基于夜视灯光数据的人为活动影响力场的表达方法

摘要

本发明涉及夜视灯光技术领域，涉及一种基于夜视灯光数据的人为活动影响力场的表达方法，其包括：一、提取灯光聚集区：对夜视灯光数据进行处理，提取全国灯光分布栅格数据；二、集成全国土地利用、坡度及海拔空间数据；三、土地利用阻抗模型计算：采用层次分析法，对各土地利用类型进行阻抗量化；四、地理环境阻抗模型计算；五、人为活动影响力场模拟：进行成本距离分析，进行彩色晕染和可视化分析；六、基于夜视灯光遥感人为活动影响力场效果分析。本发明能够充分挖掘夜视灯光数据，结合其它数据源进行人为活动空间格局精确模拟，刻画人为活动的空间密度与强度。

说明书

技术领域

本发明涉及夜视灯光技术领域，具体地说，涉及一种基于夜视灯光数据的人为活动影响力场的表达方法。

背景技术

人为活动影响力场是描述广大野外空间环境上人为干扰的强度或影响力，是自然——人协同空间关系研究的关键变量。

夜视灯光遥感数据主要以上世纪90年代美国国防部的卫星计划的线性扫描业务系统DMSP/OLS(Defense Meteorological Satellites Program/Operational LineScanner System)，后经2011年新一代极轨运行环境卫星系列(NPOESS，National Polar-Orbiting Operational Environmental Satellite System)的可见红外图像辐射仪设备NPP/VIIRS(the Visible Infrared Imager Radiometer Suite)以及我国2018年发射珞珈卫星1号夜视卫星为代表，标志着遥感技术已由原来的对地观测(EOS，Earth ObservationSystem)转变为对人类社会中人为活动(human activity)的观测(Human SocietyObservation System)。该类遥感卫星使用对可见光、红外光敏感极高的电子元件，以获取地表夜间灯光的强弱信息，能探测到城市灯光甚至小规模居民地、车流等发出的低强度灯光，与普通光学遥感不同，夜视遥感对于反映人类社会活动具有独特的能力。并且随着夜间灯光数据研究的发展，人们发现夜间灯光与人类空间活动有着密切的关系，逐渐被广泛用于城市空间信息提取及城市城镇扩展、社会经济因子估算、资源消耗估算以及生物资源评估，生态环境监测及地表人为活动的监测研究中，并得出夜视灯光亮度值与人为活动频度及强度、人口密度具有极大相关性。

虽然夜视灯光遥感数据可以清晰的反映地表人为活动的聚集空间区域，但是人的活动在空间上不仅局限于有灯光的城市或居民点等位置，而是以灯光聚集区域为中心，向广袤的野外进行辐射扩散，表现出空间化的特点。如在偏远乡村等，由于经济落后，灯光指示弱，一些没有灯光、少有灯光的区域，如道路、野外旅游观光设施、农业开发、林业开发、生态旅游区域等，虽也有人为活动，但夜视灯光数据无法全面体现。

发明内容

本发明的内容是提供一种基于夜视灯光数据的人为活动影响力场的表达方法，其能够克服现有技术的某种或某些缺陷。

根据本发明的一种基于夜视灯光数据的人为活动影响力场的表达方法，其特征在于：包括以下步骤：

一、提取灯光聚集区：对夜视灯光数据进行处理，提取全国灯光分布栅格数据；

二、集成全国土地利用、坡度及海拔空间数据：收集全国植被分布矢量数据，提取坡度Slp信息，集成全国海拔Ele栅格及Slp栅格；

三、土地利用阻抗模型计算：采用层次分析法，对各土地利用类型进行阻抗量化；

四、地理环境阻抗模型计算；

五、人为活动影响力场模拟：进行成本距离分析，进行彩色晕染和可视化分析；

六、基于夜视灯光遥感人为活动影响力场效果分析。

作为优选，步骤一中，对夜视灯光数据进行处理的方法包括以下步骤：

1.1、选用空间滤波对DNB影像进行去噪处理；

1.2、通过计算影像中3×3邻域内辐射值的均方差，依据最小均方差准则实现最优滤波，以及将所有辐射值低于0.3nW/cm

1.3、利用Butterworth高通滤波器对图像进行高频信号增强，然后对增强处理的图像，以value>100为条件，提取全国灯光分布栅格数据，并重采样为250m栅格数据Lgt。

