基于DMSP/OLS數據的城市建成區變化信息提取方法
——以陜西省為例

甘 斌,楊 耘

(1.西安市勘察測繪院,陜西西安 710054; 2.長安大學地質工程與測繪學院,陜西西安 710054)

基于DMSP/OLS數據的城市建成區變化信息提取方法
——以陜西省為例

甘 斌1?,楊 耘2

(1.西安市勘察測繪院,陜西西安 710054; 2.長安大學地質工程與測繪學院,陜西西安 710054)

針對地區發展不平衡現象導致DMSP/OLS數據提取城市建成區時全局最佳閾值分割法精度不高的問題,基于DMSP/OLS非輻射定標夜間燈光平均強度數據提出一種分區最佳閾值分割方法進行城市建成區面積的估算。利用陜西省1992、1997、2002、2007及2012共5個年份的DMSP/OLS數據進行驗證,結果表明:與統計數據相比,該方法對各年份建成區面積估算誤差均小于1.27%;與全局最佳閾值法相比,其平均誤差降低0.49%。而且,該方法估算的建成區面積變化速率與統計數據基本一致。

DMSP/OLS數據;城市建成區;閾值分割;變化信息提取;陜西

1 引 言

監控中國各省市城市擴展及分析其時空演化特征是土地利用現狀調查、城市規劃管理以及生態評價等工作的基礎。而遙感技術具有多時相、覆蓋范圍廣、效率高的特性,因此,它在城市空間演化及其特征分析方面有其獨特優勢。美國軍事氣象衛星DMSP(Defense Meteorological Satellite Program)搭載的OLS(Operational Linescan System)傳感器數據生產的非輻射定標夜間平均燈光強度產品(以下簡稱DMSP/OLS數據)具有不同于TM、MODIS等遙感數據的獨特優勢:它可在夜間工作,能探測到城市燈光甚至小規模居民地、車流等發出的低強度燈光,可以很好地表達城鎮的形態及輪廓信息[1],比利用TM影像等其他遙感數據提取城市空間信息[2]更高效。

近年來,不斷有學者利用DMSP/OLS數據進行城市空間信息的提取及其變化研究[3～5];學者[6]對DMSP/OLS數據的應用現狀進行了較全面的總結和分析;學者[1]對城市建成區提取的4類方法進行了總結,并分析了各自的優缺點。其中,輔助資料對比法[1]是一種常用的方法,它是利用統計數據或遙感圖像作為輔助資料來確定最佳分割閾值。與遙感數據相比,來自國家權威部門的統計數據是一種方便獲取且易使用的輔助資料。

但是,由于不同城市群(或分區)自然地理條件等因素的差異使得研究區內各分區通常存在城市發展不平衡的普遍現象(如新疆乃至整個西北地區,華北等地區通常都存在這一現象)。這一現象導致利用全局最佳閾值方法對DMSP/OLS數據估算的建成區面積精度不高。在此背景下,本文利用長時間序列的DMSP/ OLS數據,以統計資料為依據,開展基于分區誤差最小準則確定分割閾值的方法研究,從而更精確地估算城市建成區及其擴展區域的面積。

2 DMSP/OLS數據及其特征

DMSP/OLS傳感器能探測城鎮燈光、火光、漁船燈光等發出的電磁波,能夠明顯區別于黑暗的鄉村背景,避免了裸地、植被等無燈光目標引起的光譜混淆,且其空間分辨率與MODIS、AVHRR影像接近,因此,DMSP/OLS數據為中、大尺度的城市擴展等研究提供一種獨特的數據源。而陜西省是中國西北部城市發展變化最快的省份。根據地形,它可分為關中(西安、銅川、寶雞、咸陽、渭南)、陜北(延安、榆林)、陜南(漢中、商洛、安康)3個區塊[7]。近20年來,陜西省城市空間不斷擴展,土地利用狀況在不斷地變化。因此,快速、準確地獲取城市空間信息及監測時空演化過程不僅是一個科學問題,而且有著重要的社會意義。因此,本文以陜西省為研究區域,利用該省5個時間節點的DMSP/ OLS數據進行城市建成區及其變化信息的提取。

以2012年的陜西省DMSP/OLS數據為例(如圖1所示),該傳感器數據具有如下特征:城市燈光的強弱可用一個灰度圖像表示,該圖像輻射分辨率為6位,灰度值范圍為0～63。從圖1中可以看出,DMSP/OLS數據能夠很好地表達城市的形態及輪廓信息。城市中心燈光的亮度值較大,外圍區域則亮度值較小。

