1緒論

快速城市化過程帶來的不透水面迅速増加，己經(jīng)引起嚴(yán)重的環(huán)境問題，目前得到了社會(huì)的廣泛關(guān)注。隨著城市化進(jìn)展加快，局部的環(huán)境問題也會(huì)越來越突出，進(jìn)而影響到區(qū)域、茸至全球的生態(tài)環(huán)境系統(tǒng)。城市化最主要的表現(xiàn)是大量的不透水表面替代了植被為主的利用類型。快速城市化影響下的不透水面大面積增加，改變了地表徑流，增加洪水災(zāi)害的頻率；加重面源污染以及影響城市化流域的生物多樣性；不斷増加熱島效應(yīng)，進(jìn)而演變成一些區(qū)域性和全球性的尺度的生態(tài)環(huán)境問題。城市土地利用變化帶來了不透水面的增加引起的生態(tài)環(huán)境效應(yīng)是造成全球環(huán)境變化的重要原因，不斷受到國際社會(huì)的關(guān)注，涉及到不透水面的城市規(guī)劃和生態(tài)環(huán)境研究現(xiàn)己成為全球變化新的熱點(diǎn)。如政府間氣候變化專口委員會(huì)，美國國家氣候評(píng)估中心等國際間科學(xué)和政策團(tuán)體對(duì)全球范圍內(nèi)不透水面信息需求越來越迫切，通過對(duì)此數(shù)據(jù)的分析便為更加科學(xué)的決策作指導(dǎo)。因此，快速精確的進(jìn)行大尺度不透水面制圖顯得尤為重要。不透水面獲取的傳統(tǒng)方法主要通過各種統(tǒng)計(jì)數(shù)據(jù)獲得，這種方法不僅費(fèi)時(shí)費(fèi)力，而且由于統(tǒng)計(jì)口徑的不穩(wěn)定，易導(dǎo)致年份間、地區(qū)間指標(biāo)不具備可比性。遙感技術(shù)具有作為一種大尺度實(shí)時(shí)快速獲取地面空間信息的手段，可為城市不透水面制圖提供更方便、快捷的方法，起到節(jié)約時(shí)間、人力和物力成本的作用。

.......

2DMSP－OLS與MODIS NDVI大尺度不透水面制圖

2.1研究區(qū)及研究數(shù)據(jù)選取

由于整個(gè)中國的研究范圍較大，不同的城市具有不同不透水面密度和類型，因化，選用整個(gè)中國作為研究對(duì)象的同時(shí)也選出能代表各種不透水面類型的城市和地區(qū)作為研究對(duì)象。其中四個(gè)省會(huì)城市北京、成都、烏魯木齊、武沒和東堯－深圳地區(qū)等五個(gè)研究區(qū)域作為研究樣點(diǎn)城市，從上述城市中選出不透水面提取研究中所需的樣本。選取另外五個(gè)省會(huì)城市哈爾濱、昆明、上海、蘭州、鄭州作為研究的驗(yàn)證樣本來源地，從中選中不透水面的驗(yàn)證樣本用來驗(yàn)證變量的精度和通用性。圖2.1表明這些城市所處的地理位置，說明在整個(gè)中國較大的研究區(qū)域中，這些城市具有代表性。在這些城市當(dāng)中，北京、上海和深圳為超級(jí)都市區(qū)，有大量的人口和GDP，分別坐落于中國的北部、東部和東南部地區(qū)。鄭州、武汲和成都市是大城市，其中鄭州和武漢坐落于中國中部地區(qū)，成都位于中國西部。烏魯木齊和昆明市中等級(jí)的省會(huì)城市，分別位于中國西北和西南地區(qū)。從表2.1中可以看到每個(gè)城市區(qū)域的人口、GDP和區(qū)域面積。

