1.本发明涉及数据检测技术领域,尤其涉及一种非法建房数据的检测方法及 装置。
背景技术:
2.为了保证农村非法占用耕地建房数据的准确性,需要对现有的非法建房数 据进行检测。
3.现有的检测方法包括:1.传统方法,采用实地摸排方式进行核查。2.无人机 核查法,利用无人机拍摄实地调查地类的举证照片,形成调查举证成果;然后 采用“互联网 ”技术将举证成果提交核查平台进行成果审核与分析。3.电子调 绘法,电子调绘一般采用平板电脑作为移动端采集设备,配合安装专门开发的 外业调绘系统,进而完成核查工作。4.互联网结合在线审核的方法,互联网在线 审核是先通过叠加分析进行图斑的核查,对仍存在的疑问图斑通过互联网下发 到地方各市县区进行再次核查。具体为:疑问图斑数据到达实地后,立刻发出 互联请求;互联网举证平台接受请求并按区域、按距离等因素分配在线互联人 员,在线互联人员共同参与、协作对举证图斑进行实地验证。
4.但是在核查区域较大的情况时,上述检测方法需要耗费大量的人力、物力, 且工作周期长、工作效率和准确率低。
技术实现要素:
5.本发明实施例提供一种非法建房数据检测方法及装置,提高了检测非法建 房数据的效率和准确性。
6.本技术实施例的第一方面提供了一种非法建房数据的检测方法,包括:
7.获取占用耕地建房时序数据和合法建房数据,并依据合法建房数据和占用 耕地建房时序数据得到乱占耕地建房时序数据;
8.获取现有的非法建房数据,并将现有的非法建房数据和乱占耕地建房时序 数据输入第一检测模型中,以使第一检测模型对现有的非法建房数据进行检测, 得到检测结果。
9.在第一方面的一种可能的实现方式中,将现有的非法建房数据和乱占耕地 建房时序数据输入第一检测模型中,以使第一检测模型对现有的非法建房数据 进行检测,得到检测结果,具体为:
10.将现有的非法建房数据和乱占耕地建房时序数据输入第一检测模型中,以 使第一检测模型根据乱占耕地建房时序数据对现有的非法建房数据进行时间标 注,得到非法建房时序数据;
11.且使第一检测模型根据乱占耕地建房时序数据对非法建房时序数据进行检 测,得到检测结果;其中,检测结果包括:数据漏报和数据待补充。
12.在第一方面的一种可能的实现方式中,获取占用耕地建房时序数据,具体 为:
13.获取建房时序数据和耕地数据,并将建房时序数据和耕地数据进行相交处 理后,
形成占用耕地建房时序数据并获取。
14.在第一方面的一种可能的实现方式中,获取建房时序数据,具体为:
15.最新建房数据和不同年限的土地数据,并根据最新建房数据和不同年限的 土地数据进行空间连接,得到建房时序数据;其中,土地数据包括:土地利用 现状变更调查数据、地籍调查数据、土地卫片执法数据、土地遥感监测数据、 农村集体土地确权数据和地理国情监测数据。
16.本技术实施例的第二方面提供了一种非法建房数据的检测装置,包括:获 取模块和检测模块;
17.其中,获取模块用于获取占用耕地建房时序数据和合法建房数据,并依据 合法建房数据和占用耕地建房时序数据得到乱占耕地建房时序数据;
18.检测模块用于获取现有的非法建房数据,并将现有的非法建房数据和乱占 耕地建房时序数据输入第一检测模型中,以使第一检测模型对现有的非法建房 数据进行检测,得到检测结果。
19.在第二方面的一种可能的实现方式中,将现有的非法建房数据和乱占耕地 建房时序数据输入第一检测模型中,以使第一检测模型对现有的非法建房数据 进行检测,得到检测结果,具体为:
20.将现有的非法建房数据和乱占耕地建房时序数据输入第一检测模型中,以 使第一检测模型根据乱占耕地建房时序数据对现有的非法建房数据进行时间标 注,得到非法建房时序数据;
21.且使第一检测模型根据乱占耕地建房时序数据对非法建房时序数据进行检 测,得到检测结果;其中,检测结果包括:数据漏报和数据待补充。
22.在第二方面的一种可能的实现方式中,获取占用耕地建房时序数据,具体 为:
23.获取建房时序数据和耕地数据,并将建房时序数据和耕地数据进行相交处 理后,形成占用耕地建房时序数据并获取。
24.在第二方面的一种可能的实现方式中,获取建房时序数据,具体为:
25.最新建房数据和不同年限的土地数据,并根据最新建房数据和不同年限的 土地数据进行空间连接,得到建房时序数据;其中,土地数据包括:土地利用 现状变更调查数据、地籍调查数据、土地卫片执法数据、土地遥感监测数据、 农村集体土地确权数据和地理国情监测数据。
