基于遙感技術(shù)的不透水面動態(tài)變化研究：以瑞麗市為例

李益敏，劉心知，吳博聞，王東馳，袁 靜，趙志芳,3**

(1.云南大學(xué) 地球科學(xué)學(xué)院，云南 昆明 650500；2.云南省高校國產(chǎn)高分衛(wèi)星遙感地質(zhì)工程研究中心，云南昆明 650500；3.自然資源部三江成礦作用及資源利用重點(diǎn)實(shí)驗(yàn)室，云南 昆明 650500)

不透水面是指由不透水的材料所覆蓋的表面，包括瓦片、瀝青、水泥混凝土等材料構(gòu)成的屋頂、道路和廣場以及其它不透水的地表景觀[1-3].不透水面已經(jīng)成為城市發(fā)展的判斷因素，反映了城市化的發(fā)展進(jìn)程并影響城市生態(tài)環(huán)境.不透水面阻止了水的下滲，影響城市地表徑流量、水質(zhì)環(huán)境、地表熱環(huán)境等[4]，對城市內(nèi)澇、生態(tài)環(huán)境產(chǎn)生了負(fù)面影響[5-7].當(dāng)不透水面率達(dá)到10%時流域水質(zhì)受到影響，達(dá)到30%時水質(zhì)會下降[8]，不透水面已經(jīng)成為影響城市環(huán)境的關(guān)鍵因子[9].

遙感技術(shù)的快速發(fā)展使得不透水面準(zhǔn)確提取成為可能[10]，遙感提取不透水面方法主要有指數(shù)法和光譜混合分析法.指數(shù)法是通過計(jì)算遙感圖像的多波段綜合指數(shù)對不透水面信息增強(qiáng)提取，光譜混合分析法包括線性光譜混合分析和多端元光譜混合分析.自Ridd[11]1995 年提出V-I-S 模型以來，城市不透水面便成為遙感應(yīng)用領(lǐng)域中較為關(guān)注的問題[12]，V-I-S 模型把城市土地覆被分為植被（Vegetation）、不透水面（Imperviousness）、土壤（Soil）三端元模型提取不透水面.劉羽茜等[13]基于V-I-S 模型，利用植被指數(shù)和水體指數(shù)，在監(jiān)督分類的基礎(chǔ)上提取了連云港市的不透水面；Small[14]將V-I-S 模型改進(jìn)為植被－低反射率－高反射率（V-I-H）的組合模型，并提取紐約市地物信息；Wu 等[15]在已有研究基礎(chǔ)上提出了植被-高反照率-低反照率-裸土（V-H-L-S）的四端元提取不透水面模型；閆如柳等[16]在V-H-L-S 模型的基礎(chǔ)上，通過篩選出透水面并對此進(jìn)行掩膜，以此反向提取不透水面信息.

線性光譜混合分析（Linear Spectral Mixture Analysis,LSMA）是目前廣為使用的不透水面反演算法，但是LSMA 方法也存在只用1 或2 個固定端元無法彌補(bǔ)對城市不透水物質(zhì)有效分解的不足，特別裸土與不透水面混淆提取困難.岳文澤等[17]基于這種混合光譜分解方法，提取了上海市的不透水面信息，但未能很好地解決高低反照度端元與不透水面直接關(guān)系的誤差；郭一洋等[18]為了解決裸地和高反照度地面難以分辨的問題，進(jìn)一步將高反照率地物細(xì)分，以5 端元線性混合光譜分解的方法提取了沈陽市不透水面信息，提取精度較好.

指數(shù)法通過運(yùn)用不透水面指數(shù)（Impervious Surface Area,ISA）[19]、建筑物與裸地增強(qiáng)指數(shù)（Enhanced Built-up and Bareness Index，EBBI）[20]、歸一化差值不透水面指數(shù)（Normalized Difference Impervious Surface Index，NDISI）[21]、增強(qiáng)型歸一化差值不透水面指數(shù)（Modified Normalized Difference Impervious Surface Index，MNDISI）[22]等遙感光譜指數(shù)增強(qiáng)不透水面信息，進(jìn)而提取不透水面信息.目前，國內(nèi)主要用徐涵秋[21]提出的NDISI 指數(shù)，其優(yōu)點(diǎn)是不透水面信息提取不需要剔除水體以及可以減少噪聲干擾，NDISI 指數(shù)缺點(diǎn)是計(jì)算中涉及熱紅外波段，該波段分辨率不高，降低了不透水面信息提取的精度.

