CN108537265A - 基于夜间灯光遥感数据的城镇人口时空分布估计方法 - Google Patents
基于夜间灯光遥感数据的城镇人口时空分布估计方法 Download PDFInfo
- Publication number
- CN108537265A CN108537265A CN201810278446.9A CN201810278446A CN108537265A CN 108537265 A CN108537265 A CN 108537265A CN 201810278446 A CN201810278446 A CN 201810278446A CN 108537265 A CN108537265 A CN 108537265A
- Authority
- CN
- China
- Prior art keywords
- data
- population
- light
- value
- spatial
- 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
Links
- 238000009826 distribution Methods 0.000 title claims abstract description 52
- 230000002123 temporal effect Effects 0.000 title claims abstract description 36
- 238000000034 method Methods 0.000 title claims abstract description 34
- 239000000284 extract Substances 0.000 claims abstract description 8
- 238000013499 data model Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 4
- 230000035772 mutation Effects 0.000 claims description 3
- 238000012800 visualization Methods 0.000 claims description 3
- 239000004744 fabric Substances 0.000 claims description 2
- 230000008569 process Effects 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 description 3
- DFPOZTRSOAQFIK-UHFFFAOYSA-N S,S-dimethyl-beta-propiothetin Chemical compound C[S+](C)CCC([O-])=O DFPOZTRSOAQFIK-UHFFFAOYSA-N 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000007637 random forest analysis Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Educational Administration (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Development Economics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Probability & Statistics with Applications (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及基于夜间灯光遥感数据的城镇人口时空分布估计方法，首先提取城镇区域的夜间灯光数据；然后对各城镇逐年人口数据进行建模并建立灯光总值和城镇人口时间上的回归方程，并利用该回归方程进行人口数的预测；再根据已提取的城镇区域的夜间灯光数据值，得出人口的粗略空间分布：最后对夜间灯光数据进行空间聚类；将空间位置邻近且灯光值相近的点聚为一类，得出聚类结果，统计每一类的灯光加权平均值，其平均值越高则表示与该类相对应的城镇规模越大。通过本发明可通过回归模型预测之后的城镇人口，弥补传统统计数据时间分辨率低的缺点。另外，通过灯光数据对人口进行空间化表示，弥补传统统计数据空间分辨率低，空间分布特征不明显的缺点。
Description
技术领域
本发明属于夜间灯光遥感数据处理领域，具体涉及一种基于夜间 灯光遥感数据的城镇人口时空分布估计方法。
背景技术
