基于高分衛星遙感數據的GDP密度分析系統的制作方法
本發明涉及gdp密度計算領域，具體涉及一種基于高分衛星遙感數據的gdp密度分析系統。
背景技術：
國內生產總值(gdp：grossdomesticproduct)是指一個國家或者地區所有常駐單位在一定時期內生產的所有最終產品和勞務的市場價值。gdp是國民經濟核算的核心指標，也是衡量一個國家或地區總體經濟狀況重要指標。
目前，gdp密度一般是以行政區劃為計算單位的，比如某一縣市的gdp總額除以該縣市的地理面積即作為該縣市的gdp密度，精度很差，gdp在該縣市內具體一些的分布情況是不可知的，采用上述方法無法獲知區域內部gdp的差異，。
綜上，目前迫切需要一種精度更高的gdp密度分析系統。
技術實現要素：
針對現有技術中的缺陷，本發明提供一種基于高分衛星遙感數據的gdp密度分析系統，以提高gdp密度計算的精準度，體現出gdp的分布細節，為國家和地方的宏觀調控、經濟策略和發展路線的規劃提供數據支撐。
本發明提供的一種基于高分衛星遙感數據的gdp密度分析系統，包括：遙感數據獲取模塊、地物類型確定模塊、gdp系數確定模塊、格網劃分模塊和gdp密度確定模塊；其中，
所述遙感數據獲取模塊，用于獲取目標區域對應的遙感數據；
所述地物類型確定模塊，用于根據所述遙感數據確定所述目標區域的地物類型組成；
所述gdp系數確定模塊，用于確定所述目標區域內不同地物類型對應的gdp系數，所述gdp系數為單位面積地物類型對應的gdp；
所述格網劃分模塊，用于將目標區域劃分為多個格網；
所述gdp密度確定模塊，用于根據各個所述格網的地物類型組成和所述gdp系數，計算各個所述格網的gdp密度，以確定所述目標區域的gdp密度分布情況。
可選的，所述地物類型確定模塊，包括：
雷達數據地物類型確定單元，用于基于不同地物類型對雷達信號的反射和散射特性，根據所述遙感數據獲取模塊獲取的雷達遙感數據確定所述目標區域的地物類型組成。
可選的，所述地物類型確定模塊，包括：
多光譜數據地物類型確定單元，用于基于不同地物類型對不同波段光譜反射率的差異，根據所述遙感數據獲取模塊獲取的多光譜遙感數據確定所述目標區域的地物類型組成。
可選的，所述gdp系數確定模塊，包括：
回歸計算單元，用于根據已經明確地物類型組成和gdp數值的區域的樣本數據，采用回歸算法計算各地物類型對應的gdp系數。
可選的，所述gdp密度確定模塊，包括：
gdp密度確定單元，用于根據以下數學算法計算各個所述格網的gdp密度：
其中，
可選的，所述基于高分衛星遙感數據的gdp密度分析系統，還包括：
第一gdp密度優化模塊，用于基于夜間燈光強度與gdp密度的對應關系，根據夜間燈光遙感數據對所述gdp密度確定單元計算的各個所述格網的gdp密度進行優化，以優化所述目標區域的gdp密度分布情況。
可選的，所述第一gdp密度優化模塊，包括：
第一gdp密度優化單元，用于根據以下數學算法對各個所述格網的gdp密度進行優化：
其中，gdpi表示優化后獲得的第i個格網對應的gdp密度，
可選的，所述基于高分衛星遙感數據的gdp密度分析系統，還包括：
第二gdp密度優化模塊，用于基于城市熱島強度與gdp密度的對應關系，根據紅外遙感數據對所述gdp密度確定單元計算的各個所述格網的gdp密度進行優化，以優化所述目標區域的gdp密度分布情況。
可選的，所述第二gdp密度優化模塊，包括：
第二gdp密度優化單元，用于根據以下數學算法對各個所述格網的gdp密度進行優化：
其中，gdpi表示優化后獲得的第i個格網對應的gdp密度，
可選的，所述基于高分衛星遙感數據的gdp密度分析系統，還包括：
gdp密度分布圖生成模塊，用于根據gdp密度與不同顏色的映射關系，將各所述格網對應的位置填充與該網格gdp密度相應的顏色，以繪制所述目標區域的gdp密度分布圖。
由上述技術方案可知，本發明提供的一種基于高分衛星遙感數據的gdp密度分析系統，包括：遙感數據獲取模塊、地物類型確定模塊、gdp系數確定模塊、格網劃分模塊和gdp密度確定模塊。相較于現有技術，本申請提供的所述基于高分衛星遙感數據的gdp密度分析系統，通過將目標區域劃分為多個格網，然后以格網為單位分別計算每個格網內的gdp密度，從而能夠計算出目標區域內更加具體的gdp密度分布情況，相較于現有技術更加精確。另一方面，本申請基于遙感數據可以較為準確的確定目標區域內的地物類型組成，基于上述地物類型組成，可以較為準確的確定不同地物類型對應的gdp系數，從而保證最終計算的gdp密度具有較高的準確度。綜上，基于本申請可以更加精確、準確的確定目標區域內的gdp密度分布情況，體現出gdp的分布細節，進而為國家和地方的宏觀調控、經濟策略和發展路線的規劃提供數據支撐。
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于高分衛星遙感數據的gdp密度分析系統的示意圖；
圖2示出了一種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示出了本發明實施例提供的某一區域的gdp密度分布情況效果圖；
圖5示出了本發明實施例提供的某一區域經夜間燈光強度優化的gdp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。以下實施例僅用于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范圍。
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。
