基于多源遙感數據的城市擴張監測與分析

張亞男，張承明，李芳

(1.中國地質大學(武漢)地理與信息工程學院，湖北 武漢 430074 ；2.山東農業大學信息科學與工程學院，山東 泰安 271018)

0 引言

城市化進程的快速推進必然會強有力地帶動區域經濟向前發展，研究區域城市化的時空格局動態監測，對未來城市建設具有指導意義。遙感技術具有快速、實時、信息量大等優點，已廣泛應用于資源和環境監測[1-5]。目前，利用高空間分辨率遙感影像能夠更準確地提取建設用地，但同時具有效率低、成本高、大面積與多時相數據獲取困難等問題；中、低分辨率的遙感影像，如Landsat數據等，城市內部地類混淆現象普遍，因此，僅利用光譜信息不足以精確提取和監測城市建成區。夜間影像根據城鎮在夜間發出燈光，用來準確提取和分析建成區范圍和空間聚集現象[6]，但其空間分辨率較低，無法刻畫城市內部細節。因此，許多學者開始結合夜間燈光數據與其他遙感數據分析城市擴張等，如楊洋等[7]以環渤海地區為例研究基于長時間序列DMSP /OLS夜間燈光數據的土地城鎮化水平時空測度分析；Milesi等[8]使用DMSP/OLS夜間數據來估計美國東南部地區的城市土地開發程度，為快速分析城市空間擴張規律提供了一個有效的方法。

美國芝加哥大學城市地理學家Colby于1993年提出了城市擴展“向心力”與“離心力”學說，他提出有些城市功能因素使城市向心式的向內部重組，有些因素使城市離心式的向外部擴展。在后續研究中，逐漸演化成為對各類用地的驅動力的研究。為了便于比較不同研究時段內城市土地利用的擴展中心或方向區內城市擴展的空間差異，劉盛和等[9]提出了年均城市擴展強度指數以表示不同研究時期城市土地利用擴展的強弱或快慢。“重心”原是物理學中的概念，是指各部分所受重力的合力作用點，后來逐漸演化到土地利用空間變化的研究中，王秀蘭[10]等為表達研究時間段內土地利用變化的空間規律，將人口地理學中的人口分布重心原理應用到土地利用空間變化研究中，通過土地利用重心轉移模型可以更好地從空間上對土地利用類型的時空演變特征進行描述。許多學者引入了指標模型來研究城市的擴展特征，如毛衛華等[11]結合基于DMSP/OLS夜光遙感影像提取的建成區數據，利用擴張面積、擴張速度、擴張強度3個指標來量化城市擴張的數量特征；劉沁萍等[12]選擇城市形態緊湊度和城市擴張速度2個指標,分別從城市規模、大區域、省級行政區劃3個空間尺度分析了城市的空間擴張情況。

最近，有學者利用夜間遙感數據對城市提取結果進行后處理和優化，進行城鎮擴張的分析[13]，但是，后處理和優化的過程依賴于較高分辨率的城市提取結果。眾多學者的研究為了解中國城鎮化時空擴展過程提供了豐富的方法，然而仍存在不足之處。鑒于上述論述，該文結合Landsat數據與夜間遙感數據，引入城市擴張指標，分析城市空間擴展特征、形態。

1 研究區及數據

1.1 研究區

濟南是山東省的省會城市，是區域城市化發展的核心城市。泰安市位于泰山南麓，原萊蕪市則位于泰山東麓。為了解決山東省區域發展不平衡、提升西部城市帶動力和強化濟南市在省會城市群經濟圈中的核心地位，2019年1月，國務院批準同意將萊蕪市撤歸濟南市管轄，原萊蕪市改為濟南市萊蕪區和鋼城區。至此，萊蕪并入濟南，濟泰共建大省會，實現了在更大范圍內要素配置與資源整合。該文以原濟南市、泰安市、原萊蕪市為研究區域(圖1)，對區域建成區的擴展及其驅動因子具有重要借鑒意義。

圖1 研究區地理位置

1.2 數據及預處理

該文選取Landsat ETM+/OLI數據(空間分辨率可見光波段為30m,全色波段為15m)、DMSP/OLS夜間燈光平均強度數據(灰度范圍為1～63，空間分辨率為30弧秒)和NPP/VIIRS夜間無云年平均輻射數據(空間分辨率提升至15弧秒,灰度區間(16 bit)大于DMSP/OLS(6 bit),可以識別微弱的燈光源)為數據源(圖2)。

