CN102521273B - 一种高分辨率遥感的多功能城市用地空间信息生成方法 - Google Patents
一种高分辨率遥感的多功能城市用地空间信息生成方法 Download PDFInfo
- Publication number
- CN102521273B CN102521273B CN 201110376725 CN201110376725A CN102521273B CN 102521273 B CN102521273 B CN 102521273B CN 201110376725 CN201110376725 CN 201110376725 CN 201110376725 A CN201110376725 A CN 201110376725A CN 102521273 B CN102521273 B CN 102521273B
- Authority
- CN
- China
- Prior art keywords
- urban
- type
- classification
- information
- earth
- 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.)
- Active
Links
Images
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了一种高分辨率遥感的多功能城市用地空间信息生成方法。该发明引入复杂系统等级理论,提出了自适应城市规划管理与环境整治多功能目标景观型、功能区型、地表覆盖型三个等级尺度的城市用地空间信息分类体系,在实现Landsat TM、Google Earth以及辅助地图遥感影像精校正与配准处理基础上,应用Landsat TM开展城市景观型分类,构建三级等级分类的类型归并组合与信息挖掘知识库,进而对分类信息归并形成城市用地一级分类结果,在上级分类信息约束控制下开展数字化功能区分类二级以及土地覆盖分类三级分类。该方法具有花费少,分类精度高,应用针对性强特点,更好地满足生态城市设计、城市环境治理等目标应用需求。
Description
技术领域
本发明属于城市规划行业应用的遥感信息技术应用领域,重点解决多功能目标的空间数据的高精度获取问题,实现高精度城市土地利用空间信息探测问题,主要应用于城市规划、土地利用总体规划、土地勘测、城市生态环境整治领域。
背景技术
从1972年美国发射第一颗卫星Landsat-1,到目前最新的Landsat-7为人类的城市遥感研究奠定了基础,为人类从多视角与多尺度认识地球提供新的方法与新手段,Landsat TM影像具较高空间分辨率、波谱分辨率、极为丰富的信息量和较高定位精度,能满足有关农、林、水、土、地质、地理、测绘、区域规划、环境监测等专题分析和编制1∶10万或更大比例尺专题图,修测中小比例尺地图的要求。1986年法国SPOT影像应用在城市空间信息分类与制图中提供了较高的研究价值。2000年美国发射IKONOS商业遥感卫星,可以提供1m分辨率的图像数据。随着更高分辨率商业遥感卫星,如QuickBird卫星成功发射把遥感图像全色波段分辨率从1m提高到0.61m,多光谱图像分辨率从4m提高到2.5m。高空间分辨率卫星图像数据应用于城市监测,极大地提高了遥感在城市土地利用的应用能力。在我国由国土资源部开展了基于SPOT5以及Quickbird高分辨率遥感信息第二次国土资源大调查,中国科学院开展了1990年代以来每5年1次国家尺度土地利用/覆盖变化遥感监测。
城市土地利用结构比较复杂,在进行城市土地利用空间信息探测时存在如下困难:(1)城市各类人造建材种类多、差异大,导致城市光谱存在很大不确定性。难以采用统一的自动化标准提取城市土地利用类型;(2)城市居住、商业、公共设施等具有人文属性特征的用地类型,难以直接从遥感图像进行判读;(3)城市内部不透水面分布是城市生态环境的一个重要指标,特别是对不透水面积栅格成分的提取。
中国专利公报公开了“基于历史图件的土地利用检测”(公开号CN1721877、公开日2006年1月18日),“一种基于历史数据及遥感数据的土地利用图自动更新方法”(公开号CN101510374、公开日2009年8月19日),“基于事件语义的土地利用数据更新与分析方法”(公开号CN101604326、公开日2009年12月16日),“遥感土地利用检测方法及系统”(公开号CN101661497、公开日2010年3月3日)4项专利,这些发明专利主要针对土地利用时空信息动态更新与变化检测。当前专门针对复杂结构的城市土地利用时空信息探测仍以常规大量野外调查与遥感相结合传统方法为主,难以满足效率与实用性的应用需求。由于城市内部结构地等级尺度特征以及复杂性,在当前城市土地利用分类难以满足城市多目标规划管理的需求,提出了自适应城市规划管理与环境整治多功能目标景观型可以有效服务于城市土地利用总体规划、区域规划目标,功能区型分类是城市总体规划与城市详细规划中重要的内容,而对于不同功能结构下的地表覆盖型在城市环境规划与整治中具有广泛的应用能力,而在我国的城市规划中尚未获得很好的应用。
