县域城镇用地信息提取研究——以福建省长汀县为例

林蔚，杨仲元，蒋金亮，徐建刚

（1.南京大学地理与海洋科学学院，南京210023；2.南京大学建筑与城市规划学院，南京210093）

县域城镇用地信息提取研究
——以福建省长汀县为例

林蔚1，杨仲元1，蒋金亮1，徐建刚2

（1.南京大学地理与海洋科学学院，南京210023；2.南京大学建筑与城市规划学院，南京210093）

针对如何快速、准确地获取县域城镇用地的信息问题，该文以2010年的TM影像为数据源，以典型的山地城市福建省长汀县为研究区，比较和分析常用的城镇用地提取方法的优势和不足；借鉴分层分类法的思路，综合运用归一化植被指数结合地形调节植被指数、多波段谱间关系法结合改进型归一化水体指数、归一化裸土指数结合归一化不透水面指数，对长汀城镇用地进行提取，总体精度超过85%。分析表明该方法是一种可行有效的城镇用地提取方法。

城镇用地信息；TM影像；长汀；分层分类法；信息提取

1 引 言

随着中国城市化进程的加快，城镇用地在迅速地扩大。快速提取城镇用地信息，反映城镇用地的动态变化，已成为研究城市问题的必然要求。近年来遥感技术因具有重复观测、覆盖范围大、成本低的优点，已成为城镇用地动态监测的有效手段之一。特别是在“大数据时代”的背景下，不同类型、多种分辨率的遥感影像获取十分便利，如何对海量数据进行深度挖掘，获得研究所需的信息已成为热点之一。因此，探寻一种快捷、准确与客观地获取城镇用地信息的方法，动态监测城市扩张过程，对分析城市扩张的驱动力机制，科学合理地指导城市规划、控制城市用地规模具有十分重要的意义。

利用遥感影像提取城镇用地最常用的方法是计算机分类，但由于“同物异谱”和“同谱异物”的现象存在，造成了选择训练样本的困难，导致分类精度达不到要求。为了获取更高的精度，只能通过目视判读或手工屏幕数字化的方法，但工作量很大。杨山、查勇提出归一化建筑指数法［1－2］提取城镇用地，以其计算方便快速的优势而被广泛应用。但后续的证明研究中［3－5］都发现在不同的研究地区，会有其他的地类表现出与城镇用地类似的光谱特征，所以单纯依靠归一化建筑指数大于0就认定为城镇用地并不可靠。很多学者针对不同的研究区域对各种归一化差异型指数进行了改良，如徐涵秋［6］提出了一种综合归一化建筑指数（Normalized Differece Built－up Index，NDBI）、修正归一化水体指数（Modified Normalized Difference Water Index，MNDWI）和土壤调节植被指数（Soil Adjusted Vegetation Index，SAVI）的新型指数（Index－based Built－up Index，IBI），能够有效地抑制提取城市建成区时的背景噪音，并且精度可以达到95%以上，并在福州、厦门、泉州等城市得到了成功的应用。但有研究［7］指出，当城镇建筑用地信息在影像中处于主导位置的情况下，TM影像三指数法（NDBI、MNDWI、SAVI）精度很高，否则，由于各种复杂地物的混淆，三指数法的精度无法满足应用需求。利用遥感图像谱间关系分析也是提取城镇用地的主要方法之一，总体提取效果较好［8－9］。谱间关系法利用了遥感影像光谱波段多、每个波段反映不同信息的特点，使用单波段的光谱特征或者多波段光谱之间的关系对城镇用地进行提取，这种方法在提取城镇用地时往往需要不断地调试阈值和复杂的逻辑判断规则，需要根据不同的研究区域进行选择，普适性不高，比较繁琐。

作为我国基本的行政单元，县是统筹城乡发展的中间环节，是“新型城镇化”的重点所在。而目前县域城镇用地提取的研究尚不多见，因此有必要填补这方面的空缺。综上所述，不管是传统的计算机分类或目视解译，还是近年来发展起来的指数法或谱间关系法，在提取城镇用地时均存在不同程度的缺点，无法同时达到快速、准确、客观提取城镇用地的要求。为了弥补几种常用的城镇用地提取方法的不足，本文借鉴分层分类法的思路对城镇用地进行提取，该方法需要的遥感数据量小且分类算法简单：针对各地物不同的信息特点，将图像按一定原则进行层层分解，信息提取的环境比较纯净［10］。分层分类法已在土地利用／覆盖遥感监测中被证明了是一种可行的方法［11］，并且能够提高分类精度。本研究在总结和借鉴前人研究方法的基础上，以长汀为研究区，提出一种适用于县域范围的城镇用地提取方法。

