基于高分卫星遥感数据结合建筑高度的人口密度分析系统的制作方法
本发明涉及人口密度分析技术领域，具体涉及一种基于高分卫星遥感数据结合建筑高度的人口密度分析系统。
背景技术：
人口密度是单位面积土地上居住的人口数，它是表示区域人口的密集程度的指标，可以用来衡量一个区域的经济发展水平和城市建设水平等，也可以为国家和地方的宏观调控、城市发展规划提供数据支撑，另外，精准的人口密度分布数据有助于企事业单位和创业者其做出合理的选址、产业布局等决策。
目前，人口密度一般是以行政区划为计算单位的，比如某一县市的人口总数除以面积即作为该县市的人口密度，精度很差，人口在该县市内具体一些的分布情况是不可知的。
综上，目前迫切需要一种精度更高的人口密度分析系统。
技术实现要素：
针对现有技术中的缺陷，本发明提供一种基于高分卫星遥感数据结合建筑高度的人口密度分析系统，以提高人口密度计算的精准度，为国家和地方的宏观调控、城市发展规划提供数据支撑，以及为企事业单位和创业者的选址和产业布局提供数据支持。
本发明提供的一种基于高分卫星遥感数据结合建筑高度的人口密度分析系统，包括：居民地提取模块、建筑高度确定模块、格网划分模块、格网空间计算模块和人口密度确定模块；其中，
所述居民地提取模块，用于根据目标区域对应的第一遥感数据提取出所述目标区域中包含的居民地区域；
所述建筑高度确定模块，用于根据第二遥感数据确定所述居民地提取模块提取的居民地区域中各建筑物的高度；
所述格网划分模块，用于将所述目标区域划分为多个格网；
所述格网空间计算模块，用于分别根据各格网中居民地区域的面积和建筑物的高度计算各格网对应的居民居住空间；
所述人口密度确定模块，用于根据各个所述格网对应的居民居住空间和空间人口系数计算各个所述格网的人口密度，以确定所述目标区域的人口密度分布情况，其中，所述空间人口系数为单位居民居住空间内的人口数量。
可选的，所述第一遥感数据包括雷达遥感数据，所述居民地提取模块，包括：
雷达数据居民地提取单元，用于基于不同地物类型对雷达信号的反射和散射特性，根据目标区域对应的雷达遥感数据从所述目标区域中提取出居民地区域。
可选的，所述第一遥感数据包括多光谱遥感数据，所述居民地提取模块，包括：
多光谱数据居民地提取单元，用于基于不同地物类型对不同波段光谱反射率的差异，根据目标区域对应的多光谱遥感数据从所述目标区域中提取出居民地区域。
可选的，所述多光谱数据居民地提取单元，包括：
地物分类子单元，用于将地物类型划分为蓝顶建筑物、红顶建筑物、水泥顶建筑物、裸地、湖泊、河流、农田和林地；其中，蓝顶建筑物、红顶建筑物、水泥顶建筑属于居民地；
地物确定调度子单元，用于根据所述地物分类子单元对地物类型的划分结果，对属于居民地的地物类型，分别调用以下提取指数构建子单元、指数值计算子单元和二值化处理子单元从所述目标区域中提取出属于居民地的地物类型对应的区域，获得居民地区域；
提取指数构建子单元，用于根据待提取的地物类型与其他地物类型对不同波段光谱反射率的差异构建能够将该待提取的地物类型与其他地物进行区分的地物提取指数；
指数值计算子单元，用于计算所述遥感数据中各像元对应的所述地物提取指数的指数值；
二值化处理子单元，用于将各像元的所述地物提取指数的指数值进行二值化处理，并根据二值化结果对所述遥感数据进行分割，提取出该待提取的地物类型对应的区域。
可选的，所述第二遥感数据包括合成孔径雷达遥感数据，所述建筑高度确定模块，包括：
雷达数据建筑高度确定单元，用于根据所述合成孔径雷达遥感数据，基于后向散射模型、利用合成孔径雷达影像多极化信息计算所述居民地提取模块提取的居民地区域中各建筑物的高度。
可选的，所述第二遥感数据包括立体像对遥感数据，所述建筑高度确定模块，包括：
立体像对建筑高度确定单元，用于根据所述立体像对遥感数据计算所述居民地提取模块提取的居民地区域中各建筑物的高度。
可选的，所述基于高分卫星遥感数据结合建筑高度的人口密度分析系统，还包括：
空间人口系数计算模块，用于根据已经明确居民居住空间和人口数量的多个格网对应的多组样本数据，采用回归算法计算空间人口系数。
