CN109508585A - 一种基于poi和高分辨率遥感影像提取城市功能区的方法 - Google Patents
一种基于poi和高分辨率遥感影像提取城市功能区的方法 Download PDFInfo
- Publication number
- CN109508585A CN109508585A CN201710833698.9A CN201710833698A CN109508585A CN 109508585 A CN109508585 A CN 109508585A CN 201710833698 A CN201710833698 A CN 201710833698A CN 109508585 A CN109508585 A CN 109508585A
- Authority
- CN
- China
- Prior art keywords
- poi
- remote sensing
- data
- sensing image
- function
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/176—Urban or other man-made structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种基于遥感影像和POI的功能区识别方法,使用的数据包括高分二号遥感影像和网络POI点数据以及实地采样数据,处理过程为:a、将遥感影像进行预处理,统一多源数据的坐标系统;b、进行城市功能和POI分类,将POI图层归类为功能图层;c、基于遥感影像进行分割和分类,得到分割矢量数据和非建成区土地利用数据;d、将POI数据按照规则追加至破碎图斑,得到破碎的功能图斑;e、将破碎图斑按照权重值及计算公式追加至街区图斑,得到以街区为单位的城市功能分区。
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,重点解决城市内部功能区的识别问题,基于遥感影像和网络POI数据识别城市功能区,解决了遥感影像不能准确识别城市内部土地利用的问题,同时使POI数据面状化并具有边界属性,两种数据的结合使用可客观、快速、准确识别城市功能区,既可用于城市建成区的动态研究,也有助于研究城市内部活动等的相关问题。
背景技术
遥感影像已广泛应用于地球表面土地覆被、大气质量、气温反演等相关研究,在城市地理学中,主要使用遥感影像提取城市土地利用类型,用于研究城市建成区扩张、城市内部土地利用变化、城市建成区对非建成区的胁迫等。在目前利用遥感影像识别城市建成区的研究中,常用的有监督分类、非监督分类、面向对象等方法,识别结果中水体、林地、农地等自然形态较为明显的地物精度较高,而居住小区、商业中心、学校医院等公共服务区域识别精度较低。网络POI数据目前较多的应用与城市人口活动分析,空间布局研究等,其特点是分类详细,点密度较大,覆盖全面,有助于从细节上研究城市功能的空间布局。
目前基于遥感影像的城市研究中,以TM影像研究大尺度的城市扩展为主,在城市内部中,利用高分辨率遥感影像分析非建成区及其动态变化等,由于居住区、商业区、公共服务等建筑物的属性难以从遥感影像确定,因此遥感影像识别具有社会属性地物的准确率较低;POI数据的应用分析相对较少,目前其应用于城市建成区的研究中,主要方法是计算道路缓冲区范围内点的密度,研究沿道路方向上的城市功能区分布特征。以点密度为基础的方法具有一定的缺点,由于不同类型的功能点密度差距较大,在构建功能权重指标体系的过程中,各类型功能权重难以确定统一标准,影响区功能区识别的准确率。
发明内容
本发明的目的是根据遥感影像具有的自然属性划分斑块,根据POI具有的社会属性识别功能,将自然斑块与功能属性结合,基于道路斑块进行城市功能区划。具体包括以下内容:
一种基于遥感影像和网络POI数据的功能区识别方法技术流程图见图1,主要包括以下步骤:
A、城市功能及POI分类
按照人类活动和土地利用类型对城市功能进行分类,分为居住、小商业、购物中心、工业、公司、公共服务、交通、农业、生态,其中公共服务根据影响范围分为三级,具体POI归类表1。
表1 城市功能及POI分类
B、遥感影像分割、分类
在ENVI平台上对遥感影像进行分割、分类,形成道路斑块,并设置合适的参数得到以建筑物为单位大小的矢量斑块(功能破碎斑块),然后进一步将遥感影像分类,得到农业用地、生态用地、水体等基础数据。
C、 POI功能追加
POI追加至破碎图斑
首先将POI数据追加至功能破碎斑块中,按照功能重要性确定破碎斑块功能,即
公服一级>居住>工厂>公司>二级公服>三级公服>小商业点
破碎图斑追加至街区斑块
a、使用特尔斐法,收集专家打分数据,构建城市功能权重指标体系,结果见表2。
表2 城市功能权重指标体系
b、将破碎斑块的功能追加至道路斑块中,根据功能权重指标体系确定道路斑块功能。
街区图斑功能
(1)若街区斑块内没有交通功能和购物中心,则根据破碎斑块的数量和权重值计算。
(2)计算街区图斑内破碎斑块的数量,然后用数量乘以相应的权重值,得到每个街区图斑内最大值对应的功能即为主导功能。
(Ai每个街区图斑内某功能破碎图斑的数量,Wi为相应功能的权重值, R值最大者即为街区的主导功能)。
附图说明
图1是一种基于POI和高分辨率遥感影像提取城市功能区的流程图
图2是POI功能分类与采样点叠加图
图3实验区高分影像分割结果细节图
图4覆盖农业和生态的街区图斑
图5厦门岛城市功能分区结果
具体实施方式
本发明一种基于遥感影像和网络POI数据的功能区识别方法可以通过以下实施例进行说明:
A、选取厦门岛为研究案例区域,获取高分2号遥感影像和网络POI数据。
