基于图卷积神经网络的土地利用结构模式层次挖掘方法

专利主权项内容

1.一种基于图卷积神经网络的土地利用结构模式层次挖掘方法，包括如下步骤：S1、获取某一地区N年的土地利用数据，N≥2，并将N年的土地利用数据进行合并；S2、对步骤S1中合并后的土地利用数据，以图斑的质心为节点、邻近质心之间的连线为边构建图结构，并在图结构中记录每个节点对应图斑的土地利用类型、面积和形状；其中，两个图斑轮廓之间的最短距离小于预设临近阈值时，则该两个图斑的质心定义为邻近质心；S3、对每个节点赋予标签，用于标记该节点的土地利用类型、邻域最优势类型和邻域次优势类型，得到标签输入模型；所述邻域最优势类型为该节点的一阶邻域中，邻域面积最大的土地利用类型，所述邻域次优势类型为该节点的一阶邻域中，邻域面积第二大的土地利用类型；S4、构建图卷积神经网络模型，对所述标签输入模型进行训练，生成图嵌入；S5、利用空间约束多元聚类方法对所述图嵌入进行划分，生成具有不同结构特征的分区；通过迭代，对每个子分区分别再次进行划分，以此类推，直到最小的子分区的面积低于预设面积阈值，停止迭代；最终得到从分区到各级子分区的层次分区结构；S6、将步骤S5得到的所有分区和各级子分区统称为区域，对每一年的土地利用数据，分别以土地利用类型的频率特征构建各区域的区域级图元，根据某区域不同年份的区域级图元的变化反映该区域土地利用结构的时空变化；其中，利用某一年的土地利用数据对某一区域构建区域级图元的方法如下：首先，选取该区域内出现频率最高的土地利用类型，作为代表性土地利用类型，来表征图元的中心节点；然后，找到该区域一阶邻域的土地利用类型，并选择出现频率大于第一预设频率且出现频率排在前5名的土地利用类型，作为该图元一阶邻域的代表性土地利用类型；最后，找到该区域二阶邻域的土地利用类型，选择出现频率大于第二预设频率且出现频率排在前5名的土地利用类型，作为二阶邻域的代表性土地利用类型。 更多数据：搜索马克数据网来源：