申请/专利权人：中国科学院遥感与数字地球研究所

申请日：2018-12-21

公开（公告）日：2023-09-19

公开（公告）号：CN109784667B

主分类号：G06Q10/063

分类号：G06Q10/063;G06Q50/26;G06V20/10

优先权：

专利状态码：有效-授权

法律状态：2023.09.19#授权;2022.01.07#实质审查的生效;2019.05.21#公开

摘要：为有效监测房屋空置现象，本发明公开了一种基于夜光遥感数据的房屋空置监测方法，该方法包括如下步骤：步骤1对DMSP‑OLS系列影像进行相互校正、饱和校正和连续性校正，并进行重投影、重采样和裁剪；2由土地利用数据提取城镇用地和农村居民点作为建成区，进行二值化和重采样后得到研究区域的建成区影像；3基于建成区影像和DMSP‑OLS影像计算房屋空置指数HVI，进而大尺度监测房屋空置现象，并对空置房屋的时空分布特征进行分析；4将所得房屋空置指数在地级市进行聚合得到鬼城指数GCI，用于识别鬼城。

主权项：1.一种基于夜光遥感数据的房屋空置监测方法，该方法包括如下步骤：步骤1对DMSP-OLS系列影像进行相互校正、饱和校正和连续性校正，并进行重投影、重采样和裁剪；步骤2由土地利用数据提取城镇区和农村居民点作为建成区，进行二值化和重采样后得到研究区域的建成区影像；步骤3基于建成区影像和DMSP-OLS影像计算房屋空置指数HVI，进而大尺度监测房屋空置现象，并对空置房屋的时空分布特征进行分析；步骤4将所得房屋空置指数在地级市进行聚合，得到鬼城指数GCI，用于识别鬼城；所述步骤3提出了房屋空置指数，具体方法为：利用建成区影像和DMSP-OLS影像，计算房屋空置指数HVI，计算公式如下：HVI＝BUA·1-OLSnor式中，BUA是二值的建成区影像，0表示非建成区，1表示建成区，OLSnor是归一化为0到1之间的DMSP-OLS影像；1减去OLSnor表示房屋空置指数与灯光强度成反比，HVI是生成的房屋空置指数，其范围在0到1之间，越大则表示空置现象越严重；所述步骤4提出了鬼城指数，具体方法为：a首先将建成区影像进行均值滤波，然后将所得房屋空置指数在地级市尺度聚合得到鬼城指数GCI，计算公式如下： 式中，N为研究单元内像元总数，HVIk为第k个像元的房屋空置指数；鬼城指数表示城市鬼城现象的严重程度；b将研究区所有地级城市的鬼城指数从大到小排序，获得研究区鬼城排名。