圖1 2012年陜西省DMSP/OLS數據

但是,研究區各個地區城市發展規模、水平及速度呈現不平衡現象,這導致利用DMSP/OLS數據提取城市空間信息時難以確定一個全局最佳的分割閾值。以陜西省為例,關中、陜北、陜南3個地區城市發展規模、水平及速度有所差異,在同一時期的DMSP/OLS數據上表現為:3個區域灰度值依次整體偏低,特別是城市發展早期(如2000年以前)。這一特點導致了全局最佳閾值分割方法估算的城市建成區面積精度不高的問題。因此,本文提出了分區最佳閾值分割方法來提高城市建成區及時空變化區域面積估算的精度。

3 處理方法

根據以上分析,本文基于統計數據能準確地反映城市建成區用地信息的假設,提出了一種基于分區誤差最小準則確定分割閾值的方法來對不同年份DMSP/OLS數據進行城市建成區面積估算及空間變化信息提取。該方法的實施過程主要包括DMSP/OLS數據預處理、城市建成區像元的確定以及城市時空變化信息提取3個步驟。

3.1 數據預處理

本文采用了1992(F10星)、1997(F12星)、2002 (F12星)、2007(F15星)、2012(F18星)5個年份的全球DMSP/OLS非輻射定標夜間燈光平均強度數據。將該數據從原始的地理經緯度坐標轉為Lambert Conformal Conic投影(WGS84基準面),空間分辨率均重采樣為1 km。其次,用2008年的陜西省矢量地圖對各年份數據進行裁剪,得到各年份陜西省的DMSP/ OLS數據。但是,由于該數據沒有進行在軌檢校,也不包含檢校所用的增益數據,因此,嚴格地來說,不同年份或不同傳感器的數據不能相互比較。本文采用王曉慧[4]提出的相互校正方法對不同年份燈光數據的灰度值進行相互校正。具體做法如下:

(1)選取灰度值年變化不大的2007年安康市DMSP/OLS數據作為參考區,并從中選取參考數據集;

(2)采用如下一元二次回歸模型對其他年份的燈光數據進行逐一校正。

式(1)中,a,b,c是參數,x,y分別表示校正前、后DMSP/OLS數據像素的灰度值。

(3)最后利用校正后的各年份的燈光數據進行城市建成區像元的確定。

圖2列出了4個年份(除了2007年)的DMSP/ OLS數據進行校正的回歸模型擬合結果。

圖2 各年份(除2007年)DMSP/OLS數據相對校正模型擬合結果

圖2中,各年份的回歸模型系數及擬合精度如表1所示。

表1 各年份回歸模型系數及擬合精度

從圖2和表1可以看出,利用上述方法對2002及2012兩個年份的DMSP/OLS數據的擬合效果最好,而1992年和1997年的DMSP/OLS數據擬合精度相對較低,但各年份的相關系數都在0.74以上。

3.2 城市建成區像元的確定

城市空間變化信息提取中,建成區用地像元的確定是個關鍵步驟。通過對城市發展不平衡引起的燈光數據特征空間分布差異的分析,本文基于統計數據能真實反映城市空間信息及其變化這一假設,提出一種基于分區誤差最小準則(可以用式(2)表示)的閾值分割方法來提取各年份燈光數據的城市用地像元。

式(2)中,Ai和~Ai分別表示由本文方法估算的第i (i=1,…,N,N為研究內包含的分區個數)個分區的建成區面積及參考面積(參考面積是指住房和城鄉建設部計劃財務與外事司負責編撰的中國城市建設統計年鑒提供的各年份城區建成區面積)。此外,在用上述方法識別城市建成區像元時必須滿足如下約束條件:前一時期的影像中城市用地像元在后一時期影像中仍然確定為城市用地像元[8]。

上述方法的算法描述如下:

(1)根據城市發展規模、水平及速度,將研究區域劃分成N個分區;

(2)分析DMSP/OLS數據各分區灰度直方圖分布,經驗確定圖像分割備選閾值的范圍(本文中,最小閾值Tmin=8,最大閾值Tmax=66,增量△T=1);

(3)從最小閾值開始,每增加1,基于式(2)所示準則及上述約束條件,利用每一個備選閾值對各個年份的DMSP/OLS數據進行分割,以確定城市建成區像元;

