[发明专利]一种基于城市建筑分类的TNL-GDP回归模型构建方法在审
申请号: | 201810500613.X | 申请日: | 2018-05-23 |
公开(公告)号: | CN108875583A | 公开(公告)日: | 2018-11-23 |
发明(设计)人: | 陈嘉琪;张燕;陈西杰;魏昊;王峰;平学伟;刘海韵 | 申请(专利权)人: | 河海大学 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/40;G06K9/62 |
代理公司: | 南京苏高专利商标事务所(普通合伙) 32204 | 代理人: | 梁耀文 |
地址: | 211100 江苏*** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 回归模型 训练样本 矢量图 城市建筑 遥感影像 构建 分类 影像 预处理 水域 神经网络分类 合理性评价 后处理 背景噪声 测试样本 城市经济 多数据源 统计数据 重要意义 实时性 去噪 剔除 筛选 灯光 评估 融入 预测 分析 | ||
1.一种基于城市建筑分类的TNL-GDP回归模型构建方法,其特征在于,包括如下步骤:
(1)从数据库获取年度全国各省市的GDP数据,选取30-40个地级市的统计GDP数据作为模型训练样本来后续构建TNL-GDP回归模型,再选取另外30-40个地级市的统计GDP数据作为模型测试样本来后续验证TNL-GDP回归模型的合理性;
(2)从数据库获取步骤(1)中选取的地级市的年度云量低于8%的Landsat-8影像,进行预处理并得到Landsat-8预处理影像;
(3)从数据库获取步骤(1)中选取的地级市的月度夜间灯光数据,并计算月度夜光影像的平均亮度值,进而得到年度夜光影像;
(4)将步骤(2)中得到的Landsat-8预处理影像进行重采样,对步骤(3)中得到的年度夜光影像进行投影和重采样;
(5)利用神经网络算法对步骤(4)中得到的重采样后的Landsat-8预处理影像进行分类;
(6)对步骤(4)生成的年度夜光影像进行去噪处理,并计算得到模型训练样本和模型测试样本的夜间灯光总量TNL值;
(7)进行训练样本城市的TNL-GDP回归模型建立与对比:建立多个回归模型,进行针对训练样本城市的多个回归模型的回归方程拟合优度对比,得出最贴合训练样本的TNL与GDP的回归方程,作为TNL-GDP回归模型;
(8)对建立的TNL-GDP回归模型进行合理性评价:将步骤(6)中的模型测试样本城市的TNL值代入步骤(7)中TNL-GDP回归模型,求得测试样本城市的GDP预测值,计算各测试样本城市的GDP实际值与GDP预测值之间的相对误差,若平均相对误差小于20%,则该回归模型合理,若平均相对误差大于等于20%则返回步骤(7)。
2.根据权利要求1所述的一种基于城市建筑分类的TNL-GDP回归模型构建方法,其特征在于,所述步骤(2)中对低云量Landsat-8影像进行预处理的具体步骤如下:
(2.1)对低云量Landsat-8影像做辐射定标处理;
(2.2)对步骤(2.1)所得影像作大气校正;
(2.3)对步骤(2.2)所得影像进行拼接和裁剪,得到训练样本城市和测试样本城市的Landsat-8预处理影像。
3.根据权利要求1所述的一种基于城市建筑分类的TNL-GDP回归模型构建方法,其特征在于,所述步骤(4)中对Landsat-8预处理影像和年度夜光影像进行投影和重采样的具体步骤如下:
(4.1)将Landsat-8预处理影像重采样为450m;
(4.2)对年度夜光影像做投影、重采样处理,其中投影方式为兰伯特方位等积投影,同时将X和Y的值设置为450m。
4.根据权利要求3所述的一种基于城市建筑分类的TNL-GDP回归模型构建方法,其特征在于,所述步骤(5)中利用神经网络算法对Landsat-8预处理影像进行分类的具体步骤如下:
(5.1)结合地表图像,对Landsat-8预处理影像做特征判别,通过目视将影像分为三类:建成区、水域、其他;
(5.2)对步骤(5.1)的初级分类结果作分类后处理;
(5.3)利用步骤(5.2)的最终分类结果,生成建成区、水域矢量图。
5.根据权利要求4所述的一种基于城市建筑分类的TNL-GDP回归模型构建方法,其特征在于,所述步骤(6)中对生成的年度夜光影像进行去噪处理的具体步骤如下:
(6.1)以步骤(5.3)得到的建成区矢量图作为掩膜提取步骤(4.2)得到的夜光影像,获取初级城市建成区NPP/VIIRS夜间灯光遥感影像;
(6.2)以步骤(5.3)得到水域矢量图作为掩膜提取步骤(4.2)得到的夜光影像,获取水域NPP/VIIRS夜间灯光遥感影像,并统计其最大亮度值,作为噪声最低阈值;
(6.3)以步骤(6.2)得到的噪声最低阈值滤除步骤(6.1)所得的初级城市建成区NPP/VIIRS夜间灯光遥感影像中的背景噪声,获取最终城市建成区NPP-VIIRS夜间灯光遥感影像;
(6.4)分别统计步骤(6.3)得到的最终城市建成区NPP-VIIRS夜间灯光遥感影像的模型训练样本城市、模型测试样本城市的TNL值。
6.根据权利要求1所述的一种基于城市建筑分类的TNL-GDP回归模型构建方法,其特征在于,所述步骤(7)中进行训练样本城市的TNL-GDP回归模型建立与对比的具体步骤如下:将步骤(6)得到的模型训练样本城市的TNL值作为自变量X,将步骤(1)得到的模型训练样本统计GDP值作为应变量Y,分别建立TNL-GDP指数回归模型、TNL-GDP对数回归模型、TNL-GDP线性回归模型,并计算上述三个模型的决定系数R2指标:R12为TNL-GDP指数回归模型的决定系数,R22为TNL-GDP对数回归模型的决定系数,R32为TNL-GDP线性回归模型的决定系数;
其中决定系数R2的计算公式为:
其中,Y_actual是各模型训练样本城市的统计GDP值,Y_predict是各模型训练样本城市的GDP预测值,Y_mean是模型训练样本城市的平均统计GDP值;
通过上述公式计算得出R12、R22和R32,并判断R12、R22和R32中哪个数值最高,选择决定系数最高的回归模型作为最终的TNL-GDP回归模型。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于河海大学,未经河海大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810500613.X/1.html,转载请声明来源钻瓜专利网。