2.2DMSP－OLS與MODIS NDVI大尺度不透水面制圖研究方法

大尺度不透水面制圖受不透水面類型的影響和數(shù)據(jù)源本身的限制，很難準(zhǔn)確提取。不透水面的類型由于研究區(qū)域的地理位置，經(jīng)濟(jì)發(fā)展水平，城市發(fā)展類型，人文規(guī)劃不同而不同，比如街道的造型，街道網(wǎng)絡(luò)密度，不同的土地利用類型（商業(yè)區(qū)、居民區(qū)和工業(yè)區(qū)等），如不同城市里的燈光使用類型、照明強(qiáng)度可能有所不同，一般意義上不透水密度較高的地方即城市核也區(qū)燈光密度越大。但是不同城市發(fā)展類型導(dǎo)致的發(fā)展水平有所差異，導(dǎo)致在一些城市即使較低的不透水面密度和一些城市較高的不透水面密度有相同的燈光強(qiáng)度，都會(huì)對(duì)不透水面精確制圖造成影響。如圖4.5所示，北京是中國東部發(fā)達(dá)的國際大都市，當(dāng)不透水面密度最小值達(dá)到0.3時(shí)，DMSP－OLS數(shù)據(jù)值已經(jīng)達(dá)到飽和，而成都作為中國西南部欠發(fā)達(dá)地區(qū)的省會(huì)城市，當(dāng)不透水面密度為0.55時(shí)，DMSP－OLS才出現(xiàn)飽和現(xiàn)象。數(shù)據(jù)本身自有的時(shí)點(diǎn)也會(huì)對(duì)不透水面測(cè)圖產(chǎn)生影響。

3VIIRS－DNB與MODIS NDVI大尺度不透水面制圖........41

3.1研究區(qū)概述和數(shù)據(jù)集........42
3.2VIIRS－DNB與MODIS NDVI大尺度不透水面制圖研究方法........44
3.3VIIRS－DNB與MODIS NDVI大尺度不透水面制圖分析........48
4大尺度不透水面制圖數(shù)據(jù)變量射比研究........50
4.1研究區(qū)及研究數(shù)據(jù)........58
4.2數(shù)據(jù)預(yù)處理........60
5機(jī)器學(xué)習(xí)算法用于不透水面制圖分析........75
5.1機(jī)器學(xué)習(xí)方法介紹........75
5.2數(shù)據(jù)獲取和預(yù)處理........77
5.3BP－ANN回歸和SVM回歸方法用于不透水面制圖........78
5.4機(jī)器學(xué)習(xí)方法與線性回歸制圖結(jié)果對(duì)比分析........80
5.5機(jī)器學(xué)習(xí)方法不透水面制圖精度分析........85
5機(jī)器學(xué)習(xí)語言用于大尺度不透水面制圖結(jié)論探討........88
5.7本章小結(jié).........89

5機(jī)器學(xué)習(xí)算法用于不透水面制圖分析

5.1機(jī)器學(xué)習(xí)方法介紹

BP神經(jīng)網(wǎng)絡(luò)的基本思想為：學(xué)習(xí)訓(xùn)練過程通過信號(hào)的正向傳播以及誤差的反向傳播2個(gè)過程共同組成，當(dāng)正向傳播時(shí)，輸入層各神經(jīng)元負(fù)責(zé)接收來自于外界的各種輸入信息，，并傳遞給中間層各神經(jīng)元；中間層作為內(nèi)部信息的處理層，負(fù)責(zé)信息變換，而且依據(jù)信息變化能力的需求，可以設(shè)計(jì)為單隱層或多隱層的結(jié)構(gòu)；當(dāng)最后一個(gè)隱層傳遞至輸出層各神經(jīng)元的信息，經(jīng)過進(jìn)一步的處理后，完成一次學(xué)習(xí)訓(xùn)練的正向傳播過程，并由輸出層向外界輸出信息的處理結(jié)果；當(dāng)實(shí)際輸出與期望輸出不相符時(shí)，則開始誤差的反向傳播階段，誤差通過輸出層，按誤差梯度下降的方式調(diào)整和修正各層權(quán)值，并由隱層向輸入層逐層反傳，同時(shí)將誤差分?jǐn)偨o各層的所有單元，進(jìn)而獲得各層單元的誤差信號(hào)，此誤差信號(hào)即作為修正各單元權(quán)值的依據(jù)，反復(fù)的進(jìn)行信號(hào)的正向傳播和誤差的反向傳播過程，即為各層權(quán)值不斷調(diào)整的過程，同時(shí)也是神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練的過程，送一過程持續(xù)進(jìn)行到網(wǎng)絡(luò)輸出的誤差降低到可以接受的程度或者預(yù)先設(shè)置的學(xué)習(xí)次數(shù)為止。BP神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)包括了輸入層、隱層和輸出層（如圖5.1所示）。

