科学论文

发布时间：2026年01月29日作者:aiycxz.cn

# 基于多源数据的城市建成区提取方法研究——以武汉市为例刘辉 1,2，李平湘 1，杨杰 1(1. 武汉大学测绘遥感信息工程国家重点实验室，湖北武汉 430079；2. 武汉大学遥感信息工程学院，湖北武汉 430079)摘要：*城市建成区是城市研究中的一个重要概念，其提取方法的研究对城市发展、规划和管理具有重要的意义。本文以武汉市为例，利用多源数据，包括 Landsat TM 影像、DMSP\OLS 夜间灯光数据和 MODIS NDVI 数据，采用决策树分类方法，对城市建成区信息进行提取。通过比较分析，发现利用多源数据提取城市建成区信息的方法比单一数据源方法具有更高的精度，且能有效避免“同物异谱”和“异物同谱”现象。关键词：*城市建成区；多源数据；决策树分类；武汉市中图分类号：*P237 文献标识码：*A 文章编号：*1672-4623 (2010) 05-0051-04城市建成区是城市研究中的一个重要概念，其提取方法的研究对城市发展、规划和管理具有重要的意义。随着遥感技术的发展，利用遥感数据提取城市建成区信息已成为一种有效的手段。然而，由于城市建成区的复杂性和多样性，单一数据源往往难以准确提取城市建成区信息。因此，本文以武汉市为例，利用多源数据，包括 Landsat TM 影像、DMSP\OLS 夜间灯光数据和 MODIS NDVI 数据，采用决策树分类方法，对城市建成区信息进行提取。 1 研究区概况武汉市位于中国中部，是湖北省的省会城市，也是中国重要的工业基地和交通枢纽。武汉市总面积 8 494 km²，其中建成区面积约为 1 000 km²。武汉市地形复杂，包括平原、丘陵和山地等多种地貌类型。城市建成区主要分布在长江和汉江两岸，以及东湖、南湖等湖泊周围。 2 数据来源与预处理本文使用的数据包括 Landsat TM 影像、DMSP\OLS 夜间灯光数据和 MODIS NDVI 数据。Landsat TM 影像来源于美国地质调查局（USGS），空间分辨率为 30 m，包括 7 个波段。DMSP\OLS 夜间灯光数据来源于美国国家海洋和大气管理局（NOAA），空间分辨率为 1 km，反映了夜间人类活动的强度。MODIS NDVI 数据来源于美国国家航空航天局（NASA），空间分辨率为 250 m，反映了植被覆盖状况。数据预处理包括辐射定标、大气校正、几何校正和影像配准等步骤。首先，对 Landsat TM 影像进行辐射定标和大气校正，以消除大气和传感器的影响。然后，对 DMSP\OLS 夜间灯光数据和 MODIS NDVI 数据进行几何校正，使其与 Landsat TM 影像具有相同的投影和坐标系统。最后，将所有数据配准到同一空间分辨率，以便进行后续分析。 3 研究方法本文采用决策树分类方法提取城市建成区信息。决策树分类是一种基于规则的分类方法，通过构建一系列决策规则，将像元分为不同的类别。决策树分类具有直观、易于理解和实现的优点，适用于多源数据的分类。首先，利用 Landsat TM 影像计算归一化差异建筑指数（NDBI），该指数可以有效地提取建筑信息。NDBI 的计算公式为：\\[NDBI = (Band5 - Band4) \ (Band5 + Band4)\\]其中，Band4 和 Band5 分别为 Landsat TM 影像的第 4 波段（近红外波段）和第 5 波段（中红外波段）。然后，利用 DMSP\OLS 夜间灯光数据提取夜间灯光强度信息。夜间灯光强度反映了人类活动的强度，可以作为城市建成区的一个指示因子。接着，利用 MODIS NDVI 数据提取植被覆盖信息。植被覆盖是城市建成区与非建成区的一个重要区别特征。最后，将 NDBI、夜间灯光强度和 NDVI 作为输入变量，构建决策树分类模型。通过训练样本，确定决策树的节点和阈值，将像元分为城市建成区和非建成区两类。 4 结果与分析利用决策树分类方法，提取了武汉市的城市建成区信息。为了验证分类结果的准确性，本文采用了混淆矩阵和 Kappa 系数进行精度评价。混淆矩阵显示了分类结果与真实地物类别之间的对应关系，Kappa 系数反映了分类结果的一致性。通过与真实地物类别进行比较，发现利用多源数据提取城市建成区信息的方法具有较高的精度。总体分类精度达到 90%以上，Kappa 系数为 0.85。这表明多源数据能够提供更丰富

科学论文

相关文章