福州海綿城市建設(shè)中屋頂綠化的截水作用研究

林 璐， 許章華,2,3,4， 黃旭影， 呂?？?， 王前鋒,4， 林 倩

(1.福州大學(xué)環(huán)境與資源學(xué)院,福州 350116； 2．福州大學(xué)信息與通信工程博士后科研流動站，福州 350116； 3．空間數(shù)據(jù)挖掘與信息共享教育部重點(diǎn)實驗室，福州 350116； 4.福州大學(xué)區(qū)域與城鄉(xiāng)規(guī)劃研究中心,福州 350116； 5.福州大學(xué)至誠學(xué)院, 福州 350002)

0 引言

近年來，城市內(nèi)澇問題日益突出，人們開始重新思考既定的城市規(guī)劃思路及其對環(huán)境、生態(tài)和社會等要素的多重影響。對此，學(xué)者們提出了“海綿城市”的規(guī)劃理念，即打造具有“海綿”特性的綠色城市，既能吸納、凈化雨水，又可在缺水時將收集的雨水釋放出來。Dietz[1]利用低影響開發(fā)(low impact development，LID)技術(shù)增強(qiáng)城市在應(yīng)對氣候變化時維持生態(tài)的能力； Church[2]認(rèn)為雨水花園是城市水資源管理的最佳設(shè)施； 海綿城市的規(guī)劃理念使人們進(jìn)一步意識到城市綠地、城市濕地和雨水資源的利用潛力[3]； 俞孔堅[4-5]用“讓水流慢下來”的思想對六盤水明湖濕地公園的建設(shè)進(jìn)行了研究； 劉昌明等[6]則認(rèn)為城市規(guī)劃需要多考慮生態(tài)容納能力等問題。

屋頂綠化能截留、凈化雨水，可逐步改善城市水環(huán)境，且工程量小，與海綿城市的LID及最佳管理設(shè)施(best management facilities，BMFs)設(shè)計理念相吻合[7-8]。仇保興[9]將屋頂綠化建設(shè)定義為改善城市環(huán)境工程中不可缺少的項目之一，認(rèn)為屋頂綠化應(yīng)被廣泛應(yīng)用于公共建筑，以使海綿城市變得更加靈動； 不僅如此，屋頂綠化還有凈化城市空氣、緩解熱島效應(yīng)、增加生物多樣性的作用[10]； 邵天然等[11]亦強(qiáng)調(diào)屋頂綠化能帶來良好的生態(tài)效益。然而，屋頂不同于森林、草地等自然地物，其連續(xù)面積雖小，但數(shù)量龐大，且大小、形狀各異，實地調(diào)查難度大。國際上對屋頂綠化的研究方法趨于多樣化，如利用數(shù)學(xué)模型、計算機(jī)軟件建模等方法從城市、社區(qū)和建筑區(qū)等多尺度開展相關(guān)研究[12-15]。Getter等[16]結(jié)合遙感和GIS技術(shù)調(diào)查雨水在綠色屋頂上的滯留情況； 李沛鴻等[17]指出利用遙感技術(shù)調(diào)查屋頂綠化能節(jié)約時間、降低經(jīng)濟(jì)成本。本文以福州市鼓樓、臺江和倉山3區(qū)為例，分析海綿城市建設(shè)中屋頂綠化率對水分的影響機(jī)制，研究綠化率處于何種水平時具有明顯的截水作用。

1 研究區(qū)概況及數(shù)據(jù)源

福州市為福建省省會，地處東南沿海，地理范圍在E118°08′～120°31′，N25°15′～26°39′之間，屬典型的河口盆地地貌，地勢西高東低，森林覆蓋率為57.8%； 年均氣溫為19～21℃，降雨充足，但四季分布不均，暴雨洪水和臺風(fēng)活動強(qiáng)烈。福州市在福建省發(fā)展與海西建設(shè)中發(fā)揮著帶頭作用，是國家第二批海綿城市建設(shè)試點(diǎn)，雖已開展了多項建設(shè)，但城市內(nèi)澇問題依然嚴(yán)峻，不僅影響市民生活與工作，還造成重大經(jīng)濟(jì)損失，使城市形象受損。福州市的鼓樓區(qū)、臺江區(qū)和倉山區(qū)經(jīng)濟(jì)繁榮，建筑物與人口密度大。本文選擇此3區(qū)作為研究區(qū)。

