基于多源遥感卫星数据融合的城市建成区提取研究

摘要：以某城市为研究区，结合城市建成区特性，构建了一种利用NPP/VIIRS高分夜间灯光数据提取的城市活跃区与城市不透水区域融合的城市建成区提取方法。结果表明：根据提出的融合算法提取城市建成区具有较高的精度，能有效揭示城市建成区与区域不透水率、夜光数据活跃度的内在关系，是一种可行的城市建成区提取方法，也能为城市蔓延分析等进一步研究奠定良好的数据基础。

关键词：城市建成区数据融合不透水区夜光遥感

中图分类号：TP751

ResearchonUrbanBuilt-upAreaExtractionBasedonDataFusion

WANGJingxing

GansuProvincialInstituteofcartography，Lanzhou，GansuProvince，730000China

Abstract：Basedonthecharacteristicsofurbanbuilt-uparea，amethodofurbanbuilt-upareaextractionbasedonNPP/VIIRShigh-lightnight-timedatainversionandurbanimpermeableareainversionwasdeveloped.Theresultsshowthattheproposedalgorithmcanextracttheurbanbuilt-upareawithhighaccuracy，andcaneffectivelyrevealtheinternalrelationshipbetweenurbanbuilt-upareaandregionalwater-tightnessandluminousdataactivity.Itisaneffectiveextractionschemeforurbanbuilt-Butalsoforurbansprawlanalysisandotherfurtherstudytolayagooddatabase.

Keywords：Urbanbuilt-uparea;datafusion;impermeability;luminousremotesensing

城市建成区，是指城市行政区内实际已成片开发建设、市政公用设施和公共设施基本具备的地区，其是城市建设发展在地域分布上的客观反映，标志着城市不同发展时期建设用地状况的规模和大小，是判断城市发展规模和阶段的重要指标，是判断城市发展水平的重要依据，也是进行城市蔓延等的更深入研究的数据基础[1]。

目前，最常用的提取城市建成区的方法是基于多光谱影像提取城市不透水区域，通过城市不透水区域反映城市建成区，已存在的相关实证研究证实了该方法的可行性，但对于复杂的城市环境下，尤其是快速发展型城市，现有研究提取的城市建成区对城市边缘工业区提取效果较差[2]。本文提出一种利用NPP/VIIRS高分夜间灯光数据反演的城市活跃区与城市不透水区域融合的城市建成区提取方法，并针对研究区选取Landsat8、VIIRS影像和合适的建成区指数阈值提取研究区城市建成区，最后通过实际验证点验证结果精度。

1研究数据

某市属于快速增长型城市，位于华北平原中，东西长约210km，南北宽约140km，整体呈扁平状。全市总面积11258km2，其中市区面积30700km2。

本研究采用的Landsat8影像，获取时间为2023年11月21日、VIIRS影像，获取时间为2023年12月13日，高分一号影像，获取时间为2023年12月26日。影像数据均利用ENVI5.2进行辐射标定、几何校正等数据预处理，得到研究区Landsat8影像和VIIRS影像。

2研究方法

2.1城市不透水区域提取方法

本文采用植被-不透水面-土壤模型（Vegetable-Impervious-Soilmodel，V-I-S）提取不透水区域。V-I-S模型（如图1所示）将城市土地利用和土地覆盖类型理解为植被、不透水面以及土壤的组合[3]。

2.1.1水体消除

因为水体表现为低反照度地物，在进行不透水地面盖度计算之前必须利用水体掩膜消除水体的影响。本文水体掩膜的构建归一化水体指数（NormalizedWaterIndex，NDWI）进行计算，具体公式如下。

式（1）中：为像元NDWI；为像元在绿光波段的反射率；代表像元在近红外波段的反射率，在TM影像中分别为第2、4波段[4]。

但由于城市内水体杂质较多，本文采用修正后的归一化水体指数（ModifiedNormalizedWaterIndex，MNDWI）提取城区水体。MNDWI采用中红外代替中的近红外波段能进一步增强水体与建筑的反差，有效降低二者的混淆，减少了背景噪声，更有利于城市水体信息的提取。提取公式如下。