人口是城市发展的重要因素，科学有效的管理人口对城市各方面 的发展都具有重要意义。近年来，我国城市化发展步伐加快，对人口 数据的要求也显得尤为重要。我国人口数据是通过全国性人口普查， 以行政区划为基本单元收集和管理的，在实际应用中存在两方面的问 题：1、时间分辨率低，人口普查数据更新周期长，无法提供实时人 口数据；2、空间分辨率低，且无法直观看出各地区之间的人口分布 差异。
因此，中国专利CN 106650618A公开一种基于随机森林模型的 人口数据空间化方法，选取地表覆盖数据、灯光数据等与人口分布相 关的变量因子，经过预处理后输入到随机森林模型中，利用随机森林 模型确定人口密度与变量因子之间的关系和变量因子重要性，并基于 这个关系反演出每个网格的人口密度，最后通过分区密度制图对估算 结果进行修正，得到网格化的人口分布结果。该方法能进一步提高人 口数据空间化的精度并解释变量因子的重要性。但是该方法更偏重于 在大尺度上分城市功能区对人口密度进行反演，忽略了时间上的变 化，且其空间上是通过功能区来区分的，只能先确定功能区，再对其 人口进行反演，如果功能区未知，那么该方案就不可行，因此其方法 存在局限性。
中国专利CN 104809572A公开一种基于夜晚灯光数据反演人 口密度的方法，使用数据包括VIIRS DNB夜晚灯光数据和土地利 用数据，以及人口统计数据、村级行政边界数据和DEM数据。处 理过程为：a、基于土地利用数据提取城市功能区；b、利用夜晚灯 光数据与人口密度数据建立灯光值与人口密度值的关系；c、利用b 中建立的关系，基于夜晚灯光数据对人口密度进行反演得到初步反 演的人口密度结果；d、在不同功能区中建立人口密度与夜晚灯光 亮度值的关系，利用不同功能区中的关系式对c中的初步反演结果 进行校正。该方法同样也没有考虑时间上的问题，且其空间格网化 为一种整体空间上的人口分布，可以看出大概的空间分布，但不能 明确其各个地区的人口聚集中心。
发明内容
本发明提供基于夜间灯光遥感数据的城镇人口时空分布估计方 法，旨在可以通过建立夜间灯光数据与城镇人口之间的回归模型来预 测之后的城镇人口，弥补传统统计数据时间分辨率低的缺点。另外， 通过灯光数据对人口进行空间化表示，弥补传统统计数据空间分辨率 低，空间分布特征不明显的缺点。
为了解决上述技术问题，本发明采取的技术方案为：
基于夜间灯光遥感数据的城镇人口时空分布估计方法，其包括如 下步骤：
S1：提取城镇区域的夜间灯光数据；
S2：对各城镇逐年人口数据进行建模，建模中舍去其突变时间段 的人口值；
S3：根据提取的夜间灯光数据与已知的人口数据进行时间上的回 归，得出回归方程与拟合的R2值；并利用该回归方程进行人口数的 预测；
S4：根据已提取的城镇区域的夜间灯光数据值，依据以下公式得 出人口的粗略空间分布：
其中，灯光总值＝∑(value×count)，value代表每一栅格的灯光亮度值， count代表在该区域内等于该value的栅格数，P代表人口数；
S5：对夜间灯光数据进行空间聚类；将空间位置邻近且灯光属性 值相近的点聚为一类，得出聚类结果，统计每一类的灯光加权平均值， 其平均值越高则表示与该类相对应的城镇规模越大。
优选地，上述的基于夜间灯光遥感数据的城镇人口时空分布估计 方法，其步骤S1中采用二分法确定各城镇灯光亮度阈值DNT，进而 提取城镇区域的夜间灯光数据。
优选地，上述的基于夜间灯光遥感数据的城镇人口时空分布估计 方法，其设定夜间灯光亮度阈值DNT，统计各灯光斑块面积与各城镇 建成区面积进行比较，至到某一阈值条件下利用灯光影像数据提取的 各城镇建成区面积总量与统计数据充分接近为止。
优选地，上述的基于夜间灯光遥感数据的城镇人口时空分布估计 方法，其步骤S2中采用时间序列建模器对各城镇逐年人口数据进行 建模。
优选地，上述的基于夜间灯光遥感数据的城镇人口时空分布估计 方法，其步骤S3中R2值满足R2值>90％的情况下，表明其能精确的 拟合相应的城镇人口数据，即可根据灯光遥感影像实时估算人口数。
优选地，上述的基于夜间灯光遥感数据的城镇人口时空分布估计 方法，其步骤S4中可将人口数P可视化于地图上，并与实际行政区 域图进行对比，可以得出人口的红色聚集处基本上位于市中心附近， 而且人口的黄色聚集处基本上位于县中心附近。
优选地，上述的基于夜间灯光遥感数据的城镇人口时空分布估计 方法，其步骤S5还包括如下步骤：
S1，：利用空间聚类算法根据夜间灯光数据得出城镇分布位置， 根据夜光遥感图像，对夜光遥感图像进行空间聚类，得到聚类结果；
S2，：统计每一类的灯光平均值，对每一类按灯光平均值降序进 行排序，选取前几类作为主要城市，每一类的聚类中心点认为是该城 市的位置；
S3，：统计每一类的灯光加权平均值，取灯光平均值最大的前几 类作为是较大城市的区域。
优选地，上述的基于夜间灯光遥感数据的城镇人口时空分布估计 方法，其聚类过程中，使用未标准化的数据进行k-means聚类，预设 聚类数为50，筛选出所有灯光值大于零的点进行聚类，并采用编写 的程序处理夜间灯光遥感影像。
