基于多源卫星数据及地理信息动态综合量化城市化的方法

技术领域

本发明涉及医疗资源分配技术领域，尤其涉及一种基于多源卫星数据及地理信息动态综合量化城市化的方法。

背景技术

中国的城市化是世界上最为迅速的地区之一。中国有许多人口超过百万的大城市，以及一些人口超过千万的超大城市，尽管城市化带来了一些发展机遇，但城乡差距也在加大，导致了多方面的不平等问题。随着城市化的不断发展，一些与城市生活方式和环境相关的健康问题逐渐引起关注。比如，城市地区通常伴随着高压的生活节奏、压力和不健康的饮食习惯，这可能导致高血压、心脏病和中风等心血管疾病的增加；城市环境中的不健康饮食选择和久坐的生活方式可能导致肥胖和糖尿病的风险增加；高压的城市生活可能导致精神健康问题，如焦虑症、抑郁症和其他心理健康障碍；人口稠密的城市地区更容易成为传染病的传播场所，如流感、肠道疾病等。对此，城市化的精准量化评估，对于不同疾病的城市相关性分析、不同地区的风险预估至关重要。

目前城市化评估方法主要采取城市等级体系进行粗略分析，或针对不同分析内容的不同单一指标进行分析主要为人口、经济、环境，人口主要包括城市人口比重、城市人口增长率等。经济主要有城市GDP、城市就业率、城市财政收入等。环境指标主要包括空气质量、水资源利用等。然而并没有一个综合量化的指标精准全面反应城市化的程度。

发明内容

本发明要解决的技术问题是针对上述现有技术的不足，提供一种基于多源卫星数据及地理信息动态综合量化城市化的方法，根据多源卫星数据及地理信息，采用迭代探索性因子分析来重构城市化得分，获得一个动态综合的城市指数，可用于疾病等相关政策制定的指导，如发病风险的评估、医疗资源的分配。

为解决上述技术问题，本发明所采取的技术方案是：

一种基于多源卫星数据及地理信息动态综合量化城市化的方法，包括以下内容：

选择与城市化相关的候选卫星信息，包括建筑物、道路、夜间灯光、河流面积、绿化面积、人口密度、医疗设施和其他各种指标，以及其他非卫星来源的定量相关指标；

以人口密度为参考，根据以下两个标准进一步筛选候选变量：第一，与人口密度的皮尔逊相关系数大于等于0.3；第二，与其他变量不存在共线性，即相关系数小于0.95；

经过上述筛选策略，保留相关因素指标进行迭代探索性因子分析，进一步完善变量并生成复合城市因子，计算出个人城市综合得分。

进一步地，所述生成复合城市因子的具体步骤如下：

步骤1：首先评估迭代探索性因子分析的有效性，如果Kaiser-Meyer-Olkin指数大于0.5或Bartlett球形度检验的P值小于0.05，则剔除平均交叉相关系数最小的变量；

步骤2：根据平行分析估计最佳因子数，使用1000次以上的随机化，生成空特征值分布；

步骤3：使用斜普罗克斯特旋转估计迭代探索性因子；如果残差的均方根高于0.05，则删除特定方差最大的变量；

步骤4：重复以上三个步骤，直到没有变量被剔除；

步骤5：保留所有满足条件的变量，然后根据公式计算出个人城市综合得分US：

其中，E

采用上述技术方案所产生的有益效果在于：本发明提供的基于多源卫星数据及地理信息动态综合量化城市化的方法，可以根据个人的地理信息系统获得一个全面的综合城市化指数；可根据不同的分析目的而调整候选指标因素，使得城市化指数具有一定的倾向性，该指数可精确到个人所处位置的某时间点，或累积某时间段的城市水平情况，即具有动态性；动态量化的城市化综合指数，可满足实时状态下的精确相关分析，给出疾病等医疗资源相关政策制定的准确实效性指导。

附图说明

图1为本发明实施例提供的基于多源卫星数据及地理信息动态综合量化城市化的方法流程图；

图2为本发明实际地理影像与基于多源卫星数据及地理信息动态综合量化城市化的方法获得的城市化指数示意图；其中，图(2a)为瞬时城市化指数为1的示意图，图(2b)为瞬时城市化指数为0.5的示意图。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

如图1所示，以获取某地区城市化指数为例，本实施例的方法如下所述。

步骤一：选择与城市化相关的候选卫星数据库，针对某城市具体筛选了四个卫星数据库，包括GPWv411 UN WPP-Adjusted Population Density、USGS Landsat 7SurfaceReflectance Tier 1、Accessibility to Healthcare 2019和VIIRS Stray LightCorrected Nighttime Day Night Band Composites Version 1。

步骤二：从上述四个数据库中得出目标位置1平方公里范围内的12个环境变量：人口密度、增强植被指数、植被指数、水指数、地表水指数、积水指数、土壤调整植被指数、优化土壤调整植被指数、基于指数的植被指数、昼夜波段平均辐射值、使用非机动交通工具前往最近的医院或诊所所需时间、前往最近医院或诊所的旅行时间。

步骤三：筛选与人口密度的皮尔逊相关系数大于等于0.3，与其他变量不存在共线性(相关系数<0.95)的变量，保留6个变量，包括人口密度、增强植被指数、地表水指数、昼夜波段平均辐射值、用非机动交通工具前往最近的医院或诊所所需时间、前往最近医院或诊所的旅行时间。

步骤四：进行迭代探索性因子分析，以进一步完善变量并生成复合城市因子，具体步骤如下：

步骤1：首先评估迭代探索性因子分析的有效性，如果Kaiser-Meyer-Olkin指数大于0.5或Bartlett球形度检验的P值小于0.05，则剔除平均交叉相关系数最小的变量；

步骤2：根据平行分析估计最佳因子数，使用1000次随机化，生成空特征值分布；

步骤3：使用斜普罗克斯特旋转估计迭代探索性因子；如果残差的均方根高于0.05，则删除特定方差最大的变量；

步骤4：重复以上三个步骤，直到没有变量被剔除。

针对某城市具体进行上述分析，此过程中Kaiser-Meyer-Olkin指数＝0.652，Bartlett球形度检验的P值<0.001，残差的均方根＝0.037。

步骤5：提取获取瞬时时间的环境变量值，对目标位置进行评分，根据公式计算出该时刻该点的城市化综合指数：

若获取某时间段的城市化综合指数，则选取该时间段的环境累积变量值，进行评分，然后根据公式计算出该时刻该点的城市化综合指数。基于多源卫星数据及地理信息动态综合量化城市化指数与实际地理影像的对映如图2所示,图(2a)为该发明拟合出城市化综合指数为1对应的城市景象，图(2b)为该发明拟合出城市化综合指数为0.5对应的城市景象。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明权利要求所限定的范围。