本文在前人研究的基礎(chǔ)上，使用篩選掩膜法提取瑞麗市不透水面信息，并對研究區(qū)2014—2018年不透水面的變化情況進(jìn)行對比研究.篩選掩膜的不透水面提取方法建立在V-H-L-S 模型基礎(chǔ)上，通過精確提取植被、土壤以及水體3 類地物信息，剩余的信息即為不透水面.相比于傳統(tǒng)的光譜混合分析法，此方法簡單快速，更適合快速流程化處理；相比于傳統(tǒng)不透水面指數(shù)的方法，此方法通過排除透水面，直接將易混淆的地表排除，避免因指數(shù)計(jì)算結(jié)果相近而難以提取不透水面，作為提取不透水面的一種新思路，本文方法的應(yīng)用還有進(jìn)一步拓展的空間.

1 研究區(qū)與數(shù)據(jù)來源

1.1 研究區(qū)概況瑞麗市隸屬云南省德宏傣族景頗族自治州，位于東經(jīng)97°31′～98° 02′，北緯23°38′～24°14′，西北、西南、東南均與緬甸相連（圖1）.瑞麗市國土總面積1 020 km2，下轄勐卯、畹町、弄島3 鎮(zhèn)及姐相、勐秀、戶育3 鄉(xiāng)，2018 年，總?cè)丝跒?10 196 人，GDP 107.4 億元.瑞麗市擁有中國西南地區(qū)最大的中緬邊境口岸，是中緬油氣管道進(jìn)入中國的第一站，在中國“一帶一路”倡議中具有重要地位，其發(fā)展是國家“一帶一路”倡議發(fā)展輻射的一個縮影.早在1992 年中國就設(shè)立了瑞麗、畹町邊境經(jīng)濟(jì)合作區(qū)，并在2011 年成立了瑞麗國家重點(diǎn)開放試驗(yàn)區(qū)；2013 年中國提出“一帶一路”倡議，推動瑞麗進(jìn)一步對外開放.本文基于2014 年、2018 年的Landsat-8 OLI 數(shù)據(jù)，提取瑞麗市的不透水面信息，通過不透水面的變化，結(jié)合“一帶一路”倡議對沿線城市發(fā)展的影響，以期為瑞麗市未來的城市發(fā)展決策提供科學(xué)依據(jù).

圖1 研究區(qū)位置Fig.1 Location of study area

1.2 數(shù)據(jù)來源及預(yù)處理本次研究選取Landsat-8 OLI 影像數(shù)據(jù).2013 年2 月11 日發(fā)射的Landsat-8衛(wèi)星，其載有陸地成像儀（Operational Land Imager，OLI）和熱紅外傳感器（Thermal Infrared Sensor，TIRS），具有高幾何精度和高圖像信噪比的優(yōu)點(diǎn).本研究需要選取高清晰度、月份相近、沒有云覆蓋的遙感影像數(shù)據(jù)，最終選定2014 年和2018 年上半年的影像數(shù)據(jù).預(yù)處理包括對影像進(jìn)行輻射定標(biāo)，大 氣校正等.

2 不透水面提取模型的構(gòu)建

我們將地表景觀分為透水面和不透水面兩類.透水面類包括水體、植被和土壤，將地表的透水面進(jìn)行提取并對其進(jìn)行剔除，剩余部分即為不透水面.文中參考閆如柳等[16]的研究，采用結(jié)合MNF和透水面分步掩膜篩選的方法，構(gòu)建出不透水面的提取模型，提取瑞麗市的不透水面信息，其提取模型見圖2.

圖2 不透水面信息提取模型Fig.2 Model drawing of impervious surface information extraction

提取不透水面信息的關(guān)鍵技術(shù)和方法如下：

（1）最小噪聲分離（Minimum Noise Fraction，MNF）變換 通過最小噪聲分離將地物信息排除噪聲，集中信息量到3 個主要分量上，3 個分量分別表示去除噪聲后信息量最大的3 個主成分.

（2）水體信息提取 通過指數(shù)閾值法，利用歸一化水體指數(shù)NDWI 提取水體制作掩膜文件，掩膜文件為二值化圖，水體值為1，其他地物為0，之后通過掩膜將水體從影像上篩選分離.

（3）植被信息提取 通過指數(shù)閾值法利用歸一化植被指數(shù)NDVI 提取植被制作掩膜文件，掩膜文件為二值化圖，植被值為1，其他地物為0.之后，通過掩膜將植被從影像上篩選分離.

（4）土壤信息提取 通過指數(shù)閾值法，利用調(diào)整型土壤調(diào)節(jié)植被指數(shù)MSAVI 提取植被制作掩膜文件，掩膜文件為二值化圖，植被值為1，其他地物為0，之后通過掩膜將土壤從影像上篩選分離.

