CN107016403A - 一种基于夜间灯光数据提取城市建成区阈值的方法 - Google Patents

Abstract

本发明提出的一种基于夜间灯光数据提取城市建成区阈值的方法，属于夜间灯光遥感数据领域。本方法分为TM影像数据的处理和夜间灯光DMSP数据阈值的选取两个阶段：首先对研究区TM影像数据预处理，并进行监督分类和分类后处理，提取城市用地；然后将裁剪后的研究区范围内夜间灯光数据与绘制出的城市区域多边形边界叠加，作一条穿过研究区灯光数据中心区域和多边形边界的辅助直线，得到灯光数据阈值相邻的辅助点；计算每个辅助点所代表的城市建成区面积并与统计年鉴比较，与后者最相近面积所对应的灯光数据阈值为城市建成区的最佳阈值。本发明将遥感影像数据与统计数据相结合，准确提取不同大小城市建成区范围的阈值并反映城市区域的变化情况。

Description

一种基于夜间灯光数据提取城市建成区阈值的方法

技术领域

本发明属于夜间灯光遥感数据领域，特别涉及一种基于夜间灯光数据提取城市建成区阈值的方法。

背景技术

随着中国的城市化的快速发展，探究和了解中国城市的空间特征和变化特征，优化城市扩展中的土地利用格局，对于降低城市化过程的风险、改善城市发展布局、促进城市经济的科学可持续性发展具有非常重要的战略意义，同时也能为相关政府部门制定城市发展战略提供数据参考和决策依据。

夜间灯光数据由美国国防气象卫星计划(Defense Meteorological Sate-lliteprogram,DMSP)装载的传感器(Operational Linescan System,OLS)通过获取夜晚城市灯光以及其它小规模居民地、车流等发出的微弱灯光所得到，并区别于黑暗的乡村背景，夜间灯光数据被广泛地应用于城市动态扩展研究中。现有的夜间灯光数据城市建成区阈值的提取方法虽然种类很多，但是提取城市建成区时无论是城市面积还是边界范围，其精确度还不高，与此同时，目前的方法大多应用于较大城市中，在较小城市由于无法保证其准确性还少有涉足。

目前，基于夜间灯光数据提取城市建成区面积主要有4类最佳阈值的提取方法：1经验阈值法；2突变检测法；3统计数据比较法；4较高分辨率影像数据空间比较法。但是对于这些方法的获取结果难易程度、提取城市建成区面积的准确性等，目前还缺少具体相关的研究和讨论。其中较高分辨率影像数据空间比较法具体实施步骤为：首先将较高分辨率的遥感影像数据(分辨率为30m，数据可在美国陆地卫星官网免费下载)分为城市和非城市两大分类图，接着在分类图的基础上，提取夜间灯光数据，最后作所提取夜间灯光数据图像的灰度直方图，取像元数激增的灰度值为城市和非城市分割阈值。该较高空间分辨率影像数据比较法在进行城市和非城市分类后没有相关的验证方法，因此提取该阈值确定的城市建成区面积精确度有待讨论。其它的三种方法:由于经验阈值法的提取阈值是根据前人的经验和自身相关背景知识确定，所以提取的城市建成区结果受研究者的主观影响而不同；突变检测法在提取阈值时，需要确定每个阈值下的城市建成区的边长，所需的处理过程繁杂，工作量大，这样很大程度上增加了提取城市建成区的难度；统计数据比较法是利用计算机语言，采用二分法思路，不断计算每个动态阈值下的城市建成区面积与相关部门发布的统计数据进行比较来提取阈值，这就需要研究者具有一定的编程基础才能实现。

发明内容

本发明目的是为克服已有技术的不足之处，提出一种基于夜间灯光数据提取城市建成区阈值的方法。该方法将遥感影像数据与统计数据相结合，可以准确提取出不同大小尺度城市建成区范围内的阈值，可准确便捷的反映城市区域的变化情况，为相关城市经济研究和管理提供方法。

本发明提出的一种夜间灯光数据城市建成区阈值提取方法，其特征在于，分为TM影像数据的处理和夜间灯光DMSP数据阈值的选取两个阶段，包括以下步骤：

1)TM影像数据的处理阶段，具体包括以下步骤：

1.1)对研究区的TM影像数据进行预处理，预处理包括对TM影像数据进行矢量裁剪、大气粗校正和几何精校正三个部分：首先利用研究区的矢量数据对原始TM影像数据进行裁剪，得到裁剪后的TM影像数据；然后对得到的裁剪后的TM影像数据进行大气粗校正去除大气层辐射度的影响，大气粗校正采用暗像元法；最后，通过选取M个离散的地面控制点拟合多项式函数，5≤M≤10，对去除大气层辐射度的数据进行内插与重采样实现数据的几何精校正；

