基于QuickBird衛(wèi)星影像的昆明市主城區(qū)綠地景觀評價研究

周黎霞，趙 耘

（西南林業(yè)大學 園林學院，云南 昆明650224）

1 引言

城市綠地是城市景觀要素之一，城市綠地系統是一個由各類城市綠地相互聯系組合而成的城市綠色環(huán)境體系，是一個高度人為干擾形成的景觀，具有高度的空間異質性，景觀要素間的流動復雜，景觀變化迅速［1］。

伴隨著昆明市城市建設飛速發(fā)展，“城中村改造”、“老街保護”、“三環(huán)路修建”、“大學城南遷”、“地鐵修建”等一系列建設項目相繼實施，城市綠地的規(guī)劃建設也需進一步完善。城市規(guī)劃需要準確、詳細的空間信息，而傳統的地形圖生產和更新周期很難滿足需要。QuickBird衛(wèi)星影像以其內容豐富、分辨率高、直觀、生產更新周期短、費用低等優(yōu)點彌補了傳統地形圖和航空影像的不足［2］。因此，探索QuickBird衛(wèi)星影像數據處理方法及在城市綠地規(guī)劃、建設中的應用變得非常重要。

高分辨率遙感技術為城市生態(tài)環(huán)境的監(jiān)測方法和評價指標的改進提供了有力的支持［3］。高分辨率衛(wèi)星遙感數據進行城市綠地調查，除了具遙感技術普遍的特點外，由于其高空間分辨率的特點，能夠詳細地展示城市綠地空間格局和植被種類，具有普通分辨率遙感數據不可比擬的優(yōu)勢。應用高分辨率衛(wèi)星影像研究城市綠地類型、分布和結構，可以為定量地對城市綠地景觀評價與分析提供科學依據，為城市綠地系統規(guī)劃、改善城市生態(tài)質量提供參考，具有重要的理論與現實意義。

2 研究方法

2.1 QuickBird影像的預處理

本研究所使用的QuickBird影像數據，共有4個多光譜波段（空間分辨率為2.44m）和一個全色波段（空間分辯率為0.61m）：0.45～0.52μm 的藍光波段，0.52～0.60μm 的綠光波段，0.63～0.69μm的紅光波段，0.7～0.9μm 近紅外波段，0.45～0.9μm全色波段。本次研究的遙感圖像預處理包括遙感影像配準和影像剪裁。

2.1.1 地面控制點的采集

控制點應該在整幅遙感影像內分布均勻。為了保證GCP的準確性，其位置選擇的是特征地物點，比如道路交叉口、建筑物的拐角處等易于在影像上判讀的地方。校正精度與地面控制點的精度、分布和數量及校正影像的范圍有關。

由于QuickBird遙感影像空間分辨率比較高，因此為了保證影像數據獲得較高的校正效果，選擇GPS實地測量，根據控制點選取原則在研究區(qū)域選取了20個控制點。

2.1.2 QucikBird影像的配準

配準是用Erdas Imagine軟件進行的。在GCP數據表中，匹配程度（Match）、貢獻率（Contribution）、中誤差（RMS）、及殘差（Residuals）等參數，是在編輯GCP的過程中自動計算更新的，用戶不可任意改變，但是可以通過改變GCP位置來調整。根據殘差值，刪除誤差較大，貢獻率較小的GCP點，將個別GCP點的位置進行微調，盡量減少誤差。

2.1.3 影像裁剪

用校正后的QuickBird影像作為參考圖，用來校正昆明市行政區(qū)劃圖，使它和昆明市遙感影像有相同的投影坐標，都為UTM WGS84坐標系；使用AOI多邊形工具在校正過的行政區(qū)劃圖上畫出行政邊界；在ERDAS的Data Preparation模塊中，用AOI行政邊界對QuickBird影像進行不規(guī)則剪裁。

2.2 基于QuickBird影像綠地自動提取

2.2.1 提取方法

傳統的遙感技術提取城市遙感影像專題信息方法主要有兩種：面向像元技術和目視解譯技術［4］。面向像元技術以像元為基本單元進行信息提取。目視解譯技術要求分類的人員有豐富的專業(yè)經驗和充足的野外實地調查資料，且人工作業(yè)屏幕數字化的方法過程繁瑣漫長，效率低下、受主觀因素影響大，很難保證分類的質量，分類所需的成本也較高。而面向對象的遙感影像分類技術則是針對高分辨率影像應用興起的一種新的遙感分類技術，這是一種新興的技術，相對于以前的分類方法具有明顯的優(yōu)勢。

面向對象遙感影像分類方法的一般步驟是對預處理后的遙感影像進行分割，得到同質對象，使得分割后的對象滿足下一步分類或目標地物提取的要求，再根據遙感分類或目標地物提取的具體要求，檢測和提取目標地物的多種特征（如光譜、形狀、紋理、陰影、空間位置、相關布局等），建立分類體系，最后采用模糊分類算法，實現地物類別信息提取的目的。

