论文部分内容阅读
摘要 利用2013年11月15日的TM遥感影像，结合归一化建筑指数（NDBI）、改进的归一化建筑指数（IB）、新居民地提取指数（NBI）等建筑物提取指数对毕节市七星区城区建筑用地信息进行有效提取和分析，并用混淆矩阵和对应年份实际城镇用地面积对3种方法的提取精度分别进行了验证。结果表明，NBI指数算法比其他建筑指数算法提取建设用地信息的精度高且误差小，采用NBI指数能更准确地提取建设用地的信息。
关键词 城镇建设用地；NDBI；IB；NBI
中图分类号 TP753 文献标识码 A 文章编号 0517-6611（2016）32-0200-04
Comparative Study of Urban Construction Land Extraction from Remote Sensing—A Case Study of Qixing District，Bijie City
XU Ying1，LI Fu-wei2，LI Xiang-xin1 et al （1.Faculty of Land Resource Engineering，Kunming University of Science and Technology，Kunming，Yunnan 650039； 2.Bureau of Earthquake Prevention and Disaster Reduction，Bijie，Sichuan 551700）
Abstract The urban built-up information in Qixing District，Bijie City was extracted and analyzed using the NDBI index，IB index and NBI index from TM image on Nov.15，2013.Besides，the corresponding year urban land area extraction accuracy was validated with confusion matrix array.The results showed that the NBI index algorithm is better than other construction index algorithms for extracting the construction land information with high accuracy and small error，which can be more accurate for extracting the information of construction land with NBI index.
Key words Urban construction land； NDBI； IB； NBI
改革開放以來，我国国民经济快速发展，城市化水平迅速提高，各种建设用地占用了大量的农业用地，从而导致耕地急剧减少。因此，快速、准确地获取城镇建设用地信息，及时掌握城镇的土地变化，对科学合理地规划城镇，保护我国有限的耕地资源具有重大意义。
遥感技术为准确、迅速提取城镇用地信息提供了便利。在遥感影像中提取城镇建设用地信息方面，已经有不少学者结合光谱分析提出了多种提取方法。查勇等[1]提出且运用了归一化建筑指数（NDBI）自动提取了无锡市城镇用地信息；杨智翔等[2]提出了基于改进的归一化建筑指数的遥感影像城镇用地信息自动提取方法，对南京市主城区的建设用地进行提取；He等[3]利用原有的NDBI算法提出了改进的NDBI算法提取中国国家奥林匹克公园的建设用地；徐涵秋等[4]提出了建筑用地指数（IBI），对厦门市的建筑用地进行提取；陈洁丽等[5]提出了一种新的建筑指数（NBI），并利用该指数提取常州市居民地信息。这些指数在不同程度上影响了遥感影像城镇建设用地提取技术的发展。
利用遥感技术能够准确、快速地获取城镇用地信息，有利于土地的规划管理，为了保证提取城镇建设用地信息的准确性，笔者以毕节市的TM遥感数据为基础，采用NDBI、改进的归一化建筑指数（IB）、NBI这3种常用的建筑指数，分析了同一时相遥感数据基于这3种建筑指数提取城镇建设用地的效果差异，并对其提取精度进行对比。
