一种城市边缘区空间范围的高精度动态识别方法技术

本发明专利技术公开了一种城市边缘区空间范围的高精度动态识别方法，属于空间范围识别领域，包括以下步骤：S1、通过城市边缘区综合特征指数、综合线性加权与空间自相关方法，获取城市边缘区特征空间单元；S2、借助机器学习对城市边缘区空间边界的分辨率细化。本发明专利技术采用上述城市边缘区空间范围的高精度动态识别方法，可在面积精简的同时，丰富边界信息量。丰富边界信息量。丰富边界信息量。

【技术实现步骤摘要】
一种城市边缘区空间范围的高精度动态识别方法


[0001]本专利技术涉及空间范围识别
，尤其涉及一种城市边缘区空间范围的高精度动态识别方法。

技术介绍

[0002]快速城市化引起城市边缘区的无序发展，土地浪费和生态衰退等问题。城市边缘区的空间复杂性与边界模糊性导致难以准确界定其空间范围，成为国土空间规划实践的焦点和难点。
[0003]城市边缘区空间识别的核心技术包括空间特征刻画、提取空间单元和定量判别模型，即选取指标对城市地域结构抽象和量化，并在特定空间单元上判定其是否属于城市边缘区。
[0004]在空间特征刻画方面，既有研究已经形成很多城市边缘区的识别指标体系，但是相关识别指标体系的构建普遍缺乏系统性，大多围绕单一维度（例如土地覆被指标、经济指标、人口指标等）进行特征刻画，不能完整的反映城市边缘区的空间特点，进而导致识别误差。另一方面，广泛应用的静态线性加权聚合法仅适用于对较短周期内城市边缘区发展状态的识别，在长时序动态对比的应用情境中表达效果不佳。
[0005]在提取空间单元方面，单元的识别精度受限于基础数据的可获取性难以提升，例如基于政府管理逻辑的行政单元常被用于城市边缘区的识别，虽然便于提取各类社会经济统计数据，但是存在采样粒度过大问题，对城市化过程的空间异质性考虑不足引起识别结果的较大偏差。另一方面，也有研究采用较小的空间网格进行信息采样，但是当网格尺度过小则会导致结果的碎片化以及可用数据不足等问题，导致识别结果科学性不足。
[0006]在定量判别模型方面，多数研究将城市抽象为一个单中心圆形结构，通过中心径向模型对城市边缘区进行判别，代表性的方法是从城市中心向外划定若干采样线，并与人工阈值、突变检验、引力模型等方法配合使用界定城市边缘区的内边缘和外边缘位置。然而，该方法在带状、多中心、组团状等复杂城市结构的边缘区识别中计算量巨大，并且误差明显。

