黃曦濤，李懷恩，張　瑜，白　穆

(1. 西安理工大學(xué)西北旱區(qū)生態(tài)水利工程國(guó)家重點(diǎn)實(shí)驗(yàn)室培育基地，陜西 西安 710048；2. 陜西省基礎(chǔ)地理信息中心，陜西 西安 710054； 3. 陜西測(cè)繪地理信息局，陜西 西安 710054)

?

利用影像紋理和陰影信息提取城市不透水面的方法

——以咸陽(yáng)市為例

黃曦濤1,2，李懷恩1，張瑜3，白穆2

(1. 西安理工大學(xué)西北旱區(qū)生態(tài)水利工程國(guó)家重點(diǎn)實(shí)驗(yàn)室培育基地，陜西 西安 710048；2. 陜西省基礎(chǔ)地理信息中心，陜西 西安 710054； 3. 陜西測(cè)繪地理信息局，陜西 西安 710054)

利用2012年的咸陽(yáng)市資源三號(hào)衛(wèi)星影像，同時(shí)利用光譜信息和紋理信息對(duì)咸陽(yáng)市的地表進(jìn)行監(jiān)督分類(lèi)，使用閾值和開(kāi)閉運(yùn)算提取陰影，并通過(guò)TM影像提取NDBI等指數(shù)輔助歸類(lèi)，優(yōu)化分類(lèi)結(jié)果，提高提取不透水層信息的準(zhǔn)確率，旨在為城市合理布局，減少城市內(nèi)澇等提供基本信息。研究結(jié)果表明，利用多源遙感衛(wèi)星影像，同時(shí)考慮光譜和紋理信息的分類(lèi)方法進(jìn)行不透水面的提取精度提高了17.2%，對(duì)陰影檢測(cè)和歸類(lèi)處理提取精度進(jìn)一步提高了2.7%，方法簡(jiǎn)便可行，結(jié)果穩(wěn)定可靠；咸陽(yáng)市研究區(qū)地表不透水率為30.73%，不透水率相對(duì)較低，城市生態(tài)環(huán)境較好；不透水面主要分布在渭河以北老城區(qū)。

不透水面；光譜；紋理；陰影；不透水率

不透水面是指能阻止水滲透到地表下層面的硬化地表。諸如屋頂、廣場(chǎng)、瀝青或水泥的道路及停車(chē)場(chǎng)等人工不透水面是城市地區(qū)的典型特征，在城鎮(zhèn)與鄉(xiāng)村之間存在顯著差別，是與城市水文過(guò)程、水質(zhì)面源污染及城市植被制圖等研究有關(guān)的重要參數(shù)[1-3]。不透水面積與城市總用地面積的比值不透水率，常出現(xiàn)于城市水文、水質(zhì)、面源污染及城市植被制圖等研究中，既可作為城市化程度的指標(biāo)，也可作為城市生態(tài)環(huán)境的指標(biāo)，在城鎮(zhèn)與鄉(xiāng)村之間存在顯著差別。已有的研究結(jié)果表明，不透水面的增加會(huì)提高城市內(nèi)澇和城市連片區(qū)域下沉風(fēng)險(xiǎn)，對(duì)水質(zhì)量、小區(qū)域氣候、生存環(huán)境都會(huì)產(chǎn)生負(fù)面影響。

隨著遙感技術(shù)的快速發(fā)展及中高分辨率遙感平臺(tái)的大量普及，我國(guó)對(duì)于城市用地不透水性的研究也逐漸增多，傳統(tǒng)不透水層地面調(diào)查需要投入大量人力物力，不適用于大范圍作業(yè)[4]。目前利用中高分辨率遙感影像開(kāi)展不透水地面提取方法的研究已經(jīng)成為熱點(diǎn)。Slonecker等總結(jié)出不透水地面的遙感提取方法主要包括解譯法、光譜法和建模法[5]。近年來(lái)，國(guó)內(nèi)基于中高空間分辨率遙感影像提取不透水地面的方法主要有圖像像元分類(lèi)法、亞像元分類(lèi)法、決策樹(shù)模型法和線性光譜混合分析法等，但在樣本訓(xùn)練區(qū)的選擇及精度提升上存在較大難度。同時(shí)，有限的光譜信息無(wú)法為分類(lèi)提供更多信息，大量地面陰影對(duì)地物的遮擋嚴(yán)重影響到分類(lèi)精度。而圖像空間分辨率的提高，使紋理特征表現(xiàn)得越來(lái)越明顯，對(duì)分類(lèi)能起到重要作用。因此，本文基于2012年咸陽(yáng)市城區(qū)內(nèi)資源三號(hào)和TM衛(wèi)星影像，利用光譜和紋理信息進(jìn)行地表分類(lèi)及陰影檢測(cè)和歸類(lèi)研究，完成咸陽(yáng)市不透水面的提取，旨在提高精度，為城市內(nèi)澇等進(jìn)一步研究奠定基礎(chǔ)，并為國(guó)產(chǎn)影像的應(yīng)用進(jìn)行探索。

