基于遙感影像的南充市城市擴展研究

李 飛

（1.楊凌職業技術學院，陜西 楊凌 712100）

基于遙感影像的南充市城市擴展研究

李 飛1

（1.楊凌職業技術學院，陜西 楊凌 712100）

以南充市市轄區為研究對象，通過2001年、2003年、2007年3個時期的遙感影像、文獻及相關資料，結合RS與GIS相關軟件及空間分析方法，進行南充市城市擴展研究。研究結果表明, 2001年以來,南充市城區建筑面積呈現極速擴張趨勢，且擴張速度逐年增加。

城市擴展；動態監測；監督分類；指數波段

城市空間是城市各項社會經濟活動和居民生活的載體，是城市所占有的地表區域。根據不同角度，城市空間主要有建設空間、通勤通學空間、管理空間以及經濟影響空間等類型[1]。由于科學、經濟的不斷發展，城市建設也迅速發展起來，城市擴張變化特征日益顯著。快速的城市化進程雖然促進了經濟發展，但在城市擴張的同時，影響了城市土地利用的效率，改變了城市生態環境，破壞了當地的生態平衡。利用GIS和RS對城市用地進行研究，能夠了解土地開發的進程，掌握土地利用情況及經濟發展的狀況，進而更好地開發土地，改善環境[2]。

1 研究區概況及數據來源

研究區南充市位于四川盆地中北部和嘉陵江中游，地勢從北向南傾斜，海拔256～889 m。地貌類型以丘陵為主，屬于中亞熱帶濕潤季風氣候區，年平均氣溫17℃左右；年日照時間處于1 200～1 500 h范圍內；年降雨量1 100 mm；災害性天氣頻率較大，持續時間較長。全市水資源總量為400多億m3。多年平均徑流量深335 mm，地表多年平均徑流總量為41.91億m3。

遙感影像從國際科學數據服務平臺上下載所得，研究中采用2001年、2003年、2007年3個時期的Landsat TM/ETM+影像，輔助數據是中國1：400萬行政區劃圖和數字化得出的南充市市區邊界（圖1）。

2 研究方法

2.1 遙感圖像預處理

1）輻射校正。由于大氣對光譜特征影響較大，因此要對所得的數據進行輻射校正，本文采用的輻射增強方法為直方圖匹配，該方法可以減弱圖像受到的大氣、太陽高度角的影響[3]。

2）多波段TM數據融合。為了增加遙感影像的可讀性，先采用TM/ETM影像4、5、3波段圖像進行假彩色合成，ArcGIS軟件能將多個單波段遙感影像融合成具有較強可讀性的圖像。

圖1 南充市市區邊界

3）遙感影像裁剪。首先利用目視解譯、數字化得出南充市城區邊界，再利用ArcGIS進行掩膜提取，選擇波段融合好的TM圖像和南充市城區邊界圖，進行TM/ETM影像裁剪。

2.2 構造指數波段

對于TM 影像城鎮建筑物或居民地信息的提取研究比較多，但精度較好的當屬徐涵秋[4]提出的TM 影像三指數法城鎮建筑用地信息提取方法，在此基礎上進一步對這3個新的指數波段進行譜間特征分析，最后利用基于規則的邏輯判別運算將城市建筑用地信息提取出來。

1）土壤調節植被指數（SAVI）。在可見光范圍內，植被對陽光的吸收作用非常強烈，尤其是對紅光，但在近紅外波段范圍內，吸收較弱，反射率最強；在中紅外范圍內，植被的反射率弱于近紅外波段，Rouse J W[5]等引入了NDVI指數[2]：

NDVI建設區域內所有土壤類型都是相同的，但實際上并不是如此，因此Huete A R[6]提出了SAVI[7]：

其中，L為土壤調節因子，取值介于0～1之間。“0”和“1”分別代表植被覆蓋率極高和植被覆蓋率極低的兩種極端情況。通常選擇0.5能較好地減弱土壤的背景差異，消除土壤的噪聲影響。從而得出SAVI計算公式為：

2）修正歸一化差異水體指數（MNDWI）。由于水體的反射率從可見光波段到近紅外、中紅外波段逐漸減弱，因此構建出歸一化差異水體指數NDWI[8]：

在對水體反射光譜的分析中發現，NDWI波段影像上不能清楚地將水體與建筑物區分出來，因此采用MNDWI：

3）歸一化建筑指數（NDBI）。NDBI是仿造NDVI構造的，是指在第5波段有較高反射率，在第4波段低于第5波段反射率的原理[2]：

在第5波段與第4波段中，建筑物的反射率弱于植被和水體的反射率，因此，僅用NDBI＞0的條件提取城鎮建筑用地信息時，會混有裸地、植被、水體等地物干擾信息[2]。因此利用NDBI與SAVI、MNDWI進行假彩色合成，能有效地提取出城鎮用地信息。

2.3 三指數波段假彩色合成

將MNDWI、NDBI、SAVI 3個指數波段進行紅綠藍假彩色融合，方法為：利用ArcGIS的ArcToolbox中的波段合成功能，ArcToolbox→Data Management Tools→Raster→柵格數據處理→波段合成。

2.4 最大似然法監督分類

對3個指數波段進行假彩色合成后的影像進行最大似然法監督分類，即將圖像中未知類別樣本的觀測值與已知類別的樣本（訓練區）的觀測值之間的相似度最大的歸為一類。由于本文主要研究城鎮擴展也就是建筑物面積變化，因此主要分為5類：建筑、水體、裸地、草地和林地。

2.4.1 定義分類模板

Erdas Imagine的監督分類是在分類模板中進行的，而該模板的各項功能則通過分類模板編輯器來完成。在Erdas軟件的Signature Editor中定義分類模塊，把選擇的訓練區按類加入到分類模板中，將同類地物合并，即可建立分類模板。

2.4.2 評價分類模板

可能性矩陣（表1）評價工具是根據分類模板來分析AOI訓練區像元，檢測像元是否完全落在相應的類別中。該檢測結果以百分比矩陣顯現，說明每個AOI訓練區中有多少個像元，分別屬于哪些類別。

表1 可能性矩陣

Kappa分析是一種多元統計方法，用來評價分類精度，其中Kappa系數指的是被評價分類比隨機分類錯誤減小的比例：

式中，K表示Kappa系數；xii表示第i行第i列的元素；r表示誤差矩陣的行數；xi+表示第i行的和；x+i表示第i列的和；N表示樣點的總數。實際中，Kappa系數的最低精度為0.70，經過計算所得Kappa系數為0.95，遠遠大于允許判別精度。

2.4.3 監督分類及分類后處理

由Erdas執行最大似然分類，為改進分類，最好對一些錯誤分類的單元進行重新分類，將其歸入可直接包圍它們的類或聚類。清理分類影像最常用的技術包括過濾、平滑處理類邊界及移除小孤立區域。分類后處理的方法為：對分類結果進行過濾，采用“眾數濾波”工具進行處理，使用“邊界清理”工具可對分類的不規整邊緣進行平滑處理。

3 城市擴展動態分析

3.1 土地類型數量分析

將上述步驟所得到的2001年、2003年、2007年3 個時期的監督分類結果進行統計分析，所得像元總數×像元分辨率，得到的南充市各土地類型變化信息，如表2所示。

表2 土地類型面積統計表/km2

結合表2可以得出6 a間南充市土地類型變化情況：水體面積有少量增加；裸地面積在2001～2003年有小幅減少，但在2003～2007年大幅增加；城市建筑面積呈逐年增加的趨勢；植被覆蓋面積逐年減少。2001～2003 年植被覆蓋面積減少9.36 km2，年均減少4.68 km2；2003～2007年植被覆蓋面積減少31.56 km2，年均減少7.89 km2。植被覆蓋年均減少速率增加68.6%，可見2001～2007年南充市區植被覆蓋度正急劇下降，且下降速度不斷加快。植被覆蓋度的降低，將造成水土流失、滑坡等災害，嚴重破壞生態平衡。

3.2 土地類型轉移矩陣

將2001年與2007年監督分類所得圖像轉為矢量圖，并以土地類型字段為基準將兩年份相同土地類型的幾率融合，再將融合后的兩年份矢量圖求交，導出求交后的屬性表，并加載到Excel中，利用Excel的數據透視表功能制作覆被類型轉移矩陣，如表3所示。

表3 2001～2007年覆被類型轉移矩陣/km2

由表3可知，2001～2007年，僅有54.65%的土地類型保持穩定，發生土地類型轉換的面積占研究區總面積的45.35%，有28.70 km2其他類型土地轉換為建筑用地，其中以植被（農用地、草地、林地等）轉移為主，占總轉移面積的75.19%。

3.3 城市建筑數量分析

對南充市2001年、2003年、2007年3個年份的建筑面積進行統計分析，得出表4。

表4 南充市3個年份城市擴展數量分析

從表4可以看出，2007年城區的建筑面積幾乎達到2001年的2倍。2001～2003年、2003～2007年城區建筑面積平均每年分別擴展3.57 km2、3.92 km2，可見2001～2007年南充市城鎮建筑面積擴張速度正呈現逐步加快的趨勢。

3.4 城市擴展空間分析

將監督分類分類所得的3個年份的結果轉換為矢量數據并進行疊加顯示，效果如圖2所示。2003年與2001年相比最大的變化就是修建了高坪機場，且主城區沿嘉陵江南北方向有小幅擴張。2003～2007年，城鎮建筑沿主城區四周均有擴散，且沿嘉陵江縱向擴張較橫向擴張面積大。2001～2007年，城市建筑主要沿嘉陵江流域南北縱向發展，2007建筑面積幾乎達到2001年的2倍。在這6 a內，城鎮建筑用地迅速擴展，大量占用耕地、草地及林地。

圖2 疊加顯示效果圖

4 結 語

動態監測結果表明，2001年以來，南充市城區建筑面積呈現極速擴張的趨勢，且擴張速度逐年增加，總體呈現為向四周擴張，但沿嘉陵江縱向擴展面積較橫向擴張面積大，且呈現郊區建筑與主城區建筑逐漸連通的趨勢。

[1] 楊榮南,張雪蓮.城市空間擴展的動力機制與模式研究[J].地域研究與開發,1997,16(2)∶1-4

[2] 盧曉峰.基于RS和GIS的鄭州市城市擴展研究[J].河南理工大學學報(自然科學版),2008,27(2)∶182-187

[3] 田野,李海龍,劉雙,等.基于TM遙感影像圖的鞍山市千山植被變化研究[J].林業調查規劃,2009,34(1)∶54-58

[4] 徐涵秋.基于譜間特征和歸一化指數分析的城市建筑用地信息提取[J].地理研究,2005,24(2)∶311-319

[5] Rouse J W,Haas R H,Schell J A,et al. Monitoring Vegetation Systems in the Great Plains with Erts[C].Proceedings of the Third ERTS Symposium NASA SP-351,1973

[6] Huete A R. A Soil-adjusted Vegetation Index(SAVI)[J].Remote Sensing of Environment,1988,25∶295-309

[7] 羅永明,鐘仕全,莫偉華,等.基于TM數據的南寧市水體和建筑用地變化研究[J].氣象研究與應用,2008,29(1)∶37-40

[8] 徐涵秋.利用改進的歸一化差異水體指數(MNDWI)提取水體信息的研究[J].遙感學報,2005,9(5)∶589-595

P237

B

1672-4623（2016）05-0075-03

10.3969/j.issn.1672-4623.2016.05.024

李飛，碩士，講師，主要從事工程測量技術專業的教學與研究工作。

2015-02-03。

項目來源：國家自然科學基金資助項目（41304016）；楊凌職業技術學院科學研究基金資助項目（A2013046）。