论文部分内容阅读
据2018年发布的《联合国世界城市化前景》报告,世界城市人口已从1950年的7.51亿迅速增长到2018年的42亿。这一城市化水平表明,目前全球55%的人口居住在城市地区,预计到2050年将增长至68%。在非洲约有43%的人口居住在城市地区,预计到2050年将增长到52%,而亚洲的城市化水平约为50%。城市化水平决定着世界人口的空间分布,是全球人口增长、人口老龄化和国际移民三个人口大趋势之一。城市的增长,特别是全球南部地区的城市增长,表明包括亚洲和非洲在内的发展中国家正在饯行可持续发展目标。充分了解城市化的程度、规模、模式和驱动因素,是确保在全球南部城市中建立可持续的城市发展规划平台的关键第一步。遥感（Remote sensing,RS）和地理信息系统技术（Geographical Information Systems,GIS）具有鲁棒的信息识别能力和分析景观变化能力,具有扩阔的视角、较高的时间频率和交互显示功能,使其成为城市变化检测、土地利用和土地覆盖变化的最常用的技术之一。本论文基于第三、第四和第五章的方法提取和分析了三个城市:非洲坦桑尼亚的Morogoro和Dodoma以及中国武汉市的建成区和规划外的增长区域。同时这三个章节也构成了本论文的主要工作:（1）首先,讨论了坦桑尼亚的Dodoma和Morogoro两个研究区域的城市扩展。对第一个研究区域Dodoma,采用Fmask算法对1997-2004年、2004-2011年和2011-2018年的Landsat 5和Landsat-8数据进行云识别。以市政土地覆盖数据和卫星影像为参考数据,确定了七种土地覆盖类别。基于随机森林分类器对1997至2018年的Landsat 5Tm和Landsat 8 OLI进行分类。最后,本论文使用城市扩展强度指数（the urban expansion intensity index,UEII）和香农熵指数（Shannon’s Entropy Index,SEI）对Dodoma扩展进行分析。对第二个研究区域Morogoro,基于2000年、2010年和2018年的Landsat数据,2011年和2017年的Twitter数据和人口数据采用SEI和Kernel距离函数构建和分析了Morogoro的扩张模式。（2）本论文第4章重点讨论了数据融合技术,该技术包括以下两个过程:首先,从基于30米分辨率的Landsat 8 OLI、10米及15米分辨率的Sentinal-2MSI/Landsat 8 OLI产品生成30米分辨率的时间序列数据;其次,基于10米分辨率遥感影像,采用四种不同的遥感图像融合方法:Brovey,Intensity Hue Saturation（IHS）,adjustable-NNDiffuse pan-sharpening（ANND）和Gram-Schmidt pan-sharpening（GS）进行图像融合。对以上四种融合方法生成的结果分别采用随机森林（the Random Forest,RF）、最大似然分类器（the Maximum Likelihood Classifier,MLC）、支持向量机（the Support Vector Machine,SVM）方法和神经网络分类方法等四类基于像素的监督学习分类方法进行分类。训练参数由人工标注训练集获得,并初步评估各项数据的分类精度及计算时间获得最优方案。该方法分为以下三步:（a）采集30m分辨率的合成数据;（b）采用Brovey融合方法获得15m的空间分辨率图像;（c）基于30米分辨率Landsat 8和10米分辨率Sentinel-2采用上述四种选定的图像融合算法获得10米高分辨率影,并使用四种分类方法对融合方法的结果进行分类,通过混淆矩阵及其准确性度量对其进行评估。（3）在本论文第5章中,基于2000年和2018年的Landsat 5TM,Landsat7ETM+和Landsat 8 OLI数据构建归一化的差异化建筑指数（the normalized differential built-up index,NDBI）,绿色建筑指数（the visible green-based built-up index,Vg NIR-BI）,建筑面积提取指数（the built-up area extraction index,BAEI）,建筑指数（the built-up area extraction index,BI）;根据Dodoma、Morogoro和武汉三个不同的研究区域进行分析的最佳阈值。该研究提出了归一化差异城市提取指数（the Normalized Difference Urban Extraction Index,NDUEI）用于提取城市居民点的建成区,有效提高了水、裸土和沙地的分类精度。本论文在第5章中评估了该新方法在三个城市中建筑面积提取的准确性。本文的主要工作包括以下三点:（1）本论文将UEII和SEI方法相结合构建了遥感影像分类模型,应用于研究区域Dodoma,在不考虑研究区面积较大的情况下,对研究区北部和东部的土地覆盖格局和土地利用变化进行了详细的描述。采用SEI和Kernel距离函数对卫星图像和Twitter数据对于研究区域Morogoro进行城市扩张分析,该新方法可以用于监视缺乏规划的非洲城市的规划外区域扩张。该成果在期刊《Sustainability Journal》（SSCI/SCI 2.59 IF）已发表;投稿于期刊《Cities》（SSCI/4.41 IF）的文章小修中;投稿于期刊《中国地理科学》（SCI 1.8 IF）已被接受。（2）对四种数据结果的目视解译结果表明,每幅图像都表现出特殊的特征（空间、光谱质量下降或失真）显示了图像解释性的提高或降低。该结果显示,基于随机森林分类方法对ANND融合结果进行分类是最优的,比其他数据融合方法更适用。本章节成果已投稿到期刊《International Journal of Remote Sensing》（SCI 2.49 IF）,目前正在审稿中。（3）本论文提出了NDUEI指数,与现有研究的几种常用指标相比（如NDBI）,能更好地提取城市区域。该成果已投稿至《Geo Carto International Journal》（SCI 2.36 IF）,目前正在审核中。