CN114235148B - 一种基于夜光遥感数据的道路夜间照明质量监测方法 - Google Patents
一种基于夜光遥感数据的道路夜间照明质量监测方法 Download PDFInfo
- Publication number
- CN114235148B CN114235148B CN202210176124.XA CN202210176124A CN114235148B CN 114235148 B CN114235148 B CN 114235148B CN 202210176124 A CN202210176124 A CN 202210176124A CN 114235148 B CN114235148 B CN 114235148B
- Authority
- CN
- China
- Prior art keywords
- road
- remote sensing
- illumination
- night
- value
- 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 121
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000012544 monitoring process Methods 0.000 title claims abstract description 32
- 238000012545 processing Methods 0.000 claims abstract description 11
- 238000012937 correction Methods 0.000 claims abstract description 9
- 208000006440 Open Bite Diseases 0.000 claims abstract description 7
- 238000011160 research Methods 0.000 claims abstract description 7
- 238000005259 measurement Methods 0.000 claims description 13
- 150000001875 compounds Chemical class 0.000 claims description 11
- 230000005855 radiation Effects 0.000 claims description 11
- 230000015572 biosynthetic process Effects 0.000 claims description 8
- 238000003786 synthesis reaction Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 7
- 230000009466 transformation Effects 0.000 claims description 5
- 230000000007 visual effect Effects 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000007500 overflow downdraw method Methods 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 230000002093 peripheral effect Effects 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000010972 statistical evaluation Methods 0.000 claims description 3
- 238000007619 statistical method Methods 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 6
- 238000002790 cross-validation Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000001303 quality assessment method Methods 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000013440 design planning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000036632 reaction speed Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J1/00—Photometry, e.g. photographic exposure meter
