縣域城鎮(zhèn)用地信息提取研究
——以福建省長汀縣為例

林蔚，楊仲元，蔣金亮，徐建剛

（1.南京大學(xué)地理與海洋科學(xué)學(xué)院，南京210023；2.南京大學(xué)建筑與城市規(guī)劃學(xué)院，南京210093）

縣域城鎮(zhèn)用地信息提取研究
——以福建省長汀縣為例

林蔚1，楊仲元1，蔣金亮1，徐建剛2

（1.南京大學(xué)地理與海洋科學(xué)學(xué)院，南京210023；2.南京大學(xué)建筑與城市規(guī)劃學(xué)院，南京210093）

針對如何快速、準(zhǔn)確地獲取縣域城鎮(zhèn)用地的信息問題，該文以2010年的TM影像為數(shù)據(jù)源，以典型的山地城市福建省長汀縣為研究區(qū)，比較和分析常用的城鎮(zhèn)用地提取方法的優(yōu)勢和不足；借鑒分層分類法的思路，綜合運用歸一化植被指數(shù)結(jié)合地形調(diào)節(jié)植被指數(shù)、多波段譜間關(guān)系法結(jié)合改進(jìn)型歸一化水體指數(shù)、歸一化裸土指數(shù)結(jié)合歸一化不透水面指數(shù)，對長汀城鎮(zhèn)用地進(jìn)行提取，總體精度超過85%。分析表明該方法是一種可行有效的城鎮(zhèn)用地提取方法。

城鎮(zhèn)用地信息；TM影像；長?。环謱臃诸惙?；信息提取

1 引 言

隨著中國城市化進(jìn)程的加快，城鎮(zhèn)用地在迅速地擴(kuò)大。快速提取城鎮(zhèn)用地信息，反映城鎮(zhèn)用地的動態(tài)變化，已成為研究城市問題的必然要求。近年來遙感技術(shù)因具有重復(fù)觀測、覆蓋范圍大、成本低的優(yōu)點，已成為城鎮(zhèn)用地動態(tài)監(jiān)測的有效手段之一。特別是在“大數(shù)據(jù)時代”的背景下，不同類型、多種分辨率的遙感影像獲取十分便利，如何對海量數(shù)據(jù)進(jìn)行深度挖掘，獲得研究所需的信息已成為熱點之一。因此，探尋一種快捷、準(zhǔn)確與客觀地獲取城鎮(zhèn)用地信息的方法，動態(tài)監(jiān)測城市擴(kuò)張過程，對分析城市擴(kuò)張的驅(qū)動力機(jī)制，科學(xué)合理地指導(dǎo)城市規(guī)劃、控制城市用地規(guī)模具有十分重要的意義。

