一种基于遥感影像和多源数据的屋顶绿化优先级计算方法技术

本发明专利技术提供了一种基于遥感影像和多源数据的屋顶绿化优先级计算方法，包括：获取遥感影像，通过遥感影像采用深度卷积神经网络检测获取计算区域；计算区域即为：需要进行建筑物屋顶绿化优先级判断的区域；基于多源数据对计算区域进行空间叠加，定量计算屋顶绿化的优先级；所述多源数据包括：年均温度、年降雨量、建筑物到公园绿地距离和建筑物交通拥堵程度。本发明专利技术从定性与定量角度分析实施屋顶绿化的建筑物，评价每个建筑屋顶的绿化优先级。从建筑属性和绿化需求两个方面构建屋顶绿化指标体系，然后，结合多源数据，给出屋顶绿化指标的定量计算方法，最后进行屋顶绿化优先级评价，结合建筑物的实际情况，定性和定量分析屋顶绿化实施的优先级方案。实施的优先级方案。实施的优先级方案。

A roof greening priority calculation method based on remote sensing image and multi-source data

【技术实现步骤摘要】
一种基于遥感影像和多源数据的屋顶绿化优先级计算方法


[0001]本专利技术涉及屋顶绿化领域，尤其涉及一种基于遥感影像和多源数据的屋顶绿化优先级计算方法。

技术介绍

[0002]城市化是人口趋势的全球化问题，对环境具有重要影响。尽管城市仅占世界表面的一小部分，但城市地区是人类活动的核心领域，占全球人口的50％以上，占经济活动的7％～90％。由于城市扩张速度加快，大量人造建筑物和不透水表面代替了农田、草地等天然表面，对当地区域气候产生了深远的影响。城市热岛效应就是最明显的影响之一，指的是由于人类活动的影响导致城市中气温明显高于周围郊区的现象。目前，屋顶绿化被认为是缓解城市热岛效应现象，改善城市生态环境的有效途径之一。然而当前，对于屋顶绿化方案的相关研究比较匮乏。