本发明首次提出了通过多源高精度多源数据融合,在建立的城市土地利用识别与判读专家知识库参与下,基于多种方法和手段,采用尺度推绎思想实现三个尺度城市土地利用数据。全数字化交互式解译法极大的提高了数据精度,客观的表征自然实体和社会人文单元、格局和过程的真实尺度,与计算机自动分类技术相比具有准确度高特性;面向街区对象分割的方法实现城市土地利用空间信息探测,极大地提高了城市土地利用空间信息探测的精度、效率以及实用性,与国内外同类技术相比具有先进性,属于首创;在获取城市边界和城市功能区的同时,利用混合光谱分解模型法,基于线性混合光谱分解模型,提取了城市不透水面积比例分布,与其他不透水提取方法相比在准确获取数据的同时避免了栅格“零一值”带来的准确性削减。
本项发明的目的是实现城市土地利用空间信息的快速采集,提高获取的城市土地利用空间信息实用性,为城市规划管理的土地利用以及功能结构的优化布局提供重要基础信息,为土地管理部门开展城市扩张动态监测与监管提供科学依据。
发明内容
本发明针对城市土地利用内部结构复杂的特征,单靠遥感影像非常有限的光谱信息,难以获取高精度的城市土地利用空间信息,提出通过多源空间数据参考与全数字化交互式解译、面向街区对象分割、混合光谱分解模型三种方法实现城市土地利用空间信息的探测,提供获取信息的实用性。具体包括以下内容:
一种基于高分辨率遥感的多功能城市用地空间信息生成方法,其特征在于包括以下步骤:
(1)Landsat TM、Google Earth以及辅助地图遥感影像的空间精纠正与配准的步骤;
1.a.构建1∶1万与1∶10万城市基础地理高精度空间定位网格与参考信息;
1.b.实现Landsat TM、Google Earth以及辅助地图高精度空间数据的精纠正与配准;
(2)建立景观型、功能区型、地表覆盖型三个等级尺度城市用地分类信息识别与信息归并专家知识库的步骤;
2.a.根据自适应城市规划管理与环境整治多功能目标建立景观类、功能区型、地表覆盖型三级城市用地空间信息分类体系;
2.b.建立针对Landsat TM、Google Earth以及辅助地图城市景观类、功能区型、地表覆盖型三级城市用地解译判读标志;
2.c.构建城市景观类、功能区型、地表覆盖型三级城市用地之间信息归并规则与数据处理方法;
(3)基于Landsat TM、Google Earth城市景观类、功能区型、地表覆盖型三级城市用地分类的步骤:
3.a.根据Landsat TM高分辨率遥感图像建立的遥感解译标志,开展城市用地在景观尺度上的一级分类;
3.b.基于一级分类城市边界控制,以Google Earth高分辨率遥感图像开展景观型城市功能区分类的步骤;
3.c.基于功能区分类,以LandsatTM提取参考Google Earth高分辨率遥感图像开展城市地表覆盖分类的步骤。
附图说明
图1是一种基于高分辨率遥感的多功能城市用地空间信息生成方法具体实现技术流程图;
图2是全数字化交互式解译方法具体实现技术流程图;
图3是面向街区对象分割方法具体实现技术流程图;
图4混合光谱分解模型方法具体实现技术流程图;
图5北京城市土地利用现状图;
图6北京城市功能区图;
图7北京城市不透水提取图。
具体实施方式
本发明一种高分辨率遥感的多功能城市用地空间信息生成方法可通过以下实施例进行说明:
(1)高辨率遥感影像、大比例尺地形图以及城市规划图等多源辅助信息的空间精纠正与配准。
多源信息融合与参考是城市土地利用时空信息重建方法中的重要手段,而且需要将获得大量的图件资料进行前期预处理,包括几何纠正、坐标拟合、投影转换等基本图像处理,实现各类图件精准的空间定位和镶嵌。
(2)城市土地利用分类多源信息识别与判读的专家知识库建立。
遥感图像解译分为自动分类与人工目视解译两种基本类型。人工目视解译由于在分类时可以将辅助信息与遥感信息在专家知识的参与下复合使用,因而具有较高的分类精度。图像解译标志的建立是人工目视化解译的基础。研究中根据LandsatTM遥感影像图像特征,从图像的色调、阴影、大小、形状、纹理、图案、位置以及空间组合等8个要素进行城市土地利用分类;研究中根据城市规划图件及相关历史图件采用自下向上的解译过程,在获取图像(图片)信息的基础上,进行地物特征提取,最后进行识别证据选取确定地类;研究中根据影像波段特征知识、不同波段之间运算表征规律及对LandsatTM解译标示的知识掌握最终确定地表覆盖类型。
(3)面向多源信息融合的城市土地利用空间信息识别与分类。
在同一地区的同一种目标地物,由于在城市土地利用分类信息提取时,地表植被、水体等的季节差异非常显著,因而表现出不同的影像特征,或者具有高度人文属性特征的用地,例如商业用地、居住用地、公共设施用地等用地类型,遥感图像上表现为相同的影像特征。因而,利用单期遥感信息源来分类会造成很大的困难。在城市土地利用时空信息分类过程中需要参考大量的辅助信息,应用专家知识对多源信息的综合诊断获取每个图斑的边界信息、并对具体类型给出定性判读。
地学知识规则的参与是城市土地利用时空信息重建方法中的另一个重要内容。地学知识规则的参与对于准确地获取城市时空动态信息具有重要作用。尽管城市时空演变过程中受到自然、人文、政策等不同等级层次的驱动因素的影响,但是城市时空动态信息类型的变化具有一定规律可循的。城市土地利用变化过程中一般情况可以分为城市边缘区扩张以及城市内部结构的调整(旧城区的改造)。城市边缘区的扩张主要以城市工业用地、居住用地的向外扩张为主,城市内部结构调整包括商业区规模的扩大占用居住区,绿地被建设居住区占用等情况。
