GIS研习社 GIS研习社
GIS基础理论 Dr.Gis GIS

城市扩张监测报告?GIS遥感数据咋处理?

GIS基础理论
Dr.GIS
wowwwai GIS研习社 · 工具流程与项目排障

城市扩张监测报告?GIS遥感数据咋处理? 这个问题通常不是“会不会打开遥感影像”，而是能不能把多期影像、行政边界、建设用地提取结果和统计图表串成一套可复核的 GIS 工作流。本文按一份实际城市扩张监测报告的生产流程，讲清楚 GIS 遥感数据从下载、预处理、分类提取、变化检测到报告制图的关键步骤。

引言：城市扩张监测报告要解决什么问题

城市扩张监测报告的核心目标，是回答三个问题：城市建成区扩张了多少、扩张到哪里、扩张速度和方向是否异常。对 GIS 学生、空间数据分析师和规划相关从业者来说，报告不是简单放几张遥感图，而是要用可追溯的数据和方法支撑结论。

一份合格的城市扩张监测报告通常需要包含：

  • 研究区范围：行政区、规划区或自定义分析边界。
  • 时间节点：例如 2015 年、2020 年、2024 年三期遥感影像。
  • 数据来源：Landsat、Sentinel-2、高分影像、夜间灯光、OSM 或本地地类数据。
  • 处理方法：影像预处理、指数计算、监督分类或阈值提取、变化检测。
  • 结果表达：扩张面积、扩张方向、空间分布图、统计表和精度说明。
城市扩张监测报告 GIS遥感数据处理流程
城市扩张监测报告中 GIS 遥感数据处理的典型流程：从多期影像到扩张统计和专题图输出。

背景：为什么城市扩张监测不能只看遥感影像截图

很多初学者做城市扩张监测时，会把两期影像叠在一起，凭肉眼判断哪里变亮、哪里新增了建筑。这种方式适合初步观察，但不适合写正式报告。原因主要有四个。

  • 影像季节差异会误导判断：同一城市在春季、夏季和冬季的植被、水体、裸地反射差别明显，容易把季节变化误判为城市扩张。
  • 坐标系不一致会造成错位：多期影像、行政边界和道路数据如果坐标系不同，叠加后可能出现几十米甚至更大的偏移。
  • 分辨率不同会影响面积统计：10 米、30 米和 1 米影像提取出的建设用地边界细节不同，直接比较会引入误差。
  • 报告结论需要可复核：城市扩张面积、占比、方向和新增斑块位置都需要能通过数据处理步骤复现。

因此，城市扩张监测报告中的 GIS 遥感数据处理，重点不是“图好不好看”，而是让数据来源、处理参数、分类标准和统计口径保持一致。

原理：城市扩张监测的 GIS 与遥感逻辑

城市扩张监测的基本原理，是从不同时期遥感影像中提取建设用地或建成区范围，再对这些范围进行空间叠加和面积统计。常见逻辑如下：

  1. 获取同一研究区多期遥感影像。
  2. 进行几何校正、投影统一、裁剪和云掩膜处理。
  3. 使用遥感指数、监督分类、机器学习或人工修正提取建设用地。
  4. 把不同年份的建设用地图层叠加，识别新增、减少和保持不变区域。
  5. 按行政区、方位、环线、缓冲区或网格统计城市扩张面积。
  6. 输出专题图、统计表、变化图和文字结论。

在 GIS 软件里，最常用的空间分析方法包括裁剪、重投影、栅格计算器、栅格重分类、栅格转矢量、叠加分析、面积字段计算和分区统计。QGIS、ArcGIS Pro、ENVI、Google Earth Engine、GeoPandas 和 PostGIS 都可以承担其中一部分工作。

步骤：GIS 遥感数据咋处理才适合写城市扩张监测报告

步骤一：明确研究区和时间节点

开始处理前，先不要急着下载影像。要先确定三个边界条件：

  • 研究区边界：使用行政区边界、城市规划区边界，或自行绘制的分析范围。
  • 监测年份：建议选择间隔明确的年份，例如 2010、2015、2020、2024。
  • 分析对象：明确是建成区扩张、建设用地扩张，还是不透水面扩张。