利用遙感影像提取城鎮(zhèn)用地最常用的方法是計算機(jī)分類，但由于“同物異譜”和“同譜異物”的現(xiàn)象存在，造成了選擇訓(xùn)練樣本的困難，導(dǎo)致分類精度達(dá)不到要求。為了獲取更高的精度，只能通過目視判讀或手工屏幕數(shù)字化的方法，但工作量很大。楊山、查勇提出歸一化建筑指數(shù)法［1－2］提取城鎮(zhèn)用地，以其計算方便快速的優(yōu)勢而被廣泛應(yīng)用。但后續(xù)的證明研究中［3－5］都發(fā)現(xiàn)在不同的研究地區(qū)，會有其他的地類表現(xiàn)出與城鎮(zhèn)用地類似的光譜特征，所以單純依靠歸一化建筑指數(shù)大于0就認(rèn)定為城鎮(zhèn)用地并不可靠。很多學(xué)者針對不同的研究區(qū)域?qū)Ω鞣N歸一化差異型指數(shù)進(jìn)行了改良，如徐涵秋［6］提出了一種綜合歸一化建筑指數(shù)（Normalized Differece Built－up Index，NDBI）、修正歸一化水體指數(shù)（Modified Normalized Difference Water Index，MNDWI）和土壤調(diào)節(jié)植被指數(shù)（Soil Adjusted Vegetation Index，SAVI）的新型指數(shù)（Index－based Built－up Index，IBI），能夠有效地抑制提取城市建成區(qū)時的背景噪音，并且精度可以達(dá)到95%以上，并在福州、廈門、泉州等城市得到了成功的應(yīng)用。但有研究［7］指出，當(dāng)城鎮(zhèn)建筑用地信息在影像中處于主導(dǎo)位置的情況下，TM影像三指數(shù)法（NDBI、MNDWI、SAVI）精度很高，否則，由于各種復(fù)雜地物的混淆，三指數(shù)法的精度無法滿足應(yīng)用需求。利用遙感圖像譜間關(guān)系分析也是提取城鎮(zhèn)用地的主要方法之一，總體提取效果較好［8－9］。譜間關(guān)系法利用了遙感影像光譜波段多、每個波段反映不同信息的特點，使用單波段的光譜特征或者多波段光譜之間的關(guān)系對城鎮(zhèn)用地進(jìn)行提取，這種方法在提取城鎮(zhèn)用地時往往需要不斷地調(diào)試閾值和復(fù)雜的邏輯判斷規(guī)則，需要根據(jù)不同的研究區(qū)域進(jìn)行選擇，普適性不高，比較繁瑣。

作為我國基本的行政單元，縣是統(tǒng)籌城鄉(xiāng)發(fā)展的中間環(huán)節(jié)，是“新型城鎮(zhèn)化”的重點所在。而目前縣域城鎮(zhèn)用地提取的研究尚不多見，因此有必要填補(bǔ)這方面的空缺。綜上所述，不管是傳統(tǒng)的計算機(jī)分類或目視解譯，還是近年來發(fā)展起來的指數(shù)法或譜間關(guān)系法，在提取城鎮(zhèn)用地時均存在不同程度的缺點，無法同時達(dá)到快速、準(zhǔn)確、客觀提取城鎮(zhèn)用地的要求。為了彌補(bǔ)幾種常用的城鎮(zhèn)用地提取方法的不足，本文借鑒分層分類法的思路對城鎮(zhèn)用地進(jìn)行提取，該方法需要的遙感數(shù)據(jù)量小且分類算法簡單：針對各地物不同的信息特點，將圖像按一定原則進(jìn)行層層分解，信息提取的環(huán)境比較純凈［10］。分層分類法已在土地利用／覆蓋遙感監(jiān)測中被證明了是一種可行的方法［11］，并且能夠提高分類精度。本研究在總結(jié)和借鑒前人研究方法的基礎(chǔ)上，以長汀為研究區(qū)，提出一種適用于縣域范圍的城鎮(zhèn)用地提取方法。

2 研究區(qū)概況、數(shù)據(jù)來源與技術(shù)流程

2.1 研究區(qū)概況

長汀縣隸屬于龍巖市，位于福建省西南部，武夷山南段，南與廣東近郊，西與江西接壤。長汀縣地形復(fù)雜且破碎，山地丘陵面積大，形成了其“八山一水一分田”的自然地理格局。2009年以來，在海西經(jīng)濟(jì)區(qū)的優(yōu)惠政策和沿海地區(qū)產(chǎn)業(yè)梯度轉(zhuǎn)移的大背景下，長汀縣幾年來在經(jīng)濟(jì)總量上取得了長足的發(fā)展，地區(qū)生產(chǎn)總值增速穩(wěn)定，但是以山地為主的地形條件極大的限制了城市的擴(kuò)展空間，可建設(shè)用地嚴(yán)重不足，為了保證長汀經(jīng)濟(jì)的可持續(xù)發(fā)展，需要準(zhǔn)確的把握城鎮(zhèn)用地的范圍。本次研究選擇長汀縣的大同鎮(zhèn)、汀州鎮(zhèn)、策武鎮(zhèn)以及河田鎮(zhèn)組成的發(fā)展區(qū)（集中了長汀縣大部分城鎮(zhèn)用地）作為研究區(qū)域，如圖1所示。

