一种基于人类活动反馈的城市生态红线预警方法及装置

技术领域

本发明涉及城市规划管理与监测技术领域，尤其涉及一种基于人类活动反馈的城市生态红线预警方法及装置。

背景技术

随着经济社会的发展，人们对生态环境的美好向往不断提升，但受经济利益的驱动，总有大量破坏生态环境的各种人类活动。城市生态红线是指环境功能区划中的边界控制线，对确保国家和地区的生态安全，改善生态服务功能具有重要意义。城市生态红线主要具有以下五个特征：第一是客观性。能够体现自然地理特征，对维护生态安全和改善生态服务功能具有至关重要的作用。第二是合法性，一旦定界，它具有法律效力，不能被逾越，否则应受到惩罚。第三是强制性，通过采取严格的环境管理措施来维持、限制或禁止开发活动。第四是动态性，红线限制会因外部环境的变化而改变，必须及时调整以满足社会变化的需求。第五是多维性，可根据国家级、水文流域和地理条件等划分。城市生态红线的划分既是科学问题，也是管理问题。城市发展取决于城市、地区甚至国家或世界自然生态资源和能源产品的使用量，它可以承受和预防自然灾害。生态红线的划分需要从“时间、空间、数量、结构和秩序”方面对自然生态系统进行系统研究，因此，有必要对有可能破坏城市生态红线的人类活动进行识别并进行预警，否则生态红线的规划与管理将成为一纸空论。

现有技术中针对城市生态红线的识别方法，是通过对遥感图像进行人类活动点的识别，在实际应用中，常见的人类活动点包括居民区和污染区等。由于在城市布局中以居民区为主，在对遥感图像进行识别时，对于一些小范围的污染区无法准确识别，或存在着将污染区误识别为居民区的错误，导致对城市生态情况的判断准确性不高，无法为后续生态环境改善工作提供有力支撑。

因此，目前市面上亟需一种基于人类活动反馈的城市生态红线预警策略，以解决现有技术中对于一些小范围的污染区无法准确识别，或存在着将污染区误识别为居民区的错误，而导致对城市生态情况的判断准确性不高的技术问题。

发明内容

本发明提供了一种基于人类活动反馈的城市生态红线预警方法及装置，实现对污染区的准确识别，降低将污染区误识别为居民区的错误率，提高对城市生态情况的判断准确性，为后续生态环境改善工作提供有力支撑。

为了解决上述技术问题，本发明实施例提供了一种基于人类活动反馈的城市生态红线预警方法，包括：

获取目标城市区域的遥感图像，以及获取目标城市区域的城市建设规划布局图；

根据所述城市建设规划布局图，对所述遥感图像中的规划用地区域进行划分，其中，所述规划用地包括农用地区域、建设用地区域和未利用地区域；以及，在所述未利用地区域中确定生态区域；

