CN114067223B - 一种基于夜光遥感数据的夜间城市过度照明监测方法 - Google Patents
一种基于夜光遥感数据的夜间城市过度照明监测方法 Download PDFInfo
- Publication number
- CN114067223B CN114067223B CN202210047166.3A CN202210047166A CN114067223B CN 114067223 B CN114067223 B CN 114067223B CN 202210047166 A CN202210047166 A CN 202210047166A CN 114067223 B CN114067223 B CN 114067223B
- Authority
- CN
- China
- Prior art keywords
- night
- illumination
- remote sensing
- data
- poi
- 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
- 238000005286 illumination Methods 0.000 title claims abstract description 170
- 238000012544 monitoring process Methods 0.000 title claims abstract description 40
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000011160 research Methods 0.000 claims abstract description 56
- 238000005192 partition Methods 0.000 claims abstract description 18
- 238000002310 reflectometry Methods 0.000 claims description 22
- 230000005855 radiation Effects 0.000 claims description 21
- 238000010276 construction Methods 0.000 claims description 15
- 238000012937 correction Methods 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000012935 Averaging Methods 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 claims description 2
- 150000001875 compounds Chemical class 0.000 claims 2
- 230000006870 function Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 6
- 229910052799 carbon Inorganic materials 0.000 description 5
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000019771 cognition Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000002790 cross-validation Methods 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006386 neutralization reaction Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- General Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Algebra (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- General Health & Medical Sciences (AREA)
- Economics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Computational Mathematics (AREA)
- Educational Administration (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Development Economics (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Circuit Arrangement For Electric Light Sources In General (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于夜光遥感数据的夜间城市过度照明监测方法，包括：S1，生成研究区的夜间照度空间分布图；S2，通过POI数据和路网数据识别城市功能分区；S3，识别夜间过度照明区域并定量表征其程度。本发明能够基于夜间灯光遥感数据对城市夜间过度照明进行监测和定量评估，有效监测城市夜间过度照明，为夜间照明的合理管控提供技术支撑。
Description
技术领域
本发明涉及城市照明技术领域，具体而言涉及一种基于夜光遥感数据的夜间城市过度照明监测方法。
背景技术