这一步会直接影响后续分类标准。比如“建设用地”可能包含道路、厂区、住宅和施工裸地，而“建成区”更强调连续城市建设区域，两者不能在报告中混用。

步骤二：选择合适的遥感数据

城市扩张监测常用数据有以下几类：

数据类型 适用场景 注意事项
Landsat 长期城市扩张趋势分析，适合 1990 年代以来的对比 空间分辨率较粗，细小地块识别能力有限
Sentinel-2 近年城市扩张监测，适合 10 米级分析 需要处理云、阴影和季节差异
高分影像或商业影像 街区级、地块级精细扩张分析 成本较高，数据量大，分类和人工校核工作量更大
夜间灯光数据 宏观城市化强度和扩张方向分析 不适合直接作为建设用地边界
已有土地利用数据 快速制作城市扩张监测报告 要检查分类体系、精度和年份是否匹配

如果是教学练习或普通城市尺度报告，建议使用 Sentinel-2 或 Landsat。若要做长期变化，Landsat 更容易保证时间连续性；若关注近几年变化，Sentinel-2 的 10 米分辨率更适合表达城市边缘扩张。

步骤三：统一坐标系并裁剪研究区

GIS 遥感数据处理的第一条原则是：所有数据必须进入同一个坐标系和同一个研究区范围。常见做法如下：

  1. 将研究区边界保存为 GeoPackage、Shapefile 或 File Geodatabase 要素类。
  2. 检查影像和矢量边界的坐标系。
  3. 如果要计算面积，优先使用适合当地的投影坐标系，而不是直接使用经纬度坐标。
  4. 用研究区边界裁剪每一期遥感影像。
  5. 确认裁剪后的影像范围、像元大小和坐标系一致。

在 QGIS 中，可使用“栅格 － 提取 － 按掩膜图层裁剪栅格”。在 ArcGIS Pro 中，可使用 Clip Raster 或 Extract by Mask 工具。裁剪后建议给每期影像使用清晰命名，例如：

city_2015_sentinel2_clip.tif
city_2020_sentinel2_clip.tif
city_2024_sentinel2_clip.tif

步骤四：做云掩膜、波段组合和指数计算

遥感影像中云、云影、水体和裸地会影响城市扩张提取。处理前建议先查看每期影像质量，并尽量选择同一季节、云量低的影像。

常用遥感指数包括：

  • NDVI：归一化植被指数，用于区分植被和非植被。
  • NDBI：归一化建筑指数，用于突出建筑和不透水面。
  • MNDWI：改进归一化水体指数，用于识别水体，避免把水体误分为低反射地物。

以 Sentinel-2 为例，常见计算思路如下：

NDVI = (NIR - Red) / (NIR + Red)
NDBI = (SWIR - NIR) / (SWIR + NIR)
MNDWI = (Green - SWIR) / (Green + SWIR)

在 QGIS 中可以使用“栅格计算器”。在 ArcGIS Pro 中可以使用 Raster Calculator。指数不是最终结果，但能帮助区分建筑、植被、水体和裸地。

步骤五：提取建设用地或建成区范围

城市扩张监测报告中最关键的一步，是从遥感影像中提取建设用地。常见方法有三种。

  • 阈值法：根据 NDBI、NDVI、MNDWI 等指数设置阈值，快速提取疑似建设用地。
  • 监督分类：选取训练样本，将影像分类为建设用地、植被、水体、裸地等类别。
  • 机器学习分类：使用随机森林、支持向量机等方法，提高复杂地物区分能力。

如果是入门报告，可以先用阈值法得到初步结果，再结合人工目视修正。若是正式项目或论文分析，应优先使用监督分类或机器学习，并提供精度评价。

一个较稳妥的建设用地提取思路是：

  1. 用 MNDWI 先剔除水体。
  2. 用 NDVI 剔除高植被区域。
  3. 用 NDBI 提取疑似建筑和不透水面。
  4. 结合已有道路、POI、土地利用数据进行校核。
  5. 对明显误分类区域进行人工修正。

