基于多源多时相遥感影像的城镇扩张动态监测方法研究

基于多源多时相遥感影像的城镇扩张动态监测方法

研究1

周小成，汪小钦，吴波，励惠国

1福州大学福建省空间信息工程研究中心，福州（350002）

2空间数据挖掘与信息共享教育部重点实验室，福州（350002）

Email：zhouxc@https://www.360docs.net/doc/5118974333.html,

摘要：利用遥感技术来动态监测城镇扩展己成为一个重要的研究和应用领域。基于TM和ASTER多源多时相遥感影像和地形数据，以福建省漳州市区为示范区，探讨城镇建筑用地扩张遥感监测的一般方法。研究认为，对于ASTER影像，综合利用非监督分类、多时相植被指数、城镇建筑用地的地形分布等知识建立分类决策规则，可以有效提取城镇建筑用地信息，精度不低于90%；另外，针对徐涵秋TM影像三指数法应用到示范区城镇建筑用地提取时的混淆问题，提出了利用城镇建筑用地时空扩张知识、多时相植被指数知识，改进TM 三指数城镇建筑用地提取方法的思路，最终提取的城镇建筑用地信息满足城镇建筑用地动态变化分析的精度要求。

关键词：城镇建筑用地；遥感；TM；ASTER；动态监测

1.引言

RS和GIS技术在过去的20年里得到迅速的发展，利用卫星对地观测技术来动态监测城市扩展己成为一个重要的研究和应用领域。不少国内外学者研究出多种利用遥感影像提取和分析城市扩张变化的技术。Seto（2003）[1]以多时相TM影像为例，比较了ARTMAP神经网络与最大似然法分类方法进行城市变化检测的效果。认为ARTMAP神经网络比传统的最大似然法（MLC）方法更精确；Schottker（2004）[2]利用三个时相的Landsat TM数据检测德国威斯特伐利亚40年来城市发展变化；Rashed（2005）[3]利用多时相遥感影像，提出利用光谱混合分析法（SMA）测量埃及开罗市城市形态组成的变化模式。Onana（2005）[4]使用多时相ENVISAT/ERS SAR图像和多光谱HRV Spot光学影像进行融合来识别热带雨林地区喀麦隆杜阿拉城市动态变化；潘剑君（1997）[5]用两个时期的Landsat TM遥感图象，经过图象自动分类识别和两个时相遥感图象的交叉分析处理，对江苏省扬中市的土地利用状况进行了动态监测；杨存建 (2001)[6]通过对不同类型居民地的遥感影像特征、光谱特征和空间关系分析，从而发现居民地的光谱特征知识、空间关系知识，建立了基于知识的TM遥感图像居民地信息提取模型；祝善友（2002）[7]以不同时相的TM和中巴卫星影像为主要信息源，对不同时相、不同遥感平台的两幅图象进行数据融合，提取与城市扩展动态变化有关的参数因子；吴宏安（2005）[8]分别采用了监督分类法和归一化裸露指数(NDBI)法提取了西安市的城市边界信息，并对二者进行对比分析，认为监督分类法提取的城市边界信息较为准确；徐涵秋（2005）[9][10]通过对城市土地利用类型的分析,选取了归一化差异建筑指数（NDBI）、修正归一化差异水体指数（MNDWI）[11]和土壤调节植被指数（SA VI）三个指数，采用简单的最大似然分类或谱间分析方法，提取的城市建筑用地信息精度可达91.2%。

本研究在总结前人研究方法的基础上，以TM、ASTER多源多时相遥感影像为数据源，以福建省漳州市区为研究示范区，提出城镇扩展遥感动态监测的一般思路和方法，并对徐涵秋三指数法用于研究示范区的问题进行了分析，提出了相应的解决方法。

1本课题得到国家自然科学基金（60602052）和福建省科技重大专项（50304827）的资助。

2.示范区概况和数据源

本研究选择漳州市区为示范区探讨城镇扩展遥感动态监测的方法。漳州市区包括芗城区和龙文区，市区总面积约390km2。2003年市区人口52.8万。市区地势西北高，东南低。最高峰天宝山的三尖峰，海拔高度928.8米，与五凤（峰）山（775米）、金沙大岭（574米）连绵形成天然屏障，东南地势平坦。

本研究所采用的遥感影像数据源见表1：

表1 研究中所用到的遥感影像

Table1 remote sensing data in the study

时代数据类型时相轨道号分辨率

1989年TM 1989-11-29

30m

120-43

1998年TM 1998-12-08

30m

120-43

2001年 ETM＋ 2001-04-12 120-43

30m／15m

2003年 ASTER 2003-01-28 34 15m

辅助数据有：漳州市行政界线图层，1:5万DEM数据，坡度、坡向数据。根据以上数据源情况，本研究将开展示范区1989年－1998年－2003年间的城镇扩展遥感动态监测，2001年的影像作为辅助影像进行信息提取。

3.研究方法与技术路线

研究中主要用于提取城镇建筑物信息的影像有ASTER和TM影像。对于TM影像城镇建筑物或居民地信息的提取研究比较多,而对ASTER影像城镇建筑用地信息提取方法的研究还较少。遥感信息的有效提取方法存在的一个问题是普适性较差。本研究在利用前人快速提取方法提取城镇建筑用地信息时，精度均难以满足动态监测的要求。非监督分类的结果表明，火烧迹地、裸岩、休闲地、河滩地和城镇建筑用地信息混淆比较严重。监督分类训练区难以选取，费时费力，分类结果的混淆现象仍然严重。利用徐涵秋三指数方法[9][10]进行提取的结果也不理想。因此，根据本专题的研究目的和数据源状况，在借鉴前人有效的研究方法基础上进行，对于前人研究方法应用到示范区的问题进行分析，并采用基于知识的方法进行改进，从而实现城镇扩展遥感动态监测的目的。研究中所采用的遥感和GIS平台有ERDAS8.7,ARCGIS9.0。

3.1 遥感图像预处理

遥感图像预处理包括影像几何校正、配准和辐射校正。首先对2001年的ETM＋全色影像进行几何校正。然后利用校正好的ETM+全色影像配准1989年、1998年TM影像以及2003年的ASTER影像。控制点的数量一般都控制在30-40之间，配准后的误差RMS均小于0.5个像元。由于ASTER影像的波段比较多，考虑到4-9波段相关性较大，于是对4-9波段进行主成分（PC）分析，选取前2个主成分分量PC1和PC2，这2个波段所含的信息量占整幅图像的99%。将这两个主成分重新采样成15m ，然后把ASTER影像的1-3波段、重新采样后的PC1和PC2共5个波段进行叠加，作为后续分析处理的数据源。最后，利用直方图最小值法对各时期影像进行辐射校正。

3.2 城镇建筑用地扩张知识发现

为了改善城镇建筑用地遥感信息提取的精度，需要在前人研究方法上进行改进，以满足示范区城镇扩展分析的精度要求。因此，充分研究城镇建筑用地的光谱知识和时空分布知识非常必要。

3.2.1非监督分类知识

非监督分类的优点是不存在漏提的现象，因此，在类别合并时，确保将含城镇建筑用地信息的类别合并到一起，而不考虑其他地类的混淆。可在非监督分类获取的城镇建筑用地信息基础上研究剔除多提信息的方法，从而达到提高精度的目的。

3.2.2时相知识

本研究的城镇建筑用地包括：居民地、开发用地、交通用地。城镇扩展的一般特点是：城镇范围不断扩大，在扩展期间建筑用地转化为其他用地类型的数量可以忽略不计。那么，在提取示范区1998年和1989年TM影像上城镇信息时，可以利用2003年的城镇建筑用地范围限定提取范围，这样可以避免相当一部分混淆信息，从而保证早期影像城镇信息准确有效的提取。因此，首先完全、准确，有效的提取2003年ASTER影像城镇建筑用地信息至关重要。这一提取思路在城镇扩展遥感动态监测中更具可行性。

此外，由于单一时相的弱点，在ASTER影像的分类提取上，存在城镇建筑用地信息和休闲裸地的混淆，而2001年的TM影像由于时相较好，ASTER影像上为休闲裸地的区域，TM影像上植被覆盖较好，因此可以考虑利用多时相植被指数阈值来消除休闲裸地的混淆。

3.2.3地形分布知识

流域城镇建筑用地在地形上存在一定的特点，分析发现，示范区城镇建筑用地海拔基本不会超过100m，坡度小于20°，利用这两个规则可以极大的减少火烧迹地、裸岩与建筑用地的混淆。

3.3 2003年ASTER影像城镇建筑用地信息提取

根据上面分析的城镇建筑用地时空分布知识和提取思路，采用如下步骤提取ASTER影像的城镇建筑用地。

⑴非监督分类

首先利用非监督分类方法提取城镇建筑用地，分类时设置类别数为30，分类完成后，合并出城镇用地信息，分类结果的特点是完全包含城镇用地信息，但混淆有火烧迹地、裸岩、休闲地、河滩地信息。将结果影像二值化，1代表非监督分类提取的城镇建筑用地信息，0代表背景信息。

⑵ASTER－NDVI阈值分析

采用NDVI的目的是进一步消除影响城镇建筑用地提取的有关信息。

ASTER－NDVI计算公式为：ASTER-NDVI＝(b3-b2)/(b3+b2)

将上式获取的ASTER影像的NDVI拉伸到unsigned 8bit[0-255]

简单分析发现，NDVI<135时，可以确保提出全部城镇信息。由于影像时相为2003年1月28日，处于冬季，休耕地较多，而休耕地和城镇信息光谱特征类似，导致植被指数也很接近。因此利用NDVI阈值难以剔除休闲裸地。因此，本影像的NDVI在辅助城镇建筑用地信息提取时的作用微弱。

由于ASTER影像时相为2003年1月28日，休闲耕地较多，导致NDVI阈值对于消除休闲裸地的影响的效果欠佳。而2001年4月份的TM影像植被覆盖均较好，休闲裸地很少，可以利用该期影像的植被指数（NDVI）阈值来消除休闲裸地和城镇建筑用地的混淆。简单分析发现，TM影像NDVI＜140可以满足消除2003年影像上休闲裸地和城镇建筑用地混淆的要求，同时不影响2003年影像城镇用地信息的提取范围。

⑷主成分分析（PCA）

为了消除九龙江下游河滩地和城镇建筑用地的混淆，通过对覆盖该区域的2003年1月28日ASTER影像1-9波段进行主成分分析，发现沙滩地有PC2－PC3＜40的规则，而城镇建筑用地没有这一特点。以此可以利用这一规则最大限度的将城镇建筑用地和河流沙滩地相区分。

⑸地形分析

前面分析已经知道，示范区城镇建筑用地海拔基本不会超过100m，坡度基本小于20°。而这两条地形知识可以有效消除火烧迹地、裸岩石砾地与城镇建筑用地的混淆。通过以上⑴⑵⑶⑷⑸的分析，在ERDAS8.7的专家分类器中建立图1的ASTER影像城镇建筑用地专题信息提取规则。提取结果表明，非监督分类结果中混淆的其他信息得到了有效的剔除。

图1 2003年ASTER影像漳州市区城镇建筑用地提取知识规则

Fig1.Knowledge rule extracting build-up of Zhangzhou city using ASTER image in 2003

3.4 TM影像城镇建筑用地信息提取

3.4.1徐涵秋三指数法

对于TM影像城镇建筑物或居民地信息的提取研究比较多。但精度最好的当属徐涵秋（2005）[9][10]提出的TM影像三指数法城镇建筑用地信息提取方法。徐涵秋（2005）选取了归一化差异建筑指数(NDBI)、修正归一化差异水体指数(MNDWI)和土壤调节植被指数（SA VI）来代表城市建成区的建筑用地、水体和植被三种最主要的土地利用类型。在此基础上进一步对这三个新的指数波段进行谱间特征分析，最后利用基于规则的逻辑判别运算将城市建筑用地信息提取出来。是一种快速准确、未经人工干预的建筑用地信息提取方法。本研究试图利用徐涵秋三指数法提取TM影像上的城镇建筑用地。其步骤可归纳为:

1)影像辐射校正;

