基于DMSP/OLS夜間燈光影像的2000—2013年鄂爾多斯市城市擴張遙感制圖與驅動因子分析

劉 佳，辛 鑫，劉 斌，邸凱昌，岳宗玉，王承安

(1.中國科學院遙感與數字地球研究所遙感科學國家重點實驗室，北京 100101； 2.內蒙古師范大學遙感與地理信息系統重點實驗室，呼和浩特 010010)

0 引言

改革開放以來，內蒙古自治區各個盟市利用資源與能源優勢，實現了快速發展； 同時也帶來了城市擴張和土地利用與覆蓋的改變。其中最典型的城市為鄂爾多斯市。鄂爾多斯市地處內蒙古自治區西南部的鄂爾多斯高原腹地，東、北、西3面為黃河所環繞，分別與山西省忻州市，內蒙古自治區呼和浩特市、包頭市、巴彥淖爾盟、阿拉善盟及寧夏回族自治區隔河相望； 南臨古長城與內蒙古自治區烏海市、陜西省榆林市接壤。地理坐標為E106°42′40″～111°27′20″，N37°35′24″～40°51′40″。全市土地總面積約8.68萬km2，總人口為194.07萬人(數據來源于全國第6次人口普查)[1]。近年來，鄂爾多斯市經濟進入飛速發展的階段，特別自2010年至今， 鄂爾多斯市國民生產總值始終位居內蒙古自治區第一，占全區國民生產總值的23%。能源以及礦產資源的優勢拉動著鄂爾多斯市經濟的進步，從而帶動了其城市建設與城鎮化進程的加快。然而，2011年全球煤炭價格下跌，使得主要依靠煤炭資源發展經濟的鄂爾多斯市遭遇到前所未有的沖擊。面臨著經濟發展的停滯與城市轉型，亟需獲取鄂爾多斯市建成區信息并進行城市空間擴張研究，以便為鄂爾多斯市的城鎮化發展規劃提供參考信息。

遙感技術可快速獲取城鎮信息，在時效性和經濟性方面具有優勢，可幫助獲得城市在某一時段的發展情況，滿足獲取建成區信息并進行城市空間擴張研究的需求。DMSP/OLS夜間燈光(nighttime light，NTL)影像是美國軍事氣象衛星計劃(defense meteorological satellite program，DMSP)衛星搭載的OLS(operational linescan system)傳感器獲得的空間分辨率為1 000 m的全球NTL影像數據。DMSP/OLS NTL影像自發布以來，國內外學者基于NTL影像展開了大量的研究，包括城市面積提取、城市擴張分析、城鎮化水平估計和人口建模分析等[2-4]。范俊甫等[5]利用DMSP/OLS NTL影像對環渤海城市群空間格局變化分析的研究中發現，NTL數據提取結果的噪聲水平較低，更能直觀地反映地表人類活動密集的空間范圍； 在大時空尺度下進行城市區域范圍提取時，用DMSP/OLS NTL數據提取照亮區域并估算城市建成區面積是一種簡便、可行的方法。另外，Zhou等[6]提出采用訓練最優閾值法來提取城市建成區面積，找出潛在的城市群，并對其進行分割繪制； 用像元均值和城市群分割值建立對數模型進行擬合，從而評估最優閾值； 利用線性回歸方法分析閾值的精度； 應用最優閾值法繪制城市擴張輪廓圖。結果表明，最優閾值隨著城市群分割值的增大而增大； 對數模型解決了傳統運用單一經驗閾值過小或過大評估城區面積的弊端，而且利用對數模型判斷美國和中國的城市群，閾值相關性強、精度高。綜合諸多研究成果發現，NTL數據在研究城市擴張方面具有數據量小和以城鎮為靶區的優勢，能夠很好地探測城市燈光，有效避免植被等信息引起的光譜干擾，使燈光像元明顯的城區與黑暗的鄉村區分開來，為城鎮的擴張監測與分析研究提供了直接、省時、精確的方法[7-10]。

