基于珞珈一號衛星夜間燈光數據的鄭州建成區識別與分析

劉艷華1,2 王彥良1 陳富強1 王一涵3 杜鵬超1

(1. 河南省地質礦產勘查開發局測繪地理信息院, 河南 鄭州 450006;2. 河南省自然資源天空地遙感智能監測研究科技創新中心, 河南 鄭州 450006;3. 鄭州師范學院 地理與旅游學院, 河南 鄭州 450053)

[摘 要] 針對城市建成區面積變化影響著城市發展規劃的問題,國家和地方政府對建成區的有效識別與分析的需求日益迫切。本文利用珞珈一號衛星夜間遙感影像數據,通過經驗閾值法對鄭州建成區進行識別,將識別后的結果分區統計,計算出各縣區燈光的覆蓋面積,利用各縣區同年的國內生產總值(GDP)、建成區面積和三個月的平均燈光面積進行線性回歸。結果表明,GDP和建成區面積同燈光面積的變化有密切關系。該研究結果可以為鄭州市政府對近期的土地合理利用和生態文明的制度建設提供相關的數據支撐。

[關鍵詞] 珞珈一號衛星; 夜間燈光數據; 鄭州; 建成區

0 引言

近年來,隨著遙感技術的飛速發展,數據產品不斷更新,通過高時效、多尺度的夜光遙感數據提取建成區面積廣泛應用于城市建設決策中。國內外的研究者們多數基于美國國防氣象衛星(defense meteorological satellite program,DMSP)所搭載的可見光成像線性掃描業務系統(operational linescan system,OLS)得到的DMSP/OLS數據和Suomi國家極軌合作伙伴(suomi national polar-orbiting partnership,Suomi-NPP)搭載的可見光紅外成像輻射儀(visible infrared imaging radiometer suite,VIIRS)得到的NPP/VIIRS數據進行建成區識別提取，因其分辨率較低問題，難以提高識別精度。珞珈一號夜光遙感衛星憑借分辨率高的優勢，燈光溢出和飽和問題也得到了一定的解決。此外,珞珈一號能夠監測出小面積的房屋、路燈等散發出的微弱的光亮,可以用來區分城市的建成區和非建成區[1]。基于珞珈一號夜間燈光數據識別的城市建成區可以成為區域規劃的基礎數據,為城市的近期土地資源合理利用提供基礎的數據支撐,也是城市集約、節約用地的重要前提之一[2]。

本文以鄭州作為研究區域,從官網(http://59.175.109.173:8888/index.html)上下載珞珈一號衛星的夜光遙感影像數據,用經驗閾值法對建成區進行識別,然后用重分類的方法分區計算各縣區燈光面積的變化,根據計算結果分析變化的原因。該分析結果可以為鄭州城市土地資源的可持續利用提供相關參考[3],拓展國產衛星的應用領域。其中,用于研究的行政界線數據來自國家基礎地理信息中心[4],統計數據來源于2019年河南統計年鑒和《鄭州市人民政府關于2019年鄭州市城市建成區規模通告》得出的鄭州各地人口數、國內生產總值(gross domestic pro-duct,GDP)和建成區面積等[5]。

1 珞珈一號衛星的優勢

珞珈一號衛星是由長春長光衛星技術有限公司和武漢大學合作研究并共同開發的世界第一顆專業的夜光遙感衛星[6],具體參數如表1所示。

表1 珞珈一號衛星的主要參數

珞珈一號衛星整星重22 kg,采用大相對孔徑像方遠心光學系統、異形遮光罩雜光抑制、高信噪比高動態成像、帆板自主鎖緊展開等手段[7],搭載了高靈敏度夜光相機,實現了高靈敏、大范圍的夜光成像,其精度達到夜光遙感分辨率130 m,數據分辨率是NPP-VIIRS衛星的4倍。珞珈一號夜間燈光影像可以清楚地區分城市建成區的分布、道路的分布以及大面積住宅的分布。晚上,江面上亮燈的大橋也能被看見。精度優于美國國防氣象衛星DMSP/OLS和NPP-VIIRS。另外,珞珈一號屬于極地軌道衛星,軌道高度為645 km,具有全球范圍數據拍攝能力,理想條件下可在15 d內繪制完成全球范圍的夜間燈光影像,因而能夠滿足更高速、更高精度的應用要求[8],和DMSP/OLS、NPP-VIIRS衛星相比,珞珈一號夜間燈光影像數據在時間分辨率、空間分辨率、光譜分辨率上有了極大提高。時間分辨率的提升可以獲得更加密集的時間序列,便于在更小時間尺度上研究城市變化;空間分辨率的提升能更清晰地展現城市空間結構;光譜分辨率的提升能夠有效避免亮度飽和的缺點[9-10]。

珞珈一號衛星在2018年6月2日成功發射后,包含鄭州的夜間燈光數據只更新到了2018年10月31日。所以,這里選取的是2018年6月13日、9月7日和10月31日的夜間燈光數據,具體如圖1所示。

 

(a)6月13日 (b)9月7日

(c)10月31日

圖1 珞珈一號衛星夜間燈光數據

2 建成區面積計算及分析的技術實現

2.1 數據處理和建成區提取

為了獲得有效的燈光值,必須得對夜光遙感影像數據進行處理,去除異常點和消除背景噪聲,簡化數據,提高數據識別的可靠性。因此在進行建成區的識別前,必須對珞珈一號影像進行坐標系轉換、輻射定標和圖像裁剪等處理。

本文使用簡單易行且較為可靠的最佳閾值分割法分割城市建成區和非建成區,利用自然間斷點法提取配合經驗閾值法調整再用統計數據法驗證結果的提取方法。通過分析圖像,調整像素值的大小來確定閾值的區間,通過計算對閾值分割的結果進行對比,最后選擇出最佳閾值。同時對比采用光學遙感影像Landsat8多光譜數據進行監督分類處理,自動提取建成區范圍,后者存在城市邊界不連續,提取精度不高的問題。

該方法利用二值法的策略,采用圖像中要提取的目標灰度值與背景灰度值的差異,先把像素級分成若干類,再將目標灰度值從背景中提取。流程是先判斷圖像中各個像素點的灰度值是否滿足閾值的要求,再確定圖像中的像素值是屬于目標灰度值還是背景灰度值,從而將灰度圖轉換為二值圖。根據地理信息系統(geographic information system,GIS)軟件的自然間斷點自動確定一個初始亮度閾值對鄭州建成區進行提取,然后不斷調整閾值,計算每個確定的閾值的燈光建成區面積,將計算得到的燈光建成區面積與統計數據中的建成區面積進行比較[11-13]。通過不斷更改亮度閾值讓提取結果與統計數據最為接近,最終根據三個月的數據確定三個閾值為6 177、6 933、6 545。結果如表2所示。

表2 閾值確定的建成區與統計數據比較

該亮度閾值的提取結果即為城市建成區,具體識別結果如圖2所示[14]。將建成區的燈光識別結果與裁剪后的燈光數據本身相比較,得出結論：鄭州燈光數據的亮區與提取到的建成區的范圍基本一致。所以,認為圖中高亮的地區就是建成區的范圍。

  

(a)6月份 (b)9月份 (c)10月份

圖2 鄭州6、9、10月份建成區提取結果

2.2 分區計算面積

計算鄭州各縣區的燈光建成區面積,使用縣級行政范圍線對研究區域進行分割。根據分割后的區域對各縣區的遙感影像像元亮度(digital number,DN)值進行統計,計算出各縣區的建成區面積。具體分割結果如圖3所示。

按鄭州各縣區的矢量范圍對處理好的珞珈一號夜間燈光影像進行裁剪,統計分析各區縣的DN值數據。依據燈光亮度值來計算各縣區的建成區面積,并與統計數據中各縣區的GDP數據、建成區的面積進行多元線性回歸分析[15-16]。

   

(a)登封市 (b)二七區 (c)鞏義市 (d)金水區

   

(e)管城回族區 (f)惠濟區 (g)上街區 (h)新密市

   

(i)新鄭市 (j)榮陽市 (k)中牟縣 (l)中原區

圖3 6月份各縣區劃分示意圖

利用ArcGIS軟件平臺的字段計算器對所選記錄進行計算,在要素圖層的屬性表中添加Area字段,使用計算幾何工具計算面積。為了提高計算的精度,使用雙精度字段類型得到精確到四位小數位數的面積結果。但是得到的數據零散,數量繁多,需要通過匯總統計來獲得更加直觀的數據信息。計算各縣區的面積總和,得到各縣區燈光的面積。具體計算結果見表3。

表3 各縣區建成區面積 單位：km2

由表3可以看出,從6月到10月各地區的燈光面積都有一定的變化,有增加的,也有減少的。惠濟區、中原區、二七區、金水區、中牟縣、登封市和新密市的燈光建成區面積在增加。而管城區、新鄭市、鞏義市、上街區和滎陽市的建成區面積在減少。

2.3 多元線性回歸

為了衡量基于夜光遙感數據燈光強度值的建成區識別面積和各縣區統計數據中實際建成區面積以及GDP的相關密切程度,首先將三個時期基于燈光數據的建設區提取面積進行均值處理,其次,建立起一個燈光建成區識別面積平均值與統計數據建成區面積和GDP的因果關系,將統計建成區面積和GDP作為起因變量,燈光建成區識別面積作為結局變量。燈光建成區面積屬于連續性的數值變量,并且有兩個起因變量,將建立起一個多元線性回歸。計算因子如表4所示。

表4 計算因子

建成區面積和GDP作為自變量,燈光建成區面積作為因變量,統計德賓-沃森(Durbin-Watson)殘差值,繪制標準化殘差圖。具體的計算結果見表5和表6。

表5 模型摘要表

注：R表示擬合優劣度，它的值越接近1說明模型越好，但在統計學里面要求R2在0.3以上都是可接受的范圍；a表示建成區面積預測值，德賓-沃森殘差值為1.876，說明樣本之間有自相關關系。

表6 系數表

注：B表示非標準化系數，Beta是指標準回歸系數，VIF為方差膨脹系數(variance inflation factor)；T是對每個自變量是否有顯著作用的檢驗，表中均小于0.05，表示建成區面積、GDP和各區縣燈光數據的建成區面積平均值有相關關系。

3 結束語

本文主要對使用自然間斷點法提取配合經驗閾值法調整再用統計數據法驗證結果的提取方法對建成區進行提取,以提取建成區后的數據為基礎計算鄭州各縣區的燈光面積,并將三個時期的燈光面積平均值和統計數據中各縣區的實際建成區面積以及GDP建立了一個多元線性回歸。得出了建成區面積、GDP的變化對各縣區燈光建成區面積的平均值產生影響,使驅動力因素分析更合理。然后從自然和人文兩個角度討論影響建成區發展因素,為鄭州更有效地利用建成區,協調好區域經濟發展、人口增長和土地資源利用之間的關系,逐步實現經濟社會、與生態文明建設的統一發展提供精準的數據支撐。

本文還存在一些不盡如人意的地方,例如燈光溢出的現象沒有得到完全的解決,導致燈光建成區面積比實際的面積稍大。在建成區識別方法的基礎上解決燈光溢出問題和從更多方面分析驅動力的影響因素還需要進一步研究。

參考文獻

[1] 張棟,李德平,周亮,等.利用高分影像和珞珈一號數據進行住房空置率高精度空間估算[J].測繪通報,2021(1):41-46,52.

[2] 鄧陸.基于光譜指數的城市建筑信息快速提取方法研究[D].重慶:重慶郵電大學,2019.

[3] 胡云鋒,商令杰,張千力,等.基于GEE平臺的1990年以來北京市土地變化格局及驅動機制分析[J].遙感技術與應用,2018,33(4):573-583.

[4] 劉珠妹,張景發,李盛樂.2000—2018年全國形變臺站周邊環境時空變化特征及對垂直擺觀測影響分析[J].地震工程學報,2021,43(3):583-593.

[5] 王喆.基于哨兵2和POI數據的城市邊界劃定方法研究[D].開封:河南大學,2020.

[6] 李翔,朱江,尹向東,等.基于珞珈一號夜間燈光數據的廣州市建設用地識別[J].地球信息科學學報,2019,21(11):1802-1810.

[7] 王美玲,張和生.一種適用于珞珈一號夜間燈光影像的去噪方法[J].遙感信息,2021,36(2):114-119.

[8] 鐘亮,劉小生.珞珈一號新型夜間燈光數據應用潛力分析[J].測繪通報,2019(7):132-137.

[9] 李翔,朱江,尹向東,等.基于珞珈一號夜間燈光數據的廣州市建設用地識別[J].地球信息科學學報,2019,21(11):1802-1810.

[10] 羅雯,匡耀求,周敏丹,等.商圈功能多樣性對其活力的影響研究[J].地球信息科學學報,2021,23(7):1259-1271.

[11] 張慧,張雪.基于夜間燈光遙感數據的太原市城市擴張格局研究[J].山西師范大學學報(自然科學版),2020,34(4):94-101.

[12] 尚新華.基于Landsat與DMSP影像的城市動態擴張分析研究[D].淄博:山東理工大學,2020.

[13] 宋金超,李新虎,吝濤,等.基于夜晚燈光數據和Google Earth的城市建成區提取分析[J].地球信息科學學報,2015,17(6):750-756.

[14] 鄭洪晗,桂志鵬,栗法,等.夜間燈光數據和興趣點數據結合的建成區提取方法[J].地理與地理信息科學,2019,35(2):25-32.

[15] 劉源.成渝城市群空間擴展及內部要素特征研究[D].重慶:重慶師范大學,2019.

[16] 區強政.新時期國土空間規劃存在的問題與對策研究[J].智能建筑與智慧城市,2020(11):35-36.

引文格式: 劉艷華,王彥良,陳富強,等.基于珞珈一號衛星夜間燈光數據的鄭州建成區識別與分析[J].北京測繪,2022,36(9):1231-1236.

作者簡介：劉艷華(1982—),女,河南范縣人,大學本科,工程師,從事航空攝影測量方面的生產研究工作。E-mail:115947844@qq.com。

文章來源：測繪學術資訊