CN104463836A - 一种基于移动窗口的城市绿色空间遥感度量方法 - Google Patents
一种基于移动窗口的城市绿色空间遥感度量方法 Download PDFInfo
- Publication number
- CN104463836A CN104463836A CN201410444201.0A CN201410444201A CN104463836A CN 104463836 A CN104463836 A CN 104463836A CN 201410444201 A CN201410444201 A CN 201410444201A CN 104463836 A CN104463836 A CN 104463836A
- Authority
- CN
- China
- Prior art keywords
- green
- vegetation
- buildings
- pixel
- city
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
Landscapes
- Image Processing (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种基于移动窗口的城市绿色空间遥感度量方法,步骤如下:步骤1)利用遥感影像提取城市的植被信息,将城市分割为植被和非植被区,形成基准图;步骤2)基于基准图中的非植被区域,结合LiDAR数据,利用高度信息提取建筑物,形成建筑物分布图;步骤3)基于所述基准图,以每个像元为中心,构建N×N像元的窗口,计算窗口内绿地面积与窗口总面积的比值,并将该比值赋给窗口中心像元,作为度量城市像元尺度上绿度的指标,形成像元绿度指数分布图;步骤4)对建筑物分布图进行掩膜,与像元绿度指数分布图叠加,形成建筑物绿度指数分布图。
Description
技术领域
本发明是一项对地观测领域的技术,本发明能够更好的描述城市绿色空间的分布状况,同时降低了现有评价方法的复杂性,能够实现城市绿色空间的快速评价,是一项具有应用价值的空间分析技术。
背景技术
当前我国正处于快速城市化阶段,2011年中国城市化率突破了50%,预计2018年将超过60%。城市的快速扩展导致了城市热岛效应、城市环境恶化等生态环境问题。为避免城市无限制地发展,改善城市生态环境,国内外逐渐兴起了绿色空间的生态思想。城市绿色空间作为城市生态系统的重要组分,具有净化空气、调节小气候、削减噪音、水土保持、游憩与文化等多重功能,并将城市各类生态要素有效地组织起来。
城市是居民的生活空间,城市绿色空间与居民生活品质息息相关,绿色空间已成为评价城市环境质量的一个重要指标。随着对地观测技术的发展,遥感数据也已广泛用于城市环境的评价,甚至绿色空间的度量。
目前评价城市绿色空间的方法主要是面积法,就是通过计算城市内绿地所占的面积或者人均绿地面积来评价城市的绿度。由于面积法不能很好的描述城市绿色空间的分布状况,提出了网格法,将研究区域划分成相同大小的均匀格网,通过计算每个格网中的绿地的面积等参数来度量城市绿色空间。Gupta在网格法的基础上提出了社区绿度指数,该指数考虑了建筑物的密度、高度及其与绿地的邻接程度等参数。也有研究人员提出了基于单体建筑物尺度的绿色空间指数,提取城市建筑物面积及其边缘,以建筑物为中心计算每个建筑物周围的绿地面积与建筑物面积的比值来评价城市绿度。
以上方法都没有充分利用遥感数据的空间分辨率来描述城市绿地的空间分布,即准确评价城市的每个角落(遥感影像的每个像元)的绿色空间。网格法虽然考虑的绿色空间的分布,但是该方法是以网格为单元,而不是以像元为单位,同时没有考虑相邻网格的相互影响。基于单体建筑物尺度的绿色空间指数是以建筑物为单元,而且需要精确提取建筑物的边缘,对数据源要求高,操作过程较为复杂。
考虑到以上问题,本发明试图建立一种基于移动窗口的城市绿色空间遥感度量方法。城市居民是城市的主体,城市居民的感受是城市绿色空间评价的重要依据。通过分析城市的任何一处与其周围绿地接触的概率,进而评价城市的绿色空间分布。该方法从植被角度能够更客观的评价城市的哪个区域适宜于居民生活。
发明内容
本发明提出一种基于移动窗口的城市绿色空间遥感度量方法,避免了常规度量方法城市绿地空间分布的描述不足,并且在评价过程中无需提取建筑物边界,简化了流程,提升了速度,操作过程全自动化,有益于推广。该度量方法包括如下步骤:
步骤1)利用遥感影像提取城市的植被信息,将城市分割为植被和非植被区,形成基准图;2)基于基准图中的非植被区域,结合LiDAR数据,利用高度信息提取建筑物,形成建筑物分布图;3)基于所述基准图,以每个像元为中心,构建N×N像元(N为奇数)的窗口,计算窗口内绿地面积与窗口总面积的比值,并将该比值赋给窗口中心像元,作为度量城市像元尺度上绿度的指标(即表示该像元与周围绿地的可达性),形成像元绿度指数分布图;步骤4)对建筑物分布图进行掩膜,与像元绿度指数分布图叠加,形成建筑物绿度指数分布图。
进一步地,所述步骤1)中植被信息提取的方法如下:首先采用NDVI初步将遥感影像划分为植被区域和非植被区域;然后计算归一化绿色指数NDGI,其中NDGI的计算公式如下:NDGI=(NIR-GREEN)/(NIR+GREEN),其中NIR为近红外波段的反射率,GREEN为绿波段的反射率;最后结合植被区域和非植被区域的初步划分结果,采用多参数阈值法,即使用如下计算公式(NDVI≥α)and(NDGI≥β),获取NDVI与NDGI的交集,分离出城市阴影区域的植被信息其中α为NDVI的阈值,β为NDGI的阈值。
