基於高分衛星遙感數據結合建築高度的人口密度分析系統的製作方法
2023-12-01 09:16:26
本發明涉及人口密度分析技術領域，具體涉及一種基於高分衛星遙感數據結合建築高度的人口密度分析系統。
背景技術：
人口密度是單位面積土地上居住的人口數，它是表示區域人口的密集程度的指標，可以用來衡量一個區域的經濟發展水平和城市建設水平等，也可以為國家和地方的宏觀調控、城市發展規劃提供數據支撐，另外，精準的人口密度分布數據有助於企事業單位和創業者其做出合理的選址、產業布局等決策。
目前，人口密度一般是以行政區劃為計算單位的，比如某一縣市的人口總數除以面積即作為該縣市的人口密度，精度很差，人口在該縣市內具體一些的分布情況是不可知的。
綜上，目前迫切需要一種精度更高的人口密度分析系統。
技術實現要素：
針對現有技術中的缺陷，本發明提供一種基於高分衛星遙感數據結合建築高度的人口密度分析系統，以提高人口密度計算的精準度，為國家和地方的宏觀調控、城市發展規劃提供數據支撐，以及為企事業單位和創業者的選址和產業布局提供數據支持。
本發明提供的一種基於高分衛星遙感數據結合建築高度的人口密度分析系統，包括：居民地提取模塊、建築高度確定模塊、格網劃分模塊、格網空間計算模塊和人口密度確定模塊；其中，
所述居民地提取模塊，用於根據目標區域對應的第一遙感數據提取出所述目標區域中包含的居民地區域；
所述建築高度確定模塊，用於根據第二遙感數據確定所述居民地提取模塊提取的居民地區域中各建築物的高度；
所述格網劃分模塊，用於將所述目標區域劃分為多個格網；
所述格網空間計算模塊，用於分別根據各格網中居民地區域的面積和建築物的高度計算各格網對應的居民居住空間；
所述人口密度確定模塊，用於根據各個所述格網對應的居民居住空間和空間人口係數計算各個所述格網的人口密度，以確定所述目標區域的人口密度分布情況，其中，所述空間人口係數為單位居民居住空間內的人口數量。
可選的，所述第一遙感數據包括雷達遙感數據，所述居民地提取模塊，包括：
雷達數據居民地提取單元，用於基於不同地物類型對雷達信號的反射和散射特性，根據目標區域對應的雷達遙感數據從所述目標區域中提取出居民地區域。
可選的，所述第一遙感數據包括多光譜遙感數據，所述居民地提取模塊，包括：
多光譜數據居民地提取單元，用於基於不同地物類型對不同波段光譜反射率的差異，根據目標區域對應的多光譜遙感數據從所述目標區域中提取出居民地區域。
可選的，所述多光譜數據居民地提取單元，包括：
地物分類子單元，用於將地物類型劃分為藍頂建築物、紅頂建築物、水泥頂建築物、裸地、湖泊、河流、農田和林地；其中，藍頂建築物、紅頂建築物、水泥頂建築屬於居民地；
地物確定調度子單元，用於根據所述地物分類子單元對地物類型的劃分結果，對屬於居民地的地物類型，分別調用以下提取指數構建子單元、指數值計算子單元和二值化處理子單元從所述目標區域中提取出屬於居民地的地物類型對應的區域，獲得居民地區域；
提取指數構建子單元，用於根據待提取的地物類型與其他地物類型對不同波段光譜反射率的差異構建能夠將該待提取的地物類型與其他地物進行區分的地物提取指數；
指數值計算子單元，用於計算所述遙感數據中各像元對應的所述地物提取指數的指數值；
二值化處理子單元，用於將各像元的所述地物提取指數的指數值進行二值化處理，並根據二值化結果對所述遙感數據進行分割，提取出該待提取的地物類型對應的區域。
可選的，所述第二遙感數據包括合成孔徑雷達遙感數據，所述建築高度確定模塊，包括：
雷達數據建築高度確定單元，用於根據所述合成孔徑雷達遙感數據，基於後向散射模型、利用合成孔徑雷達影像多極化信息計算所述居民地提取模塊提取的居民地區域中各建築物的高度。
可選的，所述第二遙感數據包括立體像對遙感數據，所述建築高度確定模塊，包括：
立體像對建築高度確定單元，用於根據所述立體像對遙感數據計算所述居民地提取模塊提取的居民地區域中各建築物的高度。
可選的，所述基於高分衛星遙感數據結合建築高度的人口密度分析系統，還包括：
空間人口係數計算模塊，用於根據已經明確居民居住空間和人口數量的多個格網對應的多組樣本數據，採用回歸算法計算空間人口係數。
可選的，所述基於高分衛星遙感數據結合建築高度的人口密度分析系統，還包括：
人口密度優化模塊，用於基於夜間燈光強度與人口密度的對應關係，根據夜間燈光遙感數據對所述人口密度確定模塊計算的各個所述格網的人口密度進行優化，以優化所述目標區域的人口密度分布情況。
可選的，所述人口密度優化模塊，包括：