作为优选，步骤三中，对各土地利用类型进行阻抗量化包括以下步骤：

3.1、面向人为活动阻抗的土地利用分层：将全国的植被分布数据以土地利用的属性，即二级属性值进行分层，包括荒漠x

Z＝x

其中w

3.2、以判断矩阵元素标度方法，对8类专题图层进行各土地利用重要性比较和人为活动阻抗的量化，计算得到各类土地利用x对目标层人为活动的阻抗的权重A；

3.3、将判断矩阵中的每一列向量作归一化处理，并按行相加；

3.4、对行求和的向量作归一化处理，得到权重向量：

W

3.5、根据各类土地利用的权重向量W

作为优选，步骤四中，地理环境阻抗模型计算包括以下步骤：

4.1、海拔约束下人为活动的阻抗模拟：按Naismith’s定律，构建速度样本数据，建立行走速度与海拔的回归模型；模型如下：

y＝11558580x

其中y为人的可及度，x为海拔；

4.2、坡度约束下人为活动的阻抗模拟：建立速度与坡度间的关系表达式，对样本点数据进行回归分析，并进行检验，得到的坡度与速度的影响模型如下：

y＝3.36e

其中y为人的可及度，x为坡度；

4.3、坡度、海拔约束下地理环境阻抗模拟：以坡度、海拔与速度建立的阻抗模型为基础，将各自的速度归一化为0～1参数，以此作为每个地理栅格的阻抗，以两个地图的0.5等权重进行叠加形成地理环境阻隔模拟；

4.4、基于土地利用与地理环境阻抗地图合成的综合阻抗：将土地利用与地理环境阻抗进行等权空间叠加，形成土地利用与地理环境综合条件下的阻抗专题Impce。

作为优选，步骤五中，以灯光数据Lgt为source，以综合阻抗Impce为cost参量，借助GIS系统的Costdistance(source，cost)函数进行成本距离分析，对函数运算结果进行彩色晕染和可视化分析。

作为优选，步骤六中，基于夜视灯光遥感人为活动影响力场效果分析包括以下步骤：

6.1、可视化对比分析：以基础地理信息数据中道路为数据源，以成本距离构建基于交通网络的人为活动影响力场，并与夜视灯光遥感数据构建的人为活动影响力场，进行可视化对比分析；

6.2、相关性分析：通过对夜视灯光数据模拟的人为活动格局与交通网络影响力进行相关性分析。

本发明能够充分挖掘夜视灯光数据，结合其它数据源进行人为活动空间格局精确模拟，刻画人为活动的空间密度与强度，结果对于受人为活动干扰的自然或生态环境的评估中具有重要的应用前景，如人为活动对野火的引燃、人对病原体的传播与扩散作用机制、流行病传播风险分析、生态系统质量中人文因子评估等研究。

附图说明

图1为实施例1中一种基于夜视灯光数据的人为活动影响力场的表达方法的流程图；

图2为实施例1中全国灯光分布数据示意图；

图3为实施例1中人为活动土地利用阻抗格局图；

图4为实施例1中人的步行时速与海拔关系模型图；

图5为实施例1中人的步行时速与坡度关系模型图；

图6为实施例1中地理环境带来的人为活动阻抗力场的示意图；

图7为实施例1中地理环境及土地利用带来的人为活动阻抗力场的示意图；

图8为实施例1中基于夜视卫星数据的人为活动密度空间格局的示意图；

图9为实施例1中基于交通基础设施的人为活动影响力场的示意图；

图10为实施例1中基于夜视灯光遥感的人为活动影响力场的示意图。

具体实施方式

为进一步了解本发明的内容，结合附图和实施例对本发明作详细描述。应当理解的是，实施例仅仅是对本发明进行解释而并非限定。

实施例1

本实施例提供了一种基于夜视灯光数据的人为活动影响力场的表达方法，其特征在于：包括以下步骤：

一、提取灯光聚集区：对夜视灯光数据进行处理，提取全国灯光分布栅格数据；

二、集成全国土地利用、坡度及海拔空间数据：收集全国1:100万植被分布矢量数据(数据来源于资源环境数据云平台http://www.resdc.cn)，全国DEM(数字高程模型)数据来源于地理空间数据云(http://bjdl.gscloud.cn/sources)的SRTM DEM 90m，并重采样为250m，以ArcGIS表面分析工具提取坡度Slp信息，集成全国海拔Ele栅格及Slp栅格；