(4)全数字化交互式解译方法的城市景观类型信息提取与数字化。
实现城市景观类型数据,主要遵循总体观察识别、专家知识综合分析及对比分析。利用LandsatTM数据,应用GE图片、地形图及数理统计等综合手段,参考前人调查资料,结合地面实况调查和地学相关分析法进行图像解译标志的综合,人工目视对LandsatTM数据进行地物判读,最终获取城市土地利用数据。
(5)面向街区对象分割方法的城市功能区类型信息提取与数字化。
通过全数字化交互式解译方法获取城市景观数据,利用景观类型数据作为城市功能区一级地类控制,同时利用高分辨率遥感图像(Quickbird,SPOT5、GE图片等)、大比例尺地形图、城市规划图等辅助信息精准的校正与融合,建立城市土地利用分类信息识别与判读的专家知识库,应用城市主次干道构成的“城市骨架”空间信息,对城市土地利用对象实体进行进一步分割以及土地利用类型的识别,进而跟踪与判别城市土地利用对象,实现城市土地利用空间信息的测探。
(6)混合光谱分解模型方法的城市地表覆盖信息提取。
线性光谱混合模型是光谱混合分析最常用的方法,可操作性较强。利用不同波段的组合最终提取城市地表不透水信息,但是由于不透水地表本身的复杂性,使得其光谱值相差很大,有些地表有很高的光谱值,易与裸土混淆,有些地表光谱值很低,易与水体和湿地混淆,因此结合面向街区对象分割方法的城市功能区类型作为控制边界,快速、准确的获取城市地表覆盖数据。
(7)城市土地利用变化空间信息的提取。
在城市土地利用时空信息重建中充分考虑城市时空动态信息的空间行为,应用过去时期数据源,跟踪城市土地利用分割的街区对象信息,判别变化对象变化后城市土地利用类型。依据过去或未来时段数据源对城市土地实体单元进行分割,将分割后城市土地利用类型不变部分赋予原类型代码,变化部分赋予变化后类型代码,依次对过去或未来时段数据源逐个土地实体单元进行监测其空间变化情况;不透水地表采用空间分析及掩码功能提取不同时期不透水比例变化,有效监测地表硬化比例,真实反映城市生态环境。
在北京城市建成区开展城市土地利用空间信息探测方法试验,实现技术流程见图1,具体步骤如下:
(1)在ArcGIS workstation软件环境的支持下建立1∶10万、1∶5万、1∶1万方里控制网,将多级控制网以1∶1万地形图投影标准为基础,进行投影变化与坐标平移整合生成具有统一空间场的多级控制网,为了将城市大比例尺地形图整合到已经建立的统一的空间定位坐标系上,同时对地形图不规则变形进行校正,提高其空间定位精度,将地形图采用一级控制点的方式进行纠正。一级控制点包括经纬度控制点和方里网控制点。经纬度控制点按1∶1万国家基础地形图分幅标准(经3′45″×纬2′30″)进行设计,方里网控制点按1km×1km进行设计。二者共同构成一级控制点,用于地形图的几何纠正。
(2)应用MGE(Modular GIS Environment)软件,采用有限元FINITE Elem变换进行地形图纠正。控制点以上下左右距离每1km选择1个控制点,每幅1∶1万地形图控制点不少于35个,控制点在整幅图上以网格状均匀分布,控制点误差小于2m,均方差小于0.8。将经几何纠正的1∶1万地形图作为二级控制数据,以图像对图像方式对SPOT5(GE图像)遥感影像、城市规划图等辅助信息采用有限元方法进行纠正。采用单幅地形图对应图像纠正方法,控制误差的分配,起到均差的作用,以保证整体的精度。
(3)根据专业人员对于分析对象,如城市本身时空布局、各类型的时空关系的了解程度,以及对于这些分析对象在遥感影像、地形图等多源信息上的反映差异,通过这些多源信息的综合判断,建立遥感图像解译与辅助信息的判读标志,其中包括直接标志和间接标志。直接标志是地物本身的有关属性在图像上的直接反映,如形状、大小、色调、阴影等;间接标志是指与地物的属性有内在联系,通过相关分析能够推断其性质的影像特征。借用专家知识来判读的城市土地利用类型,从而提高判读分析的准确性,有助于获取高精度的城市土地利用现状信息。
(4)在ArcGIS软件支持下,将LandsatTM遥感影像作为数字化基准图层,参考1∶10万地形图、GE图像等多源空间数据,通过解译标示的建立目视勾取影像信息,将分类代码写入属性表的ID字段,最终获取地类图斑(见图2)。
(5)在ArcGIS软件支持下,将LandsatTM解译的数据作为边界控制,将SPOT5(GE图像)遥感影像作为数字化基准图层,参考1∶1万地形图等多源空间数据对城市主次干道进行提取,首先画出城市基本道路框架,在城市主次干道形成的各个街区进行土地利用类型识别或针对街坊区的混合类型继续进行分割直到产生单一土地利用类型为止,分别赋予属性代码,经过拓扑建立后生成最终用户需求的城市土地利用分类结果,将分类代码写入属性表的ID字段,直到分割到每个单元只表示一种类型,如图3所示。上述方法以人工数据化交互解译方式实现,城市土地利用类型的识别参考建立的城市土地利用知识库。
(6)在ENVI软件支持下,以Band1、2、3、4、5、7作为组合运算波段,通过MNF主成分特征空间确定4种端元较好地表达地物特征,运用高、低反照率地物覆盖度之和计算北京城市不透水地表覆盖度,同时获取水域、植被、裸地地类信息,最后运用城市功能区数据最为边界控制,对提取的结果做精度校正,最终获取城市不透水信息。
