范围面用于后续海岸线属性标注中区分向海一侧与向陆一侧。

10、其中,所述林地的提取规则为国土地类编码属于乔木林地、竹林地、灌木林地或其他林地,且林草湿荒普查地类编码属于对应林地分类,且林地管理属性不为空;草地的提取规则为国土地类编码属于天然牧草地、人工牧草地或其他草地,且草地管理属性代码属于按草地管理的代码集合;湿地的提取规则为国土地类编码属于红树林地、森林沼泽、灌丛沼泽、沼泽草地、盐田、沿海滩涂、内陆滩涂或沼泽地,且湿地管理属性代码属于按湿地管理的代码集合。

11、其中,所述字段映射规则为将林草湿数据中的国土地类字段映射至合并基底数据的地类编码字段,将权属性质、权属单位代码、权属单位名称、坐落单位代码、坐落单位名称、图斑面积、扣除地类编码、扣除地类系数、扣除地类面积、图斑地类面积、耕地类型、耕地坡度级别、线状地物宽度、图斑细化代码、图斑细化名称、种植属性代码、种植属性名称、耕地等别、飞入地标识、城镇村属性码、数据年份及描述说明字段按同名对应关系逐一映射。

12、其中,所述空间正交解耦网格切分机制,具体是将全局合并基底数据的空间范围划分为若干边界动态自适应调整的矩形计算块,相邻计算块边界重叠宽度取重叠宽度阈值,每个矩形计算块内的图斑节点数量上限取节点数量上限阈值,超出上限时自动细分,各矩形计算块之间采用高并发流式调度方式依次处理,控制全局内存峰值不超出设备可用内存上限。

13、其中,所述属性标注的具体规则为对矿产资源储量数据将与图斑相交的矿种属性写入矿产资源矿种字段,对水资源数据将与图斑相交的分区名称写入水资源分区名称字段,对海岸线数据判断图斑与向海范围面的位置关系后写入海岸线一侧字段,对国家公园数据判断图斑与国家公园范围的位置关系后写入国家公园范围字段。

14、其中,所述地表融合演化模型基于深度学习,融合递归状态递推传导机制的连续态演化网络架构与深度非参数贝叶斯狄利克雷流形网络架构,并在拓扑图稀疏邻接传导层内集成仿植物根系生长微观探索算法,所述地表融合演化模型由边界序列编码层、连续态递归演化层、狄利克雷流形概率生成层、拓扑图稀疏邻接传导层及面积重算输出层五个层次依次连接而成。

15、其中,所述碎小图斑判断规则为切割剩余局部面积小于碎小面积阈值,或图斑任意一角度数小于角度阈值且面积与周长之比小于面积周长比阈值,满足任一条件的图斑判定为碎小图斑并执行强制合并。

16、其中,所述仿植物根系生长微观探索算法,具体是将待处理碎小图斑定义为根系源点,周边大面积图斑的边界曲率及属性相似度转化为养分梯度张量,根系源点通过局部激活算子向周边释放探索信号,信号强度沿养分梯度方程呈非线性扩散,当某方向相似性特征值累计超越动态阈值时触发合并机制,模型更新拓扑图连通矩阵,将微小面节点并入主干图斑节点。

17、其中,所述比例计算方法,具体是以变更调查行政区控制面积为约束,将融合后图斑的几何计算面积乘以控制面积与全区域几何计算总面积之比得到融合图斑面积,在融合图斑面积基础上扣除所述扣除地类面积后得到融合图斑地类面积。

18、其中,所述地表融合演化模型的训练数据集建立,具体是收集历年已完成人工审核的变更调查数据、林草湿荒普查数据及对应融合成果作为正样本,人工构造含有碎小图斑、缝隙、自相交及属性缺失等缺陷的样本作为负样本,正负样本比例取正负样本比例阈值,全部样本按训练集、验证集及测试集的划分比例阈值进行划分。

19、其中,所述地表融合演化模型的训练,具体是以图斑边界坐标序列及属性编码张量为输入,采用联合损失函数进行训练,联合损失函数由属性分类交叉熵损失、面积重算均方误差损失及碎小图斑惩罚项三部分加权求和构成,碎小图斑惩罚项以三区三线规划规则中面积硬性红线及角度约束条件为自变量。

20、其中,所述门控跳转调节函数用于调整连续态递归演化层中局部神经元门控跳转路径的开合权重,门控调节值由碎小图斑数量项、属性相似度反向项及面积重算误差项三项加权求和构成,当门控调节值小于低分界值时门控跳转路径权重降低,当门控调节值属于低分界值至高分界值区间时门控跳转路径权重适度提升,当门控调节值不低于高分界值时门控跳转路径权重提升至最大并同步触发仿植物根系生长微观探索算法。

21、其中,所述狄利克雷流形概率生成层,具体是将隐藏层拓展为服从无穷维狄利克雷过程的概率生成节点群,输入图斑的空间曲率特征与属性张量映射至高维黎曼流形空间,基于中餐馆过程的概率演化动力学方程赋予数据在流形曲面上自动寻找高概率聚集簇的能力,当遇到全新地物组合时贝叶斯后验概率在流形空间即时派生新的隐变量维度。

22、其中,重叠宽度阈值取5m~20m,节点数量上限阈值取5000~50000个,碎小面积阈值取200,角度阈值取20度,面积周长比阈值取0.2m,正负样本比例阈值取3:1~5:1,划分比例阈值取7:2:1,联合损失函数三部分权重系数初始取1:1:2,低分界值取0.3,高分界值取0.7,集中参数初始取0.5~5.0,连续态时间序列张量维度取16~64,截断阈值初始取0.01~0.10。

23、本发明的有益效果是:本发明通过构建地表融合演化模型,以连续态递归演化层替代传统显式全局相交运算矩阵,将图斑边界坐标序列以隐状态形式逐点递推传导,使节点间的空间关系以累加方式在隐状态向量中传播而非显式展开为全局矩阵,从而将计算复杂度由节点数量的指数级关系压降至线性递推关系;同时配合空间正交解耦网格切分机制将全局数据切分为边界动态自适应的矩形计算块并以高并发流式调度方式处理,使任意时刻驻留内存的数据量仅为单个计算块的规模,从而将全局内存峰值控制在设备可用上限以内;狄利克雷流形概率生成层进一步保障了新增地类属性在无需重新训练的前提下通过贝叶斯后验更新自动扩展,避免了因属性维度扩展引发的额外矩阵重构开销。综上所述,本发明解决了背景技术中提到的多源自然资源空间数据融合时海量图斑节点全局相交运算导致内存峰值失控的技术问题。