收集的主要數(shù)據(jù)有： ①Landsat8 OLI多光譜遙感影像1景，獲取時間為2015年9月27日，軌道號/行號為119/42； ②氣象數(shù)據(jù)，包括溫度和濕度等； ③典型小區(qū)的Google Earth高空間分辨率影像。利用ENVI對Landsat8 OLI多光譜影像進(jìn)行輻射校正、融合、幾何糾正及裁剪等預(yù)處理，得到覆蓋研究區(qū)的基礎(chǔ)影像(圖1)。

圖1預(yù)處理后的福州市3區(qū)OLI影像(OLI B4(R)，B3(G)，B2(B)假彩色合成)

Fig.1ProcessedOLIimageofthreedistrictsinFuzhouCity

2 研究方法

2.1 建筑區(qū)提取

不少學(xué)者基于遙感影像開展了建筑區(qū)提取技術(shù)研究。沈小樂等[18]基于建筑物方向性的紋理特征實現(xiàn)對建筑區(qū)的提??； 強(qiáng)永剛等[19]將數(shù)學(xué)形態(tài)學(xué)與小波變換結(jié)合，成功提取出建筑物信息； 喬偉峰等[20]則利用單景影像中的特征線實現(xiàn)對無參數(shù)高空間分辨率影像建筑區(qū)的快速提取； 楊山[21]發(fā)現(xiàn)，建筑物的短波紅外與近紅外波段的反射率與其他地物有明顯差異，依此構(gòu)建出仿歸一化差值植被指數(shù)(normalized difference vegetation index，NDVI)； 查勇等[22]將其改稱為歸一化差值建筑指數(shù)(normalized difference building index，NDBI)； 徐涵秋[23]基于影像的土壤調(diào)節(jié)植被指數(shù)(soil adjustment vegetation index，SAVI)、改進(jìn)的歸一化差值水體指數(shù)(modified normalized difference water index，MNDWI)和NDBI，提出了建筑用地指數(shù)(index-based built-up index，IBI)，計算公式為

(1)

式中SAVI一般取值為0.5。本文經(jīng)過多次試驗與比較，采用IBI提取建筑區(qū)。

2.2 屋頂綠化率提取

崔一嬌等[24]通過探究植被的光譜特征來提取綠化率； 崔天翔等[25]則通過建立植被端元模型實現(xiàn)綠化信息的提取。本文采用混合像元分解的思維提取屋頂綠化率。

混合像元的分解方法一般有模型法和端元提取法等。Roberts等[26]從光譜數(shù)據(jù)庫中獲取混合像元的端元，實現(xiàn)對地物信息的提取； Ichoku等[27]則用線性波譜分離法來研究混合像元。連續(xù)最大角凸錐(sequential maximum angle convex cone,SMACC)可從影像中提取純凈像元與各類地物的豐度圖像，在節(jié)約時間成本的情況下得出屋頂上像元的植被豐度[28]。本文選用此法進(jìn)行混合像元分解。

2.3 屋頂濕度提取

濕度反映了植被對水分的截留能力。張雪紅等[29]為提高紅樹林的提取精度，將地物的溫度與濕度信息相結(jié)合，提出溫濕度指數(shù)； 徐涵秋[30]在生態(tài)評價指數(shù)構(gòu)建研究中，采用纓帽變換的濕度指標(biāo)； 周秉榮等[31]沿襲了K-T變換的思想，利用歸一化算法輔以實地調(diào)查，從MODIS影像中提取數(shù)據(jù)，建立濕度模型； 谷松巖等[32]利用低頻波段反演地表層的濕度信息； Ceccato等[33]提出全局植被濕度指數(shù)(global vegetation moisture index，GVMI)，GVMI基于比值計算，提取濕度效果好。本文采用GVMI提取屋頂濕度信息，其計算公式為

(2)

