La re-extracció d'àrees urbanitzades basada en les imatges de llums nocturnes d'alta resolució

Resum

Independentment de l'escala regional o global, la definició de l'àrea urbanitzada és una base important per al monitoratge i la gestió de el desenvolupament urbà, i una condició important per a l'estudi de les polítiques socials, l'economia, la cultura i el medi ambient. Gràcies a el desenvolupament de la ciència i la tecnologia, l'expansió urbana està creixent ràpidament. El mètode d'extreure àrees urbanitzades de manera ràpida i precisa s'ha convertit en el focus de la investigació. A la dècada dels setanta, amb el començament de el Programa de satèl·lits meteorològics de defensa (Defense Meteorological Satellite Program, DMSP), naixent les imatges de llums nocturnes que proporcionen un nou mètode per a l'extracció d'àrees urbanitzades. No obstant això, a causa dels límits de la resolució espacial i el rang espectral, és cert que hi ha defectes en l'extracció d'àrees urbanitzades basada en les imatges de llums nocturnes de OMSP-OLS. En els últims anys, amb el desenvolupament de la tecnologia de teledetecció, van sorgir dades de teledetecció amb una resolució més gran, el que proporciona una font de dades efectiva i aplicable per al monitoratge de la planificació urbana.

Se suposa que les imatges de llums nocturnes amb resolució més gran tinguin una major precisió que les velles en l'extracció d'àrees urbanitzades. Aquest treball ha dedicat les imatges de llums nocturnes (NPP-VIIRS i Luojia1-01) i les imatges d'àrees urbanitzades (FROM-GLC 2017) a construir un model de regressió logística per avaluar i comparar la precisió de les dues imatges de llums nocturnes en l'extracció d'àrees urbanitzades. I espero explorar els avantatges de les imatges de llums nocturnes de satèl·lit de nova generació Luojia1-01 en els estudis de l'escala menor. En primer lloc, s'aprenen els coneixements d'imatge de llums nocturnes per resumir i determinar els mètodes necessaris, inclosos els mètodes de processament de dades, d'extracció d'àrees urbanitzades, d'avaluació i etc. En segon lloc, es processen les imatges i les dades en Arcgis per obtenir els valors de cada píxel com a variables, i realitzaré un model de regressió logística de les dades originals i logarítmics en SPSS. A més, Es calcula la taula creuada dels 4 resultats amb el valor d'urbanització per obtenir la probabilitat i Kappa. Finalment, es compara i analitza la probabilitat i Kappa, i els llindars obtinguts a Arcgis per realitzar la re-extracció d'àrees urbanitzades.