城市遙感生態(tài)指數(shù)的工程化應(yīng)用研究

楊德彬,厲香蘊,葉元元

(安徽省基礎(chǔ)測繪信息中心,安徽 合肥 230031)

0 引 言

良好的生態(tài)環(huán)境是實現(xiàn)社會經(jīng)濟可持續(xù)發(fā)展的基礎(chǔ)。及時準(zhǔn)確地監(jiān)測、掌握區(qū)域生態(tài)環(huán)境變化規(guī)律,將對促進區(qū)域經(jīng)濟可持續(xù)發(fā)展、城市生態(tài)文明建設(shè)具有極其重要的現(xiàn)實意義。利用衛(wèi)星遙感技術(shù)成像范圍大、能夠?qū)崟r快速獲取地物信息且重復(fù)觀測的優(yōu)勢,在較大尺度下開展區(qū)域性生態(tài)環(huán)境變化監(jiān)測評價,已成為生態(tài)系統(tǒng)保護的重要技術(shù)手段,在生態(tài)遙感領(lǐng)域發(fā)揮了積極重要的作用。

目前,遙感監(jiān)測技術(shù)研究大多數(shù)是基于單一的指數(shù)進行分析,如植被指數(shù)、水體指數(shù)、地表溫度指數(shù)等。當(dāng)前需要一個能綜合多種生態(tài)因素的數(shù)學(xué)指標(biāo)模型,對整個生態(tài)系統(tǒng)實現(xiàn)快速、準(zhǔn)確的監(jiān)測和評價。影響生態(tài)環(huán)境質(zhì)量的自然因素很多,反映其特征的參量也很多,其中綠度、濕度、熱度和干度因素是與人類活動密切相關(guān)的4個重要指標(biāo)。徐涵秋教授提出了遙感生態(tài)指數(shù)RSEI指數(shù),該模型綜合了4個指標(biāo)信息的函數(shù)[1,2],更是直觀地反映了生態(tài)環(huán)境優(yōu)劣的評價因素。張浩等利用RSEI指數(shù)對南京市進行多指標(biāo)的生態(tài)影響評價研究,并探討影響城市生態(tài)環(huán)境變化的關(guān)鍵因素[3]。本文基于包含綠度、濕度、熱度、干度等指標(biāo)因素的遙感綜合生態(tài)指數(shù),旨在探索工程化應(yīng)用技術(shù)路線,實現(xiàn)對合肥市城市生態(tài)環(huán)境進行快速監(jiān)測與評價。

合肥作為長三角城市群副中心之一,各領(lǐng)域都發(fā)展迅速,自然生態(tài)方面有一定壓力?？焖俦O(jiān)測生態(tài)變化對于改善合肥城市生態(tài)環(huán)境,對于整個城市的可持續(xù)發(fā)展具有重大影響。因此,本文利用遙感生態(tài)指數(shù)RSEI對合肥市進行工程化應(yīng)用,產(chǎn)品成果應(yīng)用于合肥生態(tài)環(huán)境的監(jiān)測和評價,對于合肥市生態(tài)環(huán)境監(jiān)測具有重要意義。

1 研究區(qū)域及數(shù)據(jù)源

1.1 研究區(qū)域

合肥市,位于安徽省的中間,在中國長江、淮河之間。合肥市是中國長三角城市群副中心之一,也是著名的綜合性國家科學(xué)中心, 同時也是合肥都市圈中心

圖1 研究區(qū)域范圍

城市、皖江城市帶核心城市、中國著名的四大科教基地之一。全市總面積1.14萬平方千米,地處30°57′N～32°32′N、116°41′E～117°58′E。截至2020年,合肥市已建成區(qū)面積 528.5 km2,常住人口為936.98萬人。本研究選取合肥全市區(qū)域為研究區(qū)進行遙感生態(tài)指數(shù)的工程化應(yīng)用。

