城鎮(zhèn)建設(shè)用地遙感影像提取方法的對(duì)比研究
——以畢節(jié)市七星區(qū)為例

許 瑩， 李付偉， 李向新， 李 陶

(1.昆明理工大學(xué)國(guó)土資源工程學(xué)院，云南昆明 650093；2.畢節(jié)市防震減災(zāi)局，四川畢節(jié) 551700)

?

城鎮(zhèn)建設(shè)用地遙感影像提取方法的對(duì)比研究
——以畢節(jié)市七星區(qū)為例

許 瑩1， 李付偉2， 李向新1， 李 陶1

(1.昆明理工大學(xué)國(guó)土資源工程學(xué)院，云南昆明 650093；2.畢節(jié)市防震減災(zāi)局，四川畢節(jié) 551700)

利用2013年11月15日的TM遙感影像，結(jié)合歸一化建筑指數(shù)(NDBI)、改進(jìn)的歸一化建筑指數(shù)(IB)、新居民地提取指數(shù)(NBI)等建筑物提取指數(shù)對(duì)畢節(jié)市七星區(qū)城區(qū)建筑用地信息進(jìn)行有效提取和分析，并用混淆矩陣和對(duì)應(yīng)年份實(shí)際城鎮(zhèn)用地面積對(duì)3種方法的提取精度分別進(jìn)行了驗(yàn)證。結(jié)果表明，NBI指數(shù)算法比其他建筑指數(shù)算法提取建設(shè)用地信息的精度高且誤差小，采用NBI指數(shù)能更準(zhǔn)確地提取建設(shè)用地的信息。

城鎮(zhèn)建設(shè)用地；NDBI；IB；NBI

改革開放以來，我國(guó)國(guó)民經(jīng)濟(jì)快速發(fā)展，城市化水平迅速提高，各種建設(shè)用地占用了大量的農(nóng)業(yè)用地，從而導(dǎo)致耕地急劇減少。因此，快速、準(zhǔn)確地獲取城鎮(zhèn)建設(shè)用地信息，及時(shí)掌握城鎮(zhèn)的土地變化，對(duì)科學(xué)合理地規(guī)劃城鎮(zhèn)，保護(hù)我國(guó)有限的耕地資源具有重大意義。

遙感技術(shù)為準(zhǔn)確、迅速提取城鎮(zhèn)用地信息提供了便利。在遙感影像中提取城鎮(zhèn)建設(shè)用地信息方面，已經(jīng)有不少學(xué)者結(jié)合光譜分析提出了多種提取方法。查勇等[1]提出且運(yùn)用了歸一化建筑指數(shù)(NDBI)自動(dòng)提取了無錫市城鎮(zhèn)用地信息；楊智翔等[2]提出了基于改進(jìn)的歸一化建筑指數(shù)的遙感影像城鎮(zhèn)用地信息自動(dòng)提取方法，對(duì)南京市主城區(qū)的建設(shè)用地進(jìn)行提?。籋e等[3]利用原有的NDBI算法提出了改進(jìn)的NDBI算法提取中國(guó)國(guó)家奧林匹克公園的建設(shè)用地；徐涵秋等[4]提出了建筑用地指數(shù)(IBI)，對(duì)廈門市的建筑用地進(jìn)行提??；陳潔麗等[5]提出了一種新的建筑指數(shù)(NBI)，并利用該指數(shù)提取常州市居民地信息。這些指數(shù)在不同程度上影響了遙感影像城鎮(zhèn)建設(shè)用地提取技術(shù)的發(fā)展。

利用遙感技術(shù)能夠準(zhǔn)確、快速地獲取城鎮(zhèn)用地信息，有利于土地的規(guī)劃管理，為了保證提取城鎮(zhèn)建設(shè)用地信息的準(zhǔn)確性，筆者以畢節(jié)市的TM遙感數(shù)據(jù)為基礎(chǔ)，采用NDBI、改進(jìn)的歸一化建筑指數(shù)(IB)、NBI這3種常用的建筑指數(shù)，分析了同一時(shí)相遙感數(shù)據(jù)基于這3種建筑指數(shù)提取城鎮(zhèn)建設(shè)用地的效果差異，并對(duì)其提取精度進(jìn)行對(duì)比。

