全色影像與珞珈一號在建設(shè)用地提取中的應(yīng)用

肖亞來，劉小生，范哲南，譚建林，劉紹龍

(江西理工大學(xué) 土木與測繪工程學(xué)院，江西 贛州 341000)

0 引言

城市可持續(xù)發(fā)展需要科學(xué)的城市規(guī)劃，科學(xué)規(guī)劃離不開對城市擴(kuò)張的研究。城鎮(zhèn)建筑物用地作為城市在擴(kuò)張過程中有力的見證者，是確定城鎮(zhèn)化水平發(fā)展的有力依據(jù)[1]。城鎮(zhèn)建筑物用地的面積是計算城市的人口密度、公共設(shè)施水平、城市單位面積產(chǎn)值和城市擴(kuò)張系數(shù)等一系列指標(biāo)的基礎(chǔ)[2]。城鎮(zhèn)建筑用地信息的準(zhǔn)確與快速提取對于測繪制圖、空間信息更新、城市規(guī)劃、統(tǒng)計普查、災(zāi)害評估等進(jìn)一步應(yīng)用都具有十分重要的意義[3]。因此，準(zhǔn)確提取城鎮(zhèn)建筑物用地是研究城市擴(kuò)張、土地利用變化等問題的關(guān)鍵，為城市經(jīng)濟(jì)發(fā)展、優(yōu)化城市土地利用配置和城市發(fā)展戰(zhàn)略的制定等奠定夯實(shí)的基礎(chǔ)[4-5]。然而，目前建筑專題指數(shù)提取城鎮(zhèn)建筑物用地的方法已經(jīng)無法適應(yīng)月新日異的土地利用變化問題，需要引入新的方法來適應(yīng)這種土地利用變化情況，以提取更高精度的城鎮(zhèn)建筑物用地。

夜間燈光數(shù)據(jù)具有大尺度、存儲量小以及能反映人類活動等綜合優(yōu)點(diǎn)，為研究人類活動及城市化進(jìn)程提供了一種獨(dú)特的視角和穩(wěn)定便捷的途徑。利用夜間燈光數(shù)據(jù)與光學(xué)遙感影像提取城市城鎮(zhèn)建筑物用地是當(dāng)今的一個研究熱點(diǎn)[6-8]。珞珈一號夜間燈光數(shù)據(jù)比傳統(tǒng)的夜間燈光數(shù)據(jù)具有更加精細(xì)的數(shù)值特征，其輻射值的數(shù)量級達(dá)到1E+6，對夜間燈光強(qiáng)度的識別精度遠(yuǎn)遠(yuǎn)高于傳統(tǒng)的夜間燈光數(shù)據(jù)[9-10]。夜間燈光數(shù)據(jù)雖然能夠直接反映城市城鎮(zhèn)建筑物用地的夜間亮度，但受城市邊緣亮度影響較大，因而單獨(dú)提取城鎮(zhèn)建筑物用地的準(zhǔn)確度不高[11]。

因此，本文以南昌為例，基于珞珈一號夜間燈光數(shù)據(jù)與Landsat-8 OLS遙感影像構(gòu)建UBLI指數(shù)對城鎮(zhèn)建筑物用地進(jìn)行提取。通過乘積處理，提取燈光數(shù)據(jù)和各運(yùn)算指數(shù)的優(yōu)點(diǎn)，并摒棄燈光數(shù)據(jù)和各運(yùn)算指數(shù)的局限性，以達(dá)到提高城鎮(zhèn)建筑物用地提取精度的目的。

1 研究區(qū)概況與數(shù)據(jù)源

1.1 研究區(qū)概況

本研究以南昌市作為研究區(qū)。南昌市作為江西省都會，是江西省的政治、經(jīng)濟(jì)、文化、科教和交通中心。截至2018年，全市下轄6個區(qū)3個縣，總面積7 402 km2。常住人口554.55萬人，城鎮(zhèn)人口411.64萬人，城鎮(zhèn)化率74.2%[12]。南昌地處江西省中部偏北，在贛江和撫河的下游，自古就有“粵戶閩庭，吳頭楚尾”“襟三江而帶五湖”之稱，“控蠻荊而引甌越”之地。研究區(qū)域如圖1所示。

