[论文解读] Mapping parcel-level urban areas for a large geographical area

Ying Long, Yao Shen|arXiv (Cornell University)|Mar 24, 2014

Land Use and Ecosystem Services参考文献 47被引用 30

一句话总结

本文提出了一种基于英国地形测量局数据和兴趣点（POIs）的自动化、地块级城市区域制图框架，用于推断空间密度和形态特征。通过应用整合了地块级密度、邻域条件和功能属性的矢量元胞自动机模型，该方法实现了对全部654个中国城市的精细化城市边界划定，为中分辨率遥感或基于人口密度的方法提供了一种更一致、高效且高分辨率的替代方案。

ABSTRACT

As a vital indicator for measuring urban development, urban areas are expected to be identified explicitly and conveniently with widely available dataset thereby benefiting the planning decisions and relevant urban studies. Existing approaches to identify urban areas normally based on mid-resolution sensing dataset, socioeconomic information (e.g. population density) generally associate with low-resolution in space, e.g. cells with several square kilometers or even larger towns/wards. Yet, few of them pay attention to defining urban areas with micro data in a fine-scaled manner with large extend scale by incorporating the morphological and functional characteristics. This paper investigates an automated framework to delineate urban areas in the parcel level, using increasingly available ordnance surveys for generating all parcels (or geo-units) and ubiquitous points of interest (POIs) for inferring density of each parcel. A vector cellular automata model was adopted for identifying urban parcels from all generated parcels, taking into account density, neighborhood condition, and other spatial variables of each parcel. We applied this approach for mapping urban areas of all 654 Chinese cities and compared them with those interpreted from mid-resolution remote sensing images and inferred by population density and road intersections. Our proposed framework is proved to be more straight-forward, time-saving and fine-scaled, compared with other existing ones, and reclaim the need for consistency, efficiency and availability in defining urban areas with well-consideration of omnipresent spatial and functional factors across cities.

研究动机与目标

• 解决利用微观层面数据在大范围地理区域内缺乏精细化、一致性的城市区域边界划定问题。
• 克服中分辨率遥感和基于人口密度方法在空间粒度上的局限性。
• 开发一种自动化、可扩展的地块级城市区域制图框架。
• 整合形态与功能城市特征，以提升城市边界检测的准确性。
• 确保在中国不同城市中城市区域定义的一致性、高效性与可获取性。

提出的方法

• 利用英国地形测量局数据，在全部654个中国城市中生成全面的地理单元（地块）。
• 利用兴趣点（POIs）推断地块层面的局部密度与功能特征。
• 应用矢量元胞自动机模型，基于密度、邻域条件与空间上下文评估每个地块。
• 整合邻近道路、土地利用和POI聚集度等空间变量，以指导城市地块分类。
• 采用迭代邻域规则，根据局部条件与空间依赖关系传播城市状态。
• 通过与中分辨率遥感解译结果及基于人口密度或道路交叉点的推断结果进行验证。

实验结果

研究问题

• RQ1 仅使用公开获取的空间数据和POIs，能否准确实现地块级城市区域的制图？
• RQ2 在大范围地理区域内，矢量元胞自动机模型在地块尺度上识别城市边界的性能如何？
• RQ3 与传统基于密度的方法相比，整合形态与功能因素在多大程度上提升了城市区域的边界划定效果？
• RQ4 该框架在中国多样化的城市环境中是否具备一致性和高效性？
• RQ5 该方法能否在空间分辨率和准确性上超越中分辨率遥感或基于人口的方法？

主要发现

• 所提出的框架实现了地块级的精细化城市区域制图，显著提升了传统方法的空间分辨率。
• 与人工解译或基于人口密度的方法相比，该方法在时间和操作上更为高效且简便。
• POI推导出的密度与空间上下文的整合显著提高了城市边界检测的准确性。
• 矢量元胞自动机模型成功捕捉了异质城市环境中城市形态与功能模式。
• 验证结果表明，与遥感和基于人口的解译相比，该方法生成的城市区域边界划定更具一致性。
• 该框架具备可扩展性，适用于大范围地理区域，已在全部654个中国城市中得到验证。