基于GEE平台及多源数据的建成区提取方法-以广州市为例

1、 基于gee平台及多源数据的建成区提取方法以广州市为例 摘要：建成区规模是衡量城市化水平的重要测度指标，是国土空间规划实施评估、城市体检的重要基础。目前建成区面积统计工作中存在各城市统计标准不统一、数据可比性差、统计结果可能不符合实际发展情况、缺乏自上而下的监督管理等问题。因此，需要一套准确客观的建成区提取方法，作为国土空间规划监督管理的参考依据。本文以广州市为例，提出一套基于gee平台进行土地覆盖信息解译，再利用随机森林算法结合夜间灯光数据、poi数据和人口密度数据等多源数据提取建成区范围的方法。提取结果与统计结果空间形态一致，面积精度99.39%，可用于辅助城镇开发边界划定及作为自上而下国

2、土空间规划实施评估与监督的技术手段，提升城市精细化管理水平。关键词：国土空间规划监督管理，建成区，随机森林，大数据，广州1 引言根据国家住建部、统计局印发的城市（县城）和村镇建设统计调查制度（2018年2月版），建成区的定义是指城区（县城）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区域。建成区规模是衡量城市化水平的重要测度指标1，是国土空间规划实施评估、城市体检的重要基础。目前建成区面积统计工作中，存在以下问题：（1）各城市未有统一、明确的方法界定城市建成区范围，各城市有自己的操作标准，由此得到的数据缺乏可比性、准确性2。（2）统计结果可能不符合实际发展情况，出现例如武汉2007-

3、2009年建成区面积年均增长2km3等可能不合实际的现象。（3）统计形式为自下而上地统计上报，动态性、时效性较差且缺乏自上而下的监督管理。本文以广州市为例，基于gee平台对sentinel-2a影像进行土地覆盖类型分类，提出一种利用机器学习算法随机森林模型结合土地覆盖类型、夜间灯光强度、人口密度、各类设施密度变量因子进行建成区提取的方法，可快速准确地提取建成区。2 数据源本文使用的数据包括：sentinel-2a遥感影像，空间分辨率为10m。npp_viirs灯光数据，本文采用的是2019年度合成产品，来源于google earth engine平台；worldpop2019年人口密度数据，来

4、源于worldpop项目（.uk），空间分辨率为100m。poi数据，利用百度api开放接口抓取的广州市各类poi，整合分为公共服务设施、交通设施、工业、商服、住宅五类。3 技术路线本文基于前人关于提取建成区的研究4-6并结合住建部对于建成区的定义，选取土地覆盖类型、夜间灯光强度、人口密度、公服设施密度、交通设施密度、工业密度、商服密度、住宅密度作为建成区提取的变量因子，随机生成了122个样本点，采用随机森林算法探寻是否为建成区与8个特征变量的关系，再将此关系应用于全市范围，进行建成区范围初步提取，最后叠加土地变更调查数据的道路用地以串联建成区图斑，

5、得到最终建成区提取结果。4 结果分析与讨论4.1 提取结果分析基于gee平台，结合ndvi、mndwi、ibi指数对sentinel-2a遥感影像进行解译得到广州市2019年土地覆盖类型结果（图1），样本点估算的模型精度为98.2%。基于土地覆盖类型解译结果和其他多源数据，采用随机森林模型得到建成区初步结果，再叠加土地利用变更调查的道路用地用于串联各建成区图斑，得到广州市2019年建成区提取结果（图2左），面积为1332.30km。图1基于gee的土地覆盖类型解译结果图2广州市2019年建成区提取结果（左）与广州市2018年建成区统计图（右）对比根据广州市2019年城市建成区面积统计情况解读，

6、广州市2019年建成区面积为1324.17km7，本文提取精度为99.39%。与广州市2018年建成区统计图（图2右）对比，空间形态基本一致。提取结果在中心城区连片明显，外围地区存在若干个由道路串联的连片图斑，符合住建部关于建成区的定义。说明本文的随机森林模型对中心城区、外围地区不同发展程度的建成区都具备较好的提取效果。4.2 变量重要性分析基于随机森林模型的oob数据得到变量因子重要性，变量因子重要性的值越大，表明该变量因子对是否为建成区的解释性越大。土地覆盖类型的重要性最高，说明它在判断是否为建成区时具有最重要的指示性作用。商服密度对是否为建成区的判断也有重要的指示性，从poi原始的标签分

7、类来看，商服的poi包括美食、购物、酒店、金融、生活服务、汽车服务、旅游景点、商圈、写字楼、休闲娱乐、运动健身、丽人，均为满足居民的日常生活及高层次需求的服务。这和刘凌波等8利用便利店、银行poi能有效提取建成区边界的研究结论相符合。5 结论与展望本文基于随机森林模型，结合土地覆盖类型数据、夜间灯光数据、人口分布数据、poi数据提取建成区空间范围的方法是切实可行高效的，而且本文所用的变量数据更新周期较短，可推广用于动态的规划实施监测评估。研究还存在一些方面可继续深化：（1）优化边界信息，可尝试采用面向对象的土地覆盖类型分类方法。（2）将本文的方法推广到不同城市形态、不同发展程度的城市进行实验，

8、验证本文方法的普适性。（3）将本文的方法推广到不同研究对象，服务国土空间规划监督管理，如现状评估中的森林覆盖率等，使城市规划实施评估更加客观准确，提升国土空间治理能力。参考文献1 牟凤云，张增祥，迟耀斌，等. 基于多源遥感数据的北京市19732005年间城市建成区的动态监测与驱动力分析j. 遥感学报. 2007(02): 257-268.2 徐强，华晨. 城市建成区面积统计口径亟待统一以杭州中心城区为例j. 规划师. 2005(04): 88-91.3 胡忆东，吴志华，熊伟，等. 城市建成区界定方法研究以武汉市为例j. 城市规划. 2008(04): 88-91.4 宋金超，李新虎，吝涛，等. 基于夜晚灯光数据和google earth的城市建成区提取分析j. 地球信息科学学报. 2015, 17(06): 750-756.5 许泽宁，高晓路. 基于电子地图兴趣点的城市建成区边界识别方法j. 地理学报. 2016, 71(06): 928-939.6 郑洪晗，桂志鹏，栗法，等. 夜间灯光数据和兴趣点数据结合的建成区