采用上述方法來確定陜西省城市建成區像元時,分區最佳分割閾值與估算的建成區面積及其對比結果如表2所示。

表2 不同年份DMSP/OLS數據分區最佳閾值與建成區面積估算值及對比

從表2可看出:①不同分區,最佳閾值差異較大,不發達地區(如陜南地區),其最佳閾值通常低于全局最佳閾值,而發達地區(如關中、陜北地區),其最佳閾值通常高于或接近于全局最佳閾值;②隨時間的增加,局部及全局最佳分割閾值也隨之提高。

就估算誤差來看,與參考面積相比,本文方法對各時間節點的面積估算誤差在1.27%以內,平均誤差為0.91%,比采用陜西省全局最佳閾值分割方法平均誤差(為1.40%)降低了0.49%,這表明:與全局最佳分割閾值方法相比,采用本文方法估算的建成區面積(特別是陜南地區這個發展緩慢的地區)精度更高。

3.3 城市空間變化信息提取

從表2可以看出,從1992年～2012年間,陜西省城區不斷向外擴展,建成區面積不斷增加,全省城市建成區時空變化示意圖如圖3所示。

圖3 1992年～2012年陜西全省及各分區城市建成區擴展示意圖

從圖3和表2可以看出:陜西省的建成區估算面積從1992年的351 km2增加到2012年的965 km2,增長了2倍以上;從各個城市群來看,以西安市為中心的關中城區從建成區中心不斷向外蔓延,呈現較緊湊的塊狀城市擴展,其建成區面積從1992年的256 km2增加到2012年的771 km2,增加了515 km2;陜北地區的延安和榆林兩大城市由于受自然地理條件限制,其城市用地擴展呈現出一種具有較多擴展軸的星型結構,其建成區面積從1992年的33 km2增加到2012年的92 km2,增加了59 km2;而陜南地區所在的3個城市的用地面積處于緩慢增長的趨勢,20年間該地區建成區面積僅增加了37 km2。

為了更詳細地反映陜西省全局及局部各分區時空變化的情況,下面給出了不同時期陜西全省及關中、陜北、陜南3大地區的城市建成區估算面積變化趨勢圖,如圖4(a)～(c)所示。

圖4 1992年～2012年陜西全省及三大分區城市建成區面積變化曲線

圖4 (d)中,估算面積是指利用本文方法估算的各分區建成區面積的總和計算的陜西全省城市建成區面積,而參考面積是指源于統計數據的陜西省城市建成區面積。不同時期3個地區建成區面積年增長速率(km2/年)如表3所示。

表3 本文方法估算的不同時期各分區建成區面積增長速率及對比

從圖4和表3可以看出,利用本文方法反映的陜西全省及各個分區的城市時空變化速率與統計數據基本一致(除了1992年～1997年及2002年～2007間陜北地區估算速率誤差較大)。

分析各分區城市建成區時空變化情況,可以看出: 1992年～1997年間,陜西省3個分區城市建成區用地面積處于較緩慢增長階段,其中,關中地區增長速率最快,估算速率為6.0 km2/年,而陜北地區增長速率最慢,估算速率為0.4 km2/年;1997年～2002年間,城市擴展速率有所加快,特別是關中和陜北地區,但陜南地區城市擴展速率有所降低;自2002年后,3個地區城市擴展速率進一步加快,其中,2002年～2007年、2007年～2012年兩個時期,關中地區建成區面積年增長速率比1992年～1997年分別提高了約4.6和10倍,至2012年,該地區城市擴展年速率高達60.4 km2/年,這是由于自2002年以來西咸一體化以及近幾年城中村改造步伐的加快等原因,使得該地區城市用地面積快速增長;陜北地區城市擴展速率也較快,這是由于近年來該地區石油和煤炭工業發展迅猛以及改善住房條件等因素,有力地推動了其城鎮化水平和城市各項設施的完善;而對于陜南地區來說,這20年間各時期城市建成區面積增長緩慢,這是由于該地區主要依靠農業,工業相對不發達,導致該地區城市年擴展速率低于2.6 km2/年。以上分析表明:本文方法反映的各分區城市建成區時空變化情況與實際情況基本相符。

