一種用于城市信息提取的改進居民地指數

楊曉楠， 徐韻， 田玉剛

(中國地質大學(武漢)信息工程學院，武漢 430074)

?

一種用于城市信息提取的改進居民地指數

楊曉楠， 徐韻， 田玉剛

(中國地質大學(武漢)信息工程學院，武漢 430074)

區域或者全球尺度上的城市分布信息提取是目前研究的熱點與難點。采用DMSP-OLS夜晚燈光數據直接提取城市信息會受到燈光溢出問題的影響，且溢出問題因燈光光斑大小而異，不易定量分析。采用可見光-近紅外遙感影像提取城市信息時，多選取植被豐富的地區，避免了裸土對城市信息提取造成的影響，但限制了研究區域的選擇。為了解決以上問題，應用DMSP-OLS夜晚燈光數據和可見光-近紅外遙感影像，對居民地指數(human settlement index，HSI)進行改進，構建了改進居民地指數(modified human settlement index，MHSI)。采用MHSI對中國和美國的城市進行了提取實驗，并利用中國歷年城市統計數據和美國NLCD土地覆蓋數據集對提取結果進行驗證。實驗結果表明，MHSI在解決燈光溢出問題的同時，避免了其他地物類型(裸土、水體和植被)對城市信息提取的影響，一次性實現了區域或者全球城市信息的提取，提取精度優于HSI和MODIS土地覆蓋數據集。

城市信息提取； MHSI； HSI； DMSP-OLS

0 引言

目前，世界各地的城市化進程都在以前所未有的速度發展，城市擴張對區域經濟發展和資源環境的可持續發展有著重要的影響，及時獲取城市用地的定量信息，對合理布局城市空間分布、環境保護及縮小區域差異等具有重大意義。

城市用地面積是評估城市化水平的重要參數之一[1]。早期的城市信息提取研究多采用可見光-近紅外遙感影像，如Landsat TM/ETM+，MODIS(moderate-resolution imaging spectroradiometer)影像等，通過求取歸一化建筑指數(normalized difference building index，NDBI)[2]、歸一化差值不透水面指數(normalized difference impervious surface index，NDISI)[3]、生物物理成分指數(biophysical composition index，BCI)[4]、增強的指數型建筑用地指數(enhanced index-based built-up index，EIBI)[5]和歸一化植被指數(normalized difference vegetation index，NDVI)[6]等遙感光譜指數來對城市信息進行提取。但是，僅基于可見光-近紅外遙感影像提取城市信息容易受到地物類型的干擾，通常在裸土和城市的混合區域，難以有效地區分出城市。目前大多數城市信息提取方法均以植被豐富的地區為研究區域[2-5, 7-9]，導致大部分指數僅適用于植被覆蓋度高的地區，限制了研究區的選擇。而且采用Landsat等中高分辨率影像的另一個主要問題是難以滿足區域或者全球尺度的城市信息提取。

在區域或全球尺度下，城市信息提取最常用的遙感數據是美國國防氣象衛星項目實用行掃描系統DMSP-OLS (defense meteorological satellite program’s operational line-scan system)獲取的夜晚燈光數據。Imhoff等[10]提出采用閾值法從DMSP-OLS夜晚燈光數據中提取城市信息，但是隨后研究發現DMSP-OLS夜晚燈光數據存在燈光溢出問題，直接采用原始數據進行城市信息提取容易造成過提取，且溢出問題因燈光光斑大小而異，不易定量分析[11-18]。

為了解決可見光-近紅外遙感影像和DMSP-OLS夜晚燈光數據提取城市信息的缺陷，一些研究結合了2種數據對城市信息進行提取，具體方法包括支持向量機[11, 14, 18]和光譜指數的方法。但是支持向量機選擇種子區域的過程會受到人為因素的干擾。Lu等[19]提出的居民地指數(human settlement index，HSI)是最具有代表性的光譜指數，采用該指數以中國東南部為研究區域，很好地提取了該區域的城市信息，但是該指數方法不適于植被覆蓋度較低的地區。本文針對HSI指數的缺陷，構建了一種改進居民地指數(modified human settlement index，MHSI)，該指數克服了HSI難以區分城市與裸土、水體的問題[5]，有效地降低了研究區裸土及水體對城市信息提取的影響。

