CN103955583B - 一种确定夜晚灯光数据提取城市建成区阈值的方法 - Google Patents
一种确定夜晚灯光数据提取城市建成区阈值的方法 Download PDFInfo
- Publication number
- CN103955583B CN103955583B CN201410195054.8A CN201410195054A CN103955583B CN 103955583 B CN103955583 B CN 103955583B CN 201410195054 A CN201410195054 A CN 201410195054A CN 103955583 B CN103955583 B CN 103955583B
- Authority
- CN
- China
- Prior art keywords
- city
- light data
- completed region
- built
- areas
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 239000000284 extract Substances 0.000 claims description 23
- 238000005070 sampling Methods 0.000 claims 2
- 238000012937 correction Methods 0.000 abstract description 6
- 230000005855 radiation Effects 0.000 abstract description 6
- 230000002159 abnormal effect Effects 0.000 abstract 1
- 238000007781 pre-processing Methods 0.000 abstract 1
- 238000000605 extraction Methods 0.000 description 7
- 238000012952 Resampling Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 241001269238 Data Species 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- VMXUWOKSQNHOCA-UKTHLTGXSA-N ranitidine Chemical compound [O-][N+](=O)\C=C(/NC)NCCSCC1=CC=C(CN(C)C)O1 VMXUWOKSQNHOCA-UKTHLTGXSA-N 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 238000012876 topography Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- DFPOZTRSOAQFIK-UHFFFAOYSA-N S,S-dimethyl-beta-propiothetin Chemical compound C[S+](C)CCC([O-])=O DFPOZTRSOAQFIK-UHFFFAOYSA-N 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000005622 photoelectricity Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Landscapes
- Image Processing (AREA)
Abstract
本专利涉及一种确定夜晚灯光数据提取城市建成区阈值的方法,使用数据包括夜晚灯光数据和Google earth影像数据,处理过程为:a、选取样本城市并按照城市形态分类;b、对夜晚灯光数据进行预处理首先对夜晚灯光数据进行预处理,包括辐射校正及去除异常值等;c、在不同假设阈值情况下对灯光数据进行二值化处理,得到假设阈值的城市建成区与非建成区的边界;d、在Google earth中根据城市建成区在遥感影像中的表现特征采集样点,将采样点与不同假设阈值提取的城市建成区边界进行叠加,以采样点对表示的建成区和非建成区为标准,确定夜晚灯光数据提取城市建成区的最佳阈值;e、利用得到的最佳阈值结果提取不同城市形态的城市建成区。
Description
技术领域
本发明属于城市地理中遥感信息技术应用领域,重点解决确定利用夜晚灯光数据提取城市建成区最佳阈值的问题,基于城市形态分类实现地形复杂区域内城市建成区的提取,并以Google Earth影像作为参照数据降低研究成本,本发明提出的方法具有成本低廉、简单易行的特点,既可应用于城市建成区扩张动态研究,也有助于在空间上分析城市社会经济活动的相关问题。
背景技术
DMSP/OLS夜晚灯光数据具有与其他遥感影像不同的光电放大特性和夜间灯光的获取能力,因此可以作为监测人类活动的数据源,广泛应用于城市建成区提取、人口密度估测和经济发展评估等多个领域。在目前利用夜晚灯光数据提取城市建成区的研究中,使用最佳阈值分割城市建成区和非建成区的方法简单易行且较为可靠,常用的最佳阈值分割法主要有四种:经验阈值法、突变检测法、统计数据验证法和较高分辨率影像比较法。
