基于特征指數合成影像的不透水面提取和分析

法 煒，常 軍，韓麗華

（1.首都師范大學 資源環(huán)境與旅游學院，北京 100048；2.首都師范大學 水資源安全北京實驗室，北京 100048；3.山東師范大學地理與環(huán)境學院，山東 濟南 250014；4.自然資源部國土衛(wèi)星遙感應用中心，北京 100048）

隨著衛(wèi)星數據的廣泛使用，國內外的專家們開展了大量以遙感數據為基礎的不透水面提取和時空演變的相關研究[1-6]。現代地質工作者調查研究表明，濟南泉水來源于市區(qū)南部山區(qū)[7]。近些年城區(qū)向作為水源補給區(qū)的南部山區(qū)擴展，地面固化使許多區(qū)域成為永久性不滲漏區(qū)，大氣降水入滲補給量減少，地下水得不到有效補給，直接影響泉群噴涌[8]。基于此，綜合多種遙感特征指數，利用最大似然法對濟南市南部山區(qū)的特征指數合成影像進行不透水面信息提取，并對提取的不透水面信息進行不透水面擴展強度與擴展速率分析、土地利用類型轉移分析和不透水面重心遷移路徑分析研究，以揭示南部山區(qū)不透水面的時空動態(tài)變化特征，為南部山區(qū)的發(fā)展規(guī)劃和建設提供科學依據。

1 研究區(qū)概況及數據源

1.1 研究區(qū)概況

本文的研究區(qū)為濟南市南部山區(qū)。南部山區(qū)是指濟南市南部的低山丘陵地帶，具有多山崎嶇的地形特征，總面積814.06 km2，其范圍如圖1所示。從泉城的泉脈結構來看，南部山區(qū)是濟南市區(qū)泉水的主要補給源區(qū)，是一個很特殊、很重要的區(qū)域[9]。

圖1 研究區(qū)范圍示意圖

1.2 數據源

本文選取1990—2020年的Landsat影像為數據源，其空間分辨率為30 m。由于濟南市2000年以后的城市擴張較之前更加劇烈[10]，因此本文以2000年前后每10 a為間隔，利用1990-10-13、2000-05-01、2010-03-26三期TM傳感器數據和一期2020-04-22 OLI傳感器數據進行不透水面提取。

2 不透水面信息提取

在現有中低分辨率數據不透水面提取現狀下，最大的問題仍然是不透水面與裸土和陰影信息的混淆[11]。因此，為了突出影像中不透水面與裸地、山體陰影和植被信息的差異，論文在對4時相的多光譜影像進行輻射定標和數據裁剪的預處理后，將能夠分別突出植被、不透水面、土壤、水域和山體陰影五類地物的歸一化差值植被指數（normalized difference vege?tation index，NDVI）、生物物理成分指數（biophysical composition index，BCI）[12]、簡化裸地區(qū)域指數（sim?plified bareness area index，SBAI）[13]、改 進 的 歸 一 化差異水體指數（modified normalized difference water in?dex，NDWI）[14]和歸一化陰影指數（normalized differ?ence umbra index，NDUI）[15]5個特征指數進行組合生成一幅合成影像。對合成影像進行最小噪聲分離（minimum noise fraction，MNF）變換，然后通過計算純凈像元指數分離出純凈像元，并借助N維散度分析使具有相同光譜特性的像元聚集在一起，從而可以對純凈像元劃分類別得到不同地類的訓練樣本，最后利用最大似然分類法對特征指數合成影像進行分類提取出不透水面信息。

2.1 合成影像的生成

不同地物在不同波段上反射能力的差異導致每一種地物都有其獨特的光譜特性曲線，遙感影像分類正是通過進行譜間差異特征分析來區(qū)分不同的土地利用類型。但是原始多光譜影像波段之間具有較強的相關性，譜間差異較小，因而對于特定地類提取的針對性較差。通過比值運算和歸一化處理后獲得的遙感特征指數影像，不僅可以在一定程度上消除地形差異的影響，還可以很好地解釋各類土地覆蓋類型的特點[16]。城市中的不透水面主要是以建筑用地為主，城市建筑用地作為一種較復雜的土地利用類型，用單一的建筑指數難以準確地提取其信息，采用綜合指數法才能互為補充，更準確地提取出城市建筑用地信息[17]。本文利用多個特征指數構成合成影像，旨在突出影像中的目標地物信息，同時增強不同地類之間的可分性，以提高地類提取的針對性和精確度。

