耦合城市结构和功能的多等级生态网格划分方法

1.本发明属于数字地图技术领域，具体涉及一种耦合城市结构和功能的多等级生态网格划分方法。


背景技术：

2.网格化管理是依托数字化平台，将城市管理辖区按照一定的标准划分成为单元网格的管理方式。生态网格的划分则是针对生态系统的特征将城市区域划分为多个等级的网格，为城市生态管理服务。
3.利用高分辨率遥感影像可以揭示生态系统的格局特征。利用道路、建筑类型数据可以揭示城市的社会结构特征。如何有效结合这两类特征构建多等级生态网格，服务于城市生态系统的网格化监管，是亟待研发的重要技术。


技术实现要素：

4.有鉴于此，本发明的主要目的之一在于提出一种耦合城市结构和功能的多等级生态网格划分方法，以期至少部分地解决上述技术问题中的至少之一。
5.为了实现上述目的，作为本发明的一个方面，提供了一种耦合城市结构和功能的多等级生态网格划分方法，包括：
6.s1划分第一级生态网格，包括：
7.s1.1将城市遥感影像划分获得多个目标斑块；
8.s1.2将目标斑块分类后识别城市网格和非城市网格；
9.s1.3将城市网格的目标斑块后处理，得到第一级城市生态网格；
10.s2划分第二级生态网格，包括：
11.s2.1在步骤s1得到的城市网格的目标斑块的基础上叠加矢量数据形成第二级生态网格的基础斑块；
12.s2.2利用建筑物属性对基础斑块分类，形成多个建筑类型功能区；
13.s3划分第三级生态网格，包括：
14.s3.1对每个建筑类型功能区进行基于土地覆盖的斑块分割，得到第三级生态网格的精细目标斑块；
15.s3.2基于城市遥感影像的光谱信息，将精细目标斑块分类，得到土地覆盖网格。
16.基于上述技术方案可知，本发明的耦合城市结构和功能的多等级生态网格划分方法相对于现有技术至少具有以下优势之一或一部分：
17.1、本发明是一种基于高分辨率遥感影像和城市道路、建筑、行政边界等矢量数据的多等级网格划分方法，针对遥感影像的多层网格划分和地物标记的可视化方法；利用高分辨率遥感影像能够准确识别城市中大量的破碎地物斑块，完整提取城市的生态信息；结合道路、建筑、行政边界等矢量数据可识别生态网格的城市功能和权属，该网格融合了城市的“社会-自然”复合信息，可为生态管理的快速响应提供支撑；
18.2、本发明利用多尺度分割算法和边缘优化算法，能够快速、准确、半自动的提取大空间范围的地物斑块，形成多等级的空间显性的生态网格。具有较好的可操作性和可推广性。
附图说明
19.图1为本发明实施例中多等级生态网格划分体系示意图；
20.图2为本发明实施例中第一级的斑块分割结果示意图；
21.图3为本发明实施例中第一级网格的边缘优化示意图；
22.图4为本发明实施例中第一级网格的分类结果示意图；
23.图5为本发明实施例中第二级的斑块分割结果示意图；
24.图6为本发明实施例中第二级网格的分类结果示意图；
25.图7为本发明实施例中第三级的斑块分割结果示意图；
26.图8为本发明实施例中第三级网格的分类结果示意图。
具体实施方式
27.为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明作进一步的详细说明。
28.本发明公开了一种耦合城市结构和功能的多等级生态网格划分方法，包括：
29.s1划分第一级生态网格，包括：
30.s1.1将城市遥感影像划分获得多个目标斑块；
31.s1.2将目标斑块分类后识别城市网格和非城市网格；
32.s1.3将城市网格的目标斑块后处理，得到第一级城市生态网格；
33.s2划分第二级生态网格，包括：
34.s2.1在步骤s1得到的城市网格的目标斑块的基础上叠加矢量数据形成第二级生态网格的基础斑块；
35.s2.2利用建筑物属性对基础斑块分类，形成多个建筑类型功能区；
36.s3划分第三级生态网格，包括：