一、數(shù)據(jù)預(yù)處理

本文選用2012年11月的資源三號(hào)遙感衛(wèi)星(ZY-3)影像為數(shù)據(jù)源，包括2.5m分辨率的全色波段和10m分辨率的多光譜藍(lán)、綠、紅和近紅外4個(gè)波段。經(jīng)過(guò)對(duì)研究區(qū)影像進(jìn)行正射糾正、全色與多光譜影像(藍(lán)、綠、紅3個(gè)波段合成)配準(zhǔn)、主成分變換法融合后按照咸陽(yáng)市中心外擴(kuò)對(duì)影像進(jìn)行裁剪，提取陜西省咸陽(yáng)市(秦都區(qū)和渭城區(qū))建成區(qū)為研究區(qū)面積約179.41km2。

二、研究方法

1. 基于光譜的監(jiān)督分類(lèi)

本文對(duì)影像的土地利用分類(lèi)按水泥建筑、地草、喬灌、裸地、金屬篷房、水體、陰影7類(lèi)進(jìn)行劃分，使用ERDAS9.3軟件對(duì)研究區(qū)預(yù)處理后的影像進(jìn)行監(jiān)督分類(lèi)[6]，分類(lèi)結(jié)果如圖1所示。

圖1　基于光譜的監(jiān)督分類(lèi)

分類(lèi)后利用ERDAS9.3軟件的AccuracyAssessment功能在原始分類(lèi)圖像上隨機(jī)產(chǎn)生256個(gè)點(diǎn)，通過(guò)隨機(jī)點(diǎn)的實(shí)際類(lèi)別與監(jiān)督分類(lèi)后圖像上的類(lèi)別進(jìn)行統(tǒng)計(jì)分析，得到分類(lèi)精度為74.22%，Kappa系數(shù)為0.674 4。由此可見(jiàn)，僅僅基于光譜信息的分類(lèi)精度較低，不利于不透水層提取。

2. 基于光譜信息與紋理信息的不透水層提取

(1) 主成分分析[7]

為減少計(jì)算工作量，隔離噪聲并減少數(shù)據(jù)集維數(shù)，先對(duì)研究區(qū)融合影像進(jìn)行主成分分析，獲取互不相關(guān)的主成分波段。各個(gè)主分量所占的信息量百分比分別為：前兩個(gè)主分量占數(shù)據(jù)信息量的99.34%，幾乎涵蓋了所有信息；第三、四主分量占信息量的0.66%，幾乎全是噪聲，故本次研究將第三、四主分量剔除。

(2) 紋理提取

本文采用ENVI5.0軟件中的Texture紋理分析模塊(co-occurrencemeasures)對(duì)研究區(qū)影像的前兩個(gè)主分量按照灰度共生矩陣[8-9]的方法進(jìn)行紋理分析，提取的研究區(qū)紋理特征影像如圖2所示(以第二主分量為例)。

(3) 結(jié)合光譜信息與紋理信息的地表分類(lèi)

經(jīng)過(guò)反復(fù)試驗(yàn)，發(fā)現(xiàn)遙感影像的8個(gè)紋理特征分量中，Mean分量包含的信息數(shù)據(jù)最為豐富，對(duì)后期的分類(lèi)能夠起到積極作用，故本文將采用ZY-3影像的1、2、3波段(藍(lán)、綠、紅)及前兩個(gè)主分量的Mean特征分量，組成包含5個(gè)波段信息的影像。分類(lèi)結(jié)果如圖3所示。

3. 陰影提取與歸類(lèi)

(1) 陰影檢測(cè)

影像上的陰影主要是由于光照不足造成相應(yīng)區(qū)域影像亮度小及信息缺乏，即相當(dāng)于在陰影區(qū)域的景物反射函數(shù)上乘以一個(gè)較小的光照亮度函數(shù)。陰影區(qū)域檢測(cè)算法包括3個(gè)步驟：

圖2　紋理特征圖像

圖3　基于光譜和紋理合成的分類(lèi)結(jié)果

1) 將影像從RGB顏色空間轉(zhuǎn)換到包含亮度信息的HSI顏色空間，結(jié)果如圖4所示。

圖4　RGB色彩空間轉(zhuǎn)換HSI色彩空間結(jié)果

2) 基于影像亮度的直方圖分析進(jìn)行閾值處理，確定陰影亮度閾值并分離陰影區(qū)域和非陰影區(qū)域，完成陰影區(qū)域和非陰影區(qū)域分離。對(duì)亮度I(x，y)作如下閾值處理

(1)

式中，I(x，y)為影像亮度；K為陰影閾值，代表非陰影區(qū)和陰影區(qū)的光照亮度，經(jīng)試驗(yàn)閾值設(shè)定為0.117提取效果最佳。提取結(jié)果如圖5所示。

圖5　閾值設(shè)定及陰影提取效果

3) 由于I(x，y)中含有未被去除的地物反射特性信息，只根據(jù)陰影的光照亮度值是無(wú)法把陰影區(qū)域完全分離出來(lái)的。因此，對(duì)I(x，y)陰影數(shù)據(jù)進(jìn)行數(shù)學(xué)形態(tài)學(xué)的開(kāi)閉運(yùn)算[10]，用帶條件的腐蝕(邊界向內(nèi)收縮，消除小且無(wú)意義的物體)、膨脹(物體與背景點(diǎn)合并，填補(bǔ)空洞)運(yùn)算，可以進(jìn)一步分離陰影區(qū)確定最終的陰影范圍。為了去掉地物的反射信息而只近似保留光照函數(shù)信息，選擇基于灰度形態(tài)學(xué)的濾波算法來(lái)分離亮度的低頻信息

I(x,y)=fo(fc(I(x,y),g),g)

(2)

式中，x、y為影像坐標(biāo)；I(x，y)為影像陰影； fc為閉運(yùn)算； fo為開(kāi)運(yùn)算；g為結(jié)構(gòu)元素。本次試驗(yàn)取3×3矩陣。綜上，對(duì)影像陰影進(jìn)行開(kāi)閉運(yùn)算后的陰影檢測(cè)結(jié)果如圖6所示。

圖6　陰影檢測(cè)結(jié)果

(2) 陰影歸類(lèi)

獲取陰影區(qū)域后增強(qiáng)對(duì)比度發(fā)現(xiàn)城市陰影內(nèi)部主要由硬化平地和植被組成，由于兩種地類(lèi)之間的紋理存在明顯區(qū)別，因此需要繼續(xù)使用紋理合成影像對(duì)陰影區(qū)域進(jìn)行監(jiān)督分類(lèi)，再通過(guò)LandsatTM數(shù)據(jù)提取NDBI、MNDWI、NDVI指數(shù)輔助解決陰影的歸類(lèi)問(wèn)題。最終得到的陰影部分分類(lèi)結(jié)果如圖7所示。

圖7　陰影分類(lèi)(植被和不透水層)成果

4. 不透水層提取結(jié)果與精度評(píng)價(jià)

對(duì)獲取的分類(lèi)信息進(jìn)行劃分：水泥建筑、金屬篷房為不透水層，地草、喬灌、裸地、水體為透水層，陰影中硬化平地為不透水層，植被為透水層，得到咸陽(yáng)市城市不透水層分布，結(jié)果如圖8所示。

通過(guò)實(shí)地取樣100點(diǎn)，對(duì)獲取的分類(lèi)數(shù)據(jù)進(jìn)行檢測(cè)，基于光譜和紋理合成影像的分類(lèi)精度為91.42%，Kappa系數(shù)為0.887 7，比原始影像提高了17.2%和0.213 3，考慮陰影歸類(lèi)后，分類(lèi)精度為94.12%，Kappa系數(shù)為0.899，比原始影像提高了2.7%和0.011 3。

三、結(jié)果分析

通過(guò)在ArcGIS9.3中對(duì)咸陽(yáng)市研究區(qū)不透水層數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，可得本次不透水層研究區(qū)總面積接近179.41km2，不透水層面積約為55.25km2，研究區(qū)不透水率為30.80%；考慮到研究區(qū)外圍主要為農(nóng)村耕地，因此使用咸陽(yáng)市城區(qū)范圍(基于遙感影像獲取具有城市景觀特征，符合城市形態(tài)的區(qū)域)作為統(tǒng)計(jì)單元計(jì)算，咸陽(yáng)市城區(qū)面積53.22km2，城區(qū)內(nèi)不透水面積接近27.66km2，咸陽(yáng)市城區(qū)內(nèi)部不透水率接近51.97%(如圖9所示)，城區(qū)外圍城鄉(xiāng)接合部區(qū)域不透水率接近21.86%，其中，不透水層主要分布在渭河以北秦都、渭城老城區(qū)，透水層主要分布在城鄉(xiāng)結(jié)合區(qū)域。這主要是因?yàn)槌菂^(qū)渭河以北核心區(qū)人口稠密，建筑硬化表面密度較其他區(qū)域更高，渭濱街辦和東部石橋鄉(xiāng)往東大部區(qū)域?yàn)槌青l(xiāng)接踵而至合部，工礦企業(yè)居多，但內(nèi)部非硬化地表仍然保持較高的比例，另外渭河以南由于近年受房地產(chǎn)、教育等產(chǎn)業(yè)的快速發(fā)展影響，硬化地表比例上升明顯，在渭河咸陽(yáng)湖段以南偏東方向由于開(kāi)發(fā)強(qiáng)度較弱，現(xiàn)階段不透水地面比例還保持在較低的水平。

