基于DMSP/OLS 數據的中國大尺度城鎮用地信息提取

王曉慧，肖鵬峰，馮學智，李海星

(1.江蘇省地理信息技術重點實驗室，南京大學，南京 210093;2.南京大學地理信息科學系，南京 210093)

0 引言

近幾十年來，隨著經濟的迅速發展和人口的增長，城鎮用地不斷擴張。快速的城市化進程正在不斷地改變著土地利用與覆蓋狀況，并且對區域乃至全球的生物多樣性、水文系統、生物地球化學循環、氣候都有著深遠的影響［1，2］。在中國改革開放不到30 a 的時間里，中國的城市化得到快速發展，發展速度比世界平均水平快2.14%，但同時也出現了城市空間擴展失控的問題［3］。為了實現對城鎮區域的可持續管理以及對環境影響的評估，實時快速地監測城鎮空間擴展變得越來越重要［4］。遙感技術能實現大面積的同步觀測，兼具時效性和經濟性，滿足了實時快速獲取城鎮信息并進行空間擴展研究的需求。高、中空間分辨率數據(如IKONOS，QuickBird，Landsat TM/ETM+，SPOT/HRV)對地面物體的辨別能力強，但是由于數據量大、獲取成本較高且單景影像覆蓋范圍較小，因此多用于單個城市的城鎮用地提取［4］。在區域尺度或更大的全球尺度上，美國軍事氣象衛星(defense meteorological satellite program，DMSP)搭載的傳感器(operational linescan system，OLS)獲取的全球夜間燈光數據已被證明是監測人類活動、進行城市化研究的有效數據源［4－11］。

運用DMSP/OLS 夜間燈光數據提取城鎮用地信息的難點在于閾值的確定。目前利用DMSP/OLS數據進行城鎮用地提取主要有以下4 種方法:①經驗閾值法［7］，是研究者根據經驗設定一個閾值，并用該閾值提取城鎮用地信息，此方法簡單易行，但主觀性太強，結果會隨著研究者的不同而不同;②突變檢測法［6］，基于城鎮的邊界應為完整多邊形的假設，以多邊形發生突變的點作為閾值提取城鎮用地信息，此方法忽略了城鎮發展的區域差異性，并非所有的城鎮都只有一個中心城區［11］;③基于統計數據的二分比較法［10］，是以國家發布的統計數據中城鎮用地面積信息為參考，通過調整閾值與統計數據靠攏，統計數據較易獲取，但由于層層上報，存在人為修改的隱患，與直接用遙感影像獲得城鎮用地數據有很大的差別［12－14］，并且統計數據缺乏空間信息，不能直觀地展示城鎮的發展狀況;④較高分辨率數據比較法［8］，一般以空間分辨率30 m 的TM/ETM+數據提取的城鎮用地信息作為標準，通過調整夜間燈光數據的閾值與其不斷逼近，得到提取結果。較高分辨率數據比較法客觀真實，并且能使DMSP/OLS 數據的空間信息得以保留，但對于大尺度的城鎮研究來說，如按照以往的閾值確定方法逐個城市確定閾值，處理效率會過低、數據成本過大，因而此方法用于特定城市提取較多。

鑒于此，本文針對較高分辨率比較法逐個城市設定閾值的不足，為了提高大尺度城鎮提取的效率并反映區域城鎮的整體狀況，采用分區的思想提取城鎮用地信息。以中國為研究區，將其按照經濟發展程度劃分為7 大區，逐區分別提取城鎮用地信息，再對1992，1995，2000年的多時相結果進行真實城鎮像元判定，并評價提取結果精度。

1 數據源與研究方法

1.1 數據源

1)DMSP/OLS 非輻射定標夜間平均燈光強度數據。該數據由日本國立環境研究所和東京大學借鑒1996—1997年的夜間燈光數據輻射標定試驗工作的經驗，針對亞洲地區開發，對不同時相的可見光近紅外通道數據進行平均化處理得到，濾除了云、火光等噪聲的影響［9，17］。空間分辨率為1 km，DN 值范圍為0～63，時間序列為1992—2010年。本文從1992，1995，2000年3 a 全球DMSP/OLS 影像上獲取中國區域的數據后，將其投影轉換為Lambert Conformal Conic(蘭伯特等角圓錐投影)(圖1)。

