CN109801296B - 一种海绵城市建设下垫面嵌套式遥感精细化制图方法 - Google Patents
一种海绵城市建设下垫面嵌套式遥感精细化制图方法 Download PDFInfo
- Publication number
- CN109801296B CN109801296B CN201910031570.XA CN201910031570A CN109801296B CN 109801296 B CN109801296 B CN 109801296B CN 201910031570 A CN201910031570 A CN 201910031570A CN 109801296 B CN109801296 B CN 109801296B
- Authority
- CN
- China
- Prior art keywords
- scale
- urban
- data
- area
- attribute
- 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.)
- Active
Links
Images
Landscapes
- Instructional Devices (AREA)
- Geophysics And Detection Of Objects (AREA)
- Investigation Of Foundation Soil And Reinforcement Of Foundation Soil By Compacting Or Drainage (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种海绵城市建设下垫面嵌套式遥感精细化制图方法,引入“低影响度开发”、“海绵城市”先进理念和“等级嵌套式”等分类方法,提出了一种新型的适应海绵城市建设的城市地表多源数据集成的等级尺度嵌套式分类系统支持下的遥感精细化制图技术,发展了海绵城市建设规划、设计和工程实施应用目标的集成了“图斑实体”的地表透水性质、相对坡度信息、人口密度等级、城市功能区划多属性信息提取关键技术和多级比例尺制图和可视化方法。该系统可以实现服务于海绵城市建设目标识别的智能计算和统计制图方法。本发明具有花费少,分类精度高,应用性强特点,更好地满足海绵城市建设、风景园林规划和生态环境保护等目标应用需求。
Description
技术领域
本发明属于城市规划和海绵城市工程建设行业应用的地理信息和遥感技术应用领域,重点解决海绵城市规划和工程建设过程中高精度大数据采集、处理、智能计算和制图问题,在海绵城市建设前期规划、工程建设地理信息测绘和生态环保领域具有广泛应用前景。
背景技术
20世纪90年代,美国乔治王子郡环境资源部在借鉴其前期雨洪管理相关研究,提出“低影响开发”理念(Low Impact Development,LID)。由此,美国的最佳管理措施(BestManagement Practice,BMP)、城市绿色基础设施(Urban Green Infrastructure,UGI)及绿色雨水基础设施(Green Stormwater Infrastructure,GSI)、澳大利亚的水敏感城市(Water Sensitive Urban Design,WSUD)、新西兰的低影响城市设计与开发(Low ImpactUrban Design and Development,LIUDD)、英国的可持续排水系统(Sustainable UrbanDrainage System,SUDS)、德国的雨水利用(Storm Water Harvesting)和雨洪管理(StormWater Management)、日本的雨水贮存渗透等广泛应用于城市建设中。在城市发展过程中,植被、土壤等被道路、广场、建筑等代替后,导致地表蒸发量减少,改变城市的水循环过程,导致城市化区域径流系数和径流量增加。相关研究表明径流系数与城市不透水地表面积的比例呈显著正相关,城市不透水面积增加10%-100%,地表径流将会增加200%-500%,不透水面积比例20%是地表径流迅速增加的阈值。因此,因地制宜地合理选择海绵城市建设途径和低影响开发技术以及绿色基础设施,对于提升城市的生态水文效应重要的实践和现实意义。
我国近年来,暴雨洪灾发生的频率和雨洪灾害影响程度呈现显著的上升趋势。国家住房城乡建设部2014年10月发布了《海绵城市建设技术指南——低影响开发雨水系统构建(试行)》技术指南,提出“大力推行低影响开发建设模式,加快研究建设海绵型城市的政策措施”的要求。分别与2015年在迁安、白城、镇江、嘉兴、池州、厦门、萍乡、济南、鹤壁、武汉、常德、南宁、重庆、遂宁、贵安新区和西咸新区和2016年在福州、珠海、宁波、玉溪、大连、深圳、上海、庆阳、西宁、三亚、青岛、固原、天津、北京启动海绵城市试点工程,直辖市每年6亿元,省会城市每年5亿元,其他城市每年4亿元。在国家大规模物力和财力开展海绵城市建设过程中,如何科学有效的开展前期规划设计,需要对当前易涝区和低洼地形城市下垫面状态实现高精度的精细化的遥感制图和可视化的系统的支持。
自1970年以来,Landsat TM影像能满足1∶10万或更大比例尺专题图要求提高了城市内部结构的监测能力。1986年法国SPOT影像应用在城市空间信息分类与制图中提供了较高的研究价值。2000年美国发射IKONOS商业遥感卫星,可以提供1m分辨率的图像数据。随着更高分辨率商业遥感卫星,如QuickBird卫星成功发射把遥感图像全色波段分辨率从1m提高到0.61m,多光谱图像分辨率从4m提高到2.5m。近年来国产高分系列数据和资源系列卫星数据,这些高空间分辨率卫星图像数据应用于城市监测,极大地提高了遥感在城市土地利用的应用能力,特别是对城市内部建筑、道路和广场等不透水地表和城市绿地、水域等信息可以实现高精度的探测,这些数据源为海绵城市建设的前期规划设计提供不可或缺的基础空间信息。
