VoxCity土地利用分类详解:14类标准地物编码及体素栅格应用
VoxCity土地利用分类详解:14类标准地物编码及体素栅格应用
VoxCity 是一个 Python 开源框架,用于整合地理空间数据、构建 3D 城市体素模型并执行城市环境模拟。它内置了一套 14 类标准土地利用分类编码系统,可将来自不同卫星和矢量数据源的地物类型统一归一化,直接写入体素栅格中供模拟与导出使用。
💡 本指南面向新手用户,帮助你快速理解 VoxCity 中土地利用分类的工作原理、各编码含义,以及数据源之间的转换机制。
什么是土地利用栅格?
在 VoxCity 的城市建模流程中,模型由多个输入图层叠加而成:
其中 土地利用层(Land Cover) 负责为每个水平网格单元分配一个地面类型,例如道路、水体、植被等。该层在体素化时会被"堆叠"到地面层之上,成为 3D 模型的语义基础。
每个栅格单元对应体素网格中的一个水平坐标 (i, j),其值即为该单元的标准地物编码(1–14)。
14 类标准地物编码速查表
VoxCity 将所有来源的地物类型归一化为以下 14 个标准编码(1 起始):
| 编码 | 类名 | 说明 |
|---|---|---|
| 1 | Bareland | 裸地 / 荒地,无植被覆盖的裸露地面 |
| 2 | Rangeland | 牧场 / 草地,低矮草本植被覆盖区域 |
| 3 | Shrub | 灌木,中等高度密集灌木丛 |
| 4 | Agriculture land | 农田 / 耕地,人工种植作物区域 |
| 5 | Tree | 树木,乔木树冠层覆盖区域 |
| 6 | Moss and lichen | 苔藓与地衣,湿地或高纬度地衣群落 |
| 7 | Wet land | 湿地,季节性或常年积水区域 |
| 8 | Mangrove | 红树林,热带海岸潮间带特殊植被 |
| 9 | Water | 水体,河流、湖泊、水库等开放水域 |
| 10 | Snow and ice | 冰雪,积雪或冰川覆盖区域 |
| 11 | Developed space | 建设用地,城市开发区域(非建筑本体) |
| 12 | Road | 道路,城市或城际交通路网 |
| 13 | Building | 建筑物,建筑基底及屋顶区域 |
| 14 | No Data | 无数据,栅格中未覆盖或缺失区域 |
📌 编码 13(Building)和 12(Road)在城市模拟中权重最高;编码 9(Water)在光照和可见性模拟中会触发特殊处理逻辑。
多数据源自动归一化
VoxCity 支持 6 种主流土地利用数据源,每种数据源都有自己原生的分类体系,系统会在建模时自动映射到标准 14 类:
| 数据源 | 空间覆盖 | 分辨率 | 类型 |
|---|---|---|---|
| ESA WorldCover | 全球 | 10 m | 卫星影像 |
| ESRI 10m Annual Land Cover | 全球 | 10 m | 卫星影像 |
| Dynamic World V1 | 全球 | 10 m | 近实时卫星 |
| OpenStreetMap | 全球 | 矢量 | 社区标注 |
| OpenEarthMap Japan | 日本 | ~1 m | 航空影像 |
| UrbanWatch | 美国 22 城 | 1 m | 航空影像 |
核心转换逻辑位于 convert_land_cover() 函数中。以 ESA WorldCover 为例,其 11 类原生编码会被映射到标准编码:
| ESA 原生类 | → 标准编码 |
|---|---|
| Trees | → 5 |
| Shrubland | → 3 |
| Grassland | → 2 |
| Cropland | → 4 |
| Built-up | → 11 |
| Barren / sparse vegetation | → 1 |
| Snow and ice | → 10 |
| Open water | → 9 |
| Herbaceous wetland | → 7 |
| Mangroves | → 8 |
| Moss and lichen | → 6 |
🔄 如果你直接使用 Standard 数据源,编码已是对齐的,系统会跳过转换直接透传。