圖1 研究區(qū)2010年Landsat TM影像（RGB：543）

2.2 數(shù)據(jù)來源

本文選取的數(shù)據(jù)為美國陸地衛(wèi)星（Landsat）TM影像，成像時間為2010年1月14日，軌道號為121／42，數(shù)據(jù)質(zhì)量高，云量幾乎為0。遙感影像數(shù)據(jù)來源于中國科學(xué)院計算機(jī)網(wǎng)絡(luò)信息中心國際科學(xué)數(shù)據(jù)鏡像網(wǎng)（http：／／www.gscloud.cn），該數(shù)據(jù)已經(jīng)經(jīng)過系統(tǒng)輻射校正和地面控制點幾何校正，并且通過DEM進(jìn)行了地形校正。

2.3 技術(shù)流程

本文利用分層分類法的思路，綜合已有提取方法的優(yōu)點，從某一類地物的光譜、空間、時間特征分析入手，找到反映這些特征的典型波段，采用適合此類地物的信息提取方法進(jìn)行專題信息提取。當(dāng)一種地物成功提取后，通過掩膜將其從原始圖像中去除，以避免它對其他地物提取的影響。這樣按層處理，只針對一類目標(biāo)進(jìn)行提取，提高了每一類目標(biāo)的提取精度。

圖2 城鎮(zhèn)用地提取技術(shù)流程圖

3 長汀縣城鎮(zhèn)用地的提取

3.1 林地和耕地的提取

長汀縣內(nèi)主要的土地利用／覆蓋類型為林地、耕地、居民點、水體、工業(yè)和道路用地及裸地。由于長汀縣山地丘陵面積大，植被覆蓋率一直較高，因此林地是占長汀縣土地利用／覆被類型中比重最大的，宜先對林地進(jìn)行提取，植被指數(shù)是最常用的方法，如土壤調(diào)節(jié)植被指數(shù)（SAVI）［12］、歸一化植被指數(shù)等。有學(xué)者認(rèn)為SAVI最適合于研究低植被覆蓋區(qū)［13］，因此在長汀并不適用；歸一化植被指數(shù)（NDVI）在復(fù)雜地形山區(qū)容易受到地形的影響［14］，目前的解決辦法有先進(jìn)行遙感影像地形校正［15－18］，再計算植被指數(shù)，但地形校正受制于高精度DEM數(shù)據(jù)的可獲取性，同時難以避免不同數(shù)據(jù)之間的匹配精度問題，實際應(yīng)用效果受到制約［19］。因此，有學(xué)者建立地形調(diào)節(jié)植被指數(shù)（TAVI）［20］，并已在不同地形地貌研究區(qū)域進(jìn)行了應(yīng)用［21］，能夠有效消除山區(qū)地形對常用植被指數(shù)影響。已有學(xué)者運用TAVI對長汀的植被覆蓋度成功的進(jìn)行了監(jiān)測［20］，同時還有研究提出復(fù)合植被指數(shù)（VBSI）［22］，也能較好削弱影像中山體陰影、土壤背景、巖石、建筑用地等地物對植被覆蓋度干擾的。

根據(jù)對已有植被指數(shù)的分析，首先采用NDVI對研究區(qū)的林地范圍進(jìn)行提取，算法如式（1）所示。如圖3中紅框所示，山體陰影隨著林地一并提取出來，可見計算NDVI時受到了地形的影響。因此，還必須削弱地形因素在提取林地時造成的影響。根據(jù)已有的研究，這里選擇TAVI對NDVI進(jìn)行修正，計算公式如式（2）所示。圖4為TAVI計算結(jié)果，可以觀察到紅框中（與圖2中的紅框位置大致對應(yīng)）及圖4中的黑色點均為山體陰影，通過設(shè)定閾值即可將這些山體陰影從NDVI結(jié)果去去除，得到更為準(zhǔn)確的林地范圍。由于所選遙感影像的時相為1月，此時耕地中只有越冬作物，因此可能會有部分耕地存在閑置，在光譜特征上與裸土類似，在計算NDVI時，經(jīng)過閾值調(diào)試，取0.25時能夠同時提取林地和未閑置耕地，閑置的耕地將在提取裸土的步驟中進(jìn)行處理。