（5）提取不透水面信息 經(jīng)過3 次篩選后的影像已經(jīng)排除了水體、植被與土壤信息，成為篩選后的研究區(qū)掩膜文件，將最小噪聲分離后的圖像與掩膜文件進(jìn)行掩膜處理，處理后的圖像中透水面值為0，其他地物值為MNF 變換后的3 個分量值，利用第3 分量的正負(fù)性對不透水面進(jìn)行提取，最終計(jì)算得出瑞麗市不透水面圖.

2.1 MNF 數(shù)據(jù)處理最小噪聲分離變換（MNF）通過判斷和分析圖像的內(nèi)在維數(shù)，對數(shù)據(jù)中噪聲進(jìn)行分離，該過程可以減少數(shù)據(jù)處理的計(jì)算需求量.MNF 的原理是連續(xù)進(jìn)行2 次主成分變換，變換1基于估計(jì)的噪聲協(xié)方差矩陣，可以分離并調(diào)節(jié)數(shù)據(jù)噪聲，使變換后的噪聲數(shù)據(jù)在各維數(shù)間去相關(guān)且具有最小的方差；變換2 是對變換1 數(shù)據(jù)的標(biāo)準(zhǔn)主成分變換.本研究中實(shí)驗(yàn)數(shù)據(jù)的11 個波段為圖像的內(nèi)在維數(shù)，通過對研究區(qū)Landsat-8 圖像的所有波段進(jìn)行MNF 處理，將波段信息集中在3 個分量上，經(jīng)過對比研究，第3 分量的正負(fù)性有助于判斷圖像中的像元是否為建筑物.經(jīng)過MNF 處理，圖像去除了數(shù)據(jù)噪聲，可以提高不透水面的辨別精度，做為最后篩選掩膜的數(shù)據(jù).

2.2 水體信息提取水體信息提取的方法主要有3 種.①單一波段閾值提取、基于閾值的多波段譜間關(guān)系提取和基于閾值的水體指數(shù)提取[23].單波段閾值法根據(jù)單一的波段進(jìn)行水體篩選，原理簡單操作簡便，但是對于閾值的選取有極高要求，且對于波段特征相似的地物難以界定.②多波段譜間關(guān)系法通過多波段的結(jié)合，獲得了更高提取精度，但是在水體和陰影的判斷方面精度較低.③本文選擇基于閾值的水體指數(shù)法，考慮到水體的反射率在可見光至中紅外波段逐漸降低，而位于近紅外和中紅外之間吸收率高，又因植被在近紅外反射率較強(qiáng)，因此通過綠波段和近紅外波段的比值運(yùn)算可以抑制植被，突出水體.本文使用歸一化水體指數(shù)（Normalized Difference Water Index，NDWI）進(jìn)行水體信息提取.該指數(shù)是McFeeters 在歸一化水體指數(shù)的基礎(chǔ)上提出.在Landsat-8 影像中，NDWI 計(jì)算公式為[24]：

其中，B3 為Landsat-8 的綠光波段范圍，B5 為Landsat-8 的近紅外波段范圍.求出NDWI 后選取閾值為0 進(jìn)行水體信息的提取，得到二值化的水體信息提取圖（圖3）.

圖3 瑞麗市水體信息的提取Fig.3 Extraction of water information in Ruili City

2.3 植被信息提取本文使用歸一化植被指數(shù)（Normalized Difference Vegetation Index，NDVI）進(jìn)行植被信息的提取.該指數(shù)利用植物光譜在紅光波段和近紅外波段的差異性進(jìn)行比值處理，可以有效提取植被信息.其優(yōu)勢在于該指數(shù)可以反映植物冠層的背景影響，并且與植被覆蓋度有關(guān).Landsat-8影像中，NDVI 計(jì)算公式為：

其中，B5 為Landsat-8 的近紅外波段，B4 為Landsat-8的紅光波段.求出NDVI 值后選擇閾值為0.6 進(jìn)行植被信息的提取，得到二值化的植被信息提取圖（圖4）.

