CN117131441B - 夜间光污染监测方法、装置、计算机设备和存储介质 - Google Patents
夜间光污染监测方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN117131441B CN117131441B CN202311387236.0A CN202311387236A CN117131441B CN 117131441 B CN117131441 B CN 117131441B CN 202311387236 A CN202311387236 A CN 202311387236A CN 117131441 B CN117131441 B CN 117131441B
- Authority
- CN
- China
- Prior art keywords
- night
- illuminance
- illumination
- data
- light pollution
- 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
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000012544 monitoring process Methods 0.000 title claims abstract description 27
- 238000003860 storage Methods 0.000 title claims abstract description 7
- 238000005286 illumination Methods 0.000 claims abstract description 139
- 238000012806 monitoring device Methods 0.000 claims abstract description 9
- 238000012549 training Methods 0.000 claims description 29
- 238000005070 sampling Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims description 8
- 238000005259 measurement Methods 0.000 claims description 7
- 238000004040 coloring Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 description 6
- 230000005855 radiation Effects 0.000 description 6
- 238000007726 management method Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000011109 contamination Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 235000011470 Adenanthera pavonina Nutrition 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- 241000428378 Lopa Species 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
-
- 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
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Circuit Arrangement For Electric Light Sources In General (AREA)
- Photometry And Measurement Of Optical Pulse Characteristics (AREA)
Abstract
本申请提供了一种夜间光污染监测方法、装置、计算机设备和存储介质。该方法包括：获取目标区域的夜间照度数据；夜间照度数据包括每个像元的照度值，每个像元对应目标区域的一个子区域；将夜间照度数据分布到第一数量且等间距的照度空间中，得到第一曲线；利用自然断点法确定第一曲线上的多个断点；根据各断点和夜间照度数据，对每个子区域进行光污染等级划分。其利用自然断点法确定反映数据内在规律的断点，并基于断点进行光污染等级划分，每一个子区域的等级划分都参考了全区域的总体特征，而不是简单使用固定阈值，可以避免误判。
Description
技术领域
本申请涉及环境监测技术领域，尤其涉及一种夜间光污染监测方法、装置、计算机设备和存储介质。
背景技术
