基于2种夜间灯光影像亮度修正指数的城市建成区提取研究

夜间灯光影像容易受到道路灯光、水面散射等影响而产生背景噪声,这一定程度上影响了利用夜间灯光数据提取建成区的精度。本文基于夜间灯光影像的DN（Digital Number）值与路网密度正相关、与EVI指数（Enhanced Vegetation Index,增强型植被指数）呈负相关的规律,提出了2种可用于建成区提取的夜间灯光亮度修正指数：EVI夜间灯光亮度修正指数EANI (EVI Adjusted Nighttime Light(NTL) Index)和基于道路网密度与EVI指数的夜间灯光亮度修正指数REANI (Road Density & EVI Adjusted NTL Index),并利用珞珈1号卫星（LJ1-01,分辨率约130 m）影像和NPP-VIIRS影像（分辨率约 500 m） 2种不同空间分辨率夜间灯光遥感影像进行验证。以2018年徐州市建成区为研究对象,分区域（主城区、外围区）利用阈值法对2种原始夜间灯光影像、经EANI指数和REANI指数处理后的影像进行建成区提取,得到6种建成区提取的结果。研究表明： ① EANI指数和REANI指数能够有效抑制夜间灯光影像的背景噪声,建成区提取的结果均优于直接利用原始影像的结果,特别是对于城市化水平较低地区的建成区提取效果更佳;② 相较于NPP-VIIRS影像,利用LJ1-01影像提取建成区的效果提高6%左右,说明我国的LJ1-01夜间灯光影像在建成区提取方面有广阔的应用前景。EANI和REANI为建成区提取提供了有效工具,并可应用于城市规划和城市扩张等研究领域。     

城市建成区多源遥感协同提取方法研究

城市建成区边界是城市研究重要的基础信息,也是落实城市功能空间布局、实施界限管控的前提。DMSP/OLS夜间灯光数据已被广泛应用于城市建成区的提取,但由于受饱和、扩散及低分辨率问题的影响,导致仅依靠DMSP/OLS NTL映射城市建成区仍然是一个巨大的挑战。本文以京津冀为例,采用MODIS NDVI和DMSP / OLS夜光数据相结合解决NTL影像的饱和及扩散问题,提取城市建成区潜在范围,并辅以Landsat NDVI数据,采用本文提出的最大自相关双阈值方法进行自适应修正,最后采用目视解译对结果进行验证。实验结果表明,多源遥感协同方法提取城市建成区的总体精度和kappa系数分别为92.9%和0.88,在空间分布和统计数据中均有较高的有效性和可靠性。     

基于DMSP/OLS夜间灯光影像的中国东部沿海地区城市扩展动态监测

美国国防气象卫星搭载的业务性线性传感器（DMSP/OLS）所获取的夜间灯光影像数据,能够客观地反映人类对城市建成区的开发建设范围与强度,已广泛地应用于城市扩展的动态监测。本文利用不变目标区域法对长时间序列DMSP/OLS夜间灯光影像进行辐射校正,基于校正后的影像对2001-2013年中国东部沿海地区的城市建成区范围进行提取,结果表明：① 建成区面积从2001年的7550 km²,增加到2013年的21 650 km²,共扩展了14 100 km²,虽然建成区面积呈逐年增加的趋势,但其扩展速率则在逐步减缓,城市重心逐渐向南转移;② 在空间上形成了京津唐、长江三角洲和珠江三角洲3城市群,研究发现京津唐的中小城市面临难以获得发展资源的问题,导致了该地区发展的不平衡;③ 综合分析建成区扩展和经济统计数据,结果表明人口和经济是建成区扩展的主要驱动因子,但同时城市快速扩展也给东部沿海地区带来了一定程度的用地浪费问题;④ 由于DMSP/OLS夜间灯光影像受到自身空间分辨率的限制和灯光过饱和的影响,易造成城市建成区边缘细节部分的错提。新一代Suomi NPP/VIIRS夜间灯光影像在空间和光谱分辨率上均有较大提高,在后续的研究中应充分挖掘其数据优势,以期提供更加精准的城市扩展动态监测。     