中国专利公报公开了“一种城市不透水层覆盖率遥感估算方法”(公开号CN107727078A、公开日2018年2月23日),“一种协同多源遥感影像的城市绿地提取方法”(公开号CN107688777A、公开日2018年2月13日),“一种基于高分辨率遥感影像的城市功能区识别方法”(公开号CN104200223A、公开日2014年12月10日),“一种高分辨率遥感的多功能城市用地空间信息生成方法”(公开号CN104200223A、公开日2012年6月27日)等专利,这些专利主要针对城市土地利用、功能分区和透水特征进行遥感分类。近期公布了“一种基于遥感大数据确定城市易涝点的方法”(公开号CN107229742A、公开日2017年10月3日),开始应用遥感大数据来确定城市易涝点的位置。这些专利均缺乏海绵城市规划应用和工程实施具有参考价值的遥感精细化分类制图方法和专题要素智能计算方面的内容。
当前面向海绵城市建设应用需求和城市遥感精细化分类存在如下困难:(1)在海绵城市建设选址、规划和工程实施不同阶段和应用目标对城市下垫面数据制图精度和比例尺不同,如前期规划需要对整个城市进行1:10万到1:2.5万比例数据的支持,而具体到工程项目实施时需要1:1000或1:1万甚至亚米级更高精度的数据支持。(2)对于城市内部每个像元,即使亚米分辨率在行道树等地方,都会产生混合像元,如何有效通过亚像元分解,实现地表类型组分的分解至关重要。(3)特别是城市下垫面,人造建材种类多、差异大,同物异谱或同谱异物现象非常显著,在遥感分类中存在很大的不确定性。
为解决上述问题,本发明首次提出了面向海绵城市建设下垫面嵌套式遥感精细化制图的一系列方法,在综合多种遥感分类方法的基础上,开展多尺度地表覆盖精细化分类,集成城市地表透水性、相对坡度、人口密度和功能区划类型等多重属性信息,实现海绵城市建设下垫面嵌套式遥感精细化制图。
发明内容
本发明公开了一种海绵城市建设下垫面嵌套式遥感精细化制图方法,引入“低影响度开发”、“海绵城市”先进理念和“等级嵌套式”等分类方法,提出了一种新型的适应海绵城市建设的城市地表多源数据集成的等级尺度嵌套式分类系统支持下的遥感精细化制图技术,发展了海绵城市建设规划、设计和工程实施应用目标的集成了“图斑实体”的地表透水性质、相对坡度信息、人口密度等级、城市功能区划多属性信息提取关键技术和多级比例尺制图和可视化方法。该系统可以实现服务于海绵城市建设目标识别的智能计算和统计制图方法。本发明具有花费少,分类精度高,应用性强特点,更好地满足海绵城市建设、风景园林规划和生态环境保护等目标应用需求。
一种海绵城市建设下垫面嵌套式遥感精细化制图方法,其特征在于,包括以下步骤:
S1、收集整理海绵城市建设下垫面精细化制图所需的各类数据,包括Landsat OLI遥感影像、高分遥感影像、地形高程数据、城市功能区规划数据、人口密度数据、降雨数据;
S2、构建海绵城市地表覆盖分类体系,形成城市地表下垫面覆盖类型数据;在建成区尺度,利用Landsat OLI和混合像元分解方法和决策树分类方法,将城市下垫面划分为不透水地表、绿地、水域和裸土;在街区尺度,利用高分遥感影像和面向对象分类方法,将下垫面划分为建筑、道路、广场、树、草地、水体、裸地;
S3、基于所述的城市地表覆盖类型数据,利用降雨和径流差值与降雨的比值来进行表征地表透水性,利用公式(1)在GIS中计算各个像元的径流系数和透水性指数,应用区域统计工具获取各个城市街区斑块的透水性,透水性指数介于0~100%;
式中,WPIi为城市地表的透水性指数,Pi为第i个地块内的平均降雨量,RCij为第i个地块内的图斑内第j类地表覆盖类型的径流系数,Ai是第i个地块内的面积,Aij为第i个地块内的第j类地表覆盖类型的面积。
根据得到的地表透水性指数,利用空间叠加分析,计算得到地表下垫面的透水性信息。对于建成区尺度的透水性指数制图,提取不透水地表、绿地、水域和裸土图斑的透水性指数信息;对街区尺度的透水性指数制图,提取建筑、道路、广场、树、草、河流、湖泊、裸地的透水性指数。利用GIS重分类工具将具有地表透水性信息的城市下垫面数据划分为不同的透水性等级,得到具有透水性等级属性的城市下垫面数据。
S4、所述的相对坡度数据计算。所述的地表相对坡度,指的是中心像元坡度值与邻域范围内坡度最小值的差值,根据地形高程数据,利用空间分析和邻域统计工具计算相对坡度数据,具体计算公式如下,
式中,Sri为第i个像元的相对坡度值;Si为第i个像元的实际坡度值;Smin为第i个像元邻域范围内像元坡度的最小值,min是取最小值函数。
所述的提取地表相对坡度与等级划分。根据得到的地表相对坡度,利用GIS空间叠加分析工具,将地表相对坡度数据与具有透水性信息的城市下垫面数据叠加,得到地表下垫面的相对坡度信息。对于建成区尺度的相对坡度信息提取,提取不透水地表、绿地、水域和裸土图斑的相对坡度,对街区尺度的相对坡度信息提取,提取建筑、道路、广场、树、草、水域、裸地的相对坡度。利用GIS重分类工具,将具有相对坡度信息的城市下垫面数据划分为不同的相对坡度等级,得到具有透水性等级和相对坡度等级属性的城市地表下垫面数据。