1 MHSI的構建

1.1 HSI分析

針對DSMP-OLS夜晚燈光數據的溢出問題，Lu等[19]依據DMSP-OLS夜晚燈光數據在城市區域亮度值高、非城市區域亮度值低，NDVI在植被區域亮度值高、非植被區域亮度值低的特點，對2種不同源的數據進行融合，構建了光譜指數HSI，具體流程如下：

1)求取1 a中NDVI均值最大月份的影像，即

NDVImax=max(NDVI1,…,NDVIi,…,NDVI12) ,

(1)

式中:NDVImax為1 a中NDVI均值最大月份的NDVI均值；NDVIi為第i個月的NDVI均值，i=1，…，12。DMSP-OLS夜晚燈光數據的DN值范圍是0～63，NDVI值的范圍是-1～1。

2)為了避免2個數據量綱不同導致的誤差，對DMSP-OLS夜晚燈光數據進行標準化，即

(2)

式中：OLS為某像元DMSP-OLS夜晚燈光數據的DN值；OLSmin和OLSmax分別為夜晚燈光數據DN值的最小值和最大值；OLSnor為該像元標準化后的夜晚燈光數據DN值。

3)最終構建HSI，即

(3)

以中國長江三角洲及西部地區為例，利用以上流程獲得HSI影像，并與原始DMSP-OLS夜晚燈光數據進行對比，結果如圖1所示。

(a) 長江三角洲地區DMSP-OLS影像(b) 長江三角洲地區HSI影像

(c) 中國DMSP-OLS影像(d) 中國HSI影像

圖1 2009年原始DMSP與HSI影像

Fig.1 Original DMSP and HSI image in 2009

從圖1中可以發現，由于采用原始DMSP-OLS夜晚燈光數據提取城市信息受燈光溢出問題的影響會出現過提取現象。在圖1(a)中上海、蘇州、無錫和常州因燈光溢出的影響，在原始DMSP-OLS夜晚燈光數據上連成了一體，實際上各城市間有明顯的分界，過提取問題導致無法提供這些城市用地面積的可靠數據。HSI有效地解決了城市燈光溢出問題，城市間的界線明顯，但在大型湖泊和內陸干旱裸地地區的亮度值仍偏高。 如圖1(b)中標識A所示區域為太湖地區，由于受到大片湖泊水體NDVI值較低的影響，該區域HSI亮度值偏高，不能和城市很好地區分； 圖1(d)標識B所在位置為中國西部，由于大面積裸土區NDVI值整體較低，其HSI亮度值也偏高，同樣不易與城市區分。

1.2 MHSI構建

造成HSI在裸土和湖泊區域亮度值偏高的主要原因都是因為NDVI值較低。為了降低裸土和湖泊區域NDVI值較低對城市信息提取造成的影響，構建的MHSI擴大了DMSP-OLS夜晚燈光數據在HSI中所占的權重。但若權重設置過大，會導致溢出問題加重，若權重設置過小，會導致裸土和湖泊區域的城市信息無法有效提取。本文通過大量的實驗，認為 DMSP-OLS 夜晚燈光數據的權重設為 2 最優。分析擴大權重后HSI的數值范圍，發現城市周邊溢出地區的亮度值多為小于1的值，而城市區域的亮度值多大于1，通過求取擴大權重后HSI的冪函數(本文函數冪k≥2)得到MHSI。MHSI的構建流程如圖2所示。

圖2 MHSI構建流程

構建的MHSI表達式為

(4)