三、土地利用阻抗模型计算：采用层次分析法，对各土地利用类型进行阻抗量化；

四、地理环境阻抗模型计算；

五、人为活动影响力场模拟：进行成本距离分析，进行彩色晕染和可视化分析；

六、基于夜视灯光遥感人为活动影响力场效果分析。

步骤一中，对夜视灯光数据进行处理的方法包括以下步骤：

1.1、从https://ngdc.noaa.gov/下载NOAA第二代夜视灯光数据NPP/VIIRS(740m分辨率)数据，选用空间滤波对DNB影像进行去噪处理；

1.2、通过计算影像中3×3邻域内辐射值的均方差，依据最小均方差准则实现最优滤波，以及将所有辐射值低于0.3nW/cm

1.3、利用Butterworth高通滤波器对图像进行高频信号增强，然后对增强处理的图像，以value>100为条件，提取全国灯光分布栅格数据，并重采样为250m栅格数据Lgt，如图2所示。

步骤三中，对各土地利用类型进行阻抗量化包括以下步骤：

3.1、面向人为活动阻抗的土地利用分层：将全国的植被分布数据以土地利用的属性，即二级属性值进行分层，包括荒漠x

Z＝x

其中w

3.2、以判断矩阵元素标度方法，如表1对8类专题图层进行各土地利用重要性比较和人为活动阻抗的量化，计算得到各类土地利用x对目标层人为活动的阻抗的权重A，如表2所示；

表1判断矩阵元素a

表2各属性对于目标层Z的权重A

3.3、将判断矩阵中的每一列向量作归一化处理，并按行相加，得到如表3所示；

表3向量归一化处理

3.4、对行求和的向量作归一化处理，得到权重向量：

W

3.5、计算

表4随机一致性指标RI

步骤四中，地理环境阻抗模型计算包括以下步骤：

4.1、海拔约束下人为活动的阻抗模拟：

根据Naismith’s定律，步行速度随着海拔的升高而降低，假如普通人的步行平均时速为4km/h，则海拔每升高10m，则会多花一分钟时间。这一定律的关键就是确定4km/h的海拔基线。

根据试验海拔约在1900m，步行速度可达到4km/h作为基线，按Naismith’s定律，构建速度样本数据，建立行走速度与海拔的回归模型，以表达海拔阻抗与野外行进的影响定价。以时速与海拔阻抗的关系如表5，以回归分析，建立模拟模型，如图4所示，并通过了模型有效性检验，从该模型中可见是一指数模型，模型如下：

y＝11558580x

其中y为人的可及度，x为海拔；模型的R

表5人的步行时速与海拔关系表

从图4可知，随着海拔的上升，人的步行速度呈明显降低趋势，且呈指数倍下降，海拔越高，下减得越慢，反正亦然。

4.2、坡度约束下人为活动的阻抗模拟：按照人步行速度(4km/h)总代谢当量为3及步行耗氧量计算速度与坡度关系，如表6，并以此建立速度与坡度间的关系表达式，如图5所示。

表6人的步行时速与坡度关系表

依据表6的样本点数据进行回归分析，并进行检验，得到的坡度与速度的影响模型如下：

y＝3.36e

其中y为人的可及度，x为坡度；模型的R

从图5可见，人的步行时速与坡度间一个指数关系模型，随着坡度增加，人的步行速度逐渐减缓，当坡度达到一定程度，如超过20度以上时，人的可及性即速度就非常小，变化也非常慢，即可及度十分低，甚至达到不可及。

4.3、坡度、海拔约束下地理环境阻抗模拟：以坡度、海拔与速度建立的阻抗模型为基础，将各自的速度归一化为0～1参数，以此作为每个地理栅格的阻抗，以两个地图的0.5等权重进行叠加形成地理环境阻隔模拟；如图6所示。