“植被-不透水面-土壤”模型(vegetation-impervi?ous surface-soil model，簡稱V-I-S模型)由Ridd[18]于1995年首次提出，該模型通過對城市的生態(tài)環(huán)境組分進行參數化，利用植被、不透水面和土壤3種地類的線性組合模擬城市的地表覆被類型。隨后基于V-I-S概念模型進行混合像元分解的不透水面提取方法得到了大量的應用和驗證。本文借鑒了V-I-S模型思想，在考慮到南部山區(qū)多山崎嶇的地形特征基礎上構建了適合于山地區(qū)域不透水面提取的植被-不透水面-土壤-水域-陰影（vegetation-impervious-soil-water-umbra，V-I-S-W-U）地類組分概念模型，將山地區(qū)域的生態(tài)環(huán)境組分抽象化為植被、不透水面、土壤、水域和陰影5種地類，并利用NDVI、BCI、SBAI、NDWI和NDUI 5種特征指數分別突出不同的地類組分信息。

為了提高影像中不透水面的可分離性，本文使用BCI指數來表征影像中的不透水面組分信息。BCI指數是在V-I-S概念模型的基礎上，將城市地表組分看作是植被、不透水面和土壤的線性組合，通過纓帽變換和波段運算進行光譜增強從而突出不透水面信息的一種復合指數。文獻[12]研究表明，與NDVI、NDBI、NDISI相比，BCI指數具有更高的可分性，是4種評價指標中用于分離不透水面和裸露土壤最有效的指數，同時BCI指數在不同分辨率下與不透水面豐度的關系也更加密切，其基本原理為纓帽變換后得到的亮度圖像中不透水面的反射率最高，綠度圖像中植被越茂盛亮度值越大，濕度圖像中含水量越高值越大。通過對歸一化處理后的亮度、綠度和濕度分量進行線性運算實現對不透水面信息的突出表示。

本文利用NDVI、BCI、SBAI、NDWI和NDUI 5種特征指數生成合成影像，每一種特征指數可以分別表征植被、不透水面、土壤、水域和山體陰影信息，強化不同地類之間的光譜特性差異，因此特征指數合成影像能夠增強波段之間的對比性，在基于先驗知識的純凈像元提取和地類識別方面有一定的優(yōu)勢。由于5個指數都進行了歸一化，因此波段的取值范圍在-1~1之間。

2.2 訓練樣本的選擇

監(jiān)督分類的過程實際上就是基于先驗知識，用已知類別的訓練樣本像元來確定未知類別像元的歸屬類別過程，因此訓練樣本的數量和精度直接關系到分類結果的精度。傳統(tǒng)通過目視解譯選擇訓練樣本的方法不僅費時費力，而且受到混合像元的影響難以保證訓練樣本的精度，降低了分類結果的可信度。因此本文首先利用最小噪聲分離法壓縮信息量，削弱波段間的相關性，使信噪比最大的信息集中在前幾個MNF分量中。然后通過設置閾值對純凈像元指數（pixel purity index，PPI）進行密度分割得到混合像元中的純凈像元，最后借助N維可視化分析器分析不同地類樣點的波譜特征曲線，從而得到不同的地類端元作為訓練樣本。本文將地表覆被看作是植被、不透水面、土壤、水域和陰影5種地類的組合，采用這種方法得到的訓練樣本極大地削弱了混合像元的影響，提高了訓練樣本的精度。5種地類端元在合成影像的不同波段形成的光譜曲線圖如圖2所示。

圖2 地物光譜曲線圖

2.3 不透水面提取和精度驗證

本文利用5種歸一化指數來強化不同地類之間的光譜差異，根據訓練樣本的光譜曲線特征通過最大似然法識別非樣本像元的歸屬類別。為了便于不透水面時空變化特征分析，將分類后得到的植被、不透水面、土壤、水域和山體陰影5種地類根據地類的透水性質進行類別合并，最終得到透水面、不透水面和水域3種地類，結果如圖3所示。

圖3 近30年南部山區(qū)不透水面專題圖

本文通過對土地覆蓋圖上的500個隨機點進行精度驗證檢驗分類結果的可信度。從總體精度、Kappa系數、綜合評價指標F值3個指標對提取的不透水面進行精度評價。總體精度反映提取的整體效果，Kappa系數是對提取數據與參考數據一致性的度量，F值是定量化評價不透水面提取結果的精度評價指標。對四期影像的分類精度評價結果如表1所示。

