基于Landsat8數(shù)據(jù)和“珞珈一號(hào)”夜光數(shù)據(jù)的合肥建成區(qū)提取

李 強(qiáng)，吳慶雙，周 華，張伯琦，李 俊，藺陸洲

(1.安徽師范大學(xué) 地理與旅游學(xué)院，安徽 蕪湖 241003；2.全圖通位置網(wǎng)絡(luò)有限公司，北京 100716；3.武漢吉威空間信息技術(shù)研究院，湖北 武漢 430000)

中國(guó)目前正處于城市化高速發(fā)展時(shí)期，建成區(qū)范圍作為城市化的重要指標(biāo)之一，直接反映一個(gè)城市的經(jīng)濟(jì)、社會(huì)、文化、科技發(fā)展水平，同時(shí)也對(duì)局地氣候、生態(tài)環(huán)境等一系列自然因素產(chǎn)生顯著的影響。因此，獲取準(zhǔn)確的建成區(qū)對(duì)城市的區(qū)域規(guī)劃、管理、經(jīng)濟(jì)發(fā)展具有指導(dǎo)意義。合肥市作為安徽省省會(huì)，正處于城市化快速發(fā)展階段，從建設(shè)國(guó)家綜合性科學(xué)中心到融入長(zhǎng)三角一體化高質(zhì)量發(fā)展過(guò)程中，合肥市的城市建設(shè)有了長(zhǎng)足的發(fā)展。但是，如果要進(jìn)一步加快合肥城市化進(jìn)程，應(yīng)對(duì)城市化過(guò)程中存在的問(wèn)題，實(shí)現(xiàn)合肥市“大湖名城，創(chuàng)新高地”的宏偉目標(biāo)，了解合肥市建成區(qū)的范圍具有重大意義。

當(dāng)前，運(yùn)用遙感技術(shù)進(jìn)行建成區(qū)提取的方法，總體上可以分為以下三種。

第一種是根據(jù)高分辨衛(wèi)星影像(主要是Landsat系列影像)的光譜信息和紋理特征進(jìn)行圖像分類(lèi)提取建成區(qū)：溫奇通過(guò)分析高分辨率遙感影像中平原建成區(qū)的紋理特征和局部關(guān)鍵點(diǎn)特征,提出了基于多核學(xué)習(xí)、多尺度分割以及多假設(shè)投票的平原建成區(qū)提取方法[1]；胡德勇等采用監(jiān)督分類(lèi)、非監(jiān)督分類(lèi)和歸一化裸露指數(shù)(NDBI)等方法提取城市用地信息[2]；馬生清在Landsat8遙感影像融合的基礎(chǔ)上對(duì)建成區(qū)進(jìn)行提取[3]。雖然在提取算法和波段處理過(guò)程中不斷提高圖像分類(lèi)的精度，但是由于裸地及部分地物的光譜特征與建成區(qū)極為相似，在進(jìn)行圖像分類(lèi)過(guò)程中，難免會(huì)被分類(lèi)為建成區(qū)。

第二種是運(yùn)用美國(guó)DMSP衛(wèi)星的OLS傳感器獲取的夜光數(shù)據(jù)作為主要數(shù)據(jù)源，通過(guò)一系列不同的方法獲取精確閾值，根據(jù)閾值進(jìn)行二值化提取建成區(qū)：Imhoff提出的突變檢測(cè)法，即隨著燈光閾值的增加，在達(dá)到某個(gè)閾值時(shí)，高亮區(qū)域的邊長(zhǎng)會(huì)發(fā)現(xiàn)突變，把此時(shí)閾值作為最佳閾值，進(jìn)行二值化，提取建成區(qū)[4]；蘇泳嫻等基于DMSP/OLS數(shù)據(jù)采用鄰域分析法進(jìn)行了建成區(qū)的提取[5]；王海軍等基于DMSP/OLS數(shù)據(jù)采用圖像識(shí)別、分割等方法對(duì)成渝地區(qū)城市化進(jìn)行檢測(cè)[6]，相較于第一種方法，由于建成區(qū)和裸地在夜光數(shù)據(jù)上的亮度值存在明顯的差異，可較為高效地排除裸地等地物對(duì)于建成區(qū)提取的影響，但是DMSP/OLS夜光數(shù)據(jù)的空間分辨率只有1km，同時(shí)夜光數(shù)據(jù)存在外溢效果，使得提取的建成區(qū)有較大誤差。

第三種方法則是結(jié)合夜光數(shù)據(jù)和高分辨的多源遙感數(shù)據(jù)進(jìn)行建成區(qū)提取：Cao等采用支持向量機(jī)的區(qū)域生長(zhǎng)算法，結(jié)合DMSP/OLS夜間燈光數(shù)和SPOT NDVI產(chǎn)品提取了中國(guó)東部2000年25個(gè)城鎮(zhèn)的建成區(qū)[7]；柴寶惠等利用DMSP/OLS數(shù)據(jù)采用閾值法確定建成區(qū)的大致范圍，再在該范圍內(nèi)對(duì)Landsat影像進(jìn)行分類(lèi)，得到天津市的建成區(qū)分布[8]；王若曦等對(duì)Landsat數(shù)據(jù)進(jìn)行監(jiān)督分類(lèi)完成建成區(qū)初步提取，對(duì)DMSP/OLS影像進(jìn)行形態(tài)學(xué)運(yùn)算，運(yùn)用得到的閾值提取建成區(qū)[9]；劉建良等以福州市為例對(duì)閾值法、突變檢測(cè)、VAUNI指數(shù)法、基于輔助指數(shù)法的空間比較法等提取建成區(qū)的方法進(jìn)行對(duì)比分析[10]。利用夜光數(shù)據(jù)去除裸地，再用高分辨率衛(wèi)星提高精度，這種結(jié)合多種數(shù)據(jù)源的方法大大提升了提取建成區(qū)的精度。

本文以合肥市作為研究區(qū)域，以“珞珈一號(hào)”夜光數(shù)據(jù)、Landsat8數(shù)據(jù)為主要數(shù)據(jù)源，通過(guò)多源數(shù)據(jù)融合的方式提取建成區(qū)，主要有以下幾個(gè)創(chuàng)新點(diǎn)：

(1)采用國(guó)產(chǎn)的“珞珈一號(hào)”夜光數(shù)據(jù)代替國(guó)外的DMSP/OLS和NPP/VIIRS夜光數(shù)據(jù)進(jìn)行建成區(qū)提取，“珞珈一號(hào)”夜光數(shù)據(jù)相比前者具有巨大優(yōu)勢(shì)，大大提高了提取的精度；

(2)在對(duì)Landsat8影像采用“三指數(shù)法”壓縮數(shù)據(jù)維，減少數(shù)據(jù)冗余的過(guò)程中，根據(jù)實(shí)際建成區(qū)的特征，采用了不同以往的三個(gè)指數(shù)。

1 研究區(qū)及數(shù)據(jù)

1.1 研究區(qū)

安徽省省會(huì)合肥市，位于安徽省正中部，長(zhǎng)江淮河之間、巢湖之濱，具有承東啟西、貫通南北的重要區(qū)位優(yōu)勢(shì)，是國(guó)家級(jí)皖江城市帶承接產(chǎn)業(yè)轉(zhuǎn)移示范區(qū)核心城市、長(zhǎng)三角城市經(jīng)濟(jì)協(xié)調(diào)會(huì)城市[11]，同時(shí)也是安徽的政治、經(jīng)濟(jì)、文化、信息、交通、金融和商貿(mào)中心。近些年，合肥經(jīng)濟(jì)迅速發(fā)展，也從不同程度上刺激著建成區(qū)的不斷擴(kuò)張。圖1為合肥市地理區(qū)位圖。

圖1 合肥市地理區(qū)位圖Fig.1 Geographical location map of Hefei

1.2 “珞珈一號(hào)”夜光數(shù)據(jù)

