基于多源數(shù)據(jù)夜光遙感的長沙市建成區(qū)提取

梅漢檢,黃登山

(湘潭大學土木工程與力學學院，湖南 湘潭 411100)

0 前 言

20世紀70年代改革開放以來，中國城鎮(zhèn)化程度飛速發(fā)展，從1980年的19.4%增長到2019年的63.4%。城市的空間格局變化體現(xiàn)了人類的空間活動方向，是人類活動的縮影。城鎮(zhèn)化的發(fā)展變化給人類帶來了諸多益處，例如土地資源被高效利用、解決了大量的農村多余勞動力、改變了產業(yè)結構，將大量的第一產業(yè)剩余的勞動力轉化為第二產業(yè)和第三產業(yè)、協(xié)調周圍區(qū)域發(fā)展等 。城市化飛速發(fā)展的同時在改善我們生活質量，也顯露了一系列急需解決的生態(tài)、資源、環(huán)境、人口等問題 。為了解決這些問題，采用城市建成區(qū)面積提取的手段來反映一個城市的空間區(qū)域規(guī)劃、管理、經濟、城市動態(tài)化和城市驅動力因素 。因此，對城市建成區(qū)的提取對于城市的發(fā)展具有很大的指導意義。

夜光遙感影像與人類的夜間活動具有緊密的聯(lián)系，與建設用地的提取高度耦合，是城市建成區(qū)提取的有效數(shù)據(jù)源 。最早專業(yè)的夜光遙感數(shù)據(jù)是美國軍事氣象衛(wèi)星搭載的線性業(yè)務掃描傳感器(Operational Linescan System，OLS)所拍攝的(DMSP/OLS)。2011年，美國國家海洋局和大氣局發(fā)射了Suomi-NPP(National Polar-orbiting Partnership)衛(wèi)星，拍攝了NPP/VIIRS夜光遙感數(shù)據(jù)。上述主流的兩種夜光遙感數(shù)據(jù)在精度上都有相應的缺陷。2018年，武漢大學帶頭研發(fā)的珞珈一號衛(wèi)星(Luojia1-01)，珞珈一號衛(wèi)星在空間和光譜分辨率上都有更高的精度，在城市建成區(qū)的提取具有更精確的范圍，讓研究學者們有更多的選擇 。自1976年Croft 首次運用DMSP/OLS夜光遙感數(shù)據(jù)應用于城市化研究，明確指出夜光遙感數(shù)據(jù)可以反饋人類活動強度。國內外許多學者就對夜光遙感數(shù)據(jù)進行深入的研究。何春陽等人于2005年通過研究DMSP/OLS數(shù)據(jù)，以國家統(tǒng)計數(shù)據(jù)為基礎，提取了渤海三角洲地區(qū)的城市群空間面積和信息，該方法對時空性上缺乏準確度。厲飛等人利用POI核密度對NPP/VIIRS數(shù)據(jù)和Luojia1-01數(shù)據(jù)構建NIL&POI指數(shù)，通過指數(shù)影像和原始影像進行顯示對比分析，發(fā)現(xiàn)Luojia1-01數(shù)據(jù)比NPP/VIIRS數(shù)據(jù)精度更好。

本文先對2013年DMSP/OLS、2015年和2018年NPP/VIIRS、2019年Luojia1-01夜光遙感數(shù)據(jù)進行去噪處理，與landsat8數(shù)據(jù)運用SVM監(jiān)督分類法提取出城市建成區(qū)，對3種夜光遙感數(shù)據(jù)提取出的城市建成區(qū)進行對比精度分析，驗證珞珈一號夜光遙感數(shù)據(jù)在城市建成區(qū)提取的優(yōu)勢，可為多源夜光遙感數(shù)據(jù)城市建設區(qū)提取理想數(shù)據(jù)。

表1 3種燈光數(shù)據(jù)主要參數(shù)對比

1 研究區(qū)概況

本文研究區(qū)選取湖南省長沙市，作為湖南省省會，長沙地處中國華中地區(qū)、湘江下游、長瀏盆地西緣、湖南東部偏北，總面積11 819 km2，常住人口為1 004萬人。研究區(qū)范圍如圖1所示。

圖1 長沙市行政區(qū)劃

2 數(shù)據(jù)預處理和研究方法

2.1 夜光遙感數(shù)據(jù)預處理

選擇2013年DMSP/OLS、2015年和2018年NPP/VIIRS、2019年Luojia1-01夜光遙感數(shù)據(jù)。分別將它們進行重投影，投影為蘭伯特等角圓錐投影，再重采樣為1 000 m，然后在根據(jù)長沙市行政區(qū)劃矢量數(shù)據(jù)進行裁剪，得到三幅夜間燈光遙感影像。Luojia1-01的數(shù)據(jù)將原有的浮點型數(shù)據(jù)放大拉伸存儲為DN值，因此使用前需要進行輻射校正。公式如下：