(7)如果需要进一步获取城市土地利用空间变化信息,如要将城市土地利用矢量图叠置在过去或未来时段城市土地利用探测数据源上,监测每个土地实体单元的变化情况,将土地实体单元的变化分类,将2期城市扩张部分在属性表ID-change字段赋值999,土地实体单元单纯的土地利用转型在属性表ID-change字段赋值转换后的类型代码,如果只是土地实体单元的一部分发生土地利用类型转换,依据过去或未来时段数据源对土地实体单元进行分割,将分割后土地利用类型不变部分在ID-change字段赋予原类型代码,变化部分赋予变化后类型代码,依次对过去或未来时段数据源逐个土地实体单元进行监测其空间变化情况。如上述方法逆序直到完成过去或未来时段数据源城市土地利用对象获取。
Claims (1)
1.一种高分辨率遥感的多功能城市用地空间信息生成方法,其特征在于包括以下步骤:
(1)Landsat TM、Google Earth以及辅助地图遥感影像的空间精纠正与配准的步骤:
1.a.构建1:1万与1:10万城市基础地理高精度空间定位网格与参考信息;
1.b.实现Landsat TM、Google Earth以及辅助地图高精度空间数据的精纠正与配准;
(2)建立景观型、功能区型、地表覆盖型三个等级尺度城市用地分类信息识别与信息归并专家知识库的步骤:
2.a.根据自适应城市规划管理与环境整治多功能目标建立景观型、功能区型、地表覆盖型三级城市用地空间信息分类体系;
2.b.建立针对Landsat TM、Google Earth以及辅助地图城市景观型、功能区型、地表覆盖型三级城市用地遥感解译标志;
2.c.构建城市景观型、功能区型、地表覆盖型三级城市用地之间信息归并规则与数据处理方法;
(3)基于Landsat TM、Google Earth城市景观型、功能区型、地表覆盖型三级城市用地分类的步骤:
3.a.根据Landsat TM高分辨率遥感图像建立的遥感解译标志,开展城市用地在景观尺度上的一级分类;
3.b.基于一级分类城市边界控制,以Google Earth高分辨率遥感图像开展景观型城市功能区分类的步骤;
3.c.基于功能区分类,以LandsatTM提取参考Google Earth高分辨率遥感图像开展城市地表覆盖分类的步骤;
城市空间数据进行多尺度表达,根据分层分类思想,基于多源异构的遥感数据,通过地学知识,结合城市规划专业知识分别以全数字化交互式解译法、面向街区对象分割法及混合光谱分解模型法快速实现景观类型、功能区类型及地表覆盖类型的城市空间数据,解决城市空间数据尺度推绎上的适用性问题;
全数字化交互式解译法中,通过人工目视解译建立标示与野外调查相结合方式实现土地利用类型的识别;面向街区对象分割的城市土地利用信息提取,对城市主次干道形成的各个街区城市土地利用对象实体进行进一步分割以及土地利用类型的识别;基于混合光谱分解模型法,对遥感数据波段线性混合光谱分解,提取不透水面积百分比。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110376725 CN102521273B (zh) | 2011-11-23 | 2011-11-23 | 一种高分辨率遥感的多功能城市用地空间信息生成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110376725 CN102521273B (zh) | 2011-11-23 | 2011-11-23 | 一种高分辨率遥感的多功能城市用地空间信息生成方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102521273A CN102521273A (zh) | 2012-06-27 |
CN102521273B true CN102521273B (zh) | 2013-06-19 |
Family
ID=46292194
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201110376725 Active CN102521273B (zh) | 2011-11-23 | 2011-11-23 | 一种高分辨率遥感的多功能城市用地空间信息生成方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102521273B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105488346A (zh) * | 2015-12-01 | 2016-04-13 | 中国科学院地理科学与资源研究所 | 一种大尺度土地覆盖变化的空间预测模拟方法 |
CN105512619A (zh) * | 2015-11-27 | 2016-04-20 | 中国石油大学(华东) | 一种基于分层知识的不透水面信息提取方法 |
WO2020151528A1 (zh) * | 2019-01-25 | 2020-07-30 | 东南大学 | 一种综合业态大数据与建筑形态的城市用地自动识别系统 |