城市光污染管理和光环境规划工作需要对光污染问题进行科学准确的分区界定，以达成分类管控的目的。目前国内外研究中只有少量研究工作从光污染敏感目标角度，通过问卷及其他社会调查数据进行光污染敏感性分区研究。该种方式导致光污染程度的划分难以因地制宜，使得对光污染程度的评价并不客观，导致相关技术很难应用于相关管理和规划实践，极大地降低了基础研究投入的综合效益。
发明内容
本申请的目的旨在至少能解决上述的技术缺陷之一，特别是现有技术中难以合理的划分光污染严重程度的问题。
第一方面，本申请实施例提供了一种夜间光污染监测方法，包括：
获取目标区域的夜间照度数据；夜间照度数据包括每个像元的照度值，每个像元对应目标区域的一个子区域；
将夜间照度数据分布到第一数量且等间距的照度空间中，得到第一曲线；
利用自然断点法确定第一曲线上的多个断点；
根据各断点和夜间照度数据，对每个子区域进行光污染等级划分。
在其中一个实施例中，获取目标区域的夜间照度数据，包括：
获取目标区域的夜间遥感数据；
对夜间遥感数据进行预处理；
利用反演模型对预处理后的夜间遥感数据进行反演，得到夜间照度数据。
在其中一个实施例中，反演模型的构建过程包括：
获取目标区域的训练实测照度数据和训练夜间遥感数据；
根据训练夜间遥感数据和训练实测照度数据，构建不同种类的多个待选反演模型；
从待选反演模型中，选择误差最小的作为反演模型。
在其中一个实施例中，获取目标区域的训练实测照度数据，包括：
对于每个子区域，在该子区域检测多个采样点的实际照度值；
根据各实际照度值的平均值，得到该子区域对应的照度值。
在其中一个实施例中，将夜间照度数据分布到第一数量且等间距的照度空间中，得到第一曲线，包括：
将夜间照度数据分布到第一数量且等间距的照度空间中；
获取各照度空间对应的照度平均值；
将照度平均值低于分析阈值的照度空间去除；
根据剩余的照度空间，得到第一曲线。
在其中一个实施例中，根据各断点和夜间照度数据，对每个子区域进行光污染等级划分，包括：
根据各断点，确定多个连续的数值区间；每个数值区间对应一个光污染等级；
确定各子区域对应的照度值所属的数值区间，以确定各子区域的光污染等级。
在其中一个实施例中，在根据各断点和夜间照度数据，对每个子区域进行光污染等级划分之后，还包括：
根据各子区域的光污染等级，确定对应的目标颜色；
在待着色地图上，根据目标颜色对各子区域进行着色。
第二方面，本申请实施例提供了一种夜间光污染监测装置，包括：
数据获取模块，用于获取目标区域的夜间照度数据；夜间照度数据包括每个像元的照度值，每个像元对应目标区域的一个子区域；
曲线处理模块，用于将夜间照度数据分布到第一数量且等间距的照度空间中，得到第一曲线；
断点确定模块，用于利用自然断点法确定第一曲线上的多个断点；
光污染等级划分模块，用于根据各断点和夜间照度数据，对每个子区域进行光污染等级划分。
第三方面，本申请实施例提供了一种计算机设备，包括一个或多个处理器，以及存储器，存储器中存储有计算机可读指令，计算机可读指令被一个或多个处理器执行时，执行上述任一实施例中的夜间光污染监测方法的步骤。
第四方面，本申请实施例提供了一种存储介质，存储介质中存储有计算机可读指令，计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行上述任一实施例中的夜间光污染监测的步骤。
从以上技术方案可以看出，本申请实施例具有以下优点：
基于上述任一实施例，首先获取目标区域的夜间照度数据，其中每个子区域对应一个照度值。然后将这些照度数据分布到等间距的照度空间中，形成第一曲线。接着运用自然断点法在第一曲线上确定多个断点，并根据这些断点将曲线划分成多个数值区间，每个区间对应一个光污染等级。最后，对目标区域中的每个子区域，根据其照度值判断属于哪个数值区间，并获取对应的光污染等级，完成对全区域的光污染监测。其利用自然断点法确定反映数据内在规律的断点，并基于断点进行光污染等级划分，每一个子区域的等级划分都参考了全区域的总体特征，而不是简单使用固定阈值，可以避免误判。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
图1为本申请一个实施例提供夜间光污染监测方法的流程示意图；
图2为本申请一个实施例提供的夜间光污染监测装置的模块示意图；
图3为本申请一个实施例提供的计算机设备的内部结构图。
具体实施方式
下面将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、完整地描述，显然，所描述的实施例仅仅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，本领域普通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。
本申请实施例提供了一种夜间光污染监测方法，请参阅图1，包括步骤S102至步骤S108。
S102，获取目标区域的夜间照度数据。
可以理解，目标区域即为需要进行光污染监测的区域。夜间照度数据是基于目标区域的夜间遥感数据反演得到的照度信息的集合，而夜间遥感数据是由光电传感器对地表进行逐点采样后形成的数字化图像。每个像元对应地表上的一个矩形采样区域，记录了该区域反射或辐射的光谱信息。每个矩形采样区域即为目标区域的一个子区域。因此，夜间照度数据包括每个像元的照度值，每个像元对应目标区域的一个子区域。
