基于NPP-VIIRS夜光数据的北京市建成区提取和分析

鹿一凡 孙国栋 冯子元 吴晨泽 张文璇 程琳琳

摘要：一般的统计方法难以把握城市扩张的动态变化，而利用夜光遥感监测能够准确、高效地得出结论。该文利用对数变换后的NPP-VIIRS数据通过突变检测法提取2013—2018年北京市建成区边界，计算其几何统计特征，与中国城市统计年鉴数据对比，采用扩展速率、紧凑度、分形维数等指标分析北京市向外扩张特点。得出结论，北京市建成区扩张趋于稳定，中心城区发展较完善，城市由向外扩张型发展，逐渐转化为高质量发展，符合相关政策。

关键词：NPP-VIIRS突变检测法对数变换建成区扩张

中图分类号： P237文献标识码：A        文章编号：1672-3791（2021）09（C）-0000-00

Extraction and Analysis of Built-up Areas in Beijing Based on NPP-VIIRS LuminousData Set

LU Yifan  SUN Guodong  FENG Ziyuan  WU Chenze  ZHANG Wenxuan  CHENG Linlin*

（China University of Mining And Technology（Beijing），Beijing，100083 China）

Abstract：General statistical methods are difficult to grasp the dynamic changes of urban expansion， but with the use of luminous remote sensing data set， one can monitor and draw conclusions accurately and efficiently. This paper uses the logarithmically transformed NPP-VIIRS data set to extract the boundary of Beijing built-up area from 2013 to 2018 by mutation detection method， calculate its geometric statistical characteristics， compare it with the data in China's urban statistical yearbook， and analyze the outward expansion characteristics of Beijing by using indicators such as expansion rate， compactness and fractal dimension. It is concluded that the expansion of built-up area in Beijing tends to be stable， and the development of the central city is relatively perfect. The development of the city from outward expansion to high quality development is in line with relevant policies.

Key Words：NPP-VIIRS：Mutation detection：Logarithmic transformation：Urban built-up area expansion

城市作为人类活动的重要聚集地，推动了地区经济与社会的发展，是人类社会文明进步的产物[1]。城市化指社会由乡村型社会向城市型社会的转变，其反映了国家在经济、社会、文化等领域的发展水平，其中城市范围的扩张是城市化进程研究的重要指标[2]。北京作为我国首都，是向世界展示中国的首要窗口。北京城市总体规划（2016—2035年）[3]指出，北京市总体空间布局上呈现“一核一主一副、两轴多点一区”的城市空间结构。

城市建成区提取的关键在于确定最佳分割阈值，目前基于夜间灯光数据获取最佳阈值的方法主要包括经验阈值法、突变检测法、参考比较法和高分辨率影像空间比较法。其中突变检测法相较于其他方法，自动化程度高、人工干扰小，提取的建成区范围更接近于实际情况，具有较高的可实现性和较高的精度，较为常用[4]。

该文采用数据质量较高的NPP-VIIRS数据，利用遥感技术，对北京城区建设区的范围边界进行提取，采用突变检测阈值法提取城市建成区面积，系统演绎数据处理、结果分析的流程，采用扩张速度、城市扩展强度指数、紧凑度、分形维数等指标分析2013—2018北京市建成区的形态变化。

1研究区及数据

1.1 研究区概况

北京是我国的首都、直辖市、国家中心城市、超大城市，国务院批复确定的中国政治中心、文化中心、国际交往中心、科技创新中心。根据中国城市统计年鉴的数据，2013—2018年，北京市建成区面积由1306km2提升到1469km2。

1.2 数据来源及预处理

夜光数据采用NPOESS Preparatory Project（NPP）卫星系统的可见光红外成像辐射仪（VIIRS）传感器获得的数据，在NOAA官方网站（https：//www.ngdc.noaa.gov/eog/viirs/）可以获得NPP-VIIRS的逐月数据以及2015年和2016年经过校正的年数据。对于缺失年数据的年份，用当年的月数据进行合成，由于该数据覆盖范围较广，且未经过降噪处理，故先对获得的NPP-VIIRS月数据进行降噪处理，消除异常值。原始圖像使用的是“GCS WGS_1984”球面坐标系，为准确计算夜光图像的光斑面积，将夜光数据投影至适合中国的 Albers 北半球等积投影坐标系，并将像元大小重采样为 0.5 km×0.5 km，再对重采样的结果利用北京区县界的矢量图进行裁剪，得到预处理后的月数据。

在对逐月数据进行预处理之后，利用波段运算，每年分别进行最大值合成（MVC）和平均值合成（AVE），比较其灰度直方图，最大值合成更能代表城市特征，因此选取最大值合成NPP-VIIRS夜间灯光遥感数据（MVC）作为年合成数据作为当年夜光年数据。

2研究方法

该文的总体思路为：获取2013年至2018年北京地区的夜间灯光数据，通过对数运算，增强低亮度部分的信息，通过突变检测法获取城市边界的矢量并统计其面积，再与中国城市统计年鉴的面积数据做比较。引入建成区扩展相应的指标以分析建成区扩展于形态分析。

目前，DMSP-OLS稳定夜间灯光数据已被广泛应用于城市建成区提取，而2012年发布的NPP-VIIRS数据的使用也逐渐普及。对于DMSP-OLS数据，最佳阈值法中主要存在4类城市建成区提取方法：经验阈值法、突变检测法、统计数据法和较高分辨率影像数据空间比较法。其中，突变检测法相较于其他方法，具有较高的可实现性和较高的精度，且仅仅依赖夜间灯光数据[5]。因此，该文采用突变检测法对NPP-VIIRS数据提取建成区边界。

2.1对数变换

对裁剪出北京地区的NPP-VIIRS数据进行统计，得到其灰度直方图，如图1左。可以看出，大多数像元的灰度辐射值都集中在0～20内，对应城郊边界的阈值，像元过分集中，不易于划分城市建成区[6，7]，因此，研究人员采用对数变换对图像进行拉伸，以显示其在灰度辐射值较低部分的细节。

对数变换的意义时在亮度值较低的部分拉伸，而在亮度值较高的部分压缩，对灰度进行增强处理，其数学表达式为：

g（x，y）=b*ln?[a*f（x，y）+d]+c（1）

式中，f（x，y）为原始输入图像，g（x，y）为输出图像;ln表示以自然对数为底的对数运算;a，b，c，d为可调参数，根据实际情况进行调节[8]。

调整后的图像灰度值如图1右，大多数像元分布在中间区域，基本符合正态分布，充分展示了灰度值较低部分的細节，提高阈值选取的精度。

2.2 突变检测法

突变检测法由Imhoff[9]最先提出。他认为，在夜间灯光数据中，真实的城市边界是完整的。随着分割阈值的增大，提取的城市边界向内部逐步收缩，属于真实城区的概率也就逐步增大。但当分割阈值增大超过某一界限时，提取的城市边界不再从城市边界向内部收缩，而是从城市内部破碎，分裂产生较小的斑块，城市的周长会突然增加，此时这个界限即为提取城市区域的阈值。

首先，设置分割阈值初始值和粗略步长，提取当前分割阈值下的城市建成区边界;接着，将提取边界栅格转面，通过分区几何统计，计算出面域的面积、周长和x，y中心等数据。观察数据，选择可能存在突变点的阈值区间，重新设置分割阈值和精确步长，重复以上步骤，得到周长随阈值变化的曲线，选取周长的突变点作为分割阈值。

该文设置的粗略步长为0.5，精确步长为0.1，对对数前后的夜光数据分别通过突变检测法，提取城市边界，并计算出相应的提取面积，将结果与统计年鉴的结果对比。提取历年的数据，具体见表1。

可以发现，全部年份对数变换后提取城市建成区面积的偏差均小于3%，可以认为，突变阈值法提取城市建成区面积的精度较高。除了2014年，对数变换前后提取的结果和原数据基本一致以外，其他年份对数提取的结果均优于原方法提取的结果，因此可以认为，对数变换有利于充分展示夜光数据的细节，提高阈值选取的精度。

将2013—2018年提取的城市边界做叠加，得到时序图，见图2。

3结果分析

3.1 建成区扩张强度分析

利用夜光数据提取每年的建成区面积与周长后，计算相关参数对扩展形态进行进一步的分析。具体计算公式如下：

?〖U=U〗_b-U_a （2）

V= （U_b-U_a）/?T; （3）

R=（U_b-U_a）/U_a ×1/T×100% （4）

其中，扩张速率反应建成区面积扩张随时间变化的快慢;城市扩展强度展示了某一时间段内研究区面积动态变化。式中Ua和Ub分为研究时间段中始末年份的城市建成区面积;T为研究的时间跨度时间段，以年为单位在此研究中T为1年;v为建成区面积平均拓展速率，R为建成区相对拓展速率，即城市拓展强度系数。

分析可知，提取面积与城市统计年鉴数据基本一致，提取精度较高。2013年北京城区提取面积为1 307.36km?，2018年提取面积为1 507.36km?，扩展面积5年总和为200km?左右，除2013—2014年建成区扩展面积较大外，北京市建成区面积总体扩展速度较慢，总体扩张面积规模较小，表明北京市建成区的城市范围基本达到一个稳定的状态，这与近年来北京市控制人口政策与控制城乡建设用地政策相契合，也在一定程度上说明2013年以后，北京市土地开发强度减缓，城区扩张已达到一个扩张速度趋于稳定的一个时期，这也说明了我国城镇化尤其是北上广等发达城市的城镇化将严重放缓的大趋势。

3.2 建成区扩张形态分析

为了客观把握城市建成区的扩张状况，可利用提取面积与提取周长对分形维数和紧凑度指数进行研究分析。紧凑度常用于反映区域形状特征， 目前是衡量紧凑型城市的主要指标之一。分形维数被誉为大自然的几何学的分形（Fractal）理论，是现代数学的一个新分支，但其本质却是一种新的世界观和方法论。在城市建成区分析中，通过分析分形维数，得出城市扩张以沿边缘扩张抑或是内部填充式发展[10]。

C=（2√（ΠA_i ））/P_i （5）

D=（2 ln?〖P_i/4〗）/ln?〖A_i 〗

（6）

式中C为紧凑度指数，取值范围为0～1值越大，形状越紧凑;越接近于 1，形状越接近圆形[11]。D为城市建成区分形维数;A为建成区面积，单位km2;P为建成区轮廓周长，单位 km[12];城市扩张形态随着分形维数的增大而增大。其中D的取值范围为1～2。

从建成区紧凑度来看，2013—2018年北京市城紧凑程度均在0.1以下，相对较低。分析原因是因为提取建成区边界具有一定数量的斑块，增大了建成区的周长。其中2014—2016年紧凑度指数由小变大，表明城市内部空间在不断补充完善。通过2013—2018年城市分形维数指标，可以得出北京市建成区尽管相对而言规模及其变化较小，但也开始以块状形态为中心[13]，沿着城市边缘以发散式呈不规则形状向外缓慢扩展。

总体而言，北京市建成区重心并未迁移，基本处于稳定状态。这与北京的政治、经济、文化中心的地位有关，也因为时间跨度较小，故建成区中心未有明显变化。

4  结论与讨论

该文首先获取2013—2018年北京地区夜间灯光以及中国城市统计年鉴数据，通过突变检测法对经过对数变换后的数据提取边界，获得建成区的面积后，与中国城市统计年鉴的数据做比较，发现各年份提取建成区面积的偏差均小于3%，且通过对数变换后的数据普遍优于处理前，可以认为对数变换能够提升建成区提取的质量。引入建成区扩展的相关指标以分析城市扩展情况。结论表明，2013—2018年间，北京市建成区对外扩展总体趋于稳定，增长速度较为缓慢。城区扩张已达到一个趋于稳定的时期，且中心城区发展较完善，建成区的扩张在分布上较分散，城市中心迁移不明显。但该文仅采用突变检测的方法研究了城市对外扩展的趋势，得出城区轮廓趋于稳定的结论，但城市内部建成区强度是如何变化未做讨论，这是需要进一步研究的方向。

参考文献

[1]许礼华.基于NPP-VIIRS数据长三角城市群城市扩张时空演变研究[D].上海：海师范大学，2019.

[2] 柴宝惠，李培军，张瑞洁，等.基于Landsat数据和DMSP/OLS夜间灯光数据的城市扩展提取：以天津市为例[J].北京大学学报： 自然科学版，2016（3）：475-485.

[3].关于《北京城市总体规划（2016年—2035年）》实施情况的报告（书面）——2020年11月26日在北京市第十五届人民代表大会常务委员会第二十六次会议上[J].北京市人大常委会公报，2020（6）：123-129.

[4]彭媛媛，吴庆双.广州市建成区空间扩张与驱动因子研究[J].地理空间信息，2020，18（5）：76-82.

[5]舒松，余柏蒗，吴健平，等.基于夜间灯光数据的城市建成区提取方法评价与应用[J].遥感技术与应用，2011，26（2）：169-176.

[6]唐敏.基于对数变换的NPP-VIIRS夜间灯光遥感影像在城市建成区提取中的应用[D].上海：华东师范大学，2017.

[7]王博.基于NPP-VIIRS夜间灯光遥感影像的杭州城市结构发展变化分析[D].杭州：浙江大学，2019.

[8]梅安新，彭望禄，秦其明，等.遥感导论[M].北京：高等教育出版社，2011.

[9]IMHOFF M L， LAWRENCE W T， ELVIDGE C D， et al.. Using nighttime DMSP/OLS images of city lights to estimate the impact of urban land use on soil resources in the United States[J]. Remote Sensing of Environment，1997，59（1）：105-117.

[10]乌云嘎，冬梅.锡林浩特市城市扩展特征及驱动力分析[J].阴山学刊：自然科学版，2015，29（1）：37-40.

[11] 李江.城市空间形态的分形维数及应用[J].武汉大学学报：工学版，2005（3）：99-103.

[12]李一曼，修春亮，其布日，等.长春城市蔓延测度与治理对策研究[J].地域研究与开发，2013，32（2）：68-72.

[13]高雁鹏，徐筱菲，修春亮.基于GIS的沈阳旧城区叙事空间研究[J].人文地理，2018，33（3）：52-59.

基金项目：国家大学生创新训练项目资助《基于遙感的北京市城市扩展研究》（项目编号：C202002160）。

作者简介：鹿一凡（2000—），男，本科在读，研究方向为遥感方向。

通信作者：程琳琳（1977—），女，博士，教授，主要研究土地利用、土地评价、土地复垦、3S技术应用、国土空间规划，E-mail：chll@cumtb.edu.cn。

DOI：10.16661/j.cnki.1672-3791.2110-5042-1103