基于LandsatOLI數據的不透水面提取方法對比研究

張維 李軍

摘 要：不透水面的分布規模和空間格局是影響區域生態系統和環境變化的重要指標。該研究基于Landsat OLI遙感影像，以長株潭主城區核心區為研究區域，進行了歸一化建筑指數法、歸一化差值不透水面指數法和最小噪聲分離結合支持向量機分類法3種方法提取不透水面信息的綜合比較。結果表明：MNF結合SVM方法步驟相對較多，在選取端元和去除水體掩膜等方面都存在人工干涉，受人工影響較大;歸一化建筑指數法雖然能快速地提取不透水面，但存在裸土與不透水面混淆的情況;而歸一化差值不透水面指數法可有效區分裸土與不透水面，提取精度高于其他2種方法。最終選擇歸一化差值不透水面指數法，提取研究區2013年、2015年的不透水面信息，分析了其空間格局和擴展情況。

關鍵詞：不透水面;歸一化建筑指數法（NDBI）;歸一化差值不透水面指數法（NDISI）;最小噪聲分離（MNF）結合支持向量機（SVM）分類法;Landsat OLI

中圖分類號 X87文獻標識碼 A文章編號 1007-7731（2019）21-0083-04

Abstract：lmpervious surface of distribution scale，spatial framework and diversification are the key indicators of regional ecosystem and environmental change. Remote sensing technology based on OLI image，the information of impervious surface is extracted，and the normalized building index method is compared and analyzed by taking the core area of Changsha-Zhuzhou -Xiangtan City as the research area. The combination of normalized difference impervious surface index method and minimum noise separation support vector machine classification. The results showed that，the combination of MNF and SVM method steps are relatively more complex. In the selection of end member and removal of water Mask，artificial interference exists，which is greatly by artificial. The normalized building index method can quickly extract impervious surface，but the situation of bare land and construction land is confused. The normalized difference impervious surface index method can solve this problem. And the precision of extracting the construction land is higher than that of the normalized building index method.

Key words：Impervious surface;Normalized building index method;Normalized difference impervious ?surface index method;Minimum noise separation combined with support vector machine classification;Landsat OLI

近年來，隨著城鎮化進程的加快，不透水面的變化速度越發頻繁，如何找到一個行之有效的方法來對不透水面的數據進行估算，已成為了城市研究的一個關鍵性問題。隨著遙感手段的發展，基于遙感方法進行不透水面信息的提取已經得到了廣泛的應用，不同的基于遙感方法不透水面提取方法相繼被提出[1]，如歸一化建筑指數法、歸一化差值不透水面指數法和最小噪聲分離結合支持向量機分類法[2-5]等。查勇等提出了歸一化建筑指數（NDBI），該指數利用Landsat TM數據的4～5波段亮度值變化異常于其他地物的特征來增強不透水面信息[2];徐涵秋對研究對象通過采用復合波段的形式建立了歸一化差值不透水面指數（NDISI）的數學模型，有針對性地考慮沙土和水體因素，無需預先將水體剔除，消除由于預處理可能引起的誤差，增強圖像上不透水面特征，達到了快速提取不透水面信息的目的[3];翟珂研究認為，利用最小噪聲分離法（MNF）結合支持向量機（SVM）分類方法，可提高不透水面分類精度和速度[4]。不同方法提取的不透水面信息結果差異明顯，對比分析不同提取方法的精度和效率，是不透水面信息提取研究的重要內容之一[5]。為此，本研究選取NDBI法、NDISI法和MNF結合SVM分類法，對比分析提取長株潭城市群核心區不透水面的適宜方法，并分析了其不透水面空間格局。

1 研究區及數據概況

研究區域（圖1）位于112°54′～113°10′E，27°50′～28°11′N，湘江干流將研究區域南北貫通，地形東北高西南低，地勢起伏大，地貌類型多樣，以丘、崗平為主，兼有山地、水面。長株潭核心區是長株潭城市群最重要的組成部分，總面積8642.15km2。考慮到裸露土壤對不透水面提取精度的影響，選擇遙感影像的獲取時間集中于夏季6—9月。從地理空間數據云下載2013年、2015年OLI影像共4幅，影像云覆蓋率小于0.1%，空間分辨率為30m。

2 研究方法

2.1 歸一化建筑指數法（NDBI） 利用輻射校正后的Landsat OLI影像，構建歸一化建筑指數[2]（式1），NDBI可以較為準確地反映建筑用地信息。

NDBI圖像顏色越深，代表值越大，表明建筑用地比例越高，建筑密度越高，通過目視解譯，不斷調整NDBI閾值，直到找到合適的閾值，提取建設用地，調整閾值后獲得不透水面分布。該方法提取結果見圖2。