隨著遙感技術的不斷發展，NTL數據產品的精度不斷提高，近年發布的NTL數據均消除了云、水光及火光等噪聲的干擾，不需要人為控制即可直接進行長時間序列的城市監測和擴張分析； 同時，NTL數據在夜間獲取，不受自然光照的影響，能夠很好地用于對城鎮化進程的動態監測。由于不同城市的區域環境背景不同，城市的發展模式也不盡相同，因此采用的數據處理和分析方法也有所不同。本文利用DMSP/OLS NTL影像并與Landsat光學影像相結合，應用閾值法、結合支持向量機(support vector machine，SVM)算法，對內蒙古自治區鄂爾多斯市2000—2013年間的建成區面積進行提取； 并進行長時間序列的多元線性回歸分析，得到鄂爾多斯市在經歷了經濟發展黃金時期及能源危機后的城市空間擴張情況及其驅動因子。

1 數據源及其預處理

1.1 數據源

1.1.1 DMSP/OLS NTL影像

DMSP/OLS NTL數據主要包含穩定燈光數據、輻射定標夜間燈光強度數據及非輻射定標夜間燈光強度數據3種產品，傳感器包含62 bit的可見光、近紅外通道和82 bit的熱紅外通道，并且每一個傳感器每天都能獲得覆蓋全球的黑夜和白天的影像，整個衛星系統每天能提供全球黎明、白天、黃昏和夜晚4個時段的觀測數據[11]。本文使用的數據是從NOAA網站(http: //www.ngdc.noaa.gov/dmsp/download.html)下載的去除噪聲的平均DN值影像，DN值范圍為0～63，時間序列為2000—2013年。在獲取內蒙古自治區鄂爾多斯市NTL影像后，將其重投影為摩爾韋德等面積投影，以便于建成區面積提取與分析。

1.1.2 Landsat TM影像

美國陸地衛星計劃發射的Landsat系列衛星，其獲取的影像空間分辨率為30 m，每景影像對應實地面積均為185 km×185 km。Landsat系列衛星主要用于研究地貌和植被生長狀況、預報自然災害和環境污染、拍攝各種目標影像和繪制各種專題圖等。本文從中科院計算機網絡信息中心創建的地理空間數據云平臺(http: //www.gscloud.cn/search)下載的2000—2013年間云量最少、質量較好的Landsat4/5TM衛星數字產品，通過輻射定標和大氣校正處理，選擇TM影像B5(R)，B4(G)，B3(B)假彩色合成影像； 并對鄂爾多斯市建成區面積進行感興趣區選取和樣本訓練，然后來用SVM算法進行分類。其結果用于對DMSP/OLS NTL影像動態二分閾值法提取的建成區面積進行精度驗證，并輔助實現最優閾值的控制和選取。

1.2 DMSP/OLS數據輻射校正

最初獲得NTL影像的OLS傳感器沒有做星上定標[11-13]，因而使多個衛星獲取的長時間序列數據缺乏可比性。為了更好地對2000—2013年間獲取的NTL數據進行比較分析，本文利用劉斌等[14]提出的基于穩定映射點的NTL影像間相互輻射校正方法對NTL影像進行校正。

該方法通過概率統計，選擇影像間穩定的映射點作為校正參考點，并結合更加符合NTL數據間相對特性的有理函數模型擬合計算校正參數； 該有理函數作為校正線性回歸模型，能有效表征城區亮度飽和區域等特殊情況下NTL數據的輻射對應關系，使校正精度更高。通過穩定映射點相互輻射校正進行各個年份的年際校正和年間校正，從而實現所有年份的數據都能夠放在相同的投影坐標系下進行像元灰度值(DN值)的提取和分析。有理函數模型公式為

(1)

式中：n為年份，n=2000，2001，…，2013；DN(c，i)為參考影像中穩定映射點的灰度值數據；DN(n，i)為待校正年份影像對應穩定映射點的灰度值數據；P1,P2,P3,Q1和Q2分別為輻射校正參數。