基于夜间灯光数据的北部湾城市群空间扩张及驱动力研究

针对以往研究城市问题在数据真实性和空间属性上存在不足、研究内容多探索其表面特征和时空变化过程、研究方法和因子选择具有一定的局限性等弊端,本研究以北部湾城市群为例,利用夜间灯光数据提取城市建成区面积,从城市建成区面积年扩张速度、年扩张动态度、年扩张强度、扩张协调性,分析2006～2020年城市空间扩张特征;利用灰色关联模型分析城市建成区面积与八个社会经济因子之间的关系,探究引起城市扩张的驱动力。研究结果表明：(1)利用夜间灯光数据提取城市建成区面积能够弥补传统数据的不足,准确地得到空间扩张水平估计;(2)大部分城市扩张与人口增长协调不佳,省会城市南宁市、海口市始终是北部湾城市群空间扩张的中心;(3)城市扩张与八个社会经济因子联系紧密,人口密度是促进北部湾城市群空间扩张的最主要因素。     

基于夜晚灯光数据和Google Earth的城市建成区提取分析

夜晚灯光数据已被广泛应用于提取城市建成区的研究,由于灯光具有溢出特性,因此确定最佳灯光阈值成为研究热点。本研究中总结4种常用最佳阈值确定方法的特点,并使用Google Earth影像空间比较法,确定夜晚灯光数据提取城市建成区的最佳阈值。由于地形、交通等因素影响城市形态,城市形态影响夜晚灯光数据提取城市建成区的最佳阈值大小,因此,根据城市形态将阈值结果分为2类,并得到块状城市和带状城市建成区的最佳灯光阈值分别为43和 47。Google Earth影像空间比较法与其他方法相比具有不受统计数据限制,以及简易操作等优势,且从形态上对城市建成区提取结果进行空间比较;其次,根据城市形态对最佳阈值结果分类,使不同类型的城市建成区提取结果更准确。该方法适用于在地形复杂、形态多样的大尺度空间中提取城市建成区。     

一种融合多维信息的城市建成区提取方法

夜间灯光数据是提取大区域尺度建成区的有效数据源,现有提取方法需要针对不同的研究区域独立设置阈值或选取样本,提取精度依赖于主观经验或辅助数据质量。融合多源遥感信息、空间信息以及时间序列信息,提出一种城市建成区自动提取方法。首先,融合多源数据,利用DMSP-OLS、MODIS EVI、NDWI计算归一化城区综合指数NUACI;在此基础上,利用结合时空信息改进的FCM算法初步提取建成区;最后,定义建成区界定规则并进行提取后处理。选取6个典型城市实验,结果表明本文算法的提取结果总体精度均大于90%,适用于不同环境下建成区提取。     

基于多源遥感数据的城市扩张监测与分析

有关建成区空间分布的研究是城市发展规划的重要组成部分,针对单一数据源不足以提供准确、及时的建成区信息的问题,提出了一种结合Landsat数据和夜光遥感数据的城市扩张监测方法。该文以Landsat影像与夜光遥感影像为数据源,采用SVM分类方法和突变检测阈值分割技术,提取2004—2016年的原济南市、泰安市、原莱芜市的建成区范围,然后引入城市扩张强度、紧凑度、重心轨迹转移分析和等扇形分析等指标,来定量分析城市扩张的时空变化特征。结果表明:从2004—2016年,研究区建成区面积增加了508.06km~2,原济南、泰安市均以外延式的城市发展为主,主要的趋势是北部、西部和南部;而原莱芜市则以填充型的城市发展为主,紧凑度高于其余两市,西北方向处于扩张速率的高值区;其中城市扩张强度指标定量地反映出在2004—2007年间研究区城市化进程取得重大突破,是区域城市化进程的重要阶段。相较于单一数据源,引入夜光遥感数据,可以更快速高效地提取城市建成区信息。     

