CN116595121B - 一种基于遥感技术数据显示监测系统 - Google Patents
一种基于遥感技术数据显示监测系统 Download PDFInfo
- Publication number
- CN116595121B CN116595121B CN202310885490.7A CN202310885490A CN116595121B CN 116595121 B CN116595121 B CN 116595121B CN 202310885490 A CN202310885490 A CN 202310885490A CN 116595121 B CN116595121 B CN 116595121B
- Authority
- CN
- China
- Prior art keywords
- earth surface
- target monitoring
- living environment
- comfort level
- features
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 182
- 238000005516 engineering process Methods 0.000 title claims abstract description 14
- 238000012545 processing Methods 0.000 claims abstract description 23
- 238000007405 data analysis Methods 0.000 claims abstract description 11
- 238000004891 communication Methods 0.000 claims abstract description 4
- 230000007613 environmental effect Effects 0.000 claims description 66
- 238000000034 method Methods 0.000 claims description 46
- 239000011159 matrix material Substances 0.000 claims description 21
- 238000011156 evaluation Methods 0.000 claims description 18
- 238000012549 training Methods 0.000 claims description 15
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 12
- 230000003595 spectral effect Effects 0.000 claims description 9
- 238000012360 testing method Methods 0.000 claims description 9
- 238000010586 diagram Methods 0.000 claims description 7
- 238000013507 mapping Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000013135 deep learning Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 3
- 230000003313 weakening effect Effects 0.000 claims description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/55—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/587—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A20/00—Water conservation; Efficient water supply; Efficient water use
- Y02A20/152—Water filtration
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Library & Information Science (AREA)
- Remote Sensing (AREA)
