李　暉，陳雪嬌,2，孫鳳琴，聶　芹

(1.廈門理工學(xué)院計(jì)算機(jī)與信息工程學(xué)院，福建 廈門 361024;2.福建省空間信息工程研究中心，福建 福州 350002)

?

從資源3號衛(wèi)星影像中提取廈門市不透水面信息

李暉1，陳雪嬌1,2，孫鳳琴1，聶芹1

(1.廈門理工學(xué)院計(jì)算機(jī)與信息工程學(xué)院，福建 廈門 361024;2.福建省空間信息工程研究中心，福建 福州 350002)

不透水面是城市地區(qū)的典型特征，不透水面的增加導(dǎo)致了水質(zhì)惡化、城市熱島效應(yīng)等一系列生態(tài)環(huán)境問題.選用高分辨率資源3號遙感影像，利用面向?qū)ο蟮姆椒ǎM(jìn)行廈門市不透水面信息的提取.為突出不透水面的信息，將影像進(jìn)行主成分變換、提取歸一化植被指數(shù)和歸一化水體指數(shù)，將第一主成分、歸一化植被指數(shù)和歸一化水體指數(shù)合成為新的影像；根據(jù)最小不透水面的面積原則，確定最優(yōu)的分割尺度，結(jié)合形狀、光譜等信息，對合成后的影像進(jìn)行多尺度分割；再在最優(yōu)尺度分割結(jié)果的基礎(chǔ)上進(jìn)行分類，并將陰影作為分類體系中單獨(dú)一類，獲得不透水面、裸土、水體、植被、陰影的分類結(jié)果；利用真實(shí)世界地物的形狀特征和鄰近關(guān)系特征，對陰影區(qū)域進(jìn)行判別及合并，獲得不透水面，并根據(jù)實(shí)地觀測，對提取結(jié)果進(jìn)行精度評價(jià)，不透水面提取的精度達(dá)80%.

資源3號衛(wèi)星影像；不透水面；信息提??；面向?qū)ο?/p>

不透水面是城市地區(qū)的典型特征，不透水面分布率的上升是城市化的重要表現(xiàn).隨著不透水面的增加，城市綠地、水體面積的萎縮，導(dǎo)致了城市流域水質(zhì)的惡化、城市熱島效應(yīng)的增加、城市地區(qū)地面下沉等生態(tài)環(huán)境問題[1-2].遙感能夠及時(shí)有效地獲取城市大范圍不透水面及其變化信息.國內(nèi)外學(xué)者對不透水面信息的遙感提取進(jìn)行了大量的研究.Slonecker等[3]總結(jié)的3類提取不透水面的遙感方法：建模方法、光譜方法和解譯方法.Brabec等[4]總結(jié)了用于提取不透水面的方法：區(qū)域城市化比值、影像分類、求積儀的方法.Wu等[5]運(yùn)用線性光譜分離模型，估算了美國Columbus地區(qū)的不透水面蓋度的空間分布.徐涵秋[6]構(gòu)建歸一化差值不透水表面指數(shù)，提取了福州市的透水面蓋度.馬雪梅等[7]采用數(shù)據(jù)挖掘技術(shù)對TM影像進(jìn)行流域內(nèi)不透水面及其變化信息提取，利用研究區(qū)域連續(xù)三年的TM數(shù)據(jù)，運(yùn)用數(shù)據(jù)挖掘技術(shù)的決策樹方法實(shí)現(xiàn)了不透水面信息提取.李瑋娜等[8]利用TM圖像，運(yùn)用實(shí)驗(yàn)圖層組合法對太原市的不透水面進(jìn)行了信息提取.李彩麗等[9]利用面向?qū)ο蟮姆椒ǎ瑢KONOS影像進(jìn)行了不透水面提取.王俊松等[10]利用QuickBird高分辨率遙感影像對城市不透水率進(jìn)行了研究.目前大部分不透水面信息提取主要集中在中低分辨率遙感影像.而高分辨率遙感圖像具有高度細(xì)節(jié)化的多尺度表達(dá)能力，利用高分辨率遙感影像提取不透水面不僅可獲得較高精度的不透水面信息，還能為中低分辨率遙感影像不透水面提取提供訓(xùn)練區(qū)及精度評價(jià)的標(biāo)準(zhǔn)[9].資源三號衛(wèi)星(簡稱ZY-3)是我國第一顆自主的民用高分辨率測繪衛(wèi)星[11]，利用ZY-3提取不透水面是非常值得研究的課題.