为积极应对全球气候变化，我国政府将碳达峰和碳中和纳入生态文明建设的总体布局，加快形成节约资源和保护环境的产业结构和生产生活方式。电力是当下最大的碳排放部门，发电排放约占全部碳排放的37.6％，减少电能浪费，提高电能使用能效势在必行。现阶段，诸多城市正在大力推进夜间灯光亮化工程，建设“不夜城”，由此造成的过度照明问题不仅导致了严重的能源浪费，也造成了光污染，影响人类健康与生态环境。为了推动绿色低碳发展并改善夜间生态环境，需要对城市过度照明问题进行有效监测与管控。
对夜间过度照明进行整治首先需要获取夜间照明水平的空间分布状况。传统的夜间照明监测主要是采用照度计或照相机等设备进行定点观测和移动观测，需要消耗极大的人力物力，而且无法及时动态获取大范围的观测数据。夜间照明环境具有很强的空间差异，有限的测量样本无法有效反映大尺度空间上连续的照明状况。传统定点和移动观测只能获取数目非常有限的观测样本，并且缺乏配套的城市功能分区信息，无法有效监测城市尺度的夜间过度照明。
与传统的实地及移动观测相比，遥感可以提供大尺度的、空间连续的夜间数据，为夜间照明环境监测提供了新的手段。目前已有Luojia 1-01、Aerocube-5等多颗夜间灯光遥感卫星投入使用，但是其数据主要用于监测城市动态扩张、人口及经济活动空间化、贫困识别等，基于夜间灯光遥感数据的城市过度照明监测尚未见报道。
发明内容
本发明针对现有技术中的不足，提供一种基于夜光遥感数据的夜间城市过度照明监测方法，能够基于夜间灯光遥感数据对城市夜间过度照明进行监测和定量评估，有效监测城市夜间过度照明，为夜间照明的合理管控提供技术支撑。
为实现上述目的，本发明采用以下技术方案：
本发明实施例提出了一种基于夜光遥感数据的夜间城市过度照明监测方法，所述监测方法包括以下步骤：
S1，生成研究区的夜间照度空间分布图：
S11，基于夜间灯光遥感数据、地表反射率和非建筑物覆盖比例修正得到研究区的地表入射辐射亮度；
S12，测量得到研究区内各个观测点的地表光照强度数据；
S13，提取各个观测点的地表光照强度数据和修正后的地表入射辐射亮度，构建三阶多项式夜间照度遥感反演模型；
S14，将构建的三阶多项式夜间照度遥感反演模型应用于研究区的地表入射辐射亮度，生成研究区的夜间照度空间分布图；
S2，通过POI数据和路网数据识别城市功能分区：
S21，提取研究区内兴趣点POI数据，根据城市用地分类与规划建设用地标准对POI数据进行城市功能区分类；
S22，结合研究区的道路矢量数据和行政边界矢量数据划分得到研究区包含的所有街区单元数据，参考夜间灯光遥感数据的像元分辨率，将面积过小的街区单元合并到邻近的面积最大的街区单元中，得到最终的街区单元数据；
S23，对每个街区单元内的各类POI频率密度进行对比，取频率密度最高的类型作为该街区单元的城市功能区类型；
S3，识别夜间过度照明区域并定量表征其程度：
针对不同功能区设置相应的夜间照度参考值，结合研究区的夜间照度空间分布图中各像元的遥感反演夜间照度值和对应像元的夜间照度参考值，对城市夜间过度照明进行监测和定量评估。
进一步地，步骤S11中，基于夜间灯光遥感数据、地表反射率和非建筑物覆盖比例修正得到研究区的地表入射辐射亮度的过程包括以下步骤：
S111，对夜间灯光遥感数据进行辐射定标处理，将灰度值转换为辐射亮度值：
L＝DN3/2·10-10 (1)
式中，L为夜间灯光遥感数据的辐射亮度值，单位为W/(m2·sr·μm)，DN为图像灰度值；
S112，以地形图数据或者昼间遥感影像为基准图像，对辐射定标后的辐射亮度图进行几何精校正，消除空间定位误差；
S113，采用公式(2)表征夜间灯光遥感数据的辐射亮度：
L0＝L↓·Ref·(1-Fb) (2)
式中：L0为夜间灯光遥感数据的辐射亮度，L↓为修正后的地表入射辐射亮度，Ref为地表反射率，Fb为建筑覆盖度；
S114，对公式(2)进行逆变换，根据地表反射率与建筑覆盖度将遥感辐射亮度修正为地表入射辐射亮度：
进一步地，步骤S113中，所述建筑覆盖度的计算过程包括：
选取相近日期多光谱遥感影像进行大气校正，将得到的多光谱波段真实反射率求平均得到研究区的地表反射率；将研究区建筑矢量边界数据叠加到夜间灯光遥感数据格网上，计算每个像元分辨率格网内的建筑覆盖度。
进一步地，步骤S12中，测量得到研究区内各个观测点的地表光照强度数据的过程包括以下步骤：
S121，在典型区域选取若干地点开展观测；
S122，针对各个观测点，将照度计悬置于离地面1.8m处，取水平正交的4个方向观测值的平均值作为该观测点的照度值，并记录观测点经纬度数据；
S123，将遥感像元分辨率格网范围内的多个观测点的照度值取平均作为与该像元对应的照度实测值。
进一步地，步骤S13中，提取各个观测点的地表光照强度数据和修正后的地表入射辐射亮度，构建三阶多项式夜间照度遥感反演模型的过程包括以下步骤：
提取观测点的照度数据以及对应位置的修正后的地表入射辐射亮度，构建三阶多项式夜间照度遥感反演模型：
Ev＝a1·L↓ 3+a2·L↓ 2+a3·L↓+b (4)
式中：Ev为夜间照度，单位为lx；L↓为修正后的地表入射辐射亮度，a1、a2、a3、b为经验系数，通过最小二乘拟合得到。
进一步地，步骤S21中，根据城市用地分类与规划建设用地标准对研究区的兴趣点POI数据分类为6类城市功能区：交通用地、商业金融区、居住区、绿地景观区、公共服务区与工业企业区。
进一步地，步骤S23中，对每个街区单元内的各类POI频率密度进行对比，取频率密度最高的类型作为该街区单元的城市功能区类型的过程包括以下步骤：
S231，基于POI数据的空间位置信息，对各类POI数据进行核密度计算，以表征各类POI数据在空间的密集程度：
式中，Density为坐标s处的核密度；h为搜索半径；pi为第i个POI点的位置；n为与s位置的距离低于h的POI点个数；
为预先设定的四阶核函数；
S232，根据土地覆盖数据提取城市建设用地，针对城市建设用地的街区单元通过空间叠加分析将街区单元与POI数据的核密度计算结果进行关联，结合各类城市功能区POI权重计算各类功能区的频率密度：