世界上第一顆夜光衛(wèi)星是美國(guó)國(guó)防部發(fā)射的DMSP/OLS衛(wèi)星，可獲得1992—2013年空間分辨率1km的年度夜光數(shù)據(jù)；2011年，在NPP/VIIRS衛(wèi)星發(fā)射成功后，可以獲得2013年后的空間分辨率500米的月度夜光數(shù)據(jù)。但是隨著國(guó)內(nèi)外對(duì)夜光數(shù)據(jù)研究的不斷深入，獲取更高空間分辨率和時(shí)間分辨率的夜光數(shù)據(jù)顯得尤為重要，同時(shí)為了擺脫我國(guó)對(duì)夜光數(shù)據(jù)源過(guò)于依賴國(guó)外的局面，中國(guó)于2018年6月成功發(fā)射了我國(guó)第一顆專(zhuān)業(yè)夜光遙感衛(wèi)星——“珞珈一號(hào)”。其數(shù)據(jù)的空間分辨率相較于前面兩款夜光數(shù)據(jù)有了較大的提升，可達(dá)到130米，表明“珞珈一號(hào)”可以捕捉到更為細(xì)微的夜光空間信息。在時(shí)間分辨率上，“珞珈一號(hào)”理論上15天就可以獲得全球的一期夜光數(shù)據(jù)[12]。是目前研究地表人類(lèi)活動(dòng)、社會(huì)經(jīng)濟(jì)參量估算、城市監(jiān)測(cè)等社會(huì)熱點(diǎn)問(wèn)題的重要數(shù)據(jù)源?！扮箸煲惶?hào)”衛(wèi)星參數(shù)見(jiàn)表1。

表1 “珞珈一號(hào)”衛(wèi)星參數(shù)Table 1 Parameters of luojia-1 satellite

1.3 Landsat8衛(wèi)星數(shù)據(jù)

1972年以來(lái)，美國(guó)NASA陸地衛(wèi)星計(jì)劃已經(jīng)發(fā)射了8顆衛(wèi)星，Landsat8作為第八顆發(fā)射的衛(wèi)星于2013年2月成功升空，衛(wèi)星高度705千米，周期為16天，衛(wèi)星上搭載的OLI陸地成像儀包含9個(gè)波段，在可見(jiàn)光波段的空間分辨率為30米，全色波段分辨率可達(dá)到15米。目前廣泛運(yùn)用于生態(tài)環(huán)境監(jiān)測(cè)、土地利用變化、城市熱島效應(yīng)等領(lǐng)域。表2是Landsat8波段介紹。

表2 Landsat8波段介紹Table 2 Introduction of Landsat8 bands

2 基本方法

本文的總體流程分為三個(gè)部分：第一部分是根據(jù)Landsat8的光譜特征和紋理特征獲取建成區(qū)分類(lèi)圖，對(duì)Landsat8中第2、3、4、5、6、7(即Blue、Green、Red、NIR、SWIR1、SWIR2)波段與自身的第8(即Pan)波段進(jìn)行Gram-Schmidt變換(以下簡(jiǎn)稱GS變換)，獲得6個(gè)空間分辨率為15米的全新波段。對(duì)新形成的波段進(jìn)行波段計(jì)算，獲取土壤調(diào)節(jié)植被指數(shù)(SAVI),改進(jìn)的歸一化差異水體指數(shù)(MNDWI)和改進(jìn)歸一化裸露指數(shù)(MNDBI)這三指數(shù)波段，分別代表合肥主要的土地覆蓋類(lèi)型：植被、水體和建成區(qū)，并對(duì)三個(gè)波段合并后的影像進(jìn)行監(jiān)督分類(lèi)，獲得建成區(qū)分類(lèi)圖。第二部分是根據(jù)統(tǒng)計(jì)年鑒數(shù)據(jù)對(duì)“珞珈一號(hào)”進(jìn)行二分迭代，獲取最佳閾值，并對(duì)夜光數(shù)據(jù)進(jìn)行二值化處理獲取建成區(qū)范圍。第三部分則是對(duì)建成區(qū)范圍和建成區(qū)分類(lèi)圖進(jìn)行決策級(jí)上的遙感融合，運(yùn)用夜光數(shù)據(jù)提取的建成區(qū)范圍去裁剪建成區(qū)分類(lèi)圖獲取最終建成區(qū)，具體流程圖見(jiàn)圖2。

