李外賓,湯軍,高賢君
長(zhǎng)江大學(xué) 地球科學(xué)學(xué)院,武漢 430100
21世紀(jì)以來(lái),中國(guó)各大中小城市均出現(xiàn)“冒進(jìn)式”或“大躍進(jìn)式”城市化現(xiàn)象[1],不斷推進(jìn)的城市化帶來(lái)的是大面積建筑用地的出現(xiàn)、聚集和擴(kuò)張,社會(huì)經(jīng)濟(jì)發(fā)展活躍,但經(jīng)濟(jì)、社會(huì)、環(huán)境等城市病也屢見不鮮[2-3]. 科學(xué)、高效、準(zhǔn)確地掌握建筑用地的實(shí)際情況,對(duì)發(fā)現(xiàn)的城市問(wèn)題提出有效管理措施和預(yù)防再發(fā)生尤為重要[4-5].
夜間燈光遙感可在夜間工作,有效捕捉夜間城鎮(zhèn)燈光及微弱光源,明顯區(qū)分建設(shè)用地與非建設(shè)用地[6-7]. 當(dāng)前常見數(shù)據(jù)有1km分辨率的實(shí)用行掃描系統(tǒng)(Defense Meteorological Satellite Program’s Operational Linescan System,DMSP/OLS)和500m分辯率的可見光紅外成像輻射儀(Visible Infrared Imaging Radiometer Suite,VIIRS)生成的數(shù)據(jù),但二者都因?yàn)榉直媛实?,多被用于大尺度區(qū)域的提取,而且存在不同程度的燈光溢出和燈光過(guò)飽和的問(wèn)題,會(huì)進(jìn)一步加大數(shù)據(jù)的誤差[8]. 因此,許多研究為了提高精確度,利用不同特征多源數(shù)據(jù)獲得更豐富的城市建設(shè)用地信息. 王若曦等[9]將Landsat影像監(jiān)督分類后與DMSP夜間燈光數(shù)據(jù)結(jié)合,在一定程度上消除了噪聲區(qū)域影響,但空間細(xì)節(jié)度較差;Lu等[10]將夜間燈光影像與歸一化植被指數(shù)(Normalized Difference Vegetation Index,NDVI)相結(jié)合,提出了人類居住合成指數(shù)(Human Settlement Index,HSI),它對(duì)城郊地區(qū)的光信號(hào)進(jìn)行了過(guò)度校正,光源溢出在歸一化植被指數(shù)為0的裸地區(qū)仍然明顯;Zhang等[11]提出了結(jié)合NDVI和夜間燈光影像的VANUI,豐富了城市邊緣信息,在城市建設(shè)用地提取中得到了廣泛應(yīng)用,然而VANUI在植被值和夜光值都較高的地區(qū)仍有局限性. 通過(guò)引用一些高分辨率的影像數(shù)據(jù),雖然存在一些局限性,但在整體精度上都有不小的提高,還是一種可行的辦法.
2018年6月武漢大學(xué)成功發(fā)射科學(xué)實(shí)驗(yàn)衛(wèi)星01星(珞珈一號(hào)),并向外提供130 m分辨率、250 km幅寬的影像數(shù)據(jù),該數(shù)據(jù)不僅極大地提高了分辨率,而且在燈光溢出與飽和問(wèn)題上也有明顯改善[12],將珞珈一號(hào)應(yīng)用到建設(shè)用地的提取中會(huì)進(jìn)一步提高精度,高分辨率讓小尺度區(qū)域的高精度研究已成為可能.
有研究證明興趣點(diǎn)(Point of Interest,POI)與建設(shè)用地正相關(guān),是人類活動(dòng)的一種社會(huì)感知數(shù)據(jù),其密度的有效劃分可以很好地提取建設(shè)用地[13-14]. 本研究在小尺度城區(qū)上結(jié)合珞珈一號(hào)夜間燈光數(shù)據(jù)、地表溫度(Land Surface Temperature,LST)和POI數(shù)據(jù),采用經(jīng)驗(yàn)閾值法對(duì)天津6個(gè)主城區(qū)的建設(shè)用地進(jìn)行提取,依據(jù)天地圖影像數(shù)據(jù)校正的樣本點(diǎn)為參考依據(jù),評(píng)估各點(diǎn)提取的準(zhǔn)確度. 珞珈一號(hào)數(shù)據(jù)與LST結(jié)合提取的建設(shè)用地,在具有較多的細(xì)節(jié)部分和較高的連通性與復(fù)雜性下,還可以保持較高的精確度.
