肖欣怡，李 霞，史飛航

（長安大學土地工程學院，陜西 西安 710064）

1 研究背景

隨著中國經(jīng)濟水平的高速增長，城鎮(zhèn)化水平的急速推進，鄉(xiāng)鎮(zhèn)城區(qū)擴改建項目的高速執(zhí)行，以及城鎮(zhèn)保障性住房項目的實施，城鄉(xiāng)建筑業(yè)保持著快速高漲的發(fā)展態(tài)勢。而相應的高速城鎮(zhèn)化造成的土地利用空間格局變化已對中國生態(tài)環(huán)境造成了不同程度的影響[1]，其中最顯著的就是近些年來高速城鎮(zhèn)化進程所造成的氣候變化和熱島效應的產(chǎn)生[2]。因此要研究解決這些問題都離不開對城鄉(xiāng)建筑用地的精確提取，研究如何對城鎮(zhèn)建筑用地信息的精確提取已經(jīng)成為當今正確合理對待城市化的擴展的重要話題，對城市化合理擴張，生態(tài)及自然景觀及時正確的保護，城市熱島效應變化的檢測，以及土地資源更合理的開發(fā)利用具有重要的指導意義。

國內(nèi)外不少學者對城鎮(zhèn)建筑用地信息的提取進行過大量的相關研究，利用遙感影像信息提取城鎮(zhèn)建筑用地的方法已是當前研究的主流，它也已經(jīng)從最開始復雜的人工目視解譯演變?yōu)榭焖俸啽愕挠嬎銠C解譯，目前基于遙感影像提取建筑用地信息的方法主要有3類：①利用計算機分類方法提取研究區(qū)城鎮(zhèn)建筑用地信息；WELCH、MASEK等[3-4]對如何精確提取城鎮(zhèn)建筑用地信息在分類中的多種研究；②通過分析研究區(qū)樣本庫中不同地物的光譜特征等對城鄉(xiāng)建筑用地的提??；徐涵秋等[5-6]通過分析典型地物譜間差異和邏輯判別對城市空間地物類型提取進行了相關研究；③通過分析研究區(qū)樣本庫中城鄉(xiāng)建筑用地的光譜特征，構(gòu)建相應的指數(shù)提取建筑用地；楊山、查勇、唐瓔等[7-9]通過構(gòu)建不同的建筑用地指數(shù)提取建筑用地，另外徐涵秋[10-13]也利用壓縮數(shù)據(jù)維，將遙感數(shù)據(jù)壓縮為土壤調(diào)節(jié)植被指數(shù)（SAVI）、修正歸一化差異水體指數(shù)（MNDWI）和歸一化建筑指數(shù)（NDBI）波段，并利用它們構(gòu)建指數(shù)型建筑用地指數(shù)，從而最大程度地去除植被和水體對提取建筑用地過程中的干擾，最后在提取的最終結(jié)果中設置合適的閾值去剔除建筑用地中混雜的少量裸地，使城鎮(zhèn)用地的提取結(jié)果和提取精度均得到提高。只通過構(gòu)建指數(shù)型建筑用地指數(shù)（IBI）提取精度較高的建筑用地信息，要保證研究區(qū)裸地盡可能少，但是難免會發(fā)現(xiàn)鄉(xiāng)鎮(zhèn)地區(qū)裸地出現(xiàn)較多的情況，因此區(qū)分裸地和建筑用地一直是不少國內(nèi)外學者研究的重要課題。為了能較好地提取建筑用地，選取數(shù)據(jù)要盡可能選取裸地較少的月份，另外利用RIKIMARU[14]提出了裸土指數(shù)（BSI），盡可能地從建筑用地中區(qū)分出裸地，最后與構(gòu)建的IBI進行掩模處理，提取出較為準確的建筑用地。

