邢著榮 趙青 高強 賈小鳳 史娟 王光業(yè) 賈騰飛

摘要：伴隨社會經(jīng)濟的迅速發(fā)展和人口的快速增長，城市擴張的速度明顯加快，快速獲取城市的擴張變化，對城市的可持續(xù)發(fā)展規(guī)劃意義重大。遙感技術(shù)能夠快速、準確地獲取城市用地的位置、狀態(tài)、數(shù)量等信息，成為監(jiān)測用地擴張的主要技術(shù)手段。該文首先介紹了城市化進程及其影響，進而分析了城市擴張監(jiān)測的重要性及遙感技術(shù)監(jiān)測的必要性，對國內(nèi)外城市擴張遙感監(jiān)測示例進行說明，重點敘述了城市擴張遙感監(jiān)測的主要方法及其優(yōu)缺點，最后對城市擴張監(jiān)測的發(fā)展趨勢進行了展望。

關鍵詞：城區(qū)擴張 ?衛(wèi)星遙感 ?變化監(jiān)測 ?分類

中圖分類號：TP751 ? ? ? ? ? ?文獻標識碼：A 文章編號：1674-098X（2015）10（c）-0042-02

城市化是指人口向城市和郊區(qū)集中的過程，隨著經(jīng)濟的發(fā)展和人口的不斷增長，城市化步伐日益加快，成為中國經(jīng)濟社會發(fā)展的主要推動力，與此同時也使得城區(qū)用地規(guī)模迅速擴張，造成土地利用現(xiàn)狀發(fā)生變化，對生態(tài)環(huán)境產(chǎn)生巨大的影響[1]。

及時了解城市發(fā)展信息，客觀分析城市擴張及驅(qū)動力，對科學合理指導城市規(guī)劃、保護有限的土地資源具有非常重要的意義。

近年來，隨著遙感技術(shù)、空間定位技術(shù)、計算機技術(shù)等的發(fā)展，在數(shù)據(jù)采集、處理、分析、應用等方面日趨先進，可以滿足對土地資源實行“快、高、新、動”（即快速、高技術(shù)、新信息源、動態(tài)研究） 監(jiān)測的要求。

1 國內(nèi)外研究現(xiàn)狀

國外研究起步較早，如R.Welch通過對TM影像假彩色合成圖像進行目視解譯，提取城市的建成區(qū)面積，并分析了面積與人口的關系;J.G.Masek等利用Landsat影像和MSS影像，研究了華盛頓地區(qū)的城市擴張動態(tài)變化[2]。

國內(nèi)從80年代后期開始研究，如陳本清、徐涵秋研究了廈門市1989～2000年間城市空間擴展規(guī)律;李愛民以遙感影像為基礎，借助GIS技術(shù)分析了河南鄭州8年間建成區(qū)擴展的時空特征及與人口增長之間的關系[3]。陳淑興等以山東濟南市為例，采用監(jiān)督分類方法提取城市5年期間的擴展情況[4]。

2 城市擴張遙感監(jiān)測研究方法

2.1 遙感影像解譯法

2.1.1目視解譯

主要是對影像進行識別，確定影像上物體的屬性、特征等信息。該方法基于解譯者的先驗知識和經(jīng)驗，判讀精度較高，但具體實施相對較繁瑣，效率不高。魏斌通過目視解譯，提取了青島市轄區(qū)2002、2006、2010、2013年TM影像的土地利用類型圖，研究城市空間擴展變化[1];

2.1.2計算機解譯

計算機解譯基于計算機系統(tǒng)，結(jié)合遙感影像與知識庫中地物的解譯經(jīng)驗和地物成像規(guī)律，完成對圖像的分析和理解。具體方法分為監(jiān)督分類、非監(jiān)督分類、決策樹等方法。

（1）監(jiān)督分類。

監(jiān)督分類又稱訓練分類法，事先要有已知地物的先驗知識，根據(jù)先驗知識選擇訓練樣本，

利用計算機統(tǒng)計每種訓練樣本，然后比較未知像元和訓練樣本，進而劃分未知像元。具體的監(jiān)督分類方法有最大似然法、最小距離法、平行六面體法、馬氏距離法等。

（2）非監(jiān)督分類法。

非監(jiān)督分類法是以集群為理論基礎，事先沒有已知類別的先驗知識，根據(jù)圖像本身的統(tǒng)計特征及地物的分布來劃分地物類別，分類后的地物類別屬性需經(jīng)野外調(diào)查才能確定，屬于邊學習邊分類。該方法的優(yōu)點是分類依據(jù)為像元波譜間的相似程度，不需要豐富的先驗知識。缺點是基于光譜容易造成錯分或漏分。

（3）其它分類方法。

決策樹分類法和人工神經(jīng)網(wǎng)絡分類法，其中決策樹（Decision tree）是通過對訓練樣本進行學習生成決策規(guī)則，然后基于決策規(guī)則對影像數(shù)據(jù)進行分類的一種方法?；舅枷胧怯靡唤M變量來預測每個樣本屬于哪種類型的概率，通過決策樹學習，對遙感數(shù)據(jù)進行進行逐級細分的分類方法。目前該方法已廣泛應用于各種遙感影像信息提取和土地利用/土地覆蓋分類中，同時在城市信息提取中得到的廣泛應用。該方法的優(yōu)點是：決策樹規(guī)則結(jié)構(gòu)簡單、易于理解、計算效率高，可排除訓練樣本存在噪聲使得分類精度降低的問題。

人工神經(jīng)網(wǎng)絡（Artificial Neural Networks，簡稱ANN）基于生物原理數(shù)學模型，通過對人腦神經(jīng)系統(tǒng)結(jié)構(gòu)與功能的模擬進行信息處理，該方法基于數(shù)學距離度量，通過對網(wǎng)絡用某種模式進行訓練來獲得知識。目前基于神經(jīng)網(wǎng)絡技術(shù)的遙感圖像分類方法在土地覆蓋、作物分類等方面開展了大量研究，效果顯著。

2.2 影像計算法

影像計算是指影像之間的數(shù)學運算，常用的有差值法和比值法，是對不同年代、相近時相的影像進行幾何校正后，用新的遙感影像的某波段像元，減去或除以舊年份的影像對應波段的相應像元。

當?shù)匚镱愋臀醋兓瘯r，影像色調(diào)與紋理表現(xiàn)正常;當?shù)匚镱愋桶l(fā)生變化時，影像色調(diào)與紋理表現(xiàn)較為突兀不同，與周圍的地物不協(xié)調(diào)，由此判斷變化信息，進而評價分析。

影像計算法操作簡單，具有一定的應用價值，但該方法對數(shù)據(jù)源的要求較嚴格，季相差異會造成同物異譜現(xiàn)象，影響監(jiān)測精度。

2.3 指數(shù)法

2.3.1歸一化建筑指數(shù)法

歸一化建筑指數(shù)（normalized difference built-up index，簡稱NDBI指數(shù)）指根據(jù)建筑用地在短紅外波段的反射率比近紅外波段的大而建立的。具體表達式為NDBI=（TM5-TM4）/（TM5+TM），在近紅外與短波紅外波段，城鎮(zhèn)亮度值較，其他地類亮度值較小，因此影像上NDBI大于0的區(qū)域應為城鎮(zhèn)。

該方法計算、應用都相對較簡單，但由于建筑物在近紅外與短波紅外的光譜特性與裸地、灌木叢相似，因而單純以NDBI大于0來提取建筑用地信息，常?；煊衅渌匚镄畔?，需結(jié)合其他方法提高建筑用地的提取精度。

2.3.2三指數(shù)合成法

鑒于NDBI的缺點，一些學者提出了與其他指數(shù)波段假彩色合成，提取城市用地信息的方法，稱為三指數(shù)合成法。

三指數(shù)合成法的原理是：將城市用地類型分為建設用地、植被和水體三大類，分別構(gòu)建三個遙感指數(shù)，代表三個地類。三個指數(shù)影像假彩色合成后得到三波段合成影像。由此減少了數(shù)據(jù)的相關性和冗余度，降低了不同地類的光譜混淆度，地物可分性較好。

2.4 主成分分析法

主成分分析法是對不同時相的數(shù)據(jù)做主分量變換，變換后有用的信息集中于前幾個波段，壓縮數(shù)據(jù)并突出主要的信息，進而從中提取變化信息。主成分分析法主要包括多波段主成分變換、主成分差異法和差異主成分法。

由于多波段影像數(shù)據(jù)間存在相關性，通過主成分變換可以將原來多波段中的有用信息集中到盡可能少的成分中，并使數(shù)據(jù)的方差達到最大，達到突出主要信息和壓縮數(shù)據(jù)的目的，便于信息的提取。燕琴等將1米分辨率的多光譜IKONOS影像和全色SPOT影像疊加作主分量變換 ，然后選取適宜的特征分量進行假彩色合成，進而生成光譜特征變異影像以突出變化信息。

2.5 光譜特征變異法

該方法又稱為影像融合法，指通過對兩個不同時相的數(shù)據(jù)融合發(fā)現(xiàn)變化特征。融合后不同時相影像在相同位置上相同目標會反映出相似的光譜特征，不同地物會有不同的光譜特征，從而監(jiān)測變化。該方法只有融合時相相近的遙感影像才能準確的判斷出變化區(qū)域，對于不同季相的影像，相同地物的光譜特征差異會出現(xiàn)監(jiān)測誤差。

2.6 其它方法

不同學者針對城區(qū)擴展的變化監(jiān)測進行了多種方法的嘗試，包括利用統(tǒng)計學、建立數(shù)學模型等，交叉學科的加入使得動態(tài)監(jiān)測技術(shù)更加完善與日趨成熟，遙感技術(shù)與多學科的融會是遙感科學發(fā)展的必然趨勢。

3 結(jié)語

科學、合理、準確的監(jiān)測城市擴展情況，可以有效引導城市的空間擴展，合理調(diào)控城市發(fā)展規(guī)模，為城市的合理規(guī)劃、城市科學經(jīng)營管理提供科學依據(jù)。

該文對基于遙感影像進行城市邊界信息提取的方法進行了歸納總結(jié)，城區(qū)擴張的監(jiān)測方法很多，每種方法都有各自的優(yōu)缺點，具體采用何種方法，往往會受到遙感數(shù)據(jù)、研究區(qū)域、城區(qū)特點等多因素制約，目前沒有一個既定標準，在具體分析時，需結(jié)合已有數(shù)據(jù)資料、研究地區(qū)等通過實踐進行檢驗。

參考文獻

[1] 魏斌.基于GIS與RS的城市空間擴展研究分析—以青島市為例[D].煙臺：魯東大學，2014.

[2] G Masek J，Goward S N，Lindsay F E.Dynamics of urban growth in the Washington DC Metropolitan area，1973-96，from Spacesat observation[J].International Journal of Remote Sensing，2000（18）：3473-3475.

[3] 李愛民，劉杉，呂安民.基于衛(wèi)星遙感影像的鄭州市建成區(qū)擴展變化研究[D].鄭州大學學報，2011，32（2）：125-128.

[4] 陳淑興，韓波，柯長青，等.濟南市建成區(qū)擴展的時空特征及驅(qū)動力分析[J].地理空間信息，2009，7（5），117-120.