1.2 數(shù)據(jù)源

本研究采用合肥市域2008年、2013年、2018年Landsat影像為數(shù)據(jù)源,對研究區(qū)30m多光譜影像進行常用的預(yù)處理,得到后續(xù)遙感生態(tài)指數(shù)工程化應(yīng)用的初始遙感數(shù)據(jù)。

2 遙感生態(tài)指數(shù)

本文使用的遙感生態(tài)綜合指數(shù)綜合了綠度、熱度、濕度、干度這4個重要指標(biāo)的信息。

從遙感影像中提取植被指數(shù)表示綠度,地表溫度表示熱度,纓帽變換的濕度信息表示濕度[3]。其次,其中裸土也是造成生態(tài)地表“干化”的重要因素之一,因而可以利用建筑和裸土指數(shù)來代表“干化”程度。在生態(tài)指數(shù)方面,研究采用RSEI并工程化應(yīng)用該模型實現(xiàn)遙感生態(tài)數(shù)據(jù)監(jiān)測,即:

RSEI=f(Wet,VI,LST,NDBSI)

(1)

公式(1)中,Wet表示濕度分量指標(biāo),VI表示植被指數(shù)指標(biāo),LST表示地表溫度指標(biāo),NDBSI表示建筑、裸土指標(biāo)。

(1)濕度指標(biāo)

纓帽變換是遙感圖像處理中常用的有效數(shù)據(jù)壓縮技術(shù),也可以去除遙感影像中的冗余信息,其中的亮度、綠度、濕度分量維度與地表物理參量則直接相關(guān),本文采用濕度分量表示濕度參數(shù)。

(2)綠度指標(biāo)

歸一化植被指數(shù)(NDVI)是最常用的指數(shù)之一,本文中采用NDVI來代表綠度指標(biāo)。

(3)熱度指標(biāo)

代表熱度指標(biāo)的地表溫度采用定標(biāo)參數(shù)進行計算,經(jīng)過計算的溫度T必須進行比輻射率糾正才能成為地表溫度LST。

(4)干度指標(biāo)(NDBSI)

本文采用建筑指數(shù)(IBI)和土壤指數(shù)(SI)綜合表示干度指標(biāo)。

(5)主成分分析

主成分分析(PCA)是一種信息壓縮方式[4,5]。本文通過PCA分析變換綜合綠度度量、熱度度量、濕度度量、干度度量進行分析。由于各指標(biāo)之間不統(tǒng)一,在進行主成分變換前,需要先對各個指標(biāo)歸一化處理,從而使數(shù)值歸一化在[0,1]數(shù)值區(qū)間內(nèi),實現(xiàn)指標(biāo)的統(tǒng)一量化。

3 遙感生態(tài)指數(shù)工程化應(yīng)用

3.1 技術(shù)路線

本文先對合肥市遙感影像數(shù)據(jù)進行預(yù)處理,然后對預(yù)處理后的遙感影像分別進行濕度分量Wet、綠度分量NDVI、干度分量NDBSI、熱度分量LST遙感反演,再分別對4個分量指標(biāo)進行歸一化計算處理,根據(jù)綜合指標(biāo)進行主成分分析PCA變換得到RSEI0,再歸一化RSEI0，得到最終遙感生態(tài)指產(chǎn)品,如圖2所示。

圖2 遙感生態(tài)指數(shù)工程化應(yīng)用技術(shù)路線

3.2 遙感生態(tài)指數(shù)模型

遙感生態(tài)指數(shù)模型如表1所示。

表1 遙感生態(tài)指數(shù)模型

根據(jù)上述遙感生態(tài)指數(shù)模型,進行工程化研究實踐需要對各模型中的參數(shù)進行定量化。

(1)模型中的ρB、ρG、ρR、ρNIR、ρSWIR1、ρSWIR2分別表示影像各波段的反射率[6,7]。

對于Landsat5 TM多光譜影像,模型中的:

C1=0.031 5、C2=0.202 1、C3=0.310 2、C4=0.159 4、C5=-0.680 6、C6=-0.610 9;

對于Landsat7 ETM+多光譜影像,模型中的:

C1=0.262 6、C2=0.214 1、C3=0.092 6、C4=0.065 6、C5=-0.762 9、C6=-0.538 8;

對于Landsat8 OLI多光譜影像,模型中的:

C1=0.151 1、C2=0.197 3、C3=0.328 3、C4=0.340 7、C5=-0.711 7、C6=-0.455 9。

(2)模型的ρNIR、ρR表示Landsat各傳感器紅外、紅光反射率。

(3)模型的L6/10表示熱紅外像元輻射值。DN表示灰度值;gain和bias分別表示增益值、偏置值。傳感器溫度值T由K1、K2定標(biāo)參數(shù)表示。模型中的LST表示地表溫度,λ為熱紅外中心波長[2,3]。

3.3 基于Python的遙感生態(tài)指數(shù)工程化應(yīng)用

基于Python語言,根據(jù)其包含的強大的遙感圖像處理模塊包進行編碼,如gdal模塊,實現(xiàn)遙感數(shù)據(jù)的讀寫;numpy模塊,實現(xiàn)數(shù)據(jù)矩陣的快速運算;sklearn深度學(xué)習(xí)模塊,實現(xiàn)遙感數(shù)據(jù)綜合分量的主成分分析。本文基于上述遙感生態(tài)指數(shù)模型,實現(xiàn)了基于Python的遙感生態(tài)指數(shù)工程化應(yīng)用,為多期遙感數(shù)據(jù)的批量化處理和生態(tài)指數(shù)的評價提供了科學(xué)支撐和工程應(yīng)用基礎(chǔ)。關(guān)鍵代碼如下:

import numpy as np

from osgeo import gdal,gdalconst

from sklearn.decomposition import PCA

def get_rsei(self): # 綜合處理

wet = self.get_wet_degree() ndvi = self.get_green_degree()

lst = self.get_temperature() ndbsi = self.get_dryness_degree()

data = np.array([self.normlize(wet),self.normlize(ndvi),self.normlize(lst),self.normlize(ndbsi)])

data = data.reshape(data.shape[0],-1).T

rsei = self.normlize(1 - np.reshape(pca.fit_transform(data),newshape=(self.img_height,self.img_width)))

return wet,ndvi,lst,ndbsi,rsei

4 遙感生態(tài)指數(shù)產(chǎn)品結(jié)果及分析

本研究以合肥市為例,采用2008年、2013年、2018年Landsat衛(wèi)星遙感影像,根據(jù)遙感影像的Python編程開發(fā),分別進行濕度分量、綠度分量、熱度分量、干度分量的信息提取生成相應(yīng)濕度、綠度、熱度、干度專題產(chǎn)品,通過PCA主成分分析,生成遙感生態(tài)指數(shù)專題產(chǎn)品,如圖3所示。通過該技術(shù)方法,可快速實現(xiàn)各遙感生態(tài)指數(shù)產(chǎn)品的快速生產(chǎn)和綜合制圖,為生態(tài)環(huán)境保護提供科學(xué)數(shù)據(jù)和支持。

圖3 合肥市遙感生態(tài)指數(shù)產(chǎn)品

5 結(jié) 語

遙感生態(tài)指數(shù)(RSEI)是一種有效的生態(tài)環(huán)境質(zhì)量監(jiān)測與評價方法[8,9],本文以生態(tài)環(huán)境質(zhì)量評價的遙感生態(tài)指數(shù)模型為基礎(chǔ),對RSEI模型各指標(biāo)進行編程開發(fā),實現(xiàn)了遙感生態(tài)指數(shù)的工程化應(yīng)用,對合肥市生態(tài)系統(tǒng)狀況監(jiān)測評價。后續(xù)研究中將對多期衛(wèi)星遙感影像產(chǎn)品結(jié)果進行分析,深入探索區(qū)域內(nèi)城市生態(tài)指數(shù)的空間變化規(guī)律,為生態(tài)環(huán)境保護提供數(shù)據(jù)支撐和決策支持。