文/貴陽市地理信息大數(shù)據(jù)中心 安 寧

0 引言

城市作為人類生活、學(xué)習(xí)、勞動和交流的主要聚集地，其土地使用情況備受關(guān)注。隨著信息存儲傳輸、計算機(jī)及遙感技術(shù)的發(fā)展，人們通過網(wǎng)絡(luò)間接或直接免費獲取的開放型數(shù)據(jù)呈爆發(fā)式增長，為人類探索城市規(guī)律提供了新思路和渠道。如于晶濤等[1-2]基于遙感影像解譯的土地利用數(shù)據(jù)分析城市土地利用及運用情況；洪明蘭等[3-6]利用POI數(shù)據(jù)識別城市土地利用類型或?qū)崿F(xiàn)城市建筑功能分類的判斷和情況分析。但目前利用遙感影像對城市建筑解譯主要集中在正使用的建筑的提取，忽略了正在建設(shè)中的建筑物，忽視了實體對象的占地面積，僅網(wǎng)格化、趨勢化地進(jìn)行POI面狀城市功能識別，與實際功能邊界存在一定差異，有待進(jìn)一步細(xì)化。

鑒于以往研究中的缺漏，本文通過對影像數(shù)據(jù)的解譯，用道路網(wǎng)對土地利用數(shù)據(jù)進(jìn)行分割，然后疊加POI使建筑地塊和城市用地性質(zhì)相統(tǒng)一，最終實現(xiàn)城市用地的識別。

1 研究區(qū)概況

本文選擇貴陽市中心城區(qū)作為研究區(qū)域，包含云巖、南明、觀山湖、白云、花溪和烏當(dāng)6個主要建成區(qū)。其中東起南明區(qū)的小碧鄉(xiāng)、永樂鄉(xiāng)、東風(fēng)鎮(zhèn)，西至觀山湖區(qū)的朱昌鎮(zhèn)、金華鎮(zhèn)、久安鄉(xiāng)、石板鎮(zhèn)，南起花溪區(qū)的黨武鄉(xiāng)、孟關(guān)鄉(xiāng)，北至白云區(qū)的麥架鎮(zhèn)、沙文鎮(zhèn)、都拉鄉(xiāng)，覆蓋面積1244km2。貴陽市規(guī)劃到2020年完成公平共享創(chuàng)新型中心城市的打造，建成大數(shù)據(jù)綜合創(chuàng)新試驗區(qū)和全國生態(tài)文明示范城市。

2 數(shù)據(jù)來源及處理

2.1 數(shù)據(jù)來源

研究數(shù)據(jù)采用開放型、可提供下載的網(wǎng)絡(luò)數(shù)據(jù)為主，主要有2018年11月3日哨兵2A遙感影像數(shù)據(jù)(見表1)和通過Python語言爬取的2018年8月高德地圖POI數(shù)據(jù)，分為商務(wù)住房、公司企業(yè)、風(fēng)景名勝和公共設(shè)施、餐飲服務(wù)、道路附屬設(shè)施、交通設(shè)施服務(wù)、金融保險服務(wù)、科教文化服務(wù)、商務(wù)服務(wù)、生活服務(wù)、體育休閑服務(wù)、醫(yī)療保健服務(wù)、住宿服務(wù)和政府機(jī)構(gòu)及社會團(tuán)體共14種類別，132257條記錄，具有經(jīng)度、緯度、名稱、地址等屬性。此外還有17級高德在線電子地圖和在線影像數(shù)據(jù)，以及貴陽市中心城區(qū)矢量范圍數(shù)據(jù)。

表1 哨兵2A（Sentinel2A）部分?jǐn)?shù)據(jù)光譜波段和分辨率

2.2 數(shù)據(jù)處理

對下載的哨兵2A數(shù)據(jù)進(jìn)行輻射定標(biāo)和大氣校正等預(yù)處理，并進(jìn)行影像重采樣，融合生成分辨率為10m的多光譜影像數(shù)據(jù)。對17級高德在線電子地圖和矢量范圍數(shù)據(jù)進(jìn)行幾何精校正（RMS誤差均控制在0.5個像元內(nèi)），所有數(shù)據(jù)最終均采用統(tǒng)一的WGS84坐標(biāo)系。

