基于遙感監(jiān)測(cè)的建設(shè)用地自動(dòng)提取模型應(yīng)用

黃瀅冰，趙克飛，徐啟恒，陳 浩

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

基于遙感監(jiān)測(cè)的建設(shè)用地自動(dòng)提取模型應(yīng)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(guī)劃編制研究中心，廣東 東莞 523129；2.中山大學(xué) 地理科學(xué)與規(guī)劃學(xué)院，廣東 廣州 510275；3.東莞市測(cè)繪院，廣東 東莞 523129；4.寶雞文理學(xué)院，陜西 寶雞 721013）

生態(tài)環(huán)境是構(gòu)建宜居城市的重要指標(biāo)。構(gòu)建基于遙感監(jiān)測(cè)的建設(shè)用地自動(dòng)提取模型可快速獲取建設(shè)用地現(xiàn)狀,及時(shí)發(fā)現(xiàn)侵占山水資源的違規(guī)用地，有利于維護(hù)城市生態(tài)安全。以城市化程度較高的東莞市為例，結(jié)合傳統(tǒng)的譜間閾值指數(shù)模型和混合像元分解模型自動(dòng)提取建設(shè)用地。結(jié)果表明，建設(shè)用地的提取精度為91．36%,可滿(mǎn)足生態(tài)保護(hù)中對(duì)建設(shè)用地進(jìn)行快速全面監(jiān)測(cè)的要求。

遙感監(jiān)測(cè)；建設(shè)用地；譜間特征閾值；混合像元分解

城市化空間擴(kuò)張是一定時(shí)期內(nèi)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(qū)域生態(tài)環(huán)境，并以累積的方式反饋于全球生態(tài)環(huán)境[2]。隨著經(jīng)濟(jì)的快速發(fā)展和城鎮(zhèn)化水平的不斷提高，無(wú)序現(xiàn)象在諸多城市上演，大量生態(tài)資源被迫縮減，嚴(yán)重影響著土地的合理高效利用和城市的可持續(xù)發(fā)展。而土地利用動(dòng)態(tài)遙感監(jiān)測(cè)一直是國(guó)土資源和城市規(guī)劃管理部門(mén)倡導(dǎo)的技術(shù)手段，旨在節(jié)約集約用地，遏制城市無(wú)序擴(kuò)張。然而，通過(guò)實(shí)地調(diào)查來(lái)監(jiān)測(cè)新增建設(shè)用地的途徑，具有人力物力財(cái)力成本大、耗時(shí)長(zhǎng)及難度高等缺點(diǎn)。自改革開(kāi)放以來(lái)，東莞市以資源消耗、粗放經(jīng)營(yíng)為特征的發(fā)展模式，依托土地增量支撐經(jīng)濟(jì)發(fā)展，忽視了環(huán)境保育，自然資源不斷退化和枯竭。因此，如何快速、高效地實(shí)現(xiàn)對(duì)建設(shè)用地的動(dòng)態(tài)監(jiān)測(cè)與更新是遏制研究區(qū)無(wú)序擴(kuò)張及保護(hù)生態(tài)系統(tǒng)安全亟待解決的難題之一，其中城市建設(shè)用地自動(dòng)提取技術(shù)直接關(guān)系到最終監(jiān)測(cè)結(jié)果的精度。

目前，國(guó)內(nèi)外學(xué)者在城市動(dòng)態(tài)監(jiān)測(cè)領(lǐng)域已取得較多成果[3-7]，就遙感自動(dòng)提取技術(shù)而言，目前高分辨率衛(wèi)星影像為地物分類(lèi)提供了關(guān)鍵的數(shù)據(jù)基礎(chǔ)，自動(dòng)提取技術(shù)快速高效的特點(diǎn)對(duì)國(guó)土資源實(shí)時(shí)監(jiān)測(cè)、控制城鎮(zhèn)用地規(guī)模具有十分重要的意義。結(jié)合遙感和GIS技術(shù)應(yīng)用案例[8-10]，本研究根據(jù)建設(shè)用地與其他地物的光譜特征利用譜間閾值指數(shù)和混合像元分解法提取城市建設(shè)用地[11]，并綜合利用兩種方法達(dá)到最大限度避免建設(shè)用地提取的遺漏問(wèn)題。

