城市制圖聯(lián)合使用LANDSAT和SAR

在多個(gè)空間分辨率上，基于SAR和多光譜對(duì)地圖上城市區(qū)域的抽取摘要城市遙感和數(shù)據(jù)融合是緊密相關(guān)的，論述了在市區(qū)范圍內(nèi)的提取，使用遙感數(shù)據(jù)，工作在全球范圍內(nèi)數(shù)據(jù)集或算法。為了實(shí)現(xiàn)在本文介紹的結(jié)果，一些在原始數(shù)據(jù)水平，特征水平和判斷水平的數(shù)據(jù)融合技術(shù)被設(shè)計(jì)和開(kāi)發(fā)。特別的，多分辨率數(shù)據(jù)融合技術(shù)來(lái)開(kāi)發(fā)SAR數(shù)據(jù)需要不同的模式，以及從SAR和多光譜數(shù)據(jù)提取的融合信息是被考慮和評(píng)估的。介紹“在城市遙感的數(shù)據(jù)融合”這個(gè)話題是指利用多個(gè)遙感數(shù)據(jù)源來(lái)提取人類居住的信息。因?yàn)槎鄠€(gè)空間尺度，不同的材料和目標(biāo)，二維和三維特征是相互混合的，并緊密位于城市地區(qū)，使用多個(gè)傳感器，并且他們數(shù)據(jù)集成的原位測(cè)量，在使用遙感源的城市相關(guān)的研究，已經(jīng)變得越來(lái)越普遍。星載和機(jī)載的傳感器確實(shí)能捕捉光譜，空間和城市空間的幾何性質(zhì)（例如，道路城市植被，建筑物，基礎(chǔ)設(shè)施）。然而他們都有自身的局限性。例如，非常高的空間分辨率（VHR）傳感器提供好的目標(biāo)細(xì)節(jié)，但是對(duì)識(shí)別材料的能力有限，因?yàn)樗麄兊墓庾V波段的數(shù)量通常小。從雷達(dá)傳感器收集的數(shù)據(jù)混合幾何和材料性能到城市圖像，對(duì)于一個(gè)非專家很難去理解。高光譜數(shù)據(jù)對(duì)材料識(shí)別提供提示，但是缺乏空間數(shù)據(jù)，從而，在城市地區(qū)，大多數(shù)為混合像素，例如，代表區(qū)域的像素，它的多材料光譜以線性或非線性方式混合。最后，三維傳感器允許區(qū)分考慮他們3D幾何的相似材料的目標(biāo)，用二維傳感器更好的了解結(jié)果。但是他們的空間分辨率通常不符合其他傳感器中之一，他們的3D功能和準(zhǔn)確性根據(jù)系統(tǒng)而變化，作為它干涉SAR，激光雷達(dá)，或立體聲攝影。此外，必須要注意的是，在城市地區(qū)的星載和機(jī)載數(shù)據(jù)的融合的挑戰(zhàn)取決于最終的應(yīng)用。在特定情況下非常有用的數(shù)據(jù)可能是在其他情況下完全沒(méi)有用處的，取決于所研究現(xiàn)象的物理，光譜，傳感器的空間和時(shí)間分辨率，數(shù)據(jù)的質(zhì)量和信息檢索有效算法的可用性。從數(shù)據(jù)融合技術(shù)的觀點(diǎn)來(lái)看，在[1]的標(biāo)準(zhǔn)命名法，這些挑戰(zhàn)可以由原始數(shù)據(jù)，特征或決策水平來(lái)解釋。為了應(yīng)對(duì)所有這些傳感器和組織不同的方法把這些豐富的信息結(jié)合起來(lái)，數(shù)據(jù)融合的框架特別針對(duì)城市區(qū)域在[2]中被介紹。它包括結(jié)合工作在不同波長(zhǎng)，不同空間分辨率的傳感器和增加盡可能多時(shí)能力的可能?？蚣芤呀?jīng)修改，挑戰(zhàn)在[3]中更新，10年間壓力已經(jīng)從在有限地理區(qū)域的多傳感器結(jié)合到廣闊的地理場(chǎng)合結(jié)合數(shù)據(jù)的必要性，有可能是全球范圍內(nèi)。這就解釋了為什么大量的論文在解決全球城市的分析[4]-[12]之后的第一次審查文件的日期。在國(guó)家，大陸和全球?qū)用嫔辖Y(jié)合多遙感數(shù)據(jù)源不僅意味著需要選擇對(duì)特定問(wèn)題最有效的傳感器，而且還需要設(shè)計(jì)技術(shù)，可以有效的管理大量的數(shù)據(jù)。如[13]中提到的一樣，所需的時(shí)間成本應(yīng)用相對(duì)復(fù)雜的算法測(cè)試單一場(chǎng)景到整個(gè)地球表面會(huì)導(dǎo)致不切實(shí)際，沒(méi)有并行/云的計(jì)算，和高效的計(jì)算方法。相反，執(zhí)行或運(yùn)行高效算法的可能性允許在城市地區(qū)近實(shí)時(shí)VHR空間和光譜數(shù)據(jù)處理（參見(jiàn)高光譜數(shù)據(jù)混合[14]的例子）?；蛘撸?jiǎn)單的方法可以來(lái)實(shí)現(xiàn)減少的空間和光譜分辨率數(shù)據(jù)集[15]。