基于哨兵二號(hào)影像的哈爾濱市主城區(qū)城市精細(xì)地物提取及分析

李夢(mèng)圓，張韻晗

（1.哈爾濱師范大學(xué) 地理科學(xué)學(xué)院，哈爾濱 150000；2.哈爾濱市第九中學(xué)校，哈爾濱 150040）

廣義的不透水面（Impervious Surface Area,ISA）是指天然或人為源，不能通過(guò)水體滲入到土壤中，進(jìn)而對(duì)水循環(huán)產(chǎn)生影響的任何物質(zhì)[1-3]。目前所研究的人工不透水面多指城市中以水泥、瀝青等為原材料的停車(chē)場(chǎng)、道路及房屋等滲透率較小的表面。隨著中國(guó)城市化的快速發(fā)展，越來(lái)越多的天然土地被改造成由混凝土、瀝青等材料構(gòu)成的不透水地表，其實(shí)質(zhì)也是人口、經(jīng)濟(jì)、技術(shù)和服務(wù)在空間上的聚集，以及生產(chǎn)生活方式的轉(zhuǎn)變，這對(duì)城市的可持續(xù)發(fā)展產(chǎn)生了一定的影響。因此，不透水面作為城市化的重要指標(biāo)之一，越來(lái)越受到重視[4-5]。

在當(dāng)前的研究中，運(yùn)用各種指數(shù)對(duì)城市不透水面整體進(jìn)行提取分析的實(shí)例較為普遍，如孟艷秋[6]提出歸一化差值不透水面指數(shù)法（NDISI），對(duì)徐州市不透水面時(shí)空演變規(guī)律進(jìn)行了分析；徐瑞等[7]采用一種基于哨兵二號(hào)（Sentinel-2）數(shù)據(jù)的不透水面識(shí)別方法（ISIM-S2），證明了ISIM-S2能更好地分離不透水面與裸土，降低云、水等對(duì)不透水面的影響。但只將不透水面劃分為1類(lèi)或2類(lèi)地物進(jìn)行研究，無(wú)法有效提高城市土地精細(xì)分類(lèi)精度和準(zhǔn)確度，不能在微觀(guān)上反映出城市建成區(qū)發(fā)展過(guò)程中的細(xì)微變化[8-10]。在此背景下，通過(guò)精細(xì)分類(lèi)量化單個(gè)城市區(qū)域內(nèi)不透水面類(lèi)型，反映城市建成區(qū)的細(xì)微變化，對(duì)城市經(jīng)濟(jì)發(fā)展具有重要現(xiàn)實(shí)意義[7]。

本研究選擇Sentinel-2影像為數(shù)據(jù)源，對(duì)哈爾濱市主城區(qū)精細(xì)不透水面情況進(jìn)行分析，以期為城市管理者及相關(guān)政策制定者提供數(shù)據(jù)支持。

1 研究區(qū)概況及數(shù)據(jù)源

1.1 研究區(qū)

哈爾濱市地處黑龍江省南部，經(jīng)緯度范圍分別為125°42′-130°10′E，44°04′-46°40′N(xiāo)，哈爾濱市是黑龍江省的經(jīng)濟(jì)、政治、文化中心和交通樞紐，全市共轄9個(gè)市轄區(qū)，由于非主城區(qū)不透水面占比較少。因此，本研究選取其中6個(gè)主城區(qū)作為研究區(qū)，包括南崗區(qū)、松北區(qū)、香坊區(qū)、道里區(qū)、道外區(qū)和平房區(qū)。研究區(qū)概況如圖1所示。

圖1 研究區(qū)概況

1.2 數(shù)據(jù)源

本研究影像數(shù)據(jù)選擇2020年7月哈爾濱市6個(gè)主城區(qū)的Sentinel 2A數(shù)據(jù)，空間分辨率為10 m×10 m，數(shù)據(jù)來(lái)自歐空局哥白尼數(shù)據(jù)中心（https://scihub.copernicus.eu/dhus/#/home）。研究區(qū)2020年行政區(qū)劃底圖數(shù)據(jù)從國(guó)家基礎(chǔ)地理信息中心獲取。

