基于土地利用/覆盖时间序列的城市街区变化检测方法——以南京市江北新区为例

张永胜; 刘犀力; 唐夫凯

您当前的位置：

首页 >

文章列表页 >

基于土地利用/覆盖时间序列的城市街区变化检测方法——以南京市江北新区为例

3S技术应用 | 更新时间：2026-08-11

- 基于土地利用/覆盖时间序列的城市街区变化检测方法——以南京市江北新区为例
- 基于土地利用/覆盖时间序列的城市街区变化检测方法——以南京市江北新区为例
- 地理空间信息 2025年23卷第12期页码：72-76
- 作者机构：
  
  1. 浙江华东测绘与工程安全技术有限公司
  2. 生态环境部南京环境科学研究所
- 作者简介：
- 基金信息：
  
  生态环境部南京环境科学研究所碳达峰碳中和专项基金资助项目（ZX2024SZY054）
- DOI：
  中图分类号： TU984.113;P208
- 纸质出版：2025
- 稿件说明：
移动端阅览
张永胜, 刘犀力, 唐夫凯. 基于土地利用/覆盖时间序列的城市街区变化检测方法——以南京市江北新区为例[J]. 地理空间信息, 2025,23(12):72-76.

张永胜, 刘犀力, 唐夫凯. 基于土地利用/覆盖时间序列的城市街区变化检测方法——以南京市江北新区为例[J]. 2025, 23(12): 72-76.
张永胜, 刘犀力, 唐夫凯. 基于土地利用/覆盖时间序列的城市街区变化检测方法——以南京市江北新区为例[J]. 地理空间信息, 2025,23(12):72-76. DOI：

张永胜, 刘犀力, 唐夫凯. 基于土地利用/覆盖时间序列的城市街区变化检测方法——以南京市江北新区为例[J]. 2025, 23(12): 72-76. DOI：

摘要

城市物理动态信息的掌握对城市精细化设计与管理至关重要。基于建模的遥感时间序列变化检测方法依赖于高质量的时序标签样本，其应用受到限制。而现有区域性土地利用/覆盖制图产品的应用主要基于像素级分析，面向城市街区尺度的大规模时序变化检测与分析有待进一步探索。为此，基于Google Earth Engine和时间序列土地利用/覆盖产品，提出了一种城市街区级的时间序列变化检测方法。该方法利用Open Street Map道路网数据和ESRI土地利用/覆盖产品获取城市街区土地利用/覆盖多要素组合的时间序列，通过构建街区尺度的土地利用/覆盖语义表示和变化度量方法提取每个街区的变化次数、最近次变化截至年份、变化最长持续时间、变化类别等多要素变化语义。以南京市江北新区为例，验证并探讨了该方法的有效性。结果显示，该方法得到的江北新区682个街区2017—2023年土地利用/覆盖多要素变化语义提取结果的准确度均值为0.78，耗时总计13.15 s。总体结果表明，该方法能够高效开展大规模城市街区时间序列变化检测任务，得到城市街区多要素变化检测结果并能够较好地反映城市发展的时空动态特点。

Abstract

关键词

Keywords

references

王钰岢,陈芸芝,江洪.综合LandTrendr算法与随机森林的闽江流域森林扰动监测[J].测绘科学,2025(03).

张书,孙超,胡茗,郑嘉豪,刘永超.基于连续变化检测和分类算法的动态遥感生态指数构建[J].生态学报,2024(02).

张兵,杨晓梅,高连如,孟瑜,孙显,肖晨超,倪丽.遥感大数据智能解译的地理学认知模型与方法[J].测绘学报,2022(07).

熊元康,张鸿辉,梁宇哲,罗伟玲,洪良.基于Google Earth Engine与多源遥感数据的土地覆盖变化监测[J].地理空间信息,2021(09).

韩冬青,宋亚程,葛欣.集约型城市街区形态结构的认知与设计[J].建筑学报,2020(11).

Haixu He,Jining Yan,Dong Liang,Zhongchang Sun,Jun Li,Lizhe Wang.Time-series land cover change detection using deep learning-based temporal semantic segmentation[J].Remote Sensing of Environment,2024.

Zhu Zhe,Qiu Shi,Ye Su.Remote sensing of land change: A multifaceted perspective[J].Remote Sensing of Environment,2022.

Wang Nan,Li Wei,Tao Ran,Du Qian.Graph-based block-level urban change detection using Sentinel-2 time series[J].Remote Sensing of Environment,2022.

Zhe Zhu,Curtis E. Woodcock.Continuous change detection and classification of land cover using all available Landsat data[J].Remote Sensing of Environment,2014.

Warren B. Cohen,Zhiqiang Yang,Robert Kennedy.Detecting trends in forest disturbance and recovery using yearly Landsat time series: 2. TimeSync — Tools for calibration and validation[J].Remote Sensing of Environment,2010.

Jan Verbesselt,Rob Hyndman,Glenn Newnham,Darius Culvenor.Detecting trend and seasonal changes in satellite image time series[J].Remote Sensing of Environment,2009.

Lorenzo Bruzzone,Diego Fernández-Prieto.Automatic analysis of the difference image for unsupervised change detection.[J].IEEE Trans. Geoscience and Remote Sensing,2000.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

时间序列与深度学习模型相结合的冬小麦种植信息提取

融合角反射器InSAR监测水电工程控制网及边坡稳定

基于注意力机制与可变形卷积的遥感图像变化检测方法

场景分类驱动的遥感影像建筑物变化检测

城市国土空间监测数据库更新方法研究