基于珞珈一号卫星夜间灯光数据的郑州建成区识别与分析

刘艳华1,2 王彦良1 陈富强1 王一涵3 杜鹏超1

(1. 河南省地质矿产勘查开发局测绘地理信息院, 河南 郑州 450006;2. 河南省自然资源天空地遥感智能监测研究科技创新中心, 河南 郑州 450006;3. 郑州师范学院 地理与旅游学院, 河南 郑州 450053)

[摘 要] 针对城市建成区面积变化影响着城市发展规划的问题,国家和地方政府对建成区的有效识别与分析的需求日益迫切。本文利用珞珈一号卫星夜间遥感影像数据,通过经验阈值法对郑州建成区进行识别,将识别后的结果分区统计,计算出各县区灯光的覆盖面积,利用各县区同年的国内生产总值(GDP)、建成区面积和三个月的平均灯光面积进行线性回归。结果表明,GDP和建成区面积同灯光面积的变化有密切关系。该研究结果可以为郑州市政府对近期的土地合理利用和生态文明的制度建设提供相关的数据支撑。

[关键词] 珞珈一号卫星; 夜间灯光数据; 郑州; 建成区

0 引言

近年来,随着遥感技术的飞速发展,数据产品不断更新,通过高时效、多尺度的夜光遥感数据提取建成区面积广泛应用于城市建设决策中。国内外的研究者们多数基于美国国防气象卫星(defense meteorological satellite program,DMSP)所搭载的可见光成像线性扫描业务系统(operational linescan system,OLS)得到的DMSP/OLS数据和Suomi国家极轨合作伙伴(suomi national polar-orbiting partnership,Suomi-NPP)搭载的可见光红外成像辐射仪(visible infrared imaging radiometer suite,VIIRS)得到的NPP/VIIRS数据进行建成区识别提取，因其分辨率较低问题，难以提高识别精度。珞珈一号夜光遥感卫星凭借分辨率高的优势，灯光溢出和饱和问题也得到了一定的解决。此外,珞珈一号能够监测出小面积的房屋、路灯等散发出的微弱的光亮,可以用来区分城市的建成区和非建成区[1]。基于珞珈一号夜间灯光数据识别的城市建成区可以成为区域规划的基础数据,为城市的近期土地资源合理利用提供基础的数据支撑,也是城市集约、节约用地的重要前提之一[2]。

本文以郑州作为研究区域,从官网(http://59.175.109.173:8888/index.html)上下载珞珈一号卫星的夜光遥感影像数据,用经验阈值法对建成区进行识别,然后用重分类的方法分区计算各县区灯光面积的变化,根据计算结果分析变化的原因。该分析结果可以为郑州城市土地资源的可持续利用提供相关参考[3],拓展国产卫星的应用领域。其中,用于研究的行政界线数据来自国家基础地理信息中心[4],统计数据来源于2019年河南统计年鉴和《郑州市人民政府关于2019年郑州市城市建成区规模通告》得出的郑州各地人口数、国内生产总值(gross domestic pro-duct,GDP)和建成区面积等[5]。

1 珞珈一号卫星的优势

珞珈一号卫星是由长春长光卫星技术有限公司和武汉大学合作研究并共同开发的世界第一颗专业的夜光遥感卫星[6],具体参数如表1所示。

表1 珞珈一号卫星的主要参数

珞珈一号卫星整星重22 kg,采用大相对孔径像方远心光学系统、异形遮光罩杂光抑制、高信噪比高动态成像、帆板自主锁紧展开等手段[7],搭载了高灵敏度夜光相机,实现了高灵敏、大范围的夜光成像,其精度达到夜光遥感分辨率130 m,数据分辨率是NPP-VIIRS卫星的4倍。珞珈一号夜间灯光影像可以清楚地区分城市建成区的分布、道路的分布以及大面积住宅的分布。晚上,江面上亮灯的大桥也能被看见。精度优于美国国防气象卫星DMSP/OLS和NPP-VIIRS。另外,珞珈一号属于极地轨道卫星,轨道高度为645 km,具有全球范围数据拍摄能力,理想条件下可在15 d内绘制完成全球范围的夜间灯光影像,因而能够满足更高速、更高精度的应用要求[8],和DMSP/OLS、NPP-VIIRS卫星相比,珞珈一号夜间灯光影像数据在时间分辨率、空间分辨率、光谱分辨率上有了极大提高。时间分辨率的提升可以获得更加密集的时间序列,便于在更小时间尺度上研究城市变化;空间分辨率的提升能更清晰地展现城市空间结构;光谱分辨率的提升能够有效避免亮度饱和的缺点[9-10]。

珞珈一号卫星在2018年6月2日成功发射后,包含郑州的夜间灯光数据只更新到了2018年10月31日。所以,这里选取的是2018年6月13日、9月7日和10月31日的夜间灯光数据,具体如图1所示。

 

(a)6月13日 (b)9月7日

(c)10月31日

图1 珞珈一号卫星夜间灯光数据

2 建成区面积计算及分析的技术实现

2.1 数据处理和建成区提取

为了获得有效的灯光值,必须得对夜光遥感影像数据进行处理,去除异常点和消除背景噪声,简化数据,提高数据识别的可靠性。因此在进行建成区的识别前,必须对珞珈一号影像进行坐标系转换、辐射定标和图像裁剪等处理。

本文使用简单易行且较为可靠的最佳阈值分割法分割城市建成区和非建成区,利用自然间断点法提取配合经验阈值法调整再用统计数据法验证结果的提取方法。通过分析图像,调整像素值的大小来确定阈值的区间,通过计算对阈值分割的结果进行对比,最后选择出最佳阈值。同时对比采用光学遥感影像Landsat8多光谱数据进行监督分类处理,自动提取建成区范围,后者存在城市边界不连续,提取精度不高的问题。

该方法利用二值法的策略,采用图像中要提取的目标灰度值与背景灰度值的差异,先把像素级分成若干类,再将目标灰度值从背景中提取。流程是先判断图像中各个像素点的灰度值是否满足阈值的要求,再确定图像中的像素值是属于目标灰度值还是背景灰度值,从而将灰度图转换为二值图。根据地理信息系统(geographic information system,GIS)软件的自然间断点自动确定一个初始亮度阈值对郑州建成区进行提取,然后不断调整阈值,计算每个确定的阈值的灯光建成区面积,将计算得到的灯光建成区面积与统计数据中的建成区面积进行比较[11-13]。通过不断更改亮度阈值让提取结果与统计数据最为接近,最终根据三个月的数据确定三个阈值为6 177、6 933、6 545。结果如表2所示。

表2 阈值确定的建成区与统计数据比较

该亮度阈值的提取结果即为城市建成区,具体识别结果如图2所示[14]。将建成区的灯光识别结果与裁剪后的灯光数据本身相比较,得出结论：郑州灯光数据的亮区与提取到的建成区的范围基本一致。所以,认为图中高亮的地区就是建成区的范围。

  

(a)6月份 (b)9月份 (c)10月份

图2 郑州6、9、10月份建成区提取结果

2.2 分区计算面积

计算郑州各县区的灯光建成区面积,使用县级行政范围线对研究区域进行分割。根据分割后的区域对各县区的遥感影像像元亮度(digital number,DN)值进行统计,计算出各县区的建成区面积。具体分割结果如图3所示。

按郑州各县区的矢量范围对处理好的珞珈一号夜间灯光影像进行裁剪,统计分析各区县的DN值数据。依据灯光亮度值来计算各县区的建成区面积,并与统计数据中各县区的GDP数据、建成区的面积进行多元线性回归分析[15-16]。

   

(a)登封市 (b)二七区 (c)巩义市 (d)金水区

   

(e)管城回族区 (f)惠济区 (g)上街区 (h)新密市

   

(i)新郑市 (j)荣阳市 (k)中牟县 (l)中原区

图3 6月份各县区划分示意图

利用ArcGIS软件平台的字段计算器对所选记录进行计算,在要素图层的属性表中添加Area字段,使用计算几何工具计算面积。为了提高计算的精度,使用双精度字段类型得到精确到四位小数位数的面积结果。但是得到的数据零散,数量繁多,需要通过汇总统计来获得更加直观的数据信息。计算各县区的面积总和,得到各县区灯光的面积。具体计算结果见表3。

表3 各县区建成区面积 单位：km2

由表3可以看出,从6月到10月各地区的灯光面积都有一定的变化,有增加的,也有减少的。惠济区、中原区、二七区、金水区、中牟县、登封市和新密市的灯光建成区面积在增加。而管城区、新郑市、巩义市、上街区和荥阳市的建成区面积在减少。

2.3 多元线性回归

为了衡量基于夜光遥感数据灯光强度值的建成区识别面积和各县区统计数据中实际建成区面积以及GDP的相关密切程度,首先将三个时期基于灯光数据的建设区提取面积进行均值处理,其次,建立起一个灯光建成区识别面积平均值与统计数据建成区面积和GDP的因果关系,将统计建成区面积和GDP作为起因变量,灯光建成区识别面积作为结局变量。灯光建成区面积属于连续性的数值变量,并且有两个起因变量,将建立起一个多元线性回归。计算因子如表4所示。

表4 计算因子

建成区面积和GDP作为自变量,灯光建成区面积作为因变量,统计德宾-沃森(Durbin-Watson)残差值,绘制标准化残差图。具体的计算结果见表5和表6。

表5 模型摘要表

注：R表示拟合优劣度，它的值越接近1说明模型越好，但在统计学里面要求R2在0.3以上都是可接受的范围；a表示建成区面积预测值，德宾-沃森残差值为1.876，说明样本之间有自相关关系。

表6 系数表

注：B表示非标准化系数，Beta是指标准回归系数，VIF为方差膨胀系数(variance inflation factor)；T是对每个自变量是否有显著作用的检验，表中均小于0.05，表示建成区面积、GDP和各区县灯光数据的建成区面积平均值有相关关系。

3 结束语

本文主要对使用自然间断点法提取配合经验阈值法调整再用统计数据法验证结果的提取方法对建成区进行提取,以提取建成区后的数据为基础计算郑州各县区的灯光面积,并将三个时期的灯光面积平均值和统计数据中各县区的实际建成区面积以及GDP建立了一个多元线性回归。得出了建成区面积、GDP的变化对各县区灯光建成区面积的平均值产生影响,使驱动力因素分析更合理。然后从自然和人文两个角度讨论影响建成区发展因素,为郑州更有效地利用建成区,协调好区域经济发展、人口增长和土地资源利用之间的关系,逐步实现经济社会、与生态文明建设的统一发展提供精准的数据支撑。

本文还存在一些不尽如人意的地方,例如灯光溢出的现象没有得到完全的解决,导致灯光建成区面积比实际的面积稍大。在建成区识别方法的基础上解决灯光溢出问题和从更多方面分析驱动力的影响因素还需要进一步研究。

参考文献

[1] 张栋,李德平,周亮,等.利用高分影像和珞珈一号数据进行住房空置率高精度空间估算[J].测绘通报,2021(1):41-46,52.

[2] 邓陆.基于光谱指数的城市建筑信息快速提取方法研究[D].重庆:重庆邮电大学,2019.

[3] 胡云锋,商令杰,张千力,等.基于GEE平台的1990年以来北京市土地变化格局及驱动机制分析[J].遥感技术与应用,2018,33(4):573-583.

[4] 刘珠妹,张景发,李盛乐.2000—2018年全国形变台站周边环境时空变化特征及对垂直摆观测影响分析[J].地震工程学报,2021,43(3):583-593.

[5] 王喆.基于哨兵2和POI数据的城市边界划定方法研究[D].开封:河南大学,2020.

[6] 李翔,朱江,尹向东,等.基于珞珈一号夜间灯光数据的广州市建设用地识别[J].地球信息科学学报,2019,21(11):1802-1810.

[7] 王美玲,张和生.一种适用于珞珈一号夜间灯光影像的去噪方法[J].遥感信息,2021,36(2):114-119.

[8] 钟亮,刘小生.珞珈一号新型夜间灯光数据应用潜力分析[J].测绘通报,2019(7):132-137.

[9] 李翔,朱江,尹向东,等.基于珞珈一号夜间灯光数据的广州市建设用地识别[J].地球信息科学学报,2019,21(11):1802-1810.

[10] 罗雯,匡耀求,周敏丹,等.商圈功能多样性对其活力的影响研究[J].地球信息科学学报,2021,23(7):1259-1271.

[11] 张慧,张雪.基于夜间灯光遥感数据的太原市城市扩张格局研究[J].山西师范大学学报(自然科学版),2020,34(4):94-101.

[12] 尚新华.基于Landsat与DMSP影像的城市动态扩张分析研究[D].淄博:山东理工大学,2020.

[13] 宋金超,李新虎,吝涛,等.基于夜晚灯光数据和Google Earth的城市建成区提取分析[J].地球信息科学学报,2015,17(6):750-756.

[14] 郑洪晗,桂志鹏,栗法,等.夜间灯光数据和兴趣点数据结合的建成区提取方法[J].地理与地理信息科学,2019,35(2):25-32.

[15] 刘源.成渝城市群空间扩展及内部要素特征研究[D].重庆:重庆师范大学,2019.

[16] 区强政.新时期国土空间规划存在的问题与对策研究[J].智能建筑与智慧城市,2020(11):35-36.

引文格式: 刘艳华,王彦良,陈富强,等.基于珞珈一号卫星夜间灯光数据的郑州建成区识别与分析[J].北京测绘,2022,36(9):1231-1236.

作者简介：刘艳华(1982—),女,河南范县人,大学本科,工程师,从事航空摄影测量方面的生产研究工作。E-mail:115947844@qq.com。

文章来源：测绘学术资讯