基于灯光遥感数据国家宏观经济指标估测方法技术

本发明专利技术公开基于灯光遥感数据国家宏观经济指标估测方法,其是利用深度学习算法建立目标区域的国家及地区预定年度的DMSP/OLS灯光灰度值图像以及宏观经济指标间的宏观经济指标评估模型后，用测试数据对所述宏观经济指标评估模型进行反复测试，获得预测评估模型；然后所述预测评估模型，通过输入提取的DMSP/OLS灯光强度灰度值图像的灯光特征数据，输出用宏观经济指标表示的宏观经济评估结果的。本发明专利技术通过获取的夜光图像后即可实现有效地预测相应的国家地区的宏观经济指标数据。

【技术实现步骤摘要】
基于灯光遥感数据国家宏观经济指标估测方法
本专利技术涉及经济指标估测
，具体涉及基于灯光遥感数据国家宏观经济指标估测方法。
技术介绍
随着对外开放新战略快速推进，在目标各国的直接投资，已成为我国开展对外经济与技术合作的主要方向。宏观经济数据是我国政府和企业评估目标国投资风险时所需要考量的最主要指标，具有重要的决策参考价值。由于宏观经济数据统计难度大、成本高、周期长，造成官方公布的数据在时效性、可靠性方面难以保障；而且各国政府的统计方法和指标定义有显著差异，不同国家不同年份官方数据的通用性和可比性较差；另外，某些国家由于受战争战乱的影响，出现严重的数据缺失。国内外大量研究已经证实，夜间灯光数据与人类社会宏观经济之间存在高度的相关性，夜间灯光遥感影像和人类活动存在较高的关联性，且具备时空连续、独立客观等优势，能够为某地区国民生产总值、人口、电力消耗、二氧化碳排放、城市化率等社会经济参数的估算提供重要依据。
技术实现思路
本专利技术的目的是针对现有技术中存在的技术缺陷，而提供基于灯光遥感数据国家宏观经济指标估测方法，通过国家地区的夜间灯光遥感影像进行处理和分析，能估测相应的国家地区的的宏观经济指标，作为官方数据的印证和补充。为实现本专利技术的目的所采用的技术方案是：基于灯光遥感数据国家宏观经济指标估测方法，包括步骤:获取目标区域的国家及地区边界矢量数据和目标区域的国家及地区预定年度的DMSP/OLS灯光灰度值图像；根据上述获得的边界矢量数据，提取目标区域的国家及地区预定年度的DMSP/OLS灯光灰度值图像的灯光特征数据；获取目标区域的国家及地区预定年度的宏观经济指标数据；利用深度学习算法，构建灯光特征数据与宏观经济指标数据间的数学模型，形成基于灯光遥感数据的宏观经济指标评估模型；利用测试集中DMSP/OLS灯光灰度值图像的灯光特征数据以及对应的实际宏观经济指标数据，对所述宏观经济指标评估模型反复测试，获得预测评估模型；提取DMSP/OLS灯光强度灰度值图像的灯光特征数据，输入到所述预测评估模型，由预测评估模型输出用宏观经济指标表示的宏观经济评估结果。所述灯光特征数据包括灯光斑块总强度、灯光平均强度、灯光斑块相对平均强度、区域灯光总面积、区域灯光灯光斑块相对面积、区域灯光总量、灯光指数；灯光斑块方差、线性加权灯光指数。所述宏观经济指标包括国民生产总值、人口、二氧化碳排放、电力消耗以及城市化率。对所述宏观经济指标评估模型反复测试时，使用反向传播算法对社会宏观经济指标评估模型的权值和偏差进行反复调整训练,当输出向量与期望向量的误差平方和小于指定的误差时训练完成。所述预测评估模型包括输入层、隐藏层以及输出层：所述输入层用于输入所述夜光图像特征，所述隐藏层用于通过构建的多层神经网络模型对输入的所述夜光图像特征进行处理，所述输出层用于输出所述宏观经济指标；所述隐藏层包括多层，每层包括有卷积层、激活函数层、池化层、LSTM层以及全连接层；所述全连接层连接softmax分类器。本专利技术是以DMSP/OLS灯光强度灰度值图像作为基础数据，综合运用图像处理和模式识别技术，提取夜光图像基本特征，利用深度学习算法构建夜光图像特征与宏观经指标之间的数学模型，将此模型应用于目标国家及地区宏观经济指标的评估预测，通过获取的夜光图像后即可实现有效地预测相应的国家地区的的宏观经济指标。附图说明图1是本专利技术基于灯光遥感数据国家宏观经济指标估测方法的流程示意图；图2是本专利技术对宏观经济指标评估模型的训练的流程图；图3是本专利技术的评估预测模型的神经网络的示意图。具体实施方式以下结合附图和具体实施例对本专利技术作进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。参见图1所示，基于灯光遥感数据国家宏观经济指标估测方法，包括步骤：获取目标区域的国家及地区边界矢量数据和目标区域的国家及地区预定年度的DMSP/OLS灯光灰度值图像；根据上述获得的边界矢量数据，提取目标区域的国家及地区预定年度的DMSP/OLS灯光灰度值图像的灯光特征数据；获取目标区域的国家及地区预定年度的宏观经济指标数据；利用深度学习算法，构建灯光特征数据与宏观经济指标数据间的数学模型，形成基于灯光遥感数据的宏观经济指标评估模型；利用测试集中DMSP/OLS灯光灰度值图像的灯光特征数据以及对应的实际宏观经济指标数据，对所述宏观经济指标评估模型反复测试，获得预测评估模型；提取DMSP/OLS灯光强度灰度值图像的灯光特征数据，输入到所述预测评估模型，由预测评估模型输出用宏观经济指标表示的宏观经济评估结果。具体的，所述DMSP/OLS灯光灰度值图像为非福射定标夜间平均灯光强度图像数据，DMSP/OLS非福射定标夜间平均灯光强度数据及目标区域的国家或地区的边界分别进行等角圆锥投影，将其转换为直角坐标，然后用目标区域的边界分别对DMSP/OLS灯光强度图像数据进行裁剪，从而得到预定年度的目标区域的国家或地区的DMSP/OLS非辐射定标夜间灯光强度图像数据。为了实现更为精确的估计，我们需要对预测评估模型的输入指标进行设计，即提取灯光图像的什么特征作为预测评估模型的输入向量。具体的，本专利技术中，所述灯光特征数据包括灯光斑块总强度TI、灯光平均强度I、灯光斑块相对平均强度I′、区域灯光总面积S、区域灯光灯光斑块相对面积S′、区域灯光总量TOLI、灯光指数CNLI；灯光斑块方差σ、线性加权灯光指数L。为此需要通过灯光图像区别出城市区域灯光像元，然后再利用灯光像元来获取上述的灯光特征数据。根据经验判断，设定一个阈值P，当一个像元光强度大于该阈值时，可认为是城市区域灯光像元。以下具体说明各个夜光图像特征的计算公式或方法：(1)灯光斑块总强度TI式中：DNi-像元灰度值；DNM-可能出现的最大灰度值；ni-灰度为DNi的像元数目；P-根据经验设定的灯光阈值；(2)灯光斑块平均强度I式中：DNi-像元灰度值；DNM-可能出现的最大灰度值，N-区域内满足条件DNM≥DNi≥P的所有像元总数；ni-灰度为DNi的像元数目，(3)灯光斑块相对平均强度I′式中：DNi-像元灰度值；DNM-可能出现的最大灰度值，N-区域内满足条件DNM≥DNi≥P的所有像元总数；ni-灰度为DNi的像元数目，(4)区域灯光总面积SS＝Area(DNM≥DNi≥P)，式中：Area-区域面积(用像元总数表示)，DNM-可能出现的最大灰度值，P-阈值，(5)区域灯光相对面积S＇式中：Area-区域面积(用像元总数表示)，DNM-可能出现的最大灰度值，P-阈值，(6)区域灯光总量TOLI式中：TIi-区域内各灯光板块的强度，n-区域内所有灯光板块的总数；(7)灯光指数CNLICNLI＝S＇×I＇，(8)灯光斑块方差σ(9)线性加权灯光指数LL＝I＇×p1+S＇×p2，式中：p1和p2-相加为1的给定权重。如图2所示，对于该宏观经济指标评估模型的神经网络训练过程的包括以下步骤：(1)网络权值偏置初始化：给定各连接权值及偏置分别赋一个区间(-1，1)内的随机数，设定误差函数e，给定算精度值和最大学习次数M，(2)隐藏层计算：随机选取第k个输入样本及对应期望输出分别记为如下：xo(k)＝(x1(k)，x2(k)，x3(k)本文档来自技高网...