1 研究区概况
毕节市位于贵州省西北部，地理坐标为105°36′～106°43′E、26°21′～27°46′N，地处川、滇、黔3省结合部，东部和南部分别与贵阳市、遵义市和安顺市、六盘水市毗连，西部和北部分别与云南省昭通市、曲靖市和四川省泸州市交界，总面积近2.69万km2。境内大部属乌蒙山区，以喀斯特地形和高山丘陵为主。乌江、北盘江、赤水河皆发源于此；还有六冲河、二道河、白水河、牛栏江、可渡河、白甫河（白布河）等河流。毕节市平均海拔1 600.0 m，赫章县与威宁县交界的小韭菜坪是毕节市的最高点，海拔2 900.6 m。多数地方属亚热带湿润气候，年均日照1 231 h，气温13.09 ℃，降雨量1 129.04 mm，无霜期266 d，森林覆盖率38.75%。
毕节市有8个县区，以七星关区城区为研究区域。
2 研究方法
2.1 城市建设用地提取关键技术
2.1.1 归一化建筑指数（NDBI）。
NDBI最初是对归一化植被指数（NDVI）进行深入的研究和分析。NDVI最早由杨山[6]提出，其表达式为：
式中，band3为第三波段的灰度值；band4为第四波段的灰度值。NDVI之所以能有效地提取植物，是因为在TM影像中，植物的灰度值是在第三、第四波段之间呈上升趋势，而其他地物的灰度值则呈现出下降的趋势[6]，所以，当第三、四波段的灰度值的差与和的比值大于0的是植物；相反，小于0的是其他地物。而后，查勇等[1]研究发现，城镇建设用地的灰度值和植物的灰度值有相似的规律：城镇用地灰度值在第四与第五波段之间表现出上升的走势，而其他地物灰度值表现出下降的走势，由此提出了NDBI计算公式[1]： 式中，band4为第四波段的灰度值；band5为第五波段的灰度值；NDBI取值范围为[-1，1]，大于0表示城镇建设用地，小于0表示非城镇建设用地。
2.1.2 改进的归一化建筑指数（IB）。
城镇建设用地的用地类型基本可以分为3大类型：建筑用地、植被和水体。如若只用常规NDBI法来提取城镇用地，结果中必定含有稀疏植物的信息，由于稀疏植物不仅有植物的光谱特性，还具有城镇建设用地的光谱特性，这将导致不能确保城镇建设用地的信息精确。杨志翔等[2]在详细研究了城市建筑用地的光谱特征以后发现稀疏植被在ETM图像第三和第五波段之间灰度值呈上升趋势，与其他地物光谱趋势都不相同。由于ETM与TM图像的传感器特性基本一致，所以稀疏植物在TM图像光谱趋势亦相似。He等[3]假定NDBI和NDVI均为正的为建设区和植被区，利用二者的图像差异，提取建设区域。樊风雷等[7]也研究发现建筑用地第四和第五波段之间的差异远远没有水体和植被指数的波段之间的差异明显，之后通过分析建筑、植被和水体3类地物所对应的归一化建筑指数（NDBI）、归一化植被指数（NDVI）和修正归一化水体指数（MNDWI）的值，结果表明，这三者的值由大到小依次是 NDBI、NDVI、MNDWI。由此可得改进的归一化建筑指数公式为：
其中：
式中，band2为第三波段的灰度值；band3为第三波段的灰度值；band4为第四波段的灰度值；band5为第五波段的灰度值。
2.1.3 新型建筑用地指数（NBI）。在TM/ETM+的影像中，各类地物类型在第三、第四、第五波段的区别度是最大的[8]。但是，有时裸地和建设用地难以区分，导致在提取建设用地的过程中会丢失一些信息。为此，陈洁丽等[5]研究发现，在第三波段，各地物光谱值由大到小依次为裸地、建设用地（城镇、农村居民点、道路）、其他地类（林地、园地、水田、旱地、水体、山体阴影）。因此，提取居民地信息时，在第四、第五波段光谱值差异的基础上加入第三波段的因素，增强居民地信息的提取效果。基于此，建立了新的居民地建筑指数（NBI），表达式为：
式中，band3为第三波段的灰度值；band4为第四波段的灰度值。
2.2 城镇用地信息提取过程
基础数据为摄于2013年11月15日的毕节市七星关区城区Landsat8卫星影像（云量为0.56%），图1为遥感影像信息处理与城镇用地信息提取流程。
2.2.1 影像预处理。