集成夜间灯光数据与Landsat TM影像的不透水面自动提取方法研究

利用多源遥感数据提取不透水面信息是一个重要的研究方向。针对以往研究中多需要人工选取不透水面样本进行模型训练的问题,本文通过整合夜间灯光遥感与Landsat TM影像中的空间和光谱信息实现了不透水面覆盖范围（Impervious Surface Area,ISA）的自动提取。首先根据夜间灯光的分布来定位ISA聚集的城市区域的位置,分别在城市区域内部和外部自动提取可靠性高的ISA及非ISA样本,然后通过迭代分类提取城市区域的ISA,再以此为样本对城市区域外部进行分类,最后将分类结果整合完成整幅影像的ISA提取流程。应用本方法对美国雪城地区的DMSP/OLS夜间灯光影像上提取了84个城市区域,提取精度大于95%。从中分别选择高ISA密度和低ISA密度的2个城市区域作为ISA提取的测试区,本文方法在城市区域内的ISA提取总体精度与kappa系数分别为88.23%和0.63;在城市区域外部为78.6%和0.54,均优于人工样本选取方法的提取精度,表明该方法能够实现精度稳定且高效的ISA自动提取。     

夜间灯光数据驱动的成渝城市群空间形成过程重建及分析

2016年4月发布的《成渝城市群发展规划》首次正式确定了成渝城市群的内涵和具体边界,重建成渝城市群的形成过程,有利于把握未来发展趋势,并合理优化与调整其发展过程。在重建技术方面,对DMSP/OLS夜间灯光数据传统的不变目标区域校正法加以改进,将成渝城市群2013年城市市区范围内的全部像元加入校正模型的拟合中,设计了统计数据的校正规则,再通过二分比较法较好地恢复了成渝城市群内各城市建成区的时序空间信息。提取面积与统计面积总体平均相对误差为-0.38%,利用高分辨率Google Earth图像验证的建成区提取准确率达到98.29%,相比其他研究结果,经方法改进后的提取结果精度高且稳定。在结果分析方面,基于提取结果展开对城市群建成区重心转移过程与城市聚合过程的深层次研究,剖析了城市群的内部格局与时空变化特征。分析表明,成渝城市群的聚合情况与《成渝城市群发展规划》高度吻合,城市群已进入快速发育阶段,随着区域差异的持续扩大,成都、重庆都市圈的核心地位逐渐形成,而重庆的发展态势稍好。     

融合POI数据的建成区人口数据空间化方法——以武汉市为例

人口数据空间化对城市精细化管理具有重要意义,现有的人口数据空间化方法主要采用夜间灯光数据和土地利用数据,鲜有涉及关注点(POI)数据研究.通过多元线性回归构建土地利用分类数据、POI数据与人口统计数据之间的关系得到人口模型进而实现建成区人口数据空间化.并以武汉市建成区为例,进行方法验证.结果表明,不同尺度格网下反映出的...     

城市建成区遥感影像边界提取与扩张分析

针对城市建成区提取过程中,仅依赖单一数据源导致精度不够的问题,本文基于面向对象分类方法和利用土地类型信息标准差统计变量,实现遥感影像中城市建城区边界的提取,并以该建成区为依据对河南省虞城县的城区空间扩张特征作了分析。实验中首先采用均值漂移分割算法对高分一号遥感影像实现分割,然后利用决策树分类算法实现土地利用类型分类,最后基于0.1 km × 0.1 km窗口统计土地利用类型标准差信息,获取建成区边界。面向实际应用,以河南省虞城县为例,采用高分一号影像获得虞城县2017年建成区数据,并基于该数据采用多个TM影像提取城区其他年份的建成区边界,实现河南省虞城县城区空间扩张特征分析。结果表明,本文方法获取的建成区边界精度较一般的监督分类提取边界有进一步的提高,精度达到89%。进而说明结合高分辨率影像提取多个年份的建成区数据的可靠性,在城市扩张研究中,对仅利用低空间分辨率提取精度不够问题和仅利用高分辨影像提取效率低等问题提供了较好的解决方案。     