本發明提供一種基于高分衛星遙感數據的gdp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于高分衛星遙感數據的gdp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于高分衛星遙感數據的gdp密度分析系統包括：
遙感數據獲取模塊1、地物類型確定模塊2、gdp系數確定模塊3、格網劃分模塊4和gdp密度確定模塊5；其中，
所述遙感數據獲取模塊1，用于獲取目標區域對應的遙感數據；
所述地物類型確定模塊2，用于根據所述遙感數據確定所述目標區域的地物類型組成；
所述gdp系數確定模塊3，用于確定所述目標區域內不同地物類型對應的gdp系數，所述gdp系數為單位面積地物類型對應的gdp；
所述格網劃分模塊4，用于將目標區域劃分為多個格網；
所述gdp密度確定模塊5，用于根據各個所述格網的地物類型組成和所述gdp系數，計算各個所述格網的gdp密度，以確定所述目標區域的gdp密度分布情況。
其中，所述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，可以根據地面覆蓋物對不同波段光線的反射情況的差異，將地面覆蓋物劃分為藍頂建筑物、紅頂建筑物、水泥頂建筑物、裸地、湖泊、河流、農田和林地等；不同地物類型對gdp的貢獻是不同的，例如，建筑物區域產生的gdp遠遠高于湖泊、河流產生的gdp，因此，劃分地物類型，并根據地物類型細化gdp密度，可以更加精準的刻畫gdp密度的分布情況。
隨著遙感技術及高分辨率數據采集技術的發展，遙感數據的分辨率越來越高，數據類型越來越豐富，因此，采用高分辨率遙感數據對地面的地物類型進行區分已成為可能且辨識的準確性越來越高，基于此，也可以將所述格網劃分得越小，以實現本發明實施例計算較為精確、準確的gdp密度的目的。
由于不同的遙感衛星采用的遙感方式不同，采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衛星是采用合成孔徑雷達采集遙感數據，其數據形式為雷達數據，而高分5號衛星和landsat系列衛星采用的是全譜段成像儀等儀器采集遙感數據，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于對目標區域進行地物類型的確定，本發明實施例中，所述遙感數據獲取模塊1可以根據配置的所述地物類型確定模塊2的工作原理選擇相應的遙感數據。
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，但由于云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，采用根據天氣情況選擇采用不同的遙感數據的方式，晴空地區采用多光譜遙感數據，多云多雨地區則采用雷達遙感數據，從而從數據源開始最大限度的保證后續計算的準確性，具體實施方式為請參考圖2，其示出了一種遙感數據獲取模塊1的示意圖，所述遙感數據獲取模塊1包括：天氣判斷單元11、雷達數據獲取單元12和多光譜數據獲取單元13；
所述天氣判斷單元11用于根據目標區域的天氣狀況選擇觸發雷達數據獲取單元12獲取雷達遙感數據或觸發多光譜數據獲取單元13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13獲取多光譜遙感數據，在云雨霧雪等天氣條件下觸發雷達數據獲取單元12獲取雷達遙感數據；
所述雷達數據獲取單元12用于在所述天氣判斷單元11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13用于在所述天氣判斷單元11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11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系的數據庫，所述天氣判斷單元11根據需要實時從所述數據庫中調取；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，均在本申請的保護范圍之內。
根據遙感數據的不同，所述地物類型確定模塊2也采用不同的方式進行數據的提取，例如，對雷達遙感數據，由于建筑物的布局、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征，如城市中建筑物分布整齊，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，而建筑物之間的道路，粗糙植被如草坪等，由于表面散射，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，所述地物類型確定模塊2，包括：雷達數據地物類型確定單元，用于基于不同地物類型對雷達信號的反射和散射特性，根據所述遙感數據獲取模塊1獲取的雷達遙感數據確定所述目標區域的地物類型組成。
具體的，所述雷達數據地物類型確定單元可以采用以下方法從目標區域中提取出各地物類型對應的區域：對某一待提取的地物類型，可以基于變差函數理論，在分析中高分辨率sar圖像中該待提取地物類型紋理特征的基礎上，采用基于迭代p參數法的閾值確定方法，為滿足閾值范圍的像元點賦以權值，以加大該待提取地物類型與其他地物類型的變差函數差，從而提取出該待提取地物類型對應的區域。采用上述方法，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地物類型區域的技術為現有技術，本實施例不再贅述。現有技術中還公開有多種針對具體地物類型如湖泊、林地、農田等的提取方法，其均可應用于本發明實施例以達到確定目標區域中地物類型組成的目的，本領域技術人員可以將其應用于本發明實施例整體方案中，起均應在本申請的保護范圍之內。