人口密度優化單元，用於根據以下數學算法對各個所述格網的人口密度進行優化：
其中，pi表示優化後獲得的第i個格網對應的人口密度，表示所述人口密度確定模塊計算獲得的第i個格網對應的人口密度；lj表示第j個格網對應的燈光強度，表示所述目標區域的平均燈光強度；pl表示單位燈光代表的人口數量；s為調整係數。
可選的，所述基於高分衛星遙感數據結合建築高度的人口密度分析系統，還包括：
人口密度分布圖生成模塊，用於根據人口密度與不同顏色的映射關係，將各所述格網對應的位置填充與該網格人口密度相應的顏色，以繪製所述目標區域的人口密度分布圖。
由上述技術方案可知，本發明提供的一種基於高分衛星遙感數據結合建築高度的人口密度分析系統，包括：居民地提取模塊、建築高度確定模塊、格網劃分模塊、格網空間計算模塊和人口密度確定模塊。相較於現有技術，本申請提供的所述基於高分衛星遙感數據結合建築高度的人口密度分析系統，通過將目標區域劃分為多個格網，然後以格網為單位分別計算每個格網內的人口密度，從而能夠計算出目標區域內更加具體的人口密度分布情況，相較於現有技術更加精確；另一方面，本申請基於遙感數據可以較為準確的確定目標區域內的居民地區域，從而可以以居民地為參照更加準確的確定人口密度的分布情況；進一步的，本申請通過根據遙感數據計算居民地區域內建築物的高度，從空間角度建立居民居住空間與人口密度的關聯，從而能夠體現出不同高度的建築物的人口密度的差異，進而能夠更加精確的確定人口密度的分布情況。綜上，基於本申請可以更加精確、準確的確定目標區域內的人口密度分布情況，從而為國家和地方的宏觀調控、城市發展規劃提供數據支撐，以及為企事業單位和創業者的選址和產業布局提供數據支持。
附圖說明
為了更清楚地說明本發明具體實施方式或現有技術中的技術方案，下面將對具體實施方式或現有技術描述中所需要使用的附圖作簡單地介紹。
圖1示出了本發明第一實施例所提供的一種基於高分衛星遙感數據結合建築高度的人口密度分析系統的示意圖；
圖2示出了一種第一遙感數據獲取模塊的示意圖；
圖3示出了各地物類型對不同波段光譜的反射率的示意圖；
圖4示出了一種基於後向散射模型的建築物幾何模型的示意圖；
圖5示出了本發明實施例提供的某一區域的人口密度分布情況效果圖。
具體實施方式
下面將結合附圖對本發明技術方案的實施例進行詳細的描述。以下實施例僅用於更加清楚地說明本發明的技術方案，因此只是作為示例，而不能以此來限制本發明的保護範圍。
需要注意的是，除非另有說明，本申請使用的技術術語或者科學術語應當為本發明所屬領域技術人員所理解的通常意義。
本發明提供一種基於高分衛星遙感數據結合建築高度的人口密度分析系統。下面結合附圖對本發明的實施例進行說明。
圖1示出了本發明第一實施例所提供的一種基於高分衛星遙感數據結合建築高度的人口密度分析系統的示意圖。如圖1所示，本發明第一實施例提供的一種基於高分衛星遙感數據結合建築高度的人口密度分析系統包括：
居民地提取模塊1、建築高度確定模塊2、格網劃分模塊3、格網空間計算模塊4和人口密度確定模塊5；其中，
所述居民地提取模塊1，用於根據目標區域對應的第一遙感數據提取出所述目標區域中包含的居民地區域；
所述建築高度確定模塊2，用於根據第二遙感數據確定所述居民地提取模塊1提取的居民地區域中各建築物的高度；
所述格網劃分模塊3，用於將所述目標區域劃分為多個格網；
所述格網空間計算模塊4，用於分別根據各格網中居民地區域的面積和建築物的高度計算各格網對應的居民居住空間；
所述人口密度確定模塊5，用於根據各個所述格網對應的居民居住空間和空間人口係數計算各個所述格網的人口密度，以確定所述目標區域的人口密度分布情況，其中，所述空間人口係數為單位居民居住空間內的人口數量。
地物類型是根據地面覆蓋物的不同劃分的類別，可以根據實際需求靈活劃分，例如，根據地面覆蓋物對不同波段光線的反射特性，可以將地面覆蓋物劃分為藍頂建築物、紅頂建築物、水泥頂建築物、裸地、湖泊、河流、農田和林地等；本申請分析的是人口密度的分布情況，由於人口主要分布於居民地，因此，本申請需要根據遙感數據從目標區域中提取出居民地區域，在上述地物類型中，藍頂建築物、紅頂建築物和水泥頂建築物可以視為居民地。
隨著遙感技術及高解析度數據採集技術的發展，遙感數據的解析度越來越高，數據類型越來越豐富，因此，採用高解析度遙感數據提取居民地區域已成為可能且辨識的準確性越來越高，基於此，也可以將所述格網劃分得儘量細小，以更為準確、精確地確定目標區域的人口密度分布情況。