基于夜间灯光遥感的城市垂直空间扩展研究——以武汉为例

长期以来城市空间扩展研究主要针对城市水平空间的扩展模式研究,而忽视了城市垂直空间的扩展模式研究。以武汉市为例,利用长时间序列的DMSP/OLS夜间灯光数据集,在避免预设灯光变化规律的基础上对其进行校正,汇总统计城市建成区外延像元灯光强度值的变化特征,探测城市垂直空间扩展规律。结果表明城市像元灯光强度增强速度的统计特征与其所处的城市发展阶段有明显的关联性,并且符合"外延-增强-减速增强-稳定不变"的规律,其中"增强"阶段受城市发展规划和政策的影响明显。     

整合DMSP/OLS和NPP/VIIRS夜间灯光遥感数据的长江三角洲城市格局时空演化研究

本文基于1992-2012年DMSP/OLS和2012-2018年NPP/VIIRS夜间灯光遥感数据,对长江三角洲城市群时空演化格局进行监测.考虑到不同卫星夜间灯光遥感数据之间的不一致性以及城市核心区亮度过饱和问题,对DMSP/OLS和NPP/VIIRS数据进行连续性校正、去饱和处理和一致性校正,构建长江三角洲区域19...     

基于夜间灯光与LUC数据的川渝地区人口空间化研究

高精度的人口空间分布数据是开展小尺度人口活动变化规律研究的关键数据。夜间遥感影像对于反映人类社会活动具有独特的能力,因而被广泛的应用于社会经济领域的空间数据挖掘。本研究以DMSP/OLS夜间灯光数据、NPP/VIIRS夜间灯光数据、常住人口统计数据、土地利用数据为数据源,在县级尺度上建立逐步回归模型,构建川渝地区人口空间分布数据;并随机抽取研究区内500个乡镇,以常住人口统计数据为真实数据,对人口空间化结果进行精度检验。结果表明：① 2种夜间灯光数据与人口均有较高的相关性,相关系数均在0.76以上,NPP/VIIRS夜间灯光数据与人口的相关性要高于DMSP/OLS,且受拟合模型的影响不大。② 与人口相关性较高的土地利用类型有多种,耕地、林地对人口空间分布也有影响,在建模时不应只考虑建成区。③ 在2种夜间灯光数据分别与土地利用与土地覆被数据（Land Use/ Land Cover, LUC）结合时,使用DMSP/OLS夜间灯光数据和NPP/VIIRS夜间灯光数据得到的逐步回归模型的复相关系数R²分别为0.796、0.817,模型拟合率较高,而基于NPP/VIIRS夜间灯光数据得到的人口空间化结果分辨率（500 m）相比DMSP/OLS提高了一倍（1 km）,中心城区与周边城区人口密度变化更加自然,更符合实际人口分布情况。④ 与LUC数据结合时,使用NPP/VIIRS夜间灯光数据得到的人口空间化结果精度要高于DMSP/OLS夜间灯光数据,表明NPP/VIIRS夜间灯光数据相比DMSP/OLS更适用于人口数据空间化研究。     