技术实现思路

[0003]有鉴于此，针对以上技术问题，本专利技术提供了一种基于遥感影像和多源数据的屋顶绿化优先级计算方法。本专利技术基于遥感影像和多源数据，从定性与定量角度分析实施屋顶绿化的建筑物，评价每个建筑屋顶的绿化优先级。从建筑属性和绿化需求两个方面构建屋顶绿化指标体系，然后，结合多源数据，给出屋顶绿化指标的定量计算方法，最后进行屋顶绿化优先级评价，结合建筑物的实际情况，定性和定量分析屋顶绿化实施的优先级方案。
[0004]本专利技术提供的一种基于遥感影像和多源数据的屋顶绿化优先级计算方法，具体包括以下步骤：
[0005]S101：获取遥感影像，通过遥感影像采用深度卷积神经网络检测获取计算区域；所述计算区域即为：需要进行建筑物屋顶绿化优先级判断的区域；
[0006]S102：基于多源数据对计算区域进行空间叠加，定量计算屋顶绿化的优先级；所述多源数据包括：年均温度、年降雨量、建筑物到公园绿地距离和建筑物交通拥堵程度。
[0007]进一步地，步骤S101具体为：
[0008]采用深度卷积神经网络从遥感影像中初步提取适宜绿化的屋顶目标，将检测到的目标分割成b个预测区域，通过计算获取每个预测区域的得分S
confi
[0009]预测区域得分计算公式如式(1)：
[0010]S
confi
＝P(O
object
)
×
I(truth,pred)
ꢀꢀ
(1)
[0011]式(1)中，P(O
object
)表示适宜绿化的屋顶目标位于预测区域的概率，I(truth,pred)为预测区域与真实区域的交并比。
[0012]使用公式(2)对得分最高的预测区域以外的其他区域进行遍历，如果其他区域与得分最高的区域的交并比大于预设的阈值，则去除该区域，即得分赋予0值，从而去除目标物体上的重复预测框，筛选完毕后的预测区域即为建筑物屋顶绿化优先级的计算区域；
[0013]式(2)具体公式如下：
[0014][0015]式(2)中，M为得分最高的预测区域，b
i
为被比较的其它预测区域，I(M,b
i
)为M与b
i
的交并比，N
t
为预设的阈值参数。
[0016]进一步地，步骤S102中，所述年均温度和年降雨量数据通过全国的气象站点观测获得，并采用式(3)对计算区域的年均温度和年降水量数据进行处理，获得空间分布均匀的年均温度和年降水量数据：
[0017][0018]式(3)中，λ
i
为权重系数，整个计算区域为A，变量是年降水量或年均温度，变量满足{Z(x)∈A}，它在空间已知点x
i
(i＝1，2，
…
，n)处的值为Z(x
i
)(i＝1，2，
…
，n)，在空间未知点x0处的估计值Z(x0)是n个已知数据点属性值的加权和。
[0019]权重系数λ
i
通过方程组(4)求解：
[0020][0021]式(4)中μ为拉格朗日乘子，Cov(x
i
，x
j
)表示x
i
，x
j
的协方差。
[0022]进一步地，步骤S102中，建筑物到公园绿地距离G
i
的计算公式如式(5)：
[0023][0024]式(5)中，d
ij
为建筑物y
i
(i＝1，2，
…
，n)到公园绿地j的距离，m为公园绿地总数，R为建筑物y
i
(i＝1，2，
…
，n)的缓冲区半径。
[0025]进一步地，步骤S102中，建筑物交通拥堵程度T
i
的计算公式如式(6)：
[0026][0027]式(6)中，d
ij
为建筑物x
i
到道路j的距离，m为道路总数，k
j
为道路j的等级，c
j
为道路j的拥堵程度。
[0028]步骤S102中，定量计算屋顶绿化优先级如下：
[0029]对年均温度、年降雨量、建筑物到公园绿地距离和建筑物交通拥堵程度使用min
‑
max法进行数据归一化处理，得到归一化后的年均温度NC
i
、年降水量NP
i
、建筑物到公园绿地距离NG
i
、建筑物交通拥堵程度NT
i
；
[0030]采用式(7)计算屋顶绿化的优先级：
[0031]PL
i
＝0.25*NC
i
+0.25*NP
i
+0.25*NG
i
+0.25*NT
i
ꢀꢀ
(7)
[0032]式(7)中PL
i
为屋顶i最终计算的优先级；i为屋顶编号。
[0033]本专利技术提供的有益效果是：从定性与定量角度分析实施屋顶绿化的建筑物，评价每个建筑屋顶的绿化优先级。从建筑属性和绿化需求两个方面构建屋顶绿化指标体系，然后，结合多源数据，给出屋顶绿化指标的定量计算方法，最后进行屋顶绿化优先级评价，结合建筑物的实际情况，定性和定量分析屋顶绿化实施的优先级方案。
附图说明
[0034]图1是本专利技术一种基于遥感影像和多源数据的屋顶绿化优先级计算方法的流程图。
具体实施方式
[0035]为使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术实施方式作进一步地描述。
[0036]请参考图1，一种基于遥感影像和多源数据的屋顶绿化优先级计算方法，包括以下：
[0037]S101：获取遥感影像，通过遥感影像采用深度卷积神经网络检测获取计算区域；所述计算区域即为：需要进行建筑物屋顶绿化优先级判断的区域；
[0038]S102：基于多源数据对计算区域进行空间叠加，定量计算屋顶绿化的优先级；所述多源数据包括：年均温度、年降雨量、建筑物到公园绿地距离和建本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于遥感影像和多源数据的屋顶绿化优先级计算方法，其特征在于：包括：以下步骤：S101：获取遥感影像，通过遥感影像采用深度卷积神经网络检测获取计算区域；所述计算区域即为：需要进行建筑物屋顶绿化优先级判断的区域；S102：基于多源数据对计算区域进行空间叠加，定量计算屋顶绿化的优先级；所述多源数据包括：年均温度、年降雨量、建筑物到公园绿地距离和建筑物交通拥堵程度。2.如权利要求1所述的一种基于遥感影像和多源数据的屋顶绿化优先级计算方法，其特征在于：步骤S101具体为：采用深度卷积神经网络从遥感影像中初步提取适宜绿化的屋顶目标，将检测到的目标分割成b个预测区域，通过计算获取每个预测区域的得分S
confi
预测区域得分计算公式如式(1)：S
confi
＝P(O
object
)
×
I(truth,pred)
ꢀꢀꢀꢀꢀ
(1)式(1)中，P(O
object
)表示适宜绿化的屋顶目标位于预测区域的概率，I(truth,pred)为预测区域与真实区域的交并比。使用公式(2)对得分最高的预测区域以外的其他区域进行遍历，如果其他区域与得分最高的区域的交并比大于预设的阈值，则去除该区域，即得分赋予0值，从而去除目标物体上的重复预测框，筛选完毕后的预测区域即为建筑物屋顶绿化优先级的计算区域；式(2)具体公式如下：式(2)中，M为得分最高的预测区域，b
i
为被比较的其它预测区域，I(M,b
i
)为M与b
i
的交并比，N
t
为预设的阈值参数。3.如权利要求2所述的一种基于遥感影像和多源数据的屋顶绿化优先级计算方法，其特征在于：步骤S102中，所述年均温度和年降雨量数据通过全国的气象站点观测获得，并采用式(3)对计算区域的年均温度和年降水量数据进行处理，获得空间分布均匀的年均温度和年降水量数据：式(3)中，λ
i
为权重系数，整个计算区域为A，变量是年降水量或年均温度，变量满足{Z(x)∈A}，它在空间已知点x
i
(i＝1，2，
…
，n)处的值为Z(x
i
)(i＝1，2，
...

【专利技术属性】
技术研发人员：吴送良，郭明强，黄颖，徐永洋，谢忠，吴亮，曹威，
申请(专利权)人：中国地质大学武汉，
类型：发明
国别省市：