基于TM影像的喀斯特流域不透水面提?。?/h1>
2020-10-17 09:13:02吳建峰趙彬洋王太龍
甘肅科技 2020年18期
伍 倩，吳建峰,2，趙彬洋 ，王太龍
(1.貴州師范學(xué)院，貴州 貴陽 550018；2.貴州省流域地理國情監(jiān)測重點實驗室，貴州 貴陽 550018)
不透水表面(Impervious Surface)主要指自然不透水面(如裸巖)或人工不透水層，人工不透水層隔離地表水下滲到土壤，割斷了地表與地下水文聯(lián)系，主要由道路、停車場、廣場及屋頂?shù)冉ㄖ锝M成多種類型的人工建筑物區(qū)域[1]。城市化進程正在全球范圍內(nèi)以前所未有的速度進行著，是20世紀以來最為顯著的人類活動過程[2]。城市的快速擴展和大量建設(shè)開發(fā)使得城市下墊面結(jié)構(gòu)及性質(zhì)發(fā)生了巨大轉(zhuǎn)變，世界范圍內(nèi)的地表在近100年內(nèi)里發(fā)生了約40%的變化[3]，使得原來具有較高生態(tài)價值的植被、水源地等生態(tài)用地逐漸被眾多的人工不透水表面所代替，不透水表面大面積擴張，已經(jīng)成為生態(tài)環(huán)境問題的重要指標。
喀斯特流域在宏觀上表現(xiàn)為二元水文結(jié)構(gòu)，即喀斯特流域在整體上有調(diào)控流域水文過程地表、地下兩套地貌結(jié)構(gòu)場，并形成地表、地下兩個水系，但由于快速城鎮(zhèn)化導(dǎo)致部分喀斯特流域不透水表面大面積擴張，打破了喀斯特流域二元水文結(jié)構(gòu)的平衡。不透水表面不斷增加，阻隔了地表水進入到土壤下墊面，甚至割斷了地表與地下水文的之間聯(lián)系，改變了區(qū)域水循環(huán)過程[4,5]，影響喀斯特流域地表徑流、水文循環(huán)、水體質(zhì)量、局部氣候、生物棲息地等，并呈現(xiàn)出日益強化的趨勢[6]。因此，研究喀斯特流域不透水表面對于剖析人類活動干擾下的流域生態(tài)水文過程特征、有效開展水資源管理、科學(xué)實施流域生態(tài)建設(shè)等方面具有重要意義。
本研究以城關(guān)河作為研究區(qū)域，重點研究城市化快速發(fā)展進程所帶來的城市不透水面迅速增長的問題。應(yīng)用TM數(shù)據(jù)提取城關(guān)河不透水面，繼而結(jié)合ArcGIS的制圖分析功能對所得出的研究結(jié)果做進一步的分析。研究成果可以為城區(qū)防洪設(shè)計、減少洪澇災(zāi)害、城市規(guī)劃與環(huán)境治理提供理論參考與應(yīng)用借鑒。
1 研究區(qū)域概況
普定縣位于貴州省西部。地處東經(jīng)105°27'49"-105°58'51"，北緯 16°26'36"-26°31'42"之間。普定城關(guān)河小流域位于貴州省普定縣，流域面積71.7km2，城關(guān)河發(fā)源于流于西南部，自南向北注入三岔河夜郎湖水庫。普定縣城建城區(qū)全部位于流域內(nèi)部，近年來流域不透水表面快速增加，是典型城鎮(zhèn)化工業(yè)化驅(qū)動下的不透水表面增加區(qū)域。流域內(nèi)白云質(zhì)碳酸鹽巖出露比例達90%，為典型喀斯特小流域。隨著流域近年來農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)調(diào)整和石漠化治理、退耕還林等工程實施，流域地表覆蓋變化較快，是貴州地表覆蓋快速變化的典型性代表小流域。
2 研究數(shù)據(jù)與方法
2.1 研究數(shù)據(jù)