【技术保护点】
1.基于灯光遥感数据国家宏观经济指标估测方法，其特征在于，包括步骤:获取目标区域的国家及地区边界矢量数据和目标区域的国家及地区预定年度的DMSP/OLS灯光灰度值图像；根据上述获得的边界矢量数据，提取目标区域的国家及地区预定年度的DMSP/OLS灯光灰度值图像的灯光特征数据；获取目标区域的国家及地区预定年度的宏观经济指标数据；利用深度学习算法，构建灯光特征数据与宏观经济指标数据间的数学模型，形成基于灯光遥感数据的宏观经济指标评估模型；利用测试集中DMSP/OLS灯光灰度值图像的灯光特征数据以及对应的实际宏观经济指标数据，对所述宏观经济指标评估模型反复测试，获得预测评估模型；提取DMSP/OLS灯光强度灰度值图像的灯光特征数据，输入到所述预测评估模型，由预测评估模型输出用宏观经济指标表示的宏观经济评估结果。

【技术特征摘要】
1.基于灯光遥感数据国家宏观经济指标估测方法，其特征在于，包括步骤:获取目标区域的国家及地区边界矢量数据和目标区域的国家及地区预定年度的DMSP/OLS灯光灰度值图像；根据上述获得的边界矢量数据，提取目标区域的国家及地区预定年度的DMSP/OLS灯光灰度值图像的灯光特征数据；获取目标区域的国家及地区预定年度的宏观经济指标数据；利用深度学习算法，构建灯光特征数据与宏观经济指标数据间的数学模型，形成基于灯光遥感数据的宏观经济指标评估模型；利用测试集中DMSP/OLS灯光灰度值图像的灯光特征数据以及对应的实际宏观经济指标数据，对所述宏观经济指标评估模型反复测试，获得预测评估模型；提取DMSP/OLS灯光强度灰度值图像的灯光特征数据，输入到所述预测评估模型，由预测评估模型输出用宏观经济指标表示的宏观经济评估结果。2.如权利要求1所述基于灯光遥感数据国家宏观经济指标估测方法，其特征在于，所述灯光特征数据包括灯光斑块总强度、灯光平均强度、灯光斑块相对平均强度、区域灯光...

【专利技术属性】
技术研发人员：薛文芳，韩艳超，张德馨，郑浩楠，薛金鸽，
申请(专利权)人：天津中科智能识别产业技术研究院有限公司，
类型：发明
国别省市：天津,12