CN102495412A - 一种多尺度不透水地表信息协同遥感反演方法 - Google Patents

一种多尺度不透水地表信息协同遥感反演方法 Download PDF

Info

Publication number
CN102495412A
CN102495412A CN2011103802301A CN201110380230A CN102495412A CN 102495412 A CN102495412 A CN 102495412A CN 2011103802301 A CN2011103802301 A CN 2011103802301A CN 201110380230 A CN201110380230 A CN 201110380230A CN 102495412 A CN102495412 A CN 102495412A
Authority
CN
China
Prior art keywords
land
information
remote sensing
waterproof face
waterproof
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN2011103802301A
Other languages
English (en)
Inventor
匡文慧
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Institute of Geographic Sciences and Natural Resources of CAS
Original Assignee
Institute of Geographic Sciences and Natural Resources of CAS
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Institute of Geographic Sciences and Natural Resources of CAS filed Critical Institute of Geographic Sciences and Natural Resources of CAS
Priority to CN2011103802301A priority Critical patent/CN102495412A/zh
Publication of CN102495412A publication Critical patent/CN102495412A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Image Processing (AREA)

Abstract

一种多尺度不透水地表遥感信息协同反演方法,通过高分辨率遥感图像获得的采样信息应用回归模型,以及由高分辨率获取的城乡建设用地信息的嵌入,来改善相对较低分辨率遥感图像反演的信息,实现不透水地表遥感信息的多尺度协同反演,有效地提高不透水地表遥感反演的精度。具体包括多尺度遥感信息的空间配准,不透水地表的多源信息的嵌入,不透水地表多尺度回归与协同反演。本发明可以有效地提高不透水地表空间信息遥感反演的精度,对于城市规划管理、城市生态环境质量评价具有重要的应用价值。