式（2）中：为中红外波段，即TM影像中的第5波段。

2.1.2不透水地面盖度计算

由于城市地表光谱的复杂性，非线性光谱混合分析法很难精确模拟城市地表光谱。因此，本文采用带约束的线性最小二乘法结合基于最小噪声分离和V-I-S模型的端元提取的研究方法线对混合像元进行分解。在精确选择端元的基础上，釆用线性光谱混合模型对混合像元进行分解。线性光谱混合分解模：及约束条件公式如下。

式（3）、式（4）、式（5）中：为像元在第波段的光谱反射率；为像元Ｉ中ｋ所占分量值；为端元在第波段的光谱反射率；为像元所包含的端元数目；为光谱模型的随机误差[5]。

2.2城市建成区融合提取算法

本文根据其夜间灯光值较高的特性，提出一种利用NPP/VIIRS高分夜间灯光数据反演的城市活跃区与城市不透水区域融合的城市建成区提取方法。

对于通过高分遥感提取的不透水区域的外围缓冲区，其包含错分的工业用地概率较大，该缓冲区作为与夜光遥感数据叠合分析的主要融合区域，数据叠合后在区域II、III得到两种叠合数据的高数值像元斑块，其主要为未能通过不透水检测提取到的工业区和乡村等高亮度异常值区和不透水区但亮度值较低的异常值区。对于上述两种融合增量信息，通过融合函数处理，得到基于不透水面融合夜光遥感数据的城市建成区。

是（6）中：为像元的不透水指数；为像元的灯光指数；为像元的建成率指数；、为权重值；为建成区指数阈值[6]。

3结果与分析

3.1研究区不透水面信息提取

根据Landsat8波段信息表和MNDWI计算公式提取研究区水体掩膜。将水体掩膜与研究区遥感影像叠合，水体掩膜可基本覆盖研究区水体。

提取不透水率值大于0的区域，高透水区域一定程度上覆盖城市建成区，但无法根据一个阈值确定较为精确的提取到一个可以代表城市建成区的不透水区域。

3.2基于融合算法的城市建成区提取

对研究区VIRRS稳定灯光数据进行滤波处理。提取研究区像元灯光值大于0.7（阈值选取符合独立验证点精度正态分布图）的区域。

根据城市建成区融合式（6）提取研究区建成区指数。提取研究区建成区指数大于1.25（阈值选取符合独立验证点精度正态分布图最高值）的区域作为城市建成区。进行去孔洞处理得到研究区城市建成区图。

3.3精度与有效性验证

将在高分一号影像上选取的30个验证点的建成区情况与融合算法获得城市建成区图对比，如图6所示，得到验证结果如表1所示。预测的总体精度为93.33%，Kappa系数为86.05%。解译后的建成区面积为234.23&nbsDTeexTSGOHOgyJdD8R2pyMmyqhrYyXENIxy4aO4NLsI=p;km2，与2023年该市统计年鉴给出的建成区面积253km2相差为8%。

4结语

根据城市建成区不透水率和夜间灯光亮度的特点，结合两类数据的特性，提出一种利用NPP/VIIRS高分夜间灯光数据反演的城市活跃区与城市不透水区域融合的城市建成区提取方法，针对复杂的城市环境，引入了建成区指数，根据不同研究区实际情况选取不同的判断阈值，以研究区徐州为例提取的建成区验证点正确率为93.3%，Kappa系数为86.05%，具有较高的精度且与市级统计年鉴给出的建成区面积高度吻合。本文提出的建成区多元数据融合算法，解决了城市建成区精确提取的问题，可以为之后的例如城市蔓延分析等进一步研究奠定良好的数据基础。

参考文献

[1] 孟庆岩，杜弘宇，王莉萍，等.城市植被遥感分类研究进展与展望[J].浙江大学学报（农业与生命科学版），2024，50（2）：190-199.

[2] 吕宪伟.基于高空间分辨率遥感影像的大尺度城市土地覆盖分类方法研究[D].武汉：武汉大学，2023.

[3] 宗乐丽.融合遥感与空间大数据的城市土地利用分类研究[D].兰州：兰州大学，2021.

[4] 方焕焕.浅析城市遥感影像地图分类制作方法[J].测绘与空间地理信息，2023，46（3）：211-215.

[5] 陈超民.基于机载LiDAR遥感数据的城市局部气候区分类及其地表热环境研究[D].上海：上海师范大学，2022.

[6] 储国中，李蒙蒙，汪小钦.融合高度特征的高分遥感影像多尺度城市建筑类型分类[J].地球信息科学学报，2021，23（11）：2073-2085.