基于DMSP/OLS 数据的中国大尺度城镇用地信息提取

王晓慧，肖鹏峰，冯学智，李海星

(1.江苏省地理信息技术重点实验室，南京大学，南京 210093;2.南京大学地理信息科学系，南京 210093)

0 引言

近几十年来，随着经济的迅速发展和人口的增长，城镇用地不断扩张。快速的城市化进程正在不断地改变着土地利用与覆盖状况，并且对区域乃至全球的生物多样性、水文系统、生物地球化学循环、气候都有着深远的影响［1，2］。在中国改革开放不到30 a 的时间里，中国的城市化得到快速发展，发展速度比世界平均水平快2.14%，但同时也出现了城市空间扩展失控的问题［3］。为了实现对城镇区域的可持续管理以及对环境影响的评估，实时快速地监测城镇空间扩展变得越来越重要［4］。遥感技术能实现大面积的同步观测，兼具时效性和经济性，满足了实时快速获取城镇信息并进行空间扩展研究的需求。高、中空间分辨率数据(如IKONOS，QuickBird，Landsat TM/ETM+，SPOT/HRV)对地面物体的辨别能力强，但是由于数据量大、获取成本较高且单景影像覆盖范围较小，因此多用于单个城市的城镇用地提取［4］。在区域尺度或更大的全球尺度上，美国军事气象卫星(defense meteorological satellite program，DMSP)搭载的传感器(operational linescan system，OLS)获取的全球夜间灯光数据已被证明是监测人类活动、进行城市化研究的有效数据源［4－11］。

运用DMSP/OLS 夜间灯光数据提取城镇用地信息的难点在于阈值的确定。目前利用DMSP/OLS数据进行城镇用地提取主要有以下4 种方法:①经验阈值法［7］，是研究者根据经验设定一个阈值，并用该阈值提取城镇用地信息，此方法简单易行，但主观性太强，结果会随着研究者的不同而不同;②突变检测法［6］，基于城镇的边界应为完整多边形的假设，以多边形发生突变的点作为阈值提取城镇用地信息，此方法忽略了城镇发展的区域差异性，并非所有的城镇都只有一个中心城区［11］;③基于统计数据的二分比较法［10］，是以国家发布的统计数据中城镇用地面积信息为参考，通过调整阈值与统计数据靠拢，统计数据较易获取，但由于层层上报，存在人为修改的隐患，与直接用遥感影像获得城镇用地数据有很大的差别［12－14］，并且统计数据缺乏空间信息，不能直观地展示城镇的发展状况;④较高分辨率数据比较法［8］，一般以空间分辨率30 m 的TM/ETM+数据提取的城镇用地信息作为标准，通过调整夜间灯光数据的阈值与其不断逼近，得到提取结果。较高分辨率数据比较法客观真实，并且能使DMSP/OLS 数据的空间信息得以保留，但对于大尺度的城镇研究来说，如按照以往的阈值确定方法逐个城市确定阈值，处理效率会过低、数据成本过大，因而此方法用于特定城市提取较多。

鉴于此，本文针对较高分辨率比较法逐个城市设定阈值的不足，为了提高大尺度城镇提取的效率并反映区域城镇的整体状况，采用分区的思想提取城镇用地信息。以中国为研究区，将其按照经济发展程度划分为7 大区，逐区分别提取城镇用地信息，再对1992，1995，2000年的多时相结果进行真实城镇像元判定，并评价提取结果精度。

1 数据源与研究方法

1.1 数据源

1)DMSP/OLS 非辐射定标夜间平均灯光强度数据。该数据由日本国立环境研究所和东京大学借鉴1996—1997年的夜间灯光数据辐射标定试验工作的经验，针对亚洲地区开发，对不同时相的可见光近红外通道数据进行平均化处理得到，滤除了云、火光等噪声的影响［9，17］。空间分辨率为1 km，DN 值范围为0～63，时间序列为1992—2010年。本文从1992，1995，2000年3 a 全球DMSP/OLS 影像上获取中国区域的数据后，将其投影转换为Lambert Conformal Conic(兰伯特等角圆锥投影)(图1)。

