基于TM圖像的“增強的指數(shù)型建筑用地指數(shù)”研究

吳志杰，趙書河

(1.龍巖學(xué)院資源工程系，龍巖 364012;2.福州大學(xué)環(huán)境與資源學(xué)院，福州 350108;3.南京大學(xué)地理與海洋科學(xué)學(xué)院，南京 210093)

基于TM圖像的“增強的指數(shù)型建筑用地指數(shù)”研究

吳志杰1，2，趙書河3

(1.龍巖學(xué)院資源工程系，龍巖 364012;2.福州大學(xué)環(huán)境與資源學(xué)院，福州 350108;3.南京大學(xué)地理與海洋科學(xué)學(xué)院，南京 210093)

以Landsat TM/ETM+圖像為數(shù)據(jù)源，研究城鎮(zhèn)和農(nóng)村建筑用地信息的提取方法。首先利用TM 7，4，2波段創(chuàng)建歸一化差值裸地與建筑用地指數(shù)(normalized difference bareness and built－up index，NDBBI);然后根據(jù)裸地在裸土指數(shù)(bare doil index，BSI)圖像上的亮度值最高、在改進型歸一化差值水體指數(shù)(modified normalized difference water index，MNDWI)圖像的亮度值最低的特征，提出了增強型裸土指數(shù)(enhanced bare soil index，EBSI);最后選用NDBBI，EBSI，MNDWI和SAVI(soil adjustment vegetation index，SAVI)4個指數(shù)，構(gòu)建一種新型的建筑用地指數(shù)，稱為“增強的指數(shù)型建筑用地指數(shù)”(enhanced index－based built－up index，EIBI)，可快速地提取建筑用地信息。實驗結(jié)果表明，用EIBI提取的建筑用地信息客觀，人為干預(yù)少，可信度高，提取精度可達(dá)90%以上，適合于同時提取城市和農(nóng)村建筑用地信息。

遙感;Landsat TM;增強的指數(shù)型建筑用地指數(shù)(EIBI);歸一化差值建筑用地指數(shù)(NDBI);裸土指數(shù)(BSI)

0 引言

地球表面除了覆蓋著植被、水體、冰川和建筑物外，還有裸露地(如裸土、裸巖和沙地等)。除嚴(yán)寒地區(qū)外，可將地表覆蓋歸類為水體、植被、建筑用地和裸地4種基本單元。建筑用地包括城市建筑用地和農(nóng)村建筑用地。城市建筑用地組成較為簡單，成片的建筑用地鑲嵌著植被、水體和少量裸土;而農(nóng)村建筑用地組成復(fù)雜，具有點多、面廣、面積小，空間分布比較分散，且與各種背景地物相互交錯等特征。

利用中等空間分辨率衛(wèi)星圖像(如Landsat TM圖像)提取建筑用地信息的研究已有較多成果，有的針對城市建筑用地，有的針對農(nóng)村建筑用地。究其技術(shù)方法主要有兩類:第一類主要基于典型地物的圖像光譜特征或基于譜間關(guān)系知識等，用監(jiān)督分類法、邏輯判別法或決策樹法提取建筑用地信息［1－6］。這類方法雖然可去除裸地提取建筑用地信息，但因譜間關(guān)系特征在不同區(qū)域或不同圖像間存在較大差異，制約了建筑用地信息提取的效率和模型的普適性(尤其對農(nóng)村建筑用地);第二類是建立遙感指數(shù)模型自動提取建筑用地信息。Zha等［7］利用城鎮(zhèn)用地灰度值在TM4，5兩個波段間與其他地類的可分性，提出了歸一化差值建筑用地指數(shù)(normalized difference built－ up index，NDBI);楊存建等［8］利用TM7具有較好的地物光譜分離性，以及植被在TM7與TM4有較強的負(fù)相關(guān)性，構(gòu)建了差值建筑用地指數(shù)(difference built－up index，DBI);徐涵秋［9－11］則提出壓縮數(shù)據(jù)維的方法，并建立指數(shù)型建筑用地指數(shù)(index－based built－up index，IBI)，開發(fā)出城鎮(zhèn)建筑用地提取軟件模塊，提取的效率和精度都較高。然而，上述方法主要針對城市建筑用地信息的提取，不適用于有大量裸土環(huán)境的農(nóng)村建筑用地信息的提取。吳宏安等［12］利用TM1和TM4的波段比值建立比值居民地指數(shù)(ratio residentarea index，RRI)，試圖去除裸地信息、提取建筑用地信息，但因使用了未經(jīng)輻射校正的TM圖像，其藍(lán)光波段受大氣散射影響較大，影響了提取精度和模型的適用性。

