CN106156756A - 建设用地效率空间分布的快速估算方法 - Google Patents

Abstract

本发明公开了一种建设用地效率空间分布的快速估算方法，包括，利用TM影像数据与DMSP/OLS夜间灯光数据，获取待评估区域的建设用地及其上夜间灯光辐射总量的空间分布信息，利用夜间灯光辐射总量与非农GDP的空间映射关系，将待评估区域非农GDP统计值展布到细小的空间单元上，从而快速估算区域建设用地效率的空间分布。本发明将TM遥感影像数据与夜间灯光数据相结合，能够克服由于夜间灯光数据溢出效应所引起的灯光面积高估的弊端，与以往技术方法相比，在估算速度、精准度以及方法普适性等方面具有明显优势。

Description

建设用地效率空间分布的快速估算方法

技术领域

本发明涉及城市规划技术领域，具体涉及一种建设用地效率空间分布的快速估算方法。

背景技术

建设用地效率，即单位建设用地产出的非农GDP，是衡量建设用地集约利用程度与开发效率的重要指标，被广泛应用于实践中。传统的建设用地产出效率测算方法有两种：一种是以各级行政单元为测算对象，利用非农GDP统计资料，结合建设用地统计数据，获取各行政单元的建设用地产出效率，但无法显示行政单元内部的效率分布，且由于县级以下行政单元的统计数据收集较为困难，给深入研究县级以下尺度建设用地效率的空间分布带来限制；另一种是以地块为单元，通过实地调查，获取地块尺度的建设用地效率，但这种方法不仅工作量大，难以应用在大范围动态研究中，而且调查标准、调查者响应程度等差异使GDP数据的精度受到影响。因此，急需利用新的空间信息获取手段，将区域统计型非农GDP数据合理地展布到更小的空间单元上，以实现区域建设用地效率空间分布的快速估算。

遥感技术作为地理空间信息动态监测的重要手段之一，已被广泛应用于人口、GDP等社会经济数据的空间化建模中，即通过利用遥感空间信息将统计型社会经济数据展布到更小尺度的地理单元上，从而构建更高分辨率的空间数据库(Doll C N H,Muller J P,Morley J P.Mapping regional economic activity from night-time lightsatelliteimagery.Ecological Economics,2006,57,75-92.)。利用传统遥感空间信息进行经济数据空间化的思路包括两类：较小尺度的研究主要通过建立经济数据与道路以及地区中心的空间关系模型来实现社会经济数据的空间化(黄莺，包安明，陈曦，等.基于绿洲土地利用的区域GDP公里格网化研究.冰川冻土,2009,31(1):158-164.)，其精度较高，但模型复杂，且针对特定区域，普适性不强；较大尺度的研究，一般利用遥感数据获取土地利用类型空间信息，通过建立土地利用类型与经济数据的关联模型(刘红辉，江东，杨小唤，等.基于遥感的全国GDP 1km格网的空间化表达.地球信息科学,2005,7(2):120-123.)，可以实现较大尺度的经济数据空间化，但无法反映相同土地利用类型中经济数据空间分布的差异。

美国军事气象卫星Defense Meteorological Satellite Program(DMSP)搭载的Operational Linescan System(OLS)传感器具有很强的光电放大能力，在夜间工作,能探测到城市灯光甚至小规模居民地、车流等发出的低强度灯光，并使之明显区别于黑暗的乡村背景(Elvidge C D,Cinzano P,Pettit D R,et al.The Night sat MissionConcept.International Journal of Remote Sensing,2007,28(12):2645-2670.)。灯光影像上亮区和暗区的对比使之成为研究密集人类活动及其影响的一个有力工具(Croft TA.Night time Images of the Earth from Space.Scientific American,1978,239:86-89.)，也为大尺度的城市研究提供一种独特的数据获取手段(Chen Jin,Zhuo Li,ShiPeijun,et al.The Study on Urbanization Process in China based on DMSP/OLSData:Development of a Light Index for Urbanization Level Estimation.Journalof Remote Sensing,2003,7(3):168-175.)，因此近年来被广泛用于城市建成区提取、人口模拟、城市化水平模拟以及经济水平、电力消耗和碳排放量模拟等研究中。国内外学者基于DMSP/OLS衍生出的灯光面积以及灯光强度总和估算大尺度的社会经济空间分布状况，包括GDP的空间分布(Ghosh T,Powell R,Elvidge C D,et al.Shedding light on the globaldistribation of economic activity.The Open Geography Journal,2010(3):148-161.韩向娣,周艺,王世新等.夜间灯光遥感数据的GDP空间化处理方法.地球信息科学学报,2012,14(1)：128-136.)。然而，由于夜间灯光具有溢出效应，造成灯光面积的估值不准确，因此，单独利用夜间灯光数据估算GDP空间分布存在较大误差。