通過分析表1可知，基于特征指數合成影像的不透水面提取方法分類的總體精度均值約為0.92，總體分類精度較高。一般來說當Kappa系數的取值介于0.4~0.75之間時，判定分類情況與實際情況一致性良好，高于0.75時認為分類情況與實際情況一致性較高[19]。2000年和2010年的Kappa系數取值介于0.4~0.75之間，2020年的Kappa系數大于0.75，分類結果與實際情況的一致性均能滿足分類的精度要求。綜合評價指標F值通過將準確識別的不透水面像元數量、被誤分為不透水面的像元數量以及漏分的不透水面像元數量進行線性組合來綜合描述不透水面的提取精度。2000年、2010年和2020年的F值均在0.75以上，能夠滿足精度要求。相較于其他年份，雖然1990年的總體分類精度較高，但是Kappa系數和用以反映不透水面提取精度的F值偏低。這是由于當時還處于早期城市化階段，地類結構簡單，研究區(qū)內地類以透水面為主，城市建筑用地等不透水面的面積相對較少，作為不透水面驗證樣本的隨機點數量少因而導致Kappa系數和F值偏低。

表1 分類精度評價

3 濟南泉域補給區(qū)不透水面時空變化分析

濟南以泉聞名于世，其內部水系大多發(fā)源于南部的低山丘陵區(qū)，上游坡降較大，進入市區(qū)后坡降變緩，成為城區(qū)工業(yè)、生活污水的排泄河道[20]。同時，南部山區(qū)作為濟南泉域重要的泉水補給區(qū)和水源涵養(yǎng)地，不僅對濟南市的生態(tài)平衡有特殊意義，而且對于水資源的循環(huán)、調配和調控都起著舉足輕重的作用。為揭示南部山區(qū)不透水面的時空動態(tài)變化特征，本文對不透水面提取結果進行了擴展強度與擴展速率分析、土地利用類型轉移分析和不透水面重心遷移路徑分析。

3.1 擴展強度與擴展速率分析

擴展強度指數可以表征單位時間內不透水面擴展強度，擴展速率指數可以表征不透水面擴展的快慢[21]。本文通過對1990—2020年南部山區(qū)不透水面提取結果（圖3）進行統(tǒng)計分析得到了南部山區(qū)近30 a不透水面面積及擴展情況（參見表2）。根據表2可知，30 a間研究區(qū)的不透水面面積始終呈上升趨勢，共增長了211.37 km2，不透水面覆蓋率增加了25.97%。盡管面積增加是主體趨勢，但是不透水面的擴展速率和擴展強度卻顯示出明顯的階段性差異。1990—2000年建成區(qū)面積增長了103.85 km2，不透水面擴展速率為10.39 km2/年，擴展強度為24.71%。2010—2020年建成區(qū)面積增長了57.27 km2，不透水面擴展速率為5.73 km2/a，擴展強度為2.92%。這說明與經濟發(fā)展速度相適應，城市化建設前期不透水面擴張速率較高，擴張速率快且擴張強度大，但是城市化建設后期，受到城鎮(zhèn)用地規(guī)模的限制，濟南市主城區(qū)發(fā)展已逐漸達到飽和，不透水面開始由市中心向周圍地市擴張，擴展速率和擴展強度也逐漸趨于平穩(wěn)，這主要與城市化發(fā)展的階段性有關。

表2 1990-2020年不透水面面積及擴展情況

3.2 土地利用類型轉移分析

土地利用轉移矩陣是一種能夠定量描述不同土地利用類型之間轉化關系的統(tǒng)計矩陣，它不僅能夠反映研究期初、期末的土地利用類型結構，還可以反映研究期間內各土地利用類型的轉移變化情況[22]。本文以10 a為一個階段，通過計算土地利用轉移矩陣反映階段內透水面與不透水面的變換關系。