S104，将夜间照度数据分布到第一数量且等间距的照度空间中，得到第一曲线。
可以理解，每个照度空间是由两个端点值确定出来的照度值区间，各照度空间之间相互连续且照度值区间的宽度相等。对于夜间照度数据中每个像元而言，根据其照度值的大小，确定其所属的照度空间。最后，以反映照度空间中所包含的像元数量作为纵轴、照度值作为横轴建立坐标轴，根据每个照度空间所包含的像元的数量以及该照度空间对应的照度值区间，在该坐标轴中绘制各照度空间对应的矩形柱，得到第一曲线。一般而言，第一数量可以为20。
S106，利用自然断点法确定第一曲线上的多个断点。
可以理解，传统的对光污染等级划分方式较为不合理，针对任何地区都采用相同的标准进行划分，例如，将光污染等级分为由低至高的五个级别，各级别对应的划分区间分别为0-5lx、5-10lx、10-25lx、25-35lx和35lx以上。该种方式没有参考各地区的实际情况，可能会造成误分类。在对大量地区的照度数据研究后发现，分析第一曲线对应的累计频率曲线时，可从累计频率曲线上发现很明显的转折趋势，但这些转折点很难利用一般的聚类方式确定。基于此，考虑到目标区域内将包含多种功能区类型的区域，不同功能区类型的光污染情况也存在差异。为了突出在不同光污染等级之间的差异性和体现同一光污染等级内照度值的内在分布规律，本实施例使用自然断点法对目标区域的夜间照度数据进行聚类，使得同组内的数据相似性最大，且组间差异性最大，从而找到第一曲线上的多个断点。坐标轴上的极值点与相邻的断点、相邻的断点和断点之间可确定出多个连续的数值区间，每个数值区间内的所有照度值数据符合同组内的数据相似性最大，且组间差异性最大的特点。
S108，根据各断点和夜间照度数据，对每个子区域进行光污染等级划分。
基于上述说明可知，同组的数据相似性最大，即同组内的数据具有最近似的照度特征，则应属于同一光污染等级。而不同组的数据具有最不相同的照度特征，应属于不同光污染等级。因此，根据各断点，确定多个连续的数值区间。每个数值区间对应一个光污染等级。例如，断点分别为4.6lx、12.3lx、27lx和36.7lx，则确定出的连续的数值区间为0-4.6lx、4.6-12.3lx、12.3-27lx和27-36.7lx。对于每个子区域而言，可根据该子区域对应的像元的照度值，确定其所属的数值区间，再根据数值区间与光污染等级之间的对应关系，从而可确定该子区域的光污染等级。遍历目标区域的所有子区域后，即实现对目标区域的光污染监控。
由于一般的城市中各种功能区类型较为齐全，在以多个城市作为样本，测试本实施例中方法可行性时发现，一般会得到四个断点，可以将城市的光污染等级分为五个等级，其光污染风险程度由低至高分别为无风险区、微风险区、低风险区、中风险区和高风险区。其中，无风险区对应自然生态系统集中分布的区域，如植物园、自然风景区等。微风险区对应无成片居民区、工业区分布的城市郊区及农业地区。低风险区对应一般城市居住区、工业区、文教区、大型公园绿地区域、城中村地区等。中风险区对应一般商业聚集区、高密度商住混合区、高水平交通枢纽及其周边地区。高风险区对应城市核心区、高密度商业聚集区、CBD地区等。但对于一些功能区类型不齐全的城市而言，在利用自然断点法进行分类时，得到的断点数量可能少于四个，此时即需要参考相关的标准，确定各断点所界定出的数值范围对应哪一光污染等级。
基于本实施例中的夜间光污染监测方法，首先获取目标区域的夜间照度数据，其中每个子区域对应一个照度值。然后将这些照度数据分布到等间距的照度空间中，形成第一曲线。接着运用自然断点法在第一曲线上确定多个断点，并根据这些断点将曲线划分成多个数值区间，每个区间对应一个光污染等级。最后，对目标区域中的每个子区域，根据其照度值判断属于哪个数值区间，并获取对应的光污染等级，完成对全区域的光污染监测。其利用自然断点法确定反映数据内在规律的断点，并基于断点进行光污染等级划分，每一个子区域的等级划分都参考了全区域的总体特征，而不是简单使用固定阈值，可以避免误判。
在其中一个实施例中，获取目标区域的夜间照度数据，包括：
（1）获取目标区域的夜间遥感数据。
可以理解，夜间遥感数据指的是通过遥感手段获取的目标区域在夜间的数字影像数据。这里夜间对应的具体时段可根据监控需要选择。夜间遥感数据源可以是珞珈一号卫星、alos卫星等。
（2）对夜间遥感数据进行预处理。
为了提升后续处理的效果，需要对夜间遥感数据进行一定的预处理，包括降噪、地理矫正和辐射值转换等。
（3）利用反演模型对预处理后的夜间遥感数据进行反演，得到夜间照度数据。
可以理解，夜间遥感数据中包含的数据为辐射亮度值，其来源自地面的上射光，因此会受到自然环境和人为因素的干扰，城市中的建成环境与人为活动较为复杂，直接使用夜间遥感数据作为评价城市光污染空间格局和光污染状态的指标较为不客观。而与亮度值相比，照度值更能直观的反映环境的明暗程度，故地表水平的光学指标中的照度值更适合研究城市光污染问题。基于此，本实施例利用反演模型将夜间遥感数据中每个像元的辐射亮度值演化为照度值，得到夜间照度数据。
