基于Landsat8 OLI数据提取石河子市建筑用地的一个新方法

吴晓燕 高敏华 刘畅

摘 要：为了解决IBI指数提取的建筑用地信息含有大量裸地信息的问题，以新疆石河子市Landsat 8 OLI影像为数据源，通过对比分析石河子建筑用地、裸露地和河滩地的光谱特性，分别构建了去除裸露地指数（DBSI）和去除河滩地指数（DFLI），再将IBI、NEBSI、NEFLI二值化后的图像进行叠加分析，以此去除建筑用地信息中的裸露地和河滩地信息。结果表明：NEBSI和NEFLI能有效去除大部分石河子市裸露地和河滩地信息，弥补了IBI指数在提取新疆地区建筑用地信息的一些不足。

关键词：Landsat OLI;建筑用地指数;新疆;裸露地信息

1 绪论

随着社会经济的快速发展，我国城镇化的速度持续增长，使得城市空间急剧扩张，但一些城市用地无序蔓延和过度扩张，影响了城市空间分布与规模结构，造成资源利用效率低下等问题[1]。因此，为改善土地粗放利用和缓解土地资源供需矛盾，亟需展开城市扩张监测研究，为之后的城市规划、国土资源开发等做贡献。

城市空间扩张最直观的表现是城市建筑用地规模、数量增加，因此，掌握城市建筑用地在时间、空间上的变化是监测城市动态扩张的有效手段。城市建筑用地信息除了传统分类方法，还可以利用遥感技术提取。遥感技术因其获取信息便捷、成本低廉的特点常用于提取各类用地信息。近年来，众多学者利用遥感技术建立了多种遥感指数模型用于提取城镇建筑用地信息，以便监测城市扩展动态及土地利用变化，如简单易行的归一化建筑指数NDBI（normalized difference built-up index）[2];基于压缩数据维方法构建的建筑用地指数IBI（index based built-up index）[3]，该方法将NDBI、修正归一化差异水体指数MNDWI（modified normalized difference Water index）、土壤调节植被指数SAVI（soil adjusted vegetation index）三种指数重新构建的;增强的指数型建筑用地指数EIBI（enhanced index based built-up index）[4]，是仿照IBI指数构建，目的是为了提取建筑用地信息的同时弱化裸地信息，即去除IBI指数中提取的裸地信息。上述提取的建筑信息的遥感指数法在各自试验区内提取效果较好，且适用于一些类似的裸地较少的位于我国南方和东部的城市，但在裸地较多的新疆地区，结果差强人意。

新疆位于我国西北边陲，主体地貌为沙漠、戈壁、荒漠、高山等[5]，绿洲所占面积小且分散，因此决定了新疆城市数量少、规模小，并且各城市之间相离较远[6]，两两城市之间，从城市中心到城市行政区边界，绿洲逐渐被沙漠或戈壁或荒漠或高山取代。因此，新疆的大多城市行政区内，大多都包含了裸露地。石河子市是一个典型的代表，其南部有大量裸露地，东部有较多的河滩裸石地，这两种地类信息会严重干扰建筑用地信息的提取。因此，本文新建立新增强裸地信息指数NEBSI与新增强河滩裸石地NEFLI两种指数，结合已有的建筑指数IBI，分别对3种指数二值化后进行叠加分析，提取较为准确的石河子市建筑用地信息。以期为其他类似的含有较多裸地的城市，在提取建筑用地信息时提供参考方法，为城市扩张研究提供技术支撑。

2 数据与方法

2.1 研究区

石河子市位于新疆北部，地处东经85°59′12″～86°08′13″，北纬44°15′43″～44°19′13″之间，占地面积面积大约为460km2，属温带大陆性气候，昼夜温差大，冬季长而寒，夏季短而热。东边以玛纳斯河为界，与玛纳斯县为邻，南、西、北三面与沙湾县环接。区域内水资源丰富，主要河流有玛纳斯河、宁家河、金沟河、大南沟、巴音沟河5条主要河流。垦区地形由南向北依次为天山山区、山前丘陵区、山前倾斜平原、洪水冲积平原、风成沙漠区。因此，石河子南部有大量的山地、沙丘、碱地等（下文统称三类地为裸露地）以及植被稀疏的耕地;东部玛纳斯河过境，有较多的河滩裸石地;其他区域主要为城镇和种植地。

2.2 源数据及数据预处理

本研究影像数据是由地理空间数据云网站获取的Landsat 8 OLI数据，影像选用2016年8月11日获取的1景数据，像元数为621*1288，研究区内无云，成像时正值夏季，耕地植被覆盖较高，易于与裸地区分。为了减少遥感技术成图时由光照和大气条件不同等因素产生误差，需对获取的影像进行辐射校正，本文采用FLAASH大气校正方法[7]，响应函数用landsat8图像的多光谱（1-7波段）的光谱响应函数。辐射校正后，直接利用石河子的矢量边界对影像裁剪，获得石河子市的影像图。

3 提取建筑用地信息

3.1 前人的经验—常用的建筑用地指数

当前，用于提取建筑用地信息的常用指数有NDBI、IBI和EIBI等，这些在特定区域内有较好的提取效果，但仍有些许不足。NDBI是参照归一化植被指数建立的，计算公式为：

NDBI=（MIR-NIR）/（MIR+NIR）（1）

NDBI相比于传统分类方法，方法简单，操作快速且精度相对较高，但提取结果中会含有植被、水体等地物信息，提取结果很难达到理想效果[8]。IBI基于压缩数据的方法將NDBI、MNDWI和SAVI三种指数有机结合，针对性地去除了水体与植被的影响，提高了建筑用地信息提取的提取精度，但在提取裸地信息较多的区域，IBI效果不佳。

徐涵秋[9]基于压缩数据的方法提出遥感建筑用地指数IBI，IBI模型由NDBI、MNDWI和SAVI共3个指数构建，分别代表建筑用地、植被和水体，表达式为：

SAVI=NIR-RED1+l/NIR+RED+l（2）

5 結论与建议

（1）本研究构建的NEBSI和EFLI能有效去除石河子区域内的裸露地和河滩地，再结合建筑用地IBI指数，可以较好地获得石河子的建筑用地。

（2）IBI指数提取结果缺少了高反射率的建筑用地，比如一些工厂、铁皮建筑顶，降低了了建筑用地的精度。

（3）本研究是基于Landsat 8 OLI影像数据，波段数及波段长度有异于其他卫星数据，本文的指数是否适用于其他卫星影像还有待研究。

（4）在使用NEBSI指数去除裸露地时，若研究区域存在积雪时会影响提取效果，因此用本文方法提取建筑用地时需要注意影像获取时间。

致谢：感谢评审专家和编辑辛劳的工作，感谢各平台提供的数据以及各位学者们的智慧结晶，我很庆幸站在了各位伟人的肩上学习着。

参考文献：

[1]陆晓蕙，梁勇，燕琴，等.城市开发区土地集约利用评价——以武汉市为例[J].测绘通报，2018（3）：71-75，88.

[2]查勇，倪绍祥，杨山.一种利用TM图像自动提取城镇用地信息的有效方法[J].遥感学报，2003，7（1）：37-40.

[3]徐涵秋，杜丽萍，孙小丹.基于遥感指数的城市建城区界定与自动提取[J].福州大学学报（自然科学版），2011（5）：707-712.

[4]吴志杰，赵书河.基于TM图像的“增强的指数型建筑用地指数”研究[J].国土资源遥感，2012，24（2）：50-55.

[5]何一民.绿洲与绿洲城市：从农牧时代到工业时代新疆城市发展的特点[J].民族学刊，2017，8（4）：1-14.

[6]何一民，李琳.近代新疆城市体系构建与城市分布特点历史审视[J].民族学刊，2018，9，48（04）：17-28+102-105.

[7]蒲莉莉，刘斌.结合光谱响应函数的Landsat-8影像大气校正研究[J].遥感信息，2015（2）：116-119.

[8]张志赟，刘辉，杨义炜.资源枯竭型城市空间扩展进程研究——以淮北市为例[J].地理研究，2018，37（1）：183-198.

[9]徐涵秋.一种基于指数的新型遥感建筑用地指数及其生态环境意义[J].遥感技术与应用，2011，Issue（3）.

[10]Rikimaru，A.（1996）LANDSAT TM Data Processing Guide for Forest Canopy Density Mapping and Monitoring Model.ITTO Workshop on Utilization of Remote Sensing in Site Assessment and Planning for Rehabilitation of Logged-Over Forests，Bangkok，30 July-1 August 1996，1-8.