圖1 DMSP/OLS 夜間燈光數據中國區域圖像Fig.1 DMSP/OLS lighttime light image in China

2)Landsat TM/ETM+圖像。選取1992，1995，2000年間時相較一致且質量較好的圖像，用于確定DMSP/OLS 數據的閾值，進行精度評價。數據來自馬里蘭大學地球科學數據接口(earth science data interface，ESDI，http://glcfapp.glcf.umd.edu:8080/esdi/index.jsp)以及美國地質調查局地球資源觀測與科學中心(USGS global visualization viewer，GloVis，http://glovis.usgs.gov/)。本次研究總共使用了3 a間共60 多景圖像(部分年份無質量較好圖像，用相鄰年份的最近月份圖像代替)，已由USGS 進行過幾何精糾正。因此，僅對投影方式進行了轉換，投影方式及參數與DMSP/OLS 數據相同。

1.2 研究方法

首先對研究區進行分區，在每一區內選取若干個城市作為訓練區，對每個訓練區人機交互提取城鎮用地信息;調整區內各訓練區的DMSP/OLS 數據閾值，使提取結果逐步逼近人機交互提取的城鎮用地總量，得到該區的最佳閾值;再用各區的最佳閾值對DMSP/OLS 數據進行分區閾值分割，得到各區提取結果;最后通過真實城鎮像元判定得到研究區的城鎮用地信息。具體的技術路線如圖2 所示。

圖2 技術路線Fig.2 Technical flow chart

1.2.1 研究區分區

DMSP/OLS 影像獲取的是夜間燈光強度信息，燈光的強弱與城鎮的發展程度密切相關。由于中國的經濟發展程度不均衡，東部地區明顯高于西部地區，呈現明顯的區域性特征，因此在夜間燈光圖像上表現為東部地區燈光范圍和亮度大小明顯高于西部地區，而且在西部地區內部(如西北與西南)也有明顯差異(圖1)。

采用基于分區的較高分辨率數據比較法提取城鎮用地信息，不再逐個城鎮確定燈光數據閾值，而將中國按經濟發展程度分區，以區為單位進行提取。該方法既保留了較高分辨率數據比較法客觀真實的優點，又能反映區域城鎮的整體狀況，并且提高了效率。具體做法是以聚類經濟區為主，以協作經濟區為補充，對全國進行分區。聚類經濟區根據經濟總體水平類似性劃分，如長江三角洲及沿江經濟區、中部五省經濟區;協作經濟區是為適應區域經濟的發展需要、促進區域經濟的共同繁榮，由各省區組合而形成，如華北協作區、華東協作區等［15－16］。根據DMSP/OLS 數據的區域特性，以省級行政單元為最小組合單元，結合聚類經濟區和協作經濟區兩種經濟分區的優勢，將全國分為以下7 大區:①東北地區(遼寧，吉林，黑龍江);②西北地區(陜西，甘肅，青海，寧夏，新疆);③華北地區(北京，天津，河北，內蒙古，山西);④華東地區(山東，上海，江蘇，浙江);⑤華中地區(河南，安徽，江西，湖北，湖南);⑥華南地區(福建，廣東，廣西，海南，臺灣，香港，澳門);⑦西南地區(四川，貴州，云南，西藏，重慶)。

1.2.2 分區閾值確定

在各分區內，選取若干個訓練區，一個訓練區即一個城市，對每個城市通過TM 圖像人機交互提取城鎮用地信息作為參考，并與該訓練區的DMSP/OLS 圖像對比。圖3 所示為2000年西北地區的2個訓練區閾值確定情況。

圖3 訓練區閾值確定示例Fig.3 Samples of threshold determining in training area

根據區內各訓練區的最佳閾值確定閾值范圍，在最佳閾值區間內，按照與TM 圖像提取面積的區內總面積誤差率最小原則確定該區最佳閾值，如表1所示。

表1 西北地區閾值確定Tab.1 Threshold determining of the northwest region (km2)

