原名：Mapping fine-scale building heights in urban agglomeration with spaceborne lidar
译名：利用星载激光雷达绘制城市群精细尺度建筑高度
期刊：Remote Sensing of Environment
DOI：10.1016/j.rse.2022.113392
1.研究背景
城市土地仅覆盖地球陆地表面的3%左右，但它们是全球一半以上人口的家园，每年约占总碳排放量的75%。尽管在量化水平城市结构的模式和驱动因素方面做了很多努力，但垂直结构（如建筑高度）对于理解城市过程和建筑环境的后果至关重要。近几十年来，已经开发了几种使用被动或主动遥感数据估计建筑物高度方法：光学图像中的建筑物阴影形态信息来检索建筑物高度，这种方法依赖于阴影分割的准确性，这可能会受到建筑物阴影的不连续分布的影响导致低估复杂城市景观中的建筑物高度；具有多光谱带的立体图像通过直接识别建筑足迹和导出归一化数字表面模型来估计单个建筑高度的可能性，然而，具有季节变化的多日期图像之间的立体对应仍然具有挑战性；合成孔径雷达（SAR）图像显示出巨大的潜力，但其可靠性在高建筑密度下受到限制；机载激光雷达是测量建筑物高度的一种优秀工具，并且经常被用作图像估计建筑物高度的参考/验证数据，在大范围内获取这些数据通常非常昂贵；全球生态系统动力学研究（GEDI）是一种免费提供的星载全波形激光雷达系统，自2019年以来一直在轨道上运行，可以在全球范围内获取数据。本研究旨在通过结合长江三角洲的免费光学、雷达数据和基于GEDI的建筑高度样本，开发一种实用有效的方法，在区域范围内绘制空间连续的建筑高度。具体目标是（1）研究从不同网格尺寸的GEDI相对高度中检索建筑物高度的可能性和准确性；（2） 评估从每个单源或多源遥感特征构建的不同估计模型的性能；（3）表征空间分布模式，并量化城市化对城市平均建筑高度的影响。
2.数据和方法
（1）研究区
长江三角洲（YRD）地区是中国经济最发达和城市化程度最高的地区之一（图1）。该地区包括上海市（SH）和来自安徽省（AH）、江苏省（JS）和浙江省（ZJ）的另外40个城市。陆地总面积约358000 km2（图1b）。2019年，长江三角洲地区生产了中国GDP的24%，居住了2.27亿人，城市常住人口从2005年的50%增加到2019年的68%（中国国家统计局，2020年）。上海的城市人口密度最高（每平方公里3830人），而浙江省最低（每平方千米2105人）。在过去的几十年里，土地覆盖已经急剧转移到不透水面。建筑面积约占总面积的0.03%。这也为收集足够的建筑物GEDI数据奠定了基础（图1a）
图1. 覆盖有GEDI轨道的长江三角洲（YRD）区域，筛选了建筑物的GEDI足迹，以及高（>27m）、中（12m-27m）和低（<12m）高度范围的足迹和区域水平上的参考建筑物高度数据（图a）；基于1760个GEDI的区域建筑高度样本，网格尺寸为150 m，由平均95%相对高度（平均RH95）绘制（图b）；以及1760个样本中的建筑高度直方图（图c）；两年三个数据集的可用观测结果（图d-f）；以及两年内每个数据集的图像数量（图g-h）。
(2)数据
遥感影像数据：对每个网格计算了Landsat-8、Sentinel-2和Sentinel-1时间序列的可用观测的各种统计特征，包括原始波段、五个光谱指数和四个基于雷达的指数。我们准备了24个不同的统计特征，包括范围、平均值、方差、偏度、峰度、百分位数，以及高百分位数和低百分位数之间的差异。这24个特征中的每一个都旨在收集建筑物高度的相关物候信息。
GEDI数据：GEDI L2A（V2）数据可从NASA地球数据网站免费获取。
(https://search.earthdata.nasa.gov/search/)
建筑物高度样本：创建了两组网格尺寸为30m和150m的建筑物高度样本，以评估GEDI全波激光信息对建筑物高度提取的效果。
参考和辅助数据：通过计算百度街景地图(https://map.baidu.com )中的楼层数，生成了GEDI衍生建筑高度样本对应区域内的参考建筑高度数据。《中国城市统计年鉴（2020年）》和《中国城市建设统计年鉴（2019年）》被用于量化长江三角洲地区的城市化水平（中国住房和城乡建设部，2020年；中国国家统计局，2020年）。统计年鉴记录了2019年的统计数据。
（3）方法
通过训练光学（landsat-8、Sentinel-2）和SAR（Sentinel-1）遥感数据的统计模型，为基于GEDI的样本建立随机森林模型，以估测YRD区域的最新建筑高度图（图2）。
图2 使用基于GEDI的样本、光学数据和雷达数据绘制建筑高度图的流程图和主要组成部分。
（4）准确度评估
为了确定最佳GEDI相对高度指标，将参考建筑高度数据与相对高度指标（即RH50、RH75、RH90、RH95或RH100）和平均相对高度指标进行了比较（即平均RH50、平均RH75、平均RH90、平均RH95或平均RH100）。使用Person系数和RMSE来表示各种GEDI相对高度度量的准确性。我们使用最准确的相对高度度量作为建筑高度样本。使用十倍交叉验证（CV）方法评估了建筑高度模型的性能，该方法在每次评估中随机分割90%的基于GEDI的样本作为训练数据，10%的基于GECI的样本作为验证数据，无重复采样。R2和RMSE用于表示模型预测值的残差。Person系数和RMSE也用于评估模型的估计建筑高度和参考值之间的一致性。综合评估指标，选择最佳模型。
