CN109242810A - 一种城镇扩展遥感监测及城镇质量评价方法 - Google Patents

Abstract

本发明涉及一种城镇扩展遥感监测及城镇质量评价方法，具体步骤包括：（1）基于6S辐射传输模型的遥感影像大气校正；（2）基于Polynomial模型的遥感影像几何校正；（3）基于直方图匹配法的遥感影像无缝镶嵌；（4）基于波段运算的遥感影像减量处理；（5）基于综合PII及人工辅助的城镇时空信息提取；（6）基于Improved TOPSIS的城镇质量参考因子建立。本发明的优点在于：1）提出了一种完整、有效、科学的城镇扩展遥感监测及城镇质量评价方法；2）适用于各种区域城镇信息的提取、监测与质量评价3）为新型城镇化建设与规划提供数据支持和科学依据；4）丰富和完善了城镇信息管理与决策支持的相关理论与方法。

Description

一种城镇扩展遥感监测及城镇质量评价方法

技术领域

本发明是一种城镇扩展遥感监测及城镇质量评价方法，属于城市发展技术领域。

背景技术

联合国秘书处经济与社会事业部(The Department of Economic and SocialAffairs of the United Nations Secretariat)发布的《世界城市化展望》报告指出，2018年城市人口占世界人口的55％，而1950年城市人口仅占世界人口的30％，到2050年，预计将有68％的人口居住在城市地区，即：在全球范围内，居住在城市中的人口超过总人口的一半，人类由此进入“城市时代”。伴随着人口增加，城市自然扩展，至2030年，全世界预计将有43个特大城市，拥有超过1000万人口，其中大部分位于发展中国家和地区。放眼中国，至2016年，我国城镇常住人口比重为57.35％，常住人口城镇化率与发达国家80％的平均水平相比，仍有很大差距。我国在加快城镇化发展的同时，存在着诸多问题，例如小城镇数量多、较分散；城市化发展明显落后于工业化，区域发展不均衡；城市化发展的包袱重、压力大等。因此，开展城镇扩展监测及城镇质量评价等研究具有重要的社会及科学意义。

研究城镇提取是实现城镇监测与管理的数据基础，是加快我国城镇发展的一条重要途径。城镇信息获取的传统方法多以统计年鉴，当地城市地图为主，通常只局限于特定时间段，特定空间范围内的城镇信息，难以做到时空连续性，加之各地标准不统一，因而很难获取到高质量的城镇信息，难以满足时代发展的要求。遥感信息技术在过去的二十年里得到迅速发展，利用卫星对地观测技术来动态监测城镇发展已成为一个重要的研究和应用领域，从而使得获取大范围内准确、实时数据的要求得以满足。

“RS”和“GIS”相结合的技术是城镇扩展监测的重要手段，“RS”技术提供高时间分辨率、高空间分辨率、高光谱分辨的数据，“GIS”技术提供可靠的综合信息处理与分析方法。目前，城镇信息提取的方法有传统监督分类法、基于IBI等指数法、决策树法、混合光谱分析法、人工神经网络法、压缩数据维法、纹理分析技术和面向对象分类法等，在城镇提取的过程中，由于受复杂环境，影像质量等因素的影响，再加上城镇本身建筑多样性，存在“同物异谱，异物同谱”现象，提取的城镇信息存在错分、漏分现象，同时精度也会有所影响。

改革开放以来，中国经济得到迅速发展，城镇发展虽然从数量、规模和速度上有了大幅提高，但是同时也存在一些问题，如小城镇数量多、较分散，区域发展极其不平衡等。为适应发展新型城镇化、构建全方位开放新格局等政策的需要，加强城镇在扩展过程中的管理与监测，本发明基于PII指数及人工辅助的方法，准确提取不同时期城镇信息，科学、有效地实现对城镇扩展的监测与管理；基于Improved TOPSIS的相关算法，针对现存的城镇发展问题，提出构建城镇质量参考因子，评价各个城镇质量，为全面提高城镇化质量提供科学依据，为政府相关部门提供决策参考。

发明内容

本发明提出的是一种药用定量气雾剂自动喷射装置，其目的是在“3S”技术支持下，利用遥感影像，以计算机为工具，开展提取城镇信息、监测城镇扩展及评价城镇质量的研究，相较于传统测绘的做法，更加省时，省力，并能够实现城镇空间分布信息的精准提取、数据管理及城镇扩展的全面监测，城镇质量参考因子更为政府相关部门提供决策依据。

