張雨丹
(西南大學地理科學學院,重慶 400799)
高空間分辨率。高分辨率遙感衛星能夠獲得目標物的圖像,圖像分辨率達到米級亞米級,人們能夠從影像當中看到目標物的具體尺寸、形狀、結構及鄰域關系等。高空間分辨率影像能夠直觀地呈現地物的多種類型,如紋理類型,那么工作人員通過觀看目標物的影像,即可看清其紋理特征,進而分析目標物的變化情況,找出目標物的變化規律或者內在組成部分。
高時間分辨率。高分辨率遙感衛星是根據軌道方向,按照一定角度來進行左右側視的,進而獲取相鄰軌道下目標物的影像。因為高分辨率遙感衛星重復軌道周期為1~3天,所以基于同一地區所形成的影像時間間隔較短,能夠動態化地監測目標物變化情況。
光譜波段數減少。高分辨率遙感衛星容易受到信噪比、傳輸瓶頸的影響,通常會設置一個高分辨率全色波段和4個低分辨率多光譜波段,這就使得其光譜波段數較少,僅能在藍、綠、紅及近紅外范圍內進行光譜測量[1]。
單幅影像數據量有很大程度的增加。目前所應用的高分辨率遙感衛星具有高空間分辨率和高時間分辨率的特點,而高空間分辨率數據包括精準的地理信息及高精度的地形信息;高時間分辨率數據則包括具體的數據量,為中低分辨率數據的10倍以上。所以,高分辨率遙感衛星還具有單幅影像數據量較多的特性。
國外城市綠地信息提取是從20世紀80年代末開始的,伴隨著先進技術的不斷發展及相關學者的深入研究,提出了多種城市綠地信息提取的遙感方法,比如,多時相復合法、植被指數法、影像差值/比值法、分類后對比法、主成分分析法等。
與國外城市綠地信息提取研究相比較,國內研究起步較晚,是進入21世紀以后才逐漸開始的。回顧我國城市綠地信息提取研究歷程,具有典型代表性的研究是2003年江蘇省張家港市在國家級園林綠化城市申報過程能中,利用真彩色航空遙感影像技術來調查研究建成區綠地現狀,使得航空影像綠地信息提取步驟明確、方法準確;2004年大慶市在快速提取綠地信息過程中,采用多尺度分割技術,可提高綠地影像的分辨率,通過影像展示城市景觀綠地的基本面貌。
其實,在城市綠地信息提取方面,大量學者參與研究,并取得了一定的成果。比如,在廣州市綠地信息提取研究中,相關學者從宏觀角度和微觀角度進行深入分析城市綠地信息。在深圳市綠地信息提取研究中,相關學者采用了遙感和GIS相結合的技術手段,總結城市綠地特征及提取方法;在南京市綠地信息提取研究中,相關學者基于亮度指數和垂直植被指數,利用ETM+遙感影像來進行綠地信息動態化分析。
近些年,成都城市規劃急劇擴大,城市建設飛速發展,園林綠化更是跨越式發展,中心城綠地總面積不斷擴大,注重生態文明建設,意在打造“森林城市”。為此,在城市公園建設中對周邊主次干道兩側綠化予以設置與維護;在規劃區內進行植樹造林活動;基于公園內河流實際情況,加強生態治理,構建水系生態景觀等。本次城市綠地信息提取,就是圍繞城市公園綠地展開的。
成都高新區南部園區,以成都中心城為地標,它位于正南方向,占地面積約87平方千米。地處東經104°00′45″~104°01′43″和北緯30°31′40″~30°36′8″之間,東面臨近江區,南面臨近天府新區、西面臨近武侯區、北面臨近市區一環路。在該片區域內建設了商業建筑、住宅樓、道路等基礎設施。
研究資料收集主要是進行圖形數據資料收集及遙感影像數據資料收集。在圖書數據資料收集的過程中重點獲取野外勘察資料、社會經濟統計資料及基礎與專題圖件資料,從而掌握該城市綠化面積、綠化覆蓋指數、土地利用現狀圖、城市建設情況等。在遙感影像數據資料收集方面,則利用新型的高分辨率遙感衛星來獲得關于城市綠地的影像,從中提取數據信息[2]。
為了保證基于高分辨率遙感影像的城市綠地信息提取能夠良好地展開,準備的硬件有計算機、掃描儀等;準備的軟件有地理信息系統軟件、遙感圖像處理軟件、景觀結構分析軟件、圖像整飾軟件及其他輔助軟件。
3.4.1 高分辨率遙感衛星的應用
在本次城市綠地信息提取之中,選用于2013年發射的高分辨率遙感衛星(GF-1),將其應用于城市綠地影像獲取,不僅能夠獲得清晰的影像,還能夠保證影像覆蓋面較廣。利用高分辨率遙感衛星(GF-1)來獲取成都城市公園綠地影像,即:城市綠地影像及城市綠地波段1、2組合彩色影像。
對城市綠地影像加以研究可知,公園綠地影像的云量為0%,覆蓋面積較廣,且數據質量較高,能夠為進一步研究城市公園綠地提供參考依據。細致地觀看城市綠地影像,可以掌握城市公園綠地內所具有的覆蓋物,比如道路、建筑物、河流等。在此基礎上對城市綠地波段1、2組合標準假彩色影像加以研究,通過分析數據,即可掌握城市公園綠地的光譜特征、紋理特征及空間特征[3]。
3.4.2 城市綠地信息提取方法
