樊舒迪 ，劉振華 ，胡月明

（1.航天精一（廣東）信息科技有限公司，廣州 510665；2.華南農(nóng)業(yè)大學(xué)資源環(huán)境學(xué)院，廣州 510642；3.國(guó)土資源部建設(shè)用地再開(kāi)發(fā)重點(diǎn)實(shí)驗(yàn)室，廣州 510642）

1 研究背景

在社會(huì)經(jīng)濟(jì)迅速發(fā)展的背景之下，土地利用的主要特征為建設(shè)用地的擴(kuò)張和城市空間的蔓延，城市化的推進(jìn)也成為了人類利用土地的重要方式[1]。從近百年的世界城鎮(zhèn)發(fā)展來(lái)看，經(jīng)濟(jì)全球化是推動(dòng)各城鎮(zhèn)走上擴(kuò)張道路的原動(dòng)力。從20世紀(jì)50年代起（1950-1980），西方世界城鎮(zhèn)擴(kuò)展態(tài)勢(shì)明顯，汽車產(chǎn)業(yè)的發(fā)展拉近了城市內(nèi)部的時(shí)間距離，這使得消費(fèi)者購(gòu)房置業(yè)的可選擇區(qū)域擴(kuò)大，同時(shí)帶動(dòng)了城市邊界向近郊村域蔓延步伐[2]，[3]，[4]。在中國(guó)，城市擴(kuò)張階段與西方世界相對(duì)應(yīng)的是改革開(kāi)放時(shí)期（1978-2010），國(guó)內(nèi)城鎮(zhèn)化水平以年均1.048%增速?gòu)?7.91%增長(zhǎng)至45.67%[5]，[6]，[7]。國(guó)家經(jīng)濟(jì)發(fā)展的整體水平、生產(chǎn)條件、人民的生活質(zhì)量得到了一定改善。其中，東南沿海地區(qū)的城鎮(zhèn)化水平高于內(nèi)陸地區(qū)，城鎮(zhèn)化速度具有一定優(yōu)勢(shì)，城市空間被利用范圍更大，在當(dāng)時(shí)缺少有組織的規(guī)劃（商業(yè)圈、中軸線）及相應(yīng)政策限制的條件下，大城市邊緣的擴(kuò)張呈現(xiàn)出盲目蔓延的趨勢(shì)，且情況較為嚴(yán)重[8]。除此之外，區(qū)域建設(shè)用地的開(kāi)發(fā)規(guī)模也存在著巨大的差距，建設(shè)用地的區(qū)域配置并不均衡。因此，研究城市的空間擴(kuò)展、快速準(zhǔn)確地獲取城市建設(shè)用地信息，對(duì)于土地資源的合理利用，對(duì)城市擴(kuò)張與自然資源的關(guān)系研究都有著十分重要的意義。

