城鎮建設用地遙感影像提取方法的對比研究
——以畢節市七星區為例

許 瑩， 李付偉， 李向新， 李 陶

(1.昆明理工大學國土資源工程學院，云南昆明 650093；2.畢節市防震減災局，四川畢節 551700)

?

城鎮建設用地遙感影像提取方法的對比研究
——以畢節市七星區為例

許 瑩1， 李付偉2， 李向新1， 李 陶1

(1.昆明理工大學國土資源工程學院，云南昆明 650093；2.畢節市防震減災局，四川畢節 551700)

利用2013年11月15日的TM遙感影像，結合歸一化建筑指數(NDBI)、改進的歸一化建筑指數(IB)、新居民地提取指數(NBI)等建筑物提取指數對畢節市七星區城區建筑用地信息進行有效提取和分析，并用混淆矩陣和對應年份實際城鎮用地面積對3種方法的提取精度分別進行了驗證。結果表明，NBI指數算法比其他建筑指數算法提取建設用地信息的精度高且誤差小，采用NBI指數能更準確地提取建設用地的信息。

城鎮建設用地；NDBI；IB；NBI

改革開放以來，我國國民經濟快速發展，城市化水平迅速提高，各種建設用地占用了大量的農業用地，從而導致耕地急劇減少。因此，快速、準確地獲取城鎮建設用地信息，及時掌握城鎮的土地變化，對科學合理地規劃城鎮，保護我國有限的耕地資源具有重大意義。

遙感技術為準確、迅速提取城鎮用地信息提供了便利。在遙感影像中提取城鎮建設用地信息方面，已經有不少學者結合光譜分析提出了多種提取方法。查勇等[1]提出且運用了歸一化建筑指數(NDBI)自動提取了無錫市城鎮用地信息；楊智翔等[2]提出了基于改進的歸一化建筑指數的遙感影像城鎮用地信息自動提取方法，對南京市主城區的建設用地進行提取；He等[3]利用原有的NDBI算法提出了改進的NDBI算法提取中國國家奧林匹克公園的建設用地；徐涵秋等[4]提出了建筑用地指數(IBI)，對廈門市的建筑用地進行提取；陳潔麗等[5]提出了一種新的建筑指數(NBI)，并利用該指數提取常州市居民地信息。這些指數在不同程度上影響了遙感影像城鎮建設用地提取技術的發展。

利用遙感技術能夠準確、快速地獲取城鎮用地信息，有利于土地的規劃管理，為了保證提取城鎮建設用地信息的準確性，筆者以畢節市的TM遙感數據為基礎，采用NDBI、改進的歸一化建筑指數(IB)、NBI這3種常用的建筑指數，分析了同一時相遙感數據基于這3種建筑指數提取城鎮建設用地的效果差異，并對其提取精度進行對比。

1 研究區概況

畢節市位于貴州省西北部，地理坐標為105°36′～106°43′E、26°21′～27°46′N，地處川、滇、黔3省結合部，東部和南部分別與貴陽市、遵義市和安順市、六盤水市毗連，西部和北部分別與云南省昭通市、曲靖市和四川省瀘州市交界，總面積近2.69萬km2。境內大部屬烏蒙山區，以喀斯特地形和高山丘陵為主。烏江、北盤江、赤水河皆發源于此；還有六沖河、二道河、白水河、牛欄江、可渡河、白甫河(白布河)等河流。畢節市平均海拔1 600.0 m，赫章縣與威寧縣交界的小韭菜坪是畢節市的最高點，海拔2 900.6 m。多數地方屬亞熱帶濕潤氣候，年均日照1 231 h,氣溫13.09 ℃,降雨量1 129.04 mm，無霜期266 d，森林覆蓋率38.75%。

畢節市有8個縣區，以七星關區城區為研究區域。

2 研究方法

2.1 城市建設用地提取關鍵技術

2.1.1 歸一化建筑指數(NDBI)。NDBI最初是對歸一化植被指數(NDVI)進行深入的研究和分析。NDVI最早由楊山[6]提出，其表達式為：

(1)

