基于多源遥感数据的城市扩张监测与分析

张亚男，张承明，李芳

(1.中国地质大学(武汉)地理与信息工程学院，湖北 武汉 430074 ；2.山东农业大学信息科学与工程学院，山东 泰安 271018)

0 引言

城市化进程的快速推进必然会强有力地带动区域经济向前发展，研究区域城市化的时空格局动态监测，对未来城市建设具有指导意义。遥感技术具有快速、实时、信息量大等优点，已广泛应用于资源和环境监测[1-5]。目前，利用高空间分辨率遥感影像能够更准确地提取建设用地，但同时具有效率低、成本高、大面积与多时相数据获取困难等问题；中、低分辨率的遥感影像，如Landsat数据等，城市内部地类混淆现象普遍，因此，仅利用光谱信息不足以精确提取和监测城市建成区。夜间影像根据城镇在夜间发出灯光，用来准确提取和分析建成区范围和空间聚集现象[6]，但其空间分辨率较低，无法刻画城市内部细节。因此，许多学者开始结合夜间灯光数据与其他遥感数据分析城市扩张等，如杨洋等[7]以环渤海地区为例研究基于长时间序列DMSP /OLS夜间灯光数据的土地城镇化水平时空测度分析；Milesi等[8]使用DMSP/OLS夜间数据来估计美国东南部地区的城市土地开发程度，为快速分析城市空间扩张规律提供了一个有效的方法。

美国芝加哥大学城市地理学家Colby于1993年提出了城市扩展“向心力”与“离心力”学说，他提出有些城市功能因素使城市向心式的向内部重组，有些因素使城市离心式的向外部扩展。在后续研究中，逐渐演化成为对各类用地的驱动力的研究。为了便于比较不同研究时段内城市土地利用的扩展中心或方向区内城市扩展的空间差异，刘盛和等[9]提出了年均城市扩展强度指数以表示不同研究时期城市土地利用扩展的强弱或快慢。“重心”原是物理学中的概念，是指各部分所受重力的合力作用点，后来逐渐演化到土地利用空间变化的研究中，王秀兰[10]等为表达研究时间段内土地利用变化的空间规律，将人口地理学中的人口分布重心原理应用到土地利用空间变化研究中，通过土地利用重心转移模型可以更好地从空间上对土地利用类型的时空演变特征进行描述。许多学者引入了指标模型来研究城市的扩展特征，如毛卫华等[11]结合基于DMSP/OLS夜光遥感影像提取的建成区数据，利用扩张面积、扩张速度、扩张强度3个指标来量化城市扩张的数量特征；刘沁萍等[12]选择城市形态紧凑度和城市扩张速度2个指标,分别从城市规模、大区域、省级行政区划3个空间尺度分析了城市的空间扩张情况。

最近，有学者利用夜间遥感数据对城市提取结果进行后处理和优化，进行城镇扩张的分析[13]，但是，后处理和优化的过程依赖于较高分辨率的城市提取结果。众多学者的研究为了解中国城镇化时空扩展过程提供了丰富的方法，然而仍存在不足之处。鉴于上述论述，该文结合Landsat数据与夜间遥感数据，引入城市扩张指标，分析城市空间扩展特征、形态。

1 研究区及数据

1.1 研究区

济南是山东省的省会城市，是区域城市化发展的核心城市。泰安市位于泰山南麓，原莱芜市则位于泰山东麓。为了解决山东省区域发展不平衡、提升西部城市带动力和强化济南市在省会城市群经济圈中的核心地位，2019年1月，国务院批准同意将莱芜市撤归济南市管辖，原莱芜市改为济南市莱芜区和钢城区。至此，莱芜并入济南，济泰共建大省会，实现了在更大范围内要素配置与资源整合。该文以原济南市、泰安市、原莱芜市为研究区域(图1)，对区域建成区的扩展及其驱动因子具有重要借鉴意义。

图1 研究区地理位置

1.2 数据及预处理

该文选取Landsat ETM+/OLI数据(空间分辨率可见光波段为30m,全色波段为15m)、DMSP/OLS夜间灯光平均强度数据(灰度范围为1～63，空间分辨率为30弧秒)和NPP/VIIRS夜间无云年平均辐射数据(空间分辨率提升至15弧秒,灰度区间(16 bit)大于DMSP/OLS(6 bit),可以识别微弱的灯光源)为数据源(图2)。