然而，高分辨率遙感影像在有效表達(dá)地物信息的同時(shí)，目標(biāo)內(nèi)部幾何細(xì)節(jié)常以噪聲的形式出現(xiàn)，同時(shí)存在嚴(yán)重的陰影問題，影響不透水面提取精度.面向?qū)ο蠓椒ㄒ杂跋駥ο鬄閱挝?，能夠有效利用影像上地物對象的光譜信息和形狀、紋理等特征，實(shí)現(xiàn)多尺度的地物信息的識別與提取，區(qū)分易于混淆的陰影與不透水面，提高不透水面的提取精度[12].本文選用高分辨率ZY-3遙感影像，利用主成分分析和指數(shù)分析方法重新進(jìn)行波段組合，合成后的圖像有效地突出不透水面信息；根據(jù)最小不透水面的面積原則，確定最優(yōu)的分割尺度，對合成后的圖像進(jìn)行多尺度分割；在多尺度分割的基礎(chǔ)上，將陰影單獨(dú)作為一類，獲得不透水面、裸土、水體、植被、陰影的分類結(jié)果；最后，利用真實(shí)世界地物的形狀特征和鄰近關(guān)系特征，對陰影區(qū)域進(jìn)行判別及合并，完成廈門市不透水面信息的提取和精度評價(jià).研究結(jié)果表明，利用面向?qū)ο蟮姆椒軌蛴行?shí)現(xiàn)高分辨率遙感影像上城市不透水面信息的提取.研究成果為廈門市的城市擴(kuò)張和隨之產(chǎn)生的生態(tài)問題提供一定的參考依據(jù).

1數(shù)據(jù)源與影像預(yù)處理

1.1研究區(qū)

廈門市位于24°23′N～24°54′N、117°53′E～118°26′E，屬亞熱帶海洋性季風(fēng)氣候，夏無酷暑，冬無嚴(yán)寒，天氣溫和多雨，年平均氣溫在21℃左右.自廈門成為經(jīng)濟(jì)特區(qū)開始，廈門經(jīng)濟(jì)快速發(fā)展，城市化加快，城市迅速擴(kuò)張，自然景觀發(fā)生了巨大的變化，建設(shè)用地顯著增多[13].

選擇廈門北站周邊作為研究區(qū)，研究區(qū)內(nèi)部主要的土地利用類型有農(nóng)田、水體(包括河流、人工湖等)、裸地(未利用地)、植被、建設(shè)用地、道路等.由于研究區(qū)位于城區(qū)，含蓋了廈門北站、校園、居民區(qū)等城市設(shè)施，主要的不透水面包括道路、樓房(教學(xué)樓、居民樓等)、水泥面以及廣場等部分區(qū)域.1.2數(shù)據(jù)及預(yù)處理

本文以ZY-3遙感影像(獲取時(shí)間：20121022)作為數(shù)據(jù)源.獲取的影像包含多光譜和全色數(shù)據(jù)，其中，多光譜數(shù)據(jù)有藍(lán)光(0.45～0.52 μm)、綠光(0.52～0.59 μm)、紅光(0.63～0.69 μm)與近紅外(0.77～0.89 μm)四個(gè)波段，空間分辨率為7 m，全色影像分辨率為4 m.