26.相比于现有技术,本发明实施例提供的一种非法建房数据检测方法及装置, 其有益效果在于:本发明实施例的检测方法,先获取占用耕地建房时序数据和 合法建房数据,并依据合法建房数据和占用耕地建房时序数据得到乱占耕地建 房时序数据;再获取现有的非法建房数据,并将现有的非法建房数据和乱占耕 地建房时序数据输入第一检测模型中,以使第一检测模型对现有的非法建房数 据进行检测,得到检测结果。上述方法只需要将现有的非法建房数据和乱占耕 地建房时序数据输入第一检测模型中,便能给使第一检测模型对现有的非法建 房数据进行检测。在核查区域较大时,不需要实地验证,也不需要大量人力物 力的参与,只需要获取核查区域对应的现有的非法建房数据和乱占耕地建房时 序数据输入第一检测模型中,便能检测区域对应的现有的非法建房数据的质量, 减少了工作周期,提高了工作效率;且由于避免了人工检测,实现对现有的非 法建房数据的自
动化检测,于是提高了检测的准确率。
27.从社会效益考虑,由于现有的非法建房数据是通过摸排工作发现乱占耕地 建房的情况后生成的,所以对现有的非法建房数据进行检测能够保障农房摸排 工作高质量的完成,为正确掌握乱占耕地建房的分布情况提供科学、可靠的质 量保障,为分步整治、分类处置乱占耕地建房问题奠定基础,最终有利于实现 土地资源的合理利用。同时,能缓解农村耕地减少问题,为实现土地资源的合 理配置提供了有力的参考,提高了土地合理利用,促进了社会可持续发展。根 据检测结果能够准确掌握乱占耕地建房的分布情况,进而对农村乱占耕地建房 行为进行整治,不仅改善农村的生活生态环境,而且有利于实现土地资源的合 理使用,实现高质量发展,保持良性循环。
28.从经济效益考虑,根据检测结果准确掌握乱占耕地建房的分布情况后并进 行整治,能够增加耕地资源,进而增加我国粮食产量,对我国粮食、生态环境 效益,以及对整治后的农用地所产生的社会、经济效益做出合理评估。通过第 一检测模型实现对现有的非法建房数据的质量检测,大大提高检测速度、质量, 节约社会资源,缩短了检测时间、人力、物力,从而获取经济收益。
29.再者,由于在非法建房数据检测的过程中,利用了占用耕地建房时序数据 得到乱占耕地建房时序数据,并依据乱占耕地建房时序数据得到检测结果。由 于时序数据是通过对土地数据进行时间标注后生成的,具有客观性,于是能够 避免现有技术中由于对建房年份的调查以权利人的口述为准而导致的准确率低 下的问题,减少了人工干扰,提高检测效果。
30.最后,通过模型进行重要数据的集合、获取以及检测,能够避免因作业人 员操作失误造成的数据处理错误,提升处理结果的高效性和有效性。。
附图说明
31.图1是本发明一实施例提供的一种非法建房数据检测方法的流程示意图;
32.图2是本发明一实施例提供的一种非法建房数据的检测方法的具体流程示 意图;
33.图3是本发明一实施例提供的一种非法建房数据检测装置的结构示意图。
具体实施方式
34.下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清 楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是 全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造 性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
35.参照图1,是本发明一实施例提供的一种非法建房数据的检测方法的流程示 意图,包括:
36.s101:获取占用耕地建房时序数据和合法建房数据,并依据合法建房数据 和占用耕地建房时序数据得到乱占耕地建房时序数据。
37.在本实施例中,所述获取占用耕地建房时序数据,具体为:
38.s10111:获取建房时序数据和耕地数据,并将所述建房时序数据和所述耕 地数据进行相交处理后,形成占用耕地建房时序数据并获取。
39.在一具体实施例中,所述获取建房时序数据,具体为:
40.获取最新建房数据和不同年限的土地数据,并根据所述最新建房数据和所 述不同年限的土地数据,得到所述建房时序数据;其中,土地数据包括:土地 利用现状变更调查数据、地籍调查数据、土地卫片执法数据、土地遥感监测数 据、农村集体土地确权数据和地理国情监测数据。
41.在一具体实施例中,获取所述耕地数据,具体为:对历年土地利用现状变 更调查数据进行筛选处理,筛选条件为耕地,即可得到2013年以来的耕地数据。
42.具体地,所述最新建房数据由以下步骤可得:
43.s1011:获取地籍调查数据,根据第一筛选条件对所述农村地籍调查数据进 行筛选,得到第一建房数据;其中,所述第一筛选条件为房屋。
44.s1012:获取2013年以后的土地卫片执法数据,根据第二筛选条件对所述 2013年以后的土地卫片执法数据进行筛选,得到第二建房数据;其中,所述第 二筛选条件为违法建房。
45.s1013:获取历年地理国情监测数据中的独立房屋建筑数据作为第三建房数 据。
46.s1014:将所述第一建房数据、所述第二建房数据和所述第三建房数据集合, 生成所述最新建房数据。
47.在一具体实施例中,所述根据所述最新建房数据和所述不同年限的土地数 据,得到所述建房时序数据,具体为:
48.s1021:将所述最新建房数据与2012年土地利用现状变更调查数据中的建设 用地进行空间连接,连接上的图斑为2013年以前建房数据,未连接的部分为2013 年及以后建房数据。
49.s1022:将所述2013年及以后建房数据和2013年的土地数据进行空间连接处 理,将连接结果合并后融合即可得到2013年的建房数据和2013年以后的建房数 据,将所述2013年的建房数据与所述2013年以后的建房数据进行交集取反处理, 得到的未连接部分则为2014年及以后建房数据。
50.s1023:重复步骤s1022,即可得到2014年-2020年中各年份的建房数据,实 现了对建房数据的时间标注;最终将所述2014年-2020年中各年份的建房数据进 行合并,得到所述建房时序数据。
51.在一具体实施例中,所述依据合法建房数据和占用耕地建房时序数据得到 乱占耕地建房时序数据,具体为:
52.s1031:将所述合法建房数据和所述占用耕地建房时序数据进行叠加分析中 的相交处理,得到合法占用耕地建房数据。
53.s1032:将所述合法占用耕地建房数据和所述占用耕地建房时序数据进行交 集取反处理,得到所述乱占耕地建房时序数据。
54.s102:获取现有的非法建房数据,并将现有的非法建房数据和乱占耕地建 房时序数据输入第一检测模型中,以使第一检测模型对现有的非法建房数据进 行检测,得到检测结果。
55.具体地,合法建房数据由以下步骤可得,建设用地审批结果进行筛选处理, 筛选条件为农村合法建房,即可得到所述合法建房数据。
56.在本实施例中,将现有的非法建房数据和乱占耕地建房时序数据输入第一 检测模型中,以使所述第一检测模型对所述现有的非法建房数据进行检测,得 到检测结果,具体为:
57.将所述现有的非法建房数据和所述乱占耕地建房时序数据输入所述第一检 测模型中,以使所述第一检测模型根据所述乱占耕地建房时序数据对所述现有 的非法建房数据进行时间标注,得到非法建房时序数据;
58.且使所述第一检测模型根据所述乱占耕地建房时序数据对所述非法建房时 序数据进行检测,得到检测结果;其中,所述检测结果包括:数据漏报和数据 待补充。
59.在一具体实施例中,由于现有的所述非法建房时序数据是通过摸排工作发 现乱占耕地建房的情况后上传至数据库的数据,所以当检测结果为数据漏报时, 意味着数据库中的所述非法建房时序数据遗漏了现实生活中的部分非法建房数 据,遗漏部分称为“漏报图斑”;所以当检测结果为数据待补充时,意味着数 据库中的所述非法建房时序数据多于现实生活中的非法建房数据,需要之后进 一步分析确定是否需要保留在数据库中,多出的、待补充部分称为“待补充图 斑”。
60.在本实施例中,所述第一检测模型根据所述乱占耕地建房时序数据对所述 非法建房时序数据进行检测,得到检测结果,具体为:
61.将所述乱占耕地建房时序数据与所述非法建房时序数据进行交集取反处 理,得到漏报图斑与待补充图斑的集合;
62.将所述漏报图斑与待补充图斑的集合与所述非法建房时序数据进行相交处 理,得到待补充图斑,即得到检测结果为数据待补充;