由于“同物異譜，異物同譜”現(xiàn)象的存在，區(qū)分建筑用地和裸地信息一直是遙感專題信息提取的難點之一。減少裸地對建筑用地信息提取精度影響的研究還有待進一步深入。本文旨在尋求建立抑制裸地信息、增強建筑用地信息的指數(shù)模型，構(gòu)建了“增強的指數(shù)型建筑用地指數(shù)”(enhanced index－based built－up index，EIBI)，以達(dá)快速、準(zhǔn)確地提取城市和農(nóng)村建筑用地信息的目的。

1 實驗區(qū)及遙感數(shù)據(jù)源

選取福建省漳洲市和福州市兩個實驗區(qū)。漳洲實驗區(qū)面積為360 km2，遙感數(shù)據(jù)選用1989年3月10日獲取的Landat－4 TM圖像，像元數(shù)為800×500 個，中心坐標(biāo)為 E 117°41'，N 24°31'，成像時正值冬季休耕期，存在大面積裸露的休耕地及河灘沙地。福州實驗區(qū)面積為576 km2，選用2006年11月5日獲取的Landsat－5 TM圖像，像元數(shù)為800×800個，中心坐標(biāo)為 E 119°17'，N 26°00'，圖像中存在大量的河灘或江心洲。

由于遙感圖像成像時會因光照和大氣條件不同而出現(xiàn)差異，因此對遙感圖像需進行輻射校正［13］。采用日照差異糾正模型(illumination correction model，ICM)對圖像進行輻射校正，將圖像的灰度值轉(zhuǎn)為傳感器處的反射率［14］。本文統(tǒng)一采用ρblue表示藍(lán)光波段(TM1)的反射率，ρgreen表示綠光波段(TM2)的反射率，ρred表示紅光波段(TM3)的反射率，ρnir表示近紅外波段(TM4)的反射率，ρmir1表示短波紅外波段(TM5)的反射率，ρmir2表示短波紅外波段(TM7)的反射率。

2 實驗方法

2.1 常用建筑用地指數(shù)分析

由于建筑用地與裸地的光譜特征相似，建筑用地的反射率介于裸地和水體(或植被)的反射率之間(圖1)，難以使用單個原始波段或原始波段組合去除裸地信息、直接提取建筑用地信息。因此，有必要創(chuàng)建新的指數(shù)波段來實現(xiàn)這一目的。

圖1 漳州實驗區(qū)典型地物反射率曲線Fig.1 Reflectivity curve of Zhangzhou region

目前，NDBI和IBI是最重要的城市建筑用地指數(shù)，在城市建筑用地信息提取中都得到了成功的應(yīng)用。但它們都是針對城市建筑用地開發(fā)的模型，不適合于提取有大量裸土和沙地混雜的農(nóng)村建筑用地信息。究其原因主要為:①NDBI在提取建筑用地信息時，常常受到稀疏植被、缺水植被等因素的影響［15－16］，提取的建筑用地信息中常夾雜有植被噪音信息;由于裸地在TM5波段上反射率最高，則在NDBI指數(shù)圖像上亮度值也最高，用NDBI提取的建筑用地信息中也包含裸地信息;在經(jīng)輻射校正后的圖像上，TM5和TM4波段的建筑用地反射率差值很小(圖1)，使用NDBI提取建筑用地信息效果也將受到影響。②由于IBI是基于NDBI而創(chuàng)建的城鎮(zhèn)建筑用地指數(shù)，在其所提取的建筑用地信息中不可避免地也包含裸地信息;而且由于裸地在NDBI指數(shù)圖像上亮度最高，而在改進型歸一化差值水體指數(shù)(modified normalized difference waterindex，MNDWI)圖像上亮度最小，二者可分別看作是裸地信息最強和最弱的指數(shù)波段。顯然，以 NDBI、MNDWI和SAVI 3個指數(shù)所創(chuàng)建的IBI無法去除裸地信息，甚至有增強裸地信息的趨勢。