注：該圖基于江西省自然資源廳標(biāo)準(zhǔn)地圖服務(wù)下載的審圖號為贛S(2019)013號的標(biāo)準(zhǔn)地圖制作，底圖無修改。圖1 研究區(qū)影像

1.2 數(shù)據(jù)處理

本文使用的數(shù)據(jù)包含2018年10月的Landsat-8 OLS遙感影像(分辨率30 m)、2018年10月的珞珈一號夜間燈光數(shù)據(jù)和2018年南昌市土地利用數(shù)據(jù)。其中,Landsat-8 OLS遙感影像利用ENVI軟件進(jìn)行拼接鑲嵌，得到南昌市影像并進(jìn)行大氣校正等處理，以便下一步指數(shù)的計算。珞珈一號夜間燈光影像與SNPP-VIIRS夜間燈光影像中的DN數(shù)量分布關(guān)系相似，且斷點(diǎn)值更加明顯。根據(jù)珞珈一號夜間燈光數(shù)據(jù)產(chǎn)品的輻射亮度計算公式進(jìn)行輻射校正，然后利用南昌市2016年的年平均SNPP-VIIRS夜間燈光數(shù)據(jù)作為掩膜數(shù)據(jù)對輻射校正后的珞珈一號夜間燈光數(shù)據(jù)進(jìn)行去噪處理。

2 研究方法

2.1 技術(shù)路線

本文所提出的方法用于城鎮(zhèn)建筑物用地的提取。首先，基于Landsat-8 OLS數(shù)據(jù)獲取歸一化建筑指數(shù)(normalized difference build-up index，NDBI)、土壤調(diào)節(jié)植被指數(shù)(soil adjusted vegetation index，SAVI)、改進(jìn)型歸一化水體指數(shù)(modified normalized differential water index，MNDWI)、建筑用地指數(shù)(index-based built-up index，IBI)；然后，對其進(jìn)行二值化處理和乘積處理，分別得到基于歸一化建筑指數(shù)的城鎮(zhèn)建筑物用地提取結(jié)果、基于建筑用地指數(shù)(index-based built-up index，IBI)的城鎮(zhèn)建筑物用地提取結(jié)果、基于城鎮(zhèn)建筑物用地指數(shù)(urban building land index，UBLI)的城鎮(zhèn)建筑物用地提取結(jié)果、基于珞珈一號的城鎮(zhèn)建筑物提取結(jié)果；最后，結(jié)合土地利用數(shù)據(jù)和天地圖進(jìn)行精度驗證與對比分析。技術(shù)路線如圖2所示。

圖2 技術(shù)路線圖

2.2 歸一化建筑指數(shù)計算

查勇等[13]所提出歸一化建筑指數(shù)被廣泛用于提取城鎮(zhèn)建筑物用地。本文首先通過NDBI提取城鎮(zhèn)建筑物用地，如圖3所示。NDBI的表達(dá)如式(1)所示。

(1)

注：該圖基于江西省自然資源廳標(biāo)準(zhǔn)地圖服務(wù)下載的審圖號為贛S(2019)013號的標(biāo)準(zhǔn)地圖制作，底圖無修改。圖3 NDBI提取城鎮(zhèn)建筑物用地結(jié)果

式中：MIR為中紅外波段的像元值；NIR為近紅外波段的像元值。在一般情況下，當(dāng)NDBI取值大于0時為城鎮(zhèn)建筑用地，NDBI的取值小于0時為非城鎮(zhèn)建筑用地。將NDBI計算結(jié)果二值化，NDBI大于0的單位像元賦值為1，以白色顯示；NDBI小于0的單位像元賦值為0，以黑色顯示。如圖3(b)所示，NDBI能大致完整地提取出城鎮(zhèn)建筑用地區(qū)域，但由于光譜特征復(fù)雜性和同譜異物現(xiàn)象的普遍存在[14]，使得裸土和低植被覆蓋區(qū)域等地物難以區(qū)分，在細(xì)節(jié)表現(xiàn)上較差。

