一种低碳背景下的城市公园绿地服务能力评价方法与系统

    公开(公告)号:CN116882819A

    公开(公告)日:2023-10-13

    申请号:CN202310840544.8

    申请日:2023-07-11

    Abstract: 本发明公开了一种低碳背景下的城市公园绿地服务能力评价方法与系统,基于遥感影像结合开源地图的公园数据计算公园供给能力;基于景观生态学的“源‑汇”理论,采用最小累计阻力模型建立景观阻力面,以此表达公园绿地生态功能的扩散影响;基于新型城市地理数据,从低碳视角出发,利用层次分析法构建城市公园绿地服务水平评价指标体系,量化城市居住环境对公园碳排放消减服务的需求。从低碳视角出发引入景观生态学中的“源‑汇”理论,量化各景观单元获得各城市公园的服务指数及对公园碳排放消减服务的需求值,并通过基尼系数和区位熵方法,分别从宏观、微观尺度上探究城市公园绿地供需平衡关系,为低碳背景下的城市公园绿地规划建设提供决策依据。

    一种基于POI数据的建成区快速提取方法及系统

    公开(公告)号:CN114723294A

    公开(公告)日:2022-07-08

    申请号:CN202210376377.1

    申请日:2022-04-11

    Abstract: 本发明公开了一种建成区快速提取方法和系统框架,其中,建成区快速提取方法包括:获取POI(Point ofInterest,POI)数据集,对获取的POI数据进行了纠偏、去重等处理;利用POI数据建立不规则三角网(Triangulated IrregularNetwork,TIN);使用H/T断裂法(Head/Tail breaks)对生成的TIN进行头/尾分割;再利用Laplacian磨光算法去除噪声碎多边形,识别及提取建成区边界。建成区快速提取系统框架包括:POI数据集获取模块、POI数据集清洗模块、城市建成区边界提取模块。本方案不仅深入研究了建成区快速提取方法,同时证明了POI数据在城市边界识别中的应用价值,尤其是在全国地级市尺度城市边界识别中的可行性。本发明方法可实现建成区快速提取,并且数据可获取性强、精细化程度高、适用范围广、可靠性高。

    基于GF-2与开放地图数据的城市绿地精细化分类方法与系统

    公开(公告)号:CN115984603A

    公开(公告)日:2023-04-18

    申请号:CN202211486784.4

    申请日:2022-11-24

    Abstract: 本发明公开了一种基于GF‑2与开放地图数据的城市绿地精细化分类方法与系统,获取GF‑2高分辨率遥感影像数据,对获取的数据进行预处理,并建立多尺度目标检测数据集样本;进行地理编码,建立遥感数据库;将识别出来的城市绿地与以POI和OSM为代表的开放地图数据联合,引入景观生态学的基础理论,利用POI数据包含的属性信息、城市绿地与OSM道路网的拓扑关系以及景观形态指数,从功能分类、类型特征、服务范围和形态特征4个维度对城市绿地进行精细化分类。本发明方法可以实现多尺度城市绿地的自动分类,有效提高了高分辨率遥感影像城市绿地分类效率和精度,并从多个维度对城市绿地进行精细化分类,为城市规划和绿地监测方法提供有效参考。

    基于深度学习的高分辨率遥感影像分类方法及系统

    公开(公告)号:CN114694038A

    公开(公告)日:2022-07-01

    申请号:CN202210377873.9

    申请日:2022-04-11

    Abstract: 本发明公开一种基于深度学习的高分辨率遥感影像土地利用分类方法及系统,获取高分辨率遥感影像原始图像并进行预处理;制作土地利用类型训练集、验证集、测试集;构建深度学习实例分割模型,对coco数据集进行预训练;利用经过coco数据集预训练的模型,对训练集进行训练,对测试集进行随机测试,在验证集上调整模型参数,进而测试;以地理空间关系对待分类遥感影像按行列进行分割并进行编码,将均等分割后的数据全部作为输入数据输入网络模型进行土地利用分类,对数据进行映射式解码,获取图像。本发明基于深度学习的高分辨率遥感影像分类方法,在基于coco数据集进行预训练的基础上,对高分辨率遥感影像进行实例分割,提高了遥感影像的自动分类精度。

Patent Agency Ranking