因此，NDBI和IBI指數(shù)均無法區(qū)分裸地和建筑用地信息。若要抑制裸地信息、增強建筑用地信息，需重新構(gòu)建兩個次級指數(shù)，并選擇出合適的植被指數(shù)和水體指數(shù)，最后才能構(gòu)建起去除裸地信息而增強建筑用地信息的模型。

2.2 次級指數(shù)構(gòu)建與選擇

2.2.1 裸地與建筑用地指數(shù)構(gòu)建

如前所述，NDBI指數(shù)難以抑制裸土信息。必須構(gòu)建出既能增強建筑用地信息又能弱化裸土信息的新指數(shù)，為最終增強建筑用地信息奠定基礎(chǔ)。

在城區(qū)，地表覆蓋物主要為建筑物、水體和植被，裸土很少(主要是新開發(fā)建筑用地的工程裸土);而在郊區(qū)和廣大農(nóng)村地區(qū)，地表覆蓋物除建筑物、水體和植被外，還有許多農(nóng)用地上的裸土。從圖1中可以發(fā)現(xiàn)以下幾個典型地物的光譜特征:①農(nóng)村建筑用地、城市建筑用地和裸地的光譜特征比較相似，從綠光波段到短波紅外波段的反射率呈遞增的趨勢，到TM7波段反射率降低;②裸地的反射率最高，農(nóng)村建筑用地的反射率次之，城市建筑用地的反射率最低，這為區(qū)分建筑用地與裸地提供了遙感光譜特征依據(jù);③植被、水體、建筑用地、裸土和沙的光譜分離性在TM7波段比在TM5波段更好，尤其是植被和水體在TM7波段反射率銳減;④大部分巖石和礦物在 TM7波段(2.08～2.35 μm)具有較強的吸收光譜特征，尤其是由富含羥基基團的粘土類礦物(如高嶺石、蒙脫石和伊利石等)和有機質(zhì)組成的裸土，其反射率在TM7波段會明顯降低，而裸地與建筑用地在TM7和TM5波段的反射率則較為接近。因此，可選用TM7波段作為次級指數(shù)波段來構(gòu)建包含裸土的建筑用地指數(shù)。

近紅外波段是植被的最強反射波段，植被在綠光波段的反射率高于在TM7波段的反射率，因而植被在近紅外波段和綠光波段的反射率均值都遠(yuǎn)高于在TM7波段的反射率;綠光波段是水體的最強反射波段，水體在近紅外波段的反射率高于在TM7波段的反射率，因而水體在綠光波段和近紅外波段反射率的均值都遠(yuǎn)高于在TM7波段的反射率。因此，用TM7，4，2波段組合構(gòu)建一個新的歸一化指數(shù)，就可以直接剔除水體和植被信息，提取出含裸地的建筑用地信息。該指數(shù)稱為歸一化差值裸地與建筑用地指數(shù)(normalized difference bareness and built－up index，NDBBI)，其模型表達(dá)式為

將式(1)中短波紅外波段(TM7)的反射率(ρmir2)按倍數(shù)擴大，既可提高建筑物和裸土的反射率，又可增大建筑用地與植被或水體的反射率差值。倍數(shù)的確定以水體或植被在TM4和TM2波段反射率均值與在TM7波段反射率的倍數(shù)為依據(jù)，使水體或植被在TM7波段擴大后的反射率不超過在TM2和TM4反射率的均值。經(jīng)反復(fù)實驗證明，TM7波段反射率擴大倍數(shù)為1.5時，可使建筑用地指數(shù)值呈正值，而水體和植被指數(shù)值呈負(fù)值。取閾值為0附近時，就可以提取出包含裸地的建筑用地信息。如果在裸地很少的城區(qū)范圍，使用NDBBI即可直接提取出建筑用地信息;但在郊區(qū)或廣大農(nóng)村地區(qū)，還需要進一步去除裸地信息。