可选的，所述基于高分卫星遥感数据结合建筑高度的人口密度分析系统，还包括：
人口密度优化模块，用于基于夜间灯光强度与人口密度的对应关系，根据夜间灯光遥感数据对所述人口密度确定模块计算的各个所述格网的人口密度进行优化，以优化所述目标区域的人口密度分布情况。
可选的，所述人口密度优化模块，包括：
人口密度优化单元，用于根据以下数学算法对各个所述格网的人口密度进行优化：
其中，pi表示优化后获得的第i个格网对应的人口密度，
可选的，所述基于高分卫星遥感数据结合建筑高度的人口密度分析系统，还包括：
人口密度分布图生成模块，用于根据人口密度与不同颜色的映射关系，将各所述格网对应的位置填充与该网格人口密度相应的颜色，以绘制所述目标区域的人口密度分布图。
由上述技术方案可知，本发明提供的一种基于高分卫星遥感数据结合建筑高度的人口密度分析系统，包括：居民地提取模块、建筑高度确定模块、格网划分模块、格网空间计算模块和人口密度确定模块。相较于现有技术，本申请提供的所述基于高分卫星遥感数据结合建筑高度的人口密度分析系统，通过将目标区域划分为多个格网，然后以格网为单位分别计算每个格网内的人口密度，从而能够计算出目标区域内更加具体的人口密度分布情况，相较于现有技术更加精确；另一方面，本申请基于遥感数据可以较为准确的确定目标区域内的居民地区域，从而可以以居民地为参照更加准确的确定人口密度的分布情况；进一步的，本申请通过根据遥感数据计算居民地区域内建筑物的高度，从空间角度建立居民居住空间与人口密度的关联，从而能够体现出不同高度的建筑物的人口密度的差异，进而能够更加精确的确定人口密度的分布情况。综上，基于本申请可以更加精确、准确的确定目标区域内的人口密度分布情况，从而为国家和地方的宏观调控、城市发展规划提供数据支撑，以及为企事业单位和创业者的选址和产业布局提供数据支持。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。
图1示出了本发明第一实施例所提供的一种基于高分卫星遥感数据结合建筑高度的人口密度分析系统的示意图；
图2示出了一种第一遥感数据获取模块的示意图；
图3示出了各地物类型对不同波段光谱的反射率的示意图；
图4示出了一种基于后向散射模型的建筑物几何模型的示意图；
图5示出了本发明实施例提供的某一区域的人口密度分布情况效果图。
具体实施方式
下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案，因此只是作为示例，而不能以此来限制本发明的保护范围。
需要注意的是，除非另有说明，本申请使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。
本发明提供一种基于高分卫星遥感数据结合建筑高度的人口密度分析系统。下面结合附图对本发明的实施例进行说明。
图1示出了本发明第一实施例所提供的一种基于高分卫星遥感数据结合建筑高度的人口密度分析系统的示意图。如图1所示，本发明第一实施例提供的一种基于高分卫星遥感数据结合建筑高度的人口密度分析系统包括：
居民地提取模块1、建筑高度确定模块2、格网划分模块3、格网空间计算模块4和人口密度确定模块5；其中，
所述居民地提取模块1，用于根据目标区域对应的第一遥感数据提取出所述目标区域中包含的居民地区域；
所述建筑高度确定模块2，用于根据第二遥感数据确定所述居民地提取模块1提取的居民地区域中各建筑物的高度；
所述格网划分模块3，用于将所述目标区域划分为多个格网；
所述格网空间计算模块4，用于分别根据各格网中居民地区域的面积和建筑物的高度计算各格网对应的居民居住空间；
所述人口密度确定模块5，用于根据各个所述格网对应的居民居住空间和空间人口系数计算各个所述格网的人口密度，以确定所述目标区域的人口密度分布情况，其中，所述空间人口系数为单位居民居住空间内的人口数量。