對獲取的ZY-3影像進(jìn)行幾何精校正和重投影.由于ZY-3全色影像與多光譜數(shù)據(jù)來自同一傳感器系統(tǒng)，利用PANSHARP，對多光譜和全色圖像進(jìn)行融合，提高多光譜數(shù)據(jù)的空間分辨率，又保持了多光譜和邊緣特性，圖像質(zhì)量得到顯著的增強(qiáng)[14].主成分變換具有方差信息濃聚、重新分配、數(shù)據(jù)量壓縮的作用，可更準(zhǔn)確、突出特征地揭示多波段數(shù)據(jù)內(nèi)部的遙感信息.為充分利用高分辨率數(shù)據(jù)的光譜信息以及空間特征，對融合后的影像進(jìn)行主成分變換，變換后的第一主成分保留了原始圖像的83.82%的信息.研究區(qū)內(nèi)部除不透水面外主要的土地利用類型為植被和水體，故為了突出植被和水體信息，分別計(jì)算歸一化差分植被指數(shù)(NDVI)和歸一化水體指數(shù)(NDWI).將變換后的第一主成分、NDVI和NDWI進(jìn)行波段組合(其中R通道為主成分的第一分量，G通道為NDVI，B通道為NDWI)，得到組合后的圖像(圖1).在組合后的圖像中，水體和植被信息得到突出，與不透水面(道路、樓房等)的界限更加明顯.值得指出的是，從遙感圖像上可以看到研究區(qū)內(nèi)部的行道樹、高大樓房等在道路及房屋周邊會(huì)產(chǎn)生明顯的陰影.

2　技術(shù)路線與方法

2.1不透水面提取的技術(shù)路線

利用面向?qū)ο蠹夹g(shù)方法提取不透水面信息，首先采用不透水面最小面積原則確定最適宜尺度，進(jìn)行多尺度分割，然后選用最鄰近分類法進(jìn)行影像分類，最后對陰影進(jìn)行甄別及剔除，提取不透水面信息.技術(shù)路線如圖2.

2.2多尺度分割

多尺度分割是依據(jù)所設(shè)置的分割尺度，結(jié)合對象的形狀、亮度值、色調(diào)等特征，將影像中的對象自動(dòng)提取出來，并按照對象之間的等級聯(lián)接起來的技術(shù).高分辨率遙感圖像體現(xiàn)出很強(qiáng)的層次特征[15]，不同地物具有不同的空間尺度[16].因此，本文以完整分割不透水面為準(zhǔn)，根據(jù)最小不透水面的面積原則，確定最優(yōu)尺度范圍.

由于研究區(qū)內(nèi)主要的不透水面類型有：樓房(主要是校園樓房與居民樓)、道路、校園操場等.相對于道路和校園操場，一棟教學(xué)樓的平面面積比較小.其中，道路為線狀地物，要將其完整、不破碎的分割出，分割尺度通常比較大；教學(xué)樓的面積與居民樓相當(dāng)，但居民樓在空間分布上較為密集，可將其整塊密集區(qū)域分割提取.基于此，本文以獨(dú)棟樓的平面面積為最適合的分割區(qū)域，以廈門理工學(xué)院的宿舍樓為例，實(shí)地平面面積約為500 m2，融合后影像分辨率為4 m，影像像元面積為16 m2，則像素個(gè)數(shù)為500/16 = 31.26，因此最優(yōu)尺度范圍處于31.26左右.

為了確定最優(yōu)尺度的具體值，選取了6個(gè)分割尺度：40、35、30、25、20、15，分別對研究區(qū)影像進(jìn)行區(qū)域分割，獲得各個(gè)尺度下的分割效果圖(圖3).

從表1可以看出，分割尺度30最為合適，將道路上的陰影可以完整提取來，同時(shí)又不破壞樓房旁道路的完整性.但對于研究區(qū)內(nèi)的大部分道路，采用尺度30進(jìn)行分割時(shí)，道路部分出現(xiàn)“破碎”(圖4a)，需要將同屬于道路的對象進(jìn)行合并，得到完整的道路(圖4b).但是，研究區(qū)內(nèi)少部分細(xì)小的道路周圍布滿植被，或是被植被覆蓋，采用最優(yōu)尺度的分割時(shí)不能夠?qū)⑺械膶ο蠖挤指畛鰜?，有些?xì)小的道路并沒有被分割出來，而與植被歸為一類，降低了道路分類的精度(圖4c).

