基于NPP-VIIRS夜光數據的北京市建成區提取和分析

鹿一凡 孫國棟 馮子元 吳晨澤 張文璇 程琳琳

摘要：一般的統計方法難以把握城市擴張的動態變化，而利用夜光遙感監測能夠準確、高效地得出結論。該文利用對數變換后的NPP-VIIRS數據通過突變檢測法提取2013—2018年北京市建成區邊界，計算其幾何統計特征，與中國城市統計年鑒數據對比，采用擴展速率、緊湊度、分形維數等指標分析北京市向外擴張特點。得出結論，北京市建成區擴張趨于穩定，中心城區發展較完善，城市由向外擴張型發展，逐漸轉化為高質量發展，符合相關政策。

關鍵詞：NPP-VIIRS突變檢測法對數變換建成區擴張

中圖分類號： P237文獻標識碼：A ? ? ? ?文章編號：1672-3791（2021）09（C）-0000-00

Extraction and Analysis of Built-up Areas in Beijing Based on NPP-VIIRS LuminousData Set

LU Yifan ?SUN Guodong ?FENG Ziyuan ?WU Chenze ?ZHANG Wenxuan ?CHENG Linlin*

（China University of Mining And Technology（Beijing），Beijing，100083 China）

Abstract：General statistical methods are difficult to grasp the dynamic changes of urban expansion， but with the use of luminous remote sensing data set， one can monitor and draw conclusions accurately and efficiently. This paper uses the logarithmically transformed NPP-VIIRS data set to extract the boundary of Beijing built-up area from 2013 to 2018 by mutation detection method， calculate its geometric statistical characteristics， compare it with the data in China's urban statistical yearbook， and analyze the outward expansion characteristics of Beijing by using indicators such as expansion rate， compactness and fractal dimension. It is concluded that the expansion of built-up area in Beijing tends to be stable， and the development of the central city is relatively perfect. The development of the city from outward expansion to high quality development is in line with relevant policies.

Key Words：NPP-VIIRS：Mutation detection：Logarithmic transformation：Urban built-up area expansion

城市作為人類活動的重要聚集地，推動了地區經濟與社會的發展，是人類社會文明進步的產物[1]。城市化指社會由鄉村型社會向城市型社會的轉變，其反映了國家在經濟、社會、文化等領域的發展水平，其中城市范圍的擴張是城市化進程研究的重要指標[2]。北京作為我國首都，是向世界展示中國的首要窗口。北京城市總體規劃（2016—2035年）[3]指出，北京市總體空間布局上呈現“一核一主一副、兩軸多點一區”的城市空間結構。

城市建成區提取的關鍵在于確定最佳分割閾值，目前基于夜間燈光數據獲取最佳閾值的方法主要包括經驗閾值法、突變檢測法、參考比較法和高分辨率影像空間比較法。其中突變檢測法相較于其他方法，自動化程度高、人工干擾小，提取的建成區范圍更接近于實際情況，具有較高的可實現性和較高的精度，較為常用[4]。

該文采用數據質量較高的NPP-VIIRS數據，利用遙感技術，對北京城區建設區的范圍邊界進行提取，采用突變檢測閾值法提取城市建成區面積，系統演繹數據處理、結果分析的流程，采用擴張速度、城市擴展強度指數、緊湊度、分形維數等指標分析2013—2018北京市建成區的形態變化。

1研究區及數據

1.1 研究區概況

北京是我國的首都、直轄市、國家中心城市、超大城市，國務院批復確定的中國政治中心、文化中心、國際交往中心、科技創新中心。根據中國城市統計年鑒的數據，2013—2018年，北京市建成區面積由1306km2提升到1469km2。

1.2 數據來源及預處理

夜光數據采用NPOESS Preparatory Project（NPP）衛星系統的可見光紅外成像輻射儀（VIIRS）傳感器獲得的數據，在NOAA官方網站（https：//www.ngdc.noaa.gov/eog/viirs/）可以獲得NPP-VIIRS的逐月數據以及2015年和2016年經過校正的年數據。對于缺失年數據的年份，用當年的月數據進行合成，由于該數據覆蓋范圍較廣，且未經過降噪處理，故先對獲得的NPP-VIIRS月數據進行降噪處理，消除異常值。原始圖像使用的是“GCS WGS_1984”球面坐標系，為準確計算夜光圖像的光斑面積，將夜光數據投影至適合中國的 Albers 北半球等積投影坐標系，并將像元大小重采樣為 0.5 km×0.5 km，再對重采樣的結果利用北京區縣界的矢量圖進行裁剪，得到預處理后的月數據。

在對逐月數據進行預處理之后，利用波段運算，每年分別進行最大值合成（MVC）和平均值合成（AVE），比較其灰度直方圖，最大值合成更能代表城市特征，因此選取最大值合成NPP-VIIRS夜間燈光遙感數據（MVC）作為年合成數據作為當年夜光年數據。

