刘沼辉 杨伯宇 唐铸
摘要： 针对城市建成区提取方法中存在“灯光溢出”效应及错分漏分现象的问题，本文以山东省作为研究区域，结合动态阈值二分法和指数法对NPP-VIIRS与Landsat-8影像进行城市建成区提取，同时对山东省2012—2017年城市扩张速度、扩张幅度、扩张动态度以及扩张协调性进行分析。实验结果表明，2012年和2017年山东省各市提取精度良好，最大误差为3.82%，2012—2017年山东省东部城市扩张速度较快，西部各市扩张速度较慢，且城市扩张与人口增长和经济增长均存在不协调现象。该研究对城市建成区提取精度有一定的参考价值。
关键词： NPP-VIIRS; 夜间灯光影像; Landsat-8影像; 城市建成区; 城市扩张
中图分类号：
P236文献标识码：
A
作者简介： 刘沼辉（1991-），男，湖南邵阳人，工程师，硕士研究生，主要从事遥感影像解译。
Email：
960067248@qq.com
目前我国正处于城市扩张高速发展时期，如何快速准确的获取城市建成区面积对城市化进展研究及城市综合管理规划至关重要。通过卫星遥感影像进行城市建成区提取之前，传统的提取方式主要通过统计数据进行。自21世纪初，利用多时相遥感监测城市扩张及土地利用变化逐渐成为主要监测手段，早期研究主要利用单种遥感影像数据源，且都以目视解译为主，该方式提取精度较高，但投入人力物力较大[12]。随着计算机解译的发展，使得大范围提取城市建成区成为可能，但是大部分研究均使用单一影像数据源和单一的提取方法，导致提取精度不足[34]。随着夜间灯光遥感的发展，由于其数据能直观的反映城市夜间灯光分布，越来越多的学者致力于利用夜间灯光遥感进行城市建成区提取研究[57]。现有研究成果大部分利用中高分辨率光学影像进行城市建成区提取，其成本较高、单幅覆盖面小，且容易将非建成区归到建成区的错分现象，夜间灯光遥感数据容易出现灯光过饱和现象，从而导致提取精度不足。基于此，本文基于传统遥感指数影像分类技术的建筑用地信息提取方法，利用夜间灯光数据进行城市建成区提取研究的优点，结合动态、阈值二分法和指数法对NPP-VIIRS与Landsat-8影像进行城市建成区提取，从而提高城市建成区的提取精度。该研究具有广阔的应用前景。
1研究区域与数据来源
1.1研究区域概况与数据来源
山东省位于北纬34°22.9′～38°24.01′、东经114°47.5′～22°42.3′，省域东西长约721 km，南北长约437 km，陆面积约为15.59×10 km2。试验数据主要包括四部分。第一部分是美国大气海洋局提供的可见光红外成像辐射仪（nation polar-orbiting partnership visible infrared imaging radiomete， NPP-VIIRS）年度合成夜间灯光数据;第二部分是国家基础地理信息中心提供的山东省行政区划界限矢量数据;第三部分是由美国地质勘探局官网（United States Geological Survey， USGS）提供的Landsat8影像数据;第四部分是山东省统计年鉴。
1.2数据预处理
数据处理主要包括Landsat-8影像处理和NPP-VIIRS数据处理。Landsat-8影像处理主要包括大气校正、几何校正、波段融合及影像拼接与裁剪，利用山东省行政区划矢量数据对NPP-VIIRS影像数据进行裁剪，得到山东省夜间灯光数据。
由于原始NPP-VIIRS影像没有经过去噪处理，因此需要进行噪声剔除，同时对影像数据进行投影转换，重采样成规则格网（500 m×500 m）[810]。山东省2017年夜间灯光分布图如图1所示。
2城市建成区提取
2.1基于动态阈值法建成区提取
利用夜间灯光数据NPP-VIIRS，基于动态阈值二分法进行建成区提取时，由于各市具有特异性，因此本文不再以统一标准进行最低亮度噪声剔除，而是根据各市特定情况进行噪声剔除。以青岛市为例，为找到青岛市提取城市建成区的阈值，以即墨区蓝村镇水库作为采样点，通过谷歌地图找到该区域地理坐标范围，根据经纬度找到灯光遥感影像对应区域，然后通过计算影像对应的湖泊区域内包含像元的亮度平均值，得到青岛市城市建成区提取的最低阈值，即DNmin=4.34。同样的方式，将青岛流亭机场作为最高阈值提取区域，得到DNmax=114.37。确定阈值后，利用二分法通过最佳阈值DNi，即通过比较建成区的统计面积S与SDNi，当两者之差最小时，所对应的DNi为最佳阈值。其它像元和该阈值进行比較，如果该像元DN值小于DNi值，则该像元赋值为0;如果DN值大于DNi值，则该像元赋值为1，最后所有像元为1的区域即为城市建成区提取结果。
2.2结合Landsat数据进行建成区提取
虽然夜间灯光影像能直观反映城市建成区，但在提取时由于“灯光溢出”效应，易造成将建成区外围区域归入到建成区，而利用Landsat影像单独进行归一化建筑指数和归一化植被指数提取时，很容易将裸岩等非建成区区域归入建成区[1113]。基于此，本文利用Landsat-8影像数据进行归一化建筑指数（normalized difference built-up Index，NDBI）和归一化植被指数（normalized difference vegetation index，NDVI）同时对城市建成区提取，结合灯光遥感提取结果进行建成区最终提取，最后将NDBI与NDVI提取结果二值化（赋值为0和1）并进行叠合运算，求取基于Landsat-8影像提取城市建成区结果。将基于灯光数据提取结果进行重采样为30×30分辨率，其结果与Landsat-8提取结果叠加运算，并进行目视解译修正，最终获得建成区提取结果。城市建成区提取流程如图2所示。
