一种基于卫星遥感图像目标识别的城市内涝风险评估算法

技术特征：
1.一种基于卫星遥感图像目标识别的城市内涝风险评估算法，其特征在于，包括：城市积水点采集模块：通过社交媒体平台获取城市积水点数据，利用arcgis软件获取积水点的经纬度信息，依据该经纬度信息分别从天地网、地理空间数据云平台上获取对应的卫星遥感图像和高程数据；卫星遥感图像特征提取模块：将卫星遥感图像输入深度学习模型，识别卫星遥感图像中的目标类，并把识别出的各目标的像素点个数之和作为城市内涝影响因素的特征值；高程数据提取模块：通过地理空间数据云平台下载，得到以积水点为中心的高程tif数据，然后提取积水点的高程值和相对高程值；基于xgboost模型的预测分析模块：将所述获取到的特征值和高程值整合成数据集，对xgboost模型进行训练，并通过各指标权重来分析城市内涝风险的影响因素。2.如权利要求1所述的一种基于卫星遥感图像目标识别的城市内涝风险评估算法，其特征在于，所述城市积水点采集模块包括：积水点获取单元：通过新闻报道收集了2017-2018年与城市内涝相关的信息，经过重复数据删除，并用arcgis软件获取积水点的经纬度信息；卫星遥感图像获取单元：通过运用国家地理信息公共服务平台天地图的地理编码与逆向地理编码，以积水点坐标为中心区域在天地图上截取分辨率为1024
×
1024的卫星遥感图像。3.如权利要求1所述的一种基于卫星遥感图像目标识别的城市内涝风险评估算法，其特征在于，所述卫星遥感图像特征提取模块包括：标注数据单元：使用labelme工具对卫星遥感图像中的水体、道路、绿地等目标类进行标注，把标注好的数据作为深度学习模型的训练集；深度学习训练单元：基于pytorch深度学习框架，使用训练集对语义分割u-net模型进行训练，并通过测试集进行验证与优化。4.如权利要求1所述的一种基于卫星遥感图像目标识别的城市内涝风险评估算法，其特征在于，所述高程数据提取模块包括：高程值提取单元：通过程序提取高程tif文件矩阵中心点的高程数据，即得到积水点的高程值；相对高程值提取单元：由于不同城市之间的整体高程存在差异性，为了使各城市之间的高程数据放在一起研究有意义，通过使用高程tif图像中心点的高程减去四个顶点高程的平均高程作为样本点的相对高程。5.如权利要求1所述的一种基于卫星遥感图像目标识别的城市内涝风险评估算法，其特征在于，所述基于xgboost模型的预测分析模块包括：xgboost算法单元：通过预设的机器学习系统的xgboost算法，提供构建训练模型的基础；模型优化单元：运用网格调参方法，确定模型最优参数，最后利用测试集对模型进行验证。

技术总结
本发明提供了一种基于卫星遥感图像目标识别的城市内涝风险评估算法，其特征在于，包括：城市积水点采集模块：通过社交媒体平台获取城市积水点数据，利用ArcGIS软件获取积水点的经纬度信息，依据该经纬度信息分别从天地网、地理空间数据云平台上获取对应的卫星遥感图像和高程数据；卫星遥感图像特征提取模块：将卫星遥感图像输入深度学习模型，识别卫星遥感图像中的目标类，并把识别出的各目标的像素点个数之和作为城市内涝影响因素的特征值；高程数据提取模块：通过地理空间数据云平台下载，得到以积水点为中心的高程tif数据，然后提取积水点的高程值和相对高程值，包括水体、道理、绿地、高程等六种特征；基于XGBoost模型的预测分析模块：将所述获取到的特征值和高程值整合成数据集，对XGBoost模型进行训练，并通过各指标权重来分析城市内涝风险的影响因素。各指标权重来分析城市内涝风险的影响因素。各指标权重来分析城市内涝风险的影响因素。


技术研发人员：刘辉 佟金萍 高斐 郝亚
受保护的技术使用者：常州大学
技术研发日：2022.03.08
技术公布日：2022/10/24