由于無法獲取近兩年DMSP/OLS夜間燈光平均強度數據和NPP/VIIRS夜間數據，該文主要采用2004—2013年間多個遙感數據源探索開展研究區的城市擴展特征分析。其中，DMSP/OLS夜間數據時相為2004年、2007年、2010年和2013年，NPP/VIIRS夜間無云年平均輻射數據時相為2016年；Landsat-7 ETM+數據時相為2004年、2007年和2010年，Landsat-8 OLI數據時相為2013年和2016年。

為避免影像網格形變帶來的影響，需將夜間燈光影像重投影為Albers等積投影，然后對DMSP/OLS影像和NPP/VIIRS影像分別重采樣為1km和500m。對Landsat7 ETM+數據(去條帶后)及Landsat8 OLI數據進行輻射定標、FLASS大氣校正、幾何校正等預處理，再使用NNDiffusion(nearest neighor diffusion)算法進行圖像融合，將空間分辨率提高至15m。然后將Albers等積割圓錐投影作為標準參考系，校正誤差小于1個像元，最后進行影像鑲嵌和裁剪。

除上述遙感數據外，該文還使用了山東省統計年鑒數據等作為輔助數據，用以驗證結果的可靠性。

圖2 不同遙感影像圖

2 研究方法

該文的總體思路為：結合Landsat數據與夜間遙感數據，以2004—2016年的原濟南市、泰安市和原萊蕪市為研究區，基于多源遙感信息提取城市建成區空間范圍，然后引入擴張強度、空間緊湊度、重心軌跡轉移分析等城市擴張指標，定量測算和分析建設用地時空格局演變及區域發展關系?？傮w流程如圖3所示。

由于DMSP/OLS穩定燈光數據集中的每期影像都存在像元飽和的問題，以及影像之間缺少可比性。首先進行自校正，然后以DN值在1～63的分布范圍廣泛和數據集的累計DN值最高為依據，確定F16傳感器在2006年獲得的雞西市影像DN值為參考區和參考數據集，再建立一元二次模型，去除非穩定像元[14-15]。計算公式如下：

DNc=a×DN2+b×DN+c

(1)

式中：DN，DNc—校正前、后像元DN值；a，b，c—回歸參數。

最后，利用相應的模型參數(表1)，進行燈光影像DN值的回歸校正。

對預處理后的Landsat影像進行SVM分類，選取4種典型地物類型——城鎮、水體、植被及農業用地作為訓練樣本，對分類結果進行聚類平滑及精度評價等，完成建成區的初步提取。從校正后的燈光數據影像中裁剪出研究區域，再利用突變檢測法獲得2004—2016年提取閾值，采用該閾值最終得到建成區邊界。將各城市每一時相的Landsat影像監督分類結果與從燈光數據中提取的城市建成區范圍進行疊加，對夜間燈光邊界以外的裸土、耕地、小村莊等噪聲進行過濾，邊界以內的分類結果予以保留。對每一時相優化后的城市建成區優化結果按照地理位置進行拼接，得到長時序城市建成區用地范圍(圖4)。

該文采用山東省統計年鑒中關于城市建成區面積對分類結果進行可靠性驗證，如表2所示，統計數據與閾值提取的結果數據在各年份保持較高的一致性趨勢，表明利用多源遙感數據獲取的城市建成區信息可以一定程度上反映后續研究區的城鎮擴展動態分析。

圖3 技術流程圖

圖4 研究區2014—2016年建成區提取結果

表1 回歸模型參數

表2 泰山市提取的城市建成區面積與統計數據比較

最后通過以下指標來量化城市擴張的數量特征和空間方位：

(1)城市擴張速率是指一定時間段內，城市年均擴張面積；城市空間擴張強度是指在研究時間段內某空間單元的土地利用擴展面積與原空間單元總面積比值的年平均值[16]。公式如下：

ΔA=An+i-Ai

(2)

(3)

(4)

式中：ΔA—城市擴張面積；V—城市年均擴張速率；R—城市年均擴張強度；Ai和Ai+n——第i年和第n+i年的城市面積，n以年為單位。

(2)緊湊度反映了地物的形狀，體現一個地區的城市土地開發強度與利用效率，其計算公式如下：

(5)

式中：A—建成區面積；P—建成區周長；C—城市緊湊度指標，其值從0～1，緊湊度越大，城市空間越緊湊。

(3)城市重心是一個城市發展速度最快、建設規模最大、開發力度最強的地區，是由于不同城市區域的權重差異所導致的拉力平衡點[16]。計算方法如下：

(6)

式中：X，Y—城市空間重心的經度與緯度；Ci—第i個圖斑的面積；Xi,Yi—i第個圖斑的重心坐標。

重心的轉移公式為：

(7)