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B20/00—Energy efficient lighting technologies, e.g. halogen lamps or gas discharge lamps
- Y02B20/40—Control techniques providing energy savings, e.g. smart controller or presence detection
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于夜光遥感数据的道路夜间照明质量监测方法，包括：对JL1‑3B夜间灯光遥感数据进行去噪、辐射定标和几何精校正处理，得到预处理后的JL1‑3B遥感图像；构建地面照度遥感反演模型；将构建的地面照度遥感反演模型应用于预处理后的JL1‑3B遥感图像，得到研究区的夜间地表照度空间分布；基于高分辨率昼间遥感图像，得到各条道路的无遮挡空间范围；分别提取各条道路无遮挡空间范围内所有像元的地表照度值，计算各条道路的照度平均值、标准差与变异系数，对道路照明质量进行评估。本发明能够快速有效进行道路夜间照明质量的监测与评估，为改善道路夜间照明环境、保障交通安全提供技术支撑。
Description
技术领域
本发明涉及道路照明质量监测技术领域，具体而言涉及一种基于夜光遥感数据的道路夜间照明质量监测方法。
背景技术
道路夜间照明是现代交通设施的重要组成部分，最重要的目的是为夜间出行车辆以及行人创造良好的光照环境。道路夜间照明的质量对车辆行驶安全有很大影响，过暗的照明条件降低了夜间能见度，存在交通隐患。而亮度变化过于大或者对比过于强烈，也会干扰驾驶员的反应速度和判断力。提高道路照明质量，对于保障夜间交通安全、提高交通效率具有重要意义。根据国际照明委员会(CIE) 报告，良好的夜间照明能让城市道路交通事故率降低30%。
为了营造良好的道路夜间照明环境，需要对道路照明质量进行有效监测。传统的道路照明质量监测方法是布点法，在选定路段按照一定间隔并利用照度计或者亮度计测量若干样点的照度或者亮度，然后计算平均照度或者平均亮度作为道路照明水平的表征，计算照度或者亮度最大值与最小值之差作为道路照明均匀性的表征。这样的测量方式存在一些缺陷：1）测量地点有限，只能以点代面，不能快速监测大范围下各条道路的照明质量；2）需要耗费大量的人力物力；3）测量作业会影响正常交通。夜间灯光遥卫星遥感的发展为道路照明质量监测提供了新的思路。与布点监测相比，卫星遥感能够在大范围内快速监测道路照明质量，并且不会影响交通，具有独特的优势。目前我国长光公司的JL1-3B遥感卫星能够提供空间分辨率高达0.92m的夜间灯光遥感图像，具备了道路照明监测的潜力。然而目前尚未有利用夜间灯光遥感的道路照明质量监测相关报道。
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道路夜间照明质量监测方法，能够基于夜间灯光遥感数据快速有效进行道路夜间照明质量的监测与评估，为改善道路夜间照明环境、保障交通安全提供技术支撑。
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道路夜间照明质量监测方法，所述监测方法包括以下步骤：
S1，对JL1-3B夜间灯光遥感数据进行去噪和辐射定标处理，将灰度值转换为辐射亮度值，得到相应的辐射亮度图；以地形图数据或者具有准确定位的昼间高分辨率遥感图像为基准图像，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，得到预处理后的JL1-3B遥感图像；
S2，在卫星过境同时，选取典型区域作为观测点开展地表照度实地观测，记录观测点的经纬度数据和实测照度；提取观测点对应的JL1-3B遥感图像像元的第1、2、3波段辐射亮度值进行求和，再与实测照度进行对数回归，构建地面照度遥感反演模型：
式中，
为照度值，单位为lux；
、
、
分别为JL1-3B遥感图像像元的第1、2、3波
段的辐射亮度值；
和
为经验系数，通过回归拟合得到；
将构建的地面照度遥感反演模型应用于预处理后的JL1-3B遥感图像，得到研究区的夜间地表照度空间分布；
S3，基于高分辨率昼间遥感图像，得到各条道路的无遮挡空间范围；
