[发明专利]一种基于深度学习的预测县级单位时序GDP的方法

权利要求书

1.一种基于深度学习的预测县级单位时序GDP的方法，其特征在于：包括以下步骤：

S101：基于GEE平台收集和管理待研究区域内的连续多年的多源遥感数据、县级矢量边界数据和年度县级GDP数据，并对所述多源元遥感数据进行预处理，得到预处理后的多源元遥感数据；

S102：基于GEE平台提出一种基于直方图统计的特征提取方法，并采用该方法，根据所述预处理后的多源元遥感数据和所述县级矢量边界数据提取所述预处理后的多源元遥感数据的数据特征；根据所述年度县级GDP数据和对应县级行政区面积计算得到县级GDP密度数据，并根据所述GDP密度数据得到标签数据；所述数据特征包括张量数据；

S103：建立卷积神经网络模型；

S104：将所述标签数据和所述张量数据根据预设时间节点和县级编码进行对应整合，并根据预设时间节点将对应整合后的部分标签数据和张量数据作为训练数据对所述卷积神经网络模型进行训练，得到训练好的卷积神经网络模型；

S105：基于GEE平台获取研究区域的待预测年份的多元遥感数据和县级矢量边界数据，进而采用所述训练好的卷积神经网络模型对待预测年份的GDP密度进行预测。

2.如权利要求1所述的一种基于深度学习的预测县级单位时序GDP的方法，其特征在于：步骤S101中，所述多源遥感数据包括MODIS地表反射率数据，Terra和Aqua组合的MODIS土地覆盖数据、NPP/VIIRS月合成夜间灯光遥感影像数据；

对所述多远遥感数据进行预处理包括：对所述MODIS地表反射率数据进行去云处理，对所述NPP/VIIRS月合成夜间灯光遥感影像数据依次进行重采样、相对校正及去饱和校正处理。

3.如权利要求1所述的一种基于深度学习的预测县级单位时序GDP的方法，其特征在于：步骤S102中，具体包括：

S201：分别计算所述预处理后的多源元遥感数据中的MODIS地表反射率数据和NPP/VIIRS月合成夜间灯光遥感影像数据的年平均综合值，使其与所述年度县级GDP数据具有相同的时间频率；进而在GEE中对MODIS地表反射率数据和NPP/VIIRS月合成夜间灯光遥感影像数据的年平均综合值以及所述MODIS土地覆盖数据进行波段叠加，得到总计n个波段的数据，n为MODIS地表反射率数据和NPP/VIIRS月合成夜间灯光遥感影像数据的年平均综合值以及所述MODIS土地覆盖数据的波段之和，且这三个数据的具体波段需要根据具体使用的数据产品的型号确定；

S202：在GEE中导入所述县级矢量边界数据，进而对研究区域的所有特征带进行全局统计，即分别计算研究区域下所有特征的最大值和最小值，并根据所述最大值和最小值确定波段特征数据数值的真实分布区间，为后续建立每个特征的32箱直方图确定分布界限；

S203：基于步骤S202中确定的分布界限，将所述n个波段的数据中每个波段的数据都转换成一个归一化的32箱直方图，一共有n个波段，每个县对应生成一个形状为1*32*n的张量；其中，1代表图像高度、32代表图像宽度，n代表图像波段；

S204：将所述年度县级GDP数据按照所述县级矢量边界数据进行划分，并根据各县级行政区的面积，计算GDP密度，然后进行对数计量，处理后得到各县级市的GDP的标签数据，具体计算公式如下：

上式中，y_i为第i个县级市的GDP的标签数据，g_i为第i个县级市的年度GDP数据总量，a_i为第i个县级市行政区域面积；其中，i代表县级市序号，且i＝1，2，...，m；m为研究区域县级市的总个数；

S205：根据县级编码将所有的标签数据与所有的张量进行对应整合，并舍弃没有对应的数据，将剩下的标签数据和张量作为最终的中国县级市的标签数据和张量数据；其中，所述县级编码为信息处理标准代码。