一种基于地表温度辅助城市空间规划的方法与流程

1.本发明涉及遥感技术与空间规划领域，尤其涉及一种基于地表温度辅助城市空间规划的方法。
技术背景
2.随着城市的建设和扩张，带来了一系列的宜居问题，热岛效应就是常见的问题之一。热岛效应是指一个地区的气温高于周边地区的现象，影响热岛效应的原因有很多，主要原因是人为改变了城市的空间布局、空气对流等因素。城市下垫面有大量的人工构筑物，相比于植被水体等自然下垫面，城市下垫面升温快、蒸发量少，造成其表面温度明显高于下垫面。由于城市的面积是固定的，如果想降低热岛效应，最简单的方法就是增加城市的自然下垫面的面积，但是这又限制了城市的发展和扩张。为了在不减少城市建设面积的同时降低热岛效应的影响，需要在城市的建筑过程中，对空间进行合理的规划。
3.二十一世纪以来，城市遥感作为重要的检测手段与方法，在景观分布、热岛效应等方面做出了巨大贡献。遥感影像根据分辨率不同，分为高分辨率遥感影像、多光谱遥感影像、高光谱遥感影像，其中高分辨率遥感影像空间分辨率高，可以清晰地识别地物类型，适用于目标检测、地物分类；多光谱遥感影像和高光谱遥感影像空间分辨率低，光谱信息丰富，适用于定量遥感，比如土壤含水量反演、植被指数计算、水体指数计算等。城市热岛效应需要大面积的获取地表温度，使用监测点监测只能监测到单个点的地表温度，所以目前比较可行的方法是使用遥感影像进行地表温度反演。对于城市下垫面的类型，同样可以使用遥感数据获得。根据遥感数据的特点，使用多光谱遥感影像进行地表温度反演，使用高分辨率遥感影像进行地物分类，然后将每个点的地表温度和地物类型联系起来，通过两者之间的关系研究地表温度与空间分布之间的模型。
4.对于地表温度的研究，已经有学者做了较多的研究。李斌侠等人使用landsat5和landsat8的影像获取哈尔滨市多年的地表温度，并使用混合像元分解的方法提取中心城区地表组成信息，分析不同地表对温度的影响，但是landsat分辨率较低，无法做到精确分类，而且该研究并未涉及到对空间格局产生怎样的影响，需要进一步研究。王今殊等使用landsat影像研究了北京地区地表温度及下垫面的关系，揭示城市地表覆盖对城市热环境的影响，以北京多个地区为研究区域，将归一化植被指数和归一化建筑物指数、热岛比率等指数关联起来，研究不同指数与地温之间的关系。上述研究以区域为研究单位，考虑到分辨率的原因，并未进行像素级计算。若要进一步细致研究地表温度与空间格局的关系，需要使用更高分辨率的影像。可见，对于地表温度与空间格局的关系，大部分研究只停留在研究两者之间的关系，并未给出空间规划的方式。
5.为了能够根据研究内容，提出合适的空间规划方式，更进一步地为空间规划做出反馈，指导辅助空间规划，提出一种基于地表温度辅助城市空间规划的方法。


技术实现要素：

6.本发明提出一种基于地表温度辅助城市空间规划的方法，该方法使用高分辨率遥感影像提取地物覆盖类型，使用多光谱遥感影像反演地表温度，建立地表温度与城市空间分布之间的空间关系模型，并可根据该模型规划空间布局。
7.本发明的一种基于地表温度辅助城市空间规划的方法是采用以下技术方案实现的：
8.步骤一、遥感影像数据预处理；
9.步骤二、高分辨率遥感影像地物分类；
10.步骤三、多光谱遥感影像地表温度反演；
11.步骤四、建立地物类型与地表温度之间的模型；
12.步骤五、根据地表温度设计城市空间规划方法。
13.进一步的，所述步骤一中的遥感影像数据预处理，高分辨率遥感影像使用亚米级样影像，经过图像融合、辐射校正、大气校正、几何校正、影像镶嵌步骤，获得四波段亚米级遥感影像；多光谱遥感影像使用landsat8 oli/tirs遥感影像，经过辐射校正、大气校正、几何校正、影像镶嵌步骤，获得11个波段的遥感影像。
14.进一步的，所述步骤二中的高分辨率遥感影像地物分类，具体步骤如下：
