基于Landsat8 OLI數據提取石河子市建筑用地的一個新方法

吳曉燕 高敏華 劉暢

摘 要：為了解決IBI指數提取的建筑用地信息含有大量裸地信息的問題，以新疆石河子市Landsat 8 OLI影像為數據源，通過對比分析石河子建筑用地、裸露地和河灘地的光譜特性，分別構建了去除裸露地指數（DBSI）和去除河灘地指數（DFLI），再將IBI、NEBSI、NEFLI二值化后的圖像進行疊加分析，以此去除建筑用地信息中的裸露地和河灘地信息。結果表明：NEBSI和NEFLI能有效去除大部分石河子市裸露地和河灘地信息，彌補了IBI指數在提取新疆地區建筑用地信息的一些不足。

關鍵詞：Landsat OLI;建筑用地指數;新疆;裸露地信息

1 緒論

隨著社會經濟的快速發展，我國城鎮化的速度持續增長，使得城市空間急劇擴張，但一些城市用地無序蔓延和過度擴張，影響了城市空間分布與規模結構，造成資源利用效率低下等問題[1]。因此，為改善土地粗放利用和緩解土地資源供需矛盾，亟需展開城市擴張監測研究，為之后的城市規劃、國土資源開發等做貢獻。

城市空間擴張最直觀的表現是城市建筑用地規模、數量增加，因此，掌握城市建筑用地在時間、空間上的變化是監測城市動態擴張的有效手段。城市建筑用地信息除了傳統分類方法，還可以利用遙感技術提取。遙感技術因其獲取信息便捷、成本低廉的特點常用于提取各類用地信息。近年來，眾多學者利用遙感技術建立了多種遙感指數模型用于提取城鎮建筑用地信息，以便監測城市擴展動態及土地利用變化，如簡單易行的歸一化建筑指數NDBI（normalized difference built-up index）[2];基于壓縮數據維方法構建的建筑用地指數IBI（index based built-up index）[3]，該方法將NDBI、修正歸一化差異水體指數MNDWI（modified normalized difference Water index）、土壤調節植被指數SAVI（soil adjusted vegetation index）三種指數重新構建的;增強的指數型建筑用地指數EIBI（enhanced index based built-up index）[4]，是仿照IBI指數構建，目的是為了提取建筑用地信息的同時弱化裸地信息，即去除IBI指數中提取的裸地信息。上述提取的建筑信息的遙感指數法在各自試驗區內提取效果較好，且適用于一些類似的裸地較少的位于我國南方和東部的城市，但在裸地較多的新疆地區，結果差強人意。

新疆位于我國西北邊陲，主體地貌為沙漠、戈壁、荒漠、高山等[5]，綠洲所占面積小且分散，因此決定了新疆城市數量少、規模小，并且各城市之間相離較遠[6]，兩兩城市之間，從城市中心到城市行政區邊界，綠洲逐漸被沙漠或戈壁或荒漠或高山取代。因此，新疆的大多城市行政區內，大多都包含了裸露地。石河子市是一個典型的代表，其南部有大量裸露地，東部有較多的河灘裸石地，這兩種地類信息會嚴重干擾建筑用地信息的提取。因此，本文新建立新增強裸地信息指數NEBSI與新增強河灘裸石地NEFLI兩種指數，結合已有的建筑指數IBI，分別對3種指數二值化后進行疊加分析，提取較為準確的石河子市建筑用地信息。以期為其他類似的含有較多裸地的城市，在提取建筑用地信息時提供參考方法，為城市擴張研究提供技術支撐。

2 數據與方法

2.1 研究區

石河子市位于新疆北部，地處東經85°59′12″～86°08′13″，北緯44°15′43″～44°19′13″之間，占地面積面積大約為460km2，屬溫帶大陸性氣候，晝夜溫差大，冬季長而寒，夏季短而熱。東邊以瑪納斯河為界，與瑪納斯縣為鄰，南、西、北三面與沙灣縣環接。區域內水資源豐富，主要河流有瑪納斯河、寧家河、金溝河、大南溝、巴音溝河5條主要河流。墾區地形由南向北依次為天山山區、山前丘陵區、山前傾斜平原、洪水沖積平原、風成沙漠區。因此，石河子南部有大量的山地、沙丘、堿地等（下文統稱三類地為裸露地）以及植被稀疏的耕地;東部瑪納斯河過境，有較多的河灘裸石地;其他區域主要為城鎮和種植地。