S4，分别提取各条道路无遮挡空间范围内所有像元的地表照度值，计算各条道路的照度平均值、标准差与变异系数，对道路照明质量进行评估。
进一步地，步骤S1中，得到预处理后的JL1-3B遥感图像的过程包括以下子步骤：
S11，对JL1-3B夜间灯光遥感数据的第1、2、3波段进行RGB真彩色合成，再进行HSV变换，按照下面的判断准则提取并标识噪声像元：
式中，H、S、V分别为HSV颜色空间的色调、饱和度和亮度值；
S12，针对每个噪声像元，分别以周边非噪声像元第1、2、3波段值对相应波段进行空间插补，以插补值替换噪声像元值，去除噪声；
S13，对去噪后的JL1-3B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，得到JL1-3B辐射亮度图：
式中，
为第i波段辐射亮度值，单位为W/(m2·sr)，
为第i波段灰度值，
和
为第i波段为定标系数，i=1,2,3；定标系数
和
的值分别为：
，
，
，
，
，
。
S14，以地形图数据或者具有准确定位的昼间高分辨率遥感图像为基准图像对辐射定标后JL1-3B辐射亮度图进行几何精校正，消除空间定位误差。
进一步地，步骤S2中，在卫星过境同时，选取典型区域作为观测点开展地表照度实地观测，记录观测点的经纬度数据和实测照度的过程包括以下子步骤：
S21，在地面选取若干个具有空旷无遮挡特性的典型区域作为观测点开展照度实地测量，观测时间为卫星过境时间前后1小时；
S22，将照度计的感光头水平朝上放置，记录照度值，并利用GNSS设备记录观测点经纬度值；
S23，结合人工筛选，使用3σ法剔除照度观测数据中的异常值。
进一步地，步骤S2中，提取各观测点的照度值以及对应的预处理后JL1-3B夜光遥
感图像像元的第1、2、3波段辐射亮度值，通过最小二乘法回归拟合求解系数
和
的值，构
建得到夜间地表照度遥感反演模型，并通过10折交叉验证对模型精度进行验证。
进一步地，步骤S3中，基于高分辨率昼间遥感图像，得到各条道路的无遮挡空间范围的过程包括以下子步骤：
S31，基于高分辨率昼间遥感图像计算归一化植被指数NDVI：
式中，NDVI为归一化植被指数值；NIR和R分别为遥感图像近红外波段和红波段像元值；
S32，将高分辨率昼间遥感图像的红、绿、蓝波段进行真彩色合成，采用Gram-Schmidt正交变换融合方法与NDVI图像进行融合，在真彩色图像基础上突出植被信息；
S33，基于融合后图像，通过目视解译提取道路空间范围，并提取道路范围内的行道树冠层范围，去除道路中的行道树冠层遮挡范围，得到各条道路的无遮挡空间范围。
进一步地，步骤S4中，分别提取各条道路无遮挡空间范围内所有像元的地表照度值，计算各条道路的照度平均值、标准差与变异系数的过程包括以下子步骤：
S41，采用下述公式计算得到指定道路的照度平均值：
式中，
为指定道路的照度平均值，单位为lux；
为该指定道路范围内第j个像元
的照度值，单位为lux；N为该指定道路范围内像元总数；
S42，采用下述公式计算得到指定道路的照度标准差：
式中，
为指定道路的照度标准差，单位为lux；
为该指定道路的照度平均值，单
位为lux；
S43，采用下述公式计算得到指定道路的照度变异系数：
式中，
为指定道路的照度变异系数。
S44，按照不同道路的不同等级，根据它们的照度平均值、照度标准差和照度变异系数对道路照明质量进行统计分析和评价；其中，照度平均值用于反映道路的平均照明亮度水平，标准差与变异系数用于反映道路照明亮度的均匀度。
本发明基于0.92m分辨率的JL1-3B夜间灯光遥感数据开展道路夜间照明质量监测，在反演夜间地面照度空间分布图的基础上，结合道路空间分布信息计算各条道路照度平均值、标准差与变异系数，对道路照明质量进行监测和定量评估。
本发明的有益效果是：
本发明提出的基于夜光遥感数据的道路夜间照明质量监测方法，利用JL1-3B夜间灯光遥感数据反演大范围的夜间地面照度，结合道路空间范围信息对道路夜间照明质量进行监测和评估。相比之下，传统的地面布点监测方法只能够对少数道路的有限地点进行监测，缺乏效率并且会妨碍交通。本发明提供的方法能对大范围的道路夜间照明质量进行有效监测与评估，为保障夜间交通安全、提高交通效率提供技术支撑，测量效率明显优于传统监测方法，并且不会对交通造成影响。
附图说明
图1为本发明实施例的基于夜光遥感数据的道路夜间照明质量监测方法流程图。
图2a为本发明实施例的去噪前的JL1-3B图像示意图。
图2b为本发明实施例的去噪后的JL1-3B图像示意图。
图3为本发明实施例的经过去噪、辐射定标和几何精校正的JL1-3B夜光遥感图像示意图。
图4为本发明实施例的地面照度遥感反演交叉验证散点图。
图5为本发明实施例的遥感反演夜间地表照度空间分布图。
图6为本发明实施例的道路提取结果示意图。