而對于多光譜遙感數據，現有技術雖然公開了部分提取水面、建筑物的方法，但發明人在應用中發現其提取精度、準確性并不理想，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，所述地物類型確定模塊2，包括：
多光譜數據地物類型確定單元，用于基于不同地物類型對不同波段光譜反射率的差異，根據所述遙感數據獲取模塊1獲取的多光譜遙感數據確定所述目標區域的地物類型組成。
具體的，在本申請提供的一個實施例中，所述多光譜數據地物類型確定單元，包括：
地物分類子單元，用于將地物類型劃分為藍頂建筑物、紅頂建筑物、水泥頂建筑物、裸地、湖泊、河流、農田和林地；
地物確定調度子單元，用于根據所述地物分類子單元對地物類型的劃分結果，對各地物類型，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該地物類型對應的區域，從而確定所述目標區域的地物類型組成；
提取指數構建子單元，用于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，用于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，用于將各像元的所述地物提取指數的指數值進行二值化處理，并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。
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，更為細致、準確的將地物類型劃分為藍頂建筑物(主要為企業的廠棚)、紅頂建筑物(主要為紅頂房屋，部分為企業廠棚)、水泥頂建筑物(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，由于不同地物類型對應的gdp系數不同，這樣細致的劃分有助于提高最終計算的gdp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，波段5表示近紅外波段，由圖可知，藍頂建筑物在藍光波段的反射率明顯高于綠光波段的反射率，而其他地物類型則基本持平或者是綠光波段的反射率高于藍光波段的反射率，這樣，若計算藍光波段的反射率減去綠光波段的反射率，藍頂建筑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于零的正數，據此可以將藍頂建筑物提取出來；采用同樣的理論，紅頂建筑物和水泥頂建筑物(包括裸土)在紅光波段的反射率明顯高于綠光波段的反射率，而其他地物類型則均是綠光波段的反射率高于紅光波段的反射率，這樣，若計算紅光波段的反射率減去綠光波段的反射率，紅頂建筑物和水泥頂建筑物(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，據此可以將紅頂建筑物和水泥頂建筑物(包括裸土)提取出來。其中，可以在提取出藍頂建筑物后，再基于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筑物和水泥頂建筑物。采用相同的理論，湖泊和河流在近紅外波段的反射率低于在紅光波段的反射率，而其他地物類型對應的在近紅外波段的反射率均高于在紅光波段的反射率，這樣，若計算紅光波段的反射率減去近紅外波段的反射率，湖泊和河流對應的數值為正數，而其他地物類型對應的數值則為負數，據此可以將湖泊和河流提取出來(湖泊和河流產生的gdp近似，因此可統一視為水域而不必進一步進行區分)。
由于裸土實際面積較少可以忽略，為了簡化計算，本發明實施例采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，進一步提取出裸土后扣除，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范圍之內。
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筑物，則所述提取指數構建子單元，可以根據藍頂建筑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筑物的地物提取指數，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表示針對藍頂建筑物的地物提取指數，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筑物和水泥頂建筑物(不便于區分，可以一并提取)，則所述提取指數構建子單元，可以根據紅頂建筑物和水泥頂建筑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筑物和水泥頂建筑物的地物提取指數，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表示針對紅頂建筑物和水泥頂建筑物的地物提取指數，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。