圖2 總體流程圖

2.1 “三指數(shù)法”提取建成區(qū)

波段代數(shù)運(yùn)算是遙感影像處理中常用的一種方法，根據(jù)地物在不同波段的灰度差異，通過(guò)不同波段的代數(shù)運(yùn)算產(chǎn)生新的“波段”，用于突出特定的地物類(lèi)型。植被、水體、建成區(qū)作為地表的主要地物，相關(guān)學(xué)者根據(jù)NDXI模型分別構(gòu)建了歸一化植被指數(shù)(Normalized Difference Vegetation Index,NDVI)、歸一化水體指數(shù)(Normalized Difference Water Index,NDWI)、歸一化建筑物指數(shù)(Normalized Difference Build-up Index,NDBI)代表植被、水體和建成區(qū)，其中裸地因?yàn)槊娣e所占比重相對(duì)其他三種地物較少，且光譜特征與建成區(qū)相似，往往會(huì)被劃分到建成區(qū)中。本文在結(jié)合前人理論和建成區(qū)內(nèi)主要地物類(lèi)型的光譜特征基礎(chǔ)上，采用土壤調(diào)節(jié)植被指數(shù)(SAVI)、改進(jìn)的歸一化差異水體指數(shù)(MNDWI)和改進(jìn)的歸一化裸露指數(shù)(MNDBI)代表上述三類(lèi)地物。

2.1.1 土壤調(diào)節(jié)植被指數(shù)(SAVI) 植被在可見(jiàn)光波段中對(duì)光的吸收明顯，尤其是在紅波段，同時(shí)在近紅外波段又具有強(qiáng)烈的反射效果，利用兩個(gè)波段上的巨大反差，學(xué)者提出NDVI指數(shù)代表植被，但是NDVI指數(shù)對(duì)于土壤背景變化較為敏感，只適用于高植被覆蓋度地區(qū)，因此Huete根據(jù)歸一化植被指數(shù)(NDVI)的原理提出了土壤調(diào)節(jié)植被指數(shù)(SAVI)[13]，其探測(cè)植被覆蓋率的下限可低至15%。合肥市正處于大發(fā)展時(shí)期，城市周邊大片拆遷和待開(kāi)發(fā)區(qū)，建成區(qū)邊緣地區(qū)的植被覆蓋率較低，采用SAVI代表植被更具合理性,其計(jì)算公式為

SAVI=[(NIR-Red)*(1+L)]/(NIR+Red+L)

(1)

其中L介于0到1之間,通常取0.5，因而本文采用下面的公式來(lái)代表植被:

SAVI=[(NIR-Red)*1.5]/(NIR+Red+0.5)

(2)

其中Red和NIR分別為OLI的第4波段(紅光波段)和第5波段(近紅外波段)。

2.1.2 改進(jìn)的歸一化差異水體指數(shù)(MNDWI) 水體的反射率從可見(jiàn)光波段到短波紅外2波段的過(guò)程中會(huì)不斷地減弱，Mcfeeters根據(jù)NDVI指數(shù)的原理提出了歸一化水體指數(shù)NDWI[14]，但是用NDWI提取有較多建筑物為背景的水體過(guò)程中，往往會(huì)把建筑物混為水體，使得水體的范圍有所擴(kuò)大，因此徐涵秋提出改進(jìn)的歸一化差異水體指數(shù)MNDWI，并且通過(guò)大量實(shí)驗(yàn)表明MNDWI在提取建成區(qū)內(nèi)部水體過(guò)程中有其獨(dú)特優(yōu)勢(shì)[15]，合肥市主城區(qū)瀕臨巢湖，城市內(nèi)部也有多處水體，采用MNDWI代表水體可以有效地減少建成區(qū)被劃分為水體的情況，其計(jì)算公式為

MNDWI=(Green-SWIR1)/(Green+SWIR1)

(3)