全文数据：一种基于夜光遥感数据的房屋空置监测方法技术领域本发明涉及一种基于夜光遥感数据的房屋空置监测方法，本发明设计提出了一种新的有效的房屋空置指数，该指数与灯光强度成反比，可反映出某区域的人类活动低强度地区，实现大尺度房屋空置现象监测，进而分析空置房屋的时空分布，可为城市规划、城市可持续发展提供思路。背景技术随着中国城市化进程的加速，许多城市出现了大量空置房屋，部分城市甚至出现鬼城现象，造成土地资源和社会资源的大量浪费，房屋空置监测越加重要。但目前仍缺乏有效的房屋空置监测手段，尤其是基于遥感监测房屋空置的研究开展极少。当前中国还没有统一的房屋空置率，国际上也只有少数国家对房屋空置率进行统计。美国是最早统计房屋空置率的国家之一，自1956年起美国人口调查局每年统计并公布国家级、州级和都会级三个尺度的房屋空置率，其统计方法成熟且数据透明。但美国房屋空置率定义和计算方式不一定适合作为中国房地产业的参考标准，且房屋空置率统计耗费大量人力物力，统计周期长。目前，房屋空置研究多以实地调查或统计数据为主，还有一些通过LBS数据、GDP、房价或人口数据等间接获取空置率。但这些研究无法反映城市内部空置现象的时空分布，因此进一步的应用受到限制。遥感数据具有周期性、宏观性、客观性、便捷性的优势，可用于城市扩张、城市内部结构等研究。相比于传统的光学遥感，夜光影像可以更好反映人类活动，其在房屋空置监测中具有巨大价值。QimingZheng使用NPP-VIIRS夜光影像和MODIS土地利用数据计算鬼城指数，得出中国东北地区的房屋空置情况，并通过基尼系数和相关新闻报道进行验证；为提高模型可靠性，QimingZheng在原有鬼城指数基础上增加人口统计数据，对长江三角洲地区的鬼城进行空间识别；ZuoqiChen利用NPP-VIIRS夜光影像和美国土地利用数据NLCD，首次估算了美国城市房屋空置率；董磊磊等通过构建鬼城指数模型，揭示出中国全国范围地级行政单元鬼城现象的空间分异格局；李傲等人利用NDBI指数提取建成区面积，然后结合DMSP-OLS夜光影像和人口数据生成鬼城指数。机器学习的方法具有很强的非线性拟合能力，可映射复杂的非线性关系。Niu使用支持向量回归SupportVectorRegression，SVR对中国青岛市的空置率分布进行了分析，并利用谷歌地图进行了验证。虽然这些研究对基于遥感的空置监测进行了有益的探讨，但目前的研究仍然数量较少且尚未形成系统科学的体系，同时模型的实用性和有效性未得到客观验证，缺乏充分的解释力。因此本发明提出一种基于夜光遥感数据的房屋空置监测方法，利用土地利用数据和DMSP-OLS夜光影像设计一种新的房屋空置指数，实现大尺度房屋空置监测和时空分析，对房地产调控、城市规划、城市可持续发展具有较大应用价值。发明内容针对现有研究缺乏系统性、有效性等问题，在进行实验和客观验证后，本发明提出了一种基于夜光遥感数据的房屋空置监测方法。本发明的目的通过以下技术步骤实现：步骤1对DMSP-OLS系列影像进行相互校正、饱和校正和连续性校正，并进行重投影、重采样和裁剪；步骤2由土地利用数据提取城镇区和农村居民点作为建成区，进行二值化和重采样后得到研究区域的建成区影像；步骤3基于建成区影像和DMSP-OLS影像计算房屋空置指数HVI，进而大尺度监测房屋空置现象，并对空置房屋的时空分布特征进行分析；步骤4将所得房屋空置指数在地级市进行聚合，得到鬼城指数GVI，用于识别鬼城。进一步，所述步骤1的具体方法为：a采用不变区域法建立二次多项式模型，对DMSP-OLS系列影像进行相互校正和饱和校正，校正公式如下：DNadjusted＝C0+C1×DN+C2×DN2式中，DN表示待校正影像的像元灰度值，DNadjusted为校正后像元灰度值，C0、C1和C2为回归得到的不同参数。b夜光影像的坐标系为WGS-84坐标系，影像的网格必然会随着纬度增大而减小，为避免网格变形造成的影响，将所有影像投影坐标系均转换为Albers等面积割圆锥投影。c将所有影像均重采样为2千米大尺度分辨率，以适应大尺度房屋空置监测。进一步，所述步骤3的具体方法为：利用建成区影像和DMSP-OLS影像，计算房屋空置指数HousingVacancyIndex，HVI，计算公式如下：HVI＝BUA·1-OLSnor式中，BUA是二值的建成区影像，0表示非建成区，1表示建成区，OLSnor是归一化为0到1之间的DMSP-OLS影像。1减去OLSnor表示房屋空置指数与灯光强度成反比，HVI是生成的房屋空置指数，其范围在0到1之间，越大则表示空置现象越严重。进一步，所述步骤4的具体方法为：a首先将建成区影像进行均值滤波，然后将所得房屋空置指数在地级市尺度聚合得到鬼城指数GhostCityIndex，GCI,计算公式如下：式中，N为研究单元内像元总数，HVIk为第k个像元的房屋空置指数。鬼城指数表示城市鬼城现象的严重程度。b将研究区所有地级城市的鬼城指数从大到小排序，获得研究区鬼城排名。附图说明图1利用土地利用数据提取的建成区影像；图2为研究区内部分代表性地区的房屋空置指数分布图；图3为研究区地级市鬼城指数分布图。具体实施方式下面结合附图对本发明“一种基于夜光遥感数据的房屋空置监测方法”作进一步阐述说明。一数据预处理1相互校正和饱和校正由于不同年度的影像间没有连续性，且城市中心存在过饱和现象DN＝63,因此选用日本冲绳岛冲绳岛的夜光影像中包含从低到高较广的DN值范围，确保了校正模型的精确性；岛上灯光相对受大陆上灯光影响较小的夜光影像为参考影像，采用不变目标区域法建立二次多项式模型，对DMSP-OLS系列影像进行校正，校正公式如下：DNadjusted＝C0+C1×DN+C2×DN2式中，DN表示待校正影像的像元灰度值，DNadjusted为校正后像元灰度值，C0、C1和C2为回归得到的不同参数。2连续性校正同一年度两种传感器影像仍存在差异，因此需进行连续性校正。3重投影夜光影像的坐标系是WGS-84坐标系，影像的网格必然会随着纬度增大而减小，为避免网格变形造成的影响，同时方便统计面积等，将所有影像投影坐标系均转换为Albers等面积割圆锥投影。4重采样本发明认为利用遥感技术更适合大尺度房屋空置监测，因此研究中所有影像均重采样为2千米大尺度分辨率。5裁剪根据研究区范围裁剪影像。二提取建成区本发明使用的建成区数据由土地利用数据生成。根据LUCC分类体系，像素值51表示城镇用地，具体指大、中、小城市及县镇以上建成区用地。像素值52表示农村居民点，具体指独立于城镇以外的农村居民点。将这两类像素作为建成区，进行二值化和重采样后得到研究区域的建成区影像，如图1所示。三房屋空置指数提取建成区可分为两类：1人类活动高强度地区。其特点是人类活动强度高，夜间灯光较强，如商业区、住宅区、道路、广场等；2人类活动低强度地区。其特点是人类活动强度低，夜间基本无灯光、没有持续稳定灯光，或灯光总体较暗如空置住宅区、空置街道等。基于上述特点，本发明设计提出房屋空置指数HouseVacancyIndex，HVI，以表示房屋空置现象的严重程度。该指数可以监测房屋空置现象，反映出某区域的人类活动低强度地区，其计算公式如下：HVI＝BUA·1-OLSnor式中，BUA是二值的建成区影像，0表示非建成区，1表示建成区，OLSnor是归一化为0到1之间的DMSP-OLS影像。1减去OLSnor表示房屋空置指数与灯光强度成反比，HVI是生成的房屋空置指数，其范围在0到1之间，越大则表示空置现象越严重。四基于房屋空置指数的鬼城识别1鬼城指数计算鬼城是指资源枯竭并被废弃的城市，属于地理学名词。城市化进程中，越多越多城市新区空置率过高，夜晚漆黑一片，被形象地称为鬼城。为研究研究区地级市尺度空置现象的时空分布特征，同时监测鬼城现象，首先将建成区影像进行均值滤波，然后将所得房屋空置指数在地级市尺度聚合得到鬼城指数GhostCityIndex，GCI：式中，N为研究单元内像元总数，HVIk为第k个像元的房屋空置指数。鬼城指数表示城市鬼城现象的严重程度。研究区内地级市鬼城指数分布如图3所示。2鬼城识别鬼城指数表示城市鬼城现象的严重程度，高房屋空置指数的范围越大，城市越可能属于鬼城。