遙感影像分析軟件eCognition，采用了面向對象和模糊規(guī)則的處理和分析技術，為基于高分辨率影像的城市綠地信息的提取和研究帶來廣闊前景。

2.2.2 eCoginition支持下的QuickBird影像的分類

（1）第1級分割和分類。目的是根據亮度值來區(qū)分影像和背景。

（2）第2級分割和分類。目的是區(qū)分植被和非植被。以尺度參數80、形狀參數0.3、光滑度參數0.9對影像進行分割，得到影像對象，即信息載體。然后用色彩參數和歸一化植被指數（NDVI）進行植被和非植被的區(qū)分。

（3）第3級分割和分類。目的是區(qū)分陸地和水體以及陰影。以尺度參數110、形狀參數0.5、光滑度參數0.9對非植被的影像對象進行分割，然后用模糊隸屬度函數區(qū)分水體和陸地。

（4）第4級分割和分類。在第2級分割的基礎上，以尺度參數60、形狀參數0.3、光滑度參數0.7對非植被的影像對象進行分割，然后用模糊隸屬度函數區(qū)分草地和樹木。

接需要將陰影進行分類，由于陰影落在不同的地物中，例如房屋的陰影落在草地上、湖邊的樹的陰影落在水體中、而一些樹的陰影則落在樹叢上，eCognition提供的空間特征還不足以區(qū)分不同類型的陰影。因此，要運用手工分類工具對陰影進行分類，最后得到分類結果包括水體、草地、樹木和非植被。

3 綠地景觀評價與分析

3.1 評價與分析

目前，描述景觀格局與景觀異質性的指標已有很多，在進行具體的研究時必須根據研究目的，針對性地選擇適當的指標［5］。本研究選擇人均綠地面積、綠地率、多樣性指數、破碎度指數、分維度指數、連通性指數等6個景觀格局指數和景觀生態(tài)效益等方面對昆明市主城區(qū)綠地系統進行綜合分析。

通過本次研究，從中發(fā)現昆明市主城區(qū)存在景觀結構不合理、斑塊破碎度高、城市綠地類型分布不均衡等問題。景觀類型也從以自然景觀為主逐步變?yōu)橐匀宋木坝^為主，各區(qū)景觀類型受到不同程度的影響。主要暴露的問題包括景觀破碎度增加，斑塊趨于規(guī)整簡單；綠地結構不合理；景觀質量不高，樹種種類多，但層次不夠清晰；城市綠地管理不足。

3.2 建議

（1）增加綠地斑塊建設。利用城中村改造，加大大中型綠地斑塊的建設，改善公園綠地斑塊較為破碎的現象。

（2）增加生產綠地、防護綠地和其他綠地的面積。在城市綠地規(guī)劃中，改變目前城市綠地類型構成不合理的現狀，合理配置各類綠地在城市中的比重。增加綠地類型均勻性指數以及綠地類型景觀多樣性指數，豐富城市綠地類型，優(yōu)化城市綠地景觀生態(tài)格局和生態(tài)安全，同時調整樹種種類和層次結構。

4 結語

景觀評價研究采用傳統的調查、分析方法進行研究，往往受到人力、物力和自然條件等多方面的限制，利用高分辨率遙感影像和地理信息系統相結合來獲取景觀格局研究基礎數據，具有快速、準確、高效等特點。本研究主要利用Quickbird影像數據，結合其它地學信息，以遙感、全球定位系統、地理信息系統為主要技術手段，對昆明市主城區(qū)綠地進行景觀信息的提取及景觀評價研究，是景觀信息獲取手段較先進、研究過程較全面的一次小尺度的景觀評價研究。基于高分辨率影像的面向對象分類技術的實現一直是當前研究難點。本研究在eCoginition軟件支持下編程實現綠地信息的自動提取，是一個創(chuàng)新。

［1］李哈濱，伍業(yè)鋼.數量化方法在景觀生態(tài)學中的應用［M］.北京：中國科學技術出版社，1992.

［2］許有田，任 琦，吳創(chuàng)奇，等.QuickBird遙感影像數據處理及在城市規(guī)劃中的應用 ［J］.城市勘測，2008（5）：89～92.

［3］賴志斌，夏曙東，承繼成.高分辨率遙感衛(wèi)星數據在城市生態(tài)環(huán)境評價中的應用模型研究［J］.地理科學進展，2000，19（4）：359～365.

［4］王 雷，馮學智，都金康.遙感影像分類與地學知識發(fā)現的集成研究［J］.地理研究，2001，20（5）：637～643.

［5］李團勝，肖篤寧.沈陽市城市景觀結構分析［J］.地理科學，2002（6）：717～719.