基于Landsat TM数据的建筑用地信息提取及变化分析

曾晓明，何 龙，王成雷，张 虎，连 懿，孙瑞祺

(天津师范大学地理与环境科学学院，天津 300387)

随着社会经济的快速发展，城市用地不断扩张导致的耕地资源急剧减少和土地资源利用效率大幅降低等问题越来越突出，因此，监测土地利用的动态变化提升为重要议题.近年来，研究人员通过卫星影像数据提取建筑用地信息，参照归一化植被指数(normalized difference vegetation index，NDVI) 建立了归一化建筑指数(normalized difference built-up index，NDBI)，用于提取城镇用地信息[1-4].与传统提取方法相比，该方法提取精度明显提高，但算法基于单一指数，提取结果包含部分植被和水体等其他地物信息，结果和精度不具有客观性.徐涵秋[5-7]基于压缩数据维的方法，将遥感影像压缩为修正归一化差异水体指数(modified normalized difference water index，MNDWI)、土壤调节植被指数(soiladjustedvegetationindex，SAVI)和NDBI共3个指数，并重新构建建筑用地指数(index-based built-up index，IBI)，进一步压缩数据维去除植被和水体影响，使得城镇用地信息的提取结果和提取精度均得到改善.由于裸地的光谱特征和建筑用地相似，三指数法提取的建筑用地信息中并没有将裸地信息去除.区分建筑用地信息与裸地信息一直是遥感影像地物信息提取的关键点.彭光雄等[8]、杨智翔等[9]和徐涵秋[10]进一步分析光谱特征，构造新的提取标准，综合多种指数，采取阈值分割法剔除裸地信息.在利用不透水面指数分离裸土和建筑信息的研究方面，徐涵秋[11-14]根据不透水面波谱特征，提出快速提取不透水面的新型遥感指数，取得较好的分离效果.

近年来，关于城镇用地信息提取的研究多从建筑用地提取模型和方法创新角度入手，通过对比分析少量遥感影像建筑用地提取结果的精度，逐步完善提取模型和方法.但是，在模型提取的实际运用过程中，较少提取多期建筑用地信息，而传统方法提取步骤繁多，数据量大，自动化提取程度低，费时费力，不利于大尺度城市变化分析和土地利用动态变化监测等相关研究.因此，本研究从自动化快速提取多期建筑用地信息着手，基于吴志杰等[15]提出的EIBI(enhanced index-based built-up index，EIBI)模型，编程实现 EIBI建筑用地自动提取功能，并以天津市2景Landsat TM数据为例，从遥感影像的波段合成、镶嵌和裁剪开始，逐步进行指数的构建、灰度的线性拉伸和阈值的设置，最终提取EIBI建筑用地信息，实现了Landsat TM数据中建筑用地信息的快速自动提取，并对提取结果进行精度验证，分析了建筑用地信息随时间的变化特征.

1 数据与方法

1.1 研究区域和研究数据

选取天津市为研究区.作为直辖市的天津位于环渤海湾中心，总面积1.194 6×104km2，其城市形成、发展和城市用地扩张的规模在全国位于前列，具有一定的代表性和典型性.

选用天津市2005年8月20日和2010年10月5日获取的2景Landsat-5 TM影像作为研究数据，这两景数据含云量较少，为研究建筑用地信息提供了丰富的数据基础.为了减少光照和大气差异带来的影响，影像需经过辐射定标和大气校正，根据地表的反射率数据提取建筑用地信息.本研究中用到的Landsat影像数据均来自美国地质调查局(USGS)官方网站(https：//earthexplorer.usgs.gov/).地表反射率数据使用由美国航空航天局研发的陆地卫星生态系统干扰自适应处理系统(Landsat ecosystem disturbance adaptive processing system，LEDAPS)，经过几何校正、辐射定标、大气校正和云掩膜处理得到.LEDAPS大气校正基于6S辐射传输模型，获得有效的气溶胶分布数据，开展适用于TM/ETM+数据可见光、近红外及短波红外波段反射率的反演.辅助数据是用于掩膜的天津市矢量边界数据以及Google Earth 2005年和2010年高分辨率影像数据.