從20世紀(jì)70年代開(kāi)始，傳感器技術(shù)的革新帶動(dòng)了遙感信息技術(shù)的不斷發(fā)展[9]，[10]，[11]。將衛(wèi)星傳感器和航空機(jī)載傳感器對(duì)地觀測(cè)投入城市擴(kuò)展的城市信息提取和動(dòng)態(tài)監(jiān)測(cè)，逐漸成為城市遙感研究的重要領(lǐng)域。在城市遙感研究中，城市建設(shè)用地信息提取是城市遙感重要的方面，在該方面的研究中，學(xué)者們主要從非監(jiān)督/監(jiān)督分類和光譜特征分析入手，進(jìn)行建筑信息的提取。在監(jiān)督分類方面，主要利用科學(xué)的采樣方式，將地物已知區(qū)域的作為樣本區(qū)，樣本點(diǎn)按一定規(guī)則排布并置入非監(jiān)督/監(jiān)督分類模型中，完成對(duì)建設(shè)用地信息的分類和提取，MA Reveshty利用多時(shí)相衛(wèi)星數(shù)據(jù)對(duì)地觀測(cè)方法對(duì)伊朗省會(huì)德黑蘭東南部的贊詹地區(qū)進(jìn)行土地利用變化監(jiān)測(cè)[12]。Q Zhang等學(xué)者利用非監(jiān)督分類對(duì)研究區(qū)的城市擴(kuò)展?fàn)顩r進(jìn)行監(jiān)測(cè)和分析，實(shí)驗(yàn)表明該方法可以快速地獲取城市變化信息并通過(guò)得到城市發(fā)展規(guī)模隨時(shí)間變化的空間特點(diǎn)[13]，[14]，[15]。在光譜特征分析方面，主要通過(guò)對(duì)地物波譜空間特征，分析不同地物之間的光譜信息差異，并建立模型，對(duì)指定的地物信息進(jìn)行分類提取。其中，有學(xué)者利用像元中植被、不透水面和土壤之間的波譜關(guān)系，建立線性模型對(duì)城市建筑信息進(jìn)行提取[16]，[17]，[18]；利用差異性分析和邏輯判斷對(duì)遙感影像中的單一光譜或多光譜數(shù)據(jù)進(jìn)行分析，從中提取城市建筑物信息[19]，[20]，[21]，[22]；在對(duì)多光譜影像的光譜特征進(jìn)行分析的基礎(chǔ)之上，構(gòu)建歸一化指數(shù)提取城市建筑物的信息，并分析歸一化指數(shù)法與監(jiān)督分類方法的適用范圍以及精度差異[23]，[24]，[25]，[26]；利用多光譜影像與全色波段融合技術(shù)，采用監(jiān)督分類法對(duì)城市擴(kuò)展過(guò)程中，城市邊緣進(jìn)行提取，分析城市擴(kuò)展動(dòng)態(tài)[27]，[28]，[29]?？傊?，利用遙感信息的光譜空間特征提取專題信息已成為該領(lǐng)域的研究熱點(diǎn)，本研究以廣州市為例，通過(guò)分析地物的光譜特征和歸一化指數(shù)，綜合運(yùn)用歸一化差異指數(shù)組合快速提取，為土地資源調(diào)查提供有效的信息和數(shù)據(jù)支撐。

2 基本原理

2.1 光譜特征分析

本研究主要涉及被動(dòng)遙感器，被動(dòng)式傳感器通過(guò)接收地表輻射、地表反射的電磁波獲取地物信息。電磁波存在多個(gè)波段，不同地物由于表面溫度、表面粗糙程度、顏色外觀的差異，對(duì)于不同波段的輻射敏感性不同，從而表現(xiàn)出不同的波譜反射，這個(gè)過(guò)程被記錄在被動(dòng)傳感器，并制成遙感影像。研究者通過(guò)對(duì)遙感影像中，不同地物的光譜間差異特征進(jìn)行分析，可以將目標(biāo)地物區(qū)分出來(lái)。本研究利用光譜差異性分析這一原理將城市建筑信息從其他地物類型中提取出來(lái)。

一般得到的多光譜數(shù)據(jù)是以灰度值（DN值）來(lái)表示，DN是無(wú)量綱的值，數(shù)值越大表示地表輻射強(qiáng)度越大，溫度越高，反之亦然。最簡(jiǎn)單的應(yīng)用就是根據(jù)圖像的DN值來(lái)解譯地表的相對(duì)反射的高低。也可以對(duì)多光譜圖像進(jìn)行定標(biāo)，將DN值轉(zhuǎn)換為反射率（或輻射率），這個(gè)強(qiáng)度值是傳感器接收到的總的能量值，包括地表輻射、大氣輻射等。