式中，TM4、TM3分別代表TM影像第4波段和第3波段的反射率，下同。

式中，f（Δ）表示地形調(diào)節(jié)因子，由文獻(xiàn)［20］可知f（Δ）取0.3，MTM3表示第3波段的最大值。

圖3 歸一化植被指數(shù)計算結(jié)果

3.2 水體的提取

水體提取方法包括單波段閾值法［23］，多波段譜間關(guān)系法［24］和水體指數(shù)法等。在使用單波段閾值法提取水體時，一般選取TM第5波段數(shù)據(jù)（水體在此波段吸收最強(qiáng)，反射率幾乎為零），該方法對陰影區(qū)和水體的區(qū)分較差［25］。有研究使用基于閾值的多波段譜間關(guān)系法，分別在平原地區(qū)和山區(qū)進(jìn)行了驗證［26］。最早且最具有代表性的水體指數(shù)是由Mcfeeters提出的歸一化差異水體指數(shù)［27］（NDWI）。NDWI提出后，很多學(xué)者針對不同的研究區(qū)和數(shù)據(jù)源創(chuàng)建了新的或改進(jìn)的水體指數(shù)，如MNDWI［28］、EWI［29］和NWI［30］。徐涵秋在驗證和對比EWI和MNDWI兩種指數(shù)后認(rèn)為后者精度較高，且無論在是否經(jīng)過大氣校正的影像中都能將水體有效地提取出來［31］。

圖4 地形調(diào)節(jié)植被計算指數(shù)

根據(jù)上文的分析，本文分別用NDWI、MNDWI（計算方法如式（3）所示）、NWI 3種水體指數(shù)對研究區(qū)域的水體進(jìn)行了計算，發(fā)現(xiàn)NDWI和NWI兩種方法并不適用于本地區(qū)，再將MNDWI的計算結(jié)果與基于閾值的多波段譜間關(guān)系法［26］（計算方法如式（4）所示）的提取結(jié)果進(jìn)行了對比。從圖5、圖6的比較可以看出，MNDWI提取的汀江比用多波段譜間關(guān)系法的提取結(jié)果更為完整，但是同時也出現(xiàn)了一部分的山體陰影同時被錯誤提?。t色方框中所示）。所以在第一步提取林地和耕地時已將山體陰影的影像去除的前提下，推薦使用MNDWI對水體進(jìn)行提取。

3.3 裸地的提取

長汀縣內(nèi)由于水土流失造成地表裸露，雖然近幾十年來面積逐漸減少但仍有一定的數(shù)量，裸地并不屬于城鎮(zhèn)用地，應(yīng)予以去除。此外，還有3.1中未提取的閑置耕地也屬于裸地的范圍，在此一并進(jìn)行處理。

已有研究提到的譜間關(guān)系法不能夠很好地區(qū)分研究區(qū)域城鎮(zhèn)用地和裸地［9］，因此這里引入雙重指數(shù)法［32－33］對裸土進(jìn)行提取。NDBI指數(shù)是提取建筑用地最常用的指數(shù)，此外還有歸一化裸土指數(shù)NDSI與NDBI的算法相同，參與計算的都是5波段和4波段，說明兩個指數(shù)同樣增強(qiáng)的都是高亮度、低植被覆蓋的地區(qū)。因此不管計算哪個指數(shù)，裸土和建筑用地都是同時被提取出來，導(dǎo)致裸土與建筑用地相混淆。

本研究引入NDSI［34］與不透水面指數(shù)NDISI［35］（計算公式如式（5）和式（6）所示）組成雙重指數(shù)，由于不透水面指數(shù)NDISI增強(qiáng)的只是建筑物、道路等地表不透水面信息，因此可以提取混合信息中的裸地。雙重指數(shù)法在增強(qiáng)裸土和不透水面信息后，采用邏輯運算［34］（式（7））得到研究區(qū)的裸土信息：