37.s3.1对每个建筑类型功能区进行基于土地覆盖的斑块分割，得到第三级生态网格的精细目标斑块；
38.s3.2基于城市遥感影像的光谱信息，将精细目标斑块分类，得到土地覆盖网格。
39.在本发明的一些实施例中，步骤s1.1中根据城市遥感影像的若干波段将所述城市遥感影像划分获得多个目标斑块；
40.在本发明的一些实施例中，每个波段的分割权重相同；
41.在本发明的一些实施例中，分割参数包括尺度、颜色、紧凑度中的至少一种；
42.在本发明的一些实施例中，分割参数的取值采用的方法包括试错法。
43.在本发明的一些实施例中，步骤s1.2中分类所述目标斑块采用的方法包括决策树和人机交互中的任一种。
44.在本发明的一些实施例中，步骤s1.2中将目标斑块分类具体包括：根据城市遥感影像计算目标特征，确定目标特征的阈值，根据目标特征的阈值将目标斑块分类；
45.在本发明的一些实施例中，所述目标特征包括归一化植被指数、归一化水体指数、亮度中的至少一种；
46.在本发明的一些实施例中，确定所述目标特征的阈值采用的方法包括试错法。
47.在本发明的一些实施例中，步骤s1.2中将目标斑块分类后识别城市网格和非城市网格；
48.在本发明的一些实施例中，所述非城市网格包括森林网格、农田网格、湿地网格中的至少一种。
49.在本发明的一些实施例中，步骤s1.3中所述后处理包括同类斑块的融合和斑块边缘的优化。
50.在本发明的一些实施例中，步骤s2.1中所述矢量数据包括道路矢量数据、建筑矢量数据中的至少一种。
51.在本发明的一些实施例中，步骤s2.2中所述建筑类型包括住宅、商业、工业和其他。
52.在本发明的一些实施例中，步骤s3.1中所述基于土地覆盖的斑块分割采用的分割方法包括多尺度分割算法。
53.在本发明的一些实施例中，步骤s3.2中所在将精细目标斑块分类的分类类型包括林地、草地、裸土、水体、不透水、建筑中的至少一种。
54.以下通过具体实施例结合附图对本发明的技术方案做进一步阐述说明。需要注意的是，下述的具体实施例仅是作为举例说明，本发明的保护范围并不限于此。
55.请参阅图1-8，本实施例的耦合城市结构和功能的多等级生态网格划分方法，采用了自上而下的网格划分框架，按照景观类型、功能区和土地覆盖/利用(土地覆盖和利用)的顺序进行多等级网格划分，如图1所示。第一级为最底层的等级，主要划分城市生态网格和其他生态网格，第一级的网格面积较大，反映了城市的整体结构；第二级网格的划分以第一级的网格结果为基础，主要划分城市网格内的不同城市功能区域；第三级网格的划分以第二级的网格结果为基础，主要划分基础的土地覆盖和利用斑块。
56.从划分的流程上，该方法首先基于遥感影像划分第一等级城市生态网格；然后在第一等级的城市网格中，进一步结合道路、建筑等矢量数据划分第二等级城市功能网格；最后，在各类功能网格中，基于高分遥感影像进一步划分土地覆盖网格。本发明采用面向对象的方法进行生态网格划分。该方法包括两大内容：1)针对高分遥感影像的斑块分割，以及2)基于斑块的光谱、纹理、建筑类型等特征的斑块分类。三级生态网格的具体划分方法如下：
57.(1)第一等级生态网格划分
58.以空间分辨率1.5米的spot6遥感影像为例，基于该影像的4个波段(4个多光谱波段，包括蓝、绿、红和近红外)，利用多尺度分割算法(multi-resolution segmentation)进行影像分割，生成第一级生态网格的大尺度斑块，如图2所示。本发明将spot6影像的每个波段设置相同的分割权重。对于三个重要分割参数：尺度(scale)，颜色权重(color weight)，和紧凑度权重(compactness weight)采用“试错法”确定。具体来说，scale取值为500-600，颜色权重取值为0.5-0.9，紧凑度权重取值为0.3-0.5。