由於不同的遙感衛星採用的遙感方式不同，採集的遙感數據可能也不同，例如我國發射的高分3號衛星及加拿大發射的radarsat-2衛星是採用合成孔徑雷達採集遙感數據，其數據形式為雷達數據，而高分5號衛星和landsat系列衛星採用的是全譜段成像儀等儀器採集遙感數據，其數據形式為多光譜數據，以上雷達遙感數據和多光譜遙感數據都可以用於對目標區域進行地物類型的確定，進而根據地物類型提取出居民地區域，本發明實施例中，所述基於高分衛星遙感數據結合建築高度的人口密度分析系統還包括第一遙感數據獲取模塊6，所述第一遙感數據獲取模塊6可以根據配置的所述居民地提取模塊1的工作原理選擇獲取相應的第一遙感數據，例如雷達遙感數據或多光譜遙感數據等。
其中，利用高質量的多光譜數據可以更加精確的確定目標區域的地物類型組成，從而更加準確的提取出居民地區域，但由於雲雨霧雪等天氣會影響多光譜數據的準確性，因此，在本申請提供的一個實施例中，採用根據天氣情況選擇採用不同的第一遙感數據的方式，晴空地區採用多光譜遙感數據，多雲多雨地區則採用雷達遙感數據，從而從數據源開始最大限度的保證後續計算的準確性，具體實施方式為請參考圖2，其示出了一種第一遙感數據獲取模塊6的示意圖，所述第一遙感數據獲取模塊6包括：天氣判斷單元61、雷達數據獲取單元62和多光譜數據獲取單元63；
所述天氣判斷單元61用於根據目標區域的天氣狀況選擇觸發雷達數據獲取單元62獲取雷達遙感數據或觸發多光譜數據獲取單元63獲取多光譜遙感數據；具體的，可以在晴朗的天氣條件下觸發多光譜數據獲取單元63獲取多光譜遙感數據，在雲雨霧雪等天氣條件下觸發雷達數據獲取單元62獲取雷達遙感數據；
所述雷達數據獲取單元62用於在所述天氣判斷單元61的觸發下獲取所述目標區域的雷達遙感數據；
所述多光譜數據獲取單元63用於在所述天氣判斷單元61的觸發下獲取所述目標區域的多光譜遙感數據。
其中，所述天氣判斷單元61對天氣狀況的判斷依據，可以根據天氣統計結果預先設置各地區與常見天氣狀況對應關係的資料庫，所述天氣判斷單元61根據需要實時從所述資料庫中調取；也可以是調取目標區域指定日期的天氣記錄，根據記錄確定目標區域指定日期的天氣狀況；其均為本申請的變更實施方式，均在本申請的保護範圍之內。
根據遙感數據的不同，所述居民地提取模塊1也採用不同的方式進行數據的提取，例如，對雷達遙感數據，由於建築物的布局、材質、結構以及周圍環境的差異，在sar圖像(即雷達遙感數據)上呈現不同的紋理特徵，如城市中建築物分布整齊，樓房之間間距較大，大多為平頂整齊的高層樓房，使用材料大多具有良好反射率，在圖像上表現為強亮度區域，而建築物之間的道路，粗糙植被如草坪等，由於表面散射，表現為暗區域，因此，城市居民地在圖像上表現為明暗相間的紋理，相似性較小；農村居民地分布相對散亂，沒有明顯規律，且道路等區域在圖像上不明顯，因此呈現不規則亮斑狀，相似性較大。
因此，在本申請提供的一個實施例中，所述第一遙感數據包括雷達遙感數據，所述居民地提取模塊1，包括：
雷達數據居民地提取單元，用於基於不同地物類型對雷達信號的反射和散射特性，根據目標區域對應的雷達遙感數據從所述目標區域中提取出居民地區域。
具體的，所述雷達數據居民地提取單元，可以基於變差函數理論，在分析中高解析度sar圖像中居民地紋理特徵的基礎上，採用基於迭代p參數法的閾值確定方法，為滿足閾值範圍的像元點賦以權值，以加大居民地與非居民地的變差函數差，從而提取出居民地，不僅可以保證較高的檢測率，還可以顯著降低虛警率，上述從雷達遙感數據中提取居民地的技術為現有技術，本實施例不再贅述，由於地物類型的劃分不同，具體的實施方式也不盡相同，本領域技術人員可以據此進行變更實施以確定目標區域的地物類型組成。
而對於多光譜遙感數據，現有技術雖然公開了部分提取水面、建築物的方法，但發明人在應用中發現其提取精度、準確性並不理想，因此，本申請提出了更為準確、精確度更高的方式，在本申請提供的一個實施例中，所述第一遙感數據包括多光譜遙感數據，所述居民地提取模塊1，包括：
多光譜數據居民地提取單元，用於基於不同地物類型對不同波段光譜反射率的差異，根據目標區域對應的多光譜遙感數據從所述目標區域中提取出居民地區域。
具體的，在本申請提供的一個實施例中，所述多光譜數據居民地提取單元，包括：