- Image Processing (AREA)
Abstract
一种基于遥感技术数据显示监测系统,涉及数据监测技术领域,包括监控中心,所述监控中心通信连接有数据采集模块、数据处理模块和数据分析模块;数据采集模块获取目标监测区域的卫星多光谱影像,获取目标监测区域的地表环境特征;并通过GIS手段获取目标监测区域的地表建筑特征;数据处理模块根据当前监测周期内目标监测区域的地表环境特征和地表建筑特征获取目标监测区域内各点位的人居环境舒适度;并对历史地表特征进行比对分析,获取目标监测区域内各点位的下一监测周期的未来人居环境舒适度;数据分析模块根据目标监测点位人居环境舒适度和未来人居环境舒适度获取综合人居环境舒适度,有效提高了人居环境数据监测的精度和速度。
Description
技术领域
本发明涉及数据监测技术领域,具体是一种基于遥感技术数据显示监测系统。
背景技术
人居环境监测作为城市人居环境建设与管理实践提升的基本,是目前人居环境研究落地的重点。传统的城市人居环境监测在数据更新速度、精度等方面存在不足,难以满足精细化管理需求,面对日益增长的城市发展需求,传统的人居环境监测数据统计来源在开展监测工作中会存在若干局限性,包括:更新频度较低,统计年鉴、年报的特质,多为每年一版;统计口径不统一,自下而上、层层上报的统计资料,容易造成各地区的标准尺度不一致,因此,数据的时效性和准确性成为政府人居环境监测业务化的瓶颈,
卫星遥感数据观测范围大、综合、宏观,且信息量大、获取信息快速,为人居环境监测提供了数据源。但是,由于遥感数据仅能反映地表覆盖情况,部分人工信息无法通过影像直接反映,尤其是人居环境中最关注的建筑物信息,无法直接获取使用属性,限制了它在人居环境监测的应用,如何将卫星遥感数据应用至城市人居环境监测中并能够自动、高效、准确的获取地表覆盖信息,实现业务化是我们亟需解决的技术问题,现提供一种基于遥感技术数据显示监测系统。
发明内容
为了解决上述技术问题,本发明的目的在于提供一种基于遥感技术数据显示监测系统,包括监控中心,所述监控中心通信连接有数据采集模块、数据处理模块和数据分析模块;
所述数据采集模块用于获取目标监测区域的卫星多光谱影像,设置监测周期,根据卫星多光谱影像获取目标监测区域的地表环境特征;并通过GIS手段获取目标监测区域的地表建筑特征;
所述数据处理模块用于根据当前监测周期内目标监测区域的地表环境特征和地表建筑特征获取目标监测区域内各点位的人居环境舒适度;并通过对历史监测周期的历史地表环境特征和历史地表建筑特征进行比对分析,获取目标监测区域内各点位的下一监测周期的未来人居环境舒适度;
所述数据分析模块用于根据目标监测点位人居环境舒适度和未来人居环境舒适度获取综合人居环境舒适度。
进一步的,所述数据采集模块获取目标监测区域的卫星多光谱影像,并根据卫星多光谱影像获取目标监测区域的地表环境特征的过程包括:
利用互联网方法确定进行人居环境分析时所要研究的地表环境特征,所述地表环境特征包括植被分布、植被密度、裸地分布、水体分布和水体水质,并根据所要研究的地表环境特征确定相关的波段组合,根据目标监测区域的卫星多光谱影像获得目标监测区域地表反射的相关的波段组合中的各波段的光谱反射数据,并根据所述各波段的光谱反射数据获得目标监测区域的植被分布位置信息、植被密度、裸地分布位置信息、水体分布位置信息和水体水质。
进一步的,所述数据采集模块通过GIS手段获取目标监测区域的地表建筑特征的过程包括:
获取在卫星多光谱影像获取目标监测区域的地表环境特征的过程中因波段组合中各波段对地表建筑特征不敏感而导致的光谱反射数据较小而产生的暗区,将所述暗区标记为地表建筑区域;并利用GIS手段获取地表建筑区域的地表建筑特征;所述地表建筑特征包括地表建筑物的位置信息、建筑物属性和建筑物占用面积;
设置不同类型的地表建筑物属性特征,所述地表建筑物属性特征包括住宅类建筑、商业类建筑、服务类建筑和工业类建筑;将地表建筑物的地表建筑特征与地表建筑物属性特征进行匹配,获得地表建筑物的地表建筑物属性特征。
进一步的,所述数据处理模块根据当前监测周期内目标监测区域的地表环境特征和地表建筑特征获取目标监测点位的人居环境舒适度的过程包括:
建立二维坐标系,通过GIS手段获取目标监测区域的GIS地理平面图并将其映射至二维坐标系中,根据目标监测区域的卫星多光谱影像、GIS地理建筑信息和地表建筑物属性特征获取地表环境特征的中心二维坐标和地表建筑特征的中心二维坐标;将所述地表环境特征的中心二维坐标和地表建筑特征的中心二维坐标映射至二维坐标系内的GIS地理平面图的对应区域,并将GIS地理平面图各区域的中心二维坐标与对应的地表环境特征或地表建筑特征进行匹配,为GIS地理平面图各区域赋予地表环境特征或地表建筑特征;并按照GIS地理平面图内各个区域的地表环境特征和地表建筑特征的不同对GIS地理平面图进行分层,得到不同地表环境特征和地表建筑特征的特征场景集合对应的多个分层;
