夜間燈光融合多源數(shù)據(jù)的建成區(qū)提取方法

王曉艷，李成名，陳憲冬，戴昭鑫

(1.西安科技大學(xué)，西安 710054；2.中國測繪科學(xué)研究院，北京 100036)

0 引言

夜間燈光影像作為一種客觀、實(shí)時捕捉夜間地表微弱燈光輻射并進(jìn)行記錄的遙感數(shù)據(jù)源，更多的是反映人類社會活動，大尺度、長時間序列的觀測能力對自然以及社會規(guī)律的數(shù)據(jù)挖掘提供有力的基礎(chǔ)[1]。目前，夜間燈光影像被廣泛用于社會經(jīng)濟(jì)參數(shù)估算[2-3]、城鎮(zhèn)化監(jiān)測與評估[4]、重大事件評估[5]、漁業(yè)監(jiān)測等[6]諸多研究領(lǐng)域。

城市建成區(qū)準(zhǔn)確的空間范圍變化對于檢測城市化進(jìn)程、分析城市發(fā)展驅(qū)動力以及城市化進(jìn)程對于環(huán)境影響至關(guān)重要。對于城市建成區(qū)的發(fā)展往往忽視了城市中實(shí)際功能的聯(lián)系，使得城市的空間范圍被盲目擴(kuò)大[7]。如何準(zhǔn)確快速地獲取建成區(qū)范圍一直是遙感、城市規(guī)劃等諸多領(lǐng)域研究的熱點(diǎn)問題。美國國防部開展國防氣象衛(wèi)星計(jì)劃(defense meteorological satellite program，DMSP)，搭載了線性掃描業(yè)務(wù)系統(tǒng)(operational linescan system，OLS)，獲取的DMSP/OLS傳感器的燈光數(shù)據(jù)已被廣泛應(yīng)用于城市建成區(qū)擴(kuò)展動態(tài)監(jiān)測，建成區(qū)提取的方法主要有經(jīng)驗(yàn)閾值、突變檢測法、輔助資料比較法[8]，但是受OLS傳感器本身缺陷的限制，在燈光強(qiáng)度大的城市中心會出現(xiàn)燈光飽和現(xiàn)象，無法表達(dá)城市中心內(nèi)部燈光強(qiáng)度差異，從而影響建成區(qū)提取的精度。

將較高分辨率的數(shù)據(jù)運(yùn)用到夜間燈光去飽和校正中，提高建成區(qū)的提取精度成為學(xué)者們研究的重點(diǎn)。例如，將高分辨遙感影像與夜間燈光影像獲取的邊界進(jìn)行加權(quán)融合，以生成高精度的最終城區(qū)邊界[9]；采用將夜間燈光數(shù)據(jù)與歸一化植被指數(shù)(normalized differential vegetation index，NDVI)和地表溫度數(shù)據(jù)整合后采用支持向量機(jī)(support vector machine，SVM)進(jìn)行城市建設(shè)用地的提取[10-11]；引入各種自然因素如NDVI、歸一化城市區(qū)域合成指數(shù)(normalized urban area composite index，NUACI)去飽和提取建成區(qū)的方法[12-13]。上述方法雖然在一定程度上改善了燈光飽和效應(yīng)，但是也相應(yīng)地存在一些問題。多源數(shù)據(jù)邊界融合的方法，在建成區(qū)與裸土地交錯分布的城市邊緣地帶，高分辨率影像中具有相似的光譜特征，難以區(qū)分；SVM分類方法存在很大的主觀性，結(jié)果的可靠性依賴于訓(xùn)練樣本選擇的準(zhǔn)確性，并且相對而言SVM分類法比較耗時耗力；引入自然因素(NDVI、NUACI)去飽和方法，例如NDVI數(shù)據(jù)在覆蓋率較高的區(qū)域靈敏度降低，不能很好地展示區(qū)域內(nèi)部植被覆蓋的差異等。夜間燈光數(shù)據(jù)更多反映的是人類社會活動，自然因素指標(biāo)去飽和結(jié)果存在一定偏差，所以有些學(xué)者引入社會因素，來提高夜間燈光數(shù)據(jù)在空間表達(dá)上的準(zhǔn)確性。

