基于DMSP/OLS與NPP/VIIRS夜間燈光數據的江西省城市擴展研究

冷 琴,曹 銘

(九江學院旅游與地理學院,332005,江西,九江)

0 引言

城市化水平是衡量區域經濟、社會、文化、科技發展水平的重要標志,而城市擴展是城市化的一個重要衡量指標[1]。遙感具有快速、準確、實時、周期性等特點,是獲取城市擴展信息的重要手段,針對城市擴展的遙感監測,相關學者開展了大量工作[2-3]。眾多遙感數據之一的夜間燈光數據對城市空間分布具有獨特的指示作用,Small等通過設置動態閾值方法實現了全球范圍夜間燈光城市制圖[4]。基于夜間燈光數據研究城市空間演化逐漸成為學界共識[5],國內的夜光遙感城市擴展監測研究被廣泛用于熱點區域[6-8],江西地區的研究則鮮有所見。

本文利用2001—2021年的DMSP-OLS和NPP-VIIRS夜間燈光數據,結合統計數據利用閾值法提取江西省城市擴展信息,在此基礎上分析了近20年間江西省城市擴展演變規律。

1 研究區域概況及數據介紹

1.1 研究區域概況

江西位于中國東南部長江中下游南岸,全省面積16.69萬平方公里,總人口4 518余萬,轄11個設區市、100個縣(市、區)[9]。據《江西統計年鑒》,2001—2021年江西省城鎮人口從30.41%增長到61.46%,城鎮化進程逐漸加快。

1.2 數據介紹及預處理

本文使用的夜間燈光數據為美國國防氣象衛星計劃DMSP(Defense Meteorological Satellite Program)搭載的OLS(Operational Linescan System)數據和美國新一代國家極軌衛星NPP(National Polar-orbiting Partnership)搭載的VIIRS(Visible Infrared Imaging Radiometer Suite)數據。其中,DMSP-OLS數據為2001年、2005年、2009年、2013年4期第4版穩定燈光年度合成產品,空間分辨率約為1 km,NPP-VIIRS數據為2013年、2017年、2021年第1版本1—12月的月度無云合成產品,空間分辨率約500 m。

本文采用不變目標校正法[10],選取2013年DMSP-OLS數據為基準,對其他年份DMSP-OLS數據利用二次多項式模型進行相互校正,其校正模型為:

DN′=a×DN2+b×DN+c

(1)

式中,DN′與DN分別表示校正后與校正前的影像灰度值,a、b、c為模型參數。

表1 夜間燈光數據相互校正模型參數

本文首先利用NPP-VIIRS數據1—12月的月度無云合成產品,合成得到2013年、2017年和2021年的NPP-VIIRS的年度無云合成產品。由于DMSP-OLS與NPP-VIIRS數據在城市和鄉村具有相似的燈光強度和分布模式[11],考慮到DMSP-OLS影像的飽和效應,統計DMSP-OLS影像中DN值范圍為0～60的每個DN值分布區域對應的NPP-VIIRS影像的像元均值,通過對58組DN值進行相關分析,發現對數函數模型的相關系數最高,R2為0.961 3(圖1)。故本文使用以下公式擬合2013年、2017年、2021年的NPP-VIIRS數據:

Y=13.449×lnX+22.838

(2)

式中,X表示NPP-VIIRS影像DN值,Y表示模擬后影像DN值。

江西省行政區數據來源于全國地理信息資源目錄服務系統(http://www.webmap)下載的2017年全國1：100萬基礎地理數據,建成區統計數據來源于中國經濟社會大數據研究平臺(http://data.cnki.net)的《江西省統計年鑒》。

2 研究方法

2.1 閾值法提取建成區信息

基于夜間燈光數據提取城市建成區的最常用的方法是閾值法[12]。本文采用統計數據比較法,即以行政邊界為劃分依據,基于影像亮度值提取燈光斑塊面積,將其與統計數據進行對比,根據絕對誤差最小時的亮度值來逐一確定各行政單元的最佳閾值。

2.2 城市擴展度量

城市擴展特征從擴張速度、變化幅度、分布中心變化等方面度量。

城市建成區擴張速度用一定時期內城市建成區的年均擴張面積來衡量:

(3)

