高分数据在城镇扩展和人工林建设中的应用研究*——以山南市为例

罗海霞 边巴次仁，2 益西多吉，2 杨霞，2，3** 扎西央宗，2,3 白玛仁增，2,3

1.西藏自治区气象局；2.西藏自治区气候中心；3.中国气象局成都高原气象研究所拉萨分部，西藏 拉萨 850000

城市化作为经济发展的必然趋势，随着我国经济的快速发展，城市水平也得到了明显提高、涌现了一大批新型城市。国家“十三五”规划指出，未来我国城镇化、工业化进程的脚步仍向前迈进，建设用地扩张趋势将持续甚至加剧[1-4]。我国各省经济有明显的地域差异，导致城市化水平有所差异，大致体现为东部较西部快。西藏作为经济水平较落后的西部地区，城市化水平较东部省份起步慢，水平低，但近年来随着国家对西藏关注支持下，西藏发生了翻天覆地的变化，城市化水平也得到了质的提升。

随着卫星遥感技术的发展，利用卫星遥感宏观性，快速性、实时性的优点，准确地了解城市化进程及其规律和建设规模扩展的时空变化[5]，对研究城市化区域特征，未来发展趋势，对未来城市扩展规划，合理调控城市土地利用，促进社会经济发展具有重要的意义。近年来，国内外优秀学者利用卫星数据为基础，遥感的方法应用到城市化水平、城市土地利用的动态监测等相关研究中[6-8]。陈本清等人利用30m 分辨率的TM 影像研究厦门的城市发展[9]；李加林等人利用Landsat、TM、ETM 等多元卫星数据，分析了长江三角洲的城市变化特征[10]。顿玉多吉等人利用高分数据研究边境小康村建设和生态环境监测[11]；张正利用高分数据研究基于面向对象技术的城市建筑物提取研究[12]；郭玉宝等人利用高分数据基于随机森林进行城市用地分类[13]。

近年来，山南市经济飞速发展，城市化进程不断加剧，城市化水平不断提高。选取西藏各城市中发展潜力较大的山南市作为研究区，其所处的区域为“十三五”期间西藏重点发展地区之一，分析山南市城市发展对西藏城市化问题上具有典型和重要意义。山南市虽为西藏较大的城市，但比起我国东部地区的城市，城市面积小，建筑物稀薄，因此在利用遥感数据研究城市扩展的研究过程中，对遥感影像分辨率的要求更加严格，同时众多学者研究数据主要集中在中、低分辨率遥感数据，研究区域主要集中在我国东部发达城市，很少有人研究基于高分影像的高原小型城市的研究。至此本门选取对地物分辨能力强、融合影像效果好、具有丰富地物细节信息高分2 号数据研究山南市主城区城市建设、规模扩展，选取影像覆盖面积较广的高分1号数据来研究山南市泽当镇北面人工林的种植，各数据发挥各自优势，为后期利用高精度遥感数据研究小型城市、边防重镇的城区建设和生态环境监测奠定基础，同时为国家正在推进的“十四五”规划中西藏“一核一圈两帯三区”区域发展、强边固边部分提供科学技术支撑。

1 研究区概况和研究方法

1.1 研究区概况

山南市位于西藏自治区山南市乃东区泽当镇，地处雅鲁藏布江中下游地区与雅龙河汇流处，地势南高北低，坐落于西藏首府拉萨市以南，日喀则以东、林芝以西、印度、不丹以北是西藏古文明的发祥地之一。山南作为西藏南部边境地区，拥有很长边界线，对国家边境国防安全有十分重要的战略意义。山南市海拔3551m，年平均气温8～9℃，年降水量200～400mm，太阳辐射强、日照时间长、农业发达，有“西藏粮仓”之称。