由于无法获取近两年DMSP/OLS夜间灯光平均强度数据和NPP/VIIRS夜间数据，该文主要采用2004—2013年间多个遥感数据源探索开展研究区的城市扩展特征分析。其中，DMSP/OLS夜间数据时相为2004年、2007年、2010年和2013年，NPP/VIIRS夜间无云年平均辐射数据时相为2016年；Landsat-7 ETM+数据时相为2004年、2007年和2010年，Landsat-8 OLI数据时相为2013年和2016年。

为避免影像网格形变带来的影响，需将夜间灯光影像重投影为Albers等积投影，然后对DMSP/OLS影像和NPP/VIIRS影像分别重采样为1km和500m。对Landsat7 ETM+数据(去条带后)及Landsat8 OLI数据进行辐射定标、FLASS大气校正、几何校正等预处理，再使用NNDiffusion(nearest neighor diffusion)算法进行图像融合，将空间分辨率提高至15m。然后将Albers等积割圆锥投影作为标准参考系，校正误差小于1个像元，最后进行影像镶嵌和裁剪。

除上述遥感数据外，该文还使用了山东省统计年鉴数据等作为辅助数据，用以验证结果的可靠性。

图2 不同遥感影像图

2 研究方法

该文的总体思路为：结合Landsat数据与夜间遥感数据，以2004—2016年的原济南市、泰安市和原莱芜市为研究区，基于多源遥感信息提取城市建成区空间范围，然后引入扩张强度、空间紧凑度、重心轨迹转移分析等城市扩张指标，定量测算和分析建设用地时空格局演变及区域发展关系。总体流程如图3所示。

由于DMSP/OLS稳定灯光数据集中的每期影像都存在像元饱和的问题，以及影像之间缺少可比性。首先进行自校正，然后以DN值在1～63的分布范围广泛和数据集的累计DN值最高为依据，确定F16传感器在2006年获得的鸡西市影像DN值为参考区和参考数据集，再建立一元二次模型，去除非稳定像元[14-15]。计算公式如下：

DNc=a×DN2+b×DN+c

(1)

式中：DN，DNc—校正前、后像元DN值；a，b，c—回归参数。

最后，利用相应的模型参数(表1)，进行灯光影像DN值的回归校正。

对预处理后的Landsat影像进行SVM分类，选取4种典型地物类型——城镇、水体、植被及农业用地作为训练样本，对分类结果进行聚类平滑及精度评价等，完成建成区的初步提取。从校正后的灯光数据影像中裁剪出研究区域，再利用突变检测法获得2004—2016年提取阈值，采用该阈值最终得到建成区边界。将各城市每一时相的Landsat影像监督分类结果与从灯光数据中提取的城市建成区范围进行叠加，对夜间灯光边界以外的裸土、耕地、小村庄等噪声进行过滤，边界以内的分类结果予以保留。对每一时相优化后的城市建成区优化结果按照地理位置进行拼接，得到长时序城市建成区用地范围(图4)。

该文采用山东省统计年鉴中关于城市建成区面积对分类结果进行可靠性验证，如表2所示，统计数据与阈值提取的结果数据在各年份保持较高的一致性趋势，表明利用多源遥感数据获取的城市建成区信息可以一定程度上反映后续研究区的城镇扩展动态分析。

图3 技术流程图

图4 研究区2014—2016年建成区提取结果

表1 回归模型参数

表2 泰山市提取的城市建成区面积与统计数据比较

最后通过以下指标来量化城市扩张的数量特征和空间方位：

(1)城市扩张速率是指一定时间段内，城市年均扩张面积；城市空间扩张强度是指在研究时间段内某空间单元的土地利用扩展面积与原空间单元总面积比值的年平均值[16]。公式如下：

ΔA=An+i-Ai

(2)

(3)

(4)

式中：ΔA—城市扩张面积；V—城市年均扩张速率；R—城市年均扩张强度；Ai和Ai+n——第i年和第n+i年的城市面积，n以年为单位。

(2)紧凑度反映了地物的形状，体现一个地区的城市土地开发强度与利用效率，其计算公式如下：

(5)

式中：A—建成区面积；P—建成区周长；C—城市紧凑度指标，其值从0～1，紧凑度越大，城市空间越紧凑。

(3)城市重心是一个城市发展速度最快、建设规模最大、开发力度最强的地区，是由于不同城市区域的权重差异所导致的拉力平衡点[16]。计算方法如下：

(6)

