摘要
快速的城市化发展和日益增长的城市功能需求导致城市内地物类别的多样性和多变性。水体、绿地、建筑物和道路作为城市核心要素在城市可持续发展过程中扮演着重要的作用。利用遥感影像进行城市核心要素提取的研究日渐成为众多学者所关注的热点。 利用遥感影像进行城市核心要素提取研究中，面临的一个最典型的问题就是同谱异物、同物异谱。要素提取过程中，不同要素根据自身光谱特性的差异所面临的类别混淆问题也各有差异。因此，针对不同城市要素提取时遇到的问题进行分门别类，并选取最佳特征进行融合提取是本文的重点内容，也是关键所在。 本文以深圳市为研究区，以哨兵二号影像作为主要数据源，开展了基于多源数据融合的城市核心要素提取工作，城市核心要素包括水体要素、绿地要素、建筑物要素和道路要素。并在此基础上，进行2017年到2021年间深圳市城市核心要素时空变化分析工作，分析2017年到2021年深圳市城市核心要素的变化特点。本文主要研究内容及成果如下： （1）基于多源数据融合的城市核心要素提取。将预处理后的哨兵二号影像进行主成分变换以达到数据降维目的，融合光谱特征和纹理特征利用随机森林算法初步提取水体、绿地、建筑物和道路四种核心要素。针对不同要素的特点，融合不同的数据和特征进行要素优化。水体要素在研究区内受地形影响与部分山体阴影混淆，融合由地形数据提取的坡度、坡向特征达到优化的效果。绿地要素融合哨兵二号影像特有的红边波段和K-T变换的绿度分量进行优化。建筑物要素提取易和高反射率的裸地混淆，融合夜光数据VIIRS的亮度值和POI核密度特征达到了要素优化的效果。道路要素则融合形状指数、长宽比等形状特征进行优化。利用数学形态法对优化后的提取结果进行后处理，剔除部分噪点。水体、绿地、建筑物和道路要素的提取总体精度分别为96.8134%、99.5134%、90.0954%、87.9009%，Kappa系数分别为0.8254、0.9867、0.8265、0.7839。 （2）城市核心要素整合。将基于多源数据融合的城市核心要素提取结果利用叠加分析的方法进行初步合并，并根据邻域投票法对各要素合并后的要素重叠现象和误分、漏分情况进行改善。为验证本文方法的可行性，本文利用最大似然法和支持向量机这两种监督分类方法进行多分类，将三者结果加以对比。最大似然法、支持向量机法和本文方法的总体精度分别为88.5678%、90.6745%、92.7890%，Kappa系数分别为0.7567、0.7899、0.8064。结果表明，本文方法精度略高。 （3）城市核心要素时空变化分析。基于以上工作，分别得到2017年和2021年深圳市的城市核心要素提取结果。从土地利用转移矩阵和城市核心要素时空变化分析图来更直观地表达要素之间的转换过程和空间分布。结果表明，深圳市主要转出要素为建筑物和道路及部分绿地要素。可得出结论，随着时间推移，深圳市的建筑物和道路要素仍然在逐渐扩张，这与深圳市的高度城市化进程相一致。另外，深圳市在加快城市化步伐的同时也兼顾了城市绿化工作。
NETL