S5、根据人口密度空间数据,利用空间叠加分析工具,将人口密度数据与具有透水性和相对坡度信息的城市下垫面数据叠加,得到地表下垫面的人口密度信息。对于建成区尺度的人口密度制图,提取不透水地表、绿地、水域和裸土像元的人口密度;对街区尺度的人口密度制图,提取建筑、道路、广场、树、草、水域和裸地的人口密度。再按照合适的人口密度等级分割阈值,利用GIS工具将城市下垫面数据人口密度属性划分为不同的等级,得到具有透水性等级、相对坡度等级、人口密度等级属性的城市下垫面数据。
S6、所述的提取城市功能区划属性信息,根据城市功能区划数据,利用空间叠加分析工具,将城市功能区划数据与具有透水性、相对坡度和人口密度信息的城市下垫面数据叠加,得到地表下垫面的功能区划信息。对于建成区尺度的功能区划制图,提取不透水地表、绿地、水域和裸土图斑的功能区属性,对街区尺度的功能区属性制图,提取建筑、道路、广场、树、草、水域和裸地的功能区属性信息,得到具有透水性等级、相对坡度等级、人口密度等级和城市功能区划属性的城市下垫面数据。
S7、利用GIS空间分析与制图方法,进行建成区和街区尺度下垫面嵌套式遥感精细化制图,在ArcGIS软件中,对城市地表覆盖类型、地表透水性、相对坡度、人口密度和功能区属性进行重新组合分类,使城市地块具有综合性属性,并逐一进行编码,使城市下垫面每个图斑都具备“地表覆盖类型”+“功能区类型”+“透水性等级”+“相对坡度等级”+“人口密度等级”5个属性。
本发明与现有技术相比的优点在于:
本发明提出了将城市下垫面地表覆盖信息、地表透水性、相对坡度、人口密度和城市功能区5个因子实现空间上的集成和智能计算,可以快速获取和检测到城市地表图斑的地表覆盖、下渗特性、地形特征、人口分布和功能区划状况,实现了海绵城市建设下垫面精细化制图,为海绵城市规划管理和工程实施提供精准的定位信息,提出了服务于海绵城市建设规划和工程下垫面制图完整的体术方法体系,研发的模型具有直观明确、可操作性强、具有较强的可视化程度和辅助决策支持功能,该方法的应用会产生较高的经济效益,具有广泛的行业应用需求。
附图说明
图1是本发明的一种海绵城市建设下垫面嵌套式遥感精细化制图方法流程图;
图2是Landsat OLI遥感影像的地表覆盖信息提取技术流程图;
图3是高分遥感影像高精度面向对象分类识别集成技术流程图;
图4是城市下垫面分类结果遥感制图;其中a是建成区尺度地表覆盖信息,b为街区尺度地表覆盖信息;
图5是海绵城市透水性遥感精细化制图;其中a是建成区尺度地表透水性;b为街区尺度地表透水性;
图6是海绵城市建设城市相对坡度分级制图;其中a是建成区尺度地表相对坡度;b为街区尺度地表相对坡度;
图7是海绵城市建设城市人口密度分级制图;其中a是建成区尺度地表人口密度;b为街区尺度人口密度;
图8是海绵城市建设城市功能区划制图;其中a是建成区尺度地表功能区划类型;b为街区尺度地表功能区划类型。
具体实施方式
下面结合附图及实施例对本发明进行详细说明。
如图1所示,本发明一种海绵城市建设下垫面嵌套式遥感精细化制图方法可通过以下实施实例进行说明。
第一步,收集整理海绵城市建设下垫面精细化制图和智能计算所需的各类数据。
具体的,海绵城市建设下垫面精细化制图和智能计算所需要的数据包括LandsatOLI遥感影像数据,高分遥感影像数据、地形高程数据、城市功能区划数据、降水数据,形成海绵城市下垫面精细化制图和智能计算数据库。
第二步,构建海绵城市地表覆盖分类体系,在建成区尺度和街区尺度利用多种遥感分类方法分别对Landsat OLI和高分遥感影像进行分类,形成城市地表下垫面覆盖类型数据。
具体的,(1)构建海绵城市地表覆盖分类体系。在建成区尺度,地表覆盖类型包括不透水地表、绿地、水域和裸土,在街区尺度包括建筑、道路、广场、林地、草地、水域、裸地;
(2)建成区尺度城市地表地表覆盖信息提取。图2为基于Landsat OLI提取建成区尺度城市地表覆盖信息的技术流程。首先在ENVI中对Landsat OLI遥感影像做MNF变换,选取高反照率、地反照率、植被和裸土四类地表类型的纯净端元,利用约束性混合像元分解工具,提取高反照地表覆盖组分、低反照地表覆盖组分,植被组分和裸土组分,然后利用波段运算工具计算修正的归一化水体指数,归一化植被指数,再利用决策树阈值分割方法提取不透水地表、植被、水体和裸土。图4中a是基于上述方法提取得到的建成区尺度的地表覆盖信息的示意图,包括不透水地表组分、植被组分、水域组分和裸土组分,数值范围为0~100%。
(3)街区尺度城市地表覆盖信息提取。图3是高分遥感影像高精度面向对象分类识别集成技术流程图。在eCognition软件中,加入高分遥感影像,通过实验确定最优分割尺度,然后计算将用于分类的特征集,其中光谱特征方面的特征集包括亮度、归一化水体指数、归一化植被指数、建筑物面积指数、增强红色屋顶指数、增强蓝色屋顶指数、增强白色屋顶指数,几何特征则包括不对称性、长宽比、密度等,纹理特征则包括均质性、差异性等指标,在确定好各地物类型所需的特征集后,对城市地表覆盖进行分类提取,最后是对分类结果进行验证。图4中的b是基于上述方法得到的街区尺度的地表覆盖分类结果的示意图,划分为建筑、道路、广场、林地、草地、水域、裸地。
第三步,根据城市地表覆盖数据,在建成区尺度和街区尺度分别提取地表透水性的信息,并进行等级划分,得到具有透水性属性的城市地表下垫面数据,图5中的a是基于上述方法得到的建成区尺度的地表透水性示意图,每个像元有一个透水性值,b为街区尺度地表透水性示意图,每个地表图斑均有一个透水性值。