Description

一种多尺度不透水地表信息协同遥感反演方法
技术领域
本发明属于城市规划行业应用的遥感信息技术领域,适合城市土地利用规划及城市环境规划方面的应用。
背景技术
改革开放以来,中国经历了快速的城市增长过程。随着城市化速度加快,城市不透水面积的增加,使得城市暴雨积水现象近年频频发生。由于表面多数覆盖着无法渗水的混凝土、沥青,很难吸收地表面的积水,使雨水不能直接从地表渗入地下,增加了地表径流,从而导致大量积水,造成严重的交通阻塞,对城市财产损失产生严重影响、甚至出现人员伤亡现象。如在北京、广州、武汉等特大2011年出现多次严重的城市洪水灾害现象,这与不透水地表的快速增长密切相关。
不透水地表遥感反演空间信息在土地利用规划、人口分布评价、城市规划以及流域污染防治方面具有广泛应用前景,对于城市环境规划与治理具有重要的参考价值与现实意义。美国地质调查局(USGS)应用Landsat TM遥感影像研发了国家尺度30m高分辨率不透水地表数据集。不透水地表空间信息提取方法,如逐像元分类、亚像元分类、神经网络、回归树模型等新兴的方法不断发展。而在我国属于刚起步阶段,不透水地表指标在城市规划管理方面逐渐受到重视。
中国专利公布了一种城区地面不透水性程度分析制图方法(专利号:200810227005,公开日2009年4月8日),具体实施步骤,第一次分割选择好的城区多光谱遥感影像,对生成的影像对象层进行面向对象的分类,再在分类的层上执行基于分类的融合而获得城区与非城区分布范围的影像对象层;第二次分割该遥感影像获得表示城区完全不透水性地面独立结构单元的影像对象层,对该层进行面向对象的分类;第三次分割该遥感影像获得表示城区不同地块的影像对象层,结合第一次和第二次影像分割对象层分类的特征信息对该层进行面向对象的分类,把城区地块按不透水性程度的大小进行分类;输出对第三次分割的影像对象层分类后的结果图即获得城区地块按不透水性程度大小分类的结果图。
城市用地构成复杂,不透水地表一般由屋顶、道路、广场等组成。在进行大区域不透水地表制图时,MODIS、Landsat TM等相对低分辨率的遥感图像获取的不透水地表空间信息由于城市内各种复杂地物造成的混合象元问题;城市外围待开发的裸地、收获后的农田等用地常与不透水地表光谱混绕,容易错误地分为不透水地表信息,造成提取的信息略有扩大。本发明实现了一种不透水地表遥感信息多尺度协同反演方法,通过高分辨率图像获取的城市边界信息的镶嵌与高分辨率遥感信息的回归校正,可以有效地克服混合像元与城市周边用地的错分问题,大大地提高不透水地表遥感反演的精度。
本发明的目的是通过高低分辨率遥感信息的配合使用,提高不透水地表空间信息提取的精度,解决了依靠单一影像产生的严重错分问题。
发明内容
本发明的技术方案为:一种多尺度不透水地表信息协同遥感反演方法,其步骤如下:
(1)高低分辨率遥感影像空间精纠正与配准:
(1a)根据应用目标与具体需求,选择高分辨率遥感图像Quickbird0.61米或SPOT5彩色与全色波段合成2.5米,相对低的分辨率遥感图像MODIS250米或Landsat TM30米各1种;
(1b)构建1∶10万城市基础地理空间纠正网格或采集GPS空间定位信息;
(1c)对高、低分辨率遥感图像进行精纠正,并实现空间配准;
(2)多尺度不透水地表遥感信息提取:
(2a)根据构建的城市基础地理空间网格,均匀分布随机选择一定数量样本,从Googleearth下载其高分辨率Quickbird图像或获取SPOT5彩色与全色波段合成2.5米图像;
(2b)应用人工数字化方法对高分辨率遥感图像Quickbird0.61米或SPOT5彩色与全色波段合成2.5米进行矢量信息的提取,统计每个网格高分辨率遥感信息获取的不透水地表面积比例;
(2c)相对低的分辨率遥感图像MODIS250米或Landsat TM30米采用混合像元分解方法提取不透水地表面积比例空间信息;
(3)不透水地表多尺度回归与协同反演:
(3a)根据高分辨率遥感图像获取的不透水地表信息与相对低分辨率遥感图像获得的信息在像元尺度建立回归模型,即从高分辨率遥感图像获取的不透水地表信息样本数据出发,确定不透水地表比例变量之间的数学关系式,对相对低分辨率遥感图像获得不透水地表比例与人工数字化解译的样本提取的不透水地表真实值回归参数进行各种统计检验,进而从关系参数取值来预测或控制相对低分辨率遥感图像信息取值,并给出这种预测或控制的精确程度。
(3b)根据建立的像元尺度回归模型,对相对低分辨率获取的不透水地表遥感信息进行空间地图运算,获取最终反演得不透水地表遥感信息;
(4)基于Landsat TM获取的城乡建设用地边界信息与上述获取的不透水地表遥感信息进行嵌入(Overlay),将Landsat TM作为掩码Mask,重新运算不透水地表遥感信息。
本项发明与现有技术相比具有一定的先进性与较强的实用性,高分辨率Googleearth图像、MODIS250m遥感图像以及Landsat TM遥感图像均可以免费下载,该方法可以根据应用目的与要求,灵活选择数据源,而且可以实现大尺度(区域、城市群、全国)不透水地表空间信息的遥感反演。
附图说明
图1不透水地表遥感信息多尺度协同反演技术流程图;
图2京津唐城市群2000年不透水地表遥感反演结果图。
具体实施方式
本发明不透水地表信息多尺度协同遥感反演方法可通过以下实施例进行说明:
在京津唐城市群开展不透水地表遥感信息提取试验,根据MODIS NDVI与DMSP-OLS遥感信息,获取城乡建设用地不透水地表指数。进而嵌入人工数字化解译的城乡建设用地高精度空间信息,实现与中国土地利用/覆盖数据同期动态更新的城乡建设用地不透水地表信息提取,实现技术流程见图1,具体步骤如下:
(1)在GIS的支持下建立京津唐城市群1∶10万控制网以及覆盖研究区250m空间网格并进行投影转换生成具有统一坐标系统的城市基础地理空间定位系统。
(2)应用基于2000年Landsat TM获取的中国土地利用/覆盖现状矢量数据,提取城乡建设用地类型(包括城市、农村与独立工矿用地),对其独立工矿用地中盐田等水域部分进行剔除,然后生成250×250m空间栅格数据集。
(3)下载2000年MODIS NDVI与DMSP-OLS分别来源于USGS与美国国家地球物理数据中心(NGDC)。应用2000年MODIS NDVI 16天250米数据进行拼接并提取4-10月份最大值;DMSP-OLS 1km进行重采样为250×250m空间分辨率数据。具体公式如下:
ISA pri = ( 1 - NDVI max ) + OLS nor ( 1 - OLS nor ) + NDVI max + OLS nor × NDVI max
式中:ISApri为初步计算的不透水地表指数,NDVImax为MODIS归一化植被指数(NDVI)4-10月份最大值,OLSnor为归一化灯光指数(0-1)。
(4)在研究区内随机选择203个采样点将初步计算的不透水地表指数与航空影像和SPOT影像人工数字化解译的样本提取的不透水地表真实值进行回归参数校正,具体公式如下:
ISAcal=0.657+0.241×ln(ISApri)    (2)
式中:ISAcal为校正后的不透水地表指数。
(5)不透水地表指城乡不透水地表,具体包括城市、农村与独立工矿用地(去除水域部分),通过校正后的不透水地表指数与城乡建设用地空间信息进行地图代数运算求交集产生,具体公式如下:
ISAindex=ISAcal∩URmas k    (3)
式中:ISAindex为最终计算的不透水地表指数,为250×250m网格不透水成份比例数据(0-100%);URmask为250×250m城乡建设用地掩码。
(6)不透水地表精度验证采用城市-乡村梯度带随机采样206个样本点,对每个样本点选择3×3像元窗口作为精度评价单元。将航空像片与SPOT5(彩色和全色波段合成2.5m)进行准确的空间定位,对网格内不透水信息数字化交互解译,进行精度验证与精度评价。由于嵌入人机交互判读的城市LUCC信息,城乡用地判读准确率在95%以上,不透水比例误差幅度在15%以内,而且80%的网格误差幅度控制在5%以内,满足区域尺度不透水地表评估精度要求。