華北平原北部的天津,東臨渤海,北依燕山,是中國(guó)北方最大的沿海開放城市,發(fā)展程度較高. 2018年常住人口達(dá)1 559.6萬(wàn)人,人均生產(chǎn)總值120 711元,建設(shè)用地總計(jì)950.6 km2. 如圖1所示,具體選取了天津的和平區(qū)、河?xùn)|區(qū)、河西區(qū)、南開區(qū)、河北區(qū)、紅橋區(qū)6個(gè)主城區(qū)作為研究對(duì)象.
圖1 研究區(qū)概況圖
1)珞珈一號(hào)夜間燈光數(shù)據(jù):武漢大學(xué)團(tuán)隊(duì)與相關(guān)機(jī)構(gòu)共同研發(fā)的珞珈一號(hào)擁有高靈敏度的夜光相機(jī),影像的空間細(xì)節(jié)化更高,分辨率可達(dá)到130 m[15]. 本研究使用2018年珞珈一號(hào)夜間燈光數(shù)據(jù),數(shù)據(jù)來(lái)源于高分辯率對(duì)地觀測(cè)系統(tǒng)湖北數(shù)據(jù)與應(yīng)用中心.
2)Landsat8數(shù)據(jù):選取于2018年9月29日,并且研究區(qū)內(nèi)沒(méi)有云,成像時(shí)間最接近珞珈一號(hào)影像的數(shù)據(jù),短時(shí)間內(nèi)的地表變化不會(huì)太明顯,這樣可以盡可能減小誤差.
3)POI數(shù)據(jù):通過(guò)百度地圖獲取天津6個(gè)區(qū)的POI數(shù)據(jù)點(diǎn),數(shù)據(jù)點(diǎn)類型有:餐飲服務(wù)、公司企業(yè)、交通設(shè)施、教育機(jī)構(gòu)、商場(chǎng)、休閑娛樂(lè)、醫(yī)藥衛(wèi)生、住宅小區(qū),經(jīng)過(guò)篩選共有76 334個(gè)POI數(shù)據(jù)點(diǎn).
4)樣本點(diǎn):通過(guò)ArcGIS自帶功能隨機(jī)生成的1 000個(gè)隨機(jī)點(diǎn),然后計(jì)算出經(jīng)緯度,通過(guò)高分辨率的天地圖進(jìn)行標(biāo)識(shí),分出816個(gè)建設(shè)用地?cái)?shù)據(jù)點(diǎn)和184個(gè)非建設(shè)用地?cái)?shù)據(jù)點(diǎn).
1)對(duì)珞珈一號(hào)影像進(jìn)行幾何校正、輻射定標(biāo)、裁剪,用夜間燈光數(shù)據(jù)提取建設(shè)用地,得到LJ結(jié)果數(shù)據(jù).
2)對(duì)POI數(shù)據(jù)進(jìn)行投影、核密度計(jì)算,通過(guò)平均值法與珞珈一號(hào)影像數(shù)據(jù)整合得到LJ/POI,用經(jīng)驗(yàn)閾值法得到LJ&POI結(jié)果數(shù)據(jù).
3)對(duì)Landsat8數(shù)據(jù)進(jìn)行輻射定標(biāo)、大氣校正、裁剪、LST計(jì)算,結(jié)合珞珈一號(hào)數(shù)據(jù)得到LJ/LST,用經(jīng)驗(yàn)閾值法得到LJ&LST結(jié)果數(shù)據(jù).