1.2)对经过步骤1.1)预处理后的研究区的TM影像数据进行监督分类：对完成预处理的TM影像数据采用最大似然法进行监督分类；该最大似然分类方法为：从研究区的TM影像数据中选择的一个图像区域作为训练区，假定训练区内的地物光谱特征与大部分地物类型一样为近似的服从正态分布，求出待分类的TM影像数据每个像元的归属概率，并把该像元分配到其归属概率最大的分类中去，最终将全部TM影像数据中的像元分为城市和非城市两大类；

1.3)分类后处理，对经过步骤1.2)监督分类后的研究区的TM影像数据通过ENVI软件中的交互式分类工具提取出研究区的更加准确的城市用地；

2)夜间灯光DMSP数据阈值的选取阶段，具体包括以下步骤：

2.1)从DMSP数据官方网站下载不同时相的全球夜间灯光DMSP数据，利用研究区的矢量数据对下载得到的夜间灯光DMSP数据进行裁剪，得到裁剪后的研究区范围内的夜间灯光数据；

2.2)根据步骤1.3)提取的城市用地，绘制出城市区域的多边形边界，并与步骤2.1)得到的裁剪后的研究区范围内的灯光数据进行叠加；

2.3)在步骤2.2)得到的多边形边界与灯光数据叠加后作一条穿过研究区灯光数据中心区域和多边形边界的辅助直线，并在该辅助直线与多边形边界的相交处附近取N个灯光数据阈值相邻的辅助点,5≤N≤10；

2.4)分别计算步骤2.3)选取的N个灯光数据阈值相邻的辅助点所代表的城市建成区面积，分别与政府发布的统计年鉴的城市面积进行比较，提取与统计年鉴的城市面积最相近的面积所对应的灯光数据阈值为城市建成区的最佳阈值。

本发明与现有技术相比的优点在于：

(1)本发明采取了遥感影像数据和统计数据相结合的方式，较之前的较高分辨率影像数据空间比较法得到的城市建成区面积更准确，从而对城市区域的提取更加精确。

(2)本发明利用了TM影像数据作为辅助信息，比之前的单一的统计数据比较法，既省去了计算机语言的繁琐，也更加精确地表达了城市建成区的具体方位和范围。

(3)无论是之前的经验阈值法和突变检测法在较小城市的城市建成区的阈值提取上的准确性还有待讨论，而本发明方法可以很好地应用各种不同大小尺度的城市。

附图说明

图1为本发明方法的流程框图。

具体实施方式

本发明提出的一种基于夜间灯光数据提取城市建成区阈值的方法，下面结合附图和具体实施例进一步详细说明如下。

本发明提出的一种基于夜间灯光数据提取城市建成区阈值的方法，流程框图如图1所示，包括TM影像数据的处理和夜间灯光DMSP数据阈值的选取两个阶段，该方法包括以下步骤：

1)TM影像数据的处理阶段，具体包括以下步骤：

1.1)对研究区的TM影像数据进行预处理，预处理包括对TM影像数据进行矢量裁剪、大气粗校正和几何精校正三个部分：首先利用研究区的矢量数据对原始TM影像数据进行裁剪，得到裁剪后的TM影像数据；然后对得到的裁剪后的TM影像数据进行大气粗校正去除大气层辐射度的影响，大气粗校正采用暗像元法；最后，通过选取M个离散的地面控制点拟合多项式函数，5≤M≤10，对去除大气层辐射度的数据进行内插与重采样实现数据的几何精校正；

1.2)对经过步骤1.1)预处理后的研究区的TM影像数据进行监督分类：对完成预处理的TM影像数据采用最大似然法进行监督分类；该最大似然分类方法为：从研究区的TM影像数据中选择的一个图像区域作为训练区，假定训练区内的地物光谱特征与大部分地物类型一样为近似的服从正态分布，求出待分类的TM影像数据每个像元的归属概率，并把该像元分配到其归属概率最大的分类中去，最终将全部TM影像数据中的像元分为城市和非城市两大类；

1.3)分类后处理，对经过步骤1.2)监督分类后的研究区的TM影像数据通过ENVI软件中的交互式分类工具提取出研究区的更加准确的城市用地；

2)夜间灯光DMSP数据阈值的选取阶段，具体包括以下步骤：

2.1)从DMSP数据官方网站下载不同时相的全球夜间灯光DMSP数据，利用研究区的矢量数据对下载得到的夜间灯光DMSP数据进行裁剪，得到裁剪后的研究区范围内的夜间灯光数据；

2.2)根据步骤1.3)提取的城市用地，绘制出城市区域的多边形边界，并与步骤2.1)得到的裁剪后的研究区范围内的灯光数据进行叠加；

2.3)在步骤2.2)得到的多边形边界与灯光数据叠加后作一条穿过研究区灯光数据中心区域和多边形边界的辅助直线，并在该辅助直线与多边形边界的相交处附近取N个灯光数据阈值相邻的辅助点,5≤N≤10；