图1 山南市泽当镇主城区示意图

1.2 研究方法

1.2.1 数据源。高分2号卫星是我国首次自主研发的高分辨率（1m 以下）光学卫星，搭载两台高分辨相机，分别为空间分辨率为1m 的全色相机和空间分辨率4m 的多光谱相机，具有高定位精度和快速姿态机动能力等特点[14]，为研究小型城市建设、扩展提供数据基础。波谱范围为1.45～0.90μm 全色数据，波谱范围0.45～0.52μm、0.52～0.59μm、0.63～0.69μm、0.77～0.89μm为多光谱数据，数据格式以.tiff 格式存储；高分采用1 号卫星2013 年发射成功。突破了高精度光学影像长期被国外卫星控制的局面，丰富了国产光学卫星数据，并在国防、军事、农业、生态领域发挥着重要作用。高分1 号卫星上搭载了2 台2m 全色分辨率、8m 分辨率多光谱相机，4 台16m 分辨率多光谱宽幅相机。其中16m 分辨率多光谱宽幅相机的数据，满足空间分辨率的同时具有高效稳定的获取特点，可以应用到湖泊、冰川、植被、草地、人工林等生态环境的高精度监测。本文所用的高分数据（表1）来源于陆地观测卫星数据服务平台网http://www.cresda.com/CN/。

表1 遥感数据统计表

此外其他辅助数据包括空间分辨率为12.5m高程（DEM）数据和空间分辨率为16m 的坡度（SLOPE）数据。高程（DEM）数据来源于(https://search.asf.alaska.edu/)网站，坡度（SLOPE）数据是通过arcgis 坡度计算模块计算结果（图2）。

图2 泽当镇SLOPE分布图

1.2.2 影像预处理。

1.2.2.1 影像校正。从高分网站获取的数据较传统LADSET 等数据地形投影较差，需对影像数据进行纠正之后才能用于研究中。本文用已下载的高分卫星数据解压文件中的RPC（Rational Polynomial Cofficients）文件来确定卫星各参数（如：投影角度、传感器位置、扫描宽幅等），RPC文件是几何成像模型，在实际应用中相当于航空像片获取外方位元素后由共线方程建立起来的光束模型。使用ENVI5.3软件中自动识别模块来识别高分1、2号数据RPC文件中的各个参数，结合DEM 数据在ENVI5.3软件中进行正射校正，得到与实际地形相对应且几何精度较高的高分辨率遥感数据。

1.2.2.2 影相融合。高分2 号卫星全色相机获取的高分数据空间分辨为1m，成像纹理清晰，各种下垫面界限突出，但为单色成像；多光谱相机获取的高分数据空间分辨率为4m，纹理特征较全色高分数据较弱，但不同地物颜色差异突出、更接近地物真实颜色。因研究区山南市的城市规模小、发展滞后，对遥感影像的质量、精度要求更高，至此本文根据全色数据和多光谱数据各自特点，利用ENVI5.3 软件对两种数据融合处理，得到细节清晰、地物间层次感较强，色彩接近自然真彩色，分辨率为0.8m 的融合影像，从而达到优化影像数据的效果（图略）。

1.2.3 提取方法。利用对象分类、神经网络、随机森林、图像分割等方法来提取建筑物和道路，此类方法在大型城市中的应用能达到准确、快速、高效的效果，但研究小型城市提取效果不理想，至此本文利用传统的“拉窗帘”的方法来研究城市建设，具体流程如下：同一窗口中加载不同年份山南市主城区（经纬度范围：91°44'11.1″E～91°50'26″E，29°16'24″N～29°11'31″N）遥感影像，按照新增用地提取的原则逐个查找变化图斑，勾绘图斑范围，核对变化监测图斑，提取新增建筑和道路。

河、湖、植被对高分一号卫星的近红外、红外波段范围内入射光吸收较强，光谱的反射率非常低，但对其他地物如落地、建筑物、道路等反射率较高，可以利用这个特点区分植被和非植被区域。基于单波段阈值法模型如式（1）：

归一化植被指数（NDVI）是由遥感影像的红光波段与近红外波段通过运算关系构成指数如式（2），NDVI取值范围为-1至1，其指大小来代表植被生长发育过程中的生长情况、植被长势茂密程度等。通过NDVI 反映冠层的背景影响特点，可用于区别灌木丛和高原草甸。

式中：ρnir和ρred分别表示近红外和红光波段反射率。

1.2.4 提取原则。不同时相影像不能严格套合的情况，对前时相影像进行移动，使前后时相套合后，以后时相为准进行图斑勾绘;新增建筑物面积和道路长度按面状和现状矢量勾绘；单层矢量内面、线状图斑不重叠，层与层之间面、线状图斑不重叠；城市建设（建筑物、道路）提取范围为山南市主城区。

