基于遥感图像的城市白天噪音空间分布预测和规模效应分析:成都的一个案例研究

科学领域:

• 环境科学 环境科学
• 遥感 遥感 遥感 遥感
• 城市规划 城市规划

背景情况:

• 城市道路交通噪音影响公共卫生和可持续发展.
• 传统的噪音监测方法成本高昂,覆盖范围有限,更新时间缓慢.
• 有效和全面的城市噪音监测至关重要.

研究的目的:

• 使用深度学习模型 (ResNet,ViT) 探索白天城市噪音的预测性能,使用各种空间分辨率的遥感图像.
• 确定遥感图像的最佳空间分辨率,以准确预测城市噪音.
• 研究多尺度聚变对噪声预测准确性的影响.

主要方法:

• 利用成都的高分辨率遥感图像,重新样本成九个不同的空间分辨率 (0.25m到50m).
• 在生成的图像数据集上训练并验证端到端深度学习模型 (ResNet和ViT架构).
• 进行了多尺度的聚变实验和二维福里埃光谱分析,以了解依赖于分辨率的性能.

主要成果:

• 预测准确度显示出非线性模式,在2米分辨率图像上达到顶峰.
• 2米分辨率的图像在预测城市噪音分布方面产生了最高的准确性.
• 多尺度聚变并没有显著改善性能,表明潜在的冗余或相互矛盾的光谱信息.
• 里埃光谱分析证实了2m图像中高频和低频组件的平衡分布.

结论:

• 2米分辨率的遥感图像为城市噪音预测提供了详细信息和空间背景的最佳平衡.
• 开发的方法为环境噪声监测提供了一种新方法.
• 结果为未来研究尺度效应和远程传感应用中最佳分辨率选择奠定了基础.