1.2 研究方法

传统IBI[6]模型由NDBI、MNDWI和SAVI共3个指数基于压缩数据维思想构建，难以抑制裸地信息，提取结果很难区分裸地和建筑用地.在此基础上，以归一化差值裸地与建筑用地指数NDBBI(normalized difference bareness and built-up index，NDBBI)替换NDBI可以弱化裸地信息，而构建所得增强型裸土指数(enhanced bare soil index，EBSI)能够增强裸地信息.仿照IBI模型的构建方法引入EIBI指数[15]

式(1)中：DNDBBI是对DNDBI的改进，在利用TM5和TM4波段构建的归一化建筑指数(NDBI)的提取结果中，仍然包含裸地信息，提取效果受到较大影响.吴志杰等[15]引入了NDBBI指数

式(2)中：DNDBBI是采用TM7、TM4和TM2共3个波段构建的新指数，指建筑和裸地在第7波段有较高的反射率，而植被和水体在第4和第2波段有较高反射率.通过将第7波段反射率按倍数增大到1.5时，设置阈值0可以较好地将植被和水体剔除，并削弱裸地信息.

在EIBI模型中，通过对比裸土指数(bare soil index，BSI)和MNDWI指数的图像可知，裸地的反差最大.为了增强裸地信息，将BSI和MNDWI压缩构建为一个新的指数EBSI[15]

在植被信息提取方面，NDVI是最常用的方法，它基于研究区内所有土壤类型相同的前提，在面对土壤背景噪声复杂的实际环境时，结果误差较大.基于此，Huete[16]引入了SAVI指数

式(4)中L=0.5.

Mcfeeters[17]构建归一化水体指数(normalized difference water index，NDWI)用于提取水体，由于所提取的水体信息中含有部分建筑用地信息，导致提取精度降低，不适合城镇范围内水体的提取.通过对波段组合进行修改，以TM5波段替代原有的TM4波段，构建MNDWI指数[5]

最后，对EBSI、SAVI和MNDWI这3个指数赋予不同的权重以抑制裸地信息，从而达到增强建筑用地信息的目的.

实现EIBI建筑用地信息提取研究的方法流程如图1所示.

图1 建筑用地信息提取流程图Fig.1 Flow chart of built-up land information extraction

由图1可以看出，建筑用地信息提取的主要步骤为：①读取Landsat TM数据；②构建NDBBI、SAVI、MNDWI以及BSI这4个指数；③利用BSI和MNDWI线性拉伸结果构建EBSI；④构建EIBI并生成影像，对影像进行灰度拉伸；⑤对EIBI灰度拉伸影像结果进行阈值设定，分割出建筑用地信息；⑥输出建筑用地提取影像；⑦对建筑用地提取结果进行精度检验.需要注意的是，在归一化数据结果区间范围内，数值动态变化范围较小，而经过0～255灰度线性拉伸所得结果的数值动态变化范围更大.因此，为了设定阈值时能够更容易地区分建筑用地信息，不能使用归一化数据结果进行计算.

精度评价的主要因子包括混淆矩阵、生产者精度、使用者精度、总精度以及Kappa系数.混淆矩阵又称为误差矩阵，是用于表示分类的像元数与实际检验为该类别的像元数的比较阵列.Kappa系数大于0.75说明一致性较好，小于0.4说明一致性较差，越接近1说明一致性越好，即建筑用地信息提取结果越精确.

进一步提取建筑用地信息变化趋势，需要在ArcGIS软件中采用栅格计算器将2010年与2005年建筑用地信息提取结果进行相减计算.

