福州海綿城市建設中屋頂綠化的截水作用研究

林 璐， 許章華,2,3,4， 黃旭影， 呂福康， 王前鋒,4， 林 倩

(1.福州大學環境與資源學院,福州 350116； 2．福州大學信息與通信工程博士后科研流動站，福州 350116； 3．空間數據挖掘與信息共享教育部重點實驗室，福州 350116； 4.福州大學區域與城鄉規劃研究中心,福州 350116； 5.福州大學至誠學院, 福州 350002)

0 引言

近年來，城市內澇問題日益突出，人們開始重新思考既定的城市規劃思路及其對環境、生態和社會等要素的多重影響。對此，學者們提出了“海綿城市”的規劃理念，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(low impact development，LID)技術增強城市在應對氣候變化時維持生態的能力； Church[2]認為雨水花園是城市水資源管理的最佳設施； 海綿城市的規劃理念使人們進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進行了研究； 劉昌明等[6]則認為城市規劃需要多考慮生態容納能力等問題。

屋頂綠化能截留、凈化雨水，可逐步改善城市水環境，且工程量小，與海綿城市的LID及最佳管理設施(best management facilities，BMFs)設計理念相吻合[7-8]。仇保興[9]將屋頂綠化建設定義為改善城市環境工程中不可缺少的項目之一，認為屋頂綠化應被廣泛應用于公共建筑，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、增加生物多樣性的作用[10]； 邵天然等[11]亦強調屋頂綠化能帶來良好的生態效益。然而，屋頂不同于森林、草地等自然地物，其連續面積雖小，但數量龐大，且大小、形狀各異，實地調查難度大。國際上對屋頂綠化的研究方法趨于多樣化，如利用數學模型、計算機軟件建模等方法從城市、社區和建筑區等多尺度開展相關研究[12-15]。Getter等[16]結合遙感和GIS技術調查雨水在綠色屋頂上的滯留情況； 李沛鴻等[17]指出利用遙感技術調查屋頂綠化能節約時間、降低經濟成本。本文以福州市鼓樓、臺江和倉山3區為例，分析海綿城市建設中屋頂綠化率對水分的影響機制，研究綠化率處于何種水平時具有明顯的截水作用。

1 研究區概況及數據源

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，暴雨洪水和臺風活動強烈。福州市在福建省發展與海西建設中發揮著帶頭作用，是國家第二批海綿城市建設試點，雖已開展了多項建設，但城市內澇問題依然嚴峻，不僅影響市民生活與工作，還造成重大經濟損失，使城市形象受損。福州市的鼓樓區、臺江區和倉山區經濟繁榮，建筑物與人口密度大。本文選擇此3區作為研究區。

收集的主要數據有： 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氣象數據，包括溫度和濕度等； ③典型小區的Google Earth高空間分辨率影像。利用ENVI對Landsat8 OLI多光譜影像進行輻射校正、融合、幾何糾正及裁剪等預處理，得到覆蓋研究區的基礎影像(圖1)。

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

Fig.1ProcessedOLIimageofthreedistrictsinFuzhouCity

2 研究方法

2.1 建筑區提取

不少學者基于遙感影像開展了建筑區提取技術研究。沈小樂等[18]基于建筑物方向性的紋理特征實現對建筑區的提取； 強永剛等[19]將數學形態學與小波變換結合，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對無參數高空間分辨率影像建筑區的快速提取； 楊山[21]發現，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，依此構建出仿歸一化差值植被指數(normalized difference vegetation index，NDVI)； 查勇等[22]將其改稱為歸一化差值建筑指數(normalized difference building index，NDBI)； 徐涵秋[23]基于影像的土壤調節植被指數(soil adjustment vegetation index，SAVI)、改進的歸一化差值水體指數(modified normalized difference water index，MNDWI)和NDBI，提出了建筑用地指數(index-based built-up index，IBI)，計算公式為

(1)

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

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]從光譜數據庫中獲取混合像元的端元，實現對地物信息的提取； 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合，提出溫濕度指數； 徐涵秋[30]在生態評價指數構建研究中，采用纓帽變換的濕度指標； 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查，從MODIS影像中提取數據，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(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 模型構建

在研究區范圍內隨機生成11 573個樣本點，獲取各樣本點對應的屋頂綠化率r與GVMI。采用線性模型、對數模型、倒數模型、二次曲線模型、三次曲線模型、復合模型、成長模型以及指數模型構建屋頂濕度h與屋頂綠化率r的關系，并統計其確定性系數R2和拒絕原假設的值P，P值越小，代表模型擬合越好。

3 結果與分析

3.1 建筑區提取效果

依據式(1)，計算研究區IBI，并設置閾值，提取建筑物信息(圖2)。

(a) 福州市3區IBI (b) 基于IBI提取的福州市3區建筑物信息

圖2福州市3區IBI及建筑物信息提取

Fig.2IBIandbuildinginformationextractedwithIBIofthreedistrictsinFuzhouCity

利用精度評估法對提取結果進行評價，結果如表1所示。結果表明，IBI的建筑物提取精度為91.00%，Kappa系數為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建筑區提取結果，分割出福州市3區建筑區影像(圖3)。

