(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202111435295.1 (22)申请日 2021.11.29 (65)同一申请的已公布的文献号 申请公布号 CN 114266138 A (43)申请公布日 2022.04.01 (73)专利权人 西南大学 地址 400715 重庆市北碚区天生路2号 专利权人 重庆师范大学　 重庆地遥科技有限公司 (72)发明人 李月臣　卢伟　刘春霞　赵荣坤　 王月　王荣祥　张宇　 (74)专利代理 机构 重庆天成卓越专利代理事务 所(普通合伙) 50240 专利代理师 王宏松(51)Int.Cl. G06F 30/20(2020.01) G06F 119/02(2020.01) (56)对比文件 CN 111652198 A,2020.09.1 1 CN 110533038 A,2019.12.0 3 审查员 宋佳璇 (54)发明名称 一种利用云端数据进行城市边缘区识别与 验证方法 (57)摘要 本发明提出了一种利用云端数据进行城市 边缘区识别与验证方法， 包括以下步骤： S1， 选 取 能反映出城市边缘区的特征指标； S2， 寻找突变 点并进行连接， 从而确定城市边缘区的范围； S3， 对得到城市边缘区的空间分布范围进行验证。 本 发明方法能够减少主观因素影响并有效剔除噪 声， 准确地识别出城市边缘区的空间范围。 且相 比以往根据夜间灯光、 植被指数等数据分析的验 证方法， 本发 明通过选取一定数量样本点进行验 证的结果更加可靠 。 权利要求书3页 说明书10页 附图7页 CN 114266138 B 2022.09.16 CN 114266138 B 1.一种利用云端数据进行城市边缘区识别与验证方法， 其特征在于， 调用云端数据进 行边缘计算包括以下步骤： S1， 选取能反映出城市边 缘区的特 征指标； S2， 寻找突变点并进行 连接， 从而确定城市边 缘区的范围； S3， 对步骤S2中得到的城市边 缘区的空间分布范围进行验证， 其验证方法包括： 通过判断类夜间灯光数据在划分出的城市边缘区、 城市区域、 乡村区域中是否存在梯 度变化的特 征， 包括以下步骤： S31， 获取夜间拍摄的图像数据， 选取晚上八点半到九点之间拍摄的图像数据； S32， 对拍摄的图像进行处 理， 其对拍摄的图像进行处 理的方法包括以下步骤： 判断其遥感拍摄的影 像图像是否为彩色图片： 若拍摄的影像图像为彩色图片， 则将彩色图片转换为灰度图片， 其将彩色图片转换为 灰度图片的方法为： Grayscale  image(i,j)＝RColor image(i,j)×r+GColor image(i,j)×g+BColor image(i,j)×b， 其中， Grayscale  image(i,j)表示在像素点 坐标(i,j)处的像素值； 表示影像 图像像素点坐标集合， I表示影像图像的竖向像素点总个数， J表示影像图像的横向像素点 总个数， I＝η*P， η表示影像图像的分辨率， P表示影像图像的竖向宽度， J＝η*Q， Q表示影像 图像的横向宽度； RColor image(i,j)表示在像素点 坐标(i,j)处的红色量； GColor image(i,j)表示在像素点 坐标(i,j)处的绿色量； BColor image(i,j)表示在像素点 坐标(i,j)处的蓝色量； r表示红色量调节参数； g表示绿色量调节参数； b表示蓝色量调节参数； 执 行下一步； 若拍摄的影 像图像为灰度图片， 则执 行下一步； S33， 判断计算的像素值与预设第一像素阈值和预设第二像素阈值间的关系： 若 其中， Grayscale  image(i,j)表示计算得到的像素值， 表示预设第一像素阈值； 则将像素点 坐标(i,j)处的像素值标记为红色； 若 其中， 表示预设第二像素阈值； 则将像素点坐标(i,j)处 的像素值标记为绿色； 预设第二像素阈值小于预设第一像素阈值； 若 则将像素点 坐标(i,j)处的像素值标记为蓝色； S34， 将步骤S33中所有标记为红色的像素点划分为城市区域， 将步骤S33中所有标记为 绿色的像素点划分为城市边缘区域， 将步骤S33中所有标记为蓝色的像素点划分为乡村区权　利　要　求　书 1/3 页 2 CN 114266138 B 2域； S35， 计算三个区域的面积， 其计算公式为： S城 市 区域＝N1×ΔS， 其中， N1表示划归 城市区域的像素点总个数； ΔS表示每 个像素点的面积量； S城 市 区域表示城市区域的面积量； S城 市边 缘 区域＝N2×ΔS， 其中， N2表示划归 城市边缘区域的像素点总个数； ΔS表示每 个像素点的面积量； S城 市 区域表示城市边 缘区域的面积量； S乡 村 区域＝N3×ΔS， 其中， N3表示划归乡村区域的像素点总个数； ΔS表示每 个像素点的面积量； S乡 村 区域表示城市区域的面积量； 和/或者通过人工验证， 人工验证包括： 随机生成样本点， 观察以样本点为中心的遥感 影像中的景观特 征。 2.根据权利要求1所述的一种利用云端数据进行城市边缘区识别与验证方法， 其特征 在于， 所述S1中的特 征指标包括： 单一指标或者多指标； 单一指标包括： 基于土地利用数据的土地利用信息熵、 土地利用程度综合指数、 土地利 用动态度、 建设用地密度、 夜间灯光数据、 不透水表面积、 兴趣点密度、 人口密度中的任一 项； 多指标为多个单一指标的任意组合。 3.根据权利要求1所述的一种利用云端数据进行城市边缘区识别与验证方法， 其特征 在于， 所述S1中包括： S1‑1， 选取指标； S1‑2， 确定所选指标的尺度： 结合定量分析与定性分析的结果 来确定最佳空间尺度； 定量分析： 采用半方差函数的克里金插值模型来计算不同尺度下指标的半方差参数， 通过ARCGIS软件的波段集统计工具计算克里金插值模型的预测结果与真实值的相关系数 r， 并通过比较不同尺度下的相关系数r和空间相 关性C0/(C0+C)来初步筛选合适的空间尺 度； 定性分析： 利用ARCGIS软件提取同一样带上的建设用地密度值来分析不同尺度之间的 差异， 从而选出能较好 地保留原 始信息， 且数据冗余较小的空间尺度。 4.根据权利要求3所述的一种利用云端数据进行城市边缘区识别与验证方法， 其特征 在于， 所述S1 ‑2中的半方差函数包括： 其中ω(d)是半方差函数； d代表样点间的间隔距离； N(d)代表间隔距离为d时的全部观测点的成对数；权　利　要　求　书 2/3 页 3 CN 114266138 B 3