权利要求：1.一种基于夜光遥感数据的房屋空置监测方法，该方法包括如下步骤：步骤1对DMSP-OLS系列影像进行相互校正、饱和校正和连续性校正，并进行重投影、重采样和裁剪；步骤2由土地利用数据提取城镇区和农村居民点作为建成区，进行二值化和重采样后得到研究区域的建成区影像；步骤3基于建成区影像和DMSP-OLS影像计算房屋空置指数HVI，进而大尺度监测房屋空置现象，并对空置房屋的时空分布特征进行分析；步骤4将所得房屋空置指数在地级市进行聚合，得到鬼城指数GVI，用于识别鬼城。2.如权利要求书1所述的方法，其特征在于，所述步骤1的具体方法为：a采用不变区域法建立二次多项式模型，对DMSP-OLS系列影像进行相互校正和饱和校正，校正公式如下：DNadjusted＝C0+C1×DN+C2×DN2式中，DN表示待校正影像的像元灰度值，DNadjusted为校正后像元灰度值，C0、C1和C2为回归得到的不同参数。b夜光影像的坐标系为WGS-84坐标系，影像的网格必然会随着纬度增大而减小，为避免网格变形造成的影响，将所有影像投影坐标系均转换为Albers等面积割圆锥投影。c将所有影像均重采样为2千米大尺度分辨率，以适应大尺度房屋空置监测。3.如权利要求书1所述的方法，其特征在于，所述步骤3提出了房屋空置指数，具体方法为：利用建成区影像和DMSP-OLS影像，计算房屋空置指数HousingVacancyIndex，HVI，计算公式如下：HVI＝BUA·1-OLSnor式中，BUA是二值的建成区影像，0表示非建成区，1表示建成区，OLSnor是归一化为0到1之间的DMSP-OLS影像。1减去OLSnor表示房屋空置指数与灯光强度成反比，HVI是生成的房屋空置指数，其范围在0到1之间，越大则表示空置现象越严重。4.如权利要求书1所述的方法，其特征在于，所述步骤4提出了鬼城指数，具体方法为：a首先将建成区影像进行均值滤波，然后将所得房屋空置指数在地级市尺度聚合得到鬼城指数GhostCityIndex，GCI，计算公式如下：式中，N为研究单元内像元总数，HVIk为第k个像元的房屋空置指数。鬼城指数表示城市鬼城现象的严重程度。b将研究区所有地级城市的鬼城指数从大到小排序，获得研究区鬼城排名。

百度查询： 中国科学院遥感与数字地球研究所 一种基于夜光遥感数据的房屋空置监测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD