POI和植被修正的夜間燈光城市指數提取建成區的研究

楊聞新

(江西理工大學 土木與測繪工程學院，江西 贛州 341000)

城市建成區[1]是指城市行政區內實際已成片開發建設，市政公用設施和公共設施基本具備的區域。準確提取城市建成區的范圍對監測城市發展和規劃城市布局有著重要的意義。有研究者基于傳統遙感影像提出歸一化差分建成區指數(Normalized Difference Build-up Index，NDBI)[2]、指數型建成區指數(Index-based Build-up Index，IBI)[3]、修正的歸一化差分建成區指數(Modified Normalized Difference Built-up Index，MNDBI)[4]等用于建成區的提取。但這些指數提取的建成區大都存在建成區和裸土混淆的問題?；谝归g燈光影像和植被指數LU等人[5]提出了人類住區指數(Human Settlement Index，HSI)；ZHANG等人[6]提出了基于植被修正的夜間燈光指數(Vegetation Adjusted NTL Urban Index，VANUI)。VANUI指數避免了植被的誤提取，但也增大了水體反射率[7]，容易造成建成區和水體的混合提取。隨著POI(Point of Interest)大數據的出現，有學者[8-9]驗證了夜間燈光數據和 POI 數據之間具有正相關關系。之后有研究者[10]將POI數據用于建成區的提取，但精度不高；也有研究者[11-12]將POI數據和遙感影像結合提取建成區，但是需要對提取結果進行二次加工，流程操作復雜。因此本文綜合三種數據的特點，將植被覆蓋數據和POI數據與夜間燈光數據相結合，提出一種POI數據和植被修正的夜間燈光城市指數(POI and Vegetation Adjusted NTL Urban Index，PVANUI)來降低燈光的溢出程度，從而提高建成區提取的精度。

1 實驗區域及數據來源與預處理

1.1 實驗區域

為了驗證PVANUI在不同發展程度地區的適用性，本文選擇區域發展水平不平衡的南京市作為實驗區域，如圖1所示。

圖1 南京市行政區劃圖

1.2 數據來源和預處理

1.2.1 數據來源

本文選擇2018年7月的NPP-VIIRS(Suomi National Polar-orbiting Partnership-Visible Infrared Imaging Radiometer Suite)影像作為原始數據。NPP-VIIRS影像來源于EOG(Earth Observation Group)，采用月度無云的DNB(Day/Night Band)波段合成數據。Landsat8 OLI影像數據來源于地理空間數據云平臺，分辨率為30 m。POI 數據通過高德地圖官方網站提供的應用程序編程接口(Application Programming Interface，API)進行爬取，總共采集679 564條數據。土地利用數據用于建成區提取結果精度評定，來源于中國科學院資源環境科學與數據中心。南京市建成區面積統計數據用于閾值法提取建成區的輔助數據，來源于《南京統計年鑒2019》[13]。

1.2.2 數據預處理

首先將研究數據的坐標系都轉換成WGS84坐標系，對影像進行裁剪、輻射校正。采用中值濾波-中低閾值法[14]對燈光影像進行去噪，然后影像值進行歸一化。將處理后的數據都投影轉換至通用橫軸墨卡托投影(UTM投影)，利用雙線性插值法進行重采樣至50 m空間分辨率。

2 研究方法

本文首先對Landsat8影像、夜間燈光影像、POI數據進行處理，然后根據歸一化植被指數(NDVI)、POI核密度值與夜間燈光影像(NTL)輻射值之間的關系構造出一種新的指數(PVANUI)；其次，基于原始NPP-VIIRS、經VANUI修正的NPP-VIIRS、經PVANUI修正的NPP-VIIRS利用閾值法[15-17]提取出3種城市建成區；然后將提取的建成區結果與參考建成區進行疊加比較，計算其重疊面積和精度評價指標；最后對比分析3種建成區提取結果的精度。技術流程如圖2所示。

2.1 構建PVANUI指數

2.1.1 植被修正的夜間燈光城市指數(VANUI)

已有研究者[6]根據夜間燈光分布和植被覆蓋的反向關系提出植被修正的夜間燈光城市指數(VANUI)。城市建成區內的VANUI值較大，接近1，而植被豐富的地區的VANUI值較低，接近0。VANUI公式如下：

VANUI=(1-NDVI)×NTL

(1)

圖2 技術流程圖

式中，NTL為夜間燈光影像歸一化輻射值；NDVI為歸一化植被指數。

VANUI能降低燈光在植被覆蓋區的溢出程度，但是在建成區外的非植被地區(如農業用地、道路和裸土)燈光溢出現象仍然存在。興趣點(POI)數據帶有位置和屬性信息，集中分布在建成區內部，在城市中心更加聚集，但在非建成區分布極少[10]。利用這一特點可以將POI數據與VANUI結合起來，構造一種POI和Vegetation修正的夜間燈光城市指數(PVANUI)。POI是帶有坐標的位置點數據，無法直接參與計算，需要對其進行核密度估計[18]，計算出核密度值，POI核密度值計算結果如圖3所示。

圖3 POI核密度值計算結果

2.1.2 POI和Vegetation修正的夜間燈光城市指數(PVANUI)

采用可以降低極端值影響的幾何平均值法建立PVANUI。PVANUI公式如下：

(2)

式中，VANUI為植被修正的夜間燈光城市指數；POI核為POI核密度值。

經過PVANUI修正前后燈光影像圖如圖4(a)、(b)所示。

圖4 PVANUI修正前后燈光影像圖

由圖4(a)、(b)可知，經過PVANUI處理后的影像燈光飽和度明顯降低，不發達的非主城區(高淳區)的燈光亮度信息得到了修正。

2.2 建成區提取結果精度評價

采用統計學分類指標[19]查全率、查準率和 F1 分數對提取的建成區進行定量評價，其中，查全率、查準率都以提取的建成區與參考建成區重合面積為分子，分別以提取建成區的面積、參考建成區的面積為分母。F1 分數是查全率和查準率的調和平均值。

3 實驗結果及分析

3.1 實驗結果

采用閾值法基于NPP-VIIRS、VANUI、PVANUI提取出南京市建成區，閾值分別為：0.141 42、0.092 83、0.002 55。提取的建成區結果與參考建成區疊加顯示如圖5所示。統計學指標計算結果如表1所示。

圖5 建成區提取結果與參考建成區疊加顯示圖

表1 統計學指標計算結果

3.2 對比分析NPP-VIIRS與VANUI、PVANUI提取建成區結果

(1)由圖5可知，僅利用NPP-VIIRS和經VANUI修正的NPP-VIIRS提取的建成區都存在以下問題：在南京市溧水區和主城區邊緣，存在很多誤提取的部分，在高淳區、六合區存在嚴重的漏提??；在主城區內部，經VANUI修正的影像提取的建成區存在很多孔洞。經PVANUI修正的NPP-VIIRS提取的建成區更加完整準確，與參考建成區更加接近。

(2)從統計學指標上可以看出，利用PVANUI提取的建成區主城區的查全率、查準率、F1分數比僅利用NPP-VIIRS提取的大0.03。利用PVANUI提取的建成區非主城區的查全率、查準率、F1分數比僅利用NPP-VIIRS影像提取的大0.04，這說明PVANUI提高了NPP-VIIRS影像提取非主城區等不發達地區的建成區的準確度。

4 討論及結論

本文針對僅利用夜間燈光影像提取建成區精度不高的問題，提出基于POI和Vegetation修正的夜間燈光城市指數(PVANUI)提取建成區，得到以下結論：

(1)與VANUI相比，PVANUI更能降低燈光溢出程度，增加提取的建成區連續性，豐富提取的建成區的內部信息。

(2)PVANUI能有效修正夜間燈光亮度信息，提高建成區提取的精度，適用于不同經濟發展程度的地區。

本文所提出PVANUI僅考慮了植被和POI密度分布與建成區的關系，在以后的研究工作中有必要引入更多相關數據，如PM2.5數據、人口密度數據等。