步骤六：进行多期变化检测

得到每个年份的建设用地图层后，就可以进行城市扩张变化检测。最简单的方式是把每期建设用地编码为二值栅格：

  • 1 表示建设用地或建成区。
  • 0 表示非建设用地。

然后用栅格计算识别新增区域。例如：

新增建设用地 = 2024年建设用地 - 2020年建设用地

计算结果中：

  • 值为 1：表示 2020 年不是建设用地，2024 年变为建设用地。
  • 值为 0：表示没有新增变化。
  • 值为 -1：可能表示建设用地减少，需要单独核查。

如果使用矢量图层，可以通过叠加分析完成。例如在 QGIS 中使用“差异 Difference”“交集 Intersection”“联合 Union”等工具；在 ArcGIS Pro 中可使用 Erase、Intersect、Union 等工具。

步骤七：统计扩张面积、速度和方向

城市扩张监测报告不能只给出变化图，还需要给出统计指标。常见指标包括：

  • 建设用地面积：每个年份的建设用地总面积。
  • 新增建设用地面积：相邻时期新增的城市扩张面积。
  • 扩张速度：新增面积除以年份间隔。
  • 扩张强度：新增面积占研究区总面积或期初建设用地面积的比例。
  • 扩张方向：按东、南、西、北或扇区统计新增建设用地。

面积统计前必须确认数据使用投影坐标系。如果图层仍是 WGS84 经纬度坐标，直接计算面积会产生明显错误。建议将结果投影到适合本地的高斯克吕格、UTM 或当地官方投影坐标系后再计算平方米或平方公里。

步骤八：制作城市扩张专题图

专题图是城市扩张监测报告的主要表达方式。建议至少制作三类图：

  • 多期建设用地分布图：展示不同年份建成区范围。
  • 新增建设用地图：突出某一时期新增扩张区域。
  • 扩张方向或分区统计图：按街道、乡镇、环线或网格表达扩张强度。

制图时注意以下细节：

  • 底图不要过于复杂，避免影响变化区域识别。
  • 新增建设用地建议使用醒目的橙色或红色。
  • 保留比例尺、指北针、图例、数据来源和制图时间。
  • 不同年份图例颜色要保持一致。
  • 图名要直接说明时间段，例如“2020—2024 年新增建设用地分布图”。

常见坑：城市扩张监测报告最容易出错的地方

坑一：把裸地和施工地全部当成城市扩张

裸地、采石场、河滩、农田翻耕地在某些波段上可能与建筑用地相似。如果只依赖 NDBI 阈值，很容易误判。解决方法是结合 NDVI、MNDWI、纹理特征、高分影像或人工核查。

坑二：不同年份影像季节不一致

如果 2015 年使用冬季影像，2024 年使用夏季影像，植被和裸地差异会影响分类结果。建议尽量选择同一季节、相近月份、云量较低的影像。

坑三：分类精度没有说明

正式城市扩张监测报告应说明分类结果是否经过验证。可以抽取样本点，结合高分影像或实地资料进行精度评价，至少说明总体精度、混淆情况和主要误差来源。

坑四：直接在经纬度坐标下算面积

这是 GIS 初学者最常见错误之一。经纬度单位是度，不是米。做城市扩张面积统计时，应先投影到合适的平面坐标系，再计算面积字段。

坑五：报告里没有交代数据口径

城市扩张可以指建设用地扩张、建成区扩张、不透水面扩张或城市灯光范围扩张。不同口径得到的面积会不同。报告中必须明确说明分类口径，避免结论被误解。

方法比较：QGIS、ArcGIS Pro、GEE 和 Python 怎么选

方法 优势 适合人群 限制
QGIS 免费开源，适合裁剪、重投影、栅格计算、制图和基础分析 GIS 学生、入门工程师、开源 GIS 用户 大批量影像处理时需要结合插件或脚本
ArcGIS Pro 工具链完整，适合规范化制图、空间分析和模型构建 规划、自然资源、测绘和企业 GIS 用户 需要许可，部分遥感分析工具依赖扩展模块
Google Earth Engine 适合大范围、多年份遥感影像快速筛选和批处理 遥感分析师、科研用户、需要处理长时间序列的人 需要编程基础，结果导出和本地制图仍需 GIS 软件配合
Python GIS 适合自动化处理、批量统计和可复现分析 有编程基础的 GIS 工程师和数据分析师 环境配置和栅格数据内存管理需要经验

如果只是完成一份课程作业或城市扩张监测报告初稿，QGIS 就足够完成主要流程。如果数据量大、年份多，建议用 Google Earth Engine 进行影像筛选和初步分类，再将结果导出到 QGIS 或 ArcGIS Pro 中制图和统计。

检查清单：提交城市扩张监测报告前逐项核对

  • 研究区边界是否明确，是否与报告文字一致。
  • 所有影像是否来自可靠数据源，并记录了获取时间和数据版本。
  • 多期影像是否尽量选择同一季节、相近月份。
  • 影像是否完成裁剪、重投影、云掩膜或质量筛选。
  • 建设用地、建成区或不透水面的定义是否清楚。
  • 分类方法和阈值参数是否在报告中说明。
  • 是否检查了水体、裸地、阴影和施工区误分类。
  • 面积统计是否在投影坐标系下完成。
  • 新增建设用地是否通过叠加分析或栅格计算得到，而不是手工估计。
  • 专题图是否包含图名、图例、比例尺、指北针和数据来源。
  • 报告结论是否同时说明扩张规模、空间方向和主要原因。
  • 是否保留中间数据和处理步骤，方便复查。

FAQ：城市扩张监测报告常见问题

城市扩张监测报告必须用高分辨率影像吗？

不一定。研究城市长期扩张趋势时，Landsat 这类中等分辨率影像也很常用。若要分析街区级或地块级变化，高分辨率影像更合适。关键是报告目标、分析尺度和数据分辨率要匹配。

GIS 遥感数据处理时，建设用地和建成区有什么区别？

建设用地更偏土地利用分类，可能包括道路、工业用地、居住用地、公共设施和部分施工用地。建成区更强调城市连续建设范围。写城市扩张监测报告时，应先定义口径，并在全文保持一致。

用 QGIS 能完成城市扩张监测吗？

可以。QGIS 可以完成影像裁剪、重投影、栅格计算、分类结果编辑、面积统计和专题制图。如果需要自动批量处理多期影像，可以结合 Processing 模型、GDAL 工具或 Python 脚本。

为什么我算出来的城市扩张面积不准？

常见原因包括坐标系使用错误、像元大小不一致、分类误差较大、没有剔除水体和裸地、不同年份影像季节差异明显。首先检查是否在投影坐标系下计算面积，然后再检查分类结果和变化检测逻辑。

城市扩张变化检测用栅格好还是矢量好？

栅格适合遥感分类和像元级变化检测，流程直接、便于批量计算。矢量适合边界修正、地块统计和制图表达。实际工作中常见做法是先用栅格完成分类和变化检测，再转为矢量进行面积统计和专题制图。

报告中需要写分类精度吗？

建议写。即使是教学或内部分析报告，也应说明结果经过了目视检查或样本验证。正式项目中，应提供混淆矩阵、总体精度、Kappa 系数或其他精度指标，并说明误差来源。

结论：把城市扩张监测做成可复核的 GIS 工作流

城市扩张监测报告的质量，取决于 GIS 遥感数据处理是否规范。正确流程不是简单对比两张影像，而是先统一研究区、时间节点和分类口径，再完成影像预处理、建设用地提取、变化检测、面积统计和专题制图。

对初学者来说，可以先用 QGIS 和 Sentinel-2 练习一套完整流程；对需要长期、多年份、大范围分析的项目，可以结合 Google Earth Engine、ArcGIS Pro 或 Python GIS 提高效率。无论使用哪种工具，都要记住：城市扩张监测报告最重要的是数据口径清楚、处理步骤可复现、统计结果能解释。