2 數據獲取與預處理

2.1 研究區及其數據源

實驗數據包括DMSP-OLS夜晚燈光數據和NDVI數據。DMSP-OLS夜晚燈光數據選取產品中的穩定燈光數據，空間分辨率為1 km，數據DN值范圍為0～63，已經過氣體耀斑、火災等去除處理； NDVI數據來源于MODIS NDVI產品MOD13A3，該數據提供全球每月1 km空間分辨率的3級正弦曲線投影網格產品，中國區域共19景，美國區域共15景。

驗證數據主要包括4類： Landsat數據、中國各省城市面積統計數據、MODIS土地覆蓋分類數據(簡稱： MODIS數據)和美國土地覆蓋數據(national land cover database，NLCD)。Landsat數據主要是作為目視解釋驗證的參考數據，用于判別中國區域城市信息提取效果。中國各省城市統計數據來源于《中國統計年鑒》[20]，用于驗證MHSI分析時間序列城市化規律的可行性。MODIS數據是根據1 a的Terra和Aqua觀測數據獲得，空間分辨率為500 m。選用全球植被分類圖層(international geosphere-biosphere program,IGBP)作為MHSI的對比數據之一。NLCD數據集是美國地質調查局(united states geological survey，USGS)結合Landsat數據和GPS數據繪制的空間分辨率為30 m的土地覆蓋分類數據，作為定量驗證的參考數據。

本文以中國和美國作為研究區域。中國和美國的國土面積都大于900萬km2，東西南北跨越距離大，不同地區地貌差異明顯，2個國家西部地區植被覆蓋度都較低，東部地區植被覆蓋度較高，具有較好的代表性。根據城市分布和城市植被覆蓋情況，選取了美國11個城市作為精度驗證區域，其地理位置、面積和植被覆蓋情況如圖3和表1所示。

圖3 驗證城市分布

城市城市統計面積/km2植被覆蓋情況芝加哥606．2植被豐富紐約1214．0植被豐富休斯頓1558．6植被豐富印第安納波利斯911．7植被相對豐富布盧明頓60．5植被相對豐富泰勒128．0植被相對豐富洛杉磯1214．9植被相對稀疏達拉斯997．0植被相對稀疏鹽湖城598．0植被稀疏大章克申70．4植被稀疏菲尼克斯1230．5植被稀疏

2.2 數據預處理

時間序列的DMSP-OLS夜晚燈光數據來自于不同的衛星，為減小不同傳感器造成的數據差異，以F12 衛星1999年數據為基準對其他數據進行相對輻射校正[14,17,19,21-24]，公式為

y=c0+c1x+c2x2,

(5)

式中:c0，c1和c2為校正參數，Elvidge等[23]已經給出不同年份校正參數的具體值；x和y分別為某年份相對輻射校正前后DMSP-OLS夜晚燈光數據的DN值。

MOD13A3數據采用MRT(MODIS reprojection tool)對中國和美國區域的影像進行拼接，并導出NDVI圖層，為了能與DMSP-OLS影像配準，投影坐標設置為GCS-WGS84。

3 結果與驗證

3.1 城市信息提取

分別求取了中國和美國研究區域的MHSI。通常MHSI結果中城市區域亮度值大于1，非城市區域亮度值小于1。但由于2個國家經緯度跨度較大，本文設置2個國家的提取閾值均為1.2。提取結果如圖4所示。

(a) 美國地區HSI影像 (b) 美國地區MHSI影像

(c) 中國地區HSI影像 (d) 中國地區MHSI影像

(e) 中國青海地區HSI影像 (f) 中國青海地區MHSI影像

圖4 中國與美國研究區MHSI提取結果

Fig.4 MHSI extraction results of study areas in China and USA

由圖4顯示，HSI在圖4(a)標識A和圖4(c)標識C的方框區域內整體亮度值偏高，主要是由于美國西南部和中國西北部地貌以戈壁、荒漠為主，植被覆蓋度及NDVI值很低，導致HSI亮度值偏高，與城市區分難度大； 而MHSI在圖4(b)標識A和圖4(d)標識C的方框區域內，裸土區域亮度值低，城市區域亮度值高，二者差異明顯，易于區分。HSI在圖4(a)標識B和圖4(e)標識D的方框區域內整體亮度值偏高，主要由于該區域分別是美國的五大湖和中國的青海湖地區，城市與湖泊無法區分； 但在MHSI圖4(b)標識B和圖4(f)標識D方框區域內的湖泊和城市得到了很好的區分。這表明MHSI相對于HSI可以更好地區分城市與裸土、湖泊等其他地物。