基于珞珈一号夜间灯光数据的广州市建设用地识别

夜间灯光数据和人类活动密切相关,可用于识别城市建设用地。目前主要利用DMSP/OLS和NPP-VIIRS夜间灯光数据进行建设用地识别,由于数据质量原因,这两类数据的识别结果精度较差。珞珈一号夜间灯光数据与比以往夜间灯光数据相比,时间分辨率、空间分辨率和光谱分辨率明显提升,是进行建设用地提取的更理想的数据源。本研究首先对珞珈一号夜间灯光数据进行辐射和影像配准,提高数据质量,然后利用支持向量机(Support Vector Machine, SVM)影像分类方法对广州市2017 年建设用地分区识别,并利用Kappa系数分区、分地类评价识别结果精度。研究发现：① 利用珞珈一号夜间灯光数据识别建设用地的精度明显优于利用DMSP/OLS和NPP-VIIRS夜间灯光数据识别结果的精度;② 广州市中心城区辖区的建设用地识别结果精度较高,识别结果Kappa系数均在0.9以上;外围辖区识别结果精度相对较低,识别结果Kappa系数为0.85左右;③ 城市、建制镇等单个地块面积较大、灯光亮度较高的地类识别结果精度较高,识别结果Kappa系数均在0.9以上;村庄用地、铁路公路用地由于单个地块面积小、布局比较分散、部分路段无照明条件等原因,识别结果Kappa系数相对较低,为0.85左右;采矿、风景及特殊用地夜间基本无人类活动,缺少夜间灯光,难以用夜间灯光数据识别,Kappa系数为0.45左右。本研究证明了利用珞珈一号夜间灯光数据能有效识别建设用地,同时丰富了珞珈一号夜间灯光数据的应用场景。     

基于深度学习模型的城市高分辨率遥感影像不透水面提取

不透水面是衡量城市生态环境状况的重要指标。城市土地利用的复杂性和不透水表面材料的多样性,导致直接从高分辨率遥感影像中提取不透水表面具有挑战性。针对城市尺度高分辨率遥感影像的不透水面提取要求,本文提出基于深度学习的城市不透水面提取模型。首先,利用深度卷积神经网络对影像特征进行提取;然后,根据其邻域关系构建概率图学习模型,进一步引入高阶语义信息对特征进行优化,实现不透水面的精确提取。本文选取武汉市为实验区,以高分二号卫星遥感影像作为数据源,完成了不透水面专题信息提取,其中自动提取准确率在建成区为89.02%、在城乡结合部为95.55%。与随机森林（RF）和支持向量机（SVM）等经典方法对比,结果表明深度学习不透水面提取方法有较高的提取精度和细节准确性,建成区的总体精度相比于RF和SVM算法分别提升2.18%和1.68%。最后,对武汉市各主要行政区不透水面信息进行统计和分析,结果表明其中江汉区和武昌区2个核心主城区不透水面占比超过60%,并对武汉市现状和发展规划特点进行了讨论。本文研究成果可为海绵城市和生态城市的建设提供基础技术支撑和数据参考。     

基于Globcover和DMSP/OLS数据的中国大陆城市潜能分析

城市潜能作为城市体系空间相互作用的代表性指标,反映了城市与其所在的城市体系内所有城市间相互作用的强度,即城市所具备的的集聚能力。合理分析城市空间布局及结构、探寻城市发展的空间差异,以及制定区域发展政策日益迫切,研究城市空间相互作用具有重要意义。本文以Globcover数据集提取中国大陆范围内26 619个城市斑块,获取了城市潜能计算时所需的城市斑块规模总量;同时,以DMSP/OLS夜间灯光影像为数据,提取能综合反映人类社会经济活动的城市斑块夜间灯光总强度,参与城市潜能的计算。利用潜能模型,依据城市斑块分层结果,以城市斑块规模和时间成本为参数,计算得到公里格网的城市潜能值模拟分布图,并分析了中国大陆城市潜能的空间分异特征。     

