基于长时序Landsat数据的城市绿地定量遥感监测研究

黄 健 邓 琳 魏远航 廖 栩

(1. 重庆市规划和自然资源调查监测院 重庆 401120;2. 重庆市土地利用与遥感监测工程技术研究中心 重庆 401120)

0 引言

城市绿地是城市景观中不可或缺的组成部分,也是城市生态环境和人民生活水平及社会发展的重要标志,其形成和发展受到自然和人文多种因素的共同作用与影响。作为城市形态与城市结构中的元素之一,城市绿地在城市建设和城市发展中发挥着重要的作用。城市绿地受人为因素影响强烈,具有高度的空间异质性,而且景观变化迅速,采用单纯的地面监测方法不仅费时、费力,而且不能满足生态环境管理与决策的需要。遥感具有宏观、综合、动态和快速获取数据的优点,在城市绿地监测方面具有独特的优势[1-2]。近年来,研究人员提出了多种方法用于从遥感影像中提取城市绿地信息[3-4],如张友水等人[5]通过分级分类提取并掩膜的方式提取了城市绿地信息。黄慧萍等人[6]以航空影像为数据源,设计了绿地调查分类系统,以多尺度分割技术为基础,实现以影像对象为基础的类别自动提取。

然而,目前利用遥感数据对城市绿地的监测还主要依赖于分期制图[7],遥感定量化水平比较低,其时间探测精度低,动态更新费时费力,且不能充分利用长时间序列卫星数据优势,遥感数据时相、定量化处理、分类标准差异、人员主观因素等给城市绿地的监测带来很大的不确定性。随着遥感技术的不断发展,定量遥感技术成为近年来的研究热点,并在森林动态变化、水质监测、气候变化监测等方面的发挥了重要作用。定量遥感技术通过对遥感影像进行定量化、标准化处理,并建立统一的反演模型或分类算法,应用于多期遥感影像的信息提取,这对于传统的分期制图法是一种革新。本文基于长时序定量化Landsat数据,设计了一种城市绿地遥感监测指数,建立了一种城市绿地自动提取方法,以期为城市绿地监测提供了一种全新的方法。

1 研究区与数据

本文以重庆主城区为研究区。重庆地处丘陵山区,市区海拔最大高差约220 m,属于典型的大型山地城市。由于用地的复杂多变,山地城市形态以及其绿地系统形态与平原城市有很大不同,其绿地斑块在类型、形状、分布等各方面均体现出独有的特征。同时,在城市建设发展过程中,重庆多次将城市绿地建设作为重要发展指标。因此,在重庆开展城市绿地遥感监测研究具有重要意义,能够为城市绿地发展规划编制和动态调整提供科学支持。

根据重庆市城乡总体规划(2007—2020年),重庆主城9区面积为5 473 km2,其中中心城区(核心区)约为1 062 km2,中心城区位于中梁山、铜锣山之间,是主城建设的主要区域和旧城所在地。由于重庆主城区中的外部区域包含较多的农村区域,因此本项目以中心城区1 062 km2覆盖范围为研究区。

本文中所用的美国陆地卫星(Landsat)系列数据包括重庆主城区1986年到2017年的24期数据,所有Landsat数据获取时间如表1所示,传感器包括Landsat 5(L5)和Landsat 8(L8)。重庆主城区核心区域涉及Landsat的条带为全球参考系统(worldwide reference system,WRS-2)P128/R39、40。对于表1所示数据,首先进行辐射定标,然后采用相对辐射校正和大气校正相结合的方法进行定量化处理[8],得到地表反射率数据。

表1 本文所用Landsat数据列表

2 城市绿地提取算法

2.1 城市绿地遥感光谱特征分析

本文收集的长时序遥感影像覆盖5—9月份,考虑到城市绿地在生长季的不同阶段的光谱会有差异,因此构建城市绿地遥感特征时不能只采用一个时期的数据,而应考虑植被物候的影响。本文综合考虑时序数据的获取季节和可供参考的历史高分辨率遥感影像,最终选择6景影像(表2)选择样本数据。这6期遥感影像覆盖了植被生长季的不同月份,且对应年份的高分辨率遥感影像齐全,便于选择样本。

表2 不同月份影像城市绿地样本统计参数

利用上述6期数据,并结合各期数据对应的高分辨率遥感影像,分别选择各期影像的城市绿地样本。城市绿地样本在高分辨率遥感影像中选择,且在大面积的城市绿地中选择,样本距绿地边缘的距离大于100 m,样本选择完成后根据坐标信息映射到Landsat影像中。每年的样本数在Landsat影像中大于5 000个像元。同时,为了分析城市绿地和其他主要地物的差异,还采用相同方法选取了建设用地(包括道路)和裸土两种地物样本,然后分别统计三种典型地物的均值光谱曲线。统计结果显示,城市绿地为典型的植被光谱特征,在蓝绿红波段的反射率值都较小且绿波段比蓝波段和红波段都大;在近红外呈现高反射率特征,然后在短波红外反射率值逐渐降低。裸土与城市绿地在蓝绿波段差异较小,在红波段之后差异增大。建设用地与城市绿地在蓝绿波段的曲线趋势一致,在红波段之后曲线形状和值的大小均有较大差异。以上分析表明,设计城市绿地的遥感特征指数,应主要考虑Landsat的波段3、波段4、波段5、波段7。

