一种基于深度学习的城镇人口统计数据空间化方法及装置制造方法及图纸

本发明专利技术公开了一种基于深度学习的城镇人口统计数据空间化方法及装置，属于遥感科学与技术领域。所述方法包括：步骤1、对获取的夜光数据进行预处理，并根据夜光数据的分辨率对全球建筑区足迹数据和城市建筑高度数据进行重采样；步骤2、基于步骤1的数据预处理结果获取基于多尺度空间约束的人口分布范围；步骤3、将人口统计数据作为因变量，经过空间约束的城市建筑高度数据和夜光目标区域作为自变量，生成空间化精细训练样本；步骤4、构建深度学习模型，利用空间化精细训练样本对深度学习模型进行训练，基于训练好的模型，进行人口分布映射。本发明专利技术提高了人口空间化的分辨率，降低了计算复杂性，提高了人口空间化的智能化与精度。

【技术实现步骤摘要】

本专利技术属于遥感科学与，具体涉及一种基于深度学习的城镇人口统计数据空间化方法及装置。

技术介绍

1、人口数据作为人类活动的直接指标，与各种社会要素密切相关。准确的人口分布图可以支持监测、评估和决策，随着地球观测技术的进步，多源遥感数据的应用促进了空间化人口分布研究的发展，在多源遥感数据和其他地理信息数据的基础上，已经生成了全球多年人口空间化数据产品，这些产品在填补全球数据空白方面取得了显著进展。然而，由于分辨率（例如，worldpop的分辨率为100米）和准确性的限制，这些数据集在支持深入应用以满足当前时代对人口细粒度管理的需求方面仍面临挑战，如智慧城市、乡村建设和准确的公共资源分配。

2、在人口分布数据生产过程中，由于夜光（ntl）数据能够捕捉到从太空夜间观察到的地球表面发射的可见光，因此被广泛用作主要数据源。然而，这些数据的空间分辨率（dmsp-ols为1公里，npp-viirs为500米）一直是实现详细和精确人口分布图的限制因素。

3、卫星sdgsat-1配备了先进的glimmer成像仪（gli），它创新性的采用了彩色波段，本文档来自技高网...

【技术保护点】

1.一种基于深度学习的城镇人口统计数据空间化方法，其特征在于，所述方法包括如下步骤：

2.根据权利要求1所述的一种基于深度学习的城镇人口统计数据空间化方法，其特征在于，所述步骤1包括：

3.根据权利要求1所述的一种基于深度学习的城镇人口统计数据空间化方法，其特征在于，所述步骤3包括：

4.根据权利要求1所述的一种基于深度学习的城镇人口统计数据空间化方法，其特征在于，所述步骤4中深度学习模型的构建包括：所述深度学习模型包括PNet模型，所述PNet模型包括编码器、解码器和连接器，其中，

5.一种基于深度学习的城镇人口统计数据空间化装置，其特征...

【技术特征摘要】

1.一种基于深度学习的城镇人口统计数据空间化方法，其特征在于，所述方法包括如下步骤：

2.根据权利要求1所述的一种基于深度学习的城镇人口统计数据空间化方法，其特征在于，所述步骤1包括：

3.根据权利要求1所述的一种基于深度学习的城镇人口统计数据空间化方法，其特征在于，所述步骤3包括：

4.根据权利要求1所述的一种基于深度学习的城镇人口统计数据空间化方法，其特征在于，所述步骤4中深度学习...

【专利技术属性】
技术研发人员：吴樊，段浩轩，许璐，张红，
申请(专利权)人：海南空天信息研究院，
类型：发明
国别省市：