2 研究区概况、数据来源与技术流程

2.1 研究区概况

长汀县隶属于龙岩市，位于福建省西南部，武夷山南段，南与广东近郊，西与江西接壤。长汀县地形复杂且破碎，山地丘陵面积大，形成了其“八山一水一分田”的自然地理格局。2009年以来，在海西经济区的优惠政策和沿海地区产业梯度转移的大背景下，长汀县几年来在经济总量上取得了长足的发展，地区生产总值增速稳定，但是以山地为主的地形条件极大的限制了城市的扩展空间，可建设用地严重不足，为了保证长汀经济的可持续发展，需要准确的把握城镇用地的范围。本次研究选择长汀县的大同镇、汀州镇、策武镇以及河田镇组成的发展区（集中了长汀县大部分城镇用地）作为研究区域，如图1所示。

图1 研究区2010年Landsat TM影像（RGB：543）

2.2 数据来源

本文选取的数据为美国陆地卫星（Landsat）TM影像，成像时间为2010年1月14日，轨道号为121／42，数据质量高，云量几乎为0。遥感影像数据来源于中国科学院计算机网络信息中心国际科学数据镜像网（http：／／www.gscloud.cn），该数据已经经过系统辐射校正和地面控制点几何校正，并且通过DEM进行了地形校正。

2.3 技术流程

本文利用分层分类法的思路，综合已有提取方法的优点，从某一类地物的光谱、空间、时间特征分析入手，找到反映这些特征的典型波段，采用适合此类地物的信息提取方法进行专题信息提取。当一种地物成功提取后，通过掩膜将其从原始图像中去除，以避免它对其他地物提取的影响。这样按层处理，只针对一类目标进行提取，提高了每一类目标的提取精度。

图2 城镇用地提取技术流程图

3 长汀县城镇用地的提取

3.1 林地和耕地的提取

长汀县内主要的土地利用／覆盖类型为林地、耕地、居民点、水体、工业和道路用地及裸地。由于长汀县山地丘陵面积大，植被覆盖率一直较高，因此林地是占长汀县土地利用／覆被类型中比重最大的，宜先对林地进行提取，植被指数是最常用的方法，如土壤调节植被指数（SAVI）［12］、归一化植被指数等。有学者认为SAVI最适合于研究低植被覆盖区［13］，因此在长汀并不适用；归一化植被指数（NDVI）在复杂地形山区容易受到地形的影响［14］，目前的解决办法有先进行遥感影像地形校正［15－18］，再计算植被指数，但地形校正受制于高精度DEM数据的可获取性，同时难以避免不同数据之间的匹配精度问题，实际应用效果受到制约［19］。因此，有学者建立地形调节植被指数（TAVI）［20］，并已在不同地形地貌研究区域进行了应用［21］，能够有效消除山区地形对常用植被指数影响。已有学者运用TAVI对长汀的植被覆盖度成功的进行了监测［20］，同时还有研究提出复合植被指数（VBSI）［22］，也能较好削弱影像中山体阴影、土壤背景、岩石、建筑用地等地物对植被覆盖度干扰的。

根据对已有植被指数的分析，首先采用NDVI对研究区的林地范围进行提取，算法如式（1）所示。如图3中红框所示，山体阴影随着林地一并提取出来，可见计算NDVI时受到了地形的影响。因此，还必须削弱地形因素在提取林地时造成的影响。根据已有的研究，这里选择TAVI对NDVI进行修正，计算公式如式（2）所示。图4为TAVI计算结果，可以观察到红框中（与图2中的红框位置大致对应）及图4中的黑色点均为山体阴影，通过设定阈值即可将这些山体阴影从NDVI结果去去除，得到更为准确的林地范围。由于所选遥感影像的时相为1月，此时耕地中只有越冬作物，因此可能会有部分耕地存在闲置，在光谱特征上与裸土类似，在计算NDVI时，经过阈值调试，取0.25时能够同时提取林地和未闲置耕地，闲置的耕地将在提取裸土的步骤中进行处理。

