基于多源遙感衛(wèi)星數(shù)據(jù)融合的城市建成區(qū)提取研究

摘要：以某城市為研究區(qū)，結(jié)合城市建成區(qū)特性，構(gòu)建了一種利用NPP/VIIRS高分夜間燈光數(shù)據(jù)提取的城市活躍區(qū)與城市不透水區(qū)域融合的城市建成區(qū)提取方法。結(jié)果表明：根據(jù)提出的融合算法提取城市建成區(qū)具有較高的精度，能有效揭示城市建成區(qū)與區(qū)域不透水率、夜光數(shù)據(jù)活躍度的內(nèi)在關(guān)系，是一種可行的城市建成區(qū)提取方法，也能為城市蔓延分析等進一步研究奠定良好的數(shù)據(jù)基礎(chǔ)。

關(guān)鍵詞：城市建成區(qū)數(shù)據(jù)融合不透水區(qū)夜光遙感

中圖分類號：TP751

ResearchonUrbanBuilt-upAreaExtractionBasedonDataFusion

WANGJingxing

GansuProvincialInstituteofcartography，Lanzhou，GansuProvince，730000China

Abstract：Basedonthecharacteristicsofurbanbuilt-uparea，amethodofurbanbuilt-upareaextractionbasedonNPP/VIIRShigh-lightnight-timedatainversionandurbanimpermeableareainversionwasdeveloped.Theresultsshowthattheproposedalgorithmcanextracttheurbanbuilt-upareawithhighaccuracy，andcaneffectivelyrevealtheinternalrelationshipbetweenurbanbuilt-upareaandregionalwater-tightnessandluminousdataactivity.Itisaneffectiveextractionschemeforurbanbuilt-Butalsoforurbansprawlanalysisandotherfurtherstudytolayagooddatabase.

Keywords：Urbanbuilt-uparea;datafusion;impermeability;luminousremotesensing

城市建成區(qū)，是指城市行政區(qū)內(nèi)實際已成片開發(fā)建設(shè)、市政公用設(shè)施和公共設(shè)施基本具備的地區(qū)，其是城市建設(shè)發(fā)展在地域分布上的客觀反映，標志著城市不同發(fā)展時期建設(shè)用地狀況的規(guī)模和大小，是判斷城市發(fā)展規(guī)模和階段的重要指標，是判斷城市發(fā)展水平的重要依據(jù)，也是進行城市蔓延等的更深入研究的數(shù)據(jù)基礎(chǔ)[1]。

目前，最常用的提取城市建成區(qū)的方法是基于多光譜影像提取城市不透水區(qū)域，通過城市不透水區(qū)域反映城市建成區(qū)，已存在的相關(guān)實證研究證實了該方法的可行性，但對于復雜的城市環(huán)境下，尤其是快速發(fā)展型城市，現(xiàn)有研究提取的城市建成區(qū)對城市邊緣工業(yè)區(qū)提取效果較差[2]。本文提出一種利用NPP/VIIRS高分夜間燈光數(shù)據(jù)反演的城市活躍區(qū)與城市不透水區(qū)域融合的城市建成區(qū)提取方法，并針對研究區(qū)選取Landsat8、VIIRS影像和合適的建成區(qū)指數(shù)閾值提取研究區(qū)城市建成區(qū)，最后通過實際驗證點驗證結(jié)果精度。

1研究數(shù)據(jù)

某市屬于快速增長型城市，位于華北平原中，東西長約210km，南北寬約140km，整體呈扁平狀。全市總面積11258km2，其中市區(qū)面積30700km2。

本研究采用的Landsat8影像，獲取時間為2023年11月21日、VIIRS影像，獲取時間為2023年12月13日，高分一號影像，獲取時間為2023年12月26日。影像數(shù)據(jù)均利用ENVI5.2進行輻射標定、幾何校正等數(shù)據(jù)預處理，得到研究區(qū)Landsat8影像和VIIRS影像。

2研究方法

2.1城市不透水區(qū)域提取方法

本文采用植被-不透水面-土壤模型（Vegetable-Impervious-Soilmodel，V-I-S）提取不透水區(qū)域。V-I-S模型（如圖1所示）將城市土地利用和土地覆蓋類型理解為植被、不透水面以及土壤的組合[3]。

2.1.1水體消除

因為水體表現(xiàn)為低反照度地物，在進行不透水地面蓋度計算之前必須利用水體掩膜消除水體的影響。本文水體掩膜的構(gòu)建歸一化水體指數(shù)（NormalizedWaterIndex，NDWI）進行計算，具體公式如下。

式（1）中：為像元NDWI；為像元在綠光波段的反射率；代表像元在近紅外波段的反射率，在TM影像中分別為第2、4波段[4]。

但由于城市內(nèi)水體雜質(zhì)較多，本文采用修正后的歸一化水體指數(shù)（ModifiedNormalizedWaterIndex，MNDWI）提取城區(qū)水體。MNDWI采用中紅外代替中的近紅外波段能進一步增強水體與建筑的反差，有效降低二者的混淆，減少了背景噪聲，更有利于城市水體信息的提取。提取公式如下。

式（2）中：為中紅外波段，即TM影像中的第5波段。

2.1.2不透水地面蓋度計算

由于城市地表光譜的復雜性，非線性光譜混合分析法很難精確模擬城市地表光譜。因此，本文采用帶約束的線性最小二乘法結(jié)合基于最小噪聲分離和V-I-S模型的端元提取的研究方法線對混合像元進行分解。在精確選擇端元的基礎(chǔ)上，釆用線性光譜混合模型對混合像元進行分解。線性光譜混合分解模：及約束條件公式如下。

