一种基于改进VANUI指数的城市建成区提取方法与流程

一种基于改进vanui指数的城市建成区提取方法
技术领域
1.本发明涉及遥感信息处理领域，具体的涉及一种基于改进vanui指数的城市建成区提取方法。


背景技术：

2.随着遥感技术的不断发展，地物提取逐渐成为了遥感技术发展的重要趋势，地物的提取的方法层出不同，随着夜间灯光数据的出现，也为遥感地区提取提供了新的途径，由于夜间灯光值只表示灰度值，信息量较少，且只反映夜间地表灯光情况，因此主要作用于城市区域，城市的快速发展也，需要我们及时准确的获取大尺度多时相建成区变化信息；目前获取建成区数据的方法包括经验阈值法、突变检测法、统计数据比较法和较高分辨率影像数据空间比较法。因此我们同时结合水体指数和不透水面指数，通过改进计算传统植被覆盖校正的城市夜光指数vanui，通过突变检测的方法对城市建成区进行提取；术语解释：modis数据：中分辨率成像光谱仪数据，全称为moderate resolution imaging pectroradiometer.植被指数：植被指数是表征植被生长状态以及空间分布密度的因子。常见的植被指数有ndvi。ndvi为归一化植被指数，全称为normalized difference vegetation index.不透水面指数：bci指数是一种能够反映建筑用地的摇杆指数。水体指数：lswi遥感影像的特定波段进行归一化差值处理，以凸显影像中的水体信息。夜间灯光数据：基于自编码器的跨传感器(dmsp-ols和npp-viirs)分辨率为500m的夜间灯光数据，时间跨度为2001-2020年。