鄭子豪等[14]利用地理探測器對NDVI、EVI和單元路網(wǎng)長度(unit network length，UNL)進(jìn)行因子探測，提出了一種基于UNL的去飽和算法。劉效江等[15]將增強(qiáng)植被指數(shù)(enhanced vegetation index，EVI)作輔助數(shù)據(jù)引入路網(wǎng)和建筑物信息，提出了一種基于燈光貢獻(xiàn)的綜合指數(shù)去飽和方法。NPP/VIIRS夜間燈光數(shù)據(jù)具有更高的空間分辨率，彌補(bǔ)了DMSP/OLS分辨率低、燈光溢出的短板，使得夜間燈光數(shù)據(jù)的應(yīng)用更加廣泛。大數(shù)據(jù)的快速發(fā)展帶動了其在地學(xué)領(lǐng)域的應(yīng)用，興趣點(diǎn)(point of interest，POI)獲取成本低、處理方法簡單、具有精確的位置和屬性信息，在建筑物功能識別[16]、城市功能區(qū)劃分[17]、城市邊界劃定[18]方面應(yīng)用較為廣泛。利用POI核密度方法識別城市中心及在一定程度上提取建成區(qū)范圍，隨著方法深入研究，不少研究將夜間燈光與POI結(jié)合[19-22]，對城市群及城市建成區(qū)提取進(jìn)行研究，但是對于夜間燈光結(jié)合POI與路網(wǎng)雙重因素的研究較少。本文遵循建成區(qū)分布與植被指數(shù)EVI呈負(fù)相關(guān)的變化趨勢，夜間燈光與人類社會活動強(qiáng)度的相關(guān)性，融合POI的空間屬性信息以及路網(wǎng)刻畫的內(nèi)部結(jié)構(gòu)布局，構(gòu)建修正燈光指數(shù)，增強(qiáng)區(qū)域內(nèi)部燈光強(qiáng)度差異、消除背景噪聲及異常值。利用閾值二分法提取建成區(qū)范圍，并對提取的結(jié)果進(jìn)行綜合評價。

1 實(shí)驗(yàn)區(qū)概況、數(shù)據(jù)源及處理

1.1 實(shí)驗(yàn)區(qū)概況

東營市位于山東省東北部黃河入?？?，東臨渤海，北部靠近京津冀地區(qū)，是黃河三角洲的中心城市，由東營區(qū)、墾利區(qū)、河口區(qū)三區(qū)和廣饒縣、利津縣兩縣組成，總面積8 243 km2。依據(jù)2011年城市空間布局規(guī)劃，形成“兩核五片區(qū)，兩橫兩縱多中心的格局”，以黃河路和廣利河為橫向串聯(lián)，西四路和東二路為南北向聯(lián)系帶，引導(dǎo)城市功能區(qū)聚集，優(yōu)化城市空間結(jié)構(gòu)，促進(jìn)城市健康和可持續(xù)發(fā)展[23]。研究區(qū)各要素如圖1所示。

注：該圖基于自然資源部標(biāo)準(zhǔn)地圖服務(wù)下載的審圖號為GS(2019)3333號的標(biāo)準(zhǔn)地圖制作，底圖無修改。

1.2 數(shù)據(jù)源及處理

本文使用數(shù)據(jù)包括夜間燈光數(shù)據(jù)、EVI數(shù)據(jù)、POI數(shù)據(jù)、路網(wǎng)數(shù)據(jù)、參考建成區(qū)邊界數(shù)據(jù)(表1)。

表1 數(shù)據(jù)源及屬性描述

NPP/VIIRS夜間燈光數(shù)據(jù)來源于美國國家海洋和大氣管理局(NOAA/NGDC)，空間分辨率為15″，光譜范圍0.5～0.9 μm，DN值的單位為nW·cm-2·sr-1。由于在夏季、北半球、中高緯度地區(qū)夜間燈光存在失真現(xiàn)象，本文選取研究區(qū)2018年1—3月、9—12月七期燈光數(shù)據(jù)合成年度燈光數(shù)據(jù)作為基礎(chǔ)研究數(shù)據(jù)。

(1)

