CN103440426B

CN103440426B - 基于多源数据的城镇用地空间信息识别方法

Info

Publication number: CN103440426B
Application number: CN201310399927.2A
Authority: CN
Inventors: 卢鹤立; 刘桂芳
Original assignee: Henan University
Current assignee: Henan University
Priority date: 2013-09-05
Filing date: 2013-09-05
Publication date: 2016-05-18
Anticipated expiration: 2033-09-05
Also published as: CN103440426A

Abstract

本发明涉及基于多源数据的城镇用地空间信息识别方法，首先通过夜间灯光和植被指数来构造居民定居指数；同时，利用部分区域高分辨率卫星遥感影像解译出城镇用地信息，得到准确的居民点百分比数据；在此两套数据的基础上，建立居民定居指数与居民点百分比数据的回归模型，利用易得的居民定居指数反演出全部区域居民点百分比数据，并根据居民点百分比数据和夜间灯光得到居民点数据；最后基于标准的城镇用地面积统计数据对居民点数据进行处理；该方法利用夜间灯光和植被指数等易得的低分辨率数据进行快速计算，且识别得到的城镇地区面积与标准的城镇用地面积统计数据误差很小，能够快速准确地得到城镇用地的空间信息。

Description

基于多源数据的城镇用地空间信息识别方法

技术领域

本发明涉及一种基于多源数据的城镇用地空间信息识别方法。

背景技术

准确获得城镇用地信息对于认识与理解城市演化过程，提高城市化进程中的土地利用效率，降低城市化过程中所遇到的风险具有非常重要的意义。同时，由于城市化对城市周边的生态环境产生影响，及时有效地获得城镇用地信息对于控制城市用地规模，保护有限的土地资源和生态环境也具有十分重要的意义。从1990年开始，中国国土资源部每年都发布一次中国内地范围内的城镇用地面积统计数据，该数据是反映中国内地各行政单元内城镇用地总量，但是该数据缺少城镇用地的空间信息即城镇区的空间栅格数据。大量的研究表明，利用卫星遥感影像数据通过数字图像处理的方法获取城镇用地空间信息是监测城市空间扩张的有效方法，但是目前还没有一种能够快速准确地获得所需城镇用地空间信息的方法。

发明内容

本发明的目的是提供一种基于多源数据的城镇用地空间信息识别方法，以快速准确地获得所需城镇用地空间信息。

为实现发明目的，本发明的基于多源数据的城镇用地空间信息识别方法的步骤如下：

(1)根据区域内归一化植被指数数据NDVI和夜间灯光数据OLS来构造居民定居指数HSH，

HSI = \frac{(1 - NDVI) + OLS}{(1 - OLS) + NDVI + OLS * NDVI};

(2)获取区域内设定区域的比步骤（1）所得居民定居指数数据对应图像的分辨率高的卫星遥感影像，并通过遥感图像解译判断居民点，为与步骤（1）所得的居民定居指数数据的分辨率相匹配进行重取样，得到居民点百分比数据；

(3)以居民点百分比数据为因变量，居民定居指数为自变量，进行拟合，建立回归模型；

(4)在全部区域内应用步骤（3）所建回归模型，以居民定居指数为自变量，通过模型反演得到全部区域的居民点百分比数据，并将该居民点百分比数据与夜间灯光数据相乘得到居民点数据；

(5)统计各居民点百分比数据对应的居民点百分比面积，并按照居民点数据数值从大到小来逐次累加对应的居民点百分比面积以使居民点百分比面积逼近城镇用地面积统计数据，直到找出居民点百分比面积与城镇用地面积之差最小时居民点百分比面积对应的居民点数据且作为阈值，并依据该阈值区分城镇与非城镇地区，从而得到城镇用地空间信息。

所述步骤（2）中遥感图像解译为目视解译或计算机解译。

所述步骤（5）中依据阈值区分城镇与非城镇地区是指区域内大于阈值的空间点连成的区域为城镇，小于阈值的空间点连成的区域为非城镇。

本发明的基于多源数据的城镇用地空间信息识别方法，首先通过反映居民定居信息的低分辨率卫星遥感影像：夜间灯光和植被指数，来构造居民定居指数；同时，利用部分区域高分辨率卫星遥感影像解译出城镇用地信息，得到准确的居民点百分比数据；在此两套数据的基础上，建立居民定居指数与居民点百分比数据的回归模型，利用易得的居民定居指数反演出全部区域居民点百分比数据，并根据居民点百分比数据和夜间灯光得到居民点数据；最后基于标准的城镇用地面积统计数据对居民点数据进行处理；该方法利用夜间灯光和植被指数等易得的低分辨率数据进行快速计算，且识别得到的城镇地区面积与标准的城镇用地面积统计数据误差很小，能够快速准确地得到城镇用地的空间信息。