目前利用夜晚灯光数据提取城市建成区的四种方法各有优缺点:(1)经验阈值法具有较强的主观性,得到的结果因研究者的不同而有差异;(2)统计数据比较法需要以研究区的统计数据为研究基础,受到统计数据准确性的限制,并且只能从建成区面积而不能从空间形态上与夜晚灯光数据提取的建成区进行比较;(3)突变检测法具有较强的客观性,但是数据处理较为繁琐,另外对于受地形因素影响、城市建成区外围没有零星斑块的城市,突变检测法需要依据不同城市形态进行方法上的调整;(4)较高分辨率影像数据空间比较法由于需要以研究区域的TM影像作为辅助数据,所以研究成本相对较高,且数据处理过程相对复杂。同时,基于TM影像光谱提取的城市建成区中可能混杂着光谱相似的非建成区地物,比如裸露的山地、沙漠等;城市中成片的公园广场用地和水体可能被划分为非城市建成区,但是从生态和社会服务属性来说,城市公园广场属于城市建成区的范畴。而在利用夜晚灯光数据提取建成区时,由于公园本身具有的灯光和附近辐射灯光的影响,公园绿地和水体被划分成城市建成区,这是其他较高分辨率影像提取城市建成区不精确的因素之一。
发明内容
本发明的目的是根据两种形态对城市进行分类,确定利用夜晚灯光数据提取不同形态城市建成区的最佳阈值,并且将阈值结果应用于城市建成区的提取。以GoogleEarth影像为标准数据使提取结果更加准确,阈值结果可以用于地形复杂或者具有不同城市形态的区域中提取城市建成区。具体包括以下内容:
一种确定夜晚灯光数据提取城市建成区阈值的方法技术流程图见图1,主要包括以下步骤:
A、夜晚灯光数据的处理方法
a、辐射定标:根据统计数据选择与全国经济发展平均值接近并且发展较为稳定的城市作为辐射定标区域,选取该城市夜晚灯光数据累计像元值最大的年份作为标准年份进行辐射定标。
b、辐射校正:利用(其中a、b、c是定标区域各年份之间的校正系数,DN是原始数据,是校正以后的结果)分析各年度灯光数据像元值与定标年份灯光像元值之间的关系,确定系数a、b、c以后,对样本城市灯光数据进行辐射校正。
c、去异常值:传感器在接收和传输数据过程中存在不确定性,夜晚灯光数据的像元存在异常值,因此假设随着时间的变化,城市建成区的范围越来越大,灯光亮度值也越来越大,依据此规则对夜晚灯光数据去异常值。
d、重采样:为增强两种数据的直观比较以及使灯光影像中城市区域的轮廓更贴近现实情况,对夜晚灯光数据进行三次卷积重采样,使空间分辨率调整到50m。
e、二值化:将夜晚灯光数据按照不同的假设阈值进行二值化,将城市建成区赋值为1,非建成区赋值为-1,进而得到城市建成区的轮廓。
B、Google Earth数据处理方法:利用Google Earth影像数据,已有城市的行政边界作为掩膜,依据城市建成区在遥感影像中的显示特征通过目视解译判别城市建成区的边界,在城市建成区和非城市建成区各采一个点形成正负值点对,正值点表示城市建成区,负值点表示非城市建成区,并且两点形成的直线垂直于建成区的边界。由于原始夜晚灯光数据的分辨率为1km,为保证两点落在相邻的栅格内,两点的距离在1.5km到2km之间。
C、将Google Earth中提取的点对与夜晚灯光数据中的二值化结果叠加,记录符合要求(即正值点落在城市建成区1范围内,负值点落在非城市建成区范围内)的点对数量,统计准确率p=r/t,其中r为符合要求点对数量,t为点对总数。
D、按照城市形态分类结果,统计两种城市形态使用夜晚灯光数据提取城市建成区的最佳阈值并且进行应用。
附图说明
图1是一种确定夜晚灯光数据提取城市建成区阈值的方法技术流程图;
图2是宁波市夜晚灯光二值化结果与Google Earth点对数据叠加示意图;
图3是贵阳市夜晚灯光数据提取城市建成区结果图;
图4是兰州市夜晚灯光数据提取城市建成区结果图;
图5是拉萨市夜晚灯光数据提取城市建成区结果图;
图6是三明市夜晚灯光数据提取城市建成区结果图;
图7是西宁市夜晚灯光数据提取城市建成区结果图;
图8是长春市夜晚灯光数据提取城市建成区结果图;
图9是长沙市夜晚灯光数据提取城市建成区结果图;
图10是宁波市夜晚灯光数据提取城市建成区结果图;
图11是沈阳市夜晚灯光数据提取城市建成区结果图;
图12是厦门市夜晚灯光数据提取城市建成区结果图。
具体实施方式
本发明一种确定夜晚灯光数据提取城市建成区阈值的方法可以通过以下实施例进行说明:
A、选取两种城市形态共十个城市作为样本提取城市建成区,将其分为两种城市形态:带状城市和非带状城市,带状城市为三明、贵阳、兰州、拉萨、西宁,非带状城市为宁波、厦门、沈阳、长春、长沙。
B、通过《中国城市统计年鉴》取得2007-2012年各城市地区生产总值增长率以及人口密度增长率数据,根据统计数据分析结果确定以潍坊市作为定标区域,分析2007-2012年的灯光像元值确定以2010年为定标年份,其他年份与2010年像元值之间的相关关系如表1,
表1:定标区2010年的灯光像元值与其他年份之间的回归分析及系数
根据表1对其他城市的夜晚灯光数据进行辐射校正,得到辐射校正后各城市夜晚灯光数据。
C、获取2007年至2012年各样本城市夜晚灯光数据,根据公式(1)对各城市夜晚灯光数据去异常值,
其中DN(n-1,i),DN(n, i),DN(n+1,i)分别为第n-1,n,n+1年的灯光数据像元值,本文中n=2008,2009,2010,2011
D、重采样:对去异常值后的各城市夜晚灯光影像进行三次卷积重采样处理,使空间分辨率调整到50m。
E、二值化:将各城市夜晚灯光数据按照假设的不同阈值进行二值化,将二值化结果分为城市建成区1和非建成区-1,进而得到城市建成区的轮廓。
F、根据城市建成区在Google Earth影像中的显示特征,利用目视解译的方法确定城市建成区与非建成区,并且分别在建成区和非建成区上面采样点形成正负点对,为保证实验的合理性和准确性,每个城市选点100个即50对点并且均匀分布。