因此，利用短波紅外波段(TM7)來構(gòu)建NDBBI模型，不僅可以剔除植被和水體信息，還可以削弱裸地信息，顯然比NDBI更有優(yōu)勢(圖2)。

圖2 3種指數(shù)圖像亮度圖Fig.2 DN of the NDBI，NDBBI and BSI indices

在NDBBI指數(shù)圖像上，裸地的亮度更接近建筑用地，這為進一步抑制裸地信息提供了重要的基礎(chǔ)。

2.2.2 植被指數(shù)和水體指數(shù)的選擇

由于引入土壤調(diào)節(jié)因子，SAVI被認(rèn)為最適合于研究低植被覆蓋區(qū)(如城市建成區(qū))［17］，其探測植被覆蓋率的下限可低至15%(而NDVI只有30%)。農(nóng)村居民地周邊存在各種各樣的裸土，房前屋后植被的覆蓋率也比較低，因此，選擇SAVI作為增強建筑用地信息的植被指數(shù)更合適;由于創(chuàng)建MNDWI的初衷就是為了在抑制植被噪音信息的同時也能更好地抑制土壤和建筑用地信息［18］，故選擇MNDWI作為從反面增強建筑用地信息的水體指數(shù)。它們的模型表達(dá)式分別為

式中L為土壤調(diào)節(jié)因子，取0.5時可將土壤亮度差異減到最小。

2.2.3 增強型裸土指數(shù)構(gòu)建

Rikimaru［19］在 1996 年提出了裸土指數(shù)(bare soil index，BSI)，其模型的表達(dá)式為

BSI采用了受大氣瑞利散射影響較大的藍(lán)光波段，這也是要求對TM原始圖像進行絕對輻射校正的原因之一。圖3為3種指數(shù)圖像亮度圖。

圖3 3種指數(shù)圖像亮度圖Fig.3 DN of the EBSI、BSI and MNDWI indices

從圖3可以看出，在BSI指數(shù)圖像上裸地亮度最高，其他地物的亮度由高到低依次為建筑用地、水體和植被;而在MNDWI指數(shù)圖像上水體亮度最高，其他地物的亮度由高到低依次為植被、建筑用地和裸地。在BSI和MNDWI兩種指數(shù)圖像上，裸地(裸土和沙體)的亮度反差最大。因此，為了最大程度地增強裸土信息，利用這兩個指數(shù)來構(gòu)建一種新型的裸土指數(shù)，稱其為增強型的裸土指數(shù)(enhanced bare soil index，EBSI)，其模型的表達(dá)式為

式中:BSI為裸土指數(shù)圖像的灰度值;MNDWI為修正歸一化水體指數(shù)圖像的灰度值。

2.3 增強的指數(shù)型建筑用地指數(shù)構(gòu)建

如前所述，NDBBI具有弱化裸土信息，EBSI具有增強裸土信息的效果，因此，利用裸地在這兩個指數(shù)波段信息的相對強弱差異來進一步抑制裸地信息。根據(jù)IBI模型構(gòu)建方法，在模型中用NDBBI替換NDBI指數(shù)，并引入增強型裸土指數(shù)(enhanced bare soil index，EBSI)。用NDBBI，EBSI，MNDWI和SAVI組合來構(gòu)建新的指數(shù)模型，以求達(dá)到抑制裸地信息的目的。為了使建筑用地指數(shù)的值呈正值，并降低模型的分母值，要計算3個指數(shù)圖像的平均值。由于EBSI和MNDWI具較強的負(fù)相關(guān)性，如果簡單使用EBSI，MNDWI和SAVI 3者的算術(shù)平均值，就會降低EBSI對裸土的抑制作用，達(dá)不到抑制裸土信息的目的。為了能更好地抑制裸地信息，需賦予EBSI以更大的權(quán)重，再計算3個指數(shù)圖像的加權(quán)平均值，來構(gòu)建EBSI。經(jīng)實驗驗證，確定EBSI的權(quán)重為4，MNDWI和SAVI的權(quán)重均為1時，可以達(dá)到增強建筑用地信息的最好效果。因此，稱其為“增強的指數(shù)型建筑用地指數(shù)”(EIBI)，其模型的表達(dá)式為