图1 DMSP/OLS 夜间灯光数据中国区域图像Fig.1 DMSP/OLS lighttime light image in China

2)Landsat TM/ETM+图像。选取1992，1995，2000年间时相较一致且质量较好的图像，用于确定DMSP/OLS 数据的阈值，进行精度评价。数据来自马里兰大学地球科学数据接口(earth science data interface，ESDI，http://glcfapp.glcf.umd.edu:8080/esdi/index.jsp)以及美国地质调查局地球资源观测与科学中心(USGS global visualization viewer，GloVis，http://glovis.usgs.gov/)。本次研究总共使用了3 a间共60 多景图像(部分年份无质量较好图像，用相邻年份的最近月份图像代替)，已由USGS 进行过几何精纠正。因此，仅对投影方式进行了转换，投影方式及参数与DMSP/OLS 数据相同。

1.2 研究方法

首先对研究区进行分区，在每一区内选取若干个城市作为训练区，对每个训练区人机交互提取城镇用地信息;调整区内各训练区的DMSP/OLS 数据阈值，使提取结果逐步逼近人机交互提取的城镇用地总量，得到该区的最佳阈值;再用各区的最佳阈值对DMSP/OLS 数据进行分区阈值分割，得到各区提取结果;最后通过真实城镇像元判定得到研究区的城镇用地信息。具体的技术路线如图2 所示。

图2 技术路线Fig.2 Technical flow chart

1.2.1 研究区分区

DMSP/OLS 影像获取的是夜间灯光强度信息，灯光的强弱与城镇的发展程度密切相关。由于中国的经济发展程度不均衡，东部地区明显高于西部地区，呈现明显的区域性特征，因此在夜间灯光图像上表现为东部地区灯光范围和亮度大小明显高于西部地区，而且在西部地区内部(如西北与西南)也有明显差异(图1)。

采用基于分区的较高分辨率数据比较法提取城镇用地信息，不再逐个城镇确定灯光数据阈值，而将中国按经济发展程度分区，以区为单位进行提取。该方法既保留了较高分辨率数据比较法客观真实的优点，又能反映区域城镇的整体状况，并且提高了效率。具体做法是以聚类经济区为主，以协作经济区为补充，对全国进行分区。聚类经济区根据经济总体水平类似性划分，如长江三角洲及沿江经济区、中部五省经济区;协作经济区是为适应区域经济的发展需要、促进区域经济的共同繁荣，由各省区组合而形成，如华北协作区、华东协作区等［15－16］。根据DMSP/OLS 数据的区域特性，以省级行政单元为最小组合单元，结合聚类经济区和协作经济区两种经济分区的优势，将全国分为以下7 大区:①东北地区(辽宁，吉林，黑龙江);②西北地区(陕西，甘肃，青海，宁夏，新疆);③华北地区(北京，天津，河北，内蒙古，山西);④华东地区(山东，上海，江苏，浙江);⑤华中地区(河南，安徽，江西，湖北，湖南);⑥华南地区(福建，广东，广西，海南，台湾，香港，澳门);⑦西南地区(四川，贵州，云南，西藏，重庆)。

1.2.2 分区阈值确定

在各分区内，选取若干个训练区，一个训练区即一个城市，对每个城市通过TM 图像人机交互提取城镇用地信息作为参考，并与该训练区的DMSP/OLS 图像对比。图3 所示为2000年西北地区的2个训练区阈值确定情况。

图3 训练区阈值确定示例Fig.3 Samples of threshold determining in training area

根据区内各训练区的最佳阈值确定阈值范围，在最佳阈值区间内，按照与TM 图像提取面积的区内总面积误差率最小原则确定该区最佳阈值，如表1所示。

表1 西北地区阈值确定Tab.1 Threshold determining of the northwest region (km2)