式中：DNi是i月對應(yīng)的燈光亮度值；DNj是年度合成平均燈光亮度值。NPP/VIIRS相對于DMSP/OLS具有更高的空間分辨率以及微光探測能力[24]，存在火光、漁船等短暫光源以及河流湖泊反射光的干擾，需要對負(fù)值以及異常值像元校正。將像元大小重采樣至500 m×500 m，將DN值為負(fù)的像元賦值為0，消除負(fù)值。此時仍存在一些異常值，選取北京、上海、廣州三個中國最發(fā)達(dá)地區(qū)像元亮度最大值作為最大閾值，從理論上講，其他地區(qū)的輻射亮度值都不應(yīng)大于這三個城市，大于此閾值的像元視為異常值，其原理為：將此像元值賦值為其周圍八個像元的最大值，經(jīng)過處理后，所有的NPP/VIIRS柵格像素值均小于最大值。

EVI數(shù)據(jù)來自于全球MOD13A1數(shù)據(jù)，提供每16天為周期的500 m分辨率的三級正弦投影產(chǎn)品。選取2018年植被旺盛的季節(jié)[25]即6—9月份，將EVI<0的像元(大都為水體及水體和植被混雜的像元)用0代替，對數(shù)據(jù)進(jìn)行均值合成，利用USGS ERODS數(shù)據(jù)中心開發(fā)MODIS投影工具(MODIS reprojection tool，MRT)軟件對MODIS數(shù)據(jù)進(jìn)行EVI的提取，投影到Albers投影坐標(biāo)系統(tǒng)下。在ArcGIS 10.2中對EVI數(shù)據(jù)進(jìn)行均值合成，平均值法使數(shù)據(jù)受極端值影響較小、結(jié)果較為穩(wěn)定，能夠降低EVI對于修正指數(shù)的敏感度，再運(yùn)用研究區(qū)矢量邊界裁剪得到東營市EVI數(shù)據(jù)。

路網(wǎng)數(shù)據(jù)來源于東營市自然資源與規(guī)劃局，可分為國道、省道、高速公路、城市道路等，城市道路按照路寬可分為四大類一級、二級、三級、四級。

POI數(shù)據(jù)來源于百度地圖提供的API接口，包括餐飲服務(wù)、交通服務(wù)、購物服務(wù)、科教文化服務(wù)等14大類，共計(jì)155 184條數(shù)據(jù)，具體類別及數(shù)量如表2所示。

表2 POI類別及數(shù)量

參考建成區(qū)邊界數(shù)據(jù)來源于自然資源部衛(wèi)星資源中心，分辨率優(yōu)于5 m的遙感影像目視解譯并配合實(shí)地考察制作，具有較高的參考精度。所有數(shù)據(jù)均采用同一坐標(biāo)系統(tǒng)，以便后期研究分析。

1.3 核密度計(jì)算

核密度分析用于計(jì)算點(diǎn)、線要素在一定范圍內(nèi)的單位密度。每個點(diǎn)的密度都是區(qū)域內(nèi)所有點(diǎn)通過加權(quán)平均得到的，核密度計(jì)算如式(2)所示。

(2)

式中：Kj為數(shù)據(jù)點(diǎn)j的權(quán)重；Dij為空間點(diǎn)i與數(shù)據(jù)點(diǎn)j的歐氏距離；w為計(jì)算規(guī)則區(qū)域的帶寬(band width)；n為計(jì)算規(guī)則區(qū)域內(nèi)數(shù)據(jù)點(diǎn)j的數(shù)量。

在進(jìn)行核密度分析的時候，帶寬w的選擇對于結(jié)果有著關(guān)鍵影響，需要結(jié)合要素的空間分布以及實(shí)際問題的需求。選擇較小的帶寬時，核密度結(jié)果中會出現(xiàn)較多的高值或低值區(qū)域，反映核密度分布的局部特性；選擇較大的帶寬時，反映的是全局尺度下的核密度分布特性[26]。本文分別選取帶寬為500 m、1 000 m、2 000 m時進(jìn)行實(shí)驗(yàn)，如圖2所示，隨著帶寬的增加，核密度值曲線越來越光滑。通過對比不同帶寬下的核密度分布情況，帶寬為1 000 m時，核密度中心保持良好的穩(wěn)定性。

注：該圖基于自然資源部標(biāo)準(zhǔn)地圖服務(wù)下載的審圖號為GS(2019)3333號的標(biāo)準(zhǔn)地圖制作，底圖無修改。

1.4 數(shù)據(jù)歸一化

采用歸一化法融合數(shù)據(jù)主要原因是由于夜間燈光、EVI、POI核密度、路網(wǎng)核密度之間的數(shù)量級差異，進(jìn)行歸一化處理，將不同量綱的數(shù)據(jù)統(tǒng)一到同一數(shù)量級下，能夠很好地綜合數(shù)據(jù)的優(yōu)勢，歸一化后的數(shù)值計(jì)算如式(3)所示。