式中，Fi为某一街区单元内第i类POI的频率密度；Wi为第i类POI的权重，di为第i类POI在该街区单元内的核密度和；n为该街区单元内所有类别POI核密度之和；
S233，对每个街区单元内的各类POI频率密度进行对比，取频率密度最高的类型作为该街区单元的城市功能区类型。
进一步地，S3，识别夜间过度照明区域并定量表征其程度的过程包括以下步骤：
S31，根据研究区的城市功能分区图和功能区夜间照度参考值，生成研究区夜间照度参考值空间分布图；
S32，以研究区的夜间照度空间分布图中各像元的遥感反演夜间照度值减去对应像元的夜间照度参考值，如果得到的差值为正，表示该像元为过度照明像元；
S33，根据每个过度照明像元对应的差值，定量表征该过度照明像元的过度照明程度。
进一步地，所述夜光遥感数据由夜间灯光遥感卫星测量得到；该夜间灯光遥感卫星包括Luojia 1-01或者Aerocube-5。
本发明的有益效果是：
本发明提出的基于夜光遥感数据的夜间城市过度照明监测方法，利用夜间灯光遥感数据反演大范围的城市尺度夜间地表照度空间分布表征夜间光照环境，利用POI数据和路网数据识别城市不同功能分区并对不同功能分区设定不同的照度参考值，在空间大范围上监测夜间过度照明区域并定量表征其严重程度。本发明提出的基于夜光遥感数据的夜间城市过度照明监测方法，能够有效反映城市夜间过度照明的精细空间分布以及严重程度，为夜间照明的合理管控提供技术支撑。
附图说明
图1是本发明实施例的基于夜光遥感数据的夜间城市过度照明监测方法流程图。
图2为本发明实施例的夜间照度遥感反演交叉验证散点图。
图3为本发明实施例的南京市遥感反演夜间照度空间分布图。
图4为本发明实施例的南京市城市功能分区。
图5为本发明实施例的南京市过度照明区域及等级示意图。
具体实施方式
现在结合附图对本发明作进一步详细的说明。
需要注意的是，发明中所引用的如“上”、“下”、“左”、“右”、“前”、“后”等的用语，亦仅为便于叙述的明了，而非用以限定本发明可实施的范围，其相对关系的改变或调整，在无实质变更技术内容下，当亦视为本发明可实施的范畴。
图1是本发明实施例的基于夜光遥感数据的夜间城市过度照明监测方法流程图。参见图1，该监测方法包括以下步骤：
S1，生成研究区的夜间照度空间分布图：
S11，基于夜间灯光遥感数据、地表反射率和非建筑物覆盖比例修正得到研究区的地表入射辐射亮度。
S12，测量得到研究区内各个观测点的地表光照强度数据。
S13，提取各个观测点的地表光照强度数据和修正后的地表入射辐射亮度，构建三阶多项式夜间照度遥感反演模型。
S14，将构建的三阶多项式夜间照度遥感反演模型应用于研究区的地表入射辐射亮度，生成研究区的夜间照度空间分布图。
S2，通过POI数据和路网数据识别城市功能分区：
S21，提取研究区内有过度照明监测需求的兴趣点POI数据，根据城市用地分类与规划建设用地标准对研究区的兴趣点POI数据进行城市功能区分类。
S22，结合研究区的道路矢量数据和行政边界矢量数据划分得到研究区包含的所有街区单元数据，参考夜间灯光遥感数据的像元分辨率，将面积过小的街区单元合并到邻近的面积最大的街区单元中，得到最终的街区单元数据。
S23，对每个街区单元内的各类POI频率密度进行对比，取频率密度最高的类型作为该街区单元的城市功能区类型。
S3，识别夜间过度照明区域并定量表征其程度：
针对不同功能区设置相应的夜间照度参考值，结合研究区的夜间照度空间分布图中各像元的遥感反演夜间照度值和对应像元的夜间照度参考值，对城市夜间过度照明进行监测和定量评估。
本实施例涉及的夜光遥感数据由夜间灯光遥感卫星测量得到，夜间灯光遥感卫星的空间分辨率要高于200米，可以采用包括Luojia 1-01、Aerocube-5在内的多种卫星数据。本实施例基于130米分辨率Luojia 1-01夜间灯光遥感数据对前述夜间城市过度照明监测方法的优选例进行说明。当采用其他遥感卫星的遥感数据时，可以直接置换包括分辨率在内的各项固有参数，对方案的监测原理没有影响，篇幅所限，在此不再赘述。
该监测方法在利用夜间灯光遥感数据反演城市夜间照度空间分布的基础上，结合POI和路网生成的城市功能分区，识别城市夜间过度照明区域并判别其严重程度。具体的，该监测方法包括以下步骤：
S1，夜间地面照度遥感反演，生成研究区的夜间照度空间分布图
步骤S1包括以下子步骤：
S11，基于夜间灯光遥感数据、地表反射率和非建筑物覆盖比例修正得到研究区的地表入射辐射亮度。
示例性地，首先对Luojia 1-01夜间灯光影像数据通过公式(1)进行辐射定标，将灰度值转换为表观辐射亮度值：
L＝DN3/2·10-10 (1)
式中，L为Luojia 1-01辐射亮度值，单位为W/(m2·sr·μm)，DN为图像灰度值。
再以地形图数据或者具有准确定位的昼间遥感影像为基准图像，对辐射定标后Luojia 1-01辐射亮度图进行几何精校正，选择地物特征较为明显的道路交叉口和轮廓清晰的建筑物作为地面控制点，利用二阶多项式模型建立坐标转换方程，完成几何精校正，消除Luojia 1-01数据的空间定位误差。
在夜间城市场景下，遥感传感器接收的辐射信号是夜间灯光照射到地面后被反射的光辐射信号，而影响夜间光环境的主要因素是地面入射光辐射并非是反射光辐射。由于地面反射率的差异，入射辐射与反射辐射之间存在显著差异；此外，遥感传感器瞬时视场角内包括地面以及建筑物顶部，建筑物顶部几乎没有灯光，每个像元的光辐射信号主要来自地面，需要剔除建筑物顶部的信号。因此传感器的表观辐射亮度可以用地表入射辐射亮度乘以地表反射率来表示，因此再乘以每个像元对应的非建筑物覆盖比例，去除建筑物顶部信号：
L0＝L↓·Ref·(1-Fb) (2)
式中：L0为Luojia 1-01的辐射亮度，L↓为Luojia 1-01修正后的地表入射辐射亮度，Ref为地表反射率，Fb为建筑覆盖度。
对公式(2)进行逆变换，得到地表入射辐射亮度的修正公式，可以根据地表反射率与建筑覆盖度将遥感辐射亮度修正为地表入射辐射亮度：