根据上述流程对2012年和2017年山东省17个市NPP-VIIRS数据提取的建成区结果进行目视解译修正（除城市山地、湖泊、河流、大型水库的其他水域、城市绿化带均应归入城市建成区），得到修正后建成区面积和相对误差。山东省2012年与2017年各市城市建成区提取结果修正前后对比如表1所示。将提取结果与谷歌地图叠合分析，建成区提取面积绝大部分小于统计值，但和山东省各市城市建成区实际情况更接近。
时间间隔，以年为单位。标准化结果将山东省2012—2017年扩张速度分为5个等级。扩张速度小于0.05的为低速扩张;0.05～0.1为中低速扩张;0.1～0.2的为中速扩张;0.2～0.5为快速扩张;大于0.5的为高速扩张。山东省2012—2017年各市年扩张速度空间分布图如图3所示。由图3可以看出，山东省东部各市扩张速度较快;西部各市扩张速度适中，整体较均衡，稳步发展;中部地区扩张速度较为缓慢。从战略格局来看，济南市（环渤海南翼中心城市）具有政治文化优势，青岛市与烟台市经济和地理位置优势促使其快速扩张。
3.2城市扩张强度分析
城市扩展强度指数是指某空间单元在研究时期内的扩展面积占其城市土地总面积的百分比，该指标用于比较不同时期城市扩张的强弱。其计算公式为
UII=ST-S0TAL×1T×100%（2）
式中，UII表示城市扩张强度;ST为2017年各市建成区提取面积;S0为2012年各市建成区提取面积;TAL为各市的总面积（通过2017年山东省统计年鉴获取）;T为时间间隔，以年为单位[15]。根据UII指数，将2012—2017年17个市的扩张强度分为5个等级。扩张强度小于0.05%的为慢速扩张;0.05%～0.1%的为低速扩张;0.1%～0.15%为中速扩张;0.15%～0.3%为快速扩张;大于0.3%的为高速扩张。2012—2017年山东各市扩张强度空间分布示意图如图4所示。由图4可以看出，山东省城市扩张强度高的区域集中分布在东部和中部地区，其中青岛由于面积增长快，而莱芜市由于总面积基数小，济南市、烟台市和威海市为快速扩张城市，济南作为山东省政治中心，因政治力量雄厚而发展迅速，烟台市与威海市作为沿海城市，地理位置优越，有利于推动其城市发展。
3.3城市扩张动态度分析
城市用地扩张速度可以反映城市面积在一定时间段内绝对面积上的变化，但是该指标没有考虑到城市在研究时间段内初期的用地面积对变化的影响，因此本研究引进城市扩张动态度指标，通过该指标，可以反映城市扩张的动态变化率为
中度失调;0.7～0.8为高度失调;0.8～0.9为严重失调;大于0.9的为极度失调。2012—2017年山东城市扩张与人口增长协调度空间分布如图6所示。由图6可以看出，各市均属于发展失调状态，而发展较合理的城市为枣庄市与临沂市，均属城市扩张速度与人口增长速度缓慢的城市。东部和西部地区城市面积年增长率远大于其人口年增长率，说明在城市人口增加缓慢的情况下，仍大力进行城市面积扩张。这种模式最终将导致城市内部土地利用分配不合理，土地资源浪费严重。
3.5城市扩张与经济增长协调性分析
城市扩张与经济增长协调性分析主要通过城市面积增长率与城市GDP增长率的比值来体现。为进一步描述城市扩张与GDP增长的协调性，需分析其偏离系数P为
其中，ST为2017年各市建成区提取面积;S0为2012年各市建成区提取面积;GT为2017年各市的GDP值（通过统计年鉴获取）[18];G0为2017年各市的GDP值。根据偏离系数P将城市扩张与GDP增长协调性分为5个等级。偏离系数P小于0.1的为协调发展;0.1～0.2为轻微失调;0.2～0.4为中度失调;0.4～0.6为高度失调;大于0.6的为严重失调。2012—2017年山东城市扩张与GDP增长协调度空间分布如图7所示。由图7可以看出，山东省各市GDP增长速率高于其面积扩张速率，说明山东省经济势头良好，经济发展迅速。
4结束语
本文利用分辨率更高的夜间灯光影像NPP-VIIRS进行城市扩张空间变化研究，突破了以往利用DMSP/OLS夜间灯光数据只能进行2013年之前城市扩张研究的局限性。同时结合夜间灯光数据NPP-VIIRS与陆地卫星Landsat对城市建成区进行面积提取，克服了传统单独利用陆地卫星影像或夜间灯光数据进行城市化研究的各自不足。提高了城市建成区的提取精度，结果与实际情况更为符合。通过建成区最终提取结果进行城市扩张空间特征分析，分析结果表明山東省2012—2017年东部各市扩张速度较快，西部各市扩张速较慢，且城市扩张与人口增长和经济增长均存在一定程度的不协调问题。本文由于研究年限不足，无法进行长时序城市扩张空间特征分析，后续研究将继续结合计算机学习和人工智能等手段进行长时序分析，以便得出更精确的结论。
参考文献：
[1]李爱民. 基于遥感影像的城市建成区扩张与用地规模研究[D]. 郑州：
解放军信息工程大学， 2009.