2 研究方法

2.1 樣本選取

根據(jù)哈爾濱市6個(gè)主城區(qū)野外調(diào)查情況，將哈爾濱市主城區(qū)土地利用類(lèi)型分為不透水面、裸地、水體、植被。其中，不透水面細(xì)分為金屬、藍(lán)鋼、水泥、瀝青、陰影5類(lèi)[10]，如圖2所示。在Sentinel-2影像上選擇每個(gè)像素(1像素10 m×10 m)作為訓(xùn)練樣本，利用XGBoost分類(lèi)器對(duì)不透水面進(jìn)行精細(xì)分類(lèi)。

圖2 不透水面精細(xì)地物分類(lèi)地物類(lèi)別

2.2 精度驗(yàn)證

通過(guò)將每個(gè)實(shí)際像素的所屬類(lèi)別與分類(lèi)結(jié)果圖像中相應(yīng)像素對(duì)應(yīng)的所屬類(lèi)別進(jìn)行比較，計(jì)算混淆矩陣。結(jié)合Google Earth在2020年7月的歷史高分辨率圖像，在分類(lèi)結(jié)果影像上選擇每個(gè)像素(1像素10m×10m)的對(duì)象類(lèi)作為驗(yàn)證樣本，進(jìn)行總體精度、Kappa系數(shù)的計(jì)算。

2.3 基于人口數(shù)據(jù)對(duì)研究區(qū)GDP數(shù)據(jù)的空間化

人口數(shù)據(jù)可以反映城市經(jīng)濟(jì)活動(dòng)的空間分布，本文利用人口密度數(shù)據(jù)作為GDP空間分布密度信息，將哈爾濱市6個(gè)主城區(qū)GDP空間布展到柵格單元上。公式如下

式中：GDPij為柵格單元GDP值；GDP為所在區(qū)GDP；POPij為柵格單元對(duì)應(yīng)的人口數(shù)；POP為所在區(qū)人口總數(shù)，該人口總數(shù)為所有柵格單元人口數(shù)求和得到。

3 結(jié)果與分析

精細(xì)不透水面總體分類(lèi)精度為89.32%，Kappa系數(shù)為0.88，結(jié)果表明XGBoost分類(lèi)器能夠較好地從Sentinel-2影像中提取出精細(xì)不透水面。6個(gè)主城區(qū)整體分類(lèi)結(jié)果如圖3所示，不透水面精細(xì)分類(lèi)結(jié)果如圖4所示。

圖3 2020年哈爾濱市6個(gè)主城區(qū)整體分類(lèi)結(jié)果

圖4 2020年哈爾濱市6個(gè)主城區(qū)不透水面精細(xì)分類(lèi)結(jié)果

根據(jù)圖4—9所示的分類(lèi)結(jié)果可以看出，對(duì)于瀝青的分布，主要集中于城市中心的各主要交通干道，其中南崗區(qū)的東北部分布最為集中。對(duì)于水泥的分布，主要集中于香坊區(qū)西部、平房區(qū)北部及道里區(qū)東北部。從道里區(qū)的水泥分布可以看出，西南方向哈爾濱太平國(guó)際機(jī)場(chǎng)的位置、道外區(qū)南部的老式建成區(qū)及松北區(qū)北部的村鎮(zhèn)區(qū)域也有水泥分布。對(duì)于藍(lán)鋼的分布，主要集中于平房區(qū)西部、香坊區(qū)南部的工業(yè)區(qū)，以及松北區(qū)東南部的部分城中村區(qū)域。對(duì)于其他金屬的分布，多集中于松北區(qū)南部的工業(yè)區(qū)和一些建筑企業(yè)周?chē)?，平房區(qū)、香坊區(qū)及道里區(qū)的部分工廠(chǎng)區(qū)域也含括了一定的金屬，另外南崗區(qū)的金屬分布較少，多集中于大型體育場(chǎng)館等附近。