Claims (3)

1.一种多尺度不透水地表遥感信息协同反演方法,其特征在于包括以下步骤:
(1)高低分辨率遥感影像空间精纠正与配准:
(1a)根据应用目标与具体需求,选择高分辨率遥感图像Quickbird0.61米或SPOT5彩色与全色波段合成2.5米,相对低的分辨率遥感图像MODIS250米或Landsat TM30米各1种;
(1b)构建1∶10万城市基础地理空间纠正网格或采集GPS空间定位信息;
(2)多尺度不透水地表遥感信息提取:
(2a)根据建立的城市基础地理空间网格,对高分辨率遥感图像进行局部采样;
(2b)应用人工数字化方法对高分辨率遥感图像进行矢量信息的提取,统计每个网格高分辨率遥感信息获取的不透水地表面积比例;
(2c)相对低的分辨率遥感图像MODIS250米或Landsat TM30米采用混合像元分解方法提取不透水地表面积比例空间信息;
(3)不透水地表多尺度回归与协同反演:
(3a)根据高分辨率遥感图像获取的不透水地表信息与相对低分辨率遥感图像获得的信息在像元尺度建立回归模型,即从高分辨率遥感图像获取的不透水地表信息样本数据,确定不透水地表比例变量之间的数学关系式,对这些关系式的可信程度进行各种统计检验,进而从关系参数取值来预测或控制相对低分辨率遥感图像信息取值,并给出这种预测或控制的精确程度。
(3b)根据建立的回归模型,对相对低分辨率获取的不透水地表遥感信息进行空间地图运算,获取最终反演得不透水地表遥感信息;
(4)基于Landsat TM获取的城乡建设用地边界信息与上述获取的不透水地表遥感信息进行嵌入(Overlay),将Landsat TM作为掩码Mask,重新运算不透水地表遥感信息。
2.根据权利要求1所述一种多尺度不透水地表遥感信息协同反演方法,所述的高分辨率遥感图像获取的不透水地表信息与相对低分辨率遥感图像获得的信息在像元尺度建立回归模型,其特征在于ISAcal=a+b×ln(ISApri);
式中:ISAcal为校正后的不透水地表指数;a为不透水地表精度验证评价指数,取值为0-100%;b为局部采样数字化高分辨率不透水地表信息面积比例,取值为0-100%;ISApri为初步计算的不透水地表指数。
3.根据权利要求1所述的一种多尺度不透水地表遥感信息协同反演方法,所述步骤(4)中城乡建设用地边界信息与上述获取的不透水地表遥感信息进行嵌入(Overlay),其特征在于ISAindex=ISAcal∩URmas k
式中:ISAindex为最终计算的不透水地表指数,为250×250m网格不透水成份比例数据,取值为0-100%;ISAcal为校正后的不透水地表指数;URmask为250×250m城乡建设用地掩码。
CN2011103802301A 2011-11-23 2011-11-23 一种多尺度不透水地表信息协同遥感反演方法 Pending CN102495412A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN2011103802301A CN102495412A (zh) 2011-11-23 2011-11-23 一种多尺度不透水地表信息协同遥感反演方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN2011103802301A CN102495412A (zh) 2011-11-23 2011-11-23 一种多尺度不透水地表信息协同遥感反演方法