式中，band3為第三波段的灰度值；band4為第四波段的灰度值。NDVI之所以能有效地提取植物，是因為在TM影像中,植物的灰度值是在第三、第四波段之間呈上升趨勢,而其他地物的灰度值則呈現出下降的趨勢[6]，所以，當第三、四波段的灰度值的差與和的比值大于0的是植物；相反，小于0的是其他地物。而后，查勇等[1]研究發現，城鎮建設用地的灰度值和植物的灰度值有相似的規律：城鎮用地灰度值在第四與第五波段之間表現出上升的走勢,而其他地物灰度值表現出下降的走勢,由此提出了NDBI計算公式[1]：

(2)

式中，band4為第四波段的灰度值;band5為第五波段的灰度值;NDBI取值范圍為[-1,1]，大于0表示城鎮建設用地，小于0表示非城鎮建設用地。

2.1.2 改進的歸一化建筑指數(IB)。城鎮建設用地的用地類型基本可以分為3大類型：建筑用地、植被和水體。如若只用常規NDBI法來提取城鎮用地，結果中必定含有稀疏植物的信息，由于稀疏植物不僅有植物的光譜特性，還具有城鎮建設用地的光譜特性，這將導致不能確保城鎮建設用地的信息精確。楊志翔等[2]在詳細研究了城市建筑用地的光譜特征以后發現稀疏植被在ETM圖像第三和第五波段之間灰度值呈上升趨勢，與其他地物光譜趨勢都不相同。由于ETM與TM圖像的傳感器特性基本一致，所以稀疏植物在TM圖像光譜趨勢亦相似。He等[3]假定NDBI和NDVI均為正的為建設區和植被區，利用二者的圖像差異，提取建設區域。樊風雷等[7]也研究發現建筑用地第四和第五波段之間的差異遠遠沒有水體和植被指數的波段之間的差異明顯，之后通過分析建筑、植被和水體3類地物所對應的歸一化建筑指數(NDBI)、歸一化植被指數(NDVI)和修正歸一化水體指數(MNDWI)的值，結果表明，這三者的值由大到小依次是NDBI、NDVI、MNDWI。由此可得改進的歸一化建筑指數公式為：

IB=NDBI-NDVI-MNDWI

(3)

其中：

(4)

(5)

式中，band2為第三波段的灰度值;band3為第三波段的灰度值;band4為第四波段的灰度值;band5為第五波段的灰度值。

2.1.3 新型建筑用地指數(NBI)。在TM/ETM+的影像中，各類地物類型在第三、第四、第五波段的區別度是最大的[8]。但是，有時裸地和建設用地難以區分，導致在提取建設用地的過程中會丟失一些信息。為此，陳潔麗等[5]研究發現，在第三波段，各地物光譜值由大到小依次為裸地、建設用地(城鎮、農村居民點、道路)、其他地類(林地、園地、水田、旱地、水體、山體陰影)。因此，提取居民地信息時，在第四、第五波段光譜值差異的基礎上加入第三波段的因素，增強居民地信息的提取效果。基于此，建立了新的居民地建筑指數(NBI)，表達式為：

(6)

式中,band3為第三波段的灰度值;band4為第四波段的灰度值。

2.2 城鎮用地信息提取過程 基礎數據為攝于2013年11月15日的畢節市七星關區城區Landsat8衛星影像(云量為0.56%),圖1為遙感影像信息處理與城鎮用地信息提取流程。

圖1 TM影像城鎮建設用地提取流程Fig.1 Flow chart of extracting urban built-up land information from TM image

2.2.1 影像預處理。首先對遙感影像進行大氣校正。因為太陽輻射會在大氣中發生反射、折射、吸收、散射和透射，導致遙感影像有時不能反映地物的真實光譜特性，所以在提取城鎮建設用地的信息之前要先對遙感影像進行大氣校正。選用ENVI軟件的Flash模塊對影像進行大氣校正。

接著進行幾何校正，使影像上的地物位置與其實際位置相對應。以七星區的行政范圍、交通、水系矢量數據為參考，選擇交叉點、拐點等定位精確的特征點作為控制點，通過最鄰近元法實現遙感影像的幾何精校正。

