基于遙感監測的建設用地自動提取模型應用

黃瀅冰，趙克飛，徐啟恒，陳 浩

（1.東莞市地理信息與規劃編制研究中心，廣東 東莞 523129；2.中山大學 地理科學與規劃學院，廣東 廣州 510275；3.東莞市測繪院，廣東 東莞 523129；4.寶雞文理學院，陜西 寶雞 721013）

基于遙感監測的建設用地自動提取模型應用

黃瀅冰1，趙克飛2，徐啟恒3，陳 浩4

（1.東莞市地理信息與規劃編制研究中心，廣東 東莞 523129；2.中山大學 地理科學與規劃學院，廣東 廣州 510275；3.東莞市測繪院，廣東 東莞 523129；4.寶雞文理學院，陜西 寶雞 721013）

生態環境是構建宜居城市的重要指標。構建基于遙感監測的建設用地自動提取模型可快速獲取建設用地現狀,及時發現侵占山水資源的違規用地，有利于維護城市生態安全。以城市化程度較高的東莞市為例，結合傳統的譜間閾值指數模型和混合像元分解模型自動提取建設用地。結果表明，建設用地的提取精度為91．36%,可滿足生態保護中對建設用地進行快速全面監測的要求。

遙感監測；建設用地；譜間特征閾值；混合像元分解

城市化空間擴張是一定時期內土地利用變化的主要特征[1]，該特征變化很大程度上影響區域生態環境，并以累積的方式反饋于全球生態環境[2]。隨著經濟的快速發展和城鎮化水平的不斷提高，無序現象在諸多城市上演，大量生態資源被迫縮減，嚴重影響著土地的合理高效利用和城市的可持續發展。而土地利用動態遙感監測一直是國土資源和城市規劃管理部門倡導的技術手段，旨在節約集約用地，遏制城市無序擴張。然而，通過實地調查來監測新增建設用地的途徑，具有人力物力財力成本大、耗時長及難度高等缺點。自改革開放以來，東莞市以資源消耗、粗放經營為特征的發展模式，依托土地增量支撐經濟發展，忽視了環境保育，自然資源不斷退化和枯竭。因此，如何快速、高效地實現對建設用地的動態監測與更新是遏制研究區無序擴張及保護生態系統安全亟待解決的難題之一，其中城市建設用地自動提取技術直接關系到最終監測結果的精度。

目前，國內外學者在城市動態監測領域已取得較多成果[3-7]，就遙感自動提取技術而言，目前高分辨率衛星影像為地物分類提供了關鍵的數據基礎，自動提取技術快速高效的特點對國土資源實時監測、控制城鎮用地規模具有十分重要的意義。結合遙感和GIS技術應用案例[8-10]，本研究根據建設用地與其他地物的光譜特征利用譜間閾值指數和混合像元分解法提取城市建設用地[11]，并綜合利用兩種方法達到最大限度避免建設用地提取的遺漏問題。

1 研究區及數據

1）研究區。東莞市位于廣東省東南部，珠江口東岸，東經113°31'～114°15'，北緯22°39'～23°09'，總面積2 465 km2，屬亞熱帶季風氣候，長夏無冬，雨量充沛。該區地貌以丘陵臺地和沖積平原為主，地勢東南高西北低。東南部為山地，海拔多在200～600 m，平均坡度30 ℃，起伏較大。西北部和西南部為沖積三角洲，地勢地平，尤其西南部的珠江口沖積平原，地勢平坦而低陷，受潮汐影響較大。東莞市于1985年撤縣設市，被國務院批準為珠江三角洲經濟開發區。目前，全區總人口830萬人，其中外來人口約占77．28%。改革開發以來，東莞市經濟快速發展，城市不斷擴張，建設用地由1988年的不足100 km2，增加到2010年的1 183 km2，在二十多年間城市擴張超過10倍，大量生態資源被侵蝕。

本研究數據源選取質量較好的2010年SPOT5影像及行政區劃圖。SPOT5地球觀測衛星于2002年發射，最高空間分辨率為2．5 m，在繪制地形圖和專題圖等方面應用廣泛。在建設用地自動提取模型應用之前，對SPOT5影像進行了幾何配準和幾何糾正等預處理工作，糾正后的誤差控制在1像元以內。研究區位置及高程分布見圖1。

2 模 型

2.1 譜間閾值指數模型

1）模型原理。譜間閾值指數法是提取建設用地的常用有效方法之一。在建設用地易被識別的多波段彩色合成影像上，對典型地物進行光譜采樣，計算各地物的光譜均值，得到典型地物波譜曲線圖。通過分析建設用地的光譜曲線與其他地物光譜曲線的關系，找出能夠區分建設用地和其他地物的波段。然后利用波段之間的亮度值差異，設置適當閾值即可區分。

圖1 研究區位置及高程分布（審圖號 GS（2015）2650號）

譜間閾值指數法與建筑用地有關的指數有歸一化建筑指數NDBI、土壤調節植被指數SAVI和改進的歸一化水體指數MNDWI。為有利于消除地形差異的影響，通過比值運算，以幾何級數進一步擴大兩者的差距，使所研究的地物在指數影像上得到最大的亮度增強，而其他背景地物則受到抑制。