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为本发明实施例的基于夜光遥感数据的道路夜间照明质量监测方法流程图。参见图1，该监测方法包括以下步骤：
S1，对JL1-3B夜间灯光遥感数据进行去噪和辐射定标处理，将灰度值转换为辐射亮度值，得到相应的辐射亮度图；以地形图数据或者具有准确定位的昼间高分辨率遥感图像为基准图像，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，得到预处理后的JL1-3B遥感图像。
S2，在卫星过境同时，选取典型区域作为观测点开展地表照度实地观测，记录观测点的经纬度数据和实测照度；提取观测点对应的JL1-3B遥感图像像元的第1、2、3波段辐射亮度值进行求和，再与实测照度进行对数回归，构建地面照度遥感反演模型：
式中，
为照度值，单位为lux；
、
、
分别为JL1-3B遥感图像像元的第1、2、3波
段的辐射亮度值；
和
为经验系数，通过回归拟合得到；
将构建的地面照度遥感反演模型应用于预处理后的JL1-3B遥感图像，得到研究区的夜间地表照度空间分布。
S3，基于高分辨率昼间遥感图像，得到各条道路的无遮挡空间范围。
S4，分别提取各条道路无遮挡空间范围内所有像元的地表照度值，计算各条道路的照度平均值、标准差与变异系数，对道路照明质量进行评估。
本实施例的监测方法在对JL1-3B夜间灯光遥感进行去噪、辐射定标、几何精校正处理的基础上，结合实测数据构建夜间地表照度遥感模型反演地面照度，结合道路空间分布图计算各条道路夜间照度的平均值、标准差与变异系数，评估道路的照明质量。具体包括以下步骤：
1）JL1-3B夜间灯光遥感数据处理
JL1-3B夜间灯光遥感数据存在较多的点状纯色噪声，需要进行去噪处理。对JL1-3B数据的第1、2、3波段进行RGB真彩色合成，然后进行HSV变换，按照下面的判断准则判断是否是噪声像元：
式中，H、S、V分别为HSV颜色空间的色调、饱和度和亮度值。
按照上述标准提取并标识噪声像元，分别以周边非噪声像元第1、2、3波段值对相应波段进行空间插补，以插补值替换噪声像元值，去除噪声。
对去噪后的JL1-3B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：
式中，
为第i波段辐射亮度值，单位为W/(m2·sr)，
为第i波段灰度值，
和
为第i波段为定标系数（数值见表1）。
表1 JL1-3B夜间灯光遥感数据定标系数值
以地形图数据或者具有准确定位的昼间高分辨率遥感图像为基准图像对辐射定标后JL1-3B辐射亮度图进行几何精校正，消除空间定位误差。
2）地表照度遥感反演
在卫星过境同时，选取典型区域开展地表照度实地观测。将照度计的感光头水平放置，记录照度值，并记录观测点经纬度数据。提取实测点对应JL1-3B遥感图像像元的第1、2、3波段（即R、G、B波段）辐射亮度值求和，与实测照度进行对数回归，构建地面照度遥感反演模型：
式中，E为照度值，单位为lux；
、
、
分别为JL1-3B第1、2、3波段的辐射亮度值；
和
为经验系数，需要通过回归拟合得到。
将构建的地面照度遥感反演模型应用于预处理后的JL1-3B遥感图像，得到研究区的夜间地表照度空间分布。
3）道路照明质量评估
基于高分辨率昼间遥感图像计算归一化植被指数NDVI
式中，NDVI为归一化植被指数值；NIR和R分别为遥感图像近红外波段和红波段像元值。
将高分辨率昼间遥感图像的红、绿、蓝波段进行真彩色合成，然后采用Gram-Schmidt正交变换融合方法与NDVI图像进行融合，在真彩色图像基础上突出植被信息。
基于融合后图像，通过目视解译提取道路空间范围，并提取道路范围内的行道树冠层范围，去除道路中的行道树冠层遮挡范围，得到各条道路的无遮挡空间范围。
4）道路照明质量评估
分别提取各条道路无遮挡空间范围内所有像元的地表照度值，计算各条道路的照度平均值、标准差与变异系数：
式中，
为某条道路的照度值平均，单位为lux；
为该道路范围内第j个像元的照
度值，单位为lux；N为该道路范围内像元总数。
式中，
为某条道路的照度标准差，单位为lux；
为该道路的照度值平均，单位为
lux；
为该道路范围内第j个像元的照度值，单位为lux；N为该道路范围内像元总数。
式中，
为某条道路的照度变异系数；
为该道路的照度标准差，单位为lux；
为
该道路的照度值平均，单位为lux。
平均值反映了道路的平均照明亮度水平，标准差与变异系数反映了道路照明亮度的均匀度。按照不同道路的不同等级，根据它们的照度平均值、标准差和变异系数对道路照明质量进行统计分析和评价。
实例