為了驗證提取城市信息的準確性，本文還對MHSI影像上的城市輪廓進行了目視解譯，并將中國和美國的提取結果分別與Landsat數據和NLCD數據疊加對比，局部地區對比結果如圖5所示。

(a) 中國長江三角洲地區MHSI影像 (b) 中國長江三角洲地區MHSI與Landsat疊加影像

(c) 美國菲尼克斯地區MHSI影像 (d) 美國菲尼克斯地區MHSI與NLCD疊加影像

圖5 MHSI局部地區提取結果對比

Fig.5 Comparison partial extraction results of MHSI with Landsat and NLCD image

從圖5中可以發現，在水體豐富的中國長江三角洲地區MHSI結果與同年30 m空間分辨率的Landsat 5 TM影像疊加圖上，城市邊界提取完好，基本沒有受到燈光溢出和大型湖泊的影響； 在以戈壁灘為主且植被覆蓋度極低的美國菲尼克斯MHSI結果與同年30 m空間分辨率的NLCD不透水層數據的疊加圖上，城市信息提取效果良好，受裸土影響很小。研究結果表明，MHSI在裸土和湖泊地區提取城市信息的效果優于HSI。

3.2 驗證

從規律性和精度2個角度對MHSI進行定量驗證。選取中國城市地區來驗證其規律性，即采用相關系數法分析時間序列城市面積統計數據和MHSI的相關性，驗證MHSI在空間和時間上分析城市擴張規律的可行性。選取2011年美國NLCD土地覆蓋分類數據集作為參考，通過總準確度、Kappa系數、FP′和FN′4個參數定量評價MHSI城市信息提取效果。

3.2.1 規律性驗證

依據《中國統計年鑒》[20]對2000—2010年間中國各省(市、自治區)城市面積和MHSI提取的對應城市像元數目進行相關性分析。時間序列的城市像元數目呈現單調遞增的狀態，不服從正態分布，選取Spearman非參數檢驗衡量MHSI提取的城市像元數目和統計數據之間的相關關系。各省(市、自治區)時間序列相關系數結果如圖6所示。

圖6 MHSI與統計數據城市面積相關分析

從圖6可知，相關系數最低的是西藏，其他省(市、自治區)都在0.6以上，相關系數大于0.8(顯著相關)的省(市、自治區)有24個，占全部省(市、自治區)的80%。結果表明，采用MHSI可以有效提取城市區域，對分析城市化規律具有較高的可行性，可以反映出城市擴張規律。

3.2.2 精度驗證

選取2011年30 m空間分辨率的美國NLCD數據集作為參考，MHSI，HSI和MODIS數據分別作為待驗證影像。對參考影像和待驗證影像進行重疊匹配，匹配類型如表2。

表2 匹配類型

分別選取總準確度、Kappa系數、FP′和FN′4個參數作為精度評價參數。總準確度是用來評價DMSP-OLS夜晚燈光數據總體匹配精度的參數[25]。Kappa系數是一種綜合了生產者精度和用戶精度的綜合評判指標，為遙感精度評價最常見參數，在此不做贅述。FN′和FP′分別是反映錯誤類型的評價參數。FN′表示待驗證影像提取的城市區域小于參考影像的城市區域，錯誤類型為“提取過少”。FP′表示待驗證影像提取的城市區域大于參考影像的城市區域，錯誤類型為“提取過多”。其中，總準確度、FP′和FN′3個參數可以識別出影像中哪種錯誤類型影響了整體精度。具體評價參數公式及其定義見表3。

