本發(fā)明屬于聚落用地規(guī)劃，具體涉及一種鄉(xiāng)村聚落多維評價分析方法及裝置。

背景技術：

1、隨著社會經(jīng)濟的快速發(fā)展和城市化進程的加速推進，鄉(xiāng)村聚落面臨著前所未有的挑戰(zhàn)和機遇。為了應對鄉(xiāng)村聚落正面臨的問題，需要加強對鄉(xiāng)村聚落的規(guī)劃和管理，并注重對生態(tài)環(huán)境和歷史文化遺產的保護，以實現(xiàn)鄉(xiāng)村聚落的可持續(xù)發(fā)展。

2、以相關技術cn117333530a為例，針對特定類型的鄉(xiāng)村聚落時空間格局演化、空間格局優(yōu)化及驅動因素的優(yōu)化展開了具體的研究。但是相關研究屬于完全基于圖像特性進行規(guī)劃分析的技術方案，存在因缺少多維空間屬性評價或相關驅動因素時空異質性的研究而造成綜合性、普適性欠缺的問題，難以更科學地實現(xiàn)鄉(xiāng)村聚落用地的近期與遠期規(guī)劃管理。

技術實現(xiàn)思路

1、本發(fā)明提供一種鄉(xiāng)村聚落多維評價分析方法及裝置，用于解決現(xiàn)有技術中存在的問題。

2、第一方面，為了實現(xiàn)發(fā)明目的，本發(fā)明提供了一種鄉(xiāng)村聚落多維評價分析方法，包括：

3、s10：采用地圖交互模塊對目標研究區(qū)的土地利用數(shù)據(jù)進行重分類和裁剪，

4、得到多個不同時期的鄉(xiāng)村聚落斑塊；

5、s20：將鄉(xiāng)村聚落斑塊進行要素轉點，得到多個鄉(xiāng)村聚落矢量點數(shù)據(jù)；

6、s30：將鄉(xiāng)村聚落矢量點數(shù)據(jù)導入聚落分析模塊中，計算得到鄉(xiāng)村聚落在空間分布、規(guī)模及形態(tài)維度上的景觀格局指數(shù)；

7、s40：以空間分布、規(guī)模及形態(tài)維度上的景觀格局指數(shù)為自變量，采用主成分分析法，計算得到空間分布綜合變量、規(guī)模綜合變量及形態(tài)綜合變量；

8、s50：以空間分布綜合變量、規(guī)模綜合變量及形態(tài)綜合變量作為時空地理加權回歸模型的因變量，將目標研究區(qū)的多種驅動因子作為時空地理加權回歸模型的自變量，分別計算得到空間分布回歸系數(shù)、規(guī)模回歸系數(shù)及形態(tài)回歸系數(shù)，并基于空間分布回歸系數(shù)、規(guī)?；貧w系數(shù)及形態(tài)回歸系數(shù)得到圖譜化分析結果。

9、通過上述技術方案，本發(fā)明方法結合規(guī)模、形態(tài)和分布三個維度進行綜合研究分析，通過線性擬合法結合景觀指數(shù)擬合得到規(guī)模、形態(tài)和分布三個維度的綜合變量，并將三個維度的綜合變量作為時空地理加權回歸模型的因變量，從而提高了數(shù)據(jù)分析的準確性和全面性。在此基礎上，本發(fā)明方法還采取時空地理加權回歸模型探索鄉(xiāng)村聚落時空演變的主要驅動因素，定量定性地表達驅動因素對空間分布綜合變量、規(guī)模綜合變量及形態(tài)綜合變量的影響程度(回歸系數(shù))及相關圖譜，解決了現(xiàn)有技術中因缺少多維空間屬性評價或相關驅動因素時空異質性的研究而造成綜合性、普適性欠缺的問題，能夠更科學地實現(xiàn)鄉(xiāng)村聚落用地的近期與遠期規(guī)劃管理。

10、優(yōu)選的，在步驟s20之后，本發(fā)明方法還包括：

11、s300：將多個鄉(xiāng)村聚落矢量點數(shù)據(jù)進行全局空間自相關分析、最近鄰分析及密度分析，分析目標研究區(qū)的空間分布特征。

12、優(yōu)選的，空間分布維度上的景觀格局指數(shù)至少包括莫蘭指數(shù)、鄉(xiāng)村聚落演變的集聚離散特征和每個鄉(xiāng)村聚落斑塊內鄉(xiāng)村聚落矢量點的核密度，步驟s300包括：

13、s301：采用空間自相關分析法，計算多個鄉(xiāng)村聚落矢量點數(shù)據(jù)在空間上的莫蘭指數(shù)；

14、s302：采用平均最近鄰分析法，計算多組空間相鄰的兩個鄉(xiāng)村聚落矢量點數(shù)據(jù)之間的平均距離，作為鄉(xiāng)村聚落演變的集聚離散特征；

15、s303：采用核密度分析法，計算每個鄉(xiāng)村聚落斑塊內鄉(xiāng)村聚落矢量點的核密度。

16、優(yōu)選的，平均最近鄰分析法的計算公式具體為：

17、

18、其中，ann是鄉(xiāng)村聚落演變的集聚離散特征，di是第i組鄉(xiāng)村聚落矢量點數(shù)據(jù)之間的實際距離，λ為康威常數(shù)，n為鄉(xiāng)村聚落斑塊的序號；若ann＜1，鄉(xiāng)村聚落分布模式為聚集模式；若ann>1，則鄉(xiāng)村聚落分布模式為隨機模式。