式中NIR和SWIR分別為近紅外和短波紅外波段反射率。

2.4 模型構(gòu)建

在研究區(qū)范圍內(nèi)隨機(jī)生成11 573個樣本點(diǎn)，獲取各樣本點(diǎn)對應(yīng)的屋頂綠化率r與GVMI。采用線性模型、對數(shù)模型、倒數(shù)模型、二次曲線模型、三次曲線模型、復(fù)合模型、成長模型以及指數(shù)模型構(gòu)建屋頂濕度h與屋頂綠化率r的關(guān)系，并統(tǒng)計其確定性系數(shù)R2和拒絕原假設(shè)的值P，P值越小，代表模型擬合越好。

3 結(jié)果與分析

3.1 建筑區(qū)提取效果

依據(jù)式(1)，計算研究區(qū)IBI，并設(shè)置閾值，提取建筑物信息(圖2)。

(a) 福州市3區(qū)IBI (b) 基于IBI提取的福州市3區(qū)建筑物信息

圖2福州市3區(qū)IBI及建筑物信息提取

Fig.2IBIandbuildinginformationextractedwithIBIofthreedistrictsinFuzhouCity

利用精度評估法對提取結(jié)果進(jìn)行評價，結(jié)果如表1所示。結(jié)果表明，IBI的建筑物提取精度為91.00%，Kappa系數(shù)為0.902 3。

表1 基于IBI提取的建筑物信息精度Tab.1 Accuracy assessment of building informationextracted with IBI

基于IBI建筑區(qū)提取結(jié)果，分割出福州市3區(qū)建筑區(qū)影像(圖3)。

圖3 福州市3區(qū)建筑區(qū)OLI影像(OLI B4(R)，B3(G)，B2(B)假彩色合成影像)

3.2 屋頂綠化率與濕度提取效果

利用SMACC方法對建筑區(qū)遙感影像進(jìn)行混合像元分解，得到綠化豐度(圖4)。

圖4 福州市3區(qū)綠化豐度

應(yīng)注意的是，由于建筑物與植被混合的情況不僅限于屋頂綠化，故在進(jìn)行混合像元分解時，應(yīng)盡量保證屋頂綠化信息的提取精度，并通過人機(jī)交互剔除非屋頂綠化信息。為驗證綠化豐度與屋頂綠化率的對應(yīng)關(guān)系，收集相近時期的Google Earth高空間分辨率遙感影像，隨機(jī)選取屋頂綠化率分布范圍在10%～80%的8個(片)屋頂，用CAD勾繪并計算15 m×15 m范圍內(nèi)的植被覆蓋比例(與融合后的Landsat8 OLI影像空間分辨率一致)，將其作為屋頂?shù)膶嶋H綠化率數(shù)據(jù)，并評價綠化豐度對屋頂綠化率的估測精度(表2)。從表2可以看出，綠化豐度與屋頂實際綠化率差異小于5.5%，平均估測精度達(dá)90.8%，表明可用混合像元分解后的綠化豐度代表屋頂綠化率。

表2 綠化豐度對屋頂綠化率的估測效果評價Tab.2 Estimation accuracy evaluation of green abundanceon roof greening rate (%)

利用式(2)提取研究區(qū)建筑物GVMI，以此作為屋頂濕度指標(biāo)(圖5)。

圖5 福州市3區(qū)GVMI

對隨機(jī)點(diǎn)進(jìn)行統(tǒng)計(表3)發(fā)現(xiàn)，福州市3個區(qū)的平均屋頂綠化率為17.34%。將其值按[0%，20%)，[20%，50%)和[50%，80%]分為低、中和高3個等級，比例依次為66.55%，28.34%和4.93%，表明福州市3個區(qū)的屋頂綠化亟待提升。濕度代表了屋頂植被截留水分的能力，植被截水能力隨著屋頂綠化率的增高而變化，當(dāng)屋頂綠化率很低時，植被的截水作用不太明顯； 當(dāng)屋頂綠化率提升至40%時，植被的截水能力提升顯著。

表3 屋頂綠化率與濕度的對應(yīng)關(guān)系Tab.3 Correspondence relationship between roofgreening rate and humidity

3.3 屋頂濕度-綠化率模型建立與截水作用分析

基于11 573個隨機(jī)點(diǎn)數(shù)據(jù)，建立屋頂濕度h與綠化率r的線性模型、對數(shù)模型、倒數(shù)模型、二次曲線模型、三次曲線模型、復(fù)合模型、成長模型及指數(shù)模型等8種模型(圖6)，并統(tǒng)計各模型的R2和P(表4)。