其中Green和SWIR1分別為OLI的第3波段(綠光波段)和第6波段(短波紅外1波段)。

2.1.3 改進(jìn)歸一化裸露指數(shù)(MNDBI) 采用改進(jìn)歸一化裸露指數(shù)MNDBI代表建成區(qū)，通過(guò)藍(lán)光波段和短波紅外2波段進(jìn)行歸一化計(jì)算后得到的波段，僅裸露地表(建成區(qū)和裸地)結(jié)果為正值，其余地物覆蓋類(lèi)型均為負(fù)值[16]，采用該指數(shù)可大大增加建成區(qū)與其余地物的區(qū)分度，雖然裸地會(huì)被突出，但整體面積較少，且后期采用夜光數(shù)據(jù)去除，其計(jì)算公式為

MNDBI=(SWIR2-Blue)/(SWIR2+Blue)

(4)

其中Blue和SWIR2分別為OLI的第2波段(藍(lán)光波段)和第7波段(短波紅外2波段)。

上述的三指數(shù)波段，分別表示研究區(qū)主要的土地覆蓋類(lèi)型:植被、水體、建成區(qū)，對(duì)上述獲得的三個(gè)波段進(jìn)行合成，對(duì)合成后的圖像進(jìn)行監(jiān)督分類(lèi)獲取建成區(qū)分類(lèi)圖。

2.2 二分迭代法提取粗略建成區(qū) 如何獲取夜光數(shù)據(jù)的最佳閾值，一直是運(yùn)用夜光數(shù)據(jù)提取建成區(qū)的難點(diǎn)和重點(diǎn)，前人提出了突變檢測(cè)法、經(jīng)驗(yàn)閾值法、較高分辨率數(shù)據(jù)比較法等多種方法，這些方法都各自有其局限性，突變檢測(cè)法沒(méi)有考慮城鎮(zhèn)發(fā)展的區(qū)域差異性，而后兩種方法則主觀性很強(qiáng)，不同的人獲得的結(jié)果往往是不同的。本文采用了二分迭代的方法獲取最佳閾值[17]，具體步驟如下：

第一步，獲得提取建成區(qū)域夜光數(shù)據(jù)的最大DN值DNmax和最小DN值DNmin，并對(duì)其求均值：

DNt=int [(DNmax+DNmin)/2]

(5)

如果DNt=DNmax，則認(rèn)為DNt為最佳閾值，如果不滿足條件，把此時(shí)的DNt作為參數(shù)傳入下一步。

第二步，根據(jù)提供的DNt對(duì)夜光數(shù)據(jù)進(jìn)行二值化，提取此時(shí)與統(tǒng)計(jì)年鑒上規(guī)定區(qū)域相對(duì)應(yīng)的高亮區(qū)域作為建成區(qū)，計(jì)算出其面積area，并與統(tǒng)計(jì)年鑒上的建成區(qū)面積AREA進(jìn)行對(duì)比，如果

|area-AREA|≤0.01*AREA

(6)

則認(rèn)為此時(shí)的DNt為最佳閾值，如果不滿足條件進(jìn)行下一步。

第三步，判斷area和AREA值的大小。如果area

獲得最佳閾值后，對(duì)影像進(jìn)行二值化，獲取夜光數(shù)據(jù)高亮區(qū)域邊界。此時(shí)存在兩個(gè)主要問(wèn)題：一是周邊類(lèi)似巢湖市(合肥市下屬地級(jí)市)等地也會(huì)被提取出，其與主城區(qū)并不相連，應(yīng)該去除；二是由于夜光數(shù)據(jù)對(duì)于微弱燈光的捕捉效果較好，使得延伸出建成區(qū)外部的道路由于路燈的原因被提取出，也需要去除。經(jīng)過(guò)相應(yīng)處理后，得到粗略的建成區(qū)邊界。

3 實(shí)驗(yàn)與評(píng)價(jià)

3.1 運(yùn)用GS變換后的“三指數(shù)法”提取建成區(qū)結(jié)果評(píng)價(jià)