5.2數(shù)據(jù)獲取和預(yù)處理

BP－ANN已有很多研究用于遙感影像的研究中，包括分類和回歸方法，而回歸方法是建立融合影像和參考數(shù)據(jù)么間的關(guān)系，并且通過建立的模型估計(jì)出想要的結(jié)果。先前的研究大多是基于線性回歸方法。這里采用BP－ANN回歸方法建立參考數(shù)據(jù)和低分辨率遙感數(shù)據(jù)之間的關(guān)系，用于大尺度不透水面分布制圖。BP－ANN用于大尺度不透水面制圖的流程圖如5.3所示。主要分為以下幾步，即首先從Landsat OLI獲取的不透水面參考數(shù)據(jù)上選擇樣點(diǎn)，對(duì)應(yīng)到NISI融合影像和單變量DMSP－OLSnor和NDVImean圖像上的點(diǎn)，并提取對(duì)應(yīng)的樣點(diǎn)值；其次輸入數(shù)據(jù)到BP神經(jīng)元網(wǎng)絡(luò)；再次計(jì)算各神經(jīng)元誤差；最后通過誤差判斷輸出基于NISI的估計(jì)木透水結(jié)果。研究中采用軟件進(jìn)行操作，通過不斷地調(diào)整模型中的網(wǎng)絡(luò)訓(xùn)練參數(shù)得到較優(yōu)值輸出。

......

6結(jié)論與展望

本文主要以燈光數(shù)據(jù)和植被數(shù)據(jù)為數(shù)據(jù)源研究大尺度不透水面制圖，并采用好光數(shù)據(jù)MODISNDIV相結(jié)合的方式尋找新的變量以期提高大尺度不透水面制圖精度，探索新的方法應(yīng)用于新的變量，用目前所得到的新的變量結(jié)合好的方法進(jìn)行大尺度不透水面制圖，描述城市不透水面的時(shí)空分布特征，服務(wù)于環(huán)境監(jiān)測(cè)、水循環(huán)建模及城市發(fā)展決策等領(lǐng)域。本文的研究成果主要分為以下五個(gè)方面：（1）研究主要是通過對(duì)高分辨率的Landsat OLI數(shù)據(jù)進(jìn)斤處理，獲取分辨率較高不透水面數(shù)據(jù)作為低分辨率遙感數(shù)據(jù)獲取大尺度不透水面的參考數(shù)據(jù)。區(qū)別于以往的基于SMA方法的不透水面制圖方法。主要包括：（1）數(shù)據(jù)融合產(chǎn)生更高空間分辨率的融合影像；（2）通過植被指數(shù)和水體指數(shù)掩膜圖像中的本體和植被；（3）對(duì)處理巧后的掩膜圍像進(jìn)行非監(jiān)督分類；（4）將分類結(jié)果歸并到不透水面和非不透水面兩類，并結(jié)合Google Earth高分辨率影像進(jìn)行目視驗(yàn)證。該處理方法簡(jiǎn)單快速，是一種中高分辨率遙感影像制圖不透水面數(shù)據(jù)的可供參考的方法。

........

參考文獻(xiàn)（略）

本文編號(hào)：84509