采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，從而有助于在后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，以減少在后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，并根據二值化結果對所述遙感數據進行分割后，即可根據對所述針對藍頂建筑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筑物，根據對所述針對紅頂建筑物和水泥頂建筑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筑物和水泥頂建筑物，采用類似的方法可以進一步提取出湖泊和河流、農田和林地等地物類型，從而確定目標區域內的地物類型組成。
其中，所述gdp系數是指指定地物類型單位面積上的gdp數值，可以通過統計現有較為精確的數據確定，為了保證所述gdp系數計算的精確性，在本發明提供的一個實施例中，所述gdp系數確定模塊3，包括：
回歸計算單元，用于根據已經明確地物類型組成和gdp數值的區域的樣本數據，采用回歸算法計算各地物類型對應的gdp系數。
例如，所述回歸計算單元可以獲取多個與目標區域相似的區域的樣本數據，每個樣本數據包括樣本區域中明確的地物類型組成情況(包括各地物類型的實際面積)和gdp數值，基于上述樣本數據，可以以各地物類型的gdp系數為自變量，以gdp數值為因變量，建立回歸模型，然后將樣本數據輸入所述回歸模型，經過數據擬合確定各地物類型對應的gdp系數。采用上述回歸算法可以獲得更為準確的各地物類型對應的gdp系數，從而有助于最終計算獲得更為精準的gdp密度。
所述格網劃分模塊4，用于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分辨率的高低靈活設置，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范圍之內，格網劃分越精細，最終確定的gdp密度的分布情況更加精準。
根據所述目標區域的地物類型組成情況和gdp系數，所述gdp密度確定模塊5即可計算確定各格網(格網是將目標區域劃分而得的，目標區域的地物類型組成情況確定了，相應的各格網的地物類型組成情況也就確定了)的gdp密度，具體計算方法可以根據實際需求靈活設置，在本申請提供的一個實施例中，所述gdp密度確定模塊5，包括：
gdp密度確定單元，用于根據以下數學算法計算各個所述格網的gdp密度：
其中，
由于格網是將目標區域劃分而得的，各所述格網的gdp密度確定了，那么目標區域的gdp密度分布情況(即人口空間分布)也就確定了。
基于以上實施例說明，本發明第一實施例通過將目標區域劃分為多個格網，然后以格網為單位分別計算每個格網內的gdp密度，從而能夠計算出目標區域內更加具體的gdp密度分布情況，相較于現有技術更加精確。另一方面，本申請基于遙感數據可以較為準確的確定目標區域內的地物類型組成，基于上述地物類型組成，可以較為準確的確定不同地物類型對應的gdp系數，從而保證最終計算的gdp密度具有較高的準確度。綜上，基于本申請可以更加精確、準確的確定目標區域內的gdp密度分布情況，體現出gdp的分布細節，進而為國家和地方的宏觀調控、經濟策略和發展路線的規劃提供數據支撐。
為了更加直觀的展現所述gdp密度分布情況，在本申請提供的一個實施例中，所述基于高分衛星遙感數據的gdp密度分析系統，還包括：
gdp密度分布圖生成模塊，用于根據gdp密度與不同顏色的映射關系，將各所述格網對應的位置填充與該網格gdp密度相應的顏色，以繪制所述目標區域的gdp密度分布圖。
作為上述實施例的變更實施方式，可以采用灰度圖代替彩色圖表征目標區域的gdp密度分布圖，如圖4所示，其為本發明實施例提供的某一區域的gdp密度分布情況效果圖，圖中，顏色越深表示gdp密度越大，由圖可見，相較于現有簡單粗暴的采用行政區劃計算和表征gdp密度分布情況的方式，采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gdp密度分布情況。
考慮到，地物類型是反映gdp密度的重要因素，但僅用地物類型來分析gdp密度的分布情況時，難以區分相同地物類型之間的gdp密度差異。而研究表明，夜間燈光數據與gdp密度存在高度相關。因此，在本申請提供的一個實施例中，所述基于高分衛星遙感數據的gdp密度分析系統，還包括：
第一gdp密度優化模塊，用于基于夜間燈光強度與gdp密度的對應關系，根據夜間燈光遙感數據對所述gdp密度確定單元計算的各個所述格網的gdp密度進行優化，以優化所述目標區域的gdp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采集獲得，例如我國發射的高分4號衛星即可在夜間采集夜間燈光遙感數據，根據采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gdp密度確定單元計算的各個所述格網的gdp密度進行優化。
具體的，在本申請提供的一個實施例中，所述第一gdp密度優化模塊，包括：
第一gdp密度優化單元，用于根據以下數學算法對各個所述格網的gdp密度進行優化：
其中，gdpi表示優化后獲得的第i個格網對應的gdp密度，
本領域技術人員可以基于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范圍之內。
通過采用夜間燈光數據對所述格網的gdp密度進行優化，可以將借助夜間燈光數據將相同地物類型之間的gdp密度差異表征出來，從而使計算的gdp密度更加準確。
