任鵬飛，甘 淑，謝顯奇，宗慧琳，韓林華

（1.昆明理工大學 國土資源工程學院，云南 昆明650093；2.中國人民解放軍66240部隊，北京100042）

不透水面（impervious surface，簡稱IS）是城市中一種人工地表特征，其隔離地表水下滲到土壤，割斷了城市地表與地下水文聯系，主要由城市中的道路、停車場、廣場及屋頂等建筑物組成［1－2］。不透水表面指數（impervious surface area index，簡稱ISA）是指單位面積內透水表面地表所占的面積比例，不僅作為表示城市化程度的指標，還可作為衡量環(huán)境質量的指標［3］。土地利用變化首先反映在各種土地利用類型的面積變化，面積變化可以反映區(qū)域土地利用格局的變化［4］。隨著我國城市化進程的加快，作為城市化顯著特征之一的不透水面也在不斷增加，這將影響地區(qū)的生態(tài)環(huán)境，從而導致流域水文循環(huán)異常、非點源污染增加、城市熱島效應增強以及生物多樣性減少等問題［5］。

從遙感探測的角度來理解，不透水面特征表現為水滲透率相對較小的地表覆蓋土地類型。隨著遙感技術的迅速發(fā)展，利用衛(wèi)星對地觀測技術也已經被應用到研究城市不透水面信息探測中。Ridd［6］提出了研究城市生態(tài)的植被—不透水面—土壤模型（vegetable-impervious-soil model，簡稱 V-I-S模型），將城市影像中的每個像元看成這3種代表性類型的線性組合。Carlson等［7］利用植被覆蓋度與不透水面之間的關系，研究了適合于城市建成區(qū)不透水面信息提取的方法。Bauer等［8］將Landsat TM分類影像和高分辨率的航空照片結合，提取出不透水面，然后再利用纓帽變換中的綠度分量與不透水面的回歸關系來評價不透水面提取的精度。Wu等［9］利用光譜混合分析法（SMA）對Landsat 7ETM＋影像進行分解，提取出不透水面，并利用DOQQ影像對提取精度進行了驗證。

生態(tài)環(huán)境是人類賴以生存和發(fā)展的基本條件，是經濟、社會發(fā)展的基礎，是區(qū)域可持續(xù)發(fā)展的核心［10］?；趯ι降爻擎?zhèn)化發(fā)展及其生態(tài)環(huán)境脆弱性的認識，借鑒已有的研究成果，本文以昆明市主城區(qū)為例，應用遙感探測技術，構建植被覆蓋度與不透水面在城市建成區(qū)內的關系以快速提取獲得城市不透水面信息，并對研究區(qū)內10a間3個時相的不透水面信息進行初步的動態(tài)分析研究。

1 研究區(qū)概況及研究數據

昆明，云南省省會，首批國家級歷史文化名城，位于云南省中部，東經102°10′—103°40′，北緯24°23′—26°33′，南北長237.5km，東西寬152km，總面積約21 473km2。城區(qū)坐落在滇池壩子，海拔1 891m，三面環(huán)山，南瀕滇池。昆明屬低緯度高原山地季風氣候，冬無嚴寒，夏無酷暑，四季如春，年平均氣溫15℃左右，年均日照約2 200h，無霜期240d以上，年均降水約1 000mm。鮮花常年開放，草木四季常青，是著名的“春城”、“花城”，是休閑、旅游、度假、居住的理想之地。昆明市主城區(qū)包括五華區(qū)、盤龍區(qū)、官渡區(qū)、西山區(qū)，即市內4區(qū)。本研究選取的研究區(qū)為昆明市主城區(qū)。

本次試驗數據選取了Landsat 7經過輻射糾正和幾何糾正的系統(tǒng)級糾正產品，影像獲取時間為2000年11月2日，2006年1月3日，2010年1月30日。3幅影像質量較好，所選研究區(qū)內均無云遮擋。遙感影像處理采用ENVI 4.8軟件。Landsat 7 ETM＋數據包含了8個波段，其中，波段1和波段3為可見光波段，波段4為近紅外波段，波段5和波段7為短波紅外波段，這6個波段地面分辨率為30m；波段8為全色波段，分辨率為15m。波段6為熱紅外波段，分為波段61和波段62，主要用于探測地球表面不同物質的自身熱輻射。

2 研究方法

2.1 修正的歸一化水體指數（MNDWI）

MNDWI［11］是在 Mcfeeters［12］所提出 的歸一 化水體指數（NDWI）上進一步改進的水體指數。該指數利用中紅外波段替換近紅外波段進行計算，可用于快速、簡單、準確地提取水體信息。相對于NDWI，MNDWI的應用范圍更為廣泛，不僅可用于植被區(qū)的水體提取，還可以用于準確地提取城鎮(zhèn)范圍內的水體信息。本研究采用修正的歸一化水體指數（MNDWI）進行研究區(qū)內水體信息的剔除，其表達式為：

式中：GREEN——綠波段；MIR——中紅外波段。在ETM＋影像中，分別為2波段和5波段。

2.2 研究區(qū)不透水面提取

Carlson［7］指出，在城市建成區(qū)內，不透水面與植被覆蓋度有著很強的負相關性。因此，城市建成區(qū)的不透水面信息的提取可以利用植被覆蓋度來獲取。

2.2.1 歸一化植被指數（NDVI） 植被指數常作為遙感解譯的重要參數，它是從多光譜遙感數據中提取的有關地表植被狀況的光譜量數值，能數量化地反映植物狀況，有助于增強遙感影像的解譯力，以排除非林地信息產生的不必要干擾。歸一化差值植被指數又稱標準化植被指數，是目前應用最廣泛的一種植被指數［13］。

歸一化植被指數計算可以將多光譜數據變換成一個單獨的圖像波段，用于顯示植被分布，對土壤背景的變化較為敏感，削弱了地形和群落結構陰影的影響，常用來反映植被狀況、植被覆蓋、生物量信息，是反映植被生態(tài)環(huán)境的重要指標。其公式為：

式中：NIR——近紅外波段；RED——紅波段。在ETM＋影像中，分別為4波段和3波段。

2.2.2 利用模型計算植被覆蓋度 作為地表植被覆蓋狀況的一個重要指標，植被覆蓋度能描述生態(tài)系統(tǒng)的現狀及區(qū)域生態(tài)系統(tǒng)環(huán)境變化［14］。本研究運用李苗苗等［15］在像元二分模型的基礎上得出的植被覆蓋度模型來計算研究區(qū)的植被覆蓋度。其公式為：

式中：Fc——植被覆蓋度；NDVIveg——全部被植被覆蓋的像元的NDVI值；NDVIsoil——完全是裸地或無植被覆蓋區(qū)域的NDVI值。這2個值的計算公式為：

式中：Fcmax——植被覆蓋度的最大值；Fcmin——植被覆蓋度的最小值；NDVImax——區(qū)域內最大的NDVI值；NDVImin——區(qū)域內最小的NDVI值。

本研究中，設定區(qū)域內近似取Fcmax＝100%，Fcmin＝0%。研究區(qū)影像中NDVIsoil和NDVIveg取固定值，從而計算植被覆蓋度。即NDVImax和NDVImin分別為區(qū)域內最大和最小的NDVI值。由于不可避免存在噪聲，NDVImax和NDVImin一般取一定置信度范圍內的最大值與最小值，置信度的取值主要根據圖像實際情況來定。經過多次實驗對比，本研究選取累積概率為5%和95%附近的NDVI值作為NDVImin和NDVImax（如表1所示）。