Publications (1)

Publication Number Publication Date
CN102495412A true CN102495412A (zh) 2012-06-13

Family

ID=46187252

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2011103802301A Pending CN102495412A (zh) 2011-11-23 2011-11-23 一种多尺度不透水地表信息协同遥感反演方法

Country Status (1)

Country Link
CN (1) CN102495412A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104657739A (zh) * 2013-11-22 2015-05-27 中国科学院深圳先进技术研究院 一种城市监测方法及系统
CN105469051A (zh) * 2015-11-25 2016-04-06 中国科学院电子学研究所 一种基于不透水层检测的城市外轮廓提取方法及装置
CN107220615A (zh) * 2017-05-24 2017-09-29 河海大学 一种融合兴趣点大数据的城市不透水面信息提取方法
CN111028255A (zh) * 2018-10-10 2020-04-17 千寻位置网络有限公司 基于先验信息与深度学习的农田区域预筛选方法及装置
CN112381013A (zh) * 2020-11-18 2021-02-19 南通市测绘院有限公司 基于高分辨率遥感影像的城市植被反演方法及系统
CN112560873A (zh) * 2020-12-17 2021-03-26 昆明理工大学 一种城市不透水面提取方法及系统
CN112861435A (zh) * 2021-02-09 2021-05-28 深圳大学 一种红树林质量遥感反演方法及智能终端
CN113408918A (zh) * 2021-06-28 2021-09-17 哈尔滨工业大学 基于多时相遥感分析的村镇垃圾降尺度时空分布反演方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007149250A2 (en) * 2006-06-19 2007-12-27 Imagetree Corp. Remote sensing and probabilistic sampling based forest inventory method
CN101403796A (zh) * 2008-11-18 2009-04-08 北京交通大学 城区地面不透水性程度分析制图方法
US20100040260A1 (en) * 2007-12-20 2010-02-18 Image Tree Corp. Remote sensing and probabilistic sampling based method for determining the carbon dioxide volume of a forest
CN102184423A (zh) * 2011-05-17 2011-09-14 中国科学院遥感应用研究所 一种全自动的区域不透水面遥感信息精确提取方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007149250A2 (en) * 2006-06-19 2007-12-27 Imagetree Corp. Remote sensing and probabilistic sampling based forest inventory method
US20100040260A1 (en) * 2007-12-20 2010-02-18 Image Tree Corp. Remote sensing and probabilistic sampling based method for determining the carbon dioxide volume of a forest
CN101403796A (zh) * 2008-11-18 2009-04-08 北京交通大学 城区地面不透水性程度分析制图方法
CN102184423A (zh) * 2011-05-17 2011-09-14 中国科学院遥感应用研究所 一种全自动的区域不透水面遥感信息精确提取方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
KUANG WENHUI: "Evaluating impervious surface growth and its impacts on water environment in Beijing-Tianjin-Tangshan Metropolitan Area", 《JOURNAL OF GEOGRAPHICAL SCIENCES》 *
匡文慧 等: "京津唐城市群不透水地表增长格局以及水环境效应", 《地理学报》 *
王浩 等: "流域尺度的不透水面遥感提取", 《遥感学报》 *
高群: "多源遥感数据融合及其在土地资源调查中的应用", 《干旱区资源与环境》 *