与现有技术相比，本发明技术优势为：该技术方案基于 DMSP/OLS夜间灯光遥感数据，分别从时间和空间上建立夜间灯光 值与城镇人口数量的关系模型，由此进行人口的时空分布预测，可以 解决弥补人口普查时空分辨率低的缺点。为此，本发明选用往年的灯 光数据与人口数据建立回归模型，以此来进行实时的人口估算。并以 灯光数据为基础空间化人口分布，得出人口空间分布图，可以直观看 出人口聚集地，以及随时间变化的人口分布空间变化；并且为了得 到更精确的人口聚集点(即城市点)，本发明使用聚类算法对灯光值进行聚类，再得到其加权平均中心即为相应的城市点。
本发明通过建立夜间灯光数据与城镇人口之间的回归模型来预 测之后的城镇人口，弥补了传统统计数据时间分辨率低的缺点。另外， 通过灯光数据对人口进行空间化表示，弥补了传统统计数据空间分辨 率低，空间分布特征不明显的缺点。具体而言，本发明基于夜间灯光 遥感数据，构建了人口数量—灯光值回归模型，可以通过灯光数据来 进行人口的估测。为人口预测提供了一种新方法；另外，基于夜间灯 光遥感数据，经过一定处理，得出了人口空间分布专题图，可以直观 地体现人口空间分布状况。并且，通过从时间上的纵向观察，可以比 较得出人口的空间分布随时间的演变。
总体来说，该技术方案基于夜间灯光对人口分布进行时空建模。 具体地，它根据往年的城镇人口与相应灯光值建立关系模型，并可根 据此模型预测城镇未来人口。此外，对已知夜间灯光进行聚类分析， 得出的聚类中心可以反映了人口的分布聚集中心。本发明弥补了传统 人口统计数据时空分辨率低的缺点。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方 案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简 单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式， 对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可 以根据这些附图获得其他的附图。
图1是本发明中灯光亮度阈值确定流程图；
图2是本发明实例中衡阳2011年夜间灯光遥感数据图；
图3是本发明实例中湖南省2013年人口预测分布图；
图4是湖南省2011年依据灯光数据的聚类结果。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述，显 然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。 基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动 前提下所获得的所有其他实施例，都属于本发明保护的范围。
下面通过具体的实施例子并结合附图对本发明做进一步的详细 描述。
基于夜间灯光遥感数据的城镇人口时空分布估计方法，其包括如 下步骤：
S1：提取城镇区域的夜间灯光数据；
S2：对各城镇逐年人口数据进行建模，建模中舍去其突变时间段 的人口值；
S3：根据提取的夜间灯光数据与已知的人口数据进行时间上的回 归，得出回归方程与拟合的R2值；并利用该回归方程进行人口数的 预测；
S4：根据已提取的城镇区域的夜间灯光数据值，依据以下公式得 出人口的粗略空间分布：
其中，灯光总值＝∑(value×count)，value代表每一栅格的灯光亮度值， count代表在该区域内等于该value的栅格数，P代表人口数；
S5：对夜间灯光数据进行空间聚类；将空间位置邻近且灯光属性 值相近的点聚为一类，得出聚类结果，统计每一类的灯光加权平均值， 其平均值越高则表示与该类相对应的城镇规模越大。
步骤S1中首先提取各年份研究区域的夜间灯光影像图，如图2 为2011年衡阳夜间灯光影像，然后采用二分法确定各城镇灯光亮度 阈值DNT，进而提取城镇区域的夜间灯光数据。
具体方法：设定夜间灯光亮度阈值DNT，统计各灯光斑块面积与 各城镇建成区面积进行比较，至到某一阈值条件下利用灯光影像数据 提取的各城镇建成区面积总量与统计数据充分接近为止，其流程图如 图1所示。
步骤S2中采用时间序列建模器对各城镇逐年人口数据进行建 模，可剔除明显差异大的年份数据，用其余的年份建立回归模型。
当步骤S3中R2值满足R2值>90％的情况下，表明其能精确的拟 合相应的城镇人口数据，即可根据灯光遥感影像实时估算人口数。
步骤S4中可将人口数P可视化于地图上，如图3所示，与实际 行政区域图进行对比，可以得出人口的红色聚集处基本上位于市中心 附近，而且人口的黄色聚集处基本上位于县中心附近。
步骤S5还包括如下步骤：
S1，：利用空间聚类算法根据夜间灯光数据得出城镇分布位置， 根据夜光遥感图像，对夜光遥感图像进行空间聚类，得到聚类结果；
