基于多光谱遥感影像的城市建设用地提取及扩张分析

随着经济的快速发展和城市化水平的提高,城市空间扩展已然成为国内外城市发展研究中的热门问题,城市建成区变化监测是对城市扩展最为直观的分析方式。本文选用了2001、2009年Landsat 4-5/TM以及2016年Landsat 8/OLI 3个时相的多光谱遥感影像,采用OSTU算法结合修正归一化水体指数(MNDWI)、归一化裸露指数(NDBI)和归一化不透水面指数(NDISI),自适应地确定最佳阈值提取地物信息,以分层分类的方法对福州市市辖区建设用地进行提取。根据建成区提取结果,定量研究了城市建成区的扩展速率以及城市重心的移动等,并从人口、经济与规划等方面对福州市的城市扩张进行了分析。     

基于遥感影像的天津市建设用地动态监测研究

国土监测是维护国家土地资源,保障国家与公民合法利益的重要手段.尤其是针对近年来建设用地肆意扩张,侵占农业用地与生态用地现象.本次研究基于TM影像,利用NDBI指数提取天津市建设用地信息,为监测违法用地提供动态高效的决策支持     

集成多源遥感影像特征分量的城市建成区提取

城市建成区作为衡量城市发展的重要指标,是城市化研究中的重要数据源。针对城市建成区的提取,本文提出一种集成多源遥感影像的城市建成区提取方法。通过分析哨兵2A的光谱特性,构建了主成分第一分量PC1、归一化植被指数NDVI(Normalized Vegetation Index)和归一化建筑用地指数NDBI(Normalized Difference Built-up Index),与夜间灯光数据NTL(Night Time Light)构成特征分量集,对各特征分量进行归一化处理后综合分析,根据城市建成区形态特征构建规则集,实现面向对象的城市建成区提取。提取结果表明,本文方法具有较高的生产者精度和Kappa系数,且提取的城市建成区完整性好,与实际的城市建成区较为吻合。此方法可为使用多源遥感影像进行面向对象的城市建成区提取研究提供参考依据。     

基于综合指数分析的城市建筑用地信息提取研究

以西安市长安区TM影像为例,研究关于城市建筑用地信息快速、准确提取的方法。通过对归一化差异型指数构成原理的分析,选取土壤调节植被指数（ SAVI ）、归一化水体指数（ NDWI ）和归一化差异型建筑指数（ NDBI ）来提取植被、水体和城市建筑用地专题影像,并将其构建为一幅新影像,分析新影像谱间特征,运用逻辑运算将城市建筑用地信息提取出来。本文方法总体提取效果十分有效,尤其是对于面积较大的城市建筑用地,总精度高达85．3％。综合指数法弥补了单靠某一指数提取城市建筑用地信息的不足,提取结果客观可信,是一种不经人为干预、快速有效的提取城市建筑用地的方法。     

西宁市城镇用地信息提取方法研究

面向对象方法已成为一种有效的城镇用地信息提取方法。由于青藏高原与黄土高原过渡带河谷区的地形复杂多样,运用中等分辨率遥感影像如Landsat TM影像提取其城镇用地的精度较低。本文以青海省西宁市为例,以Landsat TM影像和DEM为数据源,将面向对象方法与NDBI、NDVI、长宽比、坡度和高程信息相结合提取城镇用地。研究表明:城镇用地提的取精度为87.72%,Kappa指数为0.75,该方法可以较好提取城镇用地,为今后河谷区城镇用地数据的快速获取提供一种参考方法。     

特征提取和决策树法土地利用遥感分类

文章以安徽省淮南市为例,采用2005年Landsat-5 TM多光谱数据,分析地物谱间关系,选择改进归一化差异水体指数(MNDWI)、归一化植被指数(NDVI)、归一化建筑指数(NDBI)、TM4+ TM5、TM4+ TM5+TM7、DEM高程和坡度等特征值,构建决策树分类规则,完成研究区土地利用遥感分类.结果表明:MNDWI和TM4+TM5特征值能较好地区分水体与非水体;NDVI和NDBI可完成非水体区域植被与非植被信息分类;DEM和TM数据6波段和值可完成建筑用地、裸地和沙(旱)地分类;DEM和TM4+ TM5+ TM7能较好地解决耕地和园地混淆问题.决策树法分类总精度和Kappa系数分别为90.29％和0.87,相比较于最大似然分类法和基于特征提取波段的最大似然分类法,精度均有所提高.     

