基于遙感的城市范圍提取方法研究

李佳陽++蔣樹龍++劉鵬

【摘 要】 由于城市的擴張和遙感技術(shù)的發(fā)展，利用遙感技術(shù)對城市問題的研究也越來越普遍。城市范圍的提取往往是對城市發(fā)展問題研究的前提，在目前眾多城市擴張研究中，很多學者都給出了自己提取城市范圍的方法。本文對大量的方法進行研究對比后，將城市范圍提取方法分為人工解譯方法、圖像分類方法、光譜指數(shù)與光譜模型方法以及相關(guān)因素提取方法，并對每種方法進行了對比總結(jié)。

【關(guān)鍵詞】 遙感 城市擴張 城市范圍 分類

1 引言

隨著我國經(jīng)濟持續(xù)快速的增長，我國進入城市數(shù)量和體量快速增長的階段。城市的發(fā)展與擴張，引起了諸多學者的關(guān)注，然而城市范圍的界定往往是研究城市擴張的前提，而利用遙感進行城市范圍提取正趨于成熟。

遙感是指不與探測目標相接觸，從遠處把目標的電磁波特性記錄下來，通過分析揭示出物體的特征性質(zhì)及其變化的綜合性探測技術(shù)[1]。由于遙感具有大面積同步觀測、時效性、綜合性、經(jīng)濟性等特點，因而在城市范圍提取中被廣泛使用，如阿里木江·卡斯木[2]等在研究塔什干市城市擴張時同時使用了TM、ETM+、ALOS-AVNIR2三種影像數(shù)據(jù)。在眾多關(guān)于城市擴張的研究中，對城市范圍的提取方法種類繁多，本文基于各方法特點，將如今主要的基于遙感影像的城市范圍提取方法歸納總結(jié)為基于人工解譯方法，基于圖像分類方法，基于光譜指數(shù)和指數(shù)模型方法，基于相關(guān)因素提取方法這四種方法。

2 方法研究

2.1 基于人工解譯方法

人工解譯方法主要是指目視解譯，它憑借解譯人員的經(jīng)驗知識，將遙感圖像轉(zhuǎn)換成可以被非專業(yè)人士理解的現(xiàn)實中的實物。作為傳統(tǒng)的判別方法，人工解譯的方法一般精度較高，但工作量大。王茜[3]等在對南京市城市擴展的研究中將預(yù)處理和幾何糾正的圖形直接進行人機交互目視解譯的方法，對南京市市區(qū)成片的區(qū)域在計算機中勾畫，由此獲得南京市城市范圍。

人工目視解譯作為遙感研究人員必備的一項技能，但在如今遙感技術(shù)智能化，高效化的發(fā)展過程中，其作為城市范圍提取方法的核心作用越來越小，更多的只能作為一種輔助判別方法或是對成果進行檢驗的手段。人工目視解譯本身也受到解譯標志、圖像質(zhì)量、解譯人員的經(jīng)驗等因素的影響[4]，所以在解譯的過程中應(yīng)該在這些方面引起足夠重視以保證解譯的質(zhì)量。

2.2 基于圖像分類方法

遙感圖像分類分為非監(jiān)督分類與監(jiān)督分類，其為獲取遙感圖像信息最常見的處理方法。非監(jiān)督分類是指人們事先對分類過程不加入任何先驗知識，而僅憑遙感圖像中地物光譜特征進行分類，分類結(jié)果不能確定類別屬性，相對的監(jiān)督分類則是引入已知類別象元作為訓練區(qū)再對圖像進行分類[5]。

在遙感影像的城市范圍提取中首先會對圖像進行預(yù)處理與增強，增大城市與非城市像元DN值的差別，再對影像進行分類，從而區(qū)分出城市與非城市區(qū)域。圖像處理方法的選擇對城市區(qū)域分類結(jié)果有很大的影響。如楊恒喜[6]等在提取昆明市圖像中，先對圖像做了直方圖均衡化處理，將DN值域增大使其呈正太分布，增強了圖像上地物與地物之間的反差，再利用非監(jiān)督分類的方法提取了城市建成區(qū)域，得到城市面積大小。余新朝[7]利用植被差值歸一化指數(shù)閾值的設(shè)定，經(jīng)過波段運算處理后，單獨對圖像進行監(jiān)督或非監(jiān)督分類都不能取得良好效果，而在結(jié)合了多次監(jiān)督與非監(jiān)督分類的方法后才較為準確地生成了城市建成區(qū)范圍圖。