地物类型是根据地面覆盖物的不同划分的类别，可以根据实际需求灵活划分，例如，根据地面覆盖物对不同波段光线的反射特性，可以将地面覆盖物划分为蓝顶建筑物、红顶建筑物、水泥顶建筑物、裸地、湖泊、河流、农田和林地等；本申请分析的是人口密度的分布情况，由于人口主要分布于居民地，因此，本申请需要根据遥感数据从目标区域中提取出居民地区域，在上述地物类型中，蓝顶建筑物、红顶建筑物和水泥顶建筑物可以视为居民地。
随着遥感技术及高分辨率数据采集技术的发展，遥感数据的分辨率越来越高，数据类型越来越丰富，因此，采用高分辨率遥感数据提取居民地区域已成为可能且辨识的准确性越来越高，基于此，也可以将所述格网划分得尽量细小，以更为准确、精确地确定目标区域的人口密度分布情况。
由于不同的遥感卫星采用的遥感方式不同，采集的遥感数据可能也不同，例如我国发射的高分3号卫星及加拿大发射的radarsat-2卫星是采用合成孔径雷达采集遥感数据，其数据形式为雷达数据，而高分5号卫星和landsat系列卫星采用的是全谱段成像仪等仪器采集遥感数据，其数据形式为多光谱数据，以上雷达遥感数据和多光谱遥感数据都可以用于对目标区域进行地物类型的确定，进而根据地物类型提取出居民地区域，本发明实施例中，所述基于高分卫星遥感数据结合建筑高度的人口密度分析系统还包括第一遥感数据获取模块6，所述第一遥感数据获取模块6可以根据配置的所述居民地提取模块1的工作原理选择获取相应的第一遥感数据，例如雷达遥感数据或多光谱遥感数据等。
其中，利用高质量的多光谱数据可以更加精确的确定目标区域的地物类型组成，从而更加准确的提取出居民地区域，但由于云雨雾雪等天气会影响多光谱数据的准确性，因此，在本申请提供的一个实施例中，采用根据天气情况选择采用不同的第一遥感数据的方式，晴空地区采用多光谱遥感数据，多云多雨地区则采用雷达遥感数据，从而从数据源开始最大限度的保证后续计算的准确性，具体实施方式为请参考图2，其示出了一种第一遥感数据获取模块6的示意图，所述第一遥感数据获取模块6包括：天气判断单元61、雷达数据获取单元62和多光谱数据获取单元63；
所述天气判断单元61用于根据目标区域的天气状况选择触发雷达数据获取单元62获取雷达遥感数据或触发多光谱数据获取单元63获取多光谱遥感数据；具体的，可以在晴朗的天气条件下触发多光谱数据获取单元63获取多光谱遥感数据，在云雨雾雪等天气条件下触发雷达数据获取单元62获取雷达遥感数据；
所述雷达数据获取单元62用于在所述天气判断单元61的触发下获取所述目标区域的雷达遥感数据；
所述多光谱数据获取单元63用于在所述天气判断单元61的触发下获取所述目标区域的多光谱遥感数据。
其中，所述天气判断单元61对天气状况的判断依据，可以根据天气统计结果预先设置各地区与常见天气状况对应关系的数据库，所述天气判断单元61根据需要实时从所述数据库中调取；也可以是调取目标区域指定日期的天气记录，根据记录确定目标区域指定日期的天气状况；其均为本申请的变更实施方式，均在本申请的保护范围之内。
根据遥感数据的不同，所述居民地提取模块1也采用不同的方式进行数据的提取，例如，对雷达遥感数据，由于建筑物的布局、材质、结构以及周围环境的差异，在sar图像(即雷达遥感数据)上呈现不同的纹理特征，如城市中建筑物分布整齐，楼房之间间距较大，大多为平顶整齐的高层楼房，使用材料大多具有良好反射率，在图像上表现为强亮度区域，而建筑物之间的道路，粗糙植被如草坪等，由于表面散射，表现为暗区域，因此，城市居民地在图像上表现为明暗相间的纹理，相似性较小；农村居民地分布相对散乱，没有明显规律，且道路等区域在图像上不明显，因此呈现不规则亮斑状，相似性较大。
因此，在本申请提供的一个实施例中，所述第一遥感数据包括雷达遥感数据，所述居民地提取模块1，包括：
雷达数据居民地提取单元，用于基于不同地物类型对雷达信号的反射和散射特性，根据目标区域对应的雷达遥感数据从所述目标区域中提取出居民地区域。
具体的，所述雷达数据居民地提取单元，可以基于变差函数理论，在分析中高分辨率sar图像中居民地纹理特征的基础上，采用基于迭代p参数法的阈值确定方法，为满足阈值范围的像元点赋以权值，以加大居民地与非居民地的变差函数差，从而提取出居民地，不仅可以保证较高的检测率，还可以显著降低虚警率，上述从雷达遥感数据中提取居民地的技术为现有技术，本实施例不再赘述，由于地物类型的划分不同，具体的实施方式也不尽相同，本领域技术人员可以据此进行变更实施以确定目标区域的地物类型组成。