式中，MIR為中紅外波段；NIR為近紅外波段。建設用地的光譜值MIR＞NIR，即NDBI＞0可提取建設用地信息。NDBI是查勇等[12]在楊山提出的仿歸一化植被指數基礎上提出的[13]，可較為準確地反映建筑用地信息。

式中，NIR為近紅外波段；Red為紅光波段；L為土壤調節因子，該指數在0～1之間。0和1分別代表植被覆蓋率極低和極高的兩種極端情況。SAVI是HUETE[14]在1988年基于NDVI和大量觀測數據提出的，用以減小土壤背景影響。

式中，Green為綠光波段；MIR為中紅外波段。MNDWI是徐涵秋[7]針對美國學者MCFEETERS的水體指數無法區別水體和建筑用地信息的問題而創立的。

2）計算方法。設定水體和植被閾值，去除水體和植被；設定建設用地閾值，利用NDBI影像的灰度值大于SAVI和MNDWI影像灰度值得到建設用地。并根據外業核查結果進行校正和完善。

2.2 混合像元分解模型

1）模型原理。像元分解法是通過建立光譜的混合模擬模型來實現。通常像元的反射率可以表示為端元組分的光譜特征和它們面積百分比函數，在某些情況下表示為端元組分的光譜特征和其他地面參數的函數。本文采用常用的線性光譜混合模型（LSMM）自動提取建設用地。LSMM是指像元在某一光譜波段的反射率是由構成像元的基本組分的反射率（光譜亮度值）以其所占像元面積比例為權重系數的線性組合。

式中，Riλ為第λ波段第i像元的光譜反射率；fki為對應i像元的k個基本組分（endmember）所占的分量值；Ckλ為第k個基本組分在第幾波段的光譜反射率；εiλ為殘余誤差值；n為基本組分數目，m為可用波段數，其波段數應大于n，以便利用最小二乘法求解。而評價模型用殘差εiλ或均方根誤差RMS表示：

2）計算方法：①對SPOT多光譜數據進行最小噪聲分離，以判斷圖像數據維數、分離數據中的噪聲，減少后處理中的計算量。②提取建設用地、植被和水體這三類端元。將相關性較小的圖像波段作為x、y軸構成二維散點圖。選擇散點圖周圍凸出部分區域，再獲取該區域相應原圖上的平均波譜作為端元波譜。③ 求解各像元中端元的比例，并給定閾值分類得到建設用地、植被和水體。④對提取出的建設用地進行小斑塊去除，得到最終結果。

2.3 模型綜合

模型結果直接關系到本研究中利用遙感技術監測建設用地變化的效率，較高的模型精度有利于管理和遏制建設用地的無序擴展，尤其是及時、準確地發現建設用地侵蝕生態資源的現象。考慮到實際應用中針對模型多提取的建設用地，可在外業核查過程中將其歸為誤提取一類。然而模型未提取到的建設用地往往會被漏掉，給監管帶來盲點。基于管理需要的“寧可多提，不可漏提”的原則，將兩模型各自提取的建設用地合并（即并集）可進一步避免新增建設用地核實或查處的遺漏問題。

2.4 評價方法

模型精度的評價與同一影像的目視解譯結果（作為真值）進行對比。利用面積統計指標、總體精度（OA）、用戶精度（UA）和Kappa系數進行相似性檢驗[15]。其中總體精度是被正確分類的像元數與總像元數的比值，而用戶精度是被正確分為某類的像元數與總像元數的比值（本研究中指對建設用地的正確分類精度），Kappa系數利用了誤差矩陣信息，更能準確反映整體精度。總體精度（式7）、用戶精度和Kappa系數（式8）越大表明空間相似性越好，Kappa系數0．6～0．8以上被認為有高度的一致性，Kappa系數0．8以上表示完美的相似[16]。

式中，N為所有樣本總數；n為矩陣行數（分類數）；xii為第i行i列的樣本數（被正確分類的像元數），xi+和x+i分別為第i行i列總像元數。

3 結果分析

譜間閾值指數分析中，首先得出改進的歸一化水體指數MNDWI、土壤調節植被指數SAVI 和歸一化建筑指數NDBI 3種指數的圖像，設置水體和植被閾值（0．2、0）依次去除水體、植被，設置建設用地閾值0．04并利用超過SAVI 和MNDWI的NDBI值得到建設用地。其中NDBI值越大表明建設用地比例越高，其建設密度越高。SAVI 可減弱樹冠背景土壤變化對植被指數的影響。MNDWI可揭示水體細微特征，容易區分陰影和水體，且水體和周圍地類信息差異顯著；混合像元分解分析中，根據幾何頂點端元的提取方法，采用ENVI Endmember Collection模塊收集建設用地、水體、植被的光譜信息。三者光譜差異明顯，波峰、波谷和拐點等差異顯著。通過設置水體、植被和建設用地的端元比例分別對應的閾值0．90、0．45和0．20，依次去除水體和植被，得到建設用地；模型綜合則將譜間閾值指數和混合像元分解模型提取的建設用地取并集，其他為非建設用地。