容易理解的是，對于對所述gdp密度確定單元計算的各個所述格網的gdp密度進行優化的情形，所述gdp密度分布圖生成模塊可以利用優化后的各個所述格網的gdp密度繪制所述目標區域的gdp密度分布圖。請參考圖5，本發明實施例提供的某一區域經夜間燈光強度優化的gdp密度分布情況效果圖，圖中，顏色越深對應的gdp密度越高，由圖可見，經過夜間燈光強度優化后，獲得的gdp密度分布圖更加的精確、準確。
城市熱島強度也可以反映人類的社會經濟活動，研究證實，城市熱島強度與gdp具有較好的相關性，因此，還可以采用城市熱島強度優化所述gdp密度確定模塊計算確定的gdp密度，以更加精確的確定gdp密度的分布情況。在本申請提供的一個實施例中，還可以采用城市熱島強度對各格網的所述gdp密度進行優化，所述基于高分衛星遙感數據的gdp密度分析系統，還包括：
第二gdp密度優化模塊，用于基于城市熱島強度與gdp密度的對應關系，根據紅外遙感數據對所述gdp密度確定單元計算的各個所述格網的gdp密度進行優化，以優化所述目標區域的gdp密度分布情況。
其中，所述城市熱島強度根據所述目標區域對應的紅外遙感數據計算確定，而紅外遙感數據可以通過具有全譜段成像儀的遙感衛星采集獲得，例如我國發射的高分5號衛星攜帶有全譜段成像儀，可獲得地表20m可見近紅外和40m中長紅外遙感數據，根據采集的紅外遙感數據，即可通過陸地表面溫度反演技術推算出所述紅外遙感數據中各個像元對應的地面溫度，而城市熱島強度定義為城市中心區溫度與郊區的溫度差值，用來表征由于城市結構所造成的城市區域溫度高于郊區溫度的程度，因此根據所述地面溫度即可計算出所述紅外遙感數據中各個像元對應的城市熱島強度，從而確定每個格網對應的城市熱島強度(可以是格網內所有像元的城市熱島強度取平均值)以及目標區域的平均城市熱島強度，據此可以對所述gdp密度確定單元計算的各個所述格網的gdp密度進行優化。
具體的，在本申請提供的一個實施例中，所述第二gdp密度優化模塊，包括：
第二gdp密度優化單元，用于根據以下數學算法對各個所述格網的gdp密度進行優化：
其中，gdpi表示優化后獲得的第i個格網對應的gdp密度，
其中，基于紅外遙感數據采用陸地表面溫度反演技術推算地面溫度為現有成熟的技術，此處不再贅述，將其應用于本發明實施例中構成的整體實施方案，均在本申請的保護范圍之內。
容易理解的是，對于對所述gdp密度確定單元計算的各個所述格網的gdp密度進行優化的情形，所述gdp密度分布圖生成模塊可以利用優化后的各個所述格網的gdp密度繪制所述目標區域的gdp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征、結構、材料或者特點包含于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，描述的具體特征、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征進行結合和組合。
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、方法和計算機程序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于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，方框中所標注的功能也可以以不同于附圖中所標注的順序發生。例如，兩個連續的方框實際上可以基本并行地執行，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于硬件的系統來實現，或者可以用專用硬件與計算機指令的組合來實現。
本發明實施例所提供的基于高分衛星遙感數據的gdp密度分析系統可以是計算機程序產品，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于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，或一些特征可以忽略，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，即可以位于一個地方，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。
所述功能如果以軟件功能單元的形式實現并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。基于這樣的理解，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件產品的形式體現出來，該計算機軟件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，服務器，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、移動硬盤、只讀存儲器(rom，read-onlymemory)、隨機存取存儲器(ram，randomaccessmemory)、磁碟或者光盤等各種可以存儲程序代碼的介質。
最后應說明的是：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；盡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征進行等同替換；而這些修改或者替換，并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范圍，其均應涵蓋在本發明的權利要求和說明書的范圍當中。
- 還沒有人留言評論。精彩留言會獲得點贊！