具体的,(1)城市地表透水性计算,由于在城市中由于降雨截留和下渗能力计算较为困难,因此利用降雨和径流差值与降雨的比值来进行表征,不同地表覆盖类型的地表径流系数通过查阅文献资料获取,构建城市下垫面透水性指数:
式中,WPIi为城市地表透水性指数,Pi为第i个下垫面斑块的降雨量,RCij为第i个下垫面斑块内第j类地表覆盖类型的径流系数,Ai是第i个下垫面斑块的面积,Aij为第i个下垫面斑块第j类地表覆盖类型的面积;
(2)建成区尺度城市地表透水性计算。首先根据提取的不透水地表、植被、水体和裸土组分数据,利用加权求和的方法计算每个像元的径流系数。设定不透水地表的径流系数为0.9,植被的径流系数为0.15,水体的径流系数为1.0,裸地的径流系数为0.67,在ArcGIS中,利用栅格计算器,逐像元计算综合径流系数,然后利用公式(1)再计算地表透水性指数,得到建成区尺度具有透水性属性的城市地表下垫面数据,图5是基于该步骤计算得到的城市地表透水性指数的空间分布。
(3)街区尺度城市地表透水性提取。街区尺度的地表覆盖类型为建筑、道路、广场、树、草地、水域和裸土,利用经验径流系数的方法,计算地表下垫面透水性指数。首先根据提取的各个地块内建筑、道路、广场、水域、树、草地、裸土组分信息,利用加权求和的方法计算每个地块的径流系数。设定建筑的径流系数为0.89,道路的径流系数为0.92,广场的径流系数为0.9,树木的径流系数为0.1,草地的径流系数为0.17,水体的径流系数为1.0,裸地的径流系数为0.67。在ArcGIS中,利用栅格计算器,计算各个地块的综合径流系数,然后利用公式(1)再计算地表透水性指数,得到街区尺度具有透水性属性的城市地表下垫面数据;
(4)地表透水性等级划分。利用ArcGIS中的重分类工具,对城市地表的透水性进行等级划分,划分为0~20%,20~35%,35~50%,50~75%,75~100%共5个等级,得到建成区尺度和街区尺度具有透水性等级属性的城市地表下垫面数据。
①表地表透水性等级
第四步,根据地形高程数据,计算地表相对坡度,在建成区尺度和街区尺度分别提取相对坡度信息,并进行等级划分,得到具有透水性属性和相对坡度属性的城市地表下垫面数据,图6中的a是基于上述方法得到的建成区尺度的地表相对坡度示意图,每个像元有一个相对坡度值,b为街区尺度地表相对坡度示意图,每个地表图斑均有一个相对坡度值。
具体的,(1)计算地表相对坡度数据。根据地形高程数据,在ArcGIS软件中,利用空间分析的表面分析工具,计算区域的坡度数据,然后利用邻域分析中的焦点统计工具计算中心像元邻域内的高程的最小值,再利用栅格计算器,求得坡度与邻域内坡度最小值的差值,即为相对坡度,具体计算公式如下,
式中,Sri为第i个像元的相对坡度值;Si为第i个像元的实际坡度值;Smin为第i个像元邻域范围内像元坡度的最小值,min是取最小值函数。
(2)建成区尺度城市地表相对坡度属性信息提取。根据城市下垫面数据和相对坡度数据,在ArcGIS软件中,利用空间叠加分析,提取各个不透水地表、绿地、水域和裸土图斑的相对坡度信息,得到建成区尺度具有透水性属性和相对坡度属性的城市地表下垫面数据;
(3)街区尺度城市地表相对坡度属性信息提取。根据城市下垫面数据和相对坡度数据,在ArcGIS软件中,利用空间叠加与区域统计分析,提取各个建筑、道路、广场、树木、草地、水体和裸土图斑的相对坡度信息,得到街区尺度具有透水性属性和相对坡度属性的城市地表下垫面数据;
(4)相对坡度等级划分。利用ArcGIS中的重分类工具,分别对建成区尺度和街区尺度的下垫面相对坡度进行等级划分,划分为0~2,2~5,5~10,10~15,>15共5个等级,得到建成区尺度和街区尺度具有透水性等级和相对坡度等级属性的城市地表下垫面数据,相对坡度分级具体见下表。
②表相对坡度划分等级
等级 | (1) | (2) | (3) | (4) | (5) |
相对坡度 | 0~2 | 2~5 | 5~10 | 10~15 | >15 |
第五步,根据所获取的人口密度数据,在建成区尺度和街区尺度分别提取人口密度信息,并进行等级划分,得到具有透水性属性、相对坡度属性和人口密度的城市地表下垫面数据,图7中的a是基于上述方法得到的建成区尺度的地表人口密度示意图,每个像元有一个人口密度值,b为街区尺度地表人口密度示意图,每个地表图斑均有一个人口密度值。
具体的,(1)建成区尺度城市地表人口密度属性信息提取。根据城市下垫面数据和人口密度数据,在ArcGIS软件中,利用空间叠加分析,提取各个不透水地表、绿地、水域和裸土图斑的人口密度信息,得到建成区尺度具有透水性属性、相对坡度属性和人口密度的城市地表下垫面数据;
(2)街区尺度城市地表人口密度属性信息的提取。根据城市下垫面数据和人口密度数据,在ArcGIS软件中,利用空间叠加与区域统计分析,提取各个建筑、道路、广场、树木、草地、水体和裸土图斑的人口密度信息,得到街区尺度具有透水性属性、相对坡度属性和人口密度的城市地表下垫面数据;
(3)人口密度等级划分。利用ArcGIS中的重分类工具,分别对建成区尺度和街区尺度的下垫面人口密度进行等级划分,划分为0~0.5,0.5~1,1~2,2~4,>4万人/km2共5个等级,得到建成区尺度和街区尺度具有透水性等级、相对坡度等级和人口密度等级属性的城市地表下垫面数据,人口密度分级具体见下表。
③表人口密度等级划分表
第六步,根据所获取的城市功能区划数据,在建成区尺度和街区尺度分别提取地表覆盖的城市功能区划属性信息,得到具有透水性属性、相对坡度属性、人口密度和功能区属性的城市地表下垫面数据,图8中的a是基于上述方法得到的建成区尺度的地表功能区划示意图,每个像元有一个功能区划属性,b为街区尺度地表功能区划示意图,每个地表图斑均有一个功能区划属性。