圖6 屋頂濕度-綠化率關(guān)系模型

模型模型擬合度模型參數(shù)R2Pcb1b2b3線性模型h=b1r+c0.2360 0.0360.234──對數(shù)模型h=b1ln r+c0.0570 0.1090.015──倒數(shù)模型h=b1/r+c0.0010.009 0.077-1.251e-5──二次曲線模型h=b2r2-b1r+c0.4340 0.081-0.3271.014─三次曲線模型h=b3r3+b2r2+b1r+c0.4260 0.080-0.3170.9730.043復(fù)合模型h=cbr10.0520 0.0355.868──成長模型h=eb1r+c0.0520-3.3471.769──指數(shù)模型h=ceb1r0.0520 0.0351.769──

分析結(jié)果表明，二次曲線模型的R2最大而P最小，擬合優(yōu)度最佳。由此，本文構(gòu)建的最佳屋頂濕度-綠化率模型為二次曲線模型，即

h=1.014r2-0.327r+0.081 。

(3)

經(jīng)計算可知模型的極值點(diǎn)為(0.163，0.053)，表明當(dāng)屋頂綠化率高于16.30%時，植被截水效果開始顯現(xiàn)，亦即在截水目標(biāo)下，屋頂綠化率的閾值為16.30%； 當(dāng)綠化率小于16.30%時，植被對于水分的截留作用不明顯甚至呈負(fù)相關(guān)，這可能是由于截留的水分不足以彌補(bǔ)植被蒸騰、生長消耗的水分[27]，以及自然環(huán)境中蒸發(fā)的水分。曲線斜率即濕度增長率在極值點(diǎn)后逐漸增大； 在綠化率從30%升至60%過程中，截水能力提高速率最快，平均可達(dá)57.9%(圖7)。

圖7 二次曲線模型的濕度增長速率

3.4 典型小區(qū)驗證與模擬

3.4.1 屋頂濕度-綠化率模型的反驗證

以凱旋花園和新農(nóng)村公寓小區(qū)為例，對其屋頂綠化率與濕度的關(guān)系進(jìn)行分析，反向驗證模型的合理性?；诰G化豐度與GVMI，提取2個小區(qū)的屋頂綠化率和濕度； 將屋頂綠化率代入二次曲線模型，計算屋頂濕度值； 比較GVMI提取濕度與模型估測濕度的吻合度(表5)。表5顯示，2個小區(qū)屋頂濕度值的差異均控制在1%左右，模型平均估測精度達(dá)79.29%，進(jìn)一步證明了二次曲線模型的合理性。

表5 典型小區(qū)屋頂濕度-綠化率模型驗證Tab.5 Verification of roof humidity and greeningrate mode in typical blocks (%)

3.4.2 屋頂綠化截水作用的模擬與分析

以10%為步長，模擬2個典型小區(qū)不同綠化率下的屋頂濕度。如圖8所示，隨著屋頂綠化率的提高，屋頂濕度亦在上升，反映屋頂綠化的截水效果更為顯著。對模型的增長速率進(jìn)行分析(表6)，濕度的增長速率反映了屋頂植被截水能力強(qiáng)弱的變化； 2個典型小區(qū)的屋頂綠化率為30%～60%時，平均增長率分別為50.63%和48.12%，與二次曲線模型計算的濕度增長率接近。

圖8 典型小區(qū)屋頂綠化率模擬

新農(nóng)村公寓小區(qū)凱旋花園小區(qū)屋頂綠化率濕度增長率屋頂綠化率濕度增長率 [10.67,20.67)22.70 [27.12,37.12)49.69 [20.67,30.67)34.98 [37.12,47.12)53.98 [30.67,40.67)53.21 [47.12,57.12)49.07 [40.67,50.67)52.55 [57.12,67.12)41.31 [50.67,60.67)46.13 [67.12,77.12)35.89 [60.67,70.67)39.56 [77.12,87.12)31.13 [70.67,80.67)34.07[87.12,97.12]27.34[80.67,90.67]29.69

