【技术实现步骤摘要】
本专利技术属于遥感，特别是涉及一种基于多源遥感影像的城市建成区绿地变化识别方法。
技术介绍
1、城市建成区绿地是反映城市生态环境的重要指标，传统的城市生态环境更多的关注建成区以外郊区的植被覆盖状况，建成区绿地是城市生态系统的重要组成部分，能够更客观的体现城市生态环境状况。
2、城市建成区绿地变化自动识别监管方法是一种能够自动识别和监测城市建成区绿地变化的方法。城市建成区绿地变化自动识别监管方法可以应用于城市规划、城市管理、环境保护等领域，以实现城市绿地的科学管理。传统的城市绿化管理方法需要人工进行监测和统计，存在效率低、精度差等问题。同时，由于城市建成区绿地变化频繁，人工监测和统计难以满足城市绿化的需求
3、城市建成区范围通常因卫星影像空间分辨率的不同而有较大差别，随着空间分别率的提高，建成区范围及边界细节表达越充分，但建成区范围的自动提取并非是分辨率越高越适合，分辨率越高，细节信息越多，对于建成区范围的提取会增加干扰信息。建成区绿地信息的自动识别采用单一的方法会出现漏判，为变化信息提取带来误差，通过人工质检增补信息在一定程度上提高了成本降低了效率。
4、现有技术中，对于城市建成区绿地变化自动识别监管方法的研究和探索还不够深入，存在一些不足之处。例如，一些方法需要使用大量的传感器和数据采集设备，成本较高；一些方法需要使用复杂的算法和数据处理技术，难以推广和应用；一些方法对于城市建成区绿地变化的识别精度和可靠性还有待提高。
技术实现思路
1、为了解
2、为达到上述目的，本专利技术采用的技术方案是：一种基于多源遥感影像的城市建成区绿地变化识别方法，包括步骤：
3、s1，数据采集，获取覆盖城市行政区的十米级中高分卫星影像、米级高分卫星影像以及百米级中低分辨率夜间灯光影像的遥感数据；
4、s2，遥感数据预处理，若所采集的遥感数据为原始数据，对所采集的数据进行辐射校正、几何纠正和大气纠正处理；
5、s3，建成区范围提取，基于米级高分卫星影像，利用十米级中高分卫星遥感数据谱段运算方法与百米级中低分辨率夜间灯光影像遥感数据相结合，获取精确的建成区覆盖范围，并提取建成区边界；
6、s4，米级高分卫星影像剪切，利用所述建成区边界对所述的米级高分遥感影像进行图像裁剪运算，得到城市建成区的高分遥感影像；
7、s5，建成区绿地快速识别，对所述建成区高分遥感影像，利用遥感ai自动分类与波段运算相结合的方法获取建成区绿地空间分布图，形成建成区绿地清单；
8、s6，对于年际间的建成区绿地变化信息提取重复步骤s1-s5，获取不同年份的建成区范围、建成区绿地分布及清单，从而建立年际间系列建成区绿地分布数据；对于同一年份不同时期的建成区绿地变化信息提取，基于s3重复步骤s4-s5，获取同一年份不同时期系列建成区绿地分布数据；
9、s7，绿地变化信息提取，将系列建成区绿地分布数据按不同图层进行空间叠加，得到不同年份或同一年份不同时期间建成区绿地增减的空间分布情况，统计减少及新增面积，保留变化面积大于100m2图斑，形成建成区绿地增减信息空间分布数据及变化清单数据；
10、进一步的是，在所述步骤s1中，米级高分卫星遥感数据采用红、绿、蓝、近红四波段16位；十米级中高分卫星遥感数据采用红、绿、蓝、近红外、短波红外五波段16位；遥感数据影像采用灰度分布成正态分布，纹理正常，没有坏线、缺带，以及没有条带、斑点噪声和耀斑。
11、进一步的是，在所述步骤s1中，对遥感数据的影像进行筛选，筛选条件为：成像时间一致，图像清晰，色彩真实，以及不存在过度曝光、偏色、ccd拼接色差和饱和度异常现象。
12、进一步的是，基于米级高分卫星影像采用红、绿、蓝、近红四波段16位，十米级中高分卫星影像的多光谱遥感数据采用哨兵2号数据，波段运算指数ndbi=（swir-nir）/(swir+nir)，其中，swir为短波近红外波段、nir为近红外波段；百米级中低分辨率夜间灯光影像的遥感数据利用viirs-npp夜间灯光年度合成数据。
13、进一步的是，所述的s3步骤中，建成区范围提取，基于米级高分卫星影像，利用十米级中高分卫星遥感数据谱段运算方法与百米级中低分辨率夜间灯光影像遥感数据相结合，获取精确的建成区覆盖范围，并提取建成区边界，包括步骤：
14、s3-1，将米级高分遥感影像红、绿、蓝波段彩色合成作为底图，叠加十米级ndbi数据，将ndbi二值化，提取ndbi>0的单位像元并赋值为1，ndbi<0的单位像元赋值为0，并将栅格数据转成矢量数据，ndbi>0的部分为初步提取的城镇建设用地范围，再进行面空洞填充处理，计算图斑面积，保留的图斑面积≥1.5km2；
15、s3-2，夜间灯光遥感数据叠加s3-1提取的城镇建设用地矢量数据，确定灯光遥感数据阈值，提取大于阈值的单位像元，并转成矢量数据，初步得到带有冗余信息的建成区范围数据，再进行面空洞填充处理，计算图斑面积，保留的图斑面积≥1.5km2；