表1　各個(gè)尺度的影像特征描述

3　信息提取

3.1影像分類

研究區(qū)主要有四類土地利用類型，不透水面、裸土、植被(包括農(nóng)田和草地)和水體.陰影主要出現(xiàn)在樓房旁的道路上，樓房與陰影相連，故此部分陰影屬于不透水面，而在合成后的影像上陰影和水體的色調(diào)和形狀等特征相似(圖5)，故在分類時(shí)需要將陰影單獨(dú)作為一類，以判斷是否為不透水面.故在影像分類中最終確定為五類：不透水面、裸土、植被、水體和陰影.

本文采用最鄰近分類法[17]進(jìn)行分類，該方法與監(jiān)督分類相似，但是其針對的是影像對象而不是單個(gè)像元.其原理是通過選擇典型的樣本統(tǒng)計(jì)該地物類型的特征，以該特征為中心，通過計(jì)算未分類對象中用于分類的特征與樣本統(tǒng)計(jì)特征之間的距離，該對象最終會(huì)劃分到距離近的樣本類型中.在實(shí)際操作過程中，需要為每一個(gè)類別選取樣本對象，樣本對象選取的多少與是否準(zhǔn)確對分類結(jié)果有直接的影響.在分類過程中，本文根據(jù)分類的效果來調(diào)整樣本以達(dá)到最佳的分類效果.若某類地物對象并沒有全部分到該類別，則多選取樣本；若某類別包含了不屬于該類的對象，則刪除錯(cuò)誤樣本.以此得到分類后的結(jié)果(圖6a).

3.2不透水面提取

通過實(shí)地考察，研究區(qū)內(nèi)主要不透水面類型是道路、校園樓房和居民房等建筑物，還有少部分的小塊水泥面，陰影的存在影響道路的提取，降低了不透水面的提取精度，而ZY-3圖像上的陰影主要來自行道樹以及高大房屋的本影和落影，其中的大部分落在這些地物四周的道路上(圖6b).所以本文將陰影部分認(rèn)為是道路，將之合并到不透水面中，得到剔除陰影后的最終分類結(jié)果(圖6c).分別計(jì)算各類的面積可知，不透水面占研究區(qū)總面積的53.036%，裸土占7.654%，植被占35.839%，水體占2.471%.但是由于在分類系統(tǒng)中，作為其中的一類，陰影是一個(gè)整體，無法將其分割開來，故在歸并為不透水面的過程中，也會(huì)導(dǎo)致一部分落在陰影內(nèi)的植被等信息歸并為不透水面.

4　精度評價(jià)

本文采用eCognition[18]軟件提供最佳分類結(jié)果方法進(jìn)行精度評價(jià)(表2).其中，個(gè)數(shù)指對象的個(gè)數(shù)，是采用某個(gè)分割尺度，各個(gè)類別地物被分割的對象的數(shù)目；平均值是指某個(gè)類別的所有對象分到最佳類別的概率的平均值，反映該類別總體的分類情況.標(biāo)準(zhǔn)偏差，即標(biāo)準(zhǔn)差，反映某個(gè)類別所有分割對象的最佳概率的離散程度，本文5個(gè)類別的標(biāo)準(zhǔn)偏差都很小，說明分類結(jié)果較為穩(wěn)定；最小值和最大值分別表示某個(gè)類別的所有對象中，對象分到最佳類別概率最小值和最大值.從表2可以看出，本文最佳分類結(jié)果的各類的概率統(tǒng)計(jì)平均值都很高，每個(gè)對象分到最佳類別的概率平均值都比較大，不透水面為0.97.

表2　最佳分類結(jié)果的概率統(tǒng)計(jì)表

分類結(jié)果的取值范圍在0和1之間，值越大說明對象分到最佳類別的概率值越大，分類的精度越高.對象分類結(jié)果可以利用最佳分類結(jié)果顯示圖直觀表示，顏色從深綠到紅色，表示概率值從高到低.本文最終的分類結(jié)果顯示圖顏色基本為綠色，說明了每個(gè)對象基本都分到最佳的類別，分類的精度比較高.進(jìn)一步說明了應(yīng)用面向?qū)ο蟮姆椒?，從ZY-3高分辨率影像上可以提取較高精度不透水面的信息.