漳州實驗區(qū)典型地物的EIBI，IBI和NDBI指數(shù)均值統(tǒng)計結(jié)果如表1所示。

表1 漳州實驗區(qū)典型地物的指數(shù)均值Tab.1Mean values of the indices of Zhangzhou region

從表(1)可以看出，在EIBI指數(shù)中，城市建筑用地的指數(shù)值最高，農(nóng)村建筑用地次之，其他地物從高到低依次為裸地、植被和水體。植被和水體的指數(shù)值雖然不再是負(fù)值，但大大低于裸地的指數(shù)值，通過閾值分割可以提取出建筑用地信息;相反地，在IBI和NDBI指數(shù)中，建筑用地的指數(shù)值低于裸地的指數(shù)值。說明EIBI可以顯著增強建筑用地信息;采取閾值分割方法可以去除裸地信息，提取建筑用地信息。

3 結(jié)果與討論

3.1 結(jié)果驗證

本文運用EIBI制作了2個實驗區(qū)的建筑用地指數(shù)圖像。驗證前先進行了二值化處理(建筑用地用1表示，非建筑用地用0表示)，漳州實驗區(qū)取閾值0.19制作出建筑用地指數(shù)專題圖(圖4(b))，福州實驗區(qū)取閾值0.16制作建筑用地指數(shù)專題圖(圖4(e))，均未做掩?；虻屯V波處理。

圖4 TM圖像與建筑用地專題圖Fig.4TM images and the thematic maps of built－up land

采用建筑用地指數(shù)專題圖與經(jīng)輻射校正的TM4(R)，3(G)，2(B)假彩色合成圖像進行精度驗證。將EIBI，IBI，TM4，TM3和TM2 5個特征組成的新圖像作為驗證圖像，可以對EIBI和IBI兩個圖像同時進行驗證，提高精度驗證結(jié)果的可比性。然后，使用ER MAPPER 7.1遙感軟件，制作抽樣點矢量圖層，并形成獨立矢量文件，可供多次調(diào)用，提高對參考影像的判讀精度。

抽樣方法采用隨機抽樣方式。在漳州實驗區(qū)所抽取的357個驗證像元中，EIBI專題圖有20個漏提像元，有15個誤分像元，總精度達(dá)90.20%，Kappa系數(shù)為0.786(表2)。

表2 漳州實驗區(qū)精度驗證數(shù)據(jù)Tab.2 Accuracy validation results of Zhangzhou region

在福州實驗區(qū)所抽取的464個驗證像元中，EIBI專題圖有22個漏提像元，18個誤分像元，總精度可高達(dá)91.38%，Kappa系數(shù)為0.810(表3)。

表3 福州實驗區(qū)精度驗證數(shù)據(jù)Tab.3 Accuracy validation results of Fuzhou region

3.2 分析與討論

從精度驗證結(jié)果(表2及表3)對比來看，在含有裸地的區(qū)域提取建筑用地時，EIBI比IBI提取建筑用地信息的精度高10% ～20%。EIBI的生產(chǎn)者精度和使用者精度均可達(dá)到85%以上，總精度達(dá)90%以上，滿足遙感分類的精度要求。根據(jù)實驗結(jié)果，對提取精度的影響因素作進一步討論分析。

從使用者精度來看，影響IBI指數(shù)提取精度的因素是存在大量的裸土信息。在漳州實驗區(qū)存在大量休耕地的裸土，EIBI提取的建筑用地信息仍然可達(dá)90.20%，使用者精度達(dá)85%以上。然而，IBI提取的總精度僅為71.43%，特別是建筑用地的使用者精度僅有56.28%，這意味著提取的建筑用地信息有近一半是誤提的。通過目視判別發(fā)現(xiàn)，在IBI指數(shù)圖中裸地的亮度比建筑用地的亮度高，提取建筑用地時必將同時提取裸地信息，如圖4(c)所示。在漳州實驗區(qū)提取的信息中，裸地信息比建筑用地信息還要多。通過對抽樣樣本分析也發(fā)現(xiàn)IBI誤提的像元主要是裸地像元(如漳州的休耕地和福州的沙灘地);EIBI誤提的像元只有15個，基本不是裸土像元。說明EIBI實現(xiàn)了抑制裸地信息、增強建筑用地信息的目的。