表 1為模型提取的建設用地數量統計，圖2顯示了兩種模型綜合后的建設用地及與目視解譯的建設用地一致性空間分布。目視解譯的建設用地為1 029．34 km2，譜間閾值指數法和混合像元分解法提取的建設用地分別為1 029．67 km2和1 135．22 km2，兩模型綜合后的建設用地面積共1 165．21 km2（圖2a）。兩模型綜合后的建設用地與目視解譯空間一致性較好，差異主要分別在建設用地集聚區的邊緣地帶（圖2b）。研究區建設用地分布廣、比例大，尤其是主城區、中北部各鎮以及與深圳為鄰的地區。這些地區城市化程度高，人口密度大，給城市生態環境造成較大壓力。

模型評價結果顯示（表 2），譜間閾值指數模型的總體精度和Kappa系數最高，分別為88．36%和0．76，表明譜間閾值指數模型在提取各類用地的整體精確性和一致性方面優于混合像元分解模型。以建設用地為對象的研究中，混合像元分解模型的用戶精度（88．85%）優于譜間閾值指數模型（86．08%）。且模型綜合后的用戶精度得到進一步提高，為91．36%，有利于提高監測精度，保障數據更新的可靠性和涉嫌違規建設用地的及時查處，可滿足建設用地及新增建設用地動態監測與預警研究的基本需求。

圖2 建設用地分布

表 1 不同方法對建設用地與非建設用地提取結果

模型總體精度/%建設用地精度/%Kappa系數譜間閾值指數模型88.3686.080.76混合像元分解模型86.3988.850.72模型綜合87.2791.360.74

4 結 語

建設用地監測是遏制城市無序擴張而侵蝕生態資源的重要技術保障和管理手段，建設用地自動提取模型的應用是快速高效地實現建設用地監測的基礎工作，也是深入探索新增建設用地動態監測與預警研究的重要基礎支撐。

[1] 劉紀遠,劉明亮．中國近期土地利用變化的空間格局分析[J]．中國科學：地球科學,2002,32(12)：1 031-1 040

[2] 史培軍,宮鵬,李曉兵,等．土地利用/覆蓋研究方法與實踐[M]．北京：科學出版社,2000

[3] YANG L, HUANG C, HOMER C G, et al． An Approach for Mapping Large-area Impervious Surfaces： Synergistic Use of Landsat-7 ETM+and High Spatial Resolution Imagery [J]．Canadian Journal of Remote Sensing,2003,29(2)：230-240

[4] GONG P, HOWARTH P J．The Use of Structural Information for Improving land-cover Classification Accuracies at the Ruralurban Fringe [J]．Photogrammetric Engineering and Remote Sensing,1990, 56(1)：67-73

[5] RIDD M K． Exploring a VIS (Vegetation-impervious surfacesoil) Model for Urban Ecosystem Analysis Through Remote Sensing： Comparative Anatomy for Cities [J]．International Journal of Remote Sensing,1995,16(12)：2 165-2 185

[6] MASEK J G, LINDSAY F E, GOWARD S N． Dynamics of Urban Growth in the Washington DC Metropolitan area, 1973～1996, from Landsat Observations [J]．International Journal of Remote Sensing,2000, 21(18)：3 473-3 486

[7] 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

[8] 李軒宇,周衛軍,黃利紅,等．基于RS的土地動態監測方法和應用[J]．經濟地理,2008,28(4)：671-673

[9] 韓彥偉,馮仕超．基于面向對象的土地利用監測研究[J]．測繪通報,2013(S1)：170-173

[10] 胡朝暉,林丹．地震災害遙感監測中影像快速處理方法研究[J]．地理空間信息,2016,14(2)：23-24

[11] 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)：311-320

[12] 查勇,倪紹祥,楊山．一種利用TM圖像自動提取城鎮用地信息的有效方法[J]．遙感學報,2003,7(1)： 37-40

[13] 楊山．發達地區城鄉聚落形態的信息提取與分形研究：以無錫市為例[J]．地理學報,2000,55(6)： 671-678

[14] HUETE A R． A Soil-adjusted VegetationIndex(SAVI)[J]．Remote Sensing of Environment,1988, 25(3)：295-309

[15] ROBERT L B, DALE J P． Coefficient Kappa： Some Uses, Misuses, and Alternatives[J]．Educational and Psychological Measurement,1981(41)：687-699

[16] SIM J, WRIGHT C C． The kappa Statistic in Reliability Studies：Use, Interpretation, and Sample size Requirements[J]．Physical Therapy,2005,85(3)：257-268

P237

B文章編號：1672-4623（2017）06-0078-03

10.3969/j.issn.1672-4623.2017.06.024

黃瀅冰，碩士，工程師，主要從事GIS、遙感及城市規劃的研究與應用工作。

2016-03-02。

項目來源：國家重點基礎研究發展計劃資助項目（2011CB707103）；寶雞文理學院博士啟動費資助項目（ZK16065）。