通过归一化植被指数、单波段阈值法和纹理特征来反复试验确定人工林信息阈值并结合DEM、SLOP等辅助数据，确定人工林像元满足条件（坡度8、近红外波段的反射率B41780、0.25＜NDVI＜0.42），最终利用此条件提取人工林面积。

图3 技术流程图

2 结果与分析

首先利 用2015 年12 月19 日，2019 年11 月22 日高分2 号经融合成0.8m 分辨率的影像，在ArcGIS10.4中，按照新增建筑、道路提取的原则在研究区内查找变化像元，勾绘新增建筑物、道路信息，再根据遥感图像处理技术和土地利用类型转变要求，核对变化监测图斑，提取新增建筑、道路，并研究土地利用转化特征；其次利用2015 年7—9 月和2019 年同期空间分辨率为16m 的高分1 号（GF-1/WFV4）卫星数据为基础数据，结合人工林像元满足的条件（表1）对泽当镇人工林进行遥感监测；最终完成高分数据在城镇扩展和防沙建设中的应用研究。

2.1 新增建筑物分析

由城区建筑物信息提取结果可知，2015至2019年城区新增建筑物总面积68.88万m2，其中有9处新增建筑物面积较大、位置集中，按照面积大到小分别为4号（17.66 万m2）、3 号（11.47 万m2）、6 号（8.83 万m2）、7 号（7.93 万m2）、2 号（4.56 万m2）、8 号（4.24 万m2）、1 号（2.84万m2）、5号（2.74万m2）、9（2.68万m2）（表2）。城区扩张分布特点来看，新增建筑物主要分布在城区北、南部，按分布特点可以分为北部沿雅鲁藏布江新增建筑群和南部沿雅砻河两侧的新增建筑群，相对于南部区域北部区域新增建筑物面积更大，分布更广（图略）。

表2 2015—2019年山南市泽当镇主城区新增建筑物面积统计

2.2 土地类型转变特征分析

因城市扩展需要山南市城区2015—2019 年期间土地类型发生了巨大的转变，新增建筑物占地主要有农田、旧建筑、空地、林地、其他（包括温室大棚，篮、足球场，小路等）。在不同下垫面转为新增建筑物时农田流失面积最多，为32.29 万m2，占新增建设用地的46.89%，其次为空地，为25.92万m2（占25.92%），林地流失面积最小，为0.16万m2（占0.23%）（表3）。5年间建设占用的农田沿主城区南北外围向外部扩散，城区北部、东北部、南部的大量农田被建设用地侵占（图略）。山南市城区南北部被农田包围，东西被山包围，近年来城市的发展致使建设用地开发粗放，蚕食了周边大量的农田，城区北部建设占用农田的规模与南部相比大。

表3 2015—2019年城区新增土地类型的转变统计表

国家“十三五”规划指出，未来我国城市化、工业化进程的脚步依然大步向前迈出，建设用地的需求持续加剧［15，16］，城市化进程中土地的需求和农田保护的矛盾是依然存在［3、17］。目前包括山南市在内的西藏各市正处于经济结构转型期，在未来相当长的时间发展阶段中，土地资源的有效供给是山南经济稳定增长的必要保障［18］。目前山南市建设占用农田对粮食生产可能会造成一定的潜在影响，从长远来看适当流失农田对城市发展起到积极的效果，但未来发展中各级政府及广大人民需掌握城市发展与粮食安全的平衡点，方能达到山南市的稳定、健康的发展的效果。

2.3 新增道路分析

有城区新增道路信息结果提取可知，2015 年至2019 年城区新增道路类型有三种，分别为市内道路高、铁路、高等级公路，增长总长度为16.39km，其中市内道路增长最长，长度为8.35km，最短为高等公路，研究区内增长长度为5.09km。从空间分布上看，新增高等级公路、铁路主要分布于城区北部，新增市内道路除了城区南部有一段新增道路外其余大部分分布在北部（图略）。