设置目标监测点位的预设范围,获取目标监测点位的二维坐标,获取中心二维坐标与目标监测点位的欧几里得距离小于预设范围的各特征场景分层;获取各特征场景分层在预设范围内的特征场景覆盖面积确定各特征场景分层的地表覆盖比例,对所述各特征场景分层的地表覆盖比例进行加权平均处理获得第一人居环境舒适度;
获取中心二维坐标与目标监测点位的欧几里得距离小于预设范围的各特征场景分层;获取各特征场景分层的中心二维坐标与目标监测点位的欧几里得距离,并获取各特征场景分层对目标监测点位的人居环境舒适度的影响度,并构建表示各特征场景分层对目标监测点位的人居环境舒适度的影响程度随着中心二维坐标与目标监测点位的欧几里得距离的增长呈指数形衰弱的指数模型,将各特征场景分层的中心二维坐标与目标监测点位的欧几里得距离与对目标监测点位的人居环境舒适度的影响度输入指数模型获得第二人居环境舒适度。
进一步的,所述数据处理模块按照GIS地理平面图内各个区域的地表环境特征和地表建筑特征的不同对GIS地理平面图进行分层,得到不同地表环境特征和地表建筑特征的场景集合对应的多个分层的过程包括:
随机选取GIS地理平面图内某个区域进行区域分层并将其标记为初始分层区域,以该区域对应的地表环境特征或地表建筑特征作为聚类中心,从其他区域开始度量其他区域所对应地表环境特征或地表建筑特征与聚类中心的欧几里得距离,并根据欧几里得距离计算相似度,设置相似度阈值,将其他区域与初始分层区域之间的相似度大于相似度阈值的区域进行区域分层,并将该区域分层分配至初始分层区域中,重复上述操作,直至所有区域完成相似度计算后,再随机选取GIS地理平面图内未进行区域分层的区域作为第二分层区域重复上述分层操作,以此类推,直至GIS地理平面图内所有区域完成分层操作。
进一步的,所述数据处理模块获取各特征场景分层对人居环境舒适度的影响程度的过程包括:
利用大数据方法获取各项地表建筑物属性特征和各项地表环境特征相对应的对人居环境舒适度的影响程度的评价标准;根据各项地表建筑物属性特征和各项地表环境特征相对应的对人居环境舒适度的影响程度的评价标准建立关于人居环境舒适度的影响程度的评价标准矩阵,设置评价指标的指标权重,并根据各项地表建筑物属性特征和各项地表环境特征建立特征矩阵;并根据特征矩阵和评价标准矩阵建立关于各项地表建筑物属性特征和各项地表环境特征与评价指标之间模糊关系的隶属度矩阵;根据隶属度矩阵和指标权重获取各项地表建筑物属性特征和各项地表环境特征对人居环境舒适度的影响程度。
进一步的,所述数据处理模块通过对历史监测周期的历史地表环境特征和历史地表建筑特征进行比对分析,获取目标监测区域内各点位的下一监测周期的未来人居环境舒适度的过程包括:
利用大数据方法获取目标监测区域内多时段的历史地表环境特征和历史地表建筑特征,对目标监测区域内多时段的历史地表环境特征和历史地表建筑特征分别进行时间特征和空间特征的提取,生成历史地表环境特征和历史地表建筑特征的时空特征序列;
基于深度学习构建区域特征预测模型,根据历史地表环境特征和历史地表建筑特征的时空特征序列构建历史数据集,并将所述历史数据集划分为训练集和测试集,通过训练集对区域特征预测模型进行实时学习训练,直至损失函数训练平稳,并保存模型参数,之后通过测试集对迭代训练后的区域特征预测模型的输出数据矩阵进行相似度验证,根据通过测试集验证的区域特征预测模型中的输出层获取目标监测区域内各区域下一监测周期的预测地表环境特征和预测地表建筑特征;并根据目标监测区域内各区域的下一监测周期的预测地表环境特征和预测地表建筑特征获取各点位下一监测周期的未来第一人居环境舒适度和未来第二人居环境舒适度。
进一步的,所述数据分析模块用于根据目标监测点位人居环境舒适度和未来人居环境舒适度获取综合人居环境舒适度的过程包括:
对目标监测点位的第一人居环境舒适度、第二人居环境舒适度、未来第一人居环境舒适度和未来第二人居环境舒适度进行加权平均处理获得目标监测点位的综合人居环境舒适度。
与现有技术相比,本发明的有益效果是:本发明将遥感数据、互联网数据与人居环境舒适度的监测相结合,相较于传统的每年一版的人居环境监测报告;本发明结合卫星遥感数据观测范围大、综合、宏观,且信息量大、获取信息快速的特点,为人居环境监测实时提供数据源,从而实时地更新目标检测区域内各点位的人居环境监测结果,并结合目标检测区域内各点位的历史人居环境监测结果构建区域特征预测模型;通过区域特征预测模型获取目标区域的未来人居环境监测结果,将目标区域的实时人居环境监测结果与未来人居环境监测结果相结合,获取目标区域的综合人居环境监测结果,有效地提高了人居环境监测数据的精度和速度。