2.2 歸一化差值不透水面指數法（NDISI） 歸一化差值不透水面指數（NDISI）指數通過多光譜波段的不透水面最強輻射和最弱反射波段，利用歸一化比值運算擴大兩者的差距，顯著增強不透水面信息。由于水體在可見光處的反射率低于不透水面，將改進型歸一化水體指數（MNDWI）加入NDISI指數（式2）的弱反射波段[6]，即：

在影像預處理時需要對熱紅外波段、近紅外波段、短波紅外波段MNDWI進行歸一化處理，將其均拉伸至[0，1]之間，以保證所有數據量化級一致[4]。該方法提取結果見圖3。

2.3 最小噪聲分離結合支持向量機分類法 最小噪聲分離（MNF）結合支持向量機（SVM）分類法中，MNF變換可將噪聲和信號進行分離并定制數據的維度，SVM分類器是一個將向量特征投射到高位空間的分類器，具有算法復雜度低、抗噪聲、可有效解決不平衡分類等優點[6]。該方法涉及的主要步驟包括：（1）端元選取：將MNF變換后前3個包含光譜信息多的分類構成散點圖，以其犄角像元確定為端元，根據地物影像光譜特征和幾何特征等，目視解譯端元類型;（2）SVM分類：利用選取的樣本，借助ENVI5.1中的SVM模塊，選擇徑向基內核，執行監督分類;（3）分類結果優化：采用改進的歸一化水體指數（MNDWI）進行水體掩膜，去除水體影響。該方法提取結果見圖4。

3 方法對比和精度評價

利用NDBI法計算簡單方便，但存在裸土與建設用地混淆的情況;MNF結合SVM方法步驟相對較多，在選取端元和去除水體掩膜等方面都存在人工干涉，受人工影響較大;部分區域存在錯分現象，如峽山口附近的部分裸土被NDBI指數法和MNF結合SVM方法錯分為不透水面，水體等信息被MNF結合SVM方法錯分為不透水面（圖5）。利用總體精度和Kappa系數來評價3種方法分類結果。精度評價結果表明（表1），NDISI法分類精度最高，其次為MNF結合SVM分類法，NDBI法分類精度最低。

4 不透水面空間分布特征及格局

通過方法對比，最終確定采用NDISI法提取長株潭核心區不透水面信息。基于2013年和2015年Landsat OLI遙感影像，利用NDISI法提取到的不透水面結果見圖6。從圖6可以看出，基于影像提取的不透水面信息與現有城市、農村居民點和工業區的分布相吻合。2013年不透水面總規模為1099.74km2，占長株潭核心區研究區總面積的12.73%;2015年不透水面總規模為1376.76km2，占長株潭核心區研究區總面積的15.93%。靠近湘江的長沙市區、株洲市區、湘潭市區是區域不透水面分布的集中區。2013—2015年間，不透水面分布范圍增大，斑塊集中區域增多，不透水面擴張現象明顯。

5 結論與討論

利用2013年和2015年OLI數據提取了長株潭城市的核心區的不透水面信息，發現不透水面分布范圍增大，斑塊集中區域增多，不透水面擴張現象明顯，研究結果可為城市規劃提供重要的參考。

通過NDBI法、NDISI法和MNF結合SVM法3種分類方法的對比分析，確定了NDISI最適宜于長株潭城市群核心區不透水面信息的提取。該方法在有效增強不透水面信息的同時，也減弱了其他地物的信息，解決了不透水面信息提取過程中容易受稀疏植被、裸地等混淆的問題，在一定程度上提高了提取精度。而由于熱紅外波段的空間分辨率較低，雖然通過波段運算減弱了其影響，但對于高分辨率的不透水面制圖仍具有一定的局限性。今后可考慮利用亞像元分解方法[7]提高熱紅外波段的分辨率，進一步提高該分類方法的精度。

參考文獻

[1]徐涵秋，王美雅.地表不透水面信息遙感的主要方法分析[J].遙感學報，2016，20（5）：1270-1289.

[2]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.

[3]徐涵秋.一種快速提取不透水面的新型遙感指數[J].武漢大學學報：信息科學版，2008，33（11）：1150-1153.

[4]翟珂，吳曉青，秦元偉，等.基于OLI影像的環渤海灣不透水面提取及空間格局分析[J].資源科學，2015，37（10）：1920-1928.

[5]王浩，盧善龍，吳炳方，等.不透水面遙感提取及應用研究進展[J].地球科學進展，2013，28（3）：327-336.

[6]李海濤，顧海燕，張兵，等.基于MNF和SVM的高光譜遙感影像分類研究[J].遙感信息，2007（5）：12-25.

（責編：張宏民）