佟彪沈 伟

（上海星火测绘有限公司，上海 200122）

面向对象的Landsat 8 影像城市建成区提取方法研究

佟彪沈 伟

（上海星火测绘有限公司，上海 200122）

城市建成区是城市研究和规划制定过程中的重要基础资料。针对城市建设用地的统计资料 （主要体现为 “两证一书”）和矢量数据获取困难的现状，本文利用面向对象影像分析方法从公开、免费的Landsat 8影像中提取城市建设用地，并提出基于影像对象分类的建成区范围提取新方法。其基本思路是是：首先采用面向对象的影像分析技术，在Landsat 8影像中提取城市建设用地区域；之后对初步提取出的城市建设用地区域，采取二次分割与分类的处理，获取 “集中连片”的城市建成区。以沈阳市为例进行了建成区提取的实验，结果表明本文的方法结果准确、处理速度快。

城市建成区；面向对象的影像分析；Landsat 8；决策树分类

按照 《城市规划基本术语标准》 （GB/T 50280-98），城市建成区 （简称 “建成区”），指“城市行政区内实际已成片开发建设、市政公用设施和公共设施基本具备的地区”［1］。对建成区的提取是研究城市空间扩展及其驱动力分析的基础，也是制定各类规划的重要参考。

根据定义，判断建成区范围主要有三个条件： “实际开发建设”、 “集中连片”、 “设施基本具备”。目前对建成区范围的提取方法主要分为统计资料法和遥感技术提取方法。统计资料法是根据城市规划建设部门掌握的城市建设用地数据资料 （主要体现为 “两证一书”）通过统计计算得出建成区范围，这种方法存在未建设先统计和各城市统计口径不统一等问题；基于遥感技术的提取方法具有快速、数据易获取的优点，近年来发展迅速。主要有人工目视解译法［2］、基于像素的分类或指数提取法［3］、基于局部纹理的提取方法［4］等，总的来说标准尚未统一、方法尚未普及。姚君兰等 （2016）提出了一种基于矢量居民地要素的点密度聚类提取建成区的方法［5］，具有自动化程度高、人为干预少的优点，但矢量居民地数据有成本和保密性的限制，较难获取。本文借鉴这种思路，利用面向对象影像分析方法从公开、免费的Landsat 8影像中提取城市建设用地，提出基于影像对象分类的建成区范围提取新方法。

1 实验工具和实验数据

1.1 实验工具

面向对象的影像分析技术 （Object-Oriented Image Analysis,OOIA），通过影像分割将一幅影像分为若干影像对象 （Image Object），这些影像对象满足对象内部异质性最小而对象之间异质性最大的原则。基于影像对象的光谱、形状、空间关系等特征，可以使用最邻近分类、聚类分析、模糊分类，以及决策树、支撑向量机、专家分类系统等多种分类方法进行影像目标的提取与解译。与传统的基于像元发分类方法相比，具有可利用特征丰富、集成多种分类方法、成果易于编辑和使用等优点。

影像分割是OOIA方法的重要基础。目前应用较多的是基于光谱和形状信息的多尺度分割（Multi-resolution Segmentation）技术，这种方法最早由德国学者提出，目前已由德国Definiens公司开发为商业化的影像分析平台 eCognition（易康）。本文的建成区提取分析，采用eCognition 9.0 Trial作为实验工具。

1.2 实验数据

本文选择沈阳市作为实验区，区域边界采用国家测绘地理信息局提供的1：400万行政边界图中沈阳市辖区范围，包括沈阳市内九区 （即沈河区、和平区、皇姑区、铁西区、大东区、于洪区、浑南区、沈北新区和苏家屯区）全部范围，投影选择横轴墨卡托投影 （Transverse Mercaor），中央子午线选择123°E。

使用的影像是 2015年 10月 13日成像的Landsat 8影像，行列编号为119—031。影像下载自地理空间数据云 （http：//www.gscloud.cn/），共有12个波段，其中B8波段为全色波段，空间分辨率为15m，其他波段分辨率为30m。本文选用与城市建设用地提取相关性较大的B2~B8波段参与建成区的提取实验，通过投影、辐射和几何校正、裁剪，得到沈阳市辖区范围的影像，如图1所示。