而对于多光谱遥感数据，现有技术虽然公开了部分提取水面、建筑物的方法，但发明人在应用中发现其提取精度、准确性并不理想，因此，本申请提出了更为准确、精确度更高的方式，在本申请提供的一个实施例中，所述第一遥感数据包括多光谱遥感数据，所述居民地提取模块1，包括：
多光谱数据居民地提取单元，用于基于不同地物类型对不同波段光谱反射率的差异，根据目标区域对应的多光谱遥感数据从所述目标区域中提取出居民地区域。
具体的，在本申请提供的一个实施例中，所述多光谱数据居民地提取单元，包括：
地物分类子单元，用于将地物类型划分为蓝顶建筑物、红顶建筑物、水泥顶建筑物、裸地、湖泊、河流、农田和林地；其中，蓝顶建筑物、红顶建筑物、水泥顶建筑属于居民地，为本发明实施例的主要确定对象，其他地物类型可以统一划分为非居民地，由于非居民地的人口数量可以认为为零，因此，只需要根据所述遥感数据提取出居民地即可(其他区域直接确定为非居民地)；
地物确定调度子单元，用于根据所述地物分类子单元对地物类型的划分结果，对属于居民地的地物类型，分别调用以下提取指数构建子单元、指数值计算子单元和二值化处理子单元从所述目标区域中提取出属于居民地的地物类型对应的区域；
提取指数构建子单元，用于根据待提取的地物类型与其他地物类型对不同波段光谱反射率的差异构建能够将该待提取的地物类型与其他地物进行区分的地物提取指数；
指数值计算子单元，用于计算所述遥感数据中各像元对应的所述地物提取指数的指数值；
二值化处理子单元，用于将各像元的所述地物提取指数的指数值进行二值化处理，并根据二值化结果对所述遥感数据进行分割，提取出该待提取的地物类型对应的区域，获得居民地区域。
在上述实施例中，所述地物分类子单元根据不同类型的地物对不同波段光谱的反射率的差异以及居民地包含的地物类型，更为细致、准确的将地物类型划分为蓝顶建筑物(主要为企业的厂棚)、红顶建筑物(主要为红顶房屋，部分为企业厂棚)、水泥顶建筑物(主要为城镇居民区、道路等)、裸地、湖泊(人工湖、水库等)、河流、农田(作物覆盖的)和林地，由于不同地物类型对应的人口系数不同，这样细致的划分有助于提高最终计算的人口密度的准确性。
所述提取指数构建子单元通过比较各地物类型对不同波段光谱的反射率，进而根据待提取的地物类型与其他地物类型对不同波段光谱反射率的差异构建能够将待提取的地物类型与其他地物进行区分的地物提取指数，请参考图3，其示出了各地物类型对不同波段光谱的反射率的示意图，图中，波段2表示蓝光波段，波段3表示绿光波段，波段4表示红光波段，由图可知，蓝顶建筑物在蓝光波段的反射率明显高于绿光波段的反射率，而其他地物类型则基本持平或者是绿光波段的反射率高于蓝光波段的反射率，这样，若计算蓝光波段的反射率减去绿光波段的反射率，蓝顶建筑物对应的数值为较大的正数，而其他地物类型对应的数值则为负数或接近于零的正数，据此可以将蓝顶建筑物提取出来；采用同样的理论，红顶建筑物和水泥顶建筑物(包括裸土)在红光波段的反射率明显高于绿光波段的反射率，而其他地物类型则均是绿光波段的反射率高于红光波段的反射率，这样，若计算红光波段的反射率减去绿光波段的反射率，红顶建筑物和水泥顶建筑物(包括裸土)对应的数值为较大的正数，而其他地物类型对应的数值则为负数，据此可以将红顶建筑物和水泥顶建筑物(包括裸土)提取出来。其中，可以在提取出蓝顶建筑物后，再基于蓝光波段的反射率和绿光波段的反射率提取出裸土，这样扣除裸土即可提取出更为精确的红顶建筑物和水泥顶建筑物。
由于裸土实际面积较少可以忽略，为了简化计算，本发明实施例采用包含裸土的地物提取方法进行示例性说明，本领域技术人员可以在上述说明的基础上变更实施，进一步提取出裸土后扣除，以提取出更为准确的地物类型对应的区域，其也在本申请的保护范围之内。