优选的，选取相近日期多光谱遥感影像进行大气校正，将得到的多光谱波段真实反射率求平均得到研究区的地表反射率。将研究区建筑矢量边界数据叠加到Luojia 1-01格网上，计算每个130m分辨率格网内的建筑覆盖度。再应用公式(3)计算得到修正后的Luojia 1-01地表入射辐射亮度。
S12，测量得到研究区内各个观测点的地表光照强度数据。
选取典型区域开展地表光照强度的测量。考虑到光具有很强的方向性，单一方向的观测值之间具有明显差异，取水平正交的4个方向观测值的平均值减小方向差异导致的观测误差。在观测点将照度计悬置于离地面1.8m处，在前、后、左、右4个正交方向记录照度，并记录观测点经纬度数据。考虑到Luojia 1-01空间分辨率为130m，单个样点数据不足以很好表征整个像元的照度信息，将130×130m范围内的4个点的照度值取平均作为与Luojia1-01像元对应的照度实测值。
S13，提取各个观测点的地表光照强度数据和修正后的地表入射辐射亮度，构建三阶多项式夜间照度遥感反演模型。
提取实测点的照度数据以及对应位置的Luojia 1-01修正后地表入射辐射亮度，构建三阶多项式夜间照度遥感反演模型：
Ev＝a1·L↓ 3+a2·L↓ 2+a3·L↓+b (4)
式中：Ev为夜间照度，单位为lx；L↓为Luojia 1-01地表入射辐射亮度，a1、a2、a3、b为经验系数，需要通过最小二乘拟合得到。
S14，将构建的三阶多项式夜间照度遥感反演模型应用于研究区的地表入射辐射亮度，得到研究区地表垂直照度，生成研究区的夜间照度空间分布图。
S2，通过POI数据和路网数据识别城市功能分区
S21，提取研究区内有过度照明监测需求的兴趣点POI数据，根据城市用地分类与规划建设用地标准对研究区的兴趣点POI数据进行城市功能区分类。
示例性地，从高德地图提取研究区的兴趣点POI数据，根据POI数据携带的标签信息剔除无实际意义及用处的数据如自助取款机、停车场等，根据城市用地分类与规划建设用地标准将原始的POI数据重分类为6大类：交通用地、商业金融区、居住区、绿地景观区、公共服务区与工业企业区。POI数据只是带有地理信息的点数据，并不带有地理实体特征，如公众认知度、占地面积和重要程度等，需要给POI点数据特征量来表征这些信息。以公众认知度和占地面积为指标对不同类型的POI数据分别赋予权重值来代表其实体意义。在实际应用中，还可以根据研究区的实际情况重新设定或者增减城市功能区的类型。
S22，结合研究区的道路矢量数据和行政边界矢量数据划分得到研究区包含的所有街区单元数据，参考夜间灯光遥感数据的像元分辨率，将面积过小的街区单元合并到邻近的面积最大的街区单元中，得到最终的街区单元数据。
示例性地，基于POI的空间位置信息，对6类POI数据进行核密度计算，表征各类POI数据在空间的密集程度：
式中，Density为坐标s处的核密度；h为搜索半径；pi为第i个POI点的位置；n为与s位置的距离低于h的POI点个数；
为预先设定的四阶核函数。
根据研究区的道路矢量数据和行政边界矢量数据划分街区单元，并参考Luojia1-01像元分辨率将面积过小的街区单元合并到邻近的面积最大的街区单元中，得到最终的街区单元数据。
S23，对每个街区单元内的各类POI频率密度进行对比，取频率密度最高的类型作为该街区单元的城市功能区类型。
示例性地，根据土地覆盖数据提取城市建设用地，针对城市建设用地的街区单元通过空间连接将街区单元与POI数据的核密度计算结果进行关联，结合各类城市功能区POI权重计算各类功能区的频率密度。计算公式如下：
式中Fi为某一街区单元内第i类POI的频率密度；Wi为第i类POI的权重，di为第i类POI在该街区单元内的核密度和；n为该街区单元内所有类别POI核密度之和。
对每个街区单元内的6类POI频率密度进行对比，取频率密度最高的类型作为该街区单元的城市功能区类型。
S3，识别夜间过度照明区域并定量表征其程度
针对不同功能区设置相应的夜间照度参考值，结合研究区的夜间照度空间分布图中各像元的遥感反演夜间照度值和对应像元的夜间照度参考值，对城市夜间过度照明进行监测和定量评估。
夜间照度参考值的设置方法可以由具体需求决定。本实施例提供其中一种例子对识别和定量表征过程进行说明。
参考国际照明委员会第150号技术报告、国外相关政策制度和研究论文，针对商业金融区、居住区、绿地景观区、公共服务区与工业企业区这5类城市功能分区设定夜间照度阈值，高于该阈值即为过度照明。而交通用地如机场、火车站等由于涉及交通安全需要保持较高亮度，不作限制。
表1不同类型城市功能区夜间照度参考值
| 类型 | 照度参考值(1x) |
| 商业金融区 | 25 |
| 居住区 | 10 |
| 绿地景观区 | 5 |
| 公共服务区 | 10 |
| 工业企业区 | 25 |
根据研究区的城市功能分区图和功能区夜间照度参考值，生成研究区夜间照度参考值空间分布图。以遥感反演夜间照度值减去对应像元的夜间照度参考值，如果差值为正，表示该像元为过度照明像元，差值越大，表明过度照明问题越严重。按照表2对像元过度照明程度进行分级，最终生成研究区的过度照明遥感监测结果图。
表2城市夜间过度照明程度分级
| 级别 | 实际照度与参考照度差值(lx) |
| 1 | ＜5 |
| 2 | 5～10 |
| 3 | 10～15 |
| 4 | 15～25 |
| 5 | ＞25 |
本实施例基于130米分辨率Luojia 1-01夜间灯光遥感数据和辅助数据生成夜间照度空间分布图，利用兴趣点POI和路网矢量数据进行城市功能分区，针对不同功能区设置不同照度参考值，对城市夜间过度照明进行监测和定量评估。
实例
本实施例利用Luojia 1-01夜间灯光遥感数据和辅助数据对南京市的夜间过度照明进行实例监控测试。监测过程包括以下步骤：
步骤一，夜间地面照度遥感反演