2.4 人工林建设分析

利用2015年7—9月和2019年同期空间分辨率为16m 的高分1 号（GF-1/WFV4）卫星数据为基础数据，结合人工林像元满足的条件对雅鲁藏布江泽当镇段人工林进行遥感监测分析。结果表明：2015年人工林的 面积为14.24km2，2019 年 为21.22km2。2015 年 至2019 年人工林面积增加6.98 km2。从空间分布上看，人工林基本沿雅鲁藏布江东西走向分布，对照2015年，2019 年人工林有一定程度的扩增，其中西部区域扩张最为显著（图4）。山南市城区北部人工林的种植为市民提供良好的人居环境同时为山南乃至青藏高原生态文明高地建设发挥着举足轻重的作用。

图4 2015、2019年泽当镇人工林提取结果

3 结论与展望

3.1 结论

山南市是“十三五”期间西藏自治区的重点发展对象，同时也是打造拉萨山南一小时经济圈，藏中南经济体重要组成城市。本文利用高分数据对2015—2019 年间山南市城区建设规模扩展和人工林种植面积变化进行了遥感动态监测，结果如下：

3.1.1 2015—2019年间山南市城区新增建筑物总面积68.88万m2，其中有9处新增建筑物面积较大、位置集中，按照面积大到小分别为4号（17.66万m2）、3号（11.47万m2）、6 号（8.83 万m2）、7 号（7.93 万m2）、2 号（4.56 万m2）、8 号（4.24 万m2）、1 号（2.84 万m2）、5 号（2.74 万m2）、9（2.68万m2）。2015—2019 年城区增建筑物主要分布在城区北、南部，按分布特点可以分为北部沿雅鲁藏布江新增建筑群和南部沿雅砻河两侧的新增建筑群，相对于南部区域北部区域新增建筑物面积更大，分布更广。

3.1.2 2015—2019 年期间新增建筑物占地主要有农田、旧建筑、空地，在不同下垫面转为新增建筑物时，农田流失面积为最多，为32.29 万m2，其次为空地，为25.92 万m2，林地流失面积最小，为0.16 万m2。目前建设占用农田对粮食生产可能会造成一定的潜在影响，从长远来看适当流失农田对城市发展起到积极的效果。

3.1.3 2015—2019 期间城区新增道路类型有三种，分别为市内道路高、铁路、高等级公路，增长总长度为16.39km，其中市内道路增长最长，长度为8.35 km。新增道路主要分布在城区北部。

3.1.4 人工林基本沿雅鲁藏布江东西走向分布，在2015年基础上，2019年人工林有一定程度的扩增、共增加人工林面积为6.98km2，其中西部区域扩张最为显著。

综上所述，2015—2019年间泽当镇城区建筑物、道路明显增多，同时城区北部人工林种植面积增大，使得城区生态环境、市内人居环境呈变好的趋势。这与自治区党委、政府、山南市委、市政府对生态文明建设和合理调整中心城区土地利用结构与布局的政策高度关注息息相关。

3.2 展望

利用高分2 号0.8m 融合影像，可客观分析城市建设、土地类型转变、城镇拓展，很好地补充城市建设、扩展中部分资料短缺的部分，为未来城市扩建、发展规划提供了良好的数据基础，从而更准确、快捷地掌握城市扩展变化的规率。虽然高分2 号0.8m 的融合数据在空间分辨率上已经很好的满足了城市拓展变化的研究，但因高分2 号数据起步晚、且高分卫星主要观测区域我国东部，作为西部小型城市的山南市高分数据成像少，因此很难达到逐年研究城市扩展的要求。

随着国家“十四五”规划和新型城镇化规划实施以来绿色低碳城市、健康智慧城市成为城市发展的新理念，也对城市遥感提出更高的要求［19］。随着遥感数据获取的技术越来越成熟，成像量的增多，需要采用多平台，多元数据，新方法（如深度学习、集成学习等）提取城市结构、格局、变化的信息进行分析。未来不仅要关注典型城市的发展、更需要关注城市群、边境小康村、国家重大工程沿线城市发展，因此后期研究中，在空间分辨率达标情况下获取时间尺度更密集的遥感数据来研究长期城市建设对生态环境的影响、生态环境对城市发展的响应等相关内容。