B、基于ENVI遥感影像处理平台,以高分2号数据为基础进行分割,利用ENVI 中的segment only feature extraction对影像进行分割,分割与合并的参数值 分别为50和90,获得以建筑物为基本单位的分割图斑,导出矢量数据,并继续 利用面向对象分类方法,得到厦门市岛内生态用地和农业用地等基本用地类型。
C、以道路网为基础数据,与研究区域进行切割,获取去除道路以后的道路 斑块,城市功能以该道路斑块为单位进行划分,如图4所示。
D、将POI数据追加至破碎斑块中,由于斑块大小基本等同于建筑物,因此 多点同时位于同一破碎斑块中的较少。若同一斑块中存在不同属性的点,则根据 其功能重要程度(0006中所示)进行确定,最后确定破碎斑块的功能类型
E、使用特尔斐法构建城市功能权重指标体系,首先确定交通区域和大型购 物中心,原则是只要其所在斑块内存在车站、机场或者大型购物中心,则该斑块 的属性为交通或商业功能;若斑块内不存在交通和购物中心,则根据权重指标体 系以及功能破碎斑块数量计算道路斑块的主导功能(参考0008中方法)。
F、将农地和林地数据以及建成区内得到的功能分区结果进行叠加,得到功 能分区结果。
G、采用实地调查数据进行验证,将分类好的采样点与分类结果叠加,准确 率超过80%。
表3厦门市实地采样数据与识别结果
H、使用遥感影像和网络POI数据的功能区识别方法与其他方法相比较具有 明显的优势:
(1)基于遥感影像的斑块分割,实现了POI由点状数据向面状数据的转变, 使POI数据具有面状数据的特征,生产一套详细的土地利用数据
(2)遥感影像结合POI数据实现了遥感影像的自然属性与网络数据的社会 属性互补的功能,使城市土地利用和功能分类分区更精细化,较传统单独使用高 分影像识别功能区的方法更实用,准确度更高。
Claims (3)
1.一种基于遥感影像和POI的功能区识别方法,其特征在于以下步骤:
A、基于遥感影像进行图像分割,形成等同于建筑物大小的图斑和街区斑块,根据人类活动和用地类型将POI数据进行功能归类,然后结合POI生成功能破碎图斑
B、构建功能权重指标体系,确定街道斑块内的主导功能类型,形成功能区图层。
2.根据权利要求1所述的一种基于遥感影像和网络POI数据的功能区识别方法,其特征在于:遥感影像与POI的结合,使点状数据面状化,解决了遥感影像不能识别社会属性信息的问题以及POI点状数据不能确定边界的问题,即自然与社会属性数据结合产生了详细的土地利用数据。
3.根据权利要求1所述的一种基于遥感影像和网络POI数据的功能区识别方法,其特征在于:按照功能服务人的重要程度,建立功能权重指标体系,计算道路斑块内各类POI功能破碎图斑的值,确定基于道路斑块划分的功能区,实现了功能区现状数据的机器化生产,并提高了遥感影像地物识别尤其是居住、商业、公共服务等的精度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710833698.9A CN109508585A (zh) | 2017-09-15 | 2017-09-15 | 一种基于poi和高分辨率遥感影像提取城市功能区的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710833698.9A CN109508585A (zh) | 2017-09-15 | 2017-09-15 | 一种基于poi和高分辨率遥感影像提取城市功能区的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109508585A true CN109508585A (zh) | 2019-03-22 |
Family
ID=65744969
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710833698.9A Pending CN109508585A (zh) | 2017-09-15 | 2017-09-15 | 一种基于poi和高分辨率遥感影像提取城市功能区的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109508585A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110147779A (zh) * | 2019-05-27 | 2019-08-20 | 宁夏云图勘测规划有限公司 | 一种遥感影像城市建筑物功能分类的方法 |
CN110348506A (zh) * | 2019-07-03 | 2019-10-18 | 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 |
CN110390277A (zh) * | 2019-07-04 | 2019-10-29 | 中科卫星应用德清研究院 | 复杂下垫面水体识别方法及黑臭水体预测方法 |
CN111125553A (zh) * | 2019-11-22 | 2020-05-08 | 中国科学院城市环境研究所 | 一种支持多源数据的城市建成区智能提取方法 |
CN111382330A (zh) * | 2020-03-10 | 2020-07-07 | 智慧足迹数据科技有限公司 | 一种土地用地性质识别方法、装置、电子设备及存储介质 |
CN112052848A (zh) * | 2020-08-24 | 2020-12-08 | 腾讯科技(深圳)有限公司 | 街区标注中样本数据的获取方法及装置 |
CN112183879A (zh) * | 2020-10-14 | 2021-01-05 | 北京大学 | 一种城市功能区的分类方法及装置、电子设备和存储介质 |
CN112257970A (zh) * | 2019-07-22 | 2021-01-22 | 山东科技大学 | 一种基于兴趣点大数据的城市功能区自动划分方法 |