核密度估計(jì)是將空間中任意一點(diǎn)周圍的一定規(guī)則區(qū)域作為密度計(jì)算范圍,根據(jù)與中心點(diǎn)的距離賦予權(quán)重,距離越近權(quán)重越高,反之越低[16].Vi是任意點(diǎn)i的核密度值,計(jì)算公式為
(1)
其中,Wj為數(shù)據(jù)點(diǎn)j的權(quán)重;Dij為空間點(diǎn)i與點(diǎn)j的歐式距離;R為計(jì)算規(guī)則區(qū)域的帶寬(Dij 有研究表明夜間燈光數(shù)據(jù)的亮度值和POI核密度計(jì)算值與建設(shè)用地都成正相關(guān)性[13],選取平均值法來(lái)綜合兩種數(shù)據(jù),可以消除噪聲數(shù)據(jù)點(diǎn),減小極端值的影響達(dá)到更理想的效果. 計(jì)算公式如下: (2) 其中,Pi為兩種數(shù)據(jù)綜合后的結(jié)果數(shù)據(jù);Vi為POI核密度值;LLJi為亮度值. 在NASA官網(wǎng)(http://atmcorr.gsfc.nasa.gov/)輸入成像時(shí)間、中心經(jīng)緯度等信息后可以獲取大氣透過(guò)率、大氣向上輻射亮度、大氣向下輻射亮度信息,所以選擇使用輻射傳導(dǎo)方程法進(jìn)行地表溫度的計(jì)算. 輻射傳導(dǎo)方程法就是先獲取到大氣水汽含量等信息后預(yù)估大氣對(duì)地表熱輻射的影響,再把這些大氣影響從衛(wèi)星傳感器觀測(cè)到的熱輻射總量中減去,最終得到地表熱輻射強(qiáng)度,最后把這一熱輻射強(qiáng)度轉(zhuǎn)化為相應(yīng)的地表溫度[18]. 公式如下: (3) (4) ε=0.004Pv+0.986 (5) Lλ=[εB(Ts)+(1-ε)L↓]τ+L↑ (6) (7) (8) NNIR和R分別為近紅外波段和紅外波段反射率值;Pv是植被覆蓋度;將NNDVI像元值從小到大排序,NNDVIsoil是通過(guò)經(jīng)驗(yàn)值選取NNDVI像元排序在2%的值;NNDVIveg選取NNDVI像元排序在98%的值;ε為地表比輻射率;Ts為地表真實(shí)溫度,B(Ts)為黑體熱輻射亮度,τ為大氣在熱紅外波段的透過(guò)率,大氣向上輻射亮度L↑,大氣向下輻射亮度L↓[19]. HSI在2008年由Lu等[10]提出,將低分辨率夜間燈光數(shù)據(jù)中社會(huì)經(jīng)濟(jì)要素與高分辨率的自然要素?cái)?shù)據(jù)結(jié)合進(jìn)行人類居住合成指數(shù)的提取,后來(lái)多被用來(lái)建成區(qū)的提?。?但是HSI指數(shù)需要排除水體干擾,LST同樣可以劃分自然要素類,于是提出類似HSI指數(shù)的LJ&LST綜合指數(shù),將NDVI替換成LST. 具體計(jì)算公式如下: (9) 本研究首先對(duì)經(jīng)過(guò)幾何校正、輻射定標(biāo)處理后的數(shù)據(jù)進(jìn)行簡(jiǎn)單閾值法的建設(shè)用地提?。?經(jīng)驗(yàn)閾值法易操作,并且依據(jù)真實(shí)的地物劃分,精度也相對(duì)較高,對(duì)輔助數(shù)據(jù)的依賴性也不高,能夠通過(guò)珞珈一號(hào)數(shù)據(jù)快速獲得建設(shè)用地的區(qū)域[20]. 本文采用二分法不斷在0~20范圍內(nèi)變化二分值,隨著閾值的不斷變大,劃分的區(qū)域越來(lái)越不合實(shí)際情況[21],當(dāng)閾值選取4為分界值時(shí),最接近真實(shí)情況,結(jié)果數(shù)據(jù)如圖2. 西湖和東湖、金禧園、長(zhǎng)發(fā)物流天津分公司附近、富強(qiáng)公園、長(zhǎng)虹生態(tài)園、勤儉公園、水西莊公園、北岸中心附近、西沽公園、鹽坨公園、思源公園、崇德園、四化河、寧遠(yuǎn)旅游景區(qū)及一些其他植被區(qū)和暫時(shí)閑置土地區(qū)域被剔除,因?yàn)槭窃谛〕叨确秶鷥?nèi)的研究,光源對(duì)周邊亮度影響較大,非建設(shè)用地會(huì)受到臨近建設(shè)用地光源影響,導(dǎo)致提取的面積與實(shí)際面積小了很多,并且城區(qū)內(nèi)海河和新開河完全沒(méi)有剔除. 