式中：X，Y—城市空间重心的经度与纬度；Ci—第i个图斑的面积；Xi,Yi—i第个图斑的重心坐标。

重心的转移公式为：

(7)

式中：D—距离，Xi和Yi—研究初期的重心坐标；Xi+n和Yi+n—研究后期的重心坐标。

(4)等扇形分析是指以研究区域的中心为圆心，选择适当的半径，并将圆划分成若干等截面区域，再与城市建成区范围进行叠加以分析城市在各个方向的结构特征。

3 结果与分析

3.1 城市扩张强度分析

由表3可以看出，在2004—2007年间，城市扩张强度处于高值区，说明在此期间研究区城市化进程取得重大突破。2007—2010年间，研究区城市扩张强度减小，说明城市，扩张面积占比减小，土地开发强度减缓。在2010—2013年间，原济南、泰安两市建设用地开发强度有所上升，原莱芜市继续保持低速扩张。在2013—2016年间，济南市继续大扩张，另外两个城市土地利用效率较低。

表3 城市扩张强度结果

3.2 紧凑度分析

通常情况下，我们认为当城市形态轮廓线趋于紧凑时为填充型发展，表明城市扩张中以填补内部缝隙为主，而非紧凑趋势则表明城市向外扩张[17-18]。如表3所示，随着时间的增长，泰安市和济南市的城市扩张呈现不紧凑趋势，原莱芜市则是三者中城市轮廓形态最为紧凑的。因此，在2004—2016年间原莱芜市主要为以减少能耗、更高效地利用资源的城市填充型发展为主。莱芜受钢铁周期影响较大，从表3和表4都可以看到，原莱芜市从大概2013年后其基础设施建设等方面遇到了瓶颈。而济南市、泰安市的城市发展都是以向外延伸扩张的趋势为主，建成区范围在不断扩大。

表4 各城市紧凑度指数

3.3 重心轨迹转移分析

图5显示了三个城市的重心点迁移折线，在2004—2007年间，泰安市重心迁移距离最长，这是由于泰安市辖区新泰市和宁阳县两个县市区在此期间各项经济指标都实现了历史性突破，使得泰安市在东南方向的扩张速率有很大的提高。原莱芜市的重心点迁移距离在各年份都较小，说明原莱芜市在发展过程中，城市扩张较为均衡。

3.4 等扇形分析

以2004—2016五个时期的重心坐标平均值为中心，计算统计研究区在8个方向上不同时间的城区面积，如图6所示。泰安市在2004—2016年间主要由西向南发展，原济南市在东南方向上的跨度较大，由于南部受地理条件的影响，扩张速率缓慢，而在北方向上仍有巨大的发展潜力。从总体上看，原莱芜市在西北方向城市扩张速率处于高值区，反映了莱芜积极融入省会城市的发展趋势。

图5 重心点迁移折线图

4 结论

该文选用多源遥感数据，采用SVM监督分类方法和突变检测阈值分割技术，获得了研究区的建成区范围，并对长时序的建成区时空变化特征进行监测与分析。

(1)夜间灯光数据的加入，可以去除Landsat分类结果中裸土、耕地等其他地物及小村落等噪声，突出城市建成区，便于快速、低成本和高精度地获取与更新城市建成区信息对引导城市有序扩张。

图6 各年份城市建成区在不同方向上的扩张速率图

(2)2004—2016年间，研究区建成区面积增加了508.06km2。在2004—2007年城市扩张强度均大于20%，定量地反映出研究区城市化进程取得重大突破，而在2007—2010年间城市扩张强度最大在13%左右表明了土地开发强度减缓，2010年之后济南市继续扩张，而另外两个城市土地利用效率则较低。通过紧凑度指标，泰安市和济南市的城市扩张是以外延式发展为趋势，而原莱芜市则是主要为以减少能耗、更高效地利用资源的城市填充型发展为主。重心轨迹转移分析可以看到在2004—2007年间，由于泰安市辖区各项经济指标实现了历史性突破，泰安市在东南方向的扩张速率由大约20%提高到40%。等扇形分析直观地反映了泰安市在2004—2016年间主要由西向南发展以及莱芜积极融入省会城市的发展趋势。

(3)由于城市形态多样，不同类型城市建成区的最佳阈值存在差异，今后将考虑对更大范围更复杂的其他城市群进行扩展研究。以及考虑加入城市自然资源、人文、建筑等因素，更好地探究城市建设，为更高空间分辨率及全国尺度城市群建成区的快速监测提供技术支持。