63.将所述待补充图斑与所述漏报图斑与待补充图斑的集合交集取反处理,得 到漏报图斑,即得到检测结果为数据漏报后,检测完毕。
64.在一具体实施例中,由于得到建房时序数据的过程过于繁琐,所以可以通 过第一数据处理模型来执行上述步骤s1021-s1023。其中,第一数据处理模型的 建模过程如下:
65.打开arcmap窗口,点击地理处理,选择构建模型构建器,创建新模型;
66.将土地数据从arccatalog中拖入模型画布的空白区域;其中,所述土地数据 包括:土地利用现状变更调查数据、地籍调查数据、土地卫片执法数据、土地 遥感监测数据、农村集体土地确权数据和地理国情监测数据;
67.在模型中添加筛选、合并、融合、相交、空间连接等数据处理工具,并将 处理工具的具体条件填写完整;
68.在模型中设置模型参数的输入变量和输出变量,右键设置输入、输出变量, 点击模型参数。创建模型参数后,右上角出现字母“p”。
69.在一具体实施例中,由于得到乱占耕地建房时序数据的过程过于繁琐,所 以可以通过第二数据处理模型来执行上述步骤s1031-s1032和s10111。其中,第 二数据处理模型的建模过程如下:
70.打开arcmap窗口,点击地理处理,选择构建模型构建器,创建新模型;
71.将建房时序数据、土地利用现状变更调查数据、建设用地审批成果从 arccatalog中拖入模型画布的空白区域;
72.在模型中添加筛选、相交、交集取反等数据处理工具,并将处理工具的具 体条件
填写完整;
73.在模型中设置模型参数的输入变量和输出变量,右键设置输入、输出变量, 点击模型参数。创建模型参数后,右上角出现字母“p”。
74.由于本发明实施例是通过将现有的非法建房数据和乱占耕地建房时序数据 输入第一检测模型中进行检测,得到检测结果,所以第一检测模型的建模过程 如下:
75.打开arcmap窗口,点击地理处理,选择构建模型构建器,创建新模型;
76.将现有的非法建房数据、乱占耕地建房时序数据从arccatalog中拖入模型画 布的空白区域;
77.在模型中添加筛选、相交、交集取反等数据处理工具,并将处理工具的具 体条件填写完整;
78.在模型中设置模型参数的输入变量和输出变量,右键设置输入、输出变量, 点击模型参数。创建模型参数后,右上角出现字母“p”。
79.为了进一步说明非法建房数据的检测方法的具体流程,请参照图2,图2是 本发明一实施例提供的一种非法建房数据的检测方法的具体流程示意图。
80.由图2可得,分别对地籍调查数据、土地卫片执法数据和地理国情监测数据 进行筛选,得到第一建房数据、第二建房数据和第三建房数据后,合并第一建 房数据、第二建房数据和第三建房数据得到最新建房数据。
81.然后获取不同年限的土地利用现状变更调查数据、土地卫片执法数据、土 地遥感监测数据、农村集体土地确权数据和地理国情监测数据,结合最新建房 数据,得到建房时序数据。
82.对历年土地利用现状变更调查数据进行筛选处理,得到2013年以来的耕地 数据后,结合建房时序数据进行相交处理,得到占用耕地建房时序数据。
83.对建设用地审批结果进行筛选处理、得到合法建房数据后,结合占用耕地 建房时序数据进行相交处理,得到合法占用耕地建房数据。
84.将合法占用耕地建房数据和占用耕地建房时序数据进行交集取反处理,得 到所述乱占耕地建房时序数据。
85.获取非法建房数据,根据乱占耕地建房时序数据对非法建房数据进行时间 标识,得到非法建房时序数据。
86.将乱占耕地建房时序数据与非法建房时序数据进行交集取反处理,得到漏 报图斑与待补充图斑的集合。
87.将漏报图斑与待补充图斑的集合与非法建房时序数据进行相交处理,得到 待补充图斑。
88.将待补充图斑与漏报图斑与待补充图斑的集合交集取反处理,得到漏报图 斑,检测完毕。
89.为了进一步说明非法建房数据的检测装置,请参照图3,图3是本发明一实 施例提供的一种非法建房数据的检测装置的结构示意图,包括:获取模块301和 检测模块302。
90.其中,所述获取模块301用于获取占用耕地建房时序数据和合法建房数据, 并依据所述合法建房数据和所述占用耕地建房时序数据得到乱占耕地建房时序 数据。
91.在本实施例中,所述获取占用耕地建房时序数据,具体为:
92.获取建房时序数据和耕地数据,并将所述建房时序数据和所述耕地数据进 行相交处理后,形成占用耕地建房时序数据并获取。