4 結(jié)論

本文以福州市鼓樓區(qū)、臺江區(qū)和倉山區(qū)為研究對象，利用遙感與GIS技術(shù)提取Landsat8 OLI影像的建筑物信息； 基于SMACC提取屋頂綠化率，建立其與濕度指標(biāo)GVMI的關(guān)系模型，確定截水目標(biāo)下的屋頂綠化率閾值； 選取2個典型小區(qū)對屋頂綠化率進(jìn)行模擬與分析，驗證了上述模型的合理性。得出如下結(jié)論：

1)利用IBI指數(shù)提取建筑物信息，提取精度為91%，Kappa為0.902 3。

2)經(jīng)SMACC混合像元分解的綠化豐度與屋頂實際綠化率差異小于5.5%，平均精度達(dá)90.8%，表明可以用綠化豐度代表屋頂綠化率信息。

3)屋頂濕度反映植被的截水能力，綠化率r不同時，濕度h亦有所變化。兩者的二次曲線模型的擬合優(yōu)度最佳。該模型的極值點(diǎn)為(0.163，0.053)，表明當(dāng)屋頂綠化率高于16.30%時，植被截水效果開始顯現(xiàn)，亦即在截水目標(biāo)下，屋頂綠化率的閾值為16.30%； 而在綠化率從30%升至60%過程中，截水能力提高速率最快，平均可達(dá)57.9%

4)據(jù)計算，福州市3個區(qū)的平均屋頂綠化率為17.34%，略高于16.3%； 將其值按照[0%，20%)，[20%，50%)，[50%，80%]分為低、中、高3個等級，比例依次為66.55%，28.34%和4.93%，低綠化屋頂占比過大，表明福州市屋頂綠化亟待加強(qiáng)。

5)選擇凱旋花園和新農(nóng)村公寓2個小區(qū)模擬不同屋頂綠化率下的濕度變化，得出了類似結(jié)論，并驗證了屋頂濕度-綠化率二次曲線模型的合理性。

本文證實了屋頂綠化的截水能力，確定了截水目標(biāo)下的屋頂綠化率閾值，對屋頂綠化建設(shè)具有指導(dǎo)價值； 并借此文強(qiáng)調(diào)，應(yīng)多方面挖掘海綿城市內(nèi)涵，多角度思考海綿城市建設(shè)問題，將屋頂綠化作為海綿城市建設(shè)的重要內(nèi)容。本文僅研究了像元內(nèi)屋頂綠化對濕度的影響機(jī)制，而對于鄰近像元的影響，則可作為未來研究的方向。

參考文獻(xiàn)(References)：

[1] Dietz M E.Low impact development practices:A review of current research and recommendations for future directions[J].Water,Air,and Soil Pollution,2007,186(1/4):351-363.

[2] Church S P.Exploring Green Streets and rain gardens as instances of small scale nature and environmental learning tools[J].Landscape and Urban Planning,2015,134:229-240.

[3] Akbari H,Rose L S,Taha H.Analyzing the land cover of an urban environment using high-resolution orthophotos[J].Landscape and Urban Planning,2013,63(1):1-14.

[4] 俞孔堅.海綿城市的三大關(guān)鍵策略:消納、減速與適應(yīng)[J].南方建筑,2015(3):4-7.

Yu K J.Three key strategies to achieve a sponge city:Retention,slow down and adaptation[J].South Architecture,2015(3):4-7.

[5] 俞孔堅.讓水流慢下來——六盤水明湖濕地公園[J].建筑技藝,2015(2):92-101.

Yu K J.Slow down:Liupanshui Minghu wetland park[J].Architecture Technique,2015(2):92-101.

[6] 劉昌明,張永勇,王中根,等.維護(hù)良性水循環(huán)的城鎮(zhèn)化LID模式:海綿城市規(guī)劃方法與技術(shù)初步探討[J].自然資源學(xué)報,2016,31(5):719-731.

Liu C M,Zhang Y Y,Wang Z G,et al.The LID pattern for maintaining virtuous water cyclein urbanized area:A preliminary study of planning and techniques for sponge city[J].Journal of Natural Resources,2016,31(5):719-731.

[7] 明冬萍,駱劍承,沈占鋒,等.高分辨率遙感影像信息提取與目標(biāo)識別技術(shù)研究[J].測繪科學(xué),2005,30(3):18-20.