S2，：统计每一类的灯光平均值，对每一类按灯光平均值降序进 行排序，选取前几类作为主要城市，每一类的聚类中心点认为是该城 市的位置；
S3，：统计每一类的灯光加权平均值，取灯光平均值最大的前几 类作为是较大城市的区域。
如图4所示，选出了前几个聚类中心，并将它们与实际的城 市位置进行比较，能够与地市级和县级城镇相匹配。
上述聚类过程中，使用未标准化的数据进行k-means聚类，预设 聚类数为50，筛选出所有灯光值大于零的点进行聚类，并采用编写 的程序处理夜间灯光遥感影像。
该技术方案基于DMSP/OLS夜间灯光遥感数据，分别从时间和 空间上建立夜间灯光值与城镇人口数量的关系模型，由此进行人口的 时空分布预测，可以解决弥补人口普查时空分辨率低的缺点。为此， 本发明选用往年的灯光数据与人口数据建立回归模型，以此来进行实 时的人口估算。并以灯光数据为基础空间化人口分布，得出人口空间 分布图，可以直观看出人口聚集地，以及随时间变化的人口分布空 间变化；并且为了得到更精确的人口聚集点(即城市点)，本发明使 用聚类算法对灯光值进行聚类，再得到其加权平均中心即为相应的城 市点。
本发明通过建立夜间灯光数据与城镇人口之间的回归模型来预 测之后的城镇人口，弥补了传统统计数据时间分辨率低的缺点。另外， 通过灯光数据对人口进行空间化表示，弥补了传统统计数据空间分辨 率低，空间分布特征不明显的缺点。具体而言，本发明基于夜间灯光 遥感数据，构建了人口数量—灯光值回归模型，可以通过灯光数据来 进行人口的估测。为人口预测提供了一种新方法；另外，基于夜间灯 光遥感数据，经过一定处理，得出了人口空间分布专题图，可以直观 地体现人口空间分布状况。并且，通过从时间上的纵向观察，可以比 较得出人口的空间分布随时间的演变。
总体来说，该技术方案基于夜间灯光对人口分布进行时空建模。 具体地，它根据往年的城镇人口与相应灯光值建立关系模型，并可根 据此模型预测城镇未来人口。此外，对已知夜间灯光进行聚类分析， 得出的聚类中心可以反映了人口的分布聚集中心。本发明弥补了传统 人口统计数据时空分辨率低的缺点。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案， 而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明， 本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载 的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替 换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各 实施例技术方案的范围。
Claims (8)
1.一种基于夜间灯光遥感数据的城镇人口时空分布估计方法，其特征在于，包括如下步骤：
S1：提取城镇区域的夜间灯光数据；
S2：对各城镇逐年人口数据进行建模，建模中舍去其突变时间段的人口值；
S3：根据提取的夜间灯光数据与已知的人口数据进行时间上的回归，得出回归方程与拟合的R2值；并利用该回归方程进行人口数的预测；
S4：根据已提取的城镇区域的夜间灯光数据值，依据以下公式得出人口的粗略空间分布：
P＝C×value
其中，灯光总值＝∑(value×count)，value代表每一栅格的灯光亮度值，count代表在该区域内等于该value的栅格数，P代表人口数；
S5：对夜间灯光数据进行空间聚类；将空间位置邻近且灯光属性值相近的点聚为一类，得出聚类结果，统计每一类的灯光加权平均值，其平均值越高则表示与该类相对应的城镇规模越大。
2.根据权利要求1所述的基于夜间灯光遥感数据的城镇人口时空分布估计方法，其特征在于，步骤S1中采用二分法确定各城镇灯光亮度阈值DNT，进而提取城镇区域的夜间灯光数据。
3.根据权利要求2所述的基于夜间灯光遥感数据的城镇人口时空分布估计方法，其特征在于，设定夜间灯光亮度阈值DNT，统计各灯光斑块面积与各城镇建成区面积进行比较，至到某一阈值条件下利用灯光影像数据提取的各城镇建成区面积总量与统计数据充分接近为止。
4.根据权利要求1所述的基于夜间灯光遥感数据的城镇人口时空分布估计方法，其特征在于，步骤S2中采用时间序列建模器对各城镇逐年人口数据进行建模。
5.根据权利要求1所述的基于夜间灯光遥感数据的城镇人口时空分布估计方法，其特征在于，步骤S3中R2值满足R2值>90％的情况下，表明其能精确的拟合相应的城镇人口数据，即可根据灯光遥感影像实时估算人口数。
6.根据权利要求1所述的基于夜间灯光遥感数据的城镇人口时空分布估计方法，其特征在于，步骤S4中可将人口数P可视化于地图上，并与实际行政区域图进行对比，可以得出人口的红色聚集处基本上位于市中心附近，而且人口的黄色聚集处基本上位于县中心附近。
7.根据权利要求1所述的基于夜间灯光遥感数据的城镇人口时空分布估计方法，其特征在于，步骤S5还包括如下步骤：
