基于人工智能和遥感技术的城市更新单元识别方法研究及应用

被引：17

作者：

白婷 ^{[1
,2
]}

邓实权 ^{[3
]}

熊花 ^{[2
]}

孙开敏 ^{[4
]}

李王斌 ^{[4
]}

刘俊怡 ^{[4
]}

机构：

[1] 湖北工业大学计算机学院

[2] 武汉市土地储备中心

[3] 武汉市水务科学研究院

[4] 武汉大学测绘遥感信息工程国家重点实验室

来源：

自然资源学报 | 2023年 / 38卷 / 06期

基金：

国家重点研发计划;

关键词：

AI; 遥感技术; 深度学习; 城市更新;

D O I：

暂无

中图分类号：

TU984.114 []; TP79 [遥感技术的应用]; TP18 [人工智能理论];

学科分类号：

081303 ; 083302 ; 1204 ; 081102 ; 0816 ; 081602 ; 083002 ; 1404 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

当前武汉市城市更新行动，从大拆大建，进入“留改拆”并举的2.0时代，改造方式也从局部改造向成片连片更新转变。在当前2.0时代中，如何利用人工智能（Artificial Intelligence,AI）技术智能识别出城市“留改拆”单元显得尤为重要。当前AI和遥感技术已在自然资源典型地物类型识别、耕地保护和执法监察中得到广泛应用，本文第一次将AI和遥感技术用于“留改拆”单元的智能识别中，以辅助智能化城市更新行动。建立“留改拆”单元的样本，利用深度学习网络建立AI+遥感技术的智能化识别模型，选择遥感数据，进行武汉市更新片区“留改拆”单元智能化识别。通过遥感技术与深度学习算法的融合，提升了城市更新行动中“留改拆”单元识别的工作效率，为城市更新行动中的难点问题提供了科学依据。

引用

页码：1517 / 1531

页数：15

共 26 条

[11] 考虑时空关系的遥感影像变化检测和变化类型识别 [J].

李亮 ;

舒宁 ;

龚龑 .

武汉大学学报(信息科学版) , 2013, (05) :533-537

[12]

王一鸣.城市更新过程中多元利益相关者冲突机理与协调机制研究[D].重庆大学,2019

[13]

樊舒迪.基于遥感与开放数据的广州市白云区城镇低效建设用地识别[D].华南农业大学,2019

[14]

宋玉莲.基于多源数据融合的城市核心要素提取及时空变化分析[D].吉林大学,2022

[15]

牛子儒.基于深度学习的高分辨率遥感影像语义分割研究[D].郑州大学,2021

[16]

周翔.武汉市主城区城市更新单元划定方法及更新策略研究[D].华中科技大学,2020

[17]

李雨慧.基于深度学习的高分辨率遥感影像多尺度语义分割[D].上海交通大学,2018

[18]

高熔溶.基于图割模型和深度学习的高分辩率遥感影像地物要素提取[D].武汉大学,2017

[19] A hierarchical approach for fine-grained urban villages recognition fusing remote and social sensing data [J].

Chen, Dongsheng ;

Tu, Wei ;

Cao, Rui ;

Zhang, Yatao ;

He, Biao ;

Wang, Chisheng ;

Shi, Tiezhu ;

Li, Qingquan .

INTERNATIONAL JOURNAL OF APPLIED EARTH OBSERVATION AND GEOINFORMATION, 2022, 106

[20]

Andrew P. Tewkesbury,Alexis J. Comber,Nicholas J. Tate,Alistair Lamb,Peter F. Fisher.A critical synthesis of remotely sensed optical image change detection techniques[J].Remote Sensing of Environment,2015

← 1 2 3 →