由表1 可知，训练区西宁、咸阳、西安的最佳阈值分别为53，46 和54，确定阈值区间为46～54。再根据总面积误差率最小(1.85%)原则，最终确定西北地区2000年的最佳阈值为53。

1.2.3 真实城镇像元判定

确定分区阈值后，分别对7 大区进行阈值分割。由于地表现象的复杂性，虽然本文使用的夜间灯光数据已滤除了一些偶然光噪声，但数据中仍存在部分非城镇像元的光噪声，会对阈值分割后的结果产生影响。为滤除光噪声，需要进行真实城镇像元判定［18］。真实的城镇像元在不同时相影像中应具有连续性和扩展性，但是由于3 a 的DMSP/OLS 数据未作校正，进行真实城镇像元判定时为了避免位置偏差造成的误判，对于提取的结果基于如下规则进行判定:任一像元3 a 中只要有任意2 a 表现为城镇像元，便判定为城镇像元，否则为非城镇像元，如图4 所示。

图4 真实城镇像元判定Fig.4 Judgment of real urban pixels

2 结果与分析

2.1 定性评价

对各区阈值提取结果进行真实城镇像元判定后，得到研究区1992，1995，2000年3 a 的城镇用地信息。按大、中、小3个级别选取城市(北京、西安、拉萨)与最接近年份的Google Earth 高分辨率影像进行嵌套(图5)，对提取结果做定性评价。

图5 DMSP/OLS 提取结果与Google Earth 对比图Fig.5 Comparing of the results and Google Earth

图5 上提取结果与Google Earth 上高分辨率影像的城镇区域较一致。图5(a)为北京市3 a 提取结果与2005年Google Earth 高分辨率影像嵌套结果，从空间上较准确地反映了真实的城镇用地信息;图5(b)(c)分别为西安市、拉萨市3 a 提取结果的嵌套图。从图5 可以看出，1992—1995年城镇面积有较大增长，而1995—2000年则缓慢增长。

2.2 定量评价

基于TM 数据的DMSP/OLS 数据城镇面积提取精度评价结果见表2。

表2 基于TM 数据的DMSP/OLS 数据城镇面积提取精度评价Tab.2 Area accuracy assessment of the proposed method using TM data

续表

从表2 中可知，1992—2000年8 a 间城镇用地快速增长，大城市的增长比中小城市更加明显。虽然各分区内仍然存在大城市过度提取，部分小城市漏提的情况，但从总体面积一致性来看，3 a 均超过95%。

3 结论

1)本文利用DMSP/OLS 夜间灯光数据，针对已有研究逐个城市确定阈值的不足，提出了基于分区的较高分辨率数据比较法，将中国区域按经济发展程度分为7 大区，对各区单独确定灯光数据阈值，提取城镇用地信息。在每一区内，通过逐步逼近调整阈值的方式得到分区最佳阈值，再进行区域阈值分割，并依据不同时相灯光数据的连续性对提取结果进行真实城镇像元判定，得到1992，1995，2000年这3 a 的城镇提取结果。

2)采用分区的方法提高了提取效率，并且总体精度较高，能较准确地反映各个区的整体城镇发展状况。从结果可以看出:8 a 间城镇数量有明显的增加，其中1992—1995年增长较快，1995—2000年增长缓慢，3 a 城镇用地信息提取的总体精度达到95%以上。但在各个区内，仍然存在部分城市位置偏移和小城市漏提的现象，因此今后将进一步开展DMSP/OLS 夜间灯光数据校正的相关研究。

［1］Foley J A，DeFries R，Asner G P，et al.Global consequences of land use［J］.Science，2005，309(5734):570－574.

［2］Grimm N B，Faeth S H，Golubiewski N E，et al.Global change and theecology of cities［J］.Science，2008，319(5864):756－760.

［3］方创琳.改革开放30年来中国的城市化与城镇发展［J］.经济地理，2009，29(1):19－25.Fang C L.The urbanization and urban development in China after the reform and opening－ up［J］.Economic Geography，2009，29(1):19－25.

