研究进展

当前位置:首页 / 研究进展

张奎/明冬萍:高空间分辨率遥感影像城市功能格局识别与解析(IEEE TGRS, 2021)

2021-12-01     发布:信息工程学院    点击:453

城市功能区是实现城市经济和社会功能的重要空间载体,是城市规划管理的基本单元及现代城市发展的主要体现形式。城市功能区的形成与土地覆盖要素之间有着密切的联系,土地覆盖要素在空间上不同的排列组合构成了城市中不同类型的功能区,城市功能区空间分布及配置关系反映了城市功能格局。城市功能格局识别与解析的研究对于智慧城市建设及城市可持续发展具有重要意义。

从图像视觉和遥感地学分析的角度,高分影像地学理解的概念已备受关注多年,但究竟从高分影像上能理解出哪些超越视觉感知的信息,采用何种方式或途径来理解,并如何进一步地服务于复杂城市地理学问题求解,至今仍是城市遥感领域难以明确回答和解决的问题。究其根本,高分影像主要包含全覆盖的地物要素的空间语义信息,对地物要素所承载的反映人类活动的社会功能语义信息表达欠缺,这种空间语义与社会语义的鸿沟一定程度上限制了高分影像在城市研究中的深度应用。

针对上述科学问题,我校2018级硕士生张奎在导师明冬萍教授指导下,从深入理解地物间的空间关系特征出发,基于高空间分辨率遥感影像的智能化地物要素提取结果,实现了城市功能区属性自上而下的层次化推演和语义理解。工作的创新和贡献如下:

1、针对面向对象高空间分辨率遥感影像地物要素提取,提出了一种卷积位置自动生成的等积划分算法,提升了面向对象卷积神经网络(Object-based Convolution Neural NetworkOCNN)土地覆盖分类的精度和效率(图1)。

2、针对地物要素的空间结构语义信息提取,建了基于距离权重的图注意力模型(Distance Weight-Graph Attention ModelDW-GAM)(图2),将城市功能区识别问题转换为挖掘节点间空间关系的图分类问题,有效挖掘了地物要素与功能区的关系特征以及城市功能区形成机制,并取得了较高的精度。

3、针对单一尺度下难以完整表达城市功能区结构特征的问题,联合使用OSMOpen Street Map)和POIPoint of Interest)数据,构建了一种计算相似度的多尺度递归模型,实现了自上而下的功能区逐级精细提取

4、构建了城市功能格局解析指标,进行城市功能格局配置的定量评价(图4),实现了城市遥感功能区识别从理论方法学术研究到应用实践落地的突破。

城市功能格局解析的相关理论方法及研究成果可为城市管理提供深层次语义信息支撑,服务于城市规划以及智慧城市建设,该成果也进一步拓展了遥感影像地学理解研究的深度。


图1  基于等积划分算法的OCNN土地覆盖分类流程图

图1  基于等积划分算法的OCNN土地覆盖分类流程图


图2 基于距离权重的图注意力模型示意图

图2 基于距离权重的图注意力模型示意图


图3 自上而下的功能区城市功能区识别多尺度递归模型总体技术路线图

图3 自上而下的功能区城市功能区识别多尺度递归模型总体技术路线图


图4 城市功能格局解析指标及功能格局配置定量评价应用案例

图4 城市功能格局解析指标及功能格局配置定量评价应用案例


上述研究成果发表在遥感类国际权威刊物《IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING》:Zhang K.Ming D.*, Du S., et al. 2020. Distance Weight-Graph Attention Model based High Resolution Remote Sensing Urban Functional Zone Identification. IEEE Transactions on Geoscience and Remote Sensing, 2021, 10.1109/TGRS.2021.3115972. [IF=5.6].

全文链接:https://ieeexplore.ieee.org/document/9653094