李灏川

（福建省地质测绘院，福州，350011）

城市建成区是“已经成片建设、市政公用设施和公共设施基本具备”的区域，是城市利用范围的表征，在城市形态[1,2]、城市发展水平[3]、城市发展驱动力[4]等研究方向上有重要作用。以夜间灯光数据为基础的城市建成区提取方法因其更加简便及提取成果与经济、人口等其他因子关联性更强而深受学者喜爱。传统的主要提取方法为阈值法，包括突变检验、经验阈值、统计数据比较等，如陈星星[5]依据相关研究成果以DN 值8 作为DMSP-OLS夜间灯光数据提取建设用地的基础阈值，结合城镇建设用地复合指数NUACI 提取武汉市2000 年、2005 年、2010 年3 年的城镇用地，并以Landsat TM/ETM 数据提取的不透水表面进行验证；毋冰龙等[6]采取提取阈值可变的方式基于“类NPP 数据”提取了2000—2019 年北京市建成区范围，并以此进行建成区扩张的动态分析，以统计年鉴面积为精度验证数据；况旭等[7]以统计年鉴（公报）中建成区的面积数据为参考，基于DMSP/OLS、NPP/VIIRS 数据，确定提取了亮度阈值和粤港澳大湾区的建成区边界等。

但阈值提取方法应满足或近似满足城市建成区的亮度值高于非建成区的前提假设，在小尺度的研究中不一定成立，如李外宾等[8]在对天津6 个主城区进行建成区提取时发现，灯光溢出对周边非建设用地的影响在小尺度研究中较为明显。精度评价中阈值方法提取建成区的总体精度为82.5%，但Kappa 系数仅为0.359；唐鹏飞等[9]在提取不透水面时也发现，哈尔滨市的不透水面漏分来源于其灯光亮度值低于阈值设定。为减少阈值提取方法存在的误差，基于NPP-VIIRS 提取城市建成区的改良思路，可以在简便的提取方法基础上，为更加准确提取城市建成区提供参考。

1 研究数据来源

1.1 研究区域和对象

为保持研究范围一致性，研究区域为福建三明三元区2021 年行政区调整后范围。研究对象为2013—2021 年间研究区域中城市总体规划控制范围内各组团已建成、在建或已推平的城镇建设用地，不含城市内部现状连片农地及山体、水域等（图1）。

图1 研究区域城市建成区图Fig.1 Urban built-up areas in the research area

1.2 研究数据来源及处理

研究数据为2013—2021 年NPP-VIIRS 夜间灯光月度数据集、Landsat-8 L1TP 数据集等（表1）。其中，NPP-VIIRS 夜间灯光数据使用VCM 月度数据，以每月福州主城区最大DN 值为参考极值，采用8邻域方法[10]平滑异常值后，投影至阿尔伯斯等积圆锥投影并重采样至30 m，年度数据由月度数据平均得到。Landsat-8 数据进行辐射定标和大气校正后，衍生指标裁切至研究区范围并重投影至阿尔伯斯等积圆锥投影。

表1 研究区主要使用数据及来源Table1 Research datas and sources in the research area

2 研究思路与方法

2.1 研究思路

基于NPP-VIIRS 数据的二分结果，与植被、水体等非城市建成区部分共同提取城市建成区。

采用逐年迭代方式提取研究区多时相城市建成区主要技术流程（图2）。

图2 研究区多时相城市建成区提取主要技术流程图Fig2. Technical flow chart of multi-temporal urban built-up areas extraction in the research area

2.2 建成区备选区域的提取

城市建成区意味着空间上的聚集，由其产生的灯光数据存在空间自相关性，基于该特性的提取方法在识别低亮度但存在空间自相关的区域方面应有更高的灵敏度，所提取的备选区域覆盖更加全面。

基于空间自相关的常用聚类方法采用Getis-Ord Gi*指数法，该指数被用于获取显著的空间自相关区域，其统计量Gi*由下式得到：

式中：xj为要素j 的属性值，wi,j是要素i 与要素j 之间的空间权重，n 为要素总数，且

2.3 非建成区部分的排除

研究区域土地覆盖类型可以大致分为植被、水体、裸地和建筑物。在城市建成区提取过程中需要予以排除的包括植被中城市绿化以外的部分、水体、裸地中推平地以外的部分、村庄建设用地。

NDVI 指标以其低密度植被分辨清晰及高密度植被过饱和[11]成为植被排除指标的首选。考虑到NDVI 对高反射率厂房反应较为敏感，参考经验数据并经ROI 提取检验，将阈值设定在0.6。

研究区的水体主要为穿过建成区的河流，由徐涵秋[12]提出的MNDWI 在提取城镇范围内水体精度上相较于传统NDWI 更高，参考经验数据，将阈值设定在0.1。

推平地与其他裸土的显著差异暂无较明确的研究结论，同时鉴于主城区内部尚有一定量的老旧房屋，以人工解译并叠加城市总体规划的方式排除裸土中非推平地和村庄建设用地。

2.4 多时相建成区的提取

在较短时期内，一般已建成或在建的城镇建设用地不会减少。因此时序越往后，城市建成区范围应当越大，即在足够精度下，式（4）在数量和空间上均成立：

式中：Areat、Areat-1为第t期、第t-1 期建成区范围，ΔAreat为第t期新增的建成区范围。考虑到城市建成区提取过程为减法（排除）过程，迭代方式选择以2021 年为基期，逐年向前迭代。

3 结果与分析

3.1 提取结果

为进行对比分析，以常用的统计数据比较方法提取对照组，统计数据来源为三明市统计年鉴中建成区面积。2013—2021 年对照组及改良方法提取结果（图3、图4）。通过对2013—2021 年对照组与改良方法的各年结果分别取分层随机样本5 000个，以人工判读方式获取真值构建混淆矩阵，精度评定结果（表2）。

图4 研究区改良方法2013—2021 年建成区提取结果图Fig.4 Built-up Extraction results maps from 2013 to 2021 by use improved method in the research area

表2 研究区对照组与改良方法组精度评定结果Table 2 Precision assessment results of the control group and modified method group in the research area

3.2 结果分析

3.2.1 提取范围

（1）对照组和改良方法的提取结果均遗漏了组团2。以2021 年基期数据分析，该区域亮度值为1.726 8 ～3.169 7 nW/cm2/sr，其亮度值高于NPP-VIIRS 数据背景噪音[13]，但远低于阈值；分析范围6 km×6 km 以上时该组团内未发现统计学显著的高值聚集，可能与组团内亮度聚集较为轻微有关。

（2）对照组较完整提取了主城区及其边缘的组团3，但发生了较为明显的漏提和错提现象，如在所有年份中均未提出组团6 的同时，提取结果还包含了主城区周边山体和穿过主城区的水体；改良方法除部分推平地外基本为完整提取。对照组提取结果中，亮度明显低于阈值是漏提和错提的主要原因，而改良方法漏提的主要原因是推平地未产生显著的亮度聚集。

（3）对照组提取结果在组团4，7 的连续提取结果中出现了前后范围不一致现象，如组团4 在2014—2016 年、2019 年均未提取，但其前后年均存在少量提取区域；改良方法提取结果在连续提取中表现出逻辑一致性，不存在突然出现或突然消失情况。

3.2.2 精度评价结果

对照组提取结果的总体精度不低于97%，Kappa 系数为0.62 ～0.73，改良方法提取结果的总体精度不低于99%，Kappa 系数为0.88 ～0.91，改良方法提取结果的精度及稳定性均优于对照组提取结果[14]。

3.2.3 与统计数据差异

改良方法提取结果与统计年鉴数据的差异量在2013—2021 年间呈递增趋势，与周青等[15]结论相似。以2021 年提取面积与统计年鉴面积之间的差异为基准，结合人工解译结果，产生差异的主要原因在于：分辨率不足导致多提取，尤其在建成区的边缘，因分辨率不足可能将部分非建成区纳入提取结果；参考范围较为粗略，在没有其他外部参考信息的情况下可能将部分不属建成区的集体建设用地如城边村一并纳入提取结果。

4 结论

（1）改良方法通过捕捉夜光数据的空间自相关特征，较传统阈值提取方法在识别较低亮度但存在空间自相关的区域有更高的灵敏度。

（2）改良方法较传统阈值提取方法显著提高了精度和稳定性。

（3）改良方法在设计上保证了多时相提取结果的逻辑一致性。

（4）改良方法的提取结果可为小尺度上城市形态、城市发展等相关研究提供更为准确的基础，但受夜间灯光数据本身影响，无光源区和低聚集度区域的漏提问题依然难以避免，结合更多数据进行补充提取将是进一步研究的方向。