根据规划用地的各个类型对划分后的遥感图像进行分割，得到农用地遥感图像、建设用地遥感图像和未利用地遥感图像；

将所述未利用地遥感图像输入到预先建立的人类活动识别模型，得到所述未利用地区域中的人类活动点作为违规用地；

计算所述违规用地对所述生态区域形成的影响值，根据所述影响值计算所述目标城市区域当前的生态红线危险程度值，当所述生态红线危险程度值达到危险阈值时，发出预警信号。

作为优选方案，所述人类活动识别模型用于对输入的遥感图像进行人类活动识别，输出所述遥感图像中存在的人类活动点；

其中，所述人类活动点包括：农耕用地、住宅居民地、采矿用地、交通运输用地、水利水电设施用地和排污用地。

作为优选方案，所述计算所述违规用地对所述生态区域形成的影响值，根据所述影响值计算所述目标城市区域当前的生态红线危险程度值的步骤中，还包括：

计算所述违规用地对所述生态区域形成的影响值，得到第一影响值；

将建设用地遥感图像输入到所述人类活动识别模型，得到所述建设用地区域中的人类活动点作为建设用地，计算所述建设用地对所述生态区域形成的影响值，得到第二影响值；

根据所述第一影响值和所述第二影响值计算所述目标城市区域当前的生态红线危险程度值。

作为优选方案，所述生态红线危险程度值的计算公式为：

Y＝y

其中，Y为生态红线危险程度值；y

其中，h

其中，H

作为优选方案，所述根据所述第一影响值和所述第二影响值计算所述目标城市区域当前的生态红线危险程度值的步骤中，还包括：

将农用地遥感图像输入到所述人类活动识别模型，得到所述农用地区域中的人类活动点作为农耕用地，计算所述农耕用地对所述生态区域形成的影响值，得到第三影响值；

根据所述第一影响值、所述第二影响值和所述第三影响值计算所述目标城市区域当前的生态红线危险程度值。

作为优选方案，所述生态红线危险程度值的计算公式为：

Y＝y

其中，Y为生态红线危险程度值；y

其中，h

其中，H

其中，e

作为优选方案，所述人类活动识别模型通过神经网络算法模型构建。

作为优选方案，所述神经网络算法模型包括：用于提取输入图像特征的前端网络和用于进行人类活动点特征定位及人类活动点中各类建筑物识别的后端网络；

所述前端网络包括：由2个3x3卷积核构成的第一层卷积层、第一池化层、由1个7x7卷积核和2个1x1卷积核构成的第二层卷积层、第二池化层和由1个7x7卷积核构成的第三层卷积层；

所述后端网络包括：用于进行人类活动点特征定位的第一分支和用于进行人类活动点中各类建筑物识别的第二分支；其中，所述第一分支包括：1个7x7卷积核、2个3x3卷积核和2个1x1卷积核依次设置；所述第二分支包括：3个3x3卷积核和2个1x1卷积核相互间隔设置。

相应地，本发明另一实施例还提供了一种基于人类活动反馈的城市生态红线预警装置，包括：

图像获取模块，用于获取目标城市区域的遥感图像，以及获取目标城市区域的城市建设规划布局图；

区域划分模块，用于根据所述城市建设规划布局图，对所述遥感图像中的规划用地区域进行划分，其中，所述规划用地包括农用地区域、建设用地区域和未利用地区域；以及，在所述未利用地区域中确定生态区域；

图像分割模块，用于根据规划用地的各个类型对划分后的遥感图像进行分割，得到农用地遥感图像、建设用地遥感图像和未利用地遥感图像；

图像识别模块，用于将所述未利用地遥感图像输入到预先建立的人类活动识别模型，得到所述未利用地区域中的人类活动点作为违规用地；

生态预警模块，用于计算所述违规用地对所述生态区域形成的影响值，根据所述影响值计算所述目标城市区域当前的生态红线危险程度值，当所述生态红线危险程度值达到危险阈值时，发出预警信号。

作为优选方案，所述人类活动识别模型用于对输入的遥感图像进行人类活动识别，输出所述遥感图像中存在的人类活动点；

其中，所述人类活动点包括：农耕用地、住宅居民地、采矿用地、交通运输用地、水利水电设施用地和排污用地。

作为优选方案，所述生态预警模块还用于：计算所述违规用地对所述生态区域形成的影响值，得到第一影响值；将建设用地遥感图像输入到所述人类活动识别模型，得到所述建设用地区域中的人类活动点作为建设用地，计算所述建设用地对所述生态区域形成的影响值，得到第二影响值；根据所述第一影响值和所述第二影响值计算所述目标城市区域当前的生态红线危险程度值。

作为优选方案，所述生态红线危险程度值的计算公式为：

Y＝y

其中，Y为生态红线危险程度值；y

其中，h

其中，H

作为优选方案，所述生态预警模块用于根据所述第一影响值和所述第二影响值计算所述目标城市区域当前的生态红线危险程度值的步骤中，还用于：将农用地遥感图像输入到所述人类活动识别模型，得到所述农用地区域中的人类活动点作为农耕用地，计算所述农耕用地对所述生态区域形成的影响值，得到第三影响值；根据所述第一影响值、所述第二影响值和所述第三影响值计算所述目标城市区域当前的生态红线危险程度值。

作为优选方案，所述生态红线危险程度值的计算公式为：

Y＝y

其中，Y为生态红线危险程度值；y

其中，h

其中，H

其中，e

作为优选方案，所述人类活动识别模型通过神经网络算法模型构建。

作为优选方案，所述神经网络算法模型包括：用于提取输入图像特征的前端网络和用于进行人类活动点特征定位及人类活动点中各类建筑物识别的后端网络；

所述前端网络包括：由2个3x3卷积核构成的第一层卷积层、第一池化层、由1个7x7卷积核和2个1x1卷积核构成的第二层卷积层、第二池化层和由1个7x7卷积核构成的第三层卷积层；

所述后端网络包括：用于进行人类活动点特征定位的第一分支和用于进行人类活动点中各类建筑物识别的第二分支；其中，所述第一分支包括：1个7x7卷积核、2个3x3卷积核和2个1x1卷积核依次设置；所述第二分支包括：3个3x3卷积核和2个1x1卷积核相互间隔设置。

本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序；其中，所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行如上述任一项所述的基于人类活动反馈的城市生态红线预警方法。

