[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

摘要

本发明公开了一种基于城市建筑分类的TNL‑GDP回归模型构建方法，包括进行各省市GDP统计数据收集、筛选，圈定训练样本和测试样本；对Landsat‑8遥感影像进行预处理，通过神经网络分类及一系列分类后处理获取训练样本的建成区、水域矢量图；利用建成区矢量图、水域矢量图剔除NPP‑VIIRS影像的背景噪声，计算总体灯光强度TNL(TotalofNighttimeLight)；对训练样本的GDP与TNL相关性分析，建立回归模型并对模型作出合理性评价。本发明一方面在NPP‑VIIRS影像去噪方面融入了多数据源，另一方面，充分利用了遥感影像的实时性、客观性，对城市经济数据的预测和评估具有重要意义。

主权项

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)。