樊風(fēng)雷, 劉潤萍, 張佃國

(1.華南師范大學(xué)地理科學(xué)學(xué)院，廣州 510631；2. 山東省人工影響天氣辦公室，濟(jì)南 250031)

城市建筑用地面積是城市地表環(huán)境重要的參數(shù)信息. 隨著遙感的發(fā)展，基于遙感影像提取該參數(shù)信息成為可能. 目前，我國正處于工業(yè)化和城市化進(jìn)程加快時期，國家正在推動城鎮(zhèn)化的進(jìn)程. 隨著城鎮(zhèn)化的推進(jìn)，城市建設(shè)用地需求也將會不斷增加，這必然使得人多地少的矛盾不斷加劇[1]. 如何快速、有效和客觀的提取城市建筑用地信息已成為一項(xiàng)城市發(fā)展規(guī)劃和城市人居環(huán)境研究的重要基礎(chǔ)工作. 另一方面，準(zhǔn)確的城市建筑用地變化信息可使政府及時了解城市空間擴(kuò)展信息，這對城市的健康可持續(xù)發(fā)展具有重要的現(xiàn)實(shí)意義. 在過去30年里，遙感由于其連續(xù)性和動態(tài)性的特點(diǎn)使得該技術(shù)得到了迅猛地發(fā)展，并逐漸成為探測各種地物類型變化的主要手段. 遙感衛(wèi)星對地觀測技術(shù)已成為城市地表信息研究中一個重要的分支，其中，基于遙感指數(shù)獲得城市地表信息越來越受到重視. 近年來，利用仿歸一化建筑指數(shù)(NDBI)提取城市建筑用地信息逐漸成為研究的熱點(diǎn). 楊山[2]、查勇等[3]提出了仿歸一化植被指數(shù)(NDBI)，并用于提取無錫、南京等地的城市建筑用地信息. 潘衛(wèi)華等[4]采用仿歸一化植被指數(shù)(NDBI)和監(jiān)督分類法，提取了泉州市城市空間信息. 王琳等[5]通過壓縮數(shù)據(jù)維的方式，提取了福州市的城市建筑用地信息. 徐涵秋[6]基于譜間特征和歸一化指數(shù)分析，提出了城市建筑用地信息提取方法，使建筑用地的提取精度提高到91%以上. 楊智翔等[7]提出了一種改進(jìn)的NDBI指數(shù)，并提取南京主城區(qū)的城鎮(zhèn)用地；彭光雄等[8]利用NDVI和NDWI，并通過設(shè)定閾值對TM數(shù)據(jù)進(jìn)行了分類研究；戴建光等[9]同樣利用NDBI和NDVI對金華市的城市建筑用地進(jìn)行了提取. Varshney等[10-11]討論和對比了利用遙感數(shù)據(jù)提取城市建筑的因子算法，指出了修改NDBI算法的必要性和重要性，并利用TM影像設(shè)計(jì)了自動NDBI提取算法. Bagan等[12]和Weng[13]也對基于遙感指數(shù)用來提取城市建筑面積的研究進(jìn)行了理論剖析和概念設(shè)計(jì)，并提出了因子研究的方向. Weng[13]著重研究多因子聯(lián)合進(jìn)行地學(xué)信息，尤其是城市面積的提取. 通過上述研究可以看出當(dāng)前提取城市建筑信息大致分為3個方法：(1)利用傳統(tǒng)的分類器進(jìn)行提取；(2)利用成熟的單一指數(shù)進(jìn)行提取；(3)對傳統(tǒng)成熟的指數(shù)進(jìn)行改進(jìn)和優(yōu)化. 上述研究更多地關(guān)注于單一指標(biāo)對城市建筑信息的提取，而沒有討論多因子聯(lián)合提取的可能性.作為中國第三大城市的廣州，其城市建筑信息尚未得到足夠的研究，因此，本文在NDBI指數(shù)研究的基礎(chǔ)上，采用多因子聯(lián)合的模式，結(jié)合NDBI、NDVI和MDWI等指數(shù)提取了廣州市1990年和2010年的建筑用地信息，并對廣州市城市建筑面積進(jìn)行了空間分析.