93.在一具体实施例中,所述获取建房时序数据,具体为:
94.获取最新建房数据和不同年限的土地数据,并根据所述最新建房数据和所 述不同年限的土地数据进行空间连接,得到所述建房时序数据;其中,土地数 据包括:土地利用现状变更调查数据、地籍调查数据、土地卫片执法数据、土 地遥感监测数据、农村集体土地确权数据和地理国情监测数据。
95.所述检测模块302用于获取现有的非法建房数据,并将所述现有的非法建房 数据和所述乱占耕地建房时序数据输入第一检测模型中,以使所述第一检测模 型对所述现有的非法建房数据进行检测,得到检测结果。
96.在本实施例中,所述将所述现有的非法建房数据和所述乱占耕地建房时序 数据输入第一检测模型中,以使所述第一检测模型对所述现有的非法建房数据 进行检测,得到检测结果,具体为:
97.将所述现有的非法建房数据和所述乱占耕地建房时序数据输入所述第一检 测模型中,以使所述第一检测模型根据所述乱占耕地建房时序数据对所述现有 的非法建房数据进行时间标注,得到非法建房时序数据;
98.且使所述第一检测模型根据所述乱占耕地建房时序数据对所述非法建房时 序数据进行检测,得到检测结果;其中,所述检测结果包括:数据漏报和数据 待补充。
99.本发明实施例先通过获取模块301获取占用耕地建房时序数据和合法建房 数据,并依据合法建房数据和占用耕地建房时序数据得到乱占耕地建房时序数 据;再通过检测模块302用于获取现有的非法建房数据,并将现有的非法建房数 据和乱占耕地建房时序数据输入第一检测模型中,以使第一检测模型对现有的 非法建房数据进行检测,得到检测结果。
100.本发明实施例只需要将现有的非法建房数据和乱占耕地建房时序数据输入 第一检测模型中,便能给使第一检测模型对现有的非法建房数据进行检测。在 核查区域较大时,不需要实地验证,也不需要大量人力物力的参与,只需要获 取核查区域对应的现有的非法建房数据和乱占耕地建房时序数据输入第一检测 模型中,便能检测区域对应的现有的非法建房数据的质量,减少了工作周期, 提高了工作效率;且由于避免了人工检测,实现对现有的非法建房数据的自动 化检测,于是提高了检测的准确率。
101.从社会效益考虑,由于现有的非法建房数据是通过摸排工作发现乱占耕地 建房的情况后生成的,所以对现有的非法建房数据进行检测能够保障农房摸排 工作高质量的完成,为正确掌握乱占耕地建房的分布情况提供科学、可靠的质 量保障,为分步整治、分类处置乱占耕地建房问题奠定基础,最终有利于实现 土地资源的合理利用。同时,能缓解农村耕地减少问题,为实现土地资源的合 理配置提供了有力的参考,提高了土地合理利用,促进了社会可持续发展。根 据检测结果能够准确掌握乱占耕地建房的分布情况,进而对农村乱占耕地建房 行为进行整治,不仅改善农村的生活生态环境,而且有利于实现土地资源的合 理使用,实现高质量发展,保持良性循环。
102.从经济效益考虑,根据检测结果准确掌握乱占耕地建房的分布情况后并进 行整治,能够增加耕地资源,进而增加我国粮食产量,对我国粮食、生态环境 效益,以及对整治
后的农用地所产生的社会、经济效益做出合理评估。通过第 一检测模型实现对现有的非法建房数据的质量检测,大大提高检测速度、质量, 节约社会资源,缩短了检测时间、人力、物力,从而获取经济收益。
103.再者,由于在非法建房数据检测的过程中,利用了占用耕地建房时序数据 得到乱占耕地建房时序数据,并依据乱占耕地建房时序数据得到检测结果。由 于时序数据是通过对土地数据进行时间标注后生成的,具有客观性,于是能够 避免现有技术中由于对建房年份的调查以权利人的口述为准而导致的准确率低 下的问题,减少了人工干扰,提高检测效果。
104.最后,通过模型进行重要数据的集合、获取以及检测,能够避免因作业人 员操作失误造成的数据处理错误,提升处理结果的高效性和有效性。
105.以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技 术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这 些改进和润饰也视为本发明的保护范围。
再多了解一些
本文用于企业家、创业者技术爱好者查询,结果仅供参考。