馬紅

(重慶市勘測院，重慶 400020)

1 引言

隨著人口的急劇增多和經(jīng)濟的快速發(fā)展，城市化進程逐步加快，城市空間范圍不斷擴大，使得城市建筑用地急劇增加，導致城市熱島效應增強、城市景觀格局破壞等一系列問題。因此全面掌握城市建筑用地信息，能夠為國土、規(guī)劃等部門的用地規(guī)劃等政策提供科學支持。

傳統(tǒng)人工測量的土地利用監(jiān)測方法很難滿足城市建筑面積快速擴展的監(jiān)測需要［1］。結(jié)合計算機技術和圖形圖像處理技術，實現(xiàn)基于遙感影像提取的建筑用地計算機解譯是目前城市建筑用地監(jiān)測主流方法。Ridd提出城市的“植被－不透水面－土壤”模型用于研究城市建筑用地［2］，楊存建等人利用邏輯樹判別提取建筑用地信息［3］，査勇等提出仿歸一化植被指數(shù)研究城鎮(zhèn)空間形態(tài)信息提取［3］，王光彥等利用歸一化建筑指數(shù)提取城市建筑用地信息［4］，徐涵秋提出基于壓縮數(shù)據(jù)提取城市建筑用地［1］并利用建筑用地指數(shù)(IBI，index－based built－up index)實現(xiàn)了城市建成區(qū)的界定［5］。

基于以上方法的建筑用地信息提取所采用的影像均需有中紅外波段，但部分衛(wèi)星影像(如資源三號衛(wèi)星影像、QuickBird衛(wèi)星影像、ALOS衛(wèi)星影像、IKONOS衛(wèi)星影像等)沒有中紅外波段，無法利用其IBI指數(shù)提取建筑用地信息。針對這種情況，本文提出一種基于仿建筑用地指數(shù)(SIBI，similar index－based built－up index)的城市建成區(qū)提取的新方法，彌補了缺乏中紅外波段影像的建筑用地信息提取，該方法不需要依賴其他數(shù)據(jù)。利用資源三號衛(wèi)星綠波段、紅波段和近紅外波段的多光譜影像進行了實驗驗證，實驗證明本文方法的精度可達89.5%，適用于多種沒有中紅外波段的影像分析。

2 基本原理與方法

2.1 建筑用地指數(shù)(IBI)

IBI是徐涵秋提出的采用指數(shù)波段構(gòu)建的指數(shù)［1，6］，很大程度上提高了建筑用地提取精度。IBI由3個波段專題指數(shù)(土壤調(diào)節(jié)植被指數(shù)SAVI［7］，歸一化建筑指數(shù)NDBI［3］以及改進歸一化水體指數(shù)MNDWI［8］)計算得到，3個專題波段計算公式如下:

其中，MIR、NIR、red、green分別代表中紅外波段、近紅外波段、紅光波段和綠光波段，參數(shù)α為0～1之間的土壤調(diào)節(jié)因子。

建筑指數(shù)IBI［10］(index based built－up index)可以基于3個指數(shù)波段構(gòu)建，公式如下:

2.2 仿建筑用地指數(shù)(SIBI)

IBI指數(shù)雖能較好地提取建筑用地信息，但是沒有中紅外波段的影像卻無法獲得NDWI指數(shù)和NIBI指數(shù)，進而無法獲得IBI指數(shù)。鑒于此，本文提出利用SIBI指數(shù)來獲取城市的建筑用地信息的新方法。在軍事遙感中通常利用近紅外波段和綠波段來區(qū)分軍事目標和綠色植物［9］，本文借鑒MNDWI計算中引入綠波段的方法［10］，利用綠波段代替近紅外波段，近紅外波段代替中紅外波段，構(gòu)建仿歸一化建筑指數(shù)(SNDBI: similar normalized difference built－up index)，以便提取建筑物信息。計算公式如下:

進一步分析發(fā)現(xiàn)，由于水體在可見光到近紅外波段的反射呈逐漸下降的趨勢，與植被和建筑的反射特性區(qū)別較大［11］。計算得到的SNDBI指數(shù)中水體很容易區(qū)分，呈負值。而原本NDBI中水體呈正值，對照NDBI影像中水體提取結(jié)果，可直觀發(fā)現(xiàn)水體的SNDBI值非常小，故對SNDBI指數(shù)進行改進，引入?yún)?shù)β(β為水體的SNDBI值，通常為負值)構(gòu)建SNDBI的表格式如下:

圖1 重慶市資源3號衛(wèi)星影像

根據(jù)SNDBI指數(shù)(式(5)、(6))，再結(jié)合NDWI和SAVI指數(shù)，本文提出構(gòu)建SIBI指數(shù)的方法，公式如下:

式(7)中，NDWI為歸一化差異水體指數(shù)［12，13］，計算公式如下:

經(jīng)過SIBI指數(shù)增強后建筑用地信息呈正值，植被信息為負值，水體信息接近零值，如圖1所示(其中(a)為原始影像，(b)為SIBI影像)。采用合適的分割閾值對SIBI影像進行分割，可以快速獲取建筑用地信息。

2.3 城市建筑用地信息提取

圖2 城市建筑用地信息提取流程圖

由于得到的SIBI影像能夠較好地區(qū)分建筑物、水體和植被。但是所提取到的建筑用地信息包含了農(nóng)村建筑用地和城市建筑用地信息，兩者在光譜信息方面沒有較大區(qū)別，但在像元大小方面有明顯區(qū)別［1］;因此，可以通過去除小面元的方法去除農(nóng)村建筑用地信息，從而獲得城市建筑用地信息，最后采用合并面元的方法聚合城市建筑用地信息。具體步驟如圖2所示。

3 實驗分析與精度評定

實驗數(shù)據(jù)為2012年4月獲取的重慶市資源三號衛(wèi)星多光譜影像(如圖1(a)所示)。影像的空間分辨率為 5.8 m，包含藍波段(0.45μm～0.52μm)、綠波段 (0.52μm ～0.59μm)、紅 波 段 (0.63μm～0.69μm)和近紅外波段(0.77μm～0.89μm)4個波段信息(影像來源的網(wǎng)站為 http://www.cresda.com/n16/index.html )。SIBI結(jié)果如圖1(b)所示，將SIBI影像拉伸到 8 bit影像進行影像分割，經(jīng)過反復實驗，式(1)中α參數(shù)取值為0.5，式(2)中β參數(shù)取值為－0.45，分割閾值為60較好，輸出建筑用地信息(如圖3(a)所示)。根據(jù)輸出的結(jié)果統(tǒng)計分析，去掉小面元的部分(農(nóng)村建筑用地信息)并將設定閾值進行合并處理，即得到城市建筑用地信息，如圖3(b)所示。

圖3 基于SIBI的建筑用地信息提取結(jié)果

精度驗證通常用外業(yè)驗證或利用更高分辨率影像或者其他相關材料完成，本文選取更高分辨率的影像進行精度驗證。選用2012年獲取的該地區(qū)空間分辨率為 0.1 m(比原始影像分辨率高出58倍)的正射影像進行精度驗證。采用隨機抽樣法抽取200個樣本，計算他們的總精度和Kappa系數(shù)。表1所示的計算結(jié)果表明，利用該方法提取的城市建筑用地信息提取精度達到89.5%。

精度評定結(jié)果 表1

4 結(jié)論

通常情況下，通過SAVI、NDBI和MNDWI指數(shù)構(gòu)建的IBI影像將建筑用地信息增強，可以很好的將其分為建筑、植被和水系三個大類，但在缺乏中紅外波段的情況下無法構(gòu)建IBI指數(shù)。本文提出仿歸一化建筑指數(shù)SNDBI，結(jié)合歸一化水體指數(shù)NDWI和土壤抑制植被指數(shù)SAVI可以構(gòu)建仿建筑用地指數(shù)SIBI的新方法。因為在SNDBI中水體呈現(xiàn)與NDBI一樣的高亮度部分，進而構(gòu)建的SIBI同樣能夠很好地增強建筑用地信息。只要選擇合理的閾值對SIBI影像進行分割，就能準去提取建筑用地信息。

準確提取建筑用地信息之后，通過去除小面元和合并相鄰面元處理，可以除去農(nóng)村建筑用地信息并聚合城區(qū)各種建筑用地，通過簡單的程序設計既可實現(xiàn)，便于城區(qū)建筑用地信息自動提取。實驗結(jié)果證明:①本文方法與IBI指數(shù)方法精度相差不大;②在沒有中紅外波段的情況下本文方法仍然適用。

［1］ Han－Qiu X.Remote Sensing Information Extraction of Urban Built－up Land Based on a Data－dimension Compression Technique［J］.Journal of Image and Graphics，2005，10 (2):223～229.

［2］ Ridd M K.Expbring a VIS(vegetation－in pervious surfacesoil)model for urban ecosystem analysis through re－mote sensing comparative anatomy for cities［J］.International Journal of Remote Sensing，1995，15(16):2165～5185.

［3］ Zha Y，Gao J，Ni S.Use of normalized difference built－up index in automaticallymapping urban areas from TM imagery［J］.International Journal of Remote Sensing，2003，3(24): 583～594.

［4］ Guang－Yan W，Pei L.Extracting Urban Land Use Based on Remote Sensing［J］.Bulletin of Soil and Water Conservation，2007，3(27):121～123.

［5］ Han－Qiu X，Du Lin－ping，Xiao－Dan S.Index－based definition and auto－extraction of the urban built－up region from remote sensing imagery［J］.Journal of Fuzhou University (Natural Science Edition)，39(5):706～712.

［6］ Hanqiu X，Dongfeng L，F(xiàn)ei T.The change detection of impervious development on land surface temperature in a subtropical city:Xiamen，China［J］.Internation journal of Chimatology，2012，10(19):1～6.

［7］ Huete A R.A soil－adjusted vegetation Index(SAVI)［J］.Remote Sensing of Environment，1988，3(25):295～309.

［8］ Han－Qiu X.Extraction of urban built－up land features from Landsat imagery using a thematic－oriented index combination technique［J］.Photogrammetric Engineering and Remote Sensing，2007，12(73):1381～1392.

［9］ Martin A，Boutin J，Hauser D.Remote sensing of sea surface salinity from CAROLS L－band radiometer in the Gulf of Biscay［J］.Geoscience and Remote Sensing，IEEE Transactions on，2012，5(50):1703～1715.

［10］ Reiche M，F(xiàn)unk R，Zhang Z.Application of satellite remote sensing for mapping wind erosion risk and dust emissiondeposition in Inner Mongolia grassland，China［J］.Grassland Science，2012，1(58):8～19.

［11］ Varshney A.Improved NDBI differencing algorithm for built－up regions change detection from remote－sensing data: an automated approach［J］.Remote Sensing Letters，2013，5 (4):504～512.

［12］ Pan JH，Li X X，WangW G.Mariculture Zones Extraction Using NDWIand NDVI［J］.Advanced Materials Research，2013(659):153～155.

［13］ Liu Y.Why NDWI threshold varies in delineating water body from multitemporal images［C］.2012.