式中：D—距離，Xi和Yi—研究初期的重心坐標；Xi+n和Yi+n—研究后期的重心坐標。

(4)等扇形分析是指以研究區域的中心為圓心，選擇適當的半徑，并將圓劃分成若干等截面區域，再與城市建成區范圍進行疊加以分析城市在各個方向的結構特征。

3 結果與分析

3.1 城市擴張強度分析

由表3可以看出，在2004—2007年間，城市擴張強度處于高值區，說明在此期間研究區城市化進程取得重大突破。2007—2010年間，研究區城市擴張強度減小，說明城市，擴張面積占比減小，土地開發強度減緩。在2010—2013年間，原濟南、泰安兩市建設用地開發強度有所上升，原萊蕪市繼續保持低速擴張。在2013—2016年間，濟南市繼續大擴張，另外兩個城市土地利用效率較低。

表3 城市擴張強度結果

3.2 緊湊度分析

通常情況下，我們認為當城市形態輪廓線趨于緊湊時為填充型發展，表明城市擴張中以填補內部縫隙為主，而非緊湊趨勢則表明城市向外擴張[17-18]。如表3所示，隨著時間的增長，泰安市和濟南市的城市擴張呈現不緊湊趨勢，原萊蕪市則是三者中城市輪廓形態最為緊湊的。因此，在2004—2016年間原萊蕪市主要為以減少能耗、更高效地利用資源的城市填充型發展為主。萊蕪受鋼鐵周期影響較大，從表3和表4都可以看到，原萊蕪市從大概2013年后其基礎設施建設等方面遇到了瓶頸。而濟南市、泰安市的城市發展都是以向外延伸擴張的趨勢為主，建成區范圍在不斷擴大。

表4 各城市緊湊度指數

3.3 重心軌跡轉移分析

圖5顯示了三個城市的重心點遷移折線，在2004—2007年間，泰安市重心遷移距離最長，這是由于泰安市轄區新泰市和寧陽縣兩個縣市區在此期間各項經濟指標都實現了歷史性突破，使得泰安市在東南方向的擴張速率有很大的提高。原萊蕪市的重心點遷移距離在各年份都較小，說明原萊蕪市在發展過程中，城市擴張較為均衡。

3.4 等扇形分析

以2004—2016五個時期的重心坐標平均值為中心，計算統計研究區在8個方向上不同時間的城區面積，如圖6所示。泰安市在2004—2016年間主要由西向南發展，原濟南市在東南方向上的跨度較大，由于南部受地理條件的影響，擴張速率緩慢，而在北方向上仍有巨大的發展潛力。從總體上看，原萊蕪市在西北方向城市擴張速率處于高值區，反映了萊蕪積極融入省會城市的發展趨勢。

圖5 重心點遷移折線圖

4 結論

該文選用多源遙感數據，采用SVM監督分類方法和突變檢測閾值分割技術，獲得了研究區的建成區范圍，并對長時序的建成區時空變化特征進行監測與分析。

(1)夜間燈光數據的加入，可以去除Landsat分類結果中裸土、耕地等其他地物及小村落等噪聲，突出城市建成區，便于快速、低成本和高精度地獲取與更新城市建成區信息對引導城市有序擴張。

圖6 各年份城市建成區在不同方向上的擴張速率圖

(2)2004—2016年間，研究區建成區面積增加了508.06km2。在2004—2007年城市擴張強度均大于20%，定量地反映出研究區城市化進程取得重大突破，而在2007—2010年間城市擴張強度最大在13%左右表明了土地開發強度減緩，2010年之后濟南市繼續擴張，而另外兩個城市土地利用效率則較低。通過緊湊度指標，泰安市和濟南市的城市擴張是以外延式發展為趨勢，而原萊蕪市則是主要為以減少能耗、更高效地利用資源的城市填充型發展為主。重心軌跡轉移分析可以看到在2004—2007年間，由于泰安市轄區各項經濟指標實現了歷史性突破，泰安市在東南方向的擴張速率由大約20%提高到40%。等扇形分析直觀地反映了泰安市在2004—2016年間主要由西向南發展以及萊蕪積極融入省會城市的發展趨勢。

(3)由于城市形態多樣，不同類型城市建成區的最佳閾值存在差異，今后將考慮對更大范圍更復雜的其他城市群進行擴展研究。以及考慮加入城市自然資源、人文、建筑等因素，更好地探究城市建設，為更高空間分辨率及全國尺度城市群建成區的快速監測提供技術支持。