基于多光谱影像的伪绿化率对地下水影响研究

王铁生，武 珂，王志瑾，刘 辉

（华北水利水电大学，河南 郑州450045）

随着我国城镇化的不断推进，在城区地表绿化不断改善的同时，地下空间不断被开发，这种地表浅层绿化对应地下空间不断扩大的现象，造成实际硬化面积不断增大［1］。实时获取城市硬化面积对城市规划很有必要。地下工程较为隐蔽，对遥感应用于实际地面硬化率的精度估算有较大影响，实地踏勘可提高地面硬化率估算精度［2］。

目前城市化造成地下水位下降，引起一系列环境问题，特别是地面硬化率过大切断了大气降水对地下水的垂直补给。大多数城市规划者强调提高地表绿化率应对城市热岛效应影响，但这并不能从根本上解决问题。笔者提出伪绿化面积的概念，并在小范围区域对地下水补给量损失进行了评估。伪绿化面积是指一部分地表硬化面积上覆盖有薄层土壤，再在上面种植植被进行绿化，这部分面积留存的降水大部分蒸发、少量下渗经市政管网排走。规划部门将伪绿化面积归于城市绿化面积，而实际上这部分面积应属于地表硬化面积，减少真正的地表硬化面积才是解决问题的关键［3-5］。本文首次提出基于伪绿化面积的遥感宏观监控地表硬化面积方法，将隐藏在地下硬化而地上绿化的伪绿化面积提取出来进行估算，使其更接近地面真实硬化率，从而利用遥感技术对地面硬化率及其对地下水补给影响提供更加实用和精确的计算分析方法。

1 研究区概况及数据来源

1.1 研究区概况

郑州市金水区处在华北沉降带开封坳陷区西南边缘、黄河冲积扇形平原南翼的顶端，面积242.1 km2。全区多年平均降水量568.6 mm，平均水面蒸发量为860 mm，水资源总量为31 330万m3，人均水量450.7 m3，年平均利用黄河水2 523万m3。近10 a来，随着金水区的城市化发展，出现了大量的房地产开发项目，地面硬化率提高而绿化率降低，对地下水循环特别是垂向补给阻断影响加大［6-9］。在城市地面硬化率提高的同时，一定程度上切断了大气降水垂直补给通道，造成城市地下水漏斗现象加剧［10-14］。

1.2 数据来源

本研究所用的遥感数据是同一时相下2018年8月Landsat7 TM与WorldView-2全色卫星影像。TM多波段影像具有较为丰富的光谱信息，但空间分辨率低（为30 m）；WorldView-2单波段全色图像信息少，但分辨率高（为0.5 m）。研究区相关数据源自《2018年河南省水资源公报》《河南统计年鉴2018》等文献。

2 伪绿化研究方法及面积获取

2.1 研究方法

根据研究区相关数据，将降水补给地下水的理论值与实际值之差作为因变量、地面硬化面积变化量作为自变量，建立线性关系模型并采用最小二乘法求解。查阅文献获取研究区平均地表径流系数和年平均降水量，普查资料表明研究区内不存在大规模持续性开采地下水行为，地下水年允许开采量13 876万m3，全年黄河侧渗补给量700万m3。排除人为及河流对地下水生态自我修复的影响，反演地面伪绿化面积对局部降水补给地下水的影响，具体流程如图1所示。反演伪绿化面积A计算公式为

其中:

式中:QI为研究区理论降水补给地下水量，m3；QT为研究区实际降水补给地下水量，m3；β为降水入渗补给系数，取0.76；G为多年平均降水量，取0.568 6 m；F为补给区面积，m2。

2.2 伪绿化面积获取

2.2.1 特征集选取

建筑指数IB I是基于土壤调节植被指数SVAI、归一化建筑指数NDBI以及改进归一化水体指数MND-WI［6］这3个波段专题指数计算得到的。3个波段专题指数计算公式分别为