同時(shí)計(jì)算了混淆矩陣和Kappa系數(shù)，對分類結(jié)果的精度進(jìn)行評價(jià).結(jié)合目視解譯，對不透水面(包括陰影)、植被、裸土和水體四個(gè)類別分別隨機(jī)采樣，獲得各類的分類精度(表3)，本文的分類結(jié)果的精度都較高.由于在隨機(jī)采樣的過程中，植被的范圍較為集中，隨機(jī)點(diǎn)均落在植被區(qū)的范圍內(nèi)，故植被的分類精度達(dá)到了100%.

表3　分類精度評價(jià)

實(shí)地調(diào)查發(fā)現(xiàn)，研究區(qū)內(nèi)部有小塊水泥面(包括亮度值比較大的道路)與裸土接壤，但因?yàn)樗嗝婧吐阃猎谟跋裆系纳{(diào)、亮度和形狀特征相似，二者的邊界不清晰，無法準(zhǔn)確地將所有的裸土和水泥面精確的區(qū)分來；影像上的水體、陰影和操場在色調(diào)、亮度和幾何特征上很相似，因此本文的少部分水體邊緣顯示為不透水面(分類時(shí)顯示為陰影，最后剔除陰影時(shí)變成不透水面)，造成誤差；植被與裸土相連(有些裸土上生長少量的植被)，植被和裸土的邊界比較模糊，因此與植被相連的裸土分類結(jié)果比較不穩(wěn)定，不能夠非常精確的將二者區(qū)分開；一些細(xì)小的道路周圍布滿植被，由于最佳的分類尺度不能夠?qū)⑺械膶ο蠖挤指畛鰜?，有些?xì)小的道路并沒有被分割出來，而與植被歸為一類，降低了不透水面提取的精度；部分不透水面被植被，尤其是藤蔓類植物覆蓋，無法利用遙感影像將其提取出來.

5　結(jié)語

本文基于ZY-3高分辨率遙感影像，利用面向?qū)ο蟮姆治龇椒ㄟM(jìn)行廈門市不透水面信息提取.為充分利用高分辨率遙感圖像的光譜信息和空間結(jié)構(gòu)信息，同時(shí)突出植被和水體信息，將主成分變化后的第一主成分、歸一化植被指數(shù)和歸一化水體指數(shù)合成為新的影像，組成的新的影像有效的增強(qiáng)了水體、植被以及不透水面的差異；基于面向?qū)ο蟮乃枷耄鶕?jù)最小面積原則，確定最優(yōu)分割尺度，對合成后的影像進(jìn)行多尺度分割，將陰影作為分類體系中單獨(dú)一類，對陰影進(jìn)行甄別，合并入不透水面類中，提高不透水面分類的精度；最后，根據(jù)實(shí)地觀測，對提取結(jié)果進(jìn)行精度評價(jià)和誤差分析，不透水面的分類精度達(dá)到80%，同時(shí)指出了導(dǎo)致分類結(jié)果誤差的原因.研究結(jié)果表明，利用面向?qū)ο蟮姆椒軌蛴行?shí)現(xiàn)高分辨率遙感影像上城市不透水面信息的提取.研究成果為廈門市的城市擴(kuò)張和隨之產(chǎn)生的生態(tài)問題提供一定的理論參考依據(jù).

[1]WENG Q H,LU D S.A sub-Pixel analysis of uthanization effeet on land surface temperature and its interplay with impervious surface and vegetation coverage in Indianapolis,United States[J].International Journal of Applied Earth observation and Geoinformation,2008,10(1):68-83.

[2]聶芹.上海市城市不透水面及其熱環(huán)境效應(yīng)的分形研究[D].上海：華東師范大學(xué),2013.

[3]SLONECKER E T,JENNINGS D,GAROFALO D.Remote sensing of impervious surface：A review[J].Remote Sensing Reviews,2001,20:227-255.

[4]BRABEC E,SCHULTE S,RICHARDS P L.Impervious surface and water quality：A review of current literature and its implications for watershed planning[J].Journal of Planning Literature,2002,16：499-514.

[5]WU C，MURRAY A T.Estimating impervious surface distribution by spectral mixture analysis[J].Remote Sensing of Environment,2003(84)：493-505.

