基于遥感的城市范围提取方法研究

李佳阳++蒋树龙++刘鹏

【摘 要】 由于城市的扩张和遥感技术的发展，利用遥感技术对城市问题的研究也越来越普遍。城市范围的提取往往是对城市发展问题研究的前提，在目前众多城市扩张研究中，很多学者都给出了自己提取城市范围的方法。本文对大量的方法进行研究对比后，将城市范围提取方法分为人工解译方法、图像分类方法、光谱指数与光谱模型方法以及相关因素提取方法，并对每种方法进行了对比总结。

【关键词】 遥感 城市扩张 城市范围 分类

1 引言

随着我国经济持续快速的增长，我国进入城市数量和体量快速增长的阶段。城市的发展与扩张，引起了诸多学者的关注，然而城市范围的界定往往是研究城市扩张的前提，而利用遥感进行城市范围提取正趋于成熟。

遥感是指不与探测目标相接触，从远处把目标的电磁波特性记录下来，通过分析揭示出物体的特征性质及其变化的综合性探测技术[1]。由于遥感具有大面积同步观测、时效性、综合性、经济性等特点，因而在城市范围提取中被广泛使用，如阿里木江·卡斯木[2]等在研究塔什干市城市扩张时同时使用了TM、ETM+、ALOS-AVNIR2三种影像数据。在众多关于城市扩张的研究中，对城市范围的提取方法种类繁多，本文基于各方法特点，将如今主要的基于遥感影像的城市范围提取方法归纳总结为基于人工解译方法，基于图像分类方法，基于光谱指数和指数模型方法，基于相关因素提取方法这四种方法。

2 方法研究

2.1 基于人工解译方法

人工解译方法主要是指目视解译，它凭借解译人员的经验知识，将遥感图像转换成可以被非专业人士理解的现实中的实物。作为传统的判别方法，人工解译的方法一般精度较高，但工作量大。王茜[3]等在对南京市城市扩展的研究中将预处理和几何纠正的图形直接进行人机交互目视解译的方法，对南京市市区成片的区域在计算机中勾画，由此获得南京市城市范围。

人工目视解译作为遥感研究人员必备的一项技能，但在如今遥感技术智能化，高效化的发展过程中，其作为城市范围提取方法的核心作用越来越小，更多的只能作为一种辅助判别方法或是对成果进行检验的手段。人工目视解译本身也受到解译标志、图像质量、解译人员的经验等因素的影响[4]，所以在解译的过程中应该在这些方面引起足够重视以保证解译的质量。

2.2 基于图像分类方法

遥感图像分类分为非监督分类与监督分类，其为获取遥感图像信息最常见的处理方法。非监督分类是指人们事先对分类过程不加入任何先验知识，而仅凭遥感图像中地物光谱特征进行分类，分类结果不能确定类别属性，相对的监督分类则是引入已知类别象元作为训练区再对图像进行分类[5]。

在遥感影像的城市范围提取中首先会对图像进行预处理与增强，增大城市与非城市像元DN值的差别，再对影像进行分类，从而区分出城市与非城市区域。图像处理方法的选择对城市区域分类结果有很大的影响。如杨恒喜[6]等在提取昆明市图像中，先对图像做了直方图均衡化处理，将DN值域增大使其呈正太分布，增强了图像上地物与地物之间的反差，再利用非监督分类的方法提取了城市建成区域，得到城市面积大小。余新朝[7]利用植被差值归一化指数阈值的设定，经过波段运算处理后，单独对图像进行监督或非监督分类都不能取得良好效果，而在结合了多次监督与非监督分类的方法后才较为准确地生成了城市建成区范围图。

基于图像分类的城市范围提取方法在很大程度上减轻了研究人员解译的工作强度，并能得到较为准确的结果。分类前的图像处理方法多样，且多内置于影像处理软件中，操作简单，效果显著；另一方面，分类算法中如最大似然分类、马氏距离分类等逐渐完善，人工神经网络等更智能的分类算法的出现，使图像分类结果更加准确，也使该方法在提取城市范围中得到更广泛的认可。

2.3 基于光谱指数和指数模型方法

由于地物对太阳光的反射和吸收存在差异，导致不同波段中的地物反射信息存在差异，研究人员利用这种差异将卫星不同波段探测数据进行组合运算，得到反映研究所需特定信息的指数，称之为光谱指数，而提取这种指数的特定方法则称为指数模型。

基于此方法的城市范围提取也随着相关的光谱指数和指数模型如归一化差异建筑指数（Normalized Difference Built-up Index， NDBI）[8]、图像卷积运算模型[9]等的发展而得到大量应用。NDBI相对来说使用最广泛，它是在对归一化植被指数NDVI经过深入研究后的拓展，最早由杨山[10]对提取无锡市城乡聚落空间信息而提出，称之为仿植被归一化指数。Y.ZHA[8]等基于TM数据的TM4与TM5波段特性，得到表达式

NDBI=（band5-band4）/（band5+band4）

运算后城镇区域的亮度值增大，其他区域的亮度值都减小，其中NDBI>0的部分为城市，NDBI≤0的部分为非城市区，从而提取出城市范围。NDBI在分类中也存在不足，邓文胜等[11]就曾证明其在大面积复杂区域的应用效果不是很好。基于此光谱指数的城市范围方法也在不断的改进，徐涵秋[12]就放弃了单纯使用NDBI，同时利用了NDBI、土壤调节指数SAVI、修正归一化差异调节指数MNDWI将ETM+数据的六个波段压缩为呈不相关的三个波段，并用谱间信息的相关性逻辑运算，提取出城市建成区域，且抽样验证精度达到 91.3%。

