基于TM影像的喀斯特流域不透水面提取＊

伍 倩，吳建峰,2，趙彬洋 ，王太龍

(1.貴州師范學院，貴州 貴陽 550018；2.貴州省流域地理國情監測重點實驗室，貴州 貴陽 550018)

不透水表面(Impervious Surface)主要指自然不透水面(如裸巖)或人工不透水層，人工不透水層隔離地表水下滲到土壤，割斷了地表與地下水文聯系，主要由道路、停車場、廣場及屋頂等建筑物組成多種類型的人工建筑物區域[1]。城市化進程正在全球范圍內以前所未有的速度進行著，是20世紀以來最為顯著的人類活動過程[2]。城市的快速擴展和大量建設開發使得城市下墊面結構及性質發生了巨大轉變，世界范圍內的地表在近100年內里發生了約40%的變化[3]，使得原來具有較高生態價值的植被、水源地等生態用地逐漸被眾多的人工不透水表面所代替，不透水表面大面積擴張，已經成為生態環境問題的重要指標。

喀斯特流域在宏觀上表現為二元水文結構，即喀斯特流域在整體上有調控流域水文過程地表、地下兩套地貌結構場，并形成地表、地下兩個水系，但由于快速城鎮化導致部分喀斯特流域不透水表面大面積擴張，打破了喀斯特流域二元水文結構的平衡。不透水表面不斷增加，阻隔了地表水進入到土壤下墊面，甚至割斷了地表與地下水文的之間聯系，改變了區域水循環過程[4,5]，影響喀斯特流域地表徑流、水文循環、水體質量、局部氣候、生物棲息地等，并呈現出日益強化的趨勢[6]。因此，研究喀斯特流域不透水表面對于剖析人類活動干擾下的流域生態水文過程特征、有效開展水資源管理、科學實施流域生態建設等方面具有重要意義。

本研究以城關河作為研究區域，重點研究城市化快速發展進程所帶來的城市不透水面迅速增長的問題。應用TM數據提取城關河不透水面，繼而結合ArcGIS的制圖分析功能對所得出的研究結果做進一步的分析。研究成果可以為城區防洪設計、減少洪澇災害、城市規劃與環境治理提供理論參考與應用借鑒。

1 研究區域概況

普定縣位于貴州省西部。地處東經105°27'49"-105°58'51"，北緯 16°26'36"-26°31'42"之間。普定城關河小流域位于貴州省普定縣，流域面積71.7km2，城關河發源于流于西南部，自南向北注入三岔河夜郎湖水庫。普定縣城建城區全部位于流域內部，近年來流域不透水表面快速增加，是典型城鎮化工業化驅動下的不透水表面增加區域。流域內白云質碳酸鹽巖出露比例達90%，為典型喀斯特小流域。隨著流域近年來農業產業結構調整和石漠化治理、退耕還林等工程實施，流域地表覆蓋變化較快，是貴州地表覆蓋快速變化的典型性代表小流域。

2 研究數據與方法

2.1 研究數據

本文數據源為研究區2017年9月的TM遙感影像，空間分辨率為30m，投影坐標系為WGS_1984_UTM_Zone_49N，無云和條帶影響，影像質量較好，數據經過初步輻射校正和幾何校正，最后裁剪得到城關河TM影像，如圖1所示。

圖1 研究區TM影像圖

2.2 研究方法

面向對象的分類方法是一種智能化的自動影像分析方法，主要分為影像分割與信息提取，該方法分類的最小單元是由影像分割得到的同質影像對象即圖斑，而不再是單個像素，可以實現較高層次的遙感圖像分類和目標地物提取。通過該方法先對遙感圖像進行分割，再根據遙感圖像分類或目標地物提取的具體要求，檢測和提取目標地物的各種特征，從而達到對遙感圖像進行分類或目標地物提取的目的[7]。

本文利用面向對象技術方法提取不透水面信息，首先采用不透水面最小面積原則確定最適宜尺度進行分割，然后選用最鄰近分類法進行影像分類，最后對陰影進行甄別及剔除，提取不透水面信息。

3 結果與分析

3.1 影像分割與提取

影像分割是采用影像分割技術生成不同的影像對象的過程，針對不同的地物采取不同的分割尺度，構建尺度網對影像進行分割。目前較常用的分割算法主要有基于紋理特征分割、基于知識影像分割、分形網絡演化分割等算法，考慮到分割后對象特征異質性最小，本文采用基于邊界的分割算法進行影像分割。分割算法采取基于邊緣檢測經過反復試驗，經過目視觀察對比，采取的分割閾值為70，合并閾值為80，得出的提取效果最佳。

3.2 影像分類

本文采用最鄰近分類法進行分類[8]，將影像對象分為不透水面、裸土、植被和水體4種土地類型，該方法與監督分類相似，但是其針對的是影像對象而不是單個像元，其原理是通過選擇典型的樣本統計該地物類型的特征，以該特征為中心，通過計算未分類對象中用于分類的特征與樣本統計特征之間的距離，該對象最終會劃分到距離近的樣本類型中。在實際操作過程中，需要為每一個類別選取樣本對象，樣本對象選取的多少與是否準確對分類結果有直接的影響[9]。因此，本論文針對確定的4種城市基本組分土地覆蓋類型的對象作為訓練樣本，在分類過程中根據分類的效果來調整樣本以達到最佳的分類效果，分類結果如圖2所示。

圖2 研究區信息提取圖

3.3 不透水面信息特征分析

隨著分類的類別進行樣本的選擇，用地類別會隨著分類方法的不同和分類類別的細化可呈現不同的提取效果展現不同的提取信息，城市不透水面的提取效果和分類方法以及類別分化有一定影響，本文獲得的城關河信息提取圖如圖2所示。研究區范圍面積為71.7km2，其中，分類的植被面積為28.8 km2，水體為 1.6km2，裸土為 22.8km2，不透水面面積為18.5km2，不透水率為25.8%，植被主要分布在研究區東西兩側的山地，主要集中在東部沿線和西北部區域，水體主要集中在研究區北端和東南端的兩個地方，裸土主要集中在不透水面周圍區域，該區域為研究區相對較平緩地方，不透水面主要為道路、屋頂、硬化院壩等人工建筑物，主要分布在研究區的西南部的人工建筑集中區域以及零星分布在其他地方的道路和人工建筑物區域，單獨制作研究區不透水面分布如圖3所示。通過目視對比遙感影像，分類結果與實際情況較吻合，分類結果有一定參考性。

圖3 城關河流域不透水面分布圖

4 結論

1）由于分割類型和分割尺度的不同，所以不透水面的提取效果也不同，面向對象的分類方法是基于幾何信息、結構信息以及光譜信息進行影像分類，經過本次實驗研究，該方法適用于中高分辨率多光譜或全色影像。另外，尺度的選擇直接決定分割效果的好壞。

2）研究區提取的不透水面面積為18.5km2，不透水率為25.8%，不透水面主要為道路、屋頂、硬化院壩等人工建筑物，主要分布在研究區的西南部的人工建筑集中區域以及零星分布在其他地方的道路和人工建筑物區域。

本文僅在TM影像分類方面進行了初步的嘗試，方法較單一，進一步準備在不同分辨率、不同尺度影像和不同方法上進行研究，以期實現在不同環境和條件下不透水面信息的高精度提取。