1 研究區(qū)概況

畢節(jié)市位于貴州省西北部，地理坐標(biāo)為105°36′～106°43′E、26°21′～27°46′N，地處川、滇、黔3省結(jié)合部，東部和南部分別與貴陽(yáng)市、遵義市和安順市、六盤水市毗連，西部和北部分別與云南省昭通市、曲靖市和四川省瀘州市交界，總面積近2.69萬km2。境內(nèi)大部屬烏蒙山區(qū)，以喀斯特地形和高山丘陵為主。烏江、北盤江、赤水河皆發(fā)源于此；還有六沖河、二道河、白水河、牛欄江、可渡河、白甫河(白布河)等河流。畢節(jié)市平均海拔1 600.0 m，赫章縣與威寧縣交界的小韭菜坪是畢節(jié)市的最高點(diǎn)，海拔2 900.6 m。多數(shù)地方屬亞熱帶濕潤(rùn)氣候，年均日照1 231 h,氣溫13.09 ℃,降雨量1 129.04 mm，無霜期266 d，森林覆蓋率38.75%。

畢節(jié)市有8個(gè)縣區(qū)，以七星關(guān)區(qū)城區(qū)為研究區(qū)域。

2 研究方法

2.1 城市建設(shè)用地提取關(guān)鍵技術(shù)

2.1.1 歸一化建筑指數(shù)(NDBI)。NDBI最初是對(duì)歸一化植被指數(shù)(NDVI)進(jìn)行深入的研究和分析。NDVI最早由楊山[6]提出，其表達(dá)式為：

(1)

式中，band3為第三波段的灰度值；band4為第四波段的灰度值。NDVI之所以能有效地提取植物，是因?yàn)樵赥M影像中,植物的灰度值是在第三、第四波段之間呈上升趨勢(shì),而其他地物的灰度值則呈現(xiàn)出下降的趨勢(shì)[6]，所以，當(dāng)?shù)谌?、四波段的灰度值的差與和的比值大于0的是植物；相反，小于0的是其他地物。而后，查勇等[1]研究發(fā)現(xiàn)，城鎮(zhèn)建設(shè)用地的灰度值和植物的灰度值有相似的規(guī)律：城鎮(zhèn)用地灰度值在第四與第五波段之間表現(xiàn)出上升的走勢(shì),而其他地物灰度值表現(xiàn)出下降的走勢(shì),由此提出了NDBI計(jì)算公式[1]：

(2)

式中，band4為第四波段的灰度值;band5為第五波段的灰度值;NDBI取值范圍為[-1,1]，大于0表示城鎮(zhèn)建設(shè)用地，小于0表示非城鎮(zhèn)建設(shè)用地。

2.1.2 改進(jìn)的歸一化建筑指數(shù)(IB)。城鎮(zhèn)建設(shè)用地的用地類型基本可以分為3大類型：建筑用地、植被和水體。如若只用常規(guī)NDBI法來提取城鎮(zhèn)用地，結(jié)果中必定含有稀疏植物的信息，由于稀疏植物不僅有植物的光譜特性，還具有城鎮(zhèn)建設(shè)用地的光譜特性，這將導(dǎo)致不能確保城鎮(zhèn)建設(shè)用地的信息精確。楊志翔等[2]在詳細(xì)研究了城市建筑用地的光譜特征以后發(fā)現(xiàn)稀疏植被在ETM圖像第三和第五波段之間灰度值呈上升趨勢(shì)，與其他地物光譜趨勢(shì)都不相同。由于ETM與TM圖像的傳感器特性基本一致，所以稀疏植物在TM圖像光譜趨勢(shì)亦相似。He等[3]假定NDBI和NDVI均為正的為建設(shè)區(qū)和植被區(qū)，利用二者的圖像差異，提取建設(shè)區(qū)域。樊風(fēng)雷等[7]也研究發(fā)現(xiàn)建筑用地第四和第五波段之間的差異遠(yuǎn)遠(yuǎn)沒有水體和植被指數(shù)的波段之間的差異明顯，之后通過分析建筑、植被和水體3類地物所對(duì)應(yīng)的歸一化建筑指數(shù)(NDBI)、歸一化植被指數(shù)(NDVI)和修正歸一化水體指數(shù)(MNDWI)的值，結(jié)果表明，這三者的值由大到小依次是NDBI、NDVI、MNDWI。由此可得改進(jìn)的歸一化建筑指數(shù)公式為：

IB=NDBI-NDVI-MNDWI

(3)