2.4)分别计算步骤2.3)选取的N个灯光数据阈值相邻的辅助点所代表的城市建成区面积，分别与政府发布的统计年鉴的城市面积进行比较，提取与统计年鉴的城市面积最相近的面积所对应的灯光数据阈值为城市建成区的最佳阈值。

下面结合一个具体实施例，对发明进一步详细说明如下：

一种基于夜间灯光数据提取城市建成区阈值的方法，包括TM影像数据的处理和夜间灯光DMSP数据阈值的选取两个阶段，该方法包括以下步骤：

1)TM影像数据的处理阶段，具体包括以下步骤：

1.1)对研究区(即为需要提取城市建成区的待研究的区域)的TM影像数据进行预处理(TM影像采用美国陆地卫星4～5号专题制图仪所获取的多波段扫描影像)，预处理操作采用ArcGIS或ENVI软件程序完成，本实施例采用的是ArcGIS软件程序进行预处理，预处理包括对TM影像数据进行矢量裁剪、大气粗校正和几何精校正三个部分：首先通过ArcGIS软件程序里的栅格裁剪工具利用研究区的矢量数据(矢量数据是用X、Y坐标表示地图图形或地理实体的位置的数据)对原始TM影像数据进行裁剪，得到裁剪后的TM影像数据；然后对得到的裁剪后的TM影像数据进行大气粗校正，大气粗校正采用暗像元法，暗像元法就是要去除大气层辐射度的影响(相对来讲该方法校正精度不高但所需参数较少，校正起来十分方便)；最后，通过选取一定数量(5-10个)的离散的地面控制点(以地面坐标为匹配标准的点叫做地面控制点)拟合多项式函数，对去除大气层辐射度的数据进行内插与重采样实现数据的几何精校正，以消除地形起伏与传感器平台运动的影响；

1.2)对经过步骤1.1)预处理后的研究区的TM影像数据进行监督分类：(本实施例采用ENVI软件程序完成)对完成预处理的TM影像数据采用最大似然法进行监督分类，该最大似然分类方法为：假定训练区(从研究区的TM影像数据上选取的已知其地物属性或物体特性的图像区域或像元叫做训练区)内的地物光谱特征与大部分地物类型一样近似的服从正态分布，求出待分类的TM影像数据每个像元的归属概率，并把该像元分配到其归属概率最大的分类中去；最终将全部TM影像数据中的像元分为城市和非城市两大类。

1.3)分类后处理：(由于监督分类后很多不应该属于城市的地方变成城市了，所以需要对经过步骤1.2)监督分类后的研究区的TM影像数据进一步处理。)通过ENVI软件中的交互式分类工具提取出研究区的更加准确的城市用地。

2)夜间灯光DMSP数据阈值的选取阶段，具体包括以下步骤：

2.1)从DMSP数据官方网站下载不同时相的全球夜间灯光DMSP数据，在ENVI软件下利用研究区的矢量数据对下载得到的夜间灯光DMSP数据进行裁剪，得到裁剪后的研究区范围内的夜间灯光数据。

2.2)根据步骤1.3)提取的城市用地，绘制出城市区域的多边形边界，并与步骤2.1)得到的裁剪后的研究区范围内的灯光数据进行叠加。

2.3)在步骤2.2)得到的多边形边界与灯光数据叠加后作一条穿过研究区灯光数据中心区域和多边形边界的辅助直线，并在该辅助直线与多边形边界的相交处附近取若干个(5-10个)灯光数据阈值相邻的辅助点；

2.4)分别计算步骤2.3)选取的若干个灯光数据阈值相邻的辅助点所代表的城市建成区面积，分别与政府发布的统计年鉴的城市面积进行比较，提取与统计年鉴的城市面积最相近的面积所对应的灯光数据阈值为城市建成区的最佳阈值，通过这个最佳阈值，便可准确地获取城市建成区域。

步骤1.2)中，对经过步骤1.1)预处理后的研究区的TM影像数据进行监督分类，具体步骤如下：

1.2.1)首先从ENVI软件中打开步骤1.1)得到的研究区的TM影像数据，在Available Band中以RGB打开，为真彩色，即为地物的真实颜色；

1.2.2)训练区的选取：在影像的工具栏中选择，Overlay(叠加)→Region ofinterest(感兴趣区),在打开的#1ROI Tool工具栏中，以多边形的方式选择感兴趣区(从研究区的TM影像数据中选择的一个图像区域，这个区域是你的图像分析所关注的重点，圈定该区域以便进行进一步处理)：ROI_Type(感兴趣区类型)→Polygon(面),在Zoom窗口中进行选择土地类别，分为城市、水体、植物和裸地四类，查看分离程度，继续在ROI Tool工具栏中选择Option(选项)→computer ROI separability(计算感兴趣区可分离性)，选择影像OK,相关度大于1.8的说明分类较好，保存文件；