圖5 改進(jìn)型歸一化水體指數(shù)計算結(jié)果

圖6 基于閾值的多波段譜間關(guān)系法結(jié)果

式中，T1為裸土的閾值，大于T1的即為裸土；T2為不透水面的閾值，大于T2的為不透水面。

3.4 獲取城鎮(zhèn)用地范圍

將3.1中提取的林地和耕地、3.2中得到的水體，3.3中得到的裸土從長汀縣發(fā)展區(qū)的范圍中剔除，得到最終的城鎮(zhèn)用地范圍（圖7）。

圖7 2010年發(fā)展區(qū)（縣域的大同鎮(zhèn)、汀州鎮(zhèn)、策武鎮(zhèn)以及河田鎮(zhèn)）城鎮(zhèn)用地范圍

4 結(jié)果分析及精度評定

從2010年長汀城鎮(zhèn)用地提取結(jié)果來看，大致符合現(xiàn)實情況，長汀主城中心，河田副中心的位置十分明顯，長汀經(jīng)濟(jì)開發(fā)區(qū)內(nèi)的工業(yè)用地規(guī)模不斷擴(kuò)大，策武鎮(zhèn)內(nèi)的河梁工貿(mào)新城也已具規(guī)模，策武鎮(zhèn)內(nèi)麻陂村附近的長汀稀土工業(yè)園于2009年底通過了控制性詳細(xì)規(guī)劃評審，因此在2010年初的影像上暫時還未有明顯的城鎮(zhèn)用地分布。

本文研究的是城鎮(zhèn)用地的提取，可以理解為將所有地物劃分成城鎮(zhèn)用地和非城鎮(zhèn)用地兩類，因此采用類型精度進(jìn)行評價。本文以目視解譯的結(jié)果為參考，在研究區(qū)范圍內(nèi)隨機(jī)選取240個樣本點，計算得到總體精度?？傮w精度的計算方法是：（分類正確的樣點數(shù)／總樣點數(shù)）×100%。

表1 2010年城鎮(zhèn)用地提取結(jié)果評價

5 結(jié)束語

本文以TM影像為數(shù)據(jù)源，以山地城市長汀作為研究區(qū)，借鑒分層分類法的思路，選用歸一化植被指數(shù)結(jié)合地形調(diào)節(jié)指數(shù)提取了林地和耕地，利用改進(jìn)型歸一化水體指數(shù)篩選出水體，最后使用雙重指數(shù)法剔除出研究區(qū)中的裸地（包括閑置的耕地），得到城鎮(zhèn)用地的范圍，總體精度達(dá)到86.7%，kappa系數(shù)為0.73，證明本方法是一種可行有效的提取城鎮(zhèn)用地的方法。

在實際應(yīng)用中，應(yīng)根據(jù)研究區(qū)域的實際用地類型特征，分析各種用地類型的面積分布和混淆程度來決定篩選的先后順序，綜合運用計算機(jī)分類法、目視解譯法、歸一化差異型指數(shù)和譜間關(guān)系法，避免單一歸一化差異型指數(shù)的局限性，譜間關(guān)系法過多的閾值調(diào)試和復(fù)雜的邏輯判斷規(guī)則，逐一將非目標(biāo)地物分離，最終得到所需的用地范圍，達(dá)到準(zhǔn)確、簡單快捷提取城鎮(zhèn)用地的目的。

［1］ 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.

［2］ 查勇，倪紹祥，楊山.一種利用TM圖像自動提取城鎮(zhèn)用地信息的有效方法［J］.遙感學(xué)報，2003，7（1）：37－41.

［3］ 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］.中國圖像圖形學(xué)報，2005，10（2）：223－229.

［4］ 徐涵秋.基于譜間特征和歸一化指數(shù)分析的城市建筑用地信息提?。跩］.地理研究，2005，24（2）：311－320.