地物分類子單元，用於將地物類型劃分為藍頂建築物、紅頂建築物、水泥頂建築物、裸地、湖泊、河流、農田和林地；其中，藍頂建築物、紅頂建築物、水泥頂建築屬於居民地，為本發明實施例的主要確定對象，其他地物類型可以統一划分為非居民地，由於非居民地的人口數量可以認為為零，因此，只需要根據所述遙感數據提取出居民地即可(其他區域直接確定為非居民地)；
地物確定調度子單元，用於根據所述地物分類子單元對地物類型的劃分結果，對屬於居民地的地物類型，分別調用以下提取指數構建子單元、指數值計算子單元和二值化處理子單元從所述目標區域中提取出屬於居民地的地物類型對應的區域；
提取指數構建子單元，用於根據待提取的地物類型與其他地物類型對不同波段光譜反射率的差異構建能夠將該待提取的地物類型與其他地物進行區分的地物提取指數；
指數值計算子單元，用於計算所述遙感數據中各像元對應的所述地物提取指數的指數值；
二值化處理子單元，用於將各像元的所述地物提取指數的指數值進行二值化處理，並根據二值化結果對所述遙感數據進行分割，提取出該待提取的地物類型對應的區域，獲得居民地區域。
在上述實施例中，所述地物分類子單元根據不同類型的地物對不同波段光譜的反射率的差異以及居民地包含的地物類型，更為細緻、準確的將地物類型劃分為藍頂建築物(主要為企業的廠棚)、紅頂建築物(主要為紅頂房屋，部分為企業廠棚)、水泥頂建築物(主要為城鎮居民區、道路等)、裸地、湖泊(人工湖、水庫等)、河流、農田(作物覆蓋的)和林地，由於不同地物類型對應的人口係數不同，這樣細緻的劃分有助於提高最終計算的人口密度的準確性。
所述提取指數構建子單元通過比較各地物類型對不同波段光譜的反射率，進而根據待提取的地物類型與其他地物類型對不同波段光譜反射率的差異構建能夠將待提取的地物類型與其他地物進行區分的地物提取指數，請參考圖3，其示出了各地物類型對不同波段光譜的反射率的示意圖，圖中，波段2表示藍光波段，波段3表示綠光波段，波段4表示紅光波段，由圖可知，藍頂建築物在藍光波段的反射率明顯高於綠光波段的反射率，而其他地物類型則基本持平或者是綠光波段的反射率高於藍光波段的反射率，這樣，若計算藍光波段的反射率減去綠光波段的反射率，藍頂建築物對應的數值為較大的正數，而其他地物類型對應的數值則為負數或接近於零的正數，據此可以將藍頂建築物提取出來；採用同樣的理論，紅頂建築物和水泥頂建築物(包括裸土)在紅光波段的反射率明顯高於綠光波段的反射率，而其他地物類型則均是綠光波段的反射率高於紅光波段的反射率，這樣，若計算紅光波段的反射率減去綠光波段的反射率，紅頂建築物和水泥頂建築物(包括裸土)對應的數值為較大的正數，而其他地物類型對應的數值則為負數，據此可以將紅頂建築物和水泥頂建築物(包括裸土)提取出來。其中，可以在提取出藍頂建築物後，再基於藍光波段的反射率和綠光波段的反射率提取出裸土，這樣扣除裸土即可提取出更為精確的紅頂建築物和水泥頂建築物。
由於裸土實際面積較少可以忽略，為了簡化計算，本發明實施例採用包含裸土的地物提取方法進行示例性說明，本領域技術人員可以在上述說明的基礎上變更實施，進一步提取出裸土後扣除，以提取出更為準確的地物類型對應的區域，其也在本申請的保護範圍之內。
以含裸土的地物提取為例，所述提取指數構建子單元通過上述計算，即可根據各地物類型對不同波段光譜反射率的差異構建能夠將待提取的地物與其他地物進行區分的地物提取指數，例如，若待提取的地物類型為藍頂建築物，則所述提取指數構建子單元，可以根據藍頂建築物對應的第一反射率差與其他地物類型對應的第一反射率差的差異，構建以下針對藍頂建築物的地物提取指數，其中，所述第一反射率差是指對藍光波段光譜的反射率與對綠光波段光譜的反射率的差：
式中，ndbib2-b3表示針對藍頂建築物的地物提取指數，oli2表示對藍光波段光譜的反射率，oli3表示對綠光波段光譜的反射率。
又如，若待提取的地物類型為紅頂建築物和水泥頂建築物(不便於區分，可以一併提取)，則所述提取指數構建子單元，可以根據紅頂建築物和水泥頂建築物對應的第二反射率差與其他地物類型對應的第二反射率差的差異，構建以下針對紅頂建築物和水泥頂建築物的地物提取指數，其中，所述第二反射率差是指對紅光波段光譜的反射率與對綠光波段光譜的反射率的差：
式中，ndbib4-b3表示針對紅頂建築物和水泥頂建築物的地物提取指數，oli4表示對紅光波段光譜的反射率，oli3表示對綠光波段光譜的反射率。
採用上述兩個具體的地物提取指數，可以進一步放大待提取地物與其他地物類型對應的該指數的差異，從而有助於在後續處理中精準的將待提取地物提取出來，在具體實施時，還可以對上述公式減去一個調整參數，以將較大的正數與較小的正數調整為正數與負數，以減少在後續二值化處理過程中產生的噪聲或誤差。