從使用者精度來看，影響EIBI精度的主要因素是水體。在水體指數(shù)值較低的水與裸地交界地帶和清澈的深水區(qū)，部分水體像元被誤提為建筑用地像元。這是由于裸土指數(shù)和水體指數(shù)有較強的負(fù)相關(guān)性，構(gòu)建EIBI模型時為了最大程度地抑制裸地信息，向水體指數(shù)分配的權(quán)重較小，以至于對水體的抑制作用減弱;反之，如果提高水體指數(shù)的權(quán)重，雖然可以更好抑制水體信息，卻降低對裸土的抑制作用，則得不償失?？梢酝ㄟ^MNDWI提取的水體信息對建筑用地提取結(jié)果進行掩模處理，并經(jīng)低通濾波去除獨立的像元，來消除此部分的誤提信息、提高建筑用地信息的提取精度。為了驗證EIBI模型的有效性，本次實驗并沒有做掩模和濾波處理。

通過對樣本分析發(fā)現(xiàn)，EIBI漏提的像元主要是村落邊緣的像元，屬建筑用地與裸土的混合像元，此類誤差為影像空間分辨率不足的原因所致。需要研究如何分解此類混合像元，進一步提高建筑用地信息提取精度;另外，EIBI指數(shù)的有效動態(tài)變化范圍較小，裸地的指數(shù)值僅次于建筑用地的指數(shù)值，二者比較接近，確定閾值的難度比較大，這也是容易引起誤差的因素之一。

通過分析城區(qū)范圍的抽樣樣本，還發(fā)現(xiàn)IBI和EIBI兩個指數(shù)漏提的像元極少。

綜合分析表明，EIBI不僅適用于提取城市建筑用地信息，也適用于提取農(nóng)村建筑用地信息，所提取的建筑用地信息中不包括裸土信息。

4 結(jié)論與建議

1)本研究共構(gòu)建了3個與建筑用地有關(guān)的新指數(shù)，即“增強的指數(shù)型建筑用地指數(shù)”(EIBI)、歸一化差值裸地與建筑用地指數(shù)(NDBBI)和增強型裸土指數(shù)(EBSI)。其中，EIBI是最終提取城市和農(nóng)村建筑用地信息的模型。

2)EIBI提取結(jié)果客觀，人為干預(yù)少，僅通過波段間運算來獲取結(jié)果，提取的建筑用地信息可信度高，提取精度可以達(dá)到90%以上。

3)短波紅外波段(TM7)的地物光譜具有分離性好而穩(wěn)定的特點，可為建筑用地信息提取提供新的思路。建議在經(jīng)ICM輻射校正的圖像上，進一步研究用NDBBI提取城市建筑用地信息的方法與效果。

4)在使用 EIBI模型時，需注意以下問題:①TM圖像需經(jīng)過絕對輻射校正，以減少因日照差異和大氣條件不同的影響;②制作EIBI指數(shù)圖像時，需經(jīng)過0～255的灰度值拉伸，不能直接使用歸一化數(shù)據(jù)參與運算;③構(gòu)建EIBI模型需要用到TM圖像的6個波段(除熱紅外波段)，也適用于有相同波段的Landsat ETM+圖像，但不適用于無此6個波段配置的其他遙感數(shù)據(jù)。

［1］顧 娟，陳 軍，張宏偉，等.基于遙感影像的居民地提取研究綜述與展望［J］.計算機工程與應(yīng)用，2007，43(30):1 －4.

［2］楊存建，周成虎.TM影像的居民地信息提取方法研究［J］.遙感學(xué)報，2000，4(2):146 －150.

［3］趙 萍，馮學(xué)智，林廣發(fā).SPOT衛(wèi)星影像居民地信息自動提取的決策樹方法研究［J］.遙感學(xué)報，2003，7(4):309 －315.

［4］楊存建，周成虎.基于知識發(fā)現(xiàn)的TM圖像居民地自動提取研究［J］.遙感技術(shù)與應(yīng)用，2001，16(1):1 －6.

［5］高永光，祝民強，朱 驥，等.贛中紅壤區(qū)TM圖像的居民地信息自動提取專家模式研究［J］.國土資源遙感，2002(4):67－69.

［6］安 如，趙 萍，王慧麟，等.遙感影像中居民地信息的自動提取與制圖［J］.地理科學(xué)，2005，25(1):74 －80.

［7］Zha Y，Gao J，Ni S.Use of Normalized Difference Built－ up Index in Automatically Mapping Urban Areas from TM Imagery［J］.International Journal of Remote Sensing，2003，24(3):583 －594.