為了能夠提取完整的、有效的、準確的城市綠地信息,首先利用高分辨率遙感衛星進行左右側視,形成城市公園綠地影像。在此基礎上利用地理信息系統軟件、遙感圖像處理軟件、景觀結構分析軟件、圖像整飾軟件等軟件進一步處理影像,從而提取所需的信息數據,并對信息數據予以整合分析,即可掌握城市公園綠地的基本特征。
為了能夠獲得具有較高應用價值的城市公園綠地整體技術路線圖,在獲取城市公園綠地遙感影像的基礎上,利用適合的軟件來對影像中所涵蓋的基本數據信息予以預處理,也就是圖像融合、自動以坐標系設置、正射校正及大氣校正,如此即可提高影像分類、明確關于綠地的植被指數及綠地光譜屬性值。在此基礎上面向城市公園綠地進行再次提取,具體的做法是調整綠地影像的分割尺度與合并尺度及提取綠地信息的規則,如此能夠掌握歸一化的植被指數,進而對城市綠地有植被區和無植被區予以準確地劃分[4]。
這里所說的歸一化植被指數(Normalized Difference Vegetation Index,NDVI)是指近紅外波段的反射值與紅光波段的反射值之差比上兩者之和,即:

式中,NIR為遙感影像之中近紅外波段的反射強度值;RED為可見紅光波段的發射強度值。
基于以上式可知,NDVI取值能夠客觀地反映影像的真實情況。若其取值較高,那么意味園區內綠色植被較多,而在常規情況下,NDVI的取值范圍為-1~1。所以,根據歸一化植被指數能夠很好地區別植被覆蓋區域和沒有植被覆蓋的區域。目前已經開發出可以計算歸一化植被指數的軟件,即ENVI5.1軟件,相關工作人員在從高分辨率遙感影像中提取城市綠地信息的過程中,可以利用以上軟件來計算歸一化植被指數,進而準確地判斷和區分植被覆蓋區域和沒有植被覆蓋的區域[5]。
3.4.3 實驗結果與分析
采用整體技術路線,基于高分辨率遙感衛星的應用來獲取關于城市公園綠地遙感影像,之后對影像予以預處理,即可整合數據信息,從而達到提高園區影響的空間分辨率的目的。與此同時,多光譜特性不僅不會受到影響,還會很好地保留下來。
需要特別說明的是相關工作人員應特別注意城市公園綠地影像的預處理,地這一環節中,如果未能按照標準要求來進行正射校正,那么會影響城市公園綠地信息的精準性。而要想真正做好正射校正,則需要將少量的地面控制點與相機結合,構建具有較高應用價值的校正公式,利用該公式來校正圖像,即可為后續更加精準地提取城市公園綠地信息創造條件。
在城市公園綠地影像預處理的過程中實施大氣校正的目的是消除大氣、光照等因素對圖像的影響,從而提高圖像的分辨率,為精準地提取綠地信息創造條件。在本次城市公園綠地影像大氣校正中還要注意慎重選擇校正工具,如果選用不當的校正工具,將會影響高光譜及多光譜數據的準確性。通常情況下,應用大氣校正擴展模塊下的快速校正工具。之所以能夠快速地完成校正,并且保證校正效果良好,是因為大氣校正定位在城市公園綠地上,按照經驗值來全面校正[6]。
在本次城市公園綠地信息提取中,按照歸一化植被指數來獲取綠地規則,主要是歸一化植被指數變化情況能夠準確地反映城市公園綠地植被覆蓋情況,即歸一化植被指數大于-0.15,表示生產綠地、附屬綠地、非植被覆蓋區域等;歸一化植被指數小于0.37或者在0.42~1范圍內,則能夠準確地區分綠地及防護綠地。之所以這樣說,是因為防護綠地的歸一化植被指數取值區間為0.37~0.42。此外,生產綠地的歸一化植被指數取值區間為-0.33~-0.15,附屬綠地的歸一化植被指數取值區間為-0.22~-0.18。通過準確計算歸一化植被指數,即可準確地掌握城市公園綠地規律,也就是防護綠地、生產綠地、附屬綠地等不同綠地的分布情況。
利用高分辨率遙感衛星(GF-1)獲取某城市內不同公園綠地信息數據,需要反復多次操作,以保證所獲得的遙感影像精準、有效,能夠反映不同公園綠地的特點。所以,在提取和分析城市綠地信息的過程中,要盡量避免參照同一城市不同地區的綠地影像,而是利用高分辨率遙感衛星來獲取目標物的影像,進而對影像進行預處理,之后基于精準度較高的圖像來計算歸一化植被指數,確定城市綠化規律,掌握城市綠地的基本特征,比如光譜特征、紋理特征及空間特征等,準確且良好地區分城市綠化類型。本次城市公園綠地信息提取研究,充分說明了高分辨率遙感影像的應用是非常必要的,能夠為綠地信息獲取與分析提供數據支持[7]。
城市綠地信息提取是非常必要的,能夠為分析城市綠地類型及基本特性提供參考依據。經過本文分析,確定要想準確地提取城市綠地信息,就需要科學合理地應用高分辨率遙感技術,獲得關于目標物的影像,進而對影像進行預處理,之后計算歸一化植被指數,判斷和區分城市綠地的類型。所以,基于高分辨率遙感影像的城市綠地信息提取對于城市綠地規劃及生態文明建設有著積極的促進作用,相關工作人員應當正確認識到這一點,掌握提取方法,以便在崗位工作中能夠快速且準確地提取城市綠地信息。■