本文數(shù)據(jù)源為研究區(qū)2017年9月的TM遙感影像，空間分辨率為30m，投影坐標系為WGS_1984_UTM_Zone_49N，無云和條帶影響，影像質(zhì)量較好，數(shù)據(jù)經(jīng)過初步輻射校正和幾何校正，最后裁剪得到城關(guān)河TM影像，如圖1所示。
圖1 研究區(qū)TM影像圖
2.2 研究方法
面向?qū)ο蟮姆诸惙椒ㄊ且环N智能化的自動影像分析方法，主要分為影像分割與信息提取，該方法分類的最小單元是由影像分割得到的同質(zhì)影像對象即圖斑，而不再是單個像素，可以實現(xiàn)較高層次的遙感圖像分類和目標地物提取。通過該方法先對遙感圖像進行分割，再根據(jù)遙感圖像分類或目標地物提取的具體要求，檢測和提取目標地物的各種特征，從而達到對遙感圖像進行分類或目標地物提取的目的[7]。
本文利用面向?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行分割，然后選用最鄰近分類法進行影像分類，最后對陰影進行甄別及剔除，提取不透水面信息。
3 結(jié)果與分析
3.1 影像分割與提取
影像分割是采用影像分割技術(shù)生成不同的影像對象的過程，針對不同的地物采取不同的分割尺度，構(gòu)建尺度網(wǎng)對影像進行分割。目前較常用的分割算法主要有基于紋理特征分割、基于知識影像分割、分形網(wǎng)絡(luò)演化分割等算法，考慮到分割后對象特征異質(zhì)性最小，本文采用基于邊界的分割算法進行影像分割。分割算法采取基于邊緣檢測經(jīng)過反復(fù)試驗，經(jīng)過目視觀察對比，采取的分割閾值為70，合并閾值為80，得出的提取效果最佳。
3.2 影像分類
本文采用最鄰近分類法進行分類[8]，將影像對象分為不透水面、裸土、植被和水體4種土地類型，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像元，其原理是通過選擇典型的樣本統(tǒng)計該地物類型的特征，以該特征為中心，通過計算未分類對象中用于分類的特征與樣本統(tǒng)計特征之間的距離，該對象最終會劃分到距離近的樣本類型中。在實際操作過程中，需要為每一個類別選取樣本對象，樣本對象選取的多少與是否準確對分類結(jié)果有直接的影響[9]。因此，本論文針對確定的4種城市基本組分土地覆蓋類型的對象作為訓(xùn)練樣本，在分類過程中根據(jù)分類的效果來調(diào)整樣本以達到最佳的分類效果，分類結(jié)果如圖2所示。
圖2 研究區(qū)信息提取圖
3.3 不透水面信息特征分析
隨著分類的類別進行樣本的選擇，用地類別會隨著分類方法的不同和分類類別的細化可呈現(xiàn)不同的提取效果展現(xiàn)不同的提取信息，城市不透水面的提取效果和分類方法以及類別分化有一定影響，本文獲得的城關(guān)河信息提取圖如圖2所示。研究區(qū)范圍面積為71.7km2，其中，分類的植被面積為28.8 km2，水體為 1.6km2，裸土為 22.8km2，不透水面面積為18.5km2，不透水率為25.8%，植被主要分布在研究區(qū)東西兩側(cè)的山地，主要集中在東部沿線和西北部區(qū)域，水體主要集中在研究區(qū)北端和東南端的兩個地方，裸土主要集中在不透水面周圍區(qū)域，該區(qū)域為研究區(qū)相對較平緩地方，不透水面主要為道路、屋頂、硬化院壩等人工建筑物，主要分布在研究區(qū)的西南部的人工建筑集中區(qū)域以及零星分布在其他地方的道路和人工建筑物區(qū)域，單獨制作研究區(qū)不透水面分布如圖3所示。通過目視對比遙感影像，分類結(jié)果與實際情況較吻合，分類結(jié)果有一定參考性。
圖3 城關(guān)河流域不透水面分布圖
4 結(jié)論