Ming D P,Luo J C,Shen Z F,et al.Research on information extraction and target recognition from high resolution remote sensing image[J].Science of Surveying and Mapping,2005,30(3):18-20.

[8] Huston R,Chan Y C,Chapman H,et al.Source apportionment of heavy metals and ionic contaminants in rainwater tanks in a subtropical urban area in Australia[J].Water Research,2012,46(4):1121-1132.

[9] 仇保興.生態(tài)城改造分級關(guān)鍵技術(shù)[J].城市規(guī)劃學(xué)刊,2010(3):1-13.

Qiu B X.Key techniques in classification and reconstruction of ecological cities[J].Urban Planning Forum,2010(3):1-13.

[10] Oberndorfer E,Lundholm J,Bass B,et al.Green roofs as urban ecosystems:Ecological structures,functions,and services[J].BioScience,2007,57(10):823-833.

[11] 邵天然,李超骕,曾 輝.城市屋頂綠化資源潛力評估及綠化策略分析——以深圳市福田中心區(qū)為例[J].生態(tài)學(xué)報,2012,32(3):4852-4860.

Shao T R,Li C S,Zeng H.Resource potential assessment of urban roof greening and development strategies:A case study in Futian central district,Shenzhen,China[J].Acta Ecologica Sinica,2012,32(3):4852-4860.

[12] Niu H,Clark C,Zhou J T,et al.Scaling of economic benefits from green roof implementation in Washington, DC[J].Environmental Science and Technology,2010,44(11):4302-4308.

[13] Morales-Pinzón T,Rieradevall J,Gasol C M,et al.Modelling for economic cost and environmental analysis of rainwater harvesting systems[J].Journal of Cleaner Production,2015,87:613-626.

[14] García-Montoya M,Bocanegra-Martínez A,Nápoles-Rivera F,et al.Simultaneous design of water reusing and rainwater harvesting systems in a residential complex[J].Computers and Chemical Engineering,2015,76:104-116.

[15] Ward S,Memon F A,Butler D.Performance of a large building rainwater harvesting system[J].Water Research,2012,46(16):5127-5134.

[16] Getter K L,Rowe D B,Andresen J A.Quantifying the effect of slope on extensive green roof stormwater retention[J].Ecological Engineering,2007,31(4):225-231.

[17] 李沛鴻,張曉玉.遙感在屋頂綠化調(diào)查中的應(yīng)用研究[J].江西理工大學(xué)學(xué)報,2011,32(5):16-18.

Li P H,Zhang X Y.Research on remote sensing application in the investigation of green roof[J].Journal of Jiangxi University of Science and Technology,2011,32(5):16-18.

[18] 沈小樂,邵振峰,田英潔.紋理特征與視覺注意相結(jié)合的建筑區(qū)提取[J].測繪學(xué)報,2014,43(8):842-847.

Shen X L,Shao Z F,Tian Y J.Build-up areas extraction by textural feature and visual attention mechanism[J].Acta Geodaetica et Cartographica Sinica,2014,43(8):842-847.

[19] 強(qiáng)永剛,殷建平,祝 恩,等.基于小波變換和數(shù)學(xué)形態(tài)學(xué)的遙感圖像人工建筑區(qū)提取[J].中國圖象圖形學(xué)報,2008,13(8):1459-1464.

Qiang Y G,Yin J P,Zhu E,et al.Extraction of building area from remote sensing images based on wavelets transformation and mathematical morphology[J].Journal of Image and Graphics,2008,13(8):1459-1464.

[20] 喬偉峰,劉彥隨,項靈志,等.無參數(shù)高分辨率遙感影像的建筑高度快速提取方法[J].地球信息科學(xué)學(xué)報,2015,17(8):995-1000.

Qiao W F,Liu Y S,Xiang L Z,et al.Research on extracting building height rapidly based on high-resolution remote sensing images without parameters[J].Journal of Geo-Information Science,2015,17(8):995-1000.

[21] 楊 山.發(fā)達(dá)地區(qū)城鄉(xiāng)聚落形態(tài)的信息提取與分形研究——以無錫市為例[J].地理學(xué)報,2000,55(6):671-678.