1 研究區(qū)域及研究數(shù)據(jù)

研究區(qū)域?yàn)閺V州市區(qū)，包括東山、荔灣、越秀、海珠、天河、芳村、白云和黃埔區(qū). 廣州市位于112°57′E～114°3′E、22°26′N～23°56′N之間. 其地勢東北高、西南低. 北部和東北部是山區(qū)，中部是丘陵和臺地，南部是珠江三角洲沖積平原. 采用的數(shù)據(jù)為1990 年10 月1日和2010年11月11日的TM影像數(shù)據(jù). 這2個時相的圖像數(shù)據(jù)獲取時間比較接近，獲取時間為秋季，基本上沒有受到天氣的干擾.

圖1 研究區(qū)域

2 研究方法

以1990年的TM作為主圖像，采用Map to Map的方式對2010年的TM圖像進(jìn)行幾何糾正，幾何校正后的圖像精度誤差RSM小于0.5個像元.

遙感衍生指數(shù)包括歸一化植被指數(shù)(NDVI)，修正歸一化水體指數(shù)(MNDWI)和歸一化建筑指數(shù)(NDBI).

(1)歸一化植被指數(shù):

NDVI=(NIR-Red)/(NIR+Red)，

(1)

式中，NIR為近紅外波段，Red為紅光波段.

(2) 修正歸一化水體指數(shù):

NDWI=(Green-NIR)/(Green+NIR)，

(2)

式中，Green為綠光波段，NIR為近紅外波段. 由于水體的反射從可見光到中紅外波段逐漸減弱，在近紅外和中紅外波長范圍內(nèi)(700～2 500 nm)吸收性最強(qiáng). 因此，用可見光波段和近紅外波段構(gòu)建的NDWI指數(shù)可以快速地提取影像中的水體信息. 但是，隨著水體混濁程度的增加，水的反射曲線會逐漸往長波方向移動，致使水體在中紅外區(qū)也會出現(xiàn)異常的反射，特別是城市內(nèi)河由于都有不同程度的污染，這一現(xiàn)象更為明顯. 因此，將原NDWI中的近紅外波段替換為中紅外波段，將式(2)改為：

NDWI=(Green-MIR)/(Green+MIR)，

[5]習(xí)近平：《決勝全面建成小康社會奪取新時代中國特色社會主義偉大勝利--在中國共產(chǎn)黨第十九次全國代表大會上的報告》，北京：人民出版社，2017年，第40-41頁。

(3)

式中，MIR為中紅外波段. MNDWI指數(shù)可以進(jìn)一步增強(qiáng)水體與其他地類的反差，有利于城市水體的提取.

(3)歸一化建筑指數(shù):

NDBI=(MIR-NIR)/(MIR+NIR)，

(4)

式中MIR為中紅外波段，NIR為近紅外波段. 該指數(shù)主要基于城市建筑用地(多為不透水面)在TM5波段的反射率高于4波段的特點(diǎn)而構(gòu)建. 根據(jù)式(4)，NDBI取值大于0的為城鎮(zhèn)用地，小于0的為非城鎮(zhèn)用地. 但是由于建筑用地TM5和TM4波段之間的差異遠(yuǎn)不如構(gòu)建水和植被指數(shù)的波段之間的差異明顯(圖2)，另外，許多其他地物具有5波段的反射率大于4波段的特點(diǎn)，因此單靠NDBI這一種指數(shù)提取城鎮(zhèn)用地信息是不可靠的.

圖2 3種主要地物的NDVI/NDBI/NDWI分布曲線

城市建成區(qū)的用地類型基本可以分為3大類型：建筑用地、植被和水體. 這3類地物與NDBI、NDVI和MNDWI等3個指數(shù)所表達(dá)的信息基本對應(yīng). 通過分析建筑、植被和水體3類地物所對應(yīng)的NDBI、NDVI和MNDWI的值(圖2)，結(jié)果表明：

(1)建筑地物：NDBI>NDVI>MNDWI；

(2)植被地物：NDVI>NDBI>MNDWI；

由此可見，若需要提取更為精確的建筑地物信息，需要尋找像元3個指數(shù)滿足：

NDBI>NDVI>MNDWI，

或

NDBI>MNDWI>NDVI.