本实例以南京主城区为研究区，利用JL1-3B夜光遥感数据监测南京主城区各道路夜间照明质量，以下为示例的具体实施步骤。
步骤1，对南京主城区范围内的JL1-3B夜光遥感图像进行去噪处理。JL1-3B夜光遥感图像有3个波段：第1波段（红波段）、第2波段（绿波段）和第3波段（蓝波段）。各个波段都存在一定比例的亮点噪声，进行RGB真彩色合成之后点状噪声体现为纯色（红色、绿色或者蓝色）像元，详见图2a。将RGB图像进行HSV变换，转换到HSV颜色空间。然后利用下面的判断准则标识噪声像元：
式中，H、S、V分别为HSV颜色空间的色调、饱和度和亮度值。
按规则识别出噪声像元后，将噪声像元掩膜为无效值，然后运用三角网空间插值通过非噪声像元进行空间插值，以噪声像元空间插值结果作为这些噪声像元的插补值，完成图像的去噪处理，详见图2b。
步骤2，基于JL1-3B的辐射定标参数对经过去噪处理的夜光遥感图像进行辐射定标，将DN值转化为辐射亮度值。
式中，Li分别为波段i（i=1,2,3）的辐射亮度值，DNi分别为波段i（i=1,2,3）的灰度值。
步骤3，JL1-3B夜间灯光遥感数据存在几何畸变。以具有准确空间定位信息的昼间高分辨率遥感图像（如GF2、WorldView等）为基准图像，以JL1-3B夜光图像为待校正图像，满幅选取一定数量的控制点进行几何精校正，控制点的数量大于30。由于JL1-3B遥感图像为面阵成像，单景图像为中心投影，研究区图像由多景图像镶嵌而成，整个图像的几何畸变存在局部差异，无法使用统一的坐标转换方程拟合，需要采用局部三角网模型进行坐标转换，得到具有准确空间定位的JL1-3B夜光遥感图像，详见图3。
步骤4，在JL1-3B卫星过境当晚，在地面选取若干典型地点开展照度实地测量，观测时间为卫星过境时间前后1小时，观测仪器为TES-1399R照度计，其测量范围为0.01 lux至999900 lux。选取空旷的、没有树木等遮挡的路面作为观测点，将照度计的感光头水平朝上放置，记录照度值，并利用GNSS设备记录观测点经纬度值。结合人工筛选，使用3σ法剔除照度观测数据中的异常值。
步骤5，提取各观测点的照度值以及对应的预处理后JL1-3B夜光遥感图像像元的第1、2、3波段辐射亮度值，基于公式（2）通过最小二乘回归拟合求解系数β0和β1的值，构建夜间地表照度遥感反演模型，并通过10折交叉验证对模型精度进行验证。图4给出了交叉验证结果散点图。
步骤6，将建立的夜间地表照度模型应用于经过去噪、辐射定标和几何精校正等处理的南京市区JL1-3B辐射亮度数据，得到南京市区夜间地表照度空间分布图，如图5所示。
步骤7，根据昼间高分辨率遥感图像运用公式（3）计算归一化植被指数NDVI，然后将图像红、绿、蓝进行真彩色合成，采用Gram-Schmidt融合方法与NDVI图像进行融合。参考南京市区路网矢量GIS文件，通过人机交互目视解译从融合图像中提取各条道路的空间范围。考虑到街道两边行道树树冠对地面光辐射有遮蔽效应，通过人机交互目视解译从融合图像中提取行道树冠层空间范围，在提取出的道路空间范围中去除行道树冠层空间范围，得到道路无遮蔽空间范围，如图6所示。
步骤8，将南京市区道路无遮蔽空间范围与夜间地表照度空间分布图进行空间叠加分析，提取各条道路空间范围内的地表照度值。运用公式（4）、公式（5）、公式（6）计算各条道路空间范围内的地表照度平均值、标准差和变异系数，如表2所示。根据各道路的照度平均值、标准差和变异系数，结合《国家道路照明设计标准》和各道路等级对道路夜间照明质量进行监测和评价。
表2 南京主城区各道路夜间照明质量指标统计表
本实例的实验结果说明，基于JL1-3B夜光遥感数据的道路夜间照明质量监测方法能够便捷高效地完成大范围道路夜间照明质量监测的任务，反映道路夜间照度分布情况，测量效率明显优于传统监测方法，并且不会对交通造成影响，能够为道路照明设计规划和道路安全性评估提供技术支撑。
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 (6)
1.一种基于夜光遥感数据的道路夜间照明质量监测方法，其特征在于，所述监测方法包括以下步骤：
S1，对JL1-3B夜间灯光遥感数据进行去噪和辐射定标处理，将灰度值转换为辐射亮度值，得到相应的辐射亮度图；以地形图数据或者具有准确定位的昼间高分辨率遥感图像为基准图像，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，得到预处理后的JL1-3B遥感图像；
S2，在卫星过境同时，选取典型区域作为观测点开展地表照度实地观测，记录观测点的经纬度数据和竖直方向上的实测照度；提取观测点对应的JL1-3B遥感图像像元的第1、2、3波段辐射亮度值进行求和，再与实测照度进行对数回归，构建地面照度遥感反演模型：