相應的，所述二值化處理子單元在將各像元的所述地物提取指數的指數值進行二值化處理，並根據二值化結果對所述遙感數據進行分割後，即可根據對所述針對藍頂建築物的地物提取指數的指數值的二值化處理結果提取出藍頂建築物，根據對所述針對紅頂建築物和水泥頂建築物的地物提取指數的指數值的二值化處理結果提取出紅頂建築物和水泥頂建築物，從而從目標區域中提取出居民地區域。
根據採用的第二遙感數據的不同，所述建築高度確定模塊2可以採用不同的方式確定居民地區域中各建築物的高度，本發明實施例中，分別以合成孔徑雷達(sar)遙感數據和立體像對遙感數據為例進行說明。
在本申請提供的一個實施例中，所述第二遙感數據包括合成孔徑雷達遙感數據，所述建築高度確定模塊2，包括：
雷達數據建築高度確定單元，用於根據所述合成孔徑雷達遙感數據，基於後向散射模型、利用合成孔徑雷達影像多極化信息計算所述居民地提取模塊1提取的居民地區域中各建築物的高度。
具體的，所述雷達數據建築高度確定單元可以採用以下方法計算所述居民地提取模塊1提取的居民地區域中各建築物的高度：
合成孔徑雷達(syntheticaperturerada，sar)是一種工作於微波波段的主動式側視成像遙感系統，它與真實孔徑雷達(realapertureradar，rar)相比有更高的方位向解析度。隨著遙感技術的發展，sar系統與光學影像相比有其獨特的優勢，故從sar影像中提取建築物高度是微波遙感在城市應用中的重要體現。
現階段利用微波遙感數據提取建築物高度的方法(基於幹涉sar和雷達攝影測量)不僅過程繁瑣，而且對數據自身的相干性和基線長度等有嚴格限定，尤其是在地形複雜的區域，需要有大量地面控制點用於幾何糾正；鑑於以上不足，國內外利用單景sar影像並結合一定先驗參數來提取建築物高度的方法逐漸成熟，在滿足一定精度條件下極大減少了野外測量工作量。因此，考慮到sar影像的幅度信息是雷達後向散射回波信號變化最直接的體現，同時也反映了地物的後向散射特性，現已提出城市建築物的標準幾何及電磁特徵模型，探討了建築物幾何參數對其散射特性的影響，並針對不同散射機制在總體後向散射中的貢獻給予了定量解釋；或者通過邊緣比率檢測器提取sar影像中的疊掩信息，並結合航攝影像提高建築物疊掩邊界精度，進而反演建築物高度；同時利用已知參數，計算了高解析度sar影像的幾何及散射特徵，驗證了go-po模型的可行性。對於建築物的二次散射特徵，已有研究利用微波暗室實驗數據對提出的二次散射計算公式進行了驗證，指出用二次散射反演建築物高度的可能性；或利用地物後向散射特性，通過計算建築物二次散射強度，並結合一定先驗信息來提取建築物高度；有些採用蘭伯特平面模擬地表，並建立了後向散射模型，求解出每點的高度增量表達式；有些通過分析建築物的二次散射結構，確定了建築物底部輪廓的位置和方向，並通過分布密度函數差異的仿真影像迭代匹配方法反演建築物高度；有些則在分析建築物疊掩及陰影區域的基礎上，結合建築物二次散射原理，提出了從單景sar影像中提取建築物屋頂尺寸及高度的方法。
通過分析，現有方法要麼過程繁瑣、人為參與較多、對數據自身要求較高，要麼僅考慮單景sar影像的單極化信息、通過分析建築物二次散射的機制、結合先驗知識反演高度，並未綜合考慮其他極化信息可能對高度提取產生的影響。因此，本發明實施例利用中高解析度的gf-3(高分3號衛星)遙感影像，提出一種基於後向散射模型、利用sar影像多極化信息來提取建築物高度的方法，給出不同極化間的最優組合，同時用該方法嘗試獲取大範圍建築物高度。
基於後向散射模型，建築物高度提取公式如下：
式中：θ為雷達入射角(地表水平時與成像視角相等)；l為建築物主長度(與雷達飛行方向夾角小於90°的邊長度)；φ為建築物方位角(建築物主長度與雷達飛行方向的夾角)；spq為sinclair極化散射矩陣中的1個元素，p和q分別為水平極化分量和垂直極化分量；σ0為二次散射對rcs(rcs：radar-crosssection(雷達散射截面積))的貢獻量；l和σ為地表粗糙度參數，分別代表相關長度和標準離差。具體示意請參照圖4，其示出了一種基於後向散射模型的建築物幾何模型的示意圖，圖4中，w為建築物寬度；h為建築物稿度；l為建築物主長度；φ為建築物方位角；εr為瀝青路面介電常數；εw為工業牆體介電常數；εs為地表介電常數；l和σ為地表粗糙度參數，即：相關長度和標準離差。