對爬取的14類POI數(shù)據(jù)通過Arcgis軟件轉(zhuǎn)換成矢量點數(shù)據(jù)并參照GB 50137-2011《城市用地分類與規(guī)劃建設(shè)用地標(biāo)準(zhǔn)》，結(jié)合貴陽實際情況按居住用地（R）、公共管理與公共服務(wù)設(shè)施用地（A）、商業(yè)服務(wù)業(yè)設(shè)施用地（B）、工業(yè)用地（M）、交通與道路設(shè)施用地（S）、綠地與廣場用地（G）和物流倉儲用地（W）7種用地大類進(jìn)行分類（見表2）。

由表2可知，商業(yè)服務(wù)業(yè)設(shè)施用地POI數(shù)據(jù)最多，占總POI數(shù)的72.80%；公共管理與公共服務(wù)設(shè)施用地、工業(yè)用地、居住用地POI數(shù)據(jù)次之；綠地與廣場用地、道路與交通設(shè)施用地、物流倉儲用地POI數(shù)據(jù)相對較少。

表2 興趣點（POI）分類體系

3 研究方法

研究的總體思路是利用哨兵2A遙感影像數(shù)據(jù)快速提取貴陽市中心城區(qū)土地利用/覆被數(shù)據(jù)，再利用道路數(shù)據(jù)對提取的不透水面數(shù)據(jù)進(jìn)行分割，并以落在各地塊的POI數(shù)量統(tǒng)計值分析識別地塊的用地性質(zhì)，從而得到貴陽市中心城區(qū)城鄉(xiāng)土地利用現(xiàn)狀數(shù)據(jù)。具體技術(shù)流程如圖1所示。

圖1 技術(shù)流程

3.1 遙感影像解譯

3.1.1 土地利用/覆被的提取

基于影像的土地利用解譯方法包括目視解譯、監(jiān)督分類、非監(jiān)督分類3種方法，其中目視解譯精度較高，但用時多、工作量大；非監(jiān)督分類速度較快，但分類精度較差；監(jiān)督分類因兼具較高精度和較少用時等特點被廣泛應(yīng)用于影像解譯工作。監(jiān)督分類中的決策樹分類通過挖掘和提取遙感影像中多種特征變量信息的規(guī)律，進(jìn)行特征值域分割，實現(xiàn)遙感影像非經(jīng)驗、直觀、高效的解譯，被廣泛接受。

為實現(xiàn)快速土地利用/覆蓋決策樹分類，選擇能有效剝離水體信息的改進(jìn)歸一化差異水體指數(shù)（MNDWI）、有效反映綠色植被光譜情況的歸一化植被指數(shù)（NDVI）、歸一化差異綠度指數(shù)（NDGI）和對黏土礦物、有色礦物等裸土光譜相對敏感的黏土礦物質(zhì)指數(shù)（CLAY）、氧化鐵指數(shù)（IRON）及突出實體建筑物信息的歸一化建筑指數(shù)（MNDBI）等6個指數(shù)組合成全新的六波段“指數(shù)光譜數(shù)據(jù)”[7-9]，并在ENVI軟件中選取100個典型地類的訓(xùn)練樣本統(tǒng)計該多光譜數(shù)據(jù)的光譜平均值（見表3），得到指數(shù)光譜平均值折線圖（見圖2），從而確定各地類的光譜特征值并進(jìn)行土地利用/覆蓋分類。

圖2 “指數(shù)光譜”平均值曲線

表3 典型地類的“指數(shù)光譜數(shù)據(jù)”的光譜平均值

根據(jù)實際分類可知，簡單的MNDWI和MNDBI數(shù)值大于0并不能準(zhǔn)確提全相對應(yīng)的水體和不透水面數(shù)據(jù)，在分類中當(dāng)NDVI〉0.6和CLAY〉1.7時全為植被；NDGI〉0.1和MNDWI〉0.07時全為水體；而其他地類則依據(jù)決策樹不斷逼近的二叉樹脅迫性分類原理，利用相應(yīng)的閾值和節(jié)點分割方法進(jìn)行細(xì)化分類。

