【技术实现步骤摘要】
一种城市不透水层覆盖率遥感估算方法
本专利技术涉及城市不透水层的检测,更具体地说,涉及一种城市不透水层覆盖率遥感估算方法。
技术介绍
城市不透水层(UrbanImperviousSurfaces,UIS)是城市中的重要人造地表,它能够阻止地下水渗透到土壤中,割断了城市地表与地下水文的联系,主要由城市中的建筑物屋顶、广场、停车场和柏油道路等组成。城市不透水层不仅是衡量城市化程度的指示剂,也是衡量城市环境质量的重要指标。随着全球城市化进程的不断加快,城市不透水层所占的面积比例逐渐扩大,引发了城市热岛效应、环境污染、资源短缺等一系列生态、环境和社会问题。因此,提取城市不透水层,进而监测城市不透水层的变化对监测城市热环境变化和城市生态系统具有重要的现实意义,也是城市规划中要考虑的重要因素。遥感技术由于具有快速获取地表信息的优势而成为进行UIS提取和监测的重要手段。用于UIS提取和监测的遥感数据源包括高分辨率遥感影像、中分辨率遥感影像、高光谱遥感影像、多源遥感影像的结合等。中分辨率遥感影像因其空间分辨率适中、覆盖范围大、成本低等优势而成为UIS提取和监测的常用遥感数据源。由于城市景观复杂,地物具有强烈的空间异质性使得中分辨率遥感影像中存在了大量的混合像元。因此通常采用估算城市不透水层覆盖率(UrbanImperviousSurfacesPercent,UISP)—“单位遥感影像像元中不透水层所占的面积比例”作为衡量城市不透水层覆盖程度的指标。目前用于中分辨率遥感影像UISP估算的方法主要有混合像元分解、多元回归和机器学习等方法。混合像元分解方法假设地表各地物之间没有 ...
【技术保护点】
一种城市不透水层覆盖率遥感估算方法,其特征在于,所述估算方法步骤如下:S1、基于中分辨率遥感影像的多个波谱波段计算归一化植被指数(NDVI)、归一化建筑物指数(NDBI)、地表温度(LST);具体公式如下:
【技术特征摘要】
1.一种城市不透水层覆盖率遥感估算方法,其特征在于,所述估算方法步骤如下:S1、基于中分辨率遥感影像的多个波谱波段计算归一化植被指数(NDVI)、归一化建筑物指数(NDBI)、地表温度(LST);具体公式如下:其中,NIR是近红外波段的波谱值,R是红波段的波谱值,MIR是中红外波段的波谱值;S2、基于中分辨率遥感影像,利用灰度共生矩阵计算每个波段的纹理信息;S3、选取与中分辨率遥感影像同时相,地理覆盖范围为中分辨率遥感影像覆盖范围之内且分散分布在东西南北四个方向的多块高分辨率遥感影像,利用面向对象的图像处理方法获取高分辨率遥感影像中每个像元的不透水性,其中,1表示不透水,0表示透水;S4、统计每个中分辨率遥感影像像元对应的多个高分辨遥感影像像元中数值为1的像元数占总像元数的百分比,即为对应的中分辨率遥感影像像元的UISP;具体公式如公式(3):其中UISPij表示中分辨率遥感影像上第i行第j列像元的UISP,UISPij∈[0,1],αpq表示高分辨率遥感影像上第p行第q列像元的不透水性,取值为0(透水)或1(不透水);K表示每个中分辨率遥感影像像元中有K*K个高分辨率遥感影像像元;所述K取值如下:其中,m为中分辨率遥感影像像元的大小,n为高分辨遥感影像像元的大小,如果m/n不等于整数,则需要把中分辨率遥感影像重采样为像元大小为r(r大于m,且是与m最靠近的整数)的图像,使得r/n等于整数;S5、随机选取高分辨率遥感影像和与之空间对应的中分辨率遥感影像像元中的70%用作训练数据,30%用作验证数据;S6、对S1和S2中所得的数据进行归一化处理,具体公式如公式(5):其中xi为归一化前像元的值,xmin为整幅图像中像元的最小值,xmax为整幅图像中像元的最大值,xj为归一化后像元的值,介于0和1之间;S7、对S2中经过S6处理后的纹理特征数据利用信息熵和相关系数进行初步约简,删除信息熵小和相关系数高的特征;S8、采用改进的H离散化方法对S1中经过S6处理后的数据进行离散化处理;所述改进的H离散化方法为:根据数据的统计规律分类数据,对于在取值空间分布较为均匀的数据,采用梯度函数对其进行离散化;对于空间分布不均匀,聚集效应很明显的属性数据采用指数函数对其进行离散化;将离散化后的属性与UISP数据按顺序排列好,组成利用粗糙集进行遥感估算UISP的信息表,即为UISP估算的论域;S9、采用基于差别矩阵的粗糙集约简算法对步骤8中经过离散化后的特征进行特征约简;通过前面对样本数据的预处理,可以用样本数据组成一个信息系统,即,UISP=(U,C,V,f);(6)其中,U是信息系统的论域,是所有样本组成的集合;C是信息系统中属性的集合,是从中分辨率遥感影像中提取出来的属性的集合,单个属性称为简单属性;V是信息函数f的值域,Vi为属性αi的值域,即各个属性的取值范围;f是系统的信息函数,fi为属性αi的信息函数;具体步骤如下:step1:先求出其差别矩阵Mn×n;setp2:对差别矩阵中的所有取值不为空集合的元素cij(即:),根据差别函数建立与之对应的内析取外合取的析取范式L∧(V)(UISP)如公式7所示:step3:对step2得到的析取范式进行逻辑运算,得到内合取外析取的合取范式LV(∧)(IS)如公式8所示:step4:输出集合中每个合取项Lk就是信息系统的一个属性约简,整个信息系统的约简全集即为所有Lk组成的集合,算法结束;S10、基于S9中约简后的数据建立用于UISP估算的支持向量回归机模型SVR-UISP,SVR-UISP模型的输入数据为中分辨率遥感影像像元的波谱信息及其衍生信息,输出数据为每个中分辨率像元的UISP;通过建立中分辨率影像像元的波谱信息及其衍生信息和对应UISP参考值之间的回归模型,从而可以根据训练数据的特征进而外推到中分辨率影像其它像元的UISP;输入和输出数据的表达如下:其中为m维向量,表示SVR-UISP的输入,由中分辨率影像像元的波谱信息及其常用的衍生信息组成;yi表示SVR-UISP的输出,即每个中分辨率影像像元的UISP,来源于高...
【专利技术属性】
技术研发人员:李素,郭兆春,袁志高,许明瑞,
申请(专利权)人:北京工商大学,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。