2 结果与分析

2.1 基于EIBI指数提取建筑用地信息

2.1.1 建筑用地信息的提取

将2景Landsat TM原始数据影像以标准假彩色4、3和2波段合成，并叠加天津市矢量行政区划图层，结果如图2所示.

图2 天津市2005年和2010年TM标准假彩色影像示意图Fig.2 TM standard false color sketch images of Tianjin city in 2005 and 2010

本研究中，对2005年和2010年数据分别设置阈值131和133时可以将天津市研究区建筑用地和裸地信息在EIBI模型计算结果中较好地加以区分.对建筑用地提取结果进行二值化处理，定义建筑用地的值为1，非建筑用地的值为0，结果如图3所示，其中黑色部分代表建筑用地，白色部分代表非建筑用地.

图3 天津市2005年和2010年建筑用地信息提取结果示意图Fig.3 Results of built-up land information extraction of Tianjin city in 2005 and 2010

对比图2和图3可以看出，天津市2010年建筑用地面积较2005年大幅度增加，在区域布局上更为紧凑，市内6区(和平区、河东区、河西区、南开区、河北区和红桥区)和滨海新区建筑用地的聚集程度以及变化程度尤为明显.其中，滨海新区由于填海造陆，以及天津港的不断建设发展，5年间天津港周围建筑用地的面积显著增加，海岸线变化尤为突出.此外，武清区和宝坻区建筑用地也有不同程度的增加.

进一步对分类结果进行像元统计，得到天津市2005年和2010年的建筑用地和非建筑用地的像元数目，并计算得到其对应面积S、总增长率rt和年均增长率ra，结果如表1所示.

表1 建筑用地面积统计表Tab.1 Statistics of built-up land area

由表1可知，2010年建筑用地面积为1807.43 km2，2005年建筑用地面积为1 159.64 km2，面积增加了647.79 km2，这其中包含5年间减少的建筑用地面积，其总体增长率达到55.86%，年均净增长率为11.17%.此外，非建筑用地面积占天津市总面积的比重较大，非建筑用地面积由2005年的10 786.37 km2减少至2010年的 10 138.57 km2，5年间总体减少率为6.01%，年均减少率为1.20%.

2.1.2 分类结果的验证

为了验证和比较建筑用地提取精度，在遥感处理软件中，对感兴趣区域(region of interest，ROI)随机选取验证样本区，对照Google Earth影像数据并抽样选择387个验证像元用于精度检验.选择保存的ROI验证样本，通过混淆矩阵计算工具并设置相关参数，整理后得到分类结果精度评价结果，如表2所示.

表2 分类结果精度评价表Tab.2 Classification accuracy evaluation results

由表2可以看出，在天津市2005年建筑用地信息所抽取的387个验证像元中，有19个漏分像元(建筑用地分为非建筑用地)，21个误分像元(非建筑用地分为建筑用地)，总精度Ao达到89.66%，Kappa系数为0.78.在天津市2010年所抽取的387个验证像元中，有18个漏分像元，15个误分像元，总精度Ao达到91.47%，Kappa系数为0.81.

2.2 建筑用地变化分析

将2010年和2005年建筑用地分类结果在ArcGIS软件中使用栅格计算器工具进行进一步计算，并将数据相减得到-1、0和1共3种结果.由于进行二值化时定义建筑用地值为1，非建筑用地值为0.因此，栅格计算的结果为-1表示同一区域2005年为建筑用地(值为1)在2010年变为非建筑用地(值为0)，即-1代表2010年建筑用地面积较2005年减少，1代表新增建筑用地，0代表没有变化.将栅格计算结果与水体、天津市矢量行政区划等图层叠加显示可以直观看出建筑用地的发展变化趋势，结果如图4所示.

图4 建筑用地叠加显示效果图Fig.4 Built-up land overlap rendering

进一步将天津市建筑用地变化结果按照行政区划进行分区统计，得到天津市16个区建筑用地变化分区统计表，结果如表3所示.