59.基于遥感影像的光谱信息，采用决策树和人机交互的方式对大尺度目标斑块进行分类，识别城市网格和非城市网格(非城市网格如森林网格、农田网格、湿地网格等)。具体
来说，在原始图像(城市遥感影像)的基础上计算ndvi(归一化植被指数)、ndwi(归一化水体指数)和亮度的目标特征，如表1所示。然后，使用决策树寻找各个目标特征的阈值进行分类。所有阈值均采用“试错法”确定。首先，本实施例通过设置大于0.22的ndvi阈值对森林进行分类。其次，采用0.17的ndwi阈值对湿地进行分类。第三，本发明使用大于530的亮度阈值对城市进行分类。最后，对草地和农田进行人工制图，并用目视解译改进分类结果。
60.表1.用于决策树分类的斑块特征
[0061][0062]
斑块分类后，需要对斑块进行后处理。包括同类斑块的融合(如将多个相邻的城市斑块融合为一个城市网格)和斑块边缘的优化(如将森林网格中的细长道路归并到城市网格中)，如图3所示。本实施例使用morphology(形态)算法来进行边缘优化，该算法创建了一个直径为6个像素的圆形蒙版来优化斑块边界，如果该圆形蒙版无法进入到网格内，则将该部分网格分离并归类为公共边最长的类别中。最终，得到第一级生态网格的分类结果如图4所示。第一级分类结果中主要包括城市景观、森林景观、湿地景观、农田景观、草地景观等。
[0063]
(2)第二等级生态网格划分
[0064]
在第一级生态网格的基础上，叠加上道路矢量数据形成第二级生态网格的基础斑块。道路数据来自于openstreetmap(开放街图)，如图5所示。
[0065]
在第二级的基础斑块分割的基础上，利用建筑物属性对第二级斑块进行分类。对于每一栋建筑，本实施例将其分为四种基本类型：住宅、商业、工业和其他。然后，在每个斑块中计算不同建筑类型的百分比，并根据不同建筑类型的百分比对斑块进行功能区分类。具体地说，如果一种建筑类型的百分比超过50％，则该斑块被归类为该建筑类型的斑块(如住宅区、商业区、工业区等)。如果所有建筑类型的百分比小于50％，则该斑块则被归类为混合区，如图6所示。
[0066]
(3)第三等级生态网格划分
[0067]
在第二级生态网格的基础上，本发明基于spot6遥感影像开展了基于土地覆盖的斑块分割。该分割以第二级网格为约束条件(分割不能影响二级网格边界)，利用多尺度分割算法开展了影像分割，如图7所示。本发明将spot6影像的每个波段设置相同的分割权重。对于三个重要分割参数：scale(尺度)，color weight(颜色权重)，and compactness weight(紧凑度权重)采用“试错法”确定。具体来说，scale取值为120，颜色权重取值为0.5-0.9，紧凑度权重取值为0.3-0.5。
[0068]
基于遥感影像的光谱信息，采用机器学习算法和人机交互的方式对第三级精细目标斑块进行分类，如图8所示，识别林地、草地、裸土、水体、不透水、建筑、道路、以及在建用地等土地覆盖网格。
[0069]
精细目标斑块进行分类分为三个步骤：1)基于spot 6的高空间分辨率影像选取训练样本，每种土地覆盖类型选取30个训练样本；2)选择斑块特征用于分类，包括ndvi、ndwi、亮度、和原始波段等特征，如表2所示；3)应用支持向量机(svm)作为分类器对不同的土地覆盖要素进行分类。对于支持向量机，本实施例选择了径向基函数(rbf，radial basis function)核，将两个重要参数c(惩罚系数)和gamma分别设置为106和10-5
。最后，并结合道路和建筑物等辅助数据进行目视修改，提升分类精度。
[0070]
表2.用于支持向量机(svm)分类的斑块特征
[0071][0072]
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。