首先，对Luojia 1-01夜间灯光影像数据通过公式(1)进行辐射定标，将灰度值转换为表观辐射亮度值。以地形图数据或者具有准确定位的昼间遥感影像为基准图像，对辐射定标后Luojia 1-01辐射亮度图进行几何精校正，选择地物特征较为明显的道路交叉口和轮廓清晰的建筑物作为地面控制点，利用二阶多项式模型建立坐标转换方程，完成几何精校正，消除Luojia 1-01数据的空间定位误差。选取与Luojia 1-01成像日期相近的白天卫星影像GF1/WFV利用FLAASH进行大气校正，得到4个多光谱波段真实反射率，对4个波段反射率求平均得到南京市地表反射率空间分布。基于天地图提取的南京市建筑物轮廓矢量数据叠加到Luojia 1-01影像上，分别计算每个像元对应的130*130m范围内的建筑物覆盖面积，除以像元16900m2的面积，得到南京市建筑覆盖度空间分布。根据南京市几何精校正后的Luojia 1-01辐射亮度、地表反射率和建筑覆盖度运用公式(3)计算得到南京市地表入射辐射亮度。
其次，在南京市选择若干典型地区开展实地观测。在每一个观测点将照度计悬置于离地面1.8m处，在前、后、左、右4个正交方向记录照度，并记录观测点经纬度数据，取前后左右4个方向的照度平均值作为这个点的照度。考虑到Luojia1-01影像分辨率为130m，单个样点数据不足以很好的表征整个像元的照度信息，将130m*130m范围内的4个点的照度值取平均作为与Luojia 1-01像元对应的照度实测值。
最后，根据各个观测点的实测照度以及对应像元的Luojia 1-01地表入射辐射亮度，基于公式(4)通过最小二乘拟合求解系数a1、a2、a3、b的值，构建夜间照度三阶多项式遥感反演模型，并通过10折交叉验证对模型精度进行验证。图2为本发明实施例的夜间照度遥感反演交叉验证散点图。
将建立的夜间照度三阶多项式模型应用于南京市地表入射辐射亮度数据，得到南京市夜间照度空间分布图。图3为本发明实施例的南京市遥感反演夜间照度空间分布图。由图3可知，南京市夜间照度总体分布在0～60lx之间，空间分布差异性明显。照度高值区主要分布在南京市主城区，包括玄武区、秦淮区、鼓楼区、建邺区、雨花台等老城区，并向东延伸至栖霞的仙林地区，向南延伸至江宁的九龙湖地区；长江以北的浦口到六合一带形成了仅次于主城区的次级夜间照度高值区域；除了中心城区外，各区的主城区的照度明显高于周边地区，形成多个零散的高照度区域。
步骤二，城市功能分区
从高德地图提取兴趣点POI数据，根据POI数据携带的标签信息剔除无实际意义的数据如自助取款机、停车场等，保留有明确实体意义的、不重复的POI数据用于城市功能分区。根据城市用地分类与规划建设用地标准将原始的POI数据重分类为6大类：交通用地、商业金融区、居住区、绿地景点、公共服务区与工业企业区。以公众认知度和占地面积作为指标对不同类型的POI数据分别进行赋权操作。
基于POI的空间位置信息，运用公式(5)计算交通用地、商业金融区、居住区、绿地景点、公共服务区与工业企业区这6类POI的核密度。
从OpenStreetMap提取南京市路网矢量数据结合南京市行政边界矢量数据进行线-面转换，划分街区单元。对所划分的的街区单元计算面积，考虑到Luojia 1-01像元大小为130×130m，对于面积小于10000m2的街区单元选取邻近的面积最大的街区单元进行合并，得到最终的街区单元数据。
基于GlobeLand30土地覆盖数据提取南京市建筑用地范围，针对划分得到的类型为城市建设用地的街区单元通过空间连接将街区单元与POI数据核密度进行关联，将研究区内所有点的POI密度划分到所对应的街区单元中，基于公式(6)计算得到每一个街区单元内各类核密度和以及该街区单元内所有POI密度和，划分南京市城市功能分区。图4为本发明实施例的南京市城市功能分区。由图4可知，南京城市功能区中居住区比重最高，且广泛分布；商业金融区分布较为聚集，主要分布在市中心区域。公共服务区遍布在城市各个区域，分布较为均匀，市中心相对较少；工业企业区主要分布在城市外围，且多是沿着长江成片分布；交通用地较少，且分布零散；绿地景观区数量较多，大多分布在郊区以及城区的居住区周边。
步骤三，夜间过度照明识别
根据南京城市功能分区图，结合表1给出的各类功能区夜间照度参考值，生成南京市夜间照度参考值空间分布图。以南京市遥感反演夜间照度值减去对应像元的夜间照度参考值，并根据表2对过度照明区域划分等级，得到南京市夜间过度照明遥感监测结果图。图5为本发明实施例的南京市过度照明区域及等级示意图。由图5可知，南京市过度照明区域主要集中在主城区以及隔江相望的江北新区，严重过度照明区域主要位于主城区中的秦淮区和鼓楼区。
前述测试结果表明基于Luojia 1-01夜间灯光遥感数据及辅助空间数据能够有效监测城市夜间过度照明，能够为夜间城市照明的合理管控提供技术支撑，本实施例提出的方法可以有效用于城市夜间过度照明的监测。
以上仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，应视为本发明的保护范围。
Claims (9)
1.一种基于夜光遥感数据的夜间城市过度照明监测方法，其特征在于，所述监测方法包括以下步骤：
S1，生成研究区的夜间照度空间分布图：
S11，基于夜间灯光遥感数据、地表反射率和非建筑物覆盖比例修正得到研究区的地表入射辐射亮度；
S12，测量得到研究区内各个观测点的地表光照强度数据；
S13，提取各个观测点的地表光照强度数据和修正后的地表入射辐射亮度，构建三阶多项式夜间照度遥感反演模型；
S14，将构建的三阶多项式夜间照度遥感反演模型应用于研究区的地表入射辐射亮度，生成研究区的夜间照度空间分布图；
S2，通过POI数据和路网数据识别城市功能分区：
S21，提取研究区内兴趣点POI数据，根据城市用地分类与规划建设用地标准对POI数据进行城市功能区分类；
S22，结合研究区的道路矢量数据和行政边界矢量数据划分得到街区单元数据，参考夜间灯光遥感数据的像元分辨率，将面积过小的街区单元合并到邻近的面积最大的街区单元中，得到最终的街区单元数据；
S23，对每个街区单元内的各类POI频率密度进行对比，取频率密度最高的类型作为该街区单元的城市功能区类型；