Yang S.On extraction and fractal of urban and rural residential spatial pattern in developed area[J].Acta Geographica Sinica,2000,55(6):671-678.

[22] 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(xué)報,2003,7(1):37-40.

Zha Y,Ni S X,Yang S.An effective approach to automatically extract urban land-use from TM imagery[J].Journal of Remote Sensing,2003,7(1):37-40.

[23] 徐涵秋.一種基于指數(shù)的新型遙感建筑用地指數(shù)及其生態(tài)環(huán)境意義[J].遙感技術(shù)與應(yīng)用,2007,22(3):301-308.

Xu H Q.A new index-based built-up index(IBI) and its eco-environmental significance[J].Remote Sensing Technology and Application,2007,22(3):301-308.

[24] 崔一嬌,朱 琳,趙力娟.基于面向?qū)ο蠹肮庾V特征的植被信息提取與分析[J].生態(tài)學(xué)報,2013,33(3):867-875.

Cui Y J,Zhu L,Zhao L J.Abstraction and analysis of vegetation information based on object-oriented and spectra features[J].Acta Ecologica Sinica,2013,33(3):867-875.

[25] 崔天翔,宮兆寧,趙文吉,等.不同端元模型下濕地植被覆蓋度的提取方法——以北京市野鴨湖濕地自然保護(hù)區(qū)為例[J].生態(tài)學(xué)報,2013,33(4):1160-1171.

Cui T X,Gong Z N,Zhao W J,et al.Research on estimating wetland vegetation abundance based on spectral mixture analysis with different endmember model:A case study in Wild Duck Lake wetland,Beijing[J].Acta Ecologica Sinica,2013,33(4):1160-1171.

[26] Roberts D A,Gardner M,Church R,et al.Mapping chaparral in the Santa Monica Mountains using multiple endmember spectral mixture models[J].Remote Sensing of Environment,1998,65(3):267-279.

[27] Ichoku C,Karnieli A.A review of mixture modeling techniques for sub-pixel land cover estimation[J].Remote Sensing Reviews,1996,13(3/4):161-186.

[28] 楊蘇新,張 霞,帥 通,等.基于混合像元分解的喀斯特石漠化地物豐度估測[J].遙感技術(shù)與應(yīng)用,2014,29(5):823-832.

Yang S X,Zhang X,Shuai T,et al.Estimating Karst rocky desertification feature abundance by pixel unmixing[J].Remote Sensing Technology and Application,2014,29(5):823-832.

[29] 張雪紅,田慶久.利用溫濕度指數(shù)提高紅樹林遙感識別精度[J].國土資源遙感,2012,24(3):65-70.doi:10.6046/gtzyyg.2012.03.13.

Zhang X H,Tian Q J.Application of the temperature-moisture index to the improvement of remote sensing identification accuracy of mangrove[J].Remote Sensing for Land and Resources,2012,24(3):65-70.doi:10.6046/gtzyyg.2012.03.13.

[30] 徐涵秋.區(qū)域生態(tài)環(huán)境變化的遙感評價指數(shù)[J].中國環(huán)境科學(xué),2013,33(5):889-897.

Xu H Q.A remote sensing index for assessment of regional ecological changes[J].China Environmental Science,2013,33(5):889-897.

[31] 周秉榮,李鳳霞,申雙和,等.從MODIS資料提取土壤濕度信息的主成分分析方法[J].應(yīng)用氣象學(xué)報,2009,20(1):114-118.

Zhou B R,Li F X,Shen S H,et al.Principal component analysis method acquiring soil moisture information from MODIS data[J].Journal of Applied Meteorological Science,2009,20(1):114-118.

[32] 谷松巖,李萬彪,張文建.利用TRMM/TMI資料提取地表層濕度信息試驗[J].遙感學(xué)報,2005,9(2):166-175.

Gu S Y,Li W B,Zhang W J.Retrieving soil moisture from TRMM/TMI[J].Journal of Remote Sensing,2005,9(2):166-175.

[33] Ceccato P,Flasse S,Grégoire J M.Designing a spectral index to estimate vegetation water content from remote sensing data:Part 2.Validation and applications[J].Remote Sensing of Environment,2002,82(2/3):198-207.