S1’：利用空间聚类算法根据夜间灯光数据得出城镇分布位置，根据夜光遥感图像，对夜光遥感图像进行空间聚类，得到聚类结果；
S2’：统计每一类的灯光平均值，对每一类按灯光平均值降序进行排序，选取前几类作为主要城市，每一类的聚类中心点认为是该城市的位置；
S3’：统计每一类的灯光加权平均值，取灯光平均值最大的前几类作为是较大城市的区域。
8.根据权利要求1或7所述的基于夜间灯光遥感数据的城镇人口时空分布估计方法，其特征在于，聚类过程中，使用未标准化的数据进行k-means聚类，预设聚类数为50，筛选出所有灯光值大于零的点进行聚类，并采用编写的程序处理夜间灯光遥感影像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810278446.9A CN108537265A (zh) | 2018-03-30 | 2018-03-30 | 基于夜间灯光遥感数据的城镇人口时空分布估计方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810278446.9A CN108537265A (zh) | 2018-03-30 | 2018-03-30 | 基于夜间灯光遥感数据的城镇人口时空分布估计方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108537265A true CN108537265A (zh) | 2018-09-14 |
Family
ID=63481987
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810278446.9A Pending CN108537265A (zh) | 2018-03-30 | 2018-03-30 | 基于夜间灯光遥感数据的城镇人口时空分布估计方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108537265A (zh) |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109978264A (zh) * | 2019-03-27 | 2019-07-05 | 西安电子科技大学 | 一种基于时空信息的城市人口分布预测方法 |
| CN109978249A (zh) * | 2019-03-19 | 2019-07-05 | 广州大学 | 基于分区建模的人口数据空间化方法、系统及介质 |
| CN110765885A (zh) * | 2019-09-29 | 2020-02-07 | 武汉大学 | 一种基于异源夜光遥感影像的城市扩张检测方法及装置 |
| CN111414820A (zh) * | 2020-03-11 | 2020-07-14 | 长光卫星技术有限公司 | 一种基于夜光影像的城市人口密度获取方法 |
| CN111506879A (zh) * | 2020-04-16 | 2020-08-07 | 广州大学 | 一种基于多源感知数据的人口空间化测算方法、装置 |
| CN112085250A (zh) * | 2020-07-30 | 2020-12-15 | 中国科学院城市环境研究所 | 一种人口空间分布模拟方法、终端设备及存储介质 |
| CN112115844A (zh) * | 2020-09-15 | 2020-12-22 | 中国科学院城市环境研究所 | 基于多源遥感影像和路网数据的城市人口数据分析方法 |
| CN112288656A (zh) * | 2020-11-16 | 2021-01-29 | 中电科大数据研究院有限公司 | 一种基于夜光遥感的电力消费量时空动态分析方法 |
| CN112650758A (zh) * | 2020-12-31 | 2021-04-13 | 中国科学院西北高原生物研究所 | 地理信息数据处理方法、系统、装置及计算机可读介质 |
| WO2021103321A1 (zh) * | 2019-11-29 | 2021-06-03 | 青岛理工大学 | 一种历史名城老城区人口变化监测可视化系统 |
| CN112966925A (zh) * | 2021-03-02 | 2021-06-15 | 哈尔滨工业大学 | 一种基于遥感时序变化分析的村镇垃圾增量风险分析系统 |
| CN114529478A (zh) * | 2022-02-28 | 2022-05-24 | 暨南大学 | 基于随机森林算法的dmsp/ols数据校正方法、系统及介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101710331A (zh) * | 2008-10-23 | 2010-05-19 | 中国科学院地理科学与资源研究所 | 一种人口抽样调查样本分层系统及方法 |
