本发明涉及本发明属于城市地理中遥感信息技术应用领域，更具体的说是涉及一种运输投送环境下融合多源数据的城市建成区提取方法。
背景技术：
运输投送是利用多种交通运输手段，将人员、装备以及物资运抵目的地的过程，是完成战略部署、战略行动和保障任务的重要手段。通常情况下，运输投送的具体方案和形式往往是有一定的知悉范围的，运输的人员、装备和物资较常规物流、客运等体量更大，外观也更引人注意，为此，要保障运输投送的安全性，一般其路线范围要避免进入城市建成区域。因此，在制定运输投送方案时，如何准确快速获取城市建成区范围是较为重要的问题。
目前，城市建成区多基于遥感卫星影像数据进行提取，如传统遥感影像、高分辨遥感影像与夜间灯光影像等。相对于普通遥感卫星影像，夜间灯光影像(nighttimelight，ntl)作为一种客观、实时捕捉夜间地表灯光辐射的遥感数据源，其记录的亮度信息在人类活动区域差异及变化检测方面具有较大优势，能够更直接反映人类活动区域差异，加之其能有效避免传统多光谱遥感的光谱混淆，被广泛应用至城市建成区提取中。在现有技术中，基于夜间灯光的城市建成区提取方法主要包括基于原始灯光影像提取、基于灯光影像和其他数据融合提取，但是，单纯基于夜间灯光数据，很难精准提取城市建成区边界，融合自然要素的建成区提取方法在植被覆盖率较高的区域灵敏度降低，建成区提取效果差；
虽然，已有最新研究虽然考虑将夜间灯光数据融合其他社会要素提取建成区，但其仍聚焦单一要素，如poi或路网，存在考虑因素较少、约束条件不强等问题。如当某一区域路网密度较小但poi信息丰富，或poi信息较少但路网密度较大时，基于单一要素易导致建成区提取不完整；此外，单一要素对夜间灯光数据的约束性较低，易导致建成区误判，这些均使得建成区提取精度不高。
因此，如何在运输投送环境下，提供一种基于夜间灯光融合多源数据的城市建成区提取方法，是本领域技术人员亟需解决的问题。
技术实现要素：
有鉴于此，本发明基于夜间灯光数据，提出了一种融合evi、poi和路网多约束条件的建成区提取方法，能够有效提高建成区提取的准确率，表征更真实的城市空间形态。
为了实现上述目的，本发明采用如下技术方案：
一种运输投送环境下融合多源数据的城市建成区提取方法，包括：
s100：获取城市的npp/viirs夜间灯光数据、evi数据、poi数据以及路网数据；
s200：对所述npp/viirs夜间灯光数据进行去噪处理，得到npp/viirs灯光数据的亮度值；
s300：对所述poi数据以及所述路网数据进行核密度估计，得到道路网络密度以及poi核密度；
s400：基于所述evi数据、所述道路网络密度以及所述poi核密度构建夜间灯光亮度指数pre-ani；
s500：基于构建的夜间灯光亮度指数pre-ani对所述npp/viirs夜间灯光数据的亮度值进行修正，并对修正后的夜间灯光数据进行建成区提取。
优选的，所述步骤s200包括：
s210：消除所述npp/viirs夜间灯光数据中dn值为负的像元亮度值并获取全国灯光强度最大亮度值；
s220：利用所述全国灯光强度最高值对所述npp/viirs夜间灯光数据的异常最高值进行平滑处理，得到所述npp/viirs夜间灯光数据对应的亮度值。
优选的，所述步骤s300的核密度估计的具体表达式为：
式中，kj为数据点j的权重；dij为空间点i与数据点j的欧氏距离；r为计算规则区域的带宽；n为计算规则区域内数据点j的数量。
优选的，所述步骤s400包括：
s410：根据所述evi数据对所述npp/viirs夜间灯光数据进行修正；
s420：构建夜间灯光亮度指数pre-ani，具体表达式为：
其中，evi为标准化后的evi指数，p为标准化后的poi核密度，r为标准化后的路网核密度，ntl为标准化后夜间灯光的亮度值。
优选的，在所述步骤s500包括：
s510：根据夜间灯光亮度指数pre-ani修正npp/viirs夜间灯光数据，得到的是建城区提取总面积：
其中，di表示阈值，s(di)表示区域内大于阈值di的提取总面积，dmax表示区域灯光亮度最大值，f(dj)表示区域内灯光亮度dj的面积；
s520：参考建成区面积数据，根据建城区提取总面积得到对应二者差值：具体表达式为：
e(di)＝s(di)-s
其中，s表示区域参考建成区面积，e(di)表示建城区提取总面积与参考建成区面积的差值。
s530：通过迭代方法来逼近参考面积，判断所述s520中的公式计算结果是否满足e(di-1)＞e(di)＞e(di 1)条件，若满足，则输出结果，此时输出的结果为误差最小的阈值，即为最佳阈值；
s540：根据所述最佳阈值，对所述夜间灯光亮度指数pre-ani修正后的夜间灯光数据进行建成区提取。