式（3）、式（4）、式（5）中：為像元在第波段的光譜反射率；為像元Ｉ中ｋ所占分量值；為端元在第波段的光譜反射率；為像元所包含的端元數(shù)目；為光譜模型的隨機誤差[5]。

2.2城市建成區(qū)融合提取算法

本文根據(jù)其夜間燈光值較高的特性，提出一種利用NPP/VIIRS高分夜間燈光數(shù)據(jù)反演的城市活躍區(qū)與城市不透水區(qū)域融合的城市建成區(qū)提取方法。

對于通過高分遙感提取的不透水區(qū)域的外圍緩沖區(qū)，其包含錯分的工業(yè)用地概率較大，該緩沖區(qū)作為與夜光遙感數(shù)據(jù)疊合分析的主要融合區(qū)域，數(shù)據(jù)疊合后在區(qū)域II、III得到兩種疊合數(shù)據(jù)的高數(shù)值像元斑塊，其主要為未能通過不透水檢測提取到的工業(yè)區(qū)和鄉(xiāng)村等高亮度異常值區(qū)和不透水區(qū)但亮度值較低的異常值區(qū)。對于上述兩種融合增量信息，通過融合函數(shù)處理，得到基于不透水面融合夜光遙感數(shù)據(jù)的城市建成區(qū)。

是（6）中：為像元的不透水指數(shù)；為像元的燈光指數(shù)；為像元的建成率指數(shù)；、為權(quán)重值；為建成區(qū)指數(shù)閾值[6]。

3結(jié)果與分析

3.1研究區(qū)不透水面信息提取

根據(jù)Landsat8波段信息表和MNDWI計算公式提取研究區(qū)水體掩膜。將水體掩膜與研究區(qū)遙感影像疊合，水體掩膜可基本覆蓋研究區(qū)水體。

提取不透水率值大于0的區(qū)域，高透水區(qū)域一定程度上覆蓋城市建成區(qū)，但無法根據(jù)一個閾值確定較為精確的提取到一個可以代表城市建成區(qū)的不透水區(qū)域。

3.2基于融合算法的城市建成區(qū)提取

對研究區(qū)VIRRS穩(wěn)定燈光數(shù)據(jù)進行濾波處理。提取研究區(qū)像元燈光值大于0.7（閾值選取符合獨立驗證點精度正態(tài)分布圖）的區(qū)域。

根據(jù)城市建成區(qū)融合式（6）提取研究區(qū)建成區(qū)指數(shù)。提取研究區(qū)建成區(qū)指數(shù)大于1.25（閾值選取符合獨立驗證點精度正態(tài)分布圖最高值）的區(qū)域作為城市建成區(qū)。進行去孔洞處理得到研究區(qū)城市建成區(qū)圖。

3.3精度與有效性驗證

將在高分一號影像上選取的30個驗證點的建成區(qū)情況與融合算法獲得城市建成區(qū)圖對比，如圖6所示，得到驗證結(jié)果如表1所示。預測的總體精度為93.33%，Kappa系數(shù)為86.05%。解譯后的建成區(qū)面積為234.23&nbsDTeexTSGOHOgyJdD8R2pyMmyqhrYyXENIxy4aO4NLsI=p;km2，與2023年該市統(tǒng)計年鑒給出的建成區(qū)面積253km2相差為8%。

4結(jié)語

根據(jù)城市建成區(qū)不透水率和夜間燈光亮度的特點，結(jié)合兩類數(shù)據(jù)的特性，提出一種利用NPP/VIIRS高分夜間燈光數(shù)據(jù)反演的城市活躍區(qū)與城市不透水區(qū)域融合的城市建成區(qū)提取方法，針對復雜的城市環(huán)境，引入了建成區(qū)指數(shù)，根據(jù)不同研究區(qū)實際情況選取不同的判斷閾值，以研究區(qū)徐州為例提取的建成區(qū)驗證點正確率為93.3%，Kappa系數(shù)為86.05%，具有較高的精度且與市級統(tǒng)計年鑒給出的建成區(qū)面積高度吻合。本文提出的建成區(qū)多元數(shù)據(jù)融合算法，解決了城市建成區(qū)精確提取的問題，可以為之后的例如城市蔓延分析等進一步研究奠定良好的數(shù)據(jù)基礎(chǔ)。

參考文獻

[1] 孟慶巖，杜弘宇，王莉萍，等.城市植被遙感分類研究進展與展望[J].浙江大學學報（農(nóng)業(yè)與生命科學版），2024，50（2）：190-199.

[2] 呂憲偉.基于高空間分辨率遙感影像的大尺度城市土地覆蓋分類方法研究[D].武漢：武漢大學，2023.

[3] 宗樂麗.融合遙感與空間大數(shù)據(jù)的城市土地利用分類研究[D].蘭州：蘭州大學，2021.

[4] 方煥煥.淺析城市遙感影像地圖分類制作方法[J].測繪與空間地理信息，2023，46（3）：211-215.

[5] 陳超民.基于機載LiDAR遙感數(shù)據(jù)的城市局部氣候區(qū)分類及其地表熱環(huán)境研究[D].上海：上海師范大學，2022.

[6] 儲國中，李蒙蒙，汪小欽.融合高度特征的高分遙感影像多尺度城市建筑類型分類[J].地球信息科學學報，2021，23（11）：2073-2085.