本發(fā)明涉及數(shù)據(jù)處理，具體涉及一種國土空間規(guī)劃數(shù)據(jù)采集處理系統(tǒng)及方法。

背景技術(shù)：

1、國土空間規(guī)劃數(shù)據(jù)采集處理是指通過技術(shù)手段和工具對(duì)國土空間相關(guān)的地理信息、生態(tài)資源、基礎(chǔ)設(shè)施等數(shù)據(jù)進(jìn)行獲取、整理和分析的過程。其目的是為國土空間規(guī)劃提供科學(xué)依據(jù)，以確保土地利用、生態(tài)保護(hù)、城市發(fā)展等方面的合理布局。數(shù)據(jù)采集的手段包括遙感、衛(wèi)星影像、無人機(jī)拍攝、實(shí)地勘測(cè)等方式，而處理環(huán)節(jié)則涉及數(shù)據(jù)的分類、清洗、存儲(chǔ)和分析，以生成具有決策參考價(jià)值的信息。

2、在具體的國土空間規(guī)劃中，采集處理的過程還需要與其他信息系統(tǒng)對(duì)接。在現(xiàn)有技術(shù)中，通過使用地理信息系統(tǒng)（gis）和遙感技術(shù)，可以整合各種空間數(shù)據(jù)，構(gòu)建完整的國土空間信息庫。然而，遙感數(shù)據(jù)的分辨率會(huì)直接影響數(shù)據(jù)的精度和實(shí)用性。且較低分辨率的衛(wèi)星圖像可能無法準(zhǔn)確反映地表細(xì)節(jié)，尤其是在需要高精度的城市規(guī)劃或生態(tài)評(píng)估中。例如，某些衛(wèi)星影像可能只能分辨10米以上的物體，導(dǎo)致小型建筑、道路、植被等無法被準(zhǔn)確識(shí)別。同時(shí)，較低分辨率的數(shù)據(jù)如果被持續(xù)使用，在長期規(guī)劃中會(huì)累積更多的誤差。每一階段的決策都可能基于上一階段的數(shù)據(jù)，而這些數(shù)據(jù)的精度不足會(huì)導(dǎo)致誤差逐漸放大。這種累積性誤差可能導(dǎo)致國土空間規(guī)劃在多年后完全脫離現(xiàn)實(shí)。長期累積的錯(cuò)誤不僅會(huì)增加后期修正的成本，還可能導(dǎo)致決策鏈條中的系統(tǒng)性錯(cuò)誤，嚴(yán)重削弱整個(gè)國土空間規(guī)劃體系的科學(xué)性和可執(zhí)行性。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的是提供一種國土空間規(guī)劃數(shù)據(jù)采集處理系統(tǒng)及方法，以解決背景技術(shù)中不足。

2、為了實(shí)現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：一種國土空間規(guī)劃數(shù)據(jù)采集處理方法，包括以下步驟：

3、s1：根據(jù)國土空間規(guī)劃的應(yīng)用需求，從不同衛(wèi)星中分別獲取不同分辨率的影像數(shù)據(jù)，并根據(jù)不同分辨率影像數(shù)據(jù)中每個(gè)像素代表地表面積的范圍，將其劃分為高分辨率影像，中分辨率影像和低分辨率影像；

4、s2：在不同分辨率的影像中，通過圖像分割技術(shù)識(shí)別地物邊界，計(jì)算低分辨率影像中與高分辨率影像相匹配的特征比例，對(duì)特征比例的偏差變化情況進(jìn)行分析后，評(píng)估低分辨率影像在不同尺度下的細(xì)節(jié)保真度；

5、s3：將高細(xì)節(jié)保真度和低細(xì)節(jié)保真度區(qū)域的多分辨率影像進(jìn)行對(duì)比，分析低分辨率影像在高保真度區(qū)域和低保真度區(qū)域的表現(xiàn)差異，當(dāng)細(xì)節(jié)保真度變化時(shí)，判斷低分辨率影像對(duì)細(xì)節(jié)捕捉能力的波動(dòng)狀態(tài)；

6、s4：將低分辨率影像在不同尺度下的細(xì)節(jié)保真度和低分辨率影像對(duì)細(xì)節(jié)捕捉能力的波動(dòng)狀態(tài)進(jìn)行綜合分析，根據(jù)分析結(jié)果確定低分辨率的衛(wèi)星圖像反映地表細(xì)節(jié)的準(zhǔn)確性；