分別對(duì)Landsat8原始影像、GS變換影像、GS變換后的“三指數(shù)法”影像進(jìn)行監(jiān)督分類(lèi)，得到圖3的建成區(qū)分類(lèi)圖，三幅影像圖主城區(qū)周邊都存在許多零碎的斑點(diǎn)，在與Google高清影像進(jìn)行對(duì)比后，可以確認(rèn)大部分為土壤虛警。與第一幅原始數(shù)據(jù)的監(jiān)督分類(lèi)影像圖相比，后兩幅進(jìn)行GS變換后的分類(lèi)影像中建成區(qū)集中于主城區(qū)部分，建成區(qū)的總體輪廓也更為清晰，土壤虛警也較少。后兩幅影像從整體上并沒(méi)有多大差別，但是仔細(xì)對(duì)比能發(fā)現(xiàn)運(yùn)用“三指數(shù)法”的分類(lèi)影像圖中，由于采用MNDBI指數(shù)代表建成區(qū)，增大了裸地和建成區(qū)的區(qū)分度，主城區(qū)周邊的土壤虛警率大大降低。

圖3 Landsat8不同處理方法建成區(qū)分類(lèi)圖

在對(duì)三幅影像進(jìn)行分類(lèi)精度評(píng)價(jià)過(guò)程中，原始影像分類(lèi)的精度最低(總體精度75.95%，Kappa系數(shù)0.5125)，GS變化后精度明顯提高(總體精度87.28%，Kappa系數(shù)0.7450)，但還是低于GS變化的“三指數(shù)法”精度(總體精度93.39%，Kappa系數(shù)0.8670)，詳細(xì)的分類(lèi)精度情況見(jiàn)表2。

3.2 運(yùn)用“珞珈一號(hào)”夜光數(shù)據(jù)提取粗略建成區(qū)邊界結(jié)果評(píng)價(jià)

為了更好地展現(xiàn)“珞珈一號(hào)”夜光數(shù)據(jù)提取建成區(qū)的優(yōu)勢(shì)，我們分別對(duì)NPP/VIIRS夜光數(shù)據(jù)和“珞珈一號(hào)”夜光數(shù)據(jù)采用二分迭代法獲取合肥粗略建成區(qū)。由于缺少2018年的DMSP/OLS夜光數(shù)據(jù)，且前人經(jīng)常使用的DMSP/OLS夜光數(shù)據(jù)完全沒(méi)有優(yōu)勢(shì)，因此并未采用該數(shù)據(jù)進(jìn)行建成區(qū)邊界提取效果進(jìn)行對(duì)比。通過(guò)查閱《中國(guó)建設(shè)統(tǒng)計(jì)年鑒》，得到合肥市2018年建成區(qū)面積為460km2(統(tǒng)計(jì)范圍僅為合肥市瑤海區(qū)、廬陽(yáng)區(qū)、蜀山區(qū)(含小廟鎮(zhèn))、包河區(qū)、高新區(qū)、 經(jīng)開(kāi)區(qū)(含高劉鎮(zhèn))、新站區(qū)、政務(wù)區(qū))，在此數(shù)據(jù)基礎(chǔ)上分別對(duì)合肥市2018年NPP/VIIRS和“珞珈一號(hào)”夜光數(shù)據(jù)進(jìn)行二分迭代，NPP/VIIRS夜光數(shù)據(jù)在8次迭代后確認(rèn)最佳閾值是19，“珞珈一號(hào)”夜光數(shù)據(jù)通過(guò)10次迭代得到最佳閾值是14359，根據(jù)閾值提取粗略建成區(qū)邊界。

圖4是兩種夜光數(shù)據(jù)提取邊界效果比對(duì)圖，“珞珈一號(hào)”夜光數(shù)據(jù)提取的建成區(qū)邊界與建成區(qū)分類(lèi)圖匹配效果更好，兩者的高度匹配性，也從一定程度達(dá)到了相互論證的效果，證明建成區(qū)分類(lèi)圖和建成區(qū)邊界提取的正確性。

圖4 不同夜光數(shù)據(jù)提取邊界效果比對(duì)圖

3.3 多源數(shù)據(jù)融合的效果評(píng)價(jià)

