CN119758329A 一种基于动态遥感技术的国土空间规划测绘方法及系统

(12)发明专利申请(22)申请日2025.03.06司(54)发明名称(57)摘要构建基于线性参数变化LPV模型的多源遥感数据采集网络，所述LPV模型包括描述地物变化的状态矩阵和措述季节变化、气候条件的时变参数向量，通过所述多源遥感数据采集网络，获取包括卫星遥感、无人机遥感和地面观测站的时序遥感感数据进行时空配准和噪声滤除，得到标准化的动态遥感数据，所述标准化的动态遥感数据包括意力机制的深度神经网络提取时空特征根据提取的时空特征通过双重注意力模块识别关息存入分层动态特征库，得到地物动态变化特征根据所述地物动态变化特征，采用高斯混合模型和Beta分布模型构建不确定性分布模型，根据所述不确定性分布模型设计概率约束基于所述概率约束的不确定性分布模型，结合不据所述碰撞避免规则，建立土地利用效率指标和环境保护指标的多目标优化函数将所述碰撞避免规则转换为数学不等式作为约束]条件，采用NSGA-Ⅲ算法求解多目标优化问题，生成多个非支配解,根据多个非支配解，执行空间规划策略23456识别存储模块，用于根据提取的时空特征通过双重注意力模块识别关键变化区7附图说明图1为本申请实施例提供的基于动态遥感技术的国土空间规划测绘方法的流程8A0p0(t)+Alp1(t)+A2p2(t)+...+A9[0066]S3:根据提取的时空特征通过双重注意力模块识别关键变化区域(如图4所示),将[0072]S3.6:基于所述加权后的时空特征图和变化显著性图，在基础特征层存储原始特[0074]S3.8:基于所述变化模式层的分析结果，在知识图谱层存储表示变化因果关系的信息；[0089]S4.5:对所述基础约束条件，采用Copula函数构建识别存储模块30,用于根据提取的时空特征通过双重注意力模块识别关键变化区2223构建基于线性参数变化LPV模型的多源遥感数据采集网络，所述LPV模型包括描述地物变化的状态矩阵和描述季节变化、气候条件的时变参数向量，通过所述多源遥感数据采集网络，获取包括卫星遥感、无人机遥感和地面观测站的时序遥感数据根据所述状态矩阵和时变参数向量对所述时序遥感数据进行时空配准和噪声滤除，得到标准化的动态遥感数据，所述标准化的动态遥感数据包括多光谱数据、SAR数据和DEM数据，根据所述标准化的动态遥感数据，采用包含时空卷积层和注意力机制的深度神经网络提取时空特征根据提取的时空特征通过双重注意力模块识别关键变化区域，将所述时空特征和关键变化区域信息存入分层动态特征库，得到地物动态变化特征根据所述地物动态变化特征，采用高斯混合模型和Beta分布模型构建不确定性分布模型，根据所述不确定性分布模型设计概率约束基于所述概率约束的不确定性分布模型，结合不确定性椭球计算最小安全间距，生成自适应的安全间距规则，并通过验证得到碰撞避免规则，根据所述碰撞避免规则，建立土地利用效率指标和环境保护指标的多目标优化函数将所述碰撞避免规则转换为数学不等式作为约束条件，采用NSGA-III算法求解多目标优化问题，生成多个非支配解,根据多个非支配解，执行空间规划策略基于线性参数变化LPV模型的描述地物变化的描述季节变化、气候条件的时变参数向量25根据所述时序遥感数据，构建状态空间模型，其根据所述时序遥感数据，构建状态空间模型，其中，状态空间模型的系统矩阵依赖于时变参数向量基于所述状态空间模型，采用时空配准算法计算不同数据源之间的变换矩阵，得到配准后的遥感数据基于更新后的状态矩阵对滤波后的数据进行标准化处理，得到标准化的动态遥感数据接收所述标准化的动态遥感数据，通过多分支输接收所述标准化的动态遥感数据，通过多分支输行归一化预处理，得到预处理后的多源数据对所述预处理后的多源数据，构建3D卷积层，设置卷积核大小为3、步长为1的参数，得到初步的时空特征对所述初步的时空特征，通过添加包含两个3D卷积层的残差块和批归一化层，得到多尺度特征对所述多尺度特征，设置时序注意力模块，计算不同时间点特征的注意力权重，得到加权后的时空特征图对所述加权后的时空特征图，计算时空特征图各位置间的相关性矩阵，并利用softmax函数生成空间权重，得到空间注意力图结合所述空间注意力图和通道注意力图，对所述加权后的时空特征图同时进行空间维度和通道维度的加权，得到关键变化区域基于所述关键变化区域，融合所述空间注意力图和通道注意力图，得到变化显著性图构建包含基础特征层、变化模式层和知识图谱层构建包含基础特征层、变化模式层和知识图谱层的分层动态特征库引根据所述基础特征层的数据，使用密度聚类算法识别变化模式，在变化模式层存储地物变化模式基于所述变化模式层的分析结果，在知识图谱层存储表示变化因果关系的信息针对