1 研究區(qū)及數(shù)據(jù)

1）研究區(qū)。東莞市位于廣東省東南部，珠江口東岸，東經(jīng)113°31'～114°15'，北緯22°39'～23°09'，總面積2 465 km2，屬亞熱帶季風(fēng)氣候，長(zhǎng)夏無(wú)冬，雨量充沛。該區(qū)地貌以丘陵臺(tái)地和沖積平原為主，地勢(shì)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(shì)地平，尤其西南部的珠江口沖積平原，地勢(shì)平坦而低陷，受潮汐影響較大。東莞市于1985年撤縣設(shè)市，被國(guó)務(wù)院批準(zhǔn)為珠江三角洲經(jīng)濟(jì)開(kāi)發(fā)區(qū)。目前，全區(qū)總?cè)丝?30萬(wàn)人，其中外來(lái)人口約占77．28%。改革開(kāi)發(fā)以來(lái)，東莞市經(jīng)濟(jì)快速發(fā)展，城市不斷擴(kuò)張，建設(shè)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(kuò)張超過(guò)10倍，大量生態(tài)資源被侵蝕。

本研究數(shù)據(jù)源選取質(zhì)量較好的2010年SPOT5影像及行政區(qū)劃圖。SPOT5地球觀(guān)測(cè)衛(wèi)星于2002年發(fā)射，最高空間分辨率為2．5 m，在繪制地形圖和專(zhuān)題圖等方面應(yīng)用廣泛。在建設(shè)用地自動(dòng)提取模型應(yīng)用之前，對(duì)SPOT5影像進(jìn)行了幾何配準(zhǔn)和幾何糾正等預(yù)處理工作，糾正后的誤差控制在1像元以?xún)?nèi)。研究區(qū)位置及高程分布見(jiàn)圖1。

2 模 型

2.1 譜間閾值指數(shù)模型

1）模型原理。譜間閾值指數(shù)法是提取建設(shè)用地的常用有效方法之一。在建設(shè)用地易被識(shí)別的多波段彩色合成影像上，對(duì)典型地物進(jìn)行光譜采樣，計(jì)算各地物的光譜均值，得到典型地物波譜曲線(xiàn)圖。通過(guò)分析建設(shè)用地的光譜曲線(xiàn)與其他地物光譜曲線(xiàn)的關(guān)系，找出能夠區(qū)分建設(shè)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(shè)置適當(dāng)閾值即可區(qū)分。

圖1 研究區(qū)位置及高程分布（審圖號(hào) GS（2015）2650號(hào)）

譜間閾值指數(shù)法與建筑用地有關(guān)的指數(shù)有歸一化建筑指數(shù)NDBI、土壤調(diào)節(jié)植被指數(shù)SAVI和改進(jìn)的歸一化水體指數(shù)MNDWI。為有利于消除地形差異的影響，通過(guò)比值運(yùn)算，以幾何級(jí)數(shù)進(jìn)一步擴(kuò)大兩者的差距，使所研究的地物在指數(shù)影像上得到最大的亮度增強(qiáng)，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(shè)用地的光譜值MIR＞NIR，即NDBI＞0可提取建設(shè)用地信息。NDBI是查勇等[12]在楊山提出的仿歸一化植被指數(shù)基礎(chǔ)上提出的[13]，可較為準(zhǔn)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(diào)節(jié)因子，該指數(shù)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(guān)測(cè)數(shù)據(jù)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(duì)美國(guó)學(xué)者M(jìn)CFEETERS的水體指數(shù)無(wú)法區(qū)別水體和建筑用地信息的問(wèn)題而創(chuàng)立的。

2）計(jì)算方法。設(shè)定水體和植被閾值，去除水體和植被；設(shè)定建設(shè)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(shè)用地。并根據(jù)外業(yè)核查結(jié)果進(jìn)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(guò)建立光譜的混合模擬模型來(lái)實(shí)現(xiàn)。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(shù)，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(shù)的函數(shù)。本文采用常用的線(xiàn)性光譜混合模型（LSMM）自動(dòng)提取建設(shè)用地。LSMM是指像元在某一光譜波段的反射率是由構(gòu)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(quán)重系數(shù)的線(xiàn)性組合。