在其中一个实施例中，反演模型的构建过程包括：
（1）获取目标区域的训练实测照度数据和训练夜间遥感数据。
可以理解，训练实测照度数据包括目标区域每个子区域的照度值，其专门用于构建反演模型，类似的，训练夜间遥感数据包括每个子区域的辐射亮度值。反演模型是基于统计学上的拟合方式，所建立起的辐射亮度值与照度值之间的对应关系。因此，需要获取一定数据量的辐射亮度值和照度值，以建立起反演模型。另外，由于不同城市的情况不同，可以为每个城市都构建对应的反演模型，当目标区域不同时，即可使用对应的反演模型进行拟合。
（2）根据训练夜间遥感数据和训练实测照度数据，构建不同种类的多个待选反演模型。
可以理解，由于数据拟合的方式有很多，需要找出辐射亮度值与照度值之间的规律最为匹配的一种拟合方式。因此，分别利用不同种类的拟合方式，构建出对应的待选反演模型，再比较各待选反演模型的拟合效果，以从中选出拟合效果最优的待选反演模型作为上述实施例中的反演模型。这里的不同种类的待选反演模型可以包括一元线性模型、二次多项式模型、三次多项式模型、指数模型、对数模型等。
（3）从待选反演模型中，选择误差最小的作为反演模型。
可以理解，拟合效果好则意味着利用反演模型得到的照度值与实际照度值相差小。因此，可以使用和训练夜间遥感数据不同的校验夜间遥感数据，输入到各待选反演模型中，得到校验预测照度数据，通过将校验夜间遥感数据对应的校验实测照度数据与校验预测照度数据进行比较，得到各待选反演模型的误差。这里的误差可以是基于均方根误差、平均绝对误差、平均偏差误差、决定系数等得到。在有些实施例中，反演模型为一元线性模型，具体为：E v =900L+4068900。其中，E v 为照度值（lx），L为像素的辐射率 (10-6W·m-2·sr-1·μm-1)。
在其中一个实施例中，获取目标区域的训练实测照度数据，包括：
（1）对于每个子区域，在该子区域检测多个采样点的实际照度值。
（2）根据各实际照度值的平均值，得到该子区域对应的照度值。
可以理解，由于只能用部分点位的照度值来代表整个区域的照度值，为了减小采样点位置选择不合理带来的误差，本实施例选择在每个子区域设置多个采样点，在每个采样点采集实际照度值，最后以各实际照度值的平均值作为该子区域的照度值。具体而言，可以将每个子区域均分为预设数量的区块，在每个区块的中心进行照度值采集。在每次照度值采集时，保持照度计水平或与地面呈90度夹角，且测量高度均为1.8米，以确保获得准确的水平与垂直照度数据，以对环境的光照情况进行准确测量。
在其中一个实施例中，将夜间照度数据分布到第一数量且等间距的照度空间中，得到第一曲线，包括：
（1）将夜间照度数据分布到第一数量且等间距的照度空间中。
（2）获取各照度空间对应的照度平均值。
（3）将照度平均值低于分析阈值的照度空间去除。
（4）根据剩余的照度空间，得到第一曲线。
可以理解，为了使研究区数据更加准确，对于完全无光污染风险的区域，可以将其从第一曲线中去除。因此，可根据无光污染风险的区域的照度值，设计分析阈值，如1lx，将照度空间中照度平均值低于该分析阈值的数据去除。
在其中一个实施例中，在根据各断点和夜间照度数据，对每个子区域进行光污染等级划分之后，还包括：
（1）根据各子区域的光污染等级，确定对应的目标颜色。
（2）在待着色地图上，根据目标颜色对各子区域进行着色。
可以理解，为了将光污染监测结果进行可视化，本实施例为每个光污染等级确定了对应的目标颜色，通过色彩上的区分，使得研究人员可以直观的从地图上观察到目标区域的各子区域的光污染情况。
本申请实施例提供了一种夜间光污染监测装置，请参阅图2，包括数据获取模块210、曲线处理模块220、断点确定模块230和光污染等级划分模块240。
数据获取模块210用于获取目标区域的夜间照度数据。夜间照度数据包括每个像元的照度值，每个像元对应目标区域的一个子区域。
曲线处理模块220用于将夜间照度数据分布到第一数量且等间距的照度空间中，得到第一曲线。
断点确定模块230用于利用自然断点法确定第一曲线上的多个断点。
光污染等级划分模块240用于根据各断点和夜间照度数据，对每个子区域进行光污染等级划分。
在其中一个实施例中，数据获取模块210用于获取目标区域的夜间遥感数据；对夜间遥感数据进行预处理；利用反演模型对预处理后的夜间遥感数据进行反演，得到夜间照度数据。
在其中一个实施例中，夜间光污染监测装置还包括建模模块。建模模块用于获取目标区域的训练实测照度数据和训练夜间遥感数据；根据训练夜间遥感数据和训练实测照度数据，构建不同种类的多个待选反演模型；从待选反演模型中，选择误差最小的作为反演模型。
在其中一个实施例中，建模模块还用于对于每个子区域，在该子区域检测多个采样点的实际照度值；根据各实际照度值的平均值，得到该子区域对应的照度值。
在其中一个实施例中，曲线处理模块220用于将夜间照度数据分布到第一数量且等间距的照度空间中；获取各照度空间对应的照度平均值；将照度平均值低于分析阈值的照度空间去除；根据剩余的照度空间，得到第一曲线。