2.3 改進(jìn)型歸一化水體指數(shù)計算

文獻(xiàn)[15-16]提出的水體指數(shù)MNDWI有效地解決了NDWI在提取含有較多建筑物背景的水體時難以區(qū)別建筑用地和水體信息的問題。MNDWI的計算如式(2)所示。

(2)

式中：Green為綠光波段的像元值；MIR為近紅外波段的像元值。MNDWI大于0的單位像元為水體區(qū)域，MNDWI小于0的單位像元為非水體區(qū)域。以MNDWI單位像元為0的值作為分界線，將MNDWI計算結(jié)果反向二值化。

2.4 土壤調(diào)節(jié)植被指數(shù)計算

研究表明，在提取城市植被覆蓋區(qū)域時，使用SAVI優(yōu)于NDVI[17]。由于許多城市地區(qū)的植被覆蓋率在30%以下，對植被覆蓋地區(qū)只有30%靈敏度的NDVI來說，難以達(dá)到理想的效果。而SAVI引入土壤調(diào)節(jié)指數(shù)，不容易受到土壤等背景噪聲的影響，可探測植被覆蓋率只有15%的地區(qū)。因此，用SAVI更有優(yōu)勢。SAVI的計算如式(3)所示。

(3)

式中：NIR為近紅外波段的像元值；R為紅光波段的像元值；L為土壤調(diào)節(jié)因子，取值范圍為[0-1]。在一般情況下，SAVI大于0的單位像元為植被覆蓋區(qū)，SAVI小于0的單位像元為非植被覆蓋區(qū)。由于南昌市城鎮(zhèn)建筑周邊有行道樹、居民小區(qū)綠化帶等不少數(shù)量的植被覆蓋區(qū)域，為避免誤剔除，經(jīng)過多次訓(xùn)練，發(fā)現(xiàn)取SAVI的值為0.32對SAVI進(jìn)行反向二值化效果最好。

3 結(jié)果與討論

3.1 基于珞珈一號的城鎮(zhèn)建筑物用地提取結(jié)果

珞珈一號夜間燈光數(shù)據(jù)與傳統(tǒng)的夜間燈光數(shù)據(jù)相比具有更加精細(xì)的數(shù)值特征，可以更好地反映人類活動的特征。在珞珈一號夜間燈光數(shù)據(jù)中，城市建筑物有著較高的灰度值，而低密度覆蓋的植被、裸露的土地和水體等灰度值均較低。因此，可以選擇一個合適的閾值對珞珈一號夜間燈光數(shù)據(jù)進(jìn)行二值化，用來劃分城鎮(zhèn)建筑物用地和其他地物。但由于夜間燈光具有輻射性等特征，使得建筑物周邊的水體、植被等都包含在城鎮(zhèn)建筑物用地的范圍內(nèi)，往往導(dǎo)致城鎮(zhèn)建筑物用地的范圍比正常城鎮(zhèn)建筑物用地范圍要大[18]，如圖4所示。

圖4 燈光數(shù)據(jù)提取城鎮(zhèn)建筑物用地結(jié)果

3.2 基于建筑用地指數(shù)的城鎮(zhèn)建筑物用地提取結(jié)果

為更好地區(qū)分建筑用地和其他地類，文獻(xiàn)[19-20]提出了基于NDBI、MNDWI、SAVI的建筑用地指數(shù)，如圖5、式(4)所示。

(4)