表3 評價參數

總準確度和Kappa系數的計算結果如表4。匹配失敗、FN′和FP′結果見表5。

表5 待驗證影像2種匹配失敗像元數及所占百分比

在總準確度方面，MHSI所有提取結果均優于HSI，但是略差于MODIS數據。這表明，MHSI提取城市信息的精度要優于HSI，尤其是在植被覆蓋度較低的地區； MODIS數據最優的原因在于非城市重疊區域“TN”數目較多，提升了整體精度。在Kappa系數方面，MHSI的Kappa均值最高，MODIS數據大型城市的Kappa均值低于MHSI，小型城市高于MHSI，而總體均值低于MHSI，原因在于MODIS數據提取的城市遠小于參考影像； 除了達拉斯外，其他城市MHSI結果的Kappa均值皆高于HSI，尤其是植被覆蓋度相對較低的地區。在匹配失敗統計結果方面，MHSI匹配失敗像元數均值都小于HSI。MHSI和HSI的FP′均遠高于FN′，說明這2種指數的錯誤類型主要是“提取過多”，但是MHSI均值較低，降低了“提取過多”錯誤發生的概率，尤其是植被覆蓋度低的城市，MHSI的FP′顯著低于HSI，說明MHSI在植被覆蓋度低的地區可以有效地抑制裸土對城市信息提取造成的影響。MODIS數據的錯誤類型主要是“提取過少”，因此表5中顯示FN′的均值要遠高于MHSI和HSI。

總準確度、Kappa系數、FN′和FP′4種參數的定量分析說明了MHSI提取城市信息的能力。提取結果表明，MHSI有效地彌補了MODIS數據大城市“提取過少”的問題，同時解決了HSI在植被覆蓋度低的區域城市過提取或無法提取的問題。MHSI與HSI相比，植被覆蓋度較低地區的提取精度得到了明顯的提高，植被豐富地區的精度也得到了少量提升。精度驗證表明MHSI在提取城市信息過程中具有較高的準確性，可以應用于城市化分析，具有較高的可行性。有效提高了城市信息提取的正確率，減少了匹配失敗的像元數。

4 結論與討論

1)針對HSI不足，本文構建了MHSI，并以中國和美國為例進行實驗和驗證。實驗表明MHSI不僅解決了原始DMSP-OLS夜晚燈光數據的燈光溢出問題，同時有效克服了HSI不能較好區分裸土、水體與城市的缺陷，大幅提高了城市信息提取的準確率。

2)MHSI可以用于空間和時間尺度上的城市分析。空間上，該指數可以在不了解土地覆蓋類型的情況下，直接對城市進行提取，不受植被、裸土和水體等地物的干擾，為城市分析提供了一種普適性較高的指數。時間上，MHSI采用DMSP-OLS夜晚燈光數據和MODIS NDVI數據，DMSP-OLS夜晚燈光數據時間分辨率為6 h，MODIS時間分辨率為12 h，2類數據的高時間分辨率為MHSI實時分析城市動態提供了可能。

3)城市化擴張對區域經濟發展和資源環境的可持續發展有著重要的影響，對城市信息的提取不僅可以及時掌握城市化動態，還可以合理布局城市化空間發展形態。但是由于燈光數據空間分辨率的限制，該指數目前僅適用于低—中空間分辨率下的城市信息提取，無法獲取城市內部結構，這個問題有待于后續研究。

綜上所述，MHSI適用于宏觀尺度的城市化進程及其時空特性的分析，在滿足快速提取城市信息的同時提高了城市信息提取的準確性，使城市輪廓形狀更加明晰，適用于從眾多地物類型中直接對城市區域進行提取，是一種普適性較高的指數。

[1] 卓莉,李強,史培軍,等.基于夜間燈光數據的中國城市用地擴展類型[J].地理學報,2006,61(2):169-178. Zhuo L,Li Q ,Shi P J,et al.Identification and characteristics analysis of urban land expansion types in China in the 1990s using DMSP/OLS data[J].Acta Geographica Sinica,2006,61(2):169-178.