在理論上，如果只考慮二次散射，rcs(rcs：radar-crosssection(雷達散射截面積))計算如下式：
式中：r為雷達傳感器到目標的距離；es為地表s散射的磁場域；e0為幅度值。
但實際計算時，二次散射對rcs的貢獻量σ0通常以式等效替代，即
σ0＝β0sinθ＝ks|dn|2sinθ
其中，ks為定標常數(無法直接由源數據獲取，需通過建築物實際高度反演)；dn為從影像幅度圖中獲取的二次散射區域中每個像元的數值(對二次散射區域的灰度值取平均)。
根據面散射特性，地面粗糙度參數標準離差σ可通過下式獲取：
式中：zi為地表某點高度；為n個地表點的平均高度。
相關長度l是描述x點的高度z(x)與偏離x的另一點x′的高度z(x+x＇)相似性的一種度量，其定義為：
觀測目標區域內建築物的影像特點及材料組成，對目標的粗糙特性參數進行合理估計，可得以下地表特性參數：
如前所述，spq表示sar影像中的不同極化特徵，即：
式中：ψ和ζ分別為雷達波照射到建築物牆面和地面的入射角；r為菲涅耳反射係數，其不同下標代表不同的入射面和極化模式(r┴r為地面垂直極化，r//r為地面水平極化，r┴w為牆體垂直極化，r//w為牆體水平極化)。
對於水平極化波和垂直極化波可分別用下式計算，即：
式中：ε為地面目標的復介電常數(需替換成相應的εr與εw)；α為雷達波照射到相應地物的入射角(需替換成相應的ψ與ξ，故可求出r┴r(ζ)，r┴r(ψ),r┴w(ψ)和r┴w(ζ))。綜上所述，可求得極化散射矢量spq，進而求得建築物高度h。
經驗證，通過本發明實施例提供的上述方法計算的建築物的高度與實際高度的相關係數高達0.9095，具有非常高的準確度和精度。
在本申請提供的一個實施例中，所述第二遙感數據包括立體像對遙感數據，所述建築高度確定模塊2，包括：
立體像對建築高度確定單元，用於根據所述立體像對遙感數據計算所述居民地提取模塊1提取的居民地區域中各建築物的高度。
具體的，所述立體像對建築高度確定單元可以採用以下方法計算所述居民地提取模塊1提取的居民地區域中各建築物的高度：
數字表面模型(digitalsurfacemodel，dsm)，是用一組有序數值陣列形式表示地面高度的實體表面模型。dsm除了包括地面高程信息外，還包含地面上的建築、橋梁等高度信息。建立dsm的方法有多種，從數據源及採集方式主要有：根據航空或航天影像，通過攝影測量途徑獲；野外測量獲得等。
快速獲取大範圍的dsm數據，衛星遙感是一種很好的技術手段。而且隨著衛星傳感器的發展，獲取的dsm精度越來越高。如目前商業衛星最高解析度的0.41米geoeye-1，在使用高質量控制資料時，垂直精度的中誤差可達到0.5米。可以立體成像的衛星主要有aster，alosprism，cartosat-1，formosat-2，ikonos，kompsat-2，orbview-3，quickbird，rapideye，geoeye-1，worldview-1/2,spot5/6，pleiades，以及國產的資源三號、資源一號02c等。
本發明實施例基於攝影測量原理，建立幾何光學模型，利用立體像對提取研究區dsm。
高分影像的立體像對在對大範圍提取城區dsm時有其獨特的優勢，雖然它不能像建築物的陰影一樣充分展現出每一個建築物的細節輪廓，但在研究區為覆蓋範圍較大的北京城區時，在利用像對提取的高程來反映建築物的高程分布同樣也可以滿足一定的精度需求。本發明實施例可以通過在建築區周圍布設樣點，提取樣點的高度，然後利用空間插值技術獲得研究區基礎地勢面，結合dsm計算獲得建築高度。
經驗證，通過本發明實施例提供的上述方法計算的建築物的高度與實際高度的相關係數高達0.8212，同樣具有非常高的準確度和精度。
本發明實施例中，所述格網劃分模塊3，用於將目標區域劃分為多個格網，所述格網的劃分可以根據實際需求以及所述遙感數據解析度的高低靈活設置，比如可以將目標區域劃分為多個十米格網、百米格網或千米格網等等，其均在本申請的保護範圍之內。
本發明實施例中，所述格網空間計算模塊4，用於分別根據各格網中居民地區域的面積和建築物的高度計算各格網對應的居民居住空間；具體的，可以採用面積乘以高度的方式分別計算所述居民地區域中各個建築物的體積，該體積即為居民居住空間，然後將格網內各建築物的體積相加即可獲得該格網對應的居民居住空間。