表1 研究區(qū)各時相影像NDVI特征值

2.2.3 不透水面提取 根據不透水面與植被覆蓋度在城市建成區(qū)呈負相關關系。不透水率（ISA）可用以下公式計算［7，16］：

式中：dev表示該關系式只適用于被劃分為城市建成區(qū)的區(qū)域。

根據以上方法和步驟，獲得了昆明市主城區(qū)在2006年的不透水面分布圖（圖1）。

圖1中灰度顯示了不透水面的強弱。數值越高所表現的亮度越大，則不透水面的信息越強。以2006年為例，圖1中灰度較暗區(qū)域的植被覆蓋度較密集，主要是林地、農田、草地等，其值在0.5以下；城市用地（如房屋、道路等）的灰度較亮，趨近于白色，其數值多在0.7以上?；叶戎滴挥?.5～0.7的地物為植被和不透水面的混合區(qū)域。在此基礎上，為更為直觀地反映不透水面信息，對圖像進行密度分割，共分為10個層次，得到研究區(qū)的不透水面密度分割圖（如圖2所示）。

圖1 研究區(qū)2006年不透水率（ISA）灰度圖

圖2 研究區(qū)2006年不透水率（ISA）圖像密度分割圖

本研究通過高分辨率影像進行提取適宜性分析。將ETM＋的第8波段即全色波段（分辨率為15m）與原影像（30m）進行影像融合，以融合后的圖像作驗證影像。同時應用Google Earth影像進行對比驗證。通過反復試驗，選取閾值為0.8，即把影像進行二值化處理，大于0.8為不透水面，小于0.8為透水面。將融合后的高分辨率影像與二值化后的影像疊加在一起，采用隨機抽樣的方法進行人機交互驗證。在2006年的影像上，抽取了1 579個驗證像元，232個誤分，總精度達到85.31%，Kappa系數為0.826 5?？梢?，試驗所選方法能較好地體現城市不透水面信息，具有較好的可行性。

3 結果與分析

按照上述方法，依次提取2000，2010年的不透水面信息。10a研究區(qū)不透水面有了明顯變化，其詳細變化統(tǒng)計信息見表2。由統(tǒng)計數據可知，在2000—2010年10a間，昆明經歷了一個快速發(fā)展的過程，尤其是從2006年以來，居民人均收入逐年提升，大量周邊居民涌入城區(qū)，極大地帶動著城市消費以及居民住宅用地的增加，城市呈迅速擴張態(tài)勢，從而促使城區(qū)不透水面面積迅速增長。經反復對比驗證，本研究選取閾值0.7～1.0為不透水面，0.1～0.4為植被覆蓋較好區(qū)域進行定量分析（圖3）。

2000—2006年，研究區(qū)不透水面面積由900.90km2降為871.45km2，共減少了29.45km2；植被覆蓋較好區(qū)域面積由1 186.58km2增加到1 194.15km2，共增加了7.57km2。主要原因為，在這6a間，城市發(fā)展程度較緩慢，擴張程度較小，且城市綠化率較高，城市周邊的植被覆蓋率較高。根據昆明市2006年年鑒，建成區(qū)綠化覆蓋率從2001年開始逐年增加，分別是：2001年30.7%，2002 年 29.88%，2003 年25.34%，2004年24.67%，2005年26.08%。與本研究所得數據顯示的趨勢相同。

圖3 研究區(qū)2000－2010年不透水率統(tǒng)計

2006—2010年，昆明市發(fā)展勢頭較為迅猛，尤其是從2008年開始的舊城改造項目，直接加速了城市擴展速度，城建區(qū)域逐漸向四周郊縣擴張，導致城市不透水面面積迅速增加，伴隨植被面積大量下降，尤其是城郊區(qū)植被，較嚴重地破壞了城市周邊的生態(tài)環(huán)境。

4a間，研究區(qū)不透水面面積由871.45km2增加至1 296.28km2，較好植被覆蓋區(qū)域面積由1 194.15 km2下降到950.81km2。

表2 研究區(qū)不透水面統(tǒng)計信息 km2

4 結論

本研究采取修正的歸一化水體指數進行水體的剔除，能較好地排出水體對不透水面提取精度的影響，利用城市不透水面與植被覆蓋度負相關的聯系，進而提取研究區(qū)不透水面信息，提取精度較高，能較好地反映出城市擴張的趨勢，以及對城市周邊生態(tài)環(huán)境的破壞程度。在2000—2010的10a間，昆明市主城區(qū)不透水面增加了395.38km2，植被覆蓋較好區(qū)域面積減少了235.77km2。

