基于聚类方法DMSP/OLS夜光影像城区制图

全球或区域精确城区面积提取对于科学研究和政策制定十分关键。DMSP/OLS稳定夜光数据为监测区域城区面积时间序列动态扩展提供了可能。本研究我们提出了基于聚类优化阈值评价的五个步骤从DMSP/OLS稳定数据提取城区面积，包括数据处理，城市聚类分割，逻辑模型，阈值评价以及城市扩展监测。基于全局夜光聚类粒度来估算阈值，该阈值受聚类影响。选用美国和中国两个城市化进程不同的大国进行验证。结果表明，城市区域在美国占整个国土面积的2%，在州尺度上有0.5%到10%波动变化，中国则为1%，在省级尺度上有0.1%到5%波动，在某些直辖市高于10%，从高分辨率土地覆盖数据选取样本验证获取的阈值以及城市的扩展，发现该方法能够高效精确提取国家城区面积。敏感性分析表明优化阈值对于逻辑模型的参数不敏感。本方法避免了以往在大区域城市制图过程固定阈值出现的过高或者过低评价的问题。更重要的是，该方法利用DMSP/OLS稳定夜光数据在全球城市高效低成本时空动态制图上具有潜力。

Zhou, Y.Y., Smith, S.J., Elvidge, C.D., Zhao, K.G., Thomson, A., & Imhoff, M. 2014. A cluster-based method to map urban area from DMSP/OLS nightlights. Remote Sensing of

Environment, 147, 173-185