Landsat8 OLI多光譜傳感器記錄觀測(cè)地物7個(gè)波段的信息：海岸線/大氣（0.4430μm）、藍(lán)波段（0.4826μm）、綠波段（0.5613μm）、紅波段（0.6546μm）、近紅外（0.8646μm）、短波紅外-1（1.6090μm）和短波紅外-2（2.2010μm）。各種地物對(duì)應(yīng)的光譜特征曲線，可以看出個(gè)地物在某些特定波段存在著明顯的差異。例如：圖1中，廣州市區(qū)主要包括以下幾種地物類型：高密度建筑、低密度建筑、裸土地、森林、灌木林和水體。灌木林和森林在近紅外波段存在明顯的反射峰值，通過(guò)這一特點(diǎn)可以將這兩類地物從背景中提取出來(lái)；水體的光譜呈現(xiàn)單調(diào)遞減的趨勢(shì)，可通過(guò)短波紅外與近紅外的差異將其與背景地物區(qū)別開(kāi)來(lái)。

2.2 歸一化指數(shù)分析

歸一化差異植被指數(shù)在20世紀(jì)70年代被引入遙感學(xué)領(lǐng)域，后續(xù)的研究中，適用于不同地物的模型如：歸一化濕度指數(shù)（NDMI）、歸一化差異雪指數(shù)（NDSI）、歸一化建筑指數(shù)（NDBI）等被引入，用于提取目標(biāo)地物信息。這些指數(shù)都有個(gè)共同特點(diǎn)，都采用了歸一化運(yùn)算方法。數(shù)值上，歸一化指數(shù)的值域在[-1，1]，構(gòu)建該模型的原理是，通過(guò)光譜分析，尋找地物中反射率差異最大的兩個(gè)波段，分子中的差值可體現(xiàn)反射率的差異，分母則通過(guò)比值的方式將差異放大，而其他地物由于特定波段的差值較小，在指數(shù)中會(huì)被作為背景值受到抑制，最后得到的結(jié)果將是目標(biāo)地物在亮度上增強(qiáng)，而背景值受到削弱。

本研究主要構(gòu)建與建設(shè)用地信息相關(guān)的幾種指數(shù)。

（1）歸一化植被指數(shù)：植被中的葉綠素具有在可見(jiàn)光0.4～0.7μm強(qiáng)吸收的特性，在Landsat8影像對(duì)應(yīng)第4波段紅色波段反射率較低，而與之相鄰的綠色波段（0.55μm）反射相對(duì)較高，這也是大部分植被在肉眼中呈綠色或藍(lán)色的原因，同時(shí)在近紅外波段（0.7～1.3μm），植被的高反射率特點(diǎn)則更加明顯，到了中紅外范圍（1.3～2.5μm），由于植被中水分的吸收作用，該波段范圍內(nèi)的反射率逐漸降低。根據(jù)以上的植被光譜特性，可構(gòu)建相關(guān)的植被指數(shù)，其中，最具有代表性的歸一化差異植被指數(shù)構(gòu)建模型如下：

式中，NDVI代表歸一化植被指數(shù)；NIR為近紅外波段反射率；Red為紅色波段反射率。歸一化植被指數(shù)在土壤屬性相同的區(qū)域能夠達(dá)到很好的區(qū)分效果，但是，在部分地區(qū)土壤屬性存在變化，僅僅用歸一化植被指數(shù)不能很好地將植被和背景像元區(qū)分開(kāi)來(lái)，存在一部分植被覆蓋稀疏的地區(qū)和裸土，二者的紅色波段與近紅外差值與植被的相似，采用閾值法難以消除土壤背景的干擾，可能出現(xiàn)將植被錯(cuò)分的現(xiàn)象。對(duì)于該問(wèn)題，有學(xué)者提出了引入土壤調(diào)節(jié)因子的方案，并提出了SAVI（Soil Adjusted Vegetation Index），通過(guò)該因子將分子分母的值進(jìn)行優(yōu)化，優(yōu)化過(guò)程可根據(jù)區(qū)域植被覆蓋度的實(shí)際情況進(jìn)行合理調(diào)整，增加了歸一化指數(shù)在不同土壤背景下使用的彈性，SAVI可通過(guò)如下公示表達(dá)：

