基于TM影像的寧波市不透水面變化研究

王麗云，李艷，周陽

(1.南京大學 國際地球系統(tǒng)科學研究所，南京 210046；2.南京大學 地理信息科學系，南京 210023；3.江蘇省地理信息技術(shù)重點實驗室，南京 210046)

1 引 言

城市化是20世紀以來最為顯著的人類活動過程，其顯著特征之一是不透水面不斷增加，各種不透水面是城市的基質(zhì)景觀，主導城市景觀格局與變化過程，是城市地表覆被的典型特征[1-2]。不透水面是一種水不能通過它下滲到土壤中的人工地貌特征，包括城市中的公路、車道、人行道、停車場、建筑屋頂?shù)?。從遙感角度來理解，通常指相對于植被和土壤滲透率較小的建筑區(qū)域[3]。城市中不透水面的變化是衡量城市發(fā)展的重要指標之一，它常常用來監(jiān)測城市中環(huán)境狀況的變化以及城市人與自然的和諧狀況，特別是對城市熱環(huán)境的變化產(chǎn)生重要影響[4]。采用遙感技術(shù)提取的不透水面信息，為科學掌握城市化腳步提供了客觀數(shù)據(jù)。

自20世紀后期通過遙感技術(shù)進行不透水面提取的研究就開始引起關(guān)注，而國內(nèi)類似的研究才剛剛起步，岳文澤利用ETM+影像，通過線性光譜分解技術(shù)提取了上海市的不透水面并對其空間分布特征進行了分析[5]。王天星以ASTER為數(shù)據(jù)源提取不透水面密度，并分析了不透水面與地表溫度及植被指數(shù)的定量關(guān)系[6]。徐涵秋采用復合波段的形式創(chuàng)建了歸一化差值不透水面指數(shù)[7]。本文在前人研究成果的基礎(chǔ)上，運用基于LBV變換的決策樹分類法與NDBI(歸一化建筑指數(shù))、第3波段提取相結(jié)合的方法對研究區(qū)不透水面進行提取，并對提取結(jié)果進行了變化檢測分析。

2 研究區(qū)概況及數(shù)據(jù)源

本文研究對象為浙江省寧波市。寧波市是浙江三大經(jīng)濟中心之一，經(jīng)濟發(fā)展迅速，特別是自沿海開放戰(zhàn)略實施以來，土地覆蓋類型發(fā)生了巨大的變化，土地利用呈現(xiàn)明顯的開發(fā)特征，導致不透水面顯著變化。

用于不透水面提取的數(shù)據(jù)源分別為研究區(qū)2000年6月14日、2005年6月23日和2010年7月17日3個時相，空間分辨率為30m的Landsat TM遙感影像，無云條件下成像，影像質(zhì)量較好。

3 研究方法

在對3個時相的原始遙感影像進行幾何糾正，大氣校正，影像拼接等一系列的預處理[9]后，利用基于LBV變換的方法對研究區(qū)不透水面進行提取。通過比較不同時相的不透水面分布，檢測研究區(qū)不透水面的變化情況。

3.1 LBV變換原理

L=1.441247*D2-0.090419*D3-1.367302*D4+1.794034*D5+12.000000

B=1.126971*D2+0.673348*D3+0.077966*D4-0.878287*D5+159.000000

V=1.636910*D2-3.396809*D3+1.915944*D4-0.156048*D5+121.000000

(1)

式中，D是灰度值(gray level value)或數(shù)碼值(digital count)。下標中的數(shù)字為圖像波段號[13]。

圖1 LBV變換原理圖

3.2 變化檢測

在LBV變換的基礎(chǔ)上，從3期遙感影像中提取不透水面，形成3幅不透水面圖像，并將其二值化，其中不透水面類型的像素值為1，其他非不透水面類型像素值為0。然后，將3期不透水面二值化圖像根據(jù)式(2)疊合計算，得到一幅不透水面變化圖像。

(2)

根據(jù)式(2)，疊合生成的不透水面變化圖像的像素值有0～7共8種不同的值。這8種不同的值分別對應(yīng)疊合前3幅圖像中不透水面與非不透水面的分布情況，具體對應(yīng)關(guān)系如表(1)所示。表中，在3幅不透水面圖像中，0值表示該像素在某年份為非不透水面類型，1值表示該像素在某年份為不透水面。例如，在不透水面變化圖中某位置的像素值為5，則表示疊合前的3幅不透水面圖像中該像素在2000年和2010年為不透水面(像素值為1)，2005年為非不透水面(像素值為0)。通過計算不透水面變化圖中8種像素值的個數(shù)，可統(tǒng)計2000年、2005年和2010年不透水面總體分布以及2000年～2005年，2005年～2010年間不透水面的變化情況。

表1 不透水面變化圖中像素值與不透水面圖的對應(yīng)關(guān)系

4 研究及分析

4.1 不透水面提取

4.1.1 數(shù)據(jù)預處理

研究區(qū)原始數(shù)據(jù)已經(jīng)過初步輻射和幾何校正。為確保影像匹配精度控制在1個像元內(nèi)，以減少配準誤差對變化研究精度造成的影響，利用FLAASH大氣校正模塊對影像進行大氣校正去除氣溶膠和視場角的影響，然后選擇二次多項式進行幾何精校正。在此基礎(chǔ)上，使用寧波市矢量邊界對TM影像進行裁剪拼接以獲得2000年、2005年與2010年寧波市TM影像。

4.1.2 不透水面提取

本文提取不透水面的基本思想是首先對原始影像進行LBV變換，并歸一化到0～255，采用決策樹法提取裸地(非植被)，再從裸地中進一步精確提取不透水面，決策樹提取流程如圖2所示。

圖2 決策樹提取流程圖

圖3 原始影像和LBV變換圖像

以2010年提取不透水面為例，試驗區(qū)影像經(jīng)過LBV變換后(圖3)，水體、林地、裸地在B、V、L圖像上分別成高亮度顯示，采用決策樹通過選取閾值依次對水體、林地、裸地進行提取。本次研究對每一地物類型采集30個具有代表性的樣本點，經(jīng)統(tǒng)計如圖4所示，分析出閾值B、V分別為158、160，用于提取水體、林地(包括耕地)，裸地提取L閾值為175。

由以上基于LBV變換的決策樹提取的裸地有一部分為與耕地、裸土(巖)的混合像元，本文首先采用由原始影像得到的NDBI[13]從裸地中提取不透水面，去除與耕地的混合像元；由于裸土(巖)和不透水面的光譜特征差別不大，此時得到的不透水面并非最終結(jié)果，觀察兩者的光譜特征可知裸土(巖)和不透水面在第3波段差異較大。故判別規(guī)則為：當NDBI>0.15且Band3<65時為不透水面，否則為裸土(巖)，提取得到最終的不透水面如圖5(a)所示。采用相同的方法對2000年、2005年不透水面進行提取，如圖5(b)、圖5(c)所示。最后以研究所獲取的相應(yīng)年份野外采樣數(shù)據(jù)(2010年)和各時相高分辨率影像(2000年、2005年、2010年)作為研究依據(jù)，隨機抽取300個采樣點，分別對3期結(jié)果進行精度評價，相應(yīng)的總體精度和Kappa系數(shù)如表2所示。

圖4 樣點LBV值統(tǒng)計

NDBI=(Band5-Band4)/(Band5+Band4)

(3)

圖5 3期不透水面結(jié)果圖

表2 不透水面總體精度和Kappa系數(shù)

總體精度反映提取的整體效果，而Kappa系數(shù)是提取數(shù)據(jù)與參考數(shù)據(jù)間一致性的度量[15]。由表2可以看出，不透水面提取的總體精度均大于85%，Kappa系數(shù)都大于0.85。這樣的精度為下一步進行變化研究提供了基礎(chǔ)。

4.2 不透水面變化研究

在提取不透水面的基礎(chǔ)上對寧波市2000年、2005年和2010年不透水面的變化進行研究。首先對3個時相的不透水面圖分別二值化，再對二值化后的圖像按照本文2.2節(jié)的公式(2)由3幅不透水面圖生成一幅不透水面變化圖(圖6)。圖中不同的顏色代表了疊加后不同的像素值，各像素值與疊加前的3年二值化不透水面圖的對應(yīng)關(guān)系見表1。由表1可知，在不透水面變化圖中，表示2000年為不透水面的像素值有1、3、5、7，2005年為不透水面的像素值有2、3、6、7，2010年為不透水面的像素值有4、5、6、7。據(jù)此，可以根據(jù)不透水面變化圖中像素值得到3期不透水面面積(像素)并檢測任意2個時間段間隔的不透水面變化的分布情況。這里根據(jù)不透水面變化圖中8個像素值(0～7)的個數(shù)，分別統(tǒng)計2000年、2005年和2010年的不透水面面積，得到寧波市3個年份不透水面面積和2個年份間隔內(nèi)不透水面變化情況統(tǒng)計，如圖7、圖8和表3所示。

圖6 不透水面變化圖

結(jié)合圖7、圖8及表3所示的統(tǒng)計情況可知，寧波市2000年～2010年不透水面變化情況如下：

圖7 3時相不透水面面積

圖8 不透水面變化情況

表3 5年間不透水面變化率

①寧波市不透水面10年間總面積呈現(xiàn)不斷上升的趨勢，并且由圖6可知主要是在原有城區(qū)周圍進行擴張。2000年總面積為98萬像素約合885km2，2005年增至173萬像素約合1557km2，到2010年達到203萬像素約合1826km2。

②2000年～2005年寧波市不透水面變化率為7.328%，其中轉(zhuǎn)入7.827%，轉(zhuǎn)出0.449%；2005年～2010年變化率為2.906%，其中轉(zhuǎn)入3.216%，轉(zhuǎn)出0.310%。可見，這十年間2000年～2005年不透水面增長明顯高于2005年～2010年，并且隨著城市化的發(fā)展，土地覆蓋類型發(fā)生變化，不透水面變化主要是由其它類型轉(zhuǎn)入，而轉(zhuǎn)出所占比例很少。

5 結(jié)束語

本文在遙感影像分類和變化檢測的基礎(chǔ)上，分析了寧波市2000年～2010年間不透水面變化情況。采用基于LBV變換的決策樹分類法得到裸地，再對裸地使用NDBI和Band3進一步精確提取不透水面，精度達到85%以上，實踐證明這樣的方法用于不透水面提取是可行的。在得到3期不透水面的基礎(chǔ)上，對其二值化，并利用這3幅不透水面圖像中像素值與疊加生成的不透水面變化圖中8種像素值之間的對應(yīng)關(guān)系，對寧波市2000年、2005年和2010年總的不透水面以及2000年～2005年和2005年～2010年間的變化率進行統(tǒng)計，可知10年間寧波市不透水面呈不斷上升趨勢，并且前5年的增長明顯高于后5年。實驗證明本文的方法具有一定的使實用價值，但是該方法是在提取不透水面的基礎(chǔ)上進行的變化檢測，可能會導致誤差累加，提取精度有待進一步提高。

參考文獻：

[1] WENG Q.Remote sensing of impervious surfaces[M].Taylor & Francis：London：CRC Press，2010.

[2] 劉珍環(huán)，王仰麟，彭建.不透水面遙感監(jiān)測及其應(yīng)用研究進展[J].地理科學進展，2010，29(9)：1143-1152.

[3] 林云杉，徐涵秋，周榕.城市不透水面及其與城市熱到的關(guān)系研究[J].遙感技術(shù)與應(yīng)用，2007，22(1)：14-19.

[4] 潘竟虎，李曉雪，劉春雨.蘭州市中心城區(qū)不透水面覆蓋度的遙感估算[J].西北師范大學學報(自然科學版)，2009，45(4)：95-100.

[5] 岳文澤，吳次芳.基于混合光譜分解的城市不透水面分布估算[J].遙感學報，2007，11(6)：914-922.

[6] 王天星，陳松林，馬婭.基于ASTER數(shù)據(jù)源的地表參數(shù)關(guān)系分析—以福州市為例[J].資源科學，2008，30(8)：1275-1281.

[7] 徐涵秋.一種快速提取不透水面的新型遙感指數(shù)[J].武漢大學學報(信息科學版)，2008，33(11)：1150-1153.

[8] 袁競，王希華.基于3S技術(shù)的寧波市東部區(qū)域常綠闊葉林動態(tài)初步研究[J].華東師范大學學報(自然科學版)，2012(4)：142-148.

[9] 謝歡，童小華，仇雁翎，等.黃浦江上游遙感監(jiān)測溶解氧模型與時空變化[J].光譜學與光譜分析，2007，27(8)：1574-1579.

[10] ZENG Z.Y.A new method of data transformation for satellite images：Methodology and transformation equation for TM Images[J].Remote Sensing，2007，28(18)：4095-4124.

[11] 周文鑫，何隆華，馬榮華，等.基于面向?qū)ο蟮腡M_LBV變換水體信息提取[J].中國科學院研究生院學報，2012，29(6)：775-779.

[12] 曾志遠.衛(wèi)星遙感圖像計算機分類與地學應(yīng)用研究[M].北京：科學出版社，2004.

[13] 曹亞喬，曾志遠，曹建洲，等.常用衛(wèi)星圖像數(shù)據(jù)光譜變換新方法[J].遙感技術(shù)，2009(10)：17-19.

[14] 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].遙感學報，2003，7(1)：37-40.

[15] LILLESAND T M，KIEFER R W，CHIPMAN J W.Remote sensing and image interpretation Fourth Edition[M].New York：John Wiley& Sons，Inc，2003.