【城市】城市遥感2015.pptVIP

2002-09-24 MODIS level2产品 在北京地区的空间分布 MODIS遥感气溶光学厚度的时间序列(北京） 2002-11-05T 11:20(北京时间 )MODI Slevel2 气溶胶光学厚度(550nm)空间分布 2004 年 10 月 5 日、6 日、7 日、8 日、9 日和 11 日北京及周边地区大气气溶胶光 学厚度（颜色和等值线代表气溶胶光学厚度） (a)～(b) 利用 MODIS 资料反演的北京市及城区周边气溶胶光学厚度年平均分布(2003) 9.5城市人口密度遥感监测 9.5.1遥感监测城市人口密度的原理与方法 利用遥感监测城市人口密度主要有：居住单元法、土地利用密度法、建成区面积法、耗能法及地物光谱法。方法的差异主要在于采用航空像片或卫星像片的波段和比例尺的不同。但是利用土地密度法估算人口密度的方法应用较多。假设城市某区域内的同一类型住宅的密度一致，通过抽样调查住宅面积和人口，求得每一住宅类型的代表人口密度D1，D2，···，Dn，利用航空像片或卫星影像判读出各种住宅类型并求出其面积S1，S2，···，Sn，则可用下式估算该区人口总数P估： P估＝S1* D1+ S2* D2+···+ Sn* D n 此时在已知该区的统计人口数量P统，则可求出估算误差ΔP： ΔP＝|P统－P估| / P统 当误差在一定小的范围内时，可以进行全面估算。 9.5.2 遥感监测城市人口密度的实例 设某城市区域有n种居住用地类型，每一住宅类型的人口密度为Di（i＝1，2，…，n）；又设该区域被分为m个行政街道，且已知每一街道的统计人口数量为Pj（j＝1，2，…，m）；航空遥感调查获得的每个街道内的各种住宅用地面积为Sij（i＝1，2，…，n；j＝1，2，…，m），则可建立线性方程组： 在此方程组中mn时，即街道个数多于居住类型数时，可采用最小二乘法原理，将方程组）转化成为n×n正规方程组。解正规方程组，即可求得该区域内统计人口数总误差为最小的各类住宅密度估计值。 最终人口密度估算结果表（徐建刚等，1994） 街道 里弄类 简房类 多层类 农宅类 普陀路 202725 132852 105039 0 胶州路 185611 121637 96172 0 沙洪浜 111105 131329 101818 0 长风新村 0 112216 87000 7505 曹杨 0 125583 97363 0 曹安路 102163 136959 106183 9160 东新村 94305 120760 93624 8077 朱家湾 0 111472 51326 0 中山北路 0 129487 100390 0 宜川新村 0 139283 107984 0 石泉新村 0 114878 89070 7684 泸太新村 0 0 77152 0 甘泉新村 0 0 86196 7435 真如镇 0 142255 110789 9515 （单位：人/km2） 三、城镇用地指数 ULI 在NDBI基础上引入NDVI，通过对图像的二值化、求交运算，利用这两个指数的各自的优势来提取城镇用地，把这两个指数的结合用于提取城镇用地称为城镇用地指数（Urban Land-use Index，ULI）。 低密度植被覆盖区在TM3和TM4上具有植被的光谱特征即在TM3和TM4之间DN值是变大的；而在TM4和TM5上具有城镇用地的光谱特征或者说具有裸地的光谱特征即在TM4和TM5波段之间DN值是变大的。因此，低密度植被覆盖区不仅具有植被的光谱特性而且具有城镇用地的光谱特性。利用这一独特的光谱特性可以将NDBI提取得到的城镇用地（其结果还包含裸地和低密度植被覆盖区）中的低密度植被覆盖区从中分离出来。 典型地物二值化后的像元值 城镇用地 林地 农田 水体 低密度植被覆盖区 NDBI 1 0 0 0 1 NDVI 1 0 0 1 0 NDBI*NDVI 1 0 0 0 0 三种基于谱间特征分析的城镇用地提取方法比较 方法名称 作者 公式 优点 缺点 归一化建筑建筑指数（NDBI） 查勇，杨山等（2003） （TM5-TM4）/（TM5＋TM4） 相对于传统方法快速有效，提取精度较高，结果较为客观，可信 提取结果包含低密度植被区、裸地信息 改进的归一化裸露指数（MNDBI） 吴宏安，蒋建军等（2005） NDBI+(1-NDVI) 相对NDBI更加突出了城镇用地信息，提取结果得到改善 需