发明内容

针对现有技术的不足，本发明的目的在于提供一种建设用地效率空间分布的快速估算方法，克服传统方法、技术在空间尺度、普适性、精准度等方面的不足，以便快速、准确地估算区域建设用地效率的空间分布。

为了实现上述目的，本发明采取的技术方案是：

一种建设用地效率空间分布的快速估算方法，包括步骤：

对待评估区域的遥感图像进行预处理，提取待评估区域的建设用地空间分布信息；

获取待评估区域的夜间灯光影像，并对夜间灯光影像进行修正；

利用待评估区域建设用地边界切割相应区域经过修正的夜间灯光影像，获得待评估区域建设用地范围内的夜间灯光影像；

计算待评估区域内部各个次级空间单元建设用地范围内的夜间灯光辐射总量，获取待评估区域建设用地夜间灯光辐射总量的空间分布信息：

设RAD_i为第i个次级空间单元建设用地范围内的夜间灯光辐射总量，S_i为第i个次级空间单元的建设用地面积，BRI_i是第i个次级空间单元夜间灯光影像的稳定灯光值部分派生出的稳定灯光强度数据。

RAD_i＝BRI_i×S_i

估算非农GDP空间分布：利用夜间灯光辐射总量与非农GDP的空间映射关系，将待评估区域非农GDP统计值展布到各个次级空间单元上；

设GDP_fi’为第i个次级空间单元的非农GDP估算值，GDP_f ^*为整个待评估区域的非农GDP统计值，RAD_all为整个待评估区域建设用地范围内的夜间灯光辐射总量：

${{\mathrm{GDP}}_{f_i}}^{\′}={{\mathrm{GDP}}_f}^{*}\×\frac{{\mathrm{RAD}}_i}{{\mathrm{RAD}}_{all}}$

估算建设用地效率空间分布：设EF_i为第i个次级空间单元的建设用地效率。

${\mathrm{EF}}_i={{\mathrm{GDP}}_{f_i}}^{\′}/S_i$

与现有技术相比，本发明的有益效果在于：

本发明将TM遥感影像数据与夜间灯光数据相结合，能够克服由于夜间灯光数据溢出效应所引起的灯光面积高估的弊端，利用夜间灯光辐射总量空间分布与非农GDP空间分布的映射关系，能够快速地将待估区域非农GDP统计值展布到各个空间单元上，从而快速、准确、实时地估算建设用地效率空间分布。与以往技术方法相比，在估算速度、精确度以及方法普适性等方面具有明显优势。

附图说明

图1为本发明建设用地效率空间分布的快速估算方法的流程示意图；

图2为夜间灯光辐射总量与非农GDP的空间映射关系图；

图3为2012年珠三角城镇尺度建设用地效率空间分布估算结果；

图4为2012年珠三角公里格网尺度建设用地效率空间分布估算结果；

图5为珠三角非农GDP空间分布估算精度检验。

具体实施方式

下面结合具体实施方式对本发明作进一步的说明。

一种建设用地效率空间分布的快速估算方法，包括步骤(图1)：

(1)对待评估区域的遥感图像进行预处理，提取待评估区域的建设用地空间信息；

遥感图像来自于Landsat TM数据，对所述遥感图像的预处理方法包括：

1)对遥感图像进行几何纠正，使得所有的遥感影像具有相同的投影信息；

2)然后采用人工目视解译的方式获取研究区域各个时相的建设用地信息。

采用美国ERDAS公司开发的专业遥感图像处理系统软件ERDAS IMAGINE9.1来实现遥感数据预处理的过程，使用美国环境系统研究所(Environment System ResearchInstitute，ESRI)开发的GIS软件ArcGIS9.1Workstation中利用AML语言开发的人工目视解译工具来完成解译工作。最后利用遥感分类精度评定中常用的分类总精度和Kappa系数评价解译结果。

(2)获取待评估区域的夜间灯光影像，并对夜间灯光影像进行修正；

夜间灯光影像来自于DMSP/OLS的数据，对夜间灯光影像的修正过程包括：

1)从DMSP/OLS的数据中提取待评估区域内的夜间灯光数据；

2)采用刘志峰建立的方法对夜间灯光影像进行融合去噪和年际序列修正(Liu ZF,He C Y,Zhang Q F et al.Extracting the dynamics of urban expansion in Chinausing DMSP-OLS nighttime light data from 1992to 2008.Landscape and UrbanPlanning,2012,106(1):62-72.刘志峰，何春阳.基于DMSP-OLS夜间灯光数据的中国1992-2008城市扩展信息提取.景观与城市规划，2012，106(1)：62-72.)；

