對城市更新改造的監(jiān)測是目前較新的遙感應(yīng)用領(lǐng)域。鑒于當(dāng)前城市更新領(lǐng)域有關(guān)的遙感監(jiān)測研究現(xiàn)狀,對城市更新中遙感監(jiān)測的概念、涉及方法以及與業(yè)務(wù)應(yīng)用關(guān)系等方面進(jìn)行了介紹,通過簡要綜述城市遙感監(jiān)測的研究進(jìn)展,分析適用于城市更新中的遙感數(shù)據(jù)類型,給出遙感在城市更新中的應(yīng)用實例,嘗試論證遙感在城市更新改造中的價值和作用,填補(bǔ)該領(lǐng)域遙感應(yīng)用認(rèn)知上的空缺,提出遙感在該領(lǐng)域工作可能的發(fā)展方向和研究思路。 

【文章來源】：遙感技術(shù)與應(yīng)用. 2020,35(04)北大核心CSCD

【文章頁數(shù)】：13 頁

【部分圖文】：

典型的“三舊用地”：舊村莊、舊工廠、舊城鎮(zhèn)

總體而言，目前遙感影像分類方法繁多，其精度和效率都不足以滿足城市真實場景的應(yīng)用[21]。近年來興起的人工智能領(lǐng)域的深度學(xué)習(xí)已滲透到遙感影像處理與應(yīng)用的很多方面，例如識別分類、變化檢測，反演等，也適用于各種數(shù)據(jù)類型；基于大量的訓(xùn)練數(shù)據(jù)，訓(xùn)練深度網(wǎng)絡(luò)模型，進(jìn)行預(yù)測和識別[21-22]。董蘊(yùn)雅和張倩重點分析和討論了以卷積神經(jīng)網(wǎng)絡(luò)模型（Convolutional Neural Network,CNN）為基礎(chǔ)的各類深度學(xué)習(xí)模型在高分遙感影像特征提取方面的應(yīng)用與創(chuàng)新[23]。當(dāng)前應(yīng)用深度學(xué)習(xí)方法對圖像分類識別是一個熱點，其驚人的精度正引領(lǐng)遙感影像識別與分類邁入新的臺階；深度學(xué)習(xí)強(qiáng)烈依賴于訓(xùn)練數(shù)據(jù)集的規(guī)模以及其訓(xùn)練的網(wǎng)絡(luò)模型的性能[24]。深度學(xué)習(xí)識別技術(shù)對于城市更新工作有望能識別出潛在的各類低效建設(shè)用地，圖2為利用U-Net深度學(xué)習(xí)框架訓(xùn)練的網(wǎng)絡(luò)模型對某規(guī)劃改造的城中村建筑物單體化的分割及分類，具有很高的精度[25]。利用高分辨率影像結(jié)合深度學(xué)習(xí)方法極大地有助于對城中村建筑物現(xiàn)狀評估開展大范圍的監(jiān)測和清查。SAR遙感影像在城市環(huán)境中常用于建設(shè)用地和建筑物信息的提取。SAR影像的獨特優(yōu)勢在其特殊的成像機(jī)制，其不受天氣條件影響以及對地物的幾何形狀表征的能力。Weng等[26-27]以光學(xué)遙感影像為對比，評估了SAR圖像提取城市不透水面的精度。對于單極化的SAR圖像而言，建筑物的幾何信息提取主要依賴于雷達(dá)信號對地物反射能量的差異；高分辨率的SAR圖像信號散射特征對建筑物的屋頂和邊緣有顯著的探測作用，這有助于精確識別建筑物輪廓和邊界信息[27-29]（圖3）。對多時相SAR數(shù)據(jù)的疊加分析，隨著雷達(dá)散射強(qiáng)度的增加，可判定建筑物是否有加高搶建的行為。

熱紅外遙感直接反映地表物質(zhì)熱輻射特性，城市建筑區(qū)域也會由于地表物質(zhì)、建筑結(jié)構(gòu)、工業(yè)區(qū)布局等因素而呈現(xiàn)出地表溫度的空間格局差異（圖4），在一定程度上能說明人口、城市耗能區(qū)域的分布[30-31]。Lu等[31]研究了TM影像混合像元分解，分析了城市不透水面與熱紅外地表溫度的關(guān)系，側(cè)面說明了地表溫度與城市建筑密度的關(guān)系，在一定程度上能說明熱島形成與人口密度、社會經(jīng)濟(jì)活動等因素有關(guān)。Claudia等[33]在《Thermal remote sensing》一書中提到不同建筑格局呈現(xiàn)出的遙感影像熱輻射的差異，指導(dǎo)人們在城市建筑設(shè)計中降低熱島效應(yīng)。Adrian等[34]研究了無人機(jī)熱紅外遙感對建筑物的監(jiān)測，揭示了建筑物在熱異常中的一些情況，例如能耗過高，供暖泄漏等。目前已有大量的研究表明在衛(wèi)星熱紅外遙感城市地表溫度格局中，地表覆蓋類型及其空間格局都會影響熱島的形成[35-38]，這說明了城市熱島監(jiān)測在一定程度上有助于城市人居環(huán)境的土地利用規(guī)劃[39-40]。

【參考文獻(xiàn)】：
期刊論文
[1]一種改進(jìn)U-net網(wǎng)絡(luò)的新增建設(shè)用地提取方法[J]. 梁哲,寧曉剛,張翰超,王浩.  遙感信息. 2020(03)
[2]基于CNN的高分遙感影像深度語義特征提取研究綜述[J]. 董蘊(yùn)雅,張倩.  遙感技術(shù)與應(yīng)用. 2019(01)
[3]耦合多源大數(shù)據(jù)提取城中村建筑物——以廣州市天河區(qū)為例[J]. 趙云涵,陳剛強(qiáng),陳廣亮,劉小平,牛寧.  地理與地理信息科學(xué). 2018(05)
[4]無人機(jī)傾斜攝影測量技術(shù)在城市更新基礎(chǔ)數(shù)據(jù)調(diào)查工作中的應(yīng)用研究[J]. 陳琦,陳航.  智能城市. 2018(11)
[5]城市遙感研究進(jìn)展[J]. 杜培軍,白旭宇,羅潔瓊,李二珠,林聰.  南京信息工程大學(xué)學(xué)報(自然科學(xué)版). 2018(01)
[6]無人機(jī)航測技術(shù)在國土資源管理中的應(yīng)用[J]. 肖亮明,陳建忠.  測繪地理信息. 2017(05)
[7]基于LiDAR DSM和等值線分析的高樓統(tǒng)計方法研究[J]. 潘桂穎,李佐宇,李頌.  城市勘測. 2017(04)
[8]基于文獻(xiàn)計量的國內(nèi)外城市更新研究對比分析[J]. 黃婷,鄭榮寶,張雅琪.  城市規(guī)劃. 2017(05)
[9]地理學(xué)碰上“大數(shù)據(jù)”:熱反應(yīng)與冷思考[J]. 吳志峰,柴彥威,黨安榮,龔建華,高松,樂陽,李棟,柳林,劉行健,劉瑜,龍瀛,陸鋒,秦承志,王慧,王鵬,王偉,甄峰.  地理研究. 2015(12)
[10]一種新的面向?qū)ο蟪鞘薪ㄖ镄畔⑻崛》椒ㄑ芯縖J]. 樊舒迪,胡月明,劉振華.  華南師范大學(xué)學(xué)報(自然科學(xué)版). 2015(06)



本文編號：3594658