基于多源數據夜光遙感的長沙市建成區提取

梅漢檢,黃登山

(湘潭大學土木工程與力學學院，湖南 湘潭 411100)

0 前 言

20世紀70年代改革開放以來，中國城鎮化程度飛速發展，從1980年的19.4%增長到2019年的63.4%。城市的空間格局變化體現了人類的空間活動方向，是人類活動的縮影。城鎮化的發展變化給人類帶來了諸多益處，例如土地資源被高效利用、解決了大量的農村多余勞動力、改變了產業結構，將大量的第一產業剩余的勞動力轉化為第二產業和第三產業、協調周圍區域發展等 。城市化飛速發展的同時在改善我們生活質量，也顯露了一系列急需解決的生態、資源、環境、人口等問題 。為了解決這些問題，采用城市建成區面積提取的手段來反映一個城市的空間區域規劃、管理、經濟、城市動態化和城市驅動力因素 。因此，對城市建成區的提取對于城市的發展具有很大的指導意義。

夜光遙感影像與人類的夜間活動具有緊密的聯系，與建設用地的提取高度耦合，是城市建成區提取的有效數據源 。最早專業的夜光遙感數據是美國軍事氣象衛星搭載的線性業務掃描傳感器(Operational Linescan System，OLS)所拍攝的(DMSP/OLS)。2011年，美國國家海洋局和大氣局發射了Suomi-NPP(National Polar-orbiting Partnership)衛星，拍攝了NPP/VIIRS夜光遙感數據。上述主流的兩種夜光遙感數據在精度上都有相應的缺陷。2018年，武漢大學帶頭研發的珞珈一號衛星(Luojia1-01)，珞珈一號衛星在空間和光譜分辨率上都有更高的精度，在城市建成區的提取具有更精確的范圍，讓研究學者們有更多的選擇 。自1976年Croft 首次運用DMSP/OLS夜光遙感數據應用于城市化研究，明確指出夜光遙感數據可以反饋人類活動強度。國內外許多學者就對夜光遙感數據進行深入的研究。何春陽等人于2005年通過研究DMSP/OLS數據，以國家統計數據為基礎，提取了渤海三角洲地區的城市群空間面積和信息，該方法對時空性上缺乏準確度。厲飛等人利用POI核密度對NPP/VIIRS數據和Luojia1-01數據構建NIL&POI指數，通過指數影像和原始影像進行顯示對比分析，發現Luojia1-01數據比NPP/VIIRS數據精度更好。

本文先對2013年DMSP/OLS、2015年和2018年NPP/VIIRS、2019年Luojia1-01夜光遙感數據進行去噪處理，與landsat8數據運用SVM監督分類法提取出城市建成區，對3種夜光遙感數據提取出的城市建成區進行對比精度分析，驗證珞珈一號夜光遙感數據在城市建成區提取的優勢，可為多源夜光遙感數據城市建設區提取理想數據。

表1 3種燈光數據主要參數對比

1 研究區概況

本文研究區選取湖南省長沙市，作為湖南省省會，長沙地處中國華中地區、湘江下游、長瀏盆地西緣、湖南東部偏北，總面積11 819 km2，常住人口為1 004萬人。研究區范圍如圖1所示。

圖1 長沙市行政區劃

2 數據預處理和研究方法

2.1 夜光遙感數據預處理

選擇2013年DMSP/OLS、2015年和2018年NPP/VIIRS、2019年Luojia1-01夜光遙感數據。分別將它們進行重投影，投影為蘭伯特等角圓錐投影，再重采樣為1 000 m，然后在根據長沙市行政區劃矢量數據進行裁剪，得到三幅夜間燈光遙感影像。Luojia1-01的數據將原有的浮點型數據放大拉伸存儲為DN值，因此使用前需要進行輻射校正。公式如下：

(1)

公式(1)中：L為校正后的輻射值，w/(m2·sr·μm);DN為原始影像灰度值。

2.2 landsat8遙感影像處理

將下載好的2013、2015、2018、2019年的Landsat8遙感影像進行輻射定標和大氣校正，對于Landsat8遙感影像使用長沙市行政區劃進行裁剪，再對裁剪好的圖像進行重采樣至1KM×1KM。Landsat8 OLI數據的數據特點和光譜特征，對其使用GS變換(Gram-Schmidt變換)，形成全新的6個空間分辨率為15 m的全新波段。分別求出歸一化植被指數(NDVI)、歸一化水體指數(NDWI)、歸一化建筑指數(NDBI)，對遙感影像進行波段合并。

2.3 夜光遙感數據的去噪方法

圖像中存在廣泛的背景噪聲，所以在處理圖像時候需要處理雜亂的圖像噪聲。本文選擇雙閾值去除噪聲，選擇圖像中水體中的特征DN值，再將采集完成特征點的平均值為低閾值 ，將低于此閾值的背景噪聲抹除。對于圖像上的雷電，高能粒子等，采集夜光遙感影像中心城市的高輻射值，將這些區域的輻射值進行均值化，將均值化結果設置為閾值，將高于此閾值的DN值去除掉。

運用掩膜提取法提取NPP/VIIRS和Luojia1-01夜光遙感數據，無噪影像上存在燈光的柵格賦值為1，不存在燈光的柵格賦值為0，得到一個燈光區域為1而非燈光區域為0的掩膜，然后將對應掩膜值為0的NPP/VIIRS影像柵格上的燈光值剔除，而提取對應值為1的燈光區域，并保留其亮度值大小，從而達到提取有效燈光和去除噪聲的目的。