任何這些技術(shù)的一大優(yōu)勢(shì)是通過(guò)重新處理海量數(shù)據(jù)的存儲(chǔ)發(fā)掘歸檔數(shù)據(jù)的可能性，和多時(shí)和/或多地理區(qū)域分析的可得到性。在這方面的研究，目前的工作特別注重利用星載多光譜數(shù)據(jù)的全球數(shù)據(jù)集，聯(lián)合同樣的全球合成孔徑雷達(dá)，為鑒定市區(qū)范圍。通過(guò)有效結(jié)合，并在全球范圍內(nèi)現(xiàn)有的數(shù)據(jù)（或?qū)⒁粌?chǔ)存）在ESA和NASA數(shù)據(jù)庫(kù)，它被期待能夠表征現(xiàn)在有巨大相關(guān)性的過(guò)去的現(xiàn)象，比如城市蔓延和它與城市變暖，全球地區(qū)氣象現(xiàn)象，以及天災(zāi)人禍。根據(jù)[16]超過(guò)全世界一半的人口目前居住在城市，而這個(gè)趨勢(shì)將會(huì)繼續(xù)下去，導(dǎo)致在2050年約有70%的人是城市居民。城市人口的不斷增加與城市范圍擴(kuò)張有很強(qiáng)的聯(lián)系。反過(guò)來(lái)，在城市擴(kuò)張區(qū)域的表面從自然到人工的轉(zhuǎn)變無(wú)可爭(zhēng)議的影響大氣條件，地方和區(qū)域表面溫度模式，以及水，碳，氣溶膠和氮在環(huán)境系統(tǒng)下的循環(huán)，在局部，大陸，和全球范圍。為了了解城市化對(duì)全球環(huán)境的影響，如何和在哪個(gè)城市區(qū)域發(fā)展是至關(guān)重要的。因此，城市的足跡必須為正在出現(xiàn)的氣候模型系統(tǒng)負(fù)責(zé)[17]。城市化和和氣候變化直接關(guān)聯(lián)到其他研究領(lǐng)域，包括自然災(zāi)害，風(fēng)險(xiǎn)評(píng)估，人道主義危機(jī)管理和再環(huán)保經(jīng)濟(jì)學(xué)，只是僅舉幾例。因此，關(guān)于全球城市土地的覆蓋及其變化的精確信息是無(wú)條件被一些團(tuán)體所需要的，包括國(guó)家機(jī)關(guān)，國(guó)際組織，再保險(xiǎn)公司和科學(xué)家所產(chǎn)生的廣泛的研究領(lǐng)域。帕維亞大學(xué)在這個(gè)方面最近取得了成果，從在[19]-[20]公布的結(jié)果。因此，第二節(jié)將描述用于處理全球粗分辨率SAR數(shù)據(jù)組的方法，以及從過(guò)去到現(xiàn)在SAR傳感器的更高分辨率的數(shù)據(jù)中提取城市范圍。第三節(jié)將轉(zhuǎn)為努力展示在廣泛地理原因和谷歌地球引擎平臺(tái)上使用衛(wèi)星數(shù)據(jù)從城市范圍提取的過(guò)程。最后，第四節(jié)對(duì)解決一些問(wèn)題提供了多種分辨率和SAR/多傳感器的數(shù)據(jù)集的融合處理的線索。第五節(jié)提供作者有關(guān)話題和總結(jié)全文的一般討論。II.通過(guò)SAR對(duì)全球范圍內(nèi)城市地區(qū)的測(cè)繪SAR對(duì)的城市地區(qū)測(cè)繪的一大優(yōu)點(diǎn)是涉及有源微波傳感器的特點(diǎn)，能夠獲得任何天氣和晝夜條件下的數(shù)據(jù)。但所面臨的挑戰(zhàn)很大，因?yàn)槁?lián)合二維和三維特點(diǎn)的城市帶來(lái)扭曲的SAR圖像，對(duì)他們的解釋非常困難。SAR雷達(dá)現(xiàn)象，占主導(dǎo)地位的城市有二次反射效應(yīng)，由于建立結(jié)構(gòu)的出現(xiàn)。這種效果，由圖一所示，來(lái)自城市區(qū)域的回反射顯著高于大多數(shù)其他自然目標(biāo)。此外，保持時(shí)不變，然而植被區(qū)的后向散射隨季節(jié)改變，在水中隨風(fēng)和波改變。小亞的哥德堡（瑞典）和北京（中國(guó)）的兩幅SAR圖像很清楚的展示了亮的的部分勾勒出的城市區(qū)域，見(jiàn)圖一。盡管亮點(diǎn)（比如，強(qiáng)后向反射）在其他場(chǎng)景也是可見(jiàn)的，但是城市區(qū)域的特點(diǎn)在于巨大的密集度。這個(gè)特性被用來(lái)區(qū)分城市區(qū)域，甚至在低空間分辨率的數(shù)據(jù)集的情況下。事實(shí)上，SAR數(shù)據(jù)在城市范圍的劃定上比具有相同的分辨率的多光譜數(shù)據(jù)更加精確，在這個(gè)規(guī)模上這已經(jīng)被證明了。