基于DMSP/OLS与NPP/VIIRS夜间灯光数据的江西省城市扩展研究

冷 琴,曹 铭

(九江学院旅游与地理学院,332005,江西,九江)

0 引言

城市化水平是衡量区域经济、社会、文化、科技发展水平的重要标志,而城市扩展是城市化的一个重要衡量指标[1]。遥感具有快速、准确、实时、周期性等特点,是获取城市扩展信息的重要手段,针对城市扩展的遥感监测,相关学者开展了大量工作[2-3]。众多遥感数据之一的夜间灯光数据对城市空间分布具有独特的指示作用,Small等通过设置动态阈值方法实现了全球范围夜间灯光城市制图[4]。基于夜间灯光数据研究城市空间演化逐渐成为学界共识[5],国内的夜光遥感城市扩展监测研究被广泛用于热点区域[6-8],江西地区的研究则鲜有所见。

本文利用2001—2021年的DMSP-OLS和NPP-VIIRS夜间灯光数据,结合统计数据利用阈值法提取江西省城市扩展信息,在此基础上分析了近20年间江西省城市扩展演变规律。

1 研究区域概况及数据介绍

1.1 研究区域概况

江西位于中国东南部长江中下游南岸,全省面积16.69万平方公里,总人口4 518余万,辖11个设区市、100个县(市、区)[9]。据《江西统计年鉴》,2001—2021年江西省城镇人口从30.41%增长到61.46%,城镇化进程逐渐加快。

1.2 数据介绍及预处理

本文使用的夜间灯光数据为美国国防气象卫星计划DMSP(Defense Meteorological Satellite Program)搭载的OLS(Operational Linescan System)数据和美国新一代国家极轨卫星NPP(National Polar-orbiting Partnership)搭载的VIIRS(Visible Infrared Imaging Radiometer Suite)数据。其中,DMSP-OLS数据为2001年、2005年、2009年、2013年4期第4版稳定灯光年度合成产品,空间分辨率约为1 km,NPP-VIIRS数据为2013年、2017年、2021年第1版本1—12月的月度无云合成产品,空间分辨率约500 m。

本文采用不变目标校正法[10],选取2013年DMSP-OLS数据为基准,对其他年份DMSP-OLS数据利用二次多项式模型进行相互校正,其校正模型为:

DN′=a×DN2+b×DN+c

(1)

式中,DN′与DN分别表示校正后与校正前的影像灰度值,a、b、c为模型参数。

表1 夜间灯光数据相互校正模型参数

本文首先利用NPP-VIIRS数据1—12月的月度无云合成产品,合成得到2013年、2017年和2021年的NPP-VIIRS的年度无云合成产品。由于DMSP-OLS与NPP-VIIRS数据在城市和乡村具有相似的灯光强度和分布模式[11],考虑到DMSP-OLS影像的饱和效应,统计DMSP-OLS影像中DN值范围为0～60的每个DN值分布区域对应的NPP-VIIRS影像的像元均值,通过对58组DN值进行相关分析,发现对数函数模型的相关系数最高,R2为0.961 3(图1)。故本文使用以下公式拟合2013年、2017年、2021年的NPP-VIIRS数据:

Y=13.449×lnX+22.838

(2)

式中,X表示NPP-VIIRS影像DN值,Y表示模拟后影像DN值。

江西省行政区数据来源于全国地理信息资源目录服务系统(http://www.webmap)下载的2017年全国1：100万基础地理数据,建成区统计数据来源于中国经济社会大数据研究平台(http://data.cnki.net)的《江西省统计年鉴》。

2 研究方法

2.1 阈值法提取建成区信息

基于夜间灯光数据提取城市建成区的最常用的方法是阈值法[12]。本文采用统计数据比较法,即以行政边界为划分依据,基于影像亮度值提取灯光斑块面积,将其与统计数据进行对比,根据绝对误差最小时的亮度值来逐一确定各行政单元的最佳阈值。

2.2 城市扩展度量

城市扩展特征从扩张速度、变化幅度、分布中心变化等方面度量。

城市建成区扩张速度用一定时期内城市建成区的年均扩张面积来衡量:

(3)