表3 建筑用地变化分区统计表Tab.3 Zoning statistics table of built-up land change

表3中，宁河区和静海区于2015年撤县设区，蓟州区于2016年由蓟县改为蓟州区，其行政区域界线未做调整，本研究基于最新行政区划即16区格局.表3中，S2005为2005年建筑用地面积，S10r为2010年减少建筑用地面积，S10g为2010年新增建筑用地面积，Pr和Pg分别代表建筑用地减少和增长比率.

从表3可以看出，与2005年相比，滨海新区在2010年新增建筑用地面积最多，为346.41 km2，主要集中在天津港附近，呈片状分布.武清区和静海区新增建筑用地面积分别为132.69 km2和128.22 km2，说明5年间城市快速发展趋势较为明显.结合表3和图4可以看出，在天津市市内6区(和平区、河东区、河西区、南开区、河北区和红桥区)，新增建筑用地面积较少，从总体变化趋势看，建筑用地均有不同程度的负增长，即5年间减少的建筑用地面积超过增加的建筑用地面积.由此可知，市内6区的城市发展出现了一定程度的饱和，城市发展逐渐向环城4区(东丽区、津南区、西青区和北辰区)转移，发展格局逐步改变.在建筑用地总体变化趋势上，静海区、东丽区、滨海新区和宝坻区的增长率均超过100%，其中静海区增长率达到163.97%，其建筑用地减少率为19.43%，净增长率在16个区中排名最高，为144.54%，年均增长率达到28.91%.总体来看，天津市2010年建筑用地面积较2005年减少416.56 km2，新增建筑用地面积1 064.35 km2，呈现增长趋势.

3 结论

本研究以Landsat TM数据为研究对象，采用压缩数据维的方法，通过构建EIBI指数，实现对建筑用地信息的提取，并根据提取结果分析2005～2010年天津市建筑用地信息的变化特征，研究结果表明：

(1)本研究方法对2005年和2010年Landsat TM建筑用地信息的提取精度分别为89.66%和91.47%，提取结果精度较高；Kappa系数达到0.78和0.81，表现出较高的一致性，说明本研究方法提取可信度较高.

(2)通过分析建筑用地变化，计算得到2010年较2005年新增的建筑用地面积1 064.35 km2，年均净增长率为11.17%.说明5年间，建筑用地面积增长幅度较高，反映出城市的快速发展变化和社会经济的急剧增长.

在使用EIBI模型提取建筑用地信息时，阈值设定对提取结果的精确程度产生影响.本研究尚存在以下2点需要改善：

(1)EIBI模型通过设置多个次级指数，放大了建筑用地和裸地信息在提取结果中的差异性，提升了区分度，从而提高了提取结果准确性，但阈值仍需依靠经验确定.

(2)该模型涉及较多的次级指数和不同波段之间的计算，局限性较大，不适于波段较少的遥感影像数据.今后的研究重点为阈值的设定以及提升模型的普适性.

参考文献：

[1]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，2000，55(6)：671-678.YANG S.On extraction and fractal of urban and rural residential spatial pattern in developed area[J].Acta Geographica Sinica，2000，55(6)：671-678(in Chinese).

[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)：37-40+82.ZHA Y，NI S X，YANG S.An effective approach to automatically extract urban land-use from TM imagery[J].Journal of Remote Sensing-Beijing，2003，7(1)：37-40+82(in Chinese).

[3]陈志强，陈健飞.基于NDBI指数法的城镇用地影像识别分析与制图[J].地球信息科学，2006，8(2)：137-140.CHEN Z Q，CHEN J F.Investigation on extracting the space information of urban land-use from high spectrum resolution image of aster by NDBI method[J].Geo-Information Science，2006，8(2)：137-140(in Chinese).