技术实现思路

[0007]为解决上述问题，本专利技术提供一种城市边缘区空间范围的高精度动态识别方法，增强了空间特征刻画指标的系统性和动态性，优化了提取空间单元的灵活性，提高了定量判别模型对复杂城市识别的准确性，可在精简城市边缘区识别范围面积的同时，丰富边界信息量。
[0008]为实现上述目的，本专利技术提供了一种城市边缘区空间范围的高精度动态识别方法，包括以下步骤：S1、通过城市边缘区综合特征指数、综合线性加权与空间自相关方法，获取城市边缘区特征空间单元；
步骤S1具体包括以下步骤：S11、以土地利用数据、遥感影像和经济社会指标为基础进行城市边缘区综合特征指数的空间采集；S12、采用指标综合线性加权的方法计算城市边缘区综合特征指数各二级、三级指标的权重；S13、基于得到的城市边缘区综合特征指数识别城市边缘区特征空间单元；S2、借助机器学习对城市边缘区空间边界的分辨率细化；步骤S2具体包括以下步骤：S21、基于城市边缘区综合特征指数进行机器学习，得到城市边缘区的相似概率栅格；S22、基于城市边缘区的相似概率栅格进行城市边缘区空间范围的分辨率优化。
[0009]优选的，步骤S11具体包括以下步骤：S111、对待识别区域划分矢量方格网进行采样；S112、基于采样格网对待识别区域的各时期土地利用栅格数据进行计算，得到香农多样性指数、边缘密度、最大斑块指数三个指标的空间分布栅格数据；S113、以步骤S111划分的采样格网为单元，利用土地利用程度综合指数模型，在计算中排除城镇用地类别，得到土地的开发强度梯度指标，土地利用程度综合指数模型的计算公式如下：（1）式中，为土地的开发强度梯度指标；为土地利用分级指数，其中，n＝4，未利用土地＝1，林地、草地和水体＝2，耕地＝3,其他建设用地＝4；为对应土地类别的面积比例；S114、计算待识别区域的各时期的空间分布栅格到城镇用地距离，计算城镇影响力的空间格局，以采样格网进行均值统计取样，得到城镇影响力梯度指标，计算公式如下：（2）式中，为城镇影响力梯度指标，为比例系数，r为空间分布栅格到城镇用地的距离，b为距离衰减速率取值；S115、以采样网格为单元，采用综合土地利用动态度公式计算各时期相对前一时间截面的土地利用演变速度，得到土地利用动态指标，计算公式如下：（3）式中，为土地利用动态度，为研究时段长度；为时间段内类土地变为类土地的面积，其中；代表初研究期类土地面积；S116、计算各时期NDVI相对前一时间截面的年平均变化幅度，得到植被覆盖动态指标，计算公式如下：（4）
式中，为第a年相对前一时间截面的年平均变化幅度,为第a年的NDVI值，为第a年前一时间截面的NDVI值。
[0010]优选的，步骤S12具体包括以下步骤：S121、对各项指标进行标准化，计算公式如下：正向指标：（5）负向指标：（6）式中：表示原始数据的标准化值，表示第m项指标的最小值，表示第m项指标的最大值；S122、进行专家赋权，基于异质性、过渡性和动态性三个二级指标，通过李克特五分量表法为二级指标的重要性打分，进而汇总得到权重值；S123、利用熵权法对二级指标的权重进一步分解得到三级指标权重，假设某个二级指标下共有k个三级指标，其中第v个三级指标权重计算公式如下：（7）（8）（9）式中，为第v个三级指标取值占全部三级指标取值总和的比重；表示第v个三级指标取值；为各指标的信息熵。
[0011]优选的，在步骤S122中，异质性指标包括由香农多样性指数、边缘密度、最大斑块指数组成的三级指标，过渡性指标包括由开发强度梯度、城镇影响力梯度组成的三级指标，动态性包括由土地利用动态和植被覆盖动态组成的三级指标。
[0012]优选的，步骤S13具体包括以下步骤：S131、计算Getis
‑
Ord Gi*，在一阶Queen邻接空间权重下完成计算，得到每个采样网格计算的标准差倍数Z得分及其对应在90%、95%、99%置信区间的P值，计算公式如下：（10）（11）式中，为热点分析指数，为空间单元处的城市边缘区特征指数，为空间权重矩阵，和分别为的期望和方差，为标准化的结果，为采样网格的数量；S132、将热点分析结果与遥感影像底图比对，剔除因自然景观演替产生的零星热
点区后，得到城市边缘区特征空间单元。
[0013]优选的，步骤S21具体包括以下步骤：S211、通过采样网格生成中心采样点，对城市边缘区特征指标体系中各三级指标采用克里金法进行空间差值，得到分辨率为30m的栅格数据，同时将城市边缘区特征空间单元的矢量数据转换为30m的栅格数据；S212、随机提取城市边缘区特征空间单元内有效像元数的5%作为训练样本，3%作为测试数据，并设置模型的全局误差达到0.001时停止训练；S213、利用训练数据获取模型的参数，输入到模拟模块进行运算；输入层各个神经元对应每个栅格单元的土地利用类型（具体包括城市边缘区和非城市边缘区两类），以及相应的香农多样性指数、边缘密度、最大斑块指数、开发强度梯度、城镇影响梯度、土地利用动态和植被覆盖动态六个空间变量，采用Sigmoid函数约束模型的输出，具体计算公式如下：（12）本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种城市边缘区空间范围的高精度动态识别方法，其特征在于：包括以下步骤：S1、通过城市边缘区综合特征指数、综合线性加权与空间自相关方法，获取城市边缘区特征空间单元；步骤S1具体包括以下步骤：S11、以土地利用数据、遥感影像和经济社会指标为基础进行城市边缘区综合特征指数的空间采集；S12、采用指标综合线性加权的方法计算城市边缘区综合特征指数各二级、三级指标的权重；S13、基于得到的城市边缘区综合特征指数识别城市边缘区特征空间单元；S2、借助机器学习对城市边缘区空间边界的分辨率细化；步骤S2具体包括以下步骤：S21、基于城市边缘区综合特征指数进行机器学习，得到城市边缘区的相似概率栅格；S22、基于城市边缘区的相似概率栅格进行城市边缘区空间范围的分辨率优化。2.根据权利要求1所述的一种城市边缘区空间范围的高精度动态识别方法，其特征在于：步骤S11具体包括以下步骤：S111、对待识别区域划分矢量方格网进行采样；S112、基于采样格网与Fragstats 4.2软件对待识别区域的各时期土地利用栅格数据进行计算，得到香农多样性指数、边缘密度、最大斑块指数三个指标的空间分布栅格数据；S113、以步骤S111划分的采样格网为单元，利用土地利用程度综合指数模型，在计算中排除城镇用地类别，得到土地的开发强度梯度指标，土地利用程度综合指数模型的计算公式如下： （1）式中，为土地的开发强度梯度指标；为土地利用分级指数，其中，n＝4，未利用土地＝1，林地、草地和水体＝2，耕地＝3,其他建设用地＝4；为对应土地类别的面积比例；S114、计算待识别区域的各时期的空间分布栅格到城镇用地距离，计算城镇影响力的空间格局，以采样格网进行均值统计取样，得到城镇影响力梯度指标，计算公式如下：（2）式中，为城镇影响力梯度指标，为比例系数，为空间分布栅格到城镇用地的距离，为距离衰减速率取值；S115、以采样网格为单元，采用综合土地利用动态度公式计算各时期相对前一时间截面的土地利用演变速度，得到土地利用动态指标，计算公式如下：（3）式中，为土地利用动态度，为研究时段长度；为时间段内类土地变为类土地的面积，其中,代表初研究期类土地面积；
S116、计算各时期NDVI相对前一时间截面的年平均变化幅度，得到植被覆盖动态指标，计算公式如下：（4）式中，为第年相对前一时间截面的年平均变化幅度,为第年的NDVI值，为第年前一时间截面的NDVI值。3.根据权利要求2所述的一种城市边缘区空间范围的高精度动态识别方法，其特征在于：步骤S12具体包括以下步骤：S121、对各项指标进行标准化，计算公式如下：正向指标：（5）负向指标：（6）式中：表示原始数据的标准化值，表示第项指标的最小值，表示第项指标的最大值；S122、进行专家赋权，基于异质性、过渡性和动态性三个二级指标，通过李克特五分量表法为二级指标的重要性打分，进而汇总得到权重值；S123、利用熵权法对二级指标的权重进一步分解得到三级指标权重，假设某个二级指标下共有k个三级指标，其中第v个三级指标权重计算公式如下：（7）（8...

【专利技术属性】
技术研发人员：梁晨，舒平，唐子涵，
申请(专利权)人：河北工业大学，
类型：发明
国别省市：