[6]徐涵秋.城市不透水面與相關(guān)城市生態(tài)要素關(guān)系的定量分析[J].生態(tài)學(xué)報(bào),2009,29(5)：2456-2462.

[7]馬雪梅,雷秀麗,李希峰，等.基于數(shù)據(jù)挖掘技術(shù)的流域不透水面及變化信息提取[J].測繪通報(bào),2007(12)：34-37.

[8]李瑋娜,楊建生,李曉,等.基于TM圖像的城市不透水面信息提取[J].國土資源遙感,2013,25(1)：66-70

[9]李彩麗,都金康,左天惠.基于高分辨率遙感影像的不透水面信息提取方法研究[J].遙感信息,2009,5(105)：32-36.

[10]王俊松,楊逢樂,賀彬,等.利用QuickBird 影像提取城市不透水率的研究[J].遙感應(yīng)用,2008,3(97)：69-75.

[11]王素敏,李向英,何勁.資源三號衛(wèi)星影像測繪性能分析[J].遙感與航空攝影,2013,3(20)：45-48.

[12]BENZ U C,HOFMANN P,WILLHAUCK G,et al.Multi-resolution,object-oriented fuzzy analysis of remote sensing data for GIS-ready information[J].ISPRS Journal of Photogrammetry & Remote Sensing,2004(58):239-258.

[13]朱曉鈴.廈門市土地利用/覆被遙感動(dòng)態(tài)監(jiān)測[J].廈門理工學(xué)院學(xué)報(bào),2012,20(1)：66-70

[14]譚永生,沈掌泉,賈春燕,等.中高分辨率遙感影像融合研究[J].遙感技術(shù)與應(yīng)用,2007,22(4):536-541.

[15]劉國英,王愛民,陳榮元,等.基于小波域TS-MRF模型的監(jiān)督圖像分割方法[J].紅外與毫米波學(xué)報(bào),2011,30(1)：181-186.

[16]黃慧萍,吳炳方.地物提取的多尺度特征遙感應(yīng)用分析[J].遙感技術(shù)與應(yīng)用,2003,18(5)：276-281.

[17]陳春雷,武剛.面向?qū)ο筮b感影像最優(yōu)分割尺度評價(jià)[J].遙感技術(shù)與應(yīng)用,2011,26(1):96-100.

[18]Trimble.eCognition Developer 8.64.0 User Guide[M].München,Germany：Trimble,2010.

(責(zé)任編輯宋靜)

Extraction of Information of Impervious SurfaceArea of Xiamen from ZY-3 Images

LI Hui1,CHEN Xuejiao1,2,SUN Fengqin1,NIE Qin1

(1.School of Computer & Information Engineering,Xiamen University of Technology,Xiamen 361024,China; 2.Spatial Information Research Center of Fujian,Fuzhou 350002,China)

Impervious surface is a character of urban areas. Large impervious surfaces lead to deteriorated water quality,urban heat island effect and other ecological problems.This paper proposed an object-oriented approach to extract information of impervious surfaces in Xiamen using high resolution ZY-3 images.Firstly,the principal component analysis was carried out and the first principal component,normalized difference vegetation index and normalized water index were layer-stacked into a new image to highlight the information of impervious surface.The optimal scales of segmentation were then determined according to the principle of the least impervious surface area,and multi-scale segmentation of the composite images executed based on their spectral line shapes.Based on the segmentation at the optimal scales,five classes were classified:impervious surface,bare soil,water,vegetation,and shadow.The shadows were identified and then merged into impervious surface by the shapes and adjacent relations of the ground objects and accuracy evaluation of the extracts carried out on the field observation.The impervious surface extracts achieve 80% accuracy.

ZY-3 images;impervious surface area;information extraction;object-oriented method

2016-01-23

2016-03-16

福建省教育廳科技項(xiàng)目(JA13239)；福建省自然科學(xué)基金項(xiàng)目(2015J01175)；廈門理工學(xué)院人才引進(jìn)項(xiàng)目(YKJ13003R)

李暉(1985-)，女，講師，博士，研究方向?yàn)镚IS與遙感應(yīng)用.E-mail：lih666@xmut.edu.cn

P208

A

1673-4432(2016)03-0077-07