文/貴陽(yáng)市地理信息大數(shù)據(jù)中心 安 寧

0 引言

城市作為人類(lèi)生活、學(xué)習(xí)、勞動(dòng)和交流的主要聚集地，其土地使用情況備受關(guān)注。隨著信息存儲(chǔ)傳輸、計(jì)算機(jī)及遙感技術(shù)的發(fā)展，人們通過(guò)網(wǎng)絡(luò)間接或直接免費(fèi)獲取的開(kāi)放型數(shù)據(jù)呈爆發(fā)式增長(zhǎng)，為人類(lèi)探索城市規(guī)律提供了新思路和渠道。如于晶濤等[1-2]基于遙感影像解譯的土地利用數(shù)據(jù)分析城市土地利用及運(yùn)用情況；洪明蘭等[3-6]利用POI數(shù)據(jù)識(shí)別城市土地利用類(lèi)型或?qū)崿F(xiàn)城市建筑功能分類(lèi)的判斷和情況分析。但目前利用遙感影像對(duì)城市建筑解譯主要集中在正使用的建筑的提取，忽略了正在建設(shè)中的建筑物，忽視了實(shí)體對(duì)象的占地面積，僅網(wǎng)格化、趨勢(shì)化地進(jìn)行POI面狀城市功能識(shí)別，與實(shí)際功能邊界存在一定差異，有待進(jìn)一步細(xì)化。

鑒于以往研究中的缺漏，本文通過(guò)對(duì)影像數(shù)據(jù)的解譯，用道路網(wǎng)對(duì)土地利用數(shù)據(jù)進(jìn)行分割，然后疊加POI使建筑地塊和城市用地性質(zhì)相統(tǒng)一，最終實(shí)現(xiàn)城市用地的識(shí)別。

1 研究區(qū)概況

本文選擇貴陽(yáng)市中心城區(qū)作為研究區(qū)域，包含云巖、南明、觀山湖、白云、花溪和烏當(dāng)6個(gè)主要建成區(qū)。其中東起南明區(qū)的小碧鄉(xiāng)、永樂(lè)鄉(xiāng)、東風(fēng)鎮(zhèn)，西至觀山湖區(qū)的朱昌鎮(zhèn)、金華鎮(zhèn)、久安鄉(xiāng)、石板鎮(zhèn)，南起花溪區(qū)的黨武鄉(xiāng)、孟關(guān)鄉(xiāng)，北至白云區(qū)的麥架鎮(zhèn)、沙文鎮(zhèn)、都拉鄉(xiāng)，覆蓋面積1244km2。貴陽(yáng)市規(guī)劃到2020年完成公平共享創(chuàng)新型中心城市的打造，建成大數(shù)據(jù)綜合創(chuàng)新試驗(yàn)區(qū)和全國(guó)生態(tài)文明示范城市。

2 數(shù)據(jù)來(lái)源及處理

2.1 數(shù)據(jù)來(lái)源

研究數(shù)據(jù)采用開(kāi)放型、可提供下載的網(wǎng)絡(luò)數(shù)據(jù)為主，主要有2018年11月3日哨兵2A遙感影像數(shù)據(jù)(見(jiàn)表1)和通過(guò)Python語(yǔ)言爬取的2018年8月高德地圖POI數(shù)據(jù)，分為商務(wù)住房、公司企業(yè)、風(fēng)景名勝和公共設(shè)施、餐飲服務(wù)、道路附屬設(shè)施、交通設(shè)施服務(wù)、金融保險(xiǎn)服務(wù)、科教文化服務(wù)、商務(wù)服務(wù)、生活服務(wù)、體育休閑服務(wù)、醫(yī)療保健服務(wù)、住宿服務(wù)和政府機(jī)構(gòu)及社會(huì)團(tuán)體共14種類(lèi)別，132257條記錄，具有經(jīng)度、緯度、名稱(chēng)、地址等屬性。此外還有17級(jí)高德在線電子地圖和在線影像數(shù)據(jù)，以及貴陽(yáng)市中心城區(qū)矢量范圍數(shù)據(jù)。

表1 哨兵2A（Sentinel2A）部分?jǐn)?shù)據(jù)光譜波段和分辨率

2.2 數(shù)據(jù)處理

對(duì)下載的哨兵2A數(shù)據(jù)進(jìn)行輻射定標(biāo)和大氣校正等預(yù)處理，并進(jìn)行影像重采樣，融合生成分辨率為10m的多光譜影像數(shù)據(jù)。對(duì)17級(jí)高德在線電子地圖和矢量范圍數(shù)據(jù)進(jìn)行幾何精校正（RMS誤差均控制在0.5個(gè)像元內(nèi)），所有數(shù)據(jù)最終均采用統(tǒng)一的WGS84坐標(biāo)系。