從2009年開始，昆明的氣候逐漸向干熱發(fā)展，這與城市的迅速擴張有強烈關系。城市不透水面面積的增加，嚴重地影響到地表徑流的下滲，于此同時，不透水面擁有較高的反射率，將太陽輻射較大程度地反射到近地面空氣中，從而加劇了城市熱島效應。研究不透水面不僅為城市規(guī)劃提供依據，而且能較好地反映城市生態(tài)格局。

利用文中方法進行城市不透水信息提取存在如下問題，即季節(jié)對于提取精度的影響較大，昆明雖為低緯度高原山地季風氣候，植物多為四季常綠，但仍有部分季節(jié)性落葉樹木等植被，以及郊縣農田的影響。如何提高提取精度將是進一步研究的重點。

［1］ Espey W H，Morgan C W，Masch F D.A study of some effects of urbanization on storm runoff from a small water shed［R］.Austin：Texas Water Development Board，1966.

［2］ Stankowski S J.Population density as an indirect indicator or urban and suburban land-surface modifications［C］∥ U.S.Geological Survey Professional Paper.1972，800：219-224.

［3］ Arnold C L，Gibbons C J.Impervious surface coverage：emergence of a key environmental factor［J］.Journal of the American Planning Association，1996，62（2）：243-258.

［4］ 陳紅順，夏斌.快速城市化地區(qū)土地利用變化及驅動因素分析：以廣東省東莞市為例［J］.水土保持通報，2012，32（1）：54-59.

［5］ 任金華，吳紹華，周生路，等.城市不透水面遙感研究進展［J］.國土資源遙感，2012，24（4）：8-15.

［6］ Ridd M K.Exploring a V-I-S （vegetation-impervious surface-soil） model for urban ecosystem analysis through remote-sensing-comparative anatomy for cities［J］.International Journal of Remote Sensing，1995，16（12）：2165-2185.

［7］ Carlson T N，Arthur S T.The impact of land use-land cover changes due to urbanization on surface microclimate and hydrology：a satellite perspective［J］.Global and Planetary Change，2000，25（1／2）：49-65.

［8］ Bauer M E，Doyle J K，Heinert N J.Impervious surface mapping using satellite remote sensing［C］∥Geoscience and Remote Sensing Symposium，IGARSS′02.IEEE International，2002，4：2334-2336.

［9］ Wu Changshan，Murray A T.Estimating impervious surface distribution by spectral mixture analysis ［J］.Remote Sensing of Environment，2003，84（4）：493-505.

［10］ 張峰，李珍存.陜西省榆林地區(qū)生態(tài)環(huán)境評價研究［J］.水土保持通報，2008，28（6）：146-150.

［11］ 徐涵秋.利用改進的歸一化差異水體指數（MNDWI）提取水體信息的研究［J］.遙感學報，2005，9（5）：589-595.

［12］ Mcfeeters S K.The use of Normalized Difference Water Index（NDWI）in the delineation of open water features［J］.International Journal of Remote Sensing，1996，17（7）：1425-1432.

［13］ 郭凱，孫培新，李衛(wèi)國.利用ERDAS IMAGINE從遙感影像中提取植被指數［J］.西部探礦工程，2005，17（6）：210-212.

［14］ 李麗，童立強，李小慧.基于植被覆蓋度的石漠化遙感信息提取方法研究［J］.國土資源遙感，2010（2）：59-62.

［15］ 李苗苗，吳炳芳，顏長珍，等.密云水庫上游植被覆蓋度的遙感估算［J］.資源科學，2004，26（4）：153-159.

［16］ Owen T W，Carlson T N，Gillies R R.An assessment of satellite remotely-sensed land cover parameters in quantitatively describing the climatic effect of urbanization［J］.International Journal of Remote Sensing，1998，19（9）：1663-1681.