(3)

式中：X′為歸一化后的數(shù)值；min(X)為最小值；max(X)為最大值。

2 研究方法

2.1 融合多源數(shù)據(jù)修正指數(shù)的構(gòu)建

已有研究中，發(fā)現(xiàn)MODIS EVI相比NDVI來說減弱了大氣和土壤對于植被指數(shù)的影響，緩解了高植被覆蓋地區(qū)靈敏度不高的問題，對于夜間燈光去飽和，緩解燈光溢出效應(yīng)有明顯的效果。POI數(shù)據(jù)在空間上反映城市結(jié)構(gòu)以及各種活動聚集狀況，POI密度在城市地區(qū)明顯高于農(nóng)村地區(qū)，并且在城區(qū)與鄉(xiāng)村過渡地區(qū)顯著降低。道路網(wǎng)絡(luò)是城市功能用地的骨架，道路網(wǎng)絡(luò)空間布局引導(dǎo)土地利用的發(fā)展方向，進(jìn)一步影響著城市空間格局及演化，路網(wǎng)密度由城市中心向外延伸逐漸降低[27]。POI代表不同功能用地聚集情況，道路網(wǎng)絡(luò)連接形成的地塊單元是城市規(guī)劃的基本單元，POI基本附著在道路網(wǎng)路兩側(cè)，共同構(gòu)成城市空間形態(tài)?；诖耍疚奶岢隽巳诤隙嘣磾?shù)據(jù)NTL、POI、路網(wǎng)構(gòu)建修正燈光指數(shù)PREANI來提取建成區(qū)的方法，為驗(yàn)證本文方法對于建成區(qū)提取效果的優(yōu)越性，分別選取已有方法中POI修正燈光指數(shù)PEANI和路網(wǎng)修正燈光指數(shù)REANI進(jìn)行對比分析。

1)PEANI指數(shù)構(gòu)建。卓莉等[28]提出基于EVI修正的EANTLI，EVI可以減弱土壤背景、大氣對植被指數(shù)的影響，利用EVI空間上的分布特征，能夠緩解夜間燈光飽和效應(yīng)。POI作為一類新興的地理空間大數(shù)據(jù)，其位置和屬性信息能夠反映空間結(jié)構(gòu)變化規(guī)律，一般來說，POI越密集的地方，人口越密集，燈光亮度值越大，反之亦然。將POI與EVI數(shù)據(jù)結(jié)合構(gòu)建PEANI燈光修正指數(shù)，計(jì)算如式(4)所示。

(4)

式中：EVI為歸一化后的EVI指數(shù)；P為歸一化后的POI核密度；NTL為歸一化后夜間燈光的亮度值。

2)REANI指數(shù)構(gòu)建。單純的運(yùn)用EVI修正夜間燈光在某些區(qū)域會存在差異，比如生態(tài)功能區(qū)以及一些林蔭大道周圍，EVI指數(shù)偏高，導(dǎo)致燈光亮度值下降。路網(wǎng)密集的地方，經(jīng)濟(jì)發(fā)展水平越高，燈光亮度值越大，反之亦然。將路網(wǎng)與EVI數(shù)據(jù)結(jié)合構(gòu)建REANI燈光修正指數(shù)，計(jì)算如式(5)所示。

(5)

式中：R為歸一化后的路網(wǎng)核密度。

3)PREANI指數(shù)構(gòu)建。僅利用POI或者路網(wǎng)進(jìn)行修正，在城市范圍外的道路、鐵路，REANI指數(shù)會偏高，而在城市建成區(qū)范圍內(nèi)，大型企業(yè)、居民區(qū)或公園同質(zhì)性聚集區(qū)域，POI核密度小，PEANI指數(shù)會相對低。POI和路網(wǎng)數(shù)據(jù)兩者結(jié)合，能夠提高城市內(nèi)部燈光信號的強(qiáng)度，增強(qiáng)城區(qū)與鄉(xiāng)村的邊界界限，從而提高建成區(qū)提取的精度。將POI和路網(wǎng)與EVI數(shù)據(jù)結(jié)合構(gòu)建PREANI燈光修正指數(shù)，計(jì)算如式(6)所示。

(6)