對(duì)爬取的14類(lèi)POI數(shù)據(jù)通過(guò)Arcgis軟件轉(zhuǎn)換成矢量點(diǎn)數(shù)據(jù)并參照GB 50137-2011《城市用地分類(lèi)與規(guī)劃建設(shè)用地標(biāo)準(zhǔn)》，結(jié)合貴陽(yáng)實(shí)際情況按居住用地（R）、公共管理與公共服務(wù)設(shè)施用地（A）、商業(yè)服務(wù)業(yè)設(shè)施用地（B）、工業(yè)用地（M）、交通與道路設(shè)施用地（S）、綠地與廣場(chǎng)用地（G）和物流倉(cāng)儲(chǔ)用地（W）7種用地大類(lèi)進(jìn)行分類(lèi)（見(jiàn)表2）。

由表2可知，商業(yè)服務(wù)業(yè)設(shè)施用地POI數(shù)據(jù)最多，占總POI數(shù)的72.80%；公共管理與公共服務(wù)設(shè)施用地、工業(yè)用地、居住用地POI數(shù)據(jù)次之；綠地與廣場(chǎng)用地、道路與交通設(shè)施用地、物流倉(cāng)儲(chǔ)用地POI數(shù)據(jù)相對(duì)較少。

表2 興趣點(diǎn)（POI）分類(lèi)體系

3 研究方法

研究的總體思路是利用哨兵2A遙感影像數(shù)據(jù)快速提取貴陽(yáng)市中心城區(qū)土地利用/覆被數(shù)據(jù)，再利用道路數(shù)據(jù)對(duì)提取的不透水面數(shù)據(jù)進(jìn)行分割，并以落在各地塊的POI數(shù)量統(tǒng)計(jì)值分析識(shí)別地塊的用地性質(zhì)，從而得到貴陽(yáng)市中心城區(qū)城鄉(xiāng)土地利用現(xiàn)狀數(shù)據(jù)。具體技術(shù)流程如圖1所示。

圖1 技術(shù)流程

3.1 遙感影像解譯

3.1.1 土地利用/覆被的提取

基于影像的土地利用解譯方法包括目視解譯、監(jiān)督分類(lèi)、非監(jiān)督分類(lèi)3種方法，其中目視解譯精度較高，但用時(shí)多、工作量大；非監(jiān)督分類(lèi)速度較快，但分類(lèi)精度較差；監(jiān)督分類(lèi)因兼具較高精度和較少用時(shí)等特點(diǎn)被廣泛應(yīng)用于影像解譯工作。監(jiān)督分類(lèi)中的決策樹(shù)分類(lèi)通過(guò)挖掘和提取遙感影像中多種特征變量信息的規(guī)律，進(jìn)行特征值域分割，實(shí)現(xiàn)遙感影像非經(jīng)驗(yàn)、直觀、高效的解譯，被廣泛接受。

為實(shí)現(xiàn)快速土地利用/覆蓋決策樹(shù)分類(lèi)，選擇能有效剝離水體信息的改進(jìn)歸一化差異水體指數(shù)（MNDWI）、有效反映綠色植被光譜情況的歸一化植被指數(shù)（NDVI）、歸一化差異綠度指數(shù)（NDGI）和對(duì)黏土礦物、有色礦物等裸土光譜相對(duì)敏感的黏土礦物質(zhì)指數(shù)（CLAY）、氧化鐵指數(shù)（IRON）及突出實(shí)體建筑物信息的歸一化建筑指數(shù)（MNDBI）等6個(gè)指數(shù)組合成全新的六波段“指數(shù)光譜數(shù)據(jù)”[7-9]，并在ENVI軟件中選取100個(gè)典型地類(lèi)的訓(xùn)練樣本統(tǒng)計(jì)該多光譜數(shù)據(jù)的光譜平均值（見(jiàn)表3），得到指數(shù)光譜平均值折線圖（見(jiàn)圖2），從而確定各地類(lèi)的光譜特征值并進(jìn)行土地利用/覆蓋分類(lèi)。

圖2 “指數(shù)光譜”平均值曲線

表3 典型地類(lèi)的“指數(shù)光譜數(shù)據(jù)”的光譜平均值

根據(jù)實(shí)際分類(lèi)可知，簡(jiǎn)單的MNDWI和MNDBI數(shù)值大于0并不能準(zhǔn)確提全相對(duì)應(yīng)的水體和不透水面數(shù)據(jù)，在分類(lèi)中當(dāng)NDVI〉0.6和CLAY〉1.7時(shí)全為植被；NDGI〉0.1和MNDWI〉0.07時(shí)全為水體；而其他地類(lèi)則依據(jù)決策樹(shù)不斷逼近的二叉樹(shù)脅迫性分類(lèi)原理，利用相應(yīng)的閾值和節(jié)點(diǎn)分割方法進(jìn)行細(xì)化分類(lèi)。