本发明实施例还提供了一种终端设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器在执行所述计算机程序时实现如上述任一项所述的基于人类活动反馈的城市生态红线预警方法。

相比于现有技术，本发明实施例具有如下有益效果：

本技术方案通过将目标城市区域所对应的城市建设规划布局图划分为农用地区域、建设用地区域和未利用地区域三大区域，由于城市生态区域是属于未利用地区域，而在未利用地区域中报建的人类活动点实际上均为违规用地，对城市生态造成最大的影响，因此，通过计算违规用地对生态区域形成的影响值，即可确定当前的生态红线危险程度值，从而发出预警；以解决现有技术中对于一些小范围的污染区无法准确识别，或存在着将污染区误识别为居民区的错误，而导致对城市生态情况的判断准确性不高的技术问题，实现对污染区的准确识别，降低将污染区误识别为居民区的错误率，提高对城市生态情况的判断准确性，为后续生态环境改善工作提供有力支撑。

附图说明

图1：为本发明实施例中的基于人类活动反馈的城市生态红线预警方法的步骤流程图；

图2：为本发明实施例中的目标城市区域的遥感图像的示意图；

图3：为本发明实施例中的神经网络算法模型的结构示意图；

图4：为本发明实施例中的基于人类活动反馈的城市生态红线预警装置的结构示意图；

图5：为本发明实施例提供的终端设备的一种实施例的结构示意图。

具体实施方式

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。

实施例一

请参照图1，为本发明实施例提供的一种基于人类活动反馈的城市生态红线预警方法的步骤流程图，包括步骤S1至步骤S5，各步骤具体如下：

步骤S1，获取目标城市区域的遥感图像，以及获取目标城市区域的城市建设规划布局图。

具体地，首先需要获取待研究的城市区域遥感图像，由于城市中对于建筑的报建非常严格，如图2所示，为本发明实施例中的目标城市区域的遥感图像的示意图。在城市建设规划布局图中即可得到目标城市现规模的建设情况。

步骤S2，根据所述城市建设规划布局图，对所述遥感图像中的规划用地区域进行划分，其中，所述规划用地包括农用地区域、建设用地区域和未利用地区域；以及，在所述未利用地区域中确定生态区域。

具体地，农用地区域包括耕地、园地、林地、牧草地和其他农用地；建设用地区域包括城市、建制镇、农村居民点、采矿用地、交通水利用地和其他建设用地；未利用地包括生态圈、水域、自然保留地和违规建筑。

步骤S3，根据规划用地的各个类型对划分后的遥感图像进行分割，得到农用地遥感图像、建设用地遥感图像和未利用地遥感图像。

具体地，针对步骤S2中划分的三大区域，在遥感图像进行分割，得到对应的农用地遥感图像、建设用地遥感图像和未利用地遥感图像。

步骤S4，将所述未利用地遥感图像输入到预先建立的人类活动识别模型，得到所述未利用地区域中的人类活动点作为违规用地。

在本实施例中，所述人类活动识别模型用于对输入的遥感图像进行人类活动识别，输出所述遥感图像中存在的人类活动点；其中，所述人类活动点包括：农耕用地、住宅居民地、采矿用地、交通运输用地、水利水电设施用地和排污用地。

在本实施例中，所述人类活动识别模型通过神经网络算法模型构建。如图3所示，为本发明实施例中的神经网络算法模型的结构示意图；所述神经网络算法模型包括：用于提取输入图像特征的前端网络和用于进行人类活动点特征定位及人类活动点中各类建筑物识别的后端网络；所述前端网络包括：由2个3x3卷积核构成的第一层卷积层、第一池化层、由1个7x7卷积核和2个1x1卷积核构成的第二层卷积层、第二池化层和由1个7x7卷积核构成的第三层卷积层；所述后端网络包括：用于进行人类活动点特征定位的第一分支和用于进行人类活动点中各类建筑物识别的第二分支；其中，所述第一分支包括：1个7x7卷积核、2个3x3卷积核和2个1x1卷积核依次设置；所述第二分支包括：3个3x3卷积核和2个1x1卷积核相互间隔设置。

具体地，采用卷积层和池化层相互结合的方式构建的算法模型可以使得识别更加精准。为了适应目标区域的场景，我们在调整模型结构时，采用了独特的模型结构，对于人类活动点识别结果更加精准。

步骤S5，计算所述违规用地对所述生态区域形成的影响值，根据所述影响值计算所述目标城市区域当前的生态红线危险程度值，当所述生态红线危险程度值达到危险阈值时，发出预警信号。