基于Landsat8卫星数据的城市相关指数变化分析

基于Landsat8 OLI遥感影像数据,提取了与城市环境密切相关的NDVI、NDBI、NDWI和LST,分析了不同地物类型遥感指数的分布特征和不同时间序列的变化特征;进一步探讨了NDVI、NDBI与LST的相关性,可为研究城市热岛效应提供依据。结果表明,山地的NDVI最大,建筑用地密集区域的NDBI、LST最大,水体的NDWI最大,且建筑用地的NDVI、NDBI随时间变化较稳定。     

一种基于车辆轨迹数据的城市建成区边界识别方法

城市建成区边界是城市土地资源管理和城市扩张管理的重要依据。本文提出了基于出租车轨迹数据，利用多分辨率下规则格网对比分析法及Densi-Graph阈值确定法，来自动提取城市建成区边界的方法。试验采用北京市2008年出租车GPS轨迹点数据，依据该方法模型计算提取城市建成区并进行结果准确度评价，将提取结果与北京市2008年土地覆盖空间分布图进行比对，所提取建成区边界范围与城镇、建设用地区域范围基本相符；将提取结果与中国城市统计年鉴数据进行比对，该年鉴中给定2008年北京市建成区总面积为1 310.94 km²，本文方法提取建成区总面积约为1 077.33 km²，提取准确度约为82.18%，表明本文方法可以获得准确的建成区范围。     

快速城市化地区土地利用动态变化及城市化空间进程分析

基于多时相TM数据，对上海西南快速城市化地区近10 a来的土地利用变化进行分析研究； 揭示了该区域各类土地利用数量变化的幅度、土地利用变化的空间分布特征、以及城市扩展强度； 计算城市化成熟区中建成区用地面积密度值。通过城市化成熟区和各实验区建成区用地面积密度值的比较，制定“城市化进程指数”，进行城市化空间过程的刻画。     

基于NPP-VIIRS夜间灯光数据和Landsat-8数据的城镇建筑用地提取方法改进——以广州市为例

以广州市为例,将Landsat-8-OLS数据与NPP-VIIRS夜间灯光数据相结合提取城镇建筑用地,在常规的NDBI指数、ULI指数方法的基础上进行改进,以获得更加精确的城镇建筑用地信息。首先,利用NPP-VIIRS夜间灯光数据得到城镇建筑用地的大致分布范围,基于Landsat-8-OLS数据提取NDBI、NDVI指数;然后通过分析夜间灯光建筑用地范围、NDVI指数,NDBI指数三者的特性,分别对三者图像进行二值化、求交运算来提取城镇建筑用地;最后将提取结果与传统的NDBI指数、ULI指数方法的提取结果进行对比,利用Google Earth高空间分辨率影像数据进行精度验证。结果表明,结合NPP-VIIRS数据和Landsat-8-OLS数据的多指数提取相交运算,可有效剔除提取结果中包含的裸土信息,与NDBI等指数方法相比,能得到更高的精度。     

A Comparative Study of Built-up Index Approaches for Automated Extraction of Built-up Regions From Remote Sensing Data

Accurate built-up information is imperative for loss estimation and disaster management after the occurrence of catastrophic events such as earthquake, tornado, tsunami and flood. These catastrophic events leave behind a trail of mass destruction with property and human losses amounting to millions. Once a natural disaster hits a region, built-up information is required within a short span of time for disaster management. Nowadays, earth observation satellite imagery serves as a promising source to extract the land use / land cover classes. However, the automatic extraction of urban built-up from remote sensing data is a known challenge in the remote sensing community. The normalized difference built-up index (NDBI) algorithm has been recognized as an effective algorithm for automatic built-up identification from medium spatial and spectral resolution satellite images. Few researchers have modified this algorithm and proposed new quantitative expressions for the built-up index. In this paper, three built-up index based, unsupervised built-up extraction algorithms have been reviewed and compared. An automated kernel-based probabilistic thresholding algorithm is used to assort the built-up index values, obtained from modified built-up index algorithms, into built-up and non built-up regions for enhancing the efficiency of the built-up detection process. Qualitative assessment of these algorithms involves computation of several parameters including recently developed parameters like allocation disagreement and quantity disagreement, and classical parameters such as error of omission, error of commission and overall accuracy. This paper presents a case study where the algorithms have been implemented on Landsat-5 Thematic Mapper (TM) image of the city of Delhi and its surrounding areas for detection of built-up regions automatically.     