7、s5：將低分辨率的衛(wèi)星圖像反映地表細(xì)節(jié)的準(zhǔn)確性進(jìn)行不同等級(jí)的劃分，并將低分辨率的衛(wèi)星圖像劃分為高準(zhǔn)確性衛(wèi)星圖像，中準(zhǔn)確性衛(wèi)星圖像和低準(zhǔn)確性衛(wèi)星圖像，并進(jìn)行相應(yīng)的處理；

8、s6：對(duì)于中準(zhǔn)確性衛(wèi)星圖像，對(duì)固定時(shí)間段內(nèi)低分辨率的衛(wèi)星圖像反映地表細(xì)節(jié)準(zhǔn)確性的異常程度進(jìn)行預(yù)測(cè)，并根據(jù)預(yù)測(cè)結(jié)果進(jìn)行圖像數(shù)據(jù)校正和決策優(yōu)化。

9、優(yōu)選的，s2中，根據(jù)不同地物的特征比例偏差情況生成地物特征比例偏差異常指數(shù)，則地物特征比例偏差異常指數(shù)的獲取方法為：

10、確定窗口大小w，表示在時(shí)間段內(nèi)所包含的地物特征比例偏差數(shù)據(jù)點(diǎn)數(shù)量，設(shè)定移動(dòng)步長s，表示窗口在時(shí)間序列上移動(dòng)的間隔，計(jì)算t時(shí)刻地物的低分辨率影像中的特征比例與高分辨率影像中的特征比例差，表達(dá)式為：；其中，表示在低分辨率影像中地物的面積，表示在高分辨率影像中地物的面積，對(duì)于每個(gè)窗口，計(jì)算窗口內(nèi)特征比例差的均值和標(biāo)準(zhǔn)差；根據(jù)歷史數(shù)據(jù)設(shè)定正常狀態(tài)下特征比例差的標(biāo)準(zhǔn)波動(dòng)范圍：，其中，；；式中，k是常數(shù)，通過計(jì)算窗口內(nèi)偏差的絕對(duì)變化量，計(jì)算地物特征比例偏差異常指數(shù)，表達(dá)式為：；式中，為地物特征比例偏差異常指數(shù)。

11、優(yōu)選的，s2中，將獲取到的地物特征比例偏差異常指數(shù)與預(yù)先設(shè)置的地物特征比例偏差異常指數(shù)參考閾值進(jìn)行比較，若地物特征比例偏差異常指數(shù)大于等于地物特征比例偏差異常指數(shù)參考閾值，說明地物特征比例偏差異常程度高，即低分辨率影像在不同尺度下的細(xì)節(jié)保真度低，將對(duì)應(yīng)的區(qū)域劃分為低細(xì)節(jié)保真度區(qū)域；若地物特征比例偏差異常指數(shù)小于地物特征比例偏差異常指數(shù)參考閾值，說明地物特征比例偏差異常程度低，即低分辨率影像在不同尺度下的細(xì)節(jié)保真度高，將對(duì)應(yīng)的區(qū)域劃分為高細(xì)節(jié)保真度區(qū)域。

12、優(yōu)選的，s3中，對(duì)不同時(shí)刻高細(xì)節(jié)保真度區(qū)域和低細(xì)節(jié)保真度區(qū)域的細(xì)節(jié)捕捉能力進(jìn)行分析后生成邊界復(fù)雜度波動(dòng)指數(shù)，則邊界復(fù)雜波動(dòng)指數(shù)的獲取方法為：

