耦合夜光遙感的粵港澳不透水面提取及其熱島效應(yīng)研究

李偉,陳朝霞,周美玲

(1.廣州市城市規(guī)劃勘測設(shè)計研究院,廣東 廣州 510060; 2.廣東省城市感知與監(jiān)測預(yù)警企業(yè)重點實驗室,廣東 廣州 510060)

0 引 言

粵港澳大灣區(qū)建設(shè)已納入國家發(fā)展戰(zhàn)略,其城市化進(jìn)程不斷加快,城市化率超過80%。土地利用和覆蓋、城市范圍不斷擴張,不透水面也不斷增加。不透水面是一種能阻止水下滲到土壤的物質(zhì),包括自然不透水面和人工地表,而主要表現(xiàn)為公路、停車場、廣場、機場等人工建筑。城市不透水面的增加帶來植被、土壤和水體等自然景觀的減少,從而導(dǎo)致一系列生態(tài)環(huán)境負(fù)面影響,如城市內(nèi)澇、水文環(huán)境、城市熱島效應(yīng)、局地氣候等[1-3],進(jìn)而影響城市生態(tài)的可持續(xù)性[4]。因此,準(zhǔn)確理解不透水面特征,并分析其對城市熱環(huán)境的影響,對城市建設(shè)與功能優(yōu)化、生態(tài)保護(hù)等都具有重要意義。但目前對大灣區(qū)城市群密集不透水面的空間結(jié)構(gòu)特征及相關(guān)研究還較缺乏。

傳統(tǒng)的不透水面提取采用實地測繪,此方法成本高,投入多,數(shù)據(jù)難以獲取。而衛(wèi)星遙感為不透水面監(jiān)測及相關(guān)方研究提供了基礎(chǔ)。當(dāng)前基于衛(wèi)星遙感的不透水面提取主要有五種方法,如表1所示。第一種是光譜混合分析法,廣泛使用的是線性光譜混合分析法(LSMA),該方法具有較好的理論基礎(chǔ),主要是通過端元的相關(guān)波段的反射率及其面積比為權(quán)重系數(shù)的線性組合[5]。LMSA方法精度較高,但由于多光譜影像分辨率有限,純凈象元不易獲取,會造成水體和低反照率不透水面信息相混。唐菲等[6]基于高光譜影像的特征波段進(jìn)行端元選取,提取精度優(yōu)于TM/ETM+。第二種方法是指數(shù)法,目前已建立了NDISI等多種指數(shù)應(yīng)用于不透水面提取[7-10],該方法特點是精度高,不需要水體掩膜,且能融合多源數(shù)據(jù)構(gòu)建指數(shù),進(jìn)而進(jìn)行大樣本定量分析,并可聯(lián)合地表溫度等因子進(jìn)行分析,是目前應(yīng)用最廣泛的方法[11]。第三種方法是決策樹方法[12,13]。其中分類回歸樹(CART法)可有效處理大量數(shù)據(jù)、高維數(shù)據(jù)和非線性關(guān)系數(shù)據(jù),利于大范圍不透水面的提取。第四種方法是回歸法。Bauer等[14]人將Landsat TM/ETM+影像纓帽變換的綠度分量與 1 m的DOQ影像中獲取的不透水面比例信息進(jìn)行回歸分析,獲得二者的回歸關(guān)系模型,平均R2約0.87,但存在不透水面與裸土相混的不足。第五種方法是基于機器學(xué)習(xí)的方法[15-17],常用的有人工神經(jīng)網(wǎng)絡(luò)模型(ANN)、支持向量機(SVM)和隨機森林法(RF)。研究表明,人工智能分類比傳統(tǒng)分類方法有一定優(yōu)勢,但不透水面提取精度較大程度取決于訓(xùn)練樣本的數(shù)量和質(zhì)量。

表1 不透水面提取的主要方法

針對上述研究分析,本文結(jié)合VIIRS夜光遙感和植被等多源遙感數(shù)據(jù),計算LISI指數(shù),驗證模型精度,挖掘粵港澳城市2015年不透水面信息。并聯(lián)合地表溫度反演,分析城市熱島對不透水面的響應(yīng)特征。

1 研究區(qū)與數(shù)據(jù)處理

1.1 研究區(qū)概況

粵港澳大灣區(qū)(以下簡稱“大灣區(qū)”)包括廣州、深圳、珠海、佛山、惠州(不含龍門)、東莞、中山、江門、肇慶(市區(qū)和四會市)9個地級市以及香港、澳門兩個特別行政區(qū),位于亞熱帶季風(fēng)氣候區(qū),地形以丘陵、平原為主,總面積約為4.26×104 km2。考慮到產(chǎn)品數(shù)據(jù)的可驗證,本文研究區(qū)僅針對灣區(qū)的廣州、深圳、東莞和香港四個城市區(qū),如圖1所示。

圖1 研究區(qū)域

1.2 數(shù)據(jù)來源及預(yù)處理

本文采用的數(shù)據(jù)包括:Landsat/OLI光譜數(shù)據(jù)、VIIRS/DNB夜間燈光數(shù)據(jù)、MODIS NDVI數(shù)據(jù)、Landsat ETM數(shù)據(jù)以及Modis 05_L2數(shù)據(jù)。

VIIRS/DNB夜間燈光數(shù)據(jù)空間分辨率約 463 m,本文選取2015年VIIRS全年12期月均燈光數(shù)據(jù)的平均值作為年均燈光值(數(shù)據(jù)源:https://ladsweb.modaps.eosdis.nasa.gov/)。MODIS NDVI數(shù)據(jù)用于結(jié)合VIIRS/DNB數(shù)據(jù)進(jìn)行不透水面指數(shù)建模,提取不透水面信息。本文采用 250 m歸一化植被指數(shù)(NDVI)16d合成數(shù)據(jù)(數(shù)據(jù)源:https://ladsweb.modaps.eosdis.nasa.gov/)。Landsat/OLI多光譜影像空間分辨率為 30 m,本文一共選取2015年2景質(zhì)量較好且能覆蓋全域的Landsat影像,用于輔助不透水面回歸分析。Landsat影響均進(jìn)行了輻射定標(biāo)、大氣校正等預(yù)處理(數(shù)據(jù)源:https://ladsweb.modaps.eosdis.nasa.gov/)。MODIS 05_L2數(shù)據(jù)分辨率為 1 000 m,主要用于獲取大氣含水量信息,并結(jié)合Landsat ETM數(shù)據(jù),進(jìn)行地面溫度反演(數(shù)據(jù)源:https://ladsweb.modaps.eosdis.nasa.gov/)。

2 研究方法

本文技術(shù)路線圖如圖2所示。結(jié)合VIIRS夜光遙感和植被信息,計算LISI(Large-scale Impervious Surface Index)指數(shù)來表征不透水面,與基于Landsat數(shù)據(jù)選取的樣本點建立不透水面回歸,驗證方法的可行性,并與全球 30 m不透水面數(shù)據(jù)產(chǎn)品進(jìn)行對比,驗證LISI模型的提取精度。最后聯(lián)合反演的對應(yīng)地表溫度,分析城市熱島對不透水面的響應(yīng)特征。

圖2 技術(shù)路線圖

2.1 不透水面LISI指數(shù)計算

耦合處理后的VIIRS夜光和MODIS NDVI數(shù)據(jù),根據(jù)Guo[18]方法計算LISI指數(shù),核心公式如式(1)、(2)所示。

(1)

(2)

式中,DNBnor是歸一化后的VIIRS/DNB,取值范圍介于(0,1);DNBmean是年均值,因夜光值在一年中變化較小。DNBmax和DNBmin分別是VIIRS/DNB數(shù)值的最大值65和最小值0。

NDVImean是MODIS NDVI對應(yīng)時項平均值,MODIS NDVI與不透水面呈負(fù)相關(guān),使其與不透水面呈正相關(guān),則起平滑作用。如圖3為VIIRS年均夜光值及LISI指數(shù)。

圖3 2015年粵港澳四城市夜光年均值(左圖)及LISI不透水面指數(shù)(右圖)

2.2 地表溫度反演

本文采用單通道算法[19]反演地表溫度,該方法所需參數(shù)較少,廣泛運用地表溫度反演,且精度較高。如圖3和圖4分別為反演的地表溫度(2015年10月18日)及地表覆蓋類型。

圖4 反演的地表溫度(左圖)及地表覆蓋類型(右圖)

3 結(jié)果分析

3.1 精度驗證

本文首先將上述計算的LISI不透水面指數(shù)與基于Landsat/OLI影像利用文獻(xiàn)[5]得到的ISP(Impervious Surface Percent,不透水面比例)進(jìn)行模型對比,驗證LISI指數(shù)的可行性;并深入與國家地球系統(tǒng)科學(xué)數(shù)據(jù)中心發(fā)布的全球 30 m不透水面數(shù)據(jù)產(chǎn)品進(jìn)行對比,驗證LISI指數(shù)精度。該產(chǎn)品[20]是利用GlobeLand30地表覆蓋、VIIRS夜間燈光數(shù)據(jù)和MODIS EVI植被指數(shù)產(chǎn)品,自動提取高置信度人工不透水面分類的訓(xùn)練樣本。再利用多時相Landsat-8 OLI反射率特征、Sentinel-1 SAR結(jié)構(gòu)特征和SRTM/ASTER DEM地形特征等,采用隨機森林建模,基于GEE云平臺生成的2015年全球 30 m不透水面產(chǎn)品,總體精度為95.1%,kappa系數(shù)為0.898。

ISP不透水面是采用線性光譜混合分析法(LSMA)得到的四端元反射率地物,并將高反射率和低反射率地物相加確定為不透水面,存在不透水面象元漏測現(xiàn)象。如圖5為兩種方法不透水面的對比,相關(guān)性R2約0.62,兩種方法可直接象元級尺度對比。

圖5 LISI不透水面指數(shù)與ISP方法的對比

深入地,將LISI指數(shù)與全球2015年不透水面產(chǎn)品數(shù)據(jù)對比。由于公布的產(chǎn)品數(shù)據(jù)柵格數(shù)值是2和1,分別對應(yīng)不透水面和透水面。因此,將LISI指數(shù)采用均值-標(biāo)準(zhǔn)差方法進(jìn)行等級劃分,劃分標(biāo)準(zhǔn)如表2所示,其中均值U=0.064 182 8,標(biāo)準(zhǔn)差STD=0.060 682 6。

表2 不透水面劃分標(biāo)準(zhǔn)

尺度統(tǒng)一后,將分級后的中等不透水面及以上等級劃為實際不透水面(圖6),與不透水面產(chǎn)品(圖7)對比,相關(guān)系數(shù)R2=0.888 2,精度較高,驗證了LISI指數(shù)表征不透水面的可行性,且兩者在空間分布上具有較好的一致性。

圖6 2015年研究區(qū)不透水面等級分布圖

圖7 2015年研究區(qū)不透水面產(chǎn)品影像

3.2 不透水面的空間結(jié)構(gòu)特征分析

如圖8為灣區(qū)四城市不透水面地表類型及面積占比分布。結(jié)果表明:不透水面分布存在空間差異,其總體分布等級變化趨勢由北向南逐漸增加。5個分類級別中,面積排序依次由大到小依次為:較弱不透水面(28.10%)>弱不透水面(26.18%)>中等不透水面(16.75%)>強不透水面(16.11%)>較強不透水面(12.86%)。面積最大的較弱不透水面和面積第二大的弱不透水面面積比例之和為54.28%,超過50%,這與研究區(qū)北部存在大面積林地植被地類有著密切聯(lián)系。

圖8 不透水面類型及密度比例

根據(jù)2015年研究區(qū)不透水面等級分布數(shù)據(jù)與地類分布數(shù)據(jù)進(jìn)行面積交叉統(tǒng)計分析,結(jié)果顯示,植被地類中不透水面等級占比中、弱不透水面和較弱不透水面兩者比例之和超過80%,這也解釋了整體不透水面的等級分布中較弱不透水面及弱不透水面面積之和遠(yuǎn)大于其他等級;建筑地類中,最大占比等級為強不透水面,占比40.27%,在一定程度上說明建筑地類與強不透水面間的關(guān)系;裸土地類則是由較弱不透水面占比最高,但裸土地類存在自然裸土與人工裸土之分,因此也出現(xiàn)強不透水面比例在裸土類也有著21.56%的占比。研究區(qū)地類分布則與不透水面等級分布情況較為吻合,與面積比例統(tǒng)計表格中各地類最大值不透水面等級分布相同。

3.3 城市熱島對不透水面的響應(yīng)關(guān)系分析

反演的地表溫度與地基實測站點對比,如表3所示,兩者具有較好的一致性,精度較高。進(jìn)而將2015年研究區(qū)的地表溫度按照均值-標(biāo)準(zhǔn)差劃分,標(biāo)準(zhǔn)如下表4所示,其中均值U=301.378,標(biāo)準(zhǔn)差STD=3.661 80。

表3 反演的地表溫度與地基站點精度驗證

表4 研究區(qū)城市熱島劃分標(biāo)準(zhǔn)

2015年研究區(qū)的地表溫度按照均值-標(biāo)準(zhǔn)差分級,結(jié)果如圖9所示。與研究區(qū)地類分布圖對比可知,地類關(guān)于地表溫度分級排序依次為:建筑>裸土>植被。研究區(qū)的地表溫度等級由城市建筑中心地帶向外緣逐漸降低,其中城市中心的地表溫度等級明顯比周邊地帶高,有明顯的城市熱島效應(yīng)。

如圖10所示,根據(jù)熱島等級分布圖中各等級分布的空間位置,其分布等級也呈由北向南逐漸增加,與不透水面等級分布規(guī)律基本相同。結(jié)合不透水面分布與地類關(guān)系、地表溫度與地類關(guān)系可發(fā)現(xiàn),地表溫度分布和不透水面分布均與地面地類緊密聯(lián)系,因此地表溫度與不透水面分布之間也應(yīng)存在對應(yīng)聯(lián)系。通過熱島等級分布面積與不透水面分布面積進(jìn)行交叉統(tǒng)計,不透水面等級在不同地溫分級中面積最大者隨著地溫分級的不同而改變。冷島與綠島中最大不透水面分級均為弱不透水面,占比為69%和51%;正常區(qū)中面積最大為較弱不透水面;較熱區(qū)與強熱島則是強不透水面所占面積最大。通過統(tǒng)計結(jié)果,可初步得出結(jié)論,不透水面等級與熱島等級成正比例關(guān)系。

圖10 熱島等級對不透水面等級交叉統(tǒng)計面積比

4 結(jié) 論

本文結(jié)合VIIRS/NPP夜光數(shù)據(jù)與Landsat8數(shù)據(jù)等多源數(shù)據(jù),基于LISI指數(shù)法反演了2015年粵港澳灣區(qū)四個城市不透水面,并與傳統(tǒng)的線性光譜混合法(LSMA)進(jìn)行了對比,同時結(jié)合不透水面產(chǎn)品數(shù)據(jù)進(jìn)行了不透水面地表類型、空間結(jié)構(gòu)等方面的深入分析;再結(jié)合反演的地表溫度,分析了不透水面與城市熱島效應(yīng)的關(guān)系。主要得到了如下結(jié)論:

(1)基于LISI指數(shù)表征的不透水面,與耦合大數(shù)據(jù)及機器學(xué)習(xí)方式的不透水面產(chǎn)品相關(guān)性較高,R2=0.888 2。能較高精度挖掘不透水面密度及其時空特征,且高效便捷。

(2)針對全球近地面CO2年均濃度,則呈逐年增長趨勢,且呈條帶分布。高值區(qū)集中在北半球,南半球則相反。高值區(qū)主要集中在東亞地區(qū)、西歐地區(qū)、美國東部和非洲中部地區(qū)。

(3)因此,為改善城市熱島效應(yīng),可以采取以下措施:減少強不透水面,增加弱不透水面面積;減少裸土與建筑面積,增加植被面積。