式中，L為土壤調(diào)節(jié)因子，取值范圍（0，1），取0對(duì)應(yīng)植被覆蓋度極低的情況，取1對(duì)應(yīng)完全植被覆蓋的情況。本研究通過(guò)取L=0.3，0.4，0.5…0.8多次實(shí)驗(yàn)，確定L=0.6更適用于廣州市的植被覆蓋區(qū)。

（2）歸一化水體指數(shù)：歸一化差異水體指數(shù)可用于一般影像的水體信息提取，其表達(dá)式如下：

式中，Green為綠色波段（0.5613μm）反射率。從圖1的地物光譜特征中可以看出，綠色波段與近紅外差值為正的只有水體，水體指數(shù)利用這一特點(diǎn)可以將影像中的水體區(qū)分出來(lái)。但在實(shí)際應(yīng)用中，利用公式（3）來(lái)提取有較多建筑物背景的水體，效果不能達(dá)到預(yù)期，而改進(jìn)的歸一化差異水體指數(shù)MNDWI（Modified NDWI）可以很好地突破這一局限性：

式中，SWIR為短波紅外波段（0.74～2.5μm）反射率。經(jīng)過(guò)對(duì)不同類型的水體進(jìn)行實(shí)驗(yàn)，從實(shí)驗(yàn)結(jié)果發(fā)現(xiàn)，MNDWI比NDWI更能夠揭示水體微細(xì)特征，如懸浮沉積物的分布、水質(zhì)的變化。另外，MNDWI可以很容易地區(qū)分陰影和水體，解決了水體提取中水體陰影造成的影響。

（3）歸一化建筑指數(shù)：NDBI同樣是利用歸一化模型的原理，從建筑物的光譜特征出發(fā)，尋找最大差異的波段，并建立模型，其表達(dá)式如下：

該指數(shù)主要是利用短波紅外和近紅外之間的差異進(jìn)行構(gòu)建的，從圖1中可以看出，建筑物的波段5（近紅外）到波段6（短波紅外）是呈上升趨勢(shì)，而灌木林、森林對(duì)應(yīng)波段為下降趨勢(shì)，利用這一光譜特性，可以將一些具有明顯建筑物特征的地物提取出來(lái)。但需要注意的是，建筑物的近紅外與短波紅外的差異并沒(méi)有NDVI或MNDWI中的波段差異（反差）明顯，僅僅采用NDBI＞a，a∈（-1，1）提取城市建筑物的方法是不可靠的。因此，可以采用NDBI與NDVI做差值的方法剔除植被對(duì)建筑信息的干擾。以上內(nèi)容是對(duì)各種歸一化指數(shù)的基本信息的描述，本研究將綜合上述3種指數(shù)在信息提取中的作用，并運(yùn)用于研究區(qū)的建筑物信息提取中，需要解決以下問(wèn)題：一是建設(shè)用地的土地利用類型屬于人工建筑而天然形成，具有一定的復(fù)雜性，單一的NDBI閾值法無(wú)法準(zhǔn)確提取建筑物信息，需要其他指數(shù)作為補(bǔ)充；二是城市地區(qū)土地利用被分類基本的幾個(gè)類型：建筑物、植被和水體，根據(jù)歸一化指數(shù)的閾值，還可以進(jìn)行分類上的細(xì)化。

3 技術(shù)方法

3.1 研究區(qū)及數(shù)據(jù)源

廣州市是華南地區(qū)的政治、經(jīng)濟(jì)、文化中心，近年來(lái)其城鎮(zhèn)規(guī)模在不斷地?cái)U(kuò)大，在中國(guó)城鎮(zhèn)化進(jìn)程中占有相當(dāng)重要的地位。本研究選用廣州市作為研究區(qū)，研究城市建筑信息的快速提取方法。研究區(qū)總面積7，434平方千米，建成區(qū)面積1，237.11平方千米。