具体的,(1)建成区尺度城市地表城市功能区属性信息的提取。根据城市下垫面数据和城市功能区划数据,在ArcGIS软件中,利用空间叠加分析,提取各个不透水地表、绿地、水域和裸土图斑的城市功能区划信息,得到建成区尺度具有透水性属性、相对坡度属性、人口密度和城市功能区划的城市地表下垫面数据;
(2)街区尺度城市地表城市功能区属性信息的提取。根据城市下垫面数据和城市功能区划数据,在ArcGIS软件中,利用空间叠加与区域统计分析,提取各个建筑、道路、广场、树木、草地、水体和裸土图斑的城市功能区划信息,得到街区尺度具有透水性等级、相对坡度等级和人口密度等级和城市功能区划属性的城市地表下垫面数据。
第七步,利用GIS空间制图方法,综合城市下垫面透水性、相对坡度、人口密度和功能区划属性信息,对海绵城市建设下垫面精细化制图显示。
具体的,(1)建成区尺度下垫面嵌套式遥感精细化制图,在ArcGIS软件中,对城市地表覆盖类型、地表透水性、相对坡度、人口密度和功能区属性进行重新组合分类,使城市地块具有综合性属性,并逐一进行编码,使城市下垫面每个图斑都具备“地表覆盖类型”+“功能区类型”+“透水性等级”+“相对坡度等级”+“人口密度等级”5个属性,如不透水地表+居住区+低透水性+相对坡度(1)+高人口密度;
④表建成区尺度下垫面嵌套式遥感精细化制图
(2)街区尺度下垫面嵌套式遥感精细化制图,在ArcGIS软件中,对城市地表覆盖类型、地表透水性、相对坡度、人口密度和功能区属性进行重新组合分类,使城市地块具有综合性属性,并逐一进行编码,使城市下垫面每个图斑都具备“地表覆盖类型”+“功能区类型”+“透水性等级”+“相对坡度等级”+“人口密度等级”5个属性,如建筑+居住区+低透水性+相对坡度(2)+高人口密度;
⑤表街区尺度下垫面嵌套式遥感精细化制图
提供以上实施例仅仅是为了描述本发明的目的,而并非要限制本发明的范围。本发明的范围由所附权利要求限定。不脱离本发明的精神和原理而做出的各种等同替换和修改,均应涵盖在本发明的范围之内。
Claims (5)
1.一种海绵城市建设下垫面嵌套式遥感精细化制图方法,其特征在于:包括以下步骤:
S1、收集整理海绵城市建设下垫面精细化制图所需的各类数据,包括Landsat OLI遥感影像、高分遥感影像、地形高程数据、城市功能区划数据、人口密度数据、降雨数据;
S2、构建海绵城市地表覆盖分类体系,在建成区尺度和街区尺度利用多种遥感分类方法分别对Landsat OLI遥感影像和高分遥感影像进行分类,形成城市地表下垫面覆盖类型数据;
S3、根据城市地表下垫面覆盖类型数据,在建成区尺度和街区尺度分别提取地表透水性信息,并进行等级划分,得到具有透水性属性的城市地表下垫面数据;
S4、根据地形高程数据,计算地表相对坡度,在建成区尺度和街区尺度分别提取相对坡度信息,并进行等级划分,得到具有透水性属性和相对坡度属性的城市地表下垫面数据;
S5、根据所获取的人口密度数据,在建成区尺度和街区尺度分别提取人口密度信息,并进行等级划分,得到具有透水性属性、相对坡度属性和人口密度属性的城市地表下垫面数据;
S6、根据所获取的城市功能区划数据,在建成区尺度和街区尺度分别提取地表覆盖的城市功能区信息,得到具有透水性属性、相对坡度属性、人口密度属性和功能区属性的城市地表下垫面数据;
S7、利用GIS空间分析与制图方法,综合城市下垫面透水性、相对坡度、人口密度和功能区划属性信息,实现海绵城市建设下垫面精细化制图显示;
所述S3具体实现如下:
(S31)所述的城市地表透水性,利用降雨和径流差值与降雨的比值来进行表征,构建城市下垫面透水性指数:
式中,WPIi为城市地表透水性指数,Pi为第i个下垫面斑块的降雨量,RCij为第i个下垫面斑块内第j类地表覆盖类型的径流系数,Ai是第i个下垫面斑块的面积,Aij为第i个下垫面斑块第j类地表覆盖类型的面积;
(S32)所述的建成区尺度城市地表透水性计算,首先根据提取的不透水地表、植被、水域和裸土组分信息,利用加权求和方法计算每个像元的径流系数,然后利用公式(1)计算得到地表透水性;
(S33)所述的街区尺度城市地表透水性提取,街区尺度的地表覆盖类型为建筑、道路、广场、树、草地、水域和裸土,利用经验径流系数的方法,然后利用公式(1)计算得到地表透水性;
(S34)所述的地表透水性等级划分,利用ArcGIS中的重分类工具,对建成区尺度和街区尺度城市下垫面的透水性进行等级划分,得到街区尺度具有透水性等级属性的城市地表下垫面数据;
所述S4具体实现如下:
(S41)所述的地表相对坡度,指的是中心像元坡度值与邻域范围内坡度最小值的差值;
(S42)所述的地表相对坡度数据计算,根据地形高程数据,利用空间分析工具,计算区域的坡度数据,然后利用邻域统计与栅格计算相对坡度数据:
式中,Sri为第i个像元的相对坡度值,Si为第i个像元的实际坡度值,Smin为第i个像元邻域范围内像元坡度的最小值,min是取最小值函数;
(S43)所述的建成区尺度城市地表相对坡度属性信息的提取,利用空间叠加分析,将建成区尺度城市下垫面数据和相对坡度数据叠加,得到建成区尺度具有透水性属性和相对坡度属性的城市地表下垫面数据;
(S44)所述的街区尺度城市地表相对坡度属性信息的提取,利用空间叠加分析,将街区尺度城市下垫面数据和相对坡度数据叠加,得到街区尺度具有透水性属性和相对坡度属性的城市地表下垫面数据;