进一步地,所述步骤2提取建筑物分布图的方法如下:首先利用LiDAR数据获取数字表面模型(DSM),即地物的高度分布图;然后利用步骤1)中获取的基准图的非植被分布区构建掩膜图,对DSM进行掩膜;最后使用高度阈值法,从DSM提取得到建筑物分布图,即设置建筑物高度阈值为3m,DSM中高于3m的像元为建筑物。
进一步地,所述步骤3)中所述的窗口大小为50m。
进一步地,根据步骤4)中所述的建筑物绿度指数分布图分析不同建筑物接触绿地概率的大小,根据建筑物接触绿地的概率评价生活小区的绿化情况。
附图说明
图1为研究区域NDVI图像;
图2为研究区域NDGI图像;
图3a为原始影像的真彩色合成图;
图3b为研究区局部NDVI图像;
图3c为研究区局部NDGI图像;
图4a为原始影像的真彩色合成图;
图4b为研究区局部NDVI图像;
图4c为研究区局部NDGI图像;
图5为植被分布图;
图6为数字表面模型(DSM)图;
图7为建筑物分布图;
图8为基于移动窗口的绿度指数构建示意图;
图9为像元绿度指数分布图;
图10为建筑物绿度指数分布图。
具体实施方式
下面结合附图对本发明“一种基于遥感影像像元的城市绿色空间度量方法”作进一步说明。
本发明试图建立一个快速城市绿色空间评价方法来更客观的度量城市的每个角落实际接触绿色空间的概率,以及这种概率的空间分布特征,为城市规划、城市绿化提供参考。
1)植被信息提取
采用多参数阈值分割法将城市分割为植被和非植被区。由于植被在近红外波段表现为强反射,而在红色波段表现强吸收这一光谱特性,归一化植被指数NDVI(Normalized Difference Vegetation Index)(见公式1)被广泛用来区分植被与非植被。
NDVI=(NIR-RED)/(NIR+RED) (1)
其中,NIR为近红外波段的反射率,RED为红波段的反射率。
图1显示了研究区域NDVI图像,在NDVI图像上,植被显现高亮,而非植被区域NDVI则明显较小,使得基于NDVI图像的植被提取变得简单有效。然而在高分辨率影像中,高大地物的阴影较为常见,而NDVI阈值法往往将阴影区域的非植被错分为植被。
为了提取阴影区域植被信息,利用多光谱遥感影像中的绿色波段与近红外波段构建归一化绿色指数NDGI(Normalized Difference Green Index),对阴影区非植被信息具有减弱作用,利用NDGI可以有效区分阴影区的植被与非植被信息。
NDGI=(NIR-GREEN)/(NIR+GREEN) (2)
其中NIR为近红外波段的反射率,GREEN为绿波段的反射率。
图2显示了研究区域NDGI图像,在NDGI图像上,植被显现高亮,大部分非植被区域NDGI相对较暗,然而部分彩色屋顶显现的亮度较高,容易错分为植被。
图3a-图3c展示了NDGI指数对阴影区非植被信息的减弱作用。其中图3a为原始影像的真彩色合成图,图中深灰圈为植被在水面上的阴影,浅灰圈为植被在马路上的阴影图;3b为相应区域的NDVI图,图中深灰圈与浅灰圈中的阴影NDVI值相对较亮,与植被的NDVI值相近;3c为相应区域的NDGI图,图中深灰圈与浅灰圈中的阴影NDGI值相对较暗,与植被的NDGI值有明显差异。
图4a-图4c展示了NDGI指数对彩色屋顶的错分现象。其中图4a为原始影像的真彩色合成图,图中灰色圈为彩色屋顶;4b为相应区域的NDVI图,图中灰色圈NDVI值较暗,与植被的NDVI有明显差异;4c为相应区域的NDGI图,图中灰色圈NDGI值相对较亮,与植被的NDGI值相近,难以区分。
因此,为了获取较高精度的植被分布图,本发明充分综合NDVI区分植被与彩色屋顶的特性及NDGI区分阴影区植被与非植被信息的特性,采用多参数阈值法,即NDVI、NDGI分别取阈值,取二者的交集(见公式3)得到较为理想的植被分布图。
(NDVI≥α)and(NDGI≥β) (3)
其中,α为NDVI的阈值,β为NDGI的阈值。
图5为使用多参数阈值法所得到的植被分布图,其中NDVI阈值为0.1,NDGI阈值为0.1。
2)建筑物信息提取
城市的不透水面(如建筑物屋顶、道路、广场等)在多光谱影像中具有相似的光谱特征,难以利用多光谱影像将建筑物从不透水面中提取处理。由于城市的建筑物相对道路、广场具有明显的高度差异,而LiDAR数据能够提取地物的高度,为此可以利用LiDAR数据辅助多光谱数据来提取建筑物。
首先利用LiDAR数据获取数字表面模型(DSM),即地物的高度分布图(如图6所示)。基于上述植被分布图,利用非植被分布区构建掩膜图,对DSM进行掩膜,使用高度阈值法(高度阈值设置为3m,即高于3m的像元为建筑物)从DSM提取得到建筑物分布图(如图7所示)。
3)像元绿度指数计算
以遥感影像像元为单位,构建N×N像元的窗口,计算窗口内植被面积与窗口总面积的比值,作为窗口中心像元的绿度指数,然后移动窗口遍历整个影像,形成像元绿度指数分布图(算法示意图见图8)。
本专利示例遥感影像的像元分辨率为0.5m,这里取窗口大小为50.5m见方(即表示中心像元在周围50m的范围内可以接触到绿地的概率),故N取101。以植被分布图为基础,通过计算得到像元绿度指数分布图(如图9所示)。从中能够十分清楚的看出不同像元接触绿地概率的大小,以及这种绿度指数分布特征。
