EO4Urban：哨兵-1A SAR和全球城市服务哨兵-2A MSI数据.docxVIP

哨兵-1A SAR和全球城市服务哨兵-2A MSI数据摘要：本研究的总体目标是评估使用创新的方法和算法，即KTH-帕维亚城市提取，一个强大的算法用于城市范围提取和KTH-SEG全球城市服务多时哨兵-1A SAR和Sentinel-2A MSI数据 ，一种用于详细的城市土地覆盖图的新颖的基于对象的分类方法。选择不同地理环境条件下的世界十大城市作为研究区域。在2015年和2016年的植被季节，获得了大量Sentinel-1A SAR和Sentinel-2A MSI数据。城市提取结果表明，利用项目开发的城市提取物，可以利用多时哨兵1 SAR，Sentinel-2A MSI数据及其融合方法，提取城市和小城镇。对于城市土地覆盖图，单独的多时哨兵-1A SAR数据对斯德哥尔摩的整体分类准确率达到60％。Sentinel-2A MSI数据以及Sentinel-1A SAR和Sentinel-2A MSI数据的融合产生了更高的分类精度，均达到了80％。关键词：EO4Urban，Sentinel-1A SAR，Sentinel-2A MSI，城市提取器，KTH-SEG，全球城市服务。I.介绍现在全球有一半以上的人口生活在城市，到二零五零年，有二十五亿多人预计会进入城市，城市地区对环境构成重大挑战。尽管全球土地覆盖率只有一小部分，但城市地区在地方，区域和全球范围内显着改变了气候，生物地球化学和水文学。因此，关于城市土地覆被及其变化模式的准确及时的信息对于支持可持续城市发展至关重要。单日期和多时间SAR数据在城市应用中越来越多地用于绘制城市范围[1]，[2]，城市土地覆被分类[3]和变化检测[4]。在SAR数据方面，已经对城市应用中的单极化，双极化和全极化模式的各种多时空载SAR数据进行了评估。在SAR处理和特征提取方法方面，纹理测度[5]，语境信息[6]，分类算法如统计学[7]，神经网络[8]，支持向量机（SVM）[9] 基于和基于规则的方法[10]已经被调查了城市地图绘制不同程度的成功。此外，通过利用由不同传感器获取的数据的互补性质，SAR和光学数据的融合被证明是有利的。SAR和光学数据都有自己的优点和局限性，因此SAR和光学数据的融合可以克服与单个传感器相关的缺陷。已经对SAR和光学数据融合进行了城市陆地覆盖测绘和变化检测研究[11-12]。已经证明，与使用单源数据相比，多源数据的特征和决策级融合可以实现更高的分类和对象识别准确度。因此，需要研究Sentinel-1A SAR和Sentinel-2A MSI数据在城市映射中的融合。此外，大多数上述融合研究使用基于像素的分类。另一方面，基于对象的方法在城市映射中越来越多地采用高分辨率光学数据[13]，SAR数据[3]和SAR和光学数据融合[10] [14]，因为更多的信息 因为在分析中可以探索物体特征和空间关系，从而提高分类。他的这个研究的总体目标是评估多时间多分辨率哨兵-1A SAR和Sentinel-2A微星数据，用于根据用户需求开发全球城市试点试点，以支持可持续城市发展。 具体目标是：?开发用于生产用户需要的产品和服务的新颖而强大的方法和算法;?评估城市规模提取，详细城市土地覆盖图和城市变化检测的多时间多分辨率Sentinel-1A SAR和Sentinel-2A MSI数据的能力;?开发试点城市服务示威者。EO4Urban是ESA DUE INNOVATOR III计划中的一个项目。项目联盟包括瑞典斯德哥尔摩的KTH皇家理工学院和意大利帕维亚的帕维亚大学以及斯德哥尔摩的斯德哥尔摩县行政委员会城市和区域发展部门两名学术合作伙伴， 瑞典和中国国家地理数字中心（NGCC）在中国北京国家测绘，地理信息管理局。 这为我们提供了开发急需城市服务的独特机会。AI.研究领域和数据描述学习区世界各地的十个城市被选中代表除南极洲以外各个大陆各个环境条件下的发达和发展中城市。沿海城市包括雅加达，拉各斯，孟买，纽约，里约热内卢，斯德哥尔摩和悉尼，而内陆城市包括北京，墨西哥城和米兰。 几个城市是山区的，被山包围，其余的都在相对平坦的地区。一些正在快速城市化，而另一些则相对缓慢。 在十个城市中，选择了斯德哥尔摩和北京，测试了第一阶段的方法，其余的在第二阶段。B.数据说明植被季节期间，2015年在斯德哥尔摩和北京收购了多时代多分辨率Sentinel-1A IW SAR和Sentinel-2A MSI数据，以最大限度地发挥城乡差距。选择上升和下行轨道的多日期双极化SAR数据，以评估SAR数据改善城市提取和城市土地覆盖图的潜力。 还收集了历史ENVISAT ASAR和ERS-1/2 SAR数据，用于城市化监测。III.方法本研究的方法涉及多时段Sentinel-1A SAR，Sentinel-2A MSI和历史ESA S