(3)利用待评估区域建设用地边界切割相应区域经过修正的夜间灯光影像，获得待评估区域建设用地范围内的夜间灯光数据；

(4)计算待评估区域内部各个次级空间单元建设用地范围内的夜间灯光辐射总量，获取待评估区域建设用地夜间灯光辐射总量空间分布信息：

设RAD_i为第i个次级空间单元建设用地范围内的灯光辐射总量，S_i为第i个空间单元的建设用地面积，BRI_i是夜间灯光数据的稳定灯光值部分派生出的稳定灯光强度数据。

RAD_i＝BRI_i×S_i

(5)估算非农GDP空间分布：利用夜间灯光辐射总量与非农GDP的空间映射关系(图2所示)，将待评估区域非农GDP统计值展布到各个空间单元上。

设GDP_fi’为第i个空间单元的非农GDP估算值，GDP_f ^*为整个区域的非农GDP统计值，RAD_all为整个区域建设用地范围内的灯光辐射总量。

${{\mathrm{GDP}}_{f_i}}^{\′}={{\mathrm{GDP}}_f}^{*}\×\frac{{\mathrm{RAD}}_i}{{\mathrm{RAD}}_{all}}$

(6)估算建设用地效率空间分布。

设EF_i为第i个空间单元的建设用地效率。

${\mathrm{EF}}_i={{\mathrm{GDP}}_{f_i}}^{\′}/S_i$

1实施区域

选取珠江三角洲城市群作为实施区域，实施范围包括广州市、深圳市、珠海市、中山市、佛山市、东莞市、江门市、惠州市(不含龙门县)以及肇庆市(不含广宁、怀集、封开、德庆四县)，拥有县级行政单元43个，总面积40041平方公里。

2实施步骤

2.1TM遥感图像处理与建设用地空间分布信息提取；

研究使用的遥感数据源包括了1998年和2006年的Landsat TM数据，以及2012年的中国国产HJ-1A卫星数据(由于2012年Landsat TM卫星传感器已经损坏，停止工作，因此采用中国国产HJ-1A卫星数据替代，该数据有着与Landsat TM相同的30m空间分辨率)。通过解译覆盖珠江三角洲城市群1998、2006、2012年三个时相的遥感影像来获取相应年份建设用地空间分布信息。首先对遥感图像进行几何纠正，使得所有的遥感影像具有相同的投影信息。然后采用人工目视解译的方式获取研究区域3个时相的建设用地信息。由于人工目视解译可以充分利用判读人员的经验和知识，对于提取目标的空间信息、语义信息特别有效，因此人工目视解译仍然是遥感图像应用过程的一个重要的作业方法之一。采用美国ERDAS公司开发的专业遥感图像处理系统软件ERDAS IMAGINE 9.1来实现遥感数据预处理的过程，使用美国环境系统研究所(Environment System Research Institute，ESRI)开发的GIS软件ArcGIS9.1Workstation中利用AML语言开发的人工目视解译工具来完成解译工作。在每个时相设1000个检验点(建设用地和非建设用地各500个)，结合其他高分辨率的遥感影像和野外实测调查资料来检验分类结果，获得的分类总精度和Kappa系数如表1所示。从表1中可以看出，3个时相的人工目视解译精度均超过了90％，可以将这3个时相的建设用地空间分布信息作为后续分析的基础数据源，分析结果具有较高可信度。

表1珠江三角洲城市群土地分类精度对比(1998-2012年)

2.2DMSP/OLS夜间灯光影像数据处理

本研究使用的1998、2006和2012年三期DMSP/OLS夜间灯光影像数据，来源于美国国家海洋和大气管理局(National Oceanic and Atmospheric Administration)下属的国家地球物理数据中心(National Geophysical Data Center)V4DNLTS数据集，该数据集从NGDC网站下载(http://www.ngdc.noaa.gov/dmsp/downloadV4composites.html)。DMSP/OLS夜间灯光影像数据是年度合成影像数据，它消除了云、太阳光、月光、极光和火灾等偶然因素影响；数据灰度值范围1～63，背景值为0，空间分辨率为0.008333度。由于三期的DMSP/OLS夜间灯光影像数据来自于不同卫星上的传感器，各自的数据之间存在差异，无法直接进行比较，需进行修正后才能使用。本研究首先提取出珠三角城市群范围内的夜间灯光数据，然后采用刘志峰等建立的方法对夜间灯光遥感影像进行融合去噪(Intra-annualcomposition)和年际序列修正(Inter-annual series correction)等。由于2010年之后的夜间灯光数据仅有一个传感器收集，因此2012年的夜间灯光数据只进行了年际序列修正。