E＝β0+β1·ln(L1+L2+L3)
式中，E为照度值，单位为lux；L1、L2、L3分别为JL1-3B遥感图像像元的第1、2、3波段的辐射亮度值；β0和β1为经验系数，通过回归拟合得到；
将构建的地面照度遥感反演模型应用于预处理后的JL1-3B遥感图像，得到研究区的夜间地表照度空间分布；
S3，基于高分辨率昼间遥感图像，得到各条道路的无遮挡空间范围；
S4，分别提取各条道路无遮挡空间范围内所有像元的地表照度值，计算各条道路的照度平均值、标准差与变异系数，对道路照明质量进行评估。
2.根据权利要求1所述的基于夜光遥感数据的道路夜间照明质量监测方法，其特征在于，步骤S1中，得到预处理后的JL1-3B遥感图像的过程包括以下子步骤：
S11，对JL1-3B夜间灯光遥感数据的第1、2、3波段进行RGB真彩色合成，再进行HSV变换，按照下面的判断准则提取并标识噪声像元：
{|H-120|＜10 or|H-240|＜10 or|H-360|＜10}and{S＞0.8}and{V＞0.55}
式中，H、S、V分别为HSV颜色空间的色调、饱和度和亮度值；
S12，针对每个噪声像元，分别以周边非噪声像元第1、2、3波段值对相应波段进行空间插补，以插补值替换噪声像元值，去除噪声；
S13，对去噪后的JL1-3B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，得到JL1-3B辐射亮度图：
式中，Li为第i波段辐射亮度值，单位为W/(m2·sr)，DNi为第i波段灰度值，ai和bi为第i波段为定标系数，i＝1,2,3；定标系数ai和bi的值分别为：a1＝9681，b1＝-4.73，a2＝5455，b2＝-3.703，a3＝2997，b3＝-4.471；
S14，以地形图数据或者具有准确定位的昼间高分辨率遥感图像为基准图像对辐射定标后JL1-3B辐射亮度图进行几何精校正，消除空间定位误差。
3.根据权利要求1所述的基于夜光遥感数据的道路夜间照明质量监测方法，其特征在于，步骤S2中，在卫星过境同时，选取典型区域作为观测点开展地表照度实地观测，记录观测点的经纬度数据和实测照度的过程包括以下子步骤：
S21，在地面选取若干个具有空旷无遮挡特性的典型区域作为观测点开展照度实地测量，观测时间为卫星过境时间前后1小时；
S22，将照度计的感光头水平朝上放置，记录照度值，并利用GNSS设备记录观测点经纬度值；
S23，结合人工筛选，使用3σ法剔除照度观测数据中的异常值。
4.根据权利要求1所述的基于夜光遥感数据的道路夜间照明质量监测方法，其特征在于，步骤S2中，提取各观测点的照度值以及对应的预处理后JL1-3B夜光遥感图像像元的第1、2、3波段辐射亮度值，通过最小二乘法拟合求解系数β0和β1的值，构建得到夜间地表照度遥感反演模型，并通过10折交叉验证对模型精度进行验证。
5.根据权利要求1所述的基于夜光遥感数据的道路夜间照明质量监测方法，其特征在于，步骤S3中，基于高分辨率昼间遥感图像，得到各条道路的无遮挡空间范围的过程包括以下子步骤：
S31，基于高分辨率昼间遥感图像计算归一化植被指数NDVI：
式中，NDVI为归一化植被指数值；NIR和R分别为遥感图像近红外波段和红波段像元值；
S32，将高分辨率昼间遥感图像的红、绿、蓝波段进行真彩色合成，采用Gram-Schmidt正交变换融合方法与NDVI图像进行融合，在真彩色图像基础上突出植被信息；
S33，基于融合后图像，通过目视解译提取道路空间范围，并提取道路范围内的行道树冠层范围，去除道路中的行道树冠层遮挡范围，得到各条道路的无遮挡空间范围。
6.根据权利要求1所述的基于夜光遥感数据的道路夜间照明质量监测方法，其特征在于，步骤S4中，分别提取各条道路无遮挡空间范围内所有像元的地表照度值，计算各条道路的照度平均值、标准差与变异系数的过程包括以下子步骤：
S41，采用下述公式计算得到指定道路的照度平均值：
式中，
为指定道路的照度平均值，单位为lux；Ej为该指定道路范围内第j个像元的照度值，单位为lux；N为该指定道路范围内像元总数；
S42，采用下述公式计算得到指定道路的照度标准差：
式中，σ为指定道路的照度标准差，单位为lux；
为该指定道路的照度平均值，单位为lux；
S43，采用下述公式计算得到指定道路的照度变异系数：
式中，Cv为指定道路的照度变异系数；