圖4 瑞麗市植被信息的提取Fig.4 Extraction of vegetation information in Ruili City

2.4 土壤信息提取土壤（裸土）為沒有植被覆蓋也沒有建筑物覆蓋的地表，由于裸土與不透水面地表具有無植被覆蓋的共同特征，在提取過程中容易被誤判，因此需要通過排除天然土壤的方式來區(qū)分裸土與不透水面.1988 年，Huete[25]提出了土壤調(diào)節(jié)植被指數(shù)（Soil-adjusted Vegetation Index，SAVI），這一指數(shù)可以區(qū)分植被和土壤.此后，專家學(xué)者在此基礎(chǔ)上提出了多種指數(shù)模型，如Baret 等[26]于1989年提出了轉(zhuǎn)換型土壤調(diào)節(jié)植被指數(shù)（Transformed Soil-adjusted Vegetation Index，TSAVI），Qi 等[27]于1994 年提出了調(diào)整型土壤調(diào)節(jié)植被指數(shù)（Modified Soil-Adjusted Vegetation Index，MSAVI），1996 年Rondeaux 等[28]提出了優(yōu)化土壤調(diào)節(jié)植被指數(shù)（Optimize Soil Adjusted Vegetation Index，OSAVI）.本文選用MSAVI 指數(shù)提取土壤信息，該指數(shù)對于低植被覆蓋度地區(qū)的土壤區(qū)分更加有效.MSAVI 計(jì)算公式為：

其中，B5 為Landsat-8 的近紅外波段，B4 為Landsat-8的紅光波段.求出MSAVI 值后選擇閾值為（0.6，0.8）進(jìn)行植被的提取，得到二值化的土壤信息提取圖（圖5）.

圖5 瑞麗市土壤（裸土）信息的提取Fig.5 Extraction of soil information in Ruili City

3 實(shí)驗(yàn)結(jié)果與討論

3.1 不透水面提取結(jié)果及驗(yàn)證經(jīng)過對水體、植被及土壤信息的提取，并通過與MNF 處理圖像的掩膜篩選，最終得到了瑞麗市2014 年和2018 年的不透水面信息（圖6）.從圖6 上可以直觀地看出，5年中瑞麗市的不透水面面積呈現(xiàn)擴(kuò)大趨勢，集中在瑞麗市南部及西南部中緬邊界地區(qū).經(jīng)過像元統(tǒng)計(jì)，瑞麗市共有像元1 053 344 個，2014 年瑞麗市不透水面像元數(shù)為66 476 個，占比為6.31%；2018 年瑞麗市不透水面像元數(shù)為93 143 個，占比為8.84%.

圖6 瑞麗市不透水面遙感信息的提取Fig.6 Extraction of remote sensing information of impervious surface in Ruili City

為檢驗(yàn)提取精度，對2014 和2018 年不透水面信息提取結(jié)果隨機(jī)選擇200 個點(diǎn)進(jìn)行驗(yàn)證.其中150 個點(diǎn)隨機(jī)取自透水面，50 個點(diǎn)隨機(jī)選取自不透水面，對比原始影像進(jìn)行影像驗(yàn)證.其中2014 年結(jié)果中提取正確樣本點(diǎn)數(shù)為185 個，正確率為92.5%，Kappa 系數(shù)0.811 3；2018 年結(jié)果中提取正確樣本點(diǎn)數(shù)為186 個，正確率為93%，Kappa 系數(shù)0.815 8.

為進(jìn)一步驗(yàn)證不透水面信息的提取結(jié)果，分別對2014 年和2018 年不透水面提取結(jié)果中截取具有典型性的影像進(jìn)行對比說明，同時對比使用指數(shù)法（NDISI）計(jì)算得到的不透水面信息（圖7）.圖7 為姐相鄉(xiāng)中部區(qū)域的部分影像圖，數(shù)據(jù)來源Landsat-8的OLI 影像，截取的土地利用類型包括裸土、植被及建筑用地（（a），（d））；（b）圖紅色圖斑為2014 年遙感影像不透水面提取結(jié)果，（e）圖紅色圖斑為2018 年遙感影像不透水面提取結(jié)果，可以直觀地看到4 年間瑞麗城市面積明顯擴(kuò)大，城市發(fā)展較快.圖7（c）和（f）分別為指數(shù)法提取的2014 年和2018 年不透水面信息.圖7（a）、（d）中藍(lán)色區(qū)域即為城鎮(zhèn)，可以看到藍(lán)色建筑物被有效地提取出來；綠色植被區(qū)域和深褐色土壤信息被分辨出來；影像中淺黃色區(qū)域?yàn)槌擎?zhèn)中空地，屬待建設(shè)用地或半建設(shè)工地，透水能力不穩(wěn)定，基本提取出來.該影像部分城鎮(zhèn)區(qū)域由于城市化程度不高，建設(shè)用地密集程度較低，不透水面區(qū)域覆蓋密集程度較低，可以有效驗(yàn)證提取精度.