粗分辨率技術(shù)城市地區(qū)二次反射的效果及它時(shí)域的穩(wěn)定性可以通過(guò)利用多次采集來(lái)被挖掘去識(shí)別城市地區(qū)。一個(gè)粗分辨率的效果并不是真的取決于觀看角度（比如，由于傳感器獲取的模式），或衛(wèi)星路徑（即，上升/下降）。其原因是每個(gè)像素提供了多次二次反射效果的的結(jié)合由于多建筑結(jié)構(gòu)。因此，在粗分辨率的圖像中，一個(gè)像素的總亮度更取決于建筑結(jié)構(gòu)的密集結(jié)構(gòu)多于取決他們實(shí)際的空間尺寸，然而他們實(shí)際空間尺寸在該分辨率下是不可見(jiàn)的。相反，多圖像的簡(jiǎn)單的結(jié)合（在這個(gè)平均值下）往往提高人工和自然的景觀之間的鑒別。由于這種結(jié)合，即使小的定居點(diǎn)也可以被探測(cè)出來(lái)，是由于建筑物的強(qiáng)散射，但是城市/農(nóng)村的結(jié)合處大范圍的人類居住地細(xì)節(jié)不是那么清晰，它們是自然和人工目標(biāo)的混合。此過(guò)程中實(shí)際上是一個(gè)原始數(shù)據(jù)的融合技術(shù)，另外有助建立大陸范圍內(nèi)廣泛的數(shù)據(jù)集，而無(wú)須每次分別處理從小區(qū)域獲得的大量的數(shù)據(jù)組。利用2005年至2010年收集的ASARWSM圖像的融合結(jié)果的例子（見(jiàn)[21]為該過(guò)程的更準(zhǔn)確描述）有關(guān)北美部分在圖2被展示出來(lái)。然而圖2展示出與SAR場(chǎng)景的鑲嵌相關(guān)的幾個(gè)問(wèn)題：?不同行之間的邊界是可見(jiàn)的，由于在不同地理位置的一些場(chǎng)景是可以看到的?在自然背景中區(qū)分城市區(qū)域的能力根據(jù)環(huán)境條件是不同的。例如，城市區(qū)域在植被區(qū)域更加明顯，在干旱的部分要弱一點(diǎn)。結(jié)論是，在[21]中城市范圍提取步驟的實(shí)施以及其最近改進(jìn)的[26]，包含如下四個(gè)步驟：該均衡步驟為在非城市區(qū)域計(jì)算平均背景值（比如，低散射區(qū)域）提取非常亮的點(diǎn)（例如很強(qiáng)的后向散射元素），大概是由于人工結(jié)構(gòu)相同強(qiáng)烈的后向散射效應(yīng)的鄰近地區(qū)的識(shí)別，利用區(qū)域發(fā)展技術(shù)最后一步處理為了調(diào)整提取的部分（記得上文提到的城鄉(xiāng)邊緣的問(wèn)題），還包括非建成區(qū)（池塘，公園等等）通常被認(rèn)為是城市區(qū)域。第一步實(shí)際上取決于獲得的數(shù)量和周圍的自然環(huán)境，以及被測(cè)城市區(qū)域的尺寸。法國(guó)巴黎周邊的過(guò)程的最終結(jié)果在圖4顯示，根據(jù)人類居住地的尺寸包含兩種不同的人類居住分類，而圖3是圍繞著加拿大埃德蒙頓區(qū)域的中間過(guò)程和最終的輸出。整個(gè)方法已經(jīng)被應(yīng)用到整個(gè)地球表面，細(xì)分為7個(gè)地區(qū)。圖5為中國(guó)的全部結(jié)果。該圖顯示，在小方塊中，整個(gè)圖像的細(xì)節(jié)，允許從SAR數(shù)據(jù)提取和基于Landsat范圍的提取進(jìn)行比較，由清華大學(xué)提供，盡管只包含人口多的城市。事實(shí)上，全球ASARWSM地圖的城市區(qū)域的提取最近被證實(shí)，通過(guò)與使用Landsat數(shù)據(jù)對(duì)中國(guó)663個(gè)人口多的城市進(jìn)行視覺(jué)解釋相對(duì)比，展現(xiàn)了非常低的遺漏率。此為，結(jié)果，在圖5的小方塊中清晰可見(jiàn)，突出了SAR系統(tǒng)對(duì)小型居住地的表示的能力。然而大城市需要更好的規(guī)劃，而更精細(xì)的空間分辨率的SAR/光學(xué)數(shù)據(jù)對(duì)提取結(jié)果能有所作為。對(duì)全球城市繪圖的另一種方法（UADP城市地區(qū)探測(cè)參數(shù)）在[25]被提到，它發(fā)掘了上述提到的ASARWSM數(shù)據(jù)的多時(shí)棧。UADP方法基于建立像素的同時(shí)矩陣以及通過(guò)NGLD在鄰近約束條件下的它周圍像素的強(qiáng)度和特性。而由于它的簡(jiǎn)單性以及使用數(shù)據(jù)的特性和可用性，該方法適合對(duì)全球城市的獲取，它也有一些限制和缺陷，類似UEXT算法的一些。這兩種算法在干旱地區(qū)的裸露地面和巖石上的運(yùn)行效果更加不好，造成高的后向散射值，該散射值與人工結(jié)構(gòu)的后向散射非常相似。