S44，按照不同道路的不同等级，根据它们的照度平均值、照度标准差和照度变异系数对道路照明质量进行统计分析和评价；其中，照度平均值用于反映道路的平均照明亮度水平，标准差与变异系数用于反映道路照明亮度的均匀度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210176124.XA CN114235148B (zh) | 2022-02-25 | 2022-02-25 | 一种基于夜光遥感数据的道路夜间照明质量监测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210176124.XA CN114235148B (zh) | 2022-02-25 | 2022-02-25 | 一种基于夜光遥感数据的道路夜间照明质量监测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114235148A CN114235148A (zh) | 2022-03-25 |
| CN114235148B true CN114235148B (zh) | 2022-05-20 |
Family
ID=80748371
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210176124.XA Active CN114235148B (zh) | 2022-02-25 | 2022-02-25 | 一种基于夜光遥感数据的道路夜间照明质量监测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114235148B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115145525A (zh) * | 2022-08-08 | 2022-10-04 | Oppo广东移动通信有限公司 | 屏幕亮度调节模型训练方法及装置、存储介质及电子设备 |
Family Cites Families (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2014100502A1 (en) * | 2012-12-19 | 2014-06-26 | Alan Shulman | Methods and systems for automated micro farming |
| CN104992150A (zh) * | 2015-06-29 | 2015-10-21 | 浪潮集团有限公司 | 一种基于高分辨率遥感图像城市道路的自动提取方法 |
| CN105868717B (zh) * | 2016-03-29 | 2019-05-28 | 南京信息工程大学 | 一种基于分类的高分辨率遥感图像单木树冠信息提取方法 |
| CN105827976A (zh) * | 2016-04-26 | 2016-08-03 | 北京博瑞空间科技发展有限公司 | 基于gpu的视频采集与处理装置及系统 |
| CN108121972A (zh) * | 2017-12-25 | 2018-06-05 | 北京航空航天大学 | 一种局部遮挡条件下的目标识别方法 |
| CN110176019B (zh) * | 2019-05-13 | 2021-07-06 | 中国科学院遥感与数字地球研究所 | 一种夜间纯净灯光提取方法 |
| CN110889394A (zh) * | 2019-12-11 | 2020-03-17 | 安徽大学 | 基于深度学习UNet网络的水稻倒伏识别方法 |
| CN113029971B (zh) * | 2021-02-10 | 2023-01-31 | 北京农业信息技术研究中心 | 一种作物冠层氮素监测方法及系统 |
| CN113176211B (zh) * | 2021-04-27 | 2023-03-14 | 中国科学院南海海洋研究所 | 一种基于hsv颜色空间模型变换的日间云检测方法 |
| CN114021436B (zh) * | 2021-10-26 | 2024-07-26 | 武汉大学 | 一种基于近地面紫外辐射的近地面臭氧反演方法 |
| CN114067223B (zh) * | 2022-01-17 | 2022-04-15 | 南京信息工程大学 | 一种基于夜光遥感数据的夜间城市过度照明监测方法 |
-
2022
- 2022-02-25 CN CN202210176124.XA patent/CN114235148B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN114235148A (zh) | 2022-03-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3327198B1 (en) | Crack analyzer, crack analysis method, and crack analysis program | |
