基于數(shù)據挖掘的城鎮(zhèn)存量建設用地識別研究.pdf

1、當前我國城鎮(zhèn)存量建設用地的內涵界定和類型劃分主要基于行政管理的角度，而非從城鎮(zhèn)土地的實際利用狀態(tài)出發(fā)，導致大量的隱性閑置和部分閑置土地并沒有計入城鎮(zhèn)存量建設用地。我國學者在城鎮(zhèn)存量建設用地的識別與信息獲取技術和方法方面，尚缺少深入研究；西方學者將GIS技術運用于存量建設用地的研究相對較多，但尚未有將面向對象的遙感分析方法、神經網絡、模糊理論等數(shù)據挖掘方法與GIS空間分析方法相結合，用于城鎮(zhèn)存量建設用地的研究。鑒于此，本文在界定城鎮(zhèn)存量建

2、設用地內涵的基礎上，基于數(shù)據挖掘方法，借助遙感影像分析技術、地理信息系統(tǒng)技術、實地踏勘和專業(yè)知識等手段，利用高分辨率遙感影像、地籍數(shù)據庫等數(shù)據源，對城鎮(zhèn)存量建設用地進行識別研究。
　　 本文主要從以下三個方面展開：
　　 (1)對國內外城鎮(zhèn)存量建設用地研究、數(shù)據挖掘在土地科學及相關領域中的應用研究、面向對象方法在土地科學及相關領域中的應用研究，進行了系統(tǒng)梳理。
　　 (2)從城市建設用地利用的實際狀態(tài)出發(fā)，以宗地

3、為基本單元，對我國城鎮(zhèn)存量建設用地的內涵進行重新界定，并將城鎮(zhèn)存量建設用地分為空地、非空地中的部分利用土地與未充分利用土地三類，分別建立識別標準。
　　 (3)選取浙江省紹興市袍江新區(qū)斗門鎮(zhèn)作為研究區(qū)，根據遙感數(shù)據、地籍數(shù)據的特點，參考識別標準，研究了基于圖像分割的面向對象方法，以及決策樹、支持向量機、模糊理論、BP神經網絡等數(shù)據挖掘方法，在城鎮(zhèn)存量建設用地識別中的應用。
　　 研究結果表明：1)從城市建設用地利用的實際

4、狀態(tài)出發(fā)，以宗地為基本單元，界定城鎮(zhèn)存量建設用地的內涵并分類，既考慮了城鎮(zhèn)存量建設用地的表觀狀態(tài)和地上附著物功能價值的體現(xiàn)程度，又體現(xiàn)了城鎮(zhèn)存量建設用地的價值內涵及其信患的現(xiàn)勢性。2)在基于面向對象的準空地識別中，充分利用對象的空間特征、光譜特征、紋理特征，分別運用支持向量機分類模型和基于規(guī)則的模糊分類模型進行準空地識別，克服了“椒鹽效應”，提高了影像的分類精度。其中，支持向量機分類模型的總體分類精度和Kappa系數(shù)值分別為87.76％

5、和0.86。基于規(guī)則的模糊分類模型的總體分類精度和Kappa系數(shù)值，高于支持向量機分類模型的總體分類精度和Kappa系數(shù)值，分別為91.49％和0.90。3)在基于空間分析的空地和部分利用土地識別中，引入宗地空閑率概念，運用以疊置分析為主的空間分析方法，對試驗區(qū)的空地和部分利用土地進行識別。從識別結果來看，空地、部分利用土地的數(shù)量和面積基本符合研究區(qū)空地和部分利用土地情況。4)在基于神經網絡的未充分利用土地識別中，BP神經網絡模型學習樣