圖3 福州市3區建筑區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方法對建筑區遙感影像進行混合像元分解，得到綠化豐度(圖4)。

圖4 福州市3區綠化豐度

應注意的是，由于建筑物與植被混合的情況不僅限于屋頂綠化，故在進行混合像元分解時，應盡量保證屋頂綠化信息的提取精度，并通過人機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關系，收集相近時期的Google Earth高空間分辨率遙感影像，隨機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)，將其作為屋頂的實際綠化率數據，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)提取研究區建筑物GVMI，以此作為屋頂濕度指標(圖5)。

圖5 福州市3區GVMI

對隨機點進行統計(表3)發現，福州市3個區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，當屋頂綠化率很低時，植被的截水作用不太明顯； 當屋頂綠化率提升至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關系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個隨機點數據，建立屋頂濕度h與綠化率r的線性模型、對數模型、倒數模型、二次曲線模型、三次曲線模型、復合模型、成長模型及指數模型等8種模型(圖6)，并統計各模型的R2和P(表4)。

圖6 屋頂濕度-綠化率關系模型

模型模型擬合度模型參數R2Pcb1b2b3線性模型h=b1r+c0.2360 0.0360.234──對數模型h=b1ln r+c0.0570 0.1090.015──倒數模型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復合模型h=cbr10.0520 0.0355.868──成長模型h=eb1r+c0.0520-3.3471.769──指數模型h=ceb1r0.0520 0.0351.769──

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

h=1.014r2-0.327r+0.081 。

(3)

經計算可知模型的極值點為(0.163，0.053)，表明當屋頂綠化率高于16.30%時，植被截水效果開始顯現，亦即在截水目標下，屋頂綠化率的閾值為16.30%； 當綠化率小于16.30%時，植被對于水分的截留作用不明顯甚至呈負相關，這可能是由于截留的水分不足以彌補植被蒸騰、生長消耗的水分[27]，以及自然環境中蒸發的水分。曲線斜率即濕度增長率在極值點后逐漸增大； 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

以凱旋花園和新農村公寓小區為例，對其屋頂綠化率與濕度的關系進行分析，反向驗證模型的合理性。基于綠化豐度與GVMI，提取2個小區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個小區屋頂濕度值的差異均控制在1%左右，模型平均估測精度達79.29%，進一步證明了二次曲線模型的合理性。

表5 典型小區屋頂濕度-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行分析(表6)，濕度的增長速率反映了屋頂植被截水能力強弱的變化； 2個典型小區的屋頂綠化率為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 典型小區屋頂綠化率模擬

新農村公寓小區凱旋花園小區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 結論

本文以福州市鼓樓區、臺江區和倉山區為研究對象，利用遙感與GIS技術提取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GVMI的關系模型，確定截水目標下的屋頂綠化率閾值； 選取2個典型小區對屋頂綠化率進行模擬與分析，驗證了上述模型的合理性。得出如下結論：

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

2)經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度最佳。該模型的極值點為(0.163，0.053)，表明當屋頂綠化率高于16.30%時，植被截水效果開始顯現，亦即在截水目標下，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57.9%

4)據計算，福州市3個區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。

5)選擇凱旋花園和新農村公寓2個小區模擬不同屋頂綠化率下的濕度變化，得出了類似結論，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，確定了截水目標下的屋頂綠化率閾值，對屋頂綠化建設具有指導價值； 并借此文強調，應多方面挖掘海綿城市內涵，多角度思考海綿城市建設問題，將屋頂綠化作為海綿城市建設的重要內容。本文僅研究了像元內屋頂綠化對濕度的影響機制，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(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.海綿城市的三大關鍵策略:消納、減速與適應[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.維護良性水循環的城鎮化LID模式:海綿城市規劃方法與技術初步探討[J].自然資源學報,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識別技術研究[J].測繪科學,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.生態城改造分級關鍵技術[J].城市規劃學刊,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為例[J].生態學報,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.遙感在屋頂綠化調查中的應用研究[J].江西理工大學學報,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合的建筑區提取[J].測繪學報,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] 強永剛,殷建平,祝 恩,等.基于小波變換和數學形態學的遙感圖像人工建筑區提取[J].中國圖象圖形學報,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].地球信息科學學報,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.發達地區城鄉聚落形態的信息提取與分形研究——以無錫市為例[J].地理學報,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圖像自動提取城鎮用地信息的有效方法[J].遙感學報,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.一種基于指數的新型遙感建筑用地指數及其生態環境意義[J].遙感技術與應用,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.基于面向對象及光譜特征的植被信息提取與分析[J].生態學報,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區為例[J].生態學報,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].遙感技術與應用,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.區域生態環境變化的遙感評價指數[J].中國環境科學,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].應用氣象學報,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.