CN112733781A (zh) * | 2021-01-20 | 2021-04-30 | 中国科学院地理科学与资源研究所 | 结合poi数据的城市功能区识别方法、存储介质和电子设备 |
CN112733782A (zh) * | 2021-01-20 | 2021-04-30 | 中国科学院地理科学与资源研究所 | 基于道路网的城市功能区识别方法、存储介质和电子设备 |
CN114580975A (zh) * | 2022-05-05 | 2022-06-03 | 成都数联云算科技有限公司 | 街区活力获得方法及系统及装置及介质 |
CN114898089A (zh) * | 2022-05-18 | 2022-08-12 | 中国矿业大学(北京) | 一种融合高分影像和poi数据的功能区提取与分类方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104200223A (zh) * | 2014-08-29 | 2014-12-10 | 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 |
CN105513041A (zh) * | 2015-10-28 | 2016-04-20 | 深圳大学 | 一种大幅面遥感图像海陆分割的方法及系统 |
CN106778547A (zh) * | 2016-11-29 | 2017-05-31 | 中南大学 | 遥感影像地物分类基准库的构建方法及装置 |
CN106845559A (zh) * | 2017-02-28 | 2017-06-13 | 山东师范大学 | 顾及poi数据空间异质性的地表覆盖验证方法及系统 |
CN107064931A (zh) * | 2016-12-11 | 2017-08-18 | 天津市矩辉数据科技有限公司 | 基于遥感数据与地理信息系统的农田参照点筛选方法 |
-
2017
- 2017-09-15 CN CN201710833698.9A patent/CN109508585A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104200223A (zh) * | 2014-08-29 | 2014-12-10 | 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 |
CN105513041A (zh) * | 2015-10-28 | 2016-04-20 | 深圳大学 | 一种大幅面遥感图像海陆分割的方法及系统 |
WO2017071160A1 (zh) * | 2015-10-28 | 2017-05-04 | 深圳大学 | 一种大幅面遥感图像海陆分割的方法及系统 |
CN106778547A (zh) * | 2016-11-29 | 2017-05-31 | 中南大学 | 遥感影像地物分类基准库的构建方法及装置 |
CN107064931A (zh) * | 2016-12-11 | 2017-08-18 | 天津市矩辉数据科技有限公司 | 基于遥感数据与地理信息系统的农田参照点筛选方法 |
CN106845559A (zh) * | 2017-02-28 | 2017-06-13 | 山东师范大学 | 顾及poi数据空间异质性的地表覆盖验证方法及系统 |
Non-Patent Citations (1)
Title |
---|
曲畅等: "POI辅助下的高分辨率遥感影像城市建筑物功能分类研究", 《地球信息科学学报》 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110147779A (zh) * | 2019-05-27 | 2019-08-20 | 宁夏云图勘测规划有限公司 | 一种遥感影像城市建筑物功能分类的方法 |
CN110348506A (zh) * | 2019-07-03 | 2019-10-18 | 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 |
CN110390277A (zh) * | 2019-07-04 | 2019-10-29 | 中科卫星应用德清研究院 | 复杂下垫面水体识别方法及黑臭水体预测方法 |
CN112257970A (zh) * | 2019-07-22 | 2021-01-22 | 山东科技大学 | 一种基于兴趣点大数据的城市功能区自动划分方法 |
CN111125553B (zh) * | 2019-11-22 | 2022-05-31 | 中国科学院城市环境研究所 | 一种支持多源数据的城市建成区智能提取方法 |
CN111125553A (zh) * | 2019-11-22 | 2020-05-08 | 中国科学院城市环境研究所 | 一种支持多源数据的城市建成区智能提取方法 |
CN111382330A (zh) * | 2020-03-10 | 2020-07-07 | 智慧足迹数据科技有限公司 | 一种土地用地性质识别方法、装置、电子设备及存储介质 |
CN112052848A (zh) * | 2020-08-24 | 2020-12-08 | 腾讯科技(深圳)有限公司 | 街区标注中样本数据的获取方法及装置 |
CN112052848B (zh) * | 2020-08-24 | 2022-09-20 | 腾讯科技(深圳)有限公司 | 街区标注中样本数据的获取方法及装置 |
CN112183879A (zh) * | 2020-10-14 | 2021-01-05 | 北京大学 | 一种城市功能区的分类方法及装置、电子设备和存储介质 |