2 研究地區(qū)和方法

2.1 研究區(qū)概況

鄭州市位于河南省中部偏北，地跨東經(jīng)112°42′—114°13′，北緯34°16′—34°58′，東與開封市相鄰，地處黃河下游，是“中原崛起計劃”中的重要城市和河南省省會，其現(xiàn)如今常住人口近千萬?，F(xiàn)轄6區(qū)5市1縣及鄭州航空港區(qū)，全市總面積7 446.2 km2，市區(qū)面積1 000多km2，城鎮(zhèn)化水平高達70%以上。近年來，隨著中部地區(qū)城市化的加劇，鄭州市常住人口的激增，造成對城市建筑用地面積的需求不斷增加，城市的建筑用地快速增加造成了城市用地緊張、生態(tài)環(huán)境污染問題加劇及城市交通擁堵問題[15]。

2.2 數(shù)據(jù)來源

本文的研究數(shù)據(jù)來源于：覆蓋整個鄭州市行政區(qū)的遙感影像數(shù)據(jù)，包括2001-05-06和2017-04-28的Landsat系列衛(wèi)星數(shù)據(jù)，兩幅影像質(zhì)量較好，云量小于5%的影像保證研究區(qū)基本無云，數(shù)據(jù)來自地理空間數(shù)據(jù)云；鄭州市行政區(qū)劃矢量圖、DEM數(shù)據(jù)；鄭州市2001年和2017年統(tǒng)計年鑒數(shù)據(jù)；2001-05-06和2017-04-28鄭州市分辨率為1.96 mGoogle Earth影像圖。

2.3 研究方法

提取建筑用地之前需要對兩期遙感影像進行預處理，其包括輻射校正、幾何校正和影像裁剪。利用ENVI分別打開能一景完全覆蓋鄭州市的2期Landsat系列影像，利用輻射定標工具完成輻射定標，之后對定標輸出結(jié)果使用大氣校正模塊進行遙感影像大氣校正；以鄭州市行政區(qū)劃圖對經(jīng)過大氣校正后的Landsat系列遙感影像進行規(guī)則裁剪，將兩期影像數(shù)據(jù)進行標準假彩色合成。2001年和2017年鄭州市Landsat標準假彩色合成圖如圖1所示。

圖1 2001年和2017年鄭州市Landsat標準假彩色合成圖

2.3.1 建立典型地物樣本庫

提取建筑用地前對鄭州市主要地物光譜特征進行分析，需要先建立典型地物樣本庫。選取四種典型地物，同時以高分辨率Google Earth影像為選取參考，在預處理后Landsat系列影像上提取各類地物的樣本數(shù)據(jù)，保證每種地物樣本至少選取多個感興趣區(qū)。為了保證樣本數(shù)據(jù)盡可能的精確，提取樣本的原則為：在較大面積的相同地物中只提取其中的一小塊。在不同地物提取的所有樣本數(shù)據(jù)中，除了一大部分用于進行光譜特征分析，還要取其中一小部分樣本數(shù)據(jù)用于最終結(jié)果精度驗證。

2.3.2 研究區(qū)遙感影像指數(shù)提取

修正歸一化差異水體指數(shù)（MNDWI）：水體對太陽光有強吸收性，在波長范圍內(nèi)，總體表現(xiàn)出比較弱的地表反射率，反射率從可見光到近紅外依次降低。因此MCFEETERS[16]提出了歸一化差異化水體指數(shù)（NDWI）。

由于在構(gòu)建歸一化水體指數(shù)時，忽略了建筑用地和裸地的影響，所以利用NDWI提取水體時，建筑物和裸地也可能會出現(xiàn)正值，將導致水體的提取結(jié)果誤差較大。因此徐涵秋[17]用中紅外波段代替近紅外波段進行水體信息的提取，即修正歸一化水體指數(shù)（MNDWI）。

式（1）（2）中，G、MNIR、TMIR1分別代表綠光、近紅外光波段、短波紅外波段1的反射率。QMNDWI值越大表示為水體區(qū)域的可能性越大。

土壤調(diào)節(jié)植被指數(shù)（SAVI）：植被在可見光波長范圍內(nèi)對太陽光具有較強的吸收性，其中紅光波段最明顯，反射率較低?？梢岳脷w一化植被指數(shù)（NDVI）進行植被信息提取。