以含裸土的地物提取为例，所述提取指数构建子单元通过上述计算，即可根据各地物类型对不同波段光谱反射率的差异构建能够将待提取的地物与其他地物进行区分的地物提取指数，例如，若待提取的地物类型为蓝顶建筑物，则所述提取指数构建子单元，可以根据蓝顶建筑物对应的第一反射率差与其他地物类型对应的第一反射率差的差异，构建以下针对蓝顶建筑物的地物提取指数，其中，所述第一反射率差是指对蓝光波段光谱的反射率与对绿光波段光谱的反射率的差：
式中，ndbib2-b3表示针对蓝顶建筑物的地物提取指数，oli2表示对蓝光波段光谱的反射率，oli3表示对绿光波段光谱的反射率。
又如，若待提取的地物类型为红顶建筑物和水泥顶建筑物(不便于区分，可以一并提取)，则所述提取指数构建子单元，可以根据红顶建筑物和水泥顶建筑物对应的第二反射率差与其他地物类型对应的第二反射率差的差异，构建以下针对红顶建筑物和水泥顶建筑物的地物提取指数，其中，所述第二反射率差是指对红光波段光谱的反射率与对绿光波段光谱的反射率的差：
式中，ndbib4-b3表示针对红顶建筑物和水泥顶建筑物的地物提取指数，oli4表示对红光波段光谱的反射率，oli3表示对绿光波段光谱的反射率。
采用上述两个具体的地物提取指数，可以进一步放大待提取地物与其他地物类型对应的该指数的差异，从而有助于在后续处理中精准的将待提取地物提取出来，在具体实施时，还可以对上述公式减去一个调整参数，以将较大的正数与较小的正数调整为正数与负数，以减少在后续二值化处理过程中产生的噪声或误差。
相应的，所述二值化处理子单元在将各像元的所述地物提取指数的指数值进行二值化处理，并根据二值化结果对所述遥感数据进行分割后，即可根据对所述针对蓝顶建筑物的地物提取指数的指数值的二值化处理结果提取出蓝顶建筑物，根据对所述针对红顶建筑物和水泥顶建筑物的地物提取指数的指数值的二值化处理结果提取出红顶建筑物和水泥顶建筑物，从而从目标区域中提取出居民地区域。
根据采用的第二遥感数据的不同，所述建筑高度确定模块2可以采用不同的方式确定居民地区域中各建筑物的高度，本发明实施例中，分别以合成孔径雷达(sar)遥感数据和立体像对遥感数据为例进行说明。
在本申请提供的一个实施例中，所述第二遥感数据包括合成孔径雷达遥感数据，所述建筑高度确定模块2，包括：
雷达数据建筑高度确定单元，用于根据所述合成孔径雷达遥感数据，基于后向散射模型、利用合成孔径雷达影像多极化信息计算所述居民地提取模块1提取的居民地区域中各建筑物的高度。
具体的，所述雷达数据建筑高度确定单元可以采用以下方法计算所述居民地提取模块1提取的居民地区域中各建筑物的高度：
合成孔径雷达(syntheticaperturerada，sar)是一种工作于微波波段的主动式侧视成像遥感系统，它与真实孔径雷达(realapertureradar，rar)相比有更高的方位向分辨率。随着遥感技术的发展，sar系统与光学影像相比有其独特的优势，故从sar影像中提取建筑物高度是微波遥感在城市应用中的重要体现。
现阶段利用微波遥感数据提取建筑物高度的方法(基于干涉sar和雷达摄影测量)不仅过程繁琐，而且对数据自身的相干性和基线长度等有严格限定，尤其是在地形复杂的区域，需要有大量地面控制点用于几何纠正；鉴于以上不足，国内外利用单景sar影像并结合一定先验参数来提取建筑物高度的方法逐渐成熟，在满足一定精度条件下极大减少了野外测量工作量。因此，考虑到sar影像的幅度信息是雷达后向散射回波信号变化最直接的体现，同时也反映了地物的后向散射特性，现已提出城市建筑物的标准几何及电磁特征模型，探讨了建筑物几何参数对其散射特性的影响，并针对不同散射机制在总体后向散射中的贡献给予了定量解释；或者通过边缘比率检测器提取sar影像中的叠掩信息，并结合航摄影像提高建筑物叠掩边界精度，进而反演建筑物高度；同时利用已知参数，计算了高分辨率sar影像的几何及散射特征，验证了go-po模型的可行性。对于建筑物的二次散射特征，已有研究利用微波暗室实验数据对提出的二次散射计算公式进行了验证，指出用二次散射反演建筑物高度的可能性；或利用地物后向散射特性，通过计算建筑物二次散射强度，并结合一定先验信息来提取建筑物高度；有些采用兰伯特平面模拟地表，并建立了后向散射模型，求解出每点的高度增量表达式；有些通过分析建筑物的二次散射结构，确定了建筑物底部轮廓的位置和方向，并通过分布密度函数差异的仿真影像迭代匹配方法反演建筑物高度；有些则在分析建筑物叠掩及阴影区域的基础上，结合建筑物二次散射原理，提出了从单景sar影像中提取建筑物屋顶尺寸及高度的方法。