式中，Riλ為第λ波段第i像元的光譜反射率；fki為對(duì)應(yīng)i像元的k個(gè)基本組分（endmember）所占的分量值；Ckλ為第k個(gè)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?jǐn)?shù)目，m為可用波段數(shù)，其波段數(shù)應(yīng)大于n，以便利用最小二乘法求解。而評(píng)價(jià)模型用殘差εiλ或均方根誤差RMS表示：

2）計(jì)算方法：①對(duì)SPOT多光譜數(shù)據(jù)進(jìn)行最小噪聲分離，以判斷圖像數(shù)據(jù)維數(shù)、分離數(shù)據(jù)中的噪聲，減少后處理中的計(jì)算量。②提取建設(shè)用地、植被和水體這三類(lèi)端元。將相關(guān)性較小的圖像波段作為x、y軸構(gòu)成二維散點(diǎn)圖。選擇散點(diǎn)圖周?chē)钩霾糠謪^(qū)域，再獲取該區(qū)域相應(yīng)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(lèi)得到建設(shè)用地、植被和水體。④對(duì)提取出的建設(shè)用地進(jìn)行小斑塊去除，得到最終結(jié)果。

2.3 模型綜合

模型結(jié)果直接關(guān)系到本研究中利用遙感技術(shù)監(jiān)測(cè)建設(shè)用地變化的效率，較高的模型精度有利于管理和遏制建設(shè)用地的無(wú)序擴(kuò)展，尤其是及時(shí)、準(zhǔn)確地發(fā)現(xiàn)建設(shè)用地侵蝕生態(tài)資源的現(xiàn)象。考慮到實(shí)際應(yīng)用中針對(duì)模型多提取的建設(shè)用地，可在外業(yè)核查過(guò)程中將其歸為誤提取一類(lèi)。然而模型未提取到的建設(shè)用地往往會(huì)被漏掉，給監(jiān)管帶來(lái)盲點(diǎn)?；诠芾硇枰摹皩幙啥嗵?，不可漏提”的原則，將兩模型各自提取的建設(shè)用地合并（即并集）可進(jìn)一步避免新增建設(shè)用地核實(shí)或查處的遺漏問(wèn)題。

2.4 評(píng)價(jià)方法

模型精度的評(píng)價(jià)與同一影像的目視解譯結(jié)果（作為真值）進(jìn)行對(duì)比。利用面積統(tǒng)計(jì)指標(biāo)、總體精度（OA）、用戶(hù)精度（UA）和Kappa系數(shù)進(jìn)行相似性檢驗(yàn)[15]。其中總體精度是被正確分類(lèi)的像元數(shù)與總像元數(shù)的比值，而用戶(hù)精度是被正確分為某類(lèi)的像元數(shù)與總像元數(shù)的比值（本研究中指對(duì)建設(shè)用地的正確分類(lèi)精度），Kappa系數(shù)利用了誤差矩陣信息，更能準(zhǔn)確反映整體精度?？傮w精度（式7）、用戶(hù)精度和Kappa系數(shù)（式8）越大表明空間相似性越好，Kappa系數(shù)0．6～0．8以上被認(rèn)為有高度的一致性，Kappa系數(shù)0．8以上表示完美的相似[16]。

