基于TM影像的喀斯特流域不透水面提取＊

伍 倩，吴建峰,2，赵彬洋 ，王太龙

(1.贵州师范学院，贵州 贵阳 550018；2.贵州省流域地理国情监测重点实验室，贵州 贵阳 550018)

不透水表面(Impervious Surface)主要指自然不透水面(如裸岩)或人工不透水层，人工不透水层隔离地表水下渗到土壤，割断了地表与地下水文联系，主要由道路、停车场、广场及屋顶等建筑物组成多种类型的人工建筑物区域[1]。城市化进程正在全球范围内以前所未有的速度进行着，是20世纪以来最为显著的人类活动过程[2]。城市的快速扩展和大量建设开发使得城市下垫面结构及性质发生了巨大转变，世界范围内的地表在近100年内里发生了约40%的变化[3]，使得原来具有较高生态价值的植被、水源地等生态用地逐渐被众多的人工不透水表面所代替，不透水表面大面积扩张，已经成为生态环境问题的重要指标。

喀斯特流域在宏观上表现为二元水文结构，即喀斯特流域在整体上有调控流域水文过程地表、地下两套地貌结构场，并形成地表、地下两个水系，但由于快速城镇化导致部分喀斯特流域不透水表面大面积扩张，打破了喀斯特流域二元水文结构的平衡。不透水表面不断增加，阻隔了地表水进入到土壤下垫面，甚至割断了地表与地下水文的之间联系，改变了区域水循环过程[4,5]，影响喀斯特流域地表径流、水文循环、水体质量、局部气候、生物栖息地等，并呈现出日益强化的趋势[6]。因此，研究喀斯特流域不透水表面对于剖析人类活动干扰下的流域生态水文过程特征、有效开展水资源管理、科学实施流域生态建设等方面具有重要意义。

本研究以城关河作为研究区域，重点研究城市化快速发展进程所带来的城市不透水面迅速增长的问题。应用TM数据提取城关河不透水面，继而结合ArcGIS的制图分析功能对所得出的研究结果做进一步的分析。研究成果可以为城区防洪设计、减少洪涝灾害、城市规划与环境治理提供理论参考与应用借鉴。

1 研究区域概况

普定县位于贵州省西部。地处东经105°27'49"-105°58'51"，北纬 16°26'36"-26°31'42"之间。普定城关河小流域位于贵州省普定县，流域面积71.7km2，城关河发源于流于西南部，自南向北注入三岔河夜郎湖水库。普定县城建城区全部位于流域内部，近年来流域不透水表面快速增加，是典型城镇化工业化驱动下的不透水表面增加区域。流域内白云质碳酸盐岩出露比例达90%，为典型喀斯特小流域。随着流域近年来农业产业结构调整和石漠化治理、退耕还林等工程实施，流域地表覆盖变化较快，是贵州地表覆盖快速变化的典型性代表小流域。

2 研究数据与方法

2.1 研究数据

本文数据源为研究区2017年9月的TM遥感影像，空间分辨率为30m，投影坐标系为WGS_1984_UTM_Zone_49N，无云和条带影响，影像质量较好，数据经过初步辐射校正和几何校正，最后裁剪得到城关河TM影像，如图1所示。

图1 研究区TM影像图

2.2 研究方法

面向对象的分类方法是一种智能化的自动影像分析方法，主要分为影像分割与信息提取，该方法分类的最小单元是由影像分割得到的同质影像对象即图斑，而不再是单个像素，可以实现较高层次的遥感图像分类和目标地物提取。通过该方法先对遥感图像进行分割，再根据遥感图像分类或目标地物提取的具体要求，检测和提取目标地物的各种特征，从而达到对遥感图像进行分类或目标地物提取的目的[7]。

本文利用面向对象技术方法提取不透水面信息，首先采用不透水面最小面积原则确定最适宜尺度进行分割，然后选用最邻近分类法进行影像分类，最后对阴影进行甄别及剔除，提取不透水面信息。

3 结果与分析

3.1 影像分割与提取

影像分割是采用影像分割技术生成不同的影像对象的过程，针对不同的地物采取不同的分割尺度，构建尺度网对影像进行分割。目前较常用的分割算法主要有基于纹理特征分割、基于知识影像分割、分形网络演化分割等算法，考虑到分割后对象特征异质性最小，本文采用基于边界的分割算法进行影像分割。分割算法采取基于边缘检测经过反复试验，经过目视观察对比，采取的分割阈值为70，合并阈值为80，得出的提取效果最佳。

3.2 影像分类

本文采用最邻近分类法进行分类[8]，将影像对象分为不透水面、裸土、植被和水体4种土地类型，该方法与监督分类相似，但是其针对的是影像对象而不是单个像元，其原理是通过选择典型的样本统计该地物类型的特征，以该特征为中心，通过计算未分类对象中用于分类的特征与样本统计特征之间的距离，该对象最终会划分到距离近的样本类型中。在实际操作过程中，需要为每一个类别选取样本对象，样本对象选取的多少与是否准确对分类结果有直接的影响[9]。因此，本论文针对确定的4种城市基本组分土地覆盖类型的对象作为训练样本，在分类过程中根据分类的效果来调整样本以达到最佳的分类效果，分类结果如图2所示。

图2 研究区信息提取图

3.3 不透水面信息特征分析

随着分类的类别进行样本的选择，用地类别会随着分类方法的不同和分类类别的细化可呈现不同的提取效果展现不同的提取信息，城市不透水面的提取效果和分类方法以及类别分化有一定影响，本文获得的城关河信息提取图如图2所示。研究区范围面积为71.7km2，其中，分类的植被面积为28.8 km2，水体为 1.6km2，裸土为 22.8km2，不透水面面积为18.5km2，不透水率为25.8%，植被主要分布在研究区东西两侧的山地，主要集中在东部沿线和西北部区域，水体主要集中在研究区北端和东南端的两个地方，裸土主要集中在不透水面周围区域，该区域为研究区相对较平缓地方，不透水面主要为道路、屋顶、硬化院坝等人工建筑物，主要分布在研究区的西南部的人工建筑集中区域以及零星分布在其他地方的道路和人工建筑物区域，单独制作研究区不透水面分布如图3所示。通过目视对比遥感影像，分类结果与实际情况较吻合，分类结果有一定参考性。

图3 城关河流域不透水面分布图

4 结论

1）由于分割类型和分割尺度的不同，所以不透水面的提取效果也不同，面向对象的分类方法是基于几何信息、结构信息以及光谱信息进行影像分类，经过本次实验研究，该方法适用于中高分辨率多光谱或全色影像。另外，尺度的选择直接决定分割效果的好坏。

2）研究区提取的不透水面面积为18.5km2，不透水率为25.8%，不透水面主要为道路、屋顶、硬化院坝等人工建筑物，主要分布在研究区的西南部的人工建筑集中区域以及零星分布在其他地方的道路和人工建筑物区域。

本文仅在TM影像分类方面进行了初步的尝试，方法较单一，进一步准备在不同分辨率、不同尺度影像和不同方法上进行研究，以期实现在不同环境和条件下不透水面信息的高精度提取。