2)制作SA VI,NDBI和MNDWI影像;该方法中所利用的三个指数影像计算方法如下：

SA VI＝[(Nir-Red)(l+L)]/(Nir+Red+L)＝(TM4-TM3)（1+L）／（TM4+TM3+L）

式中，L即为土壤调节因子，其值介于0-1之间。“0”和“1”分别代表植被覆盖率极高和极低的两种极端情况。通常选择0.5可以较好地减弱土壤的背景差异，清除土壤的噪声影响。

⑵修正水体指数（MNDWI）：MNDWI意为Modified NDWI，即修正水体指数，计算公式如下。

MNDWI＝（Green－Mir）/ (Green+Mir)＝(TM2-TM5)/(TM2+TM5)

⑶建筑指数（NDBI）：该指数主要基于城市建筑用地在TM 5波段的反射率高于4波段的特点而创建。公式如下：

NDBI=（MIR－NIR）/（MIR+NIR）=(TM5-TM4)/(TM5+TM4)

3)制作新的三波段指数影像;

4)对新的影像作简单的谱间分析;

5)根据谱间分析所得出的逻辑表达式提取出城市建筑用地。

利用徐涵秋提出的上述方法进行试验提取，结果表明城镇信息被提取出来的同时，大量休闲裸地、火烧迹地、河滩地、裸岩石砾地也同时被提取出来，导致提取的城镇建筑用地信息精度明显较低。分析原因认为：徐涵秋在提取福州市城镇建筑用地信息时，城镇建筑用地信息占整个研究区的主体地位，有限的研究区内鲜见休闲裸地、火烧迹地、河滩地、裸岩石砾地。徐涵秋所提的方法中并没有考虑到休闲裸地、火烧迹地、河滩地、裸岩石砾地几种土地覆盖类型。而在本研究区内，由于城镇规模较小且分散，城镇建筑用地在整个研究区内处于次要地位。研究所用的遥感影像时相不佳，示范区内土地利用类型复杂多样，多见休闲裸地、火烧迹地、河滩地和裸岩石砾地，并且这几种地类的光谱特征和城镇建筑用地光谱特征类似，仅有的三个指数难以将其剔除，因此，徐涵秋所提出的三指数方法在应用到本研究区时，精度必然大受影响。

3.4.2三指数法结果精度的改善

对于徐涵秋三指数法在应用到示范区城镇建筑用地信息提取时的混淆问题，需要充分利用前文分析的城镇建筑用地时空分布知识，基于多源数据，改进徐涵秋所提出的三指数方法，以使其满足示范区城镇建筑用地信息的提取精度要求。

据前文分析，在提取1998年和1989年TM影像上城镇信息时，可以利用2003年的城镇建筑用地范围限定两期建筑用地的提取范围，这样可以避免相当部分信息的混淆，从而保证城镇信息准确有效的提取。由于提取2003年城镇建筑用地信息时利用了地形知识，因此，利用所提的2003年建筑用地信息结果同时包含了对地形知识的利用。

其次，利用2001年多时相植被指数阈值可以消除火烧迹地和休闲裸地的影响，考虑到98年城镇建筑用地范围要小于2001年，简单分析后认为，将2001年TM影像NDVI调整为NDVI＜135比较合适。此外，利用1998年影像本身的NDVI阈值也可以区分一部分裸露地的混淆。具体规则为NDVI(1998)＜145。

利用以上三条知识,在ERDAS8.7的专家分类器中建立如图2的知识规则，首先进行1998TM影像城镇建筑用地信息的提取。再利用1998年提取的城镇建筑用地范围限定1989年建筑用地提取的范围，建立1989年城镇建筑用地提取规则(图3)。

图2 1998年漳州市区TM影像城镇建筑用地信息提取规则

Fig2.Knowledge rule extracting build-up of Zhangzhou city using TM image in1998

图3 1989年漳州市区TM影像城镇建筑用地信息提取规则

Fig3.Knowledge rule extracting build-up of Zhangzhou city using TM image in1989

3.5 结果后处理和精度验证

由于村落信息或孤立的建筑用地并不是本专题关心的对象，根据村落或孤立建筑用地像元一般不超过90×90m的特点，以及ASTER影像15米分辨率的情况，利用ERDAS8.7的Eliminate后处理工具，去除像元小于6*6的建筑用地。根据TM影像30米分辨率的情况，去除像元小于3*3的建筑用地信息。最后通过叠加分析的方法得到三个时期城镇建筑用地扩展图（图4）。

图4漳州市区1989-1998-2003年城镇建筑用地扩展变化图

Fig.4 Spread of build-up at Zhangzhou city from 1989 to 1998 and to 2003

利用ERDAS8.7的精度验证工具进行精度分析，由于影响提取的城镇建筑用地信息精度

的主要因素是误提的休闲裸地、火烧迹地和河滩地，漏提的现象几乎没有。因此，在城镇建

筑用地专题层上随机选点的方法进行精度验证。点处为城镇建筑用地信息，则该点为正确点，

点处为非城镇建筑用地的点为错误点，最后利用正确点数除以验证总点数计算提取精度，具

体精度验证结果见表2。由表2可以看到，三期影像所提取的城镇建筑用地信息精度最低也

有93%，最高可达96%，这一精度完全满足城镇扩展或城镇体系布局演化分析的精度要求。

最后统计出的示范区城镇扩展变化数量信息见表3。

表2 城镇建筑用地信息精度验证

Table 2 validate build-up precision

城镇建筑用地信息验证点数正确点错误点提取精度(用户精度)

6 93%

2003年86 80

3 96%

1998年80 77

4 95%

1989年84 80

表3 漳州市区三个时期城镇建筑用地面积及其变化统计

Table 3 statistic of area and change about build up in Zhangzhou city in three period

时间面积km2占市区面积比例％总体动态度％年动态度％

1989年27.65 7.16 ／／

1998年37.30 9.66 ／／

2003年59.87 15.51 ／／

1989-1998年增加9.65 ／34.90 3.88

1998-2003年增加22.57 ／60.51 12.10

1989-2003年增加32.22 ／116.53 8.32

注：表中动态度是指研究区城镇建筑用地数量变化的强度。其表达式为：LC＝（Ub－Ua）/Ua *1/T *100%，式中LC为研究时段内城镇建筑用地的动态度，Ua，Ub分别为研究初期及研究期末城镇建筑用地的面积，T为研究期长。当T的时段设定为年时，LC就是城镇建筑用地的年度动态度。

4.结果分析和讨论

通过以上研究，得到如下结论和认识：

⑴利用较新影像获取的城镇建筑用地限定早期时相的城镇建筑用地提取范围的思路，可

以避免相当一部分混淆信息，以此保证较早时期城镇信息的准确有效的提取。但完全、准确，

有效的提取较新影像城镇建筑用地信息是本方法成功应用的关键。这需要充分挖掘城镇建筑

用地的时空分布知识。

⑵对于ASTER影像，在非监督分类基础上，结合多时相植被指数、城镇建筑用地的地

形分布知识建立分类决策规则，可以有效提取城镇建筑用地信息，精度不低于90%；

⑶针对徐涵秋TM影像三指数法在应用到漳州市区城镇建筑用地信息提取时的混淆问

题，充分利用城镇建筑用时空扩张知识、多时相植被指数知识，改进徐涵秋所提出的三指数

城镇建筑用地信息提取方法，使其满足了示范区TM影像城镇建筑用地信息的提取精度要

求。

⑷动态监测结果表明：1989年时漳州市区城镇建筑用地面积为27.65km2,到2003年增

加到59.87km2,14年期间增加了32km2,总体面积增加1倍多（116.53%），年均增加8.32%(表3)。可以看出，漳州市区的城镇建筑用地在1998年－2003年期间的增加速度和面积大于1989

年－1998年的增加速度和面积。其中1989年到1998年增加9.65km2,达到37km2,增加了34.9%，年均增加3.88%；1998年到2003年建筑用地面积增加了22.57km2,增加了60.51%，

年均增加12.1%，大大高于1989年－2003年的平均动态度。1998年以来的漳州市区城镇建

筑用地面积呈现飞速扩展的态势。从1989年到2003年期间，漳州市区城镇建筑用地均有不

同程度的扩展。建筑用地扩展面积明显较大的区域有芗城区的石亭镇，龙文区的步文镇、蓝

田镇和朝阳镇。东部龙文区扩展面积明显大于芗城区的扩展（图4）。交通用地和工业园区

的建设是带动漳州市区城镇建筑用地扩展的重要因素。

参考文献

[1] Seto, K; Liu, W. Comparing ARTMAP Neural Network with the Maximum-likelihood Classifier for Detecting Urban Change[J].Photogrammetric Engineering and Remote Sensing, 2003, 69(9):981-990.

[2]Schottker,B;Over,M;Braun,M. Monitoring State-wide Urban Development Using Multi-temporal, Multisensoral Satellite Data Covering a 40 Year-Time Span in North Rhine-Westphalia (Germany) [C].Proceedings of SPIE - The International Society for Optical Engineering, Remote Sensing for Environmental Monitoring, GIS Applications, and Geology III. 2004, 5239: 252-261.

[3]Rashed, T; Weeks, J; Stow, D. Measuring Temporal Compositions of Urban Morphology through Spectral Mixture Analysis:Toward a Soft Approach to Change Analysis in Crowded Cities[J].International Journal of Remote Sensing, 2005, 26( 4):699-718.

[4]Onana, V.; Rudant, J.; Kana'a, T.Urban Dynamics with Multi-temporal ENVISAT/ERS SAR Images and Multi-spectral HRV SPOT Optical Image Using Data Fusion Approach[C]. Proceedings of the 2004 Envisat and ERS Symposium, 2005, 572: 991-995.

[5] 潘剑君, 邹军. 运用TM遥感图象监测扬中市土地利用状况的变化[J]. 南京农业大学学报,1997,2:46-50.

[6]杨存建,周成虎.基于知识发现的TM图像居民地自动提取研究[J].遥感技术与应用，2002，16（1）：1-6.

[7]祝善友,江涛,韩作振.基于遥感技术的泰安城市扩展变化的动态研究[J]. 山东科技大学学报(自然科学版),2002,21(3):51-54.

[8]吴宏安, 蒋建军, 周杰.西安城市扩张及其驱动力分析[J]. 地理学报,2005,60( 1):143-150.

[9]徐涵秋.基于压缩数据维的城市建筑用地遥感信息提取[J].中国图像图形学报,2005,10(2):223-229.

[10]徐涵秋.基于谱间特征和归一化指数分析的城市建筑用地信息提取[J].地理研究,2005,24(2):311-320.

[11]Xu Hanqiu，Modification of Normalized Difference Water Index (NDWI) to enhance open water features in remotely sensed imagery[J]. International Journal of Remote Sensing. 2006, 27(14), 3025 – 3033.

A method about monitoring towns spread using

multi-temporal remote sensing images from multi-source Zhou Xiaocheng, Wang Xiaoqin,Wu Bo, Li Huiguo

1 Spatial Information Research Center of Fujian Province, Fuzhou University, Fuzhou

Fujian, (350002)

2 Key Laboratory of Spatial Data Mining & Information Sharing of Ministry of Education,

Fuzhou Fujian (350002)

Abstract

It has been an important field in study and application using remote sensing technology monitoring towns sprawl. This paper presents an general method using remote sensing technology monitoring towns spread. a case study at Zhangzhou city,Fujian province,China, First, for ASTER remote sensing image.Build-up can be extracted with effectively and exactly by Combining knowledge from unsupervised classification ,multi-temporal vegetation index and terrain distribution of towns build-up.The precision is above 90 percent. Second,for TM remote sensing image.The paper presents an scheme to improve the method for extracting build-up which was presented by Xu Hanqiu.The scheme combines temporal and spatial knowledge of build-up with the XU’s method .The result shows that the precision of build-up ,which are both above 90 percent, satisfies request for analyzing change of towns sprawl.

Keywords: towns build-up; remote sensing; TM;ASTER; dynamic monitor

作者简介：周小成（1977- ），陕西渭南人，在职博士生，助理研究员，主要研究方向为资源与环境遥感。