本发明的技术解决方案：一种城镇扩展遥感监测及城镇质量评价方法，包括以下步骤：

(1)基于6S辐射传输模型的遥感影像大气校正101；

(2)基于Polynomial模型的遥感影像几何校正102；

(3)基于直方图匹配法的遥感影像无缝镶嵌103；

(4)基于波段运算的遥感影像减量处理104；

(5)基于综合PII及人工辅助的城镇时空信息提取105；

(6)基于Improved TOPSIS的城镇质量参考因子建立106。

本发明的有益效果：

1)提出一种完整、有效、科学的城镇扩展遥感监测及城镇质量评价方法，进一步丰富和完善了城镇信息管理与决策支持的相关理论与方法。通过遥感影像的解译与判读，实现了城镇扩展中全方位的监测与管理。为响应推进新型城镇化政策提供数据支持，也为城镇扩展与规划提供科学依据。

2)在充分把握遥感影像特点的基础上，所提出的相关提取技术、方法和理论可适用于各区域城镇信息提取、城镇扩展监测及城镇质量评价，从而保证了本发明的科学性、有效性及适应性。

附图说明

附图1是城镇扩展遥感监测及城镇质量评价方法的设计流程图。

附图2是城镇质量参考因子建立方法示意图。

具体实施方式

一种城镇扩展遥感监测及城镇质量评价方法，包括以下步骤：

(1)基于6S辐射传输模型的遥感影像大气校正101；

(2)基于Polynomial模型的遥感影像几何校正102；

(3)基于直方图匹配法的遥感影像无缝镶嵌103；

(4)基于波段运算的遥感影像减量处理104；

(5)基于综合PII及人工辅助的城镇时空信息提取105；

(6)基于Improved TOPSIS的城镇质量参考因子建立106。

所述的基于6S辐射传输模型的遥感影像大气校正101：根据遥感影像自身数据特征进行辐射定标，将DN值转换为辐射亮度值，不同的传感器(如 QuickBird、WordView-1等)辐射定标方式不同，本发明以Landsat TM数据为例进行辐射定标，表示为：

L_i＝Gain_i·DN_i+Bias_i

式中，L_i为第i波段的辐射亮度，单位为W·m^-2·sr^-1·μm^-1；DN_i为第i波段的灰度值；Gain_i和Bias_i为第i波段的定标系数(增益和偏移值)，其值可从定标系数文件中读出。

其次，基于6S(SECOND SIMULATION OF THE SATELLITE SIGNAL IN THE SOLARSPECTRUM)辐射传输模型，完成遥感数据的大气校正，可表示为：ρ＝(xa·L-xb)/(1+xc·y)

式中，xa、xb、xc分别为6S模型计算出的校正系数；ρ为经过大气校正的地表反射率；L为经过辐射定标的辐射亮度，单位为W·m^-2·sr^-1·μm^-1。同时，在 6S模型中设置参数，几何参数包括太阳和卫星的天顶角和方位角以及观测时间，或者是卫星的接收时间、像素点数、升交点时间，由程序计算太阳和卫星的天顶角和方位角；大气模式包括给出的几种可供选择的大气模式，也可自定义大气模式；气溶胶模型包括三种选择，用户根据需要设定。除了上述三类参数，还有地面高度、探测器光谱条件、地表特性等参数需要设置，最终完成遥感影像的大气校正。

所述的基于Polynomial模型的遥感影像几何校正102：Polynomial模型回避成像的空间几何过程，直接对图像变形的本身进行数学模拟，把遥感图像的总体变形看作是平移、旋转、缩放、弯曲等基本变形的综合结果。在确定多项式模型的阶数基础上，利用有限个地面控制点的已知坐标，解求多项式的系数，将各像元的坐标代入多项式进行计算，求得校正后的坐标，采用最邻近像元法重采样输出。利用基于Polynomial模型完成遥感影像和目标影像的几何校正，表示为：

式中，(x，y)为某像素原始图像坐标，(X，Y)为同名点的地面或地图坐标。a₀,…,a₅、b₀,…,b₅为多项式系数，多项式系数个数N与多项式阶数n的关系为 N＝(n+1)(n+2)/2。Polynomial模型系数的解算利用最小二乘法实现。遥感影像几何校正完成后，还需计算控制点和检查点残差，得到检查点中误差均值，用于对几何校正的精度评定。

所述的基于直方图匹配法的遥感影像无缝镶嵌103：因遥感传感器自身以及外部复杂环境等因素的影响，使遥感影像之间存在色调、亮度等不协调现象，为了消除或削弱此现象，利用直方图匹配算法计算参考影像像元灰度的均值与方差，继而变换待匹配影像(相邻待拼接影像)像元的灰度值，使待匹配影像与参考影像具有相似的色调与亮度，完成镶嵌。直方图匹配法表达为：