CN112733781A (zh) * | 2021-01-20 | 2021-04-30 | 中国科学院地理科学与资源研究所 | 结合poi数据的城市功能区识别方法、存储介质和电子设备 |
CN112733781B (zh) * | 2021-01-20 | 2022-05-27 | 中国科学院地理科学与资源研究所 | 结合poi数据的城市功能区识别方法、存储介质和电子设备 |
CN112733782A (zh) * | 2021-01-20 | 2021-04-30 | 中国科学院地理科学与资源研究所 | 基于道路网的城市功能区识别方法、存储介质和电子设备 |
CN114580975A (zh) * | 2022-05-05 | 2022-06-03 | 成都数联云算科技有限公司 | 街区活力获得方法及系统及装置及介质 |
CN114898089A (zh) * | 2022-05-18 | 2022-08-12 | 中国矿业大学(北京) | 一种融合高分影像和poi数据的功能区提取与分类方法 |
CN114898089B (zh) * | 2022-05-18 | 2022-10-25 | 中国矿业大学(北京) | 一种融合高分影像和poi数据的功能区提取与分类方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109508585A (zh) | 一种基于poi和高分辨率遥感影像提取城市功能区的方法 | |
Gavioli et al. | Identification of management zones in precision agriculture: An evaluation of alternative cluster analysis methods | |
CN107247938B (zh) | 一种高分辨率遥感影像城市建筑物功能分类的方法 | |
CN108830870B (zh) | 基于多尺度结构学习的卫星影像高精度农田边界提取方法 | |
CN109325085A (zh) | 一种城市用地功能识别与变化检测方法 | |
Liu et al. | Establishing a citywide street tree inventory with street view images and computer vision techniques | |
CN106503714A (zh) | 一种基于兴趣点数据识别城市功能区的方法 | |
CN106056591A (zh) | 一种融合光谱图像和激光雷达数据进行城市密度估计方法 | |
CN107944383A (zh) | 基于三维Voronoi图的建筑物屋顶面片分割方法 | |
CN106408581A (zh) | 一种快速的三维点云直线提取方法 | |
CN110147779A (zh) | 一种遥感影像城市建筑物功能分类的方法 | |
Chen et al. | Impacts of traffic accessibility on ecosystem services: An integrated spatial approach | |
Kong et al. | Geo-environmental suitability assessment for agricultural land in the rural–urban fringe using BPNN and GIS: a case study of Hangzhou | |
CN102622345B (zh) | 多源时空数据协同的高精度土地利用遥感更新技术 | |
CN107644230A (zh) | 一种遥感图像对象的空间关系建模方法 | |
Aliabad et al. | Comparison of neural network methods (fuzzy ARTMAP, Kohonen and Perceptron) and maximum likelihood efficiency in preparation of land use map | |
Huck et al. | Delineating parameters for object-based urban structure mapping in Santiago de Chile using QuickBird data | |
CN113008226B (zh) | 基于门控循环神经网络和粒子滤波的地磁室内定位方法 | |
CN114037922B (zh) | 一种基于层级上下文网络的航拍图像分割方法 | |
CN113468982B (zh) | 一种城市功能区分类方法、装置及存储介质 | |
Kulkarni et al. | Land use land cover change detection through GIS and unsupervised learning technique | |
Maleta et al. | Distance Based Synthetic Measure of Agricultural Parcel Locations | |
CN117893923B (zh) | 一种基于蓝绿灰比例构建空间场景的方法 | |
Wang et al. | Review of land cover classification based on remote sensing data | |
CN107193991A (zh) | 一种基于互联网地图数据的地表覆盖分类方法及系统 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190322 |