| CN105787276A (zh) * | 2016-02-29 | 2016-07-20 | 华中师范大学 | 基于夜间灯光强度的港口经济综合评价估计方法及系统 |
| CN107093034A (zh) * | 2017-06-05 | 2017-08-25 | 四川通信科研规划设计有限责任公司 | 一种无线网效益分析方法 |
-
2018
- 2018-03-30 CN CN201810278446.9A patent/CN108537265A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101710331A (zh) * | 2008-10-23 | 2010-05-19 | 中国科学院地理科学与资源研究所 | 一种人口抽样调查样本分层系统及方法 |
| CN105787276A (zh) * | 2016-02-29 | 2016-07-20 | 华中师范大学 | 基于夜间灯光强度的港口经济综合评价估计方法及系统 |
| CN107093034A (zh) * | 2017-06-05 | 2017-08-25 | 四川通信科研规划设计有限责任公司 | 一种无线网效益分析方法 |
Non-Patent Citations (6)
| Title |
|---|
| 曹丽琴等: "基于DMSP/OLS夜间灯光数据的城市人口估算――以湖北省各县市为例", 《遥感信息》 * |
| 杨洋等: "基于DMSP/OLS夜间灯光数据的土地城镇化水平时空测度研究――以环渤海地区为例", 《经济地理》 * |
| 王海羽等: "基于DMSP/OLS夜间灯光数据的武汉城市圈拓展研究", 《测绘地理信息》 * |
| 胡云锋等: "基于夜间灯光与LUC数据的川渝地区人口空间化研究", 《地球信息科学学报》 * |
| 金梦等: "基于夜间灯光遥感数据多尺度城市聚类分析", 《遥感技术与应用》 * |
| 黄慧萍等: "大数据时代土地利用优化的机遇、数据源及潜在应用", 《中国土地科学》 * |
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109978249A (zh) * | 2019-03-19 | 2019-07-05 | 广州大学 | 基于分区建模的人口数据空间化方法、系统及介质 |
| CN109978264A (zh) * | 2019-03-27 | 2019-07-05 | 西安电子科技大学 | 一种基于时空信息的城市人口分布预测方法 |
| CN110765885A (zh) * | 2019-09-29 | 2020-02-07 | 武汉大学 | 一种基于异源夜光遥感影像的城市扩张检测方法及装置 |
| WO2021103321A1 (zh) * | 2019-11-29 | 2021-06-03 | 青岛理工大学 | 一种历史名城老城区人口变化监测可视化系统 |
| CN111414820A (zh) * | 2020-03-11 | 2020-07-14 | 长光卫星技术有限公司 | 一种基于夜光影像的城市人口密度获取方法 |
| CN111506879A (zh) * | 2020-04-16 | 2020-08-07 | 广州大学 | 一种基于多源感知数据的人口空间化测算方法、装置 |
| CN111506879B (zh) * | 2020-04-16 | 2023-06-09 | 广州大学 | 一种基于多源感知数据的人口空间化测算方法、装置 |
| CN112085250A (zh) * | 2020-07-30 | 2020-12-15 | 中国科学院城市环境研究所 | 一种人口空间分布模拟方法、终端设备及存储介质 |
| CN112085250B (zh) * | 2020-07-30 | 2024-02-13 | 中国科学院城市环境研究所 | 一种人口空间分布模拟方法、终端设备及存储介质 |
| CN112115844B (zh) * | 2020-09-15 | 2022-10-18 | 中国科学院城市环境研究所 | 基于多源遥感影像和路网数据的城市人口数据分析方法 |
| CN112115844A (zh) * | 2020-09-15 | 2020-12-22 | 中国科学院城市环境研究所 | 基于多源遥感影像和路网数据的城市人口数据分析方法 |
| CN112288656A (zh) * | 2020-11-16 | 2021-01-29 | 中电科大数据研究院有限公司 | 一种基于夜光遥感的电力消费量时空动态分析方法 |
| CN112650758A (zh) * | 2020-12-31 | 2021-04-13 | 中国科学院西北高原生物研究所 | 地理信息数据处理方法、系统、装置及计算机可读介质 |