技术实现要素：

3.有鉴于此，本发明的目的在于提供一种基于改进vanui指数的城市建成区提取方法，能很好地应用于大范围长时间序列建成区域快速监测和提取。
4.为实现上述目的，本发明采用如下技术方案：一种基于改进vanui指数的城市建成区提取方法，包括以下步骤：步骤s01：获取区域内modis遥感数据和类npp-viirs夜间灯光数据，进行几何校正、辐射定标和裁剪；步骤s02：对预处理之后的夜间灯光数据进行去噪处理；步骤s03：对预处理之后的modis据计算植被指数和水体指数；步骤s04：利用植被指数和夜间灯光数据计算传统植被覆盖校正的城市夜光指数；步骤s05：将得到城市夜光指数的结合水体指数，得到改进的城市夜间灯光指数；步骤s06：利用突变检测的方法设定建成区和非建成区的阈值，最终得到建成区的提取结果。
5.进一步的，所述步骤s03具体为：基于8天最大化合成modis遥感影像波段1-7反射
率数据，通过缨帽变换计算h、v和l三个指标，h为高反射率即归一化tc1分量；l为低反射率即归一化tc3分量；v为植被即归一化tc2分量。其中h、l和v指标的计算公式分别为：即归一化tc3分量；v为植被即归一化tc2分量。其中h、l和v指标的计算公式分别为：即归一化tc3分量；v为植被即归一化tc2分量。其中h、l和v指标的计算公式分别为：其中tci(i＝1,2,3)是前三个tc分量；tcimin和tcimax分别是第i个tc分量的最小值和最大值。
6.进一步所述步骤s06具体为：利用突变检测的方法设定建成区和非建成区的阈值。对改进后的稳定灯光数据进行提取。逐渐增大分割阈值，每个灰度值对应的城市区域多边形斑块周长的变化如图2所示。由图中曲线可知，在分割阈值逐渐增加过程中，城市区域多边形周长逐渐减小；增加到某一阈值时，周长开始增加，并持续增长；当阈值增大到峰值后，多边形周长开始迅速减小。这个点即为提取该城市区域的阈值点。最终将城市建成区和非建成区区分开来。
7.本发明与现有技术相比具有以下有益效果：本发明结合不透水面指数，不透水面指数和建成区程负相关关系，能够更加精准的提取出建成区。本发明结合了水体指数和植被指数能够很好的解决由于夜间灯光数据在建成区灯光溢出的现象。本发明通过突变检测的方法，不依赖其他辅助数据，其动化程度高，可实现性较好，并可用于未知城市建成区面积的估算。
附图说明
8.图1.本发明实现流程图；图2.不同阈值分割所获得的斑块周长变化图；图3.本发明技术流程图。
具体实施方式
9.下面结合附图及实施例对本发明做进一步说明。
10.请参照图1，本发明提供一种基于改进vanui指数的城市建成区提取方法，包括以下步骤：步骤s01:获取区域内modis遥感数据和类npp-viirs夜间灯光数据，进行几何校正、辐射定标和裁剪。
11.采用500米8天最大化合成mod09a1波段反射率数据和空间分辨率为500m经过跨传感器校正的2000-2018全球“类npp-viirs”夜间灯光数据，考虑到植被指数较好的日期选用6-9月份的遥感数据集，对两种遥感数据进行几何校正、辐射定标以及裁剪，得到相同区域
遥感影像数据。
12.步骤s02：对预处理之后的夜间灯光数据进行去噪处理。
13.由于夜间灯光数据是由灰度值构成，因此在影像处理时要对那些灰度值为负数进行去噪处理，具体做法为，具体做法为将影像所有的像元值减去0.5，将小于0的像元值赋值为0,这样做的目的是为了减少因传感器问题产生的噪声。
14.步骤s03：对预处理之后的modis据计算植被指数和水体指数。
15.基于8天最大化合成modis遥感影像波段1-7反射率数据，通过公式计算归一化植被指数(normalized difference vegetation index,ndvi)、地表水分指数(land surface water index,lswi)以及不透水面指数bci三个指标，建立植被指数和水体指标数据集，其中植被指数ndvi、水体指数lswi和不透水面指数bci的计算公式分别为：中植被指数ndvi、水体指数lswi和不透水面指数bci的计算公式分别为：中植被指数ndvi、水体指数lswi和不透水面指数bci的计算公式分别为：其中ir,red,nir和swir分别为红外、红光、近红外和短波红外波段。其中h、v、l为缨帽变换的三个分量，h为缨帽变换的第一分量、v为缨帽变换的第二分量、l为缨帽变换的第三分量。
16.对于上述的三个缨帽变换的具体计算公式为：基于8天最大化合成modis遥感影像波段1-7反射率数据，通过缨帽变换计算h、v和l三个指标，h为高反射率即归一化tc1分量；l为低反射率即归一化tc3分量；v为植被即归一化tc2分量。其中h、l和v指标的计算公式分别为：为：为：其中tci(i＝1,2,3)是前三个tc分量；tcimin和tcimax分别是第i个tc分量的最小值和最大值。
17.步骤s04:利用植被指数和夜间灯光数据计算传统植被覆盖校正的城市夜光指数。
18.利用植被指数(ndvi)和夜间灯光数据(类npp-viirs)计算传统植被覆盖校正的城市夜光指数vanui,vanui计算公式为：vanui＝(1-ndvi)*viir
ꢀꢀꢀꢀꢀꢀꢀ
(0.10)其中vanui为传统植被覆盖校正的城市夜光指数，ndvi为植被指数，viir为夜间灯光指数。
19.步骤s05:将得到城市夜光指数的结合水体指数，得到改进的城市夜间灯光指数。
20.将得到城市夜光指数的结合水体指数和不透水面指数，由于不透水面指数是单位面积内不透水面所占地表面积的比例，既可作为城市化程度的指标，也可作为衡量环境质量的指标之一，因此和建成区程负相关关系，水体指数是描绘和监测地表水内容变化的指标和建成区也程负相关关系，我们利用此特性得到改进的城市夜间灯光指数：改进vanui＝(1-lswi)*(1-bci)*vanui(0.11)其中vanui为传统植被覆盖校正的城市夜光指数，lswi为水体指数，bci为不透水面指数。
21.步骤s06：利用突变检测的方法设定建成区和非建成区的阈值，最终得到建成区的提取结果；利用突变检测的方法设定建成区和非建成区的阈值。对改进后的稳定灯光数据进行提取。此方法由imhoff提出，在夜间灯光图像中，真实的城市区域应该保持其几何形状的完整性，灰度值越大，此地被探测到的频率越高，属于城市区域的概率也就越大；在逐渐增大分割阈值的过程中，代表城市区域的多边形斑块沿着边缘逐渐缩小，当分割阈值达到某一个点时，多边形斑块区域不再沿着边缘缩小，而是从内部破碎，分裂为很多的较小的多边形斑块，代表着城市区域的多边形周长会突然增加。这个点即为提取该城市区域的阈值点。最终可以将城市建成区和非建成区区分开来。
22.具体的做法为逐渐增大分割阈值。
23.设置要求取的阈值为t，计算夜间灯光指数影像在阈值为t下的所有像元斑块的周长l。阈值选取满足公式：f(ti)＝min(l)
24.f()为求取阈值为ti下斑块的周长计算函数，min()为求取l最小值。此时的阈值ti即为所求取的阈值。
25.每个灰度值对应的城市区域多边形斑块周长的变化如图2所示。由图中曲线可知，在分割阈值逐渐增加过程中，城市区域多边形周长逐渐减小；增加到某一阈值时，周长开始增加，并持续增长；当阈值增大到峰值后，多边形周长开始迅速减小。这个点即为提取该城市区域的阈值点。
26.根据阈值分割方法设置阈值最终可以将城市建成区和非建成区区分开来。
27.以上所述为本发明的全部实施步骤，本发明的效益在于结合水体指数和植被指数解决了夜间灯光指数光溢出的问题，进而结合不透水面指数和建成区程负相关关系的特征，得到了改进的vanui指数，最终采用突变检测的方法，对建成区进行阈值提取，方法操作简单，识别效果较好。