在其中一个实施例中，断点确定模块230用于根据各断点，确定多个连续的数值区间；每个数值区间对应一个光污染等级；确定各子区域对应的照度值所属的数值区间，以确定各子区域的光污染等级。
在其中一个实施例中，夜间光污染监测装置还包括可视化模块。可视化模块用于根据各子区域的光污染等级，确定对应的目标颜色；在待着色地图上，根据目标颜色对各子区域进行着色。
关于夜间光污染监测装置的具体限定可以参见上文中对夜间光污染监测方法的限定，在此不再赘述。上述夜间光污染监测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。需要说明的是，本申请实施例中对模块的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
本申请实施例提供了一种计算机设备，包括一个或多个处理器，以及存储器，存储器中存储有计算机可读指令，计算机可读指令被一个或多个处理器执行时，执行：获取目标区域的夜间照度数据；夜间照度数据包括每个像元的照度值，每个像元对应目标区域的一个子区域；将夜间照度数据分布到第一数量且等间距的照度空间中，得到第一曲线；利用自然断点法确定第一曲线上的多个断点；根据各断点和夜间照度数据，对每个子区域进行光污染等级划分。
在其中一个实施例中，计算机可读指令被一个或多个处理器执行时，执行：获取目标区域的夜间遥感数据；对夜间遥感数据进行预处理；利用反演模型对预处理后的夜间遥感数据进行反演，得到夜间照度数据。
在其中一个实施例中，计算机可读指令被一个或多个处理器执行时，执行：获取目标区域的训练实测照度数据和训练夜间遥感数据；根据训练夜间遥感数据和训练实测照度数据，构建不同种类的多个待选反演模型；从待选反演模型中，选择误差最小的作为反演模型。
在其中一个实施例中，计算机可读指令被一个或多个处理器执行时，执行：对于每个子区域，在该子区域检测多个采样点的实际照度值；根据各实际照度值的平均值，得到该子区域对应的照度值。
在其中一个实施例中，计算机可读指令被一个或多个处理器执行时，执行：将夜间照度数据分布到第一数量且等间距的照度空间中；获取各照度空间对应的照度平均值；将照度平均值低于分析阈值的照度空间去除；根据剩余的照度空间，得到第一曲线。
在其中一个实施例中，计算机可读指令被一个或多个处理器执行时，执行：根据各断点，确定多个连续的数值区间；每个数值区间对应一个光污染等级；确定各子区域对应的照度值所属的数值区间，以确定各子区域的光污染等级。
在其中一个实施例中，计算机可读指令被一个或多个处理器执行时，执行：根据各子区域的光污染等级，确定对应的目标颜色；在待着色地图上，根据目标颜色对各子区域进行着色。
示意性地，如图3所示，图3为本申请实施例提供的一种计算机设备的内部结构示意图。参照图3，计算机设备300包括处理组件302，其进一步包括一个或多个处理器，以及由存储器301所代表的存储器资源，用于存储可由处理组件302的执行的指令，例如应用程序。存储器301中存储的应用程序可以包括一个或一个以上的，每一个对应于一组指令的模块。此外，处理组件302被配置为执行指令，以执行上述任意实施例的夜间光污染监测方法的步骤。
计算机设备300还可以包括一个电源组件303被配置为执行计算机设备300的电源管理，一个有线或无线网络接口304被配置为将计算机设备300连接到网络，和一个输入输出（I/O）接口305。
本领域技术人员可以理解，图3中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
本申请实施例提供了一种存储介质，存储介质中存储有计算机可读指令，计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行：获取目标区域的夜间照度数据；夜间照度数据包括每个像元的照度值，每个像元对应目标区域的一个子区域；将夜间照度数据分布到第一数量且等间距的照度空间中，得到第一曲线；利用自然断点法确定第一曲线上的多个断点；根据各断点和夜间照度数据，对每个子区域进行光污染等级划分。
在其中一个实施例中，计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行：获取目标区域的夜间遥感数据；对夜间遥感数据进行预处理；利用反演模型对预处理后的夜间遥感数据进行反演，得到夜间照度数据。
在其中一个实施例中，计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行：获取目标区域的训练实测照度数据和训练夜间遥感数据；根据训练夜间遥感数据和训练实测照度数据，构建不同种类的多个待选反演模型；从待选反演模型中，选择误差最小的作为反演模型。
在其中一个实施例中，计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行：对于每个子区域，在该子区域检测多个采样点的实际照度值；根据各实际照度值的平均值，得到该子区域对应的照度值。
在其中一个实施例中，计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行：将夜间照度数据分布到第一数量且等间距的照度空间中；获取各照度空间对应的照度平均值；将照度平均值低于分析阈值的照度空间去除；根据剩余的照度空间，得到第一曲线。