S3，识别夜间过度照明区域并定量表征其程度：
针对不同功能区设置相应的夜间照度参考值，结合研究区的夜间照度空间分布图中各像元的遥感反演夜间照度值和对应像元的夜间照度参考值，对城市夜间过度照明进行监测和定量评估。
2.根据权利要求1所述的基于夜光遥感数据的夜间城市过度照明监测方法，其特征在于，步骤S11中，基于夜间灯光遥感数据、地表反射率和非建筑物覆盖比例修正得到研究区的地表入射辐射亮度的过程包括以下步骤：
S111，对夜间灯光遥感数据进行辐射定标处理，将灰度值转换为辐射亮度值：
L=DN3/2·10-10 （1）
式中，L为夜间灯光遥感数据的辐射亮度值，单位为W/(m2·sr·μm)，DN为图像灰度值；
S112，以地形图数据或者昼间遥感影像为基准图像，对辐射定标后的辐射亮度图进行几何精校正，消除空间定位误差；
S113，采用公式（2）表征夜间灯光遥感数据的辐射亮度：
式中：L 0为夜间灯光遥感数据的辐射亮度，
为修正后的地表入射辐射亮度，Ref为地表反射率，Fb为建筑覆盖度；
S114，对公式（2）进行逆变换，根据地表反射率与建筑覆盖度将遥感辐射亮度修正为地表入射辐射亮度：
3.根据权利要求2所述的基于夜光遥感数据的夜间城市过度照明监测方法，其特征在于，步骤S113中，所述建筑覆盖度的计算过程包括：
选取相近日期多光谱遥感影像进行大气校正，将得到的多光谱波段真实反射率求平均得到研究区的地表反射率；将研究区建筑矢量边界数据叠加到夜间灯光遥感数据格网上，计算每个像元分辨率格网内的建筑覆盖度。
4.根据权利要求1所述的基于夜光遥感数据的夜间城市过度照明监测方法，其特征在于，步骤S12中，测量得到研究区内各个观测点的地表光照强度数据的过程包括以下步骤：
S121，在典型区域选取若干地点开展观测；
S122，针对各个观测点，将照度计悬置于离地面1.8m处，取水平正交的4个方向观测值的平均值作为该观测点的照度值，并记录观测点经纬度数据；
S123，将遥感像元分辨率格网范围内的多个观测点的照度值取平均作为与该像元对应的照度实测值。
5.根据权利要求1所述的基于夜光遥感数据的夜间城市过度照明监测方法，其特征在于，步骤S13中，提取各个观测点的地表光照强度数据和修正后的地表入射辐射亮度，构建三阶多项式夜间照度遥感反演模型的过程包括以下步骤：
提取观测点的照度数据以及对应位置的修正后的地表入射辐射亮度，构建三阶多项式夜间照度遥感反演模型：
式中：Ev为夜间照度，单位为lx；
为修正后的地表入射辐射亮度，
、
、
、b为经验系数，通过最小二乘拟合得到。
6.根据权利要求1所述的基于夜光遥感数据的夜间城市过度照明监测方法，其特征在于，步骤S21中，根据城市用地分类与规划建设用地标准对研究区的兴趣点POI数据分类为6类城市功能区：交通用地、商业金融区、居住区、绿地景观区、公共服务区与工业企业区。
7.根据权利要求1所述的基于夜光遥感数据的夜间城市过度照明监测方法，其特征在于，步骤S23中，对每个街区单元内的各类POI频率密度进行对比，取频率密度最高的类型作为该街区单元的城市功能区类型的过程包括以下步骤：
S231，基于POI数据的空间位置信息，对各类POI数据进行核密度计算，以表征各类POI数据在空间的密集程度：
式中，Density为坐标s处的核密度；h为搜索半径；p i 为第i个POI点的位置；n为与s位置的距离低于h的POI点个数；
为预先设定的四阶核函数；
S232，根据土地覆盖数据提取城市建设用地，针对城市建设用地的街区单元通过空间叠加分析将街区单元与POI数据的核密度计算结果进行关联，结合各类城市功能区POI权重计算各类功能区的频率密度：
式中，F i 为某一街区单元内第i类POI的频率密度；W i 为第i类POI的权重，d i 为第i类POI在该街区单元内的核密度和；n为该街区单元内所有类别POI核密度之和；
S233，对每个街区单元内的各类POI频率密度进行对比，取频率密度最高的类型作为该街区单元的城市功能区类型。
8.根据权利要求1所述的基于夜光遥感数据的夜间城市过度照明监测方法，其特征在于，S3，识别夜间过度照明区域并定量表征其程度的过程包括以下步骤：
S31，根据研究区的城市功能分区图和功能区夜间照度参考值，生成研究区夜间照度参考值空间分布图；
S32，以研究区的夜间照度空间分布图中各像元的遥感反演夜间照度值减去对应像元的夜间照度参考值，如果得到的差值为正，表示该像元为过度照明像元；
S33，根据每个过度照明像元对应的差值，定量表征该过度照明像元的过度照明程度。
9.根据权利要求1所述的基于夜光遥感数据的夜间城市过度照明监测方法，其特征在于，所述夜光遥感数据由夜间灯光遥感卫星测量得到；该夜间灯光遥感卫星包括Luojia 1-01或者Aerocube-5。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210047166.3A CN114067223B (zh) | 2022-01-17 | 2022-01-17 | 一种基于夜光遥感数据的夜间城市过度照明监测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210047166.3A CN114067223B (zh) | 2022-01-17 | 2022-01-17 | 一种基于夜光遥感数据的夜间城市过度照明监测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114067223A CN114067223A (zh) | 2022-02-18 |
| CN114067223B true CN114067223B (zh) | 2022-04-15 |
Family
ID=80231100