圖2 珞珈一號(hào)提取建設(shè)用地結(jié)果 已有研究證明POI與夜間燈光影像結(jié)合提取建設(shè)用地是可行的,關(guān)鍵在于POI帶寬的選擇,在300~1 000 m的帶寬范圍內(nèi)調(diào)試,當(dāng)帶寬選擇大于500 m時(shí),空間細(xì)節(jié)化較粗糙,隨著帶寬變大不斷被粗化;當(dāng)帶寬小于500時(shí),細(xì)節(jié)化有很大提高,但碎斑化嚴(yán)重,邊緣被過(guò)度平滑. 因此,本研究使用500 m帶寬,30 m的柵格單元進(jìn)行核密度計(jì)算,以達(dá)到更合理的劃分. 珞珈一號(hào)數(shù)據(jù)相比DMSP/OLS和VIIRS,在分辨率和燈光溢出上均有改善,但單獨(dú)使用在建設(shè)用地提取上仍然存在一定誤差. 通過(guò)平均值法得到LJ&POI數(shù)據(jù),可以在一定程度上消除差異過(guò)大的影響,解決噪聲點(diǎn)和弱光信息缺失的問(wèn)題. 將15作為最佳的劃分閾值,結(jié)果LJ&POI數(shù)據(jù)如圖3所示,與圖2對(duì)比發(fā)現(xiàn),在非建設(shè)用地的面積上均有外擴(kuò)的情況,在一定程度上提高了提取的準(zhǔn)確性,并且也把LJ沒(méi)有提取的向陽(yáng)便民菜市場(chǎng)附近、古雅博物館附近、藍(lán)水園附近、柳林公園和詹莊附近這些非建設(shè)用地提取出來(lái)了. 圖3 珞珈一號(hào)和興趣點(diǎn)數(shù)據(jù)結(jié)合提取建設(shè)用地結(jié)果 有研究表明LST對(duì)建設(shè)用地的提取是可行的,LST會(huì)因?yàn)榈乇淼牟煌瑢傩蕴卣饔休^大的溫差,城區(qū)內(nèi)的建筑用地多會(huì)表現(xiàn)出熱島效應(yīng),而地表植被覆蓋度較高的地方和水體會(huì)表現(xiàn)出冷島效應(yīng)[22],這樣就可以在合理的閾值下,有效地劃分出建設(shè)用地與非建設(shè)用地. 前兩種方法均未把城區(qū)內(nèi)的河流剔除,而且對(duì)非城區(qū)的提取也并不完善,LJ&LST綜合指數(shù)方法在提取建設(shè)用地上大有改善,提取數(shù)據(jù)更完善更準(zhǔn)確,將0.45作為劃分界限提取建設(shè)用地,LJ&LST結(jié)果數(shù)據(jù)如圖4. 圖4 LJ&LST數(shù)據(jù)的建設(shè)用地提取結(jié)果 通過(guò)結(jié)果比對(duì)看出,LST的加入剔除了未被識(shí)別出的非建設(shè)用地. LJ&LST數(shù)據(jù)基本完整地將主城區(qū)的海河和新開河剔除,這是LJ數(shù)據(jù)和LJ&POI數(shù)據(jù)都沒(méi)有做到的地方;其次,參照?qǐng)D1影像,東西湖區(qū)域和古雅博物館附近園林可以清晰看出面積再次擴(kuò)大到更接近于真實(shí)的情況,改善了燈光溢出問(wèn)題;另外其他的非建設(shè)用地也在LST的結(jié)合下被剔除,其中包括天津城市綠道公園、天津交管局河西支部東、青年湖、南開大學(xué)附近、天塔湖景區(qū)、復(fù)興公園、北斗公園、詩(shī)景公園、河?xùn)|公園、天津大劇院歌劇廳旁以及其他農(nóng)用地和高植被區(qū). 利用目視解譯的辦法對(duì)研究區(qū)內(nèi)的1000個(gè)隨機(jī)樣本點(diǎn)采取量化. 根據(jù)天地圖的影像數(shù)據(jù)作為參考依據(jù),將每個(gè)樣本點(diǎn)標(biāo)記為建設(shè)用地和非建設(shè)用地,再與提取的建設(shè)用地進(jìn)行一一驗(yàn)證,通常用制圖精度(Producer’s Accuracy,PA)、用戶精度(User’s Accuracy,UA)、總體分類精度(Overall Accuracy,OA)和Kappa系數(shù)表示,PA表示建設(shè)用地樣本點(diǎn)被正確識(shí)別的概率,UA表示標(biāo)記為建設(shè)用地樣本被確認(rèn)為建設(shè)用地的概率,OA表示所有類正確識(shí)別的概率,Kappa系數(shù)表示樣本點(diǎn)識(shí)別情況與樣本真實(shí)屬性的一致性. 由表1可知,單獨(dú)使用珞珈一號(hào)數(shù)據(jù)提取的用戶精度、制圖精度和總體精度雖然較高,但Kappa系數(shù)較低,這說(shuō)明與樣本點(diǎn)的一致性較差,進(jìn)一步分析是因?yàn)榻ㄔO(shè)用地的樣本點(diǎn)比重較大,在提取建設(shè)用地中,誤將大部分非建設(shè)用地提取成建設(shè)用地,導(dǎo)致建設(shè)用地的樣本點(diǎn)能很大程度被正確標(biāo)識(shí),但是非建設(shè)用地的樣本點(diǎn)也被誤分在了建設(shè)用地內(nèi),這種看似總體精度較高的提取,實(shí)際卻并不一致. 在加入POI數(shù)據(jù)后,用戶精度、制圖精度、總體精度及Kappa系數(shù)分別提高了1.6%,1.1%,2.4%和0.083,對(duì)比圖2也可以看出提取變化顯著,但是Kappa系數(shù)為0.442,說(shuō)明在樣本點(diǎn)的一致性上表現(xiàn)一般,仍然有大部分的非建設(shè)用地沒(méi)有提取出來(lái),只是在基于LJ結(jié)果數(shù)據(jù)上有所提高. 為了更大改善提取的效果,提出了采取LJ&LST綜合指數(shù)法提取,將圖4與圖2和圖3結(jié)合比較看出變化明顯,海河和新開河被提取,非建設(shè)用地的剔除更接近實(shí)際,在精度評(píng)價(jià)上也有很大提高,LJ&LST的用戶精度、總體精度和Kappa系數(shù)分別比LJ&POI提高了6.1%,2.5%和0.178,Kappa系數(shù)也表現(xiàn)出較高一致性,在保證建設(shè)用地樣本點(diǎn)大部分被正確標(biāo)識(shí)下,非建設(shè)用地的樣本點(diǎn)也絕大部分被正確標(biāo)識(shí). 總體來(lái)說(shuō),在小尺度的研究上,LST數(shù)據(jù)的加入可以解決河流提取不到的問(wèn)題,并且可以將公園、耕地、濕地等非建設(shè)用地更接近真實(shí)面積剔除. 表1 提取結(jié)果精度評(píng)價(jià) 本研究以天津主城區(qū)為例,通過(guò)珞珈一號(hào)、POI數(shù)據(jù)和LST數(shù)據(jù)的整合,采用經(jīng)驗(yàn)閾值法的方式在小尺度區(qū)域進(jìn)行建設(shè)用地的提取,并且以高分辨率的天地圖影像為參照對(duì)樣本點(diǎn)進(jìn)行標(biāo)識(shí)和評(píng)價(jià)提取精度. 研究表明: 1)小尺度的建設(shè)用地提取中,珞珈一號(hào)數(shù)據(jù)雖然與建筑區(qū)呈現(xiàn)較好的相關(guān)性,但依然受到分辨率的限制和燈光溢出的影響,導(dǎo)致建設(shè)用地邊界外擴(kuò),難以將天津主城區(qū)的一些公園及河流剔除. 2)在POI數(shù)據(jù)的結(jié)合后,緩解了燈光溢出產(chǎn)生的邊界外擴(kuò)情況,整體精度都有一定的提高,但還是提取不到位,河流還是被識(shí)別在建設(shè)用地. 3)LJ&LST綜合指數(shù)提取,解決了河流被錯(cuò)誤識(shí)別在建設(shè)用地的問(wèn)題,從精度來(lái)看也表現(xiàn)較好,而且與樣本有較高的一致性. 4)珞珈一號(hào)提供的較高分辨率、更大幅寬的數(shù)據(jù)和更強(qiáng)的夜間燈光量化能力,在城市尺度研究方面顯示巨大的潛力,必將在后續(xù)得到更加廣泛應(yīng)用. 此外,LJ&LST綜合指數(shù)方法為建設(shè)用地的提取提供了有效的途徑,能為城市擴(kuò)張、城市規(guī)劃、城市格局等方面研究提供幫助. 5)LST數(shù)據(jù)的加入改善了建設(shè)用地的提取,但并沒(méi)有全完消除誤分,這與影像分辨率也有一定關(guān)系.2.2 平均值法
2.3 LST計(jì)算
2.4 LJ&LST綜合指數(shù)計(jì)算
3 結(jié)果與討論
3.1 珞珈一號(hào)建設(shè)用地提取
3.2 珞珈一號(hào)與POI數(shù)據(jù)結(jié)合的建設(shè)用地提取
3.3 LJ&LST數(shù)據(jù)的建設(shè)用地提取
3.4 精度評(píng)價(jià)
4 結(jié)論