16、s3-3，将s3-1和s3-2得到的矢量数据叠加，提取两个数据相交的图斑范围，消除两个数据带有的冗余信息，计算图斑面积，保留的图斑面积≥1.5km2；
17、s3-4 利用地图poi点信息，识别出poi点密集区域，补充纳入建成区范围；
18、s3-5 综合形成建成区提取结果，将建成区面积与城乡建设统计年报公布的建成区面积对照，优化和完善建成区边界数据。
19、进一步的是，在所述步骤s5中，建成区绿地快速识别，对所述建成区高分遥感影像，利用遥感ai自动分类与波段运算相结合的方法获取建成区绿地空间分布图，形成建成区绿地清单，包括步骤：
20、s5-1，在建成区范围内，应用高分辨率卫星遥感数据，采样绿地样本作为训练数据，通过深度学习自动提取绿地斑块；
21、s5-2，计算米级高分卫星遥感数据的植被指数，ndvi=（nir-r）/(nir+r)，其中nir为近红外波段，r为红波段；运算的结果数据与s5-1提取数据进行叠加，提取并集图斑；计算各斑块面积，保留斑块面积大于400m2，获取建成区绿地空间分布图，形成建成区绿地清单。
22、采用本技术方案的有益效果：
23、本专利技术提供的基于多源遥感影像及方法融合的城市建成区绿地变化自动识别方法，可以快速、准确的获得建成区范围、识别建成区绿地分布及时空动态变化；与传统方法相比，成本低、效率高，时效性好，能更高效的为城市生态环境和城市绿地监管提供技术支持。
24、本专利技术利用中高分辨率卫星遥感影像及方法融合提取城市建成区范围及边界，利用高分辨率卫星遥感影像及方法融合识别提本文档来自技高网...
【技术保护点】
1.一种基于多源遥感影像的城市建成区绿地变化识别方法，其特征在于，包括步骤：
2.根据权利要求1所述的一种基于多源遥感影像的城市建成区绿地变化识别方法，其特征在于，在所述步骤S1中，米级高分卫星遥感数据采用红、绿、蓝、近红四波段16位；十米级中高分卫星遥感数据采用红、绿、蓝、近红外、短波红外五波段16位；遥感数据影像采用灰度分布成正态分布，纹理正常，没有坏线、缺带，以及没有条带、斑点噪声和耀斑。
3.根据权利要求1或2所述的一种基于多源遥感影像的城市建成区绿地变化识别方法，其特征在于，在所述步骤S1中，对遥感数据的影像进行筛选，筛选条件为：成像时间一致，图像清晰，色彩真实，以及不存在过度曝光、偏色、CCD拼接色差和饱和度异常现象。
4.根据权利要求1所述的一种基于多源遥感影像的城市建成区绿地变化识别方法，其特征在于，基于米级高分卫星影像采用红、绿、蓝、近红四波段16位，十米级中高分卫星影像的多光谱遥感数据采用哨兵2号数据，波段运算指数NDBI=（SWIR-NIR）/（SWIR+NIR），其中，SWIR为短波近红外波段、NIR为近红外波段；百米级
5.根据权利要求4所述的一种基于多源遥感影像的城市建成区绿地变化识别方法，其特征在于，所述的S3步骤中，建成区范围提取，基于米级高分卫星影像，利用十米级中高分卫星遥感数据谱段运算方法与百米级中低分辨率夜间灯光影像遥感数据相结合，获取精确的建成区覆盖范围，并提取建成区边界，包括步骤：
6.根据权利要求1所述的一种基于多源遥感影像的城市建成区绿地变化识别方法，其特征在于，在所述步骤S5中，建成区绿地快速识别，对所述建成区高分遥感影像，利用遥感AI自动分类与波段运算相结合的方法获取建成区绿地空间分布图，形成建成区绿地清单，包括步骤：
...【技术特征摘要】
1.一种基于多源遥感影像的城市建成区绿地变化识别方法，其特征在于，包括步骤：
2.根据权利要求1所述的一种基于多源遥感影像的城市建成区绿地变化识别方法，其特征在于，在所述步骤s1中，米级高分卫星遥感数据采用红、绿、蓝、近红四波段16位；十米级中高分卫星遥感数据采用红、绿、蓝、近红外、短波红外五波段16位；遥感数据影像采用灰度分布成正态分布，纹理正常，没有坏线、缺带，以及没有条带、斑点噪声和耀斑。
3.根据权利要求1或2所述的一种基于多源遥感影像的城市建成区绿地变化识别方法，其特征在于，在所述步骤s1中，对遥感数据的影像进行筛选，筛选条件为：成像时间一致，图像清晰，色彩真实，以及不存在过度曝光、偏色、ccd拼接色差和饱和度异常现象。
4.根据权利要求1所述的一种基于多源遥感影像的城市建成区绿地变化识别方法，其特征在于，基于米级高分卫星影像采用红、绿、蓝、近红四波段16位...
【专利技术属性】
技术研发人员：高彦华，周晟，周旭，
申请(专利权)人：通友微电四川有限公司，
类型：发明
国别省市：
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。