3)建筑物绿度指数计算
建筑物分布图(图7)为基础构建掩膜图,对像元绿度指数分布图(图9)进行掩膜,即可得到建筑物绿度指数分布图(如图10所示)。从图中能够分析不同建筑物接触绿地概率的大小,甚至可以用于评价不同生活小区的绿化情况。
Claims (5)
1.一种基于移动窗口的城市绿色空间遥感度量方法,该度量方法包括如下步骤:
步骤1)利用遥感影像提取城市的植被信息,将城市分割为植被和非植被区,形成基准图;
步骤2)基于所述基准图中的非植被区域,结合LiDAR数据,利用高度信息提取建筑物,形成建筑物分布图;
步骤3)基于所述基准图,以每个像元为中心,构建N×N像元的窗口,其中N为奇数,计算窗口内绿地面积与窗口总面积的比值,并将该比值赋给窗口中心像元,作为度量城市像元尺度上绿度的指标,即表示该像元与周围绿地的可达性,形成像元绿度指数分布图;
步骤4)对建筑物分布图进行掩膜,与像元绿度指数分布图叠加,形成建筑物绿度指数分布图。
2.如权利要求1所述的度量方法,其特征在于,所述步骤1)中植被信息提取的方法如下:首先采用NDVI初步将遥感影像划分为植被区域和非植被区域;然后计算归一化绿色指数NDGI,其中NDGI的计算公式如下:NDGI=(NIR-GREEN)/(NIR+GREEN),其中NIR为近红外波段的反射率,GREEN为绿波段的反射率;最后结合植被区域和非植被区域的初步划分结果,采用多参数阈值法,即使用如下计算公式(NDVI≥α)and(NDGI≥β),获取NDVI与NDGI的交集,分离出城市阴影区域的植被,其中α为NDVI的阈值,β为NDGI的阈值。
3.如权利要求1所述的度量方法,其特征在于,所述步骤2)提取建筑物分布图的方法如下:首先利用LiDAR数据获取数字表面模型(DSM),即地物的高度分布图;然后利用步骤1)中获取的基准图的非植被分布区构建掩膜图,对DSM进行掩膜;最后使用高度阈值法,从DSM中提取得到建筑物分布图,即设置建筑物高度阈值为3m,DSM中高于3m的像元为建筑物。
4.如权利要求1所述的度量方法,其特征在于,所述步骤3)中所述的窗口大小为50m。
5.如权利要求1所述的度量方法,其特征在于,根据步骤4)中所述的建筑物绿度指数分布图分析不同建筑物接触绿地概率的大小,根据建筑物接触绿地概率评价生活小区的绿化情况。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410444201.0A CN104463836B (zh) | 2014-09-03 | 2014-09-03 | 一种基于移动窗口的城市绿色空间遥感度量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410444201.0A CN104463836B (zh) | 2014-09-03 | 2014-09-03 | 一种基于移动窗口的城市绿色空间遥感度量方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104463836A true CN104463836A (zh) | 2015-03-25 |
CN104463836B CN104463836B (zh) | 2017-11-21 |
Family
ID=52909821
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410444201.0A Active CN104463836B (zh) | 2014-09-03 | 2014-09-03 | 一种基于移动窗口的城市绿色空间遥感度量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104463836B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105095888A (zh) * | 2015-09-18 | 2015-11-25 | 中国科学院遥感与数字地球研究所 | 一种基于不透水面聚集密度的城市主要建成区遥感提取方法 |
CN105224788A (zh) * | 2015-09-11 | 2016-01-06 | 杭州市园林绿化股份有限公司 | 一种快速诊断居住区热消减值的遥感监测方法 |
CN106652024A (zh) * | 2016-12-21 | 2017-05-10 | 华东师范大学 | 一种城市楼层可视绿地面积快速估算及三维展示的方法 |
JP2017169450A (ja) * | 2016-03-18 | 2017-09-28 | 東京電力ホールディングス株式会社 | 植物領域判断システムおよび植物領域判断方法 |
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 |
CN108491642A (zh) * | 2018-03-27 | 2018-09-04 | 中国科学院遥感与数字地球研究所 | 一种基于层级景观模型的楼层尺度城市绿度感知度量方法 |
CN108510514A (zh) * | 2018-04-08 | 2018-09-07 | 福建师范大学 | 一种利用激光雷达数据和遥感影像的建筑物提取方法 |