2.2 城市绿地遥感光谱指数

本文参照Huang等人[9]提出的森林概率指数模型,设计了城市绿地概率指数(index of urban greenspace,IUG)模型,其计算公式为

利用前文所述的6期影像和城市绿地样本数据,统计了各期影像的样本均值和标准差,如表2所示。

图1 不同区域地物的时序IUG曲线

根据Gi和GIU的定义,并结合图1,可知GIU的大小与某一像元是城市绿地的可能性成反比,即GIU越接近0,该像元是城市绿地的可能性越大。对于稳定的城市绿地,鹅岭公园的时序GIU均小于2,而对于稳定的非城市绿地,朝天门的时序GIU均大于5,对于城市绿地地物向非城市绿地地物的转变(国博中心)以及非城市绿地地物向城市绿地地物的转变(鸿恩寺公园),在时序GIU中均有明显的变化,其变化时间也与实际情况符合:公开资料显示,重庆市政府在2009年5月确定在悦来建设重庆国博中心,在时序GIU曲线中,2009年的值为1.25,随着建设的开始,2010年GIU值增大为7.74。

2.3 城市绿地识别算法

利用前文选择的6期城市绿地样本,并结合对应的IUG影像,统计城市绿地的GIU值分布规律。统计结果显示,在城市绿地样本直方图中,累积频率0.99对应的GIU值为3.81,0.98为3.06,0.95为2.46。考虑到样本中可能存在少量像元为非城市绿地,本文以GIU值小于2.46作为城市绿地判断阈值。具体算法如下:

(1)采用Fmask云检测算法[10]进行云识别。

(2)水体识别。根据反射率数据计算归一化差异水体指数(modified normalized difference water index, MNDWI),以Im表示，然后提取Im大于0.2且波段7反射率值小于0.1个像元为水体。Im计算公式为

(3)

式中,ρG和ρMIR分别为绿波段和中红外波段的反射率,在Landsat中分别为波段2和波段5。

(3)以GIU小于2.46提取为城市绿地。

根据城市绿地提取算法,对2017年获取的研究区遥感影像进行城市绿地提取,部分提取结果如图2所示。

图2 研究区2017年典型城市绿地提取结果

图2为2017年研究区的三处典型城市绿地提取结果。图中结果显示,通过IUG模型将多波段数据转换为单波段数据后,城市绿地和建设用地区别明显,城市绿地的像元值明显低于建设用地像元值;基于IUG影像建立的城市绿地提取算法可有效提取对城市绿地进行识别,图中三个典型城市公园绿地的提取结果都较好。

同时,本研究也对比了本文方法和基于归一化植被指数(normalized difference vegetation index,NDVI)分割算法的结果。利用2017年的Landsat反射率数据计算了NDVI,然后结合前文选取的2017年城市绿地样本,统计样本NDVI直方图中累积频率0.95所对应的NDVI值作为阈值,然后提取2017年NDVI影像中大于阈值的像元为城市绿地。两种方法的提取结果对比显示,对于推土区域,本文方法提取结果中,推土区域只有少量植被较多的像元识别为城市绿地,而NDVI阈值法提取结果中,推土区域的绿地像元明显多于本文方法,本文的基于城市绿地指数的提取方法结果与实地的一致性更好。

3 研究区城市绿地提取结果

对表1中所有Landsat数据采用本文建立的城市绿地算法提取所有数据中的城市绿地,结果如下图所示。根据图3的结果,按行政区分区统计了城市生态绿地面积的比例,部分年份结果如表3所示。

图3 研究区长时序城市绿地提取结果

表3 重庆市主城区核心区城市绿地面积比例 单位：%

在本项目的研究时间内(1986—2017年),渝中区基本都为城市建成区,因此表3中渝中区的城市绿地面积变化情况最具有参考价值,最能反映城市建设过程中生态绿地的变化信息。表中显示,从1986年到2017年,渝中区的生态绿地面积从1986年的25%,降低到2000年左右的15%,后又增加到约20%。这与渝中区城镇发展规律相一致:在城镇化发展早期,城市发展没有成体系的规划,规划跟着项目走,在满足基本建筑间距下,建筑密度、绿化率等指标根据项目需要确定,城市建设陷入无序的局面;在城镇化发展后期,渝中区启动渝中半岛城市形象设计(2002年),提出“减量、增绿、留白、留容”规划发展原则,各项城市发展形成了统一的规划,因此城市绿地比例逐渐增加。

4 结束语

本研究在长时序定量化Landsat定量化数据基础上,利用6期不同季相(5—9月,覆盖植被生长季)的Landsat数据,结合同期的高分卫星影像选择了城市绿地训练样本,分析了城市绿地遥感光谱特征,建立了城市绿地遥感概率指数,设计了城市绿地提取流程和算法,最后对研究区的24景数据进行了城市绿地进行了提取,结果显示,本文建立的基于时序定量化遥感数据的城市绿地提取结果较好,提取结果优于NDVI阈值分割结果。但本文采用的Landsat数据分辨率为30 m,对于小面积的城市绿地提取有一定遗漏。

重庆市主城区生态绿地时序定量遥感监测结果显示:在城市建设的早期阶段(2000年之前),由于城市规划偏弱或规划执行不到位,这期间建设发展的城区,城市绿地面积偏低,包括渝中区全区、沙坪坝核心区、九龙坡核心区、江北核心区。而2000年之后,城市规划设计更合理,这一阶段建设的新城区的城市绿地比例明显增高。此外,重庆主城区南北向分布有中梁山、明月山两大山系,两山为城市的发展带来一定限制,但同时也为城市增添了许多城市绿地,提高了重庆市主城区的绿化率。