同一年份輻射校正前、后的DMSP/OLS NTL影像對比如圖1所示。

(a) 原始影像 (b) 輻射校正后影像

圖1研究區原始DMSP/OLSNTL影像和輻射校正后影像

Fig.1OriginalandradiometricallycorrectedDMSP/OLSNTLimagesinstudyarea

2 城市擴張遙感制圖

2.1 建成區面積提取

利用DMSP/OLS NTL數據提取城市建成區面積的主要方法包括閾值法和分類法[5-10]。閾值法是通過對NTL數據選取合適的閾值來提取建成區信息； 分類法則是將建成區信息的提取過程看成是城鎮和非城鎮地區的分類過程。閾值法需要對表征建成區的最優閾值進行確定； 分類法則要訓練建成區與非建成區樣本，采用計算機自動或者半自動分類的方式來實現建成區面積的提取，二者側重點不同且各有優缺點。同時，隨著研究區的經濟發展狀況、人口基數等因素的不同，采用不同方法提取建成區信息的精度也不能一概而論。

本文對研究區建成區面積的提取方法結合了閾值法和分類法2種方法的優點。首先，在TM影像上選取2類感興趣區，訓練城市建成區樣本和非建成區樣本，其中建成區樣本主要包括市區集中連片的開發區以及郊區有完善公共設施的城市建設用地(如機場、污水處理廠等)，而非建成區樣本主要選擇除建成區用地以外的區域(如水體、裸地和沙漠等)； 然后，運用SVM算法進行分類，對分類后的影像進行聚類處理和真實建成區像元判定，得到城市建成區面積； 接著對處理過的DMSP/OLS NTL數據進行不斷的動態二分閾值處理來提取建成區面積，在這個過程中，提取的建成區面積會逐步逼近SVM分類后的建成區面積； 當用TM影像與DMSP/OLS NTL影像提取的建成區面積無限逼近，達到最大程度的重疊時，此時的閾值就作為該年NTL數據的最優閾值。具體操作流程如圖2所示。

圖2 城市擴張制圖流程Fig.2 Flowchart of urban expansion mapping

采用SVM分類可以使城市建成區面積的提取更加精確。通過TM影像輔助選取的閾值避免了單純采用統計年鑒數據控制下選取閾值的誤差，最優閾值的確定使計算速度加快，并為應用NTL數據提取建成區面積提供了可靠的保障。選取鄂爾多斯市東勝區部分圖斑效果較好的影像進行SVM分類，并與用動態二分閾值法提取的建成區面積進行空間疊置對比，如圖3所示。

(a) 閾值為48 (b) 閾值為53

圖3DMSP/OLSNTL影像閾值法與Landsat影像SVM分類提取建成區結果對比

Fig.3Comparisonofextractedbuild-upareasbetweenthresholdingofDMSP/OLSNTLimageandSVMclassificationofLandsatimage

當閾值等于53時，用2013年獲取的DMSP/OLS NTL影像與同年TM影像提取的建成區面積最為相近，因此選取53為2013年的最優閾值； 若采用48作為閾值，則建成區面積比SVM訓練樣本提取的建成區面積大得多，如此提取的建成區誤差很大，因此不予選取。

利用上述方法確定2000—2013年間研究區每年的最優閾值，分別進行建成區面積提取； 并計算、統計2000—2013年間研究區建成區面積，繪制城市擴張的空間疊置圖(圖4)。

圖4 2000—2013年間研究區城市擴張空間形態Fig.4 Spatial form of urban expansion in study area from 2000 to 2013

從圖4可以看出，2000年研究區建成區范圍主要分布在鄂爾多斯市東部； 到2013年建成區圖斑逐步向東南方向增多，中部地區也有小幅增加。2009—2011年間建成區圖斑大量增加，當時鄂爾多斯市正處于煤炭發展的黃金時期，東勝區和康巴什新區建設了大量的樓房與公園，大量投資商與開發商參與經濟開發與城市建設，致使建成區面積迅速膨脹。建成區面積擴張趨勢如圖5所示。

圖5 研究區建成區面積擴張趨勢Fig.5 Trend chart of build-up area expansion in study area

對比統計年鑒得知，2009年鄂爾多斯市人口密度由2004年的481人/km2增加到3 451人/ km2，到2011年達到最大值(3 843人/ km2)，是2004年的近8倍。

2.2 城市擴張方向與距離

空間重心是描述地理對象空間分布的一個重要指標，常用于城市演變和土地利用類型變化研究[15-17]。城市的空間重心遷移距離公式為

(2)