2.4 支持向量機方法

支持向量機(Support Vector Machine, SVM)是一種基于統計學習的分類方法。SVM的基本思想是根據樣本訓練區構建需要識別要素的特征集(如形狀指數、紋理特征)然后用一個最優曲面，將輸入影像的像素單元矩陣劃分為符合特征集和不符合特征集兩類，使得兩類像素的分類間隔最大 。最優曲面的求解過程可以轉化成函數的最大值：

(2)

(3)

2013年DMSP/OLS、2015年和2018年的NPP/VIIRS、2019年的Luojia1-01夜光影像作為第八波段分別加入處理好的landsat8 OLS遙感圖像。在衛星影像上均勻選取建成區、水體、植被、耕地、裸土，五種土地覆蓋類型的訓練樣本，運用支持向量機分類器來進行監督分類，將監督分類后的城市建成區提取出結果，單獨輸出結果。

2.5 精度評價

混淆矩陣又稱誤差矩陣，是一種精度評價的標準格式，用矩陣的幾行幾列來表示具體像元位置，混淆矩陣能夠很清楚地看到每個地物的像元被正確分類的個數和被錯誤分類的個數。

混淆矩陣的指標有總體分類精度(Overall Accuracy，OA)、卡帕系數(Kappa Coefficient，KC)、制圖精度(Product Accuracy，PA)和用戶精度(User Accuracy，UA)。總體分類精度是指被正確分類的像元個數與總體像元個數的比值；制圖精度是指城市建成區像元被正確識別的概率；用戶精度是指被識別城市建成區的像元為真實城市面積的概率；卡帕系數是指一種衡量分類精度的指標，是用來衡量總體的提取精度。計算公式如下：

(4)

(5)

(6)

(7)

公式(4)～(7)中:N是所有生成隨機點的總數;xkk是正確識別像元的點的數量;xy是標記城市像元的點的數量;xz是識別為城市像元的點的數量。

圖2 技術路線

3 結果和分析

2013年的DMSP/OLS數據來說，影像的空間分標率的提升，使得城市邊緣周圍的破碎斑塊稍微變多，2015年和2018年的NPP/VIIRS夜光遙感數據的提取結果相似。由于加入了遙感影像，對于貫穿于城市的湘江、城市內的湖泊、城市內的公園和城市內的山體來看，都能看到空白區域。2019年的Luojia1-01夜光遙感數據提取效果的改善更加明顯。城市的建成區的提取效果比前兩種方法和數據更為貼合。整體輪廓上更為符合，城市的整體范圍上有略微的縮小。內部的破碎斑塊更多，除了能看到城市內部的水體、湖泊和山體外，還能直觀地看到城市的內部主干道。兩種遙感數據的加入讓各自的優勢互補，能更好地對建成區進行提取。

圖3 DMSP、NPP、Luojia1-01數據SVM監督分類法城市建成區提取結果

建立混淆矩陣來對城市建成區提取結果的精度進行定量化的評價。谷歌衛星地圖中下載高分辨率的長沙市行政區劃，以長沙市為矩形中心，生成一個評價范圍，在區域范圍內隨機生成1 000個點，通過人工的目視判別每個點是否為城市建成區或非城市建成區。統計好建成區每個點的數量和相關屬性，運用總體分類精度、卡帕系數、制圖精度和用戶精度來評價多源數據夜間燈光遙感建成區結果的精度。

本文通過建立傳統的統計數據比較法和SVM監督分類法的混淆矩陣來進行精度對比。

采用SVM監督分類法2019年的Luojia1-01夜間燈光遙感數據的總體分類精度、制圖精度、用戶精度和卡帕系數都是最高的，分別為0.961、0.862、0.853和0.856。總體分類精度和制圖精度最低的是2013年DMSP/OLS夜間燈光遙感數據的0.923和0.623。用戶精度最低的是2018年NPP/VIIRS夜間燈光遙感數據的0.789。卡帕系數最低的是2015年NPP/VIIRS夜間燈光遙感數據的0.767。在總體分類精度上，全部都達到0.92以上。

實驗結果表明，傳統的統計數據比較法進行建成區提取時，往往不能達到很好的結果。統計數據比較法和支持向量機監督分類法中，3種類型的數據進行比較。兩種方法中效果最好的都為2019年Luojia1-01，統計數據比較法的總體精度最高為0.910，卡帕系數最高為0.734。SVM監督分類法總體精度為0.961，卡帕系數為0.856。空間分辨率最差的2013年的DMSP/OLS夜光遙感數據，總體分類精度都達到了0.923，卡帕系數為0.785。說明經過添加了遙感信息的夜間燈光遙感數據在提取建成區方面精度得到了較大的提升。

表2 統計數據法混淆矩陣精度結果

表3 支持向量機混淆矩陣精度結果

4 結 論

本文以長沙市作為研究研究對象,實驗以2013年DMSP/OLS、2015年和2018年NPP/VIIRS、2019年Luojia1-01 三種類型的夜間燈光遙感數據為數據源,運用SVM監督分類法進行城市建成區提取,得到以下結論：

(1) 運用雙閾值和掩膜法對夜光遙感數據降噪處理,在對夜光遙感數據的降噪處理上，通過分析雙閾值法、掩膜法的特點,提出了兩種方法結合的降噪處理方法。

(2) 多源的夜光遙感數據結合landsat8 OLI遙感數據,運用SVM監督分類法提取城市建成區對城市建成區的提取精度評估指標都有明顯的提升,多源數據結合提取城市建成區面積是以后的研究方向。

(3) Luojia1-01夜光遙感數據作為一種新型的夜光遙感數據,在空間分辨率和光譜分辨率上都具有巨大的提升,對于夜光遙感數據在城市建成區提取精度上更優于DMSP/OLS和NPP/VIIRS數據,在人類活動領域上具有巨大的潛力。