本技术方案通过将目标城市区域所对应的城市建设规划布局图划分为农用地区域、建设用地区域和未利用地区域三大区域，由于城市生态区域是属于未利用地区域，而在未利用地区域中报建的人类活动点实际上均为违规用地，对城市生态造成最大的影响，因此，通过计算违规用地对生态区域形成的影响值，即可确定当前的生态红线危险程度值，从而发出预警；以解决现有技术中对于一些小范围的污染区无法准确识别，或存在着将污染区误识别为居民区的错误，而导致对城市生态情况的判断准确性不高的技术问题，实现对污染区的准确识别，降低将污染区误识别为居民区的错误率，提高对城市生态情况的判断准确性，为后续生态环境改善工作提供有力支撑。

在另一实施例中，对上述任一实施例进行改进，所述步骤S5中计算所述违规用地对所述生态区域形成的影响值，根据所述影响值计算所述目标城市区域当前的生态红线危险程度值的步骤中，还包括步骤S51：计算所述违规用地对所述生态区域形成的影响值，得到第一影响值；将建设用地遥感图像输入到所述人类活动识别模型，得到所述建设用地区域中的人类活动点作为建设用地，计算所述建设用地对所述生态区域形成的影响值，得到第二影响值；根据所述第一影响值和所述第二影响值计算所述目标城市区域当前的生态红线危险程度值。

具体地，所述生态红线危险程度值的计算公式为：

Y＝y

其中，Y为生态红线危险程度值；y

其中，h

其中，H

具体地，为了进一步提高本技术方案的实用性，本技术方案还可以考虑到建设用地对所述生态区域形成的影响值，由于建设用地和违规用地属于污染较严重区域，所以当建设用地和违规用地与生态区域距离越近时，其影响实际上越大。结合各个人类活动点的类型和各个人类活动点与生态区域之间的直线距离，计算出生态区域的生态红线受影响值；可以理解的是，任何一种可计算的算法都可以作为本方案的应用，可视实际情况进行替换和调整。最后根据计算得到生态红线危险程度值，从而发出预警信号，可进一步提高本方案的实用性。

在另一实施例中，对上述任一实施例进行改进，所述根据所述第一影响值和所述第二影响值计算所述目标城市区域当前的生态红线危险程度值的步骤中，还包括步骤S52：将农用地遥感图像输入到所述人类活动识别模型，得到所述农用地区域中的人类活动点作为农耕用地，计算所述农耕用地对所述生态区域形成的影响值，得到第三影响值；根据所述第一影响值、所述第二影响值和所述第三影响值计算所述目标城市区域当前的生态红线危险程度值。

具体地，所述生态红线危险程度值的计算公式为：

Y＝y

其中，Y为生态红线危险程度值；y

其中，h

其中，H

其中，e

具体地，为了进一步提高本技术方案的实用性，本技术方案还可以考虑到农耕用地对所述生态区域形成的影响值，由于农耕用地并非污染区域，所以当农耕用地与生态区域距离越近时，其影响实际上越小。结合各个人类活动点的类型和各个人类活动点与生态区域之间的直线距离，计算出生态区域的生态红线受影响值；可以理解的是，任何一种可计算的算法都可以作为本方案的应用，可视实际情况进行替换和调整。最后根据计算得到生态红线危险程度值，从而发出预警信号，可进一步提高本方案的实用性。

实施例二

如图4所示，为本发明另一实施例提供的一种基于人类活动反馈的城市生态红线预警装置的结构示意图，包括图像获取模块、区域划分模块、图像分割模块、图像识别模块和生态预警模块，各模块具体如下：

图像获取模块，用于获取目标城市区域的遥感图像，以及获取目标城市区域的城市建设规划布局图。

区域划分模块，用于根据所述城市建设规划布局图，对所述遥感图像中的规划用地区域进行划分，其中，所述规划用地包括农用地区域、建设用地区域和未利用地区域；以及，在所述未利用地区域中确定生态区域。

图像分割模块，用于根据规划用地的各个类型对划分后的遥感图像进行分割，得到农用地遥感图像、建设用地遥感图像和未利用地遥感图像。

图像识别模块，用于将所述未利用地遥感图像输入到预先建立的人类活动识别模型，得到所述未利用地区域中的人类活动点作为违规用地。

在本实施例中，所述人类活动识别模型用于对输入的遥感图像进行人类活动识别，输出所述遥感图像中存在的人类活动点；其中，所述人类活动点包括：农耕用地、住宅居民地、采矿用地、交通运输用地、水利水电设施用地和排污用地。