19、優(yōu)選的，規(guī)模維度上的景觀格局指數(shù)包括鄉(xiāng)村聚落斑塊的數(shù)量、鄉(xiāng)村聚落斑塊的總面積及面積加權平均斑塊面積，步驟s40包括：

20、s401：以鄉(xiāng)村聚落斑塊的數(shù)量、鄉(xiāng)村聚落斑塊的總面積及面積加權平均斑塊面積作為自變量，采用主成分分析法，計算得到規(guī)模綜合變量。

21、具體的，經(jīng)過步驟s401處理后的規(guī)模綜合變量表達式為：

22、f1＝k1znp+k2zca+k3zarea_am????(2)

23、其中，f1表示規(guī)模綜合變量，znp表示鄉(xiāng)村聚落斑塊的數(shù)量，zca表示鄉(xiāng)村聚落斑塊的總面積，zarea_am表示面積加權平均斑塊面積；k1、k2、k3為權重系數(shù)。

24、優(yōu)選的，形態(tài)維度上的景觀格局指數(shù)包括景觀形狀指數(shù)、運用面積加權平均斑塊分維數(shù)及平均斑塊形狀指數(shù)，步驟s40包括：

25、s402：以景觀形狀指數(shù)、運用面積加權平均斑塊分維數(shù)及平均斑塊形狀指數(shù)作為自變量，采用主成分分析法，計算得到形態(tài)綜合變量。

26、具體的，經(jīng)過步驟s402處理后的形態(tài)綜合變量表達式為：

27、f2＝k4zlsi+k5zfrac_am+k6zshape_mn(3)

28、其中，f2表示形態(tài)綜合變量，zlsi表示景觀形狀指數(shù)，zfrac_am表示運用面積加權平均斑塊分維數(shù)，zshape_mn表示平均斑塊形狀指數(shù)；k4、k5、k6為權重系數(shù)。

29、優(yōu)選的，空間分布維度上的景觀格局指數(shù)包括鄉(xiāng)村聚落斑塊的聚集度、鄉(xiāng)村聚落斑塊的密度及面積加權平均斑塊最近距離，步驟s40包括：

30、s403：以鄉(xiāng)村聚落斑塊的聚集度、鄉(xiāng)村聚落斑塊的密度及面積加權平均斑塊最近距離作為自變量，采用主成分分析法，計算得到空間分布綜合變量。

31、具體的，經(jīng)過步驟s403處理后的空間分布綜合變量表達式為：

32、f3＝k7zai+k8zpd+k9zenn_am(4)

33、其中，f3表示空間分布綜合變量，zai表示鄉(xiāng)村聚落斑塊的聚集度，zpd表示鄉(xiāng)村聚落斑塊的密度，zenn_am表示面積加權平均斑塊最近距離；k7、k8、k9為權重系數(shù)。

34、第二方面，為實現(xiàn)上述發(fā)明目的，本發(fā)明還提供了一種鄉(xiāng)村聚落多維評價分析裝置，該裝置采用上述鄉(xiāng)村聚落多維評價分析方法對目標研究區(qū)進行鄉(xiāng)村聚落多維評價，鄉(xiāng)村聚落多維評價分析裝置包括：

35、地圖交互模塊，用于對目標研究區(qū)的土地利用數(shù)據(jù)進行重分類和裁剪，得到多個不同時期的鄉(xiāng)村聚落斑塊；

36、轉點模塊，用于將鄉(xiāng)村聚落斑塊進行要素轉點，得到多個鄉(xiāng)村聚落矢量點數(shù)據(jù)；

37、聚落分析模塊，用于將鄉(xiāng)村聚落矢量點數(shù)據(jù)導入內置模型中，計算得到鄉(xiāng)村聚落在空間分布、規(guī)模及形態(tài)維度上的景觀格局指數(shù)；

38、綜合變量計算模塊，用于以空間分布、規(guī)模及形態(tài)維度上的景觀格局指數(shù)為自變量，采用主成分分析法，計算得到空間分布綜合變量、規(guī)模綜合變量及形態(tài)綜合變量；

39、圖譜分析模塊，用于以空間分布綜合變量、規(guī)模綜合變量及形態(tài)綜合變量作為時空地理加權回歸模型的因變量，將目標研究區(qū)的多種驅動因子作為時空地理加權回歸模型的自變量，分別計算得到空間分布回歸系數(shù)、規(guī)?；貧w系數(shù)及形態(tài)回歸系數(shù)，并基于空間分布回歸系數(shù)、規(guī)?；貧w系數(shù)及形態(tài)回歸系數(shù)得到圖譜化分析結果。

40、本發(fā)明至少存在以下優(yōu)點：

41、1)相較于現(xiàn)有技術，本發(fā)明方法具有更強的普適性，能夠更科學地實現(xiàn)鄉(xiāng)村聚落用地的近期與遠期規(guī)劃管理。

42、2)相較于現(xiàn)有技術，本方法能夠對目標研究區(qū)的綜合空間分布特征進行更進一步的深入分析，且分析結果更加直觀。

43、3)相較于現(xiàn)有技術，本發(fā)明方法的算法運算速率更高。