基于地块尺度的农村宅基地形状分类方法研究：以杨墩村为例

完整中文导读

研究以浙江德清县杨墩村为研究区，利用 Google Earth 卫星影像和地块尺度宅基地矢量图层，比较快速傅里叶变换（FFT）、Hu 不变矩（HIM）、Boyce and Clark 形状指数（BCSI）与 AlexNet 模型的宅基地形状分类效果。

论文资料与摘要整理

整理依据：原始摘要与元数据；未据此展示论文全文

Research on the Shape Classification Method of Rural Homesteads Based on Parcel Scale—Taking Yangdun Village as an Example

作者：Jie Zhang；Beilei Fan；Hao Li；Yunfei Liu；Ren Wei；Shengping Liu
刊物：Remote Sensing
出版时间：2023-09-28
DOI：10.3390/rs15194763

研究方法

基于 Google Earth 卫星影像与宅基地矢量图层，比较 FFT、Hu 不变矩、Boyce and Clark 形状指数和 AlexNet 模型的分类效果

研究对象

浙江省德清县杨墩村地块尺度农村宅基地形状

主要发现

随机森林结合 FFT 平均准确率最高，为 88.6%；多方法组合未提升精度；BCSI 不适用，平均准确率 58%；杨墩村过半宅基地区域呈类矩形，宅基地改革后类方形宅基地明显腾退

材料局限

基于摘要，材料未提供样本量、验证细节与适用范围等全文信息

中文整理

作者 / 来源：Jie Zhang; Beilei Fan; Hao Li; Yunfei Liu; Ren Wei; Shengping Liu · 原文时间：2023年9月28日 08:00（北京时间）

原作者信息要点

论文标题为《基于地块尺度的农村宅基地形状分类方法研究——以杨墩村为例》，作者为Jie Zhang、Beilei Fan、Hao Li、Yunfei Liu、Ren Wei、Shengping Liu，发表于期刊Remote Sensing，DOI为10.3390/rs15194763，出版日期为2023年9月28日。

研究区为浙江省德清县杨墩村，数据包括Google Earth卫星影像和地块尺度的宅基地矢量图层。

研究采用快速傅里叶变换（FFT）、Hu不变矩（HIM）、Boyce and Clark形状指数（BCSI）和AlexNet模型等方法进行宅基地形状分类与精度比较。

主要发现包括：随机森林结合FFT识别宅基地形状类别的效果最高，平均准确率为88.6%；多方法组合未提升识别精度，例如FFT+HIM组合的准确率为88.4%；BCSI不适用于宅基地形状分类，平均准确率仅58%，且宅基地类别与形状指数之间无精确数值对应关系；杨墩村超过一半的宅基地呈现类矩形形状，在“宅基地改革”后类方形宅基地出现显著腾退，整体布局混杂。

作者指出，研究结果可为农村宅基地形状调查提供方法参考，掌握宅基地形状分类对农村土地信息调查、规范管理和布局优化具有重要意义。

本站整理与观察

本站观察：该研究基于论文摘要与元数据整理，未获取全文，因此无法核实实验细节、样本量、分类类别定义及精度验证的具体过程。

本站推论：摘要中提及的“宅基地改革”后类方形宅基地显著腾退，属于作者基于杨墩村数据的描述性结论，其因果机制和普遍性需结合全文及更多区域研究进一步验证。

本站观察：摘要未提供各方法的具体参数设置、训练与测试数据划分方式，也未说明随机森林与FFT结合的具体流程，这些信息需查阅全文。

本整理仅依据论文摘要与元数据，未获取全文，无法核实实验设计、数据细节和结论的稳健性；所有事实性内容均以摘要为限，本站观察与推论已明确标注，不构成对原文的完整复现。