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

3 結(jié)果分析

譜間閾值指數(shù)分析中，首先得出改進(jìn)的歸一化水體指數(shù)MNDWI、土壤調(diào)節(jié)植被指數(shù)SAVI 和歸一化建筑指數(shù)NDBI 3種指數(shù)的圖像，設(shè)置水體和植被閾值（0．2、0）依次去除水體、植被，設(shè)置建設(shè)用地閾值0．04并利用超過(guò)SAVI 和MNDWI的NDBI值得到建設(shè)用地。其中NDBI值越大表明建設(shè)用地比例越高，其建設(shè)密度越高。SAVI 可減弱樹(shù)冠背景土壤變化對(duì)植被指數(shù)的影響。MNDWI可揭示水體細(xì)微特征，容易區(qū)分陰影和水體，且水體和周?chē)仡?lèi)信息差異顯著；混合像元分解分析中，根據(jù)幾何頂點(diǎn)端元的提取方法，采用ENVI Endmember Collection模塊收集建設(shè)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(diǎn)等差異顯著。通過(guò)設(shè)置水體、植被和建設(shè)用地的端元比例分別對(duì)應(yīng)的閾值0．90、0．45和0．20，依次去除水體和植被，得到建設(shè)用地；模型綜合則將譜間閾值指數(shù)和混合像元分解模型提取的建設(shè)用地取并集，其他為非建設(shè)用地。

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

模型評(píng)價(jià)結(jié)果顯示（表 2），譜間閾值指數(shù)模型的總體精度和Kappa系數(shù)最高，分別為88．36%和0．76，表明譜間閾值指數(shù)模型在提取各類(lèi)用地的整體精確性和一致性方面優(yōu)于混合像元分解模型。以建設(shè)用地為對(duì)象的研究中，混合像元分解模型的用戶(hù)精度（88．85%）優(yōu)于譜間閾值指數(shù)模型（86．08%）。且模型綜合后的用戶(hù)精度得到進(jìn)一步提高，為91．36%，有利于提高監(jiān)測(cè)精度，保障數(shù)據(jù)更新的可靠性和涉嫌違規(guī)建設(shè)用地的及時(shí)查處，可滿(mǎn)足建設(shè)用地及新增建設(shè)用地動(dòng)態(tài)監(jiān)測(cè)與預(yù)警研究的基本需求。

圖2 建設(shè)用地分布

表 1 不同方法對(duì)建設(shè)用地與非建設(shè)用地提取結(jié)果

模型總體精度/%建設(shè)用地精度/%Kappa系數(shù)譜間閾值指數(shù)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(jié) 語(yǔ)

建設(shè)用地監(jiān)測(cè)是遏制城市無(wú)序擴(kuò)張而侵蝕生態(tài)資源的重要技術(shù)保障和管理手段，建設(shè)用地自動(dòng)提取模型的應(yīng)用是快速高效地實(shí)現(xiàn)建設(shè)用地監(jiān)測(cè)的基礎(chǔ)工作，也是深入探索新增建設(shè)用地動(dòng)態(tài)監(jiān)測(cè)與預(yù)警研究的重要基礎(chǔ)支撐。

[1] 劉紀(jì)遠(yuǎn),劉明亮．中國(guó)近期土地利用變化的空間格局分析[J]．中國(guó)科學(xué)：地球科學(xué),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(shí)踐[M]．北京：科學(xué)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(jìn)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(bào),2005,9(5)：589-595

[8] 李軒宇,周衛(wèi)軍,黃利紅,等．基于RS的土地動(dòng)態(tài)監(jiān)測(cè)方法和應(yīng)用[J]．經(jīng)濟(jì)地理,2008,28(4)：671-673

[9] 韓彥偉,馮仕超．基于面向?qū)ο蟮耐恋乩帽O(jiān)測(cè)研究[J]．測(cè)繪通報(bào),2013(S1)：170-173

[10] 胡朝暉,林丹．地震災(zāi)害遙感監(jiān)測(cè)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(shù)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(dòng)提取城鎮(zhèn)用地信息的有效方法[J]．遙感學(xué)報(bào),2003,7(1)： 37-40

[13] 楊山．發(fā)達(dá)地區(qū)城鄉(xiāng)聚落形態(tài)的信息提取與分形研究：以無(wú)錫市為例[J]．地理學(xué)報(bào),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(hào)：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(guī)劃的研究與應(yīng)用工作。

2016-03-02。

項(xiàng)目來(lái)源：國(guó)家重點(diǎn)基礎(chǔ)研究發(fā)展計(jì)劃資助項(xiàng)目（2011CB707103）；寶雞文理學(xué)院博士啟動(dòng)費(fèi)資助項(xiàng)目（ZK16065）。