2.2 動態(tài)閾值法

基于構(gòu)建的指數(shù)對NPP/VIIRS數(shù)據(jù)進(jìn)行修正，并利用動態(tài)閾值法對建成區(qū)進(jìn)行提取(圖3)。Di表示閾值；S(Di)表示區(qū)域閾值Di以上提取出的總面積；Dmax表示區(qū)域燈光亮度最大值；f(Dj)表示區(qū)域內(nèi)燈光亮度Dj的面積；S表示區(qū)域參考建成區(qū)面積數(shù)據(jù)；E(Di)表示提取的面積與參考建成區(qū)面積的差值，通過迭代方法來逼近參考面積，得到誤差最小的閾值，即為最佳閾值。

圖3 動態(tài)閾值法流程

2.3 模型誤差分析

(7)

式中：Ea為絕對誤差；Aex為提取的建成區(qū)的面積；Are為參考建成面積。

采用統(tǒng)計(jì)學(xué)分類指標(biāo)查全率(precision)、查準(zhǔn)率(recall)和F1分?jǐn)?shù)(F1-score)對提取的建成區(qū)精度進(jìn)行定量評價，表達(dá)如式(8)至式(10)所示。

(8)

(9)

(10)

式中：Aoverlap為參考建成區(qū)與實(shí)驗(yàn)提取的建成區(qū)相交部分的面積。

3 結(jié)果與分析

3.1 結(jié)果整體分析

圖4為東營市建成區(qū)提取結(jié)果，藍(lán)色為REANI提取結(jié)果；橙色為PEANI提取結(jié)果；黃色為PREANI提取結(jié)果。對比發(fā)現(xiàn)幾種提取結(jié)果大致相似，證明在城市空間結(jié)構(gòu)應(yīng)用研究方面有較好的適用性。

注：該圖基于自然資源部標(biāo)準(zhǔn)地圖服務(wù)下載的審圖號為GS(2019)3333號的標(biāo)準(zhǔn)地圖制作，底圖無修改。

在東營區(qū)城區(qū)內(nèi)，REANI、PEANI提取結(jié)果存在缺失現(xiàn)象，而PREANI提取結(jié)果相對完整。在東營港經(jīng)濟(jì)開發(fā)區(qū)存在明顯差異，作為國家級石油化工產(chǎn)業(yè)區(qū)，基礎(chǔ)設(shè)施建設(shè)良好，道路網(wǎng)絡(luò)較為完善，原始NTL強(qiáng)度較高，但是POI在此處的分布較少，密度較低，PEANI指數(shù)相對來說較低。REANI在此處存在小的提取范圍，在海港路與港西二路、海濱路附近，此處為工業(yè)區(qū)，路網(wǎng)密集，導(dǎo)致REANI指數(shù)偏高。PREANI綜合兩種要素的表現(xiàn)，調(diào)整夜間燈光的亮度差異，使其更符合實(shí)際情況。在河口區(qū)城鎮(zhèn)地區(qū)，由于基礎(chǔ)建設(shè)相對落后，原始NTL的燈光亮度值較弱，不能表達(dá)城鎮(zhèn)中心特征，但是這些地區(qū)具有豐富的POI信息以及密集的道路網(wǎng)絡(luò)，彌補(bǔ)了原始燈光亮度值弱造成的建成區(qū)表達(dá)不完整的問題。從空間形態(tài)來看，PEANI和REANI提取結(jié)果存在破碎的現(xiàn)象，主城區(qū)內(nèi)部或外緣地區(qū)以及一些城鎮(zhèn)中心會存在缺失，而PREANI提取的建成區(qū)與參考建成區(qū)邊界更為貼合，不管是整體形態(tài)還是分布零散的小面積建成區(qū)表達(dá)都更準(zhǔn)確。

3.2 結(jié)果局部對比分析

1)定性分析。對比引入POI、路網(wǎng)構(gòu)建的綜合指數(shù)PREANI與單一要素構(gòu)建的PEANI、REANI之間的建成區(qū)提取的差異，在中心城區(qū)三種方法的提取結(jié)果大致相似，差異之處主要出現(xiàn)在邊緣地區(qū)。REANI與PREANI存在明顯差異的地方有22處，其中PREANI表現(xiàn)效果優(yōu)于REANI的有18處。PEANI與PREANI存在明顯差異的地方有14處，其中PREANI表現(xiàn)效果優(yōu)于PEANI的有12處。圖5(a)～圖5(p)為其中8處代表情況，紅色線為參考建成區(qū)邊界；藍(lán)色為REANI提取結(jié)果；橙色為PEANI提取結(jié)果；黃色為PREANI提取結(jié)果。能夠很明顯地看出，單一指數(shù)修正提取的建成區(qū)，在區(qū)分城市的邊緣界線以及內(nèi)部特定用地類型的時候會存在誤差，結(jié)合POI與路網(wǎng)雙重因素構(gòu)建的PREANI能夠更好提高城市空間結(jié)構(gòu)的辨識能力，在建成區(qū)邊界吻合度方面表現(xiàn)更優(yōu)。