綜合上述規(guī)律，本研究提出以下觀點(diǎn)來獲取建筑用地信息：任一圖像像元的3個指數(shù)中，滿足NDBI最大即為建筑信息.

本方法使得待提取的建筑用地信息具有NDBI波段同時大于NDVI波段和MNDWI波段的特征. 通過ENVI軟件的波段運(yùn)算(Band Math)功能，本文對NDBI指數(shù)同時大于NDVI指數(shù)和MNDWI指數(shù)的邏輯運(yùn)算，從而可以通過抑制植被和水體的信息來有效地增強(qiáng)影像中的建筑用地信息. 本方法通過比對每個像元內(nèi)的NDBI與NDVI和MNDWI的大小篩選出最大可能性的NDBI像元.

3 建筑用地信息提取及精度驗(yàn)證

利用上述方法和處理步驟，本研究對廣州市1990和2010年的遙感影像進(jìn)行了處理，獲得廣州市2個時相的NDBI指數(shù).廣州市區(qū)1990年和2010年的建筑用地信息提取結(jié)果如圖3.

圖3 廣州市區(qū)建筑用地信息

采用高分辨率圖像ALOS(2010年1月)作為參照，隨機(jī)抽取研究區(qū)域內(nèi)的200個點(diǎn)對獲取的2010年NDBI指數(shù)圖像進(jìn)行精度評價分析. 200個抽樣點(diǎn)包括了100個高密度建筑象元，75個中密度建筑象元；15個低密度建筑象元. 通過精度校驗(yàn)可以發(fā)現(xiàn)：在100個高密度建筑象元中，89個高密度建筑象元的NDBI值大于0.05，其精度達(dá)到89%；75個中密度建筑象元中，60個象元的NDBI值在0.02～0.05范圍內(nèi)，其精度達(dá)到80%；15個低密度建筑象元中，10個象元的NDBI值在-1～0.02范圍內(nèi)，其精度達(dá)到66.7%. 通過精度校驗(yàn)可以發(fā)現(xiàn)改進(jìn)的NDBI方法可以很好地滿足城市建筑信息的要求，改方法尤其對高密度的城市建筑信息提取更加有效.

4 結(jié)果與分析

4.1 廣州市NDBI變化

NDBI分布圖可以反映城市建筑密集程度，圖4中亮度越高的地區(qū)代表建筑越密集，亮度較暗的地區(qū)是植被或者水體. 1990年研究區(qū)NDBI指數(shù)平均值為-0.06，2010年研究區(qū)NDBI平均值上升為0.09，20年間廣州市區(qū)NDBI指數(shù)增加了0.15，反映了城市建筑地物增加量很大. 結(jié)合1990年和2010年的廣州城區(qū)建筑用地信息提取結(jié)果可以看出，廣州城市發(fā)展空間擴(kuò)展的趨勢是以老城區(qū)為中心向外輻射蔓延和沿道路(河流)帶狀擴(kuò)展相結(jié)合的. 其中從市中心向東，向北的帶狀擴(kuò)展趨勢比較明顯.

對1990年和2010年這2個時相影像中所提取的城市建筑用地信息進(jìn)行統(tǒng)計(jì)，可以看出廣州在20年內(nèi)城市擴(kuò)展是十分明顯的. 城市建筑用地面積從1990年的192.7 km2增長到2010年的616.7 km2. 面積年均增長率達(dá)到了11.0%，凈增面積是1990年城區(qū)面積的2倍以上.

4.2 廣州市建筑密度變化

建筑密度指標(biāo)作為地區(qū)規(guī)劃的定額指標(biāo)之一，能較好地反映區(qū)域內(nèi)的建設(shè)擁擠狀況，還能在一定程度上反映該地區(qū)的空間結(jié)構(gòu)變化或擴(kuò)張狀況，指示土地利用是否合理，在區(qū)域規(guī)劃中起著重要的作用[14]. 本文通過統(tǒng)計(jì)廣州各區(qū)的建筑用地總面積，利用建筑用地總面積除以轄區(qū)面積來統(tǒng)計(jì)整個廣州市的建筑密度. 該方法雖然不同于傳統(tǒng)的建筑密度計(jì)算方法，但是它保證了研究空間的連續(xù)性，可以反映一個地區(qū)內(nèi)的建筑物整體空間特征及區(qū)域間的差異性，具有一定的研究意義.

