陳 征，胡德勇，曾文華，鄧 磊

(1.首都師范大學(xué)資源環(huán)境與旅游學(xué)院，北京 100048;2.浙江省測繪資料檔案館，杭州 310012)

0 引言

近年來，經(jīng)濟(jì)快速發(fā)展、人口向城鎮(zhèn)聚集，使得我國城鎮(zhèn)用地面積不斷增加，范圍不斷擴(kuò)大，城市周邊土地覆被類型不斷變化，大片鄉(xiāng)村地區(qū)轉(zhuǎn)化為城鎮(zhèn)地區(qū)[1]。因此對區(qū)域尺度上的城市擴(kuò)張進(jìn)行有效的監(jiān)測可為土地規(guī)劃和生態(tài)環(huán)境保護(hù)等提供科學(xué)參考，具有重要的現(xiàn)實意義。

遙感技術(shù)具有多尺度、時效性強(qiáng)等特點(diǎn)，已廣泛應(yīng)用于區(qū)域資源和環(huán)境監(jiān)測領(lǐng)域。目前，用于城鎮(zhèn)用地信息提取的主要方法有圖像分類法、閾值分割法等[2－4]。然而，由于受到遙感圖像“同物異譜、同譜異物”特征的影響，閾值分割法在精確獲取城鎮(zhèn)專題信息過程中，受像元值的一致性干擾較大，需要對提取結(jié)果做進(jìn)一步處理。20世紀(jì)90年代，DMSP/OLS夜間燈光數(shù)據(jù)(night－time light，NTL)作為一種新的數(shù)據(jù)源，為動態(tài)監(jiān)測城鎮(zhèn)分布及其變化提供了新的方法和途徑。運(yùn)用NTL數(shù)據(jù)進(jìn)行城鎮(zhèn)擴(kuò)張動態(tài)監(jiān)測主要有燈光指數(shù)法[5]和多層次閾值法[6－8]等。前者綜合考慮區(qū)域平均燈光強(qiáng)度和燈光面積構(gòu)建燈光指數(shù)表征城市化水平，利用閾值技術(shù)獲取城鎮(zhèn)空間分布特征及其變化;后者通過構(gòu)建燈光指數(shù)數(shù)據(jù)的多層次閾值，對夜間燈光圖像進(jìn)行閾值分割，獲取城鎮(zhèn)專題信息。但NTL數(shù)據(jù)空間分辨率較低，對于城鎮(zhèn)擴(kuò)張監(jiān)測存在局限性，因而它常用作城鎮(zhèn)擴(kuò)張遙感信息提取的輔助數(shù)據(jù)源。以上方法雖然能夠滿足城鎮(zhèn)變化監(jiān)測的基本要求，但如何應(yīng)用多源數(shù)據(jù)提高城鎮(zhèn)信息提取精度，正確反映城鎮(zhèn)擴(kuò)張?zhí)卣魇悄壳柏酱鉀Q的問題。

本文以浙江省為研究區(qū)，收集了1995年、2005年、2010(或部分2009)年 3個時期的TM圖像，同時收集了1995年、2005年、2010年的 NTL數(shù)據(jù)和其他輔助數(shù)據(jù)，在圖像監(jiān)督分類樣本制備的基礎(chǔ)上，運(yùn)用Breiman等[9]提出的分類回歸樹(classification and regression tree，CART)算法進(jìn)行圖像分類，提取了研究區(qū)各時期城鎮(zhèn)用地空間分布專題信息;為進(jìn)一步提高專題信息提取的精度，將NTL數(shù)據(jù)應(yīng)用到城鎮(zhèn)用地結(jié)果優(yōu)化處理中，獲得了最終所需的城鎮(zhèn)專題信息，在此基礎(chǔ)上采用GIS手段和統(tǒng)計方法宏觀把握浙江省1995—2010年城鎮(zhèn)擴(kuò)張的時空特征。