［4］Cao X，Chen J，Imura H，et al.A SVM－based method to extract urban areas from DMSP－OLS and SPOT VGT data［J］.Remote Sensing of Environment，2009，113(10):2205－2209.

［5］Croft T A.Night time images of the earth from space［J］.Scientific American，1978，239(1):86－89.

［6］Imhoff M L，Lawrence W T，Stutzer D C，et al.A technique for using composite DMSP/OLS city lights satellite data to map urban area［J］.Remote Sensing of Environment，1997，61(3):361－370.

［7］Milesi C，Elvidge C D，Nemani R R，et al.Assessing the impact of urban land development on net primary productivity in the southeastern United States［J］.Remote Sensing of Environment，2003，86(3):401－410.

［8］Henderson M，Yeh E T，Gong P，et al.Validation of urban boundaries derived from global nighttime satellite imagery［J］.International Journal of Remote Sensing，2003，24(3):595－609.

［9］陈 晋，卓 莉，史培军，等.基于DMSP/OLS 数据的中国城市化过程研究——反映区域城市化水平的灯光指数的构建［J］.遥感学报，2003，7(3):168－175.Chen J，Zhuo L，Shi P J，et al.The study on urbanization process in China based on DMSP/OLS data:Development of a light index for urbanization level estimation［J］.Journal of Remote Sensing，2003，7(3):168－175.

［10］He C Y，Shi P J，Li J G，et al.Restoring urbanization process in China in the 1990s by using non－ radiance－ calibrated DMSP/OLS nighttime light imagery and statistical data［J］.Chinese Science Bulletin，2006，51(13):1614－1620.

［11］杨 洋，何春阳，赵媛媛，等.利用DMSP/OLS 稳定夜间灯光数据提取城镇用地信息的分层阈值法研究［J］.中国图象图形报，2011，16(4):666－673.Yang Y，He C Y，Zhao Y Y，et al.Research on the layered threshold method for extracting urban land using the DMSP/OLS stable nighttime light data［J］.Journal of Image and Graphics，2011，16(4):666－673.

［12］Wang L，Gong P，Ying Q，et al.Settlement extraction in the North China Plain using Landsat and Beijing－1 multispectral data with an improved watershed segmentation algorithm［J］.International Journal of Remote Sening，2010，31(6):1411－1426.

［13］Liu J Y，Liu M L，Tian H Q，et al.Spatial and temporal patterns of China’s cropland during 1990－2000:An analysis based on Landsat TM data［J］.Remote Sensing of Environment，2005，98(4):442－456.

［14］王 雷，李丛丛，应 清，等.中国1990～2010年城市扩张卫星遥感制图［J］.科学通报，2012，57(16):1388－1399.Wang L，Li C C，Ying Q，et al.China’s urban expansion from 1990 to 2010 determined with satellite remote sensing［J］.Chinese Science Bulletin，2012，57(16):1388－1399.

［15］胡序威.论中国经济区的类型与组织［J］.地理学报，1993，48(3):193－203.Hu X W.On the typology and organization of economic regions in China［J］.Acta Geographica Sinica，1993，48(3):193－203.

［16］陆大壮.中国行政区、经济区发展的回顾与展望［J］.中国人民大学学报，1994(6):1－6.Lu D Z.The retrospect and prospect development of the administrative and economic regions in China［J］.Journal of Renmin University of China，1994(6):1－6.

［17］Elvidge C D，Baugh K E，Dietz J B，et al.Radiance calibration of DMSP/OLS low－light imaging data of human settlements［J］.Re-mote Sensing of Environment，1999，68(1):77－88.

［18］卓 莉，李 强，史培军，等.基于夜间灯光数据的中国城市用地扩展类型［J］.地理学报，2006，61(2):169－178.Zhuo L，Li Q，Shi P J，et al.Identification and characteristics analysis of urban land expansion types in China in the 1990s using DMSP/OLS data［J］.Acta Geographica Sinica，2006，61(2):169－178.