基于K-Means城市分类算法的夜光遥感电力消费估算

发布时间：2021-09-28 20:49

　　为了减小利用夜间灯光影像估算城市电力消费量时的误差,需要考虑样本地区的发展状况,在估算之前对样本进行分类。选取2015年中国大陆263个地级市的NPP-VIIRS夜间灯光数据对城市电力消费量进行估算。提出了基于灯光结构而非传统统计数据的K-Means城市分类算法。利用该方法将样本分为5类并估算电力消费量,与其他分类方法的估算结果相比可知:该方法估算值的平均相对误差和均方根误差分别为32.02%和57.04,较不分类时分别减小25和3.39百分点;估算中的高精度城市比例为53.99%,较不分类时增加了13.59百分点,且为所有方法中的最高比例;相较不分类时的估算结果,有152个城市的估算误差有所降低。该方法性能与其他分类方法的最优性能相似。 

【文章来源】：国土资源遥感. 2020,32(04)北大核心CSCD

【文章页数】：8 页

【部分图文】：

波士顿矩阵

设聚类中心个数K=4时，使用以上4种聚类算法对样本进行了10次聚类，其CP和SP指标变化如表3和图2所示。综合考虑2个指标及稳定性，选取K-Means聚类算法对城市进行分类。3.1.2 聚类中心个数

图3中，聚类方差在K=5时有1个拐点，所以设聚类中心个数K=5,K-Means聚类后聚类中心特征分布如图4所示。各类别城市的灯光分布特征分析及代表性城市如表4所示。3.2 EPC估算结果

【参考文献】：
期刊论文
[1]DMSP/OLS和VIIRS/DNB夜间灯光影像的校正及拟合[J]. 李雪萍,贡璐.  测绘通报. 2019(07)
[2]基于夜间灯光数据的六盘山连片特困区贫困度识别[J]. 沈丹,周亮,王培安.  国土资源遥感. 2019(02)
[3]基于夜间灯光数据的人口空间分布研究综述[J]. 肖东升,杨松.  国土资源遥感. 2019(03)
[4]基于波士顿矩阵的夜光遥感电力消费估算方法[J]. 李熙,薛翔宇.  武汉大学学报(信息科学版). 2018(12)
[5]基于NPP/VIIRS夜间灯光数据和土地利用数据的人口分布图绘制——以大连金普新区为例[J]. 李欣欣,王利,何飞.  遥感信息. 2018(04)
[6]基于夜间灯光与LUC数据的川渝地区人口空间化研究[J]. 胡云锋,赵冠华,张千力.  地球信息科学学报. 2018(01)
[7]基于卫星灯光数据的我国省域电力消费模拟研究[J]. 马忠玉,肖宏伟.  中国能源. 2017(01)
[8]基于NPP-VIIRS夜间灯光数据的北京市GDP空间化方法[J]. 李峰,米晓楠,刘军,刘小阳.  国土资源遥感. 2016(03)
[9]1995-2008年中国大陆电力消费量时空动态[J]. 李通,何春阳,杨洋,刘志锋.  地理学报. 2011(10)
[10]城市群内城市分级方法比较研究——以成都平原城市群为例[J]. 施建刚,裘丽岚.  城市问题. 2009(12)



本文编号：3412519