13、對(duì)不同時(shí)刻的影像進(jìn)行圖像分割識(shí)別出地物的邊界，提取地物邊界的二維坐標(biāo)序列，將邊界輪廓點(diǎn)表示為二維空間中的坐標(biāo)點(diǎn)集合；將高細(xì)節(jié)保真度區(qū)域和低細(xì)節(jié)保真度區(qū)域劃分為邊長為的正方形網(wǎng)格，對(duì)于每一個(gè)尺度，計(jì)算能夠覆蓋邊界輪廓的最小盒子數(shù)量，逐步減少盒子的邊長，記錄每個(gè)尺度下的盒子數(shù)量；通過計(jì)算不同值對(duì)應(yīng)的值，并通過回歸擬合得到斜率，斜率即為分形維數(shù)，在對(duì)數(shù)尺度下，分形維數(shù)定義為：；對(duì)每個(gè)時(shí)間點(diǎn)s，計(jì)算對(duì)應(yīng)的分形維數(shù)，得出不同時(shí)刻的分形維數(shù)序列；其中，t是時(shí)間序列的長度，表示不同時(shí)刻的分形維數(shù)；根據(jù)不同時(shí)刻的分形維數(shù)序列計(jì)算邊界復(fù)雜波動(dòng)指數(shù)，表達(dá)式為：；式中，bc為邊界復(fù)雜波動(dòng)指數(shù)。

14、優(yōu)選的，s4中，將低分辨率影像在不同尺度下的細(xì)節(jié)保真度和低分辨率影像對(duì)細(xì)節(jié)捕捉能力的波動(dòng)狀態(tài)進(jìn)行綜合分析，根據(jù)分析結(jié)果確定低分辨率的衛(wèi)星圖像反映地表細(xì)節(jié)的準(zhǔn)確性，具體為：

15、將地物特征比例偏差異常指數(shù)和邊界復(fù)雜波動(dòng)指數(shù)轉(zhuǎn)換為第一特征向量，將第一特征向量作為機(jī)器學(xué)習(xí)模型的輸入，機(jī)器學(xué)習(xí)模型以每組第一特征向量預(yù)測(cè)低分辨率的衛(wèi)星圖像反映地表細(xì)節(jié)的準(zhǔn)確性值標(biāo)簽為預(yù)測(cè)目標(biāo)，以最小化對(duì)所有低分辨率的衛(wèi)星圖像反映地表細(xì)節(jié)的準(zhǔn)確性值標(biāo)簽的預(yù)測(cè)誤差之和作為訓(xùn)練目標(biāo)，對(duì)機(jī)器學(xué)習(xí)模型進(jìn)行訓(xùn)練，直至預(yù)測(cè)誤差之和達(dá)到收斂時(shí)停止模型訓(xùn)練，根據(jù)模型輸出結(jié)果確定低分辨率的衛(wèi)星圖像反映地表細(xì)節(jié)的準(zhǔn)確性值，其中，機(jī)器學(xué)習(xí)模型為多項(xiàng)式回歸模型。

16、優(yōu)選的，s5中，將低分辨率的衛(wèi)星圖像反映地表細(xì)節(jié)的準(zhǔn)確性進(jìn)行不同等級(jí)的劃分，并將低分辨率的衛(wèi)星圖像劃分為高準(zhǔn)確性衛(wèi)星圖像，中準(zhǔn)確性衛(wèi)星圖像和低準(zhǔn)確性衛(wèi)星圖像，并進(jìn)行相應(yīng)的處理，具體為：

17、將獲取到的低分辨率的衛(wèi)星圖像反映地表細(xì)節(jié)的準(zhǔn)確性值與梯度標(biāo)準(zhǔn)閾值進(jìn)行比較，梯度標(biāo)準(zhǔn)閾值包括第一標(biāo)準(zhǔn)閾值和第二標(biāo)準(zhǔn)閾值，且第一標(biāo)準(zhǔn)閾值小于第二標(biāo)準(zhǔn)閾值，將低分辨率的衛(wèi)星圖像反映地表細(xì)節(jié)的準(zhǔn)確性值分別與第一標(biāo)準(zhǔn)閾值和第二標(biāo)準(zhǔn)閾值進(jìn)行對(duì)比；

18、若低分辨率的衛(wèi)星圖像反映地表細(xì)節(jié)的準(zhǔn)確性值大于第二標(biāo)準(zhǔn)閾值，說明低分辨率的衛(wèi)星圖像反映地表細(xì)節(jié)的準(zhǔn)確性高，此時(shí)生成高準(zhǔn)確性信號(hào)，并將低分辨率的衛(wèi)星圖像劃分為高準(zhǔn)確性衛(wèi)星圖像，將高準(zhǔn)確性衛(wèi)星圖像直接用于高精度的國土空間規(guī)劃、精細(xì)區(qū)域分析；

