基于POI与NPP/VIIRS灯光数据的城市群边界定量识别

基于POI与NPP/VIIRS灯光数据的城市群边界定量识别

周亮, 赵琪, 杨帆

Identification of urban agglomeration boundary based on POI and NPP/VIIRS night light data

Liang ZHOU, Qi ZHAO, Fan YANG

表1 FNEA计算公式

Tab.1 Fractal net evolution approach (FNEA) calculation formula

名称		公式	说明
光谱异质性		$h_{c} = \sum^{} w_{n} ? σ_{n}$	$w_{n}$ 是不同光谱波段的权重; $σ_{n}$ 是每个光谱值的标准差;n为波段数量
形状异质性	紧凑度数	$h_{cmpact} = \frac{L}{\sqrt[]{S}}$	L为对象的实际周长;b为对象的最小外接矩形周长;S为对象面积; $h_{cmpact}$ 为紧凑度异质性; $h_{smooth}$ 为平滑度异质性; $ω_{c}$ 为紧凑度权重
	平滑度数	$h_{smooth} = \frac{L}{b}$
	形状异质性	$h_{s} = ω_{c} \times h_{cmpact} + (1 - ω_{c}) \times h_{smooth}$
合并前后异质度变化差值		$h_{diff} = \sum ω [n_{1} (h_{m} - h_{1}) + n_{2} (h_{m} - h_{2})]$	$ω$ 为每个波段值;设两相邻对象内像元个数分别为 $n_{1}$ 和 $n_{2}$ , $h_{1} 和 h_{2}$ 为合并前两个相邻对象异质度, $h_{m}$ 为与合并后新对象的异度
总异质性		$h = ω_{color} \times h_{color} + ω_{shape} \times h_{shape}$	$ω_{color}$ 是光谱异质性的权重; $ω_{shape}$ 为形状异质性的权重; $h_{color}$ 为光谱异质性; $h_{shape}$ 为形状异质性。 $ω_{color}$ 与 $ω_{shape}$ 权重之和为1