Families Citing this family (30)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103325010B (zh) * | 2013-06-04 | 2017-02-22 | 东南大学 | 基于因子综合评价的城市整体高度控制分区方法 |
CN103455856B (zh) * | 2013-09-12 | 2017-07-07 | 中国科学院地理科学与资源研究所 | 一种城市空间功能识别的技术方法 |
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 |
CN103927320A (zh) * | 2013-12-26 | 2014-07-16 | 中国科学院大学 | 远程多尺度、多分辨率、多维度海量数据抽取方法 |
CN103971121B (zh) * | 2014-04-26 | 2018-01-23 | 二十一世纪空间技术应用股份有限公司 | 多源影像知识库解译方法 |
CN104200223B (zh) * | 2014-08-29 | 2017-09-05 | 中国科学院城市环境研究所 | 一种基于高分辨率遥感影像的城市功能区识别方法 |
CN104899649A (zh) * | 2015-05-22 | 2015-09-09 | 东南大学 | 城市要素区位迁移与城市建成区扩张的空间关联测度方法 |
CN105225239A (zh) * | 2015-09-24 | 2016-01-06 | 中国科学院电子学研究所 | 一种面向对象的高分遥感影像不透水层提取方法 |
CN105160022A (zh) * | 2015-09-29 | 2015-12-16 | 北京全景天地科技有限公司 | 云影像挖掘解译系统 |
CN105761191A (zh) * | 2016-02-02 | 2016-07-13 | 东南大学 | 一种城市动态空间结构圈层界定法 |
CN106446918B (zh) * | 2016-10-24 | 2017-12-05 | 中国水利水电科学研究院 | 一种基于遥感影像对农田灌域和排域划分的方法 |
CN107066572B (zh) * | 2017-04-10 | 2019-07-23 | 山东师范大学 | 基于众源地理数据空间聚类的地表覆盖分类方法及系统 |
CN107390286A (zh) * | 2017-07-12 | 2017-11-24 | 广州地理研究所 | 一种基于Landsat遥感影像的海岸不透水面提取方法 |
CN107944503A (zh) * | 2017-12-13 | 2018-04-20 | 北京数洋智慧科技有限公司 | 一种基于图像识别的城市数据采集方法及系统 |
CN109164444A (zh) * | 2018-09-04 | 2019-01-08 | 中科海慧(北京)科技有限公司 | 一种基于遥感数据的自然景观重构方法 |
CN109657602A (zh) * | 2018-12-17 | 2019-04-19 | 中国地质大学(武汉) | 基于街景数据和迁移学习的自动城市功能分区方法及系统 |
CN109993753B (zh) * | 2019-03-15 | 2021-03-23 | 北京大学 | 遥感影像中城市功能区的分割方法及装置 |
CN110348506B (zh) * | 2019-07-03 | 2021-06-29 | 广州大学 | 基于遥感图像的土地利用分类方法、存储介质和计算设备 |
CN111178179B (zh) * | 2019-12-16 | 2023-08-11 | 广州地理研究所 | 一种基于像元尺度的城市功能区的识别方法及装置 |
CN111062368B (zh) * | 2019-12-31 | 2020-09-11 | 中山大学 | 基于Landsat时间序列遥感影像的城市更新区域监测方法 |
CN111310674B (zh) * | 2020-02-20 | 2020-11-10 | 生态环境部卫星环境应用中心 | 基于网格划分技术的河流生态缓冲带遥感监测方法和装置 |
CN111580947B (zh) * | 2020-04-29 | 2021-10-01 | 中国科学院空天信息创新研究院 | 一种基于人工智能的在线协同化遥感图像标注系统 |
CN112148820B (zh) * | 2020-08-24 | 2022-06-21 | 中国地质大学(武汉) | 一种基于深度学习的水下地形数据识别和服务方法及系统 |
CN112183444B (zh) * | 2020-10-14 | 2024-02-13 | 北京大学 | 城市景观分类优化方法及装置、设备及介质 |
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 |
CN113096114B (zh) * | 2021-04-28 | 2022-07-01 | 成都理工大学 | 结合形态与指数的高分辨率城市水体图斑遥感提取方法 |
CN113706997B (zh) * | 2021-09-06 | 2023-06-27 | 深圳市指跃未来科技有限公司 | 城乡规划图纸标准化处理方法、装置及电子设备 |