式中：NDBI為歸一化建筑指數(shù)；SAVI為土壤調(diào)節(jié)植被指數(shù)；MNDWI為改進(jìn)型歸一化水體指數(shù)。IBI可以使得影像中的水體和植被等地物的信息為負(fù)值，而建筑物的信息為正值，大大增加了建筑物與其他地物的亮度值差異，從而降低低植被對建筑區(qū)提取的干擾。但I(xiàn)BI很難區(qū)分裸土與建筑物，且還有少量的低植被覆蓋區(qū)域難以剔除。

3.3 基于城鎮(zhèn)建筑物用地指數(shù)城鎮(zhèn)建筑物用地的提取結(jié)果

雖然NDBI、IBI、珞珈一號夜間燈光數(shù)據(jù)都可以提取城鎮(zhèn)建筑物用地，但有著各自的局限性，使得提取的城鎮(zhèn)建筑物用地精度達(dá)不到要求。在NDBI二值化的圖像中，城鎮(zhèn)建筑物用地的值是1，其他地物的值是0，但在NDBI提取的城鎮(zhèn)建筑物用地中有部分的低植被和裸土沒有剔除出來。在NL二值化圖像中，所提取出來的城鎮(zhèn)建筑物用地包含建筑物周邊的水體和植被。而在SAVI二值化圖像中，植被區(qū)域的值為0，其他地物的值為1，在提取的植被中包含建筑物周邊的低植被區(qū)域。MNDWI二值化圖像將城鎮(zhèn)建筑物用地周邊的水體提取出來，但SAVI和MNDWI都不能單獨(dú)提取城鎮(zhèn)建筑物用地。本研究將珞珈一號夜間燈光數(shù)據(jù)和NDBI、SAVI、MNDWI聯(lián)立，以提取城鎮(zhèn)建筑物用地指數(shù)(urban building land index，UBLI)，進(jìn)而達(dá)到互補(bǔ)的效果，可以很好地解決各自存在的問題，表達(dá)如式(5)所示。

UBLI=NL×NDBI×SAVI×MNDWI

(5)

式中：NDBI、SAVI、MNDWI、NL分別為歸一化建筑指數(shù)、土壤調(diào)節(jié)植被指數(shù)、改進(jìn)型歸一化水體指數(shù)以及珞珈一號夜間燈光數(shù)據(jù)二值化后的圖像。聯(lián)立式(5)以NDBI二值化圖像為基礎(chǔ)，通過NL二值化圖像剔除NDBI中城鎮(zhèn)建筑物用地周邊外的裸土和低植被區(qū)域；通過SAVI二值化圖像剔除NDBI二值化圖像中建筑物周邊的裸土區(qū)域；通過MNDWI二值化圖像剔除NDBI二值化圖像中城鎮(zhèn)建筑物用地周邊的水體。根據(jù)NL、SAVI、MNDWI三者的特點(diǎn)，通過珞珈一號夜間燈光數(shù)據(jù)和NDBI、SAVI、MNDWI的聯(lián)立，不但避免了NDBI中的水體、裸土區(qū)域、低植被區(qū)域的影響，還對NDBI中分類的結(jié)果進(jìn)一步校正，從而達(dá)到提高提取精度的目的，如圖6所示。

注：該圖基于江西省自然資源廳標(biāo)準(zhǔn)地圖服務(wù)下載的審圖號為贛S(2019)013號的標(biāo)準(zhǔn)地圖制作，底圖無修改。圖6 UBLI提取城鎮(zhèn)建筑物用地結(jié)果