其中：

(4)

(5)

式中，band2為第三波段的灰度值;band3為第三波段的灰度值;band4為第四波段的灰度值;band5為第五波段的灰度值。

2.1.3 新型建筑用地指數(shù)(NBI)。在TM/ETM+的影像中，各類地物類型在第三、第四、第五波段的區(qū)別度是最大的[8]。但是，有時(shí)裸地和建設(shè)用地難以區(qū)分，導(dǎo)致在提取建設(shè)用地的過程中會(huì)丟失一些信息。為此，陳潔麗等[5]研究發(fā)現(xiàn)，在第三波段，各地物光譜值由大到小依次為裸地、建設(shè)用地(城鎮(zhèn)、農(nóng)村居民點(diǎn)、道路)、其他地類(林地、園地、水田、旱地、水體、山體陰影)。因此，提取居民地信息時(shí)，在第四、第五波段光譜值差異的基礎(chǔ)上加入第三波段的因素，增強(qiáng)居民地信息的提取效果?；诖?，建立了新的居民地建筑指數(shù)(NBI)，表達(dá)式為：

(6)

式中,band3為第三波段的灰度值;band4為第四波段的灰度值。

2.2 城鎮(zhèn)用地信息提取過程 基礎(chǔ)數(shù)據(jù)為攝于2013年11月15日的畢節(jié)市七星關(guān)區(qū)城區(qū)Landsat8衛(wèi)星影像(云量為0.56%),圖1為遙感影像信息處理與城鎮(zhèn)用地信息提取流程。

圖1 TM影像城鎮(zhèn)建設(shè)用地提取流程Fig.1 Flow chart of extracting urban built-up land information from TM image

2.2.1 影像預(yù)處理。首先對(duì)遙感影像進(jìn)行大氣校正。因?yàn)樘?yáng)輻射會(huì)在大氣中發(fā)生反射、折射、吸收、散射和透射，導(dǎo)致遙感影像有時(shí)不能反映地物的真實(shí)光譜特性，所以在提取城鎮(zhèn)建設(shè)用地的信息之前要先對(duì)遙感影像進(jìn)行大氣校正。選用ENVI軟件的Flash模塊對(duì)影像進(jìn)行大氣校正。

接著進(jìn)行幾何校正，使影像上的地物位置與其實(shí)際位置相對(duì)應(yīng)。以七星區(qū)的行政范圍、交通、水系矢量數(shù)據(jù)為參考，選擇交叉點(diǎn)、拐點(diǎn)等定位精確的特征點(diǎn)作為控制點(diǎn)，通過最鄰近元法實(shí)現(xiàn)遙感影像的幾何精校正。

最后對(duì)校正的影像數(shù)據(jù)進(jìn)行邊界裁減處理，得到研究區(qū)遙感影像(圖2a)。由于研究區(qū)位于山谷之間，影響了遙感影像的信息提取精度，因此需進(jìn)行地形校正，消除或減少山區(qū)影像圖中的地形影響。選用ENVI軟件的地形校正擴(kuò)展模塊Topo correction對(duì)影像進(jìn)行地形校正。樣點(diǎn)分布見圖2b。

2.2.2 城鎮(zhèn)用地信息提取。首先利用公式(2)～(6)對(duì)遙感影像分別進(jìn)行NDBI、IB和NBI 3種指數(shù)運(yùn)算，得到七星區(qū)遙感數(shù)據(jù)的NDBI、IB和NBI指數(shù)分布情況(圖3a)。在ENVI平臺(tái)Band math模塊中進(jìn)行研究區(qū)的NDBI、IB、NBI指數(shù)分布圖進(jìn)行二值化處理，分別得到了3種方法提取的建設(shè)用地二值分布(圖3b)。

3 結(jié)果與分析

3.1 精度評(píng)價(jià) 采用混淆矩陣對(duì)不同指數(shù)提取城鎮(zhèn)建設(shè)用地的精度進(jìn)行評(píng)價(jià)，同時(shí)將提取的城鎮(zhèn)建設(shè)用地與畢節(jié)市七星區(qū)實(shí)際的建設(shè)用地進(jìn)行比較，進(jìn)一步分析這3種指數(shù)提取建設(shè)用地的效果。