結(jié)合城市用地分類(lèi)體系，本文將土地利用/覆被分為植被、不透水面、建筑工地、耕地和水體5類(lèi)。由于如今建筑上采用新型材料（如部分房頂采用黃色、褐色琉璃瓦或藍(lán)色、淺藍(lán)色的鐵皮覆蓋）和建筑工地上水泥砂漿的大量散布，使地物的遙感光譜信息存在“同物異譜”和“同譜異物”現(xiàn)象，建筑工地和不透水面部分存在錯(cuò)分情況。哨兵2A等高分辨率影像的光譜數(shù)據(jù)紋理特征更具變異[10]，同一地類(lèi)內(nèi)部組成要素細(xì)節(jié)得到了表現(xiàn)，但光譜統(tǒng)計(jì)特征并不穩(wěn)定[11-12]，相對(duì)簡(jiǎn)單的灰度共生矩陣方法提取的紋理數(shù)據(jù)參與分類(lèi)均無(wú)法有效解決建筑工地和不透水面部分錯(cuò)分問(wèn)題，因而在決策樹(shù)土地利用/覆被分類(lèi)的基礎(chǔ)上結(jié)合商務(wù)住宅、餐飲、購(gòu)物、住宿、金融保險(xiǎn)服務(wù)等5類(lèi)POI點(diǎn)數(shù)據(jù)對(duì)建筑工地和不透水面進(jìn)行核實(shí)。當(dāng)不透水面斑塊中無(wú)POI點(diǎn)數(shù)據(jù)落到該斑塊上應(yīng)為建筑工地。

為確認(rèn)分類(lèi)的精確度，在研究范圍內(nèi)以50m為最小點(diǎn)間距隨機(jī)采取1000個(gè)點(diǎn)提取對(duì)應(yīng)的圖斑分類(lèi)信息與在線Google Earth影像地圖進(jìn)行對(duì)比、判斷，建立混淆矩陣[13]。計(jì)算得到總體分類(lèi)精度為95.1%，KAPPA系數(shù)為0.922，說(shuō)明基于指數(shù)組合影像的決策樹(shù)土地利用遙感解譯的精度較高，與現(xiàn)實(shí)情況一致性較好（見(jiàn)表4）。

表4 土地利用分類(lèi)混淆矩陣

3.1.2 道路的提取

通過(guò)二值化的方法對(duì)校正后的17級(jí)高德在線電子地圖進(jìn)行分類(lèi)，提取道路數(shù)據(jù)并轉(zhuǎn)成矢量數(shù)據(jù)，鑒于電子地圖的更新頻率，存在提取的道路數(shù)據(jù)與實(shí)際部分不符情況，因而本文借助合成的多光譜哨兵影像數(shù)據(jù)對(duì)其進(jìn)行更新修改。

3.2 城市用地性質(zhì)的識(shí)別

城市土地利用和土地利用/覆被都是對(duì)土地利用的分類(lèi)，但分類(lèi)標(biāo)準(zhǔn)和側(cè)重點(diǎn)不同，這是由于國(guó)土和城市規(guī)劃分屬不同的系統(tǒng)所致。通過(guò)城市土地用地類(lèi)別與土地利用/覆被的標(biāo)準(zhǔn)對(duì)比實(shí)現(xiàn)土地利用/覆被向城市用地分類(lèi)的轉(zhuǎn)變（見(jiàn)表5）。不透水面是指城市中由各種不透水建筑材料所覆蓋的表面[14]，包括城市建筑物、城市道路、水泥硬化地表等，按要求對(duì)不透水面進(jìn)一步細(xì)分。

表5 城市用地類(lèi)別與土地利用覆被對(duì)比

提取上述土地利用/覆被數(shù)據(jù)中不透水面與矢量道路數(shù)據(jù)進(jìn)行疊加去除，得到按路網(wǎng)分割的不透水面矢量斑塊。參照池嬌等[15]的研究方法，對(duì)每個(gè)斑塊中的POI點(diǎn)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)，通過(guò)計(jì)算斑塊內(nèi)第i 類(lèi)POI數(shù)據(jù)占該類(lèi)POI總數(shù)的頻數(shù)密度Fi及第i 種類(lèi)型POI的頻數(shù)密度占單元內(nèi)所有類(lèi)型的POI頻數(shù)密度的類(lèi)型比例Ci來(lái)識(shí)別城市用地類(lèi)別。計(jì)算公式如下：