3.4 對比分析

從整體而言，NDBI、IBI、UBLI和夜間燈光數(shù)據(jù)所提取的影像均能在總體上區(qū)分水體、植被、建筑物等地物。NDBI能將大塊的城鎮(zhèn)建筑物較好地提取，而城鎮(zhèn)建筑物外的區(qū)域部分的裸土和低植被覆蓋區(qū)域誤判為城鎮(zhèn)建筑物用地。夜間燈光數(shù)據(jù)在提取城鎮(zhèn)建筑物用地成規(guī)模，夜間燈光亮度較高的區(qū)域時，提取精度較好,但在提取城鎮(zhèn)建筑物用地斑塊聚集性較低，燈光亮度聚集性不足的區(qū)域時，提取精度較低。IBI通過增強(qiáng)了城鎮(zhèn)建筑物用地的信息和抑制水體和植被區(qū)域的信息，能較好地提取城鎮(zhèn)建筑物用地，但在區(qū)分城鎮(zhèn)建筑物用地外的裸土區(qū)域時仍有不足。UBLI能較好完整地提取城鎮(zhèn)建筑物用，能剔除城鎮(zhèn)建筑物外絕大多數(shù)的裸土和低植被區(qū)域。就提取精度而言，UBLI提取精度最高，IBI次之；夜間燈光數(shù)據(jù)較差，NDBI最差。

從局部來看，如圖7所示的是南昌市的新建縣，該縣左上角有一大塊裸土和低植被的混合典型區(qū)域。由于夜間燈光數(shù)據(jù)在該區(qū)域不具有代表性，故不作考慮。在該典型區(qū)域中，NDBI將該區(qū)域中的大部分裸土和低植被覆蓋區(qū)域誤判為建筑物，嚴(yán)重影響城鎮(zhèn)建筑物用地的提取精度。雖然IBI可以有效地剔除該區(qū)域中的大部分裸土和低植被覆蓋區(qū)域，但仍將部分裸土與低植被覆蓋區(qū)域誤判為建筑物。而UBLI在該區(qū)域能有效剔除裸土和低植被覆蓋區(qū)域，沒有出現(xiàn)誤判現(xiàn)象。這表明UBLI剔除遙感影像中裸土和低植被覆蓋區(qū)域的能力要比NDBI和IBI強(qiáng)，通過UBLI能有效地提升城鎮(zhèn)建筑物用地的提取精度。

注：圖7(a)基于江西省自然資源廳標(biāo)準(zhǔn)地圖服務(wù)下載的審圖號為贛S(2019)013號的標(biāo)準(zhǔn)地圖制作，底圖無修改；圖7(b)至圖7(d)基于江西省自然資源廳標(biāo)準(zhǔn)地圖服務(wù)下載的審圖號為贛S(2018)090號的標(biāo)準(zhǔn)地圖制作，底圖無修改。圖7 不同指數(shù)典型區(qū)域裸土剔除情況

3.5 精度評價

本文選用南昌市天地圖高分辨率影像作為參照，并采用南昌市2018年的土地利用調(diào)查數(shù)據(jù)作為對照。在NDBI、NL、IBI、UBLI二值化后的影像中選取1 000個符合規(guī)范的建筑物樣本和非建筑樣本構(gòu)建混淆矩陣，進(jìn)而計算總體精度、Kappa系數(shù)、生產(chǎn)者精度和用戶精度等指標(biāo)進(jìn)行精度檢驗[21]。其中：用戶精度表示被正確提取為建成區(qū)的樣本所占比例；生產(chǎn)者精度表示所有真實(shí)地表為建成區(qū)的樣本被正確提取的概率；總體精度代表被正確分類的類別像元數(shù)與總的類別個數(shù)的比值；Kappa系數(shù)代表分類與完全隨機(jī)的分類產(chǎn)生錯誤減少的比例，這能夠全面地評估提取結(jié)果的準(zhǔn)確性[22]。精度對比如圖8所示。