15.a)首先建立分类样本集，将遥感影像分为水体、植被、裸土、不透水面四个类型，使用矢量数据标注训练样本，然后将矢量数据转为栅格数据，每个栅格代表一类地物，水体标注为1，植被标注为2，裸土标注为3，不透水面标注为4，采用切片的方法，切片采用的大小为512*512大小，切片之间不重叠，由于遥感影像过大，不适合直接输入训练模型，所以将遥感影像及其对应的标注数据切成切片形式，以便于训练；
16.b)构建语义分割模型用于遥感影像分类，使用unet网络作为语义分割模型，使用efficientnet b4提取影像特征；具体网络结构包括三个部分：数据输入、backbone、unet；数据输入部分：首先将影像通过归一化的方法归一化，然后经过一层1*1的卷积层，将四波段数据降维到三波段，以便使用预训练模型中的参数，便于fine-tune；backbone：使用efficientnet b4中的四个层，efficientnet是谷歌使用nas提出的一种有效的骨干模型，采用不同宽度和尺度，搜索到的有效的网络模型，包括b0到b7八个版本，其中b4版本的性价比、精度较高，因此采用b4版本作为特征提取的方法，将输入层输出的数据输入到网络中，提取其中的342、154、92、30层，作为多尺度的特征，并输入到下一结构；unet：unet是一种简单有效的语义分割方法，该网络模型形状类似u形，所以称为unet网络，广泛应用于医疗影像分割；unet网络主要分为编码和解码部分，编码部分使用共有四层，分布为conv4、conv3、conv2、conv1，分别来自于backbone中的四个输出，然后将conv1进行1*1的卷积，得到deconv1，将deconv1进行上采样和卷积，得到的结果与conv2相concat，得到deconv2；同理，将deconv2进行上采样和卷积，得到的结果与conv3相concat，得到deconv3，最后得到deconv4，最后再通过卷积将其还原为512*512的大小，即与标注样本相同；
17.c)模型训练，使用adam训练参数，使用余弦退火的方法调整学习率；
18.d)影像分类，使用训练模型对高分辨率遥感影像进行分类。
19.进一步的，所述步骤三中的多光谱遥感影像地表温度反演，使用大气校正法进行地温反演，估计大气对地表热辐射的影响，然后把这部分大气影响从卫星高度上传感器所
观测到的热辐射总量中减去，从而得到地表热辐射强度，再把这一热辐射强度转化为相应的地表温度，计算公式如下：
[0020][0021][0022]
l
λ
＝gain
×
dn offset
[0023]
其中，t
surface
是地表温度，b(ts)是温度为ts的黑体在传感器接收到的辐射亮度，l
λ
是地表辐射亮度值，τ和ε分别是大气透过率和地表辐射率，dn是像元亮度，k1、k2是传感器中定标常数，gain、offset分别是单个波段增益常数和偏移量常数，使用不同的波段的gain和offset，分别计算得出大气向上辐射亮度l
↑
和大气向下辐射亮度l
↓
。
[0024]
进一步的，所述步骤四中的建立地物类型与地表温度之间的模型，首先将高分辨率遥感影像和多光谱遥感影像重采样为5米分辨率，然后以每一个像素为基础，研究其像素3*3邻域内分布情况，再通过xgboost回归模型，训练不同的地表覆盖分布情况下，空间格局对地表温度的影响，具体步骤如下：
[0025]
a)确定空间模型：对于四类地物分布，在3*3的网格中，有262144种空间分布，但是现实生活中，由于每个城市的结构不同、气候不同、地理情况不同，不可能覆盖所有的情况，所以研究单个地物8邻域内的土地覆盖统计情况；例如某个不透水面周围的8邻域范围内，有8个单元格的地物，其中包含四个水体、一个植被、两个裸土、一个不透水面，分别使用x1、x2、x3、x4代表水体、植被、裸土、不透水面四个类型，t
x
表示温度，则可以认为，该像元的地表温度可以表示为周围8邻域地物地温的一种组合，该地表地温为：
[0026][0027]
使用这种方法建立地温与空间格局的回归模型，对于具体的回归模型，则使用xgboost作为回归模型；