4 結 論

針對地區發展不平衡導致全局最佳閾值分割方法精度不高的問題,本文利用長時間序列的DMSP/OLS數據,開展了基于分區誤差最小準則的分割閾值確定方法進行城市建成區面積估算及城市時空變化信息提取方法的研究。該方法在閾值的選取時考慮了研究區各城市群發展不平衡現象導致的DMSP/OLS數據局部區域灰度分布差異大的問題,從而提高了城市建成區面積估算精度。利用1992、1997、2002、2007及2012五個時間節點20年的DMSP/OLS數據以及相應年份的統計數據開展的實驗表明:與統計數據相比,采用本文方法對各年份的建成區面積估算誤差均在1.27%以內,平均誤差為0.91%,比采用全局統一最佳閾值分割方法平均誤差降低了0.49%。這表明了本文方法比全局最佳閾值分割方法估算的建成區面積精度更高,而且提取的城市建成區時空變化信息與統計數據基本一致。此外,該方法具有一定的普適性,可以推廣至其他地區(如新疆及整個西北地區等)。

但是,本文所用的城市燈光數據僅是城市建成區的表征之一,還應該融合其他遙感數據源(如MODIS或TM影像的NDVI和NDBI等特征)以及其他統計數據(如人口密度、國民生產總值等)以提高信息提取的精度和可靠性;此外,2011年發射的高分辨率的NPP/ VIIRS燈光數據[9]也是實現高精度提取城市空間信息的有效數據源。

[1] 舒松,余柏蒗,吳健平等.基于夜間燈光數據的城市建成區提取方法評價與應用[J].遙感技術與應用,2011,26 (2):169～176.

[2] 王雷,李叢叢,應清等.中國1990年～2010年城市擴張衛星遙感制圖[J].科學通報,2012,16:1388～1399.

[3] Yang X,Yue W,Gao D.“Spatial Improvement of Human Population Distribution Based on Multi-sensor Remote-sensing Data:An Input for Exposure Assessment”[J].International Journal of Remote Sensing,2013,34(15):5569～5583.

[4] 王曉慧.基于DMSP/OLS夜間燈光數據的中國近30年城鎮擴展研究[D].南京:南京大學,2013.

[5] 王翠平,王豪偉,李春明等.基于DMSP/OLS影像的我國主要城市群空間擴張特征分析[J].生態學報,2012,32 (3):942～954.

[6] 王鶴饒,鄭新奇,袁濤.DMSP/OLS數據應用研究綜述[J].地理科學進展,2012,31(1):11～18.

[7] 李小花.陜西省城鎮化發展水平地區差異研究[D].西安:西安建筑科技大學,2010.

[8] Zhuo Li,Li Qiang,Chen Jin,et al.“Characteristics analysis of urban land expansion in China in 1990s using DMSP/OLS data”[J].Acta Scientiarum Naturalium Universitatis Sunyatseni,2007,46(3):98～102.

[9] Schueler C F,Lee T F,Miller S D.“VIIRS Constant Spatial -resolution Advantages”[J].International Journal of Remote Sensing,2013,34(16):5761～5777.

The Study on Urban Built-up Change Information Extraction Method Using DMSP/OLS Data——A Case Study of Shaanxi Province

Gan Bin1,Yang Yun2
(1.Xi′an Surveying and Mapping Institute,Xi′an 710054,China; 2.College of Geology Engineering and Geomatics,Chang′an University,Xi′an 710054,China)

For a low accuracy problem from those methods based on an globally optimal threshold using DMSP/OLS data to extract urban time-spatial change information due to unbalanced development of different city groups for a given study region,a novel thresholding segmentation method by minimizing errors from each sub-region of study region was proposed to extract urban built-up area and change information of urban using a long time series DMSP/OLS averaged nighttime light intensity data without radiometric calibration.In the experiment,five time node DMSP/OLS data in Shaanxi province in 1992、1997、2002、2007 and 2012 was used to verify the proposed method.The conclusions can be drawn that the proposed method can achieve less error than 1.27%in estimating urban built-up area for each year compared to statistical data,the proposed method has an error rate averagely 0.49%less than the global method.Also the extracted change information using the proposed method is in line with the actual situation.

DMSP/OLS data;urban built-up region;threshold segmentation;change information extraction;Shaanxi

2014—03—19

甘斌(1964—),男,高級工程師,現從事城市地理信息方向研究。

國家自然科學基金項目(41301386);中央高校基本科研業務費專項資金項目(CHD2011JC085)