附图说明

图1是城镇用地识别方法实施例的流程图；

图2是城镇用地识别方法实施例的阈值选择流程图；

图3是北京地区居民定居指数示意图；

图4是图3的局部区域居民定居指数示意图；

图5是图4所示局部区域准确的居民点百分比数据示意图；

图6是模型反演得到的居民点数据示意图；

图7是城镇区示意图。

具体实施方式

基于多源数据的城镇用地空间信息识别方法首先通过反映居民定居信息的低分辨率卫星遥感影像：夜间灯光和植被指数，来构造居民定居指数；同时，利用部分区域高分辨率卫星遥感影像解译出城镇用地信息，得到准确的居民点百分比数据；在此两套数据的基础上，建立居民定居指数与居民点百分比数据的回归模型，利用易得的居民定居指数反演出全部区域居民点百分比数据，并根据居民点百分比数据和夜间灯光得到居民点数据；最后基于国土资源部发布的城镇用地面积统计数据对居民点数据进行处理。如图1所示，具体步骤如下：

1）构造居民定居指数：

根据如下公式求得居民定居指数HSI：

HSI = \frac{(1 - NDVI) + OLS}{(1 - OLS) + NDVI + OLS * NDVI}

其中，NDVI为归一化植被指数数据，OLS为夜间灯光数据。

居民定居指数的构造原理是指夜间灯光和植被状况反映了居民的定居状况，即：夜间灯光越强，居民定居度越大；植被状况越好，居民定居度越小。这是一项通用技术。归一化植被指数数据可以从网站下载，也可以从其它卫星影像计算得到；夜间灯光数据从从美国国家地球物理数据中心下载。上述两套数据为空间栅格数据，均没有单位。

2）获得部分区域准确的居民点百分比数据

获取区域内设定区域的比步骤（1）所得居民定居指数数据对应图像的分辨率高的卫星遥感影像，并通过遥感图像解译判断居民点，为与步骤（1）所得的居民定居指数数据的分辨率相匹配进行重取样，得到部分区域的居民点百分比数据。

设定区域可选取区域内的任意区域。该步骤（2）中的高、低分辨率是相对的，即高分辨率卫星遥感影像比步骤（1）中的居民活动指数数据对应的卫星遥感影像的分辨率高。

一般来说，高分辨率影像指空间分辨率在30m以下，中分辨率影像一般指空间分辨率在30m到1000m之间。本方法中夜间灯光空间分辨率为1000m，为中分辨率影像；采用的高分辨率影像（SPOT5影像）空间分辨率为2.5m。

遥感图像解译可以为目视解译或计算机解译。“通过目视解译判断居民点”是遥感的通用技术，即目视判断某一地物是否是居民点。“通过重取样，得到准确的居民点百分比数据”是地理信息系统的通用技术，含义如下：高分辨率卫星遥感影像经过解译，得到（比如）2.5米分辨率的居民点数据；这套数据为了与上述的低分辨率“居民定居指数”（比如1km）数据相匹配，需要把2.5m高分辨率影像聚合成1km；在聚合过程中，此1平方公里中居民点面积占总面积的值，就是百分数。

步骤（1）和步骤（2）其实可以不分先后顺序同时进行。

3）建立回归模型

以部分区域的居民点百分比数据为因变量，居民定居指数为自变量，进行拟合，建立回归模型。

4）模型反演得到居民点数据

在全部区域内应用步骤（3）所建回归模型，以部分区域的居民定居指数为自变量，通过模型反演得到全部区域的居民百分比数据，并将该居民点百分比数据与夜间灯光数据相乘得到居民点数据HS，居民点数据HS由以下公式计算得到：HS=HSp×OLS，其中，HSp为居民点百分比数据，OLS为夜间灯光数据。

5）获得城镇用地空间信息

统计各居民点百分比数据对应的居民点百分比面积，依据居民点数据——居民点百分比数据——居民点百分比面积之间的一一对应关系，按照居民点数据数值从大到小来逐次累加对应的居民点百分比面积以使居民点百分比面积逼近城镇用地面积统计数据，直到找出居民点百分比面积与城镇用地面积之差最小时居民点百分比面积对应的居民点数据且作为阈值，并依据该阈值区分城镇与非城镇地区，从而得到城镇用地空间信息。

通过寻找居民点数据最大值，把相应的居民点百分比数据加入到城镇面积中，从而增加每次循环的城镇用地面积。由于空间分辨率与增加的像元个数的影响，最终的城镇用地面积与发布的面积不会完全吻合，会产生面积之差。只有寻找到最小的面积之差，才能说找到合理的阈值。比如说，找到居民点数据为55，二者面积（统计数据与空间数据面积之和）之差为最小，此数值就为阈值；大于此值的空间点为城镇，小于则为非城镇。关于阈值的选取流程如图2所示。