四、結(jié)論與討論

本文結(jié)合紋理和光譜特征進(jìn)行不透水面信息的自動(dòng)提取及基于閾值法和開(kāi)閉運(yùn)算對(duì)陰影進(jìn)行檢測(cè)和歸類(lèi)，有效提高了基于中等分辨率國(guó)產(chǎn)衛(wèi)星影像提取不透水面信息的精度。根據(jù)美國(guó)城市平均水平中高密度居住用地的不透水率為30%～65%[11]的評(píng)

價(jià)指標(biāo)來(lái)看，咸陽(yáng)市城區(qū)平均不透水率仍處于相對(duì)較低的水平，利于城市生態(tài)環(huán)境保持在較好水平。此外，本研究能夠?yàn)橄乱徊介_(kāi)展城市水文模擬、城市內(nèi)澇等研究提供下墊面參數(shù)，為城市土地利用規(guī)劃提供參考。咸陽(yáng)市主城區(qū)地表不透水狀況應(yīng)通過(guò)適當(dāng)增加植被、水體等合理規(guī)劃的方法進(jìn)一步改善,減少城市內(nèi)澇發(fā)生的概率，從而改善人居環(huán)境。

[1]ARNOLDCL,GIBBONSCJ．ImperviousSurface:TheEmergenceofaKeyEnvironmentalIndicator[J].JournaloftheAmericanPlanningAssociation,1996,62(2)：243-258.

[2]YUANF,BAUERME．ComparisonofImperviousSurfaceAreaandNormalizedDifferenceVegetationIndexasIndicatorsofSurfaceUrbanHeatIslandEffectsinLandsatImagery[J].RemoteSensingofEnvironment,2007,106(3)：375-386.

[3]WENGQH．RemoteSensingofImperviousSurfaces[M].BocaRaton:CRCPress, 2008.

[4]LIWF,OUYANGZY,ZHOUWQ,etal．EffectsofSpatialResolutionofRemotelySensedDataonEstimatingUrbanImperviousSurfaces[J].JournalofEnvironmentalSciences,2011,23(8)：1375-1383.

[5]SLONECKERET,JENNINGSD,GAROFALOD．RemoteSensingofImperviousSurface:AReview[J].RemoteSensingReviews,2001,20(4)：227-255.

[6]黨安榮，王曉棟，陳曉峰，等.ERDASIMAGE遙感圖像處理方法[M].北京：清華大學(xué)出版社,2003.

[7]嚴(yán)紅萍，俞兵.主成分分析在遙感圖像處理中的應(yīng)用[J].資源環(huán)境與工程,2006,20(2)：165-170.

[8]薄華，馬縛龍，焦李成.圖像紋理的灰度共生矩陣計(jì)算問(wèn)題的分析[J].電子學(xué)報(bào),2006,34(1)：155-159.

[9]楊德坤，侯德文，步亞?wèn)|.灰度共生矩陣在紋理特征提取中的發(fā)展[J].信息系統(tǒng)工程,2012(1)：134-136.

[10]劉小洲，周石琳，李智勇.高分辨率遙感圖像中建筑物陰影的提取[J].計(jì)算機(jī)仿真,2008,25(8)：197-200.

[11]陳爽，張秀英，彭立華.基于高分辨衛(wèi)星影像的城市用地不透水率分析[J].資源科學(xué),2006,28(2)：41-45.

ExtractionMethodofImperviousSurfaceInformationinCitybyTexturesandShadows——TakingXianyangCityasanExample

HUANGXitao，LIHuaien，ZHANGYu，BAIMu

2015-06-16

黃曦濤(1981—)，男，工程師，主要從事測(cè)繪地理信息技術(shù)應(yīng)用及相關(guān)管理工作。E-mail：huangxitao_81@126.com

P23

B

0494-0911(2016)05-0080-04

引文格式： 黃曦濤，李懷恩，張瑜，等. 利用影像紋理和陰影信息提取城市不透水面的方法—以咸陽(yáng)市為例[J].測(cè)繪通報(bào)，2016(5)：80-83.DOI:10.13474/j.cnki.11-2246.2016.0161.