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104657739B (zh) * 2013-11-22 2018-04-13 中国科学院深圳先进技术研究院 一种城市监测方法及系统
CN104657739A (zh) * 2013-11-22 2015-05-27 中国科学院深圳先进技术研究院 一种城市监测方法及系统
CN105469051A (zh) * 2015-11-25 2016-04-06 中国科学院电子学研究所 一种基于不透水层检测的城市外轮廓提取方法及装置
CN107220615A (zh) * 2017-05-24 2017-09-29 河海大学 一种融合兴趣点大数据的城市不透水面信息提取方法
CN107220615B (zh) * 2017-05-24 2020-08-14 河海大学 一种融合兴趣点大数据的城市不透水面信息提取方法
CN111028255B (zh) * 2018-10-10 2023-07-21 千寻位置网络有限公司 基于先验信息与深度学习的农田区域预筛选方法及装置
CN111028255A (zh) * 2018-10-10 2020-04-17 千寻位置网络有限公司 基于先验信息与深度学习的农田区域预筛选方法及装置
CN112381013A (zh) * 2020-11-18 2021-02-19 南通市测绘院有限公司 基于高分辨率遥感影像的城市植被反演方法及系统
CN112381013B (zh) * 2020-11-18 2024-02-27 南通市测绘院有限公司 基于高分辨率遥感影像的城市植被反演方法及系统
CN112560873B (zh) * 2020-12-17 2021-08-06 昆明理工大学 一种城市不透水面提取方法及系统
CN112560873A (zh) * 2020-12-17 2021-03-26 昆明理工大学 一种城市不透水面提取方法及系统
CN112861435A (zh) * 2021-02-09 2021-05-28 深圳大学 一种红树林质量遥感反演方法及智能终端
CN112861435B (zh) * 2021-02-09 2023-07-18 深圳大学 一种红树林质量遥感反演方法及智能终端
CN113408918A (zh) * 2021-06-28 2021-09-17 哈尔滨工业大学 基于多时相遥感分析的村镇垃圾降尺度时空分布反演方法
CN113408918B (zh) * 2021-06-28 2022-04-19 哈尔滨工业大学 基于多时相遥感分析的村镇垃圾降尺度时空分布反演方法

Similar Documents

Publication Publication Date Title
Bechtel et al. Generating WUDAPT Level 0 data–Current status of production and evaluation
Lindberg et al. Urban Multi-scale Environmental Predictor (UMEP): An integrated tool for city-based climate services
Zheng et al. GIS-based mapping of Local Climate Zone in the high-density city of Hong Kong
Xu et al. Urban morphology detection and computation for urban climate research
CN102495412A (zh) 一种多尺度不透水地表信息协同遥感反演方法
CN107145872B (zh) 基于gis缓冲区分析的荒漠河岸林空间分布获取方法
CN102521273B (zh) 一种高分辨率遥感的多功能城市用地空间信息生成方法
CN106779061B (zh) 一种地形平缓区土壤重金属镉空间分布预测方法
Dadras et al. Land use/cover change detection and urban sprawl analysis in Bandar Abbas City, Iran
CN104239706A (zh) 一种地面观测气温时空数据集的制备方法
Solaimani et al. Investigation of land use changes on soil erosion process using geographical information system
CN105160192A (zh) 基于M5-Local的TRMM卫星降雨数据降尺度方法
CN104408258A (zh) 融合环境因素的大尺度土壤有机碳空间分布模拟方法
CN103440490B (zh) Sar影像时空相似性分析下的城市不透水面提取方法
Salata Land use change analysis in the urban region of Milan
CN110990511B (zh) 一种顾及城市二维和三维形态的局部气候区分类方法
CN103440489A (zh) 基于像素级sar影像时间序列相似性分析的水体提取方法
Wang et al. How do physical and social factors affect urban landscape patterns in intermountain basins in Southwest China?
Li et al. Research on remote sensing dynamic monitoring of ecological resource environment based on GIS
CN113157834B (zh) 城市局地气候分区分类的制图方法及装置
Álvarez et al. Multi-temporal archaeological analyses of alluvial landscapes using the photogrammetric restitution of historical flights: a case study of Medellin (Badajoz, Spain)
CN103294902A (zh) 一种基于遥感影像与gis空间分析确定自然湿地恢复方案的方法
Zhang The spatial distribution and evolution of traditional villages based on remote sensing technology
Sharma et al. Comparison and Validation of Elevation Data at Selected Ground Control Points and Terrain Derivatives Derived from Different Digital Elevation Models
CN104134158A (zh) 一种核电厂景观干扰分析方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C12 Rejection of a patent application after its publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20120613