首先对遥感影像进行大气校正。因为太阳辐射会在大气中发生反射、折射、吸收、散射和透射，导致遥感影像有时不能反映地物的真实光谱特性，所以在提取城镇建设用地的信息之前要先对遥感影像进行大气校正。选用ENVI软件的Flash模块对影像进行大气校正。
接着进行几何校正，使影像上的地物位置与其实际位置相对应。以七星区的行政范围、交通、水系矢量数据为参考，选择交叉点、拐点等定位精确的特征点作为控制点，通过最邻近元法实现遥感影像的几何精校正。
最后对校正的影像数据进行边界裁减处理，得到研究区遥感影像（图2a）。由于研究区位于山谷之间，影响了遥感影像的信息提取精度，因此需进行地形校正，消除或减少山区影像图中的地形影响。选用ENVI软件的地形校正扩展模块Topo correction对影像进行地形校正。样点分布见图2b。
2.2.2 城镇用地信息提取。
首先利用公式（2）～（6）对遥感影像分别进行NDBI、IB和NBI 3种指数运算，得到七星区遥感数据的NDBI、IB和NBI指数分布情况（图3a）。在ENVI平台Band math模块中进行研究区的NDBI、IB、NBI指数分布图进行二值化处理，分别得到了3种方法提取的建设用地二值分布（图3b）。
3 结果与分析
3.1 精度评价
采用混淆矩阵对不同指数提取城镇建设用地的精度进行评价，同时将提取的城镇建设用地与毕节市七星区实际的建设用地进行比较，进一步分析这3种指数提取建设用地的效果。
利用ArcGIS的渔网工具在建设用地密集区均匀生成100个网格，并以各中心点作为样本（图2b），然后结合Google Earth高分辨率影像，逐點人工对照解译并构建混淆矩阵[9]。基于3个不同指数提取城镇建设用地的混淆矩阵，结果见表1。
从表1可以看出，基于NBI提取的城镇用地总体分类精度达到82.0%，而基于NDBI、BI提取的总体分类精度分别为70.0%和74.0%。
查询毕节市七星关区城区的建设用地面积（30.5 km2）[10]，然后将获得的建设用地面积与实际建设用地面积进行对比分析，得到表2。
从表2 可以看出，基于NBI提取建设用地面积相对误差为6.79%，基于NDIB和IB提取的建设用地面积相对误差分别为40.43%和14.95%。由此可见，2种精度评价方式的结果一致，基于NBI提取的城镇建设用地误差最小。
3.2 误差分析
由于不同指数在进行波段运算时，考虑的光谱信息不相同，导致用不同的指数提取建设用地面积时会存在差异。传统的NDBI 指数采用第四、第五波段进行运算，发现城镇建设用地的灰度值走高，进而提取建筑面积[1]。改进的NDBI指数是利用稀疏植被，水体与建设用地的波段差异而提出的，图像像元的3个指数（NDBI、NDVI、MNDWI）中，满足NDBI最大的就是建设用地信息[2-3，7]。 而NBI 考虑到NDBI中裸地误提的情况，加入第三波段，拉大影像灰度值，以增强建筑物信息，所以提取的建设用地面积也有所减少[5]。由此可知，从理论上看，NBI能更加准确地提取建设用地信息。
4 结论
采用TM数据对毕节市七星区城区的影像，结合NDBI、IB、NBI这3种建筑物提取指数，进行建设用地信息提取，统计七星城区建筑用地面积；并交叉评价了3种不同指数提取建设用地精度和误差。结果表明： （1）基于NDBI提取城镇用地信息操作简单、高效，提取过程受人为因素影响较小。但是，由于NDBI法是根据不同地类的光谱特征差异来提取城镇用地的，而裸地、稀疏植被与城镇用地光谱相似，所以对提取精度造成较大影响。
（2）IB法也是基于不同地类的光谱特性差异，但该方法消除了稀疏植被对城镇用地提取精度的影响，可是遥感影像异物同谱现象的存在，裸地的光谱特性与城镇用地的相似，改进的归一化建筑指数依然难以确切地把两者区分开，在一定的情况下影响了城镇建设用地信息提取的精度。
（3）基于NBI方法提取居民地信息，克服了建设用地和裸地的区分问题，且NBI是乘除指数，指数结果高达3位数，充分拉伸了灰度值，更突出建筑物信息，提取精度高。
综上所述，NBI算法比其他建筑指数算法提取建设用地信息的精度高且误差小，采用NBI能更准确地提取建设用地的信息。
参考文献
[1] 查勇，倪绍祥，杨山.一种利用TM图像自动提取城镇用地信息的有效方法[J].遥感学报，2003，7（1）：37-40.
[2] 杨智翔，何秀凤.基于改进的NDBI指数法的遥感影像城镇用地信息自动提取[J].河海大学学报（自然科学版），2010，38（2）：181-184.
[3] HE C，SHI P J，XIE D.Improving the normalized difference build-up index to map urban build-up areas by using a semiautomatic segementation approach[J].Remote sensing letters，2010，1（4）：213-221.
[4] 徐涵秋，杜麗萍.遥感建筑用地信息的快速提取[C].全国国土资源与环境遥感应用技术研讨会论文集.北京：北京晟勋炎国际会议服务中心，2009：135-141.
[5] 陈洁丽，刘永学，李满春，等.一种基于遥感数据快速提取居民地信息的新方法[J].地理与地理信息科学，2010，26（5）：72-75.
[6] 杨山.发达地区城乡聚落形态的信息提取与分形研究：以无锡市为例[J].地理学报，2000，55（6）：671-678.
[7] 樊风雷，刘润萍，张佃国.一种改进的城市建筑用地信息提取方法及在广州地区的应用[J].华南师范大学学报（自然科学版），2014，46（4）：98-102.
[8] 杨存建，周成虎.TM影像的居民地信息提取方法研究[J].遥感学报，2000，4（2）：146-150.
[9] 陈洁金，周峰，阳军生，等.山岭隧道塌方风险模糊层次分析[J].岩土力学，2009，30（8）：2365-2370.
[10] 毕节城区面积：七年扩大近一倍[N/OL].乌蒙新报，2013-11-14（29）[2016-05-28].http：//xb.cnwmw.cn/html/2013-11/14/content_263860.htm.
关键词 城镇建设用地；NDBI；IB；NBI
中图分类号 TP753 文献标识码 A 文章编号 0517-6611（2016）32-0200-04
Comparative Study of Urban Construction Land Extraction from Remote Sensing—A Case Study of Qixing District，Bijie City
XU Ying1，LI Fu-wei2，LI Xiang-xin1 et al （1.Faculty of Land Resource Engineering，Kunming University of Science and Technology，Kunming，Yunnan 650039； 2.Bureau of Earthquake Prevention and Disaster Reduction，Bijie，Sichuan 551700）
Abstract The urban built-up information in Qixing District，Bijie City was extracted and analyzed using the NDBI index，IB index and NBI index from TM image on Nov.15，2013.Besides，the corresponding year urban land area extraction accuracy was validated with confusion matrix array.The results showed that the NBI index algorithm is better than other construction index algorithms for extracting the construction land information with high accuracy and small error，which can be more accurate for extracting the information of construction land with NBI index.
Key words Urban construction land； NDBI； IB； NBI
改革開放以來，我国国民经济快速发展，城市化水平迅速提高，各种建设用地占用了大量的农业用地，从而导致耕地急剧减少。因此，快速、准确地获取城镇建设用地信息，及时掌握城镇的土地变化，对科学合理地规划城镇，保护我国有限的耕地资源具有重大意义。
遥感技术为准确、迅速提取城镇用地信息提供了便利。在遥感影像中提取城镇建设用地信息方面，已经有不少学者结合光谱分析提出了多种提取方法。查勇等[1]提出且运用了归一化建筑指数（NDBI）自动提取了无锡市城镇用地信息；杨智翔等[2]提出了基于改进的归一化建筑指数的遥感影像城镇用地信息自动提取方法，对南京市主城区的建设用地进行提取；He等[3]利用原有的NDBI算法提出了改进的NDBI算法提取中国国家奥林匹克公园的建设用地；徐涵秋等[4]提出了建筑用地指数（IBI），对厦门市的建筑用地进行提取；陈洁丽等[5]提出了一种新的建筑指数（NBI），并利用该指数提取常州市居民地信息。这些指数在不同程度上影响了遥感影像城镇建设用地提取技术的发展。
利用遥感技术能够准确、快速地获取城镇用地信息，有利于土地的规划管理，为了保证提取城镇建设用地信息的准确性，笔者以毕节市的TM遥感数据为基础，采用NDBI、改进的归一化建筑指数（IB）、NBI这3种常用的建筑指数，分析了同一时相遥感数据基于这3种建筑指数提取城镇建设用地的效果差异，并对其提取精度进行对比。
1 研究区概况
毕节市位于贵州省西北部，地理坐标为105°36′～106°43′E、26°21′～27°46′N，地处川、滇、黔3省结合部，东部和南部分别与贵阳市、遵义市和安顺市、六盘水市毗连，西部和北部分别与云南省昭通市、曲靖市和四川省泸州市交界，总面积近2.69万km2。境内大部属乌蒙山区，以喀斯特地形和高山丘陵为主。乌江、北盘江、赤水河皆发源于此；还有六冲河、二道河、白水河、牛栏江、可渡河、白甫河（白布河）等河流。毕节市平均海拔1 600.0 m，赫章县与威宁县交界的小韭菜坪是毕节市的最高点，海拔2 900.6 m。多数地方属亚热带湿润气候，年均日照1 231 h，气温13.09 ℃，降雨量1 129.04 mm，无霜期266 d，森林覆盖率38.75%。
毕节市有8个县区，以七星关区城区为研究区域。
2 研究方法
2.1 城市建设用地提取关键技术
2.1.1 归一化建筑指数（NDBI）。
NDBI最初是对归一化植被指数（NDVI）进行深入的研究和分析。NDVI最早由杨山[6]提出，其表达式为：
式中，band3为第三波段的灰度值；band4为第四波段的灰度值。NDVI之所以能有效地提取植物，是因为在TM影像中，植物的灰度值是在第三、第四波段之间呈上升趋势，而其他地物的灰度值则呈现出下降的趋势[6]，所以，当第三、四波段的灰度值的差与和的比值大于0的是植物；相反，小于0的是其他地物。而后，查勇等[1]研究发现，城镇建设用地的灰度值和植物的灰度值有相似的规律：城镇用地灰度值在第四与第五波段之间表现出上升的走势，而其他地物灰度值表现出下降的走势，由此提出了NDBI计算公式[1]： 式中，band4为第四波段的灰度值；band5为第五波段的灰度值；NDBI取值范围为[-1，1]，大于0表示城镇建设用地，小于0表示非城镇建设用地。
2.1.2 改进的归一化建筑指数（IB）。
城镇建设用地的用地类型基本可以分为3大类型：建筑用地、植被和水体。如若只用常规NDBI法来提取城镇用地，结果中必定含有稀疏植物的信息，由于稀疏植物不仅有植物的光谱特性，还具有城镇建设用地的光谱特性，这将导致不能确保城镇建设用地的信息精确。杨志翔等[2]在详细研究了城市建筑用地的光谱特征以后发现稀疏植被在ETM图像第三和第五波段之间灰度值呈上升趋势，与其他地物光谱趋势都不相同。由于ETM与TM图像的传感器特性基本一致，所以稀疏植物在TM图像光谱趋势亦相似。He等[3]假定NDBI和NDVI均为正的为建设区和植被区，利用二者的图像差异，提取建设区域。樊风雷等[7]也研究发现建筑用地第四和第五波段之间的差异远远没有水体和植被指数的波段之间的差异明显，之后通过分析建筑、植被和水体3类地物所对应的归一化建筑指数（NDBI）、归一化植被指数（NDVI）和修正归一化水体指数（MNDWI）的值，结果表明，这三者的值由大到小依次是 NDBI、NDVI、MNDWI。由此可得改进的归一化建筑指数公式为：
其中：
式中，band2为第三波段的灰度值；band3为第三波段的灰度值；band4为第四波段的灰度值；band5为第五波段的灰度值。
2.1.3 新型建筑用地指数（NBI）。在TM/ETM+的影像中，各类地物类型在第三、第四、第五波段的区别度是最大的[8]。但是，有时裸地和建设用地难以区分，导致在提取建设用地的过程中会丢失一些信息。为此，陈洁丽等[5]研究发现，在第三波段，各地物光谱值由大到小依次为裸地、建设用地（城镇、农村居民点、道路）、其他地类（林地、园地、水田、旱地、水体、山体阴影）。因此，提取居民地信息时，在第四、第五波段光谱值差异的基础上加入第三波段的因素，增强居民地信息的提取效果。基于此，建立了新的居民地建筑指数（NBI），表达式为：
式中，band3为第三波段的灰度值；band4为第四波段的灰度值。
2.2 城镇用地信息提取过程
基础数据为摄于2013年11月15日的毕节市七星关区城区Landsat8卫星影像（云量为0.56%），图1为遥感影像信息处理与城镇用地信息提取流程。
2.2.1 影像预处理。
首先对遥感影像进行大气校正。因为太阳辐射会在大气中发生反射、折射、吸收、散射和透射，导致遥感影像有时不能反映地物的真实光谱特性，所以在提取城镇建设用地的信息之前要先对遥感影像进行大气校正。选用ENVI软件的Flash模块对影像进行大气校正。
接着进行几何校正，使影像上的地物位置与其实际位置相对应。以七星区的行政范围、交通、水系矢量数据为参考，选择交叉点、拐点等定位精确的特征点作为控制点，通过最邻近元法实现遥感影像的几何精校正。
最后对校正的影像数据进行边界裁减处理，得到研究区遥感影像（图2a）。由于研究区位于山谷之间，影响了遥感影像的信息提取精度，因此需进行地形校正，消除或减少山区影像图中的地形影响。选用ENVI软件的地形校正扩展模块Topo correction对影像进行地形校正。样点分布见图2b。
2.2.2 城镇用地信息提取。
首先利用公式（2）～（6）对遥感影像分别进行NDBI、IB和NBI 3种指数运算，得到七星区遥感数据的NDBI、IB和NBI指数分布情况（图3a）。在ENVI平台Band math模块中进行研究区的NDBI、IB、NBI指数分布图进行二值化处理，分别得到了3种方法提取的建设用地二值分布（图3b）。
3 结果与分析
3.1 精度评价
采用混淆矩阵对不同指数提取城镇建设用地的精度进行评价，同时将提取的城镇建设用地与毕节市七星区实际的建设用地进行比较，进一步分析这3种指数提取建设用地的效果。
利用ArcGIS的渔网工具在建设用地密集区均匀生成100个网格，并以各中心点作为样本（图2b），然后结合Google Earth高分辨率影像，逐點人工对照解译并构建混淆矩阵[9]。基于3个不同指数提取城镇建设用地的混淆矩阵，结果见表1。
从表1可以看出，基于NBI提取的城镇用地总体分类精度达到82.0%，而基于NDBI、BI提取的总体分类精度分别为70.0%和74.0%。
查询毕节市七星关区城区的建设用地面积（30.5 km2）[10]，然后将获得的建设用地面积与实际建设用地面积进行对比分析，得到表2。
从表2 可以看出，基于NBI提取建设用地面积相对误差为6.79%，基于NDIB和IB提取的建设用地面积相对误差分别为40.43%和14.95%。由此可见，2种精度评价方式的结果一致，基于NBI提取的城镇建设用地误差最小。
3.2 误差分析
由于不同指数在进行波段运算时，考虑的光谱信息不相同，导致用不同的指数提取建设用地面积时会存在差异。传统的NDBI 指数采用第四、第五波段进行运算，发现城镇建设用地的灰度值走高，进而提取建筑面积[1]。改进的NDBI指数是利用稀疏植被，水体与建设用地的波段差异而提出的，图像像元的3个指数（NDBI、NDVI、MNDWI）中，满足NDBI最大的就是建设用地信息[2-3，7]。 而NBI 考虑到NDBI中裸地误提的情况，加入第三波段，拉大影像灰度值，以增强建筑物信息，所以提取的建设用地面积也有所减少[5]。由此可知，从理论上看，NBI能更加准确地提取建设用地信息。
4 结论
采用TM数据对毕节市七星区城区的影像，结合NDBI、IB、NBI这3种建筑物提取指数，进行建设用地信息提取，统计七星城区建筑用地面积；并交叉评价了3种不同指数提取建设用地精度和误差。结果表明： （1）基于NDBI提取城镇用地信息操作简单、高效，提取过程受人为因素影响较小。但是，由于NDBI法是根据不同地类的光谱特征差异来提取城镇用地的，而裸地、稀疏植被与城镇用地光谱相似，所以对提取精度造成较大影响。
（2）IB法也是基于不同地类的光谱特性差异，但该方法消除了稀疏植被对城镇用地提取精度的影响，可是遥感影像异物同谱现象的存在，裸地的光谱特性与城镇用地的相似，改进的归一化建筑指数依然难以确切地把两者区分开，在一定的情况下影响了城镇建设用地信息提取的精度。
（3）基于NBI方法提取居民地信息，克服了建设用地和裸地的区分问题，且NBI是乘除指数，指数结果高达3位数，充分拉伸了灰度值，更突出建筑物信息，提取精度高。
综上所述，NBI算法比其他建筑指数算法提取建设用地信息的精度高且误差小，采用NBI能更准确地提取建设用地的信息。
参考文献
[1] 查勇，倪绍祥，杨山.一种利用TM图像自动提取城镇用地信息的有效方法[J].遥感学报，2003，7（1）：37-40.
[2] 杨智翔，何秀凤.基于改进的NDBI指数法的遥感影像城镇用地信息自动提取[J].河海大学学报（自然科学版），2010，38（2）：181-184.
[3] HE C，SHI P J，XIE D.Improving the normalized difference build-up index to map urban build-up areas by using a semiautomatic segementation approach[J].Remote sensing letters，2010，1（4）：213-221.
[4] 徐涵秋，杜麗萍.遥感建筑用地信息的快速提取[C].全国国土资源与环境遥感应用技术研讨会论文集.北京：北京晟勋炎国际会议服务中心，2009：135-141.
[5] 陈洁丽，刘永学，李满春，等.一种基于遥感数据快速提取居民地信息的新方法[J].地理与地理信息科学，2010，26（5）：72-75.
[6] 杨山.发达地区城乡聚落形态的信息提取与分形研究：以无锡市为例[J].地理学报，2000，55（6）：671-678.
[7] 樊风雷，刘润萍，张佃国.一种改进的城市建筑用地信息提取方法及在广州地区的应用[J].华南师范大学学报（自然科学版），2014，46（4）：98-102.
[8] 杨存建，周成虎.TM影像的居民地信息提取方法研究[J].遥感学报，2000，4（2）：146-150.
[9] 陈洁金，周峰，阳军生，等.山岭隧道塌方风险模糊层次分析[J].岩土力学，2009，30（8）：2365-2370.
[10] 毕节城区面积：七年扩大近一倍[N/OL].乌蒙新报，2013-11-14（29）[2016-05-28].http：//xb.cnwmw.cn/html/2013-11/14/content_263860.htm.