19、若低分辨率的衛(wèi)星圖像反映地表細(xì)節(jié)的準(zhǔn)確性值大于等于第一標(biāo)準(zhǔn)閾值且小于等于第二標(biāo)準(zhǔn)閾值，說明低分辨率的衛(wèi)星圖像反映地表細(xì)節(jié)的準(zhǔn)確性一般，此時(shí)生成中準(zhǔn)確性信號(hào)，并將低分辨率的衛(wèi)星圖像劃分為中準(zhǔn)確性衛(wèi)星圖像，需要對(duì)中準(zhǔn)確性衛(wèi)星圖像反映地表細(xì)節(jié)的準(zhǔn)確性進(jìn)行進(jìn)一步的分析；

20、若低分辨率的衛(wèi)星圖像反映地表細(xì)節(jié)的準(zhǔn)確性值小于第一標(biāo)準(zhǔn)閾值，說明低分辨率的衛(wèi)星圖像反映地表細(xì)節(jié)的準(zhǔn)確性低，此時(shí)生成低準(zhǔn)確性信號(hào)，并將低分辨率的衛(wèi)星圖像劃分為低準(zhǔn)確性衛(wèi)星圖像，將低準(zhǔn)確性衛(wèi)星圖像用于粗略的全局分析。

21、優(yōu)選的，s6中，對(duì)于中準(zhǔn)確性衛(wèi)星圖像，對(duì)固定時(shí)間段內(nèi)低分辨率的衛(wèi)星圖像反映地表細(xì)節(jié)準(zhǔn)確性的異常程度進(jìn)行預(yù)測(cè)，具體為：

22、對(duì)于中準(zhǔn)確性衛(wèi)星圖像，對(duì)固定時(shí)間段內(nèi)低分辨率的衛(wèi)星圖像反映地表細(xì)節(jié)準(zhǔn)確性的異常程度進(jìn)行預(yù)測(cè)，表達(dá)式為：；式中，表示在時(shí)間處預(yù)測(cè)的細(xì)節(jié)準(zhǔn)確性值，a(h)為當(dāng)前時(shí)間h的細(xì)節(jié)準(zhǔn)確性值，為前p個(gè)時(shí)間步的細(xì)節(jié)準(zhǔn)確性值，為自回歸系數(shù)，表示歷史數(shù)據(jù)對(duì)當(dāng)前預(yù)測(cè)的權(quán)重，為誤差項(xiàng)，計(jì)算固定時(shí)間段內(nèi)低分辨率的衛(wèi)星圖像反映地表細(xì)節(jié)準(zhǔn)確性的異常指數(shù)，表達(dá)式為：；式中，為時(shí)間處的異常指數(shù)。

23、優(yōu)選的，將獲取到的異常指數(shù)與異常指數(shù)參考閾值進(jìn)行比較，若異常指數(shù)大于等于異常指數(shù)參考閾值，說明衛(wèi)星圖像反映地表細(xì)節(jié)準(zhǔn)確性的異常程度高，此時(shí)生成預(yù)警信號(hào)；若異常指數(shù)小于異常指數(shù)參考閾值，說明衛(wèi)星圖像反映地表細(xì)節(jié)準(zhǔn)確性的異常程度低，此時(shí)不生成預(yù)警信號(hào)。

24、優(yōu)選的，在識(shí)別出中準(zhǔn)確性衛(wèi)星圖像中的異常情況后，對(duì)圖像數(shù)據(jù)進(jìn)行校正，圖像校正通過加權(quán)融合不同來源的影像數(shù)據(jù)來實(shí)現(xiàn)，校正公式為：；式中，為校正后的細(xì)節(jié)準(zhǔn)確性值，在時(shí)間h+k時(shí)，低分辨率影像的細(xì)節(jié)準(zhǔn)確性值，為中分辨率影像的細(xì)節(jié)準(zhǔn)確性值，為高分辨率影像的細(xì)節(jié)準(zhǔn)確性值，為權(quán)重系數(shù)。

25、本發(fā)明還提供了一種國土空間規(guī)劃數(shù)據(jù)采集處理系統(tǒng)，包括影像數(shù)據(jù)獲取模塊、保真度分析模塊、多尺度對(duì)比模塊、準(zhǔn)確性預(yù)測(cè)模塊，影像分類模塊以及校正優(yōu)化模塊；