但利用NDVI提取植被的前提就是研究區(qū)內(nèi)的土壤類型是一樣的，而研究區(qū)土壤類型各異。基于此HUETE[18]引入了土壤調(diào)節(jié)指數(shù)（SAVI）。其引入了土壤調(diào)節(jié)系數(shù)L，取值范圍[0，1]。當系數(shù)為0時，說明研究區(qū)無植被；當系數(shù)為1時，說明研究區(qū)植被較多。通常系數(shù)取值為0.5時，就可以比較好地降低研究區(qū)內(nèi)不同地區(qū)土壤的差異造成的影響。

式（4）中，MNIR、R分別為影像近紅外光、紅光波段的地表反射率。SSAVI值越小表示此區(qū)域植被較少；反之，則說明越多。

歸一化建筑指數(shù)（NDBI）：根據(jù)鄭州市典型地物光譜特征曲線，分析建筑用地中紅外光波段與近紅外光波段地表反射率的差異。查勇等[7-8]提出歸一化建筑指數(shù)。

通過分析研究區(qū)的建筑用地信息光譜特征曲線圖，發(fā)現(xiàn)NDBI需要的短波紅外1、近紅外光波段之間的地表反射率差異不是很大，再加上可能也存在有的地物也有此光譜特征，因此僅通過BNDBI＞0，就說明是建筑用地的提取方法是不精確的。

指數(shù)型建筑用地指數(shù)（IBI）：通過分析鄭州市主要地物在各波段的光譜特征，發(fā)現(xiàn)建筑用地有SAVI和MNDWI同時小于NDBI的特性，基于此徐涵秋構(gòu)建了指數(shù)型建筑用地指數(shù)（IBI），對建筑用地信息的提取結(jié)果和精度均得到提高。

裸土指數(shù)（BSI）：分析研究區(qū)光譜特征曲線發(fā)現(xiàn)建筑用地和裸地很難選擇合適的波段進行區(qū)分。通過構(gòu)建的IBI雖能較準確地提取建筑用地信息，但提取的結(jié)果中通過閾值處理也會包含少量的裸地。因此從提取的最終中把裸土去除掉一直是當前準確提取建筑用地信息的研究難點?；诖薘IKIMARU[14]提出了裸土指數(shù)（BSI）。

式（7）中：TMIR1、R、MNIR和B分別為短波紅外波段1、紅波段、近紅外波段和藍波段的地表反射率。CBSI值越大，表示該地區(qū)是裸地的可能性越大。

通過建立樣本庫分析典型地物間差異特征來提取建筑用地，對鄭州市主要土地利用情況分析，發(fā)現(xiàn)鄭州市5月份主要3種地物類型是植被、建筑用地、水體，其地表反射率具有不同的光譜特征，因而通過構(gòu)造3個指數(shù)，即SAVI、NDBI、MNDWI分別代表以上地物類型，達到圖像增強的效果。通過這3個指數(shù)構(gòu)建IBI，達到對鄭州市城鎮(zhèn)用地的提取。但分析各類地物的光譜特征，建筑用地與裸地的光譜曲線非常接近，因此提取的建筑用地結(jié)果中包含少量的裸地，構(gòu)建裸土指數(shù)BSI剔除裸地。通過壓縮數(shù)據(jù)維的方法對鄭州市2001年和2017年的建筑用地進行提取，對建筑用地的提取結(jié)果進行時空分析，利用象限方位法對鄭州市城鎮(zhèn)化擴展模式分析預測。

2.3.3 典型地物光譜特征分析

城鎮(zhèn)建筑用地分為農(nóng)村建筑用地和城市建筑用地，利用各類地物在遙感影像上的光譜特征差異來研究鄭州市土地利用情況。對提取的五種典型地物進行統(tǒng)計，得到各地物各波段的地表反射率。鄭州市2001-05-06典型地物光譜特征如圖2所示。鄭州市2017-04-28典型地物光譜特征如圖3所示。