圖8 不同數(shù)據(jù)源提取的城市城鎮(zhèn)建筑物用地的精度對比

從圖8可知，在UBLI中提取的城鎮(zhèn)建筑物用地的總體精度、生產(chǎn)者精度、用戶精度、Kappa系數(shù)都比NDBI和IBI中的高。其中，UBLI的Kappa系數(shù)為84.08%、總體精度為95%、生產(chǎn)者精度為89%、用戶精度為85%。從單一角度看，UBLI的Kappa系數(shù)分別比NDBI、夜間燈光數(shù)據(jù)和IBI要高出0.226 4、0.116 6和0.090 7，且UBLI、NDBI、夜間燈光數(shù)據(jù)、IBI的平準(zhǔn)總體精度都達(dá)到了90%以上。F1分?jǐn)?shù)是分類問題的一個衡量指標(biāo)，本研究利用F1分?jǐn)?shù)對三者總體提取效果做出評價，UBLI最高為86.95%，IBI次之為79.80%，夜間燈光數(shù)據(jù)較低為78.11%，NDBI最低為71.34%。

3.6 魯棒性檢驗

為檢驗本文所提方法的穩(wěn)定性，選取長沙市作為檢驗區(qū)。分別利用夜間燈光數(shù)據(jù)、NDBI、IBI、UBLI提取城鎮(zhèn)建筑物用地，如圖9所示。從圖9可知，夜間燈光數(shù)據(jù)、NDBI、IBI、UBLI均能將大塊的城鎮(zhèn)建筑物用地提取出來，但在細(xì)節(jié)表現(xiàn)上，夜間燈光數(shù)據(jù)、NDBI、IBI都不如UBLI。選取樣本對四者的提取結(jié)果進(jìn)行精度分析，如圖10所示。從總體來說，UBLI、NDBI、IBI的平準(zhǔn)總體精度都達(dá)到了90%以上，從單一的Kappa系數(shù)來看，UBLI最高為79.22%，其次是IBI為70.20%，接著是夜間燈光數(shù)據(jù)為67.59%，最后是NDBI為63.46%。精度檢驗結(jié)果基本與研究區(qū)域保持一致，說明本文所提出的方法操作性強(qiáng)，可行性高。

注：該圖基于湖南省自然資源廳標(biāo)準(zhǔn)地圖服務(wù)下載的審圖號為湘S(2018)251號的標(biāo)準(zhǔn)地圖制作，底圖無修改。圖9 檢驗區(qū)域不同方法提取結(jié)果

圖10 檢驗區(qū)域精度對比

4 結(jié)束語

本研究以南昌市為例，構(gòu)建UBLI指數(shù)來提取城鎮(zhèn)建筑物用地的范圍。運(yùn)用總體精度、Kappa系數(shù)、F1分?jǐn)?shù)等多種指標(biāo)，以南昌市土地利用調(diào)查數(shù)據(jù)為對照和天地圖高分辨影像數(shù)據(jù)為參照，對NDBI、夜間燈光數(shù)據(jù)、IBI、UBLI 4個方法所提取的南昌市城鎮(zhèn)建筑物用地的提取精度作出評價。研究表明，在城市尺度上進(jìn)行建設(shè)用地提取時，UBLI所提取的城鎮(zhèn)建筑物用地的總體精度明顯優(yōu)于NDBI、夜間燈光數(shù)據(jù)和IBI；在縣級尺度上，UBLI對城鎮(zhèn)建筑物用地的提取在細(xì)節(jié)表現(xiàn)上比NDBI、夜間燈光數(shù)據(jù)和IBI好，能有效剔除NDBI和IBI難以區(qū)分的裸土和低植被覆蓋區(qū)域及夜間燈光數(shù)據(jù)上城鎮(zhèn)建筑物周邊的水體。以長沙市為檢驗區(qū)域，對本文所提方法進(jìn)行魯棒性檢驗，檢驗結(jié)果和本文研究區(qū)域的結(jié)果一致，表明了利用珞珈一號夜間燈光數(shù)據(jù)和Landsat-8 OLS遙感影像構(gòu)建的UBLI能有效識別城鎮(zhèn)建筑用地，也證明了珞珈一號夜間燈光數(shù)據(jù)在研究人類社會經(jīng)濟(jì)活動中的應(yīng)用潛力，為后續(xù)珞珈一號夜間燈光數(shù)據(jù)在城鎮(zhèn)建筑物用地研究提供參考依據(jù)。