郑州城市空间扩展特征及其驱动因素分析

以遥感与GIS为技术支撑,对郑州市1976-2004年城市建成区面积进行了动态监测,并对郑州28 a来城市空间扩展特征和驱动因素进行了分析。结果表明,郑州市建成区从1976-2004年面积增加了5.81倍,平均每年扩展10.75 km^2。其扩展占用的土地利用类型主要是耕地,其次为农村居民点和其他建设用地,还有一些林地、水库和沼泽地。社会经济因素是建成区扩展的内在推动力,经济发展、政策和规划等是建成区扩展的主要驱动力。通过郑州建成区遥感监测,了解城市空间扩展规律,对正确处理城市扩展与占用土地的关系具有重要意义。     

遥感影像与POI数据相结合的城市建成区提取适用性研究——以沈阳市为例

城市建成区的发展状况是地理国情监测的重要内容，本文基于遥感影像数据和POI数据对城市建成区进行提取，针对二者的适用性问题进行了研究。试验以沈阳市为研究区域，在研究区域内选择2016年遥感影像数据和POI数据作为数据源进行对比分析。首先，对遥感影像数据和POI数据进行预处理；其次，通过监督分类的方法对遥感影像进行建成区的提取；然后，采用核密度估计法分析POI数据并提取出建成区；最后，利用叠加分析法对比分析这两种数据的适用性。试验结果表明：使用遥感影像数据作为数据源可以较为全面客观地反映城市建成区的发展现状；利用POI数据提取出的城市建成区具有较强的经济属性，能够很好地反映出城市中的经济活跃区。     

基于TM影像的城市建筑用地信息提取方法研究

本文选用金华市Landsat TM影像为研究的数据源,在归一化裸露指数基础上,利用归一化植被指数提取出非植被信息,通过图像二值化、叠加分析以及掩膜处理去除了低密度植被覆盖区域的噪音信息,自动提取了金华城市建筑用地信息。研究结果表明,归一化裸露指数和归一化植被指数相结合的方法弥补了单一利用归一化裸露指数来提取城市建筑用地信息的不足,提高了提取精度,而且结果客观可信,是一种不经人为干预的、快速有效的提取城市建筑用地方法。     

赣榆县城镇用地扩展时空特征分析

赣榆县作为东部沿海城市城镇化发展尤为突出。本文选取1987年、2000年和2009年3期Landsat TM/ETM遥感影像作为主要数据源,利用ArcGIS软件数字化功能对城镇建成区进行提取,并将3期提取结果进行叠加分析,通过城镇扩展面积比重、城镇扩展指数、城镇用地扩展强度指数、城市紧凑度指数和城市用地分形维数模型对城镇扩展动态特征进行分析。     

An analysis of urban expansion and its associated thermal characteristics using Landsat imagery

There has been an increasing interest in mapping and monitoring urban land use/land cover using remote sensing techniques. However, there still exist quite a number of challenges in deriving urban extent and its expansion density from remote sensing data quantitatively. This study utilized Landsat TM/ETM+ remote sensing data to assess urban expansion and its thermal characteristics with a case study in the city of Changsha, China. We proposed a new approach for quantitatively determining built-up area, its expansion density and their respective relationship with land surface temperature (LST) patterns. An urban expansion metric was also developed using a moving window mechanism to identify urban built-up area and its expansion density based on selected threshold values. The study suggested that urban extent and its expansion density, as well as surface thermal characteristics and patterns could be identified through quantitatively derived remotely sensed indices and LST, which offer meaningful characteristics in quantifying urban expansion density and urban thermal pattern. Results from the case study demonstrated that: (1) the built-up area and urban expansion density have significantly increased in the city of Changsha from 1990 to 2001; and (2) the differences of urban expansion densities correspond to thermal effects, where a high percentage of imperviousness is usually associated with the area covered by high surface temperature.     

泉州市城市扩展的遥感监测及其城市化核分析

以泉州市为研究区,采用仿归一化植被指数(NDBI)和监督分类法对1989年和2000年的TM/ETM⁺图像进行城市空间信息提取,分析了城市空间扩展的趋势,探索出泉州市是以乡镇企业为城市化核来进行城市化过程的     

一种利用TM图像自动提取城镇用地信息的有效方法

如何快速、准确与客观地提取城镇用地信息,以获得城镇用地的分布范围和面积资料,是有关城镇问题研究中经常涉及到的一个基本问题,现代遥感技术为这个问题的有效解决提供了强有力的保证,运用提出的归一化建筑指数,从TM图像进行了无锡市城镇用地信息的自动提取,研究结果表明,与传统的计算机分类和手工屏幕数字化方法相比,归一化建筑指数法是一种非常行之有效的方法。     

基于指数分析法的西安市土地利用变化及驱动力研究

基于2000和2007年2期TM遥感影像,利用指数分析法,分别提取出归一化差异建筑指数(NDBI)、修正归一化差异水体指数(MNDWI)和归一化差异植被指数(NDVI)3种指数模型,分别代表西安市的3种最主要的土地利用类型--建筑用地、水体和植被.采用神经网络分类器进行监督分类,借助ERDAS Imagine 9.0、ENVI、ArcGIS 9.2和Matlab等软件平台,计算出西安市土地利用类型的动态转移矩阵,构建了土地利用变化动态度指数模型,定量分析西安市土地利用的时空变化.依据研究区土地利用变化的结果分析,变化的驱动力因子主要是人口增长、经济增长和政策变动.