(S45)所述的相对坡度等级划分,利用ArcGIS中的重分类工具,分别对建成区尺度和街区尺度的下垫面相对坡度进行等级划分,得到建成区尺度和街区尺度具有透水性等级和相对坡度等级属性的城市地表下垫面数据。
2.根据权利要求1所述的海绵城市建设下垫面嵌套式遥感精细化制图方法,其特征在于:所述S2具体实现如下:
(S21)所述的构建海绵城市地表覆盖分类体系,在建成区尺度将城市下垫面划分为不透水地表、绿地、水域和裸土,在街区尺度划分为建筑、道路、广场、树、草地、水体、裸地;
(S22)所述的多种遥感分类方法包括混合像元分解和面向对象分类方法,基于LandsatOLI遥感影像混合像元分解和决策树分类方法,将城市地表划分为不透水地表、绿地、水域和裸土;基于高分遥感影像的面向对象分类方法,将城市地表划分为建筑、道路、广场、树、草地、水体、裸地。
3.根据权利要求1所述的海绵城市建设下垫面嵌套式遥感精细化制图方法,其特征在于:所述S5具体实现如下:
(S51)所述的建成区尺度城市地表人口密度提取,在ArcGIS软件中,利用空间叠加分析,将建成区尺度城市下垫面数据和人口密度数据叠加,得到建成区尺度具有透水性属性、相对坡度属性和人口密度属性的城市地表下垫面数据;
(S52)所述的街区尺度城市地表人口密度提取,在ArcGIS软件中,利用空间叠加与区域统计分析,将街区尺度城市下垫面数据和人口密度数据叠加,得到街区尺度具有透水性属性、相对坡度属性和人口密度属性的城市地表下垫面数据;
(S53)所述的人口密度等级划分,利用ArcGIS中的重分类工具,分别对建成区尺度和街区尺度的下垫面人口密度进行等级划分,得到建成区尺度和街区尺度具有透水性等级、相对坡度等级和人口密度等级属性的城市地表下垫面数据。
4.根据权利要求1所述的海绵城市建设下垫面嵌套式遥感精细化制图方法,其特征在于:所述S6具体实现如下:
(S61)所述的建成区尺度城市地表城市功能区属性信息提取,在ArcGIS软件中,利用空间叠加分析,将建成区尺度城市下垫面数据和城市功能区划数据叠加,得到建成区尺度具有透水性属性、相对坡度属性、人口密度属性和城市功能区划属性的城市地表下垫面数据;
(S62)所述的街区尺度城市地表城市功能区属性信息提取,在ArcGIS软件中,利用空间叠加分析,将街区尺度城市下垫面数据和城市功能区划数据叠加,得到街区尺度具有透水性属性、相对坡度属性、人口密度属性和城市功能区划属性的城市地表下垫面数据;
(S63)所述的城市功能区划包括商业区、居住区、工业区、科教区、绿地生态区、公共服务区、城市农业区、交通道路区。
5.根据权利要求1所述的海绵城市建设下垫面嵌套式遥感精细化制图方法,其特征在于:所述S7具体实现如下:
(S71)建成区和街区尺度下垫面嵌套式遥感精细化制图,在ArcGIS软件中,对城市地表覆盖类型、地表透水性、相对坡度、人口密度和功能区属性进行重新组合分类,使城市地块具有综合性属性,并逐一进行编码,使城市下垫面每个图斑都具备地表覆盖类型、透水性等级、相对坡度等级和人口密度等级和功能区划5个属性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910031570.XA CN109801296B (zh) | 2019-01-14 | 2019-01-14 | 一种海绵城市建设下垫面嵌套式遥感精细化制图方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910031570.XA CN109801296B (zh) | 2019-01-14 | 2019-01-14 | 一种海绵城市建设下垫面嵌套式遥感精细化制图方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109801296A CN109801296A (zh) | 2019-05-24 |
CN109801296B true CN109801296B (zh) | 2021-03-16 |
Family
ID=66558884
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910031570.XA Active CN109801296B (zh) | 2019-01-14 | 2019-01-14 | 一种海绵城市建设下垫面嵌套式遥感精细化制图方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109801296B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110837875B (zh) * | 2019-11-18 | 2022-07-05 | 国家基础地理信息中心 | 地表覆盖数据质量异常判断方法及装置 |
CN111539965B (zh) * | 2020-04-10 | 2024-03-26 | 中国资源卫星应用中心 | 协同多源信息的城市地表水国产高分遥感自适应提取方法 |
CN112560873B (zh) * | 2020-12-17 | 2021-08-06 | 昆明理工大学 | 一种城市不透水面提取方法及系统 |
CN113158934A (zh) * | 2021-04-28 | 2021-07-23 | 中国科学院空天信息创新研究院 | 基于高分辨率遥感影像的城市用地分类方法及装置、设备 |
CN113343806A (zh) * | 2021-05-26 | 2021-09-03 | 深圳数研锦瀚智慧科技有限公司 | 一种径流系数确定方法、装置、终端及存储介质 |
