英语原文共 11 页，剩余内容已隐藏，支付完成后下载完整资料

利用1992-2008年的DMSP-OLS夜光数据提取中国城市扩张动态

摘要：及时准确的城市扩张动态信息对于解释城市扩张和生态系统的关系，优化土地利用格局，促进我国城市有效发展具有重要意义。来自美国国防气象卫星项目运营线扫描系统同（DMSP-OLS）的夜间稳定光数据提提供了一个新的信息来源，可以快速解释城市扩张的动态。然而，DMSP-OLS传感器没有机载标定，难以直接比较多颗卫星的时间序列数据。本研究针对我国1992-2008年多卫星夜间稳定灯光数据，提出了一种系统校正多卫星夜间稳定灯光数据的新方法，并在此基础上快速提取城市扩张动态。结果表明，该方法有效的减少了夜间稳定光数据的异常差异，提高了数据的连续性和可比性。提取1992-008年中国城市扩张动态平均总准确率为82.74%，平均Kappa为0.40。

1. 介绍

改革开放以来，中国经历了一个快速而大规模的城市扩张过程。中国的建成区面积从1981年的7438平方公里增加到2005年的32520.7平方公里，增加了3.37倍。这种快速的城市扩展导致了资源的耗损和一些环境和生态逻辑问题和灾难。这些问题对中国现代化建设产生了复杂的影响，引起了专家和研究人员的关注。获取准确、即使的城市扩张动态信息，对于明确城镇化的驱动力、评估城镇化的效果、促进中国城镇化的有效进程至关重要。

目前，两种主要类型的数据被用来获取关于中国城市扩张动态的信息。一是基于行政单位的社会经济统计数据。另一种是由Landsat专题之图仪（TM）图像表示的中、高分辨率遥感数据。Fang和Gu and Pang利用社会经济统计数据分析了中国城市化进程、城市空间格局和城市体系。Li and Yeh，Liu，Liu，Zhuang，Zhang，和Deng，and Tian利用终稿分辨率遥感数据研究了中国城市在不同空间尺度上的扩张过程。然而，社会经济统计数据缺乏足够的空间信息。此外，中高分辨率遥感数据受地理覆盖范围的限制；它们需要大量的人力和计算资源来提取全国一次性的城市信息。因此，这两种数据都难以在大空间尺度上获取多年的城市扩展信息。

美国国防气象卫星计划（DMSP）有一个可操作的线性扫描系统（OLS），这是提取城市在大空间尺度上扩张动态的一个新的数据源。该传感器可以利用弱光探测能力探测城市灯光、瓦斯火焰和夜间火灾。OLS传感器不同于基于反射的地面目标检测太阳辐射的特征，如Landsat TM，SPOT HRV和NOAA AVHRR。OLS传感器适用于检测的动态过程，城市扩张在大精简范围内由于其适当的空间和时间分辨率，这类似于NOAA AVHRR，DMSP-OLS夜间灯光数据中提取信息的被证明对全球，大洲以及国家规模上的城市扩张信息有价值。He等人利用夜光数据提取了1992年、1996年和1998年中国大陆的城市发展信息。从那时起，夜间灯光数据逐渐称为阐明中国城市扩张过程的首选源数据。Zhuo等人利用夜光数据分析了1992-998年中国城市扩张的类型，Du，Xie，Zeng，Shi 和Wu研究了城市扩张的过程在长江三角洲地区从1992年到2003年，Sun，Zhang 和 Wang估计黄淮海平原地区城市扩张的过程，从1992-2000年，Cao，Chen，Imura和Higashi提取了中国2000年25个城市的边界范围。

目前，国家地球物理数据中心（NGDC）自2000年以来发布了广泛使用的夜光数据，NGDC已经发布了几个版本的数据，极大地促进了这些数据的应用。2010年1月，NGDC发布了第4版DMSP-OLS夜间灯光时间序列数据集。该数据集中的文件是使用1992年至2009年内个DMSP卫星OLS钟所有可归档的一公里分辨率数据制作的无噪声年度复合数据。该数据集包括三种类型的数据：无云覆盖数据、进一步过滤夜间灯光数据、夜间稳定光（NSL）数据，在这三种类型的数据中NSL数据包括来自城市、城镇和其他具有持久照明的场所的灯，并排除短暂发生事件，如火灾。因此，NSL数据能够以1公里的分辨率快速评估全球城市扩张的动力。然而，从1992年到2008年，五颗卫星被用来生产NSL数据，而OLS传感器没有机载校准。此外，每一年，不用卫星获取的卫星数据没有严格的校准，不同的卫星数据会产生大量不稳定的光像元。由于缺乏连续性和可比性，这些数据不能直接用于提取全局和区域的扩张动态。

1. 数据

本研究使用VADNLTS数据集中1992-2008年的NSL数据，数据来源于NGDC网站，包括5颗DMSP卫星采集的数据：F10、F12、F14、F15、F1G。利用收集到的最高质量数据为每颗卫星只做了年度复合材料，使用了一些约束条件来隔离阳光、强光、月光、云层和极光的照明特征。像火灾这样短暂的事件也被排除了。在年度组合中，每个像素的数字序号（DN）值是来自城市、城镇和其他具有持久照明的场所额灯光的可见频带DN值的平均值。接下来，识别背景噪声并将其替换为零值。光照像素的数据范围为1-63。数据在30弧秒网络中，经度为-180度至180度，纬度为65至75”。在两个卫星都收集数据的情况下，会产生两个独立的组合模式。在获得1992-2008年全球NSL数据后，数据根据中国的行政区划提取数据，最后使用Landsat Azimuthal等面积投影法投影数据，为了方便计算重采样为1KM像素大小。

此外，1995年、2000年、2005年中国土地利用覆盖数据，空间分辨率均为1KM，数据来源于中国科学院资源环境数据中心。这些数据是通过对Landsat TM图像的可视化解释得到的。每个1公里的像素包含了每个土地利用覆盖类型的百分比，这些百分比来自于3000万像素。本研究将该数据集作为辅助数据。

社会经济统计数据来源于《中国统计年鉴2009》和《中国城市统计年鉴2006》。为了便于参考，本文列出了三个属性：城市人口、国内生产总值（GDP）和建成区。

1. 方法

如上所述，VADNLTS数据集中的NSL数据缺乏连续性和可比性。因此，不能直接用它们来提取中国城市扩张的动态，我们的初步数据分析发现了四个主要问题：（1）同一年不同卫星的DN值存在差异。例如，在1999年，卫星F12对于所有光照像素的平均DN值为9.82，而卫星F14对于所有光照像素的平均DN值为7.27。2008年，卫星F15获得的所有光照像素的平均DN值为16.64，而卫星F16得到的值仅为10.69。（2）同一颗卫星不同年份的DN值出现异常波动。例如，卫星F12的所有光照像素的平均DN值从1994年的10.51下降到1995年的8.62，卫星F15的所有光照像素的平均DN值从2007年的8.37上升到2008年的16.64。（3）同一年，两颗卫星的光像元数不同。例如，在1999年，来自卫星F14的照明像素总数为1,300,140，而来自卫星F12的照明像素总数为1,147,952（减少13.26%）。2008年，卫星F15的总像元数为931，404，而卫星F16的总像元数为1,706,611（多出83.23%）。（4）同一颗卫星的光照像元数在不同年份间出现了不正常的下降。例如，卫星F12的光像素总数减少了9.98%，从1998年的1,275.175，减少到1999年的1,147.952。卫星F15的光像素总数下降了44.67%，从2007年的1,168,270减少到2008年的931,404。这一现象并没有反映中国实际的城市发展过程，从1992年到2008年，中国的城市面积持续增长。上诉问题的主要原因是，NSL数据的DN值是DMSP-OLS每年在没有任何机载校准的情况下获得的存档数据的平均DN值。因此，NSL数据的DN值不能直接表示光的绝对亮度。而是光的相对亮度。NSL数据的DN值受传感器间差异、卫星间交叉时间差异和传感器退化的影响。这些银子导致同一年份两颗卫星的DN值存在差异，同一颗卫星不同年份的DN值出现异常波动。此外，来自城市周边地区和道路的不稳定光线导致两颗卫星在同一年的光照像素之间出现差异，而同一颗卫星在不同年份的照明像素数量异常减少。

为了提高NSL数据的连续性和可比性，我们开发了一种系统地校准数据的新方法。然后，在修正后的NSL数据和辅助数据的基础上， 我们开发了一种快速提取1992-2008年中国城市扩张动态的方法。该方法主要包括四个主要步骤：校准，年内合并，年际系列校正，信息提取。

3.1相互校准

相互校准的目的是提高1992-2008年期间中国NSL数据的可比性。Elvidge等人进行了全球NSL数据的相互校准。经过相互标定，有效降低了NSL数据集中DN值的离散度，但需要对NSL数据进行不同的相互标准。由于中国不同地区之间城市发展的巨大差异，需要NSL数据。因此我们根据Elvidge等人的方法，结合中国城市发展的世纪情况，对中国NSL数据进行了相互校准。首先，基于1992年至2008年中国主要城市GDP和建成率数据，分析了中国主要城市的社会经济特征。在此基础上，选择黑龙江省鸡西市作为校准区域，因为这个区域有相对稳定的社会经济发展和不同DN值的高度一致性。第二，我们选择来自卫星F16在2007年的参考数据集，因为它具有最高的累积DN值。第三，我们开发了一种二级系统。回归模型为每个卫星使用Eq（1）和经验系数通过比较来自2007年卫星F16的其他影像和参考数据的DN值。最后我们使用回归模型相互校准中国1992-2008年的的NSL数据。

DN_calibrated=a x DNsup2; b x DN c （1）

此处DN值是原始的DN值，DN_calibrated 相互校准的DN值，和a、b、和c是系数。

• 1. 年内合并

年度内组成的目标是充分利用同一年从两颗卫星获得的资料，并消除任何年度内不稳定的光像素。我们从1994年和1997-2008年VADLTS数据集中得到了两个NSL年度复合数据。为了充分利用NSL数据，我们使用两幅NSL图像的平均DN值，对这些年来的NSL数据进行了年度内合成。首先，我们检查了所有的光照相似，已确定这些像素是否是年度内不稳定的光照像素。光照像素定义为仅由一颗卫星检测到的年度内不稳定光像素。其次是年度复合材料。将年度内不稳定点亮像素的DN值替换为0，将年度内每个稳定点亮像素的DN值替换为当年NSL图像的平均DN值。这就产生了每年一次的合成。

DN_{n,l}= （2）

此处DN^a_（n,l）和DN^b _(n,l) 是从两个NSL数据第n年第i个光照像素的DN值。DNn为第n年环内复合数据第i个光照像素的DN值。

3.3年际系列校正

年际系列校正的目的是消除多年数据集的不一致性，校正连续光照像素的DN值，以保证使用NSL数据得到的城市扩张动态反映中国城市扩展的世纪进展。使用1公里的分辨，我们假设中国的城市区域会把不断向外扩张，随着时间的推移，像素会变得更亮。我们还假设在早起NSL图像中监测到的城市斑块不会在一年后消失。之前的研究表明，DN值越高的光照像素提取城市斑块的可能性越大。因此，我们进一步假设在早期NSL图像中监测到的光照像素应该在后期NSL图像中保持，并且在早期NSL图像中监测到的光照像素的DN值不应该大于在后期图像中监测到的光照像素DN值。考虑到中国在过去20年里前所未有的城市化进程。我们基于这些假设。首先，在多年数据集中对所有光照像素进行检测。如果在较早的NSL图像中检测到一个光照像素，但在交完的NSL中小时，则认为该光照像素为该年际不稳定光照像素。其次，将年际不稳定光照像元的DN值替换为0，对每个年际稳定光照像素的DN值进行校正，以保证其在早起NSL图像中的DN值不超过后期NSL图像中的DN值。

DN_{n,l}=

此处DN_{n-1,l},DN_{n,l}和DN_{{n 1,l}}都是NSL数据集中第N-1,N 1和N排，i列像素的DN值。

3.4城市信息提取

有几种方法可以从NSL图像中提取城市信息，包括经验技术，基于最佳阈值的探测方法和图像分类方法。在这些方法中国，具有辅助数据的阈值化技术因其简单以及相对较高的准确性和可靠性而得到了广泛的应用。因此，我们采用Henderson等人开发的阈值化技术，对NSL进行系统校正后，结合辅助数据提取1992-2008年的中国城市信息数据。辅助数据的可靠性和准确性是保证该技术成功的关键因素。中国科学院发表的1995年、2000年和2005年的土地利用/覆盖植被数据已经被证明可以代表中国相应年份的世纪土地利用/植被覆盖的情况了。因此，我们使用土地利用/覆盖数据提取了这三年中国城市区域的空间范围。如果城市和建成区占了1*1km区域的大部分，则该像素被定义为城市像素。在中国，由于物理环境和社会经济发展区域的巨大差异，很难提取单一的城市信息数据。因此，我们根据国务院发展研究中心发表的《区域发展战略与政策报告》，嫁给中国划分为若干个经济区域。这八个经济区较好地反映了我国经济发展和城市化区域差异，其中包括东北地区和北方沿海地区，包括东北、北方沿海、南方沿海、东部沿海、黄河中游，长江中游，中国的西南和西北进行了就年际序列校正。

对于每个经济区域，确定了1995年，2000年和2005年的最佳阈值，提取基于城市使用最为匹配的NSL空间辅助数据。然后，对于每一个生态经济区域，这些最佳阈值应用到其他年的时间序列中。因此，1995年的阈值适用于1992-1997年，200

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[18040]，资料为PDF文档或Word文档，PDF文档可免费转换为Word