CN109299673A (zh) * | 2018-09-05 | 2019-02-01 | 中国科学院地理科学与资源研究所 | 城市群绿度空间提取方法及介质 |
CN109522849A (zh) * | 2018-11-22 | 2019-03-26 | 中国科学院遥感与数字地球研究所 | 一种基于mndii时间序列的城市不透水面提取方法 |
CN109886103A (zh) * | 2019-01-14 | 2019-06-14 | 中山大学 | 城市贫困分布测度方法 |
CN114120106A (zh) * | 2021-11-13 | 2022-03-01 | 肇庆市城市规划设计院 | 城市绿地景观评价方法、装置、存储介质及终端设备 |
CN114119634A (zh) * | 2021-11-22 | 2022-03-01 | 武汉大学 | 结合植被剔除和图像特征一致性约束的建筑物自动提取方法及系统 |
CN115859765A (zh) * | 2022-09-29 | 2023-03-28 | 中山大学 | 城市扩张的预测方法、装置、设备及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012063241A1 (en) * | 2010-11-11 | 2012-05-18 | Avi Buzaglo Yoresh | System and method for detection of minefields |
CN103235952A (zh) * | 2013-04-03 | 2013-08-07 | 中国科学院遥感应用研究所 | 一种基于高分辨率遥感影像的城市绿度空间的度量方法 |
-
2014
- 2014-09-03 CN CN201410444201.0A patent/CN104463836B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012063241A1 (en) * | 2010-11-11 | 2012-05-18 | Avi Buzaglo Yoresh | System and method for detection of minefields |
CN103235952A (zh) * | 2013-04-03 | 2013-08-07 | 中国科学院遥感应用研究所 | 一种基于高分辨率遥感影像的城市绿度空间的度量方法 |
Non-Patent Citations (2)
Title |
---|
EDWARD W. BORK等: "Integrating LIDAR data and multispectral imagery for enhanced classification of rangeland vegetation:A meta analysis", 《REMOTE SENSING OF ENVIRONMENT》 * |
张玲玲等: "基于移动窗口法的岷江干旱河谷景观格局梯度分析", 《生态学报》 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105224788A (zh) * | 2015-09-11 | 2016-01-06 | 杭州市园林绿化股份有限公司 | 一种快速诊断居住区热消减值的遥感监测方法 |
CN105095888A (zh) * | 2015-09-18 | 2015-11-25 | 中国科学院遥感与数字地球研究所 | 一种基于不透水面聚集密度的城市主要建成区遥感提取方法 |
JP2017169450A (ja) * | 2016-03-18 | 2017-09-28 | 東京電力ホールディングス株式会社 | 植物領域判断システムおよび植物領域判断方法 |
CN106652024A (zh) * | 2016-12-21 | 2017-05-10 | 华东师范大学 | 一种城市楼层可视绿地面积快速估算及三维展示的方法 |
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 |
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 |
CN108491642A (zh) * | 2018-03-27 | 2018-09-04 | 中国科学院遥感与数字地球研究所 | 一种基于层级景观模型的楼层尺度城市绿度感知度量方法 |
CN108510514A (zh) * | 2018-04-08 | 2018-09-07 | 福建师范大学 | 一种利用激光雷达数据和遥感影像的建筑物提取方法 |
CN108510514B (zh) * | 2018-04-08 | 2021-06-01 | 福建师范大学 | 一种利用激光雷达数据和遥感影像的建筑物提取方法 |
CN109299673A (zh) * | 2018-09-05 | 2019-02-01 | 中国科学院地理科学与资源研究所 | 城市群绿度空间提取方法及介质 |
CN109522849A (zh) * | 2018-11-22 | 2019-03-26 | 中国科学院遥感与数字地球研究所 | 一种基于mndii时间序列的城市不透水面提取方法 |