結(jié)合城市用地分類體系，本文將土地利用/覆被分為植被、不透水面、建筑工地、耕地和水體5類。由于如今建筑上采用新型材料（如部分房頂采用黃色、褐色琉璃瓦或藍(lán)色、淺藍(lán)色的鐵皮覆蓋）和建筑工地上水泥砂漿的大量散布，使地物的遙感光譜信息存在“同物異譜”和“同譜異物”現(xiàn)象，建筑工地和不透水面部分存在錯分情況。哨兵2A等高分辨率影像的光譜數(shù)據(jù)紋理特征更具變異[10]，同一地類內(nèi)部組成要素細(xì)節(jié)得到了表現(xiàn)，但光譜統(tǒng)計特征并不穩(wěn)定[11-12]，相對簡單的灰度共生矩陣方法提取的紋理數(shù)據(jù)參與分類均無法有效解決建筑工地和不透水面部分錯分問題，因而在決策樹土地利用/覆被分類的基礎(chǔ)上結(jié)合商務(wù)住宅、餐飲、購物、住宿、金融保險服務(wù)等5類POI點數(shù)據(jù)對建筑工地和不透水面進(jìn)行核實。當(dāng)不透水面斑塊中無POI點數(shù)據(jù)落到該斑塊上應(yīng)為建筑工地。

為確認(rèn)分類的精確度，在研究范圍內(nèi)以50m為最小點間距隨機(jī)采取1000個點提取對應(yīng)的圖斑分類信息與在線Google Earth影像地圖進(jìn)行對比、判斷，建立混淆矩陣[13]。計算得到總體分類精度為95.1%，KAPPA系數(shù)為0.922，說明基于指數(shù)組合影像的決策樹土地利用遙感解譯的精度較高，與現(xiàn)實情況一致性較好（見表4）。

表4 土地利用分類混淆矩陣

3.1.2 道路的提取

通過二值化的方法對校正后的17級高德在線電子地圖進(jìn)行分類，提取道路數(shù)據(jù)并轉(zhuǎn)成矢量數(shù)據(jù)，鑒于電子地圖的更新頻率，存在提取的道路數(shù)據(jù)與實際部分不符情況，因而本文借助合成的多光譜哨兵影像數(shù)據(jù)對其進(jìn)行更新修改。

3.2 城市用地性質(zhì)的識別

城市土地利用和土地利用/覆被都是對土地利用的分類，但分類標(biāo)準(zhǔn)和側(cè)重點不同，這是由于國土和城市規(guī)劃分屬不同的系統(tǒng)所致。通過城市土地用地類別與土地利用/覆被的標(biāo)準(zhǔn)對比實現(xiàn)土地利用/覆被向城市用地分類的轉(zhuǎn)變（見表5）。不透水面是指城市中由各種不透水建筑材料所覆蓋的表面[14]，包括城市建筑物、城市道路、水泥硬化地表等，按要求對不透水面進(jìn)一步細(xì)分。

表5 城市用地類別與土地利用覆被對比

提取上述土地利用/覆被數(shù)據(jù)中不透水面與矢量道路數(shù)據(jù)進(jìn)行疊加去除，得到按路網(wǎng)分割的不透水面矢量斑塊。參照池嬌等[15]的研究方法，對每個斑塊中的POI點數(shù)據(jù)進(jìn)行統(tǒng)計，通過計算斑塊內(nèi)第i 類POI數(shù)據(jù)占該類POI總數(shù)的頻數(shù)密度Fi及第i 種類型POI的頻數(shù)密度占單元內(nèi)所有類型的POI頻數(shù)密度的類型比例Ci來識別城市用地類別。計算公式如下：

