摘 要

城市建成區面積的變化可以用來體現城市的發展水平，我們利用DMSP/OLS夜間燈光數據和Landsat數據的結合提取了鄭州市建成區面積，并進行20年時空特征變化分析，研究有利于輔助城市建設規劃，有利于加強建設城市的基礎設施和提高已被開發土地的利用率，通過合理分配和利用進一步提高資源利用率，從而大大減少了城市的管理成本。首先對Landsat TM影像的預處理運用envi軟件里的大氣校正，輻射定標，幾何校正三個步驟，DMSP/OLS夜間燈光數據的預處理的原理是運用相互校正；然后，采用監督分類法提取城市建成區面積，利用經驗法來確定夜間照明數據的最優閾值，提取建筑面積的近似范圍。然后，根據兩個建成區的重疊和交叉分析數據，確定建成區的最終范圍；最后對提取的建成區進行變化特征分析，從形態分析，重心坐標，重力分布情況，重力移動過程模型對五個年份的建成區結果進行綜合分析。分析結果表明鄭州市建成區面積20年來面積增加了近308.94%。

關鍵詞：鄭州市，建成區；城市擴張；夜間燈光數據；Landsat；DMSP/OLS

1 引言

城市建成區的空間擴張程度是衡量城市化水平的主要因素，準確獲取城市建成區時序變化信息有助于認識城市化進程、分析城市發展驅動因素，更好地協調城鄉發展[1]。

城市建成區不僅是表示人類活動最頻繁的地區， 而且也是認識和研究城市的重要基礎信息。 我國自改革開放以來，特別是近十幾年來，城市地區擴張迅速，建成區信息的提取是準確把握城市發展動態、 研究城市發展規律的重要基礎。城市化水平的變化可以通過建成區的空間擴張來得以反映,城市建成區時間序列變化信息有利于是我們了解城市化進程，分析促進城市發展的因素，更好地平衡城鄉發展。遙感技術具有快速、非接觸和大面積獲取地表信息的優點，已被廣泛應用于城市建成區的提取研究中，本文利用國家地理條件監測平臺，獲得了夜光遙感數據。

本文以河南省鄭州市為例，利用陸地衛星遙感數據與DMSP夜光數據相結合的優點，提出了利用夜間遙感信息提取建成區輔助陸地衛星監測分類的方法。在一定程度上消除了耕地、裸地、小村莊等噪聲對建成區開采過程的影響，取得了1998年至2018年河南省鄭州市城市建設的成果。在此基礎上，探討了河南省鄭州市近20年來城市建成區的擴大與經濟發展的關系。

本設計試圖通過分析結果，輔助研究區的城市建設規劃，提高城市基礎設施和已開發土地的利用效率。同時考慮到現如今國家要求和新型城鎮化的持續發展，對加強城鄉統籌、促進經濟社會發展和實現共同富裕目標具有一定的積極作用

2 技術路線設計

本文結合Landsat數據和DMSP數據進行鄭州市建成區的提取，主要步驟如下：

(1)基于Landsat數據提取城市建成區

通過輻射定標、大氣校正和幾何校正對TM影像進行預處理。通過監督分類提取建成區，再進行平滑、聚類、圖像分割與合并，最終確定建成區。

(2)基于燈光數據提取建成區

采用照明數據校正和經驗法確定最佳閾值，劃分建筑面積和非建筑面積，確定建筑面積的一般范圍。

(3)結合兩種方法確定建成區

對兩種數據的建成區進行結合，提取最終的城市建成區。

(4)建成區動態變化特征分析

得到鄭州市各時間序列的建成區面積分布情況，完成了城市擴張的動態監測與分析。整個技術流程如圖1所示。?

圖1 主要技術流程

3 研究區域和數據來源

3.1 研究區概況

鄭州市處于我國黃河的中下游；氣候屬性是北溫帶大陸性季風氣候。截至2018年末，鄭州市包含6個市轄區、1個縣級市，總陸地面積為7446平方公里，城市建成區的面積為830.97平方公里，總人口500萬人，全年完成生產總值10143.3億元。

鄭州是中國重要的交通樞紐城市。我國僅有的一個國家級航空港經濟試驗區位于鄭州，而且我國的第一家期貨交易所也位于鄭州，同時鄭州也是中國自由貿易試驗區核心組成部分。以鄭州市作為研究對象，研究其城市擴張時空變化特征，確保城市形態均衡發展，輔助城市建設規劃，提高城市基礎設施和已開發土地的利用效率，合理分配和利用資源，進一步提高資源的利用效率，減低城市管理成本。同時，考慮到當前國家要求，新城鎮化可持續發展，加強城鄉協調，促進經濟社會發展，實現共同繁榮。如下圖市鄭州市研究區區位圖。

??

圖4?分類后處理前后對比圖

??

圖5 分割與合并選取建成區

4.2 基于夜間燈光數據的建成區提取

城市建成區是指城市的行政區域內實際上已經連片開發建設、市政基礎設施與公共設施基本具備的地區，一般而言也是城市經濟發展的中心區域。通常而言，燈光強度越高的地方，城鎮建成區的可能性就越高。DMSP/OLS夜間燈光影像對人口聚集區夜晚經濟活動敏感，具備準確識別城市建成區的能力．假設夜間燈光影像上DN值較高的區域是城市建成區，對于某個特定區域或城市存在一個最佳閾值 來描述城市建成區的輪廓．由于夜間燈光影像中高DN值的像元聚集并且DN值有從城市中心向邊緣降低的趨勢，采用重采樣的方法尋找最接近城市建成區輪廓的閾值[8,14]。分析城市空間形態的變化是研究區域城市化進程的有效方法。以1998-2018年《鄭州統計年鑒》中的建成區面積作為輔助，確定每一年的最佳閾值，以獲取燈光數據所對應的建成區數據。

4.2.1 燈光數據預處理

旨在減少城市中心過飽度對建成區提取的負面影響。

投影轉換

為了避免投影畸變對像素面積的影響，在Arcmap中將投影轉換為albers等面積投影。

（2）燈光數據校正

由于DMSP-OLS夜光數據中同一傳感器采集的不同年份數據的異常波動，以及衛星衰退和不同傳感器的檢測性能不同，不同傳感器在不同年份采集的圖像數據是不連續的，同一年是不一致的等等，需要在傳感器之間前進行相互更正。參考Elvidge等[9]校正全球夜間燈光數據時采用的方法，建立一元二次回歸模型及回歸擬合確定的參數a、b、c以及DN值轉換方程對數據源進行轉換。

DN'=a*DN2。+b*DN。+c

關系式中，DN'表示的是校正前燈光的灰度值，DN表示的是校正后燈光的灰度值；a、b、c為回歸系數。

換方程如下： 參數a、b、c及其轉換關系表：

表1 ?多傳感器影像DN值校正的回歸模型參數

數據集 ???????????a ?????????????????b ??????????????????c

F15-F16 ??????-0.001447 ????????????1.091 ???????????????0.913 F15-F14 ??????-0.003 202 ????????????1.093 ??????????????1.766 F14-F12 ???????0.003 413 ????????????0.628 ??????????????2.717 F12-F10 ???????0.001 906 ????????????0.832 ??????????????0.886 F16-F18 ???????0.004 262 ????????????0.673 ??????????????0.766

??

圖6?校正前后圖

4.2.2最佳閾值確定(經驗閾值法)

研究者根據?DM SP/O LS 夜間燈光數據的特點和前人所做的研究 ,結合實際經驗,人為給定一個分割閾值。Milesi在對美國阿拉巴馬 、弗羅里達 、佐治亞和密西西比等地區的城市區域進行研究之后,認為?50 的灰度值作為分割閾值具有更高的精度。本文據此以灰度值?50?作為經驗閾值法的分割閾值[1,13]。利用Arcmap中的重分類工具對燈光數據進行重分類，在Arcmap中加載TM提取的建成區矢量圖，打開重分類屬性表人工提取出最佳閾值θ，然后利用柵格計算器的CON計算大于θ的像元值，再利用重分類工具確定唯一值，再利用柵格轉面并重采樣到30m。

??

圖8?2008年相交建成區提取結果???????????????????????????????????????

4.3綜合兩種方法的時間序列建成區提取?

圖9?各年份相交建成區提取結果

5 城市建成區時空變化特征提取與分析

5.1 建成區面積增長與擴張測度

（1）城市面積年增長率

城市面積年增長率( annual growth rate，AGR)?表達出城市在某一時間內的面積變動情況，計算公式為：

AGR=100*((UEend /UEstart)(1/d)-1)

式中：UEstart為初始年份的建筑面積，UEend為末尾年份的建筑面積，d為以年為單位的研究時間跨度。

1998- 2003年之間，鄭州市發展緩慢，2003-2008卻迎來了轉折點，出現了爆發式增長，鄭州東進北擴，面積增加顯著。2006年之后的階段,城區面積雖然增長但是速率卻有所下降。

圖10 ?城市面積年增長率（AGR）

（2）城區擴展速率
城市擴張率是研究城市在一定時期內土地擴張率的一種方法，它反映了城市建成區土地在一定時期內的數量變化。計算公式如下：

Ks=[(Ub-Ua)/Ua]*T*100%

Ub表示的是研究末期城市建設用地面積，Ua表示研究初期城市建設用地面積，T為研究期。

從圖中可以看到，2008-2018這十年雖然城區擴展速率相比于上一階段下降很多，但是整個中心城區又在原來的基礎上有所增加，在后來的十年中擴展速率并沒有那么明顯。鄭州在二十一世紀才迎來了迅猛發展，城市有了較大變化，這與政府的政策傾斜，資源和地理位置有著較大的關系。

圖11城區擴展速率（KS）

（3）疊加陸地衛星圖像和光照數據提取城市建成區，得到鄭州市1998-2018年城市建成區分布序列（如下）。不同時期的建成區以不同的顏色顯示，可以清楚地看到城市建成區對外擴張的時間點和方向。

圖12 城市建成區擴張監測

5.2 建成區形態特征變化分析

（1）城市形態的分形維數

建設用地特征的變動是城市發展過程中空間布局和結構變化的綜合體現。分形維數用于刻畫自然界不規則的、不穩定的并具有高度復雜結構的現象[10-14]。城市擴展的形態特征和變化過程可以通過城市擴展分形維數來揭示，其公式為：

D(n)=2*In(P(n)/4)/In(A(n))

公式中，分形位數用D（n）來表示，研究區周長用P（n）表示，A（n）是研究區面積，n為研究期；

當D低于1的時，D的范圍是1~2之間時，形態越復雜數值越大。當D大于1的時侯，圖像趨于簡單，當D>1.5時，則圖像更為繁雜。分形維數約簡是城市整潔有序、土地利用緊湊、經濟的發展趨勢。而造成鄭州市建成區的分形維數的原因是，鄭州市城鄉規劃局于2009年成立，所以2009年以前，鄭州市建成區自然發展，城區邊界復雜，2009年以后建成區規劃后發展，故趨于規則整齊。

圖13 城市形態的分形維數

（2）緊湊度指數

城市外部輪廓形狀的緊湊度普遍被認為是反映空間特征的一個非常重要的概念，其計算公式為：

公式中，C指城市緊湊度，城市占地用A表示，P為城市輪廓邊長。圓通常被認為是最緊湊的形狀，而圓的緊密度被作為一種度量。緊湊度值越高，則外形越帶有緊湊性；反之形狀的緊湊性越差。壓實度指數的不斷提升指出，鄭州市建成區的壓實度獲得了提升，有助于大大縮短市區內不同地區之間的距離，從而進一步提高城市基礎設施和發達土地的利用效率，進一步提高城市綠地的利用效率，降低城市管理成本。

圖14 緊湊度指數

5.3 建成區重心轉移分析

重心的概念源自物理學，也稱平均中心。通過計算重心及其遷移軌跡，可以明確經濟發展的空間差異以及動態變化特征。計算如下所示。

式中：`Xt和`Yt分別為第t年經濟重心的橫坐標和縱坐標；`Iti表示第t年第i個格網單元的燈光值；`Xti`和`Yti ?分別為第t年第i個格網單元的橫坐標和縱坐標。

結果顯示1998年到2003年，鄭州市主城區重心整體上向東南方向移動，重心的轉移伴隨著新密市和新鄭市的擴張，二七區和南三環的發展；2003年到2008年間，建成區重心持續向北偏西方向移動，重心伴隨著金水區的擴張和龍子湖的發展方向移動；2008年到2018年城市重心持續向南偏東移動，重心伴隨著惠濟區的擴張向南偏東方向移動。

表2 ?建成區各年份重心坐標表

圖15 ?建成區重心分布圖

圖16 1998年至2018年重心轉移過程

6 結論

本設計借助Landsat影像數據易于獲取的優勢，結合DMSP夜間燈光數據對城市夜晚經濟活動敏感的特征，對鄭州市1998年-2018年的建成區空間分布動態進行了長時序的監測與分析，得到如下結論：

（1）從研究的方法上來看，本文綜合Landsat遙感影像和燈光數據提取建成區方法可靠，設計的技術思路和路線可以很好的為城市擴張研究給予參考與借鑒。

（2）從研究結果來看，在1998年到2018年的20年間鄭州市建成區的擴張從高速發展變為平穩發展，嚴格按照鄭州市城市總體規劃進行著城市的更新與發展，減緩趨勢亦符合大中城市的發展趨勢。鄭州近二十年一直在拉大版圖與向外擴充。隨著中原經濟區獲國家批準后，鄭州更加突飛猛進，新東站通車后大大加大鄭州的區位地理優勢，也對主城區的擴展起了推動作用。

參考文獻

[1]王若曦,李建,李熙,陳曉玲.DMSP夜間燈光數據與Landsat數據結合的建成區提取研究——以江西省為例[J].華中師范大學學報(自然科學版),2018,52(01):130-136+146.

[2]郭晗.珞珈一號科學試驗衛星[J].衛星應用,2018(07):70.

[3]楊存建,周成虎.TM影像的居民地信息提取方法研究[J].遙感學報,2000(02):146-150+166.

[4]徐涵秋.基于譜間特征和歸一化指數分析的城市建筑用地信息提取[J].地理研究,2005

(02):311-320+324.

[5]申文明,王文杰,羅海江,張峰,劉小曼,熊文成.基于決策樹分類技術的遙感影像分類方法研究[J].遙感技術與應用,2007(03):333-338.

[6]黃璐,楊英寶,朱琴.基于DMSP/OLS數據的南京市建成區擴展研究[J].地理空間信息,2018,16(01):94-97+9.

[7]劉佳,辛鑫,劉斌,邸凱昌,岳宗玉,王承安.基于DMSP/OLS夜間燈光影像的2000—2013年鄂爾多斯市城市擴張遙感制圖與驅動因子分析[J].國土資源遙感,2018,30(01):166-172.

[8]鐘洋,林愛文,胡碧松,鞠民.基于DMSP-OLS夜間燈光數據的長江經濟帶城鎮體系空間格局演變(1992～2013)[J].長江流域資源與環境,2018,27(10):2162-2171.

[9] Elvidge C D, Ziskin D E, Baugh K, et al. A fifteen year record of global natural gas flaring derived from satellite data.Energies, 2009, 2(3): 595-622.

[10]王云菲. 基于DMSP/OLS夜間燈光遙感數據的中國西南地區城市化研究[D].云南大學,2016.
[11]杜鶴娟.基于遙感影像的拉薩市建成區時空擴展特征分析(1990-2015)[J].內蒙古科技與經濟,2018(14):62-64.

[12]李佳雯. 基于NPP/VIIS夜間燈光數據的長三角人口空間化研究[A]. 中國氣象學會.第35屆中國氣象學會年會 S21 衛星氣象與生態遙感[C].中國氣象學會:中國氣象學會,2018:1.

[13]陳星星.基于夜間燈光數據的武漢市城鎮用地擴張識別與空間分布特征研究[J].西南師范大學學報(自然科學版),2019,44(01):70-78.

[14]龍玉清,陳彥光.基于燈光數據的京津冀城市多標度異速分析[J].地理科學進展,2019,38(01):88-100.

[15]江威,何國金,劉慧嬋,倪愿.利用DMSP/OLS夜間燈光影像模擬中國經濟參量[J].遙感信息,2018,33(01):29-35.

總結

以上是生活随笔為你收集整理的郑州市城市建成区20年时空变化特征提取与分析的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。