[0028]
b)模型拟合：使用上述方法建立模型之后，需要对模型进行训练；首先遍历一个区域内所有的像元，建立每个像元地温为y，邻域像元地温为x的模型，然后将该模型进行训练；
[0029]
c)模型评价：使用r2进行模型评价，r2是拟合优度，越接近于1越好。
[0030]
进一步的，所述步骤五中的根据地表温度设计城市空间规划方法，对于所述步骤四中计算出来的模型，只能确定地表温度与空间分布的关系，并不能对城市空间规划做出直接的建议，需要进一步选取合适的空间模型，具体方法如下：
[0031]
a)遍历每一种空间分布的方法，对于262144种空间分布情况，分别使用上述拟合的模型进行地表温度反演，求出某一像元周围不同空间分布的情况下，其温度情况；
[0032]
b)根据实际情况，城市中各种地物类型具有一定的比例且较为固定，在保证不改变各种地物面积的情况下，选取地表温度最低的空间分布作为规划模型，对于不同的城市，选取的模型也不同。
[0033]
与现有技术相比，本发明具有以下有益效果：
[0034]
本发明使用高分辨率遥感影像提取地表覆盖类型，主要分为水体、植被、裸土、不透水面，使用多光谱遥感影像计算地表温度，研究不同分类的空间分布对地表温度的影响。本发明采用回归分析的方法计算不同地物类型的周围，不同类型的地物对地表温度的影响，得到地表温度与不同地物类型空间分布之间的关系，并可据此提出合适的空间规划方式，辅助优化城市的空间布置，在不改变城市各用地类型面积的同时，减少热岛效应的影响，推动城市生态与发展的协调规划，有利于打造宜居性城市。
附图说明
[0035]
图1为本发明基于地表温度辅助城市空间规划的方法的整体流程图；
[0036]
图2为本发明基于地表温度辅助城市空间规划的方法的遥感影像数据预处理流程图；
[0037]
图3为本发明基于地表温度辅助城市空间规划的方法的遥感影像分类网络结构图；
[0038]
图4为本发明基于地表温度辅助城市空间规划的方法的空间格局图；
[0039]
图5为本发明基于地表温度辅助城市空间规划的方法的遍历最优空间分布结构图。
具体实施方式
[0040]
下面结合附图，对本发明的技术方案做进一步的详细说明。
[0041]
图1是本发明一种基于地表温度辅助城市空间规划的方法的整体流程图，具体步骤包括：
[0042]
步骤一、遥感影像数据预处理，如图2所示，高分辨率遥感影像使用亚米级样影像，经过图像融合、辐射校正、大气校正、几何校正、影像镶嵌步骤，获得四波段亚米级遥感影像；多光谱遥感影像使用landsat8 oli/tirs遥感影像，经过辐射校正、大气校正、几何校正、影像镶嵌步骤，获得11个波段的遥感影像。
[0043]
步骤二、高分辨率遥感影像地物分类，具体步骤如下：
[0044]
a)首先建立分类样本集，将遥感影像分为水体、植被、裸土、不透水面四个类型，使用矢量数据标注训练样本，然后将矢量数据转为栅格数据，每个栅格代表一类地物，水体标注为1，植被标注为2，裸土标注为3，不透水面标注为4，采用切片的方法，切片采用的大小为512*512大小，切片之间不重叠，由于遥感影像过大，不适合直接输入训练模型，所以将遥感影像及其对应的标注数据切成切片形式，以便于训练；
[0045]
b)构建语义分割模型用于遥感影像分类，网络结构如图3所示，使用unet网络作为语义分割模型，使用efficientnet b4提取影像特征；具体网络结构包括三个部分：数据输入、backbone、unet；数据输入部分：首先将影像通过归一化的方法归一化，然后经过一层1*1的卷积层，将四波段数据降维到三波段，以便使用预训练模型中的参数，便于fine-tune；backbone：使用efficientnet b4中的四个层，efficientnet是谷歌使用nas提出的一种有效的骨干模型，采用不同宽度和尺度，搜索到的有效的网络模型，包括b0到b7八个版本，其中b4版本的性价比、精度较高，因此采用b4版本作为特征提取的方法，将输入层输出的数据输入到网络中，提取其中的342、154、92、30层，作为多尺度的特征，并输入到下一结构；