| CN110263717B (zh) | 一种融入街景影像的土地利用类别确定方法 | |
| WO2023029373A1 (zh) | 一种高精度的农田植被信息提取方法 | |
| CN112464746B (zh) | 一种卫星影像和机器学习的水质监测方法及系统 | |
| CN107491758B (zh) | 长江流域水体信息提取及其空间编码方法 | |
| Cablk et al. | Detecting and discriminating impervious cover with high-resolution IKONOS data using principal component analysis and morphological operators | |
| CN108596103A (zh) | 基于最佳光谱指数选择的高分辨率卫星遥感影像建筑物提取方法 | |
| US11790773B2 (en) | Vehicle parking data collection system and method | |
| CN107240079A (zh) | 一种基于图像处理的路面裂缝检测方法 | |
| CN110927120B (zh) | 一种植被覆盖度预警方法 | |
| CN114881620B (zh) | 一种基于卫星遥感的国土空间监测方法与系统 | |
| CN110703244B (zh) | 基于遥感数据识别城区内水体的方法和装置 | |
| CN115266632A (zh) | 一种水体污染源无人机高光谱遥感排查方法 | |
| CN111337434A (zh) | 一种矿区复垦植被生物量估算方法及系统 | |
| CN112733596A (zh) | 一种基于中高空间分辨率遥感影像融合的森林资源变化监测方法及应用 | |
| CN104849220A (zh) | 一种平面式文物光谱图像获取方法 | |
| CN114235148B (zh) | 一种基于夜光遥感数据的道路夜间照明质量监测方法 | |
| CN113139994B (zh) | 基于角点的高分辨率光学遥感卫星图像建筑物高度监测方法 | |
| CN109300133B (zh) | 一种城市河网区水体提取方法 | |
| Pawar et al. | Detecting clear sky images | |
| Lang et al. | High carbon stock mapping at large scale with optical satellite imagery and spaceborne LIDAR | |
| CN109671038A (zh) | 一种基于伪不变特征点分类分层的相对辐射校正方法 | |
| Yunhao et al. | A combined approach for estimating vegetation cover in urban/suburban environments from remotely sensed data | |
| CN118135412B (zh) | 一种农村黑臭水体遥感识别方法 | |
| CN116051983A (zh) | 一种面向多业务系统融合的多光谱遥感影像水体提取方法 |
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 | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20220325 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 road lighting quality at night based on luminous remote sensing data Granted publication date: 20220520 License type: Common License Record date: 20221207 Application publication date: 20220325 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 road lighting quality at night based on luminous remote sensing data Granted publication date: 20220520 License type: Common License Record date: 20221207 |