從監(jiān)督分類(lèi)的影像中可以發(fā)現(xiàn)許多非主城區(qū)的地區(qū)也被劃分為建成區(qū)，而建成區(qū)是指城市行政區(qū)內(nèi)實(shí)際已成片開(kāi)發(fā)建設(shè)、市政公用設(shè)施和公共設(shè)施基本具備的地區(qū)，因此合肥市下屬四縣一市的建成區(qū)應(yīng)去除。同時(shí)使用“三指數(shù)法”提取建成區(qū)時(shí)，雖然選取指數(shù)時(shí)盡可能地加大了裸地及相關(guān)地物與建成區(qū)的區(qū)分度，但是從圖5中b圖可發(fā)現(xiàn)仍存在把城市外部的部分裸地、農(nóng)田(可能是大棚種植區(qū))等區(qū)域劃分為建成區(qū)的現(xiàn)象。用建成區(qū)邊界去裁剪建成區(qū)分類(lèi)圖獲得建成區(qū)，一方面，可去除四縣一市的建成區(qū)，同時(shí)也去除了部分錯(cuò)分區(qū)域。這種結(jié)合多源數(shù)據(jù)獲得的建成區(qū)(d圖)相較于單純使用“珞珈一號(hào)”夜光數(shù)據(jù)獲取的建成區(qū)(c圖)，分辨率提升了近8倍，在建成區(qū)內(nèi)部，夜光數(shù)據(jù)由于分辨率和夜光外溢效果無(wú)法表現(xiàn)的細(xì)節(jié)信息能夠得以表達(dá)。表3是詳細(xì)精度分類(lèi)表，建成區(qū)分類(lèi)精度(總體精度95.10%，Kappa系數(shù)0.9011)有所提高。

表3 建成區(qū)分類(lèi)精度評(píng)價(jià)Table 3 Classification accuracy evaluation of built-up area

圖5 多源遙感數(shù)據(jù)的效果對(duì)比圖

表4 結(jié)合多源數(shù)據(jù)提取建成區(qū)分類(lèi)精度評(píng)價(jià)

4 結(jié)論

基于Landsat8和“珞珈一號(hào)”夜光數(shù)據(jù)的建成區(qū)提取過(guò)程中對(duì)Landsat8數(shù)據(jù)進(jìn)行Gram-Schmidt變換和“三指數(shù)法”等操作獲取建成區(qū)分類(lèi)圖，并使用夜光數(shù)據(jù)去除其中裸地等地物，經(jīng)過(guò)相關(guān)處理得到圖6(合肥市最終建成區(qū))，這種結(jié)合多源數(shù)據(jù)的方式，大大提高了建成區(qū)提取的精度。相較于以前的方式，主要價(jià)值有以下幾點(diǎn)。

圖6 合肥市最終建成區(qū)Fig.6 Final built-up area of Hefei

(1)在夜光數(shù)據(jù)的選擇上，采用國(guó)產(chǎn)的“珞珈一號(hào)”夜光數(shù)據(jù)，通過(guò)實(shí)驗(yàn)表明，“珞珈一號(hào)”夜光數(shù)據(jù)在建成區(qū)提取過(guò)程中明顯優(yōu)于國(guó)外的夜光數(shù)據(jù)，可以很有效地去除建成區(qū)周邊裸地等地物。

(2)在“三指數(shù)法”的指數(shù)選擇上，充分考慮建成區(qū)與植被、水體、裸地的區(qū)別，采用SAVI、MNDBWI、MNDBI代表植被、水體和建成區(qū)，并通過(guò)實(shí)驗(yàn)證明，選擇這三種指數(shù)可大大提高分類(lèi)精度。

(3)運(yùn)用130米空間分辨率的夜光數(shù)據(jù)去除裸地，對(duì)于建成區(qū)內(nèi)部由于分辨率和夜光數(shù)據(jù)外溢效果不能表現(xiàn)的細(xì)節(jié)信息，采用15米空間分辨率的Landsat8數(shù)據(jù)突出表現(xiàn)，結(jié)合兩種數(shù)據(jù)的優(yōu)勢(shì)獲取建成區(qū)的方式是可行的，也是可取的。