圖2 研究區(qū)示意圖

研究區(qū)采用2015年11月29日過(guò)境的Landsat8 OLI（陸地成像儀）影像。影象質(zhì)量良好，云量低于5%，研究區(qū)內(nèi)無(wú)云層覆蓋，空間參考為WGS1984大地坐標(biāo)系，原始影像數(shù)據(jù)均為衛(wèi)星接收的信號(hào)值（DN）需要經(jīng)過(guò)輻射定標(biāo)，轉(zhuǎn)化為反射率或輻射亮度，圖3為經(jīng)過(guò)大氣校正（輻射定標(biāo)和FLAASH模型），并用廣州市行政區(qū)劃矢量數(shù)據(jù)進(jìn)行掩膜處理的標(biāo)準(zhǔn)假彩色合成影像（RGB對(duì)應(yīng)5、4、3波段）。

圖3 研究區(qū)標(biāo)準(zhǔn)假彩色合成影像圖

3.2 歸一化指數(shù)的影像構(gòu)建

根據(jù)目視解譯，研究區(qū)被分為以下幾個(gè)類型：高密度建筑物、低密度建筑、拆除建筑、裸土地、森林、灌木林、草地、河流、湖泊，各類型地物在Landsat8 OLI中對(duì)應(yīng)波段的反射率和光譜特征如表1。從光譜的變化趨勢(shì)來(lái)看，高密度建筑物、低密度建筑、拆除建筑和裸土地的光譜反射率變化趨勢(shì)相同；森林和灌木林的變化趨勢(shì)相同；河流和湖泊的光譜反射率變化趨勢(shì)相同。因此，本研究將9類地物簡(jiǎn)化為3大類：植被、水體和建筑，在此基礎(chǔ)上再進(jìn)行分類的細(xì)化，以便提高后續(xù)信息提取過(guò)程中的數(shù)據(jù)處理效率。

表1 各類地物對(duì)應(yīng)波段反射率

?

（1）SVAI參數(shù)L取值，本研究采用SAVI替代NDVI，原因主要有：一是在部分低植被覆蓋地區(qū)，NDVI由于受土壤背景影響，容易成噪聲，降低判別精度；二是SAVI的動(dòng)態(tài)范圍比NDVI更大，更容易檢測(cè)出同地區(qū)內(nèi)的植被區(qū)；三是SAVI的L參數(shù)具有可調(diào)整性，這使得SAVI的適用性高于NDVI。本研究分別對(duì)L=0.3，0.4，…，0.8的SAVI取值范圍與NDVI進(jìn)行比較，發(fā)現(xiàn)SVAI的動(dòng)態(tài)范圍（極差）在L取值為0.6時(shí)（SAVI4）最大，且在L為0.6是SAVI的變化范圍比NDVI高出0.594，即88個(gè)灰度級(jí)（灰度范圍是0～256），更多的灰度級(jí)意味著在植被區(qū)分上，SAVI比NDVI更具有優(yōu)勢(shì)。因此，本研究采用SAVI作為區(qū)分植被的歸一化指數(shù)。

表2 SAVI與NDVI的取值范圍及參數(shù)L取值比較

（2）MNDWI歸一化指數(shù)：該指數(shù)是在NDWI指數(shù)的模型基礎(chǔ)上，將模型中的近紅外用短波紅外替換得到的。MNDWI模型構(gòu)建的原理在于，當(dāng)水體中的固體顆?；螂s質(zhì)增加時(shí)，反射率與波長(zhǎng)的映射關(guān)系逐漸發(fā)生改變，即相同反射率的位置，對(duì)應(yīng)的波長(zhǎng)增加，換言之，在水體中雜質(zhì)增多的情況下，短波紅外比近紅外更能夠反映歸一化指數(shù)中的差異。因此，本研究采用Landsat8 OLI的第3波段（Green）和第6波段（SWIR-1）作為參數(shù)，根據(jù)公式（4）構(gòu)建MNDWI。