在本实施例中，所述人类活动识别模型通过神经网络算法模型构建。所述神经网络算法模型包括：用于提取输入图像特征的前端网络和用于进行人类活动点特征定位及人类活动点中各类建筑物识别的后端网络；所述前端网络包括：由2个3x3卷积核构成的第一层卷积层、第一池化层、由1个7x7卷积核和2个1x1卷积核构成的第二层卷积层、第二池化层和由1个7x7卷积核构成的第三层卷积层；所述后端网络包括：用于进行人类活动点特征定位的第一分支和用于进行人类活动点中各类建筑物识别的第二分支；其中，所述第一分支包括：1个7x7卷积核、2个3x3卷积核和2个1x1卷积核依次设置；所述第二分支包括：3个3x3卷积核和2个1x1卷积核相互间隔设置。

生态预警模块，用于计算所述违规用地对所述生态区域形成的影响值，根据所述影响值计算所述目标城市区域当前的生态红线危险程度值，当所述生态红线危险程度值达到危险阈值时，发出预警信号。

本技术方案通过将目标城市区域所对应的城市建设规划布局图划分为农用地区域、建设用地区域和未利用地区域三大区域，由于城市生态区域是属于未利用地区域，而在未利用地区域中报建的人类活动点实际上均为违规用地，对城市生态造成最大的影响，因此，通过计算违规用地对生态区域形成的影响值，即可确定当前的生态红线危险程度值，从而发出预警；以解决现有技术中对于一些小范围的污染区无法准确识别，或存在着将污染区误识别为居民区的错误，而导致对城市生态情况的判断准确性不高的技术问题，实现对污染区的准确识别，降低将污染区误识别为居民区的错误率，提高对城市生态情况的判断准确性，为后续生态环境改善工作提供有力支撑。

在另一实施例中，对上述任一实施例进行改进，所述生态预警模块还用于：计算所述违规用地对所述生态区域形成的影响值，得到第一影响值；将建设用地遥感图像输入到所述人类活动识别模型，得到所述建设用地区域中的人类活动点作为建设用地，计算所述建设用地对所述生态区域形成的影响值，得到第二影响值；根据所述第一影响值和所述第二影响值计算所述目标城市区域当前的生态红线危险程度值。

在本实施例中，所述生态红线危险程度值的计算公式为：

Y＝y

其中，Y为生态红线危险程度值；y

其中，h

其中，H

在另一实施例中，对上述任一实施例进行改进，所述生态预警模块用于根据所述第一影响值和所述第二影响值计算所述目标城市区域当前的生态红线危险程度值的步骤中，还用于：将农用地遥感图像输入到所述人类活动识别模型，得到所述农用地区域中的人类活动点作为农耕用地，计算所述农耕用地对所述生态区域形成的影响值，得到第三影响值；根据所述第一影响值、所述第二影响值和所述第三影响值计算所述目标城市区域当前的生态红线危险程度值。

在本实施例中，所述生态红线危险程度值的计算公式为：

Y＝y

其中，Y为生态红线危险程度值；y

其中，h

其中，H

其中，e

实施例三

本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序；其中，所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行上述任一实施例所述的基于人类活动反馈的城市生态红线预警方法。

实施例四

请参照图5，是本发明实施例提供的终端设备的一种实施例的结构示意图，所述终端设备包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器在执行所述计算机程序时实现上述任一实施例所述的基于人类活动反馈的城市生态红线预警方法。

优选地，所述计算机程序可以被分割成一个或多个模块/单元(如计算机程序、计算机程序)，所述一个或者多个模块/单元被存储在所述存储器中，并由所述处理器执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述终端设备中的执行过程。

所述处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等，通用处理器可以是微处理器，或者所述处理器也可以是任何常规的处理器，所述处理器是所述终端设备的控制中心，利用各种接口和线路连接所述终端设备的各个部分。

所述存储器主要包括程序存储区和数据存储区，其中，程序存储区可存储操作系统、至少一个功能所需的应用程序等，数据存储区可存储相关数据等。此外，所述存储器可以是高速随机存取存储器，还可以是非易失性存储器，例如插接式硬盘，智能存储卡(SmartMedia Card，SMC)、安全数字(Secure Digital，SD)卡和闪存卡(Flash Card)等，或所述存储器也可以是其他易失性固态存储器件。

需要说明的是，上述终端设备可包括，但不仅限于，处理器、存储器，本领域技术人员可以理解，上述终端设备仅仅是示例，并不构成对终端设备的限定，可以包括更多或更少的部件，或者组合某些部件，或者不同的部件。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步的详细说明，应当理解，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围。特别指出，对于本领域技术人员来说，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。