2.3提取建设用地范围内灯光辐射总量空间分布信息

利用待评估区域建设用地边界切割相应区域经过修正的夜间灯光影像，获得待评估区域建设用地范围内的夜间灯光数据；计算待评估区域内部各个次级空间单元建设用地范围内的夜间灯光辐射总量计算待评估区域内部各个次级空间单元建设用地范围内的夜间灯光辐射总量：

设RAD_i为第i个次级空间单元建设用地范围内的灯光辐射总量，S_i为第i个空间单元的建设用地面积，BRI_i是夜间灯光数据的稳定灯光值部分派生出的稳定灯光强度数据。

RAD_i＝BRI_i×S_i

2.4建立模型，论证夜间灯光辐射总量与非农GDP的空间映射关系

(1)分别利用1998、2006、2012年的县(区)样本建立夜间灯光辐射总量(RAD)与非农GDP(GDP_f)统计值之间的回归模型，样本个数分别为33、43、43。实验证明，剔除个别异常值，三个时期的夜间灯光辐射总量与非农GDP统计值之间线性相关关系明显。三个时期的模型均可表达为：

GDP_f＝K_i×RAD+a_i (1)

其中，K_i表示非农GDP与夜间灯光辐射总量RAD之间的斜率，a_i为常数项。

(2)假设上述模型关系在更小的空间尺度上依然存在，则可以利用其分别估算三个时期研究区域每个空间单元的非农GDP，空间单元既可以是镇级行政单元也可以是公里格网。然后，利用各县(区)非农GDP统计值对每个空间单元的模拟值作线性调整，生成县(区)非农GDP零误差的非农GDP空间化结果。线性纠正的方法如下：

${{\mathrm{GDP}}_{f_i}}^{\′}={\mathrm{GDP}}_{fi}\×({{\mathrm{GDP}}_f}^{*}/{\mathrm{GDP}}_{fall})---\left(2\right)$

其中GDP_fi’为线性纠正后的第i个空间模拟单元的非农GDP估算值，GDP_fi为按模型估算的第i个空间模拟单元的非农GDP，GDP_f ^*为第i个空间模拟单元所属县的非农GDP统计值，GDP_fall为该县非农GDP估算值。

(3)图5是三个年份珠江三角洲城市群夜间灯光辐射总量RAD与非农GDP的回归分析结果。从1998年的模型结果来看，剔除个别异常样本(东莞)，夜间灯光辐射总量RAD与非农GDP具有良好的线性相关关系(式4)，模型在0.001水平上显著相关，R²为0.920。

GDP₂₃＝571.7×RAD (4)

从2006年的模型结果来看，剔除个别异常样本(广州市的越秀区、天河区以及深圳市的福田区、南山区)，夜间灯光辐射总量RAD与非农GDP具有良好的线性相关关系(式5)，模型在0.001水平上显著相关，R²为0.853。异常样本地区均属于发达的中心城区，与其他地区相比，夜间灯光副射总量RDA与非农GDP之间的斜率明显偏高，很大程度上是由于灯光数据的饱和效应所至。

GDP₂₃＝598.07×RAD (5)

从2012年的模型结果来看，剔除个别异常样本(广州市的越秀区、天河区以及深圳市的福田区、南山区、罗浮区)，灯光辐射总量RAD与非农GDP具有良好的线性相关关系(式6)，模型在0.001水平上显著相关，R²为0.801。异常样本在2006年基础上增加1个，均为斜率明显偏高的样本。

GDP₂₃＝824.4×RAD (6)

三个时期的模型均为常数项为零的线性模型，表明同一时期的夜间灯光副射总量与非农GDP之间存在较为明显的同比例增长关系。

(4)由于三个时期模型的常数项均为零，即(1)式中a_i为零，将(1)式代入(2)式可得式11：

${{\mathrm{GDP}}_{f_i}}^{\′}=K_i\×{\mathrm{RAD}}_i\×\frac{{{\mathrm{GDP}}_f}^{*}}{K_i\×{\mathrm{RAD}}_{all}}={{\mathrm{GDP}}_f}^{*}\×\frac{{\mathrm{RAD}}_i}{{\mathrm{RAD}}_{all}}---\left(7\right)$

其中，RAD_i为第i个模拟单元的灯光辐射总量，RAD_all为第i个模拟单元所属县灯光辐射总量。由此可见，第i个模拟单元的非农GDP估算值实际上等于所属县非农GDP统计值乘以第i个模拟单元夜间灯光总量占该县的比例。夜间灯光辐射总量与非农GDP之间存在如图2所示的空间映射关系。