1）由于分割類型和分割尺度的不同，所以不透水面的提取效果也不同，面向?qū)ο蟮姆诸惙椒ㄊ腔趲缀涡畔ⅰ⒔Y(jié)構(gòu)信息以及光譜信息進行影像分類，經(jīng)過本次實驗研究，該方法適用于中高分辨率多光譜或全色影像。另外，尺度的選擇直接決定分割效果的好壞。
2）研究區(qū)提取的不透水面面積為18.5km2，不透水率為25.8%，不透水面主要為道路、屋頂、硬化院壩等人工建筑物，主要分布在研究區(qū)的西南部的人工建筑集中區(qū)域以及零星分布在其他地方的道路和人工建筑物區(qū)域。
本文僅在TM影像分類方面進行了初步的嘗試，方法較單一，進一步準備在不同分辨率、不同尺度影像和不同方法上進行研究，以期實現(xiàn)在不同環(huán)境和條件下不透水面信息的高精度提取。
猜你喜歡
分類算一算數(shù)學(xué)小靈通(1-2年級)(2021年4期)2021-06-09 06:25:56 分類討論求坐標中學(xué)生數(shù)理化·七年級數(shù)學(xué)人教版(2019年4期)2019-05-20 10:06:32 數(shù)據(jù)分析中的分類討論中學(xué)生數(shù)理化·七年級數(shù)學(xué)人教版(2018年6期)2018-06-26 08:36:06 教你一招：數(shù)的分類初中生世界·七年級(2017年9期)2017-10-13 22:27:46 可能是方法不對意林原創(chuàng)版(2016年10期)2016-11-25 10:28:30 關(guān)于四色猜想中國科技博覽(2016年2期)2016-04-25 20:32:39 分區(qū)域小學(xué)生導(dǎo)刊(2016年34期)2016-04-11 00:49:44 用對方法才能瘦Coco薇(2016年2期)2016-03-22 02:42:52 四大方法 教你不再“坐以待病”！Coco薇(2015年1期)2015-08-13 02:47:34 捕魚小雪花·成長指南(2015年4期)2015-05-19 14:47:56
伍 倩，吳建峰,2，趙彬洋 ，王太龍
(1.貴州師范學(xué)院，貴州 貴陽 550018；2.貴州省流域地理國情監(jiān)測重點實驗室，貴州 貴陽 550018)
不透水表面(Impervious Surface)主要指自然不透水面(如裸巖)或人工不透水層，人工不透水層隔離地表水下滲到土壤，割斷了地表與地下水文聯(lián)系，主要由道路、停車場、廣場及屋頂?shù)冉ㄖ锝M成多種類型的人工建筑物區(qū)域[1]。城市化進程正在全球范圍內(nèi)以前所未有的速度進行著，是20世紀以來最為顯著的人類活動過程[2]。城市的快速擴展和大量建設(shè)開發(fā)使得城市下墊面結(jié)構(gòu)及性質(zhì)發(fā)生了巨大轉(zhuǎn)變，世界范圍內(nèi)的地表在近100年內(nèi)里發(fā)生了約40%的變化[3]，使得原來具有較高生態(tài)價值的植被、水源地等生態(tài)用地逐漸被眾多的人工不透水表面所代替，不透水表面大面積擴張，已經(jīng)成為生態(tài)環(huán)境問題的重要指標。
喀斯特流域在宏觀上表現(xiàn)為二元水文結(jié)構(gòu)，即喀斯特流域在整體上有調(diào)控流域水文過程地表、地下兩套地貌結(jié)構(gòu)場，并形成地表、地下兩個水系，但由于快速城鎮(zhèn)化導(dǎo)致部分喀斯特流域不透水表面大面積擴張，打破了喀斯特流域二元水文結(jié)構(gòu)的平衡。不透水表面不斷增加，阻隔了地表水進入到土壤下墊面，甚至割斷了地表與地下水文的之間聯(lián)系，改變了區(qū)域水循環(huán)過程[4,5]，影響喀斯特流域地表徑流、水文循環(huán)、水體質(zhì)量、局部氣候、生物棲息地等，并呈現(xiàn)出日益強化的趨勢[6]。因此，研究喀斯特流域不透水表面對于剖析人類活動干擾下的流域生態(tài)水文過程特征、有效開展水資源管理、科學(xué)實施流域生態(tài)建設(shè)等方面具有重要意義。