式中，σ₀、μ₀分别表示参考或标准影像的均值和方差，μ、σ分别表示待匹配影像的均值和方差，DN_after表示处理后的待匹配影像上某点的灰度值，DN表示处理前的待匹配影像上某点的灰度值。该方法以标准图像的直方图为标准做变换，使两图像的直方图相同和近似，从而使两幅图像具有类似的色调和亮度，完成图像的镶嵌工作。

所述的基于波段运算的遥感影像减量处理104：基于ENDWI(EmpiricalNormalized Difference Water Index)指数的波段运算和多余波段剔除方法，实现对遥感影像的减量处理。通过波段运算，得到ENDWI指数，用该指数去除水体信息，达到数据量减小的目的，表示为：

式中，green为绿色波段，NIR为近红外波段，MIR为中红外波段。在去除水体的基础上，利用波段重组，只保留蓝色波段和近红外波段，最终获得只含蓝色波段和近红外波段且去除水体的影像图。

所述的基于综合PII及人工辅助的城镇时空信息提取105： PII(PerpendicularImperviousIndex)即垂直不透水层指数，通过计算土壤样本、城镇地表样本在红-近红外二维空间内的最小二乘拟合线，取二者的角平分线作为参照线，从而确定参照线方程的系数，实现基于PII指数的城镇时空信息初步提取，表示为：

式中，B₁、B₂分别为蓝光波段和近红外波段的反射率；a、b为参照线方程的系数。PII指数在几何意义上表示与参照线方程重合，故位于参照线上的点PII＝0。参数确定后，得到PII指数，进行阈值分割，初步完成城镇信息提取与识别，结合人工辅助的方式，检查并修改错分、漏分之处，进一步提高城镇提取精度，最终完成城镇提取。

所述的基于Improved TOPSIS的城镇质量参考因子建立106：基于 ImprovedTOPSIS的城镇质量参考因子建立方法，分为五个层次，分别为目标层、准则层、指标层、方法层和评价层，目标层即城镇质量评价，准则层即城镇规模、城镇布局和城镇效益，指标层即城镇面积、常住人口数、城镇紧凑度、分形维数、 GDP和财政总收入六大因子，其来自提取的城镇信息数据和相关社会统计数据；方法层即基于Improved TOPSIS的计算模型，评价层即用计算得出的QRI(Quality Reference Index)城镇质量参考因子评价城镇质量，如附图2所示。

具体实现步骤如下：

1)相对比较法确定准则层权重。

相对比较法(relative comparison method)采用三级指标的两两比较方法。

准则层共有城镇规模、城镇布局和城镇效益3个次级层次，可构成比较矩阵A(3×3维)，记作A_3×3＝{a_ij}。

其中：

两两比较要注意与其他因子的一致性，如i比j重要，j比k重要，则i必须要比 k重要。

2)熵值法确定指标层权重。

熵值法确定各评价指标权重值，该方法主要根据各指标对样本信息熵的大小赋予权重。样本对指标反映越敏感，其变动可能越大，此项指标的平均信息熵就可能较小。反之，样本对某项指标不敏感则其变动不大，信息熵也随之加大。信息熵小的指标赋予较大的权重，信息熵大的指标则赋予较小的权重，包括归一化处理、计算差异系数和计算权重。

3)构建矩阵，计算理想解V*。

指标层共计城镇面积等6个因子，加入权重改正后，得到n×6维的矩阵 V，n代表n个城镇，即矩阵V的每一行代表某一个城镇的六个经过去量纲及初步权重改正的因子。理想解表示如下：

式中V*为理想解，其中表示第j个因子的理想值，、w_j为权重值，

4)优化权重

式中为构造的权重优化模型，w_j’为优化后的权重值，求解此模型即可。

5)利用优化的w_j’，重新计算各样本到理想解的距离的平方和d_i’。

6)利用极差变换法对d_i’进行标准化正向处理。

通过相对比较法初步确定准则层权重，熵值法初步确定指标层权重，构建无量纲因子，导入基于Improved TOPSIS的算法，确定理想解，利用各样本到理想解的距离平方和作为评价方案的准则，构造优化权重模型，排除人为干扰，进一步优化权重，利用极差变换法对数据进行标准化正向处理。各样本到理想解的距离平方和越小越优，得到QRI城镇质量参考因子，从而实现城镇质量的评价。