基于圖像分類的城市范圍提取方法在很大程度上減輕了研究人員解譯的工作強度，并能得到較為準確的結(jié)果。分類前的圖像處理方法多樣，且多內(nèi)置于影像處理軟件中，操作簡單，效果顯著；另一方面，分類算法中如最大似然分類、馬氏距離分類等逐漸完善，人工神經(jīng)網(wǎng)絡(luò)等更智能的分類算法的出現(xiàn)，使圖像分類結(jié)果更加準確，也使該方法在提取城市范圍中得到更廣泛的認可。

2.3 基于光譜指數(shù)和指數(shù)模型方法

由于地物對太陽光的反射和吸收存在差異，導致不同波段中的地物反射信息存在差異，研究人員利用這種差異將衛(wèi)星不同波段探測數(shù)據(jù)進行組合運算，得到反映研究所需特定信息的指數(shù)，稱之為光譜指數(shù)，而提取這種指數(shù)的特定方法則稱為指數(shù)模型。

基于此方法的城市范圍提取也隨著相關(guān)的光譜指數(shù)和指數(shù)模型如歸一化差異建筑指數(shù)（Normalized Difference Built-up Index， NDBI）[8]、圖像卷積運算模型[9]等的發(fā)展而得到大量應(yīng)用。NDBI相對來說使用最廣泛，它是在對歸一化植被指數(shù)NDVI經(jīng)過深入研究后的拓展，最早由楊山[10]對提取無錫市城鄉(xiāng)聚落空間信息而提出，稱之為仿植被歸一化指數(shù)。Y.ZHA[8]等基于TM數(shù)據(jù)的TM4與TM5波段特性，得到表達式

NDBI=（band5-band4）/（band5+band4）

運算后城鎮(zhèn)區(qū)域的亮度值增大，其他區(qū)域的亮度值都減小，其中NDBI>0的部分為城市，NDBI≤0的部分為非城市區(qū)，從而提取出城市范圍。NDBI在分類中也存在不足，鄧文勝等[11]就曾證明其在大面積復雜區(qū)域的應(yīng)用效果不是很好。基于此光譜指數(shù)的城市范圍方法也在不斷的改進，徐涵秋[12]就放棄了單純使用NDBI，同時利用了NDBI、土壤調(diào)節(jié)指數(shù)SAVI、修正歸一化差異調(diào)節(jié)指數(shù)MNDWI將ETM+數(shù)據(jù)的六個波段壓縮為呈不相關(guān)的三個波段，并用譜間信息的相關(guān)性邏輯運算，提取出城市建成區(qū)域，且抽樣驗證精度達到 91.3%。

基于光譜指數(shù)和指數(shù)模型方法充分利用了圖像波段間的光譜信息差異，城市范圍確定精度通常高于基于圖像分類方法的結(jié)果。由于此方法充分挖掘了城市地物與非城市地物間光譜信息異同，所以光譜指數(shù)和指數(shù)模型方法的可重用性更加強，適用范圍也更加廣泛。

2.4 基于相關(guān)因素提取方法

城市作為一個綜合體，其包容的元素多樣，所表現(xiàn)的性質(zhì)從不同的角度觀察也有不同的結(jié)果，因此，除了如上常用的一些方法外，還有一些利用相關(guān)因素間接提取出城市范圍的方法。endprint

基于不透水面的確定來提取城市范圍的方法。廣義的不透水面（Impervious Surface Area，ISA）是指天然或人為建造，能夠隔離地表水滲透到土壤，進而改變洪水徑流的流動、物質(zhì)沉淀和污染剖面的任何物質(zhì)[13]。目前研究的人工不透水面多指停車場，道路，屋頂，廣場等地物，然而這些地物也是城市的組成部分，再加上如今城市的建設(shè)都離不開人工修建的不透水面，所以對城市不透水面范圍的確定，在一定程度上可以看作是對城市范圍的確定。白楊[14]等人已經(jīng)完成了在不透水面的基礎(chǔ)上，用面向?qū)ο蟮姆椒ǎ瑢Τ鞘薪ǔ蓞^(qū)域的提取，得到的城市范圍基本與實際吻合。

基于地表溫度的確定來提取城市范圍的方法。地表溫度主要受地表覆蓋物影響，由于城市建設(shè)，城市地表主要被水泥等人工化合物取代，導致與農(nóng)田、林地、水體等自然覆蓋物的地表溫度有明顯差異。李昕瑜[15]等人就已經(jīng)通過反演地表亮溫發(fā)現(xiàn)，地表溫度與歸一化不透水面指數(shù)NDISI、NDBI呈正相關(guān)。王躍[16]等更是利用Landsat的熱紅外波段，將反演的亮溫以296K為界，提取出了蘇州市城市范圍。

基于這些相關(guān)因素提取來提取城市范圍的方法突破了以往比較固定的思維，為城市區(qū)域研究提供了一種新的思路。但此方法的不足在于難以驗證這些相關(guān)因素和城市范圍之間的聯(lián)系緊密度，因而有時會對準確提取城市范圍造成較大影響。