圖7 不同年份瑞麗市不透水面提取效果對比Fig.7 Comparison of impervious surface extraction effect in Ruili City in different year

采用本研究方法提取瑞麗市不透水面和透水面差異性體現(xiàn)較為明顯.研究區(qū)內(nèi)的透水面信息以植被和土壤為主，不透水面信息以城鎮(zhèn)和城鎮(zhèn)內(nèi)硬化地表為主.在不透水面和透水面的交界過度部分較為清晰，田間建筑物可以被區(qū)分出來.此外，部分地區(qū)雖然未完全過度到城鎮(zhèn)，但是已經(jīng)有不透水面信息被提取出來，說明城鎮(zhèn)居民用地擴(kuò)張可能是瑞麗市未來的擴(kuò)展方向.

不透水面的提取結(jié)果依然受到了裸土的影響，在城市建成區(qū)范圍內(nèi)，裸土與建筑用地的光譜可能會相互影響產(chǎn)生混淆，造成提取的信息失準(zhǔn).2014年勐卯鎮(zhèn)城區(qū)的不透水面提取范圍較實(shí)際情況范圍偏大，但是不影響整體的信息提取結(jié)果.

通過對比本研究方法和指數(shù)法對2014 年和2018 年瑞麗市不透水面信息的提取結(jié)果，可以明顯看出采用指數(shù)法計(jì)算得到的不透水面信息存在著裸土與不透水面難以區(qū)分的現(xiàn)象，在圖7（c）和（f）中表現(xiàn)出一定程度的灰度值混淆，難以直接判斷出不透水面的形狀和分布.

3.2 研究區(qū)不透水面信息動態(tài)變化分析2014 年瑞麗市的不透水面面積為59.828 4 km2，2018 年時面積擴(kuò)大到83.828 7 km2，擴(kuò)大了40.11%，其中姐相鄉(xiāng)的不透水面擴(kuò)大趨勢更為明顯，其他地區(qū)的擴(kuò)大趨勢相對緩慢.瑞麗市不透水面分布呈現(xiàn)不均勻的特征，不透水面區(qū)域主要分布在瑞麗市勐卯鎮(zhèn)西南部、姐相鄉(xiāng)和弄島鎮(zhèn)東南部和芒棒鄉(xiāng)，由于該地區(qū)與緬甸相鄰，受到兩國經(jīng)濟(jì)貿(mào)易和文化交流的影響，城鎮(zhèn)化水平較高，而戶育鄉(xiāng)和勐秀鄉(xiāng)未與緬甸接壤，城鎮(zhèn)化速度較低.

瑞麗市4 年來不透水面的面積呈現(xiàn)出擴(kuò)展趨勢，城鎮(zhèn)化水平有一定的提升，其中姐相鄉(xiāng)的不透水面擴(kuò)大程度較快，反映出“一帶一路”倡議對邊境地區(qū)經(jīng)濟(jì)快速發(fā)展有極大促進(jìn)作用.隨著中國經(jīng)濟(jì)發(fā)展水平的不斷提高和“一帶一路”倡議對中緬邊境地區(qū)的帶動作用，這個趨勢可能還將保持下去.

4 結(jié)論

本文以V-H-L-S 模型為理論基礎(chǔ)，借鑒前人利用掩膜方法提取不透水面的經(jīng)驗(yàn)，通過深入研究分析透水面和不透水面的差異性，提取水體、植被和土壤信息的方式，結(jié)合最小噪聲分離等技術(shù)方法，對研究區(qū)影像信息進(jìn)行篩選排除，成功提取了瑞麗市2014 年和2018 年的不透水面信息，分析了瑞麗市不透水面的動態(tài)分布特征和擴(kuò)展形勢.研究結(jié)果表明，本文所使用的研究方法在提取瑞麗市為代表的城-鄉(xiāng)-自然綜合地區(qū)中具有較好效果，具有廣泛應(yīng)用的前景.同時，比較傳統(tǒng)的不透水面指數(shù)法，本方法可以更好地識別出裸土與不透水面信息，相較于多端元的線性光譜分解方法也更加快速易得，效率較高，具有較好的應(yīng)用前景.

本文的提取方法還有一些不足，如不透水面提取時，閾值選取部分具有一定主觀性，同時由于對透水面的3 個特征地物連續(xù)選取閾值，對提取精度可能會造成一定影響.此外，本文所用提取方法尚未被廣泛使用，對于不同地區(qū)的提取精度有待查證，需要后續(xù)的研究不斷完善，今后我們將在其他區(qū)域開展研究，以驗(yàn)證方法的可靠性.