［8］楊存建，張 果，陳 軍，等.基于遙感的成都市及其周邊城鎮(zhèn)的擴展［J］.地理研究，2008，27(1):101 －108.

［9］徐涵秋.基于壓縮數(shù)據(jù)維的城市建筑用地遙感信息提?。跩］.中國圖象圖形學(xué)報，2005，10(2):223 －229.

［10］Xu H.A New Index for Delineating Built－ up Land Features in Satellite Imagery［J］.International Journal of Remote Sensing，2008，29(14):4269 －4276.

［11］徐涵秋，杜麗萍.遙感建筑用地信息的快速提取［J］.地球信息科學(xué)學(xué)報，2010，12(4):574 －578.

［12］吳宏安，蔣建軍，張海龍，等.比值居民地指數(shù)在城鎮(zhèn)信息提取中的應(yīng)用［J］.南京師大學(xué)報:自然科學(xué)版，2006，29(3):118 －121.

［13］徐涵秋.Landsat遙感影像正規(guī)化處理的模型比較研究［J］.地球信息科學(xué)，2008，10(3):294 －301.

［14］徐涵秋.基于影像的Landsat TM/ETM+數(shù)據(jù)正規(guī)化技術(shù)［J］.武漢大學(xué)學(xué)報:信息科學(xué)版，2007，32(1):62－66.

［15］陳志強，陳健飛.基于NDBI指數(shù)法的城鎮(zhèn)用地影像識別分析與制圖［J］.地球信息科學(xué)，2006，8(2):137 －140.

［16］楊智翔，何秀鳳.基于改進的NDBI指數(shù)法的遙感影像城鎮(zhèn)用地信息自動提?。跩］.河海大學(xué)學(xué)報:自然科學(xué)版，2010，38(2):181－184.

［17］Huete A R.A Soil－ adjusted Vegetation Index(SAVI)［J］.Remote Sensing of Environment，1988，25(3):295 － 309.

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

［19］Rikimaru A.Landsat TM Data Processing Guide for Forest Canopy Density Mapping and Monitoring Model［C］//ITTO Workshop on Utilization of Remote Sensing in Site Assessment and Planning for Rehabilitation of Logged －over Forest，Bangkok，Thailand，1996:1 －8.

A Study of Enhanced Index－based Built－up Index Based on Landsat TM Imagery

WU Zhi－ jie1，2，ZHAO Shu － he3
(1.Department of Resources Engineering，Longyan University，Longyan 364012，China;2.College of Environment and Resources，F(xiàn)uzhou University，F(xiàn)uzhou 350108，China;3.School of Geographic ＆ Oceanographic Sciences，Nanjing University，Nanjing 210093，China)

A new method for extraction of built－up land information both in suburban area and in urban district by using Landsat TM/ETM+imagery is proposed in this paper.Firstly，to suppress the information of bare soil with the middle－infrared(TM7)，near－infrared(TM4)and green band(TM2)，it is necessary to build a secondary index，which is called normalized difference bareness and built－up index(NDBBI).At the same time，to enhance the information of bare soil from existing indices of bare soil index(BSI)and modified normalized difference water index(MNDWI)，another secondary index is built，which is called enhanced bare soil index(EBSI).Finally，the indices of NDBBI，EBSI，SAVI and MNDWI are applied to constructing a new index for delineating built－ up land features in satellite imagery，which is called enhanced index－based built－up index(EIBI).The new index(EIBI)can be employed to extract the built－ up land information both in suburban area and in urban district.This approach has been successful in Fuzhou and Zhangzhou experimental regions.Built－ up features can be extracted objectively and sufficiently with the accuracy above 90%.

remote sensing;Landsat TM;enhanced index－based built－up index(EIBI);normalized difference built－up index(NDBI);bare soil index(BSI)

TP 751.1

A

1001－070X(2012)02－0050－06

吳志杰(1971－)，男，碩士，副教授，主要從事環(huán)境與資源遙感的教學(xué)與研究。E－mail:wuzhijiefj@163.com。

(責(zé)任編輯:李 瑜)

10.6046/gtzyyg.2012.02.10

2011－07－08;

2011－08－05

國家科技支撐計劃項目子課題(編號:2011BAK07B02－08)資助。