3 結(jié)論與討論

城市范圍的提取在對城市擴張、城市總體規(guī)劃、城市生態(tài)環(huán)境等研究中都具有基礎(chǔ)性的作用。隨著對城市的研究增多，出現(xiàn)了多種多樣的城市范圍提取方法，經(jīng)過對大量研究的對比總結(jié)，基于對各種方法的主體思想或關(guān)鍵步驟的分析，本文將眾多城市范圍提取的方法歸納為人工解譯方法、圖像分類方法、光譜指數(shù)與光譜模型方法以及相關(guān)因素提取方法。

經(jīng)過分類后的對比還發(fā)現(xiàn)，人工解譯方法提取的相對精度較高，但進度慢，耗時多；圖像分類方法較人工解譯方法更加便捷，但結(jié)果相對較差，同時分類前的影像處理和分類方法的選擇對分類的結(jié)果有較大的影響；光譜指數(shù)與光譜模型方法在指數(shù)和模型建立之前需要進行大量的分析，但其方法適應(yīng)范圍廣，同時對城市范圍的提取結(jié)果又有充分的物理依據(jù)；相關(guān)因素提取方法通過對城市特有的相關(guān)信息的提取來確定城市范圍，此方法思路新穎，發(fā)展前景廣，但相關(guān)因素與城市相關(guān)性的確定將是其研究的重點與難點。各種方法雖有不同之處，但在研究中往往又相互聯(lián)系，相互補充，使城市范圍的提取朝著更加精確的方向發(fā)展。

隨著中國經(jīng)濟的發(fā)展，城市的擴張還將持續(xù)，由此給我們帶來的影響，將會引起越來越多學者的關(guān)注。筆者認為，隨著遙感信息提取技術(shù)的發(fā)展，多源數(shù)據(jù)的應(yīng)用，以及土地信息數(shù)據(jù)庫的完善，基于遙感的城市范圍研究也必然會有新的突破。

參考文獻：

[1]梅安新等編著.遙感導論.北京市：高等教育出版社，2001.

[2]阿里木江·卡斯木，阿斯耶姆·圖爾迪.基于遙感數(shù)據(jù)的塔什干市城市擴展時空特征分析[J].新疆師范大學學報（自然科學版），2012，（第2期）.

[3]王茜，張增祥，易玲，譚文彬，王長友.南京城市擴展的遙感研究[J].長江流域資源與環(huán)境，2007，（第5期）.

[4]姜放，張國勇.遙感圖像目視解譯值得注意的幾個問題[J].長春工程學院學報（自然科學版），2002，（第3期）.

[5]湯國安等編著.遙感數(shù)字圖像處理.北京市：科學出版社，2004.

[6]楊恒喜，史正濤，陳可偉.基于遙感影像的1992-2002年昆明市城區(qū)擴張及驅(qū)動力分析[J].環(huán)境科學與管理，2010，（第6期）.

[7]余新朝.基于多時相遙感影像的城市演變分析[J].城市勘測，2013，（第6期）.

[8]Zha， Y. Y.， Gao， J. J.， & Ni， S. S. （2003）. Use of normalized difference built-up index in automatically mapping urban areas from TM imagery. International Journal Of Remote Sensing， 24（3）， 583.

[9]MUXiaodong，LIUHuiping，WANGHongbin.Application of image convolution to extract the urban extent[J].遙感學報，2011，（第6期）.

[10]楊山.發(fā)達地區(qū)城鄉(xiāng)聚落形態(tài)的信息提取與分形研究：以無錫市為例[J].地理學報，2000，（第6期）.

[11]鄧文勝，關(guān)澤群，王昌佐.從TM影像中提取城鎮(zhèn)建筑覆蓋區(qū)專題信息的改進方法[J].遙感信息，2004，（第4期）.

[12]徐涵秋.基于譜間特征和歸一化指數(shù)分析的城市建筑用地信息提取[J].地理研究，2005，（第2期）.

[13]SloneckerET，JenningsD，GarofaloD. RemoteSensingof ImperviousSurfaces： AReview[J]. Remote Sensing Reviews，2001，20（3）：227-255.

[14]白楊，寧曉剛，張繼賢.基于不透水面和引力模型的城市建成區(qū)提取與分析[J].測繪科學，2014，（第1期）.

[15]李昕瑜，杜培軍，阿里木·賽買提.南京市地表參數(shù)變化與熱島效應(yīng)時空分析[J].國土資源遙感，2014，（第2期）.

[16]王躍，程丹.蘇州建成區(qū)范圍界定及形態(tài)分析[J].蘇州科技學院學報（自然科學版），2011，（第3期）.endprint