本研究以城關(guān)河作為研究區(qū)域，重點研究城市化快速發(fā)展進程所帶來的城市不透水面迅速增長的問題。應(yīng)用TM數(shù)據(jù)提取城關(guān)河不透水面，繼而結(jié)合ArcGIS的制圖分析功能對所得出的研究結(jié)果做進一步的分析。研究成果可以為城區(qū)防洪設(shè)計、減少洪澇災(zāi)害、城市規(guī)劃與環(huán)境治理提供理論參考與應(yīng)用借鑒。
1 研究區(qū)域概況
普定縣位于貴州省西部。地處東經(jīng)105°27'49"-105°58'51"，北緯 16°26'36"-26°31'42"之間。普定城關(guān)河小流域位于貴州省普定縣，流域面積71.7km2，城關(guān)河發(fā)源于流于西南部，自南向北注入三岔河夜郎湖水庫。普定縣城建城區(qū)全部位于流域內(nèi)部，近年來流域不透水表面快速增加，是典型城鎮(zhèn)化工業(yè)化驅(qū)動下的不透水表面增加區(qū)域。流域內(nèi)白云質(zhì)碳酸鹽巖出露比例達90%，為典型喀斯特小流域。隨著流域近年來農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)調(diào)整和石漠化治理、退耕還林等工程實施，流域地表覆蓋變化較快，是貴州地表覆蓋快速變化的典型性代表小流域。
2 研究數(shù)據(jù)與方法
2.1 研究數(shù)據(jù)
本文數(shù)據(jù)源為研究區(qū)2017年9月的TM遙感影像，空間分辨率為30m，投影坐標系為WGS_1984_UTM_Zone_49N，無云和條帶影響，影像質(zhì)量較好，數(shù)據(jù)經(jīng)過初步輻射校正和幾何校正，最后裁剪得到城關(guān)河TM影像，如圖1所示。
圖1 研究區(qū)TM影像圖
2.2 研究方法
面向?qū)ο蟮姆诸惙椒ㄊ且环N智能化的自動影像分析方法，主要分為影像分割與信息提取，該方法分類的最小單元是由影像分割得到的同質(zhì)影像對象即圖斑，而不再是單個像素，可以實現(xiàn)較高層次的遙感圖像分類和目標地物提取。通過該方法先對遙感圖像進行分割，再根據(jù)遙感圖像分類或目標地物提取的具體要求，檢測和提取目標地物的各種特征，從而達到對遙感圖像進行分類或目標地物提取的目的[7]。
本文利用面向?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行分割，然后選用最鄰近分類法進行影像分類，最后對陰影進行甄別及剔除，提取不透水面信息。
3 結(jié)果與分析
3.1 影像分割與提取
影像分割是采用影像分割技術(shù)生成不同的影像對象的過程，針對不同的地物采取不同的分割尺度，構(gòu)建尺度網(wǎng)對影像進行分割。目前較常用的分割算法主要有基于紋理特征分割、基于知識影像分割、分形網(wǎng)絡(luò)演化分割等算法，考慮到分割后對象特征異質(zhì)性最小，本文采用基于邊界的分割算法進行影像分割。分割算法采取基于邊緣檢測經(jīng)過反復(fù)試驗，經(jīng)過目視觀察對比，采取的分割閾值為70，合并閾值為80，得出的提取效果最佳。
3.2 影像分類