由表1 可知，訓練區西寧、咸陽、西安的最佳閾值分別為53，46 和54，確定閾值區間為46～54。再根據總面積誤差率最小(1.85%)原則，最終確定西北地區2000年的最佳閾值為53。

1.2.3 真實城鎮像元判定

確定分區閾值后，分別對7 大區進行閾值分割。由于地表現象的復雜性，雖然本文使用的夜間燈光數據已濾除了一些偶然光噪聲，但數據中仍存在部分非城鎮像元的光噪聲，會對閾值分割后的結果產生影響。為濾除光噪聲，需要進行真實城鎮像元判定［18］。真實的城鎮像元在不同時相影像中應具有連續性和擴展性，但是由于3 a 的DMSP/OLS 數據未作校正，進行真實城鎮像元判定時為了避免位置偏差造成的誤判，對于提取的結果基于如下規則進行判定:任一像元3 a 中只要有任意2 a 表現為城鎮像元，便判定為城鎮像元，否則為非城鎮像元，如圖4 所示。

圖4 真實城鎮像元判定Fig.4 Judgment of real urban pixels

2 結果與分析

2.1 定性評價

對各區閾值提取結果進行真實城鎮像元判定后，得到研究區1992，1995，2000年3 a 的城鎮用地信息。按大、中、小3個級別選取城市(北京、西安、拉薩)與最接近年份的Google Earth 高分辨率影像進行嵌套(圖5)，對提取結果做定性評價。

圖5 DMSP/OLS 提取結果與Google Earth 對比圖Fig.5 Comparing of the results and Google Earth

圖5 上提取結果與Google Earth 上高分辨率影像的城鎮區域較一致。圖5(a)為北京市3 a 提取結果與2005年Google Earth 高分辨率影像嵌套結果，從空間上較準確地反映了真實的城鎮用地信息;圖5(b)(c)分別為西安市、拉薩市3 a 提取結果的嵌套圖。從圖5 可以看出，1992—1995年城鎮面積有較大增長，而1995—2000年則緩慢增長。

2.2 定量評價

基于TM 數據的DMSP/OLS 數據城鎮面積提取精度評價結果見表2。

表2 基于TM 數據的DMSP/OLS 數據城鎮面積提取精度評價Tab.2 Area accuracy assessment of the proposed method using TM data

續表

從表2 中可知，1992—2000年8 a 間城鎮用地快速增長，大城市的增長比中小城市更加明顯。雖然各分區內仍然存在大城市過度提取，部分小城市漏提的情況，但從總體面積一致性來看，3 a 均超過95%。

3 結論

1)本文利用DMSP/OLS 夜間燈光數據，針對已有研究逐個城市確定閾值的不足，提出了基于分區的較高分辨率數據比較法，將中國區域按經濟發展程度分為7 大區，對各區單獨確定燈光數據閾值，提取城鎮用地信息。在每一區內，通過逐步逼近調整閾值的方式得到分區最佳閾值，再進行區域閾值分割，并依據不同時相燈光數據的連續性對提取結果進行真實城鎮像元判定，得到1992，1995，2000年這3 a 的城鎮提取結果。

2)采用分區的方法提高了提取效率，并且總體精度較高，能較準確地反映各個區的整體城鎮發展狀況。從結果可以看出:8 a 間城鎮數量有明顯的增加，其中1992—1995年增長較快，1995—2000年增長緩慢，3 a 城鎮用地信息提取的總體精度達到95%以上。但在各個區內，仍然存在部分城市位置偏移和小城市漏提的現象，因此今后將進一步開展DMSP/OLS 夜間燈光數據校正的相關研究。

［1］Foley J A，DeFries R，Asner G P，et al.Global consequences of land use［J］.Science，2005，309(5734):570－574.

［2］Grimm N B，Faeth S H，Golubiewski N E，et al.Global change and theecology of cities［J］.Science，2008，319(5864):756－760.

［3］方創琳.改革開放30年來中國的城市化與城鎮發展［J］.經濟地理，2009，29(1):19－25.Fang C L.The urbanization and urban development in China after the reform and opening－ up［J］.Economic Geography，2009，29(1):19－25.