CN113393110B (zh) * | 2021-06-07 | 2022-05-20 | 广州珠科院工程勘察设计有限公司 | 一种多节点的城镇排涝泵站枢纽系统 |
CN113204927B (zh) * | 2021-06-08 | 2021-11-19 | 中国水利水电科学研究院 | 一种针对城市降雨洪涝过程的不同尺度分级嵌套模拟方法 |
CN116977469B (zh) * | 2023-08-02 | 2024-01-23 | 中国水利水电科学研究院 | 一种基于随机切片的社区尺度城市形态数据批量生成方法 |
CN117456045B (zh) * | 2023-10-19 | 2024-10-18 | 陕西省地质科技中心 | 一种面向降雨相关自然灾害的制图方法 |
CN117315486B (zh) * | 2023-10-30 | 2024-05-14 | 武汉理工大学 | 一种航道绿地监测方法、装置、电子设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103824077A (zh) * | 2014-03-17 | 2014-05-28 | 武汉大学 | 一种基于多源遥感数据的城市不透水层率息提取方法 |
CN106570267A (zh) * | 2016-10-28 | 2017-04-19 | 上海市政工程设计研究总院(集团)有限公司 | 基于海绵城市理念建设山体公园调蓄设计与模型校核方法 |
CN108763615A (zh) * | 2018-04-03 | 2018-11-06 | 天津大学 | 基于管网和道路双系统swmm对城市涝积水深模拟方法 |
CN108871286A (zh) * | 2018-04-25 | 2018-11-23 | 中国科学院遥感与数字地球研究所 | 空间大数据协同的城市建成区人口密度估算方法和系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10915842B2 (en) * | 2016-12-02 | 2021-02-09 | Planting Profits Llc | System and method for developing multi-objective production plans for production agriculture |
-
2019
- 2019-01-14 CN CN201910031570.XA patent/CN109801296B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103824077A (zh) * | 2014-03-17 | 2014-05-28 | 武汉大学 | 一种基于多源遥感数据的城市不透水层率息提取方法 |
CN106570267A (zh) * | 2016-10-28 | 2017-04-19 | 上海市政工程设计研究总院(集团)有限公司 | 基于海绵城市理念建设山体公园调蓄设计与模型校核方法 |
CN108763615A (zh) * | 2018-04-03 | 2018-11-06 | 天津大学 | 基于管网和道路双系统swmm对城市涝积水深模拟方法 |
CN108871286A (zh) * | 2018-04-25 | 2018-11-23 | 中国科学院遥感与数字地球研究所 | 空间大数据协同的城市建成区人口密度估算方法和系统 |
Non-Patent Citations (1)
Title |
---|
基于海绵城市建设的厦门城市暴雨内涝灾害风险研究;林美霞;《中国优秀硕士学位论文全文数据库 基础科学辑》;20180215;第8-9,15,22-23,26-27,35,39,52-54页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109801296A (zh) | 2019-05-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109801296B (zh) | 一种海绵城市建设下垫面嵌套式遥感精细化制图方法 | |
Cai et al. | Investigating the relationship between local climate zone and land surface temperature using an improved WUDAPT methodology–A case study of Yangtze River Delta, China | |
CN109740562B (zh) | 一种生态海绵型城市建设适宜区的系统及方法 | |
Kanagaraj et al. | Assessment of groundwater potential zones in Vellore district, Tamil Nadu, India using geospatial techniques | |
Li et al. | Effects of land use changes on soil erosion in a fast developing area | |
Pan et al. | Estimation of soil erosion using RUSLE in Caijiamiao watershed, China | |