2研究方法

該文的總體思路為：獲取2013年至2018年北京地區的夜間燈光數據，通過對數運算，增強低亮度部分的信息，通過突變檢測法獲取城市邊界的矢量并統計其面積，再與中國城市統計年鑒的面積數據做比較。引入建成區擴展相應的指標以分析建成區擴展于形態分析。

目前，DMSP-OLS穩定夜間燈光數據已被廣泛應用于城市建成區提取，而2012年發布的NPP-VIIRS數據的使用也逐漸普及。對于DMSP-OLS數據，最佳閾值法中主要存在4類城市建成區提取方法：經驗閾值法、突變檢測法、統計數據法和較高分辨率影像數據空間比較法。其中，突變檢測法相較于其他方法，具有較高的可實現性和較高的精度，且僅僅依賴夜間燈光數據[5]。因此，該文采用突變檢測法對NPP-VIIRS數據提取建成區邊界。

2.1對數變換

對裁剪出北京地區的NPP-VIIRS數據進行統計，得到其灰度直方圖，如圖1左。可以看出，大多數像元的灰度輻射值都集中在0～20內，對應城郊邊界的閾值，像元過分集中，不易于劃分城市建成區[6，7]，因此，研究人員采用對數變換對圖像進行拉伸，以顯示其在灰度輻射值較低部分的細節。

對數變換的意義時在亮度值較低的部分拉伸，而在亮度值較高的部分壓縮，對灰度進行增強處理，其數學表達式為：

g（x，y）=b*ln?[a*f（x，y）+d]+c（1）

式中，f（x，y）為原始輸入圖像，g（x，y）為輸出圖像;ln表示以自然對數為底的對數運算;a，b，c，d為可調參數，根據實際情況進行調節[8]。

調整后的圖像灰度值如圖1右，大多數像元分布在中間區域，基本符合正態分布，充分展示了灰度值較低部分的細節，提高閾值選取的精度。

2.2 突變檢測法

突變檢測法由Imhoff[9]最先提出。他認為，在夜間燈光數據中，真實的城市邊界是完整的。隨著分割閾值的增大，提取的城市邊界向內部逐步收縮，屬于真實城區的概率也就逐步增大。但當分割閾值增大超過某一界限時，提取的城市邊界不再從城市邊界向內部收縮，而是從城市內部破碎，分裂產生較小的斑塊，城市的周長會突然增加，此時這個界限即為提取城市區域的閾值。

首先，設置分割閾值初始值和粗略步長，提取當前分割閾值下的城市建成區邊界;接著，將提取邊界柵格轉面，通過分區幾何統計，計算出面域的面積、周長和x，y中心等數據。觀察數據，選擇可能存在突變點的閾值區間，重新設置分割閾值和精確步長，重復以上步驟，得到周長隨閾值變化的曲線，選取周長的突變點作為分割閾值。

該文設置的粗略步長為0.5，精確步長為0.1，對對數前后的夜光數據分別通過突變檢測法，提取城市邊界，并計算出相應的提取面積，將結果與統計年鑒的結果對比。提取歷年的數據，具體見表1。

可以發現，全部年份對數變換后提取城市建成區面積的偏差均小于3%，可以認為，突變閾值法提取城市建成區面積的精度較高。除了2014年，對數變換前后提取的結果和原數據基本一致以外，其他年份對數提取的結果均優于原方法提取的結果，因此可以認為，對數變換有利于充分展示夜光數據的細節，提高閾值選取的精度。

將2013—2018年提取的城市邊界做疊加，得到時序圖，見圖2。

3結果分析

3.1 建成區擴張強度分析

利用夜光數據提取每年的建成區面積與周長后，計算相關參數對擴展形態進行進一步的分析。具體計算公式如下：

?〖U=U〗_b-U_a （2）

V= （U_b-U_a）/?T; （3）

R=（U_b-U_a）/U_a ×1/T×100% （4）

其中，擴張速率反應建成區面積擴張隨時間變化的快慢;城市擴展強度展示了某一時間段內研究區面積動態變化。式中Ua和Ub分為研究時間段中始末年份的城市建成區面積;T為研究的時間跨度時間段，以年為單位在此研究中T為1年;v為建成區面積平均拓展速率，R為建成區相對拓展速率，即城市拓展強度系數。

分析可知，提取面積與城市統計年鑒數據基本一致，提取精度較高。2013年北京城區提取面積為1 307.36km?，2018年提取面積為1 507.36km?，擴展面積5年總和為200km?左右，除2013—2014年建成區擴展面積較大外，北京市建成區面積總體擴展速度較慢，總體擴張面積規模較小，表明北京市建成區的城市范圍基本達到一個穩定的狀態，這與近年來北京市控制人口政策與控制城鄉建設用地政策相契合，也在一定程度上說明2013年以后，北京市土地開發強度減緩，城區擴張已達到一個擴張速度趨于穩定的一個時期，這也說明了我國城鎮化尤其是北上廣等發達城市的城鎮化將嚴重放緩的大趨勢。

