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 |