[2]王井利， 张宁， 杨成杰， 等. 基于Landsat数据沈阳城市建成区动态监测研究[J]. 沈阳建筑大学学报：
自然科学版， 2019， 35（6）：
1082-1088.
[3]李文策. 基于遥感的城市形态时空演变研究——以福州市为例[D]. 福州：
福建师范大学， 2017.
[4]范小晶. 基于DMSP/OLS夜间灯光数据的西北城镇时空格局研究[D]. 乌鲁木齐：
新疆大学， 2018.
[5]黄鸿健， 王芳， 解学通. 基于灯光遥感数据的广东省20年城市化进程研究[J]. 城市学刊， 2016， 37（1）：
1-8.
[6]唐敏. 基于對数变换的NPP-VIIRS夜间灯光遥感影像在城市建成区提取中的应用[D]. 上海：
华东师范大学， 2017.
[7]Tan M H. Use of an inside buffer method to extract the extent of urban areas from DMSP/OLS nighttime light data in North China[J]. Journal GIScience & Remote Sensing， 2016， 53（2）：
444-458.
[8]Li X， Xu H M， Chen X L. Potential of NPP-VIIRS nighttime light imagery for modeling the regional economy of china [J]. Remote Sensing， 2013， 5（6）：
3057-3081.
[9]屈辰阳， 张莉， 汪鸣泉， 等. 基于NPP/VIIRS卫星夜光数据的新建高铁站所在县域的GDP估算模型[J]. 国土资源遥感， 2020， 32（2）：
81-87.
[10]Zhao M， Cheng W. GDP spatialization and economic differences in south china based on NPP-VIIRS nighttime light imagery [J]. Remote Sensing， 2017， 9（7）：
11-20.
[11]陈志强， 陈健飞. 基于NDBI指数法的城镇用地影像识别分析与制图[J]. 地球信息科学， 2006（2）：
137-140.
[12]Coward S N， Williams D. Landsat and earth system science：
development terrestrial monitoring[J]. Photogrammetric Engineering and Remote Sensing， 1997， 63（7）：
887-900.
[13]杨智翔， 何秀凤. 基于改进的NDBI指数法的遥感影像城镇用地信息自动提取[J]. 河海大学学报：
自然科学版， 2010， 38（2）：
181-184.
[14]Liu Z， He C， Zhang Q， et al. Extracting the dynamics of urban expansion in China using DMSP-OLS nighttime light data from 1992 to 2008[J]. Landscape and Planning， 2012， 106（1）：
62-72.
[15]孙毓晗. 基于DMSP-OLS夜间灯光数据的城市扩张监测与分析[D]. 沈阳：
辽宁师范大学， 2017.
[16]陈龙胤. 基于DMSP/OLS夜间灯光影像的中国东部沿海地区城市扩张监测与分析[D]. 长春：
东北师范大学， 2014.
[17]万三敏. 城市空间扩张与人口城镇化的协调性时空分析[J]. 农村经济与科技， 2018， 29（15）：
292-294.
[18]杨丹， 张鹏岩， 周志民， 等. 城市用地扩张和经济发展的协整性与因果关系分析——以河南省为例[J]. 地域研究与开发， 2018， 37（4）：
67-72， 85.
Abstract： Aiming at the problem of “light overflow” effect and the phenomenon of error and omission in the extraction method of urban built-up area， this paper takes Shandong Province as the research area. Combined with dynamic threshold dichotomy and index method， the urban built-up area extraction of NPP-VIIRS and landsat-8 is carried out. At the same time， the paper analyzes the expansion speed， range， dynamic degree and coordination of urban expansion in Shandong Province from 2012 to 2017. The experimental results show that the extraction accuracy of each city in Shandong Province is good in 2012 and 2017， and the maximum error is 3.82%. From 2012 to 2017， the urban expansion speed of eastern Shandong Province is faster than that of western cities， and the urban expansion is not coordinated with population growth and economic growth. This study has a certain reference value for the extraction accuracy of urban built-up area.
Key words：
NPP-VIIRS; night lighting images; landsat-8 images; built-up area; urban expansion