本文采用最鄰近分類法進行分類[8]，將影像對象分為不透水面、裸土、植被和水體4種土地類型，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像元，其原理是通過選擇典型的樣本統(tǒng)計該地物類型的特征，以該特征為中心，通過計算未分類對象中用于分類的特征與樣本統(tǒng)計特征之間的距離，該對象最終會劃分到距離近的樣本類型中。在實際操作過程中，需要為每一個類別選取樣本對象，樣本對象選取的多少與是否準確對分類結(jié)果有直接的影響[9]。因此，本論文針對確定的4種城市基本組分土地覆蓋類型的對象作為訓(xùn)練樣本，在分類過程中根據(jù)分類的效果來調(diào)整樣本以達到最佳的分類效果，分類結(jié)果如圖2所示。
圖2 研究區(qū)信息提取圖
3.3 不透水面信息特征分析
隨著分類的類別進行樣本的選擇，用地類別會隨著分類方法的不同和分類類別的細化可呈現(xiàn)不同的提取效果展現(xiàn)不同的提取信息，城市不透水面的提取效果和分類方法以及類別分化有一定影響，本文獲得的城關(guān)河信息提取圖如圖2所示。研究區(qū)范圍面積為71.7km2，其中，分類的植被面積為28.8 km2，水體為 1.6km2，裸土為 22.8km2，不透水面面積為18.5km2，不透水率為25.8%，植被主要分布在研究區(qū)東西兩側(cè)的山地，主要集中在東部沿線和西北部區(qū)域，水體主要集中在研究區(qū)北端和東南端的兩個地方，裸土主要集中在不透水面周圍區(qū)域，該區(qū)域為研究區(qū)相對較平緩地方，不透水面主要為道路、屋頂、硬化院壩等人工建筑物，主要分布在研究區(qū)的西南部的人工建筑集中區(qū)域以及零星分布在其他地方的道路和人工建筑物區(qū)域，單獨制作研究區(qū)不透水面分布如圖3所示。通過目視對比遙感影像，分類結(jié)果與實際情況較吻合，分類結(jié)果有一定參考性。
圖3 城關(guān)河流域不透水面分布圖
4 結(jié)論
1）由于分割類型和分割尺度的不同，所以不透水面的提取效果也不同，面向?qū)ο蟮姆诸惙椒ㄊ腔趲缀涡畔ⅰ⒔Y(jié)構(gòu)信息以及光譜信息進行影像分類，經(jīng)過本次實驗研究，該方法適用于中高分辨率多光譜或全色影像。另外，尺度的選擇直接決定分割效果的好壞。
2）研究區(qū)提取的不透水面面積為18.5km2，不透水率為25.8%，不透水面主要為道路、屋頂、硬化院壩等人工建筑物，主要分布在研究區(qū)的西南部的人工建筑集中區(qū)域以及零星分布在其他地方的道路和人工建筑物區(qū)域。
本文僅在TM影像分類方面進行了初步的嘗試，方法較單一，進一步準備在不同分辨率、不同尺度影像和不同方法上進行研究，以期實現(xiàn)在不同環(huán)境和條件下不透水面信息的高精度提取。
猜你喜歡
數(shù)學(xué)小靈通(1-2年級)(2021年4期)2021-06-09 06:25:56
中學(xué)生數(shù)理化·七年級數(shù)學(xué)人教版(2019年4期)2019-05-20 10:06:32
中學(xué)生數(shù)理化·七年級數(shù)學(xué)人教版(2018年6期)2018-06-26 08:36:06
初中生世界·七年級(2017年9期)2017-10-13 22:27:46
意林原創(chuàng)版(2016年10期)2016-11-25 10:28:30
中國科技博覽(2016年2期)2016-04-25 20:32:39
小學(xué)生導(dǎo)刊(2016年34期)2016-04-11 00:49:44
Coco薇(2016年2期)2016-03-22 02:42:52
Coco薇(2015年1期)2015-08-13 02:47:34
小雪花·成長指南(2015年4期)2015-05-19 14:47:56
