端木宛白的博客家园

其实在说UTM投影之前还是要介绍一下什么是坐标系？坐标系分为两大类：一是地理坐标系，二是投影坐标系，可能这里有人也有疑问什么叫地理坐标系或者什么叫投影坐标系，其实一份数据、地图一定会有坐标系，但是投影不是一定有，换句话理解就是地理坐标系是没有投影，投影坐标系有投影，坐标系就像一个柚子，地理坐标系就像一个完整的柚子，一个球体。

对于图1，很多小伙伴可能见过类似的，那么这种图如何通过GIS软件实现？本专栏将从理论到实操着手给大家详细介绍。上世纪80年代由于遥感影像种类局限性，以遥感数据为研究数据提取城市建成区范围通过Landsat等数据来提取，主要通过监督分类、决策树等得到土地利用分类情况，其中土地利用分类中的建设用地就是城市的建成区分类。随着3S技术发展，随着遥感数据的丰富，DMSP、

这里提供一个思路，就是基于土地利用数据得到每个县的建设用地，以此数据为统计数据，再基于夜间灯光数据提取，可能有人会说，本身土地利用数据存在误差，这么做容易实现误差传递，其实不然，目的就是为了将其与夜间灯光数据构成联系。（4）打开属性表发现其中gridcode字段存在重复的数值，在利用参考比较法的时候，需要保证DN值唯一性，其实这里的gridcode就是所谓的夜光数据的DN值，每一个网格的所对应的值，故需要对该字段进行融合。（10）将表格进行整理，去除不需要的信息，留下gridcode（阈值），面积既可。

在正式开始提取之前，还是要继续啰嗦一下，其实基于夜间灯光数据建成区提取，可以分为好几个层次，基于县一级、市一级、省一级，很多论文的做法都是以市一级为准，也就是统计好市一级城市的每一年的统计年鉴中的建成区面积作为备用。有人可能会问为什么不以县一级，由于县一级的统计数据一般存在缺失，很难形成一个长时间序列的数据，所以一般采取的是市一级。前文也进行建议，如果确实要基于县一级进行提取可以参考前面理论介绍那篇文章中的相关建议。那么当我们确定阈值后如何将城市建成区提取出来？

第一篇文章理论介绍传统建成区提供方式有四种，改进方法有两种，对于经验阈值法和影像空间参考法就不过多介绍，经验阈值法其实就是阈值直接套用别人的，操作过程和参考比较法操作一样，节省阈值确定的过程。影像空间参考法同样利用高分辨叠加，通过目视判读来提高建成区范围识别精度，这种方式本身受制于高分辨影像获取过程，绝大多数高分辨率影像是需要付费，并且不一定能获取到所需年份的数据，即便获取到数据，那么通过夜光数据提取的意义显得不是特别大，还不如直接采用监督分类的思路直接提取。

基于DMSP/OLS、NPP/VIIRS夜间灯光数据主流的提取方法有四种，参考比较法，经验法、突变检测法、影像比较法。前面的文章已经对参考比较法、突变检测法做了详细的介绍，当前主流的做法为参考比较法，但是我们永远不止于参考比较法，当前有一些论文提出基于DMSP/OLS、NPP/VIIRS夜间灯光数据、Landsat改进型提取建成区方法，对于提取效果有不小的提升，传统方法提取城市建成区仅仅是市辖区，通过结合Landsat数据提取的不仅仅是市辖区。核心思路。

当完成Landsat数据预处理之后，可以进行NDBI、NDBI、VBANUI指数的计算，计算之前我们需要了解其公式是什么样？

夜间灯光数据是卫星传感器对夜间建筑物,道路和交通工具等发出灯光的记录[1,被广泛应用于城市建成区提取中。利用夜间灯光数据提取城市的建成区，能在很大程度上避免传统多光谱遥感的光谱混淆。但由于常用的夜间灯光数据分辨率较低,如 DMSP-OLS和NPP-VIRS夜间灯光数据分辨率分别约为1 km和500 m,基于夜间灯光数据的建成区提取研究主要集中在国家尺度上。受传感器本身分辨率的限制,单纯依靠夜间灯光数据，很难提取城市尺度更精细的建成区边界。

POI核密度估计法建成区提取核心思路就是利用POI核密度分析，然后绘制出整个区域核密度等值线，定义Sd为以核密度值为d的等值线包围的环状曲线内部的面积，定义Sd开根号为Sd的理论半径，得到这两个值之后将Sd理论半径作为Y轴，核密度值作为X轴，绘制出Densi-Graph曲线，对照下图寻找随着城市发展和扩张，会出现不同POI密度中心，Densi-Graph曲线整体趋势会出现不同程度的波动，但是这种波动是可逆的，随着密度中心不断融合会趋于水平，在城市边缘地带，POI密度整体下降会使得曲线出现不可逆的上升趋势，因

基于DMSP/OLS、NPP/VIIRS夜间灯光数据和兴趣点（POI）城市建成区提取——POI数据建成区提取前文介绍如何利用核密度分析制作Densi-Graph图，本文详细找一个区域详细演示如何制作Densi-Graph图并找到拐点，基于POI的核密度分析得到建成区范围。利用这个范围和夜间灯光数据范围融合得到最终的建成区范围。

不管我们按照传统方法中的参考比较和突变检测还是结合Landsat亦或者结合POI提取城市建成区，都会涉及到后续的分析，分析角度主要有扩张强度、速度、动态度、重心迁移轨迹、标准差椭圆、景观格局指数等。扩张强度反映行政范围内，某一研究时段的城市建成区面积变化情况与土地总面之间的比例关系，有利于更加准确分析建成区在不同时段内的扩张特征。（2） 扩张速度（3）扩张动态度扩张动态度反映城市建成区面积在一定时间内数量的绝对变化。

前文已经对扩张强度、扩张速率、扩张动态度做了详细介绍，接下来重点就是提取扩张范围，用于制做城市建成区扩张图，类似下图这种。其实说到底扩张范围就是要将一年和一年的增长区域提取出来，前文是直接从增长面积体现，而本文的目的是视觉上将增长范围单独拎出来，用于展示出图。纵观上述三幅图，本质上的就是先获取到两年之间的新增矢量，制作这种扩张图后续会转面详细介绍，可以看后续的文章。

当完成所有城市、年份的建成区提取之后，得到每年每个城市对应的建成区shp数据，可以进行很多分析，例如我们的重心迁移分析，得到每一年建成区重心坐标，进而得到每一年的重心迁移量、方位等，进而得到如下的重心迁移图。

对于建成区重心分析中，可以通过中心要素、平均中心等，其实就是说从点的分布密度是否均匀、一致等，点的方位包括点的分布和方向、点的数量、点的大小。但是其实这些都是基于某一个角度分析的，标准差椭圆是可以同时对点的方向和分布进行分析的经典分析方法。

景观格局指数：指景观格局与景观指数，景观格局通常是指景观的空间结构特征，具体是指由自然或人为形成的，一系列大小、形状各异，排列不同的景观镶嵌体在景观空间的排列，它即是景观异质性的具体表现，同时又是包括干扰在内的各种生态过程在不同尺度上作用的结果。空间斑块性是景观格局最普遍的形式，它表现在不同的尺度上。景观格局及其变化是自然的和人为的多种因素相互作用所产生的一定区域生态环境体系的综合反映，景观斑块的类型、形状、大小、数量和空间组合既是各种干扰因素相互作用的结果，又影响着该区域的生态过程和边缘效应。

风向玫瑰图（简称风玫瑰图）也叫风向频率玫瑰图，它是根据某一地区多年平均统计的各个风向的百分数值，并按一定比例绘制，一般多用8个或16个罗盘方位表示，由于形状酷似玫瑰花朵而得名。玫瑰图上所表示风的吹向，是指从外部吹向地区中心的方向，各方向上按统计数值画出的线段，表示此方向风频率的大小，线段越长表示该风向出现的次数越多。将各个方向上表示风频的线段按风速数值百分比绘制成不同颜色的分线段，即表示出各风向的平均风速，此类统计图称为风频风速玫瑰图。

前面的文章从传统方式和改进方式详细介绍如何提取城市建成区，有常用的参考比较法，也有改进结合Landsat、POI等数据方式提取城市建成区，对于提取的建成区也从扩张强度、速度、动态度、重心迁移、扩张范围提取、玫瑰图、标准差椭圆等方面进行时空扩张详细介绍。但是前文均是以某一年某一区域为例一步一步介绍，假设研究区域广东省，总共地级市20多个，再加上研究年份如果1992-2022年，那么重复操作实在太费时间，有什么办法可以提高效率？

本文以参考比较法提取城市建成区为例，详细介绍如何使用模型构建器（ModelBuilder）提高效率，特别说明一下，模型构建器构建的模型是可以保存成为工具，日后需要使用的时候可以直接使用工具不用重复构建，因为模型构建器构建的工作流如果不保存，下次就不能使用，需要会重新构建，这样费时且费力。那么在本文中将从两个角度给大家介绍，一方面演示如何构建并使用，第二如何保存模型并使用。

前文实现批量投影栅格、转为整型，接下来重点实现批量提取夜光数据，夜光数据转面、夜光数据面数据融合、要素转Excel。将相关结果转为Excel，接下来就是在Excel中进行阈值的确定，阈值确定无法通过批量操作，除非采用其他方式，但是那样的学习成本较高，对于参考比较法批量操作介绍至本文。

本文主要解决两个问题，一是将整个模型联系在一起，前面分了两节介绍主要是为了照顾一下初学者，相信通过两篇文章的分析对于大多数小伙伴有一定指导效果，所以这里将模型合并到一起，第二是介绍另外一种方法利用21个地级市矢量批量提取同一年夜光数据，其实选择哪一种方式，主要是取决于夜光数据年份数量和地级市数量，如果地级市数量较多，选择用地级市批量提取同一年夜光数据可能工作量更小，如果夜光数据数量多，那么选择用夜光数据批量提取一个地级市夜光数据工作反而更小。

本文给大家闲聊一些基于参考比较法提取城市建成区运用模型构建器提高效率补充，其实如果能坚持看到这篇文章的小伙伴，相信已经对模型构建器已经有一定了解，自己也能够独立构建简单的模型用于批量操作提升效率，那么前面文章已经对到阈值确定这一步给大家详细介绍如何构建对应模型用于提升效率，同时也介绍如何设置模型参数，保存为模型工具，便于下次使用。本文解决两个问题，一是引导大家不单单将模型构建器运用建成区提取，也可以发挥其作用运用于其他数据分析提高效率，二是参考比较法提取后续还有那些步骤可以构建模型提升效率。

前文介绍Pycharm软件安装和激活，以及运行环境的设置，本文就详细介绍一下几何Landsat数据有哪些步骤可以通过Arcpy代码来实现批量操作，其实主要集中在Landsat数据预处理过程中，包括数据镶嵌、裁剪、去背景、重采样以及波段组合计算、NDVI、NDBI计算，在一定程度上可以提升效率。

其实波段组合和GIS中栅格计算有点类似，实质上就是对每个像素点对应的DN值进行数学计算，也就是可以进行运算表达式是三个或多个变量相加、相减……每一个变量对应于一个图像数据，对这三个或多个图像数据求值并输出结果图像。

在前面的文章中详细结合多个提取方法介绍如何提取城市建成区，同时也介绍一些利用模型构建器和Arcpy快速实现某些步骤，提高效率，那么当我们提取完建成区范围之后，需要制作图片展示城市建成区提取结果，就是类似于下图的这种结果：但是好像和我们前文所得到结果不同，那么我们本文就如何制作建成区图做个详细的介绍。

其实制图这一系列文章主要是为了照顾初学者，因为很多初学者并不是特别熟悉GIS平台一些操作，可能对于初步的制图有一定了解，但是对于一些稍微看起来高级并且复杂一点的图如何制作？例如下面这种多景的制作，其实吧万变不离其宗，这种仅仅只是拼接多幅数据框在一起，组合而成，分解成一幅一幅图的话，其实相对简单。

有些时候看到一些参考文献中有些很复杂的图，例如多幅合并在一起，其实这种图本质上就是单一的图合并在一起，然后将其导出即可。