CN114926741A (zh) * | 2022-06-02 | 2022-08-19 | 广东卓越土地房地产评估咨询有限公司 | 一种农用地数据采集系统及其方法 |
CN116308956B (zh) * | 2023-03-17 | 2023-11-24 | 中国测绘科学研究院 | 一种城市区域主导功能与规划用途差异检测的方法 |
CN117710746A (zh) * | 2023-12-22 | 2024-03-15 | 中国科学院地理科学与资源研究所 | 一种融合开放地理数据的多尺度景观功能主体类型识别方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1959703A (zh) * | 2006-11-24 | 2007-05-09 | 中国科学院上海技术物理研究所 | 利用遥感图像实现城市不同类型住宅区自动识别的方法 |
CN101114385A (zh) * | 2007-08-07 | 2008-01-30 | 深圳先进技术研究院 | 一种数字城市全自动生成的方法 |
CN102044078A (zh) * | 2010-12-17 | 2011-05-04 | 住房和城乡建设部城乡规划管理中心 | 基于高分辨率遥感影像的城市绿地分类的方法 |
-
2011
- 2011-11-23 CN CN 201110376725 patent/CN102521273B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1959703A (zh) * | 2006-11-24 | 2007-05-09 | 中国科学院上海技术物理研究所 | 利用遥感图像实现城市不同类型住宅区自动识别的方法 |
CN101114385A (zh) * | 2007-08-07 | 2008-01-30 | 深圳先进技术研究院 | 一种数字城市全自动生成的方法 |
CN102044078A (zh) * | 2010-12-17 | 2011-05-04 | 住房和城乡建设部城乡规划管理中心 | 基于高分辨率遥感影像的城市绿地分类的方法 |
Non-Patent Citations (4)
Title |
---|
周春艳等.基于面向对象信息提取技术的城市用地分类.《遥感技术与应用》.2008,第23卷(第1期),31-36. |
基于面向对象信息提取技术的城市用地分类;周春艳等;《遥感技术与应用》;20080228;第23卷(第1期);31-36 * |
基于面向对象的城市地物信息提取方法研究;徐涛等;《云南地理环境研究》;20091031;第21卷(第5期);47-51 * |
徐涛等.基于面向对象的城市地物信息提取方法研究.《云南地理环境研究》.2009,第21卷(第5期),47-51. |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105512619A (zh) * | 2015-11-27 | 2016-04-20 | 中国石油大学(华东) | 一种基于分层知识的不透水面信息提取方法 |
CN105512619B (zh) * | 2015-11-27 | 2019-01-22 | 中国石油大学(华东) | 一种基于分层知识的不透水面信息提取方法 |
CN105488346A (zh) * | 2015-12-01 | 2016-04-13 | 中国科学院地理科学与资源研究所 | 一种大尺度土地覆盖变化的空间预测模拟方法 |
WO2020151528A1 (zh) * | 2019-01-25 | 2020-07-30 | 东南大学 | 一种综合业态大数据与建筑形态的城市用地自动识别系统 |
Also Published As
Publication number | Publication date |
---|---|
CN102521273A (zh) | 2012-06-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
Bechtel et al. | Generating WUDAPT Level 0 data–Current status of production and evaluation | |
Corbane et al. | Automated global delineation of human settlements from 40 years of Landsat satellite data archives | |
Esch et al. | Breaking new ground in mapping human settlements from space–The Global Urban Footprint | |
Chen et al. | Spatially and temporally weighted regression: A novel method to produce continuous cloud-free Landsat imagery | |