2.2 源數據及數據預處理

本研究影像數據是由地理空間數據云網站獲取的Landsat 8 OLI數據，影像選用2016年8月11日獲取的1景數據，像元數為621*1288，研究區內無云，成像時正值夏季，耕地植被覆蓋較高，易于與裸地區分。為了減少遙感技術成圖時由光照和大氣條件不同等因素產生誤差，需對獲取的影像進行輻射校正，本文采用FLAASH大氣校正方法[7]，響應函數用landsat8圖像的多光譜（1-7波段）的光譜響應函數。輻射校正后，直接利用石河子的矢量邊界對影像裁剪，獲得石河子市的影像圖。

3 提取建筑用地信息

3.1 前人的經驗—常用的建筑用地指數

當前，用于提取建筑用地信息的常用指數有NDBI、IBI和EIBI等，這些在特定區域內有較好的提取效果，但仍有些許不足。NDBI是參照歸一化植被指數建立的，計算公式為：

NDBI=（MIR-NIR）/（MIR+NIR）（1）

NDBI相比于傳統分類方法，方法簡單，操作快速且精度相對較高，但提取結果中會含有植被、水體等地物信息，提取結果很難達到理想效果[8]。IBI基于壓縮數據的方法將NDBI、MNDWI和SAVI三種指數有機結合，針對性地去除了水體與植被的影響，提高了建筑用地信息提取的提取精度，但在提取裸地信息較多的區域，IBI效果不佳。

徐涵秋[9]基于壓縮數據的方法提出遙感建筑用地指數IBI，IBI模型由NDBI、MNDWI和SAVI共3個指數構建，分別代表建筑用地、植被和水體，表達式為：

SAVI=NIR-RED1+l/NIR+RED+l（2）

5 結論與建議

（1）本研究構建的NEBSI和EFLI能有效去除石河子區域內的裸露地和河灘地，再結合建筑用地IBI指數，可以較好地獲得石河子的建筑用地。

（2）IBI指數提取結果缺少了高反射率的建筑用地，比如一些工廠、鐵皮建筑頂，降低了了建筑用地的精度。

（3）本研究是基于Landsat 8 OLI影像數據，波段數及波段長度有異于其他衛星數據，本文的指數是否適用于其他衛星影像還有待研究。

（4）在使用NEBSI指數去除裸露地時，若研究區域存在積雪時會影響提取效果，因此用本文方法提取建筑用地時需要注意影像獲取時間。

致謝：感謝評審專家和編輯辛勞的工作，感謝各平臺提供的數據以及各位學者們的智慧結晶，我很慶幸站在了各位偉人的肩上學習著。

參考文獻：

[1]陸曉蕙，梁勇，燕琴，等.城市開發區土地集約利用評價——以武漢市為例[J].測繪通報，2018（3）：71-75，88.

[2]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.

[3]徐涵秋，杜麗萍，孫小丹.基于遙感指數的城市建城區界定與自動提取[J].福州大學學報（自然科學版），2011（5）：707-712.

[4]吳志杰，趙書河.基于TM圖像的“增強的指數型建筑用地指數”研究[J].國土資源遙感，2012，24（2）：50-55.

[5]何一民.綠洲與綠洲城市：從農牧時代到工業時代新疆城市發展的特點[J].民族學刊，2017，8（4）：1-14.

[6]何一民，李琳.近代新疆城市體系構建與城市分布特點歷史審視[J].民族學刊，2018，9，48（04）：17-28+102-105.

[7]蒲莉莉，劉斌.結合光譜響應函數的Landsat-8影像大氣校正研究[J].遙感信息，2015（2）：116-119.

[8]張志赟，劉輝，楊義煒.資源枯竭型城市空間擴展進程研究——以淮北市為例[J].地理研究，2018，37（1）：183-198.

[9]徐涵秋.一種基于指數的新型遙感建筑用地指數及其生態環境意義[J].遙感技術與應用，2011，Issue（3）.

[10]Rikimaru，A.（1996）LANDSAT TM Data Processing Guide for Forest Canopy Density Mapping and Monitoring Model.ITTO Workshop on Utilization of Remote Sensing in Site Assessment and Planning for Rehabilitation of Logged-Over Forests，Bangkok，30 July-1 August 1996，1-8.