1 研究區(qū)概況及數(shù)據(jù)源

近20 a間，浙江省經(jīng)濟(jì)快速發(fā)展，土地利用類型變化明顯，變化最快的是城市用地和交通用地，變化率分別達(dá)187.50%和 110.03%[10]。人口向城鎮(zhèn)聚集，大片鄉(xiāng)村地區(qū)轉(zhuǎn)化為城鎮(zhèn)地區(qū)，尤以杭州、寧波、浙中地區(qū)最為明顯，形成了以杭州為核心的大都市、以浙中為主要區(qū)域的中小城鎮(zhèn)群發(fā)展模式。

為了對浙江省1995年后城市擴(kuò)張情況進(jìn)行監(jiān)測，本文選擇了前述3個時期的TM圖像，空間分辨率為30 m。每時期各9景圖像。數(shù)據(jù)覆蓋范圍如圖1所示，時相及特性如表1所示。

圖1 研究區(qū)及Landsat TM數(shù)據(jù)景幅覆蓋范圍Fig.1 Study area and the coverage of Landsat TM data

表1 研究用到的Landsat TM數(shù)據(jù)及其特性Tab.1 Landsat TM data and their characteristics

收集的NTL數(shù)據(jù)來源于NOAA下屬的國家地球物理數(shù)據(jù)中心(national oceanic and atmospheric administration，NGDC，http://www.ngdc.noaa.gov/dmsp/downloadV4composites.html)。NTL 數(shù)據(jù)是美國國防氣象衛(wèi)星(defense meteorological satellite program，DMSP)搭載的線性掃描業(yè)務(wù)系統(tǒng)(operational line scan system，OLS)獲取的，該產(chǎn)品是一段時期內(nèi)無云條件下燈光被連續(xù)探測到的頻率，并去除了亮云，水體及火光等的影響[11]，通過明暗對比反映城鎮(zhèn)信息，灰度范圍0～63，空間分辨率1 km。從NTL數(shù)據(jù)產(chǎn)品中，提取穩(wěn)定燈光數(shù)據(jù)，經(jīng)投影轉(zhuǎn)換、裁剪等預(yù)處理后，作為該研究區(qū)的城鎮(zhèn)專題信息提取的輔助數(shù)據(jù)。

2 研究方法

2.1 城鎮(zhèn)專題信息的遙感提取

城鎮(zhèn)專題信息的遙感提取主要包括以下3個步驟:

1)圖像分類數(shù)據(jù)準(zhǔn)備。為了更好地區(qū)分植被、裸地和城鎮(zhèn)用地，以歸一化差值植被指數(shù)(normalized difference vegetation index，NDVI)和歸一化燃燒率(normalized burn ratio，NBR)作為遙感圖像分類的輔助數(shù)據(jù)[12－13]，即

式中:R為TM第3波段(紅光波段)亮度值;NIR為TM第4波段(近紅外波段)亮度值;IR為TM第7波段(短波紅外波段)亮度值。

NDVI通過比值算法增強(qiáng)植被、耕地與其他地物的差別，能夠更好地反映植被的分布狀況;NBR突出了植被變化前后的情況，可以提高對于因植被數(shù)量變化而造成的裸露地表的提取精度。將TM圖像的7個波段(熱紅外第6波段重采樣為30 m)及其衍生數(shù)據(jù)(NDVI，NBR)組合為9個圖層，作為圖像分類輸入變量。

2)圖像分類算法。研究選擇CART作為圖像分類的具體算法。該方法自1984年被提出以來，在美國國家土地覆蓋數(shù)據(jù)庫(national land cover database，NLCD)開發(fā)中得到了推廣和應(yīng)用，如 NLCD 2000采用CART方法，基于多種輔助數(shù)據(jù)層疊加分析，依據(jù)各層的權(quán)重進(jìn)行分類。CART算法是空間數(shù)據(jù)挖掘領(lǐng)域的一種常用分析方法，其算法是一個二叉樹遞歸過程，利用訓(xùn)練樣本建立基于規(guī)則的模型，每一個規(guī)則集均定義了多元線性回歸模型建立的條件。同時，回歸樹模型能夠說明目標(biāo)變量和預(yù)測變量之間的非線性關(guān)系并允許連續(xù)變量和離散變量作為輸入變量，其分類精度優(yōu)于其他簡單線性回歸模型[9，14－16]。

CART模型的精度取決于訓(xùn)練樣本的質(zhì)量。在實際操作中，多景圖像拼接后的鑲嵌圖像給訓(xùn)練樣本的采集帶來較大困難。為規(guī)避處理過程中的干擾因素，本文采用分幅處理的方式提取單景TM圖像中的城鎮(zhèn)信息。此外，區(qū)別于其他數(shù)據(jù)挖掘算法，CART模型需要采集較多的訓(xùn)練樣本，本文在每景圖像選取50 000個像元以上城鎮(zhèn)用地樣本為測試變量，同時保證交叉驗證樣本在5 000個像元以上。繼而基于訓(xùn)練樣本構(gòu)建CART模型，并利用該模型對待分類圖層變量進(jìn)行圖像分類。

通常情況下，鄉(xiāng)村城市化轉(zhuǎn)化是一個不可逆的過程，多時序城鎮(zhèn)專題信息提取及其城市擴(kuò)張動態(tài)監(jiān)測過程中，前期城鎮(zhèn)專題信息可以作為下一時期的訓(xùn)練樣本，從而保證獲得足夠的訓(xùn)練樣本數(shù)量。

3)后處理建模及分類結(jié)果優(yōu)化?；贑ART算法輸出的圖像分類結(jié)果，不可避免地存在錯分或誤分情況，在研究區(qū)，沿海灘地、裸地等對城鎮(zhèn)用地信息提取的干擾尤為明顯。為了減小乃至消除干擾因素對分類結(jié)果的影響，進(jìn)一步提高圖像分類精度，采用輔助數(shù)據(jù)進(jìn)一步優(yōu)化CART圖像分類輸出結(jié)果，是后處理的常用手段。

針對研究區(qū)地表覆蓋特性，利用NTL數(shù)據(jù)對CART初步分類結(jié)果進(jìn)行后處理和優(yōu)化。其主要技術(shù)思路是選取最佳閾值范圍內(nèi)NTL數(shù)據(jù)與CART圖像分類結(jié)果的疊置像元(公共像元)，并將其定義為實際的城鎮(zhèn)專題信息。采用經(jīng)驗閾值與統(tǒng)計相結(jié)合的方法來確定NTL數(shù)據(jù)的城鎮(zhèn)類別最佳閾值范圍。綜合 TM圖像、CART分類結(jié)果(像元值為DNcart)和NTL(像元值為DNntl)3者疊加的統(tǒng)計結(jié)果，結(jié)合 Milesi[17]的經(jīng)驗閾值設(shè)定動態(tài)閾值，將CART分類結(jié)果和NTL數(shù)據(jù)分別劃分為3個層次(表2)。表中，2 ≤DNcart≤100，0≤DNntl≤63;m，n，j分別為2～100之間的1個數(shù);l，k，f分別為1～63之間的1個數(shù)。以上6個參數(shù)根據(jù)實際情況取值，A，B，C為劃分的3個層次。若提取滿足A，B，C這3個條件并與TM圖像中城鎮(zhèn)用地疊加誤差最小，則上述條件為最佳優(yōu)化閾值范圍。

表2 優(yōu)化過程條件Tab.2 Condition in the optimization process

2.2 技術(shù)流程

城市擴(kuò)張動態(tài)監(jiān)測的總體技術(shù)流程如圖2所示。首先，數(shù)據(jù)預(yù)處理包括去云處理、圖像配準(zhǔn)以及簡單大氣校正，其中圖像配準(zhǔn)精度平坦地區(qū)控制在0.5個像元以內(nèi)，山區(qū)控制在1.5個像元以內(nèi)。然后，利用CART算法提取遙感圖像的城鎮(zhèn)專題信息，主要包括訓(xùn)練樣本制作、決策樹構(gòu)建和圖像分類3個步驟;期間輔以土地利用現(xiàn)狀圖、TM圖像等為參考，選取訓(xùn)練樣本;同時為保證樣本的數(shù)量和質(zhì)量，須對選自土地利用現(xiàn)狀圖的樣本進(jìn)一步篩選，僅保留置信度較高(如核心城鎮(zhèn)區(qū)域)的樣本，應(yīng)用CART算法提取TM圖像中城鎮(zhèn)信息，并利用NTL數(shù)據(jù)對分類結(jié)果進(jìn)行優(yōu)化，最終得到能夠滿足精度要求的分類結(jié)果。最后，在分類結(jié)果滿足要求的基礎(chǔ)上，結(jié)合GIS和統(tǒng)計分析方法對城鎮(zhèn)擴(kuò)張的時空特征進(jìn)行分析。

圖2 總體技術(shù)流程Fig.2 Overall flow chart

3 結(jié)果及精度驗證

3.1 城鎮(zhèn)信息提取結(jié)果

按照圖2中的技術(shù)流程，以單景TM圖像為單位，獲取每景數(shù)據(jù)的CART算法運(yùn)行結(jié)果，然后采用NTL數(shù)據(jù)對該結(jié)果進(jìn)行優(yōu)化處理。在結(jié)果優(yōu)化的過程中，在每景圖像的分類結(jié)果上采集隨機(jī)點(diǎn)，并對這些點(diǎn)所對應(yīng)的分類結(jié)果像元值和燈光數(shù)據(jù)像元進(jìn)行統(tǒng)計，選取適當(dāng)?shù)拈撝捣秶?，并進(jìn)行結(jié)果優(yōu)化。

在結(jié)果后處理過程中，為消除細(xì)碎圖斑對城鎮(zhèn)制圖的影響，先濾除了少于5個像元的斑塊，得到單景遙感圖像的專題結(jié)果;然后對每個時相的9景數(shù)據(jù)進(jìn)行鑲嵌處理，最終得到3個時相的城鎮(zhèn)分布專題圖，如圖3所示。

3.2 精度檢驗

為了分析對比CART算法的圖像分類精度和經(jīng)過NTL數(shù)據(jù)優(yōu)化后的專題信息提取精度，進(jìn)一步驗證CART算法在圖像分類中的優(yōu)勢，本研究分別對2個過程的城鎮(zhèn)信息提取結(jié)果進(jìn)行了精度評估。在每景圖像隨機(jī)采集300個樣本，計算其信息提取的總體精度，結(jié)果如表3所示。

表3 精度評價結(jié)果Tab.3 Accuracy assessment results (%)

從表3可以看出，CART算法的圖像總體分類精度達(dá)到80%以上，且局部達(dá)到90%以上，個別景受城鎮(zhèn)用地分布不均的影響(如P120/R39景多數(shù)地段為山地，城鎮(zhèn)用地比重低)精度偏低。由此可見在訓(xùn)練樣本采集的過程中，樣本選取對CART算法的運(yùn)行精度存在一定的影響。

利用DMSP/OLS夜間燈光數(shù)據(jù)對CART運(yùn)行輸出結(jié)果進(jìn)行優(yōu)化后，城鎮(zhèn)專題信息提取的總體精度和優(yōu)化前相比有大幅提升，特別是CART算法運(yùn)行輸出結(jié)果精度較低的圖像(P120/R39，P120/R40等)提升效果尤為明顯，所有圖像的專題信息提取精度均達(dá)到85%以上，平均值達(dá)到91.09%，且數(shù)值波動較小，表明提取結(jié)果具有一定的穩(wěn)定性，可以滿足后續(xù)城鎮(zhèn)擴(kuò)張時空分析的數(shù)據(jù)要求。

4 城鎮(zhèn)擴(kuò)張分析

4.1 縣級單位城鎮(zhèn)擴(kuò)張分析

城鎮(zhèn)擴(kuò)張?zhí)卣骺梢詮臄U(kuò)張面積(△A)、擴(kuò)張速度(Uv)和擴(kuò)張強(qiáng)度(Uindex)等方面分析，表示為

式中:Ui，Uj為某一時間段起止城鎮(zhèn)面積;i，j為起止年份。

擴(kuò)張面積反映了某一時間段內(nèi)城鎮(zhèn)面積的增加總量，擴(kuò)張速度為城鎮(zhèn)面積年均增長量[18－19]，擴(kuò)張強(qiáng)度是在某一段時間內(nèi)年均城市面積增長比率[20]。分別對研究區(qū)的城市擴(kuò)張?zhí)卣髦笖?shù)進(jìn)行計算分析，擴(kuò)張速度較快的11個市的統(tǒng)計結(jié)果如表4所示。

表4 1995—2005年、2005—2010年各市擴(kuò)張面積、擴(kuò)張速度、擴(kuò)張強(qiáng)度統(tǒng)計Tab.4 Statistical analysis of expansion area，velocity and strength from 1995 to 2005 and from 2005 to 2010

通過對比圖3可以發(fā)現(xiàn):①1995—2005年浙江省城鎮(zhèn)面積共增加1 992.1 km2，寧波市擴(kuò)張速度最快，其次為溫州市和杭州市;②2005—2010年浙江省城鎮(zhèn)面積共增加3 245.4 km2，寧波市和溫州市繼續(xù)保持高速擴(kuò)張，臺州市擴(kuò)張速度明顯提高;③總體說來，1995—2010年間，浙江省城鎮(zhèn)用地面積處于擴(kuò)張態(tài)勢，除洞頭縣，慶元縣，文成縣，云和縣，紹興市，蘭溪市及龍泉市等7個縣市擴(kuò)張速度有所減緩?fù)猓∑溆嗍?、縣均處于加速擴(kuò)張階段。

圖4 城鎮(zhèn)用地比率空間分布圖Fig.4 Spatial distribution of urban area ratio

4.2 城市擴(kuò)張空間特征

為定量描述浙江省城市擴(kuò)張空間特征，定義每個縣級行政單元的城鎮(zhèn)用地比率(R)，即

式中:R為城鎮(zhèn)用地比率;Au為某一行政單元城鎮(zhèn)用地面積;At為該行政單元總面積。1995—2010年城鎮(zhèn)用地比率空間分布如圖4所示。

從圖4可以看出，1995年研究區(qū)城市化水平總體較低，最高城鎮(zhèn)覆蓋比率僅為29.2%;2005年部分沿海城市城市化水平有明顯提高，其中紹興市城鎮(zhèn)覆蓋比率超過50%，杭州市提高到42.4%，并且?guī)恿酥車鞘械陌l(fā)展，全省城市化水平較1995年有較大提高;2010年城市化水平全面提高，紹興市、杭州市城鎮(zhèn)覆蓋比率達(dá)50%以上，全省有20個縣市城鎮(zhèn)覆蓋比率超過10%。

1995—2010年，沿海地區(qū)的城市化水平整體高于內(nèi)陸地區(qū)，地勢平坦地區(qū)高于地形復(fù)雜地區(qū)，形成了杭州，紹興，溫州3大沿海城市群和以金華為中心的內(nèi)陸地區(qū)中小城市帶。

5 結(jié)論

本文以浙江省為研究區(qū)，利用CART算法對1995年、2005年及2010年3個時期的TM圖像進(jìn)行分類，并利用DMSP/OLS夜間燈光數(shù)據(jù)對分類結(jié)果進(jìn)行了優(yōu)化，在此基礎(chǔ)上利用GIS和統(tǒng)計方法對1995—2010年間浙江省城鎮(zhèn)擴(kuò)張?zhí)卣鬟M(jìn)行統(tǒng)計和分析，主要結(jié)論如下:

1)基于CART算法，綜合利用TM圖像和DMSP/OLS夜間燈光數(shù)據(jù)，是適用于區(qū)域尺度城鎮(zhèn)擴(kuò)張監(jiān)測的一種有效且穩(wěn)定性較好的信息提取方法。本研究中，采用CART算法以TM圖像作為單一數(shù)據(jù)源進(jìn)行信息提取，得到1995年、2005年及2010年總體分類精度分別為83.3%，78.5%和81.1%，但由于受地形和圖像光譜特征的影響，分類精度偏低且不夠穩(wěn)定;增加DMSP/OLS夜間燈光數(shù)據(jù)對分類結(jié)果進(jìn)行優(yōu)化，提高了分類精度及其穩(wěn)定性，平均精度分別達(dá)到 92.0%，91.1%和 90.1%。

2)1995—2010年間，浙江省城鎮(zhèn)用地持續(xù)增加，浙江省城鎮(zhèn)用地面積處于擴(kuò)張態(tài)勢。除洞頭縣，慶元縣，文成縣，云和縣，蘭溪市，龍泉市及紹興市等7個縣市擴(kuò)張速度有所減緩?fù)猓∑溆嗍?、縣、區(qū)均處于加速擴(kuò)張階段。其中，1995—2005年城鎮(zhèn)擴(kuò)張面積達(dá)1 992.1 km2，2005—2010年城鎮(zhèn)擴(kuò)張面積為3 245.4 km2，寧波市，溫州市，杭州市和臺州市均處于快速擴(kuò)張階段。

3)城市擴(kuò)張的空間特征方面，沿海地區(qū)的城市化水平整體高于內(nèi)陸地區(qū)，地勢平坦地區(qū)高于地形復(fù)雜地區(qū)，形成了杭州、紹興、溫州3大沿海城市群和以金華為中心的內(nèi)陸地區(qū)中小城市帶。

由于TM圖像和NTL數(shù)據(jù)的空間分辨率存在較大差異(TM數(shù)據(jù)空間分辨率為30 m，而NTL空間分辨率為1 km)，造成在結(jié)果優(yōu)化的過程中小面積城鎮(zhèn)信息的遺漏，對城鎮(zhèn)擴(kuò)張的動態(tài)監(jiān)測結(jié)果的準(zhǔn)確性帶來一定的影響，如何克服這一問題也成為今后本研究的工作重點(diǎn)。

[1]胡德勇，李 京，陳云浩，等.基于多時相Landsat數(shù)據(jù)的城市擴(kuò)張及其驅(qū)動力分析[J].國土資源遙感，2006，18(4):46－49，54.Hu D Y，Li J，Chen Y H，et al.An analysis of urban expansion and its dynamics based on multi－ temporal Landsat data[J].Remote Sensing for Land and Resources，2006，18(4):46－49，54.

[2]查 勇，倪紹祥，楊 山.一種利用TM圖像自動提取城鎮(zhèn)用地信息的有效方法[J].遙感學(xué)報，2003，7(1):37－40.Zha Y，Ni S X，Yang S.An effective approach to automatically extract urban land－ use from TM imagery[J].Journal of Remote Sensing，2003，7(1):37－40.

[3]徐涵秋.基于譜間特征和歸一化指數(shù)分析的城市建筑用地信息提取[J].地理研究，2005，24(2):311－319.Xu H Q.Fast information extraction of urban built－up land based on the analysis of spectral signature and normalized difference index[J].Geographical Research，2005，24(2):311－319.

[4]潘衛(wèi)華，徐涵秋.泉州市城市擴(kuò)展的遙感監(jiān)測及其城市化核分析[J].國土資源遙感，2004，16(4):36－40.Pan W H，Xu H Q.A study of urban spatial expansion of Quanzhou City on the basis of remote sensing technology and urbanization core analysis[J].Remote Sensing for Land and Resources，2004，16(4):36－40.

[5]卓 莉，史培軍，陳 晉，等.20世紀(jì)90年代中國城市時空變化特征——基于燈光指數(shù) CNLI方法的探討[J].地理學(xué)報，2003，58(6):893－901.Zhuo L，Shi P J，Chen J，et al.Application of compound night light index derived from DMSP/OLS data to urbanization analysis in China in the 1990s[J].ACTA Geographica Sinica，2003，58(6):893－901.

[6]徐夢潔，陳 黎，劉煥金，等.基于DMSP/OLS夜間燈光數(shù)據(jù)的長江三角洲地區(qū)城市化格局與過程研究[J].國土資源遙感，2011，23(3):106－112.Xu M J，Chen L，Liu H J，et al.Pattern and process of urbanization in the Yangtze Delta based on DMSP/OLS data[J].Remote Sensing for Land and Resources，2011，23(3):106－112.

[7]Liu Z F，He C Y，Zhang Q F，et al.Extracting the dynamics of urban expansion in China using DMSP－OLS nighttime light data from 1992 to 2008[J].Landscape and Urban Planning，2012，106(1):62－72.

[8]Zhang Q L，Seto K C.Mapping urbanization dynamics at regional and global scales using multi－temporal DMSP/OLS nighttime light data[J].Remote Sensing of Environment，2011，115(9):2320－2329.

[9]Breiman L，F(xiàn)riedman J，Olshen R，et al.Classification and regression trees[M].New York:Chapman and Hall，1984:358.

[10]趙哲遠(yuǎn)，馬 奇，華元春，等.浙江省1996—2005年土地利用變化分析[J].中國土地科學(xué)，2009，23(11):55－60，54.Zhao Z Y，Ma Q，Hua Y C，et al.Analysis on land use changes from 1996 to 2005 in Zhejiang Province[J].China Land Science，2009，23(11):55－60，54.

[11]王翠平，王豪偉，李春明，等.基于DMSP/OLS影像的我國主要城市群空間擴(kuò)張?zhí)卣鞣治鯷J].生態(tài)學(xué)報，2012，32(3):942－954.Wang C P，Wang H W，Li C M，et al.Analysis of the spatial expansion characteristics of major urban agglomerations in China using DMSP/OLS images[J].Acta Ecologica Sinica，2012，32(3):942－954.

[12]Alphan H，Derse M A.Change detection in southern Turkey using normalized difference vegetation index(NDVI)[J].Journal of Environmental Engineering and Landscape Management，2013，21(1):12－18.

[13]Epting J，Verbyla D，Sorbel B.Evaluation of remotely sensed indices for assessing burn severity in interior Alaska using Landsat TM and ETM+[J].Remote Sensing of Environment，2005，96(3－4):328－339.

[14]Yang L M，Huang C Q，Homer C G，et al.An approach for mapping large－area impervious surfaces:Synergistic use of Landsat－7 ETM+and high spatial resolution imagery[J].Canadian Journal of Remote Sensing，2003，29(2):230－240.

[15]劉勇洪，牛 錚，王長耀.基于MODIS數(shù)據(jù)的決策樹分類方法研究與應(yīng)用[J].遙感學(xué)報，2005，9(4):405－411.Liu Y H，Niu Z，Wang C Y.Research and application of the decision tree classification using MODIS data[J].Journal of Remote Sensing，2005，9(4):405－411.

[16]Huang C，Townshend J R G.A stepwise regression tree for nonlinear approximation:Applications to estimating subpixel and cover[J].International Journal of Remote Sensing，2003，24(1):75－90.

[17]舒 松，余柏蒗，吳健平，等.基于夜間燈光數(shù)據(jù)的城市建成區(qū)提取方法評價與應(yīng)用[J].遙感技術(shù)與應(yīng)用，2011，26(2):169－175.Shu S，Yu B L，Wu J P，et al.Methods for deriving urban built－ up area using night－ light data:Assessment and application[J].Remote Sensing Technology and Application，2011，26(2):169－175.

[18]Fan F L，Wang Y P，Qiu M H，et al.Evaluating the temporal and spatial urban expansion patterns of Guangzhou from 1979 to 2003 by remote sensing and GIS methods[J].International Journal of Geographical Information Science，2009，23(11):1371－1388.

[19]林目軒，師迎春，陳秧分，等.長沙市區(qū)建設(shè)用地擴(kuò)張的時空特征[J].地理研究，2007，26(2):265－274.Lin M X，Shi Y C，Chen Y F，et al.A study on spatial－ temporal features of construction land expansion in Changsha urban area[J].Geographical Research，2007，26(2):265－274.

[20]穆曉東，劉慧平，薛曉娟.基于遙感監(jiān)測的北京1984—2007年城市擴(kuò)展研究[J].北京師范大學(xué)學(xué)報:自然科學(xué)版，2012，48(1):81－85.Mu X D，Liu H P，Xue X J.Urban growth in Beijing from 1984 to 2007 as gauged by remote sensing[J].Journal of Beijing Normal University:Natural Science，2012，48(1):81－85.