本發明實施例中，所述空間人口係數為單位居民居住空間內的人口數量，可以根據先驗知識確定，考慮到不同區域的人口密度可能差異較大，例如北京和青海的人口密度差別非常大，因此，本發明實施例優選的採用目標區域內的樣本數據確定該空間人口係數，以保證該空間人口係數的準確性。在本申請提供的一個實施例中，所述基於高分衛星遙感數據結合建築高度的人口密度分析系統，還包括：
空間人口係數計算模塊，用於根據已經明確居民居住空間和人口數量的多個格網對應的多組樣本數據，採用回歸算法計算空間人口係數。
例如，所述空間人口係數計算模塊可以獲取目標區域內多個格網的樣本數據，每個樣本數據中有該網格對應的人口數量和居民居住空間值，基於上述樣本數據，即可以居民居住空間為自變量，以人口數量為因變量，建立回歸模型，然後將樣本數據輸入所述回歸模型，經過數據擬合即可確定空間人口係數。採用上述回歸算法可以獲得更為準確的空間人口係數，從而有助於最終計算獲得更為精準的人口密度。
本發明實施例中，所述人口密度確定模塊5，用於根據各個所述格網對應的居民居住空間和空間人口係數計算各個所述格網的人口密度，以確定所述目標區域的人口密度分布情況，具體的，可以將每個格網的居民居住空間乘以空間人口係數，獲得該格網中的人口數量，然後將該人口數量除以該格網的面積即可得到該格網的人口密度。
由于格網是將目標區域劃分而得的，各所述格網的人口密度確定了，那麼目標區域的人口密度分布情況(即人口空間分布)也就確定了。
基於以上實施例說明，本發明第一實施例提供的所述基於高分衛星遙感數據結合建築高度的人口密度分析系統，通過將目標區域劃分為多個格網，然後以格網為單位分別計算每個格網內的人口密度，從而能夠計算出目標區域內更加具體的人口密度分布情況，相較於現有技術更加精確；另一方面，本申請基於遙感數據可以較為準確的確定目標區域內的居民地區域，從而可以以居民地為參照更加準確的確定人口密度的分布情況；進一步的，本申請通過根據遙感數據計算居民地區域內建築物的高度，從空間角度建立居民居住空間與人口密度的關聯，從而能夠體現出不同高度的建築物的人口密度的差異，進而能夠更加精確的確定人口密度的分布情況。綜上，基於本申請可以更加精確、準確的確定目標區域內的人口密度分布情況，從而為國家和地方的宏觀調控、城市發展規劃提供數據支撐，以及為企事業單位和創業者的選址和產業布局提供數據支持。
為了更加直觀的展現所述人口密度分布情況，在本申請提供的一個實施例中，所述基於高分衛星遙感數據結合建築高度的人口密度分析系統，還包括：
人口密度分布圖生成模塊，用於根據人口密度與不同顏色的映射關係，將各所述格網對應的位置填充與該網格人口密度相應的顏色，以繪製所述目標區域的人口密度分布圖。
作為上述實施例的變更實施方式，可以採用灰度圖代替彩色圖表徵目標區域的人口密度分布圖，如圖5所示，其為本發明實施例提供的某一區域的人口密度分布情況效果圖，圖中，顏色越白表示人口密度越大，由圖可見，相較於現有簡單粗暴的採用行政區劃計算和表徵人口密度分布情況的方式，採用本發明實施例提供的方式，可以更加精準的確定目標區域的人口密度分布情況。
考慮到，居民地及建築物高度是反映人口分布的重要因素，但僅用居民地及建築物高度來分析人口密度分布情況的分布情況時，由於建築物可能有廠房、辦公樓、居民樓、商廈等多種，而實際上即使高度相同的建築物可能也有不同的人口密度，而研究表明，夜間燈光數據與人口密度存在高度相關。因此，在本申請提供的一個實施例中，所述基於高分衛星遙感數據結合建築高度的人口密度分析系統，還包括：
人口密度優化模塊，用於基於夜間燈光強度與人口密度的對應關係，根據夜間燈光遙感數據對所述人口密度確定模塊5計算的各個所述格網的人口密度進行優化，以優化所述目標區域的人口密度分布情況。
其中，所述夜間燈光強度可以從所述目標區域對應的夜間燈光遙感數據獲得，而夜間燈光遙感數據可以通過具有凝視全色相機或凝視多光譜相機的遙感衛星採集獲得，例如我國發射的高分4號衛星即可在夜間採集夜間燈光遙感數據，根據採集的目標區域的夜間燈光遙感數據和對目標區域的格網劃分，即可確定每個格網對應的夜間燈光強度以及目標區域的平均燈光強度，據此可以對所述人口密度確定模塊5計算的各個所述格網的人口密度進行優化。
具體的，在本申請提供的一個實施例中，所述人口密度優化模塊，包括：
人口密度優化單元，用於根據以下數學算法對各個所述格網的人口密度進行優化：
其中，pi表示優化後獲得的第i個格網對應的人口密度，表示所述人口密度確定模塊5計算獲得的第i個格網對應的人口密度；lj表示第j個格網對應的燈光強度，l表示所述目標區域的平均燈光強度；pl表示單位燈光代表的人口數量；s為調整係數。