［4］Cao X，Chen J，Imura H，et al.A SVM－based method to extract urban areas from DMSP－OLS and SPOT VGT data［J］.Remote Sensing of Environment，2009，113(10):2205－2209.

［5］Croft T A.Night time images of the earth from space［J］.Scientific American，1978，239(1):86－89.

［6］Imhoff M L，Lawrence W T，Stutzer D C，et al.A technique for using composite DMSP/OLS city lights satellite data to map urban area［J］.Remote Sensing of Environment，1997，61(3):361－370.

［7］Milesi C，Elvidge C D，Nemani R R，et al.Assessing the impact of urban land development on net primary productivity in the southeastern United States［J］.Remote Sensing of Environment，2003，86(3):401－410.

［8］Henderson M，Yeh E T，Gong P，et al.Validation of urban boundaries derived from global nighttime satellite imagery［J］.International Journal of Remote Sensing，2003，24(3):595－609.

［9］陳 晉，卓 莉，史培軍，等.基于DMSP/OLS 數據的中國城市化過程研究——反映區域城市化水平的燈光指數的構建［J］.遙感學報，2003，7(3):168－175.Chen J，Zhuo L，Shi P J，et al.The study on urbanization process in China based on DMSP/OLS data:Development of a light index for urbanization level estimation［J］.Journal of Remote Sensing，2003，7(3):168－175.

［10］He C Y，Shi P J，Li J G，et al.Restoring urbanization process in China in the 1990s by using non－ radiance－ calibrated DMSP/OLS nighttime light imagery and statistical data［J］.Chinese Science Bulletin，2006，51(13):1614－1620.

［11］楊 洋，何春陽，趙媛媛，等.利用DMSP/OLS 穩定夜間燈光數據提取城鎮用地信息的分層閾值法研究［J］.中國圖象圖形報，2011，16(4):666－673.Yang Y，He C Y，Zhao Y Y，et al.Research on the layered threshold method for extracting urban land using the DMSP/OLS stable nighttime light data［J］.Journal of Image and Graphics，2011，16(4):666－673.

［12］Wang L，Gong P，Ying Q，et al.Settlement extraction in the North China Plain using Landsat and Beijing－1 multispectral data with an improved watershed segmentation algorithm［J］.International Journal of Remote Sening，2010，31(6):1411－1426.

［13］Liu J Y，Liu M L，Tian H Q，et al.Spatial and temporal patterns of China’s cropland during 1990－2000:An analysis based on Landsat TM data［J］.Remote Sensing of Environment，2005，98(4):442－456.

［14］王 雷，李叢叢，應 清，等.中國1990～2010年城市擴張衛星遙感制圖［J］.科學通報，2012，57(16):1388－1399.Wang L，Li C C，Ying Q，et al.China’s urban expansion from 1990 to 2010 determined with satellite remote sensing［J］.Chinese Science Bulletin，2012，57(16):1388－1399.

［15］胡序威.論中國經濟區的類型與組織［J］.地理學報，1993，48(3):193－203.Hu X W.On the typology and organization of economic regions in China［J］.Acta Geographica Sinica，1993，48(3):193－203.

［16］陸大壯.中國行政區、經濟區發展的回顧與展望［J］.中國人民大學學報，1994(6):1－6.Lu D Z.The retrospect and prospect development of the administrative and economic regions in China［J］.Journal of Renmin University of China，1994(6):1－6.

［17］Elvidge C D，Baugh K E，Dietz J B，et al.Radiance calibration of DMSP/OLS low－light imaging data of human settlements［J］.Re-mote Sensing of Environment，1999，68(1):77－88.

［18］卓 莉，李 強，史培軍，等.基于夜間燈光數據的中國城市用地擴展類型［J］.地理學報，2006，61(2):169－178.Zhuo L，Li Q，Shi P J，et al.Identification and characteristics analysis of urban land expansion types in China in the 1990s using DMSP/OLS data［J］.Acta Geographica Sinica，2006，61(2):169－178.