圖2 鄭州市2001-05-06典型地物光譜特征

圖3 鄭州市2017-04-28典型地物光譜特征

2001年和2017年兩期遙感影像中，各波段光譜特征曲線會有所差異。建筑用地和裸地的光譜特征曲線變化趨勢接近，它們在短波紅外波段反射率最高，而其他典型地物在短波紅外波段的反射率較低，通過比較短波紅外波段與近紅外波段的反射率差值，植被和水體均為負值，建筑用地和裸土為正值，通過構(gòu)建NDBI來提取出建筑用地和裸地，但提取過程中部分建筑用地的短波紅外波段與近紅外波段差值較小或為負值，部分林地差值與建筑用地接近，提取的結(jié)果中混有林地，提取的結(jié)果精度不高。因此只通過構(gòu)建一種NDBI對鄭州市建筑用地的提取效果并不是很好。水體有區(qū)別于其他地類的獨特光譜特征，主要為水體在近紅外波段與短波紅外波段的反射率較低，且所有波段中只有水體的近紅外波段反射率低于綠光波段，基于此易于將水從其他地類中區(qū)分出來，因此利用其差值來提取出水體效果較理想。耕地與林地的光譜特征幾乎一樣，將它們都歸為植被，耕地也處于耕種狀態(tài)，通過光譜圖發(fā)現(xiàn)植被在近紅外波段反射率最大，在紅光波段的反射率較小，其差值最大，可以利用近紅外波段和紅光波段的差值運算，設置合適的閾值提取出精確的植被。通過光譜曲線分析找出待提取的建筑用地和其他土地覆蓋類型之間的區(qū)別，對植被、建筑用地及水體三種地類分別用SAVI、NDBI、MNDWI進行提取，達到對圖像增強的效果。對兩期影像進行NDBI、MNDWI和SAVI的計算，分別將各類地物的訓練樣本作為感興趣區(qū)，統(tǒng)計出各地物的各平均值特征曲線。2001-05-06典型地物各指數(shù)特征值如圖4所示。2017-04-28典型地物各指數(shù)特征值如圖5所示。

圖4 2001-05-06典型地物各指數(shù)特征值

圖5 2017-04-28典型地物各指數(shù)特征值

構(gòu)建IBI的關鍵是提取的建筑用地具有NDBI同時大于SAVI和MNDWI的特性。通過分析不同年份各地物指數(shù)光譜特征可知，2017年NDBI不滿足此條件，因此為了能更好地提取建筑用地需要對NDBI進行增強，吳志杰等[19]提出了歸一化差值裸地和建筑用地指數(shù)NDBBI，對NDBI進行了適當?shù)脑鰪娞幚恚贗BI模型構(gòu)建過程中利用NDBBI代替NDBI能更好地提取建筑用地信息。

式（8）中：KMIR2、MNIR、R分別代表短波紅外2、近紅外、紅光波段的反射率。ENDBBI值越大表示建筑用地和裸地程度越高；反之，則越低。

由以上光譜特征曲線圖知，需要提取的建筑用地具有NDBI同時大于SAVI和MNDWI的特征，基于此特征徐涵秋則提出壓縮數(shù)據(jù)維的方法，并建立指數(shù)型建筑用地指數(shù)IBI，由光譜曲線特征知，水體在MNDWI指數(shù)中值最大，只要滿足QMNDWI＞0即可提取出來較精確的水體信息，通過分析SAVI可知，林地和耕地的平均值最大，設置合適的閾值即2001年閾值為0.4和2017年閾值為0.6提取出植被信息；通過比較IBI和NDBI的光譜曲線圖，可知IBI比NDBI更適合提取建筑用地信息，IBI盡可能避免了植被和水體的干擾，其通過降低植被的指數(shù)均值，而相應增強建筑用地信息的亮度值，因此設置指數(shù)閾值為0時，能最大程度地減少植被的影響，從而提取出比較精確的建筑用地。對于裸土的去除，選用僅可能有少量裸地的月份影像。對2001年影像中裸地比較多，首先通過分析裸地與建筑用地光譜波段圖發(fā)現(xiàn)，裸地與建筑用地光譜特征接近，但是裸地在短波紅外波段1的反射率值最大，且遠遠高于建筑用地，另外裸地在紅光波段和近紅外波段的反射率值也高于建筑用地，因此利用這三個波段之間的反射率平均值區(qū)分建筑用地，計算分析閾值大于2 950時即為裸地，同時再結(jié)合裸土指數(shù)BSI進行閾值分割對裸地進行最大程度的剔除，對于2017年裸地較少，可以直接通過構(gòu)建BSI密度分割提取出裸土信息。最后將提取的結(jié)果二值化與提取的建筑用地IBI進行掩模處理得到較精確的建筑用地信息。