利用ArcGIS的漁網(wǎng)工具在建設(shè)用地密集區(qū)均勻生成100個(gè)網(wǎng)格，并以各中心點(diǎn)作為樣本(圖2b)，然后結(jié)合Google Earth高分辨率影像，逐點(diǎn)人工對(duì)照解譯并構(gòu)建混淆矩陣[9]。基于3個(gè)不同指數(shù)提取城鎮(zhèn)建設(shè)用地的混淆矩陣，結(jié)果見表1。

從表1可以看出,基于NBI提取的城鎮(zhèn)用地總體分類精度達(dá)到82.0%,而基于NDBI、BI提取的總體分類精度分別為70.0%和74.0%。

查詢畢節(jié)市七星關(guān)區(qū)城區(qū)的建設(shè)用地面積(30.5 km2)[10]，然后將獲得的建設(shè)用地面積與實(shí)際建設(shè)用地面積進(jìn)行對(duì)比分析，得到表2。

從表2 可以看出，基于NBI提取建設(shè)用地面積相對(duì)誤差為6.79%，基于NDIB和IB提取的建設(shè)用地面積相對(duì)誤差分別為40.43%和14.95%。由此可見，2種精度評(píng)價(jià)方式的結(jié)果一致，基于NBI提取的城鎮(zhèn)建設(shè)用地誤差最小。

圖2 七星區(qū)遙感影像和樣點(diǎn)分布Fig.2 Remote sensing image of Qixing District and the distribution of sample points

圖3 NDBI、IB、NBI指數(shù)分布(a)和建設(shè)用地二值分布(b)Fig.3 The extraction image based on NDBI,IB,NBI and Binary image of build-up land

提取方法Extractionmethod類別Category提取結(jié)果Extractionresults建設(shè)用地Constructionland非建設(shè)用地Nonconstructionland合計(jì)Total提取精度Precision∥%NDBI建設(shè)用地13223537.14非建設(shè)用地8576587.69小計(jì)217910070.00IB建設(shè)用地15193444.12非建設(shè)用地7596689.39小計(jì)227810074.00NBI建設(shè)用地24123666.67非建設(shè)用地6586490.63小計(jì)307010082.00

表2 提取面積與實(shí)際面積比較

Table 2 Comparison between extracting result and practice result

提取方法Extractionmethod像元數(shù)Imageelements實(shí)際面積Actualarea∥km2提取面積Extractionarea∥km2相對(duì)誤差Relatoveerror∥%NDBI2019230.5018.1740.43IB2882630.5025.9414.95NBI3159630.5028.436.79

3.2 誤差分析 由于不同指數(shù)在進(jìn)行波段運(yùn)算時(shí)，考慮的光譜信息不相同，導(dǎo)致用不同的指數(shù)提取建設(shè)用地面積時(shí)會(huì)存在差異。傳統(tǒng)的NDBI 指數(shù)采用第四、第五波段進(jìn)行運(yùn)算，發(fā)現(xiàn)城鎮(zhèn)建設(shè)用地的灰度值走高，進(jìn)而提取建筑面積[1]。改進(jìn)的NDBI指數(shù)是利用稀疏植被，水體與建設(shè)用地的波段差異而提出的，圖像像元的3個(gè)指數(shù)(NDBI、NDVI、MNDWI)中，滿足NDBI最大的就是建設(shè)用地信息[2-3，7]。 而NBI 考慮到NDBI中裸地誤提的情況，加入第三波段，拉大影像灰度值，以增強(qiáng)建筑物信息，所以提取的建設(shè)用地面積也有所減少[5]。由此可知，從理論上看，NBI能更加準(zhǔn)確地提取建設(shè)用地信息。

4 結(jié)論

采用TM數(shù)據(jù)對(duì)畢節(jié)市七星區(qū)城區(qū)的影像，結(jié)合NDBI、IB、NBI這3種建筑物提取指數(shù)，進(jìn)行建設(shè)用地信息提取，統(tǒng)計(jì)七星城區(qū)建筑用地面積；并交叉評(píng)價(jià)了3種不同指數(shù)提取建設(shè)用地精度和誤差。結(jié)果表明：

(1)基于NDBI提取城鎮(zhèn)用地信息操作簡(jiǎn)單、高效，提取過程受人為因素影響較小。但是，由于NDBI法是根據(jù)不同地類的光譜特征差異來提取城鎮(zhèn)用地的，而裸地、稀疏植被與城鎮(zhèn)用地光譜相似，所以對(duì)提取精度造成較大影響。