附图说明
图1为本申请实施例的一种基于遥感技术数据显示监测系统的原理图。
具体实施方式
下面结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整的描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
如图1所示,一种基于遥感技术数据显示监测系统,包括监控中心,所述监控中心通信连接有数据采集模块、数据处理模块和数据分析模块;
所述数据采集模块用于获取目标监测区域的卫星多光谱影像,设置监测周期,根据卫星多光谱影像获取目标监测区域的地表环境特征;并通过GIS手段获取目标监测区域的地表建筑特征;
所述数据处理模块用于根据当前监测周期内目标监测区域的地表环境特征和地表建筑特征获取目标监测区域内各点位的人居环境舒适度;并通过对历史监测周期的历史地表环境特征和历史地表建筑特征进行比对分析,获取目标监测区域内各点位的下一监测周期的未来人居环境舒适度;
所述数据分析模块用于根据目标监测点位人居环境舒适度和未来人居环境舒适度获取综合人居环境舒适度。
需要进一步说明的是,在具体实施过程中,所述数据采集模块获取目标监测区域的卫星多光谱影像,并根据卫星多光谱影像获取目标监测区域的地表环境特征的过程包括:
利用互联网方法确定进行人居环境分析时所要研究的地表环境特征,所述地表环境特征包括植被分布、植被密度、裸地分布、水体分布和水体水质,并根据所要研究的地表环境特征确定相关的波段组合,根据目标监测区域的卫星多光谱影像获得目标监测区域地表反射的相关的波段组合中的各波段的光谱反射数据,并根据所述各波段的光谱反射数据获得目标监测区域的植被分布位置信息、植被密度、裸地分布位置信息、水体分布位置信息和水体水质。
需要进一步说明的是,在具体实施过程中,所述数据采集模块通过GIS手段获取目标监测区域的地表建筑特征的过程包括:
获取在卫星多光谱影像获取目标监测区域的地表环境特征的过程中因波段组合中各波段对地表建筑特征不敏感而导致的光谱反射数据较小而产生的暗区,将所述暗区标记为地表建筑区域;并利用GIS手段获取地表建筑区域的地表建筑特征;所述地表建筑特征包括地表建筑物的位置信息、建筑物属性和建筑物占用面积;
设置不同类型的地表建筑物属性特征,所述地表建筑物属性特征包括住宅类建筑、商业类建筑、服务类建筑和工业类建筑;将地表建筑物的地表建筑特征与地表建筑物属性特征进行匹配,获得地表建筑物的地表建筑物属性特征。
需要进一步说明的是,在具体实施过程中,所述数据处理模块根据当前监测周期内目标监测区域的地表环境特征和地表建筑特征获取目标监测点位的人居环境舒适度的过程包括:
建立二维坐标系,通过GIS手段获取目标监测区域的GIS地理平面图并将其映射至二维坐标系中,根据目标监测区域的卫星多光谱影像、GIS地理建筑信息和地表建筑物属性特征获取地表环境特征的中心二维坐标和地表建筑特征的中心二维坐标;将所述地表环境特征的中心二维坐标和地表建筑特征的中心二维坐标映射至二维坐标系内的GIS地理平面图的对应区域,并将GIS地理平面图各区域的中心二维坐标与对应的地表环境特征或地表建筑特征进行匹配,为GIS地理平面图各区域赋予地表环境特征或地表建筑特征;并按照GIS地理平面图内各个区域的地表环境特征和地表建筑特征的不同对GIS地理平面图进行分层,得到不同地表环境特征和地表建筑特征的特征场景集合对应的多个分层;
设置目标监测点位的预设范围,获取目标监测点位的二维坐标,获取中心二维坐标与目标监测点位的欧几里得距离小于预设范围的各特征场景分层;获取各特征场景分层在预设范围内的特征场景覆盖面积确定各特征场景分层的地表覆盖比例,对所述各特征场景分层的地表覆盖比例进行加权平均处理获得第一人居环境舒适度;
获取中心二维坐标与目标监测点位的欧几里得距离小于预设范围的各特征场景分层;获取各特征场景分层的中心二维坐标与目标监测点位的欧几里得距离,并获取各特征场景分层对目标监测点位的人居环境舒适度的影响度,并构建表示各特征场景分层对目标监测点位的人居环境舒适度的影响程度随着中心二维坐标与目标监测点位的欧几里得距离的增长呈指数形衰弱的指数模型,将各特征场景分层的中心二维坐标与目标监测点位的欧几里得距离与对目标监测点位的人居环境舒适度的影响度输入指数模型获得第二人居环境舒适度。
需要进一步说明的是,在具体实施过程中,所述数据处理模块按照GIS地理平面图内各个区域的地表环境特征和地表建筑特征的不同对GIS地理平面图进行分层,得到不同地表环境特征和地表建筑特征的场景集合对应的多个分层的过程包括:
随机选取GIS地理平面图内某个区域进行区域分层并将其标记为初始分层区域,以该区域对应的地表环境特征或地表建筑特征作为聚类中心,从其他区域开始度量其他区域所对应地表环境特征或地表建筑特征与聚类中心的欧几里得距离,并根据欧几里得距离计算相似度,设置相似度阈值,将其他区域与初始分层区域之间的相似度大于相似度阈值的区域进行区域分层,并将该区域分层分配至初始分层区域中,重复上述操作,直至所有区域完成相似度计算后,再随机选取GIS地理平面图内未进行区域分层的区域作为第二分层区域重复上述分层操作,以此类推,直至GIS地理平面图内所有区域完成分层操作。
需要进一步说明的是,在具体实施过程中,所述数据处理模块获取各特征场景分层对人居环境舒适度的影响程度的过程包括:
利用大数据方法获取各项地表建筑物属性特征和各项地表环境特征相对应的对人居环境舒适度的影响程度的评价标准;根据各项地表建筑物属性特征和各项地表环境特征相对应的对人居环境舒适度的影响程度的评价标准建立关于人居环境舒适度的影响程度的评价标准矩阵,设置评价指标的指标权重,并根据各项地表建筑物属性特征和各项地表环境特征建立特征矩阵;并根据特征矩阵和评价标准矩阵建立关于各项地表建筑物属性特征和各项地表环境特征与评价指标之间模糊关系的隶属度矩阵;根据隶属度矩阵和指标权重获取各项地表建筑物属性特征和各项地表环境特征对人居环境舒适度的影响程度。
需要进一步说明的是,在具体实施过程中,所述数据处理模块通过对历史监测周期的历史地表环境特征和历史地表建筑特征进行比对分析,获取目标监测区域内各点位的下一监测周期的未来人居环境舒适度的过程包括:
利用大数据方法获取目标监测区域内多时段的历史地表环境特征和历史地表建筑特征,对目标监测区域内多时段的历史地表环境特征和历史地表建筑特征分别进行时间特征和空间特征的提取,生成历史地表环境特征和历史地表建筑特征的时空特征序列;
基于深度学习构建区域特征预测模型,根据历史地表环境特征和历史地表建筑特征的时空特征序列构建历史数据集,并将所述历史数据集划分为训练集和测试集,通过训练集对区域特征预测模型进行实时学习训练,直至损失函数训练平稳,并保存模型参数,之后通过测试集对迭代训练后的区域特征预测模型的输出数据矩阵进行相似度验证,根据通过测试集验证的区域特征预测模型中的输出层获取目标监测区域内各区域下一监测周期的预测地表环境特征和预测地表建筑特征;并根据目标监测区域内各区域的下一监测周期的预测地表环境特征和预测地表建筑特征获取各点位下一监测周期的未来第一人居环境舒适度和未来第二人居环境舒适度。
需要进一步说明的是,在具体实施过程中,所述数据分析模块用于根据目标监测点位人居环境舒适度和未来人居环境舒适度获取综合人居环境舒适度的过程包括:
对目标监测点位的第一人居环境舒适度、第二人居环境舒适度、未来第一人居环境舒适度和未来第二人居环境舒适度进行加权平均处理获得目标监测点位的综合人居环境舒适度。
以上实施例仅用以说明本发明的技术方法而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方法进行修改或等同替换,而不脱离本发明技术方法的精神和范围。
Claims (6)
1.一种基于遥感技术数据显示监测系统,包括监控中心,其特征在于,所述监控中心通信连接有数据采集模块、数据处理模块和数据分析模块;
所述数据采集模块用于获取目标监测区域的卫星多光谱影像,设置监测周期,根据卫星多光谱影像获取目标监测区域的地表环境特征;并通过GIS手段获取目标监测区域的地表建筑特征;
所述数据采集模块获取目标监测区域的卫星多光谱影像,并根据卫星多光谱影像获取目标监测区域的地表环境特征的过程包括:
利用互联网方法确定进行人居环境分析时所要研究的地表环境特征,所述地表环境特征包括植被分布、植被密度、裸地分布、水体分布和水体水质,并根据所要研究的地表环境特征确定相关的波段组合,根据目标监测区域的卫星多光谱影像获得目标监测区域地表反射的相关的波段组合中的各波段的光谱反射数据,并根据所述各波段的光谱反射数据获得目标监测区域的植被分布位置信息、植被密度、裸地分布位置信息、水体分布位置信息和水体水质;
所述数据采集模块通过GIS手段获取目标监测区域的地表建筑特征的过程包括:
获取在卫星多光谱影像获取目标监测区域的地表环境特征的过程中因波段组合中各波段对地表建筑特征不敏感而导致的光谱反射数据较小而产生的暗区,将所述暗区标记为地表建筑区域;并利用GIS手段获取地表建筑区域的地表建筑特征;所述地表建筑特征包括地表建筑物的位置信息、建筑物属性和建筑物占用面积;