CN109886103A (zh) * | 2019-01-14 | 2019-06-14 | 中山大学 | 城市贫困分布测度方法 |
CN114120106A (zh) * | 2021-11-13 | 2022-03-01 | 肇庆市城市规划设计院 | 城市绿地景观评价方法、装置、存储介质及终端设备 |
CN114119634A (zh) * | 2021-11-22 | 2022-03-01 | 武汉大学 | 结合植被剔除和图像特征一致性约束的建筑物自动提取方法及系统 |
CN114119634B (zh) * | 2021-11-22 | 2024-07-19 | 武汉大学 | 结合植被剔除和图像特征一致性约束的建筑物自动提取方法及系统 |
CN115859765A (zh) * | 2022-09-29 | 2023-03-28 | 中山大学 | 城市扩张的预测方法、装置、设备及存储介质 |
CN115859765B (zh) * | 2022-09-29 | 2023-12-08 | 中山大学 | 城市扩张的预测方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN104463836B (zh) | 2017-11-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104463836A (zh) | 一种基于移动窗口的城市绿色空间遥感度量方法 | |
CN105335966B (zh) | 基于局域同质性指标的多尺度遥感影像分割方法 | |
CN105956557B (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 | |
CN103824077B (zh) | 一种基于多源遥感数据的城市不透水层率息提取方法 | |
CN103914678B (zh) | 基于纹理与植被指数的撂荒地遥感识别方法 | |
CN103578110B (zh) | 基于灰度共生矩阵的多波段高分辨率遥感影像分割方法 | |
CN103235952B (zh) | 一种基于高分辨率遥感影像的城市绿度空间的度量方法 | |
JP2012517650A (ja) | 場面の内容に基づく点群データの視覚化のための方法及びシステム | |
CN107240079A (zh) | 一种基于图像处理的路面裂缝检测方法 | |
CN103955583B (zh) | 一种确定夜晚灯光数据提取城市建成区阈值的方法 | |
CN105261018A (zh) | 基于光学模型和暗原色先验理论的能见度检测方法 | |
CN101403795A (zh) | 估算城区树覆盖率的遥感测量方法及其遥感测量系统 | |
Baker et al. | A GIS and object based image analysis approach to mapping the greenspace composition of domestic gardens in Leicester, UK | |
CN108051371A (zh) | 一种面向生态环境参量遥感反演的阴影提取方法 | |
CN111062368A (zh) | 基于Landsat时间序列遥感影像的城市更新区域监测方法 | |
Nie et al. | Understanding the effects of the impervious surfaces pattern on land surface temperature in an urban area | |
Lu et al. | Regional assessment of pan-Pacific urban environments over 25 years using annual gap free Landsat data | |
CN103593858A (zh) | 一种地面激光雷达扫描数据中绿色植被滤除方法 | |
CN103279954A (zh) | 一种基于土地利用数据库的遥感影像变化检测方法 | |
CN117036326A (zh) | 一种基于多模态融合的缺陷检测方法 | |
Zhang et al. | Surface urban heat island in Shanghai, China: Examining the relationship between land surface temperature and impervious surface fractions derived from Landsat ETM+ imagery | |
Wang et al. | Building heights estimation using ZY3 data—A case study of Shanghai, China | |
CN107657246B (zh) | 一种基于多尺度滤波建筑指数的遥感影像建筑物检测方法 | |
CN104392209A (zh) | 一种目标与背景的图像复杂度评价模型 | |
CN103530888B (zh) | 基于比例信息的林地被动微波混合像元分解方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |