基于TM影像的城市不透水面提取应用研究——以广州市为例

李　鹏，王永吉，邢武杰，陈耀辉

(中国矿业大学(北京)地测学院，北京 100083)



基于TM影像的城市不透水面提取应用研究
——以广州市为例

李鹏，王永吉，邢武杰，陈耀辉

(中国矿业大学(北京)地测学院，北京 100083)

摘要：遥感技术以其具有的数据获取速度快、探测范围大、受地形限制影响比较小等优点，在测量各领域中的应用变得越来越广泛。以广东省广州市为研究区域，通过对所获取的TM图像进行处理来提取城市的不透水面信息。详细分析基于生物物理成分指数BCI以及距离加权算法的应用，基于BCI指数对广州市进行不透水面的提取，以及基于距离加权算法对广州市的不透水面聚集密度进行计算，并通过IDL编程语句实现上述功能。最后通过分析结果得出该方法可以从大尺度范围上体现广州市不透水面的分布特征信息。

关键词：热岛强度等级;不透水面;BCI指数;距离加权算法

1不透水面及其研究方法论述

不透水面(imperoious surface)是指由各种不透水建筑材料所覆盖的表面,如由瓦片、沥青、混凝土、金属、玻璃等材料构成的建筑物屋顶、路面和停车场等[1]。不透水面覆盖度(imperoious surface proportion)是指单位面积地表中不透水面的面积所占百分比，它作为城市环境系统中的重要因素，已经被广泛应用于城市水文过程模拟、热岛效应分析等研究中[2]。随着近年来城市化进程的不断加快，导致不透水面覆盖区域频繁变化，利用传统的资料统计和监测方法已经很难及时获取最新的不透水面位置信息。遥感技术由于具有监测范围大、信息获取比较快等优势，已经成为地表环境监测的重要手段，从卫星图像中使用遥感技术方法提取的不透水地面信息，可以及时提供客观数据，紧跟城市化的步伐。

利用所获得的遥感影像数据进行不透水面提取的方法主要有主成分分析法以及建模法。王俊松等利用高分辨率遥感数据将主成分分析的部分波段组合，增强了不透水面信息与背景信息的反差，提高了不透水面信息提取的精度[3]。生物物理成分指数(Biophysical Composition Index,BCI)是通过将城市地表看作由植被、不透水面及土壤等三种基本成分组成，来区分城市地物的城市环境指数[4]。本文在对BCI指数进行分析的基础上，结合距离加权算法，建立一个新的复合空间来提取不透水面的信息，大大提高了信息提取精度。

2研究区及数据源概况

广州市地处广东省中南部，位于东江、西江、北江三条江流的交汇处，濒临南海[5]。研究区域的平均海拔为43.4 m，最高处海拔达到1 210 m，地势由北向南逐渐降低,东北部为中低山地；中部为丘陵盆地；南部为沿海冲积平原，是珠江三角洲的组成部分。

TM 影像指的是美国陆地卫星4～5号专题制图仪所获取的多波段扫描影像。一共分为7个波段。主要特点为影像具有较高的空间分辨率、波谱分辨率以及十分丰富的信息量和非常高的定位精度[7]。本文研究所使用的数据是Landsat8 TM 图像，轨道号为122/44，接收日期为2013-12-29，全景图像质量较好，无云及条带等影响。

3城市不透水面的提取

不透水面提取的技术流程如图1所示。

图1　技术路线

3.1BCI指数法

生物物理成分指数BCI由Chengbin Deng首次提出，其思想来源于Ridd提出的V-I-S模型(Vegetation-Imperious-Soil)，对于BCI指数，不透水面与其正相关且灰度值大于0，植被与其他土地覆盖灰度值小于0，且与植被覆丰度负相关，而土壤的灰度值接近0，这样可以将三种组分区分开。BCI指数与NDVI指数相比的优势在于：相比NDVI与不透水面相关性来说，BCI与不透水面的相关性则更强，且BCI与植被丰度的相关性及NDVI与植被丰度的相关性相当。相较于NDBI建筑物指数，BCI指数可以更好地区分光照土壤与高反照率不透水面。故总体来说，BCI指数比NDVI指数、NDBI指数更适合用来监测和分析城市环境。

根据Chengbin Deng提出的算法计算BCI指数，其具体计算公式为

(1)

式中：H为高反射率即归一化TC1分量，L为低反射率即归一化TC3分量，V为植被即归一化TC2分量。3个因子的计算公式为

(2)

(3)

(4)

式中：TCi(i=1,2,3)是前3个TC分量，TCimin和TCimax分别是第i个TC分量的最小值及最大值。

3.2距离加权法

以往对城市热岛效应所进行的遥感研究大多都是利用城市行政边界、城市不透水面以及土地分类等方法来区分城建区与郊区。对于广州市而言，在其行政区划范围内，除城建区外，还分布着山区、水库等大量非城建区，故不能以广州市行政边界区分城建区与郊区。

城市不透水面法也是城市热岛研究中区分城区与郊区的主要方法：城区、郊区分别为不透水面与透水面的分布区域，二者平均温度的差值可作为研究城市的热岛强度。城建区为城市用地相对集中分布的地区，包括城市不透水面以及相应建设的城市绿化带、公园等功能区域，如图2(b)所示，此方法会忽略城建区中植被、水体等下垫面类型对城市热岛的“降温作用”；同时，郊区中存在“零星分布”的不透水面，并不能作为城建区的一部分，如图2 (a)所示。由此可见，该方法无法真实地衡量研究城市的热环境特征。

图2　城建区与郊区不透水面分布对比

针对上述问题，基于城建区中不透水面聚集密度大，郊区中不透水面分布稀疏的特点，本节涉及的不透水面分布密度计算方法可衡量城市不透水面的聚集程度，并保证研究区域内下垫面类型的完整性，提高了研究内容的可靠度[9]。

某象元点的不透水面聚集密度描述了以该象元为中心，一定半径范围内不透水面的聚集程度与分布密度。平均值可提现半径范围内的分布密度。以距离作为权值，距中心点越近的不透水面权值越大，可衡量半径范围内建筑物的聚集程度。其具体计算公式为

(5)

式中：s为中心点象元，r为计算半径，Bsi为半径r范围内象元(不透水面象元值为1，透水面象元值为0)，Di为象元Bsi与中心点s之间的距离。

4广州市不透水面提取结果与分析

4.1基于BCI指数的城市不透水面提取

计算Landsat-8数据的BCI指数前，首先需对Landsat-8数据进行3步预处理工作：一是辐射定标；二是对水体进行掩膜；三是对Landsat-8数据进行穗帽变换(TC变换)。辐射定标采用Landsat-8使用手册中提供的定标系数[10]。根据水体利用归一化水体指数NDWI阈值法剔除。Landsat-8数据的穗帽变换采用的变换参数见表 1。

表1　Landsat-8数据穗帽变换参数

图3为广州市BCI指数分布情况。从图中可以看出，对于Landsat-8 BCI图像，城市区域BCI值偏高，呈红色；土壤及混合土地覆盖类型的BCI值接近0，呈黄绿色；植被的BCI值较低，一般小于0，呈现蓝绿色调。根据不同土地覆盖类型BCI值的分布情况，设定阈值为0.5，提取广州市不透水面如图4所示。可以看到，广州市不透水面分布主要集中在广州市辖区、花都区、番禺区以及增城区南部。

图3　2013-12广州市BCI指数

图4　2013-12广州市不透水面分布

4.2基于距离加权的不透水面聚集密度计算

以2013-12-29广州市不透水面分布图为例输入计算半径r=500 m、r=1 000 m下广州市不透水面聚集密度，如图5所示。

由图可以看到，r=500 m与r=1 000 m时广州市不透水面聚集密度的分布情况大体相同：主要集中在广州市辖区、花都区、番禺区以及增城区南部。番禺区不透水面聚集密度达到10%～25%；广州市辖中部、花都区中部不透水面聚集密度达到25%～50%；广州市辖区西南部、花都区南部不透水面聚集密度达到50%以上。

图5　基于距离加权的不透水面聚集密度

5结束语

基于城区中不透水面聚集密度大，郊区中不透水面分布稀疏的特点，本文提出了一种主要城市建区范围内不透水面的提取流程：基于BCI指数提取城市不透水面以及计算基于距离加权的不透水面聚集密度。由上述分析计算可以看出，在计算半径较小时，聚集密度对广州市不透水面的分布情况刻画较为精细，能准确描述不透水面在微观尺度上的分布情况，但破碎程度较高，不利于描述其整体分布情况；而计算半径较大时，不透水面的聚集密度“斑块”较大，可以从大尺度上体现广州市不透水面的分布特征。利用该方法可以较好地衡量城市不透水面聚集程度及其分布密度，且以此为依据提取城市主要城建区范围，可较好地区分城市行政区划内的城郊界线，并保证下垫面类型的完整性。城市不透水面的提取对研究城市生态系统变化以及城市热导效应都有积极的影响。

参考文献

[1]徐涵秋.城市不透水面与相关城市生态要素关系的定量分析[J].生态学报,2009(5):2456-2462.

[2]孙宇,吴国平,刘东.中心城区不透水地面的自动提取——以南京中心城区提取为例[J].遥感信息,2013(6):66-71.

[3]苟卫涛,余树影,刘军,等.高分辨率卫星影像正射纠正及其在地理国情监测中的应用[J].测绘标准化,2013(4):8-11.

[4]王靓. 多空间尺度的北京市热环境效应分析[D].北京：中国科学院遥感与数字地球研究所,2015.

[5]任鹏飞,甘淑,谢显奇,等.基于ETM～+遥感探测山地城市不透水面及其动态分析[J].水土保持通报,2013(5):109-112.

[6]徐涵秋.城市遥感生态指数的创建及其应用[J].生态学报,2013,24:7853-7862.

[7]李海峰.多源遥感数据支持的中等城市热环境研究[D].成都：成都理工大学,2012.

[8]戴建光,蔡海良.基于TM影像的城市建筑用地信息提取方法研究[J].现代测绘,2008(6):34-36.

[9]王浩,卢善龙,吴炳方,等.不透水面遥感提取及应用研究进展[J].地球科学进展,2013(3):327-336.

[10] 李玮娜.基于遥感技术的城市不透水面信息的提取应用[D].太原：中北大学,2013.

[11] 崔佳洁,李世明.高分一号卫星影像的融合方法比较研究[J].黑龙江工程学院学报,2015(3):12-15.

[责任编辑：郝丽英]

Application of urban impervious surface extraction based on TM image—taking Guangzhou City as an example

LI Peng,WANG Yongji,XING Wujie,CHEN Yaohui

(College of Geoscience and Surveying Engineering ,China University of Mining & Technology, Beijing 100083,China)

Abstract：Remote sensing technology with big fast data acquisition and detection range, and being affected by small terrain, the measurement is becoming more and more widely-applied to various fields. Taking Guangzhou City, Guangdong Province as the research area to extract the impervious surface information this paper uses remote sensing technology based on TM image. A detailed study is made on the biophysical component index BCI and distance weighted algorithm.BCI index method is used to extract the impervious surface information and distance weighted algorithm method to calculate Guangzhou aggregation of impervious surface density.At the moment, it is implemented by the IDL programming. The results show this method can reflect the distribution of the impervious surface in Guangzhou from the large scale.

Key words：sensing; impervious surface information; biophysical component index; istance weighted algorithm

中图分类号：TP208

文献标识码：A

文章编号：1671-4679(2016)01-0019-05

作者简介：李鹏(1990-)，男，硕士研究生，研究方向：遥感图像处理与应用.

收稿日期：2015-11-13