设置不同类型的地表建筑物属性特征,所述地表建筑物属性特征包括住宅类建筑、商业类建筑、服务类建筑和工业类建筑;将地表建筑物的地表建筑特征与地表建筑物属性特征进行匹配,获得地表建筑物的地表建筑物属性特征;
所述数据处理模块用于根据当前监测周期内目标监测区域的地表环境特征和地表建筑特征获取目标监测区域内各点位的人居环境舒适度;并通过对历史监测周期的历史地表环境特征和历史地表建筑特征进行比对分析,获取目标监测区域内各点位的下一监测周期的未来人居环境舒适度;
所述数据处理模块根据当前监测周期内目标监测区域的地表环境特征和地表建筑特征获取目标监测点位的人居环境舒适度的过程包括:
建立二维坐标系,通过GIS手段获取目标监测区域的GIS地理平面图并将其映射至二维坐标系中,根据目标监测区域的卫星多光谱影像、GIS地理建筑信息和地表建筑物属性特征获取地表环境特征的中心二维坐标和地表建筑特征的中心二维坐标;将所述地表环境特征的中心二维坐标和地表建筑特征的中心二维坐标映射至二维坐标系内的GIS地理平面图的对应区域,并将GIS地理平面图各区域的中心二维坐标与对应的地表环境特征或地表建筑特征进行匹配,为GIS地理平面图各区域赋予地表环境特征或地表建筑特征;并按照GIS地理平面图内各个区域的地表环境特征和地表建筑特征的不同对GIS地理平面图进行分层,得到不同地表环境特征和地表建筑特征的特征场景集合对应的多个分层;
设置目标监测点位的预设范围,获取目标监测点位的二维坐标,获取中心二维坐标与目标监测点位的欧几里得距离小于预设范围的各特征场景分层;获取各特征场景分层在预设范围内的特征场景覆盖面积确定各特征场景分层的地表覆盖比例,对所述各特征场景分层的地表覆盖比例进行加权平均处理获得第一人居环境舒适度;
获取中心二维坐标与目标监测点位的欧几里得距离小于预设范围的各特征场景分层;获取各特征场景分层的中心二维坐标与目标监测点位的欧几里得距离,并获取各特征场景分层对目标监测点位的人居环境舒适度的影响度,并构建表示各特征场景分层对目标监测点位的人居环境舒适度的影响程度随着中心二维坐标与目标监测点位的欧几里得距离的增长呈指数形衰弱的指数模型,将各特征场景分层的中心二维坐标与目标监测点位的欧几里得距离与对目标监测点位的人居环境舒适度的影响度输入指数模型获得第二人居环境舒适度。
2.根据权利要求1所述的一种基于遥感技术数据显示监测系统,其特征在于,所述数据分析模块用于根据目标监测点位人居环境舒适度和未来人居环境舒适度获取综合人居环境舒适度。
3.根据权利要求1所述的一种基于遥感技术数据显示监测系统,其特征在于,所述数据处理模块按照GIS地理平面图内各个区域的地表环境特征和地表建筑特征的不同对GIS地理平面图进行分层,得到不同地表环境特征和地表建筑特征的场景集合对应的多个分层的过程包括:
随机选取GIS地理平面图内某个区域进行区域分层并将其标记为初始分层区域,以该区域对应的地表环境特征或地表建筑特征作为聚类中心,从其他区域开始度量其他区域所对应地表环境特征或地表建筑特征与聚类中心的欧几里得距离,并根据欧几里得距离计算相似度,设置相似度阈值,将其他区域与初始分层区域之间的相似度大于相似度阈值的区域进行区域分层,并将该区域分层分配至初始分层区域中,重复上述操作,直至所有区域完成相似度计算后,再随机选取GIS地理平面图内未进行区域分层的区域作为第二分层区域重复上述分层操作,以此类推,直至GIS地理平面图内所有区域完成分层操作。
4.根据权利要求2所述的一种基于遥感技术数据显示监测系统,其特征在于,所述数据处理模块获取各特征场景分层对人居环境舒适度的影响程度的过程包括:
利用互联网方法获取各项地表建筑物属性特征和各项地表环境特征相对应的对人居环境舒适度的影响程度的评价标准;根据各项地表建筑物属性特征和各项地表环境特征相对应的对人居环境舒适度的影响程度的评价标准建立关于人居环境舒适度的影响程度的评价标准矩阵,设置评价指标的指标权重,并根据各项地表建筑物属性特征和各项地表环境特征建立特征矩阵;并根据特征矩阵和评价标准矩阵建立关于各项地表建筑物属性特征和各项地表环境特征与评价指标之间模糊关系的隶属度矩阵;根据隶属度矩阵和指标权重获取各项地表建筑物属性特征和各项地表环境特征对人居环境舒适度的影响程度。
5.根据权利要求3所述的一种基于遥感技术数据显示监测系统,其特征在于,所述数据处理模块通过对历史监测周期的历史地表环境特征和历史地表建筑特征进行比对分析,获取目标监测区域内各点位的下一监测周期的未来人居环境舒适度的过程包括:
利用大数据方法获取目标监测区域内多时段的历史地表环境特征和历史地表建筑特征,对目标监测区域内多时段的历史地表环境特征和历史地表建筑特征分别进行时间特征和空间特征的提取,生成历史地表环境特征和历史地表建筑特征的时空特征序列;
