本發(fā)明屬于碳排放估算，尤其涉及一種基于夜間燈光影像的碳排放遙感估算方法。

背景技術(shù)：

1、傳統(tǒng)的碳排放估算方法主要依賴于能源消費(fèi)統(tǒng)計(jì)數(shù)據(jù)和排放因子法。然而，這些方法在數(shù)據(jù)獲取、統(tǒng)計(jì)誤差和更新周期等方面存在諸多問題。因此，尋找一種更為高效、準(zhǔn)確的碳排放估算方法具有重要意義。

2、隨著遙感技術(shù)的快速發(fā)展，其在碳排放估算方面展現(xiàn)出新的可能性。遙感技術(shù)通過衛(wèi)星或飛機(jī)等傳感器獲取地表信息，具有覆蓋范圍廣、信息量大、更新周期短等優(yōu)點(diǎn)。特別的，夜間燈光影像作為遙感技術(shù)的一種重要數(shù)據(jù)源，可反映人類活動(dòng)的空間分布與強(qiáng)度，并在城市化、經(jīng)濟(jì)發(fā)展、和能源消耗等領(lǐng)域的研究中被廣泛應(yīng)用。

3、夜間燈光影像是指通過衛(wèi)星或飛機(jī)等傳感器獲取的夜間地表燈光信息。這種信息主要來(lái)源于人類活動(dòng)的照明設(shè)施，如路燈、居民區(qū)燈光和工業(yè)區(qū)燈光等。通過分析夜間燈光影像的亮度、分布和變化，可以反映人類活動(dòng)的空間分布和強(qiáng)度。進(jìn)而與能源消耗和碳排放量建立關(guān)聯(lián)。具體而言，夜間燈光影像的亮度與能源消耗量呈正相關(guān)關(guān)系。在其他條件相同的情況下，燈光亮度越高，該地區(qū)的能源消耗量越大，可能導(dǎo)致更高的碳排放量。此外，夜間燈光影像的分布和變化還可反映城市化進(jìn)程、經(jīng)濟(jì)發(fā)展趨勢(shì)等宏觀因素，這些因素亦會(huì)對(duì)碳排放產(chǎn)生影響。

4、隨著研究的深入，碳排放遙感估算方法從簡(jiǎn)單統(tǒng)計(jì)分析發(fā)展為復(fù)雜估算模型構(gòu)建。早期的研究主要基于簡(jiǎn)單的統(tǒng)計(jì)分析方法，通過對(duì)比不同地區(qū)的夜間燈光亮度與碳排放量數(shù)據(jù)，建立簡(jiǎn)單的線性或非線性關(guān)系模型。然而，這類模型擬合能力有限，無(wú)法有效對(duì)碳排放量進(jìn)行估算，估算結(jié)果往往存在較大的誤差。目前，需要追求更為精確、穩(wěn)定的遙感估算方法，以期提供更為準(zhǔn)確、全面的碳排放監(jiān)測(cè)與調(diào)控。

技術(shù)實(shí)現(xiàn)思路

1、為解決上述技術(shù)問題，本發(fā)明提出了一種基于夜間燈光影像的碳排放遙感估算方法，以解決上述現(xiàn)有技術(shù)存在的問題。

2、為實(shí)現(xiàn)上述目的，本發(fā)明提供了一種基于夜間燈光影像的碳排放遙感估算方法，包括：

3、獲取夜間燈光影像，對(duì)夜間燈光影像進(jìn)行預(yù)處理；

4、通過聚類方法對(duì)預(yù)處理后的夜間燈光影像進(jìn)行粗劃分，得到目標(biāo)區(qū)域，對(duì)目標(biāo)區(qū)域進(jìn)行分割，得到不同等級(jí)的區(qū)域分布圖；

5、通過ai模型對(duì)夜間燈光影像及不同等級(jí)的區(qū)域分布圖進(jìn)行處理，生成碳排放量分布圖。

6、可選的，所述夜間燈光影像采用采用npp-viirs夜間燈光遙感數(shù)據(jù)集。

7、可選的，對(duì)夜間燈光影像進(jìn)行預(yù)處理的過程包括：

8、對(duì)夜間燈光影像進(jìn)行坐標(biāo)同一及掩膜處理，對(duì)掩膜處理后的夜間燈光影像進(jìn)行數(shù)據(jù)校正，其中數(shù)據(jù)校正過程包括：通過冪數(shù)方程建立校正模型對(duì)對(duì)掩膜處理后的夜間燈光影像進(jìn)行相互校正；針對(duì)不同傳感器采集的夜間燈光影像，對(duì)相互校正后的夜間燈光影像進(jìn)行均值計(jì)算以進(jìn)行不同傳感器的校正，生成第一夜間燈光影像，針對(duì)不同年度下的夜間燈光影像，當(dāng)前一年和后一年的第一夜間燈光影像的像素dn值均大于當(dāng)前年的第一夜間燈光影像，則將當(dāng)前年的第一夜間燈光影像的像素dn值替換為替換為前一年的第一夜間燈光影像的像素dn值以進(jìn)行不同年度的校正。

9、可選的，通過k-means算法對(duì)預(yù)處理后的夜間燈光影像進(jìn)行粗劃分，其中，k-means算法的最優(yōu)分簇?cái)?shù)根據(jù)手肘法進(jìn)行確定。

10、可選的，最優(yōu)分簇?cái)?shù)的獲取過程包括：

11、初始設(shè)分簇?cái)?shù)目k＝2,對(duì)預(yù)處理后的夜間燈光影像的像素進(jìn)行聚類計(jì)算，統(tǒng)計(jì)初始的目標(biāo)區(qū)域?qū)?yīng)的簇中像素總數(shù)z；