表1 1990年與2010年廣州市區(qū)建筑用地信息表Table 1 The data of building lands of 1990 and 2010 of Guangzhou

越秀區(qū)和荔灣區(qū)是廣州市最早開發(fā)的老城區(qū)，1990年建筑密度已經(jīng)很高，10年間新增建筑用地面積不大，加上市政園林綠化建設(shè)的原因，建筑密度略有下降，但是仍然存在過高過密的情況. 東山區(qū)由于可利用土地不多，建筑用地面積輕微增長. 除東山區(qū)、荔灣區(qū)和越秀區(qū)3個中心城區(qū)外，其他5區(qū)建筑用地面積年均增長率均大于5%. 這5個區(qū)承載了1990—2010年20年間廣州城市發(fā)展對新增建筑用地的需求. 芳村區(qū)由于受珠江阻隔與主城區(qū)交通聯(lián)系不方便，發(fā)展起步較晚，隨著90年代珠江隧道和廣州地鐵一號線相繼投入使用，經(jīng)濟(jì)逐漸發(fā)展起來，新增建筑用地面積建筑用地面積18.2 km2. 海珠區(qū)在90年代初同樣存在與主城區(qū)交通聯(lián)系不便的制約因素，隨著交通條件的改善，建筑用地面積增長了1倍，呈現(xiàn)由西向東的發(fā)展趨勢. 白云區(qū)面積廣闊，新增建筑用地面積高達(dá)276.7 km2. 主要集中在白云山西側(cè)，沿主要交通干道由南向北發(fā)展. 天河區(qū)緊鄰老城區(qū)，具有良好的地理區(qū)位. 從東西方向看，天河區(qū)是廣州市向東發(fā)展城市帶的起點(diǎn). 從南北方向看，天河區(qū)是廣州新城市中軸線經(jīng)過的中心地區(qū). 天河區(qū)新增建筑用地面積59.5 km2，建筑用地面積年均增長10.94%，僅次于白云區(qū). 黃埔區(qū)10年間新增建筑用地面積42.6 km2，建筑用地面積年均增長8.77%，主要推動因素是東進(jìn)的城市戰(zhàn)略和廣州經(jīng)濟(jì)技術(shù)開發(fā)區(qū)的發(fā)展. 各區(qū)的發(fā)展趨勢體現(xiàn)了廣州市北優(yōu)、中調(diào)、東進(jìn)的城市發(fā)展戰(zhàn)略.

5 結(jié)論

利用NDBI、NDVI和MNDWI等3個遙感衍生指標(biāo)對廣州市1990—2010年近20年的城市建筑面積進(jìn)行了提取，涉及了一個全新的提取方法，采用了多指標(biāo)綜合提取的辦法，通過研究證明該方法用以提取城市建筑用地信息是可行的. 城市建筑用地信息可以在由NDVI、NDBI和MNDWI指數(shù)波段構(gòu)成的影像中得以有效的提取，由這3種指數(shù)構(gòu)成的新的3波段影像壓縮了原影像數(shù)據(jù)的維數(shù)，減少了數(shù)據(jù)的相關(guān)性和冗余度，降低了不同地類間光譜混淆程度.

1990—2010年，廣州市區(qū)城市化進(jìn)程非常迅速，城市建筑用地從1990年的192.7 km2增長到2010年的616.7 km2. 城市建筑用地面積年均增長率達(dá)到了11.0%. 以行政區(qū)為單位統(tǒng)計(jì)了1990年和2010年廣州市區(qū)的建筑用地變化情況，廣州城市發(fā)展空間擴(kuò)展的趨勢是以老城區(qū)為中心向外輻射蔓延和沿道路(河流)帶狀擴(kuò)展相結(jié)合的. 其中從市中心向東，向北的帶狀擴(kuò)展趨勢比較明顯.