（3）NDBI歸一化指數(shù)：在上文歸一化指數(shù)分析中已對(duì)NDBI模型的基本信息進(jìn)行了介紹，并闡述了該指數(shù)在建筑信息提取中存在的問(wèn)題，即受到低值被覆蓋背景的影響，反射率差異不明顯的建筑物和植被覆蓋地區(qū)難以區(qū)分，從而造成信息提取誤差。所以，本研究采用NDBI與NDVI的差值作為組合，用于后續(xù)的建筑信息提取。

表3 三種歸一化指數(shù)及指數(shù)

表4 三類地物的指數(shù)差值絕對(duì)值的對(duì)比

根據(jù)表3和表4可看出，NDBI-NDVI指數(shù)組合能夠?qū)⒔ㄖ锏闹笖?shù)均值由0.15提升至0.21，同時(shí)植被覆蓋區(qū)域的指數(shù)值從-0.02降至-0.12（表3），這能夠有效地增強(qiáng)建筑物信息在植被覆蓋背景下的顯示，對(duì)建筑信息提取的精度提升有關(guān)鍵作用。從表4三類地物的指數(shù)差值絕對(duì)值的對(duì)比中，可以看出，采用NDBI-NDVI指數(shù)組合后，建筑物與植被的指數(shù)差值的絕對(duì)值由0.17提升至0.33，雖然植被與水體的差值的絕對(duì)值有所下降，但是MNDWI已經(jīng)能夠有效地將其區(qū)分，所以不會(huì)此處差值絕對(duì)值下降并不會(huì)增加水體分類的誤差。同理，建筑物與水體差值的絕對(duì)值下降也不會(huì)對(duì)建筑信息提取造成影響。圖4為縮放至柵格分辨率（30m）的影像圖，包括a.標(biāo)準(zhǔn)假彩合成、b. MNDWI影像圖、c. SAVI影像圖和d. NDBI-NDVI影像圖，其中b、c、d為灰度圖，參照a中的地物可以看出，灰度圖b中的水體呈高亮度（呈白色），可明顯與周圍的地物區(qū)分開(kāi)來(lái)，因此，可采用閾值法進(jìn)行區(qū)分，同樣地，圖c中的植被（參照a中的紅色區(qū)域）也能夠被區(qū)分出來(lái)，而d中的建筑物有一部分與植被區(qū)發(fā)生重合，難以區(qū)分，需要進(jìn)行進(jìn)一步的分析。

圖4 縮放至柵格分辨率的多光譜及歸一化指數(shù)影像圖

3.3 建設(shè)用地信息分析與提取

針對(duì)圖4，d中的建設(shè)用地與植被在歸一化指數(shù)的值有交集，導(dǎo)致難以區(qū)分的問(wèn)題，需要進(jìn)一步的分析。由于建筑物的人工建造特性使其具有一定的光譜復(fù)雜性，通過(guò)光譜特征分析構(gòu)造的單一指數(shù)影像或兩個(gè)指數(shù)組合，已經(jīng)不能滿足建筑物信息的提取。本研究通過(guò)指數(shù)影像合成的方法，將MNDWI影像圖、SAVI影像圖和NDBI-NDVI影像圖，從三個(gè)通道進(jìn)行合成并且將其合成為單幅影像進(jìn)行光譜曲線分析，為了使三個(gè)通道不出現(xiàn)信息冗余，需要進(jìn)行相關(guān)性分析。從表5可知，NDBI-NDVI通道與其他通道的相關(guān)性較低或不相關(guān)，滿足指數(shù)影像合成的條件，同時(shí)也降低了建筑物與背景地物發(fā)生混淆的程度。

表5 歸一化指數(shù)相關(guān)性系數(shù)