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210047166.3A Active CN114067223B (zh) | 2022-01-17 | 2022-01-17 | 一种基于夜光遥感数据的夜间城市过度照明监测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114067223B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114235148B (zh) * | 2022-02-25 | 2022-05-20 | 南京信息工程大学 | 一种基于夜光遥感数据的道路夜间照明质量监测方法 |
| 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 |
| CN115439642B (zh) * | 2022-08-26 | 2024-04-19 | 武汉大学 | 一种夜光遥感能量影像合成方法、装置及设备 |
| CN116056290B (zh) * | 2023-03-31 | 2023-09-15 | 广东远合工程科技有限公司 | 一种市政夜景照明亮度控制方法及其相关设备 |
| CN117131441B (zh) * | 2023-10-25 | 2024-02-13 | 北京大学深圳研究生院 | 夜间光污染监测方法、装置、计算机设备和存储介质 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2011052462A1 (ja) * | 2009-11-02 | 2011-05-05 | 国立大学法人山口大学 | 夜間照明による植物への光害の評価方法、夜間照明の特性評価方法及び光害回避照明装置 |
| CN108764193B (zh) * | 2018-06-04 | 2022-02-01 | 北京师范大学 | 融合poi和遥感影像的城市功能区划分方法 |
| KR20210006168A (ko) * | 2019-07-08 | 2021-01-18 | (주)이즈소프트 | 조명기구 분석 정보 제공 장치 및 방법 |
| CN111444178B (zh) * | 2020-03-06 | 2023-10-13 | 深圳大学 | 一种光污染评价方法及装置 |
-
2022
- 2022-01-17 CN CN202210047166.3A patent/CN114067223B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN114067223A (zh) | 2022-02-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114067223B (zh) | 一种基于夜光遥感数据的夜间城市过度照明监测方法 | |
| Esch et al. | World Settlement Footprint 3D-A first three-dimensional survey of the global building stock | |
| Chen et al. | Sky view factor analysis of street canyons and its implications for daytime intra‐urban air temperature differentials in high‐rise, high‐density urban areas of Hong Kong: a GIS‐based simulation approach | |
| Li et al. | Urban morphology in China: dataset development and spatial pattern characterization | |
| Munir et al. | Structuring an integrated air quality monitoring network in large urban areas–Discussing the purpose, criteria and deployment strategy | |
| Zheng et al. | Nighttime light remote sensing for urban applications: Progress, challenges, and prospects | |
| Jiang et al. | Geospatial assessment of rooftop solar photovoltaic potential using multi-source remote sensing data | |
| CN114417646B (zh) | 一种高维异构降水数据融合方法及系统 | |
| CN115267941A (zh) | 一种高解析度真彩可见光模型生成、反演方法及其系统 | |
| Wu et al. | A Review on the Use of Landscape Indices to Study the Effects of Three-Dimensional Urban Landscape Patterns on Haze Pollution in China. | |
| Fu et al. | A machine learning-based approach for fusing measurements from standard sites, low-cost sensors, and satellite retrievals: Application to NO2 pollution hotspot identification | |
| Liu et al. | Site testing campaign for the Large Optical Telescope at the Ali site | |