图1 研究方法流程

式中:MIR、NIR、red、green分别为中红外波段、近红外波段、红光波段和绿光波段像素的亮度值；a为0～1之间的土壤调节因子。

IBI计算公式为

把TM影像4、3、2波段合成彩色图像以便于识别地物，完成图像尺寸调整后与WorldView-2全色波段影像融合成0.5 m高分辨率影像产品，从图像中裁剪出感兴趣的区域，然后依据各波段组合特性提取7个重要特征指标:植被指数（NDVI）、水体指数（NDWI）、建筑指数（IBI）、生态指数（RSEI）、叶面积指数（LAI）、地表温度（LST）、地表反照率（RNI）。

2.2.2 支持向量机（SVM）分类器

支持向量机（SVM）分类器是一种线性分类器，要求分类选择的对象是线性可分的。但本研究分类样本为非线性可分的，所以要引入核函数将低维空间的非线性可分数据变成高维空间线性可分数据，从而划分出分类超平面。根据训练样本少和高维非线性的分类问题，选择高斯核函数公式:

式中:x1、x2为两种类别样本；σ2为高斯正态分布参数方差，本研究取0.57。

可根据实际需要灵活选取参数σ，甚至还可将原始维度空间映射到无穷维度空间。若σ取值很大，会导致高次特征参数对应的权重衰减快；若σ取值很小，会将任意的数据映射成为线性可分，容易造成过拟合现象。选取建筑用地（非渗水）、耕地、林地、草地、水体、裸地6大类训练区样本，将程序中分离性参数阈值设置为1.9，获取的训练样本用于执行SVM监督分类。分类结果得出建筑用地分类精度为97.06%，总体kappa系数为0.968。分类后有效提取地面硬化面积进行地面硬化率估算，分类结果如图2所示。

图2 研究区SVM分类结果

2.2.3 反演伪绿化面积

在只考虑地表硬化的情况下，将统计建筑用地像元或者地表硬化面积转换为矢量格式后计算不透水面积。经统计，提取的不透水面积占整个研究区面积的38.3%，由研究区面积242.1 km2，可得硬化面积为92.7 km2、可补给入渗面积为149.4 km2。理论降水补给地下水量约为430万m3，由年鉴资料查得实际降水补给地下水量约为220万m3，代入式（1）可得隐藏硬化面积为48.42 km2，约占研究区总面积的20%，这部分面积包括防渗河道、极浅层地表绿化、城市地下空间配套基建等，统称为伪绿化面积，其减少的降水垂直补给地下水量（即损失量）约为210万m3。

3 结果与分析

为了进一步验证遥感技术手段获取研究区伪绿化率的准确性及其对大气降水入渗的影响，选择3个典型新建社区，通过实地踏勘与收集已有年鉴资料进行对比分析。踏勘所得主要指标数据见表1。

建设前地表径流量W的计算公式为

式中:α为径流系数，本文取0.17。

表1 踏勘所得主要指标数据

建设后地表径流量W的计算公式为

式中:α1为绿化区径流系数，本文取0.17；α2为硬化区径流系数，本文取0.86；F1为有效绿化面积（去除伪绿化面积）；F2为硬化面积（计入伪绿化面积）。

各指标计算结果见表2。

表2 指标计算结果

由表1和表2可知，社区绿化率为33.8%～35.5%，地表硬化率为50.9%～54.7%，经测算绿化面积与地表硬化面积重叠的面积占建设用地的18.2%～21.2%，实地测量的伪绿化率与本文利用遥感技术手段获取的宏观伪绿化率20%相符，也就是隐藏面积中的18.2%～21.2%的降水量不能补给地下水，只能作为土壤水或者多余雨水径流被排泄，只有10%～15%的绿化面积接收降水入渗补给地下水。建设前与建设后相比，地表径流增长量约为建设前的1.9倍，年平均降水补给地下水损失量占建设前补给量的85.3%～87.1%。本研究区反演提取的不透水面积占比约38.3%，伪绿化面积占比约20%，即实际地面硬化率约58.3%，与实际踏勘情况相符。

4 结 论

（1）用遥感手段监测城市地面硬化率是一种较为方便实用的宏观手段，在城市化进程中能快速有效地观测出地面硬化面积，可为城市规划者提供实时信息。

（2）利用反演算法得出研究区不透水面积占比约38.3%，伪绿化面积占比约20%，即实际地面硬化率约58.3%，伪绿化面积对降水补给地下水损失量为210万m3。

（3）实地踏勘可对遥感技术得出的地表硬化率进行有效补充。