12、分簇?cái)?shù)目進(jìn)行逐步加1,對(duì)逐步增加過程中的k值對(duì)應(yīng)的聚類結(jié)果進(jìn)行統(tǒng)計(jì),統(tǒng)計(jì)其目標(biāo)區(qū)域?qū)?yīng)簇下的像素總數(shù)y；

13、計(jì)算包含裂縫簇的像素下降率p＝y(tǒng)/z；

14、基于迭代計(jì)算得到的所有像素下降率p，使用手肘法計(jì)算拐點(diǎn)，當(dāng)計(jì)算出p存在拐點(diǎn)時(shí)，則停止迭代，否則重復(fù)上述分簇?cái)?shù)目進(jìn)行逐步加1、像素下降率計(jì)算及使用手肘法計(jì)算拐點(diǎn)的對(duì)應(yīng)步驟，得到拐點(diǎn)對(duì)應(yīng)的分簇?cái)?shù)目作為最優(yōu)分簇?cái)?shù)。

15、可選的，通過全卷積神經(jīng)網(wǎng)絡(luò)對(duì)對(duì)目標(biāo)區(qū)域進(jìn)行分割，得到不同等級(jí)的區(qū)域分布圖，其中不同等級(jí)的區(qū)域分布圖中包括輕度排放區(qū)域，微重排放區(qū)域，較重排放區(qū)域、重度排放區(qū)域及較重排放區(qū)域，所述輕度排放區(qū)域，微重排放區(qū)域，較重排放區(qū)域、重度排放區(qū)域及較重排放區(qū)域中的像素分別進(jìn)行不同的標(biāo)號(hào)。

16、可選的，其中所述全卷積神經(jīng)網(wǎng)絡(luò)通過數(shù)據(jù)遷移及微調(diào)方法進(jìn)行優(yōu)化。

17、可選的，所述微調(diào)方法包括調(diào)整網(wǎng)絡(luò)參數(shù)、選擇性凍結(jié)層及調(diào)整學(xué)習(xí)率。

18、可選的，所述ai模型包括輸入層、特征編碼器、softmax分類器輸出層組成；輸入層的輸出端與特征編碼器的輸入端級(jí)聯(lián)，特征編碼器的輸出端與softmax分類器輸入層級(jí)聯(lián)；

19、其中特征編碼器包括順次級(jí)聯(lián)的第一卷積層、第一歸一化層、第一relu激活層、第二卷積層、第二歸一化層、第二relu激活層、第三卷積層、第三歸一化層、第三relu激活層；softmax分類器包括全局平均池化層、完全連接層和softmax層。

20、可選的，所述ai模型通過交叉損失函數(shù)進(jìn)行訓(xùn)練。

21、與現(xiàn)有技術(shù)相比，本發(fā)明具有如下優(yōu)點(diǎn)和技術(shù)效果：

22、通過上述技術(shù)方案本發(fā)明可以追蹤和分析燈光變化的連續(xù)性和動(dòng)態(tài)性，為碳排放量的長(zhǎng)期監(jiān)測(cè)和趨勢(shì)分析提供基礎(chǔ)，同時(shí)時(shí)序數(shù)據(jù)能夠提供更全面的信息，減少由于單次數(shù)據(jù)獲取可能帶來(lái)的偶然性誤差。夜間燈光影像預(yù)處理通過輻射定標(biāo)等預(yù)處理操作，能夠顯著提高夜間燈光影像的質(zhì)量和準(zhǔn)確性，為后續(xù)的分析提供更為可靠的數(shù)據(jù)源，從而提高碳排放估算的精度。利用聚類算法對(duì)夜間燈光影像進(jìn)行粗分類，能夠快速識(shí)別出燈光較密集的區(qū)域，為后續(xù)的細(xì)分類提供基礎(chǔ)。細(xì)分類能夠?qū)艄饷芗瘏^(qū)域進(jìn)一步劃分為不同的類別和等級(jí)，為后續(xù)碳排放分布提供輔助數(shù)據(jù)。通過ai模型進(jìn)行樣本學(xué)習(xí)和訓(xùn)練，能夠快速且更高效的擬合碳排放量和影像數(shù)據(jù)之間的相關(guān)聯(lián)系，提高碳排放估算的效率和準(zhǔn)確性。

技術(shù)特征：

1.一種基于夜間燈光影像的碳排放遙感估算方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，

7.根據(jù)權(quán)利要求1所述的方法，其特征在于，

8.根據(jù)權(quán)利要求1所述的方法，其特征在于，

9.根據(jù)權(quán)利要求1所述的方法，其特征在于，

10.根據(jù)權(quán)利要求1所述的方法，其特征在于，

技術(shù)總結(jié)
本發(fā)明公開了一種基于夜間燈光影像的碳排放遙感估算方法，包括：獲取夜間燈光影像，對(duì)夜間燈光影像進(jìn)行預(yù)處理；通過聚類方法對(duì)預(yù)處理后的夜間燈光影像進(jìn)行粗劃分，得到目標(biāo)區(qū)域，對(duì)目標(biāo)區(qū)域進(jìn)行分割，得到不同等級(jí)的區(qū)域分布圖；通過AI模型對(duì)夜間燈光影像及不同等級(jí)的區(qū)域分布圖進(jìn)行處理，生成碳排放量分布圖。

技術(shù)研發(fā)人員：陳子健,榮延壽,李彩,趙洪祥
受保護(hù)的技術(shù)使用者：天勰力（山東）衛(wèi)星技術(shù)有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/9/9