多尺度分割需要设置的参数主要有参与分割的各波段像元的权重、分割尺度参数、分割中光谱值权重、形状参数中紧凑度的权重等。经过反复试验，本文采用的参数为：各波段权重均为1；光谱权重为0.8、紧凑度权重为0.5；分割尺度的设置，首先对像素层用尺度80进行初始分割，得到L80对象层，再对L80对象层以尺度160进行二次分割，得到L160对象层；再对L160对象层以尺度320进行分割，得到L320对象层；最后对L320对象层以尺度480进行分割，得到L480对象层。通过对这几个尺度的分割结果进行对比，最后选定L160作为最优分割尺度，进行后续的分类实验。分割结果如图2所示。

图1 实验区Landsat 8影像

2 提取方法

本文研究的建成区提取方法，其基本思路是：首先采用面向对象的影像分析技术，在Landsat 8影像中提取城市建设用地区域，以满足“实际开发建设”和 “设施基本具备”这两个条件；之后对初步提取出的城市建设用地区域，采取二次分割与分类的方法进行处理，以满足 “集中连片”的条件。

2.1 城市建设用地的初步提取

本文在eCognition软件的辅助下，采用基于面向对象的决策树分类方法，主要步骤包括：影像分割、定义类别、选择类别样本、确定分类特征、样本训练、基于决策树的分类。

（1）影像分割

图2 影像分割结果局部

（2）定义类别

通过对研究区的分析，定义了 4个大类，即：水体water、植被vegetation、人工构筑物artificial和裸地land。在水体类别中根据光谱特征差异，细分为11大面积水域和12小面积水域这两个小类；在植被类别中根据光谱特征差异，细分为21绿色植被和22阴影这两个小类；在人工构筑物类别中，细分为31城市建成区、32农村建成区、33道路，并且在城市建成区中又根据光谱特征差异细分为311高密度建成区和312低密度建成区；在裸地类别中又细分为41未耕种地区和42未建设地区，总计10个小类，类别结构如图3所示：

图3 类别定义

（3）选择类别样本和确定分类特征

使用eCognition的样本选择工具，对每一个类别选择3—5个典型影像对象作为样本。在分类特征选取方面，本文实验采用了光谱特征中的均值 （mean）、标准差 （standard deviation），形状参数中的形状指数 （shape index）、边界指数（border index）、紧致度 （compactness），以及纹理特征中的灰度共生矩阵 （GLCM）同质度 （homogeneity）、对比度 （contrast）、均值 （mean）、方差 （stddev）、熵 （entropy）和相关性 （correlation）共计11个特征。

（4）样本训练和基于决策树的分类

决策树 （decision tree）是常用的分类预测方法，它将样本对应的最可能的类型作为因变量，通过一组已知的自变量 （即样本）来进行预测。其具体操作原理是：根据树的结构布局原则，首先确定各节点中最适合的测试属性的方法，然后通过迭代运算将样本集分成特征尽量均一的子集（即每个子集中的样本都属于同一类别），在这一过程中生成决策树及相应的分类规则，用于新的数据的分类预测中。常用的决策树算法很多，本文采用的是分类回归树 （Classification And Regression Tree，CART），这是一种非线性和非参数的数据分类算法。本文通过eCognition提供的Decision Tree模块实现这一分类算法，分为样本训练和分类两个步骤。通过对L160层对象的操作，关闭其他类别图层的颜色，得到城市建设用地的初步提取结果如图4所示。

图4 城市建设用地的初步提取结果

2.2 城市建成区获取

如图4，通过面向对象的决策树分类，已经可以将研究区内大部分 “实际开发建设的”、“设施基本具备的”城市建设用地区域提取出来，但是也在一定程度上存在着城市建设用地与农村建设用地、道路建设用地等之间的混淆现象 （错分或漏分）。接下来本文对提取出来的城市建设用地采用再次分割与分类的方法，提取出 “集中连片”的建成区。

首先将初步分类结果进行二值化，即通过类别合并，将城市建设用地以外的所有用地类别都归并为非城市建设用地，从而生成 “城市-非城市”的二值影像。然后对二值影像采用较小的尺度分割，经过反复试验，最终采用尺度10、光谱参数0.8和紧致度参数0.5进行初次分割，得到L10层对象，再对L10层采用尺度40进行分割，得到L40层对象。最后，针对L40层，建立city和uncity两个类别，以光谱均值为特征建立隶属度函数，进行模糊分类，得到建成区提取的初步结果，如图5所示。

2.3 城市建成区边界细化

如图5，通过 “城市-非城市”二值影像进行再次分割与分类，已经剔除掉大部分细碎图斑，并且将主城区域大部分集中连片的建成区提取出来。但是这个分类结果的边界仍不够精细，在城市边缘区域有大量非建设用地被归入建成区范围。

图5 建成区提取的初步结果

为了使建成区边界更加精细化，本文首先在图5所示结果中剔除掉与主城区不连通的小片图斑，得到建成区备选区域。而后以此区域为操作范围，对 “城市-非城市”二值影像以较小的尺度进行二次分割与分类，即以上述L10对象层为基准，以尺度 20进行分割，得到L20对象层，再对L20对象层进行基于隶属度的模糊分类，得到建成区边界细化结果，如图6所示。

由图6可见，本方法提取的结果基本把沈阳市主城区及其周边的建成区都提取了出来，在城市边缘部分，北部的道义-虎石台-蒲河新城，西部的铁西新区、于洪新城，南部的长白岛、浑南新城，东部的沈抚新城等区域，都提取得较为完整。在主城部分，有部分被识别为 “非城市建设用地”的孔洞，有些如北陵公园周边、丁香湖周边、浑河沿岸等，确属非建设用地；也有部分地区属于分类时漏分的城市建设用地，需要在后处理的阶段将孔洞填充掉。

2.4 提取结果的处理与精度评价

在图6的结果基础上，将主城区内的小片孔洞按照 “集中连片”的原则填充掉，并将边缘区包含较多非建设用地的影像对象删除掉 （规则是：非建设用地面积超过影像对象总面积的一半），得到最终的沈阳市建成区提取结果，如图7所示。

图6 建成区边界细化结果

图7 建成区提取的最终结果及精度评定

为了评价本文方法的建成区提取精度，基于2015年的高分辨率影像 （来自Google Earth）结合城市规划资料，采用人工解译的方法，勾绘了沈阳市2015建成区范围 （如图7所示）。将本文提取的结果与人工解译的建成区范围进行比对可得：研究区域总面积为3431.1361km2，人工识别的建成区面积为576.8145km2，本文方法提取的建成区面积为633.4482km2，分类的混淆矩阵见表1所示，总体精度为93.47%，Kappa系数为0.7755。

3 结论与展望

由图7和表1可见，本文提出的方法基本上能够提取出研究区域的大部分城市建成区，数据获取方便，方法简便易行，并且直接得到的是矢量格式的建成区边界，便于后续编辑处理和使用。其主要创新点是采用面向对象影像分析技术应用于中分辨率的Landsat 8影像的分析当中，并且采用对初步提取的城市建设用地区域进行二次分割与分类的技术，既保证了提取的建成区“集中连片”，又保证了建成区的边界具有一定的精确度。

本方法只是一个初步的实验，提取结果的精度还有待提高，在各个步骤的影像分割参数选择、分类特征与分类方法确定、阈值选取、分类结果的精度评价等方面还需要进一步研究细化，有待于在进一步的研究中探索一套统一的评价标准和操作流程。

［1］中华人民共和国建设部．城市规划基本术语标准：GB/T 50280-98［S］．北京：中国标准出版社，1998．

［2］边振兴，王晓良.利用RS和GIS技术对沈阳市城市边缘区扩展的研究 ［J］.沈阳农业大学学报，2015（03）：316-321.

［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（05）：707-712.

［4］吴小语，张鹏林.融合DMSP-OLS和Landsat影像的城区边界提取 ［J］.应用科学学报， 2016（01）：67-74.

［5］姚君兰，王红，胡斌斌.基于矢量数据的城市建成区范围提取方法 ［J］.测绘通报，2016（05）：84-87.

Object-oriented Landsat 8 Image of the City Proper Extraction Method Research

TONG BiaoSHEN Wei

The city built-up area is basic information of urban planning and research.According to the difficulty acquisition of statistic data of the city construction and vector data,the article proposes a new method to extract city built-up area from the Landsat8 imagery,by using object oriented image analysis.Its basic idea is to firstly use the object-oriented image analysis technology to extract city construction land based on the Landsat 8 image.Then it performs a twice-segmentation-and-classification procedure to obtain the concentrated city built-up area.Taking Shenyang city as an example,the result shows that this method is accurate and fast.

urban built-up area,Object-Oriented Image Analysis,Landsat 8,decision tree

TP751

A

1008-3812（2017）02-021-05

2017-03-31

佟彪 （1981— ），男，辽宁朝阳人，工程师，注册测绘师。研究方向：遥感技术在城市测绘、地籍测量方面的应用。