同時，本文對現(xiàn)有方法中僅利用POI或路網(wǎng)來提取建成區(qū)的方法進(jìn)行實(shí)驗(yàn)，由于POI和路網(wǎng)數(shù)據(jù)分別以點(diǎn)、線要素表達(dá)實(shí)體，要通過核密度方法得到密度格網(wǎng)數(shù)據(jù)。利用得到的最優(yōu)帶寬情況下POI和路網(wǎng)核密度數(shù)據(jù)，取得等值線臨界值，得到建成區(qū)范圍。結(jié)果表明，核密度方法能夠一定程度上反映建成區(qū)的范圍，但是在一些地方存在誤差，如圖5(q)～圖5(t)所示，POI和路網(wǎng)提取的建成區(qū)范圍存在缺失和孔洞。以POI缺失部分東營區(qū)勝利工業(yè)園為例，勝利工業(yè)園大多為大型公司企業(yè)和工廠，POI數(shù)據(jù)在空間的聚集程度比較低并且數(shù)量較少，但是燈光亮度值較高，在一定程度上識別城市空間結(jié)構(gòu)更為準(zhǔn)確。以路網(wǎng)缺失部分辛店街道南一路附近為例，此處路網(wǎng)稀疏只有幾條縱橫主干道，造成這一區(qū)域有孔洞缺失現(xiàn)象。從整體看，路網(wǎng)核密度等值線存在零散、微小的偽中心，導(dǎo)致建成區(qū)提取存在破碎圖斑。總體來說，POI和路網(wǎng)核密度方法很好地識別了城市中心，但是對于大范圍同質(zhì)性區(qū)域公司、工廠，密集的居民區(qū)等提取結(jié)果并不理想，本文通過夜間燈光數(shù)據(jù)與POI和路網(wǎng)相互校正，更加準(zhǔn)確地刻畫城市空間結(jié)構(gòu)，提高建成區(qū)提取的精度。

圖5 提取結(jié)果邊界評價

2)量化對比分析。為更近一步驗(yàn)證建成區(qū)提取的精度，對PEANI、REANI和PREANI修正的燈光影像提取的建成區(qū)柵格單元進(jìn)行統(tǒng)計(jì)，并計(jì)算面積大小，將其與參考建成區(qū)面積進(jìn)行對比，并計(jì)算查全率、查準(zhǔn)率和F1分?jǐn)?shù)。結(jié)果如表3所示，相較于REANI和PEANI，PREANI的提取精度有所提高；查全率、查準(zhǔn)率和F1分?jǐn)?shù)三種指標(biāo)也有明顯提高，都在80%以上。同時計(jì)算POI和路網(wǎng)核密度方法提取的建成區(qū)面積，計(jì)算查準(zhǔn)率、查全率和F1分?jǐn)?shù)，得到POI核密度方法F1分?jǐn)?shù)70%，路網(wǎng)核密度方法F1分?jǐn)?shù)為60%，均低于本文方法的83%。查準(zhǔn)率為提取結(jié)果和參考建成區(qū)重合部分的面積與參考建成區(qū)面積的比值，從量化對比上也反映出PREANI提取的建成區(qū)邊界與實(shí)際建成區(qū)邊界更為貼合。

表3 建成區(qū)提取結(jié)果精度對比

4 討論

為更深入分析不同方法對于建成區(qū)提取的影響，引入計(jì)量地理學(xué)常用的空間自相關(guān)模型，以柵格為統(tǒng)計(jì)單元，對原始NTL、POI核密度和路網(wǎng)核密度空間分布特征進(jìn)行雙變量空間自相關(guān)分析，得到兩兩之間的Moran’s I指數(shù)分別為0.55、0.52、0.63，且通過顯著性小于0.01的檢驗(yàn)，表明三者之間存在較高的正相關(guān)性。