优选的，若所述s520中的公式计算结果不满足e(di-1)＞e(di-1)＞e(di 1)条件，则返回步骤s510重新计算，直至满足e(di-1)＞e(di-1)＞e(di 1)条件，得到所述最佳阈值。
优选的，在所述修正指数pre-ani之前，还包括：对所述道路网络密度以及所述poi核密度进行标准化处理，具体表达式为：
其中，xi为第i个要素数据，min(xi)为指标i的最小值，max(xi)为指标i的最大值。
经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种运输投送环境下融合多源数据的城市建成区提取方法，首先基于校正后的npp/viirs夜间灯光数据，构建顾及evi指数(enhancedvegetationindex)自然要素，poi、道路等多源社会要素的夜间灯光修正指数preani(poi&roaddensity&eviadjustedntlindex)；然后，基于该修正指数及参考建成区面积，利用动态阈值二分法对建成区进行提取。本发明提取的建成区边界准确度及城市空间结构辨识度高，表征更真实的城市空间形态，具有良好的可行性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1附图为本发明提供的夜间灯光融合多源数据的建成区提取方法主流程图；
图2附图为本实施例提供的建成区提取流程图；
图3(a)附图为本实施例提供的现有技术中基于路网密度建成区提取图；
图3(b)附图为本实施例提供的现有技术中基于poi密度建成区提取图；
图3(c)附图为本发明基于路网密度建成区提取效果图；
图3(d)附图为本发明基于poi密度建成区提取效果图；
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例1
参见附图1所示，本发明实施例公开了一种运输投送环境下融合多源数据的城市建成区提取方法，包括：
s100：获取城市的npp/viirs夜间灯光数据、evi数据、poi数据以及路网数据；
s200：对npp/viirs夜间灯光数据进行去噪处理，得到npp/viirs灯光数据的亮度值；
s300：对poi数据以及路网数据进行核密度估计，得到道路网络密度以及poi核密度；
s400：基于evi数据、道路网络密度以及poi核密度构建夜间灯光亮度指数pre-ani；
s500：基于构建的夜间灯光亮度指数pre-ani对npp/viirs夜间灯光数据的亮度值进行修正，并对修正后的夜间灯光数据进行建成区提取。
在一个具体实施例中，步骤s200包括：
s210：消除npp/viirs夜间灯光数据中dn值为负的像元亮度值并获取全国灯光强度最大亮度值；
其中，全国灯光强度最大亮度值是取自国内北京、上海等较大城市的像元最大亮度值。
s220：利用全国灯光强度最高值对npp/viirs夜间灯光数据的异常最高值进行八邻域平滑处理，得到npp/viirs夜间灯光数据对应的亮度值。
在一个具体实施例中，步骤s300的核密度估计的具体表达式为：
式中，kj为数据点j的权重；dij为空间点i与数据点j的欧氏距离；r为计算规则区域的带宽；n为计算规则区域内数据点j的数量。
在一个具体实施例中，步骤s400包括：
s410：根据evi数据对npp/viirs夜间灯光数据进行修正；
s420：构建夜间灯光亮度指数pre-ani，具体表达式为：
其中，evi为标准化后的evi指数，p为标准化后的poi核密度，r为标准化后的路网核密度，ntl为标准化后夜间灯光的亮度值。
在一个具体实施例中，参见附图2所示，步骤s500包括：
s510：根据夜间灯光亮度指数pre-ani修正npp/viirs夜间灯光数据，得到的是建城区提取总面积：
其中，di表示阈值，s(di)表示区域内大于阈值di的提取总面积，dmax表示区域灯光亮度最大值，f(dj)表示区域内灯光亮度dj的面积；
s520：参考建成区面积数据，根据建城区提取总面积得到对应二者差值：具体表达式为：
e(di)＝s(di)-s
其中，s表示区域参考建成区面积，e(di)表示建城区提取总面积与参考建成区面积的差值。
s530：通过迭代方法来逼近参考面积，判断s520中的公式计算结果是否满足e(di-1)＞e(di)＞e(di 1)条件，若满足，则输出结果，此时输出的结果为误差最小的阈值，即为最佳阈值；
s540：根据最佳阈值，对夜间灯光亮度指数pre-ani修正后的夜间灯光数据进行建成区提取。
在一个具体实施例中，若s520中的公式计算结果不满足e(di-1)＞e(di-1)＞e(di 1)条件，则返回步骤s510重新计算，直至满足e(di-1)＞e(di-1)＞e(di 1)条件，得到最佳阈值。