現(xiàn)在需要用不同地物光譜間的差異分析來(lái)提取植被背景下的建筑物信息。根據(jù)目視解譯的地物的像元，將三個(gè)指數(shù)影像在三大類（植被、水體、建筑物）地物的全色波段（Landsat8 OLI中的Pan波段）反射率進(jìn)行對(duì)比，如圖5所示。已知水體和植被之間有明顯的劃分，現(xiàn)在僅需要針對(duì)建筑物進(jìn)行分析，可以看出，隨著橫坐標(biāo)的增加，植被的反射率是單調(diào)遞增，水體呈單調(diào)遞減趨勢(shì)，而建筑物的反射率在NDBI-NDVI處為極大值，隨后則遞減。因此，若進(jìn)行柵格計(jì)算，判斷某處像元是否為建筑物的邏輯表達(dá)式（用con函數(shù)表示）應(yīng)該為：con（b2＞b1，con（b2＞b3，1，2），con（b2＞b3，3，4））。式中，1表示建筑物；2表示植被；3表示其他地物；4表示水體；b1表示MNDWI；b2表示植被NDBI-NDVI；b3表示SAVI。分類結(jié)果如圖6所示，已經(jīng)通過(guò)廣州市的行政區(qū)劃矢量數(shù)據(jù)對(duì)結(jié)果進(jìn)行掩膜處理，由于NDVI較容易區(qū)分植被，還可以通過(guò)閾值法對(duì)植被進(jìn)行細(xì)分（植被分為灌木林和森林），根據(jù)目視解譯，被分類為“其他”的地物屬于介于建筑和稀疏植被之間的裸土地，所以在圖6中注記為“裸土地”（用黃色表示）。

圖5 三大類地物歸一化指數(shù)在合成影像的光譜曲線

圖6 廣州市建筑物信息提取結(jié)果

4 精度驗(yàn)證

本研究采用隨機(jī)抽樣法對(duì)研究區(qū)進(jìn)行精度驗(yàn)證。由于Landsat8 OLI的全色波段（Pan）的空間分辨率（15m）高于多光譜波段的空間分辨率（30m），可以該波段作為基準(zhǔn)，將影像進(jìn)行二值化后，進(jìn)行空間配準(zhǔn)，然后對(duì)每個(gè)樣點(diǎn)的分類結(jié)果進(jìn)行判斷，本研究隨機(jī)選取了100個(gè)樣本點(diǎn)，經(jīng)過(guò)異常值剔除，得到84各樣點(diǎn)。在抽取的84個(gè)樣點(diǎn)中，62個(gè)分為建筑物，其中，建筑物有56個(gè)正確分類，6個(gè)被錯(cuò)分類為非建筑，用戶精度為90.32%；22個(gè)分為非建筑，其中19個(gè)正確分類，3個(gè)被錯(cuò)分類為建筑物，用戶精度為86.36%，實(shí)驗(yàn)的總體精度為89.29%。

表6 精度驗(yàn)證

5 結(jié)束語(yǔ)

針對(duì)稀疏植被背景下，復(fù)雜建筑物信息提取困難的問(wèn)題，本研究通過(guò)選取SAVI、MNDWI、NDBI指數(shù)，在區(qū)分出植被和水體這兩大類土地利用類型的基礎(chǔ)之上，將三者進(jìn)行波段組合，得到新的影像，并根據(jù)其中三類地物（植被、水體、建筑物）的光譜差異特征，進(jìn)行進(jìn)一步分析，并做出基于邏輯判斷的柵格計(jì)算，得到建筑信息提取結(jié)果，總體精度為89.29%，并得到結(jié)論：一是基于歸一化指數(shù)的波譜間差異分析和邏輯判斷的柵格計(jì)算，可以簡(jiǎn)化光譜分析過(guò)程，并快速、準(zhǔn)確地獲取建筑物信息，為土地科學(xué)的后需研究提供有效的數(shù)據(jù)支撐和城市信息分析結(jié)果；二是利用NDBI與NDVI的差異可以突出稀疏植被背景下的建筑物信息，但仍然需要根據(jù)實(shí)際情況確定閾值，在無(wú)法確定閾值的情況下，還需要構(gòu)建歸一化指數(shù)的波段合成影像進(jìn)行波譜差異分析來(lái)進(jìn)行建筑信息提取。