式中：ODn+1為空間重心轉移距離；X和Y分別為某一年地理單元重心的橫、縱坐標。

空間重心轉移角度計算公式為

(3)

式中?n+1為空間重心轉移方向與正東方向的夾角。

利用ArcGIS10.2軟件提取歷年研究區建成區圖斑重心，并計算重心遷移方向和遷移距離(圖6)。

圖6 研究區建成區重心遷移方向及距離Fig.6 Migration direction and distance of gravity center of built-up areas in study area

圖6中2003年重心位置與2000年相差無幾，故計算2000—2004年間變化來顯示。綜合分析圖5和圖6可以看出，研究區城市擴張主要分3個階段： ①2000—2006年間，建成區面積變化趨近一致，重心向東南遷移37 051 m，遷移方向與正東方向夾角62.37°； ②2007—2009年間，建成區面積擴張接近2000—2006年間的一倍，此3 a間面積增加水平一致，重心未超過1°偏差(幾乎是水平)，向正西方向遷移了98 958 m； ③2010—2013年間，建成區面積迅速擴張，重心逐步向東南方向遷移發展，遷移距離為66 889 m，遷移方向與正東方向夾角為26.68°。

3 城市擴張驅動因子分析

城市在發展過程中會受到社會經濟要素和政策方面等因素的影響，因此在多種影響因子作用下形成的城市空間形態也是多種多樣的。經濟的發展推動著城鎮化的步伐，產業結構的調整為城市建設增添了強勁的動力，城市擴張驅動因子分析對研究區域經濟和生態環境問題具有重要意義[18-19]。

3.1 社會經濟要素

結合內蒙古自治區和鄂爾多斯市近年來的發展情況，通過定性分析得出： 總人口數(X1)、國民生產總值(X2)、電力消費量(X3)、建成區面積(X4)、市區人口密度(X5)以及房屋建筑施工面積(X6)是影響鄂爾多斯市NTL影像明暗變化比較顯著的社會經濟因子。利用SPSS統計軟件，將這6個因子與NTL影像DN值的均值進行相關性分析，得到X1—X6與DN值均值的皮爾森相關系數R均大于0.75，顯著性(sig)檢驗值都小于0.05，證明其間均呈顯著正相關[20]。圖7示出因子相關性檢驗結果，圖7中的R2為相關系數，其可以解釋為對于DN值均值的變化情況，X1—X6的貢獻率分別為86%，91.5%，89.9%，77.9%，85.2%和62%。

(a) 總人口數 (b) 國民生產總值 (c) 電力消費量

(d)建成區面積(e) 市區人口密度(f) 房屋建筑施工面積

圖76個因子相關性檢驗結果

Fig.7Correlationtestresultsofsixfactors

在線性分析中，調整的判定系數考慮了平均的剩余平方和，克服了因增加驅動因子造成判定系數也增加的弱點，所以在進行擬合優度檢驗時，使用的都是調整后的判定系數(表1)。

表1 驅動因子組合分析結果Tab.1 Joint analysis results of driving factors

從NTL影像明暗與6個驅動因子及其組合之間回歸分析結果可以看出，鄂爾多斯市NTL與建成區面積(X4)、房屋建筑施工面積(X6)的擬合優度最差，與國民生產總值(X2)、電力消費量(X3)的擬合優度最好。在兩兩組合的多元線性回歸分析中，市區人口密度(X5)為增強因子。因此，利用NTL數據對鄂爾多斯市這種特殊發展階段的城市監測其建成區面積與房屋建筑施工面積效果并不顯著，而監測國民生產總值及電力消耗情況較為有效。市區人口密度作為增強因子，在兩兩組合中都能提高相關性，可見人口密度的變化也是導致鄂爾多斯市城市擴張不可忽視的因素。

3.2 政策誘因

2004年煤炭價格暴漲使擁有全國煤炭儲量1/6的鄂爾多斯市一夜暴富，各地的投資商和考察團紛紛來到鄂爾多斯市參與煤炭開采和城市建設。為了拉動人氣和滿足日益增長的人口需求，鄂爾多斯市政府決定環繞烏蘭木倫河建設康巴什新區。2006年鄂爾多斯市政府正式搬入康巴什新區，市直屬機關、學校和醫院等也陸續入駐康巴什新區，人員大量涌入新城并參與建設。從2006年開始鄂爾多斯市建成區圖斑大量增加，城市擴張迅速。