1990—2000年土地利用轉移矩陣如表3所示，不透水面覆被面積迅速增加，由不透水面變?yōu)榭赏杆仡惖拿娣e僅有13.37 km2，而由可透水的植被、土壤等變?yōu)椴煌杆娴拿娣e則高達116.89 km2，不透水面的增長速率遠遠大于綠化增長率，反映了濟南市城市化建設初期南部山區(qū)的不透水面面積迅速增長，城市化發(fā)展一味注重發(fā)展速度忽略了發(fā)展質量，大量的耕地、林地等透水地類被城市建設用地取代，森林、耕地破壞嚴重，環(huán)境問題日益加劇。

表3 1990-2000年土地利用轉移矩陣

2000—2010年土地利用轉移矩陣如表4所示，不透水面擴張速度顯著下降，一方面綠化面積開始增加，約為47.63 km2；另一方面地表硬化率也有所下降，透水面向不透水面轉化面積約為98 km2。這說明濟南市政府已經逐漸認識到了維持經濟發(fā)展與保護生態(tài)平衡的重要性，城市化發(fā)展進程開始由“量”向“質”轉變。

表4 2000-2010年土地利用轉移矩陣

2010—2020年透水面與不透水面轉變情況與2000—2010年相比變化不大，由不透水面變?yōu)橥杆娴拿娣e為46.58 km2，由透水面變?yōu)椴煌杆娴拿娣e為104.1 km2，透水面面積持續(xù)減少，不透水面仍然保持穩(wěn)步增長態(tài)勢，但是其增長速率趨于平緩。如表5所示。

表5 2010-2020年土地利用轉移矩陣

3.3 不透水面重心遷移路徑分析

不透水面重心遷移軌跡能夠定量描述城市擴張的方向和距離，南部山區(qū)不透水面重心遷移軌跡如圖4所示。1990—2000年、2000—2010年、2010—2020年的不透水面年均重心遷移距離分別為333 m/a、242 m/a和79 m/a，其中1990—2000年的不透水面年均重心遷移距離最大，2010—2020年的不透水面年均重心遷移距離最小，不透水面重心遷移量呈現出逐年率減小的特征。南部山區(qū)近30 a的不透水面重心持續(xù)向東移動，由市中區(qū)逐漸向歷下區(qū)遷移，但總體看，不透水面重心位置移動速度較為緩慢，主要在市中區(qū)與歷下區(qū)的交界地帶小范圍浮動。說明南部山區(qū)不透水面在空間上呈現出以市中區(qū)和歷下區(qū)為中心的均勻增長態(tài)勢，且增長重心逐漸由市中區(qū)向歷下區(qū)傾斜。

圖4 南部山區(qū)不透水面重心遷移軌跡

綜上，通過對不透水面提取結果進行擴展強度與擴展速率分析、土地利用類型轉移分析和不透水面重心遷移路徑分析發(fā)現，濟南市南部山區(qū)的不透水面時空動態(tài)變化具有如下特征：從時間上看，近30 a間濟南市南部山區(qū)經歷了城市化快速發(fā)展的時期，不透水面面積始終呈上升趨勢，整個泉域補給區(qū)的不透水面面積由1990年的42.03 km2增長到2020年的253.4 km2，擴張約6倍。盡管面積增長是總體趨勢，但是其增長速率逐漸趨于緩和，不透水面的擴展速率和擴展強度顯示出“初期快且強烈，后期趨于平穩(wěn)”的階段性特征。從空間上看，城市化建設前期不透水面面積的增加主要集中在歷下區(qū)和市中區(qū)，近些年長清區(qū)和歷城區(qū)也有明顯增加。從地類轉換來看，造成不透水面擴張速度顯著下降的原因有兩點，一方面綠化面積開始增加；另一方面地表硬化面積增量有所下降。從不透水面重心遷移特征來看，不透水面重心遷移量較小，在空間上呈現出以市中區(qū)和歷下區(qū)為中心的均勻增長態(tài)勢，且增長重心逐漸由市中區(qū)向歷下區(qū)傾斜。

4 結語

本文利用NDVI、BCI、SBAI、MNDWI、NDUI 5種遙感指數生成特征指數合成影像，突出了不同地類間的光譜差異，增強了光譜間的差異特征，實現了對濟南市南部山區(qū)不透水面信息的有效獲取。通過對獲取的不透水面信息進行擴展強度與擴展速率分析、土地利用類型轉移分析和不透水面重心遷移路徑分析，揭示了不透水面的時空動態(tài)變化特征，從而為南部山區(qū)地區(qū)的發(fā)展規(guī)劃和城市建設提供了科學參考依據。