圖5 2020年哈爾濱市6個(gè)主城區(qū)水泥情況分布

圖6 2020年哈爾濱市6個(gè)主城區(qū)藍(lán)鋼情況分布

圖7 2020年哈爾濱市6個(gè)主城區(qū)金屬情況分布

由圖10可知，平房區(qū)藍(lán)鋼占比最多，該區(qū)自2005年開(kāi)始辟建了平房工業(yè)園區(qū)，是6個(gè)主城區(qū)中第二產(chǎn)業(yè)所占比重最大的行政區(qū)，工業(yè)占比大、廠(chǎng)房多，因此該區(qū)藍(lán)鋼、金屬所占比重均較大[11]。道里區(qū)和南崗區(qū)瀝青、水泥均占比相對(duì)較多，2個(gè)區(qū)第三產(chǎn)業(yè)所占地區(qū)生產(chǎn)總值的比重均較大。道里區(qū)是哈爾濱的政治、經(jīng)濟(jì)、文化和旅游中心，景區(qū)、居民區(qū)等建設(shè)離不開(kāi)水泥材料的施用[12-13]。同時(shí)道里區(qū)也是哈爾濱的重要交通樞紐，內(nèi)有哈爾濱太平國(guó)際機(jī)場(chǎng)、機(jī)場(chǎng)高速路和老機(jī)場(chǎng)路等，因此瀝青占比也較多。南崗區(qū)所屬的高校、娛樂(lè)消費(fèi)場(chǎng)所多。同時(shí)2018年起，該區(qū)注重城區(qū)建設(shè)，實(shí)施碎修碎補(bǔ)城區(qū)破損道路，打造順暢道路交通環(huán)境；實(shí)施破舊樓體維修工程，消除安全隱患，并美化社區(qū)環(huán)境，因此南崗區(qū)瀝青、水泥占比相對(duì)較多[9]。

圖8 2020年哈爾濱市6個(gè)主城區(qū)瀝青情況分布

圖9 2020年哈爾濱市6個(gè)主城區(qū)陰影情況分布

圖10 2020年哈爾濱市6個(gè)主城區(qū)各類(lèi)不透水面占比

4 結(jié)論

本研究選擇哈爾濱市6個(gè)主城區(qū)為研究范圍，以Sentinel-2影像為數(shù)據(jù)源，利用XGBoost分類(lèi)器對(duì)哈爾濱市6個(gè)主城區(qū)城市精細(xì)不透水面信息進(jìn)行提取。分類(lèi)總體精度為89.32%，Kappa系數(shù)為0.88。結(jié)果表明，南崗區(qū)瀝青占比最多，占65%，藍(lán)鋼占比最少，占3%；道外區(qū)、平房區(qū)水泥占比最多，占25%；平房區(qū)藍(lán)鋼、金屬均占比最多，分別占12%、15%。結(jié)合分類(lèi)結(jié)果進(jìn)行具體分析可以看出，不同類(lèi)型的不透水面可以為城市管理提供不同方面的支持[14-15]。研究藍(lán)鋼及其他金屬類(lèi)別的結(jié)果有益于為哈爾濱市各工業(yè)區(qū)分布及城市經(jīng)濟(jì)研究提供一定的數(shù)據(jù)支持；瀝青一類(lèi)的分布集中在城市道路，可以為城市道路規(guī)劃及道路建成面積等提供數(shù)據(jù)支持；其他不透水面可為哈爾濱市居民區(qū)空間分布相關(guān)研究提供參考數(shù)據(jù)。

在中國(guó)快速發(fā)展城鎮(zhèn)化的背景下，通過(guò)精細(xì)分類(lèi)量化單個(gè)城市區(qū)域內(nèi)地物覆蓋具體類(lèi)型具有重大研究意義，包括材料的詳細(xì)組成，如瀝青道路、有色金屬和亮暗屋頂?shù)取Ｍ瑫r(shí)根據(jù)材料使用周期及老化速率，對(duì)其分布進(jìn)行研究，對(duì)城市人群生產(chǎn)和生活、城市的整體面貌和形象維護(hù)、城市規(guī)劃、災(zāi)害應(yīng)急管理和城中村改造更具有重要的現(xiàn)實(shí)意義[1,13]。下一步將結(jié)合時(shí)間序列數(shù)據(jù)研究精細(xì)不透水面變化趨勢(shì)，從城市精細(xì)土地覆被豐度、建筑交通密度、社會(huì)經(jīng)濟(jì)及人口多層面分析城市熱環(huán)境的空間異質(zhì)性，所得結(jié)果將更有助于分析城市建成區(qū)內(nèi)部的發(fā)展細(xì)化動(dòng)態(tài)。