unet：unet是一种简单有效的语义分割方法，该网络模型形状类似u形，所以称为unet网络，广泛应用于医疗影像分割；unet网络主要分为编码和解码部分，编码部分使用共有四层，分布为conv4、conv3、conv2、conv1，分别来自于backbone中的四个输出，然后将conv1进行1*1的卷积，得到deconv1，将deconv1进行上采样和卷积，得到的结果与conv2相concat，得到deconv2；同理，将deconv2进行上采样和卷积，得到的结果与conv3相concat，得到deconv3，最后得到deconv4，最后再通过卷积将其还原为512*512的大小，即与标注样本相同；
[0046]
c)模型训练，使用adam训练参数，使用余弦退火的方法调整学习率；
[0047]
d)分类，使用训练模型对高分辨率遥感影像进行分类。
[0048]
步骤三、多光谱遥感影像地表温度反演，使用大气校正法进行地温反演，估计大气对地表热辐射的影响，然后把这部分大气影响从卫星高度上传感器所观测到的热辐射总量中减去，从而得到地表热辐射强度，再把这一热辐射强度转化为相应的地表温度，计算公式如下：
[0049][0050][0051]
l
λ
＝gain
×
dn offset
[0052]
其中，t
surface
是地表温度，b(ts)是温度为ts的黑体在传感器接收到的辐射亮度，l
λ
是地表辐射亮度值，τ和ε分别是大气透过率和地表辐射率，dn是像元亮度，k1、k2是传感器中定标常数，gain、offset分别是单个波段增益常数和偏移量常数，使用不同的波段的gain和offset，分别计算得出大气向上辐射亮度l
↑
和大气向下辐射亮度l
↓
。使用上述计算公式即可计算出城市的地表温度。
[0053]
步骤四、建立地物类型与地表温度之间的模型，首先将高分辨率遥感影像和多光谱遥感影像重采样为5米分辨率，然后以每一个像素为基础，研究其像素3*3邻域内分布情况，再通过xgboost回归模型，训练不同的地表覆盖分布情况下，空间格局对地表温度的影响，具体步骤如下：
[0054]
a)确定空间模型：对于四类地物分布，在3*3的网格中，有262144种空间分布，但是现实生活中，由于每个城市的结构不同、气候不同、地理情况不同，不可能覆盖所有的情况，所以研究单个地物8邻域内的土地覆盖统计情况；例如，如图4所示，某个不透水面周围的8邻域范围内，有8个单元格的地物，其中包含四个水体、一个植被、两个裸土、一个不透水面，分别使用x1、x2、x3、x4代表水体、植被、裸土、不透水面四个类型，t
x
表示温度，则可以认为，该像元的地表温度可以表示为周围8邻域地物地温的一种组合，该地表地温为：
[0055][0056]
使用这种方法建立地温与空间格局的回归模型，对于具体的回归模型，则使用xgboost作为回归模型；
[0057]
b)模型拟合：使用上述方法建立模型之后，需要对模型进行训练；首先遍历一个区域内所有的像元，建立每个像元地温为y，邻域像元地温为x的模型，然后将该模型进行训练；
[0058]
c)模型评价：使用r2进行模型评价，r2是拟合优度，越接近于1越好。
[0059]
步骤五、根据地表温度设计城市空间规划方法，对于步骤四中计算出来的模型，只能确定地表温度与空间分布的关系，并不能对城市空间规划做出直接的建议，需要进一步选取合适的空间模型，如图5所示，具体方法如下：
[0060]
a)遍历每一种空间分布的方法，对于262144种空间分布情况，分别使用上述拟合的模型进行地表温度反演，求出某一像元周围不同空间分布的情况下，其温度情况；
[0061]
b)根据实际情况，城市中各种地物类型具有一定的比例且较为固定，在保证不改变各种地物面积的情况下，选取地表温度最低的空间分布作为规划模型，对于不同的城市，选取的模型也不同。