数据源的详细覆盖范围参见 docs/reference/data_sources.md。
栅格栅格化:从像素到体素
栅格化原理
对于卫星影像类数据源(GeoTIFF 文件),VoxCity 使用"取色 → 最近色匹配 → 投票多数"三步策略将像素转换为标准编码:
- 读取像素 RGB 值:从 GeoTIFF 对应网格单元采样
- 最近色匹配:计算像素颜色与各标准类颜色之间的 RGB 欧氏距离,取最近的类
- 投票多数:单元内所有像素各归各类后,取出现次数最多的类作为该单元编码
关键函数见 src/voxcity/utils/lc.py 中的 get_nearest_class() 和 get_dominant_class()。
对于矢量类数据源(OpenStreetMap),系统使用 Shapely 多边形 + R-tree 空间索引,通过矢量化的栅格化算法直接写入编码,速度比逐单元格判断提升约 100 倍。
优先级冲突解决
当同一单元存在多个重叠地物多边形时(常见于 OSM 矢量数据),系统按优先级顺序决定"谁赢"。优先级定义见 get_class_priority():
- 道路 > 建筑物(道路覆盖优先)
- 水体 > 湿地 > 红树林
- 树木 > 农田 > 灌木 > 草地
- 裸地 / 雪冰 优先级较低
- No Data 始终最低
在 VoxCity 模型中读取土地利用栅格
完成城市建模后,土地利用栅格可以直接从 VoxCity 对象中获取:
# 2D 土地利用编码栅格(shape: [ny, nx],值为 1-14 整数)
land_cover_grid = voxcity.land_cover.classes
# 网格元数据:CRS、边界、网格尺寸
meta = voxcity.land_cover.meta
print(meta.meshsize) # 网格单元边长(米)
print(meta.crs) # 坐标参考系统
LandCoverGrid 数据类定义在 src/voxcity/models.py,包含 classes(编码数组)和 meta(元数据)两个字段。
该栅格同时被暴露到 xarray.Dataset 中,便于与 NetCDF 等格式互操作:
ds = voxcity.to_xarray()
lc = ds["land_cover"] # 2D DataArray,坐标已附带
土地利用栅格在模拟中的作用
体素模型中的编码 1–14 不仅用于可视化,还直接参与模拟计算:
- 光照模拟:水体(编码 9)反射率不同,植被类(2/3/4/5/8)遮挡阳光
- 可见性模拟:树冠层(编码 5)会触发植被体素高度扩展
- 风环境模拟:不同地表编码对应不同粗糙度参数
- 导出到 ENVI-met:编码直接映射到其地面类型字段,见 src/voxcity/exporter/envimet.py
🌳 特别地,编码 5(Tree)在生成树冠高度栅格时,会被赋予 10 m 的默认高度值,见 tree_height_grid_from_land_cover()。
实用建议
- 日本地区建模 → 推荐
OpenEarthMapJapan(~1 m 分辨率) - 美国城市建模 → 推荐
UrbanWatch(1 m 航空影像,22 城市) - 全球粗尺度 →
ESA WorldCover或ESRI 10m均可,覆盖全球 - 需要最新数据 →
Dynamic World V1持续更新,适合监测场景 - 矢量精细化建模 →
OpenStreetMap,可保留建筑与道路的精确边界
参考文件
| 文件 | 说明 |
|---|---|
| docs/reference/land_cover.md | 官方 14 类编码说明 |
| docs/reference/data_sources.md | 各数据源覆盖范围与分辨率 |
| src/voxcity/utils/lc.py | 分类工具函数(转换、优先级、栅格化) |
| src/voxcity/geoprocessor/raster/landcover.py | 栅格化实现 |
| src/voxcity/models.py | LandCoverGrid 数据类定义 |
| docs/concepts/voxel_model.md | 体素模型原理 |