在其中一个实施例中，计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行：根据各断点，确定多个连续的数值区间；每个数值区间对应一个光污染等级；确定各子区域对应的照度值所属的数值区间，以确定各子区域的光污染等级。
在其中一个实施例中，计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行：根据各子区域的光污染等级，确定对应的目标颜色；在待着色地图上，根据目标颜色对各子区域进行着色。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间可以根据需要进行组合，且相同相似部分互相参见即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (9)
1.一种夜间光污染监测方法，其特征在于，包括：
获取目标区域的夜间照度数据；所述夜间照度数据包括每个像元的照度值，每个所述像元对应所述目标区域的一个子区域；所述获取目标区域的夜间照度数据，包括：获取所述目标区域的夜间遥感数据；对所述夜间遥感数据进行预处理；利用反演模型对预处理后的所述夜间遥感数据进行反演，得到所述夜间照度数据；其中，所述反演模型为：E v =900L+4068900，E v 为照度值，所述照度值的单位为lx，L为像素的辐射率，所述辐射率的单位为10-6W·m-2·sr-1·μm-1；
将所述夜间照度数据分布到第一数量且等间距的照度空间中，得到第一曲线；所述照度空间是由两个端点值确定出来的照度值区间，各所述照度空间之间相互连续且所述照度值区间的宽度相等，所述第一曲线是以所述照度值作为横轴，以所述照度空间中所包含的所述像元的数量为纵轴，根据每个所述照度空间所包含的所述像元的数量以及该所述照度空间对应的所述照度值区间，在所述纵轴和所述横轴形成的坐标轴中绘制各所述照度空间对应的矩形柱所得到的；
利用自然断点法确定所述第一曲线上的多个断点；
根据各所述断点和所述夜间照度数据，对每个所述子区域进行光污染等级划分。
2.根据权利要求1所述的夜间光污染监测方法，其特征在于，所述反演模型的构建过程包括：
获取所述目标区域的训练实测照度数据和训练夜间遥感数据；
根据所述训练夜间遥感数据和所述训练实测照度数据，构建不同种类的多个待选反演模型；
从所述待选反演模型中，选择误差最小的作为所述反演模型。
3.根据权利要求2所述的夜间光污染监测方法，其特征在于，所述获取所述目标区域的训练实测照度数据，包括：
对于每个所述子区域，在该所述子区域检测多个采样点的实际照度值；
根据各所述实际照度值的平均值，得到该所述子区域对应的所述照度值。
4.根据权利要求1所述的夜间光污染监测方法，其特征在于，所述将所述夜间照度数据分布到第一数量且等间距的照度空间中，得到第一曲线，包括：
将所述夜间照度数据分布到所述第一数量且等间距的所述照度空间中；
获取各所述照度空间对应的照度平均值；
将所述照度平均值低于分析阈值的所述照度空间去除；
根据剩余的所述照度空间，得到所述第一曲线。
5.根据权利要求1所述的夜间光污染监测方法，其特征在于，所述根据各所述断点和所述夜间照度数据，对每个所述子区域进行光污染等级划分，包括：
根据各所述断点，确定多个连续的数值区间；每个所述数值区间对应一个所述光污染等级；
确定各所述子区域对应的所述照度值所属的所述数值区间，以确定各所述子区域的所述光污染等级。
6.根据权利要求1所述的夜间光污染监测方法，其特征在于，在所述根据各所述断点和所述夜间照度数据，对每个所述子区域进行光污染等级划分之后，还包括：
根据各所述子区域的所述光污染等级，确定对应的目标颜色；
在待着色地图上，根据所述目标颜色对各所述子区域进行着色。
7.一种夜间光污染监测装置，其特征在于，包括：
数据获取模块，用于获取目标区域的夜间照度数据；所述夜间照度数据包括每个像元的照度值，每个所述像元对应所述目标区域的一个子区域；所述获取目标区域的夜间照度数据，包括：获取所述目标区域的夜间遥感数据；对所述夜间遥感数据进行预处理；利用反演模型对预处理后的所述夜间遥感数据进行反演，得到所述夜间照度数据；其中，所述反演模型为：E v =900L+4068900，E v 为照度值，所述照度值的单位为lx，L为像素的辐射率，所述辐射率的单位为10-6 W·m-2·sr-1·μm-1；
曲线处理模块，用于将所述夜间照度数据分布到第一数量且等间距的照度空间中，得到第一曲线；所述照度空间是由两个端点值确定出来的照度值区间，各所述照度空间之间相互连续且所述照度值区间的宽度相等，所述第一曲线是以所述照度值作为横轴，以所述照度空间中所包含的所述像元的数量为纵轴，根据每个所述照度空间所包含的所述像元的数量以及该所述照度空间对应的所述照度值区间，在所述纵轴和所述横轴形成的坐标轴中绘制各所述照度空间对应的矩形柱所得到的；
断点确定模块，用于利用自然断点法确定所述第一曲线上的多个断点；
