一种乡村聚落分类方法及系统

技术领域

本发明属于乡村规划相关技术领域，更具体地，涉及一种乡村聚落分类方法及系统。

背景技术

近年来，在快速城镇化进程中，乡村聚落各方面都发生着明显的变化，为应对乡村发展需求，乡村规划扮演着及其重要的作用，为因地制宜、分类施策的对不同类型乡村进行规划，需要对乡村聚落进行科学的类型划分。目前乡村聚落类型划分的方法还未统一，主要包括传统定性判识以及主体区位分类两种方法，这两种方法均存在一定的局限性。前者依靠行为人主观经验目测判识，不仅需要耗费大量的人力物力，而且由于主观认知不同，分类结果难免存在差异，后者一般根据乡村聚落所处地理区域划分结果判定该地区聚落处于同一种亚类，这种方法虽然可以有效解决分类结果统一的问题，但是统一的地理区划下单个聚落的特征容易得到忽略，难以有效指导后续乡村规划，因此，亟需设计一种乡村聚落分类方法。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种乡村聚落分类方法及系统，本申请通过采集并计算乡村聚落的特征参数，通过特征参数对乡村聚落进行分类，由于是基于真实的乡村聚落参数矢量数据，因此划分方式简单准确。

为实现上述目的，按照本发明的一个方面，提供了一种乡村聚落分类方法，所述方法包括：

S1：获取乡村地理信息数据并对所述地理信息数据进行预处理，其中，所述地理信息数据包括乡村聚落斑块、水体、道路以及行政边界的矢量数据；

S2：基于所述地理信息数据计算乡村聚落的特征参数，其中，所述特征参数包括规模分布特征、空间分布特征以及形态分布特征；

S3：将所述特征形态参数与对应的预设阈值进行比较得到比较结果，对所述比较结果进行归类即获得乡村聚落分类。

优选地，所述规模分布特征包括乡村聚落斑块的平均面积；所述空间分布特征包括平均最邻近距离指数和/或平均斑块密度；所述形态分布特征包括面积加权平均斑块形状指数和/或斑块长宽比。

优选地，所述平均最邻近距离指数ANN的计算公式为：

其中，

优选地，所述平均斑块密度PD的计算公式为：

其中，n为聚落斑块总数，h为平滑参数，k为核函数，为d

优选地，所述面积加权平均斑块形状指数AWMSI的计算公式为：

其中，L为聚落斑块类型数目，D为各类型所包含的聚落斑块数目，δ为第δ类聚落斑块，ε为第ε个聚落斑块，A为乡村聚落斑块的总面积，P

优选地，所述斑块长宽比λ的计算公式为：

其中，a为聚落斑块的长度，b为聚落斑块的宽度。

优选地，所述平均最邻近距离指数ANN的预设阈值为0.9，当ANN≥0.9时为散布模式，当ANN＜0.9时为集聚模式；所述平均斑块密度PD的预设阈值为3.0，当PD≥3.0时为高密度，当PD＜3.0时为低密度；所述面积加权平均斑块形状指数AWMSI的预设阈值为3.0，当AWMSI≥3.0时为复杂，当AWMSI＜3.0时为简单；所述斑块长宽比λ的预设阈值为2.0，当λ≥2.0时为条带，当λ＜2.0时为团块；所述乡村聚落斑块的平均面积MPS的预设阈值为6.0。

优选地，步骤S3中采用ward法进行归类。

本申请另一方面提供了一种乡村聚落分类系统，所述系统包括：

预处理模块：用于获取乡村地理信息数据并对所述地理信息数据进行预处理，其中，所述地理信息数据包括乡村聚落斑块、水体、道路以及行政边界的矢量数据；

计算模块：用于基于所述地理信息数据计算乡村聚落的特征参数，其中，所述特征参数包括规模分布特征、空间分布特征以及形态分布特征；

比较模块：用于将所述特征形态参数与对应的预设阈值进行比较得到比较结果，对所述比较结果进行归类即获得乡村聚落分类。

总体而言，通过本发明所构思的以上技术方案与现有技术相比，本发明提供的一种乡村聚落分类方法及系统至少具有如下有益效果：

1.本申请将乡村聚落分布情况进行量化数据化，然后根据数据化的数据特征对乡村聚落进行分类，分类更加科学精准，并且可以进行细化分析，显著的提高了乡村聚落分类的合理性；

2.本申请从乡村聚落的规模分布特征、空间分布特征以及形态分布特征多方面进行研究分析，从而从不同的维度对乡村聚落进行分类，分类更加科学合理；

3.本申请的空间分布特征和形态分布特征又可以有多种形式，选择方式多样，用户可以根据不同的需求不同的研究目的进行选择，普适性广；

4.本申请还具体公开了平均最邻近距离指数、平均斑块密度、面积加权平均斑块形状指数、斑块长宽比等特征参数的具体计算公式以及对应的预设阈值，用户可以直接套用公式即可求得所需参数，将求得参数与预设阈值进行比较即可得到对应的分类，极其方便快捷；