陡峭的山坡在ASARWSM圖像看上去也非常相似，從數(shù)字號(hào)碼的觀點(diǎn)（DN）以及需要被分別對(duì)待。由于這些限制，UADP和UEXT需要大量的后續(xù)處理步驟，包含形態(tài)濾波和基于DEM更正。然而，為了在異構(gòu)城市內(nèi)結(jié)構(gòu)水平在75米以下細(xì)節(jié)中成功提取有關(guān)人工和自然混合特征，HR和VHR是必要的。精細(xì)的分辨技術(shù)盡管作為在高的和非常高的分辨率SAR圖像的城市地區(qū)的獨(dú)有的特點(diǎn)，二次反射的效果仍然有效，但是可獲得更精細(xì)的細(xì)節(jié)改變了人類居住地的外觀。而不必多個(gè)反射混合在一個(gè)像素，建筑之間的無(wú)建筑區(qū)域變得明顯，從道路網(wǎng)絡(luò)到花園和庭院。此為，遮掩和遮擋效應(yīng)仍無(wú)法避免，由亮的和暗的像素產(chǎn)生的復(fù)雜的空間模型往往出現(xiàn)。因此，高分辨率的SAR圖像下的建筑區(qū)域，通過(guò)使用上述提到的空間分辨率的質(zhì)地特征的數(shù)學(xué)表示，能被更好的被表征。此外，表示空間格局的特征應(yīng)當(dāng)能捕捉局部（例如，建筑物水準(zhǔn)）以及更廣闊（比如，在街區(qū)水準(zhǔn)）的空間尺度。不同質(zhì)地的特征是這樣強(qiáng)制的。事實(shí)上，原始方法[18]最終提供更完善的結(jié)果[19]，通過(guò)聯(lián)合考慮空間協(xié)會(huì)的局部表示（LISA）[28]和灰色共存矩陣（GLCM）質(zhì)地來(lái)嘗試捕捉這個(gè)多尺度質(zhì)地。事實(shí)上，LISA特點(diǎn)（見(jiàn)圖6）在一個(gè)像素臨近領(lǐng)域捕獲精細(xì)有效的細(xì)節(jié)，例如方格棋盤形圖案，因?yàn)?D城市結(jié)構(gòu)上可選擇滿的和空的區(qū)域。GLCM質(zhì)地與模塊更有關(guān)聯(lián)，該質(zhì)地在更大窗口計(jì)算。這些特點(diǎn)的結(jié)合以及基于這些結(jié)合的決策融合定義為基于特征和基于決策數(shù)據(jù)融合技術(shù)的級(jí)聯(lián)，該技術(shù)被應(yīng)用于ASAR精細(xì)模式（FM），PALSAR，雷達(dá)衛(wèi)星，TerraSAR_X和Cosmo/SkyMed圖像從30到1m的空間分辨率上是十分有效的。具體來(lái)說(shuō)，該算法[19]在最小可能3*3像素窗口計(jì)算LISA質(zhì)地，而在21*21窗口計(jì)算GLCM質(zhì)地，對(duì)平均后者空間信息塊的明顯意圖。LISA和GLCM的特征首先在探測(cè)局部模式的兩個(gè)集合內(nèi)被首次使用，該模式在局部和模塊水準(zhǔn)很強(qiáng)：一種硬“和”在莫蘭和吉里指標(biāo)的高值點(diǎn)之間：同時(shí)建立正的和負(fù)的自相關(guān)，像近的建筑（明亮的目標(biāo)）交織著道路或雷達(dá)陰影（低/沒(méi)有反射區(qū)）是一種選擇唯一區(qū)域的方法；GLCM相關(guān)性和方差的均值：這一步的目的是在SAR圖像上發(fā)現(xiàn)的地區(qū)要有較高的方差（由于目標(biāo)和陰影）和相關(guān)性（例如，強(qiáng)烈的空間格局）。在分析單一空間模式之后，一個(gè)基于分析的目標(biāo)通過(guò)聯(lián)合考慮在任意規(guī)模選擇點(diǎn)的局部密集性被實(shí)施。用邏輯“或”來(lái)選擇目標(biāo)，比如，尋找所有點(diǎn)，該點(diǎn)至少在一個(gè)尺度上匹配空間模式標(biāo)準(zhǔn)。然而，只有與在兩個(gè)尺度（例如，邏輯“和”的結(jié)論）都相關(guān)的的像素占主導(dǎo)地位表征的目標(biāo)最終被選擇。對(duì)中國(guó)的北京和都江堰的使用ASARFM數(shù)據(jù)結(jié)果在圖7中被表示，與ASARWSM抽取并排表示，清楚的展示相同的模式，但是從更好的空間分辨率劃分城市范圍的輪廓更加精確。上述的城市地區(qū)提取算法在最近經(jīng)過(guò)精煉多時(shí)域和多極化ASARFM數(shù)據(jù)的使用，在斯德哥爾摩皇家理工學(xué)院（KTH），導(dǎo)致該方法叫做KTH帕維亞[20]。對(duì)應(yīng)提升對(duì)輸入信號(hào)的預(yù)處理主要修改包含用SRTM和對(duì)比增強(qiáng)的地形矯正，以及之后的處理不包括在人類居住的陡峭地區(qū)誤判城市結(jié)構(gòu)，這些修正通過(guò)DEM高度信息的發(fā)掘是極度不可能。