【论文分享】基于时间序列夜间灯光遥感数据的商业区提取方法——以武汉市为例

最新推荐文章于 2026-01-03 21:42:56 发布

原创

最新推荐文章于 2026-01-03 21:42:56 发布 · 1.1k 阅读

17 ·

CC 4.0 BY-SA版权

文章标签：

#算法 #数据分析 #深度学习

本文针对不同时间段夜间遥感影像亮度不连续和不可比的问题，提出了一种基于时序夜间遥感数据的城市商业区提取方法来定位城市商业区。以武汉市为例进行城市商业区的提取和验证；并与以往研究结果对比，验证了该方法的有效性和准确性。

【论文题目】

An commercial area extraction approach using time series nighttime light remote sensing data——Take Wuhan city as a case

【题目翻译】

基于时间序列夜间灯光遥感数据的商业区提取方法——以武汉市为例

【期刊信息】

Sustainable Cities and Society，Volume 100, January 2024, 105032

【作者信息】

Shirui Hu, 遥感与信息工程学院，湖北罗嘉实验室，武汉大学，武汉 430079，中国；地理与信息工程学院，中国地质大学（武汉），武汉 430078，中国

Shiman Huang, 遥感与信息工程学院，湖北罗嘉实验室，武汉大学，武汉 430079，中国

Qingwu Hu, 遥感与信息工程学院，湖北罗嘉实验室，武汉大学，武汉 430079，中国

Shaohua Wang, 遥感与信息工程学院，湖北罗嘉实验室，武汉大学，武汉 430079，中国，shwang@whu.edu.cn

Qihao Chen，地理与信息工程学院，中国地质大学（武汉），武汉430078，中华人民共和国

【论文链接】

https://doi.org/10.1016/j.scs.2023.105032

【关键词】

夜间灯光、NPP/VIIRS、校正、多分辨率分割、城市商业区提取

【本文亮点】

结合夜间光数据和Landsat-8数据的商业区提取方法。
构建时序夜间遥感数据集。
提取不透水面以限制商业区的范围。

【摘要】

夜间照明的强度与地区的经济发展密切相关，因此可以通过夜间灯光的强度来定位城市商业区。针对不同时间段夜间遥感影像亮度不连续和不可比的问题，提出了一种基于时序夜间遥感数据的城市商业区提取方法。首先，采用不变目标区域方法对多时段夜间遥感影像进行校正，生成稳定的时序NPP/VIIRS数据集。其次，通过三指数合成法提取不透水面，利用Landsat-8影像获得候选城市商业区。最后，对候选区域的时序夜间遥感数据集进行多尺度分割和无监督分类，以实现城市商业区的提取。以武汉市为例，应用本文方法进行城市商业区的提取和验证。通过与武汉市商业规划图及以往研究结果对比，验证了该方法的有效性和准确性。

【引言】

商业区指的是城市中商业活动最集中的区域，即商业设施聚集的区域。商业区的功能和区域会随着城市的发展而变化，其发展往往反映了城市的消费和服务水平，以及城市第三产业经济活力的最直观体现。城市商业区是城市经济发展的客观反映。

自20世纪30年代以来，如何快速准确地测量和提取城市商业区一直是关注的重点。传统的商业区划定方法主要包括经验值法和实地调查法（Ingene et al., 2010；Lu, Wang & Liu, 2015；Mclafferty et al., 2010）。此外，国内外研究者还基于多源数据和遥感数据开发了两种商业区提取方法（Hu, Bai, Wang & Ai, 2019；Tong, Guo & Wang, 2018；Wang et al., 2017；Wang, Gao & Xu, 2015；Zhang et al., 2021）。然而，传统的商业区划分方法仅适用于粗略估算和快速划分商业区。虽然实地调查方法是确定商业区最直接的方法，但实地调查需要大量的人力、物力和时间成本，且可行性较低。基于多源数据的城市商业区提取方法已被证明与现实更为一致，但涉及大量用户的隐私问题，多源数据的获取也存在困难。遥感数据具有良好的时效性、宏观性和连续性，但传统的光学和微波遥感图像通常从土地覆盖的角度提取城市建设用地或不透水面。然而，作为人类活动和商业活动的聚集地，仅依靠土地覆盖信息很难准确提取商业区。目前，基于多源数据和遥感数据的商业区提取方法主要采用Thiessen多边形法来确定径向方位边界。这种方法使得商业区的城市中心区域过大，或者一些类似的商业区无法区分，而城市其他部分的低等级商业区则被忽略。

图 1. 所提出方法的技术流程图。

与传统的可见光遥感不同，夜间光遥感是获取在无云条件下从地面发出的可见-近红外电磁波信息，可以捕捉夜间光照强度，获得的辐射亮度值即为光亮度值。它直接表示人类活动的强度，可以敏感地反映经济活力和城市发展。此外，它还具有易获取、易处理和时间空间连续分布的特点。因此，夜间光数据具备提取城市商业区和研究其动态变化的能力。基于这一特点，夜间光数据在城市研究中的一个常见应用是提取城市建成区，其中阈值法是提取城市建成区的最常见方法。最初，Imhoff、Lawrence和Stutzer（1997）基于OLS数据使用阈值法提取城市建成区。Zhao、Zhu、Jiao和Ding（2022）基于夜光数据提取了Ha-Chang城市群的建成区，并结合了建成区统计数据。然而，单一阈值不能适用于不同发展水平的城市。因此，许多学者开始采用多阈值方法解决这一问题。Milesi、Elvidge、Nemani和Running（2003）通过比较土地覆盖数据集和普查数据为美国东南部的每个州选择了最佳阈值。Liu、He、Zhang、Huang和Yang（2012）设计了一种结合OLS数据和1 km ×1 km土地覆盖数据的阈值技术，以提取中国城市建成区的边界。然而，最佳阈值的选择也是一个复杂且耗时的过程。随着相关研究的深入，学者们开发了一些先进的方法，通过整合MODIS数据和夜间光数据实现城市建成区边界的自动提取。Jing、Yang、Yue和Zhao（2015）使用四种机器学习方法基于OLS和MODIS EVI数据提取了中国东部城市建成区。Cao、Chen、Imura和Higashi（2009）提出了一种基于OLS和SPOT NDVI数据的区域增长算法。Wang等（2023）选择了三种方法基于Luojia-1提取城市商业区并进行了比较分析。在城市商业区方面，目前已有大量研究。许多研究基于POI数据和夜光数据的耦合关系，探讨商业中心与空间结构的关系（Luo & Zhao, 2021；Wang, Wang, Deng, Cheng & Li, 2019；Zhang et al., 2022）。Wang等（2022）结合NPP-VIIRS夜光遥感数据，构建了双变量空间自相关分析模型，从整体和不同功能区的角度探讨了城市夜间光与“两个抢劫一个盗窃”的空间关系。Duan、Hu、Zhao、Wang和Ai（2020）采用基于Luojia-1图像数据的探索性空间数据分析方法，通过识别城市中的热点，确定了商业区的大致位置和方向，使用标准差椭圆进行分析。总之，夜间光遥感数据作为城市研究的理想数据源，广泛应用于城市研究领域，但目前的研究主要集中在城市建成区的提取。对于城市建成区的提取，虽然提出的分类算法可以自动或半自动地从夜间光数据中提取城市建成区，但这些结果的准确性在很大程度上取决于训练集，并且受数据分辨率的限制。目前，基于夜间光遥感数据识别和提取城市尺度商业区的研究较少。