最后對校正的影像數據進行邊界裁減處理，得到研究區遙感影像(圖2a)。由于研究區位于山谷之間，影響了遙感影像的信息提取精度，因此需進行地形校正，消除或減少山區影像圖中的地形影響。選用ENVI軟件的地形校正擴展模塊Topo correction對影像進行地形校正。樣點分布見圖2b。

2.2.2 城鎮用地信息提取。首先利用公式(2)～(6)對遙感影像分別進行NDBI、IB和NBI 3種指數運算，得到七星區遙感數據的NDBI、IB和NBI指數分布情況(圖3a)。在ENVI平臺Band math模塊中進行研究區的NDBI、IB、NBI指數分布圖進行二值化處理，分別得到了3種方法提取的建設用地二值分布(圖3b)。

3 結果與分析

3.1 精度評價 采用混淆矩陣對不同指數提取城鎮建設用地的精度進行評價，同時將提取的城鎮建設用地與畢節市七星區實際的建設用地進行比較，進一步分析這3種指數提取建設用地的效果。

利用ArcGIS的漁網工具在建設用地密集區均勻生成100個網格，并以各中心點作為樣本(圖2b)，然后結合Google Earth高分辨率影像，逐點人工對照解譯并構建混淆矩陣[9]。基于3個不同指數提取城鎮建設用地的混淆矩陣，結果見表1。

從表1可以看出,基于NBI提取的城鎮用地總體分類精度達到82.0%,而基于NDBI、BI提取的總體分類精度分別為70.0%和74.0%。

查詢畢節市七星關區城區的建設用地面積(30.5 km2)[10]，然后將獲得的建設用地面積與實際建設用地面積進行對比分析，得到表2。

從表2 可以看出，基于NBI提取建設用地面積相對誤差為6.79%，基于NDIB和IB提取的建設用地面積相對誤差分別為40.43%和14.95%。由此可見，2種精度評價方式的結果一致，基于NBI提取的城鎮建設用地誤差最小。

圖2 七星區遙感影像和樣點分布Fig.2 Remote sensing image of Qixing District and the distribution of sample points

圖3 NDBI、IB、NBI指數分布(a)和建設用地二值分布(b)Fig.3 The extraction image based on NDBI,IB,NBI and Binary image of build-up land

提取方法Extractionmethod類別Category提取結果Extractionresults建設用地Constructionland非建設用地Nonconstructionland合計Total提取精度Precision∥%NDBI建設用地13223537.14非建設用地8576587.69小計217910070.00IB建設用地15193444.12非建設用地7596689.39小計227810074.00NBI建設用地24123666.67非建設用地6586490.63小計307010082.00

表2 提取面積與實際面積比較

Table 2 Comparison between extracting result and practice result

提取方法Extractionmethod像元數Imageelements實際面積Actualarea∥km2提取面積Extractionarea∥km2相對誤差Relatoveerror∥%NDBI2019230.5018.1740.43IB2882630.5025.9414.95NBI3159630.5028.436.79

3.2 誤差分析 由于不同指數在進行波段運算時，考慮的光譜信息不相同，導致用不同的指數提取建設用地面積時會存在差異。傳統的NDBI 指數采用第四、第五波段進行運算，發現城鎮建設用地的灰度值走高，進而提取建筑面積[1]。改進的NDBI指數是利用稀疏植被，水體與建設用地的波段差異而提出的，圖像像元的3個指數(NDBI、NDVI、MNDWI)中，滿足NDBI最大的就是建設用地信息[2-3，7]。 而NBI 考慮到NDBI中裸地誤提的情況，加入第三波段，拉大影像灰度值，以增強建筑物信息，所以提取的建設用地面積也有所減少[5]。由此可知，從理論上看，NBI能更加準確地提取建設用地信息。

4 結論

采用TM數據對畢節市七星區城區的影像，結合NDBI、IB、NBI這3種建筑物提取指數，進行建設用地信息提取，統計七星城區建筑用地面積；并交叉評價了3種不同指數提取建設用地精度和誤差。結果表明：

