EN中文

地球信息科学学报  2019 , 21 (7): 1074-1085 https://doi.org/10.12082/dqxxkx.2019.180600

遥感科学与应用技术

基于DMSP/OLS夜间灯光影像的中国东部沿海地区城市扩展动态监测

林中立1, 2, , 徐涵秋2, 3, *, , 黄绍霖4

1. 福建工程学院 建筑与城乡规划学院,福州 350118
2. 福州大学环境与资源学院,福州大学遥感信息工程研究所,福州 350116
3. 福建省水土流失遥感监测评估与灾害防治重点实验室,福州 350116
4. 深圳市铁汉生态环境股份有限公司,深圳 518040

Monitoring of the Urban Expansion Dynamics in China's East Coast Using DMSP/OLS Nighttime Light Imagery

LIN Zhongli1, 2, , XU Hanqiu2, 3, *, , HUANG Shaolin4

1. College of Architecture and Urban Planning, Fujian University of Technology, Fuzhou 350118, China
2. College of Environment and Resources, Institute of Remote Sensing Information Engineering, Fuzhou University, Fuzhou 350116, China
3. Fujian Provincial Key Laboratory of Remote Sensing Soil Erosion and Disaster Protection, Fuzhou University, Fuzhou 350116, China
4. Shenzhen Techand Ecology & Environment Company Limited, Shenzhen 518040, China

通讯作者:  *通讯作者：徐涵秋（1955-）,江苏盐城人,教授,主要从事环境遥感应用方面研究。E-mail: hxu@fzu.edu.cn

收稿日期: 2018-11-23

修回日期:  2019-03-5

网络出版日期:  2019-07-25

版权声明:  2019 《地球信息科学学报》编辑部 《地球信息科学学报》编辑部 所有

基金资助:  国家重点研发计划专项课题(2016YFA0600302)国家自然科学基金项目(41501469)福建工程学院科研启动基金(GY-Z18164)

作者简介:

作者简介：林中立（1989-）,男,福建福州人,博士,讲师,主要从事环境与生态遥感研究。E-mail: linzl@fjut.edu.cn

展开

摘要

美国国防气象卫星搭载的业务性线性传感器（DMSP/OLS）所获取的夜间灯光影像数据,能够客观地反映人类对城市建成区的开发建设范围与强度,已广泛地应用于城市扩展的动态监测。本文利用不变目标区域法对长时间序列DMSP/OLS夜间灯光影像进行辐射校正,基于校正后的影像对2001-2013年中国东部沿海地区的城市建成区范围进行提取,结果表明：① 建成区面积从2001年的7550 km2,增加到2013年的21 650 km2,共扩展了14 100 km2,虽然建成区面积呈逐年增加的趋势,但其扩展速率则在逐步减缓,城市重心逐渐向南转移;② 在空间上形成了京津唐、长江三角洲和珠江三角洲3城市群,研究发现京津唐的中小城市面临难以获得发展资源的问题,导致了该地区发展的不平衡;③ 综合分析建成区扩展和经济统计数据,结果表明人口和经济是建成区扩展的主要驱动因子,但同时城市快速扩展也给东部沿海地区带来了一定程度的用地浪费问题;④ 由于DMSP/OLS夜间灯光影像受到自身空间分辨率的限制和灯光过饱和的影响,易造成城市建成区边缘细节部分的错提。新一代Suomi NPP/VIIRS夜间灯光影像在空间和光谱分辨率上均有较大提高,在后续的研究中应充分挖掘其数据优势,以期提供更加精准的城市扩展动态监测。

关键词： 中国东部沿海 ; DMSP/OLS ; 夜间灯光影像 ; 城市扩展 ; 遥感

Abstract

The Defense Meteorological Satellite Program Operational Linescan System (DMSP/OLS) nighttime light (NTL) imagery can objectively reflect the impacts of human activities on the scope and intensity of urban built-up areas. Therefore, the DMSP/OLS imagery have been widely used in monitoring urban expansion dynamics. In this paper, the invariant region method was used to calibrate the DMSP/OLS time series NTL imagery. Then, we used the calibrated DMSP/OLS imagery to extract the urban built-up areas in China's east coast from 2001 to 2013. The result shows that the built-up areas in China's east coast increased from 7550 km2 in 2001 to 21 650 km2 in 2013, with a net increase of 14 100 km2. Although the built-up areas have increased year by year, the increase rate has slowed down. The gravity center of the built-up areas has gradually moved south. The Beijing-Tianjin-Tangshan area, the Yangtze River Delta, and the Pearl River Delta are the three major urban agglomerations in the east coast. The Beijing-Tianjin-Tangshan area was unbalanced in regional development, where the small and medium sized cities faced shortage of development resources. The relationship between urban expansion and economic growth was explored. We conclude that population and economy are the two main driving factors for the expansion of urban built-up areas in China's east coast. The rapid urban growth in China's east coast has caused land resource waste to a certain extent. Moreover, we also found that the edges of urban built-up areas were easily mis-extracted, due to the coarse spatial resolution and saturation problem in DMSP/OLS NTL imagery. The new generation of Suomi NPP/VIIRS NTL imagery has greatly improved in spatial and spectral resolutions. In future studies, the advantages of Suomi NPP/VIIRS should be fully explored to provide more accurate monitoring of urban expansion dynamics.

Keywords： China's east coast ; DMSP/OLS ; nighttime light imagery ; urban expansion ; remote sensing

0

PDF (16089KB) 元数据 多维度评价 相关文章 收藏文章

本文引用格式 导出 EndNote Ris Bibtex

林中立, 徐涵秋, 黄绍霖. 基于DMSP/OLS夜间灯光影像的中国东部沿海地区城市扩展动态监测[J]. 地球信息科学学报, 2019, 21(7): 1074-1085 https://doi.org/10.12082/dqxxkx.2019.180600

LIN Zhongli, XU Hanqiu, HUANG Shaolin. Monitoring of the Urban Expansion Dynamics in China's East Coast Using DMSP/OLS Nighttime Light Imagery[J]. Journal of Geo-information Science, 2019, 21(7): 1074-1085 https://doi.org/10.12082/dqxxkx.2019.180600

1 引言

城市空间扩展是衡量城市化水平的重要测度指标[1]。许多城市早期利用航空遥感资料进行解译,但这种常规的方法耗资巨大。随着航天遥感技术的发展,卫星传感器性能不断提高,遥感影像逐渐成为城市扩展和城市化研究的主要数据源,并大量应用于国内外的城市化研究中[2,3,4,5]。

美国国防气象卫星（Defense Meteorological Satellite Program, DMSP）所搭载的业务性线性传感器（Operational Linescan System, OLS）以其独特的光电放大能力,能在夜间探测到地球表面微弱的近红外辐射,包括城市甚至小规模居民地的灯光、车流和其他持久性光源[6]。利用这一特性,DMSP/OLS夜间灯光影像能客观地反映人类对城市建成区的开发建设范围与强度。1978年Croft首次提出依据DMSP/OLS夜间灯光影像来提取城市建成区[7],此后越来越多的学者开始利用夜间灯光数据进行城市建成区空间扩展的动态监测研究[8,9,10,11,12]。然而,由于OLS传感器在获取影像时未经辐射定标[13],所接收到的光谱信息存在一定程度的辐射失真,因此数据的辐射校正成为了基于DMSP/OLS夜间灯光影像相关研究中必须解决的关键问题。针对这一问题许多学者进行了多方面的研究[14,15,16,17,18],其中由Elvidge等提出的不变目标区域法[14]应用最为广泛,该方法旨在获取长时间序列DMSP/OLS夜间灯光影像的校正模型参数,但该校正方法并未完全消除由于快速城市化夜间灯光亮度值显著增强而导致的灯光过饱和问题[15]。就城市建成区扩展的动态监测而言,目前大多数的研究仍使用单一阈值或较大区域下的若干分区阈值来提取城市建成区[19],这样的提取方法势必无法平衡不同发展水平城市间的最佳阈值。

鉴于此,本文以中国东部沿海地区为例,利用不变目标区域法对长时间序列DMSP/OLS夜间灯光影像进行辐射校正,对研究区2001-2013年的城市建成区扩展进行动态监测,同时结合社会经济统计数据,对建成区扩展的主要驱动因子进行探究,为今后基于夜间灯光影像的城市扩展动态监测和地区科学发展提供依据。

2 研究区概况与数据源

2.1 研究区概况

本研究区为中国东部沿海地区位于东亚大陆东缘（未涵盖台湾省沿海地区）,地处太平洋西岸,其地理位置介于18°09′35′′ N-42°37′31′′ N和108°37′26′′ E-122°13′42′′ E之间,涵盖了7个省份和3个直辖市,由北至南分别为北京、天津、河北、山东、江苏、上海、浙江、福建、广东和海南（图1）。1978年改革开放后,中国的经济发展重心逐渐向东部沿海倾斜,城市建设不断加快、经济飞速发展,是中国城市发展水平最高的地区。根据最新统计数据,东部沿海地区聚集了全国40%的人口,地区生产总值（GDP）超过全国总量的一半,比重达54%[20]。因此,选择中国东部沿海地区作为研究区,城市建成区扩展及其驱动因子进行研究,具有十分重要的现实意义和科学价值。

显示原图| 下载原图ZIP| 生成PPT

图1   中国东部沿海MODIS影像示意（2012年）

Fig. 1   MODIS imagery of the study area in 2012

2.2 影像数据源

本文所用的DMSP/OLS夜间灯光影像来自美国国家地球物理数据中心（National Geophysical Data Center, NGDC）发布的第4版非辐射定标夜间稳定灯光影像数据。该数据是标定夜间平均灯光强度的全球年度栅格影像,包括城市、乡村及其他场所的持久性光源,并去除了月光云、光火和油气燃烧等干扰噪声的影响。本文选择F14、F15、F16、F18卫星2001-2013年的20幅DMSP/OLS稳定灯光影像数据作为夜间灯光数据源。影像参考坐标系为WGS-84,获取幅宽为3000 km,空间分辨率为30 弧秒,在赤道附近约为1000 m,40°N处约为800 m。

本文选用2001、2004、2007、2010和2013年空间分辨率为30 m的Landsat TM/ETM+/OLI系列影像对DMSP/OLS夜间灯光影像提取得到的城市建成区进行对比参考验证。

3 研究方法

3.1 DMSP/OLS夜间灯光影像的校正方法

3.1.1 重采样与裁剪

DMSP/OLS夜间灯光影像的原始数据为全球范围,影像网格会随着纬度的增大而减小[14],因此需要对影像进行重采样,将空间分辨率统一为1000 m,同时利用研究区的矢量边界对影像进行裁剪,得到各年份研究区DMSP/OLS夜间灯光影像。

3.1.2 辐射校正

由于OLS传感器在获取影像时未经辐射定标,所接收到的光谱信息存在一定程度的辐射失真。通过对研究区2001-2013年F14~F18原始灯光影像的DN均值与亮像元数进行统计（表1）,可以看出：① 不同OLS传感器获取的同一年份的影像之间存在差异,主要表现为同一年份的像元DN均值与亮度像元数不相等;② 同一OLS传感器获取的连续年份影像之间存在异常波动（图2）。因此,DMSP/OLS原始影像数据集不能直接用于研究,需要进行辐射校正。

表1   DMSP/OLS原始影像DN均值与亮像元数统计表

Tab. 1   Statistics of mean DN value and luminance pixel number of the DMSP/OLS raw imagery

卫星年份DN均值亮像元数/个
F14F15F16F18F14F15F16F18
20015.466.29753 582776 366
20025.867.07765 030804 603
20036.445.66786 083779 417
20046.247.61786 713832 816
20056.416.60770 686776 422
20066.947.77797 631789 506
20076.998.87816 749839 736
20088.79815 598
20098.31772 276
201011.87838 236
201111.02834 022
201211.35809 645
201312.48806 462

新窗口打开

显示原图| 下载原图ZIP| 生成PPT

图2   DMSP/OLS原始影像DN均值和亮像元数变化

Fig. 2   Changes in the mean DN value and luminance pixel number of the DMSP/OLS raw imagery

本文选用不变目标区域法[14]对2001-2013年中国东部沿海地区的灯光数据进行辐射校正。不变目标区域法共分2个主要步骤,时间序列影像的相互校正和影像间的连续性校正。

（1） 相互校正

根据对中国各城市2001-2013年的社会经济统计数据进行分析,以及前人研究成果[18],本文将这12年社会经济发展和城市化进程均相对平稳的黑龙江省鸡西市作为不变目标区域,并选择亮像元数最多的F162007作为参考影像（表1）。在确定了参考影像后,分别用19幅待校正的鸡西市影像与参考影像分别进行指数、线性、对数、二次多项式以及幂函数5种形式进行回归分析,回归方程均经过t检验呈极显著相关（p<0.01）。经对比,在5种形式的回归分析中,总体上二次多项式的R2最高,相关性最好,二次多项式的R2绝大多数都在0.8以上,满足回归模型需要。

因此,本文选用二次多项式方程建立校正模型,公式如下：

DNcalibrated=a×DN2+b×DN+c（1）

式中：DN为待校正影像像元DN值;DNcalibrated为校正后影像像元DN值;a、b和c分别为二次多项式回归方程的系数和常数项。

每一幅待校正影像与参考影像的二次多项式回归校正模型的参数值与R2如表2所示。利用对应的二次多项式模型方程对研究区每一幅待校正的DMSP/OLS夜间灯光影像进行相互校正。

表2   每一幅影像的相互校正二次多项式模型参数

Tab. 2   Inter-calibration model coefficients for each image

卫星序号年份abcR2卫星序号年份abcR2
F1420010.00031.0469-0.350.9522F162004-0.00081.09310.12620.9216
2002-0.00351.19550.23150.88862005-0.00431.3585-1.07480.9628
2003-0.00871.5316-0.85240.95992006-0.00521.3294-0.20970.9732
F1520010.00091.0538-1.14120.905120070101
20020.00040.998-0.99920.957420080.00140.92220.67110.9863
2003-0.01241.7711-0.90270.910320090.00860.30384.04760.8186
2004-0.00841.5439-0.21360.9619F1820100.00940.18924.05660.7867
2005-0.00431.33090.18260.912120110.0050.46533.49640.7503
2006-0.00521.34450.62120.964720120.01010.12035.22920.9246
2007-0.00471.31180.20670.977320130.01110.01525.86890.9129

新窗口打开

（2） 影像间的连续性校正

相互校正后,还需进行影像间的连续性校正。由于传感器间自身差异性的存在,不同传感器在同一年份的影像之间存在差异。因此利用多个传感器独立获取的相同年份的影像,解决影像间连续性的问题,本文依照式（2）[15],对多个传感器获取的同一年份的影像进行校正：

DN(n,i)=0DN(n,i)a=0或DN(n,i)b=0(DN(n,i)a+DN(n,i)b)/2其他（2）

式中： DN(n,i)a、 DN(n,i)b分别为第n年相互校正后2个不同传感器获取的DMSP/OLS影像i像元DN值, n=2001,2002,2003,…,2007; DN(n,i)为校正后的第n年影像中的i像元DN值。

随着中国城市化进程的加快,特别是东部沿海地区发展迅速,根据这一现实情况,本文假设第n年影像中探测到的城市斑块亮度像元在第n+1年的影像中不会消失[21],并且DMSP/OLS夜间灯光影像像元DN值越高,像元被提取为建成区的可能性越大[22],即假设第n年影像中探测到亮度像元,在第n+1年的影像中依然保持为亮度像元,并且第n年的像元DN值不大于第n+1年同一位置的像元DN值。根据以上2个假设条件,利用式（3）[15],对影像进行校正：

DN(n,i)=0                                                  DN(n,i)=0DN(n-1,i)                   DN(n+1,i)>0且DN(n-1,i)>DN(n,i)DN(n,i)                         其他 （3）

式中：DN（n-1,i）、DN（n,i）、DN（n+1,i）分别为第n-1年、第n年和第n+1年经式（2）校正后的影像中的i像元DN值。

3.2 城市建成区的提取方法

事实上,由于DMSP/OLS夜间灯光影像存在灯光过饱和的问题,导致所探测到的反映人类活动的灯光分布区域往往大于实际情况[23]。为克服这一问题对城市建成区提取带来的误差,有学者认为,增大提取阈值就可使获取的灯光分布区面积变小,并且必然存在一个理想的阈值,能够使提取得到的灯光区与实际的城市建成区范围基本一致。从现有的研究成果来看,阈值法是城市建成区提取中最重要的研究方法之一[24,25]。

因此,本文选用阈值法对城市建成区进行提取,即对夜间灯光影像设定一系列的建成区提取阈值,并将提取出的城市建成区范围与较高空间分辨率的影像进行对比,最终将误差最小的阈值作为最佳阈值。本文所使用的较高分辨率对比影像为30 m的Landsat TM/ETM+/OLI系列影像数据。以Landsat影像提取得到的城市边界作为参考,可以克服以往DMSP/OLS城市建成区提取时对于统计数据的依赖[26]。

由于不同城市在社会环境和经济发展上存在差异,若使用单一阈值对较大范围尺度的研究区进行城市建成区的统一提取,势必会对提取结果造成偏差[27,28]。因此,本文将中国东部沿海地区所涵盖的87个城市,以市为单位进行建成区的逐城市提取。

3.3 城市建成区重心的获取

进一步引入城市重心来揭示中国东部沿海地区的建成区重心转移。利用ArcGIS软件的几何计算功能,在建成区矢量边界图的基础上计算出研究区各年份的城市建成区重心（x, y）,公式如下：

x=∑wi∙xi∑wiy=∑wi∙yi∑wi（4）

式中：wi为第i个离散目标物权重,它根据各个离散目标的面积与总面积的比例来确定,xi,yi为第i个离散目标物的横、纵坐标。将各个离散目标物的横、纵坐标通过加权平均,则可获得研究区对应城市建成区重心的坐标（x, y）。

4 结果与分析

4.1 DMSP/OLS夜间灯光影像的校正结果

经过对DMSP/OLS夜间灯光原始影像数据的重采样与研究区范围裁剪,并在此基础上运用不变目标区域法对数据进行辐射校正,校正后的长时间序列DMSP/OLS夜间灯光影像的DN均值和亮像元数的波动情况如图3所示,曲线均表现出随时间的推进不断上升的趋势,DN均值的上升速率经历了先快后慢的过程,而亮像元数的增加速率较为稳定,平稳上升。对比校正前DN均值与亮像元数无序的波动（图2）,校正后的夜间灯光数据集数据分布更加的合理,保证了后续研究数据的可靠性。

显示原图| 下载原图ZIP| 生成PPT

图3   经过校正后长时间序列DMSP/OLS影像像元波动变化

Fig. 3   Changes of the corrected DMSP/OLS imagery pixels

校正后的2001、2004、2007、2010和2013年中国东部沿海地区夜间灯光影像如图4所示。

显示原图| 下载原图ZIP| 生成PPT

图4   校正后的2001-2013年中国东部沿海地区夜间灯光影像

Fig. 4   Corrected nighttime light imagery in China's east coast from 2001 to 2013

4.2 城市建成区提取结果

采用阈值法提取得到2001、2004、2007、2010和2013年中国东部沿海地区的城市建成区范围（图5）,同时通过中国国家统计局网站可查询到了2004、2007、2010和2013年中国东部沿海地区的建成区面积统计数据（2001年无统计数据）[29],将统计数据与基于DMSP/OLS影像提取得到的建成区面积进行对比（表3）。从表3可看出,4个年份建成区提取误差均小于5%,符合精度要求。

显示原图| 下载原图ZIP| 生成PPT

图5   2001-2013年中国东部沿海地区及其三大城市群建成区时空变化

Fig. 5   Spatiotemporal changes of the built-up areas in China’s east coast and its urban agglomerations from 2001 to 2013

表3   2001-2013年中国东部沿海地区建成区提取精度验证

Tab. 3   Accuracy validation results of the built-up areas in China's east coast

2001年2004年2007年2010年2013年
DMSP/OLS影像/km2755013 31216 27719 14621 650
统计数据/km2-13 96716 97519 46122 117
误差值/km2--655-698-315-467
误差率/%--4.69-4.11-1.62-2.11

新窗口打开

由图5可看出,就建成区的空间分布而言,建成区在京津唐（北京-天津-唐山）、长三角（长江三角洲）以及珠三角（珠江三角洲）地区成片聚集,形成城市群;其次是位于华北平原的山东省和河北省北部地区分布有稀疏的城市点群;而浙江省、福建省、广东省的东北和西南部地区仅沿海区域有零星分布的城市点群外,靠近内陆的山地和丘陵地区,建成区极少分布;海南省的建成区规模最小。

通过统计得到2001、2004、2007、2010和2013年中国东部沿海地区城市建成区提取面积,从图6(a)的面积变化图可看出,在2001-2013年建成区面积逐年增加,从2001年的7550 km2,增加到2013年的21 650 km2,净增14 100 km2,增加186.75%,年均增加面积达1175 km2。图6(b)为建成区面积增加幅度趋势图,可以看出2001-2004年建成区增加面积达5762 km2,而在2004-2013年,每3年的建成区增加面积分别为2965、2869和2504 km2,其增加速率呈递减的趋势。这说明建成区面积虽然逐年增加,但其扩展速率则在逐步减缓。

显示原图| 下载原图ZIP| 生成PPT

图6   2001-2013年中国东部沿海地区建成区面积变化

Fig. 6   Changes of the built-up areas in China's east coast from 2001 to 2013

4.3 城市建成区重心转移

从图7可看出,2001-2013年建成区重心整体分布于研究区中部,这主要是由于京津唐、长三角、珠三角三大城市群在空间上形成一个近等腰三角形,北部的京津唐和南部的珠三角在空间区位权重上相互抵消,加之中部的长三角对重心的牵引作用,因此重心集中分布于空间等腰三角形的中心位置。若分时段来看建成区重心的空间转移,2001-2010年重心逐年向南移动,2001-2004年、2004-2007年、2007-2010年的移动距离分别为114.9、24.7、36.5 km,这是由于相比于京津唐,珠三角在这期间建成区范围有较大面积的扩展（图5）;而在2010-2013年,重心位置基本不变,仅向东移动了3.6 km,研究后期建成区扩展的逐步减缓是造成重心基本不变的主要原因。

显示原图| 下载原图ZIP| 生成PPT

图7   2001-2013年中国东部沿海地区城市建成区重心转移

Fig. 7   Movement of the gravity center of the built-up areas in China's east coast from 2001 to 2013

4.4 三大城市群的建成区扩展分析

城市群（Urban Agglomeration）是指以中心城市为核心向周围辐射构成的多个城市的集合体,以其频繁的人类活动、繁荣的经济、发达的工业,对周边区域的发展起到了至关重要的推动作用。中国东部沿海作为国内城市化水平最高、经济最发达的地区,已形成了京津唐、长三角以及珠三角三大城市群[30]。

从图5可看出,城市群扩展形式不尽相同。其中,京津唐城市群整体呈现出空间极点式的建成区分布格局,由北京、天津、唐山构成城市极点,北京在2004-2007年建成区整体外扩明显,而天津的扩展主要发生在2007-2013年。在城市化过程中,由于3个极点城市从周边地区吸收了大量的生产要素,导致周边的中小城市较难获得充足的发展资源[12],城市发展受到限制,十几年间扩展缓慢,建成区零星散布。目前在北京周边分布了2000多个贫困村,形成了“环首都贫困带”[31],未来如何平衡地区发展,真正发挥中心城市的涓滴作用是京津唐地区亟需解决的问题之一。长三角城市群建成区与京津唐有着较为相似的点状分布,但不同的是该地区的城市发展较为均衡,上海虽为地区发展极点,从建成区的时空变化可以发现,上海与苏州、无锡、常州等周边城市形成了良好的交替扩展规律,上海在2004-2010年扩展明显,而苏锡常等城市则在2001-2004年和2010-2013年有着较大面积的扩展。由于珠三角地区多为丘陵地貌特征,受地形因素影响,城市建成区形成了沿珠江两岸的近环状条带分布,各城市间建成区空间连通性较好。

从城市群建成区提取的结果中还可以看出,对于一些较为分散的小城镇,基于DMSP/OLS夜间灯光影像未能实现精细提取,这主要受限于夜间灯光数据仅1000 m的空间分辨率,同时城市建成区范围内的居民非夜间聚集区（如工厂等）,这些区域相比居民聚集区的夜间灯光相对较弱,在提取过程中容易造成漏提。同时,通过与Landsat影像城市建成区提取结果进行对比（以北京、广州为例）,发现北京的建成区形状均呈中心放射状,而广州建成区则呈现出复杂弯曲的条形形状,如图8所示。由于夜间灯光影像存在灯光过饱和和灯光放射效应,中心点强度最大,并逐渐向外围减弱,北京的建成区空间分布正好符合这一特性,因此在建成区提取的边缘细节部分,北京的提取完整度要略优于广州。

显示原图| 下载原图ZIP| 生成PPT

图8   DMSP/OLS夜间灯光和Landsat影像的城市建成区提取结果对比（以北京、广州为例）
注：2001年Landsat TM/ETM+影像,RGB：432合成;2013年Landsat OLI影像,RGB：543合成。

Fig. 8   Comparison of the results of the built-up areas based on DMSP/OLS and Landsat imagery （Beijing and Guangzhou）

4.5 城市建成区扩展的驱动因子分析

城市建成区扩展与社会经济的发展关系紧密,为探明中国东部沿海地区城市建成区扩展的驱动因子,本文统计了2001-2013年研究区主要的社会经济数据,并选择出能够集中代表研究区人口、产业和财政情况的7项指标,分别为人口、地区生产总值、第一、二、三产业占比以及财政收入、支出（表4）,将这些指标数据作为自变量（x1-x7）[32],将建成区面积作为因变量（y）,进行多元线性回归分析,以确定出影响城市建成区扩展的主要驱动因子。由于各项统计数据的量纲不一致,因此对这7个指标进行标准化,然后计算得到以下回归方程：

y=0.167x1-0.342x3+0.280x4+0.655x7(R2=0.90)（5）

表4   2001-2013年中国东部沿海地区社会经济统计数据

Tab. 4   Socioeconomic dynamics of China's east coast from 2001 to 2013

变量名2001年2004年2007年2010年2013年
人口/万人x143 728.0045 034.0047 476.0050 665.0051 818.00
地区生产总值/亿元x256 360.0988 433.10152 346.38232 030.67322 258.89
第一产业占比/%x310.948.926.886.306.17
第二产业占比/%x448.6853.2651.4749.3746.86
第三产业占比/%x540.3837.8241.6544.3346.97
财政收入/亿元x64635.366928.5214 052.8523 005.4036 752.57
财政支出/亿元x75870.279502.5616 949.9330 182.2347 369.77

新窗口打开

从式（5）可看出,在回归分析中人口、第一、二产业占比和财政支出这4个指标被保留了下来,其中人口、第二产业占比和财政支出指标的系数为正,这说明了人口和经济是中国东部沿海城市建成区扩展的2大主要驱动因子。

人口与城市空间密切相关,人口的增加迫使城市提供更多的生产、生活空间,导致建成区范围的扩展,此外,经济因素同样是建成区扩展的重要驱动力。从回归方程来看,财政支出指标的系数最大,财政对于城市建设的力度不断加大,城市设施逐渐完善与丰富,建成区随之大面积扩展。就第二产业而言,虽然其产业占比整体呈下降趋势,但其绝对值逐年增加,地区的发展带动了生活水平的提高,同时也扩大了对工业品的需求。从建成区的空间扩展轨迹可以发现,早期位于城市郊区的工业区随着城区的不断扩展,逐渐融入建成区,在一定程度上促进了建成区范围的扩展。同时,包括农业、林业、渔业等在内的第一产业,其产业占比12年间大幅下降了43.6%,因此在回归方程中的系数为负。除了地区现代化技术的发展因素外,城市空间的扩展对耕地和自然地表的侵占也是第一产业占比下降的重要原因之一。

从数据中还可看出,研究区的城市扩展速度远大于人口增长速度,建成区面积的年均扩展速率达15.56%,而人口增率仅1.54%,建成区人口密度也从2001年的5.79万人/km2,下降到2013年的2.39万人/km2。有学者指出,城市人口增率与城市用地增率之间的国际公认合理比例为1:1.12[33],而研究区的这一数值仅为合理比例的1/10,可见中国东部沿海地区存在一定程度上的城市过度扩展,土地资源粗放利用的问题。建成区扩展的逐步减缓也是对这一城市土地利用问题的宏观反馈。

5 结论

运用不变目标区域法对DMSP/OLS夜间灯光影像进行辐射校正,解决了长时间序列影像数据像元DN值异常波动和亮度像元数不连续等问题,在一定程度上克服了数据的光谱辐射失真。然而,光谱辐射校正仍无法完全消除灯光过饱和的问题,加之DMSP/OLS夜间灯光影像空间分辨率的限制,在城市建成区范围的提取过程中,对于建成区的边缘细节部分易造成错提。研究还发现,由于灯光的放射效应,灯光亮度信息在影像上呈现出由中心点向逐渐外围减弱的特征,因此对于建成区呈中心放射状的城市其提取精度要高于建成区呈复杂弯曲条形形状的城市。

利用DMSP/OLS夜间灯光影像,运用逐城市阈值法提取法,对中国东部沿海地区2001、2004、2007、2010和2013年的城市建成区进行提取。结果表明,建成区从2001年的7550 km2,增加到2013年的21 650 km2,净增14 100 km2,虽然建成区面积呈逐年增加的趋势,但其扩展速率则在逐步减缓,城市重心逐渐向南转移。在空间分布上,城市建成区在京津唐、长三角以及珠三角地区成片聚集,形成城市群,研究发现京津唐的中小城市面临难以获得发展资源的问题,导致了该地区发展的不平衡。从建成区扩展的驱动力分析上来看,人口和经济是两大主要驱动因子,改革开放对东部沿海地区所带来了巨大经济优势,使得城市建设快速发展,建成区大面积扩展。然而,城市快速扩展所带来用地浪费和土地资源粗放利用,不利于地区的可持续发展。

随着新一代夜间灯光传感器Suomi NPP/VIIRS的成功发射,其辐射分辨率和空间分辨率较DMSP/OLS均有较大提高,对人类活动的光谱反馈更加准确,在后续的研究中应充分挖掘新一代夜间灯光数据的优势,同时应注意两代灯光数据间的光谱信息衔接。

参考文献

[1] 许学强,周一星,宁越敏.城市地理学(第二版)[M].北京:高等教育出版社,2009.

[本文引用: 1]     

[ Xu X Q, Zhou Y X, Ning Y M.Urban geography (2nd Edition)[M]. Beijing: Higher Education Press, 2009. ]

[本文引用: 1]     

[2] Schneider A, Friedl M A, Potere D.

A new map of global urban extent from MODIS satellite data

[J]. Environmental Research Letters, 2009,4(4):044003.

https://doi.org/10.1088/1748-9326/4/4/044003      URL      [本文引用: 1]     

[3] 施利锋,张增祥,刘芳,等.

1973年-2013年经济特区城市空间扩展遥感监测

[J].遥感学报,2015,19(6):1030-1039.

[本文引用: 1]     

[ Shi L F, Zhang Z X, Liu F, et al.

Spatial expansion remote sensing monitoring of special economic zones from 1973 to 2013

[J]. Journal of Remote Sensing, 2015,19(6):1030-1039. ]

[本文引用: 1]     

[4] Kuang W, Liu J, Dong J, et al.

The rapid and massive urban and industrial land expansions in China between 1990 and 2010: A CLUD-based analysis of their trajectories, patterns, and drivers

[J]. Landscape and Urban Planning, 2016,145:21-33.

https://doi.org/10.1016/j.landurbplan.2015.10.001      URL      [本文引用: 1]     

[5] Wen Q, Zhang Z, Shi L, et al.

Extraction of basic trends of urban expansion in China over past 40 years from satellite images

[J]. Chinese Geographical Science, 2016,26(2):129-142.

https://doi.org/10.1007/s11769-016-0796-z      URL      [本文引用: 1]     

[6] Elvidge C D.

Mapping city lights with nighttime data from the DMSP Operational Linescan System

[J]. Photogrammetric Engineering and Remote Sensing, 1997,63(6):727-734.

[本文引用: 1]     

[7] Croft T A.

Nighttime images of the Earth from space

[J]. Scientific American, 1978,239(1):86-98.

https://doi.org/10.1038/scientificamerican0778-86      URL      [本文引用: 1]     

[8] 刘沁萍,杨永春,付冬暇,等.

基于DMSP_OLS灯光数据的1992-2010年中国城市空间扩张研究

[J].地理科学,2014,34(2):129-136.

Magsci      [本文引用: 1]      摘要

<p>选择1992、2000 和2010 年的DMSP_OLS灯光数据，改进了基于统计数据提取城镇用地的算法，使用Python语言编程实现3 个时期中国城市建成区的提取。利用ArcGIS 10、Visual FoxPro 6.0 等软件，选择城市形态紧凑度和城市扩张速度2 个指标，分别从城市规模（超大城市、特大城市、大城市、中等城市和小城市）、大区域（东部、中部、西部和东北区）、省级行政区划（省、自治区和直辖市）3 个空间尺度分析了城市的空间扩张情况。结果表明：① 从城市形态紧凑度来看，同一年份，城市规模越大，城市外部形态紧凑度越小；而中、西部城市平均紧凑度大于东部、东北部。1992~2010 年，除大城市和小城市平均紧凑度指数略微变小、基本不变外，其余各等级城市均变大；东部和西部城市平均紧凑度指数变小，而东北和中部变大。② 从城市扩张速度来看，同一时间段内，城市规模越大，城市建成区年均扩张速度越大；1992~2010 年，东部城市建成区扩张速度最大，东北最小，中、西部次之；其中，北京、重庆、上海、天津扩张速度大，广东、江苏、山东、浙江和福建扩张速度次之，其余省份扩张速度较小；近20 a来，所有等级城市、不同区域城市以及各个省份内城市建成区在加速扩张。</p>

[ Liu Q P, Yang Y C, Fu D X, et al.

Urban spatial expansion based on DMSP_OLS nighttime light data in China in 1992-2010

[J]. Scientia Geographica Sinica, 2014,34(2):129-136. ]

Magsci      [本文引用: 1]      摘要

<p>选择1992、2000 和2010 年的DMSP_OLS灯光数据，改进了基于统计数据提取城镇用地的算法，使用Python语言编程实现3 个时期中国城市建成区的提取。利用ArcGIS 10、Visual FoxPro 6.0 等软件，选择城市形态紧凑度和城市扩张速度2 个指标，分别从城市规模（超大城市、特大城市、大城市、中等城市和小城市）、大区域（东部、中部、西部和东北区）、省级行政区划（省、自治区和直辖市）3 个空间尺度分析了城市的空间扩张情况。结果表明：① 从城市形态紧凑度来看，同一年份，城市规模越大，城市外部形态紧凑度越小；而中、西部城市平均紧凑度大于东部、东北部。1992~2010 年，除大城市和小城市平均紧凑度指数略微变小、基本不变外，其余各等级城市均变大；东部和西部城市平均紧凑度指数变小，而东北和中部变大。② 从城市扩张速度来看，同一时间段内，城市规模越大，城市建成区年均扩张速度越大；1992~2010 年，东部城市建成区扩张速度最大，东北最小，中、西部次之；其中，北京、重庆、上海、天津扩张速度大，广东、江苏、山东、浙江和福建扩张速度次之，其余省份扩张速度较小；近20 a来，所有等级城市、不同区域城市以及各个省份内城市建成区在加速扩张。</p>
[9] Wu J, Ma L, Li W, et al.

Dynamics of urban density in China: Estimations based on DMSP/OLS nighttime light data

[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2014,7(10):4266-4275.

https://doi.org/10.1109/JSTARS.2014.2367131      URL      [本文引用: 1]     

[10] Zhou Y, Smith S J, Zhao K, et al.

A global map of urban extent from nightlights

[J]. Environmental Research Letters, 2015,10(5):054011.

https://doi.org/10.1088/1748-9326/10/5/054011      URL      [本文引用: 1]     

[11] Gao B, Huang Q, He C, et al.

How does sprawl differ across cities in China? A multi-scale investigation using nighttime light and census data

[J]. Landscape and Urban Planning, 2016,148(41):89-98.

https://doi.org/10.1016/j.landurbplan.2015.12.006      URL      [本文引用: 1]     

[12] 陈昕,彭建,刘焱序,等.

基于DMSP/OLS夜间灯光数据的京津冀地区城市空间扩展与空间关联测度

[J].地理研究,2018,37(5):898-909.

[本文引用: 2]     

[ Chen X, Peng J, Liu Y X, et al.

Measuring spatial expansion and correlations of cities in Beijing-Tianjin-Hebei Urban Agglomeration using DMSP/OLS nighttime light data

[J]. Geographicla Research, 2018,37(5):898-909. ]

[本文引用: 2]     

[13] Elvidge C D, Safran J, Tuttle B, et al.

Potential for global mapping of development via a nightsat mission

[J]. Geojournal, 2007,69(1-2):45-53.

https://doi.org/10.1007/s10708-007-9104-x      URL      [本文引用: 1]     

[14] Elvidge C D, Ziskin D, Baugh K E, et al.

A fifteen year record of global natural gas flaring derived from satellite data

[J]. Energies, 2009,2(3):595-622.

https://doi.org/10.3390/en20300595      URL      [本文引用: 4]     

[15] 曹子阳,吴志峰,匡耀求,等.

DMSP/OLS夜间灯光影像中国区域的校正及应用

[J].地球信息科学学报,2015,17(9):1092-1102.

https://doi.org/10.3724/SP.J.1047.2015.01092      Magsci      [本文引用: 4]      摘要

美国国防气象卫星搭载的业务型线扫描传感器（DMSP/OLS）获取的夜间灯光影像,可客观地反映人类开发建设活动强度,其广泛应用于城市遥感的多个领域。但该数据缺少星上的辐射校正,下载的原始影像数据集不能直接用于研究,需进行区域校正。长时间序列的DMSP/OLS夜间灯光影像数据集主要存在2个问题需在校正过程中解决：（1）原始影像数据集中的影像是非连续性的;（2）数据集中的每一期影像都存在着像元DN值饱和的现象。针对这2个问题,本文提出了一种不变目标区域法的影像校正方法,对提取出来的每一期中国区域的夜间灯光影像进行了校正,该校正方法包括相互校正、饱和校正和影像间的连续性校正。最后,为了检验校正方法的合理性与可靠性,本文将校正前后中国夜间灯光影像与GDP和电力消耗值,分别进行回归分析评价表明,校正后的影像更客观合理地反映区域经济发展的差异。

[ Cao Z Y, Wu Z F, Kuang Y Q, et al.

Correction of DMSP/OLS night-time light images and its application in China

[J]. Journal of Geo-information Science, 2015,17(9):1092-1102. ]

https://doi.org/10.3724/SP.J.1047.2015.01092      Magsci      [本文引用: 4]      摘要

美国国防气象卫星搭载的业务型线扫描传感器（DMSP/OLS）获取的夜间灯光影像,可客观地反映人类开发建设活动强度,其广泛应用于城市遥感的多个领域。但该数据缺少星上的辐射校正,下载的原始影像数据集不能直接用于研究,需进行区域校正。长时间序列的DMSP/OLS夜间灯光影像数据集主要存在2个问题需在校正过程中解决：（1）原始影像数据集中的影像是非连续性的;（2）数据集中的每一期影像都存在着像元DN值饱和的现象。针对这2个问题,本文提出了一种不变目标区域法的影像校正方法,对提取出来的每一期中国区域的夜间灯光影像进行了校正,该校正方法包括相互校正、饱和校正和影像间的连续性校正。最后,为了检验校正方法的合理性与可靠性,本文将校正前后中国夜间灯光影像与GDP和电力消耗值,分别进行回归分析评价表明,校正后的影像更客观合理地反映区域经济发展的差异。
[16] Letu H, Hara M, Yagi H, et al.

Estimating the energy consumption with nighttime city light from the DMSP/OLS imagery

[J]. Urban Remote Sensing Event, 2009,1-3:1364-1370.

[本文引用: 1]     

[17] Raupach M R, Rayner P J, Paget M.

Regional variations in spatial structure of nightlights, population density and fossil-fuel CO emissions

[J]. Energy Policy, 2010,38(9):4756-4764.

https://doi.org/10.1016/j.enpol.2009.08.021      URL      [本文引用: 1]     

[18] Wu J, He S, Peng J, et al.

Intercalibration of DMSP-OLS night-time light data by the invariant region method

[J]. International Journal of Remote Sensing, 2013,34(20):7356-7368.

https://doi.org/10.1080/01431161.2013.820365      URL      [本文引用: 2]     

[19] Liu Z, He C, Zhang Q, et al.

Extracting the dynamics of urban expansion in China using DMSP-OLS nighttime light data from 1992 to 2008

[J]. Landscape and Urban Planning, 2012,106(1):62-72.

https://doi.org/10.1016/j.landurbplan.2012.02.013      URL      [本文引用: 1]     

[20] 中国人民共和国国家统计局.中国统计年鉴2017[M].北京:中国统计出版社,2018.

[本文引用: 1]     

[ National Bureau of Statistics. China Statistical Yearbook[M]. Beijing: China Statistics Press, 2018.]

[本文引用: 1]     

[21] 何春阳,史培军,李景刚,等.

基于DMSP/OLS夜间灯光数据和统计数据的中国大陆20世纪90年代城市化空间过程重建研究

[J].科学通报,2006,51(7):856-861.

https://doi.org/10.3321/j.issn:0023-074X.2006.07.017      URL      Magsci      [本文引用: 1]      摘要

中国大陆目前以行政单元为基础的城镇用地面积统计数据缺乏足够的空间信息, 难以满足大尺度城市化空间格局和变化过程研究的需要. 文中首先提出了一种以现有统计数据为基础, 借助DMSP/OLS夜间灯光遥感数据, 快速恢复和提取中国大陆城镇用地空间信息, 弥补现有统计资料不足的新方法. 进而以该方法为基础, 利用 1992, 1996和1998年的3期DMSP/OLS夜间灯光数据, 重建了中国大陆20世纪90年代的城市化空间过程. 利用统计数据对该方法提取结果的面积总量评估表明, 二者在全中国大陆尺度上的面积相对误差在1992年小于2%, 1996年和1998年则均小于1%, 在省级尺度, 相对误差最大的省份也没有超过10%, 大部分省份的相对误差小于3%. 同时利用高分辨率Landsat TM数据对该方法提取结果的城市空间格局特征分析也表明, 利用DMSP/OLS 提取的城市格局特征与Landsat TM提取的城市格局特征基本上是吻合的, 两者的相似程度在80%左右. 这说明利用该方法重建的中国大陆20世纪90年代城市空间过程, 基本上可以反映当时中国大陆城市发展的实际状况, 具有一定的可信性, 可以在一定程度上为中国大陆宏观城市空间格局和变化过程研究提供帮助.
[22] Zhang Q, Seto K C.

Mapping urbanization dynamics at regional and global scales using multi-temporal DMSP/OLS nighttime light data

[J]. Remote Sensing of Environment, 2011,115(9):2320-2329.

https://doi.org/10.1016/j.rse.2011.04.032      URL      [本文引用: 1]     

[23] 赵敏,程维明.

基于DMSP/OLS夜间灯光数据的城市空间扩展研究综述

[J].测绘与空间地理信息,2015(3):64-68.

[本文引用: 1]     

[ Zhao M, Cheng W M.

Overview of researches based on urban expansion via DMSP/OLS night-time light data

[J]. Geomatics and Spatial Information Technology, 2015(3):64-68.]

[本文引用: 1]     

[24] Imhoff M L, Lawrence W T, Stutzer D C, et al.

A technique for using composite DMSP/OLS “City Lights” satellite data to map urban area

[J]. Remote Sensing of Environment, 1997,61(3):361-370.

https://doi.org/10.1016/S0034-4257(97)00046-1      URL      [本文引用: 1]     

[25] Milesi C, Elvidge C D, Nemani R R, et al.

Assessing the impact of urban land development on net primary productivity in the Southeastern United States

[J]. Remote Sensing of Environment, 2003,86(3):401-410.

https://doi.org/10.1016/S0034-4257(03)00081-6      URL      [本文引用: 1]     

[26] Henderson M, Yeh E T, Gong P, et al.

Validation of urban boundaries derived from global night-time satellite imagery

[J]. International Journal of Remote Sensing, 2003,24(3):595-609.

https://doi.org/10.1080/01431160304982      URL      [本文引用: 1]     

[27] Small C, Pozzi F, Elvidge C D.

Spatial analysis of global urban extent from DMSP-OLS night lights

[J]. Remote Sensing of Environment, 2005,96(3-4):277-291.

https://doi.org/10.1016/j.rse.2005.02.002      URL      [本文引用: 1]     

[28] Cao X, Chen J, Imura H, et al.

A SVM-based method to extract urban areas from DMSP-OLS and SPOT VGT data

[J]. Remote Sensing of Environment, 2009,113(10):2205-2209.

https://doi.org/10.1016/j.rse.2009.06.001      URL      [本文引用: 1]     

[29] 中华人民共和国国家统计局.

分省年度数据

[OL].,2015.

URL      [本文引用: 1]     

[ National Bureau of Statistics.

Annual by Province

[OL]. , 2015. ]

URL      [本文引用: 1]     

[30] 林中立,徐涵秋,陈弘.

我国东部沿海三大城市群热岛变化及其与城市群发展的关系

[J].环境科学研究,2018,31(10):1695-1704.

[本文引用: 1]     

[ Lin Z L, Xu H Q, Chen H.

Urban heat island change and its relationship to the urbanization of three major urban agglomerations in China's eastern coastal region

[J]. Research of Environmental Sciences, 2018,31(10):1695-1704.]

[本文引用: 1]     

[31] Hu Y, Peng J, Liu Y, et al.

Mapping development pattern in Beijing-Tianjin-Hebei Urban Agglomeration using DMSP/OLS nighttime light data

[J]. Remote Sensing, 2017,9(7):760.

https://doi.org/10.3390/rs9070760      URL      [本文引用: 1]     

[32] 中华人民共和国国家统计局.

中国统计年鉴

[EB/OL].,2019.

URL      [本文引用: 1]     

[ National Bureau of Statistics.

China Statistical Yearbook

[EB/OL]. , 2019. ]

URL      [本文引用: 1]     

[33] 徐涵秋.

近30a来福州盆地中心的城市扩展进程

[J].地理科学,2011(3):351-357.

[本文引用: 1]     

[ Xu H Q.

Urban expansion process in the center of the Fuzhou basin southeast China in 1976-2006

[J]. Scientia Geographica Sinica, 2011(3):351-357. ]

[本文引用: 1]     

网站版权 © 《地球信息科学学报》编辑部
地址：北京朝阳区大屯路甲11号中国科学院地理科学与资源研究所《地球信息科学学报》编辑部　
邮编：100101
电话：010-64889219,010-64888891　
E-mail：dqxxkx@igsnrr.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发

/

〈 〉