此外，該算法已經(jīng)被應(yīng)用到一些ASARFM圖像，這些圖像在不同數(shù)據(jù)和不同極化中被獲取。所得城市提取已經(jīng)通過(guò)邏輯‘或’操作結(jié)合為了減少漏報(bào)率?？臻g分析工具的應(yīng)用-像在VHRSAR上述提到的質(zhì)地測(cè)量允許人工和自然表面的錯(cuò)雜的內(nèi)部城市混合物的更精細(xì)的細(xì)節(jié)的差異。然而，更精細(xì)的分辨率對(duì)城市提取的計(jì)算成本以及所需的數(shù)據(jù)存儲(chǔ)大大提升，因此基于人類居住地的測(cè)繪的全球VHRSAR是一個(gè)具有非常挑戰(zhàn)的任務(wù)。盡管最近全球VHRTerraSAR—X數(shù)組的可用性和在高水平計(jì)算環(huán)境下的復(fù)雜城市區(qū)域探測(cè)算法對(duì)測(cè)繪城市范圍在前所未有的細(xì)節(jié)程度上是可能的。[12]提出了城市足跡處理器，城市范圍測(cè)繪算法從Tan-DEM-XMission的全球數(shù)據(jù)產(chǎn)生居住地任務(wù)（settlementmasks）。全自動(dòng)化的處理鏈已經(jīng)在覆蓋廣大范圍的巨大的場(chǎng)景中被測(cè)試過(guò)了。然而，最終的全球城市作品由于縮減（從12到50—70米空間分辨率）公共領(lǐng)域版預(yù)計(jì)很快被發(fā)布。多分辨率數(shù)據(jù)融合在前面的段落中討論的處理鏈被處理成具體的輸入數(shù)據(jù)，被不同的檢測(cè)誤差影響。雖然SAR圖像在不同空間分辨率描述相同的城市區(qū)域不能被認(rèn)為完全獨(dú)立的，圖案表示居住點(diǎn)在粗或細(xì)空間分辨率對(duì)允許假設(shè)的完全不同，該假設(shè)作為優(yōu)勢(shì)的中間體和/或兩條鏈的最終結(jié)果的結(jié)合。因此，這個(gè)想法是設(shè)計(jì)一種能利用在不同空間分辨率對(duì)城市范圍提取的SAR數(shù)據(jù)的數(shù)據(jù)融合技術(shù)。在此過(guò)程中輸入數(shù)據(jù)可能已經(jīng)被相同的傳感器但使用不同的獲取模式或被不同的傳感器記錄。融合的目的是使用更高分辨率的數(shù)據(jù)來(lái)提高最初粗分辨率的獲取，從而提高最終人類居住地的細(xì)節(jié)水平。由于數(shù)據(jù)提供相同地區(qū)的不同的視角，正如上述提到的，這導(dǎo)致相同的結(jié)構(gòu)的不同表現(xiàn)，決策數(shù)據(jù)融合可以被應(yīng)用，例如，通過(guò)結(jié)合由使用邏輯操作，多數(shù)投票或建議池技術(shù)[30]，的每個(gè)傳感器/模式獲得的城市范圍地圖。然而，特征級(jí)數(shù)據(jù)融合也可以被考慮，通過(guò)結(jié)合空間特征，該空間特征提供有一個(gè)由在[19]和[21]的兩條鏈提供的居住地的可能性。該決策級(jí)數(shù)據(jù)融合算法對(duì)兩個(gè)在粗和分辨率提取下的城市范圍地圖應(yīng)用于邏輯的集合（“和”“或”），該算法在[31]被提及，在圖8左邊的鏈圖以圖形的方法表示出來(lái)。如上所述，輸入數(shù)據(jù)集之間和獲取過(guò)程的相關(guān)差異使得結(jié)合比原來(lái)的獲取更不易發(fā)生分類錯(cuò)誤。另外，工作在特征水平[32]，應(yīng)用ASARWSM[21]的城市抽取方法尋找非常亮的點(diǎn)，這些點(diǎn)通常表示人造結(jié)構(gòu)的場(chǎng)景。由于該方法用于產(chǎn)生多時(shí)WSM數(shù)據(jù)組，組成場(chǎng)景的數(shù)字編碼和一個(gè)像素屬于城市類的可能性的關(guān)系是線性的，意味著亮一點(diǎn)的區(qū)域很可能是城市。對(duì)于更高分辨率的SAR圖像，相反，輸入到基于LISA和基于GLCM在[19]的密度分析是保留最少的有關(guān)人類居住地的典型模式的細(xì)節(jié)信息是最好的候選。為了避免過(guò)度和低估，這三個(gè)特征的平均被看作輸入到閾值算法，該算法產(chǎn)生最終的地圖。對(duì)圣保羅（巴西）和北京（中國(guó)）的原提取的結(jié)果和融合的結(jié)果準(zhǔn)確性的對(duì)比在表1被展出。這些數(shù)字表明基于特征的數(shù)據(jù)融合的性能稍微好與決策性融合，兩個(gè)方法都有顯著性提高，特別是關(guān)于錯(cuò)判。