(2)IB法也是基于不同地類的光譜特性差異，但該方法消除了稀疏植被對(duì)城鎮(zhèn)用地提取精度的影響，可是遙感影像異物同譜現(xiàn)象的存在，裸地的光譜特性與城鎮(zhèn)用地的相似，改進(jìn)的歸一化建筑指數(shù)依然難以確切地把兩者區(qū)分開，在一定的情況下影響了城鎮(zhèn)建設(shè)用地信息提取的精度。

(3)基于NBI方法提取居民地信息，克服了建設(shè)用地和裸地的區(qū)分問題，且NBI是乘除指數(shù)，指數(shù)結(jié)果高達(dá)3位數(shù)，充分拉伸了灰度值，更突出建筑物信息，提取精度高。

綜上所述，NBI算法比其他建筑指數(shù)算法提取建設(shè)用地信息的精度高且誤差小，采用NBI能更準(zhǔn)確地提取建設(shè)用地的信息。

[1] 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.

[2] 楊智翔,何秀鳳.基于改進(jìn)的NDBI指數(shù)法的遙感影像城鎮(zhèn)用地信息自動(dòng)提取[J].河海大學(xué)學(xué)報(bào)(自然科學(xué)版),2010,38(2)：181-184.

[3] HE C,SHI P J，XIE D.Improving the normalized difference build-up index to map urban build-up areas by using a semiautomatic segementation approach[J].Remote sensing letters,2010,1(4)：213-221.

[4] 徐涵秋,杜麗萍.遙感建筑用地信息的快速提取[C].全國(guó)國(guó)土資源與環(huán)境遙感應(yīng)用技術(shù)研討會(huì)論文集.北京：北京晟勛炎國(guó)際會(huì)議服務(wù)中心，2009：135-141.

[5] 陳潔麗,劉永學(xué),李滿春,等.一種基于遙感數(shù)據(jù)快速提取居民地信息的新方法[J].地理與地理信息科學(xué),2010,26(5)：72-75.

[6] 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：以無錫市為例[J].地理學(xué)報(bào),2000,55(6)：671-678.

[7] 樊風(fēng)雷,劉潤(rùn)萍,張佃國(guó).一種改進(jìn)的城市建筑用地信息提取方法及在廣州地區(qū)的應(yīng)用[J].華南師范大學(xué)學(xué)報(bào)(自然科學(xué)版),2014,46(4)：98-102.

[8] 楊存建,周成虎.TM影像的居民地信息提取方法研究[J].遙感學(xué)報(bào),2000,4(2)：146-150.

[9] 陳潔金,周峰,陽(yáng)軍生,等.山嶺隧道塌方風(fēng)險(xiǎn)模糊層次分析[J].巖土力學(xué),2009,30(8)：2365-2370.

[10] 畢節(jié)城區(qū)面積：七年擴(kuò)大近一倍[N/OL].烏蒙新報(bào)，2013-11-14(29)[2016-05-28].http://xb.cnwmw.cn/html/2013-11/14/content_263860.htm.

Comparative Study of Urban Construction Land Extraction from Remote Sensing—A Case Study of Qixing District,Bijie City

XU Ying1,LI Fu-wei2,LI Xiang-xin1et al

(1.Faculty of Land Resource Engineering,Kunming University of Science and Technology,Kunming,Yunnan 650039; 2.Bureau of Earthquake Prevention and Disaster Reduction,Bijie,Sichuan 551700)

The urban built-up information in Qixing District,Bijie City was extracted and analyzed using the NDBI index,IB index and NBI index from TM image on Nov.15,2013.Besides,the corresponding year urban land area extraction accuracy was validated with confusion matrix array.The results showed that the NBI index algorithm is better than other construction index algorithms for extracting the construction land information with high accuracy and small error,which can be more accurate for extracting the information of construction land with NBI index.

Urban construction land; NDBI; IB; NBI

貴州省科學(xué)技術(shù)廳社會(huì)發(fā)展攻關(guān)項(xiàng)目[黔科合SY字(2013) 3108號(hào)];畢節(jié)市科技項(xiàng)目[畢科合字(2014) 4號(hào)]。

許瑩(1991- )，女，廣東潮州人，碩士研究生，研究方向：GIS地震災(zāi)害理論與應(yīng)用。

2016-10-31

TP 753

A

0517-6611(2016)32-0200-04