下面结合附图对本发明技术方案进一步说明

如附图1所示，一种城镇扩展遥感监测及城镇质量评价方法，包括以下步骤：

(1)基于6S辐射传输模型的遥感影像大气校正101；

(2)基于Polynomial模型的遥感影像几何校正102；

(3)基于直方图匹配法的遥感影像无缝镶嵌103；

(4)基于波段运算的遥感影像减量处理104；

(5)基于综合PII及人工辅助的城镇时空信息提取105；

(6)基于Improved TOPSIS的城镇质量参考因子建立106。

所述步骤(1)～(4)为遥感影像处理的基本过程。首先利用6S辐射传输模型模拟电磁波与大气作用过程，得到校正系数，完成遥感影像的大气校正，进而基于Polynomial模型，计算多项式系数，进行遥感影像的几何校正，利用直方图匹配法处理遥感影像的时相、色彩差异，完成多幅遥感影像的无缝镶嵌，并在镶嵌后的影像上做减量处理，利用波段运算，剔除冗余信息。

所述步骤(5)基于综合PII及人工辅助的城镇时空信息提取：PII即垂直不透水层指数，通过确定参照线，求解相关参数，获得参照线方程系数，实现 PII的城镇时空信息提取，表示为：

式中，B₁、B₂分别为蓝光波段和近红外波段的反射率；a、b为参照线方程的系数；通过参数的确定，得到PII指数，进行阈值分割，初步完成城镇提取与识别，再通过人工辅助的方式，修改错分、漏分之处，进一步提高城镇提取精度，最终完成城镇信息提取。

如附图2所示，基于Improved TOPSIS的城镇质量参考因子建立：基于ImprovedTOPSIS的城镇质量参考因子建立分为五个层次，即目标层、准则层、指标层、方法层和评价层；目标层即城镇质量评价；准则层即城镇规模、城镇布局和城镇效益；指标层即城镇面积、常住人口数、城镇紧凑度、分形维数、GDP 和财政总收入六大因子，其来自城镇提取信息及相关社会统计数据；方法层即 Improved TOPSIS模型计算方法；评价层即利用计算出的城镇质量参考因子评价城镇质量；

关于城镇质量参考因子建立的具体过程表述为：从城镇提取和社会统计中得到六个因子具体数值，利用向量归一法去除各因子量纲，熵值法、相对比较法分别确定指标层及准则层权重，将权重值与因子值组合，扩展至多个城镇，基于Improved TOPSIS算法，确定理想解，进一步优化权重，计算各个城镇的六个因子到理想解的距离平方和，进而做标准化正向处理，得到最终城镇质量参考因子，完成对城镇质量参考因子的建立。

Claims (7)

1.城镇扩展遥感监测及城镇质量评价方法，其特征在于包括如下步骤：

（1）基于6S辐射传输模型的遥感影像大气校正；

（2）基于Polynomial模型的遥感影像几何校正；

（3）基于直方图匹配法的遥感影像无缝镶嵌；

（4）基于波段运算的遥感影像减量处理；

（5）基于综合PII及人工辅助的城镇时空信息提取；

（6）基于Improved TOPSIS的城镇质量参考因子建立。

2.根据权利要求1所述城镇扩展遥感监测及城镇质量评价方法，其特征在于：所述步骤（1）基于6S辐射传输模型的遥感影像大气校正：根据遥感影像自身数据特征进行辐射定标，将DN值转换为辐射亮度值，不同的传感器辐射定标方式不同，以Landsat TM数据进行辐射定标，表示为：

式中，L _i 为第i波段的辐射亮度，单位为W·m ^-2 ·sr ^-1 ·μm ^-1 ；DN _i 为第i波段的灰度值；Gain _i 和Bias _i 为第i波段的定标系数，其值可从定标系数文件中读出；

其次，基于6S辐射传输模型，完成遥感数据的大气校正，可表示为：

式中，xa、xb、xc分别为6S模型计算出的校正系数；ρ为经过大气校正的地表反射率；L为经过辐射定标的辐射亮度，单位为W·m ^-2 ·sr ^-1 ·μm ^-1 ；同时，在6S模型中设置参数，几何参数包括太阳和卫星的天顶角和方位角以及观测时间，或卫星的接收时间、像素点数、升交点时间，由程序计算太阳和卫星的天顶角和方位角；大气模式包括给出的可供选择的大气模式，也可自定义大气模式；气溶胶模型包括三种选择，用户根据需要设定；还需设置地面高度、探测器光谱条件、地表特性参数，最终完成遥感影像的大气校正。