(1)

公式(1)中：L為校正后的輻射值，w/(m2·sr·μm);DN為原始影像灰度值。

2.2 landsat8遙感影像處理

將下載好的2013、2015、2018、2019年的Landsat8遙感影像進行輻射定標和大氣校正，對于Landsat8遙感影像使用長沙市行政區(qū)劃進行裁剪，再對裁剪好的圖像進行重采樣至1KM×1KM。Landsat8 OLI數(shù)據(jù)的數(shù)據(jù)特點和光譜特征，對其使用GS變換(Gram-Schmidt變換)，形成全新的6個空間分辨率為15 m的全新波段。分別求出歸一化植被指數(shù)(NDVI)、歸一化水體指數(shù)(NDWI)、歸一化建筑指數(shù)(NDBI)，對遙感影像進行波段合并。

2.3 夜光遙感數(shù)據(jù)的去噪方法

圖像中存在廣泛的背景噪聲，所以在處理圖像時候需要處理雜亂的圖像噪聲。本文選擇雙閾值去除噪聲，選擇圖像中水體中的特征DN值，再將采集完成特征點的平均值為低閾值 ，將低于此閾值的背景噪聲抹除。對于圖像上的雷電，高能粒子等，采集夜光遙感影像中心城市的高輻射值，將這些區(qū)域的輻射值進行均值化，將均值化結果設置為閾值，將高于此閾值的DN值去除掉。

運用掩膜提取法提取NPP/VIIRS和Luojia1-01夜光遙感數(shù)據(jù)，無噪影像上存在燈光的柵格賦值為1，不存在燈光的柵格賦值為0，得到一個燈光區(qū)域為1而非燈光區(qū)域為0的掩膜，然后將對應掩膜值為0的NPP/VIIRS影像柵格上的燈光值剔除，而提取對應值為1的燈光區(qū)域，并保留其亮度值大小，從而達到提取有效燈光和去除噪聲的目的。

2.4 支持向量機方法

支持向量機(Support Vector Machine, SVM)是一種基于統(tǒng)計學習的分類方法。SVM的基本思想是根據(jù)樣本訓練區(qū)構建需要識別要素的特征集(如形狀指數(shù)、紋理特征)然后用一個最優(yōu)曲面，將輸入影像的像素單元矩陣劃分為符合特征集和不符合特征集兩類，使得兩類像素的分類間隔最大 。最優(yōu)曲面的求解過程可以轉化成函數(shù)的最大值：

(2)

(3)

2013年DMSP/OLS、2015年和2018年的NPP/VIIRS、2019年的Luojia1-01夜光影像作為第八波段分別加入處理好的landsat8 OLS遙感圖像。在衛(wèi)星影像上均勻選取建成區(qū)、水體、植被、耕地、裸土，五種土地覆蓋類型的訓練樣本，運用支持向量機分類器來進行監(jiān)督分類，將監(jiān)督分類后的城市建成區(qū)提取出結果，單獨輸出結果。

2.5 精度評價

混淆矩陣又稱誤差矩陣，是一種精度評價的標準格式，用矩陣的幾行幾列來表示具體像元位置，混淆矩陣能夠很清楚地看到每個地物的像元被正確分類的個數(shù)和被錯誤分類的個數(shù)。

混淆矩陣的指標有總體分類精度(Overall Accuracy，OA)、卡帕系數(shù)(Kappa Coefficient，KC)、制圖精度(Product Accuracy，PA)和用戶精度(User Accuracy，UA)?？傮w分類精度是指被正確分類的像元個數(shù)與總體像元個數(shù)的比值；制圖精度是指城市建成區(qū)像元被正確識別的概率；用戶精度是指被識別城市建成區(qū)的像元為真實城市面積的概率；卡帕系數(shù)是指一種衡量分類精度的指標，是用來衡量總體的提取精度。計算公式如下：

(4)

(5)

(6)

(7)

公式(4)～(7)中:N是所有生成隨機點的總數(shù);xkk是正確識別像元的點的數(shù)量;xy是標記城市像元的點的數(shù)量;xz是識別為城市像元的點的數(shù)量。