3 討論

3.1 鄭州市建筑用地信息提取結(jié)果與精度評價

通過計算分析得到2001-05-06和2017-04-28鄭州市主要地物類型提取成果圖，如圖6所示。

圖6 鄭州市2001年和2017年土地利用信息

3.1.1 定性分析

為檢驗建筑用地信息提取結(jié)果精度，需要對提取結(jié)果進行直觀的定性分析。結(jié)合兩期影像圖可知，基于壓縮數(shù)據(jù)維方法提取建筑用地總體效果較理想，但存在少量漏分及錯分情況。由2001年圖可知，每個局部區(qū)域中都存在少量裸地與建筑用地難以區(qū)分，提取的建筑用地中或存在少量的裸地和建筑用地被當成裸地剔除。2017年圖知提取建筑用地過程中，也有少量建筑用地漏分，林地陰影也造成一些建筑物被遮擋漏分。但2017年的提取效果優(yōu)于2001年，主要與影像質(zhì)量及天氣等諸多因素有關。

3.1.2 定量分析

對主要地物的提取結(jié)果利用混淆矩陣分析，將提取的樣本庫中部分典型地物用于精度驗證的樣本進行定量分析。2001年建筑用地提取結(jié)果總體精度為87.379 8%，Kappa系數(shù)為0.831 1；2017年建筑用地提取結(jié)果總體精度為88.103 7%，Kappa系數(shù)為0.840 2，主要在裸地與建筑用地和黃河中含沙量較大會出現(xiàn)建筑用地的錯分。在提取的過程中，選取的月份為4月份和5月份，裸地盡量較少，同時在剔除裸地的過程中，IBI閾值取值過大，造成裸地剔除不完全，造成精度較低?；煜仃嚲闰炞C如表1所示。

表1 混淆矩陣精度驗證

3.2 鄭州市建筑用地信息變化特征分析

中國中部地區(qū)的城市建筑用地信息提取研究中，以鄭州市為例的學者甚少，而且缺乏各個方向城市用地的擴展強度及模式的研究。針對提取的建筑用地信息分布特點，擴張強度和擴張模式進行分析。2001年和2017年鄭州市建筑用地面積提取結(jié)果如圖7所示。2001年和2017年鄭州市建筑用地對比分析圖如圖8所示。2001年和2017年鄭州市建筑用地信息表如表2所示。

圖7 2001年和2017年鄭州市建筑用地面積提取結(jié)果

表2 2001年和2017年鄭州市建筑用地信息表

城市建筑用地變化特征。研究某城鎮(zhèn)化擴張水平，首要分析其建筑用地形態(tài)變化，它整體反映了城市化過程中城市空間布局及城市結(jié)構(gòu)的變化[20-21]?；趫D7、8及表2可知鄭州市建筑用地主要集中于東北部、東部及東南部地區(qū)，以中牟縣和新鄭市占比最大，其中建筑用地密度除市中心以外以中牟縣和新鄭市變化最大。另外2001—2017年鄭州市的建筑用地擴張變化，空間上，城市擴張方式大致以城鎮(zhèn)為中心進行同心圓型擴張為主，而整體也以向各個方向延伸型擴展為輔，向各個空間方位均有所擴展，但擴展程度不同，其中新鄭市和中牟縣為擴張變化最大，目前鄭州市空間擴張重心也整體逐漸向東部地區(qū)移動。時間上，2001年以來，鄭州市擴張速度以中牟縣、新鄭市和滎陽市擴張最快，其相應的擴張強度亦如此，從建筑面積變化及擴展速率分析，如今鄭州市城鎮(zhèn)化進程正處于高速擴張時期。

在鄭州市城市擴張中，以中牟縣和新鄭市擴張為主，從年均擴張速率來看，亦如此。其中主要與2013年起鄭州航空港區(qū)啟動實施建設有關，查閱資料可知，鄭州市城鎮(zhèn)化擴張主要受城市產(chǎn)業(yè)調(diào)整，人口數(shù)量激增，經(jīng)濟發(fā)展加快的影響[22-23]。同時建筑用地也呈現(xiàn)沿著公、鐵路等交通路線發(fā)展的一大特點。