3.5估算各个空间单元的非农GDP值

利用夜间灯光辐射总量与非农GDP的空间映射关系，将待评估区域非农GDP统计值展布到各个空间单元上。

设GDP_fi’为第i个空间单元的非农GDP估算值，GDP_f ^*为整个区域的非农GDP统计值，RAD_all为整个区域建设用地范围内的灯光辐射总量。

${{\mathrm{GDP}}_{f_i}}^{\′}={{\mathrm{GDP}}_f}^{*}\×\frac{{\mathrm{RAD}}_i}{{\mathrm{RAD}}_{all}}$

3.6估算各个空间单元的建设用地效率。

设EF_i为第i个空间单元的建设用地效率。

${\mathrm{EF}}_i={{\mathrm{GDP}}_{f_i}}^{\′}/S_i$

4实施结果与检验

4.1非农GDP空间分布估算结果

可以绘制珠江三角洲1998、2006、2012年镇级尺度的非农GDP空间化结果，以及珠江三角洲1998、2006、2012年公里格网尺度的非农GDP空间化结果。

4.2建设用地效率空间分布的估算结果

利用珠江三角洲城市群三个时期非农GDP空间化的结果，结合相应时期的建设用地空间分布信息，可以在镇级尺度(图3)以及公里格网(图4)上更为细致地绘制出珠江三洲城市群1998年以来的建设用地产出效率空间分布变化图，并进行更加细致、深入的分析工作。

4.3估算结果精度检验

对镇级尺度非农GDP估算结果进行精度检验，结果表明，79个检验样本中，70％以上的样本相对误差在正负40％以内，样本平均相对误差为27.99％(图5)，说明该建设用地效率空间分布估算方法能够较为准确地将县(区)非农GDP统计值展布到更小的空间单元上，从而有利于构建更小尺度的建设用地效率空间分数据库，以便开展更加细致、深入的相关研究。

上列详细说明是针对本发明可行实施例的具体说明，该实施例并非用以限制本发明的专利范围，凡未脱离本发明所为的等效实施或变更，均应包含于本案的专利范围中。

Claims (3)

1.一种建设用地效率空间分布的快速估算方法，其特征在于，包括步骤：

对待评估区域的遥感图像进行预处理，提取待评估区域的建设用地空间分布信息；

获取待评估区域的夜间灯光影像，并对夜间灯光影像进行修正；

利用待评估区域建设用地边界切割相应区域经过修正的夜间灯光影像，获得待评估区域建设用地范围内的夜间灯光影像；

计算待评估区域内部各个次级空间单元建设用地范围内的夜间灯光辐射总量，获取待评估区域建设用地夜间灯光辐射总量的空间分布信息：

设RAD_i为第i个次级空间单元建设用地范围内的夜间灯光辐射总量，S_i为第i个次级空间单元的建设用地面积，BRI_i是第i个次级空间单元夜间灯光影像的稳定灯光值部分派生出的稳定灯光强度数据。

RAD_i＝BRI_i×S_i

估算非农GDP空间分布：利用夜间灯光辐射总量与非农GDP的空间映射关系，将待评估区域非农GDP统计值展布到各个次级空间单元上；

设GDP_fi ^’为第i个次级空间单元的非农GDP估算值，GDP_f ^*为整个待评估区域的非农GDP统计值，RAD_all为整个待评估区域建设用地范围内的夜间灯光辐射总量：

${{\mathrm{GDP}}_{f_i}}^{\′}={{\mathrm{GDP}}_f}^{*}\×\frac{{\mathrm{RAD}}_i}{{\mathrm{RAD}}_{all}}$

估算建设用地效率空间分布：设EF_i为第i个次级空间单元的建设用地效率。

${\mathrm{EF}}_i={{\mathrm{GDP}}_{f_i}}^{\′}/S_i$

2.根据权利要求1所述的建设用地效率空间分布的快速估算方法，其特征在于，

所述遥感图像来自于Landsat TM数据，对所述遥感图像的预处理方法包括：

对遥感图像进行几何纠正，使得所有的遥感影像具有相同的投影信息；

采用人工目视解译的方式获取待评估区域的建设用地信息。

3.根据权利要求2所述的建设用地效率空间分布的快速估算方法，其特征在于，

所述夜间灯光影像来自于DMSP/OLS的数据，对夜间灯光影像的修正过程包括：

从DMSP/OLS的数据中提取待评估区域的夜间灯光影像；

对夜间灯光影像进行融合去噪和年际序列修正。