通过分析，现有方法要么过程繁琐、人为参与较多、对数据自身要求较高，要么仅考虑单景sar影像的单极化信息、通过分析建筑物二次散射的机制、结合先验知识反演高度，并未综合考虑其他极化信息可能对高度提取产生的影响。因此，本发明实施例利用中高分辨率的gf-3(高分3号卫星)遥感影像，提出一种基于后向散射模型、利用sar影像多极化信息来提取建筑物高度的方法，给出不同极化间的最优组合，同时用该方法尝试获取大范围建筑物高度。
基于后向散射模型，建筑物高度提取公式如下：
式中：θ为雷达入射角(地表水平时与成像视角相等)；l为建筑物主长度(与雷达飞行方向夹角小于90°的边长度)；φ为建筑物方位角(建筑物主长度与雷达飞行方向的夹角)；spq为sinclair极化散射矩阵中的1个元素，p和q分别为水平极化分量和垂直极化分量；σ0为二次散射对rcs(rcs：radar-crosssection(雷达散射截面积))的贡献量；l和σ为地表粗糙度参数，分别代表相关长度和标准离差。具体示意请参照图4，其示出了一种基于后向散射模型的建筑物几何模型的示意图，图4中，w为建筑物宽度；h为建筑物稿度；l为建筑物主长度；φ为建筑物方位角；εr为沥青路面介电常数；εw为工业墙体介电常数；εs为地表介电常数；l和σ为地表粗糙度参数，即：相关长度和标准离差。
在理论上，如果只考虑二次散射，rcs(rcs：radar-crosssection(雷达散射截面积))计算如下式：
式中：r为雷达传感器到目标的距离；es为地表s散射的磁场域；e0为幅度值。
但实际计算时，二次散射对rcs的贡献量σ0通常以式等效替代，即
σ0＝β0sinθ＝ks|dn|2sinθ
其中，ks为定标常数(无法直接由源数据获取，需通过建筑物实际高度反演)；dn为从影像幅度图中获取的二次散射区域中每个像元的数值(对二次散射区域的灰度值取平均)。
根据面散射特性，地面粗糙度参数标准离差σ可通过下式获取：
式中：zi为地表某点高度；
相关长度l是描述x点的高度z(x)与偏离x的另一点x′的高度z(x+x＇)相似性的一种度量，其定义为：
观测目标区域内建筑物的影像特点及材料组成，对目标的粗糙特性参数进行合理估计，可得以下地表特性参数：
如前所述，spq表示sar影像中的不同极化特征，即：
式中：ψ和ζ分别为雷达波照射到建筑物墙面和地面的入射角；r为菲涅耳反射系数，其不同下标代表不同的入射面和极化模式(r┴r为地面垂直极化，r//r为地面水平极化，r┴w为墙体垂直极化，r//w为墙体水平极化)。
对于水平极化波和垂直极化波可分别用下式计算，即：
式中：ε为地面目标的复介电常数(需替换成相应的εr与εw)；α为雷达波照射到相应地物的入射角(需替换成相应的ψ与ξ，故可求出r┴r(ζ)，r┴r(ψ),r┴w(ψ)和r┴w(ζ))。综上所述，可求得极化散射矢量spq，进而求得建筑物高度h。
经验证，通过本发明实施例提供的上述方法计算的建筑物的高度与实际高度的相关系数高达0.9095，具有非常高的准确度和精度。
在本申请提供的一个实施例中，所述第二遥感数据包括立体像对遥感数据，所述建筑高度确定模块2，包括：
立体像对建筑高度确定单元，用于根据所述立体像对遥感数据计算所述居民地提取模块1提取的居民地区域中各建筑物的高度。
具体的，所述立体像对建筑高度确定单元可以采用以下方法计算所述居民地提取模块1提取的居民地区域中各建筑物的高度：
数字表面模型(digitalsurfacemodel，dsm)，是用一组有序数值阵列形式表示地面高度的实体表面模型。dsm除了包括地面高程信息外，还包含地面上的建筑、桥梁等高度信息。建立dsm的方法有多种，从数据源及采集方式主要有：根据航空或航天影像，通过摄影测量途径获；野外测量获得等。