3.根据权利要求1所述城镇扩展遥感监测及城镇质量评价方法，其特征在于：所述步骤（2）基于Polynomial模型的遥感影像几何校正：Polynomial模型回避成像的空间几何过程，直接对图像变形的本身进行数学模拟，把遥感图像的总体变形看作是平移、旋转、缩放、弯曲等基本变形的综合结果；在确定多项式模型的阶数基础上，利用有限个地面控制点的已知坐标，解求多项式的系数，将各像元的坐标代入多项式进行计算，求得校正后的坐标，采用最邻近像元法重采样输出；利用基于Polynomial模型完成遥感影像和目标影像的几何校正，表示为：

式中，（x，y）为某像素原始图像坐标，（X，Y）为同名点的地面或地图坐标；a ₀,…,a ₅、b ₀,…,b ₅为多项式系数，多项式系数个数N与多项式阶数n的关系为N=(n+1)(n+2)/2；Polynomial模型系数的解算利用最小二乘法实现；遥感影像几何校正完成后，还需计算控制点和检查点残差，得到检查点中误差均值，用于对几何校正的精度评定。

4.根据权利要求1所述城镇扩展遥感监测及城镇质量评价方法，其特征在于：所述步骤（3）基于直方图匹配法的遥感影像无缝镶嵌103：因遥感传感器自身以及外部复杂环境等因素的影响，使遥感影像之间存在色调、亮度等不协调现象，为了消除或削弱此现象，利用直方图匹配算法计算参考影像像元灰度的均值与方差，继而变换待匹配影像像元的灰度值，使待匹配影像与参考影像具有相似的色调与亮度，完成镶嵌；直方图匹配法表达为：

式中，σ ₀、μ ₀分别表示参考或标准影像的均值和方差，μ、σ分别表示待匹配影像的均值和方差，DN _after 表示处理后的待匹配影像上某点的灰度值，DN表示处理前的待匹配影像上某点的灰度值；该方法以标准图像的直方图为标准做变换，使两图像的直方图相同和近似，从而使两幅图像具有类似的色调和亮度，完成图像的镶嵌工作。

5.根据权利要求1所述城镇扩展遥感监测及城镇质量评价方法，其特征在于：所述步骤（4）基于波段运算的遥感影像减量处理：基于ENDWI指数的波段运算和多余波段剔除方法，实现对遥感影像的减量处理；通过波段运算，得到ENDWI指数，用该指数去除水体信息，达到数据量减小的目的，表示为：

式中，green为绿色波段，NIR为近红外波段，MIR为中红外波段；在去除水体的基础上，利用波段重组，只保留蓝色波段和近红外波段，最终获得只含蓝色波段和近红外波段且去除水体的影像图。

6.根据权利要求1所述城镇扩展遥感监测及城镇质量评价方法，其特征在于：所述步骤（5）基于综合PII及人工辅助的城镇时空信息提取：PII即垂直不透水层指数，通过确定参照线，求解相关参数，获得参照线方程系数，实现PII的城镇时空信息提取，表示为：

式中，B ₁ 、B ₂分别为蓝光波段和近红外波段的反射率；a、b为参照线方程的系数；通过参数的确定，得到PII指数，进行阈值分割，初步完成城镇提取与识别，再通过人工辅助的方式，修改错分、漏分之处，进一步提高城镇提取精度，最终完成城镇信息提取。

7.根据权利要求1所述城镇扩展遥感监测及城镇质量评价方法，其特征在于：所述步骤（6）基于Improved TOPSIS的城镇质量参考因子建立：基于Improved TOPSIS的城镇质量参考因子建立分为五个层次，即目标层、准则层、指标层、方法层和评价层；目标层即城镇质量评价；准则层即城镇规模、城镇布局和城镇效益；指标层即城镇面积、常住人口数、城镇紧凑度、分形维数、GDP和财政总收入六大因子，其来自城镇提取信息及相关社会统计数据；方法层即Improved TOPSIS模型计算方法；评价层即利用计算出的城镇质量参考因子评价城镇质量；

关于城镇质量参考因子建立的具体过程表述为：从城镇提取和社会统计中得到六个因子具体数值，利用向量归一法去除各因子量纲，熵值法、相对比较法分别确定指标层及准则层权重，将权重值与因子值组合，扩展至多个城镇，基于Improved TOPSIS算法，确定理想解，进一步优化权重，计算各个城镇的六个因子到理想解的距离平方和，进而做标准化正向处理，得到最终城镇质量参考因子，完成对城镇质量参考因子的建立。