从图6中可见，在地理环境中，坡角大、海拔高的地方阻抗力大，平地区域、低海拔区域阻抗力小。高阻抗主要位青藏高原及南缘的云南高原，昆仑山，东南部近沿海区域，以及中部的秦岭区域，东北平原、东部平原、长江中下游平原低阻抗区，西部盆地和蒙新高原皆为较低阻抗区。

4.4、基于土地利用与地理环境阻抗地图合成的综合阻抗：将土地利用与地理环境阻抗进行等权空间叠加，形成土地利用与地理环境综合条件下的阻抗专题Impce，如图7所示。

从图7中可见人为活动低阻碍即高可及的区域主要位于东部、东北平原、四川盆地、陕西西安、湖北，中等可及区位于内蒙古、青海及新疆维吾尔自治区，这一阻碍格局恰好反映了人为开发的程度。

步骤五中，以灯光数据Lgt为source，以综合阻抗Impce为cost参量，借助GIS系统的Costdistance(source，cost)函数进行成本距离分析，对函数运算结果进行彩色晕染和可视化分析，如图8所示。

从图8可见，除了西藏、青海、新疆部分及黑龙江漠河、内蒙的额济纳旗人为人为活动非常稀少，属于无人区或“荒野”区外，其它区域都有不同程度的人为活动。高人为活动区主要集中在东部沿海线一带，东部平原是人为活动高密度区，这里也是中国经济开发强度最大、社会经济发展最快、人口密度最高的区域。以及长江流域、黄河流域、中部四川盆地、南部广东、北京，至东北的沈阳、哈尔滨等主要城市周围。而在四川盆地及重庆的周边，云南、贵阳的大部分地区的周边往往存在中等程度的人为活动。北部的内蒙大部分区域及新疆维吾尔自治区一些主要城市周围均有中等密度的人为活动。

从图8中可见人为活动是围绕着有灯光的聚集场所向外围散开，但各处辐射的距离有所不同，这主要与地理环境及土地利用带来的可及性有关。人为活动的影响不仅与土地利用有关，还与地理环境有关，如高海拔区域人的步行及车行的成本较低海拔区域更大，同时坡面坡度不同，行进的速度也是有差异的。

步骤六中，基于夜视灯光遥感人为活动影响力场效果分析包括以下步骤：

6.1、可视化对比分析：以基础地理信息数据中道路为数据源，以成本距离构建基于交通网络的人为活动影响力场，如图9所示，并与夜视灯光遥感数据构建的人为活动影响力场，如图10进行可视化对比分析；

从图9中可看出，交通网络的影响力模拟量随着交通线呈现线状分布，影响力大的区域的分布较为狭窄，空间影响力的辐射半径较小、依距离的增加衰减较快。而图10所示，灯光遥感指数的影响力具有团聚性，空间辐射区域较大，影响力衰减较为缓慢。对比两图可看出，灯光遥感指数表达的影响力的渐变性更好。由于遥感指数的大小表达了地面的人口密度、或人用电的密度，构建模拟模型后，色彩渐变、过渡、人为影响强弱表达更好，这种人为活动密度格局的描述更符合人为活动对自然生态系统干扰(野火引燃)的非线性空间辐射的知识。另外，灯光的面积和强弱的微观格局，也能较好体现人为活动影响的空间差异性，而同种道路类型是无法体现人为影响力的变化。总之，灯光表达的影响格局，体现了人为活动的差异性，优于交通网络的模拟的人为活动影响效果。

6.2、相关性分析：通过对夜视灯光数据模拟的人为活动格局与交通网络影响力进行相关性分析，得到线性相关系数为0.761，表明这两个变量表达人为影响有一定的相似性，都能较好的指示人为活动的空间影响范围、影响程度，但基于夜视灯光遥感的人为活动影响力场在渐变性及其对人口密度的表达更为客观，且与时间有关，更能客观表达人为活动影响的时空连续分布，对于基于时空的人——自然系统协同关系研究更为精准。

以上示意性的对本发明及其实施方式进行了描述，该描述没有限制性，附图中所示的也只是本发明的实施方式之一，实际的结构并不局限于此。所以，如果本领域的普通技术人员受其启示，在不脱离本发明创造宗旨的情况下，不经创造性的设计出与该技术方案相似的结构方式及实施例，均应属于本发明的保护范围。