Jahan et al. | Delineation of groundwater potential zones of Atrai–Sib river basin in north-west Bangladesh using remote sensing and GIS techniques | |
Suribabu et al. | Land use/cover change detection of Tiruchirapalli City, India, using integrated remote sensing and GIS tools | |
Miller et al. | Refining flood estimation in urbanized catchments using landscape metrics | |
Sarkar Chaudhuri et al. | Assessment of impervious surface growth in urban environment through remote sensing estimates | |
Thanapura et al. | Mapping urban land cover using QuickBird NDVI and GIS spatial modeling for runoff coefficient determination | |
Bhaskar et al. | Estimation of surface run-off for urban area using integrated remote sensing and GIS approach | |
Wang et al. | Geomorphic influences on land use/cover diversity and pattern | |
Fu et al. | Driving forces of impervious surface in a world metropolitan area, Shanghai: threshold and scale effect | |
Rosli et al. | Sustainable urban forestry potential based quantitative and qualitative measurement using geospatial technique | |
Kuang et al. | A 30-meter Resolution Dataset of China’s Urban Impervious Surface Area and Green Space Fractions, 2000–2018 | |
Zhang et al. | Analyzing the contribution of high resolution water range in dividing catchment based on D8 algorithm | |
Imam et al. | Remote sensing efficiency for urban analysis of Mecca and surrounds | |
Khemiri et al. | DEM-Based GIS Algorithms and 3D Geospatial Mapping for Creation of Hydrogeological Models Data in Foussana Basin (Central Tunisia) | |
Chandio et al. | Land Use and Land Cover in Kotri Jamshoro City, Pakistan, Using Gis and Remote Sensing | |
Zhou et al. | Comprehensive analysis of changes to catchment slope properties in the high-sediment region of the Loess Plateau, 1978–2010 | |
Suribabu et al. | Evaluation of Urban Growth Using Remote Sensing and GIS Tools Case Study on Thanjavur City, Tamil Nadu, India | |
Reba et al. | Determination of sustainable land potential based on priority ranking: multi-criteria analysis (MCA) technique | |
Fadda | The use of GIS and remote sensing for hydrologic evaluation of Wadi Al-Karak Basin: building GIS database system | |
Liu et al. | Constructing the landscape security pattern of urban stormwater in Nanjing, China |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |