英语原文共 10 页

一种使用DMSP/OLS夜光遥感数据绘制城市建成区域的技术

研究采用阈值化技术将美国国家海洋和大气管理局国家地球物理数据中心(NOAA/NGDC)的原始“夜光遥感”数据集转换为美洲大陆的“城市建成区域”地图。由于原始数据的像元DN值代表从数百个夜间云屏蔽通道提取的像元的累积光照百分比，而不是任何合适的土地覆盖分类，所以需要将基于DMSP/OLS的国防气象卫星3号项目的NGDC数据集通过阈值化方法提取城市建成区域。夜光遥感图像的累积百分比数据不能直接使用，是由于OLS夜间光电倍增器配置的高增益器会导致一个像元（2.7X2.7公里）即使在非常低的光照强度、非城市光源照射的情况下也会有较高的DN值。研究发现，89%的阈值效果最好，能够在剔除短暂的光源噪声和海岸线附近的像元晕染误差的同时保持城市核心区域的完整。通与1990年美国人口普查的城市建成区域数据进行比较，这种方法取得了非常精确的结果。通过这种阈值化方法提取的城市建成区域面积只比人口普查统计的城市建成区面积少5%；人口普查数据也被用来评价由“城市灯光”分析得出人口密度（1033人/km²）和住房密度（426户/km²）统计数据。利用夜光传感器根据光源确定目标点和估计人口密度的方法在研究工作中证明是可行的。同时还讨论了使用普查数据作为评价遥感图像精度的基准的问题和如何改进传感器在空间分辨率、仪器增益和指向精度方面的问题。

研究意义

城市扩张现象是当前社会、经济和科学问题的驱动力。几乎所有经济和社会部门都在学习有关城市的位置和范围的知识。近年来，由于人口加速增长已经将城市土地利用类型的转变及其影响推入全球气候变化和经济及生物可持续性的领域，城市化现象日益引起科学界的兴趣，（Daily and Ehrlich， 1992 Ehrlich and Ehrlich，1992；Ehrlich and Wilson，1991；Kates et al. 990；Raven，1991）。然而，即使在使用现代人口普查系统的美国，用传统方法衡量城市化程度也存在很多问题。虽然采用地理编码的人口普查数据越来越容易获得，但人口普查的重点往往集中在人口统计方面。因此，人口普查数据很难转化为对土地利用有意义的评价。此外，对于全球变化研究来说，由于人口增长率和流动性的加速，十年一期的人口普查间隔也显得太长。

利用卫星遥感测量和监测城市化的位置和程度是一种高精度的替代方法。然而，利用遥感在全球范围内进行城市化的测量和评估是困难的。在城市光谱中，由于土地覆盖类型复杂，很容易与非城市区域混淆，同时传感器的空间分辨率和光谱分辨率的误差也很重要（Imhoff et al.，1997）。

近年来，人们对利用城市夜间灯光产生了兴趣，通过城市夜间灯光的探测合成了城市扩张的生动画面。这些图像来自美国国防气象卫星项目DMSP/OLS，Croft（1978）和Kramer（1994）首先将其作为一种潜在的城市地图绘制工具进行研究。这种类型的遥感图像很好的表现了强光照和弱光照土地类型之间的对比度，其搭载的中等空间分辨率（2.7km）传感器使其成为识别人类活动的高强度区域的有力选择。Welch（1980)和Welch、Zupko（1980)试图将DMSP城市灯光图像与城市区域的人口密度和能源使用量数据联系起来，显示了城市夜间灯光数据的强大潜力，同时也暴露了将DMSP/OLS作为单一数据源提取城市建成区的精度问题。从DMSP/OLS(即使缩放至2.7km)精确估计城市建成区范围是困难的,主要是由于像元饱和度以及像元晕染造成传感器的极端敏感性,云层干扰，非城市光源或短暂的光源如闪电、火灾等，加上19世纪80年代缺乏对全球城市建成区图像绘制系统的研究，导致DMSP/OLS“城市灯光”数据更多地是一种新的研究方向，而非一种科学工具。最近，由于越来越关切人类活动对生态系统的影响，人们重新对DMSP/OLS数据产生兴趣。

美国国家海洋和大气管理局的国家地球科学数据中心(National Geoscience Data Center, NOAA/NGDC)为我们提供了一个“稳定”的照明数据集(Elvidge et al.， 1997)。这个数据集由多幅图像复合而成，并消除了闪电和火灾等短暂的光源，提供了地球表面持续照明区域的图像。虽然这种稳定光产品消除了短暂的光源噪声，但由于通过计算一个被照亮的像元的所有情况和在持续光照区域的配准误差，从而加剧像元晕染问题。在本研究中，我们描述了一种克服像元晕染问题和更准确地绘制城市建成区的技术。

DMSP/OLS 夜光遥感数据集

DMSP/OLS由美国国防部运营，主要获取可见光—近红外（VNIR；2.4 -1.1 um）的空间分辨率为2.7 km的遥感图像数据(Westinghouse, 1992)。由于OLS传感器的主要任务是为空军的全球气象预报观测夜间月光云量，它使用的光电倍增管的灵敏度比其他卫星系统至少高4个数量级。我们使用DMSP/OLS城市夜间灯光遥感数据作为本次分析的原始数据，它是由国家地球物理数据中心（NOAA/NGDC）提供的可视化产品。这款产品不同于早期的照片和单轨道图像，是由数百个轨道组成并消除云层遮挡误差的数码影像。NCDC方法包括收集、校正（利用卫星导航数据）、汇总了大量夜间OLS轨道图像，利用图像时间序列分析，将城市、城镇、工业设施产生的稳定灯光与火灾、闪电等产生的短暂灯光进行区分。时间序列方法还用于云层筛选，确保有足够的无云观测来确定所有时间和空间稳定的夜间VNIR辐射（城市灯光）的位置。时间序列数据同时复合了住房公里参考网格，最终提供一个统一网格单元和连续的(南极洲除外)图像产品，其他数据共享产品目前正在开发中。

本次研究选取的是由231个轨道段合成的1994年秋季至1995年春季的美洲大陆城市夜间灯光图像(图1)。为了调整影响无云观测总数的云层筛选过程，NGDC产品采用计算“光照百分比”值的方法。例如，合成图像中的每个像素都有一个从0到100的数字编号(DN)，表示光照观测与总无云观测X 100的比值。如果一个像素值为30，那么它在无云条件下被照亮的次数是被观察到的30%。一个像素有69次光照观测，共97次无云观测，其DN值为71。由于数据存在的背景噪声，NGDC将DNle;8的像元全部赋值为0。

尽管该数据集有效减少了“云层覆盖和短暂的光源”的误差，但DMSP/OLS仍具有城市夜间灯光固有的像元晕染问题。由于OLS的极端敏感性，特别是在月球弱光周期传感器增益提高的情况下，即使是微小光源也能使2.7x2.7 km的DMSP/OLS像元饱和并体现在最终产品中。大多数城市灯光数据集是在新月之夜采集的，而此时绘制云量地图具有较大的误差。由于传感器默认在新月夜设置高增益且没有对常规光照进行增益控制，大多数城市地区的传感器存在过饱和现象，这导致像元在光照区域周围存在晕染现象。在2.7KM像元范围内的像素开晕会对使用非增益控制的数据进行面积测量工作产生相当大的误差。由于在配准过程中只使用了卫星导航数据，配准过程中出现的多次配准错误可能会加剧这一问题。虽然配准可以达到亚像素精度，但配准点的某些“随机游走”是不可避免的。由于像元晕染是该数据集的最主要问题，我们在地理信息系统（GIS）中进行了空间完整性阈值化算法的实验，以消除像元晕染的影响，生成较为精确的城市建成区图像。

图1 美洲大陆的复合DMSP/OLS图像，途中的光照区域为光照时间百分比，或该像元在复合图像中被点亮的时间百分比。NGDC的产品是由231个云屏蔽轨道段复合而成的。原始数据分为两类：8%-88%（黑色)和gt;88%（白色）。通过对这两种类别进行求和来评估原始复合材料的非阈值总照明面积。本研究采用城市内部空间完整性阈值技术剔除了8-88%的类。gt;88%类别与人口普查估计的城市地区具有较高的匹配度。

一种将“夜间灯光”转换为“城市区域”的阈值法

本研究的目的主要是研究如何从DMSP/OLS夜光遥感数据中准确提取城市建成区区域。在上一节中提到的夜光遥感数据产品是较为稳定的城市光源数据集，剔除了包括闪电、日照云层亮度及其他短暂光源的影响。随之而来的是关于数据解释的方法论难题——如何将夜光按DN值百分比范围划分为“城市建成区”和“非城市区域”两种土地使用类别。虽然高百分比值的像元通常出现在大型城市核心区，这些核心区域的像元在夜光数据中通常也都是较为明亮的区域，但我们仍需要一种系统化的数据排序方法来精确划分。其中对于复合数据集的一种处理方法是使用时间合成，通过密度切片或使用阈值对数据进行分类。

由于OLS传感器对可见光与近红外（VNIR）的敏感性，国家地理数据中心（NGDC）的城市夜光遥感数据集中DN gt; 8（最低值）的像元并不能直接使用。由VNIR敏感性引起的误差中，最明显的现象是像元晕染。像元晕染现象在夜光遥感图像中有较为明显的体现，特别是大型都市区边缘的海岸线上可以清晰地观察到“由于水体发射产生的高亮像元”（图2）。这种误差是由于传感器上的检测器饱和引起的。像元晕染可以仅仅发生在单个DMSP数据集上，但在夜光遥感数据产品中是复合的。在数据拼接时，也会出现配准误差的问题，因为只有卫星导航数据参与数据集映射和地理配准。因此，代表城市中心的灯光区域会在其外围“增长“，由于地理注册上的小误差，将会导致城镇扩大的结果。

但是这些误差并不难识别，因为它们在数据集中出现的频率远远低于那些长时段的稳定的城市光源。所以我们需要寻找这些误差出现频率开始减少的区域以减少其对数据集的影响，通过逐渐增加阈值，将NGDC数据集的DN划分为城市和非城市覆盖类型。使用阈值技术，能够将数据集中到一个阈值上，在显著降低噪声和海岸线像元晕染误差的同时，尽可能保留城市区域灯光。当把阈值提高到100时，城市光照多边形的面积开始缩小，并在这个过程中，在阈值化过程中的某个点上，光照多边形的周长不再减少，而是从多边形内部开始分裂，在这一点上，在原光照多边形内部出现新的多边形，即城市的核心区域。

阈值是一个保持城市核心完整的DN值，通过阈值水平的实验以及研究它对大面积城市区域照明均匀性的影响，使我们能从经验上确定城市光照区域或城市建成区。我们发现使用GIS方法可以系统地确定这个阈值。因为ARCINFO (ESRI, Redlands, CA)能够计算覆盖区域中所有光照多边形的周长和面积，所以对于任何研究区域内部开始分裂的点都可以通过周长测量值的突然跳跃而观察到。为了将这一现象作为区分城市与非城市覆盖类型的无偏指标，我们独立地考察了三个城市区域，并对城市光照多边形周长突然增加或跳跃的阈值取平均值，这个平均值表明了城市核心碎片化的初始值。使用这种方法。我们根据三个大城市（迈阿密、芝加哥、萨克拉门托）的平均值确定了整个美国数据集的阈值: (图3)，平均值为89%。也就是说，所有值为gt;89的像元都被划分为城市像元，所有其他像元都被划分为非城市像元。然后生成最终的地图产品，其中城市类像元表示构成该组合的89-100%数据的像元(见图1)。

美国人口普查的对比数据

为大陆尺度的城市地图评价寻找比较数据集有一定的困难。尽管数据收集方法截然不同，我们选择了美国人口普查局提供的表格式和地理编码的普查数据作为比较DMSP/OLS派生地图的基准。研究中共采用两种类型的普查数据：（1） 表格中每个州城市化程度的数据用于评价基于DMSP/OLS绘制城市区域；（2）使用地理编码的人口和住房信息，从人口统计学角度描述DMSP/OLS。通过阈值算法估计的DMSP/OLS城市面积的相对准确性是通过将我们得到的结果与1990年美国人口普查局（U.S. Bureau of The Census, 1993）在各州基础上描述城市面积的表格数据进行比较来评估的。在人口普查中，城市或城市化区域的定义是非常具体的。美国人口普查局所定义的“城市面积”包括由合并的城镇或人口超过2500人的“人口普查局指定地点”（其中大部分为城市化地区)构成的城市用地。该区域总人口为ge;5万人，密度为ge;1000人/平方英里)。卫星系统，例如DMSP，只记录地面现象如城市面积，而其它属性则需要据此推断。

我们使用芝加哥的人口普查数据对DMSP/OLS派生地图进行对比参考。将TIGER系统拓扑集成地理编码和1990年人口普查文件中的人口和住宅密度数据分别与DMSP/OLS原始数据和派生数据联接，从而将人口和住宅密度值合并到灯光数据中。

图2 DMSP/OLS城市灯光数据阈值化的效果显示的包含萨克拉门托、加州和佛罗里达州的大迈阿密地区。较暗的像元是通过ge;89%的阈值化方法剔除的像元。值得注意的是，阈值化方法降低了“海岸线”(佛罗里达州)周围的像元晕染，以及一些小城镇在89%的阈值下退出的。TIGER(拓扑集成地理编码和引用)文件显示了后来添加的人口普查区，以显示阈值化的结果与人口密度和住房密度的相关性。其中较小的人口普查区代表该区域人口密度较高。

图3 DMSP/OLS城市灯光多边形周长与三个选定城市区域阈值的关系图。我们发现，从这条曲线中周长突然增加的断点可以推导出一个合适的阈值来区分城市和非城市像元。周长的增加代表阈值的增大；断点的出现表示统一的城市多边形内部开始分裂，形成混合了城市和非城市覆盖的小多边形的像元群。在所调查的三个大城市中，周长增加的断点所代表的阈值平均值为89%。该阈值适用于将整个美国DMSP/OLS城市灯光数据集转换为城市类型土地覆盖图。

结果与评价

基于DMSP的城市建成区评价

我们将阈值化过程得到的DMSP/OLS衍生的城市面积度量值(图1)与1990年美国各州的城市化总面积普查数据进行了比较。表1显示了基于DMSP

资料编号：[5561]