式中,Speed为城市建成区扩张速度(km2/y),At为研究期末年份建成区面积(km2),A0为期初年份建成区面积(km2),t表示研究时段(年)。

城市扩展变化幅度以建成区面积变化百分比来表示城市扩张强度:

(4)

式中,Expand为城市扩展变化幅度。

城市空间分布中心变化可以通过计算分析分布中心迁移的角度θ和距离d来反映城市空间扩展变化的方向和强度。

(5)

(6)

式中,(X0,Y0)为研究期初城市空间分布中心的坐标,(Xt,Yt)为研究期末的坐标。

3 结果与分析

3.1 建成区信息提取结果

本文采用统计数据比较阈值法,提取了江西省11个地级市六期建成区信息,见图2和表2。

图2 2001—2021年基于DMSP-OLS与NPP-VIIRS数据提取江西省建成区

表2 基于夜间灯光数据提取2001—2021年江西省11个地级市五期建成区面积表/km2

对于提取结果采用2种方式来进行精度验证。一是面积误差,以提取的面积与统计面积比较,二是位置误差,以提取结果与Google Earth影像进行叠加,判断位置是否准确。

面积误差是提取的建成区面积和统计数据中的面积之差占统计面积的百分比。

(7)

式中,Aerror表示面积误差,Ai表示提取面积,Ast表示统计面积。

2001—2021年江西省各地级市建成区提取的面积误差见表3,可以看出,除2001年抚州市、2017年赣州市、2021年南昌市的面积误差较大外,其他误差均小于10%。

表3 2001—2017年江西省各地级市建成区信息提取面积误差/%

图3显示了江西省南昌市、九江市和赣州市的提取结果与Google Earth影像的叠加效果,表明两者之间的空间格局特征基本吻合。

图3 部分城市的建成区空间位置验证

3.2 城市扩展特征分析

3.2.1 城市建成区扩张速度 根据提取的建成区信息得到2001—2021年江西省各地级市城市建成区扩张速度,见表4。江西省城市建成区扩张速度逐渐加快,平均为63.63 km2/y。其中,南昌、赣州、宜春、九江市的扩展速度较快,省会城市南昌扩张速度最快为16.13 km2/y,其次为江西南部的区域中心城市赣州为9.59 km2/y;而萍乡、吉安、鹰潭、新余的扩张速度较慢,萍乡市最慢为0.81km2/y;其他城市扩张速度中等,介于4～5 km2/y。

表4 2001—2021年江西省城市建成区扩张速率/(km2/y)

3.2.2 城市扩展变化幅度 2001—2021年江西省各地级市城市扩展变化幅度见表5。江西省平均变化幅度为276.03%。南昌、赣州、宜春、抚州、上饶市均高于江西省城市扩展变化幅度的平均值,其中,赣州市城市扩展变化幅度最高为399.48%;低于江西省城市扩展变化幅度的平均值的有景德镇、萍乡、九江、新余、鹰潭、吉安市,其中,萍乡市的城市扩展变化幅度最低为46.43%。

表5 2001—2021年江西省各地级市城市扩展变化幅度/%

3.2.3 城市空间分布中心变化 2001—2021年江西省各地级市城市空间分布中心变化情况见表6。其中,九江、赣州、南昌、抚州4市的空间分布中心变化距离大于3 km,萍乡、新余市的空间分布中心变化距离小于1.5 km,其他各市的空间分布中心变化距离介于1.5～3 km之间。

表6 2001—2021年江西省各地级市城市空间分布中心变化

4 结论

利用2013年DMSP/OLS和NPP/VIIRS 2种影像数据,寻找最优拟合模型,实现2013年之后的NPP/VIIRS影像数据模拟DMSP/OLS数据,采用统计数据比较阈值法得到2001—2021年江西省建成区范围空间分布,分析了江西省城市扩展特征。主要结论如下。

1)采用统计数据比较阈值法可以很好地从DMSP/OLS和NPP/VIIRS数据中提取江西省城市建成区信息,可以满足长时间序列的要求。

2)2001—2021年间江西省各城市扩展逐渐加速,但有快有慢。其中,省会城市南昌最快,其次为江西南部区域中心城市赣州,宜春、九江紧随其后,新余、吉安、鹰潭、萍乡4市的城市扩展速度最慢。