參考文獻(xiàn)：

[1] 蔡玉梅,鄭振源,馬彥琳.中國土地利用規(guī)劃的理論和方法探討[J].中國土地科學(xué),2005,10(5):31-35.

Cai Y M, Zheng Z Y, Ma Y L. Exploration of theory and methodology of land use planning in China[J]. China Land Science, 2005, 10(5):31-35.

[2] 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,2000, 55(6): 671-678．

Yang S. On extraction and fractional of urban land and rural residential spatial pattern in developed area[J]. Acta Geographica Sinica, 2000, 55(6): 671-678.

[3] 查勇,倪紹祥,楊山.一種利用TM 圖像自動提取城鎮(zhèn)用地信息的有效方法[J].遙感學(xué)報,2003, 7(1): 37-40．

Zha Y, Ni S X, Yang S. An effective approach to automatically extract urban land use from TM imagery[J]. Journal of Remote Sensing, 2003, 7(1): 37-40.

[4] 潘衛(wèi)華,徐涵秋. 泉州市城市擴(kuò)展的遙感監(jiān)測及其城市化核分析[J].國土資源遙感,2004,64(4):36-38

Pan W H, Xu H Q. A study of urban spatial expansion of Quanzhou city on the basis of remote sensing technology and urbanization core analysis[J]. Remote Sensing for Land and Resources, 2004, 64(4): 36-38.

[5] 王琳,徐涵秋,李勝. 福州城市擴(kuò)展的遙感動態(tài)監(jiān)測[J].地球信息科學(xué),2006,8(4):129-134

Wang L, Xu H Q, Li S. Dynamic monitoring of the urban expansion in Fuzhou of SE China using remote sensing technology[J]. Geo-Information Science, 2006,8(4): 129-134.

[6] 徐涵秋.基于譜間特征和歸一化指數(shù)分析的城市建筑用地信息提取[J].地理研究,2005,24(2):311-320.

Xu H Q. Fast information extraction of urban built-up land based on the analysis of spectral signature and normalized difference index[J]. Geographical Research, 2005,24(2): 311-320.

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

Yang Z X, He X F. Automatic extraction of urban land use information from remote sensing images base on improved NDBI method[J]. Journal of Hohai University: Natural Sciences, 2010, 38(2): 181-184.

[8] 彭光雄,徐兵,沈蔚,等.TM圖像的城鎮(zhèn)用地信息提取方法研究[J].遙感技術(shù)與應(yīng)用,2006,21(1):31-36.

Peng G X, Xu B, Shen W, Li J. Extracting urban land use on the TM imagery[J]. Remote Sensing Technology and Application, 2006, 21(1):31-36.

[9] 戴建光,蔡海良.基于TM影像的城市建筑用地信息提取方法研究[J].現(xiàn)代測繪,2008,31(6):35-38.

Dai J G, Cai H L. Methods for extraction of urban built up land information base on TM data[J]. Modern Surveying and Mapping, 2008,31(6): 35-38.

[10] Varshney A, Rajesh E. A comparative study of built-up index approaches for automated extraction of built-up regions from remote sensing data[J]. Journal of the Indian Society of Remote Sensing, 2014, DOI: 10.1007/s12524-013-0333-9.

[11] Varshney A. Improved NDBI differencing algorithm for built-up regions change detection form remote sensing data: an automated approach[J]. Remote Sensing Letters, 2013, 4(5): 504-512.

[12] Bagan H, Yamagata Y. Landsat analysis of urban growth: How Tokyo became the world’s largest megacity during the last 40 years[J]. Remote Sensing of Environment, 2012(127): 210-222.

[13] Weng Q. Remote sensing of impervious surfaces in the urban areas: Requirements, methods and trends[J]. Remote Sensing of Environment, 2012(117): 34-49.

[14] 陳瑩,劉康,鄭偉元,等.城市土地集約利用潛力評價的應(yīng)用研究[J].中國土地科學(xué),2002,16(4):26-29.

Cheng Y, Liu K, Zheng Y W, et al. Evaluating land use intensification potential in urban area its implications for practical land administration[J]. China Land Science, 2002, 16(4): 26-29.