参见附图3(a)所示，黄色边界为真实建成区边界，红色边界为夜间灯光融合路网提取的建成区边界。基于夜间灯光融合路网密度进行建成区提取时，在一些建设落后的居民区(区域a1)，路网密度较低，导致建成区综合识别时被漏判；而区域a2为小范围工厂区(不属于城市建成区)，虽然路网较为完善，但区域内多为同质设施，兴趣点密度低，单纯基于路网方法易导致建成区误判。
参见附图3(b)所示，在一些新建成大型连片工业/开发区(区域b)，由于区域内多为同质性建筑，导致poi密度小，基于夜间灯光融合poi密度进行建成区提取时，导致该区域综合识别时被漏判。
参见附图3(c)以及附图3(d)所示，经夜间灯光亮度指数pre-ani修正后，利用本发明提取建成区边界能够明显改进现有中存在的不足。
在一个具体实施例中，在修正指数pre-ani之前，还包括：对道路网络密度以及poi核密度进行标准化处理，具体表达式为：
对道路网络密度以及poi核密度进行标准化处理，以便消除要素量级差异对精度的影响，其中，xi为第i个要素数据，min(xi)为指标i的最小值，max(xi)为指标i的最大值。
在一个具体实施例中，进行核密度计算时，带宽r的选择对于结果具有关键影响，带宽的选择需要充分结合要素的空间分布以及实际问题的需求。较小的带宽会出现较多的高值或低值区域，更好的反映核密度分布的局部特性；较大的带宽能够更好地反映全局尺度下的核密度分布特性。
为获取边缘平滑且内容详细的核密度分布图，本发明分别选取带宽500m、1000m、2000m进行试验，并随机选择某一剖面为样本，统计该剖面下不同带宽的核密度值。通过多次试验，本发明选取1000m作为核密度带宽值，使得核密度中心保持良好的稳定性。
经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种运输投送环境下融合多源数据的城市建成区提取方法，首先基于校正后的npp/viirs夜间灯光数据，构建顾及evi指数(enhancedvegetationindex)自然要素，poi、道路等多源社会要素的夜间灯光修正指数preani(poi&roaddensity&eviadjustedntlindex)；然后，基于该修正指数及参考建成区面积，利用动态阈值二分法对建成区进行提取。本发明提取的建成区边界准确度及城市空间结构辨识度高，表征更真实的城市空间形态，此外，本发明不仅能够弥补建成区提取缺失，通过双重约束还能提高建成区提取的精准性。
实施例2
验证本发明实施例1提供的方法，具体过程如下：
1.实验数据
基于本发明提出的一种运输投送环境下融合多源数据的城市建成区提取方法，以山东省东营市为实验样区开展建成区边界提取。东营市位于山东省东北部黄河入海口，东临渤海，北部靠近京津冀地区，是黄河三角洲的中心城市，环渤海经济区的重要节点。东营市由东营区、垦利区、河口区三区和广饶县、利津县两县组成，总面积约8243平方千米。依据东营市2020年城市空间布局规划，形成“两核五片区，两横两纵多中心的格局”，引导城市功能区聚集，优化城市空间结构，促进城市健康和可持续发展。
本实施例2采用的试验数据主要包括npp/viirs夜间灯光数据、evi数据、poi数据、路网数据、参考建成区边界数据，具体为：
(1)npp/viirs夜间灯光数据来源于美国国家海洋和大气管理局(noaa/ngdc)，空间分辨率为15＂，需要注意的是，由于中国中高纬度地区npp/viirs数据存在数据失真情况，且多出现在夏季，故本发明选取研究区1-3、9-12月份7期数据合成年度灯光数据；
(2)evi数据来自于由nasa发布的mod13a1数据，数据精度为空间分辨率250m，时间分辨率为16d，本发明选取6-9月份数据，该时间植被旺盛，能够有效的反映植被情况；
(3)poi数据来源于百度地图，数据清洗后，共包含14类15万余条数据，如餐饮服务、交通服务、购物服务、科教文化服务等；
(4)路网数据来源于基础地理国情监测数据，包括国道、省道、高速公路、城市道路等；
(5)参考建成区边界来源于第三次国土空间调查数据，通过高分辨率遥感影像目视解译及实地调查得到，具有较高的精度。
2.全局准确性分析
以单独基于路网、单独基于poi以及融合路网和poi三种方法提取的建成区结果，并对上述三种方法进行验证，精度对比结果如表1所示。
表1建成区提取结果精度对比
参见表1所示，本发明的整体精度均优于现有方法，其中提取面积与参考建成区面积的绝对误差仅为0.39％，相比单纯基于poi、基于路网的方法误差分别降低了62.8％和20％。总体来看，本发明由于基于poi的建成区提取方法，基于路网的提取方法效果最差。基于本发明和基于poi的建成区提取方法查全率均在80％以上，虽然两种方法都能够较好地学习建成区的特征，并对其进行有效地识别，但本发明更有优势。在查准率方面，相对于现有方法，本发明提出的双重约束建成区提取方法在80％以上，说明本发明对建成区的描述更为准确，能够以较高的正确概率对建成区进行划分。此外，本发明测度值f1显著高于现有两种方法，充分证明了本发明不仅能够弥补建成区提取缺失，通过双重约束还能提高建成区提取的精准性。