光污染等级划分模块，用于根据各所述断点和所述夜间照度数据，对每个所述子区域进行光污染等级划分。
8.一种计算机设备，其特征在于，包括一个或多个处理器，以及存储器，所述存储器中存储有计算机可读指令，所述计算机可读指令被所述一个或多个处理器执行时，执行如权利要求1-6任一项所述的夜间光污染监测方法的步骤。
9.一种存储介质，其特征在于，所述存储介质中存储有计算机可读指令，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行如权利要求1-6任一项所述的夜间光污染监测的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311387236.0A CN117131441B (zh) | 2023-10-25 | 2023-10-25 | 夜间光污染监测方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311387236.0A CN117131441B (zh) | 2023-10-25 | 2023-10-25 | 夜间光污染监测方法、装置、计算机设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117131441A CN117131441A (zh) | 2023-11-28 |
| CN117131441B true CN117131441B (zh) | 2024-02-13 |
Family
ID=88860370
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311387236.0A Active CN117131441B (zh) | 2023-10-25 | 2023-10-25 | 夜间光污染监测方法、装置、计算机设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117131441B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117576255B (zh) * | 2024-01-16 | 2024-05-03 | 腾讯科技（深圳）有限公司 | 作业区域确定方法、装置、计算机设备和存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2015193822A1 (en) * | 2014-06-17 | 2015-12-23 | Casella Macchine Agricole S.R.L. | Method and device for measuring vegetation cover on farmland |
| CN114067223A (zh) * | 2022-01-17 | 2022-02-18 | 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 |
| CN115797786A (zh) * | 2023-02-09 | 2023-03-14 | 天津市勘察设计院集团有限公司 | 融合夜光影像和gis数据的居民区房屋空置率估算方法 |
-
2023
- 2023-10-25 CN CN202311387236.0A patent/CN117131441B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2015193822A1 (en) * | 2014-06-17 | 2015-12-23 | Casella Macchine Agricole S.R.L. | Method and device for measuring vegetation cover on farmland |
| CN114067223A (zh) * | 2022-01-17 | 2022-02-18 | 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 |
| CN115797786A (zh) * | 2023-02-09 | 2023-03-14 | 天津市勘察设计院集团有限公司 | 融合夜光影像和gis数据的居民区房屋空置率估算方法 |
Non-Patent Citations (4)
| Title |
|---|
| Understanding and evaluating urban ecological light pollution problems based on Luojia 1-01 nighttime light imagery;Q L Hao et al.;IOP Conference Series: Earth and Environmental Science;20211231;第1-6页 * |
| 光和噪声污染胁迫下城市生态斑块鸟类风险评价;郝庆丽 等;生态学报;第42卷(第6期);第2186-2201页 * |