全局空間自相關(guān)分析是探求研究區(qū)內(nèi)的空間要素整體的規(guī)律，但是要素內(nèi)部會表現(xiàn)出不同程度的空間異質(zhì)性，局部空間自相關(guān)分析能夠發(fā)現(xiàn)全局分析沒有發(fā)現(xiàn)的規(guī)律，從而更好地揭示空間聚集的一般規(guī)律。圖6(a)為三者之間高高聚類單元疊加的空間分布，從空間分布的耦合特性來看，高高聚類單元大致能代表城區(qū)范圍，其中研究區(qū)中部東營區(qū)為主城區(qū)部分，其余周邊各處為次中心區(qū)域，增強(qiáng)了城鎮(zhèn)中心與其周圍地區(qū)的燈光對比，這與Lou等[29]對杭州市的研究得出的結(jié)論相似。為了進(jìn)一步探索POI與路網(wǎng)數(shù)據(jù)在空間上的相互作用，對POI核密度與路網(wǎng)核密度進(jìn)行局部自相關(guān)分析，結(jié)果如圖6(b)所示。高低自相關(guān)、低高自相關(guān)的區(qū)域大都存在于城鎮(zhèn)邊緣地區(qū)、工業(yè)用地部分。在這些地區(qū)POI密度低，路網(wǎng)密度高，二者結(jié)合修正在一定程度上改善了單一要素造成的誤差。這種數(shù)據(jù)在空間上的耦合關(guān)系，證明了POI和路網(wǎng)能夠有效地增強(qiáng)城內(nèi)燈光亮度差異對比，同時也能更好地改善城市邊緣地區(qū)燈光不足的缺陷。

注：該圖基于自然資源部標(biāo)準(zhǔn)地圖服務(wù)下載的審圖號為GS(2019)3333號的標(biāo)準(zhǔn)地圖制作，底圖無修改。

5 結(jié)束語

建成區(qū)邊界是研究城市擴(kuò)展動態(tài)變化的基礎(chǔ)，針對現(xiàn)有建成區(qū)提取方法未多方面考慮與人類社會活動之間的聯(lián)系，本文提出一種夜間燈光融合多源數(shù)據(jù)POI和路網(wǎng)提取建成區(qū)的方法，并與單一要素修正后提取結(jié)果進(jìn)行對比，主要結(jié)論如下。

1)從空間形態(tài)來看，PREANI方法提取的建成區(qū)輪廓更為準(zhǔn)確。對于增強(qiáng)城鄉(xiāng)燈光強(qiáng)度細(xì)節(jié)對比、城市邊緣地物區(qū)分效果、提高城市空間結(jié)構(gòu)的辨識能力都有顯著提升。

2)從提取精度分析，PREANI相比REANI、PEANI提取結(jié)果，精度分別提高了0.66%，0.21%，查全率、查準(zhǔn)率和F1分?jǐn)?shù)都明顯提高，而且比單一的POI和路網(wǎng)核密度提取建成區(qū)的方法精度更高，提取的建成區(qū)與參考建成區(qū)邊界更為貼合，也反映了其良好的適用性。

3)從夜間燈光、POI與路網(wǎng)數(shù)據(jù)空間耦合關(guān)系看，高高聚類單元在城市中心高度一致，明顯地刻畫了主城區(qū)以及周邊城鎮(zhèn)中心結(jié)構(gòu)。對比POI與路網(wǎng)空間差異區(qū)域，在主城區(qū)向外不斷延伸的交錯地區(qū)，二者能夠相互彌補(bǔ)，增強(qiáng)夜間燈光強(qiáng)度差異，使得空間形態(tài)更加符合實(shí)際用地情況。

由于數(shù)據(jù)限制，在方法驗(yàn)證時選取了東營市為研究區(qū)，代表性不足，在后續(xù)研究中，會選擇多期、多地區(qū)為研究對象進(jìn)行方法驗(yàn)證，提高結(jié)果的可信度。同時，當(dāng)在POI與路網(wǎng)密度都不太高的區(qū)域，建成區(qū)提取還是會存在一定的誤差，在此基礎(chǔ)上考慮融合其他數(shù)據(jù)，如夜間燈光與地表溫度、建筑物等相關(guān)數(shù)據(jù)結(jié)合，更進(jìn)一步提高建成區(qū)提取的精度。