[2] 吳宏安,蔣建軍,周杰,等.西安城市擴張及其驅動力分析[J].地理學報,2005,60(1):143-150. Wu H A,Jiang J J,Zhou J,et al.Dynamics of urban expansion in Xi’an City using Landsat TM/ETM+ data[J].Acta Geographica Sinica,2006,60(1):169-178.

[3] 徐涵秋.一種快速提取不透水面的新型遙感指數[J].武漢大學學報:信息科學版,2008,33(11):1150-1153. Xu H Q.A new remote sensing index for fastly extracting impervious surface information[J].Geomatics and Information Science of Wuhan University,2008,33(11):1150-1153.

[4] Deng C B,Wu C S.BCI:A biophysical composition index for remote sensing of urban environments[J].Remote Sensing of Environment,2012,127:247-259.

[5] 吳志杰,趙書河.基于TM圖像的“增強的指數型建筑用地指數”研究[J].國土資源遙感,2012,24(2):50-55. Wu Z J,Zhao S H.A study of enhanced index-based built-up index based on Landsat TM imagery[J].Remote Sensing for Land and Resources,2012,24(2):50-55.

[6] Rouse J W Jr,Haas R H,Schell J A,et al.Monitoring vegetation systems in the great plains with ERTS[C]//Third Earth Resources Technology Satellite-1 Symposium-Volume I:Technical Presentations.Washington,DC:NASA Special Publication,1974:309.

[7] Qi J,Chehbouni A,Huete A R,et al.A Modified soil adjusted vegetation index[J].Remote Sensing of Environment,1994,48(2):119-126.

[8] As-Syakur A R,Adnyana I W S,Arthana I W,et al.Enhanced built-up and bareness index(EBBI) for Mapping built-up and bare land in an urban area[J].Remote Sensing,2012,4(10):2957-2970.

[9] 徐涵秋.一種基于指數的新型遙感建筑用地指數及其生態環境意義[J].遙感技術與應用,2007,22(3):301-308. Xu H Q.A new index-based built-up index(IBI) and its eco-environmental significance[J].Remote Sensing Technology and Application,2007,22(3):301-308.

[10]Imhoff M L,Lawrence W T,Stutzer D C,et al.A technique for using composite DMSP/OLS “city lights” satellite data to map urban area[J].Remote Sensing of Environment,1997,61(3):361-370.

[11]Cao X,Chen J,Imura H,et al.A SVM-based method to extract urban areas from DMSP-OLS and SPOT VGT data[J].Remote Sensing of Environment,2009,113(10):2205-2209.

[12]Zhou Y Y,Smith S J,Elvidge C D,et al.A cluster-based method to map urban area from DMSP/OLS nightlights[J].Remote Sensing of Environment,2014,147:173-185.

[13]Small C,Pozzi F,Elvidge C D.Spatial analysis of global urban extent from DMSP-OLS night lights[J].Remote Sensing of Environment,2005,96(3/4):277-291.

[14]Pandey B,Joshi P K,Seto K C.Monitoring urbanization dynamics in India using DMSP/OLS night time lights and SPOT-VGT data[J].International Journal of Applied Earth Observation and Geoinformation,2013,23:49-61.

[15]Liu Q P,Yang Y C,Tian H Z,et al.Assessment of human impacts on vegetation in built-up areas in China based on AVHRR,MODIS and DMSP_OLS nighttime light data,1992—2010[J].Chinese Geographical Science,2014,24(2):231-244.

[16]Zhang Q L,Seto K C.Mapping urbanization dynamics at regional and global scales using multi-temporal DMSP/OLS nighttime light data[J].Remote Sensing of Environment,2011,115(9):2320-2329.