经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种运输投送环境下融合多源数据的城市建成区提取方法，首先基于校正后的npp/viirs夜间灯光数据，构建顾及evi指数(enhancedvegetationindex)自然要素，poi、道路等多源社会要素的夜间灯光修正指数preani(poi&roaddensity&eviadjustedntlindex)；然后，基于该修正指数及参考建成区面积，利用动态阈值二分法对建成区进行提取。本发明提取的建成区边界准确度及城市空间结构辨识度高，表征更真实的城市空间形态。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
1.一种运输投送环境下融合多源数据的城市建成区提取方法，其特征在于，包括：
s100：获取城市的npp/viirs夜间灯光数据、evi数据、poi数据以及路网数据；
s200：对所述npp/viirs夜间灯光数据进行去噪处理，得到npp/viirs灯光数据的亮度值；
s300：对所述poi数据以及所述路网数据进行核密度估计，得到道路网络密度以及poi核密度；
s400：基于所述evi数据、所述道路网络密度以及所述poi核密度构建夜间灯光亮度指数pre-ani；
s500：基于构建的夜间灯光亮度指数pre-ani对所述npp/viirs夜间灯光数据的亮度值进行修正，并对修正后的夜间灯光数据进行建成区提取。
2.根据权利要求1所述的一种运输投送环境下融合多源数据的城市建成区提取方法，其特征在于，所述步骤s200包括：
s210：消除所述npp/viirs夜间灯光数据中dn值为负的像元亮度值并获取全国灯光强度最大亮度值；
s220：利用所述全国灯光强度最高值对所述npp/viirs夜间灯光数据的异常最高值进行平滑处理，得到所述npp/viirs夜间灯光数据对应的亮度值。
3.根据权利要求1所述的一种运输投送环境下融合多源数据的城市建成区提取方法，其特征在于，所述步骤s300的核密度估计的具体表达式为：
式中，kj为数据点j的权重；dij为空间点i与数据点j的欧氏距离；r为计算规则区域的带宽；n为计算规则区域内数据点j的数量。
4.根据权利要求3所述的一种运输投送环境下融合多源数据的城市建成区提取方法，其特征在于，所述步骤s400包括：
s410：根据所述evi数据对所述npp/viirs夜间灯光数据进行修正；
s420：构建夜间灯光亮度指数pre-ani，具体表达式为：
其中，evi为标准化后的evi指数，p为标准化后的poi核密度，r为标准化后的路网核密度，ntl为标准化后夜间灯光的亮度值。
5.根据权利要求1所述的一种运输投送环境下融合多源数据的城市建成区提取方法，其特征在于，在所述步骤s500包括：
s510：根据夜间灯光亮度指数pre-ani修正所述npp/viirs夜间灯光数据，提取城市建成区总面积，具体表达式为：
其中，di表示阈值，s(di)表示区域内大于阈值di的提取总面积，dmax表示区域灯光亮度最大值，f(dj)表示区域内灯光亮度dj的面积；
s520：参考建成区面积数据，根据建城区提取总面积得到对应二者差值，具体表达式为：
e(di)＝s(di)-s
其中，s表示区域参考建成区面积，e(di)表示建城区提取总面积与参考建成区面积的差值；
s530：通过迭代方法来逼近参考面积，判断所述s520中的公式计算结果是否满足e(di-1)＞e(di)＞e(di 1)条件，若满足，则输出结果，此时输出的结果为误差最小的阈值，即为最佳阈值；
s540：根据所述最佳阈值，对所述夜间灯光亮度指数pre-ani修正后的夜间灯光数据进行建成区提取。
6.根据权利要求5所述的一种运输投送环境下融合多源数据的城市建成区提取方法，其特征在于，若所述s520中的公式计算结果不满足e(di-1)＞e(di-1)＞e(di 1)条件，则返回步骤s510重新计算，直至满足e(di-1)＞e(di-1)＞e(di 1)条件，得到所述最佳阈值。
7.根据权利要求4所述的一种运输投送环境下融合多源数据的城市建成区提取方法，其特征在于，在所述修正指数pre-ani之前，还包括：对所述道路网络密度以及所述poi核密度进行标准化处理，具体表达式为：
其中，xi为第i个要素数据，min(xi)为指标i的最小值，max(xi)为指标i的最大值。
技术总结