G、在ArcGIS9.3软件支持下,将Google Earth中提取的点对与夜晚灯光数据中提取的城市建成区轮廓叠加,统计叠加数据结果,表2为每个城市对应某一阈值时的准确率p以及每个阈值下所有城市准确率p的方差,选取准确率高并且方差较小的像元值作为最佳阈值。
表2为每个城市在40-50假设阈值的情况下对应的准确率以及最佳阈值结果
根据不同城市形态确定的利用夜晚灯光数据提取城市建成区结果,在ArcGIS9.3软件支持下,分别按照43、47的最佳阈值对样本城市的建成区进行最终提取,图3、4、5、6、7为带状样本城市结果,图8、9、10、11、12为非带状城市建成区结果。
使用基于遥感影像提取城市建成区的方法中的Google Earth影像空间比较法与其他方法相比较具有明显的优势:
(1)Google Earth影像数据更新速度快,并且可以免费获取;
(2)Google Earth影像空间分辨率高并且标有地物名称,可以帮助判别不确定的用地类型;
(3)对于成片的城市建成区可以比较直观的判别,比统计数据更准确;
(4)利用Google Earth提取的数据可以与灯光影像提取出的城市建成区进行空间形态比较,而不限于面积的比较。如果要做到更加精确的在大尺度上提取城市建成区,则需要考虑夜晚灯光影像与Google Earth的偏移问题,以及利用其它社会经济指数对不饱和灯光亮度指数进行回归分析 。
Claims (2)
1.一种确定夜晚灯光数据提取城市建成区阈值的方法,其特征在于以下步骤:
A、将样本城市按照城市形态分为两类:带状城市和非带状城市;
B、将夜晚灯光数据进行预处理,在Google Earth平台中进行城市建成区和非建成区点对采样,将两种数据的处理结果导入Arcgis9.3软件中叠加显示,并且统计,具体包括:
将经过预处理后的夜晚灯光数据根据一系列不同假设的阈值提取出不同阈值情况下的城市建成区边界;
在Google Earth平台中,根据城市建成区与非建成区不同的表现特征进行点对采样,正值点表示城市建成区,负值点表示非城市建成区;
将Google Earth中提取的点对与夜晚灯光数据中提取的城市建成区轮廓叠加,统计符合要求的点对数量,即正值点落在城市建成区范围内,负值点落在非城市建成区范围内的点对数量,根据统计数据确定不同形态的城市利用夜晚灯光数据提取建成区的最佳阈值。
2.根据权利要求1所述的一种确定夜晚灯光数据提取城市建成区阈值的方法,其特征在于:灯光的溢出受到地形因素和城市形态的影响,在确定提取城市建成区最佳阈值以及应用于大范围区域时,将城市按照城市形态分类使结果更加精确。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410195054.8A CN103955583B (zh) | 2014-05-12 | 2014-05-12 | 一种确定夜晚灯光数据提取城市建成区阈值的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410195054.8A CN103955583B (zh) | 2014-05-12 | 2014-05-12 | 一种确定夜晚灯光数据提取城市建成区阈值的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103955583A CN103955583A (zh) | 2014-07-30 |
CN103955583B true CN103955583B (zh) | 2017-04-26 |
Family
ID=51332858
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410195054.8A Expired - Fee Related CN103955583B (zh) | 2014-05-12 | 2014-05-12 | 一种确定夜晚灯光数据提取城市建成区阈值的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103955583B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104680153B (zh) * | 2015-03-13 | 2018-03-20 | 中国科学院深圳先进技术研究院 | 识别农田的扩张类型的方法 |
CN104809572A (zh) * | 2015-04-27 | 2015-07-29 | 中国科学院城市环境研究所 | 一种基于夜晚灯光数据反演人口密度的方法 |
CN105550681B (zh) * | 2016-03-01 | 2018-08-31 | 中国科学院遥感与数字地球研究所 | 一种基于稳定映射点夜间灯光影像间相互辐射校正方法 |
CN106203891B (zh) * | 2016-07-28 | 2021-07-23 | 广州地理研究所 | 基于多源遥感影像数据的国土开发密度三维综合评价方法 |
CN107016403B (zh) * | 2017-02-23 | 2018-10-19 | 中国水利水电科学研究院 | 一种基于夜间灯光数据提取城市建成区阈值的方法 |
CN107247791B (zh) * | 2017-06-16 | 2020-05-22 | 北京悦畅科技有限公司 | 停车场地图数据生成方法、装置和机器可读存储介质 |
CN107203790A (zh) * | 2017-06-23 | 2017-09-26 | 上海海洋大学 | 利用二级抽样模型的中国陆地夜光遥感分类精度评价方法 |