圖2 技術路線

3 結果和分析

2013年的DMSP/OLS數(shù)據(jù)來說，影像的空間分標率的提升，使得城市邊緣周圍的破碎斑塊稍微變多，2015年和2018年的NPP/VIIRS夜光遙感數(shù)據(jù)的提取結果相似。由于加入了遙感影像，對于貫穿于城市的湘江、城市內的湖泊、城市內的公園和城市內的山體來看，都能看到空白區(qū)域。2019年的Luojia1-01夜光遙感數(shù)據(jù)提取效果的改善更加明顯。城市的建成區(qū)的提取效果比前兩種方法和數(shù)據(jù)更為貼合。整體輪廓上更為符合，城市的整體范圍上有略微的縮小。內部的破碎斑塊更多，除了能看到城市內部的水體、湖泊和山體外，還能直觀地看到城市的內部主干道。兩種遙感數(shù)據(jù)的加入讓各自的優(yōu)勢互補，能更好地對建成區(qū)進行提取。

圖3 DMSP、NPP、Luojia1-01數(shù)據(jù)SVM監(jiān)督分類法城市建成區(qū)提取結果

建立混淆矩陣來對城市建成區(qū)提取結果的精度進行定量化的評價。谷歌衛(wèi)星地圖中下載高分辨率的長沙市行政區(qū)劃，以長沙市為矩形中心，生成一個評價范圍，在區(qū)域范圍內隨機生成1 000個點，通過人工的目視判別每個點是否為城市建成區(qū)或非城市建成區(qū)。統(tǒng)計好建成區(qū)每個點的數(shù)量和相關屬性，運用總體分類精度、卡帕系數(shù)、制圖精度和用戶精度來評價多源數(shù)據(jù)夜間燈光遙感建成區(qū)結果的精度。

本文通過建立傳統(tǒng)的統(tǒng)計數(shù)據(jù)比較法和SVM監(jiān)督分類法的混淆矩陣來進行精度對比。

采用SVM監(jiān)督分類法2019年的Luojia1-01夜間燈光遙感數(shù)據(jù)的總體分類精度、制圖精度、用戶精度和卡帕系數(shù)都是最高的，分別為0.961、0.862、0.853和0.856?？傮w分類精度和制圖精度最低的是2013年DMSP/OLS夜間燈光遙感數(shù)據(jù)的0.923和0.623。用戶精度最低的是2018年NPP/VIIRS夜間燈光遙感數(shù)據(jù)的0.789?？ㄅ料禂?shù)最低的是2015年NPP/VIIRS夜間燈光遙感數(shù)據(jù)的0.767。在總體分類精度上，全部都達到0.92以上。

實驗結果表明，傳統(tǒng)的統(tǒng)計數(shù)據(jù)比較法進行建成區(qū)提取時，往往不能達到很好的結果。統(tǒng)計數(shù)據(jù)比較法和支持向量機監(jiān)督分類法中，3種類型的數(shù)據(jù)進行比較。兩種方法中效果最好的都為2019年Luojia1-01，統(tǒng)計數(shù)據(jù)比較法的總體精度最高為0.910，卡帕系數(shù)最高為0.734。SVM監(jiān)督分類法總體精度為0.961，卡帕系數(shù)為0.856?？臻g分辨率最差的2013年的DMSP/OLS夜光遙感數(shù)據(jù)，總體分類精度都達到了0.923，卡帕系數(shù)為0.785。說明經過添加了遙感信息的夜間燈光遙感數(shù)據(jù)在提取建成區(qū)方面精度得到了較大的提升。

表2 統(tǒng)計數(shù)據(jù)法混淆矩陣精度結果

表3 支持向量機混淆矩陣精度結果

4 結 論

本文以長沙市作為研究研究對象,實驗以2013年DMSP/OLS、2015年和2018年NPP/VIIRS、2019年Luojia1-01 三種類型的夜間燈光遙感數(shù)據(jù)為數(shù)據(jù)源,運用SVM監(jiān)督分類法進行城市建成區(qū)提取,得到以下結論：

(1) 運用雙閾值和掩膜法對夜光遙感數(shù)據(jù)降噪處理,在對夜光遙感數(shù)據(jù)的降噪處理上，通過分析雙閾值法、掩膜法的特點,提出了兩種方法結合的降噪處理方法。

(2) 多源的夜光遙感數(shù)據(jù)結合landsat8 OLI遙感數(shù)據(jù),運用SVM監(jiān)督分類法提取城市建成區(qū)對城市建成區(qū)的提取精度評估指標都有明顯的提升,多源數(shù)據(jù)結合提取城市建成區(qū)面積是以后的研究方向。

(3) Luojia1-01夜光遙感數(shù)據(jù)作為一種新型的夜光遙感數(shù)據(jù),在空間分辨率和光譜分辨率上都具有巨大的提升,對于夜光遙感數(shù)據(jù)在城市建成區(qū)提取精度上更優(yōu)于DMSP/OLS和NPP/VIIRS數(shù)據(jù),在人類活動領域上具有巨大的潛力。