式中,Speed為城市建成區擴張速度(km2/y),At為研究期末年份建成區面積(km2),A0為期初年份建成區面積(km2),t表示研究時段(年)。

城市擴展變化幅度以建成區面積變化百分比來表示城市擴張強度:

(4)

式中,Expand為城市擴展變化幅度。

城市空間分布中心變化可以通過計算分析分布中心遷移的角度θ和距離d來反映城市空間擴展變化的方向和強度。

(5)

(6)

式中,(X0,Y0)為研究期初城市空間分布中心的坐標,(Xt,Yt)為研究期末的坐標。

3 結果與分析

3.1 建成區信息提取結果

本文采用統計數據比較閾值法,提取了江西省11個地級市六期建成區信息,見圖2和表2。

圖2 2001—2021年基于DMSP-OLS與NPP-VIIRS數據提取江西省建成區

表2 基于夜間燈光數據提取2001—2021年江西省11個地級市五期建成區面積表/km2

對于提取結果采用2種方式來進行精度驗證。一是面積誤差,以提取的面積與統計面積比較,二是位置誤差,以提取結果與Google Earth影像進行疊加,判斷位置是否準確。

面積誤差是提取的建成區面積和統計數據中的面積之差占統計面積的百分比。

(7)

式中,Aerror表示面積誤差,Ai表示提取面積,Ast表示統計面積。

2001—2021年江西省各地級市建成區提取的面積誤差見表3,可以看出,除2001年撫州市、2017年贛州市、2021年南昌市的面積誤差較大外,其他誤差均小于10%。

表3 2001—2017年江西省各地級市建成區信息提取面積誤差/%

圖3顯示了江西省南昌市、九江市和贛州市的提取結果與Google Earth影像的疊加效果,表明兩者之間的空間格局特征基本吻合。

圖3 部分城市的建成區空間位置驗證

3.2 城市擴展特征分析

3.2.1 城市建成區擴張速度 根據提取的建成區信息得到2001—2021年江西省各地級市城市建成區擴張速度,見表4。江西省城市建成區擴張速度逐漸加快,平均為63.63 km2/y。其中,南昌、贛州、宜春、九江市的擴展速度較快,省會城市南昌擴張速度最快為16.13 km2/y,其次為江西南部的區域中心城市贛州為9.59 km2/y;而萍鄉、吉安、鷹潭、新余的擴張速度較慢,萍鄉市最慢為0.81km2/y;其他城市擴張速度中等,介于4～5 km2/y。

表4 2001—2021年江西省城市建成區擴張速率/(km2/y)

3.2.2 城市擴展變化幅度 2001—2021年江西省各地級市城市擴展變化幅度見表5。江西省平均變化幅度為276.03%。南昌、贛州、宜春、撫州、上饒市均高于江西省城市擴展變化幅度的平均值,其中,贛州市城市擴展變化幅度最高為399.48%;低于江西省城市擴展變化幅度的平均值的有景德鎮、萍鄉、九江、新余、鷹潭、吉安市,其中,萍鄉市的城市擴展變化幅度最低為46.43%。

表5 2001—2021年江西省各地級市城市擴展變化幅度/%

3.2.3 城市空間分布中心變化 2001—2021年江西省各地級市城市空間分布中心變化情況見表6。其中,九江、贛州、南昌、撫州4市的空間分布中心變化距離大于3 km,萍鄉、新余市的空間分布中心變化距離小于1.5 km,其他各市的空間分布中心變化距離介于1.5～3 km之間。

表6 2001—2021年江西省各地級市城市空間分布中心變化

4 結論

利用2013年DMSP/OLS和NPP/VIIRS 2種影像數據,尋找最優擬合模型,實現2013年之后的NPP/VIIRS影像數據模擬DMSP/OLS數據,采用統計數據比較閾值法得到2001—2021年江西省建成區范圍空間分布,分析了江西省城市擴展特征。主要結論如下。

1)采用統計數據比較閾值法可以很好地從DMSP/OLS和NPP/VIIRS數據中提取江西省城市建成區信息,可以滿足長時間序列的要求。

2)2001—2021年間江西省各城市擴展逐漸加速,但有快有慢。其中,省會城市南昌最快,其次為江西南部區域中心城市贛州,宜春、九江緊隨其后,新余、吉安、鷹潭、萍鄉4市的城市擴展速度最慢。