| Masri et al. | Development of spatiotemporal models to predict ambient ozone and NOx concentrations in Tianjin, China | |
| López-Caloca et al. | Sentinel-1 satellite data as a tool for monitoring inundation areas near urban areas in the Mexican tropical wet | |
| Swardika et al. | Development of green zone energy mapping for community-based low carbon emissions | |
| Lopez-Farias et al. | Optimization of sensor locations for a light pollution monitoring network | |
| Fawzy et al. | Monitoring and assessment OF road cracks and potholes using digital close range photogrammetry 3D reconstruction technique | |
| CN111292018B (zh) | 一种城市易损性模型构建方法 | |
| Murshed et al. | Evaluation of Two Solar Radiation Algorithms on 3D City Models for Calculating Photovoltaic Potential. | |
| Dean et al. | Analysis of web-based solar photovoltaic mapping tools | |
| Fallmann et al. | Impact of urban imperviousness on boundary layer meteorology and air chemistry on a regional scale | |
| Dziurdzikowski et al. | Satellite Imaging in the Analyses of Light Pollution | |
| Poelman | Mapping high-resolution population and employment data in urban areas, using Copernicus Urban Atlas as a framework: Some tests taking into account the third dimension | |
| Guo et al. | Modeling urban air temperature using satellite-derived surface temperature, meteorological data, and local climate zone pattern—a case study in Szeged, Hungary | |
| Rodríguez et al. | Validation of a 3D Local-Scale Adaptive Solar Radiation Model by Using Pyranometer Measurements and High-Resolution DEM |
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 | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20220218 Assignee: Nanjing Yongning Monitoring Technology Co.,Ltd. Assignor: Nanjing University of Information Science and Technology Contract record no.: X2022980024371 Denomination of invention: A monitoring method of urban over lighting at night based on luminous remote sensing data Granted publication date: 20220415 License type: Common License Record date: 20221207 Application publication date: 20220218 Assignee: Nanjing Qishengyun Information Technology Co.,Ltd. Assignor: Nanjing University of Information Science and Technology Contract record no.: X2022980024370 Denomination of invention: A monitoring method of urban over lighting at night based on luminous remote sensing data Granted publication date: 20220415 License type: Common License Record date: 20221207 |
|
| EE01 | Entry into force of recordation of patent licensing contract |