式中，TM4、TM3分别代表TM影像第4波段和第3波段的反射率，下同。

式中，f（Δ）表示地形调节因子，由文献［20］可知f（Δ）取0.3，MTM3表示第3波段的最大值。

图3 归一化植被指数计算结果

3.2 水体的提取

水体提取方法包括单波段阈值法［23］，多波段谱间关系法［24］和水体指数法等。在使用单波段阈值法提取水体时，一般选取TM第5波段数据（水体在此波段吸收最强，反射率几乎为零），该方法对阴影区和水体的区分较差［25］。有研究使用基于阈值的多波段谱间关系法，分别在平原地区和山区进行了验证［26］。最早且最具有代表性的水体指数是由Mcfeeters提出的归一化差异水体指数［27］（NDWI）。NDWI提出后，很多学者针对不同的研究区和数据源创建了新的或改进的水体指数，如MNDWI［28］、EWI［29］和NWI［30］。徐涵秋在验证和对比EWI和MNDWI两种指数后认为后者精度较高，且无论在是否经过大气校正的影像中都能将水体有效地提取出来［31］。

图4 地形调节植被计算指数

根据上文的分析，本文分别用NDWI、MNDWI（计算方法如式（3）所示）、NWI 3种水体指数对研究区域的水体进行了计算，发现NDWI和NWI两种方法并不适用于本地区，再将MNDWI的计算结果与基于阈值的多波段谱间关系法［26］（计算方法如式（4）所示）的提取结果进行了对比。从图5、图6的比较可以看出，MNDWI提取的汀江比用多波段谱间关系法的提取结果更为完整，但是同时也出现了一部分的山体阴影同时被错误提取（红色方框中所示）。所以在第一步提取林地和耕地时已将山体阴影的影像去除的前提下，推荐使用MNDWI对水体进行提取。

3.3 裸地的提取

长汀县内由于水土流失造成地表裸露，虽然近几十年来面积逐渐减少但仍有一定的数量，裸地并不属于城镇用地，应予以去除。此外，还有3.1中未提取的闲置耕地也属于裸地的范围，在此一并进行处理。

已有研究提到的谱间关系法不能够很好地区分研究区域城镇用地和裸地［9］，因此这里引入双重指数法［32－33］对裸土进行提取。NDBI指数是提取建筑用地最常用的指数，此外还有归一化裸土指数NDSI与NDBI的算法相同，参与计算的都是5波段和4波段，说明两个指数同样增强的都是高亮度、低植被覆盖的地区。因此不管计算哪个指数，裸土和建筑用地都是同时被提取出来，导致裸土与建筑用地相混淆。

本研究引入NDSI［34］与不透水面指数NDISI［35］（计算公式如式（5）和式（6）所示）组成双重指数，由于不透水面指数NDISI增强的只是建筑物、道路等地表不透水面信息，因此可以提取混合信息中的裸地。双重指数法在增强裸土和不透水面信息后，采用逻辑运算［34］（式（7））得到研究区的裸土信息：

图5 改进型归一化水体指数计算结果

图6 基于阈值的多波段谱间关系法结果

式中，T1为裸土的阈值，大于T1的即为裸土；T2为不透水面的阈值，大于T2的为不透水面。

3.4 获取城镇用地范围

将3.1中提取的林地和耕地、3.2中得到的水体，3.3中得到的裸土从长汀县发展区的范围中剔除，得到最终的城镇用地范围（图7）。

图7 2010年发展区（县域的大同镇、汀州镇、策武镇以及河田镇）城镇用地范围

4 结果分析及精度评定

从2010年长汀城镇用地提取结果来看，大致符合现实情况，长汀主城中心，河田副中心的位置十分明显，长汀经济开发区内的工业用地规模不断扩大，策武镇内的河梁工贸新城也已具规模，策武镇内麻陂村附近的长汀稀土工业园于2009年底通过了控制性详细规划评审，因此在2010年初的影像上暂时还未有明显的城镇用地分布。

本文研究的是城镇用地的提取，可以理解为将所有地物划分成城镇用地和非城镇用地两类，因此采用类型精度进行评价。本文以目视解译的结果为参考，在研究区范围内随机选取240个样本点，计算得到总体精度。总体精度的计算方法是：（分类正确的样点数／总样点数）×100%。

表1 2010年城镇用地提取结果评价

5 结束语

本文以TM影像为数据源，以山地城市长汀作为研究区，借鉴分层分类法的思路，选用归一化植被指数结合地形调节指数提取了林地和耕地，利用改进型归一化水体指数筛选出水体，最后使用双重指数法剔除出研究区中的裸地（包括闲置的耕地），得到城镇用地的范围，总体精度达到86.7%，kappa系数为0.73，证明本方法是一种可行有效的提取城镇用地的方法。

在实际应用中，应根据研究区域的实际用地类型特征，分析各种用地类型的面积分布和混淆程度来决定筛选的先后顺序，综合运用计算机分类法、目视解译法、归一化差异型指数和谱间关系法，避免单一归一化差异型指数的局限性，谱间关系法过多的阈值调试和复杂的逻辑判断规则，逐一将非目标地物分离，最终得到所需的用地范围，达到准确、简单快捷提取城镇用地的目的。

［1］ ZHA Y，GAO J，NI S.Use of normalized difference built－up index in automatically mapping urban areas from TM imagery［J］.International Journal of Remote Sensing，2003，24（3）：583－594.

［2］ 查勇，倪绍祥，杨山.一种利用TM图像自动提取城镇用地信息的有效方法［J］.遥感学报，2003，7（1）：37－41.

［3］ 徐涵秋.基于压缩数据维的城市建筑用地遥感信息提取［J］.中国图像图形学报，2005，10（2）：223－229.

［4］ 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，2005，24（2）：311－320.

［5］ XU H.Extraction of urban built－up land features from Landsat imagery using a thematic－oriented index combination technique［J］.Photogrammetric Engineering and Remote Sensing，2007，73（12）：1381－1392.

［6］ XU H.A new index for delineating built－up land features in satellite imagery［J］.International Journal of Remote Sensing，2008，29（14）：4269－4276.

［7］ 周小成，汪小钦，吴波，等.城镇扩张的多源遥感图像动态监测分析［J］.地球信息科学，2008，10（3）：332－337.

［8］ 孟瑜，赵忠明，彭舒，等.基于谱间特征分析的城市建筑用地信息提取［J］.测绘通报，2008，（12）：36－38，59.

［9］ 彭光雄，徐兵，沈蔚，等.TM图像的城镇用地信息提取方法研究［J］.遥感技术与应用［J］.2006，21（1）：31－36.

［10］ 向天梁，汪小钦，周小成，等.基于分层分析的ASTER影像土地利用／覆被遥感监测研究［J］.遥感技术与应用，2006，21（6）：527－531.

［11］ 胡召玲，李志江，杜培军.分层信息提取法在县域土地利用／覆被遥感中的应用［J］.地理研究，2009，28（2）：409－418.

［12］ HUETE A R.A soil－adjusted vegetation index（SAVI）［J］.Remote Sensing of Environment，1988，（25）：295－309.

［13］ RAY T W.Vegetation in remote sensing FAQs［J］.Application.ER Mapper Ltd，2002.

［14］ 姚晨，黄微，李先华.地形复杂区域的典型植被指数评估［J］.遥感技术与应用，2009，24（4）：496－501.

［15］ TEILLET P M，GUINDON B，GOODENOUGH D G.On the slope－aspect correction of multispectral scanner data［J］.Can J Remote Sens，1982，8（2）：1537－1540.

［16］ RIANO D，CHUVIECO E，SALAS J，et al.Assessment of different topographic corrections in Lantsat－TM data form mapping vegetation types［J］.IEEE Transacions on Geoscience and Remote Sensing，2003，41（5）：1056－1061.

［17］ 黄微，张良培，李平湘.一种改进的卫星影像地形校正算法［J］.中国图像图形学报，2005，10（9）：1124－1128.

［18］ 高永年，张万昌.遥感影像地形校正研究进展及其比较实验［J］.地理研究，2008，27（3）：467－477.

［19］ 江洪，毛政元，汪小钦.地形调节植被指数及其在森林动态监测中的应用［J］.北京林业大学学报，2011，33（5）：8－12.

［20］ 江洪，汪小钦，吴波，等.地形调节植被指数构建及在植被覆盖度遥感监测中的应用［J］.福州大学学报（自然科学版），2010，38（4）：527－532.

［21］ 肖能文，江洪，汪小钦，等.地形调节植被指数的抗地形效果验证［J］.遥感信息，2013，28（4）：74－80.

［22］ 江洪，王钦敏，汪小钦.福建省长汀县植被覆盖度遥感动态监测研究［J］.自然资源学报，2006，21（1）：126－132.

［23］ 陈华芳，王金亮，陈忠，等.山地高原地区TM影像水体信息提取方法比较—以香格里拉县部分地区为例［J］.遥感技术与应用，2004，19（6）：479－484.

［24］ 周成虎，骆剑承.遥感影像地学理解与分析［M］.北京：科学出版社，2003.

［25］ 曲伟，路京选，李琳，等.环境减灾小卫星影像水体和湿地自动提取方法研究［J］.遥感信息，2011，26（4）：28－33.

［26］ 毕海芸，王思远，曾江源.基于TM影像的几种常用水体提取方法的比较和分析［J］.遥感信息，2012，27（5）：77－82.

［27］ MCFEETERS S K.The use of normalized difference water index（NDWI）in the delineation of open water features［J］.International Journal of Remote Sensing，2005，9（5）：589－595.

［28］ 徐涵秋.利用改进的归一化差异水体指数（MNDWI）提取水体信息研究［J］.遥感学报，2005，9（5）：590－595.

［29］ 闫霈，张友静，张元.利用增强型水体指数（EWI）和GIS去噪音技术提取半干旱地区水系信息的研究［J］.遥感信息，2007，22（6）：62－67.

［30］ 丁凤.一种基于遥感数据快速提取水体信息的新办法［J］.遥感技术与应用，2009，24（2）：167－171.

［31］ 徐涵秋.从增强型水体指数分析遥感水体指数的创建［J］.地球信息科学，2008，10（6）：776－780.

［32］ 徐涵秋.南方典型红壤水土流失区地表裸土动态变化分析—以福建省长汀县为例［J］.地理科学，2013，33（4）：489－496.

［33］ 徐涵秋.福建省长汀县河田盆地地区近35年来地表裸土变化的遥感时空分析［J］.生态学报，2013，33（10）：2946－2953.

［34］ KEARNEY M S，ROGERS A S，TOWNSHEND J R G.Developing a model for determining coastal marsh“health”［C］.Third The－matic Conference on Remote Sensing for Marine and Coastal Environments，Seattle，Washington，1995：527－537.

［35］ XU H.Analysis of impervious surface and its impact on urban heat environment using the normalized difference impervious surface index（NDISI）［J］.Photogrammetric Engineering and Remote Sensing，2010，76（5）：557－565.

Urban Land Extraction Based on TM Imagery：A Case Study of Changting，Fujian Province

LIN Wei1，YANG Zhong－yuan1，JIANG Jin－liang1，XU Jian－gang2
（1.School of Geographic and Oceanographic Science，Nanjing University，Nanjing210023；2.School of Architecture and Urban Planning，Nanjing University，Nanjing210093）

To grasp the scope of urban land in the county level is significant for successfully carrying out the urban planning and guaranteeing the sustainable development of rural economy.This paper aims at quick and accurate acquisition of the urban land.The study area is located in Changting，a typical mountainous city of Fujian province，where the merits and drawbacks of some traditionally used urban land extraction methods were compared and analyzed.Inspired by the hierarchical classification method，this paper extracted the urban land of Changting county by using NDVI（Normalized Difference Vegetation Index）＆TAVI（Topograpy Adjusted Vegetation Index），MNDWI（Modified Normalized Difference Water Index），NDSI（Normalized Difference Soil Index）＆NDISI（Normalized Difference Impervious Surface Index）methods considering their merits，and the overall accuracy is 85%，which illustrates that the adopted method is useful and efficient for urban land extraction.

urban land；TM imagery；Changting；hierarchical classification；information extraction

10.3969／j.issn.1000－3177.2015.02.022

P237

A

1000－3177（2015）138－0120－06

2014－01－13

2014－04－14

国家自然科学基金资助项目（51278239）。

林蔚（1986～），男，博士研究生，研究方向为城市遥感。

E－mail：gis＿xifan＠163.com

徐建刚（1960～），教授，博导，主要从事城市与区域规划、城市遥感与GIS研究。

E－mail：xjg129＠sina.com