鄭州市城鎮(zhèn)化擴張方向分析。研究建筑用地擴展空間的方向性對于更好地指導城鎮(zhèn)化發(fā)展具有重要意義，采用適當方法對研究城市空間擴展是至關重要的。采用空間象限方位分析法是通過比較分析不同空間方位上建筑用地的擴張差異，來反映城市擴張空間分異的特征[24-25]。根據(jù)鄭州市主要建筑用地分布、政治和經(jīng)濟等因素的綜合分析，確定以鄭州市二七商圈為中心點，隴海路為橫軸，選取合適的半徑使之能包含所有建筑用地，將鄭州市分為八個空間方位象限進行城鎮(zhèn)化擴張的分析與預測。利用空間象位分析統(tǒng)計來分析鄭州市面積的擴張模式，分析2001—2017年鄭州市建筑用地的空間擴張的分異特征。鄭州市城市擴展空間示意效果圖如圖9所示。

圖9 鄭州市城市擴展空間示意效果圖

2001—2017年鄭州市建筑用地在沿不同的方向進行擴展，鄭州市的面積增加最大的方位是第三、四象限，由城市建筑用地變化特征分析對比可知，中牟縣和新鄭市位于鄭州市的東北方向和東南方向，這預示鄭州市的擴張方向主要是朝東發(fā)展，與城市建筑用地變化特征剛好呼應。鄭州市未來的城市化擴張模式主要為加速發(fā)展鄭東新區(qū)，同時兼顧東西兩翼拓展，整體向東南部擴展。通過查閱資料知河南省的政策（鄭汴一體化）[26]及航空港區(qū)建設有關，開封市位于鄭州市的東部區(qū)域，與中牟縣和新鄭市接壤，同時開封西部在開封市的城市近期建設規(guī)劃中據(jù)首要地位。因此鄭東新區(qū)和汴西新區(qū)中間正是鄭州發(fā)展最快的中牟縣和新鄭市，其作為鄭州、開封的連接區(qū)，在中原城市群發(fā)展戰(zhàn)略中，優(yōu)先發(fā)展它們是快速實現(xiàn)“鄭汴一體化”的關鍵之路，因此未來鄭州城市化率先發(fā)展的主要是鄭汴一體化，優(yōu)先發(fā)展位于鄭州東部的中牟縣和新鄭市。

4 結(jié)論

采用徐涵秋提出的壓縮數(shù)據(jù)維方法，構(gòu)建IBI，完成了對鄭州市建筑用地較準確地提取，并分析了鄭州市近16年來建筑用地的變化特征。

通過構(gòu)建NDBI，MNDWI和SAVI來代表3種主要的土地利用：建筑物、水體和植被，對3個指數(shù)波段構(gòu)造IBI指數(shù)，最后對裸地進行剔除。2001年和2017年的建筑用地信息的提取精度都達到85%以上。

2001—2017年鄭州市建筑用地面積呈現(xiàn)出快速增加的趨勢，從760.96 km2增到1 508.54 km2，增長幅度較大?？臻g上以中牟縣和新鄭市建筑用地變化最大，同時各個地區(qū)向四周均有擴展，其中鄭州市東部方向擴展較多，時間也以中牟縣和新鄭市增長速率最快，年均增長率分別為16.16%和11.90%，建筑用地面積增長幅度較高，能反映出城市的快速發(fā)展變化離不開政府的政策支持。

通過各地物光譜特征，發(fā)現(xiàn)裸地和建筑用地混雜在一起較難區(qū)分，本文方法提取建筑用地中也會出現(xiàn)少量的裸地剔除不完全等弊端。雖然采取構(gòu)建BSI可以去除裸地，但閾值確定對裸地的提取精度起很大作用，所以區(qū)分建筑用地與裸地一直是遙感影像地物信息提取的難點，因此遙感影像選擇時應選擇裸地較少的月份，能最大程度地提高提取精度。