[4]姚月，朱大明，李小华.基于Landsat系列数据对建设用地变化的提取研究[J].华北科技学院学报，2016，13(5)：111-115.YAO Y，ZHU D M，LI X H.Investigation on the extraction dynamic change of land for construction by landsat data[J].Journal of North China Institute of Science and Technology，2016，13(5)：111-115(in Chinese).

[5]徐涵秋.利用改进的归一化差异水体指数(MNDWI)提取水体信息的研究[J].遥感学报，2005，9(5)：589-595.XU H Q.A study on information extraction of water body with the modified normalized difference water index(MNDWI)[J].Journal of Remote Sensing，2005，9(5)：589-595(in Chinese).

[6]徐涵秋.基于压缩数据维的城市建筑用地遥感信息提取[J].中国图象图形学报，2005，10(2)：223-229.XU H Q.Remote sensing information extraction of urban built-up land based on a data-dimension compression technique[J].Journal of Image and Graphics，2005，10(2)：223-229(in Chinese).

[7]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+324.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+324(in Chinese).

[8]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，2006，21(1)：31-36.PENG G X，XU B，SHEN W，et al.Extracting urban land-use on the TM imagery[J].Remote Sensing Technology and Application，2006，21(1)：31-36(in Chinese).

[9]杨智翔，何秀凤.基于改进的NDBI指数法的遥感影像城镇用地信息自动提取[J].河海大学学报(自然科学版)，2010，38(2)：181-184.YANG Z X，HE X F.Automatic extraction of urban land-use information from remote sensing images based on improved NDBI method[J].Journal of Hohai University(Natural Sciences)，2010，38(2)：181-184(in Chinese).

[10]徐涵秋.福建省长汀县河田盆地区近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.XU H Q.Spatiotemporal dynamics of the bare soil cover Hetian Basinal area of county Changting，China，during the past 35 years[J].Acta Eco-logica Sinica，2013，33(10)：2946-2953(in Chinese).

[11]徐涵秋.一种快速提取不透水面的新型遥感指数[J].武汉大学学报(信息科学版)，2008，33(11)：1150-1153，1211.XU H Q.A new remote sensing index for fastly extracting impervious surface information[J].Geomatics and Information Science of Wuhan University，2008，33(11)：1150-1153，1211(in Chinese).

[12]徐涵秋.城市不透水面与相关城市生态要素关系的定量分析[J].生态学报，2009，29(5)：2456-2462.XU H Q.Quantitative analysis on the relationship of urban impervious surface with other components of the urban ecosystem[J].Acta Ecologica Sinica，2009，29(5)：2456-2462(in Chinese).

[13]林思乡，徐涵秋，林中立.长汀水土流失区地表裸土动态变化及生态分析[J].福建林业科技，2015，42(3)：7-12，39.LIN S X，XU H Q，LIN Z L.Dynamics of exposed bare soil cover and ecological status in the soil loss area of changting county[J].Journal of Fujian Forestry Sci and Tech，2015，42(3)：7-12，39(in Chinese).

[14]徐涵秋，杜丽萍.遥感建筑用地信息的快速提取[J].地球信息科学学报，2010，12(4)：574-579.XU H Q，DU L P.Fast extraction of built-up land information from remote sensing imagery[J].Geo-Information Science，2010，12(4)：574-579(in Chinese).

[15]吴志杰，赵书河.基于TM图像的“增强的指数型建筑用地指数”研究[J].国土资源遥感，2012，93(2)：50-55.WU Z J，ZHAO S H.A study of enhanced index-based built-up index based Landsat TM imagery[J].Remote Sensing for Land&Resources，2012，93(2)：50-55(in Chinese).

[16]HUETE A R.A soil-adjusted vegetation index(SAVI)[J].Remote Sensing of Environment，1988，25(3)：295-309.

[17]MCFEETERS S K.The use of normalized difference water index(NDWI)in the delineation of open water features[J].International Journal of Remote Sensing，1996，17(7)：1425-1432.