Tomppo et al. | Multi-source national forest inventory: Methods and applications | |
Zhao et al. | Characterizing the 3-D urban morphology transformation to understand urban-form dynamics: A case study of Austin, Texas, USA | |
Ren et al. | Developing a rapid method for 3-dimensional urban morphology extraction using open-source data | |
CN104239706A (zh) | 一种地面观测气温时空数据集的制备方法 | |
Veljanovski et al. | Object-based image analysis of VHR satellite imagery for population estimation in informal settlement Kibera-Nairobi, Kenya | |
CN105930867A (zh) | 一种基于时间序列夜光遥感影像的数据挖掘方法 | |
CN102184423B (zh) | 一种全自动的区域不透水面遥感信息精确提取方法 | |
Piyoosh et al. | Semi-automatic mapping of anthropogenic impervious surfaces in an urban/suburban area using Landsat 8 satellite data | |
Muttaqin et al. | MaxEnt (Maximum Entropy) model for predicting prehistoric cave sites in Karst area of Gunung Sewu, Gunung Kidul, Yogyakarta | |
Dai et al. | Spatio-temporal pattern of urban land cover evolvement with urban renewal and expansion in Shanghai based on mixed-pixel classification for remote sensing imagery | |
CN114187532B (zh) | 一种遥感影像时空样本生成与智能迭代分类方法及系统 | |
Mao et al. | Advances and prospects on estimating solar photovoltaic installation capacity and potential based on satellite and aerial images | |
Aljumaily et al. | Voxel change: Big data–based change detection for aerial urban LiDAR of unequal densities | |
Shi et al. | Global urban land expansion tends to be slope climbing: a remotely sensed nighttime light approach | |
Yan et al. | Estimation of urban-scale photovoltaic potential: A deep learning-based approach for constructing three-dimensional building models from optical remote sensing imagery | |
CN101566947A (zh) | 道地药材空间运行系统 | |
Tullis et al. | Spatial scale management experiments using optical aerial imagery and LIDAR data synergy | |
Smith et al. | Real world objects in GEOBIA through the exploitation of existing digital cartography and image segmentation | |
CN106991404A (zh) | 基于众源地理数据的地表覆盖更新方法及系统 | |
Liu et al. | A Novel Impervious Surface Extraction Method Based on Automatically Generating Training Samples From Multisource Remote Sensing Products: A Case Study of Wuhan City, China |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |