武漢市2015年不透水面的提取及其空間自相關(guān)分析

袁修柳++楊昆++王保云

摘要：利用分類回歸樹（CART）從高分一號(hào)遙感影像提取武漢市2015年不透水面，總體精度為94.17%，Kappa系數(shù)為0.898 6，滿足精度要求。然后通過Moran指數(shù)I和Moran散點(diǎn)圖對(duì)武漢市13個(gè)城區(qū)的不透水面蓋度進(jìn)行了空間自相關(guān)分析。結(jié)果表明，Moran指數(shù)為0.241 2，高度顯著，說明武漢市13個(gè)城區(qū)的不透水面蓋度存在較強(qiáng)的正向空間自相關(guān)。同時(shí)，位于武漢市中部的武昌區(qū)、青山區(qū)、江岸區(qū)、江漢區(qū)、漢陽(yáng)區(qū)和硚口區(qū)都位于Moran散點(diǎn)圖的第一象限，說明武漢市不透水面在中部地區(qū)高度集聚；其他7個(gè)城區(qū)位于第二象限，說明這7個(gè)城區(qū)的不透水面蓋度較低且呈離散分布?？傮w而言，武漢市2015年13個(gè)城區(qū)不透水面蓋度存在較強(qiáng)的空間自相關(guān)，且中部高，四周低，與實(shí)際情況基本一致。

關(guān)鍵詞：武漢市；不透水面；分類回歸樹；空間自相關(guān)；Moran指數(shù)；Moran散點(diǎn)圖

中圖分類號(hào)：TP79 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：0439-8114（2017）09-1642-06

DOI：10.14088/j.cnki.issn0439-8114.2017.09.011

Extraction of Impervious Surfaces and Their Spatial Autocorrelation Analysis of Wuhan City in 2015

YUAN Xiu-liu1，2，YANG Kun2，WANG Bao-yun2

（1.School of Tourism and Geographical Sciences， Yunnan Normal University， Kunming 650500， China； 2.GIS Technology Research Center of Resource and Environment in Western China， Ministry of Education， Kunming 650500， China）

Abstract： The impervious surfaces of Wuhan in 2015 were extracted from the GF1 remote sensing image by the classification and regression tree （CART）. The Overall accuracy was 94.17%， and Kappa coefficient was 0.898 6. Then spatially autocorrelation analysis of the impervious surface coverage of 13 regions of Wuhan was carried out by Moran index and Moran scatter plot. The results showed that Moran index was 0.241 2， and reached highly significant， which indicated that there was a strong positive spatial autocorrelation in impervious surface coverage of 13 areas of Wuhan. Meanwhile， Wuchang district， Qingshan district， Jiangan district， Jianghan district， Qiaokou district and Hanyang district in the central of Wuhan were located in the first quadrant of Moran scatter plot， indicating the impervious surfaces of Wuhan highly concentrated in the central region； other seven regions in the second quadrant， indicating that impervious surface coverage of these seven area were low and presented discrete distribution. Overall， the impervious surface coverage of 13 regions in Wuhan in 2015 has strong spatial autocorrelation， and the center areas were high， and around areas were low， this tendency basically was consistent with the actual situation.

Key words： Wuhan city； impervious surface； the classification and regression tree； spatial autocorrelation； Moran index； Moran scatter plot

不透水面指不透水的人造硬化地表，主要包括屋頂、瀝青或水泥道路以及停車場(chǎng)等具有不透水性的地表面，與透水性的植被和土壤地表面相對(duì)；不透水面蓋度（Impervious surface coverage，ISC）指某區(qū)域內(nèi)不透水面覆蓋面積與區(qū)域面積的比例[1]。不透水面是城市景觀的最主要特征，近年來，城市化的快速發(fā)展使得不透水面不斷擴(kuò)張，利用遙感影像提取不透水面并分析不透水面的密度、空間范圍和格局以及動(dòng)態(tài)變化有助于城市土地的合理利用與發(fā)展規(guī)劃。Yang等[2]采用閾值分割的方法將ISC分為自然地表、低密度城市用地、中等建設(shè)密度用地和高密度城市用地。任鵬飛等[3]利用Landsat ETM+影像提取了昆明市主城區(qū)的不透水面，且分析指出了2000-2010年該地區(qū)的不透水面明顯增加，并向郊區(qū)擴(kuò)張。王麗云等[4]利用TM影像分析了寧波市2000-2010年不透水面變化，該地區(qū)不透水面在10年間不斷增長(zhǎng)，且不同年份之間增長(zhǎng)速度不同。翟珂[5]利用Landsat8 OLI影像分析了渤海地區(qū)的不透水面趨向海岸分布，不透水面斑塊化程度增加。謝慧君等[6]利用光譜混合分解的方法提取了天津于橋水庫(kù)流域的不透水面的蓋度，并分析指出了該流域的不透水面蓋度在30年間逐年增高，且呈線性增長(zhǎng)。綜上，已有很多研究對(duì)不透水面的密度、空間范圍和格局以及動(dòng)態(tài)變化進(jìn)行了分析，但是幾乎沒有對(duì)不透水面的空間自相關(guān)性進(jìn)行分析。然而，通過分析不透水面的空間相關(guān)性可以進(jìn)一步了解某地區(qū)不透水面的空間分布規(guī)律以及空間差異，從而揭示該地區(qū)城市化水平的空間差異。

本研究利用高分一號(hào)遙感影像為主要數(shù)據(jù)源，通過分類回歸樹（Classification and regression tree，CART）提取了武漢市2015年12月6日的不透水面，在保證有效提取精度基礎(chǔ)上，對(duì)該地區(qū)13個(gè)行政區(qū)劃單元的不透水面蓋度進(jìn)行了空間自相關(guān)分析。通過此分析可以了解武漢市2015年13個(gè)城區(qū)不透水面蓋度的空間分布規(guī)律和空間分布差異，進(jìn)而揭示該地區(qū)城市化水平的空間差異，這對(duì)該城市的規(guī)劃與發(fā)展具有重要意義。

1 數(shù)據(jù)來源與方法

1.1 研究區(qū)概況

武漢市位于東經(jīng)113°41′-115°05′，北緯29°58′-31°22′。地處中國(guó)中心，江漢平原東部，長(zhǎng)江與漢江的交匯處，是國(guó)家區(qū)域中心城市（華中）、副省級(jí)市和湖北省省會(huì)。武漢市現(xiàn)有13個(gè)轄區(qū)，其中江岸區(qū)、江漢區(qū)、硚口區(qū)、漢陽(yáng)區(qū)、武昌區(qū)、洪山區(qū)、青山區(qū)7個(gè)為中心城區(qū)，東西湖區(qū)、蔡甸區(qū)、江夏區(qū)、黃陂區(qū)、新洲區(qū)、漢南區(qū)6個(gè)為新城區(qū)。截至2014年末，武漢市全境面積8 494.41 km2；常住人口1 033.80萬人，戶籍人口827.31萬人；其中，農(nóng)業(yè)人口268.03萬人，非農(nóng)業(yè)人口559.26萬人。武漢還是中國(guó)重要的工業(yè)基地，擁有鋼鐵、汽車、光電子、化工、冶金、紡織、造船、制造、醫(yī)藥等完整的工業(yè)體系；2014年，武漢市GDP達(dá)到10 069.48億元，邁入中國(guó)城市“萬億GDP俱樂部”居華中首位。

2 結(jié)果與分析

2.1 不透水面提取

武漢市2015年主要的土地覆蓋類型分為植被（含農(nóng)用地）、水體和不透水面（建筑用地）、裸地4類。因此，在遙感影像樣本選擇時(shí)選擇植被、水體、裸地和不透水面4類樣本，選取的4類樣本用于建立CART分類規(guī)則和分類的精度驗(yàn)證。4類樣本的數(shù)量和樣本的可分離性如表2所示。為了利用CART有效地提取不透水面，需對(duì)樣本進(jìn)行統(tǒng)計(jì)分析，提取CART分類規(guī)則。首先通過波段運(yùn)算得到新波段的比居民地指數(shù)（RRI）和歸一化差異水體指數(shù)（NDWI），其中RRI=■[11]，NDWI=（B2-B4）/（B2+B4）[12]，其中，B為波段b的像元值。然后把RRI和NDWI和已有的4個(gè)波段（b1，b2，b3，b4）進(jìn)行波段疊加，生成具有6個(gè)波段的新遙感影像，最后在新的遙感影像的基礎(chǔ)上對(duì)4類樣本進(jìn)行樣本統(tǒng)計(jì)，如表3所示，得到4類樣本在6個(gè)波段上的平均像元統(tǒng)計(jì)值，為CART分類規(guī)則的建立提供依據(jù)。

在樣本統(tǒng)計(jì)的基礎(chǔ)上建立初步的CART分類規(guī)則，構(gòu)建初步的分類樹，并通過多次的閾值調(diào)整對(duì)分類規(guī)則進(jìn)行修改，從而得到最終的分類規(guī)則和分類樹（圖1）。分類規(guī)則構(gòu)建步驟如下：①如表3所示，水體的NDWI平均值為-0.27，而其他類型的NDWI平均值都大于0，因此，利用NDWI<0可把水體基本去除；②植被和裸地的RRI平均值都小于0.3，而其他兩類的RRI平均值遠(yuǎn)大于0.3，因此，利用RRI<0.3可去除裸地和絕大部分的植被；③水體在b4波段的像元平均值為380.51，而其他3類的值遠(yuǎn)大于380.51，結(jié)合具體試驗(yàn)，在步驟①的基礎(chǔ)上利用B4<450可去除剩余的水體；④經(jīng)過步驟②，植被已被基本去除，但仍然還有少量植被。由于植被的RRI平均值為0.16，而不透水面的RRI為0.60，結(jié)合具體試驗(yàn)，則可利用RRI<0.54去除剩余的植被，得到最終的不透水面。

CART分類樹建立之后執(zhí)行分類樹，則可提取到武漢市2015年13個(gè)城區(qū)的不透水面。為了進(jìn)行不透水面的空間自相關(guān)分析，需保證不透水面提取的精度。遙感影像分類精度的驗(yàn)證通常用Kappa系數(shù)和總體精度來檢驗(yàn)，利用之前選取的4類樣本對(duì)分類結(jié)果進(jìn)行精度驗(yàn)證，結(jié)果顯示，Kappa系數(shù)為0.898 6，總體精度為94.17%，不透水面生產(chǎn)者精度為81.63%，戶精度為98.53%。由此可知，利用CART得到武漢市2015年的遙感影像分類結(jié)果滿足基本精度需要，保證了不透水面的提取精度，可以對(duì)不透水面進(jìn)行后續(xù)的分析。由于本研究主要是對(duì)不透水面進(jìn)行空間自相關(guān)分析，因此在ENVI5.1平臺(tái)上先把得到的不透水面柵格圖轉(zhuǎn)化為矢量圖，再在ARCMAP10.2平臺(tái)上對(duì)矢量圖進(jìn)行進(jìn)一步處理與分析，得到武漢市2015年13個(gè)城區(qū)不透水面蓋度（圖2）。

2.2 不透水面空間自相關(guān)分析

由表4可知，武漢市中部的江漢、江岸、硚口、漢陽(yáng)、青山、武昌和東西湖7個(gè)地區(qū)的不透水面蓋度均在0.4以上，最高的為江漢區(qū)，不透水面蓋度為0.815 9，最低是黃陂區(qū)，不透水面蓋度為0.133 1?？傮w顯示，武漢市2015年不透水面中部高，四周低。

為了更好地體現(xiàn)武漢市2015年13個(gè)城區(qū)不透水面的分布規(guī)律，利用各個(gè)城區(qū)的不透水面蓋度來進(jìn)行空間自相關(guān)分析。按照公式（6）來定義鄰近關(guān)系wij，依照公式（5）計(jì)算全局Moran指數(shù)I，用公式（7）來計(jì)算其檢驗(yàn)的標(biāo)準(zhǔn)化統(tǒng)計(jì)值Z，得出I為0.241 2，Z為1.2，P為0.01。由于全局Moran指數(shù)可能掩蓋完全隨機(jī)化的樣本數(shù)據(jù)子集，有時(shí)甚至出現(xiàn)全局的空間趨勢(shì)和局部的空間趨勢(shì)相反的情況。因此，為了進(jìn)一步揭示武漢市2015年13個(gè)城區(qū)不透水面蓋度的空間自相關(guān)性，需采用局部Moran指數(shù)進(jìn)行進(jìn)一步分析。

按照公式（6）來定義鄰近關(guān)系wij，依照公式（8）計(jì)算局部Moran指數(shù)Ii，用公式（7）來計(jì)算其檢驗(yàn)的標(biāo)準(zhǔn)化統(tǒng)計(jì)值Zi。結(jié)果顯示，全局Moran指數(shù)與局部Moran指數(shù)一致，都等于0.241 2，且都位于α=0.01置信區(qū)間，表明高度顯著。這說明武漢市2015年13個(gè)城區(qū)的不透水面蓋度分布存在顯著的空間集聚現(xiàn)象，而且各城區(qū)的不透水面蓋度呈現(xiàn)較強(qiáng)的正向空間自相關(guān)。

為了進(jìn)一步揭示武漢市2015年13個(gè)城區(qū)不透水面蓋度空間集聚存在哪幾種形式，借助GeoData 9.0軟件繪制Moran散點(diǎn)圖，如圖3所示，可以看出樣本點(diǎn)分布在第一和第二象限，說明13個(gè)城區(qū)不透水面蓋度的空間自相關(guān)形式主要是高值與高值、低值與高值集聚。具體表現(xiàn)為江漢、江岸、硚口、漢陽(yáng)、青山、武昌6個(gè)城區(qū)2015年不透水面蓋度較高，且這6個(gè)城區(qū)周圍地區(qū)的不透水面蓋度也較高，6個(gè)城區(qū)在空間上集聚在一起；東西湖、洪山、蔡甸、漢南、新洲、江夏、黃陂7個(gè)城區(qū)2015年不透水面蓋度較低，但這7個(gè)城區(qū)周圍地區(qū)的不透水面蓋度較高。

由圖2可知，不透明水平蓋度較高的江漢、江岸、硚口、漢陽(yáng)、青山、武昌、東西湖和洪山8個(gè)城區(qū)集中在武漢市中部，而低不透水面蓋度的蔡甸、漢南、新洲、江夏、黃陂5個(gè)城區(qū)分布在武漢市的四周。結(jié)合圖3，第一象限的6個(gè)城區(qū)和第二象限的7個(gè)城區(qū)則更能說明武漢市2015年不透水面主要集中在中部，而四周的不透水面蓋度較低，從而反映出武漢市2015年城市化水平中部高而四周低，且差異較大。這與江岸、江漢、硚口、漢陽(yáng)、武昌、洪山、青山7個(gè)城區(qū)是中心（老）城區(qū)，而東西湖、蔡甸、江夏、黃陂、新洲、漢南6個(gè)城區(qū)是新城區(qū)的實(shí)際情況基本一致。

3 小結(jié)與討論

3.1 討論

武漢市2015年不透水面提取的有效精度是對(duì)13個(gè)城區(qū)不透水面蓋度進(jìn)行空間自相關(guān)分析的前提。本研究采用精度較高的CART分類樹進(jìn)行不透水面的提取，但由于武漢市地表特征復(fù)雜及遙感影像空間分辨率較低，武漢市2015年不透水面的提取精度受到一定限制。

武漢市原有的7個(gè)中心城區(qū)開發(fā)較早，城市發(fā)展較快，各類建筑用地較多，這些地區(qū)主要的土地利用類型為建筑用地（不透水面）和綠地，但有不少綠地和裸地位于建筑物之間，且有的綠地或裸地面積不及高分一號(hào)影像的一個(gè)像元（16 m×16 m）大小，使得這些綠地或裸地被錯(cuò)分為不透水面。同時(shí)，武漢市后來新加的6個(gè)新城區(qū)開發(fā)較晚，城市發(fā)展也較緩慢，各類建筑用地較少，且過于分散，這些地區(qū)主要的土地利用類型為植被和農(nóng)用地；有些建筑面積往往不及一個(gè)像元大小，而被錯(cuò)分為植被?？傊錆h市地表復(fù)雜，加之所用遙感影像空間分辨率的限制，混合像元普遍存在，在一定程度上影響了不透水面的提取精度。并且，武漢市中心城區(qū)高大建筑較多，使得遙感影像存在較多的陰影，影響了不透水面的有效提取。最后，武漢市建筑類型很多，建筑用地使用的材料各異，使得不透水面的光譜反射值存在很大的差異，使得很難建立不透水面的提取規(guī)則，最終影響不透水面的提取精度。

由于缺乏武漢市同時(shí)期高分辨率遙感影像或者同時(shí)期的土地利用圖，故用選取的樣本進(jìn)行分類的精度驗(yàn)證，但4類樣本的數(shù)量有限，且不透水面和裸地兩類樣本的可分離性小于1.9，這對(duì)分類精度的驗(yàn)證產(chǎn)生一定影響，也表明不透水面和裸地存在一定的錯(cuò)分。因此，為提高不透水面的提取精度，需進(jìn)一步區(qū)分不透水面和裸地。除此之外，遙感影像上顯示出武漢市界內(nèi)長(zhǎng)江上有船舶，這些船舶在提取時(shí)很難與不透水面區(qū)分開來。同時(shí)，長(zhǎng)江邊和江心上的一些沙灘的光譜反射值與建筑物的光譜反射值差別很小，分類時(shí)很難對(duì)兩者進(jìn)行區(qū)分，導(dǎo)致這些沙地被分為不透水面。但這些錯(cuò)分地物可以在ARCMAP10.2平臺(tái)上進(jìn)行糾正，即去除明顯的沙地等一些不是不透水面的地物，在一定程度上提高了不透水面的提取精度。

3.2 結(jié)論

本研究利用CART對(duì)武漢市2015年不透水面進(jìn)行提取，其Kappa系數(shù)為0.898 6，總體精度為94.17%，滿足基本精度要求。同時(shí)，為了使提取到的不透水面更符合實(shí)際情況，利用ARCMAP10.2對(duì)提取的不透水面進(jìn)行了人工糾正，不透水面的提取精度得到進(jìn)一步提高。

在ENVI5.1平臺(tái)上利用CART提取到武漢市2015年不透水面，并在ACRMAP10.2平臺(tái)上對(duì)提取到的不透水面進(jìn)行進(jìn)一步分析，最終得到武漢市2015年13個(gè)城區(qū)的不透水面蓋度。在此基礎(chǔ)上借助GeoData9.0平臺(tái)對(duì)武漢市2015年13個(gè)城區(qū)的不透水面蓋度進(jìn)行空間自相關(guān)分析，結(jié)果顯示，全局和局部Moran指數(shù)都為0.241 2，位于α=0.01置信區(qū)間，高度顯著，說明武漢市13個(gè)城區(qū)的不透水面蓋度存在較強(qiáng)的正向空間自相關(guān)。同時(shí)，位于武漢市中部的武昌區(qū)、青山區(qū)、江岸區(qū)、江漢區(qū)、漢陽(yáng)區(qū)和硚口區(qū)都位于Moran散點(diǎn)圖的第一象限，說明武漢市不透水面在中部地區(qū)高度集聚。其他7個(gè)城區(qū)位于第二象限，說明這7個(gè)城區(qū)的不透水面蓋度較低且呈離散分布。總體來說，武漢市2015年13個(gè)城區(qū)的不透水面蓋度存在較強(qiáng)的空間自相關(guān)，且中部高，四周低，與實(shí)際情況基本一致。不透水面作為城市化的標(biāo)志之一，武漢市2015年不透水面的空間分布特征在一定程度上反映了武漢市城市化建設(shè)過于集中，地區(qū)間差異較大，這與武漢市行政區(qū)劃變化和武漢市城市發(fā)展規(guī)劃密切相關(guān)。

參考文獻(xiàn)

[1] 王 浩，盧善龍，吳炳方，等.不透水面遙感提取及應(yīng)用研究進(jìn)展[J].地球科學(xué)進(jìn)展，2013，28（3）：327-336.

[2] YANG X J，LIU Z. Use of satellite-derived landscape imperviousness index to characterize urban spatial growth[J].Computers， Environment and Urban Shyster，2005，29（5）：524-540.

[3] 任鵬飛，甘 淑，謝顯奇，等.基于ETM+遙感探測(cè)山地城市不透水面及其動(dòng)態(tài)分析[J].水土保持通報(bào)，2013，33（5）：109-112.

[4] 王麗云，李 艷，周 陽(yáng)，等.基于TM影像的寧波市不透水面變化研究[J].遙感信息，2014，29（1）：35-39.

[5] 翟 珂.環(huán)渤海灣不透水面時(shí)空格局變化及其景觀生態(tài)效應(yīng)研究[D].山東煙臺(tái)：中國(guó)科學(xué)院煙臺(tái)海岸帶研究所，2015.

[6] 謝慧君，李崇巍，張亞娟，等.基于光譜混合分解的流域不透水面提取及其動(dòng)態(tài)分析——以于橋水庫(kù)為例[J].測(cè)繪與空間地理信息，2015，38（10）：34-37.

[7] 鄧書斌.ENVI遙感圖像處理方法[M].第二版.北京：高等教育出版社，2014.10.

[8] 欒麗華，巖根林.決策樹分類技術(shù)研究[J].計(jì)算機(jī)工程，2004， 30（9）：94-96.

[9] 廖 芹.數(shù)據(jù)挖掘與數(shù)學(xué)建模[M].北京：國(guó)防工業(yè)出版社，2010.2.

[10] 徐建華.計(jì)量地理學(xué)[M].北京：高等教育出版社，2006.1.

[11] 徐涵秋.利用改進(jìn)的歸一化差異水體指數(shù)（MNDWI）提取水體信息的研究[J].遙感學(xué)報(bào)，2005，9（5）：589-594.

[12] WILSON E H，SADER S A. Detection of forest harvest type using multiple dates of Landsat TM imagery[J].Remote Sensing of Environment，2002，80（3）：385-396.