26、影像數(shù)據(jù)獲取模塊：根據(jù)國土空間規(guī)劃的應(yīng)用需求，從不同衛(wèi)星中分別獲取不同分辨率的影像數(shù)據(jù)，并根據(jù)不同分辨率影像數(shù)據(jù)中每個(gè)像素代表地表面積的范圍，將其劃分為高分辨率影像，中分辨率影像和低分辨率影像；

27、保真度分析模塊：在不同分辨率的影像中，通過圖像分割技術(shù)識(shí)別地物邊界，計(jì)算低分辨率影像中與高分辨率影像相匹配的特征比例，對(duì)特征比例的偏差變化情況進(jìn)行分析后，評(píng)估低分辨率影像在不同尺度下的細(xì)節(jié)保真度；

28、多尺度對(duì)比模塊：將高細(xì)節(jié)保真度和低細(xì)節(jié)保真度區(qū)域的多分辨率影像進(jìn)行對(duì)比，分析低分辨率影像在高保真度區(qū)域和低保真度區(qū)域的表現(xiàn)差異，當(dāng)細(xì)節(jié)保真度變化時(shí)，判斷低分辨率影像對(duì)細(xì)節(jié)捕捉能力的波動(dòng)狀態(tài)；

29、準(zhǔn)確性預(yù)測(cè)模塊：將低分辨率影像在不同尺度下的細(xì)節(jié)保真度和低分辨率影像對(duì)細(xì)節(jié)捕捉能力的波動(dòng)狀態(tài)進(jìn)行綜合分析，根據(jù)分析結(jié)果確定低分辨率的衛(wèi)星圖像反映地表細(xì)節(jié)的準(zhǔn)確性；

30、影像分類模塊：將低分辨率的衛(wèi)星圖像反映地表細(xì)節(jié)的準(zhǔn)確性進(jìn)行不同等級(jí)的劃分，并將低分辨率的衛(wèi)星圖像劃分為高準(zhǔn)確性衛(wèi)星圖像，中準(zhǔn)確性衛(wèi)星圖像和低準(zhǔn)確性衛(wèi)星圖像，并進(jìn)行相應(yīng)的處理；

31、校正優(yōu)化模塊：對(duì)于中準(zhǔn)確性衛(wèi)星圖像，對(duì)固定時(shí)間段內(nèi)低分辨率的衛(wèi)星圖像反映地表細(xì)節(jié)準(zhǔn)確性的異常程度進(jìn)行預(yù)測(cè)，并根據(jù)預(yù)測(cè)結(jié)果進(jìn)行圖像數(shù)據(jù)校正和決策優(yōu)化。

32、在上述技術(shù)方案中，本發(fā)明提供的技術(shù)效果和優(yōu)點(diǎn)：

33、1、本發(fā)明在國土空間規(guī)劃中，結(jié)合不同分辨率影像的獲取、分析和處理流程，本發(fā)明引入了地物特征比例偏差異常指數(shù)和邊界復(fù)雜波動(dòng)指數(shù)，用于量化影像的細(xì)節(jié)保真度。通過機(jī)器學(xué)習(xí)模型對(duì)影像數(shù)據(jù)的綜合分析，可以準(zhǔn)確預(yù)測(cè)低分辨率影像在不同場景中的細(xì)節(jié)表現(xiàn)，并將影像根據(jù)準(zhǔn)確性劃分為高、中、低三個(gè)等級(jí)，從而確保高精度規(guī)劃場景中采用適合的影像數(shù)據(jù)，減少誤差積累。

34、2、本發(fā)明針對(duì)中等準(zhǔn)確性的影像，提供了通過異常檢測(cè)和圖像數(shù)據(jù)校正的方法，利用多源影像的融合來提高圖像數(shù)據(jù)的精度。通過自回歸模型預(yù)測(cè)異常指數(shù)，并對(duì)影像數(shù)據(jù)進(jìn)行加權(quán)校正，可以有效提升低分辨率影像在反映地表細(xì)節(jié)方面的準(zhǔn)確性。本發(fā)明通過智能化的分析和校正流程，不僅提高了國土空間規(guī)劃中的精度和可靠性，還降低了長時(shí)間使用低精度數(shù)據(jù)導(dǎo)致的誤差累積風(fēng)險(xiǎn)，顯著提高了規(guī)劃體系的科學(xué)性和可執(zhí)行性。