遺漏值而不是融合增加，但是這是期待的，特別是在難融合的情況下（hardfusioncase）,在兩個(gè)提取部分加起來(lái)時(shí)邏輯“和”會(huì)導(dǎo)致城市區(qū)域的遺失。然而，這種增加并不補(bǔ)償錯(cuò)判值的下降，并解釋在整體準(zhǔn)確系而言更好的性能。多分辨率，多頻域和多極化的融合的SAR數(shù)據(jù)也可以被執(zhí)行在原始數(shù)據(jù)的水平。然而，SAR具體數(shù)據(jù)特征需要被考慮在融合過(guò)程。在與地形結(jié)合的入射角強(qiáng)烈影響SAR圖像的DN值，以及因此它的表現(xiàn)。為了以一種合理的方式來(lái)融合來(lái)自不同觀看角度的SAR數(shù)組，在預(yù)處理步驟中應(yīng)用輻射校正和輸入數(shù)據(jù)的精準(zhǔn)匹配時(shí)很有必要的。在SAR圖像的情況下，這是一個(gè)很大的挑戰(zhàn)。此外，不同偏振圖像忍受不同的信息，由于觀測(cè)物體的后向散射特性。因此，信息內(nèi)容可以通過(guò)結(jié)合多極化數(shù)據(jù)來(lái)增加。它同樣適用于不同穿透深度的多頻數(shù)據(jù)的滲入（incorporation）。在一些應(yīng)用中，他們的結(jié)合可以提高SAR數(shù)據(jù)[33]的質(zhì)量。多分辨率SAR數(shù)據(jù)的融合通常基于多尺度信號(hào)表示和金字塔技術(shù)的利用。例如，[34]和[35]為了SAR融合的目的施加離散小波變換（DWT）。DWT分解一個(gè)圖像成三個(gè)圖像，分別是水平，垂直和對(duì)角線的細(xì)節(jié)，以及通過(guò)濾波的輸入圖像的粗版本。粗糙的圖像然后會(huì)被另一個(gè)粗糙分辨率的圖像替代，該圖像包含額外的信息。在后續(xù)步驟中，逆小波變換產(chǎn)生一個(gè)融合的產(chǎn)品，該產(chǎn)品包含細(xì)分辨率圖像的細(xì)節(jié)和粗分辨率圖像的額外信息。[36]對(duì)SAR數(shù)據(jù)融合采用多尺度卡爾曼濾波。在一般的著名的卡爾曼濾波的目的是估計(jì)動(dòng)態(tài)目標(biāo)的狀態(tài)，當(dāng)有關(guān)流程演變的測(cè)量是可用時(shí)。相比傳統(tǒng)的應(yīng)用，在濾波器規(guī)模的擴(kuò)展版本而不是時(shí)間是獨(dú)立的變量。因此，目標(biāo)是評(píng)估系統(tǒng)的狀態(tài)，在不同分辨率圖像的基礎(chǔ)上。上面介紹的兩種方法展現(xiàn)了潛在提升城市區(qū)域提取的準(zhǔn)確性的目的。然而，沒(méi)有在廣闊地域關(guān)于他們的應(yīng)用的實(shí)驗(yàn)存在，主要由于高計(jì)算負(fù)載的金字塔技術(shù)和多分辨SAR數(shù)據(jù)組的有限性。III.用LANDSAT對(duì)全球城市區(qū)域繪圖而SAR在尋找有關(guān)人類居住地范圍的較粗糙信息上特別有用，相比于光數(shù)據(jù)，利用多光譜數(shù)據(jù)可以更好的獲得更小尺度的城市景觀要素的提取。Landsat數(shù)據(jù)的可用性對(duì)整個(gè)世界和對(duì)超過(guò)30年的時(shí)間跨度為用戶提供一個(gè)巨大數(shù)量的數(shù)據(jù)和多時(shí)間分析的信息。這對(duì)人類居住地特征有特別的重要性，它是由SAR數(shù)據(jù)提取信息另一種方式的補(bǔ)充。它覆蓋一個(gè)非常短的時(shí)間間隙。值得注意的是，這是由于SAR傳感器的事實(shí)，盡管全球任務(wù)自從上世紀(jì)80年代是可行的，但通常不能獲得連續(xù)的模式。有源傳感器比被動(dòng)傳感器有更高的能量，國(guó)家和國(guó)際空間機(jī)構(gòu)的收購(gòu)政策是不同的。城市區(qū)域的Landsat圖像是非常不同的。盡管已經(jīng)有嘗試去發(fā)展城市區(qū)域提取的譜指標(biāo)（值得注意的是，[37]，[38]，[39]），但他們?nèi)赃h(yuǎn)遠(yuǎn)不夠捕獲城市物品混合物的廣泛的復(fù)雜性。因此，以一致的方法管理這個(gè)龐大和多變的數(shù)據(jù)組需求已經(jīng)帶來(lái)基于多指數(shù)和半自動(dòng)訓(xùn)練現(xiàn)場(chǎng)的甄別的一個(gè)方法論的發(fā)展。具體而言，如[22]中提到的，和在[40]中最近改進(jìn)的，該方法依賴于計(jì)算Landsat數(shù)據(jù)所有可能帶寬中的不同的一組標(biāo)準(zhǔn)化的指標(biāo)，即所謂的歸一化譜矢量（NDSV）。