基于光谱指数和指数模型方法充分利用了图像波段间的光谱信息差异，城市范围确定精度通常高于基于图像分类方法的结果。由于此方法充分挖掘了城市地物与非城市地物间光谱信息异同，所以光谱指数和指数模型方法的可重用性更加强，适用范围也更加广泛。

2.4 基于相关因素提取方法

城市作为一个综合体，其包容的元素多样，所表现的性质从不同的角度观察也有不同的结果，因此，除了如上常用的一些方法外，还有一些利用相关因素间接提取出城市范围的方法。endprint

基于不透水面的确定来提取城市范围的方法。广义的不透水面（Impervious Surface Area，ISA）是指天然或人为建造，能够隔离地表水渗透到土壤，进而改变洪水径流的流动、物质沉淀和污染剖面的任何物质[13]。目前研究的人工不透水面多指停车场，道路，屋顶，广场等地物，然而这些地物也是城市的组成部分，再加上如今城市的建设都离不开人工修建的不透水面，所以对城市不透水面范围的确定，在一定程度上可以看作是对城市范围的确定。白杨[14]等人已经完成了在不透水面的基础上，用面向对象的方法，对城市建成区域的提取，得到的城市范围基本与实际吻合。

基于地表温度的确定来提取城市范围的方法。地表温度主要受地表覆盖物影响，由于城市建设，城市地表主要被水泥等人工化合物取代，导致与农田、林地、水体等自然覆盖物的地表温度有明显差异。李昕瑜[15]等人就已经通过反演地表亮温发现，地表温度与归一化不透水面指数NDISI、NDBI呈正相关。王跃[16]等更是利用Landsat的热红外波段，将反演的亮温以296K为界，提取出了苏州市城市范围。

基于这些相关因素提取来提取城市范围的方法突破了以往比较固定的思维，为城市区域研究提供了一种新的思路。但此方法的不足在于难以验证这些相关因素和城市范围之间的联系紧密度，因而有时会对准确提取城市范围造成较大影响。

3 结论与讨论

城市范围的提取在对城市扩张、城市总体规划、城市生态环境等研究中都具有基础性的作用。随着对城市的研究增多，出现了多种多样的城市范围提取方法，经过对大量研究的对比总结，基于对各种方法的主体思想或关键步骤的分析，本文将众多城市范围提取的方法归纳为人工解译方法、图像分类方法、光谱指数与光谱模型方法以及相关因素提取方法。

经过分类后的对比还发现，人工解译方法提取的相对精度较高，但进度慢，耗时多；图像分类方法较人工解译方法更加便捷，但结果相对较差，同时分类前的影像处理和分类方法的选择对分类的结果有较大的影响；光谱指数与光谱模型方法在指数和模型建立之前需要进行大量的分析，但其方法适应范围广，同时对城市范围的提取结果又有充分的物理依据；相关因素提取方法通过对城市特有的相关信息的提取来确定城市范围，此方法思路新颖，发展前景广，但相关因素与城市相关性的确定将是其研究的重点与难点。各种方法虽有不同之处，但在研究中往往又相互联系，相互补充，使城市范围的提取朝着更加精确的方向发展。

随着中国经济的发展，城市的扩张还将持续，由此给我们带来的影响，将会引起越来越多学者的关注。笔者认为，随着遥感信息提取技术的发展，多源数据的应用，以及土地信息数据库的完善，基于遥感的城市范围研究也必然会有新的突破。

参考文献：

[1]梅安新等编著.遥感导论.北京市：高等教育出版社，2001.

[2]阿里木江·卡斯木，阿斯耶姆·图尔迪.基于遥感数据的塔什干市城市扩展时空特征分析[J].新疆师范大学学报（自然科学版），2012，（第2期）.

[3]王茜，张增祥，易玲，谭文彬，王长友.南京城市扩展的遥感研究[J].长江流域资源与环境，2007，（第5期）.

[4]姜放，张国勇.遥感图像目视解译值得注意的几个问题[J].长春工程学院学报（自然科学版），2002，（第3期）.

[5]汤国安等编著.遥感数字图像处理.北京市：科学出版社，2004.

[6]杨恒喜，史正涛，陈可伟.基于遥感影像的1992-2002年昆明市城区扩张及驱动力分析[J].环境科学与管理，2010，（第6期）.

[7]余新朝.基于多时相遥感影像的城市演变分析[J].城市勘测，2013，（第6期）.

[8]Zha， Y. Y.， Gao， J. J.， & Ni， S. S. （2003）. Use of normalized difference built-up index in automatically mapping urban areas from TM imagery. International Journal Of Remote Sensing， 24（3）， 583.

[9]MUXiaodong，LIUHuiping，WANGHongbin.Application of image convolution to extract the urban extent[J].遥感学报，2011，（第6期）.

[10]杨山.发达地区城乡聚落形态的信息提取与分形研究：以无锡市为例[J].地理学报，2000，（第6期）.

[11]邓文胜，关泽群，王昌佐.从TM影像中提取城镇建筑覆盖区专题信息的改进方法[J].遥感信息，2004，（第4期）.

[12]徐涵秋.基于谱间特征和归一化指数分析的城市建筑用地信息提取[J].地理研究，2005，（第2期）.

[13]SloneckerET，JenningsD，GarofaloD. RemoteSensingof ImperviousSurfaces： AReview[J]. Remote Sensing Reviews，2001，20（3）：227-255.

[14]白杨，宁晓刚，张继贤.基于不透水面和引力模型的城市建成区提取与分析[J].测绘科学，2014，（第1期）.

[15]李昕瑜，杜培军，阿里木·赛买提.南京市地表参数变化与热岛效应时空分析[J].国土资源遥感，2014，（第2期）.

[16]王跃，程丹.苏州建成区范围界定及形态分析[J].苏州科技学院学报（自然科学版），2011，（第3期）.endprint