VoxCity土地利用分类详解:14类标准地物编码及体素栅格应用

原创2026-11-16 22:37:222,306 阅读

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:

VoxCity 3D城市体素模型生成流程,含土地利用分类层

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。

VoxCity 地形数据加载与体素化示意


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

VoxCity 3D城市体素模型多角度视图

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:

  1. 读取像素 RGB 值:从 GeoTIFF 对应网格单元采样
  2. 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
  3. 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

  1. 日本地区建模 → 推荐 OpenEarthMapJapan(~1 m 分辨率)
  2. 美国城市建模 → 推荐 UrbanWatch(1 m 航空影像,22 城市)
  3. 全球粗尺度 → ESA WorldCover 或 ESRI 10m 均可,覆盖全球
  4. 需要最新数据 → Dynamic World V1 持续更新,适合监测场景
  5. 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
登录后查看全文
VoxCity