(1)基于NDBI提取城鎮用地信息操作簡單、高效，提取過程受人為因素影響較小。但是，由于NDBI法是根據不同地類的光譜特征差異來提取城鎮用地的，而裸地、稀疏植被與城鎮用地光譜相似，所以對提取精度造成較大影響。

(2)IB法也是基于不同地類的光譜特性差異，但該方法消除了稀疏植被對城鎮用地提取精度的影響，可是遙感影像異物同譜現象的存在，裸地的光譜特性與城鎮用地的相似，改進的歸一化建筑指數依然難以確切地把兩者區分開，在一定的情況下影響了城鎮建設用地信息提取的精度。

(3)基于NBI方法提取居民地信息，克服了建設用地和裸地的區分問題，且NBI是乘除指數，指數結果高達3位數，充分拉伸了灰度值，更突出建筑物信息，提取精度高。

綜上所述，NBI算法比其他建筑指數算法提取建設用地信息的精度高且誤差小，采用NBI能更準確地提取建設用地的信息。

[1] 查勇,倪紹祥,楊山.一種利用TM圖像自動提取城鎮用地信息的有效方法[J].遙感學報,2003,7(1)：37-40.

[2] 楊智翔,何秀鳳.基于改進的NDBI指數法的遙感影像城鎮用地信息自動提取[J].河海大學學報(自然科學版),2010,38(2)：181-184.

[3] HE C,SHI P J，XIE D.Improving the normalized difference build-up index to map urban build-up areas by using a semiautomatic segementation approach[J].Remote sensing letters,2010,1(4)：213-221.

[4] 徐涵秋,杜麗萍.遙感建筑用地信息的快速提取[C].全國國土資源與環境遙感應用技術研討會論文集.北京：北京晟勛炎國際會議服務中心，2009：135-141.

[5] 陳潔麗,劉永學,李滿春,等.一種基于遙感數據快速提取居民地信息的新方法[J].地理與地理信息科學,2010,26(5)：72-75.

[6] 楊山.發達地區城鄉聚落形態的信息提取與分形研究：以無錫市為例[J].地理學報,2000,55(6)：671-678.

[7] 樊風雷,劉潤萍,張佃國.一種改進的城市建筑用地信息提取方法及在廣州地區的應用[J].華南師范大學學報(自然科學版),2014,46(4)：98-102.

[8] 楊存建,周成虎.TM影像的居民地信息提取方法研究[J].遙感學報,2000,4(2)：146-150.

[9] 陳潔金,周峰,陽軍生,等.山嶺隧道塌方風險模糊層次分析[J].巖土力學,2009,30(8)：2365-2370.

[10] 畢節城區面積：七年擴大近一倍[N/OL].烏蒙新報，2013-11-14(29)[2016-05-28].http://xb.cnwmw.cn/html/2013-11/14/content_263860.htm.

Comparative Study of Urban Construction Land Extraction from Remote Sensing—A Case Study of Qixing District,Bijie City

XU Ying1,LI Fu-wei2,LI Xiang-xin1et al

(1.Faculty of Land Resource Engineering,Kunming University of Science and Technology,Kunming,Yunnan 650039; 2.Bureau of Earthquake Prevention and Disaster Reduction,Bijie,Sichuan 551700)

The urban built-up information in Qixing District,Bijie City was extracted and analyzed using the NDBI index,IB index and NBI index from TM image on Nov.15,2013.Besides,the corresponding year urban land area extraction accuracy was validated with confusion matrix array.The results showed that the NBI index algorithm is better than other construction index algorithms for extracting the construction land information with high accuracy and small error,which can be more accurate for extracting the information of construction land with NBI index.

Urban construction land; NDBI; IB; NBI

貴州省科學技術廳社會發展攻關項目[黔科合SY字(2013) 3108號];畢節市科技項目[畢科合字(2014) 4號]。

許瑩(1991- )，女，廣東潮州人，碩士研究生，研究方向：GIS地震災害理論與應用。

2016-10-31

TP 753

A

0517-6611(2016)32-0200-04