2009年東勝區房地產“十二五”規劃計劃打造雙百城市(即百年鄂爾多斯、城市核心區(東勝區和康巴什新區)達到百萬人口)，該規劃直接導致城市的大面積建設與擴張。由于政府的支持和政策的主導使鄂爾多斯市飛速進入前所未有的擴張與發展中。

4 結論

1)利用支持向量機分類算法結合閾值法得到鄂爾多斯市建成區面積提取的最優閾值，從而在長時間序列上繪制出鄂爾多斯市城市擴張空間形態圖。利用該圖能有效進行城市建成區監測及城市擴張分析。

2)提出了多因子組合分析的方法進行基于DMSP/OLS NTL衛星數據的城市擴張的驅動因子分析。分析結果不僅證明了各社會經濟因子與夜間燈光明暗變化的相關性，而且發現在NTL衛星數據相關性監測中，最大的單因子是鄂爾多斯市國民生產總值，雙因子是國民生產總值加市區人口密度。以政府為主導的政策因子也對鄂爾多斯市城市擴張在很大程度上起到了驅動作用。對城市擴張驅動因子的研究有助于對今后城市規劃以及資源配置和產業結構調整等提供參考。

[1] 吳艷茹,周瑞平.鄂爾多斯市資源型城市的經濟轉型模式研究[J].內蒙古師范大學學報(哲學社會科學版),2015,44(5):47-49.

Wu Y R,Zhou R P.Research on the economic transformation mode of Erdos as a city of resources[J].Journal of Inner Mongolia Normal University(Philosophy and Social Science),2015,44(5):47-49.

[2] 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):11-19.

Wang H R,Zheng X Q,Yuan T.Overview of researches based on DMSP/OLS nighttime light data[J].Progress in Geography,2012,31(1):11-19.

[3] Elvidge C D,Imhoff M L,Baugh K E,et al.Night-time lights of the world: 1994—1995[J].ISPRS Journal of Photogrammetry and Remote Sensing,2001:56(2):81-99.

[4] 李德仁,李 熙.論夜光遙感數據挖掘[J].測繪學報,2015,44(6):591-601.

Li D R,Li X.An overview on data mining of nighttime light remote sensing[J].Acta Geodaetica et Cartographica Sinica,2015,44(6):591-601.

[5] 范俊甫,馬 廷,周成虎,等.1992―2010年基于DMSP-OLS圖像的環渤海城市群空間格局變化分析[J].地球信息科學學報,2013,15(2):280-288.

Fan J F,Ma T,Zhou C H,et al.Changes in spatial patterns of urban landscape in Bohai Rim from 1992 to 2010 using DMSP-OLS data[J].Journal of Geo-Information Science,2013,15(2):280-288.

[6] 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.

[7] 王曉慧,肖鵬峰,馮學智,等.基于DMSP/OLS數據的中國大尺度城鎮用地信息提取[J].國土資源遙感,2013,25(3):159-164.doi:10.6046/gtzyyg.2013.03.26.

Wang X H,Xiao P F,Feng X Z,et al.Extraction of large-scale urban area information in China using DMSP/OLS nighttime light data[J].Remote Sensing for Land and Resources,2013,25(3):159-164.doi:10.6046/gtzyyg.2013.03.26.

[8] 王海羽,龐小平,李艷紅,等.基于DMSP/OLS夜間燈光數據的武漢城市圈拓展研究[J].測繪地理信息,2015,40(1):80-83.

Wang H Y,Pang X P,Li Y H,et al.Urban expansion in the Wuhan City circle using DMSP/OLS nighttime light data[J].Journal of Geomatics,2015,40(1):80-83.

[9] 楊 洋,何春陽,趙媛媛,等.利用DMSP/OLS穩定夜間燈光數據提取城鎮用地信息的分層閾值法研究[J].中國圖象圖形學報,2011,16(4):666-673.