［5］ XU H.Extraction of urban built－up land features from Landsat imagery using a thematic－oriented index combination technique［J］.Photogrammetric Engineering and Remote Sensing，2007，73（12）：1381－1392.

［6］ 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.

［7］ 周小成，汪小欽，吳波，等.城鎮(zhèn)擴(kuò)張的多源遙感圖像動態(tài)監(jiān)測分析［J］.地球信息科學(xué)，2008，10（3）：332－337.

［8］ 孟瑜，趙忠明，彭舒，等.基于譜間特征分析的城市建筑用地信息提?。跩］.測繪通報，2008，（12）：36－38，59.

［9］ 彭光雄，徐兵，沈蔚，等.TM圖像的城鎮(zhèn)用地信息提取方法研究［J］.遙感技術(shù)與應(yīng)用［J］.2006，21（1）：31－36.

［10］ 向天梁，汪小欽，周小成，等.基于分層分析的ASTER影像土地利用／覆被遙感監(jiān)測研究［J］.遙感技術(shù)與應(yīng)用，2006，21（6）：527－531.

［11］ 胡召玲，李志江，杜培軍.分層信息提取法在縣域土地利用／覆被遙感中的應(yīng)用［J］.地理研究，2009，28（2）：409－418.

［12］ HUETE A R.A soil－adjusted vegetation index（SAVI）［J］.Remote Sensing of Environment，1988，（25）：295－309.

［13］ RAY T W.Vegetation in remote sensing FAQs［J］.Application.ER Mapper Ltd，2002.

［14］ 姚晨，黃微，李先華.地形復(fù)雜區(qū)域的典型植被指數(shù)評估［J］.遙感技術(shù)與應(yīng)用，2009，24（4）：496－501.

［15］ TEILLET P M，GUINDON B，GOODENOUGH D G.On the slope－aspect correction of multispectral scanner data［J］.Can J Remote Sens，1982，8（2）：1537－1540.

［16］ RIANO D，CHUVIECO E，SALAS J，et al.Assessment of different topographic corrections in Lantsat－TM data form mapping vegetation types［J］.IEEE Transacions on Geoscience and Remote Sensing，2003，41（5）：1056－1061.

［17］ 黃微，張良培，李平湘.一種改進(jìn)的衛(wèi)星影像地形校正算法［J］.中國圖像圖形學(xué)報，2005，10（9）：1124－1128.

［18］ 高永年，張萬昌.遙感影像地形校正研究進(jìn)展及其比較實驗［J］.地理研究，2008，27（3）：467－477.

［19］ 江洪，毛政元，汪小欽.地形調(diào)節(jié)植被指數(shù)及其在森林動態(tài)監(jiān)測中的應(yīng)用［J］.北京林業(yè)大學(xué)學(xué)報，2011，33（5）：8－12.

［20］ 江洪，汪小欽，吳波，等.地形調(diào)節(jié)植被指數(shù)構(gòu)建及在植被覆蓋度遙感監(jiān)測中的應(yīng)用［J］.福州大學(xué)學(xué)報（自然科學(xué)版），2010，38（4）：527－532.

［21］ 肖能文，江洪，汪小欽，等.地形調(diào)節(jié)植被指數(shù)的抗地形效果驗證［J］.遙感信息，2013，28（4）：74－80.

［22］ 江洪，王欽敏，汪小欽.福建省長汀縣植被覆蓋度遙感動態(tài)監(jiān)測研究［J］.自然資源學(xué)報，2006，21（1）：126－132.

［23］ 陳華芳，王金亮，陳忠，等.山地高原地區(qū)TM影像水體信息提取方法比較—以香格里拉縣部分地區(qū)為例［J］.遙感技術(shù)與應(yīng)用，2004，19（6）：479－484.

［24］ 周成虎，駱劍承.遙感影像地學(xué)理解與分析［M］.北京：科學(xué)出版社，2003.