[17]Kasimu A,Tateishi R.Global urban mapping using population density,MODIS and DMSP data with the reference of Landsat images[C]//Proceedings ofthe International Archives of the Photogrammetry,Remote Sensing and Spatial Information Sciences.Beijing:China Institute of Surveying and Mapping,2008,37:1523-1528.

[18]Yi K P,Tani H,Li Q,et al.Mapping and evaluating the urbanization process in northeast China using DMSP/OLS nighttime light data[J].Sensors,2014,14(2):3207-3226.

[19]Lu D S,Tian H Q,Zhou G M,et al.Regional mapping of human settlements in southeastern China with multisensor remotely sensed data[J].Remote Sensing of Environment,2008,112(9):3668-3679.

[20]中華人民共和國國家統計局.中國統計年鑒[M].北京:中國統計出版社,2014. National Bureau of Statistics People’s Republic of China.Statistical yearbook of China[M].Beijing:China Statistics Press,2014.

[21]Elvidge C D,Ziskin D,Baugh K E,et al.A fifteen year record of global natural gas flaring derived from satellite data[J].Energies,2009,2(3):595-622.

[22]Elvidge C D,Sutton P C,Baugh K,et al.National Trends in Satellite Observed Lighting:1992—2009[R].[s.l.]:American Geophysical Union,2011.

[23]Elvidge C D,Hsu F C,Baugh K E,et al.National Trends in Satellite-observed Lighting:1992—2012[M]//Weng Q H.Global Urban Monitoring and Assessment Through Earth Observation.Boca Raton:CRC Press,2014:97-118.

[24]Li X,Xu H M,Chen X L,et al.Potential of NPP-VIIRS nighttime light imagery for modeling the regional economy of China[J].Remote Sensing,2013,5(6):3057-3081.

[25]Zhang Q,Seto K C.Can night-time light data identify typologies of urbanization? A global assessment of successes and failures[J].Remote Sensing,2013,5(7):3476-3494.

(責任編輯： 陳理)

A study of urban area extraction with the modified human settlement index

YANG Xiaonan， XU Yun， TIAN Yugang

(SchoolofInformationEngineering,ChinaUniversityofGeosciences(Wuhan),Wuhan430074,China)

Urban areas extraction at regional and global scales remains a challenge. To map urban areas using DMSP-OLS nighttime light data is limited due to the saturation of data values, especially in urban cores. Different nighttime facula sizes lead to different degrees of light overflow, which causes difficulty for quantitative analysis. Vegetation-rich areas are selected to avoid the impact of bare soil when visible-near infrared image is used to map urban. To solve the problems above, this paper proposes modified human settlement index (MHSI) on the basis of human settlement index (HSI), which is composed of DMSP-OLS nighttime light data and visible-near infrared image. The MHSI has been tested in China and USA and testified by using the China city statistical data and USA NLCD land cover data. The results indicate that MHSI can overcome the overflow problem effectively and discriminate urban areas from other feature types such as bare soil, water and vegetable. MHSI can extract the regional or global city areas completely, and the accuracy is better than that of HSI and MODIS land cover data sets.

urban areas extraction; MHSI; HSI; DMSP-OLS

10.6046/gtzyyg.2016.04.20

楊曉楠,徐韻,田玉剛.一種用于城市信息提取的改進居民地指數[J].國土資源遙感,2016,28(4):127-134.(Yang X N,Xu Y,Tian Y G.A study of urban area extraction with the modified human settlement index[J].Remote Sensing for Land and Resources,2016,28(4):127-134.)

2015-05-08；

2016-01-27。

TP 751.1

A

1001-070X(2016)04-0127-08

楊曉楠(1991-),女,碩士研究生,主要從事城市遙感方面的研究。Email： yxiaonan@foxmail.com。

田玉剛(1977-),男,博士,副教授,主要從事遙感信息處理及應用研究。Email： ygangtian@cug.edu.cn。