快速获取大范围的dsm数据，卫星遥感是一种很好的技术手段。而且随着卫星传感器的发展，获取的dsm精度越来越高。如目前商业卫星最高分辨率的0.41米geoeye-1，在使用高质量控制资料时，垂直精度的中误差可达到0.5米。可以立体成像的卫星主要有aster，alosprism，cartosat-1，formosat-2，ikonos，kompsat-2，orbview-3，quickbird，rapideye，geoeye-1，worldview-1/2,spot5/6，pleiades，以及国产的资源三号、资源一号02c等。
本发明实施例基于摄影测量原理，建立几何光学模型，利用立体像对提取研究区dsm。
高分影像的立体像对在对大范围提取城区dsm时有其独特的优势，虽然它不能像建筑物的阴影一样充分展现出每一个建筑物的细节轮廓，但在研究区为覆盖范围较大的北京城区时，在利用像对提取的高程来反映建筑物的高程分布同样也可以满足一定的精度需求。本发明实施例可以通过在建筑区周围布设样点，提取样点的高度，然后利用空间插值技术获得研究区基础地势面，结合dsm计算获得建筑高度。
经验证，通过本发明实施例提供的上述方法计算的建筑物的高度与实际高度的相关系数高达0.8212，同样具有非常高的准确度和精度。
本发明实施例中，所述格网划分模块3，用于将目标区域划分为多个格网，所述格网的划分可以根据实际需求以及所述遥感数据分辨率的高低灵活设置，比如可以将目标区域划分为多个十米格网、百米格网或千米格网等等，其均在本申请的保护范围之内。
本发明实施例中，所述格网空间计算模块4，用于分别根据各格网中居民地区域的面积和建筑物的高度计算各格网对应的居民居住空间；具体的，可以采用面积乘以高度的方式分别计算所述居民地区域中各个建筑物的体积，该体积即为居民居住空间，然后将格网内各建筑物的体积相加即可获得该格网对应的居民居住空间。
本发明实施例中，所述空间人口系数为单位居民居住空间内的人口数量，可以根据先验知识确定，考虑到不同区域的人口密度可能差异较大，例如北京和青海的人口密度差别非常大，因此，本发明实施例优选的采用目标区域内的样本数据确定该空间人口系数，以保证该空间人口系数的准确性。在本申请提供的一个实施例中，所述基于高分卫星遥感数据结合建筑高度的人口密度分析系统，还包括：
空间人口系数计算模块，用于根据已经明确居民居住空间和人口数量的多个格网对应的多组样本数据，采用回归算法计算空间人口系数。
例如，所述空间人口系数计算模块可以获取目标区域内多个格网的样本数据，每个样本数据中有该网格对应的人口数量和居民居住空间值，基于上述样本数据，即可以居民居住空间为自变量，以人口数量为因变量，建立回归模型，然后将样本数据输入所述回归模型，经过数据拟合即可确定空间人口系数。采用上述回归算法可以获得更为准确的空间人口系数，从而有助于最终计算获得更为精准的人口密度。
本发明实施例中，所述人口密度确定模块5，用于根据各个所述格网对应的居民居住空间和空间人口系数计算各个所述格网的人口密度，以确定所述目标区域的人口密度分布情况，具体的，可以将每个格网的居民居住空间乘以空间人口系数，获得该格网中的人口数量，然后将该人口数量除以该格网的面积即可得到该格网的人口密度。
由于格网是将目标区域划分而得的，各所述格网的人口密度确定了，那么目标区域的人口密度分布情况(即人口空间分布)也就确定了。
基于以上实施例说明，本发明第一实施例提供的所述基于高分卫星遥感数据结合建筑高度的人口密度分析系统，通过将目标区域划分为多个格网，然后以格网为单位分别计算每个格网内的人口密度，从而能够计算出目标区域内更加具体的人口密度分布情况，相较于现有技术更加精确；另一方面，本申请基于遥感数据可以较为准确的确定目标区域内的居民地区域，从而可以以居民地为参照更加准确的确定人口密度的分布情况；进一步的，本申请通过根据遥感数据计算居民地区域内建筑物的高度，从空间角度建立居民居住空间与人口密度的关联，从而能够体现出不同高度的建筑物的人口密度的差异，进而能够更加精确的确定人口密度的分布情况。综上，基于本申请可以更加精确、准确的确定目标区域内的人口密度分布情况，从而为国家和地方的宏观调控、城市发展规划提供数据支撑，以及为企事业单位和创业者的选址和产业布局提供数据支持。