基于深度学习构建区域特征预测模型,根据历史地表环境特征和历史地表建筑特征的时空特征序列构建历史数据集,并将所述历史数据集划分为训练集和测试集,通过训练集对区域特征预测模型进行实时学习训练,直至损失函数训练平稳,并保存模型参数,之后通过测试集对迭代训练后的区域特征预测模型的输出数据矩阵进行相似度验证,根据通过测试集验证的区域特征预测模型中的输出层获取目标监测区域内各区域下一监测周期的预测地表环境特征和预测地表建筑特征;并根据目标监测区域内各区域的下一监测周期的预测地表环境特征和预测地表建筑特征获取各点位下一监测周期的未来第一人居环境舒适度和未来第二人居环境舒适度。
6.根据权利要求4所述的一种基于遥感技术数据显示监测系统,其特征在于,所述数据分析模块用于根据目标监测点位人居环境舒适度和未来人居环境舒适度获取综合人居环境舒适度的过程包括:
对目标监测点位的第一人居环境舒适度、第二人居环境舒适度、未来第一人居环境舒适度和未来第二人居环境舒适度进行加权平均处理获得目标监测点位的综合人居环境舒适度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310885490.7A CN116595121B (zh) | 2023-07-19 | 2023-07-19 | 一种基于遥感技术数据显示监测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310885490.7A CN116595121B (zh) | 2023-07-19 | 2023-07-19 | 一种基于遥感技术数据显示监测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116595121A CN116595121A (zh) | 2023-08-15 |
CN116595121B true CN116595121B (zh) | 2023-10-20 |
Family
ID=87606702
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310885490.7A Active CN116595121B (zh) | 2023-07-19 | 2023-07-19 | 一种基于遥感技术数据显示监测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116595121B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116821636B (zh) * | 2023-08-30 | 2023-11-14 | 湖南云滨信息技术有限公司 | 一种基于大数据的物联网数据采集分析管理系统 |
CN117170294B (zh) * | 2023-11-01 | 2024-01-23 | 南通锐莱新能源技术有限公司 | 基于空间热环境预测的卫星热控系统的智能控制方法 |
CN117911800B (zh) * | 2024-03-20 | 2024-06-18 | 中国电建集团西北勘测设计研究院有限公司 | 一种多尺度流域人居环境分类管理系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107229913A (zh) * | 2017-05-23 | 2017-10-03 | 国家地理空间信息中心 | 基于高分卫星遥感数据结合建筑高度的人口密度分析系统 |
KR101803344B1 (ko) * | 2016-07-29 | 2017-12-01 | 서울대학교산학협력단 | 정규화 지수를 이용한 토지이용에 따른 도시 열섬 취약 특성 분석 시스템 및 방법 |
CN111639833A (zh) * | 2020-04-23 | 2020-09-08 | 中国科学院空天信息创新研究院 | 一种基于自然和人文多要素的城市人居环境适宜性综合评价方法 |
CN115238584A (zh) * | 2022-07-29 | 2022-10-25 | 湖南大学 | 一种基于多源大数据的人口分布识别方法 |
CN115272637A (zh) * | 2022-08-02 | 2022-11-01 | 山东科技大学 | 面向大区域的三维虚拟生态环境可视化集成和优化系统 |
-
2023
