張燊+楊巖

摘要：以高分二號(hào)（GF-2）影像為數(shù)據(jù)源，選取南京市江北新區(qū)為主要研究區(qū)域，針對(duì)GF-2影像缺少中紅外波段的特性，對(duì)比研究了仿建筑用地指數(shù)（SIBI）和比值建筑指數(shù)（RBI）兩種建筑指數(shù)的構(gòu)建方法。通過(guò)兩組建筑用地提取實(shí)驗(yàn)，對(duì)比分析了利用兩種建筑指數(shù)提取南京市江北新區(qū)建筑用地的效果。結(jié)果表明，利用這兩種建筑指數(shù)均能有效增強(qiáng)影像中的建筑用地信息，其中RJ3I略優(yōu)于SIBI；但由于GF-2影像分辨率較高，僅利用光譜特征構(gòu)建的建筑指數(shù)難以區(qū)分建筑用地和道路、部分裸土，應(yīng)利用影像空間、紋理特征構(gòu)建建筑物指數(shù)。

關(guān)鍵詞：GF-2影像；建筑用地指數(shù)；建筑用地提取

引言：改革開(kāi)放之后，我國(guó)城鎮(zhèn)化進(jìn)程不斷加快，建筑用地也隨之急劇變化，及時(shí)準(zhǔn)確地監(jiān)測(cè)建筑用地的變化可以準(zhǔn)確掌握城市發(fā)展的狀態(tài)。利用遙感影像實(shí)現(xiàn)建筑用地提取已經(jīng)成為了主要的研究方向。其中，構(gòu)建建筑指數(shù)的提取方法自動(dòng)化程度高、人為干預(yù)小，成為當(dāng)前的研究熱點(diǎn)，已有不少學(xué)者陸續(xù)提出了不同的建筑指數(shù)。例如，查勇、楊山等建立了歸一化建筑指數(shù)（NDBI），徐涵秋提出利用指數(shù)波段來(lái)構(gòu)建建筑指數(shù)（IBI）吳志杰等構(gòu)建了“增強(qiáng)的指數(shù)型建筑用地指數(shù)（EIBI），等等。這些建筑指數(shù)均針對(duì)TM/ETM影像構(gòu)建。

由于高分二號(hào)（GF-2）衛(wèi)星影像與TM影像相比缺少短波紅外波段（即中紅外），因此前文提到的各建筑指數(shù)均不適用，針對(duì)GF-2影像進(jìn)行建筑用地提取的研究顯得十分必要。目前，針對(duì)GF-1影像，僅楊文軍等人提出了比值建筑用地指數(shù)（RBI）馬紅等構(gòu)建了仿建筑用地指數(shù)（SIBI），鑒于GF-2與GF-I衛(wèi)星波段設(shè)置相似，本文分別將這兩種方法用于GF-2影像中，通過(guò)進(jìn)行對(duì)比實(shí)驗(yàn)，分析比較兩種方法的適應(yīng)性，并提出改進(jìn)措施。

1建筑用地提取原理

1.1仿建筑用地指數(shù)（SIBI）

為了適用于高分影像，馬紅等構(gòu)建了仿建筑用地指數(shù)模型。該指數(shù)模型在徐涵秋提出的指數(shù)型建筑用地指數(shù)（IBI）的基礎(chǔ)上構(gòu)建和改進(jìn)。IBI由三個(gè)波段指數(shù)構(gòu)成，分別為改進(jìn)的歸一化水體指數(shù)（MNDWI）、歸一化土壤調(diào)節(jié)植被指數(shù)（SAVI）、歸一化建筑指數(shù)（NDBI），IBI表達(dá)式為：

MIR為多光譜影像的中紅外波段，NIR為近紅外波段，Green為綠光波段，Red紅光波段。

仿建筑用地指數(shù)借助軍事方面利用綠光波段和近紅外波段來(lái)區(qū)分植被與目標(biāo)物的方法，將近紅外波段和綠光波段分別代替中紅外光波段和近紅外波段，由此構(gòu)建SNDBI：

由于在地物的光譜曲線中可以看出水體在綠光波段到近紅外波段的反射率不斷下降，因此水體的仿歸一化建筑指數(shù)呈現(xiàn)負(fù)值，而在原本的歸一化建筑指數(shù)中，水體呈現(xiàn)正值，因此引入?yún)?shù)β進(jìn)行改進(jìn)。將SNDBI中小于β的值（即水體）賦值為1，其余（其他地物）不變。

而水體指數(shù)則直接采用歸一化水體指數(shù)NDWI，歸一化土壤調(diào)節(jié)植被指數(shù)（SAVI）保持不變，其中土壤調(diào)節(jié)因子a取0.5。

結(jié)合以上三者，仿歸一化建筑用地指數(shù)（SIBI）的計(jì)算表達(dá)式為

在高分遙感影像的SIBI影像中，建筑用地呈現(xiàn)正值，植被為負(fù)值，水體接近0，通過(guò)SIBI影像進(jìn)行閾值分割，可將建筑用地提取出來(lái)。

1.2比值建筑指數(shù)（RBI）

比值指數(shù)在構(gòu)建過(guò)程中，通過(guò)對(duì)圖像進(jìn)行纓帽變換（KT變換）來(lái)提取建筑物。選取與高分影像參數(shù)相近的IKNOROS影像的KT變換矩陣模型（由Home于2003年提出）對(duì)GF-2影像進(jìn)行變換。通過(guò)分析KT變換后各地物的主成分分量值，進(jìn)行構(gòu)建筑指數(shù)。

分析KT變化矩陣，結(jié)合光譜曲線圖，可以發(fā)現(xiàn)建筑用地在KTl分量與KT2分量的變化差值遠(yuǎn)遠(yuǎn)大于其他地物，水體呈現(xiàn)負(fù)值，植被趨近于1，因此構(gòu)建比值建筑指數(shù)；

利用比值指數(shù)進(jìn)行圖像增強(qiáng)后，水體呈現(xiàn)負(fù)值，植被接近于1，建筑物和裸地呈現(xiàn)較大的正值，通過(guò)對(duì)RBI影像進(jìn)行閾值分割可提取建筑用地。

2城市建筑用地提取實(shí)驗(yàn)

2.1數(shù)據(jù)源及研究區(qū)概況

數(shù)據(jù)源選用GF-2衛(wèi)星的高分辨率影像。高分二號(hào)衛(wèi)星是我國(guó)自主研制的民用光學(xué)遙感衛(wèi)星，搭載有一臺(tái)高分辨率1米全色相機(jī)和一臺(tái)4米多光譜相機(jī)，衛(wèi)星綜合觀測(cè)效能處于世界先列。其影像波段參數(shù)如表1所示。

研究區(qū)域?yàn)槟暇┦薪毙聟^(qū)，江北新區(qū)地處長(zhǎng)江以北，占地面積2451平方千米，是東部沿海地區(qū)與長(zhǎng)江的經(jīng)濟(jì)交匯點(diǎn)。為便于分析與評(píng)價(jià)，在該研究區(qū)內(nèi)裁取一個(gè)實(shí)驗(yàn)區(qū)，如圖1（a）所示，其中紅色區(qū)域代表植被，藍(lán)色區(qū)域代表水體，綠色區(qū)域代表裸地，藍(lán)綠色和黃色區(qū)域代表建筑用地。

2.2實(shí)驗(yàn)結(jié)果與分析

構(gòu)建建筑指數(shù)的過(guò)程如下：①對(duì)影像進(jìn)行預(yù)處理（輻射校正、大氣改正）；②對(duì)原圖像進(jìn)行裁剪得到試驗(yàn)區(qū)；③構(gòu)建三個(gè)仿歸一化指數(shù)，按公式（3）計(jì)算仿歸一化建筑指數(shù)，得到SIBI影像，如圖2（a）所示；④對(duì)原圖像進(jìn)行KT變換，按公式（4）構(gòu)建RBI影像，如圖2（b）所示；⑤分別對(duì)SIBI圖像和RBI影像進(jìn)行閾值分割，提取建筑用地結(jié)果分別如圖2（c）、2（d）所示。對(duì)比圖l（a）、（b）、（c）可以看出，利用這兩種建筑指數(shù)均能將影像中大部分建筑用地提取出來(lái)，并且清楚的顯示出建筑用地的分布狀態(tài)與分布特點(diǎn)，可以用于城市效應(yīng)的分析。

3精度分析

為定量評(píng)價(jià)建筑用地提取精度，在圖1（a）實(shí)驗(yàn)區(qū)域中選取局部區(qū)域作為精度試驗(yàn)區(qū)進(jìn)行精度分析。該試驗(yàn)區(qū)云量影響小，含有建筑用地、道路、裸地、植被、水體5類地物，分別利用兩種建筑指數(shù)提取的結(jié)果如圖2所示。

通過(guò)分析提取結(jié)果發(fā)現(xiàn)，兩種建筑用地指數(shù)目視提取精度較高。SIBI指數(shù)在該區(qū)域中較好地分離了水體與建筑用地，但對(duì)裸地與建筑物的分離能力較弱；利用RBI指數(shù)提取的建筑用地效果要優(yōu)于SIBI指數(shù)，抑制了大部分的裸地信息。兩種方法的提取結(jié)果中均存在將道路錯(cuò)分成建筑用地的現(xiàn)象。針對(duì)兩種建筑指數(shù)對(duì)原圖像的建筑用地與非建筑用地隨機(jī)采樣，樣本數(shù)為21044，建立混淆矩陣，進(jìn)行精度檢驗(yàn)，通過(guò)建筑用地與非建筑用地的提取精度和圖像的總體精度進(jìn)行評(píng)判，精度的計(jì)算方法為：精度=正確分類的樣本數(shù)/樣本總數(shù)，結(jié)果如表2。從表中也可以看出利用RBI指數(shù)提取的結(jié)果更優(yōu)。

然而，由于高分二號(hào)影像具有較高的分辨率，僅利用光譜特征構(gòu)建的建筑指數(shù)進(jìn)行建筑用地提取，往往不能得到很高的精度，特別易將道路、裸土錯(cuò)分為建筑用地。為更好地提取高分辨率影像中的建筑用地，應(yīng)嘗試?yán)糜跋窨臻g、紋理特征構(gòu)建建筑物指數(shù)。

4總結(jié)與展望

高分影像中缺少中紅外波段增大了建筑用地提取難度，SIBI是對(duì)建筑指數(shù)IBI進(jìn)行改進(jìn)得到的建筑指數(shù)，RBI則通過(guò)對(duì)原圖像進(jìn)行KT變化來(lái)增強(qiáng)建筑區(qū)信息，兩者都可以對(duì)影像中建筑用地信息進(jìn)行增強(qiáng)，并能通過(guò)閾值分割將大部分建筑區(qū)提取出來(lái)，但精度遠(yuǎn)沒(méi)有達(dá)到應(yīng)用需求。通過(guò)利用南京江北新區(qū)高分二號(hào)影像進(jìn)行實(shí)驗(yàn)可以發(fā)現(xiàn)，僅僅根據(jù)光譜特征構(gòu)建的建筑指數(shù)已經(jīng)不再完全適用于高分辨遙感影像，針對(duì)高分辨率影像所含的豐富信息，結(jié)合空間、紋理特征等，對(duì)多種信息進(jìn)行綜合分析才是今后的研究方向。endprint