为了更加直观的展现所述人口密度分布情况，在本申请提供的一个实施例中，所述基于高分卫星遥感数据结合建筑高度的人口密度分析系统，还包括：
人口密度分布图生成模块，用于根据人口密度与不同颜色的映射关系，将各所述格网对应的位置填充与该网格人口密度相应的颜色，以绘制所述目标区域的人口密度分布图。
作为上述实施例的变更实施方式，可以采用灰度图代替彩色图表征目标区域的人口密度分布图，如图5所示，其为本发明实施例提供的某一区域的人口密度分布情况效果图，图中，颜色越白表示人口密度越大，由图可见，相较于现有简单粗暴的采用行政区划计算和表征人口密度分布情况的方式，采用本发明实施例提供的方式，可以更加精准的确定目标区域的人口密度分布情况。
考虑到，居民地及建筑物高度是反映人口分布的重要因素，但仅用居民地及建筑物高度来分析人口密度分布情况的分布情况时，由于建筑物可能有厂房、办公楼、居民楼、商厦等多种，而实际上即使高度相同的建筑物可能也有不同的人口密度，而研究表明，夜间灯光数据与人口密度存在高度相关。因此，在本申请提供的一个实施例中，所述基于高分卫星遥感数据结合建筑高度的人口密度分析系统，还包括：
人口密度优化模块，用于基于夜间灯光强度与人口密度的对应关系，根据夜间灯光遥感数据对所述人口密度确定模块5计算的各个所述格网的人口密度进行优化，以优化所述目标区域的人口密度分布情况。
其中，所述夜间灯光强度可以从所述目标区域对应的夜间灯光遥感数据获得，而夜间灯光遥感数据可以通过具有凝视全色相机或凝视多光谱相机的遥感卫星采集获得，例如我国发射的高分4号卫星即可在夜间采集夜间灯光遥感数据，根据采集的目标区域的夜间灯光遥感数据和对目标区域的格网划分，即可确定每个格网对应的夜间灯光强度以及目标区域的平均灯光强度，据此可以对所述人口密度确定模块5计算的各个所述格网的人口密度进行优化。
具体的，在本申请提供的一个实施例中，所述人口密度优化模块，包括：
人口密度优化单元，用于根据以下数学算法对各个所述格网的人口密度进行优化：
其中，pi表示优化后获得的第i个格网对应的人口密度，
本领域技术人员可以基于上述实施例说明对具体数学算法进行多种合理变更，具体不再赘述，其均应在本申请的保护范围之内。
通过采用夜间灯光数据对所述格网的人口密度进行优化，可以将借助夜间灯光数据将相同地物类型之间的人口密度差异表征出来，从而使计算的人口密度更加准确。
容易理解的是，对于对所述人口密度确定模块5计算的各个所述格网的人口密度进行优化的情形，所述人口密度分布图生成模块可以利用优化后的各个所述格网的人口密度绘制所述目标区域的人口密度分布图。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
需要说明的是，附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
本发明实施例所提供的基于高分卫星遥感数据结合建筑高度的人口密度分析系统可以是计算机程序产品，包括存储了程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见方法实施例，在此不再赘述。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、系统和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统、系统和方法，可以通过其它的方式实现。以上所描述的系统实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，系统或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。
- 还没有人留言评论。精彩留言会获得点赞！