- 2023-07-19 CN CN202310885490.7A patent/CN116595121B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101803344B1 (ko) * | 2016-07-29 | 2017-12-01 | 서울대학교산학협력단 | 정규화 지수를 이용한 토지이용에 따른 도시 열섬 취약 특성 분석 시스템 및 방법 |
CN107229913A (zh) * | 2017-05-23 | 2017-10-03 | 国家地理空间信息中心 | 基于高分卫星遥感数据结合建筑高度的人口密度分析系统 |
CN111639833A (zh) * | 2020-04-23 | 2020-09-08 | 中国科学院空天信息创新研究院 | 一种基于自然和人文多要素的城市人居环境适宜性综合评价方法 |
CN115238584A (zh) * | 2022-07-29 | 2022-10-25 | 湖南大学 | 一种基于多源大数据的人口分布识别方法 |
CN115272637A (zh) * | 2022-08-02 | 2022-11-01 | 山东科技大学 | 面向大区域的三维虚拟生态环境可视化集成和优化系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116595121A (zh) | 2023-08-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116595121B (zh) | 一种基于遥感技术数据显示监测系统 | |
CN110263111B (zh) | 基于先验知识的土地利用/覆被信息时空监测方法 | |
KR20220000898A (ko) | 다인자를 기반으로 한 해안선 변화 식별방법 | |
CN112598796B (zh) | 基于广义点云的三维建筑信息模型构建与自动更新的方法 | |
Abascal et al. | Identifying degrees of deprivation from space using deep learning and morphological spatial analysis of deprived urban areas | |
CN112949413A (zh) | 基于街景图片的城市景观要素分类及地方性度量方法 | |
CN110618473A (zh) | 一种即时气象情报保障方法 | |
CN110619258B (zh) | 一种基于高分辨率遥感影像的道路轨迹核查方法 | |
CN111028255A (zh) | 基于先验信息与深度学习的农田区域预筛选方法及装置 | |
CN116975576A (zh) | 基于关键信息统计的山区公路地质灾害危险性评价方法 | |
CN113762090B (zh) | 一种特高压密集输电通道灾害监测预警方法 | |
CN113360587B (zh) | 一种基于gis技术的土地测绘设备及测绘方法 | |
CN114662774B (zh) | 一种城市街区活力预测方法、存储介质和终端 | |
CN117408495A (zh) | 一种基于土地资源综合管理的数据分析方法及系统 | |
CN118470550B (zh) | 一种自然资源资产数据采集方法及平台 | |
CN112365391A (zh) | 一种基于“国土调查”数据的用地多样性计量方法 | |
CN115512247A (zh) | 基于图像多参数提取的区域建筑损伤等级评定方法 | |
CN116486289A (zh) | 一种多源数据和知识驱动下的燃气管道高后果区识别方法 | |
CN113141570B (zh) | 地下场景定位方法、装置、计算设备及计算机存储介质 | |
CN117688313A (zh) | 一种网络协同处理测绘数据的方法 | |
San Blas et al. | A Platform for Swimming Pool Detection and Legal Verification Using a Multi-Agent System and Remote Image Sensing. | |
CN112836590B (zh) | 洪涝灾害监测方法、装置、电子设备及存储介质 | |
CN113901348A (zh) | 一种基于数学模型的钉螺分布影响因素识别与预测方法 | |
CN116110210B (zh) | 复杂环境下数据驱动的滑坡灾害辅助决策方法 | |
CN116415499B (zh) | 一种社区舒适感模拟预测方法 |
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 |