Yang Y,He C Y,Zhao Y Y,et al.Research on the layered threshold method for extracting urban land using the DMSP/OLS stable nighttime light data[J].Journal of Image and Graphics,2011,16(4):666-673.

[10] 朱康文,李月臣,劉春霞,等.基于DMSP/OLS夜間燈光數據的縣域建成區的提取方法研究——以重慶市為例[J].重慶師范大學學報(自然科學版),2015,32(6):61-67.

Zhu K W,Li Y C,Liu C X,et al.The research of extraction method for build-up areas in county scale based on DMSP/OLS nighttime lights data:A case study of Chongqing[J].Journal of Chongqing Normal University(Natural Science),2015,32(6):61-67.

[11] 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.

[12] Liu Z F,He C Y,Zhang Q F,et al.Extracting the dynamics of urban expansion in China using DMSP-OLS nighttime light data from 1992 to 2008[J].Landscape and Urban Planning,2012,106(1):62-72.

[13] 鄒進貴,陳艷華,田 徑,等.基于ArcGIS的DMSP/OLS夜間燈光影像校正模型的構建[J].測繪地理信息,2014,39(4):33-37.

Zou J G,Chen Y H,Tian J,et al.Construction of the calibration model for DMSP/OLS nighttime light images based on ArcGIS[J].Journal of Geomatics,2014,39(4):33-37.

[14] 劉 斌,邸凱昌,辛 鑫,等.一種基于穩定映射點夜間燈光影像間相互輻射校正方法:中國,CN201610115608.8[P/OL].2015-05-04[2016-07-21].http://www.soopat.com/Patent/201610115608.

Liu B,Di K C,Xin X,et al. Night lamplight image interaction radiation correction method based on stable mapping points:China,CN201610115608.8[P/OL].2015-05-04[2016-07-21].http://www.soopat.com/Patent/201610115608.

[15] 張新樂,張樹文,李 穎,等.近30年哈爾濱城市土地利用空間擴張及其驅動力分析[J].資源科學,2007,29(5):157-163.

Zhang X L,Zhang S W,Li Y,et al.Spatial expansion of urban land use and its driving forces in Harbin City over the past 30 years[J].Resources Science,2007,29(5):157-163.

[16] 陳 征,胡德勇,曾文華,等.基于TM圖像和夜間燈光數據的區域城鎮擴張監測——以浙江省為例[J].國土資源遙感,2014,26(1):83-89.doi:10.6046/gtzyyg.2014.01.05.

Chen Z,Hu D Y,Zeng W H,et al.TM image and nighttime light data to monitoring regional urban expansion:A case study of Zhejiang Province[J].Remote Sensing for Land and Resources,2014,26(1):83-89.doi:10.6046/gtzyyg.2014.01.05.

[17] 劉婷婷.城市用地空間擴張特征與機理探究[J].科技展望,2015,25(25):226-227.

Liu T T.Urban land use spatial expansion characteristic and mechanism[J].Science and Technology,2015,25(25):226-227.

[18] 徐夢潔,陳 黎,劉煥金,等.基于DMSP/OLS夜間燈光數據的長江三角洲地區城市化格局與過程研究[J].國土資源遙感,2011,23(3):106-112.doi:10.6046/gtzyyg.2011.03.18.

Xu M J,Chen L,Liu H J,et al.Pattern and process of urbanization in the Yangtze Delta based on DMSP/OLS data[J].Remote Sensing for Land and Resources,2011,23(3):106-112.doi:10.6046/gtzyyg.2011.03.18.

[19] 李宗光,胡德勇,李吉賀,等.基于夜間燈光數據的連片特困區GDP估算及其空間化[J].國土資源遙感,2016,28(2):168-174.doi:10.6046/gtzyyg.2016.02.26.

Li Z G,Hu D Y,Li J H,et al.Simulation and spatialization of GDP in poverty areas based on night light imagery[J].Remote Sensing for Land and Resources,2016,28(2):168-174.doi:10.6046/gtzyyg.2016.02.26.

[20] 張文彤,閆 潔.SPSS統計分析基礎教程[M].北京:高等教育出版社,2004.

Zhang W T,Yan J.Basic Tutorial of SPSS Statistical Analysis[M].Beijing:Higher Education Press,2004.