NDSV的優(yōu)點(diǎn)是它對(duì)全世界的城市區(qū)域有非常相似的譜特性，而自然材料，如植被（見(jiàn)圖9），展示了不同的特征。不幸的是，在二元分類問(wèn)題上，城市/非城市必須認(rèn)識(shí)到特殊的譜包含豐富的非常不同和高度變化，在全球水平上使用NDSV只能在全世界選取訓(xùn)練區(qū)域并使用他們作為調(diào)整地理的參考數(shù)據(jù)庫(kù)時(shí)可以被實(shí)施。為此目的，城市區(qū)域范圍的存在的全球數(shù)據(jù)庫(kù)可以被使用，例如[41]，即現(xiàn)有的中分辨率的城市層，該層已知用于低估城市區(qū)域，比如GlobCover[42]。通過(guò)看只為了在這些數(shù)據(jù)組（例如，300米或10個(gè)像素載陸地空間分辨率）邊界內(nèi)像素之間，提取一個(gè)有用的運(yùn)行的二進(jìn)制監(jiān)督分類器或一個(gè)譜相似匹配算法的局部采樣是可能的。事實(shí)上，在合適的大氣和輻射定標(biāo)之后，在單一Landsat圖像，使用光譜角映射器技術(shù)的譜匹配被證明是最好的選擇。對(duì)于大范圍的地理區(qū)域，當(dāng)必須處理多個(gè)Landsat圖像時(shí)，二元分類器或分類器的集成，更好的工作，更加靈活和不易因噪聲產(chǎn)生誤差（更多詳細(xì)信息可以參考上述文獻(xiàn)[22]）。從操作的角度來(lái)說(shuō)，在全球水平上30米空間分辨率的圖像的鑲嵌不匹配許多實(shí)驗(yàn)室的內(nèi)部計(jì)算能力的實(shí)力。添加完美管理Landsat檔案的需求使大多數(shù)研究所在自己服務(wù)器實(shí)施上述方法成為不可能。因此，在這項(xiàng)工作中，通過(guò)使用谷歌地圖引擎（GEE）系統(tǒng)[45]來(lái)解決這個(gè)問(wèn)題。GEE允許管理必要的大數(shù)量的輸入數(shù)據(jù)，自動(dòng)選擇來(lái)自現(xiàn)有地理數(shù)據(jù)庫(kù)的訓(xùn)練樣本，最后提取多年的城市范圍，直接向用戶呈現(xiàn)通過(guò)谷歌地圖界面由Landsat獲得所覆蓋的任給時(shí)間間隔的城市范圍的發(fā)展。對(duì)相同區(qū)域的提取結(jié)果的例子，該對(duì)SAR的結(jié)果圖5（江蘇?。┍徽故境鰜?lái)，使用這種方法在圖10被提出來(lái)對(duì)兩個(gè)日期（2000年和2010年）。提取指的是最新數(shù)據(jù)，該提取與SAR的結(jié)果很容易被比較。我們觀察到，如上所述，Landsat結(jié)果在定義城市范圍細(xì)節(jié)上更加準(zhǔn)確，而SAR增加關(guān)于結(jié)構(gòu)特性的信息，由于在平坦區(qū)域的裸露的土地，可以幫助去掉錯(cuò)誤的像，或被淹地區(qū)的反射（在東南亞地區(qū)一種比較典型的情況）。為了全球城市映射的VHR光學(xué)數(shù)據(jù)的使用持有相似的潛力和限制，對(duì)VHRSAR數(shù)據(jù)在部分II.B被討論。除了對(duì)于全球數(shù)據(jù)有效性和一致性的挑戰(zhàn)，巨大數(shù)據(jù)量的存儲(chǔ)和處理他們的計(jì)算花費(fèi)，基于城市提取的VHR光學(xué)數(shù)據(jù)的另一個(gè)方面將在下面簡(jiǎn)要討論。今天有效的HR和VHR空間分辨率在10到0.5米之間的光學(xué)衛(wèi)星數(shù)據(jù)允許小尺度特征的分化，該特征可能對(duì)特殊應(yīng)用不是必要的。例如，有關(guān)建筑物屋頂?shù)男畔ⅲㄈ?，煙筒，窗戶的水箱）?duì)城市范圍的提取不是顯著的。因此，非常高的空間分辨率和它的繼承增加的頻譜變化相比其優(yōu)點(diǎn)更是缺點(diǎn)，在廣闊區(qū)域城市提取方面。歐盟聯(lián)合研發(fā)中心開(kāi)發(fā)了一個(gè)總體框架來(lái)解決使用HR和VHR對(duì)全球城市測(cè)繪的挑戰(zhàn)。該框架已經(jīng)用各種HR和VHR光學(xué)數(shù)據(jù)組在廣闊地理區(qū)域經(jīng)過(guò)了測(cè)試。全自動(dòng)圖像信息提取，概況和鑲嵌的流程包含多尺度紋理和形態(tài)圖像特征提取，圖像特征壓縮和優(yōu)化和新穎的學(xué)習(xí)和分類算法，和能實(shí)現(xiàn)結(jié)果并超越全球城市地圖的細(xì)節(jié)的如今的水平。對(duì)于處理鏈的細(xì)節(jié)描述見(jiàn)[10]。IV.