1.2.3)分类算法选择，用最大似然法进行监督分类，主菜单栏中选择Classification(分类)→Supervised(监督分类)→Maximum Likelihood(最大似然法),概率阈值Probability Threshold一般在0～1之间，储存至memory；分类合并，在主菜单栏中Classification(分类)→post classification(分类后处理)→Sieve Classes(类别筛选)，将步骤1.2.2)四类土地类别分为城市和非城市两大类，提取出研究区的城市用地。

步骤2.1)中利用研究区的矢量数据对下载得到的夜间灯光DMSP数据进行裁剪，具体如下步骤：

2.1.1)下载夜间灯光DMSP数据：从DMSP数据官方网站下载不同时相的全球夜间灯光DMSP数据；

2.1.2)在ENVI软件中分别打开夜间灯光DMSP数据和研究区的矢量数据；将研究区的矢量数据转换为ROI(感兴趣区)，File选择Export Active Layer to ROIs(矢量图层转为感兴趣区)，在Select Data File to Associate with new ROI(选择数据文件与新的训练区相结合)窗口下选择全球灯光数据，在Export EVF Layers to ROI(栅格图层转为感兴趣区)窗口下选择Convert each record of an EVF layer to a new ROI(将每个记录的栅格图层转换成一个新的感兴趣区)，点击OK；

2.1.3)裁剪夜间灯光DMSP数据；在ENVI主菜单下选择Subset Data via ROIS(通过感兴趣区裁剪数据)，在Select Input File to Subset via ROI(选择通过感兴趣裁剪的输入文件)窗口下选择全球灯光数据，在Spatial Subset via ROI Parameters(通过感兴趣区参数空间裁剪)窗口下的Select Input ROIs(选择输入的感兴趣区)中选择研究区的矢量数据，即得到裁剪后研究区范围内的夜间灯光数据。

Claims (1)

1.一种基于夜间灯光数据提取城市建成区阈值的方法，其特征在于，分为TM影像数据的处理和夜间灯光DMSP数据阈值的选取两个阶段，包括以下步骤：

1)TM影像数据的处理阶段，具体包括以下步骤：

1.1)对研究区的TM影像数据进行预处理，预处理包括对TM影像数据进行矢量裁剪、大气粗校正和几何精校正三个部分：首先利用研究区的矢量数据对原始TM影像数据进行裁剪，得到裁剪后的TM影像数据；然后对得到的裁剪后的TM影像数据进行大气粗校正去除大气层辐射度的影响，大气粗校正采用暗像元法；最后，通过选取M个离散的地面控制点拟合多项式函数，5≤M≤10，对去除大气层辐射度的数据进行内插与重采样实现数据的几何精校正；

1.2)对经过步骤1.1)预处理后的研究区的TM影像数据进行监督分类：对完成预处理的TM影像数据采用最大似然法进行监督分类；该最大似然分类方法为：从研究区TM影像数据中选择的一个图像区域作为训练区，假定训练区内的地物光谱特征与大部分地物类型一样为近似的服从正态分布，求出待分类的TM影像数据每个像元的归属概率，并把该像元分配到其归属概率最大的分类中去，最终将全部TM影像数据中的像元分为城市和非城市两大类；

1.3)分类后处理，对经过步骤1.2)监督分类后的研究区的TM影像数据通过ENVI软件中的交互式分类工具提取出研究区的更加准确的城市用地；

2)夜间灯光DMSP数据阈值的选取阶段，具体包括以下步骤：

2.1)从DMSP数据官方网站下载不同时相的全球夜间灯光DMSP数据，利用研究区的矢量数据对下载得到的夜间灯光DMSP数据进行裁剪，得到裁剪后的研究区范围内的夜间灯光数据；

2.2)根据步骤1.3)提取的城市用地，绘制出城市区域的多边形边界，并与步骤2.1)得到的裁剪后的研究区范围内的灯光数据进行叠加；

2.3)在步骤2.2)得到的多边形边界与灯光数据叠加后作一条穿过研究区灯光数据中心区域和多边形边界的辅助直线，并在该辅助直线与多边形边界的相交处附近取N个灯光数据阈值相邻的辅助点，5≤N≤10；

2.4)分别计算步骤2.3)选取的N个灯光数据阈值相邻的辅助点所代表的城市建成区面积，分别与政府发布的统计年鉴的城市面积进行比较，提取与统计年鉴的城市面积最相近的面积所对应的灯光数据阈值为城市建成区的最佳阈值。