式中，i 表示POI數(shù)據(jù)的類(lèi)別數(shù)，取值為i =1，2，3，…7；ni表示斑塊內(nèi)第i 種類(lèi)別POI數(shù)量；Ni代表第i 種類(lèi)別POI的總數(shù)。當(dāng)斑塊內(nèi)某POI類(lèi)型比例達(dá)到50%，判定該斑塊為單一功能用地；當(dāng)斑塊內(nèi)所有POI類(lèi)型比例均小于50%且不全為0時(shí)，判定該斑塊單元為混合性質(zhì)用地；當(dāng)斑塊內(nèi)不存在POI數(shù)據(jù)時(shí)，判定為城鄉(xiāng)居民點(diǎn)建設(shè)用地，即建筑工地和無(wú)POI覆蓋無(wú)法識(shí)別用途的建筑區(qū)域用地。最終得到單一性質(zhì)用地、混合性質(zhì)用地、城鄉(xiāng)居民點(diǎn)建設(shè)用地，其中混合性質(zhì)用地選取2種POI類(lèi)型比例Ci之和大于70%并按其數(shù)值大小進(jìn)行排序，如斑塊中居住用地和商業(yè)服務(wù)用地的POI類(lèi)型比例Ci皆不大于50%，兩者之和大于70%且居住用地的POI類(lèi)型比例大于商業(yè)服務(wù)用地的POI類(lèi)型比例則各取2種用地類(lèi)的第一個(gè)字命名為“居商用地”，如此進(jìn)一步細(xì)分，如果斑塊中各POI類(lèi)型比例達(dá)不到上述要求則劃分為混合用地。

由于POI數(shù)據(jù)是只具有屬性的空間定位點(diǎn)，無(wú)法代表實(shí)體對(duì)象的面積和體積占比的差異情況，而不同實(shí)體對(duì)象的面積占比是城市用地性質(zhì)判別的重要指標(biāo)，所以單一的以斑塊內(nèi)POI的類(lèi)別數(shù)量占比來(lái)判別地塊的用地性質(zhì)并不能反映實(shí)際情況。而公眾認(rèn)知度代表人們對(duì)實(shí)體對(duì)象認(rèn)知的顯著程度，同時(shí)在一定程度上代表地塊的用地性質(zhì)。參考趙衛(wèi)鋒等[16]關(guān)于各類(lèi)POI認(rèn)知度的排列順序和實(shí)際情況，在POI統(tǒng)計(jì)前引入POI權(quán)重值對(duì)原始各類(lèi)POI數(shù)量進(jìn)行修正處理，具體權(quán)重賦值情況如表6所示。

表6 POI類(lèi)別權(quán)重值

貴陽(yáng)市高鐵站、火車(chē)站和龍洞堡機(jī)場(chǎng)，金華鎮(zhèn)物流產(chǎn)業(yè)園及花溪大學(xué)城，客車(chē)站旁的商貿(mào)城等重點(diǎn)地標(biāo)都可以準(zhǔn)確識(shí)別。但對(duì)于云巖、南明等老城區(qū)，由于前期缺少有效的城市規(guī)劃，各種用地功能重合度較高，如老城區(qū)噴水池等商業(yè)中心通過(guò)POI數(shù)據(jù)單獨(dú)分離較難，但總體以商業(yè)服務(wù)和居住用地等混合用地為主。17級(jí)高德電子地圖的道路網(wǎng)數(shù)據(jù)也不夠密集，對(duì)世紀(jì)城、花果園等大型樓盤(pán)土地利用細(xì)部識(shí)別造成一定的影響，地塊劃分不夠細(xì)，一些地方也只能被識(shí)別成混合用地。對(duì)于并不局限于人工建筑范圍的森林公園、濕地等風(fēng)景名勝的城市綠地與廣場(chǎng)用地識(shí)別還有待探討。

4 結(jié)語(yǔ)

在實(shí)際影像解譯中影像數(shù)據(jù)的單一指數(shù)指標(biāo)并不能準(zhǔn)確提取相應(yīng)的地類(lèi)用地。不能通過(guò)改進(jìn)歸一化差異水體指數(shù)、歸一化建筑指數(shù)等特殊對(duì)象指數(shù)簡(jiǎn)單的臨界閾值劃分方法提取對(duì)象事物，需借助更多的特定指數(shù)信息，利用決策樹(shù)脅迫性分類(lèi)方法達(dá)到與現(xiàn)實(shí)情況一致性較好的影像解譯。10m分辨率及以下的遙感影像中狹窄的長(zhǎng)條形河流的提取方法還有待進(jìn)一步深入探索。

依托POI數(shù)據(jù)和Sentinel2A遙感影像可實(shí)現(xiàn)對(duì)城市用地性質(zhì)的有效判讀，一定程度上反映城市用地的分布情況。雖精度還有待提高，但高效、經(jīng)濟(jì)的特點(diǎn)可使開(kāi)放型數(shù)據(jù)的研究成為城市規(guī)劃和管理的一種補(bǔ)充，為城市治理提供參考，類(lèi)似POI和影像的共享開(kāi)放型數(shù)據(jù)的價(jià)值還有待深入挖掘和利用。