| CN112966925A (zh) * | 2021-03-02 | 2021-06-15 | 哈尔滨工业大学 | 一种基于遥感时序变化分析的村镇垃圾增量风险分析系统 |
| CN114529478A (zh) * | 2022-02-28 | 2022-05-24 | 暨南大学 | 基于随机森林算法的dmsp/ols数据校正方法、系统及介质 |
| CN114529478B (zh) * | 2022-02-28 | 2024-09-03 | 暨南大学 | 基于随机森林算法的dmsp/ols数据校正方法、系统及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108537265A (zh) | 基于夜间灯光遥感数据的城镇人口时空分布估计方法 | |
| Cai et al. | Using multi-source geospatial big data to identify the structure of polycentric cities | |
| Longley et al. | On the measurement and generalisation of urban form | |
| CN108446293A (zh) | 一种基于城市多源异构数据构建城市画像的方法 | |
| Liang et al. | Revealing spatio-temporal evolution of urban visual environments with street view imagery | |
| CN103714185B (zh) | 主题事件更新方法库及城市多源时空信息并行更新方法 | |
| CN107526786A (zh) | 基于多源数据的地名地址数据整合的方法和系统 | |
| CN105069469B (zh) | 一种基于模糊c均值聚类算法和熵理论的数据流检测方法 | |
| CN110856186B (zh) | 一种无线网络知识图谱的构建方法及系统 | |
| CN106326923B (zh) | 一种顾及位置重复和密度峰值点的签到位置数据聚类方法 | |
| CN106651027B (zh) | 一种基于社交网络的互联网班车线路优化方法 | |
| CN108470195A (zh) | 视频身份管理方法及装置 | |
| CN113342873B (zh) | 一种基于城市形态与汇聚模式的人口分析单元划分方法 | |
| CN112566029B (zh) | 基于手机定位数据的城市就业中心识别方法及装置 | |
| Rahman et al. | A GIS based integrated approach to measure the spatial equity of community facilities of Bangladesh | |
| CN116013084B (zh) | 交通管控场景确定方法、装置、电子设备及存储介质 | |
| CN116011322A (zh) | 基于数字孪生的城市信息展示方法、装置、设备及介质 | |
| CN114219379B (zh) | 一种适用于社区服务圈的资源配套评估方法、及系统 | |
| CN115442748A (zh) | 一种使用手机信令数据进行城市空间结构识别方法 | |
| CN108898244A (zh) | 一种耦合多源要素的数字标牌位置推荐方法 | |
| Lee et al. | Spatiotemporal distributions of population in Seoul: joint influence of ridership and accessibility of the subway system | |
| CN112598263B (zh) | 基于城市扩张全局结构的中心性和集聚性测度方法 | |
| Drobnjaković et al. | Re-thinking rurality: Towards a new research approach and rural-urban spatial gradient establishment in Serbia | |
| Hugo et al. | New conceptualisation of settlement for demography: beyond the rural/urban dichotomy | |
| CN111310340B (zh) | 基于人类移动的城市区域交互异常关系识别方法及设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180914 |