CN108399399B (zh) * | 2018-03-23 | 2021-09-03 | 武汉大学 | 一种基于夜光遥感影像的城市范围提取方法 |
CN110909099A (zh) * | 2019-11-14 | 2020-03-24 | 天津大学 | 基于灯光数据测算城市建成区重心偏移速度及角度的方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103440490A (zh) * | 2013-09-16 | 2013-12-11 | 南京大学 | Sar影像时空相似性分析下的城市不透水面提取方法 |
CN103440426A (zh) * | 2013-09-05 | 2013-12-11 | 河南大学 | 基于多源数据的城镇用地空间信息识别方法 |
CN103440414A (zh) * | 2013-08-22 | 2013-12-11 | 河南大学 | 基于地理辅助数据提高夜间灯光观测精度的方法 |
-
2014
- 2014-05-12 CN CN201410195054.8A patent/CN103955583B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103440414A (zh) * | 2013-08-22 | 2013-12-11 | 河南大学 | 基于地理辅助数据提高夜间灯光观测精度的方法 |
CN103440426A (zh) * | 2013-09-05 | 2013-12-11 | 河南大学 | 基于多源数据的城镇用地空间信息识别方法 |
CN103440490A (zh) * | 2013-09-16 | 2013-12-11 | 南京大学 | Sar影像时空相似性分析下的城市不透水面提取方法 |
Non-Patent Citations (1)
Title |
---|
基于DMSP/OLS夜间灯光数据的中国近30年城镇扩展研究;王晓慧;《中国优秀硕士学位论文全文数据库 基础科学辑》;20130815;第A008-54页 * |
Also Published As
Publication number | Publication date |
---|---|
CN103955583A (zh) | 2014-07-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103955583B (zh) | 一种确定夜晚灯光数据提取城市建成区阈值的方法 | |
CN108197583B (zh) | 基于图割优化和影像结构特征的建筑物变化检测方法 | |
CN110866494B (zh) | 一种基于光学遥感影像的城镇群提取方法及系统 | |
CN108288059B (zh) | 一种基于高分辨率遥感技术的建筑垃圾监测方法 | |
CN111046613B (zh) | 基于路径追踪的最佳河道计算方法及基于多时相遥感影像的河网提取方法 | |
CN105956557A (zh) | 一种面向对象的时序遥感影像云覆盖区域自动检测方法 | |
CN106650618A (zh) | 一种基于随机森林模型的人口数据空间化方法 | |
CN111597949B (zh) | 一种基于npp-viirs夜间灯光数据的城市建成区提取方法 | |
CN109919944A (zh) | 一种复杂场景建筑物变化检测的联合超像素图割优化方法 | |
CN110750516B (zh) | 基于雷达图的降雨分析模型构建方法、构建系统及分析方法 | |
CN104318051B (zh) | 基于规则的大范围水体信息遥感自动提取系统及方法 | |
CN110134907B (zh) | 一种降雨缺失数据填补方法、系统及电子设备 | |
CN109801327A (zh) | 一种基于视频数据的城市内涝积水深度信息提取方法 | |
CN104463836A (zh) | 一种基于移动窗口的城市绿色空间遥感度量方法 | |
CN109186706A (zh) | 一种用于城市雨洪淹没区预警的方法 | |
CN112926468B (zh) | 一种潮滩高程自动提取方法 | |
CN110988909A (zh) | 基于tls进行高寒脆弱区沙地植被的植被盖度测定方法 | |
CN112819066A (zh) | 一种Res-UNet单木树种分类技术 | |
CN115468917A (zh) | 基于高分辨率遥感提取农田地块作物信息的方法及系统 | |
Xu et al. | Water level estimation based on image of staff gauge in smart city | |
Kong et al. | Incorporating nocturnal UAV side-view images with VIIRS data for accurate population estimation: a test at the urban administrative district scale | |
CN104966091A (zh) | 一种基于无人机遥感影像的露天矿道路提取方法 | |
CN105894006A (zh) | 时空概率模型水稻遥感识别方法 | |
CN107103295A (zh) | 光学遥感影像云检测方法 | |
CN106324708B (zh) | 雨量记录图纸的数字化方法、装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170426 |