5.可以采用计算进行归类计算，例如采用ward法进行归类计算，进一步简化工作量，提高了分类速度和效率。

附图说明

图1示意性示出了根据本实施例的乡村聚落分类方法的步骤图；

图2示意性示出了根据本实施例的乡村聚落分类方法的流程图；

图3A示意性示出了根据本实施例的乡村聚落斑块的矢量数据图；

图3B示意性示出了根据本实施例的水体的矢量数据图；

图3C示意性示出了根据本实施例的道路的矢量数据图；

图3D示意性示出了根据本实施例的行政边界的矢量数据图；

图4示意性示出了根据本实施例的聚落平均斑块面积的示意图；

图5示意性示出了根据本实施例的平均最邻近距离指数的示意图；

图6示意性示出了根据本实施例的平均斑块密度的示意图；

图7示意性示出了根据本实施例的平均斑块形状指数的示意图；

图8示意性示出了根据本实施例的长宽比的示意图；

图9示意性示出了根据本实施例的乡村聚落类型划分的结果示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。

请参阅图1及图2，本发明提供了一种乡村聚落分类方法，所述方法包括步骤S1～S3，本实施例以汉川市为例对其进行具体介绍如下。

S1：获取乡村地理信息数据并对所述地理信息数据进行预处理，其中，所述地理信息数据包括乡村聚落斑块、水体、道路以及行政边界的矢量数据。

首先，收集乡村基础地理信息数据，主要包括乡村聚落斑块、水体、道路、行政边界矢量数据，并将这些矢量数据录入处理软件中，例如录入ArcGIS软件中，并统一坐标系。

本实施例中，收集汉川市乡村聚落斑块shp数据(A)、水体shp数据(B)、道路shp数据(C)、行政边界shp数据(D)(如图3A～3D所示)，利用ArcGIS软件将它们转换为统一的地理空间坐标系。

S2：基于所述地理信息数据计算乡村聚落的特征参数，其中，所述特征参数包括规模分布特征、空间分布特征以及形态分布特征。

其中，所述规模分布特征包括乡村聚落斑块的平均面积；所述空间分布特征包括平均最邻近距离指数和/或平均斑块密度；所述形态分布特征包括面积加权平均斑块形状指数和/或斑块长宽比。

乡村聚落斑块的平均面积MPS的计算公式为：

其中，A为乡村聚落斑块总面积，n为聚落斑块总数。

如果MPS≥6.0，为大规模；若MPS＜6.0，为小规模。汉川市中的乡镇为研究单位，计算汉川市乡镇内平均斑块面积分析聚落斑块的规模空间分布，计算结果如图4所示。

所述平均最邻近距离指数ANN的计算公式为：

其中，

所述平均最邻近距离指数ANN的预设阈值为0.9，当ANN≥0.9时为散布模式，当ANN＜0.9时为集聚模式。测度汉川市聚落斑块的空间分布集聚度，进而得出其分布模式，计算结果如图5所示。

所述平均斑块密度PD的计算公式为：

其中，n为聚落斑块总数，h为平滑参数，k为核函数，为d

所述平均斑块密度PD的预设阈值为3.0，当PD≥3.0时为高密度，当PD＜3.0时为低密度。计算汉川市聚落斑块平均斑块密度(PD)，揭示其空间分布密度特征，计算结果如图6所示

所述面积加权平均斑块形状指数AWMSI的计算公式为：

其中，L为聚落斑块类型数目，D为各类型所包含的聚落斑块数目，δ为第δ类聚落斑块，ε为第ε个聚落斑块，A为乡村聚落斑块的总面积，P

所述面积加权平均斑块形状指数AWMSI的预设阈值为3.0，当AWMSI≥3.0时为复杂，当AWMSI＜3.0时为简单。计算汉川市乡村聚落斑块面积加权平均斑块形状指数(AWMSI)。得到汉川市面积加权平均斑块形状指数来反映整体形态的空间分异情况，计算结果如图7所示。

所述斑块长宽比λ的计算公式为：

其中，a为聚落斑块的长度，b为聚落斑块的宽度。

所述斑块长宽比λ的预设阈值为2.0，当λ≥2.0时为条带，当λ＜2.0时为团块。计算汉川市乡村聚落斑块长轴与宽轴的比例长宽比(λ)，计算结果如图8所示。以上预设阈值如下下表1汇总所示。值得说明的是本实施例中的预设阈值仅仅是本申请针对汉川市所作的设计，具体预设阈值大小可以根据需要进行设计。

表1

S3：将所述特征形态参数与对应的预设阈值进行比较得到比较结果，对所述比较结果进行归类即获得乡村聚落分类。

本实施例以平均斑块面积(MPS)、平均最邻近距离指数(ANN)、平均斑块密度(PD)、面积加权平均斑块形状指数(AWMSI)和长宽比(λ)5个测度指标为依据，进行指标聚类。

基于各形态指标在SPSS中选用聚类方法对26个乡镇进行分类，使用Ward法选择聚类方案的范围，最终将汉川市村镇聚落划分为大规模复杂低密度条带集聚型和小规模简单高密度团块散布型2种形态类型，两种类型的形态测度分布情况如图9所示。

本申请另一方面提供了一种乡村聚落分类系统，所述系统包括：

预处理模块：例如可以执行图1中的步骤S1，用于获取乡村地理信息数据并对所述地理信息数据进行预处理，其中，所述地理信息数据包括乡村聚落斑块、水体、道路以及行政边界的矢量数据；

计算模块：例如可以执行图1中的步骤S2，用于基于所述地理信息数据计算乡村聚落的特征参数，其中，所述特征参数包括规模分布特征、空间分布特征以及形态分布特征；

比较模块：例如可以执行图1中的步骤S3，用于将所述特征形态参数与对应的预设阈值进行比较得到比较结果，对所述比较结果进行归类即获得乡村聚落分类。

本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。