下面以北京地区为例对本基于多源数据的城镇用地空间信息识别方法进行详细说明。

（1）构造居民定居指数

根据如下公式求得居民定居指数HSI：

HSI = \frac{(1 - NDVI) + OLS}{(1 - OLS) + NDVI + OLS * NDVI}

其中，NDVI为归一化植被指数数据，OLS为夜间灯光数据。NDVI归一化植被指数数据从NASA（美国航天局）提供的全球MODIS植被指数产品（MOD13A2）得到，年份为2000年。OLS夜间灯光数据从美国国家地球物理数据中心下载，年份为2000年。如图3所示为北京地区居民定居指数示意图。夜间灯光和NDVI数据空间分辨率为1000m，为中分辨率影像。该图3分辨率为1000m。

（2）获得部分区域准确的居民点百分比数据

将SPOT5高分辨率卫星遥感影像通过目视解译判断居民点，通过重取样，得到准确的居民点百分比数据。如图4所示为图3的局部区域居民定居指数示意图，图5是图4所示局部区域准确的居民点百分比数据示意图。图4的分辨率均为1000m。

居民百分比数据由此得到：1）解译SPOT5高分辨率影像，得到2.5m的居民点准确数据；2）把2.5m数据重新采样到1000m，得到居民点百分比数据，即1平方公里的一个格点中有多少面积的（高分辨率解译得到的）居民点。

计算结果见图，这是空间数据。空间显示就是结果，数值请参考图例。（3）建立回归模型

以居民点百分比数据为因变量，以居民定居指数为自变量，建立回归模型，如下：

综上结果，建立的回归模型为：

y=0.345lnx+0.341

其中，x为居民定居指数，y为居民点百分比数据。

（4）模型反演得到居民点数据

在以上的回归模型的基础上，以居民定居指数为自变量，通过模型反演得到全部地区的居民点百分比数据。居民点数据HS由以下公式计算得到：HS=HSp×OLS，其中，HSp为居民点百分比数据，OLS为夜间灯光数据。如图6所示为模型反演得到的居民点数据示意图。

（5）获得城镇用地空间信息

以国土资源部发布的城镇用地面积统计数据为基准，统计各居民点百分比数据对应的居民点百分比面积，并按照居民点数据数值从大到小来逐次累加对应的居民点百分比面积以使居民点百分比面积逼近城镇用地面积统计数据，直到找出居民点百分比面积与城镇用地面积之差最小时居民点百分比面积对应的居民点数据且作为阈值，并依据该阈值区分城镇与非城镇地区，从而得到城镇用地空间信息。

通过寻找居民点数据最大值，把相应的居民点百分比数据加入到城镇面积中，从而增加每次循环的城镇用地面积。由于空间分辨率与增加的像元个数的影响，最终的城镇用地面积与发布的面积不会完全吻合，会产生面积之差。只有寻找到最小的面积之差，才能说找到合理的阈值。比如说，找到居民点数据为55，二者面积（统计数据与空间数据面积之和）之差为最小，此数值就为阈值；大于此值的空间点为城镇，小于则为非城镇。

表1识别得到的城镇面积与发布的城镇用地面积统计数据的比较

发布的城镇用地面积统计数据(km²)	模型得到的城镇面积(km²)	相对误差(%)
			2272.6	2260.19	0.55

如图7所示为城镇区示意图，图中白色区域为城镇区，表1为识别得到的城镇面积与发布的城镇用地面积统计数据的比较。

Claims

1.基于多源数据的城镇用地空间信息识别方法，其特征在于，该方法的步骤如下：

(1)根据区域内归一化植被指数数据NDVI和夜间灯光数据OLS来构造居民定居指数HSI，

H S I = \frac{(1 - N D V I) + O L S}{(1 - O L S) + N D V I + O L S * N D V I};

(2)获取区域内设定区域的比步骤(1)所得居民定居指数数据对应图像的分辨率高的卫星遥感影像，并通过遥感图像解译判断居民点，为与步骤(1)所得的居民定居指数数据的分辨率相匹配进行重取样，得到居民点百分比数据；

(3)在步骤(1)、步骤(2)两套数据的基础上，以居民点百分比数据为因变量，居民定居指数为自变量，进行拟合，建立回归模型；

(4)在全部区域内应用步骤(3)所建回归模型，以居民定居指数为自变量，通过模型反演得到全部区域的居民点百分比数据，并将该居民点百分比数据与夜间灯光数据相乘得到居民点数据；

2.根据权利要求1所述的基于多源数据的城镇用地空间信息识别方法，其特征在于：所述步骤(2)中遥感图像解译为目视解译或计算机解译。

3.根据权利要求1或2所述的基于多源数据的城镇用地空间信息识别方法，所述步骤(5)中依据阈值区分城镇与非城镇地区是指区域内大于阈值的空间点为城镇，小于阈值的空间点为非城镇。