| 国内外光环境设计专业核心课程对比研究* ——以中国传媒大学和威斯马大学为例;林禄杰 等;中国教育技术装备;20200731(第14期);第134-136页 * |
| 陕南秦巴山区征地区片划分研究—以略阳县为例;李传胜;土地开发工程研究;第5卷(第1期);第6-10、31页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117131441A (zh) | 2023-11-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117131441B (zh) | 夜间光污染监测方法、装置、计算机设备和存储介质 | |
| CN105045950A (zh) | 一种基于三维激光扫描的桥梁安全评估系统 | |
| US10115165B2 (en) | Management of tax information based on topographical information | |
| CN111937016B (zh) | 一种基于街景图片及机器学习的城市内部贫困空间测度方法及系统 | |
| CN114066857A (zh) | 红外图像质量评价方法、装置、电子设备及可读存储介质 | |
| CN110363246A (zh) | 一种高时空分辨率植被指数ndvi的融合方法 | |
| CN111861170B (zh) | 一种碳排放空间制图方法、密度空间分布确定方法与装置 | |
| Dukai et al. | A multi-height LoD1 model of all buildings in the Netherlands | |
| CN117169086B (zh) | 一种建筑物地下防水层施工质量检测方法、介质及系统 | |
| Lauko et al. | Local color and morphological image feature based vegetation identification and its application to human environment street view vegetation mapping, or how green is our county? | |
| CN110110025A (zh) | 基于特征向量空间滤值的区域人口密度模拟方法 | |
| CN113033516A (zh) | 对象识别统计方法及装置、电子设备、存储介质 | |
| CN118470550B (zh) | 一种自然资源资产数据采集方法及平台 | |
| Torkko et al. | How to best map greenery from a human perspective? Comparing computational measurements with human perception | |
| 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 | |
| CN117708551A (zh) | 基于双精度gdp数据展布的洪涝灾害影响评估方法和系统 | |
| Sadeghi et al. | The impact of exterior surround detail on daylighting simulation results | |
| CN117274813A (zh) | 一种基于点云技术构建城市森林林内温度的预测模型 | |
| CN117197085A (zh) | 基于改进YOLOv8网络的公路快检图像路面病害检测方法 | |
| CN116778334A (zh) | 一种定量大尺度空间草原鼠洞口密度预测方法及系统 | |
| CN115147726B (zh) | 城市形态图的生成方法、装置、电子设备和可读存储介质 | |
| Zhou et al. | Mapping urban landscape heterogeneity: agreement between visual interpretation and digital classification approaches | |
| Osmond | Hemispherical photography as a tool for urban sustainability evaluation and design | |
| KR102576427B1 (ko) | 구름 이미지를 이용한 실시간 강수량 예측 장치, 이를 이용한 강수량 예측 방법 및 이를 제공하기 위한 컴퓨터 프로그램이 기록된 컴퓨터-판독가능매체 | |
| Changok | Estimation of urban tree crown volume based on object-oriented approach and lidar data |
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 |