（5）建筑高度分析
为了探索长江三角洲地区建筑高度的空间分布模式，首先计算了每个省或市的建筑高度变化系数。然后应用探索性空间数据分析（ESDA），基于在相应行政边界内计算的每个城市的平均建筑高度，探索空间自相关关系。
3.结果
（1）基于GEDI的样品验证
通过基于GEDI的相对高度指标和参考建筑高度数据之间的相互比较（表1），发现最佳GEDI指标分别为占地面积和区域水平上的RH95和平均RH95。图3a-c显示，RH95指标和参考数据之间的线性回归模型更稳健，更接近1:1线。图3d-f显示，平均RH100度量值高估了平均建筑高度，而平均RH90度量值与平均RH95度量值相比，往往低估了大约20m的建筑高度。
表1 两种尺度GEDI相对高度的准确性
图3 参考建筑高度数据和基于GEDI的相对高度度量之间的比较分别在占地面积级别（即最高建筑）（插图a、b和c）和区域级别（即平均建筑高度）（插图d、e和f）。
（2）统计模型精度
统计模型精度表2显示了哪些特征组合产生了最高的精度和纹理特征的最佳窗口大小。通过融合多时间统计特征和纹理特征生成的模型的验证表明，与单源数据模型的精度相比，需要纹理特征来提高模型性能。
表2 每组最佳模型的准确性
图4显示了区域尺度上每个最佳单源模型和组合模型的预测分布。与表2中的精度评估结果相对应，预测离散度的增加顺序为组合模型、仅Sentinel-2模型、仅Landsat8模型和Sentinel-1模型。
图4 基于Landsat-8、Sentinel-2、Sentinel-1和组合（即Landsat8和Sentinel 2和Sentinel-1）的平均建筑高度与GEDI平均RH95（插图a、b、c和d）以及参考建筑高度数据（插图e、f、g和h）之间的比较。
（3）YRD建筑高度图
使用组合遥感数据模型和四个主要城市的二维和三维建筑高度图(图5)，以150m的空间分辨率绘制长江三角洲地区的建筑高度图（图a），这些城市分别是合肥（图b1和d1）、南京（图b2和d2）、上海（图b3和d3）和杭州（插图b4和d4）。将像素级建筑物高度的四个特写视图（图b1-I、b2 II、b3 III、b4 IV）与高空间分辨率天地图像地图（图c1-I、c2 II、c3 III、c4 IV）进行了比较。
图5 四个主要城市的二维和三维建筑高度图
（4）区域空间格局
图6显示不同省份和整个长江三角洲地区的估计建筑高度直方图（图a），平均建筑高度的空间可视化结果，在城市一级的地方空间关联指标（LISA）地图（图b）中，与高-高（H-H）或低-低（L-L）局部空间聚类模式重叠。还获得了长江三角洲地区每个城市的估计建筑高度的相关变异系数（CV）（图c）。各省份标准化平均建筑高度与其对应的标准化城市化指数之间的统计关系（图d）。
图7显示由Sentinel-2数据（图a）、Landsat-8数据（图b）、Sentinel-1数据（图c）和组合多源数据（图d）构建的最佳模型的前10个特征。
图6 YRD空间格局结果图
图7 最佳模型
（5）对比
Li等人（2020a）和我们的方法对合肥（图a1-a3）、上海（图b1-b3）、南京（图c1-c3）和杭州（图d1-d3）四个不同区域的估计建筑高度的比较。这两个结果都与天地图和Amap 3D建筑模型地图进行了比较(图8)。
图8 对比现有数据集
使用线性回归模型比较Li等人（2020a）和我们在像素（图a）、市和省（图b）级别的结果。
图9 线性模型对比现有数据集
4.研究结论
使用RF算法，基于离散GEDI的样本和连续遥感特征（即Landsat 8、Sentinel-2和Sentinel-1）估计了YRD区域的建筑高度。在30m和150m的尺度上，使用GEDI相对高度测量创建的建筑样本显示出与参考建筑高度数据的高度一致性。每个单一源数据集的解释能力各不相同，Landsat 8、Sentinel-2和Sentinel-1重要性也不同。通过将区域层面的光学和雷达特征与150米足迹相结合而创建的模型优于使用单一源数据集或训练数据与30米足迹水平创建的模型。利用长江三角洲地区的区域组合模型，绘制了一幅150米建筑高度地图，具有准确的评估精度和趋势分布。城市化水平较高的城市拥有更多的中高层建筑。在长江三角洲地区，平均建筑高度从西部城市向东部城市增长，呈梯度过渡模式。这些结果表明，星载激光雷达GEDI可以从全波形数据中恢复建筑物高度。该研究提供了一种方法，使用基于GEDI的建筑高度样本和光学和雷达数据，在区域或全球范围内绘制具有精细网格尺寸的最近建筑高度分布。
5.文章引用格式
Ma X , Zheng G, Chi X , et al. Mapping fine-scale building heights in urban agglomeration with spaceborne lidar, [J]. Remote Sensing of Environment, 2023, 0034-4257.
https://doi.org/10.1016/j.rse.2022.113392
转自：“科研圈内人”微信公众号
如有侵权，请联系本站删除！