基于多源遥感与地形信息的北极城镇用地信息提取

北极城镇空间信息对于研究北极,认识北极,利用北极都有重要意义。本文以北极圈内的城市特罗姆瑟为例,使用Landsat影像、DMSP/OLS夜间灯光、ASTER-GDEM2数据,通过特征提取得到属于光谱特征、纹理特征、夜间灯光特征、地形特征等18个特征,识别最优特征组合后基于AdaBoost算法提取1990、2004、2016年研究区的城镇用地,并将提取结果与最大似然法进行了对比,在此基础上进行了扩张分析。研究结果表明：引入地形与夜间灯光特征都可以在光谱纹理特征的基础上提高提取精度。基于光谱与纹理特征得到的总体精度与kappa值分别为86.20%和0.68;加入地形特征后精度分别提高2.70%（OA）和6.21%（kappa）;加入夜间灯光特征后精度分别提高2.10%和0.50;加入地形与夜间灯光特征精度分别提高3.70%和8.55%,因此光谱、纹理、地形与夜间灯光的组合是最优特征组合。通过最优特征组合进行AdaBoost城镇提取,比最大似然法对城镇的两分类总体精度高10%左右、kappa值高20%左右。计算结果显示,研究区城镇扩张强度为5.5×10^-4左右,属于缓慢扩张;扩张的平均动态度水平为0.018,是全球水平（0.0325）的一半左右;2004-2016年的动态度水平低于1990-2004年的动态度水平,说明研究区目前由高速发展期向平稳发展期过渡。     

DMSP/OLS夜间灯光影像中国区域的校正及应用

美国国防气象卫星搭载的业务型线扫描传感器（DMSP/OLS）获取的夜间灯光影像,可客观地反映人类开发建设活动强度,其广泛应用于城市遥感的多个领域。但该数据缺少星上的辐射校正,下载的原始影像数据集不能直接用于研究,需进行区域校正。长时间序列的DMSP/OLS夜间灯光影像数据集主要存在2个问题需在校正过程中解决：（1）原始影像数据集中的影像是非连续性的;（2）数据集中的每一期影像都存在着像元DN值饱和的现象。针对这2个问题,本文提出了一种不变目标区域法的影像校正方法,对提取出来的每一期中国区域的夜间灯光影像进行了校正,该校正方法包括相互校正、饱和校正和影像间的连续性校正。最后,为了检验校正方法的合理性与可靠性,本文将校正前后中国夜间灯光影像与GDP和电力消耗值,分别进行回归分析评价表明,校正后的影像更客观合理地反映区域经济发展的差异。     

Landsat/OLI与夜间灯光数据在提取城市不透水面中的精度差异分析

不透水面作为反映城市发展程度和表征城市生态环境的重要指标,在城市化研究中成为重要的数据源。当前,不透水面信息的获取通常基于遥感数据来开展,包括不同分辨率的遥感数据。这些遥感数据在高精度提取城市不透水面的能力具有较大的差异,会因尺度不同而带来提取精度的偏差。因此,理解不同遥感数据源在不透水面提取上的差异尤为重要。本文利用Landsat/OLI光谱数据和VIIRS/DNB夜间灯光数据分别采用线性光谱混合分析法和大尺度不透水面指数法提取珠江三角洲研究区的不透水面信息,并从不透水面总体精度、不同密度精度对比分析2类数据源提取不透水面的差异。结果表明：① Landsat/OLI和VIIRS/DNB两者提取不透水面的总体精度差异不大,Landsat/OLI提取不透水面的精度总体上略高于VIIRS/DNB。2种数据提取不透水面的均方根误差RMSE分别是0.18和0.21,系统误差SE分别是0.12和0.13,决定系数R ²分别是0.76和0.67。② Landsat/OLI和VIIRS/DNB数据对不同密度不透水面分布区域的提取能力不同：VIIRS/DNB在低密度不透水面区域提取精度高于Landsat/OLI;而Landsat/OLI在中、高密度不透水面区域提取精度均高于VIIRS/DNB。通过2种数据提取精度差异的对比,以期为不同密度的不透水面分布区域提取找到最佳尺度的数据源,提高不透水面提取的效率和精度。