3.2 建成區擴張形態分析

為了客觀把握城市建成區的擴張狀況，可利用提取面積與提取周長對分形維數和緊湊度指數進行研究分析。緊湊度常用于反映區域形狀特征， 目前是衡量緊湊型城市的主要指標之一。分形維數被譽為大自然的幾何學的分形（Fractal）理論，是現代數學的一個新分支，但其本質卻是一種新的世界觀和方法論。在城市建成區分析中，通過分析分形維數，得出城市擴張以沿邊緣擴張抑或是內部填充式發展[10]。

C=（2√（ΠA_i ））/P_i （5）

D=（2 ln?〖P_i/4〗）/ln?〖A_i 〗

（6）

式中C為緊湊度指數，取值范圍為0～1值越大，形狀越緊湊;越接近于 1，形狀越接近圓形[11]。D為城市建成區分形維數;A為建成區面積，單位km2;P為建成區輪廓周長，單位 km[12];城市擴張形態隨著分形維數的增大而增大。其中D的取值范圍為1～2。

從建成區緊湊度來看，2013—2018年北京市城緊湊程度均在0.1以下，相對較低。分析原因是因為提取建成區邊界具有一定數量的斑塊，增大了建成區的周長。其中2014—2016年緊湊度指數由小變大，表明城市內部空間在不斷補充完善。通過2013—2018年城市分形維數指標，可以得出北京市建成區盡管相對而言規模及其變化較小，但也開始以塊狀形態為中心[13]，沿著城市邊緣以發散式呈不規則形狀向外緩慢擴展。

總體而言，北京市建成區重心并未遷移，基本處于穩定狀態。這與北京的政治、經濟、文化中心的地位有關，也因為時間跨度較小，故建成區中心未有明顯變化。

4 ?結論與討論

該文首先獲取2013—2018年北京地區夜間燈光以及中國城市統計年鑒數據，通過突變檢測法對經過對數變換后的數據提取邊界，獲得建成區的面積后，與中國城市統計年鑒的數據做比較，發現各年份提取建成區面積的偏差均小于3%，且通過對數變換后的數據普遍優于處理前，可以認為對數變換能夠提升建成區提取的質量。引入建成區擴展的相關指標以分析城市擴展情況。結論表明，2013—2018年間，北京市建成區對外擴展總體趨于穩定，增長速度較為緩慢。城區擴張已達到一個趨于穩定的時期，且中心城區發展較完善，建成區的擴張在分布上較分散，城市中心遷移不明顯。但該文僅采用突變檢測的方法研究了城市對外擴展的趨勢，得出城區輪廓趨于穩定的結論，但城市內部建成區強度是如何變化未做討論，這是需要進一步研究的方向。

參考文獻

[1]許禮華.基于NPP-VIIRS數據長三角城市群城市擴張時空演變研究[D].上海：海師范大學，2019.

[2] 柴寶惠，李培軍，張瑞潔，等.基于Landsat數據和DMSP/OLS夜間燈光數據的城市擴展提取：以天津市為例[J].北京大學學報： 自然科學版，2016（3）：475-485.

[3].關于《北京城市總體規劃（2016年—2035年）》實施情況的報告（書面）——2020年11月26日在北京市第十五屆人民代表大會常務委員會第二十六次會議上[J].北京市人大常委會公報，2020（6）：123-129.

[4]彭媛媛，吳慶雙.廣州市建成區空間擴張與驅動因子研究[J].地理空間信息，2020，18（5）：76-82.

[5]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.

[6]唐敏.基于對數變換的NPP-VIIRS夜間燈光遙感影像在城市建成區提取中的應用[D].上海：華東師范大學，2017.

[7]王博.基于NPP-VIIRS夜間燈光遙感影像的杭州城市結構發展變化分析[D].杭州：浙江大學，2019.

[8]梅安新，彭望祿，秦其明，等.遙感導論[M].北京：高等教育出版社，2011.

[9]IMHOFF M L， LAWRENCE W T， ELVIDGE C D， et al.. Using nighttime DMSP/OLS images of city lights to estimate the impact of urban land use on soil resources in the United States[J]. Remote Sensing of Environment，1997，59（1）：105-117.

[10]烏云嘎，冬梅.錫林浩特市城市擴展特征及驅動力分析[J].陰山學刊：自然科學版，2015，29（1）：37-40.

[11] 李江.城市空間形態的分形維數及應用[J].武漢大學學報：工學版，2005（3）：99-103.

[12]李一曼，修春亮，其布日，等.長春城市蔓延測度與治理對策研究[J].地域研究與開發，2013，32（2）：68-72.

[13]高雁鵬，徐筱菲，修春亮.基于GIS的沈陽舊城區敘事空間研究[J].人文地理，2018，33（3）：52-59.

基金項目：國家大學生創新訓練項目資助《基于遙感的北京市城市擴展研究》（項目編號：C202002160）。

作者簡介：鹿一凡（2000—），男，本科在讀，研究方向為遙感方向。

通信作者：程琳琳（1977—），女，博士，教授，主要研究土地利用、土地評價、土地復墾、3S技術應用、國土空間規劃，E-mail：chll@cumtb.edu.cn。

DOI：10.16661/j.cnki.1672-3791.2110-5042-1103