本領域技術人員可以基於上述實施例說明對具體數學算法進行多種合理變更，具體不再贅述，其均應在本申請的保護範圍之內。
通過採用夜間燈光數據對所述格網的人口密度進行優化，可以將藉助夜間燈光數據將相同地物類型之間的人口密度差異表徵出來，從而使計算的人口密度更加準確。
容易理解的是，對於對所述人口密度確定模塊5計算的各個所述格網的人口密度進行優化的情形，所述人口密度分布圖生成模塊可以利用優化後的各個所述格網的人口密度繪製所述目標區域的人口密度分布圖。
在本說明書的描述中，參考術語「一個實施例」、「一些實施例」、「示例」、「具體示例」、或「一些示例」等的描述意指結合該實施例或示例描述的具體特徵、結構、材料或者特點包含於本發明的至少一個實施例或示例中。在本說明書中，對上述術語的示意性表述不必須針對的是相同的實施例或示例。而且，描述的具體特徵、結構、材料或者特點可以在任一個或多個實施例或示例中以合適的方式結合。此外，在不相互矛盾的情況下，本領域的技術人員可以將本說明書中描述的不同實施例或示例以及不同實施例或示例的特徵進行結合和組合。
需要說明的是，附圖中的流程圖和框圖顯示了根據本發明的多個實施例的系統、方法和電腦程式產品的可能實現的體系架構、功能和操作。在這點上，流程圖或框圖中的每個方框可以代表一個模塊、程序段或代碼的一部分，所述模塊、程序段或代碼的一部分包含一個或多個用於實現規定的邏輯功能的可執行指令。也應當注意，在有些作為替換的實現中，方框中所標註的功能也可以以不同於附圖中所標註的順序發生。例如，兩個連續的方框實際上可以基本並行地執行，它們有時也可以按相反的順序執行，這依所涉及的功能而定。也要注意的是，框圖和/或流程圖中的每個方框、以及框圖和/或流程圖中的方框的組合，可以用執行規定的功能或動作的專用的基於硬體的系統來實現，或者可以用專用硬體與計算機指令的組合來實現。
本發明實施例所提供的基於高分衛星遙感數據結合建築高度的人口密度分析系統可以是電腦程式產品，包括存儲了程序代碼的計算機可讀存儲介質，所述程序代碼包括的指令可用於執行前面方法實施例中所述的方法，具體實現可參見方法實施例，在此不再贅述。
所屬領域的技術人員可以清楚地了解到，為描述的方便和簡潔，上述描述的系統、系統和單元的具體工作過程，可以參考前述方法實施例中的對應過程，在此不再贅述。
在本申請所提供的幾個實施例中，應該理解到，所揭露的系統、系統和方法，可以通過其它的方式實現。以上所描述的系統實施例僅僅是示意性的，例如，所述單元的劃分，僅僅為一種邏輯功能劃分，實際實現時可以有另外的劃分方式，又例如，多個單元或組件可以結合或者可以集成到另一個系統，或一些特徵可以忽略，或不執行。另一點，所顯示或討論的相互之間的耦合或直接耦合或通信連接可以是通過一些通信接口，系統或單元的間接耦合或通信連接，可以是電性，機械或其它的形式。
所述作為分離部件說明的單元可以是或者也可以不是物理上分開的，作為單元顯示的部件可以是或者也可以不是物理單元，即可以位於一個地方，或者也可以分布到多個網絡單元上。可以根據實際的需要選擇其中的部分或者全部單元來實現本實施例方案的目的。
另外，在本發明各個實施例中的各功能單元可以集成在一個處理單元中，也可以是各個單元單獨物理存在，也可以兩個或兩個以上單元集成在一個單元中。
所述功能如果以軟體功能單元的形式實現並作為獨立的產品銷售或使用時，可以存儲在一個計算機可讀取存儲介質中。基於這樣的理解，本發明的技術方案本質上或者說對現有技術做出貢獻的部分或者該技術方案的部分可以以軟體產品的形式體現出來，該計算機軟體產品存儲在一個存儲介質中，包括若干指令用以使得一臺計算機設備(可以是個人計算機，伺服器，或者網絡設備等)執行本發明各個實施例所述方法的全部或部分步驟。而前述的存儲介質包括：u盤、移動硬碟、只讀存儲器(rom，read-onlymemory)、隨機存取存儲器(ram，randomaccessmemory)、磁碟或者光碟等各種可以存儲程序代碼的介質。
最後應說明的是：以上各實施例僅用以說明本發明的技術方案，而非對其限制；儘管參照前述各實施例對本發明進行了詳細的說明，本領域的普通技術人員應當理解：其依然可以對前述各實施例所記載的技術方案進行修改，或者對其中部分或者全部技術特徵進行等同替換；而這些修改或者替換，並不使相應技術方案的本質脫離本發明各實施例技術方案的範圍，其均應涵蓋在本發明的權利要求和說明書的範圍當中。