式中，i 表示POI數(shù)據(jù)的類別數(shù)，取值為i =1，2，3，…7；ni表示斑塊內(nèi)第i 種類別POI數(shù)量；Ni代表第i 種類別POI的總數(shù)。當(dāng)斑塊內(nèi)某POI類型比例達(dá)到50%，判定該斑塊為單一功能用地；當(dāng)斑塊內(nèi)所有POI類型比例均小于50%且不全為0時，判定該斑塊單元為混合性質(zhì)用地；當(dāng)斑塊內(nèi)不存在POI數(shù)據(jù)時，判定為城鄉(xiāng)居民點建設(shè)用地，即建筑工地和無POI覆蓋無法識別用途的建筑區(qū)域用地。最終得到單一性質(zhì)用地、混合性質(zhì)用地、城鄉(xiāng)居民點建設(shè)用地，其中混合性質(zhì)用地選取2種POI類型比例Ci之和大于70%并按其數(shù)值大小進(jìn)行排序，如斑塊中居住用地和商業(yè)服務(wù)用地的POI類型比例Ci皆不大于50%，兩者之和大于70%且居住用地的POI類型比例大于商業(yè)服務(wù)用地的POI類型比例則各取2種用地類的第一個字命名為“居商用地”，如此進(jìn)一步細(xì)分，如果斑塊中各POI類型比例達(dá)不到上述要求則劃分為混合用地。

由于POI數(shù)據(jù)是只具有屬性的空間定位點，無法代表實體對象的面積和體積占比的差異情況，而不同實體對象的面積占比是城市用地性質(zhì)判別的重要指標(biāo)，所以單一的以斑塊內(nèi)POI的類別數(shù)量占比來判別地塊的用地性質(zhì)并不能反映實際情況。而公眾認(rèn)知度代表人們對實體對象認(rèn)知的顯著程度，同時在一定程度上代表地塊的用地性質(zhì)。參考趙衛(wèi)鋒等[16]關(guān)于各類POI認(rèn)知度的排列順序和實際情況，在POI統(tǒng)計前引入POI權(quán)重值對原始各類POI數(shù)量進(jìn)行修正處理，具體權(quán)重賦值情況如表6所示。

表6 POI類別權(quán)重值

貴陽市高鐵站、火車站和龍洞堡機(jī)場，金華鎮(zhèn)物流產(chǎn)業(yè)園及花溪大學(xué)城，客車站旁的商貿(mào)城等重點地標(biāo)都可以準(zhǔn)確識別。但對于云巖、南明等老城區(qū)，由于前期缺少有效的城市規(guī)劃，各種用地功能重合度較高，如老城區(qū)噴水池等商業(yè)中心通過POI數(shù)據(jù)單獨分離較難，但總體以商業(yè)服務(wù)和居住用地等混合用地為主。17級高德電子地圖的道路網(wǎng)數(shù)據(jù)也不夠密集，對世紀(jì)城、花果園等大型樓盤土地利用細(xì)部識別造成一定的影響，地塊劃分不夠細(xì)，一些地方也只能被識別成混合用地。對于并不局限于人工建筑范圍的森林公園、濕地等風(fēng)景名勝的城市綠地與廣場用地識別還有待探討。

4 結(jié)語

在實際影像解譯中影像數(shù)據(jù)的單一指數(shù)指標(biāo)并不能準(zhǔn)確提取相應(yīng)的地類用地。不能通過改進(jìn)歸一化差異水體指數(shù)、歸一化建筑指數(shù)等特殊對象指數(shù)簡單的臨界閾值劃分方法提取對象事物，需借助更多的特定指數(shù)信息，利用決策樹脅迫性分類方法達(dá)到與現(xiàn)實情況一致性較好的影像解譯。10m分辨率及以下的遙感影像中狹窄的長條形河流的提取方法還有待進(jìn)一步深入探索。

依托POI數(shù)據(jù)和Sentinel2A遙感影像可實現(xiàn)對城市用地性質(zhì)的有效判讀，一定程度上反映城市用地的分布情況。雖精度還有待提高，但高效、經(jīng)濟(jì)的特點可使開放型數(shù)據(jù)的研究成為城市規(guī)劃和管理的一種補充，為城市治理提供參考，類似POI和影像的共享開放型數(shù)據(jù)的價值還有待深入挖掘和利用。