對(duì)城市制圖聯(lián)合使用LANDSAT和SAR在之前的部分簡(jiǎn)要介紹了并討論了每個(gè)方法，這些方法已經(jīng)使用現(xiàn)有的數(shù)據(jù)進(jìn)行驗(yàn)證并在多個(gè)地理位置被人工提取地面實(shí)況。此外，對(duì)真實(shí)全球數(shù)據(jù)組的提取技術(shù)已經(jīng)關(guān)于選定的應(yīng)用進(jìn)行了檢測(cè)，例如多是人口制圖。雖然結(jié)果可以（將）被改善，并且更仔細(xì)的驗(yàn)證，我們可以假設(shè)他們根據(jù)城市范圍提取的技術(shù)的當(dāng)前現(xiàn)狀。因此這部分被看作這項(xiàng)工作的最后一步，例如，基于SAR的聯(lián)合的技術(shù)的定義和表征城市地區(qū)的基于多光譜的技術(shù)?；赟AR的提取針對(duì)相同光譜和不同空間特性的自然元素的城市區(qū)域的更好的區(qū)別上有很大的潛力，這是已經(jīng)被提到的，例如，裸露的土壤區(qū)域，淹沒(méi)的區(qū)域，這些可能時(shí)常混淆人類居住地。此外，SAR能更加準(zhǔn)確的發(fā)現(xiàn)小的定居點(diǎn)兵針對(duì)周圍的自然環(huán)境識(shí)別他們。結(jié)合30米基于Landsat提取和75m基于SAR提取對(duì)大的居住點(diǎn)的邏輯“和”的操作和對(duì)小定居點(diǎn)（例如，在分辨率WSM上少于200個(gè)像素）的邏輯“或”的操作是一致的。結(jié)果在圖11被展示，該圖展示里貝朗普雷托（圣保羅州，巴西）和融合產(chǎn)物的更好的質(zhì)量可以肉眼評(píng)價(jià)（見(jiàn)紅色矩形）。主要城鎮(zhèn)有更好的特征由于光學(xué)更高的分辨率提取，然而更小人類居住地范圍主要來(lái)源SAR數(shù)據(jù)組。不幸的是，定量評(píng)價(jià)在丟失，因?yàn)樗枰饕暮托〉木幼↑c(diǎn)的詳細(xì)地圖，而這在如今是不可獲取的。此外，不同分辨率城市范圍融合的主意能（將會(huì)）進(jìn)一步擴(kuò)展和完善，該想法的開(kāi)發(fā)目前只針對(duì)SAR數(shù)據(jù)[31]，通過(guò)考慮相同框架的光學(xué)數(shù)據(jù)，，兩者設(shè)置焦點(diǎn)在感興趣的區(qū)域，并且在本地定義上提高準(zhǔn)確性，由于由SAR獲得的城市/非城市區(qū)分的第一步。最后，必須指出的是，除了人類居住地范圍的共同輪廓，SAR和多光譜數(shù)據(jù)能被用來(lái)測(cè)繪包含城市區(qū)域的土地使用塊。這種方法，在[23]提出它的初步階段，基于上一個(gè)部分提出的技術(shù)方法，接著把城市區(qū)域分割成塊，在光譜信息的幫助下來(lái)提高并得到一致的分割結(jié)果。最后，該段通過(guò)考慮一組索引共同評(píng)價(jià)他們每個(gè)的光譜內(nèi)容（在光譜域）和空間信息（在SAR域）的分配給土地使用類。到現(xiàn)在為止，在全球規(guī)模中城市區(qū)域提取方法是針對(duì)只有一類遙感數(shù)據(jù)的使用，要么基于SAR數(shù)據(jù)或基于光譜的方法。由于他們的互補(bǔ)性，在一個(gè)統(tǒng)一處理鏈中聯(lián)合使用這兩種數(shù)據(jù)對(duì)改進(jìn)的專題細(xì)節(jié)和空間，以及如今可用的城市測(cè)繪產(chǎn)品的時(shí)間分辨率蘊(yùn)藏著巨大的潛力。利用光學(xué)數(shù)據(jù)的方法可能會(huì)在由于氣候條件產(chǎn)生的常見(jiàn)的云覆蓋的的現(xiàn)象中缺乏連續(xù)性和可靠性。另一方面，SAR圖像受限于關(guān)于自然、植被區(qū)細(xì)節(jié)的提取。只有數(shù)據(jù)組的結(jié)合才有可能彌補(bǔ)他們特定的缺點(diǎn)。此外，對(duì)基于邏輯運(yùn)算的個(gè)別城市生產(chǎn)的產(chǎn)品的細(xì)小的融合戰(zhàn)略，在判決水平以及原始水平的融合方法需要進(jìn)一步調(diào)查。微波和多光譜數(shù)據(jù)的有前途的組合方法已經(jīng)存在。關(guān)于他們基本的概念兩個(gè)主要研究趨勢(shì)在多源數(shù)據(jù)融合領(lǐng)域可以觀察到。第一個(gè)屬于擴(kuò)展的最大似然判決方法應(yīng)用于單個(gè)圖像矢量，該圖像矢量來(lái)自不同傳感器的級(jí)聯(lián)信號(hào)（例如[46]）。這些方法的主要挑戰(zhàn)是建立在多源數(shù)據(jù)分配的好