［25］ 曲偉，路京選，李琳，等.環(huán)境減災(zāi)小衛(wèi)星影像水體和濕地自動提取方法研究［J］.遙感信息，2011，26（4）：28－33.

［26］ 畢海蕓，王思遠(yuǎn)，曾江源.基于TM影像的幾種常用水體提取方法的比較和分析［J］.遙感信息，2012，27（5）：77－82.

［27］ MCFEETERS S K.The use of normalized difference water index（NDWI）in the delineation of open water features［J］.International Journal of Remote Sensing，2005，9（5）：589－595.

［28］ 徐涵秋.利用改進(jìn)的歸一化差異水體指數(shù)（MNDWI）提取水體信息研究［J］.遙感學(xué)報，2005，9（5）：590－595.

［29］ 閆霈，張友靜，張元.利用增強(qiáng)型水體指數(shù)（EWI）和GIS去噪音技術(shù)提取半干旱地區(qū)水系信息的研究［J］.遙感信息，2007，22（6）：62－67.

［30］ 丁鳳.一種基于遙感數(shù)據(jù)快速提取水體信息的新辦法［J］.遙感技術(shù)與應(yīng)用，2009，24（2）：167－171.

［31］ 徐涵秋.從增強(qiáng)型水體指數(shù)分析遙感水體指數(shù)的創(chuàng)建［J］.地球信息科學(xué)，2008，10（6）：776－780.

［32］ 徐涵秋.南方典型紅壤水土流失區(qū)地表裸土動態(tài)變化分析—以福建省長汀縣為例［J］.地理科學(xué)，2013，33（4）：489－496.

［33］ 徐涵秋.福建省長汀縣河田盆地地區(qū)近35年來地表裸土變化的遙感時空分析［J］.生態(tài)學(xué)報，2013，33（10）：2946－2953.

［34］ KEARNEY M S，ROGERS A S，TOWNSHEND J R G.Developing a model for determining coastal marsh“health”［C］.Third The－matic Conference on Remote Sensing for Marine and Coastal Environments，Seattle，Washington，1995：527－537.

［35］ XU H.Analysis of impervious surface and its impact on urban heat environment using the normalized difference impervious surface index（NDISI）［J］.Photogrammetric Engineering and Remote Sensing，2010，76（5）：557－565.

Urban Land Extraction Based on TM Imagery：A Case Study of Changting，F(xiàn)ujian Province

LIN Wei1，YANG Zhong－yuan1，JIANG Jin－liang1，XU Jian－gang2
（1.School of Geographic and Oceanographic Science，Nanjing University，Nanjing210023；2.School of Architecture and Urban Planning，Nanjing University，Nanjing210093）

To grasp the scope of urban land in the county level is significant for successfully carrying out the urban planning and guaranteeing the sustainable development of rural economy.This paper aims at quick and accurate acquisition of the urban land.The study area is located in Changting，a typical mountainous city of Fujian province，where the merits and drawbacks of some traditionally used urban land extraction methods were compared and analyzed.Inspired by the hierarchical classification method，this paper extracted the urban land of Changting county by using NDVI（Normalized Difference Vegetation Index）＆TAVI（Topograpy Adjusted Vegetation Index），MNDWI（Modified Normalized Difference Water Index），NDSI（Normalized Difference Soil Index）＆NDISI（Normalized Difference Impervious Surface Index）methods considering their merits，and the overall accuracy is 85%，which illustrates that the adopted method is useful and efficient for urban land extraction.

urban land；TM imagery；Changting；hierarchical classification；information extraction

10.3969／j.issn.1000－3177.2015.02.022

P237

A

1000－3177（2015）138－0120－06

2014－01－13

2014－04－14

國家自然科學(xué)基金資助項目（51278239）。

